深度学习重建算法在肠系膜上动脉CT血管成像中的应用评估

目的:评估深度学习图像重建算法在肠系膜上动脉CT血管成像(CTA)图像中的应用价值。方法:回顾性纳入40例患者肠系膜上动脉CTA的原始数据，利用滤波反投影重建(FBP)、自适应统计迭代重建(ASIR)30%、ASIR 60%、深度学习图像重建(DLIR)-L、DLIR-M、DLIR-H共6种算法重建图像，测量并分析肠系膜上动脉的CT值、SD值和信噪比，两位放射科医生进行主观图像评价。结果:6种算法重建图像CT值、噪声、信噪比和主观图像质量评分间差异有统计学意义(P<0.001),DLIR-H,DLIR-M、ASIR60%、DLIR-L、ASIR30%、FBP图像噪声依次增加，信噪比依次降低；3种DLIR的CT值无明显差异，但DLIR的CT值高于FBP和ASIR;主观评分显示DLIR重建图像血管锐利度增强。结论:DLIR改善了肠系膜上动脉CTA的图像质量，并且能提高血管锐利度，但也存在改变原始信息的风险。