简介：摘要目的探讨深度学习重建（DLR）较混合迭代重建（Hybrid IR）在改善胸部低剂量CT（LDCT）图像质量方面的效果。方法回顾性分析2020年10月至2021年3月在北京协和医院行胸部LDCT体检或因肺内结节定期复查的77例患者。对所有入组患者的影像资料进行不同算法重建，获得标准级别Hybrid IR图像、标准和强级别DLR图像。在3种图像的肺实质、主动脉、肩胛下肌及腋下脂肪内选取感兴趣区并测量其CT值和标准差，用于计算信噪比（SNR）和对比噪声比（CNR）。同时，由2名影像医师按照Likert 5分量表法对图像质量进行主观评分，且记录肺磨玻璃结节（GGN）的数量，并对其显示情况进行评分。2名医师评分不一致时由第3名医师评分决定。采用Kruskal-Wallis非参数检验对3种图像的主观和客观评分进行分析，若总体存在差异，则用Bonferroni校正检验进行组内两两比较。结果3种图像在肺实质、主动脉、肩胛下肌及腋下脂肪处的CT值差异均无统计学意义（P均>0.05），而图像噪声、SNR和图像的CNR差异均有统计学意义（P均<0.05）。其中标准级别Hybrid IR图像、标准和强级别DLR图像的CNR分别为0.71（0.49，0.88）、1.06（0.78，1.32）和1.14（0.84，1.48）。标准级别和强级别DLR图像均较标准级别Hybrid IR图像的主观和客观噪声低及SNR和CNR高，差异均有统计学意义（P均<0.05）。在对主要解剖结构（肺裂、肺血管、气管和支气管、淋巴结、胸膜和心包）和GGN的显示上，标准级别和强级别DLR图像评分明显优于Hybrid IR图像，差异均有统计学意义（P均<0.05）。结论与Hybrid IR相比，DLR可以明显降低LDCT图像的噪声，且对GGN的显示良好，有助于在较低辐射剂量水平时保证图像质量，从而改善采用CT行肺癌筛查及肺结节随访的安全性。

简介：摘要目的探讨深度学习重建（DLR）较混合迭代重建（HIR）在降低CT肺动脉成像（CTPA）辐射剂量中的作用及对图像质量的影响。方法前瞻性纳入2020年12月至2021年4月在北京协和医院临床疑诊为急性肺动脉栓塞（APE）或因其他肺动脉疾病需行CTPA检查的患者100例，根据区组随机化分为HIR组、DLR组，每组50例，记录患者的性别、年龄及体质指数（BMI）。HIR组、DLR组噪声指数（SD）分别设置为8.8、15，其他扫描参数及对比剂注射方案相同，分别采用HIR、DLR算法重建。计算有效剂量（ED）及体型特异性扫描剂量（SSDE）。在1~3级肺动脉管腔、双侧椎旁肌勾画感兴趣区（ROI），记录各ROI CT值及标准差值，计算图像的信噪比（SNR）、对比噪声比（CNR）。由2名高年资医师采用盲法，以Likert 5分制对2组图像进行主观评估，评分不一致时由第3名医师综合判定。采用独立样本t检验对比2组患者一般资料、辐射剂量及客观图像质量，采用Mann-Whitney U检验对主观噪声、肺动脉分支显示、诊断信心进行组间比较，计算线性加权Kappa系数分析2名医师评分的一致性。结果HIR组、DLR组患者性别、年龄、BMI差异无统计学意义（P>0.05）。HIR组与DLR组图像1~3级肺动脉及椎旁肌CT值差异无统计学意义（P>0.05）。DLR组平均ED为1.3 mSv，SSDE中位数为4.20 mGy，均较HIR组降低约35%，但DLR组CTPA图像的SNR（30±5）、CNR（26±5）均高于HIR组（分别为23±5、20±5，t值分别为-6.60、-5.90，P<0.001）。DLR组主观图像噪声得分明显高于HIR组（Z=-7.34，P<0.001），且2名医师一致性高（Kappa=0.847，95%CI 0.553~1.000）；DLR组与HIR组图像在肺动脉分支显示以及医师诊断信心得分上差异无统计学意义（Z分别为-0.259、-0.296，P>0.05）。结论DLR能够进一步降低CTPA检查辐射剂量，提高图像质量且不影响医师诊断信心，值得在临床推广。