Pediatric Computed Tomography (CT) examinations can often result in exam failures or the need for frequent retests due to the difficulty of cooperation from young patients. Deep Learning Image Reconstruction (DLIR) methods offer the potential to obtain diagnostically valuable images while reducing the retest rate in CT examinations of pediatric patients with high radiation sensitivity. In this study, we investigated the possibility of applying DLIR to reduce artifacts caused by respiration or motion and obtain clinically useful images in pediatric chest CT examinations. Retrospective analysis was conducted on chest CT examination data of 43 children under the age of 7 from P Hospital in Gyeongsangnam-do. The images reconstructed using Filtered Back Projection (FBP), Adaptive Statistical Iterative Reconstruction (ASIR-50), and the deep learning algorithm TrueFidelity-Middle (TF-M) were compared. Regions of interest (ROI) were drawn on the right ascending aorta (AA) and back muscle (BM) in contrast-enhanced chest images, and noise (standard deviation, SD) was measured using Hounsfield units (HU) in each image. Statistical analysis was performed using SPSS (ver. 22.0), analyzing the mean values of the three measurements with one-way analysis of variance (ANOVA). The results showed that the SD values for AA were FBP=25.65±3.75, ASIR-50=19.08±3.93, and TF-M=17.05±4.45 (F=66.72, p=0.00), while the SD values for BM were FBP=26.64±3.81, ASIR-50=19.19±3.37, and TF-M=19.87±4.25 (F=49.54, p=0.00). Post-hoc tests revealed significant differences among the three groups. DLIR using TF-M demonstrated significantly lower noise values compared to conventional reconstruction methods. Therefore, the application of the deep learning algorithm TrueFidelity-Middle (TF-M) is expected to be clinically valuable in pediatric chest CT examinations by reducing the degradation of image quality caused by respiration or motion.
Hye Ji;Sun Kyoung You;Jeong Eun Lee;So Mi Lee;Hyun-Hae Cho;Joon Young Ohm
Journal of the Korean Society of Radiology
/
v.83
no.3
/
pp.669-679
/
2022
Purpose To evaluate the feasibility of pediatric low-dose facial CT reconstructed with filtered back projection (FBP) using adequate kernels. Materials and Methods We retrospectively reviewed the clinical and imaging data of children aged < 10 years who underwent facial CT at our emergency department. The patients were divided into two groups: low-dose CT (LDCT; Group A, n = 73) with a fixed 80-kVp tube potential and automatic tube current modulation (ATCM) and standard-dose CT (SDCT; Group B, n = 40) with a fixed 120-kVp tube potential and ATCM. All images were reconstructed with FBP using bone and soft tissue kernels in Group A and only bone kernel in Group B. The groups were compared in terms of image noise, signal-to-noise ratio (SNR), and contrast-to-noise ratio (CNR). Two radiologists subjectively scored the overall image quality of bony and soft tissue structures. The CT dose index volume and dose-length product were recorded. Results Image noise was higher in Group A than in Group B in bone kernel images (p < 0.001). Group A using a soft tissue kernel showed the highest SNR and CNR for all soft tissue structures (all p < 0.001). In the qualitative analysis of bony structures, Group A scores were found to be similar to or higher than Group B scores on comparing bone kernel images. In the qualitative analysis of soft tissue structures, there was no significant difference between Group A using a soft tissue kernel and Group B using a bone kernel with a soft tissue window setting (p > 0.05). Group A showed a 76.9% reduction in radiation dose compared to Group B (3.2 ± 0.2 mGy vs. 13.9 ± 1.5 mGy; p < 0.001). Conclusion The addition of a soft tissue kernel image to conventional CT reconstructed with FBP enables the use of pediatric low-dose facial CT protocol while maintaining image quality.
For optimal image quality of computer tomography angiography (CTA), different iodine concentrations and scan parameters were applied to quantitatively evaluate the image quality characteristics of filtered back projection (FBP), hybrid-iterative reconstruction (hybrid-IR), and deep learning reconstruction (DLR). A 320-row-detector CT scanner scanned a phantom with various iodine concentrations (1.2, 2.9, 4.9, 6.9, 10.4, 14.3, 18.4, and 25.9 mg/mL) located at the edge of a cylindrical water phantom with a diameter of 19 cm. Data obtained using each reconstruction technique was analyzed through noise, coefficient of variation (COV), and root mean square error (RMSE). As the iodine concentration increased, the CT number value increased, but the noise change did not show any special characteristics. COV decreased with increasing iodine concentration for FBP, adaptive iterative dose reduction (AIDR) 3D, and advanced intelligent clear-IQ engine (AiCE) at various tube voltages and tube currents. In addition, when the iodine concentration was low, there was a slight difference in COV between the reconstitution techniques, but there was little difference as the iodine concentration increased. AiCE showed the characteristic that RMSE decreased as the iodine concentration increased but rather increased after a specific concentration (4.9 mg/mL). Therefore, the user will have to consider the characteristics of scan parameters such as tube current and tube voltage as well as iodine concentration according to the reconstruction technique for optimal CTA image acquisition.
The noise reduction algorithm using the non-local means (NLM) approach is very efficient in nuclear medicine imaging. In this study, the applicability of the NLM noise reduction algorithm in single-photon emission computed tomography (SPECT) images with a brain phantom and the optimization of the NLM algorithm by changing the smoothing factors according to various reconstruction methods are investigated. Brain phantom images were reconstructed using filtered back projection (FBP) and ordered subset expectation maximization (OSEM). The smoothing factor of the NLM noise reduction algorithm determined the optimal coefficient of variation (COV) and contrast-to-noise ratio (CNR) results at a value of 0.020 in the FBP and OSEM reconstruction methods. We confirmed that the FBP- and OSEM-based SPECT images using the algorithm applied with the optimal smoothing factor improved the COV and CNR by 66.94% and 8.00% on average, respectively, compared to those of the original image. In conclusion, an optimized smoothing factor was derived from the NLM approach-based algorithm in brain SPECT images and may be applicable to various nuclear medicine imaging techniques in the future.
Single-photon emission computed tomography SPECT image reconstruction methods have a significant influence on image quality, with filtered back projection (FBP) and ordered subset expectation maximization (OSEM) being the most commonly used methods. In this study, we proposed newly-designed adaptive non-blind deconvolution with a structural similarity (SSIM) index that can take advantage of the FBP and OSEM image reconstruction methods. After acquiring brain SPECT images, the proposed image was obtained using an algorithm that applied the SSIM metric, defined by predicting the distribution and amount of blurring. As a result of the contrast to noise ratio (CNR) and coefficient of variation evaluation (COV), the resulting image of the proposed algorithm showed a similar trend in spatial resolution to that of FBP, while obtaining values similar to those of OSEM. In addition, we confirmed that the CNR and COV values of the proposed algorithm improved by approximately 1.69 and 1.59 times, respectively, compared with those of the algorithm involving an inappropriate deblurring process. To summarize, we proposed a new type of algorithm that combines the advantages of SPECT image reconstruction techniques and is expected to be applicable in various fields.
Ha, Seongmin;Shim, Hackjoon;Chang, Hyuk-Jae;Kim, Seonkyu
Proceedings of the Korean Society of Broadcast Engineers Conference
/
2013.06a
/
pp.274-277
/
2013
CT(Computed Tomography)영상에서 선량과 화질은 중요한 요소이다. 선량은 환자에게 직접적으로 악영향을 끼치는 요소이며, 화질은 환자의 병변을 판단하는데 매우 중요하게 작용한다. 반복적 재구성 알고리즘을 이용하면 저선량 영상에서도 고화질의 영상을 얻을 수 있는지 FBP와 정량적, 정성적으로 비교하였다. 촬영 프로토콜은 관전압 80, 100, 120kVp에서 관전류를 동일하게 200mA로 촬영하여 획득하였으며, 정량적 평가를 위해 SD(Standard Deviation), SNR(Signal to Noise Ratio), MTF(Modulation Transfer Function)를 측정하여 분석하였다. 선량은 80kVp일 때 가장 낮았으며, 120kVp일 때 가장 높았다. 80kVp의 영상을 Toshiba 사(社)의 AIDR 3D(Adaptive Iterative Reduction integrated into $^{SURE}Exposure$)로 재구성하고, 120kVp의 영상에 FBP로 재구성한 다음 정량적 비교를 한 결과 AIDR 3D를 적용한 영상의 SD가 낮게 나왔으며, SNR이 높게 나타났고, MTF 곡선은 유사하게 나타났다. 그리고 FWHM(Full Width at Half Maximum) 값의 오차가 거의 없었다. 결론적으로 AIDR 3D는 저선량에서도 높은 화질을 나타냄을 확인하였다.
Kim, Sihwan;Ahn, Chulkyun;Jeong, Woo Kyoung;Kim, Jong Hyo;Chun, Minsoo
Progress in Medical Physics
/
v.32
no.4
/
pp.92-98
/
2021
Purpose: This study automatically discriminates homogeneous and structure edge regions on computed tomography (CT) images, and it evaluates the noise level and edge preservation ratio (EPR) according to the different types of iterative reconstruction (IR). Methods: The dataset consisted of CT scans of 10 patients reconstructed with filtered back projection (FBP), statistical IR (iDose4), and iterative model-based reconstruction (IMR). Using the 10th and 85th percentiles of the structure coherence feature, homogeneous and structure edge regions were localized. The noise level was estimated using the averages of the standard deviations for five regions of interests (ROIs), and the EPR was calculated as the ratio of standard deviations between homogeneous and structural edge regions on subtraction CT between the FBP and IR. Results: The noise levels were 20.86±1.77 Hounsfield unit (HU), 13.50±1.14 HU, and 7.70±0.46 HU for FBP, iDose4, and IMR, respectively, which indicates that iDose4 and IMR could achieve noise reductions of approximately 35.17% and 62.97%, respectively. The EPR had values of 1.14±0.48 and 1.22±0.51 for iDose4 and IMR, respectively. Conclusions: The iDose4 and IMR algorithms can effectively reduce noise levels while maintaining the anatomical structure. This study suggested automated evaluation measurements of noise levels and EPRs, which are important aspects in CT image quality with patients' cases of FBP, iDose4, and IMR. We expect that the inclusion of other important image quality indices with a greater number of patients' cases will enable the establishment of integrated platforms for monitoring both CT image quality and radiation dose.
Lee, Chang Wook;Lee, Sang Heon;Im, In Chul;Lee, Hyo Yeong
Journal of the Korean Society of Radiology
/
v.13
no.3
/
pp.465-472
/
2019
To investigate the effects of iterative reconstruction algorithms on fat measurements using computed tomography (CT), we comparatively and quantitatively analyzed the ratios of visceral, subcutaneous, and visceral-subcutaneous fat areas as well as the variations of HU and noise of visceral and subcutaneous fat using ADMIRE strength and attempted to identify any difference between them. Experimental results showed that no statistically significant difference existed among the visceral, subcutaneous, and visceral-subcutaneous fat area ratios HU of visceral fat area and HU of subcutaneous fat area when applying ADMIRE as compared with existing conventional filtered back projection algorithms. However, as the ADMIRE strength increases, the noise of visceral and subcutaneous fat decreases by up to 12.1% and 19.2%, respectively. In conclusion, iterative reconstruction algorithms have no effect on the visceral, subcutaneous, and visceral-subcutaneous fat area ratios, which are indicators of fat measurement using CT.
Purpose: In this study, we investigated the relationship between the noise characteristics and the number of projected images in tomosynthesis using a digital phantom. Methods: The digital phantom consisted of a columnar phantom in the center of the image and a spherical phantom with a diameter of 80 pixels. A virtual scan was performed, and 128 projected images (Tomo_w/o) of the phantoms were obtained. The image noise according to the Poisson distribution was added to the projected images (Tomo_×1). Furthermore, another projected image with additional noise was prepared (Tomo_×1/2). For each dataset, we created datasets with 64 (half) and 32 (quarter) projections by removing the even-numbered images twice from the 128 (fully) projected images. Tomosynthesis images were reconstructed by filtered back projection (FBP). The modulation transfer function (MTF) was estimated using the sphere method, and the noise power spectrum (NPS) was estimated using the two-dimensional Fourier transform method. Results: The MTFs did not change between datasets, and the NPSs improved as the number of projected images increased. The noise characteristics of the Tomo_×1_half images were the same as those of the Tomo_×1/2_full. Conclusions: To achieve a reduction in the patient dose in tomosynthesis acquisition, we recommend reducing the number of projected images rather than reducing the dose per projection.
Although CT has an advantage in describing the three-dimensional anatomical structure of the human body, it also has a disadvantage in that high doses are exposed to the patient. Recently, a deep learning-based image reconstruction method has been used to reduce patient dose. The purpose of this study is to analyze the dose reduction and image quality improvement of deep learning-based reconstruction (DLR) on the adult's chest CT examination. Adult lung phantom was used for image acquisition and analysis. Lung phantom was scanned at ultra-low-dose (ULD), low-dose (LD), and standard dose (SD) modes, and images were reconstructed using FBP (Filtered back projection), IR (Iterative reconstruction), DLR (Deep learning reconstruction) algorithms. Image quality variations with respect to varying imaging doses were evaluated using noise and SNR. At ULD mode, the noise of the DLR image was reduced by 62.42% compared to the FBP image, and at SD mode, the SNR of the DLR image was increased by 159.60% compared to the SNR of the FBP image. Based on this study, it is anticipated that the DLR will not only substantially reduce the chest CT dose but also drastic improvement of the image quality.
본 웹사이트에 게시된 이메일 주소가 전자우편 수집 프로그램이나
그 밖의 기술적 장치를 이용하여 무단으로 수집되는 것을 거부하며,
이를 위반시 정보통신망법에 의해 형사 처벌됨을 유념하시기 바랍니다.
[게시일 2004년 10월 1일]
이용약관
제 1 장 총칙
제 1 조 (목적)
이 이용약관은 KoreaScience 홈페이지(이하 “당 사이트”)에서 제공하는 인터넷 서비스(이하 '서비스')의 가입조건 및 이용에 관한 제반 사항과 기타 필요한 사항을 구체적으로 규정함을 목적으로 합니다.
제 2 조 (용어의 정의)
① "이용자"라 함은 당 사이트에 접속하여 이 약관에 따라 당 사이트가 제공하는 서비스를 받는 회원 및 비회원을
말합니다.
② "회원"이라 함은 서비스를 이용하기 위하여 당 사이트에 개인정보를 제공하여 아이디(ID)와 비밀번호를 부여
받은 자를 말합니다.
③ "회원 아이디(ID)"라 함은 회원의 식별 및 서비스 이용을 위하여 자신이 선정한 문자 및 숫자의 조합을
말합니다.
④ "비밀번호(패스워드)"라 함은 회원이 자신의 비밀보호를 위하여 선정한 문자 및 숫자의 조합을 말합니다.
제 3 조 (이용약관의 효력 및 변경)
① 이 약관은 당 사이트에 게시하거나 기타의 방법으로 회원에게 공지함으로써 효력이 발생합니다.
② 당 사이트는 이 약관을 개정할 경우에 적용일자 및 개정사유를 명시하여 현행 약관과 함께 당 사이트의
초기화면에 그 적용일자 7일 이전부터 적용일자 전일까지 공지합니다. 다만, 회원에게 불리하게 약관내용을
변경하는 경우에는 최소한 30일 이상의 사전 유예기간을 두고 공지합니다. 이 경우 당 사이트는 개정 전
내용과 개정 후 내용을 명확하게 비교하여 이용자가 알기 쉽도록 표시합니다.
제 4 조(약관 외 준칙)
① 이 약관은 당 사이트가 제공하는 서비스에 관한 이용안내와 함께 적용됩니다.
② 이 약관에 명시되지 아니한 사항은 관계법령의 규정이 적용됩니다.
제 2 장 이용계약의 체결
제 5 조 (이용계약의 성립 등)
① 이용계약은 이용고객이 당 사이트가 정한 약관에 「동의합니다」를 선택하고, 당 사이트가 정한
온라인신청양식을 작성하여 서비스 이용을 신청한 후, 당 사이트가 이를 승낙함으로써 성립합니다.
② 제1항의 승낙은 당 사이트가 제공하는 과학기술정보검색, 맞춤정보, 서지정보 등 다른 서비스의 이용승낙을
포함합니다.
제 6 조 (회원가입)
서비스를 이용하고자 하는 고객은 당 사이트에서 정한 회원가입양식에 개인정보를 기재하여 가입을 하여야 합니다.
제 7 조 (개인정보의 보호 및 사용)
당 사이트는 관계법령이 정하는 바에 따라 회원 등록정보를 포함한 회원의 개인정보를 보호하기 위해 노력합니다. 회원 개인정보의 보호 및 사용에 대해서는 관련법령 및 당 사이트의 개인정보 보호정책이 적용됩니다.
제 8 조 (이용 신청의 승낙과 제한)
① 당 사이트는 제6조의 규정에 의한 이용신청고객에 대하여 서비스 이용을 승낙합니다.
② 당 사이트는 아래사항에 해당하는 경우에 대해서 승낙하지 아니 합니다.
- 이용계약 신청서의 내용을 허위로 기재한 경우
- 기타 규정한 제반사항을 위반하며 신청하는 경우
제 9 조 (회원 ID 부여 및 변경 등)
① 당 사이트는 이용고객에 대하여 약관에 정하는 바에 따라 자신이 선정한 회원 ID를 부여합니다.
② 회원 ID는 원칙적으로 변경이 불가하며 부득이한 사유로 인하여 변경 하고자 하는 경우에는 해당 ID를
해지하고 재가입해야 합니다.
③ 기타 회원 개인정보 관리 및 변경 등에 관한 사항은 서비스별 안내에 정하는 바에 의합니다.
제 3 장 계약 당사자의 의무
제 10 조 (KISTI의 의무)
① 당 사이트는 이용고객이 희망한 서비스 제공 개시일에 특별한 사정이 없는 한 서비스를 이용할 수 있도록
하여야 합니다.
② 당 사이트는 개인정보 보호를 위해 보안시스템을 구축하며 개인정보 보호정책을 공시하고 준수합니다.
③ 당 사이트는 회원으로부터 제기되는 의견이나 불만이 정당하다고 객관적으로 인정될 경우에는 적절한 절차를
거쳐 즉시 처리하여야 합니다. 다만, 즉시 처리가 곤란한 경우는 회원에게 그 사유와 처리일정을 통보하여야
합니다.
제 11 조 (회원의 의무)
① 이용자는 회원가입 신청 또는 회원정보 변경 시 실명으로 모든 사항을 사실에 근거하여 작성하여야 하며,
허위 또는 타인의 정보를 등록할 경우 일체의 권리를 주장할 수 없습니다.
② 당 사이트가 관계법령 및 개인정보 보호정책에 의거하여 그 책임을 지는 경우를 제외하고 회원에게 부여된
ID의 비밀번호 관리소홀, 부정사용에 의하여 발생하는 모든 결과에 대한 책임은 회원에게 있습니다.
③ 회원은 당 사이트 및 제 3자의 지적 재산권을 침해해서는 안 됩니다.
제 4 장 서비스의 이용
제 12 조 (서비스 이용 시간)
① 서비스 이용은 당 사이트의 업무상 또는 기술상 특별한 지장이 없는 한 연중무휴, 1일 24시간 운영을
원칙으로 합니다. 단, 당 사이트는 시스템 정기점검, 증설 및 교체를 위해 당 사이트가 정한 날이나 시간에
서비스를 일시 중단할 수 있으며, 예정되어 있는 작업으로 인한 서비스 일시중단은 당 사이트 홈페이지를
통해 사전에 공지합니다.
② 당 사이트는 서비스를 특정범위로 분할하여 각 범위별로 이용가능시간을 별도로 지정할 수 있습니다. 다만
이 경우 그 내용을 공지합니다.
제 13 조 (홈페이지 저작권)
① NDSL에서 제공하는 모든 저작물의 저작권은 원저작자에게 있으며, KISTI는 복제/배포/전송권을 확보하고
있습니다.
② NDSL에서 제공하는 콘텐츠를 상업적 및 기타 영리목적으로 복제/배포/전송할 경우 사전에 KISTI의 허락을
받아야 합니다.
③ NDSL에서 제공하는 콘텐츠를 보도, 비평, 교육, 연구 등을 위하여 정당한 범위 안에서 공정한 관행에
합치되게 인용할 수 있습니다.
④ NDSL에서 제공하는 콘텐츠를 무단 복제, 전송, 배포 기타 저작권법에 위반되는 방법으로 이용할 경우
저작권법 제136조에 따라 5년 이하의 징역 또는 5천만 원 이하의 벌금에 처해질 수 있습니다.
제 14 조 (유료서비스)
① 당 사이트 및 협력기관이 정한 유료서비스(원문복사 등)는 별도로 정해진 바에 따르며, 변경사항은 시행 전에
당 사이트 홈페이지를 통하여 회원에게 공지합니다.
② 유료서비스를 이용하려는 회원은 정해진 요금체계에 따라 요금을 납부해야 합니다.
제 5 장 계약 해지 및 이용 제한
제 15 조 (계약 해지)
회원이 이용계약을 해지하고자 하는 때에는 [가입해지] 메뉴를 이용해 직접 해지해야 합니다.
제 16 조 (서비스 이용제한)
① 당 사이트는 회원이 서비스 이용내용에 있어서 본 약관 제 11조 내용을 위반하거나, 다음 각 호에 해당하는
경우 서비스 이용을 제한할 수 있습니다.
- 2년 이상 서비스를 이용한 적이 없는 경우
- 기타 정상적인 서비스 운영에 방해가 될 경우
② 상기 이용제한 규정에 따라 서비스를 이용하는 회원에게 서비스 이용에 대하여 별도 공지 없이 서비스 이용의
일시정지, 이용계약 해지 할 수 있습니다.
제 17 조 (전자우편주소 수집 금지)
회원은 전자우편주소 추출기 등을 이용하여 전자우편주소를 수집 또는 제3자에게 제공할 수 없습니다.
제 6 장 손해배상 및 기타사항
제 18 조 (손해배상)
당 사이트는 무료로 제공되는 서비스와 관련하여 회원에게 어떠한 손해가 발생하더라도 당 사이트가 고의 또는 과실로 인한 손해발생을 제외하고는 이에 대하여 책임을 부담하지 아니합니다.
제 19 조 (관할 법원)
서비스 이용으로 발생한 분쟁에 대해 소송이 제기되는 경우 민사 소송법상의 관할 법원에 제기합니다.
[부 칙]
1. (시행일) 이 약관은 2016년 9월 5일부터 적용되며, 종전 약관은 본 약관으로 대체되며, 개정된 약관의 적용일 이전 가입자도 개정된 약관의 적용을 받습니다.