MAR算法在CT模擬機金屬偽影去除中的實驗研究

畢帆，涂文勇，石慧烽，馮琨，樊文慧，胡海生

上海交通大學(xué)醫(yī)學(xué)院附屬第九人民醫(yī)院 口腔頜面-頭頸腫瘤科，上海市，200011

0 引言

計算機斷層成像技術(shù)自出現(xiàn)以來，廣泛應(yīng)用于放射診斷和放射治療中。現(xiàn)代精準(zhǔn)放射治療都是建立在CT斷層圖像上進行靶區(qū)勾畫、計劃設(shè)計和劑量計算等工作，由于很多數(shù)患者為術(shù)后放療，部分患者有假牙植入或植入鈦板等金屬物，導(dǎo)致在CT模擬定位掃描中產(chǎn)生金屬偽影，周圍軟組織無法識別，造成靶區(qū)勾畫和劑量分布計算等方面存在誤差[1]，給腫瘤患者的精準(zhǔn)治療帶來困難。CT模擬定位中金屬偽影的出現(xiàn)主要是由于在掃描中X線穿過高密度金屬物時產(chǎn)生衰減，導(dǎo)致對應(yīng)金屬物在射線方向后投影數(shù)據(jù)缺失，周圍組織因部分容積效應(yīng)、光子不足信號喪失嚴(yán)重而產(chǎn)生金屬偽影，常表現(xiàn)為星條狀暗區(qū)或放射狀高密度影[2]。

隨著軟硬件技術(shù)的發(fā)展，多種去偽影算法相繼出現(xiàn)[3-5]，MAR（Metal Artifact Reduction）算法是GE公司推出的去金屬偽影算法，目的是揭示被金屬所掩蓋的解剖細(xì)節(jié)。該算法是基于二維投影函數(shù)算法，有助于減少體內(nèi)金屬造成的光子饑餓、光束硬化和條紋狀偽影。MAR算法[6-7]首先確定與金屬物相對應(yīng)的“毀損”的原始數(shù)據(jù)，由校正后數(shù)據(jù)代替金屬毀損數(shù)據(jù)得到無瑕疵的數(shù)據(jù)，具體是把圖像分類后正向投影，生成無瑕疵數(shù)據(jù)，與原始投影數(shù)據(jù)疊加結(jié)合，得到最終的投影數(shù)據(jù)，從而可顯示隱藏在偽影下的解剖細(xì)節(jié)。本研究通過原型模體外加鈦板金屬物作為CT掃描實驗?zāi)ｓw，分別采用常規(guī)算法和MAR算法對模體進行掃描，通過計算分析金屬影響層面的圖像質(zhì)量客觀評價指標(biāo)，探究金屬偽影對周圍區(qū)域像素 CT值影響的規(guī)律，探討MAR算法在CT模擬機金屬偽影去除中的能力。

1 材料與方法

1.1 材料

原型模體為有機玻璃制作的空心圓柱形模體，高141 mm，外直徑213 mm，模體內(nèi)為純凈水，該模體為GE公司所生產(chǎn)，型號為2206352。在模體表面用雙面膠粘貼鈦板，鈦板長為7.8 mm，寬為1.5 mm，中間為10個小孔。將鈦板粘貼于模體表面中間，如圖1所示。使用GE DISCOVERY RT大孔徑螺旋定位CT掃描系統(tǒng)，掃描參數(shù)：管電壓 120 KeV；管電流300 mA；FOV 25 cm；層厚2.5 mm；螺距1.375:1，分別采用常規(guī)算法和MAR算法對模體進行掃描。

圖1 金屬鈦板和掃描模體Fig.1 Metal titanium and phantom

1.2 圖像質(zhì)量客觀評價指標(biāo)分析

根據(jù)常規(guī)掃描和MAR模式掃描的兩組圖像，鈦板偽影共影響34個層面，分別對上述層面進行測量，圖像測量采用同一窗寬窗位（WW：300 Hu，WL：80 Hu）。分別在各影響層面畫出感興趣區(qū)（Region of Interest,ROI）、測量感興趣區(qū)的CT值和噪聲值（即SD值，代表感興趣區(qū)CT值的標(biāo)準(zhǔn)差），分別計算圖像的偽影指數(shù)（Artifact Index,AI）[8]和對比噪聲比（Contrast to Noise Ratio,CNR）[9]，計算方式如式（1）、（2）所示。每組圖像隨機選擇一個偽影最嚴(yán)重區(qū)域，記為ROI 1；另選擇兩個無偽影區(qū)域，記為ROI 2和ROI 3，ROI=76 mm2。

1.3 統(tǒng)計學(xué)分析

使用Microsoft Excel 2016建立數(shù)據(jù)庫，采用SPSS 21.0進行統(tǒng)計學(xué)分析，將所得的數(shù)據(jù)進行檢驗，AI和CNR值等計量資料用（±s）表示，計量資料的統(tǒng)計用配對t檢驗，P＜0.01為具有統(tǒng)計學(xué)差異。

2 結(jié)果

2.1 兩種算法下AI指數(shù)和CNR的對比

通過兩種算法分別對CT模體進行掃描，每組掃描共獲得88層，其中受偽影影響有34層面，分別對兩組圖像受影響層面進行測量，根據(jù)式（1）、式（2）分別算出偽影指數(shù)和對比噪聲比。根據(jù)偽影指數(shù)式（1）可得，AI指數(shù)越大，說明圖像受到金屬偽影的影響越大；反之越小。在兩種不同的掃描算法下，模體的AI指數(shù)和CNR值的統(tǒng)計結(jié)果如表1所示。在偽影指數(shù)指標(biāo)方面：常規(guī)算法的AI指數(shù)（20.65±5.04）要明顯高于MAR算法的AI指數(shù)（10.28±2.60），表明通過MAR算法，圖像的偽影影響明顯下降。對比噪聲比的影響受到CT值和SD值的影響。CNR指數(shù)是客觀評價圖像質(zhì)量標(biāo)準(zhǔn)中的一項重要指標(biāo)，可以有效反應(yīng)圖像中ROI的識別程度。常規(guī)算法的CNR值（5.61±1.36）低于MAR算法的CNR值（7.81±1.12），通過MAR算法可提高圖像的CNR值，表明各偽影影響層面，圖像質(zhì)量有一定程度提升。分別對常規(guī)算法和MAR算法下的兩個參數(shù)行配對t檢驗，AI指數(shù)（t=12.14，P＜0.01）和CNR（t=-10.12，P＜0.01）統(tǒng)計學(xué)差異明顯，圖2表示了AI指數(shù)和CNR的兩種算法的箱式圖。

表1 兩種算法圖像質(zhì)量定量測量結(jié)果與比較（±s）Tab.1 Quantitative measurement results and comparison of image quality under two algorithms（±s）

表1 兩種算法圖像質(zhì)量定量測量結(jié)果與比較（±s）Tab.1 Quantitative measurement results and comparison of image quality under two algorithms（±s）

圖2 兩種算法AI指數(shù)和CNR指數(shù)對比箱式圖Fig.2 AI index and CNR index contrast box plot under two algorithms

2.2 不同層面下的去偽影前后的影響

通過上述掃描和計算，兩組算法下的掃描后受影響的CT圖像層面均為34層，為進一步探究各層面影響大小，分別將兩組算法下的AI值制成折線圖，如圖3所示。從折線圖上來看，在常規(guī)算法的掃描下，各層面的AI指數(shù)均大于MAR算法下的AI指數(shù)，各相鄰層面的AI指數(shù)呈現(xiàn)階梯上下變化趨勢，這與金屬鈦板的形狀有一定關(guān)系，本實驗研究使用的金屬鈦板為長條形，中間有相關(guān)空腔，故在斷層掃描中該層面AI指數(shù)較小。進一步對比AI值下降程度，分別統(tǒng)計影響層面的AI值下降速率，達到21.72%～88.40%。AI值下降比例最大的為I 37.5層面，常規(guī)算法和MAR算法下的AI值為19.52和2.26，下降比率達到88.40%。

圖3 兩種算法不同層面?zhèn)斡坝绊懘笮ig.3 The influence of artifacts at different slices under two algorithms

3 討論

在CT模擬機對腫瘤定位時，金屬植入物會產(chǎn)生嚴(yán)重的偽影，影響鄰近組織結(jié)構(gòu)的觀察，導(dǎo)致在靶區(qū)勾畫、計劃設(shè)計、劑量計算等方面存在不確定性，影響精準(zhǔn)放療的實施。故在CT模擬定位中如何有效去除金屬偽影同時最大限度提高圖像質(zhì)量成為繼續(xù)解決的問題。金屬偽影產(chǎn)生的主要原因是人體組織與金屬的密度差異過大[10-11]。金屬偽影的產(chǎn)生與金屬自身的高衰減系數(shù)造成的光子饑餓效應(yīng)有關(guān)，這些偽影以條紋、放射狀等形式顯示出來，這取決于金屬的形狀和性質(zhì)。目前金屬偽影的解決方法主要集中在優(yōu)化掃描參數(shù)設(shè)置[12]、采用能譜CT掃描[13]以及圖像后處理方法上[14]。優(yōu)化掃描參數(shù)的方法是增加管電壓和管電流，應(yīng)用效果一般，且大大增加掃描劑量；且改變管電壓會影響CT模擬機的電子密度，從而造成TPS劑量計算的不準(zhǔn)確性。能譜CT嘗試從硬件角度解決該問題，但目前無法解決因硬化效應(yīng)造成的偽影。圖像后處理方法主要是從算法和技術(shù)上對偽影問題進行處理，主要包含迭代重建法、投影插值法及混合方法等。如部分金屬偽影去除技術(shù)是利用正弦曲線修復(fù)方法將原始數(shù)據(jù)中受到金屬影響的部分替換，雖然該方法在一定程度上消除了金屬偽影，但由于原始數(shù)據(jù)的替換導(dǎo)致數(shù)據(jù)的丟失，造成圖像信噪比降低。

本研究通過原型模體外加鈦板金屬物作為CT掃描實驗?zāi)ｓw，分別采用常規(guī)算法和MAR算法對模體進行掃描，通過計算分析金屬影響層面的圖像質(zhì)量客觀評價指標(biāo)，探討MAR算法在CT模擬機金屬偽影去除中的能力，研究結(jié)果表明在圖像質(zhì)量方面，應(yīng)用MAR算法后，AI指數(shù)和CNR兩項指標(biāo)均有提升，兩算法的對比有統(tǒng)計學(xué)意義。在兩種算法下不同層面?zhèn)斡坝绊懖煌鲗用娴腁I指數(shù)影響大小達到21.72%～88.40%。MAR算法是GE公司新推出的去偽影算法[15]，該算法僅需一次采集即可得到校正后的圖像，在減輕偽影的同時減少了檢查時間，提升了患者檢查的舒適度；該技術(shù)可以用于人工關(guān)節(jié)置換、口腔植入物、內(nèi)固定金屬支架及放射性粒子等的偽影消除等。綜上所述，MAR算法可以明顯降低CT模擬機定位掃描時產(chǎn)生的射束硬化和光子饑餓金屬偽影，同時可整體提高CT圖像的圖像質(zhì)量。本研究結(jié)果可為CT模擬機金屬偽影去除、優(yōu)化掃描基礎(chǔ)提供參考，將進一步指導(dǎo)醫(yī)學(xué)物理人員開展金屬偽影對靶區(qū)勾畫和劑量計算等方面的工作。

本研究也存在一定的局限性，使用單一的模體對圖像的各項參數(shù)進行了評價，但在實際臨床應(yīng)用中，掃描部位、掃描參數(shù)、金屬材料和不同的重建方式均會產(chǎn)生不一樣的效果。本模體的制作是將金屬物放置于模體表面，無法完全仿真金屬物在體內(nèi)進行CT掃描的影響。下一步研究將進一步優(yōu)化掃描模體，使之更符合金屬在人體中的情況；同時可回顧性研究病人的圖像資料，以克服單一模體所得數(shù)據(jù)的片面性問題。