基于人工智能重建技术在低剂量头颈部CTA中的应用

梁惠康，周玉祥

（1博罗县人民医院放射科 广东 惠州 516100）

（2惠州市中心人民医院放射科 广东 惠州 516001）

头颈部血管斑块是造成急性缺血性脑卒中的重要病因，早期发现头颈部血管斑块CT有利于预防急性缺血性脑卒中，目前头颈部CTA（CT angiography）因诊断准确率高被临床广泛使[1]。然而，CT扫描存在辐射，其带来的高对比剂用量与高辐射剂量会增加对比剂肾病与诱发癌变等风险[2-3]。ASPELIN等[4]研究发现对比剂肾病是急性肾功能衰竭的医源性主要原因，而Albert[5]的研究发现因CT检查所带来的辐射有可能导致患者患癌症概率上升。因此降低患者检查所用的对比剂用量与辐射剂量具有重要临床意义。然而，降低辐射剂量后的低剂量CT扫描会使得图像噪声上升、信噪比下降，导致图像质量变差，因此，寻找一种能够增加低剂量CT扫描信噪比的方法尤为重要。人工智能（artificial intelligence，AI）重建技术是一种最新的神经网络学习重建算法，AI重建能有效进行减噪输出[6]。本次研究在于探讨AI重建技术在低剂量头颈部CTA中改善图像质量的可行性。

1 资料与方法

1.1 一般资料

选取2021年12月—2022年5月在博罗县人民医院申请接受头颈部CTA检查的92例患者，其中男45例，女47例，平均年龄（65.85±7.21）岁。患者均签署知情同意书。纳入标准：①患者无严重心律失常、无碘过敏史；②肝肾功能正常者。排除标准：①有运动伪影的患者图像；②图像无法进行AI重建的患者。

1.2 方法

1.2.1 分组方法 使用数字随机法将患者分为A、B、C三组。A组（n=30）采用120 kV管电压，90 mL对比剂用量进行扫描；B组（n=32）、C组（n=30）采用80 kV管电压，60 mL对比剂用量进行扫描。A组、B组使用迭代重建算法重建图像，C组采用人工智能重建算法重建图像。所有患者使用对比剂浓度为350 mgI/mL。

1.2.2 设备 使用通用电器64层螺旋CT（GE Optima CT 660），螺距0.9，扫描层厚0.6 mm，探测器覆盖宽度64×0.625 mm，A、B组采用迭代重建技术（ClearView），C组采用人工智能重建技术，使用双筒高压注射器（Nemoto Dual Shot alpha 7），注射药物为碘佛醇（350 mgI/mL）。采用阈值自动触发法，监测ROI（region of interest）位置于升主动脉显示层面，阈值设置为100 HU自动触发扫描。

1.3 图像后处理与质量评价

利用GE Optima CT后处理系统，对A、B组图像使用迭代重建技术处理后进行头颈部CTA重建，C组图像使用人工智能重建技术进行头颈部CTA重建，三组重建后数据进行MPR、VR、CPR等处理[7]。对三组患者颈内动脉、椎动脉、大脑中动脉、大脑后动脉层面进行CT值测量，测量各层面图像的CT值，标准差SD为各层面图像噪声，测量颈部肌肉CT值SD作为背景噪声，计算头颈部血管CNR及SNR。计算公式：SNRLUMEN=CTLUMEN/SDLUMEN；CNRLUMEN=（CTLUMEN-CTFAT）/SDFAT（LUMEN：血管；FAT：背景噪声）[8]。

1.4 统计学方法

采用SPSS 19.0统计软件进行数据处理，符合正态分布的计量资料以均数±标准差（± s）表示，多组间比较采用方差分析；计数资料以频数（n）、百分率（%）表示，行χ2检验，P＜0.05为差异具有统计学意义。

2 结果

2.1 三组患者一般资料与图像CT值的比较

A、B、C三组患者的性别比例、年龄差异不具有统计学意义（P＞0.05），见表1，A、B两组头颈部CTA颈内动脉、椎动脉、大脑中动脉、大脑后动脉CT值差异均显著（P＜0.01），A、C两组头颈部CTA颈内动脉、椎动脉、大脑中动脉、大脑后动脉CT值差异均显著（P＜0.01），B、C两组头颈部CTA颈内动脉、椎动脉、大脑中动脉、大脑后动脉CT值差异均不具有统计学意义（P＞0.05），见表2、图1。

表1 三组患者一般资料对照表

表2 三组患者血管各部位CT值、CNR、SNR比较（ ± s）

表2 三组患者血管各部位CT值、CNR、SNR比较（ ± s）

注：&表示与B组差异具有统计学意义，*表示与C组差异具有统计学意义。

图1 三组头颈部各血管CT值

2.2 三组患者辐射剂量、图像噪声、SNR、CNR的比较

A、B两组头颈部CTA噪声、ED、SNR、CNR差异均显著（P＜0.01），A、C两组扫描的ED值差异显著（P＜0.01），A、C两组噪声、SNR、CNR差异均不具有统计学意义（P＞0.05），B、C两组扫描ED差异不具有统计学意义（P＞0.05），B、C两组噪声、SNR、CNR差异均显著（P＜0.01），见表3、图2。

表3 三组患者噪声、ED值比较（ ± s）

表3 三组患者噪声、ED值比较（ ± s）

注：&表示与B组差异具有统计学意义，*表示与C组差异具有统计学意义。

图2 三组头颈部CTA图像与CNR、SNR对比

3 讨论

我国急性缺血性脑卒中患者逐年增多，大部分患者均需进行头颈部CTA检查进行临床诊断，如何减低CTA检查的辐射损害与对比剂肾病是目前的主要研究方向[9]。本研究在对三组不同重建技术与对比剂用量的研究中发现，B组在降低管电压与对比剂用量时图像噪声明显高于A组，CNR、SNR明显低于A组，C组在降低管电压与对比剂用量的同时使用AI重建技术，图像明显获得改善，噪声降低、CNR、SNR与A组差异无统计学意义。

电离辐射会发生脱氧核糖核酸结构断裂，其反应是染色体畸变的辐射损害表现[10]。本研究B组、C组的低管电压与对比剂用量ED明显低于A组，有效减少患者辐射剂量与对比剂用量。CT检查的原则是保证图像满足诊断的同时减少患者伤害，其中包括对比剂肾病与辐射剂量[11]，本研究在低辐射剂量的同时下使用低对比剂总量出现了噪声与CT值上升的现象，主要原因是管电压下降的同时更加接近对比剂的阈值，此时对比剂的X线吸收以光电吸收为主导致对比剂密度增加，进一步提升图像对比度[12]。然而，C组使用AI重建技术进行重建，图像噪声低于同条件B组，CNR、SNR高于同条件B组，且与正常管电压与对比剂用量的A组无明显差异，因此本次研究中虽然B组图像噪声上升，CNR、SNR下降，但由于C组引入AI重建技术，使得图像优化过程中最大限度保留图像的真实细节。

AI重建技术是基于深度学习的低剂量CT图像质量优化的最新算法，AI主要通过训练时对噪声的图像进行优化，利用神经网络实现噪声-图像分离后重建出新的图像输出，从而优化高噪声图像，达到降低图像噪声的效果[6]。Wolterink等[13]的卷积网络AI算法冠状动脉CTA研究发现，利用深度学习的AI能对抗反馈训练生产与常规剂量一致的低剂量CT图像，并且血管内病变诊断无差异。本研究利用AI重建技术获得的图像与前期研究类似，实现了不同血管图像的应用。同时本研究在C组中使用了低对比剂用量与A组常规对比剂用量获得相同图像质量，表明AI重建技术不止可以应用于低管电压的扫描中，同时可以用于低管电压低对比剂的双底扫描中。本研究C组对比剂用量比A组降低33%且不影响诊断。肾脏代谢是对比剂代谢的主要途径, 过多对比剂集聚在肾小球内会损伤肾脏功能并引发对比剂肾病[14]。本次研究使用总量为60 mL与90 mL两种不同对比剂用量均可满足临床需求。说明双底方案联合AI重建技术在头颈部血管CTA中具有可行性。

综上所述，人工智能重建技术在头颈部CTA成像中可明显改善图像质量，在低管电压低对比剂用量扫描中可增加图像信噪比，值得临床推广。