2022, Vol. 42
2. 深圳湾实验室，深圳 518118;
3. 四川大学华西医院肿瘤中心放疗科 生物治疗国家重点实验室，成都 610041;
4. 耶鲁大学医学院放射肿瘤学系，纽黑文市 06511, 美国;
5. 德阳市人民医院，德阳 618000;
6. 北京大学肿瘤医院暨北京市肿瘤防治研究所放疗科 恶性肿瘤发病机制及转化研究教育部重点实验室，北京 100142
2. Shenzhen Bay Laboratory, Shenzhen 518118, China;
3. Department of Radiation Oncology, State Key Laboratory of Biotherapy and Cancer Center, West China Hospital, Sichuan University, Chengdu 610041, China;
4. Department of Therapeutic Radiology, Yale University School of Medicine, New Haven 06511, USA;
5. People′s Hospital of Deyang City, Deyang 618000, China;
6. Key Laboratory of Carcinogenesis and Translational Research (Ministry of Education/Beijing), Department of Radiation Oncology, Peking University Cancer Hospital & Institute, Beijing 100142, China
随着调强、立体定向放疗和立体定向放射手术等先进技术的广泛使用，放疗剂量在靶区内外的梯度越来越高[1]，患者位置微小的偏差都可能会对治疗效果造成重大影响，包括剂量脱靶导致的肿瘤复发转移和/或正常器官损伤[2-3]。
随着相关算法的不断发展，以锥形束CT(cone beam CT, CBCT)为代表的机载成像模态已被广泛应用于图像引导放疗(image guided radiotherapy, IGRT)，通过分次放疗前的成像和配准有效减少了患者的摆位误差[4]。除了摆位误差，患者在整个疗程中的解剖结构变化也是造成放疗剂量偏离计划的重要原因[5]，如体重增减、靶区缩小以及危及器官充盈程度造成的牵拉和形变等[6-7]。理想情况下，自适应放疗可以基于每日摆位图像对单次治疗剂量进行精确重建和误差累积分析，为后续治疗方案的个体化改进提供数据支持。由于散射等原因造成的图像伪影和电子密度(electron density, ED)误差等局限[8-9]，当前传统单能CBCT既不能满足自适应放疗所需的软组织精确识别和边界勾画，也不能提供用于精确剂量计算所需的准确ED分布。而受到形变幅度依赖性和算法精度难以验证等影响[10]，基于CBCT和计划CT的形变配准获得ED的方法也不可靠[11]。
作为可能解决上述问题的技术方案之一，双能锥形束CT(dual-energy cone beam CT, DECBCT)利用射线衰减与介质材料、X射线能量双重相关的特性，基于不同的能量光谱收集不同射线衰减信息，进而从双能图像中获得更准确的物质密度和结构信息[12]。目前由于双能X射线成像系统大都针对扇形束CT[13-14]，且DECBCT未有成熟的商用解决方案，因此针对DECBCT的基础研究和临床应用经验都不足，尤其是关于图像质量和物质分解精度的核心重建算法尚需进一步完善和评估。本研究使用CatPhan604模体和不同大小的定制套环模拟不同尺寸的患者成像部位，从影响剂量计算的ED和对比度噪声比(contrast-to-noise ratio, CNR)两个维度评估直接分解和迭代分解两种双能分解算法对于DECBCT图像质量的影响，为不同临床应用场景下DECBCT的系统研发和算法选择优化提供数据支持。
材料与方法1. 模体：本研究使用包含3种不同椭圆形定制有机玻璃套环的CatPhan604模体(The Phantom Laboratory, Salem, New York, USA)，用以模拟从儿童到成人不同体型的患者腹部，套环的设计尺寸和实际照片分别如图 1所示，由此可得到4种尺寸的模体，周长分别为628.3、773.7、955.5、1 075.5 mm。该模体内部的CTP682模块含有10个不同材料的插件：空气(2个)，50%骨，20%骨，聚甲基戊烯(PMP)，低密度聚苯乙烯(LDPE)，聚苯乙烯(Polystyrene)，有机玻璃(Acrylic)，聚甲醛树脂(Delrin)和聚四氟乙烯(Teflon)，电子密度值的范围为0.004×1023~6.243×1023 e/cm3。
|
注；a~c. 周长分别为773.7、955.5、1 075.5 mm A. 设计图；B. 实拍图 图 1 3种不同尺寸搭配CatPhan604模体使用的椭圆形套环图 A. Design drawings; B. Actual photo Figure 1 Three different sizes of annuluses jointly used with Catphan604 |
2. 成像装置和扫描参数：使用美国瓦里安Edge加速器上的CBCT成像系统分别获取2种kV能级的锥形束CT，其中高能使用140 kVp，低能使用100 kVp，其他扫描参数均一致，即：60 mA，20 ms，900份投影，360°运动轨迹和半扇型滤光器。三维重建采用成像系统自带的迭代重建算法，重建滤波器：自动，环状伪影抑制水平：中等，噪声抑制水平：中等。获得的三维图像重建层厚为1.995 mm，三维矩阵大小为512×512×88。重建实际范围为465.1 mm×465.1 mm×175.6 mm，能够完整覆盖安装3种套环后的模体区域。
3. 基材料选择：根据CatPhan604说明书中提供的不同插件材料HU值范围，本工作分别选取了与人体中的高密度组织(骨等)和低密度组织(软组织等)的HU值最为接近的Teflon(HU值941~1 060)和Acrylic(HU值92~137)作为两种用于物质分解的基材料。算法处理后得到的分解图像中，像素值代表两种基材料的成分占比。
4. 双能分解算法
(1) 直接分解：分别使用直接分解和迭代分解两种算法用于DECBCT的物质分解工作，其中传统的图像域直接分解为使用基材料的线性衰减矩阵逆运算，具体采用式(1)计算获得。
| $ \left[\begin{array}{l} \mathrm{C}_{\mathrm{M} 1} \\ \mathrm{C}_{\mathrm{M} 2} \end{array}\right]=\left[\begin{array}{ll} \mathrm{e}_{\mathrm{M} 1, \mathrm{EH}} & \mathrm{e}_{\mathrm{M} 2, \mathrm{EH}} \\ \mathrm{e}_{\mathrm{M} 1, \mathrm{EL}} & \mathrm{e}_{\mathrm{M} 2, \mathrm{EL}} \end{array}\right]^{-1}\left[\begin{array}{l} \mathrm{LAC}_{\mathrm{EH}} \\ \mathrm{LAC}_{\mathrm{EL}} \end{array}\right] $ | (1) |
式中，CM1和CM2分别为2种基材料的成分占比；LACEH和LACEL分别高能和低能扫描中获得的线性衰减系数；分解矩阵(eM1, EH, eM1, EL, eM2, EH, eM2, EL)在标定时通过分别采集包含2种基材料的均匀区域在2种扫描模式下的CT值建立。
(2) 迭代分解：作为比较的迭代分解算法[15]以直接分解结果为初始解，基于最佳线性无偏估计，将分解后图像的估计方差矩阵的逆作为最小平方项的惩罚权重。且引入了正则化项通过计算图像相邻像素值差异的平方和来加强图像的平滑度。此外，为了保证分解后图像的边界清晰，在分解前检测图像的边缘并在正则化中进行保留。
5. 图像评估指标
(1) 电子密度: 以Catphan604模体说明书列明的ED真实值为参考，基于式(2)计算两种分解算法获得图像ED的相对误差用以评估电子密度的计算精度。
| $ E_{\mathrm{ij}}=\frac{V_{\mathrm{ij}}-V_{\mathrm{i} 0}}{V_{\mathrm{i} 0}} \times 100 \% $ | (2) |
式中，Vij为第i种已知材料组成的不同材料插件中第j个采样点的电子密度值，e/cm3；Vi0为第i种插件的真实电子密度值，e/cm3。
(2) 对比度噪声比: 使用式(3)计算DECBCT的对比度噪声比(contrast-to-noise ratio, CNR)[16]。
| $ \mathrm{CNR}_{\mathrm{dual}}=\sqrt{\frac{2 C_{1}^{2}}{\sigma_{1, \mathrm{~s}}^{2}+\sigma_{1, \mathrm{~b}}^{2}}+\frac{2 C_{2}^{2}}{\sigma_{2, \mathrm{~s}}^{2}+\sigma_{2, \mathrm{~b}}^{2}}} $ | (3) |
式中，C1和C2分别为分解后2种基材料等效图像的像素值在感兴趣区与背景区的差值；σ1, s和σ1, b为第一种基材料图像感兴趣区和背景区的像素值标准差；σ2, s和σ2, b为第二种基材料图像感兴趣区和背景区的像素值标准差。
使用式(4)评估迭代分解相比于直接分解的CNR相对提高比例。
| $ B_{\mathrm{i}}=\frac{\mathrm{CNR}_{\mathrm{Ii}}-\mathrm{CNR}_{\mathrm{Di}}}{\mathrm{CNR}_{\mathrm{Di}}} \times 100 \% $ | (4) |
式中，CNRIi为第i种材料组成的插件中，迭代分解后的CNR值；CNRDi为第i种材料组成的插件中，直接分解后的CNR值。
6. 统计学处理: 采用MATLAB R2021b软件对2种分解算法获得的数据进行统计分析。满足正态分布，使用双样本t检验，否则使用Wilcoxon秩和检验。P < 0.05为差异有统计学意义。
结果1. 数据采样：本研究在图像质量的定量评估中选取了11层(单层厚为1.995 mm)包含CTP682模块插件的CBCT图像，用于计算ED的准确度和各个材料相对于背景的CNR。每一层插件区域均以其中心为圆心采样29个点，11层共计319个点。
2. 运算环境：所使用算法均基于MATLAB R2021b实现，在2.20 GHz CPU的代码运行环境下，迭代分解包含11层的3D图像所需时间约为130 s。
3. 双能分解后所得图像：分解后图像的数值采样点如图 2所示。图 3中展示了最大尺寸模体的有效原子序数分布图像，其中蓝色标记为模体中较为均匀的区域，计算得到的标准差能够定量反映目标图像的噪声大小(每组采样均为2 821个点)，所得结果按照从小到大的模体尺寸分别为：(直接分解)0.249、0.300、0.412、0.394；(迭代分解)0.080、0.124、0.265、0.322。
|
注：红色区域为采样点，其中插件内区域用于计算电子密度相对准确度，并与圆环背景区域平均值一并用于计算对比度噪声比 A. 聚四氟乙烯等效图像；B. 有机玻璃等效图像 图 2 迭代分解后CatPhan604(不加套环)的两种基材料等效图像 A. Equivalent image of Teflon; B. Equivalent image of acrylic Figure 2 Equivalent images of two base materials of CatPhan604 (with no annulus) after iterative decomposition |
|
注：蓝色标记为选取的模体中较为均匀的区域，用以定量评估噪声大小 A. 直接分解；B. 迭代分解 图 3 两种双能分解算法获得的有效原子密度分布图像 A. Direct decomposition; B. Iterative decomposition Figure 3 Images of the effective atomic density distribution obtained from material decomposition |
4. 电子密度(ED)评估结果：ED的相对准确度对比结果如图 4所示，图中数值为2种算法计算出的采样点的电子密度与模体生产商提供的标准值之间的相对误差，误差越小即双能分解结果越准确。表 1展示了2种算法电子密度相对误差的统计学比较结果。
|
注：1.聚四氟乙烯；2.聚甲醛树脂；3.有机玻璃；4.聚苯乙烯；5.低密度聚苯乙烯；6.聚甲基戊烯。“+”为离群值 A~D. CatPhan604模体外分别安装0 ~ 3个椭圆形套环以改变模体尺寸 图 4 两种双能分解算法对于CatPhan604及安装3种不同大小椭圆形套环后电子密度计算相对精度的结果 A-D. CatPhan604 with 0-3 annuluses installed to change the phantom size Figure 4 Comparison of the accuracy of electron density obtained using two decomposition algorithms for different sizes of phantoms |
|
表 1 电子密度计算精度的比较[M(Q1, Q3), %] Table 1 Comparison of the accuracy of electron density[M(Q1, Q3), %] |
5. 对比度噪声比评估结果：CNR的对比结果如图 5所示，迭代分解方法对于不同尺寸模体及不同材料插件而言均明显优于直接分解，相对提高比例为51.8%~703.47%。
|
注：1.聚四氟乙烯；2.聚甲醛树脂；3.有机玻璃；4.聚苯乙烯；5.低密度聚苯乙烯；6.聚甲基戊烯 A-D. CatPhan604模体外分别安装0 ~ 3个椭圆形套环以改变模体尺寸 图 5 两种双能分解算法对于不同大小模体对比度噪声比的分解结果 A-D. CatPhan604 with 0-3 annuluses installed to change the phantom size Figure 5 Comparison of the contrast-to-noise ratios (CNR) of two decomposition algorithms for different sizes of phantoms |
讨论
本研究使用了CatPhan604模体中包含的10根已知准确电子密度值的插件，用于评价DECBCT图像ED的准确度。其中2根空气插件由于其本身的ED值极低(0.004×1023 e/cm3)，且在临床应用中很容易与其他结构辨别并自动分割，ED可通过设定阈值准确实现，故未纳入本研究进行评估。
由于本中心使用的Edge加速器CBCT成像系统版本较老，其用于线性衰减-HU值的标定曲线是基于CatPhan504模体设计，并不包含CatPhan604中额外的2种插件，即50%骨和20%骨。故虽然本实验中使用CatPhan604进行标定，但成像设备也未实际采集50%骨和20%骨的数据。在缺乏该两种材料标定数据的情况下，本研究也没有纳入这两种材料进行分析。
由Niu等[15]提供的算法研究结果所使用的数据来源于实验室成像设备，而不是临床中实际使用的CBCT装置，且该研究没有比较两种算法对于不同尺寸模体的处理结果。本研究的结果显示，对于安装不同尺寸套环的CatPhan604模体而言，直接分解和迭代分解算法在ED计算精度上的差异较小。统计结果显示，在原始尺寸的CatPhan604模体上，对于有机玻璃、聚苯乙烯和低密度聚苯乙烯3种材料，迭代分解显著好于直接分解。而对于聚四氟乙烯，直接分解显著好于迭代分解。但2种方法的平均精度均 < 1%，都能够满足临床剂量计算需求[17]。但对于CNR而言，不同尺寸的模体以及不同的插件材料结果均显示迭代分解优于直接分解。主要原因为迭代分解能够在不损失分解精度的前提下，尽可能降低目标区域和背景区域的图像噪声，从而显著提高了对比度，有利于为结构勾画和配准摆位提供更清晰的图像数据[18]。结果中的噪声定量评估数据也证明了迭代分解相比于直接分解能够显著降低图像噪声。
本研究结果还显示，随着整个模体尺寸的变大，不同材料的ED准确度和CNR值均具有一定的减小趋势，且迭代算法对于CNR的提升效果也会减小。两类原因可能导致了这一结果：①被扫描模体的散射影响了探测器的接收信号.②成像射束的能量谱在穿过模体前后发生了显著改变，即射束硬化。且以上效应会随着模体尺寸的增大而影响更加显著[19]。因此，在未来双能锥束CT的研发和临床应用中，应充分考虑患者体型对图像质量和定量分析结果的精度影响[20]。目前有研究通过双能线性混合技术显著降低了射束硬化的影响[21]，未来将用于本实验的对比分析。
出于标准化和定量分析的考虑，本研究只采用了CatPhan604模体进行分析和比较。为了进一步探索迭代分解算法在商业开发中的价值和临床实践中的应用，未来还需要使用实际患者的图像进一步研究。
DECBCT的物质分解算法中，迭代分解相比于传统的直接分解，能够在不损失电子密度计算精度的前提下显著降低图像的噪声，提高了图像的对比度。在相同扫描条件和分解算法下，大尺寸模体会显著降低DECBCT的ED准确度和CNR可视化效果。
利益冲突 无
志谢 感谢曹楠楠、张子杰、王佳琦、田洪波在双能锥形束CT采集和影像数据整理过程中的帮助
作者贡献声明 李晨光负责数据分析和论文写作；牛田野、周莉参与数据分析和代码编写；邓军、邹程媛协助论文撰写和修改；李莎、刘宏嘉、董正坤、华凌协助实验设计和数据采集；蒲亦晨、曲靓子、李乔协助数据整理和分析；张艺宝负责实验设计和论文修改
| [1] |
Sterzing F, Engenhart-Cabillic R, Flentje M, et al. Image-guided radiotherapy: a new dimension in radiation oncology[J]. Dtsch Arztebl Int, 2011, 108(16): 274-280. DOI:10.3238/arztebl.2011.0274 |
| [2] |
Miralbell R, Bleher A, Huguenin P, et al. Pediatric medulloblastoma: radiation treatment technique and patterns of failure[J]. Int J Radiat Oncol Biol Phys, 1997, 37(3): 523-529. DOI:10.1016/s0360-3016(96)00569-x |
| [3] |
Dawson LA, Sharpe MB. Image-guided radiotherapy: rationale, benefits, and limitations[J]. Lancet Oncol, 2006, 7(10): 848-858. DOI:10.1016/S1470-2045(06)70904-4 |
| [4] |
Han X, Pearson E, Pelizzari C, et al. Algorithm-enabled exploration of image-quality potential of cone-beam CT in image-guided radiation therapy[J]. Phys Med Biol, 2015, 60(12): 4601-4633. DOI:10.1088/0031-9155/60/12/4601 |
| [5] |
Yan D, Lockman D, Martinez A, et al. Computed tomography guided management of interfractional patient variation[J]. Semin Radiat Oncol, 2005, 15(3): 168-179. DOI:10.1016/j.semradonc.2005.01.007 |
| [6] |
Huang Y, Wang H, Li C, et al. A Preliminary simulation study of dose-guided adaptive radiotherapy based on halcyon MV cone-beam CT images with retrospective data from a Phase Ⅱ clinical trial[J]. Front Oncol, 2020, 10(September): 1-8. DOI:10.3389/fonc.2020.574889 |
| [7] |
Lotz HT, Pos FJ, Hulshof MC, et al. Tumor motion and deformation during external radiotherapy of bladder cancer[J]. Int J Radiat Oncol Biol Phys, 2006, 64(5): 1551-1558. DOI:10.1016/j.ijrobp.2005.12.025 |
| [8] |
Zhao W, Vernekohl D, Zhu J, et al. A model-based scatter artifacts correction for cone beam CT[J]. Med Phys, 2016, 43(4): 1736. DOI:10.1118/1.4943796 |
| [9] |
Ma C, Cao J, Yin Y, et al. Radiotherapy dose calculation on KV cone-beam CT image for lung tumor using the CIRS calibration[J]. Thorac Cancer, 2014, 5(1): 68-73. DOI:10.1111/1759-7714.12055 |
| [10] |
Huang Y, Li C, Wang H, et al. A quantitative evaluation of deformable image registration based on MV cone beam CT images: Impact of deformation magnitudes and image modalities[J]. Phys Med, 2020, 71(2020): 82-87. DOI:10.1016/j.ejmp.2020.02.016 |
| [11] |
Petit SF, van Elmpt WJ, Nijsten SM, et al. Calibration of megavoltage cone-beam CT for radiotherapy dose calculations: correction of cupping artifacts and conversion of CT numbers to electron density[J]. Med Phys, 2008, 35(3): 849-865. DOI:10.1118/1.2836945 |
| [12] |
McCollough CH, Boedeker K, Cody D, et al. Principles and applications of multienergy CT: Report of AAPM Task Group 291[J]. Med Phys, 2020, 47(7): e881-e912. DOI:10.1002/mp.14157 |
| [13] |
Bamberg F, Dierks A, Nikolaou K, et al. Metal artifact reduction by dual energy computed tomography using monoenergetic extrapolation[J]. Eur Radiol, 2011, 21(7): 1424-1429. DOI:10.1007/s00330-011-2062-1 |
| [14] |
Men K, Dai J, Chen X, et al. Dual-energy imaging method to improve the image quality and the accuracy of dose calculation for cone-beam computed tomography[J]. Phys Med, 2017, 36: 110-118. DOI:10.1016/j.ejmp.2017.03.023 |
| [15] |
Niu T, Dong X, Petrongolo M, et al. Iterative image-domain decomposition for dual-energy CT[J]. Med Phys, 2014, 41(4): 041901. DOI:10.1118/1.4866386 |
| [16] |
Yu L, Primak AN, Liu X, et al. Image quality optimization and evaluation of linearly mixed images in dual-source, dual-energy CT[J]. Med Phys, 2009, 36(3): 1019-1024. DOI:10.1118/1.3077921 |
| [17] |
Kilby W, Sage J, Rabett V. Tolerance levels for quality assurance of electron density values generated from CT in radiotherapy treatment planning[J]. Phys Med Biol, 2002, 47(9): 1485-1492. DOI:10.1088/0031-9155/47/9/304 |
| [18] |
Shuman WP, Green DE, Busey JM, et al. Dual-energy liver CT: effect of monochromatic imaging on lesion detection, conspicuity, and contrast-to-noise ratio of hypervascular lesions on late arterial phase[J]. AJR Am J Roentgenol, 2014, 203(3): 601-606. DOI:10.2214/AJR.13.11337 |
| [19] |
Yang CC, Yu PC, Ruan JM, et al. Optimizing the target detectability of cone beam CT performed in image-guided radiation therapy for patients of different body sizes[J]. J Appl Clin Med Phys, 2018, 19(3): 310-317. DOI:10.1002/acm2.12306 |
| [20] |
Zhang Y, Yan Y, Nath R, et al. Personalized assessment of kV cone beam computed tomography doses in image-guided radiotherapy of pediatric cancer patients[J]. Int J Radiat Oncol Biol Phys, 2012, 83(5): 1649-1654. DOI:10.1016/j.ijrobp.2011.10.072 |
| [21] |
门阔, 戴建荣, 陈辛元, 等. 双能锥形束CT线性混合技术提高相对电子密度的准确性[J]. 中国医学物理学杂志, 2017, 34(5): 433-438. Men K, Dai JR, Chen XY, et al. Relative electron density measurement accuracy improved with linear mix technique on dual energy cone-beam CT[J]. Chin J Med Phys, 2017, 34(5): 433-438. DOI:10.3969/j.issn.1005-202X.2017.05.001 |