Gemstone Energy Spectral CT Multimodal Technique for Diagnosis of Acute Ischemic Stroke
-
摘要:
目的：探索宝石能谱CT多模态检查在急性缺血性脑卒中的临床应用效果。方法：回顾性分析本院58例急性缺血性脑卒中患者能谱CT平扫、CTA及CTP图像，观察多模态64排能谱CT在诊断急性缺血性脑卒中的作用。结果：①能谱CT平扫患侧脑碘（水）值、水（碘）值含量明显低于健侧，结果存在显著差异，其余能谱曲线斜率及能谱CT值两个指标无明显差异；②能谱CT动态CTP显示58例患者中，55例（94.83％）患者存在灌注异常，患侧和对侧的 MTT、TTP及CBF等指标都存在明显差异，CBV无明显差异；③利用CTP原始图像重建的CTA原始轴位图显示颅内血管4～5级分支血管清晰，三维重建图显示血管结构清晰，可达到诊断要求。结论：能谱CT多模态技术在急性缺血性脑卒中诊断中，可快速发现梗死责任血管、分辨梗死及缺血区，检查速度快、参数多，具有重要临床价值。
Abstract:Objective: To explore the clinical application of multi-modal gemstone spectral CT in acute ischemic stroke. Methods: The spectral noncontrast CT, CTA and CTP images of 58 patients with acute ischemic stroke in our hospital were retrospectively analyzed, and the effect of multi-modal 64 spectral CT in the treatment of ischemic stroke was observed. Results: (1) The iodine (water) value and water (iodine) content of the affected side were significantly lower than those of the contralateral side in spectral noncontrast CT, which showed significant difference while there were no significant differences in the other two indexes of slope of energy spectrum curve curve and spectral CT value. (2) Spectral CT dynamic CTP showed that among the 58 patients, 55 (94.83%) patients had abnormal perfusion, and there were significant differences in MTT, TTP, CBF and other indexes between the affected side and the contralateral side, but no significant difference showed in CBV. (3) The original axial CTA image reconstructed by the original CTP images showed clear vessels of grade 4-5 branches of intracranial vessels. The three-dimensional reconstruction image showed clear vascular structure and slightly rough wall, which could meet the diagnostic requirements. Conclusion: In the dignosis of acute ischemic stroke, multi-modal spectral CT technology has important clinical value, which not only can quickly locate the infarct responsible vessels, distinguish the infarct and ischemic areas, and also holds the advantages of fast examination speed and many parameters.
-
Keywords:
- spectral CT /
- ischemic stroke /
- multimodal technique
-
随着地震勘探难度的提升，仅依据地震振幅信息难以实现高精度的地震勘探需求，故结合岩石物理信息，利用频散属性和介质的粘弹性等对储层特征进行刻画成为现今研究热点[1]。目前常见的含油气储层大多为裂隙多孔介质，研究发现，当地震波在裂隙多孔介质中传播时，由于受到波致流（宏观Biot流、介观层间流和微观喷射流）的影响，地震波会发生明显的衰减和频散[2-5]，具有粘弹介质传播特性。然而，常规流体检测方法一般基于Biot孔隙弹性理论，没有考虑地震波粘弹介质传播特性，降低了流体识别精度。因此，基于粘弹介质地震岩石物理模型，构建能够更加准确描述流体性质的流体因子，开发相应的地震反演技术，对流体预测描述具有重要意义。
储层流体识别是一项基于流体因子对流体的敏感性进行流体判别的重要技术。因此，构建对流体更为敏感的流体因子是储层流体精准识别的技术关键。流体因子的概念最早是Smith等[6]提出的，特指由纵、横波速度相对变化量的而运算构成的参数。随后，Biot[7]和Gassmann[8]分析了多孔流体饱和岩石的弹性参数构建方法；Russell等[9]利用Biot-Gassmann方程，推导了Gassmann流体项作为流体指示因子；Zong等[10]消除了岩石骨架的影响，构建并反演了固液解耦流体因子作为流体识别指标，然而其缺乏对孔裂隙喷射流引起的衰减的考虑。
由于裂隙的存在会导致岩石在外力作用下产生挤喷流现象，并导致介质呈现粘滞性特征[11-12]。为了更好地描述该现象，Tang等[13-14]分别考虑了硬币型裂隙和钹状裂隙模型中喷流效应的影响，构建了描述孔隙、裂隙并存时的弹性波统一理论，该理论能够更加准确描述弹性波在介质中的传播特征，以此提高流体识别的精度。
地震频变反演是基于粘弹介质理论形成的预测流体的常用方法，而常用的频变反演方法主要有两种，一种是频变AVO反演方法[15-17]，另一种是基于弹性阻抗的频变反演方法[18-20]。频变AVO反演利用的是反射系数近似公式，而基于弹性阻抗的频变反演是通过构建弹性阻抗与弹性参数的弹性阻抗方程，利用弹性阻抗方程进行反演。在弹性阻抗反演方法中，假设弹性阻抗的对数的梯度和反射系数成正比，建立弹性阻抗与反射系数之间的关系，从而将反射系数方程改写为弹性阻抗方程[18,21-22]。
Connolly[23]通过对叠后波阻抗和AVO特点的分析，提出了一种同时考虑波阻抗和AVO特征的弹性阻抗反演方法。Yin等[21]基于Russell提出的多空流体饱和弹性阻抗近似方程，提出了包含Gassmann流体项的弹性阻抗方程，并通过弹性阻抗反演实现流体项反演的方法。Zong等[18]提出了粘弹性介质的弹性阻抗方程，并考虑参数的频变特征，实现粘弹性介质Russell流体因子的频变反演。频变弹性阻抗反演相比于频变AVO反演表现出更强的优势[22]，因此，为了更好的提取与频率相关的新流体因子，本研究开发基于弹性阻抗反演的方法。
在前人的研究基础上，本研究综合利用岩石物理分析，构建粘弹频变固液解耦流体因子，该因子能够保持原有流体因子的基本特征，并且能够提高含对孔隙、裂隙介质中流体的预测能力。同时，探讨基于弹性阻抗的叠前地震频变反演方法，及其在胜利油田胜北地区复杂砂岩储层流体检测中的应用。模型试算和实际资料处理结果表明，基于粘弹频变固液解耦流体因子叠前地震反演的储层含油气性预测方法，能够提取孔裂隙频变粘弹固液解耦流体因子。预测结果能够有效区分储层的流体类型，准确刻画储层流体边界，消除流体识别假象，提高流体识别精度。
1. 基于频变反演的流体识别方法原理
1.1 频变敏感参数构建与分析
地震勘探方法自提出以来，经历了构造解释、储层描述和流体识别3个发展阶段，其中流体识别技术作为勘探开发的前沿技术，需要作为长期研究的课题。而在流体识别方法方面，采用流体指示因子来进行流体判别受到了广泛关注。相比于常规流体因子，频变流体因子由于充分考虑了频率对岩石弹性参数的影响，展示了其在区分烃类流体方面的独特能力[24]。因此，有必要构建敏感程度更高的频变敏感参数。首先，根据Biot-Gassman[8,25]理论，在低频条件下的饱和流体体积模量可以写为：
$$ {K_{{\mathrm{sat}}}} = {K_{\mathrm{d}}} + {\kappa ^2}\chi \text{，} $$ (1) 其中：
$\kappa = 1 - {{{K_{\mathrm{d}}}} / {{K_{\mathrm{s}}}}}$ ，表示Biot系数；$ 1/\chi=(\kappa-\phi)/K_{\mathrm{s}}+\phi/K\mathrm{_f}\mathrm{ } $ ，$ {K_{{\mathrm{sat}}}} $ 、$ {K_{\mathrm{d}}} $ 和$ {K_{\mathrm{s}}} $ 分别为饱和岩石体积模量、干岩石体积模量和岩石基质体积模量；$ {K_{\mathrm{f}}} $ 为饱和流体体积模量，$ \phi $ 为岩石有效孔隙度。考虑到孔裂隙挤喷流体流动，Tang[13]在2011年提出了考虑硬币型裂隙挤喷流效应的饱和岩石体积模量。由于硬币型模型中孔隙与裂隙的流体交换处于硬币的边缘，然而，在力学理论方面，裂隙在硬币边缘处是处于闭合状态的。因此，为了进一步改进模型，Tang等[14]在2012年又提出了钹状裂隙模型，将流体交换位置改变到了硬币模型的中部。该种模型的饱和岩石体积模量可以统一表示为：
$$ {K_{{\mathrm{sat}}}} = {K_{\mathrm{d}}} + \frac{{{\kappa ^2}\chi }}{{1 + S\left( \omega \right)\chi }} \text{，} $$ (2) 其中：
$ S\left( \omega \right) $ 为描述孔裂隙相互作用的挤喷流函数。在本研究中，为了充分考虑孔裂隙挤喷流效应对流体识别的影响，消除流体识别的误差，同时将两种模型耦合到一起，因此，
$ S\left( \omega \right) $ 可以表示为：$$ S(\omega ) = {S_1}(\omega ) + {S_2}(\omega ) \text{，} $$ (3) $$ {S_1}\left( \omega \right) = \frac{8}{3}\text{π} \varepsilon \frac{{\left( {1 - \nu } \right)}}{\mu }f\left( \zeta \right)\frac{\left( {\displaystyle \frac{{{1/ {{K_{\mathrm{d}}} - }}{1 / {{K_{\mathrm{s}}}}}}}{{{1/ {{K_{\mathrm{d}}} - }}{1/ {{K_0}}}}} - f\left( \zeta \right)} \right)}{\left( {1 + \displaystyle \frac{{4\left( {1 - v} \right){K_{\mathrm{f}}}}}{{3\mu \gamma }}\Big( {1 - f\left( \zeta \right)} \Big)} \right)} \text{，} $$ (4) $$ {S_2}\left( \omega \right){\text{ = }}\frac{{8\varepsilon \left( {1 - \nu } \right){{\left( {1 + \lambda } \right)}^3}}}{{3\mu }} \times \frac{{\left( {\displaystyle\dfrac{{{1 / {{K_0}}} - {1 / {{K_{\mathrm{s}}}}}}}{{{1 / {{K_{\mathrm{d}}}}} - {1 / {{K_0}}}}}} \right)M}}{{1 - \displaystyle\dfrac{{3i\omega \eta \left( {1 + 2\lambda } \right)}}{{2{K_{\mathrm{f}}}\lambda {\gamma ^2}}}\left( {1 + \displaystyle\dfrac{{4\left( {1 - \nu } \right){K_{\mathrm{f}}}{{\left( {1 + \lambda } \right)}^3}}}{{3\text{π} \mu \gamma \left( {1 + 2\lambda } \right)}}M} \right)}} \text{，} $$ (5) $$ f\left(\zeta \right)=\frac{2{J}_{1}\left(\zeta \right)}{\zeta {J}_{0}\left(\zeta \right)}\text{，}\zeta =\left({\frac{3i\omega \eta }{{\gamma }^{2}{K}_{{\mathrm{f}}}}} \right)^{\tfrac{1}{2}}\text{，} $$ (6) 其中：
$ {S_1}(\omega ) $ 和$ {S_2}(\omega ) $ 分别为硬币型和钹状裂隙挤喷流函数；$ \lambda = {\left( {\displaystyle\frac{{3\phi }}{{4\text{π} \varepsilon }}} \right)^{\tfrac{1 }{ 3}}} $ ，$ M = 1 + \displaystyle\frac{{4 - 5\nu }}{{2(7 - 5\nu )}}\frac{{{\lambda ^3}}}{{{{(1 + \lambda )}^3}}} + \displaystyle\frac{9}{{2(7 - 5\nu )}}\frac{{{\lambda ^5}}}{{{{(1 + \lambda )}^5}}} $ ，$\omega $ 为圆周角频率，$\lambda $ 为孔裂隙尺度比，$\varepsilon $ 、$\eta $ 和$\gamma $ 分别表示裂隙密度、孔隙流体粘滞系数和裂隙纵横比，$ \nu $ 为干燥介质泊松比；当$S(\omega ) = 0$ 时，岩石体积模量为$ {K_0} $ ；$ {J_0}( * ) $ 和$ {J_1}( * ) $ 分别为第一类零阶和一阶贝塞尔函数；${K_{\mathrm{d}}}$ 和${K_{\mathrm{s}}}$ 分别为干岩石体积模量和岩石基质体积模量，${K_{\mathrm{f}}}$ 为饱和流体体积模量；$\mu $ 为剪切模量，$i$ 为虚数单位。通过将式（2）与Gassmann流体项
$f$ 进行关系构建可得，$$ {K_{{\mathrm{sat}}}} = {K_{\mathrm{d}}} + \frac{f}{{1 + S\left( \omega \right)\chi }} 。 $$ (7) 因此有，
$$ f = S \cdot {\kappa _\phi } \cdot {K_{\mathrm{{fs}}}} \text{，} $$ (8) 其中：
$$ {K_{{\mathrm{fs}}}} = \frac{{{K_{\mathrm{f}}}}}{S} \text{，} $$ (9) $$ S = 1 + S(\omega )\chi \text{，} $$ (10) $$ {\kappa _\phi } = \frac{{{\kappa ^2}}}{\phi } 。 $$ (11) 我们将
$ {K_{{\mathrm{fs}}}} $ 称为孔裂隙固液解耦流体因子，$ S $ 为耦合挤喷流效应项，$ {\kappa _\phi } $ 为与孔隙度相关的Biot系数项。为了流体判别精度的提高，将Futterman[26]近似常 Q模型引入粘弹介质，构建孔裂隙粘弹固液解耦流体因子为：
$$ \begin{aligned}K_{\mathrm{f}\mathrm{\mathit{s}}_{\mathrm{ane}}}=\kappa_{\phi}^{-1}S^{-1}f_{\mathrm{ane}}=\kappa_{\phi}^{-1}S^{-1}\left(\rho V_p^2-\gamma_{\mathrm{dry}}^2\rho V_s^2\right)+\quad\qquad \\ \kappa_{\phi}^{-1}S^{-1}\left(\begin{gathered}\rho V_p^2\left(\frac{2}{\text{π}Q_p}log\left(\frac{\omega}{\omega_{\mathrm{r}}}\right)-\frac{i}{Q_{\mathrm{p}}}\right) \\ -\gamma_{\mathrm{dry}}^2\rho V_s^2\left(\frac{2}{\text{π}Q_{\mathrm{s}}}log\left(\frac{\omega}{\omega_{\mathrm{r}}}\right)-\frac{i}{Q_{\mathrm{s}}}\right)\end{gathered}\right)=K_{\mathrm{f}s_{\mathrm{ela}}}+\Delta K_{\mathrm{f}s_{\mathrm{Q}}}\end{aligned}\text{，} $$ (12) 其中：
$ {Q_{\mathrm{p}}} $ 和$ {Q_{\mathrm{s}}} $ 分别为纵波和横波品质因子，$ \omega $ 和$ {\omega _{\mathrm{r}}} $ 分别为圆周角频率和参考频率，$i$ 为虚数单位。为了验证新提出的孔裂隙粘弹固液解耦流体因子的频率敏感性的优势，分别对纵波速度、横波速度、泊松比、体积模量、杨氏模量、剪切模量、固液解耦流体因子和孔裂隙粘弹固液解耦流体因子进行了分析，模型参数如表1所示，结果如图1所示。
表 1 弹性参数敏感性分析模型数据Table 1. Sensitivity analysis data of elastic parameters岩性 $ V_{\mathrm{P}} $/（m/s） $ V_{\mathrm{s}} $/（m/s） $ \mathrm{\rho} $/（g/cm3） $ {Q}_{{\mathrm{p}}1}$ $ {Q}_{{\mathrm{p}}2} $ $ {Q}_{{\mathrm{s}}} $ 砂岩 2590 1060 2.210 10 20 120 分析结果表明，孔裂隙粘弹固液解耦流体因子对纵波衰减和频率的敏感程度较高，可以作为流体指示因子用来流体检测。
为对比孔裂隙粘弹固液解耦流体因子与其他弹性参数的频散程度，本文优选流体因子，进一步分析不同弹性参数与孔裂隙粘弹固液解耦流体因子的频散程度，分析结果如图2所示。图2的计算过程使用表1中的模型参数。
![]()
图 2 不同弹性参数频散程度分析Figure 2. Analysis of dispersion degree of different elastic parameters计算结果表明，相较于固液解耦流体因子、拉梅参数和体积模量等弹性参数，本文新提出的孔裂隙粘弹固液解耦流体因子的频散程度最高，并且比固液解耦流体因子的频散程度高15％ 左右。因此，我们在胜北断层下降盘A井区储层含油气识别中，将孔裂隙粘弹固液解耦流体因子作为油气指示因子，提高储层流体识别的可靠性。
1.2 基于叠前地震反演的储层含油气性预测方法
借鉴Connolly[23]构建的反射系数与弹性阻抗的关系，Lan等[20]建立了频变弹性阻抗反射系数方程，并发展了基于弹性阻抗的频变反演算法。基于Biot-Gassmann理论，Russel等[9,27]对饱含流体孔隙介质模型进行了分析，推导得到了Gassmann流体项的反射系数近似公式为：
$$ R_{{\mathrm{pp}}}^{{\mathrm{ane}}}\left( \theta \right) =\Biggr( {\left( {1 - \frac{{\gamma _{{\mathrm{dry}}}^2}}{{\gamma _{{\mathrm{sat}}}^2}}} \right)\frac{{{{\sec }^2}\theta }}{4}} \Biggr)\frac{{\Delta {f_{{\mathrm{ane}}}}}}{{{f_{{\mathrm{ane}}}}}} + \left( {\frac{{\gamma _{{\mathrm{dry}}}^2}}{{4\gamma _{{\mathrm{sat}}}^2}}{{\sec }^2}\theta - \frac{2}{{\gamma _{{\mathrm{sat}}}^2}}{{\sin }^2}\theta } \right)\frac{{\Delta \mu }}{\mu } + \left( {\frac{1}{2} - \frac{{{{\sec }^2}\theta }}{4}} \right)\frac{{\Delta \rho }}{\rho } \text{，} $$ (13) 其中：
${\gamma _{{\mathrm{dry}}}}$ 和${\gamma _{{\mathrm{sat}}}}$ 分别为干岩石骨架纵横波速度比和饱和岩石纵横波速度比，$\rho $ 为岩石密度，$\mu $ 表示剪切模量，${f_{{\mathrm{ane}}}}$ 为Gassmann流体项。通过式（8）的关系，将式（13）变换为孔裂隙粘弹固液解耦流体因子的反射系数近似方程为：
$$ \begin{aligned}R_{\mathrm{pp}}^{\mathrm{ane}}\left(\theta\right)=\left(\frac{\sec^2\theta}{4}-\frac{\gamma_{\mathrm{dry}}^2}{4\gamma_{\mathrm{sat}}^2}\sec^2\theta\right)\frac{\Delta K_{fs_{\mathrm{ane}}}}{K_{fs_{\mathrm{ane}}}}+\left(\frac{\gamma_{\mathrm{dry}}^2}{4\gamma_{\mathrm{sat}}^2}\sec^2\theta-\frac{2}{\gamma_{\mathrm{sat}}^2}\sin^2\theta\right)\frac{\Delta\mu_s}{\mu_s}\quad \\ +\left(\frac{\sec^2\theta}{4}-\frac{2}{\gamma_{\mathrm{sat}}^2}\sin^2\theta\right)\frac{\Delta S}{S}+\left(\frac{\sec^2\theta}{4}-\frac{\gamma_{\mathrm{dry}}^2}{4\gamma_{\mathrm{sat}}^2}\sec^2\theta\right)\frac{\Delta\kappa_{\phi}}{\kappa_{\phi}}+\left(\frac{1}{2}-\frac{\sec^2\theta}{4}\right)\frac{\Delta\rho}{\rho}\end{aligned}\text{，} $$ (14) 其中：
${\mu _s} = {\mu \mathord{\left/ {\vphantom {\mu S}} \right. } S}$ 。考虑粘弹介质，并借鉴Connolly[23]构建的反射系数与弹性阻抗的关系，构建得到孔裂隙粘弹固液解耦流体因子弹性阻抗反射系数特征方程为：
$$ {{\Delta }}\ln \Big({{{\mathrm{EI}}}}_{{Q}}(\theta ,\omega )\Big) = a(\theta ,\omega )\frac{{\Delta {K_{f{s_{{\mathrm{ane}}}}}}}}{{{K_{f{s_{{\mathrm{ane}}}}}}}}(\omega ) + b(\theta ,\omega )\frac{{\Delta {\mu _s}}}{{{\mu _s}}}(\omega ) + c(\theta ,\omega )\frac{{\Delta S}}{S}(\omega ) + d(\theta )\frac{{\Delta {\kappa _\phi }}}{{{\kappa _\phi }}} + e(\theta )\frac{{\Delta \rho }}{\rho } \text{，} $$ (15) $$ \left\{\begin{gathered} a(\theta ,\omega ) = \frac{{{{\sec }^2}\theta }}{2} - \frac{{\gamma _{{\mathrm{dry}}}^2}}{{2\gamma _{{\mathrm{sat}}}^2}}\Biggr( {1 - \frac{2}{{\text{π} {Q_p}}}\log \left( {\frac{\omega }{{{\omega _r}}}} \right)} \Biggr){\sec ^2}\theta \\ b(\theta ,\omega ) = \left( {\frac{{\gamma _{{\mathrm{dry}}}^2}}{{2\gamma _{{\mathrm{sat}}}^2}}{{\sec }^2}\theta - \frac{4}{{\gamma _{{\mathrm{sat}}}^2}}{{\sin }^2}\theta } \right)\Biggr( {1 - \frac{2}{{\text{π} {Q_p}}}\log \left( {\frac{\omega }{{{\omega _r}}}} \right)} \Biggr) \\ c(\theta ,\omega ) = \frac{{{{\sec }^2}\theta }}{2} - \frac{4}{{\gamma _{{\mathrm{sat}}}^2}}\Biggr( {1 - \frac{2}{{\text{π} {Q_p}}}\log \left( {\frac{\omega }{{{\omega _r}}}} \right)} \Biggr){\sin ^2}\theta \\ d(\theta ) = \frac{{{{\sec }^2}\theta }}{2} - \frac{{\gamma _{{\mathrm{dry}}}^2}}{{2\gamma _{{\mathrm{sat}}}^2}}\Biggr( {1 - \frac{2}{{\text{π} {Q_p}}}\log \left( {\frac{\omega }{{{\omega _r}}}} \right)} \Biggr){\sec ^2}\theta \\ e(\theta ) = 1 - \frac{{{{\sec }^2}\theta }}{2} \\ \end{gathered} \right.\text{，} $$ (16) 其中
$ \mathrm{EI}_Q $ 为粘弹介质弹性阻抗。最后，式（15）中的弹性参数对频率求偏导，构建孔裂隙频变粘弹固液解耦流体因子
$ I_{K_{\mathrm{f}s_{\mathrm{ane}}}} $ 、孔裂隙频变剪切模量$ {I_{{\mu _s}}} $ 和频变挤喷流模量$ {I_S} $ ，如式（17）所示：$$ \begin{gathered} {I_{{K_{{\mathrm{f}}{s_{{\mathrm{ane}}}}}}}} = \exp \left( {\frac{{{{\partial {K_{f{s_{{\mathrm{ane}}}}}}(\omega )} \mathord{\left/ {\vphantom {{\partial {K_{f{s_{{\mathrm{ane}}}}}}(\omega )} {\partial \omega }}} \right. } {\partial \omega }}}}{{{K_{f{s_{{\mathrm{ane}}}}}}(\omega )}}} \right) \\ {I_{{\mu _s}}} = \exp \left( {\frac{{{{\partial {\mu _s}(\omega )} \mathord{\left/ {\vphantom {{\partial {\mu _s}(\omega )} {\partial \omega }}} \right. } {\partial \omega }}}}{{{\mu _s}(\omega )}}} \right) \\ {I_S} = \exp \left( {\frac{{{{\partial S(\omega )} \mathord{\left/ {\vphantom {{\partial S(\omega )} {\partial \omega }}} \right. } {\partial \omega }}}}{{S(\omega )}}} \right) \\ \end{gathered} \text{，} $$ (17) 根据式（15）和式（17），获得频变反演目标函数为：
$$ \ln\left(\frac{\mathrm{EI}_Q(\theta,\omega)}{\mathrm{EI}_Q(\theta,\omega_0)}\right)=a(\theta)\Delta\omega\ln I_{K_{fs_{\mathrm{ane}}}}+b(\theta)\Delta\omega\ln I_{\mu_s}+c(\theta)\Delta\omega\ln I_S。 $$ (18) 假设有
$N$ 个入射角度，$M$ 个频率信息，式（18）可以展开为：$$ \left\{\begin{gathered}\ln\left(\frac{\mathrm{EI_{\mathit{Q}}}\left(\theta_1,\omega_1\right)}{\mathrm{EI}_Q\left(\theta_1,\omega_0\right)}\right)=\left(\begin{gathered}a\left(\theta_1,\omega_1\right)\left(\omega_1-\omega_{\text{0}}\right)\ln I_{K_{fs_{\mathrm{ane}}}}\text{ + }b\left(\theta_1,\omega_1\right)\left(\omega_1-\omega_{\text{0}}\right)\ln I_{\mu_s} \\ +c\left(\theta_1,\omega_1\right)\left(\omega_1-\omega_{\text{0}}\right)\ln I_S \\ \end{gathered}\right) \\ \ln\left(\frac{\mathrm{EI}_Q\left(\theta_1,\omega_2\right)}{\mathrm{EI}_Q\left(\theta_1,\omega_0\right)}\right)=\left(\begin{gathered}a\left(\theta_1,\omega_2\right)\left(\omega_2-\omega_{\text{0}}\right)\ln I_{K_{fs_{\mathrm{ane}}}}\text{ + }b\left(\theta_1,\omega_2\right)\left(\omega_2-\omega_{\text{0}}\right)\ln I_{\mu_s} \\ +c\left(\theta_1,\omega_2\right)\left(\omega_2-\omega_{\text{0}}\right)\ln I_S \\ \end{gathered}\right) \\ \qquad\qquad\qquad\qquad\qquad\qquad\qquad\qquad\qquad\vdots \\ \ln\left(\frac{\mathrm{EI}_Q\left(\theta_1,\omega_M\right)}{\mathrm{EI}_Q\left(\theta_1,\omega_0\right)}\right)=\left(\begin{gathered}a\left(\theta_1,\omega_M\right)\left(\omega_M-\omega_{\text{0}}\right)\ln I_{K_{fs_{\mathrm{ane}}}}\text{ + }b\left(\theta_1,\omega_M\right)\left(\omega_M-\omega_{\text{0}}\right)\ln I_{\mu_s} \\ +c\left(\theta_1,\omega_M\right)\left(\omega_M-\omega_{\text{0}}\right)\ln I_S \\ \end{gathered}\right) \\ \qquad\qquad\qquad\qquad\qquad\qquad\qquad\qquad\qquad\vdots \\ \ln\left(\frac{\mathrm{EI}_Q\left(\theta_{N-1},\omega_M\right)}{\mathrm{EI}_Q\left(\theta_{N-1},\omega_0\right)}\right)=\left(\begin{gathered}a\left(\theta_{N-1},\omega_M\right)\left(\omega_M-\omega_{\text{0}}\right)\ln I_{K_{fs_{\mathrm{ane}}}}\text{ + }b\left(\theta_{N-1},\omega_M\right)\left(\omega_M-\omega_{\text{0}}\right)\ln I_{\mu_s} \\ +c\left(\theta_{N-1},\omega_M\right)\left(\omega_M-\omega_{\text{0}}\right)\ln I_S \\ \end{gathered}\right) \\ \ln\left(\frac{\mathrm{EI}_Q\left(\theta_N,\omega_M\right)}{\mathrm{EI}_Q\left(\theta_N,\omega_0\right)}\right)=\left(\begin{gathered}a\left(\theta_N,\omega_M\right)\left(\omega_M-\omega_{\text{0}}\right)\ln I_{K_{fs_{\mathrm{ane}}}}\text{ + }b\left(\theta_N,\omega_M\right)\left(\omega_M-\omega_{\text{0}}\right)\ln I_{\mu_s} \\ +c\left(\theta_N,\omega_M\right)\left(\omega_M-\omega_{\text{0}}\right)\ln I_S \\ \end{gathered}\right) \\ \end{gathered}\right.。 $$ (19) 通过求解以上方程组，即可获得任意采样点处的孔裂隙频变粘弹固液解耦流体因子，将其应用于实际地震资料，进行储层流体识别。
1.3 模型试算
通过分析胜北断层下降盘A井区的地质构造，本文设计如图3所示的含油砂岩模型，模型参数如表2所示。其中，纵横波品质因子采用Waters[28]经验公式
$Q = 10.76{V^2}$ 计算获得。利用该模型采用褶积方法合成地震记录并添加特定信噪比的高斯随机噪音，采用前边提出的方法技术进行孔裂隙频变粘弹固液解耦流体因子反演试算，结果如图4所示。表 2 含油砂岩模型参数Table 2. Oil-bearing sandstone model parameters储层岩性 $ V_{\mathrm{P}}/ （{\mathrm{m/s}}） $ $ V_{\mathrm{s}}/ （{{\mathrm{m/s}}}） $ $ \mathrm{\rho}/ （{\mathrm{g}}/\mathrm{cm}^3） $ 含油砂岩 4574 2955 2.449 含水砂岩 4803 3056 2.508 泥岩 4102 2508 2.400 ![]()
图 4 含油砂岩模型孔裂隙频变粘弹固液解耦流体因子反演结果Figure 4. Inversion results of frequency-dependent viscoelastic solid-liquid decoupling fluid factor in oil-bearing sandstone model pores and fractures反演结果表明，该方法获取的孔裂隙频变粘弹固液解耦流体因子能够准确识别模型中的含油砂岩储层，区分含油砂岩与含水砂岩。同时，准确刻画了含油砂岩的边界，将两个含油砂岩断开的位置准确识别，验证了该方法的可行性。
2. 实际工区应用
为了验证本文提出的基于孔裂隙频变粘弹固液解耦流体因子叠前地震反演的储层含油气性预测方法在流体识别中的可行性，本文针对我国东营凹陷胜坨地区胜北断层下降盘A井区沙3、沙4段的实际资料进行了处理，本区的研究目标为典型的含油砂岩储层。
图5为过A井的小角度（11°～19°）、中角度（19°～28°）和大角度（28°～37°）的部分角度叠加地震数据剖面与测井解释结果，图中红色表示油层解释，粉色表示差油层解释，蓝色表示水层，白色为干层，黑色椭圆区域为含油砂岩发育位置。
![]()
图 5 胜北断层下降盘A井区部分角度叠加地震剖面Figure 5. Partial angle stack seismic profiles in the A well area of the Shengbei fault descent plate对该区3个角度地震数据利用连续小波变换进行多尺度频谱分解，获取不同频率地震剖面，之后利用本文提到的基于孔裂隙频变粘弹固液解耦流体因子叠前地震反演的储层含油气性预测方法提取孔裂隙频变粘弹固液解耦流体因子，对该区储层进行流体识别。
图6为孔裂隙频变粘弹固液解耦流体因子反演结果，黑色椭圆圈内位置处发育油藏，红色箭头处反演结果的油层纵向厚度与测井解释结果基本一致。因此，基于孔裂隙频变粘弹固液解耦流体因子叠前地震反演的储层含油气性预测方法具有较高的流体识别精度，基于该技术方法反演的孔裂隙频变粘弹固液解耦流体因子可以作为复杂砂岩储层油气储层的指示因子，为复杂砂岩储层的油气识别提供了新的方法和思路。
![]()
图 6 孔裂隙频变粘弹固液解耦流体因子反演结果剖面与测井解释结果Figure 6. Inversion results of frequency-dependent viscoelastic solid-liquid decoupling fluid factor with pore and fractures and logging interpretation results3. 结论
（1）以考虑挤喷流效应的孔裂隙衰减理论模型为基础，计算得到的弹性参数频散特征结果对优选流体敏感参数具有指导意义，为叠前地震频变反演与储层流体识别提供了具有更高敏感性的频变流体指示因子。
（2）基于孔裂隙频变粘弹固液解耦流体因子构建的弹性阻抗反射系数特征方程，为基于叠前地震反演的储层含油气性预测方法奠定了理论基础。
（3）应用本文提出的基于叠前地震反演的储层含油气性预测方法，可实现基于地震资料的频变敏感特征参数的提取。模型测试和胜北断层下降盘A井区实际资料反演表明，该技术方法能够充分利用地震资料中蕴含的振幅和频率信息，准确识别复杂砂岩储层中的油层分布范围，验证了本文新提出的孔裂隙频变粘弹固液解耦流体因子在储层流体识别中的有效性，为复杂储层流体识别提供了新的思路和方法。
-
![]()
图 1 女，71岁。（a）CT平扫双侧大脑半球未见异常。（b）（c）CTA检查及三维重建示左侧大脑中动脉M1段重度狭窄、闭塞。（d）术后CT平扫复查，示左侧大脑半球额、颞、顶叶多发片状低密度灶。（e）～（g）能谱模式平扫后获取的单能量CT图、碘（水）图、水（碘）图。（h）能谱斜率曲线两者重叠无明显差异
Figure 1. Female, 71 years old. (a) Plain CT scan showed no abnormality in both cerebral hemispheres. (B)(C) CTA examination and THREE-DIMENSIONAL reconstruction showed severe stenosis and occlusion of M1 segment of left middle cerebral artery. (d) postoperative CT scan reexamination showed multiple patchy low-density foci in the frontal, temporal and parietal lobes of the left cerebral hemisphere. (e)-(g) Single-energy CT image, iodine (water) image and water (iodine) image obtained after plain scanning in energy spectrum mode. (h) There is no significant difference between the overlap of energy spectrum slope curves
![]()
图 2 男，55岁。（a）右侧大脑半球额颞顶岛叶、基底节、放射冠、半卵圆中心（中动脉供血区）见大片状血流灌注下降，梗死核心区周围可见缺血半暗带，CBF较对侧减低，MTT、TTP延长。（b）和（c）右侧大脑中动脉M1以远段重度狭窄-闭塞
Figure 2. Male, 55 years old. (a) Large patchy blood perfusion decreased in the right cerebral hemisphere frontotemporal parietal insula, basal ganglia, radiographic corona, and the center of semicovale (middle artery blood supply area); ischemic penumbra was observed around the infarct core area; CBF decreased compared with the contralateral side, and MTT and TTP were prolonged. (b)(C) The right middle cerebral artery M1 was severely constricted and occluded at a far segment
表 1 能谱CT检查结果对比
Table 1 Comparison of energy spectrum CT examination results
组别/项目 能谱曲线斜率 碘（水）值／（100 ug/cm3） 水（碘）值／（mg/cm3） 单能量 CT 值／HU 患侧 0.21±0.08 1.32±0.94 1020.36±3.00 22.78±1.89 镜像对侧 0.23±0.09 0.86±0.97 1023.44±3.76 22.42±2.09 t -1.932 -4.843 -3.060 -1.061 P 0.062 0.001 0.004 0.311 
下载: 导出CSV
表 2 CTP检查结果对比
Table 2 Comparison of CTP examination results
组别/项目 CBV/（mL/100 g） CBF/（mL/100 g） MTT/s TTP/s 患侧 30.11±6.45 39.23±5.47 6.36±0.862 24.47±1.594 镜像对侧 29.54±6.65 34.89±4.78 3.57±0.54 19.58±1.53 t 1.946 -1.032 -3.050 -4.631 P 0.311 0.002 0.000 0.000
下载: 导出CSV
-
[1] 沈云. 宝石CT能谱成像原理及其扫描射线剂量[J]. 中国医疗设备, 2012,27(9): 13−16. doi: 10.3969/j.issn.1674-1633.2012.09.003 SHEN Y. Principle and radiation dose of energy imaging for discovery CT[J]. China Medical Devices, 2012, 27(9): 13−16. (in Chinese). doi: 10.3969/j.issn.1674-1633.2012.09.003
[2] 段波, 胡永胜, 张晓红, 等. 自动追踪冻结联合智能边缘修复技术在宝石能谱CT冠状动脉成像诊断心肌桥中的应用价值[J]. 医学影像学杂志, 2021,31(4): 556−560. DUAN B, HU Y S, ZHANG X H, et al. Application value of snap shot freeze combined with intelligent boundary registration in the diagnosis of myocardial bridging with gem energy spectrum CT coronary angiography[J]. Journal of Medical Imaging, 2021, 31(4): 556−560. (in Chinese).
[3] 张中宝, 张晓琴. 宝石能谱CT心肌灌注成像的初步研究[J]. CT理论与应用研究, 2020, 29(5): 598−605. DOI: 10.15953/j.1004-4140.2020.29.05.11 ZHANG Z B, ZHANG X Q. Application of gemstone spectrum CT in one-stop examination in coronary heart disease[J]. CT Theory and Applications, 2020, 29(5): 598−605. DOI: 10.15953/j.1004-4140.2020.29.05.11
[4] 陈乾, 潘礼, 唐迎春. 宝石能谱CT成像鉴别诊断孤立性肺结节性质的分析[J]. 影像研究与医学应用, 2020,4(7): 60−61. [5] 古丽米拉·巴巴什. 宝石能谱 CT单能量成像对乏血供肝脏小转移瘤中的应用价值[D]. 乌鲁木齐: 新疆医科大学, 2020. [6] 刘兴利, 薛静, 高培毅, 等. 能谱CT容积穿梭扫描技术在烟雾病患者术前及术后应用价值的探讨[J]. 医学影像学杂志, 2016,26(4): 574−577. LIU X L, XUE J, GAO P Y, et al. Application study of spectral computed tomography volume shuttle scanning technique in moyamoya disease before and after STA-MCA bypasses[J]. Journal of Medical Imaging, 2016, 26(4): 574−577. (in Chinese).
[7] COPEN W A. Multimodal imaging in acute ischemic stroke[J]. Current Treatment Options in Cardiovascular Medicine, 2015, 17(3): 368.
[8] DHARMASAROJA P A, WATCHARAKORN A, CHAUMARATTANAKUL U. Pathophysiology of acute middle cerebral artery infarct by multimodal computed tomography: A pilot study in thai patients[J]. Journal of Neurosciences in Rural Practice, 2015, 6(1): 59−64. doi: 10.4103/0976-3147.143196
[9] POWERS W J, RABINSTEIN A A, ACKERSON T, et al. 2018 guidelines for the early management of patients with acute ischemic stroke: A guideline for healthcare professionals from the Amer ican Heart Association/American Stroke Association[J]. Stroke, 2018, 49(3): 46−110.
[10] 罗永军. 能谱CT成像对早期脑缺血的诊断价值研究[D]. 兰州: 兰州大学, 2015. LUO Y J. The values of energy spectrum CT imaging for early cerebral ischemia diagnosis[D].Lanzhou: Lanzhou University, 2015. (in Chinese).
[11] 阮志兵, 王小林, 段庆红. 急性脑梗死CT脑灌注成像研究进展[J]. 实用放射学杂志, 2012,28(12): 1961−1963. doi: 10.3969/j.issn.1002-1671.2012.12.036 RUAN Z B, WANG X L, DUAN Q H. Research advancements of CT perfusion imaging in acute cerebral infarction[J]. Journal of Practical Radiology, 2012, 28(12): 1961−1963. (in Chinese). doi: 10.3969/j.issn.1002-1671.2012.12.036
[12] van SEETERS T, BIESSELS G J, KAPPELLE L J, et al. CT angiography and CT perfusion improve prediction of infarct volume in patients with anterior circulation stroke[J]. Neuroradiology, 2016, 58(4): 327-337.
[13] 刘爱莲, 沈云. 能谱CT临床应用图谱[M]. 北京: 人民军医出版社, 2014: 18-19. LIU A L, SHEN Y. Atlas of Clinical Applications of Spectral CT[M]. BeiJing: People’s Military Medical Press, 2014: 18-19. (in Chinese).
[14] 中华医学会神经病学分会, 中华医学会神经病学分会脑血管病学组. 中国急性缺血性脑卒中诊治指南2014[J]. 中华神经科杂志, 2015,48(4): 246−257. doi: 10.3760/cma.j.issn.1006-7876.2015.04.002 Neurology Society of Chinese Medical Association, Chinese Stroke Society(CSS). Chinese guidelines for diagnosis and treatment of acute ischemic stroke 2014[J]. Chinese Journal of Neurology, 2015, 48(4): 246−257. (in Chinese). doi: 10.3760/cma.j.issn.1006-7876.2015.04.002
[15] LIN X Z, MIAO F, LI J Y, et al. High-definition CT gemstone spectral imaging of the brain: initial results of selecting optimal monochromatic image for beamharding artifacts and image noise reduction[J]. Journal of Computer Assisted Tomography, 2011, 35(2): 294−297. doi: 10.1097/RCT.0b013e3182058d5c
[16] 李晓莉, 冯卫华, 董诚, 等. CT能谱成像技术减除金属植入物伪影的定量实验研究[J]. 中华放射学杂志, 2011, 45(8): 736-739. LI X L, FENG W H, DONG C, et al. The experimental quantitative study of spectral CT imaging in reducing the metal artifacts[J]. Chinese Journal of Radiology 2011, 45(8): 736-739. (in Chinese).
[17] 李锋坦, 李东, 张云亭. 管电压对CT值测量、辐射剂量及图像质量影响的模型研究[J]. 中华放射学杂志, 2013,(5): 458−461. doi: 10.3760/cma.j.issn.1005-1201.2013.05.016 LI F T, LI D, ZHANG Y T. Model study of tube voltage on CT value measurement, radiation dose and image quality[J]. Chinese Journal of Radiology, 2013, (5): 458−461. (in Chinese). doi: 10.3760/cma.j.issn.1005-1201.2013.05.016
[18] 刘忠, 王丽, 陈信坚, 等. 320排动态容积CT诊断脑血管病的价值[J]. 中国临床神经外科杂志, 2013,18(7): 391−393. doi: 10.3969/j.issn.1009-153X.2013.07.003 LIU Z, WANG L, CHEN X J, et al. Diagnostic value of 320-slice dynamic volume computerized tomography angiography for cerebrovascular disease[J]. Chinese Journal of Clinical Neurosurgery, 2013, 18(7): 391−393. (in Chinese). doi: 10.3969/j.issn.1009-153X.2013.07.003
[19] 顾卫彬, 高培毅, 薛静, 刘阳. 110mm容积螺旋穿梭扫描在全脑灌注及脑血管联合成像中应用的探讨[J].中国卒中杂志, 2013, 8(6): 443-448. GU W B, GAO P Y, XUE J, LIU Y. Application of 110mm volume helical shuttle scanning in whole brain perfusion and cerebral vascular joint imaging[J]. Chinese Journal of Stroke, 2013, 8(6): 443-448. (in Chinese).
[20] 薛静, 高培毅. 卒中影像学检查绿色通道与能谱计算机断层扫描的应用前景[J]. 中国卒中杂志, 2013, 8(2): 83-86. XUE J, GAO P Y. The application prospect of green channel and energy spectrum computed tomography in stroke imaging[J]. Chinese Journal of Stroke, 2013, 8(2): 83-86. (in Chinese).
[21] ALBERS G W, MARKS M P, KEMP S, et al. Thrombectomy for stroke at 6 to 16 hours with selection by perfusion imaging[J]. New England Journal Medicine, 2018, 378(8): 708−718. doi: 10.1056/NEJMoa1713973
[22] 张苗, 卢洁. 急性脑梗死患者影像学缺血半暗带的临床评价策略[J]. 中国脑血管病杂志, 2021, 18(4): 217-222. ZHANG M, LU J. Clinical evaluation of ischemic penumbra in acute cerebral infarction[J]. Chinese Journal of Cerebrovascular Disease. 2021, 18(4): 217-222. (in Chinese).
-
期刊类型引用(5)
1. 詹林，潘剑伟，高健，张成丽，杨晨，钱伦，槐玉鹿. 基于局部加密的非结构化网格SNMR方法二维Occam反演研究. 地球物理学进展. 2024(03): 1089-1101 . 
百度学术
2. 闫建波，余永鹏，杨彦成，王嘉文，谭浩，李昱霖. 采煤工作面地下水分布变化的综合物探应用研究. 煤炭技术. 2024(10): 96-101 . 百度学术
3. 唐塑，武银婷，邢浩，娄雪聪，石海涛. 高密度电法与瞬变电磁法在戈壁区找水的联合应用. CT理论与应用研究. 2023(01): 27-34 . 本站查看
4. 卢向星，陈慈河，孙旭，杨晨，钱伦，潘剑伟. 高密度电阻率法联合自然电场法在滑坡探测中的应用研究. 中国水运. 2023(05): 150-152 . 百度学术
5. 彭菁. 单套制趋势下长航局系统电子会计凭证报销入账归档研究. 中国水运. 2023(09): 150-152 . 百度学术
其他类型引用(2)
计量
- 文章访问数: 349
- HTML全文浏览量: 303
- PDF下载量: 31
- 被引次数: 7
