Ugrás a tartalomhoz

Orvosi képfeldolgozás

Emri Miklós (2011)

Debreceni Egyetem

9. fejezet - Képrekonstrukciós módszerek

9. fejezet - Képrekonstrukciós módszerek

A képrekonstrukciós feladat célja a leképezős rendszer látóterében elhelyezkedő objektum valamely vizsgált paraméterének térbeli eloszlásának előállítása a mérés során rögzített projekciós mérési adatok megfelelő feldolgozásával. CT-vel pl. a röntgen sugárázás elnyelését lehet mérni, így a rekonstruált paraméter az vizsgált anyag (test, objektum) anyagsűrűségével összefüggő paraméter lesz. Mivel az emberi szervezetben a csont, és a különböző szövetek sűrűsége lényegese eltérő, a CT alkalmas a az eltérő sűrűségű lágyszöveti képletek és csontszerkezet vizsgálatára. Az izotópos vizsgálatok esetében a mért paraméter a radioaktív bomlások száma lehet, így az előállított képi információ az intravénásan bejuttatott radioaktív izotóppal jelölt molekula térbeli sűrűségével lesz kapcsolatos.

A kép előállítása során használt matematikai módszerek tárgyalását csak megfelelő absztrakcióval lehet elvégezni. Azaz ha a mért fizikai mennyiségtől, a mérési eljárás technikai részleteitől eltekintünk, és csak a leképezés folyamatának geometriai tulajdonságait vizsgáljuk, akkor előállítható olyan matematikai eljárás ami konkrét eszköz k képrekonstrukciós szoftvereiben használhatók.

Analitikus eljárás

A projekción alapuló képalkotás PET esetében

A PET-vizsgálatok során általában intravénás módon injektálnak az élő szervezetbe olyan molekulákat, amelyek a különböző szöveti régiókba eljutva biokémiai és fiziko-kémiai folyamatokban vesznek részt. Ezeknek a folyamatoknak a jellegzetességeiről a bejuttatott molekulák egyensúlyi eloszlása, valamint ezen egyensúlyi eloszlás kialakulásának kinetikája hordoz információt. Az eloszlások mérése érdekében a molekulákat pozitronbomló radioaktív izotóppal jelölik meg1. A radioaktív izotópok bomlásából származó pozitronok a szövetekben 1-2 mm befutása után lefékeződnek, és a környezet elektronjaival ún. annihilációs kölcsönhatásba lépnek. Ennek eredményeképpen a pozitron-elektron pár „eltűnik”, és két, 511keV energiájú, „annihilációs” gamma kvantum keletkezik, amelyek a kölcsönhatás helyét egy egyenes mentén, egymással ellentétes irányban hagyják el. Ha ezt a két gamma részecskét egy gyűrűszerű geometriában elhelyezkedő detektorrendszer két eleme egyidejűleg („koincidenciában”) érzékeli, akkor ez az esemény jelzi, hogy a két detektor geometriai helyzete által kijelölt egyenes mentén valahol egy annihilációs kölcsönhatás játszódott le. Az 1-es ábrán berajzolt párhuzamos egyenesek (koincidencia-vonalak) együttese egy vetületi irányt jelöl ki. Erre az irányra merőlegesen, egy adott idő alatt rögzített koincidencia-események eloszlását projekciós vonalnak nevezzük, amelyet a gyűrű síkja és a projekció szöge jellemez.

1. ábra: Egy detektorgyűrű sematikus ábrája

Az adatgyűjtés során egy detektorgyűrű esetében az 1-3 fokonként kijelölt projekciós irányok által meghatározott projekciós vonalakat egy mátrixba az ú.n. szinogramba rendezik. A mátrixban a sorok a projekciós irányokat, az oszlopok pedig az iránnyal párhuzamos koincidencia-vonalakat azonosítják. Egy ilyen adatgyűjtő topológia a matematikai előrevetítés (forward projection) technikai megvalósításának tekinthető. A mérési adatokból a radioaktivitás eloszlást előállító, ún. rekonstrukciós probléma matematikai modelljében az előrevetítés egy olyan transzformációt jelent, ami a detektor síkjában (a képtérben) lévő radioaktivitás-eloszlást a projekciós térbe képezi le. Ennek a leképezésnek az eredménye a szinogram. Az előrevetítés inverz transzformációja a visszavetítés (back projection), amely a projekciós térben értelmezett szinogramból az eredeti eloszlást (a képet) állítja elő. Az előre- és visszavetítésen alapuló rekonstrukciós probléma analitikusan megoldható, éppen ezért a visszavetítéses módszer világszerte elterjedt képrekonstrukciós eljárás volt. Hátránya, hogy tökéletes rekonstrukciós képet csak megszámlálhatóan végtelen sok projekció alapján lehet előállítani. A gyakorlatban természetesen csak véges számú projekciós szög mentén állítják elő a szinogramot, aminek egyenes következménye, hogy a rekonstruált képen jellegzetes, sugárirányú csóvák jelennek meg. Ennek a zajnak a csökkentésére a visszavetítés előtt a szinogramokon különböző szűrést lehet alkalmazni. Egy ilyen eljárással kiegészített képrekonstrukciós algoritmus a szűrt visszavetítés (filtered back-projection).A 2D-s analitikus eljárásoknál csak megfelelő látómező szeletekhez tartozó LOR-okat, illetve az azokhoz tartozó eseményeket használjuk fel a számításba. (Ma már elavultnak tekinthető PET kamerák csak 2D-s gyűjtésre alkalmasak, tehát bennük az egyes detektor gyűrűk közötti LOR-ok nincsenek definiálva. Továbbá opcionálisan, a gyűrűket egymástól a látótérbe benyúló ólom lemezekkel un. septákkal vannak elhatárolva). A LOR-okat projekciós irány szerint rendezzük. A projekciós szögnek és a projekciós irányra merőleges vetületen definiált távolság változó függvényében ábrázolt eseményösszeget szinogrammnak nevezzük.

Más szóval adott projekciós irányhoz és adott látómező szelethez tartozó aktivitás integrál vetülete a szinogram. A 2D-s valós térből, a projekciós térbe való leképzést Radon transzformációnak nevezzük. Ily módon a 2D-s PET mérés ekvivalens a mért térfogatban találhat aktivitás eloszlás 2D-s szeletein végrehajtott Radon transzformációkkal. Ennek megfelelően, az eredeti aktivitás eloszlás visszanyeréséhez, az az a szeletenkénti kép rekonstrukciókhoz inverz Radon transzformációt kell alkalmaznunk, ami megfelel a projekciós tér valós térbe történő transzformálásával. A rekonstruált 2D-s szeletek utólagos pozícióhelyes összeillesztésevel nyerhetünk kvázi háromdimenziós képet. A gyakorlatban a Radon transzformációnál stabilabb és számítógépes feldolgozásnak jobban megfelelő, diszkretizálható Szűrt Visszavetítést (Filtered Backprojection - FBP) alkalmaznak.

2D módszerek alapvető eleme a gyűjtött adatok szinogrammok képtérbe való visszavetítése. Ez gyakorlatilag a az az a binérték és a vetítési szög függvényeképp előálló értékek képmátrixba történő visszahelyezését jelenti, a megfelelő s és φ értékekhez tartozó LOR mentén. Mivel a hagyományos PET készülékeknél (nem TOF-PET-ek esetén) az az információ, hogy adott LOR-ban jelentkező koincidencia esemény a LOR mely részéből származott, a visszavetítésnél az adott LOR mentén elhelyezkedő minden egyes képelem értékét megnöveljük. Az eljárás problémáját a kép közepén jelentkező pixel felülreprezentáció és a periferiás voxelekre jellemző alulreprezentálás jelenti. Ennek oka a rekonstruált térfogat LOR-sűrűségének nem konstans volta (a középpont fele mind radiális, mind axiális irányból növekszik), valamint ezek átlapolása jelenti. Így például egy homogén aktivitású, kiterjedt gömb rekonstruált képe nem homogén, hanem a sugár mentén adott eloszlás szerint növekvő értékű lesz. Más részről egy pontforrás képe viszont nem pontszerű, hanem szintén adott eloszlásnak megfelelően elkent lesz. A valódi és a rekonstruált képek közötti összefüggést az alábbi képlet irja le:

ahol a * jel konvulúciót jelent. Ezek alapalján a kép elkentsége a látómező közepe fele, a valódi eloszlás 1/r függvénnyel történő konvolválása szerint növekszik. Így az egyszerű visszavetítéssel rekonstruált kép csak kivételes esetekben, például kicsiny kiterjedésű, nagy aktivitású és nagy kontrasztarányú minták esetén használható. A gyakorlatban némileg jobban használható eljárás a direkt Radon transzformáció (RT). Itt a legyűjtött szinogrammokat inverz Radon transzformációnak vetjük alá, így megkapva a valós aktivitás eloszlást:

[1]

Az eljárás továbbfejlesztett változata, a klinikai gyakorlatban mai napig legelterjedtebb 2D-s iteratív rekonstrukciós módszer, a szűrt visszavetítés, (Filtered Brackprojection - FBP). Az eljárás során minden egyes projekciót Fourier transzformáljuk. A transzformáció eredményeképp kapott profilokat adott filter-függvénnyel megszorozzuk, majd inverz Fourier transzformáljuk. Ezután egy hagyományos visszavetítést hajtunk végre. A legegyszerűbb filter függvény a Ramp filter (a k térben értelmezett 1/k fv.), mellyel a visszavetített kép fentebb említett 1/r elkenődését lehet korrigálni. Ezzel a súlyozással a Fourier tér magasabb frekvenciájú összetevői nagyobb, míg az alacsonyabbak kisebb súlyfaktort kapnak. Más szóval a látómező nagyobb LOR-sűrűségű, tehát centrálisabb pozíciójú tartományai kisebb, míg az inkább a látómező széle irányába eső részek nagyobb súllyal számítanak a képrekonstrukcióba. Ezzel az eljárással azonban a kép zajosságát és a rekonstrukciós műtermékek előfordulásának esélyeit is növeljük. Az algoritmus fejlesztése során ezek csökkentésére a Ramp-filteren kívűl számos filter függvényt is kidolgoztak (mint például Shapp-Logan, Hamming, Cosinus, stb.) A használatuk racionalitása sok egyéb paraméter mellett függhet a kép minőségétől, a kamera és a minta geometriájától, stb.

A 3D PET technikával gyűjtött adatokat lehetőség van 2D-s axiális LOR-fájlokká vagy szinogramokká transzformálni. Ezt az eljárást rebinnelésnek nevezzük. Így lehetőség nyílik a 3D-s adathalmaz gyorsabb és kisseb számítástechnikai háttért igénylő, tisztán 2D-s algoritmusokkal történő rekonstruálására. További előnye az adathalmaz méretének csökkentése, ami egyben hátránya is. Ugyanis így a statisztika romlása miatt csökken a kép jel per zaj értéke. Számos rebinnelő algoritmus létezik. A legegyszerűbb, amikor a keresztirányú, az az a nem tranzaxiális irányú LOR-okat egyszerűen elhagyjuk. Némileg kifinomultabb az SSRB, mely során a ferde LOR értékét az őt felező tranzaxiális metszet LOR értékéhez adjuk hozzá. Így gyakorlatilag információ nem veszik el, bár a rekonstruált kép minősége romlik. Ennél pontosabb rebinnelő metódus a Fourier rebinnelés (FORE), melyben a ferde szinogrammokat Fourier-transzformáljuk, súlyozzuk majd inverz Fourier-transzformáljuk. Az eljárás után rekonstruált kép kissé magasabb statisztikus zaj szinttel, de alacsonyabb torzítással rendelkezik, mint az SSRB eljárás után kinyert kép.

Szűrt visszavetítés matematikája 2D-ben

Radon transzformáció

Johann Radon osztrák matematikus 1917-bnen megjelent művében lefektette egy olyan integrál transzformáció alapjait, amely segítségével egy n-változós ismeretlen függvény előállítható az ismert n-dimanziós térben felvett vonalintegráljaiból. Ez az absztrakt matematikai elmélet nagyon fontos gyakorlati alkalmazásokkal bír az asztronómia, orvosi képalkotás, optika stb. területeken. Az orvosi képalkotás szempontjából az ismeretlen függvény lehet pl. a vizsgált szervbe bejuttatott radioaktív izotóp térbeli eloszlása, míg az ismert vonalintegrálok ezen 3D eloszlás vetületi képei. Így a Radon-féle matematikai megközelítés gyakorlatilag egy megoldást adott a képrekosntrukciós problémára: hogyan állítható elő a vetületi képekből a leképezett objektum?

A Radon transzformációt valós 2D, 3D esetleg nagyobb dimenziójú Eukideszi térben definiáljuk. A tárgyalás gyakran elegendő 2D-ben, mert az általánosítás 3D-re vagy nD-re triviális. A Radon transzformáció tárgyalásához hasznos bevezetni három teret:

  • Képtér: ahol a keresett f térbeli eloszlás található. Pl. 2D-ben ez f(x,y)

  • Radon-tér és Fourier-tér: az tér amiben f eloszlás Radon ill. Fouroier transzformáltjai megjelennek.

A megfelelő transzformációk jelölése:

Radon:

9.1. ábra - eq_37.png

eq_37.png

Fourier:

9.2. ábra - eq_38.png

eq_38.png

2D-eset:

9.3. ábra - eq_39.png

eq_39.png

ahol 2D helyvektor, az integrál pedig a paraméterekkel jelölt vonalintegrált jelenti. A helyvektoraz integráltranszformáció átalakítható:

9.4. ábra - eq_41.png

eq_41.png

ahol és. Ugyanez 3D-ben:

9.5. ábra - eq_44.png

eq_44.png

Az egyes transzformációk közötti összefüggések:

9.6. ábra - eq_45.png

eq_45.png

Ez a "central-slice thorem" azaz központi szelet tétel kimondja, hogy az f projekciójának (azaz Radon transzformáltjának) 1D Fourier transzformáltja egy rögzített szög mellett azonos az nD transformált egy azonos szög mellet vett metszetével.

A Radon transzformáció tulajdonságai:

  • Lináris

  • Szimmetrikus

  • Differenciálható

Backprojektion

A leképezéssel kaptt projekciós képek visszavetítésének matematikai modellje a bevezetett transzformációkkal így írható le:

9.7. ábra - eq_46.png

eq_46.png

ahol

9.8. ábra - eq_47.png

eq_47.png

Szűrők

A Radon-tétel alapján kimondható, hogy ha ismerjük egy térbeli eloszlás végtelen sok vetületi képét, akkor az eloszlás előállítható a képek inverz transzformációjával. A gyakorlatban azonban nem ismerünk csak véges vetületi képeket, így a visszavetítés zajjal lesz terhelt. Ezeknek a zajoknak a kiszűrésére szűrőket használnak. Fontosabb szűrők:

  • Hanning

  • Hamming

  • Ramp

  • Csoine

  • Butterworth

Speciális geometriák

A párhuzamos leképezés mellet ismertek a nem hagyományos geometriák, amikor a leképezés nem párhuzamos vonalak mentén, hanem kúpszerűen történik. Ilyenek a Cone-beam leképezés és Fan-beam leképezés.