A reconstrução tomográfica de imagens com ruído Poisson tem grandes aplicações em medicina nuclear. A demanda por informações mais complexas, como por exemplo, várias secções de um órgão, e a necessidade de reduzir a dosagem radioativa a que o paciente é submetido, requerem métodos adequados para a reconstrução de imagem com baixa contagem, no caso, baixa relação sinal/ruído. A abordagem estatística, utilizando a máxima verossimilhança (ML) e o algoritmo Expectation-Maximization (EM), produz melhores resultados do que os métodos tradicionais, pois incorpora a natureza estatística do ruído no seu modelo. A presente tese apresenta uma solução alternativa, considerando também o modelo de ruído Poisson, que produz resultados comparáveis ao do ML-EM, porém com custo computacional bem menor. A metodologia proposta consiste, basicamente, em se estimar as projeções considerando o modelo de formação das projeções ruidosas, antes do processo da reconstrução. São discutidos vários estimadores otimizados, inclusive Bayesianos. Em especial, é mostrado que a transformação de ruído Poisson em ruído aditivo Gaussiano e independente do sinal (transformação de Anscombe), conjugada à estimativa, produz bons resultados. Se as projeções puderem ser consideradas, aproximadamente, transformadas de Radon da imagem a ser reconstruída, então pode ser aplicado um dos métodos da transformada para a reconstrução tomográfica. Dentre estes métodos, o da aplicação direta da transformada de Fourier foi avaliado mais detalhadamente devido ao seu grande potencial para reconstruções rápidas com processamento vetorial e processamento paralelo. A avaliação do método proposto foi realizada através de simulações, onde foram geradas as imagens originais e as projeções com ruído Poisson. Os resultados foramcomparados com métodos clássicos como a filtragem-retroprojeção, o ART e o ML-EM. Em particular, a transformação de Anscombe conjungada ao estimador heurístico (filtro de Maeda), mostrou resultados próximos aos do ML-EM, porém com tempo de processamento bem menor. Os resultados obtidos mostram a viabilidade da presente proposta vir a ser utilizada em aplicações clínicas na medicina nuclear. / Tomographic reconstruction of images with Poisson noise is in important problem in nuclear medicine. The need for more complete information, like the reconstruction of several sections of an organ, and the necessity to reduce patient absorbed radioactivity, suggest better methods to reconstruct images with low-count and low signal-to-noise ratio. Statistical approaches using Maximum Likelihood (ML) and the Expectation-Maximization (EM) algorithm lead to better results than classical methods, since ML-EM considers in its model the stochastic nature of the noise. This thesis presents an alternative solution, also using a Poisson noise model, that produces similar results as compared to ML-EM, but with much less computational cost. The proposed technique basically consists of projection estimation before reconstruction, taking into account a model for the formation of the noisy projections. Several optimal and Bayesian estimators are analysed. It is shown that the transformation of Poisson noise into Gaussian additive and independent noise (Anscombe Transformation), followed by estimation, yields good results. If the projection can be assumed as Radon transform of the image to be reconstructed, then it is possible to reconstruct using one of the transform methods. Among these methods, the Direct Fourier Method was analysed in detail, due to its applicability for fast reconstruction using array processors and parallel processing. Computer simulations were used in order to access this proposed technique. Phantoms and phantom projections with Poisson noise were generated. The results were compared with traditional methods like Filtering-Backprojection, Algebraic Rconstruction Technique (ART) and ML-EM. Specifically, the Anscombe transformation together with a heuristic estimator (Maeda\'s filter) produced results comparable to ML-EM, but spending only a fraction of the processing time.

A reconstrução tomográfica de imagens com ruído Poisson tem grandes aplicações em medicina nuclear. A demanda por informações mais complexas, como por exemplo, várias secções de um órgão, e a necessidade de reduzir a dosagem radioativa a que o paciente é submetido, requerem métodos adequados para a reconstrução de imagem com baixa contagem, no caso, baixa relação sinal/ruído. A abordagem estatística, utilizando a máxima verossimilhança (ML) e o algoritmo Expectation-Maximization (EM), produz melhores resultados do que os métodos tradicionais, pois incorpora a natureza estatística do ruído no seu modelo. A presente tese apresenta uma solução alternativa, considerando também o modelo de ruído Poisson, que produz resultados comparáveis ao do ML-EM, porém com custo computacional bem menor. A metodologia proposta consiste, basicamente, em se estimar as projeções considerando o modelo de formação das projeções ruidosas, antes do processo da reconstrução. São discutidos vários estimadores otimizados, inclusive Bayesianos. Em especial, é mostrado que a transformação de ruído Poisson em ruído aditivo Gaussiano e independente do sinal (transformação de Anscombe), conjugada à estimativa, produz bons resultados. Se as projeções puderem ser consideradas, aproximadamente, transformadas de Radon da imagem a ser reconstruída, então pode ser aplicado um dos métodos da transformada para a reconstrução tomográfica. Dentre estes métodos, o da aplicação direta da transformada de Fourier foi avaliado mais detalhadamente devido ao seu grande potencial para reconstruções rápidas com processamento vetorial e processamento paralelo. A avaliação do método proposto foi realizada através de simulações, onde foram geradas as imagens originais e as projeções com ruído Poisson. Os resultados foramcomparados com métodos clássicos como a filtragem-retroprojeção, o ART e o ML-EM. Em particular, a transformação de Anscombe conjungada ao estimador heurístico (filtro de Maeda), mostrou resultados próximos aos do ML-EM, porém com tempo de processamento bem menor. Os resultados obtidos mostram a viabilidade da presente proposta vir a ser utilizada em aplicações clínicas na medicina nuclear. / Tomographic reconstruction of images with Poisson noise is in important problem in nuclear medicine. The need for more complete information, like the reconstruction of several sections of an organ, and the necessity to reduce patient absorbed radioactivity, suggest better methods to reconstruct images with low-count and low signal-to-noise ratio. Statistical approaches using Maximum Likelihood (ML) and the Expectation-Maximization (EM) algorithm lead to better results than classical methods, since ML-EM considers in its model the stochastic nature of the noise. This thesis presents an alternative solution, also using a Poisson noise model, that produces similar results as compared to ML-EM, but with much less computational cost. The proposed technique basically consists of projection estimation before reconstruction, taking into account a model for the formation of the noisy projections. Several optimal and Bayesian estimators are analysed. It is shown that the transformation of Poisson noise into Gaussian additive and independent noise (Anscombe Transformation), followed by estimation, yields good results. If the projection can be assumed as Radon transform of the image to be reconstructed, then it is possible to reconstruct using one of the transform methods. Among these methods, the Direct Fourier Method was analysed in detail, due to its applicability for fast reconstruction using array processors and parallel processing. Computer simulations were used in order to access this proposed technique. Phantoms and phantom projections with Poisson noise were generated. The results were compared with traditional methods like Filtering-Backprojection, Algebraic Rconstruction Technique (ART) and ML-EM. Specifically, the Anscombe transformation together with a heuristic estimator (Maeda\'s filter) produced results comparable to ML-EM, but spending only a fraction of the processing time.

Submitted by Aelson Maciera (aelsoncm@terra.com.br) on 2017-05-25T18:35:31Z No. of bitstreams: 1 DissAMP.pdf: 2894495 bytes, checksum: 735a85fb9a045d24dcf0e59e0292a147 (MD5) / Approved for entry into archive by Ronildo Prado (ronisp@ufscar.br) on 2017-06-01T13:41:45Z (GMT) No. of bitstreams: 1 DissAMP.pdf: 2894495 bytes, checksum: 735a85fb9a045d24dcf0e59e0292a147 (MD5) / Approved for entry into archive by Ronildo Prado (ronisp@ufscar.br) on 2017-06-01T13:41:52Z (GMT) No. of bitstreams: 1 DissAMP.pdf: 2894495 bytes, checksum: 735a85fb9a045d24dcf0e59e0292a147 (MD5) / Made available in DSpace on 2017-06-01T13:48:47Z (GMT). No. of bitstreams: 1 DissAMP.pdf: 2894495 bytes, checksum: 735a85fb9a045d24dcf0e59e0292a147 (MD5) Previous issue date: 2017-02-07 / Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq) / The diagnostic imaging by computed tomography has become popular in recent decades. As the image acquisition method is effected by exposing the human body to X-ray dose (ionizing radiation), the frequent realization of diagnoses results in the accumulation of radiation, and may be a significant factor in the emergence of cancer diseases. This problem has motivated researchers to develop methods to reduce the dose of X-rays so that the image quality can be maintained. A common methodology involves applying algorithms for filtering noisy tomographic images that can be acquired under low dose of X-rays. This process may occur in the reconstructed image domain or tomographic projections domain. This work proposes a methodology for applying filtering Poisson noise present in tomographic sinogram, which uses the main anisotropic wavelets studied by the scientific community, which are: Curvelet, Contourlet, Shearlet. These wavelets apply the concept of multiscale and multidirectional analysis in a multidimensional signal, and may be advantageous in two-dimensional analysis of sinogram, preserving better image details in a noise reduction process compared to orthogonal wavelets. / Os diagnósticos por imagens através da tomografia computadorizada se popularizaram nas últimas décadas. Como o método de aquisiçao das imagens é efetuado pela exposto do corpo humano a uma dose de raios-X (radiacao ionizante), a frequente realizacão desse exame implica no acumulo de radiaçao, podendo ser um fator significativo para o surgimento de varios tipos de cancer. Essa problematica tem motivado pesquisadores a desenvolverem metodos para reduçao da dose de raios-X de forma que a qualidade da imagem possa ser mantida. Uma metodologia comumente abordada consiste na aplicacão de algoritmos de filtragem sobre imagens tomograficas ruidosas que podem ser adquiridas em condiçães de baixa dose de raios-X. Esse processo pode ocorrer no espaco da imagem reconstruída ou no espaço das projecoes tomograficas. Esse trabalho propoe aplicar uma metodologia para filtragem do ruído Poisson presente no sinograma tomo-grafico, a qual utiliza as principais wavelets anisotropicas estudadas pela comunidade científica, que sao: Curvelet, Contourlet e Shearlet. Essas wavelets aplicam o conceito de analise multiescala e multidirecional em um sinal multidimensional, e podem ser vantajosas na anúlise bidimensional do sinograma, preservando melhor detalhes da imagem em um processo de atenuacao do ruído se comparadas as wavelets ortogonais.

Esse trabalho apresenta uma nova metodologia para a correção do espectro de potência do ruído no processo de simulação de aquisições de imagens de tomossíntese digital mamária (Digital Breast Tomosynthesis - DBT) com doses reduzidas de radiação. A simulação é realizada por meio da inserção de ruído quântico dependente do sinal em imagens previamente adquiridas com a dose padrão de radiação. A DBT utiliza a mesma tecnologia de raios X que a mamografia digital, porém com a capacidade de prover ao médico exames do volume tridimensional da mama, minimizando o problema de superposição de tecidos. Apesar de ser o sucessor da mamografia, estudos têm mostrado que a otimização da relação entre a dose de radiação e a qualidade da imagem adquirida ainda não está bem estabelecida na DBT. Devido à impossibilidade de realizar diversas exposições de radiação a uma mesma paciente para os estudos de otimização da dose de radiação, é desejável que exista um método capaz de simular com exatidão diversas exposições tendo como base uma imagem clínica de referência. Embora existam diversos métodos para a simulação da redução de dose em exames mamográficos, o mesmo não pode ser dito quanto a imagens de DBT. O método desenvolvido para simulação da redução da dose de radiação em imagens de DBT se baseia em uma abordagem de inserção de ruído por meio de uma transformada de estabilização de variância, que já foi utilizada para simulação da redução de dose em exames de mamografia digital. Porém, esse trabalho propõe a inclusão da correção do espectro de potência do ruído para otimizar o desempenho do método de inserção de ruído para exames de DBT. Os resultados obtidos mostraram que, quando comparando a imagens de referência, a as imagens simuladas apresentaram erro menores que 1% para a análise do valor médio e desvio padrão e erro próximo de 5% para a análise do espectro de potência, apresentado resultados até 64% melhores que métodos não otimizados para DBT. / This work presents a new methodology for noise power spectrum correction in the simulation of digital breast tomosynthesis (DBT) images with reduced dose of radiation. The simulation is performed by inserting a signal-dependent quantum noise into previously acquired images with the standard dose of radiation. Using the same X-ray technology as a standard mammography, the DBT is capable of reconstructing the inner tissues of the patients\' breasts as a three-dimensional volume, providing more resources for cancer detection than its bi-dimensional counterpart and minimizing tissue overlapping. Despite being the successor to mammography, studies have shown that the optimization of the relationship between radiation dose and image quality is not well established in DBT yet. Due to the impossibility of exposing the same patient to multiple exams with different doses each, a simulation method able to mimic clinical images with high reliability is desirable. Despite the number of methods proposed for dose reduction simulation in mammography, scarcely any may be used in DBT. The method developed for simulation of radiation dose reduction in DBT images is based on a noise insertion approach using a variance-stabilizing transformation, which has already been used to simulate dose reduction in digital mammography exams. However, this work proposes the inclusion of the noise power spectrum correction to optimize the performance of the noise insertion method for DBT exams. The results showed that, when compared with reference images, the simulated images achieved less than 1% error for mean and standard deviation values and close to 5% error for power spectrum analysis, improving in up to 64% when compared with non-optimized for DBT simulation methods.

In x-ray imaging, the x-ray radiation must be the minimum necessary to achieve the required diagnostic objective, to ensure the patients safety. However, low-dose acquisitions yield images with low quality, which affect the radiologists image interpretation. Therefore, there is a compromise between image quality and radiation dose. This work proposes an image restoration framework capable of restoring low-dose acquisitions to achieve the quality of full-dose acquisitions. The contribution of the new method includes the capability of restoring images with quantum and electronic noise, pixel offset and variable detector gain. To validate the image processing chain, a simulation algorithm was proposed. The simulation generates low-dose DBT projections, starting from fulldose images. To investigate the feasibility of reducing the radiation dose in breast cancer screening programs, a simulated pre-clinical trial was conducted using the simulation and the image processing pipeline proposed in this work. Digital breast tomosynthesis (DBT) images from 72 patients were selected, and 5 human observers were invited for the experiment. The results suggested that a reduction of up to 30% in radiation dose could not be perceived by the human reader after the proposed image processing pipeline was applied. Thus, the image processing algorithm has the potential to decrease radiation levels in DBT, also decreasing the cancer induction risks associated with the exam. / Em programas de rastreamento de câncer de mama, a dose de radiação deve ser mantida o mínimo necessário para se alcançar o diagnóstico, para garantir a segurança dos pacientes. Entretanto, imagens adquiridas com dose de radiação reduzida possuem qualidade inferior. Assim, existe um equilíbrio entre a dose de radiação e a qualidade da imagem. Este trabalho propõe um algoritmo de restauração de imagens capaz de recuperar a qualidade das imagens de tomossíntese digital mamária, adquiridas com doses reduzidas de radiação, para alcançar a qualidade de imagens adquiridas com a dose de referência. As contribuições do trabalho incluem a melhoria do modelo de ruído, e a inclusão das características do detector, como o ganho variável do ruído quântico. Para a validação a cadeia de processamento, um método de simulação de redução de dose de radiação foi proposto. Para investigar a possibilidade de redução de dose de radiação utilizada na tomossíntese, um estudo pré-clínico foi conduzido utilizando o método de simulação proposto e a cadeia de processamento. Imagens clínicas de tomossíntese mamária de 72 pacientes foram selecionadas e cinco observadores foram convidados para participar do estudo. Os resultados sugeriram que, após a utilização do processamento proposto, uma redução de 30% de dose de radiação pôde ser alcançada sem que os observadores percebessem diferença nos níveis de ruído e borramento. Assim, o algoritmo de processamento tem o potencial de reduzir os níveis de radiação na tomossíntese mamária, reduzindo também os riscos de indução do câncer de mama.

Made available in DSpace on 2016-06-02T19:06:17Z (GMT). No. of bitstreams: 1 6285.pdf: 2877079 bytes, checksum: 80439eede94d8bbebc2443de9d032d34 (MD5) Previous issue date: 2014-05-23 / Universidade Federal de Sao Carlos / A common problem to applications such as positron emission tomography, low-exposure X-ray imaging, fluorescence microscopy, optical and infrared astronomy, and others, is the degradation of the original signal by Poisson Noise. This problem arises in applications in which the image acquisition process is based on counting photons reaching a detector surface during a given exposure time. Recently, a new algorithm for image denoising, called Nonlocal-Means (NLM), was proposed. The NLM algorithm consists of a nonlocal approach that explores the inherent image redundancy for denoising, that is, it explores the principle in which, in natural images, there are similar regions, yet locally disjoint. NLM was originally proposed for additive noise reduction. The goal of this work is to extend the NLM algorithm for Poisson noise filtering. To achieve this goal, symmetric divergences, also known as stochastic distances, have been applied as similarity metrics to the NLM algorithm. Stochastic distances assume a parametric model for the data distribution. Therefore they can accommodate different stochastic noise models. However, knowledge of the model parameters is necessary to calculate the stochastic distances. In this research, estimation and non-local filtering schemes were considered under Poisson noise hypothesis, leading to competitive results with the state of- the-art. / Um problema comum a aplicações como tomografia por emissão de pósitrons, imageamento por baixa exposição de raios-X, microscopia de fluorescência, astronomia ótica ou por infravermelho, dentre outras, é a degradação do sinal original por ruído Poisson. Esse problema surge em aplicações nas quais o processo de aquisição de imagem se baseia na contagem de fótons atingindo a superfície de um detector durante um dado tempo de exposição. Recentemente, um novo algoritmo para a redução de ruído em imagens, chamado Non Local-Means (NLM) foi proposto. O algoritmo NLM consiste em uma abordagem não-local que explora a redundância inerente da imagem para a filtragem de ruído, isto é, explora o principio em que, em imagens naturais existem muitas regiões similares, porém, localmente disjuntas. Essa abordagem foi originalmente proposta para a redução de ruído aditivo. O objetivo deste trabalho foi estender o algoritmo NLM para a filtragem de ruído Poisson, que é dependente de sinal. Para alcançar esse propósito, divergências simétricas, também conhecidas como distâncias estocásticas, foram utilizadas como métricas de similaridade para o algoritmo NLM. Distâncias estocásticas assumem um modelo paramétrico sobre a distribuição dos dados, portanto podem acomodar diferentes modelos estocásticos de ruído. No entanto, conhecimento dos parâmetros de modelo é necessário para o cálculo das distâncias estocásticas. Neste trabalho de pesquisa, esquemas de estimativa e filtragem não-local foram considerados sobre hipótese de ruído Poisson, levando a resultados competitivos com o estado-da-arte.

Esse trabalho apresenta uma nova metodologia para a correção do espectro de potência do ruído no processo de simulação de aquisições de imagens de tomossíntese digital mamária (Digital Breast Tomosynthesis - DBT) com doses reduzidas de radiação. A simulação é realizada por meio da inserção de ruído quântico dependente do sinal em imagens previamente adquiridas com a dose padrão de radiação. A DBT utiliza a mesma tecnologia de raios X que a mamografia digital, porém com a capacidade de prover ao médico exames do volume tridimensional da mama, minimizando o problema de superposição de tecidos. Apesar de ser o sucessor da mamografia, estudos têm mostrado que a otimização da relação entre a dose de radiação e a qualidade da imagem adquirida ainda não está bem estabelecida na DBT. Devido à impossibilidade de realizar diversas exposições de radiação a uma mesma paciente para os estudos de otimização da dose de radiação, é desejável que exista um método capaz de simular com exatidão diversas exposições tendo como base uma imagem clínica de referência. Embora existam diversos métodos para a simulação da redução de dose em exames mamográficos, o mesmo não pode ser dito quanto a imagens de DBT. O método desenvolvido para simulação da redução da dose de radiação em imagens de DBT se baseia em uma abordagem de inserção de ruído por meio de uma transformada de estabilização de variância, que já foi utilizada para simulação da redução de dose em exames de mamografia digital. Porém, esse trabalho propõe a inclusão da correção do espectro de potência do ruído para otimizar o desempenho do método de inserção de ruído para exames de DBT. Os resultados obtidos mostraram que, quando comparando a imagens de referência, a as imagens simuladas apresentaram erro menores que 1% para a análise do valor médio e desvio padrão e erro próximo de 5% para a análise do espectro de potência, apresentado resultados até 64% melhores que métodos não otimizados para DBT. / This work presents a new methodology for noise power spectrum correction in the simulation of digital breast tomosynthesis (DBT) images with reduced dose of radiation. The simulation is performed by inserting a signal-dependent quantum noise into previously acquired images with the standard dose of radiation. Using the same X-ray technology as a standard mammography, the DBT is capable of reconstructing the inner tissues of the patients\' breasts as a three-dimensional volume, providing more resources for cancer detection than its bi-dimensional counterpart and minimizing tissue overlapping. Despite being the successor to mammography, studies have shown that the optimization of the relationship between radiation dose and image quality is not well established in DBT yet. Due to the impossibility of exposing the same patient to multiple exams with different doses each, a simulation method able to mimic clinical images with high reliability is desirable. Despite the number of methods proposed for dose reduction simulation in mammography, scarcely any may be used in DBT. The method developed for simulation of radiation dose reduction in DBT images is based on a noise insertion approach using a variance-stabilizing transformation, which has already been used to simulate dose reduction in digital mammography exams. However, this work proposes the inclusion of the noise power spectrum correction to optimize the performance of the noise insertion method for DBT exams. The results showed that, when compared with reference images, the simulated images achieved less than 1% error for mean and standard deviation values and close to 5% error for power spectrum analysis, improving in up to 64% when compared with non-optimized for DBT simulation methods.

In x-ray imaging, the x-ray radiation must be the minimum necessary to achieve the required diagnostic objective, to ensure the patients safety. However, low-dose acquisitions yield images with low quality, which affect the radiologists image interpretation. Therefore, there is a compromise between image quality and radiation dose. This work proposes an image restoration framework capable of restoring low-dose acquisitions to achieve the quality of full-dose acquisitions. The contribution of the new method includes the capability of restoring images with quantum and electronic noise, pixel offset and variable detector gain. To validate the image processing chain, a simulation algorithm was proposed. The simulation generates low-dose DBT projections, starting from fulldose images. To investigate the feasibility of reducing the radiation dose in breast cancer screening programs, a simulated pre-clinical trial was conducted using the simulation and the image processing pipeline proposed in this work. Digital breast tomosynthesis (DBT) images from 72 patients were selected, and 5 human observers were invited for the experiment. The results suggested that a reduction of up to 30% in radiation dose could not be perceived by the human reader after the proposed image processing pipeline was applied. Thus, the image processing algorithm has the potential to decrease radiation levels in DBT, also decreasing the cancer induction risks associated with the exam. / Em programas de rastreamento de câncer de mama, a dose de radiação deve ser mantida o mínimo necessário para se alcançar o diagnóstico, para garantir a segurança dos pacientes. Entretanto, imagens adquiridas com dose de radiação reduzida possuem qualidade inferior. Assim, existe um equilíbrio entre a dose de radiação e a qualidade da imagem. Este trabalho propõe um algoritmo de restauração de imagens capaz de recuperar a qualidade das imagens de tomossíntese digital mamária, adquiridas com doses reduzidas de radiação, para alcançar a qualidade de imagens adquiridas com a dose de referência. As contribuições do trabalho incluem a melhoria do modelo de ruído, e a inclusão das características do detector, como o ganho variável do ruído quântico. Para a validação a cadeia de processamento, um método de simulação de redução de dose de radiação foi proposto. Para investigar a possibilidade de redução de dose de radiação utilizada na tomossíntese, um estudo pré-clínico foi conduzido utilizando o método de simulação proposto e a cadeia de processamento. Imagens clínicas de tomossíntese mamária de 72 pacientes foram selecionadas e cinco observadores foram convidados para participar do estudo. Os resultados sugeriram que, após a utilização do processamento proposto, uma redução de 30% de dose de radiação pôde ser alcançada sem que os observadores percebessem diferença nos níveis de ruído e borramento. Assim, o algoritmo de processamento tem o potencial de reduzir os níveis de radiação na tomossíntese mamária, reduzindo também os riscos de indução do câncer de mama.