图像域GAN去噪在超低剂量胸部CT中的图像质量评估：与低剂量ADMIRE S3重建的对比研究

《Diagnostics》：Image-Domain GAN Denoising for Sn100 kVp Ultra-Low-Dose Chest CT: A Retrospective Paired Image-Quality Study

　　**摘要****背景：** 超低剂量（ULD）胸部CT可减少辐射暴露，但可能损害图像质量。本研究评估了基于图像域生成对抗网络（GAN）的去噪算法在低剂量（LD）和ULD水平下的应用，重点关注ULD-AiR与LD-ADMIRE S3的对比。**方法：** 本单中心回顾性配对研究纳入262名受试者，在同一台扫描仪上接受LD和ULD胸部CT检查。以Advanced Modeled Iterative Reconstruction强度3（ADMIRE S3）重建的图像经AiR Denoising v1.0后处理，获得四组序列。在各剂量水平内比较客观指标（包括信噪比SNR和对比噪声比CNR）及5分主观评分，并比较ULD-AiR与LD-ADMIRE S3之间的差异。探索性回归分析评估ULD与LD的SNR对数比值与体积CT剂量指数（CTDI_vol）对数比值及人体测量变量之间的关联。**结果：** LD至ULD CT估计有效剂量的配对中位降低为46.5%。在各剂量水平内，AiR降低了图像噪声，并提高了SNR、CNR和主观评分。与LD-ADMIRE S3相比，ULD-AiR在肺、主动脉和肌肉的图像噪声更低、SNR/CNR更高；肝脏相关结果一致性较差，椎体相关指标则表现欠佳。肺实质评分无显著差异，纵隔软组织评分倾向ULD-AiR，而整体图像噪声评分倾向LD-ADMIRE S3。探索性回归发现CTDI_vol对数比值与主动脉及肌肉SNR对数比值之间存在关联；部分人体测量变量的关联对一条具有影响力的观测值较为敏感。**结论：** 图像域GAN去噪在两种剂量水平下均改善了多项客观和主观图像质量指标。在估计有效剂量配对降低中位数为46.5%的情况下，ULD-AiR相对于LD-ADMIRE S3表现出与组织及终点相关的图像质量差异。本研究结果不足以确立诊断或筛查等效性。