不同重建算法对早期肺癌患者CT成像质量的影响

史同峰 杨方波 张强 孙振亚

濮阳市第五人民医院 河南濮阳 457000

肺癌是临床上发病率及致死率较高的恶性肿瘤之一,主要受吸烟、辐射、环境污染等危险因素影响,患者早期无明显症状,仅表现出咳嗽、胸闷、咯血等症状,易被忽视;出现明显临床症状就诊时通常已错过最佳治疗时机[1]。CT是临床诊断肺癌的常用手段,可根据病灶的形态与密度、病灶边缘与临近结构以及侵袭转移等影像依据进行判断,具有无创、操作简单、分辨率高等特点,目前已广泛应用于肺癌患者的术前检查分期、疗效评估及术后随访[2]。良好的图像质量是CT诊断肺癌的前提,但在临床实际工作中,仅通过影像科医师肉眼获取信息有限,同时也降低了CT检查的临床价值。研究表明利用重建算法深度挖掘图像中信息,对CT图像进行全方位分析及预测,可提高病灶检出率[3-4]。同时,临床中CT检查的广泛应用也为与重建算法的结合提供基础和可行性。近年来,随着CT图像处理技术的不断发展,图像重建算法不断更新,目前多模态迭代重建算法(adaaptive statistical iterative reconstruction V,ASIR-V)及深度学习图像重建算法(deep learning image reconstruction,DLIR)已投入临床应用,本研究旨在研究50%ASIR-V和DLIR算法的中强度(DLIR-M)算法对早期肺癌患者CT成像质量的影响,现报告如下。

1 资料与方法

1.1一般资料 选取我院2020年7月～2023年3月收治的78例早期肺癌患者,其中男48例,女30例;年龄42～74岁,平均(57.46±4.25)岁;病程0.5～4年,平均(1.75±0.52)年;病灶大小1～10 mm,平均(5.46±0.24)mm;左肺35例,右肺43例;腺癌35例,鳞癌32例,鳞腺癌10例,小细胞癌1例。纳入标准:(1)符合早期肺癌诊断标准[5];(2)均行CT扫描检查;(3)未进行抗肿瘤治疗;(4)患者及家属对本研究内容知情,并签署同意书。排除标准:(1)肺部手术史;(2)精神疾病或认知障碍;(3)生存时间<3个月。本研究开展前经医院伦理委员会批准通过。

1.2方法 检查前摘去身上金属异物,患者取仰卧位,双臂举起放松,头先进,保持平静自主呼吸。采用GE APEX 64排128层CT扫描仪,沿胸廓入口至肺底进行扫描。(1)常规扫描参数:管电压为120 kV,层厚/层间距均为2.5 mm,螺距比为1.75:1,扫描矩阵:512×512,视野为36 cm。(2)低剂量重建扫描参数:管电压为100kV,管电流为80～100 mA,螺距及层距为1.5/3.0 mm,噪声指数为13 HU,层厚为3 mm。由CT扫描仪标配的ASIR和DLIR对病灶进行二次重建成像(50%ASIR-V、DRIL-M重建成像),层厚/层距均为5 mm,矩阵220×260。

1.3图像处理及分析 将两种算法得到的图像传输至GE AW 4.7后处理工作站进行测量和分析。(1)由一名高级职称的影像科医师由胸廓入口至肺底划定感兴趣区(ROI),面积约为60 mm2,测量胸廓入口、气管隆突下(肺部)、上腹背部的CT值和图像背景噪声(SD),每项指标测量3次取平均值。注意避开图像伪影及边缘,测量时确保每组图像的ROI区域为同一位置且面积相同。(2)分别设置所有图像肺窗窗宽和窗位为1500/700 HU,纵隔窗位宽度和窗位为350/30 HU,由5位10年以上工作经验的影像科医师对图像质量、SD值水平及癌结节情况进行阅片评分,内容包括图像对比度、伪影、图像SD值、癌结节内部结构及外部影像。各项目总分均为5分,1分:图像对比度非常差,伪影和SD值很大,未见癌结节内部分支及外部影像;2分:对比度较差,SD值大,伪影大,癌结节显示不清晰;3分:对比度和SD值一般,伪影较小,癌结节内部结构及外部影像基本显示 ;4分:对比度较好,伪影和SD值非常小,癌结节显示清晰;5分:基本无SD值和伪影,对比度非常好,癌结节内部结构和外部影像显示非常清晰。

2 结果

2.1不同重建算法下不同部位肌肉、脂肪CT值比较 原始图像、50%ASIR-V、DLIR-M算法在不同部位肌肉、脂肪层面的CT值比较差异均无统计学意义(P>0.05)。见表1。

表1 不同重建算法下不同部位肌肉、脂肪CT值比较

2.2不同重建算法下不同部位肌肉、脂肪SD值比较 原始图像、50%ASIR-V、DLIR-M算法在不同部位肌肉、脂肪层面的SD值比较差异均有统计学意义(P<0.05),且DLIR-M<50%ASIR-V<原始图像。见表2。

表2 不同重建算法下不同部位肌肉、脂肪SD值比较

2.3不同算法下图像各项目评分比较 DLIR-M算法在图像质量、图像噪声、癌结节内外部征象及癌结节成分分界评分均高于原始图像和50%ASIR-V算法,差异均有统计学意义(P<0.05)。见表3。

表3 不同算法下图像各项目评分比较分,n=78)

3 讨论

在各种常见恶性肿瘤中,肺癌病死率居首位,是常见的男性癌症致死病因,在女性群体中的病死率仅次于乳腺癌[6]。低剂量肺部CT扫描是肺癌的诊断、疗效预测及预后评估的重要手段,但在临床实际工作中,单个肺癌患者的CT扫描切面较多,仅依靠临床医生肉眼评估相关数据很难对信息进行有效整合。此外,临床鉴别诊断时需考虑结节的性质、部位、大小、范围、浸润深度等信息,对图像质量要求较高[7]。以往CT图像优化主要依靠提高对比剂剂量以增加血管强化程度,近年来CT扫描的硬件和软件取得了突破性进展,CT重建算法对图像质量的影响成为临床关注的热点。本研究通过对比不同重建算法下的CT值和SD值,探讨其对早期肺癌患者CT图像质量的影响。

有研究报道图像重建对图像质量有根本性的影响[8]。滤波反投影算法(FBP)是第一代CT重建技术,以傅里叶变换理论为基础理论进行空域处理,进而改善图像形状伪影来提高成像质量,具有高运算效率、高精准度等优势,但另有研究发现FBP算法不能在降低辐射剂量的同时降噪,且图像灰度化较大,无法保证获得高质量图像[9]。因此,ASIR-V算法应运而生,具有高空间分辨率和低对比度分辨率等特点,是目前临床应用最广泛的重建算法。与FBP算法相比,ASIR-V算法虽然在低剂量辐射条件下成像质量高,图像噪声小,但会造成图像纹理退化和噪声过度平滑的现象,甚至出现伪影,严重影响医师判断。此外随着迭代算法的强度增加,ASIR-V算法的成像效果也随之降低[10]。有研究报道50%权重的ASIR-V在提高图像质量方面有很大优势[11]。DLIR算法是一种基于深度学习的CT图像重建算法,以人体不同组织的高剂量CT扫描的FBP图像作为对照,比较其与低剂量图像的噪声、分辨率、纹理等参数,根据二者差异进行算法模型优化,将低质量图像转换为高质量图像,与人脑重复学习类似[12]。DLIR分为L、M、H三个等级,王诗瑜等[13]通过探讨不同级别DLIR算法对上腹部CT图像质量的影响,发现DLIR-M为最佳等级,主客观图像质量均最好。本研究分析了原始图像、50%ASIR-V和DLIR-M算法所得CT图像质量的差异,结果显示,上述两种算法重建图像的CT值与原始图像无明显差异,但进一步分析发现,相较于原始图像和ASIR-V算法,DLIR-M算法的SD值更低,提示DLIR-M算法能够在不改变肺部CT值的前提下,显著降低图像噪声。此外,DLIR-M算法在图像质量、噪声、癌结节内外部征象、不同成分分界显示评分均高于ASIR-V算法和原始图像,说明DLIR-M算法能在减少过度平滑及伪影现象的同时进一步降噪,提高空间分辨率,清晰显示癌结节内外部影像征象及结节内不同成分分界。

综上所述,50%ASIR-V及DLIR-M算法重建均能改善早期肺癌患者CT图像质量,但DLIR-M算法的成像效果优于50%ASIR-V。本研究虽证明DLIR-M算法在改善早期肺癌患者CT图像质量取得了一定的效果,但后续仍需大样本、多数据多中心的研究对这项技术的稳定性进行验证。