基于人工智能重建技術在低劑量頭頸部CTA中的應用

梁惠康，周玉祥

（1博羅縣人民醫院放射科 廣東 惠州 516100）

（2惠州市中心人民醫院放射科 廣東 惠州 516001）

頭頸部血管斑塊是造成急性缺血性腦卒中的重要病因，早期發現頭頸部血管斑塊CT有利于預防急性缺血性腦卒中，目前頭頸部CTA（CT angiography）因診斷準確率高被臨床廣泛使[1]。然而，CT掃描存在輻射，其帶來的高對比劑用量與高輻射劑量會增加對比劑腎病與誘發癌變等風險[2-3]。ASPELIN等[4]研究發現對比劑腎病是急性腎功能衰竭的醫源性主要原因，而Albert[5]的研究發現因CT檢查所帶來的輻射有可能導致患者患癌癥概率上升。因此降低患者檢查所用的對比劑用量與輻射劑量具有重要臨床意義。然而，降低輻射劑量后的低劑量CT掃描會使得圖像噪聲上升、信噪比下降，導致圖像質量變差，因此，尋找一種能夠增加低劑量CT掃描信噪比的方法尤為重要。人工智能（artificial intelligence，AI）重建技術是一種最新的神經網絡學習重建算法，AI重建能有效進行減噪輸出[6]。本次研究在于探討AI重建技術在低劑量頭頸部CTA中改善圖像質量的可行性。

1 資料與方法

1.1 一般資料

選取2021年12月—2022年5月在博羅縣人民醫院申請接受頭頸部CTA檢查的92例患者，其中男45例，女47例，平均年齡（65.85±7.21）歲?；颊呔炇鹬橥鈺?。納入標準：①患者無嚴重心律失常、無碘過敏史；②肝腎功能正常者。排除標準：①有運動偽影的患者圖像；②圖像無法進行AI重建的患者。

1.2 方法

1.2.1 分組方法 使用數字隨機法將患者分為A、B、C三組。A組（n=30）采用120 kV管電壓，90 mL對比劑用量進行掃描；B組（n=32）、C組（n=30）采用80 kV管電壓，60 mL對比劑用量進行掃描。A組、B組使用迭代重建算法重建圖像，C組采用人工智能重建算法重建圖像。所有患者使用對比劑濃度為350 mgI/mL。

1.2.2 設備 使用通用電器64層螺旋CT（GE Optima CT 660），螺距0.9，掃描層厚0.6 mm，探測器覆蓋寬度64×0.625 mm，A、B組采用迭代重建技術（ClearView），C組采用人工智能重建技術，使用雙筒高壓注射器（Nemoto Dual Shot alpha 7），注射藥物為碘佛醇（350 mgI/mL）。采用閾值自動觸發法，監測ROI（region of interest）位置于升主動脈顯示層面，閾值設置為100 HU自動觸發掃描。

1.3 圖像后處理與質量評價

利用GE Optima CT后處理系統，對A、B組圖像使用迭代重建技術處理后進行頭頸部CTA重建，C組圖像使用人工智能重建技術進行頭頸部CTA重建，三組重建后數據進行MPR、VR、CPR等處理[7]。對三組患者頸內動脈、椎動脈、大腦中動脈、大腦后動脈層面進行CT值測量，測量各層面圖像的CT值，標準差SD為各層面圖像噪聲，測量頸部肌肉CT值SD作為背景噪聲，計算頭頸部血管CNR及SNR。計算公式：SNRLUMEN=CTLUMEN/SDLUMEN；CNRLUMEN=（CTLUMEN-CTFAT）/SDFAT（LUMEN：血管；FAT：背景噪聲）[8]。

1.4 統計學方法

采用SPSS 19.0統計軟件進行數據處理，符合正態分布的計量資料以均數±標準差（± s）表示，多組間比較采用方差分析；計數資料以頻數（n）、百分率（%）表示，行χ2檢驗，P＜0.05為差異具有統計學意義。

2 結果

2.1 三組患者一般資料與圖像CT值的比較

A、B、C三組患者的性別比例、年齡差異不具有統計學意義（P＞0.05），見表1，A、B兩組頭頸部CTA頸內動脈、椎動脈、大腦中動脈、大腦后動脈CT值差異均顯著（P＜0.01），A、C兩組頭頸部CTA頸內動脈、椎動脈、大腦中動脈、大腦后動脈CT值差異均顯著（P＜0.01），B、C兩組頭頸部CTA頸內動脈、椎動脈、大腦中動脈、大腦后動脈CT值差異均不具有統計學意義（P＞0.05），見表2、圖1。

表1 三組患者一般資料對照表

表2 三組患者血管各部位CT值、CNR、SNR比較（ ± s）

表2 三組患者血管各部位CT值、CNR、SNR比較（ ± s）

注：&表示與B組差異具有統計學意義，*表示與C組差異具有統計學意義。

圖1 三組頭頸部各血管CT值

2.2 三組患者輻射劑量、圖像噪聲、SNR、CNR的比較

A、B兩組頭頸部CTA噪聲、ED、SNR、CNR差異均顯著（P＜0.01），A、C兩組掃描的ED值差異顯著（P＜0.01），A、C兩組噪聲、SNR、CNR差異均不具有統計學意義（P＞0.05），B、C兩組掃描ED差異不具有統計學意義（P＞0.05），B、C兩組噪聲、SNR、CNR差異均顯著（P＜0.01），見表3、圖2。

表3 三組患者噪聲、ED值比較（ ± s）

表3 三組患者噪聲、ED值比較（ ± s）

注：&表示與B組差異具有統計學意義，*表示與C組差異具有統計學意義。

圖2 三組頭頸部CTA圖像與CNR、SNR對比

3 討論

我國急性缺血性腦卒中患者逐年增多，大部分患者均需進行頭頸部CTA檢查進行臨床診斷，如何減低CTA檢查的輻射損害與對比劑腎病是目前的主要研究方向[9]。本研究在對三組不同重建技術與對比劑用量的研究中發現，B組在降低管電壓與對比劑用量時圖像噪聲明顯高于A組，CNR、SNR明顯低于A組，C組在降低管電壓與對比劑用量的同時使用AI重建技術，圖像明顯獲得改善，噪聲降低、CNR、SNR與A組差異無統計學意義。

電離輻射會發生脫氧核糖核酸結構斷裂，其反應是染色體畸變的輻射損害表現[10]。本研究B組、C組的低管電壓與對比劑用量ED明顯低于A組，有效減少患者輻射劑量與對比劑用量。CT檢查的原則是保證圖像滿足診斷的同時減少患者傷害，其中包括對比劑腎病與輻射劑量[11]，本研究在低輻射劑量的同時下使用低對比劑總量出現了噪聲與CT值上升的現象，主要原因是管電壓下降的同時更加接近對比劑的閾值，此時對比劑的X線吸收以光電吸收為主導致對比劑密度增加，進一步提升圖像對比度[12]。然而，C組使用AI重建技術進行重建，圖像噪聲低于同條件B組，CNR、SNR高于同條件B組，且與正常管電壓與對比劑用量的A組無明顯差異，因此本次研究中雖然B組圖像噪聲上升，CNR、SNR下降，但由于C組引入AI重建技術，使得圖像優化過程中最大限度保留圖像的真實細節。

AI重建技術是基于深度學習的低劑量CT圖像質量優化的最新算法，AI主要通過訓練時對噪聲的圖像進行優化，利用神經網絡實現噪聲-圖像分離后重建出新的圖像輸出，從而優化高噪聲圖像，達到降低圖像噪聲的效果[6]。Wolterink等[13]的卷積網絡AI算法冠狀動脈CTA研究發現，利用深度學習的AI能對抗反饋訓練生產與常規劑量一致的低劑量CT圖像，并且血管內病變診斷無差異。本研究利用AI重建技術獲得的圖像與前期研究類似，實現了不同血管圖像的應用。同時本研究在C組中使用了低對比劑用量與A組常規對比劑用量獲得相同圖像質量，表明AI重建技術不止可以應用于低管電壓的掃描中，同時可以用于低管電壓低對比劑的雙底掃描中。本研究C組對比劑用量比A組降低33%且不影響診斷。腎臟代謝是對比劑代謝的主要途徑, 過多對比劑集聚在腎小球內會損傷腎臟功能并引發對比劑腎病[14]。本次研究使用總量為60 mL與90 mL兩種不同對比劑用量均可滿足臨床需求。說明雙底方案聯合AI重建技術在頭頸部血管CTA中具有可行性。

綜上所述，人工智能重建技術在頭頸部CTA成像中可明顯改善圖像質量，在低管電壓低對比劑用量掃描中可增加圖像信噪比，值得臨床推廣。