講演情報
[I-OR16-03]最新の画像再構成技術であるSuper-Resolution Deep Learning Reconstructionを用いた低被ばく・高解像度の小児心臓CT画像の実現
○大日方 春香, 瀧聞 浄宏, 黒嵜 恒平, 結城 智康, 志水 利之, 成田 昌央, 淺野 聡, 澁谷 悠馬, 米原 恒介, 赤澤 陽平, 武井 黄太 (長野県立こども病院 循環器小児科)
キーワード：
心臓CT、Deep learning reconstruction、低被ばく
【背景】近年心臓CTは画像再構成技術の進歩により、画像の空間分解能やコントラスト分解能が向上している。一昨年我々はDeep learning Reconstruction(DLR)を用いた画像再構成法であるConventional-DLR: Advanced intelligent Clear- IQ Engine; AiCE(C-DLR）とそれを応用した新たな技術であるsuper resolution DLR : Precise IQ Engine; PIQE (SR-DLR)を比較し、SR-DLR画像の方が高解像度であると定量的に示した。【目的】従来の線量で撮影したC-DLR画像例と低線量で撮影したSR-DLR画像例を比較し、小児における低被ばく撮影の可能性を示すこと。【方法】320列CT(Aquilion ONE PRISM Edition）で心電図同期下に心臓CTを撮影した症例で、C-DLR画像（高線量群）9例(5.66±1.85 kg, CT dose index volume(CTDIvol)13.3±6.43mGy)、SR-DLR画像（低線量群）11例(5.10±1.35 kg, CTDIvol 4.25±0.54mGy)を対象とした。画像解析ソフトImageJで空間分解能の指標として肺動脈（左右分岐部・上葉枝・basal trunk）の計6か所で背景組織と血管をまたぐように引いた直線上のCT値からprofile curveを作成して最高点を100%、最低点を0%として90%値－10%値間の距離＝Edge rise distance(ERD)と傾き＝Edge rise slope(ERS)を算出、コントラスト分解能の指標としてROIの範囲内のCT値のstandard deviation(SD)・contrast to noise ratio(CNR)を算出し、それぞれの画像で解析した。【結果】ERDは高線量群1.51±0.49 mm、低線量群1.44±0.49 mm、ERSは高線量群280.3±121.8 HU/mm、低線量群323.4±149.3 HU/mmであった。SDは高線量群21.0±11.7 HU、低線量群21.9±7.00 HU、CNRは高線量群34.7±12.6、低線量群28.8±10.7であり、いずれの指標も両群間で有意差は認めなかった。【結論】SR-DLRの画像再構成法では、従来よりも低線量の撮影でも画質が劣らないことが示され、小児においてもより低被ばくでの撮影が可能となることが示された。