基于深度学习的40 keV虚拟单能量CT技术在结肠癌成像中的应用：图像质量与边缘清晰度的评估

《Abdominal Radiology》：Deep learning reconstruction for 40-keV virtual monoenergetic CT of colon cancer: evaluation of image quality and edge sharpness

虚拟单能CT图像质量提升研究显示，高强度深度学习重建（DLIR-H）在40 keV结肠癌成像中显著降低噪声并提高对比噪声比（CNR达5.4±2.2），同时保持边缘清晰度（ERD稳定在2.5mm），主观评分显示其优于传统ASIR-V方法。

　　

摘要

背景

40 keV的虚拟单能量成像（VMI）技术能够改善结肠癌CT中的碘衰减效果，但受到严重图像噪声的限制。深度学习图像重建（DLIR）技术可能有助于解决这一问题，但其对多个目标区域解剖边缘保持的影响仍需进一步研究。

目的

评估DLIR技术对40 keV VMI在结肠腺癌诊断中的客观和主观图像质量的影响，重点关注降噪与边缘清晰度之间的权衡。

方法

在这项已完成的回顾性研究中（患者招募时间：2024年5月至2025年2月），60名确诊为结肠腺癌的患者（平均年龄62.8岁±15.1岁，其中34名为男性）接受了低碘剂量（1.0 mL/kg）的双能量CT检查。门静脉期数据分别使用自适应统计迭代重建-V（ASIR-V）50%、中等强度DLIR（DLIR-M）和高强度DLIR（DLIR-H）技术在40 keV下进行重建。研究人员测量了包括对比度噪声比（CNR）、边缘上升距离（ERD）和边缘上升斜率（ERS）在内的客观指标。两名放射科医生独立使用5点李克特量表对包括区域淋巴结可视化在内的五个定性指标进行了评分。

结果

与DLIR-M和ASIR-V 50%相比，DLIR-H在所有解剖目标区域的图像噪声最低，CNR最高（所有P<0.001）。对于结肠肿瘤，DLIR-H的CNR（5.4±2.2）比ASIR-V 50%高80%（3.0±1.1，P<0.001）。尽管ASIR-V 50%的ERS值高于DLIR-H（中位数分别为108.3 HU/mm和101.5 HU/mm，P<0.001），但所有算法的ERD值均保持高度稳定（中位数均为2.5 mm，成对比较P>0.05）。在主观评价中，DLIR-H在整体图像质量和区域淋巴结可视化方面的得分最高（中位数分别为5.0和4.5，而ASIR-V 50%分别为3.0，所有P<0.001）。

结论

在40 keV的结肠癌虚拟单能量CT中，DLIR-H显著提升了肿瘤、血管和淋巴结的客观和主观图像质量。虽然存在轻微的边缘平滑效果，但DLIR-H在强大的噪声抑制能力和解剖结构清晰度之间实现了最佳平衡。尽管这些发现表明DLIR技术有助于实现低碘剂量的成像方案，但仍需未来的诊断准确性试验来验证其真正的临床效果。