使用瘦体重低单能图像和基于深度学习的重建的低对比度剂量肝脏 CT

在 CT 中使用碘化造影剂与剂量依赖性方式的速发型超敏反应有关。 因此，对于需要重复CT检查的患者，包括肝细胞癌（HCC）患者，降低CT检查的造影剂剂量非常重要。 双能CT的低单能图像可以提供比传统图像更高的碘造影剂，从而减少造影剂的使用。 通过使用基于模型的 IR 技术和基于深度学习的去噪 (DLD) 算法，可以改善低单能图像中的高图像噪声。 此外，与基于总体重的剂量确定相比，基于瘦体重 (LBW) 的造影剂剂量确定可能是减少造影剂剂量的另一种选择，因为血液和肝脏的体积与总体重并不严格成正比。 因此，我们推测，与标准碘剂量 120kVp 图像相比，基于 LBW 将碘负荷降低 30% 的 DLD 算法重建的 50 keV 图像可以产生可比的图像质量和病变显着性。

在这项单中心前瞻性随机临床试验中，我们旨在研究使用 50 keV 和 DLD 技术的低造影剂剂量 CT 与使用基于模型的 IR 的标准造影剂剂量方案相比对 HCC 高危患者的有效性。