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.
作者：邓蕾；郭宝斌；姚悦；杨全新；李晓会
来源：中国医疗设备 2022 年 37卷 5期
