深度学习重建算法改善颅脑低剂量CT图像质量的可行性研究

您所在的位置:网站首页 头颅ct扫描条件 深度学习重建算法改善颅脑低剂量CT图像质量的可行性研究

深度学习重建算法改善颅脑低剂量CT图像质量的可行性研究

2024-07-06 22:48| 来源: 网络整理| 查看: 265

CT检查具有快捷、方便、成本低等优势,已成为当前全球筛查脑血管疾病的首选检查方法[1]。颅脑CT因扫描范围包含了眼晶状体等辐射敏感器官,因此降低辐射剂量尤为重要。降低辐射剂量最直接的办法是优化扫描条件(如kVp、mAs等),但传统的滤波反投影(FBP)算法在降低扫描条件后,图像噪声明显增加,图像质量降低[2]。自适应统计迭代重建(ASIR)算法可以降低图像噪声,在低剂量扫描条件下能够与常规剂量下FBP重建图像的质量相当。然而,ASIR算法在空间分辨率、噪声纹理与病变检测等方面有一定局限性,限制了其进一步减少辐射剂量的潜力[3]。美国通用电气(GE)医疗研发的深度学习图像重建(deep learning image reconstruction, DLIR)算法,即TrueFidelityTM深度学习重建,以高质量FBP数据集作为训练目标,能够学习如何将噪声与信号区分开,并在不影响图像噪声纹理的情况下有效地抑制噪声。当前,DLIR算法已被用于模体和各项临床研究,但在头部的应用较少。因此,本研究旨在探讨DLIR改善低剂量颅脑CT图像质量方面的能力。

资料与方法

1. 病例资料:回顾性纳入解放军总医院第二医学中心2021年11月至2022年8月间符合条件的109例患者患者作为研究对象。纳入标准:可以完成颅脑CT扫描的患者。排除标准包括:脑出血患者;既往大面积脑梗死患者;肿瘤患者;头动伪影明显的患者;头部有金属植入物伪影的患者;存在其他疾病影响影像诊断的患者。本研究获得医院伦理委员会的批准,患者数据经过脱敏处理,所有患者或监护人均签署了知情同意书。

2. 仪器与方法:使用GE Revolution APEX CT扫描仪(GE Healthcare, Milwaukee, 美国),受检者取仰卧位。每名患者进行2颅脑CT扫描,第1次为常规剂量扫描,扫描参数如下:管电压120 kV,自动管电流454 mA(自动管电流),光束准直64 × 0.625 mm,转速0.5 s/周,螺距0.516,视野(FOV)250 mm × 250 mm,矩阵512 × 512,层厚和层间距均为5 mm,共32层。第2次为低剂量扫描,扫描参数如下:管电压100 kV,管电流为100~300 mA(自动管电流),光束准直64 × 0.625 mm,旋转时间0.5 s,螺距0.516,视野250 mm,矩阵512 × 512,层厚和层间距均为5 mm,共32层。根据两次CT扫描的辐射剂量报告,得到容积CT剂量指数(CTDIvol)和剂量长度乘积(DLP),并计算有效剂量(ED)。ED=DLP × 0.002 8 mSv·mGy-1 ·cm-1[4]。

采用4组重建参数重建低剂量CT扫描数据,4组重建参数分别为30%强度ASIR-V(ASIR-V-30%),低强度DLIR (DLIR-L)、中等强度DLIR(DLIR-M)和高强度DLIR(DLIR-H)。所用重建均为Standard。重建层厚及间隔均为1.25 mm。

3. 图像分析:所有图像导入GE后处理工作站(Advantage Workstation 4.7, GE Healthcare, Milwaukee, 美国)进行客观定量测量和主观定性评估。

(1) 客观测量:由3名分别具有29、21和16年工作经验的神经放射诊断医师对CT横断面图像进行感兴趣区域(ROI)勾画,取3名医生测量的平均值作为最后的测量值。将大小为5 mm2的ROI置于4个区域,分别为:半卵圆中心水平额叶的白质,即表浅白质;大脑皮层的灰质,即表浅灰质;内囊后肢的白质,即深部白质;丘脑,即深部灰质。选取上述区域进行测量是因为上述区域相对没有伪影,干扰因素较少[5]。为确保不同区域ROI大小一致,ROI勾画采用复制和粘贴方法。测量CT值和图像噪声,图像噪声定义为记录ROI面积内图像像素CT值的标准差(SD)[5],该数值越小代表图像噪声小,图像质量越好。计算信号噪声比(SNR)和对比噪声比(CNR)。SNR=CT值ROI/SDROI,CNR 灰白质=(CT值灰质-CT值白质)/ CT值白质。

(2) 主观评价:由3名分别具有29年、21年和16年工作经验的神经放射诊断医师在工作站分别独立阅片。图像以随机顺序呈现,扫描及重建参数不可见。评分均采用Likert 5分制,评估内容包括图像解剖结构和图像细节清晰程度。评分标准为:1分,图像质量差,解剖结构显示不清,无法诊断;2分,图像质量较差,解剖结构辨识困难,诊断价值有限;3分,图像质量一般,解剖结构部分欠清晰,初步满足诊断要求;4分,图像质量良好,解剖结构较清晰,满足诊断要求;5分,图像质量优,解剖结构清晰,诊断优异。分别由2名医师独立进行评价,结果不一致时由第3名医师仲裁。

4. 统计学处理:所有统计分析均使用SPSS 26.0软件包。采用单因素方差分析(ANOVA),比较组间的客观图像质量CT值、图像噪声、CNR和SNR,两两比较采用Bonferroni检验。采用Kruskal-Wallis检验比较主观图像质量评分,两两比较采用Mann-Whitney U检验。采用配对t检验比较常规剂量组及低剂量组的辐射剂量。放射诊断医师评分结果采用线性加权Kappa检验,Kappa≤0.2为一致性差,0.2 < Kappa ≤0.4为一致性低,0.4 < Kappa ≤0.6为一致性中等,0.6 < Kappa ≤0.8为一致性好,0.8



【本文地址】


今日新闻


推荐新闻


CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3