高級別深度學(xué)習(xí)圖像重建算法在低管電壓、低對比劑用量冠狀動脈CT血管成像中的應(yīng)用研究

doi：10.12102/j.issn.1672-1349.2025.14.021

TheAppicationofHighDepLeamingImageReconstructionAgorthminCoronaryCTAngiographywithLowTube VotageandLow

Contrast Agent Dosage

ZHANG Zehua1，WANG Jianming2，TANG Xiaoxian2

1.ShanxiMdcalUvesitynCin;iviaop'sospitana

Corresponding AuthorTANG Xiaoxian，E-mail：txx6312 @ sina.com

Keywordscoronaryarterydisease;computedtomography;coronaryCTangiography;radiationdose;contrastagent；deeplearing image reconstruction

冠狀動脈CT血管成像（coronarycomputedtomographicangiography，CCTA）是一種快速、微創(chuàng)的檢查方法，其診斷準(zhǔn)確性與冠狀動脈血管造影相當(dāng)，因此，目前被廣泛用于冠狀動脈疾病的診斷[1。隨著CT的應(yīng)用越來越多，與輻射暴露相關(guān)的輻射風(fēng)險引起了人們的關(guān)注[2。由于輻射劑量和管電壓平方之間存在線性關(guān)系，降低管電壓認(rèn)為是減少輻射暴露的有效方法[3。降低管電壓使圖像質(zhì)量降低。隨著技術(shù)的不斷發(fā)展，深度學(xué)習(xí)圖像重建（deep leaming image reconstruction，DLIR）

算法應(yīng)運而生，DLIR算法代表了CT圖像重建的最新發(fā)展階段，與濾波背投重建（filteredback-projection，F(xiàn)BP）算法、自適應(yīng)統(tǒng)計迭代重建（volume-basedadaptivestatisticaliterativereconstruction，ASiR-V）算法相比，DLIR算法顯著減少了輻射劑量，改善了圖像質(zhì)量[4]。256排CT掃描儀（revolutionapexCT，GEHealthcare）具有70、80、100kVp掃描模式，且具有DLIR和ASIR-V降噪算法。本研究對低管電壓、低對比劑用量掃描聯(lián)合DLIR-H算法與常規(guī)掃描聯(lián)合 60% ASIR-V算法對不同體質(zhì)指數(shù)病人CCTA圖像質(zhì)量進(jìn)行對比?，F(xiàn)報道如下。

1資料與方法

1.1一般資料

選取2022年9月一2023年7月在山西省人民醫(yī)院因疑似冠狀動脈疾病行CCTA檢查的病人180例。根據(jù)掃描方法分為“雙低\"組（A組）和對照組（B組），每組90例。根據(jù)體質(zhì)指數(shù)將A組分為A1組（體質(zhì)指數(shù) lt;24.0kg/m² 、A2組（體質(zhì)指數(shù) 24.0～28.0kg/m²） 、A3組（體質(zhì)指數(shù) gt;28.0kg/m²） ，每組30例；采用低管電壓、低對比劑用量掃描聯(lián)合DLIR-H算法進(jìn)行掃描與圖像重建。根據(jù)體質(zhì)指數(shù)將B組分為B1組（體質(zhì)指數(shù) lt; 24.0kg/m²） 組、B2組（體質(zhì)指數(shù) 24.0～28.0kg/m². 、B3組（體質(zhì)指數(shù) gt;28.0kg/m²） ，每組30例；采用常規(guī)掃描聯(lián)合 60% ASIR-V算法進(jìn)行掃描與圖像重建。所有病人均簽署對比劑使用知情同意書，本研究方案得到山西省人民醫(yī)院倫理委員會批準(zhǔn)（編號：[2025]省醫(yī)科倫審字第427號）。

納人標(biāo)準(zhǔn)：疑似冠狀動脈疾病；無對比劑過敏；臨床資料齊全。排除標(biāo)準(zhǔn)：妊娠；碘對比劑過敏；腎功能不全；嚴(yán)重甲狀腺功能亢進(jìn)；既往有經(jīng)皮冠狀動脈介入（percutaneouscoronaryintervention，PCl）或冠狀動脈搭橋（coronaryartery bypass grafting，CABG）手術(shù)史。

1.2儀器與方法

所有病人均使用256排CT掃描儀（RevolutionApexCT，GEHealthcare）進(jìn)行檢查，采用軸向心電圖觸發(fā)方案（AutoGating，GEHealthcare）。掃描旋轉(zhuǎn)時間0.28s，重建間隔 0.625mm ，重建層厚 0.625mm ，掃描準(zhǔn)值為 128×0.625mm 。

A組掃描方案：選擇不同的低管電壓進(jìn)行CCTA掃描，A1組管電壓 70kVp ，A2組管電壓 80kVp ，A3組管電壓 100kV_p ；管電流均采用smartmA（自動毫安模式） 500-1300mA ，噪聲指數(shù)均為 16H∪ 。采用個體化對比劑注射方案：選用碘克沙醇（ 320mg/mL ，對比劑用量 16mg|/（kg?s） ，對比劑注射持續(xù)時間10s，之后以相同的速率沖洗等量生理鹽水，采用DLIR-H算法進(jìn)行圖像重建。

B組掃描方案：采用傳統(tǒng) 100～120kV 進(jìn)行CCTA掃描，管電流采用smartmA 1600～960mA ，噪聲指數(shù)均為12HU，采用個體化對比劑注射方案：選用碘克沙醇 320mg/mL ，對比劑用量 24mg|/（kg?s） ，對比劑注射持續(xù)時間 10s ，之后以相同的速率沖洗等量生理鹽水，采用 60%ASIR-V 算法進(jìn)行圖像重建。采用對比劑追蹤技術(shù)，在降主動脈根部設(shè)置監(jiān)測興趣區(qū)，閾值150HU，延遲時間 3.1s ；平靜呼吸下曝光。自動選擇生成圖像的最佳心臟期。掃描長度 14～16cm 。采用第2代快速凍結(jié)技術(shù)（snapshotfreeze，SSF2）校正心臟搏動偽影。

1.3 圖像質(zhì)量評估

所有圖像均被傳輸?shù)紸I后處理軟件中，GEADW4.7（Advantageworkstation4.7，GEHealthcare）工作站進(jìn)行圖像重建，自動生成最大密度投影（maximumintensityprojection，MIP）、曲面重建（curvedplannarreconstruction，CPR）、多平面重建（multiplanarreconstruction，MPR）和容積再現(xiàn)（volumerendering，VR）重建。

1.3.1 客觀評價

定量圖像評估由工作站GEADW4.7讀取器進(jìn)行。采用雙盲法，由兩名具有10年以上CCTA診斷經(jīng)驗的放射科醫(yī)師分別于橫軸位圖像測量右冠狀動脈主干（rightcoronaryartery，RCA）、左冠狀動脈主干（leftmainartery，LMA）、左冠狀動脈前降支（leftanteriordescending，LAD）與回旋支（leftcircumflex，LCX）近段的CT值。由于口徑小或軸向面傾斜，考慮到測量偏差，在每個感興趣區(qū)域 .ROI）≥1mm² 的情況下，冠狀動脈的每個ROI盡可能大，避免血管壁鈣化。測量軸向圖像血管鄰近胸壁脂肪組織的CT值（ROI尺寸 ≥1 mm² 的標(biāo)準(zhǔn)差（standarddeviation，SD），取兩者均值作為圖像噪聲，計算信噪比（signaltonoiseratio，SNR）及對比噪聲比（contrasttonoiseratio，CNR）。工作站中的“compare”模塊允許在同一屏幕上顯示2種不同算法的多幅重建圖像，ROI位于多幅圖像中的相同位置。SNR和CNR計算公式： SNR= 血管CT值/SD；CNR （血管CT值一脂肪CT值）/SD；血管CT值為目標(biāo)血管管腔內(nèi)的CT值，脂肪CT值為血管鄰近胸壁脂肪組織的CT值。測量時盡量避開鈣化、斑塊及狹窄部位。

1.3.2 主觀評價

采用雙盲法，由兩名放射科醫(yī)生（具有10年以上心血管成像診斷經(jīng)驗）獨立評估冠狀動脈各分支的整體圖像質(zhì)量，包括橫軸位原始圖像、MIP、CPR、MPR和VR圖像。若存在分歧，與第3名具有20年心血管疾病診斷經(jīng)驗的放射科醫(yī)生協(xié)商統(tǒng)一結(jié)果。整體圖像質(zhì)量評估采用5分評分系統(tǒng)：5分（優(yōu)秀）圖像，噪聲和偽影非常低，血管輪廓清晰，診斷置信度非常高；4分（良好）圖像，有低噪聲或偽影，清晰的血管輪廓，高診斷置信度；3分（一般）圖像，有輕微的噪聲或偽影，血管輪廓部分模糊，有足夠的診斷置信度；2分（差）圖像有高噪聲或偽影，血管輪廓無法清晰識別，診斷置信度不足；1分（不可接受）嚴(yán)重噪聲和偽影。

1.4輻射劑量分析

每次掃描結(jié)束后，記錄每例病人計算機(jī)自動生成的容積CT劑量指數(shù)（CTdoseindexvolume，CTDlvol，單位為mGy）;放射劑量長度乘積（dose lengthproduct，DLP，單位為 mGy?cm ）。病人接受輻射劑量采用有效輻射劑量（effectivedose，ED，單位為mSv）表示，計算公式： ED=k×DLP ，其中 k 為轉(zhuǎn)換系數(shù)，參照歐洲CT質(zhì)量標(biāo)準(zhǔn)指南取胸部平均值 0.014mSV/（mGy?cm）^[5] 記錄并計算對比劑用量。

1.5 統(tǒng)計學(xué)處理

采用SPSS27.0統(tǒng)計學(xué)軟件進(jìn)行數(shù)據(jù)分析。符合正態(tài)分布和方差齊性的定量資料以均數(shù) ± 標(biāo)準(zhǔn)差（x±s）表示，采用兩獨立樣本t檢驗；定性資料以例數(shù)、百分比 （% 表示，采用 χ² 檢驗。圖像主觀評分比較采用Mann-Whitney υ 檢驗。兩名影像醫(yī)師評分的一致性評價采用Kappa一致性分析（Kappa值 gt;0.7 提示一致性良好，Kappa值 0.4～0.7 提示一致性較好，Kappa值 lt; 0.4提示一致性較差）。以 Plt;0.05 為差異有統(tǒng)計學(xué)意義。

2結(jié)果

2.1兩組一般資料比較

兩組年齡、性別、體質(zhì)指數(shù)及心率比較，差異均無統(tǒng)計學(xué)意義（ Pgt;0.05 ）。詳見表1。

表1兩組一般資料比較

2.2 病人典型右冠狀動脈CPR圖像（見圖1）

圖1病人右冠狀動脈CPR圖像

（A1、A2、A3分別為體質(zhì)指數(shù) 22.89.26.97.29.88kg/m² 的病人采用低管電壓 70.80，100kVp 聯(lián)合DLIR-H算法所得右冠狀動脈CPR圖像，對比劑用量分別為28、37、43mL，ED分別為1.45、2.28、 3.76msv ，圖像的SD分別為9.49、10.98、11.17，圖像的SNR分別為44.96、39.11、37.44，CNR分別為55.93、48.78、40.34，主觀評分分別為5、5、4分。B1、B2、B3分別為體質(zhì)指數(shù) 23.88，26.54，29.71kg/m² 的病人采用常規(guī)管電壓聯(lián)合 60% ASIR-V算法所得右冠狀動脈CPR圖像，對比劑用量分別為52、53、60mL，ED分別為 3.93，4.05，5.20msv ，圖像的SD分別為18.26、16.93、18.76，圖像的SNR分別為27.86、30.08、26.87，CNR分別為33.89、33.95、32.50，主觀評分分別為5、3、4分。與正常劑量聯(lián)合60% ASIR-V算法所得圖像比較，低管電壓聯(lián)合DLIR-H算法所得圖像質(zhì)量更高、血管邊界更清晰、噪聲和偽影更低）

2.3 兩組輻射劑量與對比劑用量比較

A1組較B1組、A2組較B2組、A3組較B3組有效輻射劑量與對比劑用量均有不同程度減低，差異均有統(tǒng)計學(xué)意義（ Plt;0.001 ）。詳見表2。

2.4 圖像質(zhì)量評價

2.4.1 客觀評價結(jié)果

采用常規(guī)掃描聯(lián)合 60% ASIR-V算法與低管電壓、低對比劑用量掃描聯(lián)合DLIR-H算法重建圖像的測量。根據(jù)實測圖像噪聲及計算的SNR、CNR。不同掃描及重建方法測量冠狀動脈CT值。A1組、A2組、A3組不同冠狀動脈節(jié)段SNR、CNR分別高于B1組、B2組、B3組SNR、CNR，且A1組、A2組、A3組CT值、噪聲低于B1組、B2組、B3組，差異均有統(tǒng)計學(xué)意義（ Plt;0.001? 。詳見表2。

2.4.2主觀評價結(jié)果

兩組圖像主觀評分均 ?3 分，均可達(dá)到診斷要求。A組主觀質(zhì)量評分高于B組。兩名診斷醫(yī)生評分一致性良好，Kappa值均 gt;0.7 ，差異均有統(tǒng)計學(xué)意義（ Plt; 0.001）。詳見表3。

（圖2表

3討論

本研究評估了不同體質(zhì)指數(shù)病人，與常規(guī)掃描聯(lián)合60%ASIR-V算法相比，低管電壓、低對比劑用量掃描聯(lián)合DLIR-H算法輻射劑量與對比劑用量均有不同程度減少，且圖像噪聲更低，SNR和CNR更高，主觀圖像評價質(zhì)量更高。

CCTA掃描中如何有效減少輻射劑量與對比劑用量，并保持圖像質(zhì)量是國內(nèi)外的研究熱點。管電壓和管電流的變化可影響掃描的輻射劑量。在固定管電流掃描模式下，管電壓和輻射劑量有二次關(guān)系。在自動管電流掃描模式下，管電流增加以補(bǔ)償所需的輻射劑量，提高CCTA的圖像質(zhì)量。然而，接受CCTA檢查的，有較厚脂肪層的病人，低管電壓×射線低穿透力和病人較厚的脂肪層增加了獲得圖像的噪聲。因此，有較厚脂肪層的病人可能難以提高CCTA的圖像質(zhì)量，干擾圖像中冠狀動脈狹窄程度和動脈粥樣硬化斑塊性質(zhì)可影響診斷的敏感性、準(zhǔn)確性和可靠性，最終影響疾病的治療和預(yù)后[6]。本研究雖然使用了70、80、100kVp 低管電壓掃描，但采用的自動毫安模式最高達(dá) 1300mA ，可彌補(bǔ)低管電壓導(dǎo)致的×射線低穿透力。隨著CT技術(shù)進(jìn)一步發(fā)展，CCTA的作用從單純的篩查轉(zhuǎn)變?yōu)榕R床綜合評價甚至預(yù)測預(yù)后的工具。為了保證圖像質(zhì)量，管電壓均控制在 100～120kVp ，因此，CCTA檢查易暴露在高輻射下。患有冠心病和心肌梗死的病人更易進(jìn)行多次CCTA檢查，提示著較高的輻射。本研究對不同體質(zhì)指數(shù)病人采用不同的低管電壓掃描，在輻射劑量降低的同時，保持了令人滿意的圖像質(zhì)量水平。本研究結(jié)果表明，不同體質(zhì)指數(shù)病人低管電壓、低對比劑用量掃描聯(lián)合DLIR-H算法較常規(guī)掃描聯(lián)合 60% ASIR-V算法，提高了低管電壓CCTA所得圖像質(zhì)量，且病人接受的有效輻射劑量與對比劑總量均減少。Wang等研究表明，管電壓 80kV 時，與FBP重建圖像相比，DLIR-H重建圖像噪聲降低了61.4% ，SNR提高了2.6倍，CNR提高了2.6倍，DLIR在提高圖像質(zhì)量同時可降低圖像噪聲。一項研究對30例行CCTA檢查的體質(zhì)指數(shù) gt;30kg/m² 病人的原始數(shù)據(jù)分別采用DLIR算法與ASIR算法進(jìn)行重建，并對圖像質(zhì)量進(jìn)行評價，結(jié)果顯示，與ASIR算法相比，采用DLIR算法可顯著降低肥胖人群CCTA圖像噪聲，提高圖像質(zhì)量，增加可評估冠狀動脈節(jié)段數(shù)量[9]。

近年來，F(xiàn)BP算法在圖像重建中得到了廣泛應(yīng)用，但在降低低管電壓圖像的噪聲方面存在較大的局限性[1]。為了克服FBP算法的局限性，ASIR-V于2009年引入臨床應(yīng)用，但高計算要求和重建圖像耗時長限制了其臨床廣泛應(yīng)用[11]。DLIR是一種新興的重建方法，DLIR實現(xiàn)了高圖像質(zhì)量、低輻射劑量和快速重建速度的結(jié)合。DLIR實現(xiàn)的劑量減少將超低劑量重新定義至普通X光片領(lǐng)域，并保持圖像質(zhì)量。DLIR重建的圖像具有比ASIR-V更真實的圖像，提示其更易被放射科醫(yī)生接受[12]。傳統(tǒng)的迭代重建算法需處理模型中的大量參數(shù)，并人工優(yōu)化這些參數(shù)，對算法提出了要求。DLIR具有自動處理大量參數(shù)的強(qiáng)大計算能力[13]本研究通過擴(kuò)大病人群體的體質(zhì)指數(shù)范圍，進(jìn)一步擴(kuò)展了DLIR算法的適用性。

本研究存在的局限性：首先，樣本量有限，數(shù)據(jù)收集于單一醫(yī)院，可能降低統(tǒng)計效力；其次，無有創(chuàng)冠狀動脈造影的結(jié)果，需進(jìn)一步的研究驗證結(jié)果。今后研究應(yīng)在多中心開展，以明確DLIR的優(yōu)點，從而促進(jìn)其在臨床中廣泛應(yīng)用。

綜上所述，不同體質(zhì)指數(shù)病人低管電壓、低對比劑用量掃描聯(lián)合DLIR-H算法較常規(guī)掃描聯(lián)合 60% ASIR-V算法，提高了低管電壓CCTA所得圖像質(zhì)量，且病人接受的有效輻射劑量與對比劑總量均明顯減少。

參考文獻(xiàn)：

[1]RICHARDS C E，OBAID D R.Low-dose radiation advances in coronarycomputedtomographyangiographyinthediagnosisof coronaryarterydisease[J].CurrentCardiologyReviews，2019，15 （4）：304-315.

[2]FUENTES-ORREGOJM，SAHANI DV.LoW-dose CT in clinical diagnostics[J].Expert Opinion on Medical Diagnostics，2013，7（5）： 501-510.

[3] ALKADHI H，LESCHKA S.Radiation dose of cardiac computed tomography-what hasbeenachievedandwhatneeds to bedone [J].EuropeanRadiology，2011，21（3）：505-509.

[4] HEINRICH A，SCHENKL S，BUCKREUS D，et al.CT-based thermometrywith virtual monoenergetic imagesby dual-energy of fat，muscleandboneusing FBP，iterativeand deep learming-based reconstruction[J].European Radiology，2022，32（1）：424-431.

[5] MCCOLLOUGH C H.CT dose：how to measure，how to reduce[J]. HealthPhysics，2008，95（5）：508-517.

[6] IHDAYHIDAR，SAKAGUCHIT，LINDEJJ，etal.Performanceof computedtomography-derivedfractionalflowreserveusing reduced-ordermodellingandstatic_computedtomographystress myocardialperfusionimaging fordetection ofhaemodynamically significant coronary stenosis [J].European Heart Journal Cardiovascular Imaging，2018，19（11）：1234-1243.

[7]ZHULJ，HA RS，MACHIDAH，et al.Image quality of coronary CT angiographyat ultra low tubevoltage reconstructed withadeeplearningimagereconstructionalgorithmin_patientsofdifferent weight[J].Quantitative Imaging in Medicine and Surgery，2023，13 （6）：3891-3901.

[8] WANGMZ，F(xiàn)ANJ，SHIXF，etal.A deep-learningreconstruction algorithmthat improvesthe_imagequalityof low-tube-voltage coronary CTangiography[J].European JournalofRadiology， 2022，146：110070.

[9] WANG H W，WANG R，LI Y，et al.Assessment of image quality of coronarycomputedtomographyangiographyinobesepatientsby comparingdeeplearningimagereconstructionwithadaptive statistical iterative reconstructionveo[J].Journal of Computer AssistedTomography，2022，46（1）：34-40.

[10] MILETOA，GUIMARAESLS，MCCOLLOUGHCH，etal.Stateof theart in abdominal CT：the limits of iterative reconstruction algorithms[J].Radiology，2019，293（3）：491-503.

【11] WILLEMINKMJ，NOELPB.Theevolutionof image reconstruction forCT-from filtered back projection toartificial intelligence[J]. EuropeanRadiology，2019，29（5）：2185-2195.

[12] MCLEAVYCM，CHUNARAMH，GRAVELLRJ，etal.Thefuture ofCT：deep learning reconstruction[J].Clinical Radiology，2021，76 （6）：407-415.

[13] KIMJH，YOON H J，LEE E，et al. Validation of deep-leaming imagereconstructionfor low-dosechest computed tomography scan：emphasis on image qualityand noise[J].Korean Journal of Radiology，2021，22（1）：131-18.

（收稿日期：2023-10-27）