采用剂量调节和先进重建技术的标准化低剂量计算机断层扫描方案，用于定量肺部成像

《MEDICAL PHYSICS》：Harmonized low-dose computed tomographic protocols for quantitative lung imaging using dose modulation and advanced reconstructions

本研究开发了并验证了采用剂量调制和迭代/深度学习重建的低剂量QCT协议，平均剂量降低54%（范围42%-70%），在保证HU均值、标准差及MTF等关键参数与标准剂量协议一致的前提下，实现了多中心跨品牌CT设备的标准化。分隔符：

　　这项研究致力于开发一种标准化的低剂量定量CT（QCT）肺部成像协议，适用于多个中心和不同制造商的CT设备，旨在减少研究参与者接受的辐射剂量，同时保持定量测量的准确性和精密度。QCT在肺部疾病研究中被广泛应用，尤其是在慢性阻塞性肺疾病（COPD）和哮喘等疾病的多中心临床试验中。然而，连续的QCT扫描仍然可能对患者造成累积性辐射暴露，特别是对于年轻或体弱的群体。因此，研究团队探索了剂量调节和迭代/深度学习重建（IR/DLR）技术，以实现更低的辐射剂量和高质量的图像。

为了验证这些技术的效果，研究使用了一种人体仿生胸部模型，该模型可以模拟人体的尺寸、形状和吸收特性。通过在不同CT系统上测试该模型，研究人员评估了不同剂量调节和重建设置对图像质量的影响。主要的评估指标包括Hounsfield单位（HU）的均值和标准差，用于衡量图像的准确性和噪声水平；调制传递函数（MTF）用于评估图像的分辨率和细节保留能力；以及低密度区域百分比（LAA）作为与临床相关的指标。通过这些指标，研究团队能够比较不同系统在低剂量条件下的表现，并选择最合适的协议以达到辐射剂量的显著减少和图像质量的稳定。

研究结果显示，低剂量协议在所有扫描仪上平均实现了54%的辐射剂量减少，范围在42%至70%之间。这表明，通过剂量调节和先进的图像重建技术，可以显著降低辐射暴露，同时确保测量结果的可靠性。与标准剂量协议相比，低剂量协议在大部分系统上均能保持相似的HU均值和标准差，而MTF值也得到了优化，以防止过度平滑图像细节。例如，在空气和水的测量中，低剂量协议的HU均值与标准剂量协议相比差异较小，说明这些技术能够有效减少图像噪声，同时保持关键测量的准确性。

研究还指出，某些系统在低剂量条件下表现优于其他系统。例如，Siemens SOMATOM Force系统的低剂量协议实现了高达70%的辐射剂量减少，而GE Discovery CT750 HD系统的CTDIvol值较高，这可能是由于其硬件设计和重建算法的限制。此外，深度学习重建技术在某些系统中表现出色，例如Canon Aquilion Precision系统，它使用了先进的智能清晰度增强引擎（AiCE），这可能有助于减少图像噪声，同时保持较高的图像质量。尽管如此，研究团队强调，所有协议都基于相同的量化标准进行优化，以确保跨中心和跨设备的测量一致性。

在图像质量评估方面，调制传递函数（MTF）是衡量图像分辨率的重要指标。研究显示，低剂量协议在不同方向上的MTF值通常比标准剂量协议更高，说明这些协议在保持图像细节方面表现良好。然而，某些系统如Philips Brilliance iCT的HU标准差较高，表明其在低剂量条件下可能存在更多的图像噪声。这提示在选择和应用低剂量协议时，需要根据具体设备的性能进行调整，以达到最佳的图像质量和辐射剂量平衡。

研究还强调了量化指标在多中心研究中的重要性。通过使用人体仿生胸部模型，研究人员能够确保不同设备在相同条件下进行测试，从而减少因设备差异导致的测量偏差。此外，研究团队开发了一套专门的分割软件（Pulmonary Analysis Software Suite, PASS），用于自动识别和测量感兴趣区域，确保不同设备之间的测量结果具有可比性。这种标准化的图像分析流程有助于提高研究的可重复性和数据的可靠性。

研究还探讨了不同CT设备在低剂量协议下的表现差异。例如，某些设备在低剂量设置下能够保持较低的HU标准差，而其他设备则需要更高的剂量才能达到相似的图像质量。这表明，尽管低剂量协议的目标是减少辐射暴露，但不同设备的技术差异仍然会影响最终的测量结果。因此，研究团队建议在多中心研究中尽可能使用相同型号和软件版本的CT设备，以确保数据的一致性。

此外，研究还指出，未来随着CT技术的进一步发展，如光子计数探测器（PCCT）的出现，可能会有更低剂量的协议实现。PCCT技术结合量子迭代重建（QIR）可能在保持图像质量的同时，将辐射剂量降低至1 mGy左右。这为未来的低剂量QCT研究提供了新的方向和可能性。

综上所述，这项研究为多中心QCT肺部成像协议的标准化提供了重要的参考。通过剂量调节和迭代/深度学习重建技术的结合，研究人员成功开发出一系列低剂量协议，能够在减少辐射暴露的同时保持测量的准确性和精密度。这些协议不仅适用于当前的CT设备，也为未来的技术进步奠定了基础，有助于推动QCT在临床试验和多中心研究中的广泛应用。