CT重建算法和显示窗设置影响肺实性结节检出和测量的研究

CT重建算法和显示窗设置影响肺实性结节检出和测量的研究

张凯

内蒙古自治区人民医院    内蒙古自治区 呼和浩特  010017

摘要：根据FleischnerSociety对于肺结节诊断和测量的最新建议，可以使用直径测量或体积估计来评估肺结节的大小和生长。此外，部分研究证明，结节CT值在评估结节生长、区分肿瘤亚型、评估进展和预后方面有重要意义。另外，FleischnerSociety建议在肺窗上进行结节测量。但在肺窗和纵隔窗同时进行结节直径和CT值测量的研究尚少。而既往研究表明，不同的重建算法可能会影响结节的体积评估，并且其直径测量值可能会在不同阅片医师间存在差异。因此，本研究旨在评价重建算法和窗设置对肺实性结节检出和测量的影响，以及在上述条件下肺结节测量值的可重复性和变异度。本文主要分析CT重建算法和显示窗设置影响肺实性结节检出和测量的研究。

关键词：CT；肺结节；重建算法；检出；变异度

引言

肺癌仍然是世界范围内与癌症死亡相关的最常见原因。研究表明，I期肺癌的5年平均生存率高达70%。肺结节作为早期肺癌的常见表现，对肺癌的早期发现和诊断具有重要意义。随着多排探测器计算机断层扫描（computedtomography,CT）的发展，低剂量CT在肺结节检出以及良、恶性判别中发挥了重要作用。肺结节大小可以为疾病的诊断、分期和治疗提供生物标记。因此，结节检出和测量准确性对肺癌筛查有重要意义。

1、肺结节的检出和测量

结节在CT轴位图像上进行识别。记录结节数量并测量大小，按结节直径（肺窗上5种重建算法结节直径的平均值）分为微结节（6mm）。由于不同直径结节的随访时间不同，需进一步根据结节直径评价重建算法对结节检出和测量的影响。两名放射科医生（分别有3年和5年的胸部影像诊断经验）在对重建算法不知情的情况下，评估以上5组图像。为了减少偏倚，5种重建算法图像随机排序，评估过程中，阅片医师可以在重建算法间切换。前后两次评估的时间间隔为1周。在结节显示的最大轴向层面，两名放射科医师进行长径和短径测量：首先在显示窗上找到结节的中心层面，将其放大到最大倍数然后测量长径和短径。为方便起见，将上述长、短径的平均值用于最终分析。通过手动勾画椭圆形的感兴趣区测量肺结节CT值（单位，HU），感兴趣区至少包含实性结节的1/2~2/3。以上测量分别在肺窗和纵隔窗上完成。另外，每位医师需对肺结节直径和CT值连续进行3次测量，用于计算变异度。

2、图像重建算法介绍及参数选择

ASiR-V结合了上一代的ASiR与基于模型的迭代重建（model-basediterativereconstruction,MBIR，商品名VEO）的优势，三种不同迭代重建算法的模型差异。ASiR-V在MBIR的基础上舍弃了重建过程中耗时最久的光学模型，因此重建速度与FBP算法相当。ASiR-V采用先进的噪声模型将数据采集系统中的电子噪声、光子噪声和重建图像的噪声谱均考虑在内。与传统的迭代重建算法相比，ASiR-V能够在降低剂量的同时保证一定的空间分辨率。ASiR-V的参数可以在0~100%范围内进行选择，重建后的图像由FBP重建和ASiR-V迭代重建共同组成，例如30%ASiR-V的图像由30%ASiR-V重建与70%FBP重建组成。重建卷积核又称滤波函数，是指CT图像重建中在反投影前修改投影数据频率的过程，其作用是补偿CT影像采集过程中数据采样不均匀性造成的模糊，并恢复或增强成像对象结构的边缘信息。卷积核的选择会影响图像处理的质量，其应用主要体现在对像素噪声及图像分辨率的处理效果上。如在临床实践中，“SoftKernel”的应用虽然可以减少图像噪声，但为保证低对比度的细节，削弱了图像的清晰度。在本研究中，所有患者均仅进行了一次CT扫描，以FBP重建图像作为基准，使用ASiR-V（包括30%、60%、90%三种）和卷积核（包括Stnd、Soft、Detail三种）交叉重建出9组图像。

3、改进算法

在基于高斯MRF的惩罚加权最小二乘法中,由于目标函数中正则项的权重是固定的,没有考虑平坦区域和边缘区域具有不同的特点,使得图像边缘较为模糊。TV正则化方法虽然在去噪的同时能较好地保持图像的边缘,但是容易使图像的平坦区域产生阶梯效应。因此,本文提出了一种基于分区域处理的联合先验低剂量CT统计迭代重建算法,该算法首先对低剂量CT图像进行区域划分,再对不同区域的图像块进行不同的处理,然后将改进的正则项应用到惩罚加权最小二乘法中,最后使用SOR迭代重建算法进行求解。

4、讨论

重建算法作为一种新颖的CT重建技术，在图像噪声抑制、辐射剂量降低和空间分辨率提高等方面均有明显的效果。传统FBP重建作为解析算法的代表，在辐射剂量降低时无法克服噪声增加的矛盾。现有文献表明，基于ASiR-V的图像重建可以获得良好的客观与主观评价，同时也是迭代算法代替传统解析算法的新方向。为减少肿瘤患者的受照剂量，并提高医生勾画工作的舒适度，一些中心会使用迭代算法，如针对Philips公司iDose4迭代重建算法在放疗CT影像的器官轮廓识别、剂量测定等方面的研究表明，iDose4迭代算法能够与FBP图像的CT数保持一致，且不影响靶区和危及器官勾画的准确性，可以用于放射治疗定位和计划设计。因此本研究探讨了现有的DL自动分割方法运用在不同重建算法参数的图像上能否保持其稳定性，从而使临床获益更多。不同MBIR重建参数影像对盆腔OAR分割的研究结果表明，影像重建参数对自动分割的稳定性存在影响，这与我们的研究结果相似。截至目前，尚未有针对ASiR-V和卷积核组合重建算法参数对放疗CT影像自动分割影响的研究。本研究旨在探究多种ASiR-V与卷积核组合形成的重建算法参数得到的图像对深度学习自动分割结果稳定性的影响。DSC的结果显示，DL对软组织的分割结果受重建参数影响更明显，例如在某些病例中小肠在90%ASiR-V重建协议下，分割的结果与FBP图像比，DSC值仅有0.6807，而DSC值大于0.7时才可认为参考结构和被测结构相似度良好。这可能是因为肠道是腔型结构，腔内内容物的变化与训练网络时的训练集差异较大导致分割不佳，因此自动分割结果在各个重建图像上的差异都比较大。小肠的分割结果与FBP最接近的重建算法为30%ASiR-V与Detail卷积核的组合，但在同为30%ASiR-V的卷积核组间比较中尚未发现统计学差异。这表明虽然卷积核不同，DL在针对小肠这种变异度较大的结构时，自动分割功能受卷积核影响可忽略不计。对于所有软组织结构，DL在Soft卷积核重建图像下均未能表现出良好的分割结果。因此与放射诊断学不同，相比于Stnd与Detail卷积核，Soft卷积核不能使软组织结构在自动分割阶段获益更多；此外，HD的结果证明，90%ASiR-V或Soft卷积核重建图像中的自动分割结果在OAR边缘处理方面与FBP图像的结果相似性低，这表明了DL在过于“平滑”的图像中对器官组织边缘的识别能力不佳。在研究中针对肠道结构，选择了肠袋和小肠两种结构进行比较，DL的表现在肠袋中较稳定，分割结果良好，也有研究得出相似结果，因此临床中医生偏好以肠袋代替小肠作为限制剂量的目标结构。骨性结构的自动分割受到CT重建参数的影响较小，且在临床工作中，医生手动勾画时间相对较短，因此该部分影响可以被忽略。本研究仅选择了20例病例展开分析，样本量较小，这是本研究的不足之一。

结束语

综上，肺窗和肺算法可提高6mm以下实性结节的检出率。然而结节的CT值测量应尽可能避免使用肺算法。结节直径和CT值测量建议分别采用肺窗和纵隔窗。以上结果表明，在肺结节的临床诊断中，合理选择重建算法和窗设置，可以最大程度地提高肺结节检出率和测量的准确性。

参考文献：

[1]张海燕,张立毅,孙云山.基于离散剪切波正则化的低剂量CT图像统计重建算法[J].计算机工程与科学,2018,40(1):86-92.

[2]裴新超,尹四清.自适应差分曲率正则化的低剂量CT重建算法[J].计算机工程与设计,2016,37(5):1229-1233

[3]何琳,张权,上官宏,等.自适应加权全变分的低剂量CT统计迭代算法[J].计算机应用,2016,36(10):2916-2921.

[4]余行,蒋家良,何奕松,等.利用卷积神经网络对CT图像进行定位的可行性研究[J].中国医疗器械杂志,2019,43(6):478-482.

[5]傅玉川,余行.医学影像自动分割技术在放射治疗中的应用及发展趋势[J].中国医疗器械杂志,2020,44(5):420-424.