Part_6 (Электронные лекции)
Описание файла
Файл "Part_6" внутри архива находится в папке "Электронные лекции". Документ из архива "Электронные лекции", который расположен в категории "". Всё это находится в предмете "компьютерная томография" из 10 семестр (2 семестр магистратуры), которые можно найти в файловом архиве МГТУ им. Н.Э.Баумана. Не смотря на прямую связь этого архива с МГТУ им. Н.Э.Баумана, его также можно найти и в других разделах. Архив можно найти в разделе "лекции и семинары", в предмете "компьютерная томография" в общих файлах.
Онлайн просмотр документа "Part_6"
Текст из документа "Part_6"
Лекции по курсу «Компьютерная томография»
Математическое моделирование томографических систем
Любое математическое моделирование сложного процесса складывается из двух этапов: 1. моделирование процесса получения проекционных данных, 2. моделирование процесса реконструкции.
Основные проблемы при построении моделей связаны с переходом на дискретную сетку при задании объекта, описании получения проекционных данных и т.д.
Моделирование процесса реконструкции.
П
ереход на дискретную сетку задания как объекта, так и описания получения проекционных данных, их преобразование и и.д.
Переход от декартовой системы координат на дискретной сетке, в которой задана функция (томографический фантом) к полярной системе координат, в которой задано уравнение зондирующих лучей.
-
Преобразование Радона от фантома для различного числа ракурсов. При этом надо ответить на ряд вопросов:
-
сколько поставить приемников (оптимальное число ракурсов)?
-
с какой точностью необходимо регистрировать данные?
-
с каким качеством делать приемники?
-
какой алгоритм реконструкции использовать при заданном количестве ракурсов, приемников регистрации и заданном уровне шумов регистрации?
-
-
После реконструкции необходимо сравнить реконструированное изображение с фантомом. Если в реальной томографии качество востановленного изображения определяется по методу невязки, то при моделировании сравнение можно провести непосредственно. Сравнение происходит по трем критериям.
Критериимеры различий между излучениями:
где d-мера нормированная среднеквадратичная мера различий; большое различие значений в малой области ведет к увеличению значения ( велико, что плохо);
фантом, т.е. в дискретном виде;
реконструированное изображение;
среднее значение плотности в дискретизации тест-фантома;
где r-мера нормированная абсолютная средняя мера различий фиксирует наличие большого числа малых ошибок;
где e-мера фиксирует точку наихудшей реконструкции;
Дискретные алгоритмы реконструкции томограмм
Получена дискретизация по углу и проекциям. Дискретизация по углу всегда принципиальна (всегда, если есть шаг поворота приемника и источника), но всегда стоит вопрос: сколько брать ракурсов и как проводить дискретизацию. В идеальном случае нам известен спектр объекта, который определяет источник дискретизации в пространственной области. Максимальные пространственные частоты томограммы совпадают с максимальными частотами проекции согласно теореме о центральном слое.
Взаимосвязь линейной и угловой дискретизации:
Введем следующие параметры:
D – диаметр объекта;
d – интервал пространственной дискретизации, шаг в проекции;
– интервал угловой дискретизации, т.е. шаг по углу;
max – максимальная пространственная частота томограммы;
, где – число отсчетов в каждой проекции (количество направлений зондирования) по оси .
Интервал дискретизации определяется формулой: (по теореме Кательникова), так как согласно теореме о центральном слое, максимальная пространственная частота в проекции равна максимальной пространственной частоте в томограмме.
Если у нас есть спектр объекта, то мы хотим восстановить максимальную пространственную частоту max. Оценим величину : изображение будет повернуто на . Необходимо передать нужные пространственные частоты (шаг дискретизации должен описывать все пространственные частоты)
должно быть таким, чтобы при обратном преобразовании Фурье, хватало отсчетов для реконструкции объекта диаметром :
(оценка, какое число ракурсов необходимо, чтобы передать пространственные частоты спектр томограммы).
В реальной томограмме число отсчетов 512512 (для двухмерной), для трехмерной - много больше.
Дискретные алгоритмы:
1. Алгоритм дискретного обратного проецирования фильтрованных проекций
дискретная свертка:
если задана на дискретной сетке , где ; ;
число отсчетов по ракурсу; , то
необходимо использовать некое окно в частотной области, которое позволило бы избежать неустойчивости, которая происходит при вычислении подобной свертки.
При реализации данного алгоритма необходимо сделать следующие операции:
-
Дискретная фильтрация проекций (дискретные решения некорректной обратной задачи).
-
Дискретное обратное проецирование (поворот фильтрованной обратной проекции в плоскости на соответствующий угол поворота).
-
Суммирование всех проекций по углу.
Рассмотрим более подробно пункт 2):
Проекция представляет собой набор дискретных отсчетов. По числу артефактов дискретное обратное проецирование очень существенно:
Дискретная сумма:
М – число ракурсов;
– шаг по углу;
d – шаг по р;
N – число отсчетов;
m – порядковый номер ракурса;
n – порядковый номер отсчета
Для каждого ракурса необходимо пересчитать в . На декартовую сетку необходимо спроецировать функцию, заданную в полярных координатах. Решается эта проблема методом итерации. Используются два метода итераций:
-
по ближнему значению;
-
линейный.
При итерации по ближайшему значению вычисляют по величинам , выбирают таким образом, чтобы . Складывают вместе лучевые суммы для лучей по одному из каждого ракурса, которые являются ближайшими к точке с координатами . Погрешности метода очень велики.
При линейной интерполяции берется точка, смотрится значение вокруг нее, считается расстояние до этих значений, этой точке присваивается.:
Затем считают значения функций:
Линейная интерполяция является более сложной и дорогостоящей. В каждой точке лучевых сумм вместо одного луча сумма линейно интерполированных лучевых сумм двух лучей, которые находятся по обеим сторонам от точки.Так повторяется для каждой точки дискретного декартового пространства – дискретная оценка томограммы.
Необходима аддитивная и мультипликативная нормировка, потому что при инверсном преобразовании Радона не точно выполняют вычисление интеграла в смысле главного значения. выполненные из соображений размерности томограммы, совпадают с размерностью той физической величины, изображение распределения которого она является.
Ограничен угол обзора, есть непрозрачные включения внутри объекта.
2. Итерационные алгоритмы
Используются в тех случаях, когда количество данных ограниченно.
Достоинством данных алгоритмов является их чрезвычайная продуктивность.
Итерационные алгоритмы представляют собой последовательное действие одной и той же операции, в результате которого находится решение. Достоинством данного алгоритма является появление возможности не вводить обратного оператора.
И терационный алгоритм основан на том, что при реконструкции используются только известные данные о передаточной функции и нет необходимости в определении обратного оператора. В томографии итерационный алгоритм используется в тех случаях, когда существует ограниченный набор проекционных данных. В этом случае передаточная функция томографа равна нулю в больших областях пространственных частот.
Проекция задана только в пределах угла, а вне его равна нулю:
Итерационный алгоритм работает на привлечении априорной информации об объекте на всех этапах итерационного процесса.
Итерационный алгоритм Гершберга
Используется в тех случаях, когда количество проекционных данных недостаточно для применения классических методов, а так же в тех случаях, когда проекционные данные заданы не на всей плоскости.
Достоинства:
-
Нет необходимости в определении оператора обратного оператору искажений, т.е. в процедуру восстановления используют тот оператор, который исказил изображение.
-
При выводе итерационного уравнения можно использовать известные свойства искомого решения, т.е. априорную информацию на каждом этапе итерационной процедуры.
Построение итерационной процедуры:
П усть мы имеем некоторые функции и их Фурье–образ: и сформируем из них звезду, где за нулевую итерацию берется Фурье спектр (двумерная функция), получаемый Фурье-синтезом, тогда можно записать итерационную процедуру как:
Здесь – оценка томограммы на ом шаге;
– прямое двумерное преобразование Фурье;
– обратное преобразование Фурье;
с – оператор априорной информации о томограмме;
HN – функция «звезды». Она равна 1 вдоль лучей в Фурье области и 0 во всех остальных случаях.
Берем первичную оценку информации, затем делам ЛФП используя априорную информацию. При умножении спектра на маску (0, где звезда существует, и 1, где ее нет).
– лучи, заданные правильно, а остальные в уравнении добавляет что-то, что будет вне звезды, между лучами.
Этапы (шаги) процедуры:
Шаг 1.