Quantitativer Vergleich von Deep Learning und Iterativer Bildrekonstruktion in der Cranialen CT

Zielsetzung Deep Learning Image Reconstruction (DLIR) verspricht signifikante Verbesserungen der Bildqualität in der CT. Das Ziel dieser Studie war ein quantitativer Vergleich des klinischen Goldstandards (iterative Rekonstruktion) mit DLIR an Cranialen CT für eine große Anzahl klinischer Patienten.

Material und Methoden CCT-Untersuchungen von 98 Patienten (41/57 Frauen/Männer, Alter 67 ± 16 Jahre) wurden auf einem CT Revolution (GE Healthcare) durchgeführt. Die Bildrekonstruktion derselben Rohdaten erfolgte mit DLIR und Adaptive Statistical Iterative Reconstruction (ASiR – V, 50%). Das Signal-Rausch-Verhältnis (SNR) wurde für sieben verschiedene Hirnareale gemessen. Die Positionierung der Region von Interesse (ROI) war in den zu vergleichenden Bildserien identisch. Das Kontrast-zu-Rausch-Verhältnis (CNR) wurde zwischen der Capsula interna und Nucleus caudatus bzw. Thalamus berechnet.

Ergebnisse Die größten Unterschiede zwischen ASiR – V und DLIR befinden sich im Bereich der Konturen, DLIR erzeugt eine schärfere Abgrenzung der physiologischen Merkmale. Zudem waren Bildartefakte weniger stark ausgeprägt. Das SNR für DLIR/ASiR – V betrug 8,53 ± 1,74/5,81 ± 1,15 für die Medulla oblongata, 9,68 ± 1,36/6,11 ± 0,99 für den Pons, 2,33 ± 0,79/1,31 ± 0,52 für den vierten Ventrikel, 1,98 ± 0,84/1. 36 ± 0,57 für die supraselläre Zisterne, 13,70 ± 2,86/9,48 ± 1,89 für den Nucleus caudatus, 11,25 ± 2,18/6,34 ± 1,28 für die Capsula interna und 13,09 ± 2,62/9,03 ± 1,73 für den Thalamus. Das CNR war zwischen der Capsula interna und dem Nucleus caudatus für DLIR/ASiR – V 3,99 ± 0,99/2,46 ± 0,73, sowie zwischen der Capsula interna und dem Thalamus 3,27 ± 0,90/2,09 ± 0,65 groß.

Schlussfolgerungen Im Vergleich zu ASiR – V erzeugt DLIR bei gleicher Dosis eine quantitativ bessere Bildqualität durch Reduzierung von Rauschen und Bildartefakte, sowie einen höheren Kontrast, wodurch die Sichtbarkeit physiologischer Merkmale in CCT-Untersuchungen verbessert werden kann. Damit hat DLIR das Potenzial der zukünftige Goldstandard in der CT zu werden.

Publication History

Article published online:
11 May 2021