引導(dǎo)螺旋斷層放療用兆伏CT圖像質(zhì)量定量分析

黃宇亮，李晨光，毛 凱，武建安，戴甜甜，韓媛媛，吳 昊，王海洋，張藝寶△

(1. 北京大學(xué)腫瘤醫(yī)院暨北京市腫瘤防治研究所放療科，惡性腫瘤發(fā)病機(jī)制及轉(zhuǎn)化研究教育部重點(diǎn)實(shí)驗(yàn)室，北京 100142； 2.中日友好醫(yī)院放射腫瘤科，中日友好醫(yī)院呼吸中心，國(guó)家呼吸疾病臨床醫(yī)學(xué)研究中心，北京 100029)

螺旋斷層放療系統(tǒng)(helical tomotherapy，TOMO)使用 3.5 MV光子配合氙氣探測(cè)器實(shí)現(xiàn)兆伏CT(megavoltage computed tomography, MVCT)成像[1]，在靶區(qū)位置引導(dǎo)、自適應(yīng)劑量重建[2]、患者運(yùn)動(dòng)管理[3]等方面具有廣泛應(yīng)用。相比較完善的治療射束質(zhì)控和機(jī)械精度監(jiān)測(cè)體系[1]，臨床對(duì)于MVCT的圖像質(zhì)量評(píng)估以觀察偽影和配準(zhǔn)精度為主[4]，存在較大主觀性和間接性。作為唯一的成像模式，TOMO在圖像引導(dǎo)方面對(duì)于MVCT的依賴(lài)度很高，但相對(duì)于kVCT[5]，MVCT的圖像質(zhì)量較差[3,6]，質(zhì)控更加關(guān)鍵。對(duì)TOMO系統(tǒng)MVCT圖像質(zhì)量的定量分析有助于建立基于基線(xiàn)值的長(zhǎng)期趨勢(shì)分析，還可以通過(guò)量化不同掃描模式獲取的圖像質(zhì)量為臨床選擇合適的成像條件提供數(shù)據(jù)參考[7]。本研究旨在定量分析TOMO系統(tǒng)3種MVCT掃描模式獲取的2套模體圖像質(zhì)量，探索和驗(yàn)證螺旋斷層放療系統(tǒng)MVCT圖像的半自動(dòng)質(zhì)控方法。

1 材料與方法

1.1 設(shè)備和模體

在中日友好醫(yī)院的TOMO加速器上，分別使用螺距為4 mm、8 mm、12 mm/圈的Fine、Normal和Coarse模式，獲取CatPhan504(The Phantom Laboratory, New York, USA)和Cheese(Gammex RMI, Wisconsin, USA)2種模體的MVCT圖像。在激光燈輔助下，模體長(zhǎng)軸與加速器中心軸在掃描過(guò)程中保持一致，不同模式下的掃描范圍也保持一致，圖像重建間距為1 mm。參照TG148報(bào)告[1]建議及Zarb等[8]對(duì)評(píng)估CT圖像質(zhì)量的報(bào)道，本研究重點(diǎn)分析空間分辨率、圖像噪聲、低對(duì)比度分辨率這3個(gè)影響放療引導(dǎo)精度的MVCT圖像質(zhì)量關(guān)鍵參數(shù)。為減少主觀因素導(dǎo)致的不確定性并實(shí)現(xiàn)半自動(dòng)化分析，分析過(guò)程采用了3套方法。

1.2 基于Pylinac計(jì)算圖像分辨率

Pylinac是一種提供TG142報(bào)告[9]相關(guān)加速器質(zhì)控分析的免費(fèi)軟件[10]，本研究利用Python 3.7.0調(diào)用第三方庫(kù)Pylinac中CatPhan504函數(shù)模塊以分析所得CT圖像，并對(duì)源代碼做出如下調(diào)整和賦值：輸入由說(shuō)明書(shū)[11]查得的各模塊與CTP404模塊的相對(duì)距離，用于函數(shù)在自動(dòng)搜索到CTP404參照?qǐng)D像后獲得其他目標(biāo)模塊的位置并進(jìn)行定量分析；根據(jù)庫(kù)函數(shù)說(shuō)明書(shū)的建議值，將低對(duì)比度分辨率模塊的對(duì)比度噪聲比(contrast-to-noise ratio，CNR)閾值賦為10[12]；調(diào)試各插件之間的偏角以使所有分析區(qū)域均在插件區(qū)域內(nèi)并盡可能等圓心。該P(yáng)ython代碼和CatPhan504模體被用于分析如下參數(shù)。

1.2.1空間分辨率 基于CTP528模塊內(nèi)呈圓形放射狀分布的21對(duì)間距從0.500 cm遞減到0.024 cm的鋁制線(xiàn)對(duì)圖像，模塊的內(nèi)部結(jié)構(gòu)及各線(xiàn)對(duì)間距見(jiàn)圖1，調(diào)用Pylinac庫(kù)中的CircleProfile函數(shù)對(duì)其進(jìn)行高斯濾波降噪后，基于模體各線(xiàn)對(duì)實(shí)際位置進(jìn)行

粗帶采樣，繪制出CT值隨采樣點(diǎn)序號(hào)變化的曲線(xiàn)圖。根據(jù)圖像中每一條線(xiàn)對(duì)所在弧度區(qū)間的峰-谷個(gè)數(shù)以及峰值與谷值的差值來(lái)評(píng)估圖像的空間分辨率。為保證評(píng)估方法的穩(wěn)定性[13]，3種成像模式的計(jì)算過(guò)程采用了相同的像素矩陣大小(512×512)。

1.2.2低對(duì)比度分辨率 調(diào)用Pylinac庫(kù)對(duì)3種模式獲取的CTP515低對(duì)比度模塊圖像進(jìn)行分析，使用公式(1)計(jì)算各感興趣區(qū)(region of interest，ROI，即模塊中的Supra-Slice)的CNR，稱(chēng)為low-contrastCNR。其中ROIpixel指感興趣區(qū)的CT均值，background指背景區(qū)域的CT均值，ROIstdev指感興趣區(qū)的CT值標(biāo)準(zhǔn)差，ROIdiameter指感興趣區(qū)的直徑。當(dāng)CNR大于10(CNR閾值)[12]，則目標(biāo)ROI可見(jiàn)，否則不可見(jiàn)。

(1)

圖1 CatPhan504的CTP528模塊內(nèi)部結(jié)構(gòu)及各線(xiàn)對(duì)間距Figure 1 The internal structure of CTP528 module in CatPhan504 and the gap size of each line pair

1.3 基于MATLAB評(píng)估圖像噪聲

將全部Cheese模體圖像數(shù)據(jù)讀入MATLAB后，使用dicominfo函數(shù)讀取DICOM文件信息，定位由均勻性材料鑄造的相同層面，得到3份512×512由雙精度格式存儲(chǔ)的矩陣。確定圖像中半徑為5 cm且與模塊圓心距均為7.3 cm的左上、左下、右上和右下共4個(gè)ROI，并根據(jù)重建圖像中距離-像素點(diǎn)個(gè)數(shù)比換算為矩陣中的目標(biāo)區(qū)域。根據(jù)DICOM文件包含的重構(gòu)截距與重構(gòu)斜率將矩陣灰度值轉(zhuǎn)換成CT值后，分別求得4個(gè)ROI的CT平均值(CT values, CV)， 根據(jù)公式(2)計(jì)算總體不均勻度，其中的IN代表總體不均勻度(integral non-uniformity)，CVmax和CVmin分別指4個(gè)ROI區(qū)域CT平均值的最大值和最小值。

(2)

1.4 基于Eclipse分析對(duì)比度噪聲比

在滿(mǎn)足區(qū)域沒(méi)有CT值突變及選取位置盡可能相同條件下，使用Eclipse計(jì)劃系統(tǒng)勾畫(huà)CatPhan504的CTP404模塊和Cheese模體的CT值測(cè)試模塊等圓柱形插件及其局部背景區(qū)域。根據(jù)區(qū)域平均CT值及標(biāo)準(zhǔn)差，使用公式(3)計(jì)算CNR[14]，其中μ0和μ1分別是插件區(qū)域和其局部背景區(qū)域的平均CT值，而σ0和σ1分別是插件區(qū)域和背景區(qū)域的CT值標(biāo)準(zhǔn)差。

(3)

2 結(jié)果

2.1 空間分辨率

CatPhan504的線(xiàn)對(duì)區(qū)域，3種成像模式CT值隨采樣點(diǎn)序號(hào)變化的曲線(xiàn)見(jiàn)圖2。

A, coarse; B, normal; C, fine.圖2 CatPhan504的CTP528模塊線(xiàn)對(duì)區(qū)域CT值隨采樣點(diǎn)序號(hào)變化曲線(xiàn)Figure 2 CatPhan504 CTP528 module line pair area, CT value as a function of sample point’s serial number

2.2 圖像噪聲

Cheese模體的4個(gè)ROI區(qū)域在3種成像模式下的CT值中位數(shù)、計(jì)算得到的總體不均勻度見(jiàn)表1。

2.3 低對(duì)比度分辨率

3種成像模式下，CatPhan504的低對(duì)比度模塊自動(dòng)分析結(jié)果均不可見(jiàn)，Eclipse所得CatPhan504與Cheese的CNR值隨插件材料和成像模式的變化見(jiàn)圖3和圖4，其橫坐標(biāo)的材料順序從左到右按照其與背景的CT值差異從小到大排列(背景CT值由目標(biāo)圓柱形插件局部背景區(qū)域的平均CT值求得)。

表1 Cheese模體的圖像噪聲評(píng)估結(jié)果Table 1 Image noise evaluation results of Cheese phantom

LDPE， low density polyethylene; PMP, polymethylpentene.圖3 CatPhan504模體的對(duì)比度噪聲比計(jì)算結(jié)果Figure 3 Contrast-to-noise ratio of CatPhan504 phantom

圖4 Cheese模體的對(duì)比度噪聲比計(jì)算結(jié)果Figure 4 Contrast-to-noise ratio of cheese phantom

3 討論

作為T(mén)OMO的MVCT標(biāo)配質(zhì)控設(shè)備，Cheese的數(shù)據(jù)相比于CatPhan504更具可靠性，但CatPhan504的圖像質(zhì)量分析自動(dòng)化程度更高，可通過(guò)現(xiàn)有軟件自動(dòng)實(shí)現(xiàn)，而Cheese尚缺乏自動(dòng)化圖像質(zhì)量分析軟件，過(guò)程需要人為輔助進(jìn)行，相比于前者分析過(guò)程較為復(fù)雜且引入了人為干擾,綜合以上兩點(diǎn)考慮，本實(shí)驗(yàn)用相同參數(shù)測(cè)了2套模體，在后續(xù)分析中選擇性使用。

3.1 空間分辨率

客觀評(píng)估了CatPhan504數(shù)據(jù)，Cheese的高對(duì)比度孔對(duì)插件尚缺乏相類(lèi)似的客觀評(píng)估法，常規(guī)方法是人為對(duì)該插件進(jìn)行觀測(cè)并得出結(jié)論[6]，但該方法較主觀且結(jié)果重復(fù)性較差，本研究不采用。圖2中，Coarse的前3個(gè)線(xiàn)對(duì)清晰但從線(xiàn)對(duì)4開(kāi)始發(fā)生了明顯混疊，而Normal和Fine的前4個(gè)線(xiàn)對(duì)均可清晰觀測(cè),并且圖中表明Normal與Fine的線(xiàn)對(duì)辨識(shí)度相似，均為前4個(gè)線(xiàn)對(duì)清晰而線(xiàn)對(duì)5發(fā)生輕微混疊，故Normal與Fine的空間分辨率相似而Coarse相比于前2者較差。

3.2 圖像噪聲

選擇3種掃描模式的Cheese模體數(shù)據(jù)，為了避免目標(biāo)圖像層不同而帶來(lái)的誤差，選擇MATLAB進(jìn)行數(shù)據(jù)分析而不使用Pylinac自動(dòng)分析。此外，Cheese均勻性模塊的中心處有圓形空腔，且模體沿過(guò)圓心的橫、縱向直徑可拆卸[15]，從而造成這2條線(xiàn)包含有空氣,故將Cheese的ROI區(qū)域選擇為左上、左下、右上和右下，而不是通常的上、下、左、右、中5個(gè)區(qū)域，IN的計(jì)算能夠通過(guò)監(jiān)測(cè)極端高/低量來(lái)表征圖像的不均勻性，結(jié)果表明Coarse、Normal、Fine的圖像噪聲依次減小。

3.3 低對(duì)比度分辨率

由于CatPhan504的CTP515模塊分析結(jié)果為低對(duì)比度可觀測(cè)性均為0，即3種成像模式中，各Supra-Slice結(jié)構(gòu)區(qū)域均未滿(mǎn)足CNR檢測(cè)閾值要求，此結(jié)果與醫(yī)學(xué)物理師對(duì)該區(qū)域盲法觀測(cè)結(jié)果相一致，故該評(píng)估方法失效。通過(guò)Eclipse計(jì)算2個(gè)模體插件模塊區(qū)域的CNR進(jìn)行量化評(píng)估，圖3、圖4顯示有明顯差別，但由于現(xiàn)有對(duì)TOMO的MVCT成像質(zhì)控多采用Cheese模體，且圖3中Air1與Air2為同種插件材料，但CNR結(jié)果波動(dòng)較大，可能原因是CatPhan504插件模塊數(shù)據(jù)質(zhì)量較差，故Cheese的計(jì)算結(jié)果更可靠。3種成像模式所得圖像的低對(duì)比度分辨率相近，且隨著構(gòu)造材料與局部背景CT平均差值的增大，插件的可觀測(cè)性呈近乎線(xiàn)性增長(zhǎng)。

雖然本研究并未直接使用基于臨床的圖像質(zhì)量評(píng)估，所采用的圖像質(zhì)量評(píng)估方法與復(fù)雜多變的臨床需求相比顯得較為簡(jiǎn)單，但能使預(yù)測(cè)圖像中簡(jiǎn)單結(jié)構(gòu)的感知成為可能[16]，可為臨床決策提供參考。

綜上所述，本研究建立并驗(yàn)證了TOMO的MV級(jí)CT圖像質(zhì)量評(píng)估方法，并對(duì)系統(tǒng)的3種成像模式(Coarse、Normal和Fine)的圖像質(zhì)量進(jìn)行了客觀定量評(píng)估，發(fā)現(xiàn)3種成像模式在3個(gè)圖像質(zhì)量評(píng)估指標(biāo)上并未呈現(xiàn)一致優(yōu)劣性。臨床上TOMO成像模式的選擇可基于圖像觀測(cè)的需求，參考本文的評(píng)估結(jié)果，做出合理決策，相關(guān)圖像質(zhì)量評(píng)估工作也可參考本文的方法，定期進(jìn)行相關(guān)質(zhì)控測(cè)試，確保CT設(shè)備不偏離公認(rèn)的標(biāo)準(zhǔn)，確保設(shè)備使用穩(wěn)定性。