张斌/曾栋团队提出三时相脑灌注CT成像技术，构建血流动力学参数智能生成模型

研究背景

急性缺血性脑卒中是全球范围内导致死亡和重度残疾的主要原因之一，其中CT灌注成像（Computed Tomography Perfusion, CTP）由于其快速扫描特性，为评估脑卒中进展的重要检查工具。然而，CTP扫描存在以下缺陷：一，多个时间点的连续扫描，导致较高的累积辐射剂量（如CTP约5260 mGy·cm，相较之下CT血管造影约为3222 mGy·cm）；二，由于多次扫描，对图像配准效果要求高，即对患者运动敏感、处理流程复杂、失败率较高，限制了其在临床广泛应用。已有方法通过均匀减少时间点采样来降低辐射剂量，往往错过关键的动脉增强峰值，导致血流参数被严重低估。此外，临床上广泛使用的多期CT血管造影(Multiphase Computed Tomography Angiography, mCTA)对动静脉峰值进行监控，具有潜在的精准参数图估计的优势。然而，在mCTA扫描协议中，对比剂用量高达80 ml，对肾功能不全患者存在风险，且无法获得精准的定量灌注参数。如何优化扫描协议以降低CTP辐射剂量和解决目前功能成像流程的复杂性是亟需解决的问题。

研究进展

研究团队通过参考mCTA扫描协议，提出了一种三时相的脑卒中CTP扫描协议，并通过构建基于对抗生成学习的框架从三时相CTP中直接预测血流参数图，同时展示了各类证明实验的分析结果。首先，通过探讨模型效果，发现在内部开发数据集上模型生成的血流参数图与真实参数图一致性好，结构与感知质量优异。

基于上述对血流参数图生成模型效果的探讨下，该文作者们对三时相CTP扫描协议在实际应用中的可能性进行了进一步探讨。具体而言，文章实验通过提前或延后从CTP时间点的选择帧构建不同时相组合情况的三时相CTP，以讨论模型的预测性能。下图展示了不同组合的预测结果，即当时相选择在理想时相±2秒范围内波动时，模型仍保持良好预测能力，但超过4秒时精度明显下降。该部分实验进一步证明了所提三时相CTP的可行性和模型的预测效果。

未来展望

三时相CTP扫描协议的提出和深度学习模型的强大生成能力使超低时间分辨率的CTP扫描称为可能，说明了合理减少时相来实现超低CTP累积辐射剂量的研究可行性。未来可通过纳入多中心数据和临床指标进一步提升模型鲁棒性，或开发更复杂的模型。

来源：https://spj.science.org/doi/10.34133/research.0689