随着CT技术发展，CT扫描逐渐成为肺部疾病检查的重要影像学方法，但由其电离辐射而引发的安全问题也逐渐受到人们的关注^[1]。相关研究表明，CT辐射剂量每增加1 mSv，患者恶性肿瘤的发病率将增加0.05‰^[2]。目前，低剂量已成为胸部CT扫描的研究热点，该方式鼓励临床以不影响诊断为前提，尽可能降低患者所受辐射剂量^[3]。与此同时，迭代重建(iterative reconstruction, IR)算法的引入，在一定程度上解决了由于剂量降低而导致图像质量下降的问题，使得低剂量CT检查得到了进一步的发展^[4]。IR算法以循环迭代的方式来降低图像噪声并抑制硬化伪影等产生，但在该过程中易发生图像过于平滑或细节丢失等问题^[5]。随着人工智能(artificial intelligence, AI)技术的发展，基于深度学习的AI算法逐渐应用于医学图像的优化，为提高CT图像质量提供了新的思路^[6-8]。本研究通过AI图像优化技术对图像质量及辐射剂量的影响，探讨AI图像优化技术对低剂量胸部CT检查的价值。

1.一般资料：前瞻性连续纳入2019年7月至8月于吉林大学第一医院128层CT行胸部平扫的80例患者。纳入标准：年龄大于18岁者；具有完整临床资料者。排除标准：呼吸无法自主配合检查者；妊娠期妇女。本研究经院伦理委员会批准[(2019年)临审第(2019-311)号]，所有患者检查前均签署知情同意书。共纳入男43例、女37例，年龄18~80岁，平均年龄(51.9±12.9)岁，体质量指数(BMI)为(23.91±3.08)kg/m²。采用随机数表法将80例患者分为A、B两组，每组各40例。A组年龄18~80岁，平均年龄(52.00±12.37)岁，BMI(24.05±3.69)kg/m²，；B组年龄18~76岁，平均年龄(51.85±13.65)岁，BMI(23.78±2.35)kg/m²。

2.检查方法：所有患者均采用NeuViz Prime CT(中国沈阳东软医疗系统股份有限公司)行胸部平扫。患者扫描前进行呼吸训练，采用仰卧位，扫描范围为肺尖至肺底。所有患者均采用O-Dose自动管电流调制技术，A组(低剂量组)参考电流70 mAs，管电压100 kVp；B组(常规剂量组)参考电流140 mAs，管电压120 kVp。两组除管电压及电流外，其他扫描参数基本保持一致，分别为转速0.5 s，准直128×0.625 mm，螺距1.0，扫描视野500 mm×500 mm。所有图像采用肺窗轴位重建，窗宽1 500 HU，窗位-700 HU，重建矩阵512×512，重建层厚1.0 mm，滤波参数Lung20。

3.图像后处理及AI优化：A组图像首先进行50% ClearView迭代重建，将重建图像作为A1组，用于临床诊断使用；随后应用AI成像优化平台进行图像重建，将重建结果作为A2组。该平台以高噪声的体模及人体胸部CT图像作为训练数据输入，以常规剂量优质胸部CT图像作为输出，利用半监督的生成对抗网络进行CT噪声分布特征的学习，建立定制化的图像优化模型，可准确地将A1组图像的噪声伪影进行精准分离而不影响其解剖结构的显示。B组仅采用50% ClearView迭代算法重建图像。

4.图像质量分析：将所有图像传入东软医疗AVW 2.0工作站进行图像质量分析。

(1) 客观评价：分别取主动脉弓、气管隆突下及上腹肝门3个层面的图像，于每一层面皮下脂肪及主动脉内分别放置2个面积为30~50 mm²的感兴趣区(region of interest, ROI)。测量各ROI的CT值及标准差(standard deviation, SD)，SD值代表相应组织的噪声值。分别计算每例图像3个层面脂肪CT值平均值(CT_脂肪)、主动脉血管内CT值(CT_血管)的均值及SD均值。通过公式计算图像信噪比(signal to noise ratio, SNR)：SNR=CT_血管/SD，对比噪声比(contrast to noise ratio, CNR): CNR=(CT_血管-CT_脂肪)/SD^[9]。

(2) 主观评价：由两名高年资放射科医生采用Likert 5级评分法^[10]，从主观噪声及肺内结构(血管和支气管)的显示情况等方面对所有图像进行评分。主观噪声评分标准为：5分，图像质量优良，噪声小；4分，图像质量好，轻微噪声；3分，图像质量中等，噪声情况一般；2分，图像质量较差，噪声较多；1分，图像质量极差，噪声情况严重。肺内结构(血管及支气管)清晰度的评分标准为：5分，出色的可视度，边界锐利，细节显示清晰；4分，可视程度超过平均水平，边界及细节显示良好；3分，可接受的可视程度，边界及细节显示一般；2分，欠佳的可视程度，边界模糊，细节显示不清；1分，无法接受的可视程度，无法区分边界及细节。图像主观评分≥3分即认为图像可被临床接受。

5.辐射剂量的计算：记录A、B两组患者剂量报告内的电压、电流、容积CT剂量指数(CT dose index, CTDI_vol)及剂量长度乘积(dose length product, DLP)并计算有效辐射剂量(effective dose, E)，其中E=DLP×k，式中k为CT扫描转换因子，参考欧盟委员会(EC)CT质量标准指南，胸部k值为0.014 mSv·mGy^-1·cm^{-1 [11]}。

6.统计学处理：采用SPSS 25.0统计软件进行分析。连续变量采用x±s或中位数(第一四分位数-第三四分位数)表示，分类变量用频数表示。对连续变量采用Shapiro-Wilk检验进行正态分布检验。对符合正态分布的数据采用独立样本t检验或配对样本t检验；对不符合正态分布的数据采用Mann-Whitney U或Wilcoxion秩和检验。采用卡方检验对图像主观评分进行比较，两名医师主观评分一致性分析采用Cohen Kappa检验。P < 0.05为差异有统计学意义。

1.一般资料：80例患者均一次性完成胸部CT平扫检查，扫描数据均满足要求。A、B两组患者的年龄、性别、BMI及扫描长度比较差异均无统计学意义(P>0.05, 表 1)。

表 1(Table 1)

表 1 3组图像的客观评价指标比较(x±s) Table 1 Comparison of objective evaluation indexes of the images in groups A1, A2 and B(x±s) 组别 例数 CT值(HU) 噪声值(SD) 信噪比(SNR) 对比噪声比(CNR) CT血管 CT脂肪 A1组 20 43.34±8.70 -94.89±8.94 110.78±19.60 0.40±0.10 1.30±0.32 A2组 20 43.04±8.51 -95.02±8.72 29.43±4.68a 1.49±0.33a 4.79±0.79a B组 40 41.36±6.19 -91.85±12.78 94.27±13.75ab 0.45±0.08ab 1.44±0.24ab 注：A1组.低剂量迭代组; A2组.低剂量AI组; B组.常规剂量组。a与A1组比较，ZSD=-5.51、-4.24，tSNR=-26.04、-2.54，tCNR=-36.88、-2.27，P < 0.05；b与A2组比较，tSD=-28.24，tSNR=19.43, tCNR=25.65，P < 0.001

表 1 3组图像的客观评价指标比较(x±s) Table 1 Comparison of objective evaluation indexes of the images in groups A1, A2 and B(x±s)

2.图像质量分析：客观图像质量评价通过比较A1和A2两组图像的CT值以及A1组、A2组及B组3组图像在SD、SNR及CNR的差异而得出。在CT值方面，经AI优化后的A2组与A1组在血管及脂肪CT值的比较差异无统计学意义(P>0.05)。在图像SD、SNR及CNR方面，低剂量迭代组(A1组)的SD显著高于常规剂量组(B组)，而SNR及CNR均显著低于B组(Z_SD=-4.24、Z_SNR=-2.54、t_CNR=-2.27，P < 0.05)；而A1组经AI优化后得到的低剂量AI组(A2组)的SD显著低于B组(图 1)，且SNR及CNR显著高于B组(t_SD=-28.24、t_SNR=19.43、t_CNR=25.65，P < 0.001)(表 1)。A2组与A1组相比，图像SD降低约73.4%，SNR及CNR分别提高了约272.5%、268.5%。

A、B.(100 kV，39 mAs)低剂量组图像，分别采用IR及AI重建算法，图像噪声分别为155.1及48.3；C.(120 kV，96 mAs)常规剂量扫描及IR重建图像，图像噪声为119.3 图 1 A1组、A2组及B组的胸部CT图像对比 A1, A2 and B A, B. (100 kV, 39 mAs) The images of low dose groups which were reconstructed by iterative algorithm and AI optimization respectively, and the SD were 155.1 and 48.3, respectively; C. A standard dose scanning protocol (120 kV, 96 mAs) and iterative reconstruction, and the image SD was 119.3 Figure 1 Comparison of chest CT images of groups

图像主观评价结果显示两名医师对A1组、A2组及B组图像主观评分的一致性良好。两位医师图像噪声主观评价Kappa值分别为0.94、0.89、0.90，组织结构(血管及支气管)的显示主观评价Kappa值分别为0.90、0.87、0.94。两名医师对A2组与A1组的主观评分比较结果在图像噪声(χ²=28.31、29.02，P < 0.001)及组织结构显示(χ²=18.95、13.09，P < 0.001)中差异均具有统计学意义(见表 2，图 2)。A2组与B组图像噪声的主观评分差异无统计学意义，而肺内组织结构显示的主观评分差异有统计学意义(χ²=4.96、7.04，P < 0.05)，B组图像的肺内组织的显示情况优于A2组图像(表 2)。

表 2(Table 2)

表 2 3组图像质量主观评分比较(x±s) Table 2 Comparison of subjective scores of the images in groups A1, A2 and B(x±s) 组别 图像噪声 Kappa值 组织结构显示 Kappa值 医师1 医师2 医师1 医师2 A1组 3(3~4) 3(3~4) 0.94 3(3~4) 3(3~4) 0.90 A2组 4(4~5)a 4(4~5)a 0.89 4(4~4)b 4(4~4)b 0.87 B组 4(4~4)a 4(4~5)a 0.90 4(4~5)bc 4(4~5)bc 0.94 注：A1组.低剂量迭代组; A2组.低剂量AI组; B组.常规剂量组。a与A1组图像噪声比较，χ2=28.31、29.02、13.94、15.00，P < 0.05；b与A1组组织结构显示比较，χ2=18.95、13.09、31.53、28.31，P < 0.01；c与A2组组织结构显示比较，χ2=4.96、7.04，P < 0.05

表 2 3组图像质量主观评分比较(x±s) Table 2 Comparison of subjective scores of the images in groups A1, A2 and B(x±s)

A~C.50% ClearView迭代重建的MPR图像；D~F.50% ClearView迭代重建基础上应用AI优化的MPR图像 图 2 AI优化前后的胸部MPR图像对比 A-C. MPR images underwent 50% ClearView iterative algorithm; D-F. MPR images reconstructed by 50% ClearView iterative reconstruction and AI techniques Figure 2 Comparison of chest MPR images before and after AI optimization

3.辐射剂量比较：低剂量组(A组)在各辐射剂量指标上均显著低于常规剂量组(B组)，电流、CTDI_vol、DLP及E的比较差异均具有统计学意义(Z=-6.78、-7.70、-7.69、-7.69，P < 0.001，见表 3。与B组相比，A组有效辐射剂量E降低约72.1%。

表 3(Table 3)

表 3 两组辐射剂量指标的比较(x±s) Table 3 Comparison of radiation dose between groups A and B(x±s) 组别 例数 电压(kV) 电流(mAs) CTDIvol(mGy) DLP(mGy·cm) E(mSv) A组 40 100 71.61±21.01 2.79±0.83 105.40±34.57 1.48±0.49 B组 40 120 140.73±53.91 10.11±2.54 378.54±99.68 5.30±1.40 Z值 -6.78 -7.70 -7.69 -7.69 P值 < 0.001 < 0.001 < 0.001 < 0.001 注：A组.低剂量组; B组.常规剂量组；CTDIvol.容积CT剂量指数；DLP.剂量长度乘积；E.有效辐射剂量

表 3 两组辐射剂量指标的比较(x±s) Table 3 Comparison of radiation dose between groups A and B(x±s)

CT图像质量是影响诊断准确性的重要因素之一，增加CT辐射剂量能够提高图像质量，但由此引发的电离辐射安全问题同样需要重视，为此，低剂量CT扫描得到学术界的普遍认可^[3]。而如何平衡CT辐射剂量与图像质量的关系，仍是临床研究的重点^[12]。本研究利用AI图像优化技术，对IR重建的低剂量CT图像进行再次优化，并将优化后的图像与常规剂量CT图像进行对比。结果显示，经AI优化后的低剂量IR组，其图像质量的客观及主观评价指标均能达到常规剂量CT图像的标准，实现了降低辐射剂量的同时，图像质量不受影响。

近年来，IR重建技术已被证实能够有效减小图像的噪声及伪影情况，提高低剂量CT扫描的图像质量^[13]。但有研究显示，通过IR技术提高CT图像质量的程度有限，在SD降低50%或CNR提高100%后，IR技术提高图像质量的能力有所下降^[14]。而过度提高IR权重可能会使CT图像出现过于平滑等伪自然现象，存在细节丢失的风险^[13]。随着AI技术的发展，基于深度学习重建(deep learning reconstruction, DLR)算法的低剂量CT图像优化技术已成为当下研究的热点^[15]。Wang等^[6]研究采用AI算法进一步优化50% IR重建的低剂量主动脉CTA图像，并将其与常规剂量图像对比；研究显示，AI图像优化技术可显著提高图像质量。Akagi等^[8]对比了DLR及两种IR算法对腹部CT图像质量的提升效果，结果显示，经DLR重建图像的整体质量优于其余两组IR图像。可见，AI技术相较于IR，在CT图像质量的提升方面存在更大潜力。

本研究中的AI图像优化技术应用DLR算法对胸部CT图像进行处理，其原理是将高噪声图像作为神经网络的输入，以低噪声或无噪声图像作为目标，利用神经网络对图像中的噪声分布进行训练，并将训练所得模型作用于后续图像的噪声识别及分离，从而对CT图像精准降噪优化。因此，应用该方式的图像优化技术可以极大地保留CT图像的细节。此外，本研究中AI算法的开发以真实CT图像作为训练集，能够直接应用于CT图像重建的流程中，可在迭代重建的基础上进一步修正图像噪声情况。本研究结果显示，在50% ClearView迭代重建的基础上应用AI图像优化技术，使得低剂量CT图像的SD进一步降低，SNR及CNR提高，且SD、SNR、CNR等客观指标仍优于常规剂量图像。本研究以50%作为最佳IR挡位，主要参考了此前的相关研究^{[6, 14]}。

Greffier等^[16]采用体模实验的方式，在获得基本相同质量CT图像的情况下，相比于50%权重的IR，AI技术可减少56%的辐射剂量。本试验根据以往研究中的低剂量及常规剂量标准(低剂量1~2 mSv、常规剂量5~7 mSv)^[7]，设置了低剂量组及常规剂量组。结果显示，低剂量组相较于常规剂量组辐射剂量降低约72.1%，而低剂量AI组与常规剂量组相比，图像整体噪声的主观评分差异无统计学意义，虽然其肺内组织结构显示的主观评分较常规剂量组偏低，但仍优于低剂量迭代组。可见，AI图像优化技术在低剂量胸部CT检查中存在潜力，仍具有应用更低剂量扫描的可能。

本研究的局限性在于：①入组患者的BMI普遍偏大，未考虑个体差异对CT图像质量的影响。②仅选择一组低剂量扫描方案，没有对更低剂量扫描方案进行尝试。③图像主观评价只考虑图像整体的细节显示及噪声情况，未区分阴性及阳性病例，未对疾病进行分类。④由于AI技术的应用效果与其开发过程中输入的训练数据特征直接相关，AI算法的使用需要匹配其训练数据的解剖部位才能保证其优化效果，因此，其泛化能力较弱，本研究所用的胸部AI算法仅在应用于胸部CT图像的优化时才能发挥最大能效，因此，本试验也仅能验证其在胸部图像的优化效果。以上内容将在今后的研究中进一步探讨。

综上所述，AI成像优化技术可进一步降低迭代重建的低剂量CT图像的噪声、提高其信噪比及对比噪声比，且对图像细节保留良好。因此，人工智能成像优化技术可为低剂量胸部CT图像质量的改善提供更多可能。

利益冲突  本研究具有独立性与科学性，研究设计、收集、分析和文章撰写均由本文的共同作者完成，共同作者间无利益冲突关系。本研究与商业机构间无财务往来

作者贡献声明  张磊负责设计研究方案，撰写论文；时洪坤负责图像采集；董书杉协助图像分析及撰写论文；朱万安负责写作指导及对文章内容作批评性审阅