引用本文：刘昊喆, 陈钰, 苏童, 等. 深度学习重建在低剂量颅脑CT灌注的研究[J]. 影像诊断与介入放射学,2024,33(1):18-24.
深度学习重建在低剂量颅脑CT灌注的研究
刘昊喆 陈钰 苏童 王彦玲 徐敏 王剑 金征宇
基金项目：国家自然科学基金支持（82001814）；中央高水平医院临床科研业务费资助（2022-PUMCH-B-068）
作者单位：100730 北京，中国医学科学院 北京协和医学院 北京协和医院放射科（刘昊喆、陈钰、苏童、王彦玲、金征宇）；100015 北京，佳能医疗系统（中国）有限公司（徐敏、王剑）
通信作者：金征宇，Email: jinzy@pumch.cn
【摘要】目的 评价基于低辐射剂量的深度学习重建（DLR）算法颅脑CT灌注（CTP）的灌注参数及动脉峰值期图像质量，与常规辐射剂量的混合迭代重建（HIR）进行比较。方法 回顾性搜集疑似或已有缺血性脑卒中的60例连续病例并分为两组（A组和B组），每组30例。A组采用常规剂量进行颅脑CTP扫描，使用HIR获得三维自适应迭代剂量降低（AIDR 3D）序列，并命名为AIDR-R；B组采用低剂量头灌注序列扫描，使用剂量长度乘积（DLP）重建得到AiCE序列（AiCE-L），同时使用HIR获得AIDR 3D序列（AIDR-L）。对3个灌注序列（AIDR-R、AIDR-L、AiCE-L）分别重建灌注参数：脑血流量（CBF）、脑容量（CBV）及平均通过时间（MTT）。比较三个序列灌注参数的差异。分别选取3个灌注序列的动脉峰值期图像，测量半卵圆中心、颈动脉虹吸段、基底动脉及脑干的CT值、标准差（SD）值，计算半卵圆中心、颈内动脉虹吸段、基底动脉及脑干的信噪比（SNR），颈内动脉虹吸段及基底动脉的对比噪声比（CNR）。同时比较AIDR-R、AIDR-L、AiCE-L序列的额叶、颞叶、枕叶及基底节供血区CBF、CBV及MTT中位数的差异，以及比较AIDR-L、AiCE-L灌注序列在额叶、颞叶、枕叶、基底节区的动脉峰值图像的CT值、SD值、SNR及CNR值。结果 AIDR-R及AiCE-L在额叶、颞叶、枕叶、基底节区的CBF和CBV值均无统计学差异（P>0.05）。AiCE-L序列在额叶、颞叶、枕叶、基底节区的MTT值均高于AIDR-R序列（4.03±0.61比4.56±0.84、4.18±0.68 比4.76±0.87、4.21±0.62比4.79±0.82、4.05±0.68比4.65±0.91，单位s）（P<0.001）。与AIDR-R动脉峰值期图像比较，AiCE-L序列在半卵圆中心及脑干的CT值低于AIDR-R[脑干（47.18±4.11）HU比（50.62±5.17）HU、半卵圆中心（40.93±4.64）HU比（47.96±4.11）HU]（P<0.05）。AiCE-L序列在颈内动脉虹吸段及基底动脉SD值低于AIDR-R[颈内动脉虹吸段（9.62±4.83）HU比（9.85±3.46）HU、基底动脉（9.95±4.96）HU比（11.08±4.62）HU]（P<0.05），CT值、SNR及CNR无显著差异（P>0.05）。结论 与正常辐射剂量的HIR相比，低辐射剂量组DLR的CBF和CBV参数无统计学差异。DLR可以降低低辐射剂量的颅脑CTP图像动脉峰值期的SD值，提高图像质量，达到与常规剂量HIR相似的结果。
【关键词】深度学习；体层摄影术，X线计算机；灌注；辐射剂量
