人工智能优化算法对提高大体型患者低剂量扫描冠状动脉图像质量的价值

目的:探讨人工智能(AI)图像优化算法对提高大体型患者低剂量扫描冠状动脉图像质量的价值.方法:前瞻性连续纳入2018年2-5月在本院NeuViz 128 CT行冠状动脉CTA检查的28例大体型患者(BMI＞26 kg/m2).所有的患者均采用步进扫描模式,管电压100 kV,自动管电流调制(233.4±46.7 mAs).对原始数据采用迭代算法(Clearview+ 50％)进行重建得到A组图像,进一步对该组图像采用AI图像优化技术进行处理,所得图像作为B组.分别在主动脉根部、左主干开口、左前降支中段、左回旋支中段及右冠状动脉中段选取不同的兴趣区,测量这两组图像的冠状动脉的CT值、噪声、信噪比(SNR)、对比噪声比(CNR),由两名高年资的医生以Likert 4级评分法评估该两组图像的主观评分(1分,优秀;4分,不能诊断).结果:患者平均BMI为(29.31±3.19) kg/m2,平均心率(64.89±8.13)次/分.与A组图像相比,B组图像主动脉根部、左主干开口、左前降支中段、左回旋支中段及右冠状动脉中段的噪声分别降低了68.36％、45.89％、28.41％、32.49％和31.25％.B组图像SNR和CNR明显优于A组图像(P均＜0.01).B组冠状动脉主观评分明显优于A组图像质量(1.66±0.27 vs.1.82±0.20,P＜0.001).扫描过程中CT剂量指数为(10.6±0.9) mGy,剂量长度乘积为(167.8±26.2) mGy· cm,有效剂量为(2.3±0.4) mSv.结论:AI图像优化算法可以有效提高大体型患者在低剂量扫描时的冠状动脉图像质量,为大体型患者降低辐射剂量及优化冠脉动脉图像质量提供了新思路和新方法.