基于深度學(xué)習(xí)的圖像重建算法在下肢動(dòng)脈病變CTA診斷中的研究

陳蕓，朱彥，王揚(yáng)，趙天，李月峰，陳興兵

1. 江蘇大學(xué)附屬醫(yī)院 醫(yī)學(xué)影像科，江蘇 鎮(zhèn)江 212001；2. 高郵市人民醫(yī)院 放射科，江蘇 揚(yáng)州 225600

引言

下肢動(dòng)脈病變是臨床常見的狹窄或閉塞疾病[1]，準(zhǔn)確的血管參數(shù)評(píng)估對(duì)該疾病治療決策和健康管理至關(guān)重要。數(shù)字減影血管造影（Digital Subtraction Angiography，DSA）具備高分辨率血管圖像的卓越優(yōu)勢(shì)，被認(rèn)為是該疾病診斷的“金標(biāo)準(zhǔn)”[2]。然而，DSA的參數(shù)局限性限制了其在臨床實(shí)踐中的應(yīng)用，包括侵入性強(qiáng)、放射線暴露量大以及無(wú)法提供三維解剖信息等[3]。隨著CT 血管成像（Computed Tomography Angiography，CTA）技術(shù)的發(fā)展[4]，信息提供的全面性和隨訪便捷性使其在無(wú)創(chuàng)性檢查領(lǐng)域受到了廣泛認(rèn)可。不斷改善CTA圖像質(zhì)量以獲得更佳的診斷效果已成為學(xué)界共同的技術(shù)目標(biāo)。近年來(lái)，基于深度學(xué)習(xí)的圖像重建技術(shù)（Deep Learning Image Reconstruction，DLIR）已成熟應(yīng)用于心臟、主動(dòng)脈等多個(gè)成像領(lǐng)域[5-8]。DLIR 能夠通過(guò)學(xué)習(xí)大量的圖像數(shù)據(jù)，優(yōu)化圖像質(zhì)量、減少噪聲以及提升對(duì)比度，提供更加清晰準(zhǔn)確的圖像信息[9,10]。本研究旨在基于DLIR 來(lái)改善下肢動(dòng)脈病變CTA 圖像質(zhì)量，為疾病診斷和治療提供更加可靠、精準(zhǔn)的圖像支持。

1 資料與方法

1.1 一般資料

回顧性收集2021 年6 月至2022 年2 月我院血管科收治的下肢動(dòng)脈狹窄病變的51 例患者資料。納入標(biāo)準(zhǔn)：① 下肢動(dòng)脈經(jīng)DSA 和CTA 檢查確診為雙側(cè)或單側(cè)下肢動(dòng)脈狹窄或閉塞；② 年齡20～50 歲；③ 源圖像存在并可重建至0.625 mm 層厚。排除標(biāo)準(zhǔn)：① 外傷或占位性病變；② 圖像質(zhì)量不佳。共計(jì)51 例患者資料（65 條下肢動(dòng)脈），其中男性28 例，女23 例，平均年齡（62.3±7.2）歲。51 例患者中，51 例合并糖尿病，34 例合并高血壓病，26 例合并高脂血癥，22 例合并冠心病，14 例有腦梗死病史。51 例患者均有不同程度的肢端發(fā)涼、紅腫，間歇性跛行，靜息痛，皮膚潰瘍等提示下肢動(dòng)脈供血不足的跡象。所有受試者對(duì)影像學(xué)資料的使用均知情同意，本研究經(jīng)本院倫理委員會(huì)批準(zhǔn)（批準(zhǔn)文號(hào)：SWYXLL20210401）。

1.2 檢查方法

以DSA 結(jié)果為“金標(biāo)準(zhǔn)”，檢查動(dòng)脈包括患側(cè)髂總動(dòng)脈、髂外動(dòng)脈、股動(dòng)脈（股深動(dòng)脈及股淺動(dòng)脈）、腘動(dòng)脈、脛前動(dòng)脈、脛后動(dòng)脈、腓動(dòng)脈及足背動(dòng)脈。DSA 檢查：采用Innova 4100 DSA（GE，美國(guó)）。采用Seldinger 法經(jīng)股動(dòng)脈或橈動(dòng)脈穿刺，將插管送至患肢動(dòng)脈。CTA 檢查：采用256 排Revolution CT 機(jī)（GE，美國(guó)）。患者取仰臥位，足頭位，掃描范圍自L3 椎體上緣至足尖。用高壓注射器將對(duì)比劑碘海醇（揚(yáng)子江藥業(yè)集團(tuán)有限公司，300 mgI/mL）以4.0 mL/s 注射入肘前靜脈80～100 mL，再以相同流率注射0.9% 氯化鈉溶液20 mL，以自動(dòng)跟蹤觸發(fā)技術(shù)掃描，選取L3 水平的腹主動(dòng)脈作為監(jiān)測(cè)層面，感興趣區(qū)（Region of Interest，ROI）強(qiáng)化幅度達(dá)到平臺(tái)期后觸發(fā)掃描，閾值設(shè)為120 HU。掃描參數(shù)：管電壓120 kV，管電流采用智能控制，準(zhǔn)直器數(shù)量及寬度64×0.625 mm，螺距0.61 mm，球管轉(zhuǎn)速0.75 s/r。獲得的原始數(shù)據(jù)以DICOM 格式傳入工作站，用于后續(xù)進(jìn)行混合迭代重建（Hybrid Iterative Reconstruction，HIR）和DLIR[11]。在HIR 中，使用噪聲抑制技術(shù)與濾波反投影（Filtered Back Projection，F(xiàn)BP）相結(jié)合。根據(jù)我院目前的臨床掃描標(biāo)準(zhǔn)，通常將噪聲抑制技術(shù)的比例調(diào)整為60%。DLIR 生成在額定輻射劑量下獲得的FBP 輸入正弦圖上訓(xùn)練的圖像，有低、中和高強(qiáng)度設(shè)置下的DLIR 算法可供用戶選擇，鑒于增加的DLIR 權(quán)重預(yù)計(jì)可能會(huì)帶來(lái)更好的圖像質(zhì)量[12]，本文選用了高強(qiáng)度權(quán)重DLIR 進(jìn)行圖像重建。所有操作均由經(jīng)驗(yàn)豐富的影像科技師和護(hù)師共同完成。

1.3 評(píng)估方法

圖像噪聲、信噪比（Signal to Noise Ratio，SNR）和對(duì)比噪聲比（Contrast Noise Ratio，CNR）被用于圖像質(zhì)量的客觀性評(píng)價(jià)。分別在3 段下肢動(dòng)脈觀察層面進(jìn)行測(cè)量，CT 值用CT動(dòng)脈表示，ROI 面積盡可能大，同時(shí)避開鈣化和偽影。將ROI 置于髖關(guān)節(jié)周圍、髕骨下方及踝關(guān)節(jié)周圍，以空氣測(cè)量CT 值的標(biāo)準(zhǔn)差作為背景噪聲，用CT背景噪聲表示；并測(cè)量股二頭肌、腓腸肌及踝關(guān)節(jié)層面跟腱CT 值，用CT肌肉或肌腱表示。SNR 被定義為CT動(dòng)脈/CT背景噪聲，CNR 被定義為（CT動(dòng)脈-CT肌肉或肌腱）/CT背景噪聲。CTA 檢查的圖像均由具有5 年工作經(jīng)驗(yàn)的兩位醫(yī)師采用盲法閱片。對(duì)診斷不一致的病例進(jìn)行協(xié)商報(bào)告，報(bào)告內(nèi)容包括狹窄部位和分級(jí)。血管分支定義為：膝上動(dòng)脈，包括髂總動(dòng)脈、髂外動(dòng)脈至股淺動(dòng)脈；膝下動(dòng)脈，包括腘動(dòng)脈、脛前動(dòng)脈、脛后動(dòng)脈、腓動(dòng)脈；足背動(dòng)脈。血管狹窄程度定義為：輕度狹窄，狹窄程度＜50%；中度狹窄，50%≤狹窄程度≤75%；重度狹窄或閉塞，75%＜狹窄程度≤100%[13]。

1.4 統(tǒng)計(jì)學(xué)分析

采用SPSS 22.0 統(tǒng)計(jì)學(xué)軟件進(jìn)行數(shù)據(jù)分析。采用Shapiro-Wilk test 和Levene's test 分別對(duì)數(shù)據(jù)進(jìn)行正態(tài)性檢驗(yàn)和方差齊性檢驗(yàn)。非正態(tài)分布的連續(xù)變量用M[P25，P75]表示，組間比較行Mann-WhitneyU檢驗(yàn)。用Kappa 檢驗(yàn)對(duì)兩名醫(yī)師在HIR 和DLIR 圖像的診斷結(jié)果進(jìn)行一致性分析，Kappa＞0.8 為一致性好，0.4≤Kappa≤0.8 為一致性較好，Kappa＜0.4 為一致性較差。以DSA 結(jié)果為“金標(biāo)準(zhǔn)”，分別計(jì)算下肢動(dòng)脈CTA 診斷中度和重度狹窄病變的敏感度、特異性、準(zhǔn)確度，并使用McNemar 檢驗(yàn)來(lái)評(píng)估HIR 組和DLIR 組敏感度和特異性是否存在顯著差異。以P＜0.05 為差異有統(tǒng)計(jì)學(xué)意義。

2 結(jié)果

2.1 下肢動(dòng)脈狹窄患者DSA診斷結(jié)果

51 例患者共計(jì)65 條下肢動(dòng)脈病變，每條下肢動(dòng)脈的3 段動(dòng)脈均取其中狹窄程度最嚴(yán)重的一處病變進(jìn)行分析，其中膝上動(dòng)脈（56.9%）和足背動(dòng)脈（53.8%）以輕度狹窄為主，膝下動(dòng)脈（38.5%）以中度狹窄為主。DSA 檢查結(jié)果如表1 所示。

表1 下肢動(dòng)脈病變患者DSA診斷結(jié)果（例）

2.2 兩種重建算法圖像客觀質(zhì)量評(píng)估比較

與HIR 相比，DLIR 顯著降低了下肢動(dòng)脈各段圖像噪聲（Z膝上動(dòng)脈=8.36，Z膝下動(dòng)脈=9.46，Z足背動(dòng)脈=7.19，均P＜0.001），改善范圍為25.9%～34.6%。相應(yīng)地，SNR 提高了43.8%～53.3%（Z膝上動(dòng)脈=-7.32，Z膝下動(dòng)脈=-7.91，Z足背動(dòng)脈=-8.45，均P＜0.001），CNR 提高了38.9%～53.3%（Z膝上動(dòng)脈=-8.66，Z膝下動(dòng)脈=-9.21，Z足背動(dòng)脈=-8.52，均P＜0.001），見表2、圖1～2。

圖1 下肢動(dòng)脈狹窄患者HIR圖像（a）和高強(qiáng)度DLIR圖像（b）

表2 兩種重建算法圖像客觀質(zhì)量評(píng)估比較{M[P25，P75]}

2.3 觀察者間一致性分析

Kappa 檢驗(yàn)報(bào)告了兩種重建算法均具備醫(yī)師間良好的觀察一致性，但DLIR 的觀察者間一致性（Kappa=0.86）仍高于HIR（Kappa=0.75）。對(duì)于不同的局部解剖部位，HIR 與DLIR 的觀察者間一致性如下：膝上動(dòng)脈（0.82vs. 0.91）、膝下動(dòng)脈（0.76vs. 0.85）、足背動(dòng)脈（0.71vs. 0.84）。

2.4 下肢動(dòng)脈病變的診斷效能分析

與HIR 相比，DLIR 的圖像對(duì)膝下動(dòng)脈重度狹窄的敏感度（72.2%vs. 94.4%）、特異性（78.7%vs. 95.7%）；足背動(dòng)脈中度狹窄的特異性（86.0%vs. 97.7%）及重度狹窄的敏感度（50.0%vs. 87.5%）均顯著提高（P＜0.05）；膝上動(dòng)脈及膝下動(dòng)脈中度狹窄、膝上動(dòng)脈重度狹窄的診斷效能無(wú)顯著差異（P＞0.05），見表3。

表3 兩種算法對(duì)CTA重建后診斷下肢動(dòng)脈重度狹窄的效能比較[%，（n/N）]

3 討論與結(jié)論

本研究在深度學(xué)習(xí)算法的醫(yī)學(xué)應(yīng)用、醫(yī)師診斷效能以及降低輻射劑量方面具有顯著創(chuàng)新性。相較于既往手動(dòng)、效率低下的圖像處理算法，深度學(xué)習(xí)模型依靠其強(qiáng)大的特征學(xué)習(xí)能力，對(duì)圖像特征進(jìn)行高級(jí)提取和優(yōu)化，極大增強(qiáng)了圖像的對(duì)比度、清晰度和精確性[14]。這一優(yōu)勢(shì)尤其適用于處理下肢動(dòng)脈這類具有復(fù)雜血管結(jié)構(gòu)和噪聲干擾的圖像。其次，伴隨著下肢動(dòng)脈CTA 圖像質(zhì)量的優(yōu)化，醫(yī)師的診斷效能也得到了提升。醫(yī)學(xué)圖像在下肢動(dòng)脈病變的診斷中扮演著關(guān)鍵角色，而圖像質(zhì)量更是直接影響著醫(yī)師對(duì)病變的準(zhǔn)確診斷和治療規(guī)劃。深度學(xué)習(xí)增強(qiáng)的圖像使醫(yī)師能夠更容易識(shí)別和定位病變部位，從而有效減少誤診和漏診風(fēng)險(xiǎn)。最重要的是，這一算法的應(yīng)用降低了圖像對(duì)對(duì)比劑的依賴性，有助于降低患者的輻射暴露和不良反應(yīng)風(fēng)險(xiǎn)，對(duì)于需要長(zhǎng)期接受多次檢查和腎功能損害的患者至關(guān)重要。深度學(xué)習(xí)算法通過(guò)減少圖像噪聲，有望在保持圖像質(zhì)量的前提下減少輻射劑量和碘劑使用。

通過(guò)在下肢動(dòng)脈CTA 的圖像處理中引入深度學(xué)習(xí)算法，客觀圖像質(zhì)量得到了顯著提升。相應(yīng)地，醫(yī)師間對(duì)于同一病例的診斷也更為一致。這是基于先進(jìn)算法優(yōu)化后提供了更精準(zhǔn)的圖像[15]，而非圖像美化后病變失真造成的誤診一致。在此基礎(chǔ)上，本文針對(duì)優(yōu)化前造成CTA 病變部位誤診或漏診的病例進(jìn)行了詳細(xì)分析，與DSA 的診斷分歧總是表現(xiàn)為過(guò)度評(píng)價(jià)或評(píng)價(jià)不足。圖像中密集鈣化血管常表現(xiàn)出高衰減特性，其衍生的暈染效應(yīng)及硬化偽影可能是高估的根本原因。既往研究利用雙能量CT 測(cè)量不同能量下的圖像特征來(lái)區(qū)分鈣化和非鈣化組織，并在后處理中可減去血管壁中含有鈣的體素[16]。然而，設(shè)備成本高、技術(shù)復(fù)雜、適用范圍有限、操作依賴性強(qiáng)等缺點(diǎn)限制了其臨床應(yīng)用[17]。另一方面，組織中的小血管因受部分容積效應(yīng)的影響，狹窄區(qū)域的密度被扭曲則可能會(huì)造成低估。對(duì)于假陰性病例，這樣的影響在圖像中會(huì)呈現(xiàn)出模糊的特征，從而導(dǎo)致漏診。雖然延遲掃描時(shí)間、減小體素尺寸或使用較小的層厚等方案可緩解這些不良影響，但受試者無(wú)法避免地接受更多的輻射劑量。對(duì)于假陽(yáng)性病例，其中一部分是圖像中的運(yùn)動(dòng)偽影引起的。盡管本研究在DLIR-CTA 中進(jìn)行了針對(duì)高流速血液的對(duì)比度優(yōu)化，但在某些情況下，仍可能出現(xiàn)運(yùn)動(dòng)偽影，導(dǎo)致狹窄區(qū)域的誤判。本研究構(gòu)建的DLIRCTA 能有效應(yīng)對(duì)上述多樣化的圖像質(zhì)量問(wèn)題，包括在常規(guī)降低噪聲，改善SNR 的基礎(chǔ)上，增強(qiáng)了脈管內(nèi)外和小血管邊緣的對(duì)比度；減弱甚至去除鈣化偽影；以及對(duì)空間分辨率進(jìn)行重建改善。

首先，本研究展示了DLIR 技術(shù)在醫(yī)學(xué)圖像處理中的成功應(yīng)用。在處理類似的醫(yī)學(xué)圖像中的噪聲、對(duì)比度下降等問(wèn)題時(shí)，可以通過(guò)引入深度學(xué)習(xí)模型來(lái)輔助客觀圖像質(zhì)量提升。其次，針對(duì)鈣化偽影這類醫(yī)學(xué)圖像中的常見問(wèn)題，可以通過(guò)DLIR 對(duì)大量圖像數(shù)據(jù)的學(xué)習(xí)來(lái)識(shí)別其結(jié)構(gòu)和紋理特征，然后模型自適應(yīng)地將其判別為異常結(jié)構(gòu)并去除，以使圖像更清晰和準(zhǔn)確[18]。最后，小血管邊緣的對(duì)比度增強(qiáng)處理提示了類似的小結(jié)構(gòu)可視化的改善策略。DLIR 模型中包括多個(gè)卷積層，這些層能夠逐漸提取和強(qiáng)化小結(jié)構(gòu)的邊緣特征并進(jìn)行標(biāo)記，以便于將其更清晰地與周圍組織分開[19]。

深度學(xué)習(xí)作為近年來(lái)新興的機(jī)器學(xué)習(xí)方法，已廣泛應(yīng)用于醫(yī)學(xué)領(lǐng)域的輔助診斷、分類、圖像處理等方面。Su 等[20]基于心肌灌注成像的深度學(xué)習(xí)算法對(duì)心肌缺血進(jìn)行輔助診斷；Tian 等[21]利用深度學(xué)習(xí)算法模型超聲內(nèi)鏡圖像實(shí)時(shí)區(qū)分胰腺癌或非胰腺癌病變。本研究是基于深度學(xué)習(xí)在脈管系統(tǒng)圖像處理方面的應(yīng)用，冠狀動(dòng)脈CTA 和主動(dòng)脈CTA 的DLIR 模型應(yīng)用均取得了令人滿意的效果，Koo 等[22]評(píng)估了DLIR 算法在冠狀動(dòng)脈CTA圖像重建的臨床可行性；Heinrich 等[23]證明了在主動(dòng)脈CTA 中DLIR 改善圖像質(zhì)量的能力超過(guò)了目前最先進(jìn)的迭代重建水平，而關(guān)于下肢動(dòng)脈病變CTA 圖像質(zhì)量改善的研究卻鮮有報(bào)道。與其他相關(guān)研究相比，本研究的主要亮點(diǎn)在于借鑒了既往開發(fā)的脈管系統(tǒng)深度學(xué)習(xí)模型經(jīng)驗(yàn)，創(chuàng)新性地將DLIR 引入下肢動(dòng)脈病變的診斷中。這些研究均是以臨床實(shí)際問(wèn)題為導(dǎo)向構(gòu)建的圖像質(zhì)量?jī)?yōu)化算法，以提高醫(yī)師診斷效能和降低患者輻射暴露為目標(biāo)。

本文的研究仍存在以下局限性：① 回顧性收集的病例僅來(lái)源于單中心的醫(yī)療機(jī)構(gòu)，可能會(huì)存在選擇偏倚，未來(lái)需要聯(lián)合多中心研究來(lái)驗(yàn)證DLIR 模型在不同臨床環(huán)境和硬件設(shè)備上的適用性；② 僅考慮各段動(dòng)脈狹窄程度最嚴(yán)重的一處病變，限制了對(duì)動(dòng)脈病變?nèi)驳睦斫狻Ｎ磥?lái)將擴(kuò)展病變?cè)u(píng)估范圍，更全面地了解模型的綜合表現(xiàn)，隨著持續(xù)的模型優(yōu)化和更豐富的訓(xùn)練數(shù)據(jù)，有望進(jìn)一步提升DLIR 模型的性能。