一种磁共振设备信噪比自动估算方法

李琛伟，罗晖，严昂，黄辉，陈伟，曹扬

1. 中南大学 医院管理研究所，湖南 长沙 410008；2. 中南大学湘雅医院 a. 医学装备部；b. 放射科，湖南 长沙 410008

引言

信噪比（Signal to Nosie Ratio，SNR）作为磁共振成像（Magnetic Resonance Imaging，MRI）系统一项基础性能参数，反映了图像的信号强度与噪声强度的比值，是磁共振质量控制中重要的评价项目[1-6]。传统SNR评价方式是通过相关方法采集数据，人工计算出结果与统一处置界限进行比较[7-15]。这种方式在评价高场强磁共振设备时存在一定的不足[16-17]。美国放射学会（American College of Radiology，ACR）提出了一种对设备性能进行长期跟踪，通过对比性能数据变化进行质量评价的方式。但是方法中仍使用了传统SNR采集方法[18]。

本文研究并讨论了传统SNR采集方法用于跟踪评价设备性能时存在的不足，并提出了一种适用于跟踪设备性能的SNR数据计算方法。

1 SNR跟踪评价

MRI系统SNR跟踪评价的总体思路，是在设备合格验收后进行性能采集作为基准数据。在使用过程中按照一定周期进行性能采集。通过对比每次采集数据的变化进行质量评价。国内外机构提出了多种采集方法，其中常用的是单幅图像采集方法。

1.1 单幅图像采集方法

单幅图像采集方法的思路是通过扫描内部充满均匀溶液的体模，通过成像中体模区域和空气区域的像素平均值、标准差来计算SNR。国内外相关机构提出了各自的计算方法。

（1）ACR采集方法：ACR提出的单幅图像检定方法，

用式(1)表示：

其中，Mean Signal表示体模区域的信号均值，σair表示背景空气区域的信号值标准差。

（2）JJG(湘)015-2004采集方法：湖南省地方计量检定规程中提出采集方法，用式(2)表示：

其中，Mean SignalPhantom表示体模区域的信号均值，Mean Signalair表示背景空气区域的信号均值，σair表示背景空气区域的信号值标准差。

国内方法计算SNR时考虑了空气区域像素均值，在分割空气区域时建议在图像四个角各圈出一个测量区域。国外方法则建议在图像的频率编码方向尽可能大的圈出测量区域。

1.2 不稳定性分析

磁共振图像中像素值存在一定的分布差异[19-20]。如图1所示，在同一图像中选取三个不同位置空气区域，均值和标准差呈现出越靠近模体像素值越高的特征。这导致同一次检测中，不同的选点会测量出差异较大的SNR值，如表1数据所示。图1c位置SNR计算结果为2589，图1a计算结果为1359，两者存在较大差异。

图1 人工提取背景区域

表1 SNR人工测量数据

同时，体模与空气交界处存在信号泄露区域[18]，如图1d中所示。人员主观选择时，需要调节窗宽窗位避免这些区域，这降低了工作效率。基于以上分析，本文提出了一种基于区域梯度分割的SNR采集方法，改善以上不足。

2 基于区域梯度分割的采集方法

算法流程如图2所示，主要有三个环节：分割体模区域、分割空气区域和进行SNR计算。

图2 基于区域梯度分割的SNR检定方法流程

2.1 体模区域分割

根据Magphan SMR 170体模的SNR测试切面结构特征，寻找图像中的连通域，筛选出符合模体中心边长、面积特征的矩形均匀区域。以矩形中心为圆心，选取最终的圆形区域，按照计量手册要求，圆面积不得低于矩形区域的70%。

2.2 空气区域分割

空气成像区域具体表现为低像素值，具体提取算法流程如图3所示。首先对图像进行预处理，使用大津阈值化方法分割出整个体模区域；使用梯度值图像，结合图像开闭运算，估计出信号泄漏区域。将体模区域和信号泄漏区域合并，图像剩余为背景空气区域。

图3 背景区域分割流程

2.3 SNR计算

分别计算出体模信号均值，背景信号均值及标准差，使用式(2)可求得到SNR结果。

3 实验记录及数据分析

3.1 分割过程

图4为体模区域分割过程。首先使用算法检出SNR测试切面矩形区域，根据矩形边长尺寸最终得到模体中心的圆形区域（选圆直径为边长×0.95）。

图4 体模区域提取

图5为空气区域提取过程。首先使用大津阈值化方法以及开闭运算求出的整个模体所在区域，调节窗位窗宽后观察到信号泄漏现象。计算出梯度图像后，进行形态学处理，得到信号泄漏所在区域。将信号泄漏区域和模体区域合并，求反得到最终空气区域。

图5 背景区域提取

3.2 结果

本文对一台3.0 T磁共振2018年7月至2019年6月期间SNR进行跟踪，采集了各月份共计12次的数据。分别使用传统方法和本文方法进行数据处理，得到结果如表2所示。

表2 SNR测量数据

以数据采集时间为坐标横轴，计算结果值为坐标纵轴，得到数据分布图如图6所示。

图6 SNR测量数据对比图

相关研究指出在划分空气信号区域时，应尽可能地包含除信号泄漏、信号截止以外的背景区域[18]。本文方法从背景区域中分割出信号泄漏区域，将剩余区域全部划分为空气区域。这种方式导致选定面积增大，像素值波动增加，标准差增加，从而计算均值较传统方法整体偏小。

使用传统单次人工方法计算均值及标准差为1448±302，使用多次测量计算得均值及标准差为1305±126。多次测量降低了单次测量中的随机误差，数据统计上表现为标准差相对减小。本文方法计算均值及标准差结果为1084±76，其标准差低于多次测量方法，证明其数据波动更小。

在使用性能跟踪的思路对磁共振进行质量评价时，应尽可能减少人为因素造成的数据波动。因为这种波动无法真实描述设备的实际运行情况。本文选取了同时期实际患者序列，由两组医生进行图像质量主管评价，其中10分表示图像噪声低、质量优秀，0分表示图像噪声大、质量差。如表3所示，由医生评价可知该阶段设备性能无较大起伏。

表3 图像噪声评价（分）

4 讨论

本文对磁共振设备质量控制工作现状进行了研究，并探讨了国内外机构的SNR评价方式。在已有方法中，常通过设置统一的处置界限对设备的SNR进行评价。这种界限设置的方式在不同生产厂商设备之间难以统一。同时场强越高的磁共振，SNR数值越大，这也导致界限设置需考虑设备类型的差异。ACR提倡使用设备性能跟踪的方式，通过对比设备自身性能变化反映设备的性能状态。本文讨论了传统SNR计算方法使用在设备性能跟踪时存在的局限，提出了一种适用于跟踪设备性能的SNR计算方法。

在传统计算方法中，国家计量检定规程采用的单幅图像计算方式，需要人工选定背景中的空气区域。由于图像背景像素均值和标准差呈现出越靠近模体数值越高的特点，以及模体与空气交界处存在信号泄漏现象。人工选定区域的不确定性会引起同一数据获得较大差别的计算结果，从而导致性能评价的不准确。有研究提出了一种ACR模体的自动检测方法[21]，但没有考虑到信号泄漏区域。本文提出的SNR计算方法，目标为国内机构更倾向使用的Magphan SMR 170模体。使用图像处理算法自动分割出图像中模体和信号泄漏区域，以一种最大化思路选定空气区域进行SNR计算，避免了人工选定空气区域的不确定性，同时也提高了数据处理效率。

通过对一台3.0 T磁共振一年12次SNR采集数据进行计算。本文方法得出结果最大值为1185，最小值为970，传统方法得出结果最大值1899，最小值1033。本文方法统计标准差、数值波动要明显低于传统方法。使用传统方法多次测算数据，得到结果波动相对减小。因此本文推测传统方法出现的较大波动，一定程度是由于选取空气区域位置的差异导致，这种数据波动无法真实描述设备的实际运行情况。本文收集了临床人员对同时期检查图像的质量评价，验证了同时期图像噪声情况并无较大区别。因此本文认为使用该方法，能够获取更加客观、不受人为误差影响的设备SNR评价。

高质量的医学影像对医务人员的临床诊断至关重要。MRI设备性能可靠性会随着临床使用时间和频度的增加而降低。医疗机构开展磁共振设备质量控制工作具有重要意义。现有质检方法费时且检测模体不易使用，检测参数受主观因素影响较大，使结果科学性降低。实现磁共振质量图像多个参数的自动检测，将降低对质检人员的技术需求，获得更加准确的结果，同时节省大量时间，提高检测效率。