深度学习重建算法联合智能去除金属伪影技术改善危重患者上腹部CT的图像质量

• Published in: 四川大学学报（医学版） Vol. 55; no. 6; pp. 1403 - 1409
• Main Authors: 潘云龙, 姚小玲, 高荣慧, 谢薇, 夏春潮, 李真林, 孙怀强
• Format: Journal Article
• Language: Chinese
• Published: 四川大学华西医院放射科华西磁共振研究中心(成都 610041) 20.11.2024
• Subjects: Deep learning; Metal artifact; 危重患者; 深度学习; Critically ill patients; 金属伪影; 腹部计算机断层扫描; Abdominal CT
• ISSN: 1672-173X
• DOI: 10.12182/20241160102

目的 评估基于深度学习算法联合智能去除金属伪影技术(deep learning combined with smart metal artifact reduction,DLMAR)对无法举起手臂且需要心电监护的危重患者上腹部CT图像质量的影响.方法 回顾性纳入无法举起手臂且需要心电监护的102例危重患者.对图像静脉期分别采用滤波反投影(filtered back projection,FBP)、迭代重建(iterative reconstruction,IR)、深度学习(deep learning,DL)、滤波反投影联合智能去除金属伪影技术(filtered back projection combined with smart metal artifact reduction,FBPMAR)、自适应统计迭代重建联合智能去除金属伪影技术(adaptive statistical iterative reconstruction-V combined with smart metal artifact reduction,IRMAR)、DLMAR共6种算法重建图像.对肝脏无伪影区域、肝脏有金属伪影区域、两手臂间组织(肝、脾、胰、主动脉)的CT值、噪声、信噪比(signal-to-noise ratio,SNR)、对比度噪声比(contrast-to-noise ratio,CNR)进行定量分析.并采用5级评分法,对电极金属伪影、两手臂间结构的显示和图像噪声进行定性分析(1=最差,5=最佳).结果 在肝脏有金属伪影的区域:DLMAR组[(98.5±9.8)H[J]与FBP组[(73.7±5.6)H[J]、IR组[(75.3±7.5)H[J]、DL组[(66.3±11.4)H[J]的 CT值差异有统计学意义(P＜0.01);DLMAR与FBPMAR[(99.8±4.8)H[J]、IRMAR[(99.6±3.4)H[J]的CT值差异无统计学意义;DLMAR噪声均低于其他组(P＜0.01);DLMAR的SNR和CNR均高于其他组(P＜0.01).在两手臂间组织区域:6组的CT值差异无统计学意义;DLMAR噪声均低于其他组(P＜0.01);DLMAR的SNR和CNR均高于其他组(P＜0.01).FBPMAR、IRMAR、DLMAR组在去金属伪影方面的得分(4.27±0.32、4.44±0.34、4.61±0.28)均高于F