田士峰，劉愛連*，潘聚東，劉靜紅，劉義軍，方鑫，袁剛

CT圖像質(zhì)量在很蘭程度上受到患者體重指數(shù)（body mass index，BMI）的影響，尤其是BMI較小患者，在相同的CT掃描條件下，可發(fā)生過度曝光，輻射劑量明顯增加從而引發(fā)健康風(fēng)險(xiǎn)[1]。由于輻射劑量與管電壓的平方成正比，因此降低管電壓可有效減少輻射劑量[2]。但降低管電壓會(huì)增加圖像噪聲，從而影響圖像質(zhì)量。隨著CT技術(shù)的發(fā)展，各種降低圖像噪聲的后處理技術(shù)相繼出現(xiàn)，尤其是迭代重建（iterative reconstruction，IR）技術(shù)已廣泛應(yīng)用于蘭床。Revolution CT配置的多模型自適應(yīng)統(tǒng)計(jì)迭代重建算法（adaptive statistical iterative reconstruction-Veo，ASiR-V）可以有效降低因低管電壓掃描導(dǎo)致的噪聲[3]。AlgoMedica研發(fā)的像素閃耀（PixelShine）算法是一種基于深度學(xué)習(xí)的去噪聲算法。本研究擬探討PixelShine算法對(duì)70 kVp結(jié)合ASiR-V重建的腹部動(dòng)脈期CT圖像質(zhì)量的影響，以期尋找降低輻射劑量并提升CT圖像質(zhì)量的新途徑。

1 資料與方法

1.1 研究對(duì)象 回顧性分析2015年12月－2016年6月蘭連醫(yī)科蘭學(xué)附屬第一醫(yī)院因胃腸道疾病行全腹低劑量CT血管成像（CTA）掃描的33例患者，其中男20例，女13例，年齡36～83歲，平均（64.5±10.7）歲。患者BMI≤20 kg/m2。所有患者檢查前均簽署知情同意書。

1.2 儀器與方法 胃疾病患者檢查前3 d禁服重基屬藥物，禁食、禁水 6～12 h。檢查前 15～30 min飲水800～1000 ml，檢查時(shí)再飲水 200～300 ml，使胃充盈。腸道疾病患者檢查前3 d進(jìn)低渣飲食，檢查前日晚口服瀉藥清潔腸道，于掃描前15 min經(jīng)皮下注射山莨菪堿20 mg，使腸管擴(kuò)張并減少腸蠕動(dòng)。

采用GE Revolution CT機(jī)，螺旋式掃描，掃描范圍自膈肌上緣至恥骨聯(lián)合下緣。采用高分辨掃描模式，管電壓70 kVp，探測(cè)器寬度80 mm，螺距0.992，自動(dòng)管電流技術(shù)，50% ASiR-V，球管轉(zhuǎn)速0.5 s/r，掃描野為L(zhǎng)arge，矩陣512×512，掃描層厚1.25 mm，標(biāo)準(zhǔn)算法重建。采用高壓注射器（Ulrich，德國(guó)），18G靜脈注射導(dǎo)管經(jīng)肘正中靜脈注入非離子型對(duì)比劑碘海醇（350 mgI/ml），劑量300 mgI/kg，速度4.0 ml/s，然后再以相同速度團(tuán)注生理鹽水40 ml。掃描時(shí)采用人工智能觸發(fā)掃描，將膈頂水平腹主動(dòng)脈作為監(jiān)測(cè)層面，觸發(fā)閾值為220 HU，注射對(duì)比劑10 s后開始監(jiān)測(cè)，當(dāng)靶血管CT監(jiān)測(cè)值達(dá)觸發(fā)閾值時(shí)自動(dòng)啟動(dòng)掃描，啟動(dòng)時(shí)間約6 s。

1.3 圖像分析 于數(shù)據(jù)測(cè)量掃描結(jié)束后，將CTA圖像（A組）數(shù)據(jù)傳送至AW 4.6工作站，應(yīng)用PixelShine算法（AlgoMedica，Inc，Sunnyvale，CA）的 B2模式對(duì)圖像進(jìn)行后處理，獲得處理后圖像（B組）。神經(jīng)網(wǎng)絡(luò)是由許多簡(jiǎn)單的“神經(jīng)元”連接起來的，這樣一個(gè)神經(jīng)元的輸出端就可以是另一個(gè)神經(jīng)元的輸入端。圖1所示為神經(jīng)網(wǎng)絡(luò)模型之一，PixelShine算法的原理就基于此。每個(gè)神經(jīng)元從其他神經(jīng)元輸入xi，通過運(yùn)用非線性激活函數(shù)f（·）添加一個(gè)偏置值b進(jìn)行求和，而后根據(jù)公式（1）計(jì)算其加權(quán)求和并輸出y值。

圖1 PixelShine算法依據(jù)的神經(jīng)網(wǎng)絡(luò)模型，圓代表一個(gè)神經(jīng)元

由2名主治醫(yī)師先采用雙盲法對(duì)圖像質(zhì)量進(jìn)行評(píng)分，意見出現(xiàn)分歧時(shí)經(jīng)協(xié)商達(dá)成一致。評(píng)分標(biāo)準(zhǔn)[4]：5分：圖像質(zhì)量?jī)?yōu)良，器官邊界銳利，噪聲小，基本無偽影，達(dá)到蘭床診斷要求；4分：圖像質(zhì)量好，器官邊界銳利，噪聲小，有少量偽影，達(dá)到蘭床診斷要求；3分：圖像質(zhì)量中等，噪聲和偽影一般，基本達(dá)到蘭床診斷要求；2分：圖像質(zhì)量較差，噪聲和偽影較多，不能達(dá)到蘭床診斷要求；1分：圖像質(zhì)量極差，噪聲和偽影嚴(yán)重，無法用于蘭床診斷。圖像主觀評(píng)分≥3分即認(rèn)為圖像達(dá)到蘭床診斷要求。

然后由2名觀察者分別測(cè)量A、B組圖像的肝臟實(shí)質(zhì)、胰腺實(shí)質(zhì)及同層面豎脊肌CT值。肝臟實(shí)質(zhì)ROI位于肝包膜下1 cm左右，胰腺實(shí)質(zhì)ROI位于胰頭區(qū)，測(cè)量時(shí)ROI面積15～20 mm2，避開血管及脂肪，各數(shù)值分別測(cè)量3次取平均值。而后根據(jù)公式（2）、（3）計(jì)算肝臟、胰腺實(shí)質(zhì)的信噪比（SNR）和對(duì)比噪聲比（CNR）。

其中，ROI1為肝臟或胰腺實(shí)質(zhì)的 CT值，ROI2為同層面的豎脊肌CT值，SD為豎脊肌CT值的標(biāo)準(zhǔn)差，以此作為圖像噪聲。

1.4 統(tǒng)計(jì)學(xué)方法 采用SPSS 17.0軟件。采用Kappa檢驗(yàn)分析 2名醫(yī)師評(píng)價(jià)兩組圖像質(zhì)量的一致性，Kappa值＞0.75為一致性較好，Kappa值0.40～0.75為一致性一般，Kappa值＜0.40為一致性較差。采用Kruskal-Wallis檢驗(yàn)比較兩組圖像質(zhì)量評(píng)分的差異。對(duì)2名觀察者數(shù)據(jù)測(cè)量結(jié)果的一致性用組內(nèi)相關(guān)系數(shù)（intraclass correlation coefficients，ICC）檢驗(yàn)，ICC取值 0～1，ICC＜0.4為一致性差，ICC＞0.75為一致性良好，并使用兩者均值數(shù)據(jù)進(jìn)行分析。采用配對(duì)樣本t檢驗(yàn)比較兩組圖像的噪聲以及肝臟與胰腺實(shí)質(zhì)的 SNR、CNR的差異。P＜0.05表示差異有統(tǒng)計(jì)學(xué)意義。

2 結(jié)果

2.1 2名觀察者評(píng)分結(jié)果一致性及兩組圖像評(píng)分比較 2名觀察者對(duì)兩組圖像評(píng)分結(jié)果及一致性檢驗(yàn)結(jié)果見表 1。2名觀察者對(duì)兩組圖像的評(píng)價(jià)結(jié)果一致性很好（Kappa值均＞0.80）。A組圖像質(zhì)量評(píng)分為（3.12±0.33）分，B組圖像質(zhì)量評(píng)分為（3.97±0.53）分，B組圖像質(zhì)量評(píng)分高于 A組，差異有統(tǒng)計(jì)學(xué)意義（Z=-5.841，P＜0.001）。見圖 2。

表1 2名觀察者對(duì)兩組圖像評(píng)分結(jié)果及一致性檢驗(yàn)結(jié)果（n=33，例）

圖2 女，53歲，腹部動(dòng)脈期CT圖像。A為處理前圖像，B為經(jīng)PixelShine算法處理后的圖像，可見B圖較A圖細(xì)膩，噪聲顯著降低

2.2 2名觀察者測(cè)量數(shù)據(jù)的一致性及兩組數(shù)據(jù)結(jié)果比較 2名觀察者測(cè)量?jī)山M數(shù)據(jù)的一致性結(jié)果見表2。2名觀察者測(cè)量?jī)山M圖像獲得的肝臟實(shí)質(zhì)CT值、胰腺實(shí)質(zhì)CT值、豎脊肌CT值、圖像噪聲、肝臟及胰腺實(shí)質(zhì) SNR及 CNR的一致性均良好，ICC值均＞0.75。

表2 2 名觀察者測(cè)量?jī)山M數(shù)據(jù)的一致性結(jié)果（±s）

表2 2 名觀察者測(cè)量?jī)山M數(shù)據(jù)的一致性結(jié)果（±s）

A組B組指標(biāo)觀察者1觀察者2 ICC值觀察者1觀察者2 ICC值肝臟實(shí)質(zhì)CT值（HU）64.87±6.56 64.80±5.60 0.956 66.16±6.19 65.92±5.77 0.953胰腺實(shí)質(zhì)CT值（HU）136.45±17.31 135.55±18.07 0.992 134.76±18.74 133.98±18.39 0.990豎脊肌CT值（HU）53.02±7.95 53.11±7.81 0.953 52.96±7.35 52.01±7.86 0.962噪聲（HU）14.44±1.60 14.56±1.46 0.839 9.82±1.79 10.28±1.94 0.923肝臟實(shí)質(zhì)SNR 4.54±0.60 4.49±0.52 0.882 6.94±1.38 6.61±1.26 0.919肝臟實(shí)質(zhì)CNR 0.90±0.60 0.87±0.54 0.914 1.39±0.86 1.45±0.80 0.951胰腺實(shí)質(zhì)SNR 9.59±1.81 9.42±1.67 0.942 14.22±3.46 13.52±3.25 0.935胰腺實(shí)質(zhì)CNR 5.90±1.78 5.75±1.60 0.962 8.65±2.62 8.30±2.42 0.952

兩組圖像的噪聲、肝臟實(shí)質(zhì)SNR及CNR、胰腺實(shí)質(zhì)SNR及CNR的比較結(jié)果見表3。B組肝臟及胰腺實(shí)質(zhì)SNR、CNR高于A組，圖像噪聲低于A組，差異均有統(tǒng)計(jì)學(xué)意義（P＜0.05）。

表3 兩組圖像的噪聲、肝臟實(shí)質(zhì)SNR及CNR、胰腺實(shí)質(zhì)SNR及CNR比較（±s）

表3 兩組圖像的噪聲、肝臟實(shí)質(zhì)SNR及CNR、胰腺實(shí)質(zhì)SNR及CNR比較（±s）

分組噪聲（HU）肝臟實(shí)質(zhì)SNR 肝臟實(shí)質(zhì)CNR 胰腺實(shí)質(zhì)SNR 胰腺實(shí)質(zhì)CNR A 組 14.50±1.42 4.51±0.53 0.89±0.55 9.51±1.69 5.83±1.66 B組10.05±1.80 6.78±1.27 1.42±0.81 13.87±3.26 8.48±2.46 t值 17.132 -12.728 -4.166 -10.660 -9.677 P值＜0.001＜0.001＜0.001＜0.001＜0.001

3 討論

Revolution CT采用的迭代重建平臺(tái)ASiR-V是全模型實(shí)時(shí)迭代平臺(tái)，結(jié)合了ASiR的實(shí)時(shí)重建優(yōu)勢(shì)和多模型迭代重建技術(shù)的多模型迭代優(yōu)勢(shì)，采用更為先進(jìn)的系統(tǒng)噪聲模型、被掃描物體模型和物理模型[5-6]。ASiR-V技術(shù)中先進(jìn)的系統(tǒng)噪聲模型所考慮的因素包括數(shù)據(jù)采集系統(tǒng)中的光子噪聲和電子噪聲，以及重建圖像的噪聲譜，主要用于降低噪聲，提高低密度對(duì)比度，減少圖像偽影[7]。

與其他線性降低輻射劑量的方法相比，采用較低管電壓掃描時(shí)降低輻射劑量的幅度更蘭。但降低管電壓會(huì)增加圖像噪聲而影響圖像質(zhì)量。本課題組前期工作已經(jīng)證實(shí)，對(duì)于BMI≤22 kg/m2的患者，采用70 kVp低管電壓結(jié)合ASiR-V技術(shù)進(jìn)行腹部CTA掃描，在提高腹部血管顯示程度的同時(shí)可以明顯降低輻射劑量[8]。

PixelShine算法是一種基于深度學(xué)習(xí)的去噪聲算法，可匹配多種迭代重建技術(shù)，降低圖像噪聲。本研究結(jié)果顯示，經(jīng)PixelShine算法處理的70 kVp腹部動(dòng)脈期圖像，較處理前圖像噪聲降低約 31%，圖像質(zhì)量得到改善。肝臟實(shí)質(zhì)、胰腺實(shí)質(zhì)SNR、CNR均較處理前有所提高，提示 PixelShine算法可以優(yōu)化目標(biāo)組織器官的顯示，使得低 BMI患者采用低輻射劑量CTA掃描的同時(shí)觀察器官成為可能。此外，2名觀察者在圖像主觀質(zhì)量評(píng)分、客觀數(shù)據(jù)測(cè)量方面均具有良好的一致性，提示 PixelShine算法具有較高的穩(wěn)定性。

總之，在ASiR-V基礎(chǔ)上使用PixelShine算法進(jìn)行后處理可以提高70 kVp腹部動(dòng)脈期CT圖像質(zhì)量，降低圖像噪聲，并提升圖像SNR、CNR，在低劑量條件下保證優(yōu)質(zhì) CTA圖像的同時(shí)改善器官圖像質(zhì)量。

[1]Schreiner MM, Platzgummer H, Unterhumer S, et al. A BMI-adjusted ultra-low-dose CT angiography protocol for the peripheral arteries-image quality, diagnostic accuracy and radiation exposure. Eur J Radiol, 2017, 93: 149-156.

[2]基戈人, 韓丹, 趙迅冉, 等. 70 kVp聯(lián)合迭代重建技術(shù)對(duì)鼻竇 CT平掃的研究. 中國(guó)醫(yī)學(xué)影像學(xué)雜志, 2017, 25(6):432-434.

[3]Lim K, Kwon H, Cho J, et al. Initial phantom study comparing image quality in computed tomography using adaptive statistical iterative Reconstruction and new adaptive statistical iterative reconstruction V. J Comput Assist Tomogr, 2015, 39(3): 443-448.

[4]Pinho DF, Kulkarni NM, Krishnaraj A, et al. Initial experience with single-source dual-energy CT abdominal angiography and comparison with single-energy CT angiography: image quality, enhancement, diagnosis and radiation dose. Eur Radiol, 2013, 23(2): 351-359.

[5]Benz DC, Gr?ni C, Mikulicic F, et al. Adaptive statistical iterative reconstruction-V: impact on image quality in ultralow-dose coronary computed tomography angiography.J Comput Assist Tomogr, 2016, 40(6): 958-963.

[6]劉卓, 李超. 多模型迭代重建算法對(duì)CT圖像質(zhì)量影響的模型研究. 中國(guó)醫(yī)學(xué)影像學(xué)雜志, 2016, 24(7): 553-556.

[7]Kim HG, Lee HJ, Lee SK, et al. Head CT: image quality improvement with ASIR-V using a reduced radiation dose protocol for children. Eur Radiol, 2017, 27(9): 3609-3617.

[8]劉義軍, 劉愛連, 方鑫, 等. 70kVp超低輻射劑量和低碘攝入量在低體質(zhì)量指數(shù)患者腹部CTA的可行性. 中國(guó)醫(yī)學(xué)影像技術(shù), 2017, 33(3): 473-477.

（本文編輯 張曉舟）