深度学习重建算法优化低kV头颈CT血管成像图像质量的价值

摘要

目的 探讨深度学习重建（DLIR）算法优化低kV头颈CT血管成像（CTA）图像质量的应用价值。方法 分析2024年10月～2025年2月在陕西中医药大学附属医院行头颈CTA检查的患者60例，采用80 kV、智能毫安（50～400 mA），对比剂用量40 mL，流速4 mL/s，对比剂注射时间10 s进行扫描。扫描结束后分别重建40%自适应迭代重建算法-V(ASIR-V40%)、低水平深度学习重建算法（DLIR-L）、中等水平深度学习重建算法（DLIR-M）、高水平深度学习重建算法（DLIR-H）图像。测量主动脉弓、双侧颈总动脉开口上方2 cm、椎动脉V1段、基底动脉近心端、大脑中动脉M1段及颞肌的CT值和SD值，并计算信噪比（SNR）和对比噪声比（CNR）。由2位影像科医生采用5分法对图像进行双盲法主观评分。比较4种不同重建算法血管SD值、CT值、CNR值及SNR值和主观评分。结果 各血管CT值在4种重建算法之间的差异无统计学意义（P>0.05）。随着ASIR-V40%、DLIR-L、DLIR-M、DLIR-H重建水平逐渐增高，4种图像SD值呈依次降低趋势，CNR和SNR呈增高趋势，其中DLIR-H的SD值最低、CNR和SNR最高，且DLIR-L、DLIR-M、DLIR-H重建SD、SNR、CNR值与ASIR-V40%间的差异均有统计学意义（P<0.05）。与ASIR-V40%相比较，DLIR-H重建图像主动脉弓、颈总动脉开口上方2 cm、椎动脉V1段、基底动脉近端、大脑中动脉M1段的SNR和CNR分别提高约69.0%、48.3%、48.3%、51.6%、56.4%和68.0%、55.9%、48.2%、51.6%、56.6%,SD值分别降低了约40.2%、35.8%、30.6%、33.2%、35.3%,DLIR-H、DLIR-M及DLIR-L主观评分均高于ASIR-V40%(P<0.05)。结论 在头颈CTA血管成像中，与ASIR-V40%比较，DLIR重建可以进一步降低图像噪声，提高图像质量，因此DLIR算法可用于提升低kV头颈CTA的图像质量。

关键词

头颈部 / CT血管成像 / 低kV / 深度学习 / 图像质量