Rekonstrukciós eljárások. Orvosi képdiagnosztika 2017 ősz

Hasonló dokumentumok
Rekonstrukciós eljárások. Orvosi képdiagnosztika előadás 2015 ősz

Rekonstrukciós eljárások. Orvosi képdiagnosztika 2018 ősz

Rekonstrukciós eljárások. Orvosi képdiagnosztika előadás 2016 ősz

Képrekonstrukció 3. előadás

Rekonstrukciós eljárások. Orvosi képdiagnosztika 2017 ősz

Képalkotás modellezése, metrikái. Orvosi képdiagnosztika 6. ea ősz

Fourier térbeli analízis, inverz probléma. Orvosi képdiagnosztika 5-7. ea ősz

7. Előadás tartalma. Lineáris szűrők: Inverz probléma dekonvolúció: Klasszikus szűrők súly és átviteli függvénye Gibbs jelenség

Rekonstrukciós eljárások. Orvosi képdiagnosztika 2017 ősz

Képalkotás modellezése, metrikái. Orvosi képdiagnosztika 2017 ősz

Jelfeldolgozás bevezető. Témalaboratórium

Fourier térbeli analízis, inverz probléma. Orvosi képdiagnosztika 5-7. ea ősz

A röntgendiagnosztika alapjai

A röntgendiagnosztika alapjai

Hadházi Dániel.

Fourier térbeli analízis, inverz probléma. Orvosi képdiagnosztika 6-8. ea ősz

Fourier térbeli analízis, inverz probléma. Orvosi képdiagnosztika 7-8. ea ősz

Diagnosztikai röntgen képalkotás, CT

Nem roncsoló tesztelés diszkrét tomográfiával

Képrekonstrukció 4. előadás

Képalkotó diagnosztikai eljárások:

ACM Snake. Orvosi képdiagnosztika 11. előadás első fele

PET gyakorlati problémák. PET rekonstrukció

MRI áttekintés. Orvosi képdiagnosztika 3. ea ősz

Képalkotó diagnosztikai eljárások:

Orvosi tomográkus képalkotás/ct technika alapja

A diplomaterv keretében megvalósítandó feladatok összefoglalása

Számítási feladatok a Számítógépi geometria órához

Képalkotó diagnosztikai eljárások

VIK A2 Matematika - BOSCH, Hatvan, 3. Gyakorlati anyag. Mátrix rangja

Matematika (mesterképzés)

Haladó lineáris algebra

Wavelet transzformáció

Orvosi képdiagnosztika

Lin.Alg.Zh.1 feladatok

Akusztikai tervezés a geometriai akusztika módszereivel

Robotika. Relatív helymeghatározás Odometria

Szinguláris érték felbontás Singular Value Decomposition

ADAT- ÉS INFORMÁCIÓFELDOLGOZÁS

Alkalmazott algebra - SVD

Numerikus matematika vizsga

Dr. Palkó András. SZTE ÁOK Radiológiai Klinika NEK Képalkotó Diagnosztikai Centrum Szeged

12. előadás. Egyenletrendszerek, mátrixok. Dr. Szörényi Miklós, Dr. Kallós Gábor

Bevezetés a komputertomográfia alapjaiba

Lineáris leképezések. Wettl Ferenc március 9. Wettl Ferenc Lineáris leképezések március 9. 1 / 31

Numerikus matematika. Irodalom: Stoyan Gisbert, Numerikus matematika mérnököknek és programozóknak, Typotex, Lebegőpontos számok

Képrekonstrukció 6. előadás

Spektrográf elvi felépítése. B: maszk. A: távcső. Ø maszk. Rés Itt lencse, de általában komplex tükörrendszer

Matematika szóbeli érettségi témakörök 2016/2017-es tanév őszi vizsgaidőszak

Első zárthelyi dolgozat megoldásai biomatematikából * A verzió

Projektfeladatok 2014, tavaszi félév

Determinánsok. A determináns fogalma olyan algebrai segédeszköz, amellyel. szolgáltat az előbbi kérdésekre, bár ez nem mindig hatékony.

Problémás regressziók

A SÚLYOS ERŐMŰVI BALESETEK KÖRNYEZETI KIBOCSÁTÁSÁNAK BECSLÉSE VALÓSIDEJŰ MÉRÉSEK ALAPJÁN

Szinguláris értékek. Wettl Ferenc április 3. Wettl Ferenc Szinguláris értékek április 3. 1 / 28

Norma Determináns, inverz Kondíciószám Direkt és inverz hibák Lin. egyenletrendszerek A Gauss-módszer. Lineáris algebra numerikus módszerei

Vektorterek. =a gyakorlatokon megoldásra ajánlott

Az Orvosi Fizika Szigorlat menete a 2012/2. tanévtől

A kvantummechanika kísérleti előzményei A részecske hullám kettősségről

Éldetektálás, szegmentálás (folytatás) Orvosi képdiagnosztika 11_2 ea

Matematika A1a Analízis

Hounsfield utáni 2. forradalom: Spirál / helikális / volumetrikus. leképezés

Lin.Alg.Zh.1 feladatok

Operációkutatás. Vaik Zsuzsanna. ajánlott jegyzet: Szilágyi Péter: Operációkutatás

Grafikonok automatikus elemzése

Szinguláris értékek. Wettl Ferenc április 12. Wettl Ferenc Szinguláris értékek április / 35

Transzformációk. Grafikus játékok fejlesztése Szécsi László t05-transform

Az Implantológia radiológiai vonatkozásai Dr. Ackermann Gábor

Panorámakép készítése

Sajátértékek és sajátvektorok. mf1n1a06- mf1n2a06 Csabai István

1. zárthelyi,

Vektorok, mátrixok, lineáris egyenletrendszerek

Z bozonok az LHC nehézion programjában

Mátrixok és lineáris egyenletrendszerek

XVII. econ Konferencia és ANSYS Felhasználói Találkozó

Adatelemzési eljárások az idegrendszer kutatásban Somogyvári Zoltán

Az ipari komputer tomográfia vizsgálati lehetőségei

Vezetők elektrosztatikus térben

3D - geometriai modellezés, alakzatrekonstrukció, nyomtatás

Fehérzajhoz a konstans érték kell - megoldás a digitális szűrő Összegezési súlyok sin x/x szerint (ez akár analóg is lehet!!!)

Lineáris algebra. =0 iє{1,,n}

Villamosságtan szigorlati tételek

Vektorterek. Wettl Ferenc február 17. Wettl Ferenc Vektorterek február / 27

Feladatok a Gazdasági matematika II. tárgy gyakorlataihoz

Alkalmazott algebra. Lineáris leképezések EIC. Wettl Ferenc ALGEBRA TANSZÉK BMETE90MX57 (FELSŐBB MATEMATIKA INFORMATIKUSOKNAK )

6. gyakorlat. Gelle Kitti. Csendes Tibor Somogyi Viktor. London András. jegyzetei alapján

Transzmissziós és emissziós leképezés. SPECT vizsgálatok sajátosságai Sugárgyengítés-korrekció. Varga József

Számítógépes gyakorlat MATLAB, Control System Toolbox

Shift regiszter + XOR kapu: 2 n állapot

Röntgendiagnosztika és CT

Ellenőrző kérdések a Jelanalízis és Jelfeldolgozás témakörökhöz

Az éghajlati modellek eredményeinek alkalmazhatósága hatásvizsgálatokban

Milyen elvi mérési és számítási módszerrel lehet a Thevenin helyettesítő kép elemeit meghatározni?

Jelek és rendszerek 1. 10/9/2011 Dr. Buchman Attila Informatikai Rendszerek és Hálózatok Tanszék

Dekonvolúció a mikroszkópiában. Barna László MTA Kísérleti Orvostudományi Kutatóintézet Nikon-KOKI képalkotó Központ

Számítógépes geometria (mester kurzus)

Röntgensugárzás az orvostudományban. Röntgen kép és Komputer tomográf (CT)

1. Lineáris transzformáció

A nanotechnológia mikroszkópja

Szilárd Leó Fizikaverseny Számítógépes feladat

Átírás:

Rekonstrukciós eljárások Orvosi képdiagnosztika 2017 ősz

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

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

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

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

Mátrix Inverziós Tomoszintézis Alapötletet ugyanaz a megfigyelés adja, mint ami az SAA algoritmusét: g 1 :, i n... 1 2 :,i 11, :,i 1, 2 :,i 1,n f t f t f t n... 2 1 2 :,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

Mátrix Inverziós Tomoszintézis Alapötletet ugyanaz a megfigyelés adja, mint ami az SAA algoritmusét: 1 1 n 1 2 f... :,i :,i 11, :,i 1, 2 :,i 1,n g t f t f t g n... 2 1 2 f t f t f t :,i :,i 2, 1 :,i 2, 2 :,i 2,n 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

Mátrix Inverziós Tomoszintézis Alapötletet ugyanaz a megfigyelés adja, mint ami az SAA algoritmusét: 1 11 2 n 1 1 2 t... :,i :,i, :,i 1, 2 :,i 1,n g f f t f t n... 2 1 2 :,i :,i 2, 1 :,i 2, 2 :,i 2,n g f t f t f t 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.

Mátrix Inverziós Tomoszintézis Jelentősen egyszerűsödik a feladat, ha a vektor egyenletrendszert frekvenciatérben vizsgáljuk: g T f j j j j f T g 1 2 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

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.

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.

Mátrix Inverziós Tomoszintézis spektrumszivárgás Extrapoláció nélkül Extrapoláció alkalmazásával

Mátrix Inverziós Tomoszintézis Dekonvolúció numerikus problémái T zajérzékenysége jelentős problémaforrás cond T max min Kondíciós szám származtatása: 1 1 1 T e T b T e e 2 2 2 2 cond T max, 1 e b e b T b b 2 2 2 2 Legyen T U ΣV 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

Mátrix Inverziós Tomoszintézis Dekonvolúció zajérzékenysége T előállítása csonkolt SVD-vel: 1 i i T V Σ U, ahol Σ i, i 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

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

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.

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

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

Különböző anyagok lin. csill. Együtthatói HU-ban Anyag neve [HU] Levegő 1000 Tüdő szövet 500 Zsír 100 50 Víz 0 Agy-gerincvelői folyadék 15 Vese 30 Vér +30 +45 Izom +10 +40 Szürke állomány +37 +45 Fehér állomány +20 +30 Máj +40 +60 Lágyrész +100 +300 Csont +700 +3000

Sugárkeményedés artifakt Röntgensugár intenzitás spektruma Csésze artifakt Sugárkeményedés miatti streaking

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)

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

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)

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

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

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

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

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

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

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

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

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