摘要
摘要目的探讨深度学习图像重建（DLIR）算法在低kV逆血流扫描下肢动脉CT血管成像（CTA）中对图像质量的影响。方法回顾性收集2021年1月至3月50例于福建医科大学附属协和医院因临床可疑下肢动脉疾病而行低kV逆血流扫描下肢动脉CTA患者的CT原始数据，分别使用具有3种混合权重的自适应统计迭代重建（ASIR-V）算法（ASIR-V 20%、ASIR-V 50%、ASIR-V 80%）、3种重建强度（高、中、低）的DLIR算法（DLIR-H、DLIR-M、DLIR-L）在0.625 mm上重建薄层轴面图像。在每组图像上测量近端腹主动脉、远端腹主动脉、左右髂总动脉、左右股动脉（上段）、左右股浅动脉（中段）、左右腘动脉的CT值、噪声（SD）值，并计算信噪比（SNR）和对比噪声比（CNR）。由两名医师采用4分法将下肢血管分成4个节段对图像的噪声和锐利度进行主观评价。统计学分析采用单因素方差分析评估图像质量主观评分及客观评价指标的差异。结果随着ASIR-V重建权重的增加和DLIR重建强度的增加，各测量层面的SD值逐渐降低，SNR值和CNR值逐渐增高（P均<0.05）。6种重建方式中，DLIR-H重建与ASIR-V80%重建具有较低的SD值及较高的SNR与CNR值（P均<0.05）。与ASIR-V20%和ASIR-V50%相比，DLIR-H组具有更低的SD值，更高的SNR和CNR值（P均<0.05）；但DLIR-H组与ASIR-V80%相比，SD、SNR和CNR值的差异无统计学意义（P均>0.05）。主观评分结果显示，在腹主动脉-足部动脉全程，DLIR-H组噪声评分为最优，锐利度评分也明显高于ASIR-V80%（P均<0.05）。结论深度学习重建可以显著降低下肢动脉CTA图像的噪声，提升图像质量。在DLIR（H、M、L）3种深度学习重建算法中，DLIR-H的降噪效能以及在图像噪声和锐利度的平衡中表现最佳，具有最高的图像质量。
出版日期
2022年12月13日（中国期刊网平台首次上网日期，不代表论文的发表时间）
