人工智能优化算法对提高大体型患者低剂量扫描冠状动脉图像质量的价值

【摘要】目的：探讨人工智能（AI）图像优化算法对提高大体型患者低剂量扫描冠状动脉图像质量的价值。方法：前瞻性连续纳入2018年2-5月在本院NeuViz 128 CT行冠状动脉CTA检查的28例大体型患者（BMI＞26kg/m2）。所有的患者均采用步进扫描模式，管电压100kV，自动管电流调制（233.4±46.7mAs）。对原始数据采用迭代算法（Clearview+ 50%）进行重建得到A组图像，进一步对该组图像采用AI图像优化技术进行处理，所得图像作为B组。分别在主动脉根部、左主干开口、左前降支中段、左回旋支中段及右冠状动脉中段选取不同的兴趣区，测量这两组图像的冠状动脉的CT值、噪声、信噪比（SNR）、对比噪声比（CNR），由两名高年资的医生以Likert 4级评分法评估该两组图像的主观评分（1分，优秀；4分，不能诊断）。结果：患者平均BMI为（29.31±3.19）kg/m2，平均心率（64.89±8.13）次/分。与A组图像相比，B组图像主动脉根部、左主干开口、左前降支中段、左回旋支中段及右冠状动脉中段的噪声分别降低了68.36%、45.89%、28.41%、32.49%和31.25%。B组图像SNR和CNR明显优于A组图像（P均＜0.01）。B组冠状动脉主观评分明显优于A组图像质量（1.66±0.27 vs.1.82±0.20，P＜0.001）。扫描过程中CT剂量指数为（10.6±0.9）mGy，剂量长度乘积为（167.8±26.2）mGy·cm，有效剂量为（2.3±0.4）mSv。结论：AI图像优化算法可以有效提高大体型患者在低剂量扫描时的冠状动脉图像质量，为大体型患者降低辐射剂量及优化冠脉动脉图像质量提供了新思路和新方法。     

RSNA2017心脏CT研究进展

【摘要】2017年RSNA关于心脏CT方面的研究热点和重点主要包括以下几个方面：①冠脉成像方面,如迭代重建技术的应用、钙化积分和斑块的相关分析;②功能成像方面,如血流储备分数（fractional flow reserve,FFR）、CT灌注成像（CT perfusion imaging,CTPI）及4D血流（4D flow）技术等;③技术研究方面,如光子计数CT（photon counting CT,PCCT）和能谱CT;④人工智能的相关应用;⑤CT在心脏瓣膜疾病及先天性心脏病中的应用。相比于2015和2016年,今年有关低对比剂剂量及低辐射剂量的研究明显减少。     

基于冠状动脉CT血管成像评估心力衰竭患者左心室心肌应变的可行性研究

目的:探讨基于冠状动脉CT血管成像（CCTA）特征追踪（FT）技术评估心力衰竭患者左心室整体与局部心肌应变的可行性。方法:前瞻性纳入2019年7月至2020年12月于北京协和医院诊断为心力衰竭的患者25例。所有患者均于7 d内完成CCTA和心脏MR（CMR）检查。采用CVI 42后处理软件分析图像,获得左心室心肌整体和...