评估用于传统X线成像的人工智能降噪工具——基于体模在不同辐射剂量水平下对儿童胸部检查的视觉分级研究
本研究用两种体模在100%至40%(正位)及25%(侧位)剂量水平下获取儿童胸部正侧位X线图像,由三名儿童放射科医师对人工智能智能降噪(INR)与传统降噪图像进行视觉分级特征分析。结果显示正位INR图像在各剂量水平下图像质量均显著优于传统降噪图像,INR图像在≥80%剂量时质量显著优于100%剂量传统降噪参考图像。作者认为INR可能用于提高特定剂量下的图像质量或降低剂量并维持图像质量。
要点
- 正位胸片在40%–100%各剂量水平下,INR图像质量均显著优于同剂量传统降噪图像。
- 正位INR图像在≥80%剂量时质量显著优于100%剂量传统降噪参考图像。
- 侧位INR图像质量改善趋势相似但达到统计学显著的条目不似正位多。
核心结论
- 作者认为基于AI的INR可能用于在特定剂量水平下提高儿童胸部X线图像质量,或在维持图像质量的同时降低剂量。
研究设计与样本
- 本研究为基于体模图像的视觉分级研究,使用PBU-70和PBU-60两种拟人化体模模拟不同体型儿童胸部检查。
- 共纳入300张正位和420张侧位图像,由三名具有8年经验的儿童放射科医师在ViewDEX软件中随机盲法阅片。
- 图像采用Canon Medical Systems的INR(降噪强度设为5)与传统数字后处理降噪进行对比,剂量水平按Renard R10系列设置。
- 统计采用视觉分级特征(VGC)分析,以AUCVGC及其95%CI为指标,CI不包含0.5视为有统计学显著差异。
关键影像表现/征象
- 正位各剂量水平下INR图像在全部解剖结构标准(AP1-AP5)及临床可接受图像质量标准(AP6)上均显著优于同剂量传统降噪图像。
- 侧位INR图像在剂量≤80%时标准L2和L3、≤63%时标准L1、≤50%及80%时标准L4获得显著改善。
- 与传统降噪图像相比,INR图像在正位≤80%、侧位≤32%剂量时伪影水平评级显著更优。
- 所有INR图像中未报告实际伪影,第三位观察者将伪影水平更多理解为噪声水平。
诊断标准与关键数值
- 正位图像质量评价采用7项标准(AP1-AP7),侧位采用5项标准(L1-L5),基于欧洲儿科诊断性X线图像质量标准并增加诊断可接受图像质量和临床可接受伪影两项一般标准。
- 观察者使用五级序数评分量表对每项标准进行评级。
- AUCVGC>0.5表示测试图像评级高于参考图像,AUCVGC<0.5表示低于参考图像,95%CI不包含0.5视为有统计学显著差异。
临床应用与阅片要点
- 本研究中INR软件在研究所用科室尚未安装,曝光参数基于该院临床设置并在厂商实验室等效X线系统中实施。
- 正位INR图像在≥80%剂量时各项标准均显著优于100%剂量传统降噪参考图像,在≥63%时标准AP2和AP5、≥50%时标准AP1和AP3亦达显著。
- 正位40%剂量INR图像与参考图像相比各项标准均无显著差异。
- 侧位INR图像在≥50%剂量时所有标准L1-L5评级均优于参考图像但未达统计学显著,25%剂量时与参考图像无显著差异。
局限性
- 本研究基于体模图像,非患者临床图像。
- 作者指出目前多数AI应用未针对儿科专门开发和批准,训练数据中患者年龄、性别和病理信息未必明确。
- 作者引用Ng的综述指出仅16项相关研究评估儿科放射学中AI后处理剂量优化应用,需要进一步研究涉及不同模态和检查以探讨AI工具在儿科放射学中的剂量优化可能性。
全文中译11 节 · 点击展开
引言
近年来,人工智能(AI)的进展在放射学应用软件的开发和评估中发挥了重要作用。已有超过200种基于AI的工具获得欧洲合格认证(CE)标志或获得美国食品药品监督管理局(FDA)批准[1]。在拥有最多CE标志AI软件的放射学亚专业中,胸部放射学是其中之一,AI工具可用于在胸部X线摄影和胸部计算机断层扫描(CT)中检测病变,例如肺结节、肺炎和气胸[2],并可能带来诸如更早期检测、提高诊断准确性以及减少放射科医师阅片时间等益处[3]。
AI在胸部放射学中的另一重要应用是图像质量改善。通过训练深度神经网络(DNN)来寻找真实参考图像数据(例如高剂量数据)的图像特征,它可以在重建低剂量数据时获得如何模拟相应高图像质量的知识[4, 5]。通过这种方式,可以开发出既能保持所需噪声结构又能保持空间分辨率的降噪深度学习重建(DLR)算法。使用这些算法可能允许在特定情况下降低辐射剂量而不降低诊断图像质量[6]。这在辐射敏感性更高的儿科人群中尤其值得关注,在该人群中,放射学检查的正当性论证和优化具有高度重要性[7]。
儿科胸部X线摄影常用于检测病理状况以及检查管路和导线位置,例如在重症监护病房中[2]。然而,与X线检查相关的辐射剂量与辐射诱发癌症的随机风险相关,即使在诊断放射学中通常使用的低剂量下也是如此[7]。儿童对电离辐射比成人更敏感,因为其组织的发育状态会增加细胞中潜在负面效应的可能性。此外,儿童剩余的寿命更长,在数年至数十年的潜伏期后,辐射诱发癌症可能在此期间表现出来。
尽管常规胸部检查给患者带来的剂量较低,但若干最辐射敏感的器官,如肺、乳腺和红骨髓[8],仍会受到电离辐射照射。此外,由于其使用频繁,胸部X线摄影对儿科集体辐射剂量的贡献不可忽视[9]。因此,儿科胸部X线摄影是优化和辐射剂量评估的重要对象,例如需要确定不同年龄或体重区间的诊断剂量参考水平。
因此,诸如AI降噪工具等降低辐射剂量的新可能性在儿科放射学中备受关注[3, 6]。然而,目前大多数可用的AI应用尚未针对儿科特定用途进行开发和批准[2]。关于用于训练深度神经网络(DNN)的图像数据的详细信息,如患者的年龄、性别和潜在病理,并非总是由供应商明确说明。儿童与成人之间在解剖比例和病理方面的差异可能影响AI工具的诊断获益。此外,FDA审批流程或AI产品的CE认证考虑的是伤害风险,而非对患者的诊断价值[3]。因此,AI软件在放射科临床中应谨慎实施,以确保在实现期望图像质量的同时不丢失诊断信息或引入图像伪影。在儿科放射学中引入AI软件时,这些顾虑尤为重要。
根据Ng最近的一篇综述,仅有16项相关研究发表,旨在评估AI后处理应用在儿科放射学中的剂量优化[6]。这些研究中大多数涉及CT中市售深度学习重建(DLR)工具的研究,且大多基于患者图像,尽管少数基于体模图像或两者的组合。仅Krueger等人关于AI在传统儿科X线摄影中应用的一项研究[10]符合纳入该综述的标准。Ng的结论是,需要进一步开展涉及不同成像模态和检查的研究,以探讨AI工具在儿科放射学中的剂量优化可能性[6]。
佳能医疗系统(日本大田原)的智能降噪(INR)算法是一种新引入的基于AI的工具[11–13]。该软件已获CE认证和FDA批准,可用于传统X线摄影中的佳能CXDI探测器。在开发INR时,约3,000张临床X线图像被用于深度神经网络,目标是在保持解剖细节的同时降低噪声。然而,该软件在儿科人群中的性能尚不清楚。因此,本研究的目的是检验基于AI的INR在儿科胸部X线摄影中不同剂量水平下对图像质量的影响。具体而言,进行了一项视觉分级研究,使用拟人体模评估在不同剂量水平下获得的胸部图像的图像质量。
材料与方法
进行了一项基于体模图像的视觉分级研究,以评估INR应用于儿科胸部X线摄影中不同曝光水平(对应于不同患者剂量水平)时的效果。该体模研究模拟了前后位床旁胸部X线摄影,这通常用于无法配合坐位或站立检查的年龄较小的儿科患者。床旁胸部X线摄影也适用于病情过重无法在检查时站立或必须在医院其他单元(如重症监护室)接受检查的儿科患者。
体模
使用两个拟人体模PBU-70和PBU-60(日本京都科学)来模拟不同体型儿科患者的胸部检查。根据制造商规格,这两个体模分别代表20 kg/110 cm和50 kg/165 cm的患者体型。
曝光设置
曝光参数基于瑞典哥德堡萨尔格伦斯卡大学医院女王西尔维娅儿童医院儿科放射科一台配备佳能探测器的常规X射线系统Arcoma Precision i5(Mediel,Mölndal,瑞典)的胸部检查临床设置。该儿科放射科每年进行约30,000次基于X射线的检查,其中大约6,000次为常规胸部检查。在研究时,该临床机构尚未安装INR。因此,包括曝光和图像处理设置在内的临床方案在一台位于供应商实验室(Diagnosticum,Mediel,Mölndal,瑞典)的等效X射线系统上实施,该系统安装了INR,以反映儿科放射科胸部X线摄影的图像质量。本研究使用了与INR兼容的无线探测器CXDI-410C(Canon Medical Systems)。临床设置中的固定管负荷已设定为X射线发生器可达到的最低值(0.3 mAs)。为了能够以受控方式降低剂量水平,应用了更高的滤过以及更长的源到探测器距离(SDD)。通过这种方式,管负荷最初被提高,然后降低以实现不同的剂量水平。然而,更高的滤过提高了辐射质(平均X射线能量),导致X射线的穿透能力增加和探测器剂量更高。这通过选择较低年龄(0–1岁和2–3岁)的胸部方案来补偿,这些方案具有较低的管电压,即较低的辐射质,分别作为PBU-70和PBU-60曝光设置的基础。
标准100%剂量水平通过调整初始管负荷以实现150的曝光指数来达到。这在当前儿科放射科可获得足够诊断质量的胸部图像。数字X射线摄影图像的曝光指数是解剖相关区域内探测器剂量的指标,并且在使用固定辐射质时与探测器的曝光成正比[14]。后前位和侧位图像按照基本Renard系列R10[15]以剂量降低步阶进行曝光:原始剂量的100%、80%、63%、50%和40%。侧位图像还额外在原始剂量32%和25%的剂量水平下进行曝光。根据临床经验,侧位图像可使用较低辐射剂量而获得可接受的图像质量。曝光参数见表1。
图像采集
对于每种曝光设置和投影,获取五张管角度略有不同(− 5°、− 3°、0°、+ 3°和+ 5°)的图像,以获得两个体模器官和组织不同的重叠和 anatomical noise,从而模拟不同的患者。根据 Hoeschen 等人的研究,胸部放射摄影图像中的噪声包括 anatomical noise 和技术噪声 [16]。Anatomical noise 不同于 anatomical background,后者是临床图像的相关组成部分,不被描述为噪声。Anatomical noise 是由于肺区域沿 X 射线路径重叠的许多小解剖结构所致,据描述会增加整体图像噪声。由于对最终图像有贡献的小结构重叠存在差异,即使辐射几何的微小变化也会在胸部放射摄影中产生完全不同的 anatomical noise 模式。技术噪声包括探测器噪声和量子噪声,后者由于 X 射线的随机性质而在每次曝光之间变化。因此,每张图像的采集也重复三次以获得统计噪声的变化,从而影响两个体模器官和组织的图像质量。总共获取了 300 张前后位图像和 420 张侧位图像并纳入研究。投影之间图像数量的差异是由于如前所述的不同剂量水平数量所致。
后处理图像降噪
两个体模的前后位和侧位图像均采用常规应用的数字后处理(标准降噪)以及 INR 获取;示例见图 1 和图 2。INR 可应用于 1–10 的水平,从最低(1)到最高(10)的 INR 对降噪的影响。在本研究中,所有图像均使用中等水平 5。
图像评分
胸片图像质量由瑞典哥德堡萨尔格伦斯卡大学医院女王西尔维娅儿童医院儿科放射科的三名儿科放射科医师在一项视觉分级研究中进行了评估。每位放射科医师均有8年经验。使用ViewDEX 2.57版软件(萨尔格伦斯卡大学医院与哥德堡大学,瑞典哥德堡)以随机顺序并完全盲法显示体模图像[17, 18]。前后位和侧位图像分别在两项独立的ViewDEX研究中呈现。放射科医师根据前后位图像的七项标准和侧位图像的五项标准独立评定每幅图像的质量。这些标准基于欧洲儿科诊断放射学图像质量标准指南[19],并增加了两项关于诊断可接受图像质量和图像中临床可接受伪影的一般标准(表2)。观察者使用五级有序量表(表3)对每项标准进行分级。每次阅片会话前,观察者评估一个小型测试集,包括高、中、低辐射剂量图像,均采用迭代噪声缩减(INR)和标准噪声缩减,以校准其评级水平。
统计分析
图像分级采用视觉分级特征(VGC)分析进行评估[20, 21]。VGC分析是一种统计方法,用于分析观察者以有序量表对图像质量进行评级的研究数据,例如说明某些标准的满足程度,如本研究所示。该分析生成一条VGC曲线,描述参考图像集与测试图像集的评级分布之间的关系。VGC分析中使用的品质因数为VGC曲线下面积(AUCVGC),范围为0至1。若测试图像集的评级高于参考图像集,则AUCVGC大于0.5,且AUCVGC越高,两个图像集之间的图像质量差异越大。相应地,若参考图像集的评级高于测试图像集,则AUCVGC小于0.5。VGC分析使用VGC Analyzer 1.0第3版软件(萨尔格伦斯卡大学医院与哥德堡大学,瑞典哥德堡)进行[22–24]。VGC Analyzer是一款专为执行VGC分析并应用适当统计检验而开发的软件。VGC Analyzer计算AUCVGC及其不确定度,以95%置信区间(CI)表示。95% CI不包含0.5被认为表明两个图像集之间的图像质量差异具有统计学显著性。AUCVGC的不确定度针对观察者组确定(固定读者分析),未推广至观察者总体。
进行了两项VGC分析。在第一项分析中,将采用标准降噪处理的图像作为参考图像集,并与各检查剂量水平下相应的INR图像进行比较。在第二项分析中,将100%剂量水平下采用标准降噪处理的图像(以临床曝光指数为目标)作为参考图像集,并与所有其他图像集进行比较,即在降噪方法和剂量水平上存在差异的图像集。
结果
VGC分析显示,在各检查剂量水平(参考剂量的40%-100%)下,经验丰富的儿科放射科医师对前后位INR图像的图像质量评分在统计学上显著优于标准降噪图像。这在涉及重要个体解剖结构的所有标准(AP1-AP5)以及标准肺部检查临床可接受图像质量标准(AP6)方面均如此;见表4。
针对侧位图像的相应VGC分析(标准L1-L4)在各剂量水平下均倾向于INR;见表5。然而,仅在标准L2和L3的剂量水平≤80%以及标准L1的剂量水平≤63%时,解剖结构的图像质量才获得统计学显著改善。在剂量水平≤50%和80%时,观察到诊断可接受图像质量(标准L4)的统计学显著改善。
在第二项VGC分析中,与采用标准降噪和100%剂量水平的参考前后位图像相比,INR前后位胸部图像在剂量水平≥80%时所有标准AP1-AP6的图像质量评分均显著更高。INR图像在较低剂量水平下也达到了统计学显著性:标准AP2和AP5在≥63%时,标准AP1和AP3在≥50%时;见图3。在参考剂量的40%时,INR图像的评分与参考图像在任何标准AP1-AP7方面均无显著差异。
侧位图像的评估显示出相似趋势,但统计学显著差异较少。与参考图像相比,INR图像在剂量水平≥50%时所有标准L1-L5的评分更好,但结果无统计学显著性;见图4。在剂量水平为25%时,INR图像的评分与参考图像无显著差异。
与参考图像相比,采用标准降噪的前后位图像在以下条件下图像质量评分在统计学上显著较低:标准AP1、AP5和AP6在剂量水平≤80%时,标准AP3在≤63%时,标准AP4在≤50%时(图3)。标准AP2无统计学显著趋势。与参考图像相比,采用标准降噪的侧位图像在以下条件下评分在统计学上显著较低:标准L2在剂量水平≤80%时,标准L3在≤50%时,标准L1和L4在≤40%时(图4)。
关于伪影水平的评分(前后位:标准AP7,侧位:标准L5),与100%剂量水平、标准降噪的参考图像相比,采用INR的图像未发现明显趋势(图3和图4)。此外,在剂量水平≤80%和≤32%时,前后位和侧位INR图像的伪影水平评分显著优于标准降噪图像(表4和表5)。相反,在最低剂量水平下,标准降噪图像的伪影水平评分较100%剂量水平的参考图像显著变差。对观察者数据的详细分析显示,两名观察者对所有图像的伪影水平评级相同(前后位分别为1和2,侧位分别为1和3),而第三名观察者使用了更大的评分范围。ViewDEX中的自由文本评论显示,第三名观察者更多地将伪影水平解读为噪声水平,而非INR所致的潜在伪影。未报告关于INR图像中实际伪影的评论。
讨论
在本研究中,通过评估儿童胸部X线摄影中不同剂量水平下的图像质量,研究了INR——一种新引入的基于人工智能的常规X线摄影降噪软件工具——的效果。三位经验丰富的儿童放射科医师对在不同剂量水平下获取并经INR或标准降噪处理的体模儿童胸部正位和侧位图像的图像质量进行了评分。在每个研究剂量水平下,使用INR与标准降噪相比,正位胸部图像中重要解剖结构的图像质量及整体诊断图像质量均具有统计学显著改善。侧位胸部图像在使用INR时,在所有剂量水平下均观察到图像质量更好的类似趋势,尽管在最高剂量水平下未达到统计学显著改善。
INR倾向于改善或恢复剂量降低后重要结构的图像质量损失。这在不同剂量水平下INR图像与100%剂量水平联合标准降噪的参考图像的比较中得到了证明。然而,INR减轻因剂量降低所致图像质量退化的能力因不同解剖结构而异。正位INR图像中结构的可见性及整体诊断图像质量在50–63%及以上剂量水平下与参考图像相比评分显著更优,但脊柱及椎旁结构的再现(标准AP4)除外,该标准仅在剂量水平≥ 80%时才确立显著改善。既往关于成人胸部X线摄影的研究表明,脊柱区域的量子噪声对图像质量的影响大于胸部其他区域[25–27]。因此,随着剂量降低,INR难以恢复该区域的图像质量并不令人意外。此外,就这一发现的临床影响而言,与其他所研究的结构相比,脊柱在解读儿童诊断性胸部图像时重要性较低[28]。因此,如果其他更重要的结构(如血管纹理、气管和近端支气管)以诊断可见性再现,则脊柱及椎旁结构可能不会成为INR潜在剂量降低的限制因素。
INR 未能像后前位胸部图像那样在同等程度上改善侧位胸部图像的质量。尽管如此,侧位图像的评分显示,在低至参考图像剂量40%–50%的剂量水平下,所有结构的图像质量均呈改善趋势。在最低研究剂量水平下——后前位图像为40%、侧位INR图像为25%——图像质量与相应参考图像相比差异无统计学意义。后前位胸部图像从INR的使用中获益更多,主要用于病变检测,在儿科中通常具有更大的临床重要性。侧位图像主要提供关于潜在病变位置的补充信息,有助于区分恶性和良性发现,或重症监护中的管路和导线。因此,侧位图像的图像质量对细节的要求不同,对辐射剂量水平的敏感性可能不如后前位图像。侧位图像使用INR后改善程度较低,可能是由于该投照角度下解剖背景更为复杂,以及大量小型肺结构重叠所致的解剖噪声增加。根据INR开发过程中所使用的输入图像,深度神经网络(DNN)设置在同等程度上可能未能处理这一问题。
本模体研究的结果表明,INR可改善图像质量,在较低剂量水平下亦然。图像质量标准通过解剖结构“清晰再现”和“视觉锐利再现”的表述,旨在同时奖励低噪声和高分辨率。INR似乎能在不降低其他图像质量指标(如空间分辨率)的情况下减少噪声,即有可能在“低”剂量图像中恢复“高”剂量图像的图像质量特征。因此,在儿科胸部X线摄影中应用INR的一个明显临床获益是:有可能在降低剂量的同时维持诊断图像质量。一般而言,放射科日常所行X线摄影的图像质量应经过优化,使得噪声水平不干扰诊断质量,同时不给患者带来不必要的高剂量。INR似乎能够提高所评估的图像质量,对于与标准剂量水平相对应的图像亦然。这可能潜在地带来诊断获益的改善,例如使放射科由不同经验水平人员拍摄和审阅的胸部X线摄影图像质量更加一致。然而,明确儿科胸部X线摄影中关于特定病变和诊断的任何潜在临床获益超出了本研究的范围。
与放射学中引入的其他新型图像处理工具一样,其局限性(例如潜在伪影和诊断细节丢失)值得关注。在本研究中,放射科医师对所有图像的诊断伪影水平进行了分级。VGC分析结果表明,在100%剂量水平下,INR与标准降噪图像之间无显著趋势;见图3g和图4e。如前所述,伪影水平分级中的自由文本注释显示,轻微差异是由于一位放射科医师将噪声水平纳入了评判标准。这导致在较低剂量下对标准降噪图像伪影水平的分级受到影响。INR图像未报告实际伪影。关于其他潜在误差,如解剖细节丢失,本研究未进行专门评估。然而,放射科医师未对体模图像中任何明显的解剖细节丢失作出评论,尽管使用了略微不同的投影角度和重复曝光以获得不同的组织重叠和图像统计噪声,这些图像仍相当相似。该问题在配对研究中本可得到更好的评估。
最近,Hussner等人发表了一项研究,评估INR对不同剂量水平和不同INR水平下成人盆腔体模图像及对比细节放射摄影体模图像的影响[29]。盆腔图像由观察者通过视觉分级分析进行评分。据报道,INR图像的图像质量高于采用临床降噪的对比图像。此外,INR水平为5至7时,盆腔图像往往获得最高评分。INR图像图像质量的改善与本研究的結果一致。本研究中选择的INR水平旨在对图像产生中等效应(0-10量表上的5),这与Hussner等人[29]关于最佳INR水平的结果相重叠。然而,最佳INR水平可能因不同的放射学检查、患者群体和临床问题而异。因此,儿科人群前后位和侧位胸部图像的最佳INR水平选择需要进一步研究。
据作者所知,仅有的一篇关于AI降噪工具在儿科放射摄影中应用的报道。Krueger等人此前在儿科重症监护环境中将基于AI的图像质量工具应用于移动放射摄影设备[10]。他们在评估基于DNN的模拟抗散射滤线栅软件(SimGrid)的效果时,观察到前后位胸部和腹部放射摄影图像的图像质量提升。据报道,当对体重>10 kg的患者使用SimGrid时,图像质量显著改善,其中两名经验丰富的儿科放射科医师对使用和不使用SimGrid重建的临床图像进行了盲法分级。然而,为避免第二轮成像和放射性敏感儿科患者的进一步暴露,未对剂量降低的潜力进行研究。
在本研究中,使用INR时在保持诊断图像质量的前提下潜在的剂量降低水平,与Ng [6]所综述的研究中报道的36–70%的剂量降低区间高度吻合,该综述涉及用于儿科放射学剂量优化的AI后处理工具。然而,这些研究中大多数探讨的是DLR对CT图像的价值,仅有Krueger等人的研究评估了儿科放射摄影成像 [10]。本研究一致的剂量降低结果进一步强化了基于AI的工具在降噪和优化儿科放射摄影成像方面的潜在影响。
使用INR时潜在的辐射剂量降低基于所选的参考剂量,即100%剂量水平。在本研究中,参考剂量对应于在当前儿科放射科可获得可接受诊断图像质量的曝光指数。然而,儿科胸部放射摄影所需的图像质量可能因临床科室和放射科医师而异,例如由于经验水平的差异。此外,当使用固定管负荷(常用于小龄儿童)时,由于特定年龄或体重组内患者之间的衰减差异,曝光指数值会有所不同。因此,本研究结果应被解读为表明使用INR时存在剂量降低的可能性,而非规定剂量降低的绝对幅度。标准降噪图像的评分显示,在较低剂量水平(对应于较低曝光指数值)下图像质量呈下降趋势。相比之下,INR在较低剂量水平和曝光指数值下能够生成临床可接受的图像,并良好再现若干重要解剖结构。这意味着INR可作为优化工具,既用于降低辐射剂量,也用于在不同患者之间实现更一致的图像质量,尽管在对低龄儿童使用固定管负荷方案时曝光指数值存在固有变异。
本模体研究的结果表明,INR可恢复或提高在降低辐射剂量水平下采集的儿科胸部X线摄影的图像质量。这可能降低患者辐射剂量,从而降低线性无阈模型所描述的辐射诱发癌症的相关理论风险 [8]。已发表的一项大型欧洲队列项目的结果 [30] 进一步支持了该模型,包括对诊断放射学中通常使用的辐射剂量水平。Bosch de Basea等人报道,由于CT检查的辐射剂量,儿童和青少年血液系统恶性肿瘤的相对风险增加。尽管单次胸部放射摄影的辐射剂量远低于CT检查,这进一步强调了 justification 和优化儿科X线检查的重要性。检查应按照尽可能低合理可行(ALARA)原则进行,该原则指出应以尽可能低的合理可行辐射剂量获取所需的诊断信息 [7]。
本研究基于体模图像的解剖结构视觉分级。解剖结构的视觉分级是分析放射图像质量的既定方法[21]。所关注的解剖结构通常基于欧洲诊断检查质量标准指南[19, 31, 32],如本研究中所采用的那样。尽管未包含病理学内容,但视觉分级研究的有效性被描述为较高,因为在临床图像中,解剖背景下临床重要结构的再现被认为与发现病理的概率相关[21]。欧洲指南中的一些标准包含一个以上的解剖结构。组合结构,如脊柱和椎旁结构或心后肺和纵隔,是邻近结构,可以假定在胸部X线摄影中对图像质量有相同的需求。在本研究中,放射科医师对组合结构进行了整体评估,如同他们在日常临床工作中的做法。
本研究的一个限制因素是研究基于体模图像。然而,本研究中使用的体模是最先进的体模,具有软组织和骨骼替代材料,旨在实现类患者的衰减特性。潜在地,体模图像与未观察到明显病理或解剖异常的儿科患者具有相似的外观,在这方面可能潜在地反映这些病例的临床情况。然而,体模未添加任何病理,图像质量评估仅限于胸部检查中的相关结构,如前所述。与所有基于体模的研究一样,因此可能难以将结果转化为实际患者场景及特定诊断的伴随临床获益。此外,研究中仅使用了两个体模,尽管这通过采用略有不同的投照角度和体模的重复曝光来处理。这提供了具有不同解剖背景的胸部图像,以及不同的解剖噪声和量子噪声,从而模拟不同的检查。另一个限制因素是分级图像的放射科医师数量相对较少,导致结果反映他们对图像质量的意见,这可能不普遍适用于其他儿科放射科医师。尽管有这些局限性,该研究是评估INR在儿科胸部检查中效果的有价值的第一步。需要进一步的研究来验证临床儿科胸部X线摄影中的结果。
结论
本项体模视觉分级研究表明,基于人工智能的降噪算法INR可能潜在地用于改善儿科胸部X线摄影中的图像质量,或在降低辐射剂量水平下维持图像质量。
引用
- Hultenmo M, Pernbro J, Ahlin J, et al. Evaluation of an artificial intelligence noise reduction tool for conventional X-ray imaging - a visual grading study of pediatric chest examinations at different radiation dose levels using anthropomorphic phantoms. Pediatr Radiol. 2025. PMID: 40358694. doi:10.1007/s00247-025-06251-0
- 全文:PMC12227453(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC12227453/
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。