摘要
目的: 探究基于深度学习的双能量CT图像重建对4种口腔修复材料伪影的消除作用。 方法: 将新鲜猪头颅上颌单侧第一至第三磨牙分别戴入镍铬合金、钻铬合金、二氧化锆以及纯钛单冠后进行GERevolutionApexCT扫描。1.采用普通平扫模式获得的图像计作常规组;2.利用MAR技术重组普通平扫图像计作常规MAR组;3.采用深度学习重建算法对普通平扫图像进行重建计作DLIR组;4.在DLIR的基础上再应用MAR技术重组图像计作DLIRMAR组;5.采用能谱单能量成像获取70keV、80keV、100keV、120keV、140keV的虚拟单能量水平图像计作能谱组;6.各能谱单能量成像联合MAR技术重组图像计作能谱MAR组。每组重复扫描10次，由放射科医师在猪头颅横断位图像上测量三颗磨牙周围伪影最多层面以及邻近无伪影层面软组织的CT值及噪声，计算伪影指数并对各组图像质量进行主观评分。采用KruskalWallis秩和检验比较各组图像噪声、伪影指数及主观评分的差异。 结果: 研究结果表明，采用MAR技术后所有图像质量明显改善，伪影均明显减少。70keVVMI图像相当于普通平扫模式下获得的图像。普通扫描模式下的图像和运用DLIR后的图像AI值较大，伪影明显;在140keV图像上，AI值较常规组和DLIR组明显减少，与MAR技术结合后各口腔修复材料的图像伪影最少;常规组和DLIR组伪影无明显差异（P＞0.05）。纯钛伪影指数在常规组、DLIR组、140keVVMI分别为60.45±0.05、62.93±0.49和13.41±0.18,均小于同组其他材料（P＜0.05）;140keVMAR组镍铬合金、钻铬合金、氧化锆和纯钛的图像质量主观评分分别为4.2±0.7、3.3±0.1、4.1±0.1和4.8±0.2分，均显著大于常规组和DLIR组相同材料（P＜0.05）。DLIR组噪声明显低于常规组，除纯钛外，二者均显著大于140keV组（P＜0.05）,除镍铬合金和钴铬合金外，DLIRMAR组和常规MAR组图像噪声与140keVMAR组无明显差异（P＞0.05）。 结论: 1.在GERevolutionApexCT采用各种重建模式所得的图像中，纯钛产生的伪影最少。与DLIR相比，联合应用MAR和高能VMI重建可有效降低4种口腔修复材料的金属伪影。 2.高能VMI重建与MAR技术联合应用减少伪影的同时会增加图像噪声。 3.DLIR虽不能有效减少金属伪影，但DLIR可以在普通扫描的基础上降低图像噪声，提高图像质量。
NETL