王士闐，徐 佳，王 萱，王 沄，薛華丹，金征宇

中國醫(yī)學科學院 北京協(xié)和醫(yī)學院 北京協(xié)和醫(yī)院放射科，北京 100730

膽管樹的生理作用是引流膽汁進入十二指腸，其空間解剖結構復雜，易發(fā)生變異，合并結石、炎癥及腫瘤等多種疾病。膽管擴張為臨床常見的膽系異常，患者可表現為腹痛、黃疸等癥狀，也可為偶然發(fā)現。診斷膽管擴張的病因，早期識別膽系疾病，判斷是否存在梗阻，直接決定進一步的診療路徑以及病情隨診計劃[1- 2]。CT圖像上擴張膽管呈條形，其內為水樣的液性低密度，與周圍的血管及肝實質存在密度對比。增強后周圍軟組織結構強化增高，與擴張膽系的對比更為明顯。針對膽管擴張的病例，增強CT結合重建技術可以同時顯示血管、膽系的解剖及病變，膽管壁的異常強化，鄰近肝實質病變及掃描區(qū)域淋巴結腫大等，有助于病變的檢出、診斷、術前評估及療效檢測[2- 4]。膽管結構較為細小，良好的成像質量及密度對比直接影響CT圖像上病變的觀察。傳統(tǒng)重建算法為濾波反投影算法(filtered back projection，FBP)，迭代重建(iterative reconstruction，IR)算法可以降低圖像噪聲，提升對比噪聲比(contrast to noise ratio，CNR)和信號噪聲比(signal to noise ratio，SNR)，混合迭代重建(hybrid iterative reconstruction，HIR)和基于模型的迭代重建(model-based iterative reconstruction，MBIR)即為其代表。三維自適應迭代 (adaptive iterative dose reduction 3D，AIDR 3D) 屬于HIR[5]，全模型迭代算法(forward projected model based iterative reconstruction solution，FIRST)屬于MBIR[6- 9]。新近問世了基于人工智能和深度神經網絡的深度學習重建(deep learning reconstruction，DLR)，AiCE(advanced intelligent clear IQ engine)即為其代表之一[10- 11]。前期針對腹部平掃及增強CT的研究顯示，DLR圖像質量較HIR及MBIR更優(yōu)[12- 16]，但目前僅少數研究評價了膽管結構[17]。本研究針對存在肝外膽管擴張的增強CT病例，從客觀指標和主觀評分兩方面比較DLR算法相對于IR(AIDR 3D及FIRST)和FBP算法的圖像質量。

資料和方法

資料回顧性收集2021年3至4月本院進行腹部或腹盆部增強三維重建CT檢查的患者。納入標準：(1)圖像上可見膽總管擴張(直徑>10 mm)，或無膽總管擴張但有肝門區(qū)膽管擴張(直徑>5 mm)；(2)具有1個月內腹部超聲檢查結果。排除標準：(1)運動偽影明顯；(2)存在膽管支架或肝內外膽管積氣；(3)超聲提示有膽管結石，CT上未檢出或數量不符(避免客觀評價膽管內噪聲時，誤選取結石層面測量)。根據上述標準，最終納入30例患者，男16例、女14例，年齡22～79歲，平均(56.5±16.2)歲，體重指數(25.6±4.8) kg/m2，病因包括膽總管占位4例、膽總管/膽囊炎性改變6例、胰頭占位致膽管擴張4例、肝門區(qū)膽管占位3例、膽總管結石3例、無明確病因的膽總管擴張10例。本研究經北京協(xié)和醫(yī)院倫理委員會批準(倫理委員會編號：HS-2427)。

檢查方法采用佳能640層CT (Aquilion ONE GENESIS，Canon Medical System Corporation，Japan)進行常規(guī)腹部或腹盆部增強三期增強CT檢查。掃描參數如下：旋轉時間0.5 s，管電壓120 kVp；電流自動調節(jié)(SURE Exposure 3D，Canon)。噪聲指數：重建層厚1 mm，準直80×0.5 mm；矩陣512×512。使用非離子型對比劑(碘帕醇370 mgI/ml)，對比劑用量1 ml/kg，采用雙筒高壓注射器，打藥速度4 ml/s。自監(jiān)測到主動脈 CT 值大于 100 HU后 10 s 開始動脈期掃描，于動脈期掃描結束后25 s 行門脈期掃描，延遲成像間隔80 s后進行。對于納入的病例，分別采用FBP (FC08)、AIDR 3D (FC08)、FIRST(body sharp)和DLR(4，body sharp)4種重建算法對門脈期圖像進行重建，獲得4組圖像。

客觀評價指標由1名評價者對門脈期4組圖像進行客觀評價指標測量，測量采用閱片軟件(RadiAnt Dicom Viewer，Medixant，Poznan，Poland)分別于4種重建算法圖像的同一層面勾畫感興趣區(qū)域，測量肝右葉肝實質、膽總管內(對于無膽總管擴張的病例測量肝門區(qū)膽管)的CT值和標準差(standard deviation，SD)、豎脊肌的平均CT值、前腹壁皮下脂肪的SD，測量時通過復制粘貼保證4組圖像感興趣區(qū)域在同一位置。在測量膽管內CT值時，避開結石層面。計算膽管內的SNR和CNR值：SNR=CT值膽管內/SD膽管內，CNR=(CT值膽管內-CT值肌肉)/SD脂肪，肝右葉實質的SNR和CNR值：SNR=CT值肝/SD肝，CNR=(CT值肝-CT值肌肉)/SD脂肪，以前腹壁皮下脂肪的SD作為圖像噪聲。對于存在占位性病變或膽管壁增厚>3 mm的病例，測量病變區(qū)域的CT值與SD。

主觀評價指標由兩名分別有13年及5年腹部診斷經驗的放射科醫(yī)生采用盲法獨立對門脈期4組圖像進行主觀評價，觀察肝實質及膽道系統(tǒng)的軸位及多平面重建(multiplanar reconstruction，MPR)圖像，依據圖像對比度、邊緣銳利度、主觀噪聲和偽影等角度，對膽道結構的觀察滿意程度進行排序評價，4組圖像的圖像質量從高到低依次排序，分別為4、3、2、1分。評定意見不一致時進行討論統(tǒng)一。

輻射劑量運用下述公式計算有效輻射劑量：有效輻射劑量=CT劑量長度乘積×k，其中腹部有效吸收劑量k=0.015 mSV·mGy-1·cm-1[18]。

統(tǒng)計學處理采用SPSS 21.0統(tǒng)計軟件，客觀測量指標以均數±標準差表示，主觀評價指標用中位數(最小值，最大值)表示。采用Friedman 秩和檢驗以及后續(xù)檢驗Bonferroni-Dunn post-hoc 檢驗比較4組重建圖像膽管內、肝實質的SNR及CNR、前腹壁SD，以及4組圖像主觀評分差異。主觀評價得分觀察者間一致性采用Kappa檢驗(Kappa值以0.81～1.00為一致性很好，0.61～0.80為一致性好，0.41～0.60為一致性中等，<0.40為一致性欠佳)。P<0.05為差異有統(tǒng)計學意義。

結 果

基于解剖結構的圖像質量客觀評價4組重建圖像中，肝實質、膽管內及豎脊肌CT值差異均無統(tǒng)計學意義(P均>0.05)。DLR圖像的膽管內CNR顯著高于AIDR 3D(P=0.024)、FIRST(P<0.001)和FBP(P<0.001)。DLR圖像的膽管內SNR、肝實質CNR及SNR均顯著高于FIRST (P=0.013，P=0.003，P<0.001)和FBP(P均<0.001)。比較圖像噪聲即前腹壁脂肪SD，DLR顯著低于AIDR 3D(P=0.032)、FIRST(P<0.001)和FBP(P<0.001)。DLR圖像噪聲較AIDR 3D、FIRST和FBP分別降低了33.1%，38.9%和56.4%。此外，AIDR 3D圖像的膽管內(P<0.001)、肝實質(P<0.001)的SNR和膽管內(P=0.034)、肝實質(P<0.001)的CNR均顯著高于FBP，圖像噪聲顯著低于FBP (P=0.020)。FIRST和AIDR 3D膽管內、肝實質的SNR、CNR及圖像噪聲差異均無統(tǒng)計學意義(P均>0.05)(表1)。

基于可測量病變的圖像質量客觀評價30例中10例具有可測量病變。4組重建圖像中，病變的CT值差異均無統(tǒng)計學意義(P均>0.05)。DLR圖像較FIRST和FBP圖像病變噪聲顯著降低(P=0.003，P<0.001)、CNR顯著升高(P=0.042，P=0.009)，與AIDR 3D差異無統(tǒng)計學意義(P>0.05)。DLR圖像SNR顯著高于FBP(P=0.004)，與AIDR 3D及FIRST差異均無統(tǒng)計學意義(P均>0.05)(表2)。FIRST和AIDR 3D病變的SNR、CNR及噪聲差異均無統(tǒng)計學意義(P均>0.05)。

圖像質量主觀評價DLR、AIDR 3D、FIRST、FBP的主觀評價排序得分分別為4(4，4)、3(2，3)、2(2，3)、1(1，1)分。DLR的得分顯著高于AIDR 3D(P=0.029)、FIRST(P<0.001) 和FBP(P<0.001)。AIDR 3D、FIRST的得分顯著高于FBP(P<0.001、P=0.029)。AIDR 3D和FIRST得分差異無統(tǒng)計學意義(P>0.05)。主觀評分觀察者間一致性Kappa值為0.867(P<0.001)，觀察者間一致性極好(圖1、2)。

表1 FBP、AIDR 3D、FIRST及DLR重建圖像的客觀評價

表2 對于有可測量的病變FBP、AIDR 3D、FIRST及DLR重建圖像的客觀評價

輻射劑量門脈期的CT容積劑量指數為(7.2±2.3) mGy，CT劑量長度乘積為(313.6±125.4) mGy·cm，門脈期有效輻射劑量為(4.7±1.9) mSv。

重建時間FIRST平均重建時間約為5 min。FBP、AIDR 3D及DLR平均重建時間均<1 min。

討 論

膽管擴張為臨床常見的膽系異常。一方面，在老年人群和膽囊切除術后的患者可能出現不具有病理意義的膽管擴張，多表現為膽總管輕度增寬[19]。另一方面，膽管結石、膽系及鄰近結構腫瘤及炎癥等都可引起膽管擴張。準確評價膽管擴張是否為病理性、早期識別膽系疾病具有重要的臨床意義[20]。目前常用的膽道成像方法包括超聲、CT、磁共振胰膽管造影、內鏡逆行膽總管造影、超聲內鏡等。相比之下，增強CT成像易于操作，空間分辨率高，一次成像，可同時顯示血管、肝實質及膽系結構。經靜脈滴注膽道成像應用經膽系排泄的對比劑，膽系顯示為高密度，利于觀察膽道解剖結構和膽道內占位性病變[21]。但其準備時間長，存在包括肝毒性和膽道刺激癥狀在內的藥物不良反應，且在梗阻性黃疸患者中膽道結構可能顯示欠佳，目前國內臨床應用較少。常規(guī)增強CT簡單易行，掃描速度快，CT上膽汁為液性密度，存在膽系擴張時，結合多平面重建(multiplanar reformation，MPR)等后處理技術，有利于膽管結構的觀察[22]。但腹部結構的CT值近似，組織分辨率較低，加上膽管結構較為細小，因此，圖像質量及密度對比直接影響常規(guī)增強CT圖像上擴張膽系的觀察。

A.FBP；B.AIDR 3D；C.FIRST；D.DLR

A.FBP；B.AIDR 3D；C.FIRST；D.DLR

本研究顯示4組算法的增強CT膽道重建圖像中，傳統(tǒng)的FBP算法的圖像質量最低；AIDR 3D與FIRST的噪聲、信噪比及主觀評價結果差異無統(tǒng)計學意義；DLR的主客觀圖像質量優(yōu)于其他3組重建。該結果與既往腹部CT研究結果具有一致性。Steuwe等[23]對腹部低劑量平掃CT進行不同算法重建的回顧性研究顯示，DLR圖像噪聲比FBP低42%，比IR低27%。Singh等[14]包含腹部CT平掃的前瞻性研究顯示，運用DLR算法的低劑量掃描與AIDR 3D算法的常規(guī)劑量掃描圖像質量相仿，常規(guī)劑量掃描上發(fā)現的31處具有臨床意義的腹部病變，均可在DLR算法的低劑量圖像上檢出；作為對比，運用AIDR 3D、FIRST及FBP算法重建的低劑量掃描圖像分別只能檢出25、18及7處病灶。Bradly等[17]針對兒童患者增強CT上不同算法對微小結構(奇靜脈、膽總管、腸系膜上動脈及肝右靜脈)顯示能力進行研究顯示，DLR圖像的主觀評分明顯優(yōu)于FBP、AIDR 3D及FIRST，評分內容包括邊緣對比、圖像噪聲、結構顯示情況及總體圖像質量。其可能的原因是，IR需要使用固定的預先設置的數據物理模型重組數據，選擇性識別、去除噪聲，算法會受到建模復雜度的限制。而DLR反映人工智能技術的前沿進展，其不同于傳統(tǒng)的IR算法，通過深度學習過程重構圖像，不需將復雜模型簡化為有限數據模型，而是運用人工智能，模擬深度卷積神經網絡，通過海量金標準數據的輸入、對比、反饋及調整，完成訓練過程，直接形成優(yōu)化圖像。既往研究也提示，既往重建技術會存在典型的噪聲方差樣式及典型的峰值噪聲功率譜頻率，而DLR技術不存在上述情況，故在降低圖像噪聲的基礎上，相對于MBIR等算法，DLR技術不會導致圖像過度平滑，從而避免了圖像的噪聲紋理特征發(fā)生變化[11，17]。因此，本研究DLR圖像具有最低的噪聲和最優(yōu)的主觀圖像質量評分。此外，本研究顯示，FIRST重建耗時明顯長于其他重建算法，與既往研究[7]一致，這也限制了MBIR算法的臨床應用。

本研究以門脈期圖像為研究對象。門脈期膽管周圍實質臟器強化良好，與擴張膽管的密度對比較高。在定性評價上，本研究評估軸位及MPR重建的圖像質量，研究采用同一位置角度，對4組重建算法生成的圖像進行比較和評價。在臨床實踐中，曲面重建技術也是常用的成像方法。由于肝外膽管走行常不在某一個平面上，此時單一的多平面重建圖像不能顯示全程結構。沿著肝外管道走行創(chuàng)建曲面重建，有助于觀察整個肝外膽管壁形態(tài)是否存在管壁增厚或異常強化等?？紤]到該方法存在操作者依賴性，針對不同圖像重復重建時，圖像細節(jié)難以完全一致，故未用于本研究的定性評價。此外，日常工作中，針對膽管明顯擴張的臨床病例，還會進行多平面的最小強度投影重建，以顯示肝內外擴張的膽系樹全貌及膽系病變和擴張膽管的關系。由于本研究包括部分不存在肝內膽管擴張或無明確局限膽系病灶的病例，最小強度投影重建圖像價值有限，故未進行此項評價。

本研究具有下列局限性。首先，本研究病例數較少，其統(tǒng)計結果可能存在偏倚性。其次，受限于病例數，本研究著重對圖像質量進行評估，未針對特定病種進行診斷效能的評價，有待后續(xù)研究進一步探討相應技術的臨床應用價值。再次，本研究為回顧性分析，未涉及低劑量掃描條件下的圖像質量評估，有待后續(xù)前瞻性實驗的開展。

綜上，針對膽管擴張的增強CT掃描，基于深度學習重建的DLR算法，相對于FBP、IR(AIDR 3D及FIRST)算法，客觀上可以顯著降低圖像噪聲、提升對比噪聲比，主觀評分更優(yōu)，明顯改善了圖像質量。