研究目的
为了确定图像纹理分析指标是否有助于将体模球体和棒状结构可见性的定性描述与量化参数相关联,并评估重建方法的选择对设备性能评价的影响程度。
研究成果
采用图像纹理度量的自动化算法能够以与经验丰富的读片者相当的准确率识别球体和棒体的可见性。该自动化算法的主要优势在于其结果不受操作者影响,能为SPECT系统提供可重复的标准化定量质量保证报告生成方式。
研究不足
对于标准化体模而言,OSEM算法可能无法达到FBP算法的图像质量水平,这一发现或许反映出盲目采用制造商推荐的图像重建参数存在不足。SPECT质量控制图像的视觉评估包括判断体模中理论上应均匀的区域实际是否呈现均匀性——这些内容并未通过量化参数进行评估。
1:实验设计与方法选择:
对14台旋转式Anger探测器系统采集的125组标准化模体Tc-99m SPECT扫描数据进行回顾性分析。编写算法计算多类图像指标:分位数曲线指标、基于灰度共生矩阵(GLCM)的图像纹理分析指标、对比度指标及计数直方图指标。
2:样本选择与数据来源:
处理来自6家机构的14台不同Anger相机SPECT系统在14年间获取的SPECT扫描数据。
3:实验设备与材料清单:
Jaszczak模体、SPECT系统、Xeleris工作站、IDL v8.2软件。
4:2软件。
实验流程与操作步骤:
4. 实验流程与操作步骤:自动化算法自动选取球体、棒状体及均匀区域的最佳横断面,定位球体与棒状体的计数采样位置,按尺寸从大到小排序后计算图像特征指标。
5:数据分析方法:
采用商用软件(MedCalc)进行统计分析,将量化成像特征参数与视觉评估结果进行比对。
独家科研数据包,助您复现前沿成果,加速创新突破
获取完整内容