降低剂量深度学习重建用于肝转移的腹部CT成像

• 作者: 王璐娜（译） 于红（校）
• 来源期刊: 国际医学放射学杂志
• 年，卷（期）: 2022,（3）
• 所属期刊栏目: 国际期刊连线
• 页码范围: 358
• 页数: 1页
• 语种: 中文
• DOI: 10.19300/j.2022.r0404

摘要

随着CT辐射剂量的降低，肝脏病变的评估受到了一定限制。有证据表明，深度学习重建可以减轻这种影响。目的 比较基于低剂量腹部增强CT的卷积神经网络的深度学习重建技术算法（DLIR）和基于标准剂量的滤过反投影（FBP）技术在评估肝脏转移灶检出率和影像质量中的价值。资料与方法 该前瞻性研究自2019年9月—2021年4月，符合HIPAA 。参与者均为活检证实的结直肠癌肝转移病人，基线检查为一次屏气呼吸时接受了标准剂量和低剂量门静脉期腹部CT检查。3位放射科医生在基于标准剂量FBP和基于低剂量DLIR下检出和描述病变，记录报告诊断信心，并对影像质量进行评分，记录对比-噪声比。汇总统计数据，并使用广义线性混合模型。结果 51名参与者[平均年龄（57±13）岁；男31名]接受了评估。低剂量CT（12.2 mGy）的平均体积CT剂量指数较标准剂量CT（34.9 mGy）降低了65.1%。共发现161个病灶（127个转移灶，34个良性病灶），平均大小为（0.7±0.3） cm。基于低剂量DLIR主观影像质量优于基于标准剂量FBP（P<0.001）。对于肝转移诊断，基于低剂量DLIR平均对比噪声比（3.9±1.7）高于基于标准剂量FBP（3.5±1.4）（P<0.001）。对于≤0.5 cm的病变，仍存在检测差异。在65个病变中，基于标准剂量FBP检测到63个（96.9%；95%CI：89.3~99.6），基于低剂量DLIR检测到47个（72.3%；95%CI：59.8~82.7）。基于标准剂量FBP和基于低剂量DLIR的病变准确度分别为80.1%（95%CI：73.1~86.0；129/161）和67.1%（95%CI：59.3~74.3；108/161）（P=0.01）。在基于低剂量DLIR下，病变诊断的信心较低（P<0.001）。结论 DLIR在辐射剂量减少65%时提高了CT影像质量，且对>0.5 cm的肝脏病变的检测性能良好。在基于低剂量DLIR下，对于肝脏病变的整体定性和诊断者的信心均较差。