一种新型深度学习重建算法对超低剂量CT图像质量影响的定量体模研究

《European Radiology Experimental》：The impact of a novel deep learning reconstruction algorithm on image quality in ultralow-dose CT: a quantitative phantom study

　　

摘要目的
本研究旨在评估一种新型深度学习图像重建（DLIR）算法在超低剂量计算机断层扫描（CT）成像中的降噪、对比噪声比（CNR）提升以及低碘浓度检出性能。

方法
研究人员采用含9个孔道的体模，对碘浓度为0–40 mg/mL的样本在不同管电压（60–120 kVp）下进行扫描。图像分别采用滤波反投影（FBP）、迭代重建（IR）以及不同权重水平（10%–90%）的DLIR进行重建。研究评估了客观指标，包括噪声、CNR、通过Bland-Altman分析得到的CT值定量准确性，以及主观图像质量。

结果
在所有管电压（60–120 kVp）下，与FBP和IR相比，中高权重水平（50%–90%）的DLIR均可降低背景噪声并提高CNR（p < 0.001）。在低碘浓度（1.25 mg/mL）下，CNR得到增强，且DLIR算法（权重水平30%–90%）在所有管电压下均可持续检出1.25 mg/mL的碘浓度（CNR ≥ 3）。在固定超低剂量条件下，DLIR可保持图像质量和低对比度检出能力。与FBP相比，DLIR（权重水平90%）使背景噪声降低84.7%，并改善CNR（p < 0.001）。Bland-Altman分析证实DLIR具有优异的定量准确性。探索性主观评价结果与客观指标一致。

结论
DLIR算法能够提升低剂量CT成像中的图像质量，并增强低浓度碘的检出能力。这些发现表明，在体模研究中，DLIR可在低碘浓度条件下维持图像质量和CNR。其临床意义仍需进一步验证。

该研究发表于《European Radiology Experimental》，围绕超低剂量计算机断层扫描（CT）中图像质量下降与低对比病灶检出受限这一关键问题展开。随着CT在疾病筛查与随访中的广泛应用，累积辐射暴露的风险日益受到重视，临床上迫切需要在尽量降低辐射剂量的同时维持诊断图像质量。然而，剂量下降通常会导致图像噪声增高、组织对比下降，尤其在低碘浓度条件下，更容易遗漏微小病灶或轻度强化病变。传统滤波反投影（FBP）和迭代重建（IR）虽然能够在一定程度上改善图像，但在超低剂量条件下仍存在纹理显示不足、细节模糊及低对比可检性受限等问题。近年来，深度学习图像重建（DLIR）通过卷积神经网络学习噪声图像与高质量图像之间的映射关系，为降低剂量同时保持图像质量提供了新的技术路径。因此，本研究试图明确一种具有临床可行性的DLIR算法在超低剂量CT中的真实表现，特别关注其在低碘浓度检出这一临床相关场景中的潜在优势。

研究人员采用定制圆柱形QSP体模开展定量实验。该体模内置9个试管孔道，分别填充0、1.25、2.5、5、10、20及40 mg/mL的含碘对比剂溶液，用于模拟无强化背景及不同程度强化状态。研究在60、80、100、120 kVp四种管电压下采集图像，并分别采用FBP、IR及不同权重的DLIR进行重建，从而系统比较不同剂量与不同重建策略对图像质量和碘检出性能的影响。研究结果表明，在60–120 kVp整个电压范围内，中高权重DLIR能够显著降低图像噪声、提高对比噪声比（CNR），并在低碘浓度下保持优良检出能力。尤其在超低剂量60 kVp条件下，该算法在实现94.2%剂量削减的同时，仍可保持诊断级图像质量。研究还通过Bland-Altman分析证实DLIR在降低噪声的同时并未明显牺牲CT值定量准确性。整体来看，该研究的重要意义在于证明DLIR可为超低剂量CT成像提供一种兼顾剂量控制、图像质量与低对比检出的有效技术方案，并为进一步优化碘对比剂用量和开展临床验证研究提供了实验依据。

在技术方法方面，研究主要采用体模定量研究设计，以定制QSP圆柱形体模为样本来源。研究在NeuViz Epoch CT系统上于60–120 kVp范围内进行扫描，记录不同电压对应的CTDI_vol，并比较FBP、ClearView（CV）迭代重建及ClearInfinity（CI）深度学习重建在不同权重水平下的成像表现。客观评价包括背景噪声、不同碘浓度下的CNR、基于Bland-Altman分析的CT值一致性，以及以CNR ≥ 3定义的低碘浓度检出阈值；同时结合两位放射科医师的双盲主观评分，并采用相关分析与热图总结阈值效应。

在研究结果部分，论文首先在“Objective image quality assessment”中指出，随着管电压降低，背景噪声明显升高，说明超低剂量条件下原始图像质量面临显著挑战。在此基础上，通过比较各类重建算法可见，无论在哪一电压组，IR与DLIR均能显著降低背景噪声和各碘浓度试管内图像噪声，且DLIR的降噪效果随CI权重增加而增强。对于1.25、5和10 mg/mL碘浓度试管，CNR均随着CI权重提升而显著升高，提示DLIR不仅改善噪声水平，还增强了低对比目标与背景之间的可分辨性。特别是在固定超低剂量60 kVp条件下，DLIR相较于FBP表现出更低噪声和更高CNR；对1.25 mg/mL这一最低碘浓度而言，常规剂量120 kVp下CI 90%重建所得CNR为11.12 ± 1.28，而FBP仅为2.49 ± 0.17，显示出深度学习重建在低对比增强中的明显优势。

随后，在有关碘检出阈值的分析中，研究以CNR ≥ 3作为碘浓度可检出的判定标准。结果显示，在常规剂量120 kVp下，FBP及低权重DLIR（CI 10%）的碘检出下限仅为5 mg/mL，无法稳定识别1.25 mg/mL低浓度碘；而中高权重DLIR（CI 50%–90%）则在120至60 kVp整个剂量范围内均能稳定达到1.25 mg/mL的检出阈值。该结果表明，DLIR在低碘浓度检出方面具有跨剂量范围的稳定性。虽然在60 kVp超低剂量条件下，所有算法均可达到1.25 mg/mL的检出要求，但FBP伴随高噪声和较低CNR，图像质量明显逊于DLIR；以CI 90%为例，其噪声显著降低而CNR大幅上升，说明在同样达到检出阈值的前提下，DLIR能够提供更优质、更稳定的成像表现。

在“Bland-Altman evaluation of quantitative accuracy of CT values”部分，研究通过Bland-Altman分析考察DLIR对CT值定量准确性的影响。结果表明，低至中等权重DLIR（CI 10%–CI 70%）在不同碘浓度下与参考标准相比的平均偏倚绝对值均小于3.2 HU，且95%一致性界限（LoA）较窄，提示CT值测量具有良好一致性。以1.25 mg/mL为例，CI 70%的平均偏倚仅为0.10 HU，95%一致性界限为?2.78至+2.98 HU。最高权重CI 90%虽表现出持续性正偏倚趋势，但偏倚范围仍然较小，且总体处于临床可接受范围内。这说明DLIR在显著抑制噪声的同时，基本保留了CT值的定量可靠性，为其未来用于定量诊断和疗效随访提供了支持。

在“Results of relevance analysis and threshold effect analysis”部分，研究进一步通过Spearman秩相关分析探讨辐射剂量、重建参数与图像质量指标之间的内在关系。结果显示，所有重建算法中，CTDI_vol与背景噪声均呈显著负相关，说明剂量越低，噪声越高；但随着DLIR权重增加，这种负相关强度减弱，提示DLIR能够在一定程度上缓冲剂量下降对噪声的影响。对于1.25 mg/mL碘浓度，在任意固定管电压下，不同DLIR重建权重与CNR之间均呈强正相关，表明增加DLIR权重是提升低浓度碘可见性的有效手段。趋势图进一步显示，随着权重提高，CNR持续上升，且在60 kVp超低剂量条件下最为明显。值得注意的是，即使最低权重CI 10%在60 kVp下的CNR，也已超过传统常规剂量120 kVp-FBP。热图结果则直观显示，在60 kVp条件下所有重建算法均可达到1.25 mg/mL检出标准，而在120、100、80 kVp等常规或中低剂量条件下，传统FBP无法达到该阈值，CI 30%是实现稳定检出的最低算法强度，中高权重CI 50%–90%则可稳定扩展检出能力。

在“Subjective image quality evaluation”部分，研究人员将主观评价作为补充性探索分析。两位放射科医师之间的一致性优良，组内相关系数为0.853，说明评分结果具有较高可靠性。不同重建算法组之间的主观总评分存在显著差异，其中CI 50%–90%在所有剂量水平下均获得高于FBP和CV 50%的评分。这一结果与客观评价指标保持一致，即DLIR在视觉层面同样能改善图像噪声和整体质量。不过论文也明确指出，该部分主观评价仅作为补充，尚不能直接外推至临床诊断性能。

讨论部分强调，本研究的核心贡献在于证实DLIR能够在超低剂量CT条件下有效维持诊断图像质量，并显著改善低碘浓度目标的检出能力。研究结果与既往关于DLIR可在降剂量情境下维持图像质量的报道总体一致，但本研究采用60 kVp联合高权重DLIR，实现了相对于120 kVp参考方案94.2%的剂量降低，降幅大于多数既往研究，且在图像质量方面并未因剂量大幅下降而受损，反而在若干指标上获得提升。论文还指出，DLIR对低浓度碘的稳定检出具有潜在临床价值，可能有助于小病灶、低强化病灶及血管成像的显示优化，但是否能够真正提高患者影像中的诊断准确性、或减少碘对比剂使用量，仍需在临床研究中进一步证实。研究同时指出，不同权重DLIR在降噪与纹理保真之间存在平衡：中等权重可能更适合精细结构观察，而高权重更适用于关注大病灶或血管结构的场景。研究局限性主要包括仅为体模研究、未评估不同体型或复杂解剖背景、每个条件仅单次采集、以及高权重DLIR对精细解剖纹理的潜在影响尚未在患者研究中验证。

研究结论部分可译为：本项体模研究表明，DLIR算法能够在不同管电压及低碘浓度条件下有效降低图像噪声并提高对比噪声比。中高重建权重（CI50%–CI90%）在保持CT定量准确性的同时，持续达到碘检出阈值（CNR ≥ 3）。这些发现目前仅限于体模实验，提示未来仍需开展临床研究，以确认类似优势能否在患者影像中实现。