使用心脏CT进行功能性显著冠状动脉狭窄诊断时，普通分辨率与超分辨率深度学习重建方法的比较

《Journal of Cardiovascular Computed Tomography》：Normal-resolution vs. super-resolution deep learning reconstruction for diagnosis of functionally significant coronary stenosis using cardiac CT

CT-FFR诊断效能比较研究。单中心回顾性分析129例经皮冠状动脉介入治疗患者，对比常规分辨率深度学习重建（NR-DLR）与超分辨率重建（SR-DLR）的CT-FFR诊断功能性狭窄（FFR≤0.80）的效能。结果显示SR-DLR的AUC（0.85 vs 0.72）、诊断准确率（85% vs 74%）均显著优于NR-DLR，其优势源于更高信噪比（33.3±6.6 vs 23.9±4.5）和空间分辨率，尤其在钙化病灶和临界FFR值（0.64-0.85）中表现更优。

　　

富泽信夫（Nobuo Tomizawa）|范瑞恒（Ruiheng Fan）|藤本信一郎（Shinichiro Fujimoto）|野崎由衣（Yui O. Nozaki）|川口由子（Yuko O. Kawaguchi）|高村和久（Kazuhisa Takamura）|相川忠夫（Tadao Aikawa）|日岐雅人（Makoto Hiki）|高桥纪人（Norihito Takahashi）|冈井巌男（Iwao Okai）|冈崎信也（Shinya Okazaki）|南野徹（Tohru Minamino）|上田康二（Koji Kamagata）

日本东京顺天堂大学医学院放射学系

摘要

背景

超分辨率深度学习重建（SR-DLR）技术的开发旨在减少图像噪声，并提高空间分辨率，超越常规分辨率深度学习重建（NR-DLR）的局限。

目的

比较基于CT的分数流量储备（CT-FFR）与采用NR-DLR和SR-DLR技术的侵入性FFR在诊断性能上的差异。

方法

在这项单中心回顾性研究中，纳入了2022年2月至2025年3月期间接受冠状动脉CT造影并随后进行侵入性FFR检查的129名患者（平均年龄69岁±11岁，其中94名为男性）。CT-FFR是通过无网格模拟模型计算得出的。功能性显著狭窄的定义为FFR≤0.80。通过接收者操作特征曲线分析，比较了NR-DLR和SR-DLR在CT-FFR诊断性能上的差异。

结果

平均侵入性FFR值为0.81±0.08，157条血管中有70条（45%）的FFR≤0.80。SR-DLR的平均信噪比高于NR-DLR（33.3±6.6 vs 23.9±4.5，p<0.001）。SR-DLR在检测功能性显著狭窄方面的接收者操作特征曲线下面积（0.85；95%置信区间：0.78, 0.91）也高于NR-DLR（0.72；95%置信区间：0.64, 0.81；p<0.001）。SR-DLR的诊断准确性也更高（85%；157条血管中134条；95%置信区间：79, 90% vs NR-DLR的74%；157条血管中116条；95%置信区间：66, 81；p<0.001）。

结论

与NR-DLR相比，SR-DLR提高了图像质量，并提升了CT-FFR在识别功能性显著狭窄方面的诊断性能。

引言

基于深度学习的重建技术的最新进展使得CT图像重建的噪声更小，重建时间更短。

^1,2尽管常规分辨率深度学习图像重建（NR-DLR）能有效降低图像噪声，但其空间分辨率仍低于基于模型的迭代重建方法。³为了解决这一局限，研究人员利用超高分辨率CT扫描仪获取的心脏成像数据训练神经网络，开发出了超分辨率深度学习重建（SR-DLR）技术。⁴与NR-DLR相比，SR-DLR提供了更高的空间分辨率，并进一步降低了图像噪声。^{3, 4, 5}SR-DLR提升的空间分辨率改善了冠状动脉支架的显示效果。⁶

基于CT的分数流量储备（CT-FFR）在临床实践中越来越被广泛应用。⁷最近的一项荟萃分析显示，CT-FFR与侵入性FFR的整体诊断准确性为82.2%。⁸然而，当CT-FFR值介于0.64至0.85之间时，诊断准确性会降至80%以下。⁸这一局限的一个可能原因是CT的空间分辨率低于侵入性冠状动脉造影。⁹我们假设，与NR-DLR相比，SR-DLR更高的空间分辨率将提升CT-FFR在中度狭窄患者中的诊断性能。因此，本研究的目的是比较基于NR-DLR和SR-DLR技术的CT-FFR与侵入性FFR的诊断性能。

患者特征

这项单中心回顾性研究获得了机构审查委员会的批准，无需患者签署书面知情同意书。2022年2月至2025年3月期间，共筛选出153名接受冠状动脉CT造影并随后进行侵入性冠状动脉造影的患者（无冠状动脉旁路移植史，图1）。最初纳入了有经皮冠状动脉介入治疗史的患者。排除标准如下：

患者和病变特征

共纳入129名患者（平均年龄69岁±11岁，其中94名为男性）（表1）。超过一半的患者患有高血压（75%）或血脂异常（65%），42%的患者患有糖尿病。冠状动脉钙化评分的中位数（四分位数范围[IQR]为421（142–896）。

共分析了157条血管。103名（80%）患者评估了1条血管，24名（19%）患者评估了2条血管，2名（1%）患者评估了3条血管。左前降支是最常见的病变部位（97%）。

讨论

本研究表明，与NR-DLR相比，使用SR-DLR时CT-FFR在识别功能性显著狭窄方面的诊断性能有所提高。这种改进主要归因于灵敏度的提升，且无论Agatston评分如何，患者群体中均观察到了类似的效果。由于冠状动脉CT造影患者中冠状动脉钙化较为普遍，

¹⁵我们的结果强调了图像质量对CT-FFR准确性的关键影响。

结论

总之，SR-DLR通过使用无网格模拟模型，提高了CT-FFR在识别功能性显著冠状动脉狭窄方面的图像质量和诊断性能，尤其是灵敏度方面。这些发现不仅在钙化严重的血管中得到验证，在FFR值处于“灰色区域”的血管中也同样成立，进一步支持了将基于SR-DLR的CT-FFR技术应用于临床实践。

资金来源

本研究未获得公共部门、商业机构或非营利组织的任何特定资助。

利益冲突声明

作者声明他们没有可能影响本文研究结果的已知财务利益或个人关系。

致谢

无。