文献速递神经头颈外周血管CT

深度学习图像重建用于颈动脉双能CT血管造影:图像质量与诊断性能评估

Deep learning image reconstruction algorithm for carotid dual-energy computed tomography angiography: evaluation of image quality and diagnostic performance.
PubMed 文献 · Insights Imaging · 2022-11-26

该研究纳入28例颈动脉双能CTA患者,在50 keV下比较DLIR(低、中、高强度)与80% ASIR-V重建的图像质量和诊断性能。结果显示DLIR-H显著降低噪声并提高SNR、CNR,主观图像质量和纹理更优,动脉显示和斑块诊断性能与ASIR-V相当。推荐DLIR-H用于临床颈动脉DECTA重建,DLIR-M可接受。

要点

  • DLIR-H在50 keV颈动脉DECTA中显著降低图像噪声并提高SNR、CNR。
  • DLIR-H和DLIR-M主观图像质量及纹理优于80% ASIR-V。
  • 各重建算法对颈动脉斑块成分和狭窄分级的诊断性能无显著差异。

核心结论

  • 与80% ASIR-V相比,推荐DLIR-H用于颈动脉DECTA重建,可显著改善50 keV图像质量并保持理想的诊断性能和动脉显示。

研究设计与样本

  • 回顾性分析前瞻性队列,纳入28例连续患者(男16例,女12例,平均年龄59.9±12.6岁),采用快速管电压切换DECT(Revolution CT,GE Healthcare)行颈动脉DECTA,80/140 kVp,12 HU噪声指数,对比剂370 mgI/mL、40 mL、3.5 mL/s。
  • 原始数据以0.625 mm层厚重建为80% ASIR-V及DLIR-L、DLIR-M、DLIR-H,并处理为50 keV虚拟单能图像,比较定量参数和两名放射科医师主观评分及诊断性能。

关键影像表现/征象

  • DLIR-H图像在主动脉弓和颈总动脉的噪声显著低于ASIR-V(主动脉弓44.4±7.9 vs 56.1±7.9,p=0.000;颈总动脉9.9±10.4 vs 30.5±10.8,p=0.002),颈内动脉和椎动脉噪声无差异。
  • DLIR-H在所有动脉节段的SNR和CNR均显著高于ASIR-V(SNR:主动脉弓13.3±3.1 vs 10.3±1.9,p=0.017;颈总动脉34.1±16.7 vs 19.7±6.4,p=0.000;颈内动脉25.6±10.6 vs 19.6±6.8,p=0.040;椎动脉25.8±7.5 vs 20.9±5.8,p=0.021;CNR各节段p=0.000)。
  • DLIR-M和DLIR-H的主观整体图像质量和噪声显著优于ASIR-V(p=0.000-0.014),所有级别DLIR的图像纹理均优于ASIR-V(p=0.000-0.008)。
  • 头颈部各动脉节段显示在四种重建间基本相当,仅一名医师认为DLIR-H对ACA-A3段显示优于ASIR-V(p=0.014),另一名医师无差异。
  • DLIR各强度与ASIR-V对颈动脉斑块成分和狭窄分级的判定一致性高(斑块成分一致性DLIR-L 91.1%、DLIR-M 91.0%、DLIR-H 86.7%;狭窄分级一致性DLIR-L 68.0%、DLIR-M 80.0%、DLIR-H 80.3%)。

诊断标准与关键数值

  • 狭窄分级标准:0=无狭窄;1=轻度(0–49%);2=中度(50–69%);3=重度(70–99%);4=闭塞。
  • 斑块成分分类:1=非钙化斑块;2=混合斑块;3=钙化斑块。
  • 主观图像质量采用5分Likert量表(5=优,4=好,3=可接受,2=次优,1=差),动脉显示采用5分Likert量表(5=边缘非常锐利且对比高,1=不可接受的模糊和对比)。

临床应用与阅片要点

  • 在颈动脉DECTA 50 keV重建中可优先选用DLIR-H以降低噪声、提升SNR和CNR,DLIR-M可作为可接受备选。
  • DLIR-H可能对颅内小血管严重狭窄处残余管腔显示模糊,存在高估狭窄程度的现象,报告时需结合ASIR-V或原始图像确认。
  • DLIR各强度与ASIR-V对斑块成分和狭窄分级的诊断一致性高,日常诊断可互换使用。

局限性

  • 样本量相对较小(28例)。
  • 缺乏斑块成分和狭窄分级的金标准,无法评估诊断准确度。
  • 未评估DECT其他后处理技术(碘定量、有效原子序数图、物质分离)在DLIR图像中的可靠性。
  • CT系统和算法为特定厂商,结果可能不适用于其他厂商。
全文中译16 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:Insights Imaging. 2022 Nov 26;13:182. doi: 10.1186/s13244-022-01308-2

要点

DLIR适用于双能计算机断层扫描血管造影的重建。

DLIR-H在图像噪声和图像纹理方面产生的图像质量最佳。

DLIR图像在动脉显示和血管病变诊断性能方面与ASIR-V相似。

引言

颈动脉粥样硬化是发达国家最常见的慢性疾病[1, 2]。计算机断层扫描血管造影(CTA)在检测颈动脉和颅内动脉病变方面具有极佳的效率[3],已成为筛查颈动脉疾病的成熟二线技术[4]。根据最近的一项调查,2007年至2017年间,急诊科头颈部CTA的增长远远超过其他检查方式的增长,复合年增长率约为24%[5]。CTA检查的快速增长引起了人们对辐射暴露风险和碘剂量的担忧。

为解决这一问题,已开发出多种迭代重建(IR)算法,以在较低辐射剂量下获得更好的图像质量,例如将IR与滤波反投影(FBP)混合的混合IR[6–9]。自适应统计迭代重建-Veo(ASIR-V,GE Healthcare)是一种厂商特定的混合IR,与其他IR技术相比,允许更积极地降低图像噪声和辐射剂量,且重建时间大大缩短[10]。然而,ASIR-V与其他IR技术具有相同的局限性,即仍难以在图像噪声与不自然的图像纹理之间达到平衡[7–9]。最近,一种厂商特定的基于深度神经网络的图像去噪算法重建引擎(TrueFidelity™2.0;GE Healthcare),称为深度学习图像重建(DLIR),已被提出用于CT图像重建,该引擎使用体模和患者的无伪影FBP数据集进行训练,以区分噪声与信号[11]。DLIR能够模拟标准剂量FBP的图像纹理,同时提供低图像噪声、伪影抑制以及高分辨率下的高灵敏检测能力[12–16]。其效用已在单能CT和双能CT扫描中得到验证,直至最近[17–19];然而,其在双能CTA(DECTA)中的适应性尚未被评估。

不同的预测单能千电子伏(keV)水平,也称为虚拟单色图像(VMI),是DECTA常用的后处理选项。较低能量的VMI通过将光子能量向碘的33 keV K边缘移动,能够增强CTA图像的碘对比剂衰减,但代价是噪声急剧增加[20, 21]。最近一项使用IR算法的颈动脉DECTA研究表明,50 keV能量水平的VMI不仅比120 kV单能扫描具有更优的对比噪声比(CNR),而且是颈动脉DECTA主观评估的最佳keV能量水平[22]。

我们假设,在颈动脉DECTA中应用DLIR算法后,低能量VMI可能具有更有利的图像噪声和纹理,同时保持比ASIR-V更好的信噪比(SNR)和对比噪声比(CNR)。因此,本研究旨在评估使用DLIR算法的颈动脉DECTA中50 keV VMI对头颈部动脉病变的图像质量和诊断性能,并与ASIR-V重建的图像进行比较。

材料与方法

本研究经我院机构审查委员会批准。所有患者均获得书面知情同意,回顾性分析基于前瞻性队列进行。

参与者

连续纳入2021年11月至2021年12月期间接受颈动脉双能量CT血管成像(DECTA)(Revolution CT;GE Healthcare,可重建ASIR-V和DLIR图像)的44例患者。其中3例患者颈部手术后留有金属植入物;5例患者有颈动脉支架;5例患者有广泛血栓形成,因金属伪影和血栓形成无法进行准确的血管内评估而被排除;3例患者原始数据丢失。最终,28例患者纳入本研究。

双能量CT技术

所有检查均采用快速千伏切换双能量CT扫描仪(Revolution CT;GE Healthcare)进行,颈动脉DECTA成像参数如下:80/140 kV峰值管电压,5 mm层面准直下12 HU噪声指数,可变管电流(GSI Assist;GE Healthcare);探测器配置为128个探测器,层厚0.625 mm;80 mm束准直,0.5 s旋转时间,0.984:1螺距,36 cm显示视野。为增强对比,将非离子型碘对比剂(370 mgI/mL,Omnipaque 350,GE Healthcare,中国上海)通过自动注射器经右肘静脉以3.5 mL/s的速率注射,团注40 mL,随后以相同注射速率推注30 mL生理盐水。CTA由团注跟踪程序触发(触发点:升主动脉,触发阈值:120 HU),图像采集延迟5 s。CT图像从颅顶至主动脉弓沿头尾方向获取。

图像重建

原始数据以0.625 mm层厚采用80% ASIR-V(迭代重建80% + 滤波反投影20%)及DLIR算法在三个可选强度水平(低强度,DLIR-L;中等强度,DLIR-M;高强度,DLIR-H)进行重建,强度级别按降噪能力分级。所有重建均使用标准卷积核。所有重建图像使用GSI Viewer软件(Advantage Workstation,版本4.7,GE Healthcare)处理为50 keV的虚拟单能量图像(VMI)。

定量图像分析

图像分析和测量由一名对图像重建算法不知情的放射科医师在GSI Viewer软件上进行。在轴位图像上手动放置感兴趣区(ROI),分别位于主动脉弓(AA)、颈总动脉(CCA)、颈内动脉(ICA)和优势侧椎动脉(VA)层面,测量平均衰减值(HU)和噪声值(SD)。ROI应尽可能覆盖动脉中央部分,同时避开动脉壁、斑块和严重伪影。为计算目标血管的对比噪声比(CNR),还在舌骨层面测量了胸锁乳突肌的HU值。信噪比(SNR)和CNR值使用以下公式计算:SNR = 目标HU / 目标SD,CNR = (目标HU − 肌肉HU)/ 目标SD。

定性图像分析

为规范定性分析,两名经验丰富的放射科医师在定性图像分析前接受了图像质量评估培训。由80% ASIR-V、DLIR-L、DLIR-M和DLIR-H重建的VMI数据集以随机顺序挂载在GSI Viewer软件上供每位放射科医师独立评估,不附加任何标注。所有图像以预设窗设置呈现:窗位100 HU,窗宽800 HU,评估过程中允许放射科医师调整窗设置。

两名放射科医师独立使用5分Likert量表评估每幅图像的整体图像质量(噪声和纹理):5=最佳图像质量,优秀;4=良好(对图像解读无影响);3=可接受用于诊断(可能有影响);2=欠佳(轻度影响);1=差(妨碍诊断)。两名放射科医师进一步根据既往发表文献[23],依据血管边缘及主观对比噪声比,使用5分Likert量表(表1)评估头颈部动脉的动脉显示情况:5=边缘非常锐利,对比度高;4=边缘锐利,对比度满意;3=边缘轻微模糊,对比度欠佳;2=边缘模糊,主观对比度明显欠佳;1=边缘模糊及对比度不可接受。除颈总动脉(CCA)、颈内动脉(ICA)、椎动脉(VA)和基底动脉(BA)外,我们还根据Netter脑血管分类[24]详细评估了颅内动脉不同节段,包括大脑前动脉(ACA)、大脑中动脉(MCA)和大脑后动脉(PCA)。

表1 主观图像质量分析 查看原表 ↗

诊断评估

此外,两名对患者临床数据和图像重建算法不知情的经验丰富的放射科医师被要求以共识方式评估ASIR-V和DLIR图像对颈动脉斑块的诊断效能。狭窄性病变按以下标准分级:0=无狭窄;1=轻度(0–49%);2=中度(50–69%);3=重度(70–99%);4=闭塞。根据成分变化,颈动脉斑块分为:1、非钙化斑块;2、混合斑块;3、钙化斑块。ASIR-V与DLIR图像的评估之间间隔2周。

统计分析

所有统计分析均在SPSS 26.0版软件(IBM)上进行。图像定量参数包括HU、SD、SNR和CNR,采用重复测量方差分析及Bonferroni事后检验在ASIR-V、DLIR-L、DLIR-M和DLIR-H组间进行分析。对于定性分析,包括整体图像质量和不同动脉节段的主观评分,采用Friedman检验比较四组间的这些主观指标。当四组间发现显著差异时,采用配对Wilcoxon符号秩检验进行事后亚组比较。采用McNemar检验比较DLIR与ASIR-V图像的诊断效能。DLIR与ASIR-V图像间的观察者间一致性和诊断结果一致性采用Cohen's kappa检验,使用以下标准:差(κ < 0.4);中等(κ = 0.41–0.60);好(κ = 0.61–0.80);优秀(κ = 0.81–1.00)。p值 < 0.05被认为具有统计学意义。

结果

本研究纳入28例患者,其中男性16例、女性12例,平均年龄59.9 ± 12.6岁(范围33–81岁),平均体重指数(BMI)25.7 ± 3.1 kg/m2(范围20.0–33.4 kg/m2)。

图像定量分析

在四组之间,AA、CCA、ICA和VA水平的CT衰减值具有可比性。四组重建图像之间注意到所有动脉水平的SNR、CNR差异以及AA、CCA和VA水平的SD差异(SNR:p = 0.000–0.015;CNR:所有p = 0.000;SD:0.001–0.027)。然而,Bonferroni事后检验显示,仅在AA和CCA水平,DLIR-H图像的SD低于ASIR-V图像(AA:44.4 ± 7.9 vs 56.1 ± 7.9,p = 0.000;CCA:9.9 ± 10.4 vs 30.5 ± 10.8,p = 0.002),ICA和VA的SD未见差异。更重要的是,DLIR-H在所有动脉水平的SNR(AA:13.3 ± 3.1 vs 10.3 ± 1.9,p = 0.017;CCA:34.1 ± 16.7 vs 19.7 ± 6.4,p = 0.000;ICA:25.6 ± 10.6 vs 19.6 ± 6.8,p = 0.040;VA:25.8 ± 7.5 vs 20.9 ± 5.8,p = 0.021)和CNR(47.8 ± 11.7 vs 33.5 ± 8.5,p = 0.000;45.3 ± 11.1 vs 31.7 ± 8.2,p = 0.000;44.1 ± 11.2 vs 30.8 ± 8.2,p = 0.000;39.9 ± 9.1 vs 27.9 ± 6.9,p = 0.000)显著优于ASIR-V。此外,DLIR-L和DLIR-M的定量分析显示与ASIR-V相当的降噪能力。(所有定量分析见图1。)

图1 四组重建图像之间所有水平动脉的定量图像分析。*平均值统计高于ASIR-V 查看原图 ↗

定性图像分析

图像定性分析结果总结于表1。四组之间在整体图像质量、图像噪声、伪影和噪声纹理方面注意到显著差异(图2)。在事后亚组比较中,与ASIR-V相比,DLIR-M和DLIR-H图像的图像噪声显著更低(读者1:PDLIR-M = 0.002,PDLIR-H = 0.000;读者2:PDLIR-M = 0.014,PDLIR-H = 0.000),所有强度水平的DLR在图像纹理方面均优于ASIR-V(读者1:PDLIR-L = 0.004,PDLIR-M = 0.008,PDLIR-H = 0.000;读者2:PDLIR-L = 0.005,PDLIR-M = 0.004,PDLIR-H = 0.000)。DLIR-M和DLIR-H的整体图像质量显著优于ASIR-V(读者1:PDLIR-M = 0.000,PDLIR-H = 0.000;读者2:PDLIR-M = 0.000,PDLIR-H = 0.000)。

在动脉显示评估中,两位读者对四组重建图像中头颈部动脉几乎所有血管节段的显示评价相似(图3),但ACA-A3段除外(表2)。一位读者认为DLIR-H图像中A3的显示在统计学上高于ASIR-V(p = 0.014),而读者2未注意到差异,尽管两位读者之间具有中等一致性(κ = 0.60)。在图像质量和动脉显示的主观分析中,两位读者之间注意到中等至优秀的一致性(κ值范围为0.44至0.92)。

图2 四组重建图像之间图像噪声和纹理的定性图像分析。一名71岁男性,颈动脉闭塞。展示了80% ASIR-V(a)、DLIR-L(b)、DLIR-M(c)和DLIR-H(d)。DLIR-L的图像噪声似乎与ASIR-V相似,但DLIR-M和DLIR-H的图像明显优于ASIR-V。半卵圆中心过度平滑的“塑料样”纹理在ASIR-V图像中最为突出,而不自然纹理在所有DLIR图像中均减少,尤其是在DLIR-H中。 查看原图 ↗
图3 四种不同重建图像中颈动脉斑块的可视化。a–d 颈动脉近端钙化斑块;e–h 颈动脉分叉处混合斑块;i–l 颈动脉分叉处非钙化斑块。在80% ASIR-V与所有强度等级的DLIR之间,斑块成分的可视化与狭窄分级的评估几乎一致 查看原图 ↗
表2 四种重建图像上的动脉显示 查看原表 ↗

诊断评估

我们在每幅ASIR-V和DLIR图像上发现35个具有不同颈动脉斑块形态和成分的狭窄性病变。如表3和表4所示,所有强度的DLIR与ASIR-V在颈动脉斑块成分判定和狭窄分级方面均无差异,诊断一致性几乎完美(表3为斑块成分,DLIR-L:91.1%,DLIR-M:91.0%,DLIR-H:86.7%;表4为狭窄分级,DLIR-L:68.0%,DLIR-M:80.0%,DLIR-H:80.3%)。

表3 ASIR-V与DLIR图像之间颈动脉斑块成分的判定 查看原表 ↗
表4 ASIR-V与DLIR图像之间狭窄分级的评估 查看原表 ↗

讨论

近期,采用减低碘剂量方案的主动脉双能CT血管成像(DECTA)已证明DLIR算法在DECTA中的临床实用性[19]。在本研究中,我们进一步通过图像客观参数和主观评价评估了DLIR算法在50 keV头颈部DECTA中的实用性,主观评价包括图像噪声、图像纹理、不同层面动脉显示等总体图像质量,以及与常规ASIR-V相比的诊断性能。我们的结果表明,与80% ASIR-V相比,DLIR-H算法可降低颈动脉DECTA图像噪声并改善图像质量,同时保持相似的动脉显示和诊断性能。

ASIR-V作为一种厂商特定的混合迭代重建(IR)算法,其主要局限性在于不自然的纹理[9],这是IR算法的典型表现,被称为“斑驳”“塑料样”[6, 7, 9]。此外,既往使用混合因子为30–60%的ASIR-V进行CT重建的经验中,尽管噪声降低增强,但随着混合因子增加,噪声纹理导致的图像模糊会显现[13, 14, 25, 26]。我们采用80% ASIR-V高混合因子作为参考标准来测试DLIR算法的能力,原因有二。首先,80% ASIR-V是我们机构GE Healthcare CT系统的常规图像重建算法。其次,在既往所有DECT研究的DLIR算法中均使用混合因子为40%的ASIR-V进行比较[18, 19],且图像纹理的比较也被省略,这使得进一步比较高混合因子ASIR-V与DLIR算法成为必要。

在主观评价中,DLIR-M和DLIR-H的总体图像质量和图像噪声优于80% ASIR-V,这与既往研究一致。此外,所有强度的DLIR与80% ASIR-V相比均具有更细腻的图像纹理。尽管图像噪声纹理通常使用噪声功率谱(NPS)评估,但此处我们仅进行主观评价,因为NPS通常仅用于体模研究[27, 28],并且我们认为评估这种不自然纹理对图像判读的影响更具临床意义。本研究中图像纹理的主观评价提示,与高水平ASIR-V相比,DLIR可能显示与FBP相似的图像纹理模式,具有更好的临床适用性。

在我们的定量分析中,DLIR-H算法如预期般显著提高了所有节段动脉的SNR和CNR。然而,颈内动脉(ICA)和椎动脉(VA)的图像噪声值较80% ASIR-V似乎显著降低,这与既往研究[13, 19]不一致。ICA和VA节段直径较小,ROI放置的微小变化即可显著改变测量结果,这可能是合理的解释。尽管DLIR-M在主观图像评价中有一定优势,但DLIR-M的定量参数与80% ASIR-V相当。至于DLIR-L,在定性和定量分析中均未观察到优于80% ASIR-V图像的優勢。

Jansen等人以及后续研究[12, 14, 17, 19]警告称,与ASIR-V相比,DLIR-H可能遮蔽小病灶并对小血管的细节评估欠佳。但我们的结果似乎与该观点相矛盾;几乎所有动脉节段的动脉显示在四种重建算法之间相当,甚至有一位读者认为DLIR-H图像中ACA-A3节段的显示最优。我们认为这得益于图像噪声降低,其总体上有益于抵消小病灶或血管的模糊效应,Jansen等人[12]也提到了这一点。此外,值得注意的是,既往研究使用的ASIR-V水平相对较低(40–60%),因此其噪声纹理不如本研究中的80% ASIR-V那样显著影响小动脉的观察。因此,有理由相信DLIR-H对图像纹理的改善和噪声降低补偿了对颅内小动脉的模糊效应。

我们的研究还有另一项优势;我们评估了基于DLIR算法的双能CTA(DECTA)对颈动脉斑块变化的诊断性能。尽管由于缺乏颈动脉斑块成分和狭窄分级的金标准,我们无法评估基于不同算法图像的诊断准确性,但DLIR与ASIR-V图像之间几乎一致的诊断性能提示,DLIR图像足以在临床条件下显示实际颈动脉斑块。同时,我们还注意到一个有趣的现象:DLIR-H图像倾向于高估小血管的狭窄程度(图4)。这可能是由于高水平DLIR对狭窄处残余管腔的模糊效应[12]。该现象仅在某些严重颅内动脉狭窄病例中观察到,因此未影响阳性血管病变的检出。需要进一步研究来评估高水平DLIR对小血管狭窄特征描述的这一细微影响。

本研究存在若干局限性。第一,本研究的样本量相对较小。第二,需要进一步开展任务特异性病灶检测研究以确定DLIR的诊断准确性。第三,除VMI外,DECT的其他后处理技术,如碘定量、有效原子序数图和物质分离,未纳入本研究。这些后处理技术在基于DLIR的DECT图像中的可靠性仍需进一步验证。最后,我们的CT系统和算法为特定厂商所有。不同厂商之间算法和结果可能有所不同。

图4 DLIR图像上高估颅内动脉狭窄的示例。展示了69岁女性(a–d)和71岁男性(e–h)伴有脑动脉粥样硬化的ASIR-V(a、e)、DLIR-L(b、f)、DLIR-M(c、g)、DLIR-H(d–h)图像。80% ASIR-V和DLIR图像对近端和远端脑动脉的显示相似。可见右侧大脑前动脉A3段和右侧大脑后动脉P3段中重度局灶性狭窄(黑箭头)。ASIR-V图像中狭窄处残余管腔清晰可见,而在高级别DLIR图像中,残余管腔隐约可见 查看原图 ↗

结论

DLIR在DECTA重建中具有前景,可显著降低图像噪声,提高50 keV条件下颈部DECTA的图像质量,同时保持理想的诊断性能。总之,与80% ASIR-V算法相比,我们推荐将DLIR-H用于颈部DECTA重建。DLIR-M是可接受的选择。

引用

  1. Jiang, Jin, Liu, et al. Deep learning image reconstruction algorithm for carotid dual-energy computed tomography angiography: evaluation of image quality and diagnostic performance. Insights Imaging. 2022. PMID: 36435892. doi:10.1186/s13244-022-01308-2
  2. 全文:PMC9701290(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC9701290/

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。