迭代算法

ຫໍສະໝຸດ Baidu

图像主观评分：图像质量由2名从事腹部影 像诊断的高年资医师采用双盲法对所有图 像进行独立评估，采取评分法(窗宽200Hu 窗位40Hu)，参照Kalra等的综合评分方法。 2.4 统计学方法 应用spss16.0统计学软件，采用配对样本t 检验比较，每组不同重组算法、相同厚度 图像的噪声、CNR和主观评价。P<0.05为 差异有统计学意义.

继ASiR迭代重组技术取得良好的临床应用 之后。随着硬件条件的发展，基于模型迭 代重组技术(model—based iterative reconstruction，MBiR)也开始逐步走入临床 应用。MBIR技术在原始数据空间的迭代过 程中，除了建立系统统计模型之外，还建 立了系统光学模型，体素、x线初始位置和 探测器几何因素均纳入模型之中，更加真 实地还原了x线的物理投射过程。但MBiR由 于计算量大还不能常规应用到临床中。
迭代算法在腹部CT图像影响及 降低剂量的研究


CT 技术自诞生以来，医学科学家们已经发展了众多的图 像重建算法，但各种算法均存在着各自的优缺点。解析重 建（Analytic Reconstruction，AR）和迭代重建（Iterative Reconstruction，IR）是 CT 图像重建的两种基本方法。 虽然世界上第一台医用 CT 就采用IR 算法，但 AR 很快就 代替了 IR，成为 CT 图像重建的“金标准”，这是由于 IR 算法计算速度慢、所需存储空间大，在计算机技术水 平不是很发达的年代，它的应用和发展受到了限制。但近 年来随着计算机技术快速发展和 IR 算法的不断完善，IR 的缺点已经降低为次要矛盾，正成为国内外 CT 研究的热 点。 目前，各大公司迭代算法主要有：GE 公司的 ASIR、东芝 公司的 AIDR 3D、飞利浦公司的 iDose 4 和西门子公司的 Safire 技术等。美国 GE 公司作为全球最大的 CT 制造企 业之一，在中国医疗市场占有重要的份额。该公司旗下的 自适应统计迭代重建（ Adaptive Statistical Iterative Reconstruction，ASIR）是诸多 IR 算法中的典型代表， 目前已广泛应用于临床，而较之更为先进的基于模型的迭 代重建算法（Model-Based Iterative Reconstruction， MBIR，商品名“VEO”）[1]也正处于临床推广阶段。


2.1检查方法 采用GE宝石能谱CT，管电压120KV，管电 流260mA球管旋转时间0.8S／周，标准重 建，层厚5mm层间距5mm。螺距1.375， FOV 50cmX 50cm，DFOV 38cm×38cm， 扫描准直0.625mmX64。 CT扫描结束后，将原始数据(Raw data)保 存至移动硬盘并分别用FBP、50％ASiR和 MBiR三种重组算法进行0.625mm 1.25mm、 2.5mm和5mm不同层厚重组CT图像。


3.结果 FBP、50％AsiR和MBiR三种不同重 建算法在0.625mm、 1.25mm、 2.5mm和 5mm四种不同层厚图像的噪声见表1，CNR 见表2，两名医师对各组图像质量主观评分 见表3，差异具有统计学意义(图1，2)。 从以上数据可以得出，利用MBiR重建的 0.625mm图像大大降低了噪声，提高了 CNR，可以替代传统FBP重组的5mm的图像， 这样即提高了小病灶的检出率又使剂量的 降低成为可能。
2 ASIR 技术成像的特点 GE 公司已经把 ASIR 技术装配到最先进的宝 石 CT（Discovery CT750 HD）和 128 层 CT（Optima CT660）上并 用于临床，重点是研究噪声消除、伪影抑制以及双能与能（量）敏 （感）成像，现已取得了比较满意的效果。在实际临床应用中，它又 具有以下几个技术特 点[4－6]： （1）ASIR 通过建立系统噪声模型，并利用迭代方法加以抑 制，得到更清晰的图像；但 与 FBP 一样，ASIR 将系统的光学特性理想化，通过将 FBP 数据和 ASIR 数据按不同比例加权融合，达到不同程度的降噪效果，可以将复杂问 题简单化，加快处理速度。在 Marin 等[7]的研究中，ASIR（约 10 幅 图像/s）所需的平均时间仅比标准 FBP 重建（约 15 幅图像/s）长 50 ％，基本可以做到准实时重建，并且能较 FBP 重建明显提高图像质量。 （2）迭代算法对不同协议与应用的多变性。目前，要让 IR 用于某个 特定场合必须要 对若干重要参数进行调整，其最佳成像质量往往对参数的选择十分敏 感。这就要求对 IR 算 法进行更深的研究，临床操作者也需要更多的时间来掌握该技术，熟 练对重要参数进行优 化和调整以保证图像质量的恒定

二 方法：利用GE 64排能谱CT(Discovery CT750 HD)对68例病人前瞻性地行腹部CT 平扫，将原始数据保存并分别用滤波反投 影法重组(FBP)、自适应统计迭代重组技术 (ASiR)和基于模型的迭代重组技术(MBiR)三 种重建算法重组成0.625mm、1.25mm、和 5mm不问层厚的CT图像。对图像进行定性 和定量评估，并采用配对样本，检验比较。

为了克服FBP重建技术设计的缺陷，人们开始研 究更能还原CT数据采集过程的迭代重建(iterative reconstruction，IR)技术，新一代ASiR技术克服了 传统FBP重组技术的不足，通过建立噪声性质的系 统统计模型和被扫描物体的系统光学模型，用迭 代计算方法达到高的图像分辨率，并有效降低噪 声，可解决FBP因剂量降低产生的噪声问题；所需 的投影数少，具有可在数据不完全和低剂量条件 下成像的优点。Marin等应用ASiR技术在腹部扫描 的研究中，与常规剂量FBP相比ASiR技术可使剂 量降低约50％，图像质量不受影响且噪声更小。 但该技术的一个不足之处是计算量太大，重组时 间非常长。
2.2 图像质量评价及测量 将所有重组图像传输至GE AW4．5工作站，不同 重组算法、相同层厚图像做为相互对比研究组，用 compare软件保证所选择取数值的图像在同一层面 上。测量并记录图像的噪声。在腰大肌密度均匀区 域放置圆形ROI(面积为90mm 2)，利用复制功能保 ROI在相同对比组图像上位置和大小完全相同。

讨论 传统FBP算法是一种解析重组算法，自CT应用以 来一直被商业CT广泛应用。其优点是重组速度快， 但它要求投影数据完备并且精确定量，该算法易 受统计波动的影响，对噪声和伪影都非常敏感， 投影数据量如果不足时，重组的图像质量就会明 显下降。并且FBP算法为了更加易于操作，做了很 多简化和假定，包括测量信号不含有光子统计错 误和电子噪声、X射线球管的焦点是无穷小点、探 测器模型也由位于每个单元中心的点构成、重组 的体素是没有形状和大小的点。由于忽略了光学 系统中真实的几何因素和统计噪声，FBP算法并不 是一个精确的CT图像重组方法。并且由于FBP算 法需要完备的数据，相应地也就要求较高的剂量。 在目前剂量问题日益引起公众重视的今天，FBP算 法显然已经不能完全满足临床的需要。



（3）统计迭代重建得到的图像可能出现“新面 貌”。这是因为图像是按统计学最优化准则来重 建的，其噪声特性和伪影特性与 FBP 场合截然不 同，这与许多因素有关。如迭代重建首先会对重 建区域线性吸收系数范围进行预估，如果发现某 个数据超出了这个范围，则会强制使该数据映射 到已知的范围内，这样会使密度过高或过低物体 的图像出现明显偏差。此外，在图像重建仿真实 验模拟过程中，发现迭代得到的图像结果中高频 噪声十分严重，这就需要对图像进行邻点算术加 权方法的平滑处理，以保持物体边界锐利度，重 建出 比较满意的图像.


本研究在相同辐射剂量情况下，采用三种重建算 法从0．625-5mm不同层厚图像噪声SD，MBiR／ FBP平均降低55．5％，ASiR／FBP平均降低23．8 ％；CNR在不同层厚MBiR／FBP平均提高165．8 ％，ASiR／FBP平均提高41．9％；图像质量在不 同层厚MBiR／FBP平均提高159．3％，ASiR／ FBP平均提高82．5％。本研究的不足之处：①样 本量小，需要更大样本来证实；②仅选取了腹部 平扫，没有对其他部位(如头、胸、骨骼 等)图像的优化有待研究；③没有按照年龄或BMI 进行分组研究。但三种重组算法共同趋势是MBiR 相对于ASiR和FBP层厚越薄图像改善越明显。


2.3图像噪声及对比噪声比：以被测密度的 标准差(standard deviation，SD)作为图像 噪声(用SD表示)，在胆囊层面的肝实质及 右侧腰大肌分别放一圆形ROI，记录相应的 CT值币和SD值(分别用CT肝、SD肝和CT 肌、 SD肌 表示)。各参数均在相同层面重复测量 3次，取平均值作为最终结果，对比噪声比 CNR计算公式为CNR=(CT肝- CT肌）／SD 肌。

综上所述，在三种重组算法中，MBiR图像 噪声最低，CNR最高，能很好地显示图像的 细节，尤其是在更薄层的图像上显示更加 清晰，图像质量更加优化。利用MBiR重组 的0．625mm图像大大降低了噪声，提高了 CNR，可以替代传统FBP重组的5mm图像。 此外，MBiR技术通过降低图像噪声获得剂 量上的优势，即可在相同噪声水平下大大 减少辐射剂量，这将在临床上会得到更广 泛的应用，尤其对小病灶的检出和婴幼儿 的检查。



1 IR技术的基本原理 统计 IR 首先被应用于在发射断层（SPECT、PET）中，国内外已有大 量研究报道，即使在低 SNR 的发射数据中利用传统滤过反投影 （Filtered Back Projection，FBP）重建技术得到的图像质量极差时， IR 仍然可以重建出高质量的图像[2]。IR 的基本重建原理如下：对于 某个重建视角，首先在估计的物体图像上通过“前后投影”计算一个 综合投影，这是对沿着该视角的衰减的第一次估计，但存在较大误差； 这种估计尽可能地模拟真实 CT 系统中 X 射线光子穿过物体并到达探 测器的过程，通过将 X 射线光子的初始位置设置在一个区域而非单独 的点来模拟有限的焦点大小，并计算光子在轻微不同方向和位置进入 体素的路径长度来考虑重建像素的大小和尺寸；采用相同的方式，探 测器单元的大小和形状通过探测器响应函数来建模。 将综合投影与实际测量的投影相比较，两者间的差异代表了当前估计 需要校正的量， 图像校正的目的是使误差最小化。在校正过程中，考虑到由有限光子 统计导致的投影测量波动，同时也评估每个独立测量中的光子统计并 将这个信息用于图像校正过程。 当以上所有这些信息被考虑的时候， 所得图像再通过综合和校正过程来获得一个更新的图像；当重建图像 和原始投影数据一致时，迭代就会中止，经过多次迭代和校正更新就 会重建出高质量和低噪声的图像。由于迭代重建算法所需的投影数少、 具有可在数据不完全和低 SNR（低剂量）条件下成像等[3]优点，因 此 IR 算法已经越来越引起人们的重视