ML-EM képrekonstrukciós algoritmus transzmissziós tomográfiára
ML-EM képrekonstrukciós algoritmus transzmissziós tomográfiára
Molnár Balázs Fizikus MSc. II. évf
Konzulens: Dr. Légrády Dávid, Nukleáris Technika Tanszék
Az orvosi képalkotás egyik alapvető technikája a transzmissziós tomográfia, amin belül is a vizsgálatok gyakoriságát tekintve a komputált tomográfia (CT) dominál. Egy CT berendezés által elkészített felvételek (projekciók) ideálisan a röntgensugárzással szemben mutatott gyengítési együttható eloszlás radon-transzformáltjai, amiből valamilyen inverziós módszerrel kaphatjuk meg az eredeti eloszlást (képrekonstrukció). Az emberi szövetek gyengítési együtthatójának különbözősége kontrasztot jelent a rekonstruált képen, amiből adott esetben felállítható a helyes diagnózist.
Az általánosan használt szűrt visszavetítés egy jól működő, bevált módszere a kép rekonstrukciójának, azonban számos hátránya van más, például iteratív, módszerekkel szemben. Alapvető feltételezése ugyanis a módszernek, hogy a detektor által begyűjtött adatok a gyengítési együttható eloszlás radon-transzformáltjai, ami a valóságban tökéletlen leképezés miatt nem teljesül maradéktalanul [1]. A rekonstruált képen ez műtermékek formájában jelentkezik, szélsőséges esetekben, például fém jelenléte esetén, a szűrt visszavetítés nem is alkalmazható (vagy korrekcióra szorul) a spektrumfelkeményedés és szórás okozta fém-műtermékek [2] megjelenése miatt. Egy statisztikus, iteratív képrekonstrukciós eljárás kevésbé érzékeny a detektor által mért adatok statisztikus zajára, hiányos adatra, nagy gyengítési együttható inhomogenitás jelenlétére, így egyes esetekben alkalmazása előnyösebb lehet. A legnagyobb lehetőség abban rejlik, hogy az inverzió megvalósításakor a teljes fizikai valóság beépíthető a modellbe, a rekonstrukció során figyelembe vehetjük a röntgen sugárzás spektrumát, a szórást, nem-szokványos geometriákat.
A TDK-dolgozat elméleti hátterét a Lange és Carson által transzmissziós tomográfiára javasolt ML-EM algoritmus adja [3]. Az iterációs sémának részletes elemzését és a megvalósítási lehetőségeket [4]-ben ismertettem, jelen dolgozat célja az algoritmus gyorsítása annak grafikus kártyán történő implementációjával, a módszer konvergenciájának vizsgálata matematikai fantomok rekonstrukciójával valamint tesztelés valós mérési adatokon.
Irodalom:
[1] B. De Man : „Iterative Reconstruction for Reduction of Metal Artifacts in Computed Tomography ”, (2001)
[2] F. E. Boas, D. Fleischmann : "CT artifacts: Causes and Reduction Techniques", Imaging Med. (2012) 4(2), 229-240
[3] K. Lange, R. Carson : "EM Reconstruction Algorithm for Emission and Transmission Tomography", Journal of Computer Assisted Tomography, 8(2):306-316
[4] Molnár Balázs : "Iteratív ML-EM CT képrekonstrukció GPU-ra", TDK dolgozat, 2013
szerző
-
Molnár Balázs Dr.
fizika
nappali
konzulens
-
Dr. Légrády Dávid
Egyetemi docens, Nukleáris Technika Tanszék