CareLit Fachartikel

Value of vendor-agnostic deep learning image denoising in brain computed tomography: A multi-scanner study

Christian Kapper, Lukas Müller, Andrea Kronfeld, Mario Alberto Abello Mercado, Sebastian Altmann, Nils Grauhan, Dirk Graafen, Marc A. Brockmann, Ahmed E. Othman · RöFo - Fortschritte auf dem Gebiet der Röntgenstrahlen und der bildgebenden Verfahren · 2025 · Heft 01 · S. 65-75

Dokument
930227
CareLit-ID
Jahr
2025
Publikation
PDF
nein
Metadaten
DOI
ja
zitierfähig

Bibliografische Angaben

Zeitschrift
RöFo - Fortschritte auf dem Gebiet der Röntgenstrahlen und der bildgebenden Verfahren
Autor:innen
Christian Kapper, Lukas Müller, Andrea Kronfeld, Mario Alberto Abello Mercado, Sebastian Altmann, Nils Grauhan, Dirk Graafen, Marc A. Brockmann, Ahmed E. Othman
Ausgabe
Heft 01 / 2025
Jahrgang 197
Seiten
65-75
Erschienen: 2025-01-01 00:00:00
ISSN
1438-9029
DOI
10.1055/a-2290-4781

Zusammenfassung

Zusammenfassung Ziel Auswertung der Wirkung eines herstellerunabhängigen Deep Learning Denoising-Algorithmus (DLD) auf die diagnostische Bildqualität kontrastloser kranialer Computertomografie (ncCT) für fünf CT-Scanner im Vergleich. Material und Methoden Diese retrospektive monozentrische Studie schloss ncCT-Daten von 150 konsekutiven Patienten (30 für jeden der fünf Scanner) ein, bei denen nach einem leichten Kopftrauma eine Routinebildgebung erfolgt war. Die Bilder wurden mittels gefilterter Rückprojektion (FBP) und einer herstellerunabhängigen DLD-Methode rekonstruiert. Anhand einer 4-Punkte-Likert-Skala füh…

Schlagworte

CT deep learning denoising vendor-agnostic artificial intelligence brain RöFo - Fortschritte auf dem Gebiet der Röntgenstrahlen und der bildgebenden Ver…