Escolar Documentos
Profissional Documentos
Cultura Documentos
1.1 Introdução
Um médico que faz um diagnóstico com base em imagens médicas procura vários tipos
diferentes de indicações. Estas podem ser alterações na forma, por exemplo, aumento
ou encolhimento de uma estrutura específica, alterações na intensidade da imagem
dentro dessa estrutura em comparação com o tecido normal e/ou o aparecimento de
características como lesões que normalmente não são vistas. Um diagnóstico completo
pode ser baseado em informações de diversas modalidades de imagem, que podem ser
correlativas ou aditivas em termos de conteúdo de informação.
Todos os anos há avanços significativos na engenharia que levam a melhorias na
instrumentação em cada uma das modalidades de imagens médicas abordadas neste
livro. Deve-se ser capaz de avaliar de forma quantitativa as melhorias introduzidas por
tais projetos. Essas medidas quantitativas também devem estar diretamente relacionadas
aos parâmetros que são importantes para o diagnóstico do médico. Os três critérios mais
importantes são a resolução espacial, a relação sinal-ruído (SNR) e a relação contraste-
ruído (CNR). Por exemplo, a Figura 1.1(a) mostra uma imagem de ressonância magnética
com duas lesões muito pequenas na substância branca indicadas pelas setas. A
resolução espacial nesta imagem é alta o suficiente para detectar e resolver as duas
lesões. Se a resolução espacial fosse quatro vezes pior, como mostrado na Figura 1.1(b),
então apenas a maior das duas lesões seria agora visível. Se a SNR da imagem fosse
quatro vezes menor, ilustrada na Figura 1.1 (c), então apenas a mais brilhante das duas
lesões seria quase invisível. Finalmente, se o CNR entre as lesões e a substância branca
circundante for reduzido, como mostrado na Figura 1.1(d), então nenhuma lesão poderá
ser discernida.
Embora o ideal seja adquirir imagens com a maior SNR, CNR e resolução espacial
possíveis, muitas vezes há compensações entre os três parâmetros em termos de design
do instrumento e técnicas de aquisição de dados, e escolhas cuidadosas devem ser
feitas para o melhor diagnóstico. Este capítulo aborda os aspectos quantitativos da
avaliação da qualidade da imagem, algumas das compensações entre SNR, CNR e
resolução espacial e como os dados medidos podem ser digitalizados, filtrados e armazenados.
No final deste capítulo, os dois algoritmos essenciais para reconstrução de
Machine Translated by Google
b c d
Figura 1.1
(a) Imagem de RM mostrando duas pequenas lesões na substância branca indicadas pelas setas.
Imagens correspondentes adquiridas com (b) resolução espacial quatro vezes pior, (c) SNR quatro vezes
menor e (d) CNR reduzido entre as lesões e o tecido saudável circundante. As setas apontam para lesões
que podem ser detectadas.
Embora a radiografia digital tenha claramente muitas vantagens práticas em termos de armazenamento
e mobilidade de dados, não teria sido implementada clinicamente se a qualidade diagnóstica dos
exames tivesse diminuído. A avaliação quantitativa da qualidade diagnóstica é geralmente relatada
em termos de especificidade e sensibilidade, conforme descrito no exemplo abaixo.
x
0
0 5,0 0,1
eslaF p noitcarf evitiso
Figura 1.2
O objetivo do diagnóstico clínico é maximizar cada um dos três números, com um valor ideal
de 100% para todos os três. Isto é equivalente a um ponto na curva ROC dado por uma fração
verdadeiro positivo de 1 e uma fração falso positivo de 0. A curva ROC correspondente é mostrada
como a linha pontilhada na Figura 1.2. Quanto mais próxima a curva ROC real chegar dessa
curva ideal, melhor, e a integral sob a curva ROC fornece uma medida quantitativa da qualidade
do procedimento diagnóstico.
Vários factores podem influenciar a forma da curva ROC, mas do ponto de vista da tecnologia
de imagiologia médica, a questão relevante é: 'que fracção de lesões verdadeiras é detectada
utilizando a técnica de imagiologia específica?'. Quanto mais lesões faltarem na imagem,
intuitivamente pior será o diagnóstico resultante. Podem ocorrer 'lesões faltantes', referindo-se à
Figura 1.1, devido a SNR, CNR ou resolução espacial deficientes. Por sua vez, estes levarão a
uma diminuição da precisão percentual, sensibilidade e especificidade do procedimento diagnóstico.
Exemplo 1.1 Suponha que um critério utilizado para o diagnóstico não esteja, de facto, completamente relacionado
com a condição médica real, por exemplo, como um exemplo trivial, tentar diagnosticar uma
doença cardíaca através da contagem do número de lesões no cérebro. Desenhe a curva ROC
para esta situação específica.
A resolução espacial de um sistema de imagem está relacionada ao menor recurso que pode
ser visualizado ou, mais especificamente, à menor distância entre dois recursos, de modo
que os recursos possam ser resolvidos individualmente, em vez de aparecerem como uma
forma maior. As duas medidas mais comuns no domínio espacial são a função de propagação
de linha (LSF) e a função de propagação de ponto (PSF). Estas medidas podem ser
representadas por uma função de transferência de modulação equivalente (MTF) no domínio
da frequência espacial. O conceito de frequência espacial é muito útil na caracterização da
resolução espacial e é explicado na seção seguinte.
a b c
Figura 1.3
LSF(y)
sim
Figura 1.4
O conceito da função de propagação de linha. Um objeto fino é fotografado usando três sistemas de imagem diferentes.
O sistema à esquerda tem o LSF mais nítido, conforme definido pela projeção unidimensional medida ao longo da linha
pontilhada e mostrada acima de cada imagem. O sistema do meio produz uma imagem mais desfocada e possui
um LSF mais amplo, com o sistema da direita produzindo a imagem mais desfocada com o LSF mais amplo.
Machine Translated by Google
FSL
MHWF MHWF
eu sou ge
Figura 1.5
Resultados de imagem produzidos por dois sistemas diferentes com uma área relativamente estreita (esquerda) e ampla (direita).
LSF. No caso à esquerda, duas pequenas estruturas dentro do corpo (topo) possuem uma separação ligeiramente maior que o
FWHM do LSF, e assim a imagem resultante mostra as duas estruturas diferentes. No caso da direita, o FWHM do LSF é
maior que a separação das estruturas e assim a imagem aparece como uma grande estrutura.
separados por uma distância maior que o FWHM do LSF, então eles podem ser resolvidos como
estruturas separadas em oposição a uma estrutura maior, como mostrado na Figura 1.5.
2
1 ðe y0 º
LSF yð Þ 5 ffiffiffiffiffiffiffiffi
experiência ð1:1Þ
2pr2 p 2r2 !;
Portanto, se a separação física entre duas estruturas for maior que 2,36 vezes o desvio padrão
da função gaussiana que define o LSF do sistema de imagem, então as duas estruturas poderão
ser resolvidas.
x
Objeto
sim
um bcd
Figura 1.6
(topo) Objeto pontual pequeno sendo fotografado. (a)-(d) Imagens produzidas com diferentes funções de dispersão de pontos.
(a) Um PSF acentuado em todas as três dimensões. (b) Um PSF que é significativamente mais amplo em x do que em y ou z. (c) Uma
PSF que é mais amplo na dimensão y. (d) Um PSF que seja amplo em todas as três dimensões.
na Figura 1.6.
Matematicamente, a imagem tridimensional (I) e o objeto (O) estão relacionados por:
eu xðÞ;
você; z 5 O xðÞ ; você;
xð Þzh
; você; z ; ð1:3Þ
sistema de imagem perfeito, o PSF seria uma função delta em todas as três dimensões,
nesse caso, a imagem seria uma representação perfeita do objeto. Na prática,
o PSF geral de um determinado sistema de imagem é uma combinação de instrumentação de
detecção e amostragem de dados (abordada na Seção 1.7) e pode ser calculado pelo
convolução de todos os componentes individuais.
Como o PSF e o MTF estão relacionados pela transformada de Fourier, e uma convolução em
um domínio é equivalente à multiplicação no outro (Seção 1.9.2), o MTF geral do sistema de imagem
pode ser calculado multiplicando-se os efeitos de todos os os componentes contribuintes.
tcejbo
)y(FSP k(FTMy )
sim
a ky
k(FTMy )
)y(FSP
b
sim
ky
k(FTMy )
)y(FSP
c
sim
ky
Figura 1.7
(topo) O objeto sendo fotografado corresponde a um conjunto de linhas com frequência espacial crescente
da esquerda para a direita. (a) Um PSF ideal e o MTF correspondente produzem uma imagem que é
uma representação perfeita do objeto. (b) Um PSF ligeiramente mais amplo produz um MTF que perde a
informação de frequência espacial muito alta e a imagem resultante fica desfocada. (c) O PSF mais amplo
corresponde ao MTF mais estreito e à maior perda de informação de alta frequência espacial.
Machine Translated by Google
Figura 1.8
Os efeitos do ruído na qualidade da imagem de uma imagem de RM. À medida que o desvio padrão (r) do ruído
aumenta (de cima para baixo), as características da imagem tornam-se indistinguíveis.
a b c d
Figura 1.9
Média de sinal para melhorar o SNR da imagem. (a) imagem de RM adquirida em uma única varredura, (b) duas
varreduras idênticas em média, (c) quatro varreduras e (d) dezesseis varreduras.
Mesmo que uma imagem específica tenha uma SNR muito alta, ela não é útil para diagnóstico
a menos que haja um CNR suficientemente elevado para poder distinguir entre diferentes
tecidos e, em particular, entre tecidos saudáveis e patológicos. Existem várias definições de contraste
de imagem, sendo as mais comuns:
TÁXI 5
jj SASB _
CNRAB 5 5 jj SNRA SNRB ; ð1:6Þ
RN RN
as frequências correspondem a pequenos objetos e bordas nas imagens e, portanto, são 'aprimoradas'
por meio de um filtro passa-alta, melhorando assim a resolução espacial.
Porém, o ruído presente na imagem, por ter uma variação aleatória pixel a pixel, também corresponde
a frequências espaciais muito altas, e assim a SNR de uma imagem filtrada passa-alta diminui,
conforme mostrado na Figura 1.10. Um filtro passa-alta é adequado, portanto, para imagens com
SNR intrínseca muito alta, nas quais o objetivo é captar detalhes muito finos.
Em contraste, um filtro passa-baixa atenua o ruído, aumentando assim o SNR na imagem filtrada.
A desvantagem é que outras características da imagem que também são representadas por altas
frequências espaciais, por exemplo, características pequenas, são suavizadas por este tipo de filtro.
Filtros passa-baixa são normalmente aplicados a imagens com SNR intrinsecamente baixo e
resolução espacial relativamente baixa (que não é substancialmente degradada pela aplicação do
filtro), como medicina nuclear planar.
varreduras.
Filtros especializados também podem ser usados para detectar bordas em imagens, por exemplo.
Este processo é muito útil se o objetivo for segmentar imagens em diferentes compartimentos
teciduais. Como as bordas têm um gradiente acentuado na intensidade do sinal de um pixel para o
pixel adjacente, pode-se considerar que a abordagem básica é medir a inclinação
MTF(k)
Filtro passa-baixa
MTF(k)
Filtro passa-alta
Figura 1.10
Os efeitos da filtragem passa-baixa e passa-alta. Os filtros passa-baixa melhoram o SNR às custas de uma
perda na resolução espacial: os filtros passa-alta aumentam a resolução espacial, mas reduzem o SNR.
Machine Translated by Google
da imagem realizando uma derivada espacial. Como a detecção de bordas também amplifica
o ruído em uma imagem, o processo geralmente é seguido por alguma forma de filtragem
passa-baixa para reduzir o ruído.
Um exemplo muito simples de como as imagens podem ser filtradas na prática é a
convolução da imagem com um 'kernel' de filtro especificado. Eles podem ser representados
por uma pequena matriz, cujo tamanho típico é 3 3 3. No exemplo unidimensional mostrado
na Figura 1.11, o processo de convolução da imagem envolve deslizar o kernel pela imagem,
multiplicando cada pixel pelo componente correspondente do kernel e substituindo o pixel
central pela soma desses valores. O kernel é então deslocado por um pixel na dimensão
horizontal e o processo é repetido até que o kernel tenha sido aplicado a todos os pixels
nesta dimensão horizontal. No exemplo da Figura 1.11, a imagem original possui um pixel
com um valor particularmente alto (32) em comparação com os pixels circundantes. Após a
filtragem, a diferença é muito menor, mostrando os efeitos do filtro passa-baixo de
suavização. Para filtragem bidimensional, o processo acima é repetido para a próxima linha
de pixels até que toda a imagem seja coberta.
351 645
4016 788
Figura 1.11
Exemplo numérico mostrando a aplicação de um kernel de convolução passa-baixa. A imagem original é filtrada,
sendo as intensidades de imagem 3, 32, 5 e 6 (sombreadas) substituídas por a, b, c e d, respectivamente, na
imagem filtrada. Esses valores são calculados conforme mostrado pelos termos entre parênteses para fornecer
os valores mostrados na grade inferior.
Machine Translated by Google
Durante muitos anos, todas as imagens médicas foram visualizadas e armazenadas em filme
fotográfico. Hoje em dia, todos os hospitais modernos estão na “era digital”, em que as imagens
são adquiridas e armazenadas digitalmente. Elas podem ser pós-processadas e filtradas para
maximizar a qualidade do diagnóstico, as imagens adquiridas em momentos diferentes podem
ser comparadas quantitativamente para determinar a eficácia de uma terapia e as imagens
também podem ser transferidas automaticamente para outro hospital se o paciente mudar de local.
Independentemente do sistema de imagens médicas específico, o requisito comum para a
produção de imagens digitais é um conversor analógico-digital, que recebe uma tensão de
entrada analógica do sistema de imagens médicas e produz uma saída digital. Com exceção
da ressonância magnética, os sinais de entrada da maioria das modalidades de imagens
médicas não são tensões em si e, portanto, devem ser convertidos em tensões utilizando um
detector apropriado. Um esquema geral de fluxo de dados para produzir uma saída digital é
mostrado na Figura 1.12.
Radiografia plana
Tomografia computadorizada saída
digital
raios X
Medicina nuclear
ESPECTO, ANIMAL DE ESTIMAÇÃO
Tensão saída
Detector
analógica digital
-raios Conversor
Amplificador analógico
para digital
Ultrassom saída
digital
Ondas de pressão
ressonância magnética
saída
Tensão digital
Figura 1.12
Fluxo de dados de diferentes modalidades de imagens médicas para produzir uma saída digital.
Machine Translated by Google
Figura 1.13
Representação de uma imagem de RM com no máximo 256, 16 e 4 níveis de tons de cinza, correspondendo a
ADCs de 8, 4 e 2 bits. A qualidade da imagem já foi significativamente reduzida em 16 níveis.
Machine Translated by Google
Exemplo 1.2 Qual é a diferença mínima de tensão que pode ser medida por um circuito de 5 volts e 12 bits?
ADC?
Solução Existem 4096 níveis diferentes que podem ser medidos pelo ADC, com valores de 25 a 5 volts
(observe que a tensão máxima do ADC refere-se a valores positivos e negativos). Portanto,
a diferença mínima de tensão é dada por 10/4096 = 2,44 mV.
Mesmo ADCs com resolução muito alta não conseguem reproduzir perfeitamente um
sinal analógico. A diferença entre o sinal de entrada analógico verdadeiro e a saída
digitalizada é chamada de erro de 'quantização', e esse erro torna-se menor quanto maior o
número de bits, conforme mostrado na Figura 1.14. Na Figura 1.14, também pode ser /2 do
1
visto que os valores do erro de quantização ficam entre 0 e 6 de resolução. ADC
a b
c d
Figura 1.14
Faixa dinâmica e erro de quantização. (a) O sinal analógico senoidal que deve ser digitalizado. (b) O sinal
registrado por um ADC de três bits (linha escura) e o erro de quantização (linha tracejada). (c) Gráfico
correspondente para um ADC de cinco bits e (d) um ADC de seis bits.
Machine Translated by Google
Cada ADC específico tem uma taxa de amostragem máxima especificada na qual pode
atingir sua resolução mais alta: por exemplo, muitos ADCs usados para sistemas de
imagens médicas podem amostrar a 80 MHz com uma resolução de 14 ou 16 bits, mas
acima dessa taxa a resolução cai significativamente . Se o sinal a ser digitalizado tiver
uma frequência maior que a frequência máxima de amostragem do ADC, ele deverá ser
convertido para um valor inferior antes de ser alimentado no ADC.
htdiwdnab htdiwdnab
01 51 02 01 51 02
Figura 1.15
(esquerda) Um conjunto de sinais entre 10 e 20 kHz é adquirido definindo a frequência central do ADC para 15
kHz com largura de banda de 10 kHz. (direita) Se um sinal inesperado estiver presente fora da largura de banda
em 22 kHz, ele será alterado de volta para o espectro. Como o sinal é parcialmente filtrado pelo filtro analógico,
a intensidade do sinal com alias é reduzida em comparação com a sua verdadeira intensidade.
Machine Translated by Google
Existem vários problemas com o esquema de amostragem simples descrito na seção anterior.
Primeiro, os filtros analógicos não podem ser absolutamente 'nítidos' (e têm outros problemas,
como atrasos de grupo e mudanças de fase dependentes da frequência, que não são discutidos
aqui). Em segundo lugar, a resolução de um ADC de 14 ou 16 bits pode não ser suficiente para
evitar ruído de quantização, mas ADCs de resolução mais alta normalmente não têm taxas de
amostragem suficientemente altas e são extremamente caros. Felizmente, existe um método,
denominado sobreamostragem, que pode aliviar ambos os problemas [3].
A sobreamostragem, como o nome sugere, envolve a amostragem do sinal em uma frequência
muito mais alta do que a exigida pelo teorema de Nyquist. O processo é ilustrado na Figura 1.16.
Como a largura de banda da tensão digitalizada é muito maior que a largura de banda real dos
sinais de interesse, as bordas do filtro analógico são colocadas bem distantes dos sinais reais e
a nitidez dos filtros não é mais um problema (os outros problemas de atrasos de grupo e
mudanças de fase também desaparecem).
Um filtro digital é agora aplicado aos dados amostrados para selecionar apenas a largura de
banda de interesse: um filtro digital pode ser projetado para ter uma transição extremamente nítida. No
noitamiceD
s laniF p murce
Figura 1.16
Uma ilustração da sobreamostragem digital. O primeiro passo é aplicar um filtro passa-baixa analógico para
remover componentes espectrais e de ruído em frequências muito superiores à largura de banda do sinal. Os
dados são amostrados em uma frequência muito maior que a frequência de Nyquist. Um filtro passa-banda digital
é usado para selecionar apenas a largura de banda de interesse. Finalmente, o processo de dizimação (média de
pontos de dados adjacentes) é utilizado para reduzir o ruído de quantização do espectro final.
Machine Translated by Google
neste estágio, os dados filtrados têm N vezes mais pontos de dados (onde N é o fator de
sobreamostragem) do que teriam sido adquiridos sem sobreamostragem, e a etapa final é 'dizimar'
os dados, em que os pontos de dados sucessivos são calculados em média juntos . Como o erro de
quantização em pontos de dados alternativos é considerado aleatório, o ruído de quantização no
conjunto de dados dizimado é reduzido. Para cada fator de quatro na sobreamostragem, a resolução
equivalente do ADC aumenta em 1 bit.
O termo “artefato” refere-se a qualquer sinal em uma imagem que é causado por um fenômeno
relacionado ao processo de imagem, mas que distorce a imagem ou introduz uma característica
aparente que não tem contrapartida física. Existem muitos exemplos específicos para cada modalidade
de imagem: por exemplo, movimento na ressonância magnética, múltiplos reflexos na ultrassonografia
e artefatos induzidos por metal na tomografia computadorizada e na ressonância magnética de implantes.
Reconhecer as causas de tais artefatos é uma tarefa importante para quem interpreta as imagens.
Alguns exemplos são mostrados na Figura 1.17: muitos outros são abordados detalhadamente nos
capítulos relevantes.
a b c
Figura 1.17
Exemplos de artefatos de imagem. (a) O movimento na ressonância magnética faz com que linhas extras apareçam na imagem
(seta), (b) o sombreamento acústico no ultrassom produz um buraco negro na imagem (seta) e (c) um implante de metal causa
'artefatos com listras' em um Imagem de tomografia computadorizada.
Machine Translated by Google
'
coloque j2pftdt: ð1:7Þ
SðfÞ 5ð
'
A transformada inversa de Fourier de um sinal no domínio da frequência, S(f), é dada por:
1 '
sessão 5 ð1:8Þ
2pð SðfÞe1j2pftdf:
'
A transformada direta de Fourier de um sinal de domínio espacial, q(x), tem a forma:
'
sðxÞej2pkxx dx: ð1:9Þ
SðkÞ 5ð
'
A transformada inversa de Fourier correspondente de um domínio de frequência espacial
sinal, S(k), é dado por:
'
SðkÞe1j2pkxx dk: ð1:10Þ
sðxÞ 5ð
'
Alguns pares de Fourier úteis são mostrados na Figura 1.18: cada uma das funções
específicas ocorre em múltiplas instâncias nas modalidades de imagens médicas
abordadas aqui.
Na imagem, os sinais são claramente adquiridos em mais de uma dimensão, e a reconstrução
da imagem requer então uma transformação de Fourier multidimensional. Por exemplo, a
ressonância magnética adquire intrinsecamente dados bidimensionais do espaço k, para os
quais os pares de Fourier são dados por:
Machine Translated by Google
Figura 1.18
' '
Þ kxx 1
kyy dxdy ; ð1:11Þ
Sðkx; kyÞ 5ð ð sexo; você j2pð
' '
' '
S kx; ky e dkxdky : ð1:12Þ
sexo; sim 5 ð ð 1j2pð Þ kxx 1 kyy
' '
Para aquisição de dados tridimensionais de ressonância magnética, é necessária uma
transformada inversa de Fourier tridimensional correspondente do espaço k para o domínio espacial.
Essas transformadas de Fourier de dimensão superior são normalmente implementadas como
transformadas unidimensionais sequenciais ao longo das respectivas dimensões. Por exemplo, isso
significa que uma transformada de Fourier bidimensional de uma função f(x,y) pode ser implementada
realizando primeiro uma transformada de Fourier unidimensional ao longo do eixo x e, em seguida,
uma segunda transformada de Fourier ao longo do eixo y- eixo. Algoritmos computacionais
altamente eficientes tornam a transformada de Fourier uma das transformações matemáticas mais rápidas de realiz
f1
+ TF
=
f2
+ f1 f2 f3
f3
emitir ycneuqerf
emitir
Figura 1.19
Um sinal no domínio do tempo (centro) é composto por três sinais diferentes no domínio do tempo (esquerda). O
espectro de frequência transformado de Fourier (à direita) produz sinais para cada uma das três frequências com
as mesmas amplitudes dos dados no domínio do tempo.
Machine Translated by Google
….. …..
tempo tempo tempo tempo
Figura 1.20
Em geral, a imagem pode ser representada pelo objeto real envolvido com o
PSF para a modalidade de imagem específica usada. Três exemplos de convolução
abordados neste livro são os efeitos de uma largura de feixe finita em imagens de ultrassom,
falta de nitidez geométrica nas imagens de raios X e valores curtos de T2 na ressonância
magnética. A convolução também é parte integrante dos algoritmos de filtragem de imagem e retroprojeção.
(c) Lei de escala. Se um sinal no domínio do tempo ou no domínio espacial for escalonado por um
fator b nesse domínio específico, ou seja, esticado ou comprimido, então é Fourier
a transformação é escalonada pelo fator inverso, ou seja:
1 f
sðbtÞ5 S
jjb b
ð1:16Þ
1 kx
sðbxÞ5 S :
jjb b
LSF FTM
Figura 1.21
A relação entre o LSF e o MTF de um sistema de imagem é governada pela lei de escala de Fourier, na qual
uma função ampla em um domínio corresponde a uma função estreita no outro.
Figura 1.22
O objeto sendo fotografado é representado como f(x,y) onde xey representam as coordenadas da imagem.
Neste exemplo, valores mais altos de f(x,y) são representados por cores mais escuras. A projeção traça
a intensidade da projeção em função de r: portanto, os valores mais altos correspondem a linhas que passam
pelas áreas mais escuras em forma de disco.
projeções dimensionais, p1, p2... .pn, são adquiridas com o detector orientado em
diferentes ângulos em relação ao objeto, conforme mostrado na Figura 1.22. A 'imagem'
específica que se está tentando reconstruir depende da modalidade de imagem, ou seja,
na TC a imagem corresponde às unidades Hounsfield (relacionadas ao coeficiente de
atenuação dos raios X), no SPECT e PET a imagem representa a biodistribuição do
radioativo injetado agente. Se considerarmos um único corte do paciente, o parâmetro
relevante no paciente pode ser expresso matematicamente como uma função f(x,y), em
que os valores espacialmente dependentes de f correspondem à distribuição do
radiofármaco no SPECT ou PET, ou coeficientes de atenuação em tomografia
computadorizada de raios X. Em geral, o detector está em um ângulo de u graus em relação ao eixo x
Machine Translated by Google
1.10.1 Retroprojeção
1234
página 6
p5 pág.4
pág.7 pág.3
5678
p1 p2
pág.8
a b
Figura 1.23
O processo de retroprojeção. (a) A partir de um pequeno objeto redondo com intensidade de sinal uniforme, oito
projeções são obtidas com incrementos angulares de 45. As oito projeções são mostradas em (b) com o
áreas escuras correspondentes à intensidade de sinal mais alta. (c) O processo de retroprojeção envolve
somatório das imagens mostradas em (b). Um significativo 'artefato estelar' é visível devido ao pequeno número de
projeções.
Machine Translated by Google
Figura 1.24
^ n
1.10.2 Sinogramas
p(r, ) p(r, )
0 0
90 90
180 180
270 270
360 360
Figura 1.25
Exemplos de sinogramas de um objeto que não se move durante a varredura (esquerda) e que se move
aproximadamente na metade da varredura (direita), sendo o movimento visto como um deslocamento no sinograma.
Figura 1.26
O efeito da convolução de uma projeção p(r,u) com a função de filtro espacial h(r). O lóbulo negativo na
projeção filtrada minimiza o “artefato estelar” na imagem reconstruída.
Intuitivamente, pode-se ver que o lóbulo negativo introduzido em torno das bordas da projeção
cancelará o sinal positivo indesejado de 'desfoque' em torno da borda do objeto. Do ponto de vista
prático, é importante que o processo de retroprojeção filtrada seja o mais eficiente computacionalmente
possível, uma vez que o processamento em tempo real de imagens médicas permite o planejamento
interativo da imagem enquanto o paciente está no scanner. Conforme descrito até agora, a projeção
é filtrada no domínio espacial, e a projeção filtrada resultante, p#(r,u), pode ser representada como:
H(k)
1
Figura 1.27
Funções usadas para retroprojeção filtrada. O filtro Ram-Lak [4] (linha pontilhada) representa um filtro
passa-alta, uma função de Hamming (linha fina) é um filtro passa-baixa e a combinação dos dois (linha
grossa) produz um filtro passa-faixa.
abc d e
Figura 1.28
O processo de retroprojeção filtrada. (a) O fantasma Shepp-Logan. (b) O sinograma produzido a partir do
fantasma Shepp-Logan usando 180 projeções. (c) Imagem reconstruída usando retroprojeção
simples sem filtragem. A imagem tem SNR muito alto, mas mostra desfoque significativo. (d) A imagem
reconstruída usando retroprojeção filtrada com filtro Ram-Lak aplicado. As arestas vivas no fantasma estão
bem representadas, mas o SNR é reduzido significativamente. (e) A reconstrução com um filtro passa-
faixa, mostrado na Figura 1.27, dá uma boa representação do objeto.
Exercícios
20 8 1 16 3 22 6 28 12
1.2 Escolha uma condição médica e sugira um teste clínico que teria:
(a) Alta sensibilidade, mas baixa especificidade;
(b) Baixa sensibilidade, mas alta especificidade.
1.3. O que sugere uma curva ROC abaixo da linha aleatória? Poderia isso
ser útil em termos de diagnóstico?
Resolução espacial
1.4 Para os objetos unidimensionais O(x) e PSFs h(x) mostrados na Figura 1.29, desenhe as
projeções resultantes I(x). Anote se cada objeto contém
Figura 1.29
31 exercícios
1.5 Mostre matematicamente que o FWHM de uma função gaussiana é dado por:
ffiffiffiffiffiffiffiffi
1.6 Trace o MTF em um único gráfico para cada um dos filtros de convolução mostrados
abaixo.
1 1 1 1 1 1 1 1 1
1 4 1 1 12 1 1 1 1
1 0 -1
1 0 -1
1 0 -1
1.8 Usando o filtro do Exercício 1.7 calcule a imagem filtrada usando o original
imagem da Figura 1.11.
Aquisição de dados
1.9 Um sinal de ultrassom é digitalizado usando um ADC de 16 bits a uma taxa de amostragem de 3
MHz. Se a imagem leva 20 ms para ser adquirida, quantos dados (em Mbytes) existem
em cada imagem de ultrassom. Se as imagens forem adquiridas continuamente durante 20 s, o que
é a saída total de dados da varredura?
1.10 Se um sinal for digitalizado a uma taxa de amostragem de 20 kHz centrada em 10 kHz, a que
frequência apareceria um sinal de 22 kHz?
1.11 Um sinal é amostrado a cada 1 ms durante 20 ms, com os seguintes valores reais de
a tensão analógica em tempos de amostragem sucessivos. Trace os valores do
tensão registrada por um ADC de 5 volts e 4 bits, assumindo que o nível de ruído é muito
menor que o sinal e, portanto, pode ser desprezado. No mesmo gráfico, trace o
erro de quantização.
Machine Translated by Google
x x
sim sim
Figura 1.30
Figura 1.31
SinalðvoltsÞ 5 4:3; 11:2; 0:6; 0:9; 13:4; 2:7; 14:3; 10:1; 3:2; 4:6; 11:8; 13:6; 12:4; 2:7; 10:5;
0:5; 3:7; 12:1; 4:1; 0:4
1.12 Usando o mesmo sinal do exercício 1.11, represente graficamente os valores da tensão e
do erro de quantização registrados por um ADC de 5 volts e 8 bits.
Transformadas de Fourier
1.13 Na Figura 1.20, trace os sinais no domínio do tempo e da frequência para o caso em que
o tempo de amostragem torna-se muito curto.
1.14 A Figura 1.30 mostra dois PSFs bidimensionais diferentes no domínio espacial (x,y).
Desenhe os MTFs bidimensionais correspondentes na dimensão de frequência espacial
(kx, ky ) e represente graficamente separadamente o MTF unidimensional vs.
Machine Translated by Google
33 Referências
p(r, )
0
90
180
Figura 1.32
Retroprojeção
1.15 Para a Figura 1.25, sugira uma forma possível que poderia ter produzido a
sinograma.
1.16 Para o objeto mostrado na Figura 1.31: (a) desenhe as projeções nos ângulos de 0, 45,
90 e 135, e (b) desenhe o sinograma do objeto. Suponha que uma área escura
corresponda a uma área de sinal alto.
1.17 É feita uma varredura em um paciente e uma área de radioatividade é encontrada. O
sinograma é mostrado na Figura 1.32. Supondo que a radioatividade seja uniforme
dentro da área alvo, qual é uma forma possível da área de radioatividade?
Referências
[1] Shannon CE. Comunicação na presença de ruído. Engenheiros de rádio Proc Inst
37, 10–21.
[2] Nyquist H. Certos tópicos da teoria da transmissão telegráfica. Trans AIEE 1928;47,
617–44.
[3] Ritchie CR, Candy JC e Ninke WH. Conversores interpolativos digital-analógico.
IEEE Trans Communications 1974;Com-22, 1797–806.
[4] Ramachandran GN e Lakshminarayanan V. Reconstrução tridimensional a partir de
radiografias e micrografias eletrônicas: aplicações de convoluções em vez de
transformadas de Fourier. Proc Natl Acad Sci EUA 1971;68, 2236–40.