探讨70 kV 联合深度学习重建算法对大体重患者CCTA 图像质量的影响

朱丽娟 禹志鹏 沈云 石骁萌 哈若水 杨利莉 汪芳

随着我国经济水平的发展，居民饮食条件的改善，超重及肥胖人群日益增长，超重与肥胖患病率已达28.1%与5.2%，冠心病（CAD）的发病率日益增高［1］。冠状动脉CT血管成像（CCTA）已成为无创性检查冠心病的常规手段［2］，辐射暴露问题随之受到广泛关注，与常规管电压（100、120 kV）相比，低管电压70 kV通过明显提高增强效果和对比信噪比而成为可实现低辐射的有效路径。矛盾的是，超重及肥胖人群存在较多的脂肪组织，使X线吸收衰减较高，图像噪声较高，需要较高的管电压提高X线穿透能力，从而使图像达到诊断需求。为了平衡两者，目前，临床上常规使用的迭代重建算法可以明显降低噪声，提高图像质量［3］。

近年来，人工智能在医学领域以一种前所未有的速度不断发展［4］。在心血管系统中，深度学习作为人工智能的一个子集，展现了较高的潜能，相对于迭代重建算法，深度学习重建算法（DLIR）可以处理更多的模型及参数，具有较高提升空间［5］。目前已有研究证明，基于DLIR可以提高CCTA图像质量［6］。本次研究使用的GE新一代Revolution Apex CT管电压最低可以达到70 kV，管电流最高可达到1 300 mA，同时具备DLIR和基于多模型的自适应统计迭代重建-Veo（ASiR-V）降噪算法。基于此，本研究对比常规自适应统计迭代算法，探讨DLIR在超重和肥胖患者中对CCTA图像质量的影响。

方 法

1. 一般资料

回顾性分析于2021年9月—2022年1月在我院Revolution Apex CT扫描CCTA图像的96例患者，按照原国家卫生和计划生育委员会2013年4月18日发布的《中华人民共和国卫生行业标准——成人体重判定》的标准，将其体重划分为标准体重（18.5 kg/m2≤BMI＜24 kg/m2）、超重（24 kg/m2≤BMI＜28 kg/m2）和肥胖（BMI≥28 kg/m2），并以此为参考，将受检者分为标准体重组和大体重（包括超重和肥胖）组。排除标准：①BMI＜18.5 kg/m2；②未成年患者；③碘对比剂过敏者；④严重心功能不全，各种心率失常；⑤冠状动脉支架植入术后；⑥孕妇和哺乳期妇女。

2. 检查方法

采用我院Revolution Apex CT，双期注射扫描，应用非离子型含碘对比剂碘克沙醇（350 mgI/mL），流率5.0 mL/s，对比剂注射量根据0.8 mL/kg计算，监测点为气管分叉水平降主动脉血管中心。扫描范围：上界自气管隆嵴下1～2 cm水平（根据患者体型调整），下界达心脏膈面，左右各大于心缘两侧1～2 cm。扫描参数：管电压70 kV，自动管电流（100～1 300 mA），预设噪声指数（NI）为24 HU，矩阵512×512像素，重建间隔0.625 mm，重建层厚为0.625 mm。采用冠状动脉追踪冻结技术（SSF SnapShot Freeze）降低运动伪影。对原始数据进行不同算法重建，包括自适应统 计 迭 代 重 建（ASIR-V40%）及DLIR（low、medium、high），所得原始数据传输至GE AW4.7独立工作站进行冠状动脉图像后处理。

3. 图像质量评价

客观图像评价：于主动脉根部（AO）、右冠状动脉（RCA）、左主干（LAM）、左前降支（LAD）、左回旋支（LCX）近端及竖脊肌（主动脉根部水平）各勾画1个感兴趣区（ROI），位于目标血管中央；测量血管避开周围钙化，测量竖脊肌尽量避开脂肪、骨骼，放置于主动脉根部及竖脊肌的ROI范围约100 mm²，各冠状动脉近端的ROI为避开周围干扰的管腔最大值，记录目标血管的CT值和SD值，定义竖脊肌的SD值为背景噪声（noise，N）。计算各冠状动脉的对比噪声比（CNR）和图像背景的信噪比（SNR）：CNR=（血管平均CT值-竖脊肌平均CT值）/竖脊肌的SD值；SNR=竖脊肌平均CT值/竖脊肌的SD值。

主观图像评价：由2名具有5年以上工作经验的影像科医师采用Likert 5级评分法［7］进行评估。5分：图像质量优异，无噪声及运动伪影，组织结构显示非常清晰；4分：图像质量好，有轻微噪声及伪影，组织结构细节显示清晰；3分：图像质量尚可，存在较多噪声及伪影，组织结构细节可见；2分：图像质量差，噪声较大、伪影较重，组织结构显示欠佳；1分：扫描失败，图像非常差，组织结构显示不清。3～5分为可评估图像。

4. 辐射剂量

记录每位患者CT扫描结束后自动生成的CT剂量指数（volume CT dose index，CTDIvol）和剂量长度乘积（dose length product，DLP），按公式计算有效辐射剂量（effective dose，ED）：ED=DLP×K，本次研究中胸部转换因子K取0.014 mSv/（mGy·cm）［8］。

5. 统计学分析

采用SPSS20.0统计分析软件。根据计量数据分布情况，以±s或M（P25，P75）表示。将数据进行正态检验，若符合正态分布采用独立样本t检验；不符合正态分布或方差不齐的数据，采用两独立样本秩和检验；计数资料采用方差检验，P＜0.05表示差异有统计学意义。应用Kappa检验评价两位观察者间一致性，Kappa值＜0.4为一致性差；0.4≤Kappa值≤0.6为一致性中等；0.6＜Kappa值≤0.8为一致性较好；Kappa值＞0.8为一致性好。

结 果

1. 基本资料与辐射剂量比较

两组患者年龄、性别无统计学差异（P＞0.05）。标准体重组平均BMI为（21.93±1.35）kg/m2，大体重组平均BMI为（26.37±1.50）kg/m2，两组间差异具有统计学意义。标准体重组的CTDIvol平均为（6.78±2.26）mGy，DLP平均为（95.42±29.99）mGy·cm，ED平均为（1.36±0.42）mSv；大体重组的CTDIvol平均为（7.96±2.38）mGy，DLP平均为（113.68±33.07）mGy·cm，ED平均为（1.59±0.46）mSv。两组间的差异具有统计学意义（均P＞0.05）。详见表1。

表1 标准体重组与大体重组一般资料

2. 客观图像评价

大体重组ASiR-V40%重建图像的噪声略高于标准体重组，相应SNR及CNR低于标准体重组，但两组间差异均无统计学意义（P＞0.05）。大体重组中，DLIR重建图像的噪声低于ASiR-V40%重建图像，DLIR-H的图像噪声最低，ASiR-V40%最高，相应DLIR-H的SNR和CNR最高，ASiR-V40%最低，且四组图像之间的差异均具有统计学意义（P＜0.05）。详见表2。

表2 大体重组与标准体重组重建算法图像客观指标分析

3. 主观图像评价

在大体重组中，医师A、医师B对DLIR-H重建图像的平均质量评分均最高，接近5分，对ASiR-V40%重建图像的评分最低；对比大体重组和标准体重组，前者ASiR-V40%重建图像评分略高，但两组间差异没有统计学意义（P＞0.05）。详见表3。

表3 大体重组和标准体重组主观图像评分比较

讨 论

CCTA低剂量个性化扫描是近些年的研究热点。影响辐射剂量的途径有多种，包括调节管电压、管电流，增大螺距，改变层厚，采用前门控技术以及图像重建算法等，其中管电压与辐射剂量呈指数关系，当使用固定管电流（mA）时，降低管电压可显著降低ED［9］，同时可明显提高增强效果。但进行常规CCTA检查时，常规使用自动管电流，当降低管电压至70 kV，管电流会显著提高。但是对于大体重患者，冠状动脉血管本身达到适宜强化程度难度较大，加上辐射剂量不足所致的噪声加大，干扰图像对于冠脉狭窄程度、粥样硬化斑块性质的显示，影响诊断的灵敏度、准确性及疾病的治疗预后［10］。以往本院常规使用的Revolution CT，将管电压调至70 kV时，最大管电流为500 mA，严重限制了低管电压70 kV在CCTA检查中的应用；本次研究采用Revolution Apex CT，在70 kV低管电压扫描条件下，管电流可高达1 300 mA，能够增加血管的CT值（增强效果），有助于病变血管的显示。

虽然低管电压可以提高图像CT值，但同时图像噪声容易增大，因此需要进一步改善图像重建栓发，优化图像质量。自适应迭代重建算法（ASiR-V）是最早、也是研究最广泛的迭代重建技术之一，多项临床研究证实在很多不同的临床诊断任务上应用ASiR-V可以在降低辐射剂量的同时保持图像质量［11］。随着人工智能在医学领域的广泛应用，基于卷积神经网络的深度学习重建算法（DLIR）用于CT图像降噪处理。与目前临床普遍认可的迭代重建算法（IR）相比，深度学习重建算法具有以下几点优势：①DLIR 在维持空间分辨率和纹理条件下具备更强的降噪能力；②噪声与辐射剂量密切相关，DLIR可允许更低的辐射剂量；③通过从厚层图像中创建薄层图像虚拟改善空间分辨率；④DLIR可有效改善线束硬化伪影［12］。

本研究结果表明，在大体重组中，相较于ASiR-V40%重建图像，DLIR重建图像可明显降低图像噪声，并且显著提高图像质量，同时随着降噪级别（DLIR-L为低级别降噪，DLIR-H为高级别降噪）逐步提升，SNR及CNR越来越高，相较于DLIR-L，DLIR-H的SNR提高了44.4%，CNR平均提高了79.6%，主观图像质量评分也更优质；既往研究［13］比较了采用70 kV联合DLIR-H算法与采用120 kV联合ASiR-V50%算法的CCTA扫描方案，结果显示低管电压联合DLIR具有更佳的图像修正能力，与本次研究结果相一致。临床工作中，对于超重及肥胖人群多采用高电压进行图像扫描，以期降低图像噪声，显示更多的组织结构细节，但辐射暴露问题不容忽视，为平衡辐射剂量与图像质量，有效的降噪处理是必不可少的，一项针对超重和Ⅰ级肥胖人群图像重建算法的研究［14］显示，其平均ED为（2.21±0.05）mSv，本研究虽然大体重组的辐射剂量仍高于标准体重组，但平均ED为（1.59±0.46）mSv，辐射剂量明显降低。

本次研究的局限性：①样本量较小，未细致区分超重和肥胖患者，研究结果可能存在偏倚；②未纳入冠脉支架植入术后患者及冠脉旁路移植术后患者；③未与常规管电压120、100 kV扫描的超重及肥胖患者的CCTA图像进行对比。

综上所述，大体重患者进行CCTA常规ASiR-V40%重建算法与标准体重者图像质量间未见差异，均可进行诊断；相较于ASiR-V40%重建算法，超重和肥胖人群，在70 kV低管电压扫描条件下，联合DLIR-H算法可以进一步降低图像噪声，提升图像质量，提高诊断信心。