2024年CT深度学习图像重建算法临床应用专家共识要点（全文）.pdf

2024年CT深度学习图像重建算法临床应用专家共识要点（全文）

摘要

图像重建算法是CT算法中的核心。近年来深度学习图像重建(DLIR)算

法逐渐应用千临床，显著改善CT的图像质量和辐射剂益，在疾病的诊断

中发挥重要作用。为推动DLIR在我国的规范化应用，中国医师协会放射

医师分会和医学技师专业委员会、中华医学会影像技术分会和中国医学装

备协会放射影像装备分会组织专家参考大量文献并结合我国的临床实践，

经过多次讨论达成以下共识，包括DLIR的技术特点和临床前实验研究，

以及在头颈、心脏大血管、胸部、腹部、骨肌、儿童、急诊和能谱方面的

临床应用。

图像重建算法是CT成像质量和诊断结果可靠的重要保障。常用的图像重

建算法有滤波反投影(filteredbackprojection,FBP)算法和迭代重建

算法，不同算法在计算效率、准确度和数值稳定性等方面各有特点。深度

学习图像重建(deeplearningimagereconstruction,DLIR)是一种

新型的CT图像重建算法，突破了非线性迭代重建算法在图像质量方面的

限制，有效降低图像噪声并提高图像质益，同时减少计算负载，能提供常

规快速重建，已经应用千各种疾病的诊疗。随着DLIR的逐渐普及，其临

床应用和解读成为迫切需求。中国医师协会放射医师分会和医学技师专业

委员会、中华医学会影像技术分会和中国医学装备协会放射影像装备分会

组织全国多家单位的多位专家在参考大晕文献的基础上，结合DLIR临床

应用方面的丰富经验，形成此共识。该共识从基本原理和技术应用出发，

旨在论述DLIR算法在临床疗能

疾病诊中的应用价值和意义，提高诊断效

并给出推荐意见，为临床规范检查提供指导，更好地为患者健康服务。

、

一算法特点

商用迭代重建算法用千CT数据重建有近15年的历史，根据其特性，可

GE医疗ASiR);

以分为4种类型：（1)投影数据空间迭代重建（如(2)

佳能医疗AIDR和AIDR3D、飞利浦

图像和投影数据空间迭代重建（如

医疗

learVew)i;(3)混合型迭代重建（如西门子

iDose、东软医疗C

4

SAFIRE和ADMIRE、联影医疗KARL3D);(4)多模型迭代重建（如

GE医疗VeoASiR-V、飞利浦IMR、佳能医疗FIRST)。迭代重建

和

法的非线性运算通常会影响图像内噪声的空间分布，引起噪声纹理和空间

分辨率改变，从而导致图像过度平滑和蜡像感，这对千低对比临床诊断任

务的影响尤为明显，限制了其在低辐射剂量时的应用。

DLIR是基千深度神经网络的CT图像重建算法，在数块图形处理器的支