高級別深度學習圖像重建算法在低管電壓、低對比劑用量冠狀動脈CT血管成像中的應用研究

doi：10.12102/j.issn.1672-1349.2025.14.021

TheAppicationofHighDepLeamingImageReconstructionAgorthminCoronaryCTAngiographywithLowTube VotageandLow

Contrast Agent Dosage

ZHANG Zehua1，WANG Jianming2，TANG Xiaoxian2

1.ShanxiMdcalUvesitynCin;iviaop'sospitana

Corresponding AuthorTANG Xiaoxian，E-mail：txx6312 @ sina.com

Keywordscoronaryarterydisease;computedtomography;coronaryCTangiography;radiationdose;contrastagent；deeplearing image reconstruction

冠狀動脈CT血管成像（coronarycomputedtomographicangiography，CCTA）是一種快速、微創(chuàng)的檢查方法，其診斷準確性與冠狀動脈血管造影相當，因此，目前被廣泛用于冠狀動脈疾病的診斷[1。隨著CT的應用越來越多，與輻射暴露相關的輻射風險引起了人們的關注[2。由于輻射劑量和管電壓平方之間存在線性關系，降低管電壓認為是減少輻射暴露的有效方法[3。降低管電壓使圖像質量降低。隨著技術的不斷發(fā)展，深度學習圖像重建（deep leaming image reconstruction，DLIR）

算法應運而生，DLIR算法代表了CT圖像重建的最新發(fā)展階段，與濾波背投重建（filteredback-projection，F(xiàn)BP）算法、自適應統(tǒng)計迭代重建（volume-basedadaptivestatisticaliterativereconstruction，ASiR-V）算法相比，DLIR算法顯著減少了輻射劑量，改善了圖像質量[4]。256排CT掃描儀（revolutionapexCT，GEHealthcare）具有70、80、100kVp掃描模式，且具有DLIR和ASIR-V降噪算法。本研究對低管電壓、低對比劑用量掃描聯(lián)合DLIR-H算法與常規(guī)掃描聯(lián)合 60% ASIR-V算法對不同體質指數(shù)病人CCTA圖像質量進行對比。現(xiàn)報道如下。

1資料與方法

1.1一般資料

選取2022年9月一2023年7月在山西省人民醫(yī)院因疑似冠狀動脈疾病行CCTA檢查的病人180例。根據掃描方法分為“雙低\"組（A組）和對照組（B組），每組90例。根據體質指數(shù)將A組分為A1組（體質指數(shù) lt;24.0kg/m² 、A2組（體質指數(shù) 24.0～28.0kg/m²） 、A3組（體質指數(shù) gt;28.0kg/m²） ，每組30例；采用低管電壓、低對比劑用量掃描聯(lián)合DLIR-H算法進行掃描與圖像重建。根據體質指數(shù)將B組分為B1組（體質指數(shù) lt; 24.0kg/m²） 組、B2組（體質指數(shù) 24.0～28.0kg/m². 、B3組（體質指數(shù) gt;28.0kg/m²） ，每組30例；采用常規(guī)掃描聯(lián)合 60% ASIR-V算法進行掃描與圖像重建。所有病人均簽署對比劑使用知情同意書，本研究方案得到山西省人民醫(yī)院倫理委員會批準（編號：[2025]省醫(yī)科倫審字第427號）。

納人標準：疑似冠狀動脈疾病；無對比劑過敏；臨床資料齊全。排除標準：妊娠；碘對比劑過敏；腎功能不全；嚴重甲狀腺功能亢進；既往有經皮冠狀動脈介入（percutaneouscoronaryintervention，PCl）或冠狀動脈搭橋（coronaryartery bypass grafting，CABG）手術史。

1.2儀器與方法

所有病人均使用256排CT掃描儀（RevolutionApexCT，GEHealthcare）進行檢查，采用軸向心電圖觸發(fā)方案（AutoGating，GEHealthcare）。掃描旋轉時間0.28s，重建間隔 0.625mm ，重建層厚 0.625mm ，掃描準值為 128×0.625mm 。

A組掃描方案：選擇不同的低管電壓進行CCTA掃描，A1組管電壓 70kVp ，A2組管電壓 80kVp ，A3組管電壓 100kV_p ；管電流均采用smartmA（自動毫安模式） 500-1300mA ，噪聲指數(shù)均為 16H∪ 。采用個體化對比劑注射方案：選用碘克沙醇（ 320mg/mL ，對比劑用量 16mg|/（kg?s） ，對比劑注射持續(xù)時間10s，之后以相同的速率沖洗等量生理鹽水，采用DLIR-H算法進行圖像重建。

B組掃描方案：采用傳統(tǒng) 100～120kV 進行CCTA掃描，管電流采用smartmA 1600～960mA ，噪聲指數(shù)均為12HU，采用個體化對比劑注射方案：選用碘克沙醇 320mg/mL ，對比劑用量 24mg|/（kg?s） ，對比劑注射持續(xù)時間 10s ，之后以相同的速率沖洗等量生理鹽水，采用 60%ASIR-V 算法進行圖像重建。采用對比劑追蹤技術，在降主動脈根部設置監(jiān)測興趣區(qū)，閾值150HU，延遲時間 3.1s ；平靜呼吸下曝光。自動選擇生成圖像的最佳心臟期。掃描長度 14～16cm 。采用第2代快速凍結技術（snapshotfreeze，SSF2）校正心臟搏動偽影。

1.3 圖像質量評估

所有圖像均被傳輸?shù)紸I后處理軟件中，GEADW4.7（Advantageworkstation4.7，GEHealthcare）工作站進行圖像重建，自動生成最大密度投影（maximumintensityprojection，MIP）、曲面重建（curvedplannarreconstruction，CPR）、多平面重建（multiplanarreconstruction，MPR）和容積再現(xiàn)（volumerendering，VR）重建。

1.3.1 客觀評價

定量圖像評估由工作站GEADW4.7讀取器進行。采用雙盲法，由兩名具有10年以上CCTA診斷經驗的放射科醫(yī)師分別于橫軸位圖像測量右冠狀動脈主干（rightcoronaryartery，RCA）、左冠狀動脈主干（leftmainartery，LMA）、左冠狀動脈前降支（leftanteriordescending，LAD）與回旋支（leftcircumflex，LCX）近段的CT值。由于口徑小或軸向面傾斜，考慮到測量偏差，在每個感興趣區(qū)域 .ROI）≥1mm² 的情況下，冠狀動脈的每個ROI盡可能大，避免血管壁鈣化。測量軸向圖像血管鄰近胸壁脂肪組織的CT值（ROI尺寸 ≥1 mm² 的標準差（standarddeviation，SD），取兩者均值作為圖像噪聲，計算信噪比（signaltonoiseratio，SNR）及對比噪聲比（contrasttonoiseratio，CNR）。工作站中的“compare”模塊允許在同一屏幕上顯示2種不同算法的多幅重建圖像，ROI位于多幅圖像中的相同位置。SNR和CNR計算公式： SNR= 血管CT值/SD；CNR （血管CT值一脂肪CT值）/SD；血管CT值為目標血管管腔內的CT值，脂肪CT值為血管鄰近胸壁脂肪組織的CT值。測量時盡量避開鈣化、斑塊及狹窄部位。

1.3.2 主觀評價

采用雙盲法，由兩名放射科醫(yī)生（具有10年以上心血管成像診斷經驗）獨立評估冠狀動脈各分支的整體圖像質量，包括橫軸位原始圖像、MIP、CPR、MPR和VR圖像。若存在分歧，與第3名具有20年心血管疾病診斷經驗的放射科醫(yī)生協(xié)商統(tǒng)一結果。整體圖像質量評估采用5分評分系統(tǒng)：5分（優(yōu)秀）圖像，噪聲和偽影非常低，血管輪廓清晰，診斷置信度非常高；4分（良好）圖像，有低噪聲或偽影，清晰的血管輪廓，高診斷置信度；3分（一般）圖像，有輕微的噪聲或偽影，血管輪廓部分模糊，有足夠的診斷置信度；2分（差）圖像有高噪聲或偽影，血管輪廓無法清晰識別，診斷置信度不足；1分（不可接受）嚴重噪聲和偽影。

1.4輻射劑量分析

每次掃描結束后，記錄每例病人計算機自動生成的容積CT劑量指數(shù)（CTdoseindexvolume，CTDlvol，單位為mGy）;放射劑量長度乘積（dose lengthproduct，DLP，單位為 mGy?cm ）。病人接受輻射劑量采用有效輻射劑量（effectivedose，ED，單位為mSv）表示，計算公式： ED=k×DLP ，其中 k 為轉換系數(shù)，參照歐洲CT質量標準指南取胸部平均值 0.014mSV/（mGy?cm）^[5] 記錄并計算對比劑用量。

1.5 統(tǒng)計學處理

采用SPSS27.0統(tǒng)計學軟件進行數(shù)據分析。符合正態(tài)分布和方差齊性的定量資料以均數(shù) ± 標準差（x±s）表示，采用兩獨立樣本t檢驗；定性資料以例數(shù)、百分比 （% 表示，采用 χ² 檢驗。圖像主觀評分比較采用Mann-Whitney υ 檢驗。兩名影像醫(yī)師評分的一致性評價采用Kappa一致性分析（Kappa值 gt;0.7 提示一致性良好，Kappa值 0.4～0.7 提示一致性較好，Kappa值 lt; 0.4提示一致性較差）。以 Plt;0.05 為差異有統(tǒng)計學意義。

2結果

2.1兩組一般資料比較

兩組年齡、性別、體質指數(shù)及心率比較，差異均無統(tǒng)計學意義（ Pgt;0.05 ）。詳見表1。

表1兩組一般資料比較

2.2 病人典型右冠狀動脈CPR圖像（見圖1）

圖1病人右冠狀動脈CPR圖像

（A1、A2、A3分別為體質指數(shù) 22.89.26.97.29.88kg/m² 的病人采用低管電壓 70.80，100kVp 聯(lián)合DLIR-H算法所得右冠狀動脈CPR圖像，對比劑用量分別為28、37、43mL，ED分別為1.45、2.28、 3.76msv ，圖像的SD分別為9.49、10.98、11.17，圖像的SNR分別為44.96、39.11、37.44，CNR分別為55.93、48.78、40.34，主觀評分分別為5、5、4分。B1、B2、B3分別為體質指數(shù) 23.88，26.54，29.71kg/m² 的病人采用常規(guī)管電壓聯(lián)合 60% ASIR-V算法所得右冠狀動脈CPR圖像，對比劑用量分別為52、53、60mL，ED分別為 3.93，4.05，5.20msv ，圖像的SD分別為18.26、16.93、18.76，圖像的SNR分別為27.86、30.08、26.87，CNR分別為33.89、33.95、32.50，主觀評分分別為5、3、4分。與正常劑量聯(lián)合60% ASIR-V算法所得圖像比較，低管電壓聯(lián)合DLIR-H算法所得圖像質量更高、血管邊界更清晰、噪聲和偽影更低）

2.3 兩組輻射劑量與對比劑用量比較

A1組較B1組、A2組較B2組、A3組較B3組有效輻射劑量與對比劑用量均有不同程度減低，差異均有統(tǒng)計學意義（ Plt;0.001 ）。詳見表2。

2.4 圖像質量評價

2.4.1 客觀評價結果

采用常規(guī)掃描聯(lián)合 60% ASIR-V算法與低管電壓、低對比劑用量掃描聯(lián)合DLIR-H算法重建圖像的測量。根據實測圖像噪聲及計算的SNR、CNR。不同掃描及重建方法測量冠狀動脈CT值。A1組、A2組、A3組不同冠狀動脈節(jié)段SNR、CNR分別高于B1組、B2組、B3組SNR、CNR，且A1組、A2組、A3組CT值、噪聲低于B1組、B2組、B3組，差異均有統(tǒng)計學意義（ Plt;0.001? 。詳見表2。

2.4.2主觀評價結果

兩組圖像主觀評分均 ?3 分，均可達到診斷要求。A組主觀質量評分高于B組。兩名診斷醫(yī)生評分一致性良好，Kappa值均 gt;0.7 ，差異均有統(tǒng)計學意義（ Plt; 0.001）。詳見表3。

（圖2表

3討論

本研究評估了不同體質指數(shù)病人，與常規(guī)掃描聯(lián)合60%ASIR-V算法相比，低管電壓、低對比劑用量掃描聯(lián)合DLIR-H算法輻射劑量與對比劑用量均有不同程度減少，且圖像噪聲更低，SNR和CNR更高，主觀圖像評價質量更高。

CCTA掃描中如何有效減少輻射劑量與對比劑用量，并保持圖像質量是國內外的研究熱點。管電壓和管電流的變化可影響掃描的輻射劑量。在固定管電流掃描模式下，管電壓和輻射劑量有二次關系。在自動管電流掃描模式下，管電流增加以補償所需的輻射劑量，提高CCTA的圖像質量。然而，接受CCTA檢查的，有較厚脂肪層的病人，低管電壓×射線低穿透力和病人較厚的脂肪層增加了獲得圖像的噪聲。因此，有較厚脂肪層的病人可能難以提高CCTA的圖像質量，干擾圖像中冠狀動脈狹窄程度和動脈粥樣硬化斑塊性質可影響診斷的敏感性、準確性和可靠性，最終影響疾病的治療和預后[6]。本研究雖然使用了70、80、100kVp 低管電壓掃描，但采用的自動毫安模式最高達 1300mA ，可彌補低管電壓導致的×射線低穿透力。隨著CT技術進一步發(fā)展，CCTA的作用從單純的篩查轉變?yōu)榕R床綜合評價甚至預測預后的工具。為了保證圖像質量，管電壓均控制在 100～120kVp ，因此，CCTA檢查易暴露在高輻射下。患有冠心病和心肌梗死的病人更易進行多次CCTA檢查，提示著較高的輻射。本研究對不同體質指數(shù)病人采用不同的低管電壓掃描，在輻射劑量降低的同時，保持了令人滿意的圖像質量水平。本研究結果表明，不同體質指數(shù)病人低管電壓、低對比劑用量掃描聯(lián)合DLIR-H算法較常規(guī)掃描聯(lián)合 60% ASIR-V算法，提高了低管電壓CCTA所得圖像質量，且病人接受的有效輻射劑量與對比劑總量均減少。Wang等研究表明，管電壓 80kV 時，與FBP重建圖像相比，DLIR-H重建圖像噪聲降低了61.4% ，SNR提高了2.6倍，CNR提高了2.6倍，DLIR在提高圖像質量同時可降低圖像噪聲。一項研究對30例行CCTA檢查的體質指數(shù) gt;30kg/m² 病人的原始數(shù)據分別采用DLIR算法與ASIR算法進行重建，并對圖像質量進行評價，結果顯示，與ASIR算法相比，采用DLIR算法可顯著降低肥胖人群CCTA圖像噪聲，提高圖像質量，增加可評估冠狀動脈節(jié)段數(shù)量[9]。

近年來，F(xiàn)BP算法在圖像重建中得到了廣泛應用，但在降低低管電壓圖像的噪聲方面存在較大的局限性[1]。為了克服FBP算法的局限性，ASIR-V于2009年引入臨床應用，但高計算要求和重建圖像耗時長限制了其臨床廣泛應用[11]。DLIR是一種新興的重建方法，DLIR實現(xiàn)了高圖像質量、低輻射劑量和快速重建速度的結合。DLIR實現(xiàn)的劑量減少將超低劑量重新定義至普通X光片領域，并保持圖像質量。DLIR重建的圖像具有比ASIR-V更真實的圖像，提示其更易被放射科醫(yī)生接受[12]。傳統(tǒng)的迭代重建算法需處理模型中的大量參數(shù)，并人工優(yōu)化這些參數(shù)，對算法提出了要求。DLIR具有自動處理大量參數(shù)的強大計算能力[13]本研究通過擴大病人群體的體質指數(shù)范圍，進一步擴展了DLIR算法的適用性。

本研究存在的局限性：首先，樣本量有限，數(shù)據收集于單一醫(yī)院，可能降低統(tǒng)計效力；其次，無有創(chuàng)冠狀動脈造影的結果，需進一步的研究驗證結果。今后研究應在多中心開展，以明確DLIR的優(yōu)點，從而促進其在臨床中廣泛應用。

綜上所述，不同體質指數(shù)病人低管電壓、低對比劑用量掃描聯(lián)合DLIR-H算法較常規(guī)掃描聯(lián)合 60% ASIR-V算法，提高了低管電壓CCTA所得圖像質量，且病人接受的有效輻射劑量與對比劑總量均明顯減少。

參考文獻：

[1]RICHARDS C E，OBAID D R.Low-dose radiation advances in coronarycomputedtomographyangiographyinthediagnosisof coronaryarterydisease[J].CurrentCardiologyReviews，2019，15 （4）：304-315.

[2]FUENTES-ORREGOJM，SAHANI DV.LoW-dose CT in clinical diagnostics[J].Expert Opinion on Medical Diagnostics，2013，7（5）： 501-510.

[3] ALKADHI H，LESCHKA S.Radiation dose of cardiac computed tomography-what hasbeenachievedandwhatneeds to bedone [J].EuropeanRadiology，2011，21（3）：505-509.

[4] HEINRICH A，SCHENKL S，BUCKREUS D，et al.CT-based thermometrywith virtual monoenergetic imagesby dual-energy of fat，muscleandboneusing FBP，iterativeand deep learming-based reconstruction[J].European Radiology，2022，32（1）：424-431.

[5] MCCOLLOUGH C H.CT dose：how to measure，how to reduce[J]. HealthPhysics，2008，95（5）：508-517.

[6] IHDAYHIDAR，SAKAGUCHIT，LINDEJJ，etal.Performanceof computedtomography-derivedfractionalflowreserveusing reduced-ordermodellingandstatic_computedtomographystress myocardialperfusionimaging fordetection ofhaemodynamically significant coronary stenosis [J].European Heart Journal Cardiovascular Imaging，2018，19（11）：1234-1243.

[7]ZHULJ，HA RS，MACHIDAH，et al.Image quality of coronary CT angiographyat ultra low tubevoltage reconstructed withadeeplearningimagereconstructionalgorithmin_patientsofdifferent weight[J].Quantitative Imaging in Medicine and Surgery，2023，13 （6）：3891-3901.

[8] WANGMZ，F(xiàn)ANJ，SHIXF，etal.A deep-learningreconstruction algorithmthat improvesthe_imagequalityof low-tube-voltage coronary CTangiography[J].European JournalofRadiology， 2022，146：110070.

[9] WANG H W，WANG R，LI Y，et al.Assessment of image quality of coronarycomputedtomographyangiographyinobesepatientsby comparingdeeplearningimagereconstructionwithadaptive statistical iterative reconstructionveo[J].Journal of Computer AssistedTomography，2022，46（1）：34-40.

[10] MILETOA，GUIMARAESLS，MCCOLLOUGHCH，etal.Stateof theart in abdominal CT：the limits of iterative reconstruction algorithms[J].Radiology，2019，293（3）：491-503.

【11] WILLEMINKMJ，NOELPB.Theevolutionof image reconstruction forCT-from filtered back projection toartificial intelligence[J]. EuropeanRadiology，2019，29（5）：2185-2195.

[12] MCLEAVYCM，CHUNARAMH，GRAVELLRJ，etal.Thefuture ofCT：deep learning reconstruction[J].Clinical Radiology，2021，76 （6）：407-415.

[13] KIMJH，YOON H J，LEE E，et al. Validation of deep-leaming imagereconstructionfor low-dosechest computed tomography scan：emphasis on image qualityand noise[J].Korean Journal of Radiology，2021，22（1）：131-18.

（收稿日期：2023-10-27）