深度学习重建算法联合低浓度对比剂在冠状动脉CTA中的应用

毛宇, 张涛, 王绍刚, 张学琴, 徐磊, 陈莹

南通大学学报(医学版) ›› 2024, Vol. 44 ›› Issue (05) : 486-489. DOI: 10.16424/j.cnki.cn32-1807/r.2024.05.020

深度学习重建算法联合低浓度对比剂在冠状动脉CTA中的应用

  • 毛宇, 张涛, 王绍刚, 张学琴, 徐磊, 陈莹
作者信息 +
History +

摘要

目的:评价不同浓度对比剂(370、350、320 mg I/m L碘海醇)联合不同重建算法[迭代重建(iterative reconstruction,IR)、深度学习重建(deep learning reconstruction,DLR)]对冠状动脉计算机断层血管造影(computed tomography angiography,CTA)的影响。方法:前瞻性纳入2021年3—11月于南通大学附属南通第三医院行冠状动脉CTA检查患者共150例,随机分成3组(每组50例):对照组(350 mg I/m L碘海醇联合IR)、低浓度组(320 mg I/m L碘海醇联合DLR)和高浓度组(370 mg I/m L碘海醇联合IR)。测量并计算3组冠状动脉CTA图像的动脉血管CT值、图像噪声、信噪比(signal noise ratio,SNR)和对比噪声比(contrast to noise ratio,CNR)。结果:低浓度组的CT值冠状动脉更高,且图像噪声明显降低。3组图像中CT值左心室(P=0.136)和CT值冠状动脉(P=0.089)的差异无统计学意义。3组图像中低浓度组SNR左心室、SNR冠状动脉、CNR左心室和CNR冠状动脉均高于对照组和高浓度组(均P<0.001)。低浓度组图像的主观评分明显高于其他两组(P<0.001)。结论:在冠状动脉CTA中,DLR联合低浓度对比剂优于IR联合高浓度对比剂组。

关键词

深度学习重建 / 迭代重建 / 对比剂 / 冠状动脉 / 计算机断层血管造影

中图分类号

R816.2 / R541.4

引用本文

导出引用
毛宇, 张涛, 王绍刚, 张学琴, 徐磊, 陈莹. 深度学习重建算法联合低浓度对比剂在冠状动脉CTA中的应用. 南通大学学报(医学版). 2024, 44(05): 486-489 https://doi.org/10.16424/j.cnki.cn32-1807/r.2024.05.020

基金

南通市卫生健康委员会科研课题(MS2023071)

评论

Accesses

Citation

Detail

段落导航
相关文章

/