医学影像技术体系 · 第 14 卷 / 共 44 卷
心肌功能、深度学习与设备进展
本卷导读
讨论心脏 CT 的功能评估、心肌 ECV、心外膜脂肪、开花伪影与人工智能应用，并汇总 RSNA 与设备技术的最新进展。
知识结构
- 人工智能与深度学习
- 心脏CT大辩论：人工智能和心血管CT的未来
- CT深度学习知多少
- RSNA 2023丨CT技术与人工智能最新进展
- 设备进展与行业会议
- 光子计数 CT 的水晶之眼
- 迎接光子计数CT时代，你准备好了吗
- CT发展里程碑和三个未来方向
- 心脏 CT 功能与心肌组织特征
- 心脏CT最新进展
- 心脏CT的开花伪影
- 心外膜脂肪（EAT）CT评估的临床价值
- 迭代重建与伪影控制
人工智能与深度学习
1. 心脏CT大辩论：人工智能和心血管CT的未来
三到八年内，将拥有一台具有普通人一般智力的机器。
麻省理工学院人工智能实验室共同创始人，1970年。人工智能（AI）是使用计算算法来模仿人类的智能过程和记忆。机器学习（ML）是人工智能的一个子领域，它使这些算法能够处理越来越多的数据并完善预测，而无需明确指示寻找结果。深度学习（DL）是ML的另一个子领域，其中卷积神经网络（CNN）等程序被用来处理数据，以获得越来越精确的对象检测。在医学图像分析中，这些网络通常评估标准临床放射学数据集中的体素级数据，使临床结果与超出人类视觉能力的纹理分析相关联。这些过程可以与人工智能技术相结合，这些技术可以访问电子病人记录和来自万物互联的数据，以便从巨大的数据集中推动洞察力和临床护理，这也超出了人脑的技术计算能力。
流程图显示了人工智能对医学数据的可能实现，并显示了放射组学、机器学习和深度学习之间的异同。
然而，人工智能和ML并不是特别新的领域，它们的发展与计算机和处理能力的发展有着相似的路径。自第一台分类程序计算机开发以来已经超过70年，自第一个人工智能程序（Logic Theorists）发明以来已经超过65年。诚然，在过去十年中，计算能力的进步出现了指数级的增长，以至于越来越多的基本人工智能可以使用CPU（而不是GPU）技术提供。这一进展使该技术进入了日常用户的领域，并为整个病人路径上的日常临床医疗服务提供了真正的潜在提升。具体来说，可以认为人工智能和ML还没有彻底改变临床实践，没有得到临床界足够的批评性评价，而且目前被过度炒作。在被临床医生接受之前，人工智能工具应该被证明是准确和有效的（在成本和时间方面），并清楚地了解它们是如何提高诊断准确性或结果的；目前的人工智能产品缺少大部分内容，而且商业供应商也没有公开交流过。人工智能在心血管CT中的主要挑战与CT数据（由于人为因素）或使用的算法（由于有偏见的训练数据集等）产生的错误有关。
人工智能的时间线--来自Anyoha R.《人工智能的历史》。哈佛大学，《新闻中的科学》。
本章旨在2021心血管计算机断层扫描学会（SCCT）年度科学会议上AI/ML大辩论的后续文章。在辩论风格中，强调了对 AI/ML 的期望管理的必要性，揭穿了围绕当前 AI 技术的炒作，并反驳了当前形式的 AI/ML 是解释日常临床 CCT 实践的灵丹妙药的论点。
人工智能被吹捧为一个颠覆性的、创新性的新生代，越来越多地渗透到心血管医学和心血管成像的各个方面。然而，巧妙的营销、高影响力的论文和成像天堂的承诺真的经得起我们评估新药或医疗设备的审查吗？
如上所述，这不是人工智能炒作第一次盛行。60年代和70年代，人们对即将到来的技术革命的预测几乎相同，这场革命将改变我们生活的方方面面。这种热情和乐观情绪渗透到了社会的方方面面，激发了儿童动画片《杰森一家》，以及从《太空漫游2020》到《终结者》的科幻电影浪潮。这种炒作，以及这项技术不可避免地未能兑现被夸大的承诺，导致了资金的崩溃和近20年的忽视。人们经常注意到，那些记不住过去的人注定要重蹈覆辙。这些作者关注的是，目前该技术的拥护者，无论是疏忽还是故意，都忽视了过去。
人工智能在现实世界中的临床实施比许多人希望的要慢，但人工智能的真正障碍很少被讨论。临床犹豫的原因是多因素的；新术语、新技术和复杂的“黑匣子”算法都需要新的学习。需要对研究进行专家同行评审，深入了解技术的技术挑战和潜在偏见，并对真正的临床价值进行关键评估，然后才能进行强有力的、真实的验证和监管批准。人工智能/ML的快速商业化--以及对短期投资回报的相关预期--以及对数据所有权、道德和医疗法律风险的不明确，都加剧了这一挑战。
毫无疑问，作为决策支持工具，许多人工智能过程有潜力真正支持心血管成像设备并指导患者护理。有人可能会说，心血管成像设备一直处于数字革命的前沿，人工智能可以用来改善图像采集、重建、分割、直接图像分析和解释。
然而，我们必须批判性地评估这些算法，并质疑一直以来的说法，即这项技术提高了效率、客观性和性能，同时提高了图像质量、分割、定量测量和结果预测。在医疗保健之外，尽管人工智能算法得到了广泛的应用和普及，但包括谷歌、脸书和微软在内的领先公司的生产力近年来未能与预期相反地提高；这项技术真的像宣传的那样具有颠覆性吗？
虽然人工智能确实有可能简化大部分心血管CT的临床工作流程，但我们质疑这些人工智能过程在不完美的图像采集和固有成像伪影的真实世界中到底能提供多大价值（如果将引用的排斥率用于商业计算流动态评估，这将影响高达30%的数据集），断开的医疗保健系统数据库，没有大规模的“供应商中立”档案。必须回答的主要问题是：人工智能对专家有帮助吗？它是否提供了改进的有效性（时间、成本或两者兼而有之），错误率（与人工解释相比）是多少？它能提供诊断益处吗？人工智能会对非专家的图像解读造成多大伤害？当人工智能结果（如自动分割）可能存在问题和缺陷时，非专家会仅仅信任结果而不理解吗？
3 挑战炒作：重塑和进化。大部分作为新技术出售的产品要么是对旧技术的重新利用，要么是将相对现代的技术重新应用到新领域。这些技术中很少有革命性的，它们当然不值得相关的炒作或价格标签。
a.放射组学：有人可能会说，心血管成像的真正革命是将放射组学（或纹理分析）用于成像数据集。然而，虽然放射组学分析的一些结果可能是突破性的，但其他结果只是对我们已经知道的进行了三角化测量。放射组学的基础建立在20世纪40年代和50年代的军事卫星成像技术上，该技术旨在利用20世纪中期卫星图像中的粒状黑白输出来区分城市地区和林地。虽然分形分析、灰度出现或长度矩阵等统计工具在医学成像中的应用对来说可能是新的，但它们所基于的算法已经有近80年的历史了。
b.基于人工智能的工作站：在工作站上生成图像的新的基于机器学习的软件已经能够（或多或少）可靠地将中心线沿着冠状动脉走行，已经超过20年了。这需要在数千个正常数据集上教授该算法，使其能够学习沿着增强的碘柱向下移动。同样，使能够分割冠状动脉树的边界工具需要一个程序来确定血管的边缘，并确定什么是冠状动脉，什么是左心耳。同样，这需要以一种始终基于机器学习算法的方式训练算法，但在2000年代初并没有被标记或炒作。这些技术正在不断完善，现在包括斑块定量和识别工具。然而，如果你知道去哪里看并打开引擎盖，这些“新”技术的构建块就一直存在。
4 对真实的临床影响保持客观，并管理期望。为了在临床上有效和有用，需要将算法分配到特定任务中，以提供临床输出。在心血管CT中，这可能是在风险分析斑块类型（分类任务）、生成自动钙评分或射血分数（节省效率）或增强迭代重建或成像技术中。存在改善图像采集、图像质量、自动分割和分析的潜力，从而改善诊断和决策支持。这些进步有望改善患者的预后和最终结果。人们怎么会不同意改善工作流程、提供更多临床见解、提高准确性和风险预测，同时节省成本的人工智能工具不是医疗保健的灵丹妙药？对心血管人工智能文献的回顾将产生如此有希望的发现，但这些几乎都是胚胎结果，数据集很小，充满潜在的偏见，在现实世界中的应用有限，缺乏突破性的优势。
自动化钙评分真正节省了多少时间？虽然正在积极探索这些应用程序，但它们的实施一直具有挑战性。文献中充满了开创性和复杂的验证论文，几乎没有一篇能够转化为临床实践。
已经存在的技术可以（重新）确定临床工作清单的优先级，将报告者引导到算法检测到病理的病例。将这项技术扩展到生成自动读取正常CCTA可能是日常实践中的一个重大进步--但同样，尽管有这项技术，我们还没有做到。存在用于分割的基线技术和自动冠状动脉读取算法，但将这些算法转化为常规临床实践仍然难以捉摸。这种算法的附加值还有待证明。为了确保精确的分割和轮廓绘制，特别是在存在变异解剖结构的情况下，将继续需要人工过度阅读，从而将软件降级到第二个阅读器，并降低效率。
目前解决的悬而未决的问题（如CACS自动化）不太可能对CCT从业者的时间需求产生重大影响。我们的目标是让机器衍生算法为我们做这项工作，还是处理过程中耗时的部分，如分割、中心线定义和定量测量？这些进步将使能够进行过度阅读、必要时进行调整并签字。大多数现代工作站显然已经具备了大部分这种能力，但这项现有技术需要在冠状动脉之外进行调整和应用。重要的例子包括左心耳、TAVR和TMVR评估、冠状动脉周围和心外膜脂肪定量。这些技术不应作为大规模的AI/ML进步出售，因为它们现在还不存在。可以认为，追求完美、具有商业吸引力的产品正在扼杀现有的有价值的产品。是看不到价值，还是商业上看不到可销售的价值，这是一个有争议的话题，但有了今天存在的AI/ML工具，可以极大地改进工作流程和决策支持。也许迭代步骤会比等待最终的白金工具更快地推进整个领域。还应该注意的是，通过减少图像解读时间，这最终将减少报销，至少在美国等医疗系统中是这样。并且，如果人工智能算法不完善，报销的下降也会导致准确性下降，并可能导致患者预后不佳。
使用机器学习算法的自动分割（西门子：State-of-the-Art presentation，ASM 2019）。
正如心血管成像历史上反复证明的那样，当将特定技术引入现实世界时，其理论价值往往相形见绌。计算机自动检测（CAD）的经验充分证明了当前AI/ML诊断助手可能产生的有限影响。CAD算法是使用人类编写的代码和数学公式而不是计算机学习开发的，设计用于辅助读取乳房X光照片。由该领域专家领导的涉及31000多名女性的前瞻性随机对照试验发现，CAD提高了乳腺病变的准确性和检测能力。然而，当在现实世界中应用时，CAD的使用显著降低了敏感性，但对特异性没有益处。这表明使用诊断助手存在强大的人类认知障碍，特别是当它们的好处是增量而非变革时。鉴于目前的法律框架将所有责任都交给了使用该工具的临床医生，而不是算法的创建者，因此没有理由期望这些结果不会在人工智能增强的冠状动脉狭窄检测和量化的使用中复制。也许并不奇怪，最近对乳腺成像、癌症诊断和胸部X射线诊断中的人工智能算法进行的审查发现，尽管这两种模型在心血管成像方面都比我们的大多数工具先进得多，但没有一种模型对常规临床实施具有显著的鲁棒性。
有多篇论文声称，人工智能和ML算法显著提高了对心血管疾病的临床见解。向这些令人印象深刻的论文的作者道歉，将质疑并非所有论文都增加了我们的临床知识。一些人可能已经对我们已经知道的内容进行了三角测量（这本身就很有价值），或者在精度上增加了一点增量。这些价值可能需要不成比例的努力、时间和成本。
作为验证我们已经知道的与新见解的论文的例子，我们引用了关于功能性重大冠状动脉疾病和结果的ML预测因子的令人印象深刻的论文，以及血管周围脂肪的放射转录标记在改善心脏风险预测中的应用。
前者确定了6个与低FFR值相关的关键参数，即平均管腔面积、斑块体积、衰减值、纤维脂肪/坏死核心体积、重构指数和左前降支近端位置；在此分析之前所有众所周知的风险因素。是的，令人印象深刻，但也许不是革命性的。相反，后一项研究在一个大型验证和训练队列中关联了放射组学技术，然后将这一新特征应用于临床队列（SCOT-HEART），以证明使用新的生物标志物增强风险预测的能力。放射组学技术在新的解剖部位（冠状动脉周围脂肪）的应用已经被其他研究人员所反映（Dey等人），这是人工智能技术的一个例子，可以带来潜在的新见解。
为了说明增加的临床准确性相对于标准评估的价值，另一篇使用CACS和临床数据研究10年死亡预测的优秀论文证明，ML工具随着大量CACS、CCTA和临床数据的增加而逐渐增加，AUC从单独使用CACS的0.78变为使用ML CCTA数据的0.80，进一步增加AVSCD风险为0.82，ML临床数据为0.83，所有参数增加为0.85。随着所有多参数数据、强大的算法（可能在商业上很昂贵）的加入，该技术将10年预测提高了7%。也许令人印象深刻，但在临床实践中交付是否可行？这样的应用需要多个不同的数据集的链接，这些数据集理想地包括成像、临床和社会数据。这项工作将需要一种战略方法来连接当前断开的系统，这将需要对大多数临床实践进行大量投资。最终，人们不得不质疑，这种回报水平的投资成本值得吗？在这一点上，可能不会。
使用传统的统计技术同样可以实现这些进步，这些技术提供了关于变量之间的关系及其相关的准确性提高幅度的明确结果。人工智能分析的优势在于它能够识别非线性交互，这些模式可能很有洞察力，但并不总是透明的。
文献中有更多的论文告诉我们已经知道的事情。重要的是要退后一步，问问这是否真的增加了我们的知识，以及这些说法是否经得起将应用于非AI/ML手稿的高水平的通常学术审查。目前，我们正处于知识发展的（重要）低谷，但让看看它的真实情况，而不是我们想要的样子。在我们开始尝试跑步之前，我们必须承认爬行阶段很重要。
即使在人工智能之前，CT硬件的创新也推动了图像重建算法的并行改进，能够提高精度、减少运动伪影和优化辐射。人工智能已“成功”应用于这些问题并集成到软件中。这些进步通常使用基于DL-CNN的方法和最近的生成对抗性网络（GAN）来进一步推进这一领域。
然而，有几个问题需要注意。首先是用于推导这些主张的基线数据的质量（通常是最佳的且没有缺陷）。这些工具在现实世界的临床实践中的应用可能不那么直接。人类临床CT专家擅长使他们的思维过程适应次优图像质量。在很大程度上，这正是人类CCT读者成为专家的原因。即使在最有经验的中心，也有很大一部分真实世界的数据集不是最优的，而且往往是由于难以辨别的原因。据称，ML和DL算法可以克服人类的主观性，产生更具可复制性的结果。这可能是真的，但算法能产生正确的解释吗？
心血管CT在技术上很复杂。扫描的质量取决于适当的心率控制、kV和mA设置、正确的卷积核选择、相位选择（以及对冠状动脉运动的理解）和窗值。这是在考虑受试者的人的方面（体型、BMI、采集过程中呼吸或移动的趋势等）之前。这些因素中的许多因素共同产生了不太完美的图像质量，而“垃圾进垃圾出”这句老话绝对适用于基于计算机的处理，包括人工智能和机器学习。人类的适应性和神经元的可塑性导致了非二进制的学习，并使能够“可靠地”克服这些陷阱。这些都是人工智能需要克服的基本挑战。
然后可以增加人体解剖学变异的挑战。如前所述，CCTA的冠状动脉分割已经存在了20多年；实现管腔狭窄分级、斑块评估和（使用辅助技术）血流模拟。这对于机器所理解的正常解剖结构来说很好，但正如任何心脏成像仪所知，人体解剖结构的正常变化是多种多样的。即使是最简单的变体，如LAD和LCx动脉双重起源的LMS缺失，中心线技术也经常失败。即使是简单的先天性异常也足以使自动化系统无法进行计算。
挑战现有就业模式的技术进步并不是医疗保健独有。Price-Waterhouse-Cooper预测，人工智能/ML技术将从根本上改变或在更大程度上取代30%的工作岗位。这导致了医学领域的一些夸张和歇斯底里的爆发，尤其是在放射学领域（人工智能将取代放射科医生）。然而，正如上面的论点所概述的那样，人工智能离成为一个强大的决策辅助工具还有很长的路要走，更不用说取代专业的人类了。
然而，和往常一样，文化挑战和不愿接受新事物是由许多因素驱动的。临床（和成像）专家对计算机科学、大数据、高等数学和专有的“黑匣子”技术缺乏了解，这加剧了人们对人工智能和机器学习的历史、其在其他职业或整个社会中的常规使用缺乏了解。进一步的障碍包括技术的巨大支出，这导致缺乏可用性和试验技术的能力有限，以及在缺乏决策辅助工具或“基本真相”仲裁者的情况下，对工具应该或可以做什么缺乏了解。
所有这些因素都很重要；无论是对就业的生存威胁，对人工智能的基本原理和支撑人工智能的科学缺乏了解，无法对其进行有力和科学的批判，还是在临床实践中投入使用之前无法适应技术的优缺点。难怪更广泛的临床界正在努力接受这项“新”技术。
此外还有伦理方面的挑战；谁拥有临床数据（患者、获取数据的机构或分析数据的公司？），如果国家提供（通过税收）或个人支付获取数据的费用，这种情况会改变吗？如果一个人因算法支持的决定而受到伤害，那么谁承担风险--医生，还是为编写算法代码的公司？一个更紧迫的担忧是，人们意识到许多设计的人工智能算法都是种族主义的，也许不是设计出来的，而是根据人类行为数据进行训练，并由以白人男性为主的人工智能社区精心制作。这导致黑人被谷歌图像识别软件贴上大猩猩的标签，并加强了警察的歧视行为。成像数据也不能免受这种影响。研究表明，算法可以从CXR和CT数据中准确、可重复地得出性别和种族。考虑到已知的女性和有色人种的治疗和诊断策略失衡，基于这些数据训练的算法可能会导致根深蒂固的强制偏见，其中许多算法的黑匣子性质掩盖了这些偏见。
人工智能是一个庞大而复杂的领域，许多成像社会都在努力应对，这些伦理挑战为这个已经具有挑战性的领域增加了另一层复杂性。存在着跨越无数医疗、技术和商业利益的道德原则文化冲突的真正风险。
虽然人工智能被誉为医疗保健和心血管成像的未来，但可以认为，医疗保健领域的人工智能需要成长和成熟，才能真正实现其巨大的希望。目前，它是一个声音洪亮的蹒跚学步的孩子，让人知道它的存在，但它没有大一点的孩子那么精致。当受到挑战时，它会变得暴躁，它的一些说法是异想天开和疯狂的。它需要通过发展来成熟。努力融入更广泛的环境，与同时代的人（在临床世界）交朋友，并学会在社区中分享和合作。随着人类的成长，会有成长的痛苦、高潮和低谷、成功和失败。目前，人工智能被过度炒作，离兑现其承诺还有一段路要走。
文献原文：Nicol ED, Weir-McCall JR, Shaw LJ, Williamson E. Great debates in cardiac computed tomography: OPINION: "Artificial intelligence and the future of cardiovascular CT - Managing expectation and challenging hype". J Cardiovasc Comput Tomogr. 2023 Jan-Feb;
CT深度学习知多少
缺血性心脏病是人类的首位死因。心血管领域的技术进步对CT产生了重大影响。在心血管成像技术发展的同时，大量可穿戴设备和智能应用程序产生了大量数据，这些数据将不可避免地与临床管理相结合。同样，电子病历系统背后的技术也在不断发展，能够收集和存储更多的患者信息。由于多个用户界面产生了大量信息，这对任何医护人员来说都可能是祸而不是福。极其复杂的数据也将超越当前统计软件的处理能力。
为了穿越这个复杂的信息迷宫，人工智能（AI）正成为以有临床意义的方式汇总信息的关键所在。人工智能可以解读信息，并带来数据驱动的发现，这是传统统计学通常无法实现的。在人工智能的各种算法中，深度学习最具革命性潜力，是心血管成像领域人工智能的前沿。随着图形处理器（GPU）的快速发展和云技术的出现，极大地推动了深度学习的发展。深度学习可实现成像中的图像分类和分割。
人工智能（Artificial intelligence；AI）是一个非常笼统的术语，通常是指使用计算机来模拟智能行为，只需最少的人工干预。人工智能，尤其是深度学习，最近在感知成像数据方面取得了长足进步，使机器能够更好地表示和解释复杂数据。
机器学习（Machine learning；ML）包含多种算法。这些算法大致可分为监督学习（supervised learning）、无监督学习（unsupervised learning）、半监督学习（semi-supervised learning）和强化学习（reinforcement learning）。监督学习使用数据集中的注释和标签。无监督学习是独立的，不需要数据集中的任何标签或类别。半监督学习利用了监督学习和非监督学习的特性。它可以理解有标签或无标签的数据。强化学习类似于人类心理学，它利用一定的奖励标准使算法独立运行。
目前统计学的一个弱点是预测不是这些计算程序的强项。当前的统计软件无法处理大量或复杂的信息。在这一特殊方面，ML 算法有着显著的不同。随着数据量的增大，有助于 ML 算法更好地发挥作用，提高准确性。机器学习可以揭示隐藏的新关系，这是传统统计学无法做到的。
在目前的各种算法中，深度学习（deep learning；DL）算法最具革命性潜力。从技术上讲，"深度（Deep）"指的是多层分离（multilayered separation）。从信息技术到商业行业，DL 正被广泛应用于人类工业的各个领域。例如，从自动驾驶汽车到某些语音识别软件，都在使用 DL 框架。DL 算法可以在一系列分层中处理和提取信息。事实证明，它是图像分类、语音识别、基因组学和图像分割领域的宝贵财富。
DL 与当代的 ML 算法有很大不同。有监督和无监督学习算法一般需要较长时间的训练和经验才能达到可接受的结果和准确度。要使算法正常运行，可能需要进行大量准备工作。相比之下，深度学习算法的准确性更容易通过增加训练数据集或提高网络容量来提高。它们对领域知识的要求大大降低。
深度学习包含大量旨在执行各种算法的算法。在全连接网络（Fully Connected Networks；FNN）中，任何一层中的每个单元都与后一层和前一层中的每个单元相关联。对于深度信念网络（Deep Belief Network；DBN），每一层都包含与前几层单元相对应的统计依赖关系。卷积神经网络（Convolutional Neural Network；CNN）由一个可进行分层特征解释的部分和另一个进行分类或回归的部分组成。自动编码器（Autoencoder；AE）包含编码和解码部分，可将输入连接到输出，从而在数据中提供有价值的属性。递归神经网络（Recurrent Neural Network；RNN）通过反馈回路利用内部状态来理解输入。在 RNN 中，长短期记忆（Long Short Term Memory）和门控循环单元（Gate Recurrent Unit；GRU）是常用的算法。
CNN 在通过卷积层检查数据时优先考虑特征优化。分类层位于 CNN 的最后一层。卷积层还能根据各种参数生成特征图。Visual Geometry Group（VGC）是一种深度较小的简单 CNN 框架。GoogleNet和 ResNET具有类似 CNN 的多层复杂结构。
堆叠去噪 AE（stacked Denoised AE） 是一种常用的 AE 算法。这种算法可以从损坏的输入创建干净的输入。U-net 是另一种类似 AE 的框架，可以将编码器和解码器的层关联起来。U-net 在心脏病学的图像分割中发挥着重要作用。
CT扫描与机器学习之间的新兴关系。CAD 是导致人类死亡的主要原因。心脏 CT 是一种无创的评估 CAD 的成熟模式。心脏 CT 可显示冠状动脉树中动脉粥样硬化的程度。随着 CTA 的出现，它迅速改变了 CAD 评估的诊断模式。心脏 CTA 的阴性预测值接近 100%，敏感性和特异性分别达到 98% 和 89%。毫无疑问，心脏 CT 可以可靠地排除疑似病例中的 CAD。在临床或急诊环境中，心脏 CT 已被纳入许多阻塞性 CAD 患者的诊断算法。
从动脉粥样硬化斑块的水平到各种冠状动脉病变的功能评估，心脏 CT 可提供 CAD 的全面描述。许多著名学会都坚决主张将心脏 CT 作为疑似 CAD 的一线选择。随着该技术的不断发展壮大，将有大量新参数涌入。这些新参数可提供更多信息，但意义不大。心血管界对 ML 算法与心脏 CT 及其他成像模式的整合越来越感兴趣。ML 算法可简化临床工作流程，有助于为临床决策提供更多时间。它们可以执行琐碎的任务，帮助以对临床有意义的方式分析医疗信息。ML 算法与心脏 CT 的整合将为心血管成像的精准医疗铺平道路。
冠状动脉钙化（CAC）评估是冠状动脉 CT 的一个重要方面。CAC 评分有助于评估动脉粥样硬化疾病的程度，是心血管风险分层的重要参数。CAC 升高与存在阻塞性 CAD 之间存在内在联系。许多研究探索了深度学习在心脏 CT 中对 CAC 的作用。
Lessman 等人利用 CNN 框架来评估 CAC。CNN 算法在心脏周围创建了一个边界框。如果患者的 Hounsfield 单位超过了一定的阈值，就会被认为是心脏 CT CAC 的候选者。根据这一评分，患者被分为五个风险类别。同样，Lessman 等人利用 CNN 算法识别低剂量 CT 中的钙化。Wolternick 等人评估了无需提取冠状动脉的多层 CNN 架构在测量 CAC 方面的作用。CNN 算法在多个平面上创建了一个围绕心脏的边界框，另一个 CNN 同时检测 CAC。
Cano-Espinosa 等人创建了一种 CNN 算法，可在 5973 张 CT 图像中自动生成 CAC 的 Agaston 评分。Cano-Espinosa 等人的皮尔逊相关系数达到了 0.932。Santini 等人使用多层 CNN 算法对不同 CT 容量的冠状动脉病变进行分类。他们的 CNN 算法能够显示出 0.983 的皮尔逊相关性。
深度学习在CT扫描图像分割中的作用。心脏 CT 在临床实践中的主要用途之一是分割各种心脏结构。心脏 CT 和 CTA 需要对结构进行手动分割，这可能会耗费大量时间，并可能减少临床管理时间。自动深度学习算法尤其有助于产生快速可靠的结果。它可以在不久的将来为自动分割搭建平台。
Liu 等人利用多层 FCN 对三维 CT 容量的左心房进行自动分割。Hong 等人评估了一种 DBN 算法，用于根据 CT 对腹主动脉瘤进行分割和分类。López-Linares 等人探索了 CNN 框架在评估主动脉血栓方面的潜力。他们对术前和术后成像进行了自动分割。Jin 等人应用 CNN 算法自动分割左心房附壁，以通过 CTA 诊断心房颤动。与人工标注相比，平均 Dice 重叠率为 94.76%，平均体积重叠率为 91.10%。每个容积的计算时间不到 40 秒。Dormer 等人使用 CNN 算法对心脏进行了完整分割，总体准确率为 87.2% ± 3.3%，总体腔室准确率为 85.6 ± 6.1%。
Baskaran 等人探索了深度学习在 CT 上自动分割心脏结构的潜力。他们使用 U-Net 深度学习算法自动分割了 10 个结构，其中包括心脏左右两侧的各种结构以及大血管。总体 Dice 得分为 0.932，不同子集的结果一致。引人注目的是，每个病例的自动分割平均耗时 440 秒，与人工分割的 5 个小时形成了鲜明对比。
深度学习在CT扫描检测心脏结构中的作用。心脏 CT 广泛用于识别和检测各种结构。通过适当的训练，深度学习算法可在这一过程中为医生提供极大的帮助。De Vos 等人利用 CNN 算法在 CT 切片生成的二维图像中识别心脏和主动脉区域，并在三维图像中找到相应区域。该算法会在三维 CT 中检测到这些区域，并在检测结果周围放置一个三维边界框。Moradi 等人评估了 CNN 算法在帮助自动分割和解剖识别方面的作用。他们将 CT 中显示的各种身体区域分为九类，每一类代表一种疾病或主要心血管特征的相关区域。CNN 算法能够设计出与相应 CT 切片和相关层面相对应的示意图。Moradi 等人的报告显示，在将 CT 图像匹配到相对较窄的解剖窗口时，边距 0 和边距 1 的准确率分别为 91.7% 和 98.8%。Zreik 等人应用 CNN 算法从 60 名患者的 CTA 扫描图像中自动分割左心室。左心室体素分类是通过左心室周围的边界框进行的。该算法的 Dice 指数为 0.85，平均绝对表面距离为 1.1 cm。
最近，Baskaran 等人探索了深度学习算法在从 CTA 中识别和量化心血管结构中的作用。他们利用 U-Net 架构对 166 名接受 CTA 的患者进行了左心室容积、左心房容积、右心室容积、右心房容积和左心室心肌质量的评估。综合 Dice 得分为 0.9246。在左心室容积（r=0.98）、右心室容积（r=0.97）、左心房容积（r=0.78）、右心房容积（r=0.97）和左室心肌质量（r=0.94）方面，深度学习架构与人工标注的相关性具有统计学意义（p<.05）。
Zreik 等人采用 CNN 算法在 CTA 中自动检测 166 名患者的冠状动脉狭窄情况。在有创分数血流储备方面，该网络产生的 c 统计量为 0.74 ± 0.02，特异性分别为 77%、71% 和 59%，灵敏度分别为 60%、70% 和 80%。Motwani 将 DL 算法应用于 10,300 名疑似 CAD 患者的 CTA，以预测五年全因死亡率。有趣的是，与弗雷明汉风险评分（0.79 vs 0.61）或 CTA 严重程度评分（0.79 vs SSS 0.64、SIS 0.64、DI 0.62）相比，ML 框架在预测全因死亡率方面显示出更高的曲线下面积（p<.0001）。Commanduer 等人利用 CNN 算法评估 CT 中的心外膜脂肪组织。Gulsun 等人评估了 CNN 算法在提取 CT 中血管中心线方面的作用。
尽管深度学习的早期成果似乎很有希望，但仍存在许多重大问题。
深度学习的 "黑盒子 "性质不易理解，临床解释起来可能比较困难。人们提出了许多方法来提高可解释性，但这可能需要更高的成本或更大的数据量。另一个常见的问题是过度拟合。如果数据样本较小或算法过于复杂，就会出现这种情况。算法的选择取决于分析目的和数据规模。深度学习还可能涉及一些道德问题，如研究结果的偏差或无意操纵。在不同的学术机构使用相同的深度学习算法时，需要保持结果的一致性。使用相同算法，不同中心的结果可能会有所不同。深度学习算法没有标准化。之前的大多数研究都用 C 统计量和接收者工作曲线下面积来比较深度学习的结果。C 统计量没有明确的分界线。虽然这种方法很有效，但要真正评估深度学习的结果，还需要使用其他统计指标。
CT 和 CTA 在阻塞性 CAD 和其他心血管疾病的现代治疗中发挥着不可或缺的作用。虽然众多技术进步在 CT 领域取得了长足进步，但人们对临床实践中多种参数和设置的整合越来越关注。在当前的临床医疗时代，医生每天都面临着前所未有的工作要求和严格的时间限制。对于每一位患者，心脏科医生都必须获取多种图像、进行处理、执行从简单到复杂的测量、解释图像并最终撰写报告。这可能会导致过度疲劳、注意力下降和记忆力减退，从而导致研究结果的多种不一致。众所周知，人工操作会造成观察者之间的巨大差异和可重复性降低。随着技术的不断发展和成像数据复杂性的增加，这些趋势很可能会进一步恶化。
深度学习提供了无限的机会，为 CT 领域开辟了新的前沿。与 ML 同类算法不同，深度学习通过层级结构处理信息。随着数据集的增大，深度学习的性能呈指数级增长。深度学习可以在没有任何先验信息的情况下处理大量原始图像。该算法可以从复杂的数据中提取信息，并进行非常准确的预测。深度学习可以自动执行一些基本任务，加快一些临床流程。通过充分的训练，深度学习可以显示出极大的准确性，并与人工计算高度相关。
深度学习不会取代任何医护人员，而是任何医生的宝贵延伸。深度学习算法可以大大增强临床工作流程，因为它们可以作为额外的阅读器。这些算法还能分割结构并识别形态的异常变化。这可以大大改善临床解读，提高研究结果的可重复性。这可以减少处理图像所需的工作量和时间。可以将更多的时间用于临床护理。并且，这并不意味着医生的责任减轻，而是必须对检查结果保持认识和警惕。医生需要持续监控这些算法的输出结果，并确定其临床相关性。
在深度学习中，还有一些其他算法具有巨大的潜力。通用逆向网络具有区分虚假图像和真实图像的潜力。它有两个生成器，分别生成真实和虚假图像。它已被用于静脉内超声波检查，但在计算机断层扫描中还未得到充分利用。另一种深度学习算法是胶囊网络，与传统的 CNN 算法相比，它的训练要求更低。胶囊网络的解释能力更接近人类感知。它更多地用于脑肿瘤和乳腺癌分类。
要想让深度学习在 CT 或其他心血管成像领域蓬勃发展，可能需要一种通用的数据标准化标准。每个医疗中心都有自己独特的分类、协议和采集方法。如果能开发出一种通用的方法或途径，就能促进深度学习和其他 ML 方法的发展。由于深度学习需要大量数据，因此各机构之间需要某种形式的数据共享。由于法规和多个机构审查委员会的参与，这个过程可能过于耗时和繁琐。数据需要公开，以促进这些复杂框架的培训。为了传播临床知识，学术中心之间需要某种形式的代码共享。由于编码结构的不同，结果可能会出现一些差异。克服这些影响算法性能的微小差异，可以提高结果的一致性，从而有利于临床治疗。
在这个充满活力的大数据和收集时代，要想在医学领域采用深度学习，必须改变原有的信念和观点。发现需要数据驱动，患者护理才能繁荣。害怕改变是人类的本能，但科学进步的基础是探索新的可能性。深度学习可以快速自动化和执行各种任务，从而极大地帮助心血管成像。这可以提高医学推理能力，帮助新晋医生。深度学习正在人与机器之间架起一座桥梁，它将把临床医疗推向新的高度。
2. RSNA 2023丨CT技术与人工智能最新进展
RSNA年会（北美放射年会）是全球放射学界规模最大、最能代表行业未来发展方向的顶级医学盛会。初步统计数据显示，RSNA 2023 的预注册和现场注册人数比去年的会议有了大幅增长。
影像医学的发展取决于我们是否愿意为新技术和新应用做出改变。虽然这种变革很艰难，但只有这样影像医学才能进一步发展。RSNA主席Matthew Mauro在11月26日开幕的RSNA年会上鼓励放射科领导者以开放的态度迎接变革，使影像医学领域不断发展壮大，迈向充满科技的未来。它是增长的动力，我们拥抱和适应变化的方式将最终决定我们未来的成功。” 正如本届年会的主题“Leading Through Change（引领变革）”，当变革不可避免，拥抱变革然后才能引领变革。
"影像医学一直是推动医学变革的力量，它彻底改变了影像诊断研究，创新了微创手术，并开创了癌症疗法，"Mauro 说。"创新是放射学的基石，我们完全有能力接受变革的必要性，继续推动我们的专业发展。
既然如此，放射科领导者如何判断重大变革是否即将发生或正在发生？这包括探索现有竞争对手、客户、潜在竞争对手、供应商、赞美者和监管机构的能力。这意味着要考虑以不同方式提供服务的可能性。
当各种力量的平衡从旧的竞争和成功方式转向新的方式时，就会出现战略拐点。虽然可能很难判断拐点何时出现或持续多久，但扫描竞争环境并为多种情况做好准备是很有帮助的。
Mauro 说，放射科的领导者只要有明确的愿景，就能成功应对变革。这意味着要通过以下步骤发展一个功能性强、有凝聚力的团队：建立信任、控制冲突、接受问责、注重结果。
他补充说，转型是一个过程，而不是一个单一的事件。这意味着可能需要数年时间才能看到有意义的结果，需要规划、耐心和毅力。
采用新技术是放射科医生取得成功的关键因素。Mauro呼吁放射学领导者倡导将这些新技术尽早纳入主流医学。虽然目前的成像技术功能强大，但人工智能对放射科的影响仍在不断扩大。在人工智能和其他新技术方面，放射科的领导者要么接受并采用它们，要么被甩在后面。
作为放射科医生，作为从事影像诊断的人员，我们完全有能力应对这种[变化]。
光子计数 CT (PCCT) 已成为过去几届 RSNA 会议的主要讨论内容（参见XI区：RSNA 2022丨CT技术最新进展），今年也不例外。在与PCCT相关的137个演讲中，有100多篇是来自NAEOTOM Alpha，该设备在2021年获得FDA的批准，并且在2023年10月获得NMPA批准在国内上市（参见XI区：什么是光子计数CT？
在今年的西门子展台上，新的NAEOTOM Alpha系统亮相，新版本带来了超过 10 项新功能，包括一种新的心脏成像重建算法，旨在使各种探测器宽度下的结果保持一致。其他心脏成像更新提高了对有支架或大面积钙化的心脏的扫描性能；光谱信息和光谱结果重建提供了更多的功能性发现。
迄今为止，全球已有 50 万名患者接受了该技术的扫描。西门子表示，计划在未来十年内将光子计数扫描技术推广到 10 亿患者。
今年 4 月，佳能开始与日本千叶县柏市的国立癌症中心东医院联合开展 PCCT 研究。野村圭一博士领导的研究小组发表的一项相关研究发现，在超高分辨率模式下使用基于碲化镉锌（CZT）的 PCCT 提高了胸部成像对肺癌的诊断性能。研究小组使用的原型 PCCT 设备包括基于 Aquilion Precision 系统的 CZT 探测器，探测器覆盖范围为 40 mm。
在过去的七年中，人工智能一直是年会的主题。人工智能主题的研究将无处不在，在专门的会议和整个科学项目中都会有所体现。几乎每场科学会议都至少有一个与人工智能相关的演讲。
西门子在展台上讨论了潜在的生成式人工智能（generative AI）应用，包括一种利用生成式人工智能将临床图像与报告相结合的技术。利用这种方法，聊天系统可以加载、链接和准备适当的答案、报告和图像。人工智能可以动态生成成像报告，并根据其重要性进行优先排序。该公司还表示正在开发用于员工培训以及客户服务和支持的生成式人工智能。
通用电气医疗（GEHC）在 RSNA 2023 大会上重点展示该公司的人工智能技术，并指出重点是将未使用的医疗保健数据用于帮助医疗服务提供者优化医疗服务。
成像软件开发商 Kailo Medical 将在 RSNA 2023 上推出新的基于网络的人工智能结构化报告模块 KailoFlow。它通过利用技师输入、成像模式的 DICOM SR 和人工智能分析（如有）生成初步报告，该报告可无缝集成到放射医师语音识别听写系统中。该软件旨在显著提高效率，简化放射技师的工作流程，减少整个影像诊断工作流程中的错误。
United Imaging Intelligence（UII）在 RSNA 2023 会议上展示正在研发中的人工智能技术。该公司计划展示一种用于自动慢性全闭塞（CTO）的深度学习模型。据称，与人工方法相比，该模型大大缩短了 CTO 定量所需的时间，并在评估闭塞特征方面表现出极高的准确性。
今年10月，FDA已批准Arineta公司专门用于心血管评估的 SpotLight 和 SpotLight Duo 计算机断层扫描 (CT) 扫描仪通过 510(k) 认证。除了 25 cm的专用心血管 CT 扫描视野外，SpotLight 系统的主要优势还包括同类最佳的心脏覆盖范围（14 cm）、空间分辨率（0.5 mm探测器）和时间分辨率（120 ms）。
该公司另一个为人熟知的产品是CardioGraphe，该设备转速也是0.24s，孔径也只有60 cm。
佳能医疗今年年会上展示了新型计算机断层扫描（CT）系统Aquilion ONE/Insight Edition和Aquilion Serve SP。Aquilion ONE/Insight Edition 的主要优势包括：利用深度学习重建技术提高了图像分辨率，能在数秒内完成全身扫描，以及可安装在标准 CT 机房内的紧凑型风冷设计。该扫描仪最大限度地利用了 CT 的固有分辨率，为心脏和身体检查提供超分辨率 1024 矩阵图像。0.24s的旋转速度也提高了心脏扫描的速度，使单次心跳扫描在高心率情况下更加稳健。
东软医疗在本届年会上展示了NeuViz Epoch+，其探测器覆盖宽度为16cm，单圈转速达到了0.235s。得益于较小的机架孔径，可以获得更高的剂量效率。
2021年在RSNA上发布的Revolution Apex Elite，可以实现单圈0.23s的转速，在本届年会GEHC的展台上依然看到了该设备的身影。转速为0.23s的Revolution Apex在2023年11月获得NMPA批准。
至此，单源CT的时间分辨率达到了115ms。
可以看出，单源CT的转速越来越接近0.2s的极限，未来是否能够突破0.2s，让我们拭目以待（参见XI区：CT的时间分辨率）。
在本届年会上，西门子 SOMATOM Pro.Pulse 双源CT扫描仪成为 CT 领域的另一个焦点。
双源CT可实现极高的时间分辨率（参见XI区：双源CT的技术原理与临床应用）。时间分辨率指的是扫描设备在时间上分辨事件或动态变化的能力，高时间分辨率的CT设备能够以更高的速度获得图像，并提供更接近实时的图像序列，对于需要捕捉动态或快速变化的生理过程或病变有着重要意义（参见XI区：CT的时间分辨率）。而这对于心脏 CT 扫描非常重要，可以限制呼吸或心脏运动造成的图像伪影。这款设备能够扫描处于各种具有挑战性的临床状况的患者，例如心率高或不规则、无法屏住呼吸或保持静止以及难以遵循临床医生指示的患者。
由于改进了冷却系统并提高了功耗效率，新扫描仪的生命周期成本最多可降低 20%。它还利用能谱纯化技术在保持最佳图像质量的同时降低辐射剂量。这一优势在超低剂量胸部 CT 筛查等临床应用中尤为重要（参见XI区：能谱纯化技术的基本原理与临床应用）。
当与公司的 myExam Companion 软件一起使用时，SOMATOM Pro.Pulse 可简化检查，同时为每位患者进行个性化扫描。扫描参数根据患者数据进行个性化的调整和优化。然后，FAST 3D Camera 会自动进行病人定位，帮助减少常规工作所花费的时间，使得操作人员可以有更多的时间与患者沟通，提高满意度。
从2013年RSNA年会上CT技术大飞跃之后，光子计数CT成为引领CT发展的一个重要潮流。新技术层出不穷，希望这些新技术能早日进入临床，造福患者。
设备进展与行业会议
1. 光子计数 CT 的水晶之眼
毫米级精细、结构完美且制造极其复杂：特殊晶体有助于新一代 CT 扫描仪实现前所未有的图像质量。使光子计数成为可能的结构是如何产生的呢？借助西门子医疗晶体种植者的肩膀，了解到热量和高科技如何成为公司新旗舰扫描仪的核心部件。
两个男人正缓慢而均匀地围着一个玻璃圆筒转圈，他们手里拿着强力的煤气炉。每走一步，火焰都会使材料变形，直到玻璃壁软化到足以密封容器和内部闪闪发光的金属物质为止。“在日本，他们称之为‘火舞’，”Paul Heimann 说。这位工艺工程师也被他的团队称为“首席化学家”--在福希海姆的西门子医疗晶体中心发生的事情实际上让人联想到具有数百年历史的炼金术程序。然而，这里不生产黄金，而是更有价值的东西。
“火舞”是生产碲化镉单晶的重要一步，而碲化镉单晶是新型光子计数 CT 的核心。晶体能够将 X 射线直接转换为电信号，与以前的扫描仪相比，这具有很大的质量优势。
晶体材料在其元素符号后简称为 CdTe，具有特别适合用于 CT 探测器的特性。“简而言之，它非常好地吸收 X 射线，” Heimann解释道。然而，在 CdTe 晶体展示其优势之前，必须首先完成一个复杂、要求高且耗时的制造过程。西门子工程师从专门为此聘请的日本公司 Acrorad 的专家那里获得了必要的知识。
制作晶体需要两个主要条件：高温和耐心。因为虽然这两种元素的熔点处于相对适中的 321°C（镉）或 449.5°C（碲），但必须达到 1100°C 才能进行永久融合--合成。“如果你保持在这个水平以下，组件在冷却时会恢复到原来的形状，”Heimann说。为避免在此过程中氧化，将混合物装入碳涂层玻璃安瓿中，然后使用上述“火舞”将其密封。
Paul Heimann 费了很大的劲，才拿到了前面程序的结果：一个灰色的圆柱体，它的表面有暗淡的金属光泽。尽管所谓的金属锭可能不起眼，但它们很敏感：“这种材料很重，但又很软，用指甲都能留下凹痕，”专家说。“它也非常脆，这使得进一步加工变得更加困难。” 更糟糕的是，铸锭在生产过程中不得受到任何振动，因为这会扰乱材料的均匀晶格结构。“后来晶体的质量受到这些杂质的影响，这就是为什么我们必须在这里非常小心地工作。”。因为银锭用作生长实际 CdTe 单晶的原材料。在“种子”晶体的刺激下，一些新的东西从材料中生长出来，Heimann 描述道：“单晶通过熔化铸锭并采用种子晶体的结构而生长。”这导致绝对均匀的排列：旁边是一个碲原子到镉原子，然后是碲、镉等等。晶体的质量是以这种均匀性来衡量的--在福希海姆生长的样本达到了大约 99.999999% 的纯度，专家强调说。然而，原子的整齐纠缠需要时间：铸锭需要 10 到 12 周才能成为成品单晶。“你需要必要的耐心，”Heimann说。
顺便说一句，晶体热也席卷了西门子医疗的其他部门：展示柜中闪闪发光的小型展品并非用于成像，但至少以其多样化的结构装饰了晶体中心。“我们的员工自己培育了它们，”CT 生产部门经理 Andreas Bär 高兴地说。“我们甚至进行了一场小比赛--晶体显然不仅仅让我们的团队着迷。”。从晶体中心的炼金术师厨房，您继续前往 CT 制造大厅。在这里，员工用数千个单独的零件组装扫描仪并配置相关软件。在两名技术人员和一系列测量仪器的检查下，机架单元以最大速度旋转--每秒四转。“声音之所以这么大，是因为外层还没有贴上，”Andreas Bär 在高频隆隆声中解释道。“当然，扫描仪在临床使用中要安静得多，”他补充道。每年都有数千台计算机断层扫描仪离开大楼，用于世界各地的放射学机构。据专家称，位于福希海姆的工厂是世界上最大的 CT 生产工厂。
展厅内，CdTe单晶再次登场--被高精度金刚石带锯切割成毫米级薄片。构成了光子技术探测器 NAEOTOM Alpha 系列扫描仪的探测器单元。这就是生长晶体的巨大努力得到回报的地方：虽然以前基于传统技术的模型将探测器表面分成多达 88,320 个像素，但 NAEOTOM Alpha 在同一区域有大约 800,000 个像素。
“这为放射学带来了许多优势，”Aad van der Lugt 教授证实，他是新一代扫描仪的首批用户之一，正在鹿特丹伊拉斯谟医学中心探索该技术的可能性。“更高的分辨率有助于显示最精细的解剖结构，信号的直接转换意味着光谱信息可用于每次扫描，而高性能探测器能够以高图像质量减少辐射剂量，”放射科医生列举道。可以从图像中更好地去除伪影，例如由金属植入物或钙化引起的伪影。
先前在神经病学、心脏病学、呼吸病学和肿瘤放射学方面的应用证明了光子计数 CT 的巨大潜力。在开发阶段，许多研究项目已经探索了新型扫描仪的可能性。随着 NAEOTOM Alpha 的推出，专家希望通过多中心研究将研究置于更广泛的基础上。“该技术将对诊断成像的许多领域产生持久影响，”Van der Lugt 充满信心地说。“尤其是神经放射学将从中受益匪浅。
在过去的20年里，心脏CT的技术进步已经产生了一种强大的临床工具，可以提供准确的动脉粥样硬化性冠状动脉斑块和狭窄评估，并在心血管疾病中发挥重要的预后价值。心脏CT引导的医疗管理已被证明能够减少心肌梗死，并通过整合心脏CT血流储备分数（FFR）和心脏CT灌注，帮助优化有创血管造影转诊。除此之外，现在心脏CT在结构性心脏病和导管输送瓣膜置换术中发挥着核心作用。不断发展的心脏CT应用，如心肌细胞外容量（ECV），可以评估心肌弥漫性间质纤维化和浸润性心肌病。心脏CT应变分析提供了对心肌收缩模式的更深入评估。CT探测器技术的最新进展通过多能量X射线光子分析（光子计数CT）提供了更高的空间和对比度分辨率。在本章综述中，我们探索了冠状动脉和非冠状动脉CT应用的最新证据。
心肌ECV评估弥漫性心肌纤维化和浸润性心肌病的存在和程度，是缺血性和非缺血性心肌病的独立预后标志物。尽管通常使用心脏MRI非侵入性采集，但心脏CT衍生的ECV（以下简称CT ECV）是一种新兴的应用，涉及平扫和增强采集，然后在注射造影剂后5-10分钟延迟采集。碘造影剂是一种细胞外造影剂，弥漫性心肌纤维化和淀粉样蛋白沉积都会增加细胞外心肌空间，导致异常心肌中碘造影剂浓度更高。CT ECV计算为（1−红细胞压积）×（延迟期心肌CT值−平扫心肌CT值）/（延迟期管腔CT值-平扫管腔CT值）。CT ECV的可行性和临床实用性已在一系列心血管疾病中得到证实（表3）。必须进行红细胞压积评估是常规临床应用的一个潜在障碍，但最近已经被源自血液Hounsfield单位的合成红细胞压积方法所取代。当代CT软件可以导出半自动心肌CT ECV图。双能量CT ECV允许去除非平扫采集，减少辐射剂量，并且可以使用单能谱重建来减少伪影。验证研究表明，与心脏MRI有良好的一致性，并且具有良好的读者间一致性。除了这些手动方法之外，全自动应用程序正在开发中，可以在不进行手动编辑的情况下准确测量ECV，尽管这些应用程序往往会稍微低估ECV。深度学习去噪方法可以通过提高延迟期CT的对比噪声比来改善这种低估。
几项研究表明，CT ECV定量对接受TAVI的患者的预后有益，可以预测左心室射血分数（LVEF）的改善以及心力衰竭全因死亡率和住院率（表3）。重要的是，CT ECV的预后重要性似乎独立于传统的临床和超声心动图变量。除主动脉狭窄外，CT ECV的预后价值已在多种心肌病中得到证实，包括肥厚型、扩张型心肌病和心肌炎（表3）。事实证明，它的应用不仅在检测心脏淀粉样变性方面准确，而且在预测这种疾病的死亡率方面也是准确的。更大的队列已经证实了CT ECV在检测和定量心脏淀粉样变性方面的高诊断准确性。CT ECV可以提供比心脏MRI更快速、更便宜、更广泛可用的检查，并且对于有MRI禁忌症的患者（如金属设备或肾脏疾病）可能是有利的。然而，辐射剂量目前仍然是延迟采集的一个限制。
心肌应变测量心肌变形（与简单运动相反），应变率是心肌变形的速率。心肌应变包括几个因素，包括周向、纵向和径向扭转分量。在评估心肌收缩力和检测LVEF下降前早期区域收缩功能障碍方面，它被广泛认为优于LVEF。参考标准非侵入性成像检查是带有标记线的心脏MRI，以及最近的特征跟踪，其优点是不需要单独的序列，因为它是作为一种具有良好再现性的快速后处理技术进行。在缺血性和非缺血性扩张型心肌病中使用心脏MRI特征跟踪的多中心研究表明，应变在预测主要不良心脏事件方面优于LVEF和钆延迟增强（用于在心脏MRI扫描中描述心肌纤维化、浸润或梗死）。不断发展的心脏CT特征跟踪软件提供了类似的心肌应变评估。CT特征跟踪使用心外膜和心内膜边界、心肌像素特征和解剖标志的组合来生成周向、径向和纵向方向的心肌应变图。尽管研究主要评估左心室应变，但人们对评估左心房应变也越来越感兴趣。在包括心力衰竭、心房颤动、中风和瓣膜性心脏病在内的几种心血管疾病中，左心房应变已被证明是超过标准心房功能的独立预后标志物。左心房应变可以通过心脏CT进行评估，早期研究显示心脏CT应变左心房测量的可行性和预后价值。
- 5倍 0.75倍 1.0倍 1.5倍 2.0倍。心脏CT最新进展：心肌ECV，心肌应变与光子计数CT。电影：心脏CT应变电影显示了一名患有严重主动脉瓣狭窄的78岁男子在TAVI术前四腔、两腔和短轴心脏CT电影视图。CT应变软件自动绘制左心室心外膜和心内膜轮廓，并导出整个心动周期整个左心室心肌的应变和速度数据。深色和亮色分别表示变形程度低和变形程度高。
CT应变与冠状动脉狭窄的严重程度相关，并且峰值纵向应变值随着狭窄严重程度的增加而降低。在阻塞性冠状动脉狭窄中，心室容积和左心室射血分数可能是正常的，这使得CT应变成为评估冠状动脉病变功能重要性的潜在有价值的补充。同样，CT应变正逐渐成为主动脉狭窄的重要预后工具。CT应变可能提供常规临床和超声心动图数据之外的预后信息，包括主动脉狭窄的LVEF。接受TAVI的患者基线CT应变降低与TAVI后更高的死亡风险和心力衰竭住院风险相关。CT应变与基线相比没有改善与阴性结果增加有关。心肌ECV和应变的这些新的心脏CT应用也可以应用于经导管二尖瓣置换术和经导管三尖瓣置换术之前的右心室分析。目前，CT应变分析并非没有局限性。在Wang等人的研究中，CT和MRI之间的径向应变和周向应变在统计学上不同，并且在Bernhard等人的研究中将左心房应变的CT应变和斑点跟踪超声心动图之间发现了类似的次优一致性。这突出了与心脏MRI相比，心脏CT的时间分辨率较低。最近的研究表明，R-R间期的CT重建增量是CT衍生应变数据变化的重要来源。
传统的CT能量积分探测器由被隔板分割的闪烁材料（如氧化钆）组成。闪烁材料在X射线的作用下发出光，光通过光电阴极和光电倍增管转化为电流。光子计数探测器由半导体制成，如碲化镉或硅，没有栅格。在阴极和像素化阳极之间施加高电压，X射线被吸收。电子感应出与吸收的X射线光子的能量成比例的电压脉冲，并且当这些脉冲超过设定的能量阈值时，对它们进行计数（低于阈值的低振幅能量不进行计数）。不计算低振幅能量降低了图像噪声和条纹伪影，并允许较低的辐射剂量。与以前的光子计数探测器相比，最新的高分辨率光子计数探测器的空间分辨率有所提高。超高分辨率模式下的当前光子计数探测器的平面内分辨率低至0.125 mm，平面间分辨率为0.2 mm，矩阵为1024×1024。光子计数CT可以在单次采集的心脏成像中提供高的空间、对比度和时间分辨率。（更多内容参见XI区：什么是光子计数CT？
在首次人体冠状动脉评估研究中，Si Mohamed等人表明，与传统CT相比，光子计数CT的线束硬化斑块相关的开花伪影和辐射剂量显著降低。开花伪影的减少使得冠状动脉狭窄的评估更准确。心脏冠状动脉钙体模研究表明，与传统CT相比，光子计数CT的辐射剂量显著降低。在一项冠状动脉支架的体模研究中，与传统CT相比，光子计数CT可以更好地显示支架内腔和支架支柱。初步研究还表明，光子计数CT可以提高冠状动脉斑块的定量。当使用光子计数CT时，斑块成分的放射组学分析显示出改善。这些早期结果需要更大规模的队列验证，但确认将改善CT冠状动脉斑块体积和狭窄量化，以及支架评估，并增强CT作为侵入性冠状动脉造影的看门人的作用。光子计数探测器与高时间分辨率双源CT技术的结合正在迅速成为心血管疾病中新的心脏CT成像参考标准。
从早期的冠状动脉狭窄解剖评估到目前对其血液动力学意义的评估、斑块自动定量和斑块亚型的推导，心脏CT在疑似冠状动脉疾病患者的调查中发挥着越来越重要的作用。然而，心脏CT的应用已经超越了冠状动脉疾病，发展到了心脏结构性疾病，尤其是在经导管瓣膜置换术之前。心脏CT的心肌特征和功能正在开发应用，有望在未来进入临床实践。随着辐射剂量的逐渐减少，具有更高空间、对比度和时间分辨率的CT技术将继续进步。人工智能为报告放射科医生提供了越来越有价值的心脏CT数据生成。
心脏CT定量冠状动脉斑块分析提供斑块体积和亚型分析，这可能允许个性化的患者治疗。
CT血流储备分数和CT灌注改善了血运重建计划，减少了阴性侵入性冠状动脉造影。
使用心脏CT的结构心脏评估为导管输送的瓣膜植入提供了重要的术前测量。
未来，心脏CT也可能用于评估选定患者的心肌纤维化和心腔应变。
光子计数CT可改善冠状动脉斑块、狭窄和支架可视化。
迎接光子计数CT时代，你准备好了吗
光子计数探测器CT（PCD-CT）是美国食品和药物管理局批准的一种新的CT技术，2021年9月，全球首台可以应用于全身的光子计数探测器CT（NAEOTOM Alpha）被批准用于临床（参见：什么是光子计数CT？），2023年10月，NAEOTOM Alpha获得了NMPA的批准，它克服了传统能量积分探测器（EID）的许多限制。PCD-CT利用半导体材料从入射X射线光子产生电子信号。一篇来自梅奥诊所的学者发表的综述文章，回顾了这项技术在各种放射亚专业的临床益处。
显示了能量积分和光子计数探测器的示意图。在半导体上施加大电压，当光子撞击探测器时会产生电子-空穴对，PCD 直接将沉积的 X 射线能量转换为电信号。所有其他CT扫描仪都使用基于闪烁体的EID，当X射线击中它们时会发出可见光。这种光需要在常规X射线探测器内使用反射隔栅，以将光引导至光学光子传感器。因为PCD不需要这样的隔栅，所以使用PCD允许在不损害几何检测效率的情况下显著减小探测器像素尺寸。这使得PCD能够进行超高分辨率成像，并已用于提高体内CT成像的空间分辨率，无论身体区域的大小。较小像素尺寸的次要临床益处是能够在较低辐射剂量下获得常规成像。
A 入射X射线光子击中EID的闪烁体时产生可见光，然后由光电二极管记录光，探测器元件之间有反射隔栅，以减少串扰。B 而PCD-CT使用半导体直接产生正电荷和负电荷，负电荷进入像素化阳极以记录每个光子及其能量。
常规EID发射光并产生与所有检测到的X射线的能量之和成比例的信号。PCD均匀地加权不同能量的检测到的X射线，为可能有助于CT图像重要部分的低能量光子提供更多信号（因为低能量X射线更有可能被碘和其他生物组织衰减）。PCD的这种能量辨别能力产生于每个X射线沉积的电信号与其能量成比例，并且可以以两种关键方式使用。它允许应用能量特定阈值来去除作为电子噪声的低能光子。消除电子噪声有助于为成人和儿童制定超低剂量CT方案。PCD的能量辨别能力允许使用单个X射线管评估光谱信息，因为一个或多个能量阈值可用于基于其沉积能量将检测到的X射线光子分离到不同的能量箱中。与双能CT类似，可以显示和分析多能量CT信息，但使用不同能量箱中的光子，而不是来自不同X射线管的两次曝光（每个X射线管都有自己的多色X射线管电压或kV）。对于双源PCD-CT系统，这意味着两个X射线管可以在相同的kV下工作，并且都产生双能量数据集，这有利于心脏和大螺距临床应用。
-使用单个X射线管电压获得多能量信息的能力：常规可用的虚拟单能图像、虚拟平扫、虚拟去钙和碘图。C 每个探测器元件都不需要反射隔栅，这导致了传统能量集成探测器的几何剂量效率低下
-超高空间分辨率不再有辐射剂量损失，可以在更大的身体区域执行。E 使用锡滤光片、能量阈值和管电压选择对X射线束进行整形。光子计数探测器的优点及其对临床应用的影响。肺和肌肉骨骼成像中的许多诊断任务依赖于CT扫描大身体区域同时显示小结构的能力。PCD-CT的空间分辨率的提高可能有助于肺和肌肉骨骼成像中的许多诊断任务。例如，PCD-CT由于其较高的空间分辨率，显示了与间质性肺疾病相关的详细和细微的成像结果。Inoue等人最近证明，在已知或疑似常见间质性肺炎的患者中，PCD-CT增加了阅片医生对主要成像结果的信心，如毛玻璃不透明度、网状结构和马赛克图案。PCD-CT还改善了远端支气管和支气管壁的可视化。对于肺和肌肉骨骼应用，通过使用更高分辨率的重建卷积核，通常通过使用更薄的切片来实现较小结构的改进可视化。
PCD相对于EID固有的更高空间分辨率也有利于低剂量骨骼肌肉CT成像。例如，在多发性骨髓瘤的检查过程中，经常进行低剂量CT扫描，以识别溶解性骨病变和骨髓瘤后遗症，如病理性骨折。在类似的扫描剂量水平下，可以使用超高分辨率模式获取PCD-CT图像。超高分辨率要求在常规CT成像中使用梳状滤波器，这会增加辐射剂量，因此常规EID无法进行低剂量、高分辨率全身CT。在全身低剂量PCD-CT中，在PCD-CT图像上可以更清楚地看到小溶骨性病变（骨髓瘤的特征）。PCD-CT较小的探测器像素尺寸和较高的几何剂量效率有助于大幅降低小关节超高分辨率成像的辐射剂量，这有利于创伤和退行性疾病。它还允许对肩部和臀部等大关节进行超高空间分辨率成像，这在大多数常规CT系统中不能实现。
56岁男性，患有多发性骨髓瘤。
A、B 通过胸椎的轴位能量积分探测器CT（A）和PCD-CT（B）切片。在PCD-CT图像上可以更清楚地看到胸椎溶解性病变。椎体后部的溶解性病变（后皮质破裂）更清晰（虚线箭头）。在PCD-CT图像上，椎体中较小的溶解性病变（箭头）更为明显。
肾结石的检测、描绘和表征是高分辨率PCD-CT的另一个优势领域。用更清晰的卷积核和更薄的切片重建的PCD-CT图像具有提高的空间分辨率，从而改善了较小肾结石的显示。由于光谱分离和空间分辨率的限制，小肾结石的精确显示和定性是双能量CT的挑战之一。已经表明，与传统的基于能量积分的双能量CT技术相比，PCD能够显示和表征尺寸小于等于3mm的更多小肾结石。以这种方式，PCD-CT的空间分辨率的提高使得能够对较小物体（例如非常小的肾结石）进行光谱表征。
空间分辨率发挥非常重要作用的另一个感兴趣领域是小骨结构成像，特别是颞骨。Benson等人研究表明，PCD的空间分辨率提高了关键解剖结构（如砧板关节）、假体和病理的可视化。
在EID-CT（A）和PCD-CT（B）图像上显示的砧板关节（箭头）。
该关节是使用5点Likert评分特别分级的几种解剖结构之一，更高的评分说明PCD-CT图像的质量更好。
与EID CT相比，PCD-CT允许在相同管电压下提高碘对比度，并具有多能量显示和材料分解的额外优势。PCD-CT有助于改善碘信号，这是由于使用能量积分探测器时，低能量光子加权不足。例如，多色120kV PCD-CT图像产生类似于较低管电压（kV）设置的图像对比度特性，对比度差异增大。这种增加的碘对比度扩展了低kV成像的益处，主要是针对较大患者腹部低对比度检测任务的剂量减少，其中常规低kV成像受到可用管电流的限制。除了虚拟平扫图像和碘定量图之外，通过重建虚拟单能图像（VMI），放射科医生为诊断任务选择最合适的千电子伏（keV）能级，可以进一步扩大这些益处。
70岁女性，有肝内胆管癌切除术、胃旁路和侧对侧空肠空肠吻合术史。
A、B 两项检查均在120 kV的管电压下进行。冠状位能量积分探测器CT（A）显示空肠空肠吻合术（虚线箭），但光子计数探测器CT（B）改善了空肠空肠吻合术中对比度的可视化和褶皱的锐度（箭）。
PCD-CT可实现的图像对比度优化在腹部和骨盆具有多种潜在应用，包括改善实质背景中肿瘤的可见性和轮廓，特别是所谓的“低对比度”病变，其中靶病变的CT值与解剖背景相似。例如，PCD-CT可以通过强调由于碘增强的微小差异而导致的CT值差异来增加肝脏病变（低血管和高血管肿瘤）和胰腺癌的显著性。光子计数探测器的改进的剂量效率允许在匹配的辐射剂量下使用较薄的层厚，从而降低部分容积效应。通过使用光子计数探测器单独或与VMI结合使用改进的碘对比度信号，PCD-CT图像的更高空间分辨率可以提高小病灶的可检测性，例如小的低衰减肝转移瘤或腹膜植入物。PCD的碘信号改善，可能与低能量VMI相结合，可替代地用于减少碘造影剂用量，以实现不同诊断任务的图像对比度的类似差异，该方法可用于肾损伤或经历重复血管内手术的患者。
67岁女性胰腺癌患者。A-D 与能量积分探测器CT（A、B）获取的轴位和冠状位2mm图像相比，PCD-CT（C、D）获取的轴位和冠状位1mm图像提供了钩状体内低密度肿瘤的更好可视化，因为PCD-CT能够突出碘对比度；同样在这些图像中，PCD-CT显示更薄层厚的能力也得到了证明，而不会显著增加图像噪声。较薄的层厚减少了小结构和病理的部分体积效应。
64岁的转移性胰腺癌患者。A、B 光子计数探测器CT图像（A）显示了在随后的MRI（B）中确认的右后段（箭头）中非常小的肝转移。
73岁女性，卵巢癌腹膜播散。A、能量积分探测器CT显示乙状结肠浆膜不规则，腹膜前反射有可疑结节。B、光子计数探测器CT清楚显示小肿瘤植入物导致腹膜前反射不规则和结节状增厚（箭）。
69岁女性，患有已知外周动脉疾病。A、B 从使用145ml碘造影剂的能量积分探测器CT血管造影（A）三维重建图像看起来类似于仅使用55ml相同碘造影药的PCD-CT血管造影图像（B）。该示例说明了利用来自PCD-CT的改善的碘信号来减少碘造影剂需求的能力。
与肌肉骨骼成像相关的多能量CT重建包括评估痛风和骨水肿的虚拟去钙图像。致密的皮质骨和小梁使骨的髓腔成为CT评估的一个挑战性部位。例如，与创伤性损伤相关的骨水肿和骨髓瘤的局灶性髓样病变通常使用常规CT图像模糊。
36岁男性，患有痛风性关节炎。A-D 使用PCD-CT和随后的材料分类获得的图像显示，第一趾间关节处绿色的尿酸单钠沉积。
与双源双能CT系统不同，PCD不限制多能量应用的扫描视野，将多能量CT成像的优势扩展到更大的患者。虽然PCD将随着新软件版本的发展而发展，新软件版本旨在允许多能量数据的可视化和定量显示，但PCD-CT多能量功能将“始终开启”并处于全视野，例如，允许在一次扫描中显示足部骨折，同时显示骨髓水肿和痛风，但每个成像任务需要多次重建。改进的碘信号、基于多能量的区分和材料分离的组合可有助于扩大定量任务的临床潜力，用于局部病变（例如，区分肾囊肿和实体肾肿块中的碘）或实质器官，如肝脂肪定量。需要进一步研究以确定PCD-CT在这些临床环境中的临床应用。
一些PCD-CT应用对儿科患者特别有利。较高的空间分辨率和对比噪声比提高了较小患者解剖结构的可见性，同时提高了剂量效率，有利于进一步降低剂量。使用PCD-CT的高分辨率模式，辐射剂量可以减少20%-30%，而不牺牲图像质量。与某些常规EID CT系统中的使用类似，Tin滤波器可用于塑造多色X射线管能谱，去除低能光子，使更多的光子通过患者，并促进平扫诊断任务的剂量大幅降低。PCD-CT的这些特点使其成为各种儿科方案的理想选择，但超低剂量胸部CT是需要从年轻时开始重复成像检查的患者的理想应用，例如患有慢性气道疾病（如囊性纤维化）的年轻患者。显示了一名6岁囊性纤维化患者的平扫超低剂量CT图像，该图像在类似于胸片的辐射剂量下进行。
PCD-CT的另一个临床益处是减少常像伪影，包括但不限于条纹、线束硬化、金属和钙化晕状伪影。对于大型患者的高衰减身体部位，由于光子饥饿和电子噪声，通常会观察到条纹和阴影伪影。由于PCD消除了电子噪声，这些伪影可以显著减少。对于具有多个能量阈值/箱的PCD，不同能量箱处的图像表示不同的衰减特性。与具有所有X射线光子的低能量箱图像和标准CT图像相比，PCD-CT中的高能量箱图像显示出更少的线束硬化伪影。可以通过使用外部Tin滤波器将高能量箱图像与X射线束整形相结合，或者通过使用高能量VMI来实现金属伪影的减少。
开花（Blooming）伪影是由具有不同组织的体素中衰减值的部分容积平均引起的图像伪影，使得难以分辨小于体素的对象。由于CT系统的空间分辨率有限，钙化晕状伪影是心血管检查中常见的伪影。开花伪影是心血管成像中的一个重要挑战，尤其是在具有钙或支架的小血管（例如冠状动脉、远端动脉）中，因为放射科医生试图将这些结构与造影剂填充的管腔区分开。钙化斑块（以及金属支架）似乎大于其真实尺寸，导致对管腔狭窄的高估，这可能导致不适当的临床管理。PCD可以通过多种方式解决钙化的开花问题。随着空间分辨率的提高，可以通过减少体素大小和部分容积来改善钙化的晕状伪影，从而提高密集血管钙化患者狭窄评估的准确性。或者，也可以通过增加X射线能量降低体素的平均衰减来减少钙化晕状伪影，这可以在PCD-CT中利用高能VMI实现。可以使用材料分解算法从图像中分离钙化，该算法可以使用多能量信息创建，潜在地提供管腔狭窄的更精确估计。
A、外周动脉疾病患者的轴位能量积分探测器CT重建显示右股总动脉中有致密钙化斑块（箭头）。B、使用专用钙分离算法对同一患者进行的轴位光子计数探测器CT重建显示了钙化斑块的去除（箭头）。
放射科医生和物理学家将结合PCD的众多技术优势来提高完成任何特定诊断任务的能力。这可以通过考虑心血管成像中的几个任务来最好地说明。例如，通过使用更高空间分辨率的卷积核和薄层重建，结合使用PCD本身或通过使用低能量VMI进一步改善碘填充管腔的可视化，将促进小血管（例如冠状动脉、外周动脉、Adamkiewicz动脉和动脉瓣）的可视化和表征，以及使用高能VMI或设计用于去除钙化斑块的算法进一步减少钙化的开花伪影。PCD-CT和低能量VMI固有的高碘对比噪声比可用于降低碘造影剂的剂量（如肾功能不全患者）或挽救次优增强检查。
由于在探测器上实现了多能量能力，具有在相同管电压下工作的两个X射线管的双源PCD-CT系统可以实现高时间分辨率（66 ms）多能量心脏CT，这在具有能量积分探测器的传统双源CT上是不可行的（其中用户必须选择双能量或高时间分辨率）。双源PCD-CT允许高时间分辨率的多能量CT图像，大幅减少运动伪影，可能检测微小钙化，并识别高风险特征，如点状钙化和纤维帽。多能量材料分解可用于从血管检查中移除骨骼，而不是传统的基于阈值的算法。碘定量图可用于评估灌注，包括心肺灌注，如心肌瘢痕的晚期碘增强CT和心肌细胞外容积定量。碘图和虚拟平扫图像有助于表征几种病变，包括血栓与伪影、高衰减钙化与出血及增强肿块。
通过将X射线光子直接转换为电信号，PCD-CT提供了优于传统EID-CT系统的几个优点，包括：提高空间分辨率、利用多能量成像数据的能力获得更好的碘信号、消除电子噪声和提高剂量效率，同时提供高空间和时间分辨率，结合双源PCD的多能量评估，以及多种减少钙化晕状伪影和其他伪影的方法。PCD技术本身在结合探测器设计产生的多种技术进步方面具有很大的灵活性，以促进在广泛的诊断任务中提高图像质量（以及潜在的诊断性能），将最先进CT的许多优点扩展到更大的患者，并促进儿科患者的辐射剂量降低。
为了适应不同的诊断任务，这项技术需要放射科医生和物理学家合作选择最合适的重建卷积核、切片厚度、VMI和碘图以及其他材料分类算法和显示技术。需要跨多个机构进行进一步研究，以确定PCD-CT可提高放射科医生绩效和信心的诊断任务，并开发新的CT诊断任务，以改善患者健康评估。
文献原文：Esquivel A, Ferrero A, Mileto A, Baffour F, Horst K, Rajiah PS, Inoue A, Leng S, McCollough C, Fletcher JG. Photon-Counting Detector CT: Key Points Radiologists Should Know. Korean J Radiol. 2022 Sep;
非心脏手术前的心血管风险分层是一项常见的临床挑战。心电门控胸部CT成像得出的冠状动脉钙化评分与围手术期事件有关。在进行术前评估时，许多患者并没有接受过心电门控 CT 成像检查，而是因各种非心脏适应症接受过非门控胸部 CT 检查。来自纽约大学的学者评估了根据之前的非门控胸部 CT 成像估计的冠状动脉钙化严重程度与非心脏手术后围手术期主要临床事件 (MCE) 之间的关系。
他们的研究结果近期在Circulation杂志上发表。研究发现，利用非门控胸部 CT 成像采集的数据估算冠状动脉钙化（CAC）的患病率和严重程度，可以在患者接受非心脏手术之前改进对手术后重大临床事件的风险评估。
在患者接受非心脏手术前评估其术前心血管风险至关重要，但这样做可能具有挑战性。心电门控胸部CT检查得出的CAC评分已被证明可以帮助临床医生预测围手术期重大事件（即心源性死亡或非致死性心肌梗死或心脏骤停）的风险，但在围手术期评估时，预计接受非心脏手术的患者可能只做过非门控胸部CT检查。
研究小组利用现有非门控CT 冠状动脉钙化预测接受非心脏手术患者的手术风险 (ENCORES) 研究的数据，调查了从以前的非门控胸部 CT 成像检查中估计出的 CAC 严重程度与非心脏手术后围手术期主要临床事件之间的关系。
作者回顾性地识别了 2016 年至 2020 年期间在一个由 4 个急症护理中心组成的大型学术医疗系统接受院内非心脏大手术的年龄≥45 岁的连续成人患者。所有患者均在手术前 1 年内进行了非门控（增强或平扫）胸部 CT 成像检查。每个血管中的冠状动脉钙化由临床数据保密的医生采用 0 到 3 级（无、轻度、中度、重度）进行回顾性分级，从无到重度。估计冠状动脉钙化负担（ECCB）的计算方法为每条冠状动脉的得分总和（0 到 9 分）。计算每位患者的订正心脏风险指数。围手术期 MCE 被定义为手术后 30 天内全因死亡或心肌梗死。
研究共纳入 2554 名患者（中位年龄 68 岁；49.7% 为女性；中位订正心脏风险指数 1）。从非门控胸部 CT 成像到非心脏手术的中位时间间隔为 15 天（四分位间范围为 3-106 天）。估计冠状动脉钙负荷（estimated coronary calcium burden，ECCB）的中位数为 1（四分位间范围为 0-3）。136例（5.2%）患者在围手术期发生了MCE。较高的 ECCB 值与围术期 MCE 的逐步增加有关（0：2.9%；1-2：3.7%；3-5：8.0%；6-9：12.6%，P<0.001）。将 ECCB 加入修正心脏风险指数模型可改善 MCE 的 C 统计量（从 0.675 升至 0.712，P=0.018），净重新分类改善率为 0.428 (95% CI, 0.254-0.601, P<0.0001)。ECCB≥3与ECCB＜3相比，MCE的调整后几率高出2倍（调整后几率比，2.11 [95% CI，1.42-3.12]）。
根据冠状动脉钙化的发生率和严重程度对围手术期重大临床事件的发生率进行分层。任何冠状动脉钙化都会增加围手术期重大临床事件（MCE）的发生率（P<0.001；A），并且随着任何冠状动脉钙化的冠状动脉数量增加（P<0.001；B）、中度至重度冠状动脉钙化的冠状动脉数量增加（P<0.001；C）以及根据估计的冠状动脉钙化负荷增加（P<0.001；D），围手术期重大临床事件（MCE）的发生率呈递增趋势。
按 ECCB 和 修订的心脏风险指数（RCRI） 分层的围手术期 MCE 发生率。
冠状动脉钙的简单半定量评分，即估计的冠状动脉钙负荷，可以从非门控CT胸部成像中得出，具有良好的相关性。非门控CT 扫描检查中较高的冠状动脉钙负荷估计值与非心脏手术后围手术期死亡或心肌梗死的逐步增加有关。将估计的冠状动脉钙负荷添加到具有修订心脏风险指数的模型中，改进了围手术期重大临床事件的C统计量。
这项研究发现，估计冠状动脉钙负荷是一种实用的方法，可以增强在非心脏手术前1年内进行过非门控CT胸部成像的患者的围手术期风险分层。并且估计的冠状动脉钙负荷可以改善术前风险评估，而不需要额外的成像或增加医疗保健系统的成本。
作者得出结论，从现有的非门控胸部 CT 成像中获得的冠状动脉钙化的患病率和严重程度可改善非心脏手术前的临床风险分层。
2. CT发展里程碑和三个未来方向
1971 年，人类首次为病人进行 了CT 检查。从最初的 180° 旋转 5 分钟扫描，到如今的 360° 旋转 0.23秒扫描，CT 技术不断自我革新。
1971年10月在英国伦敦郊外，Godfrey Hounsfield与放射科医生James Ambrose合作，获得了第一张计算机轴向断层扫描图像（computerized axial tomographic scan）（参见XI区：理查德辍学、高弗雷参军、披头士狂热与CT的发明）。如今CT成像已经成为放射科的主力设备。仅仅8年之后，Godfrey Hounsfield和Alan M. Cormack就因开发计算机断层成像技术而共同获得了诺贝尔生理学或医学奖（参见XI区：回望：CT五十年（1968-2018））。总结了CT成像历史上的主要技术里程碑事件。
20世纪50年代，物理学家Allan Cormack发现了通过物体透射测量的知识来描述物体内部的数学可能性。他在1963年和1964年发表了这些结果，首次对CT进行了实验验证，并因此在1979年与Hounsfield分享了诺贝尔奖。
（A）Alan Cormack和（B）Cormack 1963年论文中的方程，这些方程建立了将物体描述为其线积分函数的能力。（C）Godfrey Hounsfield和（D）Hounsfield 1973年论文中描述计算机断层扫描原理图。
EMI的工程师Godfrey Hounsfield也在考虑同样的问题，但他并不知道Cormack的研究成果。从手工运算开始，Hounsfield通过网格的四个投影之和，计算出了三列三行网格的正确值--其实就是解决了数独难题。Hounsfield确信计算机可以扩展这种能力，随后他建立了一个桌面系统来扫描模型和尸体标本。1970年，Hounsfield开始研制能扫描人体头部的全尺寸模型。
1971年10月1日，Hounsfield与英国Atkinson Morley医院的放射科医生James Ambrose一起，为一名患者进行了首次CT检查。Ambrose医生花了两天时间才看到这些开创性的图像，因为这些图像必须在EMI的大型计算机上进行重建。1972年4月，他们在英国放射学会会议上介绍了他们的研究成果，引起了一些人的兴趣。5月，Hounsfield在Albert Einstein College of Medicine的神经放射学课程上发表演讲。这一次，人们的兴奋之情难以抑制，第二天，三大电视网都播出了Hounsfield取得成就的新闻。在1972年的RSNA会议上，他们展示了脑部CT扫描仪。
（A）第一台CT扫描仪的照片和（B）第一张CT图像。扫描是由James Ambrose医生在英国伦敦的Atkinson Morley医院获得的。病人患有额叶肿瘤。
Ambrose的第一位病人疑似额叶肿瘤，在80×80像素的图像上清晰可见，并在手术中得到证实。这次成功之后，EMI为英国制造了三台，为美国制造了两台，1973年6月19日，梅奥诊所在北美进行了首次CT检查。安装EMI Mark I扫描仪后，梅奥诊所每月的CT扫描量达到150次，一年后又安装了第二台。到1975年初，每月要进行近300次头部CT检查。EMI扫描仪有两个探测器，因此机架每旋转5分钟可产生两幅图像。病人在两次扫描之间需要手动调整位置，一次完整的检查可能要持续近一个小时。即使如此，早在1975年末，梅奥诊所的气脑成像量就基本降为了零。
随着大脑CT扫描的成功，人们自然而然地考虑将这项技术推广到身体的其他部位。1974年2月，Robert Ledley博士在乔治敦大学医学中心制造并安装了第一台全身CT扫描仪：自动计算机轴向扫描仪（The Automatic Computerized Transverse Axial scanner）。它在概念上与EMI Mark I扫描仪非常相似，X射线束从左到右穿过病人，然后机架根据扫描模式旋转1°或2°，然后射线管再次穿过病人。这种设计被称为第一代CT几何结构，用两束笔形射线沿Z轴照射两个探测器。在投入使用的第一年，共对1100名患者进行了扫描，其中116名患者接受了头部以外部位的扫描。
四代CT扫描仪几何图形示意图。第一代和第二代通常被称为平移/旋转几何形状，因为球管首先在患者身上平移，然后机架绕患者旋转。第三代通常被称为旋转几何体，因为球管和探测器阵列都围绕患者旋转。第四代通常被称为旋转/静止几何结构，因为球管绕患者旋转，而探测器环保持静止。
为了对躯干进行良好的成像，不仅要考虑呼吸伪影，还要考虑心脏和肠道等部位的不自主运动，因此需要较短的扫描时间。为了达到更快的扫描速度，笔形X射线束被拓宽成扇形，由一组30°的探测器进行检测。由于横向覆盖范围更广，只需将机架增加18个10°，就能在20秒内完成一次扫描（一个"切面"）。被称为第二代扫描仪的CT很快实现了为患者省去不必要手术的能力，早期的经验表明，CT技术提供的诊断信息非常有说服力，当与其他临床数据相关联时，即可决定对一些患者进行非手术治疗。为了更快地在一个角度对患者进行数百次测量，X射线管在患者身上的平移被更大的角度覆盖范围（30°-40°）和在患者身上的同步测量所取代。由于X射线管和探测器阵列一起围绕患者旋转，因此被称为第三代扫描仪几何结构，也称为旋转-旋转几何结构。这种几何结构在诞生之初受到环状伪影的困扰，因为探测器的任何缺陷都会在图像平面上映射出一个环。为了避免这一问题，第四代几何技术（称为旋转静止技术）将X射线管在静止探测器的360°环形内旋转。虽然这解决了环状伪影的问题，但由于X射线束的射线以许多不同的角度撞击探测器，因此无法使用平面内反散射格栅。而且这种方法成本高昂，因为探测器仍然是CT扫描仪中成本最高的部件之一。由于其机械结构简单、成本相对较低、采集速度快以及与反散射格栅兼容，现代CT扫描仪都是基于第三代几何结构。
第五代系统同时使用固定探测器阵列和固定X射线源。该系统也称为电子束CT，电子枪发射的电子束通过磁力快速扫过患者周围固定的钨阳极。该系统沿纵轴配备了多个探测器阵列，可在50ms内对心脏的多个层面进行成像。更高的空间分辨率单层扫描的采集时间可短至100ms，这为胸部的单次屏气成像和无需镇静剂的幼儿成像铺平了道路（参见XI区：CT的时间分辨率）。肺动脉成像和冠状动脉钙化扫描这两项目前已成为常规应用的技术，是电子束CT系统的首次应用，该系统由发明者Doug Boyd博士创立的Imatron公司独家生产，后被西门子收购，商品名为Evolution。心脏CT成像技术于1982年首次投入商业应用，电子束CT可在短短50ms内完成整个左心室的成像。然而，这项技术的广泛应用受到了限制。
（A）第五代几何图形，也称为电子束CT，使用静止/静止几何图形。（B）该系统的侧视图显示了扫描仪后面的电子加速器。
电子束CT的速度对主要CT扫描仪制造商提出了挑战，他们试图进一步缩短扫描时间，1989年的RSNA会议上，西门子首次展示了螺旋CT。该技术使用"滑环"在旋转的X射线管和探测器与固定的机架外壳之间传输电源和数据。螺旋CT于1990年投入商业应用，可在屏气状态下获取大量数据，并将X射线管旋转时间缩短至1s。使用螺旋CT进行CT血管造影可以显示血管，而不会出现步进采集时出现的采集平面间的错位。
螺旋CT推出近十年后，多排探测器CT（MDCT）问世，沿Z轴方向有多排探测器。第一代系统有四个数据通道，通过不同的探测器组合，在一次旋转中获取四幅标称1mm、2.5mm、3.75mm或5mm的图像。这使得主动脉等解剖结构的Z轴覆盖范围更长，并导致了从主动脉弓到足部血管的血管造影的兴起。
（A，B）单探测器与多探测器行CT（A）和单探测器与多探测器行螺旋CT（B）的示意图。（C）每次旋转的Z轴覆盖范围稳步增加，例如从单个10mm图像增加到不同厚度的多个图像。
引入MDCT后，沿Z轴的切面数量从4个增加到8个、16个、64个、128个，最终达到320个探测器通道。只需一次屏气，就能以各向同性的空间分辨率对整个成人从头到脚进行扫描。或者，只需旋转一次机架，就能扫描整个器官，探测器覆盖范围更广。这对心脏成像尤其有利；在一次心跳中对心脏成像可以避免许多运动伪影，包括心律失常造成的运动伪影。探测器技术的这些进步给X射线管带来了压力，需要更高的管电流和更短的旋转时间。随着技术的进步，亚秒级旋转已成为常态。如今，商用全身扫描仪的机架旋转时间短至0.23秒。
所有上述技术进步都提高了心脏CT的质量和稳定性，同时降低了相关辐射剂量。最初的有效剂量约为20mSv，而现在的剂量已可低于1mSv。心脏CT使用少于360°的投影数据提供心脏的静态成像。在机架中心，单源扫描仪的时间分辨率约为机架旋转时间的二分之一。
从工程角度看，将旋转时间缩短到0.5s以下越来越困难，虽然扫描时间在继续缩短，但缩短的幅度越来越小。为了实现快于100ms的时间分辨率（这是电子束CT设定的基准，它是第一台对冠状动脉进行成像的商用CT扫描仪）多扇区重建已投入商用。在这种方法中，来自多个心动周期的投影数据被用来提高与心脏重建相关的时间分辨率。利用数据冗余或通过分析伪影来减少运动伪影的运动补偿算法也已开发出来（参见XI区：转速不够算法凑，用软件算法提升时间分辨率靠谱吗？双源扫描仪几何结构使用两个源和两个探测器阵列，相距约90°，可将心脏CT的时间分辨率提高两倍（参见XI区：双源CT的技术原理与临床应用）。如今的双源CT系统每幅图像的时间分辨率可达66ms。一种专用的心脏CT系统也有两个X射线管，但位于相同的X-Y位置，只有一个探测器。该系统的机架旋转时间为0.24s，时间分辨率为120ms。该系统视野小（25cm），探测器宽度为14cm，锥束伪影低。无论采用哪种技术，冠状动脉CTA都已成为胸痛患者的一线诊断检查（参见XI区：2021AHA/ACC胸痛评估与诊断指南）。
（A）双源CT几何结构和（B，C）双源“Flash”扫描模式的示意图，其中（B）心脏在（C）单台架旋转（250ms）中沿Z轴通过一系列图像成像，每个图像在时间上与先前图像略有偏移。C中的虚线表示沿Z轴的不同图像；时间沿着B中的心脏虚拟渲染的纵轴向前移动，并且在C中的图中从左向右移动。
通过回顾性心电门控，可获得整个心动周期的数据，从而提供四维（3D加时间）CT，并量化心脏容积和功能，还获得了心肌应变等高级指标。计算流体动力学已被用于评估部分血流储备，从而提供冠状动脉狭窄的血流动力学意义；对心室内血流动力学的评估正处于早期发展阶段（参见XI区：心脏CT最新进展：新概念、无创心脏生理学和结构性心脏病；心脏CT最新进展：心肌ECV，心肌应变与光子计数CT）。宽覆盖探测器和穿梭模式可评估灌注情况，包括心肌缺血的心脏灌注（参见XI区：一站式动态负荷CT心肌灌注成像检查流程）、中风患者的大脑灌注（参见XI区：CT神经灌注检查操作要点）以及肿瘤治疗监测的灌注（参见XI区：肝脏CT容积灌注：基础与临床（上）；肝脏CT容积灌注：基础与临床（下））。
2001年左右，一篇关于CT剂量可能会增加儿童长期患癌风险的理论文章将医学影像的辐射问题推到了风口浪尖（参见XI区：CT辐射剂量相关知识入门）。专业协会、临床实践、研究人员、政府组织和行业开始认真关注降低CT成像的相关剂量。新技术和剂量管理策略的引入将重点放在自动曝光控制系统上，该系统可根据特定患者的体型和诊断任务调整应用剂量。这些系统依靠用户定义的参数来显示所需的图像质量，并通过CT定位图来测量患者的大小（即衰减）。学习使用这些系统有时很困难，因为每个主要制造商使用的算法和定义差异很大。一旦系统确定了应用的剂量，管电流就会自动调节，有时在X-Y平面上，有时在Z轴方向上，有时在这两个方向上。这将增加较厚身体区域和投影的管电流，减少较薄区域的管电流，从而使典型剂量减少20%-40%。对于心脏CT，心电信号会根据心动周期中的相关阶段调制管电流。例如，这可能包括在心脏运动较多的收缩期调低显像管电流；有关管电流调制的进一步回顾，参见XI区：自动管电流调制技术的原理和使用注意事项。
（A）管电流角调制和Z轴调制示意图，根据患者厚度改变管电流。（B）上胸（C，95mA）、中胸（D，101mA）、肝脏（E，369mA）和骨盆（F，205mA）水平的扫描投影射线照片和（C-F）轴向CT图像显示了与体型变化相关的管电流变化。
决定患者所受剂量的另一个关键参数是管电压（kV）。这决定了X射线束的能量分布，不仅影响剂量，还影响图像的对比度和噪声。为了减少儿童（相对较小）的剂量，人们开始质疑始终使用120kV是否明智。当时，X射线管可以在较低的管电压设置下提供所需的剂量。这样做有双重效果：一是减少了剂量（相同的管电流），二是增加了碘和骨信号，因为光束的平均能量更接近这些材料的k边界。在某些情况下，为了在较低的管电压下获得足够的剂量，必须增加所需的管电流，X射线管和发生器的功率也随之增加，因此在现代CT系统中，大多数正常体型的成年人可以在100kV下进行扫描。
管电压自动选择技术已被应用到多个商用系统中。据报道，在血管造影等高碘信号的应用中，剂量可减少40%-50%，而在不使用碘造影剂的情况下，剂量的减少则微乎其微。使用管电流调制和管电压优化可以非常有效地根据特定病人和特定诊断任务调整剂量。
除了优化X射线技术因素外，减少剂量的其他硬件步骤还包括使用更多尺寸的光束整形过滤器（参见XI区：能谱纯化技术的基本原理与临床应用），以及在螺旋采集的起始和停止位置对光束进行准直。最终结果是CT剂量水平不断降低。冠状动脉CT成像从众多剂量降低和管理技术中获益最多，随着MDCT和亚秒级机架旋转时间的引入，心脏CT在21世纪初得到了更广泛的应用。在4排螺旋CT时代，CT冠状动脉造影的有效剂量约为10-12mSv，有报道称有效剂量高达18mSv。随着大螺距双源CT和容积（宽覆盖）CT以及基于心电门控的管电流调节技术的出现，CT冠状动脉造影的剂量水平显著下降，据报道有效剂量可以低于1 mSv（参见XI区：优化心脏CT检查辐射剂量的10个方法）。
作为对CT数据采集变化的补充，投影数据重建为图像的方式也备受关注。迭代重建所涉及的过程在各制造商之间相似，但采用的是各种制造商特有的方法：初始重建图像的合成"正向投影"（初始猜测）与测量数据进行比较，并以迭代方式对重建图像进行修改，以减少噪声，在某些情况下，还能锐化细节或减少伪影（参见XI区：迭代重建：技术现状和未来展望）。这一过程打破了滤波反投影重建所观察到的噪声与剂量之间的传统关系，形成了一种非线性关系，即重建算法对空间分辨率的影响取决于成像对象的对比度。对于高对比度结构（如血管），可以有效去除噪声而不会模糊血管。然而，对于对比度较低的物体（如肝脏病变），解剖结构的边缘会变得模糊，通常会降低低对比度检测任务的效果（参见XI区：CT降噪技术：迭代重建 vs 人工智能）。
美国放射学会CT剂量指数登记处收集了美国各地的数据，以评估剂量水平的趋势。诊断参考水平和可达到剂量水平被用来表示所收集数据的第75百分位数和第50百分位数（参见XI区：CT辐射剂量相关知识入门）。这使得CT剂量持续下降。但必须注意的是，剂量有可能降低过多，导致图像的诊断信息减少。为确定放射医师在剂量减少时的诊断性能而进行的研究表明，对于低对比度检测任务，如肝脏转移，使用迭代重建积极减少剂量也会降低观察者的性能。
MDCT技术提供的各向同性空间分辨率促进了多种三维可视化技术的发展。这些三维技术改善了一些血管和非血管应用的解剖可视化，特别是在复杂解剖中确定空间关系。最大密度投影通过图像体积投射出衰减值最高的体素，这对血管成像和小结节检测非常有用。与此相反，最小密度投影会将衰减值最低的体素投射到图像体积中，这对气道异常、胆道和胰管非常有用（参见XI区：CT二维图像处理技术）。表面遮盖重建会选择最靠近虚拟观察者的体积表层衰减值，并生成阴影表面的外观。虚拟内窥镜是表面遮盖重建的一种变体，可提供腔内视图，在虚拟结肠镜检查中应用最为广泛，是结肠镜检查结肠癌筛查的有效替代方法。容积渲染是当前的三维可视化标准，它使用局部照明模型和光线投射法从数据体积中生成三维图像。图像投射到二维显示器上，并进行实时处理（参见XI区：三维重建的基本原理）。电影渲染起源于动画电影行业，使用全局照明模型和路径追踪方法提供逼真的三维图像（参见XI区：实影渲染技术的基本原理）。
三维模型还可用于3D打印，提供针对患者的个性化解剖模型。这些三维打印模型可用于规划手术或干预、模拟和设备台架测试、创建定制设备和生物材料，以及教育医生和患者（参见XI区：2029：心血管CT的未来）。
结合现实和虚拟环境的扩展现实技术正在兴起，其中虚拟现实技术可创建一个完全沉浸式的模拟三维环境，可使用手控器与之互动，而增强现实技术则可将虚拟三维物体叠加到现实环境中。这些技术在规划手术和干预方面大有可为，包括先天性心脏病。
不同材料的X射线衰减会随照射X射线的能量而改变。在最初的著作中，Hounsfield设想了将骨和碘分离的能力，但几十年后，双能量CT才得以普及（参见XI区：CT能量成像五十年（1971-2021）：从双能量到多能量的探索）。双能CT为传统的灰阶解剖成像提供了新的功能，包括材料区分和材料量化。物质区分的例子包括区分尿酸性尿路结石和非尿酸性结石，以及痛风和假性痛风（参见XI区：双能量痛风分析：基本原理，准确性与常见伪影）。材料量化的例子包括能够量化组织、器官或血管中碘化造影剂的浓度。创建虚拟单色图像可增强碘化造影剂信号或减少金属伪影。其他应用还包括从给定材料中减去信号，创建虚拟平扫或去钙图像，分别去除碘或钙信号。获取双能量数据的方法有很多，例如在两个不同的管电压下获取两个扫描，一个紧接着另一个（慢速kV切换），在管电压在较低（如80kV）和较高（如140kV）设置之间快速切换时获取一个扫描（kV快速切换），双源CT、双层探测器CT和双光束滤过CT（参见XI区：要实现双能量成像，有几种方法？
商业产品中用于双能量CT数据采集的各种方法。虽然有多种获取双能量CT数据的方法，但光子计数CT(PCCT)能够同时获取两组以上的能量数据。自1971年CT成像问世以来，临床CT扫描仪一直使用闪烁探测器，这种探测器使用两步检测过程，会丢失单个光子的信息。而使用PCCT时，只需一步就能将X射线能量直接转换成电信号。如果PCCT有一个以上的能量阈值，则可以保留单个光子的信息，并计算不同能量区的X射线数量。PCCT还能抑制电子噪声、提高辐射剂量效率、增加碘信号并提高空间分辨率（参见XI区：什么是光子计数CT？目前，有两家制造商提供商用PCCT系统（一个全身设备和一个便携式头部设备），另有三家制造商的设备正在进行临床测试。
（A，B）（A）闪烁能量积分探测器和（B）能量分辨光子计数CT（PCCT）示意图。（C，D）用能量积分检测器CT（C）相对于PCCT（D）获得的内耳的样本图像证明了PCCT的分辨率提高。箭头表示人工镫骨。（E，F）与PCCT（F）相比，用能量积分检测器CT（E）获得的下肢钙化血管的样本图像显示了PCCT的分辨率提高，这大大减少了钙华。箭和箭头指向钙化的动脉，这些动脉在E中看起来完全闭塞，但显示出与F中钙化不同的管腔。
PCCT一些最有前景的应用涉及解剖学成像，其精湛的空间分辨率增加了临床价值。在颞骨平扫成像中，对尸体标本和人体的研究表明，内耳重要结构的可视化得到了改善。锡过滤的使用虽然不是PCCT的新技术，但在使用PCCT进行颞骨和鼻窦成像时，总剂量最多可减少85%。在肌肉骨骼成像中，与使用能量积分探测器的CT相比，在尸体标本和患者中观察到的图像噪声更低、骨信噪比更高、边缘更清晰。使用PCCT，可以获得脊椎、肩膀和骨盆等身体大部位110μm的空间分辨率。对于四肢等较小的身体部位，由于无需使用后准直滤波器来获取图像，辐射剂量至少可减少两倍。事实证明，PCCT空间分辨率的提高也增强了放射医师对大关节和小关节关键解剖结构以及多发性骨髓瘤病变评估的信心（参见XI区：光子计数CT为什么如此重要？
PCCT在心血管CT应用方面也具有优势，尤其是在小血管方面。由于空间分辨率提高，钙化现象减少，从而可以更好地评估存在密集钙化和支架的管腔狭窄情况。PCCT空间分辨率的提高已被证明有利于胸部CT的应用，可提高肺间质疾病和小支气管的清晰度。与使用能量积分探测器的传统CT相比，PCCT显著提高了读者对成像结果中玻璃样混浊、网状结构的信心。研究还表明，在降低患者辐射剂量的同时，还能保持检测间质性肺病的灵敏度。在增强CT中，辐射剂量同样可以减少，同时提高肺实质、血管和转移灶的对比噪声比（参见XI区：迎接光子计数CT时代，你准备好了吗？
人工智能（AI）是另一项不断发展的技术，几乎影响着CT成像的方方面面（参见XI区：人工智能的炒作之外丨算法背后与可实现的目标）。人工智能可用于实现CT数据采集过程的自动化，例如通过使用光学和红外顶置摄像头的数据以及人工智能算法来确定患者在机架架上的中心位置，并设置特定区域扫描的起始和结束位置，从而实现患者定位。人工智能算法还能确定造影剂给药后的最佳触发延迟时间（参见XI区：人工智能在CT剂量优化中的应用）。
人工智能技术还能生成图像，如深度学习重建，或修改图像，如CT去噪（基于图像的降噪）。通过在低剂量CT图像上进行训练，卷积神经网络可以快速实现显著的噪声抑制，而迭代重建则不同，在迭代重建中，最复杂的模型需要的重建时间太长，在临床环境中不实用。早期证据显示，与迭代重建一样，人工智能重建和去噪也能保持高对比度的空间分辨率，但会模糊低对比度物体的边缘，从而在许多临床应用中减少辐射剂量（参见XI区：CT降噪技术：迭代重建 vs 人工智能）。
（A）用于CT图像去噪和（B，C）样本输入（B）和输出（C）图像的卷积神经网络示意图。
目前正在研究的技术显示出进一步提高CT图像质量或减少CT辐射剂量的巨大前景。例如，稀疏采样CT利用人工智能从采样不足的数据中重建图像，可减少辐射剂量、采集时间和条纹伪影。人工智能还可用于从标准分辨率采集数据生成高分辨率图像。
人工智能还将在自动化临床任务（包括常规任务和复杂任务）方面发挥重要作用。例如，在冠状动脉CT中，人工智能将在改进动脉分割和冠状动脉血流储备等特性的定量评估方面发挥作用（参见XI区：心脏CT大辩论：人工智能和心血管CT的未来）。随着多能CT的使用越来越多，用于分割正常或病理组织的人工智能算法将与先进的降噪材料分解分析相结合，自动生成材料浓度的定量图。分类任务，如尿路结石类型或冠状动脉斑块的特征描述，将增强常规解释。这特别适用于根据肺栓塞等紧急发现对CT研究进行分流。
人工智能的另一个用途是机会性筛查，即利用CT中通常未报告的丰富数据。对人体成分分析、冠状动脉钙、心外膜脂肪、肝脏脂肪和脊椎骨矿物质密度等重要风险预测指标的测量将成为CT检查的常规部分，为个性化预防保健实践提供丰富的数据源。已经有报道称，人工智能方法可从非定点胸部CT检查中确定冠状动脉钙评分。人工智能驱动的成像数据，无论有无临床信息，都能提供预后信息和风险分层，有助于对患者进行个性化精准管理。例如，冠状动脉斑块和狭窄的数据有助于预测心肌梗死。
由于CT值具有明确的物理意义，如像素亮度（即Hounsfield单位），因此将CT数据与人工智能结合使用非常理想。卷积核因制造商和型号而异，在确定CT图像的空间分辨率和噪声特性方面发挥着重要作用。CT图像的这种机型特异性一直是广泛应用定量CT方法（例如，对来自不同型号扫描仪的图像使用相同的计算算法）所面临的挑战。使用人工智能可以克服这些差异，使放射组学模型在不同型号的扫描仪上都能工作。放射组学将继续用于发现CT数据的意义--人类读者无法直观看出的意义。特别是在超高分辨率CT和1024或2048矩阵大小的情况下，数据集的大小将继续增加，模式识别工具（基于传统机器学习技术和人工智能）的数量也将继续增加。超高分辨率成像可通过小尺寸探测器和紧凑型焦点在临床上实现。将图像转化为可挖掘的数据是PCCT带来的更令人兴奋的机遇之一，因为这些数据从根本上来说更具定量性和可重复性（参见XI区：CT扫个苹果洋葱也能发SCI，凭什么？大数据和生物信息学专家将继续融入临床放射学团队。
自20世纪70年代发明以来，CT经历了无数次技术发展和创新，使其成为医学实践中不可或缺的工具。在世纪之交的一次邮件调查中，医生们被要求就20世纪最重要的医学发明或创新发表意见；CT与MRI并列第一。不可否认的是，CT所提供的人体详细视图已经使医学发生了巨大变化。这一巨大成就反映了由发明家、工程师、医生和科学家组成的非凡生态系统，是他们推动了CT及其临床功能的发展。
20世纪80年代，随着磁共振的临床应用，有人感叹"CT已死"。每一代新技术不仅提高了CT的速度和空间分辨率，还实现了新的临床应用并减少了辐射和造影剂剂量。50多年来，CT技术一直是这一历程的重要组成部分。
心脏 CT 功能与心肌组织特征
1. 心脏CT最新进展
冠状动脉粥样硬化中心脏CT概念的演变。根据最新的美国心脏协会-美国心脏病学院胸痛指南（表1），目前的证据已使心脏CT获得1级（推荐级别很高）、证据级别a（作为最高临床证据级别的随机临床试验）的建议，支持其在稳定胸痛和急性胸痛患者中的使用。心脏CT可以准确检测和表征冠状动脉粥样硬化，包括斑块和狭窄。这种对单个患者冠状动脉斑块负担的“个性化”检测（而不是基于人群的风险因素评估和运动负荷检查）可以更准确、更严格地遵守药物治疗处方。例如，在最近的随机SCOT-HEART试验中，将4146名参与者随机分为单独标准护理和标准护理加心脏CT，心脏CT组近四分之一的参与者（23%）在6周时治疗方案发生了改变，而标准护理组只有二十分之一（5%）改变了治疗方案。心脏CT的结果（阳性或阴性）可以强烈地影响个别患者的临床治疗。DISCHARGE试验将3561名患者随机分为心脏CT或ICA作为初始检查策略，在中位随访3.5年后，发现两种策略之间的主要心脏事件没有显著差异，并且在心脏CT检查策略中主要手术并发症减少。
除了这些实用的临床护理方面，15年来，心脏CT对冠状动脉斑块分析的探索，使人们对与冠状动脉粥样硬化相关的心血管风险机制有了深入了解。心脏CT总斑块体积的增加会增加心脏事件的风险，而冠状动脉斑块亚型（如非钙化斑块）的CT分析为总斑块体积提供了更多预后价值。这些心脏CT测量提供的预后信息独立于传统的临床风险因素，如低密度脂蛋白胆固醇。大型系列CT注册研究，如PARADIGM，建立在先前ICA和尸检的研究基础上，表明斑块进展可能是导致心肌梗死发生的更重要的因素（而非非阻塞性病变）。心脏CT上斑块进展的驱动因素表明，它可以作为评估新药治疗减缓斑块进展的疗效的一个终点。迄今为止，这样的分析在很大程度上仅限于核心实验室，在这些实验室中，斑块体积通过手动轮廓工具测量，这显然非常费时费力，限制了在常规实践中的应用。这样的工具已经开发出了第一个关于斑块体积的实用列线图数据。在未来，这可能有助于药物治疗决策，并可能通过使用连续心脏CT来跟踪治疗反应。除了技术发展之外，临床数据缺口还需要答案，然后才能将斑块分析工具应用到日常实践中。目前的限制是与冠状动脉血管内超声得出的侵入性斑块测量缺乏相关性（在缺乏组织病理学相关性的情况下）。仍然缺乏与斑块定量相关的个性化治疗建议。人工智能斑块量化工具需要非常好的图像质量才能得到准确的结果，并且需要额外的时间来生成结果，还需要半定量的校正编辑；仍需等待气融入常规心脏CT实践。
目测评估ICA中冠状动脉狭窄的血流梗阻是一项挑战，特别是对于解剖学直径减少40%至80%的病变，也称为中度狭窄。获得冠状动脉生理数据，如冠状动脉压力和流量，可以促进血运重建的临床决策。FFR是一种有创压力测量，在ICA期间，将传感器尖端的压力导丝放置在冠状动脉狭窄处，测量病变下游的压力并将其与主动脉压力进行比较；比值小于0.8表示冠状动脉病变具有血流动力学上显著的血流阻塞。可以使用计算流体动力学（CFD）生成源自心脏CT图像的模拟无创血流储备分数（CT FFR）。CFD是一个专门分析流体力学的数学领域。它包括复杂的微分数学方程（Navier-Stokes），用于计算模拟流量。对应用于心脏CT评估冠状动脉狭窄的CFD原理的兴趣已经产生了十多年的诊断准确性和临床实用性证据。与此同时，还开发了基于人工智能的CT FFR测量解决方案，与基于CFD的CT FFR具有良好的相关性。因为CT FFR提供了关于冠状动脉病变血液动力学意义的非侵入性信息，它可以为ICA转诊提供信息，区分心肌梗死的风险，并有助于制定血运重建计划。评估CT FFR的最大随机试验之一，FORECAST试验在1400名稳定胸痛患者中比较了CT FFR与标准临床护理，评估了其对成本、心绞痛状态、生活质量、主要不良心脑血管事件，以及ICA的使用。CT FFR组的平均总心脏成本较高，尽管与标准护理组没有显著统计学差异。两组之间在心绞痛、生活质量或主要心脏不良事件方面没有显著差异。CT FFR的使用确实减少了ICA手术的次数。CT FFR的作用仍在不断发展，未来的随机对照试验，如PRECISE，将有助于进一步确定其在胸痛患者中的作用（与标准护理、功能检查和低预测概率患者不进行测试进行比较）。
CT FFR的局限性包括缺乏某些患者亚组的试验数据，如支架或搭桥患者或怀疑有微血管功能障碍的患者。图像质量必须具有高标准；心脏运动伪影、来自大钙化斑块的开花伪影或静脉内对比度差都会影响准确性。需要将图像转移到核心实验室进行分析，这需要额外的时间和成本，而这些费用在许多国家还不属于报销范围。
CFD的另一个潜在的心脏CT应用是血运重建计划。冠状动脉支架置入后的低FFR值比支架置入后的高FFR值预后更差。支架置入后预测FFR的能力将是程序规划中一个有价值的工具。FFR值现在可以使用CT血运重建规划工具从术前心脏CT中得出，该工具模拟术后冠状动脉血流动力学。在未来，这可能有助于介入心脏病专家计划干预，以更有效、更安全的方式提高血运重建的完整性。
评估冠状动脉狭窄血液动力学意义的另一个有前途的CT应用是心脏CT负荷灌注。这项不断发展的技术涉及在药物负荷期间（如腺苷诱导的负荷）对左心室心肌进行CT灌注扫描。心脏CT平扫确定扫描范围，并允许计算钙化积分，然后在腺苷给药期间进行CT灌注，然后进行CT冠状动脉造影以评估冠状动脉狭窄。许多研究表明，心脏CT灌注比单独的CT冠状动脉造影有更大的益处。在SPECIC试验中，114名患有稳定胸痛的患者除了接受冠状动脉CTA外，还接受了CT灌注，以评估冠状动脉狭窄程度。当使用有创血流储备分数作为参考标准时，与单独的冠状动脉CTA相比，CT灌注显示出更好的诊断准确性（88%对78%）。与CT FFR相比，CT灌注有几个优点，特别是在有广泛冠状动脉钙化、慢性冠状动脉闭塞或既往血运重建的患者中。例如，在150名冠状动脉支架患者中进行的ADVANTAGE试验显示，与单独使用冠状动脉CTA相比，在冠状动脉CTA中添加CT灌注可提高检测血液动力学显著的冠状动脉狭窄或支架内再狭窄的诊断准确性（75%对35.5%，P<.001）。CT灌注确实需要额外的序列，这会增加辐射剂量。低对比度噪声比和线束硬化伪影的存在仍然是该技术的挑战，但CT扫描仪的进步，如双能量CT，可以减少线束硬化伪像，并且机器学习技术在进一步提高图像质量方面显示出前景。CT FFR和CT灌注除了提供解剖学狭窄评估外，还提供血流动力学上的冠状动脉血流评估，从而实现更好的血运重建策略和减少阴性侵入性冠状动脉造影。
在过去的15年里，心脏CT已经从与结构性心脏病介入手术基本无关发展到在手术计划、装置尺寸和术后并发症评估方面发挥着重要作用。心脏CT引导的装置尺寸可减少经导管主动脉瓣置换术（TAVI）中瓣周反流的负担，降低瓣环损伤率，并增进了对瓣膜退化机制的理解。现在已经建立了评估TAVI心脏CT的标准化步骤建议，以及支持这些建议的已发表证据。同样，在新的瓣膜置换术之前，心脏CT已成为不可或缺的工具，尤其是经导管二尖瓣和三尖瓣介入术。例如，经导管二尖瓣植入术后有左室流出道（LVOT）阻塞和随后心力衰竭的风险，这是一种令人担忧的并发症，发生在约7%-9%的手术中。当植入的装置将二尖瓣前叶移位到左室流出道中，从而使左室流出道变窄，从而导致所谓的新左室流出道阻塞时，就会出现这种并发症。可以在术前心脏CT扫描上生成模拟的新左室流出道。新 LVOT已被迅速用作预测植入后LVOT梯度风险的关键解剖学指标，并用于瓣膜植入前的筛查。
瓣膜植入后的心脏CT也发现了瓣叶上形成的生物血栓，称为低衰减瓣叶血栓（也称为低衰减小叶增厚或HALT）。当它限制瓣叶运动（称为低衰减影响运动或HAM）时，可能会导致瓣膜流出障碍。2015年首次描述，对低衰减瓣叶血栓的理解仍在不断发展。这种并发症可以在经导管和外科生物瓣膜中看到，并通过抗凝治疗解决。使用整个心动周期的扫描数据创建瓣叶运动的电影循环的三维心脏CT可以帮助识别和表征HAM，同时将其与术后瓣膜梯度的其他原因区分开来，如血管翳和瓣膜扩张不足。其临床意义尚不确定，但与短暂性脑缺血发作有关，最近的研究结果表明，它可能是瓣膜过早变性和死亡的驱动因素。未来，人工智能驱动的基于计算预测建模的决策支持工具的集成可能有助于预测与结构性心脏病干预措施相关的并发症，如瓣环破裂、瓣周漏和低衰减瓣叶血栓。虽然CFD的集成主要集中在冠状动脉上，但最近的研究已将CFD集成到术前心脏CT中，以帮助了解植入后的左室流出道梯度，并提供超越解剖学新左心流出道测量的个性化风险预测模型。CT评估低衰减影响运动的一个缺点是辐射剂量显著增加，理想情况下需要在整个心动周期进行回顾性心电门控扫描。其他问题包括继发于金属瓣膜支柱的线束硬化伪影和来自时间分辨率不足导致的心脏运动伪影。
心脏CT的开花伪影
伴随着4层螺旋CT的推出（1998年），心脏CT血管造影（CCTA）也随之问世。
4层CT扫描仪对心脏进行成像时需要长时间的屏气时间（通常需要30s左右），轴位空间分辨率在1.3到3.3mm之间，并且由于回顾性心电门控的使用，辐射剂量相对较高。
2004年，具有更快转速（约0.35秒）、更大覆盖范围（约4cm）、更好空间分辨率（约0.5mm）和前瞻性心电触发技术的64层CT扫描仪问世，在常规的临床环境中，只需5次心跳就能实现冠状动脉成像。结合使用降低心率的药物时，64层CT扫描仪对排除冠状动脉疾病相当有效。
剩下的挑战还有运动伪影、阶梯伪影（由于时相错误和强化程度）、钙化开花伪影和噪声（对于高体重指数患者）。
近年来，在解决上述四个挑战方面取得了长足的进步。
随着机架旋转速度的进一步提升（目前约为0.25秒/转），时间分辨率也得到了提高，但由于机架旋转速度的提升会使离心力成倍增加，对机架的机械要求非常高，所以沿着这个方向的进展明显放缓。仅仅提高机架旋转速度不能满足在所有心动周期对冠状动脉进行清晰成像的要求。通过在一些扫描仪的机架上增加第二条CT光束（源/探测器对），也就是双源CT，时间分辨率进一步提升到原来的约两倍，从而显著减少运动伪影。
阶梯伪影可以通过在一次心跳中扫描整个心脏来解决。扫描大容积的最快方法是使用轴扫，其探测器的宽度足以一次性覆盖整个体积。现在，覆盖范围为16cm的扫描器使心脏的扫描成为可能。另一种在一次跳动中覆盖整个心脏的方法是使用双源CT的大螺距模式。当病人高速通过扫描仪机架时，通过双螺旋扫描轨迹获得投影数据，从而在高时间分辨率下重建完成的心脏图像。
噪声与减少X射线剂量密切相关，因为在X射线剂量和图像噪声之间存在着权衡。改进的时间分辨率和更快的机架旋转速度通过将扫描减少到一次旋转而不需要额外的相位填充，自然减少了X射线剂量。通过选择适当的千伏（kV）设置，进一步降低剂量，目前可以自动完成这一调整。较低的千伏设置（如70-90kV）曾经并不常见，现在由于新的球管技术，对小体型的病人，甚至正常体型的病人来说可以常规使用。与120kV的扫描相比，低千伏和高毫安（mA）的组合在匹配剂量下往往能产生更好的对比-噪声比。基于心电的管电流调制可以确保在感兴趣时相之外减少剂量。
通过引进改进的探测器读出技术、新的低信号校正算法以及非线性重建算法，包括完全基于模型的迭代重建（IR）和最近基于深度学习（DL）的重建技术，图像噪声的挑战也得到了解决（更多内容参见XI区：迭代重建：技术现状和未来展望）。
虽然最近推出的技术大大改善了阶梯、运动和噪声的挑战，但在提高空间分辨率方面的进展有限，因此，钙化的挑战仍然存在。支架也会受到部分容积效应的影响，使得识别支架内再狭窄（ISR）非常困难。虽然CCTA在识别阻塞性CAD方面有很高的阴性预测值（NPV），但阳性预测值（PPV）却低的多。这主要是因为许多患者有很重的冠状动脉钙化负担，这可能使评估狭窄的严重程度变得困难。CT现在经常被用于通过计算流体动力学来评估冠状动脉病变的功能意义。这种技术的准确性在很大程度上取决于对潜在限流性狭窄附近区域的冠状动脉管腔进行准确分割。这些狭窄处往往含有钙化，而钙化的存在使得分割的准确性更难实现。
开花伪影妨碍了对 CCTA 观察到的狭窄进行准确分级。在 CCTA（A、B）上观察到左前降支动脉（LAD）近端的严重钙化斑块，几乎完全堵塞了冠状动脉管腔。然而，ICA（C、D）并未显示任何阻塞性病变。广泛的钙化导致 CCTA 上的狭窄程度被高估，这种现象被称为 "blooming"。
在临床上，CCTA用于识别明显的冠状动脉狭窄，并被指南推荐为CAD诊断评估中的一种有价值的无创替代方法。尽管如此，目前CCTA的主要局限性之一是对钙化病变的评估不准确。
左前降支中段病变（黄色箭头）已经钙化。CT图像中的开花伪影导致该区域的管腔狭窄被高估。有创冠状动脉造影（ICA）显示狭窄程度比CT上看到的要轻。该病变的FFR为0.82。
钙化病变的存在导致了开花（blooming）伪影的出现。这可能会掩盖管腔，导致CCTA假阳性。弥漫性或广泛的钙化常常导致高估或低估冠状动脉狭窄的严重程度。研究表明，随着钙化程度的增加，CCTA的不准确性也在增加。
左旋支（LCx）近端严重的均匀钙化，导致CT图像中出现开花伪影。这导致无法区分严重的左冠状动脉狭窄（红色箭头），而用ICA很容易识别。
在一项前瞻性的多中心研究中，对291名患者进行了CCTA与有创定量冠状动脉造影（QCA）的诊断准确性比较，以≥50%的狭窄为界限，钙化的存在独立地增加了总体误诊几率。在同一队列的另一项分项研究中，发现血管中的CACS每增加10个Agatston单位，误诊的风险就会增加3.0%。
在一项横断面研究中，比较了CCTA和血管内超声对525个冠状动脉病变的询问，CCTA低估了5.0%的管腔面积测量。CCTA的相对不准确性与钙化负担独立相关。这在管腔面积较小的血管中更为突出，表明即使是由中度钙化引起的伪影也可能变成关键的诊断错误。然而，没有发现高钙密度（开花伪影的主要决定因素）与CCTA不准确之间的明显关系。
在一项对1634名患者（17943段）的荟萃分析中，以CACS≥400作为分界线，以ICA作为参考标准。比较高CACS与低CACS时，在患者层面和节段层面，特异性都明显下降。特异性从84%下降到42%。但是总体敏感性没有受到影响。
使用CCTA评估冠状动脉支架，特别是评估ISR的发生，很有吸引力。主要愿望是准确识别可能从经皮冠状动脉介入治疗（PCI）中获益最多的患者，并尽量减少低风险患者的使用。然而，影响CCTA评估严重钙化的冠状动脉的主要问题也影响了对金属支架的评估，即伪影和支架支柱的膨胀，使支架看起来比实际大，导致人为的管腔狭窄和管腔内衰减值下降。
在这幅CT图像中，blooming导致高估了这个裸金属支架近端部分的ISR的严重程度（黄色箭头）。ICA显示，狭窄是边缘性的。
一项使用64层CCTA对1231个支架（可评估）节段进行的荟萃分析显示，当包括不可评估的节段时，性能恶化。支架直径的增加显示出更准确的诊断趋势。该荟萃分析中只有5项研究包括直径小于3.0mm的支架。由于有研究表明，1/3未经选择的患者接受了≤2.5 mm的较小的支架，因此，总体而言，CCTA可能不准确评估或无法评估大量的支架。
在一项使用320层CCTA的研究中，对于直径<3.0mm的支架，与直径≥3.0mm的支架相比，扫描图像质量差的比例明显较高。诊断准确性也随着支架尺寸的减小而恶化。支架的厚度也影响CCTA的诊断性能。这种CCTA性能随支架直径减小和支架厚度增加而恶化的模式也在另一项荟萃分析中得到了印证。这项研究还发现简单支架的敏感性和特异性高于分叉支架。
现代 IR 方法在减少这种性能下降方面取得了部分成功。在一项比较IR和滤波反投影（FBP）的研究中，IR有改善的趋势，尽管这些改善没有达到统计学意义。然而，在直径≤3mm的支架中，IR的表现优于FBP，特异性、PPV和AUC都有明显改善。与传统CCTA相比，减影CCTA也提高了性能，将支架段的FP率从85%降至19%。
由于开花伪影夸大了致密钙化的大小，它们阻碍了对邻近管腔的准确评估，从而高估了病变的严重程度。随之而来的FP率的增加也可能降低特异性，往往导致不必要的ICA来排除狭窄的CAD，这就产生了额外的费用、病人的辐射暴露和潜在的并发症，从而限制了CCTA的临床用途。
在冠状动脉支架评估中，线束硬化和blooming可能会对下游的临床工作流程和决策产生影响。由于这些伪影遮盖了部分支架管腔，因此可以观察到人为的管腔变窄。如果是较小的支架，较大比例的支架管腔可能被遮挡，从而使图像无法解释。最佳的CCTA支架图像质量只有在支架直径大、支架支管薄的患者身上才能实现。在支架类型、直径和支架厚度方面，需要仔细选择病人。无论如何，在有支架植入史的有症状的患者中，CCTA作为ICA的守门人，其使用极其有限。
在科学文献中，钙化和支架的blooming主要归因于三个不同的根源：部分容积效应、运动和线束硬化。最常提到的因素是由于扫描仪的空间分辨率有限而导致的部分容积效应。部分容积效应使其难以清晰地划分出高对比度物体的边缘。未经校正的运动伪影也会掩盖密集物体的边界，导致对分割血管腔的信心丧失。一些作者将运动归类为blooming的来源，而其他作者则将运动模糊作为一种独立的伪影类型。不管怎么说，运动肯定会掩盖钙质化的边界，从而导致钙化负担较重的患者的CCTA的PPV下降。线束硬化更有争议，有些人指责它造成了blooming，而另一些人则认为不是。
有五个不同的因素导致这种模糊：探测器单元尺寸、焦点尺寸、方位模糊（azimuthal blur）、串扰（crosstalk）和重建算法/卷积核。现代CT扫描仪的物理探测器单元的高度和宽度通常为1mm左右，这相当于在扫描仪等中心的尺寸大约为0.6mm。X射线焦点尺寸不同，但对于高毫安的扫描来说，在将两者投射到等中心后，它与探测器单元的尺寸相似。当心脏在扫描器中没有很好地居中时，另一个模糊的来源是方位模糊，它源于单次扫描中发生的机架旋转。模糊的最后一个来源是重建算法本身，它可以包括在扇形到平行重建和反投影期间的插值，以及旨在减少噪声和混叠的有意的低通滤波。应该注意的是，卷积核也可以在中段空间频率提升，以部分补偿上述一些物理模糊引起的模糊（以较高的噪声和混叠为代价）。
考虑原始数据本身保留了多少空间频率信息非常重要，因为如果没有一定量的先验假设，对重建算法的任何改变都不可能恢复缺失的数据。视野中心附近的截止频率受到来自有限探测器单元尺寸的模糊的限制。可以将有限的探测器单元尺寸在投影数据中引起的模糊效应建模为理想投影与单个探测器像素的灵敏度函数的卷积，然后进行采样间隔等于单元间距的采样。如果探测器灵敏度函数被模拟为宽度为0.6mm的矩形函数，那么在与探测器灵敏度函数卷积后，理想入射X射线强度中周期为0.6mm的周期性波动将被消除（甚至不考虑上述其他模糊来源）。在实践中，探测器在等中心的有效区域比这要小一点，这使得比17 lp/cm高一点的频率可以用最锐利的卷积核进行重建。注意到，飞焦点技术可以提高采样频率，但它并没有提高截止频率（它确实减少了混叠，并使卷积核更清晰）。重要的是，没有任何数据处理技术可以恢复由于系统分辨率有限而已经从投影数据中剔除的频率（远高于17 lp/cm）。
冠状动脉钙化的大小差异很大，但对于评估血管通畅性来说，临床上最相关的钙化直径大约为1-3mm。用上述的系统点扩散函数进行模糊处理，会使这些钙化看起来比实际的大。这种影响在密集的钙化中更为明显，而且当使用狭窄的窗位/窗宽设置来观察增强的管腔和周围的软组织时也是如此。说明了这个问题。
这里模拟了四种斑块类型，有三种尺寸（有4、3和2mm的畅通直径）。钙化（白色，1750 HU）被系统的点扩散函数模糊化，以至于在很多情况下，它掩盖了大部分的管腔（浅灰色，600 HU）。原始（基准真相，高分辨率）图像显示在左边的面板上。模拟了有限的系统分辨率和噪声的影响（W/L = 1000/300 HU）。
这些伪影由数据不一致造成，它违反了传统重建方法的假设，由跳动的心脏的不自主运动产生。运动伪影对于小的、快速移动的结构来说特别有问题，所以冠状动脉钙化的明显形状和清晰度往往会大大降低。幸运的是，运动伪影可以通过算法加以纠正。显示了右冠状动脉（RCA）钙化斑块附近的一个运动伪影校正算法的案例。修正后，钙化的形状和管腔的边界更加清晰。如果机架角度恰好使射线在半扫描时间窗口期间与中心线对齐两次（一次在开始时，一次在结束时），则其中心线几乎平行于扫描平面的血管容易受到严重的运动伪影的影响。如果不进行校正，此类血管（或其部分）基本上可以在图像中复制并出现破损（右上）。通过先进的运动校正算法，血管的形状得到了很好的恢复（右下）。
一个心率为86bpm的病人的RCA的轴向切片显示了强烈的运动伪影（顶部）。在使用SnapShot Freeze 2进行算法运动校正后，伪影大大减少，从而获得了更多可解释的图像。W/L = 1100/100 HU (来源：北京安贞医院)。当混合能量光束的X射线通过身体时，低能射线优先被衰减，使得整个光束 "变硬"，与入射光束相比，它含有更大一部分的高能量光子。发生这种情况是因为高能量的X射线的衰减系数比低能量的X射线的衰减系数小（对于大多数临床相关的能量和材料）。在没有线束硬化的情况下，衰减路径长度与入射和透射X射线强度之间的对数之间存在线性关系。如果被扫描的物体主要由水或其他具有类似有效原子数的软组织组成，那么由线束硬化引入的非线性就很容易纠正，但如果物体含有大量有效原子数与水非常不同的材料，就会有残留的误差。现代重建算法通常可以减轻线束硬化的影响。（更多内容参见：什么是硬化线束伪影？
线束硬化是钙化和支架blooming的一个来源。钙化和支架含有高有效原子数的材料，在钙化斑块的情况下包括钙和磷，在支架的情况下包括铁和/或钴（甚至钽）。众所周知，来自手术线材或夹子、牙齿填充物和人工关节的金属伪影，部分是由线束硬化造成。在固定的HU窗口上比较图像时，使用较高的kV会导致较少的blooming。从钙化和支架上喷出的一些伪影的特征性外观与在身体其他地方观察到的来自密集骨骼或金属物体的线束硬化引起的误差相似：在某些方向上优先喷出明亮和黑暗的条纹。这种条纹会导致增强的腔内出现过暗的区域，这有时会模仿非钙化斑块的外观。
部分容积效应导致这个左前降支冠状动脉中段支架在容积渲染图像（A）和曲面重塑图像（B）中看起来比实际要大，并高估了管腔的狭窄程度。使用中心较高的更宽窗值（C）可改善管腔可视化。
但是这也存在一些疑问。虽然冠状动脉钙化和支架确实具有较高的有效原子数，但与通常引起残余线束硬化效应的物体（如增强的血池和肩部、臀部或头部的大骨骼）相比，它们非常小（钙化不超过几个毫米，支架支柱虽然密集，但以微米计），不可能导致X射线束的有效能量发生重大转变。(支架的方向也应该被考虑，因为在极少数情况下，钢或钽芯支架可以几乎平行于扫描平面，这样，一小部分X射线路径将通过大量的支架支杆）。在较高的kV下（或在高keV图像设置的双能量下），blooming的减少很容易归因于这样一个事实，即HU尺度只补偿了水的衰减差异，而不是铁和钙等密度大的材料。使用更高能量的光束与简单地使用更宽的窗口设置来阅片没有什么不同。在任何一种情况下，似乎都有较少的blooming，但管腔和背景之间的对比会减少。减轻钙化blooming影响的一个常见策略是使用更宽的窗口来评估受blooming影响的区域。关于明亮和黑暗条纹的特征性外观，应该理解运动伪影往往可以有类似的外观。密集结构周围的残留运动伪影很容易被错误地归因于线束硬化。
为了测试线束硬化的影响，并将其与运动的影响进行比较，发现一张图像上有明亮和黑暗的条纹，从冠状动脉钙化的边界发出并被遮挡。将完全校正的图像与没有线束硬化的图像进行比较，也与没有运动校正的图像进行比较。很明显，至少在这种情况下，运动校正的影响比钙化附近的多材料线束硬化校正大得多。
CCTA检查(70 bpm, 70% R-R间期)，钙化产生的明暗条纹以及运动校正和线束硬化校正的效果。左侧：无运动校正，有多材料线束硬化校正；中间：有运动校正，没有多材料线束硬化校正；完全校正（运动和线束硬化都有）。左边插图：差异图像（有与无运动校正）；中间插图：差异图像（有与无多材料线束硬化校正）。顶行W/L：900/200；底行W/L：1600/400；插图（W/L=900/0）（来源：UCSD）。这些都清楚地表明，钙化的线束硬化效应非常小，基本上没有，不像运动伪影那样容易与线束硬化伪影相混淆。这两个案例（和和9）也说明了选择一个适当的窗宽来观察钙化的重要性，以减轻开花效应。
有两个钙化的CCTA检查（63bpm，70% R-R间期），运动校正的效果。上行W/L：900/200；下行W/L：1600/400（来源：UCSD）。运动伪影也会导致钙质和支架支管超出其真实尺寸而blooming。在过去，线束硬化被认为是导致blooming的根本原因，但在现代CT扫描仪中，即使是相对较大的冠状动脉钙化或冠状动脉支架对线束硬化的影响也很小。
在大多数情况下，这些方法都是针对解决部分容积效应的问题，但运动伪影也必须得到解决。其中一些技术会夸大运动伪影，实际上，CT中任何一个伪影的解决方案往往会使所有其他伪影更加明显。显示了文献中发现的去除钙化blooming方法的概况。第一个方法是修改扫描仪以实现更高的分辨率。第二，有一些新的重建技术，使用非线性技术来提高密集结构附近的分辨率，同时抑制其他位置的背景噪声。第三，减影技术，即通过双能量扫描的材料分解技术或利用两个具有不同碘对比度的扫描来去除致密结构。还有基于图像的后处理技术，其中一些技术利用卷积神经网络的DL来清除钙质，或用较低密度的组织强度来替代。
鉴于blooming的主要原因是CT系统的有限脉冲响应，生产具有更密集的探测器像素网格和更小的焦点的CT扫描仪是减少blooming的一个好方法。光子计数探测器CT的空间分辨率明显高于当今的临床扫描仪。与基于闪烁体的探测器相比，光子计数探测器具有固有的探测效率优势，这种优势在更高的分辨率下变得更加明显，因为闪烁体单元的有效活性面积由于切割、光学反射器和X射线屏蔽而减少。除了CT扫描仪的初始成本，双倍分辨率扫描产生的图像量需要8倍的内存来覆盖相同的体积，这需要更多的资源来存储、传输和诊断。CCTA是一个不仅仅需要空间分辨率的应用。尽管成本很高，但理想的心脏扫描仪会将超高的空间分辨率与其他关键的心脏成像能力结合起来。
63 岁的男性，呼吸急促。患者接受了多次支架植入手术，在左右冠状动脉共植入了 8 个支架。箭头所示为左冠状动脉局灶性严重支架内再狭窄）。
第二种类型的方法是修改重建以尽可能地保留分辨率。当使用非线性重建时，可以加入图像先验，以保留甚至增强锐利的边缘。并且，远离边缘的背景噪声可以被抑制。可以选择进行两次重建：一次标准重建和一次高分辨率重建。然后可以进行混合，在大部分体积中使用标准图像，而只在密集结构（如钙化和支架）附近混合高分辨率的图像。这种类型的方法相当有价值，因为使用较软的重建卷积核主要是为了限制低对比度/背景区域的噪声。并且，这种方法也有局限性，因为固有的系统分辨率不变。可以通过直接分析投影数据完全绕过重建，避免任何重建引起的模糊效应。
减影技术基于这样的想法：如果能找到一种方法从我们的图像中完全去除密集的结构，空间分辨率对评估管腔直径和通畅性的重要性就会大大降低。关键是要找到某种方法，使管腔和致密结构在数据中分离。
将致密结构从管腔中分离出来的一种方法是使用双能量数据，然后使用材料分解，要么转换为材料基础图像，其中致密材料被抑制，要么量化每个体素中致密物体的体积分数并将其减掉。如果在采集两个能级之间有任何明显的时间偏差，就会出现登记错误，这种错误会被材料分解放大。
将致密结构与管腔分开的第二种方法是通过不同程度的对比进行两次扫描。通过这两张扫描相减，希望能分离出管腔，从而产生一个无钙化/支架的视图，以方便诊断。然而，正如Razeto所指出的，"结构的精确配准至关重要，因为即使是小的错位也会产生惊人的、破坏性的明暗伪影"。两幅初始图像中的任何运动伪影都会在减去的图像中表现出来。在一项以ICA为参考的前瞻性国际多中心研究中，冠状动脉减影软件将FP率从65%降至41%。然而，错误配准率很高，导致被排除在软件应用之外。
一些基于图像的后处理技术已经被提出。例如，使用测量的点扩散函数进行去卷积已被证明可以减少blooming。其他后处理技术利用DL，在图像处理中显示出令人难以置信的能力。Unet网络结构可用于融合在几个不同尺度上识别的特征，对像这样的图像处理应用有效。DL网络可以被训练成锐化钙化或完全去除钙化，这取决于用于训练它们的图像类型。后处理算法的一个重要考虑是通过重建过程最大限度地保留信息量。这可能需要初始重建有一个密集的像素采样。高频噪声和混叠可以在后处理中被去除。另一方面，如果有空间频率在重建中被消除，它们可能不会被忠实地恢复。由于在上文中确定了部分容积效应是造成开花伪影的主要原因，所以针对超分辨率或去模糊的方法也可能被证明对减少开花伪影有效。近年来，许多DL网络已被证明可以极大地提高图像的清晰度并减少空间模糊。虽然这些方法最初是为更普遍的去模糊目的而设计，但它们可以被重新训练并选择性地应用于有钙化去模糊伪影或支架去模糊伪影的病人和位置。
虽然CCTA成像在容积覆盖和运动避免/校正方面有了很大的改进，但在提高空间分辨率方面进展有限，因此，钙化和支架blooming的挑战仍然存在。由于开花伪影夸大了致密钙和支架的尺寸，它们阻碍了对管腔的准确评估，从而高估了病变的严重程度和ISR。
开花伪影被认为是部分体积效应、运动伪影以及线束硬化造成的。部分容积效应是产生开花伪影的主要原因。残余的运动伪影也会导致钙质或支架超出其真实的尺寸而出现blooming。在现代CT扫描仪中，线束硬化在钙化中的作用最小。
解决blooming问题的方法可分为高分辨率CT硬件和重建、减影技术和后处理技术。CT硬件或先进的高分辨率CT重建来提高CT的空间分辨率，可以部分防止blooming。由于固有的挑战，预计未来基于两次扫描的减影技术的工作将受到限制，但双能量的减影技术将受益于最近和未来的降噪技术的进展。DL技术已经显示出了纠正开花伪影的巨大前景，这是未来研究的一个重要方向。这些技术的组合可以有效地抑制钙化的blooming，同时避免重复扫描。
2. 心外膜脂肪（EAT）CT评估的临床价值
心外膜脂肪组织（Epicardial Adipose Tissue；EAT）代表心脏周围的脂肪层，位于心肌和心包内脏层之间。由于它与心脏之间独特的解剖和生理关系，因此特别引人关注。
EAT 有几种已知的生理功能，包括：保护冠状动脉免受动脉脉搏和心脏收缩的机械压力；刺激一氧化氮的产生；以及管理低体温下的生热功能。它还具有新陈代谢活性（分泌介质、促炎细胞因子和抗炎细胞因子），在脂质和葡萄糖平衡中发挥旁分泌器官和内分泌器官的作用。得益于其利用游离脂肪酸（FFA）的能力，EAT 可以保护心肌免受 FFA 的心脏毒性作用。它还能产生保护冠状动脉循环、改善内皮功能、减少氧化应激和间接降低白细胞介素-6（IL-6）和 C 反应蛋白（CRP）水平的脂联素。
CCTA 具有较高的空间分辨率，是评估 EAT 的最佳技术。在CT平扫图像中，EAT 表现为心脏周围衰减范围在 -190 到 -30 HU之间的组织。EAT 的体积评估可通过半自动或自动算法（同时量化 EAT 的衰减和体积）进行。
心外膜脂肪评估：紫色轮廓显示心脏 CT 显示的 EAT 体积。CCTA 的主要优势之一是能够同时评估冠状动脉树和 EAT，提供有关冠状动脉粥样硬化与血管附近脂肪之间关系的信息。Antonopoulos 等人通过脂肪衰减指数 (FAI) 评估了 EAT 的衰减情况，脂肪衰减指数 (FAI) 的定义是冠状动脉外壁径向距离等于血管平均直径范围内的平均 EAT 衰减。通过该参数可以评估冠状动脉附近脂肪细胞的大小和脂质含量。
近年来，研究人员确定了 EAT 与心脏病（包括 CAD、射血分数保留型心力衰竭（HFrEF）和心房颤动（AF））之间的关系。
炎症可涉及冠状动脉疾病的各个阶段，从最初的动脉粥样硬化到动脉粥样硬化病变的发展，最后到斑块破裂和动脉粥样硬化血栓形成。在这种情况下，EAT 功能障碍似乎通过增加促炎性脂肪因子的产生、甘油三酯储存失败、脂肪分解增加和游离脂肪酸的释放发挥了关键作用。
Alexopoulos 等人证实，在存在 CAD 阻塞性非钙化斑块的情况下，EAT 体积更大，这表明 EAT 与易损斑块之间存在关联。在一项结合 CT 扫描和血管内超声成像（IVUS）的研究中，Yamashita 等人证实 EAT 与冠状动脉斑块总负荷和斑块易损性增加（尤其是右冠状动脉和左前降支动脉）有关。这些结果证实，EAT 的数量和/或 EAT 促炎状态与 CAD 的严重程度和斑块的易损性相关。
鉴于其与动脉粥样硬化斑块的联系，多项研究表明，EAT 是重大心血管事件（MACE）的独立预测因子。其中，Mancio 等人进行的一项荟萃分析表明，EAT 量与冠状动脉狭窄、心肌缺血和 MACE 之间存在独立关联。Mahabadi 等人指出，在普通人群中，EAT 与致命性和非致命性冠状动脉事件有关，并在 Calcium 评分之上增加了心脏 CT 的信息。Goeller M 等人分析了 456 名无症状的受试者，结果显示 EAT 密度与 MACE 显著相关（p = 0.029）。Mahabadi 等人的另一项关于二级预防的研究发现，心肌梗死患者的 EAT 容积和衰减程度较高。
在 CRISP-CT研究中，通过制定脂肪衰减指数（FAI）对血管周围脂肪衰减进行了评估。研究表明，FAI 对全因死亡率和心脏死亡率的预测优于临床风险因素。脂肪衰减还可用于临床风险评估，并指导对 CAD 稳定但有残余炎症风险的患者进行有针对性的抗炎治疗。
EAT 已成为房颤发生和消融后复发的风险因素和独立预测因子。文献指出了 EAT 与房颤相关的几种潜在机制，包括：EAT 的促炎状态；EAT 释放的活性氧（ROS）；自主神经系统功能障碍。据推测，EAT 可通过细胞因子、脂肪因子和脂肪细胞浸润改变电生理特征和离子电流，从而形成房颤的电基质。其他不为人知的潜在机制可能解释了 EAT 参与房颤发病机制的原因，如 EAT 中芳香化酶的总含量与触发性房性心律失常的发生/持续时间呈正相关。
在Framingham心脏研究队列中，即使调整了其他风险因素，脂肪量仍是房颤的独立预测因素。在最近的两项荟萃分析中，房颤与 EAT 之间的关系得到了证实，而且持续性房颤的 EAT 比阵发性房颤的 EAT 更强。其他研究比较了与房颤有关的一些公认的心脏结构异常（如左心房大小）和心房周围炎症（通过 CCTA 上的脂肪组织衰减测量）。他们发现，无论左心房大小如何，后者都与房颤密切相关。从临床角度来看，经导管消融术后，EAT 体积较大的患者预后较差，房颤复发较早。
EAT 被认为在心力衰竭中发挥作用，尤其是在射血分数保留的心力衰竭（HFpEF）患者中。当脂肪细胞功能失调时，它们会开始产生促炎因子，导致慢性全身性炎症。一方面，通过这些主要由脂肪因子介导的炎症机制，"心外膜 "肥胖可导致心力衰竭患者心肌重塑，尤其是左室射血分数大于 40% 的患者。另一方面，心外膜脂肪也可能对心脏性能产生负面影响，因为心外膜束缚增加和心室相互依赖性增强会导致直接的机械效应。
心外膜脂肪厚度或体积与射血分数减低性心力衰竭（HFrEF）之间的关系存在争议。与健康人相比，HFrEF 患者的 EAT 参数要么增加，要么减少，而后者更常见。这种变异性可以通过合并症的存在来解释，如CAD、肥胖和糖尿病，这些合并症可能会影响HFrEF的EAT容量。表征HFrEF的代谢和血液动力学状态的变化可能调节EAT体积。患有HFrEF的危重患者可能会出现广泛的系统性脂肪损失，因此EAT体积减少。
在非缺血性收缩性HF患者中，左房室沟的EAT厚度与左心室的总灌注不足和左心室收缩不同步有关。房室沟的EAT厚度对非缺血性收缩型HF患者的CRT反应具有预测价值。
上世纪九十年代，冠状动脉计算机断层扫描（CCTA）作为诊断冠状动脉疾病（CAD）的无创成像工具崭露头角，二十年后，它已成为诊断和决策的一线检查手段。
需要有诊断策略来准确排除不需要进一步检查的患者，以抵消 CCTA 作为一线诊断检查后可能较高的 ICA 使用率。如果 CCTA 提示功能意义不确定的 CAD，指南建议进行二线功能检查。
前瞻性 PACIFIC试验包括 208 名疑似 CCS 患者，结果显示，"具有 CCTA 足够图像质量 "的 FFRCT 在每血管比较中具有最大的曲线下面积（AUC；0. 94），相比正电子发射断层扫描（PET；0.87）和单光子发射计算机断层扫描（SPECT；0.70）更高。在 CCTA 基础上增加 SPECT 或 PET 提高了特异性，但敏感性却大幅下降（每血管：分别从 72% 降至 35% 和 64%）。
Dan-NICAD 2试验的结果在 2022 年 ESC 大会上公布。在 1732 名症状提示有 CAD 的患者中，26% 的患者在 CCTA 检查中发现血管狭窄≥50%，并被转诊接受3T CMR 或铷 (Rb) -PET 检查。在 CCTA 显示血管狭窄≥50%的患者中，41.1% 的患者的有创 FFR 鉴定出了功能意义（≤0.80）。结果显示，先进的心肌灌注成像（MPI）和有创 FFR 之间存在差异，3T CMR 和 Rb-PET 的敏感性分别为 59% 和 64%（P=0.21），而特异性分别为 84% 和 89%（P=0.08），以有创 FFR ≤ 0.80 为参考标准。
与 SPECT/PET 的 MPI 不同，FFRCT基于标准的 CCTA 图像，并从中得出患者特异的三维（3D）解剖和生理模型，无需额外的检测、药物或辐射。应用计算流体动力学原理可计算出三维压力图，提供冠状动脉树各点的 CAD 生理评估，而 SPECT/PET 的 MPI 有助于识别生理异常的血管，但不提供压力计算、压降定位或生理表型特征。
在2019年ESC指南中，具有非侵入性功能成像的CCTA被列为I级证据B级推荐，作为诊断有症状患者CAD的初始检查，这些患者的阻塞性CAD不能单独通过临床评估排除。在最近的ACC/AHA胸痛指南中，CCTA 被列为 2a 级推荐项目，用于“确定动脉粥样硬化斑块负荷和进展为阻塞性CAD，并指导治疗决策”。建议将FFRCT（2a级）降至40%的狭窄水平，以“诊断血管特异性缺血并指导ICA的使用决策”。CCTA即将作为“一站式服务”进行临床应用，包括解剖和生理评估，以诊断新发胸痛患者，预计也将作为决策工具。
传统的胸痛诊断工作流程和“一站式”CCTA方法。
（A）在NCDR CathPCI登记研究中，38%接受选择性侵入性冠状动脉造影（ICA）的患者接受了临时PCI，而62%的患者在ICA后没有进行血运重建。（B）筛查、诊断、决策和治疗计划仅依赖CCTA。BB：β-阻断剂；EPA：二十碳五烯酸；MRI：磁共振成像；PCSK9：前蛋白转化酶枯草杆菌蛋白酶/科辛 9 型；SPECT：单光子发射计算机断层扫描。
FORECAST试验表明，在9个月的随访中，在成本和临床结果方面，CCTA和选择性FFRCT在稳定型心绞痛患者中的策略与标准临床护理途径相当，同时减少了ICA的使用，但对降低冠状动脉血运重建没有影响。ADVANCE注册中心报告了现实世界实践中的1年临床结果，并提供了延迟进行侵入性评估的FFRCT阴性患者的安全性数据。结果显示，与FFRCT≤0.80的患者相比，FFRCT＞0.80的患者心血管死亡或MI的发生率显著较低（0.20%vs 0.80%；相对风险[RR]4.22，95%CI:1.28-13.95；p=0.01），血运重建较少（5.60% vs 38.40%；RR6.87，95%CI:5.59-8.45；p<0.001）。NXT试验的5年随访表明，在稳定型CAD患者中，FFRCT阳性（≤0.80）是长期MACE（心脏死亡、非致命性MI或计划外血运重建）的预测因素（HR 5.5；p=0.006），并且优于CCTA上的解剖学显著狭窄（≥50%）。
比较了全阶（full-order）和现场 （on-site）CT 导出 FFR 的生理模型、计算时间和诊断性能。
全阶和现场 CT 导出 FFR 的比较。cFFR：计算血流储备分数：CT：计算机断层扫描；FFR：血流储备分数；FFRCT：由冠状动脉计算机断层扫描血管造影得出的血流储备分数；ML：机器学习。FFRCT 的优势在于可直接从 CCTA 采集结果中进行分析，无需额外的扫描和药物负荷；但其对既往有心肌梗死、支架或搭桥患者的诊断价值仍有待确定。包括 CTP 在内的 MPI 仍是一种有价值的替代方法，尽管在目前的临床实践中，CTP 并未被用作常规诊断工具。
一项包含 54 篇文章和 5330 名患者的荟萃分析表明，与单独使用 CCTA 相比，CTP 及其与 CCTA 的联合使用具有更高的诊断性能（敏感性分别为 83% 和 89%；特异性分别为 79% 和 81%），以有创 FFR ≤0.80 作为标准参考。
两种主要的采集方法是静态 CTP 和动态 CTP，静态 CCTA 扫描后进行药物负荷，或顺序相反。
静态 CTP 在造影剂第一次通过心肌时和药物负荷时获取单组图像，提供定性评估--它们是心肌碘分布和灌注缺损的快照。根据基线心肌增强对灌注缺损进行评估，以确定其可逆性，从而确定心肌缺血，而不可逆性缺损则表明心肌梗死组织（如瘢痕组织）。
动态 CTP 需要使用第二代/第三代双源或宽探测器 CT 系统，才能在一次或两次采集中完全覆盖心肌，其辐射量高于静态灌注成像。动态 CTP 可通过时间-衰减曲线 (TAC) 计算出绝对心肌血流 (MBF)，时间-衰减曲线在注射造影剂后连续测量心肌衰减值得出。
使用双源 CT 和 TAC 进行动态心肌灌注成像。通过动态 CTP，可以根据时间-衰减曲线（TAC）计算出绝对心肌血流（MBF）。动态 CTP 在（A）短轴和（B）长轴视图中均显示 LAD 区域的 MBF 减少（C,D），CT 延迟增强显示 MBF 减少区域内的前壁存在心内膜下梗死（红色箭头）。E）CCTA 显示 LAD 在支架近端有一处高度狭窄（红色箭头）。F）ICA 显示狭窄程度大于 90%（红色箭头）。CT：计算机断层扫描；CCTA：冠状动脉计算机断层扫描血管造影；CTP：计算机断层扫描灌注；ICA：侵入性冠状动脉造影。虽然 CTP 和 FFRCT 两种技术都基于 CT 成像，可在一种模式下进行解剖和功能（灌注或生理）评估，但 CTP 评估的是心外膜和微血管扰动的影响，这与 FFRCT 是不同层次的缺血级联。在 PERFECTION研究中，基于血管的 CCTA、CCTA+FFRCT 和 CCTA+静态负荷-CTP 检测血流限制性狭窄的 AUC 分别为 0.89、0.93 和 0.92。在基于血管的模型中，CCTA+FFRCT 和 CCTA+ 静态负荷-CTP 与单独CCTA 相比分别有显著的附加值（p＜0.001），但CCTA+FFRCT与CCTA+静态负荷-CTP之间没有差异。
Core320研究比较了无创成像解剖/功能联合评估与传统方法的预后价值，结果显示，与 ICA-SPECT 相比，联合 CCTA-CTP 结果正常的患者的 5 年无 MACE（心源性死亡、心肌梗死、因胸痛或充血性心力衰竭住院以及晚期血管重建）生存率更高：85% vs 80%（95% CI 差异：0. 1-11.3）。
AMPLIFiED（通过双源 CT 探索与梗死和纤维化相关的心肌灌注评估）研究显示，在 CCTA 中加入动态 CTP 可显著提高 AUC，从 0.65（95% CI：0.57-0.72）提高到 0.74（95% CI：0.66-0.81；p=0. 011），敏感性降低（93% vs 72%;p90%狭窄时，准确率提高（64% vs 74%；p<0.001）。在2血管疾病（VD）中，在CCTA中添加动态CTP显著增加了AUC，从0.80增加到0.84（p=0.041），在3VD中从0.65增加到0.73（p=0.022），在1VD中从0.84增加到0.87（p=0.0265）。
国际 SPECIFIC研究在 CCTA 的基础上通过第三代双源 CT 对动态负荷 CTP 的诊断性能进行了调查，结果显示，在 CCTA 上按狭窄分级的情况下，狭窄程度在 50-69% 之间的血管增加 CTP 后，诊断准确率从 44% (95% CI: 33-55%) 提高到 71% (95% CI: 61-81%)。这表明，在疾病发病率较低的人群中，常规进行 CTP 是不合理的，但在 CCTA 显示阻塞性疾病后可能会受益。CRESCENT 2试验显示，与标准功能测试（95% 的功能测试为运动心电图[ECG]）相比，在 CCTA 显示阻塞性疾病的患者中选择性地进行 CTP，可提高后续 ICA 的诊断率（88% vs 50%；P=0.017），且不增加 ICA 的发生率。
无论采用哪种 CTP 采集模式，SCCT 共识文件都强调了患者选择的重要性，并建议在阻塞性 CAD 的动脉粥样硬化高风险患者（包括既往接受过冠状动脉介入治疗或有明显钙化者）或存在功能意义不确定的狭窄时，在 CCTA 中增加 CTP。还需要重新评估CTP及其相关辐射负荷（除CCTA外）是否仍然是必要的，因为UHR-CT的使用将在实践中更加普遍，假阳性结果将显著减少。可以考虑使用负荷超声心动图或负荷CMR灌注成像等替代方法。
心肌灌注的检查流程参见XI区：一站式动态负荷CT心肌灌注成像检查流程。
目前对缺血伴非阻塞性冠状动脉疾病（Ischemia and No Obstructive Coronary Artery Disease，INOCA）的解释主要是 CMD 或血管痉挛性心绞痛，与此相反，最近的美国指南则主张排除弥漫性动脉粥样硬化的功能性意义。INOCA 的另一个独立解释是它与冠状动脉腔容积与心肌质量比（V/M）有关，该比值可通过 CCTA 无创测量得出。V/M 可综合衡量体内心肌供血能力和需求之间的平衡（参见XI区：心血管疾病评估新参数：心脏CT扫描衍生的冠状动脉体积与心肌质量比；如何快速计算冠状动脉体积与心肌质量比（V/M））。在对 NXT 试验（包括 202 名 QCA 狭窄度≤50% 患者的 365 条血管）进行的一项事后分析中，多变量逻辑回归分析（包括狭窄百分比和定量斑块测量）显示，V/M 是 FFR ≤0.80 的独立预测因子，因为 V/M 测量的是整个冠状动脉树中的同一现象，而 FFRCT 记录的是心外膜现象。有人试图在 V/M、FFR 和 FFRCT 之间建立联系，但这并不是对微血管功能的测量。PACIFIC 试验的一项子研究调查了 152 名患者的 431 根血管，发现在 ICA 上有 NOCAD 的血管（361 根血管）中，V/M 与血管特异性高血流量 MBF 或冠状动脉血流储备（CFR）之间没有关联。
临床血管造影师 "观察到的心外膜动脉仅占冠状动脉树体积的 5%，而前动脉、动脉小管和毛细血管占剩余冠状动脉体积的 95%。心外膜动脉（>400μm）是导管血管，可能会通过血流储备分数、瞬时无波比（iFR）和其他非充血性压力比率进行审查。前小动脉（100-400μm）和小动脉（40-100μm）参与流量分布的调节和代谢控制，毛细血管（<10μm）是交换血管。
冠状动脉宏观和微循环的正常结构和功能及相应领域的生理评估技术。Ach：乙酰胆碱；CFR：冠状动脉血流储备；HMR：充血性微血管阻力；iFR：瞬时无波率；IHDVPS：瞬时充血性舒张速度-压力斜率；IMR：微血管阻力指数；NHPR：无充血压比；Pzf：零流量压力。将无创生理评估从心外膜冠状动脉扩展到微循环的一种方法是，根据从 CCTA 数据到微血管的分支规律生成合成树。最近，有人开发了一种算法，用于从分割的心外膜血管向下至动脉血管生成患者特异性心脏血管网络，该算法有望推动冠状动脉血流、微血管功能和心肌灌注的无创 CCTA 建模。Papamanolis 等人描述了一个模拟心肌灌注的计算模型，即从心外膜冠状动脉解剖端（400 μm）到毛细血管水平（10 μm）的血流。在本章概念验证论文中，模拟 MBF 与五名 NOCAD 患者和一名严重阻塞性疾病患者在静息和高血容量条件下的[15O]H2O PET 数据进行了比较，结果显示两者都很好。
这些创新方法需要在更大的患者群体中进行评估，以确定基于 CCTA 解剖数据的血流建模技术是否能深入了解 MBF，并为 FFR 的无创评估提供证明。如果成功，那么 CCTA 就有可能深入了解心外膜和微血管疾病。
迭代重建与伪影控制
由于CT具有的应用广泛，快速以及可重复性好等特点，它在许多病变的诊断中发挥着重要作用；然而，近年来人们对与辐射剂量有关的问题越来越重视，特别是对于需要定期CT随访的儿科或肿瘤患者。我们一直致力于采用新技术，在不影响诊断图像质量的前提下减少辐射剂量，遵守 "ALARA"原则。
为了克服这些缺点，CT供应商开发了自动管电压和管电流调制（参见XI区：自动管电流调制技术的原理和使用注意事项）技术，能够在不影响诊断准确性的情况下减少辐射剂量。图像重建技术对CT辐射剂量和图像质量有重大影响。在临床实践中，第一个用于图像重建的分析方法是滤波反投影（FBP），已经常规使用了几十年。FBP的主要优点是重建速度快和图像质量好，而主要缺点是在低剂量（LD）CT采集时图像质量下降，特别是在肥胖患者和有金属装置时。混合IR（HIR）算法包括一个单一的后向投影步骤，同时应用于原始数据和图像领域，以分别减少伪影和噪声。基于模型的IR（MBIR）算法包括后向重建步骤（其中图像由投影数据产生），以及前向重建步骤（包括从先前产生的图像中检索投影数据，从而产生人工数据，反过来与原始数据进行比较）；一篇文献，概述IR算法在临床上的应用，阐述其主要优势和局限性，并阐明AI新时代的未来前景。
为了更好理解迭代重建模式的基本要点，首先必须概述FBP的主要方面。滤波反投影（Filtered back-projection，FBP）是一种从投影数据（正弦图）中通过在进行反投影步骤之前应用高通滤波器（称为斜坡滤波器）来重建图像的解析算法。斜坡滤波器抑制了衰减轮廓的低空间频率成分，从而最终抑制模糊并增强边缘。然而，该滤波器增加了图像噪声，因此会导致斑点状图像外观。可以将斜坡滤波器与不同强度的滤波器（卷积核）结合使用，从而增加最终图像的空间分辨率（不同的卷积核可以优化软组织或高对比结构的显示），但代价是更高的图像噪声。
FBP的优点包括稳定性和快速图像重建，还可以根据用户的具体需求提供定制的滤波器，有利于生成符合阅片习惯的噪声结构和纹理的输出图像。因为这些原因，FBP在过去的30年里代表了标准的CT图像重建算法，在标准辐射剂量下生成具有高诊断质量的图像。
辐射相关的健康风险的增加促使社会各界采取策略来降低CT辐射剂量。FBP的主要弱点涉及FBP本身的内在特点：图像的清晰度和噪声直接相关；滤波步骤增强了低剂量CT数据中的图像噪声和伪影。以低辐射剂量获取并使用FBP重建的CT扫描图像会显著降低图像质量，包括噪声增加、低对比度可检测性差以及由于光子缺乏而产生的伪影（例如条纹状伪影）。FBP在减少剂量方面的潜力微乎其微，而且有损诊断图像质量的风险；它已被迭代重建算法所取代。
迭代重建技术可以在较低辐射剂量下进行CT扫描，同时减轻图像噪声，因此与相同条件下的FBP相比，可以获得更高的图像质量。早在20世纪70年代初就引入了第一个迭代重建算法，即代数重建；然而，由于CT重建工作站计算能力有限，这种技术从未真正起飞。几十年后，计算能力的提升使得IR技术在CT成像中得以引入。2009年，美国食品药品监督管理局批准了第一个IR算法IRIS（IR in image space;正如其名称所示，IR方法对图像重建进行多次迭代，以更好地评估数学假设，并将优化的数据与原始数据进行比较；每次迭代将图像更新为噪声较少的图像，最终导致优化的低噪声输出数据集。更多的迭代会导致更长的重建时间，尤其是对于在原始数据空间中也进行的混合迭代；CT数据需要强大的计算能力和充足的重建时间。显示了CT数据通过FBP和IR算法进行重建的示意图。
CT数据重建的示意图。通过滤波反投影（FBP）和迭代重建（IR）算法重建CT数据的示意图。
迭代重建技术可以是混合型，也可以基于模型。混合型IR是一种通过迭代方法减少图像噪声的统计算法，而基于模型的IR算法考虑了采集过程、系统几何和图像统计。混合IR算法在初始和最终阶段分别对数据进行迭代滤波；此过程可以仅在投影空间或图像空间中进行，或两者都进行。在投影空间中，通过统计模型进行相邻投影数据的比较，以识别过于嘈杂的投影数据，从而使其变化最小化。
相反，基于模型的IR算法通过至少1次前向投影来模拟投影数据，并进行反向重建，重复固定次数或直到修正变得可以忽略为止；然后从投影数据重建图像，并从图像生成人工投影数据。基于模型的IR需要模型或图像对象的估计来初始化迭代周期。与混合IR相比，基于模型的IR旨在明显减少图像噪声、改善低对比度细节和提高空间分辨率，与HIR相比，辐射剂量减少更高。然而，基于模型的IR需要非常高的计算能力，导致重建时间长，并且可能通过生成过度平滑的图像纹理来对图像质量产生不利影响。
IR方法的主要优势在于模拟数据与测得的原始数据之间的实际相关性，从而有效减少图像噪声和伪影，并实现相对较快的重建速度。并且，与FBP相比，IR保持了CT的衰减值，并保持了高图像质量和诊断置信度。IR使得在肥胖患者或体型较大的患者中获得高质量的CT图像，并且使得在尿路结石患者中进行超低剂量（ULD）CT成为可能。
在高对比度分辨率情景（例如肺实质评估）中，与FBP相比，IR算法可以实现高达70%的剂量减少而保持相当的图像质量。另一方面，高强度的IR在低对比度任务（例如小的低密度肝转移）中表现不佳，导致诊断准确性较低。即使在这种情况下，仍然可以达到10%至27%的剂量减少。然而，高强度IR数据集通常不被放射科医生所青睐，因为其重建时间相对较慢，而且对图像纹理有影响，导致过度平滑的 "塑料状 "图像可能会妨碍临床任务。
技术人员、放射科医师和整个医疗团队有必要共同努力，将所有IR的优势应用于临床实践中。
每个供应商都有不同的IR算法，从计算要求不高、在图像数据域中进行重建的算法，到在原始数据域中操作的算法；每种IR技术的工作方式不同，确切的算法都是专有的（表1）。
2009年，Siemens Healthineers提出了第一个IR算法，IRIS，其仅在图像空间中使用迭代算法过滤器，达到降噪的目的。在IRIS之后，更先进的HIR算法被引入，如SAFIRE（sinogram-affirmed IR；Siemens Healthineers）、ASiR（adaptive statistical IR）和iDose4（Philips Healthcare）。另一方面，开发了MBIR算法，通过多次前向和后向重建进行操作：Veo (GE Healthcare), MBIR (GE Healthcare), ADMIRE (advanced modeled IR;。最近，基于神经网络的深度学习的图像重建（DLIR）算法正在出现：GE Healthcare的TrueFidelity（TF）和Canon Medical Systems的Advanced Intelligent Clear-IQ Engine（AiCE）。3和4显示了用FBP、ASIR-V、TF和iDose4在不同水平上重建的CT扫描的例子。
用不同水平的ASiR-V算法重建的CT图像的比较。一位57岁女性，患有结直肠癌，伴有单肝转移，腹部静脉期轴位CT扫描（黑色箭头）。扫描是在100 kVp下通过管电流调制获得的（mAs范围，99-170）；用（A）滤波反投影（FBP）和ASiR-V在20%（B）、40%（C）、60%（D）、80%（E）和100%（F）强度重建原始数据。随着ASiR-V强度水平的增加，图像噪声逐渐减少，而低衰减转移仍然可见。IR在对比度可检测性和噪声降低方面的改进导致了腹部动脉和静脉分支的更好描绘，甚至是远端小血管的更好描绘。
用不同水平的ASiR-V和DLIR算法重建的CT图像的比较。一名82岁女性的轴位冠状动脉CT血管造影术扫描在100 kVp和200 mAs的固定管电流下进行。用ASiR-V 30%（A）、50%（B）和80%（C）的不同强度以及低（D）、中（E）和高（F）水平的DLIR重建扫描。中等强度水平（通常为50%至80%）的迭代重建显示图像噪声和图像质量之间的平衡得到了改善：特别是，IR显示血管细节的可视化更好，斑块轮廓的模糊程度更低。
用不同级别的iDose4算法重建的CT图像的比较。一名患有间皮瘤的63岁男子的轴向薄层非增强胸部CT扫描，显示右肺中有一个非钙化的实质结节（白色箭头）和胸膜下结构扭曲（白色箭头）。胸部CT是在100 kVp下采集的，具有管电流调制（mAs范围，109-220）。使用iDose4算法在不同水平重建图像：（A）iDose1、（B）iDoe3、（C）iDos5和（D）iDose7。高强度IR保持高对比度和空间分辨率，为减少辐射剂量铺平了道路。
ASiR（Adaptive Statistical Iterative Reconstruction）。ASiR于2008年推出，展示了在抑制图像噪声和伪影的同时降低剂量CT投影数据方面的良好效果。该算法利用从FBP算法获得的信息作为每个单独图像重建的构成要素。ASiR模型通过矩阵代数将每个像素的原始测量值转换为新的估计像素值，然后将其与通过噪声建模预测的理想值进行比较。该过程在连续的迭代步骤中重复进行，直到最终估计的像素值满足理想值。自适应统计IR可生成混合图像，其IR百分比从0%（FBP）到100%，间隔为10%，增加百分比与ASiR的贡献程度成正比。然而，较高强度的ASiR重建与IR特定伪影相关，表现为图像中的“塑料”纹理（不规则边缘、斑点、像素化）。
Veo是GE医疗公司推出的第二代IR算法，可以在1 mSv以下的CT扫描中实现出色的图像质量。该算法将数据采集过程的广泛三维模型与统计噪声和物理模型相结合，并反映由X射线和物质相互作用产生的数据的统计分布。在一个完整的迭代周期内更新图像体素，从而在单个图像中实现降噪和增加分辨率。然而，也发现了与复杂建模过程相关的几个缺点，例如需要非常高的计算能力和非常长的重建时间。
ASiR-V（Adaptive Statistical Iterative Reconstruction-V）。ASiR-V是由GE医疗公司推出的第三代IR算法，它是一种混合重建技术。与ASiR相比，ASiR-V改善了降噪和对象建模。它还应用了Veo中使用的部分物理模型，但在建模过程中排除了复杂的系统光学因素。然而，优势在于大幅减少图像重建时间。ASiR-V对成像对象进行初始估计，然后根据实际测量的投影、先前的信息或特征对这个初始估计进行更新。对系统噪声统计、对象和物理的准确建模主要有助于降低与低剂量CT扫描固有的噪声和伪影相关的问题。
iDose4是由飞利浦医疗于2010年推出，它在图像质量方面提供了显著的改进，避免了早期IR技术所特有的“塑料”图像外观，这要归功于一种惩罚噪声数据并保留线性边缘的迭代过程。重建算法首先通过识别和校正最嘈杂的CT测量数据来处理投影数据；然后，可以根据所需的降噪水平去除剩余的噪声。iDose4的重建级别（从0到7）可以在扫描之前或在获取原始数据后选择。重建级别可以独立于扫描时的辐射剂量进行定义；然而，应根据所选择的剂量降低百分比来选择相应的iDose4水平。
IMR（Iterative Model Reconstruction）。IMR是飞利浦医疗在2012年推出，可以优化数据统计、图像统计和系统模型。它在控制图像噪声方面表现良好，在明显低于FBP重建的辐射剂量下最大限度地提高空间分辨率；IMR在大多数CT方案中允许快速重建。与FBP和iDose4相比，IMR实现了图像质量的显著提高、图像噪声的减少和读者主观信心的改善，而剂量设置明显低于2 mSv。
SAFIRE（Sinogram-Affirmed IR）。SAFIRE是西门子医疗在2010年发布的第二代IR算法，它使用加权FBP进行初始重建，然后是两个不同的校正循环方法。第一个循环用于校正原始重建中的缺陷，并去除任何数据伪影；这个过程重复了一定的次数，期间应用了基于原始数据的动态噪声建模，从而促进了图像噪声的降低，而不会显著降低图像清晰度。第二个校正环路在图像空间上运行，通过多次重复的统计优化过程去除噪声。SAFIRE有5个强度级别，可以预览，其中降噪水平和图像纹理根据选定的强度级别而变化。
ADMIRE（Advanced Modeled IR）。ADMIRE是西门子医疗发布的第三代IR算法，是一种类似于SAFIRE的MBIR方法，但具有更好的边缘描绘和噪声纹理。该算法的特点是基于循环中使用加权FBP的多步骤过程，目的是消除几何缺陷，如锥束伪影；统计建模进行局部信噪比（SNR）分析，将数据分解为信号和噪声。前向投影步骤产生人工数据，与测量的原始数据反复比较。这主要有助于消除螺旋形伪影，并在较小程度上降低噪声。噪声主要通过包含于图像空间的正则化函数的第二步骤来减少。ADMIRE只需要少量迭代，因此重建速度很快。可以根据放射科医生的喜好选择五个可调节的强度级别，而不影响重建速度。
AIDR（Adaptive Iterative Dose Reduction）。AIDR是佳能医疗开发的第一个IR算法，图像降噪发生在重建图像领域。这种IR技术要求原始的高噪声图像经过几次循环迭代来降低图像噪声，直到达到理想的噪声水平。
AIDR3D（Adaptive Iterative Dose Reduction 3D）。该系统采用三维处理的重建算法，结合了原始数据和图像空间的噪声优化。AIDR3D能够根据特征体素梯度降低噪声，保持主要的精细图像细节，如线条和边缘。在每次迭代中，AIDR3D能够平衡降低噪声幅度和保留空间分辨率之间的关系；原始FBP图像被用作每次迭代的输入，并与处理后的数据混合，形成最终的图像，确保噪声纹理得到很好的保持。AIDR3D能够根据身体区域和检查类型自动调整算法，确保参数和图像质量优化。也可以让操作者对算法和可调强度进行一些控制。
FIRST（Forward-Projected MBIR Solution）。前向投影MBIR解决方案是建立在FBP基础上的一种混合算法。然后，佳能医疗推出了真正的前向投影MBIR。前向投影MBIR解决方案在每次迭代中都要进行前向投影，根据扫描过程中获得的测量的原始投影数据，制定一个图像（"种子图像"）的初始 "猜测"，在创建一组新的合成投影数据之前对其进行处理，并送入IR循环。然后，种子图像通过一个数学比较引擎进行渗透，以评估合成的前向投影和原始投影数据之间的差异。更新的合成投影应该用反投影进行阐述，以产生新的图像。这个过程必须重复进行，直到达到理想的图像，在前向投影过程中使用复杂的模型，确保前向投影的MBIR减少图像噪声，同时提高对比度空间分辨率。
为了克服IR本身的建模限制，GE Healthcare开发了一种名为TrueFidelity的DLIR算法。DLIR的力量在于其处理复杂模型和大量参数的能力，远远超过人类的能力。计算机同时训练数以百万计的参数，通过训练过程直接生成真实的系统模型。TF图像的结果在降噪、空间分辨率和可检测性方面有所改善，而图像纹理的变化较小。有希望的结果鼓励在临床实践中进一步应用剂量优化的CT采集，这一点尚未被HIR有效解决。
佳能医疗开发的新算法Advanced Intelligent Clear-IQ Engine使用深度卷积神经网络，通过将结果与通过MBIR重建的参考标准高质量数据进行比较，学习从低质量数据中创建高质量结果。
2018年商业化的第一个版本（AiCE V8）有一些局限性，因为只考虑了0.5毫米的切片厚度和只有3个卷积核（体部、肺和心脏）。最新的版本（AiCE V10）允许在不同的切片厚度（0.5、1.0和2.0毫米）和5个额外的重建核进行图像重建。
其结果是一个完全集成的DLIR，可以区分和减少信号中的噪声，从而在日常工作流程中提供诊断图像质量，同时保持尽可能低的辐射剂量。
增强CT（CECT）成像被认为是肿瘤患者管理的标准检查，用于诊断、分期和监测治疗反应；在这场竞赛中，IR算法在低辐射剂量下保持图像质量和诊断信心方面发挥了关键作用，以遵守 "ALARA "原则。
Morimoto等人进行了一项前瞻性研究，比较了ASiR重建的低剂量CT图像与FBP重建的标准剂量（SD）CT图像在进行胸腹部CT随访的肿瘤患者中的图像质量和病变显著性。低剂量CT显示出更高的整体图像质量、更低的图像噪声和更好的病变清晰性，实现了中位辐射剂量减少46%。
Nagayama等人进行了一项回顾性研究，对两组不同CT协议进行了比较：第1组接受LD低对比剂（CM）CT（360 mgl kg-1, 80 kVp, SAFIRE），第2组接受SD、常规CM CT（600 mgl kg-1, 120 kVp, FBP），第一组方案使剂量减少32%，碘负荷降低40%，客观图像质量更高，主观图像质量相当；没有记录到与CM注射有关的明显的肾脏损伤。
Ippolito及其同事比较了分别用MBIR和HIR算法重建的LD（100 kVp）和SD（120 kVp）增强CT图像的图像质量和辐射剂量。与HIR相比，用MBIR算法重建的CT图像的整体图像质量、SNR和对比度-噪声比（CNR）值明显较高，而辐射剂量则明显较低。
肝脏病变，特别是低密度的转移，值得单独提及，因为它们在用高强度IR重建的LD CT中经常会被误诊。许多作者已经证明，主观的图像质量并不一定与诊断准确性的提高相关；IR并不能保持低对比度的可检测性，不同剂量水平的IR方法在低对比度检测方面存在很大差异。Dimmitt等人评估了使用ASiR-V与FBP对比检测肝脏病变的诊断准确性，证明ASiR-V客观上优于FBP，尽管读者使用FBP可以更好地识别肝脏病变。Mohammadinejad和他的同事表明，IR应用于肝脏多相CECT可以稍微改变图像质量。然而，一项比较研究表明，使用FBP和SAFIRE在不同强度下重建CECT腹部扫描，图像噪声随着IR水平的提高而降低，可以更好地观察到小的低衰减的肝脏病变。
超低剂量（ULD）检查是筛查方案中不可避免的要求，它代表了IR技术的主要应用领域之一，特别是肺癌筛查。
Zhang及其同事使用ULD协议（120 kVp/17 mAs）和常规LD（120 kVp/30 mAs）比较了胸部CT图像质量和结节可检测性，两者均采用FBP、iDose4和IMR算法进行重建。与LD方案相比，ULD可以有效减少剂量（44%；0.67 vs 1.20 mSv）；在这两组中，IMR显示出比HIR和FBP更好的图像质量、结节可检测性和图像噪声降低。
de Margerie-Mellon等人比较了接受HIR重建的SD CT（140 kVp）和使用FBP、iDose4和IMR重建的低剂量CT（100 kVp）的患者中IR和FBP的性能。有趣的是，与FBP相比，iDose4和MIR显示出更好的诊断可信度、病变明显性和肺气肿检测，且剂量明显较低（中值分别为0.22和1.8 mSv）。
CT结肠造影（CTC）的临床适用性在过去十年中逐步发展，以至于被认为是结直肠疾病的有效检查。Cianci等人评估了用SAFIRE重建的ULD-CTC的辐射剂量和图像质量，与用FBP重建的LD-CTC相比。结果显示，与LD-CTC相比，ULD-CTC方案有意义地减少了剂量（高达63%；分别为0.98 vs 2.69 mSv），但既没有明显的图像质量下降，也没有影响病变检测。
Liu及其同事评估了3组CTC筛查的图像质量、辐射剂量和诊断性能：SD（120kVp-STD，FBP）、锡滤过LD（Sn150kVp-LD，ADMIRE）和锡滤过ULD（Sn100kVp-ULD，ADMIRE）。与120kVp-STD方案相比，Sn150kVp-LD和Sn100kVp-ULD组的图像质量更好，辐射剂量分别降低了22.5%和87.5%。
心血管放射学是最受益于IR的放射学领域之一，特别是在门急诊病人中。
Si-Mohamed及其同事比较了使用SAFIRE的100kVp和使用FBP的120kVp的 "胸痛三联 "CT血管成像（TRO-CTA）的诊断性能。与SD TRO-CTA方案相比，低剂量TRO-CTA可以在减少34%辐射剂量的情况下达到高置信度的诊断水平。
Ippolito等人评估了使用MBIR重建的LD冠状动脉CT A（CCTA）检查的图像质量和辐射剂量，并与标准iDose4 CCTA重建进行了比较。结果表明，与标准CCTA方案相比，LD MBIR CCTA可以获得高质量的图像，并显著减少剂量暴露（38%）。
Talei Franzesi及其同事评估并比较了2种不同的研究方案：LD和低CM量的CT A方案（100 kVp；50 mL的CM；IR算法）和标准CT A方案（120 kVp；100 mL的CM；在相当的图像质量下，与标准CTA方案相比，LD-CTA可以显著减少辐射剂量（20%）和CM体积。
Caruso及其同事分析了由FBP重建的SD（120 kVp，170 mAs）和由ASiR重建的半剂量（120 kVp，85 mAs）在不同强度水平下的冠状动脉钙化评分方案。结果表明，与FBP相比，ASiR-70%显示出更高的信噪比和CNR，半剂量方案提供的辐射剂量减少了52%，但对主观分析没有明显影响。
儿童对电离辐射的随机效应更加敏感，不幸的是，由于非儿科医院普遍使用 "成人 "CT方案，儿童可能会接受更高的有效剂量；LD-CT与IR技术相结合，在儿科应用中可以大幅减少辐射剂量，同时提高图像质量。
Singh等人调查了用ASiR重建的胸部和腹部CT数据的图像质量和辐射剂量的减少，与传统的FBP相比，证明胸部CT的剂量减少了46%，腹部CT减少了38%，客观噪声更少。
Zhu等人分析了急性头部创伤儿童的CT剂量指数和图像质量，分为1组（低剂量CT：100 kVp/240 mA，ASiR-V 70%）和2组（SD CT：120 kVp/180 mA，FBP）。与第二组相比，第一组实现了37%的辐射剂量减少。
Yamasaki及其同事比较了接受CTA的婴儿的FBP、HIR和MBIR，发现与HIR相比，MBIR的辐射剂量明显降低（36%），与FBP重建相比，MBIR的平均CNR更高（高达41%）。
Sun及其同事评估了MBIR和ASiR的性能，与FBP重建相比，在LD和低CM体积的腹部CECT中，证明如果结合ASiR 100%（降噪，63%；CNR，高达151%）和MBIR，LD-CT的图像质量会更好，后者的性能最好（降噪，67%；CNR，高达171%）。
Bodelle等人证明，与在类似管电流下获得的FBP方案相比，用SAFIRE重建的LD-CT改善了颅内出血的检测，剂量减少了29%（1.71 vs 2.4 mSv）。
Paprottka及其同事分析了分别使用iDose4和IMR算法重建的SD和LD大脑CT平扫。与SD相比，LD-CT显示出明显的剂量减少（33%，31.2 vs 46.6mGy），并且图像质量更好。
Troeltzsch等人评估了CT金属伪影减少技术的好处，发现IR和金属伪影减少技术提高了头颈部CT对原发肿瘤（敏感性，0.83；特异性，0.93）和复发肿瘤（敏感性，0.94；特异性，0.93）的诊断质量。
Schmid及其同事检查并比较了用单源CT（固定管电压，120 kVp；FBP和SAFIRE）和双源CT（自动管电压调制，FBP和ADMIRE）获得的图像。与FBP相比，两种IR技术都显示出较低的图像噪声、较高的信噪比和CNR，以及更好的主观图像分析；ADMIRE显示出比SAFIRE低14.4%的图像噪声和7.5%的辐射剂量。
人类社会对辐射引发肿瘤的担忧，导致CT诊断成像数量有所下降。尽管成为标准的重建技术，但IR存在一些缺点，如过度平滑的图像纹理和适度的剂量减少与对比度依赖的空间分辨率有关；成像重建技术有很大的改进空间。
在过去的几年里，人工智能在图像纹理、剂量优化、计算机辅助诊断以及通过减少伪影和图像噪声来提高整体图像质量方面显示出一种很有前途的工具。
最近，一些研究正在调查DLIR算法在进一步减少辐射剂量，同时保持诊断图像质量方面的作用，与IR技术相比，取得了积极的结果。Bernard及其同事在CCTA急性卒中方案中，使用DLIR算法与HIR算法相比，剂量明显减少（约40%），SNR（51%）和CNR（49%）更高。对LD CCTA扫描也有类似的结果：与ASiR-V-100%相比，DLIR-H可以减少43%的辐射剂量，但对图像噪声、狭窄严重程度、斑块组成和斑块体积定量评估没有明显影响。Kim等人的一项回顾性研究显示，与ASiR-V技术相比，用DLIR重建的LD胸部CT用于肺癌筛查，可以明显降低噪声，提高SNR和CNR，提高图像对比度，降低图像噪声，更好地识别结构。Jensen等人在对40名接受腹部CECT检查的肿瘤患者进行的回顾性研究中表明，与ASiR-V相比，DLIR具有更好的CNR，噪声降低了47%，并提高了整体图像质量和病变诊断的可信度。
在不久的将来，人工智能技术可能提高放射学检查的性能和速度，实现ULD CT扫描。然而，要充分发挥人工智能的潜力，这些技术需要大规模的验证和进一步的分析。
限制剂量暴露是管理各类患者的一项具有挑战性的任务，特别是对于需要持续进行多次CT检查的肿瘤患者。在过去的几十年里，由于数学和信息学领域的进步，医学成像发生了深刻的变化；IR代表了硬件和软件发展的主要成果之一：能够在大幅降低剂量的同时提高CT诊断能力，目前已广泛取代FBP成为CT图像的标准重建模式。放射科医生必须了解IR技术，以便在日常临床实践中最大限度地发挥其潜力。关于人工智能重建算法的初步有数据正在出现；在可预见的未来，成像重建领域有望取得进一步的进展。
文献原文：Guido G, Polici M, Nacci I, Bozzi F, De Santis D, Ubaldi N, Polidori T, Zerunian M, Bracci B, Laghi A, Caruso D. Iterative Reconstruction: State-of-the-Art and Future Perspectives. J Comput Assist Tomogr. 2023 Mar-Apr 01;
一起交流
分享你的思考，让讨论更进一步。