Truncation Artifact Reduction Using Weighted Normalization Method in Prototype R/F Chest Digital Tomosynthesis (CDT) System

프로토타입 R/F 흉부 디지털 단층영상합성장치 시스템에서 잘림 아티팩트 감소를 위한 가중 정규화 접근법에 대한 연구

Abstract

Chest digital tomosynthesis has become a practical imaging modality because it can solve the problem of anatomy overlapping in conventional chest radiography. However, because of both limited scan angle and finite-size detector, a portion of chest cannot be represented in some or all of the projection. These bring a discontinuity in intensity across the field of view boundaries in the reconstructed slices, which we refer to as the truncation artifacts. The purpose of this study was to reduce truncation artifacts using a weighted normalization approach and to investigate the performance of this approach for our prototype chest digital tomosynthesis system. The system source-to-image distance was 1100 mm, and the center of rotation of X-ray source was located on 100 mm above the detector surface. After obtaining 41 projection views with ${\pm}20^{\circ}$ degrees, tomosynthesis slices were reconstructed with the filtered back projection algorithm. For quantitative evaluation, peak signal to noise ratio and structure similarity index values were evaluated after reconstructing reference image using simulation, and mean value of specific direction values was evaluated using real data. Simulation results showed that the peak signal to noise ratio and structure similarity index was improved respectively. In the case of the experimental results showed that the effect of artifact in the mean value of specific direction of the reconstructed image was reduced. In conclusion, the weighted normalization method improves the quality of image by reducing truncation artifacts. These results suggested that weighted normalization method could improve the image quality of chest digital tomosynthesis.

흉부 디지털 단층영상합성장치는 기존 DR의 낮은 깊이 해상도, CT의 높은 피폭선량 문제를 해결할 수 있는 획기적인 영상장치로 대두되고 있다. 그러나 제한된 스캔 각도로 인해 프로젝션이 X 선 소스 동작 방향으로 흉부를 완전히 포함 할 수 없어 재구성 된 슬라이스의 위, 아래 방향 경계를 따라 강도의 불연속성이 발생하게 되는데 이러한 현상을 잘림 아티팩트 (Truncation artifact)라고 한다. 이 연구의 목적은 가중 정규화 접근법을 사용하여 잘림 아티팩트를 줄이고 리스템에서 개발한 프로토 타입 흉부 디지털 단층영상합성장치 시스템에 대한 이 접근법의 성능을 평가하는 것이다. 이 시스템의 source-to-image distance는 1100 mm 이고 X 선원의 회전 중심은 검출기 표면에서 100mm 위로 설정되었다. LUNGMAN 팬텀을 사용하여 ${\pm}20^{\circ}$의 투영 뷰를 $1^{\circ}$ 간격으로 41장을 얻은 후, filtered back projection 알고리즘으로 재구성했다. 정량적 평가를 위하여 시뮬레이션을 이용하여 기준영상을 재구성 후 peak signal to noise ratio와 structure similarity index 값을 평가하였으며 실제 실험 데이터를 이용하여 mean value of specific direction 값을 평가하였다. 시뮬레이션 결과로 아티팩트 보정 전 일반적인 filtered back projection 알고리즘으로 재구성 한 영상과 비교하여 peak signal to noise ratio값과 structure similarity index값 모두 각각 증가하였으며, 실제 실험 재구성 영상의 mean value of specific direction 결과는 아티팩트의 영향이 감소됨을 확인할 수 있었다. 결론적으로, 가중 정규화 방법은 잘림 아티팩트를 줄임으로써 진단의 어려움을 발생시키는 가능성을 개선시킬 수 있는 방법으로 사료된다.

Ⅰ. INTRODUCTION

폐암은 국내 전체 암 진단의 11 %를 차지하는 주요 암이다. 보건복지부에서 발표한 최신 통계자료에 따르면 2015년 국내에서 24,267 건의 새로운 폐암환자가 보고되었으며, 17,399 건의 사망이 발생했다.[1] 미국의 American cancer society는 폐암의 조기 발견이 사망률을 감소시키는 데 중요한 역할을 한다고 보고하였다.[2] 조기 발견을 위해 흉부 방사선 촬영 (CR; Chest Radiography)과 전산화 단층 촬영 (CT; Computed Tomography)이 주로 사용되지만, 흉부 방사선 촬영의 낮은 깊이 해상도와 전산화 단층 촬영의 높은 선량이 문제로 남아있다. 

지난 몇 년 동안 흉부 디지털 단층영상합성장치 (CDT; Chest Digital Tomosynthesis)는 기존의 DR에서 깊이 해상도가 좋지 않은 문제를 해결할 수 있기 때문에 효과적인 영상장치 시스템으로 대두되고 있다.[3] 또한 조직 간 중첩문제를 해소하고 폐암의 조기 발견을 위해 정상 조직과 병변의 구분을 향상시킬 수 있음이 보고되고 있다.[4]
CDT는 제한된 각도 범위에서 재구성 영상을 획득하는 기하학적 구조를 가진다. 하지만 제한된 각도로 인하여 특정 스캔 각도의 관측 시야 (FOV; Field Of View)에서 피사체의 관심영역 일부가 포함되지 못하는 경우가 발생하게 된다. 이 영역은 디텍터에 엑스선 신호가 측정 될 수 없으므로  재구성 영상에서 FOV 경계를 따라 엑스선 강도의 불연속성이 발생하는데 이러한 불연속성을 잘림 아티팩트 (truncation artifact)라고 한다.[4] 

잘림 아티팩트를 줄이기 위해 세계적으로 많은 연구가 진행되어왔다. Bracewell et. al.은 parallel- beam CT, M¨uller et. al.은 fan-beam과 cone beam CT에서 FBP 알고리즘 기반에서 발생한 잘림 아티팩트를 줄이기 위한 연구[6,7]를 시도하였으며 Lewitt et. al.과 Kadrmas et. al.은 fan-beam CT에서 프로젝션 기반 외삽법을 이용하여 잘림 아티팩트 감소 연구를 진행하였다.[8,9] 또한 Ogawa는 프로젝션에 포함되지 않은 정보를 다른 프로젝션으로부터 추정하는 방법[10]을 시도하였다. 그러나 이러한 방법들은 재구성 영상을 외삽하여 보정하거나 다른 프로젝션으로부터 정보를 추정하기 때문에 왜곡된 정보가 발생 할 수 있다. 이를 해결하기 위해 균일한 프로젝션을 만든 후, CDT 시스템과 같은 기하학적 구조로 재구성된 영상을 이용하여 잘림 아티팩트를 보정하는 가중 정규화 방법(weighted normalization method)이 연구되었다.[11] 잘림 아티팩트를 보정하기 위해 본 연구에서는 가중 정규화 방법을 사용하여 이에 대한 효과를 조사하기 위한 목적으로 본 연구를 진행하였다.

 

Ⅱ. MATERIAL AND METHODS

1. 프로토타입 CDT R/F 시스템 실험 환경

본 연구에서 이용한 CDT 시스템은 리스템에서 개발한 CDT R/F 프로토 타입을 이용하였으며 시스템은 Fig. 1과 같다. 이 시스템은 레늄-텅스텐 (a rhenium-tungsten)과 마주한 몰리브덴 타깃을 가진 CsI (Tl) 신틸레이터 플랫 패널 디지털 디텍터 (Pixium RF 4343, Thales, France)와 엑스레이 튜브 (TE-E7869X, Toshiba, Japan)로 구성된다. 프로젝션의 스캔 조건은 R/F 모드에서 ± 20 ° 범위에서 1 ° 스캔 각도로 총 41개의 프로젝션을 얻었다. 관전류와 관전압은 각각 0.5 mAs, 100 kVp을 사용하였다. 팬텀은 LUNGMAN 흉부 팬텀을 이용하여 재구성 된 영상을 평가 하였다. 재구성 영상은 0.25 × 0.25 × 2  복셀 크기의 1024 × 1024 × 150 행렬로 구성되어 필터보정 역투영 (FBP) 알고리즘으로 재구성하였으며 필터는 Hann 필터를 이용하였다.

 

Fig. 1. Develped CDT R/F system.

 

2. 잘림 아티팩트

아티팩트는 CDT 시스템의 촬영 파라미터와 재구성 방법에 따라 영향이 달라진다. Fig. 2는 촬영 파라미터에 의해 잘림 아티팩트가 발생하는 원인을 묘사하고 있다. 같은 높이의 서로 다른 지점 A, B 그리고 C에서 A영역은 모든 각도에서 X선이 투과하지만 B영역은 (n-1)과 n번째, C영역은 (n-1)번째 각도에서만 X선이 투과한다. 이처럼 특정 스캔 각도의 관측 시야에서 피사체의 관심영역 일부를 포함하지 못하기 때문에 각 영역마다 엑스선의 노출 정도가 달라진다. 그러므로 큰 각도범위에서 스캔 될수록 FOV가 흉부 전체를  포함 할 수 없는 영역이 많아지며 흉부의 양쪽 끝부분 영역은 가운데 영역보다 더 적은 양의 정보가 얻어진다. 그 후, 주어진 각 프로젝션이 역투영 방법으로 재구성 될 때 투과된 FOV 내부는 정상적으로 역투영 되지만, 엑스선이 물체에 투과되지 않은 FOV 외부 지역은 이전 값을 유지하게 된다.  그 결과, 재구성 영상에서 FOV 경계를 따라 강도의 불연속성을 초래하게 된다. 잘림 아티팩트는 프로젝션이 재구성되는 방법에도 영향을 받는데 FBP 알고리즘의 경우, 아티팩트는 필터에 의해 강조가 된다고 보고되었다.[12]

 

Fig. 2. (a) The change in FOV coverage from different x-ray source locations.

 

3. 시뮬레이션 실험

보정결과에 대한 정량적 평가를 위해 LUNGMAN 팬텀을 이용한 CT 데이터를 팬텀 데이터로 이용하여 시뮬레이션을 진행하였다. 같은 공간해상도를 가진 서로 다른 크기의 디텍터를 설정하여 팬텀 데이터의 프로젝션 데이터를 얻은 후, 각각 기준 영상과 잘림 아티팩트가 발생한 영상으로 재구성 하고 재구성 영상은 팬텀 데이터의 행렬크기에 맞추어 512 × 512 × 260 행렬로 설정하였으며, 실제 실험과 같은 0.25 × 0.25 × 2  복셀 크기로 설정하였다. 또한 기존 방법의 잘림 아티팩트 방법과의 비교를 위해 프로젝션 기반 외삽 방법을 이용한 보정영상을 획득하여 비교평가를 진행하였다. 

 

4. 잘림 아티팩트 보정법

본 연구에서는 재구성된 영상의 모든 지점에 대하여  균일한 프로젝션을 재구성 하여 시스템의 기하학적 구조에 따라 X선의 경로를 추적 및 그 횟수를 누적한 횟수 기반 영상을 만들고 이를 이용하여 불균등한 강도를 보정해주는 가중 정규화 방법을 이용하였다. 가중 정규화 방법은 FBP 알고리즘을 콘빔 구조에 적용한 FDK (Feldkamp-Davis-Kress) 알고리즘을 이용하여 피사체의 재구성 영상을 만든 후, 같은 방법으로 횟수기반 영상을 만들어 나누어 준다. 가중 정규화 방법은 Eq. (2)로 나타낼 수 있다.  

 

\(f(x, y, z)=\sum_{\beta \in S} B\left[H\left(P_{\beta}\right)\right]\)       (1)

 

\(f_{\text {normlized}}(x, y, z)=\frac{f(x, y, z)}{f_{\text {count} \operatorname{map}}(x, y, z)}\)       (2)

 

Eq. (1)은 FDK 알고리즘을 나타내는 수식이며 는 각도 에서의 프로젝션, 는 총 프로젝션의 수, B는 역투영 과정을 의미한다. 또한 는 필터를 나타내며 본 연구에서는 Hann 윈도우 필터를 사용하였다. Eq. (2)를 이용하여 기존의 CDT 재구성 영상 와 횟수 기반 영상인 를 획득하여 보정된 영상 를 계산하는 가중 정규화 방법을 표현하고 있다. Fig. 3은 이러한 가중 정규화 방법의 흐름도를 묘사한다. 

 

Fig. 3. Illustrative flowchart of weighted normalization method.

 

5. 정량적 평가

시뮬레이션 데이터와 실험데이터를 이용하여 각각 정량적 평가를 진행하였다. 시뮬레이션을 통해 아티팩트가 없는 기준 영상을 획득하여 잘림 아티팩트 영상과 아티팩트 보정 영상에 대하여 PSNR (Peak signal to noise ratio)과 SSIM (Structure similarity index)을 이용하였다. PSNR은 재구성 된 두 영상의 화소 값 차이를 이용하여 복원 성능을 평가할 수 있는 인자이며 다음의 Eq. (3)과 같이 정의된다. 

\(P S N R=10 \log _{10}\left(\frac{N x^{2}}{\|t-r\|_{2}^{2}}\right)\)       (3)

 

여기서 은 재구성 영상, 는 기준 영상, 은 이미지 복셀의 총 수, 는 최대 복셀 값을 의미한다. 

또한 재구성 후 영상의 구조적 유사도를 비교하기 위해 사용된 SSIM은 다음과 같은 Eq. (4)로 나타낸다.

 

\(\operatorname{SSIM}(x, y)=[l(x, y)]^{\alpha} \cdot[c(x, y)]^{\beta} \cdot[s(x, y)]^{\gamma}\)       (4)

 

Eq. (4)에서 와 , 그리고 는 각각 밝기, 대조도, 그리고 영상간의 상관도를 나타내는 요소이며  다음과 같이 Eq. (5,6 and 7)로 나타낸다.

 

\(l(x, y)=\frac{2 \mu_{x} \mu_{y}+c_{1}}{\mu_{x}^{2}+\mu_{y}^{2}+c_{1}}\)       (5)

 

 \(c(x, y)=\frac{2 \sigma_{x} \sigma_{y}+c_{2}}{\sigma_{x}^{2}+\sigma_{y}^{2}+c_{2}}\)      (6)

 

\(s(x, y)=\frac{\sigma_{x y}+c_{3}}{\sigma_{x} \sigma_{y}+c_{3}}\)       (7)

 

는 각각 기준 영상과 비교 영상의 평균값,  는 각각 기준 영상과 비교 영상의 표준 편차를 의미하며, 는 기준 영상과 비교 영상의 공분산을 의미한다. 또한  그리고 는 분모가 0이 되는 것을 방지하기 위한 양의 상수이다. SSIM의 값은 0에서 1사이 이며 1에 가까울수록 두 영상의 구조적 유사성이 가까운 것을 의미한다.

측정을 위하여 각 영상의 관심영역을 지정하여 PSNR과 SSIM 평가를 진행하였다. 하지만 실제 실험에서는 아티팩트가 없는 기준 영상이 존재할 수 없기에 앞서 언급 한 두 가지 평가는 적절하지 않다. 따라서 실제 실험 영상에서는 잘림 아티팩트의 보정 전, 후의 복셀 값 변화를 명확하게 보여주기 위해 MVSD (Mean of specific direction)를 평가하였다. MVSD는 관심영역의 평균화된 행 방향의 복셀 값을 이용하였으며, 아래의 Eq. (8)로 기술된다.

 

\(M V S D_{i}=\frac{1}{M} \sum_{j=1}^{M} x_{i j}\)       (8)

 

은 열의 수, 는 행 복셀 인덱스, 는 열 복셀 인덱스이며, 는 복셀 값을 나타낸다.

 

Ⅲ. RESULT

1. 시뮬레이션 실험 결과

1.1 시뮬레이션 영상 

Fig. 4는 시뮬레이션을 이용한 재구성 영상이며 폐 영역을 단면으로 하는 슬라이스와 아티팩트의 영향을 받은 영역의 확대 영상 (#1,2)을 보여준다. Fig. 4의 (c)와 (d)는 각각 프로젝션 기반의 외삽 방법을 이용해 보정한 방법과 가중 정규화 방법을 이용한 보정영상을 나타낸다. 두 영상에서 잘림 아티팩트 보정 전 영상 (b)와 비교하여 아티팩트의 영향이 감소되는 것을 확인할 수 있으며 영상 (d)의 관심영역 영상에서 (c)보다 명확한 보정 결과를 나타내고 있다. 

 

1.2 Peak signal to noise ratio and Structure similarity index

아래 Fig. 5는 Fig. 4의 #1과 #2 관심영역에서 정량적 평가결과에 대한 그래프를 나타내며 각각 PSNR과 SSIM 값에 대하여 보여준다. PSNR의 경우 가중 정규화 방법을 사용한 방법이 #1과 #2에서 각각 27.31과 28.24을 나타내며 가장 높은 값을 기록 하였다.  

 

Fig. 4. Simulated LUNGMAN chest CT data.

 

Fig. 5. ROI according to the three different simulated reconstructed images.

 

2. 실제 실험 결과

2.1 Mean value of specific direction 

Fig. 5는 각각 보정 전 및 보정 후 영상의 폐 부분을 관심영역으로 가지며, 재구성 영상 볼륨의 위로부터 79번째 슬라이스를 나타낸다. 외삽 보정방법을 사용한 영상 (b)와 가중 정규화 방법을 사용한 영상 (c)에서 일반적인 FBP 알고리즘으로 재구성한 (a)의 영상과 비교하여 아티팩트의 감소효과가 나타나는 것을 확인할 수 있으며, 영상 (c)의 관심영역 영상에서 (b)보다 명확한 보정 결과를 나타내고 있다. 보정방법의 정량적인 결과를 평가하기 위해 #1과 #2의 MVSD값을 이용하여 Fig. 6에 나타내었다. Fig. 6의 그래프에서 (a), (b)영상의 MVSD값과 비교하였을 때 (c) 영상에서 잘림 아티팩트의 영향이 감소한 것을 확인 할 수 있다.

 

Fig. 6. reconstructed images of LUNGMAN chest phantom.

 

Fig. 7. (a-b) are MVSD values of #1, #2 ROI respectively, according to the three different simulated  reconstructed images.

 

Ⅳ. DISCUSSION

본 연구에서는 시뮬레이션 실험과 실제 실험을 통해 잘림 아티팩트 보정 전, 후의 영상화질을 정량적으로 평가함으로써 가중 정규화 접근 방법이 CDT R/F 프로토 타입에 적용 가능성을 확인하였다. 시뮬레이션 실험에서 Fig. 5의 결과는 본 연구에서 제시한 방법이 PSNR값과 SSIM값이 보정 전 영상보다 증가하였으며, 객관적인 비교를 위하여  다항 함수를 이용한 외삽 보정 방법[9]을 CDT에 적용한 영상을 이용하였다. 비교 결과, 기존 방법의 PSNR과 SSIM 값 모두 잘림 아티팩트로 인한 영향이 개선 되었지만 본 연구에서 제안한 방법을 이용한 보정 결과에서 보다 향상된 아티팩트의 감소 결과를 확인 할 수 있었다. 이는 횟수 기반 재구성 영상이 보정 전 영상과 같은 기하학적 구조로 재구성되기 때문에 외부영역의 정보를 추측하여 보정하는 외삽 방법과 비교하여 정확한 보정 결과를 나타낸 것이라 예측된다. 또한 실제 실험결과는 기준 영상을 획득하지 못하기 때문에 세가지 영상에 대한 아티팩트의 영향을 명확하게 보여주기 위하여  MVSD를 사용하였다. Fig. 7은 가중 정규화 방법을 사용하였을 때 아티팩트의 영향이 외삽 보정방법과 비교하여 아티팩트의 영향이 더욱 감소된 결과를 보였다. 하지만 MVSD의 결과는 본 연구에서 제시한 방법을 통해 아티팩트의 영향만을 감소시켰다는 명확한 근거가 없다. 아티팩트의 영향은 감소되었을 지라도 아티팩트의 정보와 피사체의 정보가 함께 존재하는 상태에서 보정을 하기 때문에 피사체의 정보 또한 횟수 기반 영상의 영향으로 인해 축소되어 해상력을 감소시킬 수 있는 한계점이 있다.  따라서 향후 연구에서는 피사체의 복셀 값은 유지하면서 아티팩트를 개선할 수 있는 추가적인 보완 방법을 지속적인 연구를 통해 이론적 토대를 강화시켜 나갈 것이다. 

 

Ⅴ. CONCLUSION

본 연구에서 사용한 가중 정규화 방법은 개발 중인 프로토타입 CDT R/F 시스템에서 시뮬레이션 실험과 실제 실험을 통해 재구성 영상의 불연속적인 강도를 개선시켰으며 정량적 평가를 통하여 확인 할 수 있었다. 이러한 결과는 가중 정규화 방법이 CDT의 잘림 아티팩트를 개선시킴으로써 진단의 어려움을 발생시킬 수 있는 문제점을 줄일 수 있는 방법이라 사료된다.