-
Die Erfindung betrifft ein angiographisches Untersuchungsverfahren eines Organs, Gefäßsystems oder anderer Körperregionen als Untersuchungsobjekt eines Patienten mittels eines Angiographiesystems mit einem Röntgenstrahler, einem Röntgenbilddetektor, die an den Enden eines C-Bogens angebracht sind, einem Patientenlagerungstisch mit einer Tischplatte zur Lagerung des Patienten, einer Systemsteuerungseinheit, einem Bildsystem und einem Monitor, wobei mittels Rotationsangiographie aus einer Vielzahl von Projektionswinkeln Projektionsbilder erzeugt werden.
-
Ein Angiographiesystem zur Durchführung eines derartigen angiographischen Untersuchungsverfahrens ist beispielsweise aus der
US 7,500,784 B2 bekannt, das anhand der
1 nachfolgend erläutert wird.
-
Die 1 zeigt ein als Beispiel dargestelltes monoplanes Röntgensystem mit einem von einem Ständer 1 in Form eines sechsachsigen Industrie- oder Knickarmroboters gehaltenen C-Bogen 2, an dessen Enden eine Röntgenstrahlungsquelle, beispielsweise ein Röntgenstrahler 3 mit Röntgenröhre und Kollimator, und ein Röntgenbilddetektor 4 als Bildaufnahmeeinheit angebracht sind.
-
Mittels des beispielsweise aus der
US 7,500,784 B2 bekannten Knickarmroboters, welcher bevorzugt sechs Drehachsen und damit sechs Freiheitsgrade aufweist, kann der C-Bogen
2 beliebig räumlich verstellt werden, zum Beispiel indem er um ein Drehzentrum zwischen dem Röntgenstrahler
3 und dem Röntgenbilddetektor
4 gedreht wird. Das erfindungsgemäße angiographische Röntgensystem 1 bis 4 ist insbesondere um Drehzentren und Drehachsen in der C-Bogen-Ebene des Röntgenbilddetektors
4 drehbar, bevorzugt um den Mittelpunkt des Röntgenbilddetektors
4 und um den Mittelpunkt des Röntgenbilddetektors
4 schneidende Drehachsen.
-
Der bekannte Knickarmroboter weist ein Grundgestell auf, welches beispielsweise auf einem Boden fest montiert ist. Daran ist drehbar um eine erste Drehachse ein Karussell befestigt. Am Karussell ist schwenkbar um eine zweite Drehachse eine Roboterschwinge angebracht, an der drehbar um eine dritte Drehachse ein Roboterarm befestigt ist. Am Ende des Roboterarms ist drehbar um eine vierte Drehachse eine Roboterhand angebracht. Die Roboterhand weist ein Befestigungselement für den C-Bogen 2 auf, welches um eine fünfte Drehachse schwenkbar und um eine senkrecht dazu verlaufende sechste Rotationsachse rotierbar ist.
-
Die Realisierung der Röntgendiagnostikeinrichtung ist nicht auf den Industrieroboter angewiesen. Es können auch übliche C-Bogen-Geräte Verwendung finden.
-
Der Röntgenbilddetektor 4 kann ein rechteckiger oder quadratischer, flacher Halbleiterdetektor sein, der vorzugsweise aus amorphem Silizium (a-Si) erstellt ist. Es können aber auch integrierende und eventuell zählende CMOS-Detektoren Anwendung finden.
-
Im Strahlengang des Röntgenstrahlers 3 befindet sich auf einer Tischplatte 5 eines Patientenlagerungstisches ein zu untersuchender Patient 6 als Untersuchungsobjekt. An der Röntgendiagnostikeinrichtung ist eine Systemsteuerungseinheit 7 mit einem Bildsystem 8 angeschlossen, das die Bildsignale des Röntgenbilddetektors 4 empfängt und verarbeitet (Bedienelemente sind beispielsweise nicht dargestellt). Die Röntgenbilder können dann auf Displays einer Monitorampel 9 betrachtet werden. In der Systemsteuerungseinheit 7 ist weiterhin eine Rechenvorrichtung 10 vorgesehen, deren Funktion noch genauer beschrieben wird.
-
Anstelle des in 1 beispielsweise dargestellten Röntgensystems mit dem Ständer 1 in Form des sechsachsigen Industrie- oder Knickarmroboters kann, wie in 2 vereinfacht dargestellt, das angiographische Röntgensystem auch eine normale decken- oder bodenmontierte Halterung für den C-Bogen 2 aufweisen.
-
Anstelle des beispielsweise dargestellten C-Bogens 2 kann das angiographische Röntgensystem auch getrennte decken- und/oder bodenmontierte Halterungen für den Röntgenstrahler 3 und den Röntgenbilddetektor 4 aufweisen, die beispielsweise elektronisch starr gekoppelt sind.
-
Der Röntgenstrahler 3 emittiert ein von einem Strahlenfokus seiner Röntgenstrahlungsquelle ausgehendes Strahlenbündel 11, das auf den Röntgenbilddetektor 4 trifft. Sollen 3-D-Datensätze nach dem sogenannten DynaCT-Verfahren erstellt werden, wird der drehbar gelagerte C-Bogen 2 mit Röntgenstrahler 3 und Röntgenbilddetektor 4 derart gedreht, dass, wie die 2 schematisch in Aufsicht auf die Drehachse zeigt, sich der hier bildlich durch seinen Strahlenfokus dargestellte Röntgenstrahler 3 sowie der Röntgenbilddetektor 4 um ein im Strahlengang des Röntgenstrahlers 3 befindliches zu untersuchendes Objekt 12 auf einer Umlaufbahn 13 bewegen. Die Umlaufbahn 13 kann zur Erstellung eines 3-D-Datensatzes vollständig oder teilweise durchfahren werden.
-
Der C-Bogen 2 mit Röntgenstrahler 3 und Röntgenbilddetektor 4 bewegt sich dabei gemäß dem DynaCT-Verfahren vorzugsweise um mindestens einen Winkelbereich von 180°, beispielsweise 180° plus Fächerwinkel, und nimmt in schneller Folge Projektionsbilder aus verschiedenen Projektionen auf. Die Rekonstruktion kann nur aus einem Teilbereich dieser aufgenommenen Daten erfolgen.
-
Bei dem zu Untersuchungsobjekt 12 kann es sich beispielsweise um einen tierischen oder menschlichen Körper aber auch einen Phantomkörper handeln.
-
Der Röntgenstrahler 3 und der Röntgenbilddetektor 4 laufen jeweils so um das Objekt 5 herum, dass sich der Röntgenstrahler 3 und der Röntgenbilddetektor 4 auf entgegengesetzten Seiten des Untersuchungsobjekt 12 gegenüberliegen.
-
Bei der normalen Radiographie oder Fluoroskopie mittels einer derartigen Röntgendiagnostikeinrichtung werden die medizinischen 2-D-Daten des Röntgenbilddetektors 4 im Bildsystem 8 ggf. zwischengespeichert und anschließend auf dem Monitor 9 wiedergegeben.
-
Das vorliegende Problem ist die Rekonstruktion von Kontrastintensitätskurven (TACs – time attenuation curves), die den Fluss des Kontrastmittels im Gewebe und Gefäßen des Gehirns beschreiben, aus Akquisitionen mit einem langsam rotierenden C-Bogen-Angiographiesystem. Die Kontrastintensitätskurven werden zur Berechnung von Perfusion-Maps des Gehirns wie zerebraler Blutfluss (CBF), zerebrales Blutvolumen (CBV) oder mittlere Transit-Zeit (MTT) verwendet, die wichtige Informationen über die Ausdehnung eines von einem Gehirnschlag betroffenen Hirngewebes liefern. C-Bogen-Angiographiesysteme haben eine geringere Rotationsgeschwindigkeit als Computertomographie-Systeme, wodurch sich die zeitliche Auflösung der rekonstruierten Kontrastintensitätskurven verringert. Weiterhin sind die Kontrastschwächungswerte im Hirngewebe gering und deshalb empfindlich gegenüber Rauschen.
-
Ein derartiger Kontrastmittelverlauf 14 ist beispielhaft in 2 dargestellt. Entlang der x-Achse ist die Zeit in Einheiten von Sekunden (s) aufgetragen. Die y-Achse entspricht den relativen Schwächungswerten in Einheiten von Hounsfield- Units (HU). Bei dem Beispiel wurden Schwächungswerte 15 alle zwei Sekunden in Abtastzeitpunkten 16 erfasst. Nicht sämtliche Schwächungswerte 15 und nicht sämtliche Abtastzeitpunkte 16 sind aus Gründen der Übersichtlichkeit mit einem Bezugszeichen versehen worden. Die Schwächungswerte 15 sind in dem Diagramm punktförmig eingetragen worden und können zur Berechnung des Kontrastmittelverlaufs 14 durch Interpolation dienen. Der Kontrastmittelverlauf 14 verläuft durch die Messpunkte der Schwächungswerte 15 und stellt einen stetigen Zusammenhang zwischen der Zeit und der Schwächung an dem Zeitpunkt der Abtastung her.
-
Zur Ermittlung des Kontrastmittelverlaufs 14 beispielsweise eines Testbolus im Zusammenhang einer Voruntersuchung wird im Wesentlichen eine Serie von Abtastungen zu vordefinierten Abtastzeitpunkten 16 zur Ermittlung des Kontrastmittelverlaufs 14, wobei zu jeder Abtastung ein Schwächungswert 15 erfasst wird, durch den eine Konzentration des Kontrastmittels repräsentiert wird. Die Schwächungswerte 15 des Kontrastmittelverlaufs 14 werden zur Berechnung von Parametern und Vorhersagen für spätere Untersuchungen des Patienten 5 abgespeichert.
-
Aus den so ermittelten Schwächungswerten 19 des Kontrastmittelverlaufs 17 beispielsweise des Testbolus sind die zur Untersuchung notwendigen Betriebsparameter des Röntgensystems berechenbar. Die Verzögerungszeit zwischen Kontrastmittelvergabe und Start der Aufnahme von Füllungsbildern ergibt sich beispielsweise aus der Lage des lokalen Maximums 17 des Kontrastmittelverlaufs 14.
-
-
Jedoch sind solche schnellen Akquisitionsprotokolle in der überwiegenden Mehrheit der interventionellen Arbeitsplätze nicht möglich. Deshalb sind alternative Techniken erforderlich, die Perfusionsmessungen aus Akquisitionen mit geringer Rotationsgeschwindigkeit ermöglichen.
-
-
Während verbessertes zeitliches Sampling und hohe rechnerische Effizienz, vielfache Scanning-Sequenzen erforderlich sind, die die Bestrahlung und Kontrastmitteldosis des Patienten anwachsen lassen. Auch die Annahme eines konstanten hämodynamischen Verhaltens zwischen den verschachtelten Akquisitionen ist jedoch in der Realität nicht garantiert.
-
"Jacobi-like Solution to the Model Based Tomographic X-Ray Perfusion Imaging" von Serowy et. al, IEEE Nuclear Science Symposium Conference Record, 2007, und
"An iterative method for tomographic x-ray perfusion estimation in a decomposition model-based approach", von Neukirchen et al., Medical Physics, 2010, Vol. 37, Seiten 6125 bis 6141, sind iterative Modell-basierte Annäherungen zu entnehmen, die rekonstruierte Kontrastintensitätskurven durch eine Summe von gewichtet gefilterten Basisfunktionen beschreiben, um den Freiheitsgrad relativ niedrig zu halten. Wenngleich diese Algorithmen ähnlich klassischen algebraischen Rekonstruktionstechniken implementiert werden können, macht der Gebrauch von Basisfunktionen mit nicht kompaktem Support zusätzliche teure rechenintensive Schritte erforderlich. In jedem Schritt der Vorwärtsprojektion muss das dynamische Volumen als eine gewichtete Summe aller gewichteten Basisvolumens interpoliert und jeder Schritt der Rückwärtsprojektion muss für alle gewichteten Volumen wiederholt werden.
-
Neukirchen präsentiert in
"An extended temporal interpolation approach for dynamic object reconstruction", Proceedings 11th Fully 3D, 2011, Seiten 379 bis 382, eine rechnerisch schnelle, analytische Annäherung zur Interpolation der Projektionsdaten, die für eine akkurate Rekonstruktion fehlen. Dabei werden Kurven der kleinsten Fehlerquadrate mit Fourier-Basisfunktionen zwischen Projektionen angeglichen/angepasst/in Übereinstimmung gebracht, die zu gleichen Winkelpositionen des C-Bogens abgetastet oder erfasst sind. Jedoch die Genauigkeit der Interpolation ist begrenzt durch die niedrige Anzahl von Abtastpunkten, die während einer Perfusion-Scanning-Sequenz mit dem C-Bogen akquiriert werden.
-
In der älteren Patentanmeldung
DE 10 2011 086 771.6 ist beschrieben, dass zur Bereitstellung eines artefaktfreies Tomogramms eines Körpers mittels eines strahlungsbasierten Projektionsverfahrens erzeugte Projektionsbilddaten Verwendung finden. Es werden zunächst initiale Voxeldaten zu einer Mehrzahl von Voxeln des Körpers vorgegeben. Daraus werden künstliche Projektionsbilddaten auf der Grundlage einer einen Hergang des Projektionsverfahrens nachbildenden Projektionsvorschrift erzeugt. Durch Vergleichen der künstlichen Projektionsbilddaten mit den realen Projektionsbilddaten werden Projektionsfehlerdaten ermittelt. Diese werden auf der Grundlage einer von der Projektionsvorschrift abhängigen Rückprojektionsvorschrift abgebildet, so dass Voxel-Fehlerdaten erzeugt werden. Aus den Voxel-Fehlerdaten werden mittels eines gradientenbasierten Optimierungsalgorithmus Korrekturdaten und anhand der Korrekturdaten dann korrigierte Voxeldaten erzeugt
-
Die Erfindung geht von der Aufgabe aus, ein angiographisches Untersuchungsverfahren der eingangs genannten Art derart auszubilden, dass das Verfahren zur Kompensation der langsamen Rotationsgeschwindigkeit und zur Reduktion des Rauschpegels eine adäquate Rekonstruktion von Kontrastintensitätskurven in einer angemessenen Rechenzeit ermöglicht.
-
Die Aufgabe wird erfindungsgemäß für ein angiographisches Untersuchungsverfahren der eingangs genannten Art durch die im Patentanspruch 1 angegebenen Merkmale gelöst. Vorteilhafte Ausbildungen sind in den abhängigen Patentansprüchen angegeben.
-
Die Aufgabe wird für ein angiographisches Untersuchungsverfahren erfindungsgemäß dadurch gelöst, dass die mittels des Angiographiesystems akquirierten Projektionsbilder nach einer Vorverarbeitung einer FDK-Rekonstruktion unterzogen werden, deren Ergebnis mit einem Rauschminderungsverfahren gefiltert wird, dass eine vorgegebene Anzahl von dynamischen iterativen Rekonstruktionsschritten durchgeführt wird, dass Kontrastintensitätskurven (TACs) rekonstruiert werden, die mit einer gewichteten Summe linearer Basisfunktionen modelliert werden.
-
In vorteilhafter Weise kann das Rauschminderungsverfahren auf bilaterale Filterung unter Verwendung zeitlicher Maximal-Intensitäts-Projektionen von Kontrastintensitätskurven als Führungsbild basieren.
-
Es hat sich als vorteilhaft erwiesen, wenn das angiographisches Untersuchungsverfahren erfindungsgemäß folgende Schritte aufweist:
- S1) Akquisition von Daten, wobei eine Vielzahl von Projektionsbildern aus unterschiedlichen Richtungen generiert wird,
- S2) Subtraktion anatomischer Strukturen im Projektionsraum,
- S3) Durchführung einer scharfen FDK-Rekonstruktion,
- S4) Durchführung einer bilateralen Filterung mit Führungsbild,
- S5) Erzeugung einer Gefäßmaske,
- S6) Initialisierung von Gewichts-Volumen,
- S7) Abfrage, ob die maximale Anzahl an Iterationen erreicht ist,
- S8) dynamische iterative Rekonstruktionsschritte,
- S9) Durchführung einer bilateralen Filterung mit Führungsbild und
- S10) Ende der Berechnungen und Wiedergabe der ermittelten Rekonstruktionsergebnisse.
-
Alternativ kann das angiographisches Untersuchungsverfahren erfindungsgemäß folgende Schritte aufweisen:
- Sa) Akquisition von Daten, wobei eine Vielzahl von Projektionsbildern aus unterschiedlichen Richtungen generiert wird,
- Sb) Vorverarbeitung der Daten im Projektionsraum,
- Sc) Durchführung einer scharfen FDK-Rekonstruktion,
- Sd) Erzeugung einer Gefäßmaske im Volumen und Projektionsraum,
- Se) Initialisierung von Gewichts-Volumen,
- Sf) Durchführung einer bilateralen Filterung mit Führungsbild,
- Sg) Abfrage, ob die maximale Anzahl an Iterationen erreicht ist,
- Sh) dynamische iterative Rekonstruktionsschritte,
- Si) Durchführung einer bilateralen Filterung mit Führungsbild und
- Sj) Ende der Berechnungen und Wiedergabe der ermittelten Rekonstruktionsergebnisse.
-
In vorteilhafter Weise können lineare Spline-Basisfunktionen verwendet werden.
-
Es hat sich als vorteilhaft erwiesen, wenn in dem rekonstruierten Volumen eine Optimierungsstrategie mit einem modifizierten Rückprojektionsschritt eingeführt wird.
-
Die Erfindung ist nachfolgend anhand von in der Zeichnung dargestellten Ausführungsbeispielen näher erläutert. Es zeigen:
-
1 ein bekanntes C-Bogen-Angiographiesystem mit einem Industrieroboter als Tragvorrichtung,
-
2 eine veranschaulichende Darstellung zur Erläuterung der Rotationsangiographie,
-
3 eine Kontrastintensitätskurve,
-
4 ein Akquisitionsprotokoll zur Durchführung einer Rotationsangiographie,
-
5 ein Flussdiagramm des vollständigen erfindungsgemäßen Algorithmus und
-
6 ein Flussdiagramm einer erfindungsgemäßen Alternative des vollständigen Algorithmus.
-
In der 4 ist ein Akquisitionsprotokoll 18 für eine Perfusion mittels eines C-Bogens beschrieben, das zur Datenakquisition dienen kann. Da die bekannten C-Bogen-Systeme eine kontinuierliche Rotation in nur einer Richtung ermöglichen, wird der C-Bogen in bidirektionaler Weise vorwärts und rückwärts gedreht. Die erste C-Bogen-Rotation in Vorwärts- und in Rückwärtsrichtung akquirierz Basisprojektionen mit den statischen anatomischen Strukturen, eine sogenannte Maske. Während jeder Rotation werden Nproj = 248 Projektionen entlang eines Winkelbereichs von ca. 200° akquiriert. Nachdem ein Kontrastmittel injiziert wurde, rotiert der C-Bogen ca. Nrot = 7 Mal in bidirektionaler Weise, wie das die 4 zeigt. Jede Rotation dauert Trot = 4,3 Sekunden mit einer Pause von Tstop = 1,2 Sekunden zwischen zwei aufeinanderfolgenden Rotationen.
-
Folglich würde eine direkte Rekonstruktion der Rotationen ein zeitliches Sampling von Kontrastintensitätskurven mit einer Dauer T
s = T
rot + T
stop = 5,5 Sekunden während einer gesamten Scanzeit von T
scan = N
rot·T
rot + (N
rot – 1)·T
stop = 37,3 Sekunden erlauben. Die Basisprojektionen werden von den Projektionen der Füllungsaufnahmen nach logarithmischer Vorverarbeitung unter der Annahme subtrahiert, dass das Untersuchungsobjekt
12 sich während der Akquisition nicht bewegt hat. Dies erzeugt einen Projektionsdatenvektor
der nur die reine Kontrastdynamik und das Rauschen enthält, wobei S
P = N
u·N
v die Größe des Detektors in Pixel mit N
u = 616 Spalten und N
v = 480 Zeilen nach dem Binning kennzeichnet und N
p = N
rot·N
proj die Gesamtanzahl von akquirierten kontrastverstärkten Füllungsbildern. Weiterhin beschreibt der Vektor
die Akquisitionszeitpunkte jeder Projektion in P.
-
Das Akquisitionsprotokoll 18 kann beispielsweise folgende Akquisitionsparameter aufweisen:
Differenzwinkel = 0,8°
Anzahl der Projektionen Nproj = 248
Winkelbereich pro Rotation λ = 197,6°
Rotationszeit Trot = 4,3 s
Zeit zwischen den Rotationen Tstop = 1,2 s
Anzahl der Rotationen Nrot = 7
totale Scanzeit Tscan = 37,3 s
Quelle/Detektor-Distanz (SID) = 1200 mm
Detektorpixelgröße = 0,616·0,616 mm2
Anzahl der Detektorpixel (Nu·Nv) = 616·480
nach 4·4 Rebinning gesamte Detektorgröße = 380·296 mm2
Röhrenspannung 70 kVp
Systemdosis 1,2 Gy/Projektion
-
Dynamische iterative Rekonstruktion (DIR):
-
Im Folgenden wird der dynamische iterative Rekonstruktionsalgorithmus näher beschrieben:
-
Während der Akquisition besteht ein kontinuierlicher Kontrastmittelfluss, so dass das beobachtete Volumen zu jedem der Projektionsbilder verschieden ist. Für eine exakte Lösung muss ein 4-D-Volumen-Vektor
rekonstruiert werden, der aus N
p 3-D-Volumen
i = 1...N
p besteht, im Folgenden durch einen Spaltenvektor
beschrieben, wobei jedes Voxel in einem Volumen X
i einen Abtastwert einer rekonstruierten Kontrastintensitätskurve darstellt. Zur Beschreibung der Abbildung des 4-D-Volumens auf die Projektionsdaten wird eine Systemmatrix A zusammengestellt aus Matrizen A
i definiert, die die 3-D-Volumen auf Projektions-Linienintegrale gemäß der Akquisitionsgeometrie p = Ax abbilden.
-
Natürlich ist die direkte Berechnung der exakten Lösung x nicht möglich, da das Gleichungssystem stark unterbestimmt ist. Daher beschränken wir die durch x beschriebenen Kontrastintensitätskurven derart, dass sie sich innerhalb des Unterraums befinden, der durch lineare Spline-Funktionen aufgespannt wird, so dass
wobei w die Spline-Gewichte beschreibt
-
Die Anzahl der Spline-Basisfunktionen beträgt N
w = 2·N
rot und der Wichtungs-Vektor w
j beschreibt die Kontrast-Abschwächung zu den Zeitpunkten t
w / j , wobei
-
Also beschreibt der Zeitpunkt t
w / j die zeitliche Position der Knoten der linearen Splines, die zu dem Wichtungs-Vektor w
j gehören. Die Basismatrix B berechnet die Volumenvektoren x
i durch lineare Interpolation zwischen den zwei nächsten Wichtungs-Vektoren.
-
Ausnahmen müssen für den Beginn und dem Ende einer Akquisition definiert werden:
-
Dies reflektiert die Annahme, dass wir ein Anwachsen der Kontrastabschwächung von 0 HU am Anfang und eine konstante ebene Phase des Restkontrastes zum Ende haben.
-
Das Optimierungsproblem ist durch das Problem der kleinsten Quadrate gegeben:
-
Wir lösen dieses großformatige Problem, wie bei Neukirchen et al. beschrieben, durch die Verwendung einer gradientenbasierten iterativen Prozedur, basierend auf dem Landweberschema. Dies resultiert in einem gewichteten Update-Schritt, ähnlich dem klassischen ART-basierten Algorithmus für statische Daten: wk+1 = wk + β·BTAT(ABwk – p) (4)
-
Der Relaxationsparameter β kontrolliert die Schrittweite der Parameter-Updates in jeder Iteration. AB beschreibt eine lineare Interpolation, gefolgt durch eine Vorwärtsprojektion und BA ist eine gewichtete Rückprojektion der Fehlerbildung auf die Basiswichtungen.
-
Die Berechnung der Spline-Gewichte w wird ähnlich durchgeführt wie in
Neukirchen et al. beschrieben. Es werden die 3-D-Wichtungsvolumen
rekonstruiert, wobei jedes Gewichtsvolumen W
j die Wichtungen im Vektor w
j als 3-D-Volumen repräsentieren, unter Verwendung eines Strahlengetriebenen Vorwärts- und einer Voxel-getriebenen Rückwärtsprojektion. Zur Verbesserung der Konvergenzgeschwindigkeit wird eine geordnete Teilmengen-Annäherung verwendet. Die Projektion jeder Rotation ist unterteilt in zehn zerteilten Teilmengen, die die Differenz der Akquisitionswinkel in jeder Teilmenge maximieren. In jeder Interaktion verarbeitet der Algorithmus die Projektionen aller Rotationen nacheinander. Für jede Projektion p wird das korrespondierende Volumen X
i entsprechend der Gleichung (2) unter Verwendung einer GPUimplementierten linearen Interpolation berechnet, vorwärts projiziert und mit den gemessenen Projektionsbildern subtrahiert. Das resultierende Fehlerbild wird gewichtet mit seiner zugehörigen Basisfunktionswerten (1 – w) und w auf die entsprechenden korrespondierenden gewichteten Volumen W
p und W
n rückprojiziert. Nach Verarbeitung einer Teilmenge von Projektionen werden alle negativen Abschwächungsgewichte in dem aktualisierten Vektor auf Null gesetzt, um eine physikalisch korrekte Lösung sicherzustellen.
-
Die direkte Anwendung der Optimierungsstrategie von Neukirchen et al. in Kombination mit linearen Basisfunktionen konvergieren langsam und die Rekonstruktionen werden durch Streifenartefakte gestört. Die Maximum-Intensitäts-Projektion (MIP) wird durch Verwendung der Maxima der rekonstruierten Kontrastintensitätskurven erzeugt. Daher sind eine gute Initialisierung und eine sinnvolle Optimierungsstrategie erforderlich, die sicherstellen, dass der Algorithmus zu einem brauchbaren Ergebnis konvergiert. Dafür werden alle Rotationen zuerst mit dem FDK-Algorithmus rekonstruiert. Ein scharfer Filterkernel (σK = 0,25) wird verwendet, um Verwischungen der Hochkontrastgefäße in dem weichen Gewebe zu verhindern. Von der FDK-Rekonstruktion werden initiale Kontrastintensitätskurven durch lineare Interpolation berechnet, wobei jede rekonstruierte Rotation Beispiele von Kontrastintensitätskurven zu einem zeitlichen mittleren Zeitpunkt seiner Akquisition repräsentiert. Die Gewichtsvolumen Wj werden unter Verwendung der interpolierten Kontrastintensitätskurven initialisiert. Zur Vermeidung von Streifenartefakten wird der Rückprojektionsschritt modifiziert. Dafür werden die zeitlichen MIP von den initialen Kontrastintensitätskurven berechnet. Durch Schwellenwertbildung der Maximum-Intensitäts-Projektion (MIP) mit der Schwelle τMIP wird eine Gefäßmaske im Volumenraum VV(v): N3 → {0,1} erzeugt, die anzeigt, welche Voxel zu welchem Gefäß gehören. Demgemäß werden die Gefäßmasken im Projektionsraum Vi V(u): N2 → {0,1} für alle i = 1...Np Projektionen durch eine Maximum-Intensitäts-Vorwärtsprojektion von VV berechnet. Die Projektionsgefäßmaske zeigt an, welche Detektorpixel u zu einem Strahl gehören, die mit einer Gefäßstruktur sich schneiden. In allen Rückprojektionsschritten werden Pixel in dem Fehlerbild verbunden mit einem Gefäßschneidenden Strahl durch Vi P nur rückprojiziert auf Voxel, die zu einem Gefäß gemäß VV gehören. Dies hilft zur Vermeidung von mehreren Streifenartefakten, die sich normalerweise in einer resultierenden MIP-Scheibe von der Gefäß-maskierten Rekonstruktion ergeben.
-
Es wird also, um Streifenartefakte in der Nähe von hochkontrastierten Gefäßen zu vermeiden, die Rückprojektion modifiziert. Dazu werden eine Gefäßmaske im Volumenraum und Gefäßmasken im Projektionsraum erstellt. Bei der Rückprojektion werden dann Strahlen die durch ein Gefäß laufen (angezeigt durch die Gefäßmasken im Projektionsraum) nur auf Gefäßvoxel rückprojiziert (angezeigt durch Gefäßmaske im Volumenraum).
-
Bilaterale Filterung mit Führungsbild (JBF – Joint Bilateral Filtering):
-
Wegen der hohen Rauschempfindlichkeit der Perfusionsbilder ist eine sinnvolle Regularisierung für den Algorithmus erforderlich, die eine robuste Rekonstruktion der Kontrastintensitätskurven unter Rauschbedingungen ermöglicht. Dazu wird eine bilaterale Filterung mit Führungsbild („Joint Bilateral Filtering“) verwendet, ein nichtlineares Kanten-erhaltendes Entrauschungsfilter, das eine Kombination von Orts- und Intensitätsfilterung verwendet. Zur Bestimmung der Intensitätsähnlichkeit von Voxeln werden die Maxima der Kontrastintensitätskurven verwendet, also die zeitliche Maximum-Intensitäts-Projektion (MIP). Dies resultiert in einer bilateralen Filterung, bei der die Intensitätsähnlichkeit durch die zeitliche Maximum-Intensitäts-Projektion anstelle des gefilterten Volumens selbst berechnet wird. Eine solche Filterung, bei der ein unterschiedliches Bild zur Berechnung der Intensitätsähnlichkeit verwendet wird, wird als "Joint Bilateral Filter" bezeichnet. Das gefilterte Gewichtsvolumen W
JBF / j wird berechnet aus dem Originalvolumen W
j durch
-
Jedes Voxel v des gefilterten Volumens W JBF / j ist eine Kombination von Voxeln des Originalvolumens Wj, die zur Nachbarschaft Nv gehören gewichtet mit der MIP-Ähnlichkeit s und der räumlichen Nähe c und normalisiert durch Teilung mit der Summe aller Gewichte k.
-
In der 5 ist der Ablauf des erfindungsgemäßen Verfahrens in Form eines Flussdiagramms näher dargestellt.
-
Als ersten Verfahrensschritt S1) wird eine Akquisition von Daten beispielsweise mittels eines C-Bogen-Angiographiesystems durchgeführt, wobei eine Vielzahl von Projektionsbildern aus unterschiedlichen Richtungen generiert wird.
-
In einem zweiten Verfahrensschritt S2) werden die anatomischen Strukturen im Projektionsraum subtrahiert.
-
Nachfolgend wird in einem dritten Verfahrensschritt S3) eine sogenannte scharfe FDK-Rekonstruktion durchgeführt, eine Feldkamp-Rekonstruktion mit einem sogenannten scharfen Filterkernel (σK = 0,25).
-
Diese derart erhaltenen Volumenbilder werden in einem vierten Verfahrensschritt S4) einer bilateralen Filterung mit Führungsbild unterworfen.
-
Anschließend werden in einem fünften Verfahrensschritt S5) Gefäßmasken, Maskenbilder der Gefäße, im Volumenraum und im Projektionsraum erzeugt.
-
In einem sechsten Verfahrensschritt S6) werden die Gewichts-Volumen initialisiert.
-
In einer Abfrage gemäß einem siebten Verfahrensschritt S7) wird festgestellt, ob die maximal gewünschte Anzahl an Iterationen erreicht ist.
-
Im Falle einer Verneinung werden im achten Verfahrensschritt S8) dynamische iterative Rekonstruktionsschritte auf die Volumina angewandt.
-
In einem letzten Rechenschritt S9) werden die Rekonstruktionsergebnisse einer bilateralen Filterung mit Führungsbild unterzogen.
-
Zum Ende werden im Falle einer Bejahung im Verfahrensschritt S7) in einem zehnten Verfahrensschritt S10) die ermittelten Rekonstruktionen wiedergegeben.
-
Zuerst werden also die Basisprojektionen mit den statischen anatomischen Strukturen von den kontrastverstärkten Projektionen, den Füllungsbildern, subtrahiert. Dann werden alle Rotationen mit dem FDK-Algorithmus mit einem scharfen Filterkernel rekonstruiert. In einem nächsten Schritt wird ein anfängliches MIP-Volumen M berechnet. Anschließend wird das Rauschen in allen initialen Volumen mittels der bilateralen Filterung mit Führungsbild reduziert und ein aktualisiertes Volumen M wird aus diesen rauschreduzierten Rekonstruktionen ermittelt. Die Gefäßmasken für alle Projektionen der Vorwärts- und Rückwärtsrotationen werden durch Vorwärtsprojektionen der Volumengefäßmasken unter der Verwendung einer Maximal-Intensitäts-Vorwärtsprojektion berechnet. Nach der Initialisierung der Gewichts-Volumen aus den vom Rauschen befreiten FDK-Rekonstruktionen wird eine feste Anzahl von Iterationen ausgeführt. Jede Iteration besteht aus einem DIR-Schritt zur Erreichung der Datenkonsistenz zwischen den Gewichts-Volumen und den gemessenen Projektionsdaten folgend der Entrauschung aller Gewichts-Volumen mit bilateraler Filterung mit Führungsbild.
-
Die 6 zeigt einen Ablauf einer Alternative des erfindungsgemäßen Verfahrens in Form eines Flussdiagramms.
-
Als ersten Verfahrensschritt Sa) wird eine Akquisition von Daten beispielsweise mittels des C-Bogen-Angiographiesystems durchgeführt, wobei mehrere Projektionsbilder aus unterschiedlichen Richtungen generiert werden.
-
In einem zweiten Verfahrensschritt Sb) erfolgt eine Vorverarbeitung der Daten im Projektionsraum.
-
Nachfolgend wird in einem dritten Verfahrensschritt Sc) eine sogenannte scharfe FDK-Rekonstruktion durchgeführt, eine Feldkamp-Rekonstruktion mit einem sogenannten scharfen Filterkernel (σK = 0,25).
-
Anschließend werden in einem vierten Verfahrensschritt Sd) Gefäßmasken, Maskenbilder der Gefäße, im Volumen- und Projektionsraum erzeugt.
-
In einem fünften Verfahrensschritt Se) wird eine Initialisierung von Gewichts-Volumen durchgeführt.
-
Diese derart erhaltenen Volumenbilder werden in einem sechsten Verfahrensschritt Sf) einer bilateralen Filterung mit Führungsbild unterworfen.
-
In einer Abfrage gemäß einem siebten Verfahrensschritt Sg) wird festgestellt, ob die maximal gewünschte Anzahl an Iterationen erreicht ist.
-
Im Falle einer Verneinung werden im achten Verfahrensschritt Sh) dynamische iterative Rekonstruktionsschritte auf die Volumina angewandt.
-
In einem letzten Rechenschritt Si) werden die Rekonstruktionsergebnisse einer bilateralen Filterung mit Führungsbild unterzogen.
-
Zum Ende werden in einem zehnten Verfahrensschritt Sj) die ermittelten Rekonstruktionen wiedergegeben.
-
In dieser Alternative des vollständigen Algorithmus werden zuerst also Projektionsbilder erzeugt. Nach der Vorverarbeitung der Daten im Projektionsraum werden alle Rotationen mittels des FDK-Algorithmus rekonstruiert. In einem nächsten Schritt wird eine Gefäßmaske in Volumen und Projektionsraum berechnet und die Gewichts-Volumen initialisiert. Dann werden alle Gewichts-Volumen mittels JB-Filterung entrauscht. Darauffolgend wird eine feste Anzahl von Iterationen durchgeführt. Jede Iteration besteht aus einem DIR-Schritt, um die Datenkonsistenz zwischen den Gewichts-Volumen und den gemessenen Projektionsdaten sicherzustellen, gefolgt von einer Rauschreduktion (engl. denoising) aller Gewichts-Volumen mit Filterung. Die Algorithmusparameter für die meisten der Experimente sind nachfolgend angegeben.
-
Zur Rekonstruktion von Kontrastintensitätskurven (TACs) mit einer verbesserten zeitlichen Auflösung werden die Kontrastintensitätskurven durch eine gewichtete Summe linearer Spline-Funktionen modelliert und der Algorithmus berechnet die Basis-Wichtung aus den akquirierten Daten. Während der Rekonstruktion wird eine Entrauschungsstrategie basierend auf bilateraler Filterung mit Führungsbild angewandt. Der Hauptschritt des Algorithmus wurde anhand der 5 und 6 näher erläutert.
- – Es wird ein dynamischer iterativer Algorithmus vorgeschlagen, der Kontrastintensitätskurven (TACs) rekonstruiert, die mit einer gewichteten Summe linearer Spline-Basisfunktionen modelliert wird. Verglichen mit bekannten Annäherungen verringert die Verwendung linearer Spline-Basisfunktionen die Rechenzeit, die ein wichtiger Faktor für interventionelle Bildgebung sind.
- – Zur Vermeidung von Gefäßstrukturen mit hohem Kontrast umgebenen Streifenartefakten in dem rekonstruierten Volumen wird eine neue Optimierungsstrategie mit einem modifizierten Rückprojektionsschritt eingeführt.
- – Es ist ein neues Rauschminderungsverfahren basierend auf bilaterale Filterung mit Führungsbild unter Verwendung der zeitlichen Maximal-Intensitäts-Projektion der Kontrastintensitätskurven als Führungsbild beschrieben. Die bilaterale Filterung mit Führungsbild bietet eine rechnerisch schnelle, stabile und vorteilhafte Regelung, die auch leicht zu implementieren ist.
-
Zur Kompensation der langsamen Rotationsgeschwindigkeit und zur Reduktion des Rauschpegels ist ein Software-Algorithmus beschrieben, der eine adäquate Rekonstruktion von Kontrastintensitätskurven in einer angemessenen Rechenzeit ermöglicht.
-
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
-
- US 7500784 B2 [0002, 0004]
- DE 102011086771 [0026]
-
Zitierte Nicht-Patentliteratur
-
- Royalty et al. zeigt in "C-Arm CT Dynamic Cerebral Perfusion Measurement for Ischemic Stroke: An Experimental Study in Canines", erschienen in Proc. ASNR 50th Annual Meeting, 2012 [0020]
- Fieselmann et al. schlägt in "Interventional 4-D C-arm CT Perfusion Imaging Using Interleaved Scanning and Partial Reconstruction Interpolation", IEEE Trans Med Imaging, 2012, Vol. 31, Seiten 892 bis 906 [0022]
- "Jacobi-like Solution to the Model Based Tomographic X-Ray Perfusion Imaging" von Serowy et. al, IEEE Nuclear Science Symposium Conference Record, 2007 [0024]
- "An iterative method for tomographic x-ray perfusion estimation in a decomposition model-based approach", von Neukirchen et al., Medical Physics, 2010, Vol. 37, Seiten 6125 bis 6141 [0024]
- "An extended temporal interpolation approach for dynamic object reconstruction", Proceedings 11th Fully 3D, 2011, Seiten 379 bis 382 [0025]
- Neukirchen et al. [0053]
- Neukirchen et al. [0055]
- Neukirchen et al. [0056]