Cone-beam computed tomography (CBCT) imaging system has been widely used in various applications, and takes an important role for image-guided surgery and radiotherapy. However, CBCT images suffer from scatter due to the wide cone angles and large size of detector, and it leads to degradation of image quali-ty in comparison to fan-beam CT. Therefore, accurate and efficient scatter correction method is necessary for acquiring high-quality images of x-ray CBCT. This paper was conducted to demonstrate a feasibility of using the data consistency condition (DCC) as a criterion for optimizing the scatter kernel in scatter deconvo-lution methods in CBCT. As the DCC in the mid-plane is primarily challenged by scatter in CBCT, we utilized the DCC to check the amount of scatter and to steer the update in the iterative optimization of the scatter kernel. By using the DCC in parallel-beam via fan-parallel rebinning, we optimized the parameters of a scat-ter kernel in the deconvolution method iteratively. In the optimization, we used a particle swarm optimization (PSO) algorithm for its excellence in convergence and its computational efficiency. To validate the proposed method, we performed a simulation study using the XCAT numerical phantom and also performed experi-mental studies using the ACS head phantom and the pelvic part of the Rando phantom. The results showed that the proposed method can improve the accuracy of the deconvolution-based scatter correction method effectively, and quantitative assessments of the results in terms of contrast-to-noise-ratio (CNR) and structure similarity (SSIM) revealed that the optimal scatter kernel improved the CNR up to 95.3%, 88.2%, and 82.2% of the scatter-free images and the SSIM up to 96.7%, 90.7%, and 89.3% in the XCAT study, the ACS head phantom study, and the pelvis phantom study, respectively.
엑스레이 콘빔 시티(X-ray cone-beam CT, X-ray CBCT) 영상 시스템은 의료와 산업 분야에서 다양하게 활용되고 있다. 하지만 검출기의 넓은 면적 때문에 CBCT 투영영상에서 산란 성분이 많이 포함되며, 이는 영상 품질의 저하를 야기한다. 따라서 정확하고 효율적인 산란 보정 방법은 높은 품질의 영상을 획득하는 것에 있어서 중요하다. 이 논문에서는 산란 커널 모델을 통하여 산란 성분을 유추 및 제거하는 기존의 deconvolution방법에서 사용되는 변수들을 데이터 일관성(Data consistency condition, DCC)을 사용하여 최적화를 하는 방법에 대해 연구하였다. 데이터 일관성은 평행빔 geometry에서 각 스캔 각도에서의 종합감쇄도가 일정하다는 내용으로써, 이는 영상에 산란 성분이 있을 경우에 영향을 받는다. 따라서 이 점을 활용하면, 데이터 일관성은 영상에 산란 성분이 얼마나 있는지를 나타내는 지표로 활용될 수 있고, 데이터 일관성이 만족될 때까지 산란 커널 모델의 변수를 반복적으로 바꾸어 최적값을 찾을 수 있다. 반복적 알고리즘으로는 최적화 알고리즘 중 하나인 Particle swarm optimization (PSO) 알고리즘을 사용하였다. 제안한 방법을 검증하기 위해 simulation study와 experimental studies를 진행하였다. 실험 결과들을 통해, 제안한 방법이 추가적인 스캔이나 하드웨어가 없이 활용 가능한 deconvolution 기반의 산란 보정 방법의 장점을 살리면서 산란 보정의 정확도를 높일 수 있다는 것을 확인하였다.
