陈芸，朱彦，王扬，赵天，李月峰，陈兴兵

1. 江苏大学附属医院 医学影像科，江苏 镇江 212001；2. 高邮市人民医院 放射科，江苏 扬州 225600

引言

下肢动脉病变是临床常见的狭窄或闭塞疾病[1]，准确的血管参数评估对该疾病治疗决策和健康管理至关重要。数字减影血管造影（Digital Subtraction Angiography，DSA）具备高分辨率血管图像的卓越优势，被认为是该疾病诊断的“金标准”[2]。然而，DSA的参数局限性限制了其在临床实践中的应用，包括侵入性强、放射线暴露量大以及无法提供三维解剖信息等[3]。随着CT 血管成像（Computed Tomography Angiography，CTA）技术的发展[4]，信息提供的全面性和随访便捷性使其在无创性检查领域受到了广泛认可。不断改善CTA图像质量以获得更佳的诊断效果已成为学界共同的技术目标。近年来，基于深度学习的图像重建技术（Deep Learning Image Reconstruction，DLIR）已成熟应用于心脏、主动脉等多个成像领域[5-8]。DLIR 能够通过学习大量的图像数据，优化图像质量、减少噪声以及提升对比度，提供更加清晰准确的图像信息[9,10]。本研究旨在基于DLIR 来改善下肢动脉病变CTA 图像质量，为疾病诊断和治疗提供更加可靠、精准的图像支持。

1 资料与方法

1.1 一般资料

回顾性收集2021 年6 月至2022 年2 月我院血管科收治的下肢动脉狭窄病变的51 例患者资料。纳入标准：① 下肢动脉经DSA 和CTA 检查确诊为双侧或单侧下肢动脉狭窄或闭塞；② 年龄20～50 岁；③ 源图像存在并可重建至0.625 mm 层厚。排除标准：① 外伤或占位性病变；② 图像质量不佳。共计51 例患者资料（65 条下肢动脉），其中男性28 例，女23 例，平均年龄（62.3±7.2）岁。51 例患者中，51 例合并糖尿病，34 例合并高血压病，26 例合并高脂血症，22 例合并冠心病，14 例有脑梗死病史。……