Orthopedic Metal Artifact Reduction Combined with Iterative Reconstruction in CT Imaging after Lumbar Internal Fixation
-
摘要:
目的：探讨金属伪影抑制技术（O-MAR）联合迭代算法对腰椎内固定术后患者CT图像质量的影响，为术后效果评估提供准确依据。方法：回顾性分析20例行腰椎内固定术后CT检查，使用O-MAR和滤波反投影算法、iDose4重建骨算法图像（iDose4-1~7级）及软组织算法图像（iDose4-1~6级）。重组螺钉显示最佳的横断面和矢状面的骨算法图像及螺钉显示最佳及螺钉区域内椎间盘正中层面的横断面软组织算法图像，测量骨质和肌肉的噪声值（SD）并计算伪影指数（AI）。由两名放射科医师对骨及软组织算法图像的金属伪影抑制和诊断信息显示两方面分别评分。对主客观评价指标进行两组间比较和组间多重比较。结果：骨算法图像：使用O-MAR的图像SD、AI显著低于未使用的图像，不同等级iDose4图像的AI值随等级升高而逐渐降低；O-MAR图像金属伪影主观分显著提高，且iDose4-5~7评分高于FBP及iDose4-1~2；使用O-MAR时诊断信息评分显著提高，iDose4-2~4评分高于FBP及其他迭代等级，且iDose4-3为最佳。软组织算法图像：使用O-MAR的图像SD、AI低于未使用的图像；使用O-MAR的图像金属伪影评分高于未使用，诊断信息评分未使用O-MAR高于使用；对不同迭代等级，无论是否使用O-MAR，图像伪影和诊断信息评分均无差异。结论：建议联合使用O-MAR技术及中间迭代等级iDose4-3重建骨算法图像；软组织算法图像重建时不推荐使用迭代算法，建议同时重建使用和不使用O-MAR的图像以便配合观察。
Abstract:Objective: Exploring the effect of metal artifact reduction (O-MAR) technology combined with iterative algorithms on the computed tomography (CT) image quality of patients after lumbar spine internal fixation surgery, to provide an accurate basis for postoperative effect evaluation. Methods: CT images were collected from 20 patients who underwent lumbar spine internal fixation surgery. Using O-MAR, filtered back projection (FBP), and iDose4 algorithms, bone (iDose4-1~7 levels) and soft tissue images (iDose4-1~6 levels) were reconstructed. Screws were displayed the best in transverse and sagittal bone reconstructed images. The screw area (center plane) of the transverse soft tissue images of the intervertebral disc was also reconstructed. Noise levels in standard deviation (SD) of bone and muscle were measured, and the artifact index (AI) was calculated. Two radiologists separately rated the metal artifact suppression and diagnostic information in the bone and soft tissue images. The subjective and objective evaluation indicators of the two groups were compared, conducting multiple comparisons between groups. Statistical analyses were further performed on subjective and objective evaluation indicators, including O-MAR comparisons and/or multiple comparisons between groups with different levels of iDose4. Results: In the bone images, the SD and AI of images using O-MAR were significantly lower than those without O-MAR, and the AI values of iDose4 images at different levels gradually decreased as the dose level increased. The subjective score of metal artifacts in O-MAR images significantly improved, and the score of iDose4-5~7 was higher than those of filtered back projection (FBP) and iDose4-1~2. With O-MAR, the diagnostic information score significantly improved. The score of iDose4-2~4 was higher than that of FBP and other iterative levels, with iDose4-3 being the best. In soft tissue images, the SD and AI of images using O-MAR were lower than those without O-MAR. The metal artifact score of images using O-MAR was higher than that of images without, but the diagnostic information score of images not using O-MAR was higher than that of images with O-MAR; For different iteration levels, regardless of whether O-MAR was used or not, no difference was observed in image artifacts and diagnostic information scores. Conclusions: We suggest combining O-MAR technology with intermediate iteration level iDose4-3 for bone image reconstruction. The use of iterative algorithms for image reconstruction using soft-tissue algorithms is not recommended. The images with and without O-MAR should be simultaneously reconstructed for comparative observations.
-
Keywords:
- iterative algorithm /
- image quality /
- O-MAR /
- subjective evaluation /
- artifact index
-
Fleischner学会定义肺空洞是指肺实变区或者结节、肿物内出现含气区域，坏死物经支气管树排出后形成的结构[1]。当肺空洞壁厚度小于3 mm时，属于薄壁空洞，而空洞壁厚度大于3 mm属于厚壁空洞[2−3]。薄壁空洞多见于结核等良性疾病，而厚壁空洞在临床上更为常见，并且涉及疾病类型广泛，既可涉及肺癌等恶性疾病，又可涉及肺脓肿、结核等良性疾病。在未能及时获得病理诊断的条件下，放射学诊断仍然是鉴别诊断的重要依据，故本文旨在通过分析厚壁癌性肺空洞和厚壁炎性肺空洞CT征象的差异性，来进一步总结分析不同CT特征在厚壁癌性肺空洞和厚壁炎性肺空洞鉴别诊断中的价值，降低临床误诊率。
1. 资料与方法
1.1 研究对象
本研究选取2019年1月至2022年12月在哈尔滨医科大学附属第二医院收治的经病理、病原学、抗炎治疗后反应证实的厚壁肺空洞患者169例，其中癌性空洞71例，包括鳞癌28例（39.5%），腺癌41例（57.7%），小细胞癌2例（2.8%），中心型肺癌18例（25.4%），周围型肺癌53例（74.6%）。炎性空洞98例，包括肺脓肿29例（29.6%），坏死性肺炎23例（23.5%），空洞性肺结核24例（24.5%），真菌感染13例（13.3%），慢性肉芽肿性炎9例（9.2%）。以上病例均为初次在本院治疗。
1.2 扫描方法
采用GE公司64排多层螺旋CT扫描仪及Philip公司256排多层螺旋CT扫描仪对患者进行胸部扫描，嘱患者取仰卧位，双手高举过头顶，扫描范围从肺尖至肺底。扫描参数：管电压120 kV，管电流200 mA，层厚5 mm，层距5 mm，肺窗宽
1600 HU，肺窗位−600 HU，纵隔窗宽350 HU，纵隔窗位60 HU，螺距1.0 mm，矩阵：512×512。行增强扫描，使用非离子型对比剂碘海醇，注射流率2.5~3.0 mL/s，注射剂量80~120 mL，延迟时间60 s。1.3 影像学分析
回顾性分析癌性厚壁空洞和炎性厚壁空洞如下影像学特征。病灶大小指标：空洞最大径、空洞最小径、空洞大小径比值（空洞大小径比值=空洞最大径/空洞最小径）。空洞壁指标：空洞壁最大厚度、空洞壁最小厚度、空洞壁最大最小厚度比值（空洞壁最大最小厚度比值=空洞壁最大厚度/最小厚度比值，后面简称空洞壁大小厚度比值）、空洞壁平均厚度（取空洞壁前、后、左、右4个方向点测量取平均值）。形态学指标和其他指标：空洞病灶的发生部位（左肺上叶、左肺下叶、右肺上叶、右肺中叶、右肺下叶）、空洞病灶的数目（是否为孤立性空洞）、空洞病灶内是否伴液平面、空洞外缘是否呈分叶状外观、空洞外缘是否呈毛刺样改变、空洞外缘是否出现牵拉胸膜征象、空洞周围是否出现血管集束征象、空洞周围是否伴有斑片影、空洞内壁是否光滑、空洞内壁是否伴有壁结节、纵隔内的淋巴结是否肿大（淋巴结短径＞10 mm认为是淋巴结肿大）、空洞病灶同侧是否伴有胸腔积液。
1.4 统计学方法
采用SPSS 26.0统计学软件进行数据分析。对本研究中连续分类变量采用正态分布检验，对于不符合正态分布的连续变量采用Wilcoxon秩和检验。对本研究的分类变量数据采用
$\chi^2 $ 检验。以P＜0.05认为数据差异有统计学意义。将以上单因素分析指标中具有统计学意义的结果纳入多因素二元Logistic回归分析。对本研究中具有统计学意义的连续变量数据绘制受试者工作特征曲线（receiver operating characteristic curve，ROC），并计算曲线下面积（area under the curve，AUC），预测研究指标诊断效能。采用R语言4.2.2版本对逻辑回归模型进行拟合优度检验。2. 结果
2.1 组间分析结果
厚壁癌性肺空洞壁最大厚度、大小厚度比值、平均厚度相对炎性空洞更大，厚壁癌性肺空洞壁最小厚度相对炎性空洞更小，厚壁癌性空洞更多为孤立性空洞，厚壁癌性空洞中分叶状外观、毛刺样边缘、胸膜牵拉征、血管集束征、壁结节、纵隔淋巴结肿大出现率相对厚壁炎性空洞更大，而厚壁炎性空洞中空洞周围伴斑片影、空洞内壁光滑出现率相对厚壁癌性空洞更大，以上组间差异具有统计学意义（P＜0.05）（表1）。
表 1 厚壁癌性肺空洞与炎性肺空洞病变影像学特征单因素对比分析Table 1. Univariate analysis of the imaging characteristics of thick-wall cancerous and inflammatory cavitations in the lung肺癌组 炎性组 Z/$\chi^2 $ P 病灶最大径/mm 47.5 （34.5，61.5） 47.8 （31.8，61.1） −0.451 0.652 病灶最小径/mm 35.6 （24.2，44.7） 31.2 （24.0，41.8） −0.777 0.437 病灶大小径比值 1.376 （1.225，1.614） 1.344 （1.186，1.613） −0.427 0.670 空洞最大厚度/mm 21.4 （14.5，32.4） 16.6 （11.8，21.4） −3.602 ＜0.001* 空洞最小厚度/mm 2.8 （2.0，4.2） 3.9 （2.7，5.4） −3.369 0.001* 空洞大小厚度比值 7.792 （5.130，10.333） 4.133 （3.191，5.352） −6.641 ＜0.001* 空洞平均厚度/mm 11.7 （7.6，16.2） 8.6 （6.4，12.0） −3.326 0.001* 病灶部位 左肺上叶 17/71（23.9%） 24/98（24.5%） 0.007 0.935 左肺下叶 11/71（15.5%） 16/98（16.3%） 0.021 0.884 右肺上叶 23/71（32.4%） 41/98（41.8%） 1.560 0.212 右肺中叶 3/71（4.2%） 4/98（4.1%） 0.002 0.963 右肺下叶 17/71（23.9%） 13/98（13.3%） 3.215 0.073 孤立性空洞 67/71（94.4%） 76/98（77.6%） 7.698 0.006* 液平面 8/71（11.3%） 19/98（19.4%） 2.022 0.155 分叶状外观 49/71（69.0%） 13/98（13.3%） 55.089 ＜0.001* 毛刺样边缘 47/71（66.2%） 28/98（28.6%） 23.613 ＜0.001* 胸膜牵拉征 42/71（59.2%） 15/98（15.3%） 35.416 ＜0.001* 血管集束征 50/71（70.4%） 44/98（44.9%） 10.867 0.001* 空洞周围伴斑片影 27/71（38.0%） 70/98（71.4%） 18.783 ＜0.001* 内壁光滑 10/71（14.1%） 62/98（63.3%） 40.725 ＜0.001* 壁结节 49/71（69.0%） 37/98（37.8%） 16.097 ＜0.001* 纵隔淋巴结肿大 32/71（45.1%） 29/98（29.6%） 4.276 0.039* 病灶同侧伴有胸腔积液 10/71（14.1%） 12/98（12.2%） 0.123 0.726 注：*为组间差异具有统计学意义（P＜0.05）。 2.2 多因素分析结果
将以上具有统计学意义的征象通过进一步纳入多因素Logistic回归分析，进一步筛选具有诊断效能的变量，结果显示分叶状外观和胸膜牵拉征是诊断厚壁癌性空洞的危险因素，而空洞周围伴斑片影和空洞内壁光滑是诊断厚壁炎性空洞的危险因素（表2）。经拟合优度检验，结果显示预测校准曲线与标准曲线贴合度良好（图2）。
表 2 厚壁癌性肺空洞与炎性肺空洞病变影像学特征多因素分析Table 2. Multivariate analysis of the imaging characteristics of thick-wall cancerous and inflammatory cavitations in the lungOR值 95%CI P 空洞最大厚度 0.981 0.824~1.169 0.832 空洞最小厚度 1.396 0.557~3.500 0.476 空洞大小厚度比值 1.665 0.839~3.306 0.145 空洞平均厚度 1.198 0.908~1.580 0.202 是否孤立性空洞（是） 0.310 0.048~1.987 0.216 是否分叶状外观（是） 0.095 0.022~0.402 0.001* 是否毛刺样边缘（是） 0.643 0.129~3.196 0.589 是否出现胸膜牵拉征（是） 0.093 0.011~0.769 0.028* 是否出现血管集束征（是） 0.455 0.132~1.573 0.213 空洞周围是否伴斑片影（是） 9.602 2.238~41.385 0.002* 内壁是否光滑（是） 6.405 1.309~31.338 0.022* 是否出现壁结节（是） 0.514 0.124~2.128 0.514 纵隔淋巴结是否肿大（是） 0.693 0.185~2.599 0.586 注：*为组间差异具有统计学意义（P＜0.05）；OR为odds ratio 比值比；CI为confidential interval置信区间。 2.3 ROC曲线结果
空洞壁厚度相关特征参数中，与空洞壁最大厚度和平均厚度相比，空洞大小厚度比值在厚壁癌性空洞和厚壁炎性空洞鉴别诊断中预测性能相对较好，当该比值的临界值为5.088时，敏感度为0.775，特异度为0.714，AUC为0.800（图1和表3）。
![]()
图 1 空洞壁相关特征参数预测诊断效能的ROC曲线Figure 1. ROC curve of cavity wall characteristics in predicting diagnostic efficacy.表 3 空洞壁厚度相关特征预测诊断效能的ROC曲线相关数值Table 3. The ROC curve-related value of cavity wall thickness characteristics in predicting diagnostic efficacy预测变量 cut-off值 敏感度 特异度 阳性预测值 阴性预测值 约登指数 AUC 空洞壁最大厚度 20.2 0.563 0.714 0.525 0.636 0.277 0.663 空洞壁平均厚度 14.3 0.394 0.888 0.718 0.621 0.282 0.650 空洞大小厚度比值 5.088 0.775 0.714 0.663 0.814 0.489 0.800 3. 讨论
根据既往研究，空洞壁厚度对于良恶性空洞的鉴别诊断价值仍具有争议。Woodring等[4]认为，在X线平片上，空洞壁厚度大于15 mm，高度提示恶性空洞；空洞壁小于4 mm，高度提示良性空洞。Nin等[5]又进一步验证了此观点，通过在CT上观察，空洞壁厚度大于24 mm，高度提示恶性，反之，空洞壁小于7 mm，高度提示良性。然而，Honda等[6]认为仅通过空洞壁厚度不能鉴别其良恶性。我们认为，仅仅通过空洞壁厚度，难以作为良恶性空洞的唯一鉴别依据，例如，良性空洞中，急性肺脓肿空洞壁常常表现为厚壁空洞，并且周围常伴炎性渗出；而恶性空洞中，近年来关于薄壁肺癌空洞的报道也屡见不鲜[7−8]。因此，空洞壁厚度在良恶性肺空洞的鉴别诊断中具有一定局限性。
然而，肺空洞在影像学上多表现为不规则形态，对于其壁厚度的测量目前仍缺乏统一的标准或指南，因此本研究采用了多种空洞壁的测量方法来探究空洞壁厚度相关特征在鉴别诊断中的意义。国外学者有人采用了测量空洞壁最大厚度和最小厚度的方法，例如Nin等[5]的研究结果显示空洞壁最大厚度对于良恶性空洞的鉴别有价值，恶性空洞的最大厚度相对良性空洞更大，本研究结果与之相符。而Honda等[6]的研究中提到肺癌空洞的最小厚度要高于良性空洞，与本研究不符，考虑是由于统计学偏移或者测量层面选择差异所致。目前，对于肺空洞最大、最小厚度的测量相关研究较少，因此还需要未来进一步探究验证其对于良性性空洞鉴别价值的准确性。而国内学者对于肺空洞壁厚度的测量普遍采用平均厚度测量法，即取空洞壁前、后、左、右4个方向点测量取平均值[9]。本研究结果显示，癌性空洞壁的平均厚度高于炎性空洞，仍与某些研究不符，尤其是肺脓肿空洞，也常为厚度空洞[3,9−10]。所以，单纯空洞壁厚度对于良恶性鉴别的意义仍有限[11]。
与单纯的空洞壁厚度相比，空洞壁厚度的不均匀程度对于鉴别诊断的意义更大，由于癌性空洞壁多为不均匀形态，因此其不均匀程度更高。姚巧林的研究也印证了此观点，其研究认为肺癌空洞的不均一性高于其他类型空洞，但是其研究为二分类研究，只对研究对象作出了均匀和不均匀的划分，存在一定主观性，没有作出量化研究[12]。故本研究通过测量空洞壁大小厚度比值，即空洞壁最大厚度和最小厚度的比值，来验证其诊断价值，研究结果显示，癌性厚壁肺空洞这一比值的均值为8.266，炎性厚壁肺空洞这一比值的均值为4.378，癌性空洞的大小厚度比值高于炎性空洞（图3），可以作为鉴别诊断的参考指标。另外，ROC曲线分析结果显示，空洞壁大小厚度比值这一指标的诊断效能高于空洞壁最大厚度和平均厚度，当该比值的临界值为5.088时，其敏感度为77.5%，特异度为71.4%，阴性预测值较高，达到了81.4%，AUC达到了0.800。所以本研究认为，空洞壁大小厚度比值对于癌性厚壁肺空洞和炎性厚壁肺空洞的鉴别诊断具有一定意义，该比值越高，越倾向于癌性厚壁空洞的诊断。
![]()
图 3 空洞壁大小厚度比值测量注：（a）患者男，68岁，吸烟30余年，咯血10天，病理结果为鳞癌，CT显示空洞壁厚度不均匀，空洞壁最大厚度为40.3 mm，最小厚度为4.5 mm，空洞壁大小厚度比值为8.956。（b）患者女，81岁，咳嗽1月余，发热3日，痰涂片抗酸染色阳性，临床诊断为继发性肺结核，CT显示空洞壁厚度较均匀，空洞壁最大厚度为10.5 mm，最小厚度为6.8 mm，空洞壁大小厚度比值为1.544。癌性空洞壁不均匀程度更大。Figure 3. Measurement of the ratio of the maximum-to-minimum cavity wall thickness.肺癌的典型CT征象在空洞性肺癌中，出现率仍较高，具有诊断价值。分叶状外观是由于肺癌病灶在生长的过程当中，由于细胞的倍增时间不相同，因此病灶向四周增长的速率不相同，并且受到了周围血管、支气管等结构的阻挡，易形成分叶状形态（图4）[13]。本研究显示，癌性厚壁空洞中，空洞外形呈分叶状外观仍然是厚壁癌性空洞与厚壁炎性空洞鉴别的主要征象，符合既往研究结果[14]。胸膜牵拉征是由于肿瘤内部瘢痕收缩以及侵及临近胸膜所致（图5），对于空洞性肺癌，胸膜牵拉征仍具有一定诊断效能，本研究的结果与传统研究相符[15]。但是胸膜牵拉征的敏感度不高，考虑是由于癌性肺空洞发生在肺野外周时更易出现该征象，而本研究中也包含一定数量的中心型肺癌，其出现胸膜牵拉的比率较低。此外，病灶孤立单发、毛刺样外缘、血管集束征、纵隔淋巴结肿大在癌性厚壁肺空洞中的出现率仍高于炎性厚壁肺空洞，但是在多因素分析中这些指标无统计学意义，提示这些CT征象的诊断价值相对较低，仅供临床参考。
![]()
图 4 分叶状外观注：患者男，60岁，咳嗽、咳痰，伴咯血3个月余，病理结果为鳞癌，CT显示空洞外缘呈分叶状形态，空洞外缘未伴明确斑片影，空洞内壁形态不规则，增强后空洞壁可见强化。Figure 4. Lobular appearance.![]()
图 5 胸膜牵拉征注：患者男，53岁，咳嗽伴胸痛1月余，病理结果为腺癌。CT示空洞外缘呈毛刺样改变，同时见典型的胸膜牵拉征，在肺窗和纵隔窗上均可显示，空洞壁内缘形态不规则。Figure 5. Plural traction sign.炎性厚壁空洞中，常常由于其周围伴渗出性改变，并且原本病情中以肺部炎性改变为主，因此空洞周围常伴斑片样影（图6），其最好发于肺脓肿等感染性病变。而癌性厚壁空洞中，该征象出现率较低，尤其是周围型肺癌，其阻塞中心支气管伴发阻塞性炎症的几率较低，因此空洞周围伴斑片影可以作为癌性厚壁空洞和炎性厚壁空洞的鉴别征象，本研究结果也证明了上述观点，并与龙林俊的研究相符[16]。此外，本研究显示，炎性厚壁空洞内壁多光滑，而癌性厚壁空洞其内壁多呈不规则形态，光滑者很少见（图7），该征象在炎性厚壁空洞和癌性厚壁空洞出现率的差异性具有显著统计学意义，符合文献研究[6,12]。但是炎性厚壁空洞中，也有部分内壁呈不规则形态，此时则需要结合其他表现进行鉴别。与此对应的是，肺癌的生长方式和不均匀坏死的特点也使得其内部常出现壁结节，癌性厚壁空洞内壁的壁结节出现率高于炎性空洞[17]。然而，需要注意的是在炎性厚壁空洞中，曲菌感染性空洞其内常形成曲菌球，部分需要和癌性壁结节的形态相鉴别[18]。
![]()
图 6 空洞周围伴斑片影注：患者男，54岁，发热2周，结合血清学及病原学指标临床诊断为肺脓肿。CT显示空洞壁较厚，边缘模糊，周围伴有斑片影，与空洞病灶分界不清，经抗炎治疗后病灶缩小。空洞内壁呈较光滑形态，伴液平面。Figure 6. Patchy shadow region around the cavity.![]()
图 7 空洞内壁特点注：（a）患者男，62岁，咳嗽咳痰5月余，临床穿刺活检确诊为鳞癌，病情加重2周，伴发热，CT示空洞病灶内壁形态不规则，可见壁结节，空洞外缘伴少许实变影。（b）患者男，54岁，低热、盗汗伴咳嗽1月余，痰涂片抗酸染色阳性，临床诊断为继发性肺结核，CT示空洞内壁形态光滑，空洞外缘伴卫星灶。Figure 7. Characteristics of the inner cavity wall.本研究中仍存在一些不足：本研究图像为厚层图像，因此图像分析仅在横断面进行，无法通过三维重建进行多维度、多角度进行病灶测量和评估；本研究病例中无增强图像，因此无法对空洞壁的强化特征进行评估，对于空洞壁和周围渗出病变界限划分可能存在误差；本研究采用二分类研究，而具体到某一具体疾病类型的分类中，例如炎性空洞组中，结核性空洞、肺脓肿空洞、真菌性空洞之间的CT特征仍有差异性，因此未来还需进一步细化研究。
4. 结论
综上所述，与空洞壁最大厚度和平均厚度相比，肺空洞壁大小厚度比值在厚壁癌性肺空洞和厚壁炎性肺空洞鉴别诊断中价值较高；多种伴随CT征象在厚壁癌性空洞和厚壁炎性空洞的鉴别诊断仍具有一定价值，其中分叶状外观、胸膜牵拉征诊断厚壁癌性肺空洞价值更高，而空洞周围伴斑片影、空洞内壁光滑诊断厚壁炎性肺空洞价值更高。
-
![]()
图 1 客观评价感兴趣区和对照区示意图
注：女，59岁，因腰椎骨折行内固定术。
Figure 1. Schematic diagram of objective evaluation
![]()
图 2 使用/不使用O-MAR重建骨算法图像比较（iDose4-3）
注：男，62岁，因腰椎外伤行内固定术。
Figure 2. Comparison of image quality before and after reconstruction using O-MAR
![]()
图 3 使用/不使用O-MAR重建软组织算法图像比较（FBP）
注：女，56岁，因腰椎滑脱行内固定术。
Figure 3. Comparison of soft tissue algorithm images before and after reconstruction using O-MAR
![]()
图 4 使用FBP及不同等级iDose4的O-MAR图像质量比较
注：男，62岁，因脊柱侧弯行内固定术。（a）~（h）分别为O-MAR技术基础上，使用FBP及迭代算法iDose4-1~7等级重建的骨算法图像。可见由（a）至（h），图像平滑程度增高，锐利度降低。
Figure 4. Comparison of O-MAR image quality using FBP and different levels of iDose4
表 1 使用/不使用O-MAR的图像SD值、AI值比较
Table 1 Comparison of SD and AI values of images with/without O-MAR
重建算法 评价指标 骨算法 统计检验 软组织算法 统计检验 不使用O-MAR 使用O-MAR t P 不使用O-MAR 使用O-MAR Z P FBP SD 372.93±95.17 336.37±89.86 10.059 < 0.001 61.65
（49.75，76.88）45.90
（38.48，50.80）−3.920 < 0.001 AI 364.55±95.95 327.23±90.88 9.939 59.37
（46.22，70.46）40.64
（31.65，46.43）−3.920 iDose4-1 SD 335.27±85.25 301.74±80.54 9.103 < 0.001 54.10
（45.38，70.98）40.05
（35.60，46.78）−3.920 < 0.001 AI 327.52±85.81 292.91±81.49 9.066 51.59
（42.21，61.82）35.45
（28.78，42.47）−3.920 iDose4-2 SD 314.66±79.66 282.22±75.32 8.157 < 0.001 50.45
（43.20，66.65）37.75
（33.45，44.53）−3.921 < 0.001 AI 307.26±80.20 273.72±76.22 8.157 48.05
（40.18，58.50）32.24
（27.19，39.86）−3.920 iDose4-3 SD 293.10±73.82 262.18±69.79 7.628 < 0.001 46.75
（40.73，62.08）34.85
（30.88，42.28）−3.920 < 0.001 AI 286.09±74.37 254.07±70.66 7.598 44.22
（37.72，55.54）29.84
（25.23，37.15）−3.920 iDose4-4 SD 268.78±67.41 239.97±63.74 6.880 < 0.001 43.40
（37.75，56.75）31.60
（27.58，39.60）−3.920 < 0.001 AI 262.19±67.91 232.25±64.56 6.904 40.94
（36.03，48.62）27.64
（22.87，33.97）−3.920 iDose4-5 SD 243.36±60.97 215.43±57.18 5.884 < 0.001 40.10
（33.55，50.18）28.65
（23.15，35.65）−3.920 < 0.001 AI 237.27±61.49 208.16±57.94 5.932 37.62
（31.65，43.21）25.66
（19.23，30.09）−3.920 iDose4-6 SD 214.33±53.84 187.84±49.78 5.002 < 0.001 36.95
（31.20，43.88）26.90
（20.43，31.85）−3.920 < 0.001 AI 208.82±54.36 181.09±50.49 5.075 33.71
（29.73，39.55）22.17
（16.32，26，54）−3.920 iDose4-7 SD 180.81±46.48 155.63±41.40 4.139 < 0.001 AI 176.04±47.03 149.52±42.04 4.234 
下载: 导出CSV
表 2 骨算法评分值
Table 2 Score of bone algorithm
金属伪影 诊断信息 医师1 医师2 医师1 医师2 算法 使用O-MAR 不使用O-MAR 使用O-MAR 不使用O-MAR 使用O-MAR 不使用O-MAR 使用O-MAR 不使用O-MAR FBP 2（2，2） 1（1，1） 2（2，2） 1（1，1） 2（2，2） 1（1，1） 2（2，2） 1（1，1） iDose4-1 2（2，2） 1（1，1） 2（2，2） 1（1，1） 2（2，2） 1（1，1） 2（2，2） 1（1，1） iDose4-2 2（2，2） 1（1，1） 2（2，2） 1（1，1） 3（2，3） 1（1，1） 3（2，3） 1（1，1） iDose4-3 2（2，2） 1（1，1） 2（2，3） 1（1，1） 3（3，3） 1（1，1） 3（3，3） 1（1，1） iDose4-4 2（2，3） 1（1，1） 2（2，3） 1（1，1） 3（2，3） 1（1，1） 2（2.25，3） 1（1，1） iDose4-5 3（3，3） 1（1，2） 3（3，3） 1（1，2） 2（2，2） 1（1，1.75） 2（2，3） 1（1，2） iDose4-6 3（3，3） 2（1，2） 3（3，3） 2（1，2） 2（2，2） 1（1，2） 2（2，2） 1（1，2） iDose4-7 3（3，3） 2（1，2） 3（2.25，3） 2（1，2） 2（2，2） 1（1，1） 2（2，2） 1.5（1，2） Z −11.318 −11.208 −10.662 −10.008 P < 0.001 < 0.001 < 0.001 < 0.001
下载: 导出CSV
表 3 软组织算法评分值
Table 3 Score of soft tissue algorithm
金属伪影 诊断信息 医师1 医师2 医师1 医师2 算法 使用O-MAR 不使用O-MAR 使用O-MAR 不使用O-MAR 使用O-MAR 不使用O-MAR 使用O-MAR 不使用O-MAR FBP 2（2，2） 1（1，2） 2（2，2） 1（1，2） 2（1，2） 2（2，2） 2（1，2） 2（2，2） iDose4-1 2（2，2） 1（1，2） 2（2，2） 1（1，2） 2（1，2） 2（2，2） 2（1，2） 2（2，2） iDose4-2 2（2，2） 1（1，2） 2（2，2） 1（1，2） 2（1，2） 2（2，2） 2（1，2） 2（2，2） iDose4-3 2（2，2） 1（1，2） 2（2，2） 1（1，2） 2（1，2） 2（2，2） 2（1，2） 2（2，2） iDose4-4 2（2，2） 1（1，2） 2（2，2） 1（1，2） 2（1，2） 2（1.25，2） 2（1，2） 2（2，2） iDose4-5 2（2，2） 1.5（1，2） 2（2，2） 1.5（1，2） 1（1，2） 1（1，2） 1（1，2） 2（1.25，2） iDose4-6 2（2，2） 2（1，2.75） 2（2，2） 2（1，2） 1（1，1） 1（1，1） 1（1，1.75） 2（1，2） Z −7.233 −6.794 4.989 6.057 P < 0.001 < 0.001 < 0.001 < 0.001
下载: 导出CSV
-
[1] 房加高, 邹月芬, 徐海, 等. O-MAR技术在去除腰椎金属植入物伪影中的应用价值[J]. 海南医学, 2018, 29(10): 1408-1410. DOI: 10.3969/j.issn.1003-6350.2018.10.023. FANG J G, ZOU Y F, XU H, et al. Value of O-MAR iterative algorithm in removing metal artifacts of lumbar implants[J]. Hainan Medical Journal, 2018, 29(10): 1408-1410. DOI: 10.3969/j.issn.1003-6350.2018.10.023. (in Chinese).
[2] CHOO H J, LEE S J, KIM D W, et al. Comparison of the quality of various polychromatic and monochromatic dual-energy CT images with or without a metal Artifact reduction algorithm to evaluate total knee arthroplasty[J]. Korean Journal of Radiology, 2021, 22(8): 1341-1351. DOI: 10.3348/kjr.2020.0548.
[3] 王平, 高玉颖, 卢再鸣, 等. 迭代重组IMR技术和iDose4技术在腹部低剂量CT扫描乏血供肝转移瘤中的图像质量[J]. 中华放射学杂志, 2015, 49(4): 283-287. DOI: 10.3760/cma.j.issn.1005-1201.2015.04.011. WANG P, GAO Y Y, LU Z M, et al. Iterative model reconstruction and hybrid iterative reconstruction techniques iDose4 in low-dose abdominal CT: Comparison of image quality in evaluation of hypovascular metastases of liver[J]. Chinese Journal of Radiology, 2015, 49(4): 283-287. DOI: 10.3760/cma.j.issn.1005-1201.2015.04.011. (in Chinese).
[4] CHO Y J, SCHOEPF U J, SILVERMAN J R, et al. Iterative image reconstruction techniques: Cardiothoracic computed tomography applications[J]. Journal of Thoracic Imaging, 2014, 29(4): 198-208. DOI: 10.1097/RTI.0000000000000041.
[5] 侯阳, 于兵, 郭启勇, 等. 迭代重建对前置门控冠状动脉CT图像质量及辐射剂量的影响[J]. 中华放射学杂志, 2013, 47(4): 305-309. DOI: 10.3760/cma.j.issn.1005-1201.2013.04.004. HOU Y, YU B, GUO Q Y, et al. Application of iterative reconstruction in prospective electrocardiography-triggered CT coronary angiography[J]. Chinese Journal of Radiology, 2013, 47(4): 305-309. DOI: 10.3760/cma.j.issn.1005-1201.2013.04.004. (in Chinese).
[6] 李杰, 袁源, 王春杰, 等. 能谱CT去金属伪影(MAR)技术用于减低单髋关节置换物伪影[J]. 中国医学影像技术, 2021, 37(1): 131-135. DOI: 10.13929/j.issn.1003-3289.2021.01.032. LI J, YUAN Y, WANG C J, et al. Energy spectrum CT metal artifacts reduction (MAR) for reducing artifacts of unilateral hip arthroplasty[J]. Chinese Journal of Medical Imaging Technology, 2021, 37(1): 131-135. DOI: 10.13929/j.issn.1003-3289.2021.01.032. (in Chinese).
[7] HU Y, PAN S, ZHAO X, et al. Value and clinical application of orthopedic metal artifact reduction algorithm in CT scans after orthopedic metal implantation[J]. Korean Journal of Radiology, 2017, 18(3): 526-535. DOI: 10.3348/kjr.2017.18.3.526.
[8] GROßE H N, NEUHAUS V, ABDULLAYEV N, et al. Reduction of artifacts caused by orthopedic hardware in the spine in spectral detector CT examinations using virtual monoenergetic image reconstructions and metal-artifact-reduction algorithms[J]. Skeletal Radiology, 2018, 47(2): 195-201. DOI: 10.1007/s00256-017-2776-5.
[9] 刘丹丹, 崔莹, 赵波, 等. 定位像扫描参数对胸部CT影像质量和辐射剂量影响的模体研究[J]. 中华放射医学与防护杂志, 2021, 41(3): 217-221. DOI: 10.3760/cma.j.issn.0254-5098.2021.03.011. LIU D D, CUI Y, ZHAO B, et al. The influence of scout scanning parameters on image quality and radiation dose of chest CT: A phantom study[J]. Chinese Journal of Radiological Medicine and Protection, 2021, 41(3): 217-221. DOI: 10.3760/cma.j.issn.0254-5098.2021.03.011. (in Chinese).
[10] 李晓莉, 冯卫华, 董诚, 等. CT能谱成像技术减除金属植入物伪影的定量实验研究[J]. 中华放射学杂志, 2011, 45(8): 736-739. DOI: 10.3760/cma.j.issn.1005-1201.2011.08.007. LI X L, FENG W H, DONG C, et al. The experimental quantitative study of spectral CT imaging in reducing the metal artifacts[J]. Chinese Journal of Radiology, 2011, 45(8): 736-739. DOI: 10.3760/cma.j.issn.1005-1201.2011.08.007. (in Chinese).
[11] HILGERS G, NUVER T, MINKEN A. The CT number accuracy of a novel commercial metal artifact reduction algorithm for large orthopedic implants[J]. Journal of Applied Clinical Medical Physics, 2014, 15(1): 4597. DOI: 10.1120/jacmp.v15i1.4597.
[12] 吴志斌, 李剑, 郑敏文, 等. O-MAR技术在减少高浓度造影剂硬化伪影中的应用价值[J]. 中国医疗设备, 2019, 34(6): 9-11. DOI: 10.3969/j.issn.1674-1633.2019.06.003. WU Z B, LI J, ZHENG M W, et al. Application of O-MAR technology in reducing the artifacts of high concentration contrast medium[J]. China Medical Devices, 2019, 34(6): 9-11. DOI: 10.3969/j.issn.1674-1633.2019.06.003. (in Chinese).
[13] 宋殿行, 郭鹏, 王玉琦, 等. O-MAR重组在减少颅内动脉瘤弹簧圈栓塞术后金属伪影的价值[J]. 临床放射学杂志, 2020, 39(3): 592-595. DOI: 10.13437/j.cnki.jcr.2020.03.037. SONG D X, GUO P, WANG Y Q, et al. Clinical evaluation of orthopedic metal artifact reduction (O-MAR) in reducing metallic artifacts in CT of intracranial aneurysms after endovascular coil treatment[J]. Journal of Clinical Radiology, 2020, 39(3): 592-595. DOI: 10.13437/j.cnki.jcr.2020.03.037. (in Chinese).
[14] 王茹, 姜彦, 徐凯, 等. iDose4与O-MAR迭代算法对TACE术后CT成像质量和疗效评估的价值[J]. 中国医学计算机成像杂志, 2016, 22(5): 457-462. DOI: 10.3969/j.issn.1006-5741.2016.05.014. WANG R, JIANG Y, XU K, et al. Effect of iDose4 and O-MAR iterative algorithm on imaging quality of CT scan after TACE operation[J]. Chinese Computed Medical Imaging, 2016, 22(5): 457-462. DOI: 10.3969/j.issn.1006-5741.2016.05.014. (in Chinese).
[15] 袁肖娜, 高知玲, 朱凯, 等. iDose迭代重建算法对上腹部CT图像质量的影响[J]. 实用放射学杂志, 2016, 32(1): 102-106. DOI: 10.3969/j.issn.1002-1671.2016.01.027. YUAN X N, GAO Z L, ZHU K, et al. The effect of iDose iterative reconstruction algorithm on the image quality of upper abdomen CT scan[J]. Journal of Practical Radiology, 2016, 32(1): 102-106. DOI: 10.3969/j.issn.1002-1671.2016.01.027. (in Chinese).
[16] JOEMAI R M, GELEIJINS J, VELDKAMP W J. Development and validation of a low dose simulator for computed tomography[J]. European Radiology, 2010, 20(4): 958-966. DOI: 10.1007/s00330-009-1617-x.
[17] NEUHAUS V, GROSSE H N, ZOPFS D, et al. Reducing artifacts from total hip replacements in dual layer detector CT: Combination of virtual monoenergetic images and orthopedic metal artifact reduction[J]. European Journal of Radiology, 2019, 111: 14-20. DOI: 10.1016/j.ejrad.2018.12.008.
[18] AKDENIZ Y, YEGINGIL I, YEGINGIL Z. Effects of metal implants and a metal artifact reduction tool on calculation accuracy of AAA and acuros XB algorithms in small fields[J]. Medical Physics, 2019, 46(11): 5326-5335. DOI: 10.1002/mp.13819.
[19] 李杰, 孙兴文, 欧阳汉强, 等. 能谱CT去金属伪影技术减低脊柱不同类型植入物伪影的体模研究[J]. 中华放射学杂志, 2021, 55(9): 910-916. DOI: 10.3760/cma.j.cn112149-20200914-01086. LI J, SUN X W, OUYANG H Q, et al. The experimental phantom study of spectral CT metal artifact reduction technique in reducing the artifacts of different types of spinal implants[J]. Chinese Journal of Radiology, 2021, 55(9): 910-916. DOI: 10.3760/cma.j.cn112149-20200914-01086. (in Chinese).
[20] SELLES M, KORTE J H, BOELHOUWERS H J, et al. Metal artifact reduction in computed tomography: Is it of benefit in evaluating sacroiliac joint fusion?[J]. European Journal of Radiology, 2022, 148: 110159. DOI: 10.1016/j.ejrad.2022.110159.
[21] 张青帝, 吴丽卓, 姜晓静, 等. 不同级别iDose4迭代重建技术在冠状动脉CT成像中的应用[J]. 中国实验诊断学, 2016, 20(5): 752-754. ZHANG Q D, WU L Z, JIANG X J, et al. Application of different level iDose4 iterative reconstruction technique in coronary computed tomography angiography[J]. Chinese Journal of Laboratory Diagnosis, 2016, 20(5): 752-754. (in Chinese).
[22] BARRETO I, PEPIN E, DAVIS I, et al. Comparison of metal artifact reduction using single-energy CT and dual-energy CT with various metallic implants in cadavers[J]. European Journal of Radiology, 2020, 133: 109357. DOI: 10.1016/j.ejrad.2020.109357.
[23] SUNWOO L, PARK S W, RHIM J H, et al. Metal artifact reduction for orthopedic implants: Brain CT angiography in patients with intracranial metallic implants[J]. Journal of Korean Medical Science, 2018, 33(21): e158. DOI: 10.3346/jkms.2018.33.e158.
计量
- 文章访问数: 88
- HTML全文浏览量: 25
- PDF下载量: 27
