基于噪声功率谱的不同重建类型CT图像噪声分析

2017-04-20卢东生钟朝辉

中国医学装备 2017年4期

原媛卢东生钟朝辉*

原媛①卢东生②钟朝辉①*

目的：利用噪声功率谱(NPS)评价不同重建方法的CT图像噪声特征，并与主观视觉噪声评价进行相关性分析。方法：对CT设备自带的水模进行扫描，采用8种常见的重建算法处理图像，将NPS曲线峰值、峰值对应频率和标准差(SD)与主观评价指标噪声的颗粒度、对比度、锐利度和整体噪声水平进行相关性分析。结果：8种重建算法在频段和峰值上均各有侧重，阅片者的颗粒度评分与峰值频率呈负相关；对比度与峰值呈正相关；锐利度同时与峰值和峰值频率呈正相关。所有的主观评价指标均与SD相关。结论：NPS较传统的SD评价方法能够更为全面地反映噪声的强弱和形态特征，且具有潜在的应用价值。

噪声功率谱；噪声；主观评价；客观评价；CT；图像重建；图像质量

原媛,女,(1983- ),博士，技师。首都医科大学附属北京友谊医院放射科，从事医学影像技术工作。

CT图像噪声是指均匀物体的影像中CT值在平均值附近随机变异，是重要的CT性能指标[1-2]。现行表征噪声特性的标准方法是计算图像给定区域的标准差(standard deviation，SD)，即通过扫描均匀水模，计算水模图像中心感兴趣区(region of interest，ROI)的SD方式进行噪声测量与评价[3-4]。传统的SD评价方法能够精确量化图像噪声的强度，无法具体表现噪声的形态和分布等特性[5-6]。噪声功率谱(noise power spectrum，NPS)测量方法的基本原理是以傅里叶变换为基础，将信号变换至频域进行测量分析，能够描述重建数据中的噪声频率变化，是一个更为全面的噪声评价方式[7-8]。为此，本研究利用NPS结合SD的噪声评价方法，对不同图像重建方法下的噪声进行分析，同时与诊断医师的主观评价进行相关性分析，探讨主观评价与基于NPS的噪声评价客观指标之间的关系。

1 材料与方法

1.1 仪器设备

采用Revolution 256排螺旋CT(美国GE)，对CT自带的20 cm水模进行扫描。

1.2 扫描方案及图像重建方法

扫描方式为Axial，管电压为120 kV，固定管电流为120 mA，准直宽度为64 mm×0.625 mm，旋转时间为1 s，DFOV为200 mm，层厚为0.625 mm，层间距为0.625 mm。该扫描条件下的CTDIvol为18.32 mGy。

Revolution CT提供的主要常规重建算法包括soft、stnd、detail、chest、lung、bone、bone+以及edge。这些算法根据检查目的不同，对空间分辨力和密度分辨力各有侧重。根据实际应用将重建方法分为低分辨重建算法和高分辨重建算法。低分辨重建算法主要表现低对比度的软组织细节，密度分辨力较高，可用于增强扫描，包括soft、stnd、detail及chest；高分辨重建算法主要表现空间分辨力，用于展现骨边缘等细节信息，密度分辨力偏低，一般不用于增强扫描，包括lung、bone、bone+及edge。

1.3 NPS计算方法

NPS计算为公式1：

式中fx和fy是X轴和Y轴方向上的噪声频率，bx和by是X轴和Y轴方向上的采样距离(用mm表示)。Lx和Ly是ROI在X轴和Y轴方向上的像素数。NROI是计算NPS所用的ROI的个数，ROIbackgroundi是ROI的背景CT值或者通过数学算法得到的ROI的非噪声信号部分[9-11]。

本研究获取噪声图像的方法是将水模进行2次扫描后作图像相减，这样可以剔除图像的信号部分，而图像噪声强度是原先的2倍，噪声功率是原先的2倍。引入校正系数s，若采用2次扫描相减的方法得到噪声图像则s=2，若采用ROI减去自身背景的方法得到噪声图像则s=1。本研究采取前者方法，因而s=2[12]。

以二维NPS频谱图中心为原点，对二维NPS频谱一维沿径向方向，即取平均值，再通过插值法求取径向均值NPS曲线[5,13]。为了便于观测NPS谱线趋势，本研究对NPS谱线进行高阶多项式拟合，拟合阶次为8。

1.4 客观评分

对所有体模图像均选取位于体模图像中心，像素大小为(150×150)pixel2的ROI。本研究采用的客观评分指标包括常规噪声值SD和NPS曲线峰值，以及NPS曲线峰值对应频率。SD是ROI的CT值标准差，NPS曲线峰值对应频率的计算为公式2：

式中fs为奈奎斯特采样频率，N为采样点数，n为峰值频率所对应的样本点[5]。

将DICOM格式图像文件导入MATLAB2009a软件进行处理和分析。

1.5 主观评分

对体模图像进行主观评价，由5名具有5年以上工作经验的放射科诊断医师完成，采取盲法，阅片设备为GE adw4.3图像工作站，每位医师阅片时房间亮度和屏幕亮度均一致，每评完4幅图像闭目休息30 s，以避免因视觉疲劳产生的误差。其评价指标与具体评分办法见表1。

表1 主观评价标准

其中骨窗的窗宽=1500，窗位=300，软组织窗窗宽=400，窗位=35。在评分过程中采用骨窗和软组织窗的原因为：①防止窗宽和窗位不统一，造成视觉对比度改变影响评分结果；②多数高分辨重建方法(如bone等)用于强化骨边缘细节，而低分辨率重建方法(如stnd等)用于常规观察软组织，采取这两组窗进行评价符合实际工作需要；③采取骨窗可避免窗窄和窗位低产生截断效应，采用软组织窗避免单纯用骨窗观测丢失低对比度信号，两者结合以保证评价的准确性。

1.6 统计学方法

应用SPSS19统计学软件，对5名医师的主观评价结果两两分组进行Kappa一致性检验，≥0.75为两者一致性较好；0.4～0.74为一致性中等；＜0.4为一致性较差。评分结果用均数表示。对客观评分和主观评分进行相关性分析，具体方法为采用偏相关分析，剔除不同重建方法影响的前提下比较主、客观各个评分之间的相关性，以P＜0.05为差异有统计学意义。

2 结果

2.1 NPS曲线

不同图像重建方法的NPS曲线，包括低分辨重建算法(soft、stnd、chest及detail)的NPS曲线和高分辨重建算法(lung、bone、bone+及edge)的NPS曲线，如图1所示。

图1 水模图像和相减纯噪声图像

2.2 客观评价参数

8种重建算法的峰值、峰值频段和SD的具体测量数据如图2所示。这些重建算法的噪声、NPS曲线峰值和NPS曲线峰值对应频率从低到高的排列顺序为soft、stnd、detail、chest、lung、bone、bone+以及edge。

图2 不同图像重建方法的NPS曲线图

2.3 主观评价参数

经5名医师的各项主观评价，其结果均为一致性中等(0.412～0.583)，平均Kappa值为颗粒度0.472，对比度0.577，锐利度0.463，整体噪声水平0.512。对每种重建算法下各主观评价参数取均值(见表2)。随着算法越侧重高频信息，噪声点颗粒度越小，对比度和锐利度增大，整体噪声水平呈上升趋势。

2.4 相关性分析

按照α=0.05的置信区间，与SD呈显著相关的主观评价参数有颗粒度(r=-0.825，P＜0.05)、对比度(r=0.868，P＜0.05)、锐利度(r=-0.825，P＜0.05)以及整体噪声水平(r=0.940，P＜0.05)，其中SD与颗粒度呈负相关；与NPS曲线峰值显著相关的参数有对比度(r=0.938，P＜0.05)、锐利度(r=0.799，P＜0.05)及整体噪声水平(r=0.991，P＜0.05)；而颗粒度与曲线峰值的相关性不显著(r=-0.583，P＞0.05)；与峰值频段显著相关的参数有颗粒度(r=-0.952，P＜0.05)和锐利度(r=0.837，P＜0.05)，其中峰值与颗粒度呈负相关；与峰值频段相关性不显著的参数有对比度(r=0.687，P＞0.05)和整体噪声水平(r=0.724，P＞0.05)，见表3。

表2 主观和客观评价结果

表3 主观评价与客观评价相关分析

3 讨论

重建算法改变图像噪声的频段，低分辨重建算法提高各个噪声点之间的相关性，降低噪声频段，噪声结构趋于平滑；高分辨重建算法提高各噪声点之间的差异，提高噪声频段，噪声结构趋于锐利。因而低分辨重建算法往往降低噪声，提高密度分辨力，降低空间分辨力；高分辨重建算法提高噪声，降低密度分辨力，提高空间分辨力[1]。针对检查目的合理运用重建算法可以有效提升图像质量，提高疾病检出率[14-16]。但关于后重建对图像质量的影响多以主观评分法或病灶检出率等主观评价方法为标准，缺乏一个能够相对全面描述噪声结构形态特征的客观指标[13]。

SD是评价噪声的标准，而其只能反映噪声的平稳性，不能够反映噪声的形态纹理等信息。NPS是基于二维快速傅里叶变换度量指标，二维傅里叶变换将图像从空间域投射到频域，每个点即具有原始图像的全部空间点的信息。NPS将二维傅里叶变换的径向求和，因而NPS理论上可以通过逆变换在一定程度将噪声图像还原，这是SD无法比拟的[11]。

长期以来，临床医师的主观评价均为图像质量评价的金标准，但主观评价易受个人因素的影响，很难有统一标准[16-18]。NPS是一种客观评价指标，且信息全面，相关性分析又表明与医师人眼特征评价的各指标具有较为明确的相关性，因而具有极大的潜在应用价值。

大量的临床研究或预实验基于体模或仿真体模，因其不涉及患者剂量问题，采用通过对同一层面进行2次扫描的方法获取噪声图像，继而计算NPS的方法进行噪声的客观评价是完全可行的。采用NPS与SD相结合的方法，更全面地对噪声进行客观评价，对评价采用不同的扫描参数、重建类型及后重建方法所得的图像质量意义匪浅，建议在基于体模的相关研究和预实验中广泛应用。NPS的缺点是对实际临床研究的可操作性较弱，NPS的信号不够稳定，易受0阶直流信号的影响。NPS的计算需要足够纯净的噪声信息，采用重复扫描同一层面进行图像相减的方法，虽然能够基本消除直流信号获得足够纯净的噪声信息，但会提高患者的扫描剂量；若采取与自身均值相减的方法，无法彻底消除0阶信号获得足够纯净的噪声信号，造成NPS曲线严重失真，评价结果不准确[13]。如何在临床实际工作中应用NPS对图像进行客观的噪声评价将是未来研究的方向。

[1]Ikeda M,Makino R,Imai K,et al.A method for estimating noise variance of CT image[J].Comput Med Imaging Graph,2010,34(8):642-650.

[2]白玫,刘彬,郑钧正.多排螺旋CT纵轴分辨力和图像噪声影响因素研究[J].中国医学影像技术,2008,24(7): 1110-1113.

[3]姜树勋.CT噪声的影响因素分析[J].中国医学装备,2007,4(8):36-37.

[4]亓恒涛,秦维昌,王巍,等.64层螺旋CT噪声测试及其影响因素分析[J].中华放射医学与防护杂志,2007, 27(2):195-198.

[5]余晓锷,高海英,蔡凡伟,等.基于噪声功率谱的CT图像噪声评价[J].中国医学影像技术,2014,30(8):1243-1246.

[6]Verduna FR,Racinea D,Otta JG,et al.Image quality in CT:From physical measurements to model observers[J].Phys Med,2015,31(8):823-843.

[7]Wilson JM,Christianson OI,Richard S,et al. A methodology for image quality evaluation of advanced CT systems[J].Med Phys,2013,40(3): 031908.

[8]Hara T,Ichikawa K,Sanada S,et al.Image quality dependence on in-plane positions and directions for MDCT images[J].Eur J Radiol,2010,75(1):114-121.

[9]Siewerdsen JH,Cunningham IA,Jaffray DA.A framework for noise-power spectrum analysis of multidimensional images[J].Med Phys,2002,29(11):2655-2671.

[10]Brunner CC,Renger B,Hoeschen C,et al. Investigation of a method to estimate the MTF and NPS of CT towards creating an international standard[J].Proc of SPIE,2011: 7961.

[11]Tang X,Yang Y,Tang S.Characterization of imaging performance in differential phase contrast CT compared with the conventional CT-noise power spectrum NPS(k)[J].Med Phys,2011,38(7):4386-4395.

[12]Mieville FA,Bolard G,Bulling S,et al.Effects of computing parameters and measurement locations on the estimation of 3D NPS in non-stationary MDCT images[J].Phys Med,2013,29(6):684-694.

[13]Wilson JM,Christianson OI,Richard S,et al. A methodology for image quality evaluation of advanced CT systems[J].Med Phys,2013,40(3): 031908.

[14]孙海宁,于铁链,李东.重建算法和层厚对肺结节容积定量的影响[J].中国医学影像技术,2010,26(5): 947-950.

[15]王志刚,许持卫,葛攀,等.螺旋CT薄层骨算法重建技术对前颅窝骨折的诊断价值[J].现代临床医学,2014, 40(1):42-43.

[16]张宏,王鹤,王霄英,等.胸部螺旋CT骨算法轴面重建与HRCT的影像比较[J].放射学实践,2013, 28(5):505-508.

[17]张广文,张劲松,李剑,等.双源CT在儿童颞骨检查中低剂量扫描条件的研究[J].放射学实践,2016,31(2): 171-174.

[18]董继伟.CT迭代重建技术原理及其研究进展[J].中国医学装备,2016,13(10):128-132,133.

The noise analysis of CT imaging based on noise power spectrum of different reconstruction type/

YUAN Yuan, LU Dong-sheng, ZHONG Zhao-hui//
China Medical Equipment,2017,14(4):32-35.

Objective: To evaluate the noise characteristic of different reconstruction type CT image by using the noise power spectrum (NPS), and analyze the correlation between this results and subjective vision noise evaluation. Methods: QA water phantom of CT equipment was scanned and 8 common reconstruction algorithms were applied to dispose image. NPS peak value, the peak frequency and standard deviation (SD) were compared with the subjective evaluation measurements, such as granularity, contrast, sharpness and optical noise level, by using the correlation analysis. Results: Each reconstruction algorithm owned different peak value and peak frequency. Granularity negatively correlated with the peak frequency. A positive correlation was found between contrast and peak value. Sharpness was positively correlated with both peak value and peak frequency. All of the subjective evaluation measurements were correlated with SD. Conclusion: Comparing with SD, NPS can reflect both intensity and morphological feature of the noise and possess applicative potential as a more comprehensive evaluation index.

Noise power spectrum; Noise; Subjective evaluation; Objective evaluation; CT; Image reconstruction; Image quality

10.3969/J.ISSN.1672-8270.2017.04.007

1672-8270(2017)04-0032-04

R814.42