夜雨聆风
欢迎扫描左边二维码添加微信，
加入“医生中的影像”微信群，
共同探寻影像的奥秘。
内容简介：本研究通过体模实验评估了飞利浦新型AI光谱重建算法(SAIR)。研究发现，相比当前临床算法，SAIR的Smooth级别能显著抑制低keV图像噪声，进一步提升病灶检测能力，且不影响碘定量准确性，为临床降低辐射剂量或对比剂用量提供了新的可能。
一、研究背景
Background
能量CT已在临床中广泛应用，能够生成虚拟单能级图像（VMI）和碘图，有助于病灶检测与定性。近年来，CT制造商开发了基于深度学习（DLR）的重建算法，旨在降低VMI图像噪声并提高碘定量准确性。Philips近期推出了专用于光谱图像重建的原型算法——光谱AI重建（SAIR），但其对低keV VMI和碘图质量的影响尚未有研究评估。
二、研究目的
Purpose
本研究旨在评估SAIR原型算法与临床常用的混合迭代重建（HIR）算法相比，在腹部-盆腔CT扫描条件下，对低keV（40/50/60/70 keV）VMI图像质量和碘图碘浓度准确性的影响。
三、研究方法
Methods
四、统计学
Statistics
采用R软件（v4.4.2）进行统计分析。定量数据以均值±标准差表示。使用Dunn检验（经Bonferroni校正）对噪声幅度、噪声纹理（NPS的平均空间频率，fav）、空间分辨率（TTF的f50值）和可探测性指数（d'）进行两两比较,并按能量级别和重建类型进行亚组分析。显著性水平设定为p < 0.05。Bonferroni校正用于控制多重比较导致的I类错误膨胀，确保统计推断的严谨性。
五、结果
Results
Figue1:
a-b: 低keV图像质量评估
c: 碘密度图定量准确性评估
六、讨论
Discussion
七、结论
Conclusion
光谱AI重建能有效抑制低keV图像噪声和提高探测性能，且不影响碘定量准确性。综合噪声、纹理、分辨率和检测性能，Smooth级别被认为是腹盆成像的最佳方案。
八、未来研究建议
Suggestion
未来研究应在患者群体中进行验证，纳入不同的临床场景和病灶类型。需探索不同体型患者、不同扫描部位、以及更宽范围的辐射剂量水平下SAIR的表现。进一步研究可评估SAIR在实现显著剂量降低或低对比剂扫描方面的潜力。
本研究采用专用体模，以临床常规HIR（Level 4）为参照，系统比较了SAIR算法五个预设级别（Smoother至Sharper）的性能。数据处理综合运用了NPS、TTF和检测性能d‘指数等客观物理指标进行基于任务的图像质量评估，超越了传统的主观评价或简单信噪比测量。这种基于任务和物理模型的评估框架，为客观比较不同重建算法提供了稳固的科学依据，可参考性强，可直接推广至其他CT平台或重建算法的性能评估研究中。
注意事项：
✔ SAIR的"Smooth"级别被认为是腹部成像的最佳平衡点，噪声低、纹理佳、分辨率影响小。
✔ SAIR级别从"Sharper"到"Smoother"，噪声降低、检测能力提升，但图像纹理会变得更平滑，空间分辨率有轻微损失。
✔无论使用HIR还是何种级别的SAIR，碘图上碘浓度的测量准确性均无显著差异。
来都来了，点个在看再走吧~~~
