DLIR与FBP、ASIR-V重建算法对CCTA图像质量影响的对照研究

杨彦兵，阮小伟，谢志远，于梓婷，杨利莉，哈若水，汪 芳

由于社会老龄化、居民生活水平的提高及缺乏锻炼等相关因素，心血管疾病已经成为威胁人类健康的第一大杀手，并且呈现出低龄化、低收入群体的趋势，其病死率已经高于肿瘤及其他疾病，其中冠状动脉粥样硬化性心脏病(CAD)是仅次于高血压及脑卒中的第三大心血管疾病[1]。冠状动脉计算机断层摄影(CCTA)由于其诸多优点已经成为临床最常用的CAD筛查手段，其在改善低中级CAD患者的风险分层和管理方面已经得到认可[2]。随着CCTA的广泛应用，其带来的辐射剂量问题引起了人们广泛的关注。CT硬件设备更新及扫描参数的改变可降低辐射剂量，如降低管电压、管电流以及大螺距扫描等均可降低辐射剂量，但同时会降低图像质量从而影响诊断。近年来，人工智能(AI)一直是比较热点的话题[3-6]。有人将AI应用到CT图像的重建中，即基于深度学习图像重建算法(DLIR)，本研究就DLIR重建算法对CCTA图像质量的影响进行评价。

1 资料与方法

1.1 一般资料：选择2019年11月至2020年2月在我院接受CCTA检查的38例疑诊冠心病患者，其中男18例，女20例，年龄36～67岁，主要临床症状有胸闷、心悸等。

1.1.1 纳入标准：①顺利完成CCTA检查；②临床资料完整；③检查前控制心率<75次/min；④肝肾功能正常者。

1.1.2 排除标准：①碘对比剂过敏；②冠脉支架置入或搭桥治疗；③严重心律不齐；④患有甲亢等不能注射造影剂；⑤CCTA图像质量达不到诊断要求；⑥钙化积分较高而不好评价图像质量者。本研究获得所有患者书面知情同意，并经医院伦理委员会批准。

1.2 设备及扫描参数：采用美国GE公司的Revolution CT，扫描参数为：管电压120 kV、管电流为自动管电流20～290 mA、机架旋转速度0.5 s/r、探测器配置64*0.625、Pitch值1.375、SFOV Large Body；双筒高压注射器，对比剂为碘帕醇350 mgI/mL，注射流率4.0 mL/s，剂量0.8 mL/kg，经左手背注入。

1.3 检查方法及图像处理：受检者仰卧位，双手举过头顶，扫描时嘱受检者屏气，一次屏气完成扫描，扫描范围包括整个心脏，扫描层厚为5 mm。采用Smartprep技术动态监测气管隆突下方1 cm处的降主动脉，检测阈值设为60 HU，检测延迟扫描时间为9.4 s，后以相同流速追加20～30 mL生理盐水冲洗。在检查前心率达不到要求者，应舌下含服美托洛尔25～50 mg。

扫描完成后在主机上利用原始图像重建不同的薄层轴位图像,并传输至ADW4.7后处理工作站，包括FBP、50%ASIR-V、80%ASIR-V，另将原始DICOM图像刻盘返回 GE厂家进行DLIR重建，包括L、M、H 3个水平，后将重建好的DLIR图像导入ADW4.7后处理工作站。所有重建图像层厚均为1.25 mm。

1.4 观察指标

1.4.1 图像主观评价：由两位有10年以上血管组工作经验的副主任医师，在后处理工作站采用平面重组(MPR)、曲面重建(CPR)、最大密度重建(MIP)、容积再现(VR)等技术对6组不同重建算法的图像进行盲评(患者信息及重建算法)，按Likert分级标准：4分，图像质量优良，血管壁边缘光整，无阶梯伪影或血管中断；3分，图像质量欠佳，血管壁边缘欠光整，或有轻度错层伪影，但不影响血管评价；2分，图像质量略差，血管壁边缘模糊，有轻度错层伪影，但能满足诊断；1分，血管显示不清，或有严重阶梯状伪影，不能用于诊断。图像的最终得分为其平均值。

1.4.2 图像客观评价：由一位主治医师在ADW4.7后处理工作站，对相同期相、层面及位置的6组横轴位图像进行测量以下数据：左、右冠状动脉开口层面主干CT值(其平均值为CT1)，ROI大小在5～10 mm2；同层面前胸壁皮下脂肪CT值(CT2)及对应的噪声(SD)，ROI大小在30～50 mm2，各测量层面选取3个ROI，取其平均值。通过计算得到CNR= CT1-CT2/SD，SNR= CT1/SD。6组图像的ROI用复制、粘贴方法，以确保ROI的大小一致。

2 结果

以不同方式及权重水平重建算法对图像质量的主观评价及客观评价结果，见表1 。

表1 不同方式及权重水平重建算法图像质量的比较

2.1 图像质量主观评价：对图像质量的主观评分一致性较好(K=0.79)；不同重建算法图像质量的得分依次为：DLIR-H>DLIR-M>DLIR-L>80%ASIR-V>50%ASIR-V>FBP，DLIR-H与FBP、ASIR-V(50%、80%)重建算法比较，差异均有统计学意义(P<0.05)。

2.2 图像质量客观评价：FBP、ASIR-V及DLIR重建算法CT值差异均无统计学意义(P>0.05)；随着ASIR-V及DLIR水平的增加，图像噪声均减低，与FBP比较差异均有统计学意义(P<0.05)，DLIR-H与50%ASIR-V比较差异有统计学意义(P<0.05)；随着ASIR-V及DLIR水平的增加，CNR、SNR均增加，与FBP比较差异均有统计学意义(P<0.05)，DLIR-H与50%ASIR-V比较差异有统计学意义(P<0.05)；DLIR-M与80%ASIR-V的噪声、CNR、SNR、CT值相当，但DLIR-M主观评分较80%ASIR-V高(P<0.05)。

3 讨论

从CT应用以来，不同公司先后推出了众多不同的图像重建算法，如滤波反投影算法(FBP)、代数重建算法(ART)、自适应统计迭代重建(ASIR)、基于模型的迭代重建(MBIR)和基于多模型的自适应统计迭代重建(ASIR-V)等。FBP和ART为最早的重建算法，ART由于计算量大、重建时间长而限制了其广泛应用，FBP的重建时间较ART快2～2.5倍，其空间分辨率、密度分辨率及抗噪性尚可，因此其应用最多。ASIR、ASIR-V及MBIR为GE公司先后推出的重建算法，ASIR-V是介于ASIR 和 MBIR 之间的混合自适应迭代重建算法，其借鉴了 ASIR 重建速度快和MBIR基于多模型迭代重建图像、质量好的优势,具有提高图像质量、降低辐射剂量的潜力，可通过改变自身权重,达到不同程度的降噪效果。但有多项研究显示，图像质量并不是和迭代权重呈正比，当ASIR-V权重过高时，图像将会出现“蜡质”伪影[7-11]。传统的重建算法由于噪声、重建速度、空间分辨率、伪影等多种因素，限制了图像质量进一步的优化及对辐射剂量的降低。

AI在利用深度神经网络(DNN)改进CT图像重建方面的潜力得到了研究。本研究中应用的DLIR是以高剂量FBP图像为“金标准”进行训练，将低剂量图像与相同数据高剂量FBP图像的图像噪声、噪声纹理、低对比度分辨率等多个参数进行比较，对输出图像的差异反馈于DNN供其修改，并多次重复该过程，直至输出图像与相同数据高剂量图像达到精确匹配[12]。

本研究显示，50%ASIR-V、80%ASIR-V较FBP噪声分别减低3.3%、5.1%，这进一步证实随着迭代权重的增加,ASIR-V图像噪声逐渐减低,符合ASIR-V由迭代图像与FBP图像按一定比例混合而成的物理基础，这与以往PONTONE G等人[11]的研究结果相一致。DLIR-H较80%ASIR-V噪声降低14.7%，DLIR-M与ASIR80%噪声相当，但DLIR-M主观评分较80%ASIR-V高。DLIR-H较FBP及80% ASIR-V重建算法的CNR分别增加131.5%、12.5%，LIR-H较FBP及80% ASIR-V 重建算法的SNR分别增加134.8%、18.1%，差异有统计学意义(P<0.05)，这与GREFFIER J等人在体模及腹部、胸部、颅脑等部位的研究结果一致[13-16]。因此，DLIR在降低图像噪声及提升图像质量方面明显优于ASIR-V，这也间接说明其在降低辐射剂量方面有较大的潜力。

本研究的不足之处为该组病例为随机选择，部分病例为正常患者，所以仅仅分析了DLIR对图像质量的影响，并未分析DLIR对诊断准确性的影响。