冠状动脉计算机断层血管造影（CCTA）是唯一能够分析冠状动脉解剖结构的非侵入性方法，为评估疑似或慢性缺血性心脏病（IHD）患者的难题提供了关键信息。在过去几十年里，引入并发展了空间分辨率技术，其取决于多个硬件和数据采集特征，包括探测器元件尺寸、X 射线焦点尺寸、探测器响应函数，以及图像重建算法。此外，采用能量积分探测器（EID）的超高分辨率 CT（UHR - CT）或光子计数探测器 CT（PCDCT）的超高空间分辨率成像存在固有难题，例如更容易受到运动伪影和图像噪声的影响，尽管有研究报道采用双源技术的 PCDCT 在心脏 CT 中表现出有限的运动和模糊伪影干扰。此外，自 2012 年以来，混合式迭代重建（IR）、基于模型的迭代重建（MBIR）和深度学习重建（DLR）不仅被用于心脏成像，还用于胸部成像。

最近，引入了一种新型的高分辨率深度学习重建（HR - DLR）算法（Precise IQ Engine [PIQE]：佳能医疗系统公司），2023 年发表了其在 CT 和 MRI 临床应用以及对 CCTA 进行定性评估潜力的研究。然而，目前尚未有重要的已发表研究在体外和体内研究中对 CCTA 定量或定性评估冠状动脉狭窄的能力进行评估。

最近，发表在European Radiology 上的一篇文章在体外和体内研究中直接比较 CCTA 上混合式 IR、MBIR、DLR 或 HR - DLR 对冠状动脉狭窄的评估效果。

使用面积探测器 CT（ADCT）和超高分辨率 CT（UHR - CT）对模拟三支血管的管模进行扫描，管模直径分别为 3mm、4mm 和 5mm，且带有模拟的非钙化阶梯状狭窄斑块，狭窄程度分别为 0%、25%、50% 和 75%。ADCT 数据采用所有重建方法进行重建，而 UHR - CT 数据仅用混合式 IR、MBIR 和 DLR 进行重建。

回顾性选取接受 ADCT 行 CCTA 检查的患者，将每个 CCTA 数据集用所有重建方法进行重建。为比较不同狭窄程度下的图像噪声和测量准确性，对图像噪声和内径进行评估并进行统计学比较。为确定 HR - DLR 对冠状动脉影像报告和数据系统（CAD - RADS）评估准确性的影响，使用 McNemar 检验比较所有 CCTA 的 CAD - RADS 分类准确性。

在 ADCT 和 UHR - CT 上，HR - DLR 的图像噪声显著低于其他重建方法（p < 0.0001）。在每个管模的 50% 和 75% 狭窄水平下，在 ADCT 上混合式 IR 的平均差异显著大于其他方法（p < 0.05）。共纳入 31 例患者。HR - DLR 的准确性显著高于混合式 IR、MBIR 或 DLR（p < 0.0001）。

 表 基于共识的CCTA数据与标准参考之间CAD-RADS分类的一致性和准确性的比较，以及所有重建方法CAD-RADS分类结果的比较

本项研究表明，在 CCTA 上，HR - DLR 在冠状动脉狭窄评估方面可能优于混合式 IR、MBIR 或 DLR。

原文出处：

Takahiro Matsuyama,Hiroyuki Nagata,Yoshiyuki Ozawa,et al.High-resolution deep learning reconstruction for coronary CTA: compared efficacy of stenosis evaluation with other methods at in vitro and in vivo studies.DOI:10.1007/s00330-025-11376-9