首页 > 文献资料
-
双能量非线性融合技术在甲状腺结节中的应用研究
目的 评估双能量CT非线性融合技术(non-linear blending,NLB)在显示甲状腺结节方面的应用价值.方法 选取2015年8月～2017年8月间进入我院就医的可疑甲状腺病变患者84例,并进行双能量CT平扫和增强扫描.先通过调整Blending Center(λ)和Blending Width(ω)值,分为NLB1(λ=80 HU,ω=500 HU),NLB2(λ=80 HU,ω=250 HU)和NBL3(λ=160 HU,ω=250 HU)3组,评出佳NLB参数.再比较80 kV(A组)140 kV(B组)、线性融合0.5 LB(C组)及NLB(D组)4组图像的数据,包括SD、CT胸锁乳突肌、△HU、SNR.主观分析研究各组图像质量.结果 NLB2与NBL1在SD、CT胸锁乳突肌、△HU、SNR方面均存在统计学意义(P＜0.05),和NLB3组图像的测量数据间没有统计学差异(P＞0.05),但NLB1各项数据明显优于NLB3.D组图像SD值明显低于A、B组(P＜0.05),但和C组间没有统计学差异(P＞0.05);D组图像CT胸锁乳突肌显著优于B、C两组(P＜0.05),但和A组间CT胸锁乳突肌没有统计学差异(P＞0.05);D组图像△HU明显高于B、C两组(P＜0.05),但与A组间△HU差异无统计学意义(P＜0.05);D组和其他3组的两两比较,SNR差异存在统计学意义(P＜0.05).4组主观评分值分别为(2.13±0.35)、(3.12±0.71)、(3.53±0.52)和(3.89±0.42),D组图像的主观评分显著胜于其他三组.D组图像质量优.结论 NLB技术明显提高图像质量,在甲状腺结节的定性诊断上有很好的临床价值.
-
双能量非线性融合技术补救非峰值肺动脉CTA图像质量的应用价值
目的:探讨双能量非线性融合(NLB)技术在补救非峰值肺动脉CTA图像质量(主观评分≤3分)中的应用价值.方法:回顾性搜集64例图像质量主观评分≤3分的肺动脉双能CTA图像(线性融合图像,LB组),将每例患者的原始图像采用NLB技术进行后处理,获得非线性融合图像(NLB组).比较两组图像上7支肺血管(肺动脉主干、右肺动脉、左肺动脉、左肺上叶动脉、左肺下叶动脉、右肺上叶动脉、右肺下叶动脉)、栓子及背部肌肉的CT值及其标准差(SD)、信号噪声比(SNR)、对比噪声比(CNR)和图像质量主观评分.主观评分采用5分法,≤3分为非峰值图像.结果:CT显示肺动脉栓塞31例.NLB组7支肺血管CT值、SNR及CNR较LB组提高(P＜0.05).栓子平均CT值NLB组低于LB组,NLB组栓子CNR较LB组升高(P＜0.05),而NLB组血管层面背部肌肉平均CT值和SD与LB组相比,差异无统计学意义(P＞0.05).NLB组主观评分高于LB组,主观评分提高0.53分(P＜0.05).结论:NLB技术可提高图像质量并增强肺栓子与血管对比度,补救非峰值肺动脉CTA图像.
-
双源双能头颅CTA非线性融合系数的优化选择
目的 研究双源双能量头颅CTA非线性融合(NLB)技术融合系数的优化选择.方法 对线性融合(LB)图像主观评分≤3分的51例双能量头颅CTA图像行NLB处理.固定融合宽度ω=200 HU,调整不同融合中心λ后,生成NLB 1 ～4组(λ=0、80、150、250 HU);固定融合中心入=150 HU,调整不同融合宽度ω后,生成NLB 5～8组(ω=0、100、200、300 HU).分别比较LB和NLB各组图像脑血管(颈内动脉床突段、大脑中动脉及基底动脉)感兴趣区域(ROI)的平均CT值、SD、SNR和CNR,脑干CT值、SD及空气噪声,并在NLB 1 ～4和NLB 5 ～8分别独立选取两组中CNR高和低两组(NLB 1和NLB 4、NLB5和NLB8)行图像5分主观评分对比.结果 NLB血管ROI的CT值、SNR、CNR均高于LB(P值均＜0.01),且NLB空气噪声低于LB(P＜0.05).其中,NLB 1～3图像血管ROI CT值及CNR高于NLB4 (P ＜0.05),NLB 1 血管CT值及CNR高.NLB 5 血管ROI CT值及CNR高于NLB 8 (P＜0.05),其中NLB 5血管CT值及CNR高.而NLB 1 ～8图像各血管SD和SNR两两比较差异无统计学意义(P＞0.05).NLB图像质量主观评分优于LB,且NLB 1较NLB 4对比度主观评分提高0.47分;NLB 5较NLB 8评分提高0.37分.结论 双能量头颅CTA采用NLB可提高图像对比度,改善及提高图像质量,并且选用较低融合中心(0～80 HU)和融合宽度(0～ 100 HU)可获得高CT值和佳CNR.
-
双源CT双能非线性融合技术显示甲状腺疾病
目的:探讨双源CT双能非线性融合(NLB)技术显示甲状腺病灶的能力.方法:对32例怀疑甲状腺病变患者行颈部双能量CT增强扫描,将扫描数据进行后处理,分成5组图像,分别为A组:80 kV;B组:线性融合图像0.5LB;C组:NLB(λ=80 HU,ω=250 HU);D组:NLB(λ=80 HU,ω=500 HU);E组:NLB(λ=160 HU,ω=250 HU).测量5组图像颈部动脉期的甲状腺病灶的对比度值和图像噪声值,计算病灶的对比噪声比值.由两位资深放射科医生共同评价图像.结果:5组图像间对比度、噪声和对比噪声比值均有统计学差异,D组图像对比噪声比值高,图像质量优.结论:NLB技术可以提升甲状腺疾病显示能力,优化图像质量.
