期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到3篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
ClearInfinity算法权重对颅脑能谱CTA中虚拟单能图像质量的影响
1
作者 徐军 黄一豪 +7 位作者 刘志伟 李昌伟 柏雪 宁先英 胡孝梨 罗昆 吴红英 孔祥闯 《CT理论与应用研究(中英文)》 2026年第1期67-73,共7页
目的:探讨基于深度学习的ClearInfinity(CI)算法权重对颅脑能谱CTA中55 keV虚拟单能图像(VMIs)质量的影响,为临床优化重建参数提供依据。方法:回顾性纳入38例已行颅脑能谱CTA成像的患者,对其原始数据使用权重10%、30%、50%、70%以及90%C... 目的:探讨基于深度学习的ClearInfinity(CI)算法权重对颅脑能谱CTA中55 keV虚拟单能图像(VMIs)质量的影响,为临床优化重建参数提供依据。方法:回顾性纳入38例已行颅脑能谱CTA成像的患者,对其原始数据使用权重10%、30%、50%、70%以及90%CI算法重建5组55keV VMIs。通过测量血管CT值、灰质CT值、背景噪声(BN)、信噪比(SNR)及对比噪声比(CNR)进行客观评价,并由两名放射科医生对图像噪声、血管边缘及细节显示进行整体评分。结果:各权重组图像的血管(右颈内动脉、右大脑中动脉、基底动脉)及灰质的CT值均无统计学差异。各权重组图像的BN、SNR及CNR均存在统计学差异,且BN随权重增加而逐渐降低,SNR和CNR随权重增加而逐渐升高。5组图像的主观评分存在统计学差异,平均分由高到低依次为4.95±0.22(50%CI)、4.87±0.36(70%CI)、4.74±0.48(90%CI)、4.66±0.58(30%CI)和4.03±0.62(10%CI)。结论:CI算法权重影响图像质量,权重过低会因噪声过高而损害图像质量,权重过高则会致使图像过度平滑、模糊,进而丢失微小结构。因此,本研究推荐选择50%CI算法重建颅脑能谱CTA中的55 keV VMIs。 展开更多
关键词 能谱CTA 深度学习 颅脑CTA 图像质量 clearinfinity
原文传递
基于深度学习的ClearInfinity算法对腹部体模CT扫描图像质量和辐射剂量的影响 被引量：9
2
作者 侯平 刘杰 +3 位作者 陈岩 高剑波 李甸源 李雨桐 《中国医疗设备》 2022年第8期99-103,共5页
目的分析基于深度学习的ClearInfinity(CI)算法在上腹部体模CT扫描中降噪和提高图像质量的可行性,探讨优化图像质量的最佳权重比例。方法以同一管电压(120 kV)、不同容积CT剂量指数(Volume CT Dose Index,CTDIvol)水平(15、10、7.5、5、... 目的分析基于深度学习的ClearInfinity(CI)算法在上腹部体模CT扫描中降噪和提高图像质量的可行性,探讨优化图像质量的最佳权重比例。方法以同一管电压(120 kV)、不同容积CT剂量指数(Volume CT Dose Index,CTDIvol)水平(15、10、7.5、5、2.5 mGy)对腹部仿真体模进行扫描,每组图像均采用滤波反投影算法(Filter Back Projection,FBP)、Clear View迭代算法(CV算法,分别采用50%CV、90%CV重建)和深度学习算法(CI算法,分别采用10%CI、30%CI、50%CI、70%CI、90%CI重建)共8种不同方法进行重建,共获得40组图像。测量并记录各组图像肝脏、左侧肾脏及肌肉平均CT值、噪声和主观评分,同时记录各重建算法的重建时间。计算并比较CV算法、CI算法相比FBP算法降低噪声的能力。各组图像主观评分采用Kruskal-Wallis检验,重建时间、CT值和噪声比较采用单因素方差分析和Bonferroni校正进行多重比较。结果各组中不同部位CT值随不同算法权重比例的增高呈基本稳定状态(P>0.05);同一辐射剂量水平下,与FBP相比,随着CV及CI算法权重的升高,噪声水平显著下降(P<0.001);相同权重重建算法下,CI算法降低噪声的能力高于CV算法;主观评分比较,50%CV和10%CI、30%CI、50%CI算法图像质量能满足诊断要求。超低剂量水平(CTDIVOL=2.5 mGy)下30%CI图像质量最佳,且50%CI图像质量优于FBP重建(P<0.001)。各组中各重建算法的重建时间比较差异无统计学意义(P>0.05)。结论基于深度学习的CI算法较迭代算法显著降低了图像噪声,提高了图像质量,且30%~50%权重比例可以显著提高低剂量模式获得的图像质量。 展开更多
关键词 迭代算法 深度学习 clearinfinity算法 图像质量 辐射剂量
暂未订购
基于深度学习的ClearInfinity算法在肝脏病变低剂量CT扫描中的应用价值 被引量：4
3
作者 侯平 刘杰 +2 位作者 陈岩 高剑波 李甸源 《中国医疗设备》 2023年第5期120-124,共5页
目的 探究基于深度学习的ClearInfinity(CI)算法在肝脏病变低剂量CT扫描中改善图像质量的价值。方法 前瞻性收集在我院行上腹部增强CT检查的肝脏病变患者65例,分别在动脉期(Arterial Phase,AP)和门脉期(Portal Phase,PP)采用常规剂量,... 目的 探究基于深度学习的ClearInfinity(CI)算法在肝脏病变低剂量CT扫描中改善图像质量的价值。方法 前瞻性收集在我院行上腹部增强CT检查的肝脏病变患者65例,分别在动脉期(Arterial Phase,AP)和门脉期(Portal Phase,PP)采用常规剂量,延迟期(Delayed Phase,DP)采用低剂量进行腹部三期增强扫描。根据重建方法的不同,将动脉期常规剂量组(A组)采用迭代算法(50%ClearView,50%CV)重建;延迟期低剂量组(B组)分为B1、B2两个亚组,B1组采用迭代算法(50%CV)重建,B2组采用深度学习算法(50%CI)重建。比较A、B两组辐射剂量的差异。测量B1组、B2组肝实质、脾脏及肾脏的CT值及A组、B1组、B2组3组腹部皮下脂肪噪声值,计算各感兴趣区(Region of Interest,ROI)信噪比(Singal to Noise Ratio,SNR)和对比噪声比(Contrast to Noise Ratio,CNR)。结果 与A组比较,B组辐射剂量降低约73.3%,差异具有统计学意义(P<0.05)。各组间噪声比较:B1组噪声最大,B2组<A组<B1组,但A组与B2组间差异无统计学意义(P=0.625);B1组、B2组间肝脏、胰腺及肾脏CT值基本保持不变,差异无统计学意义(P>0.05)。SNR值和CNR值比较,B2组各ROI SNR和CNR值均高于B1组(P<0.001)。3组间图像主观评分差异有统计学意义(P<0.001),B1组各评分均<3分,无法满足诊断需要;而B2组与A组间各主观评分差异无统计学意义(P>0.05)。结论 在辐射剂量大幅降低的情况下,采用基于深度学习的50%CI算法可以显著降低肝脏病变低剂量CT扫描时的图像噪声,改善图像质量,满足诊断需要。 展开更多
关键词 迭代算法 深度学习 clearinfinity算法 辐射剂量
暂未订购
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部