=Paper=
{{Paper
|id=None
|storemode=property
|title=Referenzlose Qualitätsbestimmung von CT-Bildern
|pdfUrl=https://ceur-ws.org/Vol-715/bvm2011_90.pdf
|volume=Vol-715
}}
==Referenzlose Qualitätsbestimmung von CT-Bildern==
https://ceur-ws.org/Vol-715/bvm2011_90.pdf
Referenzlose Qualitätsbestimmung von
CT-Bildern
Christian Kaethner, Bärbel Kratz, Svitlana Ens, Thorsten M. Buzug
Institut für Medizintechnik, Universität zu Lübeck
kratz@imt.uni-luebeck.de
Kurzfassung. In der Computertomographie können metallische Objek-
te oder Bewegungen durch Patienten zu Inkonsistenzen innerhalb der
Projektionswerte führen. Bei der anschließenden Rekonstruktion der to-
mographischen Schnittbilder kommt es durch diese inkonsistenten Daten
zu Artefakten, welche die diagnostische Aussagekraft des Bildes beein-
flussen können. In diesem Beitrag wird die Anwendbarkeit zweier refe-
renzloser Metriken für die Beurteilung der Bildqualität in der Compu-
tertomographie überprüft. Die beiden Metriken basieren auf der Verwen-
dung des Just-Noticeable-Blur (JNB)-Prinzips und wurden als wahrneh-
mungsbasierte Schärfemetriken entwickelt, um die Unschärfe in Bildern
unterschiedlichen Inhaltes zu beurteilen. Es wird gezeigt, dass eine der
Varianten für die Beurteilung von Bewegungsartefakten und die andere
für Metallartefakte verwendet werden kann.
1 Einleitung
In der Computertomographie (CT) führen inkonsistente Projektionswerte zu Ar-
tefakten in den rekonstruierten CT-Bildern. Wenn die Verbesserung der Bildqua-
lität durch eine Artefaktreduktion vorgenommen wird, erfolgt die Wahl des be-
sten Verfahrens durch eine Qualitätsbestimmung der Ergebnisse als Vergleichs-
basis. Häufig werden Bilder von Testpersonen (idealerweise erfahrenen Radio-
logen) beurteilt, was zu subjektiven Ergebnissen führt. Wenn eine Referenz
(ein rekonstruiertes Bild ohne Artefakte) vorhanden ist, können verschiedene
Distanzmetriken verwendet werden. Beispiele für Metriken zur automatischen
Beurteilung von Artefakten in tomographischen Bilddaten sind der relative Feh-
ler (REL), die normalisierten absoluten Abstände (NAD) oder auch die Summe
quadrierter Differenzen (SSD) [1].
Im Allgemeinen ist eine Referenz in der klinischen Praxis jedoch nicht ver-
fügbar, wodurch eine referenzlose Qualitätsbestimmung erforderlich wird. In [2]
wurden referenzlose Maße für eine Bewegungskorrektur von Magnetresonanz-
Bildern getestet. Die Metrikanwendungen für die Beurteilung von Bewegungs-
und Metallartefakten in CT-Bildern sind in [1] beschrieben.
Eine weitere referenzlose Möglichkeit ist die Assoziation von Bildqualität mit
der Bildschärfe. Einen Überblick über existierende referenzlose Metriken zur Be-
urteilung der Bildschärfe kann [3] entnommen werden. In [3, 4] wurden außerdem
zwei Metriken vorgeschlagen, die die vom Menschen wahrgenommene Bildschärfe
440 Kaethner et al.
unabhängig vom Bildinhalt automatisch beurteilen. Beide Metriken verwenden
die Breite der Bildkanten als ein Merkmal der Bildschärfe. Da die Unschärfe
einer Bildkante bei hohem Kontrast des Bildes früher wahrgenommen wird als
bei niedrigem Kontrast, werden zwei unterschiedliche kontrastabhängige Gewich-
tungen der Kantenbreiten jeweils unter Verwendung des sog. Just-Noticable-Blur
(JNB)-Konzeptes vorgenommen. Ein wesentlicher Unterschied zwischen den bei-
den Ansätzen besteht darin, dass eine der Metriken eine gewichtete mittlere Kan-
tenbreite ermittelt, während bei der anderen das Modell der Aufsummierung der
Wahrscheinlichkeiten, Unschärfen im Bild zu erkennen, verwendet wird. Im Fol-
genden wird der Ansatz aus [3] als JNB-Metrik (JNBM) und die Methode aus [4]
als normierte JNB-Metrik (nJNBM) bezeichnet.
In diesem Beitrag wird die die Verwendbarkeit von nJNBM und JNBM für
die Qualitätseinschätzung von Metall- sowie Bewegungsartefakten in CT-Bildern
untersucht und diskutiert.
2 Material und Methoden
Zur Evaluierung der Qualitätsmetriken werden zwei Testdatenmengen verwen-
det. Dabei handelt es sich zum einen um eine Aufnahmereihe eines anthropomor-
phen Torsophantoms (Quality Assurance in Radiology and Medicine,
www.qrm.de), welches vor der jeweiligen Aufnahme mit unterschiedlich posi-
tionierten Metallobjekten versehen wurde. Es handelt sich um Aufnahmen mit
einem Siemens Somatom Definition AS+ bei 120 kV und 100 mAs (Abb. 1).
Als weiteres Anwendungsbeispiel wurde eine Aufnahmereihe eines Kopfphan-
toms (The Phantom Laboratory, www.phantomlab.com) mit einem Sirona Ga-
lileos Dental-CT (21 mAs, 85 kV) verwendet. Dabei wurden verschiedene Bewe-
gungsgrade in den Rohdaten mit einem Roboterarm simuliert (Abb. 2).
(a) (b) (c) (d)
(e) (f) (g) (h)
Abb. 1. Torso-Testdaten ohne Metalle (a) sowie mit variierender Metallanzahl (b-h).
Referenzlose Qualitätsbestimmung von CT-Bildern 441
Für die Berechnung der Bildschärfe wird das Bild für beide Verfahren im
ersten Schritt in Blöcke R unterteilt und anschließend für jeden Block eine
Sobel-Kantendetektion, gefolgt von einer Bestimmung der Anzahl an Kanten-
pixel durchgeführt. Eine Qualitätsbestimmung ist nun für die JNBM auf al-
len Blöcken möglich, die eine Mindestanzahl von Kantenpixeln beinhalten (im
Folgenden als Kantenblöcke Rb bezeichnet), denn andernfalls haben die Blöcke
keinen signifikanten Einfluss auf den Gesamtschärfeeindruck. Alternativ dazu
wird bei der nJNBM zusätzlich die Blocknachbarschaft überprüft. Eine Kante
sollte demnach dominant in einer Region sein. Sind alle Nachbarblöcke eben-
falls Kantenblöcke, wird von einem zu stark strukturierten Bildbereich, wie z.B.
Hintergrundrauschen, ausgegangen. Diese Blöcke werden somit im Weiteren aus-
geschlossen.
Für alle verbleibenden Kantenblöcke wird für die nJNBM eine Gewichtung
{
1 −0.0042 · Cb + 1, für Cb ≤ 50
pb (Cb ) = (1)
0.8092 · e−0.024(Cb −50) , für Cb > 50
bestimmt, welche den Erkennungsgrad von Unschärfe in Abhängigkeit des Kon-
trastes Cb von Kantenblock b widerspiegelt (perceptual weight). Für jeden Kan-
tenpixel ej , j = 1, . . . , E wird anschließend die Kantenbreite w(ej ) bestimmt und
eine Mittlung über alle Breiten des Blockes durchgeführt. E entspricht dabei der
Gesamtanzahl an Kantenpixel im aktuellen Block b. Die resultierende mittlere
Kantenbreite w̄b wird daraufhin mit pb multipliziert, was zu einer gewichteten
Kantenbreite für alle b führt. Abschließend werden alle Blockergebnisse erneut
gemittelt (K entspricht dabei der Gesamtzahl an Kantenblöcken) was zum end-
gültigen Bildschärfe-Wert der nJNBM führt
∑
E ∑
K
w(ej ) w̄b · p1b (Cb )
j=1 b=1
w̄b = , b = 1, . . . , K, bzw. nJNBM = (2)
E K
Je höher nJNBM also ist, desto unschärfer ist das jeweilige Bild. Diese Informati-
on ist dabei durch die beiden Mittlungen in (1) unabhängig von der Gesamtzahl
an Kanten sowie Kantenblöcken.
Alternativ dazu wird bei der JNBM eine Gewichtung für die Kantenbreiten
basierend auf der Kenntnis ermittelt, dass bei hohen Kontrasten bereits kleine-
re Kantenbreiten als Unschärfe erkannt werden, die bei niedrigeren Kontrasten
Abb. 2. Dental-Testdaten mit ansteigender Anzahl von Bewegungsartefakten.
442 Kaethner et al.
nicht auffallen. Als Gewichtung ergibt sich damit
{
2 5, Cb ≤ 50
pb (Cb ) = (3)
3, Cb > 50
wobei die entsprechenden Größen in [3] durch Tests ermittelt wurden. Folgend
werden statt der Mittlungen aus (2) zunächst die Schärfe eines Blocks D(Rb ) ,
bzw. die Gesamtschärfe D des Bildes durch
( E )1 (K ) β1
∑ w(ei ) β β ∑ β
D(Rb ) = und D= |DRb | (4)
i=1
p2b (Cb )
b=1
bestimmt. Für den Wert β wurde, wie in [3] empfohlen, eine Größe von 3.6
verwendet. Daraufhin wird eine Normierung von D mit der Anzahl der Kan-
tenblöcke K, gefolgt von einer Kehrwertbildung (um niedrige Metrikwerte für
unscharfe Bilder zu erhalten und umgekehrt) durchgeführt, also gilt abschlie-
ßend JNBM = K/D. Je höher JNBM nun ist, desto höher ist der Anteil an
scharfen Kanten im Bild, wobei hier der Einfluss der Kantenpixelanzahl weiter-
hin erhalten bleibt.
3 Ergebnisse
Für die Bewegungsdaten wurde die nJNBM verwendet, da eine Kantenverschmie-
rung unabhängig von der Kantenanzahl im Bild detektiert werden soll. Für die
Metallbilder ist im Gegensatz dazu primär die Anzahl an Bildkanten von In-
teresse, die in Form von streifenförmigen Metallartefakten das gesamte Bild
überlagern. Aus diesem Grunde ist die JNBM hier eine sinnvollere Wahl, da
die Informationen über die Kantenanzahl bei dieser Metrik im Ergebnis erhal-
ten bleiben. Beide Testdatenmengen wurden vor der Evaluierung durch einen
Experten nach ansteigender Artefaktanzahl sortiert. Als weitere Vergleichsmög-
lichkeit wurden die zuvor bereits erwähnten referenzbasierten Verfahren SSD,
NAD und REL verwendet. Für eine bessere Vergleichbarkeit wurden außerdem
alle Ergebnisse auf den jeweiligen maximalen und minimalen Wert normiert. Ab-
schließend ist anzumerken, dass für die Schärfeberechnungen im Rahmen dieser
Arbeit o.B.d.A. ausschließlich die horizontalen Kanten aller Bilder berücksichtigt
wurden.
In Abb. 3 sind die Ergebnisse aller Verfahren angewendet auf die jeweiligen
Datensätze zu sehen. Für die Metallartefaktbilder (Abb. 3a) verlaufen die Er-
gebniswerte nicht monoton steigend, wie durch die expertenbasierte Sortierung
angenommen. Die Ergebnisse der Testbilder (c) und (d) sind für alle betrach-
teten Metriken niedriger als für das Testbild (b). Gleiches gilt für Bild (f) und
das vorangehende Bild (e). Die Werte für die Qualitätsbestimmung der Bewe-
gungsdaten (Abb. 3b) steigen mit wachsender Artefaktanahl, wobei alle refe-
renzbasierten Metriken (im Gegensatz zur Experteneinstufung und der nJNBM)
Testbild (e) als artefaktbehafteter einstufen als Bild (f).
Referenzlose Qualitätsbestimmung von CT-Bildern 443
Abb. 3. Ergebnisse der Qualitätsbestimmung von metall- und bewegungsartefaktbe-
hafteten CT-Bildern mit SSD, NAD, REL sowie JNBM bzw. nJNBM. Die Sortierung
der X-Achse entspricht Abb. 1 (links) bzw. 2 (rechts).
JNBM nJNBM
1 1
SSD SSD
NAD NAD
0.8 0.8
REL REL
0.6 0.6
Fehler
Fehler
0.4 0.4
0.2 0.2
0 0
1 2 3 4 5 6 7 8 1 2 3 4 5 6
Metalldaten Bewegungsdaten
4 Diskussion
Bei den Metallartefaktergebnissen weicht die JNBM vom Expertenwissen ab. Al-
lerdings gilt dies auch für alle betrachteten Vergleichsmetriken. Insgesamt weisen
alle Metriken einen exakt gleichen Verlauf auf. Dies führt zu der Schlussfolge-
rung, dass die visuelle Artefakteinstufung bei einigen Testbildern problematisch
ist, da nicht eindeutig zwischen den Artefaktstärken unterschieden werden kann.
Die Expertensortierung der Bewegungsdaten hingegen stimmt mit dem Er-
gebnis der nJNBM überein. Dies gilt jedoch nicht für die referenzbasierten Ver-
fahren, die Bild (e) mit der niedrigsten Bildqualität einstufen. Hier kann die
Aussage des Experten und der nJNBM jedoch validiert werden, da die Bewe-
gungsparameter der Testdaten bekannt sind und in Bild (e) tatsächlich eine
kleinere Bewegung während der Aufnahme stattfand als in (f).
Die Verfahren JNBM sowie nJNBM bilden somit eine gute Möglichkeit zur
referenzlosen Qualitätsbestimmung von metall- bzw. bewegungsartefaktbehafte-
ten CT-Bildern. Für nachfolgende Arbeiten wäre eine Erweiterung denkbar, die
unabhängiger vom Bildrauschen ist.
Literaturverzeichnis
1. Ens S, Kratz B, Buzug TM. Automatische Beurteilung von Artefakten in tomogra-
phischen Bilddaten. Biomed Tech. 2010;55(Suppl. 1):BMT.2010.550.
2. McGee KP, Manduca A, Felmlee JP, et al. image metric-based correction (auto-
correction) of motion effects: analysis of image metrics. J Magn Reson Imaging.
2000;11.
3. Ferzli R, Karam LJ. A no-reference objective image sharpness metric based on the
notion of just noticeable blur (JNB). In: IEEE Trans Image Proc. vol. 18; 2009. p.
717 – 28.
4. Ferzli R, Karam LJ. Human visual system based on no-reference objective image
sharpness metric. In: Proc IEEE ICIP; 2006. p. 2949–52.