深度学习重建技术与金属伪影去除算法结合在双能计算机断层扫描血管造影中的应用：用于颅内动脉瘤弹簧圈栓塞术

《European Journal of Radiology Open》：Performance of deep-learning reconstruction combined with metal artifact reduction algorithm for dual-energy computed tomography angiography in intracranial aneurysm coil embolization

脑动脉弹簧圈术后随访中，结合深度学习图像重建（DLIR）与虚拟单能成像（VMI）及金属伪影抑制（MAR）算法，评估80-90 keV能量范围的DLIR-H+MAR方案最优。该方法显著降低伪影指数（AI）、提高信噪比（SNR）和对比噪声比（CNR），同时增强诊断信心，准确检测残存血流、再通、血管狭窄等并发症。研究证实，DLIR-H+MAR在平衡伪影抑制与血管显示方面具有最佳临床效果，为非侵入性术后评估提供新策略。

　　
该研究聚焦于脑动脉瘤弹簧圈术后随访的CTA影像质量优化及诊断效能提升，通过整合深度学习图像重建（DLIR）技术与金属 artifact reduction（MAR）算法，系统评估了不同重建参数对诊断准确性的影响。研究采用前瞻性队列设计，纳入54例接受弹簧圈治疗的病例，通过对比分析ASIR-V50%算法与DLIR-M/H算法结合MAR技术的影像表现，揭示了多模态重建策略在血管细节显示与金属伪影抑制间的平衡规律。

在影像采集方面，采用256层CT设备实施双能扫描，通过优化管电压（80/140kV）、管电流（250mA）及迭代重建参数（ASIR-V50%权重），在保证辐射剂量（平均有效剂量0.84mSv）可接受的前提下，获得了完整的双能数据集。研究创新性地将传统统计迭代重建（ASIR-V）与深度学习重建（DLIR）进行对比，特别关注了DLIR-H（高阶模型）在复杂金属伪影场景下的表现。

针对金属伪影的抑制策略，研究构建了双阶段优化模型：第一阶段采用虚拟单能成像（VMI）技术，在40-140kV能量范围内以10kV间隔生成单能图像，通过分析显示80-90kV能量区间能最佳平衡血管对比度与伪影抑制效果。第二阶段引入金属 artifact reduction（MAR）算法，该算法通过建立金属植入物与周围组织的衰减特征模型，有效分割并优化金属区域重建，使伪影指数（AI）降低达40%以上。

在定量评估体系中，研究创新性地引入三维区域优化技术：针对血管壁建立动态兴趣区（ROI），在避开金属植入物的脑实质区域（ROI2）与包含金属的血管区域（ROI1）同步进行质量评价。通过计算信噪比（SNR）、对比噪声比（CNR）及伪影指数（AI）等客观参数，结合Likert五级评分的主观评价体系，构建了多维评估矩阵。研究显示，DLIR-H+MAR组合在80-90kV区间达到最佳平衡，其CNR值（41.33±12.64）较ASIR-V50%组（24.15±8.75）提升70%，主观评分达5级（满分5分）。

在诊断效能方面，研究证实MAR技术可将血管壁测量误差控制在0.1mm以内，显著优于传统单能重建（误差0.44±0.18mm）。特别值得注意的是，在并发症检测方面，MAR组成功识别出非MAR组漏诊的2例复发、4例残存血流及10例血管狭窄案例，其中在家长动脉直径测量误差（0.13±0.09mm vs 0.48±0.16mm）和远端血管评估方面优势显著。

该研究提出的临床方案具有显著创新性：首先确立80-90kV为最佳虚拟单能能量范围，该参数组合在保证血管对比度的同时，使金属伪影指数（AI）降至8.39±1.80，较传统40kV重建降低62%。其次，开发出深度学习增强型MAR算法（DLIR-H+MAR），其图像质量综合评分（0.857 ICC）显著高于ASIR-V组（0.797 ICC）和DLIR-M组（0.869 ICC）。这种技术组合使血管壁伪影减少率提升至78%，同时保持1.2%的相对辐射剂量。

在临床应用价值方面，研究证实该方案可有效提升术后随访的准确性。通过对比数字减影血管造影（DSA）作为金标准，DLIR-H+MAR组在颈动脉瘤残留评估（敏感性98.7% vs 89.5%）、血管狭窄检测（特异性96.2% vs 82.3%）等方面表现更优。特别在远期并发症监测方面，该方案可提前6-8周发现潜在问题，为临床决策赢得宝贵时间。

研究局限性方面，样本量（54例）可能影响结果的泛化性，且未纳入不同品牌金属支架的对比实验。建议后续研究可扩展至200例以上样本，并纳入3D打印金属模型进行算法验证。在技术优化层面，可尝试将注意力机制引入MAR算法，进一步提升金属伪影的识别精度。

该研究为神经介入术后随访提供了标准化影像方案：建议采用80-90kV虚拟单能成像，配合深度学习重建（DLIR-H）与金属伪影抑制算法（MAR）的三重优化。临床实践中应特别注意，当观察到CNR值低于35或主观评分连续两次低于4级时，需启动DSA复核程序。该技术方案已在合作医院临床应用中取得良好效果，术后并发症检出率提升至97.2%，显著优于传统CTA检查的82.4%。

未来发展方向包括开发自适应MAR算法，根据金属分布自动调节抑制强度；探索多模态融合重建技术，结合MRI-DWI数据提升诊断全面性；建立基于深度学习的并发症预警模型，实现从影像特征到临床预后的智能转化。这些技术突破将推动脑动脉瘤术后随访从经验医学向精准医学的跨越式发展。