CT图像重建的演变——从滤波反投影到人工智能(Martin J. Willemink和Peter B. Noël)

摘要

在20世纪70年代初，第一台CT扫描仪就已经采用了迭代重建算法，然而由于当时的硬件计算能力不足，并没有实现真正的临场应用。事实上直到2009年，第一代迭代重建算法才真正的实现商业化，并取代了传统的滤波反投影算法。从那是起，这项技术在放射学领域开始掀起一阵研究的热潮。在几年的时间里，所有主要的CT厂商都引入了用于临床常规检查的迭代重建算法，迭代重建算法迅速成为越来越先进的CT重建算法。按算法的复杂性，迭代重建算法经历了从混合迭代算法、基于模型的迭代算法全迭代算法的演变。因此，在过去十年内，关于迭代重建算法的科研论文数量激增。但到目前为止，这项技术究竟给我们带来了什么？随着软硬件的发展，在图像重建领域未来又有什么新的发展？例如光子计数CT、人工智能等等。本文将通过对CT图像重建的总体发展及其临床应用的简要回顾来尝试回答这些疑问，并对该领域的未来发展进行展望。

自1972年计算机断层成像技术的兴起，其逐渐成为医学领域不可或缺的诊断工具。可以从CT每年的检查数量上看出其重要性。在过去10年CT检查每年保持6.5%的速度快速增长，据统计2015年美国总共进行了8000万次CT扫描。自首个断层成像技术的问世后，该项技术的发展十分迅速。第一台临床CT扫描一次大约需要5分钟，进行图像重建也需要差不多同样的时间。即使耗费如此长的时间进行图像重建，重建后的图像分辨率只有80*80像素。现如今，一些高端CT设备，扫描一次估计在1/4秒，探测器沿患者的覆盖区域增加到16厘米，可以在完成单次心跳的时间内事项心脏的成像。对于大多数的临床应用，断层成像的分辨率可以达到512*512像素，对于某些最先进的CT设备，分辨率可以达到1024*1024像素。

随着CT检查的次数迅速增减，人们开始担心大量的辐射会对人体造成损害，尤其对于那些年龄较轻的患者。由于人们对辐射相关的健康风险的认识的加深，以及CT研究者们对于减低辐射剂量的努力，现在的CT设备的辐射剂量已经有很大的下降。较少辐射暴露的最重要的方法是，只有CT检查带来的好处大于其带来的危害时，才进行CT检查。由于CT扫描是一个很常用的临床检查，因此研究降低剂量的技术很有必要。已经有很多降低剂量的方法，如管电流调制技术、器官特殊性研究、扇形束滤波器等等，还有更加重要的CT参数优化。CT设备的基本参数有管电流（mA）、管电压（kV）、pitch、体素、切片厚度、重建滤波器、旋转次数等等。在相同的辐射剂量下，不同的参数组合，成像质量显著不同。比如，使用大像素和平滑滤波器，可以对一些特殊指征进行高质量的诊断，而使用小像素和锐化滤波器的组合重建的图像会有很多的伪影和噪声，不具有诊断价值。在临床应用中，通常通过调节管电流来实现辐射剂量的控制。当降低管电流时，能明显的觉察到图像噪声的显著增加。因此，其他的进行辐射剂量降低的方式，是在使用原始投影数据进行三维重建的过程中，重点对低剂量导致的噪声和伪影进行处理。最初，CT设备采用ART(代数重建)技术进行图像的重建，由于计算能力的不足，ART很快被滤波反投影（FBP）技术取代。几十年来，FBP一直是CT图像重建的首选方法，直到2009年首个迭代重建(IR)算法引入临床应用。这在CT成像领域引起了比较大的轰动。几年之内，主流的CT供应商的临床扫描设备都提供了IR算法，并迅速发展成为高级图像重建算法。在本文中，我们将简要介绍CT图像重建的总体发展及其临床应用。随后会对稀疏采样CT、光子计数CT、相-衬/暗场CT、人工智能等先进领域的未来发展前景做个介绍。

从概念到临床必要性

1970年12月，Gordon等人提出了ART算法的初步研究，该方法是迭代重建算法的一种，最初用于重建横截面图像。然而，由于当时硬件的计算能力不足，ART在临床上并不适用，而FBP这种更简单的算法，成为几十年来的标准重建算法。FBP通过反向投影加高通滤波完成CT切片的重建。随着CT技术的快速发展，基于fbp的算法得到了改进和扩展，以跟上硬件的发展，如Feldkamp等人1984年提出的用大面积探测器重建数据的解决方案。在大多数情况下，FBP工作良好，图像诊断质量高。然而，由于越来越多的人担心(年轻的)病人会受到电离辐射，因此更多的CT扫描是在较低的辐射剂量下进行的。然而低剂量的CT扫描会导致图像质量显著降低，因为图像噪声和辐射暴露之间有直接的比例关系。随着患肥胖病的人数的增加，FBP重建的CT图像质量下降。随着机体尺寸的增大，x射线的光子衰减增大，从而导致到达CT探测器的光子变少，最终导致图像质量明显下降。FBP的优点是重建时间短，但其将原始数据输入到一个“黑盒”中，仅有有限的模型和先验信息可用。当仅有少量的光子到达探测器时，则需要对图像的噪声进行建模，FBP算法对这些表征系统特征的模型的利用不足，算法很难进一步优化。

 在使用FBP进行临床扫描的同时，CT研究者们花了大量时间研究高级IR算法，以用于在低剂量扫描的情况下实现高质量的诊断。这些研究可大致分为三类，即基于正弦图的、基于图像域的以及全迭代算法。与此同时，硬件上有越来越多的经济高效的计算工具研发出来，比如可编程图形处理单元（GPU）,缩短了CT图像重建的时间。这一系列的发展促使医疗设备行业开发出先进的重建算法。2009年，首个IR算法IRIS(基于图像域的迭代重建，西么子医疗)获得FDA批准。这是一种简单的方法，原理与FBP类似，重建过程中只有一次反投影过程，然后基于重建过程得到的图像进行反复迭代式的去噪。

  近2年内，4种更先进的IR算法获得FDA批准:ASIR(自适应统计迭代重建，GE医疗)、SAFIRE (sinograms-affirm迭代重建，西门子医疗)、iDose4 (Philips医疗)和Veo (GE医疗)。前三种方法是所谓的混合迭代算法。与FBP和IRIS类似，该算法使用单一的反向投影步骤。然而，混合迭代算法更为先进，因为它们会对原始数据进行迭代过滤以减少伪影，并在反投影后，对图像数据进行迭代过滤以减少图像噪声(如上图的中间列)。Veo是第一个临床全迭代算法，是目前为止最先进的算法之一。在全迭代算法中，原始数据被反投影生成截面图像。然后对该图像进行正向投影，计算出人工原始数据。正向投影步骤是该迭代算法的一个核心模块，因为它使数据采集过程(包括系统几何和噪声)的物理正确调制成为可能。将人工原始数据与真实原始数据进行比较，从而更新截面图像。同时，通过正则化步骤去除图像噪声(上图的最右侧一列)。重复正反投影的过程，直到真实数据和人工原始数据之间的差异最小化。可以想象，完全迭代算法比混合迭代算法的硬件计算能力要求更高，导致完全迭代的重建时间更长。由于如此长的的重建时间，供应商决定开发一种不同的高级算法，称为ASIR-V (GE医疗)，该算法在2014年获得了FDA的批准。与此同时，其他厂商也引入了其他混合和基于模型的迭代算法，包括AIDR3D(adaptive iterative dose reduction 3D，佳能医疗)、ADMIRE(advanced modeled iterative reconstruction，西门子医疗)和IMR(iterative model reconstruction，飞利浦医疗)。2016年，基于模型的迭代算法FIRST(forward projected model-based iterative reconstruction solution，佳能医疗)获得了FDA的批准。在临床CT成像中引入迭代成像，导致了对这些方法的可能性的大量研究。总的来说，这些研究表明，与FBP相比，IR改善了图像质量和诊断价值。在不影响图像质量的前提下，IR辐射剂量可降低23 ~ 76%。一些研究比较了多个供应商的不同方法，这些研究发现，与混合IR和FBP相比，基于模型的IR可以进一步降低辐射剂量。多项研究评估了IR对特定身体部位图像质量的影响。比较易于检测的高对比度体区如肺。由于x射线在肺部通过空气的衰减较低，加上空气和肺组织的自然对比度高，胸部CT检查的辐射剂量本来就比较低。Den Harder 等系统回顾了24项研究，发现FBP重建的胸部CT扫描平均辐射剂量为2.6 (1.5-21.8)mSv，应用IR可降低至1.4 (0.7-7.8)mSv。同样，在身体的另一个高对比度区域，即心脏CT血管造影，辐射剂量也可以大大降低。采用FBP方法，10例冠状动脉CT造影平均辐射剂量为4.2 (3.5 ~ 5.0)mSv，采用IR方法可降低至2.2 (1.3 ~ 3.1)mSv，同时保留了客观和主观图像质量。但是，如果减少腹部等低对比度部位的CT辐射剂量，问题就比较大了。在较低的辐射剂量下，IR对低对比度病变的可检测性并不总能得到改善。然而，大多数研究发现，IR在低剂量腹部CT检查中不能保证图像的质量。