基于ACR體模磁共振成像系統質量控制檢測的信噪比自動測量研究

付麗媛，梁永剛，陳佳敏，黃志峰，熊暉，吳鳳祥，鐘群，肖慧，許尚文，陳自謙,2

1.聯勤保障部隊第900醫院（原南京軍區福州總醫院）放射診斷科，福建福州350025；2.廈門大學附屬東方醫院放射診斷科，福建福州350025

引言

磁共振成像（Magnetic Resonance Imaging，MRI）是重要的影像診斷技術之一，為重大、主流疾病的診療提供了可靠的影像學依據。為了保證MRI安全性、可靠性及參數準確性，需定期做好質量控制檢測[1-3]。信噪比（Signal to Noise Ratio，SNR）是MRI最基本的質量參數，也是MRI最基本的質量控制檢測參數，一方面它是各種認證機構對MR設備準入認證進行技術評判的重要量化指標之一，另一方面，SNR的高低直接決定圖像質量的好壞，對臨床診斷結果的準確性起到至關重要的作用。一幅MR圖像如果沒有足夠的SNR，那么其他圖像質量指標就無從談起[4]。

MR設備質量控制檢測SNR的測算目前多采用手工測算的方法，該方法費時費力，一般至少需要30 min，過程繁瑣耗時；測算結果會受到檢測者主觀因素影響，若測算人員發生更替，其連續性意義也將受到影響。本文設計了SNR檢測算法，從而實現SNR的自動測量，以實現對MR質量控制圖像SNR參數的自動評價和分析，使MR質量控制檢測工作更智能高效。

1 材料與方法

1.1 參考標準

Magnetic Resonance Imaging Quality Control Manual[5]，美國放射學院（American College of Radiology，ACR），2015。

1.2 質控檢測體模與受檢設備

采用MRI專用ACR體模進行質控檢測，體模內部填充氯化鎳和氯化鈉溶液。受檢設備為Siemens Trio 3.0 T，于2008年10月安裝使用。

1.3 體模掃描方法

先將體模擺放于頭線圈內，使用水平尺測量其是否水平并校正，以確保體模在各個方向上保持水平。打開激光定位燈對準體模中部的定位標記后，進床將體模置于磁體中心，靜置5 min后開始進行掃描信息登記及掃描。

創建一個新的病人檢查記錄，進行三平面定位像掃描，然后在定位像上如圖1所示確定軸位掃描層面，共掃描11層，層厚5 mm，層間距5 mm。

圖1 ACR體模軸位掃描定位及掃描層數示意圖

掃描參數：采用自旋回波序列，TR=500 ms，TE=30 ms，矩陣=256×256，層厚=5mm，層間距=5mm，FOV=25cm×25 cm，接收帶寬 =20.48 kHz或 156 Hz/pixel，激勵采集次數為1次。

1.4 信噪比測算方法

在ACR體模軸位圖像第7層進行信噪比的測算，首先在圖像中央選取75%以上區域的感興區域（Region of Interest，ROI）得到信號平均值，然后在體模周圍背景區域（頻率編碼方向）避開偽影選取一個盡可能大的ROI作為背景信號和噪聲的統計值（圖2），以該區域的信號強度的標準偏差作為噪聲，由公式SNRACR=（Mean Signal in Phantom）/σair計算得出圖像的信噪比。式中，σair：背景區域的信號標準偏差[5]。

圖2 SNR測量圖

1.5 SNR自動測量程序設計

1.5.1 程序的設計思路

本程序是基于Matlab 2012b平臺編寫的，Matlab 2012b平臺的優勢在于它豐富的數學函數庫以及操作簡便的圖形用戶界面，不僅開發效率高，而且具有強大的數據處理能力。該程序可對DICOM格式的MR圖像進行解析和處理，能夠詳細地獲取圖像重要參數。通過MATLAB圖像處理，自動測量出信噪比。程序的系統框圖如圖3所示。

圖3 自動測量程序系統框圖

1.5.2 圖像預處理

結合MR質量控制常規檢測操作，分析測得的質控圖像，可以發現要計算SNR，必須先對圖像中的中央特征區域進行提取，具體實現流程如圖4所示。

圖4 中央近似圓形特征區域提取流程圖

1.5.3 自動測量SNR

該方法測量SNR需要獲得圖像中央區域選取的ROI內像素信號均值以及周圍背景區域的像素信號標準差，具體編程實現流程圖如圖5所示。

圖5 自動測量SNR程序實現流程

導入圖像后，首先確認掃描圖像中沒有明顯的偽影，然后采用合適的閾值實現對掃描圖像的二值化，接下來對中央ROI區域進行提取，通過控制腐蝕技術中的參數來保證測量ROI面積的準確性。處理后可得到圖6所示的ROI區域，然后即可利用mean函數計算ROI區域內像素的信號強度平均值作為信號值。接下來是形態學處理提取周圍背景區域，得到如圖7所示的圖像。

圖6 ACR體模掃描圖像中央ROI提取

圖7 ACR二值化圖像與形態學處理后圖像

將圖7反轉，即取反后，與原圖像相點乘，即可得到周圍背景區域圖像，如圖8b所示，找到其中不為零的元素，就是背景區域像素，即可利用std函數求得其標準偏差作為噪聲值，然后代入公式SNRACR=S/SD即可求得圖像SNR。式中，S為體模中央區域ROI內像素的信號強度平均值，SD為背景區域標準偏差。

圖8 ACR第7層原圖像與周圍背景區域圖像

對噪聲測量影響較大的是偽影，如果掃描的圖像上有偽影，會造成噪聲偏大，從而計算得到的SNR降低，因此，為了保證SNR結果的偏差盡量小，如果圖像有偽影，圖像舍棄后重新進行掃描。

1.6 統計學處理

采用Bland-Altman統計學方法分析手工測量和自動測量兩種方法的一致性，它的原理是通過對兩種測量方法間的差異進行隨機效應分析來解釋說明一致性問題。該統計學方法以兩種測量方法的結果均值為橫坐標，兩種測量方法的測量結果差值為縱坐標，繪制散點坐標圖，并以差值的95%分布范圍作為一致性界限（Limits of Agreement，LoA，dˉ±1.96Sd），結合實際允許的最大誤差，從而得出兩種檢測方法在評價該指標上是否具有一致性的結論。如果兩個測量結果的差異位于95%LoA內，則認為這兩種方法測量結果有較好的一致性[6-9]。

2 結果

以某次質量控制得到的ACR體模第7層圖像作為檢測對象，下表為分別使用手工測算和自動測量兩種方法對SNR的檢測結果?；诒?中數據繪制出的Bland-Altman圖如圖9所示。

表1 兩種方法檢測SNR結果

圖9 Bland-Altman圖

以手工測算法和自動測量法兩種方法測量結果的均數為橫軸，以兩種方法測量結果的差值為縱軸，繪制散點圖，圖中橫著的實線是兩種測量方法差值的均值線，上下的虛線是差值的±1.96倍標準差。從Bland-Altman圖可以看出，計算出的所有數據點均位于一致性界限范圍內（-16.2，0.90）分布，說明兩種方法測量結果較為接近，即認為兩種方法的一致性較好，在檢測SNR方面可相互替代。

3 討論

目前國內外應用較多的MRI質量控制檢測規范是由ACR提出的系列標準，檢測項目主要包括SNR、空間分辨率、低對比度分辨率和圖像的均勻性等多項重要參數[10-13]。信噪比是MR圖像最基本的質量參數，SNR的高低直接決定了圖像質量的優劣，因此SNR是必須定期進行檢測的重要參數之一。

MR系統質量控制檢測分兩步，第一步是掃描體模，第二步是在掃描體模得到的圖像上進行質控參數的測算。第一步掃描技術容易掌握且較成熟，問題主要出在第二步，即對質控參數的測算上。在過去，SNR測算均采用手工計算的方法，一方面長時間占用MR后處理工作站，影響日常工作，另外一方面計算繁瑣且主觀差異性較大[14]。在這種情況下，本研究基于Matlab 2012b平臺，設計了SNR檢測算法，能夠實現SNR的自動測量，從而使MR質量控制檢測工作更智能高效。

通過對手工測量和自動測量SNR的兩種測量方法結果的分析和對比發現，兩種方法之間一致性較好，且自動測量較手工測量更加省時省力。手工測量SNR要繪制中央區域ROI，同時還要在背景區域繪制多個ROI，使得噪聲計算更加精確，確保檢測結果可靠，耗費較多時間與精力，而對于自動測量方法只要導入SNR測量圖像，運行程序就可以得到結果。

為了確保測量的準確性和可靠性，需要在體模的擺位及掃描做好質控，從而能夠獲得一組完整且準確度較高的質量控制檢測數據。體模的擺位要準確，如果擺位時體模不水平或者有傾斜，導致定位時不夠準確，太靠近其相鄰層面，會使SNR測量層面圖像中出現偽影，會導致圖像識別出現錯誤，從而影響后期的圖像參數測量。另外，二值化是圖像預處理的重要一部分，閾值的選取對于二值化的效果有影響，因此二值化時閾值選取要合理。

另外，本研究主要基于ACR體模進行SNR的手工測量和自動測量研究，主要基于兩方面考慮，一方面是因為目前ACR標準在國際比較通用，另一方面是因為ACR體模在測量信噪比時計算方法簡便且耗時短。國內近些年多位教授和他們的學術團隊對MRI常用成像參數和系統性能的測試進行了研究，并制定了衛生行業標準及地方計量技術規范等[15-17]。目前國內主要采用WS/T 263-2006規范進行磁共振質控檢測，此規范中 SNR 計算為：SNR=（Smean-Sb）/SD，其中 Smean為影像上75%中心區域內ROI內的像素平均值，SD為本區域標準偏差，Sb為背景區域的本底像素平均值。ACR標準和WS/T 263-2006規范對SNR測量方法不同，所反映設備性能上的側重點也有差異：ACR提出的計算SNR的方法中是利用多個背景區域標準偏差的均值作為噪聲，在一定程度上降低了結構噪聲的影響，但是忽略了受掃描物體自身產生的隨機噪聲的影響，從而對噪聲產生一定的低估導致SNR值偏大；WS/T 263-2006所定義的噪聲包含了隨機性熱噪聲以及結構性噪聲的雙重影響，因此會對圖像噪聲產生過估計導致SNR值偏小[18]；兩種方法對噪聲的估計存在差異，因而使得SNR值不同，同時有研究表明兩種規范下SNR不存在線性相關性[19]。因此在對MR系統進行SNR測量時，可以采用兩個規范分別進行檢測，各自形成基線，將兩種方法測量結果結合起來，比較不同方法的SNR值及其變化可更好地對系統性能進行評價。當然，無論是采用ACR還是WS/T 263-2006規范進行SNR檢測，最重要的還是要通過連續多次測量，建立起設備運行基線。設備運行狀態良好的情況下，質量控制檢測指標均圍繞建立的基線波動，如果出現偏離基線較多的情況，就需要對設備的軟硬件進行校正。

本研究也存在一些缺陷，對于非專業人員而言，Matlab平臺最大的缺點就是它的平臺依賴性太強，可移植性較差，很多程序往往只能在安裝Matlab軟件的計算機上運行，而這一點對于一般的用戶而言是不可能做到的，因為少有人會因為用一款軟件而安裝Matlab這種大容量軟件，因此限制了它的推廣?？上驳氖?，Matlab提供了和其他編程環境混合運用的接口，如VC++平臺和Matlab平臺的混合編程，可以脫離Matlab環境，發布獨立的應用程序。另外，目前在機器學習和人工智能方面比較熱門的Python，其移植性和拓展性較好，未來可以將Matlab核心算法移植到Python語言編寫，擺脫了對Matlab平臺的依賴性，更加有利于其推廣使用。

總之，基于Matlab平臺在測算SNR方面，手工測算和自動測量兩種方法具有較好的一致性，自動測量方法測算結果不受檢測者主觀因素影響，比人工測量效率高，耗時短，使MR質量控制檢測工作更智能高效，更加有利于臨床醫學工程師MR質控工作的開展。