中国中西医结合影像学杂志   2018, Vol. 16 Issue (6): 567-569, 573
0
基于全模型迭代重建算法的256排CT极低剂量肺结节筛查的临床研究[PDF全文]
陈岩, 于小利, 高希法, 王建华
江苏省中医院放射科,江苏 南京 210029
摘要目的: 探讨256排CT运用全模型迭代重建算法(IMR)行极低剂量CT肺结节筛查的可行性,以降低肺结节筛查者的辐射剂量。方法: 回顾性分析100例肺结节患者的胸部CT平扫图像数据,常规剂量组及极低剂量组各50例,对2组体质量指数(BMI)行正态分布检验。由2名放射科医师对每例患者的图像质量进行主观评分;测量气管分叉处右肺外周带CT值及其标准差,计算SNR,记录每次扫描的CTDIvol值。对2组图像质量主观评分、图像噪声、剂量长度乘积、有效剂量行两独立样本t检验。结果: 100例CT图像均可满足诊断要求。2组图像质量的主观评分差异无统计学意义(P>0.05);与常规剂量扫描辐射剂量(6.33±0.54)mSv相比较,极低剂量扫描的有效剂量(1.04±0.37)mSv降低至常规扫描的16.4%;2组图像的CT值差异无统计学意义(P>0.05),噪声差异有统计学意义(P < 0.05)。结论: IMR的极低剂量肺结节筛查图像质量可满足诊断要求,受检者辐射剂量大幅降低。
关键词肺肿瘤    体层摄影术, X线计算机    全模型迭代重建    辐射剂量    
Clinical study of pulmonary nodules screening based on IMR by ultra-low dose 256 row-CT
CHEN Yan, YU Xiaoli, GAO Xifa, WANG Jianhua
Department of Radiology, Jiangsu Province Hospital of TCM, Nanjing, 210029, China
Abstract: Objective: To study the feasibility of the screening of pulmonary nodules based on IMR by ultra-low dose 256-slice CT, and to reduce the radiation dose of the pulmonary nodules screening examination. Methods: the image data of 100 patients who were diagnosed as pulmonary nodules in chest CT plain scan were retrospectively reviewed. Each of routine dose group and ultra-low dose group were assigned 50 cases, and the normal distribution of BMI in two groups was tested. Every case's subjective image quality were scored by 2 radiologists. Every case's CT value and its standard deviation of right pulmonary peripheral zone at the tracheal bifurcation slice were measured, the signal-to-noise ratio, CTDIvol records, DLP (dose length product), ED (effective dose) were calculated for each subjects. The two groups of subjects' subjective score, image noise, signal-to-noise ratio, DLP, ED were analyzed by two independent samples t-test. Results: There was no significant difference between the subjective scores of the two groups' image quality; compared with the radiation dose of conventional group (6.33±0.54)mSv, the effective dose of ultra-low dose group (1.04±0.37)mSv decreased to 16.43%. There was no statistical difference in the signal value between the two groups, and the noise was statistically different. Conclusion: The image quality of the ultra-low dose pulmonary nodules screening based on iterative model reconstruction can meet the diagnostic requirements, and the radiation dose of the subjects can be greatly reduced.
Key words: Lung neoplasms    Tomography, X-ray computed    Iterative model reconstruction    Radiation dosage    

肺癌是严重威胁人类生命的恶性肿瘤之一[1],2010年我国因肺癌死亡人数占恶性肿瘤死亡总数的22.7%,居我国因肿瘤死亡人数首位[2]。HRCT是诊断早期肺癌的首选方法,可准确检出直径3 mm以上的肺结节。低剂量CT对早期肺癌的检出有较大优势,可用极低的辐射剂量,获得高质量图像,与传统X线摄影相比,可提高肺癌筛查阳性率。随着MSCT的探测器宽覆盖、高转速,以及数据重建算法的改进,低剂量CT逐渐成为高危人群肺结节筛查的重要手段[3]。本研究使用256排MSCT,基于一种新的重建滤过算法——全模型迭代重建(knowledge-based iterative model reconstruction,IMR)行低剂量肺部筛查,评价其图像质量,证实其可行性。

1 资料与方法 1.1 一般资料

回顾性收集我院2017年10月至2018年1月行256排螺旋CT胸部肺结节筛查结果为阳性的受检者共100例,随机分为常规剂量组与极低剂量IMR组各50例。常规剂量组男27例,女23例;年龄25~85岁;身高(1.65±0.18)m;体质量指数(body mass index,BMI)(24.9±2.23)kg/m2。极低剂量IMR组男28例,女22例;年龄28~82岁;身高(1.66±0.17)m;BMI(24.7±3.07)kg/m2。2组年龄、身高、BMI值差异均无统计学意义(均P>0.05)。

1.2 仪器与方法

使用Philips 256排iCT、心电监测等配套设备及EBW后处理工作站等。检查前去除颈部、胸部高密度异物(如项链、挂件)及有金属配饰的衣物等;进行呼吸训练,每次屏气5 s左右,屏气时膈肌保持固定。常规剂量组扫描参数:120 kV,管电流使用自动调制Dose-right,噪声指数19,准直128×0.625 mm,机架旋转时间0.75 s,扫描长度300~450 mm,扫描时间3.5~6.0 s。重建算法使用滤波反投影(filtred back projection,FBP)法。重建参数:纵隔软组织窗层厚2 mm,层距2 mm,重建滤过为Standard(B),矩阵512×512,窗宽400 HU,窗位50 HU;肺部高分辨窗参数:层厚1 mm,层距1 mm,重建滤过为Lung-Enhanced(LE),矩阵768×768,窗宽1 000 HU,窗位-550 HU。

极低剂量IMR组扫描参数:120 kV,管电流平均值设为25 mAs,准直128×0.625 mm,机架旋转时间0.5 s,扫描长度300~450 mm,扫描时间3.0~5.5 s;重建参数:纵隔软组织窗层厚2 mm,层距2 mm,重建算法为Standand(B),矩阵512×512,窗宽400 HU,窗位50 HU;肺部高分辨窗参数:层厚1 mm,层距1 mm,重建滤过为Y-Detail(YB),矩阵768×768,窗宽1 000 HU,窗位-550 HU。

1.3 图像后处理及图像质量评价

图像后处理在EBW6.6工作站进行,使用Lung Noudle软件测量肺结节最大径、体积,以及最大、最小、平均CT值,对结节局部ROI行MPR、CPR、三维成像等。

对图像作出主观、客观评价:①主观评分。采用4分法对图像噪声、对比度、清晰度、有无运动异物等伪影作出评价,由2位副主任医师以单盲法评价图像质量。图像质量评价标准:4分,图像肺组织清晰显示,无噪声、无运动伪影;3分,肺野较清晰显示,可见少量斑点状噪声,少许运动及异物伪影;2分,肺组织显示差,模糊不清或伪影较多;1分,噪声很大或伪影很重,无法分辨肺部组织。②客观评价。用软件测定图像的噪声、SNR;分别测量2组图像升主动脉气管分叉处及右肺野外周带正常肺组织固定面积[(200±2)mm2]的CT值,CT值标准差(SD)即为噪声,计算CT值与噪声的比值即为SNR。根据剂量长度乘积(dose-length product,DLP)计算有效剂量(effective dose,ED),公式ED=k×DLP(k为转换系数,胸部的转换系数k=0.014 mSv·mGy-1·cm-1)。

1.4 统计学处理

采用SPSS 19.0软件进行统计学分析,对2组受检者行正态分布检验。2组BMI、图像质量主观评分、噪声、ROI的CT值、DLP及ED行两独立样本t检验。以P < 0.05为差异有统计学意义。

2 结果 2.1 肺结节筛查结果

100例中,多发肺结节35例,单发65例;共检出结节210枚,其中纯钙化结节21枚,纯磨玻璃结节40枚,非钙化实性结节79枚,混合性结节70枚;直径 < 6 mm有102枚,6 mm≤直径≤8 mm 59枚,直径>8 mm 49枚(图 1)。100例CT图像均可满足诊断要求(图 2)。

图 1 女,54岁,行低剂量肺部体检发现右上肺结节   1a  低剂量HRCT轴位肺窗图像显示右肺上叶一混合性结节(箭头),长径11 mm   1b  VR示结节(箭头)与胸壁、血管的关系   2  2例体质量指数(BMI)均为22.3 kg/m2   2a  女,48岁,常规剂量图像   2b  男,62岁,极低剂量加全模型迭代重建算法(IMR)。2幅图像均显示清晰,选中区域显示气管分叉处层面右肺外周带肺纹理密度及噪声

2.2 2组辐射剂量比较(表 1
表 1 2组图像质量的主客观评价(x±s

极低剂量IMR组的ED与常规剂量组相比,差异有统计学意义(P < 0.001),平均为常规剂量的16.4%。

2.3 2组图像质量主客观评价(表 1

2组图像质量的主观评价得分,差异无统计学意义(t=1.58,P> 0.05);2组2处ROI的CT值差异均无统计学意义(ROI1:t=1.48,P>0.05;ROI2:t=2.13,P>0.05),噪声差异均有统计学意义(ROI1:t=7.82,P < 0.001;ROI2:t=8.53,P < 0.001)。

3 讨论 3.1 CT低剂量肺结节筛查的合理使用

X线胸部摄影与胸部CT检查,即使剂量非常小,也会引起辐射损伤的随机性效应,定期行低剂量肺结节筛查,其X线暴露也有可能引起肺癌发病率增加[4]。研究[5]证实,降低辐射剂量,可降低肺癌的发生率,因此需对检查的适当性进行评估,确定高危人群。参照中华医学会放射学分会提出的低剂量胸部CT肺癌筛查专家共识[6],将高危人群定义为:①年龄50~75岁;②至少合并以下一项危险因素:a.吸烟≥20包/年,其中包括曾经吸烟,但戒烟时间不足15年者;b.被动吸烟者;c.有职业暴露史(石棉、铍、铀、氡等接触者);d.有恶性肿痛病史或肺癌家族史;e.有慢性阻塞性肺疾病或弥漫性肺纤维化病史。

3.2 迭代重建低剂量CT检查的应用进展

经典的CT数据重建算法多采用FBP算法。2008年以来,各大CT公司推出了各自的混合迭代重建技术,如Philips公司的iDose4等,均在对原始数据行FBP后,再行数学模型或矩阵代数识别降噪[7]。IMR全模型迭代重建技术是以微平板探测器系统为硬件平台,以结构化模型为基础,设定精确的数据模型和图像统计模型,重建过程是使其与系统模型耦合,通过重复的迭代采集纯净的源数据,最终接近理想模型以产生最优的图像质量。IMR可在更低辐射剂量条件下重建出满足临床诊断需要的图像,并明显降低图像噪声,显著提升图像的空间、密度及软组织分辨力[8-9]。Mehta等[10]通过模型研究得出,IMR与传统FBP相比,在节省60%~80% ED的同时,降低了70%~83%的噪声,并提高43%~80%的密度分辨力。Suzuki等[11]研究表明,IMR算法较FBP和iDose4在腹部CT扫描中,可明显降低图像噪声、提高密度分辨力、改善图像锐利度,在薄层重建的图像中更能体现其优势。国内同行也在多系统CT检查中使用IMR技术,田娟等[12]研究表明,IMR技术能在提高图像质量的同时,提高微小结石诊断的准确性。高思喆等[13]在256层CT头颈部CTA中应用IMR,将中等体型受检者的ED降至0.84 mSv。张征宇等[14]在肺动脉CTA中使用IMR技术,发现其可提高图像质量,降低图像噪声,有效降低受检者辐射剂量。

3.3 IMR对图像质量的影响

在本研究中,图像质量的客观评价主要在图像信号、噪声等方面。图像噪声除了辐射剂量及重建算法的影响外,还受不同组织重建滤过及边缘锐化工具等的影响。常规剂量重建滤过为Lung-Enhanced(LE),IMR重建滤过为Y-Detail(YB)。如果使用平滑滤过或降低边缘锐化系数,噪声亦相应降低。本研究低剂量加IMR技术的图像噪声虽有所增加,但仍无主观评价上的差别。有研究[15]报道,IMR图像观察时会有“模糊效应”,即为过高的迭代重建所产生的类似“容积效应”的一种假象;此现象对解剖结构及病变检测率的影响有待进一步研究。

参考文献
[1]
Msph LAT, Bray F, Siegel RL, et al. Global cancer statistics, 2012[J]. CA A Cancer Journal for Clinicians, 2015, 65: 87-108. DOI:10.3322/caac.21262
[2]
陈万青, 张思维, 曾红梅, 等. 中国2010年恶性肿瘤发病与死亡[J]. 中国肿瘤, 2014, 23(1): 1-10.
[3]
Khawaja RD, Singh S, Gilman M, et al. Computed Tomography (CT) of the chest at less than 1 m Sv:an ongoing prospective clinical trial of chest ct at submillisievert radiation doses with iterative model image reconstruction and iDose4 technique[J]. Journal of Computer Assisted Tomography, 2014, 38: 613-619. DOI:10.1097/RCT.0000000000000087
[4]
Naidich DP, Marshall CH, Gribbin C, et al. Low-dose CT of the lungs:Preliminary observations[J]. Radiology, 1990, 175: 729-731. DOI:10.1148/radiology.175.3.2343122
[5]
Aberle DR, Adams AM, Berg CD, et al. Reduced lung-cancer mortality with low-dose computed tomographic screening[J]. New England Journal of Medicine, 2011, 365: 395-409. DOI:10.1056/NEJMoa1102873
[6]
中华医学会放射学分会心胸学组. 低剂量螺旋CT肺癌筛查专家共识[J]. 中华放射学杂志, 2015, 49(5): 328-335.
[7]
Klink T, Obmann V, Heverhagen J, et al. Reducing CT radiation dose with iterative reconstruction algorithms:The influence of scan and reconstruction parameters on image quality and CTDIvol[J]. European Journal of Radiology, 2014, 83: 1645-1654. DOI:10.1016/j.ejrad.2014.05.033
[8]
Ryu YJ, Choi YH, Cheon JE, et al. Knowledge-based iterative model reconstruction:Comparative image quality and radiation dose with a pediatric computed tomography phantom[J]. Pediatric Radiology, 2016, 46: 303-315. DOI:10.1007/s00247-015-3486-6
[9]
Oda S, Weissman G, Vembar M, et al. Cardiac CT for planning redo cardiac surgery:Effect of knowledge-based iterative model reconstruction on image quality[J]. European Radiology, 2015, 25: 58-64. DOI:10.1007/s00330-014-3401-9
[10]
Mehta D, Thompson R, Morton T, et al. Iterative model reconst ruction:Simultaneously lowered computed tomography radiation dose and improved image quality[J]. Medical Physics Internat ional Journal, 2013, 20: 147-155.
[11]
Suzuki S, Haruyama T, Morita H, et al. Initial performance eva luation of iterative model reconstruction in abdominal computed tomography[J]. Comput Assist Tomography, 2014, 38: 408-414. DOI:10.1097/RCT.0000000000000062
[12]
田娟, 沙琳, 赖声远, 等. 基于模型的完全迭代算法(IMR)对肾脏小结石诊断价值的实验研究[J]. 临床放射学杂志, 2017, 36(9): 1359-1363.
[13]
高思喆, 张斌, 赵福新, 等. 基于全模型迭代重组算法(IMR)在头颈联合动脉CTA双低扫描中的应用[J]. 中国临床医学影像杂志, 2017, 28(1): 64-67. DOI:10.3969/j.issn.1008-1062.2017.01.017
[14]
张征宇, 王希明, 胡春洪, 等. 低辐射剂量联合IMR重建在肺动脉CTA中的应用研究[J]. 临床放射学杂志, 2017, 3(10): 15041507.
[15]
Kim Y, Kim YK, Lee SJ, et al. Ultra-low-dose CT of the thorax using iterative reconstruction:evaluation of image quality and radiation dose reduction[J]. American Journal of Roentgenology, 2015, 204: 1197-1202. DOI:10.2214/AJR.14.13629