基于深度学习的ClearInfinity重建算法联合“三低”技术在头颈联合CTA成像中的应用

摘要

目的：探讨基于深度学习的ClearInfinity重建算法在“低管电压、低对比剂总量与低对比剂注射速率”头颈部CT血管成像（CTA）检查中的应用价值。方法：前瞻性连续纳入2022年11月—2023年2月在我院行头颈部动脉CTA检查的患者80例，随机分为A、B两组，每组40例，A组为三低剂量组，根据重建算法不同，又将A组分为A1组和A2组；B组为常规剂量组。A1组采用3.0 mL/s注射速率注射30 mL对比剂及生理盐水，采用80 kV电压及200 mAs管电流进行扫描，使用基于深度学习的ClearInfinity重建算法进行重建；A2组使用迭代算法（50%CV）重建，其它条件与A1组相同。B组采用4.5 mL/s注射速率注射60 mL对比剂及30 mL生理盐水，采用100 kV电压及250 mAs管电流进行扫描，采用50%CV算法重建。采用独立样本t检验、方差分析或秩和检验比较组间CT值、噪声值（SD）、信噪比（SNR）、对比噪声比（CNR）、有效辐射剂量（ED）间的差异，采用卡方检验对三组图像质量的主观评分进行差异分析。结果：A1、A2及B组间血管CT值无差异（P>0.05）;A2组SD值均高于A1组及B组，SNR、CNR值均低于A1组及B组（P<0.05）。A1组与B组相比，SD值在主动脉、颈内动脉感兴趣区低于B组（P<0.05）,CNR值在主动脉、基底动脉感兴趣区高于B组（P<0.05），在其余血管感兴趣区差异无统计学意义（P>0.05）,SNR值除在大脑中动脉处无差异外，在其余血管处均高于B组（P<0.05）。三组图像质量的主观评分间有差异（P<0.05）。A组辐射剂量、对比剂用量较B组分别降低65%、50%。结论：ClearInfinity技术联合“三低”技术在降低辐射剂量、对比剂剂量及对比剂外渗风险的同时，可获得与常规剂量相当的头颈部CTA图像质量。

关键词

深度学习 / 体层摄影术,X线计算机