指南与共识技术与安全CTMRUSDR

医学影像体模研究(PSMI):指南、推荐与核查清单

Phantom studies in medical imaging (PSMI): a guide with recommendations and checklist.
指南 / 共识 · Eur Radiol Exp · 2025-11-03

本文提供医学影像体模研究(PSMI)的设计与实施推荐,涵盖体模选择、图像采集协议与图像分析策略,并给出定量指标(如信噪比、对比噪声比、空间分辨率)与定性评估要点。提出25项PSMI核查清单以促进研究的透明性、可重复性与批判性评价,并强调体模研究可辅助但不能替代临床验证。

要点

  • 体模研究可提供可控、可重复的影像技术评估,但设计不良可导致误导性结论。
  • 体模选择直接影响结果的相关性、可靠性与可重复性,合成体模通常可重复性更高。
  • 定量分析应报告信噪比、对比噪声比、噪声功率谱、空间分辨率与任务可探测性指数等指标。

核心结论

  • 体模研究在医学影像中至关重要,为评估影像技术提供可控且可重复的框架。
  • 本文提供PSMI的设计与实施推荐,并提出25项核查清单以促进透明性、可重复性与批判性评价。
  • 良好设计的体模研究可提供信息,但不能替代临床验证。

研究设计与样本

  • 本文为指南类文件,提供PSMI的设计与实施推荐及25项核查清单。
  • 体模分为物理体模与计算体模,物理体模包括标准合成体模、拟人体模、混合体模与生物体模。
  • 图像采集协议需根据研究目的定制,包括成像系统表征、系统间比较及图像质量与辐射剂量或对比剂剂量优化。
  • 定量分析指标包括信噪比、对比噪声比、噪声功率谱、空间分辨率(调制传递函数)与任务可探测性指数。
  • 定性评估考虑阅片者选择与培训、盲法、随机化及绝对或相对Likert量表的使用。

诊断标准与关键数值

  • PSMI核查清单共25项,涉及标题/摘要(1、2)、背景/引言(3)、方法/研究设计(4)、方法/体模描述(5-7)、方法/成像协议(8、9)、方法/图像分析(10、11)、方法/统计学(12-15)、结果/定量分析(16、17)、结果/定性分析(18)、结果/表格与图(19)、讨论(20-23)及结论(24、25)。
  • 信噪比计算方法为平均像素值(信号)除以同一区域像素分布的标准差(噪声)。
  • 对比噪声比计算方法为感兴趣区内的平均像素值与周围背景平均像素值之差除以背景噪声的标准差。
  • 体模研究不需要伦理委员会批准,但应考虑实验的经济成本、工作量及设备工作时间。
  • 生物体模的使用应限于精确标准化不是关键要求的原理验证性研究。

临床应用与阅片要点

  • 设计体模研究前应明确科学问题或假设,并在全文中保持一致以避免p-hacking。
  • 定量分析应确保体模定位一致、感兴趣区定义明确并校准成像系统,系统报告所有采集参数与重建算法。
  • 若使用自制、混合或生物体模,体模制作过程、材料属性与制备细节须在正文方法部分完整记录,不得 relegated 至补充材料。
  • 计算体模的有效性取决于其对组织属性与成像物理的建模准确性,需对照实验或临床数据进行验证。
  • 常见蔬菜作为体模替代物应被劝阻,仅限用于介入模型以再现器官几何特征而非评估图像质量。

局限性

  • 原文未报告局限性。
全文中译38 节 · 点击展开
本译文由 AI 依据开放获取原文逐段翻译,供学习参考,可能存在误差,请以原文为准。原文 © 原作者,按 CC BY 许可使用,本译文为翻译改编。出处:Eur Radiol Exp. 2025 Nov 3;9:105. doi: 10.1186/s41747-025-00641-7

背景

体模研究通过提供受控且可重复的环境,用于评估成像系统、测试算法和优化临床工作流程,在医学影像中发挥着关键作用。体模是设计用于模拟人体组织或解剖结构的物理或计算模型。其用途涵盖所有成像模式,包括传统X线摄影、乳腺摄影、计算机断层扫描(CT)、磁共振成像(MRI)和超声。它们还广泛用于正电子发射断层扫描和单光子发射CT等核医学技术,以及放射治疗中的治疗计划、质量保证和剂量验证[1]。

尽管本文讨论的方法学原则具有广泛适用性,但重点仅限于诊断放射学中的体模研究。在此框架内,体模研究仍然是不可或缺的工具,可帮助研究人员从技术上评估成像模式[2]、开发新的成像技术[3, 4]并验证图像分析方法[5]。值得注意的是,这些任务可以在没有通常与人体或动物研究相关的伦理顾虑的情况下完成。因此,体模研究不需要伦理委员会批准[6];然而,始终应考虑一般性伦理问题,包括实验所投入的经济成本和工作量,以及设备工作时间可能导致的临床应用延迟。

体模研究在不同成像模式下具有多项关键应用。它们对于质量控制和保证至关重要,通过评估分辨率、对比度、噪声和辐射剂量等因素,确保系统随时间保持一致的性能[7–10]。它们还在协议优化中发挥关键作用,使研究人员能够在受控条件下测试和改进行采集与重建参数,然后再应用于临床实践[11–13]。此外,体模研究有助于成像技术的比较分析,能够在没有患者相关变异性的情况下直接评估成像模式、扫描仪或重建算法的性能[14–16]。最后,近年来,它们在医学影像中人工智能(AI)应用的开发和验证中变得越来越重要,为训练和测试AI模型在图像处理、分割和定量分析方面提供具有已知 ground truth 的数据集[17–20]。

尽管有这些客观优势,体模研究如果设计不当,可能导致误导性结论。有时,在阅读一项体模研究时,我们会觉得没有真正的实验设计,也没有明确界定的理由:收集了大量测量数据却没有结构化计划,论文是事后拼凑以迎合数据。研究目标不明确、体模设计不充分、缺乏可重复性评估、定性图像质量评估的读者数量少、评分量表和/或统计方法不当,以及未能考虑临床相关性等问题,都是常见的缺陷,会削弱体模研究结果的有效性[21–23]。

在此,我们提供关于在医学影像中设计和实施稳健体模研究(PSMI)的建议,概述体模选择、成像协议、图像分析方法和统计方法方面的关键考虑因素。通过解决常见局限性和最佳实践,我们旨在提高基于体模研究的清晰度、可重复性和科学价值,并确保这些研究有效促进成像技术的开发和验证。提供了一份包含25个条目的清单,使作者能够记录对这些建议的遵循情况,并识别其体模研究中的不足、局限性和弱点。

体模研究的目的

在设计体模研究之前,必须明确界定其目的,即具有精确的科学问题或假设,确保所有后续方法学选择与该目标一致。鉴于体模研究允许在受控条件下进行多次采集,它们通常可以针对一个以上的目的。然而,这些目的必须明确陈述,并在整篇稿件中从摘要的背景/目的到正文的结论始终保持一致,以避免歧义,并且——最重要的是——避免在完成测量后进行“p值操纵”[24, 25]。

体模研究中的常见目的包括:技术验证 = 评估新成像模式的性能或在既有成像技术中测试新技术和算法;

系统性能比较 = 使用定量和/或定性图像质量评估方法比较不同成像设备或设备部件;

协议优化 = 比较不同的采集和/或重建设置,以确定在有效临床协议中应用的最佳方案;

质量控制 = 测量空间分辨率、对比度、噪声、剂量效率或其他定量图像质量指标等物理参数,以确保系统可靠性和符合标准。

表1提供了明确定义的研究目的示例以及结构不良的体模研究中常见的陷阱。明确陈述的目的有助于形成连贯的研究设计,确保方法学、数据收集和分析的结构能够提供有意义且可重复的结果。

表1 体模研究中研究目的良好定义与不良定义示例 查看原表 ↗

体模分类

选择合适的体模是体模研究设计中的关键步骤,因为它直接影响结果的相关性、可靠性和可重复性。体模用于在受控条件下模拟或近似人体解剖结构和组织特性,以评估和优化成像系统、协议和技术。体模可大致分为物理体模和计算体模,各自根据研究目的服务于不同用途,第一类还可进一步细分,见表2。

表2 医学影像研究中使用的体模分类 查看原表 ↗

物理体模

物理体模是设计用于模拟人体组织特定成像模态物理特性(如X射线衰减、超声衰减或MRI弛豫特性)的有形物体。它们可分为三大类,我们将其称为标准体模、拟人体模、混合体模和生物体模(生物体模)。特别地,由于标准体模和拟人体模完全由非生物材料制成,我们将其统称为合成体模。

标准合成体模

标准体模由简单、特性明确的材料构成,使其成为评估基本成像系统参数(如分辨率、对比度、噪声和几何精度)的理想选择。这些体模通常由聚甲基丙烯酸甲酯、固体水或其他化合物等耐用材料制成,根据成像模态和所测试的参数进行选择。固体水体模因其组织等效的X射线衰减特性而常用于CT成像[26],聚甲基丙烯酸甲酯体模则频繁用于X射线和乳腺摄影[27]。超声和MRI成像体模通常分别加入凝胶或橡胶基材料以模拟声学和核磁弛豫特性[28–30]。

标准体模在校准成像系统、评估图像质量以及优化系统组件(如X射线成像中的自动曝光控制)方面发挥作用[11, 31]。当用于图像质量评估时,它们必须准确再现与人体组织相似的衰减、电子密度或质子密度1或弹性。例如,CT质量评估体模应提供真实的X射线衰减、适当的材料组成以模拟不同组织,以及与人体组织足够相似的对比度水平。

拟人合成体模

拟人体模设计用于复制人体解剖结构和组织异质性,提供比标准合成体模更接近临床条件的近似。这些体模对于测试和优化面向临床应用的成像协议、评估图像重建技术以及在接近真实条件下验证先进技术(如基于AI的诊断算法)特别有价值。拟人体模使用组织等效材料构建,如聚合物、硅胶或复合材料,设计用于匹配人体组织的X射线衰减、电子/质子密度或弹性。它们可商业生产[32, 33],或通过机械制造方法或三维(3D)打印技术定制构建以增强解剖精度[34–36]。

混合体模

混合体模将合成结构与生物组织相结合,以兼顾合成组分的解剖保真度和生物材料的真实成像特性。例如,可将切除的人或动物组织(如来自尸体或兽医标本的福尔马林固定样本)嵌入拟人化外壳中,以复现人体的整体衰减和散射特性,同时保持 closely 模拟真实组织的内部结构。当成像任务需要合成材料难以复现的真实纹理、微观结构或对比剂动力学时,这种方法尤为有用。

此类设计对于重复采集具有价值,前提是采用适当的保存方法(如福尔马林固定)。然而,其挑战包括组织保存、成像特性随时间可能发生变化、伦理考量以及生物安全要求。所有制备、储存和处理程序必须明确记录,以确保可重复性和安全性。

生物体模

生物体模是完全由生物材料制成的体模,其物理、化学和结构特性比合成体模更接近人体组织。这类体模包括动物基体模,如来自猪或其他物种的切除器官、肌肉或骨骼,常用于超声、CT 和 MRI 研究;以及植物基体模,如琼脂、明胶或植物组织,已在某些成像模态中研究其模拟软组织特性的能力。有时甚至常见蔬菜如猕猴桃、马铃薯或橙子也被用作体模替代物 [37, 38]。

虽然生物体模在某些类型的成像中能够在组成和结构方面成功实现与人体组织的相似性或等效性,但它们在保存、一致性和随时间可重复性方面存在重大挑战。其在密度、含水量和结构完整性方面的自然变异性可导致测量不一致,使标准化变得困难,而其随时间降解的特性甚至使得在特定地点进行的实验也无法重复 [39, 40]。

物理体模:结果的可重复性

体模的选择对研究结果的可重复性和可推广性有直接影响。在受控工艺下制造的市售合成体和混合体模通常提供更高的可重复性 [41],使其更适合比较研究、质量控制和法规符合性。然而,它们可能价格昂贵且对高度专业化的研究需求适应性较差。

自制合成体和混合体模提供更大的灵活性,但缺乏标准化和质量控制,使其更难重复。例如,在对比剂优化的 CT 研究中,仅将含有不同对比剂浓度的药瓶置于成像野中而不复现人体的整体衰减是不够的。在混合设计中,生物组织的整合还必须考虑随时间的潜在变化,确保结果在不同采集之间保持可比性。

最后,生物体模可能提供良好的组织复制。然而,它们由于高变异性、随时间稳定性有限以及可重复性差而具有显著局限性,使其不适合对照实验设计。它们的使用应限于概念验证研究,在这些研究中精确标准化不是关键要求。此外,应不鼓励使用常见蔬菜,并最终将其限于介入模型,其主要目标是再现接受介入的器官的几何特征(例如前列腺的大小和形状),而非评估图像质量,因为其成像特性通常不能代表人体组织。

由于可重复性是科学有效性的基石,基于物理体模的实验必须经过设计以确保其他研究人员能够在相同条件下再现结果。如果因为别无选择而使用自制、混合或生物体模,则体模制作过程、材料特性和制备细节必须在稿件正文(“方法”部分)中完整记录,而不得 relegated 至补充材料。

计算体模

计算体模是模拟人体解剖结构和组织特性的数字模型,用于虚拟成像实验。在物理体模制作不切实际或需要大范围参数变化的场景中,它们尤其有价值。其范围从用于系统校准的简单几何形状[42]到源自医学影像数据的高细节解剖模型[43]。它们使基于模拟的研究能够评估成像系统性能、优化采集和重建参数,并开发新的成像技术,而无需重复进行物理采集。

计算体模的一个独特优势是能够以高空间精度估算特定解剖位置的辐射剂量。这一点在物理体模中难以实现,除非使用可能改变成像条件的侵入性测量设备。计算方法允许进行此类分析,而不会引入可能影响图像形成的异物。

蒙特卡罗模拟、有限元建模和人工智能驱动的体模通常用于在完全受控和可重复的环境中研究剂量分布、成像过程和伪影行为。与物理体模不同,计算体模提供完美的可重复性,并允许进行在现实条件下不可能或不道德的系统性研究。然而,其有效性取决于它们对组织特性和成像物理的建模精度。需要针对实验或临床数据进行验证以确保其可靠性[44]。

图像采集协议

制定明确的图像采集协议对于确保物理体模研究的可靠性和可重复性至关重要。采集协议必须根据研究目标进行调整,无论是涉及表征成像系统、比较不同成像系统或技术,还是相对于限制因素(如X射线技术中的辐射剂量、对比增强模态中的对比剂剂量,或MRI中的采集时间和序列数量)优化图像质量。每种情形都需要特定考量,以尽量减少偏倚、确保一致性并实现有意义的比较。

表3总结了不同研究类型的关键采集协议考量。

表3 研究目标及相应的采集协议考量 查看原表 ↗

成像系统表征

在评估单个成像系统的性能时,采集协议应设计为评估其在不同操作条件下的表现。目标是了解采集参数的变化如何影响图像质量,并确保系统在临床环境中以最佳状态运行。表4描述了用于成像系统表征的逐步采集协议。

表4 用于成像系统表征的逐步采集协议 查看原表 ↗

成像系统和/或技术之间的比较

比较不同成像系统或技术的体模研究侧重于评估两个或多个系统之间的性能差异。与单个系统表征不同,此类研究要求对采集设置进行严格的标准化,以确保公平比较。表5描述了用于比较成像系统和/或技术的逐步采集协议。

表5 用于比较成像系统和/或技术的逐步采集协议 查看原表 ↗

图像质量与辐射暴露或对比剂剂量优化

此类研究评估在降低辐射剂量或对比剂浓度时图像质量受到的影响。目标是确定仍能维持图像质量的最低辐射剂量或对比剂水平。表6描述了用于评估图像质量与辐射暴露和对比剂剂量优化关系的逐步采集协议。

无论研究类型如何,详细记录、体模处理的一致性、偏倚最小化和统计稳健性对于确保体模研究的完整性和可重复性至关重要。标准化采集协议可提高研究间的可比性、增强科学有效性,并最大化研究结果的临床相关性。

表6 用于评估图像质量与辐射暴露和对比剂剂量优化关系的逐步采集协议 查看原表 ↗

图像质量分析

图像分析方法的准确性和稳健性对于从体模研究中得出有意义的结论至关重要。分析方法的选择必须与研究目标一致,无论是评估系统性能、比较不同系统/技术,还是优化成像协议。图像质量是一个涵盖许多不同指标的通用概念,每个指标代表图像质量的一个特定方面。体模图像可以使用定量或定性方法进行分析;无论采用哪种方法,都应精心设计方法以尽量减少偏倚并最大化科学有效性。

定量图像质量分析

定量分析在评估成像系统性能、比较模态和优化采集协议方面起着关键作用。该方法依赖于从图像中提取数值指标,为性能评估提供客观、可重复的数据。指标的选择应与研究目标一致,并经过仔细定义以确保跨实验的一致性和有效性。

为确保定量结果的稳健性和可靠性,必须遵循标准化的图像采集和分析协议。这包括一致的体模定位、明确的感兴趣区选择以及对成像系统的仔细校准以考虑测量中的任何变异性。此外,所有采集参数,如曝光设置和重建算法,都应系统性地报告,以确保结果的可重复性和透明度。

在医学成像中有效使用定量指标提供了评估系统性能、优化成像协议以及实现跨技术有意义比较的客观手段。通过结合基础测量和高级测量,如信噪比(SNR)、对比噪声比(CNR)、噪声功率谱(NPS)、空间分辨率(调制传递函数(MTF))和基于任务的可检测性指数(d′),研究人员可以捕捉图像质量的不同维度及其与辐射剂量或对比剂使用等因素之间的权衡。这些指标在精心选择和一致应用时,构成了可靠成像研究的支柱,并有助于成像技术和临床结局的持续改进。

SNR

SNR通过比较感兴趣结构的强度与其噪声波动来衡量整体图像清晰度。SNR在MRI和US等模态中是一个特别重要的指标,在这些模态中,最大化组织或病变的信号强度同时最小化噪声对诊断准确性至关重要。例如,在MRI中,SNR可以在不同脉冲序列上进行评估,以确定哪个序列在保持高SNR的同时提供最佳组织对比度[45, 46]。在超声成像中,SNR常用于评估旨在减少散斑噪声和改善图像清晰度的波束形成算法的有效性[47]。SNR是评估先进成像技术性能时的关键指标,因为它直接影响所采集数据的质量。

其通常按如下方式计算[48]:其中MPV是在体模给定区域或细节中测得的平均像素值(信号),SD是在同一区域中测得的像素分布的标准差(噪声)。

CNR

医学影像中最常用的指标之一是 CNR,它量化了区分结构或病变与周围背景的能力。CNR 越高,目标特征的可视性越好,这在检测低对比度结构(如 CT 或 MRI 扫描中的小病变)时尤为重要。例如,在 CT 成像中,CNR 用于评估不同辐射剂量水平下肺结节的可检测性 [49]。

其通常按如下方式计算:其中 MPVdetail 为在感兴趣区内测量的 MPV,该感兴趣区位于欲计算 CNR 的细节内部;MPVbkg 为周围背景的 MPV;SDbkg 为背景噪声。

影响 CNR 的因素包括:在基于 X 射线的模态中,辐射剂量、重建算法和对比剂浓度;在 MRI 中,脉冲序列参数、磁场强度、线圈设计以及对比剂浓度和性质;在超声成像中,换能器频率、波束形成技术和增益设置;对比剂团注时序仅适用于再现时间依赖性对比动力学的动态或灌注模拟体模。

为确保可重复性和有意义的比较,必须在各图像间一致地定义感兴趣区,并在相同条件下进行多次采集以尽量减少变异性。CNR 的一致测量允许在成像系统或协议之间进行直接比较,并可用于评估降低剂量与图像质量之间的权衡。在使用处理后图像的情况下,CNR 还受图像处理算法的影响。

NPS

NPS 表征图像噪声的幅度和空间频率分布,提供超出单一噪声 SD 值的信息。SD 量化总体噪声幅度,而 NPS 揭示噪声的纹理或颗粒度,这可影响图像外观和诊断性能 [50]。

这种区分在 CT 等模态中尤为重要,尤其是超高分辨率模式,其中图像可能具有相似的 SD 值但噪声纹理明显不同。在这些情况下,NPS 使研究人员能够了解噪声主要是粗还是细,这可影响小的低对比度特征的可检测性。

影响 NPS 的因素包括探测器设计、重建算法(例如,滤波反投影与迭代)、像素大小和剂量水平。在体模研究中,NPS 可以很容易地测量,因为在相同条件下重复采集是可行的,避免了临床图像中存在的变异性。

NPS 也是基于任务的性能指标(如可检测性指数(d′))的基本输入。它通常表示为空间频率的函数,可按如下方式计算:其中 和 为像素尺寸, 和 为各方向上的像素数, 为图像信号, 为平均信号,FFT 表示二维快速傅里叶变换,其将噪声的空间域表示转换为其频域表示。

空间分辨率(MTF)

空间分辨率是决定成像系统能够多好地区分小结构或精细细节的基本指标。在医学成像中,空间分辨率通常使用MTF进行量化,MTF描述成像系统在不同空间频率下能够多准确地再现物体对比度的变化。在给定频率下,较高的MTF表明图像锐度和细节的保留更好。MTF源自系统对已知高对比度模式的响应,可使用各种基于体模的方法测量,如线对体模、斜边靶、锐边或窄缝[51, 52]。每种方法需要特定的计算技术,例如,基于边缘的方法通常涉及计算边缘扩散函数,然后对其进行微分以获得线扩散函数,再通过傅里叶变换从中获得MTF。所得的MTF曲线描述对比度随空间频率增加而衰减的情况,MTF值通常以空间频率表示,单位为线对每毫米(lp/mm)或线对每厘米(lp/cm)。

理论上,空间分辨率越高,成像系统能够分辨的小特征就越精细,这在许多临床应用中至关重要。例如,在一项比较传统技术和光子计数技术的CT研究中,空间分辨率分析可能显示新型系统在较低辐射剂量下提供改善的锐度,从而在不影响患者安全的情况下提供更好的图像质量[53]。更高的空间分辨率在精细细节至关重要的成像应用中尤为重要,例如需要检测小钙化的乳腺摄影[54],或在CT血管造影中需要检测微小血管结构以进行准确诊断[55]。

基于任务的可检测性指数(d′)

可检测性指数(d′)通过整合系统分辨率和噪声特性,量化成像系统执行特定检测任务(如识别已知大小和对比度的病灶)的能力。与分别考虑信号和噪声的SNR或CNR不同,d′结合了MTF和NPS来评估这些因素如何共同影响目标的可见性。

在实践中,d′反映的是对于给定任务,理想观察者能够将病灶与背景噪声区分开的概率。这使得它在协议优化、重建算法比较和新技术评估中具有高度相关性,尤其是当临床目标是检测细微或小特征时。

影响d′的因素包括任务特征(目标大小、形状和对比度)、成像系统空间分辨率、噪声幅度和纹理以及重建方法。虽然其计算比CNR更复杂,但它在许多诊断任务中提供了更真实的性能估计。

理想观察者可检测性指数的一种常见形式为[50]:其中是目标物体的傅里叶表示,u、v为空间频率坐标。

其他定量指标

可以使用许多其他指标,包括但不限于时间分辨率、动态范围和伪影评估,具体取决于成像方式和研究目标。时间分辨率在透视、数字减影、血管造影、MRI、CT和超声等方式中尤为关键,此时需要快速图像采集时间来捕捉动态生理过程,包括心脏运动、血管血流、胃肠蠕动和泌尿生殖道动力学。

定性图像质量分析

定性图像分析涉及基于人类感知和判断对图像质量进行评估,通常由经过培训的阅片者(放射科医师、其他成像专家或对医学成像特定领域有兴趣的其他专业人员)完成。这种主观评估对于理解定量指标可能无法捕捉的图像质量方面至关重要,例如诊断置信度、病变可见性或整体图像清晰度[56]。虽然定量图像分析在检测图像之间的微小差异方面可能极其敏感,但这些差异并不总是具有临床相关性。例如,可能检测到CNR的统计学显著变化而不影响对象的可检测性,使得仅凭定量测量不足以理解临床相关性。

无论如何,为确保定性图像分析的可靠性并减少偏倚,必须为阅片者研究建立标准化程序和明确的评分标准。

阅片者的选择与培训

定性图像分析中最重要的考虑因素之一是选择足够数量的阅片者以减少偏倚并考虑评估的变异性。通常,定性研究建议使用两名以上阅片者,因为更大的阅片者池有助于减少个体偏倚并提高结果的普适性。理想阅片者数量取决于研究设计和统计功效分析,但通常范围为3至5名,有时超过5名阅片者。通常使用奇数数量的阅片者以确保始终能够获得“多数票”。每位阅片者都应接受适当培训,按照预定义标准对图像进行评分,以确保评分的一致性。

阅片者间可靠性可使用κ统计量或组内相关系数等统计指标进行评估(见下文)。

盲法和随机化

为最小化潜在偏倚,图像应在评分前进行匿名化和随机化,确保阅片者对所使用的特定成像设备、采集方案或重建参数设盲。盲法对于防止任何先验知识影响主观判断至关重要。此外,随机化图像呈现顺序可减轻顺序效应,即图像审阅顺序影响感知和评分时引入的偏倚。

评估标准与量表

清晰、精确的分级标准定义对于确保读者一致地评价图像至关重要。典型的标准包括噪声水平、对比度可见性、病灶可检测性和伪影存在,其中每一项都可能影响图像的感知质量。噪声水平通常根据图像看起来的颗粒感或平滑程度来评估。较高的噪声会降低图像质量,使结构更难看清。对比度可见性是指区分不同组织类型或结构(如病灶)与背景的能力。病灶可检测性评估识别异常结构(如肿瘤或结节)的能力,可能包括对大小、位置和清晰度的具体评估。伪影是成像过程引入的失真或异常,与体模的局部特征无关,可能遮蔽重要细节或产生虚假发现。

绝对李克特量表(Likert scales)或类似的有序评分系统常用于对图像质量属性进行评分,使用预定义等级(如1–5或1–7)表示质量的分级。例如,1–5李克特量表可能代表从“差”(1)到“优”[56]的连续谱。为保证可重复性,重要的是尽可能准确地定义量表的每个等级以避免歧义。例如:1(差)= 严重的图像退化,伴有明显伪影或显著噪声,干扰病灶检测;

2(一般)= 有一些可见的噪声或伪影,但病灶仍可在有一定困难的情况下被检测到;

3(良好)= 图像质量可接受,有轻微噪声/伪影,不明显影响病灶可见性;

4(很好)= 高质量图像,噪声和伪影极少,病灶易于识别;

5(优)= 最佳图像质量,结构清晰详细,无明显噪声或伪影。

每位读者根据这些预定义标准独立对图像进行评分,其评分被记录以供分析。

绝对李克特量表的替代方案是相对李克特量表,即将成对的图像/研究并排呈现,要求读者相互比较后进行评分[57]。该方法旨在评估差异,而不是给出绝对评分。当目标是突出成像条件、系统或采集设置之间的差异时,该方法尤其有效。

相对李克特量表通常范围为-2至+2,其中0表示所比较的系统或方案之间无差异或条件相等。该量表用于测量一个系统或模态在特定属性上与另一个系统或模态相比如何,负值表示第一个系统表现更差,正值表示其在所评估方面表现更好。例如:+2 = 第一个系统或条件在图像质量方面明显优于第二个系统(如更好的可见性、更低的噪声、改善的对比度);

+1 = 第一个系统或条件略优于第二个,但差异很小,可能不会显著影响临床判读;

0 = 两个系统或条件在图像质量上相等;没有明显差异:

-1 = 第一个系统或条件略逊于第二个,在图像质量上有轻微劣势。

-2 = 第一种系统或条件明显劣于第二种,对图像质量有显著的负面影响(例如噪声更高、对比度差或分辨率更低)。

样本量计算、数据呈现和统计分析

样本量计算在体模研究中经常被省略。与任何实验一样,这可能是数据不足和缺乏统计效能的原因。我们在此指的是每种模态、技术或方案的重复测量次数,但也指读者数量或任何其他可在体模研究中扩展的变量,而无需临床研究中典型的伦理问题。在可能的情况下,还可以考虑同一型号体模的潜在变异性[41]。有大量资源可用于计算样本量。建议遵循Monti等人[22]的最新建议。重要的是,这些计算要求明确界定主要、次要和探索性终点。

在报告体模研究结果时,清晰性、结构性和透明度对于准确解读和促进实验复现至关重要。提供足够的细节可确保其他研究人员能够评估分析的稳健性、批判性地评价结果,并在必要时复现该研究。结果的呈现方式应与研究终点一致,并强调技术或临床意义。

定量变量:正确描述数据分布的关键组成部分是同时报告均值和标准差以及中位数和四分位距,使读者能够评估数据是否由正态或接近正态分布良好描述,还是由偏态或非正态分布数据描述。

定性评估和组间比较:尤其是在使用Likert量表或其他主观评估时,报告评分的频率分布及每个类别或量表水平的百分比是有用的;此外,还应包括集中趋势的度量(中位数或众数),以提供对反应总体趋势的洞察[58]。跨组比较Likert量表数据(例如,比较不同成像模态、方案或后处理技术的评分)时,鼓励使用非参数统计检验,如独立样本的Mann–Whitney U检验和配对样本的Wilcoxon符号秩检验[58, 59];参数检验的使用一般是允许的[60],但在这种情况下必须谨慎使用,并且必须检查其应用条件[61]。

对于所有估计值,提供点估计值周围的95%置信区间,以传达结果的精确度。

评估者间一致性:如果涉及多名读者,报告评估者间信度指标。对于分类数据,使用Cohen κ(两名读者;对于Likert量表等序数测量,使用加权κ)或Fleiss κ(三名或以上读者,或也适用于序数数据的扩展方法[62]);对于连续数据,使用组内相关系数[63]。

敏感性分析

敏感性分析是一种有价值的工具,用于探索输入参数的变化如何影响模型或实验研究的结果。它解决了一个基本问题:“如果我改变一个因素,这会如何影响结果?”[64]。在图像质量评估的背景下,特别是当使用绝对或相对Likert量表时,敏感性分析可以帮助确定评级类别解释的微小变化(例如,“中性”或“相等”)是否会实质性影响研究结论。这种类型的分析尤其推荐用于样本量小、主观评分系统或关键结果依赖于特定阈值(例如,将Likert评分二分法)的研究中。在此类情况下,结果可能对量表解释的假设高度敏感。相反,在使用成熟评分系统和明确终点的大样本研究中,敏感性分析可能不那么关键,因为评分中的个体差异不太可能影响整体发现。

离群值、检验和p值

任何数据排除(例如,离群值去除)都应明确说明并给出理由。应提供选择统计检验的依据。每个比较及所应用的相应统计检验必须在“方法”部分的“统计分析”小节中列出。此外,必须报告所进行的任何统计检验的结果,提供精确的p值(而非p < 0.05或p ≥ 0.05)。

表格和图表

以清晰组织的表格或图表呈现定量和定性数据。图形,如柱状图或箱线图,可用于直观比较不同实验条件下的关键指标。表格应按条件、采集设置或成像系统提供结果的详细分类,以确保所有相关细节易于获取。

透明度

通过清晰描述与研究方案的任何偏差、采集设置的变化或研究过程中遇到的技术问题来确保透明度。提供这些信息使读者能够评估潜在的偏倚来源、数据变异性或实验设计的局限性,并确保结果在适当的背景下被解读。

撰写讨论部分

与临床研究一样,体模研究的讨论部分是解释结果、将其置于背景中并与现有文献进行比较的地方。该部分应清楚突出研究的贡献,承认其局限性,并提出潜在的技术或临床意义。

结果的解释

首先,将发现与研究目标联系起来。首先回顾研究目标并总结结果如何解决这些目标。例如,如果研究目标是评估剂量降低对图像质量的影响,则总结结果是否表明在不影响关键质量指标的情况下实现了剂量降低。这将帮助读者理解结果如何有助于回答研究问题。特定方面,包括技术问题或创新方法,可以简要强调和讨论。

其次,与既往类似的体模或临床研究进行比较。重点阐述与文献的一致性和不一致性。如果你的结果与既往研究一致,讨论一致的原因。反之,如果存在差异,探讨潜在因素,如体模设计、采集方案、成像技术或统计方法的差异。这种比较有助于将本研究置于更广泛的研究背景中,并增强结果的可信度。

第三,讨论技术和/或临床意义,例如CT能耗的降低或新型MRI序列进一步技术优化的需求。重要的是,描述结果的潜在临床意义。例如,在不牺牲图像质量的前提下降低剂量或缩短扫描时间。将体模研究结果与真实临床场景联系起来,帮助读者理解研究结果如何影响患者护理或临床工作流程。

研究的局限性

对于临床研究而言,认识到任何体模研究设计固有的局限性非常重要。对于体模研究,还存在一个额外的固有局限性:体模是人体组织和解剖结构的简化 representations。它们可能永远无法完全复制真实世界的临床条件。

因此,首先讨论研究中使用的体模模型在多大程度上准确代表了实践中遇到的组织类型和成像条件。是否有任何重要的解剖特征或疾病状态未被纳入或代表性不足?

其次,讨论研究结果在临床环境中可重复性相关的潜在挑战。患者解剖结构、临床方案或成像系统的差异可能影响结果转化为真实世界实践的方式。需注意体模研究的受控条件可能与临床环境的动态和多变性质不同。

第三,考虑所用图像质量指标和所进行统计分析的任何局限性。例如,样本量小或缺乏统计效力可能限制发现的可靠性。如果数据收集、测量技术或统计方法中的偏倚可能影响了结果,应公开讨论这些偏倚以确保平衡的解读。

对未来研究的建议

基于研究中发现的发现和局限性,提出未来研究的方向。这些可包括以下要点。改进体模模型:建议研究更复杂或解剖学更准确的体模,以更好地模拟人体解剖结构、病理状态或临床变异性。此类体模可提供更真实的见解,了解在更接近真实世界实践的条件下的成像性能。

替代技术和方案:建议研究替代成像技术、方法或采集方案,以改善图像质量、降低辐射剂量或优化诊断准确性。确定未来进展的有前景的方向可指导医学成像领域的持续创新。

临床验证:鼓励设计临床研究,以真实患者数据验证体模研究结果。强调在临床环境中测试新成像系统或方案对患者安全、诊断准确性和工作流程影响的重要性。

你的结论

通过总结研究的关键发现及其实际意义来结束讨论。重申该研究在推进科学知识或改善临床实践方面的重要性。强调结果如何有助于更好的成像技术、改进的患者护理或优化成像方案的开发。最后,概述这些发现对医学影像领域和未来研究工作的更广泛意义。

PSMI清单

为便于作者努力遵循本文所包含的众多建议,我们提出了一个由13个部分和25个条目组成的“PSMI”清单(表7)。作者可以填写PSMI清单,并将其作为附件文档添加到向本刊或其他生物医学期刊提交的任何体模研究稿件中,从而使编辑和审稿人在评估所提交稿件的质量时更加容易。

表7 13个部分25个条目的PSMI清单 查看原表 ↗

与临床意义的联系

PSMI能够实现受控、可重复的实验,而这些实验在人类或动物模型中进行将是不切实际、不合伦理或成本过高的。它们使研究人员能够分离和评估特定技术参数、评价系统性能,并以经济高效的方式优化方案。然而,即使在纯技术研究的背景下,也必须保持研究发现与临床意义的明确联系。重要的是,体模研究中未获得阳性发现不应被低估。一项设计良好的“阴性”研究可以提供关键见解,例如证明某一拟议创新的临床效用有限,并有助于更有效地重新分配资源和研究方向。

参与体模研究的专业人员必须认识到,仅凭图像分析并不能确立技术创新的临床相关性。3-T MRI的发展说明了这一点:多年来,研究主要集中于证明其相较于1.5-T系统具有更优的图像质量,而未提供诊断准确性提高或临床获益的证据[65, 66]。这强调了一个关键原则:在医学影像中,最终目标不是完善图像或体模,而是改善患者护理。保持临床视角可确保基于体模的研究对转化进展和医疗决策作出有意义的贡献。

引用

  1. Gennaro G, Zanardo M, Ambrogi F, et al. Phantom studies in medical imaging (PSMI): a guide with recommendations and checklist. Eur Radiol Exp. 2025. PMID: 41182488. doi:10.1186/s41747-025-00641-7
  2. 全文:PMC12583249(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC12583249/

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。