深度学习重建AiCE 技术在腹主动脉瘤腔内修复术后CTA 中的应用

谢定祥 赖志满 陈明杰 马慧 徐如林 黄木兰 赵静 吴嘉乐

腹主动脉瘤瘤体随时有破裂风险，病死率极高［1］。对于腹主动脉瘤的治疗，首选治疗方案为腔内修复术［2，3］。术后对患者进行追踪检查时，CT 血管造影（CT angiography，CTA）是一种重要的评估手段。然而，腔内修复术后支架及支架上的铂铱金属材料会在CT 成像中引起明显的条带及放射状伪影，严重影响支架及周边结构的观察。减少支架引起的组织伪影并提高CTA 图像质量具有重要的临床意义［4］。近年来，深度学习重建（deep learning reconstruction，DLR）应用越来越广泛，其应用主要集中在冠脉、头颈血管等部位，且效果优良［5，6］。DLR 重建算法AiCE（advanced intelligent clear-IQ engine）技术利用深度神经网络，以低质量混合迭代重建（hybrid iterative reconstruction，HIR）图像和高质量基于模型的迭代重建（modelbased iterative re construction，MBIR）图像作为训练对象，自主学习高质量MBIR 图像的特征，对低质量Hybrid IR 图像数据进行修正。训练完成后，将所得的神经网络引入到图像重组流程中，重建出具备高质量全模型迭代重建特征的图像。有研究表明，相较于滤波反投影法（filtered back projection，FBP）算法，MBIR 算法能显著减少CT 图上的金属伪影，更有效地分析金属植入物周围的软组织［7］。本研究探讨DLR-AiCE 在腔内修复术后CTA中的应用价值。

1 资料与方法

1.1 一般资料

共收集26 例患者CTA 资料，其中男22 例，女4 例；年龄49～86 岁，平均年龄（68.7±8.5）岁。纳入标准：所有患者均签署CT 增强知情同意书；腹主动脉瘤并行腔内修复术的患者。排除标准为：碘过敏者；严重心肾功能不全；行弹簧圈栓塞治疗者。

1.2 CT 检查方法

采用320 排640 层CT 扫描设备（Aquilion ONE GENESIS，Canon 医疗）进行检查。患者取仰卧位、脚先进、出床扫描，扫描范围为膈顶至耻骨联合下缘，扫描参数为管电压120 kV，自适应管电流，转速0.75 s/r，层厚1 mm，层间距0.8 mm，矩阵为515×512。使用巨鲨双筒高压注射器经肘静脉注射非离子型对比剂典迈伦（400 mg I/mL），对比剂用量1.0～1.2 kg/mL，注射流率4 mL/s，再以相同流率推注50 mL 生理盐水。于腹主动脉起始端设置兴趣区（region of interest，ROI）为阈值监测点，阈值设定为200 HU，采用自动触发技术，达到阈值后机器发出吸气屏气指令后启动扫描。完成扫描后每位患者的数据进行两次容积重建，一组为HIR，另一组为深度学习重建中的高信噪AI 引擎，为减少支架伪影对结果的影响，两次重建均联合单能量去金属伪影技术。

1.3 图像评价

1.3.1 图像质量主观评价

两位高年资放射科医生采用双盲法分别对两组图像质量进行独立评价，采用5 分法从4 个方面对图像进行分析，包括：1）图像整体质量；2）肝、肾等实质器官图像质量；3）支架内血管最大伪影层面的图像质量；4）支架外血栓最大伪影层面的图像质量。4 项评分的平均值作为最终评分。

1.3.2 图像质量客观评价

CT 观察时设置窗宽500 HU，窗位70 HU。在原始图像中的腹主动脉瘤支架内分别选取主体支架段、左髂总动脉分支段及右髂总动脉分支段伪影最重的横断层面及伪影最少的横断层面为ROI，面积与支架内动脉相同；在支架外腹主动脉瘤腔内取伪影最重的横断层面及伪影最少的横断层面ROI，面积为100 mm2；在无支架及无伪影横断层面取腹主动脉ROI，面积与腹主动脉相同；再取无伪影影响层面的空气、竖脊肌、肝脏及肾脏的ROI，面积为100 mm2（图1）［8］。分别记录各组ROI的CT 值和标准差（standard deviations，SD）值，通过测出的CT 值和SD 值，用来计算伪影指数（artifacts index，AI）、信噪比（signal-to-noise ratio，SNR）及对比噪声比（contrast-to-noise ratio，CNR），公式分别为：

图1 各ROI 测量示意图。ROI 1：竖脊肌，ROI 2：肝脏，ROI 3：肾脏，ROI 4：无支架腹主动脉段，ROI 5：主体支架内最大伪影层面，ROI 6：主体支架内最小伪影层面，ROI 7：左侧髂动脉支架内最大伪影层面，ROI 8：右侧髂动脉支架内最大伪影层面，ROI 9：支架外血栓最大伪影层面，ROI 10：左侧髂动脉支架内最小伪影层面，ROI 11：右侧髂动脉支架内最小伪影层面，ROI 12：支架外血栓最小伪影层面。

1.4 统计学分析

使用SPSSAU（https://spssau.com/）对数据进行统计学分析。两组图像质量主观评分以M（Q1，Q3）表示，组间比较采用Mann-Whitney U 秩和检验。采用组内相关系数（intraclass correlation coefficient，ICC）分析两位观察者评分的一致性。两组的AI、SNR 及CNR 值以表示，组间比较采用独立样本t 检验。P＜0.05 表示差异具有统计学意义。

2 结果

2.1 图像主观评价

DLR-AiCE 组的图像质量主观评分均高于HIR 组（P 均＜0.001）（表1，图2～4）。两位观察者间评分有较高的一致性（ICC 为0.927，95%CI：0.905～0.944，P＜0.001）。

图2 女，71 岁，术后复查CTA 图。a）HIR 重建示左侧髂动脉支架内见高密度条状伪影，主观评分4 分；b）DLR-AiCE 重建示支架内未见条状伪影，主观评分5 分。图3 女，74 岁，术后复查CTA 图。a）HIR 重建示右侧髂支架内见片状低密度影及高密度金属伪影，严重影响支架内血管观察，主观评分2 分；b）DLR-AiCE 重建示支架内金属伪影明显减少，明确诊断右侧髂总动脉支架闭塞，主观评分4 分。图4 男，61 岁，术后复查CTA 图像。a）HIR 重建示血管支架伪影影响支架内外的观察，主观评分2 分；b）DLR-AiCE 重建示支架内外伪影基本消失，可清晰显示血管内支架术后未见栓塞及内漏情况，主观评分5 分。

表1 HIR 组和DLR-AiCE 组患者图像主观质量评价的比较［M（Q1，Q3）］

2.2 图像客观评价

除右髂总动脉支架内最小伪影和肝脏层面外，DLR-AiCE 组各个位置AI 值均小于HIR 组，差异有统计学意义（均P＜0.05）（表2）。DLR-AiCE组各个位置SNR 值均大于HIR 组，差异有统计学意义（均P＜0.05）（表2）。除右髂总动脉支架内最大伪影和双侧支架内最小伪影外，DLR-AiCE 组各个位置CNR 值均大于HIR 组，差异有统计学意义（均P＜0.05）（表2）。

表2 HIR 组和DLR-AiCE 组图像客观质量的比较（）

表2 HIR 组和DLR-AiCE 组图像客观质量的比较（）

注：AI 为伪影指数；HIR 为混合选代算法重建；DLR-AiCE 为深度学习重建高信噪AI 引擎。

2.3 随访情况

26 例患者中HIR 组及DLR-AiCE 组均发现8例内漏（8/26）。DLR-AiCE 组发现支架内栓塞2例；而HIR 组只能确诊支架内栓塞1 例，另外1例因支架内伪影影响无法确定是否有栓塞（图3）。

3 讨论

腹主动脉瘤腔内修复术后的患者需进行定期随访，而CTA 由于便捷、无创、安全，不受肠气、腹腔积液及身高体重等因素影响［9］，已成为首要复查手段。但血管内金属支架所产生伪影可对血管的细节和清晰度产生影响［10］，并会遮挡周边组织及器官［11］，对术后疗效的评估带来不确定性。因此，如何更清楚地显示术后血管及支架的情况，明确术后支架周围组织器官是否受影响［12-14］，是本研究的关键和要点。

近年来较多新技术可提高图像质量并减少图像伪影。其中，DLR-AiCE 是一种基于人工智能网络的新型图像重建算法，具有识别和区分图像有用信号和噪声的能力，并将信号和噪声深度卷积到神经网络中，进而重组出图空间分辨率更高、噪声更低的图像，从而改善图像质量［15-17］。本研究客观指标评价结果显示，除右髂支架内最小伪影和肝脏层面外，DLR-AiCE 组各个位置AI 值均显著小于HIR 组，表明DLR-AiCE 对减少伪影有积极作用。DLR-AiCE 组各个位置SNR 值均显著大于HIR 组，且均提高1 倍以上，表明DLR-AiCE 对SNR的提高有显著作用。除右髂总动脉支架内最大伪影和双侧支架内最小伪影外，DLR-AiCE 组各个位置CNR 值均显著大于HIR 组。即使在右髂总动脉支架内最小伪影层面CNR 数值比HIR 组低了1.48，但其余DLR-AiCE 组CNR 数值均大于HIR组。这一结果可能与测量ROI 处位于盆腔内，结构复杂有关，而算法重建强度较低不足以克服这些复杂因素。本研究结果表明，DLR-AiCE 对图像CNR的提高亦有积极作用，这与既往文献一致［18-21］。在主观评价方面，两组均能满足诊断要求，DLRAiCE 组的图像质量主观评分明显高于HIR 组。因此，使用DLR-AiCE 既能降低腹主动脉瘤腔内修复术后支架内外及四周的金属伪影，减少金属伪影对周围组织的干扰，又能提高图像的局部及整体质量［22］，将有助于更精准地评估术后情况。

本研究存在一些局限：1）纳入的样本量较小；2）研究中只分析了DLR-AiCE 对减少伪影及改善图像质量的作用，DSA 检查进行对比；3）未对DLR-AiCE 技术与其他去伪影技术进行对比；4）应用DLR-AiCE 技术虽然减少了伪影，但金属伪影未能完全消除，还可能存在原始信息的丢失等情况。

总之，DLR-AiCE 算法可减少腹主动脉瘤腔内修复术后支架产生的金属伪影，提供支架内外及周边器官等更清晰的CTA 图像，有助于腹主动脉瘤腔内修复术后周边结构、支架内外、内漏及栓塞等评估。