第二代超分辨率深度学习重建联合金属伪影减少算法在盆腔CT中的诊断价值
回顾性纳入40例金属髋关节植入患者,比较DLR2+MAR、DLR1+MAR、HIR+MAR及DLR2-only四种重建方法。DLR2+MAR在伪影区SD及股动脉、直肠显示评分上优于其他+MAR方法,AImuscle与AIfat较HIR+MAR和DLR2-only显著降低,但与DLR1+MAR无显著差异。者间一致性0.67–0.77。
要点
- DLR2+MAR在膀胱、臀大肌、臀部脂肪的SD均显著低于DLR1+MAR、HIR+MAR和DLR2-only。
- DLR2+MAR对股动脉和直肠的显示评分显著高于其他+MAR重建方法。
- AImuscle和AIfat在DLR2+MAR最低,但较DLR1+MAR无显著差异。
核心结论
- DLR2联合MAR可改善金属髋关节植入患者盆腔CT的图像质量及盆腔结构可视化。
- DLR2+MAR在股动脉和直肠显示上优于DLR1+MAR与HIR+MAR,AImuscle和AIfat较HIR+MAR及DLR2-only显著降低。
- DLR2+MAR与DLR1+MAR在AImuscle(中位数10.6 vs 11.6,p=0.11)和AIfat(中位数7.94 vs 7.95,p=0.80)上差异无统计学意义。
研究设计与样本
- 回顾性研究,纳入40例金属髋关节植入患者(女性30例,年龄范围54–93岁),排除对比剂延迟>150 s者2例及原始数据缺失者1例。
- 使用Aquilion ONE INSIGHT Edition(Canon Medical Systems)行CT扫描,管电压120 kVp,自动管电流调制SD设为13.0, beam pitch 0.813,机架旋转时间0.5 s。
- 重建方法包括DLR2+MAR、DLR1+MAR、HIR+MAR及DLR2-only,层厚3.0 mm、层间隔3.0 mm,视野35–40 cm。
- MAR算法为单能量金属伪影减少(SEMAR);DLR1为AiCE,DLR2为PIQE。
- 定量分析由1名9年经验放射科医师用ImageJ完成,定性分析由3名分别有6年、4年、2年经验的放射科医师独立完成。
关键影像表现/征象
- DLR2+MAR在膀胱、臀大肌、臀部脂肪ROI的SD显著低于DLR1+MAR、HIR+MAR和DLR2-only(p<0.01–0.02)。
- DLR2+MAR在无金属伪影区(髂腰肌和背侧脂肪)的SD显著低于DLR1+MAR和HIR+MAR,与DLR2-only差异边缘(髂腰肌中位数6.61 vs 6.64,p=0.049;背侧脂肪6.57 vs 6.58,p=0.040)。
- AImuscle和AIfat在DLR2+MAR最低,较HIR+MAR和DLR2-only显著降低;较DLR1+MAR无显著差异(AImuscle p=0.11,AIfat p=0.80)。
- DLR2+MAR对股动脉和直肠的显示评分显著高于其他+MAR方法(p<0.01–0.04),其余类别无显著差异(p=0.08–0.91)。
- 三名阅片者间一致性Kendall's W为0.67–0.77(定量分析中提及),定性分析各分类一致性0.61–0.80,属高度一致。
诊断标准与关键数值
- 盆腔结构显示采用5分法:5分完全显示,4分大部分清晰,3分中等清晰,2分模糊,1分无法辨认。
- 伪影减少评分5分法:5分无伪影,4分轻微,3分中等,2分小面积严重,1分大面积严重。
- 诊断可用性评分5分法:5分极好,4分良好,3分中等,2分欠佳,1分不可诊断。
- AImuscle为臀大肌与髂腰肌SD差值,AIfat为臀部脂肪与背侧皮下脂肪SD差值,AI越低表示伪影减少越好。
- 统计采用Wilcoxon符号秩检验,Holm校正多重比较,双侧p<0.05为有统计学意义。
临床应用与阅片要点
- DLR2+MAR可用于金属髋关节植入患者盆腔CT,以降低伪影区噪声并改善股动脉、直肠等结构的显示。
- 阅片时注意DLR2+MAR与DLR1+MAR在伪影指数上无显著差异,DLR2的优势主要体现在小口径结构(如股动脉)和不规则边缘区域(如直肠)的显示。
- DLR2-only在无MAR时仍可见金属植入物所致条纹伪影,不能替代MAR处理。
- 本研究所有图像均采用体部卷积核重建,未评估骨-植入物界面(如股骨和髋臼)。
局限性
- 回顾性设计可能引入选择偏倚,作者认为需前瞻性大样本验证。
- 样本量有限,无法按植入物类型、单侧vs双侧或是否使用对比剂进行亚组分析。
- 因难以识别同时具有特定病变和金属髋关节假体的患者,未评估病灶检测性能。
- 所有图像均使用体部卷积核重建,未包括骨-植入物界面(如股骨和髋臼)的评估。
- 其他厂商的类似先进DLR算法机制不同,本研究结果不能直接应用于其他厂商扫描仪获得的CT数据。
全文中译13 节 · 点击展开
引言
骨科植入物引起的金属伪影常常给常规诊断工作流程带来挑战。随着人口老龄化,接受髋关节置换手术的患者数量稳步增加[1]。然而,这些金属植入物经常在CT图像上产生条纹伪影,尤其是骨盆CT,这也是本研究的重点。这些伪影源于一种称为光子饥饿的现象,即金属显著衰减X射线束,导致到达探测器的光子计数不足,最终引起重建误差[2]。
为解决这一问题,多家CT厂商开发了金属伪影减少(MAR)算法,并已投入临床使用[3]。这些MAR算法通常遵循相似的底层原理。首先,从原始图像中分割出金属组件。然后,对仅含金属的图像进行前向投影,生成仅含金属的正弦图。随后,将正弦图中受金属影响的部分替换为从周围非金属数据得出的插值。从校正后的正弦图重建最终图像。MAR在含金属髋关节植入物的CT图像中已显示出改善图像质量的良好前景[4–7]。
约在2020年代,基于深度学习的重建(DLR)算法开始应用于商用CT扫描仪。DLR尤其值得关注的是其降低图像噪声的能力[8],有助于改善病变显示和检测性能,且不延长重建时间[9–11],这与迭代重建方法不同[12]。最近,第二代超分辨率DLR(DLR2)问世。该软件于2024年获得美国食品药品监督管理局批准[13],使用高空间分辨率CT图像进行训练[14],能够同时实现降噪和增强空间分辨率。这种超分辨率DLR的应用已在多个领域进行了研究[15–17]。当与MAR基于正弦图的伪影校正相结合时,DLR2有望进一步减少残余噪声并改善精细结构的可视化。然而,DLR2与MAR的联合效果尚未得到系统评估。
本研究旨在通过评估定量指标(包括标准差(SD)和伪影指数(AI))以及定性阅读者评分,评价DLR2与MAR联合应用于金属髋关节植入物患者CT图像中的效果。
材料与方法
患者选择
本研究经机构审查委员会批准,由于其回顾性设计,豁免了知情同意要求。纳入标准为2025年2月至2025年7月期间使用专用扫描仪接受CT检查的髋关节金属植入物连续患者。排除标准为对比剂延迟>150 s(因为对比剂排泄可能影响膀胱显示)和原始数据缺失。
CT扫描方案
所有患者均使用Aquilion ONE INSIGHT Edition(Canon Medical Systems,Otawara,日本)进行CT检查。CT扫描参数如下:管电压,120 kVp;管电流,使用自动管电流调制,标准差(SD)设定为13.0;束距,0.813;机架旋转时间,0.5 s。使用对比剂时,浓度和体积根据体重调整(600 mgI/kg),注射后扫描延迟为90–120 s。
金属伪影减少
作为MAR算法,我们使用了单能金属伪影减少(SEMAR)(Canon Medical Systems)。该算法识别并分割由金属植入物引起的失真数据投影,然后通过使用重复正向和反向投影及线性插值,将这些数据替换为校正值的近似值来进行修正[6, 18]。SEMAR算法的细节如图1所示。
图像重建
我们使用了Canon Medical Systems开发的两种DLR算法如下:DLR1(AiCE,高级智能清晰IQ引擎)、DLR2(PIQE,精确IQ引擎)。DLR1是第一代DLR算法,旨在区分信号特征与噪声。它使用高管电流采集的临床参考图像进行训练,并使用基于模型的迭代重建(考虑系统光学、系统物理、扫描仪统计特性和人体解剖结构的建模)进行重建[19]。DLR2是第二代超分辨率DLR算法,建立在DLR1的基础上,以在标准临床扫描条件下增强空间分辨率并保留信号特征。它使用超高清CT扫描仪(0.25 mm层厚)的参考图像进行训练[20]。此外,我们使用了常规混合迭代重建(HIR)算法(自适应迭代剂量降低3D,Canon Medical Systems)。
对于图像分析,我们比较了以下四种重建方法:DLR2联合MAR(DLR2 + MAR)、DLR1联合MAR(DLR1 + MAR)、HIR联合MAR(HIR + MAR)以及不使用MAR的DLR2(仅DLR2)。以下参数在四种方法中保持一致:层厚3.0 mm;层间隔3.0 mm;视野35–40 cm(根据体型调整);Z轴范围从髂嵴至坐骨结节。DLR2的像素分辨率为1024 × 1024,而DLR1和HIR为512 × 512,使用针对软组织对比度优化的厂商特定体部卷积核。
定量图像分析
一名放射科医师(T.T.,具有9年经验)使用ImageJ(http://imagej.nih.gov/ij)按照既往描述的方法[6, 7]进行了定量图像分析。在金属伪影最显著的层面上,将椭圆形感兴趣区(ROI)放置于膀胱、臀大肌和臀部脂肪内。在无金属伪影的层面上,也将ROI放置于髂腰肌和背部皮下脂肪内。膀胱ROI尽可能画得大,若存在对比剂排泄则予以避开。其余四个ROI每个大小至少为100 mm2,并放置于植入物的同侧(双侧植入物时选择右侧)。使用ROI复制粘贴功能以确保各ROI的位置和大小在不同算法间保持一致。记录这些ROI内衰减值的标准差(SD),以评估整体图像噪声和伪影。
此外,计算伪影指数(AI)以量化伪影成分,因为SD本身同时反映图像噪声和金属所致伪影。如既往所述[21],AI通过从无伪影区域的背景噪声中减去伪影成分来分离伪影成分。具体而言,AImuscle和AIfat的计算如下:
此处,SDgluteus、SDiliopsoas、SDgluteal和SDdorsal分别指臀大肌、髂腰肌、臀部脂肪和背部皮下脂肪内ROI的SD。AI越低对应于伪影减少越好。
定性图像分析
三名放射科医师(C.S、K.G和K.M.,分别具有6年、4年和2年经验)独立评估了4个盆腔结构(股动脉、膀胱、直肠、子宫/前列腺)的显示情况,采用5分制评分(5,完全显示;4,大部分清晰;3,中度清晰;2,模糊;1,无法辨认)。他们还评估了伪影减少程度(5,无伪影;4,轻度;3,中度;2,小面积严重;1,大面积严重)和诊断可用性(5,极好;4,好;3,一般;2,欠佳;1,不可诊断)。所有图像均使用ImageJ软件进行审阅。每幅图像的重建方法对读者设盲,显示顺序随机化。
统计分析
统计分析使用R软件(版本4.5.1)[22]进行。对于定量分析,由于Shapiro–Wilk检验不满足正态性,ROI的SD和AI采用Wilcoxon符号秩检验进行比较。对于定性分析,各重建方法的读者评分采用Wilcoxon符号秩检验进行比较,三名放射科医师间的评估者一致性采用Kendall协调系数(Kendall's W)评估。进行多重比较时,应用Holm校正。双侧p值< 0.05被认为具有统计学意义。
结果
患者选择
在排除对比剂延迟>150秒(n=2)和原始数据缺失(n=1)的病例后,最终纳入40例患者进行分析(表1)。植入物材料根据病历确定;在信息可得的病例中,所有识别的植入物(21/21)主要成分为钛(见补充材料S1)。关于辐射暴露,剂量长度乘积的中位数为8.0 mGy·cm(四分位距6.2–10.9 mGy·cm),CT剂量指数容积的中位数为573 mGy(四分位距411–770 mGy)。
定量图像分析
感兴趣区(ROI)内衰减值的标准差(SD)见图2A。在受金属伪影影响的区域(膀胱、臀大肌和臀部脂肪),DLR2 + MAR相比其他方法显示出显著更低的SD。在无金属区域(髂腰肌和背部脂肪),DLR2 + MAR相比DLR1 + MAR和HIR + MAR显示出显著更低的SD。然而,DLR2 + MAR与仅DLR2之间的SD差异较小,髂腰肌中位SD分别为6.61和6.64(p = 0.049),背部脂肪中位SD分别为6.57和6.58(p = 0.040)。在AImuscle和AIfat中(图2B),DLR2 + MAR在所有重建方法中显示出最低值,与HIR + MAR和仅DLR2相比观察到统计学显著的降低。比较DLR2 + MAR与DLR1 + MAR时观察到一致的趋势,AImuscle中位数分别为10.6和11.6(p = 0.11),AIfat中位数分别为7.94和7.95(p = 0.80)。
定性图像分析
定性分析结果总结于表2。DLR2 + MAR在所有类别中显示出最高评分,而在两个类别(股动脉和直肠)中与DLR1 + MAR和HIR + MAR相比观察到统计学显著差异。根据Landis和Koch标准[23],所有类别的评估者间一致性为高度一致(0.61–0.80)。重建CT图像示例见图3、4和5。
讨论
在本研究中,我们探讨了结合金属伪影减少(MAR)算法的第二代超分辨率深度学习重建(DLR2)能否改善金属髋关节植入物患者CT图像的图像质量和盆腔结构的可视化。我们采用定量和定性评估,将DLR2 + MAR与其他重建方法进行了比较,包括第一代DLR(DLR1)+ MAR、传统混合迭代重建(HIR)+ MAR,以及不使用MAR的DLR2(仅DLR2)。
多项研究探讨了金属伪影减少方法,包括采集参数优化、双能CT和端到端深度学习MAR技术[3]。虽然基本采集优化(高管电流、高管电压和较低螺距)可以抑制伪影,但会增加电离辐射风险。双能CT非常有效,但操作复杂,需要针对两个能级进行预扫描设置。相比之下,本研究中使用的MAR具有实用优势,因为它可以回顾性应用于已采集的图像。尽管端到端深度学习MAR是一个活跃的研究领域[24–26],但尚未在临床CT系统中实施。迄今为止,很少有研究考察市售DLR与MAR的整合。一项先前的研究探讨了第一代DLR(DLR1 = AiCE)联合MAR用于髋关节植入物[27]。我们的研究在探讨第二代超分辨率DLR(DLR2 = PIQE)联合MAR的临床潜力方面具有独特性。
在定量分析中,DLR2 + MAR在所有受伪影影响的感兴趣区(膀胱、臀大肌和臀部脂肪)中产生了最低的SD(图2A)。然而,由于DLR算法本身在降低随机图像噪声方面具有固有效果[28],较低的SD并不一定表明真正的伪影抑制。因此,我们采用了此前用于金属伪影研究的伪影指数(AImuscle和AIfat)[29, 30],该指数衡量受伪影影响区域与无伪影对应区域之间SD的平衡。该方法显示,DLR2 + MAR和DLR1 + MAR均优于HIR + MAR(图2B)。该结果证明DLR在减轻随机噪声和残余金属伪影方面优于传统HIR。残余金属伪影是MAR处理后仍存在的衰减波动,偶尔由散射和边缘效应引起[31]。
尽管AImuscle和AIfat在DLR2 + MAR与DLR1 + MAR之间无显著差异,但这两种DLR算法的设计不同。DLR1(AiCE)主要针对噪声抑制进行优化,而DLR2(PIQE)使用超高分辨率CT数据(0.25 mm层厚)进行训练,以在保持去噪性能的同时增强空间分辨率[20]。既往研究已显示DLR2在显示精细解剖结构方面的优势,如冠状动脉支架内再狭窄[32]和肾上腺[33]。与这些报道一致,我们的定性分析显示,DLR2 + MAR在描绘小口径结构(如股动脉)和边缘不规则区域(如直肠)方面优于DLR1 + MAR(表2),凸显了其在盆腔CT中检测细微病变的潜在临床优势。
MAR的效果因解剖区域而异。在膀胱和臀大肌中,+ MAR重建显示比仅DLR2更低的SD(图2A)。相反,在臀部脂肪中,仅DLR2的SD降低超过了HIR + MAR,尽管差异无统计学意义。这一模式与Chen等[7]的发现一致,他们报道SEMAR使膀胱SD降低64%(从39.6降至14.3 HU),但皮下脂肪SD仅降低38%(从34.6降至21.3 HU)。一种可能的解释是臀部脂肪相对远离髋部植入物,因此受金属伪影影响较小。事实上,在图2A中,仅DLR2用于臀部脂肪的须线(代表数据范围)比臀大肌(位置更靠近髋部植入物)或膀胱(易受双侧髋部植入物引起的强暗带伪影影响,如图3所示)的须线更短。
关于辐射暴露,本研究的CT扫描采用标准剂量方案采集。如人口学表(表1)所示,接受髋部植入物的人群往往年龄较大,使辐射暴露的相对影响在临床上不太显著。尽管如此,既往研究已显示DLR可使头部CT和冠状动脉CT分别降低25%和43%的剂量,同时保持图像质量[15, 34]。未来研究应探索联合DLR和MAR时辐射剂量可降低的程度。
本研究存在若干局限性。第一,回顾性设计可能引入选择偏倚。然而,令人鼓舞的研究结果支持有必要在更大队列中进行前瞻性验证。第二,样本量有限,无法按植入物类型、植入物侧别(单侧 vs. 双侧)或对比剂使用情况(使用 vs. 未使用)进行亚组分析。第三,由于难以识别同时具有特定病变和金属髋关节假体的患者,未评估病灶检测性能。第四,由于所有图像均使用体部卷积核重建,未纳入对骨-植入物界面(如股骨和髋臼)的评估。第五,虽然其他厂商也提供类似的先进深度学习重建(DLR)算法,但其具体机制不同。因此,本研究结果不能直接应用于其他厂商扫描仪获得的CT数据。
总之,DLR2 + MAR在定量和定性分析中均显示出良好结果。该组合增强了金属髋关节植入物患者CT图像中精细骨盆结构的可视化,从而有助于更准确地评估骨盆解剖结构并提高诊断信心。
补充信息
以下是电子补充材料的链接。ESM 1(DOCX 27.8 KB)
引用
- Takaishi T, Yasaka K, Miyamoto K, et al. Diagnostic value of a second-generation super-resolution deep learning-based reconstruction combined with a metal artifact reduction algorithm for pelvic CT. Skeletal Radiol. 2025. PMID: 41240086. doi:10.1007/s00256-025-05080-4
- 全文:PMC12891154(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC12891154/
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。