深度学习光谱重建（DLSR）提升腹部双能量 CT（DECT）图像质量的研究

为评估 DLSR 算法对腹部 DECT 图像质量的影响，研究人员对比分析后发现强级别 DLSR 效果更佳。

　　深度学习光谱重建（Deep Learning Spectral Reconstruction，DLSR）有潜力提升双能量 CT（dual-energy CT，DECT）的图像质量，但涉及人体腹部 DECT 扫描的研究较少。本研究旨在通过定量和定性比较 DLSR 算法的强级别和标准级别，全面评估图像质量，同时评估最佳虚拟单色图像（virtual monochromatic image，VMI）能量水平。研究人员回顾性分析了 51 例患者的腹部 / 盆腔 DECT 扫描数据，使用标准和强级别 DLSR 重建 35 至 200 keV 能量水平的 VMI。在定量分析中，利用感兴趣区域评估各种腹部结构，并计算平均信噪比（signal-to-noise ratio，SNR）和对比噪声比（contrast-to-noise ratio，CNR）；定性评估则针对 35、45、55 和 65 keV 重建的 VMI 展开。结果显示，在所有结构中，强级别 DLSR 的 SNR 和 CNR 值显著优于标准级别 DLSR（p＜0.0001）。70 keV 时观察到最佳 SNR（p＜0.0001），65 keV 时具有最佳 CNR（p＜0.0001）。标准和强级别 DLSR 在 45、55 和 65 keV 时的平均定性评分差异显著（p＜0.0001），观察者之间有中等程度的一致性（ICC = 0.427，p＜0.0001）。研究表明，与标准级别 DLSR 相比，强级别 DLSR 显著提升了图像质量，可能增强腹部 DECT 扫描的诊断评估。65 keV 的 VMI 除了具有很高的 SNR，还拥有最高的 CNR，这与传统非深度学习重建方法的 DECT 结果不同。