深度学习重建改善胸部低剂量CT图像质量的价值

作者：王金华; 宋兰; 隋昕; 田杜雪; 杜华阳; 赵瑞杰; 王沄; 陆晓平; 马壮飞; 许英浩; 金征宇; 宋伟^*

来源：中华放射学杂志, 2022, 56(01).

• 体层摄影术, X线计算机
• 辐射剂量
• 深度学习重建
• 磨玻璃结节
• 图像质量

目的探讨深度学习重建(DLR)较混合迭代重建(Hybrid IR)在改善胸部低剂量CT(LDCT)图像质量方面的效果。方法回顾性分析2020年10月至2021年3月在北京协和医院行胸部LDCT体检或因肺内结节定期复查的77例患者。对所有入组患者的影像资料进行不同算法重建, 获得标准级别Hybrid IR图像、标准和强级别DLR图像。在3种图像的肺实质、主动脉、肩胛下肌及腋下脂肪内选取感兴趣区并测量其CT值和标准差, 用于计算信噪比(SNR)和对比噪声比(CNR)。同时, 由2名影像医师按照Likert 5分量表法对图像质量进行主观评分, 且记录肺磨玻璃结节(GGN)的数量, 并对其显示情况进行评分。2名医师评分不一致时由第3名医师评分决定。采用Kruskal-Wallis非参数检验对3种图像的主观和客观评分进行分析, 若总体存在差异, 则用Bonferroni校正检验进行组内两两比较。结果 3种图像在肺实质、主动脉、肩胛下肌及腋下脂肪处的CT值差异均无统计学意义(P均>0.05), 而图像噪声、SNR和图像的CNR差异均有统计学意义(P均<0.05)。其中标准级别Hybrid IR图像、标准和强级别DLR图像的CNR分别为0.71(0.49, 0.88)、1.06(0.78, 1.32)和1.14(0.84, 1.48)。标准级别和强级别DLR图像均较标准级别Hybrid IR图像的主观和客观噪声低及SNR和CNR高, 差异均有统计学意义(P均<0.05)。在对主要解剖结构(肺裂、肺血管、气管和支气管、淋巴结、胸膜和心包)和GGN的显示上, 标准级别和强级别DLR图像评分明显优于Hybrid IR图像, 差异均有统计学意义(P均<0.05)。结论与Hybrid IR相比, DLR可以明显降低LDCT图像的噪声, 且对GGN的显示良好, 有助于在较低辐射剂量水平时保证图像质量, 从而改善采用CT行肺癌筛查及肺结节随访的安全性。

• 单位
  北京协和医学院; 中国医学科学院; 北京协和医院