DLIR算法在头颈CTA颅底血管成像中的应用研究

杨彦兵 田艳鑫 谢志远 于梓婷 阮小伟 汪芳 杨利莉

由于社会老龄化、居民生活水平的提高及缺乏锻炼等相关因素，心脑血管疾病已经成为威胁人类健康的第一大杀手，并且呈现出低龄化、低收入群体的趋势［1］。头颈CT血管成像（CTA）［2-3］因其无创、快速、有效等特点在脑血管疾病筛查、排除方面有较大作用，但颈内动脉及椎动脉颅底段（C2～7、V3～4）走行迂曲，邻近结构复杂，容易受邻近骨骼伪影影响，使头颈CTA应用有了一定的局限性。此外，不同图像重建算法在不改变扫描参数的情况下也会影响图像质量和诊断结果。近年来，人工智能（artificial intelligence，AI）一直是比较热点的话题，有人将AI技术应用到CT图像的重建中，如基于深度学习图像重建（deep learning image reconstruction，DLIR）算法。本研究旨在通过与基于多模型的自适应统计迭代重建（adaptive statistical iterative reconstruction-Veo）技术比较，探讨DLIR算法在提升头颈CTA颅底血管图像质量及诊断信心中的价值。

方 法

1. 一般资料

选择2021年11月—2022年1月在我院接受头颈CTA检查的40例疑诊脑血管疾病患者，其中男18例，女22例，年龄36～67岁。主要临床症状有头晕、突发言语不清、肢体障碍等。排除标准：①碘对比剂过敏者；②肝肾功能不全、甲亢等不能注射造影剂者；③支架置入或动脉瘤夹闭术后者。纳入的患者均签署知情同意书。

2. 设备及扫描参数

采 用GE公 司 的256排CT扫 描 仪（GE Healthcare， Milwaukee，WI，USA）。扫描参数：管电压70 kV、智能管电流调控Smart mA模式、机架旋转速度0.5 s/r、螺距0.992。双筒高压注射器，对比剂为碘佛醇（350 mgI/mL），注射流率4.5 mL/s，剂量0.6 mL/kg，经右侧肘正中静脉注入。

3. 检查方法及图像处理

受检者仰卧位，双手垂放于身体两侧，去除假牙及金属异物，头先进，扫描时叮嘱患者平静呼吸，保持头部固定不动，不做吞咽动作，扫描范围从主动脉弓至颅顶。采用Smartprep技术动态监测气管分叉层面的降主动脉，检测阈值设置为90 HU，延迟扫描时间为3 s，后以相同流速追加20～30 mL生理盐水冲洗。

扫描完成后在主机上利用原始数据重建不同算法及水平薄层轴位图像，并传输至ADW4.7.1后处理 工 作 站，包 括60%ASIR-V、90%ASIR-V、DLIR-L、DLIR-M、DLIR-H。所有重建图像层厚均为0.625 mm。

4. 观察指标

4.1 图像主观评价

由两位有10年以上血管组工作经验的副主任医师在后处理工作站采用多平面重组（MPR）、最大密度重建（MIP）、容积再现（VR）等技术对5组图像进行盲评（患者信息及重建算法），如意见不一致则由高年资医师确定最终结果进行后续分析。根据颅底血管轴面主观噪声、组织结构对比及斑块显示情况等进行分级评分（如图1所示）：4分为优秀，无明显主观噪声或蜡样伪影，血管边缘清晰、光滑，斑块显示清；3分为良好，主观图像噪声极少或轻微蜡像伪影，血管边缘清晰、光滑，斑块显示良好；2分为好，主观图像噪声较明显或蜡像伪影明显，血管边缘毛糙、模糊，斑块显示尚可，但缺乏诊断信心；1分为差，主观噪声明显，血管边缘毛糙、模糊，邻近静脉污染严重，斑块显示不清。

图1 典型病例（男，50岁，头晕）影像

4.2 图像客观评价

由一位主治医师在ADW4.7.1后处理工作站对相同层面及位置的5组轴位图像进行测量。包括以下数据：双侧颈内动脉C2、4、5段CT值（其平均值为CT1）及椎动脉V3、4段CT值（其平均值为CT2），感兴趣区（ROI）大小在5～10 mm2；同层面颞肌平均CT值（CT3）及对应的噪声平均值（SD），ROI大小在30～50 mm2。通过以下公式计算对比度噪声比（CNR）和信噪比（SNR）：颈内动脉CNR=（CT1-CT3）/SD，颈内动脉SNR=CT1/SD，椎动脉CNR=（CT2-CT3）/SD，椎动脉SNR=CT2/SD。5组图像的ROI用复制、粘贴以确保ROI的大小一致。

5. 统计学分析

采用SPSS21.0软件进行统计学分析。计量资料以±s表示，计数资料以频数表示。图像主观评分采用秩和检验，客观评价指标采用方差分析。P＜0.05为差异有统计学意义。

结 果

1. 图像质量主观评分

不同算法及水平重建图像主观评分分布情况见表1。ASIR-V与DLIR算法不同水平重建图像主观评分差异有统计学意义（H=47.97，P＜0.05）；DLIR-H主观评分最高，4分所占比例最多。90%ASIR-V主观评分有较60%ASIR-V降低趋势，但差异无统计学意义（P＞0.05）。DLIR主观评分有随重建水平升高而升高趋势，但差异无统计学意义（P＞0.05），DLIR-H及DLIR-M的主观评分明显高于60%ASIR-V，差异有统计学意义（P＜0.05）。

表1 不同算法及水平重建图像主观评分分布（例）

2. 图像质量客观评价

椎动脉及颈内动脉不同算法及水平重建图像客观评价结果见表2。椎动脉及颈内动脉不同水平ASIR-V及DLIR重建图像CT值间差异均无统计学意义（P＞0.05）。随着ASIR-V及DLIR重建水平的增加，图像噪声均减低，DLIR-H的噪声最低，与60%ASIR-V比较，差异有统计学意义（P＜0.05），噪声减低29.4%。随着ASIR-V及DLIR水平的增加，椎动脉及颈内动脉SNR、CNR均升高，椎动脉DLIR-H重 建 图 像SNR、CNR最 高，并 与60%ASIR-V比较，差异有统计学意义（P＜0.05），SNR、CNR分别提高44.7%、45.1%；颈内动脉90%ASIR-V重建图像SNR、CNR最高，DLIR-H图像仅次于90%ASIR-V，其SNR与60%ASIR-V比较，差异有统计学意义（P＜0.05），CNR与60%ASIR-V比较，差异无统计学意义（P＞0.05）。

表2 不同算法及水平重建图像客观评价结果

讨 论

在CT硬件设备及扫描参数不变化的情况下，不同图像重建算法会影响图像质量和诊断结果。因此，从CT应用以来，不同公司先后推出了众多不同的图像重建算法，主要包括滤波反投影算法（filter back projection，FBP）及迭代重建算法。目前，基于多模型的自适应统计迭代重建（adaptive statistical iterative reconstruction-Veo，ASIR-V）是GE公 司设备的主流算法，其具有提高图像质量、降低辐射剂量的作用，可通过改变自身权重，达到不同程度的降噪效果，但有多项研究显示图像质量并不是和迭代水平成正比，当ASIR-V水平过高时，图像将会出现“蜡质”伪影［4-6］。本研究结果进一步证实了这一理论，虽然90%ASIR-V噪声较60%ASIR-V噪声减低，SNR、CNR提高，但主观评分降低，60%ASIR-V重建图像可兼顾噪声及图像质量，满足临床最大需求。

近年来，AI在利用深度神经网络（deep neural network，DNN）改进CT图像重建方面的潜力得到了研究。本研究中应用的DLIR是以高剂量FBP图像为金标准进行训练，将低剂量图像与相同数据高剂量FBP图像的图像噪声、噪声纹理、低对比度分辨率等多个参数进行比较，输出图像并将差异反馈于DNN供其修改，并多次重复该过程，直至输出图像与相同数据高剂量图像达到精确匹配［7-8］。本研究旨在探讨DLIR算法在提升头颈CTA颅底血管图像质量及诊断信心中的价值。

本研究结果表明，在头颈CTA颅底血管图像中，与ASiR-V比较，DLIR表现出较好的降噪能力，降噪能力与重建水平呈正相关；同时，DLIR可以明显改善图像质量，颈内动脉及椎动脉SNR、CNR均明显升高；在主观评价中，DLIR评分较ASiR-V高，并随DLIR重建水平升高而升高，但不同重建水平之间差异没有统计学意义。这与Greffier等［9-14］在体模及腹部、胸部、颅脑等部位的研究结果基本一致。除此之外，作者发现在DLIR图像上更加容易识别粥样硬化斑块，提高诊断信心，尤其对于图像质量差的患者更加有帮助，这对于临床诊断及治疗至关重要。目前，降低辐射剂量的主要方法是改变扫描参数，比如降低管电压、自动管电流技术、增大螺距、缩短扫描时间等，但同时会增大图像噪声，降低图像质量，影响诊断结果。本研究中采用的管电压是70 kV，平均有效辐射剂量为0.89 mSv，但DLIR图像完全满足临床诊断需求。因此，DLIR的应用可以通过弥补由改变扫描参数所导致的图像质量下降而进一步间接降低辐射剂量。

本研究中在DLIR中高水平（M、H）图像中未发现类似于ASIR-V图像中的蜡样伪影及其他伪影。这 与 腹 部 的 相 关 研 究 不 同，Jensen等［15］认 为，DLIR-H的图像过度平滑，存在塑料图像纹理，与DLIR-L相比，整体图像质量显示欠佳，其认为由于DLIR降噪算法的局限性，DLIR-H去噪强度过高，导致图像纹理发生变化，成像的微小结构损失，图像质量变得模糊，并会导致诊断信心降低。

本研究的局限性在于：由于所纳入的病例数较少及病例病种有限，未具体探讨DLIR在颅底血管不同疾病中的诊断价值。

综上所示，在头颈CTA颅底血管成像中，与ASIR-V相比，DLIR可以进一步降低图像噪声，提升图像质量和诊断信心，并在降低辐射剂量方面存在极大潜力。