CT图像一CT图象的特点.ppt

CT图像一、CT图象的特点 （一）?? 数字化图像 CT图像是根据象素按矩阵排列构成。这些象素反映的是人体相应单位容积（体素）的X线吸收系数。CT机档次不同其图像的象素大小、数目均不同。大小有1.0mm×1.0mm，0.5mm×0.5mm，0.25mm×0.25mm之分。数目可以是256×256个，512×512个，1024×1024个。显然，象素越小，数目越多，构成的图像越细致、清晰，空间分辨力（spatial resolution）越高。 CT图像的数据采集后，可对其进行图像后处理。尤其是螺旋扫描的容积数据，可改变算法，进行重建（reconstruction）。能对横断层面像进行多维，多平面的各种类型的重组（refomation），从任意角度，全方位观察影像，使病变的定位、定量、定性更准确。在重组图像中，不同密度的组织可以用不同的伪彩色显示，使图像显示更生动。 CT图像有较高的密度分辨力（density resolution），其X线吸收系数的测量精确度可达0.5%，能分辨密度差异较小的组织。所以能清楚地显示人体某些器官的解剖结构和器官内密度发生变化的病变组织。 （二）CT值 CT值是简便的量化指标。在研究CT图像时，人们关心各组织结构内的密度差异，即相对密度。如果某一组织发生病变其密度就会发生变化，这对CT诊断有很大价值。但是，比较和计算各组织对X线的吸收系数非常繁琐，于是亨氏（Hounsfield）把X线的吸收系数换算成CT值，单位就是Hu （Hounsfield unit）。亨氏定义水的CT值为0 Hu,其它不同密度组织都同它进行比较，大于水的定为正值，骨皮质CT值为 +1000 Hu，小于水的定为负值，空气的CT值为 –1000 Hu，人体内密度不同的各种组织的CT值则位于 –1000 ～ +1000 Hu的2000个分度之间。 在实际工作中可以用测CT值的方法，大体估计组织器官的结构情况，这样就有了一个简便的量化指标。此外还可以根据CT值选择阈值进行图像后处理，根据CT值进行实时增强监视，根据CT值进行骨密度测定等。但是，CT值并不是恒定的，它会因X线硬化，电源状况，扫描参数，温度及邻近组织等因素发生改变，因此在诊断中CT值只能作为参考，而不能作为诊断依据。 窗宽（window width）是指CT图像上16个灰阶里所包括的CT值范围，窗位（window level）是窗的中心位置。我们知道，人体内密度不同的组织的CT值位于2000个分度之间，如果CT图像用2000个灰阶来表示，图像层次非常丰富。但人眼一般仅能分辨16个灰度等级，若将2000个分度划分为16个灰阶，每个灰阶的CT值为2000/16=125 Hu，即相邻两组织CT值相差125 Hu时，人眼才能分辨。为了能观察到CT机所具有的较高的密度分辨力，引进了窗宽和窗位。 窗宽所包括的CT值范围内的组织，可以用不同的模拟灰阶来显示。CT值范围以外的组织，则没有灰度差别，无法显示。窗位是以计划观察组织的CT值为中心，又称窗中心。同样的窗宽，由于窗位不同，其所包括的CT值范围不同。例如取窗宽为100 Hu，窗位为0 Hu时，其CT值范围为±50 Hu；当窗位为40 Hu时，其CT值范围则为 -10 ～ +90 Hu。 二、影响图像质量的变量因素 CT图像的质量除与CT机的性能等固有因素有关外，还有许多变量因素直接影响CT图像的质量。在CT检查中，熟悉这些变量因素，并合理加以调节，才能获得高质量的CT图像。比如CT检查前的准备工作，不可忽视。此外，还需注意： （一）???? 算法的选择 CT图像是数字化的图像，图像重建的数学演算方式是机内设定的，常用的有标准算法、软组织算法和骨算法等，要根据检查部位的组织成分和密度差异，选择合适的数学演算方式。 标准算法适用于一般CT图像的重建，例如颅脑图像重建等；软组织算法适用于需要突出密度分辨力的软组织图像重建，例如腹部器官的图像重建等；骨算法适用于需要突出空间分辨力的图像重建，例如骨质结构和内听道的图像重建等。算法选择不当，会降低图像的分辨力。螺旋扫描的容积数据可变换算法，进行多种算法的图像重建。 （二）???? 分辨力 CT的空间分辨力和密度分辨力，是判断CT机性能和说明图像质量的两个指标。它们互相制约，比如象素小，数目多，提高了空间的分辨力；但在X线总量不变的条件下，每个单位容积所获得的光子数却按比例减少，使密度分辨力下降。若需保持原来的密度分辨力，就要增加X线量。当然，同时提高空间分辨力和密度分辨力，可明显提高图像质量。 （三）噪声 均匀物体的影像中各象素的CT值参差不齐，图像呈颗粒性，影响密度分辨力，这种现象称CT的噪声。它可分为随机噪声和统计噪声。通常所指的噪声是统计噪声。其来源有探测器方面的