磁共振成像性能參數的質量檢測是保證其影像質量和診斷結果可靠性的重要手段。為了解決當前以手工計算和人眼辨識方式測算質檢參數所帶來的主觀性強、工作效率較低等問題，本文提出并實現了基于 QT 平臺采用 C++語言開發的磁共振質量檢測自動分析系統方案，引入圖像處理算法自動測算質檢參數，設計功能全面的軟件系統化地管理磁共振設備質檢信息。實驗結果表明自動測算與手工測算的參數值一致性較好，算法準確可靠。整個系統高效便捷且操作簡單，能滿足磁共振設備質檢工作的實際需求。
引用本文： 羅洪艷, 徐旭, 高成龍, 李明勇, 廖彥劍. 基于 QT 的磁共振質量檢測自動分析系統的設計與實現. 生物醫學工程學雜志, 2019, 36(4): 627-632. doi: 10.7507/1001-5515.201807014 復制
引言
核磁共振成像（magnetic resonance imaging，MRI）具有極好的軟組織分辨力、多參數成像、能提供人體功能代謝信息和自由任意層面成像等特點，因而在全身各系統疾病的輔助診斷，尤其是早期腫瘤診斷方面極具價值[1-2]，在臨床上得到廣泛應用。但 MRI 復雜的多參數成像過程，也為投入應用的設備影像質量以及輔助診斷效果帶來考驗[3]，而以 MRI 成像性能參數為核心的質量檢測無疑是保證其成像質量的有效手段[4]。為此我國提出了《大型醫用設備配置與使用管理方法》[5]，要求依據《（YY/T 0482-2010 4.2）醫療成像磁共振設備主要圖像質量參數的測定》[6]和《（WS/T 263-2006）醫用磁共振成像（MRI）設備影像質量檢測與評價規范》[7]對 MRI 性能參數進行周期性檢測和評價，以確保系統正常穩定工作。
目前國內普遍采用的 MRI 質檢流程是：申請檢測-確定信息-掃描體模-測算圖像-反饋報告。其中，測算圖像是質檢的核心內容和關鍵環節，現主要通過手工完成。由此獲得的檢測結果可能會因人而異，主觀性強、成本高、效率低[8]；同時，其保存方式是紙質文檔或體模膠片影像，不具有可追溯性，對檢測數據缺乏系統性的管理。此外，在 MRI 設備分散較廣而設備數量仍保持快速增長的情況下，執行周期性質檢的規定，又對質檢效率、測算結果和信息管理方式提出了更高的要求。這些問題的存在，使得檢測部門能力有限與檢測任務日益繁重之間的矛盾愈發明顯。因此，提高質檢效率和結果可靠性就顯得尤為必要。
鑒于此，本文提出并實現了一套基于 QT 平臺采用 C++語言開發的 MRI 質量檢測自動分析系統方案，旨在利用計算機管理 MRI 設備和檢測信息，引入自動分析代替人工測算，基于操作簡單的軟件平臺實現高效便捷、可靠性更強的質量檢測與系統管理。
1 自動測算方法
體模是 MRI 質量檢測的主要工具，清晰有效的體模掃描圖像是參數測算的基礎。由美國體模實驗室研制的 Magphan SMR170 性能測試體模是一種使用頻率較高的體模。該體模為圓柱形，內含測試立方體，組裝有不同的模塊，其上設計了不同尺寸的矩形或圓形凹槽測試結構。用于質檢的體模掃描圖像包括均勻性層、空間線性層、高空間對比度分辨力層和低對比度分辨力層四幅圖像，存儲格式為醫學數字成像和通信（Digital Imaging and Communications in Medicine，DICOM）格式[9]。對應可測算的參數有信噪比、均勻性、縱橫比、層厚、空間線性、高空間分辨力和低對比度分辨力共計七個。其中前五個參數目前主要依靠檢測人員借助交互式軟件定位目標檢測區域再手工計算獲得，而后兩個參數則通過調窗目測確定。MRI 設備性能是否符合要求取決于這些參數值與標準規定值的對比結果。
針對四幅體模掃描圖像的自動測算流程如圖 1 所示。首先對每幅圖像均采用大津閾值法進行圖像二值化[10]，再重復使用連通域標記將體模圓形區域、測試立方體矩形區域、圓孔區域及圓形凹槽區域逐一識別。然后根據需要，計算區域的質心或采用 Canny 算子進行邊緣檢測確定邊框及頂點，作為定位參考。再結合相對位置關系提取與待測參數相關的目標圖像區域，最后參考標準規定的測算方法和公式計算出參數指標。因篇幅所限，僅以較為重要且計算相對復雜的層厚和高空間分辨力兩個參數為例闡述自動分析算法。
圖1
自動測算流程框圖
Figure1.
Block diagram of automatic calculation
1.1 層厚測算
層厚測算的目標圖像區域獲取過程如圖 2 所示。目標對象為安裝在測試立方體外部的 2 mm 厚、10 mm 寬的層面厚度斜板影像，即均勻性層圖像中測試立方體邊框外的四個矩形結構（見圖 2a）。它們與邊框、圓孔的相對位置是不變的。根據前述方法確定出測試立方體的頂點（A、B、C、D）和圓孔的質心（E、F、G、H）。設其位置坐標為 A（
，
）、B（
，
）、E（
，
）、F（
，
），圓孔半徑為 r，可確定包含頂部矩形結構的目標圖像截取范圍是以 P（
，
）為頂點、
為長度、
為寬度的矩形區域，而包含左側矩形結構的目標圖像截取范圍則是以 Q（
，
）為頂點、
為寬度、
為高度的矩形區域，其中
圖2
層厚測算的目標圖像區域獲取過程
a. 均勻性層圖像；b. 二值化；c. 連通域標記與定位；d. 目標圖像截取
Figure2. Target image region acquisition process for slice thickness calculationa. uniformity slice image; b. binaryzation; c. connected component; d. target image labeling and location cropping
 |
 |
 |
 |
 |
 |
同理，可分別確定包含底部和右側矩形結構的目標圖像截取范圍。將此邊界范圍映射到均勻性層圖像中，可截取出四個目標圖像區域，分別計算其最小灰度值（
），再二值化后計算質心。以質心為參考點，在原圖中四個矩形結構外側分別截取面積為 100 mm2的圓形區域，計算其灰度均值（
）。將截取出的目標圖像區域窗位設置為
，沿水平方向遍歷目標圖像區域，計算此時矩形結構內的各平行線長度，以其平均值為半高全寬值（full width at half maximum，FWHM）。將四個矩形結構的半高全寬值的平均值（
）、層面厚度斜板與體模軸線的夾角（
=14°）代入公式（7）可計算出層厚（Slice_thickness）。
 |
1.2 高空間分辨力測算
高空間分辨力測算通過識別高分辨力模塊上形成的一系列矩形凹槽完成，其目標圖像區域獲取過程如圖 3 所示。該模塊的完整結構包含兩列交叉排布的多個相同尺寸的圓形凹槽和相互垂直的兩組矩形凹槽（見圖 3a）。這些矩形凹槽設計為 1 到 11 種規格的線對，所代表的分辨力范圍是 5～0.45 mm。其中 1～4 線對分為一組，5～11 線對分為另一組。測試以在高空間對比度分辨力層圖像上所能識別出的分辨力最高的線對作為結果，因此目標圖像區域為兩組矩形凹槽。從圖 3a 可以看出一組目標區域的長度在圓形凹槽 R 與 S 之間，寬度在圓形凹槽 R 與 T 之間；另一組目標區域的長度在圓形凹槽 R 與 U 之間，寬度在圓形凹槽 U 與 V 之間，由此可以通過圓形凹槽坐標確定目標區域的位置范圍。具體而言，首先根據前述方法確定圖像中心點 O，以此為參照可計算這 5 個圓形凹槽位置坐標，進而獲得兩個目標區域的邊界范圍，將其映射到高空間對比度分辨力層圖像原圖中可截取出目標圖像區域。對目標圖像區域進行連通域標記，依次對圖像局部開運算，能斷開狹窄間隙并消除細的突出物，再計算各連通域的質心、相鄰質心間距及質心間距相近的連通域個數，與高分辨力模塊上線對的對應標稱參數作比較，得出能夠識別的最大線對數，即為高空間分辨力值。
圖3
高空間分辨力測算的目標圖像區域獲取過程
a. 高分辨力模塊結構；b. 高空間對比度分辨力層圖像；c. 連通域標記與定位；d. 目標圖像截取
Figure3. Target image cropping process for high spatial resolution calculationa. high resolution module structure; b. high spatial contrast resolution slice image; c. connected component labeling and location; d. target image cropping
2 基于 QT 平臺的系統設計
QT 是面向對象的框架，具有豐富的應用程序接口和優良的跨平臺特性，可實現應用程序在不同終端運行。因此，選擇以 Windows 操作系統為載體，基于 QT 平臺采用 C++語言設計開發整個質檢自動分析系統。
系統默認系統管理員、檢測人員和審核人員等三個角色，包含質控計劃、數據錄入與測算、檢測記錄、設備管理和系統設置等五大功能模塊，整個業務流程如圖 4 所示。其中，質控計劃用于檢測人員制定和修改質控計劃，提供設置質控設備、質檢時間、質控項目等功能。數據錄入與測算模塊用于檢測人員對指定完成的質控計劃進行基本數據錄入，以及對體模圖像進行參數自動測算并顯示結果。檢測記錄模塊為審核人員提供查看和審核質檢內容及結果的功能，為檢測人員提供查看檢測歷史記錄和審核狀態的功能，以及報告打印功能。設備管理用于對質控設備基本信息的維護。系統設置用于管理員對系統角色和用戶進行管理，以及其他角色對自身個人信息進行維護等。
圖4
系統業務流程框圖
Figure4.
Block diagram of system business process
3 實驗與結果分析
3.1 自動測算實驗與結果
用于自動測算實驗的質檢圖像為 31 套 SMR170 體模的 MRI 掃描圖像，共涉及 13 臺 MRI 設備，是由重慶醫科大學附屬第二醫院、貴州省人民醫院和陸軍軍醫大學第一附屬醫院等多家醫院按照標準[7]規定的體模掃描方法及參數設置采集獲得，并由重慶市醫療設備質量檢測管理所或相關醫院的專業質檢人員完成了手工測算。圖 5 展示了其中一套數據四個參數的自動和手工測算結果。由圖可見，手工測算過程是由檢測人員基于對標準的解讀，借助交互式操作軟件（如 RadiAnt DICOM Viewer）用手工勾畫選取目標圖像區域，再測量獲取大小、長度、灰度等基本信息然后手工計算出參數，過程繁瑣費時，依賴于質檢人員的檢測經驗。相比之下，自動分析測算完全摒棄了人工操作，無疑更加客觀高效。
圖5
測算結果
Figure5.
Measurement results
對比表 1 給出的自動測算和手工測算 31 套數據的七個質檢參數的平均值與標準偏差可以看出，整體吻合度很高。特別是低對比度分辨力的均值無差異且標準差均為零，說明該參數的自動測算和手工測算值完全相同。
表1
自動與手工測算結果對比
Table1.
Comparison between automatic and manual calculation results
進一步在統計產品與服務解決方案（Statistical Product and Service Solutions，SPSS）軟件中對自動和手工測算結果（低對比度分辨力除外）作組內相關系數（intra-class correlation efficient，ICC）分析。ICC 被定義為組間方差占總方差的比重[11]，常應用于評價不同測定方法或評定者對同一定量測量結果的可重復性或一致性[12]。采用雙因素隨機模型和絕對一致類型，選取單一測量的結果值[13]，如表 2 所示。就評價方法對比而言，一般認為 ICC 值小于 0.4 表示一致性較差；0.41～0.60 之間為一般；0.61～0.75 為中等；ICC 值大于 0.75 則表示一致性較好[14]。從分析結果看，信噪比、層厚、空間線性、高空間分辨力和縱橫比等五個參數的 ICC 值均在 0.75 以上，前四個參數的 ICC 值甚至超過 0.95，且P < 0.001，可以認為自動測算結果和手工測算結果的一致性較好。而均勻性的 ICC 值略低于 0.75，原因在于 ICC 的應用會受到測量值范圍的局限[15]，在該參數測算值變化較小（見表 1 所列標準偏差）的情況下，盡管兩種測量值近似，ICC 也會偏小。以上的一致性分析結合表 1 的數據對比表明自動測算方法準確有效。
表2
組內相關系數分析結果
Table2.
ICC analysis results
3.2 系統運行結果
整個系統的運行界面與結果如圖 6 所示。檢測人員僅需登錄系統、指定質控計劃，然后在數據錄入模塊導入體模掃描圖像，由系統自動篩選出待檢測圖像，通過 DICOM 協議解析圖像文件，再點擊測算按鈕，即可在數秒內完成全部參數的測算，高效便捷，且提高了檢測結果的客觀性。測算結果以圖像和數值兩種方式呈現，清晰直觀，可保存并自動生成檢測報告。經測試，系統全部功能運行正常，可在平板、筆記本電腦、臺式電腦及其他嵌入式平臺上使用，能滿足不同應用場景的需要，從而實現對日常質檢工作的系統化管理。
圖6
系統界面與運行結果
Figure6.
System interface and operation results
4 總結
綜上所述，本文實現了基于 QT 的 MRI 質量檢測自動分析系統，能夠自動計算質檢參數，提高檢測結果可靠性和工作效率，便于 MRI 設備質控信息管理，符合實際的質控工作需求，能夠有效緩解當前 MRI 醫療衛生事業快速發展的需求與檢測系統方案時效較低的矛盾。該系統可以直接在 Windows 系統上使用以及跨平臺應用，為未來 MRI 設備質量檢測工作更好的發展奠定了基礎。
然而，本系統仍有很大的發展空間，例如獲取醫院影像歸檔和通信系統（Picture Archiving and Communication Systems，PACS）的許可，直接從 PACS 導入體模圖像；又如在自動分析模塊部分加入交互功能，從而允許手工測算對自動測算加以調整和補充，有利于進一步確保檢測準確性。
利益沖突聲明：本文全體作者均聲明不存在利益沖突。
引言
核磁共振成像（magnetic resonance imaging，MRI）具有極好的軟組織分辨力、多參數成像、能提供人體功能代謝信息和自由任意層面成像等特點，因而在全身各系統疾病的輔助診斷，尤其是早期腫瘤診斷方面極具價值[1-2]，在臨床上得到廣泛應用。但 MRI 復雜的多參數成像過程，也為投入應用的設備影像質量以及輔助診斷效果帶來考驗[3]，而以 MRI 成像性能參數為核心的質量檢測無疑是保證其成像質量的有效手段[4]。為此我國提出了《大型醫用設備配置與使用管理方法》[5]，要求依據《（YY/T 0482-2010 4.2）醫療成像磁共振設備主要圖像質量參數的測定》[6]和《（WS/T 263-2006）醫用磁共振成像（MRI）設備影像質量檢測與評價規范》[7]對 MRI 性能參數進行周期性檢測和評價，以確保系統正常穩定工作。
目前國內普遍采用的 MRI 質檢流程是：申請檢測-確定信息-掃描體模-測算圖像-反饋報告。其中，測算圖像是質檢的核心內容和關鍵環節，現主要通過手工完成。由此獲得的檢測結果可能會因人而異，主觀性強、成本高、效率低[8]；同時，其保存方式是紙質文檔或體模膠片影像，不具有可追溯性，對檢測數據缺乏系統性的管理。此外，在 MRI 設備分散較廣而設備數量仍保持快速增長的情況下，執行周期性質檢的規定，又對質檢效率、測算結果和信息管理方式提出了更高的要求。這些問題的存在，使得檢測部門能力有限與檢測任務日益繁重之間的矛盾愈發明顯。因此，提高質檢效率和結果可靠性就顯得尤為必要。
鑒于此，本文提出并實現了一套基于 QT 平臺采用 C++語言開發的 MRI 質量檢測自動分析系統方案，旨在利用計算機管理 MRI 設備和檢測信息，引入自動分析代替人工測算，基于操作簡單的軟件平臺實現高效便捷、可靠性更強的質量檢測與系統管理。
1 自動測算方法
體模是 MRI 質量檢測的主要工具，清晰有效的體模掃描圖像是參數測算的基礎。由美國體模實驗室研制的 Magphan SMR170 性能測試體模是一種使用頻率較高的體模。該體模為圓柱形，內含測試立方體，組裝有不同的模塊，其上設計了不同尺寸的矩形或圓形凹槽測試結構。用于質檢的體模掃描圖像包括均勻性層、空間線性層、高空間對比度分辨力層和低對比度分辨力層四幅圖像，存儲格式為醫學數字成像和通信（Digital Imaging and Communications in Medicine，DICOM）格式[9]。對應可測算的參數有信噪比、均勻性、縱橫比、層厚、空間線性、高空間分辨力和低對比度分辨力共計七個。其中前五個參數目前主要依靠檢測人員借助交互式軟件定位目標檢測區域再手工計算獲得，而后兩個參數則通過調窗目測確定。MRI 設備性能是否符合要求取決于這些參數值與標準規定值的對比結果。
針對四幅體模掃描圖像的自動測算流程如圖 1 所示。首先對每幅圖像均采用大津閾值法進行圖像二值化[10]，再重復使用連通域標記將體模圓形區域、測試立方體矩形區域、圓孔區域及圓形凹槽區域逐一識別。然后根據需要，計算區域的質心或采用 Canny 算子進行邊緣檢測確定邊框及頂點，作為定位參考。再結合相對位置關系提取與待測參數相關的目標圖像區域，最后參考標準規定的測算方法和公式計算出參數指標。因篇幅所限，僅以較為重要且計算相對復雜的層厚和高空間分辨力兩個參數為例闡述自動分析算法。
圖1
自動測算流程框圖
Figure1.
Block diagram of automatic calculation
1.1 層厚測算
層厚測算的目標圖像區域獲取過程如圖 2 所示。目標對象為安裝在測試立方體外部的 2 mm 厚、10 mm 寬的層面厚度斜板影像，即均勻性層圖像中測試立方體邊框外的四個矩形結構（見圖 2a）。它們與邊框、圓孔的相對位置是不變的。根據前述方法確定出測試立方體的頂點（A、B、C、D）和圓孔的質心（E、F、G、H）。設其位置坐標為 A（，）、B（，）、E（，）、F（，），圓孔半徑為 r，可確定包含頂部矩形結構的目標圖像截取范圍是以 P（，）為頂點、為長度、為寬度的矩形區域，而包含左側矩形結構的目標圖像截取范圍則是以 Q（，）為頂點、 為寬度、 為高度的矩形區域，其中
圖2
層厚測算的目標圖像區域獲取過程
a. 均勻性層圖像；b. 二值化；c. 連通域標記與定位；d. 目標圖像截取
Figure2. Target image region acquisition process for slice thickness calculationa. uniformity slice image; b. binaryzation; c. connected component; d. target image labeling and location cropping
|
|
|
|
|
|
同理，可分別確定包含底部和右側矩形結構的目標圖像截取范圍。將此邊界范圍映射到均勻性層圖像中，可截取出四個目標圖像區域，分別計算其最小灰度值（），再二值化后計算質心。以質心為參考點，在原圖中四個矩形結構外側分別截取面積為 100 mm2的圓形區域，計算其灰度均值（）。將截取出的目標圖像區域窗位設置為，沿水平方向遍歷目標圖像區域，計算此時矩形結構內的各平行線長度，以其平均值為半高全寬值（full width at half maximum，FWHM）。將四個矩形結構的半高全寬值的平均值（）、層面厚度斜板與體模軸線的夾角（=14°）代入公式（7）可計算出層厚（Slice_thickness）。
|
1.2 高空間分辨力測算
高空間分辨力測算通過識別高分辨力模塊上形成的一系列矩形凹槽完成，其目標圖像區域獲取過程如圖 3 所示。該模塊的完整結構包含兩列交叉排布的多個相同尺寸的圓形凹槽和相互垂直的兩組矩形凹槽（見圖 3a）。這些矩形凹槽設計為 1 到 11 種規格的線對，所代表的分辨力范圍是 5～0.45 mm。其中 1～4 線對分為一組，5～11 線對分為另一組。測試以在高空間對比度分辨力層圖像上所能識別出的分辨力最高的線對作為結果，因此目標圖像區域為兩組矩形凹槽。從圖 3a 可以看出一組目標區域的長度在圓形凹槽 R 與 S 之間，寬度在圓形凹槽 R 與 T 之間；另一組目標區域的長度在圓形凹槽 R 與 U 之間，寬度在圓形凹槽 U 與 V 之間，由此可以通過圓形凹槽坐標確定目標區域的位置范圍。具體而言，首先根據前述方法確定圖像中心點 O，以此為參照可計算這 5 個圓形凹槽位置坐標，進而獲得兩個目標區域的邊界范圍，將其映射到高空間對比度分辨力層圖像原圖中可截取出目標圖像區域。對目標圖像區域進行連通域標記，依次對圖像局部開運算，能斷開狹窄間隙并消除細的突出物，再計算各連通域的質心、相鄰質心間距及質心間距相近的連通域個數，與高分辨力模塊上線對的對應標稱參數作比較，得出能夠識別的最大線對數，即為高空間分辨力值。
圖3
高空間分辨力測算的目標圖像區域獲取過程
a. 高分辨力模塊結構；b. 高空間對比度分辨力層圖像；c. 連通域標記與定位；d. 目標圖像截取
Figure3. Target image cropping process for high spatial resolution calculationa. high resolution module structure; b. high spatial contrast resolution slice image; c. connected component labeling and location; d. target image cropping
2 基于 QT 平臺的系統設計
QT 是面向對象的框架，具有豐富的應用程序接口和優良的跨平臺特性，可實現應用程序在不同終端運行。因此，選擇以 Windows 操作系統為載體，基于 QT 平臺采用 C++語言設計開發整個質檢自動分析系統。
系統默認系統管理員、檢測人員和審核人員等三個角色，包含質控計劃、數據錄入與測算、檢測記錄、設備管理和系統設置等五大功能模塊，整個業務流程如圖 4 所示。其中，質控計劃用于檢測人員制定和修改質控計劃，提供設置質控設備、質檢時間、質控項目等功能。數據錄入與測算模塊用于檢測人員對指定完成的質控計劃進行基本數據錄入，以及對體模圖像進行參數自動測算并顯示結果。檢測記錄模塊為審核人員提供查看和審核質檢內容及結果的功能，為檢測人員提供查看檢測歷史記錄和審核狀態的功能，以及報告打印功能。設備管理用于對質控設備基本信息的維護。系統設置用于管理員對系統角色和用戶進行管理，以及其他角色對自身個人信息進行維護等。
圖4
系統業務流程框圖
Figure4.
Block diagram of system business process
3 實驗與結果分析
3.1 自動測算實驗與結果
用于自動測算實驗的質檢圖像為 31 套 SMR170 體模的 MRI 掃描圖像，共涉及 13 臺 MRI 設備，是由重慶醫科大學附屬第二醫院、貴州省人民醫院和陸軍軍醫大學第一附屬醫院等多家醫院按照標準[7]規定的體模掃描方法及參數設置采集獲得，并由重慶市醫療設備質量檢測管理所或相關醫院的專業質檢人員完成了手工測算。圖 5 展示了其中一套數據四個參數的自動和手工測算結果。由圖可見，手工測算過程是由檢測人員基于對標準的解讀，借助交互式操作軟件（如 RadiAnt DICOM Viewer）用手工勾畫選取目標圖像區域，再測量獲取大小、長度、灰度等基本信息然后手工計算出參數，過程繁瑣費時，依賴于質檢人員的檢測經驗。相比之下，自動分析測算完全摒棄了人工操作，無疑更加客觀高效。
圖5
測算結果
Figure5.
Measurement results
對比表 1 給出的自動測算和手工測算 31 套數據的七個質檢參數的平均值與標準偏差可以看出，整體吻合度很高。特別是低對比度分辨力的均值無差異且標準差均為零，說明該參數的自動測算和手工測算值完全相同。
表1
自動與手工測算結果對比
Table1.
Comparison between automatic and manual calculation results
進一步在統計產品與服務解決方案（Statistical Product and Service Solutions，SPSS）軟件中對自動和手工測算結果（低對比度分辨力除外）作組內相關系數（intra-class correlation efficient，ICC）分析。ICC 被定義為組間方差占總方差的比重[11]，常應用于評價不同測定方法或評定者對同一定量測量結果的可重復性或一致性[12]。采用雙因素隨機模型和絕對一致類型，選取單一測量的結果值[13]，如表 2 所示。就評價方法對比而言，一般認為 ICC 值小于 0.4 表示一致性較差；0.41～0.60 之間為一般；0.61～0.75 為中等；ICC 值大于 0.75 則表示一致性較好[14]。從分析結果看，信噪比、層厚、空間線性、高空間分辨力和縱橫比等五個參數的 ICC 值均在 0.75 以上，前四個參數的 ICC 值甚至超過 0.95，且P < 0.001，可以認為自動測算結果和手工測算結果的一致性較好。而均勻性的 ICC 值略低于 0.75，原因在于 ICC 的應用會受到測量值范圍的局限[15]，在該參數測算值變化較小（見表 1 所列標準偏差）的情況下，盡管兩種測量值近似，ICC 也會偏小。以上的一致性分析結合表 1 的數據對比表明自動測算方法準確有效。
表2
組內相關系數分析結果
Table2.
ICC analysis results
3.2 系統運行結果
整個系統的運行界面與結果如圖 6 所示。檢測人員僅需登錄系統、指定質控計劃，然后在數據錄入模塊導入體模掃描圖像，由系統自動篩選出待檢測圖像，通過 DICOM 協議解析圖像文件，再點擊測算按鈕，即可在數秒內完成全部參數的測算，高效便捷，且提高了檢測結果的客觀性。測算結果以圖像和數值兩種方式呈現，清晰直觀，可保存并自動生成檢測報告。經測試，系統全部功能運行正常，可在平板、筆記本電腦、臺式電腦及其他嵌入式平臺上使用，能滿足不同應用場景的需要，從而實現對日常質檢工作的系統化管理。
圖6
系統界面與運行結果
Figure6.
System interface and operation results
4 總結
綜上所述，本文實現了基于 QT 的 MRI 質量檢測自動分析系統，能夠自動計算質檢參數，提高檢測結果可靠性和工作效率，便于 MRI 設備質控信息管理，符合實際的質控工作需求，能夠有效緩解當前 MRI 醫療衛生事業快速發展的需求與檢測系統方案時效較低的矛盾。該系統可以直接在 Windows 系統上使用以及跨平臺應用，為未來 MRI 設備質量檢測工作更好的發展奠定了基礎。
然而，本系統仍有很大的發展空間，例如獲取醫院影像歸檔和通信系統（Picture Archiving and Communication Systems，PACS）的許可，直接從 PACS 導入體模圖像；又如在自動分析模塊部分加入交互功能，從而允許手工測算對自動測算加以調整和補充，有利于進一步確保檢測準確性。
利益沖突聲明：本文全體作者均聲明不存在利益沖突。
