深度学习像素闪耀算法改善中低体重指数者腹部70 kVp动脉期图像质量

吕悦，刘爱连*，刘静红，刘义军，方鑫，潘聚东

1.大连医科大学附属第一医院放射科，辽宁大连 116011；2.加州大学旧金山分校放射和生物影像科，旧金山 94143；

腹部CT血管成像（CTA）扫描范围广、速度快、层厚薄、可获得多期相数据、有多种后处理重建技术等，广泛应用于腹部血管病变、出血性及缺血性疾病的诊治，恶性肿瘤术前评估及手术方案的确定，放化疗的定位及预后评估等方面，已成为临床常规检查方法[1-2]。然而，全腹CTA较高的对比剂摄入量所致肾脏损伤和较高的辐射剂量所致电离损伤也逐渐受到关注[3-4]。降低管电压，X线束的平均光子能量接近碘对比剂的光谱吸收边缘，可以提升对比剂的CT值，使得血管显示更为清晰，但同时图像噪声和颗粒状伪影亦会增加，影响器官图像的观察[5]。本研究拟探讨体重指数（body mass index，BMI）<22 kg/m2患者采用 70 kVp管电压联合人工智能深度学习像素闪烁（pixel shine，PS）算法，提高腹部CTA动脉期实质器官图像质量的可行性。

1 资料与方法

1.1 研究对象 回顾性收集2015年11月至2016年4月因腹部肿瘤或血管性疾病于大连医科大学附属第一医院施行全腹CTA扫描的患者，记录患者身高、体重，计算BMI。纳入标准：①BMI<22 kg/m2；②无对比剂使用禁忌证；③无心、肺、肾等严重器质性病变，能正常屏气；④无影响腹部血流状况的疾病。排除标准：①弥漫性肝硬化等肝脏疾病；②竖脊肌严重的脂肪浸润。纳入62例患者，男38例，女24例。按就诊时间、管电压将患者分为A组（低管电压组）和B组（常规管电压组），A组于2015年11月-2016年1月就诊，共42例，男26例，女16例；平均年龄（60.90±12.46）岁；BMI（18.87±1.34）kg/m2，管电压为70 kVp。B组于2016年2-4月就诊，共20例，男12例，女8例；平均年龄（58.05±12.59）岁；BMI（20.06±1.32）kg/m2，管电压为 120 kVp。

1.2 仪器与方法 患者检查前3 d禁服含重金属的药物，检查当天禁食水6～12 h。检查前15～30 min嘱患者饮清水800～1000 ml，检查时再服200～300 ml。采用GE Healthcare Revolution CT机，螺旋式扫描，扫描范围至少包括自肝顶至双肾下极。扫描参数：探测器宽度80 mm，自动管电流技术，自动生成噪声指数（noise index，NI），50%基于多模型的自适应统计迭代重建算法（adaptive statistical iterative reconstruction Veo，ASiR-V），螺距0.992，转速0.5 s/周，扫描层厚及层间距均为1.25 mm，标准重建算法，重建层厚5 mm，矩阵512×512。采用双通道高压注射器经肘正中静脉注射碘对比剂碘海醇（含碘350 mg/ml），剂量为含碘300 mg/kg，流速4.5 ml/s，再以相同流速团注生理盐水 40 ml。扫描时采用智能追踪触发扫描（Smart Prep）技术，将膈顶水平腹主动脉作为感兴趣区，注射对比剂10 s后开始监测，触发阈值为220 HU，当靶血管CT监测值达触发阈值时自动启动扫描，启动时间5.9 s。

1.3 图像处理和评价 采用基于深度学习的像素闪耀算法，以像素为基本单位，建立人工神经网络（artificial neural network，ANN）和训练对，软件通过ANN学习训练对之间的相关性，自动产生并输出降噪后的图像。

1.3.1 客观评价 采用GE AW 4.6后处理工作站，将标准算法重建后5 mm的CTA动脉期图像上传至PS软件，对A组图像进行A7模式处理，软件以像素为基本单位，通过其特异的像素闪耀算法，建立特定的神经网络和训练对，产生并输出降噪后的图像，处理后的图像为C组（A+PS）自动传回至工作站，B组20例不经PS处理。由2名影像诊断医师（观察者1和观察者2）采用双盲法分别对A、B、C组图像进行测量，分别在肝门层面的肝右叶、右侧竖脊肌勾画3个大小相等的ROI，ROI大小为10 mm×10 mm，注意避开局灶性病变、血管、脂肪浸润等密度不均匀区，记录肝脏CT值、竖脊肌CT值、标准差（SD），取3次测量的平均值。根据公式（1）、（2）计算肝脏-竖脊肌的对比噪声比（CNR）和信噪比（SNR）。

1.3.2 主观评分 将薄层（1.25 mm）CTA动脉期图像上传至PS软件，处理后图像自动传回ADW 4.6工作站，应用工作站的血管重建软件对右肾动脉行容积再现（VR）、最大密度投影（MIP）、曲面重组（CPR）。2名观察者分别独立采用5分评分标准对3组VR、MIP、CPR图像的右肾动脉及其分支显示的长度及边界的清晰锐利程度进行评分：图像全程显示段支动脉及细小分支，血管边缘非常清晰锐利为5分；图像能够全程显示段支动脉及细小分支，血管边缘欠清晰为4分；图像能够显示前后分支动脉，血管边缘欠清晰为3分；能够显示左、右肾动脉主干及血管边缘为2分；隐约显示或不能显示左、右肾动脉主干，有或无呼吸运动伪影为1分。

1.3.3 辐射剂量 记录CT剂量指数（CT dose index volume，CTDIvol）和剂量长度乘积（dose length product，DLP），根据公式（3）计算有效辐射剂量（effective dose，ED）.

其中 k为转换系数，参考腹部CT质量标准指南k=0.015 mSv/（mGy·cm）[3]。

1.4 统计学方法

1.4.1 客观指标的统计学分析 采用 SPSS 20.0软件，2名观察者所测得肝脏CT值、右竖脊肌CT值、SD值、肝脏-竖脊肌CNR、SNR分别进行正态性检验和方差齐性检验，一致性分析采用Spearman相关性检验；若一致性良好，则采用观察者1的测量结果。3组的肝脏CT值、右竖脊肌CT值、SD值、肝脏-竖脊肌CNR、SNR，符合正态的计量资料以±s表示，采用方差分析比较3组间参数的差异，组间比较采用LSD法；不符合正态分布的参数以中位数（上、下四分位数）表示，采用Kruskal-Wallis秩和检验比较3组参数的差异，组间比较采用Nemenyi检验，P<0.05表示差异有统计学意义。采用独立样本t检验比较A组和B组间辐射剂量的差异。

1.4.2 主观评分的统计学分析 2名观察者对右肾动脉图像质量主观评分的一致性分析采用Kappa检验，若一致性较好采用观察者 1的评分结果，以中位数（四分位数间距）表示，3组评分比较采用Kruskal-Wallis秩和检验，P<0.05表示差异有统计学意义。

2 结果

2.1 客观评价

2.1.1 2名观察者的一致性分析 2名观察者测得肝脏 CT值、右竖脊肌 CT值、SD值、肝脏-竖脊肌CNR、SNR的的一致性良好（r均>0.9，P均<0.05），见表1，故采用观察者1的测量结果。

表1 2名观察者对各项客观评价指标的一致性分析

2.1.2 3组客观指标比较 A、B、C组间肝脏CT值、竖脊肌CT值差异均无统计学意义（P>0.05），竖脊肌 SD值、肝 CNR、肝 SNR差异均有统计学意义（P<0.05），C组较 A组 CNR提高了 133.07%（1.69/1.27），SNR提高了137.74%（10.00/7.26），见表2及图1。

表2 各组患者行全腹CTA检查的客观评价指标比较

图1 A～C分别为A组（低管电压70 kVp）CTA动脉期图像、B组（对照组120 kVp）CTA动脉期图像、C组[70 kVp图像经深度学习像素闪耀（PS）软件处理后]CTA动脉期图像。A组肝脏CT均值、竖脊肌CT均值、竖脊肌SD值分别为72.60 HU、50.90 HU、7.53（A）；B组肝脏CT均值、竖脊肌CT均值、竖脊肌SD值分别为69.97 HU、54.93 HU、7.60（B）；C组肝脏CT均值、竖脊肌CT均值、竖脊肌SD值分别为73.13 HU、50.67 HU、2.67（C）

2.2 主观评价

2.2.1 2名观察者对肾动脉评分的一致性分析2名观察者对右肾动脉图像质量主观评分结果见表3。3组右肾动脉评分的一致性较好（Kappa=0.708、0.630、0.694），采用观察者1的评分结果。

表3 2名观察者对右肾动脉图像质量主观评分结果（例）

2.2.2 主观指标评分结果 3组右肾动脉重建图像的评分中位数均为5.00（1.00）分，差异无统计学意义（χ2=0.381，P>0.05）。所有肾动脉及分支显示清晰，血管边缘锐利，均可以满足临床诊断需要（图2）。

图2 A～C分别为A组（低管电压70 kVp）、B组（对照组120 kVp）、C组[70 kVp图像经深度学习像素闪耀（PS）软件处理后]肾动脉及其分支VR图像，血管显示清晰，边缘锐利，右肾动脉4级分支显示清晰，图像质量评分均为5分

2.3 A组和B组的辐射剂量 由于CTDIvol不受扫描范围的影响，故CTDIvol的比较纳入了A组42例、B组20例患者，ED受扫描范围大小的影响，故仅比较行全腹部CTA检查的患者，A组40例、B组16例。A组和B组的CTDIvol分别为（2.05±0.12）mGy、（7.36±0.89）mGy，ED 分别为（1.53±0.12）mSv、（5.51±0.72）mSv，差异均有统计学意义（t=-26.66、-24.67，P<0.05）。A组的CTDIvol和ED明显低于B组，A组较B组CTDIvol降低了72.15%（5.31/7.36），ED降低了72.23%（3.98/5.51）。

3 讨论

腹部CTA为了获得高质量的图像，通常采用高管电压（120 kVp）、高浓度对比剂的扫描方式，但也相应增加了患者所受的辐射剂量，尤其是慢性病患者，在诊疗过程中需要多次行CTA检查，累计辐射剂量也逐渐增加。如何在获得满足临床需求的 CTA图像的同时降低辐射剂量已成为目前研究的热点[6]。降低腹部CT辐射剂量的方法包括降低管电压、降低管电流、增加螺距等[7-8]，由于管电压与辐射剂量近似成平方关系，与其他线性降低辐射剂量的方法相比，采用降低管电压来降低辐射剂量的幅度更大[9]。此外，低管电压更接近碘的K缘（33.2 keV），此时光电效应明显增大，X线衰减程度加大，可增加碘对比剂的强化程度，增加血管与周围组织的对比度[10]，但低管电压扫描在有效降低辐射剂量的同时，血管 CT值提高，但图像噪声明显增加，实质器官的图像质量较差[11]。同时，X线的穿透力会随患者BMI的增加而减弱，故对高BMI的患者应用低管电压扫描时，会由于X线无法穿透组织而影响图像质量。张琳琳等[12]的研究结果表明，针对中低 BMI患者，当管电压由120 kVp降至70 kVp时，CTDIvol可降低49.34%。本研究纳入病例均为BMI<22 kg/m2的患者，采用70 kVp管电压行腹部CTA[13]，较常规CTA扫描降低了管电压，以此减少辐射剂量，本研究结果显示，受检者CTDIvol降低了72.15%，ED降低了72.23%，降低幅度大于既往研究结果[12]，同时血管成像不受影响，可满足临床诊断要求，且提高了实质器官的图像质量。

ASiR-V算法是基于自适应统计迭代重建算法（adaptive statistical iterative reconstruction，ASiR）和基于模型的迭代重建算法的模式，较ASiR优化了图像质量，较基于模型的迭代重建算法缩短了图像重建时间，可降低图像噪声，提高CNR和SNR，进而降低辐射剂量[14-15]。CT机会在相应 ASiR-V下根据受检者自身体型或BMI自动给出相应的NI值，达到最优的辐射剂量。以往研究表明，针对低BMI的患者采取70 kVp低管电压、低对比剂扫描联合50% ASiR-V算法可提高腹主动脉及其分支的图像对比度和SNR，主观评分无显著差异，但尚未说明实质器官的图像质量是否有提高[12]。本研究结果显示，A组在均采用50% ASiR-V技术的基础上，管电压从120 kVp降至70 kVp后，竖脊肌SD仍然增加，肝脏-竖脊肌CNR、SNR均有所降低，图像质量一定程度下降，主观评分无显著差异。另外，本研究中采用80 mm宽体探测器扫描，与40 mm探测器相比，相同时间内可覆盖2倍的扫描面积，缩短了扫描时间，进一步降低辐射剂量。

深度学习是近10年来人工智能和机器学习领域的重要研究进展之一，肺结节的检出、预测乳腺癌的复发、肿瘤分类等大量医疗项目已经应用人工智能[16]。CT图像重建是产生诊断图像的关键一步，而低剂量图像的重建质量往往不佳。本研究采用深度学习PS，通过建立ANN提高低剂量图像的重建质量，通过网络的建立，该算法以有噪声的低剂量图像和与之相对应的降噪的常规剂量图像的训练对表示，软件再利用ANN学习这一训练对之间的相关性。人工神经网络的训练是在像素水平上并且这一过程是可归纳并且不受解剖特异性的局限。一旦ANN被建立，软件即能够把有噪声的图像通过网络按照其学习过的节点和权重产生降噪的高质量图像[17]。本研究中C组竖脊肌SD值显著低于A、B组，而肝脏-竖脊肌CNR、SNR明显高于A、B组，与前期研究结果相似。

本研究的不足：①本研究仅探讨腹部CTA动脉期肝脏成像，未进一步评估腹部各级血管及病灶的显示情况；②不能对同一个体进行 2次不同管电压扫描，可能存在不可控的个体化差异；③本研究仅选取BMI<22 kg/m2的患者，未对其他范围BMI的患者进行研究。

总之，针对BMI<22 kg/m2的患者，采用宽体探测器CT低管电压70 kVp行腹部CTA扫描后联合深度学习PS算法，与常规剂量120 kVp相比，可显著降低辐射剂量及图像噪声，提高噪声比、CNR，在保证血管成像质量的同时，提高了实质器官的图像质量。