DLIR算法在头颈CTA颅底血管成像中的应用研究

目的:探讨深度学习图像重建(DLIR)算法在提升头颈CT血管成像(CTA)颅底血管图像质量及诊断信心中的价值.方法:回顾性分析我院行头颈CTA检查的40例患者,对原始数据进行不同算法及水平的重建,包括基于多模型的自适应统计迭代重建-Veo(60％ASIR-V、90％ASIR-V)及DLIR(DLIR-L、DLIR-M、DLIR-H);比较不同算法及水平重建图像的主观及客观评价.结果:椎动脉及颈内动脉ASIR-V重建图像CT值与DLIR重建图像CT值间的差异均无统计学意义(P＞0.05).随着ASIR-V及DLIR重建水平的增加,图像噪声均减低,DLIR-H的噪声最低,与60％ASIR-V比较,差异有统计学意义(P＜0.05).随着ASIR-V及DLIR水平的增加,椎动脉及颈内动脉SNR、CNR均升高,椎动脉DLIR-H重建图像信噪比(SNR)、对比度噪声比(CNR)最高,与60％ASIR-V比较,差异有统计学意义(P＜0.05).90％ASIR-V主观评分与60％ASIR-V间的差异无统计学意义(P＞0.05);DLIR主观评分在不同重建水平间的差异无统计学意义(P＞0.05),DLIR-H及DLIR-M的主观评分均明显高于60％ASIR-V,差异有统计学意义(P＜0.05).结论:在头颈CTA颅底血管成像中,与ASIR-V相比,DLIR可以进一步降低图像噪声,提升图像质量和诊断信心.