Algoritmo di ricostruzione

Scritto da Alessandro Tombolesi il 12 Agosto 2016

L’algoritmo di ricostruzione, spesso definito anche filtro di convoluzione o kernel, è un procedimento matematico, facente parte del processo di ricostruzione dei dati grezzi, il cui fine è quello di variare il livello di rumorosità dell’immagine per rendere più o meno rilevabili determinati dettagli della sezione ricostruita o degli organi in studio ad essa associata a seconda della frequenza spaziale delle HU di cui è composta la loro materia.

Il ragionamento parte dal presupposto che, ad esempio, per migliorare la rilevabilità di lesioni interne ad un parenchima la cui struttura sia composta di tessuti a simile densità HU (come un encefalo od un fegato), sia necessario ridurre il rumore (SD) dell’immagine all’interno di quelle frequenze spaziali (nella fattispecie basse frequenze) che compongono la materia in oggetto, e rendere possibile una più corretta visualizzazione in termini di finestra e livello meno influenzati da rumore.

Al contrario nel caso in cui la rilevabilità sia destinata a strutture ad elevato contrasto intrinseco come l’osso od il parenchima polmonare (nella fattispecie alte frequenze), l’algoritmo di ricostruzione tenderà a rendere maggiormente distinguibili le strutture adiacenti di questi organi a scapito di un’elevata rumorosità dell’immagine, che peraltro non influirà, contrariamente al caso precedente, sulla qualità dell’immagine dati gli ampi valori di finestra (HU) con cui si visualizzano comunemente questo tipo di indagini.

Alcuni tipi di kernel lavorano combinando invece filtri ad alta e bassa frequenza spaziale: è il caso dell’algoritmo “chest” che applica una ricostruzione tipica delle basse frequenze ai pixel di densità prossima allo zero (tra –150 e +150) affinché ad essi corrisponda una visualizzazione simil “standard”, ed una ricostruzione da alte frequenze a tutti gli altri, in modo da permettere contemporaneamente la miglior visione di mediastino e parenchima polmonare unicamente modificando finestra e livello dell’immagine ricostruita.

In tutti i casi suddetti si ha sia la variazione del rapporto seganle/rumore che del rapporto contrasto/rumore nelle immagini, ma il beneficio portato dall’ottimizzazione del secondo supera largamente lo svantaggio che ne deriva dalla riduzione del primo, e comunque è sempre bene ricordare che ogni set di immagini può essere ricostruito (in post processing) con ogni kernel desiderato.

Come suggerito in precedenza ad ogni algoritmo di ricostruzione deve essere poi associata la giusta finestra e livello di visualizzazione per non rischiare di perdere importanti informazioni utili alla diagnosi. Le immagini che seguono rappresentano lo stesso set di dati grezzi ricostruiti con tutti i kernel possibili su un’apparecchiatura GE e visualizzate con stesse finestra e livello (prima per tessuti molli e poi per osso) ad unico scopo di renderne visibili ad occhio nudo le differenze, contestualmente è possibile anche apprezzarne il livello di rumorosità, misurata col criterio della deviazione standard: