Study on the Influence of Head and Neck CTA Image Quality under Different Tube Voltages
-
摘要: 目的：研究不同管电压对头颈部CTA图像质量的影响。资料与方法：收集亭林医院2021年9月至2022年1月临床怀疑头颈部血管疾病的患者共67例，其中男37例，女30例，平均年龄（68.94±11.68）岁，根据施加的管电压不同分成3组，将患者分配到A、B、C三组，A组为120 kV 23例、B组为100 kV 24例、C组为80 kV 20例。采用单因素ANOVA检验，比较3组间的主动脉弓、颈内动脉、大脑中动脉M1段以及胸锁乳突肌的CT值、SD值、SNR、CNR，以及图像质量主观评分、TDLP以及ED，采用Kappa检验法，检验两名医师主观评分的一致性。结果：3组间主动脉弓、颈内动脉、大脑中动脉M1段血管CT值及SD值差异有统计学意义；主动脉弓、颈内动脉、大脑中动脉M1段血管CT值及SD值随管电压下降而上升，上升幅度为15％～55％；3组间SNR及CNR差异无统计学意义；3组间的图像质量主观评分差异有统计学意义，B组＞A组＞C组，以B组评分最高；两名医师主观评分的Kappa=0.80，为高度一致；3组间TDLP以及ED有统计学差异，TDLP以及ED随管电压下降而下降，下降幅度为25％ 和39％。结论：根据CT辐射剂量诊断参考水平的要求，在进行头颈部CTA检查时，3种管电压以100 kV为最佳管电压条件。Abstract: Objective: To explore the influence on the image quality of head and neck CTA under different tube voltages. Materials and methods: A total of 67 patients with clinically suspected head and neck vascular diseases in Tinglin hospital from September 2021 to January 2022 were collected as the research objects, including 37 males and 30 females, with an average age of 68.94. According to the applied tube voltage, the patients were randomly assigned into groups A, B and C. There were 23 cases of 120 kV in group A, 24 cases of 100 kV in group B and 20 cases of 80 kV in group C. Single factor ANOVA test was used to compare the CT value, SD value, SNR, CNR of aortic arch, internal carotid artery, M1 segment of middle cerebral artery and sternocleidomastoid muscle among the three groups, and furthermore the subjective score of image quality, TDLP and ED. Kappa test was used to evaluate the consistency of subjective scores of the two physicians. Results: There were statistical differences in CT and SD values of aortic arch, internal carotid artery and M1 segment of middle cerebral artery among the three groups; The CT and SD values of aortic arch, internal carotid artery and M1 segment of middle cerebral artery increased with the decrease of tube voltage, with an increase range of 15%～55%. There was no statistical difference in SNR and CNR among the three groups; There was statistical difference in subjective score of image quality among the three groups; Group B > group A > group C, and group B showed the highest score; the kappa value of the subjective score of the two phsicianss=0. 80, which was highly consistent; There were statistical differences in TDLP and ED among the three groups, TDLP and ED decreased with the decrease of tube voltage, with the decrease ranges of 25% and 39%. Conclusion: According to the requirements of CT radiation dose diagnosis reference level, 100 kV is the best tube voltage condition for head and neck CTA.
-
Keywords:
- head and neck CTA /
- tube voltages /
- image quality
-
河流相储层是一类重要的含油气储集层，其精细描述的核心是有效识别出河道。但是此类储层纵向上常表现为砂体多期叠置，可识别厚度小于地震分辨率；横向上物性变化快，非均质性特征强，河道边缘特征不清晰。为了提高此类储层的识别精度，众多专家学者进行了深入研究，相干体[1-2]、地震波形结构属性[3]、甜点属性[4]、谱分解和分频属性融合[5]、概率神经网络[6]、相层双控智能识别描述[7]等方法技术得到广泛应用。
上述研究主要集中在河道构型、地震相整体特征、含油气分布预测等相对宏观的信息，对河道边缘特征的精细刻画还较少，在河道信号微弱、强屏蔽干扰或者横向不连续等情况下难以精准刻画储层。而图像边缘检测可通过捕捉图像局部特征的细微突变实现边缘的定位[8]，其本质是通过突出图像的有效边缘信息、弱化非边缘信息来提取边缘细节。在地震解释领域，已有学者将此项技术应用于断层与裂缝预测中[9-11]以及砂坝、砂体厚度的描述中[12-14]。然而现有相关文献对河道边缘特征的数学意义以及算子处理的本质含义分析不够深入，还有待精细解剖。
本文从河道边缘几何特征与数学含义出发，从图像处理角度分析相干体边缘特征识别优势及存在的不足，以Sobel算子为例探究算子处理边缘识别的本质。对于图像灰度不均导致小河道识别困难的问题，提出基于直方图均衡化和模糊集理论的图像增强方法。上述技术方法均用三维河道理论模型和实际资料加以检验，应用效果显著，相关认识与结论对开展河流相储层精细描述有一定的借鉴作用。
1. 河道边缘特征的几何表征与三维建模
1.1 河道边缘几何特征与数学含义
河流相储层中的河道，其垂向厚度一般小于调谐厚度，其正演模型的左右两边缘振幅为零，中心位置振幅最大（图1（a））。若提取振幅切片，河道内有幅值，呈“实心”特征。对图1（a）截面计算一阶导数，导数从左到河道中心为正，边缘特征为“右负左正”或者“左正右负”。如果对一阶导数求模，左右两边界均为正值，边缘呈“左右双正”特征（图1（c））。二阶导数是一阶导数的导数，所以它的值与原始振幅相比，符号相反，但河道空间形态会更加锐化（图1（d））。
![]()
图 1 河道边缘几何特征与数学含义Figure 1. Geometric characteristics and mathematical implication of the channel edge1.2 河流相储层三维建模
为便于对本文方法进行验证，构建200×300×100（线×道×时间）三维模型。模型有5个水平层，设计了4条河道，速度结构如图2（a）所示，河道1到河道4的砂岩速度分别为3600、3200、3150和3300 m/s，围岩速度为3100 m/s。从速度结构上看，各支河道反射系数由强到弱分别为河道1、河道4、河道2、河道3。河道1和河道2的埋深设计在47～57 ms之间，河道3和河道4在55～60 ms之间，河道1和河道4宽度为10道，河道3宽度为15道，河道2宽度为5道。正演模型采样间隔为1 ms，子波采用主频为30 Hz的雷克子波，加入最大振幅5％的随机噪声（图2（b））。
2. 基于相干属性的经典边缘识别技术
2.1 方法原理概述
对于地质异常体的边缘特征识别，常用的地震属性有均方根振幅、相干、曲率、甜点等，尤以相干属性为最常用[15]。对于以特征值为基础的第3代相干，其表征公式常有以下几种（表1）[2]，物理意义最明确、应用最广的是最大特征值相干。通过相干属性计算，河道特征比原始切片会更加清晰。
表 1 特征值相干不同表征公式Table 1. Different characterization formulas of eigenvalue coherence时间 作者 表征公式 物理含义 1999 Gersztenkorn
和Marfurt${C_{31}} = \displaystyle \dfrac{{{\lambda _1}}}{{\sum\limits_{j = 1}^J {{\lambda _j}} }}$ 用最大特征值在所有特征值中的占比来表示相干 2000 Randen等 ${C_{32} } = \displaystyle \dfrac{ {2{\lambda _2} } }{ { {\lambda _1} + {\lambda _3} } } - 1 = \dfrac{ { {\lambda _2} - {\lambda _3} - ( { {\lambda _1} - {\lambda _2} } )} }{ { {\lambda _1} + {\lambda _3} } }$ 被称为“chaos”的相干属性 2002 Bakker ${C_{33} } = \displaystyle \dfrac{ {2{\lambda _2}( { {\lambda _2} - {\lambda _3} })} }{ {( { {\lambda _1} + {\lambda _2} } )( { {\lambda _2} + {\lambda _3} } )} }$ 重点考虑第2特征值和第3特征值的差异 2007 Donias等 ${C_{34} } = 1 - \displaystyle \dfrac{3}{2}\dfrac{ { {\lambda _2} + {\lambda _3} } }{ { {\lambda _1} + {\lambda _2} + {\lambda _3} } } = \dfrac{ { {\lambda _1} - {\lambda _2} + {\lambda _1} - {\lambda _3} } }{ {2( { {\lambda _1} + {\lambda _2} + {\lambda _3} } )} }$ “disorder”相干属性 2017 Wu ${C_{35}} = \displaystyle \dfrac{{{\lambda _1}{{ - }}{\lambda _2}}}{{{\lambda _1}}}$ 利用第1特征值和第2特征值的差异 2.2 模型测试与效果分析
对图2（b）所示模型，计算C31相干，提取时间为55 ms处的相干切片与原始切片进行比较（图3）。可以看到：①原始切片（图3（a））展示的是振幅信息，所以河道内是包含振幅信息的，河道显示是“实心”的；②相干（图3（b））突出的是异常信息，所以在相干体上展示的是河道边缘信息，河道是“空心”的；③无论是原始切片还是相干切片，显示的幅值范围都需要人工设置比较合理的范围，才能做到基本清晰（如图3（c）调整了色标幅值范围，河道边缘对比度有了一定的提高，但受背景噪声影响，即使精细调整色标范围仍难以精准刻画能量较弱的河道边缘）。
![]()
图 3 模型相干切片与原始振幅切片比较Figure 3. Comparison between model coherence and original amplitude slices2.3 实际资料应用与存在问题分析
选取胜利油田罗家高密度资料作为实例数据，数据范围400线和600道，时间950～1050 ms。研究区曲流河、辫状河等河流相储层比较发育，河道相互叠置，横向变化大，砂体厚度小，河道砂体的精细描述是勘探开发的重点。
通过观察原始振幅切片（图4（a），T0=984 ms）可以看到：①研究区中间偏右侧南北向发育有一条宽度较大的河道；②北部1条河道虽然不是很宽，但振幅较强。研究区大量发育的是河道较小的曲流河，它们的相干值差异不大，大量值分布在白色的小值上（图4（b），显示范围0.45～1.0），此时需要人为设置显示范围才能较好地展示全区河道分布（图4（c），显示范围0.8～1.0）。且即使色标做了调整，对河道的的刻画效果仍然欠佳，个别振幅较小的河道的边缘特征不明显，进行基于图像处理的目标处理具有客观必要性。
![]()
图 4 实际资料相干切片与原始振幅切片比较Figure 4. Comparison between coherence and original amplitude slices of the actual data3. 基于算子处理的边缘增强技术
3.1 方法基本原理
计算一个点的导数，容易出现异常值。利用多个点特殊的组合，进行数值或导数计算，可以得到具有某些特殊特征的图像，这就是算子处理的功效。在图像处理领域，常用算子包括Canny、Prewitt、Sobel、Roberts、Laplace、LoG算子等，其中Sobel算子在梯度运算中应用了局部平均的思想，使其具备较强的抗噪能力，检测结果不易受噪声干扰，在地震边缘检测中已有应用[12-14]。
下面以Sobel算子为例，阐述其物理含义与计算公式。如图5，对于中心点（x, y），将第3列的和（局部平均）减去第1列的和，构建的是该点x方向的梯度Gx。求和运算可以均衡幅值，起到平滑的作用，计算时距离中心点最近的两个点（x+1, y）和（x − 1, y）给予2倍的权重；相减（差分）操作可以突出异常的边缘信息，同时起到去除相似背景的作用。类似地，可以得到y方向的梯度Gy。上述操作既可以用计算公式（1）实现，也可以核函数卷积实现，核函数设置见图5。
![]()
图 5 Sobel算子及核函数解析图Figure 5. Analytical diagram of the Sobel operator and kernel function$$ \left\{ {\begin{array}{*{20}{l}} {{\boldsymbol{G}}_x} = & \{u （x + 1,y - 1） + 2u （x + 1,y） + u （x + 1,y + 1）\} -\\ & \{u （x - 1,y - 1） + 2u （x - 1,y） + u （x - 1,y + 1）\} \\ {{\boldsymbol{G}}_y} = &\{u （x - 1,y + 1） + 2u （x,y + 1） + u （x + 1,y + 1）\} - \\ &\{u （x - 1,y - 1） + 2u （x,y - 1） + u （x + 1,y - 1）\} \end{array}} \right. 。 $$ (1) 实际应用时既可以用x、y方向的梯度单独表示，使其具有方向性，也可以用1范数、2范数或
$ \infty $ 范数（极大模）表示。$$ {{\boldsymbol{G}}_1} = \Big| {{{\boldsymbol{G}}_x}} \Big| + \Big| {{{\boldsymbol{G}}_y}} \Big| \text{，} $$ (2) $$ {{\boldsymbol{G}}_2} = \sqrt {{\boldsymbol{G}}_x^2 + {\boldsymbol{G}}_y^2} \text{，} $$ (3) $$ {\boldsymbol{G}}_{\infty} = \max \Big( {\big| {{{\boldsymbol{G}}_x}} \big|,\big| {{{\boldsymbol{G}}_y}} \big|} \Big) 。 $$ (4) 3.2 模型测试与效果分析
为检验本文方法有效性，对图6（a）所示切片，用Sobel算子进行处理，结果如图6（b）～图6（d）所示。梯度处理后河道两侧出现了不同极性的边缘，以能量较强的河道1为例，边缘右负左正、下负上正，这与前文中图1的理论分析一致。经Gx方向处理后，线方向的河道边缘特征得到较好展示；Gy方向处理后，道方向的河道边缘特征有所加强，但南北向的河道空间特征变得模糊。图6（d）是计算Gx和Gy模极大值结果，可以看到由于已计算了梯度的绝对值，河道出现类似于相干检测的边缘特征。总的来看，原始切片在采用Sobel算子做相关处理后相比于传统相干属性其边缘检测效果获得一定的增强，但对于能量较弱的河道边缘检测效果仍有待提高。
![]()
图 6 理论模型Sobel算子处理及效果比较Figure 6. Sobel operator processing and effect comparison of the theoretical model3.3 实际资料应用与尚存在的问题
对图7（a）实际资料进行处理，结果如图7（b）～图7（d）所示。对比分析可知，不同方向Sobel算子对南北向和东西向河道识别能力不一样，这与模型讨论认识一致；相对方向梯度，使用模值表征更利于刻画细小河道。
![]()
图 7 实际资料Sobel算子处理及效果比较Figure 7. Sobel operator processing and effect comparison of the actual data需要指出的是，以上只是对切片进行Sobel卷积操作，它没有构造导向和挖掘数据子体内部特征的功能，效果还比较受限，分辨率还有待提高。
4. 基于图像灰度处理的边缘增强技术
经相干体处理后的切片其数值分布范围很不均匀，且该经典方法与本文后续提出的基于算子处理的边缘增强技术对能量较弱地质异常体边缘显示效果仍然不佳。针对这样的问题，我们采用基于图像灰度处理的边缘增强技术来加以改善。
图像边缘的抽象定义为图像灰度发生空间突变的像素集合，以灰度值表征的图像在均匀区域之间的幅值突变被称为边缘。若将地震数据视为图像，地震振幅视为灰度，地震边缘对应的幅值突变区域往往是波阻抗界面产生的位置，它是地下构造或岩性信息的一种反映。
4.1 方法基本原理
4.1.1 灰度均衡图像处理技术
为解决相干处理后切片数值分布范围不均匀的问题，文章引入图像处理中的灰度直方图均衡化技术。首先统计灰度图像中元素具有的相同灰度值i出现的次数ni，计算灰度值i出现的概率：
$$ P(i) = \frac{{{n_i}}}{n},\begin{array}{*{20}{c}} {}&{} \end{array}i \in 0,1,\cdots,{L_0} - 1 , $$ (5) 式中，n为图像像素总数，L0为图像灰度矩阵中非重复灰度级的个数。再计算灰度值i的累计概率：
$$ c(i) = \sum\limits_{k = 0}^i {P(k)} 。 $$ (6) 按以下映射关系对原始像素进行处理，其中
$ {C_{\text{p}}}(i) $ 为当前元素灰度值的均衡化结果，Le为图像处理预期的总灰度级（取值256）：$$ {C_{\text{p}}}(i) = {\rm{round}}\Big( {c(\,i\,) \times ({L_e} - 1)} \Big) \text{，} $$ (7) round为四舍五入取整函数，用
${C_{\text{p}}}(i)$ 替代原始灰度值为i的像素，得到最终均衡结果。4.1.2 基于模糊集理论的边缘增强技术
为了进一步分离出相干等切片上的有效边缘信息，对均衡化后的图像做进一步模糊增强处理。方法核心思想是利用隶属度函数将空间域图像变换为模糊域内的模糊特征平面，在模糊特征平面上对模糊特征进行非线性变换，最后将其变换回空间域，得到增强处理的图像。
在模糊集理论中，将一幅灰度级为L的M×N图像u视为一个模糊集，通过隶属度函数将其由空间域转换到模糊特征域，并由模糊矩阵P进行表征：
$$ {\boldsymbol{P}} = \bigcup\limits_{i = 1}^M {\bigcup\limits_{j = 1}^N {{\mu _i}_j} } /{u_i}_j;\begin{array}{*{20}{c}} {}&{} \end{array}i = 1,2, \cdots ,M;\begin{array}{*{20}{c}} {}&{} \end{array}j = 1,2, \cdots ,N \text{，} $$ (8) 式中，
${\mu _i}_j\left( {0 \leq {\mu _i}_j \leq 1} \right)$ 表示图像中第（i，j）个像素点的灰阶，$ {u_i}_j $ 为特定灰度级的隶属度，一般这个特定灰度级取图像最大灰度$ {u_{\max }} $ ，$ {\mu _i}_j $ 组成模糊特征平面$ \left\{ {{\mu _i}_j} \right\} $ 。采用Pal-King算法中的隶属函数[16]：$$ {\mu _i}_j = F({u_{ij}}) = {\Big( {1 + \big( {( {{u_{\max }} - {u_{ij}}} )/{F_d}} \big)} \Big)^{ - {F_e}}} \text{，} $$ (9) 式中，Fd为倒数模糊因子，Fe为指数模糊因子，这里取Fd=128，Fe=2。对
$ {\mu _i}_j $ 进行模糊增强，非线性增强变换函数为：$$ {\mu _i}_j' = {E_r}({\mu _i}_j) = {E_1}\left( {{E_{r - 1}}({\mu _i}_j)} \right);\begin{array}{*{20}{c}} {}&{} \end{array}r = 1,2, \cdots ，$$ (10) $$ {E_1}({\mu _i}_j) = \left\{ {\begin{aligned} &2{\mu _i}{{_j}^2},&0 \leq {\mu _i}_j \leq {\mu _c} \\ &1 - 2{{\left( {1 - {\mu _i}_j} \right)}^2},&{\mu _c} \leq {\mu _i}_j \leq 1 \end{aligned}} \right. \text{，} $$ (11) 式中，
$ {E_r} $ 表示对函数E的r次迭代运算，$ {\mu _c} $ 为渡越点，一般取0.5。利用$ {F^{ - 1}} $ 对$ {\mu _i}_j' $ 进行逆变换即可得到增强后的图像$ {l_{ij}} $ ：$$ {l_{ij}} = {F^{ - 1}}({\mu _i}_j') = {u_{\max }} + {F_d}\left( {1 - {{({\mu _i}_j')}^{ - \frac{1}{{{F_e}}}}}} \right) 。 $$ (12) 4.2 模型测试与效果分析
4.2.1 灰度均衡直方图对比及分析
从前面分析已知，相干切片上能量较弱的河道2与河道3的边缘特征依然不够清晰（图8（a）），视觉分辨率不高。分析其原因主要是灰度值过于集中（图8（c），灰度值大多聚焦在白色的大值上），所以与背景值接近的河道不易识别。图8（b）为灰度均衡化后结果，此时直方图主灰度级已分散到6个以上（图8（d）），由此河道弱边缘特征得到较大增强，不过背景噪声也被同步放大，需要后续进一步处理。
![]()
图 8 理论模型灰度均衡化处理前后切片及直方图对比Figure 8. Comparison of slices and histograms before and after grayscale equalization of the theoretical model4.2.2 模糊边缘增强及迭代次数评价
针对均衡后噪声同步放大的问题（图9（a）），用模糊增强方法做进一步处理，图9（b）～图9（e）为1～4次模糊增强结果。可以看到：①1次模糊增强处理后，背景噪声得到较大程度的压制，弱边缘得到进一步增强；②模糊次数增加到 4次，噪声确实已得到较好去除，但边缘信息损失也很大。总的来看，1～2次模糊增强效果较好。
![]()
图 9 理论模型图像模糊增强处理及效果对比Figure 9. Image fuzzy enhancement processing and effect comparison of the theoretical model4.3 实际资料应用与效果评价
利用以上方法对实际资料相干切片，做直方图均衡化和模糊增强处理，结果如图10所示。可以看到：①原始相干切片的灰度范围较为集中，对比度不高，直方图均衡化后河道边缘特征变得比较清楚，由此也说明这样的图像目标处理十分必要；②与模型测试类似，模糊增强处理1～2次，能消除部分较强能量的背景信息，使河道边缘得到更好展示，有利于储层精细描述与油气预测。
![]()
图 10 实际资料图像处理前后相干切片对比Figure 10. Comparison of coherent slices before and after image processing of the actual data5. 结语
对于频繁分叉改道、多期砂体叠置的复杂河流相储层，直接用振幅切片，识别能力有限。多道相干计算，利用河道的空间信息，河道的边缘特征得到了有效的提取。但由于背景噪声的影响，相干体上能量较弱的细小河道还是得不到很好成像。
利用图像处理中的灰度直方图均衡化技术，可以有效提高相干属性切片的对比度，凸显微小边缘特征。在此基础上进一步结合模糊增强，分离有效边缘和无效背景，可以进一步增强相干属性的边缘表征能力。
图像处理中，Canny、Prewitt、Sobel等算子处理，物理意义明确，操作简单、快捷，可用于河流相储层的边缘检测。
-
![]()
图 1 管电压为120 kV的VR、MIP、CPI及头颅横断面图
（a）～（d）分别为120 kV管电压的VR、MIP、CPI及头颅横断面图，图像质量较好，血管与组织对比较好，解剖结构较清晰，噪声较小，双盲5分值评价法，4分。头颈部CTA诊断：双侧颈内动脉起始部及C6段钙化斑块伴右侧颈内动脉C6段管腔轻度狭窄。
Figure 1. VR、MIP、CPI and head cross-sectional drawing under pipe voltage of 120 kV
![]()
图 2 管电压为100 kV的VR、MIP、CPI及头颅横断面图
（a）～（d）分别为100 kV管电压的VR、MIP、CPI及头颅横断面图，图像质量好，血管与组织对比鲜明，细微解剖结构清晰，噪声小，双盲5分值评价法，5分。头颈部CTA诊断：右侧颈内C6-7段钙化斑块伴管腔轻度狭窄，双侧椎动脉走形迂曲。
Figure 2. VR、MIP、CPI and head cross-sectional drawing under pipe voltage of 100 kV
![]()
图 3 管电压为80 kV的VR、MIP、CPI及头颅横断面图
（a）～（d）分别为80 kV管电压的VR、MIP、CPI及头颅横断面图，图像质量一般，血管解剖结构显示一般，噪声略大，双盲5分值评价法，3分。头颈部CTA诊断：右侧颈内起始部及C5-6段动脉钙化斑块伴C5-6段管腔轻度狭窄；左侧颈内动脉起始部混合斑块伴局部管腔轻度狭窄；左侧颈内C5-6段钙化斑块伴管腔中度狭窄。
Figure 3. VR、MIP、CPI and head cross-sectional drawing under pipe voltage of 80 kV
表 1 三组病例一般资料、主观评分和辐射剂量之间比较
Table 1 Comparison of general information, subjective score and radiation dose among the three groups
项目 组别 统计检验 A组 B组 C组 F P 男/女 15/8 11/13 11/9 0.88 0.42 年龄/Y 66.83±11.76 69.00±11.59 71.15±10.55 0.78 0.46 身高/mm 165.04±8.67 161.96±6.70 162.65±7.28 1.05 0.36 体重/kg 67.17±12.60 62.04±8.05 62.30±9.16 1.85 0.17 主观评分 4.70±0.47 4.88±0.34 4.40±0.68 4.87 0.01 TDLP/mGy·cm 1169.57±116.07 873.17±56.98 716.70±44.38 180.75 0.00 ED/mGy·cm 9.63±0.96 7.18±0.47 5.90±0.37 180.75 0.00 
下载: 导出CSV
表 2 三组病例CT值、SD值、SNR及CNR之间比较
Table 2 Comparison of CT value SD value, SNR and CNR among the three groups
部位 参数 组别 统计检验 A组 B组 C组 F P 升主动脉 血管CT值/HU 296.61±69.92 342.13±76.21 460.50±130.44 17.11 0.00 SD 10.61±3.61 12.92±4.09 16.00±4.15 9.98 0.00 SNR 86.83±38.32 94.69±32.52 97.74±38.14 0.53 0.53 CNR 71.65±34.33 77.03±28.57 84.42±35.46 0.82 0.45 颈动脉分叉 血管CT值/HU 352.13±90.94 429.63±99.42 574.95±136.12 22.77 0.00 SD 5.00±2.83 5.79±6.22 7.40±3.03 4.01 0.02 SNR 103.80±48.11 119.34±45.70 121.33±41.98 1.00 0.38 CNR 88.63±44.04 101.67±41.96 108.00±39.43 1.21 0.31 大脑中动脉
M1段血管CT值/HU 334.21±69.42 385.00±85.53 502.50±110.17 19.94 0.00 SD 5.83±4.72 7.29±6.20 10.80±6.44 4.08 0.02 SNR 97.79±42.20 108.52±47.52 107.70±37.78 0.44 0.64 CNR 82.61±37.93 90.86±43.18 94.37±34.03 0.53 0.59 胸大肌 软组织CT值/HU 52.70±8.43 62.12±6.72 60.55±7.27 10.40 0.00 SD 3.74±0.92 4.08±1.86 5.15±1.93 4.32 0.02
下载: 导出CSV
-
[1] 中华医学会放射学分会. 头颈部CT血管成像扫描方案与注射方案专家共识[J]. 中华放射学杂志, 2019, 52(2): 81-87. Chinese Society of Radiology, Chinese Medical Association. Expert consensus of the head and neck CT angiography scanning and injection protocols[J]. Chinese Journal of Radiology, 2019, 52(2): 81-87. (in Chinese).
[2] YU S, ZHENG J, ZHANG L. Craniocervical computed tomography angiography with adaptive iterative dose reduction 3D algorithm and automatic tube current modulation in patients with different body mass indexes[J]. Medicine, 2018, 97(36): 1−6.
[3] 陈其锋, 张雄彪, 李水连, 等. 多层螺旋CT低剂量对比剂在头颈联合CT血管成像应用的可行性研究[J]. 中国医学装备, 2021,18(5): 61−64. doi: 10.3969/J.ISSN.1672-8270.2021.05.015 CHEN Q F, ZHANG X B, LI S L, et al. The feasibility of the application of low-dose contrast agent of MSCT in the combined CTA on head and neck[J]. China Medical Equipment, 2021, 18(5): 61−64. (in Chinese). doi: 10.3969/J.ISSN.1672-8270.2021.05.015
[4] 黄爱娜, 陆健, 张涛, 等. 256层iCT低剂量扫描联合迭代重建技术在头颈部CTA的应用[J]. 放射学实践, 2018,33(8): 842−846. doi: 10.13609/j.cnki.1000-0313.2018.08.016 HUAN A N, LU J, ZHANG T, et al. Application of 256 iCT low-dosescanning with iterative reconstruction technique in craniocervical arteries[J]. Radiologic Practice, 2018, 33(8): 842−846. (in Chinese). doi: 10.13609/j.cnki.1000-0313.2018.08.016
[5] ELLMANN S, KAMMERER F, ALLMENDINGER T, et al. Dose reduction potential of iterative reconstruction algorithms in neck CTA: A simulation study[J]. Dento Maxillo Facial Radiology, 2016, 45(8): 228−234.
[6] 赵冰辉, 尹伟, 王敏杰. 基于器官的剂量调制技术在头颈部CT联扫中的应用[J]. 中国CT和MRI杂志, 2021,19(11): 38−41. doi: 10.3969/j.issn.1672-5131.2021.11.013 ZHAO B H, YIN W, WANG M J. Application of organ based dose modulation technology in CT head and neck joint scanning[J]. Chinese Journal of CT and MRI, 2021, 19(11): 38−41. (in Chinese). doi: 10.3969/j.issn.1672-5131.2021.11.013
[7] 中华医学会放射学分会质量管理与安全管理学组. CT辐射剂量诊断参考水平专家共识[J]. 中华放射学杂志, 2017,51(11): 817−822. doi: 10.3760/cma.j.issn.1005-1201.2017.11.001 Quality Management and Safety Management Group, Chinese Society of Radiology, Chinese Medical Association. Expert consensus on reference level of CT radiation dose diagnosis[J]. Chinese Journal of Radiology, 2017, 51(11): 817−822. (in Chinese). doi: 10.3760/cma.j.issn.1005-1201.2017.11.001
[8] ROCH P, CÉLIER D, DESSAUD C, et al. Using diagnostic reference levels to evaluate the improvement of patient dose optimisation and the influence of recent technologies in radiography and computed tomography[J]. European Journal of Radiology, 2018, 98(1): 68−74.
[9] 王永胜, 王晨思, 陆浩宇, 等. 个性化造影剂注射方案在提升肺动脉CTA生物应用安全性的价值研究[J]. CT理论与应用研究, 2021,30(6): 777−783. DOI: 10.15953/j.1004-4140.2021.30.06.14. WANG Y S, WANG C S, LU H Y, et al. Study on the value of individualized contrast agent injection scheme in improving the biosafety of pulmonary Artery CTA[J]. CT Theory and Applications, 2021, 30(6): 777−783. DOI: 10.15953/j.1004-4140.2021.30.06.14. (in Chinese).
[10] 陆晓平, 王沄, 徐敏, 等. 100 kVp条件下全模型迭代技术对头颈CTA图像质量的影响[J]. 中国医疗设备, 2021,36(10): 80−95. doi: 10.3969/j.issn.1674-1633.2021.10.019 LU X P, WANG Y, XU M, et al. Evaluation on the effect of FIRST on head and neck CTA image quality at 100 kVp[J]. China Medical Devices, 2021, 36(10): 80−95. (in Chinese). doi: 10.3969/j.issn.1674-1633.2021.10.019
[11] 王贤坤, 邹才盛. 不同管电压对头颈CTA图像质量及辐射剂量的影响分析[J]. 影像研究与医学应用, 2019,3(5): 21−24. doi: 10.3969/j.issn.2096-3807.2019.05.012 WANG X K, ZOU C S. Analysis of image quality and radiation dose of CT angiography under different tube voltages[J]. Journal of Imaging Research and Medical Applications, 2019, 3(5): 21−24. (in Chinese). doi: 10.3969/j.issn.2096-3807.2019.05.012
[12] NI Q Q, CHEN G Z, SCHOEPF U J, et al. Cerebral CTA with low tube voltage and low contrast material volume for detection of intracranial aneurysms[J]. American Journal Neuroradiology, 2016, 37(10): 1774−1780. doi: 10.3174/ajnr.A4803
[13] EBERSBERGER U, TRICARICO F, SCHOEPF U J, et al. CT evaluation of coronary artery stents with iterative image reconstruction: Improvements in image quality and potential for radiation dose reduction[J]. European Radiology, 2013, 23(1): 125−132. doi: 10.1007/s00330-012-2580-5
[14] EISENTOPF J, ACHENBACH S, ULZHEIMER S, et al. Low-dose dual-source CT angiography with iterative reconstruction for coronary artery stent evaluation[J]. JACC: Cardiovascular Imaging, 2013, 6(4): 458−465. doi: 10.1016/j.jcmg.2012.10.023
[15] 刘伟华, 刘登平. 不同管电压下颅脑CT血管造影图像质量及辐射剂量的对照性研究[J]. 实用医学影像杂志, 2018,19(2): 114−117. doi: 10.16106/j.cnki.cn14-1281/r.2018.02.008 LIU W H, LIU D P. Comparative studyon image quality and radiation dose of different tube voltage by cerebral CT angiography[J]. Journal of Pracical Medical Imaging, 2018, 19(2): 114−117. (in Chinese). doi: 10.16106/j.cnki.cn14-1281/r.2018.02.008
[16] 武洪林, 李俊, 李红尧, 等. 双源CT低管电压及低剂量等渗对比剂在头颈部CTA中的初步研究[J]. 医学影像学杂志, 2022,27(7): 1213−1217. WU H L, LI J, LI H Y, et al. Dual source CT angiography with low kVp and low volume of isotonic contrast material for head and neck arteries: A preliminary study[J]. Journal of Medical Imaging, 2022, 27(7): 1213−1217. (in Chinese).
[17] KIDOH M, NAKAURA T, NAKAMURA S, et al. Low-dose abdominal CT: Comparison of low tube voltage with moderate-level iterative reconstruction and standard tube voltage, low tube current with high-level iterative reconstruction[J]. Clinical Radiology, 2013, 68(10): 1008−1015. doi: 10.1016/j.crad.2013.04.008
[18] KAYAN M, DEMIRTAS H, TÜRKER Y, et al. Carotid and cerebral CT angiography using low volume of iodinated contrast material and low tube voltage[J]. Diagnostic and Interventional Imaging, 2016, 97(11): 1173−1179. doi: 10.1016/j.diii.2016.06.005
[19] ERTLWAGNER B B, HOFFMANN R T, BRUNING R, et al. Multi-detector row CT angiography of the brain at various kilovoltage settings[J]. Radiology, 2004, 231(2): 528−535. doi: 10.1148/radiol.2312030543
-
期刊类型引用(0)
其他类型引用(1)
计量
- 文章访问数: 202
- HTML全文浏览量: 41
- PDF下载量: 20
- 被引次数: 1
