Assessment of the Image Quality of Virtual Non-Contrast Dual-energy CT Liver Scans Using Both PSNR and SSIM Methods
-
摘要:
目的：采用峰值信噪比（PSNR）和结构相似性指数（SSIM）联合图像评价方法，探讨双能量CT的肝脏虚拟平扫（VNC）图像替代真实平扫（TNC）图像的可行性。方法：前瞻性分析33例肝脏CT平扫及Ⅲ期双能量增强扫描的影像学资料。经后处理获得动脉期VNC图像（VNCa）、静脉期VNC图像（VNCv）及延迟期VNC图像（VNCd）。将肝脏Ⅲ期VNC图像与TNC图像应用PSNR和SSIM方法进行整体及局部比对分析。测量肝脏及竖脊肌的CT值与噪声值（SD），计算信噪比（SNR）和对比噪声比（CNR），记录肝脏真实CT平扫及增强扫描的剂量长度乘积，比较Ⅲ期VNC与TNC图像质量的客观评价指标及辐射剂量，并绘制肝脏CT值、SNR和CNR的Bland-Altman散点图进行一致性分析。结果：整体图像评价Ⅲ期VNC与TNC图像比对的PSNR分别为（18.01±1.06）、（18.33±0.99）、（18.20±1.04），SSIM分别为（0.76±0.04）、（0.77±0.03）、（0.78±0.04）；局部图像评价Ⅲ期VNC与TNC图像比对的PSNR为（29.90±2.50）、（30.97±2.34）、（30.61±2.76），SSIM为（0.75±0.04）、（0.77±0.03）、（0.77±0.04）；Ⅲ 期VNC与TNC图像整体及局部比对的PSNR、SSIM的差异没有统计学意义。Ⅲ 期VNC的肝脏CT值高于TNC；Ⅲ 期VNC的CNR及VNCv的SNR与TNC图像相比无统计学差异；肝脏CT值、SNR及CNR在 Ⅲ 期VNC与TNC图像之间均具有良好的一致性。去除真实平扫环节，采用VNC+Ⅲ 期增强方案可降低约29.63%的辐射剂量。结论：双能量CT的肝脏VNC图像具有良好的图像质量，可以较真实地还原TNC图像，满足临床的诊断需求。
Abstract:The purpose of this study was to investigate the feasibility of replacing true non-contrast (TNC) dual-energy computed tomography (DECT) images with virtual non-contrast (VNC) DECT images by comparing their quality on the basis of both the peak signal-to-noise ratio (PSNR) and structural similarity index (SSIM). Methods: A prospective analysis was conducted on TNC and enhanced three-phase DECT images of the livers of 33 patients. Post-processing was used to obtain the arterial-phase (VNCa), venous-phase VNC (VNCv), and delayed-phase VNC (VNCd) images. Both the PSNR and SSIM methods were used to compare the overall and local TNC and three-phase VNC images. The CT numbers and noise values (standard deviation) of the liver and erector spinae muscle were measured, and the SNR and contrast-to-noise ratio (CNR) were calculated. The dose length product values of the TNC and enhanced three-phase VNC scans were recorded, and the objective evaluation indicators and radiation doses of the three-phase VNC and TNC images were compared. Bland-Altman scatter plots were drawn to analyze the consistency of the liver CT numbers, SNRs, and CNRs. Results: The overall comparison of the three-phase VNC and TNC images showed PSNR values of (18.01±1.06), (18.33±0.99), and (18.20±1.04) and SSIM values of (0.76±0.04), (0.77±0.03), and (0.78±0.04), with the differences being not statistically significant. The local comparison of these images showed PSNR values of (29.90±2.50), (30.97±2.34), and (30.61±2.76) and SSIM values of (0.75±0.04), (0.77±0.03), and (0.77±0.04), and the differences were also not statistically significant. The CT number of the liver in the three-phase VNC image was higher than that in the TNC image. The CNR of the three-phase VNC image and the SNR of the VNCv image were not statistically different from those of the TNC image, and the liver CT numbers, SNRs, and CNRs in the three-phase VNC and TNC images were highly consistent. Using the VNC+three-phase enhancement scheme can reduce the radiation dose by approximately 29.63% by removing the TNC part. Conclusion: The VNC DECT image of the liver is of good quality and can accurately reproduce the TNC image, meeting clinical diagnostic needs.
-
双能量计算机断层扫描 （dual energy computed tomography scan, DECT）已成为传统 CT的一种有前景的替代方案，在材料成分分析、碘浓度测量以及改善增强的图像对比度等方面实现了广泛的临床应用[1-4]。DECT可以通过从增强扫描图像中减去碘信号来生成虚拟平扫（virtual non-contrast scan, VNC）图像 [5-7]，代替传统的真实平扫（true non-contrast scan, TNC）图像，从而减少患者平扫+增强扫描中的辐射剂量。目前采用的第3代双源DECT扫描仪的能谱分离度提高了30%，特别是将管电压从140 kV切换到150 kV，同时采用了更厚的滤波器，可以从较高能量X射线管的光谱中滤除低能量光子，进一步降低了辐射剂量[8-9]。
对TNC和VNC的图像质量的主观评价多采用李斯特五分法[10]，但是主观评价容易受人为等因素的影响。峰值信噪比（peak signal to noise ratio, PSNR）是一种常用的衡量信号失真的指标；结构相似性指数（structural similarity index, SSIM）是一种基于结构信息衡量原始信号与处理后信号之间相似程度的方法，并且与主观质量评价关联性较强[11]。两参数联合法评估被广泛应用于图像相似度评价中[12-13]。
本研究拟采用PSNR和SSIM联合评价方法，对肝脏VNC图像和TNC图像进行比对分析，并测量图像的CT值、SNR及CNR比较二者图像的客观参数差异，探讨肝脏VNC图像代替TNC图像的可行性。
1. 材料与方法
1.1 研究对象
本研究为前瞻性研究，遵守《赫尔辛基宣言》，并经河北医科大学第一医院伦理委员会批准（批准文号：
20220658 ），所有受试者均知情并签署知情同意书。前瞻性收集45例河北医科大学第一医院2024年1月至 2024年6月期间进行肝脏平扫及双能量增强CT扫描的患者的影像学资料。排除标准：①肝切除史；②既往有肝脏治疗史导致肝脏部分严重萎缩；③存在多个或较大的肝脏病变。
应用排除标准后，12名患者被排除（6 名患者接受了肝切除术；3名患者有多个或较大的肝脏病变；3 名患者既往接受过肝脏射频消融治疗导致肝脏严重萎缩）。33名患者（16名女性，17名男性）年龄范围为37~81岁，被纳入最终的图像分析。
1.2 图像采集
所有患者的检查均包含肝脏平扫及Ⅲ期双能量增强扫描（其中上腹部10例、腹盆部7例、胸腹盆16例）。肝脏CT平扫采用单能量常规CT技术，管电压120 kVp，使用自动管电流技术，参考管电流为300 mAs。增强扫描时采用Missouri XD2001高压注射器（欧利奇公司）经肘前静脉注射非离子型对比剂（碘克沙醇，浓度320 mgI/mL），剂量为1.2 mL/kg，注射速率2.5~3.0 mL/s，并以相同速率注射0.9%氯化钠溶液30 mL。
采用对比剂团注示踪技术，监测腹主动脉腔内CT值，当阈值达到100 HU后14 s自动触发动脉期扫描，随后分别延迟25 s和110 s采集静脉期和延迟期图像。
双能CT采集参数：球管A管电压100 kVp、球管B管电压150 kVp，并开启自动管电流调制，参考管电流分别为180 mAs和90 mAs，旋转时间为0.5 s，螺距0.6，准直128×0.6 mm。
1.3 图像处理
将肝脏CT真实平扫图像（TNC）和Ⅲ期DECT图像上传至Syngo.via后处理工作站（西门子，VB40B），TNC采用卷积核Br40、ADMIRE（强度3）重建图像，Ⅲ期DECT采用卷积核Qr40、ADMIRE（强度3）重建图像，重建层厚和层间距均为1.0 mm。通过从对比增强图像中虚拟减去与碘相关的衰减来重建肝脏动脉期虚拟平扫（VNCa）、肝脏静脉期虚拟平扫（VNCv）、肝脏延迟期虚拟平扫（VNCd）的图像。
PSNR和SSIM图像质量评价：选取Ⅲ期VNC中相同层面的单幅图像与TNC进行比对，分别应用PSNR和SSIM方法进行比对分析，图像比对采用图像整体分析和图像局部分析两种方式进行；图像整体分析依据肝静脉走形选取肝脏形态相近的层面，局部图像分析选取肝右叶内大小、位置相同的矩形感兴趣区域 （region of interest, ROI）（图1）。
![]()
图 1 采用PSNR和SSIM方法评价TNC和VNC图像质量示意图注：PSNR值大于30 dB代表图像质量良好；SSIM值的范围为0至1，越大代表图像越相似。Figure 1. Schematic representation of the evaluation of TNC and VNC image quality using PSNR and SSIM methods图像质量评价参考标准：PSNR值越大代表图像失真越小、图像的质量越好，普遍基准为30 dB；SSIM值的范围为0至1，越大代表图像越相似[14]。
肝脏TNC图像和Ⅲ期增强VNC的图像定量评估由一名具有5年腹部影像经验的放射科医生在 Syngo.via工作站上进行。每个组织的圆形ROI在 TNC 图像中定义，然后复制到其他序列。由于患者的呼吸时相的影响，TNC和VNC图像可能存在配准误差，ROI的位置根据解剖标志进行调整，利用Syngo.via工作站复制粘贴 ROI的功能，使 ROI大小、位置在 VNC与TNC尽量上保持一致。ROI大小约150~200 mm2。
测量肝脏实质CT值、竖脊肌CT值，并测量前腹壁皮下脂肪CT值的标准差值（standard deviation，SD）作为图像噪声。计算肝脏的信噪比（signal to noise ratio, SNR）和肝脏——竖脊肌对比噪声比（contrast to noise ratio, CNR）：肝脏SNR=肝脏CT值 / SD脂肪；肝脏——竖脊肌CNR=（肝脏CT值 − 竖脊肌CT值）/SD脂肪。记录真实平扫及Ⅲ期增强CT扫描时生成的剂量报告中的剂量长度乘积（dose length product，DLP）。
1.4 统计学方法
采用SPSS 26.0以及Origin 2023软件进行数据统计学分析及可视化处理。服从正态分布的计量资料以
$ \left(\bar{x}\pm s\right) $ 表示，不服从正态分布的计量资料用中位数（四分位数）表示。计数资料（如性别）用例表示。采用Kruskal-Wallis检验比较Ⅲ期VNC与TNC图像比对的PSNR、SSIM的差异。采用配对t检验分别比较Ⅲ期VNC图像与TNC图像的CT值、SNR及CNR的差异；绘制Bland-Altman散点图分析VNC图像与TNC图像的CT值、SNR及CNR的一致性，一致性界限（limits of agreement，LOA）表示为差值均值Mean±1.96 SD，界外占比≤5%说明两种测量方法一致性较好。P＜0.05为差异有统计学意义。
2. 结果
2.1 采用PSNR和SSIM方法对Ⅲ期VNC图像质量评价分析
采用整体图像评价，VNCa与TNC图像比对的PSNR为（18.01±1.06）、SSIM为（0.76±0.04），VNCv与TNC图像比对的PSNR为（18.33±0.99）、SSIM为（0.77±0.03），VNCd与TNC图像比对的PSNR为（18.20±1.04）、SSIM为（0.78±0.04）。Ⅲ期VNC与TNC图像整体比对的PSNR、SSIM的差异没有统计学意义（表1）。
表 1 Ⅲ期VNC与TNC图像PSNR与SSIM的比较（$\bar x \pm s $ ）Table 1. Comparison of PSNR and SSIM values between three-phase VNC and TNC images$(\bar x \pm s )$ 项目 整体评价 局部评价 PSNR/dB SSIM PSNR/dB SSIM VNCa 18.01±1.06 0.76±0.04 29.90±2.50 0.75±0.04 VNCv 18.33±0.99 0.77±0.03 30.97±2.34 0.77±0.03 VNCd 18.20±1.04 0.78±0.04 30.61±2.76 0.77±0.04 H 1.464 3.837 3.204 4.868 P 0.481 0.147 0.201 0.088 采用局部图像评价，VNCa与TNC图像比对的PSNR为（29.90±2.50）、SSIM为（0.75±0.04），VNCv与TNC图像比对的PSNR为（30.97±2.34）、SSIM为（0.77±0.03），VNCd与TNC图像比对的PSNR为（30.61±2.76）、SSIM为（0.77±0.04）。Ⅲ期VNC与TNC图像局部比对的PSNR、SSIM的差异没有统计学意义（表1）。
2.2 Ⅲ期VNC与TNC图像CT值、SNR及CNR的比较
Ⅲ期VNC图像的CT值均显著高于TNC图像的CT值；VNCa、VNCd图像的SNR小于TNC图像的SNR，差异具有统计学意义；而VNCv图像SNR与TNC图像的SNR差异无统计学意义；Ⅲ期VNC图像CNR和TNC图像的CNR差异无统计学意义（表2）。
表 2 Ⅲ期VNC与TNC图像CT值、SNR及CNR的比较$ \left(\bar{x}\pm s\right) $ Table 2. Comparison of CT numbers, SNRs, and CNRs between three-phase VNC and TNC images$ \left(\bar{x}\pm s\right) $ 项目 TNC VNCa VNCv VNCd at bt ct aP bP cP CT值/HU 59.79±7.56 61.96±7.85a 63.24±8.89b 61.38±9.06c −4.119 −4.852 −2.315 ＜0.010 ＜0.010 0.027 SNR 5.31±1.07 4.95±0.80 a 5.14±0.94 b 4.92±1.04 c 3.163 1.464 3.247 0.003 0.153 0.003 CNR 0.74±0.92 0.71±0.83a 0.82±0.87b 0.64±0.92c 0.391 −1.314 1.434 0.698 0.198 0.161 注：a表示VNCa与TNC比较；b表示VNCv与TNC比较；c表示VNCd与TNC比较。 Bland-Altman散点图（图2）显示，Ⅲ期VNC图像和TNC图像的CT值、SNR、CNR均具有良好一致性，无明显偏差。
![]()
图 2 Bland-Altman散点图评估Ⅲ期VNC与TNC图像的CT值、SNR及CNR一致性Figure 2. Bland-Altman scatter plots of the consistency of CT numbers, SNRs, and CNRs between three-phase VNC and TNC images2.3 VNC＋Ⅲ期增强与TNC＋Ⅲ期增强辐射剂量比较
本研究中常规真实平扫及Ⅲ期增强扫描的总DLP为（
1209.65 ±654.08）mGy·cm，其中真实平扫的DLP为（359.56±207.92） mGy·cm。若检查中去除常规真实平扫环节，辐射剂量降低幅度约为29.63%（图3）。![]()
图 3 TNC+Ⅲ期增强扫描与VNC+Ⅲ期增强扫描的DLP配对连线图Figure 3. Paired-line plots of DLP values between the TNC+three-phase enhanced scan and VNC+three-phase enhanced scan3. 讨论
肝脏疾病是全球范围内的重大健康问题，CT扫描因其良好的空间分辨率和组织对比度被广泛应用于肝脏疾病的诊断中。其中，肝脏CT增强多期检查是肝脏疾病早期诊断、预后评估及评随访的重要影像学检查方案，而平扫是增强期相必需的参考期相。肝脏虚拟平扫技术作为一种新兴的成像方法，能够提供与传统平扫相替代的诊断图像，同时避免了额外的辐射暴露。
本研究探讨了肝脏双能量CT中VNC替代TNC的可行性，联合PSNR和SSIM的图像质量评价方法显示VNC图像与TNC图像具有较好的相似度，VNCa、VNCv及VNCd图像的PSNR和SSIM无统计学差异；Ⅲ期VNC与TNC图像的CT值、SNR及CNR具有良好的一致性。运用VNC技术可以降低肝脏多期增强扫描方案的辐射剂量，辐射剂量降低约29.63%。
PSNR和SSIM是衡量图像质量的客观评价指标，比传统采用主观质量评价更具有可信度。Fan等[15]开发了一种基于生成对抗性网络的方法，在不使用钆造影剂的情况下从无对比剂的图像合成动态增强MRI图像，并使用PSNR和SSIM来评估合成图像的质量取得了良好的效果。Eidex等[16]利用视觉CNN转换器（VCT）从多模态3T MRI合成高分辨率7T ADC图的模型，使用PSNR和SSIM参数评估合成图像。
本研究结果显示，Ⅲ期VNC图像与TNC图像整体比对的PSNR（（18.01±1.06）、（18.33±0.99）、（18.20±1.04））偏低，局部比对的PSNR（（29.90±2.50）、（30.97±2.34）、（30.61±2.76））在可接受范围内。本研究根据肝静脉走形人工匹配图像比对的层面，可能由于呼吸运动及空腔脏器蠕动的影响，Ⅲ期VNC图像与TNC图像存在不可避免的配准误差，无法保证整体比对的两组图像的层面一致性。PSNR是基于对应像素点间的误差，即基于误差敏感的图像质量评价[17]，由于图像整体比对时配准误差较大，因此图像的PSNR较低。图像局部比对时截取肝实质内的感兴趣区，减少了呼吸运动及周围空腔脏器蠕动形变的影响后，降低了两组图像的配准误差，因此图像局部比对的PSNR显著提高，也更能代表肝脏VNC图像与TNC图像的相似度。而SSIM是分别从亮度、对比度、结构三方面度量图像相似性，其在图像去噪、图像相似度评价上是优于PSNR的。本研究中Ⅲ期VNC图像与TNC图像整体比对及局部比对的SSIM均在0.75以上。因此本研究认为基于PSNR和SSIM的图像质量评价方法显示VNC图像与TNC图像具有较好的相似度。
本研究验证了VNC技术在肝脏具有较好的抑碘能力。本研究结果显示Ⅲ期VNC图像的肝脏CT值均高于TNC图像，差异有统计学意义，但肝脏CT值在Ⅲ期VNC与TNC图像之间均具有良好的一致性，且差值在临床可接受范围内，这与Haji-Momenian等[18]的研究一致。在既往研究中，关于肝脏VNC图像的抑碘能力存在不同的报道[9, 19-20]，这可能与扫描设备、扫描方案及不同材料分解算法有关，从而导致抑碘程度不同。
SNR及CNR是常用的评价图像质量的客观参数。本研究结果显示，在重建算法一致的前提下，VNCa与VNCd图像的SNR低于TNC图像，且具有统计学差异。原因可能是本研究的双能量CT技术为双源模式，辐射剂量显著低于常规平扫，在相同迭代重建技术条件下VNC的背景噪声更大、图像SNR降低，这与Zhou等[21]的研究结果相仿。而VNCv图像的SNR与TNC图像相比无统计学差异，可能是由于VNC的抑碘技术主要针对图像灰度的显示，而肝脏静脉期良好的图像对比仍被保留[22]。VNCv图像的CNR略高于其他两期VNC，但Ⅲ期VNC图像的CNR与TNC图像相比无统计学差异，均表现出良好的一致性，这与既往研究[23-24]结果基本一致，这可能与肝脏和竖脊肌的CT值相近，对比不明显有关[24]。
综上，本研究认为VNC图像具有良好的图像质量，其中VNCv图像更具优势，可以满足临床诊断的需求。
本研究的局限性。首先，本研究肝脏CT扫描为单中心研究且样本量较小，在后续研究中可扩充不同中心的样本量；其次，采用PSNR和SSIM方法对VNC图像质量进行评价时，对两组图像之间的配准误差控制不佳，可能会低估VNC的图像质量。未来的研究着重于提高PSNR和SSIM图像质量评价方法的鲁棒性，进一步验证其在临床实践中的广泛应用价值。
总之，第3代双源DECT为临床提供了图像质量良好、还原度较高的肝脏VNC图像，利用 VNC代替传统的TNC图像是可行的，并且可以大幅减少辐射剂量。
-
![]()
图 1 采用PSNR和SSIM方法评价TNC和VNC图像质量示意图
注：PSNR值大于30 dB代表图像质量良好；SSIM值的范围为0至1，越大代表图像越相似。
Figure 1. Schematic representation of the evaluation of TNC and VNC image quality using PSNR and SSIM methods
![]()
图 2 Bland-Altman散点图评估Ⅲ期VNC与TNC图像的CT值、SNR及CNR一致性
Figure 2. Bland-Altman scatter plots of the consistency of CT numbers, SNRs, and CNRs between three-phase VNC and TNC images
![]()
图 3 TNC+Ⅲ期增强扫描与VNC+Ⅲ期增强扫描的DLP配对连线图
Figure 3. Paired-line plots of DLP values between the TNC+three-phase enhanced scan and VNC+three-phase enhanced scan
表 1 Ⅲ期VNC与TNC图像PSNR与SSIM的比较（
$\bar x \pm s $ ）Table 1 Comparison of PSNR and SSIM values between three-phase VNC and TNC images
$(\bar x \pm s )$ 项目 整体评价 局部评价 PSNR/dB SSIM PSNR/dB SSIM VNCa 18.01±1.06 0.76±0.04 29.90±2.50 0.75±0.04 VNCv 18.33±0.99 0.77±0.03 30.97±2.34 0.77±0.03 VNCd 18.20±1.04 0.78±0.04 30.61±2.76 0.77±0.04 H 1.464 3.837 3.204 4.868 P 0.481 0.147 0.201 0.088 
下载: 导出CSV
表 2 Ⅲ期VNC与TNC图像CT值、SNR及CNR的比较
$ \left(\bar{x}\pm s\right) $ Table 2 Comparison of CT numbers, SNRs, and CNRs between three-phase VNC and TNC images
$ \left(\bar{x}\pm s\right) $ 项目 TNC VNCa VNCv VNCd at bt ct aP bP cP CT值/HU 59.79±7.56 61.96±7.85a 63.24±8.89b 61.38±9.06c −4.119 −4.852 −2.315 ＜0.010 ＜0.010 0.027 SNR 5.31±1.07 4.95±0.80 a 5.14±0.94 b 4.92±1.04 c 3.163 1.464 3.247 0.003 0.153 0.003 CNR 0.74±0.92 0.71±0.83a 0.82±0.87b 0.64±0.92c 0.391 −1.314 1.434 0.698 0.198 0.161 注：a表示VNCa与TNC比较；b表示VNCv与TNC比较；c表示VNCd与TNC比较。
下载: 导出CSV
-
[1] 杨志安, 闵小红, 徐俏宇, 等. 能谱CT虚拟平扫及水基图定量参数在诊断颅脑血管内治疗术后颅内出血的研究[J]. 临床放射学杂志, 2024, 43(6): 872-877. DOI: 10.13437/j.cnki.jcr.2024.06.004. YANG Z A, MIN X H, XU Q Y, et al. The value of quantitative parameters on virtual non-contrast and water-based images of brain spectral CT in early diagnosing intracranial hemorrhage after endovascular treatment[J]. Journal of Clinical Radiology, 2024, 43(6): 872-877. DOI: 10.13437/j.cnki.jcr.2024.06.004. (in Chinese).
[2] 尹娇, 魏茜, 彭超, 等. 双层探测器光谱CT虚拟平扫联合40keV虚拟单能量成像用于降低小肠CT造影辐射剂量[J]. 中国医学影像技术, 2023, 39(12): 1883-1887. DOI: 10.13929/j.issn.1003-3289.2023.12.032. YIN J, WEI Q, PENG C, et al. Virtual non-contrast images combined with 40 keV virtual monoenergetic images for reducing radiation dose of CT enterography based on dual-layer spectral detector CT[J]. Chinese Journal of Medical Imaging Technology, 2023, 39(12): 1883-1887. DOI: 10.13929/j.issn.1003-3289.2023.12.032. (in Chinese).
[3] CHEN M, DING L, DENG S, et al. Differentiating the invasiveness of lung adenocarcinoma manifesting as ground glass nodules: Combination of dual-energy CT parameters and quantitative-semantic features[J]. Academic Radiology, 2024, 31(7): 2962-2972. DOI: 10.1016/j.acra.2024.02.011.
[4] CATANIA R, JIA L, HAGHSHOMAR M, et al. Detection of moderate hepatic steatosis on contrast-enhanced dual-source dual-energy CT: Role and accuracy of virtual non-contrast CT[J]. European Journal of Radiology, 2024, 172: 111328. DOI: 10.1016/j.ejrad.2024.111328.
[5] RAJIAH P, PARAKH A, KAY F, et al. Update on multienergy CT: Physics, principles, and applications[J]. Radiographics, 2020, 40(5): 1284-1308. DOI: 10.1148/rg.2020200038.
[6] BORHANI A A, KULZER M, IRANPOUR N, et al. Comparison of true unenhanced and virtual unenhanced (VUE) attenuation values in abdominopelvic single-source rapid kilovoltage-switching spectral CT[J]. Abdominal Radiology (NY), 2017, 42(3): 710-717. DOI: 10.1007/s00261-016-0991-5.
[7] 孙嘉晨, 景梦园, 刘宏, 等. 能谱CT虚拟平扫技术在化疗相关性脂肪肝中的应用[J]. 中国医学影像学杂志, 2023, 31(5): 509-514. DOI: 10.3969/j.issn.1005-5185.2023.05.015. SUN J C, JING M Y, LIU H, et al. Application of energy spectrum CT virtual non-contrast technology in chemotherapy-related fatty liver[J]. Chinese Journal of Medical Imaging, 2023, 31(5): 509-514. DOI: 10.3969/j.issn.1005-5185.2023.05.015. (in Chinese).
[8] SCHMIDT B, FLOHR T. Principles and applications of dual source CT[J]. Physica Medica, 2020, 79: 36-46. DOI: 10.1016/j.ejmp.2020.10.014.
[9] KRAUSS B, GRANT K L, SCHMIDT B T, et al. The importance of spectral separation: An assessment of dual-energy spectral separation for quantitative ability and dose efficiency[J]. Investigative Radiology, 2015, 50(2): 114-118. DOI: 10.1097/RLI.0000000000000109.
[10] LIANG H, DU S, YAN G, et al. Dual-energy CT of the pancreas: comparison between virtual non-contrast images and true non-contrast images in the detection of pancreatic lesion[J]. Abdominal Radiology, 2023, 48(8): 2596-2603. DOI: 10.1007/s00261-023-03914-0.
[11] VOO K H B, BONG D B L. Quality assessment of stereoscopic image by 3D structural similarity[J]. Multimedia Tools and Applications, 2018, 77(2): 1-20. DOI: 10.1007/s11042-017-4361-2.
[12] SHI B, LIU K. Regularization by multiple dual frames for compressed sensing magnetic resonance imaging with convergence analysis[J]. IEEE/CAA Journal of Automatica Sinica, 2023, 10(11): 2136-2153. DOI: 10.1109/JAS.2023.123543.
[13] ZHAO B , LIU Z , DING S , et al. Motion artifact correction for MR images based on convolutional neural network[J]. Optoelectronics Letters, 2022, 18(1): 54-58. DOI: 10.1007/s11801-022-1084-z.
[14] WANG Z, BOVIK A C, SHEIKH H R, et al. Image quality assessment: from error visibility to structural similarity[J]. IEEE Trans Image Process, 2004, 13(4): 600-612. DOI: 10.1109/TIP.2003.819861.
[15] FAN M, CAO X, LÜ F, et al. Generative adversarial network-based synthesis of contrast-enhanced MR images from precontrast images for predicting histological characteristics in breast cancer[J]. Physics in Medicine & Biology, 2024, 69(9). DOI: 10.1088/1361-6560/ad3889.
[16] EIDEX Z, WANG J, SAFARI M, et al. High-resolution 3T to 7T ADC map synthesis with a hybrid CNN-transformer model[J]. Medical Physics, 2024, 51(6): 4380-4388. DOI: 10.1002/mp.17079.
[17] SHEIKH H R, SABIR M F, BOVIK A C. A statistical evaluation of recent full reference image quality assessment algorithms[J]. EEE Transactions on Image Processing, 2006, 15(11): 3440-3451. DOI: 10.1109/tip.2006.881959.
[18] HAJI-MOMENIAN S, PARKINSON W, KHATI N, et al. Singleenergy non-contrast hepatic steatosis criteria applied to virtual non-contrast images: Is it still highly specific and positively predictive?[J]. Clinical Radiology, 2018, 73(6): 594. e7-594. e15. DOI: 10.1016/j.crad.2018.01.018.
[19] de CECCO C N, DARNELL A, MACÍAS N, et al. Virtual unenhanced images of the abdomen with second-generation dual-source dual-energy computed tomography: Image quality and liver lesion detection[J]. Investigative Radiology, 2013, 48(1): 1-9. DOI: 10.1097/RLI.0b013e31826e7902.
[20] ZHANG L J, PENG J, WU S Y, et al. Liver virtual non-enhanced CT with dual-source, dual-energy CT: A preliminary study[J]. European Radiology, 2010, 20(9): 2257-2264. DOI: 10.1007/s00330-010-1778-7.
[21] ZHOU J, ZHOU Y, HU H, et al. Feasibility study of using virtual non-contrast images derived from dual-energy CT to replace true non-contrast images in patients diagnosed with papillary thyroid carcinoma[J]. Journal of X-ray Science and Technology, 2021, 29(4): 711-720. DOI: 10.3233/XST-210884.
[22] 顾芳燕, 朱晓梅, 聂芳, 等. 肝脏占位病变能谱CT成像中不同期相虚拟平扫替代真实平扫的效能及方案选择[J]. 中国医学影像学杂志, 2024, 32(8): 809-815. DOI: 10.3969/j.issn.1005-5185.2024.08.010. GU F Y, ZHU X Y, NIE F, et al. Feasibility and protocol selection of virtual non-contrast technology replacing true non-contrast scanning in tri-phase of liver lesions with spectral CT[J]. Chinese Journal of Medical Imaging, 2024, 32(8): 809-815. DOI: 10.3969/j.issn.1005-5185.2024.08.010. (in Chinese).
[23] LACROIX M, MULÉ S, HERIN E, et al. Virtual unenhanced imaging of the liver derived from 160-mm rapid-switching dual-energy CT (rsDECT): Comparison of the accuracy of attenuation values and solid liver lesion conspicuity with native unenhanced images[J]. Chinese Journal of Medical Imaging, 2020, 133: 109387. DOI: 10.1016/j.ejrad.2020.109387.
[24] 林禹, 张潇潇, 张有彬, 等. 双层探测器光谱CT虚拟平扫应用于肝脏Ⅲ期增强扫描[J]. 中国医学影像技术, 2020, 36(S1): 29-33. DOI: 10.13929/j.issn.1003-3289.2020.z1.007. LIN Y, ZHANG X X, ZHANG Y B, et al. Application of dual-layer spectral detector CT virtual non-contrast images in hepatic triple-phase enhanced scan[J]. Chinese Journal of Medical Imaging Technology, 2020, 36(S1): 29-33. DOI: 10.13929/j.issn.1003-3289.2020.z1.007. (in Chinese).
-
期刊类型引用(2)
1. 张扬，李稳. 活动断层地震勘探中的高精度偏移与反偏移技术（英文）. Applied Geophysics. 2023(02): 198-208+241-242 . 
百度学术
2. HAN Fuxing，YI Xin，SUN Zhangqing，HU Jia，XU Baoyin，XU Hai. Application of Gaussian beam pre-stack depth migration in rugged seabed. Global Geology. 2021(02): 119-128 . 必应学术
其他类型引用(0)
计量
- 文章访问数: 138
- HTML全文浏览量: 33
- PDF下载量: 38
- 被引次数: 2
