深度学习重组算法结合可变螺距技术在低剂量一站式头颈心联合CTA扫描中的可行性研究
前瞻性研究纳入70例患者，随机分为常规剂量组（120 kVp，混合迭代重组）和低剂量组（100 kVp，可变螺距扫描，深度学习重组）。低剂量组采用自头颈侧向心脏的一站式扫描方案，心脏区域心电门控，头颈部非门控扫描。结果显示深度学习重组联合可变螺距技术可使有效辐射剂量降低62.90%，碘摄入量降低27.78%，图像质量与常规剂量组无显著差异。
要点
- 深度学习重组算法可显著降低图像噪声，SNR和CNR值优于混合迭代算法
- 可变螺距一站式扫描可减少辐射剂量62.90%和对比剂用量27.78%
- 低剂量组图像主观评分与常规剂量组无显著差异，不影响诊断信心
核心结论
- 深度学习重组算法联合可变螺距扫描技术在头颈心联合CTA一站式检查中，可使有效辐射剂量降低62.90%、碘摄入量降低27.78%，同时确保图像质量不受影响。
- 低剂量组采用深度学习重组的图像SNR和CNR值显著高于常规剂量组和低剂量混合迭代重组组，图像质量主观评分与常规剂量组无显著差异（P>0.05）。
研究设计与样本
- 前瞻性随机对照研究，纳入70例行头颈部及冠状动脉CTA检查患者，按区组随机分为常规剂量组（n=35）和低剂量组（n=35）。
- 常规剂量组管电压120 kVp，采用混合迭代算法重组；低剂量组管电压100 kVp，采用可变螺距技术，图像分别用混合迭代和深度学习算法重组。
- 低剂量组采用自头颈侧向心脏的一站式扫描，心脏区域心电门控，头颈部非心电门控；两组设置不同噪声指数调节辐射剂量。
诊断标准与关键数值
- 测量右冠状动脉、左前降支、左回旋支中段、主动脉弓、左右颈总动脉、左大脑中动脉M1段的CT值、图像噪声值，计算信噪比和对比噪声比。
- 低剂量深度学习重组组各血管SD值在三组中最低，SNR和CNR值显著高于其他两组（P<0.05）。
- 除右冠状动脉CT值三组间差异无统计学意义外，低剂量组各血管CT值均高于常规剂量组（P<0.05）。
临床应用与阅片要点
- 一站式头颈心联合CTA扫描可采用自头颈侧向心脏的可变螺距方案，心脏区域心电门控，头颈部非门控扫描。
- 使用深度学习重组算法可在100 kVp低管电压条件下获得优于120 kVp常规剂量的图像质量。
局限性
- 两名医师进行主观评分，观察者数量相对较少。
原文图文
目的 探讨与传统扫描方案对比,深度学习重组（DLR）算法结合可变螺距扫描技术（VHP）在低剂量一站式头颈心联合CT血管造影（CTA）扫描中的应用价值。 方法 前瞻性纳入本院行头颈部及冠状动脉CTA检查的70例患者,根据区组随机划分为常规剂量组（RD组, n =35）和低剂量组（LD组, n =35）。RD组按常规方案分别完成冠状动脉及头颈CTA,管电压120 kVp,图像采用混合迭代算法（HIR）重组。LD组采用自头颈侧向心脏的一站式VHP方案扫描,管电压100 kVp,心脏区域采用心电门控扫描,头部及颈部采用非心电门控扫描;LD组的图像分别采用HIR和DLR重组。两组的扫描方案设置不同的噪声指数以进一步调节辐射剂量,余扫描参数均相同。测量三组图像右冠状动脉、左前降支、左回旋支中段、主动脉弓、左右颈总动脉、左大脑中动脉M1段的CT值及图像噪声（SD）值,并计算信噪比（SNR）和对比噪声比（CNR）。两位高年资医师对三组图像的整体质量进行主观评分。三组间比较采用单因素方差分析（ANOVA）,RD组与LD组-HIR/DLR的比较采用 Mann-Whitney U 检验,LD组内两组的比较采用 Wilcoxon 符号秩检验。 结果 除右冠状动脉的CT值在三组间的差异无统计学意义外,LD组-DLR和LD组-HIR图像的各血管的CT值均高于RD组,且差异均有统计学意义（ P <0.05）。LD组-DLR图像各血管的SD值在三组中为最低的,且其SNR和CNR值均显著高于其他两组图像,差异均有统计学意义（ P <0.05）。两名医师对图像质量的主观评分一致性良好,RD组与LD组-DLR的主观评分差异无统计学意义（ P >0.05）。与RD组相比,LD组的有效辐射剂量（ED）及碘摄入量分别降低了62.90%、27.78%（ P 均<0.05）。 结论 DLR算法联合VHP扫描技术在脑心联合CTA一站式检查中,可在确保图像质量的基础上减少对比剂用量及辐射剂量且不影响诊断信心,具有较好的临床推广应用价值。
引用
- 临床放射学杂志：深度学习重组算法结合可变螺距技术在低剂量一站式头颈心联合CTA扫描中的可行性研究
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。