手动优化方法和自适应非局部均值方法在腹部低剂量CT图像中的比较评估

《Applied Radiation and Isotopes》：A comparative evaluation of manually optimized and adaptive non-local means approaches in abdominal low-dose CT images

低剂量CT图像质量受噪声影响，研究对比传统非局部均值(NLM)算法与自适应非局部均值(ANLM)算法。NLM需手动优化7×7搜索窗口以平衡去噪与边缘保留，ANLM自动调整窗口大小，在平滑区域降噪更优，但边缘细节保留不如NLM。实验表明ANLM去噪效果更佳，而NLM在保持边缘信号上更优，两者适用场景不同。

　　

金海珍|林秀元|李英真

韩国仁川市莲水区汉巴克莫罗191号，加 chon 大学综合研究生院健康科学系，21936

摘要

在低剂量计算机断层扫描（LDCT）中，由于光子不足导致的噪声会降低图像质量。本研究比较了传统的非局部均值（NLM）算法（需要手动优化）和自动自适应非局部均值（ANLM）算法在降低LDCT噪声方面的效果。通过在临床腹部CT图像中添加高斯噪声来模拟LDCT环境，并通过手动优化确定NLM算法的搜索窗口大小。为了评估优化效果和性能，进行了噪声降低和相似性评估。传统NLM算法的最佳搜索窗口大小为7×7像素，这一结果是根据定量评估中最大的斜率变化得出的。比较评估显示，ANLM算法在噪声降低方面表现更优，而传统NLM算法在相似性指标上提升最为显著。视觉评估表明，ANLM算法有效降低了噪声，但边缘细节有所损失；传统NLM算法虽然噪声仍然较高，但边缘信号保存得较好。基于这些分析，ANLM算法在自动去噪方面表现更佳，而NLM算法通过手动优化能更好地保留边缘信息。因此，应根据临床情况选择合适的算法，本研究提供了初步的定量比较。

引言

计算机断层扫描（CT）是一种利用X射线获取三维（3D）图像的成像技术，广泛应用于放射学诊断和监测患者的健康状况。随着CT扫描次数的增加，基于流行病学证据，人们开始关注累积辐射暴露可能带来的长期健康风险（de González和Darby，2004；Pearce等人，2012）。与普通X射线检查相比，CT检查通常涉及更高的辐射剂量（Pierce和Preston，2000）。先前的流行病学研究表明，CT辐射可能会对未来癌症发病率产生虽小但不可忽视的影响（Brenner和Hall，2007）。因此，在实现可接受的图像质量的同时尽量减少辐射剂量是当前临床CT放射学的重要考虑因素（Jung等人，2000）。

为了降低CT扫描中的辐射暴露，人们开发了多种技术，其中低剂量计算机断层扫描（LDCT）被提出作为一种解决方案。降低CT检查的辐射剂量可以通过降低管电压或电流来实现；然而，这不可避免地会增加图像噪声（Kalra等人，2004；Gramer等人，2012）。CT图像中的噪声通常遵循高斯分布，这种噪声会降低图像质量，从而可能影响诊断准确性。特别是噪声会降低对比度噪声比（CNR），使得密度相似的组织难以区分，并掩盖详细的解剖结构和病变边缘，导致组织识别和分割变得困难（Rabbani，2009；Shreyamsha Kumar，2013）。

因此，提出了多种基于软件的噪声降低技术（Wang等人，2017；Ziyad等人，2021）。在这些技术中，传统的局部滤波方法依赖于相邻像素的信息，这往往会导致高频成分过度平滑和边缘及结构细节的丢失。为了解决这些问题，提出了非局部滤波方法，尤其是非局部均值（NLM）算法。NLM算法因能够识别空间上相距较远的图像块之间的相似性而广受认可，从而产生清晰且平滑的图像（Buades等人，2005）。

NLM算法的性能取决于所使用的参数。通过调整NLM算法的关键参数（如平滑因子和搜索窗口大小），可以有效降低图像噪声（Lim等人，2024）。当使用较大的搜索窗口时，噪声降低效果更好；但可能会导致对比度损失或信号失真，而较小的搜索窗口则无法充分降低噪声（Kim等人，2024，Kim等人，2024）。因此，手动优化这些参数以获得最佳效果仍然具有挑战性。此外，在医学成像中存在具有不同特性的多个区域，例如平滑区域（如空气）和非平滑或有纹理的区域（如人体组织）。对于位于平滑区域的像素，需要较大的搜索窗口；而对于非平滑区域的像素，则需要较小的搜索窗口以有效保留边缘和纹理。然而，在应用最优NLM参数降低X射线图像的噪声时，所有像素都使用相同的优化值，这可能会限制不同区域的噪声降低效果。

为了解决这些问题，提出了自适应非局部均值（ANLM）算法（Verma和Pandey，2015）。该算法使用一个根据局部区域内灰度差异（GLD）动态调整大小的各向同性搜索窗口。由于ANLM算法为每个像素选择最佳搜索窗口大小，因此它可以适应不同的纹理和结构，从而在平滑和非平滑区域都能有效降低噪声。特别是在均匀区域使用较大的搜索窗口可以更有效地降低噪声，在高对比度或边缘区域使用较小的搜索窗口可以保留重要细节。

ANLM算法相对于传统NLM算法的主要优势在于它能够自动调整搜索窗口大小，从而无需耗时的手动优化。许多研究分别评估了NLM和ANLM算法的性能；然而，直接比较这两种方法的研究仍然较少。这样的比较非常重要，因为在临床环境中，图像质量和计算效率的要求可能会凸显出哪种算法更适合的情况。

因此，本研究比较和评估了优化后的传统NLM和ANLM算法的噪声降低性能。为了评估图像质量，我们测量了CNR和变异系数（COV）；同时计算了峰值信噪比（PSNR）、均方根误差（RMSE）和结构相似性指数（SSIM）以评估相似性。

章节片段

临床腹部CT和LDCT图像的获取

腹部CT图像来自开源库DICOM。数据以DICOM格式获取，曝光电压为120 kV，曝光电流为300 mA，层厚为1 mm。从361组数据集中选取了包含肝脏、脊柱和主动脉等结构的三幅图像，以评估不同组织中的噪声降低效果。然后使用MATLAB软件将数据转换为二维（2D）灰度图像

传统非局部均值算法的优化

为了评估ANLM和NLM算法，我们优化了NLM算法的搜索窗口大小。为了优化搜索窗口，我们评估了噪声降低效果和相似性。为了评估噪声降低效果，我们计算了CNR和COV作为定量评估指标。

图4显示了肝脏、脊柱和主动脉中噪声强度为0.002时的CNR和COV结果。通过分析CNR图表，我们观察到随着搜索窗口大小的增加，CNR值也随之提高

讨论

CT是一种广泛使用的成像技术，利用X射线获取患者的三维（3D）图像；然而，与磁共振成像和超声相比，它存在辐射暴露的风险（Semelka等人，2007；Baumueller等人，2012）。为了降低辐射风险，近年来LDCT扫描得到了广泛应用；然而，由于光子数量不足，LDCT检查中不可避免地会产生噪声，从而降低图像质量（Chen等人，2017；Zhang等人，2017a）。为了解决这个问题

结论

在本研究中，我们评估了具有自动搜索窗口大小调整的ANLM算法和具有手动优化的NLM算法在腹部LDCT图像上的噪声降低效果。噪声降低效果和相似性评估的结果表明，传统NLM算法的最佳搜索窗口大小为7×7像素。对优化后的NLM和ANLM算法的比较评估显示，ANLM算法的表现更为优越

资助

本研究得到了韩国政府资助的国家基金会（NRF）的资助（资助编号：RS-2024-00354252

CRediT作者贡献声明

金海珍：概念构思、方法论、验证、初稿撰写。林秀元：概念构思、形式分析、软件开发、验证。李英真：资金筹集、项目管理、软件开发、监督、审稿与编辑。

利益冲突声明

作者声明他们没有已知的财务利益或个人关系可能影响本文所述的工作。