人工智能迭代重组在病毒性肺炎诊断中的应用

马钦 龚欢 郭瑞 彭睿 宋法亮 马静

CT 影像学检查是新型冠状病毒性肺炎诊疗中的重要环节［1,2］。因此如何高质量地充分发挥CT 检查技术在新型冠状病毒性肺炎临床诊治中的价值是影像科医师的关注点。除了传统意义上的低剂量原则外，优化扫描方案和选择更佳先进的重组算法也是具有重要意义的。本研究探讨人工智能迭代重组（artificial intelligence iterative reconstruction，AIIR）技术在其诊断中的应用价值。

AIIR 是一种基于人工智能技术的模型迭代重组算法，是深度学习（deep learning，DL）重组与基于模型的迭代重组（model-based iterative reconstruction，MBIR）相结合的重组算法。目前研究表明，AIIR 可以在保证图像质量的前提下，大大减低扫描剂量，在儿童、体检等应用场景中有很大的潜在价值。而在同等的扫描剂量下，AIIR 拥有很好的降噪性能，并可提高图像质量［3］。本研究的目的是对比AIIR 相对于常规迭代重组技术对图像的改善情况，探讨其在新型冠状病毒性肺炎诊断中的价值。

1 资料与方法

1.1 研究对象与方法

收集新疆生产建设兵团医院总院2022 年8月—12 月期间，依据《新型冠状病毒肺炎诊疗方案（试行第十版）》确诊为新型冠状病毒性肺炎的患者86 例。年龄26～91 岁，平均（66.7±16.2）岁，其中男57 例，平均（68.1±16.4）岁，女29 例，平均（63.9±15.7）岁。入组标准：意识清醒、自主配合呼吸患者，完成至少一次双肺薄层CT 检查的患者。排除标准：未进行双肺薄层CT 检查或不能配合的患者及肺部手术史患者。根据《新型冠状病毒肺炎诊疗方案（试行第十版）》的标准，将患者分为两组：临床症状轻微并影像学可见肺炎表现的为新冠普通型组；出现气促，静息状态下食指氧饱和度小于93%，动脉氧分压/吸氧浓度小于等于300mmHg，临床症状进行性加重且肺部影像病灶在24～48 h内进展大于50%之一的为新冠重型组。所有患者中普通型36 例，重型50 例。

1.2 扫描方法

扫描机型：联影320 排640 层螺旋CT（uCT 960+）。患者仰卧位行吸气后屏气扫描，扫描范围自胸廓入口至肺下界。采用低管电压120 kV、结合自动管电流技术、双定位像，扫描层厚为5、层间距为5 mm，薄层图像重组厚度1 mm、间隔1 mm，准直器宽度80 mm，螺距1.093，机架旋转时间0.5 s/rot，矩阵512×512，视野32 cm×32 cm。

1.3 图像重组

将原始数据传输至联影探索者平台（uInnovation）分别进行KARL 5 级迭代重组、AIIR 3 级重组。进行重组肺窗高分辨率CT（high-resolution CT，HRCT）（超高分辨率卷积重组，层厚1 mm，层间距1 mm，窗宽为1400 HU，窗位为-400 HU），图像上传至工作站，用轴位、多平面重组和容积重组等技术进行肺部病变分析。

1.4 图像分析

1.4.1 主观评价

由3 位工作15 年以上的副主任医师采用双盲法对图像进行主观评分。评分采用李克特（Likert）5 分量表法对图像伪影、噪声、病灶内部结构总体质量进行主观评分，评价标准为：5 分，正常肺组织精细解剖显示清楚，伪影、噪声不明显，磨玻璃病灶内部结构显示清晰，很容易评价；4 分，正常肺组织精细解剖较清楚，伪影、噪声轻微，磨玻璃病灶内部结构轻微模糊，能够评价；3 分，大部分正常肺组织精细解剖显示清楚，伪影、噪声轻度，磨玻璃病灶内部结构轻度模糊，能进行评价；2分，正常肺组织精细解剖显示不清楚，伪影、噪声中度，磨玻璃病灶内部结构中度模糊，解剖细节不足以被发现；1 分，正常肺组织精细解剖无法显示，伪影、噪声严重，磨玻璃病灶内部结构严重模糊，不能用于诊断。评价图像时，允许医师进行窗宽、窗位的调整。

1.4.2 客观评测

由一位有6 年经验的放射科医生独立完成。在不同患者的肺炎病变区［磨玻璃样阴影（groundglass opacity，GGO）］及同层面正常肺组织分别放置兴趣区（region of interest，ROI），注意避开肺部气管、血管和骨质伪影，ROI 的范围在（20±1）mm2，各个参数须在同一层面上进行测量，同一病变区测量3 次，取平均值，获取病灶区及正常肺组织的CT 值、图像噪声值（standard deviation，SD）、信噪比值（signal-to-noise ratio，SNR）。

注：CTROI表示兴趣区所测量组织的CT 值，SDROI表示为兴趣区所测量组织的SD 值。

1.5 统计学分析

采用SPSS 20.0 软件进行统计学分析，统计方法采用配对t 检验。定量资料表示为平均数±标准差。采用Shapiro-Wilk 法对计量资料做正态性检验，如符合正态分布，组间比较采用方差分析，组内两两比较采用LSD-t 检验；如不符合正态分布，组间的比较采用Kruskal-Wallis H 检验。组内两两比较采用Kruskal-Wallis U 检验。P<0.05 为差异有统计学意义。

2 结果

2.1 图像客观评测

在同低剂量双肺CT 扫描方案下，普通型肺炎组的正常肺组织区域、普通组和重症组的炎症区域的CT 值在两种不同的重组方法下无统计学差异（图1，2）。AIIR 后重症组炎症迂曲的SD 值、SNR 值高于KARL 组（t=-11.33，P<0.05），余各组的SD 值、SNR 值均低于KARL 组，且均有统计学差异（t=4.82，P<0.05）、（t=9.25，P<0.05），（t=13.17，P<0.05），（t=-2.05，P<0.05）（表1）。

表1 新型冠状病毒性肺炎普通型、重型在不同重组方法下的图像质量分析

图1 女，72 岁，普通型。a）KARL 重组图像CT 平扫轴位示SD 值57.8，病灶模糊、边界不清，内部增粗血管显示不清；b）AIIR 图CT 平扫轴位示SD 值48.9，病灶区的SD 值低于KARL 重组，病灶的边界和内部增粗血管征象较KARL 图像显示清晰。图2 男，46 岁，重型。a）KARL 重组图像CT平扫轴位示SD 值30.9，病灶模糊、边界不清，内部增粗气管、血管显示不清；b）AIIR 图CT平扫轴位示SD 值57.7，病灶区的SD 值高于KARL 重组，但其病灶边界光滑清晰，病灶内部“铺路石”等征象显示清晰，图像质量优于KARL 图像。

2.2 图像主观评价

在同低剂量双肺CT 扫描方案下，新型冠状病毒性肺炎普通型及重型的AIIR 图像主观评分均优于KARL 迭代重组（P<0.01）（表2）。

表2 新冠肺炎不同分型的图像质量主观评分比较

3 讨论

CT 影像学对新冠肺炎的评估对治疗方案的确定和调整、护理及监测方案的动态调整、出院标准具有指导意义。探索如何通过CT 图像提供更细微的病变结构特点，向临床提供更精准的诊断。噪声、信噪比是评价CT 图像质量的重要指标［4］。本次研究是采用低管电压120 kV、结合自动管电流技术，低辐射剂量导致图像噪声值的增加，信噪比减低［5］。基于图像重组算法的模型迭代、混合迭代算法、深度学习算法、AIIR 算法等可在低剂量扫描的条件下，得到与常规剂量扫描同等质量的图像效果［6,7］。有研究将AIIR 联合低剂量扫描在肺结节的筛查中替代常规剂量CT 扫描方案进行肺部筛查，图像质量和诊断效能没有差异性［8］。为了减少因低管电压结合自动管电流技术对图像质量产生的影响，本研究使用AIIR 3 级重组算法优化图像质量，并与KARL 5 级的图像进行对比。由于KARL 5 级得到临床普遍认可，且KARL 5 级重组图像最优［9］，所以本研究选择KARL 5 级重组图像作为参考。目前胸部最佳AIIR 算法的等级选择是多少还未明确，但是这些算法在减少图像噪声与伪影的同时，也会改变原始数据中噪声的分布情况，使图像纹理结构改变，进而在一定程度上影响临床诊断［10］，因此，不能使用过高的迭代重组等级，本研究选择AIIR 3 级重组图像作为参考。

本研究比较了新型冠状病毒性肺炎普通型、重型患者在AIIR 和KARL 两种重组方式下的图像质量，通过客观和主观评价比较不同重组算法的图像质量以及对新冠肺炎病灶区的显示能力。结果显示，在普通型肺炎组的正常肺组织、炎症区、重型肺炎组的正常肺组织区域AIIR 方法较KARL重组方法降低了图像的噪声，提高了图像的信噪比（P<0.05）。这表明AIIR 不仅能够有效减少图像的噪声与条纹伪影［11］，而且使重组后的图像具有较好的真实感，提高图像的主观评分，更有助于新型冠状病毒性肺炎的诊断。三位医生从肺磨玻璃影、肺组织实变、肺血管、肺气肿等影像学表现以及图像噪声、伪影等各方面的最终评分均判定AIIR 图像评分更优（P<0.01），能更好地在同等扫描条件下提高诊断效能。本研究表明在同样的扫描条件下，AIIR 可以比KARL 迭代算法更有效地降低噪声，提升图像信噪比。目前临床上普遍使用的KARL 迭代重组是一个基于统计模型的双域迭代降噪声算法，较滤波反射投影技术相比，KARL 也能明显降低噪声，但迭代过程中会降低图像对比度，不利于肺部疾病的诊断［12］。AIIR 是基于卷积神经网络替代正则化项，通过该算法重组出来的图像能够在不影响图像对比度的情况下有效抑制噪声［13］，得到更好的信噪比。

新型冠状病毒性肺炎普通型及重型两者临床治疗策略差异较大，仅根据临床症状不能很好地对患者的病情进行评估。普通型主要为胸膜下小结节、磨玻璃样阴影，病灶内脉管结构仍然可见，其主要是以发现病变并观察其细微结构为主，而重型病灶由于肺泡内渗出进一步增多，肺泡换气不足致使空气潴留、实变增多，影像上主要以“铺路石征”、肺实变影等为主，为了最大限度降低重型和死亡风险，因此需要影像学细致观察病灶提供更多内部微观改变。AIIR 的图像主观评分优于KARL 重组，更有利于诊断医生对图像的判读。但是在重型肺炎组，AIIR 后的病灶的SD 值反而更高，而SNR 更低。笔者认为与重症的新型冠状病毒性肺炎病理改变过程有关［14,15］。病程较长的病例肺泡渗出物肉质变、肺间质纤维化、肺泡过渡充气、肺泡隔断裂等因素造成的图像纹理复杂，以至于密度差异大，AIIR 会增强这些结构的显示［16］，而这时测出来的SD 值增大就不一定是真正的噪声，而是真实地反映出了图像的最真实情况。综合主观评分情况，其SD 值的升高不会影响到病灶的可检测性及诊断准确性［17］。

本研究存在的不足：1）样本量较少，没有对新型冠状病毒性肺炎各种临床分型进行研究；2）采用同等扫描条件进行采样，因此没有对低剂量扫描进行相关性的研究。

综上所述，在同等扫描条件下，重型肺炎正常肺组织区及普通型肺炎的正常肺组织区、炎症区AIIR 3 级较KARL 5 级迭代重组技术可以更好地降低噪声以及提高信噪比；在重症肺炎的病灶区虽然AIIR 3 级较KARL 5 级噪声稍增高、信噪比略减低，但其在主观观察病灶区的细微结构中显示更佳，因此推荐其在新型冠状病毒性肺炎CT 诊断中的应用。