冠状动脉计算机断层扫描（CCTA）是一种成熟的无创影像学诊断技术，可以协助临床做出准确的诊断并排除冠状动脉疾病。在320排或256排探测器的扫描仪上的宽覆盖探测器CT可以在低辐射和低剂量的碘对比材料下获得整个心脏的图像。然而，为了精确评估冠状动脉疾病，临床上需要更高的空间分辨率。

与传统CT相比，超高分辨率计算机断层扫描（U-HRCT）有一个较小的检测器元件和一个X射线焦点源，产生的诊断图像具有很高的空间分辨率（等中心0.25毫米的探测器尺寸），对评估冠状动脉狭窄很有价值。然而，由于较小的探测器上的入射光子相对不足，U-HRCT的图像噪声比传统CT图像要高。此外，由于螺旋CT的旋转重叠，用U-HRCT获得的CCTA的辐射剂量要高于宽覆盖探测器CT扫描仪。

最近，超分辨率深度学习重建（SR-DLR）方法已经被开发出来并应用于临床，其产生的CT图像的空间分辨率是传统分辨率CT扫描的两倍，并减少了心脏CT扫描的图像噪声而不需要改变硬件。据我们所知，还没有研究对使用SR-DLR的CCTA的图像质量进行评估。

近日，发表在academic radiology杂志的一项研究比较了使用SR-DLR和混合迭代重建（IR）重建的CCTA的图像质量之间的差异，为临床提供了一个更清晰、更准确的评估冠状动脉疾病的影像学手段。

本项回顾性研究包括100名接受冠状动脉CT血管造影的患者，所有患者均使用了320个探测器排的CT扫描仪进行成像。CT图像使用混合红外和SR-DLR进行重建。记录了CT数字的标准差，并生成了横跨左主冠状动脉的CT衰减曲线以计算对比度-噪声比（CNR）和测量边缘上升斜率（ERS）。对整体图像质量进行评估，并对斑块可检测性进行4分制评估（1=差，4=优）。使用了14名患者的有创冠状动脉造影作为参考。 

SR-DLR的平均图像噪声明显低于混合红外图像（15.6 vs 22.9 HU; p < 0.01）。与混合红外图像相比，SR-DLR的平均CNR明显更高，ERS更陡峭（CNR：32.4 vs 20.4，p < 0.01；ERS：300.0 vs 198.2 HU/mm，p < 0.01）。SR-DLR-的图像质量评分优于混合红外图像（3.6 vs 3.1；p < 0.01）。SR-DLR增加了<50%狭窄的斑块的可检测性（p < 0.01）。 

图 左前降支冠状动脉的弧形多平面重建图显示了图像质量得分。(a) 图像质量差（1分），(b) 图像质量一般（2分），(c) 可接受的图像质量（3分），(d) 图像质量好（4分）

本项研究数据显示，SR-DLR在图像噪声、冠状动脉边缘的清晰度和斑块显示程度及清晰性方面均优于混合IR，这为进一步的技术应用提供了参考依据。

原文出处：

Fuminari Tatsugami,Toru Higaki,Ikuo Kawashita,et al.Improvement of Spatial Resolution on Coronary CT Angiography by Using Super-Resolution Deep Learning Reconstruction.DOI:10.1016/j.acra.2022.12.044

Tags： academic radiology：利用深度学习重建提高CCTA图像的空间分辨率