ISSN 1004-4140
CN 11-3017/P

O-MAR联合迭代重建技术在腰椎内固定术后CT成像中的应用

程天馨, 张永县

程天馨, 张永县. O-MAR联合迭代重建技术在腰椎内固定术后CT成像中的应用[J]. CT理论与应用研究(中英文), 2025, 34(2): 285-293. DOI: 10.15953/j.ctta.2024.091.
引用本文: 程天馨, 张永县. O-MAR联合迭代重建技术在腰椎内固定术后CT成像中的应用[J]. CT理论与应用研究(中英文), 2025, 34(2): 285-293. DOI: 10.15953/j.ctta.2024.091.
CHENG T X, ZHANG Y X. Orthopedic Metal Artifact Reduction Combined with Iterative Reconstruction in CT Imaging after Lumbar Internal Fixation[J]. CT Theory and Applications, 2025, 34(2): 285-293. DOI: 10.15953/j.ctta.2024.091. (in Chinese).
Citation: CHENG T X, ZHANG Y X. Orthopedic Metal Artifact Reduction Combined with Iterative Reconstruction in CT Imaging after Lumbar Internal Fixation[J]. CT Theory and Applications, 2025, 34(2): 285-293. DOI: 10.15953/j.ctta.2024.091. (in Chinese).

O-MAR联合迭代重建技术在腰椎内固定术后CT成像中的应用

详细信息
    作者简介:

    程天馨,女,影像医学与核医学专业硕士研究生,主要从事CT新技术和图像后处理方面的研究,E-mail:chengtianxin666@163.com

    通讯作者:

    张永县✉,男,副主任技师,主要从事头颈部CT质量控制和图像后处理研究,E-mail:zhyx20000@163.com

  • 中图分类号: O 242;R 814

Orthopedic Metal Artifact Reduction Combined with Iterative Reconstruction in CT Imaging after Lumbar Internal Fixation

  • 摘要:

    目的:探讨金属伪影抑制技术(O-MAR)联合迭代算法对腰椎内固定术后患者CT图像质量的影响,为术后效果评估提供准确依据。方法:回顾性分析20例行腰椎内固定术后CT检查,使用O-MAR和滤波反投影算法、iDose4重建骨算法图像(iDose4-1~7级)及软组织算法图像(iDose4-1~6级)。重组螺钉显示最佳的横断面和矢状面的骨算法图像及螺钉显示最佳及螺钉区域内椎间盘正中层面的横断面软组织算法图像,测量骨质和肌肉的噪声值(SD)并计算伪影指数(AI)。由两名放射科医师对骨及软组织算法图像的金属伪影抑制和诊断信息显示两方面分别评分。对主客观评价指标进行两组间比较和组间多重比较。结果:骨算法图像:使用O-MAR的图像SD、AI显著低于未使用的图像,不同等级iDose4图像的AI值随等级升高而逐渐降低;O-MAR图像金属伪影主观分显著提高,且iDose4-5~7评分高于FBP及iDose4-1~2;使用O-MAR时诊断信息评分显著提高,iDose4-2~4评分高于FBP及其他迭代等级,且iDose4-3为最佳。软组织算法图像:使用O-MAR的图像SD、AI低于未使用的图像;使用O-MAR的图像金属伪影评分高于未使用,诊断信息评分未使用O-MAR高于使用;对不同迭代等级,无论是否使用O-MAR,图像伪影和诊断信息评分均无差异。结论:建议联合使用O-MAR技术及中间迭代等级iDose4-3重建骨算法图像;软组织算法图像重建时不推荐使用迭代算法,建议同时重建使用和不使用O-MAR的图像以便配合观察。

    Abstract:

    Objective: Exploring the effect of metal artifact reduction (O-MAR) technology combined with iterative algorithms on the computed tomography (CT) image quality of patients after lumbar spine internal fixation surgery, to provide an accurate basis for postoperative effect evaluation. Methods: CT images were collected from 20 patients who underwent lumbar spine internal fixation surgery. Using O-MAR, filtered back projection (FBP), and iDose4 algorithms, bone (iDose4-1~7 levels) and soft tissue images (iDose4-1~6 levels) were reconstructed. Screws were displayed the best in transverse and sagittal bone reconstructed images. The screw area (center plane) of the transverse soft tissue images of the intervertebral disc was also reconstructed. Noise levels in standard deviation (SD) of bone and muscle were measured, and the artifact index (AI) was calculated. Two radiologists separately rated the metal artifact suppression and diagnostic information in the bone and soft tissue images. The subjective and objective evaluation indicators of the two groups were compared, conducting multiple comparisons between groups. Statistical analyses were further performed on subjective and objective evaluation indicators, including O-MAR comparisons and/or multiple comparisons between groups with different levels of iDose4. Results: In the bone images, the SD and AI of images using O-MAR were significantly lower than those without O-MAR, and the AI values of iDose4 images at different levels gradually decreased as the dose level increased. The subjective score of metal artifacts in O-MAR images significantly improved, and the score of iDose4-5~7 was higher than those of filtered back projection (FBP) and iDose4-1~2. With O-MAR, the diagnostic information score significantly improved. The score of iDose4-2~4 was higher than that of FBP and other iterative levels, with iDose4-3 being the best. In soft tissue images, the SD and AI of images using O-MAR were lower than those without O-MAR. The metal artifact score of images using O-MAR was higher than that of images without, but the diagnostic information score of images not using O-MAR was higher than that of images with O-MAR; For different iteration levels, regardless of whether O-MAR was used or not, no difference was observed in image artifacts and diagnostic information scores. Conclusions: We suggest combining O-MAR technology with intermediate iteration level iDose4-3 for bone image reconstruction. The use of iterative algorithms for image reconstruction using soft-tissue algorithms is not recommended. The images with and without O-MAR should be simultaneously reconstructed for comparative observations.

  • 随着油气勘探、开发不断深入,地震地质条件简单且容易发现的油气藏越来越少,精细勘探、挖潜的勘探任务越来越重。面对复杂地震地质条件,要保持储量、产量的持续增长,需要解决勘探面临的“低、深、薄、隐”,即低孔隙度、深层目标、薄储层、隐蔽油藏的勘探难题,同时要解决复杂断块、岩性勘探、低信噪比地区勘探以及精细油藏描述与监测等难题。“宽方位、高密度”[1-2]地震数据采集技术,是提供高品质地震资料并解决上述地质难题的一种前缘地震勘探技术。

    当前国内外宽方位地震资料采集、处理技术发展比较迅速,但是其解释技术发展相对较慢,国内外学者作了一些有益的探索,如通过采取分方位反演解释等方法取得了一定的效果[3-4]。但分方位解释只是在一定程度上消除了宽方位观测带来的方位各向异性问题,最终成果数据往往只解决了层状各向异性问题而没有考虑方位各向异性效应,如何从全方位地震资料中挖掘更加丰富的地下介质信息成为一个重要的研究热点。由于裂缝性储层通常为垂向各向异性,主要表现为振幅、速度、反射波形及相位随测线方位变化而变化,因此在宽方位叠前资料应用中可以利用纵波信息随方位的变化来预测储层和裂缝,比如利用方位走时、方位衰减、方位速度(VVAZ,速度随方位角变化)和方位振幅变化(AVAZ,振幅随方位角变化)等来预测裂缝[5]。叠前裂缝预测方法已成为生产和科研中常用的有效方法,由于其预测结果的直观性和对小尺度裂缝的强识别能力,已越来越引起研究者的重视并得到较广泛的应用[6]

    在叠前裂缝预测方面,我国学者对此开展了较多的应用研究,如针对火成岩[7]、碳酸盐岩[8]等不同岩性中的裂缝型储层进行预测,已取得了一些成效。刘军迎等[9]研究出一种基于叠前地震反射振幅来检测裂缝的三维叠前裂缝储层预测方法,利用椭圆拟合的方法识别各向异性,进而计算裂缝方向(椭圆长轴的方向)和裂缝密度(椭圆长轴与短轴的比);贾跃玮等[10]基于三维叠前地震资料,采用纵波方位各向异性方法预测火山岩储层裂缝发育方向与相对密度,进一步结合FMI测井标定计算得到具有实际地质意义的裂缝密度定量预测成果;王康宁等[11]针对目标研究区域地震采集方位窄、目的层埋藏深的特点,根据裂缝发育的主方向,优选方位划分数据,使用纵波方位各向异性方法预测碳酸盐岩储层裂缝发育方向与相对密度。

    总的来说,当前对叠前宽方位资料的应用主要是进行小尺度裂缝和微裂缝的识别,取得的效果显著,但对如何应用宽方位资料进行各向同性介质储层反演,进一步挖掘宽方位资料的潜力,进行岩性、物性及含油气性预测,该方面研究较少。

    本文将针对该方面问题进行攻关研究,通过道集偏移距优选、方位优选、道集优化、迭代反演等手段进一步挖掘宽方位资料在致密储层物性及流体预测上的能力。

    呼图壁研究区位于准噶尔盆地南缘冲断带中段霍玛吐背斜带,当前完钻大丰1、呼探1、呼6三口井,呼探1井三维与大丰1井三维连片合计面积达1200 km2,其中,呼探1井K1q地层天然气获重大突破,呼6井试油见油气,钻揭规模储层且见大跨度油气显示。2021年提交天然气预测储量1062×108 m3,展示了良好勘探前景,其勘探成果图如图1所示。

    图  1  呼图壁背斜带勘探成果图
    Figure  1.  Exploration results map of the Hutubi anticline belt area

    前人研究认为下组合广覆式发育K1q(高效)、J3k、J2t、J1s、J1b(规模)5套储层,K1q优质储层主要为辫状河三角洲沉积体系的中细粒、细粒长石岩屑砂岩,砂岩厚度20~90 m,孔隙度6.83%~18.4%。呼探1井显示段张开缝与微裂缝共生,具有复杂缝网特征,显示该层系属于深埋超高压储层,裂缝是油气高渗通道,为高产主控因素。J3k主要分布在南缘中东段,发育扇三角洲沉积体系砂砾岩储层,砂岩整体厚度约150~580 m,是天然气规模勘探有利层系,已钻井均钻揭J3k规模储层,基质物性较差,但裂缝普遍发育。深层中下侏罗统发育头屯河组、三工河组和八道湾组规模储层。因此迫切需要通过叠前高精度反演技术对砂砾岩物性进行识别,结合有效裂缝分布规律研究,预测优质储层分布范围,并支持生产应用。

    但研究区钻井少,目的层高产主控因素不清,优质储层岩石物理敏感弹性参数不明确。优质储层表现为双重孔隙度介质特征,砂砾岩储层岩石组分复杂,矿物成熟度较低,常规岩石物理建模方法可能失效,多孔介质复杂岩性岩石物理建模难度大。

    深层地震资料主频低,干扰因素多,难以满足精细储层预测要求。当前三维资料采用的是可控震源8~64 Hz扫描频率,地震资料缺失低频、频带窄,分辨率较低,可能还有剩余时差、多次波残留,需要提高地震资料的成像及AVO特征精度,才能满足定量地震振幅解释及叠前地震反演的需求。

    传统的叠后波阻抗反演对优质砂砾岩储层无法有效识别,储层物性差,油气检测难度大。自上至下随着上覆地层压力的增加,储层孔隙逐渐减小,储层与围岩的阻抗趋于一致,波阻抗叠置严重,利用叠后分析难以区分储层范围,需要通过叠前高精度反演技术对砂砾岩物性进行识别,但储层油气检测窗口小,优质储层油气分布的预测难度大。

    深埋超高压储层发育大量裂缝,为高产主控因素,叠后裂缝预测难以满足高精度裂缝描述要求。目前主要以叠后裂缝预测手段为主,预测效果显示,呼西背斜大小裂缝刻画较清晰,但呼图壁背斜裂缝预测还需进一步细化,叠前宽方位裂缝预测技术能够预测更小尺度裂缝特征,但技术实现代价高、难度大。

    本文通过对呼图壁地区叠前储层及流体预测方法进行研究,达到提高深埋储层裂缝及优质储层预测精度,落实有利钻探目标,为下一步勘探开发井位部署提出建议的目的。由于叠后数据丢失叠前方位信息和偏移距信息,因此无论是在储层裂缝预测,还是在储层物性及含油气预测上,存在着精度低、多解性强等问题。宽方位道集由于其方位及偏移距携带大量有关储层物性及含油气信息,具有明显的优势。裂缝作为储集空间和导流通道,是研究区目的层储层高产主控因素之一,基于叠前OVT道集裂缝预测技术应用各向异性理论,不但可以有效预测中小尺度裂缝发育密度,而且可以对裂缝发育方向进行精确预测,具有预测精度高、尺度小、方向性强的特点。

    基于测井等基础数据,对单井资料进行质量控制,提高单井资料的质量及精度。之后对单井资料进行环境校正,并联合多井对其进行一致性处理,结合双孔介质储层参数测井解释模型,实现双孔介质的最优化测井解释。图2为呼探1井和呼6井的测井解释成果对比图。从图中可知,面向定量地震需求的最优化解释测井评价解决了老成果中出现的孔隙度0值,粘土含量100% 等不合理现象,并新增总孔隙度及裂缝孔隙度解释成果曲线。

    图  2  呼探1井(左)和呼6井(右)的测井解释成果对比图
    Figure  2.  Comparison of logging interpretation results of Hutan 1 well (left) and Hutan 6 well (right)

    在对目标段测井曲线特征进行系统分析的基础上,对横波速度进行校正,实现各向同性介质岩石物理建模。胡克定律通过如下关系将应力和应变联系起来:

    $$ {\tau _{ij}} = {c_{ijkl}}{e_{kl}} \text{,} $$ (1)

    式中,$ {\tau _{ij}} $为应力;$ {c_{ijkl}} $为弹性张量;$ {e_{kl}} $为应变。

    参考Coates等提出的在线性滑动模型基础上引入等效介质理论[12],在正演计算过程中需要每个差分网格的参数,包括基岩的拉梅常数$ \lambda $$ \mu $、裂缝宽度h、每个网格包含的裂缝长度L以及法向和切向的裂缝柔度ZNZT。在等效介质理论中,式(1)中的弹性张量定义为:

    $$ \left\{ \begin{gathered} {c_{11}} = \left( {\lambda + \mu } \right)\left( {1 - {\delta _N}} \right) \\ {c_{33}} = \left( {\lambda + \mu } \right)\left( {1 - {r^2}{\delta _N}} \right) \\ {c_{13}} = \lambda \left( {1 - {\delta _N}} \right) \\ {c_{55}} = \mu \left( {1 - {\delta _T}} \right) \\ {c_{15}} = {c_{35}} = 0 \\ \end{gathered} \right. \text{,} $$ (2)

    式中,$ r = {\lambda \mathord{\left/ {\vphantom {\lambda {\left( {\lambda + 2\mu } \right)}}} \right. } {\left( {\lambda + 2\mu } \right)}} $

    基于各向同性介质岩石物理模型和等效介质理论[12],进行正演模拟。图3中展示了呼101井各向同性介质的岩石物理建模成果图,其中,蓝色和红色曲线分别为测量和正演曲线。从图中可以看出,该井的岩石物理正演曲线与实测曲线相关系数处在0.95~0.77之间,将实测与正演弹性曲线相关系数均值作为岩石物理建模符合率指标,呼101井目的层建模平均符合率达到86%。该井7604~7616 m深度范围内为气层储层,其厚度为12 m,2.5 mm日产气量为4.46万方,日产油量为10.3方。

    图  3  呼101井各向同性介质岩石物理建模成果
    Figure  3.  Rock physics modeling results of isotropic medium in Hu 101 well

    基于Gassman方程,实现流体置换,对纵横波速度比进行恢复,同时实现纵波阻抗曲线的原状地层响应特征恢复,突出甜点储层与泥岩之间的区分度。图4为呼探1井岩石物理建模校正与储层流体置换校正效果对比图,从图中可以看出,在经过岩石物理建模校正及流体置换校正后,含油气砂岩与含水砂岩及致密砂岩弹性特征参数增大,但部分叠置,甜点储层呈现低波阻抗、低纵横波速度比特征,特别是与泥岩区分明显。

    图  4  岩石物理建模校正与储层流体置换校正效果图
    Figure  4.  Rock physics modeling correction and reservoir fluid replacement correction effect diagram

    此处,引入线性滑动理论,对双孔介质裂缝型储层实现孔缝型储层各向异性介质岩石物理建模,并基于所建立的模型定量模拟岩石各向异性特征,考察裂缝及其流体变化引起的各向异性参数变化特征。图5为呼6井双孔介质岩石物理模型评价成果图。从图中可以看出,呼6井K1q储层中的快、慢纵波速度差异达400 m/s,ε各向异性值为 0.1;快、慢横波差异最大达300 m/s,γ各向异性值为 0.15。

    图  5  呼6井双孔介质岩石物理评价成果图
    Figure  5.  The rock physics evaluation results of the double-porosity medium in Hu 6 well

    基于呼探1井的测井评价成果曲线,对所建立的孔缝型储层各向异性介质岩石物理模型进行定量模拟岩石各向异性特征,其结果如图6为所示。从图中可以看出,呼探1井K1q储层中的快、慢纵波速度差异最大达600 m/s,ε各向异性值为 0.2;快、慢横波速度差异最大达500 m/s,γ各向异性值为 0.25。

    图  6  呼探1井双孔介质岩石物理评价成果图
    Figure  6.  The rock physics evaluation results of the double-porosity medium in Hutan 1 well

    在呼图壁地区,本文实现了呼1井-呼6井区孔缝型储层各向异性介质岩石物理建模,构建了岩石物理量板,在此基础上,结合叠前OVT域地震数据各向异性反演,可依据振幅和速度属性有效进行叠前AVAZ裂缝预测,实现对探区内目标层组的裂缝走向及强度预测。

    在呼图壁地区,前期所得到的井控OVT域五维叠前道集存在诸多问题,例如:斜干扰异常、随机噪声、远偏道集不平和信噪比低等。针对上述存在的问题,本文通过线性Radon变换进行斜干扰异常的压制,采用多项式Radon变换对随机噪声进行压制,通过道集拉平去除剩余时差从而将远偏道集拉平,通过入射角域超道集处理改善原始道集信噪比低的问题。图7为呼探1井点OVT道集及其频谱图。从图中可知,原始道集中存在上述的4个问题,其道集主频为25 Hz,频带宽度为5~50 Hz。

    图  7  呼探1井点OVT道集及其频谱图
    Figure  7.  Hutan 1 well point OVT gathers and amplitude spectrum

    图8给出了呼探1井点OVT道集K1q顶面AVOZ曲线在优化前后的对比图。在对井控OVT域五维叠前道集进行优化处理之后,将原始道集与优化后的道集进行对比,可知在经过去噪及优化校正之后,道集中的方位各向异性特征与优化前相似,但其信噪比及AVOZ的规律特征得到了明显提升。

    图  8  呼探1井点OVT道集K1q顶面AVOZ曲线
    Figure  8.  AVOZ curve of K1q top surface of OVT gathers in Well Hutan 1

    图9为呼探1井点方位角OVT道集在去噪后和拉平后的效果图。从图中可以看出,与图7(a)中的原始道集相比,Radon变换去噪后的道集中呈现出明显的速度各向异性;进行剩余动校正、道集拉平之后,地层中呈现出明显的振幅各向异性,图中结果表明,在进行井控OVT域道集优化处理之后,道集中的各向异性特征得到凸显,适宜进行叠前裂缝预测。

    图  9  呼探1井点方位角OVT道集
    Figure  9.  Hutan 1 well point azimuth OVT gathers

    图10为呼探1井主测线裂缝强度剖面。从图中可知,与VVAZ裂缝强度剖面相比,AVAZ裂缝强度剖面具有更高的分辨率,以及良好的预测精度,基于此,AVAZ裂缝强度剖面更加适宜进行叠前裂缝预测。

    图  10  呼探1井主测线裂缝强度剖面
    Figure  10.  Fracture strength profile of main survey line in Hutan 1 well

    在叠前OVT域道集优化处理、速度和振幅各向异性分析的基础上,本节将分别对呼图壁地区深层目标合层系白垩系清水河组(K1q)与侏罗系喀拉扎组(J3k),以及头屯河组(J2t)进行叠前AVAZ裂缝预测。

    图11为清水河组(K1q)叠前AVAZ裂缝预测效果,图12图11中清水河组(K1q)叠前AVAZ裂缝预测效果图中黑框区域的局部放大图,从图中可知,呼探1井、呼101井、102井FMI裂缝走向及强度与AVAZ预测裂缝走向及强度一致。预测呼中1井点位置裂缝较发育,裂缝发育强度略低于呼探1井,裂缝发育方位为北东东向,与呼探1裂缝方位类似。

    图  11  清水河组(K1q)叠前AVAZ裂缝预测效果
    Figure  11.  Pre-stack AVAZ fracture prediction effect of Qingshuihe Formation (K1q)
    图  12  清水河组(K1q)黑框区域叠前AVAZ裂缝预测效果局部放大图
    Figure  12.  Local enlarged map of pre-stack AVAZ fracture prediction effect in black frame area of Qingshuihe Formation (K1q)

    图13为清水河组(K1q)叠前AVAZ裂缝预测效果图中红框区域的局部放大图,从图中可知,呼6井FMI裂缝走向与AVAZ预测裂缝一致。预测呼东1井、呼中1井点位置裂缝较发育,裂缝发育强度略高于呼6井,裂缝发育方位为北东东向,与呼6井裂缝方位略有不同。

    图  13  清水河组(K1q)红框区域叠前AVAZ裂缝预测效果局部放大图
    Figure  13.  Local enlarged map of pre-stack AVAZ fracture prediction effect in red frame area of Qingshuihe Formation (K1q)

    图14为喀拉扎组(J1k)叠前AVAZ裂缝预测效果,图15图14中喀拉扎组(J1k)叠前AVAZ裂缝预测效果图中黑框区域的局部放大图,从图中可知,AVAZ裂缝预测呼101井裂缝强度中等,强度略低于呼探1井,北东走向为主,与FMI测井基本一致;AVAZ裂缝预测呼102井裂缝强度低于呼101井,裂缝走向变化大。

    图  14  喀拉扎组(J3k)叠前AVAZ裂缝预测效果
    Figure  14.  Prestack AVAZ fracture prediction effect of Kalazha Formation (J3k)
    图  15  喀拉扎组(J3k)黑框区域叠前AVAZ裂缝预测效果局部放大图
    Figure  15.  Local enlarged map of pre-stack AVAZ fracture prediction effect in black frame area of Kalazha Formation (J3k)

    图16图14中喀拉扎组(J1k)叠前AVAZ裂缝预测效果图中红框区域的局部放大图,从图中可知,AVAZ裂缝预测呼6井裂缝强度弱,南北走向为主,与FMI测井基本一致;AVAZ裂缝预测呼中1井裂缝强度低,强度与呼6井相似;AVAZ裂缝预测呼东1井裂缝强度中等,强度高于呼6井,北东走向。

    图  16  喀拉扎组(J3k)红框区域叠前AVAZ裂缝预测效果局部放大图
    Figure  16.  Locally enlarged map of the pre-stack AVAZ fracture prediction effect in the red frame area of Kalazha Formation (J3k)

    图17为头屯河组(J2t)叠前AVAZ裂缝预测效果图及局部放大图,从图中可知,AVAZ裂缝预测呼101井、102井J2t裂缝强度大,呼东1井、呼中1井裂缝发育强度中等。

    图  17  头屯河组(J2t)叠前AVAZ裂缝预测效果
    Figure  17.  Prestack AVAZ fracture prediction effect of Toutunhe Formation (J2t)

    本文在系统分析目标段测井曲线特征基础上,通过微分等效介质岩石物理模型进行横波速度校正,通过Gassman方程流体置换恢复了纵横波速度比和纵波阻抗曲线原状地层响应特征,突出了甜点储层与泥岩区分度;引入线性滑动理论,建立双孔介质裂缝型储层岩石物理模型。将原生孔隙的微分等效介质岩石物理模型与各向异性次生裂缝的线性滑动模型进行有机融合,实现呼1井-呼6井区孔缝型储层各向异性介质岩石物理建模,构建了岩石物理量板。结合叠前OVT域地震数据各向异性反演,有效进行了叠前AVAZ裂缝预测。

  • 图  1   客观评价感兴趣区和对照区示意图

    注:女,59岁,因腰椎骨折行内固定术。

    Figure  1.   Schematic diagram of objective evaluation

    图  2   使用/不使用O-MAR重建骨算法图像比较(iDose4-3)

    注:男,62岁,因腰椎外伤行内固定术。

    Figure  2.   Comparison of image quality before and after reconstruction using O-MAR

    图  3   使用/不使用O-MAR重建软组织算法图像比较(FBP)

    注:女,56岁,因腰椎滑脱行内固定术。

    Figure  3.   Comparison of soft tissue algorithm images before and after reconstruction using O-MAR

    图  4   使用FBP及不同等级iDose4的O-MAR图像质量比较

    注:男,62岁,因脊柱侧弯行内固定术。(a)~(h)分别为O-MAR技术基础上,使用FBP及迭代算法iDose4-1~7等级重建的骨算法图像。可见由(a)至(h),图像平滑程度增高,锐利度降低。

    Figure  4.   Comparison of O-MAR image quality using FBP and different levels of iDose4

    表  1   使用/不使用O-MAR的图像SD值、AI值比较

    Table  1   Comparison of SD and AI values of images with/without O-MAR

    重建算法 评价指标 骨算法 统计检验 软组织算法 统计检验
    不使用O-MAR 使用O-MAR t P 不使用O-MAR 使用O-MAR Z P
    FBP SD 372.93±95.17 336.37±89.86 10.059 < 0.001 61.65
    (49.75,76.88)
    45.90
    (38.48,50.80)
    −3.920 < 0.001
    AI 364.55±95.95 327.23±90.88 9.939 59.37
    (46.22,70.46)
    40.64
    (31.65,46.43)
    −3.920
    iDose4-1 SD 335.27±85.25 301.74±80.54 9.103 < 0.001 54.10
    (45.38,70.98)
    40.05
    (35.60,46.78)
    −3.920 < 0.001
    AI 327.52±85.81 292.91±81.49 9.066 51.59
    (42.21,61.82)
    35.45
    (28.78,42.47)
    −3.920
    iDose4-2 SD 314.66±79.66 282.22±75.32 8.157 < 0.001 50.45
    (43.20,66.65)
    37.75
    (33.45,44.53)
    −3.921 < 0.001
    AI 307.26±80.20 273.72±76.22 8.157 48.05
    (40.18,58.50)
    32.24
    (27.19,39.86)
    −3.920
    iDose4-3 SD 293.10±73.82 262.18±69.79 7.628 < 0.001 46.75
    (40.73,62.08)
    34.85
    (30.88,42.28)
    −3.920 < 0.001
    AI 286.09±74.37 254.07±70.66 7.598 44.22
    (37.72,55.54)
    29.84
    (25.23,37.15)
    −3.920
    iDose4-4 SD 268.78±67.41 239.97±63.74 6.880 < 0.001 43.40
    (37.75,56.75)
    31.60
    (27.58,39.60)
    −3.920 < 0.001
    AI 262.19±67.91 232.25±64.56 6.904 40.94
    (36.03,48.62)
    27.64
    (22.87,33.97)
    −3.920
    iDose4-5 SD 243.36±60.97 215.43±57.18 5.884 < 0.001 40.10
    (33.55,50.18)
    28.65
    (23.15,35.65)
    −3.920 < 0.001
    AI 237.27±61.49 208.16±57.94 5.932 37.62
    (31.65,43.21)
    25.66
    (19.23,30.09)
    −3.920
    iDose4-6 SD 214.33±53.84 187.84±49.78 5.002 < 0.001 36.95
    (31.20,43.88)
    26.90
    (20.43,31.85)
    −3.920 < 0.001
    AI 208.82±54.36 181.09±50.49 5.075 33.71
    (29.73,39.55)
    22.17
    (16.32,26,54)
    −3.920
    iDose4-7 SD 180.81±46.48 155.63±41.40 4.139 < 0.001
    AI 176.04±47.03 149.52±42.04 4.234
    下载: 导出CSV

    表  2   骨算法评分值

    Table  2   Score of bone algorithm

    金属伪影 诊断信息
    医师1 医师2 医师1 医师2
    算法 使用O-MAR 不使用O-MAR 使用O-MAR 不使用O-MAR 使用O-MAR 不使用O-MAR 使用O-MAR 不使用O-MAR
    FBP 2(2,2) 1(1,1) 2(2,2) 1(1,1) 2(2,2) 1(1,1) 2(2,2) 1(1,1)
    iDose4-1 2(2,2) 1(1,1) 2(2,2) 1(1,1) 2(2,2) 1(1,1) 2(2,2) 1(1,1)
    iDose4-2 2(2,2) 1(1,1) 2(2,2) 1(1,1) 3(2,3) 1(1,1) 3(2,3) 1(1,1)
    iDose4-3 2(2,2) 1(1,1) 2(2,3) 1(1,1) 3(3,3) 1(1,1) 3(3,3) 1(1,1)
    iDose4-4 2(2,3) 1(1,1) 2(2,3) 1(1,1) 3(2,3) 1(1,1) 2(2.25,3) 1(1,1)
    iDose4-5 3(3,3) 1(1,2) 3(3,3) 1(1,2) 2(2,2) 1(1,1.75) 2(2,3) 1(1,2)
    iDose4-6 3(3,3) 2(1,2) 3(3,3) 2(1,2) 2(2,2) 1(1,2) 2(2,2) 1(1,2)
    iDose4-7 3(3,3) 2(1,2) 3(2.25,3) 2(1,2) 2(2,2) 1(1,1) 2(2,2) 1.5(1,2)
    Z −11.318 −11.208 −10.662 −10.008
    P < 0.001 < 0.001 < 0.001 < 0.001
    下载: 导出CSV

    表  3   软组织算法评分值

    Table  3   Score of soft tissue algorithm

    金属伪影 诊断信息
    医师1 医师2 医师1 医师2
    算法 使用O-MAR 不使用O-MAR 使用O-MAR 不使用O-MAR 使用O-MAR 不使用O-MAR 使用O-MAR 不使用O-MAR
    FBP 2(2,2) 1(1,2) 2(2,2) 1(1,2) 2(1,2) 2(2,2) 2(1,2) 2(2,2)
    iDose4-1 2(2,2) 1(1,2) 2(2,2) 1(1,2) 2(1,2) 2(2,2) 2(1,2) 2(2,2)
    iDose4-2 2(2,2) 1(1,2) 2(2,2) 1(1,2) 2(1,2) 2(2,2) 2(1,2) 2(2,2)
    iDose4-3 2(2,2) 1(1,2) 2(2,2) 1(1,2) 2(1,2) 2(2,2) 2(1,2) 2(2,2)
    iDose4-4 2(2,2) 1(1,2) 2(2,2) 1(1,2) 2(1,2) 2(1.25,2) 2(1,2) 2(2,2)
    iDose4-5 2(2,2) 1.5(1,2) 2(2,2) 1.5(1,2) 1(1,2) 1(1,2) 1(1,2) 2(1.25,2)
    iDose4-6 2(2,2) 2(1,2.75) 2(2,2) 2(1,2) 1(1,1) 1(1,1) 1(1,1.75) 2(1,2)
    Z −7.233 −6.794 4.989 6.057
    P < 0.001 < 0.001 < 0.001 < 0.001
    下载: 导出CSV
  • [1] 房加高, 邹月芬, 徐海, 等. O-MAR技术在去除腰椎金属植入物伪影中的应用价值[J]. 海南医学, 2018, 29(10): 1408-1410. DOI: 10.3969/j.issn.1003-6350.2018.10.023.

    FANG J G, ZOU Y F, XU H, et al. Value of O-MAR iterative algorithm in removing metal artifacts of lumbar implants[J]. Hainan Medical Journal, 2018, 29(10): 1408-1410. DOI: 10.3969/j.issn.1003-6350.2018.10.023. (in Chinese).

    [2]

    CHOO H J, LEE S J, KIM D W, et al. Comparison of the quality of various polychromatic and monochromatic dual-energy CT images with or without a metal Artifact reduction algorithm to evaluate total knee arthroplasty[J]. Korean Journal of Radiology, 2021, 22(8): 1341-1351. DOI: 10.3348/kjr.2020.0548.

    [3] 王平, 高玉颖, 卢再鸣, 等. 迭代重组IMR技术和iDose4技术在腹部低剂量CT扫描乏血供肝转移瘤中的图像质量[J]. 中华放射学杂志, 2015, 49(4): 283-287. DOI: 10.3760/cma.j.issn.1005-1201.2015.04.011.

    WANG P, GAO Y Y, LU Z M, et al. Iterative model reconstruction and hybrid iterative reconstruction techniques iDose4 in low-dose abdominal CT: Comparison of image quality in evaluation of hypovascular metastases of liver[J]. Chinese Journal of Radiology, 2015, 49(4): 283-287. DOI: 10.3760/cma.j.issn.1005-1201.2015.04.011. (in Chinese).

    [4]

    CHO Y J, SCHOEPF U J, SILVERMAN J R, et al. Iterative image reconstruction techniques: Cardiothoracic computed tomography applications[J]. Journal of Thoracic Imaging, 2014, 29(4): 198-208. DOI: 10.1097/RTI.0000000000000041.

    [5] 侯阳, 于兵, 郭启勇, 等. 迭代重建对前置门控冠状动脉CT图像质量及辐射剂量的影响[J]. 中华放射学杂志, 2013, 47(4): 305-309. DOI: 10.3760/cma.j.issn.1005-1201.2013.04.004.

    HOU Y, YU B, GUO Q Y, et al. Application of iterative reconstruction in prospective electrocardiography-triggered CT coronary angiography[J]. Chinese Journal of Radiology, 2013, 47(4): 305-309. DOI: 10.3760/cma.j.issn.1005-1201.2013.04.004. (in Chinese).

    [6] 李杰, 袁源, 王春杰, 等. 能谱CT去金属伪影(MAR)技术用于减低单髋关节置换物伪影[J]. 中国医学影像技术, 2021, 37(1): 131-135. DOI: 10.13929/j.issn.1003-3289.2021.01.032.

    LI J, YUAN Y, WANG C J, et al. Energy spectrum CT metal artifacts reduction (MAR) for reducing artifacts of unilateral hip arthroplasty[J]. Chinese Journal of Medical Imaging Technology, 2021, 37(1): 131-135. DOI: 10.13929/j.issn.1003-3289.2021.01.032. (in Chinese).

    [7]

    HU Y, PAN S, ZHAO X, et al. Value and clinical application of orthopedic metal artifact reduction algorithm in CT scans after orthopedic metal implantation[J]. Korean Journal of Radiology, 2017, 18(3): 526-535. DOI: 10.3348/kjr.2017.18.3.526.

    [8]

    GROßE H N, NEUHAUS V, ABDULLAYEV N, et al. Reduction of artifacts caused by orthopedic hardware in the spine in spectral detector CT examinations using virtual monoenergetic image reconstructions and metal-artifact-reduction algorithms[J]. Skeletal Radiology, 2018, 47(2): 195-201. DOI: 10.1007/s00256-017-2776-5.

    [9] 刘丹丹, 崔莹, 赵波, 等. 定位像扫描参数对胸部CT影像质量和辐射剂量影响的模体研究[J]. 中华放射医学与防护杂志, 2021, 41(3): 217-221. DOI: 10.3760/cma.j.issn.0254-5098.2021.03.011.

    LIU D D, CUI Y, ZHAO B, et al. The influence of scout scanning parameters on image quality and radiation dose of chest CT: A phantom study[J]. Chinese Journal of Radiological Medicine and Protection, 2021, 41(3): 217-221. DOI: 10.3760/cma.j.issn.0254-5098.2021.03.011. (in Chinese).

    [10] 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. DOI: 10.3760/cma.j.issn.1005-1201.2011.08.007.

    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. DOI: 10.3760/cma.j.issn.1005-1201.2011.08.007. (in Chinese).

    [11]

    HILGERS G, NUVER T, MINKEN A. The CT number accuracy of a novel commercial metal artifact reduction algorithm for large orthopedic implants[J]. Journal of Applied Clinical Medical Physics, 2014, 15(1): 4597. DOI: 10.1120/jacmp.v15i1.4597.

    [12] 吴志斌, 李剑, 郑敏文, 等. O-MAR技术在减少高浓度造影剂硬化伪影中的应用价值[J]. 中国医疗设备, 2019, 34(6): 9-11. DOI: 10.3969/j.issn.1674-1633.2019.06.003.

    WU Z B, LI J, ZHENG M W, et al. Application of O-MAR technology in reducing the artifacts of high concentration contrast medium[J]. China Medical Devices, 2019, 34(6): 9-11. DOI: 10.3969/j.issn.1674-1633.2019.06.003. (in Chinese).

    [13] 宋殿行, 郭鹏, 王玉琦, 等. O-MAR重组在减少颅内动脉瘤弹簧圈栓塞术后金属伪影的价值[J]. 临床放射学杂志, 2020, 39(3): 592-595. DOI: 10.13437/j.cnki.jcr.2020.03.037.

    SONG D X, GUO P, WANG Y Q, et al. Clinical evaluation of orthopedic metal artifact reduction (O-MAR) in reducing metallic artifacts in CT of intracranial aneurysms after endovascular coil treatment[J]. Journal of Clinical Radiology, 2020, 39(3): 592-595. DOI: 10.13437/j.cnki.jcr.2020.03.037. (in Chinese).

    [14] 王茹, 姜彦, 徐凯, 等. iDose4与O-MAR迭代算法对TACE术后CT成像质量和疗效评估的价值[J]. 中国医学计算机成像杂志, 2016, 22(5): 457-462. DOI: 10.3969/j.issn.1006-5741.2016.05.014.

    WANG R, JIANG Y, XU K, et al. Effect of iDose4 and O-MAR iterative algorithm on imaging quality of CT scan after TACE operation[J]. Chinese Computed Medical Imaging, 2016, 22(5): 457-462. DOI: 10.3969/j.issn.1006-5741.2016.05.014. (in Chinese).

    [15] 袁肖娜, 高知玲, 朱凯, 等. iDose迭代重建算法对上腹部CT图像质量的影响[J]. 实用放射学杂志, 2016, 32(1): 102-106. DOI: 10.3969/j.issn.1002-1671.2016.01.027.

    YUAN X N, GAO Z L, ZHU K, et al. The effect of iDose iterative reconstruction algorithm on the image quality of upper abdomen CT scan[J]. Journal of Practical Radiology, 2016, 32(1): 102-106. DOI: 10.3969/j.issn.1002-1671.2016.01.027. (in Chinese).

    [16]

    JOEMAI R M, GELEIJINS J, VELDKAMP W J. Development and validation of a low dose simulator for computed tomography[J]. European Radiology, 2010, 20(4): 958-966. DOI: 10.1007/s00330-009-1617-x.

    [17]

    NEUHAUS V, GROSSE H N, ZOPFS D, et al. Reducing artifacts from total hip replacements in dual layer detector CT: Combination of virtual monoenergetic images and orthopedic metal artifact reduction[J]. European Journal of Radiology, 2019, 111: 14-20. DOI: 10.1016/j.ejrad.2018.12.008.

    [18]

    AKDENIZ Y, YEGINGIL I, YEGINGIL Z. Effects of metal implants and a metal artifact reduction tool on calculation accuracy of AAA and acuros XB algorithms in small fields[J]. Medical Physics, 2019, 46(11): 5326-5335. DOI: 10.1002/mp.13819.

    [19] 李杰, 孙兴文, 欧阳汉强, 等. 能谱CT去金属伪影技术减低脊柱不同类型植入物伪影的体模研究[J]. 中华放射学杂志, 2021, 55(9): 910-916. DOI: 10.3760/cma.j.cn112149-20200914-01086.

    LI J, SUN X W, OUYANG H Q, et al. The experimental phantom study of spectral CT metal artifact reduction technique in reducing the artifacts of different types of spinal implants[J]. Chinese Journal of Radiology, 2021, 55(9): 910-916. DOI: 10.3760/cma.j.cn112149-20200914-01086. (in Chinese).

    [20]

    SELLES M, KORTE J H, BOELHOUWERS H J, et al. Metal artifact reduction in computed tomography: Is it of benefit in evaluating sacroiliac joint fusion?[J]. European Journal of Radiology, 2022, 148: 110159. DOI: 10.1016/j.ejrad.2022.110159.

    [21] 张青帝, 吴丽卓, 姜晓静, 等. 不同级别iDose4迭代重建技术在冠状动脉CT成像中的应用[J]. 中国实验诊断学, 2016, 20(5): 752-754.

    ZHANG Q D, WU L Z, JIANG X J, et al. Application of different level iDose4 iterative reconstruction technique in coronary computed tomography angiography[J]. Chinese Journal of Laboratory Diagnosis, 2016, 20(5): 752-754. (in Chinese).

    [22]

    BARRETO I, PEPIN E, DAVIS I, et al. Comparison of metal artifact reduction using single-energy CT and dual-energy CT with various metallic implants in cadavers[J]. European Journal of Radiology, 2020, 133: 109357. DOI: 10.1016/j.ejrad.2020.109357.

    [23]

    SUNWOO L, PARK S W, RHIM J H, et al. Metal artifact reduction for orthopedic implants: Brain CT angiography in patients with intracranial metallic implants[J]. Journal of Korean Medical Science, 2018, 33(21): e158. DOI: 10.3346/jkms.2018.33.e158.

图(4)  /  表(3)
计量
  • 文章访问数:  110
  • HTML全文浏览量:  31
  • PDF下载量:  32
  • 被引次数: 0
出版历程
  • 收稿日期:  2024-06-15
  • 修回日期:  2024-08-12
  • 录用日期:  2024-09-03
  • 网络出版日期:  2024-10-29
  • 刊出日期:  2025-03-04

目录

/

返回文章
返回
x 关闭 永久关闭