uSense:CT AI专刊-04

目的  探讨“双低”（低辐射剂量、低碘总量）扫描联合深度学习全模型迭代算法（AIIR）用于超重或肥胖患者头颈部CT血管成像（CTA）的可行性。方法  前瞻性纳入140例拟接受头颈部CTA检查的超重或肥胖患者，随机分为A、B组；对A组行常规剂量扫描、B组行“双低”扫描，分别以Karl 3D迭代5级及AIIR 1～5级重建A、B组图像，测算辐射剂量、碘总量，以及各血管CT值、信噪比（SNR）、对比度噪声比（CNR）并对图像质量进行主观评分，据以优选B组最佳重建图像。计算A组图像及B组最佳图像的品质因子（FOM），比较其图像质量、辐射剂量、碘总量及FOM。结果  AIIR 4级为B组图像最佳重建等级，对应图像中各血管CT值、SNR、CNR、FOM及整体图像质量均高于A组（P均＜0.05），其纹理细节与A组图像差异无统计学意义（P＞0.05）。B组基于水当量直径的体型特异性剂量估计值和碘总量分别较A组降低62.75%和23.29%。结论  “双低”扫描联合AIIR用于超重或肥胖患者头颈CTA能在满足诊断需求的同时降低辐射剂量和碘总量。

头颈部CT血管成像（CT angiography, CTA）是评估头颈部血管结构和病变的首选影像学方法［1］，但带来高辐射剂量和高碘对比剂用量，且在患者超重或肥胖时尤为突出。深度学习全模型迭代算法（artificial intelligence iterative reconstruction, AIIR）为融合了全模型迭代重建算法（model-based iterative reconstruction, MBIR）与深度学习（deep learning, DL）技术的重建算法，利用5个重建等级调控图像噪声以实现差异化降噪［2］。本研究探讨“双低”扫描联合AIIR用于超重或肥胖患者头颈CTA的可行性。

1.1 研究对象   前瞻性纳入2025年4月—10月140例于河北大学附属医院拟接受头颈CTA检查的超重［体质量指数(body mass index, BMI)≥24.00 kg/m2并＜27.99 kg/m2］或肥胖（BMI≥28.00 kg/m2)患者，采用随机数表法分为A、B组，每组各70例。纳入标准：①BMI≥24.00 kg/m2；②年龄＞18岁；③疑诊头颈部血管疾病。排除碘对比剂过敏、严重心、肝、肾功能不全、甲状腺功能亢进患者及孕妇。本研究经院伦理委员会批准（HDFYLL-KY-2024-029），检查前患者均签署知情同意书。

1.2  仪器与方法   采用联影320排多层螺旋CT机行头颈部CTA检查。嘱患者仰卧、头先进，扫描范围自气管隆嵴下1 cm至颅顶。对A组行常规剂量扫描，自动管电压、管电流180 mAs；对B组行“双低”扫描，管电压70 kVp、管电流236 mAs；2组准直器宽度均为80 mm、螺距0.893 8∶1、转速0.5 s/rot。经右肘正中静脉以4.5 ml/s流率注射碘对比剂，A组为碘海醇（350 mgI/ml）0.6 ml/kg体质量、B组为碘佛醇（320 mgI/ml）0.5 ml/kg体质量。采用Bolus-Tracking自动触发技术，于升主动脉处设置ROI，触发阈值为120 HU，触发后延迟3.5 s开始扫描。分别采用Karl 3D迭代5级［3］及AIIR 1～5级重建A、B组图像，层厚1.0 mm、层间距0.5 mm，并将数据传至后处理工作站。

1.3  主观评价图像质量   由2名具有10年以上经验医师采用双盲法按5分制对图像进行评分，评分标准见表1［4］。将整体图像质量评分≥3且图像纹理细节评分≥3视为满足诊断需求。

1.4  客观评价图像质量   分别于主动脉弓、颈总动脉分叉处、基底动脉及大脑中动脉M1段中心处勾画ROI，测量其CT值及其标准差（standard deviation, SD），并以相应层面内胸大肌、胸锁乳突肌及脑干的SD值作为背景噪声；计算图像信噪比（signal-to-noise ratio, SNR）和对比度噪声比（contrast-to-noise ratio, CNR）：SNR血管＝CT血管/SD血管，CNR血管＝（CT血管－CT肌肉）/SD肌肉或脑干。       计算A组图像和B组最佳重建等级图像的品质因子（figure of merit, FOM）：FOM=CNR2/有效剂量（effective dose, ED）［5］。

1.5 辐射剂量及碘总量   记录患者容积CT剂量指数（volume CT dose index, CTDIvol）和剂量长度乘积（dose length product, DLP），计算ED：ED=DLP×0-003 1 mSv/(mGy·cm)［6］。以IndoseCT软件计算基于水当量直径的体型特异性剂量估计均值（size-specific dose estimate, SSDEDW）［7-8］。根据对比剂浓度及总量计算碘总量。

1.6  统计学分析  采用SPSS 27.0统计分析软件。以±s描述符合正态分布计量资料，组间行独立样本t检验；以中位数（上下四分位数）描述不符合者，组间行Mann-Whitney U检验。采用Friedman检验进行B组组内比较，两两比较采用Bonferroni校正法。采用χ2检验比较计数资料。以Kappa检验评估观察者间主观评分的一致性，Kappa＞0.7为一致性良好。以P＜0.05（组间）/P＜0.005（B组组内事后两两比较）为差异有统计学意义。

2.1  一般资料   2组性别、年龄及BMI差异均无统计学意义（P均＞0.05）,见表2。

2.2 B组AIIR 1～5级图像质量   AIIR 1、2级图像纹理细节评分均＜3，不能满足诊断需求；其余级别图像的SNR和CNR从小到大依次均为AIIR 5级＜4级＜3级（P均＜0.005），其中AIIR 3、4级整体图像质量评分差异无统计学意义（P＞0.005）且均优于AIIR 5级（P均＜0.005），AIIR 4级与5级图像纹理细节评分差异无统计学意义（P＞0.005）且均高于AIIR 3级（P均＜0.005），见图1。观察者间对整体图像质量（Kappa=0.745）与图像纹理细节（Kappa=0.860）评估结果的一致性均较好，故AIIR 4级为超重或肥胖患者头颈CTA的最佳重建等级。

图1  B组AIIR 1～5级图像质量 颈总动脉分叉处轴位（A～E）、头颈血管容积再现（F～J）及颅内血管（K～O）的AIIR 1～5级最大密度投影图；AIIR 1、2级图像远端血管（箭）连续性欠佳、AIIR 5级图像噪声较大；AIIR 3、4级图像清晰显示各级血管，连续性好且噪声较小；AIIR 1～5级图像整体质量评分依次为3、3、5、5、3，图像纹理细节评分依次为2、2、3、5、5

2.3  图像质量比较2.3.1  主观评分  B组AIIR 4级整体图像质量评分高于A组（P＜0.05），而图像纹理细节评分与A组图像差异无统计学意义（P＞0.05）。观察者间评估整体图像质量（Kappa=0.723）与图像纹理细节（Kappa=0.738）结果的一致性均较好。见表3、图2。

2.3.2  客观评价  B组AIIR 4级图像中，各血管CT、SNR、CNR及FOM均高于A组（P均＜0.05）。见表4。

2.4  辐射剂量及碘总量  B组CTDIvol、DLP、SSDEDW及碘总量分别较A组降低62.18%、63.47%、62.75%及23.29%（P均＜0.05）。见表5。

头颈CTA辐射剂量和碘总量高，且在患者超重或肥胖时尤为突出。本研究A组采用自动管电压，其中68例管电压为100 kVp、2例为80 kVp；B组管电压为70 kVp、管电流236 mAs，管电流高于A组，但其SSDEDW较A组降低62.75%。本研究B组以双低扫描所获图像中的各血管CT值高于A组，原因在于低管电压下X线光子的平均能量更接近碘的K边界吸收峰值，可提高碘原子对X线的吸收效率，进而提高目标血管与周围组织的对比度。

本研究B组应用AIIR进行重建，使得图像质量未发生下降。AIIR以MBIR为主体框架，具有在迭代过程中同步优化噪声抑制和保留高频细节的优势，能在低辐射剂量下维持图像空间分辨率［9-10］；以数据驱动的DL模型替代MBIR的正则化项，利用DL识别信号和抑制图像噪声，能在改善图像纹理和清晰度下降的同时有效降噪［11-13］。本研究结果显示，AIIR 4级为重建“双低”扫描图像的最佳等级，能在抑制噪声与保留图像纹理细节之间达到最佳平衡，既可避免低重建等级图像纹理细节丢失问题，又能改善高重建等级抑制噪声不足的局限性。

综上，“双低”扫描联合AIIR用于超重或肥胖患者头颈CTA能在满足诊断需求的同时降低辐射剂量和碘总量。本研究的主要局限性：①样本量小，未根据BMI进行亚组分析；②未涉及相关方案用于诊断头颈部血管疾病的准确性；有待后续研究进一步观察。

［1］ 中华医学会放射学分会.头颈部CT血管成像扫描方案与注射方案专家共识［J］.中华放射学杂志，2019，53(2):81-87.［2］ LI W, YOU Y, ZHONG S, et al. Image quality assessment of artificial intelligence iterative reconstruction for low dose aortic  CTA: A feasibility study of 70 kVp and reduced contrast medium volume［J］. Eur J Radiol, 2022,152:110331.［3］ 胡梦婷,刘义军,王诗耕,等.基于深度学习图像重建算法优化低剂量腹壁下动脉CT血管成像参数［J］.实用放射学杂志，2024，40(7):1179-1183.［4］ 艾娜娜,宋振,孙玉清,等.CE-Boost技术在低管电压、低对比剂剂量和低流速头颈部CT血管成像中的应用［J］.中国医学影像学杂志，2025，33(8):822-826.［5］ BORG M, BADR I, ROYLE G J. The use of a figure-of-merit (FOM) for optimisation in digital mammography: A literature review［J］. Radiat Prot Dosimetry, 2012,151(1):81-88.［6］ ZHANG Q, LIN Y, ZHANG H, et al. The application value of a vendor-specific deep learning image reconstruction algorithm in “triple low” head and neck computed tomography angiography［J］. Quant Imaging Med Surg, 2024,14(4):2955-2967.［7］ American Association of Physicists in Medicine. Use of water equivalent diameter for calculating patient size and size specific dose estimates (SSDE) in CT: AAPM Report No. 220［R］. College Park: AAPM, 2014.［8］ 张进慧，谢安杰，裴锦奎，等.螺旋联合心电门控轴位扫描对于头颈部CT血管造影图像质量及辐射剂量的影响［J］.中国医学影像技术，2023，39(11):1736-1740.［9］ GONDIM TEIXEIRA P A, VILLANI N, AIT IDIR M, et al. Ultra-high resolution computed tomography of joints: Practical recommendations for acquisition protocol optimization［J］. Quant Imaging Med Surg, 2021,11(10):4287.［10］ WATANABE R, ZENSHO A, OHISHI Y, et al. Image-quality characteristics in the longitudinal direction from different image-reconstruction algorithms during single-rotation volume acquisition on head computed tomography: A phantom study［J］. Acta Radiol Open, 2023,12(4):20584601231168986.［11］ NAGAYAMA Y, IWASHITA K, MARUYAMA N, et al. Deep learning-based reconstruction can improve the image quality of low radiation dose head CT［J］. Eur Radiol, 2023,33(5):3253-3265.［12］ 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.［13］ 游永春,李万江,刘洪川,等.“三低”技术联合人工智能迭代重建算法在主动脉CT血管成像中的临床应用［J］.四川大学学报（医学版），2022，53(4):676-681.

文献引用：王琪,李函朔,徐宏超,等.“双低”扫描联合深度学习全模型迭代算法用于超重或肥胖患者头颈部CT血管成像[J].中国医学影像技术,2026,42(4):497-501.

一、团队简介     河北大学附属医院放射科成立于1989年，历经30余年的不断发展，现具有一流的成像设备、优秀的后处理技术、雄厚的诊断实力。科室现有医、技、护共116名，具有博士、硕士学位45名。2017年与介入血管外科成功申报河北省重点发展学科，2019年成为河北省“脑连接组计划”联盟成员单位、“北京影像诊疗技术创新联盟”教育培训基地，2022年获批河北省炎症相关肿瘤精准影像学重点实验室，2023年评为“十四五”河北省医学重点学科，2024年评为市级重点专科项目建设单位。

二、领军人物     赵永霞，主任技师，二级教授，博士研究生导师，河北大学附属医院/临床医学院医学影像学系主任。兼任中华医学会影像技术分会人工智能学组副组长、中华医学会影像技术学会磁共振应用委员会委员、中国医学装备CT工程委员会委员、河北省影像技术学会副主任委员、保定市医学会影像技术专委会主任委员。主要研究方向：CT及磁共振扫描参数优化及图像质量保证研究。近五年以第一项目负责人主持国家级项目2项，省级项目3项，厅局级项目6项，其他项目5项；以第一作者发表学术论文32篇。以第一名获河北省科技进步奖三等奖2项，保定市科技进步奖一等奖2项，保定市科技进步奖二等奖1项。

三、设备     科室拥有多台先进医疗影像设备，CT 11台，包括联影uCT 968 320排宽体探测器CT。

四、科研成果     科室承担了多项国家级、省部级及市厅级课题，并获得多项省级及市级科技进步奖；科室人员在国内外核心期刊发表论文百余篇，编著图书50余部。

五、专刊作者简介    王琪，在读硕士。主要研究方向：CT及磁共振扫描参数优化及图像质量保证研究。