X-ray head CT imaging is widely performed for clinical diagnoses because it can provide a clinical image with high spatial resolution and much-reduced scan time than other modalities such as MRI and PET. Even within this short scan time, however, the head motion may occur unexpectedly and it thereby results in a reconstructed image degraded due to motion artifacts. As a result, it may hamper a precise diagnosis or lead to a failure of the diagnosis.
In this dissertation, we propose a head motion correction algorithm based on the FBP algorithm for axial CT scan. To determine the head motion of a rigid transformation, we propose two optimization-based ME schemes depending on the degree of head motion, both of which are performed by updating motion parameters and the corresponding MC reconstructed image alternatively until the proposed cost function is minimized for the MC reconstructed image. In particular, to improve the robustness in the case of large motion, we propose attaching a fiducial marker to the head so that more reliable motion parameters can be initialized by determining the marker position, before the optimization. In the simulation using a numerical phantom and in the experiment using a physical phantom, the proposed algorithm provides well-restored 3D motion-compensated images in both cases of small and large motion.
On the other hand, to increase the applicability of the head motion correction algorithm, we need to extend the algorithm developed for the axial scan to a helical scan. In this dissertation, we propose a new MC reconstruction algorithm to compensate a rigid head motion in a helical trajectory. In addition, for ME in the algorithm, we adopt a nonlinear optimization method using the first derivatives of the objective function with respect to motion parameters. We thereby noticeably reduce the computational time. Moreover, this algorithm for helical scan enables MC reconstruction of a wider or a whole region of the object at once. Using numerical and physical phantom datasets along with simulated head motions, we demonstrate that the proposed algorithm can provide a significantly improved quality of MC reconstructed images by alleviating motion artifacts.
두부 전산화 단층 영상화 방식은 MRI 및 PET와 같은 다른 영상화 방식보다 높은 공간 해상도와 훨씬 감소 된 스캔 시간으로 임상 이미지를 제공하기 때문에 임상 진단을 위해 광범위하게 사용되고 있다. 그러나, 짧은 촬영 시간이라 할지라도, 두부 움직임은 예기치 않게 발생할 수 있으며, 그에 따라 움직임 인공물로 인해 재구성된 영상의 화질이 저하된다. 이는 결과적으로 정확한 진단을 방해하거나 진단의 실패로 이어질 수 있다.
본 논문에서는 축스캔 전산화 단층 촬영을 위한 여과후역투사 재구성 알고리즘 기반 두부 움직임 보정 알고리즘을 제안한다. 강체 변형의 두부 움직임을 결정하기 위해, 두부 움직임 정도에 따른 두 개의 최적화 기반 움직임 추정 기법을 제안하며, 이 기법들은 모두 움직임 보상 재구성 영상에 대해, 제안한 비용 함수가 최소화 될 때까지 움직임 매개변수와, 이에 대응하는 움직임 보상 재구성된 영상을 번갈아 업데이트함으로써 수행된다. 특히, 상대적으로 큰 움직임의 경우, 알고리즘의 강인성 향상을 위해, 두부에 기준 마커를 부착하여 최적화 이전에 마커 위치를 결정함으로써 신뢰도 높은 움직임 매개 변수의 초기화가 가능하도록 하였다. 시뮬레이션과 실제 촬영 데이터 이용한 실험을 통해, 제안된 알고리즘을 검증하였으며, 작고 큰 움직임 모두에 대해, 잘 복원된 3차원 움직임 보상 영상을 제공한다.
다른 한편으로, 머리 움직임 보정 알고리즘의 범용성을 위해서는 축스캔을 위해 개발된 알고리즘을, 나선스캔의 그것으로 확장해야 한다. 본 논문에서는 나선스캔에서 강체의 머리 움직임을 보상하기 위한 새로운 움직임 보상 재구성 알고리즘을 제안한다. 또한, 움직임 추정 알고리즘을 위해, 움직임 매개변수에 대한, 목적 함수의 1 차 미분을 사용하는 비선형 최적화 방법을 사용하여, 알고리즘의 수행시간을 현저히 단축시켰다. 이에 따라, 제안한 알고리즘은 한 번의 나선촬영으로 대상의 더 넓은 영역 혹은 전체 영역에 대한 움직임 보상 재구성을 가능하게 하였다. 모사된 두부 움직임을 이용한 수치 및 물리 팬텀 데이터 세트를 사용하여, 제안한 알고리즘이 모션 인공물을 경감시킴으로써 움직임 보상 재구성된 영상의 품질을 크게 향상시킬 수 있음을 증명하였다.
