多排螺旋CT自适应统计迭代重建算法的客观评价*

白 玫 杨 雨 严汉民

自适应统计迭代重建算法(adaptive statistical iterative reconstruction，ASIR)是GE公司自主研发的全新非线性滤波技术[1-2]，该技术已取代传统的滤波反投影重建算法(filtered back projection，FBP)应用于CT临床诊断[3-5]。因此，有必要对该技术采用物理方法进行客观评价，对在降低辐射剂量和提高图像质量方面的应用效果进行验证[6-7]。

1 材料和方法

1.1 测试体模和扫描条件

采用Catphan体模(phantom lab，USA)模拟人体扫描。Catphan体模具有不同的测试模块可测量系统的高对比和低对比分辨力，内部有一个点源模型可测量系统的调制传递函数(modulation transfer function，MTF)，如图1所示[8]。

低对比测试模块包含有内、外2组低密度孔径结构。内层孔阵：对比度为0.3%、0.5%、1.0%；直径分别为3 mm、5 mm、7 mm、9 mm；外层孔阵：对比度为0.3%、0.5%、1.0%；直径分别为2 mm、3 mm、4 mm、5 mm、6 mm、7 mm、8 mm、9 mm、15 mm(如图2所示)。

图1 带有点源的MTF测试模块

用GE公司生产的宝石能谱CT机Discovery CT750 HD(GE Healthcare，Waukesha，USA)对体模进行扫描，采用相同的扫描条件和扫描方式，获得1组、2组图像(见表1)。1组为采用ASIR重建算法进行重建的图像；2组为FBP重建算法(即ASIR加权为0)重建的图像。2组图像的重建层厚均为5 mm、2.5 mm、1.25 mm和0.625 mm。1组图像重建时ASIR加权分别为10%～100%，间隔10%。

图2 低对比细节检测模块

表1 体模数据重建方法

1.2 图像评价方法

采用图像感兴趣区内的标准偏差测量图像噪声。在图像相同位置选择感兴趣区测量不同算法图像噪声的大小，选择感兴趣区范围为2 cm2。

对比度噪声比(contrast-to-noise ratio，CNR)用于评价图像低对比分辨力。CNR为体模15 mm测试物CT均值与其背景的差值再除以背景的图像噪声[9](如图2所示)。分别测量3组不同对比度测试物的CNR并取其均值作为图像CNR。分别测量1组和2组图像CNR的大小。

利用Catphan体模内的点源图像计算系统的调制传递函数MTF[10]。点源为一个直径为0.28 mm的钨珠，该点源经过扫描成像后得到系统点扩散函数响应从而得出系统的MTF。

1.3 统计学方法

采用SPSS(Statistical Package for Social Science，SPSS)统计分析软件(SPSS Inc.，USA)对数据进行分析处理，采用配对 t 检验比较ASIR算法对图像分辨力的影响。

2 结果

2.1 ASIR算法与重建层厚的关系

ASIR算法结果显示，随着层厚的增加ASIR的降噪效果基本保持不变。不同重建层厚图像经ASIR处理后图像降噪百分比如图3所示。

图3 不同层厚降噪百分比

2.2 ASIR算法与加权百分比的关系

使用ASIR不同加权百分比重建图像后图像噪声的变化如图4所示，随着加权系数的增加ASIR降噪效果随之提高。

图4 不同加权百分比降噪效果影响

2.3 ASIR算法对MTF的影响

经FBP(即ASIR加权值为0)和ASIR重建后图像MTF的大小见表2。采用配对t检验对2种重建算法图像MTF值进行统计分析，结果为t=-1.706，P=0.108(＞0.05)，说明2种算法处理后MTF没有明显变化，即ASIR算法对图像高对比分辨力无影响。

2.4 ASIR算法对图像低对比分辨力的影响

经ASIR处理后图像CNR得到改善，而且随层厚的增加CNR随之提高。FBP和ASIR处理后图像低对比分辨力(CNR)的变化如图5所示。

表2 ASIR算法对MTF影响

图5 ASIR算法重建图像CNR的变化

3 结论

实验结果显示，采用ASIR技术可以显著降低CT图像噪声，而且ASIR加权系数越高，ASIR降噪效果越明显。

MTF和CNR分析结果表明，经ASIR算法处理后图像的高对比分辨力未发生明显变化，同时CNR有显著提高，说明ASIR算法在降低图像噪声的同时可以保持原有的图像空间分辨力。目前，本研究的工作仅限于采用物理方法对体模图像进行验证，下一步将对ASIR技术在临床图像的应用效果进行深层次的分析论证。

综上所述，ASIR技术在提高CT图像质量和降低CT辐射剂量方面极具潜力，具有很高的临床应用价值。

[1]Singh S,Kalra MK,Hsieh J,et al.Abdominal CT comparison of adaptive statistical iterative and filtered back projection reconstruction techniques[J].Radiology,2010,257(2):373-383.

[2]Miéville FA,Gudinchet F,Brunelle F,et al.Iterative reconstruction methods in two different MDCT scanners: Physical metrics and 4-alternative forced-choice detectability experiments–A phantom approach[J].Phys Med,2012,[Epub ahead of print].

[3]Alvin C,Silva1,Holly J,et al.Innovations in CT Dose Reduction Strategy: Application of the Adaptive Statistical Iterative Reconstruction Algorithm[J].AJR Am J Roentgenol,2010,194(1):191-199.

[4]Prakash P,Kalra MK,Ackman JB,et al.Diffuse lung disease: CT of the chest with adaptive statistical iterative reconstruction technique[J].radiology,2010,256(1):261-269.

[5]Park EA,Lee W,Kim KW,et al.Itera-tive reconstruction of dual-source coronary CT angiography: assessment of image quality and radiation dose[J].Int J Cardiovasc Imaging,2012,28(7):1775-1786.

[6]胡熙芳,刘文涛.数字化摄影(DR)图像质量控制[J].中国医学装备,2009,6(7):39.

[7]周小兵,王德杭.CT低剂量扫描的探讨[J].中国医学装备,2011,8(7):36-37.

[8]白玫,彭明辰.X线CT成像质量评估中的调制传递函数的测试与分析[J].医疗设备信息,2006,21(5):11-13.

[9]Verdun FR,Denys A,Valley JF,et al.Detection of low-contrast objects: experimental comparison of single–and multi–detector row CT with a phantom[J].Radiology,2002,223(2):426-431.

[10]Efstathopoulos EP,Costaridou L,Kocsis O,et al.A protocol-based evaluation of medical image digitizers[J].Br J Radiol,2001,74(885):841-846.