AI改善了诊断肝脏病变的图像质量

“在一次会议中同时评估肝脏，腹部和胸部的CT研究是进行随访检查和确定疾病阶段的主要方式，”广岛大学诊断放射学系中村裕子及其同事写道。 。“但是，由于在对比材料上的肝转移，尤其是小于10 mm的肝转移的可检测性-增强的CT图像仍然有限，因此需要进一步改善。”

中村等。注意这是图像重建算法输入方程式的地方。例如，基于模型的迭代重建(MBIR)是专门用于CT研究的高级算法，已发现它可以提高图像质量。然而，MBIR在某些情况下未经测试，并且即使被视为“劣等”，也经常使用混合迭代重建(IR)作为替代方案。

在治疗血管性肝转移患者时，可以使用基于深度学习的重建(DLR)代替MBIR或IR吗?为了探讨这个问题，作者分析了58例血管性肝转移患者的数据。评估了每例患者中最小的肝病变，作者比较了混合IR图像和DLR图像的性能。

总体而言，DLR图像的图像噪声“显着降低”，对比度和噪声比(CNR)“显着更高”。处理DLR图像的速度也比其他重建方法快三到五倍。

这组作者写道：“ DLR导致获得的腹部CT图像在质量和质量上得到了改善，用于评估血管下肝转移。”“未来的研究将集中于DLR在不同临床情况下，在具有不同身体习惯的不同患者人群以及涉及低辐射剂量和高空间分辨率技术的不同采集技术中的应用。”

研究小组补充说，这项研究确实有一定的局限性。例如，研究人群“相对较小”，仅评估了一个机构的数据。还需要做更多的研究，看看DLR是否可以帮助诊断“其他肝肿瘤，例如肝细胞癌”。

　　免责声明：本文由用户上传，与本网站立场无关。财经信息仅供读者参考，并不构成投资建议。投资者据此操作，风险自担。 如有侵权请联系删除！