MRI系統(tǒng)質(zhì)量控制檢測的SNR及均勻度的自動(dòng)測量研究

陳佳敏，梁永剛，葉培筠，陳楚潔，付麗媛

1.福建中醫(yī)藥大學(xué)?？偨虒W(xué)醫(yī)院 放射診斷科，福建 福州 350025；2.聯(lián)勤保障部隊(duì)第九〇〇醫(yī)院 放射診斷科，福建 福州 350025

引言

磁共振成像（Magnetic Resonance Imaging，MRI）系統(tǒng)是醫(yī)院大型醫(yī)學(xué)影像設(shè)備的重要組成部分，在診療中發(fā)揮著不可替代的作用，其不但能夠提供形態(tài)學(xué)結(jié)構(gòu)信息，又可提供生物化學(xué)及代謝信息，為疾病的精準(zhǔn)診療提供了重要的影像學(xué)信息。精準(zhǔn)、可靠、科學(xué)的疾病診療離不開高質(zhì)量的影像圖像，為了得到優(yōu)質(zhì)的圖像，并確保MRI設(shè)備始終保持最佳的工作狀態(tài)，這就對(duì)醫(yī)療機(jī)構(gòu)在設(shè)備質(zhì)控方面提出了更高的要求，MRI設(shè)備質(zhì)量控制檢測就是實(shí)現(xiàn)這一目標(biāo)的重要手段[1-2]。根據(jù)美國放射學(xué)院（American College of Radiology，ACR）及國內(nèi)衛(wèi)生行業(yè)標(biāo)準(zhǔn)、醫(yī)藥行業(yè)標(biāo)準(zhǔn)及中華人民共和國地方計(jì)量技術(shù)規(guī)范[3-9]，MRI質(zhì)量控制檢測項(xiàng)目主要包括信噪比（Signal to Noise Ratio，SNR）、圖像均勻度、空間分辨率、低對(duì)比度分辨率等重要參數(shù)。進(jìn)行MRI質(zhì)量控制檢測時(shí)，首先進(jìn)行體模的掃描，掃描完畢后在掃描得到的圖像上進(jìn)行各項(xiàng)參數(shù)的測算。值得注意的是，用體模進(jìn)行質(zhì)量控制檢測時(shí)，真正費(fèi)時(shí)的不是體模掃描本身而是參數(shù)測算，目前多采用手工測算的方法，該方法計(jì)算過程繁瑣且所需時(shí)間較長。在這種情況下如果能采用軟件實(shí)現(xiàn)參數(shù)的自動(dòng)化測量，將會(huì)最大程度地提高效率。國內(nèi)學(xué)者Panych等[10]、官能成等[11]也提出了采用智能測算的想法，并且做了一些初探工作。本研究在借鑒國內(nèi)外研究經(jīng)驗(yàn)的基礎(chǔ)上，選擇MRI質(zhì)控檢測中SNR及圖像均勻度兩個(gè)重要的參數(shù)，基于Matlab R2013b平臺(tái)設(shè)計(jì)了自動(dòng)檢測算法，從而實(shí)現(xiàn)SNR及圖像均勻度的自動(dòng)測算。

1 材料與方法

1.1 檢測體模與受檢設(shè)備

采用MRI質(zhì)控檢測專用ACR體模，該體模由美國放射學(xué)院設(shè)計(jì)制造，體模直徑190 mm，高度148 mm，內(nèi)部填充氯化鎳和氯化鈉溶液。受檢設(shè)備為 Siemens Trio 3.0 T MRI，8通道相控陣頭線圈。

1.2 體模掃描方法與掃描參數(shù)

將ACR體模穩(wěn)定地放入頭線圈內(nèi)，用水平儀調(diào)整體模位置，確保其在X軸、Z軸方向水平，將激光定位燈對(duì)準(zhǔn)體模中部的定位標(biāo)記后將其送入磁體中心位置。待體模靜置5 min后開始掃描。先進(jìn)行三平面定位像的掃描，在矢狀位定位像上確定軸位掃描的層面和位置，從體模最下端45°楔形邊相交的頂點(diǎn)開始，到最上端45°楔形邊相交的頂點(diǎn)結(jié)束，共掃描11層。掃描參數(shù)：采用SE-T1WI序列，TR 500 ms，TE 30 ms，F(xiàn)OV 25 cm×25 cm，矩 陣256×256，層厚 5 mm，層間距 5 mm，接收帶寬 20.48 kHz或156 Hz/pixel，激勵(lì)采集次數(shù)為1次。

1.3 SNR測算方法

圖像SNR指圖像中信號(hào)強(qiáng)度與噪聲強(qiáng)度的比值。在體模軸位圖像第7層，用圓形感興趣區(qū)（Region of Interest，ROI）勾畫圖像中央覆蓋75%的信號(hào)區(qū)域，以該區(qū)域的信號(hào)平均值作為信號(hào)強(qiáng)度，在體模周圍背景區(qū)域避開偽影選取一個(gè)盡可能大的ROI，以該區(qū)域的信號(hào)強(qiáng)度的標(biāo)準(zhǔn)偏差作為噪聲σair，圖像SNR的計(jì)算公式如式（1）[12]所示。

1.4 圖像均勻度測算方法

圖像均勻度反映了MRI對(duì)體模內(nèi)同一物質(zhì)區(qū)域的再現(xiàn)能力，在體模軸位圖像第7層，在中心區(qū)域勾畫包含80%體模面積的ROI，得到信號(hào)強(qiáng)度的最大值Smax與最小值Smin，圖像均勻度的計(jì)算公式如式（2）[13]所示。

1.5 自動(dòng)測量軟件設(shè)計(jì)

1.5.1 圖像SNR

根據(jù)圖像SNR測量方法，需要獲得圖像中央信號(hào)區(qū)域的像素均值以及周圍背景區(qū)域噪聲標(biāo)準(zhǔn)偏差。為達(dá)到以上目的需要取出信號(hào)區(qū)域以及周圍噪聲區(qū)域。具體軟件實(shí)現(xiàn)框圖如圖1所示。

圖1 SNR軟件實(shí)現(xiàn)框圖

首先將第7層圖像沿圖中所畫直線的強(qiáng)度變化繪制成強(qiáng)度變化曲線，見圖2。

圖2 第7層圖像所畫直線強(qiáng)度變化曲線

由圖2b可知其中心水平線信號(hào)強(qiáng)度變化曲線，中央體模區(qū)域信號(hào)強(qiáng)度遠(yuǎn)遠(yuǎn)高于周圍背景區(qū)域，可直接利用自動(dòng)獲取閾值的方法進(jìn)行圖像二值化，進(jìn)而得到圖3所示圖像。獲得中心體模信號(hào)區(qū)域后再進(jìn)行輪廓“腐蝕”得到圖4所示圖像。獲取中間區(qū)域之后和原圖相“與”即可得到信號(hào)圖，可用于計(jì)算圖像信號(hào)均值；將信號(hào)區(qū)域經(jīng)過膨脹處理后取反再與原圖“與”即可得到噪聲圖像（圖5）。

圖3 第7層圖像二值化

圖4 信號(hào)“腐蝕”后區(qū)域

圖5 背景區(qū)域噪聲圖

通過以上過程即可獲得兩個(gè)關(guān)鍵參數(shù)（信號(hào)均值以及噪聲標(biāo)準(zhǔn)偏差），代入公式（1）即可得到圖像SNR。

1.5.2 圖像均勻度

根據(jù)圖像均勻度的測量要求及計(jì)算公式可設(shè)計(jì)程序測量步驟如圖6所示。

圖6 圖像均勻度實(shí)現(xiàn)框圖

可直接利用自動(dòng)獲取閾值的方法進(jìn)行第7層圖像二值化，獲得中心體模信號(hào)區(qū)域后再進(jìn)行輪廓“腐蝕”，獲取中間區(qū)域之后和原圖相“與”即可得到信號(hào)圖，得到信號(hào)最大值Smax與最小值Smin，代入公式（2）即可得到圖像均勻度。

1.6 統(tǒng)計(jì)學(xué)分析

采用Excel及SPSS 21.0統(tǒng)計(jì)學(xué)軟件對(duì)數(shù)據(jù)進(jìn)行整理和統(tǒng)計(jì)學(xué)分析，采用t檢驗(yàn)對(duì)手工測算和自動(dòng)測算所得的SNR和圖像均勻度數(shù)據(jù)分別進(jìn)行統(tǒng)計(jì)學(xué)分析，以P＜0.05為差異有統(tǒng)計(jì)學(xué)意義。采用Bland-Altman統(tǒng)計(jì)學(xué)方法進(jìn)行手工測算和自動(dòng)測算所得數(shù)據(jù)的一致性分析，橫軸為兩種方法測量結(jié)果的均值，縱軸為兩種方法測量結(jié)果的差值，如果所有測得的數(shù)據(jù)均位于差值的95%區(qū)間即差值的1.96的標(biāo)準(zhǔn)差范圍內(nèi)，說明具有非常好的一致性[14]。

2 結(jié)果

采用手工測算和自動(dòng)測算方法對(duì)MRI設(shè)備的5次質(zhì)控檢測的SNR和圖像均勻度進(jìn)行測算，結(jié)果如表1所示。采用t檢驗(yàn)對(duì)手工測算和自動(dòng)測算所得SNR數(shù)據(jù)進(jìn)行統(tǒng)計(jì)學(xué)分析，兩種測算方法所得的結(jié)果差異無統(tǒng)計(jì)學(xué)意義（t=-0.416，P=0.689）。從圖7的Bland-Altman圖可見，兩種方法測得的SNR數(shù)據(jù)點(diǎn)均位于一致性界限的范圍內(nèi)（-53.1，40.5），說明兩種方法有較好的一致性。采用t檢驗(yàn)對(duì)手工測算和自動(dòng)測算所得均勻度數(shù)據(jù)進(jìn)行統(tǒng)計(jì)學(xué)分析，兩種測算方法所得的結(jié)果差異無統(tǒng)計(jì)學(xué)意義（t=-0.782，P=0.474）。從圖8的Bland-Altman圖可見，兩種方法測得的圖像均勻度數(shù)據(jù)點(diǎn)均位于一致性界限的范圍內(nèi)（-4.7%，3.0%），說明兩種方法的一致性較好。

圖7 采用手工測算和自動(dòng)測算圖像SNR方法Bland-Altman圖

圖8 采用手工測算和自動(dòng)測算圖像均勻度方法Bland-Altman圖

表1 采用手工測算和自動(dòng)測算方法得到的SNR和圖像均勻度測算結(jié)果

3 討論

在實(shí)際工作中，所有用于影像診斷的圖像都應(yīng)當(dāng)具有一致性且確保其為高質(zhì)量圖像，為此，國內(nèi)外均提出并不斷完善相應(yīng)的質(zhì)量控制標(biāo)準(zhǔn)。雖然目前國內(nèi)外標(biāo)準(zhǔn)中建議以每年1次的頻率對(duì)SNR、圖像均勻度進(jìn)行檢測，但Jiang等[15]研究表明，SNR在2個(gè)月內(nèi)的漂移程度最高可達(dá)2個(gè)標(biāo)準(zhǔn)差，因此，定期的計(jì)量參數(shù)檢測對(duì)維持MRI性能穩(wěn)定具有重要意義。定期的質(zhì)控檢測能保證為臨床持續(xù)提供優(yōu)質(zhì)的圖像，提高診斷可靠性；同時(shí)通過將質(zhì)控檢測列入常態(tài)化工作，能盡可能地減少設(shè)備故障率，延長設(shè)備使用壽命，保證科室正常運(yùn)作，不受停機(jī)維修的影響。

SNR與圖像均勻度是MRI質(zhì)控檢測的重要參數(shù)，均與MRI圖像的質(zhì)量高低密切相關(guān)，也是日常必須定期檢測的重要參數(shù)之一。目前，SNR與圖像均勻度的測算多采用手工測算，不但過程繁瑣耗時(shí)，而且測算結(jié)果容易受到檢測者主觀因素影響，若測算人員發(fā)生更替，其連續(xù)性意義也將受到影響。同時(shí)，觀察者內(nèi)和觀察者間的差異也不可避免地會(huì)影響質(zhì)量評(píng)估結(jié)果的重復(fù)性。自動(dòng)化的參數(shù)測算可以從一定程度上解決上述困擾。因此，本文基于Matlab平臺(tái)，設(shè)計(jì)自動(dòng)檢測算法，實(shí)現(xiàn)對(duì)MRI質(zhì)量控制SNR和圖像均勻度參數(shù)的自動(dòng)評(píng)價(jià)和分析，使MRI質(zhì)量控制檢測工作更智能高效。

在SNR的測算中，信號(hào)與噪聲的測量一直以來都是一個(gè)復(fù)雜的課題。其中，由于噪聲項(xiàng)處于計(jì)算公式的分母位置，因此所測量到的微小的噪聲差異，會(huì)很大程度地影響最終的SNR值，因此在算法設(shè)計(jì)中提高對(duì)噪聲的測量精度尤為關(guān)鍵。目前國際使用較廣泛的標(biāo)準(zhǔn)包括ACR[3]的單一圖像采集法SNRACR=S/σair、美國電氣制造業(yè)協(xié)會(huì)（National Electrical Manufacturers Association，NEMA）標(biāo)準(zhǔn)[16]的兩幅圖像法，國內(nèi)標(biāo)準(zhǔn)[4]中SNR的測算方法為 ：SNR國內(nèi)=（Smean-Sair）/σair。許文輝等[17]對(duì) 3 種方法的測量結(jié)果進(jìn)行對(duì)比研究發(fā)現(xiàn)，所測得的SNR值從大到小分別為：SNRNEMA、SNRACR、SNR國內(nèi)。這是因?yàn)镾NRNEMA側(cè)重評(píng)估本底噪聲，在兩幅圖像相減時(shí)，消除了系統(tǒng)的結(jié)構(gòu)噪聲；而SNRACR選取多個(gè)背景ROI計(jì)算噪聲的標(biāo)準(zhǔn)差，將結(jié)構(gòu)噪聲納入考慮；需要注意的是，SNRNEMA及SNRACR在定義噪聲值時(shí)，都忽略了隨機(jī)熱噪聲的影響；而SNR國內(nèi)同時(shí)引入隨機(jī)熱噪聲及結(jié)構(gòu)噪聲雙重因素，可能會(huì)對(duì)噪聲值產(chǎn)生過估計(jì)，最終使得SNR值降低。同時(shí)，與SNR國內(nèi)相比，SNRNEMA及SNRACR在測量結(jié)果的精確性及重復(fù)性方面，具有明顯優(yōu)勢，二者不存在明顯統(tǒng)計(jì)學(xué)差異，可以相互替代，但由于SNRACR僅需要獲取一次圖像，操作簡便、易于執(zhí)行，因此從實(shí)用性角度上更具優(yōu)勢。

圖像均勻度是測量MRI系統(tǒng)在相同的強(qiáng)度下描繪體模均勻區(qū)域的能力，不均勻通常與主磁場或射頻磁場不均勻、渦流補(bǔ)償不足、梯度脈沖校準(zhǔn)欠佳以及穿透效應(yīng)等因素有關(guān)，如果圖像均勻度指標(biāo)達(dá)不到檢定標(biāo)準(zhǔn)時(shí)，應(yīng)逐一排除各項(xiàng)因素，以查找圖像均勻度下降的原因[18]。

通過對(duì)上述問題的綜合考量[19-20]，本研究使用ACR體模進(jìn)行掃描，Matlab圖像處理功能對(duì)SNR及圖像均勻度進(jìn)行自動(dòng)化評(píng)估。研究結(jié)果顯示，對(duì)SNR及圖像均勻度的自動(dòng)化評(píng)估結(jié)果與人工測算結(jié)果具有良好的一致性。

需要注意的是，在對(duì)體模進(jìn)行掃描過程中，體模的準(zhǔn)確定位十分重要，否則將可能出現(xiàn)偽影或產(chǎn)生錯(cuò)誤的圖像識(shí)別，影響后續(xù)測量結(jié)果。在圖像評(píng)估單元，對(duì)圖像進(jìn)行合理的二值化閾值選取也十分關(guān)鍵，本研究所采用的是自動(dòng)獲取閾值的方式進(jìn)行圖像二值化。

本研究的局限性主要體現(xiàn)在兩方面：① 在體模擺放及最終掃描時(shí)，無法避免人為因素所造成的標(biāo)準(zhǔn)掃描層面與實(shí)際掃描層面的偏倚，而這種差異將擴(kuò)大測量結(jié)果變異系數(shù)范圍[21]；② 所使用的算法程序?qū)atlab平臺(tái)依賴性強(qiáng)，它要求用戶必須安裝該軟件，然而該軟件占用內(nèi)存大，在普通設(shè)備上進(jìn)行安裝使用往往影響設(shè)備的運(yùn)行速度，因此限制了它的推廣。但總體而言，基于Matlab平臺(tái)的自動(dòng)化評(píng)估算法易于實(shí)現(xiàn)，應(yīng)用本研究所使用的設(shè)計(jì)算法不僅大大減少了參數(shù)評(píng)估時(shí)所需的時(shí)間，且所得到的自動(dòng)化評(píng)估結(jié)果與人工測算具有較高的一致性，對(duì)于質(zhì)量管理常態(tài)化工作的實(shí)現(xiàn)具有促進(jìn)作用。