深度学习重建算法在颞骨低剂量CT检查中的应用研究

王天娇，陈钰，王沄，王晓，王曼，许英浩，马壮飞，付海鸿，金征宇

1.中国医学科学院北京协和医院 放射科，北京 100730；2.佳能医疗系统（中国）有限公司，北京 100015

引言

近年来，CT因其较高的空间分辨率，适合显示中耳和内耳的精细解剖结构，已成为颞骨成像的主要检查技术[1-4]。CT是颞骨炎症性疾病，如中耳炎和乳突炎等放射学检查的“金标准”，在颞骨的疾病诊断中起着重要作用[5]。但因颞骨靠近脑干、晶体、腺体等对X线敏感性较高的部位，所以颞骨检查需降低剂量，保护正常组织。基于合理可能尽量低原则，研究者提出了多种降低辐射剂量的方法，包括降低管电压、管电流和采用容积扫描技术等，320排的CT可实现该目的[6-7]。因耳部问题进行颞骨疾病筛查以及随访的患者较多，所以用较低的辐射剂量得到较高的图像质量是重要的成像检查目标。目前，临床上常用于颞骨CT的重建算法是滤波反投影（Filter Back Projection，FBP）重建，但在低剂量（Low Dose，LD）下FBP重建会增加图像噪声，降低图像质量[8-9]。近年来，通过CT技术的更新换代，更宽的探测器、更快的管球旋转速度以及更高级的重建算法在不断发展。最新研发的深度学习重建（Deep Learning Reconstruction，DLR）算法使用深度神经网络将高质量的全模型迭代重建图像作为标准，使低质量图像学习高质量全模型迭代重建图像的特征，能在LD下明显改善图像质量，降低图像噪声并保持较高的空间分辨率[10-12]。本研究旨在探究在LD颞骨CT检查中使用DLR算法提高图像质量的应用价值。

1 资料与方法

1.1 一般资料

前瞻性收集北京协和医院2021年5—9月因耳部问题需行颞骨CT检查的患者。将这些患者采用随机分组法平均分为正常剂量（Routine Dose，RD）组和LD组。纳入标准：有临床需求进行颞骨CT检查。排除标准：① 中耳炎、乳突炎患者；② 颞骨占位性病变患者；③ 颞骨及外耳道畸形患者；④ 骨破坏患者；⑤ 佩戴术后及金属植入患者；⑥ 佩戴人工耳蜗患者；⑦ 年龄小于18岁或年龄大于80岁患者。共收集139例患者，因中耳炎、乳突炎排除15例，因颞骨占位性病变排除3例，因颞骨及外耳道畸形排除3例，因骨破坏排除2例，因术后、金属植入及人工耳蜗排除8例，因年龄排除10例，最终纳入98例患者，其中RD组49例，男18例、女31例，年龄（42.1±10.2）岁；LD组49例，男22例、女27例，年龄（50.3±8.6）岁。本研究为前瞻性研究，经我院伦理委员会批准（HS-2812），所有受试者签署知情同意书。

1.2 CT扫描方法

所有患者均采用日本Canon Aquilion ONE GENESIS宽体320排CT对患者进行颞骨CT扫描。检查前确认患者摘掉助听设备、发卡等金属物品，嘱患者在扫描过程中头颅和口咽部保持不动。患者仰卧于扫描床上，轴位以听下眶线为基线，扫描范围自眉弓至乳突下。RD组扫描参数为：管电压120 kV，管电流250 mA，旋转时间1.0 s，容积采集方式，滤波函数FC81，矩阵512 ×512，重建层厚0.5 mm，重建层间距0.3 mm，采用FBP算法进行重建，记为RD-FBP图像。LD组扫描参数为：管电压120 kV，管电流100 mA，旋转时间0.5 s，容积采集方式，滤波函数FC81，矩阵512×512，重建层厚0.5 mm，重建层间距0.3 mm，采用FBP和DLR算法进行重建，记为LD-FBP和LD-DLR图像。

1.3 图像质量评价

（1）客观图像质量分析。将重建好的图像传输到workstation VITAL工作站，由1名具有5年头颈部放射检查经验的放射科医生在患者临床资料及扫描参数未知的情况下测量，分别在4个目标结构：锤砧关节、耳后肌肉、前庭和耳前皮下脂肪处画4个圆形感兴趣区域，面积为1.2 mm2，分别测量CT值和SD值，每个结构测量3次取平均值。计算上述4个目标结构的信号噪声比（Signal to Noise Ratio, SNR），计算公式如下：SNR目标结构=CT均值目标结构/SD均值目标结构。

（2）主观图像质量分析。由2名分别具有10年和15年头颈部放射检查经验的放射科医生在不知道患者临床资料及扫描参数的情况下，采用5分法分别对8个中耳和8个内耳解剖结构进行主观打分，评分标准如下：1分：图像质量差，噪声极高，不能显示解剖结构；2分：图像质量较差，噪声高，能显示基本解剖结构，但不能评估细节；3分：图像质量一般，噪声较高，能评估解剖结构和部分解剖细节；4分：图像质量良好，噪声一般，解剖结构和细节较为清晰；5分：图像质量优秀，噪声低，解剖结构和细节非常清晰。对于存在争议的图像，由1名临床经验20年以上的放射学专家最终评估。如2名医生评分一致性好，则将高年资医生评分作为最终评分。

1.4 辐射剂量

扫描结束后记录患者实际扫描中的CT剂量指数（CT Dose Index，CTDI）以及剂量长度乘积（Dose Length Product，DLP），并根据下列公式计算有效剂量（Effective Dose，ED）：ED=DLP×0.0021。

1.5 统计学分析

采用SPSS 21.0统计学软件进行统计处理。首先采用Kolmogorov-Smirnov方法对计量资料进行正态性检验，若符合正态分布用±s表示，采用单因素方差分析进行多组间比较，两两比较采用Bonferroni校正检验；若不符合正态分布则用M（Q 1，Q 3）表示，采用Kruskal-Wallis方法进行多组间比较。采用 Cohen’s Kappa法对2名医生主观评分做一致性分析，Kappa＞0.8为一致性非常好；0.6＜Kappa≤0.8为一致性好；0.4＜Kappa≤0.6为一致性水平中等；0.2＜Kappa≤0.4为一致性一般；Kappa≤0.2 为一致性差，以P＜0.05为差异有统计学意义。

2 结果

RD组患者的CTDI、DLP和ED分别为32.5 mGy、259.9 mGy·cm和0.8 mSv，LD组患者的CTDI、DLP和ED分别为6.7 mGy、53.3 mGy·cm和0.2 mSv，LD组较RD组剂量降低了79.5%。

2.1 客观图像质量分析

在锤砧关节、耳后肌肉、前庭和耳前皮下脂肪处，单因素方差分析结果显示3种图像的CT值差异无统计学意义（均P＞0.05），SD值和SNR值差异具有统计学（均P＜0.001）。RD-FBP的SD值明显低于LDFBP，LD-DLR的SD值明显低于RD-FBP。RD-FBP的SNR明显高于LD-FBP，LD-DLR的SNR明显高于RD-FBP（表 1～4）。

表1 锤砧关节处3种图像的客观图像指标比较（±s）

表1 锤砧关节处3种图像的客观图像指标比较（±s）

注：P1表示RD-FBP与LD-FBP比较；P2表示RD-FBP与LD-DLR比较；P3表示LD-FBP与LD-DLR比较。RD-FBP为RD组滤波反投影算法重建图像；LD-FBP为LD组滤波反投影算法重建图像；LD-DLR为LD组DLR算法重建图像；SD：噪声值；SNR：信噪比。

图像类别 CT值/HU SD值/HU SNR RD-FBP 1758.39±102.83 316.09±47.68 5.68±0.87 LD-FBP 1754.67±107.99 408.44±59.83 4.38±0.66 LD-DLR 1757.70±105.74 169.82±36.16 10.83±2.47 F值 0.045 110.525 83.130 P值 0.997 ＜0.001 ＜0.001 P1值 0.963 ＜0.001 ＜0.001 P2值 0.896 ＜0.001 ＜0.001 P3值 0.982 ＜0.001 ＜0.001

表2 耳后肌肉处3种图像的客观图像指标比较（±s）

表2 耳后肌肉处3种图像的客观图像指标比较（±s）

注：P1表示RD-FBP与LD-FBP比较；P2表示RD-FBP与LD-DLR比较；P3表示LD-FBP与LD-DLR比较。RD-FBP为RD组滤波反投影算法重建图像；LD-FBP为LD组滤波反投影算法重建图像；LD-DLR为LD组DLR算法重建图像；SD：噪声值；SNR：信噪比。

图像类别 CT值/HU SD值/HU SNR RD-FBP 76.42±5.39 100.86±17.83 0.78±0.15 LD-FBP 76.20±5.40 156.67±27.66 0.50±0.10 LD-DLR 76.04±5.29 54.59±10.93 1.46±0.37 F值 0.005 124.281 48.881 P值 0.908 ＜0.001 ＜0.001 P1值 0.872 ＜0.001 ＜0.001 P2值 0.952 ＜0.001 ＜0.001 P3值 0.909 ＜0.001 ＜0.001

表3 前庭处3种图像的客观图像指标比较（±s）

表3 前庭处3种图像的客观图像指标比较（±s）

注：P1表示RD-FBP与LD-FBP比较；P2表示RD-FBP与LD-DLR比较；P3表示LD-FBP与LD-DLR比较。RD-FBP为RD组滤波反投影算法重建图像；LD-FBP为LD组滤波反投影算法重建图像；LD-DLR为LD组DLR算法重建图像；SD：噪声值；SNR：信噪比。

图像类别 CT值/HU SD值/HU SNR RD-FBP 96.56±21.47 154.14±33.29 0.66±0.21 LD-FBP 97.50±21.96 244.06±47.30 0.41±0.09 LD-DLR 97.11±22.51 82.42±20.93 1.26±0.45 F值 0.004 91.383 58.148 P值 0.988 ＜0.001 ＜0.001 P1值 0.979 ＜0.001 ＜0.001 P2值 0.944 ＜0.001 ＜0.001 P3值 0.951 ＜0.001 ＜0.001

表4 耳前皮下脂肪处3种图像的客观图像指标比较（±s）

表4 耳前皮下脂肪处3种图像的客观图像指标比较（±s）

注：P1表示RD-FBP与LD-FBP比较；P2表示RD-FBP与LD-DLR比较；P3表示LD-FBP与LD-DLR比较。RDFBP为RD组滤波反投影算法重建图像；LD-FBP为LD组滤波反投影算法重建图像；LD-DLR为LD组DLR算法重建图像；SD：噪声值；SNR：信噪比。

图像类别 CT值/HU SD值/HU SNR RD-FBP -99.05±6.37 96.65±14.98 1.05±0.18 LD-FBP -98.43±6.68 148.48±23.66 0.68±0.11 LD-DLR -98.48±6.14 49.16±11.50 2.10±0.46 F值 0.168 127.302 53.495 P值 0.789 ＜0.001 ＜0.001 P1值 0.827 ＜0.001 ＜0.001 P2值 0.701 ＜0.001 ＜0.001 P3值 0.843 ＜0.001 ＜0.001

2.2 主观图像质量分析

2名医生对图像主观评价的一致性较好（Kappa=0.973，P＜0.001），取高年资诊断医生评分进行统计。对8个中耳和8个内耳解剖结构评分，不同算法重建图像后主观评分差异均有统计学意义（均P＜0.005）。RD-FBP和 LD-DLR 的评分明显高于 LDFBP（均P＜0.001），LD-DLR与RD-FBP评分差异无统计学意义（均P＞0.05）（表5和图1）。

图1 不同算法重建图像

表5 三种重建图像在中耳和内耳解剖结构的主观评价分析[M（Q 1，Q 3）]

3 讨论

本研究在颞骨RDCT和LDCT扫描中应用传统的滤波反投影算法和最新的DLR算法，通过客观和主观评价比较不同剂量下不同重建算法的图像质量，结果显示LDCT结合DLR算法在客观和主观上可以提高图像质量，并且可以达到RDCT的图像质量，使得LD颞骨CT可以在临床中得以实现。

图像噪声和SNR是评价客观图像质量常用的方法。降低噪声的同时增加SNR不仅有助于提高图像质量，还有助于提高对于病灶的显示。由于DLR算法使用深度卷积网络输入低质量图像自动学习高质量全模型迭代重建图像的特征，因此能在降低图像噪声的同时保持较高的空间分辨率。在本研究中，DLR算法在不改变CT值的情况下，不仅可以在LD下明显降低图像噪声和提高SNR，甚至还优于正常剂量下的图像质量。

主观上，本研究评价了临床评价颞骨CT时重点关注的8个中耳结构和8个内耳结构。由于LD-FBP图像的噪声过大，SNR过低，因此主观评分较低，尤其是镫骨、耳蜗轴和螺旋骨板等细小结构的主观评分明显低于LD-DLR。同时，LD-DLR图像可以达到RD-FBP图像的主观评分。在前期研究中，本研究团队探讨了全模型迭代重建在改善颞骨CT图像质量方面的价值，但前期研究的局限性是并未在LD下对颞骨的细小结构进行评估[6]。本研究是在前期研究的基础上展开，探究了在LD下DLR算法对颞骨细小结构图像质量的提高。

国外有研究报道了运用迭代重建方法提高颞骨图像质量，例如，Hempel等[13]比较了全模型迭代与FBP重建算法的颞骨图像质量，结果显示，相比于FBP重建图像，全模型迭代重建图像的噪声值更低，SNR和CNR更高。Leng等[5]比较了混和迭代和FBP重建算法的颞骨图像质量，结果显示，相比于FBP重建，混和迭代重建图像的噪声减少了30%，并且提供了更高的空间分辨率。本研究首次评价了DLR在提高LD颞骨CT图像质量方面的价值。本研究结果显示，DLR算法在LD下将图像噪声减小了64%，同时相比于在正常剂量下，将图像噪声减小了47%。相比于前两项研究，本研究图像噪声减小的百分比更大，同时也保持了较高的空间分辨率和主观评分。Nauer等[14]的研究表明，颞骨LD范围为0.25～0.3 mSv，标准剂量范围为0.9～2.6 mSv。本研究的辐射剂量仅为0.2mSv，比LD的范围更低。即使在LD条件下，DLR算法仍可以提高客观图像质量并保持较高的主观图像质量。Tada等[15]的研究表明，在不影响图像质量的前提下，320排宽体CT可以将小儿颞骨CT的剂量由0.42 mSv降低至0.21 mSv。本研究将成人颞骨CT的剂量由0.8 mSv降低至0.2 mSv，剂量与Tada等[15]的研究一致，但是小儿检查所用的辐射剂量应比成人低，因此本研究所采用的LD方案相比于上一项研究更低。另外，国内外有研究者报道了使用DLR算法在腹部的研究，结果表明DLR算法可以在降低腹部CT辐射剂量的同时改善图像质量，降低图像噪声，提高图像的SNR和CNR，满足临床诊断要求[16-17]。还有研究者报道了使用DLR算法在胸部的研究，结果表明DLR算法可以明显降低LD胸部CT的图像噪声，有助于在较低辐射剂量水平时保证图像质量[18-19]。这两项研究与本研究的结果具有一致性。

本研究存在以下不足：① 未探究DLR算法对中耳和内耳病变的应用价值，下一步研究需要在正常剂量和LD下对病变的显示进行评估；② 未探究使用不同等级的DLR算法对LD颞骨CT图像质量的提高情况；③ RD组和LD组分别入组了49例患者，患者数量相对较少，后续研究会增加患者数量以进一步验证DLR算法在LD颞骨CT中的应用价值。

综上所述，DLR算法可以在降低颞骨CT辐射剂量的同时改善图像质量，满足诊断需求，使得LD颞骨CT在临床中得以实现。