TY - THES A1 - Richter, Dominik T1 - Compressed Sensing zur Filterung und Reduktion der Rekonstruktionszeit in der Positronen-Emissions-Tomographie T1 - Compressed sensing for filtering and reduction of reconstruction time in positron emission tomography N2 - Durch die Verwendung radioaktiver Substanzen mit ihrer schädigenden Wirkung auf den menschlichen Körper besteht in der Positronen-Emissions-Tomographie (PET) ein fortwährendes Interesse an der Reduktion der applizierten Dosis bei gleichbleibender Qualität der Ergebnisse. Zusätzlich ist im Hinblick auf die Wirtschaftlichkeit der Systeme eine Reduktion sowohl der Akquisitions- als auch der Rekonstruktionszeit erstrebenswert. In dieser Arbeit werden zwei Möglichkeiten vorgestellt, diese Ziele durch den Einsatz von Compressed Sensing (CS) zu erreichen. Neben der Entwicklung neuartiger Rekonstruktionsalgorithmen können Filtertechniken eingesetzt werden, um eine qualitative Verbesserung rekonstruierter Bilder zu erzielen. Der Vorteil eines Filters besteht unter anderem darin, dass diese retrospektiv angewandt werden können. Es ist folglich möglich, die Qualität eines Bildes zu überprüfen und lediglich im Bedarfsfall einen Filter einzusetzen. Die Technik des CS war in den letzten Jahren Gegenstand zahlreicher Forschungsarbeiten im Bereich der Bildgebung, insbesondere in der Magnetresonanztomographie und der Computertomographie (CT). Mit CS könnten bildgebende Verfahren wie die CT oder die PET mit weniger Messungen durchgeführt werden, wodurch sich die Messzeit und die Strahlenexposition reduziert. In der molekularen Bildgebung mit der PET ist CS jedoch weitgehend unbekannt. Im ersten Teil dieser Dissertation wird eine Methode vorgestellt, welche CS als Filtertechnik in der PET einsetzt. Den Ausgangspunkt stellt ein vollständiger, analytisch rekonstruierter Datensatz dar. Dieser wird mit einer Reihe unterschiedlicher Abtastmuster retrospektiv unterabgetastet und jeweils erneut, unter Verwendung von CS rekonstruiert. Im rauschfreien Fall würde CS stets das Originalbild liefern. Das überlagerte Rauschen führt jedoch zu Artefakten und einer Verschlechterung des Ergebnisses. CS kann nun einerseits das Rauschen vermindern. Andererseits ist es durch die Mittelung mehrerer unterschiedlicher Rekonstruktionen möglich, die Artefakte zu reduzieren. Auf diesem Weg kann die Bildqualität signifikant verbessert werden. Es konnte gezeigt werden, dass die Technik sowohl für 2D, als auch für 3D Datensätze verwendet werden kann. Die größten qualitativen Verbesserungen werden erzielt, wenn der Datensatz lediglich aus wenigen Ereignissen besteht. In diesem Fall ist die Bildqualität der analytischen Rekonstruktionen extrem schlecht, die Verbesserung durch die Filtertechnik mit CS und die damit verbundene Erhöhung des Signal-Rausch-Verhältnisses jedoch am größten. Bei diesen Datensätzen können die Ergebnisse iterativer Rekonstruktionen übertroffen werden. In der Praxis wäre damit ein Einsatz speziell bei dynamischen oder getriggerten Aufnahmen denkbar. In beiden Fällen basieren die Rekonstruktionen nicht selten auf wenigen Ereignissen. Die resultierenden Bilder sind häufig von schlechter Qualität, womit eine Verbesserung durch Filterung sinnvoll ist. Der zweite Teil dieser Arbeit beschäftigt sich mit der Rohdaten-basierten Triggerung am Kleintier-PET sowie mit dem Einsatz von CS zur Reduktion der Rekonstruktionszeit. Frühere Veröffentlichungen zeigten bereits die Anwendbarkeit Rohdaten-basierter Triggermethoden bei humanen Datensätzen. Im Hinblick auf eine präklinische Anwendung, speziell bei Datensätzen mit dem Fokus auf Mäuseherzen, existieren jedoch nur wenige Studien. In dieser Arbeit wird gezeigt, dass die segmentierte Methode des Massenschwerpunkts (COMseg) eine Technik darstellt, welche die kardiale Triggerung sowohl bei Datensätzen von Ratten, als auch von Mäusen erlaubt. Ein nicht zu unterschätzender Nachteil der COMseg besteht darin, dass vor deren Anwendung die List-Mode Datei in kleine Zeitframes unterteilt und in Sinogramme sortiert werden muss. Auf jedes Sinogramm wird im Anschluss ein Rebinning Algorithmus angewandt. Dies stellt einen enormen Zeitaufwand dar, wodurch sich eine Anwendung bei größeren Studien in der Praxis als schwierig erweist. Ziel der Triggermethoden ist die Gewinnung eines Triggersignals, durch welches beispielsweise der Herzschlag in mehrere Phasen aufgeteilt werden kann. Das Triggersignal hat für gewöhnlich eine dünnbesetzte Repräsentation im Frequenzraum. Dieses Vorwissen ermöglicht den Einsatz von CS. Anstelle des vollständigen Datensatzes wurde lediglich ein Teil der Daten in kleine Zeitframes sortiert und mit der COMseg ausgewertet. Aus diesem unterabgetasteten Datensatz wird mit Hilfe von CS das vollständige Triggersignal rekonstruiert. Die Stärke der Unterabtastung entspricht in etwa dem Faktor der Reduktion der Rekonstruktionszeit. Auf diesem Weg ist es möglich, eine signifikante Beschleunigung zu erzielen. Die Anwendung dieser Technik ist jedoch nicht auf die COMseg beschränkt. Prinzipiell kann das Verfahren bei allen Methoden der Rohdaten-basierten Triggerung angewandt werden, welche es erlauben, die Abtastpunkte des Signals separat zu berechnen. Damit werden Algorithmen interessant, deren Einsatz aufgrund aufwändiger Berechnungen bislang in der Praxis nicht sinnvoll war. Zusammenfassend legen die in dieser Arbeit vorgestellten Daten nahe, dass CS ein neuartiges Werkzeug in der PET darstellen könnte, mit welchem eine Filterung von Bildern sowie eine Reduktion der Rekonstruktionszeit möglich ist. N2 - In positron emission tomography (PET) radioactive substances are used. The exposure to ionizing radiation can cause damage to the human body. Therefore, there is an ongoing interest in reducing the amount of applied dose while keeping the quality of the results. With regard to the cost effectiveness of the systems a reduction of acquisition as well as reconstruction time is desirable. Within this work two possibilities are presented that enable achieving these objectives by using compressed sensing (CS). Filtering methods can be used beside the development of novel reconstruction algorithms to improve the quality of reconstructed images. One advantage of filters is the possibility of retrospective usage. Therewith, the image quality can be evaluated and the filter is solely applied if necessary. Over the past years, CS was the subject of several research activities in the field of imaging techniques, especially in magnetic resonance imaging and x-ray computed tomography (CT). CS could enable imaging modalities such as CT and PET to reconstruct images using fewer measurements, thus reducing scanning time and a patient's exposure to radiation. However, data on applications of CS in the molecular imaging with PET are lacking. The first part of this dissertation describes a method that uses CS as a filter in PET. The initial point is a complete and analytically reconstructed dataset. Several different sampling patterns are applied for retrospective undersampling followed by an reconstruction using CS. In the noise-free case each reconstruction would yield the original image. However, additional noise results in artefacts and in a decline of the result. On the one hand, CS is able to reduce noise. On the other hand, an averaging of several different reconstructions can reduce artefacts. Therewith, the image quality can be improved significantly. It is shown that the method could be applied to 2D as well as to 3D datasets. Best results are obtained when the dataset consists of a few events only. While the quality of analytically reconstructed images is extremely bad, the greatest improvement and therewith the maximum increase of the signal-to-noise ratio is achieved using the CS filter method. Thereby, it is possible to outperform the results of iterative reconstructions. In practice, an application to dynamic or gated acquisitions would be conceivable. Reconstructions at both acquisition modes are often based on few counts. The resulting images are commonly of bad quality, whereby an improvement using a filter is reasonable. The second part of this work deals with raw data based triggering at a small animal PET as well as the application of CS to reduce reconstruction time. Former publications already showed the practicability of raw data based triggering methods at human datasets. However, with regard to preclinical utilisation and especially to datasets that focus mice hearts, there are only few studies available. Within this work it is shown that the segmented centre of mass method (COMseg) enables cardiac gating of datasets of rats as well as mice. When applying the COMseg list-mode data have to be sub-divided into small time frames and sorted to sinograms. Afterwards, a rebinning algorithm is applied to each sinogram. The enormous expenditure of time is a disadvantage that should not be underestimated. In practice, an application to larger studies is difficult thereby. The aim of triggering methods is to yield a triggering signal which enables subdivision e.g. of the heartbeat in several phases. Usually, a triggering signal has a sparse representation in frequency space. This previous knowledge allows the application of CS. Instead of all data only a fraction of the dataset is sorted to small time frames and analysed using the COMseg. CS is used to calculate the complete triggering signal out of the undersampled one. The amount of undersampling corresponds to the reduction factor of reconstruction time. Thereby, a significant acceleration can be achieved. However, the application of this technique is not limited to the COMseg. If a raw data based triggering method calculates each sample individually, CS can be applied. Therefore, algorithms that were not practicable because of long computation times may become interesting. In summary, data of this work suggest that CS could be a novel analysis tool for filtering and reduction of reconstruction time in PET. KW - Komprimierte Abtastung KW - Positronen-Emissions-Tomographie KW - Medizintechnik KW - Filter KW - filtering KW - Compressed Sensing KW - PET Y1 - 2014 U6 - http://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:20-opus-106569 ER - TY - THES A1 - Vaegler, Sven T1 - Entwicklung eines neuen vorwissensbasierten Bildrekonstruktionsalgorithmus für die Cone-Beam-CT Bildgebung in der Strahlentherapie T1 - Development of a new prior knowledge based image reconstruction algorithm for the cone-beam-CT in radiation therapy N2 - In der heutigen Strahlentherapie kann durch eine am Linearbeschleuniger integrierte Röntgenröhre eine 3D-Bildgebung vor der Bestrahlung durchgeführt werden. Die sogenannte Kegel-Strahl-CT (Cone-Beam-CT, CBCT) erlaubt eine präzise Verifikation der Patientenlagerung sowie ein Ausgleich von Lagerungsungenauigkeiten. Dem Nutzen der verbesserten Patientenlagerung steht jedoch bei täglicher Anwendung eine erhöhte, nicht zu vernachlässigbare Strahlenexposition des Patienten gegenüber. Eine Verringerung des Dosisbeitrages bei der CBCT-Bildgebung lässt sich durch Reduzierung des Stroms zur Erzeugung der Röntgenstrahlung sowie durch Verringerung der Anzahl an Projektionen erreichen. Die so aufgenommen Projektionen lassen sich dann aber nur durch aufwendige Rekonstruktionsverfahren zu qualitativ hochwertigen Bilddatensätzen rekonstruieren. Ein Verfahren, dass für die Rekonstruktion vorab vorhandene Vorwissensbilder verwendet, ist der Prior-Image- Constrained-Compressed-Sensing-Rekonstruktionsalgorithmus (PICCS). Die Rekonstruktionsergebnisse des PICCS-Verfahrens übertreffen die Ergebnisse des auf den konventionellen Feldkamp-Davis-Kress-Algorithmus (FDK) basierenden Verfahrens, wenn nur eine geringe Anzahl an Projektionen zur Verfügung steht. Allerdings können bei dem PICCS-Verfahren derzeit keine großen Variationen in den Vorwissensbildern berücksichtigt werden und führen zu einer geringeren Bildqualität. Diese Variationen treten insbesondere durch anatomische Veränderungen wie Tumorverkleinerung oder Gewichtsveränderungen auf. Das Ziel der vorliegenden Arbeit bestand folglich darin, einen neuen vorwissensbasierten Rekonstruktionsalgorithmus zu entwickeln, der auf Basis des PICCS-Verfahrens zusätzlich die Verwendung von lokalen Verlässlichkeitsinformationen über das Vorwissensbild ermöglicht, um damit die Variationen in den Vorwissensbildern bei der Rekonstruktion entsprechend berücksichtigen zu können. Die grundlegende Idee des neu entwickelten Rekonstruktionsverfahrens ist die Annahme, dass die Vorwissensbilder aus Bereichen mit kleinen und großen Variationen bestehen. Darauf aufbauend wird eine Gewichtungsmatrix erzeugt, die die Stärke der Variationen des Vorwissens im Rekonstruktionsalgorithmus berücksichtigt. In Machbarkeitsstudien wurde das neue Verfahren hinsichtlich der Verbesserung der Bildqualität unter Berücksichtigung gängiger Dosisreduzierungsstrategien untersucht. Dazu zählten die Reduktion der Anzahl der Projektionen, die Akquisition von Projektionen mit kleinerer Fluenz sowie die Verkleinerung des Akquisitionsbereiches. Die Studien erfolgten an einem Computerphantom sowie insbesondere an experimentellen Daten, die mit dem klinischen CBCT aufgenommen worden sind. Zum Vergleich erfolgte die Rekonstruktion mit dem Standardverfahren basierend auf der gefilterten Rückprojektion, dem Compressed Sensing- sowie dem konventionellen PICCS-Verfahren. Das neue Verfahren konnte in den untersuchten Fällen Bilddatensätze mit verbesserter bis ausgezeichneter Qualität rekonstruieren, sogar dann, wenn nur eine sehr geringe Anzahl an Projektionen oder nur Projektionen mit starkem Rauschen zur Verfügung standen. Demgegenüber wiesen die Rekonstruktionsergebnisse der anderen Algorithmen starke Artefakte auf. Damit eröffnet das neu entwickelte Verfahren die Möglichkeit durch die Integration von Zuverlässigkeitsinformationen über die vorhandenen Vorwissensbildern in den Rekonstruktionsalgorithmus, den Dosisbeitrag bei der täglichen CBCT-Bildgebung zu minimieren und eine ausgezeichnete Bildqualität erzielen zu können. N2 - The treatment of cancer in radiation therapy is achievable today by techniques that enable highly conformal dose distributions and steep dose gradients. In order to avoid mistreatment, these irradiation techniques have necessitated enhanced patient localization techniques. With an integrated x-ray tube at modern linear accelerators kV-projections can be acquired over a sufficiently large angular space and can be reconstructed to a volumetric image data set from the current situation of the patient prior to irradiation. The so-called Cone-Beam-CT (CBCT) allows a precise verification of patient positioning as well as adaptive radiotherapy. The benefits of an improved patient positioning due to a daily performed CBCT's is contrary to an increased and not negligible radiation exposure of the patient. In order to decrease the radiation exposure, substantial research effort is focused on various dose reduction strategies. Prominent strategies are the decrease of the charge per projection, the reduction of the number of projections as well as the reduction of the acquisition space. Unfortunately, these acquisition schemes lead to images with degraded quality with the widely used Feldkamp-Davis-Kress image reconstruction algorithm. More sophisticated image reconstruction techniques can deal with these dose-reduction strategies without degrading the image quality. A frequently investigated method is the image reconstruction by minimizing the total variation (TV), which is also known as Compressed Sensing (CS). A Compressed Sensing-based reconstruction framework that includes prior images into the reconstruction algorithm is the Prior-Image-Constrained- Compressed-Sensing algorithm (PICCS). The images reconstructed by PICCS outperform the reconstruction results of the conventional Feldkamp-Davis-Kress algorithm (FDK) based method if only a small number of projections are available. However, a drawback of PICCS is that major deviations between prior image data sets and the follow up reconstructed images are not appropriate considered so far. These deviations may result from changes in anatomy including tumour shrinkage and loss of weight and may result in a degraded image quality of the reconstructed images. Deformable registration methods that adapt the prior images adequately can compensate this shortcoming of PICCS. Such registration techniques, however, suffer from limited accurateness and much higher computation time for the overall reconstruction process. Therefore, the aim of this thesis was to develop a new knowledge-based reconstruction algorithm that incorporates additionally local dependent reliability information about the prior images into reconstruction algorithm. The basic idea of the new algorithm is the assumption that the prior images are composed of areas with large and of areas with small deviations. Accordingly, the areas of the prior image were assigned as variable where substantial deformations due to motion or change in structure over the time series were expected. Hence, these regions were not providing valuable structural information for the anticipated result anymore. In contrast, “a priori” information was assigned to structurally stationary areas where no changes were expected. Based on this composition, a weighting matrix was generated that considers the strength of these variations during reconstruction. The new algorithm was tested in different feasibility studies to common dose reduction strategies. These dose reduction strategies includes the reduction of the number of projections, the acquisition of projections with strong noise and the reduction of the acquisition space. The main aim of this work was to demonstrate the gain of image quality when prior images with major variations are used compared to standard reconstruction techniques. The studies were performed with a computer phantom, and in particular with experimental data that have been acquired with the clinical CBCT. The new reconstruction framework yields images with substantially improved quality even when only a very small number of projections or projections with high noise were available. These images contained less streaking, blurring and inaccurately reconstructed structures compared to the images reconstructed by FDK, CS and conventional PICCS. In conclusion, the new developed reconstruction framework indicate the potential to lowering the radiation dose to the patient due to daily CBCT imaging while maintaining good image quality. KW - Strahlentherapie KW - Computertomografie KW - Bildrekonstruktion KW - Compressed Sensing KW - Cone Beam CT KW - Prior Knowledge KW - PICCS KW - Komprimierte Abtastung KW - Vorwissen Y1 - 2016 U6 - http://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:20-opus-137445 ER -