Výpočet šumového výkonového spektra CT obrazů v různých tkáních

Calculation of Tissue Noise Power Spectra

článek ve sborníku ve WoS nebo Scopus

čeština

Současné přístupy k hodnocení kvality iterativně rekonstruovaných CT obrazů a k porovnání s kvalitou obrazů rekonstruovaných filtrovanou zpětnou projekcí jsou založeny buď na fantomových studiích nebo na zpracování malých oblastí zájmu v reálných pacientských datech. Vzhledem k faktu, že šum v iterativně rekonstruovaných CT datech je závislý na snímané scéně, neposkytují uvedené přístupy vyčerpávající charakteristiku šumových vlastností tohoto typu dat. Příspěvek představuje metodologii pro odvození jednorozměrných šumových výkonových spekter z celého objemu pacientských dat a zároveň z různých zobrazovaných tkání. Metoda je založena na segmentaci základních tkáňových struktur a následném výpočtu šumových spekter v rámci segmentačních masek. Použití klasické binární segmentační masky zavádí, vzhledem ke konvoluční vlastnosti Fourierovy transformace, do výpočtu chybu, jejíž velikost je vyhodnocena a následně zmenšena nahrazením binárních masek prostorově adaptivními dvourozměrnými váhovacími funkcemi s lepšími spektrálními vlastnostmi.

Current approaches to evaluation of image quality in iteratively reconstructed CT images and to comparison with quality of ones reconstructed by filtered back projection are based either on phantom studies or on analysis of small regions of interest in real patient data. Taking into consideration the fact that noise in iteratively reconstructed images is object dependent these methods are unable to reflect whole complexity of noise characteristics. A methodology for assessing the noise in full extent of real patient data and in diverse tissues is presented in this paper. The method is based on segmentation of basic tissues and computation of one-dimensional noise power spectra in a spatial extent delineated by segmentation masks. Multiplication with binary segmentation mask introduces, according to convolutional property of Fourier transform, errors to estimation. Magnitudes of the errors are evaluated and consequently reduced by replacing binary masks with two-dimensional spatially adaptive windowing functions with better spectral properties.

Rentgenová výpočetní tomografie, iterativní rekonstrukce, šumové výkonové spektrum, dvourozměrné váhovací funkce, skeletonizace.

X-ray computed tomography, iterative reconstruction, noise power spectra, two dimensional windowing functions, skeletonization.

WALEK, P.; JAN, J.

2013

20. 11. 2013

Brno

978-80-214-4814-8

Nové směry v biomedicínském inženýrství

70

79

10