AI改善了診斷肝臟病變的圖像質(zhì)量

“在一次會議中同時評估肝臟，腹部和胸部的CT研究是進行隨訪檢查和確定疾病階段的主要方式，”廣島大學診斷放射學系中村裕子及其同事寫道。 。“但是，由于在對比材料上的肝轉(zhuǎn)移，尤其是小于10 mm的肝轉(zhuǎn)移的可檢測性-增強的CT圖像仍然有限，因此需要進一步改善。”

中村等。注意這是圖像重建算法輸入方程式的地方。例如，基于模型的迭代重建(MBIR)是專門用于CT研究的高級算法，已發(fā)現(xiàn)它可以提高圖像質(zhì)量。然而，MBIR在某些情況下未經(jīng)測試，并且即使被視為“劣等”，也經(jīng)常使用混合迭代重建(IR)作為替代方案。

在治療血管性肝轉(zhuǎn)移患者時，可以使用基于深度學習的重建(DLR)代替MBIR或IR嗎?為了探討這個問題，作者分析了58例血管性肝轉(zhuǎn)移患者的數(shù)據(jù)。評估了每例患者中最小的肝病變，作者比較了混合IR圖像和DLR圖像的性能。

總體而言，DLR圖像的圖像噪聲“顯著降低”，對比度和噪聲比(CNR)“顯著更高”。處理DLR圖像的速度也比其他重建方法快三到五倍。

這組作者寫道：“ DLR導致獲得的腹部CT圖像在質(zhì)量和質(zhì)量上得到了改善，用于評估血管下肝轉(zhuǎn)移。”“未來的研究將集中于DLR在不同臨床情況下，在具有不同身體習慣的不同患者人群以及涉及低輻射劑量和高空間分辨率技術的不同采集技術中的應用。”

研究小組補充說，這項研究確實有一定的局限性。例如，研究人群“相對較小”，僅評估了一個機構(gòu)的數(shù)據(jù)。還需要做更多的研究，看看DLR是否可以幫助診斷“其他肝腫瘤，例如肝細胞癌”。