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

摘要

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） HU]与FBP组[（73.7±5.6） HU]、IR组[（75.3±7.5） HU]、DL组[（66.3±11.4） HU]的CT值差异有统计学意义（P<0.01）;DLMAR与FBPMAR[（99.8±4.8） HU]、IRMAR[（99.6±3.4） HU]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FBP、IR、DL组（1.36±0.54、1.32±0.45、1.24±0.46）(P<0.01)。DLMAR组在两手臂间结构显示得分4.62±0.37，图像降噪得分4.53±0.39，均高于其他组（P<0.01）。结论 在双手臂不能上举，且需要心电监护的危重患者中，DLMAR可以减少伪影、降低噪声，提升上腹部CT图像质量。

关键词

深度学习 / 金属伪影 / 危重患者 / 腹部计算机断层扫描