Charting the Path Forward: CT Image Quality Assessment -- An In-Depth Review

计算机断层扫描（CT）是一种常用的影像技术，用于临床诊断许多疾病。然而，巨大的非均质性CT数据量在临床诊断、数据存储和管理方面带来了巨大的挑战。因此，CT图像质量评估是一个需要考虑的关键问题。本文考察了CT图像质量评估（IQA）的历史、研究进展和当前发展。在本次综述中，我们收集和研究了截至2023年8月发表的500多篇CT-IQA出版物，并提供了这些论文的关键词和共引用知识图谱的可视化分析。本文还涵盖了CT-IQA持续发展的前景和障碍。目前，CT-IQA领域的重要研究分支包括幻影研究、人工智能深度学习重建算法、剂量减少机会和虚拟单能量重建。基于人工智能的CT-IQA也成为一种趋势。它提高了CT扫描设备的准确性，扩大了CT系统重建算法的影响，并创造了一种有效的后处理CT图像算法。基于人工智能的医学IQA在临床工作中提供了出色的应用机会。人工智能可以提供统一的质量评估标准和更全面的指导，鼓励各种医疗设施相互识别彼此的图像。它将有助于降低不必要的检查数量和相关成本，提高医学成像和评估效率的质量。

本文旨在研究计算机断层扫描（CT）图像质量评估（IQA）的历史、发展和现状，并探讨未来的发展前景和挑战。

本文对CT-IQA领域中的重要研究分支进行了梳理和总结，包括Phantom研究、人工智能深度学习重建算法、剂量降低机会和虚拟单能量重建。人工智能（AI）在CT-IQA中的应用也成为趋势。

本文收集和研究了500多篇CT-IQA出版物，并提供了这些论文的关键词和共引用的可视化分析。人工智能在医疗IQA中提供了优秀的应用机会，可以提供统一的质量评估标准和更全面的指导，有助于降低不必要的测试和相关成本，提高医学成像的质量和评估效率。

近期在这个领域中，还有一些相关的研究，如“基于深度学习的CT图像质量评估方法”、“一种基于卷积神经网络的CT图像质量评估方法”等。