人工智能与辐射剂量和高质量成像结果的圣杯

放射学研究人员花费了无数小时来寻求一种减少剂量的技术，该技术可提供高质量的图像，同时仍尽可能限制患者对电离辐射的照射。根据发表在《放射学院学报》上的一项新分析，人工智能可以为成像专家提供解决此问题的完美解决方案：基于深度学习的算法。

波士顿马萨诸塞州总医院DNB的医学博士Avinash Kambadakone解释说：“传统上，滤波后的投影一直以来都是CT图像重建的领先算法，因为重建时间短且计算效率高，可以在患者扫描期间进行实时图像重建。”“但是，在低剂量环境中和身体习惯较大的患者中，由于较高的图像噪声和光束硬化伪影，图像质量会下降。这导致了迭代重建(IR)算法的开发，该算法以迭代方式依赖于非线性运算。”

但是，IR算法并不总是有效的。Kambadakone解释说，它们有时还与专家不喜欢的“斑点”，“人造”外观相关联，并且在某些情况下(例如低对比度的任务)，IR减少辐射剂量的能力“受到限制”。

这就是AI出现的原因。研究人员发现，基于深度学习的算法具有在高图像质量和低辐射剂量之间达到完美平衡的能力。Kambadakone描述的一种AI方法涉及“使用基于图像空间的重构来训练具有低剂量CT图像的卷积神经网络，以重建标准剂量CT图像。”另一项技术要求实现“使用基于深度学习的方法在IR算法中更复杂的功能”。

到目前为止，这种方法已被证明是非常有效的，而Kambadakone将早期结果描述为“有希望的”。但是，他指出，现阶段仍然显然需要进行更多的研究。研究人员必须小心;在没有适当验证的情况下采用这些技术前进将是一个重大错误。

Kambadakone总结说：“尽管减少辐射剂量是必不可少的，但必须确保CT扫描的诊断性能以及放射医师自信地回答相关临床问题的能力不受影响。”“在图像重建中使用AI为在低辐射剂量下实现高图像质量的圣杯提供了宝贵的机会，而超低剂量亚毫毫米CT扫描时代可能不是遥不可及的梦想。”