利用标准单能CT扫描仪进行虚拟单色能谱CT成像的深度学习策略
医学物理
2020-05-21 v1 图像与视频处理
摘要
目的/目标：开发并评估一种利用深度学习（DL）从单能CT（SECT）扫描生成虚拟单色CT（VMCT）图像的策略。材料/方法：所提出的数据驱动VMCT成像包括两个步骤：（i）使用以大量100 kV和140 kV双能CT（DECT）图像对监督训练的DL模型，由低能图像生成相应的高能CT图像；（ii）重建能量范围40至150 keV的VMCT图像。为评估该方法性能，我们回顾性研究了6767张腹部DECT图像。对使用DL衍生的DECT（DL-DECT）图像与DECT扫描仪所得图像重建的VMCT图像进行定量比较。采用配对样本t检验进行统计分析，以显示计算所得HU值的一致性与精度。结果：DL-DECT与真实DECT图像间具有极好的一致性（p值范围0.50至0.95）。与标准DECT相比，基于DL的VMCT成像噪声降低达68%（从163 HU降至51 HU）。对于基于DL的VMCT，每位患者的最大碘对比噪声比（CNR）（范围15.1至16.6）在40 keV处达到。除仅用SECT图像即可获取VMCT的巨大优势外，所提方法使CNR提高高达55%（从10.7至16.6）。结论：本研究表明仅通过SECT扫描即可获得高质量VMCT图像。
引用
@article{arxiv.2005.09859,
title = {A deep learning approach for virtual monochromatic spectral CT imaging with a standard single energy CT scanner},
author = {Wei Zhao and Tianling Lyu and Yang Chen and Lei Xing},
journal= {arXiv preprint arXiv:2005.09859},
year = {2020}
}
备注
8 pages, 5 figures, 2 tables