论文部分内容阅读
目的通过多次计算机断层扫描（computed tomography,CT）,旨在评估不同管电流、不同重建算法以及像素闪耀算法（pixelshine deep learning algorithm,PS）对图像质量、体模内肺结节体积定量及CT值定量的影响。研究方法设置管电压120kV,采用9种不同管电流对体模内4种直径、3种CT值的12个结节进行多次CT扫描,采用滤波反投影（filtered back projection,FBP）、9种基于单模型的自适应迭代重建算法（adaptive statistical iterative reconstruction,ASiR）、9种基于多模型的自适应迭代重建算法（ASiR-V）分别重建,获得A组图像。A组图像经PS处理后记为B组图像,两组图像共获得342套。分别测量A、B两组图像不同条件下结节的CT值、SD值取三次平均值,测得的每个结节的轴位、矢状位、冠状位最大直径取平均值作为测得直径。首先取直径为8.0 mm、10.0 mm、12.0 mm的三种结节按照100HU、-630HU、-800HU进行密度分层,计算不同条件下每个结节的信噪比（signal to noise ratio,SNR）和对比噪声比（contrast to noise ratio,CNR）。对于3种不同密度得结节,利用T检验分别比较ASiR和ASiR-V重建后图像客观质量。即SD、SNR、CNR差异、PS深度学习算法分别对ASiR重建后及ASiR-V重建后图像客观质量的影响。然后取直径为5.0 mm、8.0 mm、10.0 mm、12.0 mm的4种结节,根据已知标准直径（CT值）及测得直径（CT值）,计算其在不同条件下的体积相对误差（relative volume error,RVE）及CT值的绝对衰减误差（absolute attenuation error,AAE）的95%置信区间。应用多因素方差分析及Bonferroni多重比较评估不同管电流扫描、10种重建算法（FBP及9种ASiR-V）结合PS后处理算法对肺结节体积及CT值的影响。所有统计分析均在SPSS 22.0统计软件上进行,当P<0.05时认为差异有统计学意义。结果对密度为100HU的结节,ASiR重建与ASiR-V重建对应的结节的SD、SNR、CNR的差异均没有明显统计学意义（t=-0.30,P=0.76;t=-0.25,P=0.80;t=-0.30,P=0.76）;对于密度为-630HU的结节,两者分别对应的SD、SNR、CNR差异（t=1.55,P=0.045;t=-2.53,P=0.012;t=-2.82,P=0.005）以及在密度为-800HU的结节中两者分别对应的SD、SNR、CNR差异（t=3.12,P=0.002;t=-4.71,P<0.001;t=-2.82,P=0.005;t=-3.57,P<0.001）均存在统计学意义,ASiR-V重建后图像的SD值减小,SNR、CNR增大。ASiR重建后,PS处理前、后,在100HU的结节的SD、SNR、CNR的差异（t=5.63,P<0.001;t=-10.29,P<0.001;t=-9.43,P<0.001）、在-630HU的结节中三者差异（t=4.79,P<0.001;t=-7.28,P<0.001;t=-7.29,P<0.001）以及在-800HU的结节中三者的差异（t=3.48,P<0.001;t=-6.86,P<0.001;t=-5.89,P<0.001）均存在统计学意义,PS处理后的图像的SD值减小,SNR、CNR增大。ASiR-V重建后,PS处理前、处理后,在100HU结节的SD、SNR、CNR差异（t=6.04,P<0.001;t=5.35,P<0.001;t=5.31,P<0.001）、-630HU的结节中三者之间差异（t=-10.41,P<0.001;t=-7.82,P<0.001;t=-7.76,P<0.001）以及-800HU的结节中三者的差异（t=-10.70,P<0.001;t=-8.57,P<0.001;t=-8.31,P<0.001）均存在统计学意义,PS处理后的图像的SD值减小,SNR、CNR增大。未进行PS之前,对于FBP及9种ASiR-V重建的图像,不同管电流对应的结节AAE（F=1.371,P=0.205）、不同算法对应的结节AAE（F=0.847,P=0.573）及不同算法对应的结节RVE之间（F=0.530,P=0.854）均没有显著差异。但不同管电流对应的结节RVE之间存在显著差异（F=9.699,P<0.001）。后经多重比较发现,10m A、30m A、50m A对应的RVE均与80m A以上较高管电流相应的RVE存在差异（P<0.05）。而80m A与100m A、150m A、200m A、250m A、350m A之间RVE测量值均不存在差异（P>0.05）。经PS处理后的10m A,30m A and 50m A等管电流相应的结节RVE与未经PS处理的350m A管电流得到的结节RVE相比,不同算法、不同管电流之间均不存在统计学差异（F=0.586,P=0.953）。结论ASiR-V在提高图像客观质量方面比ASiR具有更明显的优势;无论是采用何种方式进行重建,PS深度学习算法都可以通过图像后处理进一步提高图像质量;低管电流扫描、ASiR-V重建及PS深度学习算法三者的有机结合,可以实现同较高管电流扫描相当的结节体积和CT值定量,这为PS深度学习算法及ASiR-V重建算法在临床不定性肺结节低剂量随访的临床应用提供了依据和参考,对减少不定性肺结节多次随访产生的累计辐射剂量、降低患者潜在的辐射损伤有着重要的临床意义。