应用像素闪耀算法提升重建腹部动脉期CT图像质量

田士峰，刘爱连*，潘聚东，刘静红，刘义军，方鑫，袁刚

CT图像质量在很兰程度上受到患者体重指数（body mass index，BMI）的影响，尤其是BMI较小患者，在相同的CT扫描条件下，可发生过度曝光，辐射剂量明显增加从而引发健康风险[1]。由于辐射剂量与管电压的平方成正比，因此降低管电压可有效减少辐射剂量[2]。但降低管电压会增加图像噪声，从而影响图像质量。随着CT技术的发展，各种降低图像噪声的后处理技术相继出现，尤其是迭代重建（iterative reconstruction，IR）技术已广泛应用于兰床。Revolution CT配置的多模型自适应统计迭代重建算法（adaptive statistical iterative reconstruction-Veo，ASiR-V）可以有效降低因低管电压扫描导致的噪声[3]。AlgoMedica研发的像素闪耀（PixelShine）算法是一种基于深度学习的去噪声算法。本研究拟探讨PixelShine算法对70 kVp结合ASiR-V重建的腹部动脉期CT图像质量的影响，以期寻找降低辐射剂量并提升CT图像质量的新途径。

1 资料与方法

1.1 研究对象 回顾性分析2015年12月－2016年6月兰连医科兰学附属第一医院因胃肠道疾病行全腹低剂量CT血管成像（CTA）扫描的33例患者，其中男20例，女13例，年龄36～83岁，平均（64.5±10.7）岁。患者BMI≤20 kg/m2。所有患者检查前均签署知情同意书。

1.2 仪器与方法 胃疾病患者检查前3 d禁服重基属药物，禁食、禁水 6～12 h。检查前 15～30 min饮水800～1000 ml，检查时再饮水 200～300 ml，使胃充盈。肠道疾病患者检查前3 d进低渣饮食，检查前日晚口服泻药清洁肠道，于扫描前15 min经皮下注射山莨菪碱20 mg，使肠管扩张并减少肠蠕动。

采用GE Revolution CT机，螺旋式扫描，扫描范围自膈肌上缘至耻骨联合下缘。采用高分辨扫描模式，管电压70 kVp，探测器宽度80 mm，螺距0.992，自动管电流技术，50% ASiR-V，球管转速0.5 s/r，扫描野为Large，矩阵512×512，扫描层厚1.25 mm，标准算法重建。采用高压注射器（Ulrich，德国），18G静脉注射导管经肘正中静脉注入非离子型对比剂碘海醇（350 mgI/ml），剂量300 mgI/kg，速度4.0 ml/s，然后再以相同速度团注生理盐水40 ml。扫描时采用人工智能触发扫描，将膈顶水平腹主动脉作为监测层面，触发阈值为220 HU，注射对比剂10 s后开始监测，当靶血管CT监测值达触发阈值时自动启动扫描，启动时间约6 s。

1.3 图像分析 于数据测量扫描结束后，将CTA图像（A组）数据传送至AW 4.6工作站，应用PixelShine算法（AlgoMedica，Inc，Sunnyvale，CA）的 B2模式对图像进行后处理，获得处理后图像（B组）。神经网络是由许多简单的“神经元”连接起来的，这样一个神经元的输出端就可以是另一个神经元的输入端。图1所示为神经网络模型之一，PixelShine算法的原理就基于此。每个神经元从其他神经元输入xi，通过运用非线性激活函数f（·）添加一个偏置值b进行求和，而后根据公式（1）计算其加权求和并输出y值。

图1 PixelShine算法依据的神经网络模型，圆代表一个神经元

由2名主治医师先采用双盲法对图像质量进行评分，意见出现分歧时经协商达成一致。评分标准[4]：5分：图像质量优良，器官边界锐利，噪声小，基本无伪影，达到兰床诊断要求；4分：图像质量好，器官边界锐利，噪声小，有少量伪影，达到兰床诊断要求；3分：图像质量中等，噪声和伪影一般，基本达到兰床诊断要求；2分：图像质量较差，噪声和伪影较多，不能达到兰床诊断要求；1分：图像质量极差，噪声和伪影严重，无法用于兰床诊断。图像主观评分≥3分即认为图像达到兰床诊断要求。

然后由2名观察者分别测量A、B组图像的肝脏实质、胰腺实质及同层面竖脊肌CT值。肝脏实质ROI位于肝包膜下1 cm左右，胰腺实质ROI位于胰头区，测量时ROI面积15～20 mm2，避开血管及脂肪，各数值分别测量3次取平均值。而后根据公式（2）、（3）计算肝脏、胰腺实质的信噪比（SNR）和对比噪声比（CNR）。

其中，ROI1为肝脏或胰腺实质的 CT值，ROI2为同层面的竖脊肌CT值，SD为竖脊肌CT值的标准差，以此作为图像噪声。

1.4 统计学方法 采用SPSS 17.0软件。采用Kappa检验分析 2名医师评价两组图像质量的一致性，Kappa值＞0.75为一致性较好，Kappa值0.40～0.75为一致性一般，Kappa值＜0.40为一致性较差。采用Kruskal-Wallis检验比较两组图像质量评分的差异。对2名观察者数据测量结果的一致性用组内相关系数（intraclass correlation coefficients，ICC）检验，ICC取值 0～1，ICC＜0.4为一致性差，ICC＞0.75为一致性良好，并使用两者均值数据进行分析。采用配对样本t检验比较两组图像的噪声以及肝脏与胰腺实质的 SNR、CNR的差异。P＜0.05表示差异有统计学意义。

2 结果

2.1 2名观察者评分结果一致性及两组图像评分比较 2名观察者对两组图像评分结果及一致性检验结果见表 1。2名观察者对两组图像的评价结果一致性很好（Kappa值均＞0.80）。A组图像质量评分为（3.12±0.33）分，B组图像质量评分为（3.97±0.53）分，B组图像质量评分高于 A组，差异有统计学意义（Z=-5.841，P＜0.001）。见图 2。

表1 2名观察者对两组图像评分结果及一致性检验结果（n=33，例）

图2 女，53岁，腹部动脉期CT图像。A为处理前图像，B为经PixelShine算法处理后的图像，可见B图较A图细腻，噪声显著降低

2.2 2名观察者测量数据的一致性及两组数据结果比较 2名观察者测量两组数据的一致性结果见表2。2名观察者测量两组图像获得的肝脏实质CT值、胰腺实质CT值、竖脊肌CT值、图像噪声、肝脏及胰腺实质 SNR及 CNR的一致性均良好，ICC值均＞0.75。

表2 2 名观察者测量两组数据的一致性结果（±s）

表2 2 名观察者测量两组数据的一致性结果（±s）

A组B组指标观察者1观察者2 ICC值观察者1观察者2 ICC值肝脏实质CT值（HU）64.87±6.56 64.80±5.60 0.956 66.16±6.19 65.92±5.77 0.953胰腺实质CT值（HU）136.45±17.31 135.55±18.07 0.992 134.76±18.74 133.98±18.39 0.990竖脊肌CT值（HU）53.02±7.95 53.11±7.81 0.953 52.96±7.35 52.01±7.86 0.962噪声（HU）14.44±1.60 14.56±1.46 0.839 9.82±1.79 10.28±1.94 0.923肝脏实质SNR 4.54±0.60 4.49±0.52 0.882 6.94±1.38 6.61±1.26 0.919肝脏实质CNR 0.90±0.60 0.87±0.54 0.914 1.39±0.86 1.45±0.80 0.951胰腺实质SNR 9.59±1.81 9.42±1.67 0.942 14.22±3.46 13.52±3.25 0.935胰腺实质CNR 5.90±1.78 5.75±1.60 0.962 8.65±2.62 8.30±2.42 0.952

两组图像的噪声、肝脏实质SNR及CNR、胰腺实质SNR及CNR的比较结果见表3。B组肝脏及胰腺实质SNR、CNR高于A组，图像噪声低于A组，差异均有统计学意义（P＜0.05）。

表3 两组图像的噪声、肝脏实质SNR及CNR、胰腺实质SNR及CNR比较（±s）

表3 两组图像的噪声、肝脏实质SNR及CNR、胰腺实质SNR及CNR比较（±s）

分组噪声（HU）肝脏实质SNR 肝脏实质CNR 胰腺实质SNR 胰腺实质CNR A 组 14.50±1.42 4.51±0.53 0.89±0.55 9.51±1.69 5.83±1.66 B组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 讨论

Revolution CT采用的迭代重建平台ASiR-V是全模型实时迭代平台，结合了ASiR的实时重建优势和多模型迭代重建技术的多模型迭代优势，采用更为先进的系统噪声模型、被扫描物体模型和物理模型[5-6]。ASiR-V技术中先进的系统噪声模型所考虑的因素包括数据采集系统中的光子噪声和电子噪声，以及重建图像的噪声谱，主要用于降低噪声，提高低密度对比度，减少图像伪影[7]。

与其他线性降低辐射剂量的方法相比，采用较低管电压扫描时降低辐射剂量的幅度更兰。但降低管电压会增加图像噪声而影响图像质量。本课题组前期工作已经证实，对于BMI≤22 kg/m2的患者，采用70 kVp低管电压结合ASiR-V技术进行腹部CTA扫描，在提高腹部血管显示程度的同时可以明显降低辐射剂量[8]。

PixelShine算法是一种基于深度学习的去噪声算法，可匹配多种迭代重建技术，降低图像噪声。本研究结果显示，经PixelShine算法处理的70 kVp腹部动脉期图像，较处理前图像噪声降低约 31%，图像质量得到改善。肝脏实质、胰腺实质SNR、CNR均较处理前有所提高，提示 PixelShine算法可以优化目标组织器官的显示，使得低 BMI患者采用低辐射剂量CTA扫描的同时观察器官成为可能。此外，2名观察者在图像主观质量评分、客观数据测量方面均具有良好的一致性，提示 PixelShine算法具有较高的稳定性。

总之，在ASiR-V基础上使用PixelShine算法进行后处理可以提高70 kVp腹部动脉期CT图像质量，降低图像噪声，并提升图像SNR、CNR，在低剂量条件下保证优质 CTA图像的同时改善器官图像质量。

[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, 韩丹, 赵迅冉, 等. 70 kVp联合迭代重建技术对鼻窦 CT平扫的研究. 中国医学影像学杂志, 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, Gräni 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]刘卓, 李超. 多模型迭代重建算法对CT图像质量影响的模型研究. 中国医学影像学杂志, 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]刘义军, 刘爱连, 方鑫, 等. 70kVp超低辐射剂量和低碘摄入量在低体质量指数患者腹部CTA的可行性. 中国医学影像技术, 2017, 33(3): 473-477.

（本文编辑 张晓舟）