低管电压和低流速低剂量对比剂联合高权重深度学习图像重建在冠状动脉计算机体层摄影血管造影中的应用价值

郑志硕，李 锋，梁长华，梁 盼

(1.新乡市中心医院医学影像科/新乡医学院第四临床学院，河南 新乡 453000；2.新乡医学院第一附属医院放射科，河南 卫辉 453100；3.郑州大学第一附属医院放射科，河南 郑州 450003)

冠状动脉计算机体层摄影血管造影(coronary computed tomography angiography,CCTA)已广泛应用于冠状动脉疾病的评估，然而，高辐射剂量所致的潜在癌变风险也引起了人们广泛关注。目前有多种方式可降低CT扫描辐射剂量，如降低管电压和管电流、大螺距技术、前瞻性心电触发扫描技术、迭代重建技术等[1-2]。近年来，随着人工智能技术不断完善，深度学习技术已逐渐应用于医学领域。深度学习图像重建(deep learning image reconstruction,DLIR)，利用设计的深度神经网络在保持低X射线剂量和例行CT正常处理能力的同时，生成高质量的CT图像，该图像具有出色的空间分辨率、低对比度可检测性和自然的图像纹理。研究显示，高权重深度学习图像重建(high-strength deep learning image reconstruction,DLIR-H)在保证诊断准确性的前提下，可以显著降低约43%的图像噪声，提高约62%的图像质量[3-4]。本研究旨在探讨低管电压和低流速低剂量对比剂联合DLIR-H在CCTA中的应用价值。

1 资料与方法

1.1 一般资料选择2022年5～7月新乡市中心医院收治的疑似冠状动脉性心脏病患者为研究对象。病例纳入标准：(1)体质量指数(body mass index,BMI)20～27 kg·m-2；(2)经CT图像后处理分析冠状动脉钙化积分<400；(3)患者均采用256排宽体探测器CT行CCTA前瞻性心电门控扫描。排除标准：(1)对比剂过敏；(2)肾功能不全；(3)既往行冠状动脉支架植入术；(4)心力衰竭，纽约心脏病协会心功能分级Ⅲ、Ⅳ级。本研究共纳入疑似冠状动脉性心脏病患者60例，按随机数字表法将患者分为观察组和对照组，每组30例。观察组：男16例，女14例；年龄34～80(52.96±11.61)岁，BMI 21.2～26.7(24.46±1.80)kg·m-2。对照组：男19例，女11例；年龄38～84(52.50±11.20)岁，BMI 21.1～27.0(24.87±1.57)kg·m-2。2组患者的性别、年龄、BMI比较差异无统计学意义(P>0.05)，具有可比性。本研究经过医院伦理委员会批准，所有患者和(或)家属签署知情同意书。

1.2 CCTA检查方法所有患者采用256排宽体探测器CT行CCTA前瞻性心电门控扫描，使用GE Revolution Apex 256排宽体探测器CT(美国GE公司)，单心跳轴扫模式；足先进，仰卧位，双手上举置于头部两侧，扫描范围为左、右主支气管分叉处至心底。观察组扫描参数设置：管电压80 kV、自动管电流500～1 300 mA，对比剂注射流速3.5～4.0 mL·s-1，对比剂碘海醇(350 g·L-1)剂量35～40 mL，采用DLIR-H法重建。对照组扫描参数设置：管电压100 kV、自动管电流500～1 040 mA，对比剂注射流速5.0～5.5 mL·s-1，对比剂碘海醇(350 g·L-1)剂量 50～55 mL，采用多模型迭代重建(adaptive statistical iterative reconstruction-V,ASIR-V)50%算法重建。其他参数设置：转速0.28 s·r-1，扫描层厚0.625 mm；团注跟踪技术，在降主动脉设置感兴趣区，阈值150 HU，延迟时间8 s，平静呼吸屏气曝光扫描；使用CT设备自带的智能时相技术自动推荐最佳心脏时相，采用快速冻结技术(snap shot freeze,SSF)进行心脏搏动伪影校正。

1.3 图像质量分析

1.3.1 定量分析运用工作站的右键Clone功能进行测量，以保证感兴趣区选择的形态及大小一致。由2位高年资医师在同期相同层面分别测量主动脉根部(aorta,AO)和邻近胸壁脂肪组织的CT值及其标准差(standard deviation,SD)；同时测量左前降支(left anterior descending,LAD)、左旋支(left circumflex,LCX)、右冠状动脉(right coronary artery,RCA)近段血管的CT值及其SD值，以及同层面目标血管邻近胸壁脂肪组织的CT值及其SD值，计算冠状动脉CT图像信噪比(signal to noise ratio,SNR)及对比噪声比(contrast to noise ratio,CNR)。计算公式：冠状动脉CT图像SNR=冠状动脉CT值/SD值；CNR=(冠状动脉CT值-胸壁脂肪CT值)/脂肪组织SD值。

1.3.2 定性分析由2位高年资医师分别对图像质量进行双盲定性评价，当评价结果不一致时经过讨论达成统一。定性评价指标包括图像条纹伪影、血管边缘锐利度及总体图像质量[4-5]。图像条纹伪影评分：1分：条纹伪影严重且不可评估；2分：条纹伪影干扰冠状动脉评估；3分：条纹伪影尚可，不干扰冠状动脉评估；4分：条纹伪影低于平均水平；5分：条纹伪影很少或不存在。血管边缘锐利度评分：1分：血管边缘模糊且不可评估；2分：血管边缘锐利度比平均水平差；3分：血管边缘锐利度处于平均水平；4分：血管边缘锐利度好于平均水平；5分：血管边缘清晰。总体图像质量评分：1分：总体图像质量不可接受；2分：总体图像质量差；3分：总体图像质量尚可；4分：总体图像质量好；5分：总体图像质量优秀。评价图像时允许调整窗宽及窗位。

1.4 辐射剂量扫描结束后，按照系统自动生成的CT剂量指数(CT dose index,CTDI)、放射剂量长度乘积(dose length product,DLP)来计算患者接受的有效辐射剂量(effective dose,ED)，ED=k×DLP，k为转换系数，k=0.014 mSV。

2 结果

2.1 2组患者图像质量定量指标比较结果见表1。观察组患者AO、LAD和RCA的CT值显著高于对照组，差异有统计学意义(P<0.05)；2组患者LCX的CT值比较差异无统计学意义(P>0.05)。观察组患者冠状动脉CT图像的SNR显著低于对照组，差异有统计学意义(P<0.05)；观察组患者冠状动脉CT图像的CNR显著高于对照组，差异有统计学意义(P<0.05)。

表1 2组患者冠状动脉各分支的CT值和图像噪声比较

2.2 2组患者图像质量定性指标比较结果见表2。观察组患者冠状动脉CT图像条纹伪影、血管边缘锐利度及总体图像质量的评分显著高于对照组，差异有统计学意义(P<0.05)。

表2 2组患者总体图像质量、图像条纹伪影及血管边缘锐利度的评分比较

2.3 2组患者CT辐射剂量比较结果见表3。观察组患者ED、DLP、CTDI显著低于对照组，差异有统计学意义(P<0.05)。

表3 2组患者CT辐射剂量比较

3 讨论

随着CT血管造影检查的广泛应用，CCTA凭借其无创、便捷等优势，已成为诊断冠状动脉疾病首选的影像学方法。同时，保证CT图像质量的前提下如何降低伴随而来的高辐射剂量一直是业界研究的热点和难点问题，目前已有多种降低CT扫描辐射剂量的文献报道。虽然越来越多的CT设备具备低千伏(70～100 kV)扫描能力，但是为了保证CT图像质量就需要提高扫描图像中冠状动脉的CT值，以便更好地显示血管，鉴于低管电压可以显著提升碘的CT值，因此，在相同碘流率的情况下，使用更低的管电压扫描可以获得更高的CT值。此外，为了保证图像质量，低管电压扫描需要更高的管电流，但是当管电流超过球管的限制时会导致图像质量下降，因此还需要考虑低管电压下的最大管电流限制。目前，GE Revolution Apex CT扫描设备可以在80 kV管电压下提供500～1 300 mA管电流，并且不影响图像质量。

以往为了获得高质量的冠状动脉CT图像，常规应用120 kV管电压和370 g·L-1对比剂[6-9]，但高管电压和高浓度对比剂会造成潜在辐射剂量和对比剂肾病风险增加，鉴于此，在保证图像质量的前提下，最大程度地降低患者的辐射剂量和对比剂注射流速、注射用量就显得非常必要[10]。DLIR-H是以滤波反投影法图像为“金标准”进行训练，对比2组图像的噪声、噪声纹理、低对比度分辨率等多个参数，将得出的差异反馈于深度神经网络供其修改，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。本研究采用 80 kV管电压、自动管电流500～1 300 mA扫描、对比剂注射流速3.5～4.0 mL·s-1、350 g·L-1对比剂用量35～40 mL的扫描方案联合DLIR-H算法，结果显示，观察组AO、LAD和RCA的CT值显著高于对照组，且冠状动脉CT图像条纹伪影、血管边缘锐利度及总体图像质量的评分显著高于对照组，ED、DLP、CTDI显著低于对照组，提示观察组所获得的CT图像质量优于对照组，且能满足诊断要求，有效降低辐射剂量。

80 kV管电压的应用使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，可保证大幅度降低对比剂用量，降低注射流速，从而有效减少对比剂不良反应的发生，降低对比剂外渗的风险[11]。与ASIR-V 50%算法不同，DLIR-H拥有较大的降噪能力，通过厚层图像创建的薄层图像虚拟可改善空间分辨率，同时可有效改善线束硬化伪影，且由于噪声和辐射剂量密切相关，DLIR-H可实现更低的辐射剂量、注射流速和对比剂用量[12-13]。深度学习重建利用设计的深度神经网络，在保持低X射线剂量和CT正常处理能力的同时，可生成高质量的CT图像，该图像具有较高的空间分辨率、低对比度可检测性和自然的图像纹理[14-15]。本研究结果显示，观察组患者冠状动脉CT图像的SNR显著低于对照组，CNR显著高于对照组，提示采用80 kV管电压联合DLIR-H具有更佳的图像修正能力，DLIR-H具有良好的降噪能力。

本研究尚存在一些不足之处：(1)本研究时间较短，纳入患者偏少，需要增加样本量进一步研究；(2)本研究入组患者BMI为20～27 kg·m-2，未对超重及肥胖患者进行研究，可能会存在选择性偏倚；(3)本研究未纳入冠状动脉支架植入术后及冠状动脉严重钙化患者，DLIR-H对此类患者的临床应用效果有待进一步探究。

综上所述，采用80 kV管电压联合DLIR-H获得的CT图像的质量优于100 kV管电压联合ASIR-V 50%算法，且辐射剂量降低。因此，对于BMI为 20～27 kg·m-2的患者，80 kV管电压、低对比剂用量、低对比剂流速的扫描方案联合DLIR-H是可行的，可有效降低辐射剂量及对比剂用量，同时改善CCTA扫描图像质量。