深度学习图像重建在胸部CT成像中的临床价值——一项系统评价

《Clinical Radiology》：Clinical value of Deep learning image reconstruction in Chest CT imaging – A systematic review

胸部CT深度学习图像重建（DLIR）诊断价值系统综述。纳入13项研究，DLIR较传统IR/FBP显示更高敏感性（96.9%）、AUC（0.97-1.0 vs 0.91-0.97）、观察者间一致性（κ达0.992），同时实现97%剂量降低及重建时间缩短。证实DLIR在维持诊断质量前提下提升CT检查效率的潜力，但需更多大规模研究验证临床应用效果。

　　

Chandran M. Obhuli|Saikiran Pendem|S. Abhijith|Rajagopal Kadavigere|Priyanka|P.S. Priya|Cijo Chacko

印度马尼帕尔高等教育学院马尼帕尔健康职业学院医学影像技术系，邮编576104

摘要

背景

计算机断层扫描（CT）在胸部成像中起着核心作用，但在降低辐射剂量的同时保持诊断图像质量仍是一个挑战。滤波反投影（FBP）会产生较高的噪声，而迭代重建（IR）虽然能减少噪声，但在低剂量下会改变图像纹理。深度学习图像重建（DLIR）能够在抑制噪声的同时保留图像细节，但其在中枢CT中的诊断性能仍不明确。本综述旨在评估DLIR在中枢CT成像中的临床诊断价值。

材料与方法

根据PRISMA指南（PROSPERO注册）进行了系统评价。检索了PubMed、Embase、Scopus、Web of Science、IEEE和Cochrane Library等数据库中关于DLIR与IR/FBP在胸部CT中应用的研究。符合条件的研究需包含人类参与者，并报告诊断结果或图像质量数据。使用QUADAS-2工具对研究质量进行评估。由于结果存在异质性，通过效应方向图和符号检验对结果进行了定性综合分析。

结果

在1,967条记录中，有13项研究符合纳入标准。与IR/FBP相比，DLIR显示出更优的诊断性能：在结节检测方面敏感性更高（最高可达96.9%），肺纹理分析的AUC值也有所提高（0.97–1.0 vs. 混合IR的0.91–0.97），并且在ILD模式分类上的观察者间一致性更强（κ值最高可达0.992）。DLIR还实现了显著的剂量降低（最高可达97%），同时重建速度更快，并保持了诊断的一致性。

结论

与FBP/IR相比，DLIR的诊断性能非劣于甚至优于后者，这支持了其在常规胸部CT中的应用。大规模研究对于明确其对患者结果的影响并指导临床实践仍具有重要意义。