外周动脉疾病(peripheral artery disease, PAD)是全球范围内导致死亡和致残的主要疾病之一，以下肢动脉粥样硬化狭窄或闭塞最为常见^[1]。随着人口老龄化及糖尿病、高血压等心血管危险因素的增加，PAD患病率持续上升，严重影响患者的生活质量和预后^[2]。下肢动脉CT血管成像(computed tomography angiography, CTA)因其无创、快速和分辨率高的特点，已成为诊断PAD的首选检查方式^[3]，其在诊断管腔显著狭窄方面与数字减影血管造影(digital subtraction angiography，DSA)具有较高一致性^[4]。然而，下肢CTA扫描范围通常超过100 cm，导致辐射剂量升高，且需要大剂量碘对比剂注射，由此发生的对比剂相关不良反应的风险显著升高，尤其对于肾功能严重受损的患者^[5-8]。如何在降低辐射剂量和对比剂用量的同时保证较高的图像质量成为研究热点^[9]。混合迭代重建(hybrid iterative reconstruction, HIR)能够在有效降低辐射剂量的同时维持较高的图像质量，目前已被广泛应用于临床。与之相比，基于模型的迭代重建(model-based iterative reconstruction, MBIR)在降低图像噪声、改善图像纹理以及提升空间分辨率方面具有明显优势，但由于其图像重建过程耗时较长，限制了临床应用价值^[10]。既往研究表明，深度学习重建算法(deep learning reconstruction, DLR)能够在低辐射剂量条件下降低图像噪声并提高图像质量，但目前将AiCE重建算法应用于下肢CTA中的研究鲜有报道。基于此，本研究旨在探讨DLR算法在“三低”(低辐射剂量、低对比剂流速和低对比剂用量)下肢CTA中的应用价值。

1.研究对象：前瞻性纳入2024年3月至11月期间于大连大学附属中山医院接受下肢CTA检查的60例患者作为研究对象。采用随机数字表法，将受试者均等分配至对照组与试验组各纳入30例。排除标准涵盖碘对比剂过敏者、依从性不足及严重心/肝/肾功能障碍患者。本研究经本院伦理委员会审核批准(伦理号：KY2025-010-2)，所有参与者均签署书面知情同意文件。两组患者的年龄、体重、体质量指数(BMI)和扫描长度(scan length，SL)的差异均无统计学意义(P > 0.05，表 1)。

表 1(Table 1)

表 1 两组患者的一般资料比较(x±s) Table 1 Comparison of patient demographics between experimental and control groups(x±s) 组别 例数 年龄(岁) 体重(kg) 体质量指数 扫描长度(cm) 对照组 30 71.00±6.86 71.22±8.80 25.10±3.00 133.82±6.04 试验组 30 69.27±7.15 68.33±9.38 23.77±3.01 134.73±5.71 t值 0.89 1.55 1.83 -0.59 P值 0.383 0.132 0.078 0.557

表 1 两组患者的一般资料比较(x±s) Table 1 Comparison of patient demographics between experimental and control groups(x±s)

2.检查方法：影像学检查采用320排宽体CT(日本佳能公司)。扫描体位取标准仰卧位，足侧先进，覆盖范围自肾上极至足底末端。两组均采用阈值触发扫描，于第3腰椎水平监测腹主动脉，CT值达150 HU后延迟13 s启动扫描。探测器配置为80 × 0.5 mm，螺距0.813，矩阵512 × 512，机架旋转时间0.5 s/圈。将对照组管电压设置为100 kV，并开启自动管电流调制(噪声指数设定为10)，对比剂(碘帕醇，370 mg I/ml)，用量100~120 ml，流速4.0~4.5 ml/s；试验组管电压为80 kV，其余扫描参数较对照组一致，对比剂用量调整至75~85 ml，流速3.0~3.5 ml/s。

3.图像重建：对照组采用HIR算法(AIDR 3D)进行重建；试验组分别采用HIR和DLR(AiCE)重建算法图像(试验组-HIR、试验组-DLR，各30例)。3组图像重建的层厚均为1 mm，层间距为0.8 mm。将重建图像传输至后处理工作站(Vitrea)评估图像质量。

4.图像分析

(1) 客观评价：由一名资深放射科医师在横断位图像上，将感兴趣区(ROI)放置在腹主动脉、股总动脉、股浅动脉、腘动脉、胫前动脉，测量ROI内的CT值和标准差(SD，即图像噪声)。测量时，设置为血管管腔的2/3，并避开钙化、狭窄及斑块区域：同时，在相同层面测量肌肉组织的CT值和SD(ROI面积固定为50 mm²)。基于测量数据，计算血管的信噪比(SNR)和对比噪声比(CNR)，计算公式如下：SNR=CT_血管/SD_血管，CNR=(CT_血管- CT_肌肉)/SD_肌肉。

(2) 主观评价：由两名具有5年以上工作经验的影像科医师独立对3组图像进行主观评估。图像后处理：采用容积再现(VR)和最大密度投影(MIP)技术重组图像。评分标准：基于5分制对图像噪声、伪影、锐利度及血管显示进行评分，评分≥3分认为满足临床诊断要求，具体标准如下，5分：噪声/伪影极少，血管轮廓清晰锐利，图像质量极佳；4分：噪声/伪影较少，血管显示清晰，图像质量良好；3分：轻度噪声/伪影，血管轮廓部分模糊，图像质量一般；2分：明显噪声/伪影，血管显示不清，图像质量较差；1分：严重噪声/伪影，图像无法诊断。

5.辐射剂量及碘负荷：记录设备自动生成的SL、容积CT剂量指数(volume CT dose index，CTDI_vol)和剂量长度乘积(dose length product，DLP)。由于下肢CT检查尚无标准K值，本研究仅采用CTDI_vol和DLP进行辐射剂量评估。碘负荷：记录对比剂用量和注射流速，并按公式计算总碘负荷：碘负荷(g) =对比剂用量(ml) × 0.37 (g/ml)。

6.统计学处理：使用SPSS 24.0软件对数据进行统计分析。计量资料行Shapiro-Wilk检验和Levene检验，经评估后满足正态分布与方差齐性要求，以x±s形式表示，采用单因素方差分析(ANOVA)进行多组间比较；非正态分布的计量资料以M(Q₁，Q₃)表示，组间比较采用Friedman检验，均采用Bonferroni法进行事后两两比较。两组间一般资料的差异分析，采用两独立样本t检验，χ²检验比较组间性别构成的差异。两名医师主观评分的组间一致性采用Cohen’s Kappa系数评估。Kappa＞0.75，一致性良好；0.40 < Kappa < 0.75，一致性一般；Kappa < 0.4，一致性差；若一致性良好，则采用高年资观察者评分进行ANOVA单因素方差分析。P＜0.05为差异具有统计学意义。

1.图像质量客观评价：各血管的CT值、SD、SNR及CNR的3组总体比较，差异均有统计学意义(F=0.79~62.2, P < 0.05)。各血管CT值的两两比较显示，试验组-DLR较试验组-HIR均显著升高(t=-0.89~-0.14, P < 0.05)，而与对照组的差异未达统计学意义(P > 0.05)；试验组-HIR在腘动脉及胫前动脉的CT值显著低于对照组(t=-0.88~-0.54, P < 0.05)。试验组-DLR各血管的SD均显著低于对照组和试验组-HIR(t=3.43~12.53, P < 0.05)。试验组-DLR多数血管的SNR和CNR均显著高于试验组-HIR和对照组(t=-6.08~-2.19, P < 0.05)，仅腘动脉CNR和胫前动脉SNR和CNR与对照组的差异无统计学意义(P > 0.05，表 2)。

表 2(Table 2)

表 2 对照组、试验组-HIR及试验组-DLR图像质量客观指标比较(x±s) Table 2 Comparison of quantitative image quality between control group, HIR and DLR images in experimental group (x±s) 参数 对照组(n=30) 试验组-HIR(n=30) 试验组-DLR(n=30) F值 P值 腹主动脉   CT值 516.45±87.37 559.94±135.14 565.01±137.29b 6.29 ＜0.05   SD 19.33±2.85 25.58±3.89a 15.20±2.35ab 62.20 ＜0.05   SNR 27.19±5.38 22.67±7.38a 38.41±12.12ab 25.65 ＜0.05   CNR 26.41±5.43 24.57±8.08 38.46±12.70ab 26.28 ＜0.05 股总动脉   CT值 515.12±89.04 496.17±167.31 509.88±164.79ab 0.79 ＜0.05   SD 18.29±5.68 19.57±6.64 13.80±4.25ab 15.68 ＜0.05   SNR 30.81±11.13 27.54±11.71 39.43±15.58ab 10.27 ＜0.05   CNR 25.41±6.79 21.59±7.72 38.34±14.88ab 23.25 ＜0.05 股浅动脉   CT值 477.89±130.10 420.64±183.93 434.96±183.41b 5.08 ＜0.05   SD 25.51±8.69 20.79±6.51a 15.03±4.63ab 16.58 ＜0.05   SNR 20.39±7.90 21.37±9.09 30.33±12.78ab 13.40 ＜0.05   CNR 27.29±10.47 22.20±12.89 38.58±19.10ab 17.44 ＜0.05 腘动脉   CT值 462.40±148.96 375.54±161.46a 399.73±167.07b 5.82 ＜0.05   SD 23.56±9.74 18.79±5.07a 14.50±4.37ab 17.08 ＜0.05   SNR 22.60±9.68 20.39±7.59 28.92±11.65ab 5.55 ＜0.05   CNR 27.48±9.85 21.80±11.00a 33.57±15.81b 8.74 ＜0.05 胫前动脉   CT值 433.21±158.65 338.86±113.01a 370.49±128.06b 3.04 ＜0.05   SD 21.38±8.38 19.23±5.63 14.31±4.95ab 7.24 ＜0.05   SNR 23.27±15.43 18.81±8.44 28.67±15.14b 10.93 ＜0.05   CNR 27.24±11.92 21.14±9.29a 36.13±15.65b 12.36 ＜0.05 注：SD.图像噪声；SNR.信噪比；CNR.对比噪声比。对照组管电压为100 kV，使用HIR算法重建图像；试验组管电压为80 kV，分别使用HIR和DLR算法重建图像。a与对照组比较, t=-6.08~6.13，P < 0.05；b与试验组-HIR比较，t=-6.08~12.53，P＜0.05

表 2 对照组、试验组-HIR及试验组-DLR图像质量客观指标比较(x±s) Table 2 Comparison of quantitative image quality between control group, HIR and DLR images in experimental group (x±s)

2.图像质量主观评价：两名医师的主观评价一致性较好(Kappa=0.799~0.874，P＜0.05)。各组图像的主观评分均满足诊断要求(≥3分)，试验组-DLR的主观评分明显高于试验组-HIR和对照组，对照组的主观评分明显高于试验组-HIR(图 1，表 3)。

注：红色箭头显示试验组-DLR较试验组HIR在MIP图像上具有更好的远端血管可视化，且轴位图像上主观噪声更低；MIP.最大投影密度；VR.容积再现；B、E、H采用HIR算法重建，C、F、I采用DLR算法重建 图 1 行下肢CT血管成像检查的两名患者A、D、G.对照组75岁男性患者的MIP、VR和轴位图像，图像采用HIR算法重建；B、C、E、F、H、I.试验组77岁男性患者的MIP、VR和轴位图像 Figure 1 Lower-extremity CTA images of two patients A, D, and G show MIP, VR and axial images of a 75-year-old male in the control group. Images were reconstructed with HIR algorithm. B, C, E, F, H, I show MIP, VR and axial images of a 77-year-old male in the test group

表 3(Table 3)

表 3 不同组间图像质量主观评分比较(x±s) Table 3 Comparison of qualitative image quality between control group, HIR and DLR images in experimental group (x±s) 组别 例数 医师1 医师2 Kappa值 对照组 30 4.37±0.72 4.47±0.73 0.829 试验组-HIR 30 3.97±0.62a 3.90±0.61a 0.874 试验组-DLR 30 4.77±0.50ab 4.77±0.50ab 0.799 F值 16.33 6.12 P值 ＜0.001 ＜0.001 注：对照组为100 kV组使用AIDR 3D算法重建图像；试验组-HIR为80 kV组使用AIDR 3D算法重建图像；试验组-DLR为80 kV组使用AiCE算法重建图像。a与对照组比较，t =2.32、-2.50、3.27、-1.85，P < 0.05；b与试验组-HIR比较，t =-5.51、-6.01，P＜0.05

表 3 不同组间图像质量主观评分比较(x±s) Table 3 Comparison of qualitative image quality between control group, HIR and DLR images in experimental group (x±s)

3.两组患者对比剂注射流速、用量和辐射剂量比较：与对照组相比，试验组的注射流速、对比剂用量和CTDI_vol分别降低了21%、28%和15%，差异均有统计学意义(t =13.26、13.41、2.36，P＜0.05，表 4)。

表 4(Table 4)

表 4 两组患者对比剂注射流速、用量和辐射剂量比较(x±s) Table 4 Comparison of flow rate, contrast medium volume and radiation dose in experimental and control groups (x±s) 组别 例数 流速(ml/s) 药量(ml) 碘负荷(g) CTDIvol(mGy) DLP(mGy·cm) 对照组 30 4.08±0.23 110.69±9.61 40.82±3.57 4.45±1.24 597.14±178.68 试验组 30 3.23±0.25 79.83±5.09 29.36±1.80 3.80±0.79 512.14±110.08 t值 13.26 13.41 14.29 2.36 2.19 P值 ＜0.001 ＜0.001 ＜0.001 0.025 0.036 注：CTDIvol.容积CT剂量指数；DLP. 剂量长度乘积

表 4 两组患者对比剂注射流速、用量和辐射剂量比较(x±s) Table 4 Comparison of flow rate, contrast medium volume and radiation dose in experimental and control groups (x±s)

下肢CTA检查可直观显示血管病变、血管狭窄及侧支循环情况，已广泛用于下肢血管病变的诊断、治疗及疗效评估和预后判断^[11-12]。但因扫描范围较长，常伴随辐射剂量增加及对比剂用量较大，在一定程度上限制了其临床应用。影响CT辐射剂量的因素较多，包括降低管电压或管电流等措施；鉴于辐射剂量与管电压平方成正比，相较于单纯降低管电流，降低管电压能更为直接且有效地减少辐射剂量^[13]。此外，通过优化扫描方案，如采用自动管电流调制技术、基于体重或解剖区域个性化设置扫描参数、限制扫描范围以及应用前置迭代或深度学习重建等技术，也可在不牺牲诊断信息的前提下进一步控制辐射暴露。管电压降低可增强组织间的光电效应差异，进而提高组织与血管的衰减对比，有利于更清晰地显示远端小血管^[14]。碘对低能量X射线的衰减更显著，提高对比剂浓度或注射流速可增强血管与周围组织的对比度，但同时会增加肾脏负担，并提升对比剂相关肾损伤风险。基于对比剂安全性的考量，在保证诊断需求前提下，尽量降低对比剂用量与注射流速具有重要的临床价值。从患者辐射防护角度，遵循“可合理达到的尽可能低(as low as reasonably achievable，ALARA)”原则，即在满足诊断要求的情况下尽可能降低辐射剂量，尤其对年轻患者、多次随访患者及高危人群具有重要的临床意义。

本研究中，试验组使用了80 kV管电压，在提升血管对比度的同时，降低注射流速与对比剂用量，实现可接受的影像质量，并减少注射对比剂肾病的发生概率、降低对比剂不良反应和皮下外渗的风险^[15-16]。采用低剂量协议不仅有助于减少患者单次检查的辐射剂量积累，还对公众群体的集体剂量控制产生积极影响，符合放射卫生防护最优化要求。然而，管电压下降亦会降低X射线穿透能力，导致到达受检部位的光子数减少，并引起图像噪声增加。

DLR重建算法以高质量全模型迭代图像作为训练目标，通过深度卷积神经网络学习图像中的真实信号和噪声分布特征，即使在低剂量下也能保持较高的图像质量和诊断准确性^[17-18]。该技术的应用在显著降低辐射剂量的同时，为保持影像诊断信心提供了有力支持，本研究首次将DLR算法应用于“三低”下肢CTA中，结果显示，试验组仅采用常规HIR重建的图像，与对照组相比，图像噪声增加，远端血管CT值及CNR有所下降；而试验组应用DLR重建的图像可显著降低图像噪声、提高SNR与CNR，改善了低管电压引起的高噪声问题，并增强了远端血管的可视化。尤其值得注意的是，DLR算法在显著降低图像噪声的同时，较好地保留了血管壁和细小分支的解剖细节，这对于下肢缺血性病变的精准诊断和介入治疗规划具有重要意义，也进一步拓宽了低剂量技术在临床防护一体化中的应用前景。试验组DLR图像在主观与客观评价上与对照组HIR图像无显著差异，且与既往研究结论一致^{[16, 19]}。虽然在试验组中，HIR和DLR图像所测量胫前动脉的SNR和CNR差异无统计学意义，但从数值上试验组-DLR仍优于试验组-HIR，分析可能是由于入组患者量较少所致。

本研究存在的不足：仅为图像质量的评估，没有评估低剂量下深度学习重建图像对于血管狭窄的诊断效能；此外，没有对“三低”扫描条件下不同重建算法图像质量进行评估；最后，由于是初次将深度学习重建应用于“三低”下肢CTA检查中，因此入组患者数量较少，后续会扩大患者数量进一步验证结果。

综上，应用深度学习重建算法能够在“三低”条件下获得良好的下肢CTA图像质量，并在降低辐射剂量的同时，减少患者碘摄入，提高患者的安全性。

利益冲突  无

作者贡献声明  曹源负责试验设计、实施研究、结果分析和论文撰写；刘娜、宁宁负责数据采集、统计分析；马壮飞、赵梓程负责试验设计和技术支持；于晶参与试验设计；宋冬冬指导论文修改