深度学习重建算法在提高门静脉CT图像质量中的应用研究

曹 乐 ,刘翔 ,程燕南 ,郝辉 ,李军军 ,杨健

(1.西安交通大学生命科学与技术学院生物医学工程系,陕西西安 710054;2.西安交通大学第一附属医院医学影像科,陕西西安 710061)

计算机断层扫描(computed tomography,CT)门静脉成像是目前临床评价门静脉血管的重要影像学手段,对肝移植术前评估、门脉高压侧枝循环评估、肝脏肿瘤血供评估都有重要的临床意义[1-2]。以往门静脉CT图像质量优化主要依靠增加对比剂用量及能谱扫描的方式进行,即通过增加对比剂用量而增加血管强化程度,或者选择能谱扫描模式下40～60低ke V的单能量图像来增加血管与周围组织的对比度。但低能级的单能量图像噪声较大,常影响门静脉血管的显示,因此需要结合相应的重建算法来达到降低图像噪声的目的。自适应统计迭代重建(adaptive statistical iterative reconstruction,ASIR-V)是目前临床上广泛应用于降低图像噪声、提高对比度的重建算法[3-4]。但目前有报道发现,因建模复杂迭代的噪声纹理看起来有“蜡像感”和“不自然感”,尤其迭代程度越强,图像的“蜡像感”越重,丧失了图像真实的纹理[5]。近几年,深度学习重建算法(deep learning image reconstruction,DLIR)解决了迭代重建(iterative reconstruction,IR)的“不自然感”与“蜡像感”。它利用高质量的滤波反投影(filtered back projection,FBP)数据集来训练深度神经网络(deep neural network,DNN),通过学习如何区分信号和噪声,在不影响解剖和病理结构的情况下有效抑制噪声,开启了CT 图像重建的新纪元[6-10]。本研究以ASIR-V 算法为对照,评估DLIR 算法在提高门静脉CT 图像质量方面的应用价值。

1 资料与方法

1.1 研究对象

回顾性纳入西安交通大学第一附属医院2020年2月-6月行腹部双期增强扫描的患者。纳入标准:①有CT 原始数据(raw data),可进行不同算法的重建;②患者临床资料齐全。排除标准:①因原发或继发性病变导致的门静脉区域结构显示不清;②图像质量差,影响数据测量。根据纳入、排除标准,本研究连续性纳入32例受试者,所有患者检查前均签署知情同意书,其中男性19例,女性13例;平均年龄(56.13±13.14)岁。

1.2 扫描参数

所有患者均使用256排MDCT (revolution CT,GE Healthcare)扫描。临床常规扫描方案:管电压120 k V,自动管电流调制噪声指数(noise index,NI)为11,管电流调制范围为200～500 m A,为减少射线剂量,前置使用预先设定的40%的ASIR-V 进行扫描,转速0.5 r/s,螺距0.992∶1,探测器宽度80 mm。根据受检者的体质量,个性化的计算出注射速率及药量,经肘前静脉注射非离子型碘对比剂欧苏(300 mg/mL),对比剂按1.2 mL/kg注射,对比剂剂量范围为50～95 mL,注射速度2.7 mL/s。采用对比剂智能触发技术,监测感兴趣区设于腹主动脉水平,触发阈值120 HU。达峰后延迟12 s进行动脉期扫描,动脉期扫描后30 s门脉期扫描。

1.3 图像重建及图像评价

门静脉增强图像使用ASIR-V 50%算法和DLIR(TrueFidelityTM,GE)算法的中强度(DLIR-M)和高强度(DLIR-H)模式进行重建。图像重建层厚为1.25 mm。所有图像均送至GE Advantage工作站(AW4.7,GE Healthcare,Waukesha,Wisconsin)进行主观和客观评估。由一名高级职称的放射科医师对门静脉横断面图像进行定量分析,分别在重建图像上绘制感兴趣区(region of interest,ROI)。测量门静脉主干、右支、左支及左侧椎旁肌肉的CT 值和标准差(standard deviation,SD)。对比噪声比(contrast-to-noise,CNR)使用左侧椎旁肌肉和相应感兴趣区计算,CNR=(ROI目标部位-ROI肌肉)/SD肌肉(ROI目标部位代表门静脉主干、右支和左支的CT值,ROI肌肉代表左侧椎旁肌肉的CT值,SD肌肉代表左侧椎旁肌肉的噪声)。此外,为客观评价图像的空间分辨率,使用边缘上升斜率(edge rise slope,ERS)[11-13]测量门静脉血管壁CT 值斜率上升趋势,具体测量方法如图1所示。为保证测量的准确性,所有客观测量均由一名高年资医师间隔1个月分两次测量。主观评价由两名具有5年以上工作经验的放射科医师采用双盲法进行评分,内容包括图像噪声、图像对比度、伪影、门静脉小分支显示。具体评分细则详见表1,意见不一致时经过讨论得出一致性评分。此外,为进一步评估三种重建算法对门静脉细小分支的显示,对小分支的显示率进行单独评分,对评分为1分和2分的小分支,标记为不显示,≥3分的标记为显示,最终计算小分支在三种重建算法的显示率。

图1 门静脉血管壁边缘上升斜率测量示意图Fig.1 Schematic diagram of the measurement of edge rise slope

表1 主观评分标准[14-15]Tab.1 Grading scales for the qualitative image analysis[14-15]

1.4 统计学分析

应用SPSS 22.0统计软件进行统计学分析。测量值以平均值±标准差表示。采用单因素方差分析比较定量图像质量(CT 值、SD 值、CNR、ERS),方差分析前进行齐性检验。方差齐的多重比较采用Bonferroni校正方法,方差不齐的多重比较采用Tamhane方法。主观评分采用Friedman 检验。采用Cohen’s kappa检验评价两名放射科医师对图像质量评分的一致性:①K 值为0～0.20,一致性较低;②K 值为0.21～0.40,一致性一般;③K 值为0.41～0.60,一致性中等;④K 值为0.61～0.80,一致性高;⑤K值为0.81～1.00,一致性非常高。P＜0.05为差异有统计学意义。

2 结果

2.1 客观评分

三种重建的客观测量值详见表2。门静脉主干、右支、左支和左侧椎旁肌肉的CT 值在ASIR-V 50%图像上与DLIR-M、DLIR-H 图像上未见统计学差异。但图像噪声在DLIR 算法图像明显低于ASIR-V 50% 算法图像[DLIR-H(12.44、12.14、10.58、11.19 HU)＜DLIR-M(17.15、16.97、14.08、15.62 HU)＜ASIR-V 50%(21.21、20.30、18.83、17.87 HU,P＜0.001)]。门脉主干的ERS 值在DLIR(DLIRM:76.59 HU/mm、DLIR-H:76.23 HU/mm)图像上明显高于ASIR-V 50%(67.46 HU/mm)图像(P均＜0.05),而在DLIR-M 与DLIR-H 图像上 未见统计学差异。门脉主干及左、右分支的对比噪声比在DLIR-H 图像上明显高于ASIR-V 50% 图像(P＜0.001),而在DLIR-M 图像上未见统计学差异(P＞0.05)。

表2 几种重建算法图像门静脉CT值、SD值、CNR 及ERS的比较Tab.2 Comparison of CT value,SD value,CNR and ERS of portal vein images with several reconstruction algorithms

2.2 主观评分

三种重建算法图像的主观评价详见表3。在图像噪声、图像对比度和门静脉分支显示方面,DLIR图像明显优于ASIR-V 50%图像(P＜0.05),DLIR-M 与DLIR-H 图像未见统计学差异。图像伪影方面,DLIR图像略优于ASIR-V 50%图像,但三组图像的评分未见统计学差异。在门静脉小分支的显示率上,因图像噪声影响,32 例ASIR-V 50%的图像,有10例ASIR-V 50%图像中小分支未显示或显示不清(评分≤2分),显示率为68.75%;DLIR-M 中有2例图像小分支显示不清,显示率为93.75%;32例DLIR-H图像的小分支得分均≥3分,显示率为100%(图2)。两名医师之间的主观评分具有较好的一致性(K=0.70～0.87)。

图2 64岁男性患者三种重建算法的门静脉图像(A～C)和46岁男性患者三种重建算法的门静脉图像(D～F)Fig.2 The portal vein images of three reconstruction algorithms in a 64-year-old male patient(A-C)and The portal vein images of three reconstruction algorithms in a 46-year-old male patient (D-F)

表3 不同重建算法图像的主观评分比较Tab.3 Subjective score comparison of images with different reconstruction algorithms

3 讨 论

本研究比较了最新迭代算法ASIR-V 与DLIR两种不同重建算法在门静脉图像质量提升方面的价值,结果表明,DLIR 重建算法能明显降低图像噪声,提高空间分辨率和门静脉小分支显示率,整体图像质量明显优于ASIR-V 算法。门静脉供血占肝脏供血的70%～75%,是肝脏重要的供血来源,CT 门静脉造影可清晰地显示其分支及走行,是临床评估门静脉的重要影像学手段。以往为保证门静脉图像质量,多通过增加扫描条件及对比剂用量来提高血管的显示与强化,也有通过能谱低能级单能量图像重建来提高门静脉的显示,但能谱CT 辐射剂量也会相应增加。如何保持图像质量和辐射剂量的平衡,一直是CT 研究的重点和难点,CT 图像质量的优化往往离不开重建算法。随着CT 扫描技术的发展,CT 重建技术也日新月异,滤波反投影(filtered back projection,FBP)重建作为第一代CT 重建技术,具有运算效率高、精准度高等优点,但它无法在低剂量的条件下保证高质量图像。故迭代重建算法应运而生。迭代算法可降低图像噪声,提高密度分辨率,是目前应用最广的重建算法,但现有研究发现,迭代的噪声纹理看起来有“斑片状”“蜡像感”或“不自然”[5,16],而且迭代深度越高,图像的“蜡像感”越重,从而丧失图像的真正纹理。如何在低剂量扫描条件下降低图像噪声,又不丧失图像真正的纹理,是目前CT重建算法研究的热点。

DLIR 重建利用卷积神经网络实现图像配准训练,通过数百万个训练参数对低噪声、高分辨率的高剂量FBP图像纹理的金标准数据进行反复训练,以得到更接近真实纹理的图像。SAMUEL 等[8]的体内、外研究均证明,DLIR 可以改善图像质量,具有更好的物体检测性能,对辐射剂量的减少有更大的潜力。其他的研究[6,12,17-19],包括我们前期的研究[10]已经将DLIR 应用于人体的多个部位(如胸部、腹部、头部、冠状动脉等),其在提高图像质量和降低辐射剂量方面都有很大的优势[9,20-21]。以往门静脉的研究表明,60 Ke V 的单能量图像结合ASIR-V 50%算法可提高低剂量扫描情况下的门静脉诊断可信度[14],但DLIR 在门静脉图像质量的优化方面的研究却很少。由于DLIR 克服了ASIR-V 的“不自然感”,是否该算法可代替ASIR-V 应用于门静脉? 故本研究着重比较两种算法在门静脉图像质量方面的应用价值。已有研究表明,ASIR-V 50%的迭代重建深度在腹部图像的质量最好[22],故本研究选择ASIR-V 50%作为对照,从客观和主观两方面与DLIR算法进行比较,结果表明,DLIR算法的图像噪声明显低于ASIR-V 50%算法,其中DLIR-H 算法的对比噪声比最高。为了客观评价图像的空间分辨率,本研究使用测量门静脉血管的边缘上升斜率比较图像的锐利度,结果表明,ERS值在DLIR 算法下明显高于ASIR-V 50%算法,证明DLIR 算法重建得到的图像更锐利。主观评价方面,除了评价图像的噪声、伪影、门静脉的显示外,还单独评估了门静脉远端二级小分支的显示率,结果发现,32例门静脉图像中,10 例门静脉远端小分支在ASIR-V 50%的图像上没有显示或显示不清,2例在DLIR-M 图像上显示不清,而在DLIR-H 图像上均可清晰显示,表明DLIR 不仅降低了图像噪声,同时提高了图像的对比和空间分辨率,且因噪声的降低使门静脉细小分支的显示也更清楚。

本研究也存在很多不足。首先,样本量较少,需要扩大样本量进一步证实本文结果;其次,本研究没有与低剂量扫描条件下图像做对照,无法直接证实DLIR 在门静脉低剂量扫描情况下是否仍然可以提高图像质量。

综上所述,DLIR 可以显著提高门静脉的图像质量,降低图像噪声,提高图像对比及门静脉小分支的显示,为进一步降低门静脉辐射剂量提供了可能。