目的:探讨胸部超低剂量CT（ULDCT）应用深度学习重建（DLR）进行肺癌筛查的可行性，并比较其与ULDCT混合迭代重建（Hybrid IR）及常规剂量CT（RDCT）Hybrid IR的图像质量和结节检出率。方法:前瞻性纳入2020年10月至2021年3月在北京协和医院因肺结节接受胸部CT检查的患者。对患者分别进行胸部RDCT（120 kVp，自动管电流）和ULDCT（100 kVp，20 mA）扫描，并采用Hybrid IR（AIDR 3D）重建RDCT图像，采用AIDR 3D和DLR（AICE）重建ULDCT图像。记录辐射剂量和结节数。使用主气管及左肺上叶的客观噪声、信噪比（SNR）、肺部总体及结节的主观图像评分评估图像质量。主观评分由2名经验丰富的放射科医师采用Likert 5分制评分。采用配对 t检验比较ULDCT与RDCT辐射剂量的差异。采用单因素方差分析或Friedman检验对3种重建方法的定量指标、客观图像噪声及主观评分进行比较。 结果:共纳入45例，男17例、女28例，年龄32~74（55±11）岁。ULDCT的辐射剂量为（0.17±0.01）mSv，显著低于RDCT［（1.35±0.41）mSv， t=15.46， P<0.001］。ULDCT-AICE、ULDCT-AIDR 3D及RDCT-AIDR 3D图像在气管CT值、气管噪声、气管SNR、肺实质噪声及肺实质SNR的总体差异均有统计学意义（ P<0.05），其中ULDCT-

作者：宋兰；田杜雪；王金华；王沄；杜华阳；赵瑞杰；马壮飞；许英浩；隋昕；陆晓平；宋伟；金征宇

来源：中华放射学杂志 2022 年 56卷 6期