Rekonstrukciós eljárások. Orvosi képdiagnosztika 2018 ősz

Átírás

1 Rekonstrukciós eljárások Orvosi képdiagnosztika 2018 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 / CS 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 I0 E : röntgencsövet elhagyó E energiájú fotonok intenzitása (üres térfogat esetén a detektor által érzékelt fotonok száma) P x, y: pontszerű sugárforrást a detektor xy, koordinátájú pontjával összekötő szakasza a 3d térnek E, x: a vizsgált térfogat x koordinátájú pontjának lineáris csillapítási együtthatója E energián Egyszerűsített Beer-Lambert törvény: I0 Eexp d P (monokróm spektrum esete) x0, y0 : x x

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 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 leggyakoribb típus Cone-beam CT, ennek speciális változata a Tomoszintézis Orvosi képdiagnosztika alapvető eszköze: Mivel a röntgen sugárzás ionizál, illetve maga a vizsgálat itthon mércével drága, ezért csak indokolt esetben végzik

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, exp 2 cos sin xy, S f x y j x y dydx

8 Fourier vetítősík tétel Lényegében f spektrumának egy szakaszát kaptuk meg: S F cos, sin 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 t F, P lexp j2 l dl F, l t l l Felhasználtuk, hogy k x cos y sin, illetve cos cos és sin sin

12 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 P l f l, a sinogram egy oszlopa, S melynek F definíciójából, f, (Radon transzf.) következik, hogy F, F,, hiszen:, exp 2 exp 2 F P t j t dt P t l t 1 j t dt t t t F, P lexp j2 l dl F, l t l l Felhasználtuk, hogy k x cos y sin, illetve cos cos és sin sin

13 Szűrt visszavetítés (FBP) származtatása Alakítsuk át egyszerű behelyettesítésekkel a második integrált: 2 j 2 k j 2 k F, e d d F, e d d j 2 k j, e, e 2 k 1 F d d F dd k cos x sin y j 2k j 2k, e 1, e F dd F dd

14 Szűrt visszavetítés (FBP) származtatása Lássuk mit sikerült kifőznünk: 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 (sinogram oszlopai) rámpa szűrővel történő szűrésével f x, y Q x cos y sin d : az ú.n. visszavetítés

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

16 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

17 Szűrt visszavetítés zajérzékenysége Detektorok DQE-je a frekvencia függvényében monoton csökken 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 Klasszikus inverz problémák mely algoritmusaira hasonlít az eljárás?

18 Szűrt visszavetítés zajérzékenysége Rámpa szűrő módosítottjaival szűrünk: Szűrők átviteli függvényének abszolút értéke: Egy CAT MTF-je a szűrők függvényében (példa):

19 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). Vetítősugarakra merőleges élek rekonstruálhatóak jól.

20 FBP Fan-beam geometria esetén Eddig párhuzamosak voltak a vetítősugarak: Gyakorlatban egy ilyen CT nem igazán realizálható Fan-beam vetítősugaras helikális CT (ú.n. CAT):

21 Fan-beam projekciók Virtuális párhuzamos 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

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

23 Cone-beam geometria szerinti vetületek FBP rekonstukciója - FDK Feldkamp, Davis, Kress CBCT-s algoritmusa: Klasszikus szűrt visszavetítéssel rekonstruál Közelítően helyes algoritmus ideális esetben sem tökéletes Ideális rekonstrukció esetén is Cone-beam artifakt

24 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 modellez sem szóródást, sem a fotoelektromos kölcsönhatás során keletkező divergáló sugarakat. Rekonstrukció célja f,, meghatározása Érdemes megjegyezni, hogy a Beer-Lambert törvénynél ez egy általánosabb modell, de monokróm sugarakat feltételez, gyakorlatban nem tudunk vele dolgozni túl nagy komplexitás.

25 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 pixelbe csapódó fotonok a j-edik voxeltől mennyire csillapodnak (ez anyag független). 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)

26 Projekciók keletkezésének általános 3D modellje Ez így túl általános, de jobban modellezi a valóságot. Gyakorlatban viszont H az i-edik pixelbe csapódó fotonok i, j által g tartalmazza a j-edik voxelben az összes megtett vetítősugár útnak a fotodiódákon hossza (csak primer mért sugárzás). intenzitások Ezzel negatív a megkötéssel logaritmáltját H egy (tehát ritka, ú.n. minden sávmátrixá projekció válik. minden pixeléhez tartozó intenzitását tartalmazó vektor). Megfigyelési modell diszkretizáltja g H f η : H i j H a vetítő mátrix,, : i-edik pixelbe csapódó fotonok a j-edik voxelben lévő anyagtól mennyire csillapodnak. η 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)

27 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

28 Algebrai rekonstrukciós technika (Gordon ART) Az eljárás k+1. iterációban merőlegesen vetíti az aktuális -et g H f hipersíkra ( i k N ): f (mod ) 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,:

29 Algebrai rekonstrukciós technika (Gordon ART) k 1 k k i,: interpretációja: k k g H f 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 g H f i,: i,: i,:,: i i T f 0 H H -ra: gyakran FBP / BP eredménye T H i,: i,:

30 Kaczmarz iteráció példa N=2, M=2 esete: i-edik kényszerrel konzsiztens vektorok halmaza 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.

31 Limit hurok viselkedés Gordon ART inkonzisztens projekciók esetén limit hurokba lép: Stabil limit hurkok viselkedés: a rendszer állapotváltozója hurok trajektóriába ragad

32 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 Tetszőleges f 0 esetén is konvergál egy LS becslőhöz: Ha több LS becslő van, akkor az f Jól párhuzamosítható: i -hoz L2 szerinti legközelebbihez Azonos projekcióhoz tartozó vetítősugarak menti levetítés és visszavetítés egymástól független Zajra túlilleszkedés tulajdonsága változatlanul megmaradt Ez az eljárás is ekvivalens egy ML becsléssel H 0 H T j,: H j,: j,: T

33 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 j,: Hasonló konvergencia tulajdonságok, mint az SART-nél: Pontosan ugyanazon becsléshez konvergál Jól párhuzamosítható, de: Egyszerre csak egy projekció le / visszavetítése nem módosítja többször u.a. voxelt (egyébként versenyhelyzet). Gyakorlatban több számolás szükséges a konvergenciához, mint 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

34 Algebrai rekonstrukciós technika (Multiplikatív ART) Eddig Additív ART-ket néztünk: Kezdeti iterációk során lassabban haladnak Pozitivitási kényszert nem lehet kikényszeríteni Multiplikatív ART-k: Hibát multiplikatív módon származtatják pl.: f k A hibát f k1 j 1 H j,: i i k g 1g H f j j,: k f értéke méri Kezdeti iterációk hatékonyabbak, de gyakran divergál, vagy a végén túlságosan lelassul. H j,i

35 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.

36 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).

37 Pozitron emissziós tomográfia projekciók zajának értelmezése Sokszor téves LOR-t mérünk: Szóródás (rugalmas ütközés) miatt a térfogaton belül megváltoztatja irányát a γ foton. Két, hozzávetőlegesen egy időben történő bomlás is fals látszólagos LOR-t eredményez.

38 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

39 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 ( x b), jelenleg ez a vizsgált szövet pozitron emissziójának a gyakorisága Létezik olyan v.v., mely ha ismert lenne leegyszerűsödne az egész feladat: a PET esetén p b d : annak a valószínűsége, hogy a d LOR mentén beütő gamma részecskét a b képlet emittálta. Megoldás iteratív, iterációnként két lépés: Expectation lépés: frissítése Maximization lépés: xb ML becslése p b d

40 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.

41 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

42 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

43 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

44 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 különböztethetőek meg más képletektől. Cserébe kevésbé zajos, felbontását tekintve részletgazdagabb felvételek

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

46 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

47 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 megválasztása nehéz, aktívan kutatott feladat Kvadratikus függvény, minimalizációja analitikus

48 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 (mind a rekosntruált szeleteken belül, mind azok között a modalitástól függetlenül). Inkább él őrző regularizációk alkalmazása javallott pl. Teljes Variancia minimalizáció, Huber büntetőfüggvény

49 Compressive Sensing Nyquist mintavételnek megfelelő interpoláció: Régebben láttuk a kernelét De ez csak egy interpolációs lehetőség Compressive Sensing alapú megközelítés: Nem szükséges Nyquist tétel szerint mintavételezni Két általános megvalósítása létezik: Megszorítjuk a rekonstruálni kívánt jel bázisát (erre lesz példa a Mátrix Inverziós Tomoszintézis) Keresünk egy olyan operátort / ábrázolást ami felett ritka a rekonstruálni kívánt jel (pl. TV minimalizációs)

50 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 L2 norma szerinti Alternating Direction Methode: f, z g H f z z Df változóval Alternálva minimalizáljuk f -et és z-t iterációnként: 1 z Df 2 f n n n f arg min f, z arg min g H f z Df f z arg min f, z arg min z z Df n 1 n 1 n 1 z z 1 2

51 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

52 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

53 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

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

55 Élet a konvex optimalizáción túl CT-s szimuláció, 10 projekcióból (ΔΘ=18 ): Konvex: L2-TV Valóban ritkasági priorral

56 Lineáris tomoszintézis Speciális CBCT változatnak tekinthető: Detektor és a sugárforrás egymással és a flat-panel detektor oszlopaival párhuzamosan mozog. Projekciók limitált szögtartományból (±10-40 ) Irányfüggő felbontás / képminőség: Detektorral párhuzamos szeletek felbontása megegyezik a detektor felbontásával Detektorra merőleges irányban nagyon rossz felbontás : limitált szögtartomány ára

57 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

58 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

59 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

60 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

61 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.

62 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

63 Mátrix Inverziós Tomoszintézis gyakorlati megvalósítása Diszkretizálás és a DFT okozta problémák: Mintavételezés: t mintavételezése az egész rendszer i, j 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.

64 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.

65 Mátrix Inverziós Tomoszintézis spektrumszivárgás Extrapoláció nélkül Extrapoláció alkalmazásával

66 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 1 és 1 min min T b b 1 e 2 2 b 2 2 max Zajcsökkentő regularizáció célja cond T minimalizálása

67 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 sajátvektor mtx.-okkal diagonalizálunk T regularizált Moore- Penrose pszeudoinverze a Wiener dekonvolúció általánosítottja

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

69 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.

70 Limitált szögtartomány (±40, 50 projekció) - MAP becslés FBP Ritkasági regularizáció

71 Rekonstrukciókkal szembeni elvárások Kvalitatív képet kapjunk: Adott voxel / pixel intenzitása csak az ott jelenlévő szövet felépítésétől (CT, MRI) / viselkedésétől (PET, SPE(C)T) függjön. Valójában ez sosem teljesül, de ez lenne a cél Hounsfield Unit Röntgenes eset abszolút szürkeségi skálája: víz HU 1000 víz levegő

72 Különböző anyagok lin. csill. Együtthatói HU-ban Anyag neve [HU] Levegő 1000 Tüdő szövet 500 Zsír Víz 0 Agy-gerincvelői folyadék 15 Vese 30 Vér Izom Szürke állomány Fehér állomány Máj Lágyrész Csont

73 Sugárkeményedés artifakt Röntgensugár intenzitás spektruma Csésze artifakt Sugárkeményedés miatti streaking

74 Sugárkeményedés artifakt Kompenzációs módszerek: Keményítő szűrő alkalmazása a sugárforráson Tipikusan nagy csillapítású homogén fémekkel (ólom, réz, wolfram, stb.) Kalibrálással Pl. hengeres vízfantommal valódi páciens sosem hengeres uniform víz Szoftveresen Pl. csontok sugárkeményítésének modellezése levetítésnél (ez is csak közelítő módszer)

75 Részleges térfogat artifakt Széles kollimálású nyalábnál csak a szelet projekciók egy részére vetül az objektum

76 Foton éhezés artifakt Vizsgált térfogaton belüli anyagok teljesen elnyelik a röntgen fotonokat (tipikusan fémek, sűrű csontok). Streaking a rekonstruált szeleteken a kulcscsont miatt Kompenzálás: problémásabb sugaraknál nagyobb csőáram (nagyobb dózis)

77 Foton éhezés artifakt Szoftveres korrekciók: Adaptív filtráció: problémás sugarakhoz tartozó voxelek csillapítási együtthatóinak elmosása MAP becslés Normál rekonstrukció Adaptív filtráció

78 Fém artifakt Probléma: fémek teljesen elnyelhetik a sugarat / keményen csillapíthatják / részleges térfogat / Kompenzálása szoftveresen: Pl. projekciókon a fémek szegmentálása, majd az intenzitásaik felülbecslése MAP becslés erős regularizációval

79 Fém artifakt Gerinc implantátum és az ART ART a szinogram kompenzációja után

80 Páciens bemozdulása Szív, mellkas mozgása elkerülhetetlen Létezik EKG kapuzott CT, illetve speciális anyaggal lelassítható maradandó károsodás nélkül a szív Az utóbbi minimalizálható levegő visszatartással A vízszintes streaking a páciens bemozdulásának a következménye

81 Vizsgálati mezőn kívüli objektum A vizsgált páciens egy testrésze olyan területen van, melyet üresnek feltételez a rekonstrukció Erősen inkozisztens projekciók Elkerülhető a beállítások megfelelő módosításával

82 Compton szóródás Flat panel detektornál, több soros detektornál A szóródó fotonok detektorba csapódva kisebb relatív csillapodások érzékelését eredményezik HW (moduláció alapú)/ SW (modell alapú) kompenzáció

83 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. bw h Minél kisebb, annál több szelet kell, hogy minden képlet láthatóvá váljon (legalább egy szeleten). Mérése tipikusan ferde fémlemezzel / fémhuzallal.

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

85 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