CT成像技術在去除脊柱內固定金屬偽影中的研究進展

成慶，夏可周，郭衛春

武漢大學人民醫院脊柱外科，武漢430060

近年來，隨著脊柱外科技術的飛速發展和內固定材料的不斷完善，脊柱內固定術已被廣泛用于治療脊柱腫瘤、炎癥、創傷、退行性病變等疾病。而內固定誤置則是導致脊柱手術并發癥的重要原因。因此，準確評估內固定置入位置對預防脊柱手術并發癥具有重要意義［1］。目前，X線、CT、MRI是評估內固定置入位置的常用影像學手段。盡管X線具有空間分辨率高的優勢，但其圖像為重疊圖像，無法展示解剖細節；MRI具有軟組織對比度高的優勢，但因金屬植入物破壞了局部磁場的均勻性，限制了其對內固定置入位置的精準評估［2］。相比之下，CT圖像的密度分辨率高，并且可通過多平面重組獲得三維解剖細節，在評估內固定置入位置中具有獨特優勢［3］。但是，由于金屬偽影干擾，CT圖像無法清晰顯示金屬-骨界面及鄰近的組織結構。近年來，隨著CT硬件與軟件技術快速發展，去除金屬偽影的CT成像技術取得了長足進步，為脊柱內固定置入位置的精準評估提供了更加可靠的依據。目前，去除金屬偽影新的CT成像技術主要有基于硬件的CT掃描參數優化和基于軟件的后處理算法。本文結合文獻就CT成像技術在去除脊柱內固定金屬偽影中的研究進展作一綜述。

1.T圖像金屬偽影產生的常見原因

CT掃描視野內存在金屬植入物時，由于金屬具有高衰減特性，X射線與金屬植入物相互影響，使獲得的投影數據失真，在CT圖像中表現為金屬偽影。金屬偽影的產生是多種因素共同作用的結果，包括X線束硬化、光子饑餓、康普頓散射、部分容積效應等，其中X線束硬化是導致脊柱內固定金屬偽影產生的主要原因［4］。

X線束硬化可導致產生沿X線衰減方向的暗條紋，加之康普頓散射，沿X線衰減方向的鄰近探測器檢測到比預期更多的光子，并且經濾波后相鄰探測器之間的信號差異被放大，最終在其衰減方向上產生明暗相間的條紋偽影。增加管電壓和提高X線束的平均能量是減輕X線束硬化和康普頓散射的有效方法。另外，光子饑餓效應能夠導致產生沿金屬植入物長軸方向的條狀低密度偽影。而過低的管電壓、管電流是導致光子饑餓效應產生的主要原因。同時，掃描螺距過大和掃描層厚過薄也是導致光子饑餓效應產生的重要因素。增加管電壓、管電流以及減小掃描螺距、增加掃描層厚是減少光子饑餓效應產生的有效途徑。由于密度差異較大，部分容積效應會造成金屬植入物與周圍組織分界顯示模糊，導致數據失真，降低了CT圖像的空間分辨率。與X線束硬化、光子饑餓、康普頓散射相比，隨著探測器硬件不斷進步，采集層厚越來越薄，部分容積效應對金屬偽影產生的影響越來越小，但仍不可避免。

2.T在去除脊柱內固定金屬偽影中的應用進展

目前，去除金屬偽影新的CT成像技術主要有基于硬件的CT掃描參數優化和基于軟件的后處理算法兩大類?；谟布腃T掃描參數優化是在原始數據采集階段，通過調整管電壓、管電流、掃描螺距以及應用錫濾過器等，來去除脊柱內固定金屬偽影的干擾?；谲浖暮筇幚硭惴▌t是通過對原始數據進行處理和校正，來去除脊柱內固定金屬偽影的干擾。其中，迭代重建（IR）、金屬偽影去除（MAR）和虛擬單能量成像（VMI）是常用的基于軟件的后處理算法。

2.1.于硬件的CT掃描參數優化在去除脊柱內固定金屬偽影中的應用 CT掃描參數優化是基于硬件的去除脊柱內固定金屬偽影的常用方法，通過調整管電壓、管電流、準直器寬度、掃描螺距等參數，從而在數據采集階段實現去除金屬偽影。雖然CT掃描參數優化能夠降低圖像噪聲，提高圖像信噪比，但會導致患者接受的輻射劑量增加［4］。通過優化CT掃描參數還可在不增加輻射劑量下達到去除金屬偽影的效果。彭剛等［5］研究發現，增加管電壓聯合降低管電流，可在不增加輻射劑量下顯著減少椎弓根螺釘造成的金屬偽影。相較于優化其他CT掃描參數，提高管電壓對去除金屬偽影的效果最顯著。這與提高X線束的平均能量，從而減少X線束硬化和康普頓效應有關。

與提高管電壓來實現去除金屬偽影相比，錫濾過器是通過濾除原發射線束中的低能X線光子，在不增加管電壓情況下實現提高X線束的平均能量，從而達到去除金屬偽影的目的。ZHOU等［6］研究發現，與未使用錫過濾器相比，使用錫過濾器的脊柱內固定CT圖像噪聲降低26%，不僅能顯著減少金屬偽影，還能降低患者接受到的輻射劑量。另外，HUFLAGE等［7］研究報道，與VMI算法相比，在低劑量CT成像中，錫濾過器對去除脊柱內固定金屬偽影具有顯著優勢。雖然錫濾過器去除脊柱內固定金屬偽影的效果明顯提高，但仍不能完全去除金屬偽影。這是因為X線束經錫濾過器后，依然是混合能量的X線束，仍舊不可避免X線束硬化。此外，金屬偽影并非僅由X線束硬化引起。

通過優化CT掃描參數去除脊柱內固定金屬偽影，對CT硬件要求不高，簡單易行，在國內高端CT尚未普及的情況下，具有廣泛的應用價值［8］。另外，優化CT掃描參數能夠增加原始數據固有的保真度，為基于軟件的后處理算法進一步去除金屬偽影奠定了基礎。但是，優化CT掃描參數對脊柱內固定金屬偽影去除的效果有限，難以滿足臨床精準診斷的要求。

2.2.于軟件的后處理算法在去除脊柱內固定金屬偽影中的應用 基于軟件的后處理算法是通過對原始數據進行處理和校正，來去除脊柱內固定金屬偽影的干擾?；谲浖暮筇幚硭惴ㄈコ饘賯斡暗男Ч@著，但同時也會對原始數據造成一定破壞，進而導致圖像失真。目前，IR、MAR、VMI是基于軟件的后處理算法去除脊柱內固定金屬偽影的研究熱點。這三種算法基于不同的原理，在去除金屬偽影效果上也存在一定差異。

2.2.1.R算法 IR算法是將圖像數據的理論投影值和實測投影值進行比較，通過不斷用變量的舊值遞推新值的方式，將X線束硬化融合至正投影過程中，以達到在圖像重建過程中消除硬化線束偽影的目的。IR算法具有良好的抗噪性和較強的去除金屬偽影能力。王霞等［9］研究報道，IR算法能夠降低圖像噪聲，提高圖像細節對比度，從而有效去除金屬偽影。與傳統的IR算法相比，基于模型的迭代重建（MBIR）算法是新一代重建算法，能夠有效提高圖像密度分辨力，更好地去除X線束硬化偽影并顯著降低輻射劑量［10］。有研究證實，與MAR算法相比，MBIR算法在去除小型金屬植入物邊緣輪廓金屬偽影方面更具優勢［11］。其原因在于傳統的IR算法基于多種理想狀態且數據采集過程簡化近似，而MBIR算法則通過對CT圖像系統建模，考慮到系統噪聲、X線束硬化、X線散射、探測器特性等因素的影響，減少了投影數據測量值與理論值之間的誤差。不同于肩、髖、膝關節內固定，脊柱內固定金屬植入物的結構復雜且構件較小，MBIR算法在去除此類植入物金屬偽影方面具有一定價值。另外，FUKUSHIMA等［12］研究發現，與傳統的IR、MAR算法相比，在低劑量CT圖像中，MBIR算法圖像噪聲最小，去除腰椎內固定金屬偽影的效果最佳。究其原因，在低劑量條件下采集的投影數據會受噪聲干擾，尤其是在金屬偽影干擾下，噪聲進一步增大，從而影響了重建圖像的質量和精度。因此，與其他后處理算法相比，MBIR算法在脊柱內固定術后低劑量CT掃描中更具優勢。

但與其他后處理算法相比，IR算法在去除金屬偽影效果方面并不理想，其提供的影像解剖細節依舊無法完全滿足臨床診斷要求。其原因在于IR算法對金屬偽影投影數據的校正不具針對性且迭代強度過高，會導致圖像產生斑點狀或蠟像狀偽影。最新研究表明，與IR算法相比，深度學習CT圖像重建（DLIR）算法在去除金屬偽影方面具有顯著優勢，并且能夠實現超低輻射劑量成像［13］。因此，DLIR算法在去除脊柱內固定金屬偽影方面的應用前景廣闊，有望成為去除脊柱內固定金屬偽影的新手段。

2.2.2.AR算法 MAR算法通過閾值分割法，分割并剔除投影數據中的金屬偽影數據，利用未受金屬偽影影響的投影數據對金屬偽影區域進行插值、校正，最終達到去除金屬偽影的目的。MAR算法去除金屬偽影最早由KALENDER等［14］提出，后經其他學者發展和進一步研究，目前主要分為插值法、迭代法、混合法三類?；贗R的MAR算法能夠在原始數據不足且噪聲較多的情況下重建出高質量圖像。與IR算法不同，MAR算法在原始數據處理過程中，多了一個對金屬偽影區域數據分割的步驟，從而確保對金屬偽影數據進行特異性校正，而對周圍非金屬偽影區域數據則無影響。因此，與其他后處理算法相比，MAR算法對重度金屬偽影的去除效果較好，并且其對周圍未受金屬偽影影響組織的CT值無影響。姬龍等［15］研究表明，MAR算法可明顯去除脊柱內固定金屬偽影，偽影區域CT值更接近其真實CT值，幾乎完全去除了金屬偽影的干擾。但也有研究發現，MAR算法在去除脊柱內固定金屬偽影的同時，會引入新的偽影，從而導致骨質和椎管的失真度增加［16］。CECCARELLI等［17］研究認為，MAR算法引入的新偽影，對骨-金屬邊界的評價效果不理想，存在低估金屬植入物實際尺寸的風險，易誤診為植入物松動或斷裂。另外，在低劑量CT掃描中，MAR算法去除金屬偽影的效果并不理想［12］，其原因可能是由于噪聲導致對金屬偽影區域數據的分割不準確。

基于深度學習的MAR算法是一種去除金屬偽影的新方法［13］。最新的研究表明，與傳統的MAR算法相比，基于深度學習的MAR算法可顯著減少脊柱內固定細微的金屬偽影，更好地恢復金屬周圍組織結構的解剖細節，從而提高圖像質量［18］。基于深度學習的MAR算法的性能取決于用于模型訓練的大規模數據的質量。然而，在臨床上很難獲得足夠的訓練數據，真實臨床環境下難以完美擬合真實的物理條件，這限制了其臨床應用。盡管如此，隨著研究深入和技術發展，基于深度學習的MAR算法在去除脊柱內固定金屬偽影方面展現出了巨大的應用前景，有望成為去除脊柱內固定金屬偽影的新手段。

2.2.3.MI算法 傳統CT掃描提供的是混合能量圖像，會受X線束硬化偽影的影響。VMI算法是基于物質分解的原理，通過對雙能CT原始數據進行處理和解析，從而獲得不同能量水平的單能量CT圖像。理論上，單能量CT圖像無X線束硬化偽影的干擾［19］。已有研究表明，高KeV的VMI算法可顯著去除高密度和低密度金屬偽影，使偽影內組織CT值更接近真實CT值［20］。雖然錫濾過器能夠增加X線束的平均能量，但其提供的仍然為混合能量的X線圖像，而VMI算法是單一能量圖像，理論上可以完全消除X線束硬化偽影的影響。ANHAUS等［21］研究報道，MAR算法在去除肩、髖、膝關節等大型金屬植入物金屬偽影方面效果較好，而VMI算法在去除脊柱內固定這類小型金屬植入物偽影方面效果較好。這與VMI算法不會引入新的偽影有關。李嘉鵬等［22］研究發現，隨著KeV遞增，金屬偽影逐漸減少，椎弓根螺釘、椎弓根骨皮質以及金屬-骨界面顯示越來越清晰，暗條紋偽影內CT值呈遞增趨勢，亮條紋偽影內CT值呈遞減趨勢。有研究報道，與MAR算法相比，VMI算法在顯示椎弓根螺釘及其鄰近骨組織的結構細節上更具優勢［17］。最近HACKENBROCH等［23］研究報道，與VMI算法相比，錫濾過器聯合VMI算法能夠更好地顯示椎弓根螺釘及其鄰近骨組織的精細結構，其原因可能是錫濾過器可減少X線束硬化偽影對原始圖像數據的影響，減少了金屬偽影對原始數據的干擾，從而使原始數據處理和解析的準確度明顯提高。

高KeV的VMI圖像可有效減少脊柱內固定金屬偽影的影響，但其組織對比度降低，軟組織的層次對比欠佳，噪聲增加，不利于周圍軟組織顯示［24］。噪聲優化的VMI算法在減少金屬偽影的同時，可顯著降低噪聲干擾，提高圖像質量，在去除脊柱內固定金屬偽影方面取得了非常不錯的效果。ZENG等［25］研究發現，與VMI算法相比，噪聲優化的VMI算法最佳能級和圖像噪聲顯著降低，去除金屬偽影的效果顯著增強。然而，在投影數據的采集過程中存在噪聲，尤其是在低劑量CT掃描下，造成圖像數據不能反映其真實衰減情況，無法獲得準確的CT值分布，這是導致VMI算法不能去除全部金屬偽影的主要原因［7］。GONG等［26］研究發現，與傳統的VMI算法相比，基于深度學習的VMI算法可在低KeV的VMI算法中有效去除X線束硬化金屬偽影。因此，基于深度學習的VMI算法有望成為未來去除脊柱內固定金屬偽影的重要研究方向。

2.2.4.算法聯合 IR、MAR、VMI算法在去除脊柱內固定金屬偽影方面均具有一定效果，但每種后處理算法有各自的優勢和內在的局限性，沒有一種單獨的后處理算法可以達到最佳去除金屬偽影的效果。

ISHIKAWA等［27］研究表明，與單一的VMI算法相比，VMI算法聯合MBIR算法能夠降低圖像噪聲、提高圖像質量，并可顯著去除脊柱內固定的條紋偽影。這可能是因為MBIR算法能夠提高圖像信噪比，而高信噪比的原始圖像數據能夠反映其真實的CT值，從而保證物質分解的準確性，更好地實現去除金屬偽影的目的。WICHTMANN等［28］研究發現，MAR算法聯合低能級VMI算法能夠有效去除脊柱內固定金屬偽影，并且未引入新的偽影。此外，IR算法聯合MAR算法不僅可有效去除脊柱內固定金屬偽影，還可校正由MAR算法引入的新偽影。這是因為IR算法可降低原始圖像的噪聲，使MAR算法在金屬偽影數據分割過程中更加精確，從而有利于精準地去除金屬偽影。

有研究報道，基于深度學習的后處理算法在去除金屬偽影方面取得了較好的效果［13，18，26］。但由于缺乏大量的高質量訓練數據，限制了基于深度學習的后處理算法進一步發展。隨著光子計數CT的應用，使得在低劑量條件下生成高質量的CT圖像成為可能。RAU等［29］研究表明，與傳統的能量積分CT圖像相比，光子計數CT圖像信噪比顯著升高，圖像噪聲顯著降低，可更好地去除脊柱內固定金屬偽影。隨著光子計數CT在脊柱內固定成像上廣泛應用，臨床可獲得大量高質量的CT圖像數據，這為多種基于深度學習的后處理算法聯合去除脊柱內固定金屬偽影的探索奠定了基礎。

綜上所述，當前基于CT去除金屬偽影新的CT成像技術主要有基于硬件的CT掃描參數優化和基于軟件的后處理算法。CT掃描參數優化去除脊柱內固定金屬偽影簡單易行，可在中低端CT中廣泛應用，但其去除金屬偽影的效果有限，難以滿足臨床精準診斷的要求。IR、MAR、VMI是去除脊柱內固定金屬偽影常用的后處理算法，IR算法可在低輻射劑量下較好地去除脊柱內固定金屬偽影，MAR、VMI算法也能較好地去除脊柱內固定金屬偽影，但MAR算法可能引入新的偽影，不能單獨作為診斷依據，而VMI算法可增加圖像噪聲、降低對比度，不利于軟組織顯示。與單一的后處理算法相比，多種后處理算法聯合去除脊柱內固定金屬偽影的效果更好。同時，隨著CT硬件與軟件技術的不斷發展，基于深度學習的后處理算法、光子計數CT等成為去除脊柱內固定金屬偽影新的研究方向，具有更廣闊的應用前景。