영상의 품질을 평가할 때 SNR과 uniformity의 평가는 필수적이다. 하지만 beam hardening artifact가 존재하는 CT 영상은 uniformity가 낮기 때문에 영상의 품질이 떨어진다. 따라서 고품질의 CT 영상을 얻기 위해서는 beam hardening artifact를 반드시 보정해야한다. 본 논문에서는 실증적인 beam hardening correction을 이용했을 때 영상에서 생기는 문제점을 파악하고 해결할 수 있는 방법을 연구 개발하였다. 실증적인 보정 방법은 CT 데이터를 이용해 beam hardening artifact를 없애는 방법이다. 기존 beam hardening correction은 artifact를 일으키는 하나의 물질을 찾아내어 영상을 보정했다. 그러나 이 방법을 이용해 보정할 경우 몸 속에 뼈와 조직 외의 다른 물질이 있는 경우 보정이 되지 않거나 불완전하게 되는 것을 확인할 수 있었다. 특히, dental CT의 경우 치아의 상아질과 법랑질의 ...
영상의 품질을 평가할 때 SNR과 uniformity의 평가는 필수적이다. 하지만 beam hardening artifact가 존재하는 CT 영상은 uniformity가 낮기 때문에 영상의 품질이 떨어진다. 따라서 고품질의 CT 영상을 얻기 위해서는 beam hardening artifact를 반드시 보정해야한다. 본 논문에서는 실증적인 beam hardening correction을 이용했을 때 영상에서 생기는 문제점을 파악하고 해결할 수 있는 방법을 연구 개발하였다. 실증적인 보정 방법은 CT 데이터를 이용해 beam hardening artifact를 없애는 방법이다. 기존 beam hardening correction은 artifact를 일으키는 하나의 물질을 찾아내어 영상을 보정했다. 그러나 이 방법을 이용해 보정할 경우 몸 속에 뼈와 조직 외의 다른 물질이 있는 경우 보정이 되지 않거나 불완전하게 되는 것을 확인할 수 있었다. 특히, dental CT의 경우 치아의 상아질과 법랑질의 감쇠계수가 다르고, 충진을 위해 금속도 사용하기 때문에 기존의 보정 방법으로는 artifact를 잘 보정하지 못했다. 따라서 본 논문은 beam hardening artifact의 원인이 되는 물질이 둘 이상 있어도 보정하는 알고리즘을 제안한다. 또한, 기존의 방법은 사용자가 초기 변수 값을 지정해야 한다는 불편함이 있었다. 하지만 서로 다른 물질들은 CT 번호가 다르기 때문에 각각의 물질을 threshold를 통해 분류할 수 있다. 본 논문에서 제안한 새로운 알고리즘은 이러한 threshold와 변수 값들을 자동으로 찾아낸다. 본 논문에서 제안한 방법은 다양한 물질로 구성된 CT 영상의 beam hardening artifact를 보정할 수 있기 때문에 보형물이 포함된 CT 영상, 특히 dental CT 분야에서 많이 활용할 수 있을 것으로 기대한다.
영상의 품질을 평가할 때 SNR과 uniformity의 평가는 필수적이다. 하지만 beam hardening artifact가 존재하는 CT 영상은 uniformity가 낮기 때문에 영상의 품질이 떨어진다. 따라서 고품질의 CT 영상을 얻기 위해서는 beam hardening artifact를 반드시 보정해야한다. 본 논문에서는 실증적인 beam hardening correction을 이용했을 때 영상에서 생기는 문제점을 파악하고 해결할 수 있는 방법을 연구 개발하였다. 실증적인 보정 방법은 CT 데이터를 이용해 beam hardening artifact를 없애는 방법이다. 기존 beam hardening correction은 artifact를 일으키는 하나의 물질을 찾아내어 영상을 보정했다. 그러나 이 방법을 이용해 보정할 경우 몸 속에 뼈와 조직 외의 다른 물질이 있는 경우 보정이 되지 않거나 불완전하게 되는 것을 확인할 수 있었다. 특히, dental CT의 경우 치아의 상아질과 법랑질의 감쇠계수가 다르고, 충진을 위해 금속도 사용하기 때문에 기존의 보정 방법으로는 artifact를 잘 보정하지 못했다. 따라서 본 논문은 beam hardening artifact의 원인이 되는 물질이 둘 이상 있어도 보정하는 알고리즘을 제안한다. 또한, 기존의 방법은 사용자가 초기 변수 값을 지정해야 한다는 불편함이 있었다. 하지만 서로 다른 물질들은 CT 번호가 다르기 때문에 각각의 물질을 threshold를 통해 분류할 수 있다. 본 논문에서 제안한 새로운 알고리즘은 이러한 threshold와 변수 값들을 자동으로 찾아낸다. 본 논문에서 제안한 방법은 다양한 물질로 구성된 CT 영상의 beam hardening artifact를 보정할 수 있기 때문에 보형물이 포함된 CT 영상, 특히 dental CT 분야에서 많이 활용할 수 있을 것으로 기대한다.
The signal-to-noise ratio (SNR) and the uniformity of a CT image are essential factors for high quality. However, beam hardening artifacts degrade image quality because the artifacts make poor uniformity. Therefore, beam hardening artifacts must be corrected to obtain high quality CT images. In this...
The signal-to-noise ratio (SNR) and the uniformity of a CT image are essential factors for high quality. However, beam hardening artifacts degrade image quality because the artifacts make poor uniformity. Therefore, beam hardening artifacts must be corrected to obtain high quality CT images. In this study, we overcome the problem of the conventional empirical beam hardening correction method and suggest an improved beam hardening correction algorithm. The empirical beam hardening correction method uses a raw CT image to restore the image uniformity without artifact. The previous method assumes that the target object has only two materials such as tissues and bones and bones induce beam hardening artifacts. However, this method does not work well when the object has over two materials. Particularly, a dental CT image may have three materials including metals. Therefore, we extend the method to a case with more materials. Also in the previous method, a user has to determine initial parameters. Since different materials have different CT values, each material can be separated by threshold values. The proposed new algorithm automatically searches threshold values and parameters. In this thesis, the improved beam hardening correction algorithm is proposed and verified by experiments. The experiments were done using two phantoms. These phantoms were made with more than two materials. The improved correction method showed better result than the previous method. Besides, we applied several parameter values and compared the experiment results. Based on the experimental results, the improved beam hardening correction algorithm can be used for CT images with various materials. And it will be helpful to several fields including dental CT.
The signal-to-noise ratio (SNR) and the uniformity of a CT image are essential factors for high quality. However, beam hardening artifacts degrade image quality because the artifacts make poor uniformity. Therefore, beam hardening artifacts must be corrected to obtain high quality CT images. In this study, we overcome the problem of the conventional empirical beam hardening correction method and suggest an improved beam hardening correction algorithm. The empirical beam hardening correction method uses a raw CT image to restore the image uniformity without artifact. The previous method assumes that the target object has only two materials such as tissues and bones and bones induce beam hardening artifacts. However, this method does not work well when the object has over two materials. Particularly, a dental CT image may have three materials including metals. Therefore, we extend the method to a case with more materials. Also in the previous method, a user has to determine initial parameters. Since different materials have different CT values, each material can be separated by threshold values. The proposed new algorithm automatically searches threshold values and parameters. In this thesis, the improved beam hardening correction algorithm is proposed and verified by experiments. The experiments were done using two phantoms. These phantoms were made with more than two materials. The improved correction method showed better result than the previous method. Besides, we applied several parameter values and compared the experiment results. Based on the experimental results, the improved beam hardening correction algorithm can be used for CT images with various materials. And it will be helpful to several fields including dental CT.
AI-Helper
※ AI-Helper는 부적절한 답변을 할 수 있습니다.