uSense:CT AI专刊-03

目的  观察深度学习全模型迭代算法（AIIR）用于60 kVp CT泪道造影（CT-DCG）的可行性。方法  前瞻性将80例泪道阻塞患者分为2组，分别以常规扫描条件（常规组，管电压120 kVp，n=40）及低剂量扫描条件（低剂量组，管电压60 kVp，n=40）行CT-DCG；采用混合迭代重建（HIR）获取2组HIR图像、以AIIR获取低剂量组AIIR图像。对比3种图像质量的主、客观评价结果，计算低剂量组较常规组辐射剂量减低率。结果  低剂量组AIIR图像整体图像质量、显示泪囊及骨性泪道及泪道阻塞诊断信心主观评分均高于该组HIR图像（校正P均＜0.05），而与常规组HIR图像差异均无统计学意义（校正P均＞0.05）。低剂量组AIIR图像的鼻泪道对比度噪声比（CNR）高于该组及常规组HIR图像（校正P均＜0.05），其内视神经及眼球CNR均高于该组HIR（校正P均＜0.05）而与常规组HIR图像差异无统计学意义（校正P＞0.05）。低剂量组有效剂量（ED）较常规组减少93.15%［（0.05±0）mSv vs. （0.73±0.06）mSv］。结论  AIIR用于60 kVp CT-DCG可在保证图像质量满足诊断需求、维持对泪道阻塞诊断信心的前提下大幅降低ED。

CT泪道造影（CT dacryocystography, CT-DCG）能清晰显示泪道解剖结构、阻塞部位、程度及其周围组织病变，为定性、定位诊断泪道阻塞提供可靠依据［1］。眼球晶状体对电离辐射高度敏感［2］；而目前有关CT-DCG低剂量扫描研究较少。深度学习全模型迭代算法（artificial intelligence iterative reconstruction, AIIR）结合低管电压技术可降低主动脉、冠状动脉、肝脏及头颈部等CT检查的辐射剂量［3-5］。本研究观察AIIR用于60 kVp CT-DCG的可行性。

1.1 研究对象   前瞻性纳入2025年7月—8月西安市第一医院80例接受CT-DCG的泪道阻塞患者，男18例、女62例，年龄23～88岁、平均（52.9±15.3）岁；临床主要表现为溢泪、眼角分泌物增多等；其中16例为完全阻塞、64例为部分阻塞；以其中40例为常规组（120 kVp, n=40）、另外40例为低剂量组（60 kVp, n=40）。排除标准：①既往眼部手术史或眼眶/鼻窦金属植入；②不能配合检查；③孕妇；④运动伪影严重。本研究经院伦理委员会批准（伦审2025-057），检查前患者均签署知情同意书。

1.2 仪器与方法   采用联影uCT960+ 320排CT机。检查前10 min以泪道冲洗针自泪点缓慢注入复方泛影葡胺1～2 ml（单侧病变首选患侧），待对比剂溢出泪点或流至鼻咽腔后立即停止，嘱患者勿挤压泪囊并避免咳嗽及喷嚏。行仰卧位眼眶区扫描，使听眶下线与床面垂直，范围自眼眶上缘至上颌骨下缘［6］。扫描参数：常规组管电压120 kVp，采用管电流调制技术（参考135 mAs），螺距0.76，准直器宽度40 mm，转速1 s/rot；低剂量组管电压60 kVp，管电流调制技术（参考230 mAs），其余参数同常规组。采用联影Karl 3D混合迭代重建（hybrid iterative reconstruction, HIR）技术获取2组HIR图像、以AIIR获取低剂量组AIIR图像；重建层厚及层间距均为1 mm，矩阵512×512。之后将全部数据导入联影uWS-CT后处理工作站。

1.3 评价图像质量1.3.1 主观评价   由2名具有15年以上CTDCG诊断经验且不知晓患者信息的影像科医师以5分法独立评价图像质量：①图像整体质量，1分为纹理模糊、噪声与伪影严重，2分为纹理模糊、噪声伪影大、影响重要解剖结构显示，3分为纹理、噪声与伪影可接受，4分为纹理、噪声与伪影较小，5分为解剖结构细节清晰、图像纹理细腻、噪声与伪影极少；②显示泪囊及骨性泪道，1分为几乎无法识别泪道内的对比剂及骨性泪道，2分为泪道对比剂及骨性泪道边缘轮廓大部分模糊或分界欠清，3分为泪道对比剂及骨性泪道边缘轮廓小部分模糊或分界欠清，4分为泪道对比剂及骨性泪道边缘轮廓显示良好，5分为泪道对比剂及骨性泪道边缘轮廓清晰；③诊断泪道阻塞信心，1分为无法诊断，2分为诊断信心较低，3分为诊断信心一般，4分为诊断信心较高，5分为诊断信心极高。计算基于上述各项标准的图像优秀率：图像优秀率=5分图像数量/图像总数量。1.3.2 客观评价   由1名具有5年以上CT-DCG诊断经验的影像科医师尽量选择密度均匀区域并避开病灶和解剖结构边缘，分别于常规组HIR显示鼻泪道（鼻泪道移行处对比剂充盈部分）、视神经（视神经眶内段）、眼球（眼球直径最大层面）及眶周脂肪处放置ROI（大小分别10、10、20、10 mm2），并将其复制于低剂量组HIR及AIIR图像以测量CT值及标准差（standard deviation, SD）。以眶周脂肪为背景评价图像噪声，计算鼻泪道、视神经和眼球的对比度噪声比（contrast-to-noise ratio, CNR）：CNR结构=（CT结构－CT眶周脂肪/SD眶周脂肪）。

1.4 辐射剂量   记录2组容积CT剂量指数（volume CT dose index, CTDIvol）和剂量长度乘积（dose-length product, DLP）；计算有效剂量（effective dose, ED）：ED=DLP×0.031 mSv/(mGy·cm)。

1.5 统计学分析   采用SPSS 26.0统计分析软件。以x±s表示正态分布计量资料，行单因素方差分析或t检验；以中位数（上下四分位数）表示不符合者，行Kruskal-Wallis H或Mann-Whitney U检验。以χ2检验比较计数资料。采用加权Cohen’s Kappa检验评价观察者间主观评分的一致性：0.80＜Kappa≤1.00为一致性好，0.60＜Kappa≤0.80为一致性较好，0.40＜Kappa≤0.60为一致性中等，0.20＜Kappa≤0.40为一致性一般，Kappa≤0.20为一致性较差。P＜0.05为差异有统计学意义。

2.1 一般资料  组间患者一般资料差异均无统计学意义（P均＞0.05，表1）。

2.2 主观评分  2名医师对于图像主观评分的一致性均较好/好（Kappa为0.724～0.908）。低剂量组AIIR图像整体图像质量、显示泪囊及骨性泪道及泪道阻塞诊断信心主观评分均高于HIR图像（校正P均＜0.05），而与常规组HIR图像差异均无统计学意义（校正P均＞0.05）。3种图像中，整体图像质量、显示泪囊及骨性泪道及泪道阻塞诊断信心优秀率均以常规组HIR最高，低剂量组AIIR次之，低剂量组HIR最低（P均＜0.001）。见表2、3及图1。

图1   不同重建算法及不同剂量CT-DCG图 A、B.低剂量组患者，女，39岁，双侧鼻泪道通畅，轴位HIR图（A）噪声和伪影较低，冠状位图(A)示右侧鼻泪道显影不充分（箭），不排除阻塞可能，诊断信心一般；轴位AIIR图（B）噪声和伪影极少，冠状位图(B)示右侧鼻泪道显示充分（箭），诊断为畅通，诊断信心极高； C.常规组患者，女，40岁，轴位HIR图噪声和伪影极少，冠状位图示右侧鼻泪道显影充分（箭），诊断为畅通，诊断信心极高； D、E.低剂量组患者，女，58岁，左侧鼻泪道部分阻塞，对比剂充盈及未充盈层面HIR图（D）噪声和伪影均较低，对比剂伪影较大，与周围骨骼区分度尚可，诊断信心一般；对比剂充盈及未充盈层面AIIR图（E）噪声和伪影极少，图像质量优秀，对比剂与周围骨骼区分度好，诊断信心极高（箭示阻塞处）； F.常规组患者，女，55岁，右侧鼻泪道部分阻塞，对比剂充盈及未充盈层面HIR图像噪声和伪影均极少，图像质量优秀，对比剂与周围骨骼区分度好，诊断信心极高（箭示阻塞处）

2.3 客观评价   3种图像质量客观评价指标差异均有统计学意义（P均＜0.05）。低剂量组AIIR CT值眶周脂肪与其HIR差异无统计学意义（校正P＞0.05）而低于常规组HIR（校正P＜0.05）；其SD眶周脂肪低于HIR（校正P＜0.05）而与常规组HIR差异无统计学意义（校正P＞0.05）。低剂量组AIIR CNR鼻泪道高于2组HIR（校正P均＜0.05），其CNR视神经及CNR眼球均高于该组HIR（校正P均＜0.05）而与常规组HIR差异均无统计学意义（校正P均＞0.05）。见表4。

2.4 辐射剂量   常规组CTDIvol、DLP及ED分别为19.30（19.16，19.52）mGy、（236.70±18.87）mGy·cm及（0.73±0.06）mSv。低剂量组CTDIvol、DLP及ED分别为1.22（1.22，1.22）mGy、（15.10±0.96）mGy·cm及（0.05±0）mSv，分别较常规组降低93.68%、93.62%及93.15%（Z=8.147，t=73.789，t=73.789，P均＜0.001）。

AIIR与传统模型迭代重建（model-based iterative reconstruction, MBIR）均在投影域运算，其核心差异在于数据优化方式：后者的正则化项仅对影像学特征进行简单约束，图像纹理不自然、过度平滑；前者则融合了MBIR保留细节与深度学习高效抑制噪声的双重优势，以专用卷积神经网络替代正则化项，能在不改变显示解剖结构的前提下精准分离低剂量噪声。

CT-DCG常规采用120 kVp管电压，CTDIvol显著高于其他头部CTA扫描（19.2 mGy vs. 7.6～9.7 mGy）［7-10］；使得优化泪道成像扫描协议、降低辐射剂量成为临床迫切需求。既往研究［11］通过体模实验以管电压80 kVp、管电流240 mAs获取了与常规剂量（120 kVp、180 mAs）CT-DCG CNR泪囊相当的图像，并基于62例患者验证了该方案的可行性。

本研究采用更低管电压（60 kVp）行CT-DCG，利用AIIR确保图像质量满足诊断需求，最终CTDIvol、DLP及ED较常规组分别降低93.68%、93.62%及93.15%，为降低泪道检查辐射剂量提供了依据和方向。虽然更低管电压将不可避免地导致CNR泪道降低，但应用AIIR可使低剂量图像CNR鼻泪道显著升高、甚至优于常规剂量HIR。在阻塞泪道诊断信心方面，本研究低剂量组AIIR图像优秀率低于常规组HIR（57.50%～62.50% vs. 82.50%～85.00%），但二者主观评分差异并无统计学意义，低剂量组AIIR图像均可满足临床诊断需求。探索超低管电压可行性时，应采用保守策略适当提高管电流避免图像噪声过大，以保障图像质量。本研究参考既往文献［3-5］及前期预试验结果，选择230 mAs作为低剂量组管电流，最终实际辐射剂量仍远低于常规组。

综上，AIIR用于60 kVp CT-DCG可在保证图像质量满足诊断需求、维持对泪道阻塞诊断信心的前提下大幅降低ED。但本研究样本量有限，且仅纳入成人患者，亦未基于泪囊直径进行亚组分析，有待后续进一步观察。

［1］ CUI X, LIU B, HUANG X, et al. Beyond direct visualization: A comparative analysis of computed tomography dacryocystographic features in dacryolithiasis, lacrimal sac cysts, and primary acquired nasolacrimal duct obstruction［J］. Quant Imaging Med Surg, 2025,15(7):6175-6184.［2］ 中华医学会放射学分会头颈学组,中华医学会影像技术分会辐射防护学组.头颈部CT检查和辐射剂量管理专家共识［J］.中华放射学杂志,2020,54(9):827-838.［3］ 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, 2022,149:110221.［4］ 孙其中,孟婷,彭俪颖,等.深度学习全模型迭代算法联合60 kVp扫描用于头颈部CT血管成像［J］.中国医学影像技术,2025,41(4):520-524.［5］ HAN Y, PENG L, ZHANG G, et al. 60 kVp coronary CT angiography as a screening tool on asymptomatic patients: An initial experience［J］. J Thorac Imaging, 2025. doi: 10.1097/RTI.0000000000000869.［6］ 中国医疗保健国际交流促进会影像医学分会,中华医学会放射学分会头颈学组,中华医学会放射学分会医学影像质量控制与管理规范工作组.CT泪道造影检查与评估专家共识［J］.中华放射学杂志,2025,59(1):20-26.［7］ CHEN C W, CHEN P A, CHOU C C, et al. Combination of adaptive statistical iterative reconstruction-V and lower tube voltage during craniocervical computed tomographic angiography yields better image quality with a reduced radiation dose［J］. Acad Radiol, 2019,26(8):e233-e240.［8］ BAI K, WANG T, ZHANG G, et al. Improving intracranial aneurysms image quality and diagnostic confidence with deep learning reconstruction in craniocervical CT angiography［J］. Acta Radiol, 2024,65(8):913-921.［9］ HUANG X, ZHAO W, WANG G, et al. Improving image quality with deep learning image reconstruction in double-low-dose head CT angiography compared with standard dose and adaptive statistical iterative reconstruction［J］. Br J Radiol, 2023,96(1143):20220625.［10］ HAJDU S D, DANIEL R T, MEULI R A, et al. Impact of model-based iterative reconstruction (MBIR) on image quality in cerebral CT angiography before and after intracranial aneurysm treatment［J］. Eur J Radiol, 2018,102:109-114.［11］ 朱蕾,刘云福,康天良,等.低管电压扫描技术在CT泪囊造影成像中的应用研究［J］.中华放射医学与防护杂志,2021,41(3):212-216.

文献引用：高逸飞,席小依,唐慧,等.深度学习全模型迭代算法(AIIR)用于60 kVp CT泪道造影[J].中国医学影像技术,2026,42(4):492-495.

一、团队简介     西安市第一医院影像科是西北地区成立较早的放射学诊断、治疗及临床教学单位之一。几十年来，历经几代人的不懈努力，在影像技术、诊断质量、学术水平、科学研究、学科发展等各方面取得了显著成绩。目前，科室已发展为西安市临床重点学科、西北大学影像医学专业硕士点、西安市高新区医学影像质控中心主任委员单位。科室已形成一支人员及专业结构合理、技术实力雄厚的老中青专业梯队，现有医、技、护各类专业技术人员35名。科室下设神经影像、五官影像、心胸影像、腹部影像、盆腔影像、骨骼肌肉影像6个亚专业组，拥有眼眶疾病多模态评估、心脏MRI检查、CT引导下肺结节消融及活检、骨密度检测、乳腺钼靶、中枢神经灌注与功能成像、全身血管CTA/CTV等多项优势技术。

二、领军人物     李永斌，主任医师，硕士研究生导师，医学影像科主任。担任中国医师协会放射医师分会青年委员、中国医师协会智慧医疗专委会医疗人工智能应用与评价学组委员、中国精神影像联盟委员会委员、陕西省研究型医院学会放射专委会副主任委员兼秘书长、陕西省医师协会放射医师分会常务委员、陕西省抗癌协会肿瘤影像分会常务委员、陕西省国际医学交流促进会放射专委会常务委员、陕西省医学会放射学分会委员、西安市医学会放射学分会副主任委员。牵头开展“心脑血管联合一站式扫描”新技术，擅长后循环缺血性卒中多模态影像评估，为临床精准诊疗提供关键影像依据。主持陕西省自然科学基础研究计划、陕西省教育厅自然科学基金专项、西安市卫生科研人才项目等多项省市级课题，涉及脑网络研究、CTA预测模型构建、后循环EVT预后预测等方向；发表SCI论文数十篇、主译《心血管磁共振影像学基于病例分析》《眼眶肿瘤与疾病影像诊断》，参编《胸部疾病疑难病例影像解析》。

三、设备     科室配置有全系列高端影像诊疗设备、设施，包括联影3.0T uMR880 MR，联影 uCT 960+ 320排CT。

四、科研成果     科室承担了多项省部级科研项目，主译影像专业英文著作2部，申请专利2项，并在国际权威期刊上发表论文数十篇。

五、专刊作者简介   高逸飞，副主任技师，影像科技师长，专业方向：神经影像、功能磁共振技术应用；MR、CT为主的血管成像及低剂量成像技术。学术任职：西安医学会医学影像技术分会常务委员、陕西省研究型医院学会放射专委会委员、陕西省医学技术分会第六届CT学组委员、陕西省抗癌协会肿瘤影像专委会青年委员、陕西省中西医结合学会第一届肿瘤微创诊疗专业委员会委员。