胃癌双能量CT低keV深度学习重建图像与常规图像对比研究

作     者：袁梦晨 刘译阳 梁何俊 陈林 赵帅 尤亚茹 高剑波 Yuan Mengchen;Liu Yiyang;Liang Hejun;Chen Lin;Zhao Shuai;You Yaru;Gao Jianbo

作者机构：郑州大学第一附属医院放射科、河南省医学影像国际联合实验室河南省消化肿瘤影像重点实验室郑州450052 首都医科大学宣武医院消化科北京100053 

出 版 物：《中华放射学杂志》 (Chinese Journal of Radiology)

年 卷 期：2024年第58卷第8期

页      面：836-842页

核心收录：

学科分类：1002[医学-临床医学] 1001[医学-基础医学(可授医学、理学学位)] 100214[医学-肿瘤学] 100106[医学-放射医学] 10[医学] 

基　　金：国家自然科学基金(81971615) 

主　　题：胃肿瘤 体层摄影术 X线计算机 深度学习 图像重建 

摘      要：目的将深度学习图像重建(DLIR)算法与双能量CT(DECT)结合,评估胃癌低keV单能图像质量,并与常规自适应统计迭代重建(ASiR-V)算法图像进行比较。方法该研究为横断面研究,前瞻性收集2022年9月至2023年3月郑州大学第一附属医院31例胃癌患者的DECT图像,基于动脉期和静脉期图像,使用DLIR算法分别在低、中、高强度水平下(DLIR-L、DLIR-M、DLIR-H)重建55 keV单能量图像,同时使用ASiR-V算法重建70 keV 40%混合系数(ASiR-V40%)图像。在图像客观评价中,分别在4组重建图像上计算病灶和肌肉的信噪比(SNR)、对比噪声比(CNR)。在图像的主观评价中,对各组重建图像的总体图像质量、病灶显示能力及诊断信心进行评分。4组间SNR和CNR的比较采用单因素重复测量方差分析或Friedman检验,评分的比较采用Friedman检验,用Bonferroni校正对事后两两比较进行调整。结果在客观评价中,动脉期和静脉期55 keV DLIR-H图像上CNR病灶、SNR病灶以及SNR肌肉最高,且在70 keV ASiR-V40%、55 keV DLIR-L、DLIR-M以及DLIR-H图像上呈逐渐升高的趋势(P0.05),DLIR-M评分相似或略差,而DLIR-L图像质量评分下降(P0.05)。55 keV DLIR的各水平重建图像的病灶显示能力及诊断信心在动、静脉期均高于70 keV ASiR V40%图像(P0.05)。结论相比70 keV ASiR-V40%常规图像,55 keV DLIR-H图像具有更高的病灶对比度和诊断信心,且图像噪声更低。55 keV DLIR-M图像与70 keV ASiR-V40%的整体图像质量相当,但前者的病灶对比度和诊断信心更高。55 keV DLIR-L无法将图像质量提升至70 keV ASiR-V40%水平。