检索结果-内蒙古大学图书馆

中国医学计算机成像杂志 2024年第6期30卷 755-759页

作者：刘泽群贺松马中玉河北北方学院附属第一医院医学影像部河北省张家口市075000

目的:探究在胸部低剂量CT中应用深度学习图像重建算法(DLIR)联合自适应滤波(AF)在减少胸廓入口处伪影方面的临床价值。方法:回顾性收集行胸部低剂量CT筛查并偶发甲状腺疾病的患者150例。扫描完成后对原始数据进行图像重建。A组(常规组)... 详细信息

目的:探究在胸部低剂量CT中应用深度学习图像重建算法(DLIR)联合自适应滤波(AF)在减少胸廓入口处伪影方面的临床价值。方法:回顾性收集行胸部低剂量CT筛查并偶发甲状腺疾病的患者150例。扫描完成后对原始数据进行图像重建。A组(常规组)采用常规迭代算法进行重建;B组采用DLIR进行重建,并根据DLIR 1~4等级分为B1~B4四个亚组;C组使用DLIR联合AF进行图像重建,也根据DLIR的等级分为C1~C4四个亚组。由2名观察者对图像伪影和病灶显示清晰度进行5分制主观评分。在胸廓入口的横断面上,选择伪影最明显的层面分别测量甲状腺、肌肉均匀处及肌肉伪影处的CT值和噪声(SD)值,并计算相应的信噪比(SNR)、对比度噪声比(CNR)及伪影指数(AI)。结果:2名观察者的主观评分一致性良好(Kappa值范围为0.751~0.953,P<0.05)。在图像伪影评估方面,B组内各亚组得分均低于A组,但C组得分相较于B组大幅度提高,其中C4组得分最高且优于A组(P<0.05)。在病灶显示清晰度方面,C3组得分最高并优于A组(P<0.05)。B1~B3组的SNR和CNR均低于A组,但C组SNR和CNR相较于B组有大幅度提升,其中C4组最高并优于A组(P<0.05)。C3组和C4组的AI值最低,且低于A组(P<0.05)。结论:随着人工智能和医学成像技术的不断发展与融合,在胸部低剂量CT中使用DLIR等级3联合AF可以明显减少胸廓入口处条状伪影,从而更准确地识别肺外甲状腺疾病。

关键词：计算机体层成像深度学习图像重建算法自适应滤波伪影

来源：评论

学校读者我要写书评

暂无评论

深度学习图像重建算法在改善肝脏CT图像质量及辐射剂量中的应用

深度学习图像重建算法在改善肝脏CT图像质量及辐射剂量中的应用

引用

作者：刘磊山东大学

学位级别：硕士

目的　　探讨深度学习图像重建算法（DeepLearningImageReconstruction,DLIR）在肝脏增强CT扫描中对提高图像质量、降低辐射剂量的影响，对改善肝脏病灶检出率的临床应用价值。　　材料与方法　　前瞻性纳入75例因可疑肝占位行腹部增强C... 详细信息

目的　　探讨深度学习图像重建算法（DeepLearningImageReconstruction,DLIR）在肝脏增强CT扫描中对提高图像质量、降低辐射剂量的影响，对改善肝脏病灶检出率的临床应用价值。　　材料与方法　　前瞻性纳入75例因可疑肝占位行腹部增强CT检查的患者，其中42例平衡期采用常规剂量扫描为A组，33例平衡期采用低剂量扫描为B组。对A组平衡期原始数据分别进行两个级别混合迭代重建（AdaptiveStatisticalIterativeReconstruction,ASIR-V30％、ASIR-V70％）和三个级别DLIR重建（DLIR-L、DLIR-M、DLIR-H）算法进行图像重建，分别命名为AASIR-V30％、AASIR-V70％、ADLIR-L、ADLIR-M、ADLIR-H，B组平衡期原始数据分别进行DLIR-M、DLIR-H级别算法进行图像重建，分别命名为BDLIR-M、BDLIR-H。分别比较A组组内5种重建算法间、B组组内2种重建算法间、AB两组组间算法间不同扫描剂量图像间的客观图像质量（包括噪声（SD）、信噪比（SNR）、对比噪声（CNR））和主观图像质量差异性（图像质量评估）。对A组患者中同时间段行腹部增强MRI检查的患者，以MRI检查中检出病灶数作为相对标准，对5种不同重建算法图像中病灶检出数目加以比较。　　结果　　A组组内5种重建算法间和B组组内2种重建算法组间SD、SNR、CNR均有统计学意义（均P＜0.01），两组患者均以DLIR-H图像SD最低，SNR和CNR最高。A、B两组组间比较，AASIR-V30％与BDLIR-M、ADLIR-L与BDLIR-M、ADLIR-M与BDLIR-M、ADLIR-H与BDLIR-H之间的SD、SNR、CNR差异无统计学意义。主观总体图像质量差异有统计学意义（均P＜0.05）,ADLIR-H得分最高。B组辐射剂量较A组降低63.5％。A、B两组相对于MRI检查病灶检出率无明显差异。　　结论　　DLIR能有效提高肝脏增强CT扫描图像质量，并在保证图像质量的前提下，显著降低扫描剂量。

关键词：深度学习图像重建算法肝脏增强CT扫描图像质量辐射剂量肝脏病灶

来源：评论

学校读者我要写书评

暂无评论

深度学习图像重建算法在低剂量扫描对肺结节显示及测量的影响

引用

医学影像学杂志 2024年第3期34卷 140-142页

作者：金鑫陈杭美傅钰沁浙江省诸暨市第四人民医院放射科浙江绍兴311835

目的探讨肺结节胸部CT低剂量对深度学习图像重建(DLIR)图像质量及结节检测的影响。方法选取肺结节患者120例,在低剂量扫描条件下应用低剂量迭代重建算法(ASIR-V),评估低剂量下重建图像总体噪声(NI)、肺组织信噪比(SNR)、对比噪声比(CNR)... 详细信息

目的探讨肺结节胸部CT低剂量对深度学习图像重建(DLIR)图像质量及结节检测的影响。方法选取肺结节患者120例,在低剂量扫描条件下应用低剂量迭代重建算法(ASIR-V),评估低剂量下重建图像总体噪声(NI)、肺组织信噪比(SNR)、对比噪声比(CNR),实性、磨玻璃结节噪声、SNR、CNR及结节可见度、筛查准确性。结果DLIR-H总NI和肺组织CNR为(21.14±1.35)Db、(13.70±1.96),低于ASIR-V和DLIR-M,DLIR-M低于ASIR-V(均P<0.05)。肺组织SNR为(26.85±3.46),高于ASIR-V和DLIR-M,DLIR-M高于ASIR-V(均P<0.05)。实性结节、磨玻璃结节NI和CNR均低于ASIR-V和DLIR-M,DLIR-M低于ASIR-V(均P<0.05)。实性结节、磨玻璃结节SNR高于ASIR-V和DLIRM结果,DLIR-M高于ASIR-V(均P<0.05)。DLIR-H图像质量评分、实性结节、磨玻璃结节可见评分均高于ASIR-V和DLIR-M结果,DLIR-M结果高于ASIR-V(均P<0.05)。DLIR-H肺结节准确率86.67%,高于ASIR-V和DLIR-M(P<0.05)。结论胸部CT扫描肺结节应用低剂量DLIR算法能够有效降低噪声,保证图像质量前提下提高诊断率。

关键词：深度学习图像重建算法自适应统计迭代重建算法低剂量肺结节肺癌体层摄影术,X线计算机

来源：评论

学校读者我要写书评

暂无评论

70kVp联合深度学习图像重建算法对胸主动脉血管内修复术后双低CTA图像质量的影响

引用

河南医学研究 2024年第16期33卷 2906-2910页

作者：侯平唐丽陈岩刘杰王小鹏吕培杰高剑波郑州大学第一附属医院放射科河南郑州450052

目的探讨70 kVp联合深度学习图像重建(DLIR)算法在低辐射剂量低对比剂用量的情况下对胸主动脉血管内修复术(TEVAR)后主动脉CT血管成像(CTA)图像质量的影响。方法前瞻性纳入65例TEVAR术后需接受主动脉CTA扫描的患者,随机分为两组。常规... 详细信息

目的探讨70 kVp联合深度学习图像重建(DLIR)算法在低辐射剂量低对比剂用量的情况下对胸主动脉血管内修复术(TEVAR)后主动脉CT血管成像(CTA)图像质量的影响。方法前瞻性纳入65例TEVAR术后需接受主动脉CTA扫描的患者,随机分为两组。常规剂量组(A组)接受100 kVp管电压和60 mL对比剂扫描,低剂量组(B组)接受“双低”方案:管电压70 kVp,对比剂用量为0.5 mL·kg^(-1)。A组图像采用50%多模型迭代重建算法(ASIR-V)重建,B组图像分别采用滤波反投影(FBP)算法(B1亚组)、50%ASIR-V(B2亚组)、90%ASIR-V(B3亚组)及DLIR-H算法(B4亚组)重建。测量并比较各组主动脉CT值、图像噪声、对比噪声比(CNR)及品质因数(FOM)。采用5分制对图像噪声、血管锐利度和整体图像质量进行评估。结果B4亚组噪声最低,较A组降低约23.49%(P<0.001)。A组、B4亚组主动脉各感兴趣区(ROI)CT值、CNR值及图像主观评分差异无统计学意义(P>0.05);B4亚组FOM值大于A组(P<0.001)。与A组比较,B组辐射剂量降低约52.38%(P<0.001),对比剂用量和注射流率分别降低约39%和33.6%(P<0.001)。结论采用70 kVp结合DLIR算法在TEVAR术后主动脉CTA扫描中可获得与常规剂量相当的图像质量,且辐射剂量和对比剂用量大幅度降低。

关键词：深度学习图像重建算法图像处理计算机断层扫描主动脉

来源：评论

学校读者我要写书评

暂无评论

深度学习重建算法对肝脏图像质量及肝转移瘤诊断的研究

引用

中国医疗设备 2021年第10期36卷 28-31,39页

作者：许艺馨李辉坚王国华王铭君张振青岛大学附属青岛市市立医院放射科山东青岛266011 青岛市第八人民医院放射科山东青岛266121 GE中国CT影像研究中心上海200240

目的对比常规滤波反投影(Filter Back Projection,FBP)和基于多模型迭代重建(Adaptive Statistical Iterative Reconstruction-Veo,ASiR-V)算法,评估深度学习图像重建(Deep Learning Image Reconstruction,DLIR)算法对提高肝转移瘤患者CT图像质量和诊断信心的临床应用可能性。方法连续收集肝转移瘤32例患者,行上腹部动态增强CT扫描,门脉期原始数据使用0%ASiR-V(FBP)、30%ASiR-V及3个重建强度的DLIR(L、M、H)进行重建。分别测量5组重建图像的肝病灶与肝组织CT值、同层面右侧椎旁肌肉噪声标准差(Standard Deviation,SD),并计算信噪比(Signal to Noise Ratio,SNR)和对比噪声比(ContrasttoNoiseRatio,CNR)。同时由2名放射科医师在图像质量、病灶显示及诊断信心方面对5组图像进行主观评分。结果图像质量方面,DLIR组客观图像质量指标均优于FBP及30%ASiR-V(P<0.001)。DLIR-H噪声最低(6.35±1.27),较FBP和30%ASiR-V分别减少70%、53%;进而在肝脏处的SNR(16.32±5.1)较FBP和30%ASiR-V分别增加了64%、53%;病灶处的SNR(10.09±4.16)较FBP和30%ASiR-V分别增加了66%、54%;病灶CNR(6.21±2.61)较FBP和30%ASiR-V分别增加了65%、53%(P<0.001)。病灶诊断信息方面,对于病灶显示及诊断信心的评分显示,DLIR得分均高于FBP、30%ASiR-V。因DLIR-H致细小结构模糊以及过度平滑,所以DLIR-M得分最高。结论DLIR与ASiR-V和FBP相比能显著降低图像噪声、提高图像质量,并提高病灶细节和诊断信心。

关键词：深度学习图像重建算法迭代重建滤波反投影肝转移瘤图像质量

来源：评论

学校读者我要写书评

暂无评论

基于深度学习重建算法的低剂量CT脑灌注扫描可行性研究

引用

中华放射医学与防护杂志 2024年第7期44卷 613-621页

作者：雷丽敏周宇涵郭晓旭王慧马金平王芝浩曹伟萌高远许予明岳松伟郑州大学第一附属医院放射科郑州450052 郑州大学第一附属医院神经内科郑州450052

目的比较不同扫描条件下全脑CT灌注检查的图像质量和诊断参数,评估深度学习图像重建算法(DLIR)在降低管电流低剂量扫描中的应用价值。方法前瞻性收集2022年3月至2023年3月郑州大学第一附属医院疑似急性缺血性脑卒中(AIS)患者105例并记... 详细信息

目的比较不同扫描条件下全脑CT灌注检查的图像质量和诊断参数,评估深度学习图像重建算法(DLIR)在降低管电流低剂量扫描中的应用价值。方法前瞻性收集2022年3月至2023年3月郑州大学第一附属医院疑似急性缺血性脑卒中(AIS)患者105例并记录其基线信息。所有患者均行头颅CT平扫及CT灌注(CTP)检查,CTP扫描条件分别为80 kV,分为150(常规剂量)和100 mA(低剂量)两组。将150 mA组CTP图像采用滤波反投影算法(FBP)、全模型迭代重建算法(ASIR-V)40%和80%强度进行重建,分别命名为A、B、C组;将100 mA组CTP图像分别采用ASIR-V80%、DLIR-M和DLIR-H进行重建,分别命名为D、E、F组。对不同扫描条件下两组患者进行临床基线特征及辐射剂量的比较,并比较6组重建CTP图像的主客观图像质量、常规灌注参数及AIS患者的异常灌注参数。结果150和100 mA扫描条件下两组确诊AIS患者分别为47例、48例,两组患者基线特征差异均无统计学意义(P>0.05);平均有效剂量分别为5.71、3.80 mSv,(t=2768.30,P<0.001)。6组重建图像中灰质及白质区域的噪声(SD)、信号噪声比(SNR)及对比噪声比(CNR)差异有统计学意义(F=40.58~212.13,P<0.001)。脑灰质区域,C、D和F组的SD值低于其他各组(P<0.05),C组和F组的SNR值高于其他各组(P<0.05);脑白质区域,C和F组的SD、SNR值与其他各组间差异均有统计学意义(P<0.05)。C和F组的CNR值也高于其他各组(P<0.05)。B、C和F组的主观评分差异无统计学意义(P>0.05)。灌注参数比较中,脑灰质中D和E组的脑血容量(CBV)值均低于A~C组(P<0.05),F组的CBV值低于B组(P<0.05);脑白质中D组的平均通过时间(MTT)值均低于其他各组(P<0.05)。6组图像的AIS病灶检出率及相关灌注参数差异无统计学意义(P<0.05)。结论低管电流CTP扫描结合DLIR-H算法可在不影响灌注参数(包括CBF和MTT)的前提下提高图像质量,减少30%的辐射剂量,可将此算法常规应用于脑CTP检查中。

关键词：深度学习图像重建算法急性缺血性脑卒中脑灌注检查低剂量图像质量

来源：评论

学校读者我要写书评

暂无评论

基于集成电极的电阻抗成像系统设计与成像方法研究

基于集成电极的电阻抗成像系统设计与成像方法研究

引用

作者：王迪天津科技大学

学位级别：硕士

电阻抗成像技术(Electrical Impedance Tomography,简称EIT)是一种基于待测物体表面的测量值,重建待测物体内组织分布图像的技术。由于其低功耗、无辐射、便携等特点在生物医学检测、多相流分析等方向拥有广阔的应用前景。本文设计了一... 详细信息

电阻抗成像技术(Electrical Impedance Tomography,简称EIT)是一种基于待测物体表面的测量值,重建待测物体内组织分布图像的技术。由于其低功耗、无辐射、便携等特点在生物医学检测、多相流分析等方向拥有广阔的应用前景。本文设计了一种基于集成电极的并行电阻抗测量系统,信号的激励和采集由集成电极完成,提高了系统采集速度的同时减小了系统的体积,增加了便携性。本文完成的主要工作如下: (1)设计了16路并行采集的EIT集成电极,以FPGA为控制核心,按照EIT工作原理,每一路独立产生EIT系统所需的正弦激励电流,并能进行测量信号处理。每个电极上集成了AD5940、AD844及通信模块等外围电路。该电极基于AD5940内部波形发生器模块产生正弦电压信号,再经过AD844电流镜组成的压流转换电路,将正弦电压信号转为EIT正弦电流激励信号;同时在信号采集通道加入前级电路,使采集信号满足AD5940的电压输入范围,采集信号在集成电极上直接完成DFT转换,送入上位机进行图像重建。集成电极具有抗干扰能力强、测量快速准确的优点。 (2)设计了基于C++的共轭梯度成像算法及医院应用场景的GUI界面。操作界面具有系统标定、初始化、实时采集成像、历史数据回放等功能。通过My SQL数据库实时保持采存数据,方便后续调取、分析。 (3)对EIT成像算法进行了研究,提出了基于深度学习的HIHU-Net超信息混合UNet卷积神经网络的电阻抗重建算法。超信息混合U型连接卷积神经网络(CNN)图像重建算法,即通过多尺度的空间信息融合策略和基于稠密连接的多通道信息传递方式来提高深度CNN模型的参数利用效率,增加正向信息流和反向梯度流使得网络训练更加容易。同时预重建器自适应学习正则化参数将测量向量映射为介质参数特征,使得HIHU-Net具有端到端的数据学习表述形式,成像结果具有较好的泛化性能和噪声鲁棒性。对本文设计的系统进行性能测试,实测激励通道在激励频率1 KHz到200 KHz能够稳定输出4.5 m A的激励电流,采集通道信噪比基本可达65d B以上。水槽实验表明系统有较好的成像效果。

关键词：电阻抗成像 AD5940 集成电极深度学习图像重建算法

来源：评论

学校读者我要写书评

暂无评论

不同混合权重深度学习重建算法对低剂量CT扫描肺结节定量分析准确性的影响

引用

中国医疗设备 2022年第5期37卷 90-94,99页

作者：邓蕾郭宝斌姚悦杨全新李晓会西安交通大学第二附属医院医学影像科陕西西安710004

目的探讨深度学习重建算法对模拟肺结节定量分析准确性及图像质量的影响。方法使用GE Revolution CT对内置9枚模拟结节的仿真胸部体模进行低剂量CT扫描。采用滤波反投影法(Filtered Back Projection,FBP)及不同混合权重的深度学习图像重... 详细信息

目的探讨深度学习重建算法对模拟肺结节定量分析准确性及图像质量的影响。方法使用GE Revolution CT对内置9枚模拟结节的仿真胸部体模进行低剂量CT扫描。采用滤波反投影法(Filtered Back Projection,FBP)及不同混合权重的深度学习图像重建(Deep Learning Image Reconstruction,DLIR)和自适应统计迭代重建(Adaptive Statistical Iterative Reconstruction-Veo,ASiR-V)算法对图像进行重建。利用人工智能辅助诊断软件对所有图像进行自动测量,与手动测量结果进行对比,并计算信噪比(Signal to Noise Ratio,SNR)及对比噪声比(Contrast to Noise Ratio,CNR)。结果不同混合权重、不同算法均不影响肺结节的手动测量结果(P>0.05),但DLIR的使用可能影响肺结节大小的自动测量结果(P=0.01);此外,DLIR算法计算的SNR、CNR最高,且DLIR-H拥有最好的图像质量(P<0.05)。结论与ASiR-V和FBP算法相比,DLIR可以显著改善图像质量;且DLIR的混合权重越高,图像质量改善越明显,测量方式不同不会影响这一结果。

关键词：低剂量CT扫描深度学习图像重建算法滤波反投影法自适应统计迭代重建算法

来源：评论

学校读者我要写书评

暂无评论

深度学习重建提高腹部能谱CT图像质量和病灶诊断的可行性研究

引用

中国CT和MRI杂志 2024年第6期22卷 154-157页

作者：褚冰倩沈艺宋建刘斌安徽医科大学第一附属医院放射科安徽合肥230032

目的与常规多模型迭代重建(adaptive statistica literative reconstruction Veo,ASIR-V)相比,评估深度学习图像重建(deep learning image reconstruction,DLIR)提高能谱CT单能量图像的图像质量和病灶诊断检出率的可行性。方法随机纳入65例完成腹部能谱CT扫描的患者,对病人的门脉期扫描数据分别增加在薄层(1.25mm)层厚下的ASIR-V40%、DLIR-M(中度)、DLIR-H(高度)三种重建方式进行重建。获取70keV条件下常规5m m的A SIR-V40%及薄层(1.25mm)的ASIR-V40%、DLIR-M、DLIR-H共4组的门脉期图像。对4组图像的肝脏、脾脏、竖脊肌及背部脂肪进行CT值、SD值的测量,并计算相应的SNR及CNR。此外,计算薄层(1.25m m)的3组数据中肝脏病灶在门脉期图像的检出率。图像质量主观评分及病灶的诊断信心由2名有着丰富阅片经验的放射科医师进行评分。结果对于能谱扫描下70keV的薄层(1.25mm)图像,DLIR-M组和DLIR-H组较ASIR-V4 0%组的肝脏、脾脏、竖脊肌及背部脂肪的SD值更低,SNR、CNR更高(P均<0.001),且三组数据的病灶检出率一致,而DLIR-M组和DLIR-H组的诊断信心和图像质量主观评分均高于ASIR-V40%组,其中DLIR-H组分数最佳。此外,70keV的薄层(1.25mm)DLIR-H组图像的SD值、CNR较70keV的常规5mmASIR-V40%组比较无明显统计学差异(P=0.211,0.358,0.208,0.052)。结论和常规的多模型迭代重建算法(ASIR-V)相比,用深度学习重建算法(DLIR)获得的能谱单能量图像能在保证理想的诊断性能的前提下,进一步降低腹部CT的图像噪声,获得更好的图像质量和更高的病灶诊断信心。同时,与70keV+ASIR-V40%相比,70keV+DLIR-H能够在相似图像噪声的情况下实现更薄层厚图像重建。

关键词：深度学习图像重建算法能谱成像门脉期图像质量病灶诊断

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：