Radiology：基于生成对抗网络的主动脉和颈动脉CT血管造影

CT血管造影(CTA)是一种无创、有效的血管成像技术，已广泛用于诊断血管病变，如主动脉瘤和夹层。然而，CTA需要在血管内使用碘化造影剂(ICAs)，这对碘过敏、肾功能不全或多发性骨髓瘤患者构成风险。此外，基于ICA的CTA昂贵且耗时，研究表明反复使用ICA会增加不良反应的风险。因此，开发一种绕过ICA并从非对比CT (NCCT)图像中获取CTA样图像的方法是十分具有临床前景的。

CTA期间静脉注射ICAs增加了扫描时血液和周围组织的差值衰减。因此，在NCCT图像上突出不同组织外观的微小差异对于从NCCT获得CTA样图像至关重要。深度学习网络可以通过二次运算的非线性组合来区分差异较小的类值，这为获得不含ICA的类图像提供了技术方向。

近日，发表在Radiology杂志的一项研究建立了一种用于合成类CTA图像的无ICA深度学习成像模型，并评估了合成CTA (Syn-CTA)图像的定量和定性图像质量以及诊断准确性。

本项研究将基于生成对抗网络(GAN)的CTA成像模型在2017年1月至2022年6月回顾性收集的颈部和腹部非对比CT和CTA图像对上进行训练、验证和测试，并在外部数据集上进一步验证。采用定量指标评价Syn-CTA图像质量。此外，由两名资深放射科医生对视觉质量进行了三分制评分(3 =良好)，并确定了血管诊断。通过比较Syn-CTA和真实CTA扫描对主动脉和颈动脉疾病的视觉质量评分和诊断准确性来评估Syn-CTA图像的有效性。

纳入CT扫描1749例（中位年龄60岁[IQR, 50-68岁];1057名男性患者)，1137名用于培训，400名用于验证，212名用于测试。外部验证集包括来自42例患者的CT扫描(中位年龄67岁[IQR, 59-74岁];男性37例)。Syn-CTA图像与真实CTA图像具有较高的相似性(内部和外部测试集的归一化平均绝对误差分别为0.011和0.013;峰值信噪比分别为32.07 dB和31.58 dB;结构相似度分别为0.919和0.906)。Syn-CTA和真实CTA图像的视觉质量相当(内部测试集，P = 0.35;外部验证集，P >0 .99)。Syn-CTA对血管疾病的诊断准确率为合理至良好(内部测试集:准确率为94%，宏观F1评分为91%;外部验证集:准确率= 86%，宏观F1评分= 83%)。

表 在内部测试集和外部验证集中，放射科医生使用Syn-CTA与真实CTA图像诊断主动脉和颈动脉的混淆矩阵

研究表明，与真实CTA图像相比，基于GAN的综合颈部和腹部CTA样图像而不使用ICAs的模型在血管诊断方面具有良好的临床前景。

原文出处：

Jinhao Lyu,Ying Fu,Mingliang Yang,et al.Generative Adversarial Network-based Noncontrast CT Angiography for Aorta and Carotid Arteries.DOI:10.1148/radiol.230681