游永春，李萬江，鐘思華，帥桃，劉洪川，李真林

1.四川大學華西醫(yī)院 放射科，四川 成都 610041；2.上海聯(lián)影醫(yī)療科技股份有限公司 中央研究院，上海 201870

引言

主動脈夾層及動脈瘤是心血管系統(tǒng)疾病中的危急重癥，因其發(fā)病后致死率可達40%[1-2]。主動脈CT血管成像（Computed Tomography Angiography，CTA）因具有廣泛的可用性、掃描速度快和診斷準確性較高等優(yōu)點，是診斷主動脈疾病最常用的影像學檢查方法[3]。然而，主動脈CTA掃描存在X線電離輻射損傷、對比劑高速注射引發(fā)血管破裂與對比劑腎病等風險[4]。因此，研究者多通過降低管電壓、增大螺距、降低對比劑流速及對比劑總量等方式以達到降低輻射劑量和對比劑用量的目的[5-6]。已有研究報道70 kV管電壓結(jié)合迭代重建算法（Iterative Reconstruction，IR）能夠有效地降低主動脈CTA的輻射劑量并提高圖像質(zhì)量[7]，IR算法需要較長的處理時間以及充足的投影數(shù)據(jù)[8]，并且應用范圍有限，通常僅適用于體質(zhì)指數(shù)（Body Mass Index，BMI）<25 kg/m2的患者。隨著計算機重建技術(shù)的不斷進步，人工智能圖像域降噪算法相較于IR算法有更高的降噪能力[9]。目前，一種基于人工智能技術(shù)的迭代重建算法被提出，該算法結(jié)合了人工智能與迭代重建算法的優(yōu)點，能夠有效抑制噪聲，使得重建出來的圖像噪聲更低、圖像質(zhì)量更高。然而，人工智能迭代重建（Artificial Intelligence Iterative Reconstruction，AIIR）算法有不同的重建等級，在低劑量CTA掃描時，最佳AIIR算法的等級選擇是多少還未明確。因此，本研究探討70 kVp低管電壓下行主動脈CTA掃描時，AIIR算法對主動脈CTA圖像質(zhì)量的影響，并與混合迭代重建（Karl）圖像進行對比。

1 對象與方法

1.1 研究對象

前瞻性納入2021年3月至5月于四川大學華西醫(yī)院行主動脈CTA檢查的患者。排除標準：① 呼吸無法自主配合及意識不清、躁動的患者；② 對比劑過敏及嚴重心腎功能不全；③ 其他原因不能配合檢查；④ 妊娠期婦女。根據(jù)排除標準，本研究總共納入50例患者，其中男38例，女12例，平均年齡（58.34±14.16）歲，BMI為（23.61±2.83）kg/m2。其中A型主動脈夾層2例，主動脈夾層支架術(shù)后11例，動脈瘤25例，無主動脈病變12例。本研究通過我院生物醫(yī)學倫理審查委員會批準，并在中國臨床研究中心注冊[批準文號2019年審（742）號，注冊號為ChiCTR1900028475]。

1.2 研究方法

采用320排螺旋CT（上海聯(lián)影 uCT960+）掃描，掃描范圍鎖骨至恥骨聯(lián)合，掃描前對患者進行呼吸訓練。掃描參數(shù)：管電壓70 kV，管電流自動調(diào)節(jié)技術(shù)，參考管電流設置100 mAs，旋轉(zhuǎn)時間0.5 s，螺距0.9937。所有患者經(jīng)肘前靜脈使用高壓注射器注入高濃度非離子型對比劑碘美普爾(含碘400 mgI/mL)，注射流速為3 mL/s，總量0.5 mL/kg，對比劑注射完畢后，以相同流速再注入30 mL生理鹽水。血管監(jiān)測掃描采用對比劑智能追蹤技術(shù)，監(jiān)測層面放置于降主動脈（氣管分叉下2 cm），觸發(fā)閾值為150 HU，達到閾值后延遲時間4 s觸發(fā)掃描。

1.3 AIIR重建算法

AIIR是一種基于人工智能技術(shù)的模型迭代重建算法，對于傳統(tǒng)模型迭代重建算法，其優(yōu)化函數(shù)如式(1)。

其中，U*為目標圖像，U為輸入圖像，Y為原始數(shù)據(jù)，β為正則化系數(shù)，F(xiàn)P(U)為迭代過程，R(U)為正則化過程。對于該優(yōu)化函數(shù)，AIIR則采用了一種卷積神經(jīng)網(wǎng)絡替代正則化項R(U)，通過該神經(jīng)網(wǎng)絡學習圖像中的噪聲及紋理特征，能夠根據(jù)所輸入的圖像自動地識別圖像中的有用信號與噪聲，從而實現(xiàn)圖像質(zhì)量提升與噪聲抑制[10]。在網(wǎng)絡訓練過程中，將多組常規(guī)劑量的模型迭代重建圖像及其相對應的模擬低劑量圖像同時輸入網(wǎng)絡中，經(jīng)過多輪訓練，網(wǎng)絡便能夠充分學習信號與噪聲之間的關(guān)系。因此，相比模型迭代重建算法，使用AIIR對圖像進行重建，更能夠有效地減少圖像的噪聲與偽影。此外，AIIR通過設置5個重建等級來控制圖像噪聲水平，在臨床使用中可根據(jù)重建部位及使用習慣進行調(diào)整。

1.4 圖像重建

50例患者的主動脈CTA原始數(shù)據(jù)傳入探索者平臺（ulnnovation-CT，R001，上海聯(lián)影）進行多組重建，重建層厚、層間距均為0.5 mm。由于Karl 5級得到臨床普遍認可，并且Karl 5級重建的圖像最優(yōu)[11-12]，所以本研究選擇Karl 5級重建圖像作為參考。重建算法分別為AIIR 1-5級及Karl 5級，共獲得6組重建數(shù)據(jù)。再將重建數(shù)據(jù)傳入后處理工作站（uWS-CT），采用最大密度投影（Maximum Intensity Projection，MIP）的后處理方法重建圖像。

1.5 圖像評價

1.5.1 客觀評價

在主動脈根部層面測量升主動脈；肺動脈干分叉層面測量降主動脈；腹腔干層面測量腹主動脈；髂動脈分叉下2 cm層面測量左髂動脈、右髂動脈以及同層面脊柱旁的肌肉的CT值和SD值。6組圖像所有感興趣區(qū)（Region of Interest，ROI）大小、形態(tài)、位置保持一致，ROI選擇避開金屬支架及運動引起的偽影層面、鈣化斑塊等，ROI測量均選擇真腔。計算ROI的信噪比(Signal to Noise Ratio，SNR)和對比噪聲比(Contrast to Noise Ratio，CNR)，計算公式為式(2)～ (3)。

1.5.2 主觀評價

分別由兩名具有5年和10年工作經(jīng)驗的高年資放射科診斷醫(yī)師采用盲法和隨機的方式獨立評估50例患者的所有重建圖像。采用5分法評價總體圖像質(zhì)量：5分：主動脈邊界光滑，三維重組圖像管腔對比度極好，噪聲低，無偽影；4分：主動脈邊界光滑，三維重組圖像管腔對比度好，噪聲小，有少量偽影；3分：主動脈邊界欠清，三維重組圖像管腔對比度尚可，噪聲明顯，有偽影，尚可滿足診斷；2分：主動脈邊界毛躁，三維重組圖像管腔對比度差，偽影較重；1分：主動脈邊界毛躁，三維重組圖像管腔對比度極差，偽影嚴重。另外采用李克特5分法對圖像“蠟像感”程度進行評價：1分：完全可接受圖像的“蠟像感”情況，圖像細節(jié)顯示清晰；2分：可接受圖像的“蠟像感”情況，圖像細節(jié)顯示較清晰；3分：尚可接受圖像的“蠟像感”情況，圖像細節(jié)顯示一般；4分：不能接受圖像的“蠟像感”情況，圖像細節(jié)顯示模糊；5分：完全不能接受圖像的“蠟像感”情況，圖像細節(jié)丟失嚴重[13-15]。

1.6 統(tǒng)計學分析

采用SPSS 23.0統(tǒng)計分析軟件對數(shù)據(jù)進行分析。計量資料用均數(shù)±標準差表示。采用單因素方差分析（One-Way ANOVA）比較6組圖像間客觀評價指標（SD、SNR、CNR）的大小，并采用LSD進行事后兩兩檢驗。圖像總體質(zhì)量及圖像“蠟像感”情況的主觀評分對比采用Fridman檢驗，兩名診斷醫(yī)師對圖像質(zhì)量主觀評分的一致性評價采用Cohen Kappa檢驗（Kappa值≥0.75一致性良好，0.4

2 結(jié)果

2.1 圖像質(zhì)量客觀評價

通過數(shù)據(jù)統(tǒng)計分析后，6組重建方式所得圖像各血管（升主動脈、降主動脈、腹主動脈、左髂動脈、右髂動脈）的SD值、SNR、CNR之間，差異均具有統(tǒng)計學意義（P<0.05）。隨著重建等級的升高，AIIR組的SD值升高，SNR和CNR降低，差異均具有統(tǒng)計學意義（P<0.05），但其SD值、SNR和CNR均優(yōu)于Karl組。見表1～3。

表1 6組重建圖像的SD值分析（n=50）

表2 6組重建圖像的SNR值分析（n=50）

表3 6組重建圖像的CNR值分析（n=50）

2.2 圖像質(zhì)量主觀評價

不同算法重建圖像質(zhì)量及圖像細節(jié)分析主觀評分差異具有統(tǒng)計學意義（P<0.05），在圖像總體質(zhì)量方面，AIIR 5級評分高于其余各組圖像。隨著AIIR重建算法等級的升高，圖像細節(jié)顯示主觀評分逐級降低，其中AIIR 5級圖像“蠟像感”評分最低，圖像“蠟像感”程度完全可接受，細節(jié)顯示清晰。兩名醫(yī)師之間的主觀評分具有較好的一致性（Kappa=0.57～0.87，P<0.001），見表4和圖1～2。

圖1 患者女，77歲，主動脈夾層腔內(nèi)支架修復術(shù)后

圖2 患者女，70歲，胸痛入院，降主動脈廣泛鈣化，管腔狹窄，最窄約0.8 cm

表4 兩名放射科醫(yī)師圖像質(zhì)量評分結(jié)果（n=50）

3 討論

CTA作為主動脈疾病診斷常用的檢查方法被廣泛應用于臨床，但由于主動脈掃描范圍廣，導致輻射劑量大。近年來，隨著CT新技術(shù)的不斷更替，低劑量掃描與迭代重建算法結(jié)合進而改善主動脈圖像質(zhì)量的研究已經(jīng)成為熱點。作為一種全新的基于人工智能技術(shù)的迭代重建算法，AIIR在提升低劑量圖像質(zhì)量方面具有巨大的潛力。因此，本研究探討在低劑量掃描情況下，AIIR不同重建等級對主動脈CTA圖像質(zhì)量的影響，同時與傳統(tǒng)迭代重建算法Karl進行比較。

本研究分別采用Karl 5級和AIIR 1～5級，共6種不同重建算法對掃描數(shù)據(jù)進行重建，并通過主客觀評價的方式評估主動脈圖像質(zhì)量。相比于Karl算法，AIIR算法在各個重建等級下均能夠顯著地提高主動脈的SNR及CNR，隨著AIIR重建等級的降低，SNR及CNR逐漸升高，但是圖像出現(xiàn)“蠟像感”的程度增加，存在圖像失真的情況。從主觀評分結(jié)果分析，在總體圖像質(zhì)量方面，AIIR 5級評分最高，所得主動脈圖像邊界光滑，噪聲低，無偽影。在重建所得圖像“蠟像”感方面，AIIR 5級的評分最低，圖像“蠟像感”程度完全可接受，對于細節(jié)的顯示也最好。對于AIIR 1～4級，重建所得圖像的“蠟像感”較強，存在圖像失真與細節(jié)丟失的情況。這是因為高頻噪聲被去除，改變了圖像的紋理結(jié)構(gòu)，需通過提高重建等級，逐漸恢復圖像中的高頻噪聲，才能有利于細節(jié)的顯示。綜合主客觀評分，在保證圖像整體質(zhì)量與真實感的情況下，AIIR 5級的效果最佳。本研究采用了低管電壓（70 kV）作為實驗的掃描方案，由于管電壓降低，使X射線的能量接近碘對比劑的K邊緣值，增加對比劑的光電效應，從而提高血管與背景組織的對比度。因此，可以進一步降低對比劑流速及總量（3 mL/s、0.5 mL/kg），進而降低對比劑滲漏的風險，實現(xiàn)“三低”掃描[16]。研究中平均對比劑用量為（32.91±5.28） mL，平均有效輻射劑量為（1.56±0.16）mSv，但由于管電壓的降低，導致圖像質(zhì)量下降，需結(jié)合圖像重建算法進一步降低圖像噪聲以達到臨床診斷需求。因此，可以結(jié)合AIIR技術(shù)，實現(xiàn)“三低”掃描，進一步改善圖像質(zhì)量。

目前主要的迭代重建算法包括：混合迭代重建、統(tǒng)計計數(shù)迭代重建以及模型迭代重建[17-19]。迭代重建算法的主要原理是對投影的模擬圖像進行迭代，并對投影數(shù)據(jù)進行迭代修正，以此達到降低圖像噪聲的目的[20-22]。但是這些算法在減少圖像噪聲與偽影的同時，也會改變原始數(shù)據(jù)中噪聲的分布情況，使得圖像紋理結(jié)構(gòu)改變，進而在一定程度上影響臨床診斷[23]，因此，不能使用過高的迭代重建等級，最常用的迭代重建技術(shù)ASIR-V權(quán)重通常選擇40%～60%[24]，由于不能使用過高的迭代等級，低劑量通常應用于小體重患者。隨著人工智能技術(shù)的快速發(fā)展，基于人工智能技術(shù)的圖像重建算法逐漸應用于醫(yī)學領(lǐng)域中。該算法在訓練過程中，通過大數(shù)據(jù)能夠充分學習圖像中信號與噪聲的關(guān)系，以及噪聲的頻率分布情況，在不改變圖像紋理結(jié)構(gòu)的情況下，實現(xiàn)圖像降噪。因此，為了兼顧圖像降噪與維持圖像質(zhì)量，AIIR重建算法將人工智能技術(shù)引入模型迭代重建中，由此不僅能夠去除低劑量圖像中的條紋偽影，還可以實現(xiàn)圖像降噪，使得重建出來的圖像具有較好的對比度及細節(jié)顯示。

本研究存在一些不足之處：① 研究樣本量少，僅研究50例患者，因此，增加樣本量及獲取更為詳盡的研究數(shù)據(jù)有待后期進一步探索；② 本研究著重討論圖像質(zhì)量，未對主動脈各種疾病進行分類研究，將在以后的研究中進一步探討。

綜上所述，在低管電壓下行主動脈掃描時，AIIR重建算法能夠顯著降低圖像噪聲。并且在改善圖像質(zhì)量及維持圖像真實感的情況下，AIIR 5級算法在70 kV低管電壓掃描條件下降噪效能最佳，既能提高圖像修正能力，也能提高血管與背景噪聲的對比。