深度学习重建算法联合低浓度对比剂在冠状动脉CTA中的应用

摘要

目的：评价不同浓度对比剂（370、350、320 mg I/m L碘海醇）联合不同重建算法[迭代重建（iterative reconstruction,IR）、深度学习重建（deep learning reconstruction,DLR）]对冠状动脉计算机断层血管造影（computed tomography angiography,CTA）的影响。方法：前瞻性纳入2021年3—11月于南通大学附属南通第三医院行冠状动脉CTA检查患者共150例，随机分成3组（每组50例）：对照组（350 mg I/m L碘海醇联合IR）、低浓度组（320 mg I/m L碘海醇联合DLR）和高浓度组（370 mg I/m L碘海醇联合IR）。测量并计算3组冠状动脉CTA图像的动脉血管CT值、图像噪声、信噪比（signal noise ratio,SNR）和对比噪声比（contrast to noise ratio,CNR）。结果：低浓度组的CT值_冠状动脉更高，且图像噪声明显降低。3组图像中CT值_左心室（P=0.136）和CT值_冠状动脉（P=0.089）的差异无统计学意义。3组图像中低浓度组SNR_左心室、SNR_冠状动脉、CNR_左心室和CNR_冠状动脉均高于对照组和高浓度组（均P<0.001）。低浓度组图像的主观评分明显高于其他两组（P<0.001）。结论：在冠状动脉CTA中，DLR联合低浓度对比剂优于IR联合高浓度对比剂组。

关键词

深度学习重建 / 迭代重建 / 对比剂 / 冠状动脉 / 计算机断层血管造影

基金资助

南通市卫生健康委员会科研课题(MS2023071)