CT成像中金属伪影产生机制及校正方法的研究进展

The research progress on the mechanism and correction methods of metal artifacts in CT imaging

摘要

金属植入物在全身各系统中的临床应用日益广泛，显著改善了患者的生活质量和疾病预后。然而，由于射线硬化和光子饥饿等效应，金属植入物在CT图像中会产生金属伪影，严重影响影像学诊断和评估。随着CT成像技术和计算机科学的飞速发展，多种降低金属伪影技术相继被开发和应用，目前主流的降低金属伪影技术主要包括：扫描和重建参数的调整、不同图像重建算法（滤波反投影、基于模型的迭代等）、降低金属伪影（Metal artifact reduction， MAR）算法和双能CT虚拟单能量成像（Virtual monochromatic spectral imaging， VMI）等。MAR算法作为一项重要的后处理降低金属伪影技术，其主要通过识别和校正金属伪影区域的数据来有效降低金属伪影。然而，MAR算法的伪影降低效果受检查部位、MAR算法的类别、金属植入物材料和形状及扫描设备等多种因素影响。本文综述了CT金属伪影产生机制及MAR算法在不同临床场景中的应用和研究进展，以期为临床实践提供参考，促进更精确的影像学评估。

Abstract

Metal implants are increasingly used in clinical applications across various systems of the body， significantly improving patients' quality of life and disease outcomes. However， due to effects such as beam hardening and photon starvation， metal implants can produce metal artifacts in CT images， severely compromising diagnostic and evaluative imaging. With the rapid advancement of CT imaging technology and computer science， the mainstream metal artifact reduction techniques currently include： adjusting scanning and reconstruction parameters， metal artifact reduction （MAR）， different image reconstruction algorithms （filtered back projection， model-based iterative reconstruction， etc.） and CT virtual monoenergetic imaging （VMI）. As a crucial post-processing technique for reducing metal artifacts， MAR algorithms primarily work by identifying and correcting data in artifact-affected regions to effectively mitigate metal artifacts. Nevertheless， the efficacy of MAR algorithms is influenced by various factors， including the examined anatomical region， the type of MAR algorithm， the material and shape of the metal implant， and the scanning equipment. This review summarizes the causes of CT metal artifacts and the application and research progress of current mainstream MAR algorithms in different clinical scenarios， aiming to provide references for clinical practice and promote more precise imaging evaluation.

Graphical abstract

关键词

计算机断层扫描 / 金属伪影降低算法 / 双能CT虚拟单能量成像

Key words

Computed tomography / Metal artifacts / Virtual monochromatic spectral imaging

计算机断层扫描（Computed tomography， CT）以其快速成像和精细的解剖结构显示，已成为现代医学影像学中不可或缺的工具。它不仅在颅脑、胸腹部和骨关节等部位的疾病诊断中展现出难以替代的价值，且在指导医师临床决策与治疗疾病方面发挥着重要作用。然而，随着人口老龄化的加剧，骨折、关节病变、牙齿病变及心脏相关疾病发病率呈上升趋势，关节置换、起搏器植入等手术及金属植入物的使用日益增加。这些植入物的使用显著改善了患者的生活质量和疾病预后，但其高衰减特性给CT成像质量带来了严峻挑战。这些金属伪影可能遮挡病变或周围正常组织，干扰医师对病变的准确识别，增加误诊和漏诊的风险^［1-2］。

在过去几十年中，随着CT成像技术和计算机算法的不断进步，多种降低金属伪影技术相继被开发和应用，如：改变扫描和重建参数、不同图像重建算法、降低金属伪影（Metal artifact reduction，MAR）算法、双能CT虚拟单能量成像等。

1 金属伪影产生机制

金属伪影的严重程度和特性高度依赖于金属植入物大小、形状和材料。当金属植入物的衰减特性非常高时，如在高密度或高原子序数的金属中，CT探测器上的光子计数非常低，将出现光子饥饿。光子饥饿不仅会直接影响图像质量，还会加剧金属伪影的严重程度。射线硬化是由X射线的多色性引起的，低能量光子在穿过人体时更容易被吸收，导致高能量光子相对增多，从而在图像中产生暗条纹或杯状伪影。且高能量光子相对增多进一步减少低能量光子的计数，加剧光子饥饿现象。此外，金属的高电子密度还会导致更多的散射，改变部分入射X线光子的方向，使它们最终进入错误的探测器。散射效应是指X射线光子与物质相互作用后发生康普顿散射，其传播方向发生改变而偏离原路径。这一效应不仅本身会因光子误入探测器而引入噪声和条纹状伪影，亦会进一步加剧光子饥饿，形成恶性循环。边缘效应，则源于CT数据采集和图像重建过程中的频域截断，在密度差异极大的金属-组织界面处，重建算法无法完美处理这种急剧的衰减变化。在边缘效应中，金属边缘在与组织的交界处会引起很大的不连续性，主要表现为观察到与金属边缘一致的黑暗或明亮的条纹的现象。边缘效应与散射效应相互作用，使得在金属与组织交界处的伪影更加明显。噪声通常不被视为金属伪影，但由于到达探测器的光子数量减少，在含金属物体的图像中通常会观察到噪声水平增加。噪声与光子饥饿相互影响，光子饥饿导致噪声水平升高，而噪声会进一步降低图像的信噪比，影响诊断的准确性。提示光子饥饿、射线硬化、散射效应、边缘效应和噪声是金属伪影的主要贡献因素，它们不仅独立影响图像质量，还相互影响产生金属伪影^［3］。

2 常用降低金属伪影的方法

2.1　传统CT降低金属伪影技术

传统CT降低金属伪影技术包括扫描和重建参数的调整。⑴针对扫描参数：主要有提高管电压、增加管电流和使用X线滤过板。提高管电压则会使X射线能谱的平均光子能量增加，增加管电流意味着更多X线光子到达探测器，从而实现更好地穿透和更多X线光子被检测。尽管这些调整能降低部分金属伪影，但两者均会增加患者的辐射剂量。此外，提高管电压还会导致整体图像对比度降低。使用额外的滤过板对X线能谱进行预过滤也是降低金属伪影的有效方法，滤过板减少了低能量光子的数量，而更具穿透性的高能量光子仍保留在光束中。⑵针对重建参数：主要是利用软组织卷积核和较厚的层厚，两者均会降低金属伪影，但亦会降低空间分辨率。

2.2　滤波反投影（Filtered back projection， FBP）重建算法

在重建算法层面，滤波反投影作为CT的重建方法，在处理金属伪影时存在固有局限性。FBP算法计算效率高，但其理论前提是理想的投影数据。当扫描视野内存在金属植入物时，会因严重的射线硬化、光子饥饿等现象，导致投影数据出现截断、缺失和非线性失真。FBP算法无法识别或校正这些异常数据，而是将其直接反投影到图像空间，从而将局部的数据误差扩散为全图像的条状、暗带或亮带伪影。尽管通过前述的扫描参数优化（如提高管电压）可在一定程度上改善投影数据质量，间接提升FBP的图像效果，但FBP本身缺乏补偿或迭代校正机制，因此在面对大型或高密度金属植入物时，其重建图像中的严重伪影往往难以满足诊断需求。

2.3　基于模型的迭代重建（Model-based iterative reconstruction，MBIR）算法

与FBP重建算法相比，基于模型的迭代重建（Model-based iterative reconstruction， MBIR）算法更具有优势，MBIR算法具备更准确的物理模型、迭代优化过程、数据保真度、正则化及处理复杂伪影的能力，可以降低噪声和伪影^［3］。在处理由大型和高密度金属植入物引起的伪影时，仅依靠调整扫描和重建参数以及图像重建算法等降低金属伪影技术往往效果不佳。

2.4　MAR算法

MAR算法通过移除含金属植入物信息的X射线投影数据，并利用相邻未受影响投影数据进行插值替换，从而有效降低金属伪影。但由于商用MAR算法通常是封装的，影像医师对其底层原理了解有限，难以根据具体临床情况选择最佳算法，限制了不同MAR算法使用^［4］。此外，能谱CT的高能量虚拟单能量图像（Virtual monochromatic imaging， VMI）亦可有效降低金属伪影。VMI的能量越高，降低伪影能力越强^［5］，但图像对比度会降低。MAR算法联合VMI可以进一步降低金属伪影。随着人工智能和光子计数CT（Photon-counting computed tomography， PCCT）等新技术的出现，MAR算法也迎来了新的发展机遇。

在CT设备中，常用的商用MAR算法有O-MAR、iMAR、Smart MAR和SEMAR等，这些算法因方便与稳定而广受欢迎，不同MAR算法降低金属伪影的原理不同。⑴O-MAR算法通过迭代循环逐步分割和提取金属伪影像素，最终重建更准确的图像，该算法能够有效降低大型骨科植入物（如关节假体、骨合成板和脊柱椎弓根螺钉）引起的金属伪影。但在某些情况下，该算法可能会对小梁骨和皮质骨的外观产生退化效果，影响图像的诊断价值^［6］。⑵iMAR算法通过射线硬化矫正、线性内插值以及自适应正弦图修复和分频降低金属伪影等多种迭代计算，可以明显降低图像中的条状伪影，并同时校正受影响的组织CT值，使之更接近于无金属情况下的真实值。该算法适用于多种临床场景，尤其是在评估假体周围软组织和假体并发症方面展现出显著优势。但该算法也可能会引入新的伪影，如骨伪松动伪影及图像失真（特别是在金属植入物附近），需要对比原始图像以确保诊断的准确性。⑶Smart MAR算法利用密度阈值识别原始图像中的金属伪影区域，基于未损坏的投影数据，通过迭代重建算法用修正后的数据代替因伪影丢失的数据。将修正后的数据与原始数据相结合，生成最终的降低伪影的图像。该算法能够有效降低金属伪影，提高图像的清晰度和对比度，使金属植入物周围的软组织和骨质解剖结构更加清晰且适用于多种金属植入物的场景，但在某些情况下，该算法可能会引入新的伪影，尤其是在处理复杂金属植入物时，且对不同金属材质产生的伪影的降低效果可能不如预期。⑷SEMAR算法是一种基于投影的重建算法，该技术的处理流程为：①对原始投影数据采用滤波反投影法进行初始重建，通过衰减阈值识别并提取金属成分；②对去除金属后的剩余数据进行前向投影，生成校正后的投影数据集。经插值处理消除金属周边结构伪影后，该校正数据被重建为不含金属成分及相关伪影的图像；③通过将提取的金属成分重新叠加，输出SEMAR处理图像。该算法可提高金属植入物和周围组织（骨、肌肉、脂肪等）的显示能力，适用于多种金属植入物的场景，但在处理复杂金属植入物时，可能会引入新的伪影。由于该算法涉及复杂的计算步骤，可能会影响图像重建的速度^［7］。

3 MAR算法在身体各部位中的应用

3.1　MAR算法在头颈部中的应用

在头颈部动脉瘤栓塞术或金属修复体（如颅骨修复板、牙科植入物）附近常出现金属伪影，影响病变识别。MAR算法通过校正这些区域的投影数据，可有效降低金属伪影，提升图像质量。在颅脑动脉瘤栓塞或夹闭患者的金属伪影评估中，伪影指数、图像噪声与CT值为常用客观评估指标。FITSIORI A等^［8］还引入了体素密度的分布与集中趋势，以进一步评估降低金属伪影的效果。有研究^［9-10］证实单独使用MAR算法可以显著降低图像中的金属伪影，提高图像质量（图1）。但是，不同重建算法^［8］、不同金属材质^［11］都会对降低金属伪影的效果产生影响，甚至在某些条件下还会产生新的伪影。相比于MBIR算法联合iMAR，FBP重建算法联合iMAR在有效降低金属伪影的同时，可避免因光子饥饿导致的晕轮伪影^［8］。但SHINOHARA Y等^［12］研究发现iMAR在有效降低夹钳的金属伪影的同时会加重颅骨修复板的伪影。而HAKIM A等^［13］指出iMAR算法在脑灌注（Computed tomography perfusion，CTP）中同样可以降低金属伪影，从而提升图像质量及灌注值的准确性，但是非必要时不推荐使用。此外，CAI H等^［14］研究发现相比其他重建方法，SEMAR联合高级智能清晰成像引擎（Advanced intelligent clear-IQ engine，AiCE）算法显示出更优越的图像质量，提升了对动脉瘤修复后早期微小内漏和血栓等潜在并发症的检测能力。对于能谱扫描，MAR算法联合VMI，可以显著降低颅内金属线圈和夹钳的伪影，提高颅脑动脉瘤治疗后的图像质量^［15-16］。但与较高能量的VMI（70～140 keV）相比，较低能量的VMI（40～70 keV）联合MAR算法能获得更佳的对比噪声比（Contrast-to-noise ratio， CNR）和信噪比（Signal-to-noise ratio， SNR）^［16］。

多项研究表明单独使用MAR算法可以降低牙齿或颈部的金属伪影^［17-19］，FUKUGAWA Y等^［19］证实，MAR算法能降低牙科植入物的伪影，使扁桃体癌肿瘤勾画体积偏小，并减少不同观察者勾画体积的变异度。此外，与单独使用VMI或MAR算法相比，MAR算法联合VMI（≥100 keV）在降低牙齿金属伪影方面效果最佳^［20-22］。

3.2　MAR算法在胸腹部的应用

在胸部CT检查中，常见的金属伪影来源主要是金属微波消融天线、心脏植入物、除颤仪导联线、金属栓塞剂和粒子植入物等。对于金属微波消融天线，研究表明与常规FBP重建相比，MAR算法能够显著降低相关的金属伪影，帮助医师更清晰地观察消融天线与病灶之间的关系^［23］，对于心脏起搏器和除颤仪导联线，GROVES D W等^［24］在122例心脏植入金属物患者的临床CT研究及安装除颤仪导联线的体模研究中，发现与常规重建相比，SEMAR算法能显著提升图像质量，使射线硬化伪影最大半径和伪影衰减变异度明显减小。对于使用Onyx^®栓塞剂的患者，胸腹部CT检查可能会引入金属伪影，MAR算法可以有效降低这类金属伪影，从而提高图像质量^［25］。

MAR算法联合高能量的VMI（150 keV），可显著提升含放射性粒子植入物的CT图像质量，改善图像对病变显示能力，从而提高诊断信心^［26］。此外，在血管支架检查中，MAR联合VMI也实现了最优的图像质量^［27］。

3.3　MAR算法在脊柱和关节的应用

对于脊柱螺钉金属伪影，POPP D等^［28］针对23例接受后路脊柱内固定术患者的回顾性队列研究，发现仅使用高能量的VMI（110 keV）就能有效降低金属伪影。而CECCARELLI L等^［29］研究发现MAR算法联合高能量VMI（140 keV）在降低钛髓柄螺钉的金属伪影方面效果尤为显著（图2）。此外，FELDHAUS F W等^［30］通过金属植入物邻近区域衰减值、噪声、信噪比和主观评分等评价指标，对26例脊柱融合术后的患者CT图像在不同算法下的伪影表现进行了研究，表明在脊柱金属植入物中单独使用Smart MAR算法应谨慎，可能会引入新的伪影。

MOHAMMADINEJAD P等^［31］通过分析肩关节置换患者的CT图像，利用CT值偏差等客观指标以及伪影程度和图像质量等主观指标，证实了使用VMI联合MAR算法可显著提高图像质量（图3），而SHIM E等^［32］通过金属条纹伪影程度、假体周围各结构的显示置信度以及伪病灶的出现情况等指标对65例接受全肩关节置换术患者CT图像的金属伪影情况进行了研究，发现与FBP图像相比，O-MAR算法的图像金属条纹伪影和噪声会更少，腋窝神经血管束的显示更清晰。但FBP图像在骨皮质、骨小梁及骨-假体界面的显示上显著优于O-MAR图像。且“伪骨水泥”外观仅见于O-MAR图像、肩胛骨伪切迹亦多数会出现在O-MAR图像中。

髋关节置换是腹盆CT扫描中较常见的金属植入物。通过O-MAR算法可以改善髋关节假体患者受金属伪影影响的尿路可见性，提高对输尿管和膀胱病变的检测能力^［33］。MAR算法联合低能量VMI（80 keV或50 keV）能较好平衡金属伪影与关节周围血管的可视化^［34-35］。此外，SEMAR算法联合深度学习图像重建（Deep learning image reconstruction， DLIR）对于伪影程度的降低、噪声及盆腔结构的轮廓改善均优于SEMAR算法联合迭代（Iterative reconstruction， IR）算法、单独的DLIR^［36］（图4）。

对于植入金属假体的膝关节肿瘤患者，MAR算法能显著降低金属伪影，并提高对假体并发症和肿瘤复发的诊断能力^［37］（图5）。多项膝关节置换降低金属伪影的研究表明，MAR算法联合VMI降低伪影的效果优于单独应用MAR或VMI^［38-39］。ZHANG J等^［39］指出，当VMI的能量在100～120 keV时，膝关节CT图像能够很好平衡金属伪影降低效果和软组织对比度，当VMI的能量达140 keV时可实现最佳金属伪影去除效果。此外，MAR算法联合双能CT在全膝关节置换术后（Total knee arthroplasty，TKA）的股骨假体旋转评估中，与传统CT的准确性相当但可靠性更佳^［40］。SELLES M等^［41］研究也表明，在单侧全髋关节置换术（Total hip arthroplasty，THA）患者中，飞利浦O-MAR算法联合深度学习重建算法相比于常规CT、VMI（130 keV）联合MAR，显示出更优的金属伪影降低效果、更高的图像质量。

4　MAR算法在光子计数CT中的应用

传统的能量积分型CT使用能量积分探测器，该探测器将一定时间内的光子积累成一个总能量值，但无法对每个光子单独计数，也无法获取光子的能量信息。而光子计数CT（Photon counting computed tomography， PCCT）采用光子计数探测器，能够对每个入射光子进行计数，并且测量其能量。这种技术不仅提供了更高的空间分辨率，还能分离不同能量的光子，有助于区分不同的组织（例如：识别钙和脂肪），并显著降低金属植入物造成的伪影，从而实现更精准地诊断^［42］。

MAR算法联合光子计数CT可以降低脑成像中线圈及金属髋关节等金属植入物在CT成像中引入的金属伪影，提高图像质量并改善周围组织的诊断性能^［43-44］。SKORNITZKE S等^［45］通过对植入塑料、铝、钢和钛的体模CT图像进行分析，证明在PCCT中，MAR算法联合110 keV的VMI可以实现最优的伪影降低效果，卷积核和管电压的影响有限。ANHAUS J A等^［46］通过对各种金属植入物（髋关节、脊柱、神经植入物）体模CT图像进行分析，证实了PCCT能够通过应用单能量成像在低原子序数和低穿透长度的金属类型中降低金属伪影。而对于其他类型的金属，需联合MAR算法来降低金属伪影。

5 小结与展望

本文总结了金属伪影的产生机制（如光子饥饿、射线硬化、散射效应等）及常用降低伪影方法（如扫描和重建参数调整、MAR算法、各图像重建方法和VMI等）。文章概括了当前主流的MAR算法降低金属伪影的原理，综述了MAR算法联合其他降低金属伪影方法在不同检查部位的实际应用情况，并重点探讨了MAR算法在不同临床场景中的应用和优化。通过深入分析降低伪影的效果和局限性，我们针对不同金属植入物情况提出了具体的伪影降低推荐方案（表1）。

对于体积较大或密度较高的金属植入物，单纯使用高能量VMI在伪影降低方面效果有限，且会显著降低图像对比度，而MAR算法联合VMI则展现出更好的综合效果。然而必须注意到，MAR算法在应用中仍存在一定局限性，包括可能引入新的伪影、导致金属植入物形态轻微改变等问题，这些问题在低剂量CT检查时尤为明显。临床上可采用伪影指数、受伪影影响区域与未受影响区域的CT值差异以及CNR等降低伪影。随着计算机技术和影像后处理技术的快速发展，将MAR算法与人工智能及先进重建方法相结合，开发更精准的个性化方案将成为可能。未来可加强跨学科合作，整合医学影像、计算机科学和材料科学的研究优势，共同推进金属伪影降低技术的创新发展。

参考文献

[1] JEONG S， KIM S H， HWANG E J， et al. Usefulness of a metal artifact reduction algorithm for orthopedic implants in abdominal CT： phantom and clinical study results［J］. Am J Roentgenol， 2015，204（2）：307-317.

[2] PESSIS E， CAMPAGNA R， SVERZUT J M， et al. Virtual monochromatic spectral imaging with fast kilovoltage switching： reduction of metal artifacts at CT［J］. RadioGraphics， 2013，33（2）：573-583.

[3] SELLES M， VAN OSCH J A C， MAAS M， et al. Advances in metal artifact reduction in CT images： a review of traditional and novel metal artifact reduction techniques［J］. Eur J Radiol， 2024，170：111276.

[4] 成庆，夏可周，郭卫春.CT成像技术在去除脊柱内固定金属伪影中的研究进展［J］.山东医药，2023，63（25）：107-111.

[5] HAKVOORT E T， WELLENBERG R H H， STREEKSTRA G J. Quantifying near metal visibility using dual energy computed tomography and iterative metal artifact reduction in a fracture phantom［J］. Phys Med， 2020，69：9-18.

[6] ZHANG K， HAN Q， XU X， et al. Metal artifact reduction of orthopedics metal artifact reduction algorithm in total hip and knee arthroplasty［J］. Medicine， 2020，99（11）：e19268.

[7] 李传东，陈晓亮，赵其超，等.基于SEMAR技术在CT检查中去除金属假体伪影临床应用价值的研究［J］. 临床放射学杂志，2017，36（7）：1038-1041.

[8] FITSIORI A， MARTIN S P， JUILLET DE SAINT LAGER A， et al. Iterative algorithms applied to treated intracranial aneurysms［J］. Clin Neuroradiol， 2019，29（4）：741-749.

[9] 张恒龙，杨新国，田昭俭，等.O-MAR重建在去除颅内动脉瘤弹簧圈栓塞术后金属伪影的价值［J］.实用医学影像杂志，2019，20（3）：217-220.

[10] DUNET V， BERNASCONI M， HAJDU S D， et al. Impact of metal artifact reduction software on image quality of gemstone spectral imaging dual-energy cerebral CT angiography after intracranial aneurysm clipping［J］. Neuroradiology， 2017，59（9）：845-852.

[11] JABAS A， ABELLO MERCADO M A， ALTMANN S， et al. Single-energy metal artifact reduction （SEMAR） in ultra-high-resolution CT angiography of patients with intracranial implants［J］. Diagnostics， 2023，13（4）：620.

[12] SHINOHARA Y， OHMURA T， SASAKI F， et al. Appropriate iMAR presets for metal artifact reduction from surgical clips and titanium burr hole covers on postoperative non-contrast brain CT［J］. Eur J Radiol， 2021，141：109811.

[13] HAKIM A， PASTORE-WAPP M， VULCU S， et al. Efficiency of iterative metal artifact reduction algorithm （iMAR） applied to brain volume perfusion CT in the follow-up of patients after coiling or clipping of ruptured brain aneurysms［J］. Sci Rep， 2019，9：19423.

[14] CAI H， JIANG H， XIE D， et al. Enhancing image quality in computed tomography angiography follow-ups after endovascular aneurysm repair： a comparative study of reconstruction techniques［J］. BMC Med Imag， 2024，24（1）：162.

[15] ZOPFS D， LENNARTZ S， PENNIG L， et al. Virtual monoenergetic images and post-processing algorithms effectively reduce CT artifacts from intracranial aneurysm treatment［J］. Sci Rep， 2020，10：6629.

[16] ZHANG X， PAN T， LU S S， et al. Application of monochromatic imaging and metal artifact reduction software in computed tomography angiography after treatment of cerebral aneurysms［J］. J Comput Assist Tomogr， 2019，43（6）：948-952.

[17] MIZUKI M， YASAKA K， MIYO R， et al. Deep learning reconstruction plus single-energy metal artifact reduction for supra hyoid neck CT in patients with dental metals［J］. Can Assoc Radiol J， 2024，75（1）：74-81.

[18] KUBO Y， ITO K， SONE M， et al. Diagnostic value of model-based iterative reconstruction combined with a metal artifact reduction algorithm during CT of the oral cavity［J］. AJNR Am J Neuroradiol， 2020，41（11）：2132-2138.

[19] FUKUGAWA Y， TOYA R， MATSUYAMA T， et al. Impact of metal artifact reduction algorithm on gross tumor volume delineation in tonsillar cancer： reducing the interobserver variation［J］. BMC Med Imag， 2022，22（1）：161.

[20] SCHMIDT A M A， GRUNZ J P， PETRITSCH B， et al. Combination of iterative metal artifact reduction and virtual monoenergetic reconstruction using split-filter dual-energy CT in patients with dental artifact on head and neck CT［J］. Am J Roentgenol， 2022，218（4）：716-727.

[21] RISCH F， DECKER J A， POPP D， et al. Artifact reduction from dental material in photon-counting detector computed tomography data sets based on high-keV monoenergetic imaging and iterative metal artifact reduction reconstructions—can we combine the best of two worlds？［J］. Invest Radiol， 2023，58（9）：691-696.

[22] PATZER T S， KUNZ A S， HUFLAGE H， et al. Combining virtual monoenergetic imaging and iterative metal artifact reduction in first-generation photon-counting computed tomography of patients with dental implants［J］. Eur Radiol， 2023，33（11）：7818-7829.

[23] WANG G， WANG Z， JIN Z. A novel metallic artifact reduction technique when using a computed tomography-guided percutaneous metallic antenna to ablate malignant pulmonary nodules： a qualitative and quantitative assessment［J］. Med Sci Monit， 2020，26：e923541.

[24] GROVES D W， ACHARYA T， STEVESON C， et al. Performance of single-energy metal artifact reduction in cardiac computed tomography： a clinical and phantom study［J］. J Cardiovasc Comput Tomogr， 2020，14（6）：510-515.

[25] LEHTI L， SÖDERBERG M， MELLANDER H， et al. Iterative metal artifact reduction in aortic CTA after Onyx ^®-embolization［J］. Eur J Radiol Open， 2020，7：100255.

[26] ZHOU Y， LEI L， WANG Z， et al. Utility of spectral CT with orthopedic metal artifact reduction algorithms for 125I seeds implantation in mediastinal and hepatic tumors［J］. Quant Imaging Med Surg， 2024，14（1）：698-710.

[27] KAZIMIERCZAK W， NOWAK E， KAZIMIERCZAK N， et al. The value of metal artifact reduction and iterative algorithms in dual energy CT angiography in patients after complex endovascular aortic aneurysm repair［J］. Heliyon， 2023，9（10）：e20700.

[28] POPP D， SINZINGER A X， DECKER J A， et al. Spectral metal artifact reduction after posterior spinal fixation in photon-counting detector CT datasets［J］. Eur J Radiol， 2023，165：110946.

[29] CECCARELLI L， VARA G， PONTI F， et al. Reduction of metal artifacts caused by titanium peduncular screws in the spine by means of monoenergetic images and the metal artifact reduction software in dual-energy computed tomography［J］. J Med Phys， 2022，47（2）：152-158.

[30] FELDHAUS F W， BÖNING G， KAHN J， et al. Improvement of image quality and diagnostic confidence using Smart MAR-a projection-based CT protocol in patients with orthopedic metallic implants in hip， spine， and shoulder［J］. Acta Radiol， 2020，61（10）：1421-1430.

[31] MOHAMMADINEJAD P， BAFFOUR F I， ADKINS M C， et al. Benefits of iterative metal artifact reduction and dual-energy CT towards mitigating artifact in the setting of total shoulder prostheses［J］. Skeletal Radiol， 2021，50（1）：51-58.

[32] SHIM E， KANG Y， AHN J M， et al. Metal artifact reduction for orthopedic implants （O-MAR）： usefulness in CT evaluation of reverse total shoulder arthroplasty［J］. Am J Roentgenol， 2017，209（4）：860-866.

[33] KAPOSI P N， YOUN T， TÓTH A， et al. Orthopaedic metallic artefact reduction algorithm facilitates CT evaluation of the urinary tract after hip prosthesis［J］. Clin Radiol， 2020，75（1）：78.e17-78.e24.

[34] ZHAO J， CHENG Q， LIU C， et al. Optimal combination periprosthetic vasculature visualization and metal artifact reduction by spectral computed tomography using virtual monoenergetic images in total hip arthroplasty［J］. Insights Imag， 2023，14（1）：181.

[35] WICHTMANN H M， LAUKAMP K R， MANNECK S， et al. Metal implants on abdominal CT： does split-filter dual-energy CT provide additional value over iterative metal artifact reduction？［J］. Abdom Radiol， 2023，48（1）：424-435.

[36] HOSOI R， YASAKA K， MIZUKI M， et al. Deep learning reconstruction with single-energy metal artifact reduction in pelvic computed tomography for patients with metal hip prostheses［J］. Jpn J Radiol， 2023，41（8）：863-871.

[37] ZHANG F L， LI R C， ZHANG X L， et al. Reduction of metal artifacts from knee tumor prostheses on CT images： value of the single energy metal artifact reduction （SEMAR） algorithm［J］. BMC Cancer， 2021，21（1）：1288.

[38] CHOO H J， LEE S J， KIM D W， et al. Comparison of the quality of various polychromatic and monochromatic dual-energy CT images with or without a metal artifact reduction algorithm to evaluate total knee arthroplasty［J］. Korean J Radiol， 2021，22（8）：1341.

[39] ZHANG J， WANG X， ZHAO F， et al. Application of metal artifact reduction software in gemstone spectral computed tomography for patients after total knee arthroplasty［J］. Ann Transl Med， 2022，10（16）：864.

[40] PARK C， LEE S M， SEO J S， et al. Metal artifact reduction dual-energy CT as an accurate and reliable method for measuring total knee arthroplasty femoral component rotation compared to conventional CT［J］. J Knee Surg， 2023，36（9）：988-994.

[41] SELLES M， WELLENBERG R H H， SLOTMAN D J， et al. Image quality and metal artifact reduction in total hip arthroplasty CT： deep learning-based algorithm versus virtual monoenergetic imaging and orthopedic metal artifact reduction［J］. Eur Radiol Exp， 2024，8（1）：31.

[42] WU Y， YE Z， CHEN J， et al. Photon counting CT： technical principles， clinical applications， and future prospects［J］. Acad Radiol， 2023，30（10）：2362-2382.

[43] SCHMITT N， WUCHERPFENNIG L， ROTKOPF L T， et al. Metal artifacts and artifact reduction of neurovascular coils in photon-counting detector CT versus energy-integrating detector CT—in vitro comparison of a standard brain imaging protocol［J］. Eur Radiol， 2023，33（2）：803-811.

[44] LAYER Y C， MESROPYAN N， KUPCZYK P A， et al. Combining iterative metal artifact reduction and virtual monoenergetic images severely reduces hip prosthesis-associated artifacts in photon-counting detector CT［J］. Sci Rep， 2023，13：8955.

[45] SKORNITZKE S， MERGEN V， BIEDERER J， et al. Metal artifact reduction in photon-counting detector CT： quantitative evaluation of artifact reduction techniques［J］. Invest Radiol， 2024，59（6）：442-449.

[46] ANHAUS J A， SCHMIDT S， KILLERMANN P， et al. Iterative metal artifact reduction on a clinical photon counting system—technical possibilities and reconstruction selection for optimal results dependent on the metal scenario［J］. Phys Med Biol， 2022，67（11）：115018.

基金资助

江西省教育科学“十四五”规划项目(22YB192)