Шумовые характеристики и пространственное разрешение коммерчески доступного алгоритма реконструкции КТ на основе глубокого обучения

Цель: охарактеризовать шумовые характеристики и пространственное разрешение коммерчески доступного алгоритма реконструкции компьютерной томографии (КТ) на основе глубокого обучения. Методы: выполнены два фантомных эксперимента. В первом использовали многомерный фантом для оценки качества изображений (Mercury v3.0, Университет Дьюка), исследованный при пяти уровнях дозы облучения (CTDIvol: 0,9; 1,2; 3,6; 7,0 и 22,3 мГр) при фиксированном токе трубки на коммерческом КТ-сканере GE Revolution CT. Изображения реконструировали с использованием обычного метода обратного проецирования с фильтрацией (FBP), итеративного алгоритма GE ASiR-V и алгоритма на основе глубокого обучения GE True Fidelity. Для каждого уровня дозы и размера фантома измеряли спектр мощности шума (NPS), передаточные функции задания (TTF) для высокого контраста (граница раздела воздух–полиэтилен) и промежуточного контраста (граница раздела вода–полиэтилен), а результаты обобщали с использованием средней частоты шума (fav) и частоты, при которой TTF снижалась до 50% (f50%), соответственно. Во втором эксперименте использовали специально изготовленный фантом со стержнями низкого контраста и участками с текстурой легочной ткани для оценки TTF при низком контрасте и пространственного распределения шума. Фантом исследовали при пяти уровнях дозы (CTDIvol: 1,0; 2,1; 3,0; 6,0 и 10,0 мГр), выполняя по 20 повторных сканирований при каждом уровне дозы; изображения реконструировали с использованием тех же алгоритмов. Локальную стационарность шума оценивали путем построения пространственных карт шума по совокупности повторных изображений и вычисления индекса неоднородности шума в соответствии с методикой AAPM TG233. Все измерения сравнивали между алгоритмами. Результаты: по сравнению с FBP величина шума в среднем (±1 стандартное отклонение) снижалась на 74 ± 6% и 68 ± 4% для ASiR-V (при настройке «100%») и True Fidelity (при настройке «High») соответственно. Для ASiR-V текстура шума характеризовалась существенно меньшим содержанием высоких частот: значение fav по NPS было на 55 ± 4% ниже, чем для FBP, тогда как для True Fidelity частотное содержание шума отличалось лишь незначительно: значение fav по NPS было на 9 ± 5% ниже, чем для FBP. Оба алгоритма ASiR-V а...