由对比增强单能计算机断层扫描实现双能计算机断层扫描成像
医学物理
2020-10-27 v1 图像与视频处理
摘要
在标准计算机断层扫描（CT）图像中，具有相同亨氏单位（HU）的像素可能对应不同材料，因此区分和量化材料具有挑战性。双能 CT（DECT）可用于区分多种材料，但 DECT 扫描仪不如单能 CT（SECT）扫描仪普及。在此，我们提出一种深度学习方法，利用标准 SECT 数据进行 DECT 成像。我们设计了一种预去噪与差分学习机制，从 SECT 数据生成 DECT 图像。使用接受对比增强腹部 DECT 扫描的患者的图像研究了基于深度学习的 DECT 方法的性能，并采用一种流行的 DE 应用：虚拟平扫（VNC）成像与对比剂量化。采用临床相关指标进行定量评估。预测的高能 CT 图像与原始高能 CT 图像之间的绝对 HU 差异在主动脉、肝脏、脊柱和胃的 ROI 上分别为 1.3 HU、1.6 HU、1.8 HU 和 1.3 HU。由原始与深度学习 DECT 图像获得的碘图中主动脉碘量化差异小于 1.0%，且后者的材料图像噪声水平降低了 7 倍以上。本研究表明，利用深度学习方法从单低能数据实现高精度 DECT 成像是可行的。所提方法使我们无需承担传统基于硬件的 DECT 方案的开销即可获得高质量 DECT 图像，从而引领光谱 CT 成像的新范式。
引用
@article{arxiv.2010.13253,
title = {Dual-energy Computed Tomography Imaging from Contrast-enhanced Single-energy Computed Tomography},
author = {Wei Zhao and Tianling Lyu and Yang Chen and Lei Xing},
journal= {arXiv preprint arXiv:2010.13253},
year = {2020}
}
备注
35 pages, 11 figures. The physics rationale of dual-energy CT imaging using single-energy CT data is provided