文献速递胸部CT

银滤过器联合深度学习重建的超低剂量胸部CT在淋巴管肌瘤病(LAM)评估与监测中显著降低辐射剂量并保留定量信息

Ultra-low dose chest CT with silver filter and deep learning reconstruction significantly reduces radiation dose and retains quantitative information in the investigation and monitoring of lymphangioleiomyomatosis (LAM).
PubMed 文献 · Eur Radiol · 2024-02-22

单中心前瞻性研究纳入60例女性LAM患者,比较标准铜滤过器+混合迭代重建(AIDR3D)与SilverBeam银滤过器+深度学习重建(AiCE)胸部CT。SilverBeam AiCE较标准方案辐射剂量降低85.5%(0.33 mSv vs 2.27 mSv,p<0.001),囊变评分差异仅1.5%,线性相关系数0.98。

要点

  • SilverBeam银滤过器联合AiCE重建使胸部CT中位辐射剂量降低85.5%(0.33 mSv vs 2.27 mSv,p<0.001)。
  • SilverBeam AiCE与标准铜滤过器AIDR3D的囊变评分中位数分别为2.4% vs 3.9%,差异1.5%,线性相关系数0.98(p<0.001)。
  • SilverBeam AiCE的SNR略低于标准滤过器AIDR3D(3.1 vs 3.2,p=0.005)。

核心结论

  • SilverBeam银滤过器联合深度学习重建可降低LAM患者胸部CT辐射剂量,同时保持囊变定量准确性和图像质量。

研究设计与样本

  • 单中心前瞻性研究,连续纳入60例LAM患者,采用320排CT(Aquilion One Prism Edition,Canon Medical Systems),标准剂量用铜滤过器+AIDR3D重建,超低剂量用SilverBeam滤过器+AiCE重建,以半自动软件量化囊变评分。

关键影像表现/征象

  • LAM表现为弥漫薄壁肺囊肿,囊变评分定义为低衰减区占肺体积百分比。
  • SilverBeam AiCE图像与标准滤过器AIDR3D图像囊变评分高度相关(r=0.98,p<0.001)。
  • SilverBeam AiCE的SNR中位数3.1(IQR 2.6–4.2)略低于标准滤过器AIDR3D的3.2(IQR 2.7–4.7),p=0.005。

诊断标准与关键数值

  • 囊变评分(%肺体积受累)由半自动软件(Lung Density Analysis,Canon Medical)量化。
  • SilverBeam AiCE与标准滤过器AIDR3D囊变评分中位数分别为2.4%(IQR 0.4–13.4)vs 3.9%(IQR 1.0–14.3),差异1.5%。
  • Bland-Altman分析显示两种方案囊变评分平均负偏倚1.23。
  • 标准滤过器下AiCE与AIDR3D囊变评分中位数分别为3.7%(IQR 0.8–14.4)vs 3.9%(IQR 1.0–14.3),p<0.001,平均正偏倚0.12。

临床应用与阅片要点

  • SilverBeam银滤过器联合AiCE重建可用于LAM患者胸部CT随访,在显著降低辐射剂量的同时保持囊变定量准确性。
  • 超低剂量扫描采用固定120 kV和80 mA技术,未使用基于衰减的管电流调制,图像质量和剂量节省与体型成比例。
  • SilverBeam AiCE的SNR较标准方案低0.1,作者认为该差异可能不具备临床显著性。

局限性

  • 本研究为单中心研究。
  • 低剂量扫描采用固定技术,未使用基于衰减的管电流调制,图像质量和辐射剂量节省与体型成比例。
  • 需要在其他肺部疾病(模式不均匀)中进一步评估。
全文中译4 节 · 点击展开
本译文由 AI 依据开放获取原文逐段翻译,供学习参考,可能存在误差,请以原文为准。原文 © 原作者,按 CC BY 许可使用,本译文为翻译改编。出处:Eur Radiol. 2024 Feb 22;34(9):5613–20. doi: 10.1007/s00330-024-10649-z

引言

淋巴管肌瘤病(LAM)是一种肿瘤性疾病,主要影响女性,其特征为浸润性异常平滑肌样细胞导致弥漫性薄壁肺囊肿 [1]。尽管组织学上为良性,LAM细胞表达淋巴管生成生长因子VEGF-C和VEGF-D,并通过淋巴管播散 [2]。肺部的囊性破坏导致肺功能进行性恶化 [3]。mTOR1抑制剂西罗莫司(雷帕霉素)是一线治疗 [4]。

可通过CT扫描对肺部受累程度进行定量评估 [5]。囊肿评分定义为低衰减区即被囊肿占据的肺容积百分比,与LAM疾病严重程度以及包括肺功能检查和通气-灌注闪烁显像在内的生理学数据相关 [6, 7]。CT在评估病变范围方面优于胸部X线摄影,尤其在识别直径< 1.0 cm的囊肿方面。疾病进展和治疗反应的定量可通过系列CT扫描进行监测 [7]。然而,频繁的CT扫描增加了辐射暴露。电离辐射增加血液系统恶性肿瘤和实体器官癌症的风险 [8–10]。暴露后恶性肿瘤风险在年轻患者和女性中更高 [11, 12]。因此,鉴于需要定期进行CT扫描,在保持准确定量CT囊肿评分的同时降低辐射剂量的方法对该人群至关重要。

降低CT辐射剂量的尝试包括使用X射线束滤过。锡和铜滤过器可降低辐射剂量而不对图像质量产生负面影响,目前铜滤过器已成为标准。然而,银滤过器近期已被研究用于剂量降低 [13, 14]。尽管近期研究已在体模胸部模型中评估了银滤过器联合深度学习重建对图像质量和辐射剂量的影响,但尚未在临床实践中进行研究 [8, 13, 15]。超低剂量CT的图像噪声在采用传统方法重建时显著降低图像质量;然而,深度学习重建可以解决这一问题 [16]。已知深度学习重建算法可改善以信噪比(SNR)和对比噪声比评估的图像质量,且与其他重建方法相比具有更快的重建速度 [8]。

本研究的目的是探讨使用SilverBeam滤过器联合深度学习重建算法是否能够实现降低辐射剂量的胸部CT扫描。

方法

经机构审查委员会批准(96-H-0100)并签署知情同意书,连续纳入60例淋巴管肌瘤病(LAM)患者进入本前瞻性研究。2021年11月至2022年8月期间,患者在单中心使用320排CT扫描仪(Aquilion One Prism Edition,Canon Medical Systems)接受标准和超低辐射剂量的胸部CT检查。所有CT扫描均采用80 × 0.5 mm螺旋采集模式,机架旋转时间0.5 s,标准螺距。对于标准剂量CT扫描,X射线管电压和电流由自动曝光控制(SUREExposure 3D,Canon Medical)根据定位像衰减确定,使用图像质量因子SD12.5,并采用软组织核结合混合迭代重建(自适应迭代剂量降低(AIDR3D))进行重建。对于标准滤过图像,使用标准铜滤过器。低剂量CT扫描应用SilverBeam滤过器,使用固定120 kV和80 mA,并采用软组织核结合深度学习重建(高级智能Clear-IQ引擎(AiCE))技术进行重建。根据剂量长度乘积(DLP)记录扫描仪报告的辐射剂量参数,标准和低剂量扫描方案均如此。有效辐射剂量以毫希沃特(mSv)为单位,通过剂量长度乘积乘以转换系数0.014(mSv·mGy-1·cm-1)计算得出[17]。

图像以512 × 512矩阵、2 mm层厚、1 mm层间隔进行重建。囊肿评分(受囊肿影响的肺体积百分比)由半自动软件(Lung Density Analysis,Canon Medical)量化(图1)。对每种重建计算信噪比(SNR)。数据通过线性相关、配对t检验和Bland–Altman图进行分析。

图1 一名29岁女性LAM患者的胸部CT。A 使用AIDR3D的标准扫描。B 标准扫描,低衰减区以红色高亮显示。辐射剂量1.90 mSv,囊肿评分16.8%。C 使用AiCE的SilverBeam扫描。D SilverBeam扫描,低衰减区以红色高亮显示。辐射剂量0.33 mSv,囊肿评分15.9% 查看原图 ↗

结果

患者(n = 60)平均年龄49.4岁(范围23–70岁),100%为女性,平均BMI 26.6 ± 6.1 kg/m2(表1)。

与标准滤波器联合AIDR3D重建相比,使用SilverBeam滤波器联合AiCE重建的超低剂量中位辐射剂量降低了85.5%(分别为0.33(IQR 0.33–0.35)mSv vs. 2.27(IQR 2.01–3.20)mSv,p < 0.001)(图2)。SilverBeam滤波器联合AiCE重建的中位囊肿评分为2.4(IQR 0.4–13.4)%,而标准滤波器联合AIDR3D重建为3.9(IQR 1.0–14.3)%,差异为1.5%。使用SilverBeam滤波器联合AiCE成像与标准滤波器联合AIDR3D成像量化的囊肿评分的线性相关系数极佳,为0.98(p < 0.001)(图3a)。比较两者囊肿评分差异的Bland–Altman图显示最小负偏倚为1.23(图3b)。使用AiCE重建与AIDR3D重建(两者均使用标准滤波器)的囊肿评分的线性相关系数也极佳,为0.999(p < 0.001,图4a),中位囊肿评分分别为3.7(IQR 0.8–14.4)% vs. 3.9(IQR 1.0–14.3)%(p < 0.001)。Bland–Altman图显示最小正偏倚为0.12(图4b)。此外,使用SilverBeam滤波器联合AIDR3D与SilverBeam滤波器联合AiCE量化的囊肿评分的线性相关系数为0.98(p < 0.001),而使用SilverBeam滤波器联合AIDR3D与标准滤波器联合AIDR3D量化的囊肿评分的线性相关系数为0.92(p < 0.001)。

使用SilverBeam滤波器联合AiCE重建成像的中位信噪比略低于使用标准滤波器联合AIDR3D重建成像(分别为3.1(IQR 2.6–4.2) vs. 3.2(IQR 2.7–4.7),p = 0.005)。标准滤波器联合AiCE的中位SNR显著高于标准滤波器联合AIDR3D(分别为3.9(IQR 3.3–5.5) vs. 3.2(IQR 2.7–4.7),p < 0.001)。SilverBeam滤波器联合AiCE的SNR也显著高于SilverBeam滤波器联合AIDR3D(分别为3.1(IQR 2.6–4.2) vs. 1.9(IQR 1.5–2.4),p < 0.001)。

表1 60例LAM患者的人口统计学资料 查看原表 ↗
图2 标准滤波器联合AIDR3D与SilverBeam滤波器联合AiCE的中位有效辐射剂量(mSv)分别为2.27(IQR 2.01–3.20) vs. 0.33(IQR 0.33–0.35)mSv(p < 0.001),代表辐射剂量降低85.5% 查看原图 ↗
图3 a 使用SilverBeam滤波器联合AiCE重建与标准滤波器联合AIDR3D重建的囊肿评分线性回归。SilverBeam联合AiCE的中位囊肿评分为2.4(IQR 0.4–13.4)%,而标准滤波器联合AIDR3D为3.9(IQR 1.0–14.3)%,r2 = 0.98,p < 0.001。b Bland–Altman图显示平均负偏倚为1.23,蓝色实线表示均值,红色虚线表示95%置信区间边界 查看原图 ↗
图4 a 使用标准滤波器的AiCE vs. AIDR3D重建的囊肿评分线性回归。中位囊肿评分分别为3.7(IQR 0.8–14.4)% vs. 3.9(IQR 1.0–14.3)%,r2 = 0.99,p < 0.001。b Bland–Altman图显示平均正偏倚为0.12,蓝色实线表示均值,红色虚线表示95%置信区间边界 查看原图 ↗

讨论

在我们的研究中,我们评估了SilverBeam滤线器结合深度学习重建算法(AiCE)的效果,发现在LAM患者的胸部CT扫描中辐射剂量减少了85.5%。由于LAM中的肺囊肿易于量化,我们利用囊肿评分量化作为指标来评估SilverBeam滤线器结合AiCE的诊断准确性。我们将使用该滤线器和重建方法获得的囊肿评分与使用当前传统方法量化的囊肿评分进行比较,发现使用SilverBeam滤线器和AiCE重建的图像与使用标准滤线器和AIDR3D重建的图像之间囊肿评分高度相关,表明我们的方法未对囊肿评分量化的诊断准确性产生不良影响。此外,我们证明了重建方法(AiCE)本身未改变诊断准确性,因为使用标准滤线器结合AiCE重建获得的囊肿评分与使用相同滤线器结合AIDR3D重建获得的囊肿评分相关性非常强。SilverBeam滤线器本身也未对诊断准确性产生负面影响,因为SilverBeam滤线器和标准滤线器在采用相同重建方法时,囊肿评分量化之间存在强相关性。尽管使用SilverBeam滤线器结合AiCE重建的成像信噪比略低于使用标准滤线器结合AIDR3D重建的成像,但0.1的差异可能不足以具有临床意义。比较使用相同滤线器但不同重建方法的扫描,AiCE相比AIDR3D允许显著更高的SNR,并可与SilverBeam滤线器联合使用以改善图像质量。我们的整体结果表明,SilverBeam滤线器结合AiCE重建显著降低了辐射剂量,同时允许准确的囊肿评分量化,而未显著影响信噪比。

尽管关于辐射风险的确切计算存在争议,但近年来在CT辐射剂量降低方面已取得进展[10],一项研究显示,包括改进探测器能力和锡滤过在内的方案可将肺癌筛查胸部CT所致新发肺癌的风险从每10万例8.6例降至0.35例[10, 18]。在另一项研究中,标准剂量胸部CT(5 mSv)被证明可引起不稳定染色体畸变增加,包括DNA双链断裂,而低剂量CT(定义为1.5 mSv)则不会[19]。在我们的研究中,SilverBeam滤线器将辐射降至0.33 mSv,低于上述研究中观察到的1.5 mSv阈值水平。虽然此前已采用超低剂量胸部CT结合基于模型的迭代重建(MBIR)对LAM患者进行辐射剂量降低,结果辐射减少了96%(至0.14 mSv的剂量)[20],但MBIR计算时间长且图像纹理呈“塑料样”或“人工样”外观[8]。在我们的研究中,我们能够显著降低辐射剂量,尽管未达到此前研究[20]的程度;然而,我们通过使用深度学习图像重建(AiCE)而非MBIR,得以避免牺牲图像质量。

最近,已有研究探讨银X射线束能谱修饰滤过器用于降低辐射剂量的可能性[13–15]。Nomura等[14]评估了银滤过器降低定位像摄影辐射的能力,发现与使用铜滤过器的定位像摄影相比,辐射剂量降低了74%。该研究发现,虽然解剖标志的可探测性未受到负面影响,但与铜滤过器相比,银滤过器的图像噪声显著更大。虽然该研究仅评估了银滤过器在定位像成像中的辐射降低效果,但我们评估了银滤过器在CT扫描本身的辐射降低效果,并发现了相似的辐射降低百分比。然而,我们还额外利用了深度学习(AiCE)重建来保持图像质量并降低噪声,尽管辐射剂量有所降低,并且基本能够维持以信噪比评估的图像质量。Kawamato等在带有10 mm结节的胸部模体中评估了使用银滤过器联合混合迭代重建(AIDR3D)时的辐射剂量特征和图像质量,发现与不使用滤过器相比,使用银滤过器时图像噪声和伪影有所降低[15]。

最近,已有研究评估了银滤过器联合深度学习重建在降低辐射剂量的同时检测胸部模体肺结节的能力[13]。深度学习重建(DLR)是CT中一种相对较新的重建方法,能够在较低辐射剂量下保持图像质量。虽然DLR已在肺部成像中经过评估,包括结节检测[21]和肺气肿定量[22],但银滤过器与DLR的联合仅在胸部模体中进行过评估[13]。这项使用胸部模体的研究表明,与标准铜滤过器相比,银滤过器联合深度学习重建可降低辐射剂量,并提高中位图像质量评分和结节检测率,且使用银滤过器的CT协议的信噪比显著高于铜滤过器。我们同样发现使用SilverBeam滤过器可降低辐射剂量。然而,我们发现与标准铜滤过器相比,银滤过器的SNR略低。虽然此前研究存在使用胸部模体所特有的局限性——特别是缺乏运动伪影、没有临床实践中存在的体型差异,以及结节为完美圆形[13]——但我们证明,在临床实践中对真实患者使用SilverBeam滤过器联合深度学习重建时,这种辐射剂量的降低得以维持。因此,尽管这些使用银滤过器的既往研究[13–15]在辐射降低方面具有相似发现,但我们的研究是首个在真实患者的CT扫描中评估银滤过器联合深度学习重建辐射降低效果的研究。

虽然我们的研究评估了LAM(一种罕见病)患者肺囊肿的检测,但LAM中的囊肿评分是通过测量CT上低衰减体积百分比来评估的。量化气道和组织受累程度的类似方法可用于评估其他肺气肿性疾病(如COPD)的疾病严重程度,并已被证明与组织学测量结果相对应[16, 23, 24]。已有研究将深度学习卷积神经网络与超低剂量CT结合用于肺气肿量化指标[22]。使用DLR重建的超低剂量扫描的肺气肿指标与使用自适应统计迭代重建的标准剂量CT扫描无显著差异。此外,尽管辐射剂量从标准剂量扫描的3.43 mSv降低至超低剂量扫描的0.39 mSv,两者之间的图像噪声并无差异[22]。然而,用于降低辐射剂量的银滤器尚未在单纯肺气肿中或与DLR算法联合应用中进行评估。

虽然我们的研究是单中心研究,但我们预期该技术在其他中心将产生类似结果。低辐射剂量扫描采用固定技术,未使用基于衰减的管电流调制,因此图像质量和辐射剂量节省与体型成比例。虽然LAM中的囊肿均匀、边界清晰且易于量化,但我们预期SilverBeam滤器联合深度学习重建在其他疾病的CT成像中,在降低辐射的同时保持图像质量和诊断准确性方面可能产生类似结果。然而,需要在模式不那么均匀的其他肺部疾病中进行评估。我们的研究结果表明,SilverBeam滤器联合深度学习重建可能有效降低其他囊性或肺气肿性疾病成像中的辐射剂量。SilverBeam滤器联合DLR可在囊性肺疾病中显著降低辐射,同时保持图像质量和诊断准确性。

引用

  1. Golbus AE, Steveson C, Schuzer JL, et al. Ultra-low dose chest CT with silver filter and deep learning reconstruction significantly reduces radiation dose and retains quantitative information in the investigation and monitoring of lymphangioleiomyomatosis (LAM). Eur Radiol. 2024. PMID: 38388717. doi:10.1007/s00330-024-10649-z
  2. 全文:PMC11364713(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC11364713/

供执业医师工作参考,不替代临床判断;数值与分级以指南原文为准。