基于深度学习重建的腹部双能量CT：在降低辐射量和造影剂使用量的同时保持图像质量及肝脏病变的显示清晰度

《Journal of Imaging Informatics in Medicine》：Abdominal Dual-Energy CT with Deep Learning Reconstruction: Preserving Image Quality and Hepatic Lesion Conspicuity with Reduced Radiation and Contrast

　　

摘要

本研究旨在评估采用深度学习图像重建技术的双低剂量（辐射剂量和对比剂用量）上腹部双能量CT扫描方案下的图像质量以及肝脏病变的显示效果。经过倾向性评分匹配后，92对受试者分别接受包含上腹部区域的胸部DECT扫描（LD组）或单纯的腹部DECT扫描（SD组）。LD组50 keV的图像通过自适应统计迭代重建、中等强度深度学习图像重建以及高强度深度学习图像重建技术进行重建，而60 keV的图像则采用高强度深度学习图像重建技术进行重建。SD组60 keV的图像则通过常规迭代重建技术进行重建。研究分析了包括噪声、信噪比、对比度噪声比以及束硬化伪影在内的客观指标，同时还对整体图像质量、诊断信心、解剖结构清晰度、伪影情况以及图像噪声等进行了主观评分。此外，还计算了噪声剂量效率指数——数值越低表示图像质量在相同剂量下的提升效率越高，以此来评估图像质量与辐射剂量之间的平衡关系。对于低密度肝脏病变，研究还评估了病变与肝脏区域的对比度噪声比以及病变的可见度主观评分。与SD组相比，LD组的CTDIvol值和对比剂用量分别降低了33.27%和25%。在LD组中，采用高强度深度学习图像重建技术处理的50 keV图像具有最高的图像质量，其噪声水平比采用常规迭代重建技术的图像低38.1–46.4%，与SD组60 keV图像的质量相当；该类图像的对比度噪声比提升了85.3–105.6%，束硬化伪影程度与SD组60 keV图像相近，同时主观评分也最高。低密度肝脏病变的显示效果良好。采用50 keV能量及高强度深度学习图像重建技术的双低剂量腹部DECT扫描，在大幅降低辐射剂量和对比剂用量的同时，仍能保持与采用60 keV能量及常规迭代重建技术的SD方案相当的噪声水平、病变可见度，并具备更优的图像质量。