目的 通过与FBP及混合迭代重建算法的对比,探讨基于深度学习的图像重建(DLIR)算法对大脑中动脉CT血管成像图像质量的影响.方法 选择疑似头颈部血管疾病的患者30例,采用GE APEX CT进行头颈部CTA成像,管电压100 kV,分别利用滤波反投影重建、40％ASIR-V重建、深度学习重建算法(低DLIR-L、中DLIR-M、高DLIR-H)重建出5组图像,测量背景肌肉及大脑中动脉的CT值及SD值,计算信噪比(SNR)及对比噪声比(CNR),由2位有5年以上诊断经验的医师进行主观图像质量评价,比较5组图像大脑中动脉的CT值、SD值、SNR、CNR;背景肌肉的CT值、SD值、SNR及主观图像质量的差异.结果 5组图像大脑中动脉内的CT值及背景肌肉的CT值比较差异无统计学意义(P＞0.05).FBP、40％ASIR-V、深度学习重建算法(低DLIR-L、中DLIR-M、高 DLIR-H)重建 5 组图像大脑中动脉的噪声分别为 26.62±8.46、22.95±7.83、22.73±7.36、21.52± 7.23、20.27±7.31,差异有统计学意义(P＜0.05),背景肌肉的噪声分别为21.49±5.77、16.07±3.42、14.64± 3.54、12.37±3.15、9.96±2.74,差异有统计学意义(P＜0.05),大脑中动脉DLIR-H重建算法下噪声较FBP降低23.85％,较40％ASIR-V降低11.68％,5组图像大脑中动脉内及背景肌肉的SNR及CNR比较差异均有统计学意义(P＜0.05),D

作者：马保龙；张贞；沈云；赵艳红；王泽润；曹永佩；高永斌

来源：宁夏医学杂志 2023 年 45卷 8期