深度学习重建超低剂量脑CT在颅内出血检测中的应用：与常规剂量CT的图像质量与诊断效能对比

《BMC Medical Imaging》：Detection of intracranial hemorrhage using ultralow-dose brain computed tomography with deep learning reconstruction versus conventional-dose computed tomography

本研究针对脑部CT检查中辐射剂量与图像质量的平衡难题，探讨了深度学习重建（DLR）技术在超低剂量脑CT中的应用。研究人员通过对比超低剂量DLR、超低剂量迭代重建（IR）和常规剂量CT方案，证实DLR技术在将辐射剂量降低约87.7%（CTDIvol从35.02 mGy降至5.6 mGy）的同时，显著提升图像质量（噪声降低2.66倍，SNR和CNR提升2倍以上），并实现颅内出血检测的高灵敏度（99.3%）和特异性（97.5%），为临床安全开展重复脑部CT监测提供了重要技术支撑。

　　

在急诊医学和神经外科领域，非增强计算机断层扫描（CT）已成为诊断颅内出血等急症的首选影像学方法。然而，对于需要反复进行CT检查的患者——如监测出血进展、术后评估或治疗效果跟踪——累积辐射暴露带来的潜在风险不容忽视。研究表明，高剂量辐射与白内障、癌症风险增加以及DNA损伤等不良反应密切相关。特别是在年轻患者中，如何在不影响诊断准确性的前提下最大限度地降低辐射剂量，一直是临床实践中的重要挑战。

传统的降低辐射剂量方法包括降低管电压、减少管电流、缩短扫描时间等，但这些措施往往以牺牲图像质量为代价。颅骨结构对X射线的高衰减特性使得低剂量脑CT图像更容易出现噪声增加、信噪比（SNR）下降等问题，可能影响对细微出血病灶的识别。迭代重建（IR）技术在一定程度上改善了这一困境，允许在降低18%-66%辐射剂量的情况下保持可接受的图像质量。然而，当剂量进一步降低至超低水平（如7.6 mGy）时，即使是IR技术也难以保证对颅内出血的可靠检测。

近年来，深度学习重建（DLR）算法的出现为突破这一技术瓶颈带来了新的希望。与传统的IR技术不同，DLR通过深度卷积神经网络训练，能更有效地区分信号与噪声，在显著降低图像噪声的同时提高SNR和对比噪声比（CNR）。尽管DLR已在其他影像学领域展现出优势，但其在超低剂量脑CT中检测颅内出血的应用价值尚未得到充分验证。

为此，研究人员开展了一项回顾性研究，比较了超低剂量CT结合DLR、超低剂量CT结合IR以及常规剂量CT在检测颅内出血方面的表现。研究纳入了93名患者，每位患者均接受了常规剂量CT扫描和随访超低剂量CT扫描。通过定量测量图像噪声、SNR、CNR等指标，以及两名经验丰富的神经放射科医师的定性评估，全面分析了三种方案的图像质量和诊断性能。

本研究主要采用了以下几项关键技术方法：使用320排和192排多探测器CT扫描仪；设定超低剂量扫描参数（管电压120 kVp，管电流50 mA）；应用深度学习重建算法（佳能医疗系统的AiCE）和混合迭代重建算法（AIDR-3D）进行图像处理；通过放置感兴趣区域（ROI）定量测量图像噪声、SNR和CNR；由两名神经放射科医师采用五分量表进行盲法图像质量评估；以常规剂量CT为金标准，计算超低剂量方案的诊断灵敏度、特异性等指标。

辐射剂量

超低剂量CT方案实现了显著的剂量降低。与常规剂量CT（中位CTDI_vol为35.02 mGy）相比，超低剂量CT的中位CTDI_vol仅为5.6 mGy，降幅达84.0%。剂量长度乘积（DLP）从733.2 mGy·cm降至90.1 mGy·cm，降幅为87.7%。有效剂量相应从1.69 mSv减少至0.21 mSv，为患者带来了实质性的辐射安全获益。

定量图像质量

DLR技术在图像质量优化方面表现卓越。超低剂量CT结合DLR的图像噪声显著低于其他两种方案：在脑脊液（CSF）中，DLR的图像噪声（2.11）仅为IR方案（5.62）的37.5%，常规剂量CT（4.15）的50.8%。在白质（WM）和灰质（GM）的测量中也观察到类似趋势。同时，DLR方案的SNR和CNR均显著优于其他方案：白质SNR从IR方案的5.92提升至DLR方案的12.8，灰质SNR从7.65提升至21.2。这些定量指标的改善为更清晰的解剖结构显示和病变检测奠定了基础。

定性图像质量

两名放射科医师的独立评估显示，三种方案在整体图像质量、图像噪声、灰白质分界和伪影方面均无统计学显著差异。虽然定量分析表明DLR在噪声抑制方面具有明显优势，但临床读片体验表明，即使是超低剂量方案也能提供满足诊断需求的图像质量。评估者间一致性为中等水平（ICC=0.463），表明评估结果具有可接受的可重复性。

诊断性能

在检测颅内出血方面，超低剂量CT结合DLR展现了优异的诊断效能。汇总两位读片者的结果显示，DLR方案的灵敏度为99.3%，特异性为97.5%，略优于IR方案（灵敏度98.6%，特异性97.5%）。这一结果表明，即使在大幅降低辐射剂量的情况下，DLR技术仍能保持对颅内出血的高检测能力，甚至在某些指标上超越常规剂量CT。

研究结论强调，超低剂量CT结合DLR技术在检测颅内出血方面不劣于常规剂量CT，同时实现了约87.7%的辐射剂量降低。这一突破性进展对临床实践具有重要意义：首先，它为需要反复进行脑部CT检查的患者提供了更安全的影像学监测方案，特别有利于年轻患者和需要长期随访的病例；其次，DLR技术优异的噪声抑制能力和对比度提升，有助于发现更细微的出血病灶和周围水肿带，提高诊断准确性；最后，该研究为在其他影像学领域推广超低剂量扫描方案提供了重要参考。

值得注意的是，DLR技术在不同厂商间的实现方式存在差异。佳能医疗系统的AiCE算法以常规剂量全模型迭代重建图像为训练基准，而其他厂商的DLR算法多采用滤波反投影图像作为参考标准。这种技术路线的差异可能导致不同系统间的性能表现有所不同，需要在后续研究中进一步比较验证。

尽管本研究取得了令人鼓舞的结果，但仍存在一些局限性。样本量相对较小且为回顾性设计，可能影响结果的普遍适用性。研究仅评估了50 mA的固定管电流设置，未探索更低剂量条件下的表现。所有数据均来自单一厂商的扫描设备，在不同厂商设备间的可移植性尚需验证。未来研究可进一步探讨更低的辐射剂量阈值、不同DLR强度设置的影响，以及超低剂量方案在各类颅内出血亚型检测中的特异性表现。

总之，这项发表于《BMC Medical Imaging》的研究证实，深度学习重建技术能够突破传统低剂量CT的技术限制，在将辐射剂量降低至超低水平的同时，保持甚至提升图像质量和诊断性能。这一技术进步为临床实践提供了更安全、有效的脑部影像学检查方案，代表了放射学技术发展的重要方向。