• 文献检索
  • 文档翻译
  • 深度研究
  • 学术资讯
  • Suppr Zotero 插件Zotero 插件
  • 邀请有礼
  • 套餐&价格
  • 历史记录
应用&插件
Suppr Zotero 插件Zotero 插件浏览器插件Mac 客户端Windows 客户端微信小程序
定价
高级版会员购买积分包购买API积分包
服务
文献检索文档翻译深度研究API 文档MCP 服务
关于我们
关于 Suppr公司介绍联系我们用户协议隐私条款
关注我们

Suppr 超能文献

核心技术专利：CN118964589B侵权必究
粤ICP备2023148730 号-1Suppr @ 2026

文献检索

告别复杂PubMed语法，用中文像聊天一样搜索，搜遍4000万医学文献。AI智能推荐，让科研检索更轻松。

立即免费搜索

文件翻译

保留排版，准确专业，支持PDF/Word/PPT等文件格式，支持 12+语言互译。

免费翻译文档

深度研究

AI帮你快速写综述，25分钟生成高质量综述，智能提取关键信息，辅助科研写作。

立即免费体验

Deep-learning reconstruction to improve image quality of myocardial dynamic CT perfusion: comparison with hybrid iterative reconstruction.

作者信息

Takafuji M, Kitagawa K, Mizutani S, Oka R, Kisou R, Sakaguchi S, Ichikawa K, Izumi D, Sakuma H

机构信息

Department of Radiology, Mie University Graduate School of Medicine, Tsu, Japan; Department of Radiology, Matsusaka Municipal Hospital, Matsusaka, Japan.

Department of Radiology, Mie University Graduate School of Medicine, Tsu, Japan.

出版信息

Clin Radiol. 2022 Oct;77(10):e771-e775. doi: 10.1016/j.crad.2022.06.013. Epub 2022 Jul 16.

DOI:10.1016/j.crad.2022.06.013
PMID:35853777
Abstract
摘要

相似文献

1
Deep-learning reconstruction to improve image quality of myocardial dynamic CT perfusion: comparison with hybrid iterative reconstruction.深度学习重建以改善心肌动态CT灌注成像质量：与混合迭代重建的比较。
Clin Radiol. 2022 Oct;77(10):e771-e775. doi: 10.1016/j.crad.2022.06.013. Epub 2022 Jul 16.
2
Deep learning image reconstruction for improvement of image quality of abdominal computed tomography: comparison with hybrid iterative reconstruction.深度学习图像重建提高腹部 CT 图像质量：与混合迭代重建的比较。
Jpn J Radiol. 2021 Jun;39(6):598-604. doi: 10.1007/s11604-021-01089-6. Epub 2021 Jan 15.
3
Deep learning image reconstruction for improving image quality of contrast-enhanced dual-energy CT in abdomen.深度学习图像重建提高腹部增强双能 CT 的图像质量。
Eur Radiol. 2022 Aug;32(8):5499-5507. doi: 10.1007/s00330-022-08647-0. Epub 2022 Mar 3.
4
The effect of deep learning reconstruction on abdominal CT densitometry and image quality: a systematic review and meta-analysis.深度学习重建对腹部 CT 密度测量和图像质量的影响：系统评价和荟萃分析。
Eur Radiol. 2022 May;32(5):2921-2929. doi: 10.1007/s00330-021-08438-z. Epub 2021 Dec 15.
5
Deep learning-based reconstruction may improve non-contrast cerebral CT imaging compared to other current reconstruction algorithms.基于深度学习的重建可能比其他当前的重建算法改善非对比性脑 CT 成像。
Eur Radiol. 2021 Aug;31(8):5498-5506. doi: 10.1007/s00330-020-07668-x. Epub 2021 Mar 10.
6
Commentary On: Image Quality Evaluation in Dual Energy CT of the Chest, Abdomen and Pelvis in Obese Patients with Deep Learning Image Reconstruction.关于《肥胖患者胸部、腹部和骨盆双能CT深度学习图像重建的图像质量评估》的述评
J Comput Assist Tomogr. 2022;46(4):612-613. doi: 10.1097/RCT.0000000000001353. Epub 2022 Jun 23.
7
Can deep learning improve image quality of low-dose CT: a prospective study in interstitial lung disease.深度学习能否提高低剂量 CT 图像质量：间质性肺疾病的前瞻性研究。
Eur Radiol. 2022 Dec;32(12):8140-8151. doi: 10.1007/s00330-022-08870-9. Epub 2022 Jun 24.
8
Diagnostic performance and image quality of deep learning image reconstruction (DLIR) on unenhanced low-dose abdominal CT for urolithiasis.深度学习图像重建（DLIR）在泌尿系结石低剂量腹部 CT 平扫中的诊断性能及图像质量。
Acta Radiol. 2022 Sep;63(9):1283-1292. doi: 10.1177/02841851211035896. Epub 2021 Aug 9.
9
Comparison of a Deep Learning-Based Reconstruction Algorithm with Filtered Back Projection and Iterative Reconstruction Algorithms for Pediatric Abdominopelvic CT.基于深度学习的重建算法与滤波反投影和迭代重建算法在小儿腹部盆腔 CT 中的比较。
Korean J Radiol. 2022 Jul;23(7):752-762. doi: 10.3348/kjr.2021.0466. Epub 2022 May 27.
10
Using deep learning-based denoising and iterative reconstruction to reduce radiation exposure - How low can we go?使用基于深度学习的去噪和迭代重建来减少辐射暴露——我们能降低到多低的水平？
Eur J Radiol. 2024 Apr;173:111376. doi: 10.1016/j.ejrad.2024.111376. Epub 2024 Feb 16.

引用本文的文献

1
Myocardial late enhancement using dual-source CT: intraindividual comparison of single-energy shuttle and dual-energy acquisition.双源CT心肌延迟强化：单能量穿梭与双能量采集的个体内比较
Insights Imaging. 2025 Mar 22;16(1):64. doi: 10.1186/s13244-025-01944-4.
2
Super-resolution deep learning reconstruction for improved quality of myocardial CT late enhancement.用于提高心肌CT延迟强化质量的超分辨率深度学习重建
Jpn J Radiol. 2025 Mar 12. doi: 10.1007/s11604-025-01760-2.
3
Protocol optimization and myocardial blood flow quantification in dynamic myocardial perfusion CT-where do we stand?
动态心肌灌注CT中的协议优化与心肌血流定量——我们目前的进展如何？
Eur Radiol. 2025 Jan 28. doi: 10.1007/s00330-025-11379-6.
4
State of the art of CT myocardial perfusion.CT心肌灌注的技术现状。
Radiol Med. 2025 Mar;130(3):438-452. doi: 10.1007/s11547-024-01942-4. Epub 2024 Dec 20.
5
The Role of Artificial Intelligence in Healthcare: Enhancing Coronary Computed Tomography Angiography for Coronary Artery Disease Management.人工智能在医疗保健中的作用：增强冠状动脉计算机断层扫描血管造影术以管理冠状动脉疾病
Cureus. 2024 Jun 2;16(6):e61523. doi: 10.7759/cureus.61523. eCollection 2024 Jun.
6
Artificial intelligence in coronary computed tomography angiography: Demands and solutions from a clinical perspective.冠状动脉计算机断层扫描血管造影中的人工智能：临床视角下的需求与解决方案
Front Cardiovasc Med. 2023 Feb 16;10:1120361. doi: 10.3389/fcvm.2023.1120361. eCollection 2023.