| 【摘要】目的:以FBP算法Sa36图像人工智能（AI）冠状动脉钙化（CAC）定量为参考标准，探究ADMIRE重建算法不同迭代等级Sa36图像AI CAC定量结果及危险分层的影响。方法:连续纳入271例行冠状动脉CTA检查的患者。应用第三代双源CT扫描仪，采用120kVp、自动管电流（预设值60mAs），心电门控下进行平扫。所得原始数据采用FBP、ADMIRE 1~5级重建（Sa36）图像，重建层厚3.0mm、层间距1.5mm。测量并记录各组图像AI CAC定量结果（钙化体积、质量、Agatston积分），并根据Agatston积分进行危险分层。采用Friedman非参数检验对6组图像进行统计学分析。结果：271名患者FBP组、ADMIRE 1组、ADMIRE 2组、ADMIRE 3组、ADMIRE 4组、ADMIRE 5组图像噪声（HU）分别为14.92±2.25、13.54±2.06、12.08±1.83、10.70±1.68、9.19±1.46、7.53±1.39；ADMIRE 1~5组较FBP组噪声分别降低9.70%、19.11％、28.42％、38.48％、49.78%（F=8224.929，P＜0.001）。FBP组、ADMIRE 1~5组冠脉钙化最大CT值（HU）分别为443.75 (293.00,643.38)、440.25 (287.13,640.63)、437.50 (282.00,636.63)、434.25 (277.00,632.63)、429.75 (273.38,628.00)、420.5 (264.75,617.88)，组间具有统计学差异（χ2=785.465，P＜0.001）。170名患者CAC体积（mm3）分别为89.40 (22.83,347.34)、82.73 (20.59,327.89)、78.55 (19.13,306.44)、76.52 (18.08,289.41)、70.51 (17.02,270.19)、64.79 (14.13,251.47)，ADMIRE 1~5组钙化体积较FBP组分别降低4.51%、9.75%、13.16%、18.85%、24.92%（χ2=620.833，P＜0.001），差异具有统计学意义。CAC质量（mg）分别为16.27 (3.65,64.00)、16.18 (3.31,61.09)、15.86 (3.04,59.51)、14.26 (2.83,57.40)、13.49 (2.55,55.14)、12.43 (2.22,52.17)，ADMIRE 1~5组CAC质量较FBP组分别降低4.84%、9.27%、13.34%、18.63%、25.23%（χ2=603.029，P＜0.001），差异具有统计学意义。Agatston积分分别为92.30 (19.73,374.46)、89.80 (17.46,347.96)、85.88 (14.62,331.21)、84.01 (13.64,316.02)、79.34 (12.41,299.03)、70.64 (11.53,281.26)，ADMIRE 1~5组Agatston积分较FBP组分别降低4.75%、9.05%、12.98%、19.71%、25.09%（χ2=606.598，P＜0.001），差异具有统计学意义。29名患者（29/170）风险分层受到ADMIRE等级的影响。271例患者的平均ED为（0.61±0.18）mSv。结论:ADMIRE重建算法可明显降低图像噪声、钙化最大CT值，也使CAC体积、质量、Agatston积分的降低，造成部分患者危险分层低估。 |
