摘要

目的:探讨基于模型迭代重建(MBIR)算法在减少后颅窝CT图像硬化伪影中的价值。方法:使用能谱CT颅脑条件扫描静止状态下容纳9支试管的血管模型,试管内分别填满纯水、钙溶液,以及1、2、5、10、20、30 mgI/ml溶液。得到原始扫描数据后分别使用标准算法滤波反投影(FBP)、自适应迭代重建(ASIR)40(40%ASIR与FBP混合)、MBIR中标准设置(MBIRSTND)和优化低密度对比设置(MBIRNR40)四种算法重建层厚0.625 mm的图像,放置感兴趣区测量试管周围噪声,计算不同密度试管周围的伪影指数(AI)。随机抽取80例颅脑CT扫描病例,使用FBP、ASIR40、MBIRSTND、MBIRNR40四种算法重建层厚0.625 mm的图像,选取后颅窝亨氏暗区最明显层面放置感兴趣区测量小脑白质及脑干CT值的噪声并计算脑干AI,并采用5分法对图像进行主观评分。比较不同重建图像试管周围噪声及AI。比较不同重建图像后颅窝内脑干噪声、AI及主观评分分布情况。结果:不同重建图像试管周围和脑干的噪声、AI间两两比较差异均有统计学意义,其中FBP噪声和AI最大,MBIRNR40噪声和AI最小,MBIRSTND噪声和AI小于ASIR40(均P<0.05)。MBIRSTND和MBIRNR40图像后颅窝脑干亨氏暗区伪影减少,质量较好。MBIRSTND图像主观评分分布与FBP和ASIR40比较差异有统计学意义(Z=2.859、2.913,均P<0.05)。MBIRNR40图像主观评分分布与FBP和ASIR40比较差异亦有统计学意义(Z=2.836、2.850,均P<0.05)。MBIRSTND与MBIRNR40、FBP与ASIR40图像主观评分分布比较差异无统计学意义(均P>0.05)。结论:MBIR能够显著降低后颅窝脑实质图像噪声,抑制后颅窝伪影,提高后颅窝图像质量,特别是优化低密度对比设置的MBIRNR40。