迭代重建算法识别儿童低剂量CT肺内坏死病灶的优势
Journal of Medical Imaging(2017)
Abstract
目的 评价两种迭代重建算法与传统的滤波反射投影算法(filtered back-projection,FBP)对儿童低剂量CT肺内坏死病灶识别的能力.方法 选取73例儿童胸部CT(年龄2月~12岁,中位年龄4岁)增强检查,使用低剂量扫描方案,所得到的原始数据重建为基于模型的迭代重建算法(model-based iterative reconstruction,MBIR)、自适应迭代重建算法(adaptive statistical iterative reconstruction,ASIR)的0.625mm图像,与重建为0.625mm的FBP图像比较图像主观、客观质量.图像主观质量由两位医师应用1~4分制评价(2分合格,4分最好),内容包括对图像整体的质量评分及坏死病灶显示能力评分.客观质量测量坏死病变、以及周围实变的肺组织、正常肺野的噪声,并计算坏死病变与实变、肺野的对比噪声比(contrast noise ratio,CNR).结果 主观图像质量方面MBIR图像整体质量评分3.71 ±0.45,病灶显示能力4.00±0.00;明显优于ASIR图像及FBP图像.客观噪声方面,病变区域噪声MBIR、ASIR、FBP图像分别为14.71±3.85,25.68±6.33,35.78±8.87,与周围实变的CNR三组图像分别为4.03±0.98,2.38 ±0.75,1.57 ±0.41,与肺野的CNR分别为41.94±10.03,29.32±8.14,20.47±4.69.结论 低剂量图像结合迭代重建算法可以提高儿童肺内坏死灶的识别能力,其中MBIR图像效果最好.
MoreTranslated text
Key words
Tomography,X-ray computer,Iterative reconstruction,Children,lung
AI Read Science
Must-Reading Tree
Example
![](https://originalfileserver.aminer.cn/sys/aminer/pubs/mrt_preview.jpeg)
Generate MRT to find the research sequence of this paper
Chat Paper
Summary is being generated by the instructions you defined