根据《学术放射学》上发表的一项新研究，深度学习可以提高冠状动脉CT血管造影(CCTA)图像的质量。

　　医学科学院北京协和医学院医学博士刘培军博士写道：“ CCTA由于具有高灵敏度和阴性预测价值，因此是一种可靠且准确的方法，可检测和排除冠状动脉疾病(CAD)。”和同事。“但是，辐射引起的癌变和造影剂引起的肾病的潜在风险引起了人们的关注。”

　　已经采取了许多措施来减少CCTA检查所需的辐射剂量并减少那些潜在的风险-但这导致图像质量(IQ)下降。该研究的作者旨在解决和评估基于深度学习的算法减少与CCTA相关的图像噪声，提高每幅图像的IQ的能力。

　　Liu的研究小组研究了自2018年5月至2018年7月接受治疗的70例疑似或已知CAD的连续患者的数据。参与者分为两组，每组35例，其中A组患者接受80 kVp的CCTA，B组患者接受80 kVp的CCTA。 100 kVp。当将团队的深度学习算法应用于A组的数据时，创建了第三组C组。

　　然后，研究人员比较了这三组的智商，重点关注图像噪声，信噪比(SNR)和对比噪声比(CNR)进行客观分析，并请了两名经验丰富的放射科医生进行更主观的分析。

　　总体而言，与A组中未优化的图像相比，C组中发现的优化图像具有降低的图像噪点，SNR增大和CNR增大。此外，主观分析发现C组的智商“显着优于A组”。 B组和C组的智商“没有显着差异”。

　　这组作者写道：“这项研究表明，基于DL的优化算法的应用可以有效地降低CCTA的图像噪声，从而以80 kVp的分辨率改善IQ，同时达到低辐射剂量和对比剂体积的目标。” “在应用基于DL的优化算法后，预期的ECG触发的CCTA在80 kVp时的图像质量可与100 kVp的迭代重建相比。”

　　刘等。确实注意到他们的研究有一定的局限性。例如，样本量仅为70名患者，“诊断性准确性没有通过被认为是金标准的侵入性冠状动脉造影术进行评估。”

　　责任编辑:张华