목적: 반복적 재구성은 영상의 질을 저하시킨다. 따라서 흉부 저선량 전산화단층촬영(LDCT)에서 이 기법의 일부 제한을 극복하기 위해 영상 재구성의 추가적인 발전이 필요하다. 딥러닝 영상 재구성(DLIR)은 영상의 질을 유지하면서 선량을 낮추기 위해 사용하는 새로운 방법이다. 본 연구의 목적은 DLIR로 재구성한 LDCT 영상의 영상 품질과 노이즈를 평가하고, 적응 통계적 반복 재구성-Veo의 30% 수준(ASiR-V 30%)으로 재구성한 영상과 비교하는 것이다. 재료 및 방법: 본 후향적 연구에는 폐암 선별검사를 위해 LDCT를 시행받은 58명의 환자가 포함되었다. 데이터셋은 ASiR-V 30%와 DLIR의 중간 및 고수준(각각 DLIR-M, DLIR-H)으로 재구성하였다. 폐, 종격동, 간 및 배경 공기에서의 평균 감쇠값과 헌스필드 단위의 표준편차를 나타내는 객관적 영상 신호 및 노이즈, 그리고 주관적 영상 대비, 영상 노이즈, 구조의 식별가능성(conspicuity)을 평가하였다. ASiR-V 30%, DLIR-M, DLIR-H에 의해 처리된 CT 영상 간의 차이를 평가하였다. 결과: < 0.001). 결론: DLIR은 ASiR-V 30%에 비해 흉부 LDCT 영상에서 영상의 질을 유지하면서 영상 노이즈를 유의하게 감소시켰다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.