Enhancement of ordered subsets iterative image reconstruction methods

• Autorzy: Chlewicki W. , Brykalski A.

Warianty tytułu

PL

Rozszerzenie uporządkowanych podzbiorów iteracyjnych technik rekonstrukcji obrazów

• Języki publikacji: EN

Abstrakty

EN

Using ordered subsets is an efficient way of accelerating iterative image reconstruction techniques. Ordered Subsets - Expectation Maximization (OS-EM) is recently a very popular reconstruction method and is incorporated into many imaging systems particularly in emission tomography. Compared to the most popular reconstruction algorithm - Filtered Backprojection (FBP), it is incorporated into many imaging systems particularly in emission tomography. Compared to the most popular reconstruction algorithm - Filtered Backprojection (FBP), it is more computationally demanding but in many cases it outperforms FBP in terms of image quality. This work aimed at increasing a rate of convergence and accuracy of the OS-EM as well as reducing its overall comptational cost. This was achieved by utilizing the weighted distance projection access scheme orginally proposed for ART and using spherically symmetric image elements (blobs) for image representation. Evaluation based on synthetic projection data showed the improvement of the image quality of the obtained reconstructions and increase in the convergence speed.

PL

Użycie uporządkowanych podzbiorów rzutów jest wydajnym sposobem przyspieszania iteracyjnych technik rekonstrukcji obrazów. Metoda maksymalizacji wartości oczekiwanej z uporządkowanymi podzbiorami projekcji (OS-EM) jest obecnie bardzo popularnym algorytmem rekonstrukcji i jest stosowana w wielu systemach obrazowania, zwłaszcza w tomografii emisyjnej. W porównaniu do najbardziej popularnego algorytmu - wstecznej projekcji filtrowanych rzutów (FBP), OS-EM jest bardziej wymagający obliczeniowo, ale w wielu przypadkach przewyższa FBP w kategoriach jakości obrazu. Celem pracy było zwiększenie zbieżności oraz dokładności metody OS-EM, a także zredukowanie jej złożoności obliczeniowej. Zostało to osiągnęte poprzez użycie schematu dostępu do rzutów z ważonym dystansem (WDS) oryginalnie zaproponowanym dla metody ART oraz użycie sferyczne symetrycznych elementów obrazu (blobów) do reprezentacji obrazu. Ocena bazująca na symulaownych rzutach wykazała poprawę jakości uzyskanych rekonstrukcji oraz przyśpieszenie zbieżności algorytmu.

Słowa kluczowe

EN

ordered subsets iterative; image reconstruction methods

PL

uporządkowane podzbiory iteracyjne; techniki rekonstrukcji obrazów

• Wydawca: Wydawnictwo PAK
• Czasopismo: Pomiary Automatyka Kontrola
• Rocznik: 2004
• Tom: R. 50, nr 12
• Strony: 33--36
• Opis fizyczny: Bibliogr. 9 poz., rys., wykr., wzory

Twórcy

autor

Chlewicki W.

• Instytut Elektroniki, Telekomunikacji i Informatyki, Wydział Elektryczny, Politechnika Szczecińska

autor

Brykalski A.

• Instytut Elektroniki, Telekomunikacji i Informatyki, Wydział Elektryczny, Politechnika Szczecińska

• Instytut Elektroniki, Telekomunikacji i Informatyki, Wydział Elektryczny, Politechnika Szczecińska,

Bibliografia

• [1] Lewin R. M. and Matej S.: Overview of meibods for image reconstruction from projections in emission computed tomography. Proceedings of the IEEE, 91 (10): 1588-1611.2003
• [2] Chlewicki W., Badea C. and Pallikarakis N.: Cone based 3D reconstruction: A FDK-SART comparison for limited number of projections. Proc. MEDICON 2001, Pula, Croatia, June 12-15, pp. 495-497
• [3] Kak A. C. and Staney M.: Principles of Computerized Tomographic Imaging. Philadelphia, PA: SIAM, 2001.
• [4] Mueller K., Yagel R. and Comhill F.: Tlie Weighted Distance Scheme: A globally optimizing projection ordering method for ART, IEEE Transactions on Medical Imaging 16(2): 223-230. 1997
• [5] Hudson H. M. and Larkin R. S.: Accelerated image reconstruction using Ordered subsets of projection data. IEEE Transactions on Medical Imaging 1 3 )4): 601-609, 1994.
• [6] Lewitt R. M.: Alternatives lo voxels for image representation in iterative reconstruction algorithms Physics in Medicine and Biology 37 (3): 705-716, 1992.
• [7] Mueller K., Yagel R. and Wheller J. J.: Fast implementations of algebraic methods for three-dimensional rccon si ruction from conc-bcam data. IEEE Transactions on Medical Imaging 18 (6): 538-548, 1999
• [8] Chlewicki W., Hermansen F. and Hansen S. R: Noise reduction and convergence of Bayesian algorithms based on the Huber function and median root prior. Physics in Medicine and Biology 49: 4717-4730, 2004.
• [9] Tadeusicwicz R. and Ogiela M. R.: Medical Image Understanding Technofogy-Artificial Intelligence and Soft'Computing for Image Untlerstanding. Series: Studies in Fuizincssand Soft Computing, Springer, vol. 156, 2004