
-
生物通官微
陪你抓住生命科技
跳动的脉搏
自动化体内图像质量与放射科医生在腹部计算机断层扫描(CT)中的诊断表现之间的相关性:比较传统重建方法和深度学习重建方法的结果
《Journal of Computer Assisted Tomography》:Correlation of Automated in Vivo Image Quality With Radiologist’s Performance in Abdomen Computed Tomography Across Conventional and Deep Learning Reconstructions
【字体: 大 中 小 】 时间:2026年01月16日 来源:Journal of Computer Assisted Tomography 1.3
编辑推荐:
检测力指数与CT图像重建算法对肝脏病变检测性能的影响研究,采用Filtered Back Projection(FBP)和深度学习(DL)重建,对比分析放射科医生检测准确率及自动计算的d’指数,发现新公式d’_adj更能反映不同重建算法下的性能差异,尤其在微小病灶(≤6mm)中优势显著。
在放射学中,图像质量评估与放射科医生的表现密切相关。本研究评估了通过体内特征化的可检测性指数(
对51例增强扫描的腹部病例进行了前瞻性研究,这些病例用于检测结直肠肝转移瘤。这些病例采用了两种辐射剂量进行扫描,并分别使用滤波反投影(FBP)和深度学习(DL)重建算法进行了重建,共检测到161个非钙化低密度病变,这些病变分为三个大小组(<6毫米、6至10毫米和>10毫米)。专家放射科医生对这些图像进行了肝脏病变检测及恶性可能性评估,同时使用传统方法和一种新的公式(在
研究发现,传统定义的d'指数能够较好地反映放射科医生对FBP图像的评估结果,但与DL图像的评估结果不太一致。新的公式在不同重建技术下的性能评估结果更为一致。特别是在D≤6毫米的病变组中,放射科医生使用DL和FBP技术获得的图像之间的准确率差异为-26%,相应的
新的