深度学习CT图像迭代重建及其用于儿童CT进展

李 蕊，崔 磊

(1.南通大学医学院，江苏 南通 226001；2.南通大学第二附属医院影像科，江苏 南通 226001)

儿童对电离辐射的敏感性约为成人的2～3倍，CT扫描可增加儿童患白血病和脑肿瘤风险，且首次接受年龄越小，患病风险越高[1-2]。儿童CT检查应遵循尽可能低辐射剂量原则，在低辐射剂量下最大限度保持或获得更高图像质量。

改善CT图像质量的关键在于图像重建。图像重建技术起步于代数重建，发展到滤波反投影(filtered back projection，FBP)再到迭代重建(iterative reconstruction，IR)，后者进一步分为混合IR(hybrid IR，HIR)和基于模型的IR(model-based IR，MBIR)。目前常用IR主要有GE自适应统计IR(adaptive statistical IR veo，ASIR-V)、Phillips混合IR(iDose4)及Siemens基于原始数据IR[如正弦图确定IR(sinogram affirmed IR,SAFIRE)和高级模拟IR(advanced modeled IR，ADMIRE)][3]等。随着人工智能(artificial intelligence，AI)技术的发展，深度学习(deep learning，DL)IR可在大幅降低辐射剂量的同时保证图像质量[4]。本文就DLIR及其在儿童CT图像重建中的应用进展进行综述。

1 AI原理及其在医学影像中的应用

AI致力于开发计算机算法来完成与人类智能相关的任务，涵盖各种领域和技术，包括机器学习、表征学习和DL[5]。DL为当前机器学习的研究方向之一，是表征学习的子领域，依赖于多个处理层学习多个抽象层数据，用于检测层次结构中简单的线条、边缘、纹理、强度及复杂的形状、病变、器官等特征。DL最初是利用深度神经网络解决特征表达的学习过程，而图像卷积神经网络(convolutional neural network，CNN)是用于图像检测、分割和分类的人工神经网络，为深度监督学习下的机器学习模型，广泛用于医学成像任务[6-7]。JING等[8]提出一种可用于大多数临床场景的低剂量CT成像的自监督降噪方法，与传统降噪方法相比，其定性、定量效果更佳，图像质量和空间分辨率更高。

AI在医学影像分割、图像重建和处理等方面均具有重要作用[9]。DLIR在头部、胸部、腹盆部、四肢关节及血管造影等方面均有较好的图像优化效果，可根据临床需求实现低辐射剂量、高图像质量和高图像处理速度[10]。

2 DLIR及其他CT重建技术

2.1 DLIR DLIR能用于高质量CT图像训练，可直接对原始数据(初始图像)进行细化及深度网络处理，以重建新的图像。DL使用CNN采用高质量CT图像进行训练，并对临床未标记的数据进行学习，自动计算识别特征，对图片目标进行精确分类，以更好地区分噪声与信号[11]。GREFFIER等[12]的体模研究结果显示，DLIR可在不改变纹理噪声的前提下减少伪影、提高空间分辨率和病变的检出能力，剂量优化潜能较单纯IR更高。DLIR的图像质量、剂量优化均优于MBIR，其重建速度是MBIR的12倍[13]。按照重建强度等级可将GE的DLIR分为DLIR-L(低强度)、DLIR-M(中等强度)和DLIR-H(高强度)，可根据不同需求进行调整和设计，以降低辐射剂量和采集次数、加快重建速度、减少噪声，优化图像质量[14-15]。

2.2 其他CT重建技术

2.2.1 FBP FBP是一种在傅里叶变换基础上的空域处理技术，重建过程中，对线阵探测器获得的投影数据进行一次傅里叶变换，对各角度投影进行卷积处理，得到各方向卷积滤波后的投影数据，再沿各方向进行反投影，最终将所有反投影进行叠加而获得重建图像[16]；其优点在于重建速度快，缺点则为降低辐射剂量将增加噪声，导致低信噪比(signal-to-noise ratio，SNR)和低对比噪声比(contrast-to-noise ratio，CNR)，可能影响诊断结果[14]。

2.2.2 HIR HIR是根据实时采集的探测器数据对图像进行迭代优化，首先以FBP重建投影数据，将获得的图像数据与基于光子、电子的噪声模型进行比较，以去除噪声、减少图像伪影；得到校正后图像后，通过正投影更新原始投影数据并用于IR，以减少图像噪声。HIR只需进行一次反投影即可完成重建，重建速度快[10]，但因过分依赖于物理模型致空间分辨率下降，扫描剂量降低亦可降低图像质量[17]。

2.2.3 MBIR MBIR不以反投影作为重建基础，而是根据物质的物理属性、几何学知识等多种模型，从图像的正向投影开始，对预测图像进行迭代优化[18]。ATRI等[19]发现，在儿童CT检查中使用MBIR可大幅降低辐射剂量、提高空间分辨率。但MBIR计算量过大，重建过程需数分钟甚至数十分钟，不适用临床尤其急诊；且剂量过低时，图像可出现齿状、阶梯状伪影或呈现塑胶感[3,10]。

3 DLIR在儿童CT中的应用

3.1 头部CT SUN等[20]采用256排GE Revolution CT对50例头部外伤、惊厥或其他精神疾病的儿童患者进行头部扫描，分别以FBP、重建权重50%的ASIR-V、重建权重100%的ASIR-V和DLIR-H进行图像重建，以观察DLIR用于急诊儿童头部CT图像重建的效能。低剂量条件下，FBP图像噪声大，不能满足诊断需要；ASIR-V虽符合诊断需求，但存在不同程度伪影；而DLIR-H图像质量良好，显示脑沟、脑池清晰，白质、灰质分界清晰。ALAGIC等[21-22]报道，DLIR可减少颅中窝、颅后窝等射线硬化伪影，改善噪声、SNR及CNR，清晰显示儿童头部病变，如脑血管性病变、脑创伤及脑疝等，显著降低辐射剂量，且图像质量较高。

3.2 胸部CT TSCHAUNRE等[23]采用GE Revolution 256排螺旋CT行儿童胸部扫描，在适当选择重建算法的前提下，可在有效辐射剂量为0.1～0.3 mSV时获得高质量图像。YOON等[24]对51例胸腹疾病患儿行胸部CT平扫、胸腹部增强CT扫描，对比观察重建权重50% ASIR-V、重建权重100% ASIR-V、DLIR-M和DLIR-H重建图像的噪声、CNR、SNR、伪影及图像整体质量，发现其去除伪影差异无统计学意义，而DLIR在其他方面表现更优。DLIR可克服FBP、IR的缺点，不仅能降低噪声、减少伪影，更能在低剂量前提下清晰显示儿童胸部组织结构，获得高质量图像[4]。

3.3 腹部CT 腹部脏器众多，且缺乏天然对比；AI在儿科腹部成像中发挥重要作用[25]。THAPALIYA等[26]采用Canon Aquilion ONE Genesis CT仪对14例疑诊尿路结石儿童行尿道CT检查，以DLIR算法AiCE重建图像，结果显示DLIR可减少图像噪声、提高SNR和CNR，改善图像质量，在降低辐射剂量的同时提高尿路小结石检出率。LEE等[27]利用128排Siemens双源CT扫描仪，将腹部低碘浓度双能技术与基于DLIR的降噪技术相结合，并与IR相对比，发现双能CT结合DLIR可在保持图像质量的同时降低辐射剂量。综上，DLIR可减轻伪影对图像质量造成的影响并减少失真，获得更高的SNR和CNR，以更好地显示腹部脏器及其病变。

3.4 四肢关节CT DLIR广泛用于四肢关节CT重建，对定位脊柱、四肢关节损伤部位，尤其椎体损伤具有显著优势[28-29]。CT三维重建显示脊柱或骨损伤对图像质量要求高，需行高剂量扫描。与其他重建技术相比，DLIR的辐射剂量、噪声均有明显降低，显示骨骼结构更佳[10,30]。对于易发生四肢关节损伤的儿童而言，DLIR是重建低剂量CT图像的较好方法。

3.5 CT血管造影 对血管性疾病患儿常需要进行胸部CT血管造影或冠状动脉造影等检查。FBP、HIR可降低CT血管造影图像噪声，但图像空间分辨率亦随之下降；MBIR虽可弥补FBP、HIR的上述不足，但低剂量扫描影响血管显影效果[31]。利用DLIR能有效规避上述问题，且重建时间短，用于血管性疾病具有较高的敏感性和特异性[32-34]。SUN等[33]进行前瞻性对照研究，对研究组46例血管性疾病患儿行70 kVp、0.8～1.2 ml/kg体质量碘对比剂的胸部CT血管造影并以DLIR重建图像，对照组46例接受100 kVp、1.3～1.8 ml/kg体质量碘对比剂胸部CT血管造影及IR重建，结果显示研究组图像用于定性、定量诊断的效果更好，且噪声、辐射剂量和对比剂剂量均有所降低。

4 小结与展望

儿童是易受辐射损伤的高危群体，亦为CT低剂量扫描的重点人群。DLIR重建可缩短重建CT图像时间，减少图像噪声和伪影，提高图像空间分辨率，以更低的辐射剂量获得更高的图像质量。尽管基于AI图像重建显示出良好的发展趋势，但仍有不足。首先DLIR对图像质量的影响及其降低辐射剂量的潜力尚待充分研究[4]；其次，AI需要专门开发相关软件或算法，而各公司设备扫描条件不同，使相关研究缺乏外部验证，算法的透明性及通用性不足。另外，目前基于AI重建的研究人群及病种相对有限，需额外验证基于AI的重建图像用于预测、分类及诊断疾病的价值[25]。相信随着技术的进步，AI上述不足将逐渐得到弥补，为重建图像、尤其儿童低剂量CT图像提供更好的支持。