深度学习重建算法在提升冠状动脉CT血管成像钙化所致血流梗阻性病变诊断准确性中的价值

目的:探讨基于深度学习重建算法（DLR）的冠状动脉CT血管成像（CCTA）图像质量和对钙化病变所致冠状动脉狭窄的诊断价值。方法:前瞻性纳入2020年2月至2021年2月北京协和医院放射科确诊或拟诊冠心病的33例患者，其中男26例，女7例，年龄45~86（61.9±9.0）岁。所有患者接受CCTA检查并于1个月内进行有创冠状动脉造影（ICA）检查。采用DLR和混合迭代重建算法（HIR）重建CCTA图像。分别在主动脉根部、左主干开口、左前降支近段、左回旋支近段及右冠状动脉近段选取不同的感兴趣区测量两种图像的噪声、信噪比（SNR）、对比噪声比（CNR），并以Likert 4级评分法进行图像质量主观评分（1分，优秀；4分，不能诊断）。以ICA为金标准，计算基于DLR和HIR的CCTA诊断钙化斑块所致冠状动脉血流梗阻性病变的诊断效能。结果:共33例患者的123处病变纳入分析。DLR图像的噪声低于HIR图像（定义为主动脉根部CT值的标准差：18.12±3.66比24.19±5.71， P<0.001），CNR和SNR均高于HIR图像（主动脉根部CNR：43.83±23.73比26.38±9.69， P<0.001，SNR：26.66±7.83比21.23±8.65， P<0.001），主观评分优于HIR图像（1.12±0.41比1.46±0.60， P<0.001）。DLR与HIR对于诊断钙化病变所致冠状动脉血流梗阻性病变的灵敏度、特异度和准确度分别为100.0%、77.4%、78.9%和100.0%、63.5%、65.9%。与HIR相比，DLR图像上CCTA的假阳性病例减少38%。 结论:基于人工智能的DLR重建算法能够显著降低CCTA图像噪声并提高图像质量。DLR有助于提高CCTA对钙化斑块所致冠状动脉血流梗阻性病变的诊断效能，具有良好的临床应用价值。