CT扫描诊断图像质量的客观评估:放射科医生和研究人员需要了解的内容
本系统综述检索PubMed和Web of Science截至2024年6月的文献,纳入35项使用无参考客观图像质量评估方法的研究,按噪声、对比度、空间分辨率和其它分类,并分为手动、自动和基于人工智能的方法。综述强调从手动向全自动评估的转变及AI方法的潜力,并提供决策树帮助选择评估技术。
要点
- 无参考客观图像质量评估方法可超越传统ROI噪声、SNR和CNR,覆盖噪声、对比度、空间分辨率等维度。
- 35项研究识别出12种噪声、4种对比度、14种空间分辨率和7种其它评估方法,含手动、自动和AI三类。
- 综述提供决策树,帮助放射科医生和研究人员根据研究目标选择图像质量评估技术。
核心结论
- 综述强调图像质量评估正从手动向全自动方法转变,包括基于人工智能方法的潜力。
- 综述为需要在CT图像质量评估中做出审慎选择的研究人员和放射科医生提供参考工具。
研究设计与样本
- 系统综述,检索PubMed和Web of Science截至2024年6月的文献,初检2559项研究,去重后2254项,全文审查78项,最终纳入35项。
- 纳入标准为英文发表、明确讨论或应用无参考客观定量图像质量评估方法(含AI方法)、应用于或适用于临床数据的研究。
- 排除仅使用标准ROI均值±标准差、SNR和CNR的方法,以及仅以伪影为图像质量指标和全参考图像质量评估方法的研究。
- 纳入研究按图像质量维度分为噪声(n=12)、对比度(n=4)、空间分辨率(n=14)和其它(n=7),其中两项研究归入多个类别。
关键影像表现/征象
- 噪声评估中,1项研究需手动放置ROI,9项采用自动方法,2项采用AI方法(基于卷积神经网络,在体模数据上训练)。
- 对比度评估中,1项需手动放置ROI,3项为全自动方法。
- 空间分辨率评估中,10项为手动方法,4项为自动方法。
- 其它类7项研究中,1项为手动方法,4项为自动方法,2项为AI方法。
诊断标准与关键数值
- 手动噪声评估采用光子计数探测器CT的局部噪声功率谱(NPS),基于原始探测器计数在局部ROI内测量噪声。
- 自动噪声评估方法包括全局噪声水平(GNL)和全局噪声指数(GNI),后者将GNL在层面间平均获得。
- 手动空间分辨率评估通过绘制垂直于结构边缘的线轮廓,计算最大斜率或边缘两侧CT值差异来评估锐利度。
- 自动空间分辨率评估采用CT分辨率指数,通过分割皮肤后测量空气-皮肤界面的边缘扩散函数(ESF)。
- 任务特异性方法包括用于冠状动脉CTA狭窄量化的任务依赖可估计性指数和用于肝病灶检测的检测性指数(参考任务函数为−15 HU对比度的圆盘病灶)。
临床应用与阅片要点
- 美国医学物理学家协会推荐ROI直径至少1 cm以保证可靠测量。
- 综述提供决策树,帮助根据研究目标选择相应的图像质量评估技术。
- 作者指出基于ROI的方法对局部和任务特异性评估仍有价值,但耗时且可重复性较低。
局限性
- AI方法需要大型、多样、标注数据集,且在不同身体部位和检查方案间的泛化能力有限。
- AI方法因缺乏临床通用图像质量金标准而难以验证。
- 许多自动和AI方法依赖准确的图像分割,而分割常因意外解剖或伪影而失败。
- 文献中存在两个明显空白:缺乏整合多种图像质量特征的综合指标。
全文中译20 节 · 点击展开
背景
计算机断层扫描(CT)通过实现内部结构的三维可视化,彻底改变了传统的基于X射线的医学成像。然而,这一进步伴随着辐射暴露的增加,从而提高了对患者的潜在健康风险。CT成像中的一个关键挑战仍然在于同时优化辐射剂量和诊断图像质量(IQ)[1]。虽然已有明确定义的指标可用于直接量化辐射剂量,但诊断IQ的准确定量要复杂得多,需要全面理解各种IQ指标(如噪声、空间分辨率、对比度)如何影响IQ以及如何有效评估它们[2–4]。
诊断IQ可以通过主观和客观方法进行评估。主观方法,如放射科医生使用Likert量表进行评估,至今仍是金标准。虽然这种方法被广泛使用,但它有几个缺点,如观察者间和观察者内变异性高、阅片者疲劳以及倾向于避免极端评分[5–7]。为解决其中一些问题,一种使用配对比较的新主观评估方法被提出,其显示观察者之间的一致性有所改善[8]。然而,这种方法不能完全消除观察者变异性。
为客观评估CT扫描的诊断IQ,传统上采用了各种标准的基于物理学的技术,如基于感兴趣区(ROI)的噪声测量、对比噪声比(CNR)和信噪比(SNR)计算[2, 9]。虽然这些技术为IQ的某些方面提供了定量见解,但它们往往缺乏捕捉放射科医生细微感知偏好的能力。
客观评估方法通常分为两类:无参考IQ评估和全参考IQ评估[10]。全参考方法将IQ与预定义的参考图像进行比较。然而,由于患者解剖结构、病理和成像的变异性,为每种场景获取参考图像具有挑战性,甚至可能是不可能的。相比之下,无参考IQ评估方法仅基于图像固有属性(如噪声、对比度和空间分辨率)评估IQ,无需参考图像。
理想情况下,客观IQ评估方法应与人类观察者一致,并允许自动化IQ评估[11]。一种直接在CT扫描采集后实施的全自动IQ评估方法,可在IQ低于某一阈值时提供即时反馈。这样的系统还可以支持CT扫描仪的持续质量控制,确保始终如一的高质量图像,并能够在大数据集上优化剂量-IQ权衡[10, 11]。
本综述聚焦于现有的无参考先进客观IQ评估方法,包括人工智能(AI)算法,超越标准客观IQ方法(即基于ROI的噪声、CNR和SNR分析)。我们基于自身在开发、分析和应用各种IQ评估方法方面的经验[8, 12–14]提供全面概述。它旨在为研究人员和放射科医生在设计涉及需要IQ评估的CT扫描研究时提供参考工具。
方法
数据来源与研究选择
为了本系统综述,在PubMed和Web of Science中进行了文献检索,以识别截至2024年6月在同行评审文献中发表的所有论文。检索使用以下术语的组合进行:CT、对比度、噪声、空间分辨率、图像质量、诊断、临床、患者、算法、计算机辅助、自动化、量化、模型观察者、测量、评估、机器学习、深度学习、开发、提出、主观和Likert,由所有作者共识定义。
纳入标准为:以英文撰写。
明确讨论、提出或应用了用于CT图像质量评估的客观定量无参考方法,包括基于人工智能的方法。
应用于或适用于临床数据。
排除标准为:仅使用标准定量图像质量评估方法的研究,即基于感兴趣区(ROI)的分析,提取平均亨斯菲尔德单位(HU)±标准差(SD)、信噪比(SNR)和对比噪声比(CNR)。
缺乏方法详细描述、导致无法重现的研究。
仅以伪影作为图像质量指标的研究也被排除,因为伪影与扫描仪本身的性能不直接相关,或仅部分受扫描仪影响。
使用全参考图像质量评估方法(如结构相似性指数测量)的研究。
去除重复后,由一位作者(E.H.)根据标题进行初步筛选,以排除明显与CT成像无关的研究。随后,通过审查摘要以及在必要时审查全文,筛选出不符合纳入和排除标准的研究。第二作者(C.J.)也独立审查了全文以验证合格性。如有分歧,通过讨论达成共识。
两位作者独立从纳入研究中提取数据。最终选定的研究根据其涉及的图像质量方面分为四个主要组:噪声、对比度、空间分辨率和其它因素。在每个类别中,研究按所用方法类型进一步细分:手动:需要人工参与进行测量或评估的技术,如手动放置ROI。
自动:配置后无需人工参与的完全确定性算法。
基于人工智能:使用机器或深度学习技术的(自动化)方法,可自动从数据中学习模式。
最后,对每项研究提取以下信息:图像质量评估方法、该方法适用的身体部位、关键原理、该方法是否基于ROI、该方法的主要优缺点以及是否及如何进行了验证。基于这些信息,构建了决策树作为工具,以帮助决定与研究目标相对应的相关方法。
结果
筛选过程的系统综述和荟萃分析首选报告项目(PRISMA)流程图见图1。初步文献检索获得2559项研究,其中304项为重复,剩余2254项研究。从中选择78项研究进行全文审查,之后35项研究被纳入本系统综述。
这些研究分为四类的结果为:n = 12项图像质量评估方法关注噪声,n = 4项关注对比度,n = 14项关注空间分辨率,n = 7项关注其他方面,其中两项研究被纳入多个类别。图2给出了一个决策树,提供所选客观图像质量评估技术的结构化概览。
噪声
十二项研究报告了噪声评估技术(详见表1和表S1)。一项研究需要手动放置ROI [15],九项研究采用自动噪声评估方法 [12, 16–23],两项研究使用基于人工智能的方法 [24, 25]。
手动方法
Zhang等报告了一种手动方法,用于确定光子计数探测器CT的局部噪声功率谱(NPS),该方法使用原始探测器计数在局部ROI中测量噪声 [15]。它消除了重复扫描(以及因此重复曝光)的需要,而这对于应用于体模的标准NPS测量是必需的 [4]。然而,该方法不适用于传统能量积分探测器CT数据。
自动方法
Smith等提出了一种自动方法,在自动分割后将均匀肝脏中的HU变化假定为噪声,从而无需重复曝光即可在肝脏中进行NPS测量 [16]。
此外,七项研究涉及自动全局噪声评估 [12, 17–22],其中一些相互关联。Kortesniemi等 [17] 的早期方法开发了一种边缘保留掩模滤波算法,通过计算像素邻域内的SD同时排除锐利过渡来创建噪声图。该方法提供了全面的全图像噪声评估,并具有系列级应用的潜力,即包括序列的所有层面,而非单层面分析。随后,Christianson等引入了全局噪声水平(GNL)方法,基于使用阈值值的组织类型分割,并使用像素级SD直方图的众数作为噪声的稳健度量 [18],适用于腹部CT扫描。Anam等扩展了GNL,通过使用基于阈值的全身分割并通过直方图选择均匀区域进行噪声评估,使其能够不受解剖部位限制地使用 [19]。Alsaihati等对GNL进行了进一步改进,对层面取平均值以获得全局噪声指数(GNI)[20]。然而,两项研究均依赖于基于阈值的组织类型分割的成功。
Tian和Samei[21]提出了GNL方法的替代方案,该方法通过减去相邻CT层面以消除解剖结构变异,并滤除边缘,在所得均匀区域中测量噪声。然而,该方法的一个关键局限是需要足够大的均匀区域才能准确测量噪声。在Tian和Samei工作的基础上,Malkus等[22]通过证明可在空气区域测量噪声,增强了该方法的适用性。随后,Jeukens等将此结果与Christianson等的结果相结合,获得了在空气中测量的GNL[12]。他们的研究表明,该方法与腹部CT扫描的主观IQ评分显著相关,证明了算法确定的客观IQ的可行性。
Chun等提出了另一种替代方法,他们开发了一种基于结构一致性特征的方法[23]。该技术“滤除”小的解剖结构,防止其影响噪声测量,并通过在自动选择的ROI内对SD取平均值而非全局计算来计算噪声。该方法的优势在于减少了解剖细节对噪声评估的影响,使其在复杂临床图像中可能更为准确。
人工智能方法
两种基于人工智能的CT图像噪声测量方法均使用在拟人体模数据上训练的卷积神经网络(CNN)。这些方法旨在通过自动生成逐像素噪声图,将传统上手动进行的噪声标准差(SD)测量过程自动化。Ketola等开发了一种CNN,使用来自两次连续扫描获得的真实噪声(标准差,SD)图进行训练,仅专注于胸部CT[24]。相比之下,Huber等使用源自100次重复扫描计算的逐像素SD所得真实噪声图来训练其CNN,覆盖胸部、头部和盆腔CT[25]。两项研究均在临床数据上验证了其方法。
手动方法
纳入了一种手动测量方法,通过线密度剖面分析评估对比度,考虑跨越肿瘤组织和健康组织的10 mm线段内的最小和最大HU值[26]。虽然这种方法对于靶向评估非常有效,但它具有与标准CNR方法类似的缺点:不提供整体对比度分布的信息,仅关注预定义区域之间的对比度。
自动方法
三项研究使用自动化方法进行对比度评估。Pallenberg等人通过使用模板匹配技术自动在主动脉中放置ROI,实现了主动脉CT血管造影(CTA)体积中对比度的自动化测量[27]。对参考模板的依赖可能限制该方法在不同患者病例和解剖变异中的适用性。相比之下,Abadi等人和Jeukens等人开发了更广泛的自动化对比度测量技术,分析整个CT图像而非依赖特定区域[12, 28]。Abadi等人引入了一种自动方法,用于测量胸部CT扫描中不同器官的亨斯菲尔德单位(HU)分布,首先进行体轮廓分割,随后在肺、肝、主动脉和脊柱中自动放置ROI[28]。每个ROI内的中位HU值被用作对比度度量,使其适用于对比增强和非对比增强扫描。该方法受益于标准化的ROI放置,可在预定义的解剖结构内提供一致的对比度测量。尽管该方法不需要手动放置ROI,但它仍然仅提供特定区域对比度的度量。Jeukens等人提供了另一种方法,将对比度测量基于整个扫描体积的HU直方图分析。在基于阈值的分割去除背景空气和骨骼像素后,生成HU值直方图,其峰值对应于不同的软组织。对比度指标从直方图的形状和峰值中导出,提供对不同组织对比度的分布和显著性的洞察。
空间分辨率
十四项研究报告了确定空间分辨率的方法(更多详情见表3和表S3)。大多数(n = 10)研究为手动方法[29–38],四项研究包含自动方法[12, 39–41]。
手动方法
评估空间分辨率的手动方法主要集中于跨越特定解剖结构(即头部/脑区的边缘 [29–33]、冠状动脉和门静脉等血管结构 [34–37] 以及肠道 [38] 中的边缘)的线轮廓的边缘锐利度或斜率测量。这些方法通常涉及绘制一条或多条垂直于结构边缘的线,以获得沿该线的CT密度值轮廓,该轮廓显示边缘处数值的变化。随后通过确定线轮廓的最大斜率或边缘两侧CT值之间的差异来计算空间分辨率或锐利度。这些方法对于在规定区域内和特定方案下进行空间分辨率的一致性比较是有效的。然而,它们需要放射学专业知识才能准确放置线/感兴趣区(ROI),这使得它们耗时且容易受到观察者变异性的影响。此外,其局部性质限制了对整体空间分辨率的代表性。即使采用标准化扫描参数,解剖变异性(如血管直径或组织成分的差异)也会进一步影响结果。部分容积效应和复杂解剖结构也可能扭曲锐利度测量,降低这些方法的普适性 [30]。此外,为确定最大斜率,Cao等还将肝实质CT值直方图的偏度作为图像纹理的度量 [37]。
自动方法
Sanders等 [39] 引入了CT分辨率指数,该方法通过分割患者皮肤并生成四面体网格后,测量空气-皮肤界面的边缘扩散函数(ESF)来评估空间分辨率。虽然该方法允许在不同解剖区域进行快速、客观的评估,但它对噪声敏感,并且高度依赖于准确的分割。Jeukens等 [12] 通过增加归一化和平均步骤增强了Sanders的方法,但仍保持对准确分割的依赖。两种方法都具有独立于特定身体部位的优势,因为它们可以一致地应用于皮肤-空气界面。
Salimova等 [40] 和Chun等 [41] 的其他方法则侧重于特定解剖区域或组织结构。Salimova的方法通过首先分割并排除空气和骨骼边缘,然后分析每层自动检测到的显著边缘的二维图像梯度,来评估下肢的图像锐利度。Chun等开发了一种结构相干特征(SCF)技术,用于区分肝脏内的均匀区域和含边缘区域。在含边缘区域中,SCF根据边缘的存在和边缘的方向性来确定。与其他自动技术类似,它们仍然受限于对高质量分割的依赖。
其他
除了噪声、空间分辨率和对比度等传统指标外,还开发了各种其他方法来客观评估CT扫描中的图像质量(IQ)(更多细节见表4和表S4)。这些方法通常结合多种图像属性和计算模型,以提供对IQ更细致的评估。这七项研究包括一种手动方法 [42]、四种自动方法 [43–46] 和两种人工智能(AI)方法 [10, 47]。
手工方法
Svalkist等通过从重建图像层面计算功率谱(PS)来分析临床CT扫描的频率成分。通过对非重叠像素区域的PS进行平均、镜像处理以减少边缘伪影,并对每个图像层面的PS进行径向平均,该研究量化了空间频率分布[42]。
自动方法
图像质量(IQ)的一个重要方面是病灶或异常在扫描中的显示清晰程度,对此Cheng等引入了“清晰度”这一术语[43]。该指标将通过所获临床图像的调制传递函数(MTF)得出的空间分辨率与源自体模图像的噪声纹理相结合,并与临床扫描协议相匹配。该方法假设体模图像中的噪声与临床噪声相匹配。然而,其对预先采集的体模图像的依赖性限制了其在不同成像设置中的适用性。
任务特异性方法是所识别的自动方法中的一个关键关注点,在主要任务不是全面量化图像质量、而是评估系统能够在图像中检测和表征特定任务所需特定特征的能力时具有重要价值。Samei等引入了一种任务依赖性可估计性指数,用于使用心脏CT血管造影(CTA)量化狭窄。该方法整合了多种客观因素,如运动模糊、噪声和空间分辨率,以量化成像系统评估心血管狭窄的准确程度[44]。类似地,Smith等开发了一种带有模型观察者函数的可检测性指数,用于评估系统检测肝脏病灶的能力。该方法将从既往验证技术[18, 39]中提取的临床图像空间分辨率和噪声测量值与参考任务函数(检测对比度为−15 HU的圆盘状病灶)相结合,提供病灶可检测性的度量指标[45, 46]。虽然这些以任务为中心的指标与其各自的临床应用高度相关,但其对其他解剖区域或成像任务的普适性往往有限。
人工智能方法
Lee等开发了一种基于人工智能的方法,使用自监督训练策略来评估胸部和腹部CT扫描的感知图像质量[10]。该方法旨在提供反映放射科医师所感知的图像整体质量的定量评分,提供一种更标准化且可能更可靠的图像质量度量。Nakanishi等通过在多中心和多厂商数据集上训练用于冠状动脉CTA扫描诊断性与非诊断性图像分类的模型,解决了人工智能方法中泛化性的挑战。该方法提高了人工智能模型在各种成像系统中的鲁棒性[47]。
讨论
对截至2024年6月的文献进行了系统综述,重点关注客观诊断图像质量(IQ)评估方法。通过将方法归类为“噪声”“对比度”“空间分辨率”和“其他”,并进一步分为手动、自动和基于人工智能(AI)的方法,提供了概览。共识别出35项研究,这些研究提出或采用了超越传统方法的无参考IQ评估方法。传统方法包括在手动选择的感兴趣区(ROI)内通过测定CT值(HU值)的标准差(SD)来进行IQ评估,可用于确定信噪比(SNR)或对比噪声比(CNR)。由于这些方法虽广为人知,但在捕捉IQ更复杂方面存在局限,本综述聚焦于更先进的IQ评估方法。
目前正持续向更先进、自动化和AI驱动的IQ评估技术过渡,这些技术为大规模、实时和可重复的评估提供了机会。基于ROI的方法仍被认为对局部和任务特定的评估具有价值。然而,这些方法耗时且可重复性较低,并且由于观察者依赖性而在普适性方面存在固有局限,导致形状(方形、圆形、线形)和大小的变异性。美国医学物理学家协会建议ROI大小至少直径为1 cm以获得可靠测量[24, 48]。大ROI在临床环境中并不总是实用,尤其是在处理小结构、解剖结构复杂的图像或均匀组织有限的区域时。这些手动放置的挑战凸显了对自动和基于AI方法的需求,这些方法在标准化和可扩展性方面具有优势。这将消除用户输入的需求,提高可重复性,并与实现IQ评估实时整合到扫描仪工作流程和质量控制方案中的目标相一致。
基于AI的方法,特别是卷积神经网络(CNN),在IQ评估方面具有前景。当在主观评估的数据集上训练时,CNN可以模拟主观IQ评估,同时提供更高的一致性。这些模型已在自动化噪声和一般IQ测量方面展示了准确性,在拟人体模数据上训练并在临床数据集上验证[10, 24, 25, 47]。然而,AI方法面临挑战,例如需要大型、多样、标注的数据集,以及其在不同身体部位和检查方案之间普适性有限。由于缺乏临床通用的IQ“金标准”,这些方法难以验证。此外,许多自动化和基于AI的方法还依赖于准确的图像分割,而图像分割往往因意外解剖结构或伪影而容易失败。
识别出现有文献中两个值得注意的空白:第一,缺乏将多种IQ特征(如噪声、对比度、空间分辨率)整合为单一IQ评分的综合指标。第二,缺乏IQ评估方法的稳健、客观的验证框架,因为没有参考或“金标准”来比较结果。
展望未来,CT图像质量(IQ)评估应转向完全客观的方法,以克服人为变异性。IQ评估不应仅评价IQ的孤立方面,而应包含一个单一的IQ评分,该评分在预期诊断任务的背景下涵盖所有相关参数。与此同时,验证框架应转向客观的、基于任务的参考标准,以取代常用的主观评估。依赖主观方法作为验证新客观方法的最终真相和“金标准”可能引入循环推理,尤其是当新方法旨在超越主观方法的局限性时。因此,对IQ评估方法准确性或稳健性的声称可能被夸大。理想情况下,IQ评估应嵌入扫描仪的采集或重建流程中,提供实时反馈。这将支持主动质量保证,有助于扫描和重建方案的优化,甚至可减少不必要的重复扫描。
由于研究人员不断致力于为每位患者和每次检查优化CT IQ [2],尤其是平衡IQ与辐射剂量,持续改进现有IQ评估方法将是有益的。未来研究应优先开发自动化方法,以防止因人工干预导致的观察者变异性。应重点关注稳健的无分割方法或分割可靠性的改进。此外,扩大AI模型的训练数据集,包括多样化的成像条件、患者人口统计学特征和扫描仪技术,将极大提升AI在IQ评估中的潜力,但这需要机构间的合作和数据共享。最后,本综述强调了客观IQ评估中标准化指标和基准的必要性,以及可靠验证方法的必要性。建立共同框架将提高IQ研究的可重复性,并进一步促进具有临床意义的IQ评估方法的发展。
结论
通过概述现有的无参考先进客观IQ评估方法,本综述展示了从手动基于感兴趣区(ROI)的技术到全自动和/或基于AI的方法的进展。仍需进一步开发客观IQ评估方法,包括整合多个IQ参数的方法、扩大AI模型的训练数据集以及开发稳健的无分割方法。虽然尚无单一方法可被认为普遍最优,但本综述提供了结构化概述,以指导选择适合其特定目标的现有IQ评估方法。
补充信息
电子补充材料
引用
- Hoeijmakers EJI, Martens B, Wildberger JE, et al. Objective assessment of diagnostic image quality in CT scans: what radiologists and researchers need to know. Insights Imaging. 2025. PMID: 40640444. doi:10.1186/s13244-025-02037-y
- 全文:PMC12246289(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC12246289/
供执业医师工作参考,不替代临床判断;数值与分级以指南原文为准。