深度学习算法与70 kV结合对冠状动脉CT图像质量和辐射剂量的影响

摘要

目的：探讨深度学习算法联合70 kV扫描对冠状动脉CTA图像质量和辐射剂量的影响。方法：纳入74例行冠状动脉CT检查患者，随机数表法将其分为A组和B组，每组各37例。A组管电压为70 kV，对比剂用量36 mL。B组管电压为100 kV，对比剂用量60 mL。A组进一步分为深度学习算法重建（A1）和迭代算法重建（A2）两个亚组，B组采用迭代算法重建图像。比较3组图像的辐射剂量和对比剂用量，对图像进行客观评价，其评价指标为感兴趣区（ROI）的CT值、噪声值、信噪比（SNR）及对比噪声比（CNR）。此外，两位高年资的放射科医师对图像进行主观评分。结果：在CT值方面，A1组右冠动脉（RCA）的CT值显著高于A2组，在左冠状动脉主干（LM）显著高于B组，在其余ROI的比较差异均无统计学意义。噪声方面，A1组均显著低于A2组（P均<0.001），在其余ROI的比较差异均无统计学意义。SNR及CNR方面，A1组均显著高于A2组，且与B组比较无统计学差异。主观评分显示，A1组和B组图像质量均显著优于A2组，同时A1组与B组质量相当，主观评分无统计学差异。A组辐射剂量及对比剂剂量均低于B组，对比剂用量为B组的60%，有效辐射剂量（ED）降低50.85%。结论：深度学习算法联合70 kV扫描技术，与传统扫描方式相比，有效降低患者的辐射剂量和对比剂用量，具有较大的临床应用价值。

关键词

冠状血管 / 计算机体层摄影血管造影术 / 辐射剂量