侯平，劉杰，陳巖，高劍波，李甸源，李雨桐

1.鄭州大學(xué)第一附屬醫(yī)院 放射科，河南 鄭州 450052；2.鄭州大學(xué) 基礎(chǔ)醫(yī)學(xué)院放射醫(yī)學(xué)教研室，河南 鄭州 450001；3.東軟醫(yī)療系統(tǒng)股份有限公司 CT產(chǎn)品事業(yè)部，遼寧 沈陽 110167

引言

螺旋CT掃描對腹部病灶的檢出、診斷及療效評估等有至關(guān)重要的作用，但因其電離輻射引起的潛在風(fēng)險使低劑量CT掃描應(yīng)用更為廣泛[1]。既往腹部CT低劑量成像研究多采用降低管電壓、管電流及迭代重建（Iterative Reconstruction，IR）算法等[2-4]。IR算法因高權(quán)重使用時易發(fā)生圖像過于平滑或圖像紋理改變等問題，會影響診斷的可信度[5-6]，使其臨床應(yīng)用相對受限。隨著人工智能（Artificial Intelligence，AI）技術(shù)的發(fā)展，基于卷積神經(jīng)網(wǎng)絡(luò)的深度學(xué)習(xí)圖像重建技術(shù)已在胸腹部、心臟及腦實(shí)質(zhì)中廣泛應(yīng)用，可改善低劑量設(shè)置下的圖像質(zhì)量[7-9]。目前由東軟醫(yī)療系統(tǒng)股份有限公司研發(fā)的最新一代深度學(xué)習(xí)CT圖像重建算法—ClearInfinity （CI）算法，目的為在超低劑量采集模式下能有效去除圖像噪聲和偽影，提高圖像信噪比，同時保證圖像細(xì)節(jié)?；诖?，本研究以腹部仿真體模為對象，旨在探討CI算法較常規(guī)迭代算法（ClearView，CV）在成人腹部掃描中提高圖像質(zhì)量的能力，以期探尋最佳的CI比例優(yōu)化方案。

1 資料與方法

1.1 掃描設(shè)備及方案

采用512層螺旋CT機(jī)（NeuViz Glory CT，東軟醫(yī)療系統(tǒng)股份有限公司），分別在CT劑量容積指數(shù)（Volume CT Dose Index，CTDIvol）為15、10、7.5、5.0和2.5 mGy 5種不同輻射劑量設(shè)置下對成人腹部仿真體模進(jìn)行常規(guī)螺旋掃描，共5組，每組掃描條件下均重復(fù)掃描10次，其他掃描參數(shù)基本保持一致：電壓120 kV，轉(zhuǎn)速0.5 s，準(zhǔn)直256 mm×0.625 mm，螺距1.0，掃描視野50 cm×50 cm。重建參數(shù)：層厚5.0 mm，層間隔5.0 mm，腹窗窗寬350 HU，窗位40 HU，重建矩陣512×512，濾波參數(shù)F20。每組劑量水平下所得圖像，分別進(jìn)行濾波反投影（Filtered Back Projection，F(xiàn)BP）重建、迭代重建（50%CV、90%CV）及深度學(xué)習(xí)CI重建，CI重建分別采用5個不同權(quán)重（10%CI、30%CI、50%CI、70%CI、90%CI）進(jìn)行重建，共40組數(shù)據(jù)。

1.2 圖像評估

1.2.1 主觀評分

由2名具有5年以上工作經(jīng)驗(yàn)的放射科醫(yī)師采用盲法獨(dú)立對40組圖像質(zhì)量進(jìn)行評估，評分標(biāo)準(zhǔn)采用5分制[10]：5分，圖像解剖結(jié)構(gòu)和細(xì)節(jié)清晰，無明顯噪聲，邊緣銳利，無蠟像感；4分，圖像解剖結(jié)構(gòu)和細(xì)節(jié)較清晰，噪聲輕微，邊緣銳利度稍降低；3分，圖像大部分解剖結(jié)構(gòu)尚清晰，有少量蠟像感，局部噪聲明顯但可接受，邊緣銳利度較低；2分，圖像解剖結(jié)構(gòu)和細(xì)節(jié)模糊，噪聲明顯，邊緣銳利度低，有較強(qiáng)蠟像感；1分，圖像解剖結(jié)構(gòu)無法分辨，噪聲極明顯，邊緣銳利度差，蠟像感嚴(yán)重。圖像評分＞3分認(rèn)為可滿足臨床診斷需求。

1.2.2 客觀評價

將各組重建圖像傳至AVW2.0后處理工作站，由1名經(jīng)驗(yàn)豐富的腹部放射科醫(yī)師測量完成。選取每組圖像的肝門及腎門層面，分別在肝臟和左側(cè)腎臟勾畫感興趣區(qū)（Region of Interest，ROI），直徑約 10 mm,分別測量其 CT值；在同層面腰大肌內(nèi)勾畫ROI，取其像素標(biāo)準(zhǔn)差（Standard Deviation，SD）為圖像噪聲值。測量時采用復(fù)制粘貼的方法，以保持不同重建圖像同一部位ROI大小、位置一致，測量3次取平均值。以FBP為參照，計(jì)算各算法下降低SD的能 力，SD%=（SDFBP-SDCV/CI）/SDFBP×100%，其中 SDCV為50%CV或90%CV圖像的SD值，SDCI為10%～90%CI圖像的SD值。

1.3 重建時間

記錄每組重建算法的重建時間。

1.4 統(tǒng)計(jì)學(xué)分析

采用SPSS 21.0統(tǒng)計(jì)軟件進(jìn)行分析。采用單因素方差分析比較各組圖像CT值、噪聲及SD%，組間比較采用Bonferroni校正。各組間主觀評分采用Kruskal-Wallis檢驗(yàn)；采用Kappa檢驗(yàn)對2名醫(yī)師主觀評分做一致性分析：Kappa≤0.20表示一致性較低，0.21～0.40表示一致性一般，0.41～0.60表示一致性中等，0.61～0.80表示一致性較高，0.81～1.00表示一致性很高。P＜0.05為差異有統(tǒng)計(jì)學(xué)意義。

2 結(jié)果

2.1 主觀評分分析

2名醫(yī)師主觀評分一致性較高（Kappa=0.76）。不同重建算法下，90%CV、70%～90%CI圖像主觀評分均降至3分以下，50%CV和10%～50%CI水平圖像均能滿足診斷需要，評分＞3分。常規(guī)劑量水平（CTDIvol≥7.5 mGy）下，10%CI重建圖像主觀評分最高，30%～50%之間隨著CI比例的增高主觀評分逐漸降低，但評分均＞3分；低劑量水平（CTDIvol≤5 mGy）下，10%～30%間隨著CI比例的增高，圖像主觀評分呈增高趨勢，至30%CI水平圖像評分最佳，50%～90%間隨CI比例的增高，主觀評分逐漸降低，50%CI重建圖像質(zhì)量優(yōu)于FBP重建（P值均＜0.05），見表1和圖1。

表1 不同重建算法下各組圖像主觀評分比較（±s，分）

表1 不同重建算法下各組圖像主觀評分比較（±s，分）

注：FBP：濾波反投影法；CV：ClearView迭代算法；CI：ClearInfinity算法。

組別CTDIvol/mGy 15 10 7.5 5 2.5 FBP 4.41±0.37 4.44±0.49 4.31±0.46 3.75±0.46 3.06±0.18 50%CV 4.44±0.49 4.31±0.46 4.25±0.71 3.81±0.37 3.90±0.46 90%CV 1.69±0.46 2.37±0.44 2.25±0.53 2.00±0.27 1.69±0.59 10%CI 4.75±0.46 4.50±0.46 4.48±0.52 3.78±0.37 3.29±0.32 30%CI 4.38±0.44 4.25±0.38 4.40±0.46 4.25±0.38 4.06±0.18 50%CI 4.06±0.17 3.81±0.37 3.38±0.52 4.07±0.46 3.44±0.49 70%CI 2.00±0.76 2.00±0.27 2.25±0.71 2.57±0.49 2.59±0.45 90%CI 1.25±0.46 1.38±0.52 2.13±0.83 2.13±0.64 1.44±0.62 Z值 51.878 51.746 48.269 48.912 52.550 P值 ＜0.001 ＜0.001 ＜0.001 ＜0.001 ＜0.001

2.2 客觀評價分析

2.2.1 組間CT值比較

不同劑量水平下，隨著CV和CI比例的增加，不同部位的CT值差異無統(tǒng)計(jì)學(xué)意義（P＞0.05），見表2～3。

表2 不同重建算法下各組圖像肝臟CT值比較（±s，HU）

表2 不同重建算法下各組圖像肝臟CT值比較（±s，HU）

注：FBP：濾波反投影法；CV：ClearView迭代算法；CI：ClearInfinity算法。

組別CTDIvol/mGy 15 10 7.5 5 2.5 FBP 74.24±3.16 73.16±3.54 75.88±3.55 72.44±3.44 74.73±2.22 50%CV 74.30±3.18 73.13±3.55 75.92±3.64 72.46±3.48 74.21±2.31 90%CV 74.28±3.03 73.17±3.60 75.97±3.57 72.42±3.52 73.57±2.93 10%CI 74.16±3.00 73.05±3.60 75.83±3.57 72.39±3.42 74.36±2.28 30%CI 73.96±3.01 72.93±3.60 75.73±3.57 72.26±3.39 74.11±2.32 50%CI 73.87±3.02 72.80±3.62 75.66±3.58 72.08±3.38 73.83±2.32 70%CI 73.43±3.01 72.64±3.67 75.54±3.61 71.93±3.40 73.60±2.34 90%CI 74.04±2.97 72.33±3.54 75.18±3.53 71.58±3.33 73.56±2.32 F值 0.072 0.056 0.043 0.068 0.256 P值 0.999 1.000 1.000 0.999 0.968

表3 不同重建算法下各組圖像腎臟CT值比較（±s，HU）

表3 不同重建算法下各組圖像腎臟CT值比較（±s，HU）

注：FBP：濾波反投影法；CV：ClearView迭代算法；CI：ClearInfinity算法。

組別CTDIvol/mGy 15 10 7.5 5 2.5 FBP 25.20±5.09 25.11±5.00 27.10±4.19 25.21±5.09 26.32±4.78 50%CV 25.91±4.97 25.23±5.01 24.78±4.10 26.30±4.17 25.16±4.00 90%CV 23.26±5.07 22.80±4.80 22.57±3.59 23.30±5.09 23.33±5.14 10%CI 23.33±4.70 23.54±5.20 23.61±4.57 23.40±5.38 23.40±3.97 30%CI 24.41±4.57 24.93±4.00 24.20±5.30 22.41±5.32 22.37±4.60 50%CI 25.55±4.07 25.01±4.48 26.17±4.64 27.01±4.38 26.10±5.61 70%CI 24.24±5.00 24.38±4.79 25.49±4.60 25.43±5.00 25.47±4.93 90%CI 25.30±4.62 25.29±4.78 24.18±4.93 25.42±5.10 25.17±4.03 F值 0.592 0.284 1.714 0.592 0.337 P值 0.706 0.920 0.144 0.706 0.889

2.2.2 噪聲比較

各重建算法下，隨著輻射劑量的升高，噪聲逐漸降低；與FBP相比，CV和CI的圖像質(zhì)量更好，噪聲更低，在相同的劑量水平下，隨著權(quán)重系數(shù)的增加，圖像噪聲降低，各組間SD值差異有統(tǒng)計(jì)學(xué)意義（P＜0.001）。CV與CI重建算法比較，除50%CV和30%CI、50%CI和90%CV算法下圖像噪聲差異無統(tǒng)計(jì)學(xué)意義外，其余各組間差異均有統(tǒng)計(jì)學(xué)意義（P＜0.05），相同權(quán)重水平下，CI算法圖像噪聲較CV算法顯著降低（P＜0.05），見表4和圖1。

表4 不同重建算法下各組圖像噪聲比較（±s，HU）

表4 不同重建算法下各組圖像噪聲比較（±s，HU）

注：FBP：濾波反投影法；CV：ClearView迭代算法；CI：ClearInfinity算法。a表示50%CV組與30%CI組比較差異無統(tǒng)計(jì)學(xué)意義（P＞0.05）；b表示50%CI組與90%CV組比較差異無統(tǒng)計(jì)學(xué)意義（P＞0.05）；c表示70%CI組與90%CI組比較差異無統(tǒng)計(jì)學(xué)意義（P＞0.05）。

組別CTDIvol/mGy 15 10 7.5 5 2.5 FBP 7.76±0.72 9.45±1.12 10.19±0.89 12.64±0.53 16.36±1.16 50%CV 5.25±0.49 6.14±0.71 6.71±0.63 8.45±0.99 9.69±1.01 90%CV 3.68±0.38 4.30±0.54 4.84±0.67 6.35±1.30 6.69±0.81 10%CI 6.60±0.67 7.80±0.94 8.36±0.69 10.39±0.87 11.81±0.91 30%CI 5.18±0.54a 6.10±0.71a 6.66±0.71a 8.53±1.28a 9.45±0.69a 50%CI 3.75±0.39b 4.40±0.52b 5.10±1.03b 6.76±1.83b 7.09±0.56b 70%CI 2.43±0.33c 2.78±0.33 3.58±1.38 5.11±2.48 4.78±0.43 90%CI 1.81±0.35 2.05±0.27 2.85±1.42 4.30±2.64 3.35±0.45 F值 130.505 102.563 50.563 22.503 218.348 P值 ＜0.001 ＜0.001 ＜0.001 ＜0.001 ＜0.001

圖1 常規(guī)劑量水平（以CTDIvol=7.5 mGy組為例）各重建算法下圖像的噪聲及主觀評價

2.2.3 降低噪聲的能力比較

如圖2所示，與FBP算法相比，各重建算法降低圖像噪聲的能力（SD%）隨著輻射劑量的降低和權(quán)重系數(shù)的增大而增大。相同權(quán)重水平下，CI的降噪能力均高于CV，以CTDIvol=10 mGy為例，50%CI算法圖像降低噪聲的能力較50%CV算法提高約18.41%。

圖2 各重建算法降低噪聲的能力比較

2.3 重建時間比較

FBP算法、CV算法、CI算法的運(yùn)算時間分別為（6.48±0.21）、（6.70±0.07）、（6.68±0.56）s，各組間差異無統(tǒng)計(jì)學(xué)意義（F=1.046，P＞0.05）。

3 討論

本研究對成人體模腹部平掃分別采用CV迭代重建和最新的深度學(xué)習(xí)CI算法重建，通過客觀和主觀評價比較不同重建算法提高圖像質(zhì)量的能力，結(jié)果顯示，基于深度學(xué)習(xí)CI算法較CV迭代算法及FBP算法可以顯著降低圖像噪聲，提高圖像質(zhì)量，保證圖像解剖及紋理信息，尤其低劑量水平時推薦30%～50%CI重建，圖像質(zhì)量最佳。

對于腹部實(shí)質(zhì)臟器需高密度分辨率及多期增強(qiáng)掃描的要求，獲得高質(zhì)量的CT圖像與患者所接受的輻射劑量已成為業(yè)界關(guān)注熱點(diǎn)，而噪聲是評價CT圖像質(zhì)量的重要指標(biāo)。既往研究表明，IR重建技術(shù)能夠有效降低圖像的噪聲，提高圖像對比度[2-4]。然而，IR技術(shù)臨床應(yīng)用相對受限，是由于高權(quán)重IR重建可能會使CT圖像層次感下降，易出現(xiàn)過于平滑、蠟狀或斑點(diǎn)狀偽影[5,11]。本研究也證實(shí)，與FBP重建比較，隨著Clearview迭代權(quán)重的增加，圖像噪聲明顯降低，以常規(guī)劑量水平（CTDIvol=15 mGy）為例，50%CV和90%CV算法重建下噪聲降低分別約32.38%和52.69%，而90%CV重建因圖像層次感較差，出現(xiàn)蠟樣偽影，主觀評分較低，不能滿足診斷需要。

隨著AI技術(shù)在醫(yī)學(xué)圖像處理與分析方面的應(yīng)用，能有效解決圖像的噪聲和不均勻問題。AI圖像優(yōu)化技術(shù)是基于迭代重建圖像進(jìn)行優(yōu)化，依賴于重建后的CT迭代圖像，直接對CT圖像域進(jìn)行去噪，在胸部、心臟及主動脈等部位得到廣泛應(yīng)用，研究顯示AI圖像優(yōu)化技術(shù)可進(jìn)一步降低IR重建的低劑量CT圖像的噪聲，提高圖像質(zhì)量，且不改變圖像解剖結(jié)構(gòu)和細(xì)節(jié)特征。而基于深度學(xué)習(xí)的ClearInfinity算法，是通過構(gòu)建深度神經(jīng)網(wǎng)絡(luò)模型，使用數(shù)百萬低劑量CT掃描原始數(shù)據(jù)作為網(wǎng)絡(luò)輸入，使用高劑量水平下采集的FBP重建圖像作為訓(xùn)練目標(biāo)，而非迭代重建數(shù)據(jù)域，通過監(jiān)督學(xué)習(xí)的方式不斷優(yōu)化網(wǎng)絡(luò)模型，實(shí)現(xiàn)對不同部位的高精度重建，能夠有效去除圖像中噪聲和偽影，提高圖像信噪比，恢復(fù)圖像細(xì)節(jié)，保證了超低劑量采集模式下的高質(zhì)量圖像[12-16]。本研究結(jié)果表明，CI算法不會改變腹部各組織CT值，并可明顯降低組織噪聲，且降噪能力隨著權(quán)重比例升高而增加。圖像主觀評分方面，常規(guī)劑量下使用10%～50%權(quán)重CI算法重建，隨著權(quán)重系數(shù)增高圖像評分呈基本穩(wěn)定或提高趨勢，尤其在超低劑量組（CTDIvol=5、2.5 mGy），F(xiàn)BP圖像主觀評分較低，使用CI算法重建圖像后，圖像噪聲明顯降低，組織解剖結(jié)構(gòu)較清晰，能完全滿足診斷需要，F(xiàn)BP算法在CTDIvol=10 mGy水平時圖像與30%CI算法在CTDIvol=2.5 mGy水平時圖像噪聲、主觀評分相當(dāng)，這表明，使用30%CI時可降低約75%的輻射劑量，圖像質(zhì)量與常規(guī)劑量下FBP圖像相當(dāng)，這為實(shí)際工作中降低輻射劑量顯示了巨大的潛力。但超過50%CI時，圖像空間分辨率和邊緣銳利度明顯降低，主觀評分低于3分，不能滿足診斷需求，提示CI重建算法雖可明顯降低圖像噪聲，但不建議使用過高權(quán)重，分析原因可能是由于高權(quán)重的CI算法在降低圖像噪聲的同時，會使圖像噪聲頻率譜向左移，導(dǎo)致圖像模糊，組織邊界不清，從而影響對圖像內(nèi)不同解剖結(jié)構(gòu)和邊界銳利度的辨識能力，這一觀點(diǎn)還需在下一步基礎(chǔ)研究中驗(yàn)證。另外，CI算法運(yùn)算時間與CV迭代算法相當(dāng)，重建速度提高，進(jìn)一步奠定了其臨床應(yīng)用的基礎(chǔ)。

本研究的局限性：① 因體模實(shí)驗(yàn)為平掃，無增強(qiáng)圖像，故未評估信噪比、對比噪聲比等參數(shù)，有待在下一步增強(qiáng)掃描中驗(yàn)證；② 仿真體模內(nèi)無病灶，與活體組織有明顯差別，所獲結(jié)果需收集病例樣本進(jìn)一步臨床驗(yàn)證；③ 無法模擬不同體質(zhì)指數(shù)患者的差異，特別是在高體質(zhì)指數(shù)的患者掃描中，CI算法在降低輻射劑量與維持圖像質(zhì)量平衡方面的表現(xiàn)，有待進(jìn)一步研究。

4 結(jié)論

本研究通過對腹部仿真體模研究發(fā)現(xiàn)，與常規(guī)FBP和ClearView迭代重建相比，基于深度學(xué)習(xí)的ClearInfinity算法可維持圖像CT值不變，顯著降低圖像噪聲，提高圖像質(zhì)量，同時保持較好的圖像細(xì)節(jié)，尤其適用低劑量水平時，30%ClearInfinity算法圖像質(zhì)量最好，30%～50%權(quán)重下圖像可滿足診斷要求，推薦臨床使用。結(jié)果表明ClearInfinity算法是一種具有前景的重建算法，有望在保證圖像質(zhì)量的前提下大幅降低輻射劑量。