深度学习重建算法与单能量对腹主动脉成像质量的参数优选研究

作     者：胡顺欣 于俊丽 王子月 盛江南 任英娜 王丽 HU Shunxin;YU Junli;WANG Ziyue;SHENG Jiangnan;REN Yingna;WANG Li

作者机构：齐齐哈尔医学院研究生院黑龙江齐齐哈尔161000 齐齐哈尔医学院附属第三医院放射科黑龙江齐齐哈尔161000 

出 版 物：《中国医疗设备》 (China Medical Devices)

年 卷 期：2025年第40卷第1期

页      面：136-142页

学科分类：0831[工学-生物医学工程（可授工学、理学、医学学位）] 100207[医学-影像医学与核医学] 1006[医学-中西医结合] 1002[医学-临床医学] 1001[医学-基础医学(可授医学、理学学位)] 08[工学] 1010[医学-医学技术（可授医学、理学学位）] 100106[医学-放射医学] 100602[医学-中西医结合临床] 10[医学] 

基　　金：齐齐哈尔医学院研究生创新基金项目(QYYCX2023-11) 

主　　题：深度学习重建算法 单能量成像 腹主动脉 低剂量扫描 图像质量评价 图像噪声 信噪比 对比度噪声比 

摘      要：目的比较能谱单能量联合基于模型的自适应统计迭代重建技术(Adaptive Statistical Iterative Reconstruction-V,ASIR-V)与固定100 keV下使用深度学习重组(Deep Learning Image Reconstruction,DLIR)对腹主动脉的图像质量与辐射剂量的影响。方法回顾性收集2022年12月至2023年12月间在齐齐哈尔医学院附属第三医院进行的腹部增强扫描病例。将患者按照所接受的扫描技术分为2组,即常规组(100 keV,DLIR-H)和能谱组(80/140 keV,ASIR-V 40%)。常规组进行DLIR-H、DLIR-M、DLIR-L、ASIR-V 40%、ASIR-V 60%、ASIR-V 80%重建。利用能谱分析软件GSI Volume Viewer将原始数据重建ASIR-V 60%、ASIR-V 80%2个等级,在3个ASIR-V等级上以10 keV为间隔重建40~90 keV的图像,与120 kVp-like混合能量图像共同构成19组图像。比较各组图像的噪声(Standard Deviation,SD)、信噪比(Signal to Noise Ratio,SNR)以及对比度噪声比(Contrast to Noise Ratio,CNR),分析得出最佳单能量组。结果60 keV联合ASIR-V 60%的SD、SNR及CNR与120 kVp-like相比,差异无统计学意义(P0.05);60 keV联合ASIR-V 60%与常规组相比,SNR、CNR及主观评分的差异均无统计学意义(P0.05),常规组辐射剂量及SD较低,且差异有统计学意义(P0.05)。结论100 keV下DLIR-H在满足腹主动脉诊断要求的同时还能降低辐射剂量,相对来说,其为腹主动脉的最优重建算法。而60 keV联合ASIR-V 60%为重建腹主动脉的最佳单能量与重建等级的组合。