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
-
慢性阻塞性肺疾病(chronic obstruction pulmonary disease,COPD)是一种以小气道病变和肺气肿为主要特征的异质性疾病,其发生率男性高于女性,目前是世界第3大死亡原因,并且发病率和死亡率一直在上升[1-3]。目前COPD诊断的最佳标准仍然是肺功能检查[4],临床上用肺功能来判断COPD严重程度,但是肺功能无法区分气流阻塞的病理类型,也无法区分肺气肿及小气道病变的贡献程度[5]。肺功能正常的吸烟者通常会被认为没有疾病,但吸烟者有呼吸道症状和急性加重病史,并且此类患者在CT上常有肺气肿和支气管壁增厚,而在此类人群中CT发现肺气肿可以预测进行性肺气肿、肺功能丧失和更高的死亡率[6],所以早期发现COPD易感人群肺气肿的分布比例对于其病情评估及预后有重要作用。
师美娟等[7]通过分析 CT双气相不同肺气肿阈值低衰减区(low attenuation area,LAA)占全肺体积百分比LAA%-950和LAA%-910可以评估不同严重程度肺气肿分布比例的不同;Galbán等[8]首次提出参数反应图(parameter response mapping,PRM)应用到CT扫描的可行性;此后研究表明双气相CT配准可以精确的区分及定量测量功能性小气道病变(fSAD)、肺气肿(Emph)和正常(Normal)区域[9];本课题组前期研究[10-12]表明胸部定量 CT能够早期、精准、客观的评估COPD严重程度,并且优于传统肺功能检查;梁志冉等[13]研究结果显示在无症状青年女性中存在少量肺气肿。因此我们推测在轻中度COPD中,肺气肿指标在判断疾病严重程度及早期诊断中具有极大临床实用价值,很有必要在COPD早期阶段筛选出最优CT定量肺气肿指标。
既往研究基本都是基于单气相CT定量指标来评估肺气肿,本研究纳入双气相CT配准新的定量指标进行评估肺气肿并与既往的指标比较。本研究纳入正常人群和轻中度COPD患者,来探讨双气相不同阈值和配准两种方法对轻中度COPD患者肺气肿的诊断效能及准确性,以筛选出最优的诊断轻中度COPD患者肺气肿的定量CT指标。
1. 资料与方法
1.1 一般资料
回顾性收集延安大学附属医院2018年6月至2021年6月进行呼、吸双相胸部CT检查的吸烟人群,其中包括52例确诊COPD患者,纳入参加体检的正常对照者(肺功能检查未达COPD诊断标准(FEV1/FVC≥0.7)55例。
纳入标准:所纳入的受试者年龄不低于40岁;双气相图像清晰完整,软件能够进行肺裂的正确分割。排除标准:年龄小于40岁或大于80岁;不能配合双气相扫描者;具有肺部手术、创伤史以及胸廓畸形等;大面积炎症、肺肿瘤、结核及大量胸腔积液患者;支气管哮喘、肺结核、支气管扩张及肺动脉高压等其他呼吸系统疾病患者;职业性粉尘接触史。
本研究通过延安大学附属医院伦理委员会批准[2018032],所有受试者知情同意并签署了知情同意书。
1.2 CT检查
所有患者在检查前均进行深吸气末与深呼气末的屏气训练,采用联影UCT-760 128层螺旋CT对入选患者分别在深吸气及深呼气末行肺尖至肺底行全肺低剂量扫描。
扫描参数:管电压120 kV,自适应动态管电流(选择剂量等级2,范围30~40 mAs,符合胸部低剂量参考推荐[14]),准直器宽度128×0.625 mm,螺距1.0875,转速0.5 s/圈,扫描层厚5 mm,双气相图像行骨算法1 mm薄层KARL迭代重建[11],视野350~450 mm,矩阵512×512。
根据剂量报告并采用成人胸部有效剂量权重因子K=0.014,得出有效辐射剂量为(3.71±0.28)mSv[10]。
1.3 图像处理及分析
原始DICOM数据导入“数字肺”测试平台进行分析,基于肺裂为片状,利用Hough变换进行分割来获得5个肺叶,计算吸气相<-950 HU像素占全肺的比值(吸气相LAA%-950)、呼气相<-910 HU像素占全肺的比值(呼气相LAA%-910)[9]。然后进行双气相图像配准,吸气和呼气图像的体积是空间上对齐到一个单一的几何框架使用一个薄板样条,以相互信息为对象函数。
每个实质体素(即图像数据集中最小的体积单位)使用肺气肿指数和空气捕捉阈值进行分类,吸气扫描时由COPDGene定义为 -950 HU,呼气扫描时为 -856 HU,并用于生成体素成对实质体素HU值的联合密度直方图。这使得每个体素被分类为正常、肺气肿或功能性小气道疾病。
通过将一个分类中的所有体素求和并归一化为总肺体积,计算出每个分类的相对体积[15]:吸气相CT值>-950 HU,呼气相CT值≤-856 HU的像素占全肺容积的百分比(the percentage of the area of functional small airway disease,PRMfSAD%)为小气道病变区,标记为黄色区;吸气相≤-950 HU,呼气相 ≤-856 HU的像素占全肺容积的百分比(the percentage of the area of emphysema,PRMEmph%)为肺气肿区,标记为红色区;吸气相>-950 HU,呼气相>-856 HU的像素占全肺容积的百分比(the percentage of the area of normal,PRMNormal%)为正常区,标记为绿色区。PRMfSAD%、PRMEmph%和PRMNormal%3种区域总和不等于100%,剩余区域不在阈值范围内,约占10%,被证实和肺功能无相关性,怀疑是噪音或是由于配准带来的误差,因而没有进行颜色编码[16](图1)。
1.4 肺功能检查
患者均需在CT检查后的3天内且情况稳定时进行肺功能(pulmonary function test,PFT)检查,分别测量:用力肺活量(FVC)、第1秒用力呼气容积占预计值的百分比(FEV1%)、FEV1占用力肺活量的百分比(FEV1/FVC)。
根据2023年慢性阻塞性肺疾病全球倡议(global initiative for chronic obstructive lung disease,GOLD)诊断标准[17]对COPD患者进行分级:GOLD 1级21例、GOLD 2级31例。
1.5 统计学分析
采用SPSS 26.0软件进行统计学分析。计量资料符合正态分布时用
$(\bar x \pm s)$ 表示,符合非正态分布时采用M(Q)表示;组间一般临床资料和肺功能差异采用独立样本t检验、Mann-Whitney U检验或卡方检验;采用Spearman相关分析吸气相LAA%-950、呼气相LAA%-910、PRMEmph%与FVC、FEV1%、FEV1/FVC的相关性。绘制受试者工作特征(receiver operating characteristic curve,ROC)曲线分析CT定量参数对轻中度COPD患者肺气肿评估的诊断效能。P<0.05有统计学意义。2. 结果
2.1 一般资料比较
轻中度COPD患者与正常对照组,年龄、BMI及FVC组间无统计学差异;正常对照组女性占比显著低于轻中度COPD患者,轻中度COPD患者吸烟指数较正常对照组增大,轻中度COPD患者FEV1%、FEV1/FVC数值小于正常对照组,组间存在统计学差异(表1)。
表 1 一般资料结果比较Table 1. Comparison of general information and results项目 正常对照组(n=55) 轻中度COPD患者(n=52) 统计检验 $t/ {\chi }^{2}/Z $ P 年龄/岁 58.130±8.228 58.700±9.622 -0.735 0.464 性别(男/女) 53/2 40/12 8.883 0.003 BMI/(kg/m2) 24.573±2.975 23.380±2.507 1.684 0.096 吸烟指数 400.000(392.000) 655.000(800.000) -3.327 0.001 FVC/L 3.461±0.769 3.270±1.052 1.248 0.215 FEV1%/% 81.570±14.395 69.640±13.654 3.008 0.003 FEV1/FVC/% 81.030±10.000 58.880±9.771 12.236 <0.001 注:正态资料用$\bar{x}$±s表示,偏态资料用M(Q)表示。 2.2 组间CT定量指标比较
轻中度COPD患者相比于正常对照组,吸气相LAA%-950、呼气相LAA%-910、PRMEmph%、PRMfSAD%四项指标均增大,PRMNormal%减小,且组间差异均有统计学意义(表2、图2和图3)。
表 2 正常对照与轻中度COPD组间CT定量指标比较Table 2. Comparison of CT quantitative indexes between the normal control and mild to moderate COPD groups项目 正常对照组(n=55) 轻中度COPD患者(n=52) 统计检验 Z P 吸气相LAA%-950/% 19.210(7.890) 28.160(12.080) -4.323 <0.001 呼气相LAA%-910/% 10.380(10.360) 26.210(26.680) -6.439 <0.001 PRMEmph%/% 4.055(3.570) 15.610(18.590) -6.697 <0.001 PRMfSAD%/% 14.685(11.640) 27.810(15.280) -4.806 <0.001 PRMNormal%/% 59.615(15.120) 37.340(37.490) -5.273 <0.001 注:偏态资料用M(Q)表示。 图 3 男,63岁,GOLD 2级。正常对照受试者与轻中度COPD患者PRMEmph%(红色区域)存在差异,轻中度COPD患者病变明显加重Figure 3. Male, 63 years old, GOLD grade 2. There was a difference in PRMEmph% (red area) between normal controls and patients with mild to moderate COPD, and the lesions of patients with mild to moderate COPD were significantly aggravated2.3 CT定量参数与PFT的相关性
呼气相LAA%-910、PRMEmph%与 FVC、FEV1%、FEV1/FVC均呈负相关,吸气相LAA%-950与 FEV1/FVC呈负相关,吸气相LAA%-950与FVC、FEV1% 无线性相关(表3)。
表 3 CT定量参数与肺功能的相关性Table 3. Correlations between CT quantitative parameters and pulmonary functionCT定量参数 相关系数及其检验rS(P) FVC/L FEV1%/% FEV1/FVC/% 吸气相LAA%-950/% 0.044(0.655) -0.150(<0.122) -0.512(<0.001) 呼气相LAA%-910/% -0.301(0.002) -0.394(<0.001) -0.668(<0.001) PRMEmph%/% -0.269(0.005) -0.361(<0.001) -0.696(<0.001) 2.4 CT定量参数区分正常人群与轻中度COPD患者的价值
吸气相LAA%-950、呼气相LAA%-910、PRMEmph%区分轻中度 COPD的曲线下面积分别为0.742、0.861和0.876,其中PRMEmph%指标的曲线下面积最大,对应的临界值为9.84%,敏感度76.90%,特异度94.50%(图4)。
3. 讨论
COPD的特征是呼吸道和肺实质的慢性炎症,不可避免地导致(部分不可逆的)肺改变。胸部CT的发展为COPD疾病异质性了解提供新的视角。目前CT检查是COPD患者重要的影像学检查方法[18],且双气相CT定量参数是COPD患者肺气肿的重要指标,CT上肺气肿范围的改变可以预测COPD患者的死亡率,因此为早期COPD筛选出最优CT定量肺气肿指标有重要意义[19-20]。
本研究结果显示年龄与BMI组间无统计学差异,减小了由年龄与BMI对组间受试者的影响。组间性别有差异,轻中度COPD患者组女性占比显著高于正常对照组,轻中度COPD患者的吸烟指数显著高于正常对照组。结果说明女性较男性更容易受到吸烟的有害影响[21-22],吸烟是导致COPD的危险因素之一,故年龄高于40岁且吸烟的人群是COPD的易感人群[1],通过双气相CT定量可以更好的评估病变程度。
本研究使用吸气相LAA%-950、呼气相LAA%-910、PRMEmph%来研究COPD患者肺气肿的诊断效能,其中PRMEmph%不仅可以区分COPD的主要病理生理学(肺气肿)改变,还可以可视化定量分析正常区域、功能性小气道区域及肺气肿区域等。既往研究[23]表明吸气相 LAA%-950是量化肺气肿的最佳阈值,且与肺功能相关性良好。本文中呼气相LAA%-910与 FEV1% 的相关性最高,而FEV1% 是COPD分级的指标,因此可以说明呼气相LAA%-910对评估COPD的严重程度比较敏感,这与本团队之前的研究[12]结果一致。双气相定量PRM能够可视化及量化肺气肿的改变,与肺功能指标相关联[24],另有研究证实PRMEmph%与肺气肿相关,且与吸气相LAA%-950、呼气相LAA%-910两项指标相比,PRMEmph%与FEV1/FVC相关性更好[9-25]。吸气相LAA%-950、呼气相LAA%-910、PRMEmph%3项指标分别区分正常对照组和 COPD轻中度患者的肺气肿,ROC结果的曲线下面积分别为0.742、0.861和0.876,并且都有一定意义,诊断效能均比较好。其中PRMEmph%的AUC最大,且考虑到其包含的信息较多,诊断效能优于吸气相LAA%-950和呼气相LAA%-910。
本研究在相关分析的基础上绘制了ROC曲线,结果论证了双气相配准指标优于单气相指标。由于肺气肿是COPD中晚期的主要病变,目前对早期COPD的研究主要是小气道,而本研究主要针对轻中度COPD患者的肺气肿情况,寻找诊断轻中度COPD患者肺气肿的最优定量CT指标,而筛选最优肺气肿定量分析指标也是本研究最大创新点。
本研究团队之前的研究表明呼气相LAA%-910是准确评估COPD严重程度的敏感指标,并且与临床肺功能具有良好的相关性,这与本研究的结论一致,可以对COPD患者进行更全面的评估提供参考[15]。研究表明[26]PRM增加了目前已知的CT测量在诊断COPD方面的价值,其与临床参数的强相关性表明,PRM可以提供关于疾病表型和严重程度的重要信息。因此PRM的优点是能够区分肺气肿和非肺气肿的空气滞留,从而能够更真实地评估COPD患者的肺气肿情况。PRMEmph%可以区分以肺气肿为特征的COPD的临床异质性,这是PRM的一个重要特征,因为不同的表型可能会有不同的生命过程及结果,因此可以用来确定患者的特征,且可以为不能行肺功能检查的患者进行肺功能的检测及分级,并在未来制定个性化治疗方案。
随着胸部低剂量CT技术的发展,不仅应用于肺癌筛查,也可用于肺部其他疾病,对于COPD易感人群行双气相扫描也符合伦理要求[10],定量CT可以更加精确、客观的分析肺部异常,在早期有效的发现病变,且可用于不能进行肺功能检查的特殊人群。综上,我们认为PRM是一种很有前途且优于单气相的CT指标。
本研究的局限性是样本量较少,后续研究可以增加样本量,尤其是女性患者,对COPD患者进行性别分组研究。此外,本研究只区分正常对照组和轻中度COPD患者,之后可以进行跟踪随访,进一步对疾病严重程度进行诊断。
综上所述,吸气相LAA%-950、呼气相LAA%-910、PRMEmph%都能很好地诊断轻中度COPD患者的肺气肿,其中PRMEmph%可以更为准确、敏感地识别轻中度COPD患者肺气肿的改变,可作为轻中度COPD患者肺气肿诊断的可靠指标,有效的应用于临床实践。
-
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 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 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 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 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 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 -
[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).
-
期刊类型引用(6)
1. 王诗耕,浦仁旺,刘义军,方鑫,魏巍,李贝贝. 能谱CT下肢静脉成像优化:模体研究. CT理论与应用研究(中英文). 2025(01): 73-81 . 百度学术
2. 蔡敏华,崔毛毛,叶俊杰. 低浓度对比剂对头颈部CTA患者受辐射剂量、对比剂肾损伤发生率的影响. 中国CT和MRI杂志. 2024(02): 52-54 . 百度学术
3. 王永胜,杨磊清,杨怡帆,裴青霞,王晨思,鲁梦云,何俊林,陈文静,田香宝. 不同触发阈值对肺动脉CTA图像质量影响的研究. CT理论与应用研究. 2024(02): 175-181 . 本站查看
4. 王晨思,洪瑶,方慧敏,丁雪璐,杨怡帆,田香宝,陈文静,王永胜. 基于自动管电流调制技术下不同螺距对颈部CTA辐射剂量及图像质量影响的研究. CT理论与应用研究. 2024(03): 309-315 . 本站查看
5. 谢益强,江河利,潘康乐,焦潭. 颅内动脉瘤定量计算机断层扫描血管成像联合Graeb评分对颅内动脉瘤破裂出血的预后价值分析. 中国临床医生杂志. 2024(08): 996-998 . 百度学术
6. 李文,张志伟,左子钰,万承鑫,唐煜,杨亚敬. 双层探测器光谱CT虚拟单能量CTA技术对脑血管成像的价值. CT理论与应用研究. 2024(06): 669-675 . 本站查看
其他类型引用(0)