Rofo 2025; 197(01): 17
DOI: 10.1055/a-2415-9085
Brennpunkt

ABDOMEN BECKEN – Deep-Learning-Rekonstruktion von CT-Kolonografie-Aufnahmen

Contributor(s):
Stephanie Gräwert
Chen Y, Huang Z, Feng L. et al.
Deep Learning-Based Reconstruction Improves the Image Quality of Low-Dose CT Colonography.

Acad Radiol 2024;
31: 3191-3199
 

    Die CT-Kolonografie (CTK) kommt meist dann zum Einsatz, wenn eine Koloskopie nicht oder nicht vollständig durchgeführt werden kann. Ein Nachteil dabei ist allerdings die Strahlenbelastung. In China wurde nun untersucht, ob sich mit Hilfe der Deep-Learning-basierten Rekonstruktion (DLR) auch bei niedriger Strahlendosis gute Aufnahmen generieren lassen. Die Studienkohorte bestand aus 270 Probanden, die sich freiwillig einer CTK unterzogen.


    #

    Durch Reduktion der Röhrenspannung und des Röhrenstroms (100 kVp bzw. 24 mAs) wurde die effektive Strahlendosis gegenüber der standardmäßigen CTK um 83,18% reduziert (0,86 vs. 5,18 mSv, CT-Volumendosisindex/CTDIVol1,21 vs. 7,3 mGy, Dosis-Längenprodukt/DLP 57,07 vs. 345,5 mGy*cm). Am geringsten war die Strahlenbelastung zwar bei den unter- und normalgewichtigen Probanden (7 bzw. 204 Fälle). Dennoch dürften übergewichtige und adipöse Patienten (53 bzw. 6 Fälle) am meisten von der Niedrigdosis-CTK (ND-CTK) profitieren, da die Dosis bei Probanden mit erhöhtem BMI am stärksten reduziert werden konnte (übergewichtig bzw. adipös: 85,03 bzw. 87,24% vs. unter- bzw. normalgewichtig: 79,61 bzw. 82,71%).

    Zwei Radiologen mit 3-jähriger Erfahrung bei der Beurteilung abdominaler Bildgebung bewerteten die Bildqualität der Aufnahmen auf einer Likert-Skala (1 – schlechte Qualität, diagnostische Sicherheit gestört durch starke Artefakte; 5 – ausgezeichnete Bildqualität, keine sichtbaren, störenden Artefakte).

    Die Niedrigdosis-Aufnahmen, die mit Deep Learning rekonstruiert worden sind (ND-DLR), waren den iterativ rekonstruierten ND-CTK-Aufnahmen (ND-IR) dabei qualitativ überlegen (2,7 Punkte) und erreichten mit 3,61 von 5 Punkten eine vergleichbare subjektive Bildqualität wie iterativ rekonstruierte Standarddosis-CTK-Aufnahmen (SD-CTK) mit 3,74 Punkten. Und in keinem Fall wurde die Bildqualität als schlecht bewertet (ND-IR: 2 Fälle, SD-IR: 0 Fälle). Unterschiede zwischen unter-, über- und normalgewichtigen bzw. adipösen Patienten ließen sich nur bei den IR-rekonstruierten Niedrigdosis-CTK feststellen (nicht signifikant).

    Die ND-DLR-Aufnahmen zeigten im Vergleich zu den anderen Aufnahmen das geringste Bildrauschen (7,1 vs. 13,73 bzw. 17,84) und das höchste Signal- bzw. Kontrast-Rausch-Verhältnis (SNR: 4,12 vs. 2,02 bzw. 1,63, CNR: 129,67 vs. 53,45 vs. 49,13). Dabei ergaben sich beim Bildrauschen keine signifikanten Unterschiede zwischen den verschiedenen Gewichtsgruppen. Das Signal-Rausch-Verhältnis sowohl der IR- als auch der DLR-rekonstruierten Niedrigdosis-Aufnahmen nahm mit steigendem BMI allerdings leicht ab.

    Ein Vorteil der CTK besteht darin, dass dabei auch die anderen Bauchorgane mitbeurteilt werden können. In der hier untersuchten Kohorte ergaben sich in der Mehrheit der Fälle (90,37%) keine bzw. klinisch nicht relevante Nebenbefunde in den anderen Organen (basierend auf dem CT Colonography Reporting and Data System/C-RADS). Potenziell relevante Befunde zeigten sich nur in 4 Fällen in Form von Raumforderungen in der Milz bzw. den Adnexen oder vergrößerten Lymphknoten.

    Fazit

    Mit der Deep-Learning-Rekonstruktion lassen sich bei einer effektiven Strahlendosis von unter 1 mSv Aufnahmen mit signifikant besserer Bildqualität generieren als mit der iterativen Rekonstruktion. Das Bildrauschen der damit rekonstruierten Niedrigdosis-CTK-Aufnahmen wird signifikant reduziert und das Signal- und Kontrast-Rauschverhältnis verbessert. Dabei eignet sich die ND-CTK auch für adipöse Patienten, denn trotz eines geringeren SNR, nahm das Bildrauschen in dieser Patientengruppe nicht signifikant zu und die Qualität der Aufnahmen wurde durch den BMI nicht nennenswert beeinträchtigt.

    Stephanie Gräwert, Leipzig


    #

    Publication History

    Article published online:
    02 January 2025

    © 2025. Thieme. All rights reserved.

    Georg Thieme Verlag KG
    Oswald-Hesse-Straße 50, 70469 Stuttgart, Germany