高权重深度学习图像重建算法在冠状动脉CT 血管造影中的应用价值

陈其龙，叶启君

（1 中山大学附属第三医院放射科 广东 广州 510000）

（2 南方医科大学附属口腔医院正畸科 广东 广州 510200）

冠状动脉CT 血管造影（coronary computed tomographic angiography，CCTA）是一项广泛应用于心脏疾病的诊断方法，可改善冠状动脉疾病（coronary artery disease, CAD）患者的风险评估和管理[1]。目前有几种迭代重建（iterative reconstruction, IR）算法，可降低CCTA 检查的辐射剂量，同时保持或提高图像质量（如对比噪声比contrast-to-noise ratio, CNR 和信噪比signal-to-noise ratio, SNR）。滤波反投影法（filter back-projection, FBP）是CT 前期重建的主要算法之一，具有高效、高精度等优点，适用于并行处理。然而，其通常需要更高剂量以获取更高的图像质量。因此，引入了迭代重建（IR）来匹配所需的重建模型图像，虽然成功地减少了辐射剂量，但图像质量可能不甚理想。自适应统计迭代重建（ASIR）作为FBP 的替代方案,可以优化图像质量[2]，但也有一定局限性。高强度的IR 会改变噪声纹理，从而使图像看起来有“塑料和斑点”感[3]。为了解决这些问题，一些学者提出利用人工智能促进或绕过要求苛刻的迭代重建，并研究了深度卷积神经网络在CT 图像重建方面的应用前景[4]。在临床环境中，深度学习图像重建（DLIR）算法已被证明可以显著降低43% 的噪声并将图像质量提高62%，同时保持相同的诊断准确度[5]。有研究指出，不同重建级别的ASIR-V 算法能够不同程度的优化图像质量，过度迭代会造成图像“塑料感”严重，组织对比明显下降[6]。其中60%～80%重建级别的图像主观评分最高，其中60% 和80% 组件对比无统计学差异。因此，本研究的通过比较60%ASIR-V 算法和DLIR-H 算法重建的CCTA 图像质量，探讨DLIR-H 提高CCTA 图像质量的临床应用价值。

1 资料与方法

1.1 一般资料

选取2021年9月—11月在中山大学附属第三医院接受CCTA 检查的45 例患者为研究对象，其中男20 例，女25 例；年龄23 ～84 岁，平均年龄（49.27±16.56）岁；体质量指数为18.50 ～28.40 kg/m2,平均体质量指数（23.92±2.85）kg/m2。本次研究纳入患者均签署知情同意书。

纳入标准：①能顺利完成CCTA 检查；②临床资料完整；③肝肾功能正常者。排除标准：①严重高血压、肾功能不全或心力衰竭患者碘对比剂过敏者；②妊娠和哺乳期妇女；③有冠状动脉支架置入史以及冠状动脉旁路移植术史的患者。

1.2 方法

1.2.1 扫描方案

所有患者均应用512 层CT 扫描仪（Revolution Apex, GE 医疗）进行扫描。检查前患者舌下含服0.4 mg硝酸甘油以适当扩张血管，取仰卧位，对盆腔进行防护。扫描参数为100 kV 管电压，自动管电流调制（400～600 mA），噪声指数为10.8，转速为0.28 s/r，打开前置50% ASIR-V 和高分辨率扫描模式。采用双筒高压注射器经肘正中静脉以4.2 mL/s 流率注射碘海醇（Omnipaque 350）造影剂，总量为50 mL,然后以相同速率注射40 mL 0.9%氯化钠溶液。使用阈值触发技术，感兴趣区放置于降主动脉，触发阈值为60 HU，扫描范围自气管分叉下1 cm 至横隔，以智能心电门控自动选择曝光时相。采用快照冻结（snapshot freeze，SSF）重组技术对图像进行运动校正。

1.2.2 图像重建

在AW 4.7 后处理工作站，将原始图像分别进行60% ASIR-V 重建（图像结果纳入60% ASIR-V 组）和DLIR-H 重建（图像结果纳入DLIR-H 组）并冻结，并且对两组图像分别进行CPR，MIP 和VR 重建。

1.3 观察指标

主观质量评分采用双盲法，由2 名放射科医师对冠状动脉3 个主要分支（右冠状动脉RCA，左前降支LAD，左回旋支LCX）的轴位图像、MIP、CPR 和VR 图像进行独立评分。图像质量的满分为5 分：5 分（优秀）图像，噪声和伪影极低，血管轮廓清晰，诊断可信度极高；4 分（良好）图像，噪声或伪影低，血管轮廓清晰，诊断可信度高；3 分（一般）图像，有轻微的噪声或伪影，血管轮廓部分模糊，有足够的诊断信心；2 分（差）图像具有高噪声或伪影，无法清晰识别血管轮廓，诊断信心不足；1 分（不可接受）严重的噪声和伪影，图像无法评估。得分3 ～5 分视为满足诊断需求。

1.4 统计学方法

采用SPSS 26.0 统计软件进行统计分析，符合正态分布的计量资料以均数±标准差（）表示，采用t检验；采用Wilcoxon Mann-Whitney 秩和检验，用Kappa检验分析两位放射科医师主观评分的一致性，Kappa≤0.2 说明一致性程度很差，0.2 ＜Kappa≤0.4为一致性程度一般，0.4 ＜Kappa≤0.6 说明一致程度中等，0.6 ＜Kappa≤0.8 说明一致程度较强，Kappa＞0.8说明一致性程度很强。在所有统计检验中，P＜0.05表示差异有统计学意义。

2 结果

2.1 两种重建方法图像质量评分比较

DLIR-H 组与60% ASIR-V 组在血管噪声，伪影，轮廓清晰度，诊断可信度的主观评分中，DLIR-H 组得分更高（P＜0.001）；DLIR-H 组医师1 与医师2 对伪影、轮廓清晰度、诊断可信度评估结果具有很强的一致性，对血管噪声评估结果具有较强一致性。60% ASIR-V 组医师1 与医师2 对伪影，轮廓清晰度评估结果具有很强的一致性，对血管噪声、诊断可信度评估结果具有较强一致性。所有一致性检验结果均具有统计学意义（P＜0.001），见表1、图1。

图1 医师1 评估四要素直方图

表1 两种重建方法图像质量评分比较（±s，分）

表1 两种重建方法图像质量评分比较（±s，分）

注：医师1 评估4 要素的直方图，DH 组在4 个方面均高于AV-60 组，P ＜0.001。

项目噪声伪影DHAV-60ZPDHAV-60ZP医师1 4.87±0.344 3.71±0.458 8.067 ＜0.0014.82±0.3873.78±0.420 7.774 ＜0.001医师2 4.82±0.387 3.67±0.477 7.809 ＜0.0014.8±0.4053.76±0.435 7.635 ＜0.001 Kappa0.6630.690--0.9280.938--P＜0.001＜0.001--＜0.001＜0.001--项目清晰度诊断可信度DHAV-60ZPDHAV-60ZP医师1 4.80±0.405 3.78±0.420 7.629 ＜0.0014.89±0.3183.82±0.387 8.249 ＜0.001医师2 4.78±0.420 3.8±0.4057.479 ＜0.0014.84±0.3673.8±.4057.925 ＜0.001 Kappa0.8000.9330.8090.638 P＜0.001＜0.001＜0.001＜0.001

2.2 两种重建方法重建效果图

两种重建方法重建效果图像见图2。

图2 DLIR-H 与60%ASIR-V 重建效果图

3 讨论

在进行CCTA 扫描时，钙化斑块可能会导致两种不同类型的图像伪影。一种是光晕伪影，这是由于有限的空间分辨率所导致的。另一种伪影是硬化或条纹伪影，这是由于高密度的钙化在体素内和相邻体素中影响了其他组织的密度，并夸大了钙化斑块的大小。高密度钙化斑块看起来比实际尺寸更大，因为存在“开花”伪影，降低了对冠状动脉管腔评估的准确性，导致在临床中CCTA 的假阳性诊断，降低其特异性。图像后处理算法可以在一定程度上减少光晕伪影。此外，有研究比较了迭代重建（IR）与滤波反投影（FBP）重建技术对严重钙化血管的评估，结果表明，与FBP 相比，IR 提高了每段诊断的准确性，因为IR 降低了图像噪声并减少光晕伪影[7]。

深度学习图像重建技术利用深度神经网络生成高品质的TrueFidelity CT 图像。相较于传统的迭代重建技术，深度学习技术计算能力更强，能更好地处理复杂模型和大量数据。DLIR 引擎提供3 个可选的重建强度级别，可根据临床应用进行选择。DLIR 技术能够克服传统迭代重建算法中图像噪声和空间分辨率之间的平衡问题，提供更高质量的图像，有助于改善低剂量成像、高分辨率成像以及肥胖人群的评估。GE Healthcare 公司设计并获FDA 批准的这种基于深度神经网络的CT 图像重建技术可以生成图像质量卓越、噪声纹理首选的TrueFidelity CT 图像。在传统迭代重建算法中存在的“边缘模糊”问题也得到有效解决，从而进一步提高了图像质量[8]。

本研究证明了应用DLIR-H 提高CCTA 图像质量的可行性。与60% ASIR-V 组相比，DLIR-H 组在血管噪声、伪影、轮廓清晰度和诊断可信度得分方面更高（P＜0.001）。有研究表明，在腹部CT 和CT 尿路造影中，使用DLIR 可以降低辐射剂量，同时提高图像质量[9]。此外，也有研究表明ASIR-V 的一个潜在缺点是图像中的人为过度平滑，这是因为该算法能够对伪影进行有效抑制，但同时也抑制了一些重要的细节信息[10]，从而影响诊断。

本研究仍存在不足之处：①样本量少需要在以后临床工作中扩大样本量进一步探讨DLIR 算法在诊断方面的性能；②未与标准剂量120 kV 和更低剂量80 kV 进行对比，未讨论不同体脂指数对射线剂量、图像质量的影响；仅以重建图像来进行评分诊断，未与外部参考标准（即侵入性冠状动脉造影、血管内超声）比较。

综上所述，DLIR-H 能够降低CCTA 的图像噪声，减少伪影，并且提高清晰度。在CCTA 的图像质量提升方面具有更好的应用前景和临床应用。