跳到主要内容
检索

# 光子计数探测器CT

2 篇关联报道

订阅更新
  1. Investigative Radiology

    双中心378例PCD-CT光谱重建影像组学:VNC训练模型区分肝脏良恶性病变AUC达0.899,高keV与VNC测试更稳定

    这项双中心研究纳入378例(190例良性、227个病灶;188例恶性、2681个病灶)局灶性肝脏病变患者,用nnU-Net自动分割并经腹部放射科医师确认后,从PCD-CT的9个光谱数据集(40、50、70、90、110、140、180 keV、虚拟平扫VNC和碘密度图IDM)提取影像组学特征,训练多种机器学习模型并按患者聚合病灶级预测,结果显示基于VNC训练的随机森林模型性能最高(AUC 0.899,95% CI 0.840-0.951,准确率83.5%),跨域分析中各训练重建的平均AUC相近(0.75-0.83),而测试重建的选择影响表现:110、140、180 keV与VNC测试最稳定(中位AUC≥

  2. AI定量CT、光子计数CT与FFR-CT整合,将冠脉斑块负荷与缺血评估纳入同一CCTA工作流

    这篇综述梳理了冠脉CT血管成像(CCTA)评估冠心病的最新进展:AI驱动的斑块定量与狭窄定量可把分析时间从每例25分钟以上压缩到通常不足60秒、与血管内超声的相关性达0.92-0.95,光子计数探测器CT(PCD-CT)以超高分辨率减少钙化晕影并把部分病例重新归入更低CAD-RADS分级,FFR-CT提供无创的病灶特异性生理评估,三者整合可支持更精细的主要不良心血管事件风险分层与预防治疗决策。

已读完全部报道