基于模型迭代重建算法在減少后顱窩CT圖像硬化偽影中的價值研究

薛旭濤，韓志威，劉 燕，張 箭，李鮮寧，嚴 濤

(1.西電集團醫院放射影像科，陜西 西安 710077；2.空軍軍醫大學西京醫院，陜西 西安 710032)

頭面部高密度不規則骨質的存在常導致顱腦CT檢查時局部信號缺失，進而產生線束硬化偽影，影響顱內細小結構及病變的檢出與診斷，其中后顱窩硬化偽影最為明顯，表現為雙側巖骨間橫行低密度影的亨氏暗區[1-2]，常影響腦干、小腦蚓部、橋小腦角病變的顯示。原始數據空間進行的基于模型迭代重建(Model-based iterative reconstruction，MBIR)引入了復雜的數學公式計算射線硬化、散射和金屬偽影等物理效應，能有效地提高圖像的空間分辨率，降低有效輻射劑量[3-6]。新一代MBIR標準設置(MBIRSTND)為兼顧密度和空間分辨率設置，MBIRNR40為優化低密度對比設置，能進一步減低噪聲和優化CT圖像質量，頭頸部CT檢查推薦應用MBIRNR40[7]。本研究擬通過設計體模掃描及選取臨床病例進行分組測量和主觀評價，比較濾波反投影(Filtered back projection，FBP)、自適應迭代重建(Adaptive statistical iterative reconstruction，ASIR)與MBIR圖像的硬化偽影，探討并驗證MBIRSTND和MBIRNR40在消除后顱窩硬化偽影中的價值。

1 材料與方法

1.1 設備與材料 寶石能譜64排CT(Discovery CT750HD)；碘海醇(批號：02210413；規格：350 mgI/ml；美國通用藥業)；容納9支試管的血管模型(QSP-1，日本Fuyo公司)；蒸餾水。

1.2 研究方法

1.2.1 體模實驗：蒸餾水稀釋碘海醇。試管內分別填滿純水、鈣溶液，以及1、2、5、10、20、30 mgI/ml溶液(各2支，1支置于中央)，使用能譜64排CT顱腦條件軸位掃描(掃描參數：管電壓120 kVp，管電流 280 mA，轉速1 s/r，層厚與層距均為5.0 mm)。將充滿6支碘濃度(由小到大順序，編號1～6)、鈣溶液(編號7)及蒸餾水(編號8)試管按順時針方向排列于周圍區域，中心區域放置30 mgI/ml溶液(編號9)試管。在周圍區域各試管外側1 cm范圍內、蒸餾水和1 mgI/ml溶液試管2 cm范圍外分別放置約1 cm2圓形感興趣區(ROI)，測量硬化偽影干擾區噪聲值(SD1-8)及背景噪聲值(SD背景)，計算不同密度試管旁區域偽影指數(AI)。AI1-8=(SD1-82-SD背景2)1/2[8]。

1.2.2 臨床資料分析：隨機抽取2020—2021年80例患者頭部CT平掃原始數據，其中男性47例，女性33例，年齡35～78(60.10±11.89)歲。所有患者CT未診斷后顱窩病變。軸位掃描曝光條件同體模實驗。80例顱腦CT患者原始數據使用FBP、ASIR40、MBIRSTND、MBIRNR40四種算法重建層厚0.625 mm圖像，主客觀比較不同重建算法圖像后顱窩偽影對腦干的影響。客觀方面選取后顱窩亨氏暗區最明顯層面放置ROI，以小腦白質為背景，測量偽影干擾區腦干AI，AI腦干=(SD腦干2-SD小腦白質2)1/2。主觀方面采用5分法[9]評價圖像：1分，后顱窩可見較多條狀偽影并重疊，呈斑塊及斑片狀，嚴重影響診斷；2分，后顱窩可見較多條狀偽影，影響診斷；3分，后顱窩可見條狀偽影，基本不影響診斷；4分，后顱窩偽影呈線樣，不影響診斷；5分，后顱窩無偽影或僅可見少許線樣偽影，圖像質量好。

1.3 統計學方法 使用 SPSS 20.0統計學軟件進行分析。計量資料以均數±標準差表示，噪聲及AI比較采用單因素方差分析和配對t檢驗。主觀評分分布比較采用Wilcoxon秩和檢驗。P<0.05表示差異有統計學意義。

2 結 果

2.1 不同重建圖像試管周圍噪聲及AI比較 見表1。不同重建圖像噪聲、AI間兩兩比較差異均有統計學意義，其中FBP噪聲和AI最大，MBIRNR40噪聲和AI最小，MBIRSTND噪聲和AI小于ASIR40(均P<0.05)。

2.2 不同重建圖像后顱窩內腦干噪聲及AI比較 見表2。不同重建圖像噪聲、AI間兩兩比較差異均有統計學意義，其中FBP噪聲和AI最大，MBIRNR40噪聲和AI最小，MBIRSTND噪聲和AI小于ASIR40(均P<0.05)。

表1 不同重建圖像試管周圍噪聲及偽影指數比較

表2 不同重建圖像后顱窩內腦干噪聲及偽影指數比較

2.3 不同重建圖像主觀評分分布比較 見表3。MBIRSTND和MBIRNR40圖像后顱窩腦干亨氏暗區偽影減少，質量較好。MBIRSTND圖像主觀評分分布與FBP和ASIR40比較差異有統計學意義(Z=2.859、2.913，均P<0.05)。MBIRNR40圖像主觀評分分布與FBP和ASIR40比較差異有統計學意義(Z=2.836、2.850，均P<0.05)。MBIRSTND與MBIRNR40、FBP與ASIR40圖像主觀評分分布比較差異無統計學意義(均P>0.05)。

表3 不同重建圖像主觀評分分布情況比較(例)

3 討 論

線束硬化效應可導致CT圖像上骨性結構旁或骨性結構間出現條形暗色區域，其原因在于X線束光譜較寬，當照射到較厚高密度物體時不同波長(或能量)的X線衰減不同，導致低能量射線明顯不均衡吸收，由于衰減系數除取決于投射物體密度本身外，尚依賴于射線能量，因此當“硬化的”線束繼續穿經高密度周圍組織結構時便會產生線束硬化偽影，常出現在肩部、胸廓入口處、眼眶、后顱窩等部位。在圖像重建過程中這種偽影如未加以補償和修正，將影響和干擾正常結構顯示和病變的CT診斷[1]，其中以顱底掃描時兩側顳骨間橫行帶狀低密度區的亨氏暗區(也稱亨氏偽影、巖骨間透明帶、巖骨間低密度偽影)最為典型，后顱窩低密度偽影帶常影響腦干早期或小的缺血性病變的診斷[10-11]。當前技術條件下，常采用掃描線平行聽眶線[12]減少同層面骨量導致的硬化效應。64層CT先進軟、硬件也為減輕或消除后顱窩偽影提供了更多新的途徑，如應用寬體探測器[9]、 虛擬單能量[1，13-14]、迭代重建算法[15-17]等。FBP雖然運算量小、重建速度快，但因其理想、簡單化的重建算法而導致明顯圖像噪聲的弊端日益受到重視。近年來，隨著圖形快速并行處理器等計算機技術的應用，CT迭代算法已逐漸普及。ASIR應用了數據采集和噪聲統計模型，可明顯改善圖像質量和降低輻射劑量[18-19]。 MBIR重建采用了系統噪聲、光學和數據統計的綜合物理模型，對掃描對象的3D體素進行數學計算以減輕散射、射束硬化和金屬衰減偽影[20-23]，理論上有利于減少后顱窩硬化偽影。早期MBIR(VEO 2.0)僅有標準0.625 mm重建設置，有研究[24-26]報道其可減少口腔金屬偽影對頸部血管的影響。新一代MBIR(VEO 3.0)提供的紋理增強功能可減低三維方向上各體素減噪聲，減少圖像偽影，且增加了層厚和調控空間、密度分辨率等更多重建選項，除提供VEO 2.0中默認的MBIRSTND設置外，還提供降噪(NR)和優化空間分辨率(RP)設置，旨在根據檢查目的平衡空間分辨率和圖像噪聲間的矛盾，本研究重建方式里也選擇了代表VEO 2.0的MBIRSTND。在表述上，以前綴NR或RP后加上相對于標準設置百分比的數字，如MBIRNR40代表降噪40%，MBIRRP20代表空間分辨率增加20%。既往研究[6]推薦頭頸部CT檢查采用降低噪聲設置的MBIRNR40。本研究中，體模實驗發現MBIRNR40重建圖像高密度試管旁噪聲和AI最小，FBP噪聲和AI最大，MBIRSTND噪聲和AI小于ASIR40。臨床小樣本主客觀評價進一步發現，MBIRNR40重建圖像后顱窩腦干低密度偽影的噪聲和AI最小，MBIRSTND和MBIRNR40圖像后顱窩腦干亨氏暗區影響小，優于FBP和ASIR40，驗證了MBIRSTND和MBIRNR40在消除后顱窩偽影中的價值。

綜上所述，MBIR能夠顯著降低后顱窩腦實質圖像噪聲，抑制后顱窩偽影，提高后顱窩圖像質量，特別是優化低密度對比設置的MBIRNR40。但本研究尚有一些局限性：首先，這項研究各重建圖像具有一定特點，圖像噪聲差距較大，主觀評分及驗證易存在主觀偏差影響；其次，MBIR重建需要較長處理時間，大約需要20～40 min，并且不會實時生成重建圖像[27-28]；再次，本研究臨床部分入組患者數量少；最后，ASIR僅采用了40%混合迭代權重，MBIR僅采用了MBIRSTND和MBIRNR40，需進一步驗證更大樣本量、更高ASIR權重百分比以及其他MBIR設置來闡明MBIR在減少后顱窩偽影中的價值。