深度学习重建AiCE技术在腹主动脉瘤腔内修复术后CTA中的应用

目的探究基于深度学习重建(DLR)技术的人工智能图像重建系统(AiCE)在腹主动脉瘤腔内修复术后CT血管造影(CTA)复查中的应用价值。方法采用混合选代算法重建(HIR)和DLR-AiCE方法对26例腹主动脉瘤腔内修复术后患者CTA图像进行重组,并进行回顾性分析。对两组图像整体质量、脏器(肝脏、肾脏)、最大伪影层面支架内血管及最大伪影层面支架外血栓4个方面进行主观评分,将主观评分平均值作为最终评分,并分析评分的一致性。测量两组图像肝脏、肾脏、无支架层面腹主动脉、腹主动脉及主髂动脉段支架内伪影最重及伪影最少、支架外血栓伪影最重及伪影最少层面的CT值(HU)和标准差(SD)值,计算并比较伪影指数(AI)、信噪比(SNR)和对比噪声比(CNR)。结果DLR-AiCE组图像质量主观评分均高于HIR组(P均<0.001)。两位观察者间主观评分一致性较高[组内相关系数(ICC)为0.927,95%CI为0.905~0.944,P<0.001]。除右髂总动脉支架内最小伪影层面和肝脏层面外,DLR-AiCE组各个位置AI值均小于HIR组,差异有统计学意义(均P<0.05)。DLR-AiCE组各个位置SNR值均大于HIR组,差异有统计学意义(均P<0.05)。除右髂总动脉支架内最大伪影层面和双侧支架内最小伪影层面外,DLR-AiCE组各个位置CNR值均大于HIR组,差异有统计学意义(P均<0.05)。结论相比HIR,DLR-AiCE既能减少支架伪影,又能提高支架内外组织的图像质量,从而清晰显示周边器官、支架内外血管、瘤体血栓等情况,有利于腹主动脉瘤腔内修复术后患者的评估。