CT 技术演进与图像重建

医学影像技术体系 · 第 13 卷 / 共 44 卷

从滤波反投影到人工智能重建

本卷导读

梳理 CT 五十年来的技术路线与关键节点，系统讲解滤波反投影、迭代重建与人工智能重建的原理、性能与临床取舍。

知识结构

1. CT 技术路线与未来方向
   • 高速、低剂量、深度学习、多能量：CT最新进展与未来
   • 未来CT的三个关键词：个性化、功能性和精准成像
   • RSNA 2022丨CT技术最新进展
   • CT技术最新进展：初学者入门
2. 历史回顾与行业观察
3. 图像重建：FBP、迭代与人工智能
   • CT图像重建：FBP，迭代重建与人工智能
   • CT图像重建的发展：从滤波反投影到人工智能
   • CT图像重建算法的基本原理
4. 心血管成像的技术突破
   • 心脏CT研究新进展
   • 心血管疾病评估新参数
   • 面壁十年图破壁丨如何突破心脏CT成像的时间壁垒

---

CT 技术路线与未来方向

1. 高速、低剂量、深度学习、多能量：CT最新进展与未来

计算机断层扫描（Computed Tomography，CT）的出现已经彻底改变了放射学，而这场革命仍在继续。现代CT系统从单纯的头部扫描仪开始，如今可以在几秒钟内完成各向同性分辨率的全身检查、全器官灌注和高时间分辨率的心脏CT成像。

CT有着悠久的历史（关于CT历史的更多内容，可以参见：回望：CT五十年（1968-2018）），由于技术上的显著进步，CT是当今临床上最常用的断层成像方法。

近年来，CT技术的发展已经从提高机架转速、增加探测器排数、提高X射线球管的性能，转向潜在的颠覆性技术，如光子计数探测器，用以提供更高空间分辨率，更低图像噪声，多能量成像功能以及用于图像预处理的机器学习算法。

商用高端CT系统接近硬件的物理极限，尤其是探测器，球管和机架：Z轴方向上的最大探测器宽度保持在16cm。机架旋转时间几乎保持不变；现在只有一个具有短球管探测器几何结构的专用心脏扫描仪可以更快地旋转0.01s。2014年全身CT系统宣布的0.2s转速仍然是一个希望。设置低至70 kV的低kV扫描模式已变得广泛可用，现在可以将90或100 kV视为新标准。

另一方面，辐射剂量减少技术的重大进步，例如亚mSv心脏CTA或0.2 mSv胸部CT，使该技术在大规模筛查试验中具有吸引力。

每个主要CT供应商都提供双能或多能CT技术，最近又提出了多种临床应用。机器学习算法将用于各种任务，图像重建，运动校正，个体辐射剂量计算，最后筛选病理数据集，并提供一些诊断建议。

今天的高端CT系统在Z轴方向上有192到320个探测器排列，最大探测器宽度在等中心位置（表1）为16cm。

16cm的探测器宽度是不动床静态或动态全器官成像（大脑、心脏等）的优势与散射增加、锥束伪影、足跟效应的缺点以及因大锥角而在空间分辨率和图像噪声之间权衡而产生的折衷方案。

如果16cm的探测器全部使用，主要采用序列扫描模式。东芝推出了第一个采用这种探测器阵列的系统（Aquilion One，2007），通用电气也沿着这条道路，在2013年RSNA推出了16cm的探测器的CT系统（Revolution CT）。

2018年RSNA上公布了一个专用的心脏CT系统（CardioGraph;GE Healthcare/Arineta），其在X-Y轴方向上最大视野为25或16cm，探测器宽度为14cm。与双源CT系统（西门子）相比，该系统也配备了两个球管，但两个球管在X-Y平面上位置相同，并使用一个探测器阵列接收信号。这种“立体CT”技术旨在减少宽探测器的锥束伪影，并寻求更好地利用所施加的X射线剂量。

所有探测器宽度大于8厘米的CT系统都有一个共同点，即它们仅以序列模式使用整个探测器宽度。如果扫描范围超过探测器宽度，则应用螺旋扫描模式，该模式仅使用中央部分的探测器以最大程度地减小过度照射（overbeaming）（例如，对于Aquilion One系统，螺旋扫描使用64x0.5 mm）。

因为心脏CTA现在可以在大多数高端CT系统的一次心跳内完成，所以更多探测器排列的主要驱动力之一已经消失。离心力在物理上限制了机架更快旋转的速度，尽管GE在2014年承诺将旋转时间缩短至0.2s，但这尚未实现。目前，CT的最快转速是0.24s （CardioGraph），它的源轴距（source-axis distance，是指探球管到机架旋转轴的距离）仅为45cm，因此对于给定的离心力可以更快地旋转，该系统的缺点是机架孔径较小，视野有限，限制了其在心脏和中心血管的应用。

不同于传统的CT系统（左）那样使用一个X射线球管，可以将X射线束限制在所需的FOM（field of measurement）。这种方法通过按视图方式（中间）在两个纵向良好分隔的X射线焦点之间进行切换，减少了对锥束伪影的脆弱性和所需探测器的宽度。GE/Arineta的CardioGraphe的几何结构（右）缩短了25%，以提高X射线球管的功率效率并实现更紧凑的系统。重要的是要知道，与使用2个X射线源相隔90度并因此获得四分之一旋转时间的时间分辨率的双源CT系统相比，该系统仍然需要机架旋转一半进行图像重建，因为它的X射线焦点安装在XY平面的相同角度。

先前详细讨论过的X射线管设计和技术原理仍然有效：为了更快地扫描，更重要的是，在应用低千伏扫描协议时，减少X射线照射，需要更高的X射线管功率（表1）。

要在足够短的扫描时间内使重症患者的胸部、腹部或主动脉CTA进行CT扫描，以使患者舒适地屏住呼吸，就需要更快的转速和移床速度，因此需要更高的球管输出。典型的最大球管功率约为100 kW或更高。由于在过去的几十年中扫描时间显着减少，因此最新一代的X射线球管（Vectron，Siemens）已针对非常短的曝光时间内的高曝光水平进行了优化。不同供应商对比，可以发现最大球管功率的显著不同。

更高的管功率并不意味着更高的患者剂量，相反，它可能是显着降低患者剂量的措施的基础。

用100kV和Sn滤过扫描胸部，使胸部CT在常规胸片（有效剂量<0.2mSv）的曝光水平下成为可能，非常适合未来的筛查项目。

如在一些西门子CT中使用的0.4mm的Sn过滤器，可以吸收所有发射光子的大约90%，因此球管输出的管电流需要很高，以在探测器端产生适当的信号（关于能谱纯化技术的原理及更多内容请参见：能谱纯化技术的基本原理与临床应用）。

需要高管电流输出的另一个原因是，不仅在小体型患者中，而且在整个患者队列中，包括较大的高体重指数患者，也需要使用低管电压扫描协议进行快速扫描。

在许多应用中，在低管电压下扫描可增加碘对比度，并允许减少对比剂用量。选择低管电压是减少X射线辐射和对比剂用量的有力工具。100kV已经成为CT扫描仪上的新成像标准，它提供了过去120kV的足够的管电流输出。

几年前，西门子开始提供从70到150kV的10kV级管电压选择，但与此同时，其他CT供应商至少针对低kV值采用了这一特性。

如果以相同的空间分辨率（这里指X射线束的宽度）进行比较，阳极角较小的球管（左）允许更宽的电子束，因此比阳极角较大的宽锥束扫描（右）的球管功率要大得多。随着球管功率的增加，可以使用更厚的前置滤波器（左），并且可以使用更少的X射线剂量。

X射线球管的输出也受系统锥角的影响，锥角与探测器排数有关。

X射线球管的阳极角必须随着CT系统的锥角而增大。然而，较大的阳极角意味着电子束的消磁作用较小，为了获得相同的空间分辨率，必须在Z轴覆盖范围更宽的系统中使用更窄、进而功率更小的电子束，以避免阳极熔化。然而，较低的X射线功率限制了辐射剂量减少的可能性。

通用电气在2018年RSNA上宣布了一种新的Quantix 160 X射线球管，可在Revolution Apex中使用，即使在大锥角和阳极角情况下为16cm探测器提供在70kV和80kV下的1300mA的管电流。可以预见，在具有较小锥角的下一代X射线球管中，甚至可以期望更高的管电流值。

CT探测器技术的最新发展涉及探测器元件更小的探测器和光子计数探测器原型。

采用传统探测器技术的CT扫描系统使用0.5 mm、0.6 mm或0.625 mm厚的单排探测器宽度和横向类似的像素尺寸（表1）。唯一的例外是佳能新推出的Aquilion Precision，其中超高分辨率（UHR）探测器的像素尺寸为0.25x0.25mm（按等中心位置计算）。较小的隔板确保了仍然可以接受的几何效率。与较小的焦点一起，该系统能够提供更高空间分辨率的CT图像。这项技术不同于西门子推出的UHR模式，后者在探测器阵列前引入了UHR梳状或栅极，以提高空间分辨率。

如果使用来自较小探测器元件的数据在给定分辨率下进行图像重建，则图像噪声会降低。这种效果（图像噪声降低10%-20%）最近在光子计数探测器系统中得到了报道；使用传统探测器材料的佳能系统也有类似的效果。除了较小的探测器元件外，建议使用较高的矩阵（高达1024而不是512）进行图像重建（表1）。

在不久的将来，传统的CT探测器技术，即X射线被间接转换成电信号，可能会被直接转换器所取代。这些直接转换器是基于半导体，直接将X射线光子转换成电流。单个X射线光子产生的信号短到可以在下一个光子到达之前衰减，因此可以对单个光子进行量化。为了避免在第一个光子的信号尚未衰减的情况下进一步到达光子，这种情况称为“堆积”，光子计数探测器的像素通常比传统探测器的像素小，每个信号下的面积与入射X射线光子的能量成正比在将此区域转换为高度之前，在分析之前对电脉冲进行平滑处理，然后与阈值电压进行比较通常2到4个阈值被构建到一个像素中，因此可以分离多达4个能级（或能量箱）。光子计数探测器应比传统探测器具有多个潜在优势：

由于统计上的最佳能量箱加权的可能性，噪声更小。如果以较低的空间分辨率重建小像素数据，则噪声较小。像素更小，空间分辨率更高（避免重叠）。减少噪声总是可以与更积极的剂量减少相平衡。由于计数的处理是纯数字的，因此可以根据需要回顾性地使用上述特征。这意味着不再需要特定的高分辨率或双能量协议，因为这些信息可以从原始数据中追溯得出。

在比较了使用常规探测器阵列的CT系统和具有匹配成像参数的台式光子计数探测器CT对低对比度体模的扫描。

光子积分和光子计数探测系统的图像质量和对比度分辨率的比较。当在相同的MTF和相同的剂量下工作时，光子计数探测器的图像质量明显优于传统的CT探测器。

虽然存在许多台式实验，但只有一个带有光子计数探测器的全身CT系统可以用于人体的扫描，目前在全球范围内进行了3处安装（梅奥诊所，罗切斯特，明尼苏达州；NIH临床中心，贝塞斯达，马里兰州；DKFZ，海德堡，德国）。该系统具有双源CT扫描架，该扫描架带有一个常规探测器和一个光子计数探测器，后来使用CdTe传感器材料。

光子计数探测器CT原型系统提供了几种不同的读出模式，它们在空间分辨率和能量箱数量上有所不同。该图显示了一个像素的布局，该像素被分成4乘4个子像素，从中将相同颜色的子像素合并（添加计数），然后再读出。这些子像素中的数字表示能量箱编号。例如，“ 12”表示可以同时读取箱1和箱2。锐利模式是高分辨率和低分辨率像素的组合，因此在此插图中需要2个面板。

它在4种不同的探测器模式下工作，其中锐利和UHR模式是最通用的。然而，由于数据传输速率的限制，这种通用性是以降低原型系统的Z轴覆盖率为代价的。这样的约束或折衷对于原型CT系统是合理的。鉴于传统CT检测器的高度成熟性，令人印象深刻的是，一项非劣质性研究证明CounT与最新的临床CT系统一样出色。

在宏模式（iso中心为0.5 mm像素大小）和锐模式（iso中心为0.25 mm）下使用匹配剂量（CTDIvol）扫描猪腿。用标准的b60f卷积核（f表示z轴飞焦点）以匹配的分辨率重建。因为在锐利模式下使用较小的像素，所以图像的噪声较小。使用更尖锐的卷积核（b80f和s80f）重建，以获得锐利模式的分辨率限制。这里，分辨率不匹配宏模式图像的重建使用增强卷积核来提升清晰度。

特殊的光子计数检测器模式可以读取宏像素或较小的子像素，从而可以很好地展示较小像素（较大的空间分辨率或较低的噪声）相对较大像素的优势。传统探测器与光子计数探测器CT之间图像分辨率的直接比较。

两次头部扫描的冠状位重建（1024矩阵，0.15mm层间距），显示耳蜗，其中包括具有像素噪声值的ROI。上部3幅图像：光子计数探测器扫描（24.2mgy CTDI）重建不同的卷积核和层厚。底部：能量积分探测器扫描（6.8 mGy CTDI）。最后两个图像在x，y和z中具有相同的MTF。由于两次扫描的剂量不匹配，因此像素噪声无法直接比较。在相同剂量下，能量积分扫描的噪声为75 HU，因此比相同空间分辨率下相应光子计数探测器扫描的48 HU高得多。由德国癌症研究中心的Monika Uhrig博士和海德堡大学法医学研究所的Sarah Heinze博士提供。C = 1000 HU，W = 3500 HU。

管电流自适应的技术基础可以追溯到1981年管电流角调制（TCM），该技术可以导致15%到50%的剂量减少，取决于x-y平面的解剖区域。实时TCM计算不仅减少了患者的曝光剂量，还使噪声分布更均匀，从而提高了图像质量。

平面TCM的逻辑发展是纵向的或Z轴的。与考虑平面内不同衰减的角度调制（例如，横向投影与肩部水平的前后投影）类似，纵向TCM旨在均匀化噪声，同时考虑胸部与腹部或骨盆的不同衰减。采用基于原始数据或衰减的实时调制算法，实现了不同的解决方案。

自动曝光控制类似于一组包含（三维）TCM的算法，其目的是在从定位图衍生的一系列患者尺寸上提供预定义的图像质量，对于大体型患者增加CTDIvol，对于小体型患者减少CTDIvol。

因为自动曝光控制算法假设病人处于等中心，所以摆位时患者位置处于孔径中心非常重要（关于自动管电流调制技术的更多内容参见：自动管电流调制技术的原理和使用注意事项）。为了优化患者的位置，引入了一种吸顶式三维摄像系统，该系统可以识别患者的位置并相对于机架坐标进行优化。

如果扫描范围超出了定位图的范围，则CT系统可以使用最大或最小的mAs设置，或者介于两者之间（标准mAs设置或最后计算位置的mAs设置）之间的不同行为。目标图像质量的预测也不同，一种方法是使用参考标准患者的设置，而其他方法使用噪声指数。

随着更强大的X射线球管的实现，低千伏扫描变得实用并日益普及。增大的碘衰减既可以用来减小对比剂的体积，也可以用来减少辐射的暴露（通过更高的对比度来补偿更高的图像噪声），或者两者兼而有之。

自动选择管电压和管电流调制技术，利用病人的衰减信息并考虑计划的检查类型，将这项技术推广到日常应用中。根据检查类型、患者大小和低电压下的管电流，已报告剂量减少10%至30%。

然而，新的高性能X射线球管的可用性，可以在较低的管电压下提供非常高的管电流，将导致更高的剂量减少。对于儿科CT血管造影，已报道头部的剂量减少高达70％，胸部的剂量减少了77％，腹部/盆腔的剂量减少了34％。

对于某些协议，还使用了附加的前置滤波器，以从低kV光谱中去除不需要的低能射线，以使图像质量最优化，并使患者的剂量降至常规X光平片水平。

滤波反投影在图像重建中的抑制作用越来越被迭代图像重建技术所取代，它们的设计目的是显著降低图像噪声，并在一定程度上减少图像伪影。

这是通过在重建算法中添加先验知识并改进用于迭代图像重建的正向模型来实现的，该模型可以例如还包括真实的射线轮廓或正确的光子统计信息。

迭代重建可以分为两类：图像后处理类型的算法（AIDR 3D，ASIR，IRIS和iDose）以及能够通过原始数据域进行一次或多次迭代的算法（FIRST, ASIR-V, Veo, SAFIRE, ADMIRE, IMR）。

低剂量（LD）CT协议和迭代重建算法（特别是在原始数据域中迭代的算法）在降低噪声和恢复图像质量方面显示了它们在各种临床环境中的潜力。

以胸部CT为例，由于各种原因，LD技术是一种非常有前途的应用：它是一种相当频繁的检查，对辐射敏感的器官都在扫描范围内，并且存在很大的解剖衰减差异。

超低剂量（ULD）CT的剂量水平与常规胸部X线相当。ULD这个术语没有明确的定义；在本章，它被定义为小于0.2 mSv的CT检查，大体上是参考了正侧位胸片的剂量水平。

Hu Wang等的研究显示，在淋巴管平滑肌瘤病患者中，胸部CT辐射水平为0.14 mSv（0.10-0.20 mSv）的MBIR提供了与标准剂量CT相似的囊肿定量。在一项对囊性纤维化（CF）患者的研究中，Ernst等人报告了常规（儿童<18岁的平均估计有效剂量，0.52 mSv；成人，1.12 mSv）和ULD（儿童，0.04 mSv；成人，0.05 mSv）胸部CT的Bhalla评分相似。但也存在一定的局限性，文章所示的ULD病例图像质量明显低于常规CT。Villanueva-Meyer等人证明，小儿ULD胸部CT可能足以排除呼吸道异物，但对评估实质性肺病的价值不太理想。

Nagatani等人在83名患者队列研究中评估了ULD胸部CT对结节的检测能力，这些患者在一次就诊中连续接受了3次不同剂量设置（120kV，0.35s/rot，240[常规剂量；参考值]/120[LD]/20[ULD]mA；ADIR3D）的CT扫描。他们的ULD方案的平均有效剂量比我们前面的定义略高（0.29 mSv）。他们可以证明，ULD和LD在评估大于3mm的实性结节和大于8mm的磨玻璃结节时的表现相似。在类似的情况下，Katsura等人没有发现LD-ASIR和ultra-LD MBIR在毛玻璃不透明度、部分固体或固体结节的总体敏感性方面存在显著差异。Kim 等报告了100%采用LD方案（平均有效剂量，1.06±0.11 mSv）、96%采用ULD-1方案（平均有效剂量，0.44±0.05 mSv）和88%采用ULD-2方案（平均有效剂量，0.31±0.03 mSv）的检查的整体图像质量分级诊断。所有具有非诊断质量图像的患者的体重指数均大于25。需要进一步的剂量发现研究，以确定在不影响肺癌筛查项目的各种不同CT系统的病变检测的情况下，最低辐射暴露的方案。

最近，一系列新的基于深度学习的图像重建算法被公布（表2）。由于这些算法不仅可以被视为剂量减少方法，还可以被视为提高图像质量和减少伪影的方法，因此将在下一节讨论它们。

随着神经网络，尤其是卷积神经网络（CNN）的普遍成功，深度学习已迅速进入医学成像领域。卷积层的内在属性利用了图像数据中存在的局部相关性。几个（线性）卷积层和非线性层的组合实质上使它们成为可以普遍近似任何函数的多参数函数。CNN具有可以将有噪声的CT数据映射到降噪数据的功能。它也可以是将带有伪影的CT数据映射到伪影减少的CT数据的功能。这种通用逼近函数的开放参数数量达到数百万或数十亿，需要使用大量数据进行训练。

在训练期间，这些网络学习CT图像的典型特征，并学会避免在此类特征边界上进行平滑处理以避免空间分辨率损失。AI网络学习到的各种功能有望使它们比使用手工先验（总变化最小化，边缘保留先验等）的迭代恢复或重建技术强大得多。训练网络以降低噪声的最简单方法是提供LD图像作为输入，提供同一患者的高剂量图像作为输出。可以通过在原始数据（虚拟数据）中添加噪声来模拟LD图像。

另一种方法是无监督网络，不需要匹配的数据对（输入-输出）进行训练。这些所谓的生成对抗网络（GAN）和条件GAN（cGAN）是当今最流行的无监督方法。简而言之，对生成器进行训练以从LD图像生成高剂量图像，而对鉴别器进行训练以在虚拟高剂量图像和实际高剂量图像之间进行区分（例如，来自不同扫描或不同的患者）。使用GAN方法，训练不一定需要成对的训练数据即可实现有效的降噪。

关于商业实现只有很少的细节。佳能的AiCE方法似乎在以FBP作为输入的LD图像和以佳能迭代重建算法作为输出的高剂量图像上进行训练。

采用FBP，图像迭代重建，全迭代重建，深度学习的迭代重建的0.35mSv肺扫描。

目前只能推测GE算法的真实逼真度：Ziabari等人和在2018年底的会议上发表的GE集团的其他类似参考文献讨论了一种神经网络，该神经网络将FBP图像转换为使用GE相当慢的迭代算法Veo（也称为MBIR）重建的图像。为了提高收敛性，深度学习算法输出残余Veo减去FBP，然后将其添加到FBP图像。讨论了算法的二维，2.5维和三维变化，其中2.5维版本是计算速度和图像质量之间的最佳折衷方案。基本上，佳能和GE深度学习算法都是图像恢复，而不是图像重建，因为它们是将有噪声的图像转换为降噪的图像。

这种基于深度学习的图像重建算法在临床实践中的影响仍然有待证明。

基于卷积神经网络的金属伪影减少（MAR）方法已被提出，但尚未证明这些算法优于传统算法，如NMAR和变量。取而代之的是，CNN的一种方法建议通过深度学习来组合多个MAR算法的图像。

深度学习也可用于散布估计。深度散射估计是基于蒙特卡罗散射估计的一种高效计算替代方法；尽管参考标准需要几分钟或几小时来计算X射线散射，但是深度散射估计的执行时间不到一秒钟，并且也适用于严重的数据截断的情况。

这同样适用于估计剂量分布，该剂量分布可用于更准确地计算剂量和风险，还可用于设计更有效的剂量扫描方案。

蒙特卡洛需要几个小时，而深度剂量估算只需几秒钟即可完成。

实时剂量分布估算。给定CT图像和光效应剂量分布，深度剂量估算可在几秒钟内准确估算出全剂量分布（包括来自康普顿和瑞利散射的剂量贡献）。

大多数成像方式都会受到患者运动的影响。虽然更宽的探测器阵列、更高的机架旋转速度和双源技术大大缩短了采集时间，但单源系统的时间分辨率约为125ms，双源系统的时间分辨率约为63ms，这可能仍然不够快，无法完全冻结心脏运动。在50mm/s及以上的速度时，残余运动模糊可能出现在不可忽略的心脏CT检查中。

获取目标相位之外的图像，例如，目标相位前后10%的图像允许估计心脏运动，一旦运动已知，就可以执行解释该运动的重建。Snapshot freeze（GE Healthcare）就是这类算法的一个例子。利用此类数据冗余（超过180度的数据）的其他方法在原始数据域中运行。

如果没有其他可用数据，并且只能重构单个图像，则可以分析伪影来估计运动。最大化局部清晰度的一种解决方案是最小化熵。该算法通过局部选择运动方向和速度，获得熵最小的图像，并可能与阳性约束条件相结合。MAM和PAMoCo是这些方法算法的示例。

显示了PAMoCo算法的示例：重构了部分角度图像（图示中为3个，在实现中通常大于10个），并且在这些图像被组合之前（通过求和），计算运动向量，当根据这些向量在组合之前移动图像时，产生最小熵图像。

运动补偿可以显著改善心脏成像。PAMoCo算法使用部分角度图像（时间分辨率约为10ms）来估计运动矢量（红色箭头），当应用时，会产生较少伪影（熵）的图像。在图中，重建3个部分角度图像（在实现中通常大于10个），并且计算运动向量，其在组合之前根据这些向量移动图像时产生最小熵图像。

双源系统的引入使双能CT（DECT）这一古老的概念焕然一新。并且，DECT由所有主要CT制造商提供DECT在临床上有不同的实现方式：双源、kV快速切换、双层探测器、两次扫描和TBDE技术。

所有的方法都有其优点和缺点：双源系统能很好地分离光谱和mAs调制，这种方法视野有限，时间偏移最小，散射校正更复杂，最后但同样重要的是需要第二个X射线球管，这增加了系统的造价。

飞利浦的方法是使用单球管但2个探测器层，顶部是基于钇的石榴石闪烁体，底部是氧化钆闪烁体。这是方法理论上可以对DE后处理进行追溯，并且在两个数据集之间没有任何时间延迟。在实际应用中，更高的管电压有利于改善光谱分离。与其他DECT实现方法相比，追溯使用DE的选项具有很大的优势。与其他实现方法相比，双层技术的代价是光谱分离的减少。

光子计数探测器可以在单个探测器层中分辨出2个或更多的能量窗，因此本质上适合于双能或多能CT应用。它们还受益于回顾性方面，因此允许按需使用光谱信息，而不管扫描协议如何，前提是以最佳方式设置管电压和前置滤线器即可。

DECT的各种临床应用已经在体内外得到了发展和评估，其中虚拟平扫成像、自动骨去除、肾结石成分分类、痛风成像、MAR以及心肺应用最为丰富。虚拟单能成像（VMI）可用于减少骨科硬件中的金属伪影，但在双侧假体植入的患者中，VMI被认为不如iMAR算法。VMI的另一个实现是优化CTA中的碘增强，可以用来减少对比剂的体积，用次优的血管增强恢复CTA，或者从门静脉期采集中创建虚拟的动脉期图像。VMI有可能减少辐射或对比剂的暴露。

随着keV的增加（上行从左到右：45、70、100、150 keV；W/L=600/150 HU），碘含量降低。混合120kV等效图像，虚拟平扫图像，碘图，最佳对比度图像（下行从左到右）。“最佳对比度”图像结合了来自低能图像的高衰减值和来自高能图像的低噪声（W/L=300/40HU）。

新的探测器概念将提供更高的平面内分辨率，并且能够在与传统平片相当的剂量水平下进行CT扫描，为筛选程序开辟了新的视野。用于各种任务（图像重建，预处理，注释甚至分析）的机器学习算法正在激增，并将极大地改变我们的日常工作。

2. 未来CT的三个关键词：个性化、功能性和精准成像

戈弗雷·霍恩斯菲尔德（Godfrey Hounsfield）是一位在电气和音乐工业公司工作的生物医学工程师，他和非洲裔美国科学家科马克共同发明了计算机断层扫描（CT）扫描仪（更多内容参见：回望：CT五十年（1968-2018）），从而为当时无法预见的现代医学做出了非常重要的贡献。没有CT成像，今天的诊断将无法想象。

如今的CT成像包括了十年前不存在的新维度，比如心脏CT（主要是由于高空间分辨率）和功能成像（主要是由于双能量和灌注应用）等等。以往，CT的发展是由探测器排数的增加和更高的转速以及X射线管功率的提高推动的，而最近的CT成像创新则集中在为患者提供个性化（即以患者为中心和个性化）成像、精准成像和功能成像方面，为优化和更快的患者分类、改进治疗以及最终更好的患者预后开辟道路。

剂量登记、自动曝光控制和新的图像质量指标。随着CT使用率的不断提高，以及公众对健康生活方式认识的不断提高，CT中辐射剂量的优化已成为厂商和放射界关注的焦点。剂量跟踪软件和全国剂量登记系统已经推出，旨在跟踪、基准化和均匀化患者和人群层面的CT辐射剂量。考虑到各机构和国家的辐射剂量水平的变化，需要均一化。最近的一项多国研究比较了200多万次CT扫描的辐射剂量，发现标准腹部CT的有效剂量范围为4倍，大剂量CT的有效剂量范围为17倍。有趣的是，这些变化主要归因于有关扫描参数的机构选择，而非CT扫描技术，这表明，如果现有的CT技术以一种优化和标准化的方式应用，辐射剂量的均一化应该是可能的。

自动管电流调制（ATCM）、低管电压扫描和自动管电压选择（ATVS）已成功地建立为工具，以保持ALARA原则应用在CT成像中。在ATCM中，通过实际扫描的身体区域的衰减，在x、y和z轴上根据从定位图估计的患者大小调制管电流，并通过用户预定义的所需图像质量的设置进一步修改。

自动管电流调制旨在优化和均一化x-y平面（例如，肩部水平的侧位和前后位投影之间）和z平面（例如，衰减较小的胸部和衰减较大的骨盆之间）的衰减差异。应用该技术时，辐射剂量可以减少22%至68%。

在ATVS中，定位图以类似的方式用于计算患者在z轴上的衰减剖面。用户必须根据临床适应症（如平扫、实质增强成像、CTA等）定义所需的对比噪声比（CNR）值。然后为每个可用的管电压计算管电流调制剖面，以达到用户预定义的CNR值。然后软件选择辐射剂量最小的管电压。管电压的选择很大程度上取决于实际CT扫描仪的球管功率：功率越高，选择的管电压越低，因此，相应检查的辐射剂量也越低。先前的几项研究已经报告了剂量减少的可能性在13%到77%之间，这取决于患者的特征和所调查的身体部位。

许多国家已经建立了诊断参考水平，以跟踪和指导特定成像检查的辐射剂量水平（中国标准参见：CT辐射剂量相关知识入门）。来自剂量登记册的数据可用于定期更新诊断参考水平，以反映CT技术的进步。然而，单独的辐射剂量不能完全反映CT扫描的有效性，因为它与图像质量和诊断率无关。争取最低辐射剂量的竞争暴露了降低病变可检测性的风险，这可能会对患者的预后产生负面影响。在肝脏CT中，减少辐射剂量是一个特别具有挑战性的问题，因为在减少辐射剂量的情况下，病变的可探测性已经降低。挑战性的问题是如何预测最小辐射剂量，以保持对特定患者的特定任务的诊断准确性。回答这个问题的第一步是将辐射剂量与图像质量和诊断准确性联系起来。这种所谓的基于任务的图像质量评估是对CT图像质量评估的一种范式转变：图像的评估是基于其在特定诊断任务方面的表现，而不是基于其显示“好”的程度。一种很有前途的基于任务的图像质量度量，可检测性指数d'，最近在临床研究中提出并得到验证，一项研究表明，d'可以反映肝转移瘤临床CT扫描的病变检测和图像质量感知。需要在这一领域进一步努力，在国家剂量登记册中实施d'或类似指标，以增加以患者结局为中心的方法来解释和基准化辐射剂量。

不同代的迭代重建（IR）算法作为传统滤波反投影的一种替代方法已经发布。供应商已经引入了不同的混合和基于模型的迭代重建，它们的特点是各自的优势以及在降低噪声和重建速度之间的权衡。据报道，根据人体区域和参考剂量，辐射剂量减少了23%至76%。使用IR减少辐射剂量对胸部CT和CTA特别有益，但对腹部CT的低对比度任务效果较差。在这里，当使用IR进行积极的剂量减少时，检查的诊断率可以降低。

基于人工智能（AI）的图像重建，也称为深度学习重建或恢复（DLR），是图像优化领域的下一个有希望的创新。在DLR中，利用CT扫描仪和扫描对象（即病人）的物理特性，以及大量临床CT图像样本，训练一种去除原始数据噪声或预测丢失图像信息的算法。在低剂量CT图像上训练，卷积神经网络被证明有潜力生成全剂量CT图像，早期临床研究报告显示，与IR相比，腹部CT和冠状动脉CTA的图像质量有所改善。

深度学习重建或恢复也可用于预测CT扫描中丢失的信息，因为在CT扫描中，有意获得的投影较少。这种欠采样图像数据采集技术也称为稀疏采样CT。深度学习重建或恢复可用于产生这种缺失信息，从而潜在地减少辐射剂量。基于预测缺失信息的相同原理，DLR可用于减少金属植入物的条纹伪影。深度学习还显示出生成高分辨率图像的潜力，另一项体模研究报告了DLR与IR相比具有更高的图像噪声、空间分辨率和基于任务的可检测性。

深度学习重建是一种非常有潜力的重建工具，它可以减少重建时间，进一步减少辐射剂量，提高图像质量。然而，卷积神经网络仍然被认为是“黑匣子”，可能以不可预测的方式干扰图像数据。基于无监督学习的DLRs可能会增加或减少图像中的结构和病变，从而导致错误诊断，给患者带来潜在的严重后果。DLRs必须在简洁且适当采样的图像数据上进行训练，以反映在常规临床实践中遇到的复杂程度。为了确保它们在未来的成功和无缝实施，DLRs必须在临床研究中克服这些潜在的安全问题（更多关于人工智能的内容参见：人工智能的炒作之外丨算法背后与可实现的目标）。

最新的CT技术旨在优化和建立扫描准备的自动化流程，以尽量减少人为错误，并使扫描条件均一化。有几项研究报告称，患者偏离中心对图像质量和辐射剂量有很大的负面影响。患者垂直方向偏离中心仅6厘米被证明增加了41%的图像噪声和51%的表面辐射剂量，如果使用剂量调制软件，如ATCM和ATVS，患者的位置尤其重要。最近，一种基于红外线和人工智能算法的三维摄像机被引入到优化病人的位置和扫描范围中。这里，红外摄像机测量病人的身体轮廓，人工智能算法创建病人图像的模型，建议合适的床高。与使用内置激光系统的技术人员手动定位相比，该相机显著改善了患者胸部和腹部CT的中心定位。

另一个受人为错误影响的扫描准备的基本原则是正确规划扫描范围。最近的一项研究发现，80%的胸腹CT扫描范围过大，这一发现在不同的机构中有很大的不同。使用三维摄像机结合人工智能算法，用红外线识别解剖标志，可以用来确定和建议适当的扫描范围，以尽量减少不必要的辐射剂量。

降低管电压与碘衰减增加有关。这是由于当x射线的光子能量在33.2kev接近碘的k边界时，光电效应增强，康普顿散射减弱所致。这种效果可以用来减少对比剂的使用量，同时保持CTA的图像质量。如上所述，ATVS算法通过结合基于身体区域衰减的最佳管电压和管电流，为每个患者提供个性化的管电压选择。使用该算法可以在碘负荷保持不变的情况下，在维持图像质量（即CNR）的同时，对每个患者应用尽可能低的辐射剂量。通过增加管电流，也可以在使用ATVS扫描的患者中使用较低体积的对比剂。这样做，ATVS节省辐射剂量的潜力没有得到充分利用，但是CNR可以保持恒定，并且可以以个性化的方式降低对比剂体积，对每个病人个性化。肾功能减退的患者受益于此类对比剂方案。未来的研究应旨在确定低keV水平下的虚拟单能重建或低kV扫描是否是CTA中优化辐射和对比剂量的首选技术。

75岁男性患者经导管主动脉瓣置换术前肾功能减退（eGFR，36ml/min/1.73m2）和严重主动脉狭窄的CT血管造影。ATVS在该患者中选择了70 kV，对比剂方案因此适应于总体积为32 ml，流速为1.5 ml/s。矢状面最大密度投影（a）和电影渲染（b）显示主动脉高和均匀对比度衰减。

在CT血管造影中，扫描时间是获得良好均匀对比度增强的重要变量，是决定CT血管造影检查质量的决定性因素。然而，鉴于现代CT扫描仪的扫描持续时间较短，并且希望将使用的对比剂剂量减少到必要的最低限度，这项任务仍然具有挑战性。低管电压扫描可以进一步减少对比剂的量。CT血管造影中动脉峰值增强缺失的风险仍然普遍存在。

团注追踪法是目前应用最广泛的一种对比剂注射开始CT血管造影的方法。该技术监测用户定义血管中的对比度增强，并在达到预定和固定延迟时间的阈值后启动扫描。另一种将对比剂注射与扫描开始相协调的方法是团注测试技术。在团注测试技术中，通过使用一个小的对比剂量10至20毫升。此扫描在CT血管造影前评估单个心血管循环，但需要额外的测试剂量CT扫描和增加使用对比剂总量。团注追踪需要较少的对比剂，与较少的辐射剂量暴露相关，并且更省时。

尽管如此，团注追踪仍然存在缺点，包括达到衰减阈值后的固定触发延迟。对于所有患者，团注追踪始终使用相同的固定触发后延迟，并且不考虑单个患者的特定心血管参数。这可以通过在每个患者开始注射对比剂之前需要定义的特定触发延迟来克服，这取决于心血管状态和检查的指示。然而，这会给临床工作流程带来问题，并且需要大量的操作员交互。最近，一种基于人工智能的算法被提出，该算法考虑到每个患者的心血管循环的个体差异，通过对大量患者数据进行曲线与增强曲线的匹配，实时分析患者个体的增强开始时间。然后，实时计算并调整单个患者的触发后延迟，以达到最佳的CT血管造影峰值增强效果。研究参与者计算出，动脉峰值增强的个体触发延迟在6.4到11.3秒之间。这表明，这种算法不仅可以帮助我们个性化对比剂的体积，而且可以独立于心血管情况，为每个患者确定扫描时间。

下次我们继续讨论另外两个关键词：功能成像和精准成像。

放射科医生在临床常规中面临着越来越多的图像和工作量的挑战。然而，在认知诊断决策过程中，CT扫描中只有少数图像信息被实际使用。在医学影像学中，人工智能和深度学习的应用越来越多，这为快速、自动化地分析这些额外的影像信息提供了独特的机会。自动量化不同人体组织，即所谓的人体成分分析，将有可能实现成本效益高的机会性筛查和风险分层，作为对其他适应症进行CT扫描的“一站式”方法。早期的研究显示，通过冠状动脉狭窄的自动评估、自动 Agatston评分计算、和心外膜脂肪定量，心血管危险分层有很好的结果。骨骼肌质量、内脏脂肪组织和骨密度的评估可能为一般人群和合并症患者提供预后信息。器官大小和体积的自动分割可能有助于确定更准确的群体特定大小百分比。在大型多中心研究中，甚至在剂量登记中，未来应用人工智能进行自动化分析，将提供一个独特的机会，在区域甚至全球范围内将疾病和患者结局与身体成分联系起来。

传统上，定量成像仅限于基于灰度的CT衰减测量。自2005年双能CT（DECT）商业化应用以来，CT成像已经从单一的基于灰度的诊断工具逐步发展成为一种功能成像工具，可以对人体内的不同物质进行识别和量化。这种量化将新的成像生物标记物引入临床成像，开辟了疾病特征和治疗反应监测的新维度。近年来，双能CT已经从一种研究工具发展到一种临床上公认的成像方式。它已经在所有的放射学子专业中启用了功能成像，并且最近的出版物已经展示了如何使用来自DECT的附加信息来影响患者的管理和结果。虚拟平扫成像（VNC）、虚拟单能成像（VMI）和材料图（如碘、钙、铁和脂肪）是DECT的主要临床应用。特别是，碘的定量已经作为一种成像生物标志物进行了研究。

在紧急情况下，外伤性出血性脑挫裂伤的碘定量显示与住院死亡率和短期患者预后相关。碘成像已被用作预测缺血性卒中血管内治疗成功后出血风险的潜在影像学生物标记物。为了与外伤性出血性挫伤患者的颅内压管理类型相关联，来自VMIs的图像显示，与动脉内溶解术后常规的非增强CT相比，它们能够更准确地预测颅内血肿的体积，因为它们能够区分碘渗漏和实际情况血肿。基于DECT的钙显像可用于区分钙和出血。X-Map或水肿图已在脑卒中显像中得到广泛研究。这些图描绘了实质性水肿，与VNC和常规平扫CT相比，显示出更精确地测量梗死核心体积。

大脑中动脉闭塞行动脉内血栓清除术后的CT随访。单能CT（a）显示右侧基底节高密度，提示颅内出血。然而，这与介入后对比剂外渗是分不开的。DECT的碘图（b）结合虚拟平扫图像（c）显示仅有碘对比剂外渗而无出血。

在胸部成像中，碘成像可用于量化肺实质灌注，可用于评估灌注缺陷，可用于改善亚节段性肺栓塞的检测。从VMIs获得的图像可用于改善血管混浊和挽救非诊断性CT肺动脉造影扫描。其他成像应用DECT包括心脏显像中心肌灌注的评估；肾上腺损伤和泌尿系结石的特征；血管性、炎症性和肿瘤性肠病的评估；骨骼显像中骨髓水肿和痛风的检测；肝脏脂肪和铁的定量；金属伪影的减少等。

双能CT碘显像作为肿瘤影像学生物标志物具有重要的应用价值。在这里，它可以方便地检测和定性良恶性疾病，并可用于治疗监测和治疗反应评估。以往的研究表明，DECT可用于评估胰腺癌术后局部复发，预测宫颈癌放疗后的临床疗效，或预测立体定向放射治疗后肺癌的复发。碘显像在评估抗血管生成治疗后的治疗效果方面尤其有希望，其目的是减少新生血管，从而降低碘摄取。DECT可用于预测恶性疾病的侵袭性，预测肿瘤分级和评估转移疾病的可能性（更多内容可以参见：双能量CT儿科临床应用进展；双能量CT在胰腺病变中的价值）。

除了在功能成像方面的优势外，DECT已经被证明可以提高基于VMI和碘成像的病灶检测的显著性和可信度。虚拟单能成像由于碘结构的CT衰减增加，为对比剂减少提供了潜力（更多关于单能谱图的应用，可以参见：DECT单能谱图的临床应用）。患者的辐射剂量可以通过重建VNC减少多个指征，这允许省略额外的平扫CT扫描。

考虑到全世界医疗保健系统诊断成像的财政负担越来越重，DECT可以通过减少对额外成像的需求来描述偶然发现而发挥关键作用。

传统的能量积分探测器（EID）基于间接转换过程。x射线光子首先被转换成光光子，然后被光电二极管吸收并转换成电信号。利用反射材料和间隔板反射和捕获色散光子，减小了探测器的几何面积和剂量效率。相反，光子计数探测器（PCD）由直接将x射线光子转换成电信号的半导体组成。不需要反射材料，从而提高了剂量效率。在PCD中，通过比较器电路进一步修改每个像素的读出，比较器电路对达到预定能量阈值的光子进行计数。能量箱可以通过减去这些通道相关能量阈值中2个的计数光子来定义。能量箱的数量取决于比较器通道的数量。光子计数探测器可以理想地同时检测分离能量箱中的光子，理论上减少了能量重叠，改善了光谱分离。与能量谱之间存在相当多重叠的传统DECT系统相比，理想PCD具有更高的剂量效率。与双源或快速kVp切换DECT相比，PCD系统的另一个优点是在每次CT扫描时都能捕获光谱信息。光谱信息在空间上是完全配准的。这两个优点也存在于双层和TBDE滤波器DECT中。然而，与这些系统相反，PCD允许从2个以上的能谱中获取光谱信息。这使得能够同时量化1种或多种k-边界对比剂（如碘、钆或钨），从而允许在单个CT扫描期间将静脉对比剂与口服对比剂或多个对比剂阶段的成像区分开来。在这里，单扫描多相成像有可能大大减少患者的辐射负荷。

首次对PCD原型CT扫描仪（PCD-CTs）进行了体模和动物实验研究，证明了用不同k-边界对比剂进行单扫描多相成像的可行性。动物实验的初步结果显示，碘和钆的单扫描双期肝脏和肾脏成像有很好的结果。PCD-CT不同对比剂同时成像为功能成像提供了一个新的维度，这在磁共振成像或核医学中是不可用的。使用多种对比剂并评估其空间和时间分辨率有助于理解和表征血流实体瘤的动态和肿瘤血管。

光子计数探测器CT与DECT相比具有提高材料定量的潜力。与传统的EID相比，PCD-ctd对碘的定量有了改进。PCD-CT的K-边界成像为治疗后成像提供了潜在的新领域。与传统的DECT相比，PCD-CT可扩展肌肉骨骼放射学中晶体性关节病的诊断。体外实验表明，PCD-CT不仅可以定量尿酸盐，而且可以区分钙化半月板中焦磷酸钙和羟基磷灰石沉积。

然而，早期的PCD系统受到物理效应的影响，这会削弱完美的光谱分离并引入光谱重叠。两个重要的效应是光子电荷共享和脉冲堆积。如果光子击中像素边缘附近的探测器，使某些光子能量分布在相邻像素上，则会发生电荷共享。这里，在每个像素中检测到的能量比真实光子能量低。如果光子被半导体通过光电效应吸收，则可以在离开探测器的相邻像素中检测到二次发射光子，这也导致低能量光子的错误计数。

（a）传统EID和（b）PCD系统的原理图。能量积分探测器基于一个间接转换过程，在这个过程中，x射线光子首先被闪烁体转换成光光子，然后被光电二极管转换成电信号。反射材料用于捕获每个探测器元件内的光子。超高分辨率（UHR）滤波器可以用来提高空间分辨率。在PCD中，半导体被用来直接将x射线光子转换成电信号。在专用集成电路（ASIC）中，输出信号由多个比较器和计数器进一步处理，这些比较器和计数器根据预定义的能量阈值计算光子。如果探测到的光子的光子能量超过这个单独的能量阈值（c），则由单个计数器进行计数。由于不需要反射材料，几何剂量效率比EID有所提高。可以细分检测器像素。

动态负荷心肌灌注成像（MPI）是在药物引起的充血过程中，注射对比剂后获得一系列的CT图像。为了使辐射剂量尽可能低，这种重复扫描通常在较低的管电压下进行。进行这种MPI检查需要CT扫描仪，其探测器宽度在最多两次采集中覆盖左心室。这意味着，最新一代宽探测器CT扫描仪或第二代或第三代双源CT系统是以适当质量进行此类高级CT检查的最低技术要求。通过测量左心室心肌随时间的动态衰减，计算心肌灌注的绝对定量测量，通常显示为参数灌注图（心肌灌注检查流程参见：一站式动态负荷CT心肌灌注成像检查流程）。

多个动物研究评估了MPI-CT的诊断性能，并在多个研究中将其性能与基于导管的流量储备分数（FFR）测量和其他人类MPI技术进行了比较。结果表明，通过CT半自动分析MPI获得的灌注参数可以在导致缺血和非缺血的冠状动脉之间进行稳健的鉴别（ROC曲线，0.87）。最近的荟萃分析发现，MPI结合CT可识别血流动力学显著的冠状动脉疾病，每支血管的敏感性为85%，特异性为81%，MPI-CT也可能具有预后意义。研究表明，与单独的CT冠状动脉造影相比，在2.5年的随访时间内，将MPI-CT纳入分析中，对合并终点心源性死亡、非致命性心肌梗死、不稳定心绞痛或充血性心力衰竭住院的预测得到了改善。一项前瞻性随机对照试验引入了一个分层的CT方案，包括钙化积分、CT冠状动脉造影，并通过改良分流至心导管术（I级血运重建指征）显示对稳定胸痛患者的益处。除了需要在更大的队列中进行前瞻性研究以确定MPI在CT中的最有效作用外，未来的技术发展必须着眼于通过更有效和更稳健的扫描协议将该技术集成到日常临床常规中，以实现最大价值和最低可能的辐射剂量。

脑动脉大血管闭塞常导致脑组织不可逆性死亡。核心梗死周围的脑组织可能缺乏足够的血流量，无法正常工作，但在出现时通常仍能存活。这种低灌注组织被称为半影，快速恢复血流量可保留半影，防止进展为不可逆梗死。立即确定核心梗死和半影是必要的，因为治疗动脉闭塞恢复血流是治疗的首要目标。脑CT灌注可获得脑血流量、脑血容量、平均通过时间、峰值时间和最大残留功能时间等定量指标。脑血容量或脑血流量严重减少的脑组织对应于核心梗死，平均转运时间或其衍生物（TTP或Tmax）延长的区域描绘出半影。脑灌注CT能够识别核心梗死、半影以及核心和半影之间是否存在不匹配。灌注CT能准确检测和定位急性缺血性卒中患者的大血管闭塞，为优化血管重建治疗开辟了道路。从目前所有灌注CT的应用来看，脑的动态成像可以被认为是近年来灌注CT已经融入临床常规的最标准化、最稳健的应用。（更多关于脑卒中的内容参见：CT神经灌注的参数解读）。肿瘤患者的晚期手术通常需要进行体部CT灌注检查。灌注CT可以预测和监测治疗对肿瘤血管系统的下游影响。从静脉注射碘对比剂后肿瘤和血管增强的动态变化中，可以得到反映肿瘤灌注、血容量和治疗相关微循环变化的定性和定量参数。成功的治疗通常伴随着肿瘤灌注、血容量和/或血管渗漏的减少。

56岁男性肝癌射频消融术后1天动态增强CT肝脏灌注成像。四维时间最大强度投影图像（a）和肝动脉灌注图（b）显示肿瘤完全消融和典型的周围充血（箭头）。

使用低管电压设置和现代低光子通量探测器技术，最大限度地降低CT灌注的辐射剂量，使其符合ALARA原则。现代CT扫描仪可实现高时间采样和相对短的扫描时间，优化的对比剂注射方案产生准确的定量灌注CT结果。体部CT灌注的另一个潜在用途是替代传统的增强CT，因为它能在一个单一的组织内提供高质量的形态学图像和健康组织和肿瘤组织的定量功能信息检查。然而，肿瘤患者的灌注CT成像仍然是一个相对较新和发展的领域。目前尚未完全成熟，有几个障碍必须克服，才能纳入临床应用程序。例如，目前对适当的指示缺乏共识。特别是当预期的治疗效果不是很大时，可靠性研究对于区分真实的治疗效果和个体内和个体间血管动力学的变化是很重要的，要求不同制造商的不同CT机器之间的标准化稳健采集协议和数据处理模型的标准化。另一个悬而未决的问题是灌注CT与DECT相比的效率。

现代医学为各种疾病提供了早期有效的治疗选择。这推动了对精确诊断成像的需求，使亚毫米病变检测和治疗反应的可靠评估成为可能。为了实现这一目标，需要通过降低图像噪声和提高空间分辨率来优化图像质量。考虑到这两个质量参数，PCD-CT最有可能在医学成像中引入新的图像质量水平。与传统的EID系统相比，PCD将光子直接转换成电信号可以降低统计噪声。可以在PCD中定义能量阈值，以便滤除低于该阈值的电子噪声，并且不影响图像信息（或退化）。一些活体研究表明，与EID-CT相比，PCD-CT可将图像噪声降低20%，将CNR提高33%，根据身体区域的不同，电子噪声的消除在低检测信号的检查中尤其有利，例如低辐射剂量的CT扫描或肥胖患者的扫描。使用附加的Sn滤波器与高能量阈值图像相结合可以进一步提高主观图像质量，与EID-CT相比减少了金属伪影。光子计数探测器从根本上改变了不同能量光子信号的加权方式。传统上，EIDs根据探测到的光子的能量对信号进行加权。高能光子对对比度信息的贡献很小，与低能光子相比，高能光子接收到很强的权重，因此信号更强。光子计数探测器对所有光子的重量相等，这使得携带碘等高原子材料对比度信息的低能光子的重量更大，从而提高了对比度。

原型PCD-CT已经证明了临床可行性，如前所述，探测器元件尺寸小至0.25 mm，空间分辨率为150μm，PCD不需要反射材料，这使得每个探测器区域的探测器像素尺寸更小。提高空间分辨率可以改善亚毫米解剖结构的描绘，并提高体积材料的量化。

右（a，c）和左（b，d）颞骨模型的轴位CT图像，用（a，b）EID（等中心体素大小，0.5 mmx0.5 mmx0.5 mm；标准分辨率，卷积核H70h）和（c，d）PCD（等中心体素大小，0.2 mmx0.2 mmx0.5 mm；超高分辨率，卷积核U90）获得。请注意，在使用PCD获得的图像中，空间分辨率的提高和精细细节（如内耳解剖结构）的更好描绘。

心血管、肺、骨骼肌肉和大脑成像是最有可能受益于空间分辨率提高的区域。钙化斑块、血管狭窄、肺结节体积测定以及胸膜下间隙纤维化的评估是可能的临床应用。光子计数探测器CT可能通过提高空间分辨率和减少晕染伪影来促进小支架成像。体外研究表明，与传统的EID-CT相比，支架腔内显示效果更好。一个体模研究表明，与双层CT系统相比，PCD-CT对冠状动脉支架内再狭窄的描述有所改善。PCD-CT可显著改善冠状动脉钙化积分的图像质量或减少辐射剂量。光子计数探测器CT将提高1024x1024像素的高图像像素矩阵和超锐利卷积核的有效性，这些方面目前受到EID-CT系统有限的空间分辨率的限制。体内实验报告，与传统的CT相比，通过将1024像素的矩阵与PCD相结合，改善了对气道和高阶支气管的评价。胸膜下纤维化改变的改进描述为间质性肺病的检测和特征化提供了新的可能性。在脑成像中，PCD-CT的分辨能力，结合锐利的卷积核，可以很好地描绘鼻窦和颞骨的骨结构。

戈弗雷·霍恩斯菲尔德爵士（Sir. Godfrey Hounsfield）的工作仍然有着惊人的影响。

3. RSNA 2022丨CT技术最新进展

如果你还没有听说过光子计数CT（PCCT），那你一定不能错过今年的RSNA。

如果你不幸错过了今年的RSNA，那你一定不能错过本章。

2022年RSNA年会当地时间11月27日-12月1日在美国城市芝加哥召开，这次会议是RSNA第108届年会。本届年会的主题为“Empowering Patients and Partners in Care”，来自世界各地的专家学者及设备厂商共同完成了本次年会。共有600多家展商参加了本次年会，其中87家为首次参展。

在本次年会上，以光子技术CT为主题的Cutting Edge多达10场（Cutting Edge共28场），除此之外，还有三场专门针对光子计数CT原理的分享，有很多最新的研究成果在RSNA发布，可见RSNA对光子计数CT的重视。

可以说光子计数CT是今年RSNA年会绝对的主角。

德国波恩大学的Narine Mesropyan博士领导的一项实验研究，研究了光子计数CT对鼻旁窦和颞骨成像的潜力。该研究使用了不同的辐射剂量设置，包括双层光谱CT和双源CT。该研究表明，光子计数CT系统可以显着降低辐射剂量，同时保持良好的临床应用图像质量，直至超低剂量设置，也优于其他评估的CT系统。

法国里尔大学中心的Martine Remy Jardin博士及其同事进行了一项142名患者的研究队列，比较了光子计数CT和双源CT在胸部CT血管造影检查中的图像质量。研究发现，与双源CT相比，PCCT采集在较低辐射剂量下（相对于DSCT减少52%）提供了相似的形态学图像质量和优越的灌注成像，且光子计数CT检查的时间更短。

美国达勒姆杜克大学的Fides Schwartz博士及其同事进行了一项研究，包括17名儿童，他们接受了增强胸部CT检查，并使用常规扫描仪和光子计数CT扫描静脉期。研究发现，与传统CT相比，光子计数CT可以在不增加辐射剂量的情况下提高儿童胸部检查的图像质量。

德国RWTH亚琛工业大学医院诊断和介入放射科的Eric Tietz博士及其同事比较了109名儿童的临床光子计数CT和第三代双源CT（DSCT）扫描仪检查数据。研究发现，PCCT以较低的剂量提供改善的图像质量。与传统CT相比，先天性心脏缺陷新生儿的PCCT提供了更高的信噪比和对比噪声比。PCCT的整体图像质量（包括3D重建）评分优于传统CT，同时PCCT的辐射暴露略低。

匈牙利Semmelweis大学的Nikolatt Marton博士领导的团队评估了光子计数CT检测类风湿关节炎患者肺实质受累的有效性。在他们的研究中，包括了37名既往没有间质性肺病诊断的类风湿性关节炎患者。所有患者均接受了高分辨率CT和PCCT检查。研究发现，PCCT在显示支气管扩张和纤维化方面更好，研究人员认为：“超高分辨率光子计数CT比高分辨率能量积分探测器CT更能提供类风湿关节炎患者间质性肺病的详细信息。”。美国华盛顿大学医学院的Scott M. Bugenhagen博士领导的团队研究了光子计数CT是否能进一步降低肺部高分辨率计算机断层扫描（HRCT）的辐射剂量。作者回顾性地研究了28名在PCCT（NAEOTOM Alpha）系统上接受临床指示的HRCT的儿科患者。每位患者都与在EID-CT（SOMATOM Force）上接受HRCT检查的年龄和水当量直径（WED）相似的患者相匹配。所有的检查都是用双源大螺距扫描技术、Sn100 kV和自动曝光控制获得。研究发现，与目前的EID-CT相比，使用PCCT时，儿童肺部HRCT的辐射剂量可以明显减少，同时保持主观的图像质量。

荷兰鹿特丹伊拉斯姆斯医学中心放射与核医学系的Judith van der Bie博士介绍了一项研究结果，该研究比较了PCCT与其他方法在评估冠状动脉钙化方面的应用。该团队进行了一项专注于两种算法的研究：虚拟平扫（VNC）重建和纯钙（PC）重建。研究发现，VNC根据风险类别正确分类了45%的患者，而PC正确分类了68%的患者。两种重建都可以更准确地检测冠状动脉钙的存在。

美国梅奥诊所的Chelsea Dunning博士评估了CNN去噪算法对光子计数探测器（PCD）CT血管成像（CTA）图像的放射学特征的影响以及对随后的冠状斑块风险分类的影响。研究发现，基于放射组学的ML模型可以利用CNN-降噪的心脏PCD-CTA图像对冠状动脉斑块的风险等级进行准确分类。

德国海德堡癌症研究中心的Stefan Sawall博士讨论了光子计数CT作为乳腺筛查领域的新发现。他们使用乳房和胸部模型来表示真实的患者定位。研究发现，仅使用乳房模型时，质量和背景之间的对比噪声比平均为1.3。研究人员还发现，光子计数CT中的噪声功率谱峰值频率为0.45 mm-1，而专用乳腺CT中的峰值频率为0.40 mm-1。在两个系统的各自图像中，可以识别出大小为0.29 mm的钙化和大小为0.23 mm的纤维。作者建议，光子计数CT可以通过提供额外信息，例如前哨淋巴结的识别，成为专用乳腺CT的替代品。

德国图宾根大学医院的Florian Hagen博士的研究团队发现，在不牺牲图像清晰度的情况下，光子计数CT与与双能量双源CT（DSCT）相比，可以显著减少32%的腹部成像辐射剂量。作者通过一项包括70名癌症患者的研究，比较光子计数CT和传统增强CT（CECT）在腹部成像中的应用。每个人都在双能量DSCT上进行了初始CECT检查，然后进行了后续光子计数CT检查（两次扫描之间的中间时间间隔为4个月）。研究小组发现，光子计数CT与DSCT相比，病灶的显著性明显更高。

来自美国梅奥诊所的Andrea Esquivel Mora博士比较了光子计数CT与常规能量积分探测器双能CT（DECT）对于肾结石检测的能力。研究纳入21例患者，接受EID DECT检查，随后进行PCD CT检查。研究发现，常规DECT在2 mm层厚时的敏感性为61.2%，在1 mm时为65.3%。PCD CT的敏感性为2 mm时为73.6%，0.4 mm时为95.9%。对于3mm或更小的结石，层厚0.4mm的灵敏度为94.2%。

美国宾夕法尼亚大学附属医院的Peter B. Noel博士使用模体研究了光子计数CT碘定量的准确性。研究发现，即使在超低辐射剂量水平下，对碘浓度的量化也是准确和可靠的。对于不同的病人体型来说，即使是非常小的碘浓度也能准确地进行定量。由于沿着迭代重建水平不变的高精确度，可以进一步减少辐射暴露而不影响定量结果。

来自美国梅奥诊所的Joshua Chen使用多能CT体模研究了脉冲堆积对临床光子计数CT扫描仪单能量和多能量成像的影响。研究发现，所有mAs水平的CT值变化很小，与每个插入物的平均值相差±5 HU以内。在15 mg/mL碘插入物的VNC图像中发现的最大差异范围为9.8 HU（-5.5 HU至4.3 HU）。研究结果表明，临床CT检查可以在任何剂量水平下在临床PCD-CT上进行，具有可靠的图像质量和材料量化，而无需担心脉冲堆积。

来自Neurologica Corporation的科学家分享了OmniTom扫描仪上的新型光子计数探测器（PCD）的临床成像能力。研究发现，PCCT可以产生诊断上可接受的图像。图像由两位独立的放射科医师审查，他们都同意PCD OmniTom的图像在诊断上等同于EID扫描仪。

来自GE和佳能的研究者分享了他们的原型机研究结果，佳能使用CZT作为光子计数探测器材料，GE使用硅作为光子计数探测器材料。

美国威斯康星大学麦迪逊分校的Christian De Caro通过实验研究了散射对基于Si的PCD-CT成像的DQE和空间分辨率的影响。硅基PCD-CT的潜在好处包括更长的电荷载流子寿命和更高的电荷载流子迁移率，以及潜在的更低的材料成本。然而，考虑到Si的原子序数相对较低（14，而CdTe为50），在基于Si的探测器中，康普顿散射和光电效应之间的相互作用截面比率可能高得多，因此探测量子效率（DQE）和空间分辨率可能会受到影响。研究发现，在硅基PCD-CT中，很大比例的入射X射线光子可以向侧面散射，并且这个百分比随着X射线能量的增加而增加。当加入一个行间钨层来吸收这些侧向散射的光子时，DQE会受到影响。

根据媒体报道，硅基光子计数CT将在威斯康星大学开展临床研究。目前的报告主要集中在模体研究，还没有进行临床患者的研究。

法国里尔大学中心的Martine Remy Jardin博士分享其最新研究结果，该研究包括79名在2020年3月至2021年 4月期间因新冠肺炎住院的患者。患者通过双能量CT血管造影检查和CT肺灌注图像复查进行了6-12个月的随访。

研究发现，新冠肺炎患者在住院后的一年内继续出现肺部异常。CT显示两名患者（2.5%）有急性肺栓塞特征，三名患者（3.8%）有局灶性慢性血栓栓塞性疾病，85%的患者还显示新冠肺炎（COVID-19）后残余肺浸润，占肺体积的4.7%。87.4%的研究参与者的放射科医生认为肺灌注异常：这些异常发现包括斑片状缺损、非系统性灌注不足区域和肺栓塞样缺损。这些发现可以让临床医生更好地了解新冠肺炎如何长期影响人们。

美国梅奥诊所的研究人员分享了他们的深度学习算法如何在全身CT检查中检测多发性骨髓瘤病变。Shahriar Faghani博士的研究团队使用26名患者的全身低剂量CT检查，训练并测试了一种深度学习算法。在测试中，他们的模型在损伤水平上达到了88%的敏感性和86%的特异性。

由美国宾夕法尼亚州匹兹堡匹兹堡肝脏中心Alessandro Furlan博士领导的研究团队回顾性地收集了819名肝纤维化患者的数据集，这些患者在2015年1月至2022年1月期间接受了门静脉期CT检查，以进行肝纤维化分期。研究人员开发了三种人工智能模型。第一个仅基于肝脏分析，而第二个仅分析脾脏。最后一个算法结合了肝脏和脾脏分析，得出了最好的结果。在196名患者的测试中，联合模型的表现优于放射科医生和血清测试。联合模型的诊断性能不受患者特征、病理和CT数据的影响。

来自韩国首尔国立大学医学院的Gyeong Deok Jo博士及其同事研究发现，基于深度学习的重建可以使低剂量胸部CT图像以低75%的辐射剂量重建，而不会对图像质量和病变检测产生负面影响。在这项回顾性研究中，作者使用了一种商业供应商不可知的深度学习算法，从100名患者中重建了低剂量胸部CT图像，而使用专用迭代重建算法重建的标准低剂量CT检查仅为四分之一。然后，他们比较了四分之一剂量图像和全低剂量图像上肺结节的图像质量和可检测性。研究人员发现两种类型的图像在噪声、空间分辨率和整体图像质量方面没有主观差异。Lung-RADS 3-4结节的检出率也没有差异。

也许多年之后，我们再回忆起今年的RSNA年会，可能唯一记得的就是关于光子计数CT的探索，这一年也许将会是PCCT临床应用的真正开端。

4. CT技术最新进展：初学者入门

计算机断层扫描（CT）是一种成熟的诊断工具，可在紧急或非紧急情况下对全身进行成像。自20世纪70年代初推出以来，已经引入了许多技术解决方案，以提高诊断性能，减少运动伪影和辐射暴露。新一代扫描仪在机架设计、球管和探测器技术方面提出了多项创新。这些创新加上软件技术的重大创新，从迭代重建（IR）到人工智能（AI）、双能量CT（DECT）能谱成像和光子计数CT。其中一些解决方案顺利进入临床常规，而其他解决方案仍在研究中；为了更好地利用新的CT扫描仪，必须了解所有这些知识。

从机架设计、球管和探测器的创新，将转向重建软件和光子计数CT的创新。

现代CT扫描仪的创新正朝着两个主要方向发展：减少辐射剂量和以高时间分辨率沿z轴获取尽可能宽的扫描范围。

在过去的10-15年中，引入了在z轴上覆盖范围越来越宽的探测器（多达192至320个探测器行，最大覆盖范围16厘米）。在一次旋转中获取整个器官（例如，大脑或心脏）的可能性减缓了对具有更宽探测器的竞争，并重新引入了动态增强检查（DCE）的轴位采集，以减少过度扫描。

为了获得更好的时间分辨率，必须考虑旋转速度。2014年宣称的0.20秒转速的目标尚未实现，最快旋转速度为0.28秒（Revolution Apex CT，GE Healthcare）或0.25秒（SOMATOM Force，Siemens Healthineers）。具有这种旋转速度的机架的技术实现需要特定的设计（例如，无摩擦空气轴承和无接触数据传输），并且必须承受0.25s/圈转速时高达40G的巨大离心力。机架的离心力直接影响球管的冷却系统，这需要进行特定的优化，例如旋转外壳、对流冷却和液态轴承。最近，一种特定的心血管扫描仪（CardioGraphe，GE Healthcare）利用更小的机架实现了0.24s的旋转时间。（更多内容参见：CT的时间分辨率；CT机的转速越快越好吗？

超快、高螺距（HP）采集必须依赖检查床快速移动（高达737mm/s，加速度为150cm/s²）。这是双源扫描仪（TurboFlash，SOMATOM Definition Flash，Drive，Force，Siemens Healthineers）的一种特殊采集技术，在这种情况下，利用双球管探测器系统可以采集螺距为3的数据。

机架设计的最新创新涉及人工智能（AI）的使用。由于扫描仪和剂量减少装置（例如蝶形滤波器和管电流调制）的校准假设患者位于等中心，因此较新的扫描仪使用了AI算法，该算法在红外相机的引导下自动将患者移动到等中心位置，而不会出现中心误差。

HP扫描（TurboFlash，Siemens Healthineers）的主要应用是心血管成像。除此之外，HP扫描在减少运动伪影方面提供了一些优势，尤其是在胸部扫描中。

Lell等人优化了不合作患者的自由呼吸HP扫描，与标准CT采集相比，图像质量满意，运动伪影显著减少，解剖结构描绘更好。低剂量方案（LDCT）和COVID环境中获得了可比较的结果。更好的解剖描述可以提高诊断信心：Braun等人在他们的HP方案研究中记录了令人满意的诊断性能。Gariani等人评估了一组因各种临床原因接受胸腹部CT检查的成年患者。作者发现，标准CT（螺距0.6）和双源HP扫描（螺距3.2）的图像质量相当，后者的运动伪影明显减少。

双源CT（SOMATOM Force，Siemens Healthineers）高螺距采集在光谱整形（锡滤波器）上的作用。新冠肺炎不合作患者（男性，77岁）。A 双能量（DECT）采集（90/150Sn kV）；旋转时间：0.25秒，螺距：1.1，曝光时间：1.98秒，ADMIRE 3。辐射剂量：CTDI 7.97 mGy；DLP:381.5 mGycm。B-D 具有光谱整形（Sn100 kV）的高螺距采集（TurboFlash，Siemens Healthineers）；旋转时间：0,25秒，螺距3，曝光时间：0.61秒，ADMIRE 0（滤波反投影，B），ADMIRE 3（C），ADMIRE 5（D）。辐射剂量：CTDI 0.78 mGy；DLP:30.5 mGycm。图像A是标准剂量下的采集；箭头指向咳嗽引起的运动伪影。由于采集时间更短，高螺距采集（图像B-D）避免了运动伪影。使用锡滤过减少辐射剂量至标准剂量的1/10。迭代重建（ADMIRE）是优化图像质量和充分描绘肺结构（图像C和D）的基础。

COVID-19肺炎能谱纯化扫描，0.18mSv。

在儿科CT中，不合作的婴儿可能需要镇静。在全球范围内，HP协议提供了最佳的图像质量和最有效的运动伪影管理，无需全身麻醉或屏气采集。

硬件技术进步：球管、探测器、调制和滤波器。球管技术进步的主要目标是减少辐射暴露并优化对比度、快速采集、Z轴覆盖范围和机架内的机械力。

除了最后一个问题，其他问题都是通过提高球管输出来解决。

在低kV下的采集允许减少辐射剂量，同时优化对比增强（X线束的平均能量更接近碘的k边界），同时较高的管电流可以补偿增加的噪声。

安装在一些扫描仪（SOMATOM Drive和Force，Siemens Healthineers）上用于减少剂量的锡滤波器可吸收高达90%的发射光子；补偿需要高管电流输出。（更多内容参见：能谱纯化技术的基本原理与临床应用）。

高端球管提供了更多的kV选择，并在低电压下提供了更强大的管电流输出。例如，Vectron （Siemens Healthineers）和Quantix 160（GE Healthcare）球管均在70kV下可以提供1300 mA的管电流；Vectron 球管的工作电压可达150 kV，可在10 kV的步进内选择。

第三，探测器的Z轴覆盖范围直接影响X射线束的锥角，其本身与阳极角成正比。增大的阳极角对应于更大的焦点（将导致空间分辨率的损失）。这可以用较窄的电子束来补偿（将导致磨损和冷却问题）。在高端球管中，Quantix 160（GE Healthcare）具有较大的阳极角（10°），在Z轴上的准直度为160 mm。

这些性能需要在高离心力下进行特定的冷却设计：如旋转外壳和对流冷却（Straton或Vectron球管，Siemens Healthineers），或液体金属用作轴承和冷却系统的螺旋槽。

探测器技术的最新进展旨在提高剂量减少、空间分辨率和响应速度方面的性能。第一种策略是改进电子元器件，即光电二极管和模数转换器，这会导致图像噪声。最新的进展之一是将光电二极管和转换器集成在一个集成电路中（即Stellar和StellarInfinity探测器，Siemens Healthineers），在低剂量方案或肥胖患者中显著改善图像质量。

由于闪烁体材料，当前的探测器技术基于通过可见光将X射线间接转换为电信号。闪烁体材料必须满足几个要求：在不同的材料中，硫化钆是最常用的材料之一。例如，石榴石晶体（Gemstone Detector，GE Healthcare）的初级衰变时间为30ns（比硫氧化钆快100倍）；这种材料是快速kV切换能谱成像的基础（-B）。其他材料可用于能谱成像。双层探测器（Spectral CT 7500，Philips Healthcare）有一层ZnSe叠加在Gd2O2S:Pr,Ce层上：上部ZnSe层对低能光子敏感，而下部层对光谱的高能成分敏感（C-E）。

能谱或光谱成像：扫描仪设计。A 双源（Siemens Healthineers）。双球管探测器系统的安装偏差约90°，在最近几代中有所增加，以改善双能量采集的视野。第三代双源扫描仪B球管在140-Sn150 kV的高压下工作，具有锡滤波器以改善光谱分离。B 快速kV切换（GE Healthcare）。球管在旋转时具有可变电压（在80和140 kV之间切换）。C 双层探测器（Philips Healthcare）有两个同心的探测器层，上层对低能光子进行采样，下层与光谱的较高部分相互作用。D 分离滤波器（Siemens Healthineers）。滤光器由金和锡组成：这些金属选择性地切割X射线光谱的高能和低能成分，从而分裂光束。E 连续采集（Canon Medical Systems）。该策略通常在z轴上具有广泛覆盖范围的扫描仪上实现，数据集以序列或螺旋模式顺序采集。F 光子计数CT。目前唯一商业解决方案（NAEOTOM Alpha，Siemens Healthineers）具有双源架构。光子计数探测器的CdTe晶体处于800-1000V的电场中。相互作用后，电子迁移并产生与入射X射线光子能量成比例的电脉冲。

光子计数探测器使用半导体材料，例如碲锌镉（CZT）、硅（Si）或碲化镉（CdTe），用于将X射线直接转换为电脉冲。在与X射线光子相互作用期间产生的电子被移位并转换成与光子能量成比例的电信号。一旦光子的能量被量化，它们就可以被分组到能量箱中。从而在图像质量、噪声和剂量减少、多材料分解和空间分辨率方面有众多优点。

有几种解决方案可用于提高空间分辨率。如使用更小的探测器元件（从0.5mm/0.625mm到0.25mm，Aquilion Precision，Canon Medical Systems）或者使用额外的栅格（UHR或z-UHR，Siemens Healthineers）。

自动管电流调制（ATCM）旨在通过不同的解剖区域均匀化图像噪声，这些解剖区域既没有圆形截面，也没有恒定的密度。除了均匀的图像噪声，体模和临床研究显示辐射暴露减少了超过50%。（更多内容参见：自动管电流调制技术的原理和使用注意事项）。

ACTM使用扫描投影图像（SPI、定位图）计算患者在一个或两个投影中的大小和衰减。管电流在旋转期间被调制，或者在前后投影和侧向投影之间被内插；管电流也沿Z轴调制。ATCM通常处理图像噪声，可用算法对其进行不同的管理。然而，不同结构的识别依赖于对比噪声比，这取决于患者的体型和脂肪比例：ACTM算法可以针对较大体型患者的较高图像噪声进行优化。例如，CARE Dose4D（Siemens Healthineers）和DoseRight（Philips Healthcare）使用的算法可以通过平均衰减增加可接受的噪声。在第一系统中，需要手动选择参考管电流和调制强度。第二个系统有三个模块：独立工作的自动电流调制（手动或自动）、纵向调制（Z-DOM）和角度调制（D-DOM）。相反，在AutomA（GE Healthcare）和SUREExposure 3D（Canon Medical Systems）算法中，技术员选择噪声水平作为标准体模中的标准偏差值。ATCM的进一步发展是选择性减少浅表区域的辐射暴露，如Organ Dose Modulation（GE Healthcare）或X-CARE（Siemens Healthineers）。这些算法减少了当球管在可变旋转角度（从90°到180°）内照射浅表器官（例如，乳房或晶状体）时的管电流。

随着具有高功率输出和宽工作电压范围的球管的可用性，引入了自动电压选择算法，例如CARE kV（Siemens Healthineers）或kV Assist（GE Healthcare）。这些算法自动为特定采集选择具有最低CTDI的最佳管电压和管电流。

在CT成像中，球管发射的X射线和探测器测量的X射线的光谱明显不同：这就是所谓的线束硬化效应。低能量光子（<30keV）被生物组织快速吸收或散射：它们在产生噪声的同时也会增加辐射剂量。线束硬化取决于组织厚度，组织厚度在身体的侧面和周边部分较低。蝶形滤波器对X射线束进行整形：可变厚度的滤波器对X光束的外围部分进行更积极的过滤，计算辐射暴露量减少10-20%。

光谱整形是减少剂量的另一种策略：在西门子大部分CT扫描仪的球管端标准滤波器之外添加了额外的锡滤波器。锡滤波器通过滤过较低能级的光子而使X射线束变窄；从而使线束平均能量增加，线束硬化效应减小。（更多内容参见：能谱纯化技术的基本原理与临床应用）。

软件技术进步：滤波反投影、迭代重建、人工智能。与减少辐射剂量的硬件创新一起，引入了几种软件解决方案，以减少图像噪声，并允许以较低的曝光量进行采集。几十年来，CT图像重建的标准是分析方法，即所谓的滤波反投影（FBP）。考虑到探测器测量的假想铅笔束投影（原始数据）作为角位移和线性位移的积分函数，FBP通过反演求解这些方程并重建图像；FBP与滤波器相关联，以补偿通过中心和外围物体的不同投影数量所产生的低通模糊：补偿越高，清晰度越高，空间分辨率和图像噪声越高。FBP的主要优点是低复杂性和所需的计算能力；然而，增加噪声的问题阻碍了FBP辐射暴露的减少（表1）。

CT图像重建：A 滤波反投影重建。B 统计（混合）迭代重建（IR），C 基于模型的IR，D人工智能（AI）和神经网络。混合IR（B）涉及到图像或投影域中的至少一个迭代周期；大多数商业解决方案在两个域都有迭代周期。基于模型的IR算法（C）的特征在于至少一个前向投影，并且涉及到说明扫描仪采集过程的复杂模型。两种AI解决方案（D）的工作方式不同：AiCE（Canon Medical Systems）的神经网络用于混合IR后的图像恢复，而TrueFidelity（GE Healthcare）则根据投影重建图像。

ASIR，ASIR-V（GE Healthcare）。AIDR 3D（Canon Medical Systems）。iDose（Philips Healthcare）。SAFIRE（Siemens Healthineers）。VEO（MBIR，GE Healthcare）。FIRST（Canon Medical Systems）。IMR（Philips Healthcare）。ADMIRE（Siemens Healthineers）。AiCE（Canon Medical Systems）。TrueFidelity（GE Healthcare）。IR是在重建过程中减少噪声的算法，允许减少辐射暴露。这些算法适用于原始数据或图像域，可分为统计IR（混合）和基于模型的IR。

从理论角度来看，IR由逐步重复计算组成，其中每个步骤允许更新或校正参数，直到匹配定义的标准。理想的IR模型包括前向和后向的重复投影步骤。从第一图像开始（例如，用FBP估计），计算合成原始数据（前向投影）并与测量的原始数据进行比较；所获得的校正参数被传播到测量的原始数据，用于估计更新的图像（反向投影）。计算合成原始数据的正向投影需要CT采集过程的模型：这些模型分为CT系统光学（与机架、球管和探测器的几何结构相关）和CT系统统计（与X射线光谱、光子统计分布和探测器电子噪声相关）。

关于技术解决方案，混合IR使用单独的过滤步骤进入原始数据和/或图像域；图像重建步骤依赖于FBP。原始数据域中的过滤是变化分析，以检测对于最终图像重建具有不同权重的噪声投影。尽管第一个统计IR在图像域上工作（IRIS，Siemens Healthineers），但实际算法在两个域上执行迭代。基于模型的IR包括至少一个前向投影步骤；这一步骤需要系统和光学模型来计算合成原始数据，并在每次迭代时更新原始数据。IR算法的主要优点是有效降低噪声和剂量，图像质量可接受；与FBP相比，主要缺点是计算时间较长，图像纹理可能发生变化（表1）。

图像的图像纹理（“斑点”或“油画”）方面的改变是由IR在低辐射剂量下对低空间频率噪声和低对比度空间分辨率的管理中的局限性引起，这是由于这些参数之间的非线性关系。人工智能算法有不同的方法来解决这些问题。机器学习（ML）是人工智能的一个子组，它在没有特定编程的情况下提高（“学习”）其性能：它可以分为有监督的（数据由人类标记，并在训练过程中用作基本事实）、无监督的（算法组和使用隐藏参数分开），以及强化学习（该算法在动态环境中工作，并接收正强化或负强化的反馈）。深度学习（DL）中使用的人工神经网络（ANN）代表ML的一个子集，并具有几个模拟人脑的连接模块（节点或神经元）：节点被组织为输入层、几个隐藏层和输出层。

在人工神经网络中，卷积神经网络（CNN）适合于图像重建：它们用低剂量、低质量的CT图像训练，并将高质量、高剂量的图像作为目标数据。目前，有两种商业解决方案可用：AiCE（Canon Medical Systems）应用CNN来改进混合IR，而True Fidelity（GE Healthcare）直接从投影重建图像。

临床实施：低剂量、低噪声、高对比度。低kV采集和迭代重建的第一个应用是肺栓塞（PE）的评估。了解PE患者的平均特征和合并症，CT方案被优化为以最低剂量的造影剂实现最佳血管内对比，并减少辐射暴露。伴随出现的其他肺部疾病，如新型冠状病毒肺炎，通常需要进行特殊调整，以充分评估肺实质。

在胸部成像中实施低剂量CT方案（LDCT，剂量长度乘积（DLP）<1.5 mSv，更多内容参见：肺癌低剂量CT筛查方案的设置）是一个活跃的研究领域，特别是随着肺癌筛查运动的引入。减少剂量的策略取决于扫描仪技术，分为降低kV或mA以及使用锡滤波器。在成年患者中，大多数扫描仪上的LDCT协议保持中高压（120 kV），并显著降低管电流，以保持可接受的图像噪声。相反，在儿科患者中，已成功测试了低电压（例如，70 kV）。IR在优化LDCT协议的噪声和剂量减少方面具有关键作用；据估计，在相同的图像质量下，在胸部LDCT方案中，IR将剂量减少26-50%。

这些结果通过混合IR和基于模型的IR都得到了证实。大多数使用混合IR的研究都同意有效提高图像质量、描绘解剖结构和检测肺结节。一些学者强调了混合IR低对比度识别任务（例如磨玻璃影）中潜在的低可见度和诊断置信度；这一发现尚未得到所有关于谨慎应用IR的建议的研究的证实。基于模型的IR具有对图像纹理影响较小的理论优势；尽管一些研究记录了基于模型的IR的更好表现，但其他研究显示了与统计IR相当的诊断率。

胸部成像是LDCT在第三代双源扫描仪（SOMATOM Force，Siemens Healthineers）上使用锡滤波器的主要应用。通过频谱整形，提出的方案显著减少了辐射暴露（≈90%），具有可接受的图像质量和诊断性能。

基于模型的IR（ADMIRE，Siemens Healthineers）的作用至关重要，低对比识别任务需要最佳设置。该技术在儿科成像中有着有趣的应用，并且通常与高螺距采集相结合。其他初步报告证明了锡滤器在腹部检查、虚拟结肠造影或全身LDCT中的有效性。

在腹部检查中，低kV的CT方案旨在提高图像对比度，同时减少辐射剂量。一些报告显示，肝脏成像在检测肝脏病变、胰腺肿瘤、肾脏和泌尿道以及评估胃肠道方面取得了令人鼓舞的结果。低剂量协议通常与使用IR进行噪声抑制和图像质量优化相结合。即使被推荐，IR也显示了其在低对比度识别任务中的局限性，其中依赖于IR的辐射剂量的减少是有限的。辐射暴露减少>25%，IR重建更强，导致图像纹理改变，诊断性能显著下降。使用DL进行图像重建克服了这些限制：病变检测和诊断性能保持在一半辐射照射下。

高级CT技术：双能量与多能量成像。双能CT（DECT）的引入将CT的前沿从形态学转移到了功能。

DECT的材料分解依赖于这样的假设：X射线的衰减可以近似为康普顿效应和光电效应的线性组合，表示为材料密度和X射线束能量的函数。这一原理可以扩展到不同材料的混合物：通过用两种不同的X射线光谱扫描同一体积，可以用已知的光谱曲线量化两种材料。通过包含第三个条件，例如体积或质量守恒，可以包含第三种已知材料，以执行三种材料分解或多种材料分解。

通过DECT数据集的后处理获得的图像提供了几种不同的信息。从理论上讲，将这些图像划分为材料选择性（我评估的是哪种材料？）是很方便的或能量选择性（X射线束提供什么样的信息？

利用材料选择性图像，检测特定材料（例如，碘）（材料标记）、量化（例如，定量图或碘图）或分离（例如，虚拟平扫，VNC）。对于能量选择性图像，使用假设的单色光束以不同的能量水平扫描体积，即使扫描仪上当前不可用（即单能谱图像）；否则，可以提取关于有效原子序数或有效电子密度（rho-Z）的信息。

目前，能量积分探测器有几种不同的技术解决方案可用于DECT扫描仪。光谱分离可以在球管层面或探测器层面执行。第一组包括具有两个管探测器系统的双源扫描仪（三代SOMATOM CT，Siemens Healthineers）、快速kV切换（Revolution CT，GE Healthcare）、分离滤波器（TwinBeam on SOMATOM Definition Edge，Siemens Healthineers），以及连续采集（Aquilion One，Canon Medical Systems），双层探测器（Spectral CT 7500，Philips Healthcare）是用于探测器层面的光谱分离方法。光子计数CT（NAEOTOM Alpha，Siemens Healthineers）是未来的多能量成像解决方案，同样基于探测器层面实现。

双源扫描仪（Siemens Healthineers）的主要优点是完全控制管电流和光谱分离（即管电压），由于具备两个独立球管，高kV球管通过锡滤波器进一步改进。扫描仪技术允许以足够的时间分辨率进行快速采集。潜在的缺点是两个球管之间的交叉散射（已经引入了特定的软件解决方案）、FOV减少（B探测器高达36 cm，几乎适用于所有解剖区域）。

在快速kV切换（Revolution Apex CT，GE Healthcare）中，球管在旋转时在两个电压之间切换：这需要球管、高压发生器（两个kV之间快速切换）和探测器（快速响应和短余辉；Gemstone探测器，GE Healthcare）的特定功能。ATCM不适用，光谱分离无法调节，但DECT后处理是在50 cm的全视野下对投影域进行。

分离滤波器（TwinBeam，Siemens Healthineers）使用金锡滤波器在z轴上分离光束。它的实现相对容易；相反，它提供了相对窄的光谱分离，但DECT信息在50cm的全视野下可用。

连续采集是第一个也是最古老的策略，目前在Z轴覆盖范围广的扫描仪上应用和实施；时间失配可能是一个重要问题，但DECT信息在全FOV时可用。

双层探测器（IQon Spectral CT，Philips Healthcare）将高能和低能光子分开。然而，不完美的分离降低了光谱分离，但DECT数据集在投影域上进行处理，因为它们具有几乎完美的空间和时间匹配。

最新的技术是光子计数探测器（NAEOTOM Alpha，Siemens Healthineers），它安装在双源架构上。一旦检测到光子并对其能量进行量化，它们就会被分类到能量箱中。这允许减少噪声（通过选择性地排除特定箱），从而提高空间分辨率并减少辐射剂量。扫描仪体系结构提供HP采集的光谱数据。光子计数探测器代表了光谱成像的一个重大发展：考虑到能量仓作为一个单独的X射线光谱，可以使用尽可能多的基础材料进行真正的多材料分解。（更多内容参见：什么是光子计数CT？

两个独立的管检测器系统，偏移量为≈90°

具有材料分解算法稳健性的最高光谱分离（锡滤波器）

光谱信息的最大视野：36 cm（适用于大多数身体采集）

旋转时，球管每150 ms切换一次电压

可忽略的投影失配（≈5°），允许

两种不同金属的滤光器将X射线束分成两个光谱。Aquilion One（Canon Medical Systems）

最低的时间分辨率：运动伪影和数据集之间的不一致。NAEOTOM Alpha（Siemens Healthineers）

能量分辨探测器，将每个光子的能量量化并分类到不同的能量仓中

双源模式下具有高螺距采集的光谱信息。DECT数据集的后处理必须根据解剖区域和可用技术进行优化。每种扫描仪技术提供不同的图像系列：例如，双源扫描仪提供混合图像（即，两个光谱图像之间的加权平均值），快速kV切换提供单能谱系列和140 kV系列图像，而双层探测器CT使用120 kV系列。临床实践中对材料和能量选择性图像进行了评估：一般的胸腹部工作流程包括单能谱图像（胸部检查中40-60keV，以获得最佳对比；腹部检查中70keV，以模拟120kV）和碘图（以评估对比材料的分布）；针对特定的临床问题进行进一步的重建。

胸部成像的主要应用之一是肺栓塞的评估：低keV（40-60keV）下的单能谱图像最大化了图像对比，减少了造影剂的体积，而碘图突出了肺实质的灌注缺陷。碘图的使用，更具体地说是肺PBV（肺血容量，基于三物质分解；SiemensHealthineers）的使用超出了肺栓塞，在评估肺损伤（例如，治疗反应的表征或评估）或弥漫性疾病，如肺气肿，特发性肺纤维化，以及炎性病变和COVID肺炎。

已对DECT的腹部应用进行了广泛评估（B）。虚拟平扫图像的主要目的是通过避免真实平扫采集来减少剂量；然而，必须考虑腹部实质衰减的微小差异（D）。

双能CT和材料分解。A-D，材料选择性图像。C-D，能量选择性图像。尿酸标记为绿色（箭头），并对其进行定量。左门静脉分支有混合血栓：肿瘤成分的碘摄取量明显较高。C-D 材料分解算法和虚拟平扫。C 120 kV时的平扫。D 虚拟平扫（第三代双源CT，SOMATOM Force，90/Sn150 kV，SiemensHealthineers）。E 第三代双源CT，门静脉期，100/Sn150 kV，混合0.8。混合图像模拟120 kV时的采集，标签是肝脏病变、门静脉和肝脏的衰减值。

低keV（40-55keV）下的单能量图像改善了高血管和低血管肝脏病变的可视化（F）；相反，高能（>100keV）下的单能谱图像对于减少线束硬化伪影（如金属植入物）有用。碘图的定性或定量评估在体部成像中有几个有趣的应用。关于肝脏，门静脉血栓的表征、肝脏肿瘤治疗反应的表征和评估，以及弥漫性疾病（如脂肪变性或铁过载）的评估，都是有趣的应用。在胰腺成像中，碘图可用于急性胰腺炎的早期诊断和实质表征，而在泌尿生殖系统成像中，碘图可用于更好地表征肾囊性病变。低keV下的单能谱图像和碘图在胃肠道和腹膜的评估中具有互补作用，特别是在炎症病变（如克罗恩病）、肿瘤病变（胃肠道或腹膜定位）或血管状况（例如缺血或出血）的表征中。（更多内容参见：DECT单能谱图的临床应用）。

材料标记和rho-Z算法通常用于泌尿生殖系统或肌肉骨骼成像。在泌尿系结石的表征中，CT值有几个局限性，不同材料的HU值重叠。使用尿酸能谱曲线的材料标记允许对尿结石进行更准确的分类。类似的算法用于痛风尿酸盐晶体的评估，具有良好的诊断性能。

材料标记的另一个有趣应用是虚拟去钙图像，用于评估各种原因引起的骨髓水肿（更多内容参见：双能量CT骨髓分析在骨肌创伤中的价值）。rho-Z算法提供关于扫描混合物的有效密度和原子序数的信息。更常见的是用于评估软骨和肌腱；然而，正在进行的研究正在扩大应用范围。

光子计数技术之所以有趣，有几个原因。探测器可以通过提高空间分辨率和减少辐射剂量来选择性地减去导致图像噪声的光子。X射线光子可以精确地分为几个能级：这使得真正的多材料分解和k边界成像成为可能，克服了DECT的局限性。目前可用的扫描仪（NAEOTOM Alpha，Siemens Healthineers）允许使用HP协议获取多能量信息。

新的技术解决方案允许更好的诊断性能，并扩大了CT成像的适应症。充分理解这些解决方案可使现代CT扫描仪得到最佳利用。

文献原文：Agostini A, Borgheresi A, Granata V, Bruno F, Palumbo P, De Muzio F, Bicci E, Grazzini G, Grassi F, Fusco R, Barile A, Miele V, Giovagnoni A. Technological advances in body CT: a primer for beginners. Eur Rev Med Pharmacol Sci. 2022 Nov;

历史回顾与行业观察

“Godfrey Hounsfield爵士的工作继续有着惊人的影响”:《Investigative Radiology》近期发表的文章中关于CT扫描技术发展的最新贡献，突出了已经取得的巨大进步。在我们的职业生涯中，我们多次被告知CT扫描(检查)已经死亡。发现自己处于一个新的起点：当许多依赖于操作员的任务被自动化时，新技术的出现不仅推动了形态学成像的极限，而且超越了形态学走向功能和更深层次的疾病表征领域。

Godfrey Hounsfield（1919.8.28-2004.8.12）。日常实践中的许多潜在陷阱，如将患者定位在机架的等中心，目前正由智能自动化软件解决方案解决。自动管电流调制和自动管电压选择建立在该解决方案的基础上，并允许特定图像质量的适当辐射量。其他陷阱，如选择最佳扫描范围，(仍然)取决于操作员，需要注意。

标准化(图像质量)和个性化(辐射剂量/造影剂)同时是关键。通过造影剂注射、扫描采集和图像重建的组合方案获得最佳结果。面对ALARA原则，持续优化此类检查方案仍然很重要，因为全球范围内的CT扫描数量持续增加：仅在美国，2018年每1000名居民进行了271次CT检查，而2000年为124次。

迭代重建算法已经取代了所有现代CT扫描仪中的滤波反投影，这是由于更低的噪声和由此带来的更低的剂量要求。然而，迭代重建算法随着时间的推移而演变，并且在供应商、软件版本和剂量水平之间变化很大。高级深度学习图像重建(DLR)算法进一步降低噪声，即使是在薄层重建的情况下，也可以减少重建时间，并有助于减少来自金属或运动的伪影。尽管这些算法是以病理不可知的方式训练的，但人们担心DLR代表“可能以不可预测的方式干扰图像数据的黑盒”。需要进一步的临床经验和验证来了解DLR算法的优缺点。

keV的碘k边界时，碘化结构的衰减急剧增加。低千伏扫描已成为儿童、成人或胸部增强研究的标准。低千伏时较高的对比度补偿了较高的图像噪声，从而大大减少了辐射暴露。也可以实施低千伏方案来降低总碘负荷，以在其他不变的辐射暴露下保持给定的增强水平，这在老年人和肾功能受损患者中很有吸引力。

更强大的X射线管提供了几种减少剂量的选择，这起初听起来像一个悖论，但与更强的预过滤和更低的千伏设置有关。对X射线光谱进行更强的预滤过可以使进入患者体内的低能光子相对较少。这确保了更多进入患者体内的光子实际上对探测器信号有贡献，从而对图像有贡献。然而，穿透前置滤过器需要更多的能量，这需要更强的X射线管。后一种效应在低管电势下变得更加明显，因此将千伏设置降低到低于当前标准需要更大的球管。高端CT系统的最大功率在100kW和（2x）120kW，最大电流范围从80kV时的750mA到70kV的(2x)1300 mA。

如今，90kV和100kV协议是增强检查的临床标准，已经取代了经典的120kV协议。对于CT血管造影(CTA)和儿科检查，提倡80kV甚至70kV的协议。

我们必须小心，不要随意将这些“剂量节省”再扩展到额外的扫描中，例如增加额外的期相或扩大扫描范围。

Alkadhi和Euler，Lell和Kacherliea证明了双能量为HU标度增加第二维度的能力：双能量能够区分高HU值是由富含蛋白质的物质、尿酸、钙还是碘产生的，所有这些物质都具有特定的特征，可以分离并用于诊断目的。过去15年见证了这一技术的复兴，这一技术最初是在20世纪80年代末实施的，后来被放弃。主要问题，即所谓的基础材料图像上的过度图像噪声，已经被现代噪声抑制技术成功地解决。与大多数现代扫描技术相比，更高的剂量要求，尽管仍然低于过去标准技术的要求，以及图像评估的复杂性，使得双能量不太适合大规模应用。上述两篇文章都强调了它的主要优势，即能够在低千电子伏下通过虚拟单能成像来改善碘增强。这可以很容易地应用于许多应用的常规实践中，例如动脉期或门静脉期成像。在CTA中，它提高了图像质量，并有助于挽救血管增强度较低的扫描。顺便提一下，减影成像，即在非刚性图像重建后从增强后图像中减去增强前图像，也可以提高对比度，只要通过运动配准算法得到完全补偿。

定量(功能)成像技术也已经存在了几十年。在过去的几年里，已经实现了对灌注和运动的全器官扫描和评估。然而，数据采集和处理仍然比常规CT应用更复杂和耗时。尽管有越来越多的证据表明其有用，但只有少数应用，如唤醒性中风治疗决策中的脑CT灌注，已进入大规模临床实践。CT灌注的成功表明，需要进行良好的临床试验来评估这些新技术对治疗和结果的影响。

(PCD-CT)已经安装了第一批原型。这些探测器完全消除了电子噪声，这使得超低剂量扫描更加有效，并可能实现新的扫描技术，其中探测器剂量在极低剂量的功能成像期间累积。然而，主要的优势是多能量是可回顾的：光子可以立即在光子计数探测器中被分成典型的2或4个能量仓。由于计数的处理是纯数字的，所有信息都可以从原始数据中追溯读出。无需额外的努力就可以从每次PCD-CT采集中生成虚拟单能图像，这将允许在所有增强的CT应用中增加对比度。

PCD-CT是否能够在临床常规中利用超过2个能量仓将取决于是否可以克服这些多能应用中的过度图像噪声问题。如果是这样的话，可以开发出由临床keV范围内的高原子序数元素组成的新对比材料(如金或铋)，供人类使用，并为CT开辟第五维度。

PDC-CT的一个主要技术挑战是数据重建和数据传输的速度，这限制了它在目前的广泛应用。光子计数探测器CT为未来几年提供了许多承诺，作为下一代的CT成像技术，让我们拭目以待。

回顾过去近50年，CT经历了快速的技术成熟，并呈指数级增长，直到2010年左右。从那时起，CT扫描已经成为一种(几乎)成熟的技术，并为越来越多的临床应用奠定了坚实的基础。我们已经习惯于将CT作为全球急诊部门对患者进行初步分类的24/7模式，这对患有严重急性疾病或严重创伤的患者的快速检查和精确诊断具有巨大的积极影响。

在过去的20年里，心脏CT扫描已经发展成为一种强大的形态学成像技术，目前被纳入越来越多的心脏病学指南。SCOT-HEART等结果研究显示了冠状动脉CTA对更好地针对稳定胸痛患者的价值，这些患者将从预防性治疗中受益。心脏CT负荷灌注正在与磁共振负荷灌注成像竞争患者的分流。新的运动校正算法使图像质量更加可预测和稳定。

超低剂量CT正在进入常规X射线成像领域，具有相似的辐射剂量，但信息却非常优越。越来越多的基于X射线的成像技术被CT所取代。现在，即使是标准的胸部X光片也受到了威胁：肺部筛查是这种超低剂量成像可以改变我们行医方式的应用之一（关于低剂量肺筛查，请参见：肺癌低剂量CT筛查方案的设置）。大量的应用程序产生了对数据处理、数据评估和报告的日益自动化的需求，以确保一个健壮和高效的工作流。辅助发现的数量随着CT图像质量的提高而激增。

有了超快速扫描协议和高时间分辨率，在常规扫描上评估心脏将很快成为可能：冠状动脉钙化、斑块和许多其他以前在常规CT上没有报告的发现将必须被读取、报告和采取行动。必须制定报告和处理这些辅助调查结果的建议。

CT扫描是放射学中断层成像的主力，但也是过去几十年创新的动力。功能性CT、放射诊断学和综合诊断以及临床决策支持系统即将出现，这确保了CT将继续在未来医学中发挥重要作用。

编译自：Wildberger JE, Prokop M. Hounsfield's Legacy. Invest Radiol. 2020 Sep;

1971年10月，人类历史上的第一次计算机断层扫描（CT），发现了一名41岁女性的额叶肿瘤。这次CT扫描是在一个以网球锦标赛（温布尔登，英格兰）闻名的小镇上进行，而这台机器是由一家以音乐唱片而闻名的公司（EMI）制造。百代唱片通过出售一个被称为披头士（The Beatles）的流行英国乐队的音乐而获得了非凡的成功。（关于CT的发展历程，参见：回望：CT五十年（1968-2018））。The Beatles（甲壳虫乐队）1960-1970（图片源自网络）

8年后，诺贝尔生理学或医学奖颁给了两位开发这台机器的先驱，戈弗雷·豪斯菲尔德（Godfrey Hounsfield）和艾伦·科马克（Allan Cormack）。尽管最初的CT扫描速度很慢，且仅限于头部扫描，但在随后的几十年里，CT变得越来越快，功能也越来越强大。

如今，在CT发明了半个世纪之后，它已经成为常规医疗保健的基础结构的一部分，产生了惊人的图像，每年为数百万患者提供准确的诊断和有效的治疗评估。

EMI第一台头颅CT扫描仪以及第一幅人类大脑的CT图像。

一方面，CT扫描仪的发明是医学思想中一场持久的概念革命的一步，因为医生们开始相信疾病是由物理损伤引起。这一概念的激进本质往往不被人欣赏，因为它似乎是那么，那么，显而易见。

几个世纪以来，最优秀、最聪明的人类大脑一直认为，大多数疾病都与一系列无法形容的体液失衡有关，这些体液失衡表现为患者向护理者转达的症状。从法国革命后的混乱中产生了这样一种观念，即疾病不是体液失衡，而是导致实际的身体损伤，这些损伤可以在活体中识别出来。

1816年，何内·雷奈克（René Laennec，1781-1826）在巴黎医院发明了听诊器，他所做的不仅仅是创造了一个有用的工具，可以被认为是医生在体内定位病变的方式范例--他描述了一种新的疾病概念化方法。

何内·雷奈克（René Laennec，1781-1826）。因为如果疾病不仅表现为病人描述的症状，而且表现为医生确定的结构变化，那么仅仅是病变的存在就可以证明一个感觉良好的人实际上是生病了。当临床的目光开始聚焦于关于病变部位和特征问题时，医生们冒着无法将患者视为病人而将其视为潜在病变器官库的风险。

1895年11月8日，伦琴在这里发现了X射线。

1895年11月，德国物理学家伦琴意识到阴极管产生的射线可以穿过人体，在照相底片上留下阴影，这是定位病变的另一个戏剧性步骤。（更多内容参见：那束光，照亮未来丨纪念伦琴发现X射线125周年）。

辐射可能是危险的。X射线产生的是二维图像，身体的一个部位可以阻挡射线到达另一个部位。头部的骨头使得用X光拍摄大脑图像基本上是不可能的。

CT机器通过创建没有结构重叠的三维图像来解决第二个问题。它还通过测量组织密度的变化得到有用的信息。从某种意义上说，CT扫描只是一个世纪以来寻求更精确地显示人体病变的又一个发展。

另一方面，CT扫描仪的发明标志着一个根本性的变化。

数字计算机第一次成为获取和分析医学信息不可或缺的一部分。CT扫描仪使用二维投影来创建三维物体的图像。这个过程建立在一个数学模型的基础上，这个数学模型最早是在1917年的一篇与医学无关的论文中提出（波西米亚数学家J.H. Radon；如果任何数量的射线穿过同一层的积分值是已知的，那就可以计算出这种材料或者材料属性在对应层的分布。1956年Bracewellsh首次将这一理论用于射电天文学，但这一应用几乎没有引起任何反响，在医学领域也没有得到利用。Radon并不知道，1905年荷兰物理学家H.A. Lorentz就已经提出了一种解决3D数学问题的方法。），它是在一个充斥着幻灯片和纸笔计算的世界里产生的。但是创建CT扫描需要密集的数学计算。

第一个通用微处理器芯片英特尔4004处理器发明于1971年。随后的几年里，临床病理实验室出现了由计算机控制的高速多测试分析仪，以及第一台重量近2磅、只能进行基本算术计算的便携式计算器。

这种不断增长的原始计算机能力使三维图像成为现实，而三维图像正是CT扫描仪存在的理由。制作第一张CT图像，采集数据需要9天，重建图像需要2.5小时。第一台临床CT机采集数据耗时4.5分钟，重建图像耗时20分钟。

CT扫描已经从几十张图像发展到几千张图像，这一进步伴随着扫描中嵌入的信息量的大量增加。这些附加信息有用吗？如果是这样，如何从数字数据集中最好地提取它？这些问题也适用于从化学自动分析仪获得的大量信息。

自从X光机发明以来，临床医生直接检查医学图像来做出诊断和治疗决策--但CT图像的大幅增加是否意味着我们现在需要人工智能来提取相关的临床信息？创造这些额外的图像需要额外的辐射，而CT扫描现在占人类接受辐射的大部分。额外的图像值得冒险吗？

EMI最初估计，全球CT扫描仪市场约为25台。这个结果被严重低估，部分原因是CT扫描仪很快变得更快、更通用。虽然最初的扫描仪仅限于头颅扫描，但到1975年，扫描仪可以进行全身扫描。

西门子第一台全身CT扫描仪，SOMATOM，1977。但是CT扫描仪的发明与医疗费用的快速增长同时发生。

1971年发明CT机时，医疗保健占美国国内生产总值（GDP）的7.7%，这在当时似乎是一个巨大的数字。1983年，美国每年进行的CT扫描已经达到数百万次，医疗保健在GDP中所占的比重已经上升到10%。医疗保健现在占国内生产总值的近18%。尽管医疗保健费用的上升显然是多因素的，但医疗技术的使用在这些费用中占很大比例，而成像技术是一个主要因素。CT扫描仪不是便宜的机器。目前美国有近15000台CT扫描仪。而中国估计2020年共有超过28000台CT扫描仪。

CT扫描无疑能增强诊断和更精确的治疗，但他们也发现在大多数过度使用的测试清单。或许原因让我们回到200多年前开始的概念革命。医生倾向于做听诊器所做的事--找到病变。这种驱动力使我们开发了更多的工具：磁共振扫描、PET扫描等等。

编译整理自：J.D. Howell. The CT Scan after 50 years - Continuity and Change. N Engl J Med. July 8, 2021. 内容有删改。

随着技术进步，放射组学分析在临床研究中得到广泛应用。很明显，放射组学能够超过传统的临床评分，并在结果预测和肿瘤分类方面显示出有希望的结果。除了肿瘤成像，放射组学分析可以更好地进行风险分层。

尽管有这些出色的能力，放射组学分析尚未在临床实践中实施。临床实施的最重要限制之一是放射组学分析缺乏可比性。过去，一些研究已经证明了各种参数对放射组学特征稳定性的影响，包括图像采集参数设置，如管电压、卷积核、层厚、造影剂和造影剂期相的选择以及扫描仪的选择，这些都会阻碍再现性。

对于精确的纹理分析，最佳空间分辨率和信噪比被定义为两个最重要的图像质量因素。在过去，这些参数可能受到传统能量积分探测器CT将X射线光子间接转换为电信号的影响，而目前临床我们见到的所有CT，均为能量积分探测器CT。

通过光子计数CT（PCCT）的实施，这一障碍可能得到解决。这项新技术允许将X射线光子直接转换为电脉冲，而无需像传统的能量积分CT（EICT）那样转换为可见光。到达探测器的每个光子都有助于最终图像。可以为每个光子设置图像噪声阈值，从而降低总体图像噪声，总体上导致更好的空间分辨率、更低的线束硬化伪影和更好的信噪比（参见：什么是光子计数CT？

目前尚未研究基于有机模体的PCCT扫描和重新扫描以及利用mAs方差重新定位特征稳定性的分析。来自德国学者的这项研究，目的是评估光子计数探测器CT（PCCT）对体模扫描进行放射组学分析的稳定性。作者假设，鉴于其技术创新，PCCT可能提供改进的组学特征稳定性。

作者在这项基于模体的单中心研究中，包括了16个有机模体，包括四个苹果、四个洋葱、四个酸橙和四个猕猴桃。研究的方法结构。

作者使用光子计数CT（NAEOTOM Alpha，西门子医疗）对这些蔬菜水果组成的有机体模型进行扫描。基本扫描参数为120 kV的管电压和0.25 s的机架旋转时间。PCCT的层面内空间分辨率为110μm。

使用三个不同的mAs进行扫描，包括10 mAs、50 mAs和100 mAs。随后立即重复这些扫描中，而不改变模型位置或基本扫描参数。在下一步中，将所有模型沿相同方向（顺时针）旋转90°，并重复所有扫描。

重建完成后，使用基于Python包（PyRadiomics，版本3.0.1.）的专用成像生物标志物标准化倡议定义，通过放射组学特征提取进一步分析。对于每个体模的每次扫描，提取了一阶特征、形状特征和二阶特征（总共104个特征），即灰度共生矩阵（GLCM）、灰度相关性矩阵（GLDM）、灰度大小区域矩阵（GLSZM）、灰度游程长度矩阵（GLRLM）和相邻灰度差矩阵（NGTDM）。提取采用体素归一化、重采样至2×。

随后进行统计分析，包括一致性相关系数（CCC）、类内相关系数（ICC）、随机森林（RF）分析和聚类分析，以确定稳定和重要的参数。

至少3个体模组中定义为ICC>0.75的稳定特征（体模组单个体模之间的放射组学稳定性分析）。研究发现，在测试和重新测试分析中，104个提取的特征中的73个（70%）显示出优异的稳定性，CCC值>0.9（一些基于形状的特征和一阶特征显示CCC值>0.999，相关性非均匀性作为整个图像相关性相似性的度量，是具有最高CCC值（0.99929）的非形状特征）。在重新定位后的重新扫描中，68个特征（65.4%）与原始特征相比稳定。在具有不同mAs值的扫描之间，78个（75%）特征被评为具有优异的稳定性。当比较模型组中的不同模型时，在4个组中至少有3个组中识别出八个ICC值大于0.75的放射组学特征。射频分析确定了许多特征，这些特征对于区分体模组很重要。通过组学特征，可以区分这几个不同的水果蔬菜。

使用Boruta算法按重要性排序的随机森林特征选择的输出。在此研究之前，有学者曾在两个剂量水平的光子计数探测器CT（PCD-CT）和能量积分探测器CT（EID-CT）上扫描了不同的有机样品（西葫芦、洋葱和橙子）。他们计算了每个样本的每个图像中的14个相关的放射组学特征，并比较了两个扫描仪之间的差异。

本研究更进一步，并概述了高分辨率PCCT对放射组学分析的潜在影响，在有机体模上提供了极好的测试-再测试稳定性。

体模间稳定功能热图（ICC>0.75）。一项概念验证研究表明，PCCT新技术的优势已经进入临床常规，该研究表明PCCT数据集中的光谱信息可用于在增强扫描中检测和量化贫血，以及初步研究概述了动脉硬化的潜在成像生物标志物主动脉周围脂肪组织和冠状动脉钙化导致的弥漫性心肌损伤。

该研究也有几个局限性。作为一项单中心研究，无法比较两种不同PCCT扫描仪之间的特征。没有对不同类型扫描仪之间的特征稳定性进行分析。这两个问题都应在未来的进一步研究中加以解决，以表明与传统EID-CT相比，PCCT的特征分析可能更稳定。

作者得出结论，使用PCCT数据的放射组学分析在有机体模型上提供了高的特征稳定性。过去，放射组学分析因缺乏可比性而受到阻碍，PCCT技术可能会克服这一问题，从而促进在临床常规中实施更稳定的放射组学。

使用光子计数CT进行的放射学分析提供了高的特征稳定性。

光子计数CT可能为在临床常规中实施放射组学分析铺平道路。

看到这个研究，不禁感慨，提出问题和提出验证和解决问题的想法同样重要，不需要拘泥于病人数据，如果没有的话，扫点儿别的东西兴许也可以。

使用PCCT扫描的香蕉，可以清晰看到坏掉和即将坏掉的部分。

文献原文：Hertel A, Tharmaseelan H, Rotkopf LT, Nörenberg D, Riffel P, Nikolaou K, Weiss J, Bamberg F, Schoenberg SO, Froelich MF, Ayx I. Phantom-based radiomics feature test-retest stability analysis on photon-counting detector CT. Eur Radiol. 2023 Feb 21. doi: 10.1007/s00330-023-09460-z.

图像重建：FBP、迭代与人工智能

1. CT图像重建：FBP，迭代重建与人工智能

计算机断层扫描（CT）中使用的物理、数学和技术已经从描述扫描人体单个切片的基本原理发展到解释扫描仪如何在一次屏气中在多个身体切片成像的更复杂的概念（CT发展历程参见：回望：CT五十年（1968-2018））。目前的CT系统是基于容积数据采集，其中X射线管和探测器围绕患者旋转，从一个容积的组织中收集传输数据。CT的发展不仅涉及硬件的进步，特别是CT探测器技术，还包括CT软件的开发，包含图像重建数学，旨在减少患者的辐射剂量而不损害图像质量，并提高数据采集的速度。CT使用量的增加导致人们普遍关注CT检查相对于其他X射线检查的高辐射剂量。几项研究集中在如何减少患者剂量和在ALARA原则下操作。滤波反投影（FBP）算法应用于CT已有近50年的历史，但当结合低剂量CT（LD-CT）以减少对患者的辐射剂量时，产生的图像存在噪声和伪影。随后，CT制造商开发了几种创新工具，如自动曝光控制（管电流调制，参见：自动管电流调制技术的原理和使用注意事项）；自动电压选择（X射线光谱优化）；更有效的X射线束准直。随着迭代重建的应用在临床实践中得到了认可，一些研究报告了某些迭代重建算法的缺点，包括重建时间过长和出现斑点、塑料外观或不自然的噪声纹理，这给放射科医生在图像解释过程中带来了问题。

人工智能（AI）在医学中正得到广泛的关注，特别是在医学成像中，为了解决CT图像重建中迭代重建的缺点。人工智能利用计算机模拟人类的认知系统（即像人类一样思考和解决问题）。一种应用于CT图像重建的人工智能技术是深度学习。例如，卷积神经网络是一种用于LD-CT的深度学习算法，它可以快速生成与迭代重建算法生成的图像相当的高质量图像。

来自本章概述了CT图像重建技术的基本原理，从FBP和迭代重建算法到基于AI原理的算法的使用，包括一个用于深度学习算法的通用框架。

计算机断层扫描（CT）系统的主要组成部分：数据采集、图像重建和图像显示。

CT系统的主要组成部分是数据采集、图像重建、图像显示、存储和通信。数据采集系统包括使用与特殊电子探测器耦合的X射线管，以病人投影轮廓的形式系统地收集衰减数据。图像重建系统基于中端计算机系统，用于执行复杂的计算机算法，使用投影轮廓创建图像。随后，显示的图像被发送到PACS进行存储和与远程位置的通信。

CT扫描仪的核心是图像重建过程。最初，从测量的投影轮廓生成一个正弦图（包含投影的二维数据阵列）。然后，图像重建使用正弦图创建CT图像。而现在CT重建所需要的算法都是复杂的迭代重建算法。一个重要的考虑因素是作为中央处理单元的处理硬件及其内部（主）存储器，用于永久存储软件指令和数据。

图像重建被定义为“根据沿已知位置的有限条线的线积分的估计，以二维分布（通常具有某些物理性质）生成图像的过程。”在CT中，物理特性是组织的线性衰减系数（µ）；线积分指在穿过切片的光束中沿每条射线的衰减之和；有限数量的线是指在X射线管和探测器围绕患者旋转时在已知位置收集的数据。

算法是解决问题的一组有限规则。CT中使用了几种图像重建算法，包括反投影、迭代重建和分析算法（包括FBP和傅立叶重建）。为了全面理解迭代重建算法，必须描述反投影和FBP的概念和局限性。

第一种算法是Oldendorf1961年和后来的Kuhl和Edwards在1963年提出的反投影算法，也被称为求和法或线性叠加法。然而，它被证明是无效的，因为它产生模糊的图像。解决这个问题的方法是引入一种更复杂的算法，称为FBP重建算法或卷积模型。

反投影和FBP的基本步骤以及这两种算法之间的区别。反投影收集4个投影轮廓，这些轮廓被线性地涂抹，以创建一个以经典恒星图案出现的图像。虽然这种星图会导致图像模糊，对诊断没有帮助，但FBP消除了这种模糊。使用FBP，收集到的4个投影轮廓中的每一个都使用称为卷积的数字滤波器进行过滤。在反投影之前对每组投影数据应用卷积滤波器，旨在提高清晰度和对比度。

反投影（A）和滤波反投影（FBP）（B）算法的基本步骤，说明两种算法的区别。

FBP算法有其局限性。例如，卷积滤波器会在图像中引入噪声和伪影，尤其是在LD-CT扫描中。

点源X射线焦点（基于无限小尺寸假设的近似）。未能考虑探测器单元和体素的形状和大小。忽略由X射线光子的泊松统计变化引起的图像噪声。迭代是使用一系列重复多次的操作的计算过程。迭代重建算法使用更好的数学估计和多次迭代来减少图像噪声，同时保持空间分辨率和图像对比度，特别是在LD-CT检查中较低的管电流情况下。通过引入迭代重建算法，解决了LD-CT扫描FBP算法中的问题。一个重要的区别是，与FBP中使用数字滤波器进行过滤不同，迭代重建算法考虑CT系统的精确建模。迭代重建算法有助于减少由金属植入物引起的伪影，以及由光子匮乏和线束硬化效应引起的伪影。FBP算法与迭代重建算法的流程图比较。

全辐射剂量（A）的FBP图像、具有全辐射剂量的迭代重建图像（B）和具有一半辐射剂量（C）的迭代重建图像之间基于噪声的图像质量差异的临床示例。影像评估显示，放射科医师更喜欢迭代重建影像。

迭代重建算法有三种类型：无建模的统计方法，有建模的统计方法，以及超越统计方法的纯基于模型的方法。“模型是用来描述和解释无法直接体验的现象的思想、对象甚至是过程或系统的表示。”模型是科学家研究和交流其发现的中心部分。

在CT中，术语“建模”指的是CT成像系统和被成像的病人。正如物理学家Jiang Hsieh博士指出的，“传统上由分析算法使用的CT系统模型显然不能代表物理现实。”迭代重建算法应用更复杂的模型，以提供CT系统更精确的表示。这些模型包括光学模型、噪声模型、对象模型和物理模型。虽然光学模型（系统光学）涉及X射线源、图像体素和探测器，但噪声模型考虑了X射线光子统计（源和探测器处的X射线通量）。对象模型处理通过患者的辐射衰减，物理模型检查CT数据采集的物理过程。

输入数据表示扫描期间从患者收集的测量投影数据。迭代重建获取测量的投影数据，并使用标准的FBP算法重建数据，以产生初始图像估计值。

将初始图像估计值向前投影，以生成模拟投影数据（即人工原始数据），并将其与测量的投影数据进行比较。正投影旨在模拟X射线与物体（即中间图像）的相互作用，以生成人工数据（即合成投影）。

该算法确定两组数据之间的差异，以生成在当前CT图像上反向投影的更新图像；这使得当前CT图像和测量投影数据之间的差异最小化。这两个数据集之间的差异是基于中间估计图像体积中的误差或偏差。为了减少图像和采集数据之间的差异，使用误差更新中间图像。新的中间图像在下一次迭代中再次向前投影。

用户必须根据算法中包含的预定标准来评估图像质量。

如果不满足图像质量标准，则迭代过程在迭代循环中重复多次，直到认为差异足够小。

统计迭代重建算法与建模相结合，在迭代重建过程中使用光子计数统计。这些算法可以在投影原始数据域（即正弦图域）、图像域和迭代重建过程中运行。这些算法也称为混合迭代重建。

根据Beister等人的观点，基于模型的迭代重建方法试图精确地模拟采集过程，即X射线管中阳极焦点发射具有能量谱的光子的物理过程。当这些光子穿过物体时，它们被记录在探测器像素的区域中，散落在探测器外，或被物体吸收。人工智能准确匹配采集到的原始数据的能力取决于前向投影对采集过程进行严密建模的能力。精确的人工原始数据改善了下一次图像更新的校正条件，并导致重建数据中的图像质量得到改善。

自从2008年美国食品和药物管理局批准迭代重建算法以来，一些出版物强调了它们的临床应用。2016年，佳能医疗基于前向投影模型的迭代重建解决方案，获得了美国食品和药物管理局的批准。

CT供应商提供了几种迭代重建算法。这些算法在测量投影数据和人工原始数据的比较方式以及对当前估计应用校正的方法上有所不同。

Qiu和Seeram对这些迭代重建算法的基本特征（特征和性能要素）进行了审查。他们的审查的目的是确定是否有一种共识，即迭代重建算法忠实地减少了辐射剂量并改善了CT图像质量与FBP算法的比较。使用Ovid MEDLINE和PubMed数据库对2012年至2015年的文献进行了系统回顾。将57篇临床研究的论文按总的评价分为6类。结果表明，迭代重建算法的使用降低了目标图像的噪声，即使在剂量降低的情况下也能保持空间分辨率和低对比度的可检测性。研究结果也适用于特定的病人群体，如儿科和肥胖患者。[需要注意的是，迭代重建降低辐射剂量的程度（%）还取决于传统FBP算法的图像噪声水平。

人工智能是一门广泛的学科，植根于哲学、逻辑学、数学、生物学、认知科学、神经科学和进化论。

人工智能正在卫生保健领域得到广泛关注，特别是在医学成像领域。

文献中充满了对人工智能的定义；然而，本章使用了Chollet在2018年提出的定义，该定义将人工智能定义为“自动化通常由人类完成的智能任务。”在机器学习（AI的一个子集）中，算法被训练成使用从数据中学习的模式来执行任务，而不是显式编程。在医学影像学中，Erickson等人证明了当机器学习算法应用于数据集（即肿瘤图像）和关于这些数据的某些知识（即良性或恶性肿瘤）时，算法系统从训练数据中学习并应用这些知识进行预测（即，无论不同的图像描绘的是良性还是恶性肿瘤组织）。在深度学习（机器学习的一个子集）中，算法的特点是使用多层神经网络。机器学习是人工智能的一个子集，而深度学习是机器学习的一个子集。

从生物学中获得的真实神经元和从数学函数中获得的人工神经元之间存在概念上的差异。人类的认知需要使用化学和电信号的复杂神经元网络。神经元由细胞体、树突、轴突和突触组成。传入的信号通过突触从一个神经元传递到下一个神经元。然而，人工神经网络的特点是相互连接的人工神经元，“每个人工神经元实现一个简单的分类器模型，根据证据的加权和输出决策信号。”人工神经网络由数百个这样的基本计算单元组成。学习算法，如反向传播，提出一对输入信号和期望的输出决策来训练网络的权值（参数）。这模拟了大脑利用外部感官刺激来学习完成特定任务的过程。

人工智能技术应用于CT图像重建的动机源于FBP和迭代重建算法的缺点；AI技术的应用开创了CT图像重建的新纪元。对于FBP算法，当剂量较高时，图像质量是足够的；当降低剂量以减少对患者的剂量并在ALARA理念下工作时，会产生图像噪声和伪影。迭代重建算法解决了这一问题，在使用LD-CT时产生了足够的图像质量。然而，据报道，噪声纹理经常出现斑点、塑料外观或不自然。退化量通常与迭代重建算法的强度有关。例如，迭代重建越强，图像看起来越有塑料性。由于这个原因，放射科医生经常将迭代重建限制在他们满意的水平。这在真实剂量减少和读数诊断置信度之间建立了一种权衡。

人工智能技术在CT图像重建中的应用试图解决这些局限性。一种在CT中得到广泛关注的人工智能技术是深度学习，因为它被应用于图像重建，这也被称为深度学习重建。与迭代重建方法相比，深度学习重建的目标是提供更好的图像质量、剂量性能和重建速度。[也有观点认为，目前的人工智能图像重建还不能称之为重建，而是图像恢复，因为该方法仅仅是在图像中将噪声去除，参见：高速、低剂量、深度学习、多能量：CT最新进展与未来。2012年，深度学习出现在计算机视觉领域，随后在多个领域获得普及。深度学习是机器学习的一个子集，在机器学习中，使用多层从原始输入中逐步提取更高层次的特征。Chartrand等人解释说，深度学习：

是一种表示学习类型，其中算法学习反映数据中结构层次的特征组合。复杂表示用更简单的表示法表示。这些深度学习系统提出了一种端到端的方法，通过学习简单特征（如信号强度、边缘和纹理）作为形状、病变或器官等更复杂特征的组成部分，从而利用图像的组成性质。

深度学习已被用于医学成像和计算机辅助诊断（例如，计算机辅助检测和医学图像分析）；深度学习在医学成像中的应用仍在不断发展。

Suzuki确定了两种深度学习模型：大规模训练人工神经网络和卷积神经网络。这两种模型都使用图像中的像素数据作为输入到系统中，因此已应用于医学成像。卷积神经网络模型的参数很多，需要大量的训练图像（例如1000万张图像）；而大量训练的人工神经网络需要较少的训练图像（例如，4张用于胸片中骨成分与软组织成分分离的图像），卷积神经网络专门应用于CT图像重建，以降低LD-CT图像的噪声，标记深度学习图像重建。

卷积神经网络模型和其他常规神经网络的示意图。卷积神经网络包括卷积层、池层和完全连接层（A）。简单卷积神经网络的典型结构，由输入层、多个隐藏层和输出层（B）组成。

简单卷积神经网络的典型结构由3个元素组成：输入层、多个隐藏层和输出层。隐藏层包括卷积层（数学运算）、池层（将卷积层中的神经元簇的输出合并为单个神经元）和完全连接层。

实现一个简单的卷积神经网络模型，从一个3x3像素化的矩阵图像中识别一个字符，并且滑动2个大小为2x2平方矩阵（核=2）的滤波器，步长为1。

从3 x 3像素化矩阵图像中识别一个字符，并滑动2个大小为2 x 2平方矩阵（内核=2）的滤波器，步长为1。卷积层在输入图像上应用滤波器。在输入图像上使用2个滤波器执行该操作，并且具有相同的权重。FC层充当特征之上的分类器，并为输入图像分配一个概率分数来定义输出。

深度学习重建算法的目的是克服迭代重建算法在LD-CT成像中的局限性。它们的目的是从真实信号中识别噪声并抑制噪声，这样图像中的解剖和病理特征不会受到损害，从而产生足够的图像质量，从而提高放射科医生的诊断解释技能。得到的图像显示出高信噪比。

使用迭代重建（IR）算法（A、C）生成的图像和使用深度学习（DL）算法生成的图像（B、D）生成的图像的剂量降低了51%。

现有的具有深度学习重建算法的CT系统的研究文献较少，共发现3个实例。两个系统在2019年获得FDA批准，目前已经上市，分别是佳能的Advanced Intelligent Clear-IQ Engine（AiCE）和通用电气（GE）的TrueFidelity。伦斯勒理工学院和马萨诸塞州总医院已经开发了一种深度学习重建算法，称为模块化自适应处理神经网络（modularized adaptive processing neural network），但它尚未上市。

AiCE和TrueFidelity的通用框架包括3个步骤：深度学习算法开发、算法训练和优化、算法性能或验证。对于TrueFidelity，训练和优化涉及使用由FBP算法创建的LD-CT数据和高剂量数据；在重建过程中，这些数据被输入深度学习重建引擎，该引擎执行所需的操作，以产生高信噪比的输出图像。在训练过程中，利用图像噪声、噪声纹理、低对比度分辨率和低对比度可检测性等参数将输出图像与参考图像进行比较。输出图像通过反向传播向网络报告差异，反向传播强化了一些方程，削弱了其他方程，然后再试一次。此过程重复进行，直到输出图像准确表示真实图像。在最后一步、性能或验证过程中，需要该算法重建从未遇到过的临床和伪影病例，包括罕见的病例。对模型和临床图像的深度学习重建的性能进行了评估，包括降噪、噪声纹理、对比度噪声比和低对比度可检测性。目前的结果表明，深度学习重建算法在这些参数上优于迭代重建算法，并且重建速度快，能够满足临床CT检查的需要。（更多关于人工智能的相关内容参见：人工智能的炒作之外丨算法背后与可实现的目标；高速、低剂量、深度学习、多能量：CT最新进展与未来）。

给出了2种商业化深度学习图像重建算法（A）的通用框架，并详细阐述了TrueFidelity CT系统（B）的深度学习重建算法的训练和优化步骤。

在医院或临床环境中使用深度学习算法重建过程的一般流程。深度学习的潜力已在多个卫生保健领域受到关注，包括：在2018年和2019年北美放射学会上证明，人工智能可能是放射学的一个相当大的进步。有几篇论文描述了人工智能在放射学中的不同应用（例如，病变检测等）。这促使放射学组织提出关于人工智能在放射学中使用的伦理准则和声明，比如欧洲和北美多学会的联合声明。根据声明，人工智能的道德使用应：

确保利益和伤害以公正的方式分配给利益相关者。确保责任和责任始终由人类设计者或操作员承担。放射学界应该制定有关人工智能实践的道德规范。放射科医生负责患者护理，为了在新的人工智能生态系统中为患者尽最大努力，他们需要获得新的技能。

CT扫描仪成像系统的核心是图像重建，在图像重建中，患者的图像由各种投影数据集构成，这些数据集包含在X射线管和探测器围绕患者旋转360°时从不同角度获得的衰减值。这些算法从简单的反投影到更精确的分析FBP，再到迭代重建算法，再到基于人工智能技术的深度学习算法。重要的是要认识到这些算法多年来的发展是为了使患者受益，同时遵守放射学中的ALARA原则，在不影响诊断所需图像质量的情况下尽可能使用最低剂量。[不管是迭代重建，还是深度学习的图像重建方法，本质上其目的都是一样的，即尽可能降低不必要的辐射。由于各自存在的优势和缺点，今后还需要更深入的研究。

编译整理自：Seeram E. Computed Tomography Image Reconstruction. Radiol Technol. 2020 Nov;92(2):155CT-169CT. 仅用于专业人士交流目的，不作为商业用途。

CT图像重建的发展：从滤波反投影到人工智能

自1972年问世以来，计算机断层扫描（CT）已经发展成为一种非常成功且必不可少的诊断工具。CT的成功故事反映在每年CT检查的数量上，在过去十年中，CT检查的数量以每年6.5％的速度增长，2015年美国进行了8000万次的CT扫描。引入第一个断层成像方式后，该技术迅速发展。第一次临床CT扫描大约需要5分钟，而图像重建大约需要相同的时间。尽管重建时间长，但图像分辨率仅为80×80像素。如今，旋转速度提高到大约每圈四分之一秒，并且在高端系统中沿患者z轴方向的探测器覆盖范围增加到16 cm，从而可以在单个心跳中对整个心脏成像。在大多数临床应用中，横截面图像的分辨率提高到512×512像素，而最新型的CT扫描仪则提高到1024×1024像素或更高。（关于CT的发展历程，参见：回望：CT五十年（1968-2018））。然而，CT检查具有一个主要缺点。自从引入CT成像以来，对社会的辐射暴露已大大增加，这对于年轻患者而言尤其成问题。社会对与暴露相关的健康风险的认识不断提高，以及CT为应对这些风险而做出的努力，已经导致CT剂量的显著降低。减少CT辐射的最重要方法显然是仅在收益大于风险和成本时才使用此技术。在临床上需要进行CT扫描的情况下，必须采用降低剂量的技术。引入了多种降低剂量的方法，包括管电流调制，器官特异性剂量调制，光束整形滤波器以及最重要的是优化CT参数。每个CT协议的基本参数包括管电流（mA），管电压（kV），螺距，体素大小，层厚，重建滤波函数和转速。必须认识到，参数的不同组合可以在将相同的辐射剂量输送给患者的同时实现显著不同的图像质量。例如，大像素与平滑滤波函数的组合可以为特定指示提供诊断质量，而使用较小像素和更锐利的滤波函数重建的相同采集将通过更高水平的噪声和伪影来提供非诊断图像质量。在临床常规中，经常通过调节管电流来控制辐射暴露。当降低管电流时，可以观察到图像噪声成比例的增加。另一种减少剂量的技术涉及在根据原始投影数据重建三维数据中对图像噪声和伪像的正确处理。最初，CT图像是通过称为代数重建技术（ART）的迭代方法重建的。由于缺乏计算能力，该技术很快被简单的分析方法（如滤波反投影（FBP））取代。FBP是数十年来一直是首选方法，直到2009年临床上首次引入了迭代重建（IR）技术为止。几年之内，所有主要的CT供应商都将IR算法引入临床，并迅速发展为越来越先进的重建算法。来自美国和德国的学者在综述文章中简要介绍CT图像重建的整体发展及其临床实现。作者还为稀疏采样CT，光子计数CT，相衬/暗场CT（更多内容参见：下一代CT硬件技术及在心脏成像中的应用）和人工智能的未来发展提供前景。

1970年12月，Gordon等人发表了关于ART算法的初步研究，该技术属于一类IR算法，最初被用于重建轴位图像。由于缺乏计算能力，ART在临床上并不适用，几十年来，一种更简单的算法（即FBP）已成为标准。通过FBP，应用高通滤波函数，然后进行反向投影步骤，可以从投影数据（正弦图）重建CT切片。随着CT技术的飞速发展，基于FBP的算法得到了改进和扩展，以跟上硬件的发展，例如Feldkamp等人1984年提出的用于重建大面积探测器数据的解决方案。在大多数情况下，FBP都可以很好地工作，并且可以产生具有较高诊断质量的图像。由于越来越担心将（年轻的）患者暴露于电离辐射中，因此在较低的辐射剂量下可获得更多的CT扫描。不幸的是，这导致图像质量显著降低，因为图像噪声与辐射曝光之间存在直接的比例关系。随着肥胖患病率的增长，用FBP重建的CT扫描图像质量下降。患者体型较大时，X射线光子的衰减会增加，导致到达CT探测器的光子减少，最终导致图像质量显著下降。FBP的优点是重建时间短，但主要缺点是它将原始数据输入到一个“黑盒”中，在这个黑盒中只能应用非常有限的模型和先验信息，例如当少量光子到达CT探测器时，不能正确地建模图像噪声。

滤波反投影（FBP）、混合迭代重建（IR）和基于模型的IR。使用FBP，通过应用高通滤波器和反向投影步骤（左列）从投影数据（正弦图）重建图像。在混合IR中，对投影数据进行迭代滤波以减少伪影，在反向投影步骤之后，对图像数据进行迭代滤波以减少图像噪声（中间列）。在基于模型的IR成像中，投影数据被反向投影到断层图像空间。随后，图像空间数据被前向投影以计算人工投影数据。将人工投影数据与真实投影数据进行比较，从而更新断层图像。

当临床扫描仪使用FBP进行操作时，CT研究团队花费了大量精力来开发先进的IR算法，目的是使低剂量CT具有高诊断质量。这些发展大致可分为三种基本方法：（i）基于原始数据域的方法，（ii）基于图像域的方法，以及（iii）完全迭代算法。一个并行的进展是越来越多的具有成本效益的计算工具，如用于加速CT重建的可编程图形处理单元（GPU）。这种结合的发展已经触发了医疗器械行业发展先进的重建算法。

2009年，第一个名为IRIS（iterative reconstruction in image space，Siemens Healthineers）的IR算法获得FDA批准。

在2年内，四种先进的IR算法获得FDA批准：ASIR（adaptive statistical iterative reconstruction，GE Healthcare）、SAFIRE（sinogram-affirmed iterative reconstruction，Siemens Healthineers）、iDose4（Philips Healthcare）和Veo（GE Healthcare）。前三种方法是所谓的混合IR算法。与FBP和IRIS类似，使用单个反向投影步骤。然而，混合IR方法更先进，因为它们迭代地过滤原始数据以减少伪影，并且在反向投影之后，图像数据被迭代地过滤以减少图像噪声。Veo是临床上第一个完全迭代的IR算法，是目前最先进的算法之一。

随后，图像空间数据被前向投影以计算人工原始数据。前向投影步骤是IR算法的核心模块，因为它能够对数据采集过程（包括系统几何结构和噪声模型）进行物理上正确的调制。将人工原始数据与真实原始数据进行比较，从而更新断层图像。重复前后投影过程，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IR比混合IR在计算上要求更高，从而导致完全IR的重建时间更长。由于重建时间较长，供应商决定开发一种不同的高级算法，称为ASIR-V（GE Healthcare），该算法于2014年获得FDA批准。

并且，其他供应商也推出了其他混合和基于模型的IR算法，包括AIDR3D（adaptive iterative dose reduction 3D，Canon Healthcare）、ADMIRE（advanced modeled iterative reconstruction，Siemens Healthineers）和IMR（iterative model reconstruction, Philips Healthcare）（表1）。2016年，基于模型的IR算法FIRST（forward projected model-based iterative reconstruction solution, Canon Healthcare）获得FDA批准。

临床CT成像中IR的引入导致了大量研究评估了这些方法的可能性。总的来说，这些研究表明，与FBP相比，IR提高了图像质量和诊断价值。在不影响图像质量的前提下，使用IR辐射剂量可降低23%-76%。

CT扫描迭代重建的出版物数量。基于Pubmed搜索（“迭代重建”和（“计算机断层扫描”或“CT”）的结果）。一些研究比较了多个供应商的不同方法，总的来说，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。由于X射线通过肺部空气的衰减很低，并且由于空气和肺组织之间的自然对比度很高，胸部CT检查的辐射剂量一开始就相对较低。在对24项研究的系统回顾中，Den Harder等人发现，通过应用IR，胸部CT扫描的平均辐射剂量可以从FBP重建的2.6（1.5-21.8）mSv降低到1.4（0.7-7.8）mSv。同样，在另一个高对比度的身体区域，心脏CTA的辐射剂量可以大大降低。使用FBP，10项冠状动脉CTA研究的平均辐射剂量为4.2（3.5-5.0）mSv，使用IR可降低至2.2（1.3-3.1）mSv，且保留客观和主观图像质量。然而，降低低对比度身体部位（如腹部）的CT辐射剂量更成问题。低对比度病变的可检测性在低辐射剂量下不能总是用IR来提高。然而，大多数研究发现，IR确实允许腹部CT检查的辐射剂量降低，而不会影响图像质量。

离体人体心脏，用四家供应商的高端CT扫描仪以4mGy和1mGy（剂量减少75%）进行扫描。图像重建采用滤波反投影（FBP）、混合迭代重建和基于模型的迭代重建。数字代表空气中的噪声水平（标准差）。可以发现，相对于低剂量的FBP重建图像，使用IR重建的噪声均明显降低。

尽管与临床IR相关的出版物的数量和引入新型临床算法的速度已经放慢，但减少辐射暴露的挑战仍然是人们高度关注的话题。到目前为止，大多数降低剂量的策略仍在降低管电流或管电压的范围内，而IR算法可确保可接受的诊断图像质量。减少辐射暴露的一个截然不同的方法是获取较少的投影图像。这种受压缩感启发的策略被广泛称为稀疏采样CT。这种方法可以减少投影的数量，而对于每个单独的投影图像，辐射的曝光量仍然很高。稀疏采样采集的明显好处是，在避免电子噪声的影响的同时，每个单独投影的质量都有了提高（例如，增加了信噪比）。与当前技术所达到的剂量水平相比，这些好处使剂量减少了两倍或更多倍。要从那些高度欠采样的数据重建断层图像，必须使用全IR算法。在过去的十年中，几位研究人员提出了IR解决方案，这些解决方案有可能在未来的临床中引入。能否转换为临床程序在很大程度上取决于何时能够使用稀疏采样功能的硬件（例如新型X射线管）。已经发表了对临床潜力的首次评估。一个例子是可以结合超低剂量稀疏采样采集和全IR算法来定量确定骨矿物质密度（BMD）。

在过去的几年中，并行开发已将先进的先验知识集成到IR算法中。与传统的FBP相比，IR可以将先验知识整合到重建过程中。一种想法是利用先前的检查作为图像形成过程的一部分。例如，在肿瘤学随访期间，许多患者接受了同一解剖区域的顺序检查。通过在两次扫描之间共享解剖信息这一事实，可以在IR算法中利用这一事实来显著提高诊断图像的质量，同时减少辐射的暴露。先验知识的不同示例是将有关整形外科植入物的信息整合到重建过程中。金属伪影可能会引起广泛的噪声和条纹伪影，这是由高Z值材料构成的植入物引起的。如果先验地知道植入物的形状和材料组成（例如，通过计算机辅助设计（CAD）模型或能谱分析），则可以说明将该信息集成到图像形成中可以消除伪影并改善诊断图像质量。

另一种已经进入临床环境的技术是双能CT（DECT）。DECT使材料分解成为可能，即通过利用低能和高能测量各种材料的与材料和能量相关的X射线衰减，对物体成分进行量化。与传统CT相比，这种技术有可能提高对比度，减少伪影。尽管这些进展已在临床上得到应用，但与辐射暴露有关的问题仍然存在，特别是对于这种CT检查方式。当在低辐射照射下获取数据时，材料分解步骤可以显著增强图像噪声。基于模型或全IR的直接实现需要进行若干修改，以说明材料分解数据之间的统计依赖性。这种相关性包括反相关噪声，它在材料图像的整体图像质量中起着重要作用。IR算法允许建立反相关噪声模型，从而显著改善诊断图像质量。在过去的几年中，这类针对DECT的IR已经被引入临床常规。在虚拟单能图像（VMI）中，当考虑对比噪声比时，可以观察到这一结果。理论上，在低VMI（keV）设置时，应观察到噪声的强烈增加，而在高VMI设置时，应观察到噪声的适度增加。在具有最新IR的DECT扫描仪中，对于低或高VMI设置，可以观察到噪声几乎没有增加。不同的DECT采集方法可用，包括两个不同电压的X射线管、一个在电压之间切换的X射线管、一个部分滤过的X射线管和基于探测器的光谱分离（关于双能量的实现方法，参见：双能量CT的实现方法）。专用的IR算法，考虑到CT设计的差异，对于每个DECT方案都是必要的。可以预期DECT特定IR的进一步改进，例如通过集成学习算法。

双能量CT与光子计数CT的重建。区分X射线光子的能级可以重建能量选择性图像。基于材料在不同能级上的相互作用重建材料选择性图像。

光子计数CT（PCCT）是一种即将出现的多能量CT技术，正引起临床的广泛关注。这种独特的技术能够在排除噪声的同时计算单个X射线光子的数量，而不是简单地将每个像素中的电信号进行积分。这些探测器可以执行“彩色”X射线检测；它们可以区分单个光子的能量，并将其划分为几个预定义但可选择的能量箱，从而提供透射X射线束的光谱分析。第一次临床评估表明，定量成像、材料特异性（K-edge）成像、高分辨率成像以及诊断图像质量的新水平以及辐射照射的显著减少具有良好的性能。然而，由于与DECT中的统计相关性相似的原因，传统CT中使用的IR算法并不是PCCT的最佳算法。例如，PCCT数据比常规CT数据更复杂，因为存在额外的多能量信息，并且根据探测器配置和硬件和软件设置，可以使用额外的探测器元件来实现高空间分辨率图像。图像采集的这些变化以及PCCT数据的噪声模型的差异需要集成到前向投影的模型中，以充分利用IR算法的能力。PCCT重建中的一个难题是将材料分解和图像重建分开进行。为了使IR适应更高层次的复杂性，可以联合执行图像重建和材料分解。这可以通过正演模型来实现，正演模型直接连接（预期的）光谱投影测量和材料选择图像。第一个结果说明了克服PCCT相关挑战的可能性，但是目前的IR算法计算量仍然太大，因此重建时间对于临床应用来说太长。进一步开发具有临床可行重建时间的IR解决方案势在必行。

除此之外，其它基础CT的发展也正在研究中，即相位对比和暗场CT。当前CT成像中的图像对比度是基于描述光电吸收和康普顿散射物理相互作用的粒子模型。相位对比和暗场CT基于电磁波模型，因此图像对比度表示波-光相互作用，如相移或小角度散射。这些新的成像方法利用了X射线的这些波光学特性，例如将光栅干涉仪应用于X射线成像。与常规CT相比，可以获得更多的补充信息。相位对比CT提供了明显更高的软组织对比度，暗场CT提供了低于成像系统空间分辨率的结构信息。在考虑翻译时，需要保持临床标准，例如关于辐射剂量和获取时间的标准。为了确保这些临床标准，一种方法是用定制的IR算法重建原始数据。初步研究表明，IR算法在增强相位对比和暗场CT图像质量方面具有很大潜力。一个挑战是，连续旋转的CT似乎不可行；然而，全IR算法的最新发展使得连续旋转机架成为可能。这是向相位对比和暗场CT临床转化迈出的重要一步。（关于相位对比和暗场CT的更多信息，参见：下一代CT硬件技术及在心脏成像中的应用）。

另一种新兴技术是人工智能（AI）。除了图像分类，物体检测和游戏之外，AI还因其改善CT图像重建的潜力而备受关注。AI，更具体地说是机器学习，是一组能够从原始输入（例如单个像素的强度）到特定输出（例如疾病分类）生成映射的方法。通过机器学习，输入基于手工设计的功能，而无监督深度学习能够直接从数据中学习这些功能。多个研究小组正在努力应用AI来改善CT图像的重建。一个应用是基于图像空间的重建，其中卷积神经网络用低剂量CT图像训练以重建常规剂量CT图像。另一种方法是优化IR算法。通常，IR算法基于手动设计的先验函数，从而产生低噪声图像而不会损失结构。深度学习方法允许实现更复杂的功能，这些功能有可能实现低剂量CT和稀疏采样CT。这些AI技术有可能减少CT辐射剂量，同时加快重建时间。深度学习可用于优化图像质量而不减少辐射剂量，例如，通过更先进的DECT单能图像重建和金属伪影减少。预计AI将在不久的将来在CT图像重建和图像恢复中发挥重要作用。我们预计AI将通过增强当前的重建方法来适应当前的临床CT成像工作流程，例如通过显著加速重建过程，因为训练网络的应用可以瞬间实现。

目前还没有严格意义上的AI图像重建方法，目前用于临床的AI重建原则上应属于图像恢复。如果IR可以实现优秀的图像质量，则不需要再使用AI对图像进行优化。关于人工智能的图像重建，参见：图像重建中的AI：The change is here。

2. CT图像重建算法的基本原理

CT已经成为日常检查不可或缺的手段，除了看到的CT扫描仪以外，背后的重建算法也起着重要的作用。虽然看不见摸不着，但重建算法一定决定了最后的图像质量。

重建算法是将探测器得到的数据转化成我们所能理解的三维图像。如上球管和探测器围绕人体进行采集，显示的是如果我们假设球管产生20的光子，直线穿过人体，人体的每一块组织对光子吸收能力不同，像九宫格这样表示，探测器得到的就是剩余的光子，每一个角度都会生成一排的探测器数据。

这里先要解释几个概念，如上如果将每一个角度和这个角度的探测器数据排列到一起，这张二维图像的名称我们称之为Sinogram。从Sinogram转化成CT图像的过程，我们称之为反投影，反之，从CT图像转化成Sinogram的过程，我们称之为正投影。由于Sinogram是由原始数据构成的，在Sinogram的基础上进行处理和优化从而得到最终CT图像的过程，我们称之为基于原始数据域的重建，同样，在CT图像上进行处理和优化从而得到最终CT图像的过程，我们称之为基于图像数据域的重建。最简单的CT重建过程就是将探测器得到的数据转化成Sinogram，再将Sinogram反投影生成CT图像。

0. 5倍 0.75倍 1.0倍 1.5倍 2.0倍。从上面这个视频中看到，这是最简单的反投影重建的过程(Simple BackProjection (SBP))，也模拟CT从角度0~360度的重建，角度越多，最后图像的还原度越高。从最终的图像中看到了一些缺陷，图像相对模糊，对比度低，边界不够清晰。

为了改善图像清晰度的问题，科学家们决定在每个角度反投影时加上一个滤镜，再重复之前的过程，这一重建过程被称之为滤波反投影重建(Filter BackProjection (FBP))，也被沿用至今成为最经典CT重建算法之一。从结果中可以看到，图像的清晰度，对比度，锐利度更高，还原性更强。

上表中列举了目前14种商用CT的重建算法，以及时间，重建算法的类型，和优缺点。随着科技的发展，CT重建算法大致分为6类，从一开始2004的传统基于FBP的重建，到2009基于原始数据域或者图像域的重建。在2010-2012年，将原始数据域和图像域联合的迭代算法，再到2011-2016年我们现在常用且熟知的混合迭代重建和模型迭代重建。混合迭代重建会根据实时采集到的探测器数据对预测图像进行迭代优化，模型迭代算法会根据物质的物理属性，几何学知识，X线统计等多种模型对预测的图像进行迭代优化，两种方法的原理不同。最后到最新的深度学习重建算法，每一种算法都烙下了时代的印记。

按时间线排列了CT重建算法，可以将CT重建算法看成三种类型，一是我们第一部分提到的传统重建算法，二是迭代重建算法，三是深度学习算法。每个颜色代表着不同厂家的重建算法，实线框代表了每个厂家最新的重建算法，接下来我们就来讲解一下迭代重建算法。

是在Pubmed中通过迭代重建和CT等关键词进行搜索，截止到2021年12月底找到CT迭代重建的科研文献数达到4504篇。每一次新的迭代重建算法的推出都能带来一波科研的热潮，可见迭代重建算法的重要性。

在本章Radiology的文献中，展示了迭代重建算法的通用方法，虽然不同方法的系统模型差异很大，但迭代会一直进行，持续优化目标函数，直到误差足够小，从而确定模拟投影数据与实时获取的投影数据充分匹配。

第一步算法会预估一张CT图像，图像上有什么不重要，第二步将这张预估的图像正投影成一张Sinogram，我们称之为A，第三步在的得到探测器数据后，实时生成一张Sinogram，我们称之为B，将A与B对比后调整图像A，第四步将A反投影成CT图像，由于是实时调整，现在的CT图像还不是完整的图像，还需将现在的CT图像正投影回A，将A与B做对比，接受新的数据和调整图像A，不断迭代循环，第五步算法会判断A与B之间的误差是否足够小，如果误差大会继续迭代，如果误差小会直接进入第六步，生成一张最终的CT图像。整个过程会持续几秒到几分钟不等，由于每个厂家需要结合自家的机型独立的写出一套算法，所以有些客户抱怨图像生成时间长，这可能是CT机和重建算法的双重缺陷共同造成的。

评判迭代重建算法的标准有很多，从文献的总结中，这边列出了主要的6项标准，分别是图像噪声与伪影抑制能力是否强健，临床应用是否广泛，重建速度是否快速，用户使用是否灵活，图像的对比度和分辨率是否提高，剂量相比之前是否减少。这些标准不光是评判了算法本身的好坏，还考虑到了对医生和病人的影响。图像质量是不可或缺的评判重建算法的标准之一，对噪声和伪影的抑制，提高对比度和分辨率为临床诊断提供了重要的价值。应用于不同部位，在根据个性化调节了某些参数后，是否还能输出良好稳定的图像，临床应用和用户灵活性可以为医生大大提供临床的便利性。考虑到病人的未来的健康，剂量的减少一定是必不可少的，重建速度快一定会为急诊病人创造更多的抢救时间。

这几年深度学习一直是个很热的关键词，在各个领域都在被广泛的提及和应用，的确也是在很多方面看到了它带来的优势。先来简单介绍一下深度学习的原理，一般分为两个步骤，第一步是训练，第二步是测试，通常这两步是分开进行的。在训练这一步，输入的数据是勾画好的CT图像和标注的注释，输出能一些参数的阈值，同时会对参数的阈值进行评估，如果说参数阈值的准确率偏低，会不断迭代参数阈值，直到准确率达到了一定标准。这些阈值会被直接运用到第二步，对图像进行识别和测试。

现有阶段只有GE的TrueFidelity和Canon的AiCE是运用了深度学习重建算法的，的确看到一些文献显示深度学习重建比迭代重建的结果要好，但是看一项技术好坏，还得看这项技术整体的稳定性，在现有阶段，有一些文献的结论显示深度学习重建并不完全优于迭代重建。是2021年5月发表在欧放上的文献，它比较了迭代重建算法ASIR-V和深度学习重建TrueFidelity的结果。对比肝脏、肌肉和下肢的图像后，ASIR-V的水平提升到100%与TrueFidelity提升到High的图像质量相似。

Luuk J Oostveen, Frederick J A Meijer, Frank de Lang, Ewoud JSmit, Sjoert A Pegge, Stefan C A Steens, Martin J van Amerongen, MathiasProkop, Ioannis Sechopoulos, "Deep learning-based reconstruction mayimprove non-contrast cerebral CT imaging compared to other currentreconstruction algorithms," Eur Radiol, Nijmegen, 2021.。同样是另一篇在2021年8月发表在欧放上的文献，它比较了Canon的三代不同的重建算法。右显示了图像质量不同参数的结果，绿色条状代表了主观评分较好的百分比。第二条的FIRST在各方面都明显区域劣势，AiCE在综合评分上小胜于ADIR 3D，在自然度和伪影上还是存在劣势的。

这里只是拿两篇文献作为例子，还有一些文献的结论也写道深度学习算法重建和迭代重建的结果相似，所有在现有阶段深度学习算法还处于一个探索阶段，还有很多方面需要优化，结果可能并没有想象的那么完美。

也可关注XI区，后台回复 红包 就能获得领取码哦！

心血管成像的技术突破

1. 心脏CT研究新进展

（图为2019年至2022年4月

「心脏成像」是冠状动脉疾病诊断和风险分层的核心。具体来说，心脏CT是一种高度准确的扫描方法，用于检测冠状动脉粥样硬化的存在，提供心肌缺血的客观证据并精确定量冠状动脉斑块负荷。在过去的十年中，随着心脏CT技术趋近成熟，大型临床试验结果陆续发布，对心脏成像的认识慢慢从形态学走向功能学，也逐渐尝试把科研成果应用在临床治疗中。

冠状动脉疾病的心脏成像最初代表冠状动脉钙化。30年前，Agaston等人发表了现在著名的量化冠状动脉积分（CACS）。许多研究表明冠状动脉钙化与将来冠状动脉事件风险之间的关系。极低的钙化积分代表了低心血管风险，随着年龄和其他危险因素的驱动(Mortensen et al. 2021)，心血管高危人群、中年和老年患者的CACS升高。但是CACS在个体患者中的预测能力是有限的，风险的变化不一定会反映在个体患者的CACS的变化中。近年来较为重要的研究比如他汀类药物治疗增加了CACS，其大大降低了心血管风险，这也支持了斑块的钙化可能反映斑块稳定性这一观点，而非钙化斑块是心血管事件的基础，决定了个体的心血管风险。

CCTA无法仅使用管腔狭窄程度来准确判断血流动力学意义，作为诊断冠状动脉疾病的金标准，ICA其实有很大的局限性 (Maron et al. 2020)。二维成像无法评估狭窄的血流动力学情况，其次，ICA不能对血管壁疾病进行成像。如果使用IVUS或OCT的血管内成像，可以发现冠状动脉的血管造影严重低估了冠状动脉斑块的存在、性质和范围。

■ Reynolds et al. (2021)调整了CCTA的CAD范围，缺血的严重程度和非致命性MI之间的关联消失了，故缺血的严重程度并不能预测死亡率。

结论是缺血测试在评估临床症状和冠脉狭窄的关系中更有价值，而非预测心血管风险。

CT冠状动脉造影可以用高分辨率检测冠状动脉斑块，估计血管狭窄程度和表征斑块的范围、分布和特征。国外大型临床试验聚焦在高危斑块特征（HRP）和预测不良心血管事件的相关性上。例如，PROMISE试验 (Ferencik et al. 2018)和SCOT-HEART试验 (Williams et al. 2019)，不过探究其研究结果可以发现在15%有HRP的患者中，只有24个后续发生非致命性心肌梗死（MI）。SCOT-HEART试验中的不良事件发生风险从1.4%（非HRP患者）增长至4.1%（HRP患者），增长幅度也是比较小的，且有约1/3的事件发生在非HRP受试者中。研究表明HRP中具体可预测不良事件的征象为低衰减的非钙化斑块特征 (Williams et al. 2020)。

冠状动脉特征不能完全反映冠状动脉疾病的风险，如炎症、狭窄严重程度、心肌缺血等。新的心脏CT技术可以通过对血管周围脂肪进行成像来评估冠状动脉炎症，“感知”冠状动脉壁中炎症的存在，这也是识别斑块或缺血成像未检测到的“残余风险”的一个重要步骤。

进一步延伸，将CCTA中的冠状动脉PVAT炎症和HRP斑块征象相结合，可以对心血管风险进行预测，帮助我们了解CAD的发病机制。比如未来可以研究在没有HRP特征的个体，即“低风险”个体中，检测低FAI值的重要性。反之，从被CCTA标记为“低风险”的人群中，再次将异常的FAI定义为“高风险”，有助于提高个性化的预防管理。

心脏CT是TAVI/TAVR成像的首选成像方式，可以比二维的超声心动图更精准的测量主动脉瓣环，从而优化假体的选择，帮助确定最佳血管通路。

除了管腔狭窄和动脉壁斑块特征的评估之外，CCTA还生成了重要的附加信息，如狭窄可以用计算机流体力学（Flowchart）或者机器学习（Siemens）的方法来计算CT-FFR值。

Fairbairn et al.(2018)和Norgaard et al.(2018) 研究显示ICA和冠状动脉压力导丝的研究需求逐渐减少。2022年ESC指南中指出，如果CCTA图像质量好，可考虑使用CT-FFR来评估中度阻塞性病变。

CCTA已经成为诊断非侵入性CAD患者的既定诊断技术，尽管CCTA在排除CAD上表现良好，但一些研究证明其在检测心肌缺血时特异性较低 (Gaur et al. 2016)。

对狭窄程度进行视觉评估时，可能因为伪影干扰导致对病变严重程度的高估（Shah et al. 2017），结合其他心肌缺血的影响因素，则会导致狭窄百分比和心肌灌注受损之间的不匹配。为克服CCTA检测心肌缺血的限制，心肌灌注（CTP）成像被引入 (Baggiano et al. 2020)，现在可通过有“穿梭”模式的双源系统 (Rossi et al. 2017) 或宽探测器扫描检测。

静态CTP可以通过视觉或半定量方式评估心肌的衰减图，动态CTP则允许通过多次采集心肌数据，使用数学模型测量时间衰减曲线达到量化心肌血流（MBF）等功能学参数的目的。2022年ESC指南指出，CTP可替代其他压力测试评估心肌缺血。

尽管FFR被认为是心肌缺血的临床参考标准，但是MBF和FFR是不可互换的，因为它们测量了冠状动脉生理学的两个不同方面：FFR是心外膜冠状动脉的充血压力梯度，而MBF是心肌灌注的直接指标 (Johnson et al. 2012)。

据估计，到2025年，全球进行的所有CT扫描中「15%～20%将是CCTA」。2019年欧洲心血管病学会指南将CCTA的证据水平升级为最高（1级）的检查手段，2021年美国指南也反映CCTA使用效能的增加，尤其在年轻人身上。对于「CTP、CT-FFR、PCAT、ECV、CFD」等新测量值/新技术，发现近年来的研究还在不断优化测量各种方法的诊断准确性，诊断性能的评估只是科研方向的一个小问题，但是对于新兴成像方式的批判性研究中它是必不可少的一个环节。

在不久的将在，下一代临床试验可能会提取更多有用的临床数据。

将形态、功能学参数结合基于放射组学或AI模型提取的CT特征，心脏CT的临床应用无疑会得到更大的扩展。

在过去的几十年里，心血管CT扫描已经成为心血管医学的常规成像工具。过去，多排CT的发展重点通常是提升时间分辨率，增加探测器排数来提高采集速度，从而实现全器官成像。目前，新的系统设计正引入临床，以应对下一个挑战，即提供更高的空间分辨率，从0.4-0.5mm到0.15-0.2mm。

提高空间分辨率对心血管成像应用尤其有用。对于主要心外膜冠状动脉的可视化，CT血管造影已成为侵入性冠状动脉血管造影（ICA）的替代方法，但由于部分容积效应导致的成像伪影阻碍了用现有系统准确评估较小和钙化的心外膜冠状动脉段。并且，斑块进展和消退的量化以及支架血管段的腔内清晰显示仍然具有挑战性。对非侵入性血管疾病的更好显示的需要，激发了人们对进一步提高CT空间分辨率的兴趣。实现有创血管造影评估的分辨率可以为怀疑或确诊冠心病和其他血管病变患者的无创诊断、监测甚至治疗计划提供新的机会。精确评估更小的节段，如心肌穿支血管和评估直径小于0.4mm的小动脉可以提高对心绞痛和射血分数保持的心力衰竭的微血管疾病的认识。

在CT中，空间分辨率取决于多个硬件和数据采集功能，包括探测器元件尺寸、X射线焦点尺寸和探测器响应函数，以及所用的图像重建算法。超高空间分辨率（UHR）成像具有固有的挑战，例如对运动伪影和图像噪声的敏感性增加。与传统CT系统相比，对机架和检查床的设计提出了更高的要求，以提高机械稳定性并减少振动。较小的探测器像素需要权衡图像噪声的增加或辐射剂量的增加，以保持图像噪声的相似水平。空间分辨率提高的成像也给数据管理带来了相当大的挑战。图像数据量的大幅增加需要更大的工作站后处理能力、更大的图像存档存储空间以及更快的图像网络传输速度。

光子计数CT（PCCT）是目前所有主要CT制造商所追求的一种有前途的方法。PCCT基于单独测量每个穿透光子的强大概念，最终目的是获取多能量图像，以区分和量化结构材料成分。并且，该技术也可用于获取空间分辨率更高的图像。

对于一般的放射应用，与传统CT图像相比，使用薄片和更高的重建矩阵提高空间分辨率可以提供更清晰的图像和更少的伪影，改善小细节的检测和表征，从而提高图像质量和增强读者信心（参见：NAEOTOM Alpha颞骨超高分辨率成像）。

可以想象，超高分辨率CT（UHRCT）成像将通过更好地描绘远端血管系统，对冠状动脉树进行更全面的评估。已证明，从颅内微血管到内脏小动脉，小动脉具有良好的可检测性和可视性。虽然概念上很吸引人，但对更具挑战性的远端冠状动脉血管系统的可视化尚未进行系统的探索。

更清晰的图像，结合部分容积效应和明显伪影的减少，可以对狭窄程度进行更精确的分级，并将评估扩展到支架或广泛钙化的节段。心血管UHRCT需要回答以下四个问题：

UHRCT能否进一步减少诊断性侵入性评估的数量？

在过去几年中，CT血管造影已成为疑似CAD患者的一线检查手段，这一策略得到了多个大型试验的支持，如SCOT-HEART和CONSERVE试验，并纳入了主要的临床指南。与选择ICA候选者的传统途径相比，CT的应用已被证明可显著提高ICA的诊断率，并可在很大比例的患者中避免不必要的侵入性手术。在CONSERVE试验中，CTA引导的选择性而非直接转诊ICA的策略被证明是安全的，可以避免五分之四的侵入性手术，同时显著提高梗阻性CAD的发现率。同时使用CT选择有创血管造影的候选者可显著降低57%的成本。

尽管CTA已成为有症状患者诊断冠心病的I级推荐，但仍存在一些限制。对狭窄程度的过高估计，尤其是在有钙化的情况下，仍然是CTA的已知局限。目前的指南指出CT在已知疾病和既往支架植入的高危人群中的作用有限。尽管如此，在实践中，CT仍然用于评估其中一些患者，尤其是那些不应该接受或拒绝重复侵入性手术的患者。鉴于新冠肺炎疫情的爆发，减少患者和医护人员潜在接触传染病的诊断途径已迅速成为首选，这为支持CT血管造影的扩展使用提供了进一步的论据，使其超越传统使用，甚至适用于具有中等风险的疑似急性冠状动脉综合征患者。

鉴于UHRCT冠状动脉造影的可用性和易用性，它可能对包括经皮冠状动脉介入术（PCI）后患者在内的有晚期CAD病史的重要人群有益。这将把CTA的常规应用范围扩大到有症状的缺血性心脏病患者中更广泛的非特定人群。为了部分克服低于标准诊断CT血管造影的局限性，提倡增加功能测试。然而，在理想情况下，很大一部分患者将仅根据高质量的CT血管造影进行适当管理，并选择性使用功能评估。UHRCT扫描理论上可能会在这个方向上迈出重要一步。初步探索表明，UHRCT提供的空间分辨率增加了两到三倍，这意味着狭窄百分比的量化更加准确。假阳性段的显著减少可能会对下游检查产生影响，并可能进一步减少额外功能评估的需要，例如CT衍生的血流储备分数或有创血管造影，因为两者在无明显狭窄的情况下都具有有限的临床价值。评估钙化患者和既往支架的能力可能会扩大CT血管造影的适应症，而不是侵入性成像方法，使其超越目前低至中等可能性患者，从而扩展到高风险患者或疑似晚期疾病的老年患者。此类患者约占第三中心转诊成像患者的25%-30%。

目前的CT系统已经允许在许多患者中避免诊断性ICA。如上所述，UHRCT有可能将这些益处扩大到患有更晚期疾病（如更广泛的钙化或更小的血管）和/或以前血运重建（包括支架置入）的高危患者群体。在实践中，即使在潜在的血管重建候选者中，向最初的完全无创诊断检查的转变也可能提供多种诱人的优势。人们越来越意识到，将诊断阶段与治疗阶段分开可以在几个方面改善整体临床决策。例如，在最近一项关于血运重建知情同意程序的调查中，超过40%的患者承认没有完全理解或记住提供给他们的信息。研究还显示，超过一半的患者错误地认为特定的冠状动脉介入治疗是有效的。最近，ISCHEMIA试验的结果表明，通过冠状动脉旁路移植术（CABG）或PCI进行血运重建可以改善症状和生活质量，但不会改变主要临床心血管并发症的可能性，包括非致命性心肌梗死、中风和心源性死亡。

这样的参与将允许在达成共同决定之前对可用的治疗方案进行更多的考虑。干预前的完全无创诊断策略可能允许有更多的时间来检查初始无创管理策略的潜在益处，重点是优化医疗治疗（OMT），而不是在侵入性评估期间观察到梗阻性疾病后立即PCI。鉴于越来越需要限制医疗支出，从成本效益的角度来看，限制使用侵入性手术也可能需要优先考虑，因为常规PCI策略与OMT相比，成本更高。初步非侵入性诊断方法的证据可从上述CONSERVE试验中收集。与CT引导的转诊相比，直接转诊介入性血管造影与冠状动脉血运重建率增加近40%相关，但没有任何临床益处的证据，两种策略的无事件生存率在随访中相同。Ferraro等人最近提出了一种简化的评估和管理算法，该算法更加强调基于医疗管理的预防性护理，并将侵入性手术限制在选定的患者身上。UHRCT可能具有独特的优势，可以促进临床实践模式的这一变化。

对于那些血运重建仍然是首选的患者，如果临床上适用，有专门的时间进行多学科小组讨论，可以导致更仔细地选择血运重建方法。在这方面，Serruys及其同事建议，未来PCI和CABG之间的决定可以基于CT血管造影获得的详细图像。在他们具有里程碑意义的研究中，两个独立的心脏小组被随机分为两组，分别使用CT或ICA在CABG和PCI之间进行治疗决策，而对所有其他影像学检查都是盲法的。每个心脏小组仅根据其分配的成像模式计算得分。随后，他们整合了临床信息来计算SYNTAX评分II风险预测模型，提供了CABG、PCI或CABG与PCI之间平衡的治疗建议。作者发现，CT血管造影和ICA之间关于治疗决策的一致性很高，Cohen kappa为0.82，95%置信区间为0.74-0.91。研究心脏小组同意在80%的病例中选择特定的冠状动脉段进行血运重建。

CT血管造影提供的信息不仅仅是检测到明显的狭窄。斑块负荷的可视化和特征化以及单个病变特征可用于评估技术可行性，考虑不同的方法来优化血运重建策略并提高成功率。能够非侵入性地确定解剖完全血运重建的可能性可能成为CT的一个重要优势，而图像也可以越来越多地用于程序指导。为了使这种更加个性化的方法成为临床现实，必须要有更多的细节。当前的CT技术仍然缺乏足够的空间分辨率，例如，由于钙化，频繁高估基于CT的SYNTAX分数。通过提高空间分辨率，对解剖结构进行更准确的无创表征，可以缓解这些障碍。

UHRCT能否改善心脏和其他器官系统抗动脉粥样硬化治疗和微血管疾病的监测？

除了他汀类药物的作用外，减少斑块形成的新疗法正在心血管研究中占据中心地位。在大多数这类进展的背后，斑块的减少和/或稳定通过ICA和血管内超声或光学相干断层扫描（OCT）进行评估。侵袭性是冠状动脉疾病药物开发的一个重要限制因素。CT血管造影能够量化动脉粥样硬化斑块的大小并表征其形态学特征，包括钙化和非钙化成分，这使得CT成为支持未来治疗干预研究测试的理想工具。在这种情况下，增强分辨率的CT成像优于任何其他非侵入性成像方式。对于传统CT，准确的斑块定量仍然具有挑战性，不同观察者之间以及专家观察者和自动化工具之间报告的结果差异很大。高分辨率图像可以减少观察者之间的可变性，并有助于自动轮廓识别工具。对于临床应用至关重要的斑块定量标准化工作，可以从这些改进中受益匪浅。

鉴于动脉粥样硬化过程的性质，低于常规CT空间分辨率的斑块形态和组成变化常见，可能具有重要的临床意义。UHRCT技术可以在个体水平上监测降低胆固醇治疗引起的斑块减少，从而向患者和医生保证，治疗的效果得到最大化，尤其是对于晚期或早发冠心病患者。可能，CAD监测可以扩展到支架内或支架周围的动脉粥样硬化生长，为评估先前PCI患者的动脉粥样硬化打开了进一步的窗口。将这类方法扩展到颈动脉和其他脑血管结构是直观的，尤其是因为运动控制的需求少于心脏。

UHRCT的开发揭示了一个以前未经勘探的400μm以下的血管和其他结构变化图景。更详细的冠状动脉树可视化，包括更小和更远端的分支，结合组织灌注技术，可以更好地描述缺血性心脏病。由于目前使用的技术仍然无法找到微血管疾病患者主诉的适当潜在原因，UHRCT的实施可能会打开尚未探索的窗口，以研究涉及大脑、肺和心血管系统的各种血管过程的病理生理学。

使用UHRCT，通过克服当前CT空间分辨率在显示和量化钙化、支架或小直径节段血管方面的局限性，更多患者可以获得冠状动脉粥样硬化的无创特征。UHRCT可以增强现有的管理途径，并指导药物抗动脉粥样硬化治疗或介入性血运重建治疗。近期，更大规模的调查应证实，UHRCT是否能够为心脏CT作为综合无创评估和管理越来越多日益复杂患者的首选成像方法提供重要的下一个飞跃，并避免侵入性诊断评估。从长远来看，UHRCT有助于病理生理学深入了解全球发病率和死亡率的重要病因。

参考文献：Schuijf JD, Lima JAC, Boedeker KL, Takagi H, Tanaka R, Yoshioka K, Arbab-Zadeh A. CT imaging with ultra-high-resolution: Opportunities for cardiovascular imaging in clinical practice. J Cardiovasc Comput Tomogr. 2022 Sep-Oct;

2. 心血管疾病评估新参数

生物学的一个基本原理是，新陈代谢需求的增加必须与血液供应的增加相匹配。在心脏生理学中，冠状动脉树所含心肌的数量促使供血血管床发生适应性变化，直到冠状动脉的口径足以供应所需的血流。冠状血管的体积与埋藏心肌的范围有关。

在慢性冠状动脉疾病（CAD）患者中，动脉粥样硬化导致冠状动脉管腔容积的逐渐减小，加剧了冠状动脉供血和心肌氧需求之间的不匹配，形成了与心肌缺血相关的临床症状和后遗症的基础。非侵入性功能检查，如心肌灌注成像，可以量化心肌缺血，但无需直接可视化冠状动脉解剖。相反，有创冠状动脉造影（ICA）可以提供心外膜冠状动脉几何形状的详细评估，但作为解剖测试，可能会忽略弥漫性动脉粥样硬化斑块的负担，并认为即使在占总心肌很大比例的情况下，视觉上“轻度”管腔狭窄也没有什么意义。

随着使用侵入性血流储备分数（FFR）的生理学指导评估的出现，越来越明显的是，仅狭窄程度不足以确定血流动力学显著的CAD，在多达1/3的病变中观察到不匹配。ICA缺乏狭窄性CAD可能无法理解弥漫性动脉粥样硬化斑块负荷对心外膜血管舒张能力的影响。无CAD的孤立性微血管功能障碍患者也可能出现心绞痛和心肌灌注异常。这导致人们越来越认识到需要对生理供应与需求进行综合评估。冠状动脉管腔容积与心肌质量比（V/M）弥补了心外膜冠状动脉和下壁心肌之间的差距，为冠状动脉充分匹配心肌需求的能力提供了见解。

计算机断层冠状动脉造影（CTCA）是唯一能够无创测量V/M的方法。标准的CTCA采集提供了提取详细的患者特定冠状动脉几何结构三维模型和准确的左心室（LV）质量体积评估的能力。早期研究通过侵入性评估识别V/M，随后开发技术，从CTCA推导V/M。V/M可以进一步加强对心血管疾病病理生理学的理解。

CT得出的冠状动脉管腔容积与冠状动脉流量的关系基本上基于异速生长律（allometric scaling laws）。异速生长律是生命科学中普遍观察到的连接大小和功能的对数关系，描述了生物参数随标度的变化。冠状动脉管腔容积与冠状动脉流量成比例关系，与心肌质量呈强线性关系，这一概念在动物和人类研究中都得到了验证。这些科学原理构成了首要假设的基础，即低V/M比值的患者在应激条件下由于冠状动脉供血不足而面临更高的缺血风险，以满足给定的心肌组织需求。更具体地说，与高V/M患者相比，低V/M患者的潜在特征是：1）由于心外膜阻力增加（尽管静息流量正常），静息压力梯度增大，2）FFR值降低，以及3）充血灌注降低。

V/M比可以根据标准CTCA轻松计算。这包括基于深度学习的中心线和管腔边界图像分析方法，以追踪心外膜冠状动脉的血管路径，直至约1mm从图像数据中提取图像，并在几分钟内进行处理，使用标准CT图像处理软件进行半自动管腔分割同样可行。一旦获得血管树中心线树，即可分割冠状动脉管腔边界，并计算出“V”，即冠状动脉管束表面内的体积。计算左室心肌质量M。从心脏CT图像中分割LV心肌体积（面积x层厚）。LV心肌体积随后通过乘以假定的心肌组织密度恒定组织密度（1.05g/cm3）转换为LV质量M。通过冠状动脉管腔容积除以左室心肌质量来计算V/M比值。应注意，冠状动脉管腔内容积的计算取决于用于分割冠状动脉的图像分析方法和所解析的冠脉树的范围。第一代V/M算法使用图像分割方法，除了模拟微血管的合成树的体积外，还将冠状动脉管腔体积作为分割的心外膜血管的组合。改进V/M量化方法后，消除了微血管的这种数学结构，并且仅基于从血管中提取的CT衍生的心外膜冠状血管腔>1mm的容积。

冠状动脉树疾病（如内皮功能障碍、弥漫性内膜增厚和/或动脉硬化）、心肌疾病（如主动脉狭窄或肥厚性梗阻性心肌病）或两者都可能扰乱血管体积和心肌质量之间的线性关系，并可能受血压、心率、缺氧等影响。鉴于V/M比值可作为体内静息心肌供血和需求的综合衡量指标，它有可能对这种平衡发生改变的疾病产生新的见解，从而影响临床诊断和管理。为此，一些研究探索了疾病状态下的V/M。

慢性CAD可导致复发性心绞痛综合征，通常是由于血流限制性病变引起的，是心肌灌注供需不匹配的典型状态。冠状动脉狭窄的解剖严重程度与是否存在缺血或生理意义之间存在着公认的不一致，这与视觉评估估计为50-90%的中间狭窄特别相关。通过无创和有创技术评估缺血或血流对于指导风险分层和临床决策仍然至关重要。然而，仅对缺血进行评估并不能解释导致供求失衡的因素（例如血管张力、微血管功能、心肌需求和环境因素）。这可能在一定程度上解释了为什么并非所有心绞痛患者都有明显的缺血，以及为什么侵入性FFR的生理意义与ICA的解剖意义之间经常存在不一致。

解剖评估有能力识别动脉粥样硬化，但在存在低度或弥漫性动脉粥样硬化的情况下，可能会低估缺血诊断。功能测试可以诊断局部缺血，但对整体血流减少的敏感性降低，无法识别动脉粥样硬化，动脉粥样硬化仍是心血管风险的关键驱动因素。考虑到动脉粥样硬化和缺血可能被所有测试忽略，最好进行一项包含动脉粥样硬化负荷、病变特异性缺血和潜在心肌质量测量的测试。

一些研究使用V/M比值检查了稳定型CAD患者心肌供求之间的关系。第一个是使用第一代V/M算法对NeXt sTeps（NXT）试验（NCT01757678）进行的二次分析。在这项研究中，包括238名患者，这些患者的V/M比值低于中值18.57mm3/g，定量冠状动脉造影显示，总直径狭窄更大（38%对31%，p< 0.001），总斑块体积更高（593比392mm3，p < 0.001）和侵袭性FFR更低（0.80 vs.0.87；p< 0.001），而V/M高于中位数。非梗阻性CAD患者（直径狭窄≤定量冠状动脉造影50%，n= 202），血管特定FFR值≤0.80的流行率在低V/M比率的患者中有所增加。最后，V/M比值与FFR≤0.80相关，不受性别、BMI、狭窄严重程度和斑块特征的影响。这些发现强调了V/M比值有可能提高对冠心病生理学意义的鉴别，而不是传统的ICA和CTCA标记物，并有可能完善“非梗阻性”狭窄的风险分层。

（a）直径狭窄（通过定量冠状动脉造影，QCA）与测量的低、高V/M的FFR之间的关系。（b）对于QCA直径狭窄50%的病变，FFR与V/M对比。较低的V/M值与实测FFR值≤0.8的频率有关，而较高的 V/M 值很少与 QCA 具有 50% 直径狭窄的血管的 FFR ≤0.80 相关。FFR与V/M呈正相关，Pearson相关系数为0.33（p< 0.001）。

迄今为止，评估慢性CAD患者V/M的最大研究是ADVANCE试验。在这组3110名有至少30%冠脉狭窄的症状患者中，冠状动脉心外膜血管平均容积为3003mm3，最小范围为493mm3至最大7891mm3，中值2873mm3。平均左室心肌质量为122g，最小范围为55g至最大357g，中值为118g、平均V/M为25.2mm3/g，最小范围为5.6mm3/g，最大62.5mm3/g，中值24.8mm3/g。

ADVANCE试验中包含的3110名有冠状动脉疾病和动脉粥样硬化症状的CCTA患者的V/M比值柱状图。V/M的中值为24.8mm3/g。

显示了两名低V/M的患者，第一名患者的左室重量正常但心外膜冠状动脉体积小，第二名患者的心外膜冠脉体积正常但左室重量高。在这两种情况下，伴随的FFRCT结果显示，沿着左前降支的长度，数值逐渐下降，最终下降到0.7以下，心外膜疾病和心肌管径不足导致冠状动脉血流功能受限。

由于生理供求关系不充分，FFRCT沿血管长度逐渐下降。冠状动脉体积小导致V/M低。底部：大的心肌团导致低V/M。

正电子发射断层扫描（PET）或负荷灌注心血管磁共振成像测量的心肌血流量（MBF）是CAD患者公认的预后指标。作为冠状动脉“供应”和心肌“需求”之间不匹配的潜在测量，在PACIFIC（冠状动脉CT血管造影、单光子发射计算机断层扫描、PET和混合成像的前瞻性比较，以血流储备分数确定缺血性心脏病的诊断，NCT01521468）试验的一个子研究中，研究了V/M与MBF的关系。怀疑 CAD 和保留 LV 射血分数的患者在接受有创FFR ICA 之前接受了CTA 和 PET 评估。共纳入152名受试者，包括431条心外膜冠状动脉。低V/M与高V/M患者的静息MBF数值较低（分别为1.06 vs.1.13mL/min/g，p= 0.056），但血管特异性充血MBF（3.27 vs.3.51mL/min/g，p= 0.125）或冠状动脉血流储备（3.20 vs.3.22，p= 0.806）无差异。然而，更高比例的低V/M患者有血管特异性异常充血MBF（分类为≤2.30mL/min/g）（分别为34%和19%，p= 0.009）和侵入性FFR≤0.80（分别为20%和9%，p= 0.004）。V/M与血管特异性（R= 0.148，p= 0.027）或整体充血性MBF（R= 0.179，p= 0.027）和整体CFR（R= 0.163，p= 0.045）之间存在弱相关。本研究中未报告V/M与整体静息测量心肌血流量的关系。V/M技术的未来迭代允许根据对向冠状动脉区域推导区域V/M，可能会证明与心肌和冠状动脉血流的血管特异性测量值的相关性有所改善，并需要进一步评估。

与稳定型CAD的研究相比，只有一项评估了急性冠脉综合征患者的V/M。60例ST段抬高型心肌梗死（STEMI）患者接受残余CAD的直接经皮冠状动脉介入治疗（≥50%狭窄），至少包括一条非犯罪动脉。在STEMI后一个月进行FFRCT，并与NXT试验中CAD稳定的队列进行比较。ST段抬高型心肌梗死患者的V/M中位数低于冠心病稳定患者（53比65mm3/g，p= 0.009）。中位数V/M仍然较低（40mm3/g）。本研究中的V/M值高于主流文献中报道的其他值，因为他们使用了第一代V/M方法，该方法由CTCA衍生的心外膜腔容积和模拟微血管的合成树容积组成。然而，这些少量的发现是假设产生的，需要进一步研究以确定V/M在改善MI后持续风险高风险患者的识别方面的作用。

从对冠心病患者的这些研究来看，V/M可能是心肌供氧需求的综合测量，与FFR的有创和无创测量相关，但不一定是血管特异性MBF，并且可能为稳定的冠心病患者和近期急性冠脉综合征患者提供额外的风险分层。

心绞痛和无阻塞性冠状动脉狭窄的患者占接受ICA的心绞痛患者的一半。在这些重要的亚群中，有微血管性心绞痛（MVA）患者，他们在没有血流限制性CAD的情况下出现胸痛症状，但有客观证据表明存在心肌缺血和/或冠状微血管功能障碍。V/M作为心肌供氧需求的指标，可以通过标准的CTCA采集无创地了解微血管功能。人们认识到，微血管中内皮依赖性和独立的血管舒张机制直接影响心外膜血管的血管舒张能力，从而影响冠状动脉管腔容积。在原发性MVA患者队列中，V/M显著低于匹配对照组（25.6± 5.9对30.0± 6.5，p< 0.001）。这主要是由于MVA患者总冠脉管腔容积较低（2302± 109对2978± 134mm3，p< 0.001），强调心外膜血管的血管舒张能力（即冠脉管腔容积）可能与微血管功能有关。同样，在ST段抬高型心肌梗死患者的V/M分析中，冠状动脉管腔容积明显低于冠心病稳定的对照组。研究表明，内皮功能障碍可能发生在犯罪区域以外，也会影响远端心肌，心肌梗死后6个月内观察到血管舒张反应受损。

两项研究将V/M与心肌疾病的病理生理学联系起来，两者都与肥厚型心肌病（HCM）有关。第一项是回顾性病例对照分析，比较37名HCM患者与37名对照组的年龄、性别、心血管危险因素和动脉粥样硬化斑块负荷。毫不奇怪，HCM患者的心肌质量比对照组大（176± 84对119± 27g、p< 0.001）。有趣的是，HCM患者的冠状动脉管腔总容积也较高（4112± 1139对3290± 924mm3，p< 0.001）。由于左右冠状动脉系统的贡献相等，这些患者的总体V/M较低（23.8± 5.9比26.5± 5.3mm3，p=0.026）和较低的最低FFRCT值（表明整体冠状动脉生理异常）。室间隔型肥厚患者的V/M最低。HCM中观察到的较高冠状动脉管腔容积可能代表生理适应，试图满足肥厚心肌增加的心肌氧需求，尽管与匹配对照组的V/M相比不足。

第二项研究比较了原发性（HCM，n= 55）和继发性（高血压或主动脉狭窄，n= 176）心肌肥厚，以确定V/M是否可以区分LVH的原因。在继发性肥厚患者中，V/M随左室重量增加而成比例降低，而在HCM中，对于任何给定的左室重量，V/M都不成比例地降低。这些观察结果可能表明HCM心肌细胞肥厚的速率超过了冠状动脉重塑和毛细血管新生的能力，与继发性心肌肥厚相比，导致心肌供氧需求不匹配相对增加。或者，HCM中的低V/M可能是心肌纤维化和/或细胞外基质扩张负担增加的结果，导致毛细血管稀疏。

HCM的这些早期研究强调了V/M在心肌病患者中的潜在价值，并有大量机会在其他心肌病中应用V/M。例如，在缺血性心肌病中，V/M可能阐明在无局灶性梗阻性CAD的情况下导致左室功能障碍的机制。心力衰竭和射血分数保持（HFpEF）患者占心力衰竭住院患者总数的一半，通常伴有向心性左室肥厚和微血管功能障碍/毛细血管稀疏，低V/M可能导致心肌纤维化，从而导致舒张功能障碍。或者在扩张型心肌病中，微血管功能障碍与左室受损程度相关，因此可能是一个额外的不良预后指标。毫无疑问，一旦V/M的效用得到更广泛的认可，这些都是将被探索的调查途径。

性别和种族对冠心病患病率、严重程度和预后的影响，以及对心脏几何结构的影响，已得到广泛认可。V/M评估为评估不同性别和种族背景人群心外膜冠状动脉和心肌之间的相互作用提供了一个独特的机会。

在迄今为止使用V/M的最大研究中，男性（n= 3134[66%]，平均年龄65.0岁）和女性（n= 对来自ADVANCE试验的1603例（34%]，平均年龄68.3岁）接受CTA和FFRCT的患者进行比较，以确定冠状生理学和微血管疾病的性别差异。尽管女性年龄较大，总体症状负担较高，但与男性相比，梗阻性CAD的发病率较低（65.5%对74.7%，p< 0.001）和整体FFRCT更高（0.76对0.73，p< 0.001）。尽管两组冠状动脉管腔总体积（2548 vs.3226mm3，p< 0.001）和心肌质量（99.5 vs.133.2g，p< 0.001）女性比男性低，总体V/M更高（26.2比24.8mm3/g，p < 0.001）。在多元回归分析中，女性、狭窄程度、多支血管疾病和FFRCT与V/M独立相关。重要的是，较高的V/M与90天内血运重建的可能性降低独立相关，这可能解释了女性血运重建率较低的原因。V/M的性别差异对症状和长期心血管结局的影响值得进一步调查，尤其是促进左室重构不良的情况（如高血压、肥胖和糖尿病），并扰乱这种平衡，V/M降低可能是女性心血管预后较差的一个关键驱动因素，其原因是促进了微血管功能障碍的更大倾向。

同样，Ihdayhid等人对300名白种人、南亚和东亚胸痛患者的V/M进行了比较，这些患者的年龄、性别、心血管危险因素和动脉粥样硬化负荷都很匹配。有趣的是，东亚人的V/M最高（29.2mm3/g），这组患者的冠状动脉总管腔体积最高，但左室质量指数与白人相似。尽管南亚人的冠状动脉管腔总体积最低，但该组的心肌质量也相对较低，总体V/M与白人相似（25.5 vs.25.3，p= 0.98）。这些发现可以部分解释为什么相对于白种人，东亚人的心血管风险较低，而南亚人的风险较高（尤其是在肥胖、糖尿病和高血压的情况下）。与女性的研究结果相似，可能是由于疾病导致了左心室重塑，从而增加了心肌需氧量，在南亚人的心腔容积较低（即 "冠状动脉供应"）的情况下，毛细血管密度和心肌灌注相对减少。

V/M的性别和种族差异可能对冠状动脉血流的无创性估计有影响，CTCA得出的FFR也有影响。CTCA冠状动脉流量的估算基于异速生长律，该定律描述了生物参数随标度的变化。FFRCT技术通过CT衍生LV质量（冠状动脉血流）的变应原缩放得出静息冠状动脉血流∝心肌质量3/4）。众所周知，性别差异存在，侵入性和PET检查都强调女性静息心肌流量高于男性。考虑到女性平均比男性小，心脏也较小，根据¾次方标度定律，女性比男性的单位组织静息流量更高是可以预测的。总体上考虑到人类生物学的多样性；人体心脏内异速生长标度的变化可能与年龄、性别、种族和病理有关，其对CT衍生冠状动脉血流准确性的影响尚不明确。V/M的病人特异性特征有可能使冠状动脉血流的建模得到改善，从而提高FFRCT的诊断准确性。

尽管现有的临床研究主要是回顾性、观察性病例对照分析，但它们强调了V/M作为一种容易得出的测量指标的潜在价值，这可能有助于了解在没有狭窄性冠状动脉疾病的情况下引起高血压和心绞痛的驱动因素。在CAD中，V/M与有创（FFR）和无创（FFRCT）生理学标记物相关，可能与定量MBF相关。在微血管功能障碍患者中，V/M 可能会揭示可能成为干预目标的 LV 肥大或冠状动脉腔体积减少等促成机制。V/M在阐明心肌病患者的供求不匹配方面具有真正的潜力，肥厚型心肌病已得到很好的证明。一个相对简单和直观的指标，如 V/M，可能有助于增强对高风险人群心血管疾病驱动因素的理解。

尽管V/M理论并不新鲜，但在无创检测中准确量化它的能力确是新的。这为我们提供了许多未来临床应用的潜在途径，以改进非梗阻性和梗阻性CAD的诊断、预后和管理，并补充了目前从CTCA、FFRCT和CT心肌灌注中获得的解剖和功能信息。缺血性无阻塞性冠状动脉疾病（INOCA）是与冠状微血管功能障碍和痉挛有关的一种越来越被认识的疾病。INOCA并非没有风险，它与不良预后、严重症状限制和生活质量受损有关。考虑到内皮功能与心外膜冠状动脉反应性以及管腔尺寸之间的关系，CCTA结合V/M数据可以为无明显或非梗阻性CAD患者提供进一步的个性化风险评估。改进的风险评估可以增强管理策略，例如加强现有治疗（低强度-高强度他汀类药物）、监测药物治疗的生理反应（如血管紧张素转换酶抑制剂）或改进患者的选择和使用昂贵疗法（PCSK9抑制剂）的成本效益。同样，在梗阻性CAD患者中，将V/M与其他新出现的CTCA指标（如斑块形态、FFRCT、壁剪应力和风险心肌区域）相结合，也可以提高患者的识别率，与单独药物治疗相比，这些患者将从血运重建策略中获得最大益处。

V/M的报告仍然局限于对每名患者的冠状动脉管腔总体积和左室心肌总质量的测量。鉴于动脉粥样硬化和高血压等疾病状态是系统性过程，通常认为微血管功能障碍会影响心肌。然而，微血管功能障碍的整体测量可能无法确定冠脉内冠脉流量、内皮功能和心肌灌注的日益公认的变化。例如，局限于右冠状动脉的弥漫性冠状动脉粥样硬化患者可能仍然具有正常的总体冠状动脉血流储备，尽管内皮功能障碍和右冠状动脉区域的灌注减少。就目前而言，V/M的整体测量在识别“血管健康”的区域异质性方面有限。

由于缺乏有效的CT技术来量化与患者特定冠状动脉解剖相关的心肌质量分数，因此确定局部V/M的能力受到限制。建立这种关系的关键步骤在于努力验证心肌质量与心肌灌注成比例的假设。之前已经提出了几种方法，但仅限于动物研究或单血管人体验证。这些发现为未来量化心肌质量分数和V/M的技术的发展提供了重要的基础。了解V/M区域差异的能力可能会改善患者的特定诊断、风险分层和疾病监测。

非侵入性评估心肌缺血负荷的未来。左：微血管网络的生成，用于测量心肌的阻生灌注。每一区域心肌质量和V/M的分解，以评估特定血管的健康状况。

未来对V/M的修改也将扩展到细化冠状动脉管腔容积的量化。常规硝酸甘油和心率控制改善CTCA图像质量，以及成像后数据分析的进展，对于优化冠状动脉管腔容积的计算非常重要。然而，CTCA的空间分辨率仍然是一个固有的限制，并阻碍了冠脉系统的完全可视化。最近，已开发出算法，允许生成从心外膜血管分段到微血管微动脉的合成患者特定冠状血管网络。这不仅有助于提高V/M的量化，而且有助于推进冠脉血流、微血管功能和心肌灌注的无创CT建模。

冠状动脉体积质量比是一项很有前途的研究指标，它可以深入了解血管健康和异常生理机制。V/M已经在许多临床场景中进行了研究。随着概念的确立，未来的研究将需要探索V/M是否可以通过医疗管理和心脏康复的改变而改变，以及V/M的改善是否与临床结果的改善相关。

冠状动脉管腔容积和心肌质量呈强线性关系，心肌质量受冠状动脉和心肌疾病的影响。

CTCA能够提取冠状动脉几何形状的精确3D模型和左心室重量的体积评估，从而计算V/M比值。

CCTA衍生的V/M可以提供血管健康方面的信息，例如微血管性心绞痛和肥厚性心肌病。

未来的研究将需要探索V/M是否可修改，V/M的改善是否与临床结果的改善相关。

文献原文：Ihdayhid AR, Fairbairn TA, Gulsin GS, Tzimas G, Danehy E, Updegrove A, Jensen JM, Taylor CA, Bax JJ, Sellers SL, Leipsic JA, Nørgaard BL. Cardiac computed tomography-derived coronary artery volume to myocardial mass. J Cardiovasc Comput Tomogr. 2022 May-Jun;

3. 面壁十年图破壁丨如何突破心脏CT成像的时间壁垒

年少时有幸，如逢师者对你说：人要穷尽一生之力去打破那道墙壁。你大概会不以为意。因为你的印象中，少年是：春风得意马蹄疾，一日看尽长安花[1]；须知少日拏[ná]云志，曾许人间第一流[2]。你的时间是无穷无尽，你的世界是无边无际。

多年后，书本让你了解到那样一个时代：“假如一间铁屋子，是绝无窗户而万难破毁的，里面有许多熟睡的人们，不久都要闷死了[3]”。你知道了世界或许存在令人窒息的边界。

《堂·吉诃德的人生与时代》说的是什么？是不是说疯狂能战胜理智以及疯狂的力量不可估量？

世界的本源也许并不可知，我们只能感知到墙壁之上的投影[5]，世界的答案也许在人类此刻无法进入的高维世界，只有人类爬出洞穴之外，才有可能打破认知的墙壁，但是洞穴外或许又是新的“投影”呢！

或许，久在樊笼里，复得返自然[6]，也是一种不错的选择！

宇宙间，唯一不可阻挡的是时间，它像一把利刃，无声地切开了坚硬和柔软的一切，恒定地向前推进着，没有任何东西能够使它的行进产生丝毫颠簸，它却改变了一切[7]。

时间是宇宙的墙壁，使我们的眼睛无法穿越历史的迷雾，无法跨越空间的天堑，无法看清人类跳动心脏的病变！无数前辈，才华横溢的科学家和工程师们倾尽全力，只为提升CT扫描仪的单扇区时间分辨率[8]，只为医生能看清患者跳动的心脏。

2. 1 1963年，A. M. Cormack[9]。A. M. Cormack 解决了特定区域投射线性积分的问题，这为CT成像的理论提供了早期的依据。但是这一算法并未在工程中采用，因其算法要求投射数据平行投射，而且要求巨量的计算，难以快速求解，不仅不适用于工程实现，当时的计算机也不具备这样的算力。但是A. M. Cormack的贡献毋庸置疑。

3. 2 1917年，Radon transform。CT重建采用Radon transform（拉东变换）[10]。拉东变换是一个积分变换，它将定义在二维平面上的一个函数 f(x,y) 沿着平面上的任意一条直线做线积分，相当于对函数 f(x,y) 做 CT扫描。其基本应用是根据 CT 的透射光强重建出投影前的函数 f(x,y) [1]，即拉东变换的反演问题。拉东变换由拉东在 1917 年提出[11]，他也同时提出拉东变换的反演公式，以及三维空间的拉东变换公式。在复数域上有和拉东变换相似的 Penrose 变换。Radon transform（拉东变换）在二维平面的应用就是现在大名鼎鼎的FBP算法。

1979年，Cormack 和 Hounsfield共享了诺贝尔生理或医学奖。1963年Hounsfield看到Cormack发表的论文后，立刻激发了兴趣，并于1971年打造了世界上第一台CT。

2. 4 1973年 Basal slice at four sequential time points through a cardiac Mayo Clin Proc 1975;with permission.)。同年，梅奥诊所就尝试了这种新的成像技术，扫描了人类历史上第一个心电门控的三维心脏图像[12]。尽管距离可诊断的图像很远，但是已经走出了关键的一步，实际上，直到2004年GE医疗和西门子医疗才推出性能上基本符合临床诊断的4cm容积CT。

滑环技术的发明，使得CT从断续步进扫描转向高速的连续螺旋扫描，这一技术革新不仅使得CT拥有更快的扫描速度，也使得CT可以更高效的利用机架360°（2π）的采集数据。

最早有记录的滑环CT是由西门子医疗和东芝医疗在1987年推出的Somatom Plus和TCT 900S[13]，这使得CT转速进入了亚秒级（1s以内），CT的扫描速度似乎进入了快车道，但是转速并不是可以无限提升的。

实际的CT图像也证明了这一点。这可能由多种原因造成，但是物理上最核心的原因是：数据采样不够。

3. 2.2 gantry G-load。高转速造成的数据采样量降低会影响CT图像质量，同时，也会给机架和球管造成巨大的压力。而这些元器件的初始设计参数都有明确的限制值。

并且，有相当数量的国产CT型号都在盲目追求高转速和大孔径，这种设计会在某些情况下超过元器件的G-load负载极限。根据计算，国产厂家中设计相对理性的是Neusoft医疗。

Philips采用的CT6500球管就明确标注，其承受的G-load为32G[15]，根据下面的计算结果，其光谱CT的极限G-load为31.90G，刚好卡在限制以内，这说明完全自主设计的厂家都会去精确计算整个系统的平衡。

尽管GE医疗无从考察其系统部件的G-load极限值，但是其最高端的CT -Revolution 设备的最大转速为0.28s，这一数据显然不是因为无法实现更快的转速，因其有0.24s转速的小孔径CT专用机，更可能的原因是G-load超过了元器件的设计参数。

并且，GE医疗也在2014年专门申请获批了应用于高负荷G-load情景的球管设计专利[16]，2014年，正是GE -Revolution 上市的时间。

Siemens医疗既无从考证各个元部件的G-load负载极限数值，也无相关的专利，但是，工业设计和实现能力一致是西门子引以为傲的技术基础。根据相关数据，其承受的负载数值将在下面计算。

3. 4.1 球管在空间的运动轨迹-类似于地球轨迹

4. 4.2 战斗机驾驶员承受的G-load。一名优秀的战斗机飞行员一般都可以承受高达9个G的过载，航天员的最高承受是12G。

5. 4.3 GE CT的gantry与球管承受的G-load是一致的，为31.90 G（0.28s）；47.28 G （0.23s）

6. 4.4 Philips CT的gantry与球管承受的G-load是一致的，为31.24 G（0.27s）

7. 4.5 Siemens CT球管承受的G-load 为38.04G；由于采用双球管，呈95°结构，gantry承担的G-load为53.79G

4 心脏CT的物理之壁-100ms[17]。需要在100ms以内。完成π角度的旋转数据采集，探测器采样率必须能在频率上响应高速旋转的机架产生的数据，获取足够多的projections，用于重建可诊断的图像。这一高速过程，对于绝大多数的现代CT都是难以完成的挑战。在极短的时间内获得足够多的投射数（projections），这一过程可以通过采样定理来描述。

4. 2.1 采样定理是在进行模拟/数字信号的转换过程中，当采样频率fs.max大于信号中最高频率fmax的2倍时(fs.max>2fmax)，采样之后的数字信号完整地保留了原始信号中的信息，一般实际应用中保证采样频率为信号最高频率的2.56～4倍。这也提示：如果心脏结构运动的最大频率为w Hz，那么要清晰地显示心脏结构，扫描仪每秒采集到的投照数（projection / view）最低应该达到2.56 w 个/s。

5. 2.2 由于心脏并非刚体，想要研究其运动的规律性，需要将其看做一个个微元组成的整体[18]，由于说明过程复杂，我直接采用目前行业里公认的一个标准，即上文4提到的100ms，这里采用一种粗略的近似：即对于设计参数为100ms的CT，要真正在工程上实现其有效性，需要系统的时间分辨率具备一定的冗余（因时间采集时间有很多情形会小于100ms），采集响应时间换算为100ms/4 -100ms/2.56。合25ms-39ms，这显然是目前任何CT系统都无法达到的，我们仍然有很远的路要走。探测器的采样率，一秒可以接收的最大数据量，按照100ms的临界条件计算，假设CT的转速可以达到200ms（旋转π角度的时间为100ms），投射数（projection / view）可以如下换算：- projection

   • /
   • view
   • =
   • 采样率（Hz）*转速（s）：

6. 3.1 GE -revolution-projections：8910hz*0.1s=891 （projection / view）

7. 3.2 Philips-Spectral CT-projections：4800hz*0.1=480 （projection / view）

8. 3.3 Siemens-Force-projections：4200hz0.12 = 840 （projection / view） 对于实际心脏CT需要修正（projection / view）* N；N为（100ms / CT旋转π的物理时间）：

9. 3.4 GE -revolution-projections：891 *（100ms/140ms）=636（projection / view）

10. 3.5 Philips-Spectral CT-projections：480*（100ms/135ms）= 355（projection / view）

11. 3.6 Siemens-Force-projections：840 *（100ms/66ms）=1272（projection / view）。

12. 4.1 FBP算法是Radon transform（拉东变换）在二维线性换算的应用，这也是现代CT真正应用的算法，但是算法本身并没有明确论证要重建一幅可诊断的图像至少需要多少投照数（projection / view），但是，这个公式在早期的应用中明确了一件事：公式的积分区间为0-π，也即180°，因为Radon transform是线性可逆的，在早期滑环技术发明之前，步进扫描的CT数据0-π和π-2π在数据上是等效的。

CT的时间分辨率受制于数据采样量，转速和硬件承受能力的限制。需要整体提升各个系统的性能才能获得时间分辨率的提升，目前整体的情况是，所有上市的CT都尚未解决数据量不足这一环节，无论用任何算法，如果硬件无法达到规格，都不能提升时间分辨率。没有人可以从同一条时间线欺骗得到额外的数据。

了解到提升时间分辨率需要在同一时间内获取更多的数据，即符合采样定理的规则之后，工程师和科学家们开启了一个全新的技术路线：硬件并联。

受限于当时技术的限制，首先想到的就是在球管上想办法，这样诞生了一个新的技术：飞焦点（FFS）。

首先应用的就是在利用阴极和阳极之间的一个可控电场，控制电子束在Z轴上的移动，由于时间极短，形成一个在Z轴上的两个焦点，再通过特殊的算法，以期获得单位时间内更多数据量。这一技术也被应用于心脏扫描，z-FFS技术确实获得了更多的数据，能够显示更微小的结构[19]。这并不是额外的数据。根据厂家反馈，采用FFS技术的时候，无法采用最大转速，这可能是由于复杂过程造成的系统延迟。

5. 1.1 GE-XY FFS-SSF（多焦点控制）。GE医疗采用了两个专利来实现消除FFS技术系统延迟，其一是2003年获批的立体焦点控制专利（x-y-z三个平面）[20]；其二是更早获批的2000年实现的专利，通过焦点的快速精确控制，使得同一初始数据集获得了三倍的数据量[21]，这是额外的数据量。在2011年GE医疗发布的“自由心”CT上配合冠脉运动追踪技术，其临床心脏扫描工作中取得了可信的成果。其核心在于3倍的数据量，而不是后面冠脉追踪技术。

6. 1.2 Philips-XY FFS。尽管没有更多宣传，但是GPS三家采用的焦点控制技术大同小异，都是通过阴极和阳极之间的正交电场实现的，Philips医疗也于2012年申请获批了焦点控制技术[22]。其次像东芝，佳能以及国产品牌都有类似的技术，受限于篇幅，本章就不一一展开。

7. 1.3 Siemens-z FFS

8. 2.1 联影 Cardiac Capture，多扇区技术。作为一家成立十年左右的新兴厂家，联影医疗的发展速度有目共睹，但是高端技术的沉淀从来不会有弯道超车。技术的广度是技术深度的副产物。在CT心脏成像领域，受限于硬件整体性设计不合理，算法不成熟等等原因。Cardiac Capture[24]技术在实际的临床表现并不能使人满意，除去其不完整的整体设计思路可能导致在最快转速250ms会导致相关元部件G-load超载；其与GE SSF技术的区别在于plurality of projection data(多组数据集)的获取GE 是Initial images having the same temporal occurrence in the course of each cycle[25]（单一循环内同时获得多组数据），联影则是多个cycle；其与NeuSoft CMC的区别是，CMC会考虑冠脉运动[26]和心室运动[27]的微元模型，联影的专利中并无此描述。

并且，在Cardiac Capture参数卡中有3,5,9多个档位，其中5对应Cardiac Capture 早期的25ms，侧面也可以证明该技术的多扇区本质。至于其市场上宣传的AI 特性，在数据量不足和模型范式明确的前提下，效果注定不会太理想。

5. 2.2 东软CMC -冠脉及左心室运动追踪技术。Neusoft 医疗有着更长的发展历史，尤其在CT领域，其CT有着国产品牌中难得的合理设计，其最高端的256排CT，明显采用了更紧凑的机架结构（核心部件与其他厂家一致，所以其不会出现在极速259ms扫描模式下元器件超过供应商设计参数的情况）。其次Neusoft有着更成熟的算法实现，2014年获批的专利实现了层面内冠脉的追踪[28]。

2016年获批的专利实现了心室的微元模型追踪[29]。

5. 2.3.1 Short Scan-低采样插值[30]。该专利只是应对数量不足的一种妥协手段，并不能实际提升效果。

6. 2.3.2 Motion Correct-冠脉运动追踪

7. 2.4.1- 受限于篇幅，其他厂家例如西门子早期的iTRIM（Iterative Temporal Resolution Improvement Method）是利用低采样插值，佳能东芝采用的多扇区（本质依旧是低采样插值），其他国产厂家采用的冠脉运动修复算法都可以看作以上三种技术路线之一。

尽管西门子双源CT最负盛名，但是GPS厂家其实都有自己的双源CT（或专利）。

6. 1 GE于2020年RSNA上市的心血管专用CT CardioGraphe。CardioGraphe 采用了更紧凑的机架结构，因此可以采用更快的转速240ms，同时采用了双套立体球管，和高达8910Hz的宝石探测器。这个产品用于心脏的专用扫描确实具备不错的优势，但是目前装机很少，无法更进一步详细评估。

7. 2 Philips于2016年获批的双源CT专利

8. 3 Siemens于2010年获批的双源CT专利（2005年上市第一台双源CT）。西门子双源是市场上最负盛名的双源CT，其于2005年上市第一代双源CT[33]。

2012年，西门子再次获批双源CT的数据集生成算法专利（其中包含了DE双能量的算法）[35]。

2013年，西门子申请获批了双源CT散射点伪影优化重建算法[36]。完善了双源CT的图像和功能特性。双源技术逐步成熟。

2014年，西门子医疗发布了第三代双源CT SOMATOM Force。

正如4.2.2所述，最快的CT依然没有达到39ms的理论极限值，探索之路依旧漫长，但是制造双源CT需要考虑的机械结构，算法，工程和成本在Force上已经达到一个顶峰，除非基础材料学能有所突破，人类能大规模量产目前已知强度最大的碳纳米管[37]（即流浪地球2中太空电梯的备选材料）。否则，这条道路很难继续前进，还有别的路径吗？

滑环CT代表着第三代高速CT的诞生，第四代CT的特征是环形探测器CT，由于成本与收益不符合市场规律，所以暂无上市。

这是一个充满想象力和天才的设计，电子束CT（EBCT），用等离子体的电磁精确控制取代实体的巨大惯性束缚，获得了前所未有的高速，但是高昂的成本，高故障率，未达预期的图像质量。使得这样天才设计难以落地，难道EBCT会成为历史的记忆吗？

以前的同事加入了这家公司，无意中沟通，对这家公司有所了解。原型机24环多射线源的设计难以谈得上完美，但是可以称得上独具一格。时序触发的模式一样打破了球管机架巨大的G-load负载压力。可以轻松实现200ms甚至100ms的时序转速。这是令人鼓舞的！

也许问题的原因有很多，但是仅就个人的判断，问题在于数据采样上，传统的GOS闪烁晶体难以支持如此高频的数据传输，以至于系统获得的投照数难以满足FBP重建的最低需求。

技术创新中，堪称灵光乍现的时刻并不少见，但是需要漫长的岁月来验证的这点灵感是否可靠。

行文至此，百感丛生。尊严，进步，文明，和平。自1971年后，我们仍然在前辈先行者们的框架之中。

生存本来就是一种幸运，过去的地球上是如此，现在这个冷酷的宇宙中也到处如此。但不知从什么时候起，人类有了一种幻觉，认为生存成了唾手可得的东西[40]。从市场的竞争中生存下来，从来就不是唾手可得的结果。命运之手，随时可能翻手为云覆手为雨，面对命运的诡谲难测。新兴厂家是否有改天换日的决心，老牌厂家是否还有重新出发的勇气。

欲买桂花同载酒，终不似，少年游[41]。

可悲的是：我们终于看清了，宇宙之中确实存在那道墙壁。

可喜的是：先辈给我们留下了勇气，去打破这道墙壁。

东方欲晓，莫道君行早，踏遍青山人未老，风景这边独好[42]。

---