University of Oulu

Projektiodatan laajennus ehdollisella generatiivisella kilpailevalla verkostolla rajoitetun keilan tietokonetomografiassa

Saved in:
Author: Heino, Helinä1
Organizations: 1University of Oulu, Faculty of Science, Physics
Format: ebook
Version: published version
Access: open
Online Access: PDF Full Text (PDF, 3.7 MB)
Pages: 81
Persistent link: http://urn.fi/URN:NBN:fi:oulu-202206213094
Language: Finnish
Published: Oulu : H. Heino, 2022
Publish Date: 2022-06-21
Thesis type: Master's thesis
Tutor: Ketola, Juuso
Inkinen, Satu
Reviewer: Ketola, Juuso
Heimonen, Kyösti
Description:

Tiivistelmä

Tietokonetomografia (TT) on röntgensäteilyä hyödyntävä kuvantamismenetelmä, jonka avulla kuvannettavasta kohteesta kerätään säteilyn vaimenemista edustavaa projektiodataa, josta voidaan muodostaa rekonstruktioprosessissa leikekuvia. Leikekuvien avulla voidaan tarkastella kohteen kolmiulotteista rakennetta. Esimerkiksi sydämen TT:n leikekuvia voidaan hyödyntää sepelvaltimotaudin diagnostiikassa. Sydämen sisätomografia on tutkimuksen alla oleva säteilyannossäästön tuottava TT:n sovellus, jossa röntgensädekeila rajoitetaan koko torson sijaan kiinnostuksen kohteena olevalle sydämen alueelle. Sisätomografisen kuvantamisen haasteena on, että kun rajoitetulla keilalla kerätty projektiodata rekonstruoidaan leikekuvaksi käyttäen perinteistä suodatettua takaisinprojektiota (Filtered Back Projection, FBP), rekonstruoituun leikekuvaan aiheutuu kuvanlaatua heikentävää kirkasta sädekehämäistä artefaktaa.

Tässä pro gradu -tutkielmassa ongelma ratkaistiin laajentamalla rajoitetun keilan projektiodata täyden keilan projektiodataksi ennen FBP-rekonstruktiota. Projektiodatan laajennus toteutettiin kouluttamalla syväoppiva konvolutionaalinen neuroverkko, joka oli ehdolliseen generatiiviseen kilpailevaan verkostoon (conditional Generative Adversarial Network, cGAN) perustuva Pix2Pix-malli. Referenssimenetelmänä käytettiin kokonaisvariaation minimointia eli TV-rekonstruktiota (Total Variation minimization, TV). Työssä käytettiin Oulun yliopistollisessa sairaalassa suoritetuista sydämen TT-tutkimuksista kerättyjä leikekuvia (Oulun yliopistollinen sairaala tutkimuslupanumero 104/2018). Datasettiin kuului 500 sydämen TT-tutkimusta, joissa kussakin tutkimuksessa oli keskimäärin 70 leikekuvaa, joista valittiin 400 leikekuvaa projektiodatan simulointiin. Täyden keilan ja rajoitetun keilan projektiodata simuloitiin leikekuvasta ASTRA-ohjelmiston avulla.

Sydämen alueen kuvanlaatua arvioitiin laskemalla rekonstruoiduille leikekuville kuvanlaadun parametrit eli keskineliövirhe (Mean Squared Error, MSE: Pix2Pix: 0,03 ± 0,01 × 10^-5; TV: 0,07 ± 0,05 × 10^-5; artefaktan sisältävä FBP: 1,4 ± 0,6 × 10^-5), keskineliövirheen neliöjuuri (Root-Mean-Square Error, RMSE: Pix2Pix: 0,49 ± 0,09 × 10^-3; TV: 0,8 ± 0,3 × 10^-3; artefaktan sisältävä FBP: 3,7 ± 0,9 × 10^-3), signaali-kohinasuhteen huippu- tai maksimiarvo (Peak Signal-to-Noise Ratio, PSNR: Pix2Pix: 24,5 ± 1,5 dB; TV: 21,0 ± 3,0 dB; artefaktan sisältävä FBP: 7,0 ± 3,0 dB) ja rakenteellinen samankaltaisuusindeksi (Structured Similarity Index, SSIM: Pix2Pix: 0,99 ± 0,01; TV: 0,99 ± 0,01; artefaktan sisältävä FBP: 0,75 ± 0,10). Yhteenvetona voidaan todeta, että Pix2Pix-menetelmä tuotti paremman kuvanlaadun kuin TV-rekonstruktio, ja kehitetyn menetelmän avulla onnistuttiin poistamaan leikekuvan kuvanlaatua heikentävä artefakta. Samalla tultiin tuottaneeksi rajoitetun keilan ulkopuolista rakenneinformaatiota.

see all

Subjects:
Copyright information: © Helinä Heino, 2022. This publication is copyrighted. You may download, display and print it for your own personal use. Commercial use is prohibited.