深度學習重建AiCE 技術在腹主動脈瘤腔內修復術后CTA 中的應用

謝定祥 賴志滿 陳明杰 馬慧 徐如林 黃木蘭 趙靜 吳嘉樂

腹主動脈瘤瘤體隨時有破裂風險，病死率極高［1］。對于腹主動脈瘤的治療，首選治療方案為腔內修復術［2，3］。術后對患者進行追蹤檢查時，CT 血管造影（CT angiography，CTA）是一種重要的評估手段。然而，腔內修復術后支架及支架上的鉑銥金屬材料會在CT 成像中引起明顯的條帶及放射狀偽影，嚴重影響支架及周邊結構的觀察。減少支架引起的組織偽影并提高CTA 圖像質量具有重要的臨床意義［4］。近年來，深度學習重建（deep learning reconstruction，DLR）應用越來越廣泛，其應用主要集中在冠脈、頭頸血管等部位，且效果優良［5，6］。DLR 重建算法AiCE（advanced intelligent clear-IQ engine）技術利用深度神經網絡，以低質量混合迭代重建（hybrid iterative reconstruction，HIR）圖像和高質量基于模型的迭代重建（modelbased iterative re construction，MBIR）圖像作為訓練對象，自主學習高質量MBIR 圖像的特征，對低質量Hybrid IR 圖像數據進行修正。訓練完成后，將所得的神經網絡引入到圖像重組流程中，重建出具備高質量全模型迭代重建特征的圖像。有研究表明，相較于濾波反投影法（filtered back projection，FBP）算法，MBIR 算法能顯著減少CT 圖上的金屬偽影，更有效地分析金屬植入物周圍的軟組織［7］。本研究探討DLR-AiCE 在腔內修復術后CTA中的應用價值。

1 資料與方法

1.1 一般資料

共收集26 例患者CTA 資料，其中男22 例，女4 例；年齡49～86 歲，平均年齡（68.7±8.5）歲。納入標準：所有患者均簽署CT 增強知情同意書；腹主動脈瘤并行腔內修復術的患者。排除標準為：碘過敏者；嚴重心腎功能不全；行彈簧圈栓塞治療者。

1.2 CT 檢查方法

采用320 排640 層CT 掃描設備（Aquilion ONE GENESIS，Canon 醫療）進行檢查。患者取仰臥位、腳先進、出床掃描，掃描范圍為膈頂至恥骨聯合下緣，掃描參數為管電壓120 kV，自適應管電流，轉速0.75 s/r，層厚1 mm，層間距0.8 mm，矩陣為515×512。……