目的:探讨深度学习重建（DLR）较混合迭代重建（HIR）在降低CT肺动脉成像（CTPA）辐射剂量中的作用及对图像质量的影响。方法:前瞻性纳入2020年12月至2021年4月在北京协和医院临床疑诊为急性肺动脉栓塞（APE）或因其他肺动脉疾病需行CTPA检查的患者100例，根据区组随机化分为HIR组、DLR组，每组50例，记录患者的性别、年龄及体质指数（BMI）。HIR组、DLR组噪声指数（SD）分别设置为8.8、15，其他扫描参数及对比剂注射方案相同，分别采用HIR、DLR算法重建。计算有效剂量（ED）及体型特异性扫描剂量（SSDE）。在1~3级肺动脉管腔、双侧椎旁肌勾画感兴趣区（ROI），记录各ROI CT值及标准差值，计算图像的信噪比（SNR）、对比噪声比（CNR）。由2名高年资医师采用盲法，以Likert 5分制对2组图像进行主观评估，评分不一致时由第3名医师综合判定。采用独立样本
t检验对比2组患者一般资料、辐射剂量及客观图像质量，采用Mann-Whitney
U检验对主观噪声、肺动脉分支显示、诊断信心进行组间比较，计算线性加权Kappa系数分析2名医师评分的一致性。
结果:HIR组、DLR组患者性别、年龄、BMI差异无统计学意义（
P>0.05）。HIR组与DLR组图像1~3级肺动脉及椎旁肌CT值差异无统计学意义（
P>0.0
作者：田杜雪；宋兰；隋昕；王金华；杜华阳；赵瑞杰；王沄；陆晓平；马壮飞；许英浩；金征宇；宋伟
来源：中华放射学杂志 2022 年 56卷 5期
