您当前的位置：
首页 > 文献资料
所属专业：
衰减校正方法文献资料
-
智能神经衰减校正对脑PET图像质量及标准化摄取值的影响
目的：智能神经衰减校正（SNAC）是一种新型的计算型衰减校正方法，本文采用视觉分析和Scenium软件定量分析SNAC及CT衰减校正（CTAC）图像，评估SNAC在脑PET显像中对图像质量及标准化摄取值（SUV）的影响。资料与方法58例行全身PET/CT受检者，分别用CTAC和SNAC重建脑PET图像，并采用视觉分析和Scenium软件定量分析。比较两种方法的图像对比度、均一度及不同脑区平均SUV值，分析两种方法平均SUV值的相关性。结果与CTAC比较，视觉分析SNAC图像对比度和均一度无显著差异；Scenium软件定量分析，SNAC图像对比度较CTAC稍提高，但差异无统计学意义（4.19±1.11比4.08±1.03，t=0.764， P>0.05）；SNAC的图像均一度较CTAC略降低（1.00比0.83）。SNAC法各脑区平均SUV值大于CTAC法，但两者呈显著正相关（r=0.978，P<0.01），线性回归分析结果一致（R2=0.959）。与CTAC比较，SNAC各脑区平均SUV值平均百分差为8.45±4.71，但10个脑区百分差变异较大（－8.56~27.93）；方差分析结果显示不同脑区的平均百分差差异有统计学意义（F=119.084，P<0.01），外周脑区平均百分差大于内侧脑区。结论 SNAC和CTAC的图像质量无明显差异，SNAC不同程度地提高了各脑区的平均SUV值，但与CTAC结果呈显著正相关，SNAC简化了检查流程，降低了辐射剂量，如仅用于定性诊断，对患者有利。
