“三低”劑量與圖像重建算法在CT血管成像應用中的研究進展

四川大學華西醫(yī)院 放射科，四川 成都 610041

引言

心腦血管疾病無論是在發(fā)達國家，還是在發(fā)展中國家，都具有高發(fā)病率、高致死率和高致殘率的特點[1-2]。數(shù)字減影血管造影技術(shù)（Digital Subtraction Angiography，DSA）因其具有較高的時間分辨率和空間分辨率，是目前臨床診斷血管疾病的“金標準”。然而，DSA是一種侵入性影像學檢查手段，可引起缺血性腦卒中、心肌梗死，甚至死亡等并發(fā)癥[3-4]。CT血管成像（Computed Tomography Angiography，CTA）不僅檢查流程便捷、檢查費用低，而且還是一項無創(chuàng)的影像學檢查手段，在臨床上被廣泛用于血管病變的篩查和治療前評估，常見檢查部位包括冠脈CTA、頭頸部CTA、主動脈CTA等[5-7]。雖然CTA不是臨床診斷血管疾病的金標準，但其診斷血管病變的敏感度和特異性均較高，甚至在血管管壁評價方面優(yōu)于DSA[8]。

隨著CT輻射劑量的增加，受檢者發(fā)生隨機輻射效應的風險也明顯增加，研究發(fā)現(xiàn)，CT帶來的輻射損傷占所有醫(yī)療輻射損傷的一半左右[9]。美國的一項流行病學研究表明，有1.5%～2%的腫瘤可能與CT掃描產(chǎn)生的電離輻射有關(guān)[10]。國際輻射防護委員會提出保證CT圖像質(zhì)量滿足診斷要求的前提條件下，盡可能降低患者接受的輻射劑量[11]。無論是醫(yī)療行業(yè)管理機構(gòu)，還是從事醫(yī)學影像相關(guān)的研究者越來越重視X線輻射劑量的規(guī)范使用和規(guī)范管理，研究者均在合理應用X射線檢查、優(yōu)化輻射劑量方面較為關(guān)注[12]。碘對比劑的適當使用是CTA成功的關(guān)鍵因素之一，行CTA掃描時，對比劑通常使用5 mL/s的較高流速注射，對于血管彈性較差的患者存在血管破裂的風險[13]。此外，碘對比劑可引發(fā)腎臟損傷，導致對比劑腎?。–ontrast-Media Induced Nephropathy，CIN）的發(fā)生，CIN占醫(yī)源性急性腎功能衰竭原因中的第三位[14]。因此，降低對比劑注射流速和對比劑注射總量均使患者受益。然而，降低對比劑的注射流速即降低碘流率，會導致圖像CT值下降，從而使客觀圖像質(zhì)量的信噪比（Signal To Noise Ratio，SNR）與對比噪聲比（Contrast To Noise Ratio，CNR）均有所下降。低劑量掃描CT（Low Dose CT，LDCT）中使用管電壓的方法不僅可降低輻射劑量，還可以降低對比劑的流速和總量[15]。LDCT掃描必然會導致圖像質(zhì)量的下降，圖像質(zhì)量的下降主要原因是噪聲的增加，因此，如何在降低X線輻射劑量的情況下，不降低圖像質(zhì)量，只有使用新的重建算法降低圖像噪聲。迭代重建算法（Iterative Reconstruction，IR）是低劑量CT掃描后應用最多的改善圖像質(zhì)量的方法，可明顯降低圖像的噪聲，從而改善圖像質(zhì)量[16]。但是，既往IR算法應用于臨床后出現(xiàn)“蠟像感”，也就是圖像失真情況，那么最優(yōu)IR算法是什么呢？隨著圖像重建算法的不斷改進，基于人工智能（Artificial Intelligence，AI）的深度學習算法（Deep Learning Reconstruction，DLR）在改善圖像質(zhì)量方面也有相關(guān)研究報道，相比IR重建，DLR算法優(yōu)勢又如何？本文就低X線輻射劑量、低對比劑用量、流速和圖像重建算法在CTA應用中的研究進展進行綜述。

1 低輻射劑量、低對比劑用量和流速在CTA中的研究

CT檢查采用X射線作為成像源，X線具有輻射效應。輻射劑量相關(guān)的影響因素較多，主要包括設(shè)備本身和檢查時所采用的成像參數(shù)。涉及設(shè)備相關(guān)的主要參數(shù)包括：掃描模式、螺距、曝光時間、掃描范圍、管電壓和管電流等。在相同的掃描部位或同一類型的病人，通常掃描模式、曝光時間、掃描范圍基本都是相對固定的，因此影響CT檢查輻射劑量最重要的兩個參數(shù)就是管電壓和管電流。降低管電流會使CT圖像噪聲增加，致圖像出現(xiàn)顆粒感，從而導致CT圖像質(zhì)量下降，但是如果在適當?shù)姆秶鷥?nèi)降低管電流，圖像質(zhì)量是可以滿足診斷要求的[17-19]。然而，降低管電流不能提高血管內(nèi)的CT值，因此不能實現(xiàn)降低患者對比劑流速和總量的目的。有文獻研究表明，低管電壓行CTA掃描不僅可以降低輻射劑量，而且還可以明顯降低對比劑用量[20]。這是由于低管電壓不僅與輻射劑量呈指數(shù)關(guān)系，且低管電壓降低了X射線束能量，更接近碘對比劑K層電子的結(jié)合能，使得碘對比劑衰減增加，血管內(nèi)CT值更高，從而提高CTA圖像的SNR和CNR[21]。根據(jù)冠脈CTA成像技術(shù)規(guī)范化應用中國指南指出，建議冠脈CTA的主干分支血管的CT值在300～450 HU有利于診斷[22]。根據(jù)頭頸部CTA掃描專家共識，建議頭頸部CTA的主要血管分支的CT值超過200 HU就可以滿足要求[23]。在管電壓一定的前提下，對比劑的流速和總量決定了血管內(nèi)的CT值高低?；诘碗妷号c碘對比劑的原子特點，采用低管電壓掃描的同時，可以使用較低的對比劑流注射流速和總量[24]。目前的研究結(jié)果表明，低管電壓使用的大小可參考患者的體質(zhì)指數(shù)（Body Mass Index，BMI）：①BMI≤25 kg/m2，選擇超低管電壓≤80 kVp；②25 kg/m2＜BMI≤30 kg/m2，選擇低管電壓90 kVp或100 kVp；③BMI＞25 kg/m2，管電壓選擇120 kVp[20]。鄧亮等[25]研究表明，使用100 kVp管電壓與120 kVp管電壓行冠狀動脈CTA掃描，對比劑的注射流速從6 mL/s降到4 mL/s，注射流速降低了23%，對比劑外滲率也明顯降低。Qi等[26]使用80 kVp管電壓行冠狀動脈CTA掃描，不僅可以降低對比劑的注射流速，且可以使用更低的對比劑濃度，減少患者碘總量的注入。Kok等[27]分別使用70、80、100 kVp管電壓和120 kVp高管電壓在一個冠脈循環(huán)體模和60例冠脈CTA掃描病例的研究結(jié)果表明，在保持冠脈血管CT值無統(tǒng)計學差異前提下，100 kVp較120 kVp對比劑注射流速和總量降低的范圍在12%～23%，80 kVp較120 kVp對比劑注射流速和總量降低的范圍在34%～56%，70 kVp較120 kVp對比劑注射流速和總量降低的范圍在45%～67%。有研究表明[28]，在142651例患者中發(fā)生對比劑外滲的病例僅為321例，外滲率僅為0.23%，雖然經(jīng)過治療，大部份患者都能較好的康復，但是對于老年或者合并糖尿病的患者，嚴重對比劑外滲可引起組織潰瘍或者壞死。因此，預防對比劑外滲顯得尤為重要，降低對比劑注射流速是預防外滲的有效方法之一[29]。因此，使用低管電壓技術(shù)不僅可以降低CTA掃描時的輻射劑量，同時還可以在一定程度上降低對比劑的注射流速和總量，使靶血管內(nèi)的CT值可接近高管電壓、高對比較流速和總量條件下掃描的圖像，保證了血管圖像質(zhì)量。

2 IR在低劑量CTA中的研究

CTA應用中，圖像重建是體現(xiàn)CTA質(zhì)量和效果的重要環(huán)節(jié)。傳統(tǒng)CT圖像重建通常使用濾波反投影技術(shù)（Filtered Back Projection，F(xiàn)BP），然而，低劑量CT掃描仍然使用FBP算法重建無疑導致圖像噪聲增加。為解決低劑量CT掃描圖像噪聲增加的問題，各設(shè)備廠家推出了IR來改善低劑量CT圖像的噪聲[30]。最初研發(fā)的IR算法雖然能夠在一定程度上解決圖像噪聲增加的問題，但是也會使圖像產(chǎn)生“蠟像感”，導致血管邊緣顯示不清而影響診斷[31]。第一代IR算法是圖像后處理上進行重建，第二代IR算法是基于CT原始數(shù)據(jù)的迭代重建，而第三代IR算法結(jié)合原始數(shù)據(jù)、圖像和多模型三方面的數(shù)據(jù)進行圖像重建。因此，后期研發(fā)的IR算法不僅改善圖像噪聲更加有效，而且不產(chǎn)生“蠟像感”圖像[32-33]。

目前，低劑量掃描數(shù)據(jù)結(jié)合第二代和第三代IR算法進行圖像重建研究的文獻相對較多。Yuki等[34]分別使用IMR、iDose4和FBP對冠脈CTA的圖像進行重建，結(jié)果顯示使用IMR和iDose4兩種算法獲得的圖像噪聲小于FBP重建，其中IMR重建的圖像最優(yōu)。Laqmani等[35]將IMR應用于肺動脈CTA時，IMR獲得的圖像明顯優(yōu)于FBP重建的圖像，IMR顯示肺栓塞的栓子的能力更佳。Niesten等[36]使用IMR重建頭頸部CTA圖像時，頭頸部CTA噪聲降低，CNR提高，獲得更佳的圖像質(zhì)量。Rompel等[37]使用第三代雙源CT行3歲以內(nèi)小兒胸部CTA時，使用70 kVp超低管電壓聯(lián)合ADMIRE重建算法與80 kVp管電壓相比，圖像質(zhì)量保持不變，而患兒接受的輻射劑量從0.63 mSv降低0.36 mSv。湯振華[38]使用SAFIRE聯(lián)合“三低”方案（低管電壓、低對比劑量和低對比劑注射流速）在冠狀動脈CTA應用的研究表明，使用80 kVp、對比劑總量按0.7 mL/kg計算、注射流速3.5 mL/s聯(lián)合SAFIRE重建的冠脈CTA圖像，與120 kVp、對比劑總量按0.9 mL/kg計算、注射流速5 mL/s聯(lián)合FBP重建的冠脈CTA比較，客觀圖像質(zhì)量與主觀圖像質(zhì)量差異均無統(tǒng)計學意義。Benz等[39]應用ASIR-V重建超低劑量掃描的冠脈CTA圖像，ASIR-V算法明顯降低冠脈CTA圖像噪聲，提高圖像質(zhì)量。Chen等[40]在BMI≤23 kg/m2的患者冠脈CTA掃描時，使用70 kVp、碘對比劑注射速度以16 mgI/kg/s注射時間9 s、80%ASIR-V的方案與100 kVp、碘對比劑注射速度以25 mgI/kg/s注射時間10 s、60%ASIR-V的方案相比，圖像質(zhì)量可以滿足診斷要求，輻射劑量和對比劑用量分別降低了75.3%和42.4%。因此，有效的圖像重建算法，為“三低”技術(shù)改善CTA的圖像質(zhì)量提供了重要的輔助作用。

3 AI深度學習算法在低劑量CTA中的應用

IR算法能夠很好改善圖像噪聲，無論是第幾代IR算法，均建議低劑量掃描，且通常應用于正常BMI以下的患者或兒童[37,41]。Chen等[40]在冠脈CTA“三低”劑量研究中納入的患者BMI小于23 kg/m2，應用范圍相對受限。以往的學者研究認為，當BMI≤25 kg/m2時，可選擇超低管電壓≤80 kVp；當25 kg/m2＜BMI≤30 kg/m2時，選擇低管電壓90 kVp或100kVp；而當BMI＞25 kg/m2時，選擇管電壓120 kVp[20]。這些研究表明較大BMI或肥胖者接受低劑量CT掃描較難獲得滿意結(jié)果。雖然迭代重建技術(shù)較傳統(tǒng)濾波反投影可以在低劑量掃描時，改善圖像噪聲，但是由于迭代重建技術(shù)使圖像空間分辨率下降，使病變的影像特征和病變的檢測能力很難獲得滿意的診斷結(jié)果[42-43]。

近年來，AI DLR應用于低劑量CT掃描并進行圖像重建，大大提高圖像質(zhì)量的能力而備受關(guān)注[44]。目前，基于卷積神經(jīng)網(wǎng)絡(luò)（Convolutional Neural Network，CNN）的DLR算法是通過處理CT噪聲過高和細節(jié)丟失的問題，提高圖像質(zhì)量。CNN還可以通過深度學習算法減少CT圖像偽影[45]。劉珮君等[46]應用AI優(yōu)化算法在平均BMI為（29.31±3.19）kg/m2的高BMI患者行冠脈CTA掃描時，管電壓使用100 kVp，主動脈根部噪聲從平均30.04降到9.50，SNR值從18.47升高到55.82，CNR值從24.10升高到71.62，客觀圖像質(zhì)量改善明顯，主觀圖像評分也明顯增高，患者接受的平均輻射劑量約為2.3 mSv。王明等[47]應用AI成像優(yōu)化聯(lián)合迭代算法在“雙低”主動脈CTA中的研究認為，“雙低”劑量組使用80 kVp聯(lián)合AI ClearView+90%算法與傳統(tǒng)120 kVp使用FBP重建的圖像相比，主觀圖像質(zhì)量評分沒有差異，但“雙低”劑量組客觀圖像質(zhì)量的SD值、CNR和SNR均明顯優(yōu)于120 kVp組。Tatsugami等[48]使用DLR算法應用于30例冠脈CTA成像，與混合迭代重建算法（Hybrid Iterative Reconstruction，HIR）相比，圖像SD值從23.0 HU降低到18.5 HU，圖像CNR明顯提高，冠脈CTA血管邊界的銳利度明顯提高。Higaki等[49]使用DLR算法在一項體模研究表明，對體模行CT掃描后分別使用FBP、HIR、MBIR和DLR算法進行重建，結(jié)果顯示DLR算法獲得圖像的SD最低，DLR的空間分辨率更高。因此，DLR算法獲得的CT圖像質(zhì)量優(yōu)于FBP和IR算法。當然，由于AI深度學習算法在臨床應用和研究病例較少，且體模研究較多，其可靠性和穩(wěn)定性還需再臨床實踐中大數(shù)據(jù)測試后才能確定，但是，采用DLR算法或其他方法的AI在圖像采集和重建中的應用會越來越多，也是大勢所趨。

4 總結(jié)與展望

綜上所述，“三低”劑量在CTA中應用時，可以降低X線輻射劑量、減低對比劑用量和流速，減少CTA對患者的潛在風險，又能保證圖像質(zhì)量而不影響診斷。圖像重建算法可用于改善低劑量掃描的CT圖像質(zhì)量，尤其是權(quán)重較高的IR。目前，“三低”劑量聯(lián)合IR的技術(shù)常在兒童和正常BMI的患者使用，且圖像的空間分辨率和圖像特征尚需進一步提高。隨著AI深度學習算法等新技術(shù)的應用，“三低”劑量CTA圖像質(zhì)量可進一步得以改善，包括圖像空間分辨率和圖像特征的提高，有望在高BMI的患者和血管疾病較嚴重的患者應用。由于AI深度學習算法處于剛起步階段，很多研究尚不成熟，需要更多的臨床研究證明其改善低劑量圖像質(zhì)量的能力。