目的 探讨低辐射剂量联合深度学习重建算法(DLIR)在提高肝转移图像质量和诊断能力中的应用价值.方法 前瞻性搜集因临床需要行上腹部CT增强检查的肝转移患者30例,静脉期采用标准辐射剂量扫描联合前置多模型迭代重建算法V(ASiR-V)40％算法行图像重建(对照组),加扫第二静脉期采用50％低辐射剂量扫描并联合DLIR算法三个强度水平[低(L)、中(M)、高(H)]行图像重建(实验组).对所有图像行客观评价[图像噪声、肝转移病灶的对比噪声比(CNR)、肝脏和门静脉的信噪比(SNR)]及主观评价[总体图像质量和病灶显示能力].采用单因素方差分析和Kruskal-Wallis H检验比较4组图像的客观和主观评价指标.结果 DLIR-L组的噪声高于ASiR-V40％组(P＜0.05),病灶CNR、肝脏和门静脉SNR、总体图像质量和病灶显示能力均低于ASiR-V40％,但两组的肝脏SNR与总体图像质量差异均无统计学意义.DLIR-M组和ASiR-V40％组的噪声、病灶CNR、肝脏和门静脉SNR、总体图像质量与病灶显示能力差异均无统计学意义.与ASiR-V40％组相比,DLIR-H组的噪声减低(P＜0.05),病灶CNR、肝脏和门静脉SNR和病灶显示能力相当,总体图像质量提高(P＜0.05).在DLIR 3组间,噪声随重建强度水平(DLIR-L、DLIR-M、DLIR-H)的升高而降低,总体图像质量和病灶显示能力随强度水平的提高
作者：刘娜娜；吕培杰；刘星；余娟；王会霞；高剑波
来源：临床放射学杂志 2022 年 41卷 9期
