c成像中重建算法的改进

c成像中重建算法的改进

现在，随着ct技术的快速发展，尤其是多排螺旋ct的出现，临床疾病的诊断水平显著提高。然而，辐射剂量对暴露于辐射人群的潜在危害也越来越受到重视。1ct图像重建算法近年来,重建算法的改进成为CT低剂量研究的重要内容,常用的CT图像重建算法主要包括解析重建(analyticreconstruction,AR)算法和迭代重建(iterativereconstruction,IR)算法。1.1fbp算法AR算法具有分辨率高和成像速度快等优点,对采集数据的完备性要求也比较高。在AR中,以滤波反投影(filteredback-projection,FBP)算法最具代表性,应用也最为广泛自CT被引入临床以来,FBP算法一直被作为CT图像重建方法的基础和“金标准”,但该算法要求投影数据完备且精确定量,同时,该算法易受统计波动的影响,投影数据量如果不足时,重建的图像质量就会明显下降,因此为保证完备的投影数据量以确保能重建出达到临床诊断要求的图像,该算法对CT的辐射剂量也要求较高1.2ct的发展IR算法可以有效地克服FBP算法所固有的问题,此算法在CT发展的早期已经出现,但由于计算量较大,以及早期计算机技术的限制,在很长一段时间内发展停滞不前。近年来,得益于计算机技术的飞速进步,IR算法重新成为研究的热点。2x-ct成像建模(1)IR算法的基本原理是对于某个重建视角,首先在估计的物体图像上通过“前向投影”模拟一个综合投影,这是对沿着该视角衰减的第一次估计,但存在较大误差。这种估计尽可能地模拟真实CT系统中X射线光子穿过物体并到达探测器的过程,通过将X射线光子的初始位置设置在一个小区域而非单独的点来模拟有限的焦点大小;在X射线光子和物体相互作用的建模过程中,通过计算光子在轻微不同方向和位置进入体素的路径长度来考虑重建像素的大小和尺寸(而不是一个假想的点);采用相同的方式,探测器单元的大小和形状通过探测器响应函数来建模(如图1所示)(2)将综合投影与探测器采集的实际测量值进行比较检验,两者之间的差异代表了当前估计需要校正的误差,并对当前估计得到的图像进行校正。再将校正后的图像带入模型进行下次综合投影模拟,并与实际测量值再次进行检验和校正。通过如此的反复迭代计算,对图像信息进行不断地检验和修正,直到误差降到最低,将修正的图像确定为最终的重建图像。在图像校正过程中,除了采用建立系统光学模型,还采用了系统统计模型,该模型分析每个独立光子的统计波动的特征,并与正确的统计分布进行比较,有效地降低了统计波动引起的图像噪声(如图2所示)。3r算法的技术进步3.1asirr重建技术2008年,GE公司首先推出基于系统统计模型的自适应统计迭代重建(adaptivestatisticaliterativereconstruction,ASiR)技术,该重建技术通过首先建立噪声性质和被扫描物体的模型,并利用迭代的方法对噪声加以校正和抑制,得到更清晰的图像。ASiR技术可以显著降低重建图像的噪声,改善图像质量,与FBP算法相比,下降了约50%的扫描剂量3.2图像空间迭代重建技术自ASiR技术推出并应用于临床后,多家CT制造商均在加紧迭代重建算法的研究,陆续推出类似技术,如西门子公司的图像空间中的迭代重建(iterativereconstructioninimagespace,IRIS)3.3itratortereconstractor系统光学模型继第一代迭代重建技术推出并取得良好的临床应用之后,2011年,GE公司推出基于模型的迭代重建(model-basediterativereconstruction,MBIR)技术,与第一代迭代重建技术不同的是,MBIR技术除了建立系统统计模型之外,还建立了系统光学模型,体素、X射线光子初始位置和探测器几何因素均通过模型进行模拟,真实地还原了X射线从投射到采集的过程,其中计算量最大的部分是系统光学模型的建立,其价值主要体现在提高重建图像的空间分辨率(如图4所示)。3.4声和降压机技术为了进一步提高模型的准确性,还加入了去除硬化伪影和金属伪影的技术。除了显著地减小噪声和降低剂量以外,该技术可以自适应地识别区分重建组织的类型,如骨(高频信息)和软组织(低频信息)等,保留了图像的细节信息,空间分辨率和对比度进一步提高。模体实验证实,与FBP技术相比MBIR技术在保证同样图像质量的前提下,剂量可以降低67%~82%4重复重建技术的分类按照迭代计算中所利用的数据空间的不同,迭代重建技术分为3类。4.1图像滤波处理如IRIS,对原始数据按照传统的FBP法重建之后,再根据噪声模型对获得的FBP图像进行滤波处理,以降低噪声和伪影。这种方法运算较快,计算时间仅稍长于FBP法,但由于基于图像空间进行处理,不可避免地具有FBP法的局限性。4.2噪声重建和校正如ASiR、SAFIRE、iDose4和AIDR3D。首先对投影数据以FBP法进行重建,将获得的图像数据与基于统计的、考虑到光子和电子噪声的理想噪声模型进行比较和校正,再将校正之后图像通过正投影更新原始投影数据,进行一下次迭代计算。如此进行多次迭代计算,获得最终的图像,这种方法重建速度也较快,但由于仅考虑的噪声模型,同样具有局限性。4.3建立数学模型如MBIR(即Veo技术)。对X射线束从焦点到探测器的整个X射线光学采集过程建立多个模型,焦点、X射线束、体素和探测器的几何形状均等因素被纳入模型,这种方法的模型复杂,计算量相应也最大,重建所需的时间也相对较长。4.4asir-v在低剂量和迭代重建试验中的性能对比2013年,GE公司推出了应用于RevolutionCT的最新一代迭代重建平台—ASiR-V。ASiR-V结合了ASiR的实时重建优势和VEO的多模型迭代优势,采用了更为先进的系统噪声模型、被扫描物体模型和物理模型。对VEO的模型进行了简化,减小了重建的计算量,提高了重建速度。ASiR-V技术中先进的系统噪声模型所考虑的因素包括数据采集系统(dataacquisitionsystem,DAS)中的光子噪声和电子噪声,以及重建图像的噪声谱,主要用于降低噪声,提高低密度对比度,被扫描物体和物理模型可以减少图像伪影。利用国际医学成像和技术协会以及美国食品药品管理局所推荐的MITA-FDACTIQ体模对ASiR-V的性能进行测试后得出结论:对比FBP,ASiR-V可以降低多达82%的辐射剂量。高剂量FBP重建和低剂量ASiR-V重建对4个不同低对比物体的分辨能力(AreaUnderCurve,AUC)的对比如图5所示。图5显示,低剂量条件下的ASiR-V图像质量高于常规剂量条件下的FBP图像。在另一项试验中显示,在相同的剂量条件下,与FBP相比,ASiR-V可以对低对比分辨率(low-contrastdetectability,LCD)提高135%。在临床试验中,ASiR-V同样可以显著地降低胸部图像和腹部的图像噪声(如图6所示)。传统的迭代重建算法在降低噪声时往往会导致图像空间分辨率的降低。ASiR-V由于在迭代过程中纳入了被扫描物体模型和物理模型,在降低剂量的同时可以保持空间分辨率不变;在相同的剂量条件下,与FBP相比,ASiR-V有提高空间分辨率的能力。已有研究结果显示,在腹部CT中,与ASiR相比,ASiR-V可以在其降低辐射剂量基础上进一步(35%)降低辐射剂量5临床应用各领域的临床应用迭代重建技术已经在头颈部、胸部、腹部以及心脏等多个领域取得了广泛的临床应用。在头部CT扫描中,新型的探测器和迭代技术的联合应用会极大降低辐射剂量胸部低剂量扫描是近年来临床肺部筛查的热点,May等6结论:低能量图像的联合研究随着CT血管造影的日渐普及,业界对对比剂的危害愈加重视,由于高浓度碘对比剂带来的不良反应,如何合理地降低对比剂用量成为目前的研究热点。为此,很多研究者开始了低浓度对比剂结合低辐射剂量(双低)的联合研究。目前,在双低研究中,降低辐射剂量的主要方法是通过降低管电压,或者通过能量成像的方法获得低keV图像的方法,低能量图像中由于更接近碘的K-edge效应,碘的强化效果更好,可以弥补对比剂用量降低带来的不足。但是,