Feasibility Of Building A Model For Predicting the Objective Image Quality of Third-generation High-pitch Dual-source Coronary CT Angiography
-
摘要:
目的：分析影响第三代双源CT冠状动脉血管成像客观图像质量因素，建立预测模型以优化扫描方案提高图像成像质量并降低辐射剂量及碘摄入量。方法：连续收集行第三代双源CT冠状动脉血管成像患者684例根据客观图像质量差/好分为两组，分析两组之间在患者基本临床信息及扫描参数之间的差异，并建立预测模型。结果：在患者BMI（P < 0.001）、碘浓度（P=0.001，P < 0.05）、对比剂剂量（P=0.005，P < 0.05）、对比剂注射速率（P=0.010，P < 0.05）及管电压（P < 0.001）中两组之间差异有统计学意义，建立二元Logistic回归方程，ROC曲线下面积为0.757（95%CI：0.723~0.789），最佳临界值为
0.9168 ，敏感性61.32%，特异性83.54%，并转化为列线图模型。结论：在保证客观图像质量的前提下，预测模型可以制定个体化扫描方案减少辐射剂量及碘的摄入量。Abstract:Objective: To analyze the factors affecting the objective image quality of third-generation high-pitch dual-source coronary CT angiography, optimize the scanning protocol to enhance image quality, and reduce radiation dose and iodine intake. Methods: A total of 684 consecutive patients who underwent third-generation high-pitch dual-source coronary CT angiography were divided into two groups based on objective image quality (poor or good). Differences in basic clinical information and scanning parameters between the two groups were analyzed, and a prediction model was developed. Results: Significant differences were observed between the two groups in body mass index (BMI) (P < 0.001), contrast concentration (P=0.001, P < 0.05), contrast dosage (P=0.005, P < 0.05), injection rate (P=0.010, P < 0.05), and tube voltage (P < 0.001). A binary logistic regression model was constructed, yielding a sensitivity of 61.32% and a specificity of 83.54%. The model was further transformed into a nomogram prediction model. Conclusion: Individualized scanning protocols for third-generation high-pitch dual-source coronary CT angiography can help achieve high-quality imaging while minimizing radiation dose and iodine intake.
-
Keywords:
- tomography /
- X-ray computed /
- coronary artery /
- image quality /
- prediction model
-
冠状动脉CT血管成像（coronary CT angiography，CCTA）作为临床诊断、筛查冠状动脉疾病[1-2]及预测心血管事件[3]的无创影像学检查手段，并在临床中广泛应用。CCTA图像质量影响冠状动脉狭窄程度评估，CCTA检查的辐射剂量及碘对比剂不良反应亦倍受关注[4-5]。本研究回顾性分析影响第三代双源CT检查的冠状动脉血管成像客观图像质量因素，协助技师更加准确、合理的选择扫描参数及注射方案，旨在提高患者检查成功率及降低辐射剂量及碘摄入量。
1. 资料与方法
1.1 一般资料
回顾性连续收集自2020年1月至2021年6月在本院行第三代双源CT冠状动脉CT血管成像患者
1035 例。纳入标准：①患者具有完整基本临床信息、扫描参数；②钙化积分≤1000 患者。排除标准：①肾功能（肌酐 > 1.7 mg/dL）不全患者；②碘对比剂过敏的患者；③图像质量主观评价标准差[1]的患者，如冠状动脉节段中的40%（15个节段中的6个节段）有伪影；④既往有冠状动脉腔内成形术、冠状动脉支架植入术、冠状动脉搭桥术、心脏瓣膜置换术及起搏器、除颤器植入等手术史。符合标准纳入研究对象共684例患者。本研究通过本院医学伦理委员会审查批准。1.2 冠状动脉CT血管成像方法
1.2.1 患者准备：
患者进行严格的呼吸训练；检查前均不使用控制心率药物；测量患者身高与体重；于受检者左手肘正中静脉预埋留置针。
1.2.2 检查方法：所有患者均行第三代双源CT（SIEMENS Force
双源CT）进行冠状动脉CTA成像，扫描范围自气管隆突下方1 cm至心脏膈面。监测层面为升主动脉起始部，阈值100 HU，达阈值后自动触发扫描。对比剂和生理盐水均用双筒高压注射器注入。扫描参数：回顾性或前瞻性心电门控，管电压70-120 KV，管电流参考值为280 mAs/rot，准值器192 mm×0.6 mm，层厚0.75 mm，旋转时间0.25 s；重建算法采用高级建模迭代重建（advanced modeled iterative reconstruction，ADMIRE），迭代强度3。
1.2.3 图像分析：
由两名具有3年以上从事心血管放射诊断医师测量左主干、左前降支近段、左回旋支近段及右冠状动脉近段CT值并取均匀值。感兴趣区（region of interest，ROI）面积大约所测血管管腔面积80%且避开血管壁边缘及钙化、非钙化斑块，每支血管测量三次取平均数。
1.2.4 观察分析因素：
根据血管强化程度，若四支血管的CT值均为400 HU~900 HU，将评价为客观图像质量好，若其中一支血管的CT值 < 400 HU或CT值 > 900 HU，则为客观图像质量差，CT值 < 400 HU作为客观图像质量差的依据来源Xu等[6]人研究结果，而冠状动脉CT值过高影响非钙化斑块的显示[7]，因此本研究尝试将CT值 > 900 HU作为客观图像质量差。记录患者基本临床信息（包括年龄、性别、身高、体重、体重指数（body mass index，BMI）、心率、心律是否齐）、扫描方案（包括对比剂剂量、对比剂注射率、碘浓度、管电压、是否大螺距Flash扫描）和钙化积分；根据2016年中国超重/肥胖问题医学营养治疗专家共识按照BMI值（体重kg/身高的平方m2）将患者分为四组：偏瘦组（BMI < 18.5）、正常组（18.5≤BMI＜24）、超重组 （24≤BMI＜28）、肥胖组（BMI≥28）。将心率分为低心率组（低于60）、正常心率组（60~100）、高心率组（高于100）。将钙化积分分为四组（0、1~99、100~399、400~
1000 ）。1.3 统计学方法
采用SPSS 20.0、MedCalc、GraphPad Prism 5及R语（3.5.2版）统计软件，P＜0.05作为有统计学差异，符合正态分布采用t检验，不符合正态分布采用秩和检验、卡方或Fisher确切检验方法；将单因素分析中P＜0.05的变量作为二元Logistic回归输入变量，建立Logistic回归预测模型，用MedCalc绘制受试者操作特征曲线（Receiver Operating Characteristic，ROC）曲线，并利用R语制作列线图模型。
2. 结果
2.1 影响客观图像质量的因素
在684例患者中，其中79例患者客观图像质量差，50例患者CT值＜400 HU，29例患者CT值＞900 HU；605例患客观图像质量好；患者的BMI（P＜0.001）、碘浓度（P=0.001，P＜0.05）、对比剂剂量（P=0.005，P＜0.05）、对比剂注射速率（P=0.010，P＜0.05）及管电压（P＜0.001）在两组中差异具有统计学意义，患者的性别、年龄、心率、心律是否齐、身高、体重、钙化积分及是否为大螺距Flash扫描在两组间差异无统计学意义，具体结果见表1。
表 1 客观图像质量差与客观图像质量好两组在患者基本临床信息及扫描参数中比较Table 1. Comparison of poor objective image quality and good objective image quality in terms of the basic clinical information and scanning parameters.客观图像质量差
（N=79）客观图像质量好
（N=605）$t/T/\chi^2 $ P 性别 3.607 0.058 女 43.0（54.4%） 261.0（43.1%） 男 36.0（45.6%） 344.0（56.9%） 年龄（岁） 62.5 ±12.5 62.4 ±12.7 0.073 0.942 钙化积分 3.136 0.371 0 49.0（62.0%） 321.0（53.1%） 1~99 17.0（21.5%） 142.0（23.5%） 100~399 7.0（8.9%） 92.0（15.2%） 400~ 1000 6.0（7.6%） 50.0（8.3%） 身高（cm） 160.0（138.0，185.0） 160.0（137.0，180.0） −0.403 0.687 体重（Kg） 65.3（29.0，95.0） 61.9（36.0,91.0） −1.920 0.055 BMI（kg/m2） 18.344 < 0.001 偏瘦 5.0（6.3%） 21.0（3.5%） 正常 26.0（32.9%） 274.0（45.3%） 超重 25.0（31.6%） 242.0（40.0%） 肥胖 23.0（29.1%） 68.0（11.2%） 心率（次/分钟） 0.261 0.877 ＜60 8.0（10.1%） 51.0（8.4%） 60~100 64.0（81.0%） 501.0（82.8%） ＞100 7.0（8.9%） 53.0（8.8%） 心律 0.707 0.401 窦性律齐 71.0（89.9%） 560（92.6%） 心律不齐 8.0（10.1%） 45.0（7.4%） 碘浓度（mgI/ml） 370.0（300.0, 400.0） 370.0（300.0, 400.0） −3.180 0.001 对比剂剂量（ml） 45.0 （21.0, 65.0） 40.0 （4.0, 65.0） −2.801 0.005 注射速率（ml/s） 4.0 （3.0, 5.0） 4.00 （3.0, 5.0） −2.568 0.010 管电压（Kv） 80.0 （70.0, 120.0） 70.0 （70.0, 120.0） −5.981 < 0.001 扫描方式 1.141 0.707 非Flash 66.0（83.5%） 495.0（81.8%） Flash 13.0（16.5%） 110.0（18.2%） 2.2 建立预测客观图像质量好的模型
将单因素分析中患者的BMI、碘浓度、对比剂剂量、对比剂注射速率及管电压作为二元Logistic输入变量，其中BMI、碘浓度及管电压是预测客观图像质量好的独立危险因素，结果详见表2。建立二元Logistic回归模型如下：
表 2 影响客观图像质量的独立危险因素Table 2. Independent risk factors affecting the objective image qualityβ S.E, Wals P OR 95%CI BMI 参考 8.066 0.045 BMI(1) −1.500 0.656 5.235 0.022 0.223 0.062-0.806 BMI(2) −0.506 0.454 1.243 0.265 0.603 0.248-1.467 BMI(3) 0.046 0.4 0.013 0.909 1.047 0.477-2.295 碘浓度 −0.009 0.005 3.969 0.046 0.991 0.982-1.000 对比剂剂量 −0.019 0.025 0.544 0.461 0.982 0.934-1.031 对比剂注射速率 −0.210 0.365 0.332 0.565 0.810 0.396-1.658 管电压 −0.096 0.016 35.002 0 0.908 0.88-0.938 常量 14.743 2.601 32.128 0 2527098.094 $$ \begin{split} &{\mathrm{P}}=1/1+{\mathrm{exp}}(-(14.743-1.5\times {\mathrm{BMI}}(1)-0.506\times\\ &{\mathrm{BMI}}(2)+0.046\times {\mathrm{BMI}}(3)+0\times {\mathrm{BMI}}(4)-0.009\times\\ &碘浓度-0.019\times 对比剂计量-0.210\times \\ &对比剂注射速率-0.096\times 管电压))。 \end{split} $$ (1) ROC曲线下面积（AUC）为0.757（95%CI：0.723-0.789），最佳临界值为
0.9168 ，敏感性61.32%，特异性83.54%，结果见图1。并利用R语绘制列线图模型见图2，图3是利用预测模型来预测一例患者冠状动脉CTA图像的客观质量。![]()
图 1 预测客观图像质量好的二元Logistic回归模型的ROC曲线Figure 1. ROC curves of binary Logistic regression models predicting good objective image quality![]()
图 2 预测客观图像质量好的列线图模型注：总分等于每个变量对应分数值之和，不同的总分对应不同的风险值（Risk），总分越高，其预测客观图像质量好的正确率越高。Figure 2. A nomogram model for predicting good quality of objective images![]()
图 3 一例冠状动脉CTA客观图像质量好的患者对二元Logitic回归模型、列线图模型的应用Figure 3. Application of binary logitic regression model and a nomogram model to a patient with good objective image quality of coronary CTA图3（a）~（d）患者男，身高1.7 m，体重75 Kg，BMI=33.33，肥胖型（BMI4）患者，行第三代双源CT冠状动脉血管成像，客观图像质量好（冠状动脉CT值约500 HU~600 HU），注射碘浓度400 Img/dL，注射速率4 mL/s，对比剂总量40 mL，管电压70 KV，经过二元Logistc回归预测模型P=1/1+exp(−(14.743−1.5×BMI(1)−0.506×BMI(2)+0.046×BMI(3)+0×BMI(4)−0.009×碘浓度−0.019×对比剂计量−0.210×对比剂注射速率−0.096×管电压))，P=
0.9439 >0.9168 ，客观图像质量好，经过列线图模型，总分约142分，对应的预测风险值高于95%，说明成为客观图像质量好的可能性大。2.3 管电压、碘浓度在不同BMI患者中冠状动脉血管CT值之间关系
本研究中患者采用70 kV~120 kV，随着管电压越高，冠状动脉血管CT值越低，若冠状动脉CT值相同，BMI指数越高所需管电压越高，见图4（a）；本研究中患者采用300 mgI/ml~400 mgI/ml，碘浓度越高，冠状动脉血管CT值越高，若冠状动脉CT值相同，BMI指数越高所需的碘浓度越大，见图4（b）。
![]()
图 4 管电压、碘浓度与冠状动脉CT值在不同BMI患者中的关系Figure 4. Relationship between tube voltage, iodine concentration, and coronary ct values in patients with different bmis图4中（a）示不同BMI患者中管电压越高，CT值越低；在相同的冠状动脉CT值中，偏瘦患者需要的管电压低于正常患者低于超重患者低于肥胖患者，本研究中最低管电压为70 KV。（b）示不同BMI患者中碘浓度越高，冠状动脉CT值越高，在相同的冠状动脉CT值（小于700-799 HU）中，偏瘦患者需要的碘浓度低于正常患者低于超重患者低于肥胖患者。
3. 讨论
本研究根据Xu等[6]研究报道及CT值过高会影响非钙化斑块显示[7]，将左冠状动脉主干及其三大分支近段的CT值400 HU~900 HU为客观图像质量好，其中任何一支血管CT值低于400 HU或高于900 HU为客观图像质量差， 而客观图像质量差的上限CT值目前鲜有相关文献报道，本研究结果显示CT值高于900 HU患者占总纳入对象约4.25%，占小概率事件，因此尝试将CT值高于900 HU作为客观图像质量差。
本研究结果显示BMI、碘浓度、管电压是影响客观图像质量的独立危险因素。随着BMI指数增加，X线穿透作用降低，冠状动脉血管CT值降低，如果按照统一剂量注射方式可能影响高BMI患者客观图像质量，而对低BMI患者而言对比剂剂量可能偏高[8]；同时需要更高的管电压降低图像噪声，有研究采用深度学习图像重建可以提高图像质量[9]。在相同的对比剂剂量用量及注射速率，碘浓度越高，体内血管含碘量越高，CT值越高；高对比剂剂量可对肾脏造成不可逆性损伤及提高碘对比剂不良反应的发生，注射速率越快将会增加对比剂外渗的风险[10]；因此在保障血管内单位体积内碘含量一定的情况下，针对不同患者，需要平衡对比剂剂量、对比剂速率及碘浓度之间的关系。既往大量文献[11-14]研究报道，利用低管电压、低对比剂总量扫描方案降低CT冠状动脉血管成像辐射剂量及碘摄入量。
随着CCTA临床广泛应用及计算机辅助诊断评估冠状动脉狭窄程度软件的应用增加[15]，需要个体化扫描方案来保障图像质量及扫描成功率。本研究建立二元Logistic回归预测模型，将复杂的数学公式转化为列线图模型，列线图模型可以协助影像技师针对不同的患者设计更合理的扫描方案，提高扫描成功率及实现低辐射剂量及低碘的摄入量。
本研究局限性及不足：本研究非多中心研究、仅用第三代SIEMENS ForceCT设备，缺乏广泛的推广性；且未考虑患者心脏体积、心功等因素对于CCTA图像质量的影响；因此未来工作中仍需要进一步补充临床数据来完善标准化、个体化、精准化的扫描方案及更多中心样本来验证研究结果。
综上所述，计算机预测模型能够方便、简洁地制定个体化扫描方案，保障第三代双源CT冠状动脉血管成像图像质量前提下，降低患者辐射剂量及碘摄入量。
-
![]()
图 1 预测客观图像质量好的二元Logistic回归模型的ROC曲线
Figure 1. ROC curves of binary Logistic regression models predicting good objective image quality
![]()
图 2 预测客观图像质量好的列线图模型
注：总分等于每个变量对应分数值之和，不同的总分对应不同的风险值（Risk），总分越高，其预测客观图像质量好的正确率越高。
Figure 2. A nomogram model for predicting good quality of objective images
![]()
图 3 一例冠状动脉CTA客观图像质量好的患者对二元Logitic回归模型、列线图模型的应用
Figure 3. Application of binary logitic regression model and a nomogram model to a patient with good objective image quality of coronary CTA
![]()
图 4 管电压、碘浓度与冠状动脉CT值在不同BMI患者中的关系
Figure 4. Relationship between tube voltage, iodine concentration, and coronary ct values in patients with different bmis
表 1 客观图像质量差与客观图像质量好两组在患者基本临床信息及扫描参数中比较
Table 1 Comparison of poor objective image quality and good objective image quality in terms of the basic clinical information and scanning parameters.
客观图像质量差
（N=79）客观图像质量好
（N=605）$t/T/\chi^2 $ P 性别 3.607 0.058 女 43.0（54.4%） 261.0（43.1%） 男 36.0（45.6%） 344.0（56.9%） 年龄（岁） 62.5 ±12.5 62.4 ±12.7 0.073 0.942 钙化积分 3.136 0.371 0 49.0（62.0%） 321.0（53.1%） 1~99 17.0（21.5%） 142.0（23.5%） 100~399 7.0（8.9%） 92.0（15.2%） 400~ 1000 6.0（7.6%） 50.0（8.3%） 身高（cm） 160.0（138.0，185.0） 160.0（137.0，180.0） −0.403 0.687 体重（Kg） 65.3（29.0，95.0） 61.9（36.0,91.0） −1.920 0.055 BMI（kg/m2） 18.344 < 0.001 偏瘦 5.0（6.3%） 21.0（3.5%） 正常 26.0（32.9%） 274.0（45.3%） 超重 25.0（31.6%） 242.0（40.0%） 肥胖 23.0（29.1%） 68.0（11.2%） 心率（次/分钟） 0.261 0.877 ＜60 8.0（10.1%） 51.0（8.4%） 60~100 64.0（81.0%） 501.0（82.8%） ＞100 7.0（8.9%） 53.0（8.8%） 心律 0.707 0.401 窦性律齐 71.0（89.9%） 560（92.6%） 心律不齐 8.0（10.1%） 45.0（7.4%） 碘浓度（mgI/ml） 370.0（300.0, 400.0） 370.0（300.0, 400.0） −3.180 0.001 对比剂剂量（ml） 45.0 （21.0, 65.0） 40.0 （4.0, 65.0） −2.801 0.005 注射速率（ml/s） 4.0 （3.0, 5.0） 4.00 （3.0, 5.0） −2.568 0.010 管电压（Kv） 80.0 （70.0, 120.0） 70.0 （70.0, 120.0） −5.981 < 0.001 扫描方式 1.141 0.707 非Flash 66.0（83.5%） 495.0（81.8%） Flash 13.0（16.5%） 110.0（18.2%） 
下载: 导出CSV
表 2 影响客观图像质量的独立危险因素
Table 2 Independent risk factors affecting the objective image quality
β S.E, Wals P OR 95%CI BMI 参考 8.066 0.045 BMI(1) −1.500 0.656 5.235 0.022 0.223 0.062-0.806 BMI(2) −0.506 0.454 1.243 0.265 0.603 0.248-1.467 BMI(3) 0.046 0.4 0.013 0.909 1.047 0.477-2.295 碘浓度 −0.009 0.005 3.969 0.046 0.991 0.982-1.000 对比剂剂量 −0.019 0.025 0.544 0.461 0.982 0.934-1.031 对比剂注射速率 −0.210 0.365 0.332 0.565 0.810 0.396-1.658 管电压 −0.096 0.016 35.002 0 0.908 0.88-0.938 常量 14.743 2.601 32.128 0 2527098.094
下载: 导出CSV
-
[1] 国家心血管病专业质控中心心血管影像质控专家工作组, 中华医学会放射学分会心胸学组, 《中华放射学杂志》心脏冠状动脉多排CT临床应用指南写作专家组等. 冠状动脉CT血管成像的适用标准及诊断报告书写规范[J]. 中华放射学杂志, 2020, 54(11): 1044-1055. DOI: 10.3760/cma.j.cn112149-20200413-00544. [2] GUO X, LI J, ZHU Y, et al. Role of the screening with coronary computed tomography angiography on lipid management and risk factors control in an asymptomatic Chinese population: a community-based, parallel-group, open-label, randomized clinical trial (RESPECT2)[J]. Trials, 2024, 25(1): 635. DOI: 10.1186/s13063-024-08469-z.
[3] OZKAN J. The year in cardiovascular medicine 2020: Imaging[J]. European Heart Journal, 2021, 42(17): 1646-1648. DOI: 10.1093/eurheartj/ehaa1036.
[4] MARTENS B, JOST G, MIHL C, et al. Individualized scan protocols in abdominal computed tomography: radiation versus contrast media dose Optimization[J]. Investigative Radiology, 2022, 57(6): 353-358. DOI: 10.1097/RLI.0000000000000844.
[5] 李文航, 段庆红. 双源CT胸痛三联征CT血管成像四低扫描方案的探讨[J]. 实用放射学杂志, 2023, 39(12): 2042-2046. DOI: 10.3969/j.issn.1002-1671.2023.12.030. LI W H, DUAN Q H. Application of four-low scanning scheme of dual-source CT in triple-rule-out CT angiography for evaluation of acute chest pain[J]. Journal of Practical Radiology, 2023, 39(12): 2042-2046. DOI: 10.3969/j.issn.1002-1671.2023.12.030.
[6] XU P P, LI J H, ZHOU F, et al. The influence of image quality on diagnostic performance of a machine learning-based fractional flow reserve derived from coronary CT angiography[J]. European Radiology, 2020, 30(5): 2525-2534. DOI: 10.1007/s00330-019-06571-4.
[7] 刘长宏, 李东, 于铁链. 冠状动脉管腔密度对非钙化性斑块CT测量值的影响[J]. 山东医药, 2010, 50(39): 32-33. DOI: 10.3969/j.issn.1002-266X.2010.39.018. [8] 章爱华, 高文霞, 姚世文. 心脏CT血管成像中碘对比剂浓度对肥胖病人冠状动脉检查图像质量、肾功能及碘用量的影响[J]. 安徽医药, 2023, 27(9): 1800-1803. DOI: 10.3969/j.issn.1009-6469.2023.09.023. ZHANG A H, GAO W X, YAO S W. Effect of iodine contrast concentration on image quality, renal function and iodine dosage of coronary artery examination in obese patients in cardiac CT angiography[J]. Anhui Medical and Pharmaceutical Journal, 2023, 27(9): 1800-1803. DOI: 10.3969/j.issn.1009-6469.2023.09.023.
[9] 王宏伟, 李瑛, 高一峰, 等. 深度学习图像重建算法用于肥胖个体低剂量冠状动脉CT血管成像[J]. 中国医学影像技术, 2021, 37(05): 754-758. DOI: 10.13929/j.issn.1003-3289.221.05.029. WANG H W, LI Y, GAO Y F, et al. Deep learning image reconstruction algorithm in low-dose coronary CT angiography of obese persons[J]. Chinese Journal of Medical Imaging Technology, 2021, 37(05): 754-758. DOI: 10.13929/j.issn.1003-3289.221.05.029.
[10] LI Y, WANG J. Contrast-induced acute kidney injury: a review of definition, pathogenesis, risk factors, prevention and treatment[J]. BMC Nephrology, 2024, 25(1): 140. DOI: 10.1186/s12882-024-03570-6.
[11] 马欣. 双源CT低碘量注射联合低管电压在老年冠心病患者CTA诊断中的应用[J]. 中国CT和MRI杂志, 2021, 19(9): 75-77. DOI: 10.3969/j.issn.1672-5131.2021.09.023. MA X. Application of dual-source CT low-iodine injection combined with low tube voltage in the CTA diagnosis of elderly patients with coronary heart disease[J]. Chinese Journal of CT and MRI, 2021, 19(9): 75-77. DOI: 10.3969/j.issn.1672-5131.2021.09.023.
[12] JIN L, JIE B, GAO Y, et al. Low dose contrast media in step-and-shoot coronary angiography with third-generation dual-source computed tomography: feasibility of using 30 mL of contrast media in patients with body surface area <1.7 m2[J]. Quantitative Imaging in Medicine and Surgery, 2021, 11(6): 2598-2609. DOI: 10.21037/qims-20-500.
[13] STOCKER TJ, NUHLEN N, SCHMERMUND A, et al. Impact of dose reduction strategies on image quality of coronary CTA in real-world clinical practice: A Subanalysis of PROTECTION VI registry data[J]. AJR American Journal of Roentgenology, 2021, 217(6): 1344-1352. DOI: 10.2214/AJR.21.26007.
[14] SOSCHYNSKI M, HAGEN F, BAUMANN S, et al. High temporal resolution dual-source photon-counting CT for coronary artery disease: initial multicenter clinical experience[J]. Journal of Clinical Medicine, 2022, 11(20): 6003. DOI: 10.3390/jcm11206003.
[15] 李浚利, 黄益龙, 韩丹, 等. 冠状动脉CT血管成像中人工智能诊断冠心病的准确性[J]. 中国医学影像技术, 2021, 37(01): 59-62. DOI: 10.13929/j.issn.1003-3289.2021.01.013. LI J L, HUANG Y L, HAN D, et al. Diagnostic accuracy of artificial intelligence for coronary heart disease in coronary CT angiography[J]. Chinese Journal of Medical Imaging Technology, 2021, 37(01): 59-62. DOI: 10.13929/j.issn.1003-3289.2021.01.013.
计量
- 文章访问数: 32
- HTML全文浏览量: 8
- PDF下载量: 8
