基于迭代算法ASiR-V的CTU能谱与非能谱成像的对比研究:体模及临床研究

目的:通过体模预试验和临床研究,对比分析CT尿路成像(CTU)能谱与非能谱扫描图像质量及辐射剂量的差异,探究能谱扫描在保证图像质量前提下利用前置多模型迭代重建算法(ASi R-V)控制剂量的有效性。方法:(1)QSP Phantom体模预试验:采用80/140 kV(0.5 ms)切换能谱扫描、GSI辅助,NI=5,自动匹配相应的GSI模式,重建70 ke V,记作A-1组;非能谱扫描采用120 k V、自动毫安技术(NI=5),记作A-2组;固定毫安=365 m A,能谱扫描者记作B-1组,非能谱扫描(120 k V)者记作B-2组,均采用FBP重建。(2)临床研究:前瞻性收集CTU平扫+增强检查者45例。对照组:平扫采用120 kV、自动管电流调制扫描(NI=11),采用前置40%ASiR-V重建。实验组:增强三期均采用GSI模式,重建70 keV,打开GSI辅助(NI=11),自动选择最佳能谱参数扫描,动、静脉期及延迟期重建前置ASi R-V权重分别为30%、40%、50%(后置ASi R-V权重与之匹配)。对体模QSP Phantom及临床研究的能谱与非能谱扫描各组图像质量进行客观、主观评价,并记录每次扫描的检查辐射剂量,采用配对t检验和Wilcoxon秩和检验进行统计学分析。结果:(1)体模研究:自动毫安(NI=5),10、2.5 mg/mL及水试管在A-1组图像的SD值与A-2组无显著差异(P>0.05),20、5 mg/mL试管在A-1组图像的SD值稍高于A-2组(P<0.05),A-1组的CTDIvol较A-2组升高2.3%;固定毫安=365 mA,各目标试管在能谱B-1组图像中的SD值稍高于非能谱B-2组(P>0.05),B-1组的CTDIvol较B-2组降低36.3%。(2)临床研究:1)NI=11、ASi R-V权重相同(40%),能谱与非能谱图像的SD值无显著差异(P>0.05),图像主观评分均>4分,组间差异无统计学意义(P>0.05),能谱扫描的CTDIvol较非能谱升高6.06%(P>0.05);2)NI=11,30%、50%ASiR-V的能谱扫描与非能谱相比,各组间SD无显著差异(P>0.05),3组图像均满足影像诊断要求(>4分),相比40%非能谱扫描,30%能谱CTDIvol升高29.4%,50%能谱CTDIvol降低17.3%(P<0.05);(3)不同权重ASiR-V能谱图像的SD值组间无显著差异(P>0.05),辐射剂量随ASiR-V迭代强度增加而降低,相比于30%能谱扫描,40%、50%能谱CTDIvol依次降低22.0%、51.7%。结论:在自动毫安条件下,从体模预试验和临床研究,能谱成像图像质量及辐射剂量与非能谱成像相当;将能谱成像联合前置ASi R-V,在保证图像质量的同时可获得比非能谱更低辐射剂量的能谱图像,使其在临床中应用的效益最大化,具有良好的应用前景。

“双低”(低对比剂、低管电压)技术结合多模型迭代重建算法在肾脏双期CT增强扫描中的可行性

目的:探讨“双低”(低对比剂、低管电压)技术结合多模型的迭代重建(ASiR-V)算法在肾脏双期CT增强扫描中的应用价值。方法:前瞻性选取临床因病情需要做肾脏CT增强检查的患者60例为研究对象,随机分成常规剂量组及低剂量组各30例。患者均行肾脏双期CT增强扫描。常规剂量组:管电压120 kVp,对比剂320 mgI/ml碘佛醇,使用传统滤波反投影法(FBP)技术进行图像重建;低剂量组:管电压100 kVp,对比剂270 mgI/ml碘克沙醇,使用多模型迭代重建算法(ASiR-V),分别记录两组患者的CT扫描有效辐射剂量(ED)及碘摄入量,比较两组患者行肾脏CT平扫及动脉期的肾皮质及髓质的CT值、图像噪声(SD),对比噪声比(CNR)及信噪比(SNR)。由两位高年资影像诊断医师进行主观图像评分;并对两组图像质量的客观评价和主观评价进行相关统计学分析。结果:低剂量组的ED及碘摄入量明显低于常规剂量组,差异具有统计学意义(P<0.05)。两组图像质量的客观评价(CT值、SNR、CNR及SD)及主观评分差异均无统计学意义(均P>0.05),两位医师对图像质量主观评分的一致性较好(Kappa=0.765)。结论:“双低”技术结合ASiR-V算法在肾脏双期CT增强扫描中可获得满足临床诊断要求的图像质量,并且可以明显降低患者的有效辐射剂量及碘摄入量,值得临床推广使用。

双低技术基于多模型迭代重建算法在改善肝脏CT增强检查中图像质量与辐射剂量的价值

目的:探讨双低技术基于多模型迭代重建算法在改善肝脏CT增强检查中图像质量及辐射剂量的价值。方法:回顾性收集60例肝脏增强患者作为研究对象,根据随机数字表法分为A组和B组,每组30例。A组管电压80kVp,碘浓度为300mgI/mL碘海醇对比剂,采用多模型迭代重建算法(ASiR-V)重建;B组管电压120kVp,碘浓度350mgI/mL碘佛醇对比剂,采用滤波反投影算法(FBP)重建。比较两组图像质量客观评价指标[肝脏CT值、噪声(SD)、信噪比(SNR)及对比噪声比(CNR)]和主观评价指标(图像噪声、图像失真度及图像诊断评分),并计算两组患者有效辐射剂量及碘摄入量。结果:与B组比较,A组患者有效辐射剂量降低了39.93%,碘摄入量减少了44.90%,SD降低了42.93%,SNR及CNR分别提高了40.70%、49.42%,差异均有统计学意义(P<0.05)。两组图像客观评价指标噪声评分、失真度评分及诊断评分比较差异均无统计学意义(P>0.05),且2名观察者之间评价一致性较好(Kappa=0.843)。结论:在肝脏CT增强检查中,与常规管电压FBP算法相比,低管电压低浓度对比剂结合ASiR-V算法可显著降低患者有效辐射剂量及碘摄入量,且能够得到满意的图像质量,临床价值较高,值得推广应用。

低剂量头颅CT扫描最佳迭代算法(ASIR-V)权重的初探

目的初探头颅低剂量扫描中最佳Post-ASIR-V的权重。方法前瞻性选取头颅CT检查中的体检患者60例,随机分为A、B两组:A组(对照组)扫描参数为120 kVp、管电流280 mA、轴扫、准直器宽度120 mm、转速1.0 s/r;B组(实验组)扫描参数为100 kV、管电流280 mA、前置Pre-ASIR-V为0%、轴扫、准直器宽度120 mm、转速1.0 s/r。A组用FBP重组,B组Post-ASIR-V重组权重分别为:0%、20%、40%、60%、80%、100%,A、B重组层厚均为1.25 mm。测量后颅窝层面、基底节区层面和半卵圆中心层面脑实质的CT值、SD值,计算SNR=CT/SD。记录CT容积剂量指数,剂量长度乘积(DLP)并计算有效辐射剂量(ED),计算公式为ED=DLP×k,k=0.0021 mSv/(mGy·cm),采用单因素方差分析进行客观评价。主观评价:由2名高年资医师采用双盲法对CT图像质量进行主观评价。图像质量评价标准(三分法):3分为图像质量较好,无明显伪影;2分为图像有少许伪影但不影响诊断;1分为图像有严重伪影。采用Kappa对两名医生进行一致性进行评价,秩和t检验对主观评价进行统计学分析。结果随着Post-ASIR-V权重由0%～100%,SD值逐渐降低,SNR逐渐增加,且各组间差异具有统计学意义(P<0.05);Post-ASIR-V权重在60%时,图像质量最佳;B组辐射剂量较A组降低了34.31%。结论采用100 kV低剂量头颅扫描,Post-ASIR-V 60%重组权重图像质量最佳,并满足临床诊断。

Revolution 256 CT低剂量能谱碘水基物质对及三段能谱曲线斜率法定量鉴别不同周围型肺癌

目的 探讨Revolution 256 CT低剂量能谱扫描及三段能谱曲线斜率在不同周围型肺癌定量分析中的价值。方法 选取并分析126例行Revolution 256 CT低剂量能谱扫描并经病理证实的周围型肺癌患者,分别为腺癌62例、鳞癌49例及小细胞癌15例,测量并计算癌灶双期碘含量及水含量、标准化碘水浓度(NIC、NWC)及标准化碘水浓度之差(ICD、WCD)。重建双期能量衰减曲线,把衰减曲线分为三个区间40~70 KeV、70~100 KeV、100~140 KeV,分别计算斜率。用单因素方差分析比较多组间差异,组间有差异时采用LSD法进行两两比较,P<0.05为差异有统计学意义。结果 1)双期碘基值、NIC及ICD:腺癌>鳞癌>小细胞癌,差异有统计学意义(F=3.397~6.188,P<0.05);2)动脉期水基值、NWCAP:鳞癌>腺癌、鳞癌>小细胞癌,差异有统计学意义(F=5.017~9.899,P<0.05),腺癌与小细胞癌间比较差异无统计学意义。结节静脉期水基值、NWCVP及WCD比较差异无统计学意义(F=0.341~0.710,P>0.05);3)分段斜率比较显示40~70 KeV段:腺癌>鳞癌>小细胞癌;70~100 KeV段:鳞癌>腺癌>小细胞癌;100~140 KeV段:鳞癌>腺癌>小细胞癌;三组低能量水平差异大,高能量水平差异小。小细胞癌对应单能量下CT值最低。结论 Revolution 256 CT能谱定量参数指标有助于临床无创鉴别周围型肺癌。

单能量技术结合ASIR-V算法在疑似新型冠状病毒肺炎患者行低剂量CT扫描中的应用价值

目的 :探讨单能量技术结合多模型迭代重建(ASIR-V)算法在疑似新型冠状病毒肺炎(简称新冠肺炎)患者行低剂量CT扫描中的应用价值。方法:前瞻性分析80例疑似新冠肺炎患者,随机分为低剂量组和常规剂量组各40例,低剂量组采用能谱扫描模式和ASIR-V算法,常规剂量组采用传统扫描模式和滤波反投影算法(FBP)。对比2组的图像质量、CT剂量指数(CTDIvol)、剂量长度乘积(DLP)、有效辐射剂量(ED)。以新型冠状病毒核酸检测作为诊断金标准,比较2种扫描模式的诊断效能。结果:2组图像质量主观评分差异无统计学意义(P> 0.05),2名医师对图像质量主观评价的一致性较好(K=0.81,P<0.05)。2组在胸廓入口处胸锁乳突肌、T6水平胸主动脉及肺底竖脊肌3处的SNR差异均无统计学意义(均P> 0.05)。低剂量组CTDIvol、DLP及ED均明显低于常规剂量组,差异均有统计学意义(均P<0.05)。低剂量组诊断疑似新冠肺炎患者的敏感度、特异度、阳性预测值、阴性预测值及诊断符合率分别为84.38%、87.50%、96.43%、58.33%、85.00%,常规剂量组分别为90.63%、75.00%、93.55%、66.67%、87.50%,差异均无统计学意义(均P> 0.05)。结论:单能量技术(110 keV)结合80%ASIR-V算法低剂量CT扫描能够在保证图像质量的前提下降低辐射剂量,对新冠肺炎的筛查、辅助诊断及预后随访具有重要的临床应用价值。

ASIR-V重建算法在胸部低剂量CT诊断肺结节中的临床价值

目的:探讨胸部低剂量CT结合基于多模型的迭代重建算法(ASIR-V)在肺结节诊断中的临床价值。方法:收集行Revolution CT胸部平扫的肺结节患者40例。患者首次检查时先采用常规剂量胸部CT扫描,预设噪声指数为14 HU,图像重建采用滤波反投影法(FBP);若发现肺结节者,于肺结节局部层面进行低剂量靶扫描,预设噪声指数为24 HU,图像采用60%ASIR-V算法进行重建。记录两种扫描模式下肺结节的检出数,测量肺结节的大小、CT值、噪声值以及肺组织CT值和噪声值,并计算肺结节的信噪比(SNR)和对比噪声比(CNR)。两名有经验的放射科医师采用5分法对两种扫描模式下整体图像质量以及部分肺结节的特殊形态学征象进行主观评分。记录两种扫描模式中患者的CT容积剂量指数(CTDIvol)、剂量长度乘积(DLP),并计算有效剂量(ED)。结果:常规剂量扫描ED为(3.20±1.14)mSv,低剂量扫描ED为(1.64±0.29)mSv,辐射剂量减低约48.8%。常规剂量扫描共检出108个肺结节,低剂量扫描共检出107个肺结节,低剂量CT扫描肺结节检出率为99.07%。低剂量60%ASIR-V图像和常规剂量FBP图像在肺结节的大小、CT值、SD值、SNR及CNR方面差异均无统计学意义(P>0.05)。两名医师对两组图像的主观评分差异亦无统计学意义(P>0.05)。结论:在低剂量CT扫描中,运用60%ASIR-V算法对于肺结节的检出、肺结节形态学特征的显示与常规剂量FBP图像质量差异不大,但其辐射剂量明显降低。

低剂量条件下深度学习图像重组算法与多模型迭代重组算法对腹部增强CT图像质量的影响

目的比较深度学习重组算法(DLIR)和多模型迭代重组算法(ASIR-V)在腹部低剂量CT增强扫描中对图像质量的影响,探讨DLIR在降噪以及提高图像质量等方面的价值。方法采取前瞻性队列研究的方法,对30例患者行腹部四期增强扫描。选择动脉晚期行低剂量扫描,其他三期行常规扫描。所得动脉晚期低剂量原始数据行ASIR-V40%、DLIR-M(中度)、DLIR-H(高度)3种重组方式进行重组。对3组图像进行肝脏、脾脏、主动脉、腰大肌及腹壁脂肪测量CT值、SD值,并计算相应信噪比及对比噪声比。由两位放射科医师对图像质量进行主观评分。结果两位医师对图像的主观评价一致性高。DLIR组所得评分均高于ASIR-V组;DLIR-H与DLIR-M所得肝脏、脾脏、主动脉及腹壁脂肪的SD值均小于ASIR-V40%(P值均<0.001);DLIR-H与DLIR-M肝脏、脾脏、主动脉的SNR、CNR值均大于ASIR-V40%(P值均<0.001),且DLIR-H较DLIR-M更具优势。结论DLIR相较于ASIR-V对于腹部低剂量图像的重组可以更好的降噪和改善图像质量。

Maneuvering target tracking algorithm based on cubature Kalman filter with observation iterated update

Reasonable selection and optimization of a filter used in model estimation for a multiple model structure is the key to improve tracking accuracy of maneuvering target.Combining with the cubature Kalman filter with iterated observation update and the interacting multiple model method,a novel interacting multiple model algorithm based on the cubature Kalman filter with observation iterated update is proposed.Firstly,aiming to the structural features of cubature Kalman filter,the cubature Kalman filter with observation iterated update is constructed by the mechanism of iterated observation update.Secondly,the improved cubature Kalman filter is used as the model filter of interacting multiple model,and the stability and reliability of model identification and state estimation are effectively promoted by the optimization of model filtering step.In the simulations,compared with classic improved interacting multiple model algorithms,the theoretical analysis and experimental results show the feasibility and validity of the proposed algorithm.