目的 探索深度学习算法提高超重肺间质性病变患者的低剂量CT(Low Dose CT,LDCT)及高分辨率CT(High Resolution CT,HRCT)扫描图像质量的应用效果.方法 前瞻性地纳入20例超重肺间质病(Interstitial Lung Disease,ILD)病例,其中5例为结缔组织病相关ILD,余15例病因不明.所有患者均接受HRCT扫描(120 kVp,自动管电流)和LDCT扫描(120 kVp,30 mAs).HRCT扫描图像由混合迭代重建算法(Adaptive Iterative Dose Reduction 3-Dimensional,AIDR3D)处理,LDCT图像由深度学习重建算法(Advanced Intelligence Clear-IQ Engine,AiCE,肺/骨算法,mild/standard/strong重建)处理.两名放射科医师分别对图像的噪声、伪影、图像质量、正常结构以及ILD相关的特征表现进行评估,比较LDCT扫描组与HRCT扫描组的图像噪声与图像质量.结果 超重ILD患者应用LDCT扫描方案后,有效扫描剂量比HRCT扫描下降73％.其中,LDCT扫描中,应用肺算法(standard/strong重建)以及骨算法(mild/standard/strong重建)处理的图像噪声约降至HRCT扫描的34.5％～91.7％(P<0.05),信噪比(范围:24.64～66.23)约为后者(平均值22.75)的1.1～2.9倍(P<0.001).两组扫描方案的重建图像主观评分(图像总体评分、伪影、正常结构观察如叶间裂、近端支气管及邻近肺血管、外周支气管及邻近肺血管、胸膜下血管等)均未表现出显著差异(P>0.05).在异常征象的评估中,LDCT扫描(肺算法,strong重建)对磨玻璃影的观察显著优于HRCT扫描(P=0.002),在其他异常特征(网格影、支气管扩张及蜂窝征)的观察中,两种方案的图像质量没有显著差异.结论 在超重ILD患者中,应用深度学习算法可以在有效降低辐射剂量的同时,保证图像质量.

超重;肺间质病;深度学习;低剂量;图像质量

秦瑞遥;王沄;宋伟;赵瑞杰;隋昕;宋兰;杜华阳;马壮飞;马硕;付海鸿;金征宇

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 100015

中国医疗设备

[1]秦瑞遥;王沄;宋伟;赵瑞杰;隋昕;宋兰;杜华阳;马壮飞;马硕;付海鸿;金征宇-.深度学习算法在超重肺间质性病变患者中的应用研究)[J].中国医疗设备,2022(08):93-98

AiCE,有效扫描剂量

深度学习算法,超重,间质性,性病变,高超,Low,Dose,LDCT,High,Resolution,HRCT,扫描图像,图像质量,量的应用,肺间质病,Interstitial,Lung,Disease,ILD,结缔组织病,病因不明,kVp,管电流,mAs,混合迭代重建,迭代重建算法,Adaptive,Iterative,Reduction,Dimensional,AIDR3D,深度学习重建算法,Advanced,Intelligence,Clear,IQ,Engine,骨算法,mild,standard,strong,两名,放射科医师,伪影,特征表现,图像噪声,扫描方案,重建图像,主观评分,结构观,近端,管及,肺血管,胸膜,下血,征象,磨玻璃影,异常特征,支气管扩张,蜂窝,低辐射剂量

0.357445