深度学习图像重建联合器官剂量调制在颅脑低剂量 CT中的图像质量与晶状体防护优化研究

打开文本图片集

[摘要]目的探讨深度学习图像重建（DLIR）算法在补偿器官剂量调制（ODM）技术所致噪声升高方面的有效性，并与传统自适应统计迭代重建-Veo（ASIR-V）算法比较，以实现在低辐射剂量下对颅脑CT图像噪声的优化及灰白质对比度的增强。方法回顾性纳入2022年3月至2023年4月在中山大学附属第三医院接受2次非增强颅脑CT扫描的30例患者，收集其首次检查（A组，常规扫描方案）及短期随访检查（B组，启用ODM的扫描方案）的数据，分别重建2组图像，其中A组采用  ASIR-V（A-AV30组）；B组采用  ASIR-V（B-AV30组）、中等强度DLIR（B-DM组）及高等强度DLIR（B-DH组）。（剩余16067字）