在8厘米探测器扫描仪上进行跨导管主动脉植入 (TAVI) 计划CT:通过使用两个深度学习重建算法进行适当的剂量控制

科学领域:

• 医学成像
• 心血管成像
• 放射学

背景情况:

• 透过导管的大动脉植入 (TAVI) 需要使用计算机断层扫描 (CT) 进行精确的术前计划.
• 标准的TAVI规划CT方案涉及显著的辐射剂量,促使研究剂量降低策略.
• 深度学习重建 (DLR) 算法可以在较低的辐射剂量下改善图像质量.

研究的目的:

• 使用8厘米探测器扫描仪评估降低剂量TAVI规划CT的可行性.
• 评估两个DLR算法的有效性,以保持可控辐射暴露的诊断图像质量.
• 为了比较DLR处理的低剂量CT与手术规划的常规剂量CT的性能.

主要方法:

• 通过结合降低剂量主动脉和冠状动脉CT血管造影 (CTA) 模拟降低剂量TAVI规划CT (A组).
• 使用两个不同的DLR算法处理了降低剂量的CTA扫描.
• 使用常规剂量冠状动脉CTA (B组) 和主动脉CTA (C组) 进行混合代重建作为对比.
• 对大动脉,冠状动脉,胸前大动脉,大动脉段和通道的图像质量和诊断可接受性进行了评估.

主要成果:

• 与常规剂量TAVI规划CT相比,A组的平均有效剂量减少了57% (8. 22 ± 0. 83 mSv).
• 与常规剂量扫描相比,A组图像显示出对大动脉和通道的优异评估 (p < 0. 05).
• 在A组观察到噪声降低 (21% - 55%低) 和对比度增加 (63% - 114%高) (p < 0. 05).
• 对冠状动脉,腹腔大动脉和股骨段的诊断信心是可比的.

结论:

• 在使用DLR算法的8厘米探测器上可实现低剂量TAVI规划CT.
• DLR可显著降低辐射剂量,同时保持或提高TAVI规划的诊断图像质量.
• 这种方法有望在可访问的成像环境中得到更广泛的应用.