现阶段，增强计算机断层扫描（CT）在临床上已被广泛使用，可以提高病变的检出率，并在显示其大小、范围、血供以及病变与周围组织的关系方面显示出明显的优势。众所周知，增强CT在检测和区分肝脏良性和恶性病变方面优于平扫CT。临床常规检查使用5毫米或1.25毫米层厚的图像进行诊断。与1.25毫米的图像相比，5毫米的图像噪声较低，但也会受到部分容积效应的影响，因此显示细节较差。另一方面，1.25毫米图像减少了部分容积效应、提高了空间分辨率和细节显示，但代价是信噪比降低，使对比度分辨率降低。因此，如何降低薄层图像的噪声、提高小病灶的显示效果是CT的研究重点。

最近，临床上开发出来一种深度学习图像重建（DLIR）算法（TrueFidelityTM，GE Healthcare），并在CT成像的模型和临床研究中得到了测试。在这项技术中，基于深度卷积神经网络的模型被用来模拟标准剂量的滤波背投（FBP）图像纹理，同时提供强大的噪声幅度降低并保持高对比度的空间分辨率。

近日，发表在European Radiology杂志的一项研究在增强腹部CT中通过使用薄层（1.25毫米）图像和DLIR与自适应统计迭代重建-V（ASIR-V）算法重建的薄、厚层（5毫米）图像进行比较，探讨了提高图像质量（包括图像噪声和空间分辨率）和诊断信心的可行性。

本项研究对40名有肝损伤患者的增强腹部CT进行了的回顾性分析。使用50%自适应统计迭代重建（ASIR-V）（ASIR-V50%）在5毫米和1.25毫米的层度上重建portalphas图像，使用DLIR在中等（DLIR-M）和高（DLIR-H）设置下在1.25毫米上重建。测量了肝实质、脾脏、门静脉和皮下脂肪的CT数量和标准偏差，并计算了对比度-噪声比（CNR）

测量门静脉的边缘斜率（ERS）以反映空间分辨率，计算肝实质的CT数字偏斜度以反映图像纹理。两位放射科医生对整体图像质量进行了盲评，包括主观噪音、图像对比度、小结构的可见度，采用5分制，物体锐度和病变轮廓采用4分制。
对于1.25毫米的图像，与ASIR-V50%相比，DLIR明显减少了图像噪声并提高了CNR和整体主观图像质量。与5毫米的ASIR-V50%图像相比，DLIR图像在小结构和病变的可见度和轮廓方面的得分明显较高；而且ERS明显较高，CT数字偏斜度较低。在四分之一的信号强度下，1.25毫米DLIR-H图像的主观噪音得分与5毫米ASIR-V50%图像相似。

 图 一位85岁男性肝癌切除术后的图像。与5毫米层厚图像相比，1.25毫米切厚图像中的低密度病变（箭头）显示得更好，对比度更高，边界更清晰。1.25毫米DLIR-H图像最好地平衡了图像噪声、空间分辨率和低对比度病变的显示

本项研究表明，DLIR明显减少了图像噪声，并保持了更自然的图像纹理。因此，在腹部CT中使用薄层和DLIR可以提高图像空间分辨率和医生的诊断信心。
原文出处：

Le Cao,Xiang Liu,Tingting Qu,et al.Improving spatial resolution and diagnostic confidence with thinner slice and deep learning image reconstruction in contrast-enhanced abdominal CT.DOI:10.1007/s00330-022-09146-y