目的 分析基于深度学习的ClearInfinity(CI)算法在上腹部体模CT扫描中降噪和提高图像质量的可行性,探讨优化图像质量的最佳权重比例.方法 以同一管电压(120 kV)、不同容积CT剂量指数(Volume CT Dose Index,CTDIvol)水平(15、10、7.5、5、2.5 mGy)对腹部仿真体模进行扫描,每组图像均采用滤波反投影算法(Filter Back Projection,FBP)、Clear View迭代算法(CV算法,分别采用50％CV、90％CV重建)和深度学习算法(CI算法,分别采用10％CI、30％CI、50％CI、70％CI、90％CI重建)共8种不同方法进行重建,共获得40组图像.测量并记录各组图像肝脏、左侧肾脏及肌肉平均CT值、噪声和主观评分,同时记录各重建算法的重建时间.计算并比较CV算法、CI算法相比FBP算法降低噪声的能力.各组图像主观评分采用Kruskal-Wallis检验,重建时间、CT值和噪声比较采用单因素方差分析和Bonferroni校正进行多重比较.结果 各组中不同部位CT值随不同算法权重比例的增高呈基本稳定状态(P>0.05);同一辐射剂量水平下,与FBP相比,随着CV及CI算法权重的升高,噪声水平显著下降(P<0.001);相同权重重建算法下,CI算法降低噪声的能力高于CV算法;主观评分比较,50％CV和10％CI、30％CI、50％CI算法图像质量能满足诊断要求.超低剂量水平(CTDIVOL=2.5 mGy)下3

作者：侯平；刘杰；陈岩；高剑波；李甸源；李雨桐

来源：中国医疗设备 2022 年 37卷 8期