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