超分辨率深度学习重建技术在儿童先天性心脏病自由呼吸CTA中的心内结构可视化增强研究

为解决自由呼吸状态下儿童先天性心脏病(CHD)CT血管成像(CCTA)心内结构显示不佳的难题，研究人员创新性应用超分辨率深度学习重建(SR-DLR)技术，在91例1-10岁患儿中证实：相比传统深度学习重建(C-DLR)和混合迭代重建(HIR)，SR-DLR显著降低图像噪声(SD)、提升信噪比(SNR)和对比噪声比(CNR)(p<0.05)，对多孔型房间隔缺损(ASD)检出灵敏度达85.71%，为复杂先心病诊断提供新范式。

　　

这项突破性研究揭示了超分辨率深度学习重建(SR-DLR)技术在儿科心脏成像领域的革命性应用。针对1-10岁先天性心脏病(CHD)患儿在自由呼吸状态下进行的心脏CT血管成像(CCTA)，研究团队系统比较了SR-DLR、常规深度学习重建(C-DLR)和混合迭代重建(HIR)三种算法的性能。

令人振奋的是，SR-DLR展现出压倒性优势：病灶半高宽达9.50±6.44mm，显著优于其他方法(p<0.001)。在左心室、左心房等关键区域，其标准偏差(SD)降低幅度与信噪比(SNR)提升幅度均具有统计学意义。更惊艳的是，对于诊断难度极高的多孔型房间隔缺损(ASD)和室间隔缺损(VSD)，SR-DLR的检测灵敏度分别达到85.71%和100%，远超传统方法20%以上的差距。

该技术突破使得CCTA的诊断准确率飙升至99.12%，阴性预测值提升65.71%，几乎达到超声心动图的诊断水准。这些发现为儿科心脏影像学树立了新标杆，特别是为复杂心内畸形的精确诊断提供了强有力的工具，有望显著降低先心病患儿的漏诊率。