نوع مقاله : مقاله پژوهشی
نویسندگان
1 دانشکده انرژی، دانشگاه صنعتی شریف
2 مدیر گروه مهندسی هسته ای، دانشکده انرژی، دانشگاه صنعتی شریف
چکیده
مقطع‌نگاری کامپیوتری (CT)، به طور گسترده در مطالعات بالینی، جهت تشخیص بیماری و هدایت روند درمان استفاده می‌شود. با این حال، با کاربرد گسترده CT در امور بالینی، موضوع بالابودن دز تابشی، در این روش، توجه بسیاری را به خود جلب کرده است. یکی از روش‌های کاهش دز در CTکه بسیار موردتوجه قرار گرفته است، تصویربرداری با نمای محدود است. در چنین حالت تصویربرداری، به علت کمبود داده دریافتی، تصاویر بازسازی شده، اغلب با آرتیفکت‌هایی مواجه هستند. در این مطالعه، نسبت به بررسی و ارزیابی الگوریتم‌های بازسازی تصویر، به‌منظور معرفی الگوریتمی مؤثر، در مطالعات نما محدود، تلاش شده است. برای این منظور، الگوریتم‌های رایج بازسازی تصویر، با عناوین، بیشینه‌سازی مقدار مورد انتظار حداکثر احتمال(MLEM)، تکنیک بازسازی جبری(ART) و پروجکشن بازگشتی فیلترشده(FBP) بررسی شده است. الگوریتم‌های FBP و MLEM، زمانی که تعداد داده‌ها کامل است، عملکرد مطلوبی از خود نشان دادند؛ اما با توجه به سرعت بسیار بالای الگوریتم FBP، استفاده از این الگوریتم، زمانی که تعداد داده‌ها کامل است، توصیه می‌شود. اما زمانی که تعداد داده‌ها کاهش می‌یابد، الگوریتم FBP عملکرد ضعیفی دارد و مقایسه اصلی میان الگوریتم ART و MLEM است که نتایج حاصل در این مقاله، عملکرد مناسب‌تر MLEM را نشان می‌دهد. همچنین در این مقاله، جهت بررسی نتایج، معیارهای کمی بیشینه نسبت سیگنال به نویز (PSNR)، خطای میانگین مربعات (RMSE) و شاخص تشابه ساختاری (SSIM) بررسی شده است و با توجه به نتایج حاصل، الگوریتم‌های FBP و MLEM، زمانی که داده‌ها کامل است و الگوریتم MLEM، در مطالعات نما محدود، عملکرد بهتری از خود نشان دادند.
کلیدواژه‌ها
- بازسازی تصویر
- مقطع‌نگاری کامپیوتری
- نما محدود
- بیشینه‌سازی مقدار مورد انتظار حداکثر احتمال
- تکنیک بازسازی جبری
- پروجکشن بازگشتی فیلترشده
موضوعات
عنوان مقاله [English]
Evaluation of FBP, ART and MLEM image reconstruction algorithms in sparse view CT studies
نویسندگان [English]
- Sayna Jamaati 1
- Mohammad Ghorbanzadeh 1
- Seyed Abolfazl Hosseini 2
1 Faculty of Energy, SUT
2 Director of Nuclear Engineering Department, Faculty of Energy, SUT
چکیده [English]
In clinical trials, Computed Tomography (CT) is widely used to diagnose and guide treatment. As CT has become more prevalent in clinical practice, the issue of high radiation dose has gained much attention. It is possible to reduce the dose in CT by using sparse view imaging. The absence of data in this imaging mode, frequently results in artifacts in the reconstructed images. In this paper, attempted to examine and assess image reconstruction methods in order to introduce effective algorithms in sparse view studies. In order to achieve this, common image reconstruction algorithms: Maximum Likelihood Expectation Maximization (MLEM), Algebraic Reconstruction Technique (ART) and Filtered Back Projection (FBP), have been reviewed. FBP and MLEM algorithms showed good performance when the number of data is complete, but due to the very high speed of the FBP algorithm, it is recommended to use this algorithm in this cases. But when the number of data decreases, the FBP algorithm performs poorly, and the main comparison is between the ART algorithm and MLEM. The results show the better performance of MLEM in sparse view study. Also, in this paper, in order to evaluate the results, quantitative parameters like Peak Signal-to-Noise Ratio (PSNR), Root Mean Square Error (RMSE) and Structural Similarity index (SSIM) have been investigated and according to the results, when the data is complete, FBP and MLEM algorithms, and in sparse view studies, MLEM algorithm showed better performances.
کلیدواژه‌ها [English]
- Image Reconstruction
- Computed Tomography
- Sparse View
- MLEM
- ART
- FBP
)