-
Die Erfindung betrifft ein Verfahren zur Rekonstruktion von Bilddaten eines Untersuchungsobjektes aus Messdaten, wobei die Messdaten bei einer relativen Rotationsbewegung zwischen einer Strahlungsquelle eines Computertomographiesystems und dem Untersuchungsobjekt erfasst wurden.
-
Verfahren zur Abtastung eines Untersuchungsobjektes mit einem CT-System sind allgemein bekannt. Hierbei werden beispielsweise Kreisabtastungen, sequentielle Kreisabtastungen mit Vorschub oder Spiralabtastungen verwendet. Bei diesen Abtastungen werden mit Hilfe mindestens einer Röntgenquelle und mindestens eines gegenüberliegenden Detektors Absorptionsdaten des Untersuchungsobjektes aus unterschiedlichen Aufnahmewinkeln aufgenommen und diese so gesammelten Absorptionsdaten bzw. Projektionen mittels entsprechender Rekonstruktionsverfahren zu Schnittbildern durch das Untersuchungsobjekt verrechnet.
-
Zur Rekonstruktion von computertomographischen Bildern aus Röntgen-CT-Datensätzen eines Computertomographiegeräts (CT-Geräts), d. h. aus den erfassten Projektionen, wird heutzutage als Standardverfahren ein so genanntes gefiltertes Rückprojektionsverfahren (Filtered Back Projection; FBP) eingesetzt. Nach der Datenerfassung wird ein so genannter ”Rebinning”-Schritt durchgeführt, in dem die mit dem fächerförmig sich von der Quelle ausbreitenden Strahl erzeugten Daten so umgeordnet werden, dass sie in einer Form vorliegen, wie wenn der Detektor von parallel auf den Detektor zulaufenden Röntgenstrahlen getroffen würde. Die Daten werden dann in den Frequenzbereich transformiert. Im Frequenzbereich findet eine Filterung statt, und anschließend werden die gefilterten Daten rücktransformiert. Mit Hilfe der so umsortierten und gefilterten Daten erfolgt dann eine Rückprojektion auf die einzelnen Voxel innerhalb des interessierenden Volumens. Bei der klassischen FBP-Methoden ist die Bildschärfe an das Bildrauschen gekoppelt. Je höher die erreichte Schärfe ist, desto höher ist auch das Bildrauschen und umgekehrt.
-
Während der Erfassung der CT-Messdaten wird das Untersuchungsobjekt, in der Regel ein Patient, einer Röntgenstrahlungsdosis ausgesetzt. Da diese Strahlung für das Untersuchungsobjekt i. d. R. nicht unschädlich ist, wird angestrebt, mit einer möglichst geringen Strahlungsbelastung auszukommen. Die verwendete Dosis hängt jedoch direkt mit dem Bildrauschen in den aus den CT-Messdaten rekonstruierten Bilddaten zusammen: eine Verringerung der Dosis führt zu einer Erhöhung des Rauschens. Um eine bestimme Strahlungsdosis möglichst gut auszunutzen, ist es daher erstrebenswert, Bildrekonstruktionsverfahren anzuwenden, welche das Rauschen in CT-Bildern effizient reduzieren.
-
Der Erfindung liegt die Aufgabe zugrunde, ein Verfahren zur Rekonstruktion von CT-Bildern aufzuzeigen, welche wenig Rauschen aufweisen sollen. Ferner sollen eine entsprechende Steuer- und Recheneinheit, ein CT-System, ein Computerprogramm und ein Computerprogrammprodukt aufgezeigt werden.
-
Diese Aufgabe wird durch Verfahren mit den Merkmalen des Anspruchs 1, sowie durch eine Steuer- und Recheneinheit, ein CT-System, ein Computerprogramm und ein Computerprogrammprodukt mit Merkmalen von nebengeordneten Ansprüchen gelöst. Vorteilhafte Ausgestaltungen und Weiterbildungen sind Gegenstand von Unteransprüchen.
-
Dem erfindungsgemäßen Verfahren zur Rekonstruktion von Bilddaten eines Untersuchungsobjektes liegen Messdaten zugrunde, welche bei einer relativen Rotationsbewegung zwischen einer Strahlungsquelle eines Computertomographiesystems und dem Untersuchungsobjekt erfasst wurden. Aus den Messdaten werden Bilddaten des Untersuchungsobjektes ermittelt. Neue Bilddaten werden durch eine rauschreduzierende Bearbeitung der Bilddaten gewonnen, bei welcher eine gewichtete Hochpassfilterung der Bilddaten erfolgt, wobei die Wichtung Unterschiede zwischen Bildpunktwerten verschiedener Bildpunkte derart berücksichtigt, dass größer werdende Unterschiede zu einer schwächeren Hochpasswirkung führen. Unter Verwendung der gewichteten Hochpassfilterung erfolgt eine rauschreduzierende Glättung der Bilddaten.
-
Es werden also zunächst Bilddaten rekonstruiert. Somit liegt bereits ein Bild des Untersuchungsobjektes vor. Zur Berechung des Bildes aus den Messdaten können hierbei an sich bekannte Rekonstruktionsverfahren zum Einsatz kommen, insbesondere ein gefiltertes Rückprojektionsverfahren. Das Bild kann zwei- oder dreidimensional sein. Dieses Bild wird nun mit dem Ziel bearbeitet, das Bildrauschen zu reduzieren.
-
Die rauschreduzierende Bearbeitung umfasst zumindest zwei Schritte. Zum einen erfolgt die gewichtete Hochpassfilterung der Bilddaten. Die Wichtung bewirkt hierbei, dass von einer normalen Hochpassfilterung, z. B. unter Verwendung eines Laplace-Filters, abgewichen wird. Bei der Wichtung werden Unterschiede zwischen Bildpunktwerten verschiedener Bildpunkte betrachtet: abhängig davon, wie unterschiedlich die Bildpunktwerte zweier Bildpunkte sind, geht einer der Bildpunkte in die Berechnung des hochpassgefilterten Wertes des anderen Bildpunktes mehr oder weniger ein. Hierbei führt – zumindest in einem bestimmten Wertebereich von Bildpunktwertunterschieden – ein steigender Unterschied zu einer schwächeren Hochpasswirkung.
-
Nach Berechnung der gewichteten Hochpassfilterung liegt ein hochpassgefiltertes Bild vor. Dieses wird verwendet, um eine rauschreduzierrende Glättung der Bilddaten durchzuführen und somit die neuen Bilddaten zu erhalten.
-
Besonders vorteilhaft ist es, wenn die Gewinnung der neuen Bilddaten durch Bearbeitung der Bilddaten ohne Verwendung der Messdaten erfolgt. Dies steht im Gegensatz zu einem iterativen Rekonstruktionsalgorithmus, bei welchem nach einer Bildberechnung ausgehend von diesem Bild Projektionsdaten berechnet und mit den Messdaten verglichen werden, um unter Verwendung einer bestehenden Abweichung zwischen den berechneten Projektionsdaten und den Messdaten neue Bilddaten zu berechnen. Vorliegend werden hingegen nur die Bilddaten benötigt, um hieraus verbesserte Bilddaten zu berechnen, ohne dass erneut die Messdaten betrachtet werden.
-
In Ausgestaltung der Erfindung werden die neuen Bilddaten als Ergebnisbilddaten ausgegeben. Nach der rauschreduzierenden Bearbeitung liegen also bereits Bilddaten vor, welche nicht mehr Grundlage einer weiteren Berechnung zur Reduzierung des Bildrauschens sind. Alternativ hierzu können im Anschluss auch die neuen Bilddaten der rauschreduzierenden Bearbeitung unterzogen werden. Letzteres bedeutet, dass die gleichen Verfahrensschritte, welche zuvor ausgehend von den Bilddaten zur Berechnung der neuen Bilddaten durchgeführt wurden, nun durchgeführt werden, um die neuen Bilddaten weiter zu bearbeiten.
-
In Weiterbildung der Erfindung erfolgt die rauschreduzierende Glättung unter Verwendung der gewichteten Hochpassfilterung, indem die hochpassgefilterten Bilddaten von den Bilddaten abgezogen werden. Bei dieser Differenzbildung können gegebenenfalls Wichtungsfaktoren eingesetzt werden, d. h. die hochpassgefilterten Bilddaten können mit einem Faktor, welcher sich gegebenenfalls von Bildpunkt zu Bildpunkt unterscheiden kann, multipliziert werden, um derart multipliziert von den Bilddaten abgezogen zu werden. Das Abziehen von hochpassgefilterten Bilddaten von den Bilddaten entspricht einer Tiefpasswirkung. Auf diese Weise kann eine Glättung erzielt werden.
-
Nach einer besonders bevorzugten Weiterbildung der Erfindung erfolgt die Wichtung mittels einer Funktion, welche zunächst linear und bei größer werdendem Argument schwächer als linear ansteigt. Betrachtet man die Funktion in Richtung ihres ansteigenden Argumentes, so ist sie in der Nähe des Wertes 0 des Argumentes zunächst linear. Später, d. h. bei größer werdendem Argument sinkt die Steigung der Funktion gegenüber dem linearen Verlauf. Hierbei ist es möglich, dass die Funktion zunächst linear und bei größer werdendem Argument schwächer als linear ansteigt und bei noch größer werdendem Argument abfällt; in diesem Fall wechselt die Steigung der Funktion also ihr Vorzeichen. Ferner ist es möglich, dass die Funktion zunächst linear und bei größer werdendem Argument schwächer als linear ansteigt und bei noch größer werdendem Argument abfällt und bei noch größer werdendem Argument ihr Vorzeichen wechselt. Diese verschiedenen Ausgestaltungen der Funktion ermöglichen es, die Unterschiede zwischen Bildpunktwerten auf verschiedene Weise bei der Wichtung der Hochpassfilterung einfließen zu lassen. Vorzugsweise enthält das Argument der Funktion hierzu den Unterschied zwischen Bildpunktwerten zweier Bildpunkte. Überdies ist es vorteilhaft, wenn das Argument der Funktion das Rauschen an einem der zwei Bildpunkte enthält bzw. berücksichtigt.
-
In Weiterbildung der Erfindung wird bildpunktweise eine Größe ermittelt, welche zwischen homogenen Bereiche und Kanten innerhalb der Bilddaten unterscheidet, und die Größe entscheidet bildpunktweise über die Stärke der Verwendung der gewichteten Hochpassfilterung bei der rauschreduzierenden Glättung der Bilddaten. Eine Kante bedeutet hierbei, dass an der betreffenden Stelle des Bildes ein Wechsel von einer Gewebe- oder Materialart zu einer anderen Gewebe- oder Materialart vorhanden ist, welcher sich in einem Unterschied der CT-Werte bemerkbar macht. Auf diese Weise kann für jeden Bildpunkt, abhängig davon, ob er sich in einem homogenen Bildbereich oder einem Bildbereich mit Struktur befindet, die gewichtete Hochpassfilterung in verschiedenem Ausmaß in die Berechnung des neuen Bildes eingehen. Hierbei muss die Größe nicht als digitale Größe zwischen homogenen Bereich und Kante entscheiden, vielmehr ist es vorteilhaft, wenn sie auch Zwischenwerte angibt.
-
Einer Ausgestaltung der Erfindung gemäß erfolgt zusätzlich zur rauschreduzierenden Glättung eine Tiefpassfilterung, wobei die Größe bildpunktweise über die Stärke der Tiefpassfilterung entscheidet. Zur Rauschreduzierung wird also nicht nur die gewichtete Hochpassfilterung vorgenommen, sondern daneben auch eine Tiefpassfilterung. Die zusätzliche Verwendung der Tiefpassfilterung erfolgt vorzugsweise durch eine Addition. Dadurch, dass die Größe über die Stärke der Berücksichtigung der Tiefpassfilterung entscheidet, kann auf diese Weise für jeden Bildpunkt, abhängig davon, ob er sich in einem homogenen Bildbereich oder einem Bildbereich mit Struktur befindet, die Tiefpassfilterung in verschiedenem Ausmaß in die Berechnung des neuen Bildes eingehen.
-
Günstig ist es, wenn die Größe Werte zwischen 0 und 1 annimmt, wobei der Wert 0 einer Kante und der Wert 1 einem homogenen Bereich entspricht. Anhand des Wertes der Größe kann man ablesen, ob sich ein Bildpunkt in einem homogenen Bildbereich oder einem Bildbereich mit Struktur befindet: je größer der Wert der Größe ist, desto homogener ist der jeweilige Bildbereich.
-
In Ausgestaltung der Erfindung wird zur Berechnung der Größe eine Hochpassfilterung der Bilddaten und eine bildpunktweise Rauschwertbestimmung durchgeführt. In diesem Fall kann die Größe mittels einer Gauß-Funktion berechnet werden, welche pro Bildpunkt von einem Quotienten aus einem hochpassgefilterten Bildpunktwert und einem Rauschwert abhängt.
-
Einer Weiterbildung der Erfindung gemäß bewirkt die rauschreduzierende Bearbeitung eine kontrastabhängige Rauschverminderung der Bilddaten. Es wird also nicht gleichmäßig über das gesamte Bild geglättet, wodurch Schärfe verloren gehen würde; vielmehr wird Rauschen besonders an kontrastarmen Stellen der Bilddaten weggenommen, während in kontrastreichen Stellen auf eine Erhaltung der Schärfe geachtet wird.
-
Nach einer Weiterbildung der Erfindung liegen die Bilddaten als zeitliche Folge von Bilddaten vor, und die rauschreduzierende Bearbeitung wird sowohl in der Orts- als auch in der Zeitdimension durchgeführt. In diesem Fall handelt es sich bei den Bilddaten um drei- oder vierdimensionale Daten, wobei eine dieser Dimensionen die Zeit ist. Diese Dimension kann bei der rauschvermindernden Bearbeitung der Bilddaten in gleicher Weise behandelt werden wie die zwei oder drei Raumdimensionen.
-
Die erfindungsgemäße Steuer- und Recheneinheit dient der Rekonstruktion von Bilddaten eines Untersuchungsobjektes aus Messdaten eines CT-Systems. Sie umfasst einen Programmspeicher zur Speicherung von Programmcode, wobei hierin – gegebenenfalls unter anderem – Programmcode vorliegt, der geeignet ist, ein Verfahren der oben beschriebenen Art auszuführen. Das erfindungsgemäße CT-System umfasst eine solche Steuer- und Recheneinheit. Ferner kann es sonstige Bestandteile enthalten, welche z. B. zur Erfassung von Messdaten benötigt werden.
-
Das erfindungsgemäße Computerprogramm verfügt über Programmcode-Mittel, die geeignet sind, das Verfahren der oben beschriebenen Art durchzuführen, wenn das Computerprogramm auf einem Computer ausgeführt wird.
-
Das erfindungsgemäße Computerprogrammprodukt umfasst auf einem computerlesbaren Datenträger gespeicherte Programmcode-Mittel, die geeignet sind, das Verfahren der oben beschriebenen Art durchzuführen, wenn das Computerprogramm auf einem Computer ausgeführt wird.
-
Im Folgenden wird die Erfindung anhand eines Ausführungsbeispiels näher erläutert. Dabei zeigen:
-
1: eine erste schematische Darstellung eines Ausführungsbeispiels eines Computertomographiesystems mit einem Bildrekonstruktionsbestandteil,
-
2: eine zweite schematische Darstellung eines Ausführungsbeispiels eines Computertomographiesystems mit einem Bildrekonstruktionsbestandteil,
-
3: ein Flussdiagramm,
-
4: eine erste Influenz-Funktion,
-
5: eine zweite Influenz-Funktion,
-
6: eine Reihe von unterschiedlich bearbeiteten CT-Bildern.
-
In 1 ist zunächst schematisch ein erstes Computertomographiesystem C1 mit einer Bildrekonstruktionseinrichtung C21 dargestellt. In dem Gantrygehäuse C6 befindet sich eine hier nicht gezeichnete geschlossene Gantry, auf der eine erste Röntgenröhre C2 mit einem gegenüberliegenden Detektor C3 angeordnet sind. Optional ist in dem hier gezeigten CT-System eine zweite Röntgenröhre C4 mit einem gegenüberliegenden Detektor C5 angeordnet, so dass durch die zusätzlich zur Verfügung stehende Strahler-/Detektorkombination eine höhere Zeitauflösung erreicht werden kann, oder bei der Verwendung unterschiedlicher Röntgenenergiespektren in den Strahler-/Detektorsystemen auch „Dual-Energy”-Untersuchungen durchgeführt werden können.
-
Das CT-System C1 verfügt weiterhin über eine Patientenliege C8, auf der ein Patient bei der Untersuchung entlang einer Systemachse C9, auch als z-Achse bezeichnet, in das Messfeld geschoben werden kann, wobei die Abtastung selbst sowohl als reiner Kreisscan ohne Vorschub des Patienten ausschließlich im interessierten Untersuchungsbereich stattfinden kann. Hierbei rotiert jeweils die Röntgenquelle C2 bzw. C4 um den Patienten. Parallel läuft dabei gegenüber der Röntgenquelle C2 bzw. C4 der Detektor C3 bzw. C5 mit, um Projektionsmessdaten zu erfassen, die dann zur Rekonstruktion von Schnittbildern genutzt werden. Alternativ zu einem sequentiellen Scan, bei dem der Patient schrittweise zwischen den einzelnen Scans durch das Untersuchungsfeld geschoben wird, ist selbstverständlich auch die Möglichkeit eines Spiralscans gegeben, bei dem der Patient während der umlaufenden Abtastung mit der Röntgenstrahlung kontinuierlich entlang der Systemachse C9 durch das Untersuchungsfeld zwischen Röntgenröhre C2 bzw. C4 und Detektor C3 bzw. C5 geschoben wird. Durch die Bewegung des Patienten entlang der Achse C9 und den gleichzeitigen Umlauf der Röntgenquelle C2 bzw. C4 ergibt sich bei einem Spiralscan für die Röntgenquelle C2 bzw. C4 relativ zum Patienten während der Messung eine Helixbahn. Diese Bahn kann auch dadurch erreicht werden, indem die Gantry bei unbewegtem Patienten entlang der Achse C9 verschoben wird.
-
Gesteuert wird das CT-System 10 durch eine Steuer- und Recheneinheit C10 mit in einem Speicher vorliegendem Computerprogrammcode Prg1 bis Prgn. Von der Steuer- und Recheneinheit C10 aus können über eine Steuerschnittstelle 24 Akquisitionssteuersignale AS übertragen werden, um das CT-System C1 gemäß bestimmter Messprotokolle anzusteuern.
-
Die vom Detektor C3 bzw. C5 akquirierten Projektionsmessdaten p (im Folgenden auch Rohdaten genannt) werden über eine Rohdatenschnittstelle C23 an die Steuer- und Recheneinheit C10 übergeben. Diese Rohdaten p werden dann, gegebenenfalls nach einer geeigneten Vorverarbeitung, in einem Bildrekonstruktionsbestandteil C21 weiterverarbeitet. Der Bildrekonstruktionsbestandteil C21 ist bei diesem Ausführungsbeispiel in der Steuer- und Recheneinheit C10 in Form von Software auf einem Prozessor realisiert, z. B. in Form einer oder mehrerer der Computerprogrammcodes Prg1 bis Prgn. Die von dem Bildrekonstruktionsbestandteil C21 rekonstruierten Bilddaten f werden dann in einem Speicher C22 der Steuer- und Recheneinheit C10 hinterlegt und/oder in üblicher Weise auf dem Bildschirm der Steuer- und Recheneinheit C10 ausgegeben. Sie können auch über eine in 1 nicht dargestellte Schnittstelle in ein an das Computertomographiesystem C1 angeschlossenes Netz, beispielsweise ein radiologisches Informationssystem (RIS), einspeist und in einem dort zugänglichen Massenspeicher hinterlegt oder als Bilder ausgegeben werden.
-
Die Steuer- und Recheinheit C10 kann zusätzlich auch die Funktion eines EKGs ausführen, wobei eine Leitung C12 zur Ableitung der EKG-Potenziale zwischen Patient und Steuer- und Recheneinheit C10 verwendet wird. Zusätzlich verfügt das in der 1 gezeigte CT-System C1 auch über einen Kontrastmittelinjektor C11, über den zusätzlich Kontrastmittel in den Blutkreislauf des Patienten injiziert werden kann, so dass die Gefäße des Patienten, insbesondere die Herzkammern des schlagenden Herzens, besser dargestellt werden können. Außerdem besteht hiermit auch die Möglichkeit, Perfusionsmessungen durchzuführen, für die sich das vorgeschlagene Verfahren ebenfalls eignet.
-
Die 2 zeigt ein C-Bogen-System, bei dem im Gegensatz zum CT-System der 1 das Gehäuse C6 den C-Bogen C7 trägt, an dem einerseits die Röntgenröhre C2 und andererseits der gegenüberliegende Detektor C3 befestigt sind. Der C-Bogen C7 wird für eine Abtastung ebenfalls um eine Systemachse C9 geschwenkt, so dass eine Abtastung aus einer Vielzahl von Abtastwinkeln stattfinden kann und entsprechende Projektionsdaten p aus einer Vielzahl von Projektionswinkeln ermittelt werden können. Das C-Bogen-System C1 der 2 verfügt ebenso wie das CT-System aus der 1 über eine Steuer- und Recheneinheit C10 der zu 1 beschriebenen Art.
-
Die Erfindung ist in beiden der in den 1 und 2 gezeigten Systeme anwendbar. Ferner ist sie grundsätzlich auch für andere CT-Systeme einsetzbar, z. B. für CT-Systeme mit einem einen vollständigen Ring bildenden Detektor.
-
Da in den von der Recheneinheit C10 rekonstruierten CT-Bildern klinisch relevante Informationen enthalten sind, ist es besonders wichtig, dass diese Bilder aussagekräftig sind. Z. B. sollen auch kleine Tumore hierin erkennbar sein, d. h. sich gut von dem umgebenden Gewebe unterscheiden und hinsichtlich ihrer Größe und Lage identifizierbar sind. Daher wird angestrebt, eine Rauschreduktion in den CT-Bildern bei gleichzeitiger Erhaltung oder sogar Steigerung der Sichtbarkeit von Detailinformation vorzunehmen. Hierdurch kann bei reduzierter Strahlungsdosis dieselbe Bildqualität bzw. bei gleicher Dosis eine höhere Bildqualität erzielt werden.
-
Grundsätzlich lässt sich das Rauschen in einem CT-Bild reduzieren, indem glättende Bildfilter in Form von linearen Tiefpassfiltern angewandt werden. Von Nachteil hierbei ist jedoch, dass gleichzeitig die Bildschärfe abnimmt, wodurch Detailinformationen aus dem CT-Bild entfernt werden. Um die Bildschärfe einzuschätzen, kann man die Steilheit einer Kante in einem CT-Bild betrachten, welche einem idealen Kantensprung innerhalb des realen Untersuchungsobjektes entspricht. Je steiler die Kante innerhalb des CT-Bildes ist, desto schärfer ist das CT-Bild. Eine aufgrund einer Rauschverminderung erfolgte Glättung führt zu einer Verwaschung der Kante, so dass deren Steilheit und somit die Bildschärfe abnimmt.
-
Im Folgenden wird ein Verfahren beschrieben, welches das Rauschen eines CT-Bildes besonders effizient verringert. Das Verfahren erhält hierbei die Detailinformationen des CT-Bildes, d. h. die Schärfe wird nicht oder kaum reduziert. Gleichzeitig wird der Bereich um Kanten herum bei der Rauschreduktion nicht ausgeklammert; vielmehr ist die Rauschreduktion auch in diesen Bildbereichen wirksam. Ferner ändert das Rauschverminderungsverfahren nicht die CT-typische Rauschtextur. CT-Bilder weisen nämlich ein typisches Rauschleistungsspektrum auf, an welches CT-Bilder auswertende Personen, insbesondere Radiologen, gewöhnt sind. Aufgrund dieses Gewohnheits- bzw. Trainingseffektes ist es unterwünscht, eine grundlegende Veränderung der statistischen Eigenschaften des Bildrauschens herbeizuführen.
-
Ein Ablaufdiagramm des Verfahrens ist in 3 dargestellt. Zu Beginn wird aus den Messdaten ein Ausgangsbild Pic0 des Untersuchungsobjektes rekonstruiert. Das Ausgangsbild Pic0 wird im Folgenden zur Rauschverminderung bearbeitet. Es erfolgt eine mehrfache Bearbeitung, wobei jeweils das zuletzt erhaltene Bild der nächsten Bearbeitung zugrunde gelegt wird. Die Bildbearbeitung ist also iterativ. Der Index 0 des Ausgangsbilds Pic0 zeigt an, dass das Bild noch keiner rauschvermindernden Bearbeitung unterzogen wurde, es sich also um das Bild der 0-ten Iteration handelt. Entsprechend handelt es sich bei dem Bild Pick um das Bild der k-ten Iteration. Die Vorgänge innerhalb einer einzelnen Iteration befinden sich in dem strichlierten Kasten der 3.
-
Bei den Bildern Pic0 und Pick kann es sich um zweidimensionale Schichtbilder oder um dreidimensionale Volumenbilder handeln. In ersterem Fall liegt eine Vielzahl von Pixeln vor, welchen jeweils ein Bildwert zugeordnet ist; im zweiten Fall liegt eine Vielzahl von Voxeln vor, welchen jeweils ein Bildwert zugeordnet ist. Im Folgenden werden ohne Beschränkung der Allgemeinheit dreidimensionale Bilder betrachtet. Die Bildwerte der einzelnen Voxel werden mit V (k) / x,z,y bezeichnet, wobei der Index k die Iteration und x, y, z die Lage des Voxels innerhalb des Untersuchungsobjektes angibt.
-
Im Schritt σ wird das lokale Bildrauschen des Bildes Pic
k abgeschätzt. Es wird also für jedes Voxel ein Rauschwert
σ (k) / x,z,y bestimmt. Es können verschiedene Verfahren zur Rauschabschätzung zum Einsatz kommen, z. B. das in dem Dokument
DE 10 2005 038 940 B4 beschriebene. Hier werden für jedes Voxel Varianzen entlang einiger durch das Voxel verlaufender Linien berechnet. Die Bildwerte entlang einer Linie werden also als statistisches Ensemble angesehen und die Varianz dieses Ensembles wird berechnet. Somit werden mehrere eindimensionale Varianzen in verschiedene Raumrichtungen berechnet. Die kleinste dieser Varianzen wird als Ergebniswert
σ (k) / x,z,y für das jeweilige Voxel am Ort x, y, z ausgegeben. Der Grund für die Verwendung des kleinsten Wertes liegt darin, dass für Linien, welche durch Kanten bzw. vorhandene Strukturen verlaufen, ein großer Varianz-Wert erhalten wird. Durch
σ (k) / x,z,y soll jedoch nicht das Vorhandensein von Strukturen in der Umgebung des jeweiligen Voxels erkannt werden, sondern ein Maß für das Rauschen zur Verfügung gestellt werden. Bei dem kleinsten Varianz-Wert kann davon ausgegangen werden, dass dieser typischerweise durch Rauschen und nicht durch Struktur geprägt ist.
-
Im Schritt E wird pro Voxel aus dem Bild Pic
k ein Kantenwert
E (k) / x,z,y berechnet. Hierzu wird ein kantendetektierender Filter auf das Bild Pic
k angewandt. Z. B. eignet sich die Verwendung des bekannten Laplace-Filters K gemäß
-
Hierbei bedeutet K·V( k ) die Durchführung einer dreidimensionalen Faltung des Bildes Pick mit dem Laplace-Filter K. Man erhält also für jedes Voxel einen E-Wert E (k) / x,z,y , wobei ein großer E-Wert das Vorhandensein einer Kante am Ort x, y, z des jeweiligen Voxels anzeigt.
-
Im Schritt β wird aus dem Rauschwert
σ (k) / x,z,y und dem Kantenwert
E (k) / x,z,y eine voxelabhängige Gewichtsfunktion
β (k) / x,z,y bestimmt. Diese wird so bestimmt, dass sie die Eigenschaft aufweist, dass sie in der Nähe von Kanten Werte gegen 0 annimmt, während in homogenen Bildbereichen ihre Werte 1 anstreben. Vorteilhafterweise wird
β (k) / x,z,y durch eine Gauß-Funktion definiert:
-
Der wählbare Parameter cβ erlaubt die Einstellung der Empfindlichkeit.
-
In homogenen Bereichen, wo also keine Kanten vorhanden sind, weist
E (k) / x,z,y kleine Werte auf, so dass
β (k) / x,z,y in etwa 1 ist. Hingegen weist
E (k) / x,z,y bei Kanten große Werte auf, so dass
β (k) / x,z,y sehr klein ist. Dadurch, dass nicht
E (k) / x,z,y , sondern
eingeht, wird lokal das Kontrast-zu-Rausch Verhältnis (CNR: Contrast to Noise Ratio) berücksichtigt. Durch den Bezug auf
σ (k) / x,z,y wird also bewertet, ob eine signifikante Struktur oder lediglich ein hohes Rauschen vorhanden ist. Interessant ist also nicht der Kontrast alleine, welcher sich in dem Kantenwert
E (k) / x,z,y widerspiegelt, sondern das Verhältnis von Kontrast zu Rauschen.
-
Im Schritt U wird aus dem Bild Pick ein geglättetes Bild mit Bildwerten U (k) / x,z,y berechnet. Dies kann durch Faltung mit einem dreidimensionalen Tiefpass T, wie z. B. einem Gauß-Filter, erfolgen: U (k) / x,z,y = (T·V(k))x,z,y Formel (3)
-
Im Schritt R wird aus dem Bild Pic
k unter Verwendung von
σ (k) / x,z,y ein Regularisierungsbild mit Bildwerten
R (k) / x,z,y berechnet:
-
Hierbei stellt der Operator D einen herkömmlichen Hochpass dar, welcher z. B. durch einen Laplace-Filter realisiert werden kann. Die Influenz-Funktion G wichtet den Hochpass D abhängig von der Differenz zwischen Bildwerten des jeweils betrachteten Voxels am Ort x, y, z und den Bildwerten der direkt oder ferner benachbarten Voxel am Ort x + j, y + m, z + n. Sie erfüllt vorteilhafterweise die Eigenschaften
G(–x) = –G(x), d. h. sie ist asymmetrisch, und
G(ε) > 0, d. h. für kleine positive Werte ist G positiv.
-
Durch Anwendung von D würde eine „normale” Hochpassfilterung des Bildes Pic
k erfolgen. Die Influenz-Funktion bewirkt eine Abweichung vom „normalen” Hochpass D, und zwar abhängig vom CNR. Die Argumente von G sind nämlich einerseits die Differenz
V (k) / x+j,y+m,z+n - V (k) / x,y,z von Bildwerten. Andererseits wird auch
σ (k) / x,z,y als Argument von G eingesetzt; es ist von Vorteil, die Differenz der Bildwerte auf den lokalen Rauschwert zu beziehen, um die Regularisierung auf diese Weise unabhängig vom lokalen Rauschen auszuführen. Hierzu wird definiert:
-
Ein konkretes Beispiel für eine Influenz-Funktion G ~(t) ist
-
Diese ist in 4 abgebildet, wobei c0 = 4 und p = 2 gewählt wurde. Es ist zu erkennen, dass die Influenz-Funktion G ~(t) zu Beginn, d. h. in der Nähe des Wertes 0, linear ist. D. h. Voxel mit einem ähnlichen Bildwert wie das jeweils betrachtete Voxel gehen linear in den Hochpass ein; dies entspricht der „normalen” Anwendung des Hochpasses. Mit größer werdendem Argument – dies entspricht einer größeren Werteabweichung zwischen dem Bildwert eines Voxels zum Bildwert des jeweils betrachteten Voxels am Ort x, y, z – weicht die Influenz-Funktion von der Linearität ab: sie steigt zunächst weniger als linear an, um schließlich sogar abzufallen. Fallende G-Werte bedeuten, dass die jeweiligen Voxel bei der Hochpass-Berechnung weniger Berücksichtigung finden. Dadurch, dass auch σ (k) / x,z,y in G eingeht, wird eine Hochpass-Filterwirkung erreicht, die mit steigendem CNR abnimmt.
-
Die Abnahme der Hochpasswirkung ist in
4 durch die Kurve
kenntlich gemacht. Je mehr diese Kurve vom Wert 1 abweicht, desto mehr weicht die Influenz-Funktion G ~(t) von der Linearität ab. In Formel (4) ist c
0 = 4 dasjenige CNR, bei welchem die Wirkung der Influenz-Funktion auf den Wert ½ abgenommen hat, d. h. gegenüber einem „normalen” Hochpass tragen diese Voxel nur noch um die Hälfte bei.
-
Die Wirkung der Influenz-Funktion aus 4 ist also, dass kleine und mittlere Kanten in dem hochpassgefilterten Bild, d. h. in dem Regularisierungsbild R (k) / x,z,y , gemäß der Hochpassfilterung enthalten sind. Größere Kanten hingegen werden bei der Hochpassfilterung nur wenig berücksichtigt, so dass sie kaum in dem Regularisierungsbild R (k) / x,z,y , sichtbar sind. Je näher der Influenz-Funktion dem Wert 0 kommt, desto unbedeutender werden die jeweiligen Kanten im Regularisierungsbild R (k) / x,z,y .
-
Es ist sogar möglich, die Influenz-Funktion so zu wählen, dass diese bei großen Argumenten ihr Vorzeichen wechselt. Ein Beispiel hierfür ist:
-
Diese Funktion ist für c0 = 4, c1 = 10 und p = 1.5 in 5 dargestellt. Wenn die Influenz-Funktion das Vorzeichen wechselt, bewirkt dies einen Wechsel des Vorzeichens des Filterkoeffizienten des Hochpasses D. Es findet in Bezug auf diese großen Kanten also ein Hochpassfilterung mit negativen Vorzeichen statt.
-
Grundsätzlich sollte die Influenz-Funktion so gewählt werden, dass sie zunächst linear ansteigt, um später weniger als linear anzusteigen. Diese Abweichung vom linearen Anstieg kann so gering ausgeprägt sein, dass die Steigung der Influenz-Funktion auch für große Argumente noch positiv ist. Die Steigung kann jedoch auch ihr Vorzeichen wechseln (s. 4), und auch die Influenz-Funktion kann in diesem Fall ihr Vorzeichen wechseln (s. 5).
-
Im nächsten und abschließenden Schritt der aktuellen Iteration wird nun das rauschverminderte Bild Pic
k +1 berechnet, wobei einerseits das Bild Pic
k und andererseits die hieraus in den Schritten U, R und β bestimmten Größen verwendet werden. Für die Berechnung der Bildwerte des Bildes Pic
k +l wird die folgende Formel verwendet:
-
Der erste Teil (I) in der eckigen Klammer stellt einen Hochpass dar: bei U handelt es sich um eine tiefpassgefilterte Version von V (k) / x,z,y , und durch dessen Abzug von dem Datensatz V (k) / x,z,y ergibt sich ein Hochpass.
-
Dieser erste Teil (I) dominiert rechte Seite der Formel (8) im homogenen Bildbereich, d. h. im Bereich mit β (k) / x,z,y ≈ 1 . In diesem Grenzfall lässt sich Formel (8) schreiben als V(k+1) ≈ (1 – γ(k) + γ(k)T)·V(k) Formel (9)
-
Dies entspricht einer Tiefpassfilterung des Bildes Pick (s. Formel (3): T ist ein Tiefpassoperator). Hierdurch kann also eine Glättung des Bildes Pick im homogenen Bereich erzielt werden. Dies ermöglicht das Einstellen des Rauschleistungsspektrums und somit eine direkte Kontrolle über die erwünschte Rauschtextur.
-
In den Bildbereichen hingegen, in welchen eine signifikante Struktur erkannt wurde ( β (k) / x,z,y ≈ 0 ), dominiert der zweite Teil (II) in der eckigen Klammer die rechte Seite von Formel (8). In diesem Grenzfall lässt sich Formel (8) schreiben als V(k+1) ≈ V(k) – γ(k)R(k) Formel (10)
-
Aufgrund des Abziehens des hochpassgefilterten Regularisierungsbildes R(k) ursprünglichen Bild V(k) entspricht dies einer Tiefpassfilterung. Diejenigen Kanten, welche aufgrund der Influenz-Funktion von der Hochpassfilterung ausgenommen oder zumindest wenig betroffen waren, sind dementsprechend auch von der Tiefpassfilterung wenig oder gar nicht betroffen. Diese Kanten werden also bei der Glättung ausgespart, sie bleiben also leicht vermindert oder unverändert erhalten. Für diejenigen Kanten, bei welchen aufgrund der Influenz-Funktion eine negative Hochpassfilterung durchgeführt wurde (s. 5), bewirkt das Abziehen des Regularisierungsbildes R(k) ursprünglichen Bild V(k) eine Hochpassfilterung. Diese Kanten werden also sogar verstärkt.
-
Insgesamt entspricht der Term (II) der Formel (8) also einer kantenselektiven Filterung. Durch eine geeignete Influenz-Funktion wird sichergestellt, dass die Kanten im Bild erhalten bleiben oder sogar verstärkt werden und somit kein Kontrastverlust eintritt.
-
Die eckige Klammer stellt insgesamt eine kantenselektiv mit einem Hochpass gefilterte Version des Datensatzes dar. Durch Abzug dieser Klammer von V (k+1) / x,z,y ergibt sich ein Tiefpass und somit eine Glättung des Bildes Pick. Somit ist das Ergebnis V (k+1) / x,z,y kantenerhaltend geglättet, wodurch das Rauschen reduziert wurde. Mithilfe von γ(k) lässt sich die Gesamtwirkung steuern.
-
Es liegt somit nach Durchführung aller Schritte innerhalb des strichlierten Kastens ein geglättetes Bild Pick +1 vor. Dieses kann als Ergebnisbild ausgegeben werden, oder einer erneuten rauschvermindernden Behandlung unterzogen werden. Vorzugsweise ist eine bestimmte Anzahl von Iterationen N vorgegeben, nach welchen das Verfahren beendet wird. Im Schritt k < N wird geprüft, ob diese Anzahl N an Iterationen bereits erreicht wurde. Trifft dies zu, entsprechend dem Ast N, wird das zuletzt berechnete Bild Pic als Ergebnisbild ausgegeben.
-
Trifft dies hingegen nicht zu, entsprechend dem Ast Y, wird das berechnete Bild Pick +1 einer erneuten Iteration unterzogen.
-
6 zeigt eine Reihe von CT-Bildern, welche die Auswirkungen der unterschiedlichen Verfahrensschritte der 3 illustrieren. 6A zeigt das Ausgangsbild Pic0. Hierbei handelt es sich um ein zweidimensionales Schnittbild durch den Brustkorb eines Patienten. Die beiden oberen nebeneinander angeordneten kreisförmigen Gebilde sind die rechte und die linke Herzkammer. Das schwarze Volumen rechts und links des Herzens ist die Lunge des Patienten. Am oberen Bildrand befindet sich der Brustkorb, und oberhalb des Brustkorbes befindet sich ein mit Kontrastmittel gefüllter Schlauch (weißer ausgefüllter Kreis).
-
6B zeigt die Kantenwerte E (l) / x,z,y . Man kann diesem Bild entnehmen, an welchen Stellen sich die Kanten, d. h. die Strukturen, innerhalb des Bildes der 6A befinden.
-
6C zeigt die Gewichtungsfunktion β (l) / x,z,y . Es ist deutlich zu erkennen, dass β (l) / x,z,y , im Bereich großer Variationen der Bildwerte des Bildes der 6A kleine Werte, dies entspricht dunklen Graustufen, annimmt, während β (l) / x,z,y in homogenen, strukturlosen Bereichen, größere Werte, dies entspricht helleren Graustufen, aufweist.
-
6D zeigt die Bildwerte nach der Tiefpassfilterung des Schrittes U. Gegenüber dem Bild der 6A ist dasjenige der 6D geglättet und somit weniger verrauscht, jedoch auch unschärfer.
-
6E zeigt das Regularisierungsbild R (l) / x,z,y . Im Gegensatz zum Kantendetektor der 6B liegt hier ein kantenselektiver Hochpassfilter vor, d. h. nur manche Kanten sind der Hochpassfilterung unterworfen, während andere nur in geringerem Ausmaß oder gar nicht in die Hochpassfilterung Eingang gefunden haben. Dies ist unmittelbar daran zu erkennen, dass in 6E mittelmäßig ausgeprägte Kanten im Gegensatz zu den schwachen Kanten nicht sichtbar sind. Denn aufgrund der Konstruktion der Influenzfunktion wird die Filterwirkung des Hochpasses bei größeren Differenzen der Pixelwerte reduziert. Im Beispiel der 6 wurde eine Funktion vom Typ der Formel (7) gewählt, so dass die Wirkung des Hochpasses bei großen Bildwertdifferenzen sogar umgekehrt wird. Dementsprechend sind sehr ausgeprägte Kanten in 6E sichtbar, jedoch in umgekehrter Weise als in 6B. Dies sieht man an dem Draht, welcher in 6B als weißer Punkt mit schwarzem Rand erscheint, während er in 6E als schwarzer Punkt mit weißem Rand erscheint. Dies führt im Endeffekt dazu, dass beim Vergleich von Pick mit Pick +1 moderate Kanten ihre ursprüngliche Schärfe beibehalten, während die Schärfe von Kanten mit sehr hohem CNR sogar gesteigert wird.
-
6F zeigt das Ergebnisbild nach der ersten Iteration, welches gemäß Formel (8) unter Verwendung der Bilder der 6A bis 6E berechnet wurde. Es weist gegenüber der 6A ein reduziertes Rauschen bei erhaltener bzw. sogar gesteigerter Schärfe von Strukturen auf.
-
Wiederholt man diese Schritte mehrmals, d. h. führt man mehrere Iterationen durch, werden die beiden Effekte der Rauschreduktion und der Schärfenverbesserung gesteigert. Bei 4 Iterationen wird das Rauschen auf diese Weise um ca. 80% reduziert. Dies entspricht rechnerisch dem Rauschniveau einer Messung bei der 30-fachen Dosis.
-
Wie bereits erwähnt kann die beschriebene Vorgehensweise sowohl auf zwei- als auch auf dreidimensionale Bilddaten angewandt werden. Hierbei gilt, dass bei Vorliegen von dreidimensionalen Bilddaten das Verfahren auch auf diesen gesamten Bilddatensatz angewandt werden sollte, und nicht nur auf jedes einzelne zweidimensionale Schichtbild. Denn durch das Einbeziehen der dritten Dimension wird bei der Filterung eine bessere Rauschreduktion ermöglicht als wenn nur zweidimensionale Filterungen durchgeführt würden.
-
Das Verfahren kann auch auf 4-dimensionale Bilddaten angewandt werden. Hierbei handelt es sich bei der vierten Dimension um die Zeit. (Entsprechendes gilt selbstverständlich, wenn die Zeit die dritte Dimension darstellt, also eine zeitliche Folge von zweidimensionalen Bildern vorliegt.)
-
Die Dimension der Zeit ist insbesondere bei bewegten Untersuchungsobjekten von Interesse. Ein typisches Beispiel für dynamische CT-Daten sind Aufnahmen des schlagenden Herzens, d. h. Cardio-CT-Aufnahmen, oder CT-Perfusionsmessungen. Bei der koronaren CTA werden die Koronargefäße in einer Ruhephase des Herzens, z. B. in der diastolischen Phase, abgebildet. Die optimale Phase kann z. B. durch eine Bewegungsanalyse einer Serie von CT-Bildern bestimmt werden. Ein vierdimensionales Bildvolumen erhält man, indem man in der Umgebung der optimalen Phase eine zeitliche Serie von Bildern des dreidimensionalen Herzvolumens rekonstruiert.
-
Neben den oben bereits erläuterten Zielen der effektiven Rauschreduktion bei gleichzeitiger Erhaltung bzw. Steigerung der Bildschärfe ist nun auch die zeitliche Schärfe, d. h. die Zeitauflösung, eine zu beachtende Größe. Denn bei einer glättenden Filterung über mehrere Zeitpunkte hinweg wird bei herkömmlichen Verfahren die Zeitauflösung verschlechtert. Zur Rauschreduktion könnte auch der Rekonstruktionsbereich vergrößert werden, d. h. es werden Messdaten eines längeren Messintervalls zur Bildrekonstruktion herangezogen. Auch dies verringert jedoch zwangsläufig die zeitliche Auflösung der Bilder.
-
Die Verschlechterung der zeitlichen Auflösung bei Durchführung einer rauschreduzierenden Bildglättung in der Dimension der Zeit lässt sich durch Anwendung des oben erläuterten Verfahrens vermeiden. Im Falle von dynamischen CT-Messungen wird die Formel (8) folgendermaßen modifiziert:
-
Die Bildpunkte V (k) / t,x,z,y liegen also nicht mehr in drei, sondern in vier Dimensionen vor. Dies bedeutet, dass man als Ausgangsbild Pic0 eine Folge von Bildern vorliegen hat, welche verschiedenen Messzeitpunkten entsprechen.
-
Hinsichtlich der Auswirkung der Terme (I) und (II) gelten die Ausführungen zu Formel (8) mit dem Unterschied, dass „Kanten” nun auch in der Zeitdimension auftreten können. Diese entsprechen im Unterschied zur Raumdimension nicht physikalischen Strukturen, sondern Veränderungen zwischen Bildern verschiedener Zeitpunkte aufgrund der Bewegung.
-
Die vierdimensionalen Filterungen müssen in Bezug auf jedes Voxel des interessierenden Volumens durchgeführt werden. Dies ist sehr aufwendig. Um den Rechenaufwand zu reduzieren, kann man sich darauf beschränken, als Ergebnisbild lediglich ein einziges dreidimensionales Bild, nämlich dasjenige des optimalen Phasenzeitpunktes, zu erhalten. Auf diese Weise wird die Anzahl von Zeitpunkten, deren Bilder für die Filterung in der Zeitdimension benötigt werden, eingeschränkt. Hat der Filter in der Zeitdimension beispielsweise die Reichweite 1, d. h. ein zeitlich benachbartes Bild zu jeder Seite des betrachteten Bildes wird für eine Hoch- oder Tiefpassfilterung benötigt, so müssten bei einer vierfachen Iteration bei der 0-ten Iteration 9 zeitlich aufeinanderfolgende Bilder verrechnet werden, bei der 1-ten Iteration nur noch 7, bei der 2-ten Iteration nur noch 5, und bei der letzten Iteration nur noch 3, um hierbei schließlich das zeitlich in der Mitte der anfänglichen 9 Bilder gelegene Bild als kantenerhaltend geglättetes Ergebnisbild auszugeben.
-
Die Erfindung wurde voranstehend an einem Ausführungsbeispiel beschrieben. Es versteht sich, dass zahlreiche Änderungen und Modifikationen möglich sind, ohne dass der Rahmen der Erfindung verlassen wird.
-
ZITATE ENTHALTEN IN DER BESCHREIBUNG
-
Diese Liste der vom Anmelder aufgeführten Dokumente wurde automatisiert erzeugt und ist ausschließlich zur besseren Information des Lesers aufgenommen. Die Liste ist nicht Bestandteil der deutschen Patent- bzw. Gebrauchsmusteranmeldung. Das DPMA übernimmt keinerlei Haftung für etwaige Fehler oder Auslassungen.
-
Zitierte Patentliteratur
-
- DE 102005038940 B4 [0043]