当前位置: 首页 > news >正文

CT剂量及描述方法详细介绍

CT剂量和普通放射剂量的区别

在这里插入图片描述

普通放射剂量分布区域大,但一般集中在皮肤入射表面,用患者入射表面剂量(ESD)来表征射线剂量;
CT剂量分布在窄带内,边缘与中心分布不均匀;且属于多层扫描;

1、在理想状态下,轴向剂量分布曲线和灵敏度剖面线(SSP)应当重叠,两条曲线均呈现高斯状,全值半高宽=层厚,此时不会产生由于半影效应而产生的剂量损失。
2、实际情况中,有散射效应的存在,灵敏度剖面线会比剂量分布曲线略窄
3、由于散射辐射的影响,剂量曲线尾部会被拉长
下图为SSP曲线
在这里插入图片描述
SSP决定了z轴方向体素的大小和特性,代表相邻层面的相互影响,在CT的系统参数那章会有详细说明

单次扫描的CT剂量描述方法——CTDI

英文全称:CT dose index
在一个单层轴向扫描下剂量剖面线下的积分除以层厚。

C=(1/T)∫−∞∞D1(z)dzC=(1/T)\int_{-\infty}^{\infty}D_1(z)dzC=(1/T)D1(z)dz
其中D1(z)D_1(z)D1(z)为单次扫描沿扫描旋转z轴上z点的剂量,T代表层厚
在这里插入图片描述
其中CTDI还有很多种描述方式
在这里插入图片描述
重点掌握红色框标记的即可。

CTDI100CTDI_{100}CTDI100

也称为实用CTDI(practical CTDI)PCTDI
CT 旋转一周,将平行与旋转轴(z 轴,即垂直于断层平面)的剂量分布 D (z) 沿 Z 轴从 -50mm 到 +50mm积分,除以层厚 T 与扫描断层数 N 的乘积。
C=(1/nT)∫−50mm+50mmD(z)dzC=(1/nT)\int_{-50mm}^{+50mm}D(z)dzC=(1/nT)50mm+50mmD(z)dz
在上述式子中测试的不是体模内的CTDI,是笔形电离室测空气沉积的CTDI,即扫描介质不同

CTDIwCTDI_{w}CTDIw

在扫描时,体模中心很大概率会比边缘部分接收更多的剂量。且体部扫描时,体模大小和均匀性成反比。
C=13CTDI100,c+23CTDI100,pC=\cfrac{1}{3}CTDI_{100,c}+\cfrac{2}{3}CTDI_{100,p}C=31CTDI100,c+32CTDI100,p
weighted average of center and peripheral CTDI100 to arrive at a single descriptor. 中心点和边缘点的加权平均值。加权CTDI可以克服空气中CTDI的不足

CTDIvolCTDI_{vol}CTDIvol

CTDIvol=CTDIw/pCTDI_{vol}=CTDI_w/pCTDIvol=CTDIw/p
p为螺距值,指球管旋转一周,诊疗床步进的距离
p=Δd/N⋅Tp=\Delta d/N·Tp=Δd/NT
Δd\Delta dΔd为X射线管每旋转一周检查床移动的距离,NNN为一次旋转扫描产生的断层数,TTT为扫描层厚
在这里插入图片描述

剂量长度乘积(DLP)

一个突出问题是在不同的扫描范围内,病人接受的剂量相差很大,但CTDIvolCTDI_{vol}CTDIvol却没有变化。
为了评估不同扫描范围下的剂量,引入Dose Length Product乘积 (DLP)
DLP(mGy⋅cm)=CTDIvol⋅LDLP(mGy·cm)=CTDI_{vol}·LDLP(mGycm)=CTDIvolL
其中L为z轴方向的扫描长度
在这里插入图片描述
可以看出在CTDIvolCTDI_{vol}CTDIvol相同的情况下,DLP值变换较大

有效剂量(effective dose)

不同的人体器官对X射线的敏感度不同 ,也就是说在射线覆盖范围一样时,对器官造成的辐射损失是不一样的
Doseeff=DLP⋅kDose_{eff}=DLP·kDoseeff=DLPk
K是转换因子,不同组织的k值不同,k实际中会给出详细表格。

体型特异性扫描剂量评估

Size Specific Dose Estimate (SSDE)
对于相同的技术设置,报告的16厘米体模的CTDIvolCTDI_{vol}CTDIvol约为32厘米体模的两倍;对于相同的CTDIvolCTDI_{vol}CTDIvol,体型较小的患者往往比较大的患者具有更高的患者剂量; SSDE用于基于CTDIvolCTDI_{vol}CTDIvol和患者大小估计患者剂量。

下图为对上述的总结
在这里插入图片描述

三者区别

在这里插入图片描述在这里插入图片描述

多次扫描的剂量描述方法

多次扫描剂量分布(multiple-scan average dose,MSAD)
MSAD是一系列层厚中受照射区域的平均吸收剂量值。
MSAD=(1/I)∫−I/2+I/2DN(z)dzMSAD=(1/I)\int_{-I/2}^{+I/2}D_N(z)dzMSAD=(1/I)I/2+I/2DN(z)dz
在这里插入图片描述

CTDI的测量方法

笔形电离室测量

电离室(Pencil Ionization chamber)通过截取射束和感受所有剂量分布曲线的剂量来计算有效积分。电离室发射的电荷正比于剂量分布曲线的区域。
在这里插入图片描述\qquad\qquad在这里插入图片描述

常规电离室不适用于CT剂量测量的原因。

1 、为保证剂量测量有足够灵敏度,电离室尺寸必须足够大,而CT剂量在几个mm内就会有很大变化,特别是对于薄层扫描
2 、CT扫描剂量测量需要在体表和体内多处测量,而电离室仅在一个点上测量,满足不了CT剂量分布要求。

笔形电离室足够长,可以接收到平面内和平面外重要的散射线,所测量出来的代表一系列连续CT扫描中的值。

影响CT剂量的因素

在这里插入图片描述

层厚设置较薄,准直宽度变窄,射线损失较大
半影的大小恒定,只与焦点大小有关
窄的层厚剂量损失较大,宽的层厚剂量损失较小
采用的层厚越薄,为了降低噪声,就需要较高的电流,这样就增加了辐射剂量

降低剂量的方法

与设备硬件相关的降低剂量的方法

1、球管
电子束收集器,阳极接地、双支撑轴和微孔循环专利技术,偏焦点辐射
2、滤过器
扫描时,尽可能选择小的FOV;根据不同的FOV选用不同大小的滤过器
3、动态准直
采用动态准直器屏蔽过照射区域,从而提高射线利用效率

基于调制modulation技术的剂量降低方法

1、AEC自动曝光控制
根据患者年龄、扫描部位、旋转角度、z轴进行管电流调制

在这里插入图片描述
AEC的目的:AEC的目标是生成具有相对相似的噪声特征的图像,而不管患者的大小。辐射风险仍然存在,体型大患者的mA设置增加,以补偿衰减增加。低噪声图像需要高剂量。

2、心电调制

回顾性心电门控 retrospective gating

在这里插入图片描述
螺旋扫描为基础 ;
回顾性心电门控技术在扫描期间连续产生X射线;
可以回顾性选择R-R间期的任意心动时相(运动伪影最小的)重建冠状动脉图像 ;
缺点是:辐射剂量利用率低

前瞻性心电门控prospective gating

在这里插入图片描述
非螺旋扫描模式:在R-R间期内固定时相触发扫描,下一个心动周期移床,再下一个心动周期采集。
前瞻性心电门控可以大大降低冠状动脉CT检查辐射剂量,辐射剂量降低了80%左右 ;
心率和心律要求较高
在这里插入图片描述
3、螺距调制
在进行回顾性心电门控对心脏成像时,采用小螺距扫描,扫描到腹部和盆部时采用标准螺距。
通过螺距的变换,可使剂量比原先降低55%
4、管电压调制
定位相穿透病人身体的光子质量评估患者每个层面的体厚信息
患者体型以及初始设定的噪声水平(NI)以及扫描类型(平扫,增强,CTA与骨骼)选择对当前患者最合适的kV
但需要注意平衡剂量与图像质量的关系

相关文章:

CT剂量及描述方法详细介绍

CT剂量和普通放射剂量的区别 普通放射剂量分布区域大,但一般集中在皮肤入射表面,用患者入射表面剂量(ESD)来表征射线剂量; CT剂量分布在窄带内,边缘与中心分布不均匀;且属于多层扫描; 1、在理想…...

Spring Boot应用优雅关闭

POM依赖 在需要实现优雅关闭的应用工程中增加下述依赖&#xff1a;部分启动器默认就依赖了Actuator启动器&#xff0c;如&#xff1a;spring-cloud-starter-netflix-eureka-server&#xff0c;那么下述依赖是可以省略的。 <dependency><groupId>org.springframewo…...

【实用技巧】7-Zip如何加密压缩文件?

7-Zip是一款免费且实用的压缩软件&#xff0c;除了提供多种压缩格式&#xff0c;还可以对压缩文件进行加密保护&#xff0c;加密后只有输入密码&#xff0c;才能打开压缩包里的文件。如果不知道怎么操作的小伙伴&#xff0c;就来看看小编的分享吧。 操作方法&#xff1a; 1、…...

Anaconda详细安装使用

如果想在conda里面删除某个环境&#xff0c;可以使用 conda remove -n name --all 来删除。 其中 conda info --envs 是查看环境&#xff0c;切换环境 activate base 。 Anaconda Anaconda | The Worlds Most Popular Data Science PlatformAnaconda is the birthplace of Pyt…...

git放弃修改,强制覆盖本地代码

在使用Git的过程中&#xff0c;有些时候我们只想要git服务器中的最新版本的项目&#xff0c;对于本地的项目中修改不做任何理会&#xff0c;就需要用到Git pull的强制覆盖&#xff0c;具体代码如下&#xff1a; $ git fetch --all $ git reset --hard origin/master $ git pu…...

大数据自我进阶(数据仓库)-暂未完全完成

什么时候需要数据仓库&#xff1f; 1.当决策者要进行战略分析或者展示统计的需求。 2.并且数据量非常庞大&#xff0c;而且各个都是数据孤岛。 当满足这2个条件后&#xff0c;就需要搭建数据仓库。 数据仓库的第一步&#xff08;数据清洗&#xff09; 为了能准确的分析&am…...

Springmvc中跨服务器文件上传

既然跨服务器&#xff0c;就要开启两个服务器&#xff0c;这里使用两个Tomcat代表两个服务器 文章目录 1.建立图片要上传到的服务器&#xff1a;FileUpload 2.建立上传图片的服务器&#xff1a;Tomcat 9.0.24 3.在Tomcat 9.0.24上部署文件上传的项目&#xff0c;写代码 3.1导入…...

常见漏洞扫描工具AWVS、AppScan、Nessus的使用

HVV笔记——常见漏洞扫描工具AWVS、AppScan、Nessus的使用1 AWVS1.1 安装部署1.2 激活1.3 登录1.4 扫描web应用程序1.4.1 需要账户密码登录的扫描1.4.2 利用录制登录序列脚本扫描1.4.3 利用定制cookie扫描1.5 扫描报告分析1.5.1 AWVS报告类型1.5.2 最常用的报告类型&#xff1a…...

Vue学习——【第二弹】

前言 上一篇文章 Vue学习——【第一弹】 中我们学习了Vue的相关特点及语法&#xff0c;这篇文章接着通过浏览器中的Vue开发者工具扩展来进一步了解Vue的相关工作机制。 Vue的扩展 我们打开Vue的官方文档&#xff0c;点击导航栏中的生态系统&#xff0c;点击Devtools 接着我…...

恐怖的ChatGPT!

大家好&#xff0c;我是飞哥&#xff01;不知道大家那边咋样。反正我最近感觉是快被ChatGPT包围了。打开手机也全是ChatGPT相关的信息&#xff0c;我的好几个老同学都在问我ChatGPT怎么用&#xff0c;部门内也在尝试用ChatGPT做一点新业务出来。那就干脆我就趁清明假期这一天宝…...

MIPI D-PHYv2.5笔记(12) -- Clock Lane的ULPS

声明&#xff1a;作者是做嵌入式软件开发的&#xff0c;并非专业的硬件设计人员&#xff0c;笔记内容根据自己的经验和对协议的理解输出&#xff0c;肯定存在有些理解和翻译不到位的地方&#xff0c;有疑问请参考原始规范看 LP Mode的Clock Lane ULPS 尽管Clock Lane不包含常规…...

创建网络数据集

目的&#xff1a;主要是用来做路径规划。 第一步&#xff1a;加载用作构建网络数据集的道路网数据到arcmap。 第二步&#xff1a;做打断处理。【如果线数据未做过打断处理&#xff0c;需要做这一步。】 有两种方式【1、编辑器里面的高级编辑器的打断相交线功能&#xff1b;2、…...

从功能到年薪30W+的测试开发工程师,分享我这10年的职业规划路线

求职&#xff1f;择业&#xff1f;跳槽&#xff1f;职业规划&#xff1f; 作为一名初出茅庐的软件测试员&#xff0c;职业发展的道路的确蜿蜒曲折&#xff0c;面对一次次的岗位竞争&#xff0c;挑战一道道的面试关卡&#xff0c;一边带着疑惑&#xff0c;一边又要做出选择&…...

ChatGPT中文免登陆-ChatGPT中文版上线

ChatGPT不支持地区 ChatGPT 是一个开源平台&#xff0c;可在全球范围内使用&#xff0c;不应该存在地区限制。然而&#xff0c;由于某些原因&#xff0c;可能有地区对 ChatGPT 的访问有限制或屏蔽的情况。 如果您发现自己无法访问 ChatGPT&#xff0c;可以尝试以下解决方法&a…...

多线程之最大并行数

4核8线程&#xff0c;采取超线程技术&#xff0c;将一个核心模拟成两个线程。 public class 最大并行数 {public static void main(String[] args) {//向java虚拟机返回可用处理器的数目//getRuntime获取运行状态&#xff0c;获取可用线程数int countRuntime.getRuntime().ava…...

智慧城市发展的基本原理是什么?

智慧城市的建设与发展遵循一定的基本原理。随着智慧城市的持续迭代升级&#xff0c;智慧城市已经从信息化建设与信息技术产品应用阶段&#xff0c;演进到了信息化与城市现代化深度融合阶段&#xff0c;其基本原理也在发生变化。当前&#xff0c;随着数字技术的发展与成熟应用&a…...

技术宅小伙:利用JAVA开发个常用的编辑接口

大家好&#xff0c;今天的任务是创建一个常用的编辑接口。实际上&#xff0c;这个接口是在大约十点半时给我的&#xff0c;他说要在下午上线。我在7号接口完成之后&#xff0c;通过代码和预言室来实现这个业务。 首先&#xff0c;这是一个评论编辑接口&#xff0c;编辑的内容是…...

Image as set points【ICLR 2023 notable top 5%】

Code&#xff1a;https://github.com/ma-xu/Context-Cluster OpenReview&#xff1a;https://openreview.net/forum?idawnvqZja69 前置知识&#xff1a; 1&#xff09;归纳偏置是否有用&#xff1f; 答&#xff1a;有效&#xff0c;但存在一定的限制。强inductive bias的架构…...

10个超级实用的Python技巧

人生苦短&#xff0c;我学Python。离不开它自带的“buff”。 - 简单好用Python的优势很多&#xff0c;最明显的便是简单、易上手。Python的语法非常简单&#xff0c;比如敲“Hello World”&#xff0c;用其他编程语言要敲6-7行代码&#xff0c;用Python只需要1行代码&#xff…...

【Java语法糖】泛型与源码角度分析静态问题

概念 首先聊聊泛型&#xff0c;泛型是JDK5的新特性。泛型是用来指定不同类型来控制形参具体限制的类型。泛型这种语法机制&#xff0c;只在程序编译阶段起作用&#xff0c;只是给编译器参考的&#xff08;运行阶段泛型没用&#xff09;。写了这么多代码应该能知道泛型的优点就是…...

DeepSeek 赋能智慧能源:微电网优化调度的智能革新路径

目录 一、智慧能源微电网优化调度概述1.1 智慧能源微电网概念1.2 优化调度的重要性1.3 目前面临的挑战 二、DeepSeek 技术探秘2.1 DeepSeek 技术原理2.2 DeepSeek 独特优势2.3 DeepSeek 在 AI 领域地位 三、DeepSeek 在微电网优化调度中的应用剖析3.1 数据处理与分析3.2 预测与…...

React hook之useRef

React useRef 详解 useRef 是 React 提供的一个 Hook&#xff0c;用于在函数组件中创建可变的引用对象。它在 React 开发中有多种重要用途&#xff0c;下面我将全面详细地介绍它的特性和用法。 基本概念 1. 创建 ref const refContainer useRef(initialValue);initialValu…...

模型参数、模型存储精度、参数与显存

模型参数量衡量单位 M&#xff1a;百万&#xff08;Million&#xff09; B&#xff1a;十亿&#xff08;Billion&#xff09; 1 B 1000 M 1B 1000M 1B1000M 参数存储精度 模型参数是固定的&#xff0c;但是一个参数所表示多少字节不一定&#xff0c;需要看这个参数以什么…...

PPT|230页| 制造集团企业供应链端到端的数字化解决方案:从需求到结算的全链路业务闭环构建

制造业采购供应链管理是企业运营的核心环节&#xff0c;供应链协同管理在供应链上下游企业之间建立紧密的合作关系&#xff0c;通过信息共享、资源整合、业务协同等方式&#xff0c;实现供应链的全面管理和优化&#xff0c;提高供应链的效率和透明度&#xff0c;降低供应链的成…...

Python实现prophet 理论及参数优化

文章目录 Prophet理论及模型参数介绍Python代码完整实现prophet 添加外部数据进行模型优化 之前初步学习prophet的时候&#xff0c;写过一篇简单实现&#xff0c;后期随着对该模型的深入研究&#xff0c;本次记录涉及到prophet 的公式以及参数调优&#xff0c;从公式可以更直观…...

python爬虫:Newspaper3k 的详细使用(好用的新闻网站文章抓取和解析的Python库)

更多内容请见: 爬虫和逆向教程-专栏介绍和目录 文章目录 一、Newspaper3k 概述1.1 Newspaper3k 介绍1.2 主要功能1.3 典型应用场景1.4 安装二、基本用法2.2 提取单篇文章的内容2.2 处理多篇文档三、高级选项3.1 自定义配置3.2 分析文章情感四、实战案例4.1 构建新闻摘要聚合器…...

论文浅尝 | 基于判别指令微调生成式大语言模型的知识图谱补全方法(ISWC2024)

笔记整理&#xff1a;刘治强&#xff0c;浙江大学硕士生&#xff0c;研究方向为知识图谱表示学习&#xff0c;大语言模型 论文链接&#xff1a;http://arxiv.org/abs/2407.16127 发表会议&#xff1a;ISWC 2024 1. 动机 传统的知识图谱补全&#xff08;KGC&#xff09;模型通过…...

Map相关知识

数据结构 二叉树 二叉树&#xff0c;顾名思义&#xff0c;每个节点最多有两个“叉”&#xff0c;也就是两个子节点&#xff0c;分别是左子 节点和右子节点。不过&#xff0c;二叉树并不要求每个节点都有两个子节点&#xff0c;有的节点只 有左子节点&#xff0c;有的节点只有…...

Spring数据访问模块设计

前面我们已经完成了IoC和web模块的设计&#xff0c;聪明的码友立马就知道了&#xff0c;该到数据访问模块了&#xff0c;要不就这俩玩个6啊&#xff0c;查库势在必行&#xff0c;至此&#xff0c;它来了。 一、核心设计理念 1、痛点在哪 应用离不开数据&#xff08;数据库、No…...

Java 二维码

Java 二维码 **技术&#xff1a;**谷歌 ZXing 实现 首先添加依赖 <!-- 二维码依赖 --><dependency><groupId>com.google.zxing</groupId><artifactId>core</artifactId><version>3.5.1</version></dependency><de…...