深度學習重建算法在超重者低劑量骶髂關節CT 中的價值

曹立坤 王沄 馬壯飛 許英浩

骶髂關節CT 是早期診斷和隨訪中軸型脊柱關節炎、強直性脊柱炎，診斷骶髂關節退行性變、骨折、腫瘤的常用手段，還用于指導骶髂關節的介入治療，與X 線檢查相比具備更高的敏感性和特異性，具有重要的臨床意義［1，2］。但CT 檢查存在電離輻射，而骶髂關節毗鄰生殖器官，難以進行輻射防護。

臨床常用自動劑量曝光控制系統和圖像重建技術控制CT 檢查輻射劑量，保證圖像質量。但輻射劑量與圖像質量受患者體重指數（body mass index，BMI）影響大，超重者的容積CT 劑量指數（volume CT dose index，CTDIvol）是正常體型人群的2 倍以上［3］。研究發現，超重者的CTDIvol/BMI值低于正常體重患者，表明應用管電流自動調制技術難以達到超重者所需劑量要求，超重者的輻射劑量增加，但圖像噪聲仍處于較高水平，影響疾病診斷［4］。臨床常用的圖像重建算法為混合迭代重 建（hybrid iterative reconstruction，HIR），其相比傳統的濾波反投影能更好地降低圖像噪聲，但對于超重者降噪能力有限［5-7］。深度學習重建（deep learning reconstruction，DLR）算法AiCE 是近年來圖像重建技術發展的新方向，它使用深度卷積神經網絡學習曝光條件充足的高質量全模型迭代重建（model-based iterative reconstruction，MBIR）圖像的特征，修正低質量圖像數據，大大降低圖像噪聲。研究證實應用DLR 算法，能實現胸腹部亞毫西弗CT 成 像［8］，降低冠狀動脈CT 血管成像［9，10］、肺動脈CT 血管成像［11］、兒童胸腹部CT［12，13］的輻射劑量。筆者在前序研究［14］中發現DLR 算法能夠改善所有BMI 分組的骶髂關節CT 圖像質量，降低輻射劑量，并且超重者（BMI≥24.0 kg/m2）的輻射劑量降低率較正常體重者更為顯著。……