【第八期】X射线CT和X射线显微镜中的信噪比与衬噪比：为何重要及如何最大化图像质量

2026-03-11 13:48:22 unistar

点击蓝字，关注我们

导读

XCT mastery Monthly - 精通X射线CT月刊是由Francesco Iacoviello博士发起、撰写并发布的，旨在给大家分享X射线CT相关的使用技巧、潜在窍门及经验见解。每期都会深入探讨 XCT实践中面临的挑战和解决方案，涵盖以下主题：

图像优化：学习实现清晰CT 扫描的技巧。

故障排除：掌握克服常见 CT 问题和伪影的策略。

高级技术：探索前沿方法和软件功能。

工作流程效率：探索简化 CT 流程并节省时间的方法。

社区讨论：加入讨论，分享您的经验和疑问。

第

八

期

X射线CT和X射线显微镜中的

信噪比与衬噪比：

为何重要及如何最大化图像质量

欢迎阅读第八期《精通X射线CT月刊》！本期月刊，我将讨论信噪比（SNR）和衬噪声比（CNR）在评估优质X射线图像中所扮演的角色。我将深入探讨这两个参数的细微差别、相似之处与不同点。

在追求更清晰、信息更丰富的图像过程中，从事X射线计算机断层扫描（CT）和X射线显微镜（XRM）的专业人员不断面临SNR和CNR相互作用的挑战。虽然两者都是图像质量的核心指标，但它们的作用、计算方法以及优化策略常常被误解或忽视，尤其是一些经验不足的研究人员。然而，这些参数不仅是生成视觉上悦目图像的基础，对于获得科学上可靠、稳健的结果也至关重要，这些结果直接影响诊断、材料研究或高级生物学的探究¹ ² ³。

本文旨在阐释X射线CT和X射线显微镜背景下SNR和CNR的概念，概述为何这些指标与图像质量密不可分，解释它们之间如何不同及如何相互关联，并根据近期文献和专家共识，提供在日常扫描工作中最大化SNR和CNR的指导。在此过程中，我将重点介绍测量方法、关键影响因素、常见缺陷以及优化结果的实用步骤，包括最先进的图像处理工具和实际案例。无论您是影像技术专家、生物医学研究者、物理学家还是材料科学家，深入理解SNR和CNR都将提升您从X射线计算机断层扫描仪/显微镜中提取有效信息的能力⁴ ⁵ ⁶。我在文末的参考文献部分列出了编写本期内容所参考的所有资源。祝您阅读愉快！

1. 什么是 SNR 和 CNR？

（1）信噪比 (SNR)

SNR 量化了信号（例如，X射线图像中感兴趣的组织或材料）相对于图像中固有噪声的清晰度。从数学上讲，SNR 是平均信号强度与噪声标准差的比值。SNR越高，目标特征在噪声引入的颗粒感或变异性中就越突出：

SNR = 平均信号 / 噪声标准差

在X射线CT中，信号对应于感兴趣区域（ROI）内的平均CT值（或灰度值），而噪声通常通过均匀区域（通常是背景或均匀组织/材料区域）内像素值的标准差来估算¹ ² ³ ⁴ ⁵。

图1. SNR 解释

图片修改自 How Radiology Works (YouTube) 提供的内容

（2）衬噪声 (CNR)

衬噪比 (CNR) 推进了SNR的概念，它不仅量化信号的强度，更重要的是量化两个区域（例如，病灶与周围组织，或两种不同的材料相）在噪声背景下能被有效区分的程度：

CNR = (感兴趣区域1的平均信号—感兴趣区域2的平均信号) / 噪声标准差

CNR 专门衡量目标特征与其周围环境区分开来的能力。这个指标直接关系到图像的诊断或分析效用。实践中，高CNR意味着相邻区域间的细微差异是可见且可量化的，这对于必须识别低对比度结构或特征的应用至关重要⁵ ⁷ ⁸。

图2. CNR 解释

图片修改自 How Radiology Works (YouTube) 提供的内容

2. 为什么 SNR 和 CNR

对图像质量至关重要

X射线CT和显微镜中的图像质量不仅仅是美学问题，它决定了科学分析的可靠性、临床诊断的准确性以及自动或手动分割与测量工作流程的有效性。SNR和CNR都是人类观察者或算法从数据丰富或数据有限的图像中提取有意义信息能力的直接、可量化的指标。

SNR 与 CNR：决定成像质量的关键标尺

SNR：清晰度和可靠性

高SNR可提高视觉清晰度，并减少低质量图像中常见的随机斑点或"颗粒感"。
低SNR可能掩盖重要细节，或使物体与噪声难以区分，特别是在光子受限的应用中，如低剂量CT或实验室X射线显微镜。
较高的SNR通过确保观察到的特征不太可能是噪声的伪影来提高可重复性² ³ ⁹ ¹⁰。

CNR：特征可检测性和诊断价值

CNR更直接地关系到区分相邻结构、识别病灶或不同材料的能力，尤其是对于低衬度目标。
检测、分类和测量任务都随着CNR的提高而改善，使其成为临床和研究影像学中都至关重要的指标。
高CNR对于涉及区域间细微差异的成像场景至关重要，例如乳腺X线摄影中的软组织、血管，或材料科学中的夹杂物/缺陷检测⁷ ⁸ ¹¹。

罗斯准则与感知图像质量

经典的罗斯准则阐述了特征可见度是衬度、面积和噪声的函数，公式化为：

可检测度 ∝ CNR × SQRT (面积)

该准则表明，对于小尺寸或低衬度的结构，当衬度或SNR下降时，其可检测度会迅速下降，这是在减少曝光或提高成像速度时的典型情况。罗斯准则指出，需要至少5的SNR才能有把握地分辨图像特征。SNR低于5意味着识别图像细节的确定性低于100%。

差异与相似性：SNR vs CNR

虽然这两个指标都依赖于信号和噪声，但它们的关键区别决定了其适用的场景和解读方式。

SNR：全局质量指标

SNR通常用作图像"洁净度"的通用指标。
高SNR并不能保证具有相似平均值的相邻或重叠区域能被区分开。
它对于基线质量控制、设备校准，或评估系统修改（如探测器升级）的影响非常有用¹ ² ⁴。

CNR：任务特定质量指标

CNR直接衡量将目标特征与周围结构或噪声分离的能力。
当成像目标是识别低衬度病变、缺陷或相似材料之间的过渡时，尤其重要。
CNR经常用于图像协议比较、处理算法性能评估以及临床或材料可检测性研究¹² ⁷ ⁸ ³。

主要相似点

两者都是无量纲比值，易于在不同成像平台或设置之间进行比较。
两者都依赖于正确的ROI选择和准确的噪声估计。
两者都可以在标准化的模体研究中自动评估，或在临床工作流程中针对每个病例进行计算。

主要区别

指标	SNR (信噪比)	CNR (衬噪比)
测量内容	单一信号与背景噪声的平均强度比	区分两个不同区域与噪声的能力
应用场景	整体图像质量评估	特征 / 缺陷可检测性、衬度分辨率
依赖关系	随光子计数和曝光量增加而提高；具有全局性	依赖于局部衬度以及信号和噪声
临床 / 研究意义	图像美学质量、一致性	诊断准确性、测量精度

表1 - SNR 和 CNR 的主要区别

3. 如何测量 SNR 和 CNR

感兴趣区域（ROI）分析

测量SNR和CNR最常用的方法是基于ROI的分析：

定义ROI： 在感兴趣的"信号"区域/组织/材料中选择一个"信号"ROI。在预期仅显示噪声的区域或相邻的参考结构中放置一个"背景"ROI。

提取统计数据： 计算这些ROI内的平均（或中位数）像素值和标准差。对于CNR，两个ROI（例如，病灶与背景）的平均值之差除以噪声（通常是背景ROI的标准差）。

标准化： 为确保可重复性，美国医学物理学家协会等组织推荐了最小的ROI尺寸（例如，对于CT，直径至少为1厘米）。

4. 优化策略：最大化 SNR 和 CNR

（1）通用策略

SNR和CNR优化的主题是权衡管理---在剂量、图像清晰度、衬度和采集速度之间取得平衡，以适配您科学或临床问题的特定需求。

策略	SNR 影响	CNR 影响	权衡
提高 X 射线剂量	⬆	⬆	辐射剂量更高，扫描时间更长
使用更厚切片层厚 / 合并 (binning)	⬆	视情况而定	降低分辨率
使用高 DQE 探测器	⬆	⬆	可能需要额外投资
降低管电压 (kVp)	可变	⬆衬度	噪声增加的可能性增大
高级重建算法	⬆	⬆	计算复杂度 / 成本增加
图像后处理	⬆	⬆	可能模糊细微结构

表2 - SNR 和 CNR 优化策略

（2）最大化 SNR 的技术

▪ 增加光子通量（剂量、曝光时间、管电流）： 直接增加SNR，但代价是患者/样品暴露剂量增加和时间延长² ⁹。

▪ 帧平均： 对多次曝光进行平均可降低随机噪声（SNR的提高与平均帧数的平方根成正比），但代价是采集时间延长²³。

▪ 探测器校准和温度控制： 定期校准、校正固定模式噪声和暗电流，以及冷却探测器，可降低系统噪声¹⁷ ² ⁹。

▪ 优化样品与视野匹配： 确保尽可能多的信号被探测器捕获，最大限度地减少来自视野外结构的噪声¹⁷ ⁹。

▪ 缩短源-探测器距离： 增加光子捕获量，从而提高SNR⁹。

▪ 像素合并： 合并相邻像素的信号以提高SNR，但会牺牲分辨率¹⁷。

▪ 利用先进算法： 迭代重建、基于模型的迭代重建或人工智能重建可以在低光子计数情况下显著提高SNR²¹ ²⁰ ⁶。

▪ 去噪技术： 使用非局部均值、中值或深度学习滤波器来减少噪声，同时力求保留信号²¹ ² ⁹。

（3）最大化 CNR 的技术

▪ 优化 kVp 和能量选择： 对于低原子序数材料的差异，较低的能量可最大化衬度；对于高原子序数材料，则使用较高的能量⁴。

▪ 使用造影剂（临床/生物学）： 碘或其他试剂可以增强目标与背景之间的吸收差异。

▪ 相位衬度技术： 在不增加剂量的情况下增强衬度（特别是在弱吸收样品或生物样品中）⁶ ⁸。

▪ 图像减影和处理： 减去背景或应用算法可以揭示细微差异，提高有效CNR¹³。

▪ 样品制备： 在X射线显微镜中，优化的厚度和水合处理方案可在不过度吸收或散射的情况下获得最佳衬度¹⁸。

5. 结论：影像专家的最佳实践

SNR和CNR不仅仅是数字；它们是可信、可行影像科学的基础。在临床和研究环境中：

▪ 不要忽视SNR和CNR的选择或报告。 在制定或比较成像协议、分析数据以及评估新技术或图像增强方案时，应计算、记录并考虑这些指标。

▪ 以全面的方式优化您的成像链： 从硬件采集到软件处理，再到样品制备，以最大化SNR，尤其是与任务相关的CNR。

▪ 理解并监测剂量-噪声的权衡关系，在可行的情况下采用先进的重建和去噪方法，以尽可能低的辐射剂量实现高图像质量。

▪ 认识到SNR和CNR必须针对特定应用进行调整。 针对一项任务的高CNR（例如，区分骨骼和软组织）并不能保证在另一项任务（例如，发现细微的软组织病变）中也能成功；协议定制是关键。

▪ 避免常见错误， 尤其是非标准的ROI测量、过度依赖视觉判断，或过度后处理而未能保留与诊断相关的细节。

▪ 紧跟不断发展的最佳实践， 包括AI/ML去噪和相位衬度技术，因为这些方法持续重新定义X射线成像的可能性。

通过将SNR和CNR置于工作流程的首要位置，您将为成像研究奠定基础，使其不仅视觉上美观，更重要的是，科学上严谨且诊断上有意义。

希望您喜欢本期《精通X射线CT月刊》，如果您认为本通讯能使您领域的其他研究人员/专业人士受益，请点赞、评论、订阅和分享。

下个月新一期见！

参考文献及资料源：

radiopaedia.org
www.numberanalytics.com
www.nature.com
howradiologyworks.com
help-smari.phantomlab.com
arxiv.org
quizlet.com
research.monash.edu
rigaku.com
ndtblog-us.fujifilm.com
www.kjronline.org
www.onestopndt.com
vidisco.com
insightsimaging.springeropen.com
en.wikipedia.org
radiopaedia.org
www.mediamedic.studio
www.mdpi.com
www.ri.se

关于 Francesco Iacoviello 博士

Francesco Iacoviello 是伦敦大学学院 (UCL) 化学工程系 EIL X 射线设施的实验经理。他于 2012 年在意大利锡耶纳大学获得矿物学和地球科学博士学位，之后前往巴西圣保罗大学，担任该校海洋研究所的 X 射线衍射专家和实验室经理。Francesco 于 2015 年加入 EIL，他的研究领域广泛，涵盖从电化学装置到页岩气岩石、碳捕获和储能系统以及微陨石等地质材料的多尺度 X 射线计算机断层扫描表征。

TOP-UNISTAR

关于众星联恒

众星联恒在Francesco Iacoviello博士的授权下将其XCT Mastery Monthly系列翻译为中文并传播，旨在让更多的人了解X射线CT相关的使用技巧、潜在窍门及经验见解，及打造一个专业的交流社区。

科学研究与产业的交流互动，是推动产业发展的重要动力。众星联恒作为EUV-X射线核心部件及解决方案供应商，我们秉承着“技术无界·产业共生”为核心理念，一直致力于打造开放包容的交流平台，不仅希望将优秀成果引入中国，也致力于把中国的科研成果推向世界。