DE102012211518A1

DE102012211518A1 - Verfahren zur Rekonstruktion eines dreidimensionalen Bilddatensatzes aus Rohbilddaten

Info

Publication number: DE102012211518A1
Application number: DE201210211518
Authority: DE
Inventors: Dirk Ertel; Yiannis Kyriakou
Original assignee: Siemens AG
Current assignee: Siemens AG
Priority date: 2012-07-03
Filing date: 2012-07-03
Publication date: 2013-06-27

Abstract

Verfahren zur insbesondere iterativen Rekonstruktion eines dreidimensionalen Bilddatensatzes aus Rohbilddaten, insbesondere zweidimensionalen, unter unterschiedlichen Projektionsrichtungen aufgenommenen Projektionsbildern (6), eines Zielgebiets, wobei zur Initialisierung des Rekonstruktionsprozesses und/oder zur Korrektur der Rohbilddaten ein wenigstens einen Teil des Zielgebiets beschreibendes Startmodell (8) verwendet wird, wobei zur Ermittlung des Startmodells (8) für wenigstens ein Objekt (3) des Zielgebiets wenigstens ein Modellparameter eines statistischen Objektmodells (5), das aus mehreren aufgenommenen Basisbilddatensätzen (2) des Objekts (3) ermittelt wird, zur Übereinstimmung mit dem in wenigstens einem aufgenommenen Referenzbild (6a, 10) des aktuell aufzunehmenden Zielgebiets sichtbaren Objekts (3) angepasst wird.

Description

Die Erfindung betrifft ein Verfahren zur insbesondere iterativen Rekonstruktion eines dreidimensionalen Bilddatensatzes aus Rohbilddaten, insbesondere zweidimensionalen, unter unterschiedlichen Projektionsrichtungen aufgenommenen Projektionsbildern, eines Zielgebiets. Daneben betrifft die Erfindung eine Recheneinrichtung.
Im Stand der Technik sind bereits eine Vielzahl von Verfahren bekannt, um aus Rohbilddaten dreidimensionale Bilddatensätze zu rekonstruieren. Insbesondere sind dabei Bildrekonstruktionsverfahren angesprochen, die für tomographische Modalitäten entwickelt worden sind. Beispielsweise sind zur Rekonstruktion eines dreidimensionalen Volumens aus zweidimensionalen Projektionsbildern, die aus unterschiedlichen Projektionsrichtungen aufgenommen wurden, insbesondere in der Röntgenbildgebung, analytische und iterative (algebraische) Verfahren bekannt. Unter den analytischen Verfahren ist die gefilterte Rückprojektion (filtered back projection, FBP) die am häufigsten eingesetzte Variante; iterative Verfahren streben danach, einen Bilddatensatz schrittweise so anzupassen, dass er die Projektionsbilddaten wiedergibt.
Die bekannten Rekonstruktionsverfahren nutzen ausschließlich die gemessenen Rohbilddaten, um hieraus den dreidimensionalen Bilddatensatz zu rekonstruieren. Dies kann jedoch einige Nachteile zur Folge haben. Beispielsweise, nachdem ein ungünstiger Ausgangspunkt gewählt wird, kann bei iterativen Rekonstruktionsverfahren die Konvergenzgeschwindigkeit und die Konvergenzstabilität niedrig sein. Bei analytischen Verfahren können Bild-Artefakte auftreten.
Zwar wurde im Bereich der Initialisierung iterativer dreidimensionaler Bildrekonstruktionsalgorithmen vorgeschlagen, als Ausgangspunkt einen analytisch rekonstruierten dreidimensionalen Bilddatensatz zu verwenden. Auch diese Ansätze verwenden jedoch dieselben Rohbilddaten, so dass letztlich lediglich eine Verknüpfung zweier unabhängiger Bildrekonstruktionsalgorithmen vorliegt.
Im Stand der Technik sind stochastische Modelle (oft auch „statistische Modelle“) bekannt, die für patientenspezifische Oberflächenmodelldarstellungen verwendet werden. Dabei soll eine virtuelle dreidimensionale Darstellung erzeugt werden, ohne dass ein entsprechender dreidimensionaler Bilddatensatz akquiriert wurde. Statistische Modelle für Knochen und deren Gewinnung sind beispielsweise in den Artikeln von Dean C. Barrat et al., „Instantiation and registration of statistical shape models of the femur and pelvis using 3D ultrasound imaging", in: Medical Image Analysis 12 (2008) 358–374, und Sebastian Meller und Willi A. Kalender, „Building a statistical shape model oft he pelvis", in: International Congress Series 1268 (2004) 561–566, beschrieben.
Der Erfindung liegt die Aufgabe zugrunde, ein die Rekonstruktionsqualität durch Verwendung von Hintergrundwissen über das aufgenommene Zielgebiet verbesserndes Verfahren anzugeben.
Zur Lösung dieser Aufgabe ist bei einem Verfahren der eingangs genannten Art erfindungsgemäß vorgesehen, dass zur Initialisierung des Rekonstruktionsprozesses und/oder zur Korrektur der Rohbilddaten ein wenigstens einen Teil des Zielgebiet beschreibendes Startmodell verwendet wird, wobei zur Ermittlung des Startmodells für wenigstens ein Objekt des Zielgebiets wenigstens ein Modellparameter eines statistischen Objektmodells, das aus mehreren aufgenommenen Basisbilddatensätzen des Objekts ermittelt wird, zur Übereinstimmung mit dem in wenigstens einem aufgenommenen Referenzbild des aktuell aufzunehmenden Zielgebiets sichtbaren Objekt angepasst wird.
Erfindungsgemäß wird also eine patientenspezifische Initialisierung bzw. Korrektur bei Bildrekonstruktionsverfahren für dreidimensionale Bilddaten tomographischer Modalitäten vorgeschlagen. Dabei ist vorgesehen, ein statistisches Modell zu verwenden, welches an einen aktuell zu untersuchenden Patienten adaptiert werden kann und somit Hintergrundwissen über das Zielgebiet zur Verfügung stellt, welches bei der Rekonstruktion selber oder der vorangehenden Korrektur der Rohbilddaten eingesetzt werden kann.
Hierzu wird mithin ein statistisches Objektmodell für wenigstens ein Objekt des Zielgebiets geschaffen, wobei der Begriff des „Objekts“ hier weit zu verstehen ist, so dass genauso ein bestimmter Knochen oder ein bestimmtes Organ als Objekt angesehen werden kann wie gegebenenfalls auch mehrere Organe umfassende Weichteilstrukturen bzw. anatomische Bereiche. Die Idee ist es, beispielsweise in einer Datenbank, mehrere mit einer Bildaufnahmeeinrichtung aufgenommene Basisbilddatensätze des Objekts vorzuhalten, aus denen das statistische Objektmodell bestimmt werden kann. Liegt das statistische Objektmodell, beispielsweise als Oberschenkelknochenmodell, vor, wird dieses durch mehrere Modellparameter beschrieben, die auf ein aktuell aufzunehmendes, in dem Zielgebiet enthaltenes Objekt eingestellt werden müssen, so dass das Startmodell als patientenspezifische Instanz des Objektmodells entsteht. Hierzu wird ein Referenzbild des aktuell aufzunehmenden Zielgebiets mit dem darin sichtbaren Objekt hergenommen, welches, wie im weiteren Verlauf noch näher erläutert werden wird, sowohl ein Rohbild, insbesondere also ein Projektionsbild, als auch ein zu einem anderen Zeitpunkt oder mit einer anderen Modalität aufgenommenes Referenzbild sein kann. Die Modellparameter des statistischen Objektmodells werden im Rahmen einer Optimierung und/oder eines sonstigen Ermittlungsprozesses so angepasst, dass eine insbesondere optimale Übereinstimmung mit dem Objekt im Referenzbild besteht. Es werden mithin insbesondere optimale Modellparameter erhalten, die das Startmodell definieren.
Durch das statistische Modell wird mithin eine grundsätzliche Erwartung an das in dem dreidimensionalen Bilddatensatz Sichtbare definiert, nachdem Basisbilddatensätze verschiedener anderer Personen ausgewertet werden, mithin die Gemeinsamkeiten von Objekten bei verschiedenen Personen wie auch die stärksten auftretenden Unterschiede durch das statistische Objektmodell beschrieben werden.
Durch das erfindungsgemäße Vorgehen ergibt sich eine höhere Bildqualität des dreidimensionalen Bilddatensatzes; zudem steigt die „usability“ des Bildrekonstruktionsprozesses. Die konkrete Ausprägung der Vorteile ist stark abhängig vom zu unterstützenden Rekonstruktionsalgorithmus, worauf im Folgenden auch noch näher eingegangen werden wird. So lässt sich, allgemein gesagt, bei der Verwendung von iterativen Bildrekonstruktionsalgorithmen die Konvergenzgeschwindigkeit und auch die Konvergenzstabilität deutlich verbessern. Dagegen lässt sich bei der Anwendung allgemein auf Rekonstruktionsalgorithmen mit unterabgetasteten Daten, beispielsweise PICCS, HYPR, eine deutliche Reduzierung von Abtastartefakten erreichen. Auch im Hinblick auf Trunkierungsartefakte lässt sich bei analytischen Rekonstruktionsalgorithmen eine Verbesserung erzielen.
Konkret kann vorgesehen sein, dass das statistische Objektmodell durch eine Hauptkomponentenanalyse ermittelt wird, wobei den Eigenvektoren zugeordnete Koeffizienten als Modellparameter verwendet werden. Derartige Hauptkomponentenanalysen (principal component analysis – PCA) sind im Stand der Technik, vgl. auch die beiden eingangs genannten wissenschaftlichen Artikel, bereits bekannt, um aus Basisbilddatensätzen ein statistisches Objektmodell abzuleiten. Hierbei werden die entsprechenden Eigenvektoren des Objektes identifiziert, wobei ein das Objekt beschreibendes System vorteilhaft so erzeugt werden kann, dass hauptsächliche, auch messbare Eigenschaften die Modellparameter des Objektmodells bilden. Beispielsweise können bei einem Oberschenkelknochen als Modellparameter die Länge des Oberschenkelhalsknochen, der Durchmesser des Oberschenkelkopfes, die Länge des Oberschenkelhalses und dergleichen herangezogen werden. Die Eigenvektoren des statistischen Modells stellen also Freiheitsgrade dar, die für die Objektschätzung adaptiert werden sollen. Die bereits erwähnte Vorgabe von Eigenvektoren und mithin Modellparametern, die intuitiv eingängig insbesondere geometrische Merkmale des Objekts beschreiben können, bietet sich an, nachdem die Kontrolle und Sicherheit mit dem Verständnis des Gesamtvorgangs ansteigt, da so das Verfahren „robuster“ wird.
Es ist zweckmäßig, wenn die Basisbilddatensätze in einer Datenbank gespeichert sind. Insbesondere können hierbei objektspezifische Datenbanken verwendet werden, die selbstverständlich auch durch weitere, insbesondere später aufgenommene Basisbilddatensätze ergänzt werden können. So ist es insbesondere möglich, dass der dreidimensionale Bilddatensatz zu den Basisbilddatensätzen hinzugefügt wird. Auf diese Weise wird die dem statistischen Modell zugrunde liegende Basis ständig erweitert und somit die Qualität des statistischen Objektmodells verbessert.
In besonders zweckmäßiger Weiterbildung der vorliegenden Erfindung kann vorgesehen sein, dass wenigsten ein wenigstens eine für die Bildgebungsart relevante physikalische Eigenschaft des Objekts beschreibender Modellparameter, bei der Röntgenbildgebung ein die Röntgenschwächung durch das Objekt beschreibender Modellparameter, verwendet wird. Mithin stellen in dieser Ausführungsform die speziellen physikalischen Eigenschaften des Objekts hinsichtlich der Bildgebungsmodalität, beispielsweise die Röntgenschwächung, einen Freiheitsgrad (bzw. Eigenvektor) bei der Optimierung des statistischen Objektmodells, mithin einen Modellparameter, dar. Für jedes beliebige anatomische Objekt kann somit auch das physikalische Verhalten, insbesondere die Röntgenabsorptionsdichte, an das patientenspezifische physikalische Verhalten adaptiert werden. Dabei können selbstverständlich auch mehrere Modellparameter dieser Art eingesetzt werden, beispielsweise die Röntgenschwächung bei unterschiedlichen Energien beschreibende Parameter, so dass beispielsweise auf die Strahlaufhärtung in dem Objekt geschlossen werden kann und diese im Rahmen einer entsprechenden Strahlaufhärtungskorrektur verwendet werden kann. Ersichtlich bietet die Verwendung von physikalische Eigenschaften beschreibenden Modellparametern eine äußerst vorteilhafte Möglichkeit, über die geometrischen Verhältnisse hinaus eine Anpassung an einen speziellen Patienten vorzunehmen und das Hintergrundwissen des statistischen Objektmodells zu nutzen.
Dabei sei an dieser Stelle angemerkt, dass selbstverständlich auch Ausführungsformen des erfindungsgemäßen Verfahrens denkbar sind, in denen die physikalischen Eigenschaften des Objekts hinsichtlich der Bildgebungsmodalität keinen Freiheitsgrad bei der Optimierung des statistischen Objektmodells darstellen. Dann können bestimmte anatomische Objekte fest zugewiesene physikalische Eigenschaften aufweisen, die dann dem Startmodell als angepasstem Objektmodell zugeordnet werden können. Beispielsweise kann das Startmodell eines Oberschenkelhalsknochens bei der Röntgenbildgebung mit entsprechenden Röntgenschwächungswerten versehen werden, so dass, beispielsweise im Rahmen der Initialisierung des Rekonstruktionsalgorithmus, entsprechende HU-Werte zur Darstellung des Startmodells verwendet werden können.
In Weiterbildung der Erfindung kann ferner vorgesehen sein, dass für wenigstens zwei Objekte ein Startmodell ermittelt wird, insbesondere wenigstens ein Knochenobjekt und wenigstens ein Weichteilobjekt. Häufig liegt in aufzunehmenden Zielgebieten nicht nur ein einziges Objekt vor, sondern mehrere relevante, zweckmäßig zu betrachtende anatomische Objekte, für die selbstverständlich jeweils ein statistisches Objektmodell ermittelt, zu einem Startmodell angepasst und verwendet werden kann. Es werden mithin mehrere Startmodelle ermittelt, um verschiedene Teilobjekte abzuschätzen. Diese unterschiedlichen Teilobjekte, beschrieben durch die Startmodelle, werden anschließend kombiniert und bilden einen Gesamtdatensatz, mit dem der Rekonstruktionsalgorithmus initialisiert werden kann oder der zur Korrektur von Rohbilddaten verwendet werden kann. Gerade in der medizinischen Röntgentomographie ist dies von besonderem Interesse, nachdem Knochenteile und umgebendes Weichteilgewerbe unabhängig voneinander abgeschätzt werden können. Sind die physikalischen Eigenschaften, hier die Röntgenschwächung, keine Bestandteile der Modellparameter, können die ermittelten unabhängigen Teilobjekte dann entsprechend mit ihren spezifischen Röntgenabsorptionsdichtewerten oder sonstigen die Röntgenschwächung beschreibenden Werten behaftet werden. Zusammenfassend ist es also denkbar, dass zur Initialisierung und/oder Korrektur die Startmodelle miteinander kombiniert werden, bei der Röntgenbildgebung insbesondere mit unterschiedlichen, fest vorgegebenen oder als Modellparameter ermittelten Schwächungseigenschaften.
Als Referenzbild kann wenigstens ein Rohbild verwendet werden. Das hat den Vorteil, dass aktuelle Daten des gerade untersuchten Patienten und insbesondere des Objekts zur Anpassung des statistischen Objektmodells herangezogen werden, welche zudem noch nicht durch die Rekonstruktion weiterverarbeitet sind. Auf diese Weise liegt eine verlässliche, aktuelle Basis für die Anpassung vor. Es kann also beispielsweise ein Teilsatz von Projektionsbildern verwendet werden, um die Anpassung des statistischen Objektmodells zur Ermittlung des Startmodells durchzuführen. Dabei ist es besonders zweckmäßig, die Rohbilder so zu wählen, dass die wesentlichen Merkmale (insbesondere im Hinblick auf die Eigenvektoren) leicht erkennbar sind. Beispielsweise kann eine Ansicht gewählt werden, in der eine Länge des Oberschenkelhalses gut erkennbar ist und dergleichen. Mit anderen Worten kann die Auswahl der Rohbilder aus den Rohbilddaten, die für die Anpassung des Objektmodells verwendet werden, in Abhängigkeit der Parametrierung des Objektmodells selber gewählt werden.
Denkbar ist es jedoch auch, alternativ oder zusätzlich ein mit einer anderen Bildaufnahmeeinrichtung, insbesondere unter Verwendung einer anderen Bildaufnahmemodalität, als die Projektionsbilder aufgenommenes Referenzbild zu verwenden. Die Bilddaten zur Adaption der Modellparameter, insbesondere innerhalb eines Optimierungsalgorithmus, können also durch eine andere Bildaufnahmeeinrichtung, insbesondere eine weitere beliebige Bildgebungsmodalität, akquiriert werden, und sind somit nicht identisch mit den Rohbilddaten, die letztendlich zur Bildrekonstruktion verwendet werden. Beispielsweise können hier Daten aus Voruntersuchungen des aktuellen Patienten verwendet werden, so dass es insbesondere auch möglich ist, bereits im Vorfeld der aktuellen Untersuchung unter Verwendung existierender Referenzbilddaten oder gesonderter Bildakquisitionen bereits das Startmodell zu ermitteln. Besonders vorteilhaft ist die Verwendung von Daten einer anderen Bildaufnahmeeinrichtung oder einer anderen Bildgebungsmodalität vor allem dann, wenn im Rahmen der Korrektur trunkierte Daten ergänzt werden sollen. Dann können nämlich Referenzbilder verwendet werden, die die abgeschnittenen Daten anzeigen und durch eine weitergehende Anpassung des Objektmodells später Informationen liefern, wie die Rohbilddaten im Rahmen der Korrektur zu ergänzen sind, um Trunkierungsartefakte zu reduzieren oder gar zu vermeiden.
Zur Ermittlung des Startmodells in konkreter Form sind verschiedene Ansätze denkbar. Dabei ist es grundsätzlich sinnvoll, auf den Modellparametern und gegebenenfalls zugeordneten Eigenvektoren zu arbeiten, möglichst direkt. So ist es beispielsweise denkbar, wenn Rohbilder als Referenzbilder verwendet werden, aber auch bei Referenzbildern sonstiger Bildgebungsmodalitäten, Modellparameter aus den Referenzbildern, insbesondere 2D-Bildern, zu messen. Insbesondere dann, wenn Modellparameter geometrische Abmessungen des Objekts wiedergeben bzw. diesen entsprechen, ist eine entsprechende Bildauswertung denkbar, ohne dass komplexe Gesamtbildvergleiche vorgenommen werden müssen. Möglich ist es selbstverständlich auch, komplexere Algorithmen heranzuziehen, insbesondere komplexe Optimierungsalgorithmen, die einen schrittweise verbessernden Vergleich von Referenzbildern und aktueller Instanz des Objektmodells vornehmen, bis schließlich ein optimaler Modellparametersatz und mithin das Startmodell gefunden sind. Derartige Vorgänge sind im Stand der Technik grundsätzlich bekannt und müssen hier nicht mehr ausführlich dargelegt werden.
Das erfindungsgemäße Verfahren kann dabei mit einer eher kleinen Zahl an Modellparametern arbeiten. Beispielsweise ist es denkbar, dass 10–20 Modellparameter für ein Objekt verwendet werden. Darin können, wie dargelegt wurde, geometrische Parameter und/oder physikalische Eigenschaften bezüglich der Bildgebungsmodalität beschreibende Parameter enthalten sein.
Wie bereits beschrieben wurde, ist es im Rahmen der vorliegenden Erfindung denkbar, das Startmodell sowohl im Rahmen einer Korrektur als auch zur Initialisierung des Rekonstruktionsalgorithmus einzusetzen, wobei insbesondere bei iterativen Rekonstruktionsalgorithmen auch beide Vorgänge denkbar sind.
Konkret kann dabei vorgesehen sein, dass bei einer iterativen Rekonstruktion ein aus dem Startmodell abgeleiteter dreidimensionaler Startbilddatensatz als erster Bilddatensatz zum Start der Iteration verwendet wird. Nachdem auf die physikalischen Eigenschaften bezüglich der Bildgebungsmodalität bezogene Daten vorliegen, sei es über die Anpassung als Modellparameter oder durch eine feste Zuordnung, ist es möglich, den Bilddatenraum des dreidimensionalen Bilddatensatzes mit Anfangsbilddaten abhängig von dem Startmodell zu füllen, beispielsweise im Fall der Röntgenbildgebung mit HU-Werten. So ist ein hervorragender, auf Hintergrundwissen basierender Ausgangspunkt gegeben, um die Konvergenz sowohl zeitlich als auch in ihrer Verlässlichkeit zu verbessern. Werden mehrere Objekte betrachtet, mithin mehrere Startmodelle ermittelt, können diese selbstverständlich alle bei der Ermittlung des Startbilddatensatzes berücksichtigt werden. Möglich ist es beispielsweise, alle Nicht-Weichteil-Strukturen, beispielsweise alle Knochen bzw. Knochenteile, über Startmodelle abzubilden und andere Bereiche mit einem Weichteilschwächungswert oder dergleichen anzusetzen. Verschiedene Möglichkeiten sind denkbar.
Im Rahmen einer Korrektur kann vorgesehen sein, dass zur Korrektur aus dem Startmodell den Rohbilddaten entsprechende Vergleichsdaten ermittelt werden und die Vergleichsdaten mit den Rohbilddaten und/oder aus den Rohbilddaten abgeleiteten Ergänzungsbilddaten verglichen werden und/oder die Rohbilddaten durch Vergleichsdaten ergänzt werden. Beispielsweise ist es also denkbar, insbesondere dann, wenn auch eine Zuordnung physikalischer Eigenschaften besteht, durch eine Art Vorwärtsprojektion zweidimensionalen Projektionsbildern entsprechende Vergleichsbilder als Vergleichsdaten zu erhalten. Anhand dieser Vergleichsdaten können Rohbilddaten angepasst werden, selbstverständlich ist es jedoch auch denkbar, eine Ergänzung der Rohbilddaten durch Vergleichsdaten vorzunehmen oder aus den Rohbilddaten selbst ermittelte Ergänzungsdaten zu überprüfen, zu korrigieren und/oder zu ergänzen. So wird es durch das erfindungsgemäße Verfahren insbesondere ermöglicht, das Startmodell zur Korrektur von Strahlungsaufhärttungseffekten und/oder Trunkierungseffekten, insbesondere durch Ergänzung der Rohbilddaten, und/oder Unterabtastungseffekten zu verwenden.
Im Falle der Korrektur einer Trunkierung, also der gewollten Reduzierung von Trunkierungsartefakten, ist es beispielsweise denkbar, Bereiche des Objektes, die nicht durch die Rohbilddaten abgebildet werden, wohl aber durch das Startmodell, in den Rohbilddaten wenigstens teilweise zu ergänzen. Bei einer Verbesserung der Rekonstruktionsqualität bei unterabgetasteten Bildaufnahmeverfahren, in denen mithin beispielsweise weniger Projektionsbilder existieren als idealerweise nötig wären, sind verschiedene Varianten denkbar, eine Korrektur vorzunehmen. So ist es grundsätzlich möglich, vorwärtsprojizierte Vergleichsdaten unmittelbar zur Konstruktion zusätzlicher Rohdatenbilder heranzuziehen, was jedoch weniger bevorzugt ist. Vorzugsweise werden interpolierte Rohbilddaten (Projektionsbilddaten), also Ergänzungsdaten, durch Berücksichtigung der Vergleichsdaten entsprechend bewertet und/oder verbessert. Bei der Korrektur einer Strahlaufhärtung ist es besonders zweckmäßig, Modellparameter zu verwenden, die die Röntgenschwächung bei verschiedenen Energien beschreiben. Denkbar ist es jedoch auch, hier von einer festen, einem Modell zugeordneten inneren Struktur auszugehen.
Neben dem Verfahren betrifft die vorliegende Erfindung auch eine Recheneinrichtung, insbesondere eine Steuereinrichtung einer Bildaufnahmeeinrichtung, die zur Durchführung des erfindungsgemäßen Verfahrens ausgebildet ist. Sämtliche Ausführungen bezüglich des erfindungsgemäßen Verfahrens lassen sich analog auf die Recheneinrichtung übertragen. Dabei kann es sich insbesondere um eine Steuereinrichtung einer Bildaufnahmeeinrichtung handeln, insbesondere auch einen Bildrechner, wenn an der Bildaufnahmeeinrichtung unmittelbar der dreidimensionale Bilddatensatz erzeugt werden soll. Möglich ist es aber auch, insbesondere bei einer späteren, bildaufnahmeeinrichtungsfernen Rekonstruktion des dreidimensionalen Bilddatensatzes, Arbeitsplatzrechner als erfindungsgemäße Recheneinrichtung auszugestalten. Um das erfindungsgemäße Verfahren ausführen zu können, können Hardware- und/oder Softwarekomponenten vorgesehen sein, die entsprechend zur Auswertung von Referenzbildern und Rohbilddaten geeignet sind, so dass das erfindungsgemäße Verfahren ausgeführt wird.
Konkret umfasst eine erfindungsgemäße Recheneinrichtung zur insbesondere iterativen Rekonstruktion eines dreidimensionalen Bilddatensatzes aus Rohbilddaten, insbesondere zweidimensionalen, unter unterschiedlichen Projektionsrichtungen aufgenommenen Projektionsbildern, eines Zielgebiets:

– eine Startmodellbestimmungseinheit zur Ermittlung eines wenigstens einen Teil des Zielgebiets beschreibenden Startmodells für wenigstens ein Objekt des Zielgebiets durch Anpassung wenigstens eines Modellparameters eines statistischen Objektmodells, das aus mehreren aufgenommenen Basisbilddatensätzen des Objekts ermittelt wird, zur Übereinstimmung mit dem in wenigstens einem aufgenommenen Referenzbild des aktuell aufzunehmenden Zielgebiets sichtbaren Objekts, und
– eine Initialisierungseinheit zur Initialisierung des Rekonstruktionsprozesses anhand des Startmodells und/oder
– eine Korrektureinheit zur Korrektur der Rohbilddaten unter Verwendung des Startmodells.

Die Ermittlung des Objektmodells kann durch eine spezielle Objektmodellermittlungseinheit erfolgen.
Weitere Vorteile und Einzelheiten der vorliegenden Erfindung ergeben sich aus den im Folgenden beschriebenen Ausführungsbeispielen sowie anhand der Zeichnung. Dabei zeigen:
1 eine Prinzipskizze zu einer ersten Ausführungsform des erfindungsgemäßen Verfahrens,
2 eine Prinzipskizze zu einer zweiten Ausführungsform des erfindungsgemäßen Verfahrens,
3 eine Prinzipskizze zu einer dritten Ausführungsform des erfindungsgemäßen Verfahrens, und
4 eine Bildaufnahmeeinrichtung.
Die im Folgenden dargestellten Ausführungsbeispiele des erfindungsgemäßen Verfahrens beziehen sich allesamt auf die Rekonstruktion eines dreidimensionalen Bilddatensatzes aus Rohbilddaten. Als nichteinschränkendes Beispiel wird vorliegend die Computertomographie betrachtet, worin als Rohbilddaten Projektionsbilder des Zielgebiets aus unterschiedlichen Projektionsrichtungen aufgenommen werden, so dass aus diesen Projektionsbildern dann, beispielsweise mittels eines iterativen Algorithmus oder eines Algorithmus der gefilterten Rückprojektion, ein dreidimensionaler Bilddatensatz des Zielgebiets in einem Patienten rekonstruiert werden kann. Dabei soll Hintergrundwissen über die Anatomie des Zielgebiets eingesetzt werden, welches vorliegend durch aus dreidimensionalen Basisbilddatensätzen abgeleitete statistische Objektmodelle geschieht. Ein solches statistisches Objektmodell, das über Modellparameter anpassbar ist, beschreibt also ein anatomisches Objekt, beispielsweise einen Knochen, ein Organ, eine anatomische Struktur und dergleichen. Daten des aktuellen Patienten werden verwendet, um wenigstens ein statistisches Objektmodell eines in dem Zielgebiet vorhandenen Objekts so anzupassen, dass es als Startmodell als patientenspezifisch angesehen werden kann. Dieses Startmodell wird dann verwendet, um zur Initialisierung des eigentlichen Rekonstruktionsalgorithmus zu dienen und/oder die Projektionsdaten zu korrigieren, was an den im Folgenden dargestellten Ausführungsbeispiel nun näher dargestellt werden soll.
1 zeigt einen prinzipiellen Ablaufplan eines ersten Ausführungsbeispiels des erfindungsgemäßen Verfahrens. Hierbei wird eine Datenbank 1 verwendet, in der Basisbilddatensätze 2, die von anderen Personen stammen und das Objekt 3 zeigen, welches hier schematisch als Ellipsoid dargestellt ist, abgelegt sind. Für verschiedene betrachtbare Objekte können selbstverständlich verschiedene Datenbanken 1 vorgesehen sein, denkbar ist es jedoch auch, eine nach Objekten sortierte Datenbank 1 zu verwenden. Zur Verdeutlichung werden die Ausführungsbeispiele anhand eines Objektes 3 näher beschrieben.
In einem Schritt 4 wird eine Hauptkomponentenanalyse (PCA) durchgeführt, um das statistische Objektmodell 5 zu erhalten. Das diesbezügliche Vorgehen ist grundsätzlich bekannt und beispielsweise den eingangs zitierten Artikeln von Meller/Kalender und Barrat et al. zu entnehmen. Eigenvektoren e_x, e_y und e_z sind durch Pfeile in 1 (und auch den folgenden Figuren) angedeutet und entsprechen für einen Ellipsoiden den Hauptachsen. Entsprechend ergibt sich, wenn alle Eigenwerte auf 1 gesetzt werden, anschaulich dargestellt bei einem Ellipsoiden eine Kugel; selbstverständlich sind die Verhältnisse bei anatomischen Merkmalen durchaus komplexer als bei einem hier nur zur Illustration dienenden Ellipsoiden. Die den Eigenvektoren zugeordneten Eigenwerte bilden die Modellparameter, das bedeutet, durch eine unterschiedliche Wahl von Modellparametern können Instanzen des statistischen Objektmodells 5 erzeugt werden.
Dabei sei an dieser Stelle darauf hingewiesen, dass sich die Eigenvektoren und Modellparameter nicht zwangsläufig auf geometrische Eigenschaften beziehen müssen, bei einem Oberschenkelhalsknochen als Objekt also beispielsweise auf die Länge des Oberschenkelhalsknochens, den Durchmesser des Oberschenkelkopfes, die Länge des Oberschenkelhalses und dergleichen, sondern zusätzlich auch Modellparameter (und mithin abstrahiert Eigenvektoren) vorgesehen sein können, die sich auf die Röntgenschwächung beziehen, generell also auf für die Bildgebungsart relevante physikalische Eigenschaften des Objekts. Solche auf physikalische Eigenschaften, hier die Röntgenschwächung, bezogenen Modellparameter müssen nicht verwendet werden, es ist durchaus auch denkbar, den Objekten physikalische Eigenschaften fest zuzuordnen, um den Nutzen des Startmodells zur Initialisierung des Rekonstruktionsalgorithmus oder zur Korrektur der Rohbilddaten hinreichend bereitzustellen.
Wie beschrieben, können die statistischen Modelle 5 der verschiedenen anatomischen Objekte nun genutzt werden, um eine erste Abschätzung über das Aussehen des Zielgebiets beim konkreten Patienten zu erhalten, soweit die Objekte oder ein Teil der Objekte in dem Zielgebiet enthalten sind. Im Rahmen einer konkreten Rekonstruktionsaufgabe werden daher zunächst eine Mehrzahl von Projektionsbildern 6 unter unterschiedlichen Projektionsrichtungen aufgenommen. Wie angedeutet, zeigen die Projektionsbilder 6 als Rohbilddaten auch das Objekt 3. In diesem ersten Ausführungsbeispiel ist nun vorgesehen, wenigstens eines der Projektionsbilder 6, hier als Projektionsbild 6a bezeichnet, herzunehmen, um eine auf den aktuellen Patienten angepasste Instanz des statistischen Objektmodells 5 zu ermitteln, was in Schritt 7 geschieht. Dort werden also die Modellparameter so bestimmt, dass eine bestmögliche Übereinstimmung mit dem in dem Projektionsbild 6a gezeigten Objekt 3 besteht. Zweckmäßig kann es jedoch sein, mehrere Projektionsbilder 6a auszuwählen, die das Objekt 3 unter verschiedenen Projektionsrichtungen zeigen, die sich besonders eignen, insbesondere die geometrischen Modellparameter aus ihnen zu bestimmen.
In Schritt 7 findet also ein Optimierungsvorgang statt, der auf verschiedene Weise konkret realisiert werden kann. So ist es beispielsweise denkbar, geometrische Modellparameter durch Messung in den Projektionsbildern 6a zu bestimmen, beispielsweise die Länge des Oberschenkelhalses oder dergleichen. Zusätzlich, insbesondere für andere Modellparameter oder zur Verbesserung, können auch aus dem Stand der Technik grundsätzlich bekannte Optimierungsalgorithmen vorgesehen sein, die auf einem Vergleich eines aus der aktuellen Instanz des statistischen Objektmodells 5 vorwärtsprojizierten Vergleichsbildes mit den Projektionsbildern 6a basieren können oder dergleichen. Ersichtlich sind viele, im Stand der Technik grundsätzlich bekannte Möglichkeiten denkbar, Modellparameter des dreidimensionalen statistischen Objektmodells 5 derart zu bestimmen, dass die entstehende Instanz möglichst genau dem in den Projektionsbildern 6a sichtbaren Objekt 3 des aktuellen Patienten entspricht. Ergebnis ist ein Startmodell 8.
Nachdem im vorliegenden Ausführungsbeispiel ein iterativer Rekonstruktionsalgorithmus in Schritt 9 verwendet werden soll, um aus den Projektionsbildern 6 den dreidimensionalen Bilddatensatz zu bestimmen, ist nun vorgesehen, aus dem Startmodell 8 (bzw. bei mehreren betrachteten Objekten den mehreren Startmodellen) einen dreidimensionalen Startbilddatensatz zu ermitteln, von dem ausgehend die Iteration erfolgt (Iterationsanfang). Dies ist möglich, nachdem Informationen über die physikalischen Eigenschaften des Objekts 3 entsprechenden Modellparametern zu entnehmen sind oder zumindest als Zuordnung vorhanden sind. So können beispielsweise HU-Werte an bestimmten Positionen für das Startmodell bzw. die Startmodelle 8 hergeleitet werden.
Nachdem somit ein verbesserter Ausgangspunkt für den iterativen Rekonstruktionsalgorithmus gegeben ist, lässt sich die Konvergenzgeschwindigkeit und auch die Konvergenzstabilität deutlich verbessern.
Es sei angemerkt, auch wenn dies erst mit Bezug auf das dritte Ausführungsbeispiel näher erläutert wird, dass auch beim ersten und beim zweiten Ausführungsbeispiel selbstverständlich eine Korrektur der Projektionsbilder 6 anhand des Startmodells denkbar ist.
Ein rekonstruierter dreidimensionaler Bilddatensatz kann auch genutzt werden, um die Basis zur Ermittlung statistischen Objektmodells 5 und mithin auch das statistische Objektmodell 5 zu verbessern, indem der rekonstruierte dreidimensionale Bilddatensatz, wie der Pfeil 18 andeutet, den Basisbilddatensätzen 2 in der Datenbank 1 hinzugefügt wird. Dabei sind im Übrigen auch Auswahlverfahren denkbar, welche neu rekonstruierten dreidimensionalen Bilddatensätze als Basisbilddatensätze 2 weiterverwertet werden sollen.
Ein weiteres Ausführungsbeispiel der vorliegenden Erfindung, welches gegenüber dem ersten Ausführungsbeispiel leicht modifiziert ist, ist in 2 dargestellt. Im Unterschied zum Ausführungsbeispiel nach 1 wird hier nicht wenigstens ein Projektionsbild 6a zur Anpassung des statistischen Objektmodells 5 an den aktuellen Patienten herangezogen, sondern es werden mit einer anderen Bildgebungsmodalität aufgenommene Referenzbilder 10 eingesetzt, die ebenso das Objekt 3 zeigen. Beispielsweise können hier Ultraschallbilddaten und/oder Magnetresonanzbilddaten des Zielgebiets oder allgemein des Objekts 3 herangezogen werden. Dabei kann es zweckmäßig sein, wenn über das Zielgebiet hinausgehende Informationen über das Objekt 3 im aktuellen Patienten vorhanden sind, falls die Projektionsbilddaten der Projektionsbilder 6 im Hinblick auf eine mögliche Trunkierung ergänzt werden sollen und mithin die Anpassung des statistischen Objektmodells 5 auch über das eigentliche Zielgebiet hinaus verlässlich erfolgen soll. Zudem ermöglicht die Verwendung von Referenzbildern 10, die nicht identisch mit Projektionsbildern 6 sind, die Ermittlung des Startmodells 8 bereits deutlich vor der Aufnahme der Projektionsbilder 6.
Der Rest des Verfahrens verläuft identisch wie beim Ausführungsbeispiel nach 1.
Es sei an dieser Stelle angemerkt, dass es selbstverständlich auch denkbar ist, als Referenzbilder sowohl Projektionsbilder 6a als auch mit einer anderen Bildgebungsmodalität oder zumidnest einer anderen Bildaufnahmeeinrichtung aufgenommene Referenzbilder 10 zu verwenden.
3 zeigt ein drittes Ausführungsbeispiel des erfindungsgemäßen Verfahrens, bei dem statt einem iterativen Rekonstruktionsalgorithmus ein Algorithmus der gefilterten Rückprojektion zur Ermittlung des dreidimensionalen Bilddatensatzes verwendet werden soll. Das Verfahren verläuft bezüglich der Ermittlung des statistischen Objektmodells 5 und des Startmodells 8 wie in den 1 und 2 dargestellt, jedoch wird das Startmodell 8 hier dediziert eingesetzt, um in einem Schritt 11 eine Korrektur der Projektionsbilder 6 vorzunehmen, bevor in einem Schritt 12 die gefilterte Rückprojektion erfolgt.
Dabei wird im vorliegenden Ausführungsbeispiel die Strahlaufhärtung genauso betrachtet wie die Trunkierung und Effekte einer Unterabtastung. Die Strahlaufhärtung kann abgeschätzt werden, nachdem zumindest für das Objekt 3 in dem dreidimensionalen Startmodell 8 auch Informationen über die physikalischen Eigenschaften bezüglich der Röntgenbildgebung, hier mithin beispielsweise die Röntgenabsorptionsdichte, enthalten ist, als Modellparameter oder als Zuordnung. Aufgrund der bekannten Lage und Ausdehnung des Objekts 3 kann ermittelt werden, wie einzelne Strahlen durch das Objekt 3 verlaufen, so dass eine Strahlungsaufhärtungskorrektur erfolgen kann.
Bei einer Korrektur im Hinblick auf Trunkierungsartefakte werden die Projektionsbilddaten 6 bezüglich des Objekts 3 anhand des Startmodells 8 ergänzt, das bedeutet, das Objekt 3 kann über den eigentlichen Erfassungsbereich der Projektionsbilder 6 aufgrund der bekannten physikalischen Eigenschaften „ergänzt“ werden. Dies reduziert Trunkierungsartefakte deutlich.
Schließlich kann das Startmodell 8 auch bei der Ergänzung von Projektionsbildern unter weiteren Projektionsrichtungen bei einer Unterabtastung herangezogen werden, wenn es um die Korrektur von auf einer Unterabtastung basierenden Artefakten, beispielsweise Streifenartefakten, geht. Dafür ist in diesem Ausführungsbeispiel vorgesehen, dass zunächst, wie grundsätzlich bekannt, aus den Projektionsbilddaten der aufgenommenen Projektionsbilder 6 Projektionsbilddaten für nicht aufgenommene Projektionsrichtungen interpoliert werden. Durch Vorwärtsprojektion aus dem Startmodell 8 lassen sich aber auch für diese Projektionsrichtungen Daten ermitteln, die genutzt werden können, um die Interpolation zu überprüfen und zu verbessern.
Selbstverständlich sind grundsätzlich auch weitere Korrekturvorgänge anhand der Abschätzung des Objekts 3 im Startmodell 8 denkbar.
Es sei an dieser Stelle noch darauf hingewiesen, dass eine Korrektur von Projektionsbildern 6 selbstverständlich auch beim ersten und beim zweiten Ausführungsbeispiel denkbar ist.
4 zeigt schließlich in Form einer Prinzipskizze eine Bildaufnahmeeinrichtung 13, mit der die Projektionsbilder 6 aufgenommen werden können. Dazu sind vorliegend zwei Aufnahmeanordnungen in einer Gantry 14 drehbar gelagert, so dass Röntgen-Projektionsbilder 6 eines auf einer Patientenliege 15 gelagerten Patienten aufgenommen werden können. Es handelt sich mithin um eine Computertomographieeinrichtung.
Diese umfasst ferner eine Steuereinrichtung 16, welche auch als Recheneinrichtung zur Durchführung des erfindungsgemäßen Verfahrens fungiert, das bedeutet, der dreidimensionale Bilddatensatz kann gleich vor Ort an der Bildaufnahmeeinrichtung 13 rekonstruiert werden und beispielsweise auf einer Anzeigevorrichtung 17 dargestellt werden. Selbstverständlich ist die Realisierung des erfindungsgemäßen Verfahrens auch auf anderen, entsprechend ausgebildeten Recheneinrichtungen denkbar.
Obwohl die Erfindung im Detail durch das bevorzugte Ausführungsbeispiel näher illustriert und beschrieben wurde, so ist die Erfindung nicht durch die offenbarten Beispiele eingeschränkt und andere Variationen können vom Fachmann hieraus abgeleitet werden, ohne den Schutzumfang der Erfindung zu verlassen.
Bezugszeichenliste

1: Datenbank
2: Basisbilddatensatz
3: Objekt
4: Schritt
5: Objektmodell
6: Projektionsrichtung
6a: Projektionsbild
7: Schritt
8: Startmodell
9: Schritt
10: Referenzbild
11: Schritt
12: Schritt
13: Bildaufnahmeeinrichtung
14: Gantry
15: Patientenliege
16: Steuereinrichtung
17: Anzeigevorrichtung
18: Pfeil

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 Nicht-Patentliteratur

Dean C. Barrat et al., „Instantiation and registration of statistical shape models of the femur and pelvis using 3D ultrasound imaging“, in: Medical Image Analysis 12 (2008) 358–374 [0005]
Sebastian Meller und Willi A. Kalender, „Building a statistical shape model oft he pelvis“, in: International Congress Series 1268 (2004) 561–566 [0005]

Claims

Verfahren zur insbesondere iterativen Rekonstruktion eines dreidimensionalen Bilddatensatzes aus Rohbilddaten, insbesondere zweidimensionalen, unter unterschiedlichen Projektionsrichtungen aufgenommenen Projektionsbildern (6), eines Zielgebiets, dadurch gekennzeichnet, dass zur Initialisierung des Rekonstruktionsprozesses und/oder zur Korrektur der Rohbilddaten ein wenigstens einen Teil des Zielgebiets beschreibendes Startmodell (8) verwendet wird, wobei zur Ermittlung des Startmodells (8) für wenigstens ein Objekt (3) des Zielgebiets wenigstens ein Modellparameter eines statistischen Objektmodells (5), das aus mehreren aufgenommenen Basisbilddatensätzen (2) des Objekts (3) ermittelt wird, zur Übereinstimmung mit dem in wenigstens einem aufgenommenen Referenzbild (6a, 10) des aktuell aufzunehmenden Zielgebiets sichtbaren Objekts (3) angepasst wird.
Verfahren nach Anspruch 1, dadurch gekennzeichnet, dass bei einer iterativen Rekonstruktion ein aus dem Startmodell (8) abgeleiteter dreidimensionaler Startbilddatensatz als erster Bilddatensatz zum Start der Iteration verwendet wird.
Verfahren nach Anspruch 1 oder 2, dadurch gekennzeichnet, dass das statistische Objektmodell (5) durch eine Hauptkomponentenanalyse ermittelt wird, wobei den Eigenvektoren zugeordnete Koeffizienten als Modellparameter verwendet werden.
Verfahren nach einem der vorangehenden Ansprüche, dadurch gekennzeichnet, dass die Basisbilddatensätze (2) in einer Datenbank (1) gespeichert sind und/oder der dreidimensionale Bilddatensatz zu den Basisbilddatensätzen (2) hinzugefügt wird.
Verfahren nach einem der vorangehenden Ansprüche, dadurch gekennzeichnet, dass wenigstens ein wenigstens eine für die Bildgebungsart relevante physikalische Eigenschaft des Objekts (3) beschreibender Modellparameter, bei der Röntgenbildgebung ein die Röntgenschwächung durch das Objekt (3) beschreibender Modellparameter, verwendet wird.
Verfahren nach einem der vorangehenden Ansprüche, dadurch gekennzeichnet, dass für wenigstens zwei Objekte (3) ein Startmodell (8) ermittelt wird, insbesondere wenigstens ein Knochenobjekt und wenigstens ein Weichteilobjekt.
Verfahren nach Anspruch 6, dadurch gekennzeichnet, dass zur Initialisierung und/oder Korrektur die Startmodelle (8) miteinander kombiniert werden, bei der Röntgenbildgebung insbesondere mit unterschiedlichen, fest vorgegebenen oder als Modellparameter ermittelten Schwächungseigenschaften.
Verfahren nach einem der vorangehenden Ansprüche, dadurch gekennzeichnet, dass als Referenzbild (6a, 10) wenigstens ein Rohbild (6a) verwendet wird.
Verfahren nach einem der vorangehenden Ansprüche, dadurch gekennzeichnet, dass ein mit einer anderen Bildaufnahmeeinrichtung als die Rohbilddaten, insbesondere die Projektionsbilder (6), aufgenommenes Referenzbild (10) verwendet wird.
Verfahren nach einem der vorangehenden Ansprüche, dadurch gekennzeichnet, dass zur Korrektur aus dem Startmodell (8) den Rohbilddaten entsprechende Vergleichsdaten ermittelt werden und die Vergleichsdaten mit den Rohbilddaten und/oder aus den Rohbilddaten abgeleiteten Ergänzungsbilddaten verglichen werden und/oder die Rohbilddaten durch Vergleichsdaten ergänzt werden.
Verfahren nach einem der vorangehenden Ansprüche, dadurch gekennzeichnet, dass das Startmodell (9) zur Korrektur von Strahlungsaufhärtungseffekten und/oder Trunkierungseffekten, insbesondere durch Ergänzung der Rohbilddaten, und/oder Unterabtastungseffekten verwendet wird.
Recheneinrichtung, insbesondere Steuereinrichtung (16) einer Bildaufnahmeeinrichtung (13), zur insbesondere iterativen Rekonstruktion eines dreidimensionalen Bilddatensatzes aus Rohbilddaten, insbesondere zweidimensionalen, unter unterschiedlichen Projektionsrichtungen aufgenommenen Projektionsbildern (6), eines Zielgebiets, aufweisend – eine Startmodellbestimmungseinheit zur Ermittlung eines wenigstens einen Teil des Zielgebiets beschreibenden Startmodells (8) für wenigstens ein Objekt (3) des Zielgebiets durch Anpassung wenigstens eines Modellparameters eines statistischen Objektmodells (5), das aus mehreren aufgenommenen Basisbilddatensätzen (2) des Objekts (3) ermittelt wird, zur Übereinstimmung mit dem in wenigstens einem aufgenommenen Referenzbild (6a, 10) des aktuell aufzunehmenden Zielgebiets sichtbaren Objekts (3), und – eine Initialisierungseinheit zur Initialisierung des Rekonstruktionsprozesses unter Verwendung des Startmodells (8) und/oder – eine Korrektureinheit zur Korrektur der Rohbilddaten unter Verwendung des Startmodells (8).