2025, Vol. 45
胸腹盆CT增强检查在临床应用广泛，但其高电离辐射引起了人们的广泛关注[1]。为降低CT检查的辐射剂量，近年来出现了许多降低CT辐射剂量的技术[2]。低管电压技术是有效降低辐射剂量的方法[3]。
降低CT检查辐射剂量的同时会增加图像噪声。因此CT图像重建和降噪技术层出不穷[4]。人工智能迭代重建(AIIR)算法具有1~5级噪声等级，噪声等级不同其降噪能力和改善图像质量也不同，因此不同部位应使用不同的噪声等级。本研究旨在比较自动管电压技术联合AIIR算法与常规管电压(120 kVp)联合Karl-3D IR算法在胸腹盆CT增强检查中的图像质量和辐射剂量，同时优选出胸腹盆CT增强检查中AIIR的最佳噪声等级。
资料与方法1. 一般资料：回顾性收集2023年4月至10月来河北大学附属医院行胸腹盆CT增强检查的患者100例，采用随机数表法将所有患者分为A组和B组，每组50例。排除标准：①碘对比剂过敏患者。②严重脏器衰竭。③扫描野有影响图像质量金属植入物。④心功能不全失代偿期。⑤妊娠。本研究经医院伦理委员会批准(审批号：HDFYLL-KY-2024-029)，所有患者或其直系亲属在检查前均接受告知并签署检查知情同意书。
2.扫描方案
(1) 扫描参数和对比剂注射方案：所有患者均采用320排探测器CT(uCT 968，上海联影医疗科技股份有限公司)完成CT扫描。A组患者使用自动kV技术; B组患者使用常规120 kVp。两组患者其他扫描参数均相同：管电流6~419 mA，胸部剂量等级为2，腹部剂量等级为3;探测器准直宽度80 mm，最小层厚0.5 mm; 机架转速0.5 s/圈; 扫描视野500 mm×500 mm; 螺距1.093 8∶1;矩阵512 × 512。
使用高压注射器(Ulrichmissouri-XD2001，德国)将碘对比剂(碘佛醇，连云港恒瑞医药公司，320 mg I/ml)以3.0 ml/s的速率通过右侧肘正中静脉进行推注，对比剂注射总量为0.8 ml/kg，然后以相同速率跟注30 ml生理盐水。扫描使用自动触发技术。将10 mm2的感兴趣区(ROI)放在降主动脉中部，当ROI内CT值达到195 HU时延迟5.6 s开始扫描，对比剂注射60 s后行静脉期扫描，对比剂注射200 s后行延迟期扫描。
(2) 图像重建：A组患者图像采用AIIR 1~5级进行重建。B组图像采用Karl-3D IR 5级进行重建[5-6]。
3.图像质量评价
(1) 图像质量客观评价：将面积为10 mm2圆形ROI分别放置在层厚为1 mm气管分叉水平处的降主动脉及髂前上棘水平处的髂总动脉横轴位图像上测量CT值和标准差(SD); 将面积为20 mm2圆形ROI放置在第二肝门层面处测量肝右叶的CT值和SD值。同时测量上述层面胸部和腹部竖脊肌及盆腔腰大肌的CT值和SD值为背景值。计算图像的信噪比(SNR)和对比度噪声比(CNR)，计算公式如下：SNR=(降主动脉、肝及髂总动脉)的CT值均值/(降主动脉、肝及髂总动脉)图像噪声值均值，CNR=(降主动脉、肝及髂总动脉的CT值均值-背景图像的CT值均值)/背景图像的噪声值均值。
(2) 图像质量主观评价：所有图像由两名多年工作经验的放射科医生独立并采用双盲法进行评分。根据欧洲CT质量标准指南，采用Likert量表进行评价[7-8]：总体图像质量、解剖结构与病变清晰度以及图像噪声≥3分符合临床诊断要求。
4.辐射剂量：记录所有患者动脉期和静脉期的容积CT剂量指数(CTDIvol)和剂量长度乘积(DLP)。计算有效剂量(E)，E=DLP×k，其中k为组织加权因子，男性为0.012;女性为0.017[9]。并于扫描范围正中层面CT图像上测量腹腔的前后径和左右径，计算其有效直径，依据有效直径对应转换因子f，计算其体型特异性剂量估算值(SSDE)，SSDE(mGy)= CTDIvol ×f [10]。
5.统计学处理：应用SPSS 26.0软件对所有数据进行统计学分析。正态分布的计量资料以x±s表示。使用χ2检验比较性别差异。A组AIIR1-5级图像质量组间比较应用Brown-Forsythe检验，组间两两比较应用LSD检验。A组最佳AIIR噪声等级图像与B组图像的SNR和CNR以及两组的CTDIvol、E和SSDE用独立样本t检验来进行比较，主观评分值采用秩和检验。两位放射科医生对图像质量主观评价的一致性和可信度采用Kappa检验。基于Kappa值的一致性程度用以下标准[11]：0~0.20，差; 0.21~0.40，一般; 0.41~0.60，中等; 0.61~0.80，好; 0.81 ~ 1.00，很好。P < 0.05为差异有统计学意义。
结果1.A组患者AIIR 1~5级组间图像质量评价
(1) 图像质量客观评价：如表 1，表 2所示，AIIR 1~5级的动脉期和静脉期图像随噪声等级越高其图像的SNR及CNR值逐渐下降; AIIR 1级的SNR、CNR值远高于其余噪声等级，两两比较，差异有统计学意义(tSNR=7.29 ~ 13.39，P < 0.001;tCNR=3.05 ~ 14.98，P < 0.001)，故AIIR噪声1级不利于细微结构显示和诊断; AIIR 2级和3级之间(除动脉期：t胸部SNR=3.47，P < 0.001;静脉期：t腹部CNR=5.48，P < 0.001)，AIIR 3级和4级之间(除动脉期：t盆部SNR=9.16，P < 0.001)以及AIIR 4级和5级之间(除动脉期：t胸部CNR=20.59，P < 0.001)的SNR均值与CNR均值差异均无统计学意义(P＞0.05)。AIIR 2级和3级图像的SNR均值及CNR均值高于AIIR 4级和5级。
|
表 1 50例患者动脉期A组AIIR 1~5噪声等级胸、腹、盆部位的SNR以及CNR值比较(x±s) Table 1 Comparison of single-to-noise ratio and contrast-to-noise ratio of images reconstructed using AIIR with noise levels 1-5 in arterial-phase thoracic-abdominal-pelvic CT for the 50 patients in group A(x±s) |
|
|
表 2 50例患者静脉期A组AIIR 1~5噪声等级胸、腹、盆部位的SNR以及CNR值比较(x±s) Table 2 Comparison of single-to-noise ratio and contrast-to-noise ratio of images reconstructed using AIIR with noise levels 1-5 in venous-phase thoracic-abdominal-pelvic CT for the 50 patients in group A(x±s) |
(2) 图像质量主观评价：由表 3可知，在A组AIIR1~5级之间AIIR 3级和4级总体图像质量以及解剖结构与病变清晰度差异无统计学意义(P>0.05);AIIR 3级和4级图像的总体图像质量高于AIIR 1、2、5级。两名专家对五组患者总体图像质量评价的一致性好(Kappa=0.73)，图像噪声评价一致性好(Kappa=0.76)。因此，AIIR 3级是胸腹盆CT增强动脉期和静脉期最佳重建图像噪声等级。
|
|
表 3 A组AIIR1~5级和B组动静脉期图像的主观评分值 Table 3 Subjective evaluation scores of images reconstructed using AIIR with noise levels 1-5 in group A and images in group B in arterial and venous phase |
2.A组AIIR 3级与B组Karl-3D IR 5级图像质量比较(1)图像质量客观评价：由表 4可知，除腹部动脉期AIIR 3级图像的CNR均值与B组差异无统计学意义(P>0.05)，余各部位动脉期和静脉期AIIR3级图像的SNR均值和CNR均值均高于B组(动脉期：t=-9.37、-3.59、-7.73、-8.35、-9.88，，P < 0.001;静脉期：t=-10.41、-7.91、-11.06、-8.17、-11.59、-11.75，P < 0.001)。
|
|
表 4 50例A组AIIR噪声3级图像与B组图像SNR及CNR比较(x±s) Table 4 Comparison of single-to-noise ratio and contrast-to-noise ratio of images reconstructed using AIIR with noise level 3 for 50 patients in group A and images in group B(x±s) |
(2) 图像质量主观评价：AIIR 3级图像的总体图像质量、解剖结构及清晰度均高于B组(动脉期：Z=5.63、3.66、8.43、4.38、3.48、8.73，，P < 0.001;静脉期：Z=5.62、5.48、8.72、3.71、5.41、8.72，P < 0.001)，见表 3。专家对两组患者总体图像质量评价的一致性好(Kappa=0.69)，图像噪声评价一致性好(Kappa=0.77)。例如，本研究发现此实验检查的同一位患者A组动脉期和静脉期的腹盆图像质量水平明显优于B组。如图 1所示，A图像得到的腹部图像清晰度和锐利度均好，动脉期肝内肝动脉血管显示清晰锐利; B图像得到的腹部图像噪声较明显，且肝动脉显示非常模糊，对比剂强化较淡; C图像右肾后级的小囊肿清晰可见，而D图像中小囊肿显示模糊，边缘欠清晰。
|
注：红色圆圈指示右肾后级小囊肿 图 1 A、B两种扫描方案动脉期与静脉期腹盆图像质量比较A. 100 kVp+AIIR噪声3级+动脉期; B. 120 kVp+Karl 3D IR 5级+动脉期; C. 100 kVp+AIIR噪声3级+静脉期; D. 120 kVp+Karl 3D IR 5级+静脉期 Figure 1 Comparison of the quality of arterial-phase and venous-phase abdominopelvic CT images with scanning protocols A and B. A, 100 kVp + AIIR noise level 3 + arterial phase; B, 120 kVp + Karl 3D IR noise level 5 + arterial phase; C, 100 kVp + AIIR noise level 3 + venous phase; D, 120 kVp+Karl 3D IR noise level 5 + venous phase |
3.辐射剂量：表 5可知A组患者的CTDIvol均值、SSDE均值以及E均值均低于B组，分别下降了44%、46%和41%。
|
|
表 5 两组患者辐射剂量(x±s) Table 5 Radiation doses for the two groups of patients(x±s) |
讨论
胸腹部CT增强需要进行3个部位的连扫，为保证腹部和盆腔的图像质量，之前的扫描方案推荐使用的管电压为120 kVp。但对于小体型患者和胸部扫描使用120 kVp会造成患者受到的辐射剂量过高，因为管电压高低与辐射剂量平方成正比[12-13]。本研究结果显示，A组50例患者均自动选择100 kVp，CTDIvol、SSDE以及E较B组分别下降了44%、46%和41%。此结果得益于A组患者使用了自动管电压调制技术。
随着管电压降低，患者的辐射剂量大大降低，但图像的噪声也同时增加。为了弥补图像噪声增加对图像质量的影响，使用了不同的图像重建算法以降低噪声对图像质量的影响。Karl-3D IR技术通过人体形态结构学修正，分别在投影域、图像域进行广义梯度收敛迭代提高图像质量，为临床常用算法[14]。本研究结果显示，A组图像的信噪比、对比度噪声比及主观图像评价均优于B组。这是由于A组图像重建采用了AIIR重建算法。AIIR结合了深度学习和MBIR技术，不仅提升了迭代重建速度还可明显降低图像噪声[15-16]。AIIR引用真实的统计CT正向模型，并将基于当前图像估计的合成测量值与真实测量值进行比较，结合预先训练的深度学习数据，具有和深度学习去噪相同的自然效果，且在保持自然噪声纹理的同时进一步提高了图像质量。因此，AIIR重建技术有着强大的降噪能力，并可以展示更多的诊断细节、提高图像的空间分辨率。
许多图像重建算法在减少图像噪声与伪影的同时，也会改变图像原始数据中噪声的分布情况，使得图像纹理结构改变，进而在一定程度上影响临床诊断[17-19]。因此需要对不同部位图像重建算法的噪声等级进行优化。本研究对A组患者图像进行AIIR1~5噪声等级重建，研究结果显示：虽然AIIR 1级的降噪能力最强，但因其改变了图像的纹理结构，因此不利于图像细节的显示。AIIR 2级和3级图像的SNR均值与CNR均值高于4级和5级，AIIR 3级和4级图像的总体图像质量、解剖结构与病变清晰度高于1、2和5级。综合客观和主观评价结果，AIIR 3级是胸腹盆CT增强动脉期和静脉期图像的最佳重建噪声等级。本研究结果还提示：胸腹盆CT增强动脉期和静脉期可以使用相同的AIIR等级进行图像重建。胸腹部CT增强由于3个部位进行连续扫描，因此，AIIR不同噪声等级进行图像重建时需要兼顾胸腹盆3个部位所有组织和器官，所以在进行噪声等级优选和图像质量评价时要综合平衡所有部位的组织和器官。
本研究的不足：①样本量较小，将在今后研究中加大样本量。②无法避免匹配队列差异。③重点对图像质量进行评价，未对胸腹盆罹患各种疾病进行分类研究，将在今后进行进一步研究。
综上所述，在胸腹盆CT增强中自动管电压技术联合AIIR算法与固定管电压技术结合Karl-3D IR算法相比既可明显降低患者的辐射剂量，同时保证图像质量。AIIR 3级是胸腹盆CT增强动脉期和静脉期图像重建的最佳噪声等级。
利益冲突 所有作者均声明不存在利益冲突
作者贡献声明 丁玮负责数据分析与论文撰写; 刘子岩负责图像及数据采集; 马泽鹏、张天乐负责数据统计与图像质量评价; 赵永霞负责整体实验设计指导及论文审阅
| [1] |
Noda Y, Kawai N, Kawamura T, et al. Radiation and iodine dose reduced thoraco-abdomino-pelvic dual-energy CT at 40 keV reconstructed with deep learning image reconstruction[J]. Br J Radiol, 2022, 95(1134): 20211163. DOI:10.1259/bjr.20211163 |
| [2] |
Zhang WG, Liu JP, Jia XQ, et al. Effects of the Sn100 kVp tube voltage mode on the radiation dose and image quality of dual-source computed tomography pulmonary angiography[J]. Int J Gen Med, 2021, 14: 1033-1039. DOI:10.2147/IJGM.S293173 |
| [3] |
Schindera ST, Diedrichsen L, Müller HC, et al. Iterative reconstruction algorithm for abdominal multidetector CT at different tube voltages: assessment of diagnostic accuracy, image quality, and radiation dose in a phantom study[J]. Radiology, 2011, 260(2): 454-462. DOI:10.1148/radiol.11102217 |
| [4] |
Greffier J, Si-Mohamed S, Frandon J, et al. Impact of an artificial intelligence deep-learning reconstruction algorithm for CT on image quality and potential dose reduction: a phantom study[J]. Med Phys, 2022, 49(8): 5052-5063. DOI:10.1002/mp.15807 |
| [5] |
袁若涵, 黄晓旗, 阴玮灵, 等. 超低剂量条件下Karl迭代算法对肺血管定量评估及胸部CT图像质量的影响[J]. 中国医疗设备, 2022, 37(10): 65-68, 87. Yuan RH, Huang XQ, Yin WL, et al. Influence of karl iterative algorithm on quantitative assessment of pulmonary vessels and image quality of chest CT under ultra-low dose conditions[J]. Chin Med Devices, 2022, 37(10): 65-68, 87. DOI:10.3969/j.issn.1674-1633.2022.10.012 |
| [6] |
王诗瑜, 刘义军, 李贝贝, 等. Karl、DL重建算法对上腹部CT图像质量和辐射剂量的影响[J]. 放射学实践, 2023, 38(5): 626-630. Wang SY, Liu YJ, Li BB, et al. The effect of Karl and DL reconstruction algorithms on image quality and radiation dose of upper abdominal CT[J]. Radiol Pract, 2023, 38(5): 626-630. DOI:10.13609/j.cnki.1000-0313.2023.05.017 |
| [7] |
Nagayama Y, Nakaura T, Oda S, et al. Dual-layer detector CT of chest, abdomen, and pelvis with a one-third iodine dose: image quality, radiation dose, and optimal monoenergetic settings[J]. Clin Radiol, 2018, 73(12): 1058.e21-1058.e29. DOI:10.1016/j.crad.2018.08.010 |
| [8] |
Park C, Gruber-Rouh T, Leithner D, et al. Single-source chest-abdomen-pelvis cancer staging on a third generation dual-source CT system: comparison of automated tube potential selection to second generation dual-source CT[J]. Cancer Imaging, 2016, 16(1): 33. DOI:10.1186/s40644-016-0093-1 |
| [9] |
Choi SJ, Ahn SJ, Park SH, et al. Dual-source abdominopelvic computed tomography: Comparison of image quality and radiation dose of 80 kVp and 80/150 kVp with tin filter[J]. PLoS One, 2020, 15(9): e0231431. DOI:10.1371/journal.pone.0231431 |
| [10] |
Bedernik A, Wuest W, May MS, et al. Image quality comparison of single-energy and dual-energy computed tomography for head and neck patients: a prospective randomized study[J]. Eur Radiol, 2022, 32(11): 7700-7709. DOI:10.1007/s00330-022-08689-4 |
| [11] |
Maldjian PD, Goldman AR. Reducing radiation dose in body CT: a primer on dose metrics and key CT technical parameters[J]. AJR Am J Roentgenol, 2013, 200(4): 741-747. DOI:10.2214/AJR.12.9768 |
| [12] |
Israel GM, Cicchiello L, Brink J, et al. Patient size and radiation exposure in thoracic, pelvic, and abdominal CT examinations performed with automatic exposure control[J]. AJR Am J Roentgenol, 2010, 195(6): 1342-1346. DOI:10.2214/AJR.09.3331 |
| [13] |
Sookpeng S, Martin CJ, Krisanachinda A. Effects of tube potential selection together with computed tomography automatic tube current modulation on CT imaging performance[J]. J Radiol Prot, 2021, 41(4): 809-831. DOI:10.1088/1361-6498/abebb4 |
| [14] |
Labaki WW, Gu T, Murray S, et al. Voxel-wise longitudinal parametric response mapping analysis of chest computed tomography in smokers[J]. Acad Radiol, 2019, 26(2): 217-223. DOI:10.1016/j.acra.2018.05.024 |
| [15] |
Koetzier LR, Mastrodicasa D, Szczykutowicz TP, et al. Deep learning image reconstruction for ct: technical principles and clinical prospects[J]. Radiology, 2023, 306(3): e221257. DOI:10.1148/radiol.221257 |
| [16] |
Chen LG, Wu PA, Tu HY, et al. Variation in tube voltage for pediatric neck 64 VCT: effect on radiation dose and image quality[J]. PLoS One, 2021, 16(11): e0259772. DOI:10.1371/journal.pone.0259772 |
| [17] |
McCollough CH, Yu L, Kofler JM, et al. Degradation of CT low-contrast spatial resolution due to the use of iterative reconstruction and reduced dose levels[J]. Radiology, 2015, 276(2): 499-506. DOI:10.1148/radiol.15142047 |
| [18] |
Greffier J, Frandon J, Larbi A, et al. CT iterative reconstruction algorithms: a task-based image quality assessment[J]. Eur Radiol, 2020, 30(1): 487-500. DOI:10.1007/s00330-019-06359-6 |
| [19] |
Laurent G, Villani N, Hossu G, et al. Full model-based iterative reconstruction (MBIR) in abdominal CT increases objective image quality, but decreases subjective acceptance[J]. Eur Radiol, 2019, 29(8): 4016-4025. DOI:10.1007/s00330-018-5988-8 |