摘要：目的探讨深度学习图像重建算法(DLIR)相较于自适应统计迭代重建算法(ASiR-V)在改善动态负荷心肌CT灌注成像(CTP)图像质量及提高心肌边缘清晰度方面的能力。方法收集2023年9月至2024年2月在广东省人民医院行动态负荷心肌CTP的30例患者。对所有入组患者的影像资料分别使用ASiR-V 50%、ASiR-V 80%和中强度DLIR(DLIR-M)、高强度DLIR(DLIR-H)算法进行图像重建。在左心室腔、室间隔及左心室侧壁选取感兴趣区测量其CT值和标准差(SD),计算信噪比(SNR)和对比噪声比(CNR)。使用Matlab获得4个左心室心肌边缘CT值变化的差值(d)和CT值变化的斜率(s)用于评估客观边缘清晰度。由2名影像医师对图像的噪声、自然外观及边缘清晰度进行主观评分。2名医师评分不一致时由第3名高年资医师评分决定。分别计算SD值较低、SNR及CNR较高的ASiR-V和DLIR图像的左心室心肌血流量(MBF)。符合正态分布时,两组间比较采用独立样本t检验,多组间比较采用随机区组设计的方差分析;不符合正态性分布时,使用Friedman检验,两两比较采用Bonferroni校正检验。结果4种图像在室间隔、左心室侧壁的SD、SNR及CNR的差异均有统计学意义(P均0.05)。结论DLIR-H重建的动态负荷心肌CTP图像的SD、SNR及CNR与ASiR-V 80%相当,且采用DLIR-H可提高左心室心肌的边缘清晰度,同时不影响MBF值计算。