基于深度学习的心脏CT去噪技术：对图像质量、钙化评分的互操作性以及报告流程的影响

《Frontiers in Radiology》：Deep learning-based denoising in cardiac CT: effects on image quality, calcium scoring interchangeability, and reporting workflow

　　摘要
目的：缺血性心脏病是全球主要的健康负担，需要及时诊断。尽管冠状动脉钙化（CAC）评分和冠状动脉计算机断层扫描血管造影（CCTA）是宝贵的工具，但图像噪声可能会扭曲评估结果。基于深度学习的去噪（DLD）算法可能提高图像质量，但它们对心脏CT工作流程的影响仍不清楚。本研究评估了DLD对CAC和CCTA图像质量、临床可互换性和工作流程效率的影响，并与迭代重建（IR）进行了比较。

材料与方法：对来自同一CT扫描仪的100名患者的CAC和CCTA扫描进行了回顾性分析。IR和DLD重建产生了400个数据集，由两名放射科医生使用半定量评分系统进行评分。测量了客观指标（CT数值稳定性、噪声、对比度噪声比）。还评估了临床可互换性和工作流程效率。

结果：DLD显示的整体图像质量显著高于IR（p<0.001），同时保持了CT衰减并改善了噪声和对比度噪声比（CNR）。尽管两种重建方法在心脏年龄分类上没有差异，但在手动校正前IR的Agatston评分显著较高（p<0.001）。手动校正后，IR和DLD的Agatston评分没有显著差异（p≥0.158），支持这两种方法得出的临床指标具有临床可比性。DLD还减少了手动校正时间（p<0.001）。

结论：所研究的DLD算法提高了图像质量和放射学工作流程，从而可能改善了患者的整体护理。主要限制包括回顾性单中心设计和图像质量评估中的固有主观性；因此，应在具有更客观指标的前瞻性研究中确认这些发现。

引言
缺血性心脏病是全球主要的健康负担，因此早期识别风险因素和症状至关重要（1）。胸痛是潜在冠状动脉疾病的关键指标，通常会促使人们寻求医疗护理。不幸的是，许多患者直到症状明显时才咨询医生，而这往往与冠状动脉狭窄的发展相吻合——这种情况可能需要侵入性干预（2）。对于那些术前需要侵入性干预的概率较低到中等的症状患者，排除冠状动脉狭窄是必不可少的（3）。冠状动脉钙化评分（CAC）和冠状动脉计算机断层扫描血管造影（CCTA）为慢性、稳定型胸痛患者提供了有价值的非侵入性替代方案。CAC和CCTA在排除冠状动脉钙化和狭窄方面表现出色，使用如Agatston评分和心脏年龄评估等工具（4-6）。虽然有效，但图像噪声会负面影响CAC和CCTA的图像质量，使临床评估更加困难（7）。幸运的是，深度学习算法的最新进展在噪声减少方面显示出希望（8, 9）。尽管基于深度学习的去噪（DLD）在图像噪声减少和定量图像质量指标改善方面表现出色，但仍需考虑一些方法学和感知上的限制。据报道，图像纹理发生了变化，有时与传统迭代重建图像相比，会导致图像显得均匀或人造。此外，理论上担心过度抑制噪声可能会导致精细解剖结构的部分平滑，从而影响对比度细节，并可能影响对细微发现的诊断信心。先前对基于深度学习的重建技术的研究强调了保持纹理和忠实表示解剖细节的重要性。因此，有必要对DLD的利弊进行批判性评估，以确保图像质量的提高不会以牺牲诊断相关信息为代价。

然而，基于深度学习的去噪对全剂量CCTA图像质量和放射学工作流程的实际影响仍有待充分探索。因此，我们旨在评估基于深度学习的去噪算法与已建立的先进建模迭代重建（IR）技术相比，如何影响CAC和CCTA，特别是在主观和客观图像质量参数以及放射学工作流程效率方面。我们假设DLD算法可以通过提高图像质量和简化放射学工作流程来帮助改善患者护理。

材料与方法
研究设计和患者群体
这项单中心、回顾性的单机构研究获得了当地机构审查委员会的批准，并免除了知情同意的要求（#167/2022BO2）。该研究遵循了《赫尔辛基宣言》（1964年，2013年修订）的伦理标准。使用G*Power软件解决方案（版本3.1.9.7，Franz Faul，德国基尔大学）进行了预先的功率分析，确定所需样本量为100名患者（f=0.18，α=0.05，1?β=0.95）。我们评估了2021年1月1日至2022年1月1日期间来自同一扫描仪的所有CT扫描的资格。第一步，排除了在此时间范围内接受非CAC和CCTA扫描的所有患者（“无心脏CT”）。第二步，仅纳入了最近的100名CAC和CCTA患者，并排除了任何额外的CAC和CCTA患者（“多余数据”）。从这100名患者中，我们收集了他们在检查时的性别、身高和体重信息。我们根据他们的身高和体重计算了体质指数（BMI，单位为kg/m2）。此外，还使用DoseM?剂量管理软件（Infinitt Europe GmbH，德国法兰克福）提取了患者的CTDIvol（计算机断层扫描剂量指数，单位为mGy）、DLP（剂量-长度乘积，单位为mGy*cm）以及SSDE（特定尺寸剂量估计，单位为mGy）。

图像采集和重建参数
所有图像均使用同一第三代多探测器双源CT扫描仪（SOMATOM Force；Siemens Healthineers，德国埃尔兰根）进行采集。所有患者均采用头部朝前的仰卧姿势。在成像前进行了心电图和超声心动图检查。对于没有禁忌症且心率超过60 bpm的患者，给予了美托洛尔。对于CAC评分，使用了非对比增强扫描（120 kV，60 mAs，3.2 pitch）。

CCTA协议的选择基于心率：对于心率低于60 bpm的常规患者，采用超快速闪光模式；对于心率在60–75 bpm的常规患者，采用步进式扫描并配合前瞻性ECG门控（70%–80%舒张期）；对于心率较高或不规则的患者，采用螺旋扫描并配合回顾性ECG门控。所有没有禁忌症的患者在CCTA扫描前均接受了舌下硝酸甘油。CCTA扫描使用了Imerone 400（Bracco，意大利米兰）作为造影剂，通过10 mL的测试剂量估计了造影剂的到达时间。在检查过程中，通过自动注射器（CT Stellant，Medrad，美国印第安诺拉）以3 mL/s的流速注射了60 mL造影剂和50 mL生理盐水。图像采集采用了自动电压和电流调制（CARE Dose 4D；70–120 kV，参考值110 kV），层厚为0.6 × 192 mm，机架旋转时间为0.25秒。闪光模式和螺旋模式均使用3.2的pitch，步进式扫描使用Flex 0.25。所有协议均采用Advanced Modeled Iterative Reconstruction（IR）强度2（ADMIRE，Siemens Healthineers，德国埃尔兰根）进行重建。CAC重建使用了中等软度的核（Sa36），层厚为3 mm，增量为1.5 mm。CCTA数据集使用血管中等软度的核（Bv40）进行重建，层厚为0.75 mm，增量为0.5 mm。此外，所有CAC和CCTA数据集均使用了一种新型的、商业上可用的、与供应商无关的基于深度学习的去噪（DLD）软件解决方案（ClariAce ver 1.0.2，ClariPi Inc.，韩国首尔）进行了后处理，对比度增强和噪声融合设置固定为0。该模型基于U-Net架构的深度卷积神经网络（CNN）。正如Hong等人（11）在验证研究中详细说明的，该模型使用了低剂量模拟数据和高质量目标数据的组合进行训练。这种混合训练方法使网络能够在保持结构边缘的同时有效去除噪声并防止过拟合。

主观图像质量比较
一个与主观图像质量评估无关的研究小组成员为每个数据集（CAC，CCTA）和系列（IR，DLD）创建了所有可能的数据集组合，包括排列组合（每个数据集2种组合，每个患者4种组合）。两名具有不同心脏CT评估经验的放射科医生（评分者1=5年经验，评分者2=8年经验）独立地对所有400个数据集组合的整体主观图像质量进行了评分。所有评分均在盲法和随机强制选择设置下进行，使用免费软件解决方案ViewDex（版本3.0，Angelica，瑞典哥德堡萨尔格伦斯卡大学医院）（12）。每个组合同时显示，参考系列在左侧，评分系列在右侧。每个组合根据与参考数据集的比较结果获得相应分数：较差（-1分）、相等（0分）或优越（1分）。每个系列组合最初显示在纵隔窗口中[水平50 Hounsfield单位（HU），宽度350 HU]。允许对评分进行个别调整。每个数据集和系列的总体图像质量得分平均后，形成了一个可比较的半定量平均主观分数，范围从-1（比较中最差的表现）到1（比较中最好的表现）。

客观图像质量比较
对于客观图像质量评估，所有系列（IR，DLD）按数据集（CAC，CCTA）和患者顺序加载到开源ImageJ发行版FIJI（版本1.53k，Wayne Rasband，美国马里兰州国立卫生研究院-NIH）（13）中。数据集同时加载并在匹配的z轴位置链接，以确保个体内一致性。在每个数据集组（CAC/CCTA）中，使用IR系列手动绘制了三个非重叠的感兴趣区域（ROI），直径为1 cm2，位于椎骨的椎旁肌肉和松质骨的均匀区域。选择这些参考组织是因为它们的CT衰减与心肌和钙化相似。所有ROI均排除了病理和伪影。然后将该ROI传递到相应的DLD系列中，并进行了HU的平均CT数值及其标准差（SD）的测量。HU的SD定义为噪声。此外，我们还计算了松质骨和椎旁肌肉之间的对比度噪声比（CNR）。

临床可互换性和工作流程分析
我们通过比较CAC数据集的IR和DLD系列的Agatston评分（14）和心脏年龄（7）来评估不同系列的临床可互换性。CAC分析使用专用工作站（Siemens Syngo.Via版本vb 60A_HS01，coronary and CAC）半自动进行。所有图像由具有八年CAC评分经验的放射科医生以盲法随机顺序阅读。使用130 HU的阈值自动识别钙化，并在必要时进行手动校正。在手动校正前后自动计算了心脏年龄、Agatston评分值和风险评分组。测量了两种系列（IR，DLD）的手动校正时间，以分析潜在的工作流程优势。

统计分析
使用GraphPad Prism版本9.4（GraphPad Software，美国加利福尼亚州圣地亚哥）进行标准假设检验和数据可视化。使用Python（v3.x）和PyMC、ArviZ库进行了高级贝叶斯建模。我们使用Shapiro–Wilk检验评估数据分布，将正态分布的数据表示为均值±SD，非正态分布的数据表示为中位数和IQR。使用Greenhouse-Geisser（用于球形性违反）和Holm-?ídák校正（用于多重比较中的第一类错误）进行了混合效应模型。主观图像质量比较将每个患者的数据集（CAC，CCTA）和系列（IR，DLD）组合视为重复测量。同样，我们将数据集和系列之间的CT值、噪声水平和对比度噪声比视为重复测量。计算效应大小以量化观察到的差异幅度：参数比较使用Cohen's d，非参数比较使用效应大小r(r=|Z|√N)（Wilcoxon符号秩检验）。

为了稳健地评估临床可互换性和工作流程可靠性，我们采用了贝叶斯高斯-Copula概率一致性模型。该方法在潜在的高斯空间中对配对测量（例如IR vs. DLD）的依赖结构进行建模，以估计实际等效的概率（pδ）在定义的容忍度（δ=0.2）内。我们报告了后验平均一致性概率和95%的最高密度区间（HDI）。

结果
初步数据库搜索显示，2021年1月1日至2022年1月1日期间，同一第三代双源扫描仪产生了7775张CT图像。根据我们的预定义标准排除后（n=7,675），我们纳入了100名患者（平均年龄60±11岁，平均BMI 27±3；30名女性）。在我们的队列中，没有患者接受过多次心脏CT检查。有关我们研究人群的更多详细信息，请参见表1。图1是研究过程和患者招募的流程图。表1列出了各组的变量、测量值和所使用的协议。

**协议1** | **协议2** | **协议3**
|---------|---------|---------|
| 总体 | 女性 | 男性 | 总体 | 女性 | 男性 | 总体 | 女性 | 男性 | 总体 |
| GroupVariable | MeasureValue | Protocol1 | Protocol2 | Protocol3 |
|---------|---------|---------|---------|---------|---------|---------|---------|---------|
| n | 15 | 35 | 50 | 10 | 20 | 30 | 51 | 20 | 30 | 70 |
| Population | age | Mean ± SD | 60 ± 15 | 58 ± 11 | 59 ± 12 | 63 ± 8 | 58 ± 12 | 60 ± 11 | 64 ± 6 | 63 ± 12 |
| | | | | | | | | | |
| kg | Mean ± SD | 74 ± 8 | 78 ± 8 | 77 ± 9 | 81 ± 7 | 75 ± 10 | 82 ± 5 | 87 ± 8 | 88 ± 8 |
| | | | | | | | | |
| cm | Mean ± SD | 169 ± 11 | 172 ± 11 | 171 ± 11 | 172 ± 12 | 176 ± 10 | 174 ± 11 | 166 ± 13 | 173 ± 10 |
| | | | | | | | | |
| BMI | Mean ± SD | 26 ± 3 | 27 ± 3 | 26 ± 3 | 26 ± 2 | 27 ± 1 | 28 ± 3 | 27 ± 3 | 27 ± 3 |
| Prep 1 | Beta blockers | 0 mg | 81 | 82 | 63 | 81 | 111 | 78 | 123 | 34 |
| | 5 mg | 11 | 11 | 12 | 31 | 14 | 48 | 121 | 32 |
| | 7.5 mg | 11 | 11 | 11 | 12 | 14 | 81 | 15 | 68 | 24 |
| | 10 mg | 46 | 10 | 22 | 24 | 81 | 10 | 22 | 48 |
| | | | | | | | |
| HR | Mean ± SD | 67 ± 4 | 67 ± 5 | 67 ± 5 | 85 ± 9 | 85 ± 8 | 78 ± 9 | 114 | 114 |
| | | | | | | | | |
| Image | kV | 120 | 153 | 55 | 50 | 102 | 30 | 51 | 30 | 70 |
| | mAs | Mean ± SD | 72 ± 4 | 83 | 24 | 80 | 29 | 86 | 28 | 29 |
| | | | | | | | |
| CTDIvol | Mean ± SD | 0.96 ± 0.18 | 1.00 ± 0.19 | 0.99 ± 0.19 | 1.02 ± 0.18 | 1.04 ± 0.16 | 1.03 ± 0.16 | 1.34 ± 0.09 | 1.39 ± 0.14 |
| | | | | | | | | |
| DLP | Mean ± SD | 18.78 ± 3.85 | 19.61 ± 4.28 | 19.36 ± 4.13 | 19.79 ± 3.46 | 20.21 ± 3.08 | 20.07 ± 3.16 | 25.70 ± 1.66 | 26.46 ± 2.62 |
| | | | | | | | |
| SSDE | Mean ± SD | 1.33 ± 0.15 | 1.36 ± 0.16 | 1.35 ± 0.15 | 1.42 ± 0.13 | 1.43 ± 0.12 | 1.42 ± 0.12 | 1.81 ± 0.03 | 1.82 ± 0.05 |
| | | | | | | | |
| Prep 2 | Nitroglycerin | 0 sprays | 55 | 31 | 46 | 31 | 12 | 15 | 68 | 24 |
| | 1 spray | 11 | 11 | 12 | 13 | 48 | 15 | 68 | 24 |
| | 2 sprays | 14 | 27 | 16 | 23 | 59 | 14 | 25 | 53 |
| | 3 sprays | 11 | 11 | 12 | 14 | 81 | 10 | 22 | 48 |
| | 4 sprays | 11 | 11 | 12 | 18 | 22 | 48 | 10 | 24 |

图1还展示了患者招募的流程。表1详细列出了各组的变量、测量值和所使用的协议。

**备注：**
- 图1中的流程图展示了研究过程和患者招募的步骤。
- 表1中的数据包含了不同协议（Protocol 1、Protocol 2、Protocol 3）下收集的变量（GroupVariable）及其测量值（MeasureValue）和所采用的协议（Protocol）。
- 各组的样本量（n）和平均值（Mean）以及标准差（SD）也被列出。
- 表中的数据涵盖了年龄（age）、体重（kg）、身高（cm）、BMI（Body Mass Index）、心率（HR）、图像参数（kV、mAs、CTDIvol、DLP、SSDE）等指标。
- 对比了不同协议在图像质量（主观和客观）和临床效果（如心脏年龄、HR、CAC评分、CNR等）方面的差异。
- 结果显示，DLD（Deep Learning-based Denoising）在提高图像质量和临床效果方面具有显著优势。虽然DLD软件本身不依赖于特定的供应商，因此能够处理来自任何来源的DICOM数据，但我们的研究仅在西门子SOMATOM Force扫描仪上验证了其性能。因此，未经专门验证，无法保证该软件在其他供应商的硬件上也能表现出相同的性能。此外，我们特定的硬件和软件配置可能会限制研究结果的普遍性，未来的研究应该探讨DLD在不同技术环境下的适用性。在我们的研究中，没有将重建结果与具有更高图像增强（IR）效果的算法或基于深度学习的图像增强算法进行对比。因此，有必要通过与不同重建算法的对比来验证DLD算法的潜力。我们得出结论，所研究的DLD算法通过优化放射学工作流程，提高了钙化评分和图像质量。在心脏CT成像中，图像噪声的降低以及冠状动脉斑块的更好可视化有望增强诊断信心，并减少手动调整的需求。未来需要开展前瞻性研究，以确认这些优势是否能够转化为对患者有实际益处的结果。