計算機斷層掃描（Computed Tomography，CT）的出現已經徹底改變了放射學，而這場革命仍在繼續。現代CT系統從單純的頭部掃描儀開始，如今可以在幾秒鐘內完成各向同性分辨率的全身檢查、全器官灌注和高時間分辨率的心臟CT成像。
近日，Investigative Radiology（IF：6.091）在線發表了一篇文章，介紹了CT技術的最新進展，作者在2015年也就CT技術進展進行過綜述，在新發表的文章中也涉及到部分內容，我們今天就一塊來了解一下。
CT有著悠久的歷史（關於CT歷史的更多內容，可以參見：回望：CT五十年（1968-2018）），由於技術上的顯著進步，CT是當今臨床上最常用的斷層成像方法。
近年來， CT技術的發展已經從提高機架轉速、增加探測器排數、提高X射線球管的性能，轉向潛在的顛覆性技術，如光子計數探測器，用以提供更高空間分辨率，更低圖像噪聲，多能量成像功能以及用於圖像預處理的機器學習算法。
商用高端CT系統接近硬件的物理極限，尤其是探測器，球管和機架：Z軸方向上的最大探測器寬度保持在16cm。機架旋轉時間幾乎保持不變；現在只有一個具有短球管探測器幾何結構的專用心臟掃描儀可以更快地旋轉0.01s。2014年全身CT系統宣佈的0.2s轉速仍然是一個希望。設置低至70 kV的低kV掃描模式已變得廣泛可用，現在可以將90或100 kV視為新標準。
另一方面，輻射劑量減少技術的重大進步，例如亞mSv心臟CTA或0.2 mSv胸部CT，使該技術在大規模篩查試驗中具有吸引力。
每個主要CT供應商都提供雙能或多能CT技術，最近又提出了多種臨床應用。機器學習算法將用於各種任務，圖像重建，運動校正，個體輻射劑量計算，最後篩選病理數據集，並提供一些診斷建議。
排的競爭減慢
今天的高端CT系統在Z軸方向上有192到320個探測器排列，最大探測器寬度在等中心位置（表1）為16cm。
16cm的探測器寬度是不動床靜態或動態全器官成像（大腦、心臟等）的優勢與散射增加、錐束偽影、足跟效應的缺點以及因大錐角而在空間分辨率和圖像噪聲之間權衡而產生的折衷方案。
如果16cm的探測器全部使用，主要採用序列掃描模式。東芝推出了第一個採用這種探測器陣列的系統（Aquilion One，2007），通用電氣也沿著這條道路，在2013年RSNA推出了16cm的探測器的CT系統（Revolution CT）。
2018年RSNA上公佈了一個專用的心臟CT系統（CardioGraph; GE Healthcare/Arineta），其在X-Y軸方向上最大視野為25或16cm，探測器寬度為14cm。與雙源CT系統（西門子）相比，該系統也配備了兩個球管，但兩個球管在X-Y平面上位置相同，並使用一個探測器陣列接收信號（圖1）。這種“立體CT”技術旨在減少寬探測器的錐束偽影，並尋求更好地利用所施加的X射線劑量。
所有探測器寬度大於8釐米的CT系統都有一個共同點，即它們僅以序列模式使用整個探測器寬度。如果掃描範圍超過探測器寬度，則應用螺旋掃描模式，該模式僅使用中央部分的探測器以最大程度地減小過度照射（overbeaming）（例如，對於Aquilion One系統，螺旋掃描使用64x0.5 mm）。
因為心臟CTA現在可以在大多數高端CT系統的一次心跳內完成，所以更多探測器排列的主要驅動力之一已經消失。離心力在物理上限制了機架更快旋轉的速度，儘管GE在2014年承諾將旋轉時間縮短至0.2s，但這尚未實現。目前，CT的最快轉速是0.24s （CardioGraph），它的源軸距（source-axis distance，是指探球管到機架旋轉軸的距離）僅為45cm，因此對於給定的離心力可以更快地旋轉，該系統的缺點是機架孔徑較小，視野有限，限制了其在心臟和中心血管的應用。
Lell MM, Wildberger JE, Alkadhi H, et al. Evolution in computed tomography: the battle for speed and dose. Invest Radiol. 2015;50:629–644.
Lell MM, Kachelrieß M. Recent and UpcomingTechnological Developments in Computed Tomography: High Speed, Low Dose, DeepLearning, Multienergy. Invest Radiol. 2019 Sep 16.
圖1 球管探測器配置的不同概念
不同於傳統的CT系統（左）那樣使用一個X射線球管，可以將X射線束限制在所需的FOM（field of measurement）。這種方法通過按視圖方式（中間）在兩個縱向良好分隔的X射線焦點之間進行切換，減少了對錐束偽影的脆弱性和所需探測器的寬度。GE/Arineta的CardioGraphe的幾何結構（右）縮短了25%，以提高X射線球管的功率效率並實現更緊湊的系統。重要的是要知道，與使用2個X射線源相隔90度並因此獲得四分之一旋轉時間的時間分辨率的雙源CT系統相比，該系統仍然需要機架旋轉一半進行圖像重建，因為它的X射線焦點安裝在XY平面的相同角度。
Lell MM, Kachelrieß M. Recent and UpcomingTechnological Developments in Computed Tomography: High Speed, Low Dose, DeepLearning, Multienergy. Invest Radiol. 2019 Sep 16.
球管技術
先前詳細討論過的X射線管設計和技術原理仍然有效：為了更快地掃描，更重要的是，在應用低千伏掃描協議時，減少X射線照射，需要更高的X射線管功率（表1）。
要在足夠短的掃描時間內使重症患者的胸部、腹部或主動脈CTA進行CT掃描，以使患者舒適地屏住呼吸，就需要更快的轉速和移床速度，因此需要更高的球管輸出。典型的最大球管功率約為100 kW或更高。對於雙源CT系統，這些值將翻倍。由於在過去的幾十年中掃描時間顯著減少，因此最新一代的X射線球管（Vectron，Siemens）已針對非常短的曝光時間內的高曝光水平進行了優化。不同供應商對比，可以發現最大球管功率的顯著不同。
更高的管功率並不意味著更高的患者劑量，相反，它可能是顯著降低患者劑量的措施的基礎。
已經引入了專用的前置濾波器來修飾光譜形狀，並有選擇地從光束中去除低能光子，否則這些光子將被患者吸收而不是到達探測器。用100kV和Sn濾過掃描胸部，使胸部CT在常規胸片（有效劑量<0.2mSv）的曝光水平下成為可能，非常適合未來的篩查項目。
如在一些西門子CT中使用的0.4mm的Sn過濾器，可以吸收所有發射光子的大約90%，因此球管輸出的管電流需要很高，以在探測器端產生適當的信號（關於能譜純化技術的原理及更多內容請參見：能譜純化技術的基本原理與臨床應用）。
需要高管電流輸出的另一個原因是，不僅在小體型患者中，而且在整個患者隊列中，包括較大的高體重指數患者，也需要使用低管電壓掃描協議進行快速掃描。
在許多應用中，在低管電壓下掃描可增加碘對比度，並允許減少對比劑用量。因此，選擇低管電壓是減少X射線輻射和對比劑用量的有力工具。100kV已經成為CT掃描儀上的新成像標準，它提供了過去120kV的足夠的管電流輸出。
幾年前，西門子開始提供從70到150kV的10kV級管電壓選擇，但與此同時，其他CT供應商至少針對低kV值採用了這一特性。
圖2 如果以相同的空間分辨率（這裡指X射線束的寬度）進行比較，陽極角較小的球管（左）允許更寬的電子束，因此比陽極角較大的寬錐束掃描（右）的球管功率要大得多。隨著球管功率的增加，可以使用更厚的前置濾波器（左），並且可以使用更少的X射線劑量。（未按比例繪製圖形。）
Lell MM, Kachelrieß M. Recent and UpcomingTechnological Developments in Computed Tomography: High Speed, Low Dose, DeepLearning, Multienergy. Invest Radiol. 2019 Sep 16.
X射線球管的輸出也受系統錐角的影響，錐角與探測器排數有關。
如圖2所示，X射線球管的陽極角必須隨著CT系統的錐角而增大。然而，較大的陽極角意味著電子束的消磁作用較小，為了獲得相同的空間分辨率，必須在Z軸覆蓋範圍更寬的系統中使用更窄、進而功率更小的電子束，以避免陽極熔化。然而，較低的X射線功率限制了輻射劑量減少的可能性。
通用電氣在2018年RSNA上宣佈了一種新的Quantix 160 X射線球管，可在Revolution Apex中使用，即使在大錐角和陽極角情況下為16cm探測器提供在70kV和80kV下的1300mA的管電流。可以預見，在具有較小錐角的下一代X射線球管中，甚至可以期望更高的管電流值。
探測器技術
CT探測器技術的最新發展涉及探測器元件更小的探測器和光子計數探測器原型。
採用傳統探測器技術的CT掃描系統使用0.5 mm、0.6 mm或0.625 mm厚的單排探測器寬度和橫向類似的像素尺寸（表1）。唯一的例外是佳能新推出的Aquilion Precision，其中超高分辨率（UHR）探測器的像素尺寸為0.25x0.25mm（按等中心位置計算）。較小的隔板確保了仍然可以接受的幾何效率。與較小的焦點一起，該系統能夠提供更高空間分辨率的CT圖像。這項技術不同於西門子推出的UHR模式，後者在探測器陣列前引入了UHR梳狀或柵極，以提高空間分辨率。
如果使用來自較小探測器元件的數據在給定分辨率下進行圖像重建，則圖像噪聲會降低。這種效果（圖像噪聲降低10%-20%）最近在光子計數探測器系統中得到了報道；使用傳統探測器材料的佳能系統也有類似的效果。除了較小的探測器元件外，建議使用較高的矩陣（高達1024而不是512）進行圖像重建（表1）。
在不久的將來，傳統的CT探測器技術，即X射線被間接轉換成電信號，可能會被直接轉換器所取代。這些直接轉換器是基於半導體，直接將X射線光子轉換成電流。單個X射線光子產生的信號短到可以在下一個光子到達之前衰減，因此可以對單個光子進行量化。為了避免在第一個光子的信號尚未衰減的情況下進一步到達光子，這種情況稱為“堆積”，光子計數探測器的像素通常比傳統探測器的像素小，每個信號下的面積與入射X射線光子的能量成正比在將此區域轉換為高度之前，在分析之前對電脈衝進行平滑處理，然後與閾值電壓進行比較通常2到4個閾值被構建到一個像素中，因此可以分離多達4個能級（或能量箱）。
光子計數探測器應比傳統探測器具有多個潛在優勢：
- 由於沒有電子噪音，噪聲更小
- 由於統計效應產生的噪聲較小（斯旺克係數）
- 由於統計上的最佳能量箱加權的可能性，噪聲更小
- 如果以較低的空間分辨率重建小像素數據，則噪聲較小
- 像素更小，空間分辨率更高（避免重疊）
- 光譜信息，通常有2或4個能量箱
減少噪聲總是可以與更積極的劑量減少相平衡。由於計數的處理是純數字的，因此可以根據需要回顧性地使用上述特徵。這意味著不再需要特定的高分辨率或雙能量協議，因為這些信息可以從原始數據中追溯得出。
在圖3中，比較了使用常規探測器陣列的CT系統和具有匹配成像參數的臺式光子計數探測器CT對低對比度體模的掃描。
圖3 光子積分和光子計數探測系統的圖像質量和對比度分辨率的比較。當在相同的MTF和相同的劑量下工作時，光子計數探測器的圖像質量明顯優於傳統的CT探測器。
Lell MM, Kachelrieß M. Recent and UpcomingTechnological Developments in Computed Tomography: High Speed, Low Dose, DeepLearning, Multienergy. Invest Radiol. 2019 Sep 16.
雖然存在許多臺式實驗，但只有一個帶有光子計數探測器的全身CT系統可以用於人體的掃描，目前在全球範圍內進行了3處安裝（梅奧診所，羅切斯特，明尼蘇達州；NIH臨床中心，貝塞斯達，馬里蘭州；DKFZ，海德堡，德國）。該系統具有雙源CT掃描架，該掃描架帶有一個常規探測器和一個光子計數探測器，後來使用CdTe傳感器材料。
圖4 光子計數探測器CT原型系統提供了幾種不同的讀出模式，它們在空間分辨率和能量箱數量上有所不同。該圖顯示了一個像素的佈局，該像素被分成4乘4個子像素，從中將相同顏色的子像素合併（添加計數），然後再讀出。這些子像素中的數字表示能量箱編號。例如，“ 12”表示可以同時讀取箱1和箱2。銳利模式是高分辨率和低分辨率像素的組合，因此在此插圖中需要2個面板。圖為DKFZ安裝的CounT系統。
Lell MM, Kachelrieß M. Recent and UpcomingTechnological Developments in Computed Tomography: High Speed, Low Dose, DeepLearning, Multienergy. Invest Radiol. 2019 Sep 16.
它在4種不同的探測器模式下工作（圖4），其中銳利和UHR模式是最通用的。然而，由於數據傳輸速率的限制，這種通用性是以降低原型系統的Z軸覆蓋率為代價的。這樣的約束或折衷對於原型CT系統是合理的。最終產品的實現肯定需要克服這些限制。鑑於傳統CT檢測器的高度成熟性，令人印象深刻的是，一項非劣質性研究證明CounT與最新的臨床CT系統一樣出色。
圖5 在宏模式（iso中心為0.5 mm像素大小）和銳模式（iso中心為0.25 mm）下使用匹配劑量（CTDIvol）掃描豬腿。上圖：用標準的b60f卷積核（f表示z軸飛焦點）以匹配的分辨率重建。因為在銳利模式下使用較小的像素，所以圖像的噪聲較小。下圖：使用更尖銳的卷積核（b80f和s80f）重建，以獲得銳利模式的分辨率限制。這裡，分辨率不匹配宏模式圖像的重建使用增強卷積核來提升清晰度。
Lell MM, Kachelrieß M. Recent and UpcomingTechnological Developments in Computed Tomography: High Speed, Low Dose, DeepLearning, Multienergy. Invest Radiol. 2019 Sep 16.
特殊的光子計數檢測器模式可以讀取宏像素或較小的子像素，從而可以很好地展示較小像素（較大的空間分辨率或較低的噪聲）相對較大像素的優勢，如圖5所示。傳統探測器與光子計數探測器CT之間圖像分辨率的直接比較如圖6所示。
圖6 兩次頭部掃描的冠狀位重建（1024矩陣，0.15mm層間距），顯示耳蝸，其中包括具有像素噪聲值的ROI。上部3幅圖像：光子計數探測器掃描（24.2mgy CTDI）重建不同的卷積核和層厚。底部：能量積分探測器掃描（6.8 mGy CTDI）。最後兩個圖像在x，y和z中具有相同的MTF。由於兩次掃描的劑量不匹配，因此像素噪聲無法直接比較。在相同劑量下，能量積分掃描的噪聲為75 HU，因此比相同空間分辨率下相應光子計數探測器掃描的48 HU高得多。由德國癌症研究中心的Monika Uhrig博士和海德堡大學法醫學研究所的Sarah Heinze博士提供。C = 1000 HU，W = 3500 HU。
Lell MM, Kachelrieß M. Recent and UpcomingTechnological Developments in Computed Tomography: High Speed, Low Dose, DeepLearning, Multienergy. Invest Radiol. 2019 Sep 16.
劑量減少技術
管電流調製/自動曝光控制
管電流自適應的技術基礎可以追溯到1981年管電流角調製（TCM），該技術可以導致15%到50%的劑量減少，取決於x-y平面的解剖區域。實時TCM計算不僅減少了患者的曝光劑量，還使噪聲分佈更均勻，從而提高了圖像質量。
平面TCM的邏輯發展是縱向的或Z軸的。與考慮平面內不同衰減的角度調製（例如，橫向投影與肩部水平的前後投影）類似，縱向TCM旨在均勻化噪聲，同時考慮胸部與腹部或骨盆的不同衰減。採用基於原始數據或衰減的實時調製算法，實現了不同的解決方案。
自動曝光控制類似於一組包含（三維）TCM的算法，其目的是在從定位圖衍生的一系列患者尺寸上提供預定義的圖像質量，對於大體型患者增加CTDIvol，對於小體型患者減少CTDIvol。
因為自動曝光控制算法假設病人處於等中心，所以擺位時患者位置處於孔徑中心非常重要（關於自動管電流調製技術的更多內容參見：自動管電流調製技術的原理和使用注意事項）。為了優化患者的位置，引入了一種吸頂式三維攝像系統，該系統可以識別患者的位置並相對於機架座標進行優化。
如果掃描範圍超出了定位圖的範圍，則CT系統可以使用最大或最小的mAs設置，或者介於兩者之間（標準mAs設置或最後計算位置的mAs設置）之間的不同行為。目標圖像質量的預測也不同，一種方法是使用參考標準患者的設置，而其他方法使用噪聲指數。
低千伏掃描
在低電壓下掃描會增加對比劑的衰減。隨著更強大的X射線球管的實現，低千伏掃描變得實用並日益普及。增大的碘衰減既可以用來減小對比劑的體積，也可以用來減少輻射的暴露（通過更高的對比度來補償更高的圖像噪聲），或者兩者兼而有之。
自動選擇管電壓和管電流調製技術，利用病人的衰減信息並考慮計劃的檢查類型，將這項技術推廣到日常應用中。根據檢查類型、患者大小和低電壓下的管電流，已報告劑量減少10%至30%。
然而，新的高性能X射線球管的可用性，可以在較低的管電壓下提供非常高的管電流，將導致更高的劑量減少。對於兒科CT血管造影，已報道頭部的劑量減少高達70％，胸部的劑量減少了77％，腹部/盆腔的劑量減少了34％。
對於某些協議，還使用了附加的前置濾波器，以從低kV光譜中去除不需要的低能射線，以使圖像質量最優化，並使患者的劑量降至常規X光平片水平。
低劑量CT與噪聲抑制
濾波反投影在圖像重建中的抑制作用越來越被迭代圖像重建技術所取代，它們的設計目的是顯著降低圖像噪聲，並在一定程度上減少圖像偽影。
這是通過在重建算法中添加先驗知識並改進用於迭代圖像重建的正向模型來實現的，該模型可以例如還包括真實的射線輪廓或正確的光子統計信息。
迭代重建可以分為兩類：圖像後處理類型的算法（AIDR 3D，ASIR，IRIS和iDose）以及能夠通過原始數據域進行一次或多次迭代的算法（FIRST, ASIR-V, Veo, SAFIRE, ADMIRE, IMR）。
表2總結了這些算法的一些特性。
Lell MM, Kachelrieß M. Recent and UpcomingTechnological Developments in Computed Tomography: High Speed, Low Dose, DeepLearning, Multienergy. Invest Radiol. 2019 Sep 16.
不同迭代重建的分類
Lell MM, Wildberger JE, Alkadhi H, et al. Evolution in computed tomography: the battle for speed and dose. Invest Radiol. 2015;50:629–644.
低劑量（LD）CT協議和迭代重建算法（特別是在原始數據域中迭代的算法）在降低噪聲和恢復圖像質量方面顯示了它們在各種臨床環境中的潛力。
以胸部CT為例，由於各種原因，LD技術是一種非常有前途的應用：它是一種相當頻繁的檢查，對輻射敏感的器官都在掃描範圍內，並且存在很大的解剖衰減差異。
超低劑量（ULD）CT的劑量水平與常規胸部X線相當。ULD這個術語沒有明確的定義；在本文中，它被定義為小於0.2 mSv的CT檢查，大體上是參考了正側位胸片的劑量水平。
Hu Wang等的研究顯示，在淋巴管平滑肌瘤病患者中，胸部CT輻射水平為0.14 mSv（0.10-0.20 mSv）的MBIR提供了與標準劑量CT相似的囊腫定量。在一項對囊性纖維化（CF）患者的研究中，Ernst等人報告了常規（兒童<18歲的平均估計有效劑量，0.52 mSv；成人，1.12 mSv）和ULD（兒童，0.04 mSv；成人，0.05 mSv）胸部CT的Bhalla評分相似。但也存在一定的侷限性，文章所示的ULD病例圖像質量明顯低於常規CT。作者認為，帶MBIR的ULD-CT方案只應用於無惡化的患者隨訪。Villanueva-Meyer等人證明，小兒ULD胸部CT可能足以排除呼吸道異物，但對評估實質性肺病的價值不太理想。
Nagatani等人在83名患者隊列研究中評估了ULD胸部CT對結節的檢測能力，這些患者在一次就診中連續接受了3次不同劑量設置（120kV，0.35s/rot，240[常規劑量；參考值]/120[LD]/20[ULD]mA；ADIR3D）的CT掃描。他們的ULD方案的平均有效劑量比我們前面的定義略高（0.29 mSv）。他們可以證明，ULD和LD在評估大於3mm的實性結節和大於8mm的磨玻璃結節時的表現相似。在類似的情況下，Katsura等人沒有發現LD-ASIR和ultra-LD MBIR在毛玻璃不透明度、部分固體或固體結節的總體敏感性方面存在顯著差異。Kim 等報告了100%採用LD方案（平均有效劑量，1.06±0.11 mSv）、96%採用ULD-1方案（平均有效劑量，0.44±0.05 mSv）和88%採用ULD-2方案（平均有效劑量，0.31±0.03 mSv）的檢查的整體圖像質量分級診斷。所有具有非診斷質量圖像的患者的體重指數均大於25。需要進一步的劑量發現研究，以確定在不影響肺癌篩查項目的各種不同CT系統的病變檢測的情況下，最低輻射暴露的方案。
最近，一系列新的基於深度學習的圖像重建算法被公佈（表2）。由於這些算法不僅可以被視為劑量減少方法，還可以被視為提高圖像質量和減少偽影的方法，因此將在下一節討論它們。
基於深度學習的圖像還原/重建
隨著神經網絡，尤其是卷積神經網絡（CNN）的普遍成功，深度學習已迅速進入醫學成像領域。卷積層的內在屬性利用了圖像數據中存在的局部相關性。幾個（線性）卷積層和非線性層的組合實質上使它們成為可以普遍近似任何函數的多參數函數。CNN具有可以將有噪聲的CT數據映射到降噪數據的功能。它也可以是將帶有偽影的CT數據映射到偽影減少的CT數據的功能。這種通用逼近函數的開放參數數量達到數百萬或數十億，需要使用大量數據進行訓練。
在訓練期間，這些網絡學習CT圖像的典型特徵，並學會避免在此類特徵邊界上進行平滑處理以避免空間分辨率損失。AI網絡學習到的各種功能有望使它們比使用手工先驗（總變化最小化，邊緣保留先驗等）的迭代恢復或重建技術強大得多。訓練網絡以降低噪聲的最簡單方法是提供LD圖像作為輸入，提供同一患者的高劑量圖像作為輸出。可以通過在原始數據（虛擬數據）中添加噪聲來模擬LD圖像。
另一種方法是無監督網絡，不需要匹配的數據對（輸入-輸出）進行訓練。這些所謂的生成對抗網絡（GAN）和條件GAN（cGAN）是當今最流行的無監督方法。簡而言之，對生成器進行訓練以從LD圖像生成高劑量圖像，而對鑑別器進行訓練以在虛擬高劑量圖像和實際高劑量圖像之間進行區分（例如，來自不同掃描或不同的患者）。使用GAN方法，訓練不一定需要成對的訓練數據即可實現有效的降噪。
關於商業實現只有很少的細節。佳能的AiCE方法似乎在以FBP作為輸入的LD圖像和以佳能迭代重建算法作為輸出的高劑量圖像上進行訓練（圖7）。
圖7 採用FBP，圖像迭代重建，全迭代重建，深度學習的迭代重建的0.35mSv肺掃描。
Lell MM, Kachelrieß M. Recent and UpcomingTechnological Developments in Computed Tomography: High Speed, Low Dose, DeepLearning, Multienergy. Invest Radiol. 2019 Sep 16.
目前只能推測GE算法的真實逼真度：Ziabari等人和在2018年底的會議上發表的GE集團的其他類似參考文獻討論了一種神經網絡，該神經網絡將FBP圖像轉換為使用GE相當慢的迭代算法Veo（也稱為MBIR）重建的圖像。為了提高收斂性，深度學習算法輸出殘餘Veo減去FBP，然後將其添加到FBP圖像。討論了算法的二維，2.5維和三維變化，其中2.5維版本是計算速度和圖像質量之間的最佳折衷方案。基本上，佳能和GE深度學習算法都是圖像恢復，而不是圖像重建，因為它們是將有噪聲的圖像轉換為降噪的圖像。
這種基於深度學習的圖像重建算法在臨床實踐中的影響仍然有待證明。
圖像重建中的其他深度學習應用
除降噪外，還可以實現深度學習以減少偽影。
基於卷積神經網絡的金屬偽影減少（MAR）方法已被提出，但尚未證明這些算法優於傳統算法，如NMAR和變量。取而代之的是，CNN的一種方法建議通過深度學習來組合多個MAR算法的圖像。
深度學習也可用於散佈估計。深度散射估計是基於蒙特卡羅散射估計的一種高效計算替代方法；儘管參考標準需要幾分鐘或幾小時來計算X射線散射，但是深度散射估計的執行時間不到一秒鐘，並且也適用於嚴重的數據截斷的情況。
這同樣適用於估計劑量分佈，該劑量分佈可用於更準確地計算劑量和風險，還可用於設計更有效的劑量掃描方案。
蒙特卡洛需要幾個小時，而深度劑量估算只需幾秒鐘即可完成（圖8）。
圖8 實時劑量分佈估算。給定CT圖像和光效應劑量分佈，深度劑量估算可在幾秒鐘內準確估算出全劑量分佈（包括來自康普頓和瑞利散射的劑量貢獻）。
Maier J, Eulig E, Dorn S, et al. Real-time patient-specific CT dose estimation using a deep convolutional neural network. Proc IEEE MIC. 2018.
運動補償
大多數成像方式都會受到患者運動的影響。雖然更寬的探測器陣列、更高的機架旋轉速度和雙源技術大大縮短了採集時間，但單源系統的時間分辨率約為125ms，雙源系統的時間分辨率約為63ms，這可能仍然不夠快，無法完全凍結心臟運動。在50mm/s及以上的速度時，殘餘運動模糊可能出現在不可忽略的心臟CT檢查中。
獲取目標相位之外的圖像，例如，目標相位前後10%的圖像允許估計心臟運動，一旦運動已知，就可以執行解釋該運動的重建。Snapshot freeze（GE Healthcare）就是這類算法的一個例子。利用此類數據冗餘（超過180度的數據）的其他方法在原始數據域中運行。
如果沒有其他可用數據，並且只能重構單個圖像，則可以分析偽影來估計運動。最大化局部清晰度的一種解決方案是最小化熵。該算法通過局部選擇運動方向和速度，獲得熵最小的圖像，並可能與陽性約束條件相結合。MAM和PAMoCo是這些方法算法的示例。
圖9顯示了PAMoCo算法的示例：重構了部分角度圖像（圖示中為3個，在實現中通常大於10個），並且在這些圖像被組合之前（通過求和），計算運動向量，當根據這些向量在組合之前移動圖像時，產生最小熵圖像。
圖9 運動補償可以顯著改善心臟成像。PAMoCo算法使用部分角度圖像（時間分辨率約為10ms）來估計運動矢量（紅色箭頭），當應用時，會產生較少偽影（熵）的圖像。在圖中，重建3個部分角度圖像（在實現中通常大於10個），並且計算運動向量，其在組合之前根據這些向量移動圖像時產生最小熵圖像。
Hahn J, Bruder H, Rohkohl C, et al. Motion compensation in the region of the coronary arteries based on partial angle reconstructions from short-scan CT data. Med Phys. 2017;44:5795–5813.
雙能量CT
雙源系統的引入使雙能CT（DECT）這一古老的概念煥然一新。同時，DECT由所有主要CT製造商提供DECT在臨床上有不同的實現方式：雙源、kV快速切換、雙層探測器、兩次掃描和TBDE技術。
所有的方法都有其優點和缺點：雙源系統能很好地分離光譜和mAs調製，這種方法視野有限，時間偏移最小，散射校正更復雜，最後但同樣重要的是需要第二個X射線球管，這增加了系統的造價。
飛利浦的方法是使用單球管但2個探測器層，頂部是基於釔的石榴石閃爍體，底部是氧化釓閃爍體。這是方法理論上可以對DE後處理進行追溯，並且在兩個數據集之間沒有任何時間延遲。在實際應用中，更高的管電壓有利於改善光譜分離。與其他DECT實現方法相比，追溯使用DE的選項具有很大的優勢。但是，與其他實現方法相比，雙層技術的代價是光譜分離的減少。
光子計數探測器可以在單個探測器層中分辨出2個或更多的能量窗，因此本質上適合於雙能或多能CT應用。它們還受益於回顧性方面，因此允許按需使用光譜信息，而不管掃描協議如何，前提是以最佳方式設置管電壓和前置濾線器即可。
DECT的各種臨床應用已經在體內外得到了發展和評估，其中虛擬平掃成像、自動骨去除、腎結石成分分類、痛風成像、MAR以及心肺應用最為豐富。虛擬單能成像（VMI）可用於減少骨科硬件中的金屬偽影，但在雙側假體植入的患者中，VMI被認為不如iMAR算法。VMI的另一個實現是優化CTA中的碘增強，可以用來減少對比劑的體積，用次優的血管增強恢復CTA，或者從門靜脈期採集中創建虛擬的動脈期圖像。因此，VMI有可能減少輻射或對比劑的暴露（圖10）。
圖10 虛擬單能成像。隨著keV的增加（上行從左到右：45、70、100、150 keV；W/L=600/150 HU），碘含量降低。混合120kV等效圖像，虛擬平掃圖像，碘圖，最佳對比度圖像（下行從左到右）。“最佳對比度”圖像結合了來自低能圖像的高衰減值和來自高能圖像的低噪聲（W/L=300/40HU）。
Lell MM, Kachelrieß M. Recent and UpcomingTechnological Developments in Computed Tomography: High Speed, Low Dose, DeepLearning, Multienergy. Invest Radiol. 2019 Sep 16.
結論
儘管近年來，速度和排的競爭已經放緩，但CT的魅力絲毫沒有減弱。新的探測器概念將提供更高的平面內分辨率，並且能夠在與傳統平片相當的劑量水平下進行CT掃描，為篩選程序開闢了新的視野。 用於各種任務（圖像重建，預處理，註釋甚至分析）的機器學習算法正在激增，並將極大地改變我們的日常工作。
本文編譯自：Lell MM, Kachelrieß M. Recent and UpcomingTechnological Developments in Computed Tomography: High Speed, Low Dose, DeepLearning, Multienergy. Invest Radiol. 2019 Sep 16. 文章所述內容為原作者觀點，僅用於專業人士交流目的，不作為商業用途。
【版權聲明】本平臺屬公益學習平臺，轉載系出於傳遞更多學習信息之目的，且已標明作者和出處，如不希望被傳播的老師可與我們聯繫刪除
喜歡本期內容的 求收藏 求轉發
如果您有ct片問題也可以直接頭條私信
或者直接在應用商店下載放射沙龍app與放射科醫生在線互動學習
閱讀更多 放射沙龍 的文章
