深度学习迭代重建算法优化儿童头颅CT图像噪声和图像纹理的可行性

作     者：田宏伟 彭芸 刘道永 李昊岩 刘勇 洪天予 孙记航 TIAN Hongwei;PENG Yun;LIU Daoyong;LI Haoyan;LIU Yong;HONG Tianyu;SUN Jihang

作者机构：首都医科大学附属北京儿童医院影像中心北京100045 

出 版 物：《中国医学影像学杂志》 (Chinese Journal of Medical Imaging)

年 卷 期：2024年第32卷第2期

页      面：193-198页

核心收录：

学科分类：0831[工学-生物医学工程（可授工学、理学、医学学位）] 100207[医学-影像医学与核医学] 1006[医学-中西医结合] 1002[医学-临床医学] 1001[医学-基础医学(可授医学、理学学位)] 08[工学] 1010[医学-医学技术（可授医学、理学学位）] 100106[医学-放射医学] 100602[医学-中西医结合临床] 10[医学] 

主　　题：体层摄影术,X线计算机 头颅 儿童 低剂量 深度学习 

摘      要：目的评价深度学习迭代重建(DLIR)算法与常规自适应迭代重建(ASIR-V)算法对儿童头颅外伤CT图像噪声和图像纹理的优化程度及图像显示效果的差异。资料与方法回顾性选取2020年12月7—11日首都医科大学附属北京儿童医院影像中心80例儿童头颅CT,扫描方案为低辐射剂量轴扫,电压120 kV,电流150~220 mA。将得到的原始数据重建为5 mm厚层与0.625 mm薄层的脑窗、骨窗图像,分别重建为50%ASIR-V、高权重DLIR图像(DL-H),共8组图像。应用4分制主观评价脑沟脑室、脑灰白质与颅骨显示情况,并统计各组图像的病变数量;客观评价测量基底节层面的灰质和白质的CT值和噪声值,并计算对比噪声比,同时在同层面测量模糊程度指数,比较两种图像重建方法的差异。结果相较于50%ASIR-V图像,2种层厚的DL-H均可以提升脑沟脑室、脑实质显示能力(W=5.5~22.2,P均0.05),5 mm的50%ASIR-V与0.625 mm的DL-H图像脑沟脑室、脑实质显示能力差异无统计学意义(W=0.9、2.0,P=0.32、0.05)。骨质显示能力方面,所有图像均可以达到满分4.0分。5 mm的50%ASIR-V与DL-H图像均可以在80例患者中发现共35处病变,包括出血病变12处,颅内积气1处,骨折9处,头皮软组织肿胀13处。客观评分方面,DL-H图像噪声低于50%ASIR-V图像(t=21.4~35.7,P均0.05),0.625 mm的DL-H与5 mm的50%ASIR-V图像噪声及对比噪声比差异无统计学意义(t=1.7~2.2,P均≥0.05)。模糊程度指数显示DL-H优于50%ASIR-V图像(t=6.1、10.0,P均0.05),0.625 mm的DL-H与5 mm的50%ASIR-V模糊程度指数差异无统计学意义(t=2.6,P=0.28)。结论DLIR可以降低图像噪声,改善图像纹理,整体提升儿童头颅外伤CT图像质量,0.625 mm的DL-H图像质量接近5 mm的50%ASIR-V图像,可以达到诊断要求,使进一步降低儿童头颅外伤的辐射剂量成为可能。