Rekonstrukciós eljárások. Orvosi képdiagnosztika előadás 2015 ősz

Átírás

1 Rekonstrukciós eljárások Orvosi képdiagnosztika előadás 2015 ősz

2 Előadások témája Röntgen tomográfia fizikai és matematikai alapjai 2D Radon transzformáció, szűrt visszavetítés: Fan beam / Cone beam felvételi elrendezések esete Általánosított (3D) röntgen tomográfia alapjai ART rekonstrukciós eljárások Pozitron emissziós tomográfia alapjai ML-EM statisztikai rekonstrukciós eljárás Modell alapú rekonstrukciós eljárások Tomoszintézis felvételi elrendezés MITS rekonstrukció Rekonstrukciós eljárások minősítése

3 Röntgen tomográfia alapjai Általánosított Beer-Lambert törvény: Emax I 0, 0 0 exp, x y I E E xdxde Emin Px0, y0 I E E 0 : röntgencsövet elhagyó energiájú sugárzás fluxusa (tehát ez a térfogatba belépő sugárzás intenzitása ) P x, y: röntgencsövet a detektor xy, koordinátájú pontjával összekötő szakasza a 3d térnek E, x : a vizsgált térfogat xkoordinátájú pontjának lineáris csillapítási együtthatója E energián Egyszerűsített Beer-Lambert törvény: (monokróm spektrum esete) 0 exp : I E x dx Px0, y0

4 Röntgen tomográfia alapjai Monokróm spektrumú sugárzás esete: Általánosan alkalmazott feltételezés Rekonstrukció célja a lin. csillapítási együtthatók meghatározása az alábbi összefüggés invertálásával: ln, I xy 0 Px I x dx 0, y0 Valódi röntgensugarak ezzel szemben: Polikromatikusak sugárkeményedés problémája Compton szóródnak: nem igaz, hogy csak a vetítősugár mentén elhelyezkedő képletek számítanak. Projekciók egyéb zajjal is terheltek : kis intenzitásnál rossz SNR

5 Röntgen alapú képalkotás Konvencionális P-A röntgen: Nincs rekonstrukció Számítógépes tomográfia (CT): Párhuzamos vetítősugarakon alapuló eljárások (kevés ilyen eszköz van csak forgalomban), cserébe egyszerű elmélet Legyező (Fan-beam) helikális CT Cone-beam CT, ennek speciális változata a Tomoszintézis Orvosi képdiagnosztika alapvető eszköze: Mivel a röntgen sugárzás ionizál, ezért protokollokkal szabályozott a vizsgálatok gyakorisága, és effektív dózisa

6 2D Radon transzformáció: Radon transzformáció (2D szelet 1D projekciók): Input: 2D Descartes - koordinátarendszerbeli kép Output: sinogram 2D polár-koordinátarendszerbeli kép Sinogram: t

7 Radon transzformáció Fourier vetítősík tétel Radon transzformáció (2D szelet 1D projekciók): Vetítősugarak merőlegesek az x tengellyel szöget bezáró egyenesre: t x cos y sin Vetítősugarak mentén integráljuk a szelet elemeit: P t f x, y x cos y sin t dxdy xy, Legyen exp 2 Fourier vetítősík tétel származtatása: x, y, t S FT P t P t j t dt S f x, y x cos y sin t exp 2 j t dtdydx, exp2 cos sin S f x y j x y dydx xy,

8 Fourier vetítősík tétel Lényegében f spektrumának egy szakaszát kaptuk meg: F cos, sin S Vizuális interpretáció:

9 Rekonstrukció FBP alapötlete Rekonstrukció célja: Radon Transzf. invertálása Fourier vetítősík tétel értelmében a vizsgált szelet spektrumainak bizonyos részeit ismerjük: Az ismert részeket illesszük egy üres spektrumba Polár koordinátás frekvencia sugarának függvényében a spektrum mintavételi helyeinek eltérő a távolsága: K 2 2 Korrekció: spektrumba illesztés előtt -val súlyozzunk frekvenciatérben (ez az ún. rámpaszűrés).

10 Szűrt visszavetítés (FBP) származtatása FT inverze:,, exp 2 f x y F u v j ux vy dvdu uv, Fourier vetítősík miatt a spektrumot polárkoordináta-rendszerben ismerjük: u cos ; v sin 2,, exp 2 cos sin f x y F j x y Jdd 0 0 u u J..., dudv Jdd v v Továbbiakban k : x cos y sin 2 f x, y F, exp j2 k d d 0 0

11 Szűrt visszavetítés (FBP) származtatása Vágjuk szét a külső integrált: 2 j 2 k j 2 k f x, y F, e dd F, e dd f, a sinogram egy oszlopa, melynek definíciójából (Radon transzf.) következik, hogy F, F,, hiszen:, exp 2 exp 2 F P t j t dt P t j t dt t t dt F, P lexp j2 l dl F, l t dl l Felhasználtuk, hogy k x cos y sin, illetve cos cos és sin sin

12 Szűrt visszavetítés (FBP) származtatása Behelyettesítve az két integrálba: j 2 k j 2 k,, e, e f x y F dd F dd f x, y F, exp j2k dd Q k d : Q k S exp j2 k dekvivalens a projekciók projekciók (sinogram oszlopai) rámpa szűrővel történő szűrésével f x, y Q x cos y sin d : az ú.n. visszavetítés

13 Szűrt visszavetítés értékelése Rámpaszűrő: 0, f N 0, fpn f Ideális rekonstrukció feltételei: 180 -ból rögzített projekciók 2arcsin f 2 fpn Projekciók felbontása elegendően nagy: f 2 f tipikus az 1cyc/mm PN Zajt az eljárás expliciten nem kezeli, ez jelentős problémaforrás. N képtérben

14 Szűrt visszavetítés implementációja Rámpaszűrés frekvenciatérben történik: 5 5-ös szűrő esetén már a frekvenciatartománybeli szűrés a gyorsabb (ennek főleg régebben volt jelentősége). Visszavetítés kép / időtartományban: Frekvenciatartományban interpolálnunk kellene a spektrum ismert egyeneseiből a DFT által mintavett frekvenciák értékét (mely messze nem triviális). Szűrések, projekciók visszavetítése egyenként (sugaranként) jól párhuzamosítható

15 Szűrt visszavetítés zajérzékenysége Detektorok NNPS-e a frekvencia függvényében monoton nő zajos magas frekvencia (PET esetén a röntgenes esetnél jóval rosszabb). Ráadásul magas frekvencián távolabb vannak a spektrum ismert értékei (ezért kell a rámpa szűrés is). Legegyszerűbb megoldás az alul-áteresztés: Az alul-áteresztés és a visszavetítés sorrendje tetszőleges Erőforrásigény miatt érdemes a rámpa szűrőt megszűrni: P h h P h h Ramp Lowpass Ramp Lowpass

16 Szűrt visszavetítés zajérzékenysége Rámpa szűrő módosítottjaival szűrünk: Szűrők átviteli függvényének abszolút értéke: CT MTF-je a szűrők függvényében:

17 Szűrt visszavetítés működése Demo videó az FBP rekonstrukciójáról: A szinogramban oszlop-folytonosan helyezkednek az 1D projekciók. A videón jól követhető a limitált szögtartomány által okozott artifakt: Magas frekvenciás komponensek (pl. fantom széle) kis szögtartományból is jól rekonstruálódik. Alacsony frekvenciás komponensek viszont erősen szétmosódottak (jellegzetesen V alakban).

18 FBP Fan-beam geometria esetén Eddig párhuzamosak voltak a vetítősugarak: Gyakorlatban egy ilyen CT nem realizálható Fan-beam vetítősugaras helikális CT:

19 Fan-beam projekciók Virtuális projekciók FBP Fan-beam geometria esetén Alapötlet: a mért intenzitások átcsoportosítása párhuzamos vetítősugár alapú geometria szerint: Lényegében új, párhuzamos vetítősugár szerinti virtuális projekciókat állítunk elő a fan-beam projekciókból. Átcsoportosítás

20 FBP Cone-beam geometria esetén CBCT rendszerek - Cone-Beam geometria: Flat-panel detektort használ, a sugarak kúpszerűen (innen az elnevezés) vetülnek a detektorra:

21 Cone-beam geometria szerinti vetületek FBP rekonstukciója - FDK Feldkamp, Davis, Kress CBCT-s algoritmusa: Fan-beam rekonstrukciók sorozatára vezet vissza Párhuzamos sugarakként kezeli a divergáló sugarakat Ideális rekonstrukció esetén is Cone-beam artifakt

22 Projekciók keletkezésének általános 3D modellje Általános modellje a (röntgen) képalkotásnak: g x, y h x, y;, f, d dd x, y,, 0 Mérésekkel rendelkezünk: g x, y Teoretikusan ismerjük a rendszer PSF-jét: Beer- Lambert törvény szerint, ami nem modellezi a Compton szóródást és a foto-elektronikus kölcsönhatás során keletkező sugarakat sem. Rekonstrukció célja f,, meghatározása Feltétel, hogy több projekciót ismerjünk, egyébként erősen alul-határozott a probléma (egy voxel csak egy fotodiódára vetül tehát csak egy mérés eredményét befolyásolja).

23 Projekciók keletkezésének általános 3D modellje Megfigyelési modell diszkretizáltja g H f η : g tartalmazza az összes vetítősugár fotodiódákon mért intenzitások negatív logaritmáltját (tehát minden projekció minden pixeléhez tartozó intenzitását tartalmazó vektor). H a vetítő mátrix,, : i-edik vetítősugár a j-edik voxelben milyen hosszú utat tesz meg (ritka mtx.). η H i j az additív zaj nem modellezett hatások determinálják Lényegében ez is inverz probléma: Ugyanúgy jelentős a zajérzékenység, mint 2D esetben Ellentétben nagyságrendekkel több változó (akár 1E7)

24 Algebrai rekonstrukciós technika (Gordon ART) Kaczmarz iterációval történik megoldása: Rekonstrukciónál a f H g megoldás lenne az ideális, de: Túl nagy H mérete a ma elérhető számítási teljesítményhez Ráadásul H nagyon ritka, melyet általános algebrai módszerek nem képesek hatékonyan kihasználni Eljárás alapötlete: g Hf lényegében N db (vetítősugarak száma), M dimenziós hipersík egyenlete Ha létezik egzakt inverz, akkor a hipersíkok az M dimenziós tér ugyanazon pontjában metszik egymást. Ha túlhatározott, akkor nincs metszéspont, ha alulhatározott akkor az M dimenziós teret egy résztartományra szűkítik. g H f

25 Algebrai rekonstrukciós technika (Gordon ART) Az eljárás k+1. iterációban merőlegesen vetíti az aktuális -et g H f hipersíkra ( ): f i k(mod N) f a -re merőleges azon síkon helyezkedik el, mely távolsága az origótól Tehát i i,: H i,: 1 g f f H H i i,: k k T i,: k g H f H T i i,: i,: H f k g,: H i i i,: Hi,: 1 2, a merőleges vetítés után teljesül, amiből kifejezve: T k k k i,: i,: i T f f H f g H T H, behelyettesítve: H i,: i,:

26 Algebrai rekonstrukciós technika (Gordon ART) k 1 k k i,: interpretációja: k k H f g a rögzített projekciók és az aktuális ( f ) rekonstrukció modell szerinti vetületének a különbsége (vetületi hiba) T T H H H : a vetületi hibát vetíti vissza Eljárás tulajdonságai: Sok, könnyen számolható iteráció, melyek nem párhuzamosíthatóak Konvergál, ha megfigyeléseink konzisztensek, ellentétben limit hurokba szorul, mely belsejében helyezkedik el az f H g. Hátránya, hogy nem kezeli a projekciók zaját, ezért túlilleszkedésre hajlamos (lényegében egy ML becslés Gauss eloszlású likelihood-dal) Szükség van egy f f H f g i,: i,: i,: H H i,: i T f 0 -ra: gyakran FBP / BP eredménye T H i,: i,:

27 Kaczmarz iteráció példa N=2, M=2 esete: Ha a két merőleges hipersík egymásra merőleges, akkor két iteráció alatt megvan a metszéspont Ha a hipersíkok párhuzamosak, akkor az iteráció nem áll le (limit hurokba kerül) Minél nagyobb a két egyenes által bezárt szög, annál gyorsabb a konvergencia.

28 Limit hurok viselkedés Gordon ART inkonzisztens projekciók esetén limit hurokba lép (mely megfelelő esetén stabil): Stabil limit hurkok viselkedés: a rendszer állapotváltozója hurok trajektóriába ragad

29 Algebrai rekonstrukciós technika Egyidejű ART (SART): (Simultaneous ART) Hibaképzés nem vetítősugaranként, hanem projekciónként: 1 f f g H f k k k S i js j j,: : i-edik projekció pixeleit előállító vetítősugarak halmaza Limit hurok viselkedés itt is jellemző: Hurok területe viszont jelentősen kisebb Jól párhuzamosítható: i Azonos projekcióhoz tartozó vetítősugarak menti levetítés és visszavetítés egymástól független Zajra túlilleszkedés tulajdonsága változatlanul megmaradt H H T j,: H j,: j,: T

30 Algebrai rekonstrukciós technika (Simultaneous Iterative Reconstructive Technique) Egyidejű Iteratív Rekonstrukciós eljárás: Összes projekció, összes pixele szerint egyszerre képez hibát: 1 f f g H f k k k j j,: Limit hurok viselkedés megmaradt: Viszont az SART-nél is kisebb hurokterülettel Jól párhuzamosítható, de: j Egyszerre csak egy projekció le / visszavetítése nem módosítja többször u.a. voxelt (egyébként versenyhelyzet). Gyakorlatban lényegesen lassabban konvergál a másik két ART-nél) Létezik olyan változat, mely kezeli a polikróm energia spektrum miatt kialakuló sugárkeményedés artifaktumot. H H T j,: H j,: j,: T

31 Algebrai rekonstrukciós technika (Multiplikatív ART) Eddig Additív ART-ket néztünk: Kezdeti iterációk során lassan konvergálnak Pozitivitási kényszert nem lehet kikényszeríteni Multiplikatív ART-k: Hibát multiplikatív módon származtatják k1 k j pl.: f f 1 1, A hibát 1g H f j j,: H k g j,: értéke méri Kezdeti iterációk hatékonyabbak, de gyakran divergál f k 0

32 Pozitron emissziós tomográfia alapelve Szervezetbe pozitron kibocsátására képes radioaktív izotópot tartalmazó anyagot visznek cukoroldatban. Sejtek tápanyagfelvétele miatt nagyobb energiaigényű (pl. gyulladt / daganatos) sejtek helyén több pozitron emisszió. Pozitron elektronnal ütközik: Két db, egymással ellentétes irányú foton emittálódik. Detektor ezeknek a beütését méri.

33 Pozitron emissziós tomográfia rekonstrukciója Line of Response : ugyanazon bomló izotóp által kibocsátott γ fotonok beütési helyét összekötő szakasz Érdemes szem előtt tartani, hogy előre nem határozható meg, hogy egy-egy foton milyen irányba fog haladni Elegendően sok kisugárzás esetén viszont hasonlóan viselkedik, mint akármilyen sugárforrás (Poisson folyamat).

34 Pozitron emissziós tomográfia projekciók zajának értelmezése Sokszor téves LOR-t mérünk: Compton szóródás miatt a térfogaton belül megváltoztatja irányát a γ foton. Két, hozzávetőlegesen egy időben történő bomlás is fals látszólagos LOR-t eredményez.

35 Pozitron emissziós tomográfia rekonstrukciója Rekonstrukció során a LOR-ok interpretálhatóak vetítősugaraknak is (intenzitás meg az adott LOR menti gyakorisága a γ beütéseknek). Elegendően sok beütés szükséges az eloszlás becsléséhez: Egy scan kb. 20 perc Nagyságrenddel rosszabb SNR, mint CT esetén

36 ML-EM rekonstrukció (Emissziós tomográfiai értelmezés) EM eljárások alapelve: Vannak megfigyelt adataink (méréseink), esetünkben a PET LOR-ok mentén érzékelt gamma beütési szám ( yd) Vannak becsülni kívánt adataink ( xb), jelenleg ez a vizsgált szövet pozitron emissziójának a gyakorisága Létezik olyan v.v., mely ha ismert lenne leegyszerűsödne az egész feladat: a PET esetén pb d : annak a valószínűsége, hogy a d LOR mentén beütő gamma részecskét a b képlet emittálta. Megoldás iteratív, iterációnként két lépés: pb d Expectation lépés: frissítése Maximization lépés: xb ML becslése

37 ML-EM rekonstrukció (Emissziós tomográfiai értelmezés) E lépés formálisan - Bayes tétel alkalmazása: p k 1 b d b ' k k ' ' p d b x b p d b x b p b d : annak a valószínűsége, hogy a d LOR mentén érzékelt fotonok a b pozíciójú képletből származnak. p d b : annak a valószínűsége, hogy a b pozíciójú képlet által emittált fotonok a d LOR mentén ütnek be a detektorba. Ennek a tagnak a meghatározása előzetesen történik (nem a becslés feladata). Általában Monte-Carlo szimulációkkal becslik, pontos meghatározása fontos.

38 ML-EM rekonstrukció (Emissziós tomográfiai értelmezés) M lépés célja a sűrűségbecslés frissítése: k1 k1 arg max d x b p y x b x k 1 Elvégezve p b d behelyettesítését: k1 x b x b b ' k 1 y d p b d Eljárás előnye, hogy expliciten modellezi a zajt d p d b p d b 1 k ' ' p d b y d k d x b p d b d

39 ML-EM rekonstrukció (Emissziós tomográfiai értelmezés) Módosító összefüggés interpretációja: k1 x b x b b ' p d b 1 k ' ' p d b y d k d x b p d b k x b' p d b ' : aktuális rekonstrukció alapján becsült b ' LOR beütések k y d x b ' p d b ' : d LOR menti beütések b ' becslésének a hibája y d p d b 1 : hiba visszavetítése k d x b ' p d b ' p d b b ' d d

40 ML-EM és FBP öszehasonlítása (Emissziós tomográfia PET) Kis beütésszám miatt alacsony effektív felbontás Ráadásul jelentős nem Gauss-i zaj FBP rekonstrukció ML-EM rekonstrukció

41 PET/CT modalitás PET funkcionális képet állít elő: Lokalizálhatóak a nagy energiaigényű szövetek Cserébe erősen zajos, rossz minőségű rekonstrukciók Megfelelő zajmodell nélkül lehetetlen értelmezhető rekonstrukciót előállítatni vele CT rekonstrukciók - morfológiai információ: Kisméretű (korai stádiumú, ezért jó hatásfokkal kezelhető) tumorok nehezen detektálhatóak Cserébe kevésbé zajos, felbontását tekintve részletgazdagabb felvételek

42 PET/CT modalitás Rekonstrukció lényegében a PET, illetve a CT rekonstrukciók regisztrálását jelenti Balról jobbra: CT, PET, regisztrátum

43 Modell alapú rekonstrukciós eljárások (Röntgen alapú képalkotás) Cél a pácienst érő sugárterhelés minimalizálása: Viszont kisebb dózis zajosabb projekciókat eredményez Limitált szögtartomány problémája jelentősen alulhatározottá teszi a z inverz problémát ( g H f ) MAP becslés alkalmazása szükséges: Emlékeztetőül f g g f f f arg max P arg max P P Likelihood log P g f f bünteti az eltérést f log P f f apriori ismeretek alapján regularizál Prior f

44 Modell alapú rekonstrukciós eljárások (Röntgen alapú képalkotás) Likelihood tag megválasztása: PET-nél Poisson modellt alkalmazzuk (ritka esemény törvény) Röntgen esetén negatív logaritmálást követően Gauss modell Likelihood T -1 f 12 g H f Σ g H f 2 Σ Σ i, i i gyakran diagonális, ekkor : Lényegében az i-edik vetítősugár NSR-jének a négyzete Megfelelő megválasztásával a foton éhezés hatása mérsékelhető Kvadratikus függvény, minimalizációja analitikus

45 Modell alapú rekonstrukciós eljárások (Röntgen alapú képalkotás) Regularizációs tag megválasztása: Logikusnak tűnik a gradiens energiáját büntetni: T T f f S f, S D D, ahol D a deriválás mtx.-ja Prior Belátható, hogy ekvivalens egy regularizáció nélküli rekonstrukció alul-áteresztettjével. Tehát ez a regularizáció csökkenti az effektív felbontást, a rekonstruált szeletekre merőleges irányban növeli az átmosódást, ami egyáltalán nem kívánatos. Inkább él őrző regularizációk alkalmazása javallott pl. Teljes Variancia minimalizáció, Huber büntetőfüggvény

46 Teljes variancia minimalizáció Rekonstrukció, mint optimalizálási feladat: f arg min g H f D f f D diszkrét differencia / wavelet transzformációk mátrxia Lényegi változás, hogy a regularizáció L1 norma szerinti Könnyebben számítható f, z g H f z z Df változókkal: Alternálva minimalizáljuk -et és z-t iterációnként: z Df f n1 n 2 n f arg min f, z arg min g H f z Df f f 2 2 z arg min f, z arg min z z Df n 1 n 1 n 1 z z

47 Teljes variancia minimalizáció Az iterációk első lépése kicsit átalakítva: min. f T n T T T T g z H D f Formálisan visszajutottunk az alapproblémához, csak most már biztosan túl-határozott (additív ART probléma) Minimalizálása erőforrásigény miatt sokszor SART-vel Iterációk második lépésének optimuma egy lépésben, analitikusan meghatározható: arg min z z Df Az úgynevezett lágy küszöb operátor használatával A minimalizálás voxelenként történik z T 2 2 n

48 Teljes variancia minimalizáció Jobb SNR az ML-EM és az FBP-hez képest: FBP-nél kevésbé zajos, de hasonló kontrasztú kép ML-EM-nél jelentősen jobb kontraszt FBP ML-EM TV-ART

49 Huber büntetőfüggvény Huber büntetőfüggvénnyel regularizálunk: Prior f LHuber D f x L Huber 2 x 2 x x 2 x 2 2 Pet fantom MAP L2 prior MAP Huber prior

50 Kvadratikus és abszolútérték hiba/büntetőfüggvény Két hibafüggvény jelentősen eltérő eloszlást kényszerít ki: Abszolútérték büntetőfüggvény Kvadratikus büntetőfüggvény

51 Lineáris tomoszintézis Speciális CBCT változatnak tekinthető: Detektor és a sugárforrás egymással és a flat-panel detektor oszlopaival párhuzamosan mozog. Projekciók limitált szögtartományból (±10-30 ) Irányfüggő felbontás / képminőség: Detektorral párhuzamos szeletek felbontása megegyezik a detektor felbontásával Detektorra merőleges irányban nagyon rossz felbontás : limitált szögtartomány ára

52 Shift And Add (Lineáris tomoszintézis esetén) A térfogat 0 vastagságú szeleteinek vetületei a felvételi geometria és a szelet magasságának függvényében eltolódnak. SAA rekonstrukciója egy adott szeletnek: 1. Projekciók eltolása úgy, hogy a rekonstruálni kívánt sík vetülete minden projekción azonos legyen 2. Eltolt projekciók összegzése Mind az összegzés, mind az eltolás LTI művelet: Soros kaszkádjuk, tehát a rekonstrukció egy MIMO LTI rendszer (bemenetek a projekciók, kimenetek a szeletek) Létezik PSF/MTF-je, mellyel analitikusan minősíthető

53 Shift And Add (Lineáris tomoszintézis esetén) SAA szeleteken fókuszba kerülnek a rekonstruálni kívánt sík képleteinek vetületei De jelentős átmosódás marad a térfogat többi síkjáról Piros ellipszis: szelten belüli képlet vetülete Kék ellipszis: szeleten kívüli képletek bemosódása

54 Mátrix Inverziós Tomoszintézis Alapötletet ugyanaz a megfigyelés adja, mint ami az SAA algoritmusét: g 1 :, i n :,i 11, :,i 1, 2 :,i 1,n f t f t f t n :,i :,i 2, 1 :,i 2, 2 :,i 2,n g f t f t f t n... m 1 2 t f f t :,i :,i m, 1 :,i m, 2 :,i m,n g f t g j :,i j-edik projekció i-edik oszlopának intenzitásaiból képzett vektor

55 Mátrix Inverziós Tomoszintézis Alapötletet ugyanaz a megfigyelés adja, mint ami az SAA algoritmusét: 1 n 1 2 f... :,i :,i 11, :,i 1, 2 :,i 1,n g t f t f t g n f t f t f t :,i :,i 2, 1 :,i 2, 2 :,i 2,n 1 n... 2 m 1 2 :,i :,i m, :,i m, :,i m,n g f t f t f t f j :,i j-edik modellezett és rekonstruálni kívánt 0 vastagságú szelet projekciójának i-edik oszlopának intenzitásaiból képzett vektor

56 Mátrix Inverziós Tomoszintézis Alapötletet ugyanaz a megfigyelés adja, mint ami az SAA algoritmusét: 11 n t... :,i :,i, :,i 1, 2 :,i 1,n g f f t f t n :,i :,i 2, 1 :,i 2, 2 :,i 2,n g f t f t f t 1 2 n... m :,i :,i m, 1 :,i m, 2 :,i m,n g f t f t f t t j,i i-edik rekonstruálandó szelet vetületének j-edik projekcióbeli impulzusválaszát leíró vektor, mivel csak eltolást modellez, ezért egy dirac-delta diszkretizáltja.

57 Mátrix Inverziós Tomoszintézis Jelentősen egyszerűsödik a feladat, ha a vektor egyenletrendszert frekvenciatérben vizsgáljuk: g T f j j 1 2 j j f T g m :, :, :, T 1 2 n :, :, :, g j FT g j FT g FT j g j f j FT f j FT f FT j f j T FT t j,i Összegezve a MITS alapötlete, hogy lineáris tomo esetén a frekvenciatérbeli felírás jelentősen kompaktabb az inverz probléma képtérbeli felírásánál. T

58 Mátrix Inverziós Tomoszintézis gyakorlati megvalósítása Diszkretizálás és a DFT okozta problémák: Mintavételezés: ti, j mintavételezése az egész rendszer viselkedését jelentősen befolyásolja: Energiája nem változhat a mintavételezés hatására, ellentétben jelentősen torzítunk Figyelembe véve a frekvenciatérbeli műveletvégzést, a mintavételezés frekvenciatartományban történik (ideális - sinc interpolációval ekvivalens képtérben). DFT által okozott spektrumszivárgás is jelentős probléma: Klasszikus megoldás, az ablakozás natívan nem adekvát.

59 Mátrix Inverziós Tomoszintézis spektrumszivárgás Felvételi elrendezés miatt oszloponként történik az inverz szűrés, elegendő a függőleges cirkularitás: Az projekciók extrapolációja nem úszható meg, ellenkező esetben a csavarodás artefekt történik. Extrapoláció szükséges mértéke t tartóinak a maximuma, j,i ezzel elérhető, hogy csak extrapolált terület csavarodhat be. Probléma projekciók extrapolálásával kezelhető: Extrapoláció olyan képterülettel terjeszti ki a projekciókat, mely a legsimább átmenetet és cirkuláris projekciót generál.

60 Mátrix Inverziós Tomoszintézis spektrumszivárgás Extrapoláció nélkül Extrapoláció alkalmazásával

61 Mátrix Inverziós Tomoszintézis Dekonvolúció numerikus problémái T zajérzékenysége jelentős problémaforrás cond T max min Kondíciós szám származtatása: T e T b T e e cond T max, 1 eb e b T b b Legyen T U Σ V SVD felbontás, ekkor T V Σ U Mivel U és V oszlopvektorai ortonormált bázisok, ezért 1 max T e e és 1 min T b b max e 2 2 b 2 2 min Zajcsökkentő regularizáció célja cond T minimalizálása

62 Mátrix Inverziós Tomoszintézis Dekonvolúció zajérzékenysége T előállítása csonkolt SVD-vel: 1 i i T V Σ U, ahol Σ ii, 0 i Kísértetiesen hasonlít a csonkolt dekonvolúcióra: Joggal, a különbség annyi, hogy ott a DFT mátrixával diagonalizálunk, míg SVD esetén a bal, illetve jobboldali sajátérték mtx.-okkal diagonalizálunk T regularizált Moore- Penrose pszeudoinverze a Wiener dekonvolúció általánosítottja

63 Mátrix Inverziós Tomoszintézis Kondíció lineáris tomoszintézis esetén Korlátolt szögtartomány miatt alacsony frekvencia esetén a projekciókon kisebb a változás, aminek következménye a nagyobb zajérzékenység.

64 Mátrix inverziós tomoszintézis Csonkolt SVD hatása Jól látható, hogy a magasfrekvenciás tartomány zaja dominál a direkt dekonvolúciónál, míg a Csonkolt SVD jelentősen javít a helyzeten.

65 3D Röntgen tomográfia rekonstrukciós eljárásainak minősítése Rekonstrukció metrikái: Szeleten belüli effektív felbontása (emlékeztetőül ) Irányfüggő átviteli függvény közelíthető az élpár fantom / él fantom rekonstrukciójából. Szeletek effektív vastagsága: Mind CT, mind Tomo esetén a rekonstruált szeletekre merőleges irány menti kiterjedése a szeleteknek. Felhasználási területfüggő optimális értéke. Minél kisebb, annál több szelet kell, hogy minden képlet láthatóvá váljon (legalább egy szeleten). Mérése tipikusan ferde fémlemezzel / fémhuzallal. bw h

66 CT Szeletvastagság Slice Sensitivity Profile mérése a lemezek rekonstrukciójára merőlegesen: szeletvastagság FWHM elvvel becsülhető

67 3D Röntgen tomográfia rekonstrukció Modulációs Átviteli Függvénye Ferde huzal fantommal (elvben) mérhető: Ha az eljárás az X-Y síkokat rekonstruálja, akkor a huzal ne legyen párhuzamos a Z tengellyel. Lineáris tomo MITS rekonstrukció MTF-e