减影碘图联合深度学习重建用于改善颞骨病变中骨质侵犯的评估
《European Radiology》:Subtraction iodine maps combined with deep learning reconstruction for improved evaluation of bony invasion in temporal bone lesions
【字体:
大
中
小
】
时间:2026年10月11日
来源:European Radiology 6.0
编辑推荐:
# 摘要
## 目的
评估减影碘图(SIM)联合深度学习重建(DLR)在时间骨病变患者中识别骨质受累情况的能力,并与采用混合迭代重建(HIR)的传统增强CT进行比较。
## 材料与方法
本研究为前瞻性研究,连续纳入77例(平均年龄:46.1±18.9岁;35例男性)行
# 摘要## 目的评估减影碘图(SIM)联合深度学习重建(DLR)在时间骨病变患者中识别骨质受累情况的能力,并与采用混合迭代重建(HIR)的传统增强CT进行比较。## 材料与方法本研究为前瞻性研究,连续纳入77例(平均年龄:46.1±18.9岁;35例男性)行时间骨增强CT扫描的时间骨病变患者。平扫期与增强期图像分别采用HIR和DLR进行重建。通过从增强期图像中减去平扫期图像获得SIM,再将其叠加至骨窗图像上,生成用于评估的彩色SIM融合图像。计算并比较四组图像的定性评分与定量参数:增强-HIR、增强-DLR、SIM-HIR和SIM-DLR。## 结果定量分析显示,与增强-HIR相比,SIM-DLR显著降低了噪声(SD值更低),并提高了病灶的对比噪声比(CNR)(均 *p* < 0.001)。定性分析显示,SIM-DLR在整体图像质量、时间骨病变检出信心、病灶轮廓勾画能力以及骨质受累可视化方面均显著优于传统增强-HIR(均 *p* < 0.001),且阅片者间一致性高(kappa:0.812–0.904)。增强程度依赖性分析表明,与低增强病灶相比,SIM在高增强病灶的病灶检出、轮廓勾画及骨质受累可视化方面评分显著更优(均 *p* < 0.05)。## 结论与传统增强-HIR相比,SIM-DLR通过改善图像质量、解剖结构勾画及骨质受累可视化,显著提升了时间骨CT成像效果,尤其对于富血管病变更为显著。## 关键点- **问题:** 由于病灶与骨骼之间对比度不佳,在常规增强CT上准确评估时间骨病变的骨质侵犯具有挑战性。- **发现:** 与常规CT相比,SIM联合DLR改善了图像质量、病灶勾画以及骨质受累可视化。- **临床意义:** 该技术在时间骨病变的术前评估方面具有优势,尤其是富血管性病变,有助于手术规划制定,并可能提高治疗精确度和疗效。## 图形摘要[图形摘要]
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号