2回目の評価

Scientific Reports volume 13、記事番号: 3636 (2023) この記事を引用

419 アクセス

1 オルトメトリック

メトリクスの詳細

重度の大動脈弁狭窄症患者に対する経カテーテル前大動脈弁移植（TAVI）心臓コンピュータ断層撮影（CT）の主な目的は、大動脈弁輪の測定です。ただし、モーションアーチファクトは大動脈弁輪の測定精度を低下させる可能性があるため、技術的な課題を引き起こします。そこで、我々は最近開発した第 2 世代の全心臓運動補正アルゴリズム (SnapShot Freeze 2.0、SSF2) を pre-TAVI 心臓 CT に適用し、スキャン中の患者の心拍数の層別分析によりその臨床的有用性を検討しました。 SSF2 再構成は、特に心拍数が高い患者または RR 間隔 (収縮期) が 40% の患者において、標準的な再構成と比較して、大動脈弁輪の運動アーチファクトが大幅に減少し、画質と測定精度が向上することを発見しました。 SSF2 は大動脈弁輪の測定精度の向上に貢献する可能性があります。

心電図同期心臓コンピュータ断層撮影 (CT) スキャンは、重度の大動脈狭窄患者における経カテーテル大動脈弁移植 (TAVI) 手術の計画に重要です 1,2。しかし、モーションアーチファクトは、特に心拍数が高い患者において、冠状動脈や弁などの構造の評価を損なう可能性があるため、技術的な課題を抱えています3、4、5、6、7。不正確なサイズ設定は、TAVI 患者における弁周囲の漏れや破裂などの合併症のリスクを高めます 2,8,9。したがって、患者の最適な転帰を保証するには、正確な手術前の画像処理が非常に重要です2,9。運動アーチファクトを回避するために、心臓血管 CT 協会のガイドライン 10 は、β 遮断薬の経口または静脈内投与により心拍数を 60 拍/分 (bpm) 未満に制御することを推奨しています。モーションアーチファクトを修正するために、CT システムの技術進歩により時間分解能が向上し、ガントリーの回転速度が向上し、デュアルソース CT とマルチセグメント再構成が適用されました。ソフトウェアソリューションが開発されています11。最近の研究では、敵対的生成ネットワークモデルにより、病変のコントラストを維持しながら、モーションアーティファクトが少ない画像を作成できることが報告されています 12。機械学習を使用したこのようなアプローチは心臓運動アーチファクトを効果的に軽減できる可能性がありますが、臨床現場ではまだ実装されていません。

第 1 世代の動き補正アルゴリズム (SnapShot Freeze、SSF1、GE Healthcare) はベンダー固有であり、心臓スキャン上の冠状動脈の動きアーチファクトに対処するように設計されています。その適用により、心拍数が高い患者の冠動脈の画質が大幅に向上しました13、14、15、16、17、18、19、20。ただし、SSF1 は他の非冠状動脈の心臓内構造に対処することはできません。第 2 世代の動き補正アルゴリズム (SnapShot Freeze 2.0、SSF2、GE Healthcare) では、動き補正範囲が拡大され、1 回のスキャンボリューム内に心臓全体が含まれるようになりました 21,22。

我々の知る限り、大動脈弁輪に関する SSF2 の臨床有効性は調査されていません。我々は、動作アーチファクトの低減により CT の画像品質と診断精度が向上する可能性があるため、SSF2 アルゴリズムを使用すると、大動脈弁を評価するために取得された CT スキャンの画像品質が向上すると仮説を立てました。この研究では、重度の大動脈弁狭窄症の患者を登録し、動き補正を行わない標準画像の品質を、SSF2 を行った TAVI 前の心臓 CT スキャンと比較しました。

この遡及研究はヘルシンキ宣言の原則に準拠したものでした。「人を対象とした医療・健康に関する研究に関する倫理指針」（文部科学省・厚生労働省）に基づき、目的を含む研究情報を当院ホームページに公開しました。オプトアウトアプローチ。広島大学疫学倫理委員会は、研究計画書（番号 E-2623、心臓 CT の動き補正アルゴリズムの臨床研究）を審査し、承認しました。分析に対する患者の同意は放棄された。

2021年4月から2022年2月までに心臓CTを受けた重度大動脈弁狭窄症患者108人をTAVIの候補として登録した。対象基準は造影心臓CTを受けた患者とした。私たちの除外基準は、重度の腎不全（推定糸球体濾過量 < 30 ml/min/1.73 m2、患者 15 人）、スキャン中の息止め不良（患者 1 人）、造影剤注入中の血管外漏出（患者 1 人）、または CT 検査の拒否（患者 1 人）でした。忍耐強い）。したがって、最終的な研究集団は90人の患者で構成されました。彼らは男性 33 名、女性 57 名で、年齢は 70 歳から 95 歳 (年齢中央値 84 歳) でした。

スキャン中の心拍数に対する SSF2 の影響の層別分析を実行するために、心拍数と画質の関係に従って、90 人の患者を 3 つのグループに分け、同じ数の患者を含めました 10、13、18、19、21、23、 24、25。グループ 1 (n = 30) では心拍数は低く (< 60 bpm、範囲 34 ～ 59 bpm)、グループ 2 (n = 30) では心拍数は中程度 (60 ～ 69 bpm)、グループ 3 (n = 30）高かった（70 bpm 以上、範囲 70 ～ 119 bpm）。

すべての患者は、256 個の検出器列 CT スキャナー (Revolution CT、GE Healthcare、米国ウィスコンシン州ミルウォーキー) でスキャンされました。前向き心電図同期軸方向スキャンが取得されました。表 1 に示すように、スキャンおよび再構成パラメータは管電圧 120 kVp、120 kVp でした。管電流。スカウト画像に基づいて自動管電流変調 (Smart-mA、GE Healthcare) によって選択されます。騒音指数、25。検出器コリメーション、患者の心臓のサイズに応じて 256 × 0.625 mm または 224 × 0.625 mm。ガントリー回転、0.28 秒。スライス厚さ、0.625 mm。スキャン視野、360 mm。表示視野、200 mm。マトリックス、512 × 512; 再建、半分。再構成カーネル、HD 標準。再構成法、ディープラーニング画像再構成（TrueFidelity、強度High、GE Healthcare）26,27,28,29。検査前のモニタリング中に 60 bpm 未満の心拍数が記録された場合、パディング範囲は RR 間隔の 0 ～ 100% でした。 60bpmを超えたとき、または変動していたとき。不整脈が存在する場合、パディング範囲は 0 ～ 250% でした。全てのスキャンは、気管分岐部から心尖の下縁のレベルまでの頭尾方向であった。すべての患者は検査中に息止めを行うことができました。最小限の放射線量で高画質を達成するために、スキャン開始の 5 分前に心拍数が 60 bpm を超えた患者に 2 ～ 10 mg の塩酸プロプラノロール (Inderal、太陽ホールディングス株式会社、東京、日本) が投与されました。

造影剤（ヨウ素濃度 350 mg/ml、イオメロン-350、エーザイ株式会社、東京、日本）を、パワーインジェクター（パワーインジェクター）を使用して、20 または 22 ゲージのカテーテルを通して前肘静脈に三相注入しました。デュアルショットタイプ GX、根本杏林堂、東京、日本）。第 1 段階での 273 mg/kg のヨウ素投与量は 13 秒で投与されました。この注入の後に、造影剤 (53 mgI/kg) と生理食塩水の 50/50 混合物が 5 秒の速度で注入され、最後に 100% 生理食塩水が同じ注入速度で送達されました。心臓 CT スキャンでは、ボーラストラッキングを使用して、左心房および左心室への造影剤の到着とスキャンの開始を同期させました。到着を監視するために、造影剤注入開始から 10 秒後に左心房と左心室のレベルで 1 秒間隔で軸方向スキャンを取得しました。放射線量は 120 kVp、40 mA でした。スキャンは、左心房と左心室の中心に配置された関心領域 (ROI) でコントラスト強調が 150 ハウンズフィールド単位に達してから 5 秒後に自動的に開始されました。

SSF1 アルゴリズム 18,20 と同様に、SSF2 アルゴリズムは、隣接する心臓位相 (ターゲット位相の前後 64 ミリ秒) からのデータを使用して、動きを特徴付け、修正します。 SSF2 アルゴリズムは、SSF1 スキャンから得られた情報とフィードバックに基づく完全に自動化された技術で、測定データのサブセットと一致するローカルパスのすべての画像ボリュームで各領域を検索します。船舶の運動経路が特定されると、対応する投影光線がいつ測定されたかに基づいて、データが一連のデータセットに離散化されます。シリーズ内の各ボリュームデータセットは、モーションフィールドによって空間変形を受けます。これにより、運動状態をそれぞれの時間から、所定の心位相によって決定される中心基準時間までマッピングすることが可能になる30。

すべての画像は、画像ノイズを低減するための深層学習画像再構成を備えた標準（動き補正なし）アルゴリズムを使用して再構成されました26、27、28、29。心臓位相については、TAVI 前の心臓 CT 測定に使用される収縮期 (RR 間隔、40%) および拡張期位相 (RR 間隔、75%) が選択されました 2、4、30、31。収縮期および拡張期にも SSF2 再構成が追加されたため、患者ごとに 4 つのデータセットが取得されました。それらは匿名化され、後の分析のためにワークステーション (Advantage Workstation 4.7、GE Healthcare) に転送されました。

運動アーチファクトによって引き起こされる減衰効果を大動脈弁輪で分析しました。すべての画像は 1 人の放射線技師 (心臓 CT 研究で 15 年の経験を持つ YM) によって検査されました。大動脈弁輪を評価するために、軸方向および 2D 二重斜位多平面再構成 (MPR) 画像のみを検査しました。大動脈弁輪は、大動脈弁尖の基底付着部を結合することによって形成される仮想的なリングとして定義されました 2,32。

ワークステーション（Ziostation2、Ziosoft、東京、日本）上の粒子解析ツール（Plot Profile）を使用して、大動脈弁輪の 3 方向 CT 減衰プロファイル（前方、上方、下方の方向）を生成しました（図 1）。。 CT の減衰が大きく変動する石灰化領域は慎重に避けました。 CT 減衰プロファイルは、標準画像と SSF2 で再構成された画像のまったく同じ位置で生成されました。プロファイルの下部と上部 10% を切り取り、10 ～ 90% のエッジ立ち上がり距離 (ERD) を測定しました 33,34。 ERD は大動脈弁輪の 3 方向で検査され、平均値が標準画像と SFF2 画像で比較されました。

ERDのサンプル画像。大動脈弁輪のプロファイル曲線。最大 CT 減衰の 10 ～ 90% のピクセル減衰における ERD が表示されます。 CT = コンピューター断層撮影。 HU = ハウンズフィールド単位。 ERD = エッジ立ち上がり距離。

大動脈弁輪のサイズに関して、我々は 2 つの再構成間のばらつきを評価しました。すべての画像は 2 人の放射線技師 (心臓 CT イメージングでそれぞれ 15 年と 18 年の経験を持つ YM と CF) によって分析されました。彼らはSSF2技術の存在を知らされておらず、CTワークステーション（Ziostation2、Ziosoft、東京、日本）上ですべての患者の大動脈弁輪の面積と周囲を独立して手動で測定した。弁輪の面積と周長は、血液組織界面にプロット（ドット）を配置することにより、トレースから決定されました1,9。線維輪の境界は石灰化の外側に追跡されました。モーションアーティファクトにより境界が不明確な場合、観察者は主観的にトレースしました。プロットと環状境界線を手動で描いた後、環状領域と周長がワークステーション上で自動的に計算されました1,9。

定量的ERD測定に対するSSF2再構成の潜在的な影響を調査するために、我々はアキシャル画像を検査し、上行大動脈と動脈中隔壁に配置された円形ROIのCT値と画像ノイズ[CT値の標準偏差(SD)]を記録した。心室。円形 ROI カーソルのサイズは、上行大動脈の直径 (約 5.0 ～ 10.0 mm2) と心室の中隔壁の直径 (約 1.5 ～ 3.0 mm2) が許す限り大きくしました。得られた値に基づいて、次の式を使用してコントラスト対ノイズ比 (CNR) も計算しました: (上行大動脈の CT 値から心室中隔壁の CT 値を引いた値) を上行大動脈の画像ノイズで割った値 35 。

2 人の放射線技師 (YM と CF、心臓 CT イメージングの経験がそれぞれ 15 年と 18 年) は、SSF2 技術の存在を知らされませんでした。彼らは、大動脈弁輪レベルでの運動アーチファクトについて、データセットの洞管接合部から左心室流出路までの MPR 画像を主観的かつ独立して検査しました。画質を評価するために、彼らは 5 ポイントのリッカートスケールを使用しました。ここで、1 = 非常に悪い (運動アーチファクトにより大動脈弁の解剖学的構造の視覚化が低下し、評価できない)、2 = 悪い (運動アーチファクトにより大動脈弁の解剖学的構造の視覚化が低下) 、評価不能）、3 = 可（大動脈弁の解剖学的構造の明確な輪郭を伴う軽度の運動アーチファクト）、4 = 良好（尖頭底部および環状輪郭を含む大動脈基部の解剖学的構造を確実に識別できる運動アーチファクトなし）、および 5 = 優れた（大動脈弁尖、弁尖の最下点、および大動脈弁輪の輪郭の検出に関して、診断の確実性が高い優れた画質）30。観察者間の意見の相違は合意によって解決されました。

人口統計データ、ERD、CT 数、画像ノイズ、CNR の連続変数は、中央値と範囲、パーセンテージまたはカウント、大動脈弁輪の面積と周長、または画質スコアは平均値と SD として表されます。 ERD、CT 数、画像ノイズ、CNR、および画質スコアの結果は、Mann-Whitney U 検定を使用して標準画像と SSF2 で再構成された画像で比較されました。 2 つの再構成間の面積と周囲長の分散 (SD) を比較するために、F 検定を使用しました。ブランド・アルトマンプロット分析による定量的評価の変動性に関する観察者内および観察者間の合意は、±1.96 SDの平均差として定義される95%の合意限界に収束すると予想されました。 CNR が標準再構成と SSF2 再構成で同等かどうかを判断するために、同等性テストを実行しました 36。我々の以前の研究では、近位冠状動脈と隣接する血管周囲組織の間の CNR の SD が 5 であったため 34、同等のマージンとして 5 を採用しました。定性的評価における観察者間の一致は、コーエンカッパ κ 係数を使用して評価可能 (スコア 3 ～ 5) と評価不可能 (スコア 1、2) に分類されました。ここで、κ 値 0.20 未満 = 不良、0.21 ～ 0.40 = 良好、 0.41 ～ 0.60 = 中程度、0.61 ～ 0.80 = かなり一致、0.81 ～ 1.00 = ほぼ完全に一致します。すべての統計分析は JMP 16 (SAS Institute Inc.、米国ノースカロライナ州ケアリー) を使用して実行されました。 p < 0.05 の差は統計的に有意であるとみなされました。

表 2 に示すように、CT 画像取得中の全体の心拍数の中央値は 64 bpm (範囲: 34 ～ 119 bpm) でした。 90人の患者のうち、70人が洞調律を示し、20人が不整脈を示した(心房細動、19人、心房期外収縮、1人)。

1,080 件の ERD (3 方向 × 4 データセット × 患者 90 人) を分析しました。 ERD 測定結果を表 3 に示します。心拍数が低い患者では、標準再構成と SSF2 再構成で得られた ERD に有意な差はありませんでした (RR 40% および RR 75%: p > 0.05)。ただし、中程度の心拍数を持つ患者では、RR 40% の ERD は、標準 (2.4 mm) 画像よりも SSF2 (2.0 mm) 画像で有意に短かった (p < 0.001)。心拍数が高い患者では、RR 40% および RR 75% の ERD は、標準画像よりも SSF2 上で有意に短かった (p < 0.001)。 4 つのデータセットの ERD に関する観察者内一致のブランド・アルトマンプロットを図 2 にまとめます。プロットは、すべてのデータセットで一致の 95% 限界内にほぼ収束しました。

エッジ立ち上がり距離に関する観察者内一致のブランド・アルトマンプロット分析。 RR 間隔 40% での標準および SSF2 再構成 (A および B)、および RR 間隔 75% での標準および SSF2 再構成 (C および D)。実線は平均差を表し、破線は95%の一致限界を表します(平均差±1.96 SD)。 SD = 標準偏差。

表 4 に示すように、大動脈弁輪領域の SD は、低 (94.7 対 63.3 および 105.2 対 78.9)、中 (71.8 対 47.9 および 90.4 対 58.3) で標準よりも SSF2 再構成で有意に小さかった。、心拍数が高い（58.7対45.1および70.3対45.8）RR間隔が40および75％（すべて：p < 0.05）。表5に示すように、大動脈輪周囲のSDも、低（11.6対7.4および9.5対6.0）、中間（9.4対5.6および10.8対6.8）で、SSF2再構成では標準よりも有意に小さかった。 -、心拍数が高い (8.4 対 4.3 および 9.3 対 5.4) RR 間隔が 40 および 75% (すべて: p < 0.001)。環状の面積と周長に関する観察者間の一致を示すブランド・アルトマンプロットを図3と図4に示します。面積と周囲長については、プロットはすべてのデータセットの一致限度の 95% 内にほぼ収束しました。特に、SSF2- では標準的な再構成画像よりも平均差 (± 1.96 SD) が狭い範囲内にありました。

大動脈弁輪領域に関する観察者間の合意のブランドアルトマンプロット分析。 RR 間隔 40% での標準および SSF2 再構成 (A および B)、および RR 間隔 75% での標準および SSF2 再構成 (C および D)。実線は平均差を表し、破線は95%の一致限界を表します(平均差±1.96 SD)。 SD = 標準偏差。

大動脈弁輪周囲に関する観察者間の合意のブランド・アルトマンプロット分析。 RR 間隔 40% での標準および SSF2 再構成 (A および B)、および RR 間隔 75% での標準および SSF2 再構成 (C および D)。実線は平均差を表し、破線は一致の 95% 限界 (平均差 ± 1.96 SD) を表します。 SD = 標準偏差。

表 6 に示すように、上行大動脈と心室中隔壁の CT 値、および上行大動脈の画像ノイズは、患者の心拍数に関係なく、2 つの再構成間に有意な差を示さなかった（すべて：p > 0.05）。）。さらに、これらの CNR は、低心拍数 (18.5 対 19.5、p = 0.404)、中心拍数 (16.5 対 16.3、p = 0.860)、および高心拍数 (17.6 対 18.1) での 2 つの再構成間に有意差を示さなかった。、p = 0.312)。標準再構成と SSF2 再構成の差の 95% 信頼区間は、心拍数が低い患者では - 3.0 ～ 1.2、心拍数が中程度の患者では - 2.5 ～ 2.1、心拍数が高い患者では - 2.7 ～ 0.9 でした。。 95% 信頼区間はすべての心拍数クラスで事前に定義された両側の等価マージン (図 5) を超えなかったため、CNR は心拍数に関係なく、標準と SSF2 再構成の間で同等であると考えられました。

同等性テストの結果。標準再構成と SSF2 再構成の間の CNR の違いに関する同等性テストの結果。 CNR = コントラスト対ノイズ比。 HR = 心拍数。 SSF2 = スナップショットフリーズ 2。

表 7 は、2 人の読者によって提出された MPR 画像の視覚的評価の結果を示しています。心拍数が低い患者（RR 75%）では、標準再構成または SSF2 再構成を受けた画像に割り当てられた平均画像スコアに有意差はありませんでした（p = 0.540）。 RR 40% では、SSF2 で再構成された画像の視覚化スコアが標準よりも有意に高かった (すべて: p < 0.01)。全体的な画質に関しては、観察者間でかなりの一致が見られました (κ = 0.69)。 SSF2 再構成により、図 6 に示す代表的なケースの大動脈弁輪の画質が向上しました。すべての結果は補足ファイルに記載されています。

SSF2の臨床像。 80 代 (身長 = 157 cm、体重 = 58 kg、BMI = 23.5 kg/m2)、スキャン中の心拍数 = 116 bpm (心房細動)。 (A) および (C): 標準再構成を使用した大動脈弁輪の MPR 画像 (RR 間隔 = 40% および 75%)。 (A) と (C) の視覚化スコアはそれぞれ 1 と 2 でした。 (B) と (D): SSF2 再構成後、可視化スコアは両方とも 4 でした。評価可能な画質が向上しました。 WW = ウィンドウの幅。 WL = ウィンドウレベル。

私たちの研究は、大動脈弁輪の評価のために取得されたTAVI前の心臓CTスキャンの画質に関して、第2世代の全心臓運動補正アルゴリズム（SSF2）が標準的な再構成よりも優れていることを示しています。

RR 40% では、SSF2 再構成画像は、患者の心拍数に関係なく、標準再構成よりも有意に高い画質スコアを獲得しました (p < 0.001)。 RR 75% では、中心拍数および高心拍数の患者では、SSF2 の視覚化スコアが標準の再構成画像よりも高かった。 RR 40% および RR 75% では、SSF2 は標準再構成よりも高い画質スコアをもたらす傾向が強くありました。その結果、SSF2 再構成により、特に心拍数が高い患者や RR 間隔が 40% の患者の画質が大幅に向上しました。

以前のベンダー固有の動き補正アルゴリズム (SSF1) は、心臓スキャンでの冠状動脈の動きアーチファクトに対処するために設計されました。主に冠動脈イメージングに適応され、特に心拍数が高い患者において、重大な冠動脈狭窄の検出のために実行されるスキャンの画質と診断精度が向上することが示されています13、14、15、16、17、18、19。 20. SSF2 アルゴリズムは、心臓全体を含むように動作補正を拡張します。冠状動脈だけでなく、心臓弁などの非冠状動脈の心臓内構造のイメージングにも有用であると期待されています。

SSF2 再構成を冠状動脈、心臓と弁の構造、および大血管の画像に適用した以前の研究では、アルゴリズムによって画像品質が大幅に向上し、評価不能なスキャンの数が対象画像よりも少ないことが示されました。標準または SSF1 再構成 21、22。私たちの研究は大動脈弁輪に焦点を当てました。これは、SSF2 が心臓全体でより高いモーションアーチファクト補正をもたらしたことを示しています。

大動脈弁輪測定のために SSF1 を心臓 CT に適用した他の 30 人は、SSF1 が収縮期 CT データセットの画質を大幅に向上させたと報告しました。我々は、広範囲の心拍数における SSF2 の効果を調べ、それが収縮期だけでなく拡張期でも大動脈弁輪の評価に有用であることを示しました。我々の発見は、SSF2再構築が心位相全体にわたって大動脈弁運動アーチファクトを軽減することを示唆しています。

SSF2 再構成は、低心拍数または中心拍数の患者の RR 間隔 75% では役に立ちませんでした。これらの心拍数と心位相では、心電図同期スキャンの時間分解能は十分である可能性があり、動きアーチファクトは固有のものではない可能性があります。 SSF1 および SSF2 の再構成は、心拍数が高い患者や時間分解能の低いスキャンに有用である可能性があります 13、14、21、22。私たちの研究結果は、心拍数が高い患者において SSF2 が SSF1 と同様に有用であることを示唆しています。

SSF1 は他の非冠状動脈の心臓内構造に対処できません。対象位相と両側の隣接位相の画像情報を使用して冠動脈の運動軌跡を計算し、心臓の動きを補償してモーションアーチファクトを軽減し、診断可能な冠動脈の CT 画像を生成します13、14、15、16、17、18。、19、20。一方、SSF2 アルゴリズムは、SSF1 から得られた知識とフィードバックに基づく完全に自動化された技術で、すべての画像ボリュームの各領域で、測定データのサブセットと一致するローカルパスを探します。船舶の運動経路が特定されると、対応する投影光線がいつ測定されたかに基づいて、データが一連のデータセットに離散化されます。シリーズ内の各ボリュームデータセットは、モーションフィールドによる空間変形のプロセスを受けます。これにより、運動状態をそれぞれの時刻から、所定の心位相によって決定される中心基準時刻にマッピングすることが可能になります21、30。したがって、SSF2 は、心拍数が高い患者の動きによる冠状動脈アーチファクトをさらに低減できるだけでなく、心臓血管 CT 画像上の弁や心筋などの他の心臓血管構造の画質も向上します。私たちの結果は、SSF1 と比較して、SSF2 が冠状動脈だけでなくすべての弁やその他の心臓構造の画質をさらに向上させたという以前の発見 22 を裏付けています。

心拍数が増加するにつれて、SSF2 上の ERD 中央値は標準的な再構成画像よりも大幅に短くなりました。 ERD が短いほど、エッジがシャープになります 33、34、37。したがって、ERD は、SSF2 再構成により、高心拍数に起因するモーションアーチファクトが減少したことを定量的に示しています。 EDR を介してモーションアーティファクトを定量化するという概念は、定性的評価データの有意差 (p < 0.001) によってさらに裏付けられます。

2 人の観察者によって測定された大動脈弁輪の面積と周長のばらつきは、心拍数に関係なく、標準的な再構成画像よりも SSF2 上で大幅に小さいことがわかりました。これは、SSF2 再構成により、運動アーチファクトが軽減され、大動脈弁輪の測定が容易になることが示唆されます。我々は、経食道心エコー検査の参照標準と我々の所見を比較することによってその測定精度を評価しなかったが32、SSF2を日常的に使用することで、重度の大動脈弁狭窄症患者における従来の標準的な再構成画像よりも高い測定精度が得られると期待している。

心臓 CT は、大動脈基部の調査のために予定されている TAVI 候補の精密検査の参照標準ですが 1,2、モーションアーチファクトは大動脈弁輪のサイジングの精度を低下させ、TAVI 処置後の患者の転帰に直接影響します 2,7,8,9。大動脈弁輪のサイズに関する 2 つの再構成間のばらつきを評価した結果、患者の心拍数や RR 間隔に関係なく、SSF2 は標準よりも有意に小さくなりました。 TAVI 計画では、測定には収縮期イメージングを使用する傾向が依然としてあり 2、4、30、31、SSF2 を使用すると大動脈弁輪の輪郭がより良く描写されるようです。したがって、SSF2 は大動脈弁輪のサイジングの精度の向上に貢献する可能性があります。

特にバルーン拡張型プロテーゼをカテーテルに基づいて移植する際には、大動脈弁輪面を正確に直交する視野を提供する蛍光透視投影を使用することが重要です 2,8,9。 CT は 3D データセットを提供するため、大動脈弁平面への直交ビューを提供する適切な投影角度を特定できます 38,39。その他 1,2 は、専用の自動ソフトウェアプログラムを使用すると、TAVI 前の心臓 CT スキャンから適切な角度を予測できると報告しました。ただし、これは大動脈弁の平面が CT スキャンで正確に定義されている場合にのみ可能です 39,40。 SSF2 は大動脈弁輪の輪郭を正確に描写したため、その適用により、TAVI 用の CT 画像のより正確な自動処理が可能になる可能性があります。

腎機能障害は TAVI を予定している高齢患者に比較的よく見られるため、低コントラストのプロトコールが推奨されます 41。 SSF2 再構成は、画質が向上するだけでなく、再スキャンの必要性も軽減されるため、腎機能障害のある TAVI 候補者には適切である可能性があります。

ERD の定量的測定に対する SSF2 再構成の潜在的な影響を回避するために、SSF2 再構成画像で上行大動脈の CT 値、画像ノイズ、および CNR を測定しました。患者の心拍数に関係なく、標準再構成またはSSF2再構成を行ったスキャン間でCNRが同等であることがわかり、SSF2がモーションアーチファクトのみを修正し、他のパラメータに影響を及ぼさないことが確認されました。

私たちの研究にはいくつかの限界があります。第一に、私たちの研究対象集団は比較的少なく、調査は単一施設の経験に基づいていました。第二に、すべての患者を対象とした経食道心エコー検査などの参照標準が存在しなかったため、主観的に判断された大動脈輪の画像品質が測定の精度を向上させるかどうかを判断できるようになりました。第三に、同じ CT スキャナに適用された 2 つの再構成アルゴリズム間の差異のみを評価し、その結果を、たとえばデュアルソース CT スキャンで得られた結果と比較しませんでした。最後に、SSF2 再構成の堅牢性によってスキャン前のプリセットパディング範囲を下げることが可能かどうか、それによって必要な放射線量を最小限に抑えることができるかどうかを判断するための追加研究が進行中です。

結論として、我々の調査結果は、特に心拍数が高い患者または RR 間隔が 40% の患者において、SSF2 アルゴリズムが画質を改善し、モーションアーチファクトを低減するため、標準的な再構成よりも優れていることを示唆しています。これらの発見は、SSF2 が TAVI の前に大動脈弁輪のサイジングの精度を向上させるのに役立つ可能性があります (「補足情報」)。

すべての関連データは主要原稿内にあります。

1 分あたりのビート数

コンピュータ断層撮影

コントラスト対ノイズ比

エッジ立ち上がり距離

多平面再構築

関心領域

標準偏差

スナップショットのフリーズ

経カテーテル大動脈弁移植

Schuhbaeck、A. et al. コンピューター断層撮影による大動脈弁輪測定の再現性。ユーロ。ラジオル。 24 年、1878 ～ 1888 年。 https://doi.org/10.1007/s00330-014-3199-5 (2014)。

論文 PubMed Google Scholar

アッヘンバッハ、S. et al. 経カテーテル大動脈弁移植（TAVI）/経カテーテル大動脈弁置換術（TAVR）前のコンピューター断層撮影イメージングに関する SCCT 専門家のコンセンサス文書。 J. Cardiovasc. 計算します。トモグラ。 6、366–380。 https://doi.org/10.1016/j.jcct.2012.11.002 (2012)。

論文 PubMed Google Scholar

アンドレイニ、D. et al. 心房細動患者を対象に、周期内動作補正アルゴリズムを備えた全心臓カバーCTスキャナで実行された冠状動脈CT血管造影の画質と放射線量。ユーロ。ラジオル。 28、1383–1392。 https://doi.org/10.1007/s00330-017-5131-2 (2018)。

論文 PubMed Google Scholar

バインダー、RK et al. 経カテーテル大動脈弁置換術の転帰に対するマルチ検出器 CT 線維輪領域サイジングアルゴリズムの統合の影響: 前向きの多施設共同対照試験。混雑する。コル。カーディオール。 62、431–438。 https://doi.org/10.1016/j.jacc.2013.04.036 (2013)。

論文 PubMed Google Scholar

ハリス、BS 他。経カテーテル大動脈弁置換術を計画するためのデュアルソース CT イメージング: 閉塞性冠動脈疾患の診断精度。放射線学 275、80–88。 https://doi.org/10.1148/radiol.14140763 (2015)。

論文 PubMed Google Scholar

コダリ、S.ら。大動脈弁狭窄症を有する手術不能な高リスクおよび中リスク患者におけるSAPIEN 3経カテーテル大動脈弁置換術後の初期の臨床結果および心エコー検査結果。ユーロ。ハート J. 37、2252–2262。 https://doi.org/10.1093/eurheartj/ehw112 (2016)。

記事 PubMed PubMed Central Google Scholar

マッカール、RR et al. 手術不能な重度の大動脈弁狭窄症に対する経カテーテル的大動脈弁置換術。Ｎ．Ｅｎｇｌ． J.Med. 366、1696–1704。 https://doi.org/10.1056/NEJMoa1202277 (2012)。

論文 CAS PubMed Google Scholar

ホームズ、DR ジュニアら。経カテーテル大動脈弁置換術に関する 2012 ACCF/AATS/SCAI/STS 専門家の合意文書。混雑する。コル。カーディオール。 59、1200–1254。 https://doi.org/10.1016/j.jacc.2012.01.001 (2012)。

論文 PubMed Google Scholar

シュミットコンツ、C.ら。経カテーテル大動脈弁移植（TAVI）前の大動脈弁輪の寸法評価のための CT 血管造影の観察者間変動。ユーロ。Ｊ．Ｒａｄｉｏｌ． 83、1672–1678。 https://doi.org/10.1016/j.ejrad.2014.06.001 (2014)。

論文 CAS PubMed Google Scholar

Leipsic、J. et al. 冠状動脈 CT 血管造影の解釈と報告に関する SCCT ガイドライン: 心臓血管学会のコンピュータ断層撮影ガイドライン委員会の報告書。 J. Cardiovasc. 計算します。トモグラ。 8、342–358。 https://doi.org/10.1016/j.jcct.2014.07.003 (2014)。

論文 PubMed Google Scholar

Aghayev、A.、Murphy、DJ、Keraliya、AR、Steigner、ML 冠状動脈イメージングにおけるコンピューター断層撮影スキャナーの使用における最近の開発。専門家Rev.Med. デバイス 13、545 ～ 553。 https://doi.org/10.1080/17434440.2016.1184968 (2016)。

論文 CAS PubMed Google Scholar

レン、P.ら。深層学習法による冠状動脈CT血管造影画像のモーションアーチファクトの低減。 BMC医学。イメージング 22、184。https://doi.org/10.1186/s12880-022-00914-2 (2022)。

記事 PubMed PubMed Central Google Scholar

Liang、J.ら。 256 列検出器コンピュータ断層撮影装置を使用した、高心拍数の患者における 1 心拍以内の冠状動脈コンピュータ断層撮影血管造影の診断パフォーマンスに対する SSF の影響。Ｊ．Ｃｏｍｐｕｔ．支援する。トモグラ。 42、54–61。 https://doi.org/10.1097/RCT.0000000000000641 (2018)。

論文 PubMed Google Scholar

Wen, B.、Xu, L.、Liang, J.、Fan, Z.、Sun, Z. 256 列検出器コンピューター断層撮影装置を使用した、心房細動患者の単一心周期内でのコンピューター断層撮影冠状動脈造影の予備研究。Ｊ．Ｃｏｍｐｕｔ．支援する。トモグラ。 42、277–281。 https://doi.org/10.1097/RCT.0000000000000683 (2018)。

論文 PubMed Google Scholar

Liang、J.ら。単一心周期内の心拍数が高い患者における 256 列検出器冠動脈 CT 血管造影の診断性能: 予備研究。クリン。ラジオル。 https://doi.org/10.1016/j.crad.2017.03.004 (2017)。

論文 PubMed Google Scholar

シェタ、HMら。 CT 血管造影を受ける患者の画質に対する動き補正アルゴリズムの影響: ランダム化比較試験。クリン。イメージング 42、1 ～ 6。 https://doi.org/10.1016/j.clinimag.2016.11.002 (2017)。

論文 PubMed Google Scholar

Sheta, HM、Egstrup, K.、Husic, M.、Heinsen, LJ & Lambrechtsen, J. 冠状動脈 CT 血管造影を受ける非選択患者の品質と診断有用性に対する動き補正アルゴリズムの影響。クリン。画像 40、217 ～ 221。 https://doi.org/10.1016/j.clinimag.2015.10.007 (2016)。

論文 PubMed Google Scholar

町田洋ほか心拍数別にグループ化された患者における、シングルソース 64 検出器冠状動脈 CT 血管造影の画像の品質と解釈可能性に対する動き補正アルゴリズムの影響。日本Ｊ．Ｒａｄｉｏｌ． 33、84–93。 https://doi.org/10.1007/s11604-014-0382-1 (2015)。

論文 PubMed Google Scholar

Lee、H.ら。日常的な冠状動脈 CT 血管造影の画質、解釈可能性、および診断パフォーマンスに対するベンダー固有の動き補正アルゴリズムの影響: 動き補正の効果に対する心拍数の影響。内部。 J. Cardiovasc. 画像 30、1603 ～ 1612 年。 https://doi.org/10.1007/s10554-014-0499-4 (2014)。

論文 PubMed Google Scholar

Leipsic、J. et al. 速度制御薬を使用せずに冠状動脈 CT 血管造影を受ける人の画質と診断精度に対する、ベンダー固有の新しい動き補正アルゴリズムの影響。 J. Cardiovasc. 計算します。トモグラ。 6、164–171。 https://doi.org/10.1016/j.jcct.2012.04.004 (2012)。

論文 PubMed Google Scholar

Liang、J.ら。第 2 世代の動き補正アルゴリズムにより、心拍数が増加した患者における 1 拍冠動脈 CT 血管造影の診断精度が向上します。ユーロ。ラジオル。 29、4215–4227。 https://doi.org/10.1007/s00330-018-5929-6 (2019)。

論文 PubMed Google Scholar

サン、Ｊ．ら。第 2 世代の動き補正アルゴリズムを使用して、心拍数が高い子供向けの心臓血管 CT 血管造影の画質をさらに向上させます。Ｊ．Ｃｏｍｐｕｔ．支援する。トモグラ。 44、790–795。 https://doi.org/10.1097/RCT.0000000000001035 (2020)。

論文 PubMed Google Scholar

Mushtaq, S.、Conte, E.、Melotti, E.、Andreini, D. 困難な患者における冠状動脈 CT 血管造影: 高心拍数と心房細動。レビュー。アカド。ラジオル。 26、1544 ～ 1549 年。 https://doi.org/10.1016/j.acra.2019.01.022 (2019)。

論文 PubMed Google Scholar

Le Roy、J. et al. 冠動脈コンピュータ断層撮影血管造影を受ける小児の画質に対する動き補正アルゴリズムの影響: 通常の単相性および多相取得との比較。円心臓血管。イメージング 12、e009650。 https://doi.org/10.1161/CIRCIMAGING.119.009650 (2019)。

論文 PubMed Google Scholar

フックス、TA et al. 心拍数制御が不十分な患者における低線量冠状動脈 CT 血管造影の画質に対する、新しい動き補正アルゴリズムの影響。アカド。ラジオル。 21、312–317。 https://doi.org/10.1016/j.acra.2013.10.014 (2014)。

論文 PubMed Google Scholar

Lell, MM & Kachelriess, M. コンピューター断層撮影における最近および今後の技術開発: 高速、低線量、深層学習、マルチエネルギー。投資する。ラジオル。 55、8-19。 https://doi.org/10.1097/RLI.0000000000000601 (2020)。

論文 PubMed Google Scholar

グレフィアー、J. et al. CT 用ディープラーニング画像再構成アルゴリズムの画質と線量低減の機会: ファントム研究。ユーロ。ラジオル。 30、3951–3959。 https://doi.org/10.1007/s00330-020-06724-w (2020)。

論文 PubMed Google Scholar

Solomon, J.、Lyu, P.、Marin, D.、Samei, E. 市販の深層学習ベースの CT 再構成アルゴリズムのノイズと空間解像度の特性。医学。物理学。 47、3961–3971。 https://doi.org/10.1002/mp.14319 (2020)。

論文 PubMed Google Scholar

ベンツ、DC 他冠動脈コンピュータ断層撮影血管造影のためのディープラーニング画像再構成の検証: ノイズ、画像品質、診断精度への影響。 J. Cardiovasc. 計算します。トモグラ。 14、444–451。 https://doi.org/10.1016/j.jcct.2020.01.002 (2020)。

論文 PubMed Google Scholar

すぐに、J. et al. Pre-TAVR 大動脈弁輪評価における CT 画質と測定再現性に対する心臓全体の動き補正アルゴリズムの影響。 J. Cardiovasc. 計算します。トモグラ。 10、386–390。 https://doi.org/10.1016/j.jcct.2016.08.001 (2016)。

論文 PubMed Google Scholar

アファルトラー、P.ら。経カテーテル大動脈弁置換術を計画するためのコンピューター断層撮影。 J. ソラック。画像 28、231 ～ 239。 https://doi.org/10.1097/RTI.0b013e318292040c (2013)。

論文 PubMed Google Scholar

Rixe、J. et al. マルチ検出器コンピュータ断層撮影法は、経カテーテル大動脈弁移植前の大動脈弁輪の評価のための経食道心エコー検査法と同等です。ユーロ。ラジオル。 22、2662–2669。 https://doi.org/10.1007/s00330-012-2530-2 (2012)。

論文 PubMed Google Scholar

辰上文他冠動脈CT血管造影におけるモデルベースの反復再構成による冠動脈ステントの評価。アカド。ラジオル。 24、975–981。 https://doi.org/10.1016/j.acra.2016.12.020 (2017)。

論文 PubMed Google Scholar

辰上文他冠状動脈 CT 血管造影用の深層学習ベースの画像復元アルゴリズム。ユーロ。ラジオル。 29、5322–5329。 https://doi.org/10.1007/s00330-019-06183-y (2019)。

論文 PubMed Google Scholar

グプタ、AK 他。腹部の評価のための 8 要素マルチ検出器列ヘリカル CT テクノロジーの最適化。放射線学 227、739–745。 https://doi.org/10.1148/radiol.2273020591 (2003)。

論文 PubMed Google Scholar

ピアッジオ、G. et al. 非劣性および同等性のランダム化試験の報告: CONSORT 2010 声明の拡張。 JAMA 308、2594–2604。 https://doi.org/10.1001/jama.2012.87802 (2012)。

論文 CAS PubMed Google Scholar

鈴木 S.、町田 H.、田中 I.、上野 E. CT 血管造影における血管径の測定: in vitro でのモデルベースの反復再構成と標準のフィルター逆投影アルゴリズムの比較。 AJRアム。 J.レントゲノール。 200、652–657。 https://doi.org/10.2214/AJR.12.8689 (2013)。

論文 PubMed Google Scholar

Tzikas, A.、Schultz, C.、Van Moeghem, NM、de Jaegere, PP & Serruys, PW 造影大動脈造影に基づく経カテーテル大動脈弁移植の最適投影推定: プロトタイプソフトウェアの検証。カテーテル。心臓血管。介入 76、602–607。 https://doi.org/10.1002/ccd.22641 (2010)。

論文 PubMed Google Scholar

ガーヴィッチ、R. 他経カテーテル大動脈弁移植中の最適な血管造影展開投影を予測するためのマルチスライスコンピューター断層撮影。 JACC心臓血管。介入 3、1157–1165。 https://doi.org/10.1016/j.jcin.2010.09.010 (2010)。

論文 PubMed Google Scholar

アーノルド、M.ら。コンピュータ断層撮影法による経カテーテル大動脈弁移植に適した透視投影を決定する方法。 J. Cardiovasc. コンピュータートモグラ。 6、422–428。 https://doi.org/10.1016/j.jcct.2012.10.008 (2012)。

論文 PubMed Google Scholar

ガイヤー、LLら。経カテーテル大動脈弁置換術における包括的な心臓および大動脈腸骨 CT 評価のための、低容量造影剤プロトコル。アカド。ラジオル。 22、1138–1146。 https://doi.org/10.1016/j.acra.2015.03.018 (2015)。

論文 PubMed Google Scholar

リファレンスをダウンロードする

広島大学病院放射線科広島市南区香住1-2-3

Yoriaki Matsumoto, Chikako Fujioka, Kazushi Yokomachi, Nobuo Kitera, Eiji Nishimaru & Masao Kiguchi

広島大学大学院医歯薬保健学研究科放射線診断学分野広島市南区香住1-2-3

Toru Higaki, Ikuo Kawashita, Fuminari Tatsugami, Yuko Nakamura & Kazuo Awai

PubMed Google Scholar でこの著者を検索することもできます

YM: 概念化、データキュレーション、形式分析、調査、方法論、視覚化、役割/執筆—原案。執筆 - レビューと編集。 CF: 調査、プロジェクト管理、可視化。 KY: 調査、プロジェクト管理、視覚化。 NK: 概念化、調査、方法論。 JA: 調査、監督、可視化。 MK: プロジェクト管理、監督、視覚化。 TH：監督です。 IK: 監督。 FT: 概念化、形式分析、方法論、執筆 - レビューと編集。 YN：監修です。 KA: 概念化、方法論、プロジェクト管理、監督、視覚化、執筆 - レビューと編集。

Correspondence to Yoriaki Matsumoto.

著者らは競合する利害関係を宣言していません。

シュプリンガーネイチャーは、発行された地図および所属機関における管轄権の主張に関して中立を保ちます。

オープンアクセスこの記事はクリエイティブコモンズ表示 4.0 国際ライセンスに基づいてライセンスされており、元の著者と情報源に適切なクレジットを表示する限り、あらゆる媒体または形式での使用、共有、翻案、配布、複製が許可されます。クリエイティブコモンズライセンスへのリンクを提供し、変更が加えられたかどうかを示します。この記事内の画像またはその他のサードパーティ素材は、素材のクレジットラインに別段の記載がない限り、記事のクリエイティブコモンズライセンスに含まれています。素材が記事のクリエイティブコモンズライセンスに含まれておらず、意図した使用が法的規制で許可されていない場合、または許可されている使用を超えている場合は、著作権所有者から直接許可を得る必要があります。このライセンスのコピーを表示するには、http://creativecommons.org/licenses/by/4.0/ にアクセスしてください。

転載と許可

松本裕也、藤岡千尋、横町和也他心臓 CT で大動脈弁輪を実証するために使用される第 2 世代の全心臓運動補正アルゴリズム (SSF2) の評価。 Sci Rep 13、3636 (2023)。 https://doi.org/10.1038/s41598-023-30786-7

引用をダウンロード

受信日: 2022 年 8 月 21 日

受理日: 2023 年 3 月 1 日

公開日: 2023 年 3 月 3 日

DOI: https://doi.org/10.1038/s41598-023-30786-7

次のリンクを共有すると、誰でもこのコンテンツを読むことができます。

申し訳ございませんが、現在この記事の共有リンクは利用できません。

Springer Nature SharedIt コンテンツ共有イニシアチブによって提供

コメントを送信すると、利用規約とコミュニティガイドラインに従うことに同意したことになります。虐待的なもの、または当社の規約やガイドラインに準拠していないものを見つけた場合は、不適切としてフラグを立ててください。

ブログ