碘对比剂广泛用于 CT 血管造影（CTA）检查，在全身各个部位血管疾病的影像诊断中发挥了无可替代的作用。然而注射对比剂有发生不良反应的风险、有禁忌证而且费用较高。
近期由 解放军总医院 第一医学中心放射诊断科 娄昕教授 团队和 北京理工大学付莹教授 团队共同合作的一项最新研究发现：
不打对比剂，也能合成与真实CTA质量相当的图像 。该项研究发表在了放射学顶刊《Radiology》上。
该团队研发了一种可以 “合成 CTA 图像” 的系统，一种基于生成对抗网络的 CTA 成像模型（CTA-GAN模型），能够生成与真实的 CTA 图像相当的效果，该系统可以辅助诊断主动脉和颈动脉疾病，同时避免与对比剂使用相关的风险。
● 发表在《Radiology》的文章
基于生成对抗网络（GAN）的主动脉和颈动脉非增强 CT 血管成像
研究目的
建立一种无需注射对比剂的深度学习成像模型，用于合成 CTA 图像，并评估合成 CTA（Syn-CTA）图像的定量和定性图像质量以及诊断准确性。
研究数据与方法
基于生成对抗网络的CTA成像模型（CTA-GAN模型）回顾性收集了近6年颈部和腹部配对 NCCT-CTA（非对比增强CT和CT血管造影）数据， 进行训练、验证和测试，并在外部数据集上进一步验证。
其中，2017年1月至2022年12月，在解放军总医院第一医学中心收集的颈部和腹部配对 NCCT-CTA 数据，此为内部测试集。此外，纳入2018年6月至2023年3月在湖南省脑科医院收集的配对腹部 NCCT-CTA 数据，此为外部测试集。
内部测试集总计收集了1,749名 （median age：60岁；IQR：50–68岁；男性：1057人） 患者的颈部和腹部CT图像。其中1,137人的图像用于训练模型，400人用于验证，212人用于测试。 外部验证集 包括来自 42 名 （median age：67岁；IQR：59–74岁；男性：37人） 患者的CT图像。
● 纳入研究的配对 CT 平扫（NCCT）和CT血管造影（CTA）扫描流程图
所有 CTA 检查使用的对比剂均为碘，浓度为370 mg/ml，注射速度为4.5 ml/sec。
图为 患者扫描参数及统计数据 ， 其中：
颈部CT ：采用GE设备进行扫描，CT扫描至少覆盖额窦至主动脉弓。
腹部CT ：扫描至少覆盖了髂股动脉的横膈膜；胸部+腹部CT血管造影扫描被包括在这一类。
诊断类别 ：动脉瘤、动脉粥样硬化、健康动脉。
CTA图像有效性的评价方法
❶ 采用定量指标评价 “合成CTA” 图像质量。
❷ 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) ，并确定了血管疾病诊断。
❸ 通过比较合成 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合成 CTA 图像的有效性。
研究结果
❶ 合成 CTA 图像与真实 CTA 图像具有高度相似性 （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；峰值信噪比为32.07 dB和31.58 dB；结构相似性为0.919和0.906）；
● CTA-GAN 模型的性能
❷ 合成 CTA 图像和真实 CTA 图像的视觉质量相当 （内部测试集，P = .35；外部验证集，P > .99）；
● 合成（Syn）和真实 CT 血管造影（Real）图像在（A）内部测试集和（B）外部验证集的视觉质量评分对比。
❸ 合成 CTA 对血管疾病的诊断准确性合理到良好 （内部测试集：准确度= 94%，宏观F1评分= 91%；外部验证集：准确度= 86%，宏观F1评分= 83%） 。
结 论
基于 CTA-GAN 模型的颈部或腹部CT血管造影（CTA）图像不需碘对比剂， 图像质量与真实 CTA 图像相当，诊断准确率合理至良好，在血管疾病的诊断方面显示出广阔的应用前景。
基于生成对抗网络（GAN）的 CTA 成像模型（CTA-GAN模型）
通过将－2000到2095像素范围内的强度归一化为－1到1，对每个卷进行独立处理。根据纳入和排除标准，人工检查图像质量差的数据被排除。最终获得的数据被随机划分为训练集、验证集和测试集 （以scan为基本单位） ，用于模型开发。
CTA-GAN 模型包括以下组件：
- 一种基于 CT 平扫图像的 CTA 样图像合成发生器；
- 校正器：用于调整 CT 图像以考虑错误损失；
- 判别器：用于估计输入图像是真实 CTA 图像与合成图像的概率。
● CTA-GAN 模型的网络架构图
不同模型的合成 CTA 图像质量
Part.01
我们先来看看内部测试集中，健康患者的非对比增强 CT（NCCT）图像、真实 CT 血管造影（CTA）图像以及基于生成对抗网络的CTA成像模型（CTA-GAN）和其他两种模型（pix2pix 和 RegGAN）的合成 CTA 图像的比较。
每行图像代表相同的轴位层面，以真实的CTA图像（右）作为参考。每个示例的上行图像中红色框内的区域被放大并显示在下行。
（A）43岁女性患者颈动脉图像。
（B）71岁男性患者的腹主动脉图像。
（C）57岁男性患者的腹主动脉图像。
箭头表示目标血管结构。SSIM =结构相似性指数测量，VS =视觉评分。
Part.02
我们再来看看有血管疾病患者的非对比增强 CT（NCCT）图像、真实 CT 血管造影（CTA）图像以及基于生成对抗网络的 CTA 成像模型（CTA-GAN）和其他两种模型（pix2pix 和 RegGAN）的合成 CTA 图像的比较。
每行图像代表相同的轴位层面，以真实的CTA图像（右）作为参考。每个示例的上行图像中红色框内的区域被放大并显示在下行。
（A）54岁男性颈内动脉狭窄患者的图像显示颈内动脉明显狭窄（箭头）。
（B）74岁男性腹主动脉瘤患者的图像显示动脉瘤样扩张，腹主动脉壁明显增厚（箭头），提示有附壁血栓。
（C）62岁男性腹主动脉夹层患者的图像未见钙化内膜线，但血管壁有少量钙化沉积物（箭头）。
SSIM =结构相似性指数测量，VS =视觉评分。
结果显示
在 NCCT 图像上，血管结构模糊，大部分血管段与周围组织之间没有衰减差异；图中 CTA-GAN 列为本项目开发模型生成图， 与真实 CTA 图像的血管位置和结构 相似度惊人 。CTA-GAN 模型生成的综合 CTA 图像比其他两种模型生成的图像更准确地突出了动脉血。
此研究结果备受关注
来自威斯康星大学麦迪逊分校放射科的 Ran Zhang 教授，和美国国立卫生研究院国家癌症研究所 Baris Turkbey 教授同期发表了述评，指出：
“
这项工作证明了 使用深度学习从 非对比增强 CT 图像生成 CTA 图像的可行性， 并为基于非对比增强 CT 诊断大血管疾病奠定了基础。
● Ran Zhang 教授和 Baris Turkbey 教授同期发表的述评
换言之，CTA-GAN 模型的研发，开发了 CTA 的非对比剂替代方案，给碘过敏者及其他增强检查禁忌证者提供了另外一种选择的机会，也可能减少与对比剂相关的不良事件的发生。
据悉，利用 CT 平扫图像进行完全不使用对比剂的 CTA 图像生成并进行临床诊断的研究此前未见有相关报道，所以该项技术获得了美国著名医疗 AI 公司-泰锐影像（TERARECON）的密切关注，文章上线后立刻进行了在线报道。
● 外媒对该项技术的报道
这项新技术的成功研发
开启了无对比剂 CT 大血管成像时代
将极大助力保健查体和胸痛中心建设
娄昕教授团队的这项研究结果令人振奋
我们深感自豪
期待未来进一步的研究
带来更多的好消息
参考文献：
Lyu J, Fu Y, Yang M, Xiong Y, Duan Q, Duan C, Wang X, Xing X, Zhang D, Lin J, Luo C, Ma X, Bian X, Hu J, Li C, Huang J, Zhang W, Zhang Y, Su S, Lou X. Generative Adversarial Network-based Noncontrast CT Angiography for Aorta and Carotid Arteries. Radiology. 2023 Nov;309(2):e230681. doi: 10.1148/radiol.230681. PMID: 37962500.
·END·