减少CT图像中金属伪影的研究进展.docx

减少CT图像中金属伪影的研究进展

摘要：颅内动脉瘤栓塞术、口腔金属置入物、脊柱内固定物以及髋关节置换术等金属置入物在临床中的应用日益增加。采用CT图像对金属置入物术后患者进行评估时产生的金属伪影会使CT图像无法清晰显示金属-骨界面及邻近的组织结构，影响医生诊断的精准性。随着CT的发展，去金属伪影技术和虚拟单能量成像技术等手段有助于减少CT图像中的金属伪影，深度学习重建算法和光子计数CT的出现为金属置入物术后的精准评估提供更加可靠的依据。本文就减少CT图像中金属伪影的研究进展作一综述。

关键词：深度学习；CT图像；金属伪影；单能量成像；光子计数CT

ResearchProgressonReducingMetalArtifactsinCTImaging

Abstract:Intracranialaneurysmembolization,oralmetalimplants,spinalinternalfixation,hipreplacement,andothermetalimplantsareincreasinglyusedinclinicalpractice.Metalartifactsgeneratedbycomputedtomography(CT)imagesduringtheevaluationofpatientsafterplacementofmetalimplantswillpreventCTimagesfromclearlyshowingthemetal–boneinterfaceandtheadjacenttissuestructure,whichaffectstheaccuracyofdoctorsdiagnosis.WiththedevelopmentofCT,metalartifactreductiontechnologyandvirtualmonoenergeticimagingtechnologyarehelpfultoreducemetalartifactsinCTimaging.TheemergenceofdeeplearningreconstructionalgorithmsandphotoncountingCTprovidesamorereliablebasisfortheaccurateevaluationofmetalimplantsaftersurgery.ThispaperreviewstheprogressofresearchonreducingmetalartifactsinCTimaging.

Keywords:deeplearning;CTimaging;metalartifact;monoenergeticimaging;photoncountingCT

CT重建后的图像常因金属置入物的存在而产生明暗相间的金属伪影，难以清晰地显示金属?正常组织界面及邻近的组织结构，进而影响医生对术后情况的判断和后续治疗的决策[1-4]。临床医生需要质量较高的图像以减少金属置入物术后金属伪影带来的干扰，CT图像中的金属伪影去除（metalartifactsreduction，MAR）技术和虚拟单能量成像（virtualmonoenergeticimage，VMI）均可降低金属伪影，两种技术的结合有助于进一步减少金属伪影的影响。

随着深度学习重建（deeplearningreconstruction，DLR）算法的快速发展和光子计数CT的出现，将进一步改善金属伪影对周围组织的影响。本文结合文献就减少CT图像中金属伪影的研究进展作综述。

1金属伪影产生的原因

CT金属伪影常见的原因包括X线束硬化、散射、光子饥饿和部分容积效应，是多种因素共同作用的结果[5-6]。传统CT产生混合能量的X线穿过人体时，低能光子被吸收，高能光子则直接通过，穿

过人体的X线的平均能量增加，表现为明暗相间的条纹伪影，即X线束硬化。康普顿散射会使部分光子无法被探测器接收，从而在金属置入物周围形成混杂密度的伪影。当X线穿过人体后光子被大量吸收，探测器只能接收到少量光子形成光子饥饿，表现为沿金属置入物长轴方向的条状低密度伪影。而部分容积效应是由探测器引起，