文献速递腹部技术与安全CT

深度学习重建对腹部CT密度测量和图像质量的影响:系统综述与Meta分析

The effect of deep learning reconstruction on abdominal CT densitometry and image quality: a systematic review and meta-analysis.
PubMed 文献 · Eur Radiol · 2021-12-15

该系统综述与Meta分析检索PubMed和Embase至2021年5月10日,纳入16篇文章,其中6篇适合Meta分析,比较滤波反投影、混合迭代重建与深度学习重建的腹部CT值及图像质量。结果显示三种重建技术在腹部器官的CT值上无显著差异,深度学习重建相比滤波反投影和混合迭代重建显示显著更高的信噪比和对比噪声比。

要点

  • 肝脏混合迭代重建与深度学习重建CT值平均差为-0.633 HU(p=0.483,SD±0.902 HU),无显著差异。
  • 脾脏平均差-0.099 HU(p=0.925,SD±1.061 HU),胰腺平均差-1.372 HU(p=0.353,SD±1.476 HU),均无显著差异。
  • 所有比较中深度学习重建的对比噪声比显著更高;9篇文章中信噪比除1篇外均显著更高。

核心结论

  • 滤波反投影、混合迭代重建和深度学习重建在腹部器官重建的CT值无显著差异,表明这些技术在重建CT值方面具有一致性。
  • 深度学习重建图像相比滤波反投影和混合迭代重建显示显著更高的信噪比和对比噪声比。
  • 所有评估肝脏诊断信心的5项研究中,GE Healthcare深度学习重建的置信度显著高于混合迭代重建(如3.75 vs 4.0,p<0.05)。

研究设计与样本

  • 系统综述与Meta分析,按PRISMA指南进行,检索PubMed和Embase至2021年5月10日,无起始日期限制。
  • 最终纳入16篇文章,其中6篇适合Meta分析;所有研究为回顾性或前瞻性研究,使用相同原始数据重建不同技术图像。
  • Meta分析纳入6篇使用GE Healthcare ASiR-V 30–50%(混合迭代重建)和TrueFidelity(深度学习重建)的研究。
  • 质量评估采用自制量表(0–18分),12篇评为高质量,4篇为中等质量。

关键影像表现/征象

  • 肝脏混合迭代重建与深度学习重建CT值平均差为-0.633 HU(p=0.483,SD±0.902 HU)。
  • 脾脏平均差为-0.099 HU(p=0.925,SD±1.061 HU)。
  • 胰腺平均差为-1.372 HU(p=0.353,SD±1.476 HU)。
  • 所有Meta分析异质性低(I2=0%)。
  • 三项重建技术(滤波反投影、迭代重建、深度学习重建)获得的肝脏、脾脏和脂肪组织平均CT值在±0.3 HU(绝对差)和±1.3%(相对差)以内。

诊断标准与关键数值

  • 诊断信心采用5分制评估:1=不可接受,2=次优,3=可接受,4=好,5=优秀。
  • 肝脏诊断信心混合迭代重建 vs 深度学习重建:Cao等(3.75 vs 4.0,p<0.05)、Jensen等(4.20 vs 4.72,p<0.05)、Kaga等(3.92 vs 4.29,p<0.0001)、Li等(2.98 vs 3.59,p<0.002)、Noda等(3.1 vs 4.1,p<0.001)。
  • 对比噪声比在14篇文章中描述,所有情况下深度学习重建均显示显著更高。
  • 信噪比在9篇文章中描述,除Wang等在肥胖患者中50%深度学习重建与混合迭代重建无显著差异外,其余均显示深度学习重建显著更高。

临床应用与阅片要点

  • 深度学习重建可安全应用于临床,在不影响CT值的情况下改善图像质量。
  • 深度学习重建的性能高度依赖于训练算法所用数据集,需要代表所有患者的异质性数据集来证明对所有患者组的准确性。
  • 混合迭代重建数据用于Meta分析时水平在30–50%之间,该范围最能代表混合迭代重建技术。
  • 多数研究使用对比增强CT,在对比增强CT中CT值差异较非对比CT更不重要,因为非对比CT的CT值范围小。
  • PixelShine由Steuwe等描述,非CT厂商开发,尚未获FDA批准,且不清楚图像是从原始数据重建还是以滤波反投影或迭代重建图像作为输入。

局限性

  • Meta分析仅纳入使用GE Healthcare混合迭代重建和深度学习重建的研究,结论仅适用于GE的重建技术,其他厂商需更多研究确定。
  • 比较深度学习重建与滤波反投影的文章较少,无法对这些重建技术进行Meta分析。
  • 仅Noda等报告脾脏深度学习重建CT值较低,但差异不显著。
  • 纳入Meta分析的研究间扫描方案存在小差异,但所有研究管电压相似,不影响CT值比较。
  • 纳入研究的地域分布:欧洲1篇、东亚13篇、北美2篇,东亚患者平均体重倾向于低于世界其他地区,西方文化中肥胖率更高,线束硬化可能更多影响图像重建及CT值准确性。
全文中译15 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. 2021 Dec 15;32(5):2921–9. doi: 10.1007/s00330-021-08438-z

引言

计算机断层扫描(CT)获取人体内部组织的图像。X射线管发射的光子与人体组织相互作用,因光电效应被吸收或因康普顿散射而被散射。初始光子束的一部分离开患者身体,并在CT X射线管对侧被检测到。入射强度与出射强度之间的比值与衰减系数相关,衰减系数构成了一种材料特异性属性。因此,通过重建每个体素(三维图像中的像素)的衰减系数,可以以非侵入性方式进行组织的成像和识别。然而,由于各种软组织的衰减系数值彼此接近,尤其是在腹部,因此引入了亨氏单位(HU),这是一种相对于水密度的度量。这些以HU表示的CT值通过以下公式计算:

为了将CT扫描仪的衰减测量值重建为HU并以适合临床诊断的可理解图像显示,提出了一种迭代数据重建方法。该技术模拟了CT系统,并基于该模型,针对影响衰减测量的各种因素(例如估计剂量或噪声效应)迭代调整测量数据。然而,由于数据量大且缺乏足够的计算能力,迭代重建(IR)无法胜任临床实践[1]。

取而代之的是,引入了一种计算需求较低、因而速度更快的重建技术——滤波反投影(FBP)。这种重建技术几十年来一直是最常用的技术,直到社会对辐射引起的健康影响(如肿瘤形成)的认识日益增强。因此,一种新的重建技术被引入,该技术允许在低剂量CT测量的同时保持图像质量方面的信噪比(SNR)和对比噪声比(CNR)[2]。这种重建技术类似于最初提出的IR方法,但它是FBP和完整IR的组合,因此被称为混合IR。然而,放射科医生偶尔会将混合IR重建的CT图像评估为看起来过于人工化,因为混合IR并未对完整的CT系统进行建模[3–5]。尽管如此,近年来计算能力的进步和人工智能的使用使得应用完整IR成为可能。完整IR也被称为基于模型的重建(MBIR),因为它包含一个模拟CT系统的模型,包括其光子束形成原理以及可能使其变形的若干因素,例如焦点尺寸或束硬化效应。MBIR的特征是在每个迭代周期中使用反向和正向投影步骤。该方法能够通过与估计的人工数据进行比较来优化真实数据,估计的人工数据在每个新周期中更新。这些比较被迭代进行,直到真实数据无需再做修正,或直到达到最大迭代次数[4]。

深度学习重建(DLR)利用基于模型的迭代重建(MBIR)这一基础来进一步改善图像质量。深度学习是人工智能的一个子集,利用卷积神经网络(CNN)从输入数据本身进行学习。这些CNN在高品质标注CT图像上进行训练,并在临床环境中从无标注数据中学习,就如同放射科医师在工作中接受培训一样。与滤波反投影(FBP)或混合迭代重建(IR)相比,CNN能够更好地区分噪声与信号,因此在保持图像质量和细节保留的同时,可实现更大程度的剂量降低[6]。DLR技术目前正被引入临床实践,但这些算法是否被正确应用仍需仔细研究。尤其对于腹部CT扫描的应用——其中低对比度分辨率至关重要——CT值的正确重建非常重要。由于DLR模拟完整的CT系统,与FBP和混合IR技术相反,人们可能会认为DLR进行的CT重建在某些组织上可能产生与使用FBP或混合IR不同的CT值。当DLR重建的CT值与FBP或混合IR差异较大时,这可能导致严重并发症,即某些诊断方法中已确立的截断值将不再适用于DLR重建的CT图像,从而导致漏诊[7]。因此,在本系统综述和荟萃分析中,我们旨在评估DLR重建CT值与FBP或混合IR重建CT值之间的差异。此外,我们还比较了这三种重建技术的图像质量。

方法

本系统综述和荟萃分析按照系统综述和荟萃分析首选报告项目(PRISMA)指南进行[8]。

文献检索

检索PubMed和Embase数据库以查找描述一种或多种CT图像重建技术性能的研究。使用以下检索词:(“CT Densitometry” OR(“Densitometry” AND “Tomography, X-Ray Computed”))AND “Hounsfield Units” AND(“Filtered Back Projection” OR “Iterative Reconstruction”)AND(“Artificial Intelligence” OR “Deep Learning”)AND “Abdomen”。完整检索式见附录A。未设定检索起始日期;文献检索更新至2021年5月10日。

排除标准

所有研究的标题和摘要由两名研究者独立且盲法筛选。若两名研究者对纳入或排除意见不一致,由第三名研究者做出最终决定。若标题明确表明未描述CT密度测定,则排除该文献。

摘要筛选的排除标准如下:(1)未描述FBP、混合IR或DLR;(2)关于分割的文章;(3)未特指腹部;(4)未描述密度测定;(5)全文无法以英文或荷兰文获取。全文合格性评估的排除标准如下:(1)未描述CT值、SNR或CNR;(2)未描述腹部器官的DLR。

质量评估

所有纳入研究均采用自制质量评估(QA)进行评价。QA量表的各个条目对所有作者评估质量均有价值。每项研究被赋予0–18分的评分范围。以下方面计分:(1)研究设计;(2)数据收集;(3)样本;(4)统计分析;(5)资金;(6)材料描述;(7)DLR与FBP/IR比较;(8)感兴趣区(ROI)描述。该列表还包含其他定量研究QA量表的条目[9]。若问题答案为“是”则计1分。所有问题列表见附录B。评分≤6分者归类为低质量研究,7–11分为中等质量研究,≥12分为高质量研究。

描述性分析

描述性数据由两位作者独立提取。概述了不同重建技术之间CT值、SNR和CNR的差异。报告了研究间的变异。肝脏主观图像质量数据由一位作者提取。由两位放射科医师对同一厂商混合迭代重建(IR)和DLR的平均诊断信心进行评估,采用1至5分制,其中1=不可接受,2=欠佳,3=可接受,4=良好,5=优秀。

数据提取

仅当某厂商的设备在超过一项纳入研究中使用时,才提取其CT值数据进行荟萃分析。为排除厂商重建算法之间的差异,按厂商分别进行荟萃分析。提取在多项纳入文献中检查的所有器官的CT值均值和标准差。当图像由多位放射科医师审阅时,提取经验最丰富者的数据。平均差异通过从混合IR重建值中减去DLR重建的CT值来计算。

统计分析

数据使用OpenMeta[Analyst] [10]软件10.12版采用随机效应模型(DerSimonian-Laird法)进行分析。通过计算I2统计量评估统计学异质性。低异质性定义为I2 < 50%。统计学显著性定义为p < 0.05。结果以森林图汇总。

结果

研究选择

在PubMed和Embase中的检索分别获得178项和148项研究。排除重复文章后,共获得217项研究。随后筛选所有标题,排除155篇文章。之后筛选摘要,根据预先确定的排除标准排除33项研究。有若干研究因超过一项标准而被排除。最终,共28项研究进行全文审阅。其中,9项研究因缺乏HU、SNR或CNR作为结局指标而被排除,3项研究因未描述腹部器官的DLR而被排除。最终,16篇文章纳入系统评价。在这16篇[11–26]中,6篇[13, 15–18, 21]纳入荟萃分析(图1)。

图1 文献检索流程图。FBP=滤波反投影。IR=迭代重建。DLR=深度学习重建。HU=亨斯菲尔德单位。SNR=信噪比。CNR=对比噪声比 查看原图 ↗

研究特征

全部16篇文章均为回顾性或前瞻性研究。所有纳入研究均将深度学习重建(DLR)与另一种重建技术进行比较,或为混合迭代重建(IR)技术、或为滤波反投影(FBP)、或两者兼有。在所有研究中,图像均采用不同技术重建,同时使用相同的原始图像数据。表1总结了每项研究的特征,如患者数量、所比较的重建技术以及所描述的定量结局指标。

每项研究的对比噪声比(CNR)公式见表1。纳入荟萃分析的全部6篇文章均试图确定混合IR和DLR的图像质量。研究目标具有相似性,见表1。

在全部6项研究中,图像质量由两名对图像重建不知情的放射科医师独立评估。层厚在1.25至5.0 mm之间变化。6篇文章中有3篇在不同重建技术之间采用了联动放置感兴趣区(ROI)。

表1 纳入研究的特征 查看原表 ↗

质量评估

质量评估结果总结于表2。各研究具体评分的完整概览见附录B。所有纳入研究均报告了CT扫描方案。此外,所有研究均将DLR与混合技术进行了比较。4项研究将FBP与DLR进行了比较。共有12项研究被评为高质量,4项研究被评为中等质量。

表2 纳入研究的质量评估 查看原表 ↗

描述性结果

Kaga等和Park等显示,DLR中肝组织的平均CT值在统计学上显著高于混合IR [16, 22]。然而,这些差异在临床上不相关,最大差异为0.5–0.6 HU。纳入荟萃分析的所有其他研究均未发现在肝脏、脾脏、胰腺或肾皮质中测量的CT值在不同重建技术之间存在显著差异。Kim等指出,DLR图像的CT值更倾向于高于混合IR [17]。

Akagi等(2019)、Li等、Steuwe等和Wang等将FBP与DLR进行了比较 [12, 18, 24, 25]。这些研究中发现的平均CT值差异在腹部器官中无统计学意义。

Steuwe等描述,在脾脏组织中,DLR与IR比较差异有统计学意义(p = 0.007);其他腹部组织在这些重建技术之间无显著差异。三种重建技术(FBP、IR和DLR)获得的肝脏、脾脏和脂肪组织的平均CT值在± 0.3 HU(绝对差异)和± 1.3%(相对差异)以内 [24]。Zeng等也显示低剂量DLIR与低剂量IR之间肝脏和脂肪组织的平均CT值无统计学差异(平均CT值差异分别为0.3 HU(p = 0.837)和1.8 HU(p = 0.118))[26]。

比较DLR与FBP或混合IR的CNR的14篇文章均显示DLR的CNR显著更高。虽然Wang等显示在肥胖患者中50% DLR与混合IR之间的信噪比(SNR)无显著差异 [25],但所有其他SNR均为DLR显著更高。提及SNR的其他8篇文章显示所有检查器官的SNR均显著更高。

定量结果

六篇文章报告了GE Healthcare的ASiR-V 30–50%(混合迭代重建)和TrueFidelity(深度学习重建)重建技术的CT值,因此这些论文被纳入荟萃分析[13, 15–18, 21]。对肝脏、脾脏和胰腺的CT值进行了分析。六项研究均检查了肝脏,五项纳入了脾脏,仅两项研究测量了胰腺的CT值。

在肝脏中,混合迭代重建与深度学习重建之间的平均差异为−0.633 HU(p = 0.483,SD ± 0.902 HU)(图2)。在脾脏中,混合迭代重建与深度学习重建之间的平均差异为−0.099 HU(p = 0.925,SD ± 1.061 HU)(图3)。在胰腺中,混合迭代重建与深度学习重建之间的平均差异为−1.372 HU(p = 0.353,SD ± 1.476 HU)(图4)。未发现显著差异。所有荟萃分析均显示低异质性(I2 = 0%)。

描述肝脏诊断信心的五项研究全部显示,由经验丰富的放射科医师评定,GE Healthcare的深度学习重建的诊断信心显著高于混合迭代重建。混合迭代重建与深度学习重建比较的五分制结果如下:(3.75 vs 4.0,p < 0.05)Cao等[13],(4.20 vs 4.72,p < 0.05)Jensen等[15],(3.92 vs 4.29,p < 0.0001)Kaga等[16],(2.98 vs 3.59,p < 0.002)Li等[18],以及(3.1 vs 4.1,p < 0.001)Noda等[21]。

图2 肝脏平均CT值差异(95% CI)的森林图 查看原图 ↗
图3 脾脏平均CT值差异(95% CI)的森林图 查看原图 ↗
图4 胰腺平均CT值差异(95% CI)的森林图 查看原图 ↗

讨论

尽管结果不显著,但结果显示深度学习重建的平均CT值高于混合迭代重建的趋势。Kim等甚至报告了肝脏的平均差异为−5.2 HU [17]。然而,这一趋势仅适用于GE Healthcare的重建技术。需要更多研究来确定其他厂商是否如此。与混合迭代重建和滤波反投影相比,深度学习重建导致显著更高的对比噪声比和信噪比。主观图像质量结果支持深度学习重建。经验丰富的放射科医师评定的肝脏诊断信心较高,这令人鼓舞。然而,需要对其他腹部器官的诊断信心进行更多研究,以提供完整的概况。

仅Noda等报告了深度学习重建在脾脏中较低的CT值,但差异也不显著[21]。在文献检索过程中,一项研究(Matsukiyo等[27])被排除,因为该研究评估的是腹部动脉而非器官。然而,该研究比较了混合迭代重建与深度学习重建,并显示两条动脉的重建CT值存在显著差异。在此,深度学习重建图像的CT值显著更高。该研究使用了Canon Medical Systems Corporation的CT扫描仪。我们荟萃分析纳入的研究之间在扫描方案上存在微小差异,但不影响CT值比较,因为所有研究的管电压相似。

遗憾的是,仅纳入了少数几篇将深度学习重建(DLR)与滤波反投影(FBP)进行比较的文章[18, 23–25]。因此,无法对这些重建技术进行荟萃分析。所有纳入FBP的文章均描述DLR的图像质量优于FBP和迭代重建(IR)。大多数文章研究了DLR与其他重建技术在信噪比(SNR)、对比噪声比(CNR)和病灶检测方面的差异,并得出结论:DLR在低剂量CT成像中表现良好。鉴于DLR图像质量更优且与其他重建技术相比CT值无差异,推荐将DLR用于基于CT密度测定的临床诊断。

DLR的一个重要方面是其性能高度依赖于用于训练算法的数据集。需要一个能代表所有患者的异质性数据集来证明其对所有患者组的准确性。发现一项在欧洲进行的研究[24]。其他研究在东亚(n = 13)[11–14, 16–22, 25, 26]和北美(n = 2)[15, 23]进行。在东亚研究中,患者组的平均体重往往低于世界其他地区。由于西方文化中肥胖率较高,线束硬化在这些文化中对图像重建的影响更大,从而影响CT值的准确性。

如果混合水平在30%至50%之间,我们使用混合IR数据进行荟萃分析。该范围最能代表混合IR技术。更高的水平将导致更高比例的基于模型的IR技术,而这并非预期的重建技术。

纳入荟萃分析的研究在图像评估方法上存在差异。层厚可能影响SNR、CNR和诊断信心,因为增加层厚会导致噪声水平降低。感兴趣区(ROI)的形状和大小不尽相同,也可能影响SNR、CNR和诊断信心。

在所有纳入的研究[11–16, 18–23, 26]中,除Kim等、Steuwe等和Wang等[17, 24, 25]外,均使用了增强CT。在增强CT中,与平扫CT相比,每次扫描或每种重建技术之间CT值的差异不太相关,因为平扫CT的CT值范围较小。当该范围较小时,进行准确的CT值测量更为重要。

Steuwe等[24]描述的PixelShine并非由CT厂商开发,而所有其他重建技术均由CT厂商开发。尽管PixelShine使用深度学习算法降低图像噪声,但尚不清楚图像是从原始数据重建的还是该算法使用FBP或IR重建图像作为输入。此外,该重建技术尚未获得美国食品药品监督管理局(FDA)的批准[6]。

本系统综述未纳入体模研究,因为体模缺乏腹部特征。然而,体模研究可用于确定单一重建技术CT值的均匀性和有效性。CT均匀性要求在对均匀材料进行扫描时,平均CT值不依赖于图像内的位置。这在评估重建技术的准确性时很重要。需要更多关于均匀性和有效性的研究,以便更好地比较不同重建技术。体模研究还可用于确定变化的管电流或管电压是否影响CT值。

总之,本系统综述和荟萃分析未发现滤波反投影(FBP)、混合迭代重建(IR)和深度学习重建(DLR)重建的腹部器官CT值存在显著差异。这表明这些重建技术在重建CT值方面是一致的,因此可以安全地应用于临床环境。此外,DLR图像的对比噪声比(CNR)和信噪比(SNR)显著高于FBP和混合IR图像。然而,描述FBP的研究数量有限,且荟萃分析仅纳入了描述GE混合IR和DLR的研究。因此,需要更多研究来确定相同结论是否适用于FBP与DLR的比较以及其他CT厂商。

补充信息

以下是电子补充材料的链接。补充文件1(DOCX 26 KB)

引用

  1. van Stiphout JA, Driessen J, Koetzier LR, et al. The effect of deep learning reconstruction on abdominal CT densitometry and image quality: a systematic review and meta-analysis. Eur Radiol. 2021. PMID: 34913104. doi:10.1007/s00330-021-08438-z
  2. 全文:PMC9038933(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC9038933/

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。