Filtern
Volltext vorhanden
- ja (2)
Gehört zur Bibliographie
- ja (2)
Dokumenttyp
- Dissertation (2)
Sprache
- Deutsch (2) (entfernen)
Schlagworte
- Bildrekonstruktion (2) (entfernen)
Institut
Sonstige beteiligte Institutionen
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.
In der klinischen Magnetresonanztomographie (MRT) spielt neben dem Bildkontrast und der räumlichen Auflösung, die Messzeit eine sehr wichtige Rolle. Auf Grund schneller Bildgebungsmethoden und technischer Fortschritte in der Geräteentwicklung konnten die Aufnahmezeiten bis auf wenige Sekunden reduziert werden. Somit wurde die MRT zu einem der wichtigsten Verfahren in der klinischen Diagnostik. Der größte Fortschritt für eine weitere Verkürzung der Aufnahmezeiten erfolgte durch die Einführung von Partiell-Parallelen-Akquisitions (PPA) Techniken in den späten 1990er Jahren. Inzwischen sind PPA-Verfahren etabliert und stehen auch für den Einsatz im klinischen Alltag zur Verfügung. Die Grundlage aller PPA-Verfahren bildet eine Anordnung von mehreren Empfangsdetektoren, welche gleichzeitig und unabhängig voneinander ein Objekt abbilden. Das Signal jedes einzelnen Detektors enthält dabei je nach Position eine gewisse räumliche Information. Eine Messzeitverkürzung wird im Allgemeinen dadurch erzielt, dass die Menge der aufzunehmenden Daten reduziert wird. Dies führt zu Fehler behafteten Bildern auf Grund von fehlenden Daten. Alle gängigen PPA-Verfahren benutzen die in der Detektoranordnung inhärente räumliche Information, um mit geeigneten Algorithmen die Fehler behafteten Bilder zu korrigieren. Die beiden erfolgreichsten Ansätze stellen momentan das "Sensitivity Encoding" (SENSE) Verfahren und die "Generalized Autocalibrating Partially Parallel Acquisitions" (GRAPPA) Methode dar. Die Leistungsfähigkeit von PPA-Methoden ist allerdings beschränkt. Zunächst begrenzt die Anzahl der Einzeldetektoren den maximal erreichbaren Messzeitgewinn. Weiterhin führt der Einsatz von PPA-Verfahren zu einer Verringerung des Signal-zu-Rausch-Verhältnis (englisch: signal-to-noise ratio, SNR). Im Allgemeinen ist das SNR um den Faktor der Wurzel des Beschleunigungsfaktors verringert. Ein zusätzlicher SNR-Verlust entsteht durch den Rekonstruktionsprozess und ist stark abhängig von der geometrischen Anordnung der Detektoren. Auf Grund dieser Verluste ist der Einsatz von PPA-Methoden auf Applikationen mit bereits hohem intrinsischen SNR beschränkt. In dieser Arbeit werden Erweiterungen von PPA-Verfahren vorgestellt, um deren Leistungsfähigkeit weiter zu verbessern. Der Schwerpunkt liegt dabei auf der selbstkalibrierenden GRAPPA-Methode, welche die fehlenden Daten im reziproken Bildraum, dem so genannten k-Raum, rekonstruiert. Zunächst wird der Einsatz von GRAPPA für die 3D-Bildgebung beschrieben. In der 3D-Bildgebung ist es für die Rekonstruktionsqualität von PPA-Methoden vorteilhaft, die Daten entlang zweier Raumrichtungen zu reduzieren. GRAPPA war bisher auf Experimente mit Datenrekonstruktion in nur einer Richtung beschränkt. Es wird gezeigt, dass sich durch Kombination mit SENSE der Vorteil einer zwei-dimensionalen Datenreduktion erstmals auch für GRAPPA benutzen lässt. Weiterhin wird eine Neuformulierung der GRAPPA-Rekonstruktion als Matrixoperation vorgestellt. Dieser Formalismus wird als GRAPPA-Operator Formalismus bezeichnet und erlaubt es, ein gemessenes Signal im k-Raum zu verschieben, um fehlende Daten zu rekonstruieren. Eigenschaften und Beziehungen zwischen unterschiedlichen Verschiebungen werden beschrieben und daraus resultierende Anwendungen für die 2D- und 3D-Bildgebung präsentiert. Im Allgemeinen arbeiten alle konventionellen PPA-Verfahren ausschließlich auf der Rekonstruktionsseite. Somit ist die Bildqualität und damit der erzielbare Messzeitgewinn nur durch die Geometrie der Detektoranordnung beeinflussbar. In der Mehrschicht-MRT lässt sich diese Abhängigkeit von der Detektoranordnung reduzieren, indem Bildartefakte bereits während der Datenaufnahme gezielt verändert werden. Auf diese Weise kann der SNR-Verlust aufgrund des Rekonstruktionsprozesses minimiert werden. Dieses Konzept der kontrollierten Einfaltungen (englisch: Controlled Aliasing in Parallel Imaging Results in Higher Acceleration, CAIPIRINHA) wird für den Einsatz in der dynamischen Herzbildgebung vorgestellt. Bei geringen Beschleunigungsfaktoren kann mit CAIPIRINHA im Gegensatz zu den üblichen PPA-Verfahren eine Bildqualität erzielt werden, welche keine signifikanten Einbußen gegenüber konventionellen Experimenten aufweist.