目的:探讨深度学习重建（DLR）较混合迭代重建（HIR）在降低CT肺动脉成像（CTPA）辐射剂量中的作用及对图像质量的影响。方法:前瞻性纳入2020年12月至2021年4月在北京协和医院临床疑诊为急性肺动脉栓塞（APE）或因其他肺动脉疾病需行CTPA检查的患者100例，根据区组随机化分为HIR组、DLR组，每组50例，记录患者的性别、年龄及体质指数（BMI）。HIR组、DLR组噪声指数（SD）分别设置为8.8、15，其他扫描参数及对比剂注射方案相同，分别采用HIR、DLR算法重建。计算有效剂量（ED）及体型特异性扫描剂量（SSDE）。在1~3级肺动脉管腔、双侧椎旁肌勾画感兴趣区（ROI），记录各ROI CT值及标准差值，计算图像的信噪比（SNR）、对比噪声比（CNR）。由2名高年资医师采用盲法，以Likert 5分制对2组图像进行主观评估，评分不一致时由第3名医师综合判定。采用独立样本 t检验对比2组患者一般资料、辐射剂量及客观图像质量，采用Mann-Whitney U检验对主观噪声、肺动脉分支显示、诊断信心进行组间比较，计算线性加权Kappa系数分析2名医师评分的一致性。 结果:HIR组、DLR组患者性别、年龄、BMI差异无统计学意义（ P>0.05）。HIR组与DLR组图像1~3级肺动脉及椎旁肌CT值差异无统计学意义（ P>0.05）。DLR组平均ED为1.3 mSv，SSDE中位数为4.20 mGy，均较HIR组降低约35%，但DLR组CTPA图像的SNR（30±5）、CNR（26±5）均高于HIR组（分别为23±5、20±5， t值分别为-6.60、-5.90， P<0.001）。DLR组主观图像噪声得分明显高于HIR组（ Z=-7.34， P<0.001），且2名医师一致性高（Kappa=0.847，95%CI 0.553~1.000）；DLR组与HIR组图像在肺动脉分支显示以及医师诊断信心得分上差异无统计学意义（ Z分别为-0.259、-0.296， P>0.05）。 结论:DLR能够进一步降低CTPA检查辐射剂量，提高图像质量且不影响医师诊断信心，值得在临床推广。

体层摄影术，X线计算机;辐射剂量;深度学习;图像质量

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

中国医学科学院北京协和医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　100024

中华放射学杂志

[1]田杜雪;宋兰;隋昕;王金华;杜华阳;赵瑞杰;王沄;陆晓平;马壮飞;许英浩;金征宇;宋伟-.深度学习重建在低辐射剂量CT肺动脉成像中的临床应用价值)[J].中华放射学杂志,2022(05):563-568

深度学习重建,建在,低辐射剂量,肺动脉成像,临床应用价值,DLR,混合迭代重建,HIR,CTPA,图像质量,北京协和医院,医院临床,急性肺动脉栓塞,APE,随机化,体质指数,噪声指数,扫描参数,对比剂注射方案,有效剂量,ED,体型,扫描剂量,SSDE,脉管,管腔,椎旁肌,勾画,感兴趣区,ROI,计算图,SNR,对比噪声比,CNR,高年资,盲法,Likert,主观评估,评分不一致,名医,综合判定,检验对比,Mann,Whitney,肺动脉分支,线性加权,Kappa,系数分析,mSv,中位数,mGy,图像噪声,心得,临床推广,体层摄影术,线计算

0.318318