摘要目的 探讨深度学习算法联合低剂量80 kV管电压、低剂量对比剂在大体重患者冠状动脉CT血管成像(CCTA)检查中的应用价值.方法 前瞻性纳入河南省焦作市人民医院于2024年7月至10月疑似或确诊冠状动脉疾病的100例大体重患者[体质指数(BMI)≥26 kg/m2],采用随机数表法分为对照组(管电压为100 kVp,对比剂量为0.7 mL/kg)50例和试验组(管电压为80 kVp,对比剂量为0.35 mL/kg)50例,分别采用50%自适应统计迭代重建(50%ASIR-V)和DLIR-H算法进行图像重建,其余参数均保持一致.在右冠状动脉、左前降支和左旋支的近端,中间和远端部分测量CT值及噪声并计算信噪比(SNR)和对比噪声比(CNR).两位医师根据李克特5级评分法对两组主观图像质量进行评估.符合正态分布的数据采用独立样本t检验,否则采用Mann-Whitney检验.主观评分的一致性分析采用Kappa检验.结果 两组患者基线资料比较差异无统计学意义.试验组平均有效辐射剂量为3.70 mSv±0.92 mSv,对比剂量为28.86 mL±4.09 mL,分别较对照组降低约26.6%和48.8%(分别为5.04 mSv±1.58 mSv、56.41 mL±7.63 mL;t值分别为-5.157、-22.517,P<0.001).但试验组CCTA图像的图像噪声低于对照组,SNR、CNR均高于对照组(P<0.05).试验组在噪声水平、血管边界和总体图像质量的主观评分均优于对照组(P<0.01),而两组管腔对比度评分的差异无统计学意义(P=0.075).结论 对于大体重患者,80 kVp联合深度学习算法显著提高了冠状动脉CTA图像质量,并降低了辐射剂量和对比剂量.