Skip to main content
main-content

08.04.2019 | Cardiac

Deep learning–based image restoration algorithm for coronary CT angiography

Zeitschrift:
European Radiology
Autoren:
Fuminari Tatsugami, Toru Higaki, Yuko Nakamura, Zhou Yu, Jian Zhou, Yujie Lu, Chikako Fujioka, Toshiro Kitagawa, Yasuki Kihara, Makoto Iida, Kazuo Awai
Wichtige Hinweise

Publisher’s note

Springer Nature remains neutral with regard to jurisdictional claims in published maps and institutional affiliations.

Abstract

Objectives

The purpose of this study was to compare the image quality of coronary computed tomography angiography (CTA) subjected to deep learning–based image restoration (DLR) method with images subjected to hybrid iterative reconstruction (IR).

Methods

We enrolled 30 patients (22 men, 8 women) who underwent coronary CTA on a 320-slice CT scanner. The images were reconstructed with hybrid IR and with DLR. The image noise in the ascending aorta, left atrium, and septal wall of the ventricle was measured on all images and the contrast-to-noise ratio (CNR) in the proximal coronary arteries was calculated. We also generated CT attenuation profiles across the proximal coronary arteries and measured the width of the edge rise distance (ERD) and the edge rise slope (ERS). Two observers visually evaluated the overall image quality using a 4-point scale (1 = poor, 4 = excellent).

Results

On DLR images, the mean image noise was lower than that on hybrid IR images (18.5 ± 2.8 HU vs. 23.0 ± 4.6 HU, p < 0.01) and the CNR was significantly higher (p < 0.01). The mean ERD was significantly shorter on DLR than on hybrid IR images, whereas the mean ERS was steeper on DLR than on hybrid IR images. The mean image quality score for hybrid IR and DLR images was 2.96 and 3.58, respectively (p < 0.01).

Conclusions

DLR reduces the image noise and improves the image quality at coronary CTA.

Key Points

• Deep learning–based image restoration is a new technique that employs the deep convolutional neural network for image quality improvement.
• Deep learning–based restoration reduces the image noise and improves image quality at coronary CT angiography.
• This method may allow for a reduction in radiation exposure.

Bitte loggen Sie sich ein, um Zugang zu diesem Inhalt zu erhalten

★ PREMIUM-INHALT
e.Med Interdisziplinär

Mit e.Med Interdisziplinär erhalten Sie Zugang zu allen CME-Fortbildungen und Fachzeitschriften auf SpringerMedizin.de. Zusätzlich können Sie eine Zeitschrift Ihrer Wahl in gedruckter Form beziehen – ohne Aufpreis.

Jetzt e.Med zum Sonderpreis bestellen! 

Weitere Produktempfehlungen anzeigen
Literatur
Über diesen Artikel
  1. Sie können e.Med Radiologie 14 Tage kostenlos testen (keine Print-Zeitschrift enthalten). Der Test läuft automatisch und formlos aus. Es kann nur einmal getestet werden.


 

Neu im Fachgebiet Radiologie

Meistgelesene Bücher aus der Radiologie

2016 | Buch

Medizinische Fremdkörper in der Bildgebung

Thorax, Abdomen, Gefäße und Kinder

Dieses einzigartige Buch enthält ca. 1.600 hochwertige radiologische Abbildungen und Fotos iatrogen eingebrachter Fremdmaterialien im Röntgenbild und CT.

Herausgeber:
Dr. med. Daniela Kildal

2011 | Buch

Atlas Klinische Neuroradiologie des Gehirns

Radiologie lebt von Bildern! Der vorliegende Atlas trägt dieser Tatsache Rechnung. Sie finden zu jedem Krankheitsbild des Gehirns Referenzbilder zum Abgleichen mit eigenen Befunden.

Autoren:
Priv.-Doz. Dr. med. Jennifer Linn, Prof. Dr. med. Martin Wiesmann, Prof. Dr. med. Hartmut Brückmann

Mail Icon II Newsletter

Bestellen Sie unseren kostenlosen Newsletter Update Radiologie und bleiben Sie gut informiert – ganz bequem per eMail.

Bildnachweise