このコンテンツを表示するには、JoVEへの購読が必要です。 または、無料トライアルをお申し込みください。

研究記事

食道異物検出のための超低線量CTと標準線量CTの前向き比較

65 回視聴

⸱

DOI:

10.3791/69349

⸱

2026年8月7日

 ,  ,  ,  ,  ,  ,  ,  , 
1Department of Radiology and Nuclear Medicine, The First Hospital of Hebei Medical University

* These authors contributed equally

この記事について

サマリー

このランダム化試験は、超低線量コンピュータ断層撮影(CT)による深層学習再構築が、食道異物検出において標準線量CTと劣らず診断精度を達成し、放射線量を63%減少させることを示しました。

要約

本研究の目的は、食道異物(EFB)検出において超低線量コンピュータ断層撮影(ULD-CT)と標準線量CT(SD-CT)の非劣等性を確認し、線量と品質のトレードオフを定量化することでした。この前向き・無作為化・盲検リーダー研究は、EFB摂取の疑いがある患者180名(成人120名、小児60名)を対象に登録しました。患者はULD-CT(100 kV/50 mA、適応的統計的反復再構築-V 80% + 深層学習画像再構築)またはSD-CT(120 kV/200 mA、フィルタリング後方投影+適応的統計的反復再構築-V 30%)群に無作為に割り当てられました。すべての患者はCT画像検査から12時間以内に内視鏡または外科的基準評価を受け、陰性結果の場合は30日間のフォローアップが行われました。主要評価項目は曲線下面積(AUC)でした。副次的評価項目には画像品質指標、放射線量、偶発的所見が含まれていました。

両プロトコルとも優れた診断性能を達成し、ULD-CTで感度/特異度は97.8%/100%、SD-CTでは98.9%/100%でした。ULD-CTのAUCは0.985、SD-CTは0.991(非劣等性マージンの差)<でした。ULD-CTでは有効用量が63%減少しました(P < 0.001)。信号対雑音比は37%低下しました(P < 0.001)が、診断の受容性(スコア≥3)は94.4%、97.8%(P = 0.070)で維持されました。偶発的所見は54名(30.0%)で特定され、そのうち19名(10.6%)は実行可能な所見、6名は緊急評価が必要な高重要性所見でした。

超低線量CTは、EFB検出においてSD-CTと比較して劣等な診断精度を示しつつ、放射線被曝を60%以上削減します。これらの発見は、多施設での検証待ちのEFBに対する第一選択モダリティとしてULD-CTの可能性を示しています。

概要

異物の誤嚥は世界中で一般的な緊急症状であり、食道異物(EFB)は臨床的に重要なサブセットであり、緊急の画像診断や内視鏡的介入が必要になることが多い1,2,3。最近の放射線科レビューでは、CTは特にX線写真が陰性の場合、被物が放射線透膜の場合、穿孔などの合併症が疑われている場合に価値があると強調されています1,2。知的障害やコミュニケーション障害を持つ人を含む特別な患者集団は、遅れて現れたり、非定型症状で現れたり、非食物、鋭利な刃物、または複数の物体を摂取したりする可能性があり、さらなる診断および管理上の課題を生じさせる4.中国の最近の病院ベースの研究では、成人および高齢患者におけるEFBの発症原因として鋭い異物や食物の欠如が依然として一般的な原因であることが示されていますが、全国的な発生率データはまだ5.6に欠けています。

正確なEFB検出の臨床的重要性にもかかわらず、最適な画像診断戦略に関しては依然として大きな知識の空白があります。現在のプロトコルでは、異物の顕着性に最適化された適応症特異的パラメータではなく、一般胸部画像診断用に開発された標準放射線量が一般的に用いられています。一方、線量削減の指針は診断課題に合わせた曝露を重視しています7。さらに、反復再構築や深層学習再構築は他のCT応用で著しい放射線削減を可能にしましたが、EFB検出への影響は前向きランダム化試験で体系的に評価されていません。

従来のEFBの疑いに対する画像診断は、単純X線撮影に続き、その後選択的造影食道造影や放射透度物体に対する内視鏡検査に依拠してきました。しかし、放射不透過性と放射透光異物の両方に対して優れた感度を持つことから、コンピュータ断層撮影(CT)がますます好まれる手法として注目されています。研究により、CT感度は100%に近づくことが示されており、特に魚骨やその他の低密度材料では、単なるX線写真では70%〜80%です。CTの横断的性質は、穿孔、膿瘍形成、血管の近接性などの合併症に関する重要な情報も提供し、患者管理に影響を与える可能性があります12,13。

CTの普及により、特に小児集団における累積放射線被曝への懸念が高まっており、医療画像による生涯にわたるがんリスクが最も高い14,15。従来のCTプロトコルは胸部検査に8〜12 mSvの有効線量を提供し、これにより「合理的に達成可能な範囲で低く」という原則と現代のCT線量管理推奨に沿った線量削減戦略の開発が促されました7,16。

近年の技術革新により、診断の質を維持しつつ劇的な用量削減が可能になりました。適応的統計的反復再構成などの反復再構成アルゴリズムは、フィルタリングされた後方投影と比べて画像ノイズを低減し、より低い放射線線量を可能にします17。最新世代の深層学習画像再構築(DLIR)アルゴリズムは、高品質なデータセットで訓練された畳み込みニューラルネットワークを活用し、信号とノイズを区別し、従来の反復手法よりも優れたノイズ低減を実現しています8,18。研究により、DLIRは標準プロトコルで用いられる放射線量よりも大幅に低い放射線量でも診断画像品質を維持できることが示されています。

超低線量CT(ULD-CT)プロトコルの約束にもかかわらず、EFB検出に特化した応用は前向きランダム化試験でまだ探求されていません。これまでの低線量胸部CTの研究は、異物評価の独自の診断要件ではなく、肺結節の検出や一般的な胸部病理に焦点を当ててきました。さらに、臨床的に関連性の高い偶発的所見の検出に対する線量削減の影響(CT画像の付加価値の可能性)は、この文脈で体系的に評価されていません。

本研究は、EFB検出のためのULD-CTと標準線量CT(SD-CT)の前向き比較を行うことで、これらの知識ギャップを埋めることを目指しました。我々は、(1) ULD-CTが診断精度においてSD-CTに対して劣等性を示さないことを示す(非劣等性マー δ=5%)、(2) 許容可能な画質を維持しつつ放射線量を大幅に減少させること;(3) CTの広い視野の利点により、臨床的に関連した偶発的な所見を検出し、提示された訴えを超えた患者管理に影響を与える可能性があります。

アクセスが制限されています。このコンテンツを表示するにはログインするか、トライアルを開始してください。

プロトコル

この前向き・無作為化・盲検リーダー研究は、2024年1月から2025年6月にかけて、三次医療センター(河北医科大学第一病院)で実施されました。本研究はヘルシンキ宣言に従い実施され、河北医科大学第一病院倫理委員会(承認番号:[2025]YS-062)により承認され、すべての患者またはその法定後見人は登録前に書面によるインフォームドコンセントを提供しました。未成年者については年齢と能力に応じてインフォームド・コンセントが取得され、8歳未満の参加者は法定後見人から書面によるインフォームド・コンセントを取得し、理解可能な場合は子どもに追加の同意を求めました。8歳から17歳の参加者は、未成年者とその法定後見人双方から書面によるインフォームドコンセントを取得し、年齢に応じた情報開示が行われました。16歳から17歳の参加者で、自身の労働収入を通じて経済的自立を示した者は、完全な市民能力を持ち、独立した同意を提供できるとみなされました。この研究は英国臨床試験登録局に登録されており、登録番号はISRCTN13588740です。

研究デザイン
患者のランダム化は、異なるサイズ(4、6、8)の置換されたブロックを年齢別に階層化したコンピュータ生成シーケンス(小児<18歳と成人≥18歳)を用いて実施されました。割り当て隠蔽は、CTスキャン直前に開封された不透明な封筒によって維持されていました。すべての画像解釈者、内視鏡医、外科医はCTプロトコルの割り当てを盲検にされていました。

研究対象
参加基準
対象となる参加者は、3歳から80歳までの患者で、救急外来に受診し、機関のプロトコルに基づいてCT評価を依頼された患者(主に通常の放射線撮影で見えない疑い、合併症の臨床的疑い、介入前の正確な位置特定の必要性)、(2) 嚥下障害、嚥下障害、胸痛、多よだれを含む食道閉塞を示唆する症状;および(3)CT画像撮影後12時間以内に計画された内視鏡的または外科的評価。6時間のウィンドウは、患者が急性発現を示しつつ、画像診断や内視鏡的評価に十分な時間を確保するために選ばれましたが、これにより魚骨など特定の異物に見られる遅延発現への一般化が制限される可能性があります。

除外基準
患者は以下の場合に除外されました。(1) 即時介入が必要な重度の心肺不安定性;(2) 妊娠または妊娠検査で陽性であること;(3) 造影剤アレルギー(臨床的適応がある場合の強化スキャンの確認);(4) 過去の食道手術または既知の食道狭窄;(5) 金属インプラントによる食道評価領域の>30%に影響を及ぼす重大なアーチファクト;および(6) 体格指数(BMI)>40 kg/m² (超低用量での画像品質劣化の可能性によるもの)を挙げています。

コンピュータ断層撮影スキャンプロトコル
すべての検査は、深層学習再構築機能を備えた256スライスマルチ検出器CTスキャナーで実施されました。患者は可能な限り仰向けで腕を頭の上に上げて姿勢を取った。異物の隠蔽や内視鏡検査の遅延を避けるため、経口造影剤は投与されませんでした。

SD-CTプロトコルは、当院での通常の胸部CTプロトコルに準拠したパラメータを使用していました。チューブ電圧120 kV、基準管電流200 mA(自動チューブ電流変調(ATCM)機能付き、回転時間0.5秒、ピッチ0.992、コリメーション0.625mmです。画像はフィルタリング後方投影と30%の適応的統計的反復再構築ブレンディングを用いて再構築され、参加施設の現在の臨床標準を示しました。120 kVの理由は、一般的な診断目的に最適化された標準的な胸部画像診断プロトコルに基づいていました。

ULD-CTプロトコルは積極的な線量削減戦略を採用しており、真空管電圧100 kV、基準管電流50 mA(ATCM範囲10〜80 mA)、およびSDプロトコルと同一の回転時間とピッチを採用しました。100 kV/50 mAのパラメータは、これらの設定で高度な再構築と組み合わせた場合に異物の目立ちが維持されることを示す予備的なファントム研究に基づいて選定されました。生データは80%適応的統計的反復再構築ブレンディングを用いて再構築し、その後中強度のDLIRを用いました。この二重再構成アプローチは、解剖学的な詳細を保持しつつ、単独の攻撃的な反復再構築に伴う時に見られるプラスチックな外観を回避しつつノイズ低減を最大化しました。

両プロトコルとも、画像は0.625 mmのスライス厚さで再構成され、重なりは0.5 mmで多面再形成が可能となりました。スキャン範囲は下部頸部(C3レベル)から胃食道接合部まで及び、女性患者では乳房組織の含有を最小限に抑えるよう慎重に位置を調整しました。臓器ベースの管電流変調や適応的コリメーションなどの線量削減機能がすべてのスキャンで有効化されました。

データ収集と変数
患者の特徴
収集された人口統計学的および臨床データには、年齢、性別、BMI、症状の進行、摂取から画像撮影までの時間、病歴で報告された異物の種類、関連する併存疾患(糖尿病、慢性閉塞性肺疾患、既往胸部悪性腫瘍)、および6か月以内の過去CT検査が含まれます。

異物の特徴
確定されたEFB症例では、以下の点が記録されました:(1) 材料組成(骨、金属、食品ボーラス、プラスチック、その他);(2) CT上で測定された最大寸法;(3) 標準化された5 mm2 の関心領域を用いて測定したハウンズフィールド単位(HU)の減衰;(4) 確立されたランドマーク(頸椎C3–C7、上胸部T1–T4、中胸T5–T8、下胸部T9–T12)を用いた解剖学的位置;(5)穿孔、縦隔気胸、膿瘍形成などの合併症の存在。

画像品質評価
客観的な画像品質指標は、プロトコル割り当てを盲検された医療物理学者によって測定されました。信号対雑音比(SNR)は、下行大動脈の平均減衰を皮下脂肪の標準偏差で割ったものとして計算されました。コントラスト・トゥ・ノイズ比は、大動脈血と脊髄傍筋の減衰差を画像ノイズで割ったものとして計算されました。診断課題により適合させるため、傍食道脂肪で追加の測定が行われました。測定は、大動脈弓、頭頂、中食道の3つの標準化された位置で軸方向画像を用いて行われ、関心のある円形領域(150 mm2)は解剖学的ランドマークを用いて一貫して配置されました。

主観的な画像品質は、8年と12年の経験を持つ2名の胸部放射線科医によって独立して評価されました。画像は診断ワークステーションで標準化された軟部組織および肺ウィンドウ設定(ウィンドウ幅:350 HU、軟組織用ウィンドウレベル:40 HU、肺評価用ウィンドウ幅:1,500 HU、ウィンドウレベル:-600 HU)を用いて確認し、通常の胸部CT解釈およびアーティファクト認識原則に適合しました24。読者は5点リッカート尺度で以下のパラメータを採点しました:(1) 縦隔構造の縁の定義;(2) イメージノイズ;(3) 異物検出の診断信頼;および(4) 全体的な診断の質。スコア≥3は診断的に許容範囲とされました。読者間の不一致はコンセンサスレビューによって解決され、分析にはコンセンサススコアが用いられました。読者間合意度は加重カッパ統計を用いて評価されました。

放射線量指標
各検査ごとにスキャナー報告の体積CT線量指数(CTDIvol)および線量長積が記録されました。有効線量(ED)は、年齢および性別特異的換算係数(成人はk = 0.014 mSv·mGy⁻1·cm⁻1 、小児患者は年齢調整系数)を用いて計算され、国際放射線防護委員会出版物103の勧告25に基づき算出されました。患者胸部中央レベルで測定された前後および外側の寸法を用いて、サイズ特異的な線量推定を行いました。

基準
異物の存在と位置に関する基準は、CTプロトコルの割り当てやCT結果に関係なく、CT画像検査から12時間以内に実施された内視鏡による可視化または外科的所見によって確立されました。内視鏡検査報告書は2名の消化器内科医によって確認され、異物の特徴と解剖学的位置が標準化されたランドマークを用いて確認されました。内視鏡や手術で異物が特定されなかった場合、30日後の臨床フォローアップでカルテレビューと電話連絡により、見逃した異物の存在が確認され、再診、合併症の遅延、再検査や内視鏡検査の必要性について具体的な問い合わせが行われました。差分検証バイアスを最小限に抑えるために、統一された参照標準の適用が用いられました。

偶発的な発見
すべてのCT検査は、画像診断の適応症と無関係な偶発的所見がないか、質評価を行った同じ2人の放射線科医によって体系的にレビューされました。所見は解剖学的部位(肺、縦隔、心血管、上腹部、骨、その他)および臨床的意義に基づいて分類されました。臨床的有意性は以下の通りに分類されました:(1) 低—追跡不要の所見(例:単純肝嚢胞、変性脊椎変化);(2) 中等度—フォローアップ画像検査が必要な可能性のある所見(例:甲状腺結節>1cm、不確定な副腎結節);(3) 高い所見—緊急の評価や介入が必要な所見(例:疑わしい肺結節、5cmの大動脈瘤、疑わしい乳房腫瘤>)。偶発的発見の年齢および性別分布を記録し、すべての実行可能な結果に対する下流の管理経路も記録しました。

統計解析
サンプルサイズの計算
サンプルサイズは診断精度の主要評価項目(曲線下面積、AUC)。文献に基づく標準線量AUCが0.97、期待されるULD-CT AUCが0.95と仮定すると、AUC損失が0.05を超えると臨床的に画像トリアージの変更に十分意味があるため、5パーセントポイントの非劣等性マージンが事前に選択されました。一方、放射線量の大幅な減少や内視鏡的または外科的確認の必要性を比較した場合、より小さい減少は許容範囲とみなされました。片側アルファ0.025、80%の検密力、独立した患者群、ROCベースのサンプルサイズ仮定を用いて診断精度研究に26,166名の患者が必要でした。8%の中途脱落率または技術的失敗を考慮し、目標登録患者数は180名でした。

一次分析
一次解析では、ULD-CTとSD-CT間の受信機動作特性(ROC)曲線下面積を異物検出のために比較しました。非劣性と宣言されたのは、AUC差の95%信頼区間(CI)の下限(ULD-CTからSD-CTを引く)が-0.05を超えた場合であり、診断変数として放射線科医の信頼度スコア(1–5スケール)を用いてROC曲線を構築しました。独立した患者群を用いた並行アーム設計であったため、統計的検査には独立したROC曲線比較のためのDeLong法が用いられました。両リーダーが評価を行った際にリーダースコアを平均化し、この平均をROC解析の診断変数として用いました。感度および特異度分母は、それぞれプロトコル群の無作為化参加者数ではなく、参照標準陽性および陰性診断判断単位を表します。

二次分析
平行アームランダム化設計のもと、すべての比較分析は独立標本法を用いています。連続変数(線量指標、画像品質スコア)を、独立標本t検定またはMann-Whitney U検定を用いて、Shapiro-Wilk検定による分布正規性に基づくプロトコル間で比較しました。カテゴリ変数はカイ二乗検定または非ペア割合のフィッシャー厳密検定を用いて比較されました。感度、特異度、精度は独立したサンプルに対してWald CIおよびカイ二乗検定を用いて比較されました。各プロトコルアーム内で二次重みを持つ重み付きカッパ統計を用いて、読者間一致度を評価しました。

サブグループ分析では、(1)年齢別(小児対成人)、(2) 異物密度(高>100 vs. 低≤100 HU);(3) BMIカテゴリー(<25、25–30、>30 kg/m2);(4) 解剖学的部位(頸部食道と胸部食道)。相互作用項はロジスティック回帰モデルを用いて正式に検証されました。

多変数ロジスティック回帰により、異物の見逃しや不確定な予測因子が特定され、候補変数として異物の大きさ、密度、解剖学的位置、患者BMI、画像ノイズ(SNR)、再構築アルゴリズムなどが含まれていました。プロトコル×密度およびプロトコル×BMIの相互作用用語を事前仮説に基づけて含めました。モデル選択では、保持閾値をP<0.10の後方排除法が用いられました。

偶発的所見については、患者が異なるプロトコルに無作為化され、両方のスキャンを受けなかったため、プロトコル間の感度および一致度の計算は適切ではなく、分析から除外されました。代わりに、カイ二乗検定を用いてプロトコル間の偶発的所見の有病率と分布を比較しました。

造影検査(SD-CT群23名、ULD-CT群21名で血管または縦隔評価の臨床適応に基づき実施)を別々に分析し、診断信頼度および偶発的所見検出への影響を評価しました。

すべての解析は意図治療原則に従って行われました。欠損データ(全体<2%)は、10の補完データセットを用いた多重補完を用いて処理されました。統計解析はRバージョン4.3.2およびMedCalcバージョン20.0を用いて実施されました。両側P値<0.05は、一次非劣位性分析を除き統計的に有意とみなされました。

アクセスが制限されています。このコンテンツを表示するにはログインするか、トライアルを開始してください。

結果

患者人口統計とスキャンパラメータ
2024年1月から2025年6月の間に、198名の患者が適格性を評価されました(補足図1)。18名の患者は除外されました(8名は即時の手術適応、6名はBMI> 40 kg/m 2、4名は同意拒否)、残りの180名はSD-CTおよびULD-CTプロトコルに均等に無作為化されました。すべての患者は割り当てられたCTプロトコルおよび基準評価を完了しました。 表1は ベースラインの人口統計とスキャンパラメータをまとめたものです。両グループは年齢、性別、BMI、異物タイプに有意な差はなく、バランスが良かったです。ULDプロトコルはEDを63%減少させました(1.88 mSv 対 5.09 mSv、P < 0.001)。造影CTは臨床適応(穿孔または血管合併症の疑い)に基づき44名(24.4%)に実施されました。SD-CT群は23名(25.6%)、ULD-CT群は21名(23.3%)(P = 0...

アクセスが制限されています。このコンテンツを表示するにはログインするか、トライアルを開始してください。

ディスカッション

この前向きランダム化試験は、DLIRを用いたULD-CTがEFB検出においてSD-CTと劣らず診断精度を達成し、放射線被曝を63%削減できることを示しています。臨床的に有意な偶発的所見の継続的な検出は、線量減少がこの重要な二次的利益を損なう必要はないことを示唆し、成人および小児集団における疑いEFBに対するULD-CTの主要な画像診断戦略としての可能性を支持しています。診断精度を維持しつつ劇的な用量削減の成功は、いくつかの相乗効果によるものです。第一に、ほとんどの異物と周囲の軟組織との高いコントラストが、増加した画像ノイズを許容する好ましい信号対雑音環境を提供します10,28。フィッシュボーン(通常80〜150 HU)などの低密度物質でも、食道軟部組織(40〜60 HU)に対して十分なコントラストを維持し、信頼性の高い検出が可能です29。第二に、反復再構築およびDLIR再構築に関する現在の証拠は、診断課題が...

アクセスが制限されています。このコンテンツを表示するにはログインするか、トライアルを開始してください。

開示事項

著者のいずれにも、個人的、金銭的、商業的、学術的な利益相反はありません。

謝辞

この研究は河北省医学科学研究重点プロジェクト(No. 20180252)からの資金提供を受けて実施されました。

アクセスが制限されています。このコンテンツを表示するにはログインするか、トライアルを開始してください。

材料

```html
この記事で使用された材料の一覧
名前会社カタログ番号コメント
Advantage Workstation (AW) 4.7GE Healthcarehttps://www.gehealthcare.com/en-us/products/imaging-applications/advanced-visualization-applications/advantage-workstationイメージングワークステーション
ASiR-V (Adaptive Statistical Iterative Reconstruction-V)GE HealthcareN/A適応統計的反復再構成
AW Server 3.2 Ext 4.0GE Healthcarehttps://www.gehealthcare.com/en-us/products/advanced-visualization-platforms/aw-serverCTシステムソフトウェア
Centricity Universal Viewer 6.0GE Healthcarehttps://www.gehealthcare.com/en-us/products/software/enterprise-imaging/centricity-universal-viewerPACSビューア
MedCalc version 20.0 (MedCalc Software; RRID:SCR_015044)MedCalc SoftwareVersion 20.0医療統計
Organ Dose ModulationGE HealthcareN/A臓器ベースの管電流変調
pROC package for RCRANリポジトリVersion 1.18.4ROCカーブ解析
R version 4.3.2 (R Foundation for Statistical Computing)R FoundationRRID:SCR_001905統計計算
Revolution CT (256-slice)GE Healthcarehttps://www.gehealthcare.com/en-us/products/computed-tomography/revolutionCTスキャナー
Smart mAGE HealthcareN/A自動管電流変調
Standard kernel (soft tissue)GE HealthcareN/A再構成カーネル
TrueFidelity DLIR (Deep Learning Image Reconstruction), Medium strengthGE Healthcarehttps://www.gehealthcare.com/en-us/products/computed-tomography/applications/true-fidelityディープラーニング画像再構成
```

参考文献

  1. Lee SM, Baek SE, Lee CW, Kim YC, Kim MJ. Foreign body ingestion: Radiologic evaluation, findings, and management. Korean J Radiol. 2025;26(7):638-649.
  2. Klein A, Ovnat-Tamir S, Marom T, Gluck O, Rabinovics N, Shemesh S. Fish bone foreign body: The role of imaging. Int Arch Otorhinolaryngol. 2019;23(1):110-115.
  3. Rodriguez H, et al. Management of foreign bodies in the airway and oesophagus. Int J Pediatr Otorhinolaryngol. 2012;76(Suppl 1):S84-91.
  4. Topaloglu O, et al. Diagnosis, treatment, and management of esophageal foreign bodies in patients with mental retardation: A retrospective study from three centers. Turk Gogus Kalp Dama. 2024;32(2):179-184.
  5. Xu J, Chen B, Liu Y. Clinical outcomes of sharp esophageal foreign bodies in elderly patients: A retrospective study from Wuhan, China. Front Med. 2025;12:1653609.
  6. Liu B, Kuang S, Cao M, Li X. Esophageal foreign bodies: A retrospective analysis of 275 cases. J Thorac Dis. 2025;17(6):4136-4144.
  7. McCollough CH, Bruesewitz MR, Kofler JM Jr. CT dose reduction and dose management tools: Overview of available options. Radiographics. 2006;26(2):503-512.
  8. Greffier J, et al. Image quality and dose reduction opportunity of deep learning image reconstruction algorithm for CT: A phantom study. Eur Radiol. 2020;30(7):3951-3959.
  9. Das D, May G. Best evidence topic report. Is CT effective in cases of upper oesophageal fish bone ingestion? Emerg Med J. 2007;24(1):48-49.
  10. Braverman I, Gomori JM, Polv O, Saah D. The role of CT imaging in the evaluation of cervical esophageal foreign bodies. J Otolaryngol. 1993;22(4):311-314.
  11. Eliashar R, Dano I, Dangoor E, Scialom S, Regev E, Sichel JY. Computed tomography diagnosis of esophageal bone impaction: A prospective study. Ann Otol Rhinol Laryngol. 1999;108(7 Pt 1):708-710.
  12. Marco De Lucas E, et al. Value of helical computed tomography in the management of upper esophageal foreign bodies. Acta Radiol. 2004;45(4):369-374.
  13. Liu YC, Zhou SH, Ling L, Lv H, Lu HS, Guan RF. Value of helical computed tomography in the early diagnosis of esophageal foreign bodies in adults. Am J Emerg Med. 2013;31(9):1328-1332.
  14. Brenner DJ, Hall EJ. Computed tomography—An increasing source of radiation exposure. N Engl J Med. 2007;357(22):2277-2284.
  15. Strauss KJ, Kaste SC. The ALARA (as low as reasonably achievable) concept in pediatric CT intelligent dose reduction. Multidisciplinary conference organized by the Society of Pediatric Radiology. August 18-19, 2001. Pediatr Radiol. 2002;32(4):217-313.
  16. Strauss KJ, et al. Image gently: Ten steps you can take to optimize image quality and lower CT dose for pediatric patients. AJR Am J Roentgenol. 2010;194(4):868-873.
  17. Singh S, et al. Abdominal CT: Comparison of adaptive statistical iterative and filtered back projection reconstruction techniques. Radiology. 2010;257(2):373-383.
  18. Akagi M, et al. Deep learning reconstruction improves image quality of abdominal ultra-high-resolution CT. Eur Radiol. 2019;29(11):6163-6171.
  19. Kim JH, Yoon HJ, Lee E, Kim I, Cha YK, Bak SH. Validation of deep-learning image reconstruction for low-dose chest computed tomography scan: Emphasis on image quality and noise. Korean J Radiol. 2021;22(1):131-138.
  20. Nakamura Y, et al. Deep learning-based CT image reconstruction: Initial evaluation targeting hypovascular hepatic metastases. Radiol Artif Intell. 2019;1(6):e180011.
  21. Jiang B, et al. Deep learning reconstruction shows better lung nodule detection for ultra-low-dose chest CT. Radiology. 2022;303(1):202-212.
  22. Park C, Choo KS, Jung Y, Jeong HS, Hwang JY, Yun MS. CT iterative vs deep learning reconstruction: Comparison of noise and sharpness. Eur Radiol. 2021;31(5):3156-3164.
  23. O'Sullivan JW, Muntinga T, Grigg S, Ioannidis JPA. Prevalence and outcomes of incidental imaging findings: Umbrella review. BMJ. 2018;361:k2387.
  24. Barrett JF, Keat N. Artifacts in CT: Recognition and avoidance. Radiographics. 2004;24(6):1679-1691.
  25. The 2007 recommendations of the International Commission on Radiological Protection. ICRP Publication 103. Ann ICRP. 2007;37(2-4):1-332.
  26. Obuchowski NA, McClish DK. Sample size determination for diagnostic accuracy studies involving binormal ROC curve indices. Stat Med. 1997;16(13):1529-1542.
  27. DeLong ER, DeLong DM, Clarke-Pearson DL. Comparing the areas under two or more correlated receiver operating characteristic curves: A nonparametric approach. Biometrics. 1988;44(3):837-845.
  28. Venkatesh SH, Venkatanarasimha Karaddi NK. CT findings of accidental fish bone ingestion and its complications. Diagn Interv Radiol. 2016;22(2):156-160.
  29. Takada M, Kashiwagi R, Sakane M, Tabata F, Kuroda Y. 3D-CT diagnosis for ingested foreign bodies. Am J Emerg Med. 2000;18(2):192-193.
  30. Hsieh J, Liu E, Nett B, Tang J, Thibault JB, Sahney S. A new era of image reconstruction: TrueFidelity™. Technical white paper. GE Healthcare; 2019: https://www.gehealthcare.com/-/jssmedia/gehc/us/files/products/computed-tomography/revolution-family/revolution-apex/truefidelity-white-paper-jb68676xx-doc2287426_13nov2023.pdf?rev=43dd9d519d2546d28dcee020ff160edb.
  31. Noda Y, et al. Deep learning image reconstruction for pancreatic low-dose computed tomography: Comparison with hybrid iterative reconstruction. Abdom Radiol (NY). 2021;46(9):4238-4244.
  32. Yu L, Li H, Fletcher JG, McCollough CH. Automatic selection of tube potential for radiation dose reduction in CT: A general strategy. Med Phys. 2010;37(1):234-243.
  33. National Research Council. Health risks from exposure to low levels of ionizing radiation: BEIR VII Phase 2. National Academies Press; Washington, DC; 2006.
  34. Shishido T, Suzuki J, Ikeda R, Kobayashi Y, Katori Y. Characteristics of fishbone foreign bodies in the upper aero-digestive tract: The importance of identifying the species of fish. PLoS One. 2021;16(8):e0255947.
  35. Corbisiero MF, Wershoven N, Clary M, Cervenka B. Traumatic vocal fold paralysis from fishbone foreign body: Diagnosis and management. Laryngoscope. 2024;134(12):5062-5065.
  36. Jacobs PC, Mali WP, Grobbee DE, van der Graaf Y. Prevalence of incidental findings in computed tomographic screening of the chest: A systematic review. J Comput Assist Tomogr. 2008;32(2):214-221.
  37. MacMahon H, et al. Guidelines for management of incidental pulmonary nodules detected on CT images: From the Fleischner Society 2017. Radiology. 2017;284(1):228-243.
  38. Berrington de Gonzalez A, et al. Projected cancer risks from computed tomographic scans performed in the United States in 2007. Arch Intern Med. 2009;169(22):2071-2077.
  39. Pickhardt PJ, et al. Unsuspected extracolonic findings at screening CT colonography: Clinical and economic impact. Radiology. 2008;249(1):151-159.
  40. Zacharias C, et al. Pediatric CT: Strategies to lower radiation dose. AJR Am J Roentgenol. 2013;200(5):950-956.
  41. Sammer MBK, et al. Chest CT for the diagnosis of pediatric esophageal foreign bodies. Curr Probl Diagn Radiol. 2021;50(5):566-570.

アクセスが制限されています。このコンテンツを表示するにはログインするか、トライアルを開始してください。

再版と許可

タグ

234234
お問い合わせ
図書館に推薦する

プライバシー

利用規約

ポリシー

著作権 © 2026 MyJoVE Corporation. 無断転載を禁じます。