Metal artifacts have been a serious threat in the image quality and accuracy of computed tomography (CT) images both in medical and industrial applications. For decades, various strategies have been developed and refined to mitigate the effects of metal artifacts in CT. Approaches such as simple sinogram inpainting to intricate computations of iterative reconstruction methods have been explored and successful to some extent. We proposed and developed a hybrid metal artifact reduction (MAR) technique based on an exterior-problem inpainting that offers more superior images than interpolation-based inpainting and computationally more efficient than conventional iterative reconstruction algorithms. Our proposed hybrid approach is an image-based artifact subtraction which performs prior image-based sinogram inpainting, metal sinogram extraction, and metal artifact image subtraction. In short, the proposed approach was referred to as proposed IMAR. Prior image was reconstructed based on an exterior-problem concept via conventional iterative reconstruction algorithm, specifically, the total variation minimization (TVM) algorithm. Exclusively reconstructing a prior image using TVM algorithm is time-consuming. Hence, a pseudo-discrete algebraic reconstruction technique (PDART) was introduced to accelerate the reconstruction process. The missing background contribution in the metal trace was estimated after a reprojection of the prior image. Likewise, metal-corrupted sinogram can be extracted and reconstructed. Subsequently, an artifact image or a streak image was segmented and subtracted from the uncorrected image. Conventional linear interpolation inpainting MAR, or standard MAR, was also implemented for comparison. The performance of standard MAR and the proposed MAR approach with the inclusion of PDART was validated using simulation and real data studies. Image quality of MAR images was assessed by the structural similarity (SSIM) index for simulation data and standard deviation (SD) for real data studies.
본 연구는 이미 검증된 기존의 금속 아티팩트 보정 알고리즘(MAR)에서 더 나아가 영상 영역에서도 금속 아티팩트를 보정할 수 있는 하이브리드 기법을 개발하고자 하였다. 제안된 반복형 금속 아티팩트 보정법(IMAR)은 금속으로 훼손된 영상 영역을 총 변동량 최소화 기법(TVM)기반의 반복형 알고리즘으로 재건한 중간 사전 영상을 통해 보완하는 외곽 문제 방법을 이용하고 있다. 제안하는 IMAR 방법은 사전 영상 기반의 sinogram 복원법 및 sinogram상 에서의 금속 추출, 금속 아티팩트 영상 삭감법 등을 포함하고 있다. IMAR은 기존의 단순 보간법 기반의 sinogram 복원법(MAR) 보다 더욱 효과적으로 금속 아티팩트에 의해 훼손된 구조를 복원하였고 금속 아티팩트 자체를 약화 시키는 효과를 가져왔다. 그러나, 높은 품질의 사전 영상을 얻기 위해 제안된 반복형 재건 알고리즘은 기존 MAR에 비해 시간 소모가 크다는 단점이 있다. 그러므로, 본 연구에서는 금속이 제거된 투사영상으로부터 사전 영상을 재건하는 알고리즘을 가속화하고 그 영상의 품질은 수용 가능한 수준으로 유지하기 위해 가상-불연속적 대수 재건 방법(PDART)이 고안되었다. 추가적으로 덧붙이자면, 이렇게 얻어진 사전 영상들은 금속뿐만 아니라 테플론, 뼈 등의 높은 밀도의 모든 물질이 포함되지 않은 상태로 재건된 영상들이다. 이는 최종 MAR영상에서 발견되곤 하는 높은 밀도의 물체가 야기한 금속 아티팩트와 비슷한 현상 또한 모두 고려하여 제거하기 위한 방법이다. PDART의 사전 영상은 이 논문에서 제안된 IMAR 과정에 포함되어 있으며 이를 IMAR-PDART라 일컫는다. 비교 연구를 위해서 제안된 IMAR 방법은 수 백 번의 반복 재건 후에 얻은 높은 품질의 TVM 사전영상을 중간 영상으로 사용하였고 기존의 선형 보간법 기반의 sinogram 복원법과 표준 MAR 방법 또한 구현되었다. 표준 MAR, 제안된 IMAR 그리고 제안된 IMAR-PDART 방법의 성능을 입증하기 위하여 시뮬레이션과 실제 실험을 모두 진행하였다. 사전 영상을 재건하는 측면으로 보면 PDART를 사용 하였을 때 처음 수 번의 iteration 시, 같은 iteration에 해당되는 TVM 사전 영상에 비해 훨씬 우수한 품질로 재건되는 것을 확인하였다. 금속 아티팩트 저감 성능에 따라 평가하자면, 제안된 IMAR 방법이 다른MAR 방법(제안된 IMAR-PDART, 표준 MAR)들에 비해 우수한 성능을 보였다. 금속뿐만 아니라 다른 높은 밀도를 가지는 물체에 의한 아티팩트의 저감 성능을 살펴보자면, 제안된 IMAR과 제안된 IMAR-PDART 방법 모두 정성적인, 정량적인 평가 기준으로 볼 때 서로 상응하는 결과를 보였다. 이러한 결과는 시뮬레이션과 실제 실험 연구에서 일관된 형태로 나타나는 것을 확인하였다.
