[论文解读] Single Scan Dual-energy Cone-beam CT Using Static Detector Modulation: A Phantom Study

Junbo Peng|arXiv (Cornell University)|May 23, 2022

Advanced X-ray and CT Imaging被引用 4

一句话总结

该论文提出一种采用静态束调制器放置于探测器前方的单次扫描双能锥束CT（DECBCT）系统，通过减少硬件复杂性实现双能成像。基于深度学习的数据恢复模型重建完整的双能数据，电子密度重建平均误差低于1.16%，线性衰减系数重建误差低于1.41%，证明了该方法在物质分解中的临床可行性。

ABSTRACT

Cone-beam CT (CBCT) is installed in the treatment room to facilitate online clinical applications, including image guidance in radiation and surgery. Half-fan and short-can are the commonly used modes in clinical applications to expand the imaging volume and reduce radiation exposure. Anatomical structures are faithfully reconstructed using CBCT while deep information including material composition is not feasible in its current form. Dual-energy computed tomography (DECT) is an advanced medical imaging technology with superior capability of material differentiation by scanning the patient using two different energy spectra. Conventional DECT systems require expensive and sophisticated hardware components, significantly limiting DECT applications to cone-beam CT (CBCT) machines. In this work, we propose a dual-energy cone-beam CT (DECBCT) system by placing a dedicatedly designed beam modulator in front of the detector surface to acquire dual-energy projection data in a single scan. A deep learning-based data restoration model is introduced to generate complete dual-energy data from the detector-modulated data for DECT image reconstruction and material decomposition. The performance of the proposed method is evaluated using an electron density phantom and clinical CT. The mean error for electron density calculation is lower than 1.16% in the electron density phantom study. The mean errors for reconstructed linear attenuation coefficient (LAC) are lower than 1.41% and 0.89% in the head and pelvis studies, respectively. The results indicate that the proposed method is a promising solution for single-scan DECBCT in clinical practice.

研究动机与目标

• 通过一种成本低廉、硬件需求最少的方法，在单次扫描中实现双能锥束CT。
• 通过集成双能能力，克服传统CBCT在物质成分评估方面的局限性。
• 开发一种基于深度学习的数据恢复模型，从调制后的探测器测量数据中恢复完整的双能投影数据。
• 在体模和临床CT数据中验证电子密度与线性衰减系数重建的准确性。
• 展示单次扫描DECBCT在图像引导放射治疗和外科手术应用中的临床可行性。

提出的方法

• 在CBCT探测器前方放置静态束调制器，通过衰减X射线束的不同部分实现能量选择性检测。
• 调制器使单次扫描即可获取双能投影数据，避免了多次旋转或kV切换的需求。
• 训练基于深度学习的数据恢复模型，从调制后的测量数据中重建完整的双能投影数据。
• 利用恢复后的数据，采用标准DECT技术进行物质分解与图像重建。
• 使用电子密度体模和头颈部及盆腔区域的临床CT数据对方法进行评估。
• 通过电子密度和线性衰减系数（LAC）的平均误差评估图像质量和定量准确性。

实验结果

研究问题

• RQ1 静态束调制器是否能在无需复杂硬件改造的情况下实现单次扫描双能锥束CT？
• RQ2 深度学习模型从探测器调制投影中恢复完整双能数据的精度如何？
• RQ3 在标定体模中，该方法在电子密度估算方面的准确性如何？
• RQ4 重建的线性衰减系数与临床解剖结构中的金标准CT相比表现如何？
• RQ5 该方法能否在放射治疗和外科导航中实现临床可接受的物质分解精度？

主要发现

• 在电子密度体模研究中，电子密度计算的平均误差低于1.16%。
• 在头部研究中，重建的线性衰减系数平均误差小于1.41%，在盆腔研究中小于0.89%。
• 基于深度学习的数据恢复模型有效从调制探测器信号中恢复了双能数据。
• 该方法在对现有CBCT系统进行极少硬件改动的情况下，实现了高精度的物质分解。
• 结果证明了单次扫描DECBCT在图像引导放射治疗等临床应用中的可行性。
• 该方法显著减少了CBCT系统中对昂贵双kVp或双源CT硬件的需求。