Sinogramma, raw data, retroproiezione
Sono corretti i seguenti "step" della ricostruzione dell'immagine in TC?
- raggio: linea che congiunge la sorgente radiogena con un singolo detettore, il raggio subisce un attenuazione lungo il suo percorso che viene misurata dal singolo detettore confrontando l'energia di partenza del raggio con quella attenuata che arriva al detettore stesso
- proiezione (o vista): insieme di raggi che mi daranno quindi un insieme di attenuazioni che formeranno un profilo di attenuazione (o proiezione)
- sinogramma: matrice in cui sono raccolti tutti i profili di attenuazione (proiezioni) raccolte, in pratica sono raccolti i dati grezzi o "raw data" che sono appunto l'insieme delle proiezioni misurate. Ogni proiezione corrisponde a una riga del sinogramma
- kernel (o filtro di convoluzione): prima di eseguire la retroproiezione, ai dati grezzi di ciascuna proiezione viene applicato un filtro (ovvero il sinogramma viene filtrato prima di effettuare la retroproiezione).
- retroproiezione: il valore di ogni singola proiezione viene riportata lungo il suo segmento, la somma delle retroproiezioni da numerosi angoli mi permette di ricostruire una singola immagine assiale.
Ho alcune domande:
1) sono giusti tutte le varie fasi e definizioni che ho scrtto?
2) alla fine di tutto questo procedimento ottengo una sola immagine (slices) assiale vero? devo ripetere questo procedimento per ogni immagine (slices)
3) i dati grezzi è giusto deinirli come "insieme delle proiezioni (o profili di attenuazioni) raccolte nel sinogramma"
4) kernel, filtro di convoluzione, filtro di ricostruzione e algoritmo di ricostruzione sono sinonimi per indicare la stessa cosa?
5) mettiamo che acquisca un addome ricostruendo le immagini con filtro kernel standard per mediastino. Se poi mi accorgo di voler studiare in dettaglio la colonna posso, usando magari un RFOV limitato alla colonna, ricostruire delle immagini utilizzando, invece del filtro standard mediastino,un filtro per osso vero? Alla fine io acquisisco i miei dati grezzi nel sinogramma e poi posso ricostruire le immagini più volte con filtri diversi no? in pratica si applicano filtri kernel diversi ogni volta prima di retroproiettare i dati grezzi .. giusto?
1) si, 2)si, 3) si, 4) non proprio 5) sì. alla 4 i primi 3 sono sinonimi, con il 4 ho qualche dubbio perché si possono intendere anche tecniche di ricostruzione diverse come ad esempio le nuove iterative. Considera che il processo come lo hai descritto tu è molto generale, ci sono altre fasi molto importanti, ad esempio i dati che arrivano dai detettori devono essere preprocessati prima di arrivare al DAS. Altra cosa, ormai da qualche anno la FBP viene accoppiata alla Trasformata di Fourier che permette di velocizzare tutto il processo, non si usa la Radon!
ti ringrazio per la risposta! per la 4 quindi i primi 3 sono sinonimi (ovvero: kernel, filtro di convoluzione e filtro di ricostruzione). Quando però mi parla di algoritmo di ricostruzione dice che alcuni esempio sono gli "algoritmi di smoothing, edge enhancement. ecc ecc" che sono gli stessi termini che cita quando parla dei filtri di ricostruzione (kernel).. a questo punto penso che anche il termine "algoritmo di ricostruzione" sia sinonimo degli altri 3 termini (kernel, filtro di convoluzione, filtro di ricostruzione).Ti lascio il passo del libro dove ne parla.. dimmi che ne pensi:
7.2.3 Algoritmo di ricostruzione
Gli algoritmi di ricostruzione si differenziano in relazione alle caratteristiche di risoluzione
spaziale e di contrasto delle immagini che essi determinano. Questi due aspetti inerenti la
qualità delle immagini sono, in generale, in opposizione tra loro: se si vuole esaltare la risoluzione
di contrasto si ha una perdita di quella spaziale, e viceversa. Ciò si verifica perché nella retroproiezione filtrata le basse frequenze spaziali codificano l’informazione
relativa alla risoluzione di contrasto dell’immagine, mentre le alte frequenze contengono
quella relativa ai contorni degli oggetti e, quindi, alla risoluzione spaziale. Pertanto, gli
algoritmi di ricostruzione possono essere classificati in due famiglie principali:
– algoritmi di smoothing, che migliorano la risoluzione di contrasto;
– algoritmi di edge enhancement, che migliorano la risoluzione spaziale.
La scelta dell’algoritmo da utilizzare dipende da quale tipo di visualizzazione risulta
più adatta per l’interpretazione delle immagini (Fig. 7.5) [11]: per esempio, per evidenziare
elementi che hanno poco contrasto rispetto allo sfondo si utilizzano algoritmi di
smoothing, mentre per esaltare i contorni di strutture anatomiche si scelgono algoritmi di
edge enhancement. Gli algoritmi di ricostruzione possono avere denominazioni diverse
a seconda del produttore di scanner TC: tra i nomi più comunemente utilizzati ricordiamo
gli algoritmi bone (edge enhancement), detail (edge enhancement), edge (edge enhancement),
standard (smoothing), soft tissue (smoothing).
Vabbè stiamo parlando di termini...fra gli algoritmi di ricostruzione dal 2008 abbiamo anche gli iterativi che non possono essere considerati come gli altri e quindi sinonimi degli altri!
Utente 0118 ha scritto:Vabbè stiamo parlando di termini...fra gli algoritmi di ricostruzione dal 2008 abbiamo anche gli iterativi che non possono essere considerati come gli altri e quindi sinonimi degli altri!
sisi immagino che ci siano anche altri tipi di algoritmi oltre a quelli citati nel mio testo ma volevo semplicemente capire cosa intendesse con "algoritmi di ricostruizioni" il mio testo .. per come ne parla nel paragrafo che ti ho citato penso intenda sempre i kernel con il termine algoritmi di ricostruzione no?
il passo che hai citato e del testo" elementi di tomografia computerizzata". Quello che intendi e corretto. smoothing e edge enhancement sono 2 kernel. gli algoritmi iterativi sono applicati post processing nelle ricostruzioni multiplanari e sono per esempio: MIP minIP curve planar reformation shaded surface display e volume rendering. anche questi esaltano determinati aspetti dell immagine ma il kernel lavora direttamente sui raw data e gli iterativi sui dati delle sezioni assiali già ricostruite. spero di non aver complicato le idee. e scritto tutto sul testo.
Non è così, le tecniche iterative di seconda generazione lavorano anche sui dati grezzi direttamente sul sinogramma con ovvio vantaggio in termini di "look" delle immagini! infatti quelle di prima generazione che lavorano solamente sul NPS (noise power spectrum) tendono a far shiftare la curva in alto alle basse frequenze e anche alle alte, facendo apparire le immagini "plasticose". Questo ha impedito (e impedisce anche oggi) a molti il loro utilizzo, le immagini appaiono troppo diverse dalla FBP! La seconda generazione avvicina molto il NPS a quello tipico della FBP rendendo queste immagini più "amichevoli".
La cosa bella è che quando espone parla proprio così 😀