孫記航，王帆寧,段曉岷，劉 勇，劉志敏，宋 蕾，彭 蕓

(首都醫(yī)科大學附屬北京兒童醫(yī)院影像中心，北京 100045)

自適應(yīng)迭代重建技術(shù)結(jié)合高分辨算法提高兒童低劑量胸部CT肺臟病變顯示的能力

孫記航，王帆寧,段曉岷，劉 勇，劉志敏，宋 蕾，彭 蕓*

(首都醫(yī)科大學附屬北京兒童醫(yī)院影像中心，北京 100045)

目的 探討自適應(yīng)迭代重建技術(shù)(ASIR)結(jié)合高分辨算法對兒童低劑量胸部CT肺部結(jié)構(gòu)顯示的影響。方法 回顧性分析接受低劑量胸部CT檢查且存在肺內(nèi)病變的患兒42例，0～12個月預設(shè)噪聲指數(shù)12，>1～2歲預設(shè)噪聲指數(shù)15，3～6歲預設(shè)噪聲指數(shù)17，≥7歲預設(shè)噪聲指數(shù)20。將所有圖像應(yīng)用Soft、Standard、Lung、Chest分辨率模式重建為層厚0.625 mm的圖像。以10%為步漲值，重建ASIR權(quán)重為0%～100%的11組圖像。由2名醫(yī)師分別用5分制評分法主觀評價肺窗圖像質(zhì)量，包括圖像主觀噪聲、正常肺結(jié)構(gòu)及病變的顯示能力，5分為最佳。統(tǒng)計學分析比較最佳的后處理算法，以及與之匹配的最佳ASIR權(quán)重。結(jié)果 Lung模式為觀察肺部病變最佳的高分辨算法，ASIR 60%權(quán)重重建圖像主觀評分最佳。結(jié)論 采用ASIR 60%權(quán)重結(jié)合Lung高分辨算法可更好地顯示兒童低劑量胸部CT的肺部結(jié)構(gòu)。

體層攝影術(shù)，X線計算機；自適應(yīng)迭代技術(shù)；兒童；胸部

CT是臨床常用的檢查方法，適用于檢出胸部病變，但由于放射線會對人體，特別是兒童造成損傷，故放射醫(yī)師對圖像的要求從單純的顯示病變過渡到應(yīng)用盡可能少的輻射劑量而達到滿足診斷的目的[1]。自適應(yīng)迭代重建技術(shù)(adaptive statistical iterative reconstruction， ASIR)以其顯著降低輻射劑量的能力而迅速得到普及[2-5]，但其有明顯的邊緣模糊效應(yīng)[6]，故需與傳統(tǒng)濾過反向投影(filtered back projection, FBP)結(jié)合達到最佳的圖像效果。既往研究[6-7]表明，兒童胸部CT檢查時采用ASIR權(quán)重30%～70%的低劑量圖像可以在降低輻射劑量的同時達到滿足診斷的要求。但主要針對常規(guī)分辨率算法，未針對高分辨率算法，而兒童肺部病變經(jīng)常需要高分辨掃描及重建算法來滿足顯示細小結(jié)構(gòu)的要求。目前，關(guān)于高分辨率算法結(jié)合迭代重建算法(iterative reconstruction， IR)對圖像質(zhì)量影響的研究鮮見。本研究對接受胸部低劑量掃描的患兒，采用較為常用的Soft、Standard、Lung、Chest進行后處理，比較其與不同權(quán)重的ASIR結(jié)合后圖像質(zhì)量的差異。

1 資料與方法

1.1一般資料 連續(xù)選取2012年2月—5月于院接受兒童低劑量胸部CT檢查且存在肺內(nèi)病變的患兒42例，其中男32例，女20例，年齡2個月～11歲，中位年齡4.5歲。

1.2儀器與方法 采用GE Discovery 750 HDCT機，電壓120 kV，轉(zhuǎn)速0.8 s/rot，螺距1.375∶1，電流采用自動管電流調(diào)節(jié)(automatic tube current modulation， ATCM)技術(shù)，設(shè)置噪聲指數(shù)(noise index， NI)后自動選取，0～12個月嬰兒NI值設(shè)置為12，>1～2歲幼兒設(shè)置為15，3～6歲學齡前兒童設(shè)置為17，≥7歲兒童設(shè)置為20。將采集的CT原始數(shù)據(jù)重建為0.625 mm圖像，并根據(jù)分辨率模式重建為Soft、Standard、Lung、Chest算法的4組圖像，4種分辨率圖像分別重建為0、10%、20%、30%、40%、50%、60%、70%、80%、90%、100% ASIR的11個亞組圖像，將所有亞組圖像傳至GE AW4.5工作站，比較不同分辨率模式與不同ASIR權(quán)重結(jié)合后圖像質(zhì)量的主觀評價。

由2名兒科影像學醫(yī)師(分別具有11年及9年工作經(jīng)驗)根據(jù)肺窗圖像進行圖像質(zhì)量的主觀評分。評分過程中掩蓋掃描參數(shù)以及患兒信息，為便于比較，所有亞組圖像隨機給出，使用固定窗位-500 HU，窗寬1 500 HU觀察。評價分為圖像主觀噪聲評價及肺臟結(jié)構(gòu)評價，分別采用5分制評分，5分為最好，≥3分認為可以滿足臨床診斷要求。圖像主觀噪聲的評價標準：圖像噪聲過多難以做出為1分；噪聲過多，對診斷信心不足為2分；圖像噪聲稍多，但可以接受，不影響做出診斷為3分；圖像噪聲較少，不會對診斷造成影響為4分；圖像噪聲很少，對診斷無影響為5分。肺臟結(jié)構(gòu)的評價主要基于圖像對解剖結(jié)構(gòu)(肺野、肺紋理、葉間胸膜、支氣管壁)及病變的顯示情況，還包括圖像銳利清晰程度：1分為圖像對肺內(nèi)結(jié)構(gòu)顯示不完全，無法做出診斷；2分為圖像可以顯示肺臟結(jié)構(gòu)和病變的位置、范圍，但不能滿足診斷要求；3分為圖像可以滿足診斷要求；4分為圖像質(zhì)量較好，支氣管壁等細小結(jié)構(gòu)顯示清晰；5分為所有肺結(jié)構(gòu)顯示清晰，中外帶肺紋理及細小支氣管顯示良好，病變顯示清晰。由于本次研究針對于高分辨模式的肺窗圖像設(shè)計，故未包括縱隔結(jié)構(gòu)的評價。

2 結(jié)果

4種分辨率模式在不同ASIR權(quán)重下重建圖像噪聲主觀評分結(jié)果見圖1，Soft算法圖像噪聲最小，Standard與Lung次之，Chest圖像噪聲較高；4種分辨率模式重建圖像噪聲主觀評分隨ASIR權(quán)重增高均有上升趨勢，Standard與Lung差異均無統(tǒng)計學意義(Z=1.77，P=0.08)，Standard、Lung與Soft及Standard、Lung、soft與Chest后處理方法差異均有統(tǒng)計學意義(Z=3.97～14.73，P均<0.05)，見表1。

肺臟結(jié)構(gòu)評分見圖2，圖像質(zhì)量由好至差依次為Lung、Standard、Chest、Soft，總體差異有統(tǒng)計學意義(P<0.05)。ASIR權(quán)重為60%的Lung算法圖像評分最高，其次為 70%ASIR的Lung算法圖像。圖像質(zhì)量最好的Lung算法中，0 ASIR 、 10%ASIR、 20%ASIR三組圖像主觀評分兩兩比較差異無統(tǒng)計學意義(P均>0.05)； 60%ASIR、 70%ASIR、 80%ASIR 3組圖像主觀評分兩兩比較差異無統(tǒng)計學意義(P均>0.05)；其他權(quán)重圖像差異均有統(tǒng)計學意義 (P<0.05)，見表2。2名醫(yī)師圖像質(zhì)量主觀評分一致性較好(Kappa=0.67)。

3 討論

兒童處于生長發(fā)育期，細胞代謝旺盛，分裂速度快，對射線的敏感性是成人的10多倍，故減少兒童輻射損傷受備關(guān)注。改變掃描方案，引用ATCM技術(shù)等方法可以減少輻射損傷。研究[8-9]表明ASIR算法的應(yīng)用可在降低輻射劑量的同時獲得可滿足診斷的圖像質(zhì)量，目前已廣泛應(yīng)用于胸部。研究[6-7]顯示，兒童胸部CT應(yīng)用70% ASIR權(quán)重獲得較好的圖像質(zhì)量。但既往關(guān)于不同分辨算法結(jié)合ASIR權(quán)重方面的研究鮮見。如果應(yīng)用高分辨率算法與ASIR算法相結(jié)合，既可以提高空間分辨率，又可通過ASIR減低噪聲的能力進一步改善圖像質(zhì)量，但ASIR的邊緣模糊效應(yīng)可能會影響高分辨率算法的效果[10]。所以本研究旨在探討4種常用分辨率算法結(jié)合ASIR對圖像質(zhì)量的影響。由于ASIR降噪能力已得到充分驗證，并且高分辨算法對圖像顯示產(chǎn)生一定影響，通常會導致CT值的變化，故本研究未涉及客觀圖像質(zhì)量評價，僅評價圖像的主觀質(zhì)量。同時，本研究主要觀察肺臟結(jié)構(gòu)及病變的圖像質(zhì)量，且全部為平掃圖像，所以未設(shè)置對于縱隔顯示情況的評價體系。

表1 不同分辨率后處理方法所得圖像在不同ASIR權(quán)重下的主觀噪聲評分±s)

表2 不同分辨率后處理方法所得圖像在不同的ASIR權(quán)重下的肺臟結(jié)構(gòu)主觀評分±s)

圖1 不同分辨率模式后處理方法所得圖像在不同的ASIR權(quán)重下主觀噪聲評分的變化趨勢 圖2 不同分辨率模式后處理方法所得圖像在不同ASIR權(quán)重下主觀肺臟結(jié)構(gòu)主觀評分的變化趨勢

圖3 患兒男，2歲，以反復咳喘就診，掃描原始數(shù)據(jù)重建為0.625 mm圖像 A.Soft算法； B.Standard算法； C.Lung算法； D.Chest算法。 C、D圖像組織邊緣顯示最清晰，A圖像噪聲最低，但組織結(jié)構(gòu)邊緣較模糊，D圖像結(jié)構(gòu)邊緣最清晰，但圖像主觀噪聲明顯增高

圖4 患兒男，2歲，以反復咳喘5天就診，掃描原始數(shù)據(jù)重建為0.625 mm的Lung算法圖像 A～K.依次為0、10%、20%、30%、40%、50%、60%、70%、80%、90%、100%ASIR圖像，隨著ASIR權(quán)重提高，圖像噪聲逐漸減低，同時組織邊緣逐漸模糊，箭示兩肺紋理在 70% ASIR圖像時出現(xiàn)模糊改變，邊緣較0～60% ASIR權(quán)重圖像模糊欠清，銳利程度減弱，80%ASIR 及以上圖像模糊程度逐漸加重，100%時邊緣模糊不清，影響肺組織細節(jié)的觀察

不同的重建算法有各自的特點，Soft算法空間分辨率最低，同時圖像也最細膩，Standard、Lung、Chest算法空間分辨率依次升高，在圖像噪聲依次升高的同時，對細節(jié)的顯示能力逐漸提升，尤其對于對比度較高的組織，如肺臟及骨骼，可更好地顯示其邊緣、形態(tài)，Lung和Chest算法屬于高分辨算法(圖3)。本研究結(jié)果顯示，雖然Soft算法圖像最柔和，噪聲最低，但組織邊緣結(jié)構(gòu)較為模糊，Lung、Chest算法可清晰地顯示組織邊緣結(jié)構(gòu)，但Chest算法噪聲較高，綜合考慮Lung算法為顯示肺臟的最佳高分辨算法。

雖然圖像主觀噪聲隨著ASIR權(quán)重的升高持續(xù)改善。但在肺臟結(jié)構(gòu)的主觀評分方面，所有分辨率的重建算法均隨著ASIR權(quán)重增高而出現(xiàn)邊緣模糊加重的現(xiàn)象，本研究可接受的極限值出現(xiàn)在60%～70%(圖4)，之后隨著權(quán)重的繼續(xù)提高，雖然圖像噪聲改善，但過度的邊緣模糊效應(yīng)導致圖像細小結(jié)構(gòu)的失真，所以出現(xiàn)分值的下降。Standard與Lung算法評分比較接近，但是較低的空間分辨率和ASIR的邊緣模糊效應(yīng)，并不適宜顯示肺內(nèi)細小病變，尤其是空間分辨率最低的Soft算法疊加上邊緣模糊效應(yīng)后影響更嚴重。所以Lung算法結(jié)合60%的ASIR圖像可以獲得較高的空間分辨率，同時保證了圖像質(zhì)量，并降低了圖像噪聲。

本研究的局限性：①病例數(shù)較少，包括的病種不全面，尤其未包括彌漫肺間質(zhì)病變的病例，需繼續(xù)擴大病例數(shù)以觀察研究結(jié)果是否一致；②隨著生長發(fā)育兒童肺臟的含氣量不斷變化，肺野透光度及肺臟病變的顯示也會變化，雖然本研究已經(jīng)針對不同年齡采用了不同的NI值，但受限于樣本量，并未討論組間的變化特點，今后需進一步明確；③Lung高分辨算法及ASIR技術(shù)為GE設(shè)備獨有，未對其他廠家的技術(shù)進行研究及對比；④迭代重建算法已經(jīng)改進，基于模型的迭代重建算法等更高級的技術(shù)已經(jīng)開始應(yīng)用[11-13]，這些迭代重建算法結(jié)合高分辨率算法的圖像質(zhì)量也需進一步研究。

總之，應(yīng)用Lung高分辨算法結(jié)合 60% ASIR可在低劑量兒童CT掃描方案中獲得較高質(zhì)量的肺部圖像。

[1] Coakley FV, Gould R, Yeh BM, et al. CT radiation dose: What can you do right now in your practice? AJR Am J Roentgenol, 2011,196(3):619-625.

[2] Hara AK, Paden RG, Silva AC, et al. Iterative reconstruction technique for reducing body radiation dose at CT: Feasibility study. AJR Am J Roentgenol, 2009,193(3):764-771.

[3] 徐姝，侯陽，郭啟勇．應(yīng)用迭代重建技術(shù)的低劑量增強CT評估肝臟腫瘤的可行性．中國醫(yī)學影像技術(shù)，2011，27(8)：1633-1636．

[4] 吳瑤媛，王萬勤，劉斌，等．FBP、ASiR和VEO三種重建算法對常規(guī)劑量胸部CT圖像質(zhì)量的影響．中國醫(yī)學影像技術(shù)，2012，28(3)：575-578．

[5] Leipsic J, Nguyen G, Brown J, et al. A prospective evaluation of dose reduction and image quality in chest CT using adaptive statistical iterative reconstruction. AJR Am J Roentgenol, 2010,195(5):1095-1099.

[6] 孫記航，彭蕓，張祺豐，等．兒童低劑量胸部CT中ASIR權(quán)重最佳閾值的初步研究．臨床放射學雜志，2014，33(4)：64-68．

[7] 孫記航，彭蕓，張祺豐，等．自適應(yīng)迭代重建技術(shù)對兒童低劑量胸部CT圖像質(zhì)量的優(yōu)化．醫(yī)學影像學雜志，2013，23(12)：1936-1940．

[8] 賈楠，王新江，惠萍，等．適應(yīng)性統(tǒng)計迭代重建技術(shù)降低胸部掃描劑量的初步臨床研究．中國醫(yī)學影像學雜志，2010，18(6)：551-553．

[9] 楊尚文，何健，楊獻峰，等．ASiR算法結(jié)合自動管電流調(diào)制技術(shù)在胸部低劑量CT中的應(yīng)用研究．醫(yī)學影像學雜志，2012，22(1)：58-61．

[10] Sato J, Akahane M, Inano S, et al. Effect of radiation dose and adaptive statistical iterative reconstruction on image quality of pulmonary computed tomography. Jpn J Radiol, 2012,30(2):146-153.

[11] Sun JH, Zhang QF, Hu D, et al. Improving pulmonary vessel image quality with a full model-based iterative reconstruction algorithm in 80 kVp low-dose chest CT for pediatric patients aged 0—6 years. Acta radiol, 2015,56(6):761-768.

[12] Sun J, Peng Y, Duan X, et al. Image quality in children withlow-radiation chest CT using adaptive statistical iterative reconstruction and model-based iterative reconstruction. PLoS One, 2014,9(5):e96045.

[13] 孫記航，于彤，段曉岷，等．基于模型的迭代重建算法與自適應(yīng)迭代重建算法對肺炎患兒胸部低劑量CT圖像質(zhì)量的優(yōu)化．中國醫(yī)學影像技術(shù)，2014，30(9)：1414-1418．

Improve image resolution in low-dose pediatric chest CT scans with combination of adaptive statistical iterative reconstruction and sharp recon kernel

SUNJihang,WANGFanning,DUANXiaomin,LIUYong,LIUZhimin,SONGLei,PENGYun*

(ImagingCenter,BeijingChildren'sHospital,CapitalMedicalUniversity,Beijing100045,China)

Objective To explore the value of adaptive statistical iterative reconstruction (ASIR) and a sharp recon kernel to obtain high resolution pulmonary images in low-dose pediatric chest CT scans. Methods Totally 42 children underwent low-dose chest CT scans with ASIR were included. Age-dependent noise index (NI) was used for dose optimization: NI=12 for 0—12 months old, NI=15 for >1—2 years old, NI=17 for 3—6 years old and NI=20 for ≥7 years old. Images were reconstructed to 0.625 mm using different recon kernels: Soft, Standard, Lung, and Chest kernel. ASIR blending was varied from 0—100% to provide balanced image noise and spatial resolution. Two radiologists independently evaluated images for normal lung structures, abnormal CT findings and image noise on a 5-point scale with 3 being clinically acceptable. The best kernel, as well as the match with the best ASIR weight were analyzed statistically. Results CT images with lung kernel and ASIR 60% were rated substantially better than those kernel. Conclusion ASIR 60% with a sharp lung kernel can significantly improve image quality in low-dose pediatric chest CT scans.

Tomography, X-ray computed; Adaptive statistical iterative reconstruction; Child; Chest

首都臨床特色應(yīng)用研究(Z141107002514005)、北京兒童醫(yī)院苗圃項目(BCH-YIPB-2016-06)。

孫記航(1982—)，男，北京人，碩士，主治醫(yī)師。研究方向：兒科影像學。E-mail: jihangsuns@163.com

彭蕓，首都醫(yī)科大學附屬北京兒童醫(yī)院影像中心，100045。E-mail: ppengyun@yahoo.com

2016-10-07

2016-12-07

10.13929/j.1003-3289.201610011

R725.6; R814.42

A

1003-3289(2017)05-0773-05