80 kV掃描結合AI優化技術在體重超重患者CCTA臨床應用研究

馮倩倩，余星瑤，王文馨，徐霖，劉超，吳磊，許晨思，王克軍

1.十堰市太和醫院醫學 影像中心，湖北 十堰 442000；2.東軟醫療系統股份有限公司 a.人工智能與臨床創新研究院；b.CT產品事業部，遼寧 沈陽 110167

引言

近年來，冠心病患者逐漸向年輕化發展，我國現有患病人數約為1139萬，并且呈逐年遞增的趨勢。有研究[1-2]表明，肥胖是冠心病的獨立危險因素，故對于體重超重冠心病患者的早期診斷及準確評估有重要臨床意義。冠狀動脈CT血管造影（Coronary Artery Computed Tomography Angiography，CCTA）已成為冠脈疾病診斷首選的評估標準并在臨床廣泛應用。CCTA具有可視化、量化和表征斑塊成分等優勢，研究表明，其靈敏度和特異度分別為98%和 89%[3-4]。身體質量指數（Body Mass Index，BMI）是影響圖像質量的獨立因素[5]，體重超重患者需要升高管電壓來提高圖像的對比度和信噪比，這增加了輻射劑量。常用有效降低輻射劑量的手段是優化體重超重患者CCTA的管電壓[4,6-7]，但降低管電壓會導致噪聲、偽影增加[8]。因此，通常采用迭代重建提高圖像質量，但其圖像處理等待時間較長，且需要大量的投影數據[9]。人工智能（Artificial Intelligence，AI）是基于卷積神經網絡等算法的新興圖像優化技術，其不依賴于投影數據，能直接對低劑量CT圖像進行去噪聲及優化，更容易應用于臨床工作中[10]。本研究旨在探討80 kV掃描結合AI優化技術對提高體重超重患者CCTA圖像質量的價值。

1 材料與方法

1.1 一般資料

前瞻性連續納入我院2020年9月至2021年3月在 256層CT（東軟醫療NeuViz Glory）行CCTA檢查的60例體重超重（BMI≥24 kg/m2）[1]患者，平均年齡（55.72±10.43）歲，其中男33例、女27例。納入標準：① 臨床懷疑冠心病的患者；②BMI≥24 kg/m2。排除標準：① 碘對比過敏者；② 腎功能異常（血清肌酐≥133 μmol/L）；③ 妊娠期女性；④ 嚴重心律失常、失代償性心功能不全者。采用隨機數表法分為A、B兩組，每組各30例。本研究經倫理委員會批準（2022KS026），所有患者檢查前均簽署知情同意書。

1.2 CCTA檢查

所有患者采取仰臥位，掃描范圍為氣管隆突下（1～2 cm）至心臟膈面下水平。掃描前對患者進行屏氣訓練，心率≥70次/min者服用美托洛爾控制心率，劑量25 mg，心率＜70次/min者不服用美托洛爾。

CT掃描參數：A組采用120 kV管電壓掃描，B組采用80 kV管電壓掃描，兩組其余掃描參數設置相同，均為前瞻性心電門控螺旋掃描模式采集，自動管電流技術（mA modulation），旋轉時間0.259 s/r，螺距0.16，層厚及層間距均為0.625 mm，重建矩陣512×512，濾波參數為F20。增強掃描應用對比劑智能追蹤技術觸發掃描，監測點位于降主動脈（氣管分叉平面），觸發閾值設置為180 HU，達到閾值延遲6 s后自動觸發掃描。

對比劑采用碘海醇350（含碘35 mg/mL），采用雙筒高壓注射器注入對比劑及0.9% NaCl溶液，對比劑用量為0.7 mL/kg，注射流率5 mL/s，之后以同樣的速率注射0.9%NaCl溶液 50 mL。

1.3 圖像優化及圖像后處理

掃描結束后，將CCTA原始軸位圖像傳至東軟醫療AVW 2.0醫學影像后處理工作站進行圖像后處理。A組采用50% ClearView+得到迭代重建圖像，對B組的原始圖像采用50% ClearView+迭代重建，得到B1組圖像，采用Optimize 25% AI優化技術進行重建，得到B2組圖像。

通過對A、B1、B2組的圖像進行后處理從而獲得包括最大密度投影（Maximum Intensity Projection，MIP）、容積再現（Volume Rendering，VR）圖像及曲面重組（Curved Planar Reformation，CPR）在內的所需圖像。

1.4 圖像質量分析

1.4.1 主觀評價

由兩名高年資放射科醫師通過雙盲法獨立閱片對圖像質量進行主觀評價。當評價意見不一致時，進行討論并統一意見。所有冠狀動脈按照美國心血管CT協會推薦的18分段標準改良分段法進行分段評價。使用Likert 4級評分法對所有圖像進行評分，根據圖像質量評估分級，分級標準如表1所示。

表1 CCTA圖像質量主觀評分標準

1.4.2 客觀評價

分別在主動脈根部（Aortic，Ao）、左前降支（Left Anterior Descending，LAD）中段、左回旋支（Left Circumflex Artery，LCX）中段、右冠狀動脈（Right Coronary Artery，RCA）中段及Ao平面前胸壁皮下脂肪放置感興趣區（Region Of Interest，ROI），大小分別為 ROIAo199.00～201.00 mm2、ROI皮下脂肪29.00～30.00 mm2、ROI血管1.00～3.00 mm2。所有患者均在同一位置層面進行測量，且同一血管ROI的面積相同，ROI的選擇需要避開偽影、斑塊，并且選擇不包含血管壁的密度均勻區域。測量ROIAo、ROILAD、ROILCX及 ROIRCA的 CT 值及噪聲（Standard Deviation，SD），并根據公式（1）～（2）計算SNR、CNR值。

計算各ROI的信噪比（Signal to Noise Ratio，SNR）和對比噪聲比（Contrast to Noise Ratio，CNR）。

1.5 輻射劑量

記錄掃描的容積 CT 劑量指數（Volume CT Dose Index，CTDIvol）、劑量長度乘積（Dose Length Product，DLP）、有效輻射劑量（Effective Dose，ED），計算公式如式（3）所示。

推薦成人冠狀動脈轉換系數K值為0.014 mSv/（mGy.cm）。

1.6 統計學分析

所有數據采用SPSS 25.0統計學軟件進行統計分析。采用Shapiro-Wilk檢驗對患者年齡、身高、體重、BMI、心率、掃描長度、客觀圖像質量評價指標及輻射劑量進行正態分布檢驗。符合正態分布的計量資料用±s表示，不符合正態分布的計量資料用中位數（上、下四分位數）表示，分類變量用頻數表示。采用χ2檢驗比較3組冠狀動脈節段數主觀評價，采用Cohen Kappa檢驗對兩名醫師的評分一致性進行檢驗。以P＜0.05為差異有統計學意義。3組間比較采用ANOVA檢驗及Bonferroni法校正，以P＜0.05為差異有統計學意義。

2 結果

2.1 一般資料

60例患者均一次性完成CCTA檢查及重建，統計結果表明，兩組患者年齡、性別構成、BMI、心率、掃描長度比較差異均無統計學意義（P＞0.05），見表2。

表2 兩組患者臨床資料的比較

2.2 圖像質量評價

2.2.1 主觀評價

60例患者中3組圖像共計1203個節段評分數值，其中，A組總節段為403段，B1組總節段為400段，B2組總節段為400段。A、B1、B2組的可評價節段百分比分別為99.5%、97.6%和99.5%。A、B2組冠狀動脈節段圖像質量主觀評價均顯著優于B1組（醫師1，P＜0.001；醫師2，P＜0.001），且A、B2組間節段圖像質量主觀評價差異無統計學意義（醫師 1，P=0.19；醫師 2，P=0.29），見表 3。A、B1、B2組的Kappa值分別為0.81、0.84、0.80，2名醫師對于各組圖像質量的主觀評價一致性均為良好。

表3 3組CCTA冠狀動脈節段圖像質量主觀評價結果[n（%）]

2.2.2 客觀評價

在CT值方面，B1、B2組分別與A組相比，各ROI的CT值差異均有統計學意義，且B1、B2組的CT值均顯著高于A組（P＜0.05）。B2組與B1組相比，各ROI的CT值差異均無統計學意義（P＞0.05）。

在噪聲方面，A組與B1組相比，ROIAo、ROILAD、ROIRCA的噪聲顯著低于B1組（P＜0.05）；B2組與B1組相比，ROIAo、ROILAD的噪聲顯著低于B1組；A組與B2組相比，ROIRCA的噪聲顯著低于B2組（P＜0.05）；在其余ROI差異無統計學意義（P＞0.05）。

在SNR、CNR方面，B1組與A組相比，ROILCX的SNR顯著高于A組（P＜0.05）；B2組與B1組相比，ROIAo的SNR顯著高于B1組（P＜0.05），各ROI的CNR均顯著高于B1組（P＜0.05）；B2組與A組相比，ROIAo、ROILCX的SNR顯著高于A組，各ROI的CNR均顯著高于A組（P＜0.05）；在其余ROI差異無統計學意義（P＞0.05），見圖1和表4。

表4 3組CCTA的客觀評價比較

圖1 120 kV和80 kV掃描CCTA圖像

2.3 .輻射劑量比較

A組與B組的輻射劑量指標CTDIvol、DLP及ED對比見表5。結果顯示，B組輻射劑量指標均顯著低于A組（P＜0.001），且ED降低達75.18%。

表5 兩組患者輻射劑量指標比較[M（Q1，Q3）]

3 討論

本研究采用80 kV掃描結合AI優化技術應用于體重超重（BMI≥24 kg/m2）患者CCTA掃描。結果顯示，此方案的圖像質量與120 kV標準掃描相一致，且患者接受的ED僅為 3.81（3.65，3.97）mSv。

CCTA已成為疑似冠心病患者的首選檢查方法。120 kV標準掃描常用于正常體重患者[11]，而不適用于體重超重患者，原因為心血管成像質量與患者BMI相關。研究表明，體重超重患者更易患有冠心病[1]，而此類患者較厚的皮下軟組織引起的光子衰減更多，導致圖像噪聲增加，且其血液分布的變化會造成達峰時間血管乳化差，進而使血管強化程度差，降低圖像質量[12]，因此體重超重患者CCTA圖像質量需要進一步優化。

為提高圖像質量，對體重超重患者常用的掃描方法是增加管電壓，但同時也增加了輻射劑量[13]，然而低劑量CT掃描已成為當下研究前沿和熱點。以往的研究表明，降低管電壓在正常體重及體重超重患者CCTA具有可行性[11,14]，心血管CT成像輻射劑量優化中國專家共識推薦25 kg/m2＜BMI≤30 kg/m2患者使用 100 kV 管電壓[7]。相關研究表明，若通過降低管電壓的方法降低輻射劑量，管電壓降至80 kV時X線對人體的輻射傷害最低[15]，但同時圖像的噪聲增加、空間分辨率下降。以往研究表明冠狀動脈血管強化CT值在350 HU以上即可滿足診斷需求[16]，本研究B組冠狀動脈各分支節段的CT值均＞350 HU，足以滿足臨床診斷需求。本研究中A組RCA的噪聲低于B2組的原因是提高管電壓能提供更多光量子，從而獲得的圖像信息更多，故圖像噪聲更低[17]，盡管如此，該結果并沒有引起B2組主觀評價的明顯降低。

然而，通過降低管電壓來降低輻射劑量必然引起圖像噪聲增加，需結合圖像優化技術提高圖像質量[7-8]。迭代重建為常用的圖像優化技術，本研究采用的ClearView+迭代技術是基于多模型的雙域迭代重建技術，實現了生物數據域到圖像域的完全深度迭代，在降低管電壓的情況下可降低噪聲、保持或提高圖像的分辨率[18-19]，但是迭代重建比重越大，圖像越易過度平滑和產生蠟狀偽影，降低了低對比度病變的檢測能力和空間分辨率[20-22]。AI優化技術已應用于低劑量CT圖像質量的優化，其中基于深度卷積神經網絡的定制模型將低劑量CT圖像逐片映射到相應的正常劑量圖像，可有效去除圖像噪聲，同時能保留圖像細節、避免圖像過度平滑，且速度是迭代重建的2倍，幾乎達到實時重建的水平[10,20,23]，該算法已成功應用于胸部CT、主動脈CTA、正常體重患者CCTA[11,22,24]等低劑量圖像，在達到標準劑量圖像質量的同時提升了診斷可判讀性，但是針對體重超重患者的研究尚較少。本研究將此AI優化技術直接用于優化80 kV掃描原始圖像，在避免圖像失真的同時省略了迭代重建所需的圖像重建等待時間，結果表明AI優化技術在80 kV掃描圖像的主觀評價、噪聲優于ClearView+迭代技術圖像，僅有0.5%為不可評價血管，且圖像質量與120 kV標準掃描具有較高的一致性，達到臨床診斷要求，同時ED降低達75.18%，證明了80 kV掃描結合AI優化技術應用于體重超重患者CCTA具有可行性。

本研究存在一些局限性：① 樣本數量較小，可能存在一定的統計學偏倚，需擴大數量，使結果更有說服力；② 雖然兩名放射科醫師采用雙盲法對圖像質量進行評分，但不同管電壓、重建方法得到的圖像特征明顯，故結果存在一定的主觀偏倚；③ 雖然采用的是同一臺設備掃描及重建圖像，但是不同患者主動脈及冠狀動脈分支的直徑、狹窄部位和程度不同，不能保證所有患者ROI面積大小及位置完全相同，且不同的掃描方案對于重建方法的圖像質量優化效果也不同，亦可能造成一定的誤差。后期將擴大樣本量，針對該技術在不同類型冠狀動脈疾病的應用進行分類研究。

4 結論

低劑量CT掃描、AI優化技術已成為CCTA的發展趨勢，AI優化技術在體重超重患者CCTA檢查的圖像主、客觀評價優于ClearView+迭代技術，80 kV掃描結合AI優化技術的圖像主、客觀評價與120 kV標準掃描相一致，且輻射劑量顯著降低，可在臨床推廣應用。