深度学习图像重建算法（DLIR-H）在超低辐射及低对比剂条件下优化颈动脉CT血管成像质量的研究

本研究创新性地将深度学习图像重建高参数算法（DLIR-H）应用于超低剂量（0.71 mSv）双能CT血管成像（DE-CTA），在对比剂用量<30 mL、注射速率<3.0 mL/s的"三重低"扫描方案下，显著提升40 keV虚拟单能图像（VMI）的信噪比（SNR）和对比噪声比（CNR），为肾功能不全等高风险患者提供更安全的颈动脉斑块评估方案。

　　

亮点

DLIR-H算法在超低扫描条件下实现"鱼与熊掌兼得"：辐射剂量降低15.6%、对比剂减少17.5%的同时，在颈动脉分叉等复杂解剖区域呈现突破性成像效果——噪声降低如"降噪滤镜"，血管细节却保持"高清锐利"。

方法

研究采用前瞻性队列设计，120例患者分为4组：传统ASIR-V重组组 vs DLIR低/中/高参数组。通过"三重低"方案（辐射0.71 mSv、对比剂<30 mL、流速3.0 mL/s）挑战成像极限，采用40 keV VMI量化评估CT值、噪声、SNR和CNR，并由资深放射科医师进行5分制主观评分。

结果

DLIR-H组展现"降维打击"优势：

• 噪声降低幅度达28.3%（p<0.01），堪比"背景净化术"

• 颈内动脉CNR提升至12.4±2.1，较对照组提高41.7%

• 主观评分4.8±0.3分，细节呈现能力获评"诊断级黄金标准"

结论

这项"三重低"扫描技术的突破，犹如为颈动脉CTA装上"智能增强芯片"，特别适合肾功能不全患者和需反复随访的动脉粥样硬化人群，为卒中预防提供更安全的影像学武器。