三种不同重建算法对胃周CT动脉成像质量的影响

胡君花,刘松,施婷婷,胡安宁,李辉

南京大学医学院附属南京鼓楼医院 医学影像科,江苏 南京 210008

[摘 要] 目的 研究CT增强扫描后三种重建算法滤波反投影(Filtered Back Projection,FBP)、混合迭代重建(iDose4)和基于模型的迭代重建(Iterative Model Reconstruction,IMR)对胃部血管成像质量的影响。方法 前瞻性收集胃肿瘤患者共21例,CT动脉期图像分别用FBP、iDose4和IMR方法重建,测量胃周各血管(腹主动脉、腹腔干动脉起始段、肝总动脉、脾动脉、胃左动脉、肠系膜上动脉、胃十二指肠动脉和胃网膜右动脉)的CT值、信噪比(SNR)和对比噪声比(CNR),采用配对t检验对比FBP、iDose4和IMR之间的SNR及CNR差异。结果 采用FBP、iDose4及IMR重建算法的腹主动脉、腹腔干动脉起始段、肝总动脉、脾动脉、胃左动脉、肠系膜上动脉、胃十二指肠动脉和胃网膜右动脉SNR值范围分别是12.201~15.838、16.696~22.381、38.327~46.018;CNR值的范围分别是9.549~13.186、12.952~18.637、38.307~30.616,这三种重建算法的图像SNR及CNR差异有统计学意义,IMR图像的SNR和CNR值均显著大于iDose4和FBP(P<0.001)。结论在相同扫描条件情况下,使用IMR技术相比于iDose4和FBP更能够降低胃周血管的图像噪声,提高图像质量。

[关键词] 胃肿瘤;CT;重建算法;图像质量

 

引言

胃肿瘤是我国常见的消化道肿瘤。胃周血管的清晰显示对胃肿瘤手术有指导作用,对胃周淋巴结的发现也有帮助。增强CT目前已经广泛应用于胃部肿瘤的术前分期及疗效评估[1]。近年来,CT后处理技术发展迅速,算法不断更新,如基于迭代重建算法的CT扫描技术iDose4、传统的滤波反投影法(Filtered Backprojection,FBP),但它们都属于部分迭代重组技术。目前,一种新型的全迭代重组技术“IMR”(Iterative Model Reconstruction)已在临床初步应用[2-4]。本文旨在研究胃肿瘤CT增强扫描后,三种重建算法(FBP,iDose4,IMR)对胃部血管成像质量的影响。

1 材料与方法

1.1 一般资料

本研究经医院伦理委员会审查批准,并取得患者知情同意,从2017年4月至8月,共前瞻性地纳入胃肿瘤患者21例(胃间质瘤3例,胃癌18例),其中男15例,女6例,年龄28~74岁,平均(60±12)岁,所有患者术前及胃镜检查后一周内行腹部CT平扫加增强检查。入组标准:① 经胃镜下发现胃部肿瘤;② 胃镜及CT检查前未行抗肿瘤治疗;③ 肾功能正常(肾小球滤过率≥30 mL/min);④ 无碘剂过敏。排除标准:① 腹部有严重的伪影(呼吸、金属伪影、钡剂)影响观察;② 胃充盈不佳。

1.2 影像学检查

所有患者检查前禁食8 h,禁水4 h;检查前1 min口服产气粉(青岛红蝶新材料有限公司)两包,每包3 g;检查前均对患者进行屏气训练。采用荷兰Philips Brilliance iCT 128排扫描仪,患者仰卧位,脚先进,扫描范围包括胃全部。行CT平扫及三期动态增强扫描,动脉期、静脉期及延迟期分别为30、70和210 s。螺距0.914:1,扫描层厚5.0 mm、层距1.0~5.0 mm。扫描条件:平扫为120 kV,30 mA;增强期为100 kV,自动管电流。采用高压注射器(Medrad Stellant CT Injector System;One Medrad Drive Indianola,PA,USA)经肘前静脉留置针注射碘海醇(Omnipaque 350 mgI/mL;GE Healthcare,上海,中国)80 mL,注射速率3.0 mL/s。CT扫描结束后,分别采用FBP、iDose4及IMR三种重建算法对原始数据进行重建,重建层厚均为1 mm。

1.3 图像分析与评价

将所扫描患者图像的原始数据导入IntelliSpace工作站,隐藏图像扫描参数及患者个人信息。由两名具有5年阅片经验以上且不知道图像重建方法的放射科医师在3组不同重建算法的图像上,使用动脉期图像进行分析,测量时将感兴趣区(Region of Interest,ROI)放置于血管管腔中央,避开血管明显的狭窄、闭塞段,分别测量腹主动脉(腹腔干动脉开口水平),腹腔干动脉起始段,肝总动脉,脾动脉,胃左动脉,肠系膜上动脉,胃十二指肠动脉及胃网膜右动脉的CT值,对应上述8个层面分别使用复制-粘贴ROI功能,测量邻近束脊肌的CT值,并记录同层面腹壁皮下脂肪CT值及其标准差,将后者作为图像噪声。以上数据均由两位医师在同层面测量所得,最后取两个数值的平均值。计算信噪比(Signal Noise Ratio,SNR)和对比噪声比(Contrast Noise Ratio,CNR)。SNR=CT血管/SD背景,CNR=(CT血管-CT肌肉)/SD背景,其中CT血管为同层面血管的平均CT值,CT肌肉为对应层面两侧肌肉的平均CT值,SD背景为同层面腹壁皮下脂肪的标准差。

1.4 统计学分析

应用SPSS 22.0统计学软件处理数据,以P<0.05有统计学意义。使用FBP,iDose4及IMR三种重建算法胃部血管SNR间的比较采用配对样本t检验,三种重建算法血管CNR的比较同样采用配对样本t检验。

2 结果

对21位胃肿瘤患者进行腹部CT增强扫描,经过FBP、iDose4及IMR三种重建算法得到薄层为1 mm的图像,通过测量、分析和计算同层面、同位置胃周各血管的数据,得到各血管的SNR和CNR值,见表1。三种重建算法得到各血管的SNR范围分别是FBP(12.201~15.838)、iDose4(16.696~22.381)、IMR(38.327~46.018);CNR 的 范 围 分别 是 FBP(9.549~13.186)、iDose4(12.952~18.637)、IMR(38.307~30.616)。三种重建算法中FBP的SNR和CNR值均最低,IMR图像的SNR和CNR值均显著大于iDose4和FBP(P<0.001),见表 1~2,图 1。近端血管(腹主动脉、腹腔干动脉、肝总动脉、脾动脉、肠系膜上动脉)IMR的SNR 范围为 44.568~46.018;CNR 范围为 36.857~38.307,远端分支血管(胃左动脉、胃网膜右动脉、胃十二指肠动脉)的IMR图像的SNR范围为38.327~42.781;CNR范围为30.616~35.070,近端分支血管IMR图像的SNR及CNR大于远端分支血管。

表1 不同重建算法下各血管的SNR和CNR值

CNR FBP iDose4 IMR FBP iDose4 IMR腹主动脉 15.630 ±4.26 22.381 ±5.78 45.876 ±14.42 12.978±4.02 18.637 ±5.43 38.165±13.18腹腔干动脉 15.838 ±3.92 21.982±5.75 45.478±15.43 13.186±3.73 18.239 ±5.42 37.767±14.19肝总动脉 14.960 ±4.03 20.601±5.92 44.568±15.03 12.308±3.80 16.858 ±5.52 36.857±13.71脾动脉 15.652±3.98 21.620±5.77 46.018±14.92 13.001 ±3.78 17.876±5.44 38.307±13.71胃左动脉 13.258±3.59 17.982 ±5.14 40.709±13.02 10.607 ±3.47 14.238±4.91 32.998±12.05胃网膜右动脉 12.201 ±3.22 16.696 ±4.52 38.327 ±11.44 9.549±3.16 12.952±4.41 30.616±10.80胃十二指肠动脉 13.839 ±3.66 18.924±5.28 42.781±14.15 11.187±3.46 15.181 ±4.95 35.070±12.91肠系膜上动脉 15.486 ±3.72 21.482 ±5.55 45.441 ±14.58 12.835 ±3.55 17.738±5.23 37.730±13.34 SNR

表2 三种不同重建方式胃周血管SNR和CNR差异性的比较

CNR IMR vs. FBP IMR vs. iDose4 iDose4 vs. FBP IMR vs. FBP IMR vs. iDose4 iDose4 vs. FBP t值 P值 t值 P值 t值 P值 t值 P值 t值 P值 t值 P值腹主动脉 11.724 <0.001 11.120 <0.001 12.197 <0.001 10.845 <0.001 10.39 <0.001 10.739 <0.001腹腔干动脉 10.695 <0.001 9.784 <0.001 13.985 <0.001 9.823 <0.001 9.023 <0.001 12.650 <0.001肝总动脉 11.467 <0.001 10.987 <0.001 12.608 <0.001 10.650 <0.001 10.29 <0.001 11.273 <0.001脾动脉 11.635 <0.001 10.998 <0.001 13.561 <0.001 10.777 <0.001 10.271 <0.001 12.203 <0.001胃左动脉 12.347 <0.001 12.022 <0.001 12.566 <0.001 11.182 <0.001 11.064 <0.001 10.556 <0.001胃网膜右动脉 12.677 <0.001 11.858 <0.001 13.975 <0.001 11.194 <0.001 10.656 <0.001 11.364 <0.001胃十二指肠动脉 11.798 <0.001 11.312 <0.001 13.099 <0.001 10.893 <0.001 10.573 <0.001 11.426 <0.001肠系膜上动脉 11.607 <0.001 10.957 <0.001 13.461 <0.001 10.764 <0.001 10.238 <0.001 12.156 <0.001 SNR

图1 IMR、iDose4、FBP三种重建方式下的CT横断面薄层重建图像

注:a. IMR重建图像,腹主动脉的SD=9.3,SNR=45.876±14.42,CNR=38.165±13.18;b. iDose4重建图像,腹主动脉SD=18.6,SNR=22.381±5.78,CNR=18.637±5.43;c.FBP重建图像,腹主动脉的SD=25.9,SNR=15.630±4.26,CNR=12.978±4.02。

3 讨论

多排螺旋增强CT扫描已广泛应用在胃部多种肿瘤的评估中,近年来,CT设备不断更新换代,CT扫描的后处理重建方式也不断发展更新。以往CT扫描技术多关注X线束的调节、参数的优化,而近期重建算法对图像质量影响的研究越来越多[5-7]

128排iCT扫描及其多种后处理技术是一种风险极小的非侵入性检查方法。目前最新的迭代算法是IMR,是一种结合了三维微平板探测器和多模型重组算法的全迭代重建技术,考虑到了焦点尺寸、X线束宽度、体素大小、探测器像素尺寸和光束及探测器间的相互作用等因素,可以更精确地还原扫描信息,进一步降低图像噪声,提高图像质量[8]。之前已有多篇文献证明,在多个领域,相比FBP、iDose4,IMR在降低图像噪声和提高图像质量方面的优势明显[7]

本研究中,IMR图像的SNR和CNR值均显著高于iDose4和FBP(P<0.001)。SNR和CNR值都是评价图像质量的客观指标,目前已广泛应用于CT图像质量的评估中。本研究三种薄层图像中,以腹主动脉为例,IMR的SNR及CNR值分别是SNR=45.876±14.42;CNR=38.165±13.18,都显著高于iDose4及FBP的SNR和CNR值(P<0.001)。原因是,IMR迭代算法是基于图像统计模型及系统模型精确确定的数据,可以在图像空间和数据空间上对统计模型和系统模型进行更全面的优化,从而更准确地还原扫描信息。我们的结果与Yuki等[8]对IMR在冠状动脉中的应用结论相符。IMR在血管成像中的SNR和CNR值明显优于iDose4、优于 FBP。

此次研究中,iDose4的SNR值及CNR值都优于FBP(P<0.001)。FBP是最早的CT图像重建方式。FBP是一种解析算法,其优点是方便简单、速度快,自1970年初应用于临床[9]。但FBP采集数据时理想化,忽略了噪声对投影数据的影响,将噪声带到了重组图像中,有时候还会放大噪声,创造较多伪影,影响图像质量[10]。迭代重建算法是基于解剖模型,可精确模拟系统几何学,选择性识别并去除图像噪声,并在每次迭代中通过抑制噪声及伪影提高图像质量[11-13]。iDose4则采用了两种算法,即FBP和迭代重建,本研究中混合迭代选用4级,FBP和迭代重建各占50%[14-16]。钱伟亮等[11]在双下肢CTA研究中对比FBP和iDose4,认为在较低辐射剂量条件下,仍可获得噪声较小的高质量图像。但是由于该重建算法计算复杂,未能考虑计算机硬件的性能,仍然具有一定的局限性。

此次研究中,我们还发现,近端血管(腹主动脉、腹腔干动脉、肝总动脉、脾动脉、肠系膜上动脉)IMR的SNR及CNR值范围分别为44.568~46.018、36.857~38.307,优于远端分支血管(胃左动脉、胃网膜右动脉、胃十二指肠动脉)IMR图像38.327~42.781、30.616~35.070,这可能是因为近端血管较粗大,稳定性高,远端血管纤细,受到的影响因素较多。本研究的局限性有:① 本研究数据样本量不够大,今后将收集更多的数据做进一步研究;② 研究的患者未记录其BMI指数;③ 未考虑胃周血管显示与胃充盈状态的关系,将在以后研究中完善。综上所述,在相同扫描条件情况下,使用IMR技术相比于iDose4和FBP更能够降低胃周血管的图像噪声,提高图像质量。

[参考文献]

[1] 胡国权,郝建成,范元军,等.256层CT动态增强及后处理技术在胃癌术前TN分期的临床应用[J].皖南医学院学报,2017,36(4):378-381.

[2] Park SB,Kim YS,Lee JB,et al.Knowledge-based iterative model reconstruction (IMR) algorithm in ultralow-dose CT for evaluation of urolithiasis: evaluation of radiation dose reduction, image quality, and diagnostic performance[J].Abdom Imaging,2015,40(8):3137-3146.

[3] Klink T,Obmann V,Heverhagen J,et al.Reducing CT radiation dose with iterative reconstruction algorithms: the influence of scan and reconstruction parameters on image quality and CTDIvol[J].Eur J Radiol,2014,83(9):1645-1654.

[4] Funama Y,Taguchi K,Utsunomiya D,et al.Image quality assessment of an iterative reconstruction algorithm applied to abdominal CT imaging[J].Phys Med,2014,30(4):527-534.

[5] 严辉峰,张丽,张照涛,等.双源CT大螺距、低管电压扫描联合迭代重建技术在经导管主动脉瓣置换术术前评估中的应用价值[J].中华放射医学与防护杂志,2017,37(2):149-154.

[6] 马义,朱斌.迭代模型重建技术对不同辐射剂量下头颈部CTA图像质量的影响[J].中华临床医师杂志(电子版),2016,10(15):2359-2363.

[7] Hou Y,Liu X,Xv S,et al.Comparisons of image quality and radiation dose between iterative reconstruction and filtered back projection reconstruction algorithms in 256-MDCT coronary angiography[J].AJR Am J Roentgenol,2012,199(3):588-594.

[8] Yuki H,Utsunomiya D,Funama Y,et al.Value of knowledgebased iterative model reconstruction in low-kV 256-slice coronary CT angiography[J].J Cardiovasc Comput Tomogr,2014,8(2):115-123.

[9] Pan X,Sidky EY,Vannier M.Why do commercial CT scanners still employ traditional, filtered back-projection for image reconstruction?[J].Inverse Probl,2009,25(12):1230009.

[10] 吴瑶媛,王万勤,刘斌,等.FBP、ASiR和VEO三种重建算法对常规剂量胸部CT图像质量的影响[J].中国医学影像技术,2012,28(3):575-578.

[11] 钱伟亮,丰川,周丹静,等.FBP、iDose4和IMR重建算法对低剂量双下肢CTA图像质量的影响[J].中国医学影像技术,2017,33(2):290-294.

[12] 高思喆,马跃,侯阳,等.全模型迭代重建算法(IMR)在“双低”冠状动脉CTA成像中的应用价值的探讨[J].中国临床医学影像杂志,2018,29(3):177-181.

[13] 蒋耀军,高剑波,刘杰,等.低管电压迭代重建模型在冠状动脉CTA中的应用[J].中国医学影像技术,2016,32(11):1753-1756.

[14] 蒋骏,黄美萍,雷益,等.全模型迭代重建技术在心脏CT成像中应用的实验研究[J].中华放射学杂志,2015,49(6):473-477.

[15] 王君玲,许乙凯,周芳,等.全模型迭代重建技术在头颈部血管成像中的应用[J].科学技术与工程,2016,16(35):34-39.

[16] 蔡武,胡春洪,王希明,等.“四低”联合自动管电流调节和全模型迭代重建技术在头颈部CT血管成像中的应用[J].中华医学杂志,2018,98(1):30-35.

 

Effects of Three Different Reconstruction Algorithms on the Quality of Gastric Peripheral CT Angiography

HU Junhua, LIU Song, SHI Tingting, HU Anning, LI Hui
Department of Medical Image, Nanjing Drum Tower Hospital, The Affiliated Hospital of Nanjing University Medical School, Nanjing Jiangsu 210008, China

Abstract: Objective To investigate the effects of filtered back projection (FBP), hybrid iterative reconstruction (iDose4) and iterative model reconstruction (IMR) on the quality of gastric vessel imaging after CT enhanced scanning.MethodsA total of 21 patients with gastric cancer were prospectively enrolled. The CT images in arterial phase were reconstructed by FBP, iDose4 and IMR methods, respectively. The CT values, signal-noise-ratio (SNR) and contrast-noise-ratio (CNR) of perigastric arteries (abdominal aorta, celiac trunk, common hepatic artery, splenic artery, left gastric artery, superior mesenteric artery, gastroduodenal artery, and right gastroepiploic artery) were measured. The differences of SNR and CNR in different perigastric arteries using FBP, iDose4 and IMR methods were compared by paired t-test.ResultsThe SNR ranges of abdominal aorta, celiac trunk, common hepatic artery,splenic artery, left gastric artery, superior mesenteric artery, gastroduodenal artery, and right gastroepiploic artery using FBP, iDose4 and IMR reconstruction algorithms were 12.201~15.838, 16.696~22.381 and 38.327~46.018, respectively. The CNR ranges were 9.549~13.186, 12.952~18.637 and 38.307~30.616, respectively. The SNR and CNR of the three reconstruction algorithms differed significantly. The SNR and CNR using IMR method were significantly higher than that of iDose4 and FBP methods (P<0.001).ConclusionUnder the same scanning conditions, the image quality of perigastric arteries using IMR is significantly better than that of iDose4 and FBP.

Key words: stomach neoplasm; CT; reconstruction algorithm; image quality

收稿日期:2017-11-29

修回日期:2018-01-08

通讯作者:李辉,主治医师,研究方向为腹部影像学。

通讯作者邮箱:lh83343066@163.com

[中图分类号] R814.42

[文献标识码] A

doi:10.3969/j.issn.1674-1633.2019.01.017

[文章编号]1674-1633(2019)01-0063-03

本文编辑 王婷