Computertomographie
Computertomographie
Computertomographie
Erfolgreiche ePaper selbst erstellen
Machen Sie aus Ihren PDF Publikationen ein blätterbares Flipbook mit unserer einzigartigen Google optimierten e-Paper Software.
<strong>Computertomographie</strong><br />
Werner Backfrieder<br />
Institut fur<br />
Biomedizinische Technik und Physik<br />
Universitat Wien<br />
Sommersemester 1999
INHALTSVERZEICHNIS 1<br />
Inhaltsverzeichnis<br />
1 Einleitung 2<br />
2 Analoge Verfahren der Tomographie 2<br />
3 <strong>Computertomographie</strong> 4<br />
3.1 Motivation............................... 4<br />
3.2 Radontransformation . . . . . . . . . . . . . . . . . . . . . . . . . 6<br />
3.3 Radontransformation in unterschiedlichen Bildgebungsverfahren . 8<br />
3.4 Rontgen-CT { Technische Grundlagen ............... 13<br />
4 Rekonstruktion aus Projektionen 17<br />
4.1 Ruckprojektion ............................ 17<br />
4.1.1 Direkte Ruckprojektion eines Punktes . . . . . . . . . . . . 17<br />
4.2 Zentralschnitt{Theorem ....................... 18<br />
4.3 Rekonstruktionsmethoden ...................... 20<br />
4.4 Die ge lterte Ruckprojektion . . . . . . . . . . . . . . . . . . . . . 20<br />
4.4.1 Implementierung der ge lterten Ruckprojektion ...... 21<br />
4.5 Fouriermethode . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24<br />
4.6 Algebraische Rekonstruktions Technik (ART) ........... 27<br />
4.6.1 Diskrete Problemstellung . . . . . . . . . . . . . . . . . . . 28<br />
4.7 Maximum Likelihood - Expectation Maximisation (ML-EM) ... 32<br />
4.8 Beschleunigte Verfahren, Ordered Subsets ............. 33<br />
Literaturverzeichnis35
1 EINLEITUNG 2<br />
1 Einleitung<br />
Mit der Entdeckung der Rontgenstrahlung im Jahr 1895 war die Grundlage fur<br />
eine Revolutionierung der medizinischen Diagnostik gegeben. Die Medizin war<br />
nun in der Lage in den Menschen hineinzublicken und machte von dieser Moglichkeit<br />
auch sehr bald Gebrauch. In den ersten Jahrzehnte der Radiologie waren<br />
planare Aufnahmen vorherrschend, wobei der untersuchte Korperteil auf einem<br />
Film oder Leuchtschirm dargestellt wurde. Diese Technik war zumeist ausreichend<br />
um einzelne Organe di erenzieren zu konnen, in Durchstrahlungsrichtung<br />
konnte jedoch die Lage der Organe zueinander nicht beurteilt werden. Einen<br />
Meilenstein in der Entwicklung stellte die Tomographie dar, erstmals war man<br />
in der Lage Querschnitte des Korpers selektiv darzustellen. Erste Ansatze dazu<br />
wurden in der analogen Tomographie entwickelt. Durch geeignete Anordnungen<br />
von Film, Rontgenquelle und Patient versuchte man Strukturen au erhalb<br />
der abzubildenden Schicht zuverwischen und so den Kontrast in einer Abbildungsebene<br />
gezielt zu steigern. Die Einfuhrung des ersten klinischen Computer<br />
tomographen durch Houns eld war der Beginn der modernen Radiologie. Mittels<br />
rechnergestutzter Verfahren konnte ein Bild des Querschnitts einer Korperregion<br />
erstellt werden. Diese Methode erlaubt eine di erenzierte Darstellung anatomische<br />
Strukturen und mittels der Ubereinanderreihung mehrerer Schichten ist eine<br />
dreidimensionale Erfassung des Patienten moglich.<br />
Dieses Konzept der Schichtbildgebung wurde auch in anderen Abbildungsverfahren<br />
wie SPECT, PET und auch MR angewendet. Die mathematische Grundlage<br />
dazu wurde vom Wiener Mathematiker Johann Radon im Jahr 1917 erarbeitet.<br />
Bei der Entwicklung der ersten Tomographen durch A. Cormack war jedoch<br />
diese Arbeit nicht bekannt und die Formalismen Radons wurden erst spater in<br />
das Gebiet eingebracht.<br />
In dieser Vorlesung wird das Konzept der Schichtabildungsverfahren vorgestellt<br />
und ein mathematischerFormalismus dazu entwickelt. Dabei werden einige<br />
auf der Methode beruhende Abbildungsverfahren diskutiert. Verschiedene Algorithmen<br />
zur Bildrekonstruktion werden vorgestellt, wobei die gebrauchlichste<br />
Methode, die ge lterte Ruckprojektion, ausfuhrlich behandelt wird. Praktische<br />
Bedeutung kommt der Verwendung geeigneter Filter zu. Im Rahmen der gelterten<br />
Ruckprojektion wird ein Uberblick uber die wichtigsten Filterfamilien<br />
gegeben. Abschlie end wird ein Ausblick auf die wichtigsten Methoden der iterativen<br />
Bildrekonstruktion gegeben.<br />
2 Analoge Verfahren der Tomographie<br />
Die konventionelle Rontgentomographie ist eine fruhe, analoge Methode zur<br />
Schichtabbildung. Dabei wird zwischen der longitudinalen und transversalen Tomographie<br />
unterschieden. In der longitudinalen Tomographie wird eine Objekt-
2 ANALOGE VERFAHREN DER TOMOGRAPHIE 3<br />
Abbildung 1: Konzept der longitudinalen, analogen Tomographie [2]<br />
Abbildung 2: Transversale Tomographie: Anordnung und Prinzip der Projektion<br />
[2]
3 COMPUTERTOMOGRAPHIE 4<br />
schicht auf einen Film projiziert, wobei Film und Rontgenquelle eine gegenlau ge<br />
Linearbewegung durchfuhren (vgl. Abb. 1). Eine bestimmte Objektschicht, die<br />
parallel zur Filmebene liegt, wird scharf abgebildet alle anderen Objektbereiche<br />
au erhalb dieser Schicht werden verschmiert (Artefakte) abgebildet (vergleiche<br />
dazu die Projektion des Punktes B auf verschiedene Bereiche der Photoplatte<br />
entsprechend der unterschiedlichen Quellen/Film{Positionen).<br />
Die Methode der transversalen Tomographie ist konzeptionell der <strong>Computertomographie</strong><br />
wie wir sie heute kennen sehr ahnlich. Diese Methode benutzt eine<br />
Anordnung, in der die Rontgenquelle, die abzubildende Objektschicht und der<br />
Rontgen lm in einer Ebene liegen. Der Rontgen lm weist gegenuber der Ebene<br />
der Strahlrichtung eine leichte Verkippung auf, dadurch wird im Objekt eine bestimmte<br />
Schichte abgebildet. Wahren der Aufnahme rotieren Rontgenquelle und<br />
Film gegenlau g (vgl. Abb. 2), wodurch eine Ebene selektiv abgebildet wird.<br />
Strukturen au erhalb der Ebene werden verschmiert, bzw. artefaktbehaftet abgebildet.<br />
Diese Methode wird auch Layergramm-Technik genannt und entspricht<br />
einer direkten Ruckprojektion, wie sie spater besprochen wird.<br />
3 <strong>Computertomographie</strong><br />
In diesem Abschnitt wird eine anschauliche Darstellung der Abbildungsprinzipien<br />
der <strong>Computertomographie</strong> gegeben. Nach der Einfuhrung eines mathematischen<br />
Formalismus fur die Datenerfassung wird die Implementierung der Methode in<br />
einigen ausgewahlten Modalitaten diskutiert.<br />
3.1 Motivation<br />
Wie sich aus den Experimenten C.F. Rontgens zeigte, wird Rontgenstrahlung<br />
beim Durchtritt durch Materie abgeschwacht. In einer Rontgenaufnahme unterscheiden<br />
sich die Organe und Knochen aufgrund ihrer verschiedenen Abschwachungseigenschaften.<br />
Die Abschwachung ist materialspezi sch und kann<br />
durch den linearen Schwachungskoe zienten (E), der energieabhangig ist, in<br />
einem Exponentialgesetz beschrieben werden. Unter Vernachlassigung der Energieabhangigkeit<br />
la t sich das Abschwachungsgesetz vereinfacht anschreiben<br />
I = I0 e ;R L<br />
(l) dl<br />
: (1)<br />
In dieser Gleichung bezeichnet I0 die Intensitat der Rontgenstrahlung vor dem<br />
Eintritt in den abzubildenden Korper. Mit I wird die Intensitat, die den Korper<br />
durchdringt, bezeichnet. L bezeichnet den Weg durch das Objekt. Die Information<br />
uber die innere Zusammensetzung des Korpers ist im linearen Schwachungskoe<br />
zienten (l) enthalten. Die Inhomogenitat des Objekts druckt sich in der<br />
Ortsabhangigkeit von durch die Variable l aus. Durch Logarithmierung des<br />
Verhaltnisses der Intensitaten von eintretender zu austretender Strahlung kann
3 COMPUTERTOMOGRAPHIE 5<br />
Projection 0 o<br />
Projection 90 o<br />
Projection 45 o<br />
Abbildung 3: Projektion einer Anordnung zylinderformiger Objekte in den Winkeln:<br />
0 o ,90 o und 45 o .<br />
die Summeninformation uber das Objekt entlang des Strahlweges gefunden werden<br />
ln I0<br />
I =<br />
Z<br />
L<br />
(l) dl : (2)<br />
Abbildung 4: Mogliche Objektanordnungen<br />
Aus der Durchleuchtung eines Objekts in einer Richtung kann jedoch nicht die<br />
exakte ortliche Information uber das Objekt gefunden werden. Abbildung 3 zeigt<br />
die Projektion einfacher geometrische Strukturen aus der Vorderansicht (0 o ), Seitenansicht<br />
(90 o )undSchragansicht (45 o ). Zeichnen Sie darunter die moglichen<br />
Objektanordnungen! Je mehr Ansichten (Projektionen aus verschiedenen Winkeln)<br />
verfugbar sind, desto exakter kann die Position bestimmtwerden. In diesem<br />
Beispiel mit einfachen geometrischen Strukturen { deren Form vorher bekannt ist<br />
{reichen drei Ansichten aus. Werden jedoch z.B. komplizierte Knochenfragmente<br />
abgebildet, mussen moglichst viele Projektionen aus verschiedenen Winkeln aufgenommen<br />
werden.<br />
Die intuitiv vorgestellten Prinzipien sind die Voraussetzungen fur eine rechnergestutzte<br />
Rekonstruktion von Schnittbildern in der <strong>Computertomographie</strong>. Die
3 COMPUTERTOMOGRAPHIE 6<br />
mathematische Grundlage wurde von Johann Radon 1917 in seiner Arbeit " Uber<br />
die Bestimmung von Funktionen durch ihre Integralwerte langs gewisser Mannigfaltigkeiten.\[1]<br />
formuliert. Die Aussage des Radon{Theorems kann folgend<br />
zusammengefa t werden:<br />
" Eine zweidimensionale skalare Funktion f(r ) wird durch die Bildung<br />
ihrer Integralwerte entlang aller moglichen linearen Integrationswege<br />
uber ihr De nitionsgebiet bestimmt.\<br />
Unabhangig von Radons Arbeit formulierte A. Cormack 1964 mit der Konstruktion<br />
eines Labor Prototypen fur die Computer Tomographie einen Algorithmus<br />
zur Rekonstruktion von Schichtbildern [4].<br />
3.2 Radontransformation<br />
Die <strong>Computertomographie</strong> ist ein zweistu ges Abbildungsverfahren. Die Daten<br />
werden innerhalb einer ausgewahlten Objektschicht erfa t. Dabei handelt es sich<br />
um eine projektive Datenerfassung, wobei die Objektinformation entlang einer<br />
Linie aufsummiert (integriert wird) und dieser Wert einem Punkt im Projektionsraum<br />
zugeordnet wird. Diese Projektionsdaten sind nicht direkt interpretierbar,<br />
d.h. sie ergeben keine Bildinformation uber die darzustellende Schichte.<br />
Erst in einem zweiten Schritt wird die, durch die Projektion codierte Objektinformation,<br />
entschlusselt und durch eine computergestutzte Rekonstruktion ein<br />
Bild der Objektschicht erstellt. Die Schritte des Abbildungsprozesses lassen sich<br />
folgenderma en schematisieren:<br />
Objekt ! Projektions- ! Schichtbild<br />
daten<br />
Radon- Rekonstruktion<br />
transformation<br />
Linien- ! Punkt- ! Bild-<br />
Information Information Information .<br />
Mathematisch wird die Datencodierung in der Projektion durch die Radontransformation<br />
beschrieben. Die Objektfunktion f beschreibt die zweidimensionale<br />
Verteilung der abbildungsspezi schen, physikalischen Gro e (z.B. linearer<br />
Schwachungskoe zient, Dichte der H-Kerne, Anzahl der Zerfallsereignisse) innerhalb<br />
der Objektschicht. Die Objektfunktion f wird durch die Radontransformation<br />
R in die Punktinformation p des Projektions- oder Radonraumes projiziert.<br />
p(l )=[Rf](l )=<br />
Z 1<br />
;1<br />
dx<br />
Z 1<br />
;1<br />
dy f(x y) (l ; x cos ; y sin ) (3)<br />
Jeder Projektionswert p(l ) wird entsprechend seiner Koordinaten l, dem Abstand<br />
vom Mittelpunkt des Koordinatensystems, und , dem Projektionswinkel,
3 COMPUTERTOMOGRAPHIE 7<br />
R<br />
y<br />
θ<br />
l<br />
Radontransformation<br />
L<br />
x<br />
Linieninformation Punktinformation<br />
Abbildung 5: Radontransformation: Projektion einer Linieninformation in eine<br />
Punktinformation<br />
im Radonraum zugeordnet. Der Winkel wird vom Integrationspfad L und der<br />
y-Achse gebildet. Die entsprechenden Relationen sind in Abb. 5 dargestellt.<br />
Die Gesamtheit der Integralwerte wird auch Sinogramm der Objektfunktion f<br />
genannt. Fur die Existenz des Integrals in Glg. 3mu die Objektfunktion f<br />
nachfolgende Bedingungen erfullen, die weiters hinreichend fur deren Invertierbarkeit<br />
ist, d.h. aus den Projektionsdaten kann ein Bild rekonstruiert werden.<br />
1. Die Funktion ist auf einem kompakten Trager in R2 de niert. Im Hinblick<br />
auf praktische Anwendungen wird ein Kreis mit Radius R als De nitionsbereich<br />
der Funktion f angenommen. Au erhalb diese Kreises ist f gleich<br />
Null.<br />
q<br />
f(x y )=0 8 (x y) : 2 2 x + y >R (4)<br />
2. Die Funktion ist in ihrem De nitionsbereich quadratisch integrierbar.<br />
Z 1<br />
;1<br />
dx<br />
Z 1<br />
;1<br />
θ<br />
dy f(x y) 2 < 1 (5)<br />
3. Auf die Klasse der Objektfunktionen ist ein Ma d de niert, das den Ab-<br />
stand zwischen zwei Funktionen f1 und f2 de niert.<br />
Z 1 Z 1<br />
d(f1f2) =<br />
;1<br />
dx<br />
;1<br />
dy(f1(x y) ; f2(x y)) 2<br />
Durch die Bedingung in Glg. 4 und die Symmetrieeigenschaften<br />
[Rf](l )=[Rf](l +2 )=[Rf](;l + ) (7)<br />
l<br />
(6)
3 COMPUTERTOMOGRAPHIE 8<br />
wird ein nonredundanter De nitionsbereich l 2 [;l l)und 2 [0 )fur die Werte<br />
p(l ) de niert.<br />
In praktischen Anwendungen wird jedoch nur ein endliches Subset pi(l ) der<br />
Projektionswerte gemessen. Der Index i bezeichnet einen diskreten Punkt im<br />
Radonraum. Die Verteilung der Punkte wird durch die Projektionsgeometrie<br />
bestimmt, wobei Serien von Me werten, sogenannten Pro le, aufgenommen werden.<br />
Die Pro le werden durch einen inneren und au eren Parameter bestimmt.<br />
Ublicherweise unterscheidet man eine parallele und eine divergente Projektionsgeometrie<br />
(vgl. Abb. 6). In der Parallelgeometrie werden alle Werte p mit<br />
gleichem Winkel zusammengefa t. Innerhalb des Pro ls werden die Werte<br />
nach steigenden Nullpunktabstand l geordnet. In der divergenten Strahlgeometrie<br />
wird die Lage eines Pro ls durch den Projektionswinkel des Mittelstrahls<br />
als au erem Parameter bestimmt. Der innere Parameter ist der Winkel vom<br />
Mittelstrahl. In Abhangigkeit dieser Parameter ergeben sich die Koordinaten l<br />
und im Radonraum<br />
l = D sin (8)<br />
= + (9)<br />
wobei D der Abstand von der Rontgenquelle zum Ursprung des Koordinatensystems<br />
ist.<br />
Als Beispiel ist in Abb. 7 das Sinogramm eines Punktes gezeigt. Mit der<br />
Angabe des Punktes in Polarkordinaten (r ) ergibt sich fur das Sinogramm<br />
l = r cos( ; ).<br />
3.3 Radontransformation in unterschiedlichen Bildgebungsverfahren<br />
Die oben getro enen Annahmen uber die Radontransformation sind unabhangig<br />
von der physikalischen Natur des Informationstragers, der die Grundlage eines<br />
Schichtabbildungsverfahrens bildet. In den vielfaltigen Anwendungsgebieten der<br />
<strong>Computertomographie</strong> haben sich einige Varianten dieses Abbildungskonzepts<br />
etabliert:<br />
Rontgen-<strong>Computertomographie</strong> (Ro-CT):<br />
Die abgebildete Objektinformation ist die zweidimensionale Verteilung des<br />
linearen Schwachungskoe zienten innerhalb einer Objektschicht. Hat<br />
ein Rontgenstrahl vor dem Eintritt in ein Stuck Materie der Dicke d die<br />
Intensitat I0, so wird er auf seinem Weg durch die Materie entsprechend<br />
des i. a. ortlich variierenden Schwachungskoe zienten (~x) anIntensitat<br />
verlieren. Nach dem Durchtritt wird nur mehr eine verminderte Intensitat<br />
I = I0e ;R d<br />
0(g)<br />
(~x) dx<br />
(10)
3 COMPUTERTOMOGRAPHIE 9<br />
Abbildung 6: Parallelle und facherformige Abtastgeometrie [2].
3 COMPUTERTOMOGRAPHIE 10<br />
Abbildung 7: Sinogramm eines Punktes [2]<br />
me bar sein. Bildet man die Relation<br />
ln( I0<br />
I )=<br />
Z d<br />
0(g)<br />
(~x) dx (11)<br />
so ergibt sich die Radontransformierte der Verteilung des linearen<br />
Schwachungskoe zienten in der Objektschicht. Diese Aussage ist in oben<br />
dargestellter Form jedoch nur fur monochromatische Rontgenstrahlung<br />
gultig, da der lineare Schwachungskoe zient energieabhangig ist, wodurch<br />
bei polychromatischer Durchstrahlung die verschiedenen Spektralanteile der<br />
Rontgenstrahlung unterschiedlich abgeschwacht werden. Aufgrund dieser<br />
Tatsache kann bei wei er Rontgenstrahlung das Linienintegral aus Gleichung<br />
11 nicht mehr in " beliebiger\ Genauigkeit erhalten werden. Die Konsequenz<br />
daraus sind Aufhartungsartefakte in den rekonstruierten Bildern.<br />
Diese Artefakte konnen durch geeignete Vor lterung der Strahlung oder<br />
durch Kalibrierung der Me daten wahrend der Rekonstruktion vermindert<br />
werden.<br />
Emissions-Tomographie<br />
Auch in diesem Anwendungsgebiet erfolgt die Informationsubertragung<br />
durch elektromagnetische Strahlung. Es handelt sich dabei um -Strahlung,<br />
die bei radioaktiven Zerfallen entsteht. Der wesentliche Unterschied zur<br />
oben beschriebenen Transmissions-Tomographie ist jedoch der, da die
3 COMPUTERTOMOGRAPHIE 11<br />
Abbildung 8: Schematische Darstellung der Me werterfassung bei der PET [32]<br />
Strahlung durch Tracer-Substanzen im Korper entsteht. Dabei werden<br />
Radiopharmaka in den Korper injiziert, die am Sto wechsel teilnehmen.<br />
Korperstellen in denen der Tracer angereichert wird, werden abgebildet.<br />
Dabei sind grundsatzlich zwei Methoden zu unterscheiden:<br />
{ Positronen-Emissions-Tomographie (PET)<br />
In Folge eines radioaktiven + {Zerfalls entsteht einPositron, welches<br />
nach einer charakteristischen Laufstrecke (die Lange ist von der umgebenden<br />
Materie abhangig und liegt im Bereichvon einigen Millimetern<br />
bis Zentimetern) auf thermische Energien abgebremst wird und mit<br />
einem Elektron in Wechselwirkung tritt. Elektron und Positron annihilieren<br />
und senden zwei -Quanten, deren Energie der Ruheenergie<br />
der reagierenden Teilchen 0.511 MeV entspricht, in entgegengesetzter<br />
Richtung aus. Abbildung 8 zeigt das Schema einer solchen Anordnung,<br />
mit der das Quanten{Paar detektiert wird. Dabei wird nur in jenen<br />
Fallen ein Ereignis gezahlt, in denen zwei gegenuberliegende Detektoren<br />
innerhalb eines Koinzidenzintervalls zwei Quanten registrieren<br />
(Koinzidenzmessung). Aufgrund der endlichen O nungsbreite der einzelnen<br />
Detektoren und der Geometrie des Annihilationsprozesses mu<br />
ein Detektor mit mehreren gegenuberliegenden Detektoren gekoppelt<br />
werden. Von einem registrierten Impuls kann bis auf die Angabe der<br />
Verbindungslinie zwischen den beiden Detektoren, die diese Quanten<br />
registriert haben, keine genauere Angabe uber den Ort des Zerfallsprozesses<br />
gemacht werden. Da es sich bei Kernzerfallen um statistische<br />
Prozesse handelt und die Wahrscheinlichkeitfur gleichartige Umwandlungsprozesse<br />
bei identischen Isotopen gleich gro ist, ist die Summe
3 COMPUTERTOMOGRAPHIE 12<br />
Abbildung 9: Schematische Darstellung der De nition des Strahlengangs mittels<br />
eines Kollimators in der SPECT [33].<br />
der von einem Detektorpaar in einem bestimmten Zeitintervall gemessenen<br />
Ereignisse gleich dem Erwartungswert uber die Isotopenverteilung<br />
entlang ihrer Verbindungslinie.<br />
{ Einzel-Photonen-Emissions-Tomographie (SPECT)<br />
In diesem Verfahren werden ahnlich wie bei der PET durch Kernumwandlungsprozesse<br />
entstehende {Quanten gemessen. Dabei werden<br />
die Ereignisse jedoch nur in einem Detektor gemessen. Um nun die<br />
registrierten Zerfallsereignisse einer Linie im Objekt (O) zuordnen zu<br />
konnen, wird vor dem Detektor (D) ein Kollimator (K) angebracht<br />
(vergleiche Abbildung 9), der alle Photonen absorbiert, welche nicht<br />
aus der durch die Detektorposition spezi zierten Linie (B) der Objektschicht<br />
stammen. Da zur Bestimmung des Linienintegrals uber<br />
die Isotopenverteilung (R) im Objekt nur ein Detektor (im Gegensatz<br />
zu PET) benotigt wird, konnen in dieser Anwendung beliebige<br />
Isotope, welche bei der Kernumwandlung -Quanten emittieren, verwendet<br />
werden. Die Halbwertszeit eines der gebrauchlichsten Isotope
3 COMPUTERTOMOGRAPHIE 13<br />
99m Tc liegt bei 6 Stunden.<br />
Der logistische Aufwand bei SPECT ist gegenuber PET wesentlich geringer.<br />
Durch Abschwachung im Gewebe, weist SPECT jedoch verstarkte<br />
Bildartefakte im Vergleich zu PET auf. Letztere Methode ist unemp ndlich<br />
gegenuber homogener Abschwachung.<br />
Kernspinresonanz{<strong>Computertomographie</strong> (NMR-CT)<br />
Die Kernspinresonanz grundet auf einer resonanten Wechselwirkung zwischen<br />
Strahlungsfeld und Materie. Dabei ist die Resonanzfrequenz !L dem<br />
angelegten Magnetfeld B proportional und abhangig von der in Wechselwirkung<br />
tretenden Materie<br />
!L = pB: (12)<br />
Diese Resonanzfrequenz !L ist die Lamorfrequenz und sie ist uber das gyromagnetische<br />
Verhaltnis (fur Protonen p =2:676 10 8 Hz/Tesla) mit dem<br />
angelegten Magnetfeld verknupft. Durch geeignete raumliche Veranderung<br />
des Magnetfeldes ist es moglich, aufbauend auf dieser Resonanzfrequenz<br />
raumliche Informationen uber die Materie (=Objekt) zu erlangen. Dabei ist<br />
die einfachste Form die Uberlagerung eines statischen magnetischen Grundfeldes<br />
B0 mit einem in einer Raumrichtung linear ansteigenden magnetischen<br />
Gradienten{Feld G. In Abbildung 10 ist eine quasi zweidimensionale<br />
Probe, wie sie der Schnitt durch ein dreidimensionales Objekt darstellt, gezeigt.<br />
Dabei wird nach resonanter Anregung der Kerne in dieser Schicht<br />
zur Messung des zeitlich abklingenden Induktionssignals (Freier Induktionsabfall)<br />
ein Gradientenfeld ( " Lesegradient\) angelegt. Der Pfeil zeigt<br />
die Richtung des Feldgradienten G an, wobei die Kerne in Richtung des<br />
steigenden Gradienten bei hoheren Kreisfrequenzen !L ihren Beitrag zum<br />
gemessenen Signal liefern. Wird das Induktions{Signal als Funktion dieser<br />
Frequenz aufgenommen, so ist eine ortliche Zuordnung der Signalintensitat<br />
entsprechend der Resonanzfrequenz moglich. Das Signal entspricht einer<br />
Projektion der (i. a. noch durch Relaxationskonstanten gewichteten) Kernspindichte<br />
auf die Richtung des Feldgradienten. Durch Anderungen der<br />
Gradientenrichtung innerhalb der Objektschicht konnen Pro le aus mehreren<br />
Projektionsrichtungen gemessen werden, die als Grundlage fur eine<br />
Bildrekonstruktion dienen. Diese Methode wurde von P. C. Lauterbur erstmals<br />
zur Realisierung eines bildgebenden Verfahrens unter Zugrundelegung<br />
der Kernspin{Resonanz entwickelt [6].<br />
3.4 Rontgen-CT { Technische Grundlagen<br />
In technisch{medizinischen Anwendungen wird nur eine diskrete Untermenge des<br />
Radonraumes aufgefullt. Die verschiedenen Implementierungen der Methode haben<br />
zu einer Einteilung der Scanner in vier Generationen gefuhrt.
3 COMPUTERTOMOGRAPHIE 14<br />
Abbildung 10: Projektion der Kernspin{Dichteverteilung auf den Feld{<br />
Gradienten G<br />
Die Gerate der ersten Generation, wie sie von Houns eld zu Beginn der<br />
siebziger Jahre entwickelt wurde [22], implementierten eine parallele Abtastgeometrie<br />
(vergleiche dazu Abbildung 6 erste Zeile). Das Me system<br />
besteht auseinerRohre und einem einzigen Detektor. Die Objektabtastung<br />
erfolgt durch einen mittels Ausblendung erzeugten Strahls. Um das<br />
Objekt abzutasten, werden Rohre und Detektor in gleichma igen Translationsschritten<br />
uber das Objekt bewegt. Anschlie end erfolgt eine Drehung<br />
der Anordnung um einen Winkelschritt und der Abtastvorgang wird solange<br />
wiederholt, bis uber einen Winkelbereichvon 180 Grad alle Pro le gemessen<br />
sind. Der Positioniermechanik sind Grenzen gesetzt, wodurch die Translation<br />
und Rotation des Systems nicht beliebig schnell durchgefuhrt werden<br />
kann. Die Me dauer ist, um ein ausreichendes Signal{Rauschverhaltnis zu<br />
erhalten, nach unten begrenzt. Somit ergibt sich mit derartigen Geraten<br />
eine Me dauer von einigen Minuten, wodurch gro teils nur ruhende Objekte<br />
abgebildet werden konnen. Ein Einzelstrahl jedoch durch teilweise<br />
sehr aufwendige Kollimierung bis auf wenige Mikrometer gebundelt werden,<br />
wodurch diese Gerategeneration in der Mikrotomographie weiterhin<br />
eingesetzt wird [31]. In Abbildung 11.a ist das Schema eines solchen Gerats<br />
der ersten Generation dargestellt.
3 COMPUTERTOMOGRAPHIE 15<br />
In den Geraten der zweiten Generation wird die Intensitat der Rontgenquelle<br />
besser ausgenutzt. Es werden mehrere Strahlen eingeblendet, die<br />
von korrespondierenden Detektoren ausgewertet werden. Dabei werden<br />
in einem Translationszyklus mehrere Pro le, entsprechend den einzelnen<br />
unterschiedlich positionierten Detektoren, aufgenommen. Mit dieser Anordnung<br />
kann die Anzahl der Winkelschritte vermindert werden und eine<br />
Drehung erfolgt jeweils um eine gro eres Winkelinkrement. Die typischen<br />
Aufnahmezeiten liegen zwischen 10 s und 60 s. In dieser Anwendung werden<br />
die Pro le wieder gema einer parallelen Abtastgeometrie angeordnet.<br />
Abbildung 11.b zeigt das Prinzip dieser Gerategeneration.<br />
Die von der Rontgenrohre erzeugte Strahlung wird in den CT{Systemen<br />
der dritten Generation sehr e zient ausgenutzt. Das abzubildende Objekt<br />
be ndet sich zu jedem Zeitpunkt der Aufnahme innerhalb des Strahlenfachers.<br />
Dadurch sindkeine Translationbewegungen notwendig und die<br />
Rohre rotiert gemeinsam mit einem bogenformigen Detektorarray umden<br />
Patienten (divergente Projektionsgeometrie vergl. Abb. 6zweite Zeile).<br />
An bestimmten Winkelpositionen wird durch eine gepulste Rontgenstrahlung<br />
das Objekt durchstrahlt, ebenso besteht die Moglichkeit einer kontinuierlichen<br />
Bestrahlung und der Aktivierung der Detektoren nur wahrend<br />
bestimmter Zeitfenster. Die Aufnahmezeiten mit einer solchen Anordnung<br />
betragen wenige Sekunden. In Abbildung 11.c ist eine derartige Abtastgeometie<br />
veranschaulicht.<br />
Die Gerate der vierten Generation verwenden ebenfalls diese e ziente<br />
Facherstrahlanordnung. Dabei wird die Strahlung von einem feststehenden<br />
Detektorring ausgewertet, wodurch nur noch eine Rotationsbewegung der<br />
Rohre notwendig ist. Der Strahlengang wird zur Bildrekonstruktion " invertiert\,<br />
d.h. ein Detektor bildet das Projektionszentrum eines Pro ls, wobei<br />
die einzelnen Pro lwerte entsprechend den verschiedenen Rohrenpositionen<br />
gemessen werden, was zur in Abbildung 11.d dargestellten Abtastgeometrie<br />
fuhrt. Dieses Prinzip des inversen Facherstrahls wurde ursprunglich<br />
entwickelt, um nicht ausreichend kalibrierbare Unterschiede der einzelnen<br />
Detektoren des Detektorarrays zu vermeiden, welche zu Ringartefakten im<br />
rekonstruierten Bild fuhrten. Neue Entwicklungen der Detektortechnologie<br />
machen jedoch diesen Schritt uber ussig, soda nahezu alle im medizinischen<br />
Einsatz be ndlichen Ro{CT{Systeme auf der divergenten Projektionsgeometrie<br />
der 3. Generation aufbauen.
3 COMPUTERTOMOGRAPHIE 16<br />
Abbildung 11: Schematische Darstellung der Abtastgeometrie bei CT{Scannern<br />
der ersten (a), zweiten (b), dritten (c) und vierten (d) Generation [18]
4 REKONSTRUKTION AUS PROJEKTIONEN 17<br />
4 Rekonstruktion aus Projektionen<br />
4.1 Ruckprojektion<br />
In diesem Abschnitt wird der Ruckprojektionsoperator B eingefuhrt. Dieser Operator<br />
hat eine zentrale Stellung in der Bildrekonstruktion. Er ist Teil der ge lterten<br />
Ruckprojektion, der hauptsachlich in der <strong>Computertomographie</strong> verwendeten<br />
Rekonstruktionsmethode. In den Anfangen wurde die direkte Ruckprojektion per<br />
se zur Rekonstruktion verwendet (Layergramme). Die so erhaltenen Bilder sind<br />
jedoch stark durch Artefakte beeintrachtigt. Diese Methode entspricht der im<br />
Kapitel 2 vorgestellten analogen transversalen Tomographie.<br />
In der Ruckprojektion werden die Projektionswerte p(l ) entlang ihrem<br />
Strahlengang (=Integrationspfad) streifenweise aufgetragen, oder in anderen<br />
Worten, in jedem Punkt der Bildebene werden jene Projektionswerte aufgetragen,<br />
zu denen der Punkt beigetragen hat. Vergleicht man dazu die Abbildung<br />
des Sinogramms eines einzelnen Punktes 7, so erkennt man, da fur die Ruckprojektion<br />
die Werte des Projektionsdatensatzes entlang einem sinusformigen Integrationspfad<br />
aufsummiert werden mussen. Das fuhrt zu folgender Darstellung<br />
des Ruckprojektionsoperators B<br />
~f(r )=[Bp](r )=<br />
Z<br />
0<br />
p(r cos( ; ) ) d : (13)<br />
Die Ruckprojektion eines Projektionsdatensatzes p fuhrt zu einem artefaktbehafteten<br />
Bild ~ f,welches sich wesentlich vom Objekt f unterscheidet und daher mit<br />
einer Tilde bezeichnet wird. Als Beispiel sei die direkte Ruckprojektion eines<br />
Punktes angefuhrt.<br />
4.1.1 Direkte Ruckprojektion eines Punktes<br />
Als Objekt wird ohne ohne Beschrankung der Allgemeinheit ein in den Ursprung<br />
verschobener Punkt betrachtet. Dieser Punkt kann durch eine zweidimensionale<br />
-Funktion f(x y) = (x) (y) beschrieben werden. Zur Berechnung der Projektionen<br />
p(l ) wird ein um den Winkel gedrehtes Koordinatensystem verwendet<br />
x 0 = x cos + y sin<br />
y 0 = ;x sin + y cos (14)<br />
wodurch die Projektionswerte p(l ) durch die einfache Relation<br />
p(l )=<br />
Z 1<br />
;1<br />
(x 0 = l) (y 0 ) dy 0 = (l) (15)<br />
berechnet werden konnen. Werden die Projektionswerte p(l )ruckprojiziert, so<br />
ergibt sich fur das Bild<br />
~f(r<br />
Z<br />
1<br />
)= (r cos( ; )) d : (16)<br />
0
4 REKONSTRUKTION AUS PROJEKTIONEN 18<br />
y<br />
x<br />
20<br />
40<br />
60<br />
80<br />
100<br />
120<br />
0.35<br />
0.3<br />
0.25<br />
0.2<br />
0.15<br />
0.1<br />
0.05<br />
Direkte Rückprojektion, 1/r Abhängigkeit<br />
20 40 60 80 100 120<br />
Querschnitt durch den Mittelpunkt<br />
0<br />
0 20 40 60 80 100 120 140<br />
Abbildung 12: Direkte Ruckprojektion eines Punktes.<br />
Unter Verwendung der Identitat [17] fur -Funktionen<br />
(g(x)) = X<br />
i<br />
dg<br />
dx<br />
;1<br />
x=xi<br />
(x ; xi) (17)<br />
wobei die xi die Nullstellen der Funktion g(x) bezeichnen. Mit der Tatsache, da<br />
im Integrationsbereichnur jeweils eine Nullstelle existiert, ergibt obige Gleichung<br />
~f(r) =<br />
1<br />
jr sin( ; i)j<br />
Z<br />
0<br />
( ; i) d = 1<br />
r<br />
: (18)<br />
Das berechnet Bild zeigt eine 1=r Verteilung mit Maximum an der Stelle des ursprunglichen<br />
Punktes. Vergleiche dazu Abbildung 12, welche die Objektfunktion<br />
dem ruckprojizierten Bild gegenuberstellt.<br />
4.2 Zentralschnitt{Theorem<br />
Mit Hilfe des Zentralschnitt{Theorems kann die zweidimensionale Fouriertramsformierte<br />
einer Funktion aus deren Projektionen bestimmt werden.<br />
Die Fouriertransformierte eines Pro ls p zum Winkel , das von einer<br />
Funktion f berechnet wurde, ist gleich den Werten der zweidimensionalen<br />
Fouriertransformierten dieser Funktion f, entlang einer<br />
Geraden durch den Ursprung (Zentrum) mit dem Steigungswinkel .<br />
In der folgenden Ableitung wird die Fouriertransformierte einer Funktion mit<br />
dem entsprechenden Gro buchstaben bezeichnet.<br />
0.3<br />
0.25<br />
0.2<br />
0.15<br />
0.1<br />
0.05
4 REKONSTRUKTION AUS PROJEKTIONEN 19<br />
Das Pro l einer Funktion zum Winkel wird in einem um den Winkel<br />
gedrehten Koordinatensystem<br />
x 0 = x cos + y sin (19)<br />
y 0 = ;x sin + y cos (20)<br />
durch das Bereichsintegral entlang der y 0 {Achse berechnet<br />
p(l )=p(x 0 )=<br />
Z 1<br />
;1 f(x0 cos ; y 0 sin x 0 sin + y 0 cos ) dy 0<br />
Die Fouriertransformierte P des Pro ls ist de niert als<br />
P ( 0 )=<br />
Z 1<br />
;1<br />
p(x 0 0 ;2 ix0<br />
)e dx 0<br />
: (21)<br />
: (22)<br />
Durch Substitution mit dem Ausdruck fur p und Rucktransformation in das Koordinationsystem<br />
(x y) ergibt sich der Ausdruck<br />
und weiter Z 1<br />
Z 1<br />
;1<br />
;1<br />
Z 1<br />
Z 1<br />
;1<br />
;1<br />
0<br />
;2 i(x cos +y sin )<br />
f(x y) e dxdy (23)<br />
f(x y) e ;2 i(x 0 cos +y 0 sin ) dxdy : (24)<br />
Dieser Ausdruck ist die zweidimensionale Fouriertransformierte entlang der Geraden<br />
im zweidimensionalen Fourierraum. Somit ergibt sich<br />
P ( 0 )=F ( 0 cos <br />
= 0 cos (25)<br />
= 0 sin (26)<br />
0 sin ) : (27)
4 REKONSTRUKTION AUS PROJEKTIONEN 20<br />
4.3 Rekonstruktionsmethoden<br />
Die Methoden zu Rekonstruktion von Schnittbildern aus Projektionen kann grob<br />
in zwei Gruppen eingeteilt werden: (a) Die Transformationsmethoden, welche<br />
ausgehend von einem analytischen Modell die Bildfunktion berechenen. Die digitale<br />
Natur der Projektionsdaten wird erst bei der Implementierung des Algorithmus<br />
berucksichtigt. (b) Die iterativen Methoden. Der Algorithmus wird<br />
mit einem diskreten, numerischen Modell entwickelt und die Bildfunktion durch<br />
schrittweise Verbesserung angenahert. Folgende Aufzahlung zeigt eine Unterteilung<br />
der Rekonstruktionsalgorithmen:<br />
1. Transformationsmethoden<br />
Ge lterte Ruckprojektion<br />
Fouriermethode<br />
2. Iterative Methoden<br />
ART Methoden (additive ART und multiplikative ART)<br />
Maximum Likelihood- Expectation Mazimisation (ML-EM)<br />
Beschleunigte Methoden (ordered subsets)<br />
4.4 Die ge lterte Ruckprojektion<br />
Zur Herleitung der ge lterten Ruckprojektion wird die inverse Fouriertransformation<br />
einer Objektfunktion f(x y) betrachtet<br />
f(x y) =<br />
Mit der Transformation in Polarkoordinaten<br />
und dem neuen inkrementellen Volumselement<br />
wird obige Gleichung zu<br />
f(x y) =<br />
Z 1 Z 1<br />
F ( ) e<br />
;1 ;1<br />
2 i(x +y ) d d : (28)<br />
= l cos (29)<br />
= l sin (30)<br />
d d = ldld (31)<br />
Z 1 Z 2<br />
F (l ) e<br />
0 0<br />
2 il(x cos +y sin ) ldld (32)
4 REKONSTRUKTION AUS PROJEKTIONEN 21<br />
umgeschrieben. Vertauscht man die Reihenfolge der Integration, d.h. die Integration<br />
nach dem Winkel wird nach innen geschoben und spaltet man das<br />
Integrationsintervall [0 2 ]in[0 ] und [ 2 ] auf, so erhalt man<br />
Z 1<br />
0<br />
dl<br />
Z<br />
0<br />
lF(l )e 2 il(xcos +y sin ) d +<br />
Z<br />
0<br />
lF(l + )e 2 il(x cos( + )+y sin( + )) d :<br />
(33)<br />
Durch die Verschiebung der Integrationsgrenzen im zweiten Integral von [ 2 ]<br />
nach [0 ] lauten im Integranden die Argumente + . Mit der Identitat<br />
F (l + )=F (;l ) (34)<br />
abermaligem Vertauschen der Integrationsreihenfolge und der Substitution<br />
l !;l egibt sich<br />
Z<br />
0<br />
d<br />
Z 1<br />
0<br />
lF(l )e 2 il(x cos +y sin ) dl ;<br />
Z ;1<br />
(;l)F (l )e<br />
0<br />
2 i(;l)(;x cos ;y sin ) dl :<br />
(35)<br />
Durch Vertauschung der Integrationsgrenzen im letzten Integral und Zusammefassen<br />
der beiden Integrale erhalt man<br />
f(x y) =<br />
Z<br />
0<br />
d<br />
Z 1<br />
;1<br />
jljF (l )e 2 il(xcos +y sin ) dl : (36)<br />
Dieser Ausdruckenthalt die ge lterte Ruckprojektion. Bei festgehaltenem Winkel<br />
konnen die Werte F (l ) laut Zentralschnitt-Theorem durch die Fouriertransformierte<br />
P der Projektionsdaten p (l) ersetzt werden. Mit der Verwendung<br />
der neuen Variable t = x cos + y sin ergibt der Ausdruck eine Filterung der<br />
Projektionsdaten im Ortsfrequenzraum. Der verwendete Filter jlj ist ein Rampen<br />
lter. Die ge lterten Daten im Ortrraum q berechnen sich durchinverse<br />
Fouriertransformation<br />
q (t) =<br />
Z 1<br />
;1<br />
jlj P (l)e 2 ilt dl : (37)<br />
Durch die Winkelintegration erfolgt die Ruckprojektion der ge lterten Projektionswerte<br />
Z Z<br />
q (t) d = q (x cos + y sin ) d : (38)<br />
0<br />
0<br />
Der hergeleitete Formalismus wird auf Funktionen angewandt und setzt kontinuierliche<br />
Projektionsdaten voraus. Fur die Verwendung diskreter Datensatze<br />
mussen die Formeln geeignet adaptiert werden.<br />
4.4.1 Implementierung der ge lterten Ruckprojektion<br />
In Gleichung 37 wird die Filterung der Projektionsdaten im Frequenzraum durchgefuhrt.<br />
Die ge lterten Projektionsdaten q konnen im Ortsraum auch durch eine<br />
Faltung berechnet werden<br />
q = g p (39)
4 REKONSTRUKTION AUS PROJEKTIONEN 22<br />
dabei werden die Projektionsdaten p unter festgehaltenem Winkel mit dem<br />
Faltungskern g gefalten. Die Ortsdarstellung des im Frequenzraum verwendeten<br />
Rampen lter j j kann mittels des Faltungstheorems als inverse Fouriertransformation<br />
angeschrieben werden<br />
g(x) =<br />
Z 1<br />
;1<br />
Spaltet man das Integral aus Gleichung 40 auf<br />
g(x) =;<br />
Z ;1<br />
0<br />
j je 2 ix dx : (40)<br />
j je 2 ix d +<br />
Z 1<br />
0<br />
j je 2 ix d (41)<br />
und fuhrt im ersten Integral die Koordinatentransformation 0 = ; durch, so<br />
ergibt sichunter Verwendung der Identitat ei fur den Faltungskern<br />
= cos +i sin die Ortsdarstellung<br />
g(x) =2<br />
Z 1<br />
0<br />
cos(2 x ) d : (42)<br />
In Gleichung 42 ist die Ortsdarstellung des Rampen lters gezeigt. In realen<br />
Anwendungen sind die Projektionsdaten p nicht in ihrer kontinuierlichen Form<br />
gegeben, sondern die Funktion wird an diskreten Stutzstellen abgetastet. Ist<br />
der Abtastabstand T so ergibt sich als Konsequenz eine diskrete Fouriertransformierte<br />
die mit dem Intervall 1=T periodisch ist. Diese Periodizitat ist in Abbildung<br />
13 dargestellt und kann durch die Anwendung des Faltungstheorems unter<br />
Verwendung einer Kammfunktion anschaulich dargestellt werden. Die Daten sind<br />
im Intervall [; 1 1 ] redundant und die Filterung im Frequenzraum wird nicht<br />
2T 2T<br />
mehr uber den gesamten De nitionsbereich von ;1 bis 1 durchgefuhrt. Dadurch<br />
werden gegenuber Gleichung 42 die Integrationsgrenzen nur mehr bis zur<br />
Nyquistfrequenz 1<br />
gezogen. Wie aus Abbildung 13 ersichtlich istkommt esbei<br />
2T<br />
nicht-bandbegenzten Funktionen, d.h. das Spektrum der Funktion reicht uber die<br />
Nyquist Frequenz hinaus, zu Uberlappungen ( aliasing\). Aufgrund dieser Uber-<br />
"<br />
lappungen und dem statistischen Rauschen, das in jeder Messung vorhanden ist,<br />
ist das Signal-Rausch Verhaltnis besonders in den Bereichen der Grenzfrequenz<br />
relativ niedrig. Weiters verstartkt der Rampen lter gerade jene unzuverlassi-<br />
"<br />
gen\ Frequenzbereiche am meisten. Diese E ekte werden im Filterungsproze<br />
durch eine Fensterfunktion unterdruckt, die in Gleichung 43 mit FT bezeichnet<br />
ist<br />
g(x) =2<br />
Z 1<br />
2T<br />
0<br />
FT ( ) cos(2 x) d : (43)<br />
In untenstehender Tabelle sind einige Beispiele fur hau g gebrauchte Fensterfunktionen<br />
angefuhrt.
4 REKONSTRUKTION AUS PROJEKTIONEN 23<br />
Abbildung 13: Periodisches Frequenzspektrum in der diskreten Fouriertransformation<br />
[20]
4 REKONSTRUKTION AUS PROJEKTIONEN 24<br />
Name des Fensters FT ( )<br />
Bandlimiting 1<br />
Cosinus cos( =T)<br />
Sinc sin( =T)=( =T)<br />
Generalisiertes Hamming<br />
mit Parameter +(1; ) cos(2 =T)<br />
(0:5 1)<br />
In Abbildung 14 ist das generalisiert Hamming Window fur die Werte von =1,<br />
0.8, 0.54, 0.5 angegeben. In Abbildung 15 sind die entsprechenden Faltungskerne<br />
in der Ortsdarstellung dargestellt. Fur =1 entspricht der Filter einem Rampen<br />
lter, fur =54 wird das Fenster Hamming Fenster genannt und fur =0.5<br />
Hanning Fenster.<br />
Im Anhang sind die Darstellungen einiger Filterfamilien gegeben, die in der<br />
SPECT verwendet werden.<br />
4.5 Fouriermethode<br />
Einen vollig anderen Ansatz, um Schichtbilder aus ihren Projektionen zu rekonstruieren,<br />
zeigt die Fouriermethode. Die Grundlage bildet das Zentralschnitt{<br />
Theorem besagt, da die Fouriertransformierte der Pro ldaten p(l ) bei festgehaltenem<br />
genau der zweidimensionalen Fouriertransformierten F ( ) der<br />
Objektfunktion entlang einer Geraden durch den Ursprung mit Steigungswinkel<br />
entspricht. Die Gultigkeit des Zentralschnitt{Theorems wurde bereits in<br />
Abschnitt 4.2 gezeigt.<br />
Fur die Rekonstruktion ergibt sich somit folgender Algorithmus:<br />
1. Fouriertransformation der einzelnen Projektionen<br />
2. Interpolation der Daten auf ein quadratisches Gitter, da die e zienten Algorithmen<br />
wie z.B. die FFT [12] auf dieser Basis arbeiten.<br />
3. Inverse zweidimensionale Fouriertransformation<br />
Wird ein Vergleich der Resultate aus ge lterter Ruckprojektion und Fouriermethode<br />
angestellt, so liefert die Fouriermethode i. a. schlechtere Resultate. Die<br />
Bilder zeigen deutliche Artefakte, die auf eine gro e Anzahl von Fehlerquellen<br />
zuruckzufuhren sind:<br />
1. zu gro e Abtastschrittweite ( " Undersampling\) in den gemessenen Pro ldaten<br />
2. Fehler durch die numerische Ausfuhrung der Fourier{Transformation
4 REKONSTRUKTION AUS PROJEKTIONEN 25<br />
Amplitude<br />
Amplitude<br />
1<br />
0.8<br />
0.6<br />
0.4<br />
0.2<br />
gen. Hamming Fenster α=1<br />
0<br />
0 50 100 150<br />
Frequenz<br />
1<br />
0.8<br />
0.6<br />
0.4<br />
0.2<br />
gen. Hamming Fenster α=0.54<br />
0<br />
0 50 100 150<br />
Frequenz<br />
Amplitude<br />
Amplitude<br />
1<br />
0.8<br />
0.6<br />
0.4<br />
0.2<br />
gen. Hamming Fenster α=0.8<br />
0<br />
0 50 100 150<br />
Frequenz<br />
1<br />
0.8<br />
0.6<br />
0.4<br />
0.2<br />
gen. Hamming Fenster α=0.5<br />
0<br />
0 50 100 150<br />
Frequenz<br />
Abbildung 14: Generalisiertes Hamming Fenster fur =1, 0.8, 0.54 und 0.5
4 REKONSTRUKTION AUS PROJEKTIONEN 26<br />
Abbildung 15: Ortsdarstellung des Faltungskerns g(x) mit einem generalisierten<br />
Hamming Fenster fur die Werte =1, 0.8 und 0.54 [2].
4 REKONSTRUKTION AUS PROJEKTIONEN 27<br />
Abbildung 16: Anordnung der Fourierkoe zienten aufgrund des Zentralschnitt{<br />
Theorems (links) und fur die FFT (rechts) [2]<br />
3. Abschneidung der Daten im Frequenzraum<br />
4. Fehler aufgrund der Interpolation im Frequenzraum<br />
5. Undersampling im Frequenzraum (In Abbildung 16 ist klar erkennbar, da<br />
zu hoheren Frequenzen hin die Punkte weniger dicht liegen als um den<br />
Urspung.)<br />
6. Numerische Fehler bei der Ausfuhrung der inversen zweidimensionale<br />
Fourier{Transformation.<br />
Soll jedoch zur Bildrekonstruktion eine gro e Datenmenge verarbeitet werden,<br />
so zeigt die Fouriermethode unter Verwendung eines e zienten Transformationsalgorithmus<br />
(FFT) gegenuber der ge lterten Ruckprojektion im Ortsraum einen<br />
entscheidenden Zeitvorteil.<br />
4.6 Algebraische Rekonstruktions Technik (ART)<br />
Ein gemeinsames Merkmal der Transformationsmethoden, (z.B. die in den vorangegangenen<br />
Abschnitten diskutierten Methoden der ge lterten Ruckprojektion<br />
oder die Fouriermethode) ist ein analytischer Algorithmus, der erst im Stadium<br />
der Implementierung die diskrete Natur der Daten berucksichtigt. Mit den iterativen<br />
Algorithmen wird die Problemstellung bereits im ersten Schritt diskret<br />
formuliert und anschlie end ein geigneter Algorithmus zur Rekonstruktion des<br />
Bildes angewandt [11]. Der Vorteil dieser Methodik besteht darin, da der Algorithmus<br />
unabhangig von der Abbildungsgeometrie formuliert werden kann, sowie<br />
da spezi sche Problemstellungen in die Rekonstruktion mit eingebunden<br />
werden konnen [34], [35]. Nachteilig hingegen ist der erhohte Rechenaufwand,
4 REKONSTRUKTION AUS PROJEKTIONEN 28<br />
den die Verwendung iterativer Algorithmen gegenuber Transformationsmethoden<br />
mit sich bringt. Das hat dazu beigetragen, da sie im klinischen Einsatz<br />
nur sehr geringe Anwendung nden. Dabei ist jedoch zuberucksichtigen, da<br />
durch die Entwicklung leistungsstarker Rechnersysteme diese Rekonstruktionsmethoden<br />
zukunftig mehr Bedeutung erlangen werden.<br />
4.6.1 Diskrete Problemstellung<br />
Die kontinuierliche Bildfunktion f(x y) wird mit Hilfe von Basisfunktionen bj in<br />
eine diskrete Darstellung ^ f(x y) transformiert [13]. Die Basisfunktion de niert,<br />
welche Bereiche der Objektfunktion f einem Pixel (=Picture Element) zugeordnet<br />
sind, ebenso mu eine Bildungsvorschrift impliziertwerden, welche angibt wie<br />
aus den Funktionswerten f im Bereich der Basisfunktion der zugehorige Pixelwert<br />
bestimmt wird. Die Basisfunktion ist de niert als<br />
(<br />
1 : (x,y) Element des Pixels<br />
bj(x y) =<br />
(44)<br />
0 : sonst<br />
Das zweidimensionale Bild kann nun mit Hilfe der Basisfunktionen als eindimensionaler<br />
Bildvektor ~ X (keine Matrizendarstellung!!) dargestellt werden. Die<br />
Komponenten xj 1 j J des Bildvektors ~ X geben die einzelnen Pixelwerte in<br />
einer fest de nierten Reihenfolge wieder.<br />
Die Projektionsdaten p(l )werden im Me vektor ~ Y zusammengefa t. In<br />
diesem Fall erubrigt sich die die Diskretisierung, da die Me daten entsprechend<br />
ihrer Natur in diskreter Form vorliegen. Die einzelnen Komponenten yi 1<br />
bezeichnen die Me werte, wobei I die Anzahl der Messungen ist.<br />
i I<br />
Weiters mu in der Formulierung die Geometrie der Messung berucksichtigt<br />
werden. Die Grundidee dabei ist, da die einzelnen Pixel entsprechend ihrer<br />
Gewichtung zu einem beliebigen Me wert yi aufaddiert werden. Dieser Gewichtungsfaktor<br />
rij kann anhand geometrischer Uberlegungen bestimmtwerden (vergleiche<br />
Abbildung 17), wobei der Faktor rij den Beitrag des j{ten Pixels zum<br />
i{ten Me wert bestimmt. Mathematisch kann das folgenderma en formuliert<br />
werden:<br />
yi = X<br />
(45)<br />
j<br />
rij xj<br />
~Y = R ~X (46)<br />
Nun konnte durch Inversion der Matrix R das Rekonstruktionsproblem gelost<br />
werden. Das ist jedoch wegen der Gro e der Matrix R aus praktischen Grunden<br />
ebenso unmoglich, als auch in einer praktischen Anwendung Me fehler auftreten<br />
~Y = R ~ X + ~e: (47)<br />
Diese Me fehler sind im Fehlervektor ~e zusammengefa t, wodurch Gleichung 47<br />
i.a. nicht mehr durch Inversion von R losbar ist.
4 REKONSTRUKTION AUS PROJEKTIONEN 29<br />
Abbildung 17: Disktretisierung des Problems<br />
Die ART bilden eine bedeutende Untergruppe der iterativen Algorithmen,<br />
wobei die Namensgebung historisch begrundet ist, denn diese Methode zeichnet<br />
sich gegenuber den ubrigen iterativen Verfahren nicht durch die Anwendung besonderer<br />
algebraischer Methoden aus. Ein " Markenzeichen\ von ART ist jedoch,<br />
da die einzelnen Bilder einer Iterationfolge (siehe unten) anhand eines einzelnen<br />
Me wertes yi korrigiert werden.<br />
Das Rekonstruktionsschema der ART la t sich wie folgt formulieren:<br />
1. Annahme eines Ausgangsbildes ~X (0)<br />
2. Berechnung eines Me wertes anhand des Bildvektors ~X (k) (Pseudoprojektion)<br />
3. Vergleich dieses Me werts mit dem tatsachlich gemessen Wert<br />
4. Berechnung eines entsprechenden Korrekturfaktors und Anpassung des<br />
Bildvektors<br />
5. Fortsetzung der Iteration bei Schritt 2 oder Beendigung der Rekonstruktion<br />
nach dem Erreichen eines Abbruchkriteriums.<br />
Formal de niert obiger Algorithmus eine Folge von Bildvektoren<br />
~X (0) ~ X (1) ~ X (2) ..., welche anhand der Me werte yi korrigiert werden, da jedoch<br />
i.a. mehr Iterationsschritte als I | die Anzahl der Me werte | zur<br />
Rekonstruktion eines Bildes notwendig sein werden, werden die Me werte<br />
zyklisch rotiert, was durch den Index ik (= k mod I + 1) in den folgenden<br />
Gleichungen angegeben wird. Wie bereits eingangs erwahnt, korrigiert ART den
4 REKONSTRUKTION AUS PROJEKTIONEN 30<br />
Bildvektor ~X (k) im k{ten Iterationsschritt anhand des Me wertes yi k , oder mit<br />
anderen Worten, es wird jeweils die ik{te Zeile ri k des Gleichungssystems 47<br />
gelost. Fur die Durchfuhrung des Iterationsschritt<br />
~X (k+1) = ( ~ X (k) ri k yi k ) (48)<br />
gibt es keine formalen Bedingungen, wodurch die Moglichkeit gegeben ist, an<br />
dieser Stelle a priori{Information einzuarbeiten oder anwendungsorientierte Optimierungen<br />
durchzufuhren.<br />
An dieser Stelle seien die additive<br />
k(x ri k yi k )=<br />
8<br />
<<br />
:<br />
x if hri k ri k i =0<br />
x +<br />
yi k ;hri k xi<br />
hri k ri ki<br />
mit Relaxationsparameter und die multiplikative Methode<br />
k(x ri k yi k )=<br />
8<br />
<<br />
:<br />
ri k<br />
if hri k ri k i 6= 0<br />
x if hri k ri k i =0<br />
x<br />
yi k<br />
hri k xi<br />
if hri k xi 6= 0<br />
explizit angefuhrt. Die Konvergenz der additiven ART sei anhand von Abbildung<br />
18 fur zwei Gleichungen mit dem Relaxationsparameter = 1 (d.h. die entsprechende<br />
Zeile des Gleichungssystems ist nach dem Iterationsschritt exakt gelost)<br />
veranschaulicht. Der Startwert liegt bei X (0) =[8 9] und jeder Iterationschritt<br />
wird durch abwechselnde Projektion auf eine der beiden Geraden H1 und H2<br />
ausgefuhrt, was einer exakten Losung der entsprechenden Gleichung entspricht.<br />
Dieses Verfahren wird bis zum Erreichen der naherungsweisen Losung X =[5 4]<br />
fortgesetzt. In praktischen Anwendungen liegt die Wahl von in der Gro enordnung<br />
von 0.05. Abschlie end kann zur Gegenuberstellung der Transformationsmethoden<br />
und der iterativen Algorithmen folgendes angemerkt werden: Die in<br />
der modernen klinischen Routine (CT,SPECT) eingesetzten Rekonstruktionsmethoden<br />
basieren hauptsachlich auf der Methode der ge lterten Ruckprojektion,<br />
wobei die Filterung zumeist in der Hardware implementiert ist. Es existiert ein<br />
breites Spektrum an Faltungskernen, welche entsprechend empirischen Standards<br />
in den einzelnen Anwendungsgebieten zum Einsatz kommen, dabei spielt die Erfahrung<br />
des Arztes in der Befundung der Aufnahmen eine bedeutende Rolle.<br />
Die Visualisierung erfolgt routinema ig mittels der in das System integrierten<br />
Software, wobei fur die verschiedenen Anwendungen optimierte Voreinstellungen<br />
de niert sind.<br />
Auf dem Gebiet der iterativen Methoden wurden die wesentlichen theoretischen<br />
Grundlagen erarbeitet, durch die vielfaltigen Anwendungsmoglichkeiten<br />
liegt jedoch noch ein breites Arbeitsgebiet o en. Im praktischen Einsatz kommt<br />
den iterativen Methoden zur Zeit eine untergeordnete Bedeutung zu, es besteht<br />
jedoch Aussicht, da sich diese Methode, aufgrund der rasanten Entwicklung der<br />
Hardware, in einer Nische fur Spezialanwendungen etablieren wird.<br />
(49)<br />
(50)
4 REKONSTRUKTION AUS PROJEKTIONEN 31<br />
Abbildung 18: Additive ARTmitI = J =2[2]
4 REKONSTRUKTION AUS PROJEKTIONEN 32<br />
4.7 Maximum Likelihood - Expectation Maximisation<br />
(ML-EM)<br />
Der ML-EM Algorithmus wurde von Shepp und Vardi 1982 [36] auf der Grundlage<br />
der Arbeit von Dempster et. al. [37] vorgeschlagen. Hier wird anhand statistischer<br />
Prinzipien von unvollstandigen Daten auf die charackteristischen Parameter<br />
der vollstandigen Daten geschlossen. Die beobachteten Daten Y sind eine<br />
Stichprobe der Zufallsvariablen Y, der unvollstandigen Daten. Die vollstandigen<br />
Daten X sind einer direkten Beobachtung nicht zuganglich es existiert jedoch die<br />
Zuordnung X ! Y von X nach Y. Die Zuordnung ist allgemein und es konnen<br />
meherere Elemente von X auf ein Element von Y abgebildet werden Y = f(X).<br />
Im ML-EM Algorithmus wird die Likelihoodfunktion<br />
L(X) =P (Y jX) (51)<br />
in einem iterativen Verfahren maximiert. In der SPECT sind die unvollstandigen<br />
Daten die in der Detektorposition i gemessene Anzahl von Quanten, deren<br />
Erartungswert mit yi angenommen wird. Die Gesamtheit der gemessenen Projektionen<br />
bilden den Me vektor Y . Die vollstandigen Daten werden durch die<br />
Pixelwerte xi reprasentiert, die den Bildvektor X bilden. Die Zuordnung X ! Y<br />
wird durch die Systemmatrix R gebildet<br />
Y = RX bzw: yi = X<br />
rijxj : (52)<br />
Die Elemente rij geben die Wahrscheinlichkeit an, mit der ein Quant das im<br />
Pixel j entsteht im Detektor i registriert wird. Mit dieser Interpretation konnen<br />
die wesentlichen E ekte im Abbildungsproze , wie Abschwachung, Streuung und<br />
Detektoremp ndlichkeit, berucksichtigt werden.<br />
Die Zahlung der Quanten im Detektor ist ein Zufallsproze , der der Poissonverteilung<br />
P (y = n) =e ;<br />
n!<br />
(53)<br />
genugt. Obige Verteilung ergibt die Wahrscheinlichkeit, da die Zufallvariable y<br />
den Wert n annimmt, wobei der Erwartungswert der Stichprobe ist. Mit dieser<br />
Annahme ergibt sich dieLikelihoodfunktion<br />
L(X) =P (Y jX) = Y<br />
i<br />
j<br />
n<br />
e ;P j rij xj P j rijxj<br />
yi!<br />
yi<br />
: (54)<br />
Die Produktbildung folgt aus der Unabhangigkeit der Zahlereignisse in den einzelnen<br />
Detektoren. Die Funktion L(X) wird mit einem iterativen Algorithmus<br />
maximiert. Der Iterationsschritt von (n) nach (n + 1) wird folgenderma en be-<br />
rechnet:<br />
x (n+1)<br />
j<br />
= x (n)<br />
j<br />
X<br />
i<br />
yirij<br />
P j 0 rij 0x(n)<br />
j 0<br />
: (55)
4 REKONSTRUKTION AUS PROJEKTIONEN 33<br />
im (n+1)-sten Iterationsschritt werden alle<br />
Me werte yi (siehe au ere Summe), sowie alle Pixelwerte x (n)<br />
j der alten Iteration<br />
(zur Berechnung der Pseudoprojektion, siehe innere Summe) berucksichtigt.<br />
Fur die Berechnung eines Bildes werden zwischen 30 und 100 Iterationsschritte<br />
benotigt. Unter diesem Gesichtspunkt stellt der ML-EM Algorithmus eine relativ<br />
rechenaufwendige Methode dar. Mit der stetigen Weiterentwicklung leistungsstarker<br />
Computertechnologie hat die Methode jedoch schon punktuell Eingang<br />
in den klinischen Routinebetrieb gefunden. Daruberhinaus wird in ML-EM der<br />
Poisson-Proze exakt modelliert.<br />
Zur Neuberechnung eines Pixels x (n+1)<br />
j<br />
4.8 Beschleunigte Verfahren, Ordered Subsets<br />
Der gro e Rechenaufwand des ML-EM Algorithmus gegenuber den algebraischen<br />
Methoden (ART) liegt darin begrundet, da fur die Berechnung eines Pixels in<br />
jedem Iterationsschritt alle Projektionswerte, die verfugbar sind, und die dazugehorigen<br />
Pseudoprojektionen berechnet werden mussen. In der ART hingegen<br />
wird das Update eines Pixels jeweils nach dem Vergleich eines Me wertes mit der<br />
zugehorigen Pseudoprojektion durchgefuhrt. Wenn in (55) die au ere Summe<br />
weggelassen wird, so geht die Iterationsvorschrift in die Form der multiplikative<br />
ART (vgl. (50)) uber.<br />
Mit den ordered Subsets [38] wurde ein Mittelweg zwischen ML-EM und multiplikativer<br />
ART gewahlt. Die Menge der Projektionswerte wird in Untermengen<br />
(subsets) unterteilt. Fur die Auswahl der Untermengen existieren keine starren<br />
Regeln. Untenstehend sind zwei Beispiele fur die Einteilung einer Messung<br />
mit 128 Winkelschritten und 128 Detektorpositonen pro Winkelschritt in Subsets<br />
angegeben:<br />
128 Subsets<br />
Das erste Subset S1 wird durch alle Projektionswerte zu einem festgehaltenen<br />
Winkel gebildet. In jedem weiteren Subset werden die Werte von einem<br />
anderen Winkel zu den bestehenden dazugenommen. Das letzte Subset S128<br />
enthalt schlie lich alle Projektionswerte. Es last sich folgende Bedingung<br />
fur die Folge der Subsets angeben:<br />
S1 S2 ::: S128 : (56)<br />
128/N Subsets<br />
Es werden die Projektionswerte fur N beliebige, z.B. fur vier Winkel, die<br />
sichumjeweils =2unterscheiden, ausgewahlt. Diese Werte bilden das erste<br />
Subset S1. Fur das nachste Subset werden wieder N Winkel ausgewahlt, die<br />
Projektionswerte durfen jedoch inkeinem der vorherigen Subset enthalten<br />
sein. Fur die Serie der Subsets la t sich folgende Bedingung angeben:<br />
S1 \ S2 \ :::\ S128 =0 : (57)
4 REKONSTRUKTION AUS PROJEKTIONEN 34<br />
Damit ergibt sich eine Zahl von 128/N Subsets, bzw. fur N=4 ergeben sich<br />
32 Subsets.<br />
Mit jedem dieser Subsets werden entweder eine festgesetzte Anzahl von Iterationsschritten<br />
durchgefuhrt oder die Berechnungen solange weitergefuhr bis ein<br />
de niertes Konvergenzkriterium erreicht ist. Durch die Verwendung von Subsets<br />
wird die Konvergenz beschleunigt und es konnen, bei nahazu gleichbleibender<br />
Bildqualitat, Rechenzeitersparnisse bis zu einem Faktor 30 erreicht werden.
LITERATUR 35<br />
Literatur<br />
[1] J.Radon<br />
Uber die Bestimmung von Funktionen durch ihre Integralwerte langs gewisser<br />
Mannigfaltigkeiten<br />
Berichte uber die Verhandlungen der Koniglich Sachsischen Gesellschaft der<br />
Wissenschaften zu Leipzig,Mathematisch Physikalische Klasse, Vol. 69, p.<br />
262{277<br />
[2] G.T.Herman<br />
Image Reconstruction From Projections<br />
Academic Press, New York, (1980)<br />
[3] H.H. Barrett, W. Swindell<br />
Radiological Imaging<br />
Academic Press, New York, (1981)<br />
[4] A. Cormack<br />
Representation of a function by its line integrals with some radiological examples<br />
J.Appl.Phys. Vol. 35, 1963, pp. 2722-2727<br />
[5] M.M. Ter{Pogossian, M.E. Raichle, B.E. Sobel<br />
Tomographie mit radioaktiv markierten Substanzen<br />
Spektrum der Wissenschaften, Dezember 1980, p. 121{133<br />
[6] P.C. Lauterbur<br />
Image Formation by Induced Local Interactions: Examples Employing<br />
Nuclear Magnetic Resonance<br />
Nature, Vol. 242, (1973), p. 190{191<br />
[7] R.M. Lewitt<br />
Reconstruction Algorithms: Transform Methods<br />
Proceedings of the IEEE, Vol. 71, No. 3, March 1883, p. 390{408<br />
[8] J.A. Parker, R.V. Kenyon, D.E. Troxel<br />
Comparison of Interpolating Methods for Image Resampling<br />
IEEE Transactions on Medical Imaging, Vol. MI{2, No. 1, March 1983, p.<br />
31{39<br />
[9] A.C. Kak and M. Slaney<br />
Principles of Computerized Tomographic Imaging<br />
IEEE Press, New York, (1987)
LITERATUR 36<br />
[10] E.Maeland<br />
On the Comparison of Interpolation Methods<br />
IEEE Transactions on Medical Imaging, Vol. 7, No. 3, September 1988, p.<br />
213{217<br />
[11] Y. Censor<br />
Finite Series{Expansion Reconstruction Methods<br />
Proceedings of the IEEE, Vol. 71, No. 3, March 1983, p. 409{419<br />
[12] J.W. Cooley and J.W. Tukey<br />
An Algorithm for Machine Calculation of Complex Fourier Series<br />
Mathematics of Computation, Vol. 19, April 1965, p. 297<br />
[13] G.T. Herman and A. Lent<br />
Iterative Reconstruction Algorithms<br />
Computers in Biology and Medicine, Vol. 62, 1978, p. 1{23<br />
[14] G. Hammerlin, K.{H. Ho mann<br />
Numerische Mathematik<br />
Springer{Verlag, Berlin, Heidelberg, (1991)<br />
[15] L. Grodzins<br />
Optimum Energies for X-Ray Transmission Tomography of Small Samples<br />
Nuclear Instruments and Methods 206, 1983, p. 541-545<br />
[16] N. Gurker<br />
Computerunterstutzte Abbildungsverfahren<br />
Vorlesungsskriptum, TU Wien, (1992)<br />
[17] H.{J. Dierschmid, W. Kummer, M. Schweda<br />
Einfuhrung in die mathematischen Methoden der Theoretischen Physik<br />
Vieweg, Braunschweig, (1976)<br />
[18] E. Krestel Ed.<br />
Bildgebende Systeme fur die medizinische Diagnostik<br />
Siemens-Aktiengesellschaft, Berlin-Munchen, (1988)<br />
[19] I. Bronstein<br />
Taschenbuch der Mathematik<br />
Verlag Nauka, Moskau, (1985)<br />
[20] E.O. Brigham<br />
The Fast Fourier Transform<br />
Prentice{Hall Inc., Englewood Cli s, New Jersey, (1974)
LITERATUR 37<br />
[21] D. Achilles<br />
Die Fouriertransformation in der Signalverarbeitung<br />
Springer{Verlag, Berlin, Heidelberg, New York, Tokyo, (1985)<br />
[22] G.N. Houns eld<br />
Computerized Transverse Axial Scanning Tomography: Part I, Description<br />
of the System<br />
British Journal of Radiology 46, (1972), p. 1016{1022<br />
[23] J. Alexander, H.{J. Krumme<br />
Fur neue Perspektiven in der <strong>Computertomographie</strong>: das Somatom Plus<br />
Elektromedica 56, Heft 2, (1988), p. 50<br />
[24] D.P. Boyd and M.J. Lipton<br />
Cardiac Computed Tomography<br />
Proceedings of the IEEE, Vol. 71, No. 3, March 1983, p. 298{307<br />
[25] H.E. Martz, S.G. Azevedo, J.M. Brase, K.E. Walten, D.J. Schneberk<br />
Computed Tomography Systems and their Industrial Applications<br />
Applied Radiation Isotopes, Vol. 41, No. 10/11, (1990), p. 943{961<br />
[26] H.E. Martz, G.P. Roberson, M.F. Skeate, D.J. Schneberk, S.G. Azevedo<br />
Computerized Tomography Studies of Concrete Samples<br />
Nuclear Instruments and Methods in Physics Research B58, (1991), p. 216{<br />
226<br />
[27] H.E. Martz, G.P. Roberson, D.J. Schneberk<br />
Progress in Computerized Tomography Scanners<br />
Energy & Technology Review, Spring eld, Virginia, November/December<br />
1990, p. 1{17<br />
[28] J.H. Kim, K.Y. Kwak, S.B. Park, Z.H. Cho<br />
Projection Space Iteration Reconstruction{Reprojection<br />
IEEE Transactions on Medical Imaging, Vol. MI{4, No. 3, September 1985,<br />
p. 139{143<br />
[29] O. Nalcioglu, Z.H. Cho, R.Y. Lou<br />
Limited Field of View Reconstruction in Computerized Tomography<br />
IEEE Transactions on Nuclear Science, Vol. NS{26, No. 1, February 1979,<br />
p. 546{551<br />
[30] S.H.C. Hughes<br />
Nonuniformity of Spatial Resolution in Computed Tomography Scanners<br />
Materials Evaluation, Vol. 48, May 1990, p. 562{565
LITERATUR 38<br />
[31] N. Gurker, R. Nell, W. Backfrieder, J. Kandutsch, S. Prehval, Ch. Nentwich<br />
X-ray microtomography experiments using a di raction tube and a focusing<br />
multilayer mirror.<br />
Nucl. Instrum. Meth. B, Vol. 94, 1994, pp. 154{171<br />
[32] G.T. Herman (Ed.)<br />
Image reconstruction from projections: implementation and applications.<br />
Topics in Applied Physics, Vol. 32, Springer-Verlag, Berlin Heidelberg New<br />
York, 1979<br />
[33] H. Morneburg (Hrsg.)<br />
Bildgebende Systeme in der medizinischen Diagnostik.<br />
(ISBN 3-89578-002-2), Publicis-MCD-Verlag, Munchen, 1995<br />
[34] Z. Liang, T.G. Turkington, D.R. Gilland, R.J. Jaszczak, R.E. Coleman<br />
Simultaneous Compensation for Attenuation, Scatter and Detector Response<br />
for SPECT Reconstruction in Three Dimensions<br />
Physics in Medicine and Biology, Vol. 37,No. 3, March 1992, p. 587<br />
[35] J. Nunez, J. Llacer<br />
AFast Bayesian Reconstruction Algorithm for Emission Tomography with<br />
Entropy Prior Converging to Feasible Images IEEE Transactions on Medical<br />
Imaging, Vol. 9, No. 2, June 1990, p. 159<br />
[36] L.A. Shepp, Y. Vardi<br />
Maximum Likelihood Reconstruction for Emission Tomography IEEE Transactions<br />
on Medical Imaging, Vol. 1, No. 2, October 1982, p. 113{122<br />
[37] A.P. Dempster, N.M. Laird, D.B. Rubin<br />
Maximum Likelihood from Incomplete Data via the EM Algorithm. Journal<br />
of the Royal Statistical Society, Vol. 39, 1977, p. 1{22<br />
[38] H.M Hudson, R.S. Larkin<br />
Accelerated Image Reconstruction Using Ordered Subsets of Projection<br />
Data. IEEE Transactions on Medical Imaging, Vol. 13, No. 4, 1994, p. 601-<br />
609