深度学习图像重建和能谱成像在低对比剂流速胸主动脉CTA中的价值

作     者：叶雄鑫 刘元芬 汤博荣 陈依林 郑莞怡 薛莉薇 张孝勇 

作者机构：福建医科大学附属协和医院 

出 版 物：《CT理论与应用研究》 (Computerized Tomography Theory and Applications)

年 卷 期：2024年

学科分类：0831[工学-生物医学工程（可授工学、理学、医学学位）] 100207[医学-影像医学与核医学] 1006[医学-中西医结合] 1002[医学-临床医学] 1001[医学-基础医学(可授医学、理学学位)] 08[工学] 1010[医学-医学技术（可授医学、理学学位）] 100106[医学-放射医学] 10[医学] 100602[医学-中西医结合临床] 

基　　金：医学影像科省级临床重点专科建设项目(NO.2128200741) 

主　　题：单能量 深度学习重建算法 胸主动脉 硬化伪影 图像质量 

摘      要：目的：探究结合深度学习图像重建算法和能谱单能量技术对提高低造影剂流速下胸主动脉图像质量的价值。资料与方法：本研究回顾性分析福建医科大学附属协和医院2016年1月至2023年12月间以不大于1.5 mL/s对比剂流速接受胸主动脉能谱CTA扫描，且120 kVp-like图像上胸主动脉强化欠佳（胸主动脉CT值 50 keV60 keV 120 kVp-like图像。而对于同一类型/能级，不同重建算法图像的胸主动脉CT值之间差异无统计学意义（P 0.05）。SD、SNR、CNR和BHA值：40keV 50keV 60 keV 120 kVp-like图像，其中SD和BHA值：ASIR-V40% DLIR-M DLIR-H。同一能级下，DLIR-M/H图像的SNR和CNR均高于ASIR-V图像；对于主观评分，同一能级下：DLIR-H DLIR-M ASIR-V；同一重建算法下：40 keV 50 keV 60 keV120 kVp-like；差异均有统计学意义（P 0.001）；所有病例均能通过40keV-DLIR-H获得补救成功的可诊断图像。结论：能谱单能量图像结合深度学习重建算法能够为低对比剂流速下强化效果欠佳的胸主动脉CT造影图像提供满足诊断需求的客观参数，同时显著提升整体图像质量。