减少扫描剂量：4 岁男孩的对比增强低剂量 CT 图像，使用混合迭代重建 (HIR)、基于模型的迭代重建 (MBIR) 和基于深度学习的重建 (DLR) 进行重建。(提供：永山康典)
基于深度学习的重建 (DLR) 是一种新兴的 CT 图像重建技术，它使用卷积神经网络在短时间内生成低噪声、高质量的图像。日本的研究人员现在已经证明，与使用迭代重建算法相比，DLR 可以显着减少儿科 CT 检查的剂量，同时图像质量相同，甚至有所提高。
该团队在《美国放射学杂志》上写道，与混合迭代重建 (HIR) 和基于模型的迭代重建 (MBIR) 相比，使用 DLR 进行低管电压检查可减少图像噪声，而不会降低噪声纹理和图像清晰度。
由于儿童比成人对电离辐射更敏感，因此使用尽可能低的辐射剂量来获得诊断质量的图像是每个放射科专业人员进行儿科 CT 的目标。一种在儿科增强 CT 中降低剂量的有效技术将降低管电压(例如，80 kVp，与标准的 120 kVp 相对)与迭代重建相结合。
然而，降低管电压会增加图像噪声并可能影响对低对比度物体的检测，尤其是在使用减小的切片厚度来评估儿童的小解剖结构时，熊本大学的首席研究员 Yasunori Nagayama 解释说。尽管 HIR 和 MBIR 可以减少噪声和伪影，但它们在保持噪声纹理、低对比度空间分辨率和低对比度物体可检测性的能力显着降低时的能力有限。
为了评估和比较 HIR、MBIR 和 DLR 所获得的图像质量，研究人员回顾性分析了 65 名 6 岁及以下儿童的扫描结果，他们接受了腹部增强 CT，其中 31 名使用标准方案，34 名使用低剂量方案. 所有 CT 检查均使用 80 kVp 的管电压和轻度和标准剂量减少强度的自动管电流调制，分别用于标准和低剂量方案。
该团队为 DLR 使用了AiCE(高级智能 Clear-IQ 引擎)身体锐化算法。所有图像重建都使用“标准”降噪级别以及 1 毫米切片厚度和增量。
两名放射科医生使用主观四点量表独立评估了每个重建图像的噪声幅度、噪声纹理、条纹伪影、边缘清晰度和整体质量。研究小组还量化了所有扫描的图像噪声、信噪比和对比度噪声比。计算两种方案的尺寸特异性剂量估计 (SSDE) 显示，低剂量组的 SSDE 比标准组低 54%(1.9±0.4 对 4.0±1.0 mGy)。
研究人员还使用 20 厘米圆柱形体模进行了体模实验，以评估更广泛剂量设置下的图像质量。他们使用与临床患者相同的CT扫描仪和图像参数，使用八个固定管电流来实现与临床儿科 CT 相关的剂量。他们再次使用 HIR、MBIR 和 DLR 重建数据，具有标准降噪水平和 1 毫米切片厚度。
该团队报告说，与标准 HIR、低剂量 HIR 和低剂量 MBIR 图像相比，低剂量 DLR 图像在噪声幅度、噪声纹理、边缘锐度和整体质量方面的主观评分明显更高。DLR 在模型分析中的表现也优于 HIR 和 MBIR。
“这项临床和模型研究表明，与迭代重建算法相比，DLR 减少了大约 50% 的辐射剂量，同时保留甚至提高了幼儿对比增强 80 kVp CT 的图像质量和基于任务的对象可检测性，”研究人员得出结论。“与目前的 IR 技术相比，这些发现可用于大幅降低儿科 CT 的辐射剂量。”
