人工智能代重建算法与低剂量大动脉CTA相结合,用于对跨导管大动脉植入物进行术前访问评估:一项前性队列研究

科学领域:

• 放射学 放射学是一门学科.
• 医疗成像医学成像
• 人工智能的人工智能

背景情况:

• 穿过导管的大动脉植入 (TAVI) 需要对大动脉进行精确的手术前评估.
• 低剂量计算机断层扫描血管造影 (LDCT) 旨在减少辐射暴露.
• 代重建算法对于优化CT图像质量至关重要.

研究的目的:

• 评估人工智能代重建 (AIIR) 算法与LDCT结合用于手术前TAVI评估的临床有效性.
• 将AIIR与使用标准剂量CT (SDCT) 和LDCT的混合代重建 (HIR) 算法 (卡尔3D) 进行比较.

主要方法:

• 对109名接受大动脉CTA的患者进行前性研究.
• 组:SDCT与HIR (A组),LDCT与HIR (B2组),以及LDCT与AIIR (B1组).
• 对CT衰减,噪声,对比度与噪声比率 (CNR) 和信号与噪声比率 (SNR) 的定量分析.
• 盲目放射科医生对图像质量的主观评估.
• SDCT和LDCT组之间的辐射剂量比较.

主要成果:

• 组B1 (AIIR与LDCT) 显示显著更高的CT衰减,SNR,CNR和较低的噪声 (p <0.05).
• 主观图像质量评分 (噪音,清晰度,整体质量) 在B1组优于A组和B2组 (p < 0.001).
• B2组 (HIR与LDCT) 显示出比A组和B1组更高的文物得分 (p < 0.05).
• 在LDCT组 (B组) 和SDCT组 (A组) 中,辐射剂量减少了50.33% (p < 0.001).

结论:

• 与LDCT相结合的AIIR与HIR (卡尔3D) 相比,为TAVI手术前评估提供了更优质的诊断图像质量.
• 这种方法有效地减少辐射剂量,同时保持或提高图像质量.
• 在TAVI规划中,AIIR代表了优化CT成像的有希望的进步.