به مارکوپکس خوش آمدید

کیفیت تصویر CT

کیفیت تصویر CT

چکیده مقاله

آنچه در این مقاله خواهید خواند:

قبل از پرداختن به کیفیت تصویر در CT، باید در مورد یکی از دشمنان کیفیت تصویر که نویز است صحبت کنیم. نویز در یک تصویر به صورت یک ظاهر خالدار دانه دار دیده می شود که می‌تواند توسط عوامل بسیاری ایجاد شود، اما در این زمینه نویز عمدتاً از نویز کوانتومی یا مدل کوانتومی تشکیل شده است که صرفاً نتیجه مقدار ناکافی سیگنال در داده‌های ما است. در مورد تصویربرداری CT به این معنی است که تعداد کافی فوتون به ردیاب برخورد نمی‌کند.

در هر مجموعه‌ای از داده‌ها، نوسانات تصادفی ذاتی وجود خواهد داشت که سیگنال ورودی را مختل می‌کند که ما نمی‌توانیم آن را محاسبه کنیم، اما هر چه سیگنال واقعی بیشتری در این مجموعه داده داشته باشیم، نویز کمتری خواهیم داشت. این مفهوم به عنوان نسبت سیگنال به نویز توصیف می‌شود، بنابراین نسبت سیگنال بالا به نویز به این معنی است که ما مقدار نسبتاً بالاتری از سیگنال واقعی در داده‌های خود داریم و میزان نسبتاً کمتری نویز که داده‌های ما را تخریب می‌کند.

کیفیت تصویر در CT

کیفیت تصویر در CT بر حسب سه نوع وضوح توصیف می شود:

  • رزولوشن فضایی
  • وضوح کنتراست
  • وضوح زمانی

رزولوشن فضایی

وضوح فضایی یا وضوح کنتراست بالا به توانایی تمایز بین دو جسم با چگالی متفاوت که در فضای فیزیکی نزدیک هستند اشاره دارد. این بدان معنی است که تصاویر با وضوح فضایی بالا دارای لبه های کاملاً مشخص و جزئیات واضح هستند. وضوح فضایی ممکن است به عنوان وضوح کنتراست بالا نیز نامیده شود زیرا به تمایز بین اشیاء بسیار متضاد مربوط می شود.

وضوح کنتراست

وضوح کنتراست یا وضوح کم کنتراست به توانایی تمایز بین دو جسم با چگالی مشابه اشاره دارد. این بدان معناست که تصاویر با وضوح کنتراست بیشتر می‌توانند تمایز بیشتری را بین انواع بافت مشابه ارائه دهند. وضوح کنتراست ممکن است به عنوان وضوح کنتراست کم نیز شناخته شود زیرا به تمایز بین اشیاء کم کنتراست مربوط می شود.

وضوح زمانی

رزولوشن زمانی به توانایی به دست آوردن تصاویر در مدت زمان کوتاه اشاره دارد. این در موارد خاص مانند سی تی قلب که در آن جمع آوری اطلاعات بسیار سریع بین چرخه‌های قلب و انقباض ضروری است، مهم است. ما در این مقاله زیاد به این موضوع نمی پردازیم، اما اساساً وضوح زمانی به زمان و کوتاه ترین مدت زمانی که می توان در آن تصاویر را به دست آورد اشاره دارد.

عوامل مختلفی بر روی مجموعه داده های اسکن شده ما با توجه به این سه نوع وضوح تأثیر می گذارد.

برخی از این عوامل در کنترل ما هستند و برخی نه. وضوح فضایی را می توان با کاهش ضخامت برش بهبود بخشید به این معنی که بخش های نازک تری از داده ها را با جزئیات بیشتری مشاهده می کنیم. کاهش میدان دید به این معنی که با استفاده از یک هسته یا فیلتری که برای وضوح فضایی بالا طراحی شده است، مانند فیلتر بهبود لبه، برای وضوح تصویر یا با استفاده از یک هسته یا فیلتر طراحی شده برای وضوح تصویر، ناحیه کوچکتری از بدنه را روی ماتریس تصویر با همان اندازه نمایش خواهیم داد. اگر روی یک اسکنر با یک آرایه آشکارساز (ردیاب) تطبیقی کار می‌کنید که چندین اندازه عنصر آشکارساز را ارائه می‌دهد، با استفاده از عناصر آشکارساز کوچک‌تر. اکنون ممکن است انجام همه این کارها مانند همیشه استفاده از نازک ترین برش های ممکن به نظر شهودی به نظر برسد، اما مانند هر چیز دیگری در اینجا باید مبادله ای انجام شود، بنابراین بسیاری از این روش ها برای افزایش وضوح فضایی در حد توان محدود هستند. برو چون سطح سر و صدای ما را هم افزایش می دهند. برای مثال، کاهش ضخامت برش، حجم داده‌هایی را که برای تولید هر برش استفاده می‌کنیم، کاهش می‌دهد، به این معنی که نسبت بیشتری از آن برش نازک داده از نویز تشکیل می‌شود. به طور مشابه، استفاده از یک فیلتر شارپ برای ایجاد بهبود لبه برای سیگنال واقعی در تصاویر، نویز موجود در آن تصویر را نیز تشدید می کند و ظاهری دانه دانه ایجاد می کند. خارج از این گزینه‌ها، اگر بخواهیم از برش‌های نازک‌تر استفاده کنیم بدون اینکه نویز بیشتری دریافت کنیم، باید دوز تابش را به بیمار افزایش دهیم تا میزان سیگنال واقعی را افزایش دهیم و در نتیجه نسبت سیگنال به نویز را افزایش دهیم. افزایش دوز تابش برای کاهش میزان نویز می تواند با افزایش جریان لوله که MA یا ولتاژ لوله که KV است با افزایش زمان چرخش یا به طور مشابه با کاهش گام انجام شود. همه اینها دوز تشعشع ما را افزایش می دهد که به نوبه خود مقداری از نویز ایجاد شده با کاهش ضخامت برش را کاهش می‌دهد.

اکنون این مفاهیم ما را مستقیماً وارد بحث در مورد وضوح کنتراست می‌کنند، زیرا نویز عامل اصلی کاهش وضوح کنتراست تصویر ما است. به یاد داشته باشید که با وضوح کنتراست ما به تفاوت های ظریف در مقیاس خاکستری تصویر خود علاقه مند هستیم و نویز این نوسان تصادفی فازی دانه دانه در مقادیر آن مقیاس خاکستری است. بنابراین هر چیزی که نویز را افزایش دهد، وضوح کنتراست ما را کاهش می دهد. این باعث می‌شود که ما بین وضوح فضایی و کنتراست کمی مبادله کنیم، زیرا برخی از تکنیک‌هایی که برای بهینه‌سازی وضوح فضایی ما صحبت کردیم، نویز بیشتری ایجاد می‌کند و در نتیجه وضوح کنتراست ما را کاهش می‌دهد. این بدان معناست که برای بهبود وضوح کنتراست با کاهش سطح نویز، می خواهیم از برش های ضخیم تر استفاده کنیم. بنابراین ما تصویر را از یک صفحه بزرگتر از داده‌ها می‌سازیم و می‌خواهیم از یک فیلتر صاف برای محو کردن نویز استفاده کنیم.

این دو مورد، تصویری نرم‌تر با نویز کمتر می‌سازند، اما همچنین تصویری با وضوح فضایی کمتر می‌سازند، بنابراین ما را به این ایده برمی‌گرداند که افزایش دوز تابش ساده‌ترین راه برای بهبود کیفیت تصویر است. با این حال، هزینه آشکار افزایش دوز پرتو، خطری برای بیمار است. در اینجا بیشتر در مورد دزیمتری در رادیولوژی تشخیصی بخوانید. همچنین باید این را در نظر بگیرید که بهره بردن از سیستم‌های مدیریت دوز (DMS) برای بیماران و کاربران تجهیزات اشعه ایکس بسیار ضروری است. راه حل رادیان، با هدف حفاظت از سلامتی با بهینه کردن مقدار تابش اشعه ایکس توسط شرکت تحولات نوین یادمان (مارکوپکس)، توسعه یافته است.

بنابراین در پایان راه در بحث کیفیت تصویر، ما اساساً میزان نویز را در تصویر خود تحمل می‌کنیم. چقدر می‌توانیم دوز تابش را کم کنیم، بدون اینکه کیفیت تصویر را فدای نویز کنیم؟ و چگونه می‌توانیم وضوح فضایی و کنتراست خود را با محدودیت‌های حداقل کردن دوز بهینه کنیم؟

در مقالات بعدی در مورد تکنیک هایی، از جمله تکنیک‌های دیگر مانند بازسازی تکراری که می‌تواند به بهبود کیفیت تصویر بدون افزایش دوز تشعشع کمک کند، این موضوع را عمیق‌تر مورد بحث قرار خواهیم داد.

 

 

مجله مارکوپکس

آخرین مقاله‌ها

مجله مارکوپکس

Hanging Protocol

پروتکل نمایش Hanging چیست؟ پروتکل Hanging در زمینه تصویربرداری پزشکی، به محموعه‌ای از قوانین و دستورالعمل‌هایی اشاره دارد که نحوه چیدمان نمایش تصاویر پزشکی را

مجله مارکوپکس

دیویژن(نسخه ۱۴.۵۰.۵)

نرم افزار  دیویژن برای طیف گسترده‌ای از کاربران و متخصصین طراحی شده تا همه‌ی نیاز‌های مختلف را به بهترین شکل ،سهولت و امنیت بالا تامین

Machine Learning Technologies for Medical Diagnostics
فناوری اطلاعات و تصویربرداری پزشکی

مزایا و چالش‌های فناوری‌های یادگیری ماشین (Machine Learning) برای تشخیص در پزشکی

هر سال، اشتباهات تشخیص پزشکی بر سلامت میلیون‌ها انسان تأثیر می‌گذارد و میلیاردها دلار هزینه دارد. فناوری‌های یادگیری ماشینی می‌توانند به شناسایی الگوهای پنهان یا

تازه‌های مارکوپکس

به دنبال مطلب خاصی هستید؟