CT影像性能智能質控實驗研究

鐘宇彤，李梅，劉師竺，張健，焦龍，于喜坤，劉景鑫

1. 長春理工大學 電子信息工程學院，吉林 長春 130028；2. 吉林省醫學影像工程技術研究中心，吉林 長春 130033；3. 長春市計量檢定測試技術研究院，吉林 長春 130012；4. 吉林大學中日聯誼醫院 放射線科，吉林 長春 130033

引言

質量控制是確保CT影像設備具有最佳運行狀態、獲取最佳影像信息的技術手段[1-2]。為了減少人體放射性損傷的同時，用精準、客觀的數據來評價CT影像質量，可以使用體模作為質量評價檢測的主要工具和媒介來代替病患進行實驗[3]，通過體模掃描獲取的CT影像質量，來對CT設備重要性能指標進行檢測分析，傳統的檢測法多是由工作人員采用CT機測量或目測法進行測評，工作量大，周期長，更由于人眼視覺范圍的差異性導致測評客觀性不足[4-5]。因此，本文提出了基于計算機軟件平臺對CT影像的質控性能進行智能檢測的實驗研究，減少醫療質控工作者的工作量，提高了質控工作的效率，為未來醫療圖像的智能化識別與檢測提供科學依據。

1 材料與方法

1.1 檢測設備

本文CT影像的實驗檢測模體為國產RGRMS2016（模體直徑d=20 cm），所用的檢測模塊，見圖1。

圖1 RGRMS2016模體各檢測模塊掃描圖

掃描時設定管電壓為120 kV，層厚為5 mm，掃描方式為螺旋，螺距:速度為0.938:1，掃描時間為1.0 s，360度掃描范圍為20 mm。選用常規算法，在不同管電流條件下，首先選用RGRMS2016模體水模段進行掃描采集，使用CT機測量與計算機軟件兩種方法分別對CT圖像的CT值（水）、均勻性、噪聲進行測量并對比；其次，使用RGRMS模體模塊（c）在傳統的目測法與計算機軟件檢測法下對空間分辨力進行測量并對比；最后，在嚴格一致的掃描條件下，由6名有經驗的檢測人員對RGRMS模體模塊（b）使用傳統的目測法進行低對比分辨力的判定，同時，使用RGRMS模體水模段進行基于量化統計法的計算機軟件的低對比分辨力計算，并對兩組測量結果進行對比分析。

1.2 CT值、噪聲與均勻性檢測

（1）CT值：《醫用診斷螺旋計算機斷層攝影裝置（CT）X射線輻射源》(JJG1026-2007)中定義，CT值為像素物質對X射線衰減的定量表現，其計算公式如式(1)，其中， μ為衰減系數[6-7]。

基于計算機軟件的CT值自動檢測步驟如下：首先對模體進行掃描，如圖1a所示，使用計算機軟件讀取圖像數據，并確定圖像中心區域的感興趣區（Region of Interest，ROI），計算ROI內像素值均值；最后，利用DICOM文件Tag信息中的斜率（Rescale Slope）和截距（Region Interest）信息將計算結果轉換成CT值[8]，轉換公式如下：

（2）噪聲：CT圖像的噪聲是指均勻物質在給定的區域中CT值對其平均值的變異[9]，CT機中的噪聲表達如式(3)，其中，C為系統的幾何相關常數；G為算法因子；S為物體吸收的有效劑量；D為X顯卡管的計量設置；h為層厚。

在智能質控實驗中，對于CT圖像中心區域，用大于100像素的ROI測得的CT值及標準偏差（Standard Deviation，SD）來表示噪聲N[10]，如公式(4)所示：

（3）均勻性：CT圖像的均勻性是指整個掃描野中，均勻物質CT值的一致性[9]。該性能的自動檢測原理是基于常規的均勻性檢測方法，即在圖像圓周相當于鐘表時針3、6、9、12點的方向，距模體影像邊沿約1 cm處，選取大小約500像素點的ROI，分別測量這四個ROI區域內的CT均值，其中與圖像中心ROI均值的最大差值作為均勻性的測量值。

1.3 CT低對比分辨力檢測

1.3.1 低對比分辨力的傳統檢測方法

使用低對比分辨力檢測模塊，如圖1b，該模塊包含四個區域，設計的對比度分別為2%、1%、0.5%、0.3%，每個區域由不同孔徑的可分辨觀測圓，從大到小共9個：分別是7、6、5、4、3、2.5、2、1.5、1.0 mm。在模體低對比分辨力檢測模塊中心層面，見如圖1b，同時調節窗寬和窗位，確定四個區域中肉眼所能分辨的最小一級孔徑。

1.3.2 量化統計法檢測原理

量化統計法是指：在相同的條件下，隨機選取并測量多個低對比度物體及其背景上的ROI發現，它們的數值服從高斯分布，且具有相同的標準差。由于兩者為同一條件下一次掃描的結果，因此，它們具有差異很小的X射線衰減系數。將2個分布的中點設定為閾值，以此來區分低對比度物體及其背景。當兩個分布的平均值相離3.29σμ時，σμ為分布標準差[11]。

1.3.3 低對比分辨力量化統計測量方法

使用量化統計的低對比度分辨率檢測步驟如下：① 使用計算機軟件對目標圖像進行重建；② 重建圖像的中心區域被分成多個ROI；③ 計算每一個ROI區域內所有CT值的均值；④ 計算所有ROI平均值的標準偏差σμ。

其中，P(i,j)為圖像的像素值，μ為每一個ROI內像素的均值?；诹炕y計法的CT低對比分辨力檢測原理，見圖2。

圖2 量化統計法檢測 CT低對比分辨力原理

基于統計學原理，要以95%的置信度從背景中分辨出這些低對比度物體，對比度需要為3.29，即物體的對比度等于被測量平均值標準偏差的3.29倍。

1.4 空間分辨力檢測

1.4.1 空間分辨力檢測模塊

空間分辨力是指在高對比條件下（相鄰物質間CT值相差>100 HU），一臺成像設備分辨物體幾何結構的能力，它可以定量的表示為能分辨的兩個細節特征的最小間距，是體現設備性能的重要指標[12]。RGRMS2016模體檢測中，空間分辨力檢測模塊如圖1c所示，圖像周圍由8檔15組不同尺寸的方孔組成。在傳統的視覺測評方法中，通過調節窗寬窗位，確定裸眼清晰可見的一組不粘連、不丟失的標稱孔尺寸，即為其空間分辨力。

1.4.2 空間分辨力自動檢測方法

調制傳輸函數（Modulation Transfer Function，MTF）是對線性影像系統空間頻率傳輸特性的定量描述。隨著數字醫療設備的飛速發展，MTF 已經成為評價成像設備性能、測量高對比度分辨力的重要方法[13]。實際求解 MTF時，常采取以下幾種方法：點擴散函數（Point Spread Function，PSF)、線擴散函數（Line Spread Function，LSF）和邊緣擴展函數（Edge Spread Function，ESF）以及基于標準差的計算方法[14-16]。點擴散法一般通過獲取鎢珠的CT圖像，以鎢珠所在位置為中心，截取原圖像上包含點擴散區域的ROI，此時截取后的圖像表現為一個中心亮度集中、邊緣擴散的亮點，通過其亮度分布得到點擴散函數，邊緣擴散的程度反映系統分辨率的高低，最后對該函數進行快速傅里葉變換FFT即可得出CT系統的MTF曲線。

2 結果

我們使用RGRMS2016（直徑d=20 mm）質控檢測模體中的均勻水模，在120 kV、300 mAs劑量下，選取一幅掃描圖像中不同位置的6個ROI區域，利用軟件計算得到6組相應CT值，并與相應區域的CT機檢測結果進行對比，實驗結果，見表1。

表1 不同ROI的CT值與噪聲檢測結果對比

由表1中各項指標下均有P>0.05可知，對于同一劑量下，CT圖像的不同ROI區域，CT值和噪聲在軟件測量與CT機測量方法下，結果并無顯著性差異，因此，兩種檢測方法具有一致性。

此外，我們另選取7組劑量對RGRMS水模段進行掃描，按劑量不同，對CT值、均勻性、噪聲和空間分辨力進行檢測，對于CT值、均勻性和噪聲進行CT機測量與軟件測量結果對比，實驗結果，見表2。對于空間分辨力進行傳統目測法和軟件測量結果對比，實驗結果，見表3。

表2 不同劑量下CT值、噪聲和均勻性檢測結果對比

其中，空間分辨率由MTF表示，函數曲線如圖3所示，則對應10%的MTF值7.509為肉眼可辯的線對卡分辨力，當管電流設定值為300 mA，實際值為79 mA時，由傳統目測法得到的高對比分辨力為7.58 LP/cm。

由表2、表3中各項指標下均有P>0.05可知，對于不同劑量條件下的CT值、均勻性和噪聲指標，CT機的測量值與軟件測量結果并無顯著性差異；對于空間分辨力指標，傳統的視覺測量與軟件測量結果并無顯著性差異，因此，兩種檢測方法具有一致性。

表3 不同劑量下空間分辨力檢測結果對比

圖3 MTF曲線

對于RGRMS2016（d=20 mm）模體，使用軟件檢測和傳統目測法對低分辨力對比度進行判定。其中，在傳統檢測過程中，請6名有經驗的檢測人員按不同對比度下所能分辨的最小孔徑進行數據統計，實驗結果，見表4。同時對使用計軟件測量不同大小孔徑下計算得到的對比度進行統計，實驗結果，見表5。

表4 不同劑量下低對比分辨力目測法檢測結果（±s）

表4 不同劑量下低對比分辨力目測法檢測結果（±s）

毫安秒 (mAs) 可見直徑 (mm)0.5% 1% 2%300 3.5±0.71 1.9±0.22 1±0 200 4.3±1.64 2.5±0.61 1±0 150 4.2±0.84 2.4±0.55 1±0 100 4±1.41 2.7±0.27 1.1±0.22 70 5±1.41 3.3±0.97 1.2±0.27 60 6±1.41 3.2±0.76 1.7±0.67

表5 低對比分辨力軟件檢測結果（%）

對比表3可知，當毫安秒為300 mAs時，目測在2%對比度下所能分辨的最小孔徑為1 mm，同時對比表4可知，軟件測量孔徑為1 mm時對應的對比度為1.98%，與視覺測評結果基本一致。目測法與軟件測量結果對比曲線如圖4、圖5所示。

圖4 計算機軟件測量結果

圖5 目測法結果

實驗數據顯示，基于目測法的低對比分辨力檢測結果與計算機軟件判定結果的圖表走勢基本一致，在其他檢測條件固定的情況下，兩種判定結果具有相同的變化趨勢。

在通過CT質控模體進行CT設備性能檢測實驗中，通過與常規判定方法對比，基于計算機軟件的判斷分析方法具有可行性。該方法便于對CT機性能的長期觀察，可保證設備良好的運行，提高設備成像質量。因此，本檢測系統對于CT設備質量控制檢測的進一步研究具有一定的價值和依據。

3 討論與結論

目前，90%的醫療數據來自醫學影像，醫學影像面臨著放射科醫生增長率遲緩，而龐大的醫學影像數據卻與日俱增的困境。一方面，導致放射科醫生工作量增大，容易受疲勞、情緒等因素影響，CT影像的傳統測評方法的精準性依賴于放射科醫生的經驗與習慣，由于醫生自身的閱片水平差異，使測量結果受主觀因素影響較大；另一方面，許多醫院CT質控技師或工程師資源不足甚至沒有，而基于計算機軟件的CT影像智能質控系統可以極大減少醫生的工作量，提高工作效率，降低醫生誤診率，其優異性表現在不受人為主觀因素影響，只依賴于圖像數據，使檢測結果更客觀準確。

CT影像的智能質控實驗為大型醫療設備質量控制管理提供智能化的實施方案，減少放射科醫生重復性工作，方便技術人員遠程操作，優化醫療資源配置，為發展大型醫療設備遠程檢測，推動醫療行業應用場景的發展奠定了基礎。