文献速递腹部泌尿生殖CT

深度学习重建在标准剂量与降低剂量腹部CT检测肝脏病灶中的价值

Deep learning reconstruction for detection of liver lesions at standard-dose and reduced-dose abdominal CT.
PubMed 文献 · Eur Radiol · 2025-04-19

该前瞻性研究纳入44例已知胃肠道或胰腺腺癌肝转移参与者,同一次增强后行标准剂量及两次降低剂量腹部CT,分别用迭代重建(IR)与高强度深度学习重建(DLR)重建,评估≤20 mm肝脏病灶检出。DLR与IR在各剂量水平检出无显著差异;但≤10 mm病灶检出随剂量降低显著下降,标准剂量IR为79.4%,中剂量DLR为54.9%,低剂量DLR为45.1%。

要点

  • DLR与IR在相同剂量水平对≤20 mm肝脏病灶检出无显著差异(OR 1.11,95%CI 0.82–1.49)。
  • ≤10 mm病灶检出随剂量降低显著下降:标准剂量IR 79.4% vs 中剂量DLR 54.9% vs 低剂量DLR 45.1%。
  • DLR图像噪声较IR平均降低40.3%、CNR平均升高67.0%,但未转化为小病灶检出优势。

核心结论

  • DLR与IR在各剂量水平对肝脏病灶诊断性能相当,但DLR未能在保证小病灶检出前提下实现显著剂量降低。
  • ≤10 mm肝脏病灶检出随剂量水平降低而显著下降,两种重建算法均如此。
  • >10 mm病灶检出在降低剂量下无显著下降(标准剂量IR 90.4% vs 中剂量DLR 86.1%,p=0.18;低剂量DLR 87.0%,p=0.34),作者认为在合适临床场景下可能存在剂量降低潜力,但需临床验证。

研究设计与样本

  • 前瞻性研究,纳入44例已知胃肠道或胰腺腺癌肝转移参与者,来自常规随访(2020年10月至2022年3月),随访至2023年3月以确定参考标准。
  • 采用256层CT(GE Revolution,GE Healthcare),同一次对比剂给药后行标准剂量及两次额外降低剂量扫描,分别用混合迭代重建(ASIR-V,50% blend)和高强度深度学习重建(TrueFidelity,GE Healthcare)重建,层厚2.5 mm。
  • 两名腹部影像诊断医师(均>20年经验)盲法独立评估肝脏病灶,第三名医师(>10年经验)利用标准剂量扫描及所有可用横断面影像建立参考标准。
  • 纳入分析的≤20 mm肝脏病灶共348个(297个转移瘤,51个良性;平均大小9.1±4.3 mm),其中≤10 mm者233个、≤5 mm者64个。
  • 平均容积CT剂量指数(CTDIvol)标准剂量为14.2±3.6 mGy、中剂量为7.8±2.6 mGy、低剂量为5.1±2.1 mGy;以标准剂量为参考,中剂量平均为54%±8、低剂量平均为36%±7。

关键影像表现/征象

  • 图像噪声DLR较IR平均降低40.3%,CNR平均升高67.0%(两者p<0.001)。
  • 各剂量水平下DLR与IR的肝脏CT值无显著差异;但中剂量及低剂量扫描肝实质平均CT值较标准剂量分别低6.0 HU和6.7 HU(均p<0.001),作者归因于较低剂量扫描的轻微扫描延迟。
  • 标准剂量下IR与DLR检出率均为83.0%(95%CI 78.6–86.8%),差异p>0.99。
  • ≤10 mm病灶检出率:标准剂量IR 79.4%(95%CI 73.5–84.3%)vs 中剂量DLR 54.9%(95%CI 48.3–61.4%,p<0.001)vs 低剂量DLR 45.1%(95%CI 38.6–51.7%,p<0.001)。
  • ≤10 mm恶性病灶灵敏度:标准剂量IR 79.7%(95%CI 73.2–85.0%)vs 中剂量DLR 50.5%(95%CI 43.3–57.8%,p<0.001)vs 低剂量DLR 43.2%(95%CI 36.2–50.6%,p<0.001)。

诊断标准与关键数值

  • 病灶检出定义:至少一名阅片者置信度评分>2(即中等概率为病灶或更高)视为该剂量水平检出。
  • 病灶定性正确标准:良性病灶评分≤2(可能良性或确定良性)、转移瘤评分≥3(可能良性但未排除恶性、可能恶性或确定恶性)视为正确。
  • 混合效应逻辑回归:DLR较IR的估计OR为1.11(95%CI 0.82–1.49,p=0.68);剂量水平每降低一个百分点,检出估计OR为0.95(95%CI 0.95–0.96,p<0.001)。
  • 阅片者一致性Cohen's Kappa:标准剂量IR 0.44、DLR 0.47;中剂量IR 0.69、DLR 0.69;低剂量IR 0.71、DLR 0.69。

临床应用与阅片要点

  • 当小肝脏病灶(≤10 mm)的检出具有临床重要性时,作者认为追求剂量降低需谨慎,因DLR未能促进实质性剂量降低。
  • 作者指出>10 mm病灶检出在降低剂量下未显著下降,在合适临床场景(如稳定病灶随访、非肿瘤或筛查场景中检出较大病灶已足够)可能存在剂量降低潜力,但需临床验证。
  • 作者提到低剂量成像在合适临床场景(如儿科成像、多期增强扫描、频繁随访检查)中可能合理,但需权衡图像质量与辐射相关风险。
  • 作者认为需要在前瞻性临床试验中评估更广泛的肿瘤与非肿瘤病变、不同对比期相及不同强度、不同厂商的DLR算法,以充分明确DLR的剂量降低潜力。

局限性

  • 仅评估一种厂商特定的DLR算法用于肝脏低对比任务,结果不一定可推广至其他厂商算法及不同器官的不同病变。
  • 仅比较一种强度的DLR与一种混合IR(50% blend),理想情况下应评估更广泛的算法谱,但增加算法数量有导致阅片负担过重的风险。
  • 研究人群刻意限定为组织学证实的胃肠道癌转移性疾病,结果不一定反映非肿瘤场景中其他肝脏病变的表现。
  • 降低剂量扫描中肝实质平均CT值轻微降低(中剂量低6.0 HU、低剂量低6.7 HU,均p<0.001),作者归因于轻微扫描延迟,不能排除其对较低剂量检出性能的影响。
  • 作者不能排除对比剂增强轻微时间依赖性降低可能是两个最低剂量与标准剂量扫描比较时的贡献因素,但认为辐射剂量是较低剂量性能下降的主要驱动因素。
全文中译13 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. 2025 Apr 19;35(10):6140–9. doi: 10.1007/s00330-025-11596-z

引言

在腹部CT成像中,肝脏病灶的检测与定性可能是一项具有挑战性的任务,对肿瘤学环境下的临床诊疗具有相当大的影响[1, 2]。随着辐射剂量水平的降低,此类低对比度任务变得日益困难,主要归因于图像噪声的增加[3]。因此,在适当的临床环境中,可能需要相对较高的剂量水平以确保图像具有足够的诊断质量[4]。然而,由于长期辐射相关风险,人们致力于调整CT协议,以平衡识别相关病理所需的足够图像质量,同时将辐射剂量保持在合理可达到的低水平(即ALARA原则)[5–7]。因此,临床实践中迫切需要能够在降低辐射剂量的同时维持可接受诊断图像质量的方法。

滤波反投影(FBP)此前是主要的CT图像重建技术,主要归因于其计算效率[8, 9]。在过去几十年中,迭代重建(IR)算法已被越来越多地应用于降低图像噪声[10, 11]。然而,尽管IR在降低图像噪声方面有效,它也会改变图像噪声纹理,据报道,与FBP相比,图像外观更加“斑驳”或“塑料感”,并可能降低低对比度任务的表现[12, 13]。

在过去几年中,深度学习重建(DLR)在临床实践中获得了越来越多的关注。这些厂商专属算法(如TrueFidelity [GE Healthcare]、AiCE [Canon Medical Systems]和Precise Image [Philips Healthcare])使用高剂量和低剂量数据集进行训练,致力于通过降低既往具有挑战性领域(如低剂量成像和肥胖个体扫描)的图像噪声来提升图像质量[14]。然而,尽管前景可观,新型重建算法必须经过严格评估,以确保在追求剂量降低的过程中性能不受损害。评估DLR算法TrueFidelity(GE Healthcare)的体模研究表明,在不同剂量水平下均能实现与IR相当的稳健噪声降低,且不损害图像纹理,并改善了低对比度可检测性[15, 16]。然而,尽管临床研究已显示主观图像质量改善[17, 18],但关于这是否能转化为低对比度病灶检测、病灶定性和放射科医师信心方面实质性的剂量降低潜力,研究结果尚不一致[19, 20]。

在此基础上,我们着手研究使用DLR和IR在不同剂量水平下检测低对比度肝脏病灶的诊断性能,以评估DLR在临床环境中降低剂量的潜力。

材料与方法

本研究经本地区伦理委员会(REK 108784)和数据保护官(PVO 20/18032)批准。所有参与者均获得了书面知情同意。基于初始参与者子集(n = 25)的初步结果已于2023年以欧洲放射学大会壁报形式发表[21]。

研究参与者

功效分析表明,假设标准剂量检出率为95% [4, 22]、非劣效界值为−5%、统计功效为80%、单侧显著性水平为5%,则需要235个肝脏病灶。2020年10月至2022年3月,从常规随访中前瞻性纳入已知患有胃肠道或胰腺腺癌肝转移的参与者,纳入和排除标准如图1所示。记录每位参与者的年龄、性别、身高和体重。对参与者进行随访以评估参考标准,随访持续至2023年3月。

图1 研究流程图 查看原图 ↗

CT图像采集和重建

所有参与者均接受临床指征的腹部CT检查,使用256层CT系统(GE Revolution,GE Healthcare),参数设置如表1所示。对比剂(iohexol 350 mg/mL,Omnipaque,GE Healthcare)按体重参考2 mL/kg经静脉给药,但可根据体型在1.5–2.5 mL/kg范围内调整,符合我们常规腹部CT方案。参考对比剂注射时间设定为40 s,扫描在对比剂注射后80 s的门静脉期进行。在临床指征扫描后立即且在同一次对比剂给药期间,参与者接受两次额外扫描,覆盖上腹部,调整扫描仪设置以获得中等剂量扫描和低剂量扫描。补充扫描的顺序在参与者之间交替,并记录所有扫描的容积CT剂量指数(CTDIvol)。采用50%混合的混合迭代重建(IR)(ASIR-V,GE Healthcare)和高强度深度学习重建(DLR)(TrueFidelity,GE Healthcare)重建2.5 mm层厚的CT图像。选择高强度DLR算法是因为它提供最高程度的图像去噪,并已在体模中证明可改善低对比度病灶检出 [15, 16]。

表1 腹部CT方案的参数和数据 查看原表 ↗

病灶检出和参考标准

两名委员会认证的放射科医师(C.K.J.和G.H.,具有>20年腹部影像经验)在反映临床环境的标准观察条件下,在专用工作站(Sectra IDS7,Sectra)上审查每次扫描是否存在肝脏病灶。匿名图像以腹部CT标准窗设置(窗宽350、窗位30)呈现,但可根据阅片者偏好自由调整。阅片者对参与者特征、剂量水平和所应用的重建算法设盲,所有扫描随机呈现以最小化回忆偏倚。阅片期间无既往或随访影像可用,审查无时间限制。

对于每次扫描,肝脏病灶被标记以相应的置信度水平(1,最确定无病灶;2,病灶概率低;3,病灶概率中等;4,病灶概率高;5,确定病灶)并进行特征描述(1,肯定良性;2,可能良性;3,可能良性但不能排除恶性;4,可能恶性;5,肯定恶性)。

参考标准由一名委员会认证的放射科医师(A.S.)建立,其具有超过十年腹部影像经验,使用标准剂量扫描并利用所研究扫描之前和之后所有可用的横断面影像。

定量分析

定量图像质量通过在专用工作站(Sectra IDS 7,Sectra)上绘制面积约1 cm²的二维感兴趣区(ROI)进行评估:三个位于肝实质,一个位于椎旁肌。对每个ROI,记录以亨斯菲尔德单位(HU)表示的平均CT值和标准差,后者被视为图像噪声的度量。对于肝实质内的ROI,对各指标取平均值,使用以下公式计算信噪比(SNR),并使用以下公式计算对比噪声比(CNR)

统计分析

CT值、噪声、SNR和CNR以均值±标准差汇总,并使用t统计量进行比较。针对每个剂量水平和重建算法,评估检测、灵敏度、特异度和准确度的性能指标,包括直径≤20 mm的病灶,并使用McNemar检验进行比较。对于这些指标,至少由一名阅片者检测到且报告的置信度量表高于2分(即病灶中等概率或更高)的病灶,被视为在该剂量水平下被检测到。对于定性,如果良性病灶评分≤2分(即可能良性或明确良性)、转移瘤评分≥3分(即可能良性但不能排除恶性、可能恶性或明确恶性),且至少由一名阅片者正确检测并定性,则病灶被认定为符合参考标准的正确定性。阅片者检测到但根据参考标准未被认定为病灶的病灶被视为假阳性。检测情况使用混合效应逻辑回归模型进行评估,将剂量水平、重建算法和病灶大小作为固定效应,将患者和病灶作为随机效应。为此,剂量降低作为连续变量纳入,基于每次扫描从扫描仪获得的实际剂量水平。阅片者一致性使用Cohen's Kappa评估,并按照Landis和Koch [23]进行解释。所有检验均为双侧检验,p值≤0.05被认为具有统计学意义。统计检验使用R(v.4.3.3,The R Foundation for Statistical Computing)和Stata SE(v.18.5,StataCorp)进行。

结果

参与者和病灶特征

参与者纳入流程图见图1,参与者和病灶特征见表2。在纳入的60名参与者中,2名因健康状况无法完成检查而被排除,14名因无法获得知情同意而被排除。因此,最终研究人群由44名参与者组成(28名男性[64%]),平均年龄±标准差为66.1±10.9岁(范围40–86岁),平均体重76.2±14.3 kg(范围48–110 kg),平均BMI为24.8±3.8 kg/m²(范围18.5–32.9 kg/m²)。参考标准识别出419个肝脏病灶,其中348个最大直径≤20 mm,297个(85.3%)为恶性,51个(14.7%)为良性。病灶大小平均为9.1±4.3 mm(范围3–20 mm)。按大小分层,115个病灶(33.0%)直径>10 mm,169个病灶(48.6%)直径>5且≤10 mm,64个病灶(18.4%)直径≤5 mm。参与者平均有7.9个病灶,中位数为6个病灶(范围1–28个病灶)。

表2 参与者人口学特征和病灶特征 查看原表 ↗

辐射剂量和管电位

平均CTDIvol ± 标准差在标准剂量扫描中为14.2 ± 3.6 mGy(范围,9.6–26.3 mGy),在中等剂量扫描中为7.8 ± 2.6 mGy(范围,3.6–17.5 mGy),在低剂量扫描中为5.1 ± 2.1 mGy(范围,2.1–11.3 mGy)。相应地,以标准剂量CT为参考,中等剂量扫描的平均剂量为54% ± 8(范围,35–68%),低剂量扫描为36% ± 7(范围,21–47%)。13名参与者(29.5%)以100 kV的管电位进行扫描,31名(70.5%)以120 kV的管电位进行扫描。

对比剂给药

参与者接受静脉对比剂的中位体积为150 mL(范围,100–180 mL),中位流速为3.5 mL/s(范围,2.5–4.0 mL/s)。

定量图像质量

对于定量分析,共纳入264个图像集的ROI,结果见表3。平均而言,与IR相比,DLR的图像噪声低40.3%,CNR高67.0%(差异均p < 0.001)。在每个剂量水平下,各重建算法之间的CT值无显著差异。然而,随着剂量水平的降低,肝实质的平均CT值略有下降,以标准剂量CT为参考,中等剂量CT低6.0 HU,低剂量CT低6.7 HU(差异均p < 0.001)。这一差异归因于较低剂量扫描因轻微扫描延迟导致的肝脏对比剂强化微小差异,因为放置在椎旁肌的ROI在各剂量水平之间的CT值差异较小(以标准剂量CT为参考,中等剂量CT低0.8 HU,低剂量CT低0.7 HU,差异分别为p = 0.046和p = 0.09)。值得注意的是,中等剂量与低剂量扫描之间肝实质平均CT值的差异为0.7 HU(差异p = 0.051)。

表3 标准剂量和降低剂量CT下IR和DLR的定量图像质量参数 查看原表 ↗

诊断准确性

对于标准剂量CT,读者1和读者2在IR上分别正确识别了252个和247个病灶,而在DLR上分别识别了253个和251个病灶。对于中等剂量CT,读者1和读者2在IR上分别正确识别了197个和194个病灶,而在DLR上分别识别了199个和202个病灶。最后,对于低剂量CT,读者1和读者2在IR上分别正确识别了175个和177个病灶,而在DLR上分别识别了177个和179个病灶。假阳性病灶数量在标准剂量CT上IR为25个、DLR为21个,在中等剂量CT上IR为15个、DLR为18个,在低剂量CT上IR为24个、DLR为20个。这些是读者标记的肝实质区域,在利用所有可用横断面成像时被参考标准视为假病灶,如肝内血管、灌注改变、胆管分支以及局灶性脂肪保留或浸润。各剂量水平的诊断性能指标及按病灶大小的亚组分析见表4。对于标准剂量CT,IR和DLR均检测到83.0%(95% CI:78.6–86.8%)的病灶(差异p > 0.99)。与标准剂量IR相比,中等剂量DLR检测到的病灶显著更少(65.2%;95% CI:59.9–70.2%;差异p < 0.001),低剂量DLR亦显著更少(58.9%;95% CI:53.5–64.1%;差异p < 0.001)。在同一剂量水平内,IR与DLR之间的检测率无显著差异。对于大于1 cm的病灶,检测率从标准剂量IR的90.4%(95% CI:83.2–94.9%)略降至中等剂量DLR的86.1%(95% CI:78.1–91.6%;差异p = 0.18)和低剂量DLR的87.0%(95% CI:79.1–92.3%;差异p = 0.34),但差异不显著。对于233个≤ 10 mm的病灶,检测率从标准剂量IR的79.4%(95% CI:73.5–84.3%)显著下降至中等剂量DLR的54.9%(95% CI:48.3–61.4%;差异p < 0.001)和低剂量DLR的45.1%(95% CI:38.6–51.7%;差异p < 0.001)。相应地,当仅考虑192个≤ 10 mm的恶性病灶时,敏感度也出现类似的显著下降,从标准剂量IR的79.7%(95% CI:73.2–85.0%)降至中等剂量DLR的50.5%(95% CI:43.3–57.8%;差异p < 0.001)和低剂量DLR的43.2%(95% CI:36.2–50.6%;差异p < 0.001)。图2展示了一个9 mm的肝转移灶在标准剂量CT联合IR时被正确检测到,但在中等剂量和低剂量扫描联合DLR时被两位读者均漏诊。读者间一致性为中等至高度一致,IR和DLR的Cohen's Kappa在标准剂量CT上估计分别为0.44和0.47,在中等剂量CT上分别为0.69和0.69,在低剂量CT上分别为0.71和0.69。

以剂量水平、重建算法和病灶大小作为固定效应、患者和病灶作为随机效应的混合效应逻辑回归显示,重建算法之间的检测率无显著差异(DLR与IR相比的估计OR为1.11;95% CI:0.82–1.49,p = 0.68),而降低剂量水平与检测率显著下降相关(剂量水平每降低一个百分点,病灶检测的估计OR为0.95;95% CI:0.95–0.96,p < 0.001)。每种重建算法在不同剂量减少下的估计检测率概览见图3。

图2 采用IR在标准剂量CT(a)、DLR在中剂量CT(b)和DLR在低剂量CT(c)获得的轴位对比增强CT图像。两名阅片者在标准剂量IR上均检出一个小9 mm低密度肝脏病灶(红箭头),但在较低剂量水平使用DLR时两名阅片者均漏诊(红圈)。经参考文献[21]许可转载 查看原图 ↗
表4 IR和DLR在标准剂量与降低剂量CT上的诊断性能 查看原表 ↗
图3 混合效应逻辑回归结果,以线图显示按辐射剂量自扫描仪获得的完整剂量水平降低分组(取整至最接近的百分之十)后,IR和DLR对所有病灶的估计肝脏病灶检出率,并按病灶大小分层。误差条表示95%置信区间 查看原图 ↗

讨论

在临床实践中,为追求降低剂量而减少CT图像噪声的方法是可取的。我们的研究评估了高强度DLR算法与IR在标准剂量和降低剂量CT上的诊断性能,发现肝脏病灶检出率无显著差异。此外,尽管使用了DLR去噪,≤ 10 mm病灶的检出率随剂量水平降低而显著下降,从标准剂量IR的79.4%降至中剂量DLR的54.9%和低剂量DLR的45.1%。

多项研究已证明DLR可改善图像质量。体模研究显示,在与较高混合比例混合IR相当的水平上具有稳健的图像去噪能力,同时保持与FBP相似的噪声纹理[24, 25]。半拟人体模研究显示低对比度病灶检出改善,且随DLR强度增高性能提高[16, 26]。在临床环境中,DLR已显示可改善整体图像质量的主观感知和病灶诊断信心。尽管如此,一些阅片者注意到较高DLR强度下< 5 mm肝脏病灶出现轻微模糊[18]。重要问题在于,这种主观图像质量的改善是否能转化为诊断性能的提高或显著的剂量降低。

有趣的是,我们的研究表明,尽管使用了深度学习重建(DLR)图像去噪,但在降低剂量水平时,肝脏病灶检测的诊断性能并未改善,并且对于较小肝脏病灶的检测性能反而下降;因此,当较小肝脏病灶的检测具有重要意义时,这限制了降低剂量的潜力。这与Jensen等人[19]最近的一项研究一致,该研究显示,65个小型肝脏病灶(≤ 5 mm)的检出率从标准剂量滤波反投影(FBP)的96.9%下降至降低剂量中等强度DLR的72.3%。值得注意的是,该研究采用了相对较高的剂量水平,报告的全程剂量CT平均CTDIvol为34.9 mGy,降低剂量CT为12.2 mGy。因此,我们的研究是一项重要补充,因为我们使用了更高强度的DLR和更严格的图像去噪,在更低的剂量水平(平均CTDIvol为14.2 mGy、7.8 mGy和5.1 mGy)下探索性能,并对每个研究剂量水平同时评估了DLR和迭代重建(IR)。值得注意的是,Caruso等人[20]发现在标准剂量CT(平均CTDIvol 24.1 mGy)下,33个≤ 5 mm肝脏病灶的检测存在轻微差异(中等强度DLR检出32个 vs IR检出26个;差异p = 0.031),结论是DLR可能允许降低剂量,但需在更大规模的研究中验证。然而,Cao等人[27]回顾性发现,在标准剂量CT下检测25个≤ 10 mm病灶时,低、中、高强度IR与DLR之间无差异。因此,我们的研究对现有文献有所贡献,利用了348个肝脏病灶的大样本量,其中233个为小型(≤ 10 mm),64个为非常小型(≤ 5 mm),并表明严格的去噪在实践中并未转化为病灶检测的改善。

由于在较低剂量水平下,> 10 mm病灶的检测未显著恶化,当较小肝脏病灶的检测和定性不太重要时,可能存在降低剂量的潜力。可以说,必须谨慎定制CT协议,以平衡图像质量与辐射相关风险,在适当的临床环境中低剂量成像可能是合理的,例如儿科成像、多期对比增强扫描和频繁的随访检查[28]。为此,需要在儿科和成人环境中开展前瞻性临床试验,评估更广泛的肿瘤性和非肿瘤性病变,最好探索不同的对比期相以及不同强度和不同厂商的DLR算法,以充分表征使用DLR降低剂量的潜力。

我们的研究并非没有局限性。首先,我们探索了一种特定厂商的深度学习重建(DLR)算法,评估肝脏低对比度任务,研究结果不一定能推广到其他厂商特定算法以及不同器官的不同病变。其次,我们仅比较了DLR的一种强度与迭代重建(IR)的混合,理想情况下本应评估更广泛的算法谱系。然而,研究算法数量的增加存在造成阅片者会话过于疲劳的风险。对于IR,应用了50%的混合,反映我们腹部CT的临床常规,而选择高强度DLR算法是因为其提供最高程度的图像去噪,并已在体模中证明可改善低对比度病灶检测[16, 17, 25]。第三,由于我们有意将研究人群限制为组织学确诊的胃肠道癌转移性疾病,我们的发现可能不一定反映非肿瘤背景下涉及一系列其他肝脏病变时的性能。最后,我们观察到在降低剂量扫描中肝实质平均CT值略有降低,归因于轻微扫描延迟,不能排除这影响了较低剂量水平下的检测性能。然而,在同一剂量水平内比较算法可以说减轻了这一局限性。此外,鉴于两次低剂量扫描的随机顺序,两次低剂量扫描之间平均CT值的差异仅为0.7 HU。由于我们一致观察到最低剂量水平下病灶清晰度下降,这在线性混合回归模型中也很明显,我们认为辐射剂量是较低剂量水平下性能降低的主要驱动因素,而不是对比度随时间的轻微降低,尽管我们不能排除在将两个最低剂量水平与标准剂量扫描比较时这可能是一个促成因素。

总之,对于标准剂量和降低剂量腹部CT,DLR相对于IR改善了图像噪声和对比噪声比,但未改善肝脏病灶检测。此外,对于两种算法,随着剂量水平降低,≤ 10 mm肝脏病灶的检测显著降低。因此,当较小肝脏病灶的检测具有重要意义时,在追求剂量降低时必须谨慎。由于> 10 mm病灶的检测未显著恶化,在适当的临床环境中可能存在剂量降低的潜力,例如稳定疾病的随访场景,以及非肿瘤或筛查环境中检测较大病灶已足够,但需经临床验证。

引用

  1. Njølstad TH, Jensen K, Andersen HK, et al. Deep learning reconstruction for detection of liver lesions at standard-dose and reduced-dose abdominal CT. Eur Radiol. 2025. PMID: 40251443. doi:10.1007/s00330-025-11596-z
  2. 全文:PMC12417284(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC12417284/

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。