文献速递腹部泌尿生殖CT

以基于模型的迭代重建和深度学习重建作为超高分辨率CT辅助的低剂量增强腹盆腔CT:体模与临床初步研究中的图像质量及放射科医生主观接受度

Image quality and radiologists' subjective acceptance using model-based iterative and deep learning reconstructions as adjuncts to ultrahigh-resolution CT in low-dose contrast-enhanced abdominopelvic CT: phantom and clinical pilot studies.
PubMed 文献 · Abdom Radiol (NY) · 2021-12-16

研究在体模和36例肾功能轻中度受损的肿瘤随访患者中,比较超高分辨率CT低剂量增强腹盆腔CT采用基于模型的迭代重建(MBIR)与深度学习重建(DLR)的图像质量及放射科医生接受度。体模显示同等剂量下DLR空间分辨率更高、低频噪声更低;临床中DLR客观噪声更高、CNR更低但其他主观图像质量优于MBIR,DLR主观噪声与常规方案相似或更好。

要点

  • 低剂量超高分辨率增强腹盆腔CT中,DLR较MBIR空间分辨率更高、低频噪声更低,但客观噪声更高、CNR更低。
  • DLR除噪声外的其他主观图像质量均显著优于MBIR(P<0.001),且主观噪声与常规方案相似或更好。
  • 低剂量方案噪声指数35 HU时平均CTDIvol为4.2±1.6 mGy,估计有效剂量3.6±1.6 mSv。

核心结论

  • 在超高分辨率CT低剂量增强腹盆腔CT中,除噪声特性外,DLR的图像质量和放射科医生接受度均优于MBIR。

研究设计与样本

  • 体模研究比较MBIR与DLR的调制传递函数和噪声功率谱,临床为前瞻性初步研究,纳入36例连续患者(24男12女,平均年龄75±9岁)。
  • 使用超高分辨率CT(矩阵1024)低剂量方案(管电压100 kV,噪声指数35 HU),以常规方案(矩阵512,管电压120 kV,噪声指数15 HU)为参考。
  • 临床研究于2019年3月11日至3月29日前瞻性纳入41例轻中度肾功能受损成人患者,排除5例后分析36例。
  • 两名独立盲法放射科医生用5分法评估主观图像质量,加权kappa评估观察者间一致性。

关键影像表现/征象

  • 体模中同等剂量下DLR较MBIR空间分辨率更高、低频噪声更低,但高频及总噪声更高。
  • 临床中MBIR较DLR客观噪声显著更低、CNR显著更高(P<0.001)。
  • DLR较MBIR主观噪声显著更高,但其他主观图像质量(诊断信心、图像外观、图像纹理)显著更好(P<0.001)。
  • 与常规方案相比,DLR主观噪声相似或更好,其他主观图像质量相似或更差者为MBIR。
  • DLR图像更清晰自然地显示腹部和盆腔解剖,无MBIR特征性「油画」纹理,胰体囊性病变和Gerota筋膜显示更明显。

诊断标准与关键数值

  • 主观图像质量采用5分法:5分远优于参考、4分优于、3分相当、2分差于、1分远差于。
  • 临床研究DLR组主观噪声评分为3至5分,其他主观图像质量评分为3至5分;MBIR组主观噪声为4或5分,其他为1至3分。
  • 观察者间一致性κ=0.87。
  • 低剂量方案平均CTDIvol 4.2±1.6 mGy,DLP 243.2±106.0 mGy·cm,估计有效剂量3.6±1.6 mSv。

临床应用与阅片要点

  • 在肿瘤随访的低剂量增强腹盆腔超高分辨率CT中,DLR可作为MBIR的替代重建方式以获得更好的整体主观图像质量和医生接受度。
  • DLR虽客观噪声较高,但主观噪声与常规方案相似或更好,且除噪声外各主观指标均优于MBIR。
  • 阅片时需注意MBIR可能产生「油画」或「塑料样」低频噪声纹理,影响小病灶检出。
  • DLR图像上胰体囊性病变、Gerota筋膜及前列腺与膀胱尿液、精囊与周围脂肪边界显示更清晰。

局限性

  • 原文未报告局限性。
全文中译14 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:Abdom Radiol (NY). 2021 Dec 16;47(2):891–902. doi: 10.1007/s00261-021-03373-5

引言

自2017年3月起,本机构采用超高清计算机断层扫描(UHRCT)扫描仪以提高CT图像的层面内和层间空间分辨率。UHRCT的临床实用性已在颞骨、胸部、Adamkiewicz动脉的CT检查以及虚拟支气管镜和冠状动脉造影中得到证实[1–5]。然而,该方法伴随的较高图像噪声可能限制其在需要较低对比度分辨率的CT中的应用,例如用于肿瘤随访的腹盆腔CT(APCT),而UHRCT或可改善对细小复发、播散和转移性病变的诊断。

为克服这些潜在局限性,深度学习(DLR)和基于模型的迭代(MBIR)重建技术已在临床上可与UHRCT联合使用[6]。据报道,MBIR在噪声特性、空间分辨率、伪影和低对比度可检测性方面可改善图像质量。然而,放射科医生一直不愿采用该模式,因为与临床广泛应用的混合迭代重建(HIR)相比,它会产生与低频噪声相关的粗糙纹理,被描述为“油画”或“塑料样”外观[6–8]。在常规辐射剂量下,腹部UHRCT图像质量使用DLR可能优于MBIR或HIR[6]。另一方面,用于肿瘤随访的对比增强APCT(CE-APCT)需要相对较大量的对比剂(CM)和较高的辐射剂量[9–11]。尽量减少CM剂量对肿瘤患者可能是可取的,因为他们往往具有多种肾损伤危险因素[12–14],而降低辐射剂量对于尽量减少电离辐射的潜在不良影响至关重要,因为通常需要反复进行CT检查[15]。特别是,降低管电压可能使DLR辅助的合理低辐射剂量(LD)UHRCT扫描成为可能,同时即使在减少CM剂量的情况下也能保持对比增强。然而,我们认为,使用DLR以及MBIR的UHRCT所获得的LD CE-APCT图像的质量及放射科医生的接受度尚未得到评估。

因此,我们开展了UHRCT的体模和临床初步研究,以比较MBIR和DLR在采用高分辨率和LD(HR & LD)方案的肿瘤随访CE-APCT中的表现,并以我们的常规方案作为参考。我们评估了MBIR和DLR的图像质量及放射科医生的接受度,并试图确定能产生最低辐射暴露的合适HR & LD方案。

材料和方法

在本研究中,我们主要旨在(1)在体模研究中确定使用MBIR和/或DLR的HR & LD方案,以实现最低辐射剂量和与使用常规方案相似的低频噪声,以及(2)在临床初步研究中以常规方案为参考,基于图像质量和放射科医生的接受度评估该HR & LD方案的有效性。

本机构审查委员会批准了这项临床研究,我们获得了所有患者的书面知情同意。

体模研究

体模

我们通过基于任务的调制传递函数(TTF)评估空间分辨率,使用包含多种材料插入物以提供不同图像对比度水平(空气,-1000 HU;聚丙烯,-105 HU;水,0 HU;丙烯酸,120 HU;德尔林,340 HU;特氟龙,940 HU)的质量保证体模(TOS体模;佳能医疗系统,日本栃木)。我们重点关注最低正对比度的丙烯酸插入物,其对比度几乎等同于软组织与脂肪衰减之间的对比度,用于CE-APCT的肿瘤学随访。为了通过噪声功率谱(NPS)评估图像噪声特性,我们使用了一个原创腹部体模,由环氧基和聚氨酯树脂(京都科学,日本京都)制成的椭圆柱体(最长直径33 cm,最短直径22 cm)组成(图1)[16]。

图1 用于评估a基于任务的调制传递函数(TTF)的2个体模的轴位CT图像,其中包含提供不同图像对比度的各种材料圆柱插入物(从左到右:德尔林,340 HU;丙烯酸,120 HU;空气,-1000 HU;聚丙烯,-105 HU;特氟龙,940 HU),以及b噪声功率谱(NPS),主要由环氧基和聚氨酯树脂制成 查看原图 ↗

CT图像采集与重建

我们使用UHRCT扫描仪(Aquilion Precision,佳能医疗系统)对2个体模进行螺旋扫描,使用自动曝光控制(AEC)以及我们常规方案和HR & LD方案的参数,总结于表1。具体而言,我们在100 kV下HR & LD方案的AEC噪声指数20、25、30、35和40 HU处使用了5个剂量设置。为了评估辐射暴露,我们审查了每个方案记录为剂量报告的容积CT剂量指数(CTDIvol)。

我们使用标准卷积核(FC03)和HIR算法(自适应迭代剂量重建[AIDR] 3D Standard,佳能医疗系统)对常规方案采集的体模图像进行重建,并使用MBIR算法(前向投影模型迭代重建[FIRST] Body Standard,佳能医疗系统)和DLR算法(高级智能清晰IQ引擎[AiCE] Body Standard,佳能医疗系统)对HR & LD方案采集的图像进行重建。表1总结了其他重建参数。

对于DLR,如图2所示,以HIR的标准剂量图像作为低质量输入数据,以迭代次数远多于MBIR的高级MBIR高剂量图像作为目标高质量数据,将其用作训练对,在训练过程中,区分信号与噪声和伪影的统计特征可被“学习”,然后在深度卷积神经网络中“更新”,以供未来重建使用[6, 17]。该训练过程已由制造商作为黑盒预先执行。由于这些理想MBIR图像被用于训练网络,DLR在比MBIR更短的处理时间内产生了与MBIR相当或更优的图像质量[6]。

表1 CT扫描和重建参数 查看原表 ↗
图2 深度学习重建(DLR)中训练与重建过程的流程图。a 在训练过程中,以混合迭代重建(HIR)生成的标准剂量图像作为低质量输入数据,以采用比MBIR更多迭代次数的先进基于模型的迭代重建(MBIR)生成的高剂量图像作为目标高质量数据构成训练对,更新深度卷积神经网络(DCNN),以最小化DCNN输出与目标之间的差异,用于未来的重建。该过程已由制造商作为黑箱预先完成。b 在重建过程中,对DCNN进行验证以用于临床图像处理,从HIR的输入图像生成最终的高质量图像 查看原图 ↗

图像质量评估

我们使用适当的软件(CT measure 版本0.98,http://www.jsct-tech.org/;Excel 2016,Microsoft)分析每组体模图像。在质量保证体模中丙烯酸插入物的轴位图像上,我们径向采集并平均跨越圆形边缘的轮廓曲线,以获得其边缘扩散函数。通过傅里叶变换计算TTF,使用对边缘扩散函数微分获得的线扩散函数,以评估在多种噪声水平下使用非线性算法(如HIR、MBIR和DLR)时的中间对比度平面内空间分辨率。我们在环氧基树脂部分测定NPS的方法已在别处描述[8, 16]。以HIR重建的常规图像作为参考,我们随后比较了在噪声指数为20、25、30、35和40 HU的5种剂量设置下,由MBIR和DLR重建的HR & LD图像的TTF和NPS。最终,我们确定了MBIR和/或DLR的HR & LD方案中AEC的噪声指数设置,以在保持或降低低频噪声(与常规方案获得的噪声相比)的同时最小化辐射剂量。

临床初步研究

研究对象

从2019年3月11日至3月29日,我们前瞻性连续纳入41例轻至中度肾功能不全(即估算肾小球滤过率:30至59 mL/min/1.73m2)的成年患者,我们获得了其书面知情同意,且其使用UHRCT扫描仪以HR & LD方案接受了CE-APCT进行肿瘤学随访。排除标准为:CT图像采集不充分以及肝脏和/或盆腔内器官手术史,这些会妨碍我们下述的图像质量评估。实际上,5例患者因扫描覆盖范围不足(n = 3)和全子宫切除术史(n = 2)而被排除。因此,我们最终连续纳入36例患者(男24例,女12例;平均年龄,75 ± 9岁;范围,48至93岁;平均体重[BW],57.1 ± 11.7 kg;范围,39至86 kg;平均体重指数[BMI],22.5 ± 3.5 kg/m2;范围,15至29 kg/m2)进入本研究。以常规方案作为参考,我们比较了MBIR和DLR重建的CT图像质量。在HR & LD方案中,我们根据上述体模研究的结果(如“结果”部分所述)将噪声指数设为35 HU,并将碘负荷较常规方案降低40%。

CT图像采集与重建

患者使用UHRCT扫描仪对CE-APCT进行螺旋采集,参数总结于表1。所有患者均接受非离子型碘对比剂(Iopamiron 300;Bayer HealthCare,大阪,日本),浓度为300 mgI/mL。总剂量312 mgI/kg体重,经右侧肘前静脉使用22G塑料静脉导管通过高压注射器(Dual Shot型GX 7;Nemoto Kyorindo,东京,日本)在45秒内给药,对比剂开始注射后120秒开始扫描。为评估辐射暴露,我们查阅了记录为剂量报告的CTDIvol和剂量长度乘积(DLP),然后计算每位患者的估计有效剂量为DLP乘以腹部和盆腔的k因子0.015 mSv mGy−1 cm−1 [18]。因此,我们计算了HR & LD方案的的平均CTDIvol、DLP和估计有效剂量。与体模研究一样,我们使用MBIR和DLR算法重建每位患者采集的CE-APCT图像(表1)。

图像质量的定量评估

在由MBIR和DLR重建并显示在商用工作站(Ziostation Version 2.4;Ziosoft, Inc.,东京,日本)上的CT图像上,3名放射科技师通过共识采用复制粘贴功能将3个圆形感兴趣区(ROI)放置在肝实质中,小心避开大血管和任何局灶性衰减变化区域以及明显伪影。以类似方式,他们在同一层面的上腹部皮下脂肪、主动脉分叉层面的腰大肌(避开任何宏观脂肪浸润)、膀胱和前列腺(男性)或子宫(女性)(避开任何局灶性衰减变化区域和明显伪影)以及同一层面的下腹部皮下脂肪中放置圆形ROI。因此,他们测量了每位患者这些解剖结构内的CT值及其标准差(SD)值。我们计算了所有患者中肝实质、上腹部皮下脂肪、腰大肌、膀胱和下腹部皮下脂肪的平均SD值作为客观噪声。我们还使用以下公式计算了肝脏和盆腔的对比噪声比(CNR):肝脏CNR = (肝实质平均CT值 – 腰大肌CT值)/上腹部皮下脂肪噪声,盆腔CNR = (前列腺或子宫CT值 – 膀胱CT值)/下腹部皮下脂肪噪声。

图像质量的定性评估

在工作站上,2名独立的委员会认证放射科医师(分别具有10年和11年临床经验)在对患者人口学资料和CT参数设盲的情况下,使用5分制对MBIR和DLR两种方法重建的CE-APCT图像质量进行评分。5分表示与参考图像相比质量好得多;4分表示质量更好;3分表示质量相当;2分表示质量更差;1分表示质量差得多。参考2019年1月1日至2019年3月1日期间,其他101例连续成年患者(52名男性,49名女性;平均年龄65 ± 17岁;范围29至92岁;平均体重57.3 ± 14.4 kg;范围32至117 kg;平均BMI 21.9 ± 4.5 kg/m2;范围12至36 kg/m2)肾功能正常(即估算肾小球滤过率:≥ 60 mL/min/1.73m2)并采用常规扫描和重建方案(表1)及我们的常规碘负荷(520 mgI/kg体重)经UHRCT成像的常规CE-APCT图像,评价者根据Laurent及其同事的描述[7],考虑图像在整体诊断信心以及肝脏和盆腔内器官(前列腺或子宫及膀胱)的图像外观和图像纹理以及图像噪声方面的一般可接受性。MBIR和DLR重建的HR & LD图像以随机顺序在预设软组织窗(窗宽370 HU;窗位40 HU)上呈现。

统计分析

连续变量结果以平均值 ± 标准差表示。统计分析使用市售统计软件(SPSS for Windows,版本23.0,IBM SPSS,Armonk,NY)进行。客观噪声和CNR在MBIR与DLR之间采用配对t检验比较,主观图像质量评级采用Wilcoxon符号秩检验比较。研究组与参考患者组之间的体重和BMI采用非配对t检验比较。P值低于0.05被认为表示差异显著。评价者间一致性采用加权kappa统计量评估。

结果

体模研究

在体模研究中,采用常规方案的CTDIvol为8.7 mGy,采用高分辨率与低辐射剂量(HR & LD)方案时,噪声指数为20 HU时为11.3 mGy;25 HU时为9.7 mGy;30 HU时为7.2 mGy;35 HU时为5.5 mGy;40 HU时为4.4 mGy。如图3所示,体模研究显示,HR & LD方案的TTF高于常规方案,并且在HR & LD方案相同剂量下,DLR的TTF高于MBIR。这种趋势在较低剂量时更为明显。此外,在相同剂量下,与MBIR相比,HR & LD方案联合DLR产生的低频噪声更少,但高频噪声和总噪声(即SD值;通过NPS曲线下面积计算)更大(图4)。特别是,与常规方案相比,DLR在噪声指数20–30 HU时低频噪声较少,在35 HU时相当,在40 HU时更高,而MBIR在35–40 HU时更高。因此,我们确定在临床初步研究中使用噪声指数为35 HU的DLR作为HR & LD方案,以尽量减少辐射暴露,并获得与常规方案相似的图像纹理和更高的锐度。实际上,HR & LD方案在指数为35 HU时的CTDIvol(即5.5 mGy)低于使用常规方案时(即8.7 mGy);TTF从使用常规方案时增至MBIR在指数为35 HU时,再增至DLR在指数为35 HU时(图3c);DLR在指数为35 HU时的低频噪声与使用常规方案时相当,且低于MBIR在指数为35 HU时(图4c)。然而,总噪声从MBIR在指数为35 HU时(6.9 HU)增至使用常规方案时(7.2 HU),再增至DLR在指数为35 HU时(8.4 HU)。

图3 深度学习重建(DLR)(a和c:蓝色调曲线)和基于模型的迭代重建(MBIR)(b和c:绿色调曲线)在5个不同剂量水平下(a和b),特别是包括标准差(SD)为35 HU时(c),使用高分辨率与低辐射剂量(HR & LD)方案的基于任务的调制传递函数(TTF)曲线,与使用我们常规方案的混合迭代重建(HIR)(a–c:红色虚线曲线)的曲线进行比较。使用HR & LD方案时,DLR和MBIR的空间分辨率均高于使用常规方案时HIR的空间分辨率。请注意,在相同辐射剂量下,DLR的空间分辨率高于MBIR 查看原图 ↗
图4 深度学习重建(DLR)(a和c:蓝色调曲线)和基于模型的迭代重建(MBIR)(b和c:绿色调曲线)在5个不同剂量水平下(a和b),特别是包括标准差(SD)为35 HU时(c),使用高分辨率与低辐射剂量(HR & LD)方案的噪声功率谱(NPS)曲线,与使用我们常规方案的混合迭代重建(HIR)(a–c:红色虚线曲线)的曲线进行比较。在相同辐射剂量下,DLR的低频噪声少于MBIR。请注意,使用常规方案的HIR在SD为35 HU时的噪声与DLR在SD为35 HU时相当,且低于MBIR在SD为35 HU时(c) 查看原图 ↗

临床初步研究

在临床初步研究中,使用噪声指数为35 HU的高分辨率与低辐射剂量(HR & LD)方案,在所有解剖部位均获得了显著更低的客观噪声和主观噪声,以及显著更高的对比噪声比(CNR),但与深度学习重建(DLR)相比,基于模型的迭代重建(MBIR)除主观噪声外所有主观图像质量均显著更差(所有P < 0.001,表2及图5、图6)。两位评价者将所有患者MBIR的主观噪声评为4分或5分,DLR评为3至5分;MBIR的其他所有主观图像质量评分为1至3分,DLR为3至5分。评价者间一致性极好(κ = 0.87)。研究组与参考组患者的体重(BW)和体重指数(BMI)均具有可比性(分别为P = 0.892和0.512)。采用HR & LD方案时,平均CT剂量指数体积(CTDIvol)为4.2 ± 1.6 mGy,剂量长度乘积(DLP)为243.2 ± 106.0 mGy cm,估算有效剂量为3.6 ± 1.6 mSv。

表2 客观噪声、对比噪声比与主观图像质量 查看原表 ↗
图5 小提琴图叠加箱线图,表示临床初步研究中基于模型的迭代重建(MBIR)与深度学习重建(DLR)的主观图像质量评分。5分表示与常规方案相比质量好得多;4分表示质量更好;3分表示质量相当;2分表示质量更差;1分表示质量差得多。虚线代表3分。使用噪声指数为35 HU的高分辨率与低辐射剂量方案,在肝脏和骨盆中均获得显著更低的主观噪声,但与DLR相比,MBIR除噪声外所有主观图像质量均显著更差(所有P < 0.001)。注意DLR的所有评分均为3至5分,表示DLR与常规方案相比诊断效能非劣效。 查看原图 ↗
图6 一名71岁男性(身高156 cm,体重60 kg,体重指数[BMI]:24.7 kg/m2)腹部(a和b)及一名86岁男性(身高152 cm,体重56 kg,BMI:24.2 kg/m2)骨盆(c和d)的对比增强超高分辨率CT(UHRCT)轴位图像,采用高分辨率与低辐射剂量方案(管电压100 kV;标准差[SD] 35 HU;第一例受试者CT剂量指数体积4.7 mGy,第二例4.0 mGy)采集,并分别经基于模型的迭代重建(MBIR)(a和c)和深度学习重建(DLR)(b和d)重建。尽管DLR主观噪声更高,但其对腹部和骨盆解剖结构的描绘比MBIR更锐利、更自然,无MBIR特有的油画纹理。具体而言,DLR(b)对胰体囊性病变(箭头)和肾筋膜(arrowheads)的显示较MBIR(a)更清晰;DLR(d)对前列腺(箭头)与膀胱内邻近尿液之间以及精囊(arrowheads)与周围脂肪组织之间的边界显示较MBIR(c)更清楚。 查看原图 ↗

讨论

采用高分辨率与低剂量(HR & LD)协议的体模研究表明,在相同剂量下,深度学习重建(DLR)比基于模型的迭代重建(MBIR)具有更高的空间分辨率和更低的低频噪声。与常规协议的结果相比,在噪声指数为35 HU时,DLR的低频噪声相似,而MBIR的低频噪声更大;而DLR的高频噪声和总噪声更大,MBIR则更小。据报道,低频噪声会产生粗大的图像纹理,被描述为“油画”或“塑料样”外观,从而影响小病灶的检出[7, 8, 19]。在临床初步研究中,使用该成像协议在噪声指数为35 HU时,尽管DLR的噪声特征比MBIR差,但即使采用DLR,客观噪声也低于10 HU,并且与常规协议的结果相比,两位阅片者在所有患者中将主观噪声评为相似或更好。据报道,使用常规多探测器CT(MDCT)扫描仪和滤波反投影(FBP)时,最佳噪声指数为12.5或15.0 HU,可在合理降低辐射剂量的情况下获得诊断可接受的腹部盆腔CT(APCT)图像[20]。与常规协议的结果相比,其他图像质量——诊断信心、图像外观和图像纹理——在所有患者中DLR为相似或更好,而MBIR为相似或更差,且DLR显著优于MBIR。由于研究组与参照组的患者体型相当,因此认为仅使用DLR(即不使用MBIR)采用HR & LD协议时,所有主观图像质量及由此带来的诊断效能与包括标准分辨率和剂量及混合迭代重建(HIR)的常规协议相比均不劣于后者。

Akagi 及其同事[6]在报告临床研究结果时观察到,DLR 改善了在其常规剂量(CTDIvol:12.6 mGy)下通过 UHRCT 获得的腹部 CT 图像质量。通常,当 X 射线束在髋关节水平呈水平方向传播时衰减最大,因为骨盆骨骼和双侧股骨头阻挡光子到达 X 射线探测器,导致光子饥饿伪影成为低剂量盆腔 CT 中需要解决的主要问题[21]。我们首次在临床上将 HR & LD 方案应用于 UHRCT 的 APCT,并成功将辐射剂量较 Akagi 团队的研究[6]降低了三分之二(即 CTDIvol:4.2 mGy),达到了远低于许多国家遵循的低剂量 APCT 诊断参考水平(CTDIvol:13 至 18 mGy)的数值[22, 23]。这一降低的剂量仍允许通过 UHRCT 在 CE-APCT 中获得足够的图像质量以用于肿瘤随访,尽管此类挑战在某些高对比度检查中被认为更容易处理,例如 CT 血管造影、肾输尿管结石 CT 检查和 CT 结肠成像[24, 25]。既往研究通过传统 MDCT(即非 UHRCT)结合管电压降低和/或应用各种迭代重建算法,将 APCT 检查中的 CTDIvol 降至约 6 mGy[21, 26–35]。Park 及其同事[26]描述了在第三代双源 CT 上联合使用基于自动衰减的管电位选择与迭代重建算法,使 CTDIvol 降低的中位数最大化。他们能够在体型最小的患者亚组中通过将管电压降至 90 kV 实现 CTDIvol 中位数为 4.8 mGy,但其结果仍高于本研究的平均 CTDIvol。在一项使用传统 MDCT 扫描仪的体模研究中,Higaki 及其同事[8]报告,在低辐射剂量下,DLR 较 MBIR 产生更少的低频噪声,因此在各种任务对比度设置下具有更高的任务型可检测性。确切原因尚不清楚;然而,DLR 在低剂量情况下具有鲁棒性,因为其训练包含低质量数据集,允许从低质量图像生成高质量图像并保留信号和空间分辨率[白皮书,https://mfl.ssl.cdn.sdlmedia.com/636837173033229994OU.pdf。访问于 2020 年 4 月 24 日]。在本研究中,噪声更大的 UHRCT 图像可能增强了 DLR 的这些益处。相反,MBIR 的空间分辨率在低剂量和/或低对比度情况下容易退化[36]。与 HIR 相比,MBIR 与图像纹理的变化相关,这与信号在窄频带内的分布有关,这解释了 MBIR 图像较粗糙的纹理[7]。MBIR 的这种纹理变化可能降低放射科医师对除主观噪声以外的主观图像质量的评价,而放射科医师明显偏好 HIR。此外,与 MBIR 相比,DLR 具有更高的空间分辨率,允许更清晰地描绘各种解剖结构,并更显著地显示潜在的局灶性病变。同样,MBIR 通常比 FBP 和 HIR 需要更高的计算能力和更长的处理时间[6],而 DLR 具有更短且更合理的处理时间,被认为比 MBIR 更具临床实用性[6]。因此,DLR 的使用被认为在临床上可接受,作为 UHRCT 采用 HR & LD 方案进行 CE-APCT 的辅助手段,因为它产生相似或更好的主观图像质量,从而与使用常规方案获得的图像相比具有非劣效的诊断效能。DLR 与 HR & LD 方案的组合可能特别有利于在 UHRCT 进行 CE-APCT 用于肿瘤随访时最大限度地降低辐射剂量并改善对细小复发、播散和转移性病变的诊断。

我们的研究存在以下局限性。在体模研究中,我们仅使用单一中间对比度评估TTF,该对比度几乎等同于软组织病变(如腹膜播散、淋巴结转移)与腹腔内及腹膜后脂肪衰减之间的图像对比度,而非包括实体器官内转移灶低对比度在内的多种对比度。在临床研究中,仅纳入了单一机构的少量研究人群,且与西方国家平均体型患者相比,日本患者较小的体重和BMI可能影响了我们的发现。此外,我们仅评估了CE-APCT的图像质量,而未检查病灶勾画或诊断性能。进一步评估我们结果临床实用性的研究应在多机构更大的队列中纳入病灶勾画和诊断性能的检查。

结论

在使用超高清CT(UHRCT)进行低剂量(CTDIvol:约4 mGy)CE-APCT时,与使用基于模型的迭代重建(MBIR)相比,深度学习重建(DLR)可获得更好的图像质量(噪声特征除外),且放射科医师的接受度更高。特别是,较低的低频噪声可能产生较少的图像纹理粗糙感,且在低剂量下DLR比MBIR获得放射科医师更好的接受度。

引用

  1. Nishikawa M, Machida H, Shimizu Y, et al. Image quality and radiologists' subjective acceptance using model-based iterative and deep learning reconstructions as adjuncts to ultrahigh-resolution CT in low-dose contrast-enhanced abdominopelvic CT: phantom and clinical pilot studies. Abdom Radiol (NY). 2021. PMID: 34914007. doi:10.1007/s00261-021-03373-5
  2. 全文:PMC8807451(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC8807451/

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。