文摘
探索的影响整个迭代模型重建算法(IMR)在胸部CT图像处理及其应用在肺癌患者的临床诊断价值,多层螺旋CT扫描(多层)进行96例肺结节。重建是由混合迭代重建(iDose4)和IMR2算法。然后,图像对比、空间分辨率、密度分辨率,图像均匀性和噪声的CT重建图像记录。良性和恶性肺结节的患者收集并分为恶性肺结节组和良性肺结节组,和胸部CT成像特征在两组之间的差异比较。主题的接受者操作特征(ROC)曲线是用来分析诊断的敏感性、特异性和曲线下面积(AUC) CT对肺结节的良恶性。发现空间分辨率、密度分辨率,图像均匀性,和对比IMR2的CT图像重建算法显著大于iDose4算法的的噪音远远小于iDose4算法( )。在96例肺结节65例为恶性结节,包括15鳞状细胞癌,腺癌,和19个小细胞癌。有31例良性结节,其中包括14例错构瘤,10例结核性肉芽肿,硬化性血管瘤2例,5例弥漫性淋巴细胞增殖。肺结节恶性组和肺结节良性肺结节组统计差异大小、结节形态、毛刺,小叶,血管,支气管的迹象,胸膜抑郁迹象( )。敏感性、特异性和曲线下面积(AUC) IMR2算法处理的胸部CT图像对肝癌诊断分别为85.7%,82.3%和0.815,分别,明显高于原始CT图像( )。简而言之,胸部多层基于IMR2算法可以大大提高肺癌的诊断效率,及时发现早期肺癌具有重要的实际意义。
1。介绍
肺癌是一种恶性肿瘤,发生在肺部。它是世界上最常见的恶性肿瘤之一,发病率及其排名第一在中国引起死亡的肿瘤疾病。肺癌分为非小细胞肺癌(NSCLC)和小细胞肺癌(SCLC)根据病理类型。其中,非小细胞肺癌包括腺癌(AC)、鳞状细胞癌(SCC),和大细胞癌(LCC)。非小细胞肺癌占超过85%的肺癌(1,2]。目前,肺癌被认为是一种呼吸道疾病,大约有80%的肺癌主要是由吸烟引起的。全球空气污染也是肺癌症相关死亡的主要原因之一(3]。降低肺癌死亡率的关键在于早期发现。但是,早期肺癌通常没有明显的临床症状,和需要健康检查来实现早期诊断。因此,有必要尽早诊断和治疗肺癌。
作为早期诊断的主要方法之一,肺癌,胸部电脑断层摄影术(CT)具有高空间分辨率、高密度分辨率,和良好的各向异性,但也有一系列问题需要优化,如噪音和工件(4]。近年来,许多先进的优化技术进行了CT图像。CT图像重建算法最初是由过滤后的投影(FBP)算法。FBP算法使用过滤功能或卷积算法来平衡最终的重建图像的空间分辨率和噪音。由于要求较高的投影数据,该算法使CT扫描剂量减少,重建时间太长,和CT图像噪音等问题5]。突破FBP算法的局限性,人们开始尝试新的优化算法,如自适应统计迭代重建(阿西尔)[6),迭代重建图像空间(IRIS) [7),自适应迭代剂量减少(AIDR) [8),混合迭代重建技术(艾杜糖)。
作为一个迭代重建算法利用对偶模型,iDose4基于出口押汇是迭代技术的一部分。该算法可以显著降低CT图像的噪声,但它仍然是一个迭代技术的一部分。执行图像重建时,影响系统的硬件和部分入射x射线的光子特征在图像并不认为,这限制了CT图像的进一步优化9]。基于知识的基于iDose4 IMR是一个新的升级,这消除了聚全氟乙丙烯组件。优化的效果是通过不断优化图像数据,实现数据统计和系统模型在图像和数据空间。近年来,IMR算法和聚全氟乙丙烯算法比较研究指出,聚全氟乙丙烯和IMR相比,它可以减少辐射剂量60%至80%,噪音降低70%到90%,提高了空间分辨率约50% (10]。验证,IMR优化算法具有良好应用前景的CT图像。目前,IMR算法被应用到许多疾病的临床诊断,但没有报告的采用值IMR肺癌患者的早期诊断。
因此,基于iDose4 IMR算法迭代算法来重建肺癌患者的胸部CT。接受者操作特征(ROC)曲线用于分析的早期诊断价值两种算法对于肺癌患者,以全面评估IMR算法的应用价值在肺癌患者的CT诊断。这是希望为相关的研究提供一些参考胸部CT图像质量的优化和改善在临床肺癌患者的诊断准确性。
2。材料和方法
2.1。研究对象
在这项研究中,96名肺癌患者住院被选为研究对象,包括54岁男性和42岁女性,年龄在36 - 72年。所有患者接受多层螺旋CT扫描(多层)。患者的平均年龄为58.05±10.95岁,身体质量指数(BMI)范围从19.70 - -29.64公斤/米2,平均身体质量指数为26.35±3.67公斤/米2。良性和恶性肺结节的患者收集并分为恶性肺结节组和良性肺结节组。研究了经医院伦理委员会批准。患者纳入研究和他们的家人被告知并签署知情同意表格。
入选标准:(i)胸部CT显示肺质量与直径小于或等于3厘米,与清晰或模糊边缘,circular-like密度和密度增加;(2)完整的基本临床资料;(iii)患者没有严重的心脏、肝脏或肾脏功能障碍和严重感染;(iv)患者没有以前历史的肿瘤或其他类型的肿瘤。排除标准:(i)患者接受化疗和放疗、免疫治疗,手术前和其他抗肿瘤治疗;(2)与其他恶性肿瘤患者;(3)女性患者在月经,怀孕、哺乳。
2.2。CT扫描
多层ct扫描进行96例肺结节。CT模型是一个微型板块3 d iCT(美国克利夫兰飞利浦公司)。屏息训练是在普通CT扫描的胸部。在扫描过程中,主题是在仰卧位提出和他的脑袋上顶着他的武器先进。扫描条件:120千伏,30 mAs恶性肺结节组;120 Kv、10 mAs良性肺结节组。准直是128×0.625毫米,螺距为0.992,旋转时间是0.75 s / r,矩阵是512×512。扫描范围从肺肺的底部。扫描参数:螺距为0.920,立体视野(SFOV)是50厘米,旋转时间是1 s / r和准直是64×0.625毫米。管电压120 kV,管电流设置9组,和当前大小20、40、60、80、100、200、300、400和500 mAs,分别。
2.3。基于iDose4病人CT优化算法和IMR算法
CT图像的原始数据从扫描获得被iDose4重建算法和IMR算法,分别。iDose4是标准的数据参数(B)。艾杜糖来迭代重建4th水平在7的水平,这是记录为iDose4。IMR迭代重建3的二级水平,这是表示,IMR 2所示。重建参数,软,SharpPlus。显示的视野(DFOV)是25厘米,层厚度5毫米,层间距5毫米,矩阵是512×512。重建的图像数据是保存在一个光盘。图像检测是由虹膜图像质量自动检测软件(美国LLC V2.4、2009、虹膜QA)。
IMR算法模型是基于图像退化模型和优化升级。首先, LR观察图像集。
在模型中(1),是一个 (N=mn)组成的向量k 按字典排序LLR观察图像。如果和在水平和垂直方向,将采样因素分别呢Z是字典排序向量的HH形象形成后,和 是仿射变换矩阵。汉堡王是模糊矩阵,D将采样矩阵的吗 ,和高斯白噪声的吗 向量,可以得到模型(1)。SSR的图像重建需要解决以下最小化问题,和相应的方程如下:
另一个平衡项目介绍了调整,有
在(3),平衡因子和吗正则化项。有很多方法来确定 。 在哪里和是移动的运动矩阵形象吗z在水平和垂直方向l和米像素,分别(0 << 1)是权重系数。
简而言之,一个常数将有一个双重影响重构人力资源形象,那么如何选择一个合适的呢质量是非常重要的最终图像重建的人力资源。一种自适应加权系数介绍了。根据特定的边缘和平滑的部分之间的差异,图像的边缘磨,和图像的其他部分也平滑和噪声抑制,从而有效地保证图像质量。具体方法如下。
假设(5可以获得)(4): 应当有一个物理意义。的元素 矢量的像素之间的区别z在同一位置的重构图像 和周围的像素。在一个灰度图像,如果太大,它意味着重建图像z周围突然改变了吗我th像素;也就是说,有一个在边缘我点。因此,希望重建算法可以提高周围的边缘我点和边缘突出的显示效果。否则,它太小了,指示我像素的图像是非常顺利,希望重建算法可以抑制噪声。总之,进行SSR重建根据不同的图像的特点,介绍了一个自适应两国full-variable正规化的术语,这是表示如下。
应当有一个物理意义。的元素 向量中 之间的区别是重建图像中的像素在相同的位置吗z和它周围的像素。在一个灰度图像, ,如果太大,表明重建的图像吗z有一个突然的变化在第一个像素;也就是说,有一个在边缘点。因此,希望重建算法可以提高周围的边缘知识产权突出边缘的显示效果。否则, 太小了,这意味着什么我像素的图像是非常顺利,希望重建算法可以抑制噪声。总之,实现SSR重建基于不同的图像的特点,自适应正则化项双边全面变化介绍如下。
方程(6)是变化的自适应加权系数的差异图像重建人力资源的每一个像素,这充分保证了算法的适应性,从而从理论上提高重建的人力资源的质量形象。
计算机自动分析和检测96例的CT扫描数据,和计算机测试报告。测量指标包括空间分辨率、密度分辨率,图像均匀性和噪声条件。
2.3.1。空间分辨率测量
这是知道病人的CT包含21-line对视觉检查,作为软件的点源计算调制传递函数(MTF)。首先,一些图像中随机选择的初步实验,目视检查方法的区别和MTF的方法在评估空间分辨率进行了比较。给予的相应值MTF10%接近视觉方法,这是设置为图像空间分辨率的参考价值。在这项研究中,如果不到50 mAs管电流,由于软件不能自动检测关键来源,它将被发送到后处理工作站。不能被收集的数据准确,所以目测是用来记录线对数。这个操作由两名放射科医生共同完成了超过5年的工作经验,和不同的判断结果协商和处理。
2.3.2。密度分辨率测量
在虹膜图像质量自动检测报告,相比之下表达的密度分辨率,所需的最小CT值区分一定规模的目标。在这个实验中,CT值的对比需要区分目标与直径5毫米的密度分辨率的作为一个客观指标(单位:%)。
2.3.3。图像均匀性和噪声测量
胸部CT图像时,软件自动识别和描述感兴趣的区域,测量CT值和噪声(SD)的中心上,左下角和2厘米从图像边缘。边缘和中心CT值之间的最大偏差是图像均匀性的参考价值。和中央环境噪声值平均为这幅图像的噪声。
2.4。收购CT成像组学特性和检测肺癌患者的优化效果
成像分析进行优化的肺癌患者的CT图像。典型的统计收集肺癌病人的成像特点,和恶性组的肺结节和肺结节的良性组的成像特点,分析两组患者的CT图像。此外,CT图像的成像特点的差异相比,两组患者,包括(i)结节大小:最大轴向纵隔窗的结节直径测量;(2)结节形态:规则还是不规则的;(3)模糊迹象:表现为长阴影或短密集的细线的影子,延长径向的肺结节周围肺野的窗口,没有连接到胸膜;(iv)小叶迹象:表现为明显的结节,边缘参差不齐和多个弧级距;(v)血管迹象:表现为结节聚集在周围的血管结构损伤的方向,或者是表现为病变的血管经过或终止;(vi)支气管标志:主要表现为薄条,管状阴影与gas-like密度,或点的半透明阴影出现在连续层;(七)空化标志:主要是2 - 3毫米气样密度影,不包括密度减少阴影出现在连续层,从而可能被小支气管或肺泡,成为更大的腔或液泡由于牵引;(八)胸膜抑郁迹象:表现为线性抑郁或三角抑郁肿瘤病灶与胸膜之间。
然后,中华民国曲线用于分析不同的敏感性,特异性,AUC区域的两个算法在肺结节的良恶性的诊断,以便测量算法的优化值。
然后,敏感性、特异性和AUC的两种算法在良性和恶性的诊断肺结节被ROC曲线分析,以衡量算法的优化值。计算敏感性和特异性由以下方程,分别为:
是之间的符合程度,拟合实际肺癌病变区(设置为一个)和肺癌病变区域由完整的模型迭代算法(设置为C)。B和D代表真正的癌症病变区域以外的其他位置之外的肺癌和其他职位宫颈癌病变区域由人工智能算法,分别。此外,三个重叠的肿瘤区域被分成不同的结构组的肺癌肿瘤,整个区域肿瘤(WT),核心肿瘤领域(CT),和增强的肿瘤区域(ET)。
2.5。统计方法
采用SPSS 19.0进行数据统计和分析。百分比(%)计数数据是如何表示,和平均值±标准偏差 是测量数据是如何表示的。意味着两组之间的比较是由t以及。计数数据被表示为一个百分比(%),和测试使用。的Mann-WhitneyU测试是用来比较的差异的宏观特性和成像组学特征两种类型的肺癌患者,和 表明,差异具有统计学意义。
3所示。结果
3.1。比较不同的CT图像处理算法
图1是一个胸部CT图像的67岁的病人。肺癌患者的CT图像噪声iDose4算法处理后得到了改进前与病人的CT图像处理,图像清晰度也在一定程度上改善。IMR 2 CT图像处理的算法相比,明显改善前的一个处理。此外,IMR算法有更好的处理效果。
(一)
(b)
(c)
3.2。根据不同的算法评价CT图像质量
数据2- - - - - -5显示的比较空间分辨率、密度分辨率,图像均匀性,和噪音iDose4算法和IMR算法不同参数下,分别。空间分辨率、密度分辨率,图像均匀性,和对比IMR2的CT图像重建算法的显著大于iDose4的算法,和噪音明显小于iDose4算法( )。通过方差分析(方差分析)测试,艾杜糖迭代重建不能提高CT图像的空间分辨率重建参数时标准(B)。IMR和艾杜糖的空间分辨率检测结果截然不同( )。IMR 2的空间分辨率提高了平均16%相比iDose4。IMR迭代重建,SharpPlus的空间分辨率大大高于常规和柔软,和常规的空间分辨率非常优越的柔软。三组之间的差异相当大的通过方差分析测试( )。
3.3。比较CT图像的两种算法优化的影响
基于检测的敏感性、特异性和AUC,病人的CT图像的优化效果后iDose4算法和IMR2算法重建和优化处理数据所示6和7。敏感性、特异性和AUC患者的良性和恶性的诊断肺结节CT图像处理之前是59.4%,68.1%和0.632,分别。诊断的敏感性、特异性和AUC iDose4的CT图像重建算法为良性和恶性肺结节是82.1%,75.3%和0.695,分别。IMR2 CT图像重建的算法为良性和恶性肺结节是85.7%,82.3%和0.815,分别明显高于原始CT图像( )。
3.4。比较两组患者的CT成像信息处理IMR 2算法
CT图像和其他信息总结了96例肺癌患者的数据8- - - - - -10。图8显示肺癌的分布类型图9显示两组之间的比较,肿瘤大小,和图10显示的是两组之间的比较CT成像特性。有65例恶性结节在肺癌患者中,其中包括15例鳞状细胞癌,腺癌31例,19例小细胞癌。的31例良性结节,其中包括14错构瘤,10个结核性肉芽肿,2硬化性血管瘤,5弥漫性淋巴细胞增生。的平均大小肺结节恶性组与良性组肺癌患者23岁(15日27)毫米,14(11、19)毫米,分别。良性结节的大小明显小于恶性结节( )。恶性组的肺结节,结节的形态不规则。毛刺信号的比例,小叶,血管,支气管符号,和胸膜抑郁迹象是92%,48%,42%,45%,38%,和43%,分别。此外,百分比的迹象良性肺结节组分别为59%,29%,19%,27%,18%,和20%,分别。患者有显著差异的数量每两组之间的指示( )(图10)。
4所示。讨论
胸部CT肺癌筛查的最佳方法是发现早期肺癌(11]。目前,使用胸部CT术前诊断肺癌的比较常见,但由于大型图像噪声和其他缺点,用医生的主观判断的传统方法可能是误诊(12,13]。因此,如何准确定位肿瘤病变仍需要进一步的研究。迭代重建算法的出现大大减少图像噪声。计算机软件和硬件技术的进步,它在临床上得到了广泛的应用。在CT图像质量的评价体系,图像噪声(SD、信噪比和CNR)只是一个方面,和它的核心评价指标的空间分辨率和密度分辨率的图像。研究发现,由艾杜糖重建的图像重建的图像质量和常规剂量扫描FBP重建图像质量没有区别与低噪声(14]。此外,有报道称IMR算法(15),作为一个新兴的完整模型迭代重建技术,是主要用于计算机辅助医学影像诊断和评估放疗的疗效分析,基于图像的病理分析,肿瘤微环境,非均质性研究。例如,多通道的高通量处理图像和图形的分析数据可以提供量化的诊断依据和有力的图像降噪功能(16,17]。基于传统胸部CT使用IMR算法的图像质量好,噪声低。因此,LDCT扫描(120 kV, 30 mAs)在本研究中,采用和图像重建iDose4是作为参考比较和研究的能力IMR迭代重建算法提高图像质量。此外,胸部CT准确性、空间分辨率密度分辨率,图像均匀性(18),和噪声进行了评估。
结果表明,空间分辨率、密度分辨率,图像均匀性,和对比IMR2 CT图像重建的算法明显比iDose4算法,和噪音明显小于iDose4算法( )。主题使用ROC曲线分析诊断的敏感性、特异性和AUC基于CT的肺结节的良恶性。发现诊断敏感性,特异性,CT图像重建的AUC IMR2算法良性和恶性肺结节明显高于原始CT图像( )。简而言之,胸部CT基于IMR2算法可以显著提高肺癌的诊断的实际意义,并及时发现早期肺癌。这是符合朗伯德等人的结果。19]。此外,患者分组的良性和恶性条件不同的肺结节,与胸部CT成像特征在两组之间的差异比较。发现恶性肺结节组和良性肺结节组有统计学差异肺结节的大小、结节形态、毛刺,小叶,血管,支气管的迹象,胸膜抑郁迹象( )。建议的良性和恶性条件在肺癌患者肺结节CT的成像特性密切相关(20.]。患者的肿瘤大小在胸部CT图像恶性肺结节明显大于良性结节组。不规则结节患者的比例,毛刺,小叶,血管,支气管的迹象,胸膜迹象明显高于良性组。总之,胸部CT基于完整的模型迭代重建算法有很好的诊断价值对于肺癌患者,可以显著提高肺癌的诊断效率,值得临床推广。
5。结论
探索IMR胸部CT图像处理应用程序的肺癌患者的临床诊断,iDose4算法采用并应用于96名肺癌患者的CT图像分析。发现IMR算法显示精度高,AUC地区肺癌诊断和预测相比iDose4算法处理病人的CT图像。其中,IMR2算法结合SharpPlus参数可以作为最优特征组合模型的诊断肺癌。然而,患者样本的选择是小和源单在这项研究中,和肺癌患者的不同表现形式并不详细讨论。是不可能来验证这些特性对预测的准确性的影响。在未来,它将考虑增加肺癌患者的样本容量,进一步采用多中心协作研究分析方法。总之,结果提供良好的临床数据支持和一定的理论支持的应用IMR算法在肺癌的临床诊断。
数据可用性
使用的数据来支持本研究的发现可以从相应的作者。
的利益冲突
作者宣称没有利益冲突。
作者的贡献
杰和李魏王同样贡献了这项工作。
确认
这项工作是我市科技计划支持的医疗项目(20181117 a010054)。