Multipositionale Röntgentomographie zur Vermeidung und Reduktion von Bildartefakten

Autor: Herl, Gabriel
Jazyk: angličtina
Rok vydání: 2022
Předmět:
Popis: X-ray computed tomography (CT) is a widely used imaging technique in both medicine and industry. In recent years, robot-supported CT systems have been researched and developed. These CT systems enable a variety of new possible scanning trajectories. By tailoring these trajectories, one can reduce image artefacts and increase the image quality. In industrial practice, robot-supported CT systems have not yet been established. Among other things, this is due to a lack of automation. The application-specific optimal views must be determined by a CT expert who might need several tries before achieving the required task, which is costly and time-consuming. This work presents a holistic concept called Multipositional CT. Multipositional CT aims to use X-ray projections from selected views to produce CT scans with application-specific optimised image quality. The concept is based on two steps: First, the X-rays that are not correctly or not reliably interpretable by the applied reconstruction method are identified. The SART reconstruction method is extended to reduce the influence of these X-rays on the CT result. Secondly, application-specific optimal views are determined to ensure a sufficient amount of reliably interpretable data for a complete reconstruction. An analysis and a review of view optimisation methods in X-ray CT are presented, including the optimisation of circular trajectories, the dynamic sampling of continuous trajectories and the optimisation of sets of arbitrary views. Five key components for any CT view optimisation are identified: the goal of the optimisation, the prior knowledge, the parameterisation, the figure of merit and the optimisation procedure. To ensure sufficient views with reliably interpretable data for a complete CT reconstruction, figures of merits that rely on data completeness are developed. The Tuy-Smith condition and the Nyquist-Shannon sampling theorem are combined to generate a data completeness condition for arbitrary views that do not have to be on a continuous curve. This condition is extended for scans on dense, metallic objects by excluding those data that are identified as not reliably interpretable. Quantitative quality measures are derived to assess the data completeness and data interpretability of any CT scans. Based on these quality measures, optimisation methods are developed for continuous trajectories and for sets for arbitrary views. These methods optimise views object-specifically for selectable object regions, but not for the detection of previously defined surfaces or other so-called tasks. This ensures that even unexpected defects or deviations in the regions of interest are digitised in the best possible way. For industrial standard CT systems, methods for the optimisation of the object position as well as methods for optimisation and fusion of multiple scans with different object positions are developed. For more agile CT systems, e.g. C-arm CT systems or twin robotic CT systems, methods for optimising sets of arbitrary views are created. In experiments, both on simulated and real data, it is shown that the developed metrics for data completeness correlate with established concepts of image quality. The experiments demonstrate that the concept of Multipositional CT can be used to reduce artefacts and thus extends the existing repertoire of artefact reduction methods. With a detailed outlook on potential extensions and improvements to the Die Röntgen-Computertomographie (CT) ist ein weit verbreitetes bildgebendes Verfahren zur Digitalisierung innerer und äußerer Strukturen. In den letzten Jahren wurde intensiv an robotergestützten CT-Systeme geforscht. Da Roboter agile Bewegung der Röntgenkomponenten ermöglichen, sind robotergestützte CT-Systeme in der Lage Röntgenstrahlung aus einer Vielzahl zusätzlicher Blickwinkel zu erzeugen. Diese Vielfalt an Blickwinkeln kann genutzt werden, um Bildartefakte zu reduzieren und die Bildqualität von CT-Scans zu steigern. In der industriellen Praxis haben sich robotergestützte CT-Systeme noch nicht durchgesetzt. Dies liegt unter anderem an mangelnder Automatisierung. Aktuell müssen die anwendungsspezifisch optimalen Blickwinkel von einem CT-Experten bestimmt werden. Dies ist anspruchsvoll, zeitaufwendig und kostspielig. In dieser Arbeit wird das ganzheitliches Konzept "Multipositionale CT" vorgestellt. Die Grundidee des Konzepts besteht darin, Röntgenprojektionen aus anwendungsspezifisch optimierten Blickwinkeln zu erzeugen und diese für eine Verbesserung der Bildqualität zu nutzen. Das Konzept basiert auf zwei Schritten: Erstens werden diejenigen Röntgenstrahlen identifiziert, die nicht korrekt bzw. nicht zuverlässig genug interpretierbar sind und deren Einfluss in der Rekonstruktion reduziert. In dieser Arbeit wird die klassische SART-Rekonstruktionsmethode erweitert, um den Einfluss schwer interpretierbarer Daten auf das CT-Ergebnis zu reduzieren. Zweitens werden anwendungsspezifisch optimale Blickwinkel bestimmt, so dass - wenn möglich - eine ausreichende Menge an zuverlässig interpretierbarer Röntgenstrahlen für eine vollständige Rekonstruktion gewährleistet werden kann. Bestandteil dieser Arbeit ist eine Analyse und ein Überblick über Methoden zur Optimierung von Blickwinkeln in der Röntgen-CT, einschließlich der Optimierung von Kreis-Trajektorien, der dynamischen Abtastung kontinuierlicher Trajektorien und der Optimierung von Mengen beliebiger Blickwinkel. Es werden fünf Schlüsselkomponenten für jede Optimierung von Blickwinkel für CT identifiziert: das Ziel der Optimierung, das Vorwissen, die Parametrisierung, die Gütefunktion und das Optimierungsverfahren selbst. Um sicherzustellen, dass Blickwinkel für eine hinreichend große, zuverlässig interpretierbare Datenmenge für eine vollständige CT-Rekonstruktion erzeugt werden, werden Bedingungen und Gütekriterien für die Datenvollständigkeit von CT-Scans entwickelt. Erstens werden die Tuy-Smith-Bedingung und das Nyquist-Shannon- Sampling-Theorem zusammengeführt, um eine Datenvollständigkeitsbedingung für Mengen beliebiger Blickwinkel zu generieren, bei der die zugehörigen Positionen der Röntgenquelle nicht auf einer kontinuierlichen Kurve liegen müssen. Zweitens wird diese Bedingung für Scans an dichten, metallischen Objekten erweitert, indem diejenigen Daten ausgeschlossen werden, die als nicht zuverlässig interpretierbar identifiziert werden. Drittens werden quantitative Gütemaße zur Bewertung der zur Vollständigkeit interpretierbarer Daten beliebiger CT-Scans abgeleitet. Auf der Basis dieser Qualitätsmaße werden Optimierungsverfahren für kontinuierliche Trajektorien sowie für Mengen für beliebige Blickwinkel entwickelt. Diese Verfahren optimieren Blickwinkel objektspezifisch für beliebige, auswählbare Objektregionen, nicht aber für die Erkennung von zuvor definierten Oberflächen oder anderer sogenannter Tasks. So wird sichergestellt, dass auch unerwartete Defekte oder Abweichungen in den definierten Regionen bestmöglich digitalisiert werden. Für industrielle Standard-CT-Systeme werden Methoden zur Optimierung der Objektposition sowie Methoden zur Optimierung und Fusion mehrerer Scans mit unterschiedlichen Objektpositionen präsentiert. Für Roboter-CT-Systeme werden Methoden zur Optimierung von Mengen beliebiger Blickwinkel entwickelt. In Experimenten, sowohl an simulierten als auch an realen Daten, wird demonstriert, dass die entwickelten Metriken zur Datenvollständigkeit mit bewährten, quantitativen Maßen der Bildqualität korrelieren. Die Experimente zeigen, dass das Konzept der Multipositionale CT zur Reduzierung von Artefakten eingesetzt werden kann. Das bestehende Repertoire an Methoden zur Artefaktreduktion kann somit durch die Multipositionale CT erweitert werden. Mit einem ausführlichen Ausblick auf potentielle Erweiterungen und Verbesserungen des Konzepts Multipositionale CT besteht das letztliche Ziel dieser Arbeit darin, einen Grundstein für den Einsatz autonomer, robotergestützter CT-Systeme in der Industrie zu legen.
Databáze: OpenAIRE