新一代深度学习图像重建算法在腹部低剂量CT中的应用研究

程燕南,孙精涛,李雅楠,郭银霞,曹 乐,杨 建,杨 健,郭建新

(1.西安交通大学第一附属医院医学影像科,陕西西安 710061;2.西安交通大学第一附属医院临床研究中心,陕西西安 710061)

自1972 年以来,计算机断层扫描(computed tomography,CT)逐步推广并发展成为一种非常成功且不可或缺的诊断工具,已应用于全身多部位的检查[1-2]。CT 检查时需努力降低辐射剂量以减少电离辐射,但降低剂量不可避免会影响图像质量。因此,寻求一个“平衡——既能降低辐射剂量又能满足诊断”的努力从未停止,其中最成功的尝试便是IR(iterative reconstruction)算法的应用[3-4]。最初,CT图像重建采用代数重建技术(algebraic reconstruction technique,ART)[5]的迭代方式进行,但由于计算能力有限,很快就被滤波反投影法(filtered-back projection,FBP)等简单的分析方法所取代。几十年来,FBP一直是CT 图像重建的“金标准”,但因噪声和伪影较大无法用于低剂量CT 扫描中[2]。直到2009年第一代IR 技术的诞生,凭借其可提高重建准确性、空间分辨率及降低噪声和伪影的优点,使得低剂量扫描成为可能[6]。如GE医疗的ASiR(adaptive statistical iterative reconstruction)、ASiR-V(hybrid model-based adaptive statistical iterative reconstruction)、Veo,飞利浦公司的iDose(iterative dose reduction technique)、IMR(iterative model-based reconstruction),西门子的IRIS(iterative reconstruction in image space)、SAFIRE(sinogram-affirmed iterative reconstruction)、ADMIRE(advanced modeled iterative reconstruction)及佳能的AIDR-3D(adaptive iterative dose reduction)。IR 算法尽管具备良好的降噪能力,但其图像纹理、空间分辨率和物体检出能力仍不够理想。因为IR 算法基于非线性数学运算,这种方式在一定程度上影响图像中噪声的空间关系,会因结构和背景的对比改变而影响噪声纹理和空间分辨率,从而在低对比度结构如肝转移等病变的检出方面应用受限[7-8]。2019年MILETO 等[6]提出,要保证腹部低对比结构和病变的显示和诊断信心,辐射剂量降低要限制在25%以内。

为了进一步降低剂量和优化图像质量,新的图像重建方式在降低噪声的同时不改变噪声纹理或影响解剖结构,在低剂量CT 应用中展现出巨大潜能[2]。最近GE医疗推出的新一代深度学习图像重建算法(deep learning image reconstruction,DLIR)可结合常规混合能量CT 扫描应用,允许选择低(DLIR-L)、中(DLIR-M)、高(DLIR-H)3种权重,满足不同的降噪需求[9]。已有研究表明,DLIR 在低剂量腹部CT中的应用价值,明显降噪的同时还可以提升图像质量,保持良好的空间分辨率[10-13]。但NAM 等[14]在超低剂量胸部CT 扫描中发现,尽管有以上优点,但是DLIR 算法会出现较多的失真伪影(distortion artifact),而这尚未在腹部低剂量CT 中得以验证。而且尚无有关DLIR 算法对降低对比剂引起的硬化伪影的研究。因此,本研究进一步探讨DLIR 算法在腹部低剂量CT 中的应用价值。

1 资料与方法

1.1 一般资料

纳入2019年10月-2020年6月因泌尿系疾病于本院行CT 尿路造影检查的患者90 例。纳入标准:年龄＞18岁;肾功能正常患者。排除标准:行能谱CT 尿路造影者剔除。最终26 例患者纳入分析(男14例,女12例),年龄33～77岁,平均(60.35±10.89)岁。本研究得到西安交通大学第一附属医院伦理委员会的批准,所有患者签署检查知情同意书。

1.2 数据采集与重建

采 用GE Revolution 256 排CT 行 平 扫、静 脉 期(65 s)、排泄期(420 s)尿路造影,扫描范围上缘至膈肌,下缘到耻骨联合水平。以上3期扫描的共同参数如下:管电压100 k Vp,转速为0.5 s,探测器宽度128 mm×0.625 mm,SFOV 50 cm×50 cm,矩阵512×512,螺距为0.992,管电流采用基于噪声指数变化的自动管电流调节技术,其中常规平扫及静脉期噪声指数为10(可反映受检者扫描时单位体积所接受的平均辐射剂量的体积CT 剂量指数:9.61 m Gy);低剂量排泄期噪声指数为23(体积CT 剂量指数:2.95 mGy)。对比剂采用碘帕醇(370 mgI/m L,典必乐,上海博莱科),注射用量95 m L,流速4.0～4.5 m L/s,经右肘/前臂静脉注射,随后以相同速率追加30 mL生理盐水。

将得到的排泄期图像重建为以下4 组图像:ASiR-V 50%、DLIR-L、DLIR-M和DLIR-H,重建层厚/层间距均为1.25 mm 的标准算法图像。ASiR-V 50%作为常规图像重建模式,在降低图像噪声的同时可很大程度上保持图像的组织纹理,被用于与DLIR 算法进行比较。随后所有图像传输至AW4.7工作站(GE 医疗) 进行客观及主观分析。

1.3 图像质量评价

由1名经验丰富的腹部放射医师进行客观测量,选取肝右后叶、脾脏、胰腺、腹主动脉、门静脉、腰大肌和皮下脂肪作为感兴趣区(region of interest,ROI),在轴位上测量其CT 值和标准差(standard deviation,SD),ROI为70.34～150.62 mm2。具体测量层面见图1,测量实质脏器时,尽量避开大血管和病变区。为保证4组图像测量的一致性,ROI采用复制粘贴的方式进行放置,每个ROI在上下连续层面测量3次,取平均值用于分析。将腰大肌的SD 值作为图像的背景噪声(noise),信噪比(signal-to-noise ratio,SNR) 和对比噪声比(contrast-to-noise ratio,CNR) 的计算公式如下:SNR=CTROI/SDROI;CNR=(CTROI-CT腰大肌)/SD腰大肌。

图1 不同重建算法下腹部组织客观评价感兴趣区层面选择及勾画Fig.1 Selection and drawing method of the area of interest among different reconstruction algorithms

另将图像导入Image J软件进行图像均匀性分析,获取图像的偏度数据。此处,偏度作为客观测量值反映图像的失真伪影[14]。借助软件中的直方图功能对以上ROI进行偏度测量,测量层面和方法同上。将测得的原始数据导出后采用SPSS 19.0软件计算偏度。

由2名具有腹部放射诊断经验的医师采用5分制对以上4组重建图像进行主观评价。评价内容包括整体图像质量、噪声和伪影(失真伪影和对比剂硬化伪影),参见表1。

表1 图像质量主观评价Tab.1 Qualitative assessment of image quality

1.4 统计学分析

采用SPSS 19.0软件进行统计学分析,对数据资料进行正态检验。采用重复测量的单因素方差分析和Kruskal-Wallis H 检验比较4组图像的客观测量值(偏度、SNR 及CNR、噪声)和主观评价分数(整体图像质量、噪声和伪影)。P＜0.05为差异有统计学意义。事后两两比较采用Bonferroni检验,调整P为0.008。加权Kappa检验用于评价2名医师之间的主观评分一致性,0～0.2为一致性差,0.21～0.4为一致性一般;0.41～0.6为一致性中等,0.61～0.8为一致性好,0.81～1.0为一致性非常好。

2 结 果

2.1 客观评价结果

ASiR-V 50%及3组权重不同的DLIR 图像中,腹部各组织的SNR、CNR、噪声差异均具有统计学意义(表2)。事后两两比较发现,ASiR-V 50%图像与DLIR-L图像的SNR 和CNR 差异无统计学意义(调整P＞0.008),但噪声显著低于DLIR-L 图像。DLIR-M 和DLIR-H 图像的SNR、CNR 和噪声显著优于ASiR-V 50%(P＜0.001)。且SNR 和CNR 随DLIR 权重增加而增加,噪声随着DLIR 权重增加而降低(图2)。另外,虽然在4组图像间偏度值差异也有统计学意义(除门静脉外),但事后两两比较发现,该值在ASiR-V 50%与DLIR-L 或DLIR-M 无统计学差异(调整P＞0.008),仅在DLIR-H 图像中差异有统计学意义,但绝对数值都很小。具体表现为在肝脏、脾脏、胰腺和腰大肌等处增高,在腹主动脉、门静脉和皮下脂肪处降低。

表2 不同重建算法下图像的客观评价比较Tab.2 Comparison of quantitative assessments of images among different reconstruction algorithms

图2 不同重建算法下腹部组织器官的客观噪声值Fig.2 Noise values of abdominal tissues and organs among different reconstruction algorithms

2.2 主观评价结果

本组所有图像均达到诊断标准,2名医师的图像质量评分均高于3分(表3)。DLIR任意权重图像的图像质量(P＜0.001)和噪声(P=0.001)评分均高于ASiR-V 50%,DLIR-L图像除外(调整P＞0.008)。且随着DLIR 权重增加,图像质量和噪声评分越高。4组图像在失真伪影(P=0.776)和对比剂硬化伪影(P=0.881)主观评分中差异不具有统计学意义(表3,图3、图4)。2名医师在主观评价方面一致性良好(κ=0.73～0.91,表4)。

表3 不同重建算法下的主观图像质量比较Tab.3 Comparison of qualitative assessment of images among different reconstruction algorithms

表4 2名医师主观评价内容一致性情况Tab.4 Consistency of the qualitative assessment between the two physicians

图3 不同重建算法下的图像主观噪声和失真伪影表现Fig.3 Subjective noise and distortion artifact of the images among different reconstruction algorithms

图4 不同重建算法下对比剂硬化伪影表现Fig.4 Contrast induced beam-hardening artifact among different reconstruction algorithms

3 讨 论

随着人工智能的不断发展,深度学习已经广泛应用于医学影像领域,涵盖图像分割、配准、病灶识别及疾病诊断等[15]。最近将其用于CT 图像重建和降噪的研究也逐步增多。有研究表明,DLIR 算法在不改变噪声纹理的情况下,不仅可以降低辐射剂量,还可以提高图像质量和肝转移等低对比病变的检出[16-18]。因此,研究了GE 医疗的DLIR 并与既往的ASiR-V算法比较,进一步验证其在低剂量腹部CT 成像中的价值。

本研究结果表明,同ASiR-V 50%相比,DLIR可显著降低腹部各组织结构和血管的噪声,提高CNR 和SNR[11-12];并且随着DLIR 权重增加,图像的客观噪声逐步降低,CNR 和SNR 逐步升高,同JENSEN 等[13]的发现基本一致。由于本研究采用临床常用的ASiR-V50%作为比较基准,而JENSEN等[13]采用较低权重的ASiR-V30%进行比较,因此,在DLIR-L和ASiR-V 间的比较结果略有差异,可能是ASiR-V 权重影响了图像噪声,进而影响到CNR和SNR 等指标。在整体图像质量和主观噪声评分方面,DLIR 任意权重图像均优于ASiR-V,并且随着DLIR 权重增加,图像质量越好、噪声越低,这与既往研究结果一致[13]。

另外,偏度也是本研究探讨的重点之一。NAM等[11,14]在胸部超低剂量CT 中首次引入该指标以客观反映图像中存在的失真伪影,发现在DLIR-H 图像中的肺、左心室和肝脏等处偏度值明显高于ASiR,并且可以观察到较多的失真伪影。本研究采用更先进的ASiR-V 算法,进一步与不同权重DLIR 算法进行比较,发现仅DLIR-H 图像的偏度值和ASiR-V 50%差异有统计学意义,具体表现在肝脏、脾脏、胰腺和腰大肌等处增高,在腹主动脉、门静脉和皮下脂肪处降低,但所有反映偏度的数据绝对值都很小。图像上的失真伪影也远不如NAM 等[11,14]的研究结果明显。由于本研究与NAM 等[11,14]研究的部位、扫描剂量、扫描期相及偏度测量方式均有差异,因此仍需进一步验证结果的准确性和可信性。

本研究首次探讨DLIR 算法能否减少或消除排泄期对比剂造成的硬化伪影。结果发现,各组图像间对比剂硬化伪影评分差异无统计学意义,初步认为DLIR 算法在对比剂硬化伪影消除中无明显优势。但既往能谱研究表明虚拟单能量技术可有效消除排泄期的对比剂硬化伪影[19],因此,本研究组未来希望可以结合能谱单能量技术和DLIR 算法进一步探讨对比剂硬化伪影消除效果。此外,伪影方面的研究结果尚不统一,如YOON 等[20]在儿童胸腹部低剂量CT 研究中发现,运动伪影和线束硬化伪影在ASIR-V 50%、ASIR-V 100%、DLIR-M 和DLIR-H 各组图 像中无统计学差异,且DLIR 权重变化并不影响伪影评分。而TAMURA 等[21]却发现,同基于模型的迭代重建算法相比,深度学习图像重建算法可明显消除腰椎周围的环形伪影。

本研究的局限性:首先,样本量小是本研究无法规避的问题,未来希望可以扩大样本量进一步验证该结果。其次,本研究未将FBP算法纳入研究,但既往研究表明其在低剂量情况下图像质量和噪声方面均无法与IR 算法相比[2],据此认为其并不影响本研究的主要结果。再次,本研究未采用常规动脉或者门静脉期研究DLIR 在低剂量CT 中的应用,是为了可以观察其在CT 尿路造影排泄期对比剂硬化伪影消除方面的价值。而本研究中的SNR 和CNR 数值均偏小,但各组间的差异仍能检出,也足以反映DLIR 算法相比于ASIR-V 算法的优越性。最后,本研究尚未评估该技术在腹部疾病诊断方面的应用价值,未来需进一步研究。

综上所述,DLIR 算法在腹部低剂量CT 中提升图像质量和降噪方面具有良好表现,但在降低对比剂硬化伪影方面能力有限。