目的:探讨深度学习重建(DLR)较混合迭代重建(Hybrid IR)在改善胸部低剂量CT(LDCT)图像质量方面的效果。方法:回顾性分析2020年10月至2021年3月在北京协和医院行胸部LDCT体检或因肺内结节定期复查的77例患者。对所有入组患者的影像资料进行不同算法重建,获得标准级别Hybrid IR图像、标准和强级别DLR图像。在3种图像的肺实质、主动脉、肩胛下肌及腋下脂肪内选取感兴趣区并测量其CT值和标准差,用于计算信噪比(SNR)和对比噪声比(CNR)。同时,由2名影像医师按照Likert 5分量表法对图像质量进行主观评分,且记录肺磨玻璃结节(GGN)的数量,并对其显示情况进行评分。2名医师评分不一致时由第3名医师评分决定。采用Kruskal-Wallis非参数检验对3种图像的主观和客观评分进行分析,若总体存在差异,则用Bonferroni校正检验进行组内两两比较。结果:3种图像在肺实质、主动脉、肩胛下肌及腋下脂肪处的CT值差异均无统计学意义(
P均>0.05),而图像噪声、SNR和图像的CNR差异均有统计学意义(
P均<0.05)。其中标准级别Hybrid IR图像、标准和强级别DLR图像的CNR分别为0.71(0.49,0.88)、1.06(0.78,1.32)和1.14(0.84,1.48)。标准级别和强级别DLR图像均较标准级别Hybrid IR图像的主观和客
作者:王金华;宋兰;隋昕;田杜雪;杜华阳;赵瑞杰;王沄;陆晓平;马壮飞;许英浩;金征宇;宋伟
来源:中华放射学杂志 2022 年 56卷 1期