摘要：目的 观察深度学习全模型迭代算法（AIIR）用于全髋关节置换术（THA）后腹盆腔CT的价值。方法 回顾性收集接受腹盆腔CT检查的64例THA后患者，其中31例接受常规CT扫描、33例接受双能CT扫描。对常规CT图像分别采用AIIR及混合迭代重建（HIR）算法获得AIIR及HIR图像，对双能CT重建70～140 keV虚拟单能量图像（VMI）（间隔5 keV），选择综合图像质量最佳图像进行分析；对比3种图像质量主、客观评价结果。结果 AIIR图及VMI的伪影、骨骼、诊断信心及显示盆腔器官和血管主观评分均高于HIR图（P均＜0.001），而AIIR图与VMI上述主观评分差异均无统计学意义（P均＞0.017）。AIIR、HIR图及VMI中的高密度伪影分数及骨骼伪影分数两两比较差异均有统计学意义（P均＜0.001）。AIIR图与VMI之间低密度伪影分数及高密度噪声分数差异均无统计学意义（P均＞0.017），二者的上述客观评价指标与HIR图差异均有统计学意义（P均＜0.017）。AIIR图的低密度噪声分数低于HIR图（P＜0.017），而AIIR及HIR图的低密度噪声分数与VMI差异均无统计学意义(P均＞0.017)。AIIR及HIR图的骨骼噪声分数均高于VMI（P均＜0.017），而二者之间骨骼噪声分数差异无统计学意义（P＞0.017）。结论 AIIR可减少THA后腹盆腔CT伪影、降低图像噪声并改善图像质量。
文章目录
1 资料与方法
1.1 研究对象
1.2 仪器与方法
1.3 图像处理
1.4 图像分析
1.4.1 主观评价
1.4.2 客观评价
1.5 统计学分析
2 结果
2.1 主观评价图像质量
2.2 客观评价图像质量
3 讨论
