超低管电压联合DLIR-H算法在冠脉CT血管成像“双低”扫描中的应用价值

文雨婷，李万江，李真林，潘雪琳，帅桃，刘嘉丽

四川大学华西医院 放射科，四川 成都 610041

引言

冠状动脉CT血管成像（Coronary Computed Tomography Angiography，CCTA）是一种无创、风险小且临床诊断率高的检查手段，广泛应用于冠心病的筛查、诊断及术后复查等[1]。然而，CCTA因其电离辐射特性备受外界关注[2]。降低辐射剂量的途径有多种，包括降低管电压、采用前门控技术以及图像重建算法等，均可直接或间接降低CCTA辐射剂量[3-4]。同时，随着对比剂肾病的不断报道，CT检查中的对比剂用量成为另一大安全隐患[5]。因此，双低扫描（低辐射剂量、低对比剂用量）成为现阶段CT增强检查的热门研究方向。降低管电压是实现双低扫描最有效的方法，但往往会因为X线能量降低，穿透力减弱，图像噪声增加，从而影响诊断[6]。近年来，随着人工智能技术的不断成熟，深度学习已逐渐应用于医学领域，例如计算机辅助诊断、图像质量控制等[7]。有报道指出深度学习图像重建（Deep Learning Image Reconstruction，DLIR）算法的降噪能力高于自适应统计迭代重建（Volume-based Adaptive Statistical Iterative Reconstruction，ASIR-V）[8]。GE新一代Revolution Apex CT可提供70 kVp扫描模式，同时具备DLIR和ASIR-V降噪算法。本研究旨在探讨与传统120 kVp联合ASIR-V算法相比，超低管电压（70 kVp）联合高权重深度学习图像重建（High-strength Deep Learning Image Reconstruction，DLIR-H）算法在常规体质指数（Body Mass Index，BMI）（BMI<24 kg/m2）患者行CCTA扫描时,对辐射剂量、对比剂用量和图像质量的影响。

1 资料与方法

1.1 一般资料

前瞻性收集2021年3—5月因疑似冠状动脉疾病于我院拟行CCTA检查的患者72例。纳入标准：①BMI<25 kg/m2；② 呼吸配合良好。排除标准：① 碘对比剂过敏；② 甲状腺疾病；③ 严重肾功能不全或肾衰竭；④ 心功能不全或心力衰竭；⑤ 冠状动脉搭桥或支架植入术后。将72例患者随机分为A、B两组，每组36例。A组男17人，女19人，年龄33～82岁，平均（63.50±12.62）岁，该组患者在70 kV管电压下行CCTA。B组男18人，女18人，年龄51～82岁，平均（64.89±10.17）岁，该组患者在传统120 kV管电压下行CCTA。本研究已通过本院伦理委员会审核，并且所有研究对象于检查前签署对比剂使用知情同意书。

1.2 仪器与方法

所有患者均使用256排宽体探测器CT扫描仪（Revolution Apex CT；GE Healthcare）行CCTA扫描。患者足先进、仰卧位，双手上举置于头侧，扫描前进行呼吸训练并连接心电门控电极，CCTA扫描范围自气管分叉部至心底。两组均采用自动管电流调节技术，球管转速0.28 s/r，扫描层厚0.625 mm。A组采用70 kV管电压，噪声指数（Noise Index，NI）设置30 HU，管电流范围500～1300 mA；B组采用传统120 kV管电压，NI设置22 HU，管电流范围400～900 mA。CCTA扫描时相：若患者心律齐（心率变化≤10次/min），心动周期采集收缩期（40%～55%）和舒张期（70%～80%）；心律不齐（心率变化>10次/ min），采用自动心电门控触发扫描。选用高浓度对比剂碘美普尔（400 mg/mL），A组用量16 mgI/(kg.s)，B组用量32 mgI/(kg.s)，两组均以10 s的对比剂注射持续时间计算对比剂注射流速，再分别以同等流速追加30 mL生理盐水。采用对比剂追踪技术，在升主动脉根部设置监测兴趣区，阈值150 HU，延迟时间3.1 s；平静呼吸下屏气曝光。根据CT设备智能时相技术自动推荐最佳心脏时相, 并采用快速冻结技术（Snap Shot Freeze，SSF）进行心脏搏动伪影的校正。A、B组分别采用DLIR-H与50%ASIR-V算法进行图像重建。

1.3 图像分析

1.3.1 图像质量主观评价

利用GE ADW4.7工作站对CCTA进行图像分析。图像后处理技术包括：冠状动脉采用最大密度投影、容积再现、曲面重建及多平面重建等。由两名具有5年或以上心血管诊断经验的影像医师采用盲法评分，图像评级参考美国心脏协会5分评价系统：5分，图像质量优，血管边界显示清晰，无运动伪影，图像噪声小；4分，图像质量良好，血管边界分界基本清晰，少量运动伪影，图像噪声小于平均水平；3分，可诊断，、图像质量欠佳但可以接受，图像噪声平均；2分，诊断困难，图像质量较差，血管边界欠连续，图像噪声高于平均水平；1分，不可诊断，图像质量差，血管显示模糊不清，运动伪影重，图像噪声高[9]。

1.3.2 图像质量客观评价

由两名研究者分别于横轴位图像主动脉根部层面测量胸壁脂肪CT值的标准差（Standard Deviation，SD），取两者平均值作为图像噪声，两组感兴趣区（Region of Interest，ROI）大小设置、形态及位置一致。同时测量右冠状动脉（Right Coronary Artery，RCA）、左冠状动脉前降支（Left Anterior Descending，LAD）与回旋支（Left Circumflex，LCX）近段的CT值，计算信噪比（Signal to Noise Ratio，SNR）及对比噪声比（Contrast to Noise Ratio，CNR）。计算公式：SNR=CT血管/SD；CNR=（CT血管-CT脂肪）/SD；CT血管为目标血管腔内的CT值，CT脂肪为血管临近胸壁脂肪组织的CT值。测量时尽量避开钙化、斑块及狭窄部位。

1.4 辐射剂量分析

扫描结束后，记录计算机自动生成的容积CT剂量指数（CT Dose Index Volume，CTDIvol）， 单 位：mGy；以及放射剂量长度乘积（Dose Length Product，DLP），单位：mGy.cm。患者所接受的辐射剂量采用有效辐射剂量（Effective Dose，ED）表示，单位：mSv，计算公式为：ED=k×DLP，其中k为转换系数，参照欧洲CT质量标准指南取胸部平均值0.014 mSV/(mGy.cm)[10]，同时计算并记录碘摄入量。

1.5 统计学分析

采用SPSS 19.0统计分析软件。计量资料用均数±标准差（±s）表示。连续变量间差异比较采用独立样本t检验，包括SD、SNR、CNR、辐射剂量及碘摄入量；图像主观评分比较采用Mann-WhitneyUtest。两名影像医师评分的一致性评价采用Kappa检验（Kappa值≥0.7一致性良好，0.4

2 结果

2.1 患者一般资料对比

两组患者年龄、性别、BMI及平均心率差异均无统计学意义（P>0.05），见表1。

表1 两组患者一般资料及剂量对比

2.2 图像质量评价

72例患者共测量216支冠状动脉分支，血管CT值均高于300 HU。两组患者冠脉CT值无明显差异（P>0.05）；A组图像噪声低于B组（P<0.05），A组SNR、CNR均高于B组（P<0.05）。两组图像主观评分均≥3分，可用于诊断；A组主观质量评分高于B组（P<0.05）。两名诊断医生评分一致性良好，Kappa值均>0.7（P<0.05），见图1、表2～3。

图1 2例患者冠状动脉分支图像

表2 两组客观图像质量评价对比

表3 两组主观图像质量评价对比

2.3 辐射剂量及对比剂用量对比

两组间DLP、CTDIvol、ED及对比剂用量差异均有统计学意义（P<0.05）。A组ED（0.82±0.15）mSv，B组ED（2.23±0.93）mSv，A组较B组ED降低63.2%。A组对比剂用量（22.87±4.06）mL明显低于B组（48.64±7.09）mL，减少了53%，差异有统计学意义（P<0.05），见表1。

3 讨论与总结

当代CT技术的发展方向将围绕“快速、低剂量、深度学习及多能量”四个方向进行[11]。本研究结合了快速成像设备、低管电压与低碘对比剂用量及DLIR-H算法的综合扫描方案，为正常BMI患者行CCTA检查提供了更安全高效的选择。本研究中，A组平均ED为0.82 mSv，达到了亚毫希伏级成像，表明70 kVp低管电压可明显降低辐射剂量，相较于B组120 kVp高千伏扫描方案降低了63.2%；A组对比剂用量比B组降低了53%，相当于传统120 kVp CCTA扫描方案对比剂总量的一半。同时，70 kVp组联合DLIR-H算法可有效降低图像噪声，SNR、CNR均高于120 kVp组，在实现双低扫描的前提下提高了图像质量。

双低扫描最大的挑战在于如何在降低辐射剂量和对比剂用量的同时使图像质量达到临床诊断标准。众所周知，X线的穿透能力取决于管电压的大小。管电压越低，X线电子能量越低，患者接受的辐射剂量越少；但随着X线穿透人体组织的能力降低，获取图像量子噪声升高，图像质量降低[12]。本研究实验组虽采用70 kVp低管电压扫描，但其自动毫安调制范围高于对照组，可补偿由于X线能量不足造成的穿透力减弱；再结合DLIR-H算法高强度的降噪能力，最终使图像质量优于传统高千伏联合迭代重建算法方案。70 kVp管电压的应用，使得X线平均电子能量更接近于碘原子的K缘，对比剂衰减效果增强，目标血管CT值明显增加，可在保证冠状动脉与背景组织对比度的前提下大幅度降低碘对比剂用量，降低注射流速，从而有效减少对比剂不良反应、降低对比剂外渗的风险[13]。

自CT扫描技术问世以来，用于改善图像质量的重建算法也应运而生，早期应用广泛的有滤波反投影（Filtered Back Projection，FBP） 和 迭 代 重 建（Iterative Reconstruction，IR）[14]。FBP技术主要通过高通滤波器的原理稳定、高效地创建图像，是早期最常用的重建方法；IR算法则通过图像预估和迭代校正的方式重建图像，进而提升图像质量。与FBP相比，IR算法可降低胸部增强CT近50%的平均ED，因此IR算法逐渐取代FBP技术，成为普遍认可的CT图像重建算法[15]。随着人工智能技术应用领域的拓展，基于人工神经网络的深度学习降噪算法开始用于CT图像优化[16]。与IR算法相比，深度学习重建算法具有几点优势：① DLIR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；④ DLIR可有效改善线束硬化伪影[17]。本研究中采用70 kVp联合DLIR-H算法对比120 kVp联合50%ASIR-V算法的CCTA扫描方案，结果显示低管电压组SNR及CNR均高于高管电压组，表明DLIR具有更佳的图像修正能力。

本研究仍有一些不足：未将冠状动脉支架植入术后及严重钙化的患者纳入本研究，DLIR对该类图像质量校正效果如何有待进一步探究。本研究病例偏少,研究结果可能存在偏倚，有待收集更多病例做进一步的研究。

综上所述，70 kVp低管电压联合DLIR-H算法行CCTA扫描时可有效降低辐射剂量及对比剂用量，同时改善血管图像质量，对临床选择安全高效的冠状动脉成像方案具有重大意义。