大矩阵联合不同重建方式对人工智能检出肺结节的影响

目的 探讨大矩阵联合全模型迭代重建(Iterative Model Reconstruction,IMR)在人工智能(Artificial Intelligence,AI)检出肺结节中的应用价值,并比较滤波反投影(Filter Back Projection,FBP)、1024×1024 iDose4、1024×1024 IMR重建算法对图像质量的影响.方法 将临床怀疑肺结节要求行胸部薄层CT的60名患者纳入本次研究,所有患者扫描结束后对原始数据进行常规FBP、1024×1024 iDose4、1024×1024 IMR算法重建,比较三组重建图像噪声标准差(Standard Deviation,SD)、信噪比(Signal to Noise Ratio,SNR)、对比噪声比(Contrast to Noise Ratio,CNR),比较三组图像在AI系统下对肺结节的检出率、真阳性数以及假阳性率的影响.结果 FBP、1024×1024 iDose4、1024×1024 IMR降低噪声能力依次提高,三组图像SNR、CNR按照此顺序依次提高,随着图像SNR、CNR的提高,图像的空间分辨率也随之提升,AI识别肺结节能力得到提升,AI识别肺结节敏感度IMR组相较于常规FBP组提高16.9％,同时假阳性率降低17.8％.结论 大矩阵联合IMR技术能提高图像空间分辨率,在AI识别肺结节过程中可以提高对磨玻璃结节的检出能力,值得临床推广.