Nowadays computed tomography (CT) in medical imaging and computed laminography (CL) in industrial applications are demanding low radiation dose delivery in addition to providing acceptable quality images. The cumulative x-ray doses received by humans and radio-sensitive commercial off-the-shelf (COTS) devices during a scan may raise the probability of having lethal diseases such as leukemia, brain tumor, etc. and damaging the soldering joints or tiny transistor respectively. Latest researches confirm that conventional analytic algorithm such as Feldkamp-Davis-Kress (FDK) is unable to avoid aforementioned problems in under-sampled data situations.
Recently, compressive sensing (CS) inspired iterative image reconstruction (IIR) algorithms permit low dose CT/ CL with the benefit of acceptable quality images. Optimization of such algorithms is actively investigated but no promising work has been yet published on optimizing the sampling schemes in a CS-based image reconstruction framework. In this dissertation, for the first time, several sparse sampling schemes are investigated by implementing two suggested metrics, (1) sampling density and (2) data incoherence in a CS-based image reconstruction framework, to achieve a targeted dose reduction of about 75% and 87.5%, compared to a conventional scan. Moreover, with this strategic approach, one can acquire optimally sampled sparse data so that the CS-based algorithms can best perform in terms of image quality.
Additionally, a feasibility study of a CS based Total Variation (TV) minimization low-dose CT algorithm is also proposed. The algorithm utilizes an aperture dependent sampling density and data incoherency information to reconstruct the image under angular-independent sparse data condition. A simulation study was carried using an aperture based sparse data of a real mouse and successfully reconstructed an acceptable quality image.
Finally, a novel CL scanning scheme is proposed in conjunction with the TV minimization IIR algorithm for reducing imaging radiation dose and scanning time. We performed a numerical study comparing image qualities acquired by various scanning configurations that are practically implementable: single-arc, double-arc, oblique, and spherical-sinusoidal trajectories. In this work, images were reconstructed from sparsely sampled data at only 40 projection views. It was successfully demonstrated that the proposed scanning scheme outperforms the others in terms of image contrast and spatial resolution, although the oblique scanning scheme showed a comparable resolution property. We believe that the proposed scanning method may provide fast and low-dose nondestructive testing of radiation-sensitive and highly integrated devices such as multilayer microelectronic circuit boards.
최근 압축센싱 이론에 기반한 영상 처리 및 재구성 연구가 활발한데, X선 CT 영상재건에서도 저선량 관점에서 압축센싱 이론이 매우 높은 관심을 받고 있다. 대개의 경우 CT 영상 재건에 필요한 프로젝션의 수를 줄이는 이른바 희박 뷰 샘플링 방법이 압축센싱 이론과 궤를 같이하는 저선량 기법으로 주목을 받아 왔는데, 본 연구에서는 이를 넘어서 보다 근본적인 저선량 샘플링 기법을 들여다 보았고 압축센싱 이론에서 전제하는 희박성 (sparsity)과 비맞춤성 (incoherence) 측면에서 샘플링의 유효성을 평가하였다. 구체적으로 말해서, CT의 샘플링 특성 분석에 용이하게 샘플링 밀도 (sampling density)와 데이터 비맞춤성 (data incoherence)을 정의하여 다양한 저선량 샘플링 방식에 따른 이들 메트릭의 값을 통해 샘플링의 유효성을 살펴 보았다. 이와 아울러, 희박 샘플링된 데이터로부터 CT 영상 재건을 위하여 영상 총변동 최소화 (total-variation minimization) 알고리즘을 구현하였으며 수치 팬텀 스터디와 실제 실험 스터디를 통하여 우수한 영상 재건 성능을 확인하였다. 영상 품질 평가를 위해 해상도, 대조도 및 노이즈 특성 등을 계산하였고, 특히 다양한 저선량 샘플링 기법의 비교를 위해 참조 영상과 유사성을 나타내는 영상유사도 (Structure Similarity index)를 조사하였다. 조사한 다양한 샘플링 기법 중에서 현실적으로 가장 실현 가능성이 높고 상대적으로 영상 품질이 우수한 MVUS (many-view under-sampling) 방법을 최적의 샘플링 방식으로 제안하였다. 더 나아가 이 스터디를 바탕으로 산업용 비파괴 검사의 일종인 X선 컴퓨터 라미노그라피에서도 피검체에 가해지는 X선 선량을 최소화하고 스캔 시간을 줄이며, 그러면서도 영상의 품질을 우수하게 유지하기 위한 독창적인 희박 샘플링 스캔 방식을 제안하였다.
