Scharfe, klare und präzise Bilder. Bei niedriger Dosis.

Mithilfe der enormen Rechenleistung eines Deep Convolutional Neural Networks (DCNN) wurde die Advanced intelligent Clear-IQ Engine (AiCE) darauf trainiert, Signal von Rauschen zu unterscheiden. Dadurch kann der Algorithmus Rauschen unterdrücken und gleichzeitig das Signal verstärken. Da AiCE mit fortschrittlicher MBIR (Model-Based Iterative Reconstruction) trainiert wurde, bietet es eine hohe räumliche Auflösung. Im Gegensatz zu MBIR überwindet die Deep-Learning-Rekonstruktion von AiCE jedoch Herausforderungen wie Bilddarstellung und Rekonstruktionsgeschwindigkeit bei der klinischen Anwendung.

Merkmale der AiCE-Deep-Learning-Rekonstruktion:

  • Unsere beste Niedrigkontrastauflösung aller Zeiten 1,3
  • Dosisneutrale, branchenführende Ultra-High-Resolution2
  • Verbesserte Niedrigkontrast-Erkennbarkeit, Rauschunterdrückung und räumliche Auflösung im Vergleich zur hybriden iterativen Rekonstruktion
  • Bildrauschstruktur, die FBP (Filtered Back Projection) ähnlicher ist als bei MBIR-Rekonstruktion3
  • Schnelle Rekonstruktionszeiten
  • Einfache Arbeitsabläufe

1 1.5mm @ 0.3%, 22 mGy
2 Aquilion Precision: Dosisneutral zwischen Ultra-High-Resolution-Modus mit AiCE und Normalauflösungsmodus mit hybrider iterativer Rekonstruktion
3 Aquilion ONE / GENESIS Edition

Das Gleichgewicht zwischen Bildqualität, Geschwindigkeit und Dosis neu definiert.

Schnelle Rekonstruktionsgeschwindigkeit:

  • 3-5x schneller als MBIR1

Hohe Bildqualität:

  • Verbesserte räumliche Auflösung im Vergleich zu AIDR 3D
  • Verbesserte Niedrigkontrast-Erkennbarkeit im Vergleich zu AIDR 3D
  • Bildrauschstruktur ähnelt stärker der gefilterten Rückprojektion (Filtered Back Projection)1

1 Im Vergleich zu MBIR, gilt ausschließlich für AiCE auf der Aquilion ONE / GENESIS Edition.

Niedrigkontrasterkennbarkeit*

Körper, Lunge und Herz

*Aquilion ONE / GENESIS Edition

 

 

 

Literatur & Whitepaper

AiCE Deep Learning Reconstruction:
Bringing the power of Ultra-High Resolution CT to routine imaging

Kirsten Boedeker, PhD, DABR
Senior Manager, Medical Physics
Canon Medical Systems Corporation

Zum Artikel

Deep learning reconstruction improves image quality of abdominal ultra-high-resolution CT

Authors: Motonori Akagi et al.
Journal: European Radiology
Published: 11/04/2019
Copyright: European Society of Radiology 2019

Download

[/inset]