現階段，冠狀動脈鈣化(CAC)是一個公認的動脈粥樣硬化斑塊負荷的替代標誌物。因此，越來越多的證據表明，CAC對無症狀患者的硬性臨床終點具有附加的預後價值。此外，最近的報告表明，CAC的量化有助於識別從他汀類藥物治療中獲益的無症狀患者。因此，目前關於心血管疾病初級預防的指南已經認可將CAC作為中度心血管疾病風險患者的風險調節器，因此強調了對CAC準確和精確測量的要求。

        一些技術參數，如圖像重建算法、計算機斷層掃描(CT)掃描儀的類型和分析軟件，已被證明會影響CAC的測量。最近，基於卷積神經網絡的深度學習圖像重建(DLIR)已成為冠狀動脈CT血管成像(CCTA)的濾波背投(FBP)和迭代重建(IR)算法的替代品。盡管對於CAC成像來說，不鼓勵偏離標準的FBP重建設置，但初步結果顯示，DLIR的實施與卓越的圖像質量有關，同時保持了與FBP圖像相似的紋理。

        由於關於DLIR對CAC定量影響的數據仍然很少，發表在EuropeanRadiology雜誌的一項研究通過使用非增強的心電圖(ECG)觸發心髒CT評估了DLIR對圖像質量和CAC定量的影響，為臨床更加準確的進行患者的風險分層提供了技術支持。

        共有100名患者被納入研究。通過使用FBP和三種不同強度的DLIR(低(DLIR_L)、中(DLIR_M)和高(DLIR_H))重建的圖像計算圖像質量相關的變量(噪聲、信噪比(SNR)和對比度噪聲比(CNR))以及CAC衍生的參數(Agatston評分、質量和體積)。根據冠狀動脈鈣化-數據和報告係統(CAC-DRS)的分類，將患者分為4個風險類別。0 Agatston評分(風險很低)，1-99 Agatston評分(風險輕度增加)，Agatston 100-299(風險中度增加)，以及≥300 Agatston評分(風險中度至重度增加)。

        與標準FBP相比，DLIR強度的增加與圖像噪聲的顯著和逐漸減少(P < 0.001)以及SNR和CNR的顯著和逐漸增加(P < 0.001)有關。使用DLIR的遞增水平與Agatston CAC評分和CAC體積的顯著下降有關(p < 0.001)，而與FBP相比，質量評分保持不變(p = 0.232)。對Agatston CAC的低估導致CAC-DRS的錯誤分類率為8%。

        圖不同強度DLIR對圖像質量的影響。盒狀和須狀圖表示FBP和DLIR強度增加時的噪聲、SNR和CNR的中位數和四分位數範圍。增加DLIR的強度與圖像噪聲的顯著和逐漸減少有關，也與SNR和CNR的顯著和逐漸增加有關

        本項研究表明，盡管DLIR的實施主要通過減少噪音來提高圖像質量，但DLIR係統地低估了Agatston CAC評分。因此，應謹慎使用DLIR來評估無症狀患者的心血管風險，因為DLIR可能對患者的管理策略產生負麵影響。需要後續數據來評估DLIR在臨床常規中的影響。

        原文出處：

        Alexia Rossi,Antonio G Gennari,Dominik Etter,et al.Impact of deep learning image reconstructions (DLIR) on coronary artery calcium quantification.DOI:10.1007/s00330-022-09287-0