口腔颌面锥形束CT金属伪影的研究进展

刘 煜，赵 彬

口腔颌面部锥形束CT(cone beam computed tomography, CBCT)以其较低的辐射剂量、较高的空间分辨率和三维可视化图像等优点，为口腔医师提供了可靠的影像学数据[1-2]。但随着修复和种植材料的广泛应用，一些口腔金属材料在CBCT图像中产生的金属伪影可能会影响口腔医师的术前评估和疾病诊断。为了减少金属伪影对图像质量带来的影响，近年来，学者们从参数设置和图像后处理技术方面研究和探索减少金属伪影的方法。本文就金属伪影的产生、影响及其减少方法进行综述，为口腔放射医师在CBCT扫描前选择最适的金属伪影减少方法提供参考依据。

1 金属伪影的产生和影响

1.1 金属伪影的产生

伪影是损害CBCT图像诊断质量的主要因素之一[2]。通常，伪影可以定义为图像中与研究对象无关的任何图像失真或错误，这可能是由实际物理条件和用于三维重建的数学格式之间的差异引起的[3]。伪影的存在会降低对比度和模糊结构，限制了感兴趣区域的诊断价值，最终损害了CBCT图像质量[4]。CBCT成像中的伪影可根据其来源分为不同的类别：①图像采集中涉及的物理过程产生的伪影；②患者口中存在金属材料以及患者运动产生的伪影；③由扫描设备功能缺陷引起的伪影[5]。对于口腔疾病诊断影响较大的金属伪影主要是由于光束硬化产生的，由于CBCT的X射线具有多色性，当较低能量的射线穿过金属材料时被吸收的较多，导致平均能量升高，能量的这种增加称为“变硬”，这会导致衰减的X射线束由于吸收差异而失真，并在两个相邻的不透射线物体之间产生条纹和暗带[3]。条纹和暗带可能会遮盖关键的解剖部位或者模仿骨折线和骨缺损从而影响疾病的诊断。

1.2 金属伪影的影响

1.2.1 金属伪影对于牙根纵裂的影响 牙根纵裂是指牙根发生完全或不完全的纵向裂纹，折线通常沿着牙根从根管到牙周韧带的长轴延伸，累及牙齿结构、牙髓和牙周组织[6]。在临床检查及X线片无法确诊时，推荐使用CBCT辅助诊断[7]。然而，由于受到根管内高密度材料产生的金属伪影的干扰，会影响CBCT诊断牙根纵裂的准确性[8]。Marinho等[9]研究表明，与用金属根管桩修复的牙齿相比，根管内无任何修复材料的牙齿和用纤维根管桩修复的牙齿受金属伪像的干扰较小，牙根纵裂的诊断率更高。Dutra等[10]研究显示，在CBCT横断面图像上除非骨折线达到牙根根尖三分之一处，根管内存在金属桩时就会干扰牙根纵裂的诊断。此外，当存在种植体时，CBCT中由种植体产生的金属伪影也会影响种植体邻近牙齿牙根纵裂的诊断[11-12]。

1.2.2 金属伪影对于种植体周围骨缺损的影响 由于相邻结构的重叠，二维的X线片(包括根尖片和全景片)在评估种植体周围骨缺损时较困难。CBCT已被广泛用于种植术前植入位点骨量的评估，然而种植体、正畸托槽、根充材料等产生的金属伪影会降低CBCT图像质量并干扰种植体周围骨的可视化，这可能影响医师的治疗决策[13]。Eskandarloo等[14]在牛肋骨中植入31颗钛种植体，在每个种植体颈三分之一区域的骨周围人为形成骨缺损，采集CBCT图像，与未形成骨缺损时的CBCT图像相比，种植体产生的金属伪影会干扰种植体周围骨缺损的诊断。Schriber等[15]研究发现，CBCT中氧化锆种植体产生的金属伪影对种植体周围骨缺损的评估产生了干扰，而且对种植体周围骨缺损的宽度以及种植体直径和长度的评估均有影响。

1.2.3 金属伪影对于计算机辅助外科的影响 近年来，随着计算机图形以及处理技术的提高，计算机辅助外科(computer-asisted surgery, CAS)技术在临床医学中得到了广泛的应用，不仅取得了更好的治疗效果，而且减少了手术时间和成本[16]。口腔颌面部计算机辅助外科的基本步骤是将扫描得到的CBCT图像转换成感兴趣解剖区域的虚拟三维模型，这一转换过程需要准确分割CBCT图像中的牙齿和骨骼结构[17]。然而，受到例如银汞合金、冠修复体、种植体等高密度金属物体产生的金属伪影干扰，影响了图像的分割[1]。具体而言，X射线束路径中由于高密度金属物体的存在而产生射束硬化现象，导致CBCT图像中出现特有的明、暗条纹伪影，这些条纹伪影会模糊解剖结构并降低相邻区域之间的对比度，从而阻碍牙齿与上、下颌骨中骨结构的分割过程。

2 减少金属伪影的方法

2.1 参数设置

2.1.1 管电压 X线的产生需要阳极和阴极之间的高电压，即管电压。CBCT球管发出的光束是多能的，电子从阴极释放并加速到阳极，在球管中产生韧致辐射，其最大能量由管电压决定。Freitas等[18]评估钛和氧化锆种植体在不同管电压条件下的CBCT图像，在选取的横断面图像上计算种植体周围感兴趣区域的灰度值标准差和对比度噪声比，以此评估金属伪影产生的多少，结果显示升高管电压可有效减少种植体产生的金属伪影。Vasconcelos等[19]评估氧化锆种植体在CBCT中产生的金属伪影，同样证实了通过升高管电压，会减少氧化锆种植体金属伪影的产生。该团队进一步在离体干燥的下颌骨中研究不同管电压下钛和氧化锆种植体在CBCT中产生的金属伪影，实验表明，增加管电压仍可有效减少两种材料种植体的金属伪影，并且氧化锆种植体比钛种植体产生更多的金属伪影[20]。虽然增加管电压会减少CBCT中的金属伪影，但管电压的升高会增加辐射剂量，所以临床上应综合考虑诊断目的合理调节管电压。

2.1.2 管电流 电子高速射向阳极所产生的电流即为管电流，与管电压不同，管电流和曝光时间与离开电子管的X射线光子数量成正比，即与辐射剂量成正比。 Gaêta-Araujo等[21]的研究表明，对于根管内存在牙胶或金属桩的牙齿，CBCT中管电流的增加会提高牙根纵裂诊断的准确性。当根管内无充填材料的牙齿发生了牙根纵裂，其相邻两颗牙都有金属根管桩修复时，金属根管桩产生的金属伪影就会干扰牙根纵裂的诊断，但将管电流增加到8 mA时则能提高诊断的准确性[12]。然而，Fontenele等[11]的CBCT研究显示，与氧化锆种植体相邻的牙齿发生牙根纵裂时，管电流的增加并不能提高牙根纵裂诊断的准确性，这一相反的发现可能是由于氧化锆种植体中锆的原子序数较高造成的，认为高原子序数材料获得的CBCT图像产生的金属伪影更多，管电流增加的效果不明显。

2.1.3 视野 由于投影数据的不连续性和散射辐射的影响，视野大小会影响CBCT图像的质量以及金属伪影的产生[22-23]。Shokri等[24]评估在不同CBCT曝光参数以及不同骨密度条件下种植体周围的金属伪影，发现无论骨密度如何，小视野图像中的金属伪影数量均低于大视野的，因此建议使用较小视野的CBCT减少金属伪影。Costa等[25]用CBCT两个尺寸视野(100 mm×100 mm和40 mm×40 mm)扫描含有金属物体的蜡圆柱体，结果显示与小视野相比，使用大视野获得的图像呈现出更高的噪点。另外，视野中金属材料的位置也会影响金属伪影的产生，当其不在视野中央时，会产生更多的金属伪影，影响图像的诊断[26]。Valizadeh等[27]评估了CBCT中有金属根管桩修复的牙齿在视野中不同位置时牙根纵裂诊断的准确性，结果位于视野中央的牙齿其诊断的灵敏度较高，有助于检测牙根纵裂。由此可知，CBCT中的各项参数中，视野对患者所接受的放射线剂量具有重要影响，因此在考虑诊断任务的情况下，建议将待诊断区域放在视野中央并选择较小的视野进行扫描。

2.1.4 体素 三维图像的体素相当于二维图像的像素，体素的大小决定着CBCT图像中的空间分辨率的高低，较小的体素意味着更高的空间分辨率，并且能提高受金属伪影干扰的图像质量[28]。有研究认为使用较小体素的扫描模式并将待诊断区域放置在视野的中央是减少CBCT金属伪影的理想方式[29]。Uysal等[30]收集100颗人下颌单根管的前磨牙，经根管治疗后随机选取其中50颗模拟牙根纵裂，研究显示CBCT对根管治疗后单根管牙的牙根纵裂具有很高的诊断准确性，与较低分辨率的CBCT相比，较高分辨率(0.125 mm和0.200 mm体素尺寸)的CBCT提高了检测的灵敏度。虽然较小的体素会减少金属伪影的干扰，提高疾病诊断的准确性，但是较小的体素提高了图像的空间分辨率也增加了辐射剂量。因此建议临床上选择辐射剂量相对较低的体素尺寸进行扫描，在不影响诊断的前提下尽可能地减少患者接受的辐射剂量。

2.1.5 材料种类 材料的密度和原子序数会影响金属伪影的产生[31]。银汞合金、铜铝合金、钛、氧化锆等口腔科常用材料均会产生金属伪影，其产生的多少与材料密度以及原子序数成正相关[32]。有研究发现，与上述材料相比，银汞合金在CBCT中观察到最多的金属伪影，其次是铜铝合金、氧化锆和钛[22]。这些材料产生的金属伪影会降低图像质量，并遮盖或模仿感兴趣区域中的解剖结构而影响诊断。最近，石墨烯衍生物类复合材料在生物医学领域有着广泛的研究[33]，Nejaim等[32]在聚乳酸/羟基磷灰石复合材料中添加氧化石墨烯，比较了该新型复合材料与银汞合金、铜铝合金、钛和牙胶四种牙科材料产生的金属伪影，结果表明：与其他测试材料相比，新材料产生的金属伪影明显减少。总之，含有氧化石墨烯的新型复合材料在口腔医学各领域有广泛的应用前景，也给解决CBCT中金属伪影减少问题提供了新的思路。

2.2 金属伪影减少算法

自计算机断层扫描(computed tomography, CT)技术问世以来，已经引入了许多金属伪影减少(metal artifact reduction，MAR)技术，它们可以分为两大类：基于迭代的方法和基于插值的方法[3]。基于迭代的方法在减少金属伪影方面已显示出较好的性能，但由于计算量过多，在CBCT中其临床应用仍然受到限制。大多数使用的MAR技术都是基于插值的方法，后者通过插值将金属轨迹数据替换为根据周围数据估计的数据，虽然可以极大地减少金属伪影，但可能会产生二次伪影[34]。因此，正确的金属分割对于CBCT成像中MAR的成功至关重要。

近年来，一些学者利用深度学习(deep learning, DL)技术来解决CBCT中MAR二次伪影的问题[35-36]。一种方法是在投影域上融入深度学习技术，采用简化U-net深度学习网络在投影域中进行金属分割，其比传统的基于图像域的金属分割方法具有更好的MAR性能。另一种方法是利用有监督的深度学习技术，建立一个从模拟到实用的金属伪影减少系统的转移学习，用于减少CBCT图像中的金属伪影，该系统将MAR问题转换为插值-伪影减少问题，从粗插值重建中恢复结构细节，这样一来，以插值MAR为桥梁的模拟训练数据就能够模拟真实数据中的类似特征，该网络可以对模拟和真实数据进行优化，易于实现且计算成本小，具有一定的临床应用价值。

卷积神经网络(convolutional neural network, CNN)是DL的一种，除了对DL作为诊断辅助手段的研究外，在口腔医学领域，CNN还因其在预后评估、图像分割等方面的优势而被研究[37]。Minnema等[38]提出了一种混合尺度的密集卷积神经网络(mixed-scale dense convolutional neural network, MSD CNN)，该方法在CBCT图像中用来分割受金属伪影干扰较大的牙齿和骨骼结构,实验表明，MSD网络的分割性能与最先进的U-Net和ResNet CNN结构相当，且在使用更少的训练参数同时保留了更多的解剖细节。Lee等[39]使用完全卷积网络(fully convolutional network, FCN)实现CBCT中投影域和图像域的深度学习过程，通过对一个带有多个金属嵌体的牙齿模型进行了计算机仿真实验，结果显示该方法能够提高MAR的性能。由此可知，DL为去除CBCT中金属伪影提供了独特的解决方案，虽然DL技术方兴未艾，但是存在黑箱问题，缺乏可解释性，还需要进一步的研究。

2.3 双能技术

CBCT图像中金属伪影减少的另一种方法是运用双能(dual energy，DE)技术。其最先运用于CT中，通过高、低能量下X射线获得的CT数据，不仅提供了图像中物质成分的定量信息，而且还能将其区分，减少了射束硬化造成的金属伪影[40]。与传统的CBCT相比，DE-CBCT可以通过对X射线源、探测器和采集工作流程的修改来实现[41]。在口腔医学领域，Hegazy等[42]利用能量差较小的双能量成像技术，在80 kVp和90 kVp下采集的CBCT图像提供了金属物体清晰的对比变化，将金属物体与牙齿或骨骼精确地区分开来。在以后的研究中，还需验证DE-CBCT对口腔中不同种金属材料的伪影纠正效果，同时也需更多的临床研究来进一步验证该方法的可靠性。

综上所述，CBCT中的金属伪影主要是由高密度金属材料产生的射束硬化现象导致的，这会降低图像质量并影响口腔医师的术前评估和诊断。为了减少CBCT中的金属伪影，口腔医师和放射技师可以通过合理调控设备参数，避免使用较高密度、较高原子序数材料以及运用MAR技术等方法得以实现。但是，过高的管电压、管电流和过小的体素值会增加辐射剂量，因此，患者在接受CBCT检查时，要在确实符合医学目的情况下将剂量控制在尽量低的水平(as low as reasonably achievable, ALARA)。另外，基于氧化石墨烯的纳米复合材料的出现，MAR中DL技术的引入以及DE-CBCT的发展，可为CBCT中金属伪影的减少提供新的思路，虽然取得了一些成果，但是尚处于初步探索阶段，缺乏有效的临床数据支持，有待进一步的研究。