CT-képrekonstrukciók CNN-alapú regularizációja

A komputerizált tomográfia (CT) területe az orvosi céllal alkalmazott 3D képalkotó modalitásokkal foglalkozik. Egy speciális családját képezi ezeknek a Röntgen-sugárzás alapú berendezések, amelyek adatgyűjtése során sugárnyalábok intenzitásait és ezáltal a nyalábok mentén a röntgencsillapítási együtthatók vonalintegrálját mérik. A begyűjtött adatokból rekonstrukciós algoritmusok segítségével számítják ki a térfogati csillapítási együttható-mezőt különböző minőségi, elméleti garanciákat vállalva. Alapvetés, hogy elfogadható minőség eléréséhez nagy mennyiségű, alacsony zajszintű mérés szükséges. A legkülönbözőbb felvételi geometriák esetén is nagypontossággal megvalósítható rekonstrukció azonban nagymennyiségű ionizáló sugárzásnak teszi ki a páciens testét. A dózis redukciója lehetséges a projekciók számának csökkentésével. Ennek hatására azonban a szokásos, foton-elektronkölcsönhatásból származó inherens zajok mellett, leginkább a geometriai elrendezéstől függő artifaktok jelennek meg a rekonstruált csillapítási tényező-mezőben. Sejtésünk értelmében ugyanakkor a kapott képeket terhelő rekonstrukciós zaj egy geometriafüggő valószínűségi eloszlásból származik, ennél fogva lehetséges a szűrése. Ennek megvalósítására az elmúlt években sokat kutatott és biztató eredményeket produkáló neurális paradigma, ezen belül pedig a konvolúciós neurális hálózatok apparátusa lehet használható. Munkánk során olyan algoritmusokat terveztünk, melyek redukálják az alacsony dózisból, illetve ritka vetítősugaras geometriából eredő rekonstrukciós műtermékeket. A rendszerek feladata egy regresszió megvalósítása, melynek bemenete egy ritka szinogramból klasszikus módszerrel rekonstruált, rossz minőségű szeletkép, kimenete pedig az ideálisnak tekinthető rekonstrukciót approximálja. Az első rendszer esetében, a szűrés kimenete egyfelől méréstérben illeszkedik a ritka szinogramhoz, másrészt a Compressed Sensing területén javasolt kényszerek szempontjából is adekvát, harmadrészt pedig illeszkedik a rendszer konstrukciójához felhasznált, ideális axiális szeletképek eloszlásába. A második rendszer működését az inverz problémák klasszikus megoldási módszere motiválta, és iteratív úton próbálja regularizálni a mindenkori hipotézist a korrekt szeletkép irányába.

szerző

• 
  Juhos Attila
  Mérnök informatikus szak, mesterképzés
  mesterképzés (MA/MSc)

konzulens

• 
  Hadházi Dániel
  tudományos segédmunkatárs, Méréstechnika és Információs Rendszerek Tanszék