深度学习算法优化儿童超低剂量气道CT 的可行性

孙记航 高军 王帆宁 王蓓 霍爱华 刘志敏 彭芸

CT 是显示肺组织结构的良好成像手段，目前胸部CT 已成为常规的影像学检查，特别是COVID-19 流行期间，胸部CT 已经成为极为重要的筛查手段［1-3］。胸部CT 可以明确肺部疾病，也是评估大 气道的重要手段［4,5］，如气道狭 窄［6］，支气管异物［7］，以及手术前麻醉医师对气管情况的评估［8,9］。如何降低常规胸部CT 检查的辐射剂量，使之更加符合“尽可能低剂量原则”（as low as reasonably achievable，ALARA 原 则）［10］是放射科医生关注的问题。近年来，迭代重组（iterative reconstruction，IR）算法在临床上得到了广泛的应用［11-14］。但是，IR 图像中会出现模糊伪影或斑点状外观，大大影响了图像的降噪效率，如何进一步提高图像的降噪效率是近年来研究的热点问题［15,16］。在此期间，基于人工智能和深度神经网络的深度学习图像重组（deep learning image reconstruction，DLIR）算法得到了发展。研究表明，使用DLIR 可以在避免IR 算法模糊伪影的同时进一步降低图像噪声，从而提高图像质量［17］。笔者拟尝试利用DLIR 重组算法来优化一组儿童超低放射剂量胸部CT 图像质量，使之满足对大气道的评估要求，为进一步降低儿童胸部CT 的放射剂量提供临床依据。

资料与方法

本研究得到本院伦理委员会的批准。在胸部CT 检查前获得家长的书面知情同意书。本研究选取北京市儿童医院2019 年10 月21 日～2019 年11 月1 日间进行胸部增强CT 检查的连续病例，入组标准为：（1）诊断为恶性肿瘤，需要复查胸部增强CT 进行瘤灶评估；（2）3 个月内曾行增强胸部CT 检查，其中平扫序列为低剂量胸部CT 扫描；（3）年龄小于18岁；（4）病情稳定，较上一次复查没有新发呼吸道症状、体重迅速减轻等。入组当日的CT 平扫检查设为观察组，采用超低剂量CT（ultra low dose CT，ULD-CT）进行检查；3 个月内的既往低剂量胸部CT（low dose CT，LD-CT）平扫检查作为对照组。共有17 例患儿入组，男11 例，女6 例，平均（6.5±3.0）岁，范围3～12岁。学龄前组（3～6岁）10 例，学龄组（7～12岁）10 例。

1.CT 数据采集

所有检查均在256 排多排CT 扫描仪（Revolution CT，GE Healthcare）上进行，观察组使用ULD-CT检查方案，采用管电压80 kV（3～6岁）或100 kV（7～12岁），管电流10 mA，转速为0.35 s。对照组使用LD-CT 检查方案，采用固定管电压100 kV，转速为0.5 s。采用自动管电流调制技术，管电流在50～500 mA 范围内，使0～1岁儿童噪声指数达到11，1～7岁儿童噪声指数为13，7岁及以上儿童噪声指数为15。所有检查探测器宽度为40 mm，扫描层厚为5.0 mm，层厚间距为5.0 mm。检查时确保患儿处于安静状态时进行，对于不能合作的儿童，给予10%水合氯醛口服，剂量为0.4 ml/kg（按体重计），直到患者入睡后才开始扫描。

2.CT 数据重组

观察组将得到的ULD-CT 原始数据重组为50%ASIR-V 图像，低强度DLIR（DL-L），中强度DLIR（DL-M）及高强度DLIR（DL-H）4 组图像。对照组将得到的LD-CT 原始数据重组为50%ASIR-V图像。所有5 组图像均采用层厚0.625 mm，层间距0.625 mm 的标准算法重组图像，不采用任何图像增强。

3.图像质量评价

所有图像均传输至Advantage Workstation 工作站（AW 4.7，GE Healthcare）。两名具有15 年和8 年儿童放射诊断经验的医师共同采用5 分制对所有图像进行主观图像质量评价，评价过程中所有病人信息和扫描方案相关的信息全部进行屏蔽，观察者可根据自己的观察习惯调整图像的窗宽和窗位，并允许使用多平面重组和三维重组技术。如两位观察者给出的分数不一样，则请另一位具有20 年儿童放射诊断经验的资深放射科医师对图像进行评估并给出最终分数。主观评分针对气管及双侧支气管显示能力、气道壁的清晰程度进行评分。3 分以上作为合格，5 分为佳。具体评价标准为：5 分为优秀，气管及支气管完整显示，边界清晰，可观察到段及以下支气管分支并显示清晰；4 分良好，气道显示完整，边界较清晰，可观察到段支气管；3 分合格，气道显示完整，边界欠清晰，段支气管观察欠满意；2 分，不合格，可完整显示气管及双侧支气管，但是管壁模糊，无法准确测量管径宽度；1 分为无法对气管形态进行满意的观察。

主观评价后，两名观察者一起在工作站上进行客观测量，选取右侧中间段支气管远端分叉层面，选取该层面右肺下叶均匀的肺野，放置类圆形兴趣区，兴趣区面积为同层面降主动脉面积的1/4（图1），测量其CT 值和标准差（standard deviation，SD）值，标准差即为图像噪声值。如该层面存在病变，则选取右肺中叶或左侧肺野没有病变的均匀肺实质区域进行测量。

4.统计分析

数据以平均值±标准差表示。放射剂量统计CT辐射剂量指数（volumetric CT dose index，CTDIvol），并根据ICRP103 报告计算有效剂量［18］。对5 组图像结果进行统计分析，连续变量服从正态分布，采用方差分析，并应用Bonferroni 进行组间比较；采用Friedman 检验对不符合正态分布的变量进行分析。P<0.05 被认为有统计学意义的差异。

结果

超低剂量组CTDIvol和有效剂量为（0.07±0.03）mGy 及（0.04±0.01）mSv，较低剂量组（3.2±0.8）mGy 及（2.1±0.5）mSv 降低了97.81%和98.10%（P<0.001）（表1）。主观及客观评分结果见表2。客观评价方面，所有图像CT 值无统计学差异。超低剂量组图像噪声值50%ASIR-V 图像为50.6±10.1，DL-L 为57.5±11.5，DL-M 为52.2±10.8，DL-H 为43.2±10.0（图2），DL-H 图像噪声在所有超低剂量组中最低，但所有超低剂量组图像的噪声值较对照组（27.5±8.2）明显增高（P<0.05）。主观评价结果显示所有大气道评分均高于3 分，其中DL-H 为（4.7±0.3）分，接近对照组的（4.9±0.1）分（图3）。

讨论

儿童，尤其是婴幼儿，在反复肺炎、顽固性喘息或咯血时，需行CT 检查，以发现气道病变，明确有无气道受压变形、气管内肿物等疾病，为进一步增强CT 明确有无血管畸形［4-7］提供形态学支持，同时，麻醉医师也需要借助CT 结果评价气道长度及有无狭窄，指导麻醉插管型号的选择及判断插入深度［8,9］。所以，胸部CT 是儿童常用检查，使用低剂量检查有利于降低儿童所接受的辐射剂量。气道内含有的气体与周围软组织对比明显，本身具有良好的密度差，不需要很低的噪声即可获得良好的图像对比噪声比，非常适合采用低剂量CT扫描［19］，因此以观察气道为目的的胸部CT 可使用更低的放射剂量，低剂量气道CT 结合IR 算法也一直被关注，所使用的放射剂量已明显降低，达到0.09 mSv 的水平［19］。

研究表明，使用DLIR 算法后，在客观噪声评价方面，虽然DL-H 图像可大幅度降低超低剂量胸部CT 的图像噪声（较常规ASIR-V 图像降低了14.62%），但较对照组图像仍较高（43.2±10.0 比27.5±8.2），同时可观察到DL-L 图像和DL-M 图像噪声甚至高于50%ASIR-V 图像，与之前的研究结果不符，考虑为样本量过少、低电压所致的硬化伪影所致。根据之前的体模研究结果显示，IR 图像的低噪声是建立在降低NPS 的基础上实现的，与DLIR 从数据源头通过人工智能的神经网络去除噪声的方式不尽相同［17］。由于IR 需要使用固定的预制数据模型来重组数据，所以通常会使图像出现片状或塑料样伪影，影响图像的主观观察效果，特别是在高权重的情况下，虽然测量的图像噪声值很低，但是图像边缘模糊，对进一步评价图像主观质量实际帮助不大［20-22］。DLIR 不同于传统的IR 算法，它通过深度学习过程重构图像，无需将实际系统的复杂模型简化为有限的数据模型。这些模型可以通过训练过程直接形成，有较高的维数和数百万个参数，可同时由计算机进行训练和处理。DLIR 算法在抑制噪声的同时重组CT 图像，在不改变噪声纹理或不影响解剖和病理结构的情况下显示出巨大的潜力，在这个过程中产生的图像信息的完整性保持不变，无任何人为添加或遗漏的发现［17,22］。DLIR 可平衡传统IR 算法在图像噪声和空间分辨率的关系，这在体模研究和一些最新的临床研究中得到了证实［17,20-22］，回顾之前一项使用IR 图像的超低剂量CT 研究结果，发现IR 优化的超低剂量CT 气道的评分结果大多数为4 分，反映出IR 算法对提升大气道显示能力的效果有限［19］。结果显示DL-H 的图像评分可达4.7分，接近对照组的评分（4.9 分），反映出DLIR 可较为真实的反映气道情况，更适合在低剂量扫描条件下显示儿童气道。

表1 观察组与对照组的放射剂量结果

表2 观察组与对照组的主观评分及客观评分结果

图1 8岁男孩，客观测量兴趣区选择，超低剂量扫描图像。采用DL-H 重组，选取右侧中间段支气管远端分叉层面，选取该层面右肺下叶均匀的肺野，放置类圆形兴趣区（圈），兴趣区直径为同层面降主动脉直径的1/2,面积为1/4 图2 8岁男孩，淋巴瘤化疗期间复查胸部增强CT 观察瘤灶变化。a)～d)为超低剂量扫描图像，扫描电压80 kV，CTDIvol为0.05 mGy，DLP 为1.35 mGy·cm，有效剂量为0.02 mSv，多平面重组获得冠状位图像，层厚0.625 mm，分别重组为50%ASIR-V、DL-L、DL-M 和DL-H 图像，所有图像均可清晰显示气道形态，DL-H图像噪声最低，气管内噪声很少，气管壁显示最为平滑、清晰，图像质量较a)明显提升，与e)常规低剂量50%ASIR-V 图像质量最为接近；e)图像扫描的CTDIvol为3.18 mGy，DLP 为76.44 mGy·cm，有效剂量为1.9 mSv 图3 8岁男孩，淋巴瘤化疗期间复查胸部增强CT 观察瘤灶变化，a)～d)为超低剂量扫描图像，扫描电压80 kV，CTDIvol为0.05 mGy，DLP 为1.35 mGy·cm，有效剂量为0.02 mSv，采用气道实体化工具获得3D 重组图像，分别重组为50%ASIR-V、DL-L、DL-M 和DL-H 图像，所有图像均可清晰显示气道形态，DL-H 气道最为光滑，与e)常规低剂量50%ASIR-V 图像质量最为接近；e)图像扫描的CTDIvol为3.18 mGy，DLP 为76.44 mGy·cm，有效剂量为1.9 mSv

本研究有几个局限性：第一，样本量小，本研究为实验性研究，入组病例数量少，导致客观测量结果较之前文献有一定差距；第二，考虑到儿童生长发育体型变化较大，体重指数（body mass index，BMI）随年龄变化较大，所以本研究根据之前文献介绍的相关儿童胸部CT 研究方案［23］，采用了年龄作为扫描条件的分组依据，而没有关注BMI 对结果的影响；第三，仅探讨了对气道的显示效果，没有评价肺部组织及纵隔组织的显示效果；第四，所收集的均为需复查的肿瘤患儿，且所有患儿均处于稳定期，并没有明确的气道改变，超低剂量扫描是否可判断气道病变，需进一步的研究。

本研究表明，在0.04 mSv 的超低辐射剂量下，结合使用高强度DLIR 算法，可以在降低98%放射剂量的基础上，得到可供满意诊断的气道图像。