童小雨, 刘义军, 李贝贝, 王旭, 周宇婧, 陈安良, 范勇, 王诗耕
临床放射学杂志. 2023, 42(8): 1343-1348.
目的 探究深度学习(DL)算法在降低胃周血管CT血管造影(CTA)辐射剂量中的临床应用价值。方法 前瞻性搜集2022年4月至2022年5月临床上行胃周血管CTA的患者60例,应用联影uCT760进行扫描,按检查时间分为A、B两组,每组各30例。A组为常规辐射剂量组,管电压120 kVp,管电流为剂量调制等级3,迭代重组算法为Karl 5;B组为低辐射剂量组,管电压120 kVp,管电流为剂量调制等级2,Karl 5及DL(1~4)四个等级重组,获得B1~B5五个亚组。记录A、B组平均mAs、CT容积剂量指数(CTDIvol)、剂量长度乘积(DLP),计算有效辐射剂量(ED)。在各组轴位图像上测量胃左动脉起始部的腹主动脉、腹腔干、脾动脉、肝动脉及同层面腹壁皮下脂肪组织的CT值和SD值,计算上述血管的信噪比(SNR)、对比噪声比(CNR);重组容积再现(VR)及最大密度投影(MIP)图像,两名观察者采用五分法评估各组轴位、VR和MIP的图像质量、胃周血管及分支的显示情况。结果 A、B组患者性别、年龄、体质量指数(BMI)差异无统计学意义(P>0.05),B组平均mAs、CTDIvol、DLP、ED相较于A组分别降低了27.00%、29.76%、33.64%、33.76%,差异均有统计学意义(P<0.05);A、B组各血管的CT值差异无统计学意义(P>0.05),A、B1组间比较,SD、SNR、CNR差异均有统计学意义(P<0.05),B2~B5随着DL算法等级的提高,图像SD值逐渐下降,SNR、CNR逐渐升高(P<0.05),B3、B4组各血管的SD值、SNR及CNR相较于A组差异无统计学意义(P>0.05),B组组内两两比较,B1与B2、B3组各血管的SD值、SNR、CNR差异无统计学意义(P>0.05);两观察者对图像主观评分一致性好(Kappa值为0.818~0.860,P<0.05),各组图像均满足诊断要求。A、B1组两观察者主观评分差异有统计学意义(P<0.05),B2~B5组图像质量的主观评分随着DL等级的提高呈现先高后低的趋势,B4组得分最高(4.70±0.47,4.47±0.57)。结论 DL算法能够有效降低图像噪声,在低辐射剂量的情况下,提高胃周血管CTA图像质量,其中DL 3为推荐的最佳重组等级。