Professional Documents
Culture Documents
en SPECT
Carles Maria FaIcon FaIcon
ADVERTIMENT. La consulta daquesta tesi queda condicionada a lacceptaci de les segents condicions d's: La difusi
daquesta tesi per mitj del servei TDX (www.tesisenxarxa.net) ha estat autoritzada pels titulars dels drets de propietat
intellectual nicament per a usos privats emmarcats en activitats dinvestigaci i docncia. No sautoritza la seva
reproducci amb finalitats de lucre ni la seva difusi i posada a disposici des dun lloc ali al servei TDX. No sautoritza la
presentaci del seu contingut en una finestra o marc ali a TDX (framing). Aquesta reserva de drets afecta tant al resum
de presentaci de la tesi com als seus continguts. En la utilitzaci o cita de parts de la tesi s obligat indicar el nom de la
persona autora.
ADVERTENCIA. La consulta de esta tesis queda condicionada a la aceptacin de las siguientes condiciones de uso: La
difusin de esta tesis por medio del servicio TDR (www.tesisenred.net) ha sido autorizada por los titulares de los derechos
de propiedad intelectual nicamente para usos privados enmarcados en actividades de investigacin y docencia. No se
autoriza su reproduccin con finalidades de lucro ni su difusin y puesta a disposicin desde un sitio ajeno al servicio
TDR. No se autoriza la presentacin de su contenido en una ventana o marco ajeno a TDR (framing). Esta reserva de
derechos afecta tanto al resumen de presentacin de la tesis como a sus contenidos. En la utilizacin o cita de partes de
la tesis es obligado indicar el nombre de la persona autora.
WARNING. On having consulted this thesis youre accepting the following use conditions: Spreading this thesis by the
TDX (www.tesisenxarxa.net) service has been authorized by the titular of the intellectual property rights only for private
uses placed in investigation and teaching activities. Reproduction with lucrative aims is not authorized neither its spreading
and availability from a site foreign to the TDX service. Introducing its content in a window or frame foreign to the TDX
service is not authorized (framing). This rights affect to the presentation summary of the thesis as well as to its contents. In
the using or citation of parts of the thesis its obliged to indicate the name of the author.
Captulo 5
Mtodos de reconstruccin
algebraicos
pg. 91
de
de
reconstruccin
ecuaciones
lineales.
En
segundo
lugar,
se
puede
enmarcar
el
numricos
los
operadores
funcionales
se
convierten
en
Onto Convex
en
Sets:
Captulo 5
Mtodos de reconstruccin
algebraicos
pg. 92
p = Aq
+n
(ec5-1)
p = Aq
(ec 5-2)
citar el m t o d o
del gradiente
conjugado
(CG:
Conjgate
para
llegar
al punto
d e interseccin
d e varios
hiperplanos
Mtodos de reconstruccin
Captulo 5
pg. 93
algebraicos
el
proceso.
modo
de
ejemplo,
en
la figura
5 - 1 , est
A21K1
+A22X2=P2
A11X1 +Ai2X2
= Pi
mediante
(el subndice j
hace referencia al
(ec 5-3)
Captulo 5
La forma
Mtodos de reconstruccin
algebraicos
pg. 94
x^''^'K
tanto:
x=:jc(''(''+/l-a,.
(ec5-4)
ayx
= a.-x^''^^'^ + -a]
.vW(-^^')=xWW+
'
aj
(ec5-5)
Mtodos de reconstruccin
Captulo 5
algebraicos
pg. 95
MxM
/=!
MxM "
(ec 5-6)
ART).
Captulo 5
Mtodos de reconstruccin
algebraicos
pg. 96
d{x,y) = \\x-y\\
x-y
Y,x^-y,
Wl^^'^
espacio d e Hilbert.
Mtodos de reconstruccin
Captulo 5
Da. 97
algebraicos
d e las soluciones.
determinar
encontrar
soluciones
dichos
la solucin
U n problema
subconjuntos
general,
d e difcil resolucin
y su interseccin.
usualmente,
slo
es
En v e z de
e s posible
dar con
particulares.
Figura 5-2. La sucesiva proyeccin sobre dos conjuntos convexos conduce a un punto
de la interseccin. El resultado final depende del punto inicial escogido.
proyectando^
sucesivamente
sobre
todos
los
subconjuntos
suficiente
Captulo 5
Mtodos de reconstruccin
algebraicos
pg. 98
puede
incluirse
en
el
proceso
como,
por
ejemplo,
la
no
soporte
Captulo 5
Mtodos de reconstruccin
algebraicos
pg. 99
emitidos)
proyecciones
es mayor
(fotones
q u e el nmero
detectados).
El
d e cuentas
nmero
de
sobre
cuentas
las
d e las
Su inclusin
podra
alterar
la convergencia
del
proceso
Captulo 5
El proceso
Mtodos de reconstruccin
algebraicos
siq^ > O
si
pg. 100
<O
inicial,
sea
necesario.
por C e n s o r
la
5.1.3. Limitaciones
del
mtodo
ART.
Parmetro
de
relajacin.
A continuacin se e x p o n e c o m o afecta el mal condicionamiento de la
reconstruccin tomogrfica en los m t o d o s d e reconstruccin algebraicos
y qu medidas de regularizacin pueden ser adoptadas.
Captulo 5
Mtodos de reconstruccin
algebraicos
pg. 101
que,
por
lo
general,
el
sistema
est
subdeterminado
B q = p'
conB
= '
Ay p'= '' p.
implica
procedimientos
que,
aunque
algebraicos,
tericamente
una
se
pequea
puede
variacin
invertir
en
los
por
datos
propuesto
garantizan
formas
de
q u e la imagen
incorporar
el tratamiento
se mantenga
cierta
del ruido
distancia
que
d e las
[TIK-74]. El problema se
Captulo 5
Mtodos de reconstruccin
algebraicos
pg. 102
Gradient)
[KAW-85] [FOR-89] [ELF-91] o el m t o d o de Landweber [STR-74] [PAN91]. Otras modificaciones del mtodo para suavizar las imgenes e s el
mtodo S I R T {Simultaneous
[KAK-84] y el d e n o m i n a d o
Iterative-ART)
Iterative
Reconstruction
BIP {Block
Iterativo
Technique)
Projections
[GIL-72]
o
Block
e n cada
actualizacin,
slo
una fraccin
d e la
correccin
MnM
A,
<,M" = , M ' " ' l + . -
'
(eo5-7)
Captulo 5
Mtodos de reconstruccin
algebraicos
pg. 103
tomogrfica
por G o r d o n
[NAT-86]. La
est d e m o s t r a d a en
solucin
d e m n i m o s cuadrados).
d e no negatividad
d e los pxeles
d e la i m a g e n .
En la
los
bins
de
la
proyeccin,
indica
la
actualizacin
" En el caso de ser mayor que 1 se obtendra una aceleracin del proceso
(sobrerelajacin). Si es prximo a cero, se habla de relajacin fuerte y si es prximo a 1,
pero inferior, de relajacin dbil.
Captulo 5
Mtodos de reconstruccin
algebraicos
pg. 104
superndice
que
indica
la
iteracin.
Las
proyecciones
^(x)=o
II. Iteraciones:
k = k + \; 7 = 0
a) Para c a d a bin de la proyeccin:
-7=7+1
- Se calcula la proyeccin de la i m a g e n actual sobre el bin j de la
proyeccin:
MxM
<*>=!^-" + < . 3
(ec5-8)
Captulo 5
Mtodos de reconstruccin
algebraicos
pg. 105
el
iteraciones
dispersin
Captulo 5
Mtodos de reconstruccin
algebraicos
pg. 106
antes
d e esta
iteracin.
Las diferentes
secuencias
de
diferentes
realizaciones
de ruido,
sin encontrarse
ningn
valor
CV y
un comportamiento
s e obtienen c o n un n m e r o d e
Mtodos de reconstruccin
Captulo 5
alcanzan
su mximo
algebraicos
en las 6 4 iteraciones
pg. 107
realizadas
(0.959(64)
de aceleracin.
0.01
0.06
0.1
0.14
0.2
0.35
1.00
'
0.95
l\
0.85
0.80
it
o
1
10
20
30
40
50
60
nmero de Iteraciones
10
20
1
30
40
50
1
60
nmero de Iteraciones
o:
w
10
20
30
40
50
nmero de iteraciones
60
10
20
30
40
50
60
nmero de iteraciones
Figura 5-4. Modelo simulado (400 Kc).Valores de CC, CV, CON] y SNRl en funcin del
nmero de iteraciones para diferentes valores del parmetro de relajacin.
Captulo 5
Mtodos de reconstruccin
algebraicos
pg. 108
no-uniforme
cambio, CONl
co=0.^4,
cuanto
mayor s e a el parmetro
d e relajacin. En
la curva d e CONl
fuera
mayor
en las reconstrucciones
c o n parmetro
de
Mtodos de reconstruccin
Captulo 5
Pg. 109
algebraicos
1.000
o
0.975 - ^
><
ro
0.950 E
0.925 0.900
0.0
0.1
0.2
0.3
0.0
factor de relajacin
0.1
0.2
0.3
factor de relajacin
>
o
0.1
0.2
0.3
0.0
factor de relajacin
0.1
0.2
0.1
0.2
0.3
factor de relajacin
0.3
factor de relajacin
.0
0.1
02
0.3
factor de relajacin
z
co
as
><
0.0
01
02
factor de relajacin
03
factor de relajacin
Figura 5-5. Modelo simulado. Mejores valores de las FDM e iteraciones precisas para
alcanzarlos, para 250 Kc (puntos), 400 Kc (continua) y 2000 Kc (mixta).
Captulo 5
Mtodos de reconstruccin
pg. 110
algebraicos
5 cm
4 cm
3 cm
2 cm
1.5 cm
1 cm
O
o
><
ra
E
0.1
0.2
0.3
factor de relajacin
0.1
0.2
factor de relajacin
0.0
0.1
0.2
0.3
factor de relajacin
03
01
0.2
03
factor de relajacin
Figura 5-6. Modelo simulado (400 Kc). Valores mximos de CON y SNR y nmero de
iteraciones necesario para alcanzarlos de los 6 crculos en funcin del parmetro de
relajacin
y SNR
para los 6
Captulo 5
Mtodos de reconstruccin
algebraicos
pg. 111
crculo
est
formado
por
tan
slo
pxeles,
sugiere
el
caso
para
los
Captulo 5
Mtodos de reconstruccin
-.^rz^-z.
algebraicos
pg. 112
modelo real
simulacin
1.00
0.1
0.2
0.3
factor de relajacin
factor de relajacin
>
O
0.1
02
0.3
1.0
01
0.2
factor de relajacin
factor de relajacin
01
02
03
factor de relajacin
factor de relajacin
0.1
0.2
factor de relajacin
03
0.3
factor de relajacin
Captulo 5
Mtodos de reconstruccin
algebraicos
pg. 113
de
las
deducidas
proyecciones
del
estudio
experimentales
simulado.
En
bajo
todas
diferentes
ellas
hay
iteraciones, el contraste, e s p e c i a l m e n t e
menores,
es
muy
bajo.
La
imagen
parece
no
el d e
estar
los
crculos
corregida
de
obtenidos, corresponderan
(mejor
calidad global - solucin balanceada entre m x i m o CC y m x i m o CON con el m n i m o d e iteraciones). En esta imagen, t o d o s los crculos excepto
el m e n o r tienen un contraste elevado, la correccin de la atenuacin ya
est realizada y el f o n d o es bastante uniforme. Para 64 iteraciones (figura
(d)), incluso el crculo pequeo presenta un e l e v a d o contraste, pero la
presencia d e ruido e n la imagen se ha incrementado, en concordancia
con lo e n c o n t r a d o para la simulacin. La figura (e) c o r r e s p o n d e a la
reconstruccin con y =0.01 y 6 4 iteraciones. La imagen es prcticamente
igual q u e e n (c) mientras q u e se ha necesitado 8 veces m s iteraciones
para alcanzarla, c o n el consiguiente aumento d e t i e m p o d e c o m p u t a c i n .
La ltima
imagen
(f) es la reconstruccin
obtenida
con
L>=0.3 y
Captulo 5
Mtodos de reconstruccin
algebraicos
oa. 114
respecto CC, CV y
para diferentes n m e r o s
de
Captulo 5
Mtodos de reconstruccin
algebraicos
pg. 115
propsitos
ha
deteriorado
significativamente,
CON
ha
alcanzado
valores
iteraciones,
conveniente
Captulo 5
Mtodos de reconstruccin
algebraicos
pg. 116
decrecen con el
En cuanto
la contrastacin
de
los
resultados
simulados
con
los
Esto
los
resultados
deben
ser
contrastados
solamente
de
manera
Captulo 6
Mtodos de reconstruccin
estadsticos
pg. 117
mtodos
de
mxima
verosimilitud
fueron
introducidos
en
la
reconstruccin tomogrfica d e i m g e n e s d e emisin por R o c k m o r e [ROC76] y, posteriormente, por S h e p p y Vardi [SHE-82]. Desde entonces, han
tenido un gran desarrollo y una creciente aceptacin c o m o
robustos
q u e permiten
respuesta
del
detector,
incorporar
de
las correcciones
manera
que,
poco
mtodos
de atenuacin
a
poco,
se
y
va
la
Subsets).
de
sobrerelajacin
los subconjuntos
ordenados
(OS;
validez.
Paralelamente,
se
realiza
un
estudio
sobre
la
ratid),
cross-
[CUA-81] o [CUA-96].
Captulo 6
Mtodos de reconstruccin
estadsticos
pg. 118
Likelihood
Estimatoi),
a partir d e f(x;a)
L(a) =
f(x^;a):..-f(x^;a)
da
aiog(a)
5a
esta
ltima
Captulo 6
Mtodos de reconstruccin
estadsticos
pg. 119
x=(x',...,x"')
dependiente
y c o n una muestra
dimensionales xi={x',---,x'"),....,
de
un vector
formada
de
parmetros
m-
La funcin d e mxima
XN={X'N,...,X"'N)-
L(0) =
f(x,;0):..-f(x,;0)
6.1.2. Aplicacin
de
los
estimadores
de
mxima
puede
que
maximiza
experimental d a d a .
la
probabilidad
de
obtener
una
proyeccin
Mtodos de reconstruccin
Captulo 6
pg. 120
estadsticos
de
que
las variables
aleatorias
Poisson,
la
MxN
Liq) = P(p\q) =
Yle'''
7=1
/j
(ec 6-1)
',
P/-
donde
MxM
dq,
(ec 6-2)
dq^
MxN
logZ, = log
h '''
MxN
= Z (~ ^/ + Pj
./=1
Pj
MxM
q u e se p u e d e n escribir d e la forma:
=0
~ logPj \)
Captulo 6
Mtodos de reconstruccin
MxN
. J
EJ'
estadsticos
pg. 121
1
" M X M
/=1
(^^6-3)
/=!
(ec6-4)
x = x-f{x)
dependiendo
en
anlisis
d e la fuente
numrico.
bibliogrfica
Puede
consultada,
encontrarse
es muy
su desarrollo
NxM
/=!
. /4
,/=1
Captulo 6
Mtodos de reconstruccin
estadsticos
pg. 122
Maximization).
El e s q u e m a E M para el
MxM
Paso E (Expectation):
x_.
/)=!
MxNMxM
logL = log{p(p\^q)) = X S ( -
^ , ^ 1
./=! '=1
Mtodos de reconstruccin
Captulo 6
x\
estadsticos
pg. 123
MxNMxM
-
^i'ii
\og(A,q)+t.indep.de
Paso M {Maximization).
A +
>
p,A,q^^
= 0
MxM
nica
es
denominado
ML-EM
(Mximum
Lil<eliiiood
Estimator-
Maximization)
se estudian
un mtodo
clsico de sobrerelajacin
[LEW-86]
Captulo 6
Mtodos de reconstruccin
estadsticos
pg. 124
[HUD-94].
Parmetro de aceleracin
Un m t o d o d e acelerar un proceso iterativo como el descrito por la
expresin (ec 6-5) es el u s o d e un parmetro d e sobrerelajacin [SCH-93].
Los
esquemas
multiplicativos
de
este
tipo
pueden
incorporar
un
;c(*-')=x(*'.(/(x(*'))
MxN MxM.
7=1 /=1
f MxN MxM
V./=l
'=1
MxN
> i
Mtodos de reconstruccin
Captulo 6
(^M
estadsticos
MxM
MxN
./=1
./=i
MxN MxM
MxN
. / = ! /=i
./=i
pg. 125
p . A
MxN
+ O "~ Z
MxM
/=!
' MxN
MxN
MxM
MxN
/=1
./=1
(ec 6-7)
las siglas
a este
verosimilitud.
S S A {Successive
esquema
Substitution
d e reconstruccin
Algorthm)
d e las ecuaciones
para
de
Captulo 6
Mtodos de reconstruccin
estadsticos
pg. 126
X = x + x-
( / ( x ) - l ) = x.(l + (/(x)-l))
1+
(ec 6-8)
x(*^') = x(*) l + n-
n>1
Pj-A,
l + n2-
/=1
(ec 6-9)
./=l
La expresin d e A A puede
UxN
rj
Z-l
MxM
/=1
. A
' MxN
7=1
Captulo 6
Mtodos de reconstruccin
estadsticos
pg. 127
(ec6-10)
a" ^\ + n-{a-}
Subconjuntos
Ordenados
En 1994, H u d s o n describi un e s q u e m a de aceleracin del algoritmo M L E M al q u e bautiz c o n el nombre del mtodo d e los subconjuntos
o r d e n a d o s ( M L E - O S : Ordered Subsets)
iteracin se busca
un subconjunto y las
Captulo 6
pg. 128
3 caras y
1 cruz, se p u e d e
calcular fcilmente
q u e la
Captulo 6
Mtodos de reconstruccin
estadsticos
pg. 129
la
suavidad
de
la
imagen.
Se
trata
de
para
maximizar
Mtodos
Bayesianos.
d o n d e P[q)
[LIA-89]. T a m b i n
ha sido
propuesto
el diseo
de
Captulo 6
En
[Mtodos de reconstruccin
estadsticos
pg. 130
varios
mtodos
Ratio).
Otro
punto
pendiente
de
clarificacin
e n el
uso d e
los
mtodos
e n la deteccin
pueden
modificar
las leyes d e
bien descritas
mediante una
denominado
Captulo 6
Para
[Mtodos de reconstruccin
utilizar
la
validacin
cruzada
estadsticos
se
requieren
pg. 131
dos
conjuntos
cada
iteracin
se
evala
la
funcin
de
verosimilitud
de
las
un valor
mximo,
decrece, cuando
el proceso
empieza
^ ^
DL{k)-DL{k-l)
de
Captulo 6
Mtodos de reconstruccin
estadsticos
pg. 132
Una
vez
conjuntos
reconstruido
de
el
primer
conjunto
proyecciones A y B
de
intercambian
proyecciones,
sus
papeles:
los
se
posible es la s u m a de las
reconstrucciones
"ptimas" d e A y B.
Para el s e g u n d o , es suficiente
k =0
MxN
7=1
Mtodos de reconstruccin
Captulo 6
(i)(o) =
<1
pg. 133
estadsticos
M-M
k =k +\
7=0
a) Para cada subconjunto de proyecciones:
- S e calcula la proyeccin de la imagen actual sobre el conjunto de
bins correspondiente:
MxM
los subconjuntos
ordenados
la (ec 6-7)
la (ec
6-9)
P'
-A
(k)(j)
^li
^
MxN
para SSA, y:
para A A .
^/
_i
Captulo 6
Mtodos de reconstruccin
estadsticos
pg. 134
puede
nc'
a s e g u r a r que la imagen corregida por este factor tiene
proyecciones
con
el
mismo
nmero
de
cuentas
unas
que
las
proyecciones experimentales.
- Si se utiliza el e s q u e m a aditivo A A , puede que algn pxel adquiera
un valor negativo. En este caso, s e le asigna el valor cero.
- S e g r a b a la i m a g e n para su posterior evaluacin.
- Si s e requiere, s e calcula CVR de la imagen actualizada respecto
un s e g u n d o conjunto de proyecciones.
c) Si el n m e r o de iteraciones preestablecido no s e ha cumplido o el
criterio d e detencin del proceso iterativo no se verifica, se realiza la
asignacin y se repite este proceso.
como criterio de
de
Captulo 6
[Mtodos de reconstruccin
estadsticos
pg. 135
realizar
este
estudio,
han sido
generados
numricamente
CVR,
las proyecciones
correspondientes
a las 10
primeras
sido
evaluada
correspondientes
la
verosimilitud
las
100
cruzada
realizaciones
con
de
las
ruido
proyecciones
restantes.
La
10
realizaciones
comportamiento
de
anlogo
ruido.
al
En
primer
observado
en
lugar,
los
se
observa
mtodos
un
iterativos
alcanzan un
Captulo 6
Mtodos de reconstruccin
estadsticos
pg. 136
con la
segundas
promedio
son
muy
parecidos.
En
los
tres
cuadros
proyecciones.
con las
100
iteraciones
de
ambas
Captulo 6
Mtodos de reconstruccin
pg. 137
estadsticos
10
20
30
40
50
60
70
60
70
60
70
nmero de iteraciones
10
20
30
40
50
nmero de iteraciones
10
20
30
40
50
nmero de iteraciones
Figura 6 - 1 . Variacin de las FDM con el mjmero de iteraciones para los modelos de
lOOKc (lnea delgada), 200Kc (lnea gruesa) y 800Kc (lnea de puntos).
Captulo 6
Mtodos de reconstruccin
Valores de CC
nmero de iteraciones mnimo
nmero de iteraciones promedio
nmero de iteraciones mximo
Valores de SNRl
nmero de iteraciones mnimo
nmero de iteraciones promedio
nmero de iteraciones mximo
Valores de CONI
nmero de iteraciones mnimo
nmero de iteraciones promedio
nmero de iteraciones mximo
pg. 138
estadsticos
100
a
26
31.8
41
2.9
Kc
b
24.5
31.1
39.8
3.0
200
a
34
45.2
56
4.9
Kc
b
34.9
46.2
61.3
5.2
800
a
65
100.5
144
13.3
Kc
b
69.1
104.3
143.7
15.3
100
a
0.930
0.923
0.911
Kc
b
0.931
0.924
0.914
200
a
0.944
0.939
0.932
Kc
b
0.943
0.937
0.928
800
a
0.957
0.951
0.942
Kc
b
0.958
0.953
0.946
100
a
2.75
2.60
2.41
Kc
b
2.79
2.64
2.45
200
a
3.16
2.98
2.81
Kc
b
3.23
3.04
2.81
800
a
3.93
3.64
3.31
Kc
b
3.99
3.72
3.43
100
a
0.63
0.66
0.70
Kc
b
0.62
0.65
0.69
200
a
0.64
0.67
0.69
Kc
b
0.68
0.72
0.75
800
a
0.77
0.81
0.84
Kc
b
0.78
0.82
0.84
Tabla 6-1. En el primer cuadro se muestra, para el modelo con 100 Kc, 200 Kc y 800 Kc,
el nmero de iteraciones mnimo, promedio y mximo que indica el criterio CVR para una
realizacin determinada de ruido (columnas a) y para el promedio de 10 realizaciones de
ruido (columnas b) al contrastar la reconstruccin con 100 segundas proyecciones
diferentes. En las restantes tablas se muestra los valores de tres FDIVl para el nmero de
iteraciones mnimo, promedio y mximo que indica la primera tabla.
Mtodos de reconstruccin
Captulo 6
^ ^ ^
^ ^ ^ f c
P l ^ ^ ^ ^ w
^SM^^^W^^M
W ^ ^ ^ w W
*^^^mf^-
i^pif^y
pg. 139
estadsticos
i^^W
WT^^
j i ^ ^ ^
^^^fc
^^^m
I ^ J f
^^^tei
^^^^m ^^^m
^
A
m
%}^'''
^Z'^-.y
^
x i . - ^
^ ^ ^ 8 ,
'^zjijf
A
^
# ##
j ^ ^ ^
..^^fet
^ . ^ ' ^
S^^^^^^^
C
^
^
'^
^
^
^
^
w
^"^^^^^^^
%,*^^^
i ^ ^ s l .
^ ^ ^
w w w
w
^^^w
f^^W'
^ o '
iteracin 34
^ . t * '
rf^fek
iteracin 45
^C
'v
iteracin 56
Captulo 6
Mtodos de reconstruccin
estadsticos
pg. 140
estn
equilibrados.
Los
resultados
observados
en
CVR=0
(que reflejan
CON a u m e n t a a
de
respecto la proyeccin de
Captulo 6
la
Mtodos de reconstruccin
reconstruccin
obtenida
con
el
estadsticos
mtodo
pg. 141
es
CVR
aceptable
para
CVR
no
garantiza
la
minimizacin
maximizacin
de
estos
en
el
apartado
anterior.
Tambin
han
sido
generadas
se
han
incluido
la
simulacin
de
atenuacin,
PSF,
Captulo 6
Mtodos de reconstruccin
estadsticos
pg. 142
la primera
de estas
F D M permite
la evaluacin
del factor
de
s e obtienen
imgenes
que se
del parmetro
d e aceleracin
han producido
una fuerte
respecto
el parmetro
d e aceleracin,
para
poder
Mtodos de reconstruccin
Captulo 6
pg. 143
estadsticos
CON
1.2
'
1 '
1 '
1 ' 1
'
1 ' 1
o:
>
% \
0.4 -
-0.4o
10
20
30
40
50
eo
10
'
'
10
20
30
'
40
'
'
'
'
40
50
60
50
50
60
60
10
nmero de iteradones
'
30
nmero de iteraciones
nmero de iteradcnes
1.0
20
20
40
nmero de itenadcnes
1'
'1
C
M
Z ->
W
2
1
1/
/
. 1, 1 .
10
20
30
40
50
60
10
20
30
40
50
60
O
nmero de iteradones
nmero de iteradcnes
Figura 6-3. Estudio simulado con 200Kc. Representacin de CVR y otras FDM respecto
el nmero de iteraciones para SSA y =1 (rayas), =1.5 (punto-raya), =2 (continua) y
=2.5 (puntos). Tambin estn representados ios valores de AA y =2 (tringulosrepresentado cada cinco iteraciones).
Mtodos de reconstruccin
Captulo 6
pg. 144
estadsticos
la
Tabla
6-2,
que
los
valores
mximos
de
CC
SNR
son
algoritmos
de
reconstruccin
mientras
que
el
nmero
de
CC
Factor
CON2
C0N5
SNR2
SNR5
CVR=0
Valor
Ite
Valor
Ite
Valor
Ite
Valor
Ite
Valor
Ite
Ite
0.947
21
0.720
64
0.345
64
3.181
23
1.722
38
47
1.5
0.947
14
0.719
42
0.344
42
3.177
15
1.724
25
32
0.947
10
0.721
32
0.346
32
3.173
12
1.724
19
24
2.5
0.947
0.720
25
0.345
25
3.168
10
1.736
15
17
1.5
0.948
14
0.721
43
0.346
43
3.207
15
1.732
27
32
0.948
11
0.720
32
0.345
32
3.230
11
1.742
19
26
2.5
0.948
0.718
25
0.343
25
3.253
10
1.758
15
23
MLE-EM
1
SSA
AA
Tabla 6-2. Valores de las FDM y iteraciones necesarias para alcanzarlos para diferentes
factores de aceleracin. El mtodo sin aceleracin MLE-EM coincide con SSA y AA y
=1. De CC, SNR2 y SNR5 se muestran los valores mximos. De C0N2 y C0N5 los
valores ms prximos al obtenido para n=^ y 64 iteraciones. En la ltima columna est
indicado el nmero de iteraciones necesarios para que CVR sea negativo.
Mtodos de reconstruccin
Captulo 6
pg. 145
estadsticos
CC
en funcin del n m e r o
de
iteraciones para n=1 (lnea rayas cortas), para S S A n=2 (lnea continua) y
para
AA
(tringulos).
n=2
El
primer
conjunto
de
puntos
est
10
1.00
15
20
25
30
I ' I ' I
35
Repara 0=2
0.95 -
0.90 -
0,85
^eparan=1
0.80
10
20
30
40
50
60
70
nmero de iteraciones
Todos
estos
parmetro
de
resultados
son
sobrerelajacin
consistentes
acta
con
solamente
la
hiptesis
como
un
que
factor
el
de
Captulo 6
l\/ltodos de reconstruccin
estadsticos
pg. 146
1.5
2.5
SSA
1.506
2.005
2.440
AA
1.464
1.906
2.277
Tabla 6-3. Valor promedio sobre todas las FDM calculadas del factor de contraccin que
debe experimentar el eje de las iteraciones para que la grfica tenga un mximo ajuste
con la correspondiente a n=^.
cuentas
e n las proyecciones
estn
prcticamente
superpuestas,
100Kc
= 0.9935.
Mtodos de reconstruccin
Captulo 6
En
la
Figura
6-6
se
comparan
los
pg. 147
estadsticos
resultados
obtenidos
de
las
de
ambos
modelos,
aunque
cuantitativamente
existan
pequeas
diferencias.
1.2
'
0.
>
1 '
1 '
1 '
' 1 '
\ \ \
\ \ \
0.0
.. 1 r~-~t
. 1 , 1
o
10
20
30
50
60
10
20
30
40
50
60
nmero de iteraciones
nmero de iteraciones
10
10
20
30
40
50
60
10
nmero de iteraciones
20
30
40
50
nmero de iteraciones
4 -
10
-J
20
L
30
_l I L
40
50
nmero de iteraciones
60
10
20
30
40
50
60
nmero de iteraciones
Figura 6-5. Estudios simulados. CVR y otras FDM en funcin del nijmero de iteraciones
para SSA y n=2 y diferentes ntjmeros de cuentas en las proyecciones: 100Kc (puntos),
200Kc (lnea continua), 400Kc (punto-raya) y 800Kc (rayas).
Mtodos de reconstruccin
Captulo 6
Modelo real
Modelo numrico
CON2 C 0 N 5
SNR2 SNR5
Ite
CC
C0N2
C 0 N 5 SNR2
SNR5
0.946
0.530
0.201
3.131
1.514
11
0.939
0.566
0.236
2.838
1.498
0.932
0.700
0.320
2.848
1.678
22
0.930
0.678
0.331
2.714
1.670
0.443
1.974
1.397
Ite
CC
10
27
64
pg. 148
estadsticos
0.791
0.883
0.414
2.111
1.399
64
0.875
0.765
Tabla 6-4. Valores de las FDM obtenidas en la reconstruccin del modelo real y
numrico (200Kc) con SSA y n=2. En la primera fila de resultados se muestran los
valores de las FDM en la iteracin en el mximo de CC. La segunda est formada por los
valores de las FDM correspondientes a la iteracin en la que CVR cruza el cero. La
ltima fila presenta los valores de las FDM en la ltima iteracin realizada (64). Al ser
CON una funcin creciente, esta ltima imagen es para la cual el contraste es mximo.
10
20
30
40
50
60
10
nmero de iteraciones
10
20
30
40
20
30
40
50
nmero de iteraciones
50
10
nmero de iteraciones
20
30
40
50
nmero de Iteraciones
o:
o:
z
co
10
20
30
40
50
nmero de iteraciones
60
10
20
30
40
60
50
nmero de iteraciones
Figura 6-6. CVR y otras FDM respecto el nmero de iteraciones para SSA y n=2 de los
modelos real (puntos) y simulado (lnea continua) con 200Kc.
!\Atodos de reconstruccin
Captulo 6
pg. 149
estadsticos
en el
Se observa q u e el
pequeas
diferencias.
resultados
Las
FDM
dependientes
del
ruido
alcanzan
se
pueden
^ ^ ^ ^
Figura 6-7. Imgenes reconstruidas del modelo numrico (200Kc) y real con SSA y n=2 a
las iteraciones indicadas en la Tabla 6-4. En la fila superior se muestra correlativamente
el modelo numrico a las 10, 27 y 64 iteraciones. Anlogamente, en la inferior, se
presenta la reconstruccin del modelo real a las 11, 22 y 64 iteraciones respectivamente.
La Figura 6-7 muestra las imgenes reconstruidas con SSA y n=2 para las
proyecciones del modelo numrico (fila superior) y del modelo real (fila
inferior). En cada serie, la primera imagen corresponde a la iteracin
d o n d e CC alcanza su valor m x i m o . La imagen central es la obtenida
e m p l e a n d o CVR c o m o criterio de detencin del proceso iterativo (iteracin
en la q u e CVR cruza el cero). La ltima es la imagen obtenida en la ltima
Captulo 6
iteracin
Mtodos de reconstruccin
realizada
(iteracin
64). En
estadsticos
ambas
pg. 150
series
se
observa
un
mayor
muy
parecidos
para todos
Se
observan
pequeas
localizadas
en
de
las
pequeas
incrementa
la
rapidez
del
mtodo
en
un
orden
Por otra parte, el criterio CVR de detencin del proceso iterativo tiene un
c o m p o r t a m i e n t o correcto al utilizarse un parmetro d e aceleracin inferior
a 2.5. A l igual q u e con M L E sin aceleracin, CVR interrumpe el proceso
iterativo en un punto e n que los valores d e CC, SNR y CON estn bien
equilibrados. La buena concordancia entre los resultados numricos con
los reales sugiere q u e estos resultados son extrapolables a estudios
reales.
Captulo 6
Mtodos de reconstruccin
estadsticos
pg. 151
hacer q u e el
proceso
dejando de ser
una
las reales
como
el estudio
MLE
con
ha credo
conveniente
del
modelo
de
trax
con
los
siguientes
parmetros
Captulo 6
Mtodos de reconstruccin
estadsticos
pg. 152
6-8,
las cuatro
primeras
grficas
corresponden
los
Esto s e hace as
para
un s e g u n d o
conjunto
de
proyecciones,
distinto
cruzada
para
cada
0S=^
Captulo 6
Mtodos de reconstruccin
estadsticos
pg. 153
nmero de iteraciones
nmero de iteraciones
-r
o
o
Captulo 6
Mtodos de reconstruccin
estadsticos
pg. 154
d e acuerdo c o n la
indica lo
contrario.
i CL s o n peores
respecto
los conseguidos
con
0S=^.
Mtodos de reconstruccin
Captulo 6
estadsticos
pg. 155
1.00
0.95
0-9
20
40
60
20
nmero de iteraciones
-10000
nr
40
60
nmero de iteraciones
"T"
-11000
-12000
Q
-13000
-14000
-15000
-J
-16000
0
20
40
60
L
80 100 120 140 160 180
nmero de iteraciones
20
40
60
nmero de iteraciones
Figura 6-9. Resultados obtenidos a partir del modelo simulado de trax. Representacin
de CC, CONJ, CON4, DL (verosimilitud directa) y CL (verosimilitud cruzada) respecto el
nmero de iteraciones multiplicado por OS para diferentes valores de OS: 05=1
(continua), 05=10 (crculos blancos), 05=20 (crculos negros), 05=30 (cuadrados
blancos y 05=60 (cuadrados negros)
Captulo 6
Mtodos de reconstruccin
pg. 156
estadsticos
o
u
nmero de iteraciones
-7000
-7500
nr
nmero de iteraciones
-7000
T I I r
n
\\\IIIr
-7500
"
crT^-t-o-g-o-g-o-g-o-g-o-g-o-g-o-ii
Q
-8000 |-
-8500
-9000
-8000 |-8500
I
J
L
l i l i
20 40 60 80 100 120 140 160 180
nmero de iteraciones
TI\I1r
-9000
J
L
J
I
I
L
O 20 40 60 80 100 120 140 160 180
nmero de iteraciones
n
Mtodos de reconstruccin
Captulo 6
estadsticos
pg. 157
''V'.
"''-'W
semilogartmica.
realizaciones
de
ruido.
Los
Se
valores
representa
estn
promediados
tambin
mediante
sobre
una
10
lnea
OS.
Captulo 6
Mtodos de reconstruccin
estadsticos
pg. 158
O 10 20 30 40 50 60
OS
100 o
o
E
X
E
m
o
10 20 30 40 50 60
OS
10 20 30 40 50 60
OS
Captulo 6
Mtodos de reconstruccin
estadsticos
pg. 159
S e observa en las tres grficas que, para los valores menores de OS, el
ajuste entre los puntos experimentales y la prediccin terica e s muy
b u e n a . Las discrepancias, sin ser muy significativas, se producen para
valores d e OS g r a n d e s . S e observa, tambin, q u e el valor de OS en que
a p a r e c e n las primeras discordancias es menor para nmeros d e cuentas
inferiores, tanto en el modelo de Jaszczak c o m o en el modelo d e trax.
Finalmente, puede destacarse q u e el ajuste entre el modelo real y el
m o d e l o s i m u l a d o equivalente es bueno. En el m i s m o sentido, en la Tabla
6-5 s e muestra, para un realizacin d e ruido determinada, el valor de las
diferentes F D M en el punto de corte indicado por CVR. Se observa, q u e
para valores d e OS bajos, los valores de las F D M s o n anlogos. A d e m s ,
si el n m e r o d e iteraciones equivalentes (el producto de las iteraciones
por el n m e r o d e subconjuntos empleados) e s menor, entonces CC es
ligeramente superior y CON
inferior y viceversa.
Esto demuestra
la
si
el
nmero
de
subconjuntos
es
grande,
este
buen
CC
Modelo simulado
iteracin
CC
CON2
CON5
Modelo fsico
iteracin
CC
CON2
CON5
Modelo de trax
iteracin
CC
CON2
CON5
05=1
05=10
05=20
05=30
05=60
48
0.937
0.690
0.240
4
0.940
0.666
0.241
2
0.937
0.690
0.241
1
0.937
0.645
0.272
1
0.906
0.701
0.167
5
0.922
0.647
0.397
3
0.913
0.671
0,404
2
0.902
0.690
0.399
1
0.897
0.527
6
0.900
0.809
0.416
3
0.896
0.816
0.424
2
0.891
0.850
0.403
51
0.922
0.640
0.389
59
0.902
0.803
0.414
0.439
2
0.866
0.856
0.452
Tabla 6-5. Valores de las diferentes FDM en el punto de corte indicado por el criterio
CVR para diferentes imgenes. Todos ios modelos corresponden a 200 Kc.
Captulo 6
Mtodos de reconstruccin
estadsticos
pg. 160
^^^^^9tm
Jtf^^^^^fc.
i^^^S^^a
i^S'WMii^b
i^^^^^^^^^^^
'^^^^^^^^^^^^
^r^^^^^P
'l^^^p^B
Figura 6-14 Imgenes obtenidas con el criterio CVR para los modelos simulado 200Kc
(primera fila), modelo real (segunda fila) y modelo simulado de trax 200Kc (tercera fila).
Las diferentes imgenes corresponden, sucesivamente a valores de 05=1,10, 20, 30 y
60. El nmero de iteraciones se puede encontrar en la tabla 6-5.
de
reconstruccin
un factor
igual al n m e r o
de
No
nicamente
como
un
factor
de
aceleracin
se
obtienen
Captulo 6
Mtodos de reconstruccin
estadsticos
pg. 161
OS=W.
se
iteraciones en q u e o b t e n e m o s
la mejor i m a g e n .
Por
{0S=^).
Captulo 6
Mtodos de reconstruccin
estadsticos
pg. 162
Captulo 7
Comparacin de resultados
pg. 163
7. Comparacin de resultados.
Una
vez
estudiados
los
diferentes
mtodos
de
reconstruccin
[CEN-87][DEM-89].
donde
han
sido
comparados
diferentes
mtodos
de
Captulo 7
Comparacin de resultados
pg. 164
muy
los factores
prestaciones
de
los
de
aceleracin.
mtodos,
Slo
se
ha
pretendido
independientemente
del
ver
las
nmero
de
para el modelo de
Jaszczak
En la Figura 7-1 se m u e s t r a la evolucin de CC, CON!
y SNRJ en funcin
es
pg. 165
Comparacin de resultados
Captulo 7
el q u e e m p e o r a n , mientras q u e CONI a u m e n t a c o n t i n u a m e n t e .
modelo simulado
modelo real
20
40
60
iteraciones
modelo simulado
modelo real
iteraciones
modelo simulado
modelo real
20
40
60
iteraciones
Figura 7-1. Evolucin de las diferentes FDM en funcin de las iteraciones para el modelo
de Jaszczak simulado 200 Kc (primera columna de grficas) y el modelo real (segunda
columna). La lnea gruesa corresponde a la reconstruccin con MLE, la lnea delgada a
ART y la lnea discontinua IFBP.
Captulo 7
Comparacin de resultados
pg. 166
su valor
CC
CONl
SNRl
CC
CONl
SNRl
FBP+Ch
0.867
0.937
0.653
0.644
2.962
4.183
0.897
0.934
0.626
0.605
3.212
3.443
MLE
ART
IFBP
0.948
0.953
0.940
0.741
0.815
0.746
3.387
4.310
4.183
0.937
0.945
0.934
0.702
0.776
0.698
2.866
3.464
3.443
MLE (46)
ART (8)
IFBP (3)
0.938
0.951
0.940
0.705
0.704
0.659
3.033
3.989
3.501
0.927
0.942
0.934
0.673
0.685
0.624
2.663
3.325
3.033
FBP
II
Modelo real
Comparacin de resultados
Captulo 7
pg. 167
Figura 7-2 Imgenes obtenidas con los diferentes mtodos. La primera fila corresponde
al modelo simulado (200 Kc) y la segunda al modelo real. En cada fila, la primera imagen
corresponde a FBP, la segunda a FBP con aplicando una sola vez la el mtodo de
Chang de correccin de atenuacin, la tercera es MLE a la iteracin 46, la cuarta ART a
la iteracin 8 y la ltima IFBP a la tercera iteracin.
en
los diferentes
mtodos
iterativos, se
han
puesto
de
la
Captulo 7
Comparacin de resultados
pg. 168
regularizacin
de
la
solucin.
La
presencia
de
ruido
en
las
Squares)\
y a q u e el ruido
[CEN-83][NAT-88]
Introduciendo
mantendr
la solucin
siempre
es mnimo.
Captulo 7
Comparacin de resultados
pg. 169
parmetro d e regularizacin.
primero
son reconstruidas
las bajas
frecuencias d e la imagen y posteriormente las altas frecuencias [LOU83] [DEF-88] [PAN-91]. P o r t a n t e , la c o m p o n e n t e d e alta frecuencia del
ruido, q u e e s la q u e degrada la imagen, no e m p i e z a a ajustarse hasta
al
cabo
de
unas
iteraciones.
Al
interrumpir
el
proceso
de
modular
la solucin,
es
bueno
tener
mecanismos
que
M L E ) . P o r otra
parte, cuanto
menos
ruido
exista
sobre
las
Captulo 7
Comparacin de resultados
pg. 170
se prueban
los tres
mtodos
iterativos
con
los
obtenidos
con
el
mtodo
estndar
(FBP)
para
en
el
captulo
3.
De
esta
manera,
se
puede
conocer
determinar
Captulo 7
Comparacin de resultados
pg. 171
100 realizaciones de
ruido
Figura 7-3 Imagen numrica proveniente del ajuste mediante elipses de la seccin
reconstruida de un trax real. Las dos elipses oscuras interiores representan los
pulmones y la manctia clara del pulmn de la izquierda el tumor.
Captulo 7
Comparacin de resultados
pg. 172
daban
resultados
muy
parecidos
un
nmero
ms
distinto
de
representan
comprobarse
la
es que
desviacin
la evolucin
estndar.
de
Lo
los tres
primero
mtodos,
que
con
puede
estos
resultados
va
relacionado
directamente
con
el
ruido
sobre
las
Captulo 7
Comparacin de resultados
pg. 173
MLE-OS, 10 subconjuntos
10
15
iteraciones
ART, parmetro de relajacin = 0.4
10
15
iteraciones
IFBP, exponente del filtro = 1
Figura 7-4. Evolucin de CVM en funcin del nmero de iteraciones para los tres
mtodos de reconstruccin. La lnea representa el promedio sobre las 100 realizaciones
de ruido. Las barras de error representan la dispersin. El primer valor de la tercera
grfica corresponde a FBP.
Captulo 7
Comparacin de resultados
MLE-OS, 10 sube
Iteracin
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
1.936
3.055
4.074
4.811
5.308
5.659
5.923
6.136
6.318
6.478
6.624
6.760
6.890
7.014
7.134
7.248
%disp
CVM
%disp
6.875
10.122
11,522
12.083
12.374
12,575
12.720
12.841
12.939
13.101
13.289
13.461
13.630
13.791
13.953
14.114
2.369
3.349
4.155
4.729
5.130
5.425
5.655
5.846
6.010
6.156
6.290
6.414
6.530
6.639
6.741
6.839
6.186
8.683
9.929
10.591
11.015
11.294
11.548
11.788
12.010
12.211
12.396
12.563
12.729
12.886
13.031
13.175
pg. 174
IFBP, expon=1
( M/
2.578
2.588
3.797
4.765
5.260
5.578
5.822
6.026
6.203
6.360
6.504
6.638
6.763
6.882
6.994
7.102
1 %d.sO
7.297
7.271
9.806
10.720
11.394
11.863
12.259
12.574
12.820
12.991
13.110
13.231
13.359
13.456
13.542
13.602
Tabla 7-2. Valores de CVM respecto el nmero de iteraciones para los tres mtodos
iterativos. La primera columna es el valor promedio sobre 100 realizaciones y la segunda
el porcentaje que representa la dispersin sobre el promedio. Sombreado el valor ms
prximo al exacto (en este caso 6).
que
indica
relativa al f o n d o del
(el
pulmn)
Captulo 7
Comparacin de resultados
pg. 175
(por e j e m p l o 18-19 para 3400 Kc). Este factor, sin embargo, e s conocido
a priori. Dadas u n a s proyecciones, mirando el n m e r o de cuentas total
p u e d e determinarse las iteraciones necesarias.
la
Finalmente la Figura 7-5 muestra las imgenes obtenidas para FBP, M L E O S y 10 subconjuntos (7 iteraciones), A R T con parmetro de relajacin de
0.4 (9 iteraciones) y IFBP con e x p o n e n t e 1 (8 iteraciones). A u n q u e se
aprecian diferencias entre los distintos mtodos iterativos, sobre todo
M L E - O S respecto los otros dos, stas no se reflejan en el valor de CVM.
Captulo 7
pg. 176
Comparacin de resultados
____
/ '
10
15
20
iteraciones
pg. 177
Comparacin de resultados
Captulo 7
valor terico=12
valor terico=3
valor terico=6
valor terico=9
CVM
%disp
CVM
%disp
CVM
%disp
CVM
%disp
r^
1.589
8.221
2.578
7.297
3.605
6.457
4.608
5.101
0.9568
IVILE-OS (iter 7)
2.867
16.211
5.923
12.720
9.149
11.659
11.920
9.910
0.9989
a)
b)
c)
d)
Captulo 7
Comparacin de resultados
pg. 178
dependiente
de
la
realizacin
de
ruido
particular.
Aunque
en
que
la
dispersin
es
consecuencia
directa
del
ruido
observando
un
la
de
tamao
de
pixel,
radio
de
giro
de
la
Captulo 8
Conclusiones
pg. 179
8. Conclusiones
8.1. Captulo 3: Simulacin de proyecciones.
S e ha construido un simulador de proyecciones q u e
permite incluir el
imagen
numrica y dicha matriz de pesos. Tanto las diferentes pruebas a las que
se ha sometido el simulador c o m o la comparacin cualitativa de los
resultados obtenidos de proyecciones reales y de proyecciones simuladas
avalan la correcta implementacin del mismo y la adecuacin de las
aproximaciones realizadas. Existen, no obstante, pequeas diferencias
cuantitativas entre los resultados obtenidos de proyecciones numricas y
proyecciones
reales
justificables
por
las
diferentes
aproximaciones
llevadas a cabo.
de
la
calidad
de
la
reconstruccin
en
funcin
del
los
Captulo 8
Conclusiones
pg. 180
manera
que
sea
necesaria
una sola
iteracin
para
alcanzar
sobre
debe
ha
implementado
un
mtodo
iterativo
de
reconstruccin,
la
Captulo 8
Conclusiones
Respecto
del
nmero
de
pg. 181
iteraciones,
se
comprueba
que
el
a u m e n t a n d o el n m e r o de iteraciones en
de
ambos
parmetros
en
los
que
la
calidad
de
la
m x i m a verosimilitud
implementado
dos
esquemas
de
aceleracin
de
CVR.
este
Se
han
mtodo,
la
CVR
imgenes
de
propsito
general,
pues
en
ningn
caso
para
produce
Captulo 8
Conclusiones
pg. 182
CVR
ruidosas
contrastadas
dependiendo
de
la
proyeccin
de
la
de
pocas
iteraciones.
oscilatorio de la CVR,
El factor
2.5
produce
un
comportamiento
utilizar la CVR.
esquema
multiplicativo.
inversamente
Captulo 8
Conclusiones
pg. 183
SSA
como
para AA,
pues
produce
imgenes
con
valores
respecto
CC o SNR).
imagen
ordenados
mientras
el n m e r o
de
se
utiliza
un
nmero
de
subconjuntos
superior,
CVR
puede
Captulo 8
Conclusiones
pg. 184
Aunque
existen
pequeas
diferencias,
el comportamiento
de
las
mantiene su crecimiento.
que
puede
ser
determinado
mediante
estudios
general
frecuencia
(detalles),
principalmente
de
la
dado
imagen)
que
la
posteriormente
componente
de
las
de
ruido
la truncacin del
alta
afecta
proceso
El parmetro
combinacin
de
con
regularizacin
la
velocidad
es
el nmero
de
de
convergencia
iteraciones
del
en
mtodo.
disminuyendo
el
nmero
de
iteraciones,
se
consiguen
Captulo 8
Conclusiones
pg. 185
reconstruida
linealidad
aumenta
temas
que quedan
abiertos
posteriores
investigaciones
son
inmediato
que genere
proyecciones
de 5 1 2
bins
de
una
imagen
Captulo 8
Conclusiones
pg. 186
variantes
a
la
de
los
optimizacin
algoritmos
del
utilizados.
mtodo
MLE-OS.
Se
har
As
las
especial
mismo,
se
precisas
de
las
partes
del
cuerpo
simular
de
las
a la
Apndice A
Abreviaturas
pg. 187
AA:
ART:
CC:
Coeficiente de Correlacin.
CL:
CON:
Contraste.
CV:
Coeficiente de Variacin.
CVM:
CVR:
DL:
ECT:
EM:
FBP:
FDM:
FFT:
IFBP:
Kc:
M:
MLE:
verosimilitud.
MLE-OS: Mximum Likelihood Estimation with Ordered Subsets.'R.QConsm.ccin por
MLE utilizando subconjuntos ordenados.
N:
OS:
p:
PET:
q:
SNR:
SSA:
TC:
Tomografa Computerizada.
TF:
Transformada de Fourier.
Bibliografa
pg i
Bibliografa
[ABE-76]
[AND-89]
A.H.Andersen. "Algbrale Reconstruction in CT from Limited Views", IEEE Trans Med Imag,
8: 50-55, (1989).
[APE-88]
"APEX SPECT Manual: 5. Back Projection Filters", manual de las gammacmaras APEXSPECT de Elscint, 1988.
[ARC-95]
[AXE-84]
[BAI-87]
[BAK-80]
[BAR-81]
[BAR-94]
[BAR-97]
[BEC-82]
[BEE-93]
[BEL-79]
R.Bender, S.H.Bellman, R.Gordon. "ART and the Ribosome: A Preliminary Report on the
Three-Dimensional Structure of Individual Ribosomes Determined by Algbrale
Reconstruction Technique", J Theor BioL 29: 483-487, (1970).
[BER-86]
M.Bertero. "Regularization Methods for Linear Inverse Problems", publicado en el libro [INV86]: 52- 112.
[BOT-93]
Bibliografa
pg ii
[BRO-89]
G.Brozolo, M.Vitaletti. "Conjgate Gradient Subroutines for the IBM 3090 Vector Facility",
IBM JRes Develop, 33: 125-135, (1989).
[BUV-95]
[BYR-97]
[BYR-98]
C.L.Byme. "Accelerating the EMML Algorithm and Related Iterative Algorithms by Rescaled
Block-Iterative Methods", IEEE Trans Imag Process, 7: 100-109, (1998).
[CAO-96]
Z.J.Cao, L.E.Holder, C.C.Chen. "ptima! Number of Views in 360 SPECT Imaging", J yVwc/
Med, 37: 1740-1744,(1996).
[CAR-86]
[CEN-79]
Y.Censor, D.E.Guftanson, A.Lent, H.Tuy. "A New Approach to the Emission Computerized
Tomography Problem: Simultaneous Calculation of Attenuation and Activity Coefficients",
IEEE Trans Nuc Sci, NS-26: 2775-2779, (1979).
[CEN-81]
Y.Censor. "Row-Action Methods for Huge and Sparse Systems and their Applications", SIAM
Rev, 23:444-466,(1981).
[CEN-83a]
[CEN-83b]
Y.Censor. "Finite Series- Expansin Reconstruction Methods", Proc IEEE, 71: 409-419,
(1983).
[CEN-87]
[CEN-91]
[CHA-78]
[CHA-79]
[CHE-88]
[CHO-90]
[COA-91]
K.J Coakley. "A Cross-Validation Procedure for Stopping the EM Algorithm and
Deconvolution of Neutrn Depth Profile Spectra", IEEE Trans Nuc Sci, 38: 9-15, (1991).
Reconstruction
firom
Bibliografa
pg
iii
[COO-92]
[CRO-95]
[CUA-81 ]
[CUA-96]
[DAV-83]
Davison. "The Ill-Conditioned Nature of the Limited Angle Tomography Problem", SIAM J
Appl Math, 43: 428-448 (1983).
[DEB-88]
M.De Belder. "The Evaluation of Image Processing Algorithms for Use in Medical Imaging",
publicado en el libro [MAT-88]: 401-414.
[DEF-88]
M.Defrise. "Possible Gritera for Choosing the Number of Iterations in Some Iterative
Reconstruction Methods", publicado en el libro [MAT-88]: 293-303.
[DEM-77a]
[DEM-77b]
[DEM-89]
[DEP-9I]
[DEV-90]
[DOM-80]
[DUT-80]
[ELF-91]
T.Elfving. "Constrained Regularized Least Squares Problems", publicado en el libro [MAT91]: 153-166.
[ENG-86]
[FAL-93]
Bibliografa
pg iv
[FAL-94a]
[FAL-94b]
[FAL-95a]
[FAL-95b]
[FAL-96]
[FAL-97]
C. Falcn, D. Ros, I. Juvells, J. Pava. "A Cross-Validation Stopping Rule for Accelerated
Mximum Likelihood Estimation Reconstruction Algorithms in SPET", World Congress on
Medical Physics and Biomedical Engineering, Nice, 14-19 Septiembre, 1997. Publicado en
Med Biol Eng Comput, 35, supplement part 2: 811 (1997).
[FAL-98]
[FAL-99a]
C.Falcn, D.Fuster, I.Juvells, D.Ros, J.Pava. "Assessment of the OS-EM Iterative Algorithm
in the Quantifcation of the Relative Uptake of Hot Spots. A Simulation Study", European
Associafion of Nuclear Medicine Congress 1999, Barcelona, 9-12 Octubre, 1999.
[FAL-99b]
C.Falcn, I.Juvells, J.Pava, D.Ros. "Correcci d'Atenuaci i PSF amb el Mtode de Chang
Iteratiu a les Imatges d'SPECT Reconstrudes amb Retroprojecci Filtrada", XV Trobades
Cientfques de la Mediterrnia. Jornades de Recerca en Biofsica i Bioenginyeria: Noves
Tecnologies a Medicina, Ma, 20-22 Setembre, 1999.
[FAL-99C]
[FAR-90]
[FES-92]
[FLE-90]
Bibliografa
pg v
[FLO-84]
[FLO-85]
[FOR-89]
[FRE-84]
"Freeman and Johnson's Clinical Radionuclide Imaging" (3" edicin). L.M.Freeman (Ed.),
Grue & Stratton Inc, Orlando, 1984.
[FRE-90]
[FRE-91]
[FRE-93]
[GEL-88]
[GEM-84]
S.Geman, D.Geman. "Stochastic Relaxation, Gibbs Distributions and the Bayesian Restoration
of Images", IEEE Trans Pattern Anal and Machine Intell, PAMI-6: 712-741,(1984).
[GIL-72]
[GIL-91]
[GLI-91]
[GOL-89]
G.H.Golub, C.F.Van Loan. "Matrix Computations" (second edition). Johns Hopkins University
Press, London, 1989.
[GON-77]
[GOR-70]
R.Gordon, R.Bender, G.T.Herman. "Algbrale Reconstruction Techniques (ART) for ThreeDimensional Electron Microscopy and X-Ray Photography", J Theor Biol, 29: 471-481,
(1970).
[GOR-74]
R.Gordon, "A Tutorial on ART (Algbrale Reconstruction Techniques)", IEEE Trans Nuc Sci,
NS-21: 78-93, (1974).
[GRE-90]
Bibliografa
pg
vi
[GUA-94]
H.Guan, R.Gordon. "A Projection Access Order for Speedy Convergence of ART (Algebraic
Reconstruction Technique): A Multilevel Scheme for Computed Tomography" Phys Med Biol,
39:2005-2022,(1994).
[GUA-96]
[GUI-91]
[GUL-81]
[GUL-85]
G.T.Gullberg, R.H.Huesman, J.A.Malko, N.J.Pelc, T.F.Budinger. "An Attenuated ProjectorBackprojector for Iterative SPECT Reconstruction", Ph}>s MedBiol, 30: 799-816, (1985).
[HAN-90]
[HAR-84]
[HEB-88]
T.J.Hebert, R,Leahy, M.Singh. "Fast MLE for SPECT Using an Intermedate Polar
Representation and a Stopping Criterion", IEEE Trans Nuc Sci, 35: 615-619, (1988).
[HEB-90]
[HEB-92]
T.J.Hebert, S.S.Gopal. "The GEM MAP Algoritmh with 3 - 0 SPECT System Response", IEEE
Trans Med Imag, 11: 81-90, (1992).
[HEB-94]
T.J.Hebert, S.S.Gopal. "Mximum Likelihood Preprocessing for Improved Filtered BackProjection Reconstruction", JCompwMsi/j Tomogr, 18: 283-291, (1994).
[HER-78]
G.T.Herman, A.Lent, P.H.Lutz. "Relaxation Methods for Image Reconstruction", Comm ACM,
21: 152-158,(1978).
[HER-80]
G.T.Herman. "Image Reconstructions from Projections", Academic Press, New York, 1980.
[HER-87]
[HER-88]
[HER-89]
[HER-90]
Algorithms
Block-Iterative
Based
on
Task
Reconstruction
Bibliografa
pg
vil
[HER-91a]
[HER-91b]
[HER-93]
G.T.Herman,
L.B.Meyer.
"Algbrale Reconstruction Techniques
Computationally Efficient", IEEE Trans Med Imag, 12: 600-609, (1993).
[HIG-97]
[HUD-94]
[HUT-97]
[INO-89]
[rNV-86]
can
be
made
"Inverse Problems. Lectures Giren at the Ist 1986 Session of the CIME Held at Montecatini
Terme, Italy, May 28- JuneS, 1986", A.Dold, B.Eckmann (Eds), Lecture Notes in Mathematics
1225, Ed. Springer-Verlag, Berlin, 1986.
[JAF-90]
J.S.Jaffe. "Limited Angle Reconstruction Using Stabilized Algorithms", IEEE Trans Med
Imag, 9: 338-344, (1990).
[JAS-80]
[JAS-84]
[JAS-85]
[JER-77]
[JOY-84]
[JUV-94]
I.Juvells, C.Falcn, D.Ros, J.Pava, A.Garca. "Correccin de las degradaciones producidas por
la atenuacin, la dispersin y la respuesta del detector en imgenes de SPECT", IV Reunin
Nacional de ptica, Granada, 14-16 Septiembre, 1994. Publicado en el libro de Actas del
Congreso, pg 15-16.
[JUV-97a]
I. Juvells, C. Falcn, J. Pava, D. Ros. "Assessment of the Image Quality in Ordered Subsets
SPET Reconstrution", European Association of Nuclear Medicine Congress 1997, Glasgow,
23-27 Agost, 1997. Publicado en Eur JNucl Med, 24: 1036, (1997).
Bibliografa
P^S vn'/
[JUV-97b]
[KAK-84]
[KAM-96a]
[KAM-96b]
[KAM-98]
[KAO-98]
[KAR-90]
[KAU-87]
[KAW-85]
[KIN-9I]
[KrN-92]
[KIN-94]
[KNO-83]
[KOL-90]
I.Koltracht, P.Lancaster. "Constraining Strategies for Linear Iterative Processes", IMA J Numer
Anal, 10: 555-567,(1990).
[KOR-88]
[LAL-92]
D.S.Lalush, B.M.W.Tsui. " Attenuation and Detector Response Compensations Used with
Gbbs Prior Distributions for Mximum A Posteriori SPECT Reconstruction", IEEE Trans
Nuc Sci, 39: 1454-1459, (1992).
Bibliografa
pg ix
[LAL-94]
[LAN-84]
[LAN-87]
K.Lange, M.Bahn, R.Little. "A Theoretical Study of Some Mximum Likelihood Algorithms
for Emission and Transmission Tomography", IEEE Trans Med Imag, MI-6: 106-114 (1987).
[LAN-90]
[LEV-87]
[LEW-83]
[LEW-86]
[LI-94]
[LIA-89]
Z.Liang, R.Jaszczak, K.Greer. "On Bayesian Image Reconstruction from Projections: Uniform
and Nonuniform A Priori Source Information", IEEE Trans Med Imag, MI-8: 227-235,
(1989).
[LIA-91]
[LIA-92]
Z.Liang,
T.G.Turkington,
D.R.Gilland,
R.J.Jaszczak,
R.E.Coleman.
"Simultaneous
Compensation for Attenuation, Scatter and Detector Response for SPECT Reconstruction in
Three Dimensions", Phys MedBiol, 37: 487-603, (1992).
[LIA-93]
[LIE-93]
[LIN-91]
[LIU-96]
[LJU-89]
M.Ljungberg, S.E.Strand. "A Monte Cario Program for the Simulation of Scintillation Camera
Characteristics", Computer Methods and Programs in Biomedicine, 29: 257-272, (1989).
and Transmission
in SPECT
Bibliografa
pg
[LJU-90a]
[LJU-90b]
[LLA-a]
J.Llacer. "Image Reconstruction in the Sciences and Industry: The State of the Art", Lawrence
Berkeley Laboratory. University of California, (comunicacin interna, documento no
publicado).
[LLA-b]
[LLA-82]
[LLA-89]
J.Llacer, E.Veklerov. "Feasible Images and Practical Stopping Rules for Iterative Algorithms
in Emission Tomography", IEEE Trans Med Imag, 8: 186-193, (1989).
[LLA-90]
J.Llacer. "On the Validity of Hypothesis Testing for Feasibility of Image Reconstruction",
IEEE Trans Med Imag, 9: 226-230, (1990).
[LLA-93]
[LLO-93]
[LOG-75]
A.K.Louis. "Ghosts in Tomography. The Nuil Space of Radon Transform", Math Meth in Appl
Sc,2: 1-10,(1981).
[LOU-83]
[MAD-91]
[MAE-88]
[MAI-83]
[MAN-87]
Bibliografa
pg
xi
[MAN-88a]
S.H.Manglos, R.J.Jaszczak, C.E.Floyd. "Weighted Backprojection Implemented with a NonUniform Attenuation Map for Improved SPECT Quantitation", IEEE Trans Nuc Sci, 35: 625628, (1988).
[MAN-88b]
[MAN-95]
S.H.Manglos, G.M.Gagne, A.Krol, F.D.Thomas, R.Narayanaswamy. "Transmission MaximunLikelihood Reconstruction with Ordered Subsets for Cone Beam CT", Phys Med Biol, 40:
1225-1241,(1995).
[MAR-90]
[MAS-89]
[MAT-57]
R.L.Mather. "Gamma-Ray Collimator Penetration and Scattering Effects", J Appl Phys, 28:
1200-1207,(1957).
[MAT-88]
[MAT-91]
[MAZ-93]
A.Maze, J.Le Cloirec, Y.Bizais, P.Briandet, P.Bourget. "Iterative Reconstruction Methods for
Nonuniform Attenuation Distribution in SPECT", J.Nucl Med, 34: 1204-1209, (1993).
[MET-80]
[MET-86]
F.A.Mettler Jr, M.J.Guibertau. "Essentials of Nuclear Medicine Imaging" (2" edicin). Grue
& Stratton Inc, Orlando, 1986.
[MILL-85]
[MILL-92]
[MrN-87]
K.Minato, YN.Tang, G.W.Bennett, A.B.Brill. "Automatic Contour Detection Using a 'FixedPoint Hachimura-Kuwahara Filter' for SPECT Attenuation Correction", IEEE Trans Med
/mag, MI-6: 126-133,(1987).
[MOH-88]
of
Maximum-Likelihood
Bibliografa
pg
xii
[MSA-87]
[MSA-89]
[ML-96]
[MUR-93]
[MUR-94]
[NAT-86]
[NAT-88]
[NEL-65]
J.A.Nelder, R.Mead "A Simplex Method for Function Minimization", Computer Journal, 7:
308-313,(1965).
[NU-90]
J.Nuftez, J.Llacer. " A Fast Reconstruction Algorithm for Emission Tomography with Entropy
Prior Converging Feasible Images", IEEE Trans Med Imag, MI-9: 159-171, (1990).
[NU-91]
[OGA-84]
[OPP-89]
[OSK-88]
[PAN-91]
[PAN-93]
X.Pan, W.H.Wong, CT.Chen, J.Liu. "Correction for Photon Attenuation in SPECT: Analytica!
Framework, Average Attenuation Factors and a New Hybrid Approach", Phys Med Biol, 38:
1219-1234,(1993).
[PAN-96]
X.Pan, C.E,Metz, CT.Chen. "A Class of Analytica! Methods That Compnsate for Attenuation
and Spatially-Variant Resolution in 2D SPECT", IEEE Trans Nuc Sci, 43: 2244-2254, (1996).
in
Tomographic
Reconstructions
from
Bibliografa
pg
xiii
[PHY-87]
"Physics and Engineering of Medical Imaging", Proceeding of the NATO Advanced Study
Institute on Physics and Engineering of Medical Imaging, Maratea, Italy, 23 September-5
October, 1984. R.Guzzardi (Ed), Martinus Mijhoff Publishers, Dordrecht, 1987.
[PLA-90]
R.Plato, G.Vainikko. "On the Regularization of Projection Methods for Solving Ill-Posed
Problems", Numer Math, 57: 63-79, (1990).
[PRA-76]
W.K.Pratt. "Digital Image Processing", John Wiley & Sons, New York, 1978.
[PRE-92]
[PUC-97]
R.Puchal. "Filtros de Imagen en Medicina Nuclear", Ediciones Eurobook S.L., Madrid, 1997.
[RAD-86]
J.Radon. "On the Determination of Functions from their Integris Vales along Certain
Manifolds", IEEE Trans Med Imag, MI-5: 170-176, (1986). Traduccin al ingls del artculo
original de J.Radon "ber die Biestimmung von Funktionen durch irhe Integralwerte Langs
gewisser Mannigfaltigkeiten", Berichte Saechsische Akademie der Wissenschaften, 69: 262277,(1917).
[RIO-74]
[ROC-76]
[ROS-90]
M.S.Rosenthal, L.J.Henry. "Scattering in Uniform Media", Phys Med Biol, 35: 265-274,
(1990).
[ROS-93]
[ROS-95a]
[ROS-95b]
[ROS-96]
[ROS-98]
D.Ros, C.Falcn, I.Juvells, J.Pava. "A Cross-Validation Stopping Rule for Ordered Subsets
Reconstruction Algorithms in SPET" European Association of Nuclear Medicine Congress
1998, Berlin, 30 August -4 September, 1998. Publicado en Eur JNucl Med, 25: 1144, (1998).
[SCH-93]
[SEZ-82]
M.I.Sezan, H.Stark. "Image Restoration by the Method of Convex Projections: Part 2Applications and Numerical Results", IEEE Trans Med Imag MI-1: 95-101, (1982).
[SEZ-83]
M.I.Sezan, H.Stark. "Image Restoration by Convex Projections in the Presence of Noise", Appl
Opt, 22: 2781-2789,(1983).
Image
Bibliografa
pg
xiv
[SEZ-84]
[SEZ-92]
M.I.Sezan. "An Overview of Convex Projections Theory and its Application to Image
Recovery Problems", Ultramicroscopy, 40: 55-67, (1992).
[SHE-74]
L.A.Shepp, B.F.Logan. "The Fourier Reconstruction of a Head Section", IEEE Trans Nuc Sci,
NS-21: 21-34,(1974).
[SHE-82]
[SID-85]
[SIL-90]
[SIN-88]
[SMI-73]
[SMI-77]
[SMI-97]
[SNY-85]
D.L.Snyder, M.I.Miller. "The Use of Sieves to Stabilize Images Produced with the EM
Algorithm for Emission Tomography", IEEE Trans Nuc Sci, NS-32: 3864-3872, (1985).
[SNY-87]
D.L.Snyder, M.I.Miller, L.J.Thomas, D.G.Politte. "Noise and Edge Artifacts in MaximumLikelihood Reconstruction for Emission Tomography", IEEE Trans Med Imag, MI-6: 228238,(1987).
[STA-88]
[STA-89]
H.Stark, P.Oskoui. "High Resolution Imagen Recovery from Image-Plane Arrays, Using
Convex Projections", JOp Soc ^ , 7 7 ^ , 6: 1715-1726, (1989).
[STR-74]
O.N.Strand. "Theory and Methos Related to the Singular Function Expansin and the
Landweber's Iteration for Integral Equations of the First Kind", SIAM J Numer Anal, 11: 798825,(1974).
[TAM-81]
from
Finite Number of
Bibliografa
pg
xv
[TAN-86]
[TAN-87]
E.Tanaka. "A Fast Reconstruction Algorithm for Stationary Positrn Emission Tomography
Based on a Modified EM Algorithm", IEEE Trans Med Imag, MI-6: 98-105 (1987).
[TER-80]
[TIH-63]
[TIK-74]
[TIT-85]
[TSU-84]
[TSU-89]
[TSU-91]
[TSU-94]
[TUB-63]
[VEK-87]
E.Veklerov, J.Llacer. "Stopping Rule for the MLE Algorithm based on Statistical Hypothesis
Testing", IEEE Trans Med Imag IVlI-6: 313-319,(1987).
[VEK-88]
[VIE-88]
[WAL-81]
[WAL-96]
in Gamma
Bibliografa
pg
xvi
[WAN-92]
[WEL-97]
[WIL-93]
[WU-83]
C.F.J.Wu. "On the Convergence Properties of the EM Algorithm", Ann Statist, 11: 95-103,
(1983).
[XIA-97]
[XU-93]
Med Phys,
2Q:\61S-\6U,{\993).
[YAN-88]
[YOU-82]
D.C.Youla, H.Webb. "Image Restoration by the Method of Convex Projections: Part 1Theory", IEEE Trans Med Imag, MI-1: 81-94, (1982).
[YU-97]
[ZAR-92]
J.R.Zaragoza. "Fsica e Instrumentacin Mdicas", Ed. Cientficas y Tcnicas SA, MassonSalvat Medicina, Barcelona, 1992.
[ZEN-91]
i^SBSia
U N I V E R S I T A T D E
B A R C E L O N A