多层螺旋计算机断层扫描多维重建参数、血管活性药物评分在急性主动脉夹层预后中的预测价值

目的探讨多层螺旋计算机断层扫描(CT)多维重建(MPR)参数、血管活性药物评分(VIS)在急性主动脉夹层预后中的预测价值。方法收集2017年4月至2022年4月于聊城市第二人民医院(山东第一医科大学附属聊城二院)进行手术治疗的68例急性主动脉夹层患者的临床资料,根据是否发生院内死亡将其分为死亡组(n=24)和对照组(n=44)。对比两组患者的主动脉夹层的MPR参数、血管活性药物评分(VIS),绘制受试者工作特征(ROC)曲线分析MPR参数与VIS预测急性主动脉夹层患者院内死亡的价值,采用Logistic回归模型分析MPR参数、VIS与患者术后发生院内死亡风险的关系。结果死亡组患者侵犯血管条数、假腔面积占主动脉管腔面积之比、VIS均高于对照组患者,差异均有统计学意义(P﹤0.05)。中性粒细胞与淋巴细胞计数比值(NLR)越高、输血量越大、呼吸机使用时间越长、合并败血症、合并肺部感染、并发意识障碍、假腔面积占主动脉管腔面积之比升高、VIS升高均是急性主动脉夹层患者术后发生院内死亡的独立危险因素(P﹤0.05)。ROC曲线分析显示,侵犯血管条数、假腔面积占主动脉管腔面积之比、VIS预测急性主动脉夹层患者术后死亡风险的曲线下面积(AUC)分别为0.611、0.861、0.949。结论假腔面积占主动脉管腔面积之比、VIS可在一定程度上预测急性主动脉夹层患者术后发生院内死亡的风险,值得在临床上进一步推广应用。

基于深度学习的电阻抗断层成像图像重建算法研究综述

介绍了电阻抗断层成像(electrical impedance tomography,EIT)传统图像重建算法的局限性和深度学习在非线性图像重建中的优点,综述了基于深度学习的直接重建法、间接重建法和隐式重建法3种EIT图像重建算法的研究进展,分析了基于深度学习的EIT图像重建算法存在的不足,指出了基于深度学习的EIT图像重建算法应在提高数据集质量、增强图像可解释性以及改善成像分辨力等方面实现进一步的技术突破。

基于list-mode数据重建PET图像的研究进展

本文通过对基于list-mode和sinogram两种数据形式的PET图像EM重建算法的比较,从几个方面介绍了直接采用list-mode数据进行PET图像重建的优点,并对基于list-mode的PET图像重建算法的发展动态进行了评述。

基于深度学习的图像重建算法在下肢动脉病变CTA诊断中的研究

目的 探讨基于深度学习的图像重建算法对下肢动脉病变CT血管成像(Computed Tomography Angiography,CTA)的诊断价值。方法 回顾性收集2021年6月至2022年2月于我院就诊的51例下肢动脉狭窄或闭塞患者的CTA检查资料(65条下肢动脉)。分别基于深度学习的图像重建(Deep Learning Image Reconstruction,DLIR)算法和混合迭代重建(Hybrid Iterative Reconstruction,HIR)算法对CTA图像进行重建,以HIR法为参照进行质量评估;两位医师在不同重建算法下对血管狭窄的部位和程度进行评估,并采用Kappa检验观察者间一致性;以数字减影血管造影作为“金标准”比较HIR法和DLIR法诊断下肢动脉中度和重度狭窄的效能。结果与HIR法相比,DLIR法图像质量的噪声显著降低(Z膝上动脉=8.36,Z膝下动脉=9.46,Z足背动脉=7.19,均P<0.001),信噪比(Z膝上动脉=-7.32,Z膝下动脉=-7.91,Z足背动脉=-8.45,P<0.001)及对比噪声比(Z膝上动脉=-8.66,Z膝下动脉=-9.21,Z足背动脉=-8.52,均P<0.001)显著提高。DLIR法对动脉狭窄或闭塞程度的识别和评估均显示出更高的观察者间一致性(Kappa=0.86)。与HIR法相比,DLIR法的图像对膝下动脉重度狭窄的敏感度(72.2%vs.94.4%)、特异性(78.7%vs.95.7%),足背动脉中度狭窄的特异性(86.0%vs.97.7%)及重度狭窄的敏感度(50.0%vs.87.5%)均显著提高(P<0.05)。结论 DLIR算法可有效改善下肢动脉的CTA图像质量,并获得更优的诊断效能。

一种基于Fractal-DenseNet的电磁血管断层图像重建算法

针对电磁血管断层图像重建中存在的欠定性、病态性,提出一种基于Fractal-DenseNet的电磁血管断层图像重建算法.基于血流磁电耦合效应的血管断层图像重建原理,将FractalNet的分形思想与DenseNet的密集紧密连接思想相结合,构建了一种适用于反演血液流速分布的Fractal-DenseNet网络模型,用于血管断层图像重建.通过人体前臂尺动脉血流磁电耦合测量模型,建立血管断层剖面流速和血流磁电效应引起的电压信号的对应数据对,分别作为网络模型输入和输出;通过监督学习,实现基于血管断层流速分布的血管断层图像重建.结果表明:Fractal-DenseNet重建结果的均方根误差和相关系数分别为0.0078,99.28%;本文算法具有良好的抗噪性,可在复杂边界条件下实现血管断层图像重建.

深度学习图像重建算法对改善直肠CT图像质量的临床应用价值

目的:探索深度学习图像重建(DLIR)算法是否可以改善静脉期肛管直肠的CT图像质量。方法:回顾性纳入进行腹部CT增强扫描的71例患者,所有影像资料使用50%ASiR-V和DLIR低、中、高(DLIR-L、DLIR-M、DLIR-H)3个强度的DLIR重建静脉期薄层图像。测量各组图像的肛管和臀部脂肪的CT值和标准差(SD),以臀部脂肪SD作为背景噪声,计算肛管对比噪声比(CNR)和信噪比(SNR)。两名影像科医师使用Likert5分量表法独立进行图像质量评估和直肠癌局部侵犯情况诊断信心评价。分析比较客观测量指标和图像主观评分,采用Kappa检验评估一致性。结果:各组间肛管CT值及臀部脂肪CT值比较差异没有统计学意义(P>0.05),脂肪SD、肛管SNR及CNR比较差异有统计学意义(P<0.05),DLIR-H组脂肪SD最低,SNR及CNR最高,而50%ASiR-V组脂肪SD最高,SNR及CNR最低。与50%ASiR-V组相比,DLIR-H组脂肪SD降低44.3%,肛管SNR及CNR分别提升89.5%和92.1%(P<0.05)。4组图像质量主观评分比较差异有统计学意义(P<0.05),从DLIR-H到50%ASiR-V依次降低。其中50%ASiR-V、DLIR-L组间比较差异没有统计学意义(P>0.05),其余各组间比较差异均有统计学意义(P<0.05)。各组间直肠癌局部侵犯情况诊断信心评分比较差异有统计学意义(P<0.05),DLIR-M及DLIR-H组优于50%ASiR-V组(P<0.05)。结论:与标准50%ASiR-V图像相比,DLIR-M和DLIR-H重建算法能有效提高图像质量,重建强度越高,图像质量越好,显示细微结构的能力越强,能为临床精准评估及个体化精准治疗提供更多的依据。

70kVp联合深度学习图像重建算法对胸主动脉血管内修复术后双低CTA图像质量的影响

目的探讨70 kVp联合深度学习图像重建(DLIR)算法在低辐射剂量低对比剂用量的情况下对胸主动脉血管内修复术(TEVAR)后主动脉CT血管成像(CTA)图像质量的影响。方法前瞻性纳入65例TEVAR术后需接受主动脉CTA扫描的患者,随机分为两组。常规剂量组(A组)接受100 kVp管电压和60 mL对比剂扫描,低剂量组(B组)接受“双低”方案:管电压70 kVp,对比剂用量为0.5 mL·kg^(-1)。A组图像采用50%多模型迭代重建算法(ASIR-V)重建,B组图像分别采用滤波反投影(FBP)算法(B1亚组)、50%ASIR-V(B2亚组)、90%ASIR-V(B3亚组)及DLIR-H算法(B4亚组)重建。测量并比较各组主动脉CT值、图像噪声、对比噪声比(CNR)及品质因数(FOM)。采用5分制对图像噪声、血管锐利度和整体图像质量进行评估。结果B4亚组噪声最低,较A组降低约23.49%(P<0.001)。A组、B4亚组主动脉各感兴趣区(ROI)CT值、CNR值及图像主观评分差异无统计学意义(P>0.05);B4亚组FOM值大于A组(P<0.001)。与A组比较,B组辐射剂量降低约52.38%(P<0.001),对比剂用量和注射流率分别降低约39%和33.6%(P<0.001)。结论采用70 kVp结合DLIR算法在TEVAR术后主动脉CTA扫描中可获得与常规剂量相当的图像质量,且辐射剂量和对比剂用量大幅度降低。

基于断层解剖及可视化重建儿童肾的解剖结构

目的:基于体素重建法对儿童肾进行三维重建,研究儿童肾的解剖结构,为科研及临床诊疗提供帮助。方法:选择6岁男童标本,利用数控冷冻铣削技术进行铣切,同时用高清数码相机逐层拍照,进而得到一套完整高清的男童薄层铣切数据集。从数据集中选取含有儿童左右两肾的784个二维横断面图像,用Photoshop 2020软件对肾图像进行结构精细分割,再将处理过的图片用Digihuman reconstruction system软件进行三维重建。结果:获得一套高清的男童薄层铣切图像。得到了儿童肾的3D模型,精确度高,准确还原了肾的形态特征和结构特点。结论:得到的儿童完整薄层铣切数据集,可用于建立高清晰度的儿童断层解剖图谱,其分辨率高于一般的医学影像图像。重建得出的儿童肾3D模型可实现全方位、多角度观察,立体直观,能够精确全面地反映出解剖结构,可用于术前规划和手术方案展示。

儿童肝超薄铣削断层解剖及可视化重建

目的:了解儿童肝胆系统形态结构、走行规律,辨清儿童及成人肝的差异,为编写儿童解剖图谱提供素材,丰富对儿童肝胆系统的认识。方法 :选取男童标本1具,利用数控冷冻铣削技术,采用从足到头逐层超薄铣切,进行数字儿童肝胆系统图像手动分割,分割提取后将数据导入Digihuman Reconstruction System,并建立三维模型,将初步建立的模型进行微调和修改。采用描述法对重建后的儿童三维肝胆系统模型进行显示。结果 :获得肝连续薄层解剖断面图像1 234张,获得了儿童三维肝胆系统及儿童断层解剖图谱。结论 :通过对肝断层解剖结构的分析与处理,可以立体地展示肝胆系统的解剖关系;三维图像可形象、动态地显示肝胆系统的解剖特点。

基于断层解剖及可视化研究对儿童下呼吸道及肺的三维重建

目的 :建立国人学龄前男童连续超薄解剖标本数据集,并对下呼吸道及肺行可视化应用研究。方法 :选择经64排螺旋CT和3.0T MRI全身扫描排除器质性病变和畸形的男童标本,6周岁,身高1.14 m,体质量23 kg,发育正常,皮肤、内脏无破损,整体无挤压变形。经定型、冷冻及包埋,置于-25℃冷库中3周,由山东数字人公司在-25℃低温实验室中逐层数控冷冻无锯损铣切,从足到头0.10 mm铣切,使用Rencay16k3Scanback相机逐层扫描获取高清晰度数据集图像,基于体素重建法对下呼吸道和肺组织行三维重建。结果 :共采集11 421张断面图像,所有图像原始保存为PNG格式;每张图像为13 000像素×8 000像素,约27.4 MB;整体学龄前男童数据集共计305.60 G,并重建了儿童下呼吸道及肺3D模型。结论 :成功建立的数字化可视男童下呼吸道及肺数据集,为儿童发育形态研究,各器官虚拟手术入路探索,教材与专著编写及儿童疾病预防、诊治及科普等提供了高精度的基础大数据集。

光学相干断层成像技术指导经皮冠状动脉介入治疗在冠状动脉分叉病变的应用

心血管疾病是全球范围内的主要致死性疾病,给发展中国家造成较大的经济负担[1]。经皮冠状动脉介入治疗(PCI)是目前针对急性冠脉综合征再灌注治疗的主要方法[2],然而即使由经验丰富的医生及时行PCI,仍有较多患者在其出院后1年内发生死亡、再发心肌梗死、非计划性血运重建等心血管不良事件[3,4]。

数据挖掘的光学断层成像重建方法

为了有效重建光学断层成像,提升成像清晰度,研究数据挖掘的光学断层成像重建方法。依据光学断层成像原理,获取光学断层成像;利用改进模糊C均值聚类算法,划分光学断层成像图像块对类别;通过各类图像块对训练极限学习机回归器,估计高分辨率图像块对垂直梯度、方向梯度和高频;以垂直梯度、方向梯度为约束,重建光学断层成像;以高频与重建光学断层成像为约束,再次重建光学断层成像,得到最终重建光学断层成像。实验证明:该方法可以有效重建模拟与真实的光学断层成像,提升光学断层成像清晰度;精准聚类光学断层成像图像块对;在不同图像块尺寸时,重建光学断层成像的位置误差与质心误差均较低,图像相似度较高,具有较高的重建精度。

基于联邦特征学习的多机型低剂量CT重建算法

目的提出一种基于联邦特征学习的多机型低剂量CT重建算法(FedCT),以提升深度学习模型对多CT机型的泛化能力并保护数据隐私。方法FedCT框架在每个协作学习的客户端中设置了一个基于数据-解析模型耦合驱动的Radon反变换智能重建模型作为局部网络模型,并采用投影域特异性学习策略,在局部投影域保留成像几何特异性。同时,引入联邦特征学习,使用条件特征参数标记局部数据并馈入网络模型进行编码以在图像域提升网络模型的泛化性。结果在跨站点的多机型、多协议低剂量CT重建实验中,FedCT的重建结果在所有对比联邦学习方法中获得了最高的PSNR(高于次优的联邦学习方法+2.8048、+2.7301、+2.7263)、最高的SSIM指标(高于次优的联邦学习方法+0.0009、+0.0165、+0.0131)以及最低的RMSE指标(低于次优的对比联邦学习方法-0.6687、-1.5956、-0.9962)。在消融实验中,相较于一般联邦学习策略,采用投影特异学习策略的模型在测试集上的PSNR指标的Q1平均提升1.18,RMSE指标的Q3平均降低1.36。在引入联邦特征学习后,FedCT在测试集上的PSNR指标的Q1进一步提升3.56,RMSE指标的Q3进一步降低1.80。结论FedCT为协作构建CT智能重建网络模型提供了有效解决方案,能够在保护数据隐私的基础上,增强网络模型泛化性,进一步地提升网络模型在全局数据上的重建性能。

冠状动脉周围脂肪衰减指数与CT图像重建参数的相关性研究

目的 评估冠状动脉周围脂肪衰减指数(fat attenuation index, FAI)与卷积核、迭代重建算法以及层厚等计算机断层扫描(CT)冠状动脉造影重建参数的相关性。方法 前瞻性纳入44例行CT冠状动脉造影的患者,采用以下3种参数组合进行图像重建:(1)迭代重建算法(KARL5)和层厚(0.5 mm)不变,采用4种卷积核(Soft_AA、Soft_BA、Soft_CA、Soft_DA,锐利度由低至高)重建;(2)保持卷积核(Soft_AA)和层厚(0.5 mm)不变,采用滤波反投影(filtered back projection, FBP)和迭代重建算法(KARL5)进行重建;(3)保持卷积核(Soft_AA)和迭代重建算法(KARL5)不变,采用不同层厚(0.5 mm, 1.0 mm)进行重建。经专用分析软件自动提取上述3种参数组合中所有图像的左前降支(left anterior descending artery, LAD)、左回旋支(left circumflex artery, LCX)、右冠状动脉(right coronary artery, RCA)对应的FAI。采用配对t检验、方差分析进行统计分析。结果 对于LAD、LCX和RCA:(1)不同卷积核间的差异均具有统计学意义(P<0.001),且FAI随卷积核锐利度的提高而降低;(2)相比于FBP,KARL5重建图像的FAI显著提高(P<0.001);(3)相比于0.5 mm, 1.0 mm层厚图像的FAI均显著降低(P<0.001)。结论 卷积核、迭代重建算法及图像层厚对各支冠状动脉的FAI均具有显著影响,临床应用FAI进行诊断时应充分考虑CT重建参数的影响。

基于DAS的光声断层图像重建算法研究

由于基于模型类的重建算法重建速度慢、难以实现实时重建。为解决这一问题,本文采用基于延迟求和(DAS)的光声重建算法对图像进行重建。该算法以像素点为基础,计算其到各个传感器的相角。如果在传感器的空间接收范围内,则计算与传感器距离并且计算延迟,从而计算对应强度,最后将各个范围内传感器的强度累加,求得最终该像素点的光吸收强度。本文采用模拟数据,模拟声源发声、组织内的传播和探测器的接收,最后通过探测器接收到的数据,采用延迟求和(DAS)法重建图像。经实验验证,DAS算法在重建过程中能够快速重建图像,适合实时光声断层图像重建。

图像重建算法对兆伏级成像系统图像质量及自动配准精度的影响研究

目的:对比研究TOMO Radixact螺旋断层放射治疗系统不同迭代重建(IR)算法对兆伏级CT(MVCT)成像系统图像质量的改善及对自动配准精度的影响,探索适合临床应用的重建算法。方法:使用MVCT成像系统分别扫描Tomo-Phantom HE型模体和Catphan604型模体,分析MVCT图像重建算法中的标准(STD)算法、迭代重建通用(IR-G)算法、迭代重建软组织(IR-ST)算法3种重建算法生成的3组图像,分别计算3组图像的噪声指数(NI)、图像均匀性指数(UI)、调制传递函数(MTF)、低对比度可见度(LCV)和对比度噪声比(CNR)。利用Lucy模体进行自动配准算法准确性测试,通过对左右方向(x轴)、头脚方向(y轴)、垂直方向(z轴)以及y轴的自由旋转(Roll)4个维度的配准数据进行其对自动配准精度的影响验证分析。结果:IR-G和IR-ST重建算法的NI分别为39.58±0.10和14.62±0.26,优于STD算法的39.58±0.10,UI分别为19.87±0.83和15.84±2.51,优于STD算法的24.51±1.81,LCV分别为2.50±0.03和1.74±0.11,优于STD算法的3.67±0.04,且均有明显提升,但MTF50%的高对比度分辨率分别为0.23和0.21lp/mm,低于STD的0.32lp/mm,整体图像质量IR重建算法优于STD重建算法。自动配准算法准确性测试中,y轴方向上IR-G和IR-ST算法的配准精度分别为(0.360±0.142)mm和(0.245±0.050)mm,均高于STD算法的(0.145±0.136)mm,差异有统计学意义(Z=6.0、15.0,P<0.05),其余方向的配准精度差异均无统计学意义(P>0.05)。结论:IR算法在噪声、均匀性及低对比度分辨率上均有优势,但高对比度分辨率有所降低,高对比度分辨率的降低并未导致自动配准精度降低。

光源探测器阵列密度对近红外漫射光相关断层成像的影响

近红外漫射光相关断层成像技术(Diffuse Correlation Tomography,DCT)是一种乳腺微血管血流成像的新技术,但成像的空间分辨率不足,高密度光源探测器(Source and Detector,S-D)阵列的布置方式是否可以有效提高DCT空间分辨率目前尚不清楚。为了研究S-D阵列密度对于DCT血流重建图像空间分辨率的影响,设计了3种S-D阵列,密度分别为24、48和96。结合蒙特卡洛仿真和DCT血流图像重建方法,研究了S-D阵列对于2种含有高血流异质物(模拟乳腺恶性肿瘤)的乳腺组织血流重建效果的影响。结果表明,高密度的SD阵列交错排布可以提高DCT血流重建的空间分辨率,可提升临床早期筛查时乳腺恶性肿瘤成像的精确性和稳定性。

基于Transformer增强型U-net的CT图像稀疏重建与伪影抑制

实现低剂量计算机断层成像(CT)的一个有效办法是减少投影角度,但投影角度较少会产生严重的条状伪影,降低图像的临床使用价值。针对该问题,提出一种耦合卷积神经网络(CNN)和多种注意力机制的U型网络(TE-unet)。首先采用U型架构提取多尺度特征信息;其次提出一个包含CNN和多种注意力的模块提取图像特征;最后在跳跃连接处加入Transformer块过滤信息,抑制不相关特征,突出重要特征。所提网络结合CNN的局部特征提取能力和Transformer的全局信息捕获能力,辅以多种注意力机制,实现了良好的去条状伪影能力。在60个投影角度下,与经典的Uformer网络相比,峰值信噪比(PSNR)高出0.3178 dB,结构相似度(SSIM)高出0.002,均方根误差(RMSE)降低0.0005。实验结果表明,所提TE-unet重建的图像精度更高,图像细节保留的更好,可以更好地压制条状伪影。

PET断层重建中动态射线追踪算法的实现

迭代重建算法已成为PET的标准重建方法,其系统响应矩阵实现图像空间和投影空间之间的映射关系,是迭代重建算法的关键.面向list-mode断层重建,以优化Siddon算法为基础,实现了一种敏捷的正交距离射线追踪方法,实时计算系统响应矩阵,生成近似高斯形的LOR线,有效建模了探测器响应函数.结果表明该算法在重建精度和效率之间达到较好的平衡,满足了list-mode断层重建的需求.

基于锥形束计算机断层扫描特征对根尖周炎患者再生牙髓治疗效果的预测作用

目的探讨基于锥形束计算机断层扫描(CBCT)T特征对根尖周炎患者再生牙髓治疗(REP)效果的预测价值。方法选取2020年1月至2021年12月新疆维吾尔自治区人民医院收治的根尖周炎患者182例,均接受REP治疗并获取CBCT,随访观察12个月,根据治疗效果分为有效组160例和无效组22例。分析两组患者的临床资料,并采用多因素logistic回归分析影响再生牙髓治疗效果的相关因素,绘制受试者操作特征(ROC)曲线评估CBCT特征对根尖周炎患者再生牙髓治疗效果的预测效能。结果有效组患者的年龄、术前根尖周病损体积较无效组小,皮质骨破坏占比较无效组低(P<0.05)。以根尖周炎患者再生牙髓治疗效果为因变量(无效=1,有效=0),年龄、皮质骨破坏、根尖周病损体积作为自变量进行多因素logistic回归分析结果显示,根尖周病损体积(OR=1.041,95%CI:1.014~1.069)为根尖周炎患者再生牙髓治疗效果的危险因素(P<0.05)。ROC曲线显示,术前根尖周病损体积预测根尖周炎患者再生牙髓治疗效果的AUC为0.852(95%CI:0.792~0.900),特异度为73.12%,敏感度为95.45%。结论基于CBCT测定的术前根尖周病损大小是根尖周炎患者再生牙髓治疗效果的预测因素,术前根尖周病损体积小的患牙可以获得更好的愈合。