Аннотация.

Наличие в объекте включений из сильно поглощающего материала, например, металла, вызывает появление артефактов на восстановленных методами компьютерной томографии изображениях. В статье рассматривается задача подавления таких артефактов. В рамках предложенной модели формулируется задача условной оптимизации с ограничениями-неравенствами. Для ее решения на изображениях размера 64х64 пикселя применяются подходы, основанные на квадратичных аддитивных штрафах, а также на основе метода барьерных функций. Восстановления производятся на модельных данных, имитирующих наличие металлического включения в зубную ткань. Приводится сравнение результатов восстановления методами свертки и обратной проекции, мягких ограничений и барьерных функций. Результаты исследования показывают, что, хотя методы на основе неравенств и не позволяют полностью избавиться от возникающих артефактов, удается получить важные свойства восстановленной картины.

Ключевые слова:

компьютерная томография, алгебраический метод, метод барьерных функций, сильнопоглощающие включения, металлические артефакты.

Стр. 117-123.

DOI: 10.14357/20790279180513

Полная версия статьи в формате pdf. 

Литература

1. Barrett J.F., Keat N. 2004. Artifacts in CT: recognition and avoidance. Radiographics, V 24, № 6. pp. 1679-1691
2. Boas F.E., Fleischmann D. 2012 CT artifacts: causes and reduction techniques. Imaging in Medicine. V. 4, № 2. pp. 229240.
3. Huang J.Y. et al. 2015. An evaluation of three commercially available metal artifact reduction methods for CT imaging. Physics in Medicine & Biology. V. 60, № 3. p. 1047.
4. Bamberg F. et al. 2011. Metal artifact reduction by dual energy computed tomography using monoenergetic extrapolation. European radiology. V. 21, № 7. pp. 1424-1429
5. Buls N, et al. 2015 Contrast agent and radiation dose reduction in abdominal CT by a combination of low tube voltage and advanced image reconstruction
algorithms. European radiology. V. 2, pp.1023-1031
6. Zhang Y. et al. 2007. Reducing metal artifacts in cone-beam CT images by preprocessing projection data. International Journal of Radiation Oncology Biology Physics. V. 67, № 3. pp. 924-932
7. Nasirudin R. A. et al. 2015. Reduction of metal artifact in single photon-counting computed tomography by spectral-driven iterative reconstruction technique. PloS one. V. 10, №. 5.
8. Park H.S. et al. 2017. Sinogram-consistency learning in CT for metal artifact reduction. arXiv preprint arXiv:1708.00607.
9. Zhang X., Wang J., Xing L. Metal artifact reduction in x‐ray computed tomography (CT) by constrained optimization //Medical physics. – 2011. – Т. 38. – №. 2. – С. 701-711.
10. Sidky E.Y., Pan X. Image reconstruction in circular cone-beam computed tomography by constrained, total-variation minimization //Physics in Medicine & Biology. – 2008. – Т. 53. – №. 17. – С. 4777.
11. Meyer E. et al. Normalized metal artifact reduction (NMAR) in computed tomography //Medical physics. – 2010. – Т. 37. – №. 10. – С. 5482-5493.
12. Oehler M., Buzug T.M. Statistical image reconstruction for inconsistent CT projection data //Methods of information in medicine. – 2007. – Т. 46. – №. 03. – С. 261-269.
13. Chukalina M.V. et al. A Way To Reduce The Artifacts Caused By Intensely Absorbing Areas In Computed Tomography //ECMS. – 2015. – С. 527-531
14. Chukalina M. et al. CT metal artifact reduction by soft inequality constraints //Eighth International Conference on Machine Vision (ICMV 2015). – International Society for Optics and Photonics, 2015. – Т. 9875. – С. 98751C
15. Jorgensen, J.H., Sidky E.Y., Pan X. Analysis of discrete-to-discrete imaging models for iterative tomographic image reconstruction and compressive sensing // IEEE Trans. Med. Imag. – 2011. – Т. 32. – №. 2. – С. 460-473.
16. Brunetti A. et al. A library for X-ray–matter interaction cross sections for X-ray fluorescence applications //Spectrochimica Acta Part B: Atomic Spectroscopy. – 2004. – Т. 59. – №. 10-11. – С. 1725-1731.
17. van Aarle W. et al. The ASTRA Toolbox: A platform for advanced algorithm development in electron tomography //Ultramicroscopy. – 2015. – Т. 157. – С. 35-47