深度學習重建改善胸部低劑量CT圖像質(zhì)量的價值

摘要

目的

探討深度學習重建（DLR）較混合迭代重建（HybridIR）在改善胸部低劑量

CT（LDCT）圖像質(zhì)量方面的效果。

方法

回顧性分析2020年10月至2021年3月在北京某醫(yī)院行胸部LDCT體檢或

因肺內(nèi)結節(jié)定期復查的77例患者。對所有入組患者的影像資料進行不同算法重

建，獲得標準級別HybridIR圖像、標準和強級別DLR圖像。在3種圖像的肺實

質(zhì)、主動脈、肩胛下肌及腋下脂肪內(nèi)選取感興趣區(qū)并測量其CT值和標準差，用

于計算信噪比（SNR）和對比噪聲比（CNR）o同時，由2名影像醫(yī)師按照Likert

5分量表法對圖像質(zhì)量進行主觀評分，且記錄肺磨玻璃結節(jié)（GGN）的數(shù)量，并

對其顯示情況進行評分。2名醫(yī)師評分不一致時曰第3名醫(yī)師評分決定。采用

Kruskal-Wallis非參數(shù)檢驗對3種圖像的主觀和客觀評分進行分析，若總體存在差

異，則用Bonferroni校正檢驗進行組內(nèi)兩兩比較。

結果

3種圖像在肺實質(zhì)、主動脈、肩胛下肌及腋下脂肪處的CT值差異均無統(tǒng)計

學意義（P均＞0.05）,而圖像噪聲、SNR和圖像的CNR差異均有統(tǒng)計學意義（P均

＜0.05）,＞其中標準級別HybridIR圖像、標準和強級別DLR圖像的CNR分別為0.71

（0.49,0.88）、1.06（0.78,1.32）和1.14（0.84,1.48）。標準級別和強級別

DLR圖像均較標準級別HybridIR圖像的主觀和客觀噪聲低及SNR和CNR高，差

異均有統(tǒng)計學意義（P均＜0.05）o在對主要解剖結構（肺裂、肺血管、氣管和支

氣管、淋巴結、胸膜和心包)和GGN的顯示上，標準級別和強級別DLR圖像評

分明顯優(yōu)于HybridIR圖像，差異均有統(tǒng)計學意義(P均＜0.05)。

結論

與HybridIR相比，DLR可以明顯降低LDCT圖像的噪聲,且對GGN的顯示良

好，有助于在較低輻射劑量水平時保證圖像質(zhì)量，從而改善采用CT行肺癌篩查

及肺結節(jié)隨訪的安全性。

肺癌是我國患病率和病死率最高的腫瘤。研究顯示磨玻璃結節(jié)(ground-glass

nodule,GGN)進展為肺癌的風險很高，其CT表現(xiàn)與肺腺癌侵襲程度密切相關。

早期檢出GGN并對其進行定期隨訪、監(jiān)測，有助于降低肺癌的發(fā)病率。目前，

CT的廣泛使用使得GGN的檢出率明顯提高，但同時存在輻射劑量負擔增加等風

險。美國國立綜合癌癥網(wǎng)絡關于肺癌篩查指南推薦將低劑量CT(low-doseCT,

LDCT)作為最佳篩查方式，并指出定期監(jiān)測GGN能有效降低肺癌高危人群的病

死率。而實現(xiàn)低劑量掃描的重要方法是降低管電壓和管電流。應用傳統(tǒng)的濾波反

投影(filtered-backprojection,FBP)對獲得的低劑量CT圖像進行重建,會導致

圖像噪聲和偽影增加，圖像質(zhì)量降低而不能滿足診斷需求。近年來研究者致力于

改善圖像質(zhì)量，發(fā)明了混合迭代重建(hybriditerativereconstruction,HybridIR)

和全模型迭代重建(model-basediterativereconstruction,MBIR)等重建算法。

這些算法能夠顯著降低圖像噪聲、改善圖像質(zhì)量，具有重要的臨床應用價值。如

Christe等發(fā)現(xiàn)在迭代重建圖像中，低劑量對肺結節(jié)檢出的靈敏度無影響，證實

了LDCT圖像的診斷性能可達到標準劑量CT(standard-doseCT,SDCT)圖像的診

斷效能。但有研究表明，迭代重建算法在掃描劑量進一步降低時，其降噪效果大

幅度降低，臨床應用相對受限。最近新研發(fā)的深度學習重建(deeplearning-based

reconstruction,DLR)算法通過使用深度卷積神經(jīng)網(wǎng)絡(deepconvolutional

neuralnetworks,DCNN),以低質(zhì)量HybridIR圖像和高質(zhì)量MBIR圖像作為訓

練對，在訓練過程中自主學習高質(zhì)量MBIR圖像的特征，對低質(zhì)量圖像數(shù)據(jù)進行

修正，再將訓練好的DCNN引入到圖像重建流程中，能在降低圖像噪聲的同時

保持較高的空間分辨率，有望進一步降低輻射劑量。當前DLR算法己被用于模體

和各項臨床研究，但在肺部的應用較少。因此，本研究旨在探討DLR較HybridlR

在改善LDCT圖像質(zhì)量及病變檢出方面的效能。

一、臨床資料

回顧性收集2020年10月至2021年3月在北京協(xié)和醫(yī)院行胸部體檢者或因

肺內(nèi)結節(jié)定期復查的患者。納入標準：行胸部體檢者或因肺內(nèi)結節(jié)定期復查者。

排除標準：(1)既往肺切除病史者；(2)確診肺癌等肺部其他疾病的患者；［3)

圖像質(zhì)量欠佳，存在運動或金屬偽影，影響圖像評估。最終共納入77例患者,

男21例、女56例，年齡28~74(54±11)歲，體質(zhì)指數(shù)(bodymassindex,BMI)

16.4-34.4(24.4±3.2)kg/m2。45例患者中共檢出70個GGN,其中多發(fā)GGN患

者15例，男2例、女13例，年齡39~67(56±8)歲,單發(fā)GGN患者30例，男

8例、女22例，年齡28~74(52±12)歲。研究中體型特異性劑量估算值(sizespecific

doseestimate,SSDE)為0.74~1.25(0.97±0.10)mGy,有效劑量(effectivedose,

ED)為0.25~0.48(0.35±0.05)mSvo本研究經(jīng)北京協(xié)和醫(yī)院倫理委員會批準

(HS-2427),并免除患者的知情同意。

二、CT檢查及圖像重建

采用AquilionONEGenesisCT(CanonMedicalSystems,日本)設備。囑受檢

者取仰臥位，雙手上舉。掃描前行呼吸訓練，采取吸氣末單次屏氣連續(xù)掃描法,

頭足方向。掃描范圍：肪尖至肺底水平。掃描參數(shù)：管電壓120kV,管電流20mA,

轉速0.5s/周。

掃描完成后分別采用HybridIR(AIDR3D,CanonMedicalSystems,China)

和DLR(AiCE,CanonT\/ledicalSystems,China)算法對圖像進行不同級別的肺窗

(圖1~3)和縱隔窗(佟4~6)圖像重建，獲得標準級別HybridIR(HybridIRStand)

圖像和DLR圖像。DLR圖像又分為標準級別DLR(DLRStand)圖像和強級別DLR

(DLRStrong)圖像。重建參數(shù):層厚1mm,層間隔0.8mm,肺窗窗寬1200HU^

窗位-600HU,縱隔窗窗寬350HU、窗位50HU。將圖像以相同格式保存并上傳

至本院醫(yī)學影像存儲傳輸系統(tǒng)(picturearchivingandcommunicationsystems.

PACS)以供分析。

輻射劑量評估：記錄CT掃描的長度(length,L)、容積CT劑量指數(shù)(volume

從橫斷面圖像測量肝臟中部水平胸腔的前后徑

CTdoseindex,CTDIvol)oCT

(anteroposterior,AP)和左右徑(lateral>LAT),計算胸腔有效直徑(effective

diameter,D),公式為：D=APxLAT；然后依據(jù)BMI和D在美國醫(yī)學物理學會

204號報告中得到特定尺寸轉換因子fsize,進而對CTDIvol校正得到SSDE,

SSDE=fsizexCTDIvol計算劑量長度乘積(doselengthproduct,DLP)和ED,公式:

DLP=SSDExL,ED=DLPxk(k=0.014mSv-mGy1-cm1)。

圖1~3同一患者標準級別混合迭代重建(HybridIRStand)圖、標準級別深度學習重建

(DLRStand)圖、強級別深度學習重建(DLRStrong)圖,3種圖像在肺實質(zhì)的噪聲分別為

53.16、42.92、33.76HU；HybridIRStand圖像和DLRStrong圖像上磨玻璃結節(jié)(GGN)的內(nèi)

外部征象基本顯示，不影響診斷，DLRStand圖像上GGN的瘤.肺界面和內(nèi)部空泡征等內(nèi)外

部征象品示清1晰，滿足診斷要求圖4~6同一患者的HybridIRStand圖、DLRStand圖和

DLRStrong示DLRStand圖和DLRStrong圖的圖像顆粒小、細膩，且組織結構的邊界光

滑清晰，圖像質(zhì)量優(yōu)于HybridIRStand圖像

三、圖像分析

1.客觀評價：由1名經(jīng)驗豐富的胸部影像醫(yī)師完成。在肺窗重建中，將ROI

放置在左肺上葉的無血運部分；在縱隔窗重建中，將ROI分別放置在主動脈弓水

平的主動脈、肩胛下肌和腋下脂肪處，獲得相應的CT值和標準差(standard

deviation,SD）。ROI面積為30~100mm2,放置于密度均勻區(qū)域。測量時采用

復制粘貼的方法，以保持不同重建圖像同一部位ROI大小一-致，測量3次取平均

值。以標準差作為噪聲值,計算3組圖像各處ROI的信噪比（signaltonoiseratio,

SNR）和對比噪聲比（contrasttonoiseratio,CNR）：SNR=CT值/SD,CNR=（CT

值血管-CT值肌肉）/SD脂肪。

2.主觀評價：由2名經(jīng)驗豐富的胸部影像醫(yī)師分別對圖像噪聲、主要解剖結

構進行主觀評分，且記錄GGN的數(shù)量，并對其顯示情況進行評分，如有分歧則

由第3.名高年資醫(yī)師確定最終結果進行后續(xù)分析。評分采用Likert5分量表法。

（1）圖像噪聲：1分，噪聲嚴重，圖像顆粒大、粗；2分，噪聲大，圖像顆粒粗；

3分，噪聲適中，圖像顆粒較粗；4分，噪聲輕微，圖像顆粒小、較細膩；5分，

無明顯噪聲，圖像顆粒小、細膩。（2）主要解剖結構（包括肺裂、肺血管、氣

管和支氣管、淋巴結、胸膜和心包）：1分，解剖結構顯示不清，圖像質(zhì)量差；

2分，解剖結構辨識困難，邊緣模糊不清，圖像質(zhì)量較差；3分，部分解剖結構

欠清晰，邊緣比較模糊，圖像質(zhì)量一般；4分，解剖結構較清晰，邊緣容易辨別，

圖像質(zhì)量良好；5分，解剖結構清晰，邊緣光滑清晰，圖像質(zhì)量優(yōu)。（3）GGN：

1分，GGN不可見，無法診斷；2分，GGN邊界模糊但可見，內(nèi)外部征象顯示

少，診斷受限；3分，GGN可見，內(nèi)外部征象顯示欠清，基本滿足診斷要求；4

分，GGN可見，內(nèi)外部征象基本顯示，不影響診斷：5分，GGN清晰可見，內(nèi)外

部征象顯示清楚，完全滿足診斷要求。

四、統(tǒng)計學分析

采用SPSS20.0軟件進行統(tǒng)計學分析。計數(shù)資料用頻數(shù)表示。計量資料用

Shapiro-Wilk檢驗評估正態(tài)性，符合正態(tài)分布的用x-±s表示，不符合的用M（Q1,

Q3）表示。采用Kruskal-Wallis非參數(shù)檢驗分析重建圖像的客觀和主觀數(shù)據(jù)，兩

兩比較采用Bonferroni校正檢驗。P＜0.05為差異有統(tǒng)計學意義。

結果

一、客觀評價分析

3種重建圖像在肺實質(zhì)、主動脈、肩胛下肌及腋下脂肪處的CT值差異為無

統(tǒng)計學意義（P均＞0.05），但肺實質(zhì)、主動脈、肩胛下肌及腋下脂肪處的噪聲、

SNR及CNR的差異均有統(tǒng)計學意義（P均＜0.05）（表1）。組間兩兩比較顯示:

（1）HybridIRStand圖像和DLRStand圖像在肺實質(zhì)、主動脈、肩胛下肌、被下

脂肪處的噪聲值差異均有統(tǒng)計學意義（H=6.86、8.29、9.46、8.89,P均＜0.001）,

在肺實質(zhì)、主動脈、肩胛下肌、腋下脂肪處的SNR差異均有統(tǒng)計學意義（H二680、

-8.84、-9.16、8.95,P均＜0.001）,圖像的CNR差異有統(tǒng)計學意義（H=-5.74,PvO.OOI）；

（2）HybridIRStand圖像和DLRStrong圖像在肺實質(zhì)、主動脈、肩胛下肌、腋下

脂肪處的噪聲值差異均有統(tǒng)計學意義（H=12.72、13.04、11.62、12.27,P均＜0.001）,

在肺實質(zhì)、主動脈、肩胛下肌、腋下脂肪處的SNR差異均有統(tǒng)計學意義（"=-12.55、

?12.39、-11.12、-12.26,P均＜0.05）,圖像的CNR差異也有統(tǒng)計學意義（H=?7.260,

P＜0,001）；（3）DLRStand圖像和DLRStrong圖像在肺實質(zhì)、主動脈、腋下脂

肪處的噪聲值差異有統(tǒng)計學意義（H=5.86、4.75、3.38,。均〈0.05）,在肺實質(zhì)、

主動脈、腋下脂肪處的SNR差異有統(tǒng)計學意義（小-5.75、-3.54、-3.31,。均＜0.05）,

而肩胛下肌處的噪聲值和SNR差異無統(tǒng)計學意義（H=2.16、-L97,P=0.093、0.147）,

圖像的CNR差異無統(tǒng)計學意義（H=-1.52,P=0.389）o

表例患者種重建圖像的客觀指標分析［（）］

1773MQj,Q?

??????

CTlftlHl：)

用像臭羽

上動味WP7H■下也防

llytmIRStand陽It-895.84(-90135.-107.12)42.MO9.98.4S.13)56.06(53.64.58.42?-103.44(-106.09.-100.46)

DIJISundm*-W6.8!(-902.87.-M9.42l4X6509.80.4435)55.77(S3J3.58.03?-10334(-106.54.-100.90)

mg圖像-896.78(-90232.-RM.67)42.88(99.93.44.84)56.09<53J3.5S.4S>-10335(-106JO.-I00AS)

“做027anaisaas

0872a9490.9270.97g

用修昊“

*富費主動體WWTMffTBK

HjtwidIRSund圖像53JS(5I.O8.5BJ5)20.92(19.24.22J9)21.7S(2a15.23.97)I9JI(I8JO2.21.91)

DIJISundffljt4422(41.63.46.67114.07(13.44.14.7S)K.SS(13.18.16.00)13X)1(12^3.1433)

Dl-RScmnn圖像35.88(32.63.39.70)1X93(12.31.13.40)13.46(1X01.14.81)11.77(11J04.12.97)

“值1610917421152.73I60.SS

<0.001<0J001<0.001

用他美別SNR

1?實薇主動也次下跖助

llyhrid【RStand陽ft16.45(15.27,!7J3)XQ5(I.9O.2JO)231(2.28.2J7)5J6(4.77.5J6S)a71(0.49.0^8)

2034(19.18.21.70)3.OM2.M.329)3.tO<3.46,4J3)7.97(723.8.45)I.OMa78.|J2)

DIJISmng圖像25.12(22.66.27.49)332(3.11.331)1.19(3.77.4^5)8.73(7.97.938)1.1410J4.1.48)

Wffl157.7816231140.96160.805i67

PtfL<aooi<0MI<0X?l<0,001<aooi

注：HybirdIR為混合迭代重建；DLR為深度學習重建;Stand為標準級別;Strong為強

級別；SNR為信噪比；CNR為對比噪聲比

二、主觀評分分析

3種重建圖像的主觀噪聲差異均有統(tǒng)計學意義（P均<0.05,表2）,組間兩

兩比較顯示，在主觀噪聲及肺裂、肺血管、氣管和支氣管、淋巴結、胸膜和心包

等主要解剖結構的顯示上，HybridIRStand圖像和DLRStand圖像評分的差異均

有統(tǒng)計學意義（日=-7.73、-3.23、-7.59、-6.07、-5.02、-8.88,P均<0.05）；Hybrid

IRStand圖像和DLRStrong圖像評分的差異均有統(tǒng)計學意義（H—2.08、-4.28、

-9.08>-7.64、-3.95、-10.25,P均〈0.001）；DLRStand圖像和DLRStrong圖像

的主觀噪聲評分差異有統(tǒng)計學意義（3=435,P<0.001）,但在肺裂、肺血管、

氣管和支氣管、淋巴結、胸膜、心包等主要解剖結構的顯示評分方面差異無統(tǒng)計

學意義(H=-1.04x-1.49、-1.58、1.07、-1.37,P=0.891、0.405>0.344、0.856、

0.510）o

3種圖像檢出GGN的數(shù)量一致，均為70個cGGN評分情況：HybridIRStand

圖像中5分7個，4分46個，3分17個；DLRStand圖像中5分53個，4分17

個；DLRStrong圖像中5分32個，4分38個。3種圖像對GGN顯示情況的主觀

評分差異有統(tǒng)計學意義（PvO.OOl,表2）。兩兩比較顯示，DLRStand圖像和DLR

Strong圖像對GGN顯示情況的主觀評分差異無統(tǒng)計學意義（H=2.24,P=0.075）,

HybridIRStand圖像與DLRStand圖像或DLRStrong圖像對GGN顯示情況的主觀

評分差異均有統(tǒng)計學意義（H=-8.36、-6.11,P均〈0.001）o

表277例患者的3種重建圖像的主觀評價分析［M（Qi，Q3）］

主要”制結構

陽母美期GCN部分

w*Mutt氣管他支氣管海巴結陶，師心包

HytwidrRSundffilt4(3.4)5(4.5)4(4.43)4(4.5)4(4.S)4(4.4)4(173.4)

DlJlSundRIlt5(4.5)5(4.5)5(5.5)5(5.5)5(4,5)5(5.5)$(4.7S.5)

DLRSon%圖像S(S.S)5(5.5)3(5.5)5(5.S)MS.S)5(5.5)5(4.5)

149.7719.8994.8865.1327.97I23-S474.80

<0.05<0.05<aoj<0J05<0.05<a(M<0.001

注：HybirdIR為混合迭代重建;DLR為深度學習重建;Stand為標準級別;Strong為強

級別；GGN為磨玻璃結節(jié)；主觀噪聲和主要解剖結構是患者水平的評分，GGN評分是對45

例患者中70個GGN的結節(jié)水平的評

討論

本研究在胸部LDCT掃描中分別應用混合迭代重建和最新的深度學習重建

算法，通過客觀和主觀評價比較不同重建算法的圖像質(zhì)量以及對GGN平均輻射

劑量低至0.36mSv的情況下，滿足臨床診斷需求。

噪聲是評價CT圖像質(zhì)量的重要指標，面圖像質(zhì)量對于小病灶的檢測非常重

要，低噪聲、高SNR有助于凸顯病變。本研究顯示DLR圖像在SNR、CNR及主

觀評分方面均優(yōu)于HybridIR圖像，且噪聲小，與