超低剂量CT扫描结合深度学习图像重建对计算机辅助诊断系统定量分析肺结节的影响

目的 观察超低剂量CT(ULDCT)扫描结合深度学习图像重建(DLIR)对计算机辅助诊断系统(CAD)定量分析肺结节的影响。方法前瞻性纳入56例复诊肺结节患者,行ULDCT及标准剂量CT(SDCT)检查。对ULDCT分别采用自适应统计迭代重建V40%(ASIR-V40%)及高强度DLIR(DLIR-H),对SDCT以ASIR-V40%进行重建,获得ULDCT-ASIR-V40%(A组)、ULDCT-DLIR-H(B组)及SDCT-ASIR-V40%(C组)图像。基于各组图像筛选长径4~30 mm肺结节为目标结节,由2名医师判断其为实性结节、钙化结节或实性结节。应用CAD分别基于3组图像评估结节类型,定量分析其长径、横径、密度、体积及恶性风险。结果 共纳入104个目标结节,医师判断为51个实性结节、26个钙化结节及27个非实性结节。CAD针对A、B组图像的评估结果为53个实性、24个钙化、27个非实性结节,其针对C组的评估结果与医师一致。相比C组相应结节类型,CAD判定的A组实性及钙化结节的密度、非实性结节的体积及恶性风险均降低,B组钙化结节的密度降低(P均<0.05);3组间结节其他CAD定量参数差异均无统计学意义(P均>0.05)。结论 基于ULDCT行DLIR-H重建可能低估CAD判定的肺钙化结节的密度,但对其他CAD定量参数无明显影响。