編者按：今年Jo?l Greffier博士等在European Radiology (IF 4.1)上發(fā)表了題為《Image?quality and dose reduction opportunity of deep learning image reconstruction algorithm for CT: a phantom study》的文章，通過(guò)與混合迭代重建算法(IR)對(duì)比，評(píng)價(jià)一種新型基于深度學(xué)習(xí)的圖像重建算法(DLIR，GE TrueFidelity?)對(duì)圖像質(zhì)量和劑量降低的影響。對(duì)于了解基于深度學(xué)習(xí)(DLIR)的GE的最新圖像重建算法(TrueFidelity?)的原理，性能(圖像質(zhì)量，降噪能力，空間分辨率等)有很大的幫助，對(duì)于今后利用這個(gè)圖像重建新技術(shù)來(lái)進(jìn)行臨床應(yīng)用和臨床研究有很好的指導(dǎo)意義。在這里我們特別邀請(qǐng)到王銘君博士對(duì)這篇文章進(jìn)行了詳細(xì)的解讀，王銘君博士還對(duì)這次體模研究用到的各種圖像評(píng)價(jià)參數(shù)進(jìn)行了詳細(xì)說(shuō)明(Appendix)。

01

—

摘要(Abstracts)

目的：通過(guò)與混合迭代重建算法(IR)對(duì)比，評(píng)價(jià)一種新型基于深度學(xué)習(xí)的圖像重建算法(DLIR)對(duì)圖像質(zhì)量和劑量降低的影響。

方法：使用7個(gè)劑量水平(CTDIvol: 15/10/7.5/5/2.5/1/0.5 mGy) ，對(duì)用來(lái)評(píng)估圖像質(zhì)量的標(biāo)準(zhǔn)體模進(jìn)行數(shù)據(jù)采集。利用濾波反投影(FBP)、兩個(gè)等級(jí)的IR(ASiR-V50% (AV50) ，ASiR-V100%(AV100))、以及DLIR的三個(gè)等級(jí)(TrueFidelity? 低，中，高) 對(duì)原始數(shù)據(jù)進(jìn)行重建。計(jì)算噪聲功率譜(NPS)和基于任務(wù)的傳遞函數(shù)(TTF)， 并模擬肝臟內(nèi)的大腫塊、小鈣化灶和小而精細(xì)且低對(duì)比度的病灶來(lái)檢測(cè)能力指數(shù)(d')。

結(jié)果：AV50的NPS峰值高于所有DLIR等級(jí)，AV100的NPS峰值只高于DLIR-H。DLIR的NPS平均空間頻率高于IR的結(jié)果。所有DLIR等級(jí)的TTF_50%結(jié)果均高于IR。所有DLIR等級(jí)的d′高于AV50的結(jié)果，然而DLIR-L和DLIR-M的d′低于AV100的結(jié)果。對(duì)于低對(duì)比度病灶，DLIR-H的d′高于AV100 (10 ± 4%)，對(duì)于其他模擬病灶，兩者d′結(jié)果接近。

結(jié)論：新型DLIR重建算法可以降低噪聲同時(shí)提高圖像空間分辨率和檢測(cè)能力，不會(huì)改變?cè)肼暭y理。對(duì)比IR重建的圖片，通過(guò)DLIR可以有效進(jìn)行劑量?jī)?yōu)化。

02

—

關(guān)鍵點(diǎn)(Key points)

• 本研究評(píng)估了新型深度學(xué)習(xí)圖像重建算法(DLIR)對(duì)比混合迭代重建算法(IR)對(duì)圖像質(zhì)量和輻射劑量的影響。

• 新型DLIR算法降低噪聲，提高空間分辨率和檢測(cè)能力，不會(huì)出現(xiàn)IR重建算法導(dǎo)致的紋理變化情況。

• 與IR重建算法相比，DLIR可以給劑量?jī)?yōu)化提供更多可能性。

關(guān)鍵詞：多層CT探測(cè)器；圖像增強(qiáng)；圖像重建；深度學(xué)習(xí)

03

—

背景和目的

CT檢查中病人輻射劑量問(wèn)題廣受關(guān)注，因此在每次CT參數(shù)設(shè)置對(duì)劑量?jī)?yōu)化非常必要。許多工具開(kāi)發(fā)出來(lái)用以?xún)?yōu)化劑量，如管電流調(diào)節(jié)技術(shù)(TCM)或迭代重建算法(IR)。TCM將管電流作為患者衰減的函數(shù)，來(lái)提供更均勻的劑量分布，從而提高圖像質(zhì)量(IQ)和減少偽影。IR算法在相同劑量水平下降低了圖像噪聲，因此可以在保持圖像質(zhì)量指數(shù)的同時(shí)降低劑量。近年來(lái)出現(xiàn)了幾代IR算法，包括統(tǒng)計(jì)IR算法和完全/混合/高級(jí)基于模型的IR(MBIR)算法。多個(gè)臨床研究顯示IR算法可以降低劑量。但是，IR算法的非線性和非穩(wěn)定性使得空間分辨率依賴(lài)于對(duì)比度和劑量。此外，IR算法會(huì)改變圖像的噪聲幅度和紋理特征，這使得給人的視覺(jué)印象不同于FBP圖像的外觀和視覺(jué)感覺(jué)。經(jīng)常有報(bào)道反應(yīng)IR圖像的噪聲紋理看起來(lái)“平滑”、“有斑點(diǎn)”、“塑料感”，或者“不自然”。使用這些IR算法獲得的圖像質(zhì)量可能妨礙對(duì)圖像的理解，限制了高權(quán)重迭代的使用，從而限制了其在臨床應(yīng)用中減少劑量的潛力。

如今，人工智能的應(yīng)用增多，并在包括醫(yī)學(xué)成像在內(nèi)的各個(gè)科學(xué)領(lǐng)域展示了它的潛力。在機(jī)器學(xué)習(xí)技術(shù)中，深度學(xué)習(xí)最近顯示出了巨大的潛力，可以在不改變?cè)肼暭y理或影響解剖和病理結(jié)構(gòu)的情況下，在抑制噪聲的同時(shí)重建CT圖像。因此，一些CT廠商開(kāi)發(fā)了新一代基于深度學(xué)習(xí)的CT圖像重建技術(shù)。GE Healthcare和Canon?Medical system開(kāi)發(fā)的深度學(xué)習(xí)圖像重建算法(Deep Learning Image Reconstruction, DLIR)使用深度神經(jīng)網(wǎng)絡(luò)(Deep Neural Network, DNN)，該神經(jīng)網(wǎng)絡(luò)分別使用高質(zhì)量濾波反投影FBP?(TrueFidelity?，GEHealthcare)和MBIR?(Advanced?intelligent Clear-IQ Engine [AiCE]，佳能醫(yī)療系統(tǒng))?數(shù)據(jù)集的訓(xùn)練，以學(xué)習(xí)如何區(qū)分噪音和信號(hào)。據(jù)我們所知，還沒(méi)有研究進(jìn)行DLIR算法與同一制造商的IR算法的比較，研究對(duì)劑量減少和圖像質(zhì)量的影響。

我們研究的目的是評(píng)估GE Healthcare CT系統(tǒng)中DLIR算法(TrueFidelity?)與混合IR算法(ASiR-V)對(duì)圖像質(zhì)量和劑量減少潛力的影響。為了實(shí)現(xiàn)這一目標(biāo)，我們進(jìn)行了基于任務(wù)的圖像質(zhì)量評(píng)估。

04

—

材料與方法

1)?CT系統(tǒng)和圖像重建算法

本研究在法國(guó)圣德尼的諾德心臟病研究中心(Centre Cardiologique du Nord)進(jìn)行了Revolution CT (GE Healthcare)的圖像采集，該CT同時(shí)裝配了混合IR算法(ASiR-V)和DLIR算法(TrueFidelity?)，GE的DLIR提供了三個(gè)強(qiáng)度等級(jí)(低、中、高)，可以進(jìn)行即時(shí)的快速本地的DLIR的圖像重建。

混合IR算法ASiR-V使用了概率統(tǒng)計(jì)方法，引入統(tǒng)計(jì)損失函數(shù)，通過(guò)X射線物理機(jī)理以及CT光學(xué)模型來(lái)降低噪聲和偽影。如之前所說(shuō)，該算法可以降低噪聲，從而降低劑量，但是同時(shí)改變了圖像紋理。因此開(kāi)發(fā)DLIR TrueFidelity?來(lái)解決這一問(wèn)題，同時(shí)提高圖像質(zhì)量。

基于深度學(xué)習(xí)(DLIR)的GE的TrueFidelity?使用FBP圖像作為訓(xùn)練集，融合了近幾十年使用FBP積累的技術(shù)和臨床知識(shí)。當(dāng)在接近理想條件下使用時(shí)，例如高劑量、完整的采樣軌跡和高分辨率圖像矩陣，FBP可以產(chǎn)生理想的圖像質(zhì)量，得到可靠的診斷信息。

GE Healthcare的TrueFidelity?采用的DNN包含了上百萬(wàn)個(gè)參數(shù)來(lái)表示高質(zhì)量圖像的特征，即使低劑量或非理想的掃描條件下的CT數(shù)據(jù)也可以進(jìn)行高質(zhì)量圖像重建。GE的科學(xué)家對(duì)這些DNN參數(shù)進(jìn)行訓(xùn)練，輸入低劑量投影數(shù)據(jù)和圖像數(shù)據(jù)，并將輸出圖像與使用FBP算法得到的真實(shí)圖像(同一數(shù)據(jù)的高劑量圖像)進(jìn)行比較。同時(shí)科學(xué)家使用新的體模和臨床圖像來(lái)廣泛驗(yàn)證算法的魯棒性。完成監(jiān)督訓(xùn)練和驗(yàn)證步驟后，確定下來(lái)的系數(shù)被應(yīng)用到基于DNN模型的DLIR引擎(TrueFidelity?)中，該引擎負(fù)責(zé)根據(jù)輸入的投影數(shù)據(jù)生成重建圖像。

在實(shí)際臨床掃描中，CT掃描儀得到的原始數(shù)據(jù)只需要通過(guò)DLIR引擎一次，即可在極快重建時(shí)間內(nèi)完成圖像重建，并產(chǎn)生TrueFidelity真理圖像。

因?yàn)槭且愿邉┝扛哔|(zhì)量的FBP圖像作為訓(xùn)練目標(biāo)，所以無(wú)論是高對(duì)比度診斷目標(biāo)還是低對(duì)比度診斷目標(biāo)，理論上TrueFidelity真理圖像，都具有出色的圖像質(zhì)量和真實(shí)的噪聲紋理(也不容易產(chǎn)生IR特有的蠟像樣偽影)和快速的重建速度，可應(yīng)用于各項(xiàng)臨床CT檢查(包括頭部，全身，心血管，以及各年齡段患者的檢查圖像)，提升診斷醫(yī)生的讀片信心。

2)?數(shù)據(jù)獲取

將直徑為20厘米的ACR?QA體模(Gammex 464)置于體環(huán)內(nèi)(直徑33厘米，長(zhǎng)度24厘米)進(jìn)行掃描，測(cè)量其物理指標(biāo)(圖1)。所有采集均使用120 kVp管電壓。通過(guò)設(shè)置管電流(mA)獲得7個(gè)容積CT劑量指數(shù)(CTDIvol 15, 10, 7.5, 5, 2.5, 1, 0.5mGy)。其它采集參數(shù)為螺距0.998、光束準(zhǔn)直64×0.625 mm、旋轉(zhuǎn)時(shí)間0.6s。原始數(shù)據(jù)采用FBP、ASiR-V?50% (AV50)和ASiR-V 100% (AV100)，以及TrueFidelity? ?DLIR(低、中、高)三個(gè)等級(jí)進(jìn)行重建。圖像重建采用“標(biāo)準(zhǔn)”重建核，層厚為1.25 mm(增量為1.25mm)，FOV為250 mm。

圖1. a?研究中使用的體模;?b?噪聲功率譜(NPS)評(píng)估的感興趣區(qū)域(ROIs); ?c?骨和丙烯酸插入物，計(jì)算基于任務(wù)的轉(zhuǎn)移函數(shù)(TTF)的ROIs

3)?基于任務(wù)的圖像質(zhì)量評(píng)估

本研究采用imQuest軟件(Duke)進(jìn)行圖像質(zhì)量評(píng)估，使用噪聲功率譜(NPS)對(duì)圖像噪聲紋理和大小進(jìn)行評(píng)估; 使用基于任務(wù)的傳遞函數(shù)(TTF)對(duì)空間分辨率進(jìn)行評(píng)估，空間分辨率是劑量水平和對(duì)比度的函數(shù); 同時(shí)使用檢測(cè)能力指數(shù)(d′)評(píng)估放射科醫(yī)生檢測(cè)某些病變的能力。

根據(jù)Samei等人的定義，通過(guò)三個(gè)任務(wù)函數(shù)來(lái)表示大小特征。假定對(duì)比度為預(yù)成像120HU，直徑25mm的圓形信號(hào)來(lái)代表大特征，使用對(duì)比度500 HU，直徑1.5 mm的圓形信號(hào)來(lái)代表小特征，第三個(gè)“精細(xì)”任務(wù)函數(shù)則定義為對(duì)比度為預(yù)成像10 HU、直徑10mm的圓形信號(hào)。

丙烯酸插入物的TTF結(jié)果用于模擬大特征和精細(xì)特征，而骨插入物的TTF結(jié)果用于模擬小特征。大體積的肺或肝臟用大特征進(jìn)行建模檢測(cè)，鈣化或高對(duì)比度組織邊界檢測(cè)使用小特征進(jìn)行建模檢測(cè)，肝臟低對(duì)比度病灶則使用精細(xì)特征進(jìn)行建模檢測(cè)。

用于獲得d '的解釋條件包括1.5倍的變焦系數(shù)、450毫米觀察距離和500毫米FOV。

05

—

結(jié)果

1)?噪聲功率譜

表1為NPS峰值和平均空間頻率數(shù)據(jù)，圖2為4個(gè)劑量水平下所有重建算法的NPS曲線。隨著劑量的增加，IR的百分比升高，DLIR水平升高，NPS峰值會(huì)出現(xiàn)降低 (表1)。AV50組NPS峰值高于所有DLIR重建等級(jí)。AV100組的NPS峰值僅高于DLIR-H組，而低于DLIR-L組，也低于DLIR-M組(-11±15%)。

隨著劑量的降低，NPS的空間平均頻率向較低頻率移動(dòng)(圖2)。對(duì)于所有劑量水平，FBP的NPS的空間平均頻率最高(0.20 - 0.30 mm^-1)。AV100(0.12 - 0.17 mm^-1)的NPS平均空間頻率低于AV50(0.17 - 0.26 mm^-1)。NPS平均空間頻率隨DLIR水平的升高而降低。

DLIR組的NPS平均空間頻率高于IR組。與AV50相比，DLIR-L的NPS平均空間頻率平均高出 13±3％，DLIR-M組高8±2%，DLIR-H組高1±2%。DLIR與AV100的差異更大，分別為72±7%、64±8%和53±9%。

表1. 不同重建類(lèi)型和劑量水平的噪聲功率譜峰值和平均空間頻率

圖2 ?濾波反投影(FBP)、ASiR-V 50% (AV50)、ASiR-V?100% (AV100)、三個(gè)等級(jí)的深度學(xué)習(xí)圖像重建(DLIR)算法在四種劑量水平(0.5、2.5、5、10 mGy)下的噪聲功率譜(NPS)曲線

2)?基于任務(wù)的傳遞函數(shù)

圖3顯示了丙烯酸和骨插入物在所有重建類(lèi)型和三種劑量水平下的TTF曲線。表2顯示了兩個(gè)插入的TTF_50%值。TTF值隨劑量下降而下降，尤其是在最低劑量水平下更加明顯。對(duì)于所有CT掃描方案和插入物，TTF_50%值隨IR百分比的增加而降低，但TTF_50%值不受DLIR水平變化的影響。

表2? 骨和丙烯酸樹(shù)脂插入物在所有重建類(lèi)型和劑量水平的 TTF_50%結(jié)果

圖3 使用過(guò)濾反投影(FBP)、ASiR-V?50% (AV50)和ASiR-V 100% (AV100)以及深度學(xué)習(xí)圖像重建(DLIR)算法，在3個(gè)劑量水平(0.5、2.5和10 mGy)下丙烯酸和骨插入物的基于任務(wù)的傳遞函數(shù)(TTF)曲線

對(duì)于骨插入物，在FBP和AV50之間發(fā)現(xiàn)相似的TTF值(0±1%)。AV100組TTF_50%低于FBP組(- 8±3%)。15 ~2.5 mGy時(shí)，所有等級(jí)DLIR(低、中、高)重建的TTF_50%高于IR，1 ~ 0.5 mGy時(shí)則相反。DLIR組TTF_50%較AV50組平均高3±11%，較AV100組平均高11±11%。

對(duì)于丙烯酸樹(shù)脂插入物，IR的TTF值低于FBP。AV50組TTF值高于AV100組(- 20±4%)。DLIR組TTF值高于AV50組(29±14%)和AV100組(61±18%)。

3)?檢測(cè)能力指數(shù)

圖4描述了FBP、IR和DLIR得到的d '值。d '隨劑量增加而增加，且FBP組總低于IR或DLIR組。

在所有臨床任務(wù)中，AV100組的d '值高于AV50組。小特征的FBP與IR、AV50與AV100之間的差異大于其他兩種特征。DLIR組的d '值高于AV50組，并且在所有臨床任務(wù)中d '值都隨DLIR水平的升高而升高。DLIR-L和DLIR-M的d '值低于AV100，DLIR-H組的d '值高于AV100組(10±4%)。對(duì)于其他臨床任務(wù)，DLIR-H的d '值與AV100相似。

圖4?過(guò)濾反投影(FBP)，ASiR-V 50%?(AV50)和ASiR-V?100%?(AV100)，以及深度學(xué)習(xí)圖像重建(DLIR)的三個(gè)等級(jí)對(duì)小特征 (直徑1.5毫米，500HU對(duì)比度)，大特征(直徑25毫米，120HU對(duì)比度)，和精細(xì)特征(10毫米直徑，10HU對(duì)比度)在不同劑量下的的檢測(cè)能力指數(shù)(d′)

4)?d′增加潛力和劑量降低潛力

為了評(píng)估DLIR與AV50對(duì)d '的潛在增加，比較CTDI_vol為10mGy時(shí)的d '值。表3顯示，所有檢測(cè)特征的可檢測(cè)性都隨著DLIR水平的增加而增加。

表3 與ASiR-V50%相比，DLIR可提高圖像質(zhì)量和減少潛在劑量?！啊痙 '值增加”對(duì)應(yīng)于常規(guī)劑量CTDI_vol10 mGy，“劑量減少”對(duì)應(yīng)10 mGy時(shí)ASiR-V 50%的‘d '值

為了評(píng)估潛在的劑量減少，我們比較了DLIR在10mGy時(shí)達(dá)到與AV50相同的‘d‘值時(shí)對(duì)應(yīng)的CTDI_vol。結(jié)果表明DLIR有可能降低所有檢測(cè)特征的CTDI_vol。小特征和細(xì)微特征的潛在劑量減少略高于大特征。

5)?圖像質(zhì)量視覺(jué)評(píng)估

圖5描述了在每個(gè)劑量水平下使用丙烯酸樹(shù)脂插入物使用FBP、IR和DLIR算法獲得的圖像質(zhì)量(IQ)。

對(duì)于所有的算法，圖像噪聲隨著劑量的減少而增加，噪聲降低了空間分辨率(視覺(jué)邊界檢測(cè))和對(duì)比度。插入物的可檢測(cè)性在0.5毫戈瑞時(shí)是“困難的”。使用ASiR-V，圖像更加平滑，尤其是對(duì)于AV100。與AV50相比，DLIR獲得的圖像噪聲小、平滑度低，提高了空間分辨率(視覺(jué)邊界檢測(cè))和插入檢測(cè)能力。

圖5 3×3 cm²的感興趣區(qū)對(duì)于丙烯酸插入物的濾波反投影(FBP)、AV50(ASiR-V 50%)和AV100(ASiR-V 100%)，三個(gè)等級(jí)的深度學(xué)習(xí)圖像重建的圖像

06

—

討論

在本研究中，我們利用基于任務(wù)的圖像質(zhì)量評(píng)價(jià)方法，評(píng)估了一個(gè)新引進(jìn)的DLIR技術(shù)，并與IR算法進(jìn)行比較。結(jié)果表明新DLIR算法減少了噪音，提高了空間分辨率和可檢測(cè)性，而沒(méi)有出現(xiàn)IR通常會(huì)出現(xiàn)的圖像紋理變化。

基于人工智能的新型重建算法的圖像質(zhì)量特征尚未被廣泛表征，還需要與FBP、IR等參考重建方法進(jìn)行比較和理解。在以前的研究中，研究人員對(duì)IR重建算法進(jìn)行研究，證明了其對(duì)大多數(shù)臨床適應(yīng)癥的降噪能力和減少患者輻射。然而，一些研究證明了IR的局限性，會(huì)造成紋理退化，并表明相關(guān)的劑量?jī)?yōu)化會(huì)對(duì)圖像質(zhì)量、檢測(cè)和診斷帶來(lái)風(fēng)險(xiǎn)。

為了客觀地評(píng)價(jià)IR的非線性和非穩(wěn)定性和量化圖像質(zhì)量，本研究引入了基于任務(wù)的評(píng)價(jià)概念。在表征IR、與傳統(tǒng)FBP比較和估計(jì)其劑量減少潛力時(shí)，都表露出傳統(tǒng)基于傅里葉變換指標(biāo)的不足。因?yàn)镈LIR重建最近才公布, 不是基于傳統(tǒng)的算法，而是基于人工智能，以我們所知，除制造商GE以外沒(méi)有在任何研究中進(jìn)行客觀地評(píng)估過(guò)，評(píng)估最終圖像質(zhì)量至關(guān)重要的是噪音大小和紋理，空間分辨率和基于任務(wù)的檢測(cè)能力指數(shù)。

DLIR重建算法TrueFidelity?目的是在不改變紋理的情況下降低圖像的噪聲。本研究結(jié)果證實(shí)了DLIR可降低噪聲強(qiáng)度。與FBP相比，NPS峰值從DLIR-L的50%降低到DLIR-H的68%。此外，利用高質(zhì)量FBP圖像訓(xùn)練DLIR算法，DLIR得到的噪聲紋理和空間分辨率(分別用NPS空間頻率和TTF_50%評(píng)估)與FBP算法結(jié)果相似。FBP和DLIR的NPS空間頻率在不同劑量下有相似之處。在2.5 mGy以下，NPS空間頻率向較低頻率移動(dòng)。還應(yīng)注意的是，隨著DLIR水平的增加，NPS峰值和NPS空間頻率略有下降，但TTF_50%的值沒(méi)有變化。最后，NPS和TTF聯(lián)合結(jié)果顯示，DLIR對(duì)三種模擬病灶的可檢性高于FBP，隨著DLIR水平的升高更加明顯。

本研究中IR算法的基于任務(wù)的圖像質(zhì)量評(píng)價(jià)結(jié)果與以往研究結(jié)果一致。IR增加會(huì)導(dǎo)致NPS峰值降低，NPS空間頻率向低頻方向移動(dòng)。由于IR算法的非線性和非穩(wěn)定性，空間分辨率與對(duì)比度和劑量相關(guān)。與FBP相比，丙烯酸類(lèi)插入物的TTF值變化高于骨植入物和低對(duì)比度低劑量情況。然而隨著IR的增加，d '值相對(duì)FBP結(jié)果有了很大的提高。

DLIR與IR的比較結(jié)果根據(jù)所研究的度量值和IR的百分比不同而有所不同。所有DLIR水平的NPS峰值均低于AV50，但僅AV100與DLIR-H相當(dāng)，這可能表明了DLIR訓(xùn)練的目標(biāo)。基于線性特性(空間分辨率與劑量和對(duì)比度無(wú)關(guān))的FBP圖像校正，DLIR的NPS空間頻率和TTF值均高于IR。在低對(duì)比度下，DLIR和IR的TTF值差異較大。重建劑量和重建水平的變化對(duì)DLIR的影響小于IR。最后，DLIR組三個(gè)模擬病灶的d’值均高于AV50組，但僅DLIR-H組精細(xì)特征在所有劑量水平上高于AV100組。

對(duì)圖像質(zhì)量的視覺(jué)評(píng)估證實(shí)了利用基于任務(wù)在噪音強(qiáng)度、噪音紋理和空間分辨率方面的評(píng)估結(jié)果。在相同劑量水平下，FBP圖像的噪聲強(qiáng)度高于IR和DLIR圖像。IR的圖像出現(xiàn)平滑現(xiàn)象，尤其是在AV100圖像中。從NPS曲線的平均頻率可以看出，DLIR的圖像紋理類(lèi)似于FBP，但噪聲幅值更低。

多項(xiàng)研究表明，高權(quán)重等級(jí)的IR由于過(guò)多的圖像平滑和不自然的圖像外觀難以在臨床應(yīng)用。盆腹腔檢查的良好折中方案是使用文獻(xiàn)中最常用的迭代水平AV50或AV60進(jìn)行重建。為了保證滿足診斷的圖像質(zhì)量，劑量減少同時(shí)要保持適度的圖像質(zhì)量強(qiáng)度。本研究的結(jié)果表明，在相同的可檢測(cè)能力下，在不同的臨床任務(wù)中，DLIR-L的劑量可能比AV50減少9 -17%，DLIR-H減少46 - 56%。此外，對(duì)于相同的劑量情況下，利用DLIR重建的圖像質(zhì)量相對(duì)于IR來(lái)說(shuō)，特別是噪聲紋理和空間分辨率，可以改善腹部病變的分割和表征。與AV50相比，DLIR確實(shí)提高了低對(duì)比度、小直徑模擬病灶的可檢出性。

07

—

總結(jié)

新型TrueFidelity?深度學(xué)習(xí)圖像重建算法在不改變于FBP對(duì)應(yīng)的噪聲紋理的情況下，降低了噪聲幅度，提高了空間分辨率和可檢測(cè)性。DLIR獲得的圖像比IR獲得的圖像顯示了更大的劑量?jī)?yōu)化潛力，其重建時(shí)間適合臨床使用。因此，未來(lái)需要應(yīng)用在臨床條件下的患者研究，以確認(rèn)在本體模研究中發(fā)現(xiàn)的結(jié)果。

08

—

Appendix：圖像評(píng)價(jià)參數(shù)

1)?MTF?modulation transfer function 調(diào)制傳遞函數(shù)

MTF是在傅里葉域中描述線性和位移不變成像系統(tǒng)分辨率的度量，MTF定義為輸出圖像對(duì)比度/輸入圖像對(duì)比度，MTF的值在0到1之間，MTF為0，表示成像系統(tǒng)無(wú)法獲取物體的信息，MTF為1則表示成像系統(tǒng)可以重現(xiàn)物體的所有信息。

圖1. MTF示意圖，A,B,C代表不同成像系統(tǒng)的MTF曲線結(jié)果

在CT中MTF反應(yīng)成像系統(tǒng)在空間頻域的空間分辨率和對(duì)比度特性，通過(guò)MTF的值可以反應(yīng)CT對(duì)成像物體的分辨能力，50%MTF可以反應(yīng)CT對(duì)軟組織(如肝臟)的識(shí)別能力，10%MTF反應(yīng)CT對(duì)骨骼的分辨能力，所以MTF的測(cè)量值與目標(biāo)任務(wù)有關(guān)。所以在對(duì)CT進(jìn)行MTF評(píng)估時(shí)，需要對(duì)不同目標(biāo)任務(wù)進(jìn)行測(cè)量計(jì)算。

CT的MTF計(jì)算方法主要有點(diǎn)擴(kuò)散函數(shù)，線擴(kuò)散函數(shù)以及邊緣擴(kuò)散函數(shù)。

對(duì)于點(diǎn)擴(kuò)散法，通過(guò)假設(shè)成像圖像是個(gè)點(diǎn)像，通過(guò)成像系統(tǒng)后形成的點(diǎn)圖像，成像散開(kāi)程度越大，則表示成像系統(tǒng)分辨能力越差。但是由于實(shí)驗(yàn)難以提供完美的點(diǎn)像，而且點(diǎn)擴(kuò)散攜帶的數(shù)據(jù)信息較少，容易受到噪聲的影響，重復(fù)性差。對(duì)于線擴(kuò)散法，則利用線對(duì)(bar)通過(guò)CT進(jìn)行成像，線的擴(kuò)散程度反映了CT的空間分辨能力。缺點(diǎn)則是實(shí)驗(yàn)對(duì)線對(duì)的選擇有嚴(yán)格的要求，在計(jì)算低噪聲平均圖像時(shí)，切片之間的邊緣不對(duì)齊會(huì)造成邊緣的模糊，降低MTF的測(cè)量精度。

現(xiàn)在研究者普遍使用邊緣擴(kuò)散法進(jìn)行計(jì)算MTF，使用球形或圓盤(pán)物理進(jìn)行CT成像，通常使用ACR QA體模進(jìn)行評(píng)估。美國(guó)材料試驗(yàn)協(xié)會(huì)(ASTM)制定了CT測(cè)試標(biāo)準(zhǔn)，使用均勻圓盤(pán)為試件，通過(guò)插值，微分及傅里葉變化求得MTF曲線。

2)?NPS?noise power spectrum 噪聲功率譜

利用標(biāo)準(zhǔn)差(SD)估計(jì)CT圖像噪聲，由于測(cè)量方法相對(duì)簡(jiǎn)單、快速，得到了廣泛應(yīng)用。然而，它提供了一個(gè)非常有限的噪聲大小的描述，兩幅具有非常不同的噪聲紋理的圖像可能有相同的標(biāo)準(zhǔn)差，如圖2所示。

圖2. 兩幅標(biāo)準(zhǔn)差相同但圖像紋理不同的圖片，a)?高頻噪聲；b)?低頻噪聲。圖像之間的鮮明差異說(shuō)明了使用標(biāo)準(zhǔn)偏差充分評(píng)估圖像噪聲的局限性。

噪聲功率譜(NPS)測(cè)量方法基于傅里葉變換，將噪聲信號(hào)變換至頻域進(jìn)行分離測(cè)量，能夠描述重建數(shù)據(jù)中的噪聲頻率變化，是一個(gè)更為全面的噪聲評(píng)價(jià)方式。

在研究中，通常對(duì)水膜進(jìn)行掃描，可以去除硬化偽影和X射線散射對(duì)結(jié)果的影響。NPS的計(jì)算如下：

，

計(jì)算總體掃描與理論背景的差值即為二維空間的噪聲分布，通過(guò)傅里葉變換，則可以將噪聲進(jìn)行頻域分離，從而反應(yīng)噪聲頻率變化和分布的具體情況。

圖3. 4mGy下FBP，ASiR-V40%，ASiR-V60%，ASiR-V100%重建圖像的NPS曲線

圖3為常見(jiàn)CT圖像的NPS評(píng)估結(jié)果，FBP圖像在正常劑量和高劑量下NPS結(jié)果不會(huì)受到劑量影響，曲線走勢(shì)和平均頻率相差不大。隨著ASiR-V迭代算法重建權(quán)重的提高，NPS峰值降低，圖像噪聲減小，但平均頻率左移增加，圖像會(huì)出現(xiàn)噪聲紋理變化和過(guò)度平滑的現(xiàn)象。

3)?d’可檢測(cè)指數(shù)

研究客觀和主觀指標(biāo)之間的關(guān)系，需要使用復(fù)雜的指標(biāo)，可檢測(cè)指數(shù)提供了一個(gè)綜合系統(tǒng)性能和成像任務(wù)的價(jià)值。在這種形式下，可檢測(cè)指數(shù)也可以理解為任務(wù)函數(shù)與MTF?task和NPS的加權(quán)和，相對(duì)空間頻率的變化情況。檢測(cè)能力具有空間分辨率和噪聲紋理(像素相關(guān)性), 更全面地評(píng)估系統(tǒng)的分辨率的圖像質(zhì)量和噪聲紋理與劑量和對(duì)比與迭代重建算法的相關(guān)性，是客觀評(píng)價(jià)任務(wù)檢出能力的參數(shù)。

d '的目標(biāo)是找到最低劑量，產(chǎn)生足夠的圖像質(zhì)量，提供良好的臨床表現(xiàn)。

通常計(jì)算d‘需要確定目標(biāo)任務(wù)，對(duì)不同的目標(biāo)任務(wù)(如骨骼，軟組織，低密度病灶等)，CT成像系統(tǒng)對(duì)任務(wù)的檢測(cè)能力也有所不同。

由于MTF和NPS與檢出任務(wù)相關(guān)，NPS與劑量相關(guān)，則d’是基于指定的檢出任務(wù)，在不同劑量下的客觀診出結(jié)果。

參考文獻(xiàn)：

1)? Greffier J., Hamard A., PereiraF., et al. Image Quality And Dose Reduction Opportunity of Deep Learning Image?Reconstruction Algorithm for CT: A Phantom Study. Eur Radiol. 2020; 30(1):10.1007/s00330-020-06724-w.?

2) De Marco P,Origgi D. New adaptive statistical iterative reconstruction ASiR-V: Assessment?of noise performance in comparison to ASiR. JAppl Clin Med Phys. 2018;19(2):275-286. doi:10.1002/acm2.12253.

(攝影?David He)

- the END -

總結(jié)

以上是生活随笔為你收集整理的图像重建算法_基于深度学习图像重建算法(DLIR)对CT图像质量和剂量优化的研究：体模实验...的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。