姚金磊，陈 丽，吴佰超

(1.聊城市中医医院CT室，2.放射科，3.急诊科，山东 聊城 252000)

对比噪声比(contrast to noise ratio, CNR)是客观评价医学图像中组织间对比差异的常用参数,其定义为2种组织结构之间平均密度/信号的绝对差与图像噪声的比率[1]。计算CT图像的CNR公式以2种预比较组织CT值差值的绝对值为分子，图像噪声值分母。随图像噪声方式不同，计算CNR存在多种公式。最佳对比噪声比(Optimal CNR)软件(GE Healthcare)可绘制能谱CT图像中2个对比区域的CNR曲线，获得其CNR值[2](图1)。颅脑能谱CT相关研究常以Optimal CNR曲线为参考依据，同时应用某种公式计算其CNR值。本研究观察6种常用CNR公式在颅脑能谱CT单能量成像中的应用价值。

图1 Optimal CNR曲线示意图 图2 于侧脑室最大层面勾画各组织ROI示意图 L2(粉色圈)为侧脑室周围脑白质，面积43.0 mm2；L4(深蓝色圈)为脑脊液，面积30.0 mm2；Background(天蓝色圈)为颞部肌肉，面积5.5 mm2；L5(绿色圈)为皮下脂肪，面积4.5 mm2；L6(紫色圈)为颅外气体，面积50.0 mm2

1 资料与方法

1.1 一般资料 收集2019年1月—8月52例于聊城市中医医院接受颅脑能谱CT患者，男23例，女29例，年龄13～78岁，平均(49.3±15.9)岁。纳入标准：CT扫描体位符合标准，图像清晰，对比显示良好。排除标准：图像存在明显伪影。

1.2 仪器与方法 采用GE Discovery CT 750 HD 宝石能谱CT仪，能谱扫描模式，管电压80～140 kVp瞬时(0.5 ms)切换，管电流640 mA，转速0.6 s/rot，探测器宽度20.0 mm，CTDIvol 53.00 mGy；重建层厚5 mm，层间距5 mm。

由2名具有10年中枢神经影像学诊断经验的主治医师分析数据，1名测量数据，另1名对数据准确性进行校对。于11组间隔10 keV重建的40～140 keV图像中选择3个相邻侧脑室最大层面，以脑白质为ROI，对比区分别为同层面颞部肌肉、脑脊液、皮下脂肪及颅外空气，分别勾画ROI(图2)，测量其CT值和噪声值；以3个层面测量结果的平均值为最后结果。以CT值的标准差(standard deviation, SD)作为噪声值[3]。

1.3 统计学方法 采用SPSS 24.0统计分析软件。计量资料以±s表示。以Shapiro-Wilk检验数据是否符合正态分布，符合时采用单因素方差分析比较不同组织间SD及不同公式计算获得CNR值的差异，方差齐时采用Sidak-t检验法进行组间两两比较，不齐时采用Games-Howell检验法。采用Pearson相关性分析及组内相关系数(intra-class correlation coefficient,ICC)检验评价各组CNR值与Optimal CNR曲线数据间的相关性及一致性，|r|>0.7为高度相关，0.4<|r|≤0.7为中度相关，|r|≤0.4为低度相关；ICC>0.8为一致性强，0.6

2 结果

2.1 不同织织SD 不同能量下各组织间SD差异均有统计学意义(P均<0.01)；脂肪SD>肌肉，肌肉SD>脑白质、脑脊液及气体(P均<0.05)，脑白质、脑脊液及气体间SD差异无统计学意义(P均>0.05)，见表1。

表1 不同能量下各组织噪声值比较(n=52，±s)

表1 不同能量下各组织噪声值比较(n=52，±s)

组织类型能量(keV)405060708090脑白质8.37±0.556.41±0.474.46±0.343.79±0.384.25±0.524.19±0.48肌肉11.91±3.638.59±2.596.04±1.865.16±1.525.65±1.345.65±1.38脑脊液8.00±1.266.09±0.904.06±0.663.62±0.594.41±0.664.28±0.61脂肪40.95±18.0031.09±13.9623.13±10.5119.41±8.7418.95±8.2818.43±7.98气体7.80±1.576.09±1.154.25±0.993.85±0.984.34±1.014.28±1.00F值157.37151.90154.26153.33148.35149.40P值<0.01<0.01<0.01<0.01<0.01<0.01组织类型能量(keV)100110120130140脑白质4.11±0.504.03±0.513.97±0.533.95±0.533.91±0.54肌肉5.58±1.355.56±1.355.53±1.365.53±1.385.57±1.41脑脊液4.23±0.614.19±0.594.17±0.594.16±0.594.14±0.59脂肪17.53±7.4716.89±7.0916.48±6.8616.17±6.6715.94±6.53气体4.24±1.004.17±1.014.14±1.024.13±1.034.11±1.04F值149.86150.64150.65150.99151.04P值<0.01<0.01<0.01<0.01<0.01

2.2 不同公式计算所获CNR值 不同能量下采用不同公式计算获得的CNR值差异均有统计学意义(P均<0.01)。A、B组与Optimal CNR组间CNR值差异无统计学意义(P均>0.05)，Dc、Da组CNR值均>A、B组(P均<0.05)，而Dc组与Da组间CNR值差异无统计学意义(P>0.05)，A、B组CNR值均>C组，C组CNR值>Db组(P均<0.05)。见表2。

表2 不同能量下不同公式计算获得CNR比较(n=52，±s)

表2 不同能量下不同公式计算获得CNR比较(n=52，±s)

组别能量(keV)405060708090OptimalCNR组3.54±1.424.17±1.755.17±2.045.36±2.234.56±1.704.33±1.77A组3.67±1.584.20±1.715.16±2.035.42±2.224.53±1.714.30±1.76B组4.08±1.414.51±1.405.56±1.665.83±1.774.92±1.434.68±1.44C组2.83±1.013.14±1.013.88±1.204.06±1.273.43±1.033.26±1.03Da组5.11±1.675.48±1.557.11±2.077.13±1.985.48±1.425.32±1.47Db组1.24±0.841.37±0.961.60±1.161.71±1.251.63±1.161.56±1.10Dc组5.37±1.995.58±1.827.00±2.376.95±2.395.75±1.875.49±1.84F值87.26101.88113.22110.6192.4091.48P值<0.01<0.01<0.01<0.01<0.01<0.01组别能量(keV)100110120130140OptimalCNR组4.19±1.764.11±1.694.00±1.723.99±1.683.95±1.68A组4.19±1.734.08±1.694.03±1.703.97±1.683.89±1.68B组4.57±1.434.49±1.434.44±1.444.39±1.444.33±1.45C组3.18±1.033.12±1.033.09±1.033.05±1.033.01±1.04Da组5.19±1.505.08±1.505.02±1.534.97±1.564.92±1.58Db组1.56±1.081.56±1.051.55±1.021.55±1.031.55±1.01Dc组5.34±1.855.30±1.915.24±1.935.19±1.955.16±1.99F值84.0479.8676.2972.5769.58P值<0.01<0.01<0.01<0.01<0.01

2.3 不同公式组与Optimal CNR组间CNR值的相关性及一致性 不同能量下A组(r=0.97±0.02)、B组(r=0.94±0.01)、C组(r=0.94±0.01)CNR值与Optimal CNR曲线数据间均呈高度正相关(P均<0.05)，Da组(r=0.67±0.01)、Dc组(r=0.59±0.01)与Optimal CNR组间均呈中度正相关(P均<0.05)，Db组与Optimal CNR组间呈低度正相关(r=0.39±0.01，P<0.05)。不同能量下A组(ICC=0.97±0.02)、B组(ICC=0.89±0.01)与Optimal CNR组间CNR值均存在强一致性(P均<0.05)，C组与Optimal CNR组间一致性较强(ICC=0.67±0.01，P<0.05)，Da组(ICC=0.54±0.02)、Dc组(ICC=0.47±0.02)与Optimal CNR组间一致性均为中等(P均<0.05)，Db组与Optimal CNR组间一致性较差(ICC=0.13±0.01，P<0.05)，见图3、4。

图3 不同公式组与Optimal CNR组间CNR值的相关性线图 图4 不同公式组与Optimal CNR间CNR值的一致性线图

3 讨论

相关性分析探讨的是2种测量方法结果间的密切程度[12]，即结果关系的远近或两变量的变化趋势是否一致。一致性分析目的在于检验2种方法所获得结果是否一致，以评其可否互相取代[10]。本研究中采用公式A获得的CNR值与Optimal CNR软件结果差异无统计学意义，2者相关性及一致性均接近1，推测Optimal CNR软件可能采用公式A计算CNR，因测量误差导致结果不完全一致。

本研究结果显示，颅脑能谱CT相关研究中，同时使用Optimal CNR曲线和公式计算CNR值，如仅选择一种组织(或物质)的噪声作为图像噪声，最佳方案是直接选择欲与ROI进行对比的组织(或物质)，即采用公式A进行计算。采用公式Da或Dc得出的CNR与Optimal CNR曲线的CNR值间相关性和一致性均为中等水平，提示当未选择脑脊液或空气为对比区、以其中1个SD值为图像噪声时，计算得出的CNR值与Optimal CNR曲线结果是否存在差异及其相关性及一致性均需斟酌；公式Db计算结果与Optimal CNR曲线结果差异有统计学意义，但相关性和一致性均较差，原因可能在于头皮下脂肪厚度较薄，其内有垂直于帽状腱膜的纤维束，且富含血管和神经，组织成分混杂，导致噪声较高。

本研究的不足：①Optimal CNR曲线可精确评估最佳单能量值，而本研究未能分析各公式CNR曲线对应的最佳单能量值与Optimal CNR曲线是否一致；②仅以Optimal CNR软件的结果作为参考标准，所获结论较局限；③仅针对颅脑能谱CT，后期有待进一步开展对胸部、腹部CT的深入研究，于胸部(或腹部)皮下脂肪[10]、腹腔脂肪[14]或腋窝脂肪[15]测量脂肪噪声，其组织较厚且成分相对单一，结果更准确。

综上所述，对于颅脑能谱CT单能量成像，采用公式A计算得到的CNR结果与Optimal CNR软件结果的一致性及相关性最佳；临床实践中应根据具体情况及研究目的选择CNR计算公式。