基于人工智能的运动补偿重组算法在不同心率患者冠状动脉CT血管造影中的诊断性能

目的 探讨基于人工智能(AI)的运动补偿重组(MCR)对不同心率组冠状动脉图像质量和冠状动脉可评价性的影响。方法 前瞻性纳入181例在第二代双层光谱探测器CT(DLCT)行冠状动脉CT血管造影(CCTA)的疑似或确诊冠心病的患者。根据心率将患者分为低、中、高三组(三组心率分别为≤65次/min、66~79次/min、≥80次/min)。每组分别使用或不使用基于AI的MCR算法重组图像。由两名有5年以上放射科心血管方向工作经验的医师进行双盲法评估。主观图像质量评估采用5分法,3分以上被认为图像质量佳;客观图像质量用信噪比(SNR)和对比噪声比(CNR)进行分析评估。部分患者行数字减影血管造影(DSA)作为“金标准”,比较常规及迭加MCR者对管腔明显狭窄血管(≥50%)的诊断性能。结果 低心率组53例,中心率组79例,高心率组49例患者。三组间主观图像质量差异有统计学意义(P均<0.05),但SNR和CNR差异无统计学意义(P均>0.05)。迭加MCR后图像的主观评分较高,其中54条(7.46%)常规图像上被认为是不可诊断血管,而在MCR上仅有5条(0.69%)。MCR降低了图像噪声,改善了图像质量,特别是在中心率和高心率组(P均<0.001)。在以血管水平分析中,与常规相比,迭加MCR提高了敏感度(73.4%vs.90.6%)、特异度(94.2%vs.97.8%)。结论 第二代DLCT能对80次/min以下的患者心率获得满意的图像。基于AI的MCR技术可以改善冠状动脉的图像质量,特别是在心率较高的患者中改善效果显著,并且与DSA一致性较高,为临床诊治提供重要信息。