Quantification de l'emphysème pulmonaire sur scanner thoracique basse dose : évaluation d'un algorithme de reconstruction d'image développé par Deep Learning

L'objectif de cette étude est d'évaluer l'influence du Deep learning image reconstruction sur la quantification de l'emphysème pulmonaire lors de la réalisation de scanner thoracique basse dose. Nous avons réalisé une étude rétrospective chez 54 patients ayant une broncho pneumopathie chronique obstructive qui ont eu un scanner thoracique basse dose. Les données brutes ont été reconstruites en utilisant les algorithmes de reconstructions standards (FBP et ASIR-V) et le deep learning image reconstruction à haute, moyenne et faible intensité de réduction du bruit. Pour limiter les effets du bruit sur les images FBP, un filtre de données a été utilisé et créé pour mesurer les volumes. L'emphysème pulmonaire a été automatiquement quantifié en utilisant le pourcentage de voxel inférieur à -950 UH et par un radiologue thoracique. Une évaluation de la qualité d'image a été également réalisée. Une différence significative entre les volumes d'emphysème pulmonaire obtenus avec les références FBP et ASIR-V et les DLIR-H, DLIR-M, DLIR-L a été observée (p<10-3). Les volumes d'emphysèmes pulmonaires calculés avec la FBP associée au filtre et le DLIR-H étaient parfaitement corrélés et proportionnels (ratio de 1,1). Le bruit était significativement réduit par le DLIR-H par rapport aux autres reconstructions. Le rapport signal sur bruit était amélioré par l'utilisation du DLIR-H. L'algorithme DLIR-H peut être utilisé dans la quantification de l'emphysème pulmonaire.