探讨深度学习像素闪烁算法在低剂量一站式肾脏CT灌注扫描(CTP)检查中提高图像质量的应用价值。
方法回顾性收集2017年3月至8月本院行全肾脏CT增强及灌注扫描的患者21例。采用Revolution CT机，先行肾脏平扫，然后进行灌注和增强3期扫描，管电压120 kVp，CTP采集管电流为20 mA，增强3期管电流为100 mA，轴扫模式，ASiR-V 80%，X射线管旋转时间0.5 s，z轴覆盖范围160 mm，扫描层厚5 mm，层间隔5 mm。首次28 s采用屏气扫描，共获得15期图像，然后分别于第39、43、47、51、63、83、113、153、213、353、593 s各采集1次，其中第22、51及153 s分别采集增强的皮质期、髓质期及排泄期3期图像。所有CTP数据经深度学习的A7模式进行处理，处理前数据为A组，处理后数据为B组。比较皮质期A、B组肾皮质CT值、CT值标准差、竖脊肌CT值标准差、对比噪声比(CNR)、信噪比(SNR)，比较A、B组肾皮质的血流量、血容量、达峰时间和表面通透性。
结果A、B组图像肾皮质标准差(SD)值(9.04±1.77和5.75±1.00)、竖脊肌SD值(8.52±2.28和5.67±0.98)、CNR(16.28±6.61和28.90±1.50)、SNR(21.41±6.67和30.65±7.67)差异均有统计学意义(t＝1.562、6.286、5.925、－5.892、－17.274，P<0.05)；像素闪烁算法处理之后的图像其SD值明显减低，SNR明显升高。两组的肾皮质、肾髓质血流量(BF)值、血容量(BV)值、达峰时间(TP)值及肾髓质的表面通透性(PS)值差异均无统计学意义(P>0.05)。
结论深度学习像素闪烁算法可以减小低条件扫描图像的噪声，增加图像的对比噪声比，从而提高图像质量，并且不影响灌注参数值。