卷积神经网络在超高分辨率光子计数探测器CT中用于中耳及内耳植入体金属伪影的减少

《MEDICAL PHYSICS》:Convolutional neural network metal artifact reduction in ultra-high resolution photon counting detector CT of middle- and inner-ear implants

【字体: 大 中 小 】 时间:2026年10月16日 来源:MEDICAL PHYSICS 3.2

编辑推荐:

   摘要 背景 具有亚毫米结构的金属内耳和中耳植入物在需要超高分辨率(UHR)成像时

  

摘要

背景

具有亚毫米结构的金属内耳和中耳植入物在需要超高分辨率(UHR)成像时,在CT检查中不可避免地会产生金属伪影,这些伪影可能遮挡邻近的微结构和细微的病理发现。目前的金属伪影减少技术对于小金属物体或位于不均匀背景解剖结构中的金属可能效果欠佳,有时甚至会引入新的伪影或噪声。

目的

开发并评估一种图像域卷积神经网络,用于减少超高分辨率光子计数探测器(PCD)CT中内耳和中耳植入物附近的金属伪影。

方法

在网络训练中,将三种含有钛和铂的镫骨假体模型随机定向放置于头模中,并使用超高分辨率方案在PCD-CT上成像。通过减去模体背景并进行CT值阈值分割来分离金属图像和金属+伪影图像。通过乘以从1到预设的伪影放大标量超参数之间的随机因子来增强分离的伪影信号。通过将无金属的患者颞骨图像分别与金属+伪影图像和金属图像相加,创建配对训练输入(含伪影)和标签(不含伪影)。使用9个患者CT体数据和24个金属CT体数据的组合,创建了216个CT体数据用于训练和验证,按80%/20%的比例划分训练集和验证集。使用不同的放大标量(5、10、20、30、40)和均方误差或平均绝对误差损失函数对网络进行重新训练,以确定这些超参数的最佳组合。在具有三种不同类型植入物的7个患者CT体数据上测试该网络:镫骨假体、人工耳蜗植入物和横窦支架。网络性能通过伪影指数、噪声幅度、金属和骨骼的CT值保持情况以及以CT值线轮廓的半高宽衡量的金属植入物尺寸进行量化。

结果

使用均方误差训练的网络表现出随着伪影放大标量的变化,金属伪影减少与骨骼CT值保持之间存在权衡关系。使用平均绝对误差时未观察到这种权衡关系。使用能够同时最佳保持骨骼并减少伪影的超参数(平均绝对误差,放大标量20)的网络,所有植入物类型的伪影指数改善了83.2%(p < 0.001),图像噪声减少了46.8%(p < 0.001)。镫骨假体病例的伪影减少效果显著优于其他植入物类型(p < 0.004),但所有植入物类型的伪影指数仍显著改善(镫骨假体91.1%,人工耳蜗81.3%,横窦支架72.9%)。网络输入图像和输出图像之间的金属植入物尺寸无显著差异(p = 0.67)。

结论

具有特定任务超参数的图像域卷积神经网络在不损失精细图像细节的情况下,减少了不同内耳和中耳植入物超高分辨率PCD-CT中的伪影严重程度和图像噪声。

利益冲突声明

作者声明无利益冲突。

相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    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