Applicability of Different Iterative Reconstruction Algorithms in Orbital Computed Tomography
-
摘要:
目的：探讨不同迭代重建算法在眼眶CT中的应用价值。方法：回顾性收集2024年1月至2024年3月首都医科大学附属北京同仁医院行眼眶CT检查的31例患者，分别使用混合迭代重建算法（iDose4）和全模型迭代重建算法（IMR）技术对图像进行标准算法和骨算法重建，对比分析不同重建算法图像的平均CT值、噪声（SD）、信噪比（SNR）、对比度噪声比（CNR）以及图像质量主观评分；采用随机区组方差分析比较不同算法重建图像间的客观指标差异；采用多个相关样本的秩和检验比较不同算法重建图像的主观评分差异。结果：不同标准算法重建图像的CT值、噪声、SNR、CNR差异均有统计学意义，与iDose4相比，IMR标准算法重建图像噪声降幅达25％～67％，SNR增加1.3～1.5倍，CNR增加2～3倍；与iDose4相比，IMR骨算法重建图像噪声降幅达70％～96％，SNR增加5～15倍，CNR增加4～31倍；不同骨算法及标准算法的图像质量评分差异均有统计学意义，标准算法IMR1-Brain Routine组评分最高5（4，5），骨算法iDose43 YD组评分最高5（5，5）；两名观察者评分的一致性较强，加权Kappa系数0.644～1。结论：眼眶CT中推荐使用混合迭代重建技术iDose4 Level 3重建骨算法图像，使用全模型迭代重建技术IMR Level1重建标准算法图像。
Abstract:Objective: This study aimed to investigate the value of different iterative reconstruction algorithms for orbital computed tomography (CT). Methods: Orbital CT data from 31 patients were retrospectively collected from January to March 2024 at Beijing Tongren Hospital Capital Medical University. The images were reconstructed using both the Hybrid Iterative Reconstruction Algorithm (iDose4) and Iterative Model Reconstruction (IMR) techniques for the bone and standard algorithms. The average CT number, standard deviation (SD) of noise , signal-to-noise ratio (SNR), contrast-to-noise ratio (CNR), and image quality scores of different reconstruction algorithms were compared. Randomized block variance analysis was used to compare differences in objective indicators, and the Wilcoxon signed-rank test for related samples was used to compare differences in subjective scores. Results: The differences in the CT number, noise, SNR, and CNR of images reconstructed using different standard algorithms were statistically significant. Compared with iDose4, the noise reduction of the IMR standard algorithm-reconstructed images ranged from 25% to 67%, with an SNR increase of 1.3~1.5 times, and a CNR increase of 2 to 3 times. Compared with iDose4, the noise reduction of the IMR bone algorithm-reconstructed images ranged from 70% to 96%, with an SNR increase of 5~15 times and a CNR increase of 4~31 times. The differences in the image quality scores of the images reconstructed using different bone and standard algorithms were statistically significant. The highest scores were 5 (5, 5) for the iDose4 Level 3 Y-Detail (YD) bone algorithm group and 5 (4, 5) for the IMR Level 1 Brain Routine standard algorithm group. The consistency of the scores evaluated by the two observers was strong, with weighted kappa coefficients ranging from 0.644 to 1. Conclusion: In orbital CT, we recommend using a hybrid iterative reconstruction technique (iDose4 Level 3) to reconstruct bone algorithm images and the iterative model reconstruction technique (IMR-Level 1) to reconstruct standard algorithm images.
-
Keywords:
- tomography /
- X-ray computed /
- iterative model reconstruction (IMR) /
- orbital /
- noise
-
CT具有密度分辨力高，断面解剖关系清楚，病变细节显示好等优点，是眼眶外伤的首选检查。而CT技术自诞生以来，出现了多种重建算法。传统的滤波反投影算法（filtered back projection，FBP）是使用最广泛的图像重建方法，但伴有较高的影像噪声，影响视神经和眶肌等眼眶软组织结构的图像质量[1]。在过去的几十年里，随着数学和信息学领域的进步，迭代重建技术代表了硬件和软件发展的主要成果之一，能够在大幅降低辐射剂量的同时提高CT诊断能力，已广泛取代FBP成为CT图像的重建模式。
目前，临床使用的迭代重建技术主要包括混合迭代重建（hybrid iterative reconstruction，HIR）及全模型迭代重建（iterative model reconstruction，IMR）技术[2]。其中，HIR技术应用较为普遍，对降低噪声的程度有限，而IMR作为一种新兴的重建迭代技术，具有很强的降噪能力。但是，在眼眶等既考虑软组织也注重微小骨骼细节显示的部位，如何选择适宜的重建算法，相关的研究较少。
本研究探讨不同重建算法对眼眶CT图像质量的影响，为临床实践中合理选择重建算法提供依据。
1. 资料与方法
1.1 一般资料
回顾性收集2024年1月至2024年3月疑似眼部疾病在首都医科大学附属北京同仁医院行眼眶CT检查的31例患者的临床和影像资料。排除标准：①有金属异物；②有金属植入物；③有眼球运动伪影；④年龄＜18周岁。共纳入31例患者，男13例，女18例，年龄19～75（43±12）岁。主要包括Graves'眼病13例，炎症3例，占位5例，骨折10例。
1.2 仪器与方法
使用Philips IQon Spectral 64排螺旋CT扫描仪。扫描时患者取仰卧位，头先进，左右居中，嘱患者闭目并在检查过程中保持头部和眼球静止状态。使用螺旋扫描，管电压120 kV，管电流230 mA，球管旋转时间0.5 s，准直64×0.625 mm，螺距0.515，扫描范围眼眶上缘至下缘。
重建方式和算法：①iDose技术：骨算法选择iDose4，迭代水平Level 3，滤过Y-Detail（YD），记为iDose43 YD组；标准算法选择iDose4，迭代水平Level 3，滤过核Brain Standard（UB），记为iDose43 UB组。②IMR技术，3种强度（迭代水平Level 1～Level 3）；骨算法选择2种滤过核即Sharp和SharpPlus，记为IMR 1-Sharp组、IMR 2-Sharp组、IMR 3-Sharp组、IMR 1-SharpPlus组、IMR 2-SharpPlus组、IMR 3-SharpPlus组；标准算法选择Brain Routine，记为IMR 1-Brain Routine组、IMR 2-Brain Routine组、IMR 3-Brain Routine组。骨算法：层厚 0.67 mm，层间距 0.34 mm；窗宽4 000 HU、窗位700 HU；标准算法：层厚 0.67 mm，层间距 0.5 mm；窗宽350 HU、窗位40 HU；矩阵512×512。
1.3 图像分析
1.3.1 客观评价
使用Philips IntelliSpace Portal星云工作站,选择视神经层面，在左、右侧视神经、眶内脂肪及背景空气区域勾画面积为10 mm2圆形感兴趣区（ROI），测量平均CT值及噪声（SD）（图1）。测量 CT视神经 及 SD视神经 时，在左右侧视神经各测一次，取均值；测量CT眶内脂肪时，在左右侧眶内脂肪各测一次，取均值，测量SD空气时，在眼眶正前方组织外扫描野内的空气不同位置测量3次（ROI内无毛发等非空气成分），取均值，然后计算信噪比（SNR）和对比噪声比（CNR）：
![]()
图 1 标准算法及骨算法重建横断图像的客观评价测量示意图Figure 1. Objective evaluation measurement of standard algorithm and bone algorithm for reconstructing cross-sectional images$$ \mathrm{SNR}=\left(\mathrm{CT}_{左侧视神经}+\mathrm{CT}_{右侧视神经}\right)/\left(\mathrm{SD}_{左侧视神经}+\mathrm{SD}_{右侧视神经}\right)， $$ (1) $$ \mathrm{CNR}=\left(\mathrm{CT}_{视神经}-\mathrm{CT}_{眶内脂肪}\right)/\mathrm{SD}_{空气}。 $$ (2) 1.3.2 主观评价
由一名高年资医师及一名高年资技师对所有图像质量进行双盲法评分，评价内容包括：骨算法图像；眶骨边缘、骨折线及骨折端清晰度、图像伪影；标准算法图像：眼环、晶状体、视神经及眼肌显示清晰度，图像伪影。
评价标准采用5分制：5分，解剖结构及病灶显示清晰且无伪影；4分，解剖结构及病灶显示较清晰，可以进行评价；3分，大部分解剖结构及病灶显示可以满足诊断要求，但存在轻度伪影；2分，解剖结构及病灶显示不清晰，难以发现细节；1分，解剖结构及病灶模糊且伪影多，不能进行诊断。图像质量评分≥3即认为符合诊断要求[3]。
1.4 统计学方法
应用SPSS 27.0统计软件。符合正态分布的计量资料以
$ ({\bar{x}}\pm s) $ 进行描述，不符合正态分布的数据以$M(Q_1,Q_3) $ 进行描述。以随机区组方差分析比较不同算法重建图像的CT值、SD、SNR、CNR的差异，差异有统计学意义时，以Bonferroni检验进行事后比较。以多个相关样本的秩和检验比较不同算法重建图像的主观评分，差异有统计学意义时，以Friedman按秩ANOVA检验进行多重比较。利用加权Kappa系数分析两名观察者主观评价结果的一致性，Kappa值在0～0.2之间，一致性较差；在0.21～0.4之间，一致性一般；在0.41～0.6之间，一致性中等；在0.61～0.8之间，一致性较强，在0.81～1.0之间，一致性很强。P<0.05为差异有统计学意义。2. 结果
2.1 客观评价
2.1.1 平均CT值
标准算法：视神经、眶内脂肪和空气的CT值差异均有统计学意义；两两比较，IMR 1～3组间差异无统计学意义；其余各组组间差异有统计学意义。视神经的CT值IMR 3个组＞iDose43 UB组，眶内脂肪和空气的CT值IMR 3个组<iDose43 UB组（表1）。
表 1 不同标准算法重建图像平均CT值与SD值比较（HU，$ (\bar{{x}}\pm {s}) $ ）Table 1. Comparison of the average CT number and SD of image reconstruction with different standard algorithms重建方法 CT值/HU SD/HU 视神经 眶内脂肪 背景空气 视神经 眶内脂肪 背景空气 iDose4 3 UB 32.27±5.76 -91.74±7.41 -1001.19±2.28 10.49±2.41 8.87±2.67 6.10±1.04 IMR 1-Brain Routine 33.43±5.30 -93.41±6.62 -1001.93±1.67 8.61±2.30 6.47±2.62 2.93±0.52 IMR 2-Brain Routine 33.59±5.27 -93.63±6.55 -1002.01±1.64 8.36±2.35 5.97±2.50 2.57±0.46 IMR 3-Brain Routine 33.48±5.15 -93.67±6.37 -1001.99±1.57 7.81±2.47 5.26±2.68 1.97±0.43 F 32.44 40.33 12.75 152.37 222.86 806.68 P <0.001 <0.001 <0.001 <0.001 <0.001 <0.001 骨算法：视神经、空气的CT值差异有统计学意义，脂肪组织的CT值差异无统计学意义（表2）。
表 2 不同骨算法重建图像平均CT值与SD值比较（HU，$ (\bar{{x}}\pm {s}) $ ）Table 2. Comparison of the average CT number and SD of image reconstruction with different bone algorithms重建方法 CT值/HU SD/HU 视神经 眶内脂肪 背景空气 视神经 眶内脂肪 背景空气 iDose4 3 YD 30.31±7.75 -97.03±8.62 -968.50±5.82 110.87±19.83 104.46±20.52 55.56±10.75 IMR 1-Sharp 32.94±4.83 -95.78±5.53 -1002.39±2.57 10.89±5.75 4.32±1.24 2.32±0.35 IMR 2-Sharp 33.17±4.86 -96.10±5.54 -1002.61±1.87 10.85±5.74 4.08±1.16 2.18±0.31 IMR 3-Sharp 33.17±4.86 -97.95±5.72 -1002.62±1.86 10.67±5.84 3.60±1.22 1.79±0.34 IMR 1-SharpPlus 38.85±6.05 -97.02±5.64 -1000.81±2.07 29.01±5.78 26.29±4.47 14.66±1.88 IMR 2-SharpPlus 38.86±5.83 -97.13±5.62 -1001.47±2.06 25.35±5.60 22.28±3.79 12.95±1.62 IMR 3-SharpPlus 38.86±5.58 -96.59±6.05 -1002.16±2.84 20.69±5.62 17.01±2.88 10.52±1.28 F 61.02 0.92 820.68 797.60 731.02 761.87 P <0.001 0.483 <0.001 <0.001 <0.001 <0.001 2.1.2 噪声
标准算法：视神经、眶内脂肪和空气的噪声差异有统计学意义；两两比较，视神经IMR 1和IMR 2组间差异无统计学意义，其余各组组间差异有统计学意义，眶内脂肪和空气的噪声值IMR 1～3组间差异均有统计学意义。IMR重建图像中，噪声随着强度等级的提高而降低。与iDose4组比，IMR组重建图像的噪声降幅达 25％～67％（表1）。
骨算法：视神经、眶内脂肪和空气的噪声差异有统计学意义。IMR重建图像中，噪声SharpPlus 3个组＞Sharp 3个组，在同种滤过核下，噪声随着强度等级的提高而降低。与iDose4组相比，IMR组重建图像的噪声降幅可达70％～96％（表2）。
2.1.3 信噪比
标准算法：SNR差异有统计学意义，两两比较，IMR 1和IMR 2组间差异无统计学意义，其余各组组间差异均有统计学意义。IMR重建图像中，SNR随着强度等级的提高而增加。与iDose4组相比，IMR组重建图像的SNR增加1.3～1.5倍（表3）。
表 3 不同标准算法重建图像SNR与CNR值比较（$ (\bar{{x}}\pm {s}) $ ）Table 3. Comparison of SNR and CNR of image reconstruction with different standard algorithms重建方法 SNR CNR iDose4 3 UB 3.26±1.04 21.00±4.30 IMR 1-Brain Routine 4.24±1.58 44.65±8.54 IMR 2-Brain Routine 4.44±1.73 51.07±9.79 IMR 3-Brain Routine 4.91±2.30 67.10±13.68 F 43.25 544.40 P <0.001 <0.001 骨算法：SNR差异有统计学意义，IMR重建图像中，SNR Sharp 3个组＞SharpPlus 3个组，在同种滤过核下，SNR随着强度等级的提高而增加。与iDose4组相比，IMR组重建图像的信噪比增加5～15倍（表4）。
表 4 不同骨算法重建图像SNR与CNR值比较（$ (\overline{\mathit{x}}\pm \mathit{s}) $ ）Table 4. Comparison of SNR and CNR of image reconstruction with different bone algorithms重建方法 SNR CNR iDose4 3 YD 0.28±0.07 2.36±0.47 IMR 1-Sharp 3.99±2.28 56.67±9.06 IMR 2-Sharp 4.04±2.32 60.33±9.24 IMR 3-Sharp 4.22±2.60 74.67±14.32 IMR 1-SharpPlus 1.39±0.33 9.38±1.16 IMR 2-SharpPlus 1.60±0.39 10.62±1.26 IMR 3-SharpPlus 1.99±0.55 13.08±1.51 F 54.99 766.85 P <0.001 <0.001 2.1.4 对比度噪声比
标准算法：CNR差异有统计学意义，两两比较各组间差异均有统计学意义。IMR重建图像中，CNR随着强度等级提高而增加。与iDose4组相比，IMR组重建图像的信噪比增加2～3倍（表3）。
骨算法：CNR差异有统计学意义，IMR重建图像中，CNR Sharp 3个组＞SharpPlus 3个组，在同种滤过核下，CNR随着强度等级的提高而增加。与iDose4组相比，IMR组重建图像的CNR增加4～31倍（表4）。
2.2 主观评价
两名观察者对31位患者的11组重建图像的主观评价一致性较强，加权Kappa系数0.644～1。
标准算法：图像质量评分差异有统计学意义，两两比较iDose4组和IMR 3组差异无统计学意义，其余各组间评分差异均有统计学意义。IMR 1组图像质量评分最高5（4，5）（表5和图2）。
表 5 不同标准算法重建图像质量评分比较[分，M(Q1,Q3)]Table 5. Comparison of the image quality scores of image reconstruction with different standard algorithms重建方法 图像质量评分 iDose4 3 UB 3（3，4） IMR 1-Brain Routine 5（4，5） IMR 2-Brain Routine 4（4，5） IMR 3-Brain Routine 4（3，4） $\chi^2 $ 144.22 P <0.001 ![]()
图 2 不同标准算法重建横断图像注：患者，男55岁，右侧眼眶眶壁多发骨折，眼睑、泪腺及泪囊区软组织肿胀、积气并血肿形成。（a）和（e）为iDose4 技术、迭代水平Level 3、滤过核Brain Standard(UB)重建横断面图像；（b）～（d）、（f）～（h）为IMR技术、迭代水平Level 1～3、滤过核Brain Routine重建横断面图像。IMR 技术重建图像的SNR,CNR均优于iDose4，并随着迭代等级的提高而增加，但IMR Level 1（b）和（f）的图像质量评分最高5（4，5），细节显示最优。Figure 2. Cross-sectional images reconstructed with different standard algorithms骨算法：图像质量评分差异有统计学意义，两两比较，IMR 1-Sharp、IMR 2-Sharp、IMR 3-Sharp组之间差异无统计学意义；IMR 1-SharpPlus、IMR 2-SharpPlus组间，IMR 2-SharpPlus、IMR 3-SharpPlus组间差异无统计学意义；其余各组间评分差异均有统计学意义。iDose4组图像质量评分最高 5（5，5）（表6和图3）。
表 6 不同骨算法重建图像质量评分比较[分，M(Q1,Q3)]Table 6. Comparison of the image quality scores of image reconstruction with different bone algorithms重建方法 图像质量评分 iDose4 3 YD 5（5，5） IMR 1-Sharp 3（3，3） IMR 2-Sharp 3（2，3） IMR 3-Sharp 3（3，3） IMR 1-SharpPlus 4（4，4） IMR 2-SharpPlus 4（4，4） IMR 3-SharpPlus 4（4，4） $\chi^2 $ 318.82 P < 0.001 ![]()
图 3 不同骨算法重建横断图像注：患者，男55岁，右侧眼眶眶壁多发骨折。（a）为iDose4技术、迭代水平Level 3、滤过Y-Detail（YD）重建横断面图像；（b）～（d）为IMR技术、迭代水平Level 1～3、滤过核Sharp重建横断面图像；（e）～（g）为IMR技术、迭代水平Level 1～3、滤过核SharpPlus重建横断面图像。与iDose4相比，IMR重建图像的噪声随着滤过核及等级的变化大幅降低，SNR、CNR大幅增高；iDose4重建图像虽然噪声最大，SNR与CNR最低，但图像质量评分最高5（5，5），显示骨质最优。Figure 3. Cross-sectional images reconstructed with different bone algorithms3. 讨论
迭代重建技术主要可分为混合型和基于模型两种类型。飞利浦公司的iDose4技术[4]是基于噪声模型和解剖模型双模型的迭代计算，涵盖了投影空间和图像空间，其中噪声模型主要用于提高图像质量，而解剖模型则主要用于加速重建过程。该算法不仅能够消除低光子伪影和显著降低噪声水平，还能够显著提高重建图像的密度分辨力和空间分辨力，并可有效消除蜡像伪影[5-7]。然而iDose4仍属于基于FBP的局部迭代技术，未能充分考虑系统硬件和部分入射X射线的光子特性，可能会对图像造成一定程度的影响[8]。
在iDose4技术之后，飞利浦公司推出了全模型迭代重建IMR技术，其不含有传统FBP成分。与混合IR相比，IMR技术旨在明显降低图像噪声、改善低对比度细节和提高空间分辨力。其原理是通过对图像统计模型、数据统计模型和系统模型在图像空间和数据空间中的连续优化来实现降噪，使图像变得更加平滑[9]。此外IMR还加入了一些探测器采样、角度采样以及系统几何信息的性能以达到理想的分辨力并消除伪影[10]，使IMR在具备强大的降噪功能的同时，能够保持较高的空间分辨力和密度分辨力[11]。目前，该技术已逐步应用于成人及儿童的头颈部、心血管、胸腹部等全身各系统的检查中[12-20]。考虑到目前临床眼眶CT成像主要使用混合型迭代重建技术，本研究选择以此为对照，来验证IMR技术在眼眶CT中的潜在应用的可能性。
本研究结果显示：与iDose4组比较，除了骨算法下眶内脂肪的CT值差异不具统计学意义，其他重建算法下的CT值差异均具有统计学意义，但IMR的不同重建水平对CT值的影响却很小。袁姝娅[21]在模体实验研究中指出：IMR重建与iDose4相比，在高密度物质的检测中CT值没有显著性差异，但在低密度物质和等密度物质的检测中，IMR能够增加等低密度物质CT值的绝对值，与本研究结果一致。这可能归因于基于模型的迭代重建技术对线束硬化伪影进行了校正，而传统的滤波反投影或混合迭代重建技术则无法做到这一点[22]。
在评价软组织图像质量方面，研究者Widmann等[1]认为，相较于FBP的参考剂量方案，低剂量联合基于模型的迭代重建（model based iterative reconstruction，MBIR）技术能够显示出对眼眶软组织的相似的诊断可见性，从而可以重新定义颌面部CT的参考剂量水平。 Lee等[23]研究表明，低剂量CT联合IMR重建技术时，不会对Graves'眼病预后参数的测量造成影响。Hoxworth等[24]也报道了MBIR对鼻窦软组织结构评价的显著改善。
本研究表明，与传统的idose4算法相比，使用IMR技术重建的图像在SNR和CNR等客观指标上表现更好，且优化程度随着迭代等级的提高而增加。然而，主观评价结果显示，Level 2和Level 3的评分反而低于Level 1。在临床实践中，仅凭客观图像质量指标进行评估是不够的。虽然迭代算法能够显著降低图像噪声并提高CNR和SNR，但过高的迭代重建等级会导致过度降噪，造成边缘信息和图像细节丢失，产生“模糊效应”，从而影响解剖结构细节的显示和病变检测率。学者Laurent等[25]也指出，由于MBIR显著改变了图像纹理，降低了重建图像的可信度，可能对诊断性能产生潜在的影响。
在评价骨质图像质量方面，主要关注图像的空间分辨力。以往有模体研究表明，全模型迭代算法有着更高的空间分辨力[21,25]，但学者Widmann等[26]研究指出MBIR 虽然能够降低了93％的平均噪声，但无法提高骨折的检出率；同时Hoxworth等[24]研究也指出 MBIR 可改善鼻窦软组织的评估，但会导致骨细节的模糊。此外，Laurent等[25]、王天娇等[27]研究也表明全模型迭代算法技术提高了客观图像质量，但主观评分较低。
重建参数的选择会显著影响图像的空间分辨力。在临床实践中，通常会选用高对比度分辨力的重建参数来观察骨质结构，本研究骨算法重建图像中，iDose4模式下使用高分辨力重建参数Y-Detail，IMR模式下使用高分辨力重建参数Sharp以及SharpPlus。与iDose4相比，IMR重建图像的噪声随着重建参数及等级的变化而显著降低，同时SNR和CNR也大幅增加。尽管传统迭代iDose4重建图像噪声最大，SNR与CNR最低，但是从主观结果来看，其图像质量评分最高5（5，5），显示出更优的图像细节。这是因为仅用噪声评价CT图像质量不够全面，IMR算法在降低噪声的同时也会影响图像的锐利度。这可能是由于IMR技术通过多次迭代处理，将背景噪声大幅平滑化，从而减少了图像与原始投影数据之间的差异，导致图像在视觉上呈现出过度平滑柔和的特征，增加图像的浮雕感，无法提高骨质清晰度的显示，从而影响医生对于细小结构的观察，进而影响诊断信心。在临床诊疗中应根据图像的应用需求选择适宜的重建算法。
本研究存在局限性。①样本量较小，有待日后进一步扩大样本量加以改进；②只在标准剂量扫描方案下进行了研究，以后将进一步探讨IMR在眼眶低剂量扫描方案下应用的可能。
综上所述，眼眶CT中推荐使用混合迭代重建技术iDose4 Level 3重建骨算法图像，使用全模型迭代重建技术IMR Level 1重建标准算法图像。
-
![]()
图 1 标准算法及骨算法重建横断图像的客观评价测量示意图
Figure 1. Objective evaluation measurement of standard algorithm and bone algorithm for reconstructing cross-sectional images
![]()
图 2 不同标准算法重建横断图像
注：患者，男55岁，右侧眼眶眶壁多发骨折，眼睑、泪腺及泪囊区软组织肿胀、积气并血肿形成。（a）和（e）为iDose4 技术、迭代水平Level 3、滤过核Brain Standard(UB)重建横断面图像；（b）～（d）、（f）～（h）为IMR技术、迭代水平Level 1～3、滤过核Brain Routine重建横断面图像。IMR 技术重建图像的SNR,CNR均优于iDose4，并随着迭代等级的提高而增加，但IMR Level 1（b）和（f）的图像质量评分最高5（4，5），细节显示最优。
Figure 2. Cross-sectional images reconstructed with different standard algorithms
![]()
图 3 不同骨算法重建横断图像
注：患者，男55岁，右侧眼眶眶壁多发骨折。（a）为iDose4技术、迭代水平Level 3、滤过Y-Detail（YD）重建横断面图像；（b）～（d）为IMR技术、迭代水平Level 1～3、滤过核Sharp重建横断面图像；（e）～（g）为IMR技术、迭代水平Level 1～3、滤过核SharpPlus重建横断面图像。与iDose4相比，IMR重建图像的噪声随着滤过核及等级的变化大幅降低，SNR、CNR大幅增高；iDose4重建图像虽然噪声最大，SNR与CNR最低，但图像质量评分最高5（5，5），显示骨质最优。
Figure 3. Cross-sectional images reconstructed with different bone algorithms
表 1 不同标准算法重建图像平均CT值与SD值比较（HU，
$ (\bar{{x}}\pm {s}) $ ）Table 1 Comparison of the average CT number and SD of image reconstruction with different standard algorithms
重建方法 CT值/HU SD/HU 视神经 眶内脂肪 背景空气 视神经 眶内脂肪 背景空气 iDose4 3 UB 32.27±5.76 -91.74±7.41 -1001.19±2.28 10.49±2.41 8.87±2.67 6.10±1.04 IMR 1-Brain Routine 33.43±5.30 -93.41±6.62 -1001.93±1.67 8.61±2.30 6.47±2.62 2.93±0.52 IMR 2-Brain Routine 33.59±5.27 -93.63±6.55 -1002.01±1.64 8.36±2.35 5.97±2.50 2.57±0.46 IMR 3-Brain Routine 33.48±5.15 -93.67±6.37 -1001.99±1.57 7.81±2.47 5.26±2.68 1.97±0.43 F 32.44 40.33 12.75 152.37 222.86 806.68 P <0.001 <0.001 <0.001 <0.001 <0.001 <0.001 
下载: 导出CSV
表 2 不同骨算法重建图像平均CT值与SD值比较（HU，
$ (\bar{{x}}\pm {s}) $ ）Table 2 Comparison of the average CT number and SD of image reconstruction with different bone algorithms
重建方法 CT值/HU SD/HU 视神经 眶内脂肪 背景空气 视神经 眶内脂肪 背景空气 iDose4 3 YD 30.31±7.75 -97.03±8.62 -968.50±5.82 110.87±19.83 104.46±20.52 55.56±10.75 IMR 1-Sharp 32.94±4.83 -95.78±5.53 -1002.39±2.57 10.89±5.75 4.32±1.24 2.32±0.35 IMR 2-Sharp 33.17±4.86 -96.10±5.54 -1002.61±1.87 10.85±5.74 4.08±1.16 2.18±0.31 IMR 3-Sharp 33.17±4.86 -97.95±5.72 -1002.62±1.86 10.67±5.84 3.60±1.22 1.79±0.34 IMR 1-SharpPlus 38.85±6.05 -97.02±5.64 -1000.81±2.07 29.01±5.78 26.29±4.47 14.66±1.88 IMR 2-SharpPlus 38.86±5.83 -97.13±5.62 -1001.47±2.06 25.35±5.60 22.28±3.79 12.95±1.62 IMR 3-SharpPlus 38.86±5.58 -96.59±6.05 -1002.16±2.84 20.69±5.62 17.01±2.88 10.52±1.28 F 61.02 0.92 820.68 797.60 731.02 761.87 P <0.001 0.483 <0.001 <0.001 <0.001 <0.001
下载: 导出CSV
表 3 不同标准算法重建图像SNR与CNR值比较（
$ (\bar{{x}}\pm {s}) $ ）Table 3 Comparison of SNR and CNR of image reconstruction with different standard algorithms
重建方法 SNR CNR iDose4 3 UB 3.26±1.04 21.00±4.30 IMR 1-Brain Routine 4.24±1.58 44.65±8.54 IMR 2-Brain Routine 4.44±1.73 51.07±9.79 IMR 3-Brain Routine 4.91±2.30 67.10±13.68 F 43.25 544.40 P <0.001 <0.001
下载: 导出CSV
表 4 不同骨算法重建图像SNR与CNR值比较（
$ (\overline{\mathit{x}}\pm \mathit{s}) $ ）Table 4 Comparison of SNR and CNR of image reconstruction with different bone algorithms
重建方法 SNR CNR iDose4 3 YD 0.28±0.07 2.36±0.47 IMR 1-Sharp 3.99±2.28 56.67±9.06 IMR 2-Sharp 4.04±2.32 60.33±9.24 IMR 3-Sharp 4.22±2.60 74.67±14.32 IMR 1-SharpPlus 1.39±0.33 9.38±1.16 IMR 2-SharpPlus 1.60±0.39 10.62±1.26 IMR 3-SharpPlus 1.99±0.55 13.08±1.51 F 54.99 766.85 P <0.001 <0.001
下载: 导出CSV
表 5 不同标准算法重建图像质量评分比较[分，M(Q1,Q3)]
Table 5 Comparison of the image quality scores of image reconstruction with different standard algorithms
重建方法 图像质量评分 iDose4 3 UB 3（3，4） IMR 1-Brain Routine 5（4，5） IMR 2-Brain Routine 4（4，5） IMR 3-Brain Routine 4（3，4） $\chi^2 $ 144.22 P <0.001
下载: 导出CSV
表 6 不同骨算法重建图像质量评分比较[分，M(Q1,Q3)]
Table 6 Comparison of the image quality scores of image reconstruction with different bone algorithms
重建方法 图像质量评分 iDose4 3 YD 5（5，5） IMR 1-Sharp 3（3，3） IMR 2-Sharp 3（2，3） IMR 3-Sharp 3（3，3） IMR 1-SharpPlus 4（4，4） IMR 2-SharpPlus 4（4，4） IMR 3-SharpPlus 4（4，4） $\chi^2 $ 318.82 P < 0.001
下载: 导出CSV
-
[1] WIDMANN G, JURANEK D, WALDENBERGER F, et al. Influence of ultra-low-dose and iterative reconstructions on the visualization of orbital soft tissues on maxillofacial CT[J]. American Journal of Neuroradiology, 2017, 38(8): 1630−1635. DOI: 10.3174/ajnr.A5239.
[2] GREFFIER J, FRANDON J, LARBI A, et al. CT iterative reconstruction algorithms: A task-based image quality assessment[J]. European Radiology, 2020, 30(1): 487−500. DOI: 10.1007/s00330-019-06359-6.
[3] 曾宪春, 何波, 康绍磊, 等. 基于原始数据的迭代重建技术在眼眶CT平扫中的应用[J]. 中国医学影像技术, 2013, 29(6): 4. CENG X C, HE B, KANG S L, et al. Application of sinogram affirmed iterative reconstruction technique in orbital CT scan[J]. Chinese Journal of Medical Imaging Technology, 2013, 29(6): 4. (in Chinese).
[4] KLINK T, OBMANN V, HEVERHAGEN J, et al. Reducing CT radiation dose with iterative reconstruction algorithms: The influence of scan and reconstruction parameters on image quality and CTDIvol[J]. European Journal of Radiology, 2014, 83(9): 1645−1654. DOI: 10.1016/j.ejrad.2014.05.033.
[5] KONDRATYEV E, KARMAZANOVSKY G. Low radiation dose 256-MDCT angiography of the carotid arteries: Effect of hybrid iterative reconstruction technique on noise, artifacts, and image quality[J]. European Journal of Radiology, 2013, 82(12): 2233−2239. DOI: 10.1016/j.ejrad.2013.08.053.
[6] SMITH E A, DILLMAN J R, GOODSITT M M, et al. Model-based iterative reconstruction: Effect on patient radiation dose and image quality in pediatric body CT[J]. Radiology, 2014, 270(2): 526−534. DOI: 10.1148/radiol.13130362.
[7] 李昂, 沈君姝, 曹新志, 等. 原始数据迭代重建和70kV CT扫描对图像质量和辐射剂量的影响[J]. 医疗卫生装备, 2015, 36(3): 99−102. LI A, SHEN J S, CAO X Z, et al. Effects of sinogram-affirmed iterative reconstruction and 70kV CT scanning on image quality and radiation dose[J]. Chinese Medical Equipment Journal, 2015, 36(3): 99−102. (in Chinese).
[8] 潘丹, 陈鑫, 姜彦, 等. 迭代模型重组设置对不同辐射剂量下肝脏增强CT图像噪声及质量的影响[J]. 中华放射学杂志, 2015, (3): 173−178. PAN D, CHEN X, JIANG Y, et al. Knowledge-based iterative reconstruction technique: Effect of different reconstruction settings on image quality in hepatic contrast-enhanced CT at different radiation dose levels[J]. Chinese Journal of Radiology, 2015, (3): 173−178. (in Chinese).
[9] Von FALCK C, BRATANOVA V, RODT T, et al. Influence of sinogram affirmed iterative reconstruction of CT data on image noise characteristics and low-contrast detectability: An objective approach[J]. PLoS One, 2013, 8(2): e56875. DOI: 10.1371/journal.pone.0056875.
[10] MEHTA D, THOMPSON R, MORTON T, et al. Iterative model reconstruction: simultaneously lowered computed tomography radiation dose and improved image quality[J]. Medical Physics International Journal, 2013, 1: 147−155.
[11] 谭晶, 侯阳, 郭文力, 等. 全模型迭代重建技术在冠状动脉钙化模体扫描中的应用价值研究[J]. 中国临床医学影像杂志, 2016, 27(12): 867−870. DOI: 10.3969/j.issn.1008-1062.2016.12.009. TAN J, HOU Y, GUO W L, et al. A study of iterative model reconstruction technology in a cardiac coronary calcium anthropomorphic phantom[J]. Journal of China Clinic Medical Imaging, 2016, 27(12): 867−870. DOI: 10.3969/j.issn.1008-1062.2016.12.009. (in Chinese).
[12] JIA Y, ZHAI B, HE T, et al. The application of a new model-based iterative reconstruction in low-dose upper abdominal CT[J]. Academic Radiology, 2019, 26(10): e275−e283. DOI: 10.1016/j.acra.2018.11.020.
[13] TANG S, LIU Y, WANG Z, et al. Study on model iterative reconstruction algorithm vs. filter back projection algorithm for diagnosis of acute cerebral infarction using CT images[J]. Journal of Healthcare Engineering, 2021: 20215000102. DOI: 10.1155/2021/5000102.
[14] PAPROTTKA K J, KUPFER K, RIEDERER I, et al. Impact of dose reduction and iterative model reconstruction on multi-detector CT imaging of the brain in patients with suspected ischemic stroke[J]. Scientific Reports, 2021, 11(1): 22271. DOI: 10.1038/s41598-021-01162-0.
[15] IPPOLITO D, MAINO C, PECORELLI A, et al. Application of low-dose CT combined with model-based iterative reconstruction algorithm in oncologic patients during follow-up: Dose reduction and image quality[J]. The British Journal of Radiology, 2021, 94(1124): 20201223. DOI: 10.1259/bjr.20201223.
[16] TSAI M Y, LIANG H L, CHUO C C, et al. A novel protocol for abdominal low-dose CT scans adapted with a model-based iterative reconstruction method[J]. Journal of X-ray Science and Technology, 2023, 31(3): 453−461. DOI: 10.3233/XST-221325.
[17] LI T, TANG T, YANG L, et al. Coronary CT angiography with knowledge-based iterative model reconstruction for assessing coronary arteries and non-calcified predominant plaques[J]. Korean Journal of Radiology, 2019, 20(5): 729−738. DOI: 10.3348/kjr.2018.0435.
[18] SUN J, HU D, SHEN Y, et al. Improving image quality with model-based iterative reconstruction algorithm for chest CT in children with reduced contrast concentration[J]. La Radiologia Medica, 2019, 124(7): 595−601. DOI: 10.1007/s11547-019-00995-0.
[19] XU J, HU X, ZHANG Y, et al. Application of different levels of advanced modeling iterative reconstruction in brain CT scanning[J]. Current Medical Imaging, 2022, 18(13): 1362−1368. DOI:10.2174/ 1573405618666220516121722.
[20] IPPOLITO D, RIVA L, TALEI F C, et al. Diagnostic efficacy of model-based iterative reconstruction algorithm in an assessment of coronary artery in comparison with standard hybrid-Iterative reconstruction algorithm: Dose reduction and image quality[J]. La Radiologia Medica, 2019, 124(5): 350−359. DOI: 10.1007/s11547-018-0964-6.
[21] 袁姝娅. 极低剂量CT联合全模型迭代重建算法(IMR)评价胸部病变显示能力的模体和临床研究[D]. 苏州: 苏州大学: 2016. [22] HUSARIK D B, ALKADHI H, PUIPPE G D, et al. Model-based iterative reconstruction for improvement of low-contrast detectability in liver CT at reduced radiation dose: Ex-vivo experience[J]. Clinical Radiology, 2015, 70(4): 366−372. DOI: 10.1016/j.crad.2014.11.015.
[23] LEE H J, KIM J, KIM K W, et al. Feasibility of a low-dose orbital CT protocol with a knowledge-based iterative model reconstruction algorithm for evaluating Graves' orbitopathy[J]. Clinical Imaging, 2018: 51327-331.
[24] HOXWORTH J M, LAL D, FLETCHER G P, et al. Radiation dose reduction in paranasal sinus CT using model-based iterative reconstruction[J]. American Journal of Neuroradiology, 2014, 35(4): 644−649. DOI: 10.3174/ajnr.A3749.
[25] LAURENT G, VILLANI N, HOSSU G, et al. Full model-based iterative reconstruction (MBIR) in abdominal CT increases objective image quality, but decreases subjective acceptance[J]. European Radiology, 2019, 29(8): 4016−4025. DOI: 10.1007/s00330-018-5988-8.
[26] WIDMANN G, DALLA TORRE D, HOERMANN R, et al. Ultralow-dose computed tomography imaging for surgery of midfacial and orbital fractures using ASIR and MBIR[J]. International Journal of Oral and Maxillofacial Surgery, 2015, 44(4): 441−446. DOI: 10.1016/j.ijom.2015.01.011.
[27] 王天娇, 王沄, 马壮飞, 等. 全模型迭代算法(FIRST)在靶扫描靶重建颞骨CT成像的应用研究[J]. 中国医疗设备, 2021, 11: 76−80. WANG T J, WANG Y, MA Z F, et al. Forward projected model-based iterative reconstruction solution (FIRST) for target scan and target reconstruction in temporal bone CT image[J]. China Medical Devices, 2021, 11: 76−80. (in Chinese).
计量
- 文章访问数: 177
- HTML全文浏览量: 36
- PDF下载量: 30
