检索结果-内蒙古大学图书馆

中国医疗设备 2025年第1期40卷 136-142页

作者：胡顺欣于俊丽王子月盛江南任英娜王丽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

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(P>0.05);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(P>0.05),常规组辐射剂量及SD较低,且差异有统计学意义(P<0.05)。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。

关键词：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

来源：评论

学校读者我要写书评

暂无评论

深度学习重建算法在提高门静脉CT图像质量中的应用研究

引用

西安交通大学学报（医学版） 2022年第6期43卷 912-917页

作者：曹乐刘翔程燕南郝辉李军军杨健西安交通大学生命科学与技术学院生物医学工程系陕西西安710054 西安交通大学第一附属医院医学影像科陕西西安710061

目的探讨深度学习重建算法(DLIR)在提高门静脉图像质量中的应用研究。方法回顾性纳入32例行腹部双期增强检查的患者,门静脉图像分别采用50%自适应统计迭代重建(ASIR V)及深度学习重建算法的中、高模式(DLIR-M、DLIR-H)进行重建。测量门... 详细信息

目的探讨深度学习重建算法(DLIR)在提高门静脉图像质量中的应用研究。方法回顾性纳入32例行腹部双期增强检查的患者,门静脉图像分别采用50%自适应统计迭代重建(ASIR V)及深度学习重建算法的中、高模式(DLIR-M、DLIR-H)进行重建。测量门静脉主干、右支、左支和同层椎旁肌肉的CT值和标准差,计算其对比噪声比,测量门静脉主干血管壁CT值边缘上升斜率(ERS)以评价其空间分辨率。主观评价由两名医师采用5分法分别从整体图像噪声、图像对比度、门静脉小分支显示三个方面进行评分,图像伪影则采用4分法进行评价;此外,单独计算门静脉小分支在三种重建算法中的显示率。结果门静脉主干、右支、左支的噪声在DLIR重建算法下显著低于ASIR-V 50%算法,其中DLIR-H噪声最低,CNR最高;门静脉主干的ERS在DLIR算法下也显著高于ASIR-V 50%算法(P<0.01)。主观评价方面,DLIR算法均显著优于ASIR-V 50%算法(P<0.01);此外,DLIR图像门静脉小分支的显示率分别是DLIR-M 93.75%、DLIR-H 100%,高于ASIR-V 50%(68.75%)。结论与ASIR-V 50%算法相比,DLIR算法能显著降低门静脉图像噪声,提高空间分辨率且可以有效提高门静脉小分支的显示率。

关键词：门静脉深度学习重建算法自适应统计迭代重建空间分辨率

来源：评论

学校读者我要写书评

暂无评论

深度学习重建算法在提升冠状动脉CT血管成像钙化所致血流梗阻性病变诊断准确性中的价值

引用

中华医学杂志 2021年第39期101卷 3202-3207页

作者：徐橙易妍李颜玉郭玉博金征宇王怡宁中国医学科学院北京协和医学院北京协和医院放射科疑难重症和罕见病国家重点实验室北京100730

目的探讨基于深度学习重建算法(DLR)的冠状动脉CT血管成像(CCTA)图像质量和对钙化病变所致冠状动脉狭窄的诊断价值。方法前瞻性纳入2020年2月至2021年2月北京协和医院放射科确诊或拟诊冠心病的33例患者,其中男26例,女7例,年龄45~86(61.9... 详细信息

目的探讨基于深度学习重建算法(DLR)的冠状动脉CT血管成像(CCTA)图像质量和对钙化病变所致冠状动脉狭窄的诊断价值。方法前瞻性纳入2020年2月至2021年2月北京协和医院放射科确诊或拟诊冠心病的33例患者,其中男26例,女7例,年龄45~86(61.9±9.0)岁。所有患者接受CCTA检查并于1个月内进行有创冠状动脉造影(ICA)检查。采用DLR和混合迭代重建算法(HIR)重建CCTA图像。分别在主动脉根部、左主干开口、左前降支近段、左回旋支近段及右冠状动脉近段选取不同的感兴趣区测量两种图像的噪声、信噪比(SNR)、对比噪声比(CNR),并以Likert 4级评分法进行图像质量主观评分(1分,优秀;4分,不能诊断)。以ICA为金标准,计算基于DLR和HIR的CCTA诊断钙化斑块所致冠状动脉血流梗阻性病变的诊断效能。结果共33例患者的123处病变纳入分析。DLR图像的噪声低于HIR图像(定义为主动脉根部CT值的标准差:18.12±3.66比24.19±5.71,P<0.001),CNR和SNR均高于HIR图像(主动脉根部CNR:43.83±23.73比26.38±9.69,P<0.001,SNR:26.66±7.83比21.23±8.65,P<0.001),主观评分优于HIR图像(1.12±0.41比1.46±0.60,P<0.001)。DLR与HIR对于诊断钙化病变所致冠状动脉血流梗阻性病变的灵敏度、特异度和准确度分别为100.0%、77.4%、78.9%和100.0%、63.5%、65.9%。与HIR相比,DLR图像上CCTA的假阳性病例减少38%。结论基于人工智能的DLR重建算法能够显著降低CCTA图像噪声并提高图像质量。DLR有助于提高CCTA对钙化斑块所致冠状动脉血流梗阻性病变的诊断效能,具有良好的临床应用价值。

关键词：血管造影术体层摄影术,X线深度学习重建算法冠状动脉疾病图像质量

来源：评论

学校读者我要写书评

暂无评论

深度学习重建算法在磁共振颅脑增强中减少钆喷酸葡胺使用剂量的有效性研究

引用

磁共振成像 2023年第11期14卷 136-141页

作者：梁丹张默马素文卢洁首都医科大学宣武医院放射与核医学科北京100053 磁共振成像脑信息学北京市重点实验室北京100053

目的探讨通过应用深度学习重建(deep learning reconstruction,DL-Recon)算法提高颅脑MRI图像质量,实现在MRI临床实践中减少对比剂——钆喷酸葡胺(Gd-diethylenetriamine pentametric acid,Gd-DTPA)使用剂量的可行性。材料与方法收集2022年8月1日至2022年9月30日于我院放射科进行头部MRI增强扫描的60例患者。采用随机对照法,按照是否降低Gd-DTPA注射量平均分为正常药量组和降低药量组,并对两组患者分别使用常规重建方法和基于DL-Recon技术获取相应的T1WI图像。由两名医师在双盲条件下圈定感兴趣区进行信噪比(signal-to-noise ratio,SNR)及对比噪声比(contrast-to-noise ratio,CNR)分析,并对图像质量、伪影、均匀度及增强效果进行主观和客观评价,主观评价应用LIKERT五分制法,客观评价中通过分别计算图像背景以及额上回(superior frontal gyrus,SFG)、蛛网膜下腔(subarachnoid space,SAS)和红核(red nucleus,RN)的SNR对图像对比度进行评价。结果Gd-DTPA正常药量组中,相较于采用常规重建方法获得的图像,应用DL-Recon方法获取的图像在图像质量上显著升高(SNRSFG升高48.9%,CNRSFG提高91.5%);DL-Recon获取的图像伪影和图像整体质量得分均显著高于常规重建的图像(P<0.05)。降低药量组中,通过DL-Recon获取的图像与正常药量组的常规重建图像增强效果差异无统计学意义(P>0.05)。结论基于DL-Recon算法的MRI具备在保证图像质量的前提下降低Gd-DTPA注射量的应用能力。

关键词：颅内肿瘤钆喷酸葡胺低剂量深度学习重建算法图像质量磁共振成像

来源：评论

学校读者我要写书评

暂无评论

深度学习重建算法在低辐射剂量头颈联合CT血管成像中的应用价值

引用

中华放射医学与防护杂志 2024年第1期44卷 53-59页

作者：李杨飞朱卫萍侯怡迪庞坚信方奕程朱华勇浙江省台州医院放射科临海317000

目的探讨深度学习重建算法(DLIR)与自适应统计迭代重建算法(ASiR-V)在头颈部CT血管成像(CTA)中检查剂量和成像质量的差异。方法前瞻性收集因头颈部血管疾病行头颈部CTA检查的患者80例。按照检查的先后顺序分为A组和B组,每组40例。A组采... 详细信息

目的探讨深度学习重建算法(DLIR)与自适应统计迭代重建算法(ASiR-V)在头颈部CT血管成像(CTA)中检查剂量和成像质量的差异。方法前瞻性收集因头颈部血管疾病行头颈部CTA检查的患者80例。按照检查的先后顺序分为A组和B组,每组40例。A组采用管电压120kV,噪声指数11.0,ASiR-V50%重建;B组采用管电压80kV,噪声指数9.0,分别采用ASiR-V50%重建(B1组)和DLIR-H重建(B2组)。采用独立样本t检验比较两组的辐射剂量和图像质量。采用Kruskal-wallis检验和Wilcoxon秩和检验用于比较两种成像方式的辐射剂量和主观、客观图像质量。比较组间强化血管CT值,感兴趣区(ROI)的信号与噪声,计算信噪比(SNR)和对比信噪比(CNR)。结果A、B两组有效辐射剂量分别为(0.77±0.08)、(0.45±0.05)mSv,差异有统计学意义(t=21.96,P<0.001)。A、B1、B23组图像的主动脉弓、颈动脉起始部、颈动脉分叉层面、大脑中动脉M1段强化血管CT值、SD、SNR、CNR,差异均有统计学意义(F=67.69、68.50、50.52、74.10、63.10、91.22、69.16,P<0.001)。A、B1、B23组图像质量主观评分差异有统计学意义(Z=71.06,P<0.05)。结论DLIR算法能够在进一步降低头颈部CTA检查辐射剂量的同时,明显地减少图像噪声,保证了图像质量,具有良好的临床应用价值。

关键词： X射线计算机体层摄影术辐射剂量深度学习重建算法图像质量

来源：评论

学校读者我要写书评

暂无评论

深度学习重建算法改善颅脑低剂量CT图像质量的可行性研究

引用

中华放射医学与防护杂志 2023年第9期43卷 736-740页

作者：崔津津刘贯中胡兴和韩邵军孙红王新江姚洪祥国家老年疾病临床医学研究中心、解放军总医院第二医学中心放射诊断科北京100853

目的探讨深度学习重建算法(DLIR)较自适应统计迭代重建(ASIR-V)算法在改善颅脑低剂量CT图像质量方面的效果。方法回顾性纳入2021年11月至2022年8月在解放军总医院第二医学中心接受颅脑CT检查的患者,对所有患者的低剂量CT采用4种不同算... 详细信息

目的探讨深度学习重建算法(DLIR)较自适应统计迭代重建(ASIR-V)算法在改善颅脑低剂量CT图像质量方面的效果。方法回顾性纳入2021年11月至2022年8月在解放军总医院第二医学中心接受颅脑CT检查的患者,对所有患者的低剂量CT采用4种不同算法重建:获得30%强度ASIR-V(ASIR-V-30%)图像、低强度DLIR(DLIR-L)图像、中等强度DLIR(DLIR-M)图像和高强度DLIR(DLIR-H)图像。在4组图像的表浅白质、表浅灰质、深部白质和深部灰质内选取感兴趣区并测量其CT值,计算信噪比(SNR)和对比噪声比(CNR)。由3名神经影像医师按照Likert 5分量表对图像质量进行主观评分。对4组图像的客观、主观评分进行分析,若总体存在差异,则进行组内两两比较。结果共纳入109例患者,男104例、女5例,年龄65~110岁,平均(89.16±9.53)岁。颅脑CT低剂量扫描的辐射剂量为(0.93±0.01)mSv,显著低于常规扫描(2.92±0.01)mSv(t=56.15,P<0.05)。颅脑低剂量CT的4组图像的SNR_(深部灰质)、SNR_(深部白质)、SNR_(表浅灰质)、SNR_(表浅白质)、CNR_(深部灰白质)、CNR_(表浅灰白质)客观图像质量分析差异具有统计学意义(F=98.23、72.95、68.43、58.24、241.13、289.91,P<0.05),其中DLIR-H图像在深部灰质、深部白质、表浅灰质、表浅白质中噪声最低,与其他图像组间差异有统计学意义(t=167.43、275.46、182.32、361.54,P<0.05)。DLIR-H图像质量主观评分优于ASIR-V-30%、DLIR-L、DLIR-M,且差异具有统计学意义(t=7.25、8.32、9.63,P<0.05)。结论与ASIR-V相比,DLIR算法能够有效降低颅脑低剂量CT的图像噪声和伪影,并提高SNR和CNR,其中DLIR-H图像质量最佳。

关键词：深度学习重建算法迭代重建低辐射剂量图像质量腔隙性梗死灶

来源：评论

学校读者我要写书评

暂无评论

探讨深度学习重建算法联合低剂量对比剂在腹部增强CT扫描中应用的可行性研究

引用

现代仪器与医疗 2025年第2期 61-65页

作者：刘硕史灵雪河北省雄安宣武医院放射科吉林省人民医院放射线科

目的探究深度学习重建（DeepLearningImageReconstruction,DLIR）算法联合低剂量造影剂在腹部增强CT应用可行性。方法收集因病情需要行上腹部CT增强扫描检查的128例患者随机分成两组，每组64例，行能谱CT腹部增强检查，扫描参数一致... 详细信息

目的探究深度学习重建（DeepLearningImageReconstruction,DLIR）算法联合低剂量造影剂在腹部增强CT应用可行性。方法收集因病情需要行上腹部CT增强扫描检查的128例患者随机分成两组，每组64例，行能谱CT腹部增强检查，扫描参数一致。常规剂量组扫描采用1.5ml/kg比剂用量，多模型自适应统计迭代重建（AdaptiveStatistical IterativeReconstruction,ASIR）算法进行重建，ASIR迭代率选取60%。低剂量组扫描采用1.0ml/kg对比剂用量，并用不同水平DLIR算法进行重建分组，包括A组中强度深度学习图像重建（Deep Learning Image Reconstruction-Medium,DLIR-M）、B组高强度深度学习重建（DeepLearningImageReconstruction-Medium,DLIR-H）。对比分析不同重建算法图像间的各项客观评价指标[噪声、对比度（Contrast to Noise Ratio,CNR）、信噪比(Signal to Noise Ratio,SNR)]和主观评价指标（噪声、整体图像质量）。结果客观评价，常规剂量组、低剂量A组、低剂量B组图像的噪声逐渐减低，各组两两比较差异均具有统计学意义（P <0.05）。常规剂量组、低剂量A组、低剂量B组图像的SNR肝脏、SNR胰腺、CNR肝脏、CNR胰腺逐渐升高，其中常规剂量组与低剂量A组间差异无统计学意义，其余各组间的差异具有统计学意义。主观评价上，常规剂量组、低剂量A组、低剂量B组的主观噪声和总体图像质量评分大多数情况下都超过4分，均能满足临床诊疗的需求。主观噪声评分逐渐升高，各组两两比较差异均具有统计学意义（P <0.05）。主观图像质量评分方面，低剂量B组评分高于低剂量A组、常规剂量组，差异具有统计学意义（P <0.05）。结论采用DLIR算法联合低剂量造影剂获得的影像图像质量要优于ASIR算法结合常规剂量造影剂，并能够满足日常诊断的需求，同时还能将所需造影剂量减少三分之一左右。

关键词：低对比剂用量自适应统计迭代重建算法深度学习重建算法对比度信噪比

来源：评论

学校读者我要写书评

暂无评论

深度学习重建算法在不同剂量水平下对CT影像组学特征的影响:体模研究

引用

临床放射学杂志 2023年第5期42卷 863-867页

作者：王旭刘义军赵莹赵明月李贝贝范勇童小雨王诗耕大连医科大学附属第一医院放射科 116011

目的探讨不同辐射剂量水平下深度学习(DL)重建算法对CT影像组学特征的影响。方法应用联影uCT760,在120 kVp管电压下,采用高(150 mAs)、中(90 mAs)、低(30 mAs)3种剂量水平对PH-75体模进行扫描。体模中分别置入软组织棒(肝脏等价材料)、... 详细信息

目的探讨不同辐射剂量水平下深度学习(DL)重建算法对CT影像组学特征的影响。方法应用联影uCT760,在120 kVp管电压下,采用高(150 mAs)、中(90 mAs)、低(30 mAs)3种剂量水平对PH-75体模进行扫描。体模中分别置入软组织棒(肝脏等价材料)、碘棒(12 mgI/ml),用于模拟腹部平扫和增强图像。扫描完成后,基于原始扫描数据采用滤波反投影(FBP)、DL(1~4级)算法进行图像重建。以ITK-SNAP软件手动勾画ROI,采用AK软件提取每一ROI的影像组学特征(7类共计107个),包括形状、一阶、灰度相关矩阵、灰度游程矩阵、灰度共生矩阵、灰度区域矩阵及邻域灰度差分矩阵。计算各特征变异系数(CV)以评价不同剂量水平下DL算法不同等级对不同组织CT影像组学特征的影响。结果对于平扫(肝脏等价材料)在高剂量和中剂量下,与FBP算法相比,DL算法使组学特征趋于稳定,随着DL等级的提升,稳定的组学特征数目增多;在低剂量下,变化趋势不显著,即使DL4级重建,部分特征仍变异度较大;相同算法下,随辐射剂量增加,稳定的组学特征数目增多。对于增强(碘棒,12 mgI/ml)在不同剂量水平下,与FBP算法相比,DL算法使组学特征趋于稳定,随着DL等级的提升,中等稳定特征数目减少,稳定及非常稳定特征数目增多,而不稳定特征数目在使用DL1级重建时,数目最少。结论采用DL重建算法可提高影像组学特征的稳定性,在不同剂量水平下均有一定优势。高等级的DL算法更利于组学特征提取,且对于平扫图像中软组织更为显著。

关键词：深度学习重建算法影像组学稳定性体模

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腹部低剂量CT图像质量及肝转移检测能力的影响

深度学习重建算法对腹部低剂量CT图像质量及肝转移检测能力的影响

引用

作者：刘娜娜郑州大学

学位级别：硕士

本文从以下几个方面进行论述：　　第一部分深度学习重建算法改善CT图像质量及降低辐射剂量潜力的体模研究　　目的：　　通过体模研究，评价深度学习图像重建(deep learning image reconstruction,DLIR)算法对图像质量及辐射剂量的影... 详细信息

本文从以下几个方面进行论述：　　第一部分深度学习重建算法改善CT图像质量及降低辐射剂量潜力的体模研究　　目的：　　通过体模研究，评价深度学习图像重建(deep learning image reconstruction,DLIR)算法对图像质量及辐射剂量的影响，并与滤波反投影(filtered back project,FBP)算法和多模型迭代重建(adaptive statistical iterative reconstruction-V,ASiR-V)算法进行比较。　　材料与方法：　　在不同的管电流(400mA/280mA/200mA/120mA/60mA)下对Gammex1472(体模1)和标准腹部体模PH-5(体模2)进行扫描，获得容积CT剂量指数(volume CT dose index,CTDIvol)分别为13.61mGy、9.52mGy、6.80mGy、4.08mGy和2.04mGy的辐射剂量水平的图像，基于原始数据对各组图像均采用FBP、权重为50％的ASiR-V(ASiR-V50％)、权重为100％的ASiR-V(ASiR-V100％)和低(DLIR-L)、中(DLIR-M)、高(DLIR-H)三个强度水平的DLIR算法重建。采用噪声功率谱(noise power spectrum,NPS)的峰值和平均空间频率评估体模1的噪声大小和纹理，采用基于任务的传递函数(task-based transfer function,TTF)评估体模1的空间分辨率。通过测量肝脏CT值和皮下脂肪的噪声值，并计算肝脏的信号噪声比(signal noise ratio,SNR)对体模2进行客观图像质量评估。由两名放射科医师通过Likert5分法对体模2进行主观图像质量评估。　　结果：　　(1)体模1图像噪声和空间分辨率评价：NPS噪声峰值随ASiR-V迭代权重和DLIR重建强度的升高而降低。ASiR-V50％的NPS峰值高于所有的DLIR重建强度，ASiR-V100％的NPS峰值高于DLIR-M和DLIR-H。DLIR的NPS的平均空间频率高于ASiR-V,更接近于FBP。DLIR与FBP的高对比度空间分辨率相当。与FBP相比，DLIR和ASiR-V降低了低对比度空间分辨率，但DLIR相比于ASiR-V提高了低对比度空间分辨率。　　(2)体模2图像质量客观评价：各算法之间的CT值没有显著差异(P＞0.05)。随着辐射剂量的降低，各算法的噪声值逐渐升高，SNR逐渐降低。在相同的辐射剂量条件下，相比于FBP和ASiR-V50％,DLIR-M和DLIR-H的噪声明显降低,SNR明显升高。与标准辐射剂量(13.61mGy)的ASiR-V50％相比，降低50％辐射剂量(6.80mGy)的DLIR-M和降低70％辐射剂量(4.08mGy)的DLIR-H仍能保持与之相当的噪声和SNR(P＞0.05)。　　(3)体模2图像质量主观评价：在所有辐射剂量水平下均为DLIR-M和DLIR-H的主观评分最高,高于FBP和ASiR-V。在降低70％辐射剂量时,仅DLIR-M和DLIR-H的主观评分≥3分，图像质量满足诊断需求。降低50％辐射剂量的DLIR-M和DLIR-H与标准辐射剂量ASiR-V的主观评分比较差异无统计学意义(P＞0.05)。　　结论：　　(1)DLIR算法在保持与FBP算法相当噪声纹理和高对比度空间分辨率的同时显著降低了噪声，与ASiR-V算法相比提高了低对比度空间分辨率，具有更大的降低辐射剂量的潜力。　　(2)在相同辐射剂量下，DLIR-M和DLIR-H相比于FBP和ASiR-V可显著降低图像噪声，提高总体图像质量。在降低50％辐射剂量条件下DLIR-M和DLIR-H仍能保持与标准辐射剂量ASiR-V50％相当的总体图像质量。　　第二部分低辐射剂量联合深度学习重建算法对肝转移检测能力影响的临床研究　　目的：　　探讨低辐射剂量联合DLIR算法对肝脏图像质量及肝转移病灶检测能力的影响，并与ASiR-V算法进行比较。　　材料与方法：　　前瞻性收集2021年10月至2022年9月期间因怀疑肝脏病变于我院行全腹部增强CT检查的195例患者，第一静脉期行常规辐射剂量检查（管电流400mA）,第二静脉期行低辐射剂量检查（200mA或120mA）,根据第二静脉期管电流的不同将患者分为降低50％辐射剂量组和降低70％辐射剂量组。两组图像均进行ASiR-V50％、DLIR-L、DLIR-M和DLIR-H重建。图像客观评价指标包括皮下脂肪噪声，肝脏、胰腺、门静脉、肌肉的CT值及SNR和肝转移病灶的对比噪声比（contrast noise ratio,CNR）。主观评价指标包括总体图像质量、噪声、对比度、病灶显示能力及诊断信心度评分。以标准辐射剂量下

关键词：腹部低剂量CT扫描图像质量肝转移检测能力深度学习重建算法

来源：评论

学校读者我要写书评

暂无评论

CT深度学习重建算法评估心胸部疾病的研究进展

引用

中华放射学杂志 2024年第1期58卷 98-101页

作者：王金华宋兰隋昕宋伟中国医学科学院、北京协和医学院、北京协和医院放射科北京100730

图像重建算法可以在优化辐射剂量的同时,保持或者改善图像质量。随着人工智能快速发展,基于神经网络的新一代深度学习重建算法逐渐得以应用,为CT检查提供了一种在图像质量、辐射剂量和重建速度等方面优于现有重建算法的解决方案,目前在... 详细信息

图像重建算法可以在优化辐射剂量的同时,保持或者改善图像质量。随着人工智能快速发展,基于神经网络的新一代深度学习重建算法逐渐得以应用,为CT检查提供了一种在图像质量、辐射剂量和重建速度等方面优于现有重建算法的解决方案,目前在心胸疾病的诊断评估中已取得一些良好的应用。本文主要介绍深度学习重建算法的技术价值及在心胸部CT成像中的初步临床应用。

关键词：体层摄影术,X线计算机深度学习重建算法图像质量辐射剂量

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：