Computertomographie

Die Computertomographie basiert wie die herkömmliche Radiographie auf dem physikali-schen Prinzip der Röntgenschwächung. Anders als dort werden hier jedoch Schnittbilder er-zeugt. Zur Aufnahme der Messwerte braucht nur die interessierende Objektschicht durch-strahlt zu werden. Bei Geräten der dritten Generation erfolgt die Bildaufnahme mittels Fä-cherstrahlprinzip mit rotierendem Detektorsystem, bei dem Röhre und Detektor um den selbst ruhenden Patienten bewegt werden (Abb. 4.6). Im Gegensatz dazu wird bei Geräten der vier-ten Generation nur noch die Röhre bewegt. Der Detektor ist starr [Hsie03]. Die auf den De-tektor auftreffende Röntgenstrahlung wird dabei, je nach Schwächung im Objekt, vom Detek-tor in ein mehr oder weniger großes elektrisches Signal umgewandelt. Nach der sich daran an-schließenden Digitalisierung der Messwerte erfolgt der Vorgang der Bildberechnung. Bei den in der klinischen Praxis verwendeten CT-Geräten werden zwei unterschiedliche Wege zur Bildrekonstruktion verwendet: das Iterationsverfahren und das Faltungsverfahren. Beide Ver-fahren arbeiten linear, d.h. aus einer Linearkombination der Schwächungswerte werden diese selbst ermittelt.

Der wichtigste variable Parameter bei der CT-Aufnahme, der auch die Bildqualität wesent-lich beeinflusst, ist die Schichtdicke. Diese kann bei herkömmwesent-lichen Geräten zwischen 1 mm und 10 mm betragen. Im Allgemeinen werden die Schichten aneinandergrenzend aufgenom-men. Die übliche Matrixgröße bei CT-Bildern beträgt 512x512 Pixel. Um eine bessere

Orts-Abb. 4.5: DSA-Aufnahme einer ovulären a-neurysmatischen Erweiterung der Arteria iliaca communis rechts (Pfeil) [Kasi98]. Die kleinen Gefäße sind nur sehr undeutlich zu erkennen, da sie ein geringes SNR aufweisen.

Abb. 4.6: Prinzipdarstellung des Fächerstrahl-prinzips, bei dem gemeinsam mit der Röntgen-röhre ein vielzelliges Detektorsystem um den Patienten läuft, aus [Schi87]

auflösung in XY-Richtung zu erreichen, ist auch die Rekonstruktion von Bildausschnitten möglich. Die dabei realisierte Bildelementgröße ergibt sich dann wie folgt:

Bildelementgröße = Messfeldgröße /Matrixgröße

= Gesamtmessfeldgröße / (Zoomfaktor *Matrixgröße) (4.4) Je größer die Schichtdicke und die Bildelementgröße gewählt werden, desto eher können im Datensatz Partialvolumeneffekte auftreten. Bei diesen kommt es infolge der Mittelung der Schwächungswerte mehrerer von einem Voxel gleichzeitig überdeckter Gewebe zu Kanten-verwaschungseffekten (Abb. 4.7). Neben der Wahl der Schichtdicke beeinflusst auch die Fest-legung des Heizstroms der Röhre die Bildqualität. Wird dieser zu gering gewählt, so kann es zu vermehrtem Quantenrauschen kommen.

Um eine bessere Vergleichbarkeit zwischen den rekonstruierten Schwächungswerten zu er-reichen, erfolgt bei der Computertomographie eine Normierung der ermittelten Schwä-chungswerte auf das Referenzmaterial Wasser mWasser (Abb. 4.8). Diese relativen Schwä-chungswerte werden in Houndsfield-Einheiten angegeben. Die Berechnungsvorschrift zur Umwandlung der Werte in die Hounsfield-Skala lautet wie folgt:

CT= ((m - mWasser)/ mWasser) * 1000 (4.5) Abb. 4.7: CT-Aufnahme eines Abdomens mit Aor-tenaneurysma

Abb. 4.8: Relative Schwächungswerte für ausgewählte Gewebearten bezogen auf die Schwä-chung des Wassers, aus [Lehm97]

Bei sich überschneidenden CT-Werten lassen sich die Gewebe anhand ihres Grauwertes im Bild nicht mehr voneinander unterscheiden. Eine Differenzierung zwischen einzelnen Struk-turen ist jedoch häufig dadurch möglich, dass die Organe von Fettgewebe begrenzt werden.

Zur Kodierung der Grauwerte werden im CT-Bild im Allgemeinen 12 Bit verwendet. Da zur Anzeige auf dem Bildschirm jedoch nur 256 Grauwerte zur Verfügung stehen, erfolgt zur Verbesserung der visuellen Darstellung keine lineare Skalierung der gemessenen Schwä-chungswerte, sondern es werden diagnostisch relevante Graustufenbereiche aus dem gesam-ten zur Verfügung stehenden Graustufenbereich herausgegriffen. Diese werden dann an-schließend einer Grauwertspreizung unterzogen (Abb. 4.9). Die Möglichkeit der Fensterung der Grauwerte sollte auch bei der Bearbeitung der CT-Bilder mittels Bildverarbeitung gege-ben sein, damit der Arzt z. B. bei der Bewertung der Ergebnisse die von ihm gewohnten Grauwertverhältnisse im Bild vorfindet.

Abb. 4.9: Darstellung eines CT-Bildes vom Abdomen ohne Fensterung (oben) und mittels Fensterung im Bereich der Weichteile (unten). Das untere Bild besitzt dadurch einen wesentlich höheren Kontrast, aus [Schi87]

Eine Verschlechterung der Bildqualität tritt auf, wenn sich der Patient während der Unter-suchung, z.B. durch Atmung, bewegt. Dies ist z.B. bei CT-Aufnahmen im Rahmen der Strah-lentherapie der Fall, da bei der Dauer der Bestrahlung der Patient gleichfalls Atmen muss.

Deshalb sollen diese Bewegungen auch in dem der Bestrahlungsplanung zugrunde gelegten CT enthalten sein. Sie führen zu einer starken Verwaschung der Objektkonturen (Abb. 4.10).

Bildstörungen in Form von Streifenartefakten treten infolge der Natur der Rekonstruktionsfil-ter bzw. infolge von Bildrauschen auf. Außerdem können an den Organgrenzen Partialvolu-meneffekte (PVE) entstehen. Weiterhin ergeben sich bei Patienten mit Metallen im Körper Bildstörungen durch Strahlaufhärtung und PVE. Die Effekte infolge der Strahlaufhärtung

las-sen sich algorithmisch korrigieren, was jedoch einen erhöhten Rechenaufwand bewirkt. Aus-führliche Betrachtungen zu Artefakten in CT-Bildern und Ansätze zu ihrer Reduktion sind in [Hsie03] und [Beut00] zu finden.

Zusammenfassend kann festgestellt werden, dass es sich bei der Röntgencomputertomo-graphie um ein Verfahren mit einer mittleren Auflösung und einem hohen Kontrast handelt.

Das Signal-Rausch-Verhältnis ist für viele Strukturen hoch. Auftretende Partialvolumeneffek-te können eine exakPartialvolumeneffek-te Segmentierung von ObjekPartialvolumeneffek-ten hingegen erschweren. Aufgrund der ho-hen Kosten und der Strahlenbelastung des Patienten besteho-hen Einschränkungen bezüglich der Durchführung von Vergleichsuntersuchungen. Günstig ist, dass die CT-Daten dreidimensio-nale Informationen enthalten, so dass eine 3D-Rekonstruktion der Strukturen im Datensatz möglich ist.

Typische Einsatzgebiete der Computertomographie in der medizinischen Diagnostik sind Untersuchungen der parenchymatösen Organe, des Gehirns und des Skelettsystems.

Zur Auswertung von CT-Daten werden sehr häufig Methoden der digitalen Bildverarbei-tung verwendet. Einige typische Beispiele sind die Segmentierung der Leber im Rahmen der Operationsplanung, die Segmentierung von Lymphknoten in Spiral-CT-Bildern zwecks Vo-lumenvermessung und die Erkennung von Hirntumoren. Aufgrund der guten Detektierbarkeit von Knochen in CT-Bildern existieren auch zahlreiche Arbeiten zur Erkennung von Knochengewebe, um über eine 3D-Gestaltrepräsentation das Design von Prothesen zu unter-stützen. Im Beispielteil im Kapitel 9 dieser Arbeit werden mehrere Segmentierungsansätze, die für CT-Datensätze entwickelt wurden, genauer betrachtet.