深度学习图像算法用于改进大动脉炎CTA图像质量的研究

作     者：杨晰奥 丁宁 孔令燕 王沄 徐敏 王志伟 张大明 王怡宁 陈瑾 金征宇 冯逢 YANG Xi’ao;DING Ning;KONG Lingyan;WANG Yun;XU Min;WANG Zhiwei;ZHANG Daming;WANG Yining;CHEN Jin;JIN Zhengyu;FENG Feng

作者机构：中国医学科学院北京协和医院放射科北京100730 佳能医疗系统(中国)有限公司北京100027 

出 版 物：《影像诊断与介入放射学》 (Diagnostic Imaging & Interventional Radiology)

年 卷 期：2024年第33卷第6期

页      面：430-435页

学科分类：0831[工学-生物医学工程（可授工学、理学、医学学位）] 100207[医学-影像医学与核医学] 1006[医学-中西医结合] 1002[医学-临床医学] 1001[医学-基础医学(可授医学、理学学位)] 08[工学] 1010[医学-医学技术（可授医学、理学学位）] 100201[医学-内科学(含：心血管病、血液病、呼吸系病、消化系病、内分泌与代谢病、肾病、风湿病、传染病)] 100106[医学-放射医学] 100602[医学-中西医结合临床] 10[医学] 

基　　金：北京协和医院中央高水平医院临床科研专项(2022-PUMCH-B-68) 

主　　题：体层摄影术,X线计算机 血管造影 深度学习重建 图像质量 主动脉 大动脉炎 

摘      要：目的探究深度学习重建算法对大动脉炎患者主动脉CT血管造影(CTA)图像质量的改善效果。方法回顾性收集我院53例行主动脉CTA检查的大动脉炎患者,动脉期和延迟期图像分别经基于深度学习的高级智能Clear-IQ引擎(AiCE)重建和三维自适应迭代重建(AIDR 3D)得到4组图像。比较主观指标及客观指标[升主动脉、降主动脉、腹主动脉、左髂动脉、右髂动脉及同层面脊柱旁肌肉的CT值和标准差(SD)、计算信噪比(SNR)和对比噪声比(CNR)]的差异。结果动脉期AiCE组各部位CT值均略高于AIDR 3D组,差异比较具有统计学意义(P0.05),其余各血管的CT值比较均有统计学意义(P0.05)。AiCE组SD值均低于AIDR 3D组,差异有统计学意义(P0.001)。AiCE两组图像的SNR、CNR高于AIDR 3D两组,应用AiCE重建算法动脉期组SNR平均提高约55.7%,CNR平均提高约81.9%,延迟期组SNR平均提高约56.1%,CNR平均提高约75.7%,差异均有统计学意义(P0.001)。两位医生主观评分的一致性较好,Kappa值在0.64~0.88。AiCE组总体图像质量主观评分优于AIDR 3D组,主观评分差异有统计学意义(P0.001)。结论AiCE算法与AIDR 3D算法相比,AiCE算法能有效改善主动脉CTA图像质量,提高主动脉CTA在大动脉炎临床诊断中的应用价值。