Forbedring af billedkvalitet ved hjælp af optimering af processeringsparametre i digital radiografi

Transkript

1 Forbedring af billedkvalitet ved hjælp af optimering af processeringsparametre i digital radiografi Af: Jane Kristine Rohde Hansen og Bo Rønne hold 59 Vejleder: Carsten A. Lauridsen Bachelor opgave Afleveret den 5. januar anslag inklusive mellemrum Professionshøjskolen Metropol Radiografuddannelsen Opgaven må gerne udlånes

2 Øverste billede på forsiden: skærmbillede af Canon MLT(S) processeringsindstillinger. Kilde: Canon - CXDI Image Processing Software MLT(S) - USER'S MANUAL. Canon 2008 s 7. Nederste billede på forsiden: røntgenbillede af et CDRADfantom. Kilde: Artinis - MANUAL CONTRAST-DETAIL PHANTOM CDRAD 2.0 & CDRAD Analyser software Version 1.1. Artinis Medical Systems S 20.

3 Abstract Forbedring af billedkvalitet ved hjælp af optimering af processeringsparametre i digital radiografi Improving image quality by optimisation of processing parameters in digital radiography Indførelsen af digital radiografi har grundlæggende ændret radiografernes profession. Denne teknologi tillader bl.a., at billedoptagelse, -bearbejdning og visning kan manipuleres uafhængigt af andre trin i billeddannelsen. Dette giver nye muligheder for at billeder kan bearbejdes mhp. at fremstille bestemte strukturer eller patologi bedst muligt, til gavn for patienterne. Digitaliseringen stiller ligeledes nye krav til viden om de faktorer, der påvirker billeddannelsen og -kvaliteten. Alligevel har kun få har indsigt i, hvordan processeringsalgoritmerne bearbejder og påvirker billederne. I forskningsmæssig sammenhæng har relativt få studier gennemført systematiske undersøgelser af, hvordan processeringsparameteroptimering kan forbedre billedkvalitet /reducere patientdosis, skønt både international og dansk lovgivning påbyder dette. Formålet med denne opgaven er at undersøge, hvordan billedkvaliteten af digitale røntgenbilleder kan forbedres vha. optimering af processeringsparameter-indstillinger fra to typer processeringssoftware Phillips UNIQUE og Canons MLT(S). Opgaven er overordnet inddelt i to hovedafsnit en teoretisk del, der giver en forståelsesramme for opgavens anden del, som præsenterer en besvarelse af opgavens formål. Vi har valgt at gøre sidstnævnte vha. af såvel en teoretisk som en praktisk tilgang. Den teoretiske vinkel belyses gennem analyse og diskussion af en videnskabelig artikel omhandlende optimering af billedkvalitet vha. processeringsparametre fra UNIQUE. Den praktiske vinkel belyses vha. analyse og diskussion af et forsøg, vi har udført med processeringsparametre fra MLT(S).

4 Overordnet konkluderer vi, at billedkvaliteten kan forbedres vha. optimering af de valgte processeringsparametre fra UNIQUE og MLT(S). Vi finder, at en høj værdi af støjreducerende parametre kombineret med en lille værdi af kantforstærkende parametre resulterer i den bedste billedkvalitet. Denne konklusion skal dog tages med forbehold. Dels fordi det kun er et mindre udvalg af parametre, der er undersøgt, dels fordi den anvendte metode til at måle billedkvalitet ikke kan stå alene, når effekten af parameterkombinationerne skal evalueres.

5 Forbedring af billedkvalitet ved hjælp af optimering af processeringsparametre i digital radiografi 1. Problemstilling...s 1 2. Afgrænsning...s 3 3. Problemformulering...s 4 4. Nøgleord...s 4 5. Overordnet metode...s Opbygning af opgaven...s Begrundelse for og præsentation af valgte artikel...s Litteratursøgning....s Ordvalg...s 9 6. Første del - teoretisk baggrund... s CDRAD-fantom og IQF... s CDRAD-Analyser program...s Visual grading analysis (VGA)...s Faktorielle forsøgsdesigns... s Digital billeddataproduktion og repræsentation... s Billedprocessering...s Kontrast, brightness og LUT... s Unsharp masking... s Multifreqency processing (MFP)...s 20 Virkemåden bag MFP... s 20 Opløsning i frekvensbånd....s 20 Frequency processesing...s 22 Rekonstruktion...s 22 Udvalgte UNIQUE-parametre...s 24 Udvalgte MLT(S)-parametre...s 25

6 7. Anden del optimering af processering...s Teoretisk del Eva Norrmans artikel...s Beskrivelse af Eva Norrmans artikel Optimization of image process parameters through factorial experiments using a flat panel detector...s Diskussion af Eva Norrmans resultater...s Praktisk del forsøg...s Materialer og udstyr til forsøget...s Forsøgets udførelse...s Overvejelser i forbindelse med design af forsøg...s 38 Valg af røntgensystem og billedbehandlingssoftware...s 38 Valg af teknikfaktorer og forsøgsopstilling...s 39 Valg af metode til evaluering af billedkvalitet...s 39 Valg af processerings-parametre...s 39 Praktiske hensyn ved forsøgets udførelse...s Statistisk analyse af data...s 43 Ensidig variansanalyse...s 43 Tukey-test...s Præsentation af forsøgsresultater...s 45 Tendenser i forsøgsresultaterne...s 45 Resultater af statistiske analyser...s Diskussion af forsøgsresultater...s Samlet diskussion af Eva Norrmans artikel og vores forsøg...s Konklusion...s Perspektivering...s Litteraturliste...s 61

7 11. Bilag... s Bilagsoversigt...s 67 Bilag 1...s 68 Bilag 2...s 70 Bilag 3...s 71 Bilag 4...s 73 Bilag 5...s 76

8 1. Problemstilling Indførelsen af digitalt røntgenudstyr har ændret radiografien og dermed radiografernes profession og arbejdsgang væsentligt man kan ligefrem tale om et paradigmeskift (1). Den digitale tidsalder tillader helt nye muligheder - eksempelvis lagres alle billeder i elektroniske arkiver, hvilket bl.a. muliggør visning af samme billede flere steder på én gang og fremsendelse af billeder over store afstande, hvilket åbner mulighed for telemedicin. Et andet kendetegn ved digitaliseringen er, at billedoptagelse, -bearbejdning og visning er separerede processer, som kan manipuleres uafhængigt af hverandre (2). Dette frembyder helt nye muligheder for at billeder kan bearbejdes mhp. at fremstille bestemte strukturer eller bestemt patologi bedst muligt (3). Som følge af dette, skabes der mulighed for at patientdosis kan reduceres, samtidig med at en høj billedkvalitet bevares (4). Såvel en forbedring af diagnostikken som en reduktion af dosis er til gavn for patienterne. Da vi stod overfor at skulle vælge emne til denne opgave, ønskede vi at fordybe os i noget, som vi manglede større indsigt i. Vi mente at digital radiografi ville være et godt valg, bl.a. af følgende grunde: I løbet af vores studietid har vi oplevet, at den digitale teknologi ikke blot byder på mange nye muligheder, men også at den stiller nye krav til viden om de faktorer, der påvirker billeddannelsen og -kvaliteten. Det er vores oplevelse, at mange muligheder indenfor digital radopgrafi langt fra altid udnyttes optimalt, bl.a. pga. manglende forståelse for, hvordan den digitale teknik fungerer. Det gælder på flere niveauer, både blandt basisradiograferne og blandt folk med specialindsigt på området. Fx er det vores oplevelse, at nogle radiografer med en ældre uddannelse er berøringsangste overfor arbejdet med digital radiografi. Og kun få har indsigt i, hvordan processeringsalgoritmerne bearbejder billederne, hvilke effekter de har på de færdige billeders udseende, og hvordan de udnyttes i praksis. At dette er en relevant problemstilling understøttes ligeledes i litteraturen. Her pointerer flere, at udviklingen af den kliniske anvendelse af digital radiografi, ikke er begrænset af manglen på tilgængelige teknikker, men mere af de professionelles forståelse for, 1

9 hvordan de fungerer (1, 5, 6). Problemstillingens relevans afspejles også af det faktum, at processering har en udhyre stor effekt på det færdige billede og dermed på billedets diagnostiske værdi (6, 7). Den softwarebaserede og meget matematiske databehandling har sikkert en stor del af skylden for denne manglende indsigt. Af andre faktorer med betydning kan nævnes, at digital teknik indeholder langt flere variable end analoge røntgensystemer. De velkendte teknik-faktorer som kv og mas bør optimeres på ny i forhold til forskellige digitale detektorer (pga. disses anderledes spektrale følsomhed (3, 8). Men særligt de mange forskellige processeringsparametre giver et væld af muligheder for at manipulere med billederne (2, 5). Det er vores indtryk, at de mange potentielle kombinationsmuligheder af teknik- og processeringsfaktorer ikke gennemprøves særlig systematisk mhp. optimering af billedkvalitet og/eller reduktion af dosis. Sådanne tiltag er ellers lovmæssigt bestemt. I både europæisk og dansk lovgivning påbydes det, at alle røntgenundersøgelser skal optimeres mht. kvalitet og dosis (9, 10). Gennemlæsning af diverse brugermanualer om billedprocessering har givet os det indtryk, at disse ofte er overfladiske eller ligefrem mangelfulde. Endnu en forvirrende faktor er, at forskellige producenters software indeholder forskellige parametre, som grundlæggende virker mere eller mindre forskelligt, eller parametre, som har forskellige navne trods lignende egenskaber. Samtidig er den videnskabelige litteratur på området sparsom (11). Nogle studier undersøger effekten af en enkelt eller få processeringsparametre (12-14), men få studier er mere omfattende og systematiske (4, 11, 15). Vi mener således, at der er væsentlige grunde til at beskæftige sig mere med, hvordan processeringssoftware til bearbejdning af digitale røntgenbilleder fungerer, og hvilke effekter de har på røntgenbilledernes fremtræden og dermed på billedkvaliteten. 2

10 2. Afgrænsning Der er mange aspekter ved digital radiografi, som kunne være interessante at fokusere på i forhold maksimal udnyttelse af teknologiens muligheder for frembringelse af diagnostisk gode røntgenbilleder. I denne opgave har vi valgt at fokusere på ét led i fremstillingen af det færdige røntgenbillede, nemlig processering af 'Digital X-ray' (DX) røntgenbilleder. Vi vil gerne undersøge, hvordan røntgenbilleders billedkvalitet kan forbedres vha. optimering af processeringsparametre. Vi ønsker at beskæftige os med nogle udvalgte parametre fra to forskellige producenters processeringssoftware, kaldet UNIQUE (produceret af Phillips) og MLT(S) (produceret af Canon). Når man taler om billedkvalitet er det relevant at overveje, hvordan denne størrelse skal måles og evalueres. Vi vil dog kun berøre denne problemstilling i det omfang, vi finder det nødvendigt for at undersøge vores emne. Optimering af billedkvalitet kædes ofte sammen med reduktion af dosis, fordi hensigten med førstnævnte netop ofte er at reducere dosis. I denne opgave vil vores fokus være på optimering af billedkvalitet, ikke på dosisreduktion. 3

11 3. Problemformulering Hvordan kan billedkvaliteten af digitale røntgenbilleder forbedres vha. optimering af processeringsparameter-indstillinger fra to typer processeringssoftware UNIQUE og MLT(S)? 4. Nøgleord Billedkvalitet: denne størrelse er et vidt begreb, som kan beskrive forskellige kvaliteter ved et røntgenbillede, alt afhængigt af billedets formål (16). Til brug i denne opgave har vi valgt en definition baseret på to væsentlige og objektivt målbare egenskaber - den rumlige opløsning og lavkonstrastopløsningen (17). Disse to størrelser kan udtrykkes i én numerisk værdi i form af en Image Quality Factor (IQF). IQF kan måles objektivt ud fra et røntgenbillede af et contrast-detail -fantom (CDRAD-fantom) (18). Digitalt røntgenbillede: denne betegnelse omfatter generelt alle former for Computed Radiography (CR) og (DX), som er kendetegnede ved at billeddata eksisterer på digital form (19). I denne opgave beskæftiger vi os udelukkende med DX. Når vi anvender begrebet digitalt røntgenbillede, mener vi derfor et røntgenbillede optaget vha. et DX-system. Optimering: med dette begreb mener vi den proces, hvormed noget gøres optimalt i forhold til et givent formål - her at forbedre billedkvaliteten. Processeringsparametre: hermed mener vi de forskellige software-værktøjer, som manipulerer det digitale billedes rådata mhp. at fremstille væsentlig information indeholdt i billedets data. Parameter-indstillinger: hermed menes det spænd af værdier, som den enkelte parameter kan indstilles på. 4

12 Processeringssoftware: med dette mener vi software fra en given producent af røntgenudstyr, indeholdende en samling af forskellige processeringsparametre. I denne opgave fokuserer vi på UNIQUE og MLT(S). 5

13 5. Overordnet metode I følgende afsnit vil vi give et overblik over opgavens indhold, beskrive vores litteratursøgning, præsentere den litteratur, vi har udvalgt til besvarelse af problemformuleringen samt gennemgå, hvorledes fagudtryk anvendes i opgaven. 5.1 Opbygning af opgaven Opgaven er overordnet inddelt i to hovedafsnit en teoretisk del (Første del - teoretisk baggrund) indeholdende baggrundsinformation om relevante emner, der sidenhen berøres under opgavens næste del (Anden del - optimering af processeringsparametre), som udgør besvarelsen af problemformuleringen. I opgavens anden del har vi valgt at besvare problemformuleringen vha. både en teoretisk og en praktisk indgangsvinkel. Den teoretiske vinkel udgøres af en videnskabelig artikel omhandlende optimering af billedkvalitet vha. udvalgte processeringsparametre fra Phillips UNIQUE. Denne artikels metodik og resultater vil vi beskrive og diskutere. En begrundelse for valget af artiklen og en præsentation af dens forfatter følger nedenfor. Den praktiske vinkel udgøres at et forsøg, vi selv har designet, udført, og hvis resultater, vi har analyseret. Til dette forsøg har vi anvendt udvalgte processeringsparametre fra Canon s MLT(S). Vi vil beskrive forsøgsudførelsen og vores overvejelser i dennne forbindelse, samt præsentere og diskutere dataanalysen og forsøgsresultaterne. Vi vil derefter samle de vigtigste pointer fra disse to vinkler samt fra opgavens teoretiske del, og diskuterer dette i en fælles diskussion - set i lyset af problemformuleringens spørgsmål. Dette vil munde ud i en konklusion og en perspektivering af de opnåede resultaters gyldighed og anvendelse indenfor vores profession. 5.2 Begrundelse for og præsentation af valgte artikel Til den teoretiske vinkel på besvarelsen af problemformuleringen, har vi valgt at anvende artiklen Optimization of image process parameters through factorial experiments using a flat panel detector. Artiklens hovedforfatter er Eva Norrman, og er en del af hendes Ph.D-afhandling (20) ved Institut for Naturvidenskab på Örebro 6

14 Universitet i Sverige. Norrman er nu ansat som ansvarlig fysiker ved Örebro Universitetshospital. Artiklen er publiceret i Physics in Medicine and Biology 2007(4). I det efterfølgende vil vi referere til Eva Norrman eller hendes artikel som EN. Vi har valgt denne artikel, fordi den er en af de få systematiske, videnskabelige undersøgelser af processeringsparametres effekt på billedkvalitet og af, hvorledes billedkvalitet kan forbedres vha. parameteroptimering. EN s forsøgsrække anvender flere slags forsøgsdesigns og billedkvalitet-evalueringsmetoder, hvilket styrker validiteten af hendes resultater. Ét af de anvendte forsøgsdesigns - det faktorielle forsøgsdesign har tjent som inspiration ved udformingen af vores eget forsøg. Vi har været tiltrukket af dette forsøgsdesign, fordi det muliggør en systematisk, objektiv undersøgelse af mange forskellige parameterkombinationer, både af de enkelte parametres særegne effekter, og de samspil, der kan eksistere mellem parametre. Denne systematiske tilgang mener vi, at mange andre undersøgelser af emnet har sprunget for let hen over. En anden årsag til valget af EN s artikel er, at hun anvender samme eller lignende udstyr som vi bruger i vores forsøg, hvilket muliggør en vis sammenligning af resultaterne. 5.3 Litteratursøgning Hovedparten af de anvendte artikler har vi fundet vha. søgninger i PubMed/MEDLINE. Vi har både søgt bredt og snævert vha. følgende søgeord - alene eller i forskellige kombinationer: Brede søgeord: digital x-ray image processing image quality algorithms optimization of postprocessing quality optimisation 7

15 Specifikke søgeord: multi frequency processing, multi objective frequency processing, multiscale processing og MLT(S) multiscale image contrast amplification og MUSICA unified image quality enhancement og UNIQUE unsharp masking Relevante artikler har vi brugt som udgangspunkt for videre søgninger, dels vha. søgefunktionen related articles i PubMed/MEDLINE, dels ved at gennemgå litteraturhenvisningerne fra de fundne artikler mhp. at finde nye referencer, primært andre artikler og Ph.D. afhandlinger. Fordi udbyttet fra søgninger på PubMed/MEDLINE i forhold til specifik litteratur om forskellige slags processeringssoftware har været begrænset, har vi suppleret med søgninger på Google med de specifikke søgeord. Herved har vi fundet flere relevante artikler. Vi har måttet konstatere, at det har været umuligt at anskaffe relevant litteratur om Canons MLT(S), med undtagelse af forskellige udgaver af opsætnings- og brugermanualer. Heller ikke personlig kontakt med en konsulent fra Santax (som sælger Canons produkter) har givet udbytte. De anvendte opsætnings- og brugermanualer om UNIQUE (21-23) og MLT(S) (24-27) er venligst udleveret af de radiologiske afdelinger på hhv. Rigshospitalet og Glostrup Hospital. En tredje producents software Agfas MUSICA har været lettere tilgængelig mht. fremskaffelse af litteratur. Da MUSICA, UNIQUE og MLT(S) er baserede på lignende processeringsmetoder, har vi i den overordnede gennemgang af processeringsmetoderne (beskrevet i afsnittet Multifreqency processing), valgt at tage udgangspunkt i MUSICA, selvom denne software ikke anvendes i opgaven. Vi vil supplere med teori om de i opgaven undersøgte processeringsparametre vha. oplysninger fra de nævnte manualer. 8

16 I forbindelse med udformningen af vores forsøgsdesign og den statistiske dataanalyse, har vi anvendt flere lærebøger om faktorielt forsøgsdesign og statistisk dataanalyse (28-30). 5.4 Ordvalg I opgaven har vi valgt at anvende danske udtryk når disse er almindeligt kendte. I de tilfælde, hvor der ikke findes gængse danske udtryk, har vi valgt at bruge de engelske fagudtryk. Første gang det engelske udtryk optræder i teksten vil det være markeret med citationstegn. Efterfølgende skrives udtrykket uden citationstegn. 9

17 6. Første del - teoretisk baggrund I denne del af opgaven vil vi beskrive den underliggende teori bag de vigtigste begreber og metoder, der anvendes i opgavens Anden del - optimering af processeringsparametre. Billedkvalitet kan måles og vurderes ved mange forskellige metoder, der spænder fra de rent fysisk målbare til de observatørafhængige og mere klinisk anvendelige metoder (4). Vi vil beskrive to metoder til at evaluere billedkvalitet. Den første er CDRAD-fantomet og den tilhørende IQF. Desuden beskrives det analyseprogram, der beregner IQF. Både EN og vi selv anvender CDRAD-fantom og analyseprogram. Den anden billedkvalitet-evalueringsmetode er Visual Grading Analysis (VGA), som er en metode, hvor anatomiske billeder vurderes ud fra opstillede kriterier. Denne metode anvendes ligeledes af EN. Dernæst vil vi give en kort indføring i de vigtigste principper i faktorielt forsøgsdesign, fordi dette design anvendes af EN, ligesom vi selv har været inspireret af det under opsætningen af vores forsøg. Tilslut vil vi beskrive, hvorledes udvalgte processeringsmetoder fungerer. Vi vil her først give en overordnet præsentation af digital datarepræsentation og af hele processeringsforløbet for et digitalt røntgenbillede. Dernæst følger en beskrivelse af virkningsmekanismerne for de valgte parametre fra UNIQUE og MLT(S), som anvendes i hhv. EN s og i vores eget forsøg. 6.1 CDRAD-fantom og IQF CDRAD-fantomet består af en kvadratisk plade af plexiglas (PMMA) på 265 x 265 x 10 mm. Pladen er inddelt i 15 rækker og 15 søjler - dvs. i alt 225 felter. I de tre øverste rækker er der i hver af disse firkanter boret ét hul, mens der i de øvrige rækker er boret to huller. Hullernes diameter og dybde aftager logaritmisk fra 8,0-0,3 mm i hhv. vertikal og horisontalt retning, således at hullerne bliver tiltagende mindre i både diameter og dybde, når man bevæger sig fra øverste højre hjørne til nederste venstre hjørne (31). Ændringen i huldiameter og dybde repræsenterer hhv. variationen i rumlig 10

18 opløsning og i lavkontrastopløsning. Evnen til at afbilde disse huller, afspejler røntgensystemets evne til at gengive små detaljer med lille kontrast (4, 31). Billeder af CDRAD-fantomet kan både analyseres med det blotte øje og vha. et computerprogram (fx CDRAD-Analyser). Uanset metode beregnes en IQF (se nedenfor). I hver firkant med to huller, vil det ene hul være placeret i centrum mens det andet hul er placeret i et vilkårligt valgt hjørne. Under både visuel aflæsning og computerbaseret analyse af et billede, skal positionen af det perifere hul bestemmes i de firkanter, som ligger i grænseområdet mellem de akkurat synlige og de usynlige huller. De observerede positioner sammenlignes med de sande positioner af hullerne. IQF defineres som summen af produkterne af dybde og diameter af de akkurat-synlige huller i hver række. Dette udtrykkes numerisk med formlen: 15 IQF = ф i x C i, th i = 1 Hvor i er søjlenummer (1-15) th angiver threshold (dybden af det mindste akkurat synlige hul) dvs. C i, th er dybden (i mm) af det mindste akkurat synlige hul ф i er huldiameteren (i mm) i søjle i (32) Jo mindre dybde og diameter de mindste synlige huller har, jo bedre høj- og lavkontrastopløsning gengives af røntgensystemet. Derfor indikerer en mindre IQFværdi en bedre billedkvalitet. Typisk spænder IQF fra 20 til 100 (4). 11

19 IQF kan også udtrykkes som invers IQF (inv. IQF) der beregnes som 1/IQF. Herved opnås en ligefrem proportionalitet mellem numerisk værdi og billedkvalitet. I vores eget forsøg har vi valgt denne måde at udtrykke IQF CDRAD-Analyser program Når computerprogrammet CDRAD-Analyser bruges til at beregne IQF, definerer programmet først kanterne af fantomet (markeret med blyholdig maling). Kanterne bruges til at bestemme positionerne af de 255 felter, som analyseres enkeltvist. I hvert af disse felter identificerer programmet det centrale hul og afsøger så de fire hjørner mhp. at lokalisere det perifere hul. Vha. en statistisk beregning afgøres det, om programmet rent faktisk har fundet det perifere hul, eller om lokaliseringen er tilfældigt udført. Det er muligt at ændre på signifikansniveau for programmet, hvilket ændrer fordelingen mellem sande og tilfældige bestemmelser (31). 6.3 Visual grading analysis (VGA) Hvis man benytter et antropomorft fantom eller evt. billeder af rigtige patienter til at måle billedkvalitet, kan sådanne billeder vurderes vha. fx VGA, som er en subjektiv evaluering udført af én eller flere observatører. En sådan metode er mere velegnet til at vurdere den kliniske anvendelighed af et givent billede, sammenlignet med objektive metoder som IQF (4). Vurderingen af de undersøgte billeder udføres i forhold til et referencebillede, jævnfør European Quality Criteria (EQC) (33). Ofte benyttes en absolut skala med fem trin fra -2 til 2, hvor der til hvert trin hører en beskrivende term - meget dårligere, dårligere, ens, bedre eller meget bedre end referencen. Inden analyse konverterer man oftest data til tal, hvorved der kan udregnes en Visual grading analysis score (VGAS). Dette udregnes som gennemsnittet af billederne i serien. Det skal bemærkes, at metoden kritiseres for at mangle validitet, fordi sammenhængen mellem eksempelvis meget dårlig og -2 er arbitrært valgt. Derfor er det statistisk forkert at udregne et gennemsnit i form af VGAS (34). 12

20 6.4 Faktorielle forsøgsdesigns EN anvender dette forsøgsdesign til nogle af sine forsøg, ligesom vi selv er inspireret af det under opsætningen af vores forsøg. Der findes mange varianter af det faktorielle forsøgsdesign, som er egnede til forskellige formål. Vi vil blot berøre de vigtigste principper. Faktorielle forsøg er grundlæggende opbygget således, at man vælger et bestemt antal niveauer af et bestemt antal faktorer, og undersøger alle tænkelige kombinationer af disse, hvor hver kombination udgør en observation. Fx anvendes hyppigt 2 k -designet, hvor man undersøger 2 niveauer (værdier) af k faktorer. De to niveauer kan eksempelvis være høj og lav. Det måles, hvorledes de forskellige kombinationer af niveauer og faktorer påvirker en given effektvariabel (28). En grafisk fremstilling af kombinationsmulighederne i et faktorielt forsøgsdesign er illustreret i figur 1. I denne opgave repræsenterer processeringsparametrene faktorerne, parameterværdierne udgør niveauerne, mens effektvariablen er IQF. Dette uddybes nærmere i afsnit 7.1 Teoretisk del - Norrmans artikel. Figur 1. Figuren illustrerer et faktorielt forsøgsdesign med 3 faktorer X1, X2 og X3, hver med 2 mulige niveauer. Dette udgør et såkaldt 2 3 forsøg. Hver kombination af en faktor og et niveau danner et hjørne i kuben Kilde: (35). 13

21 Faktorielle forsøgsdesign er en effektiv måde at undersøge både main effects (hovedeffekter) og interaction effects (interaktionseffekter) af mange faktorer på én gang. En hovedeffekt defineres som den ændring i effektvariablen, som følger af at ændre én faktors niveau fra lavt til højt. Hovedeffekten udtrykker således den selvstændige effekt, som en given faktor har på effektvariablen. En interaktionseffekt ses, når responset af én faktor afhænger af niveauerne af andre faktorer. Dette viser, at de pågældende faktorer vekselvirker med hinanden, og effekten på responsvariablen afhænger af egenskaberne ved denne interaktion. Tilstedeværelsen af interaktionseffekter kan afsløres ved, at der ikke er en lineær sammenhæng mellem effekten af en given faktor fra ét niveau til et andet niveau. Dette kan testes vha. et såkaldt central composite design, hvor der indføres ekstra datapunkter mellem yderpunkterne (20, 28). Når et faktorielt forsøgsdesigns planlægges, er det vigtigt at gøre sig hensigten klar. Hvis det ønskes at screene et større antal faktorer mhp. at identificere dem med størst effekt på effektvariablen, er et 2 k -design med et stort interval mellem lav og høj værdi ofte hensigtsmæssigt (20). 14

22 6.5 Digital billeddataproduktion og -repræsentation Som følge af en eksponering vil hver pixel i en røntgendetektors matrix producere et elektrisk signal, der er proportionelt med den absorberede strålingsenergi i den enkelte pixel. Signalerne forstærkes, digitaliseres og transformeres, fx så pixelværdierne er logaritmisk proportionelle med den absorberede strålingsenergi. Disse pixelværdier udgør det eksponerede billedes rådata, og udgør materialet for den efterfølgende processering (7, 36). Rådata rummer tre typer af information: rumlig lokalisering (angiver en x, y position), signalamplitude (som er proportionel med eksponeringsværdien og som omsættes til en gråtoneværdi i billedet) og rumlig frekvens (som beskriver strukturstørrelser). Høj rumlig frekvens-information (> 1 linjepar (lp)/mm) beskriver fine detaljer - fx trabeklerne i en knogle - men beskriver samtidig en væsentlig del af billedstøjen. Lav rumlig frekvens-information (< 0,1 lp/mm) beskriver større objekter og overordnede ændringer i gråtoneværdi - fx mellem mediastinum og lunger. Mange processeringsteknikker er baserede på amplitude- og rumlig frekvens-information (37, 38). Diverse billedprocesseringsoperationer kan kategoriseres som præ-processering, processering og post-processering alt afhængigt af, hvornår i forløbet datamanipulationerne finder sted (37). Nøjagtigt hvilke processeringer, der anvendes indenfor de forskellige kategorier, afhænger af producenten af røntgensystemets hardware og software (39). Hensigten med præ-processering er dels at producere rådata med en simpel relation til den absorberede røntgenstråling, dels at korrigere for detektorsystemets fejl, mangelfuldheder og uensartethed. Præ-processering omfatter typisk kortlægning af og korrektion for døde pixels, fjernelse af elektronisk støj samt korrektion af inhomogenitet mellem de enkelte pixelelementer Disse funktioner er indbyggede i detektorsystemet og er uden for operatørens rækkevidde (36, 37). 15

23 Processering omfatter mange forskellige slags operationer, hvis egenskaber og virkemåder afhænger af formålet med processeringen og af de enkelte producenters softwaredesign. Fælles er, at de virker på data således at én eller flere af følgende effekter på billedet opnås: det fotograferede objekts dynamiske område fremstilles optimalt. Dette sker vha. exposure recognition, som identificerer, hvilke eksponeringsværdier i rådata, der skal repræsentere hhv. min. og maks. gråtoneværdierne i objektets dynamiske område. Dernæst skal eksponeringsværdierne fra det valgte spænd af rådata præsenteres på en passende gråtoneskala dette sker vha. bestemte kontrastkurver ( look-up-table LUT - se nedenfor) (6, 36, 38). kontrasten i billedet gengives optimalt. Kontrastforstærkning har til hensigt at optimere kontrastgengivelsen ved at øge kontrasten mellem lokale vævsstrukturer (lokal kontrast) uden at ændre billedets overordnede kontrast (global kontrast). Herved opnås et billede, der samtidig har høj kontrast og en bred eksponeringsspændvidde (36, 38). den rumlige opløsning af det digitale røntgensystem optimeres (kantforstærkning). Kantforstærkning forbedrer synligheden af fine højkontrast detaljer, som delvist går tabt fordi detektorsystemet mister noget af signalet under dataopsamlingen. Teknikken virker ved at forstærke de højfrekvente signaler i billedet, men har den side-effekt, at billedstøjen også forstærkes. En anden ulempe er, at kantforstærkning kan introducere artefakter i billedet (36, 38). billedstøj undertrykkes. Støjreducerende processeringsmetoder forsøger at mindske det visuelle indtryk af billedstøjen. Dette sker generelt ved at reducere forstærkningen af de højfrekvente signaler, som både indeholder struktur- og støjinformation. Konsekvensen af sådanne processeringer vil derfor reducere skarpheden af de fine detaljer. Da kantforstærkning og støjereduktionsprocesseringer således kommer i konflikt, er støjreducerende metoder forsøgt konstrueret således, at de primært opererer i områder af billedet, som indeholder mindre mængder af fin-detaljeret 16

24 strukturinformation (36, 38), eller dæmper forstærkningen i undereksponerede områder, som har et lille signal-støjforhold (hvor støjen er mere dominerende) (21). Post-processering dækker over den manipulation, der kan udføres på det færdige billede, fx på en PACS-station. Typisk drejer det sig om ændring af kontrast og gråtoneværdier vha. window-level-manipulation. Sådanne ændringer er normalt ikke permanente (37). 6.6 Billedprocessering De overordnede processeringsværktøjer, der gennemgås i dette afsnit, er kontrast og brightness (og herunder LUT), Unsharp making og forskellige parametre indenfor UNIQUE og MLT(S), som tilhører en processeringsklasse kaldet multifrequency processesing (MFP). Alle disse parametre indgår i EN s og/eller vores eget forsøg Kontrast, brightness og LUT Kontrast og brightness påvirker billedets overordnede indtryk i form af kontrast og lysstyrke. Det er en punktprocessering fordi den enkelte pixels værdi ændres uden indflydelse fra nabopixelværdier. Punktprocesseringen kan være lineær (fx en additionsfunktion) eller non-lineær (fx en eksponentiel funktion) (39). Input- og outputværdierne af en punktprocessering vises typisk vha. en tabel (look-up-table - LUT) eller en kurve, som omsætter eksponeringsværdierne (input-værdierne) til gråtoner på displaymonitoren (output-værdierne), og dens form afhænger af den anvendte punktprocessering. I digital radiografi anvendes oftest S-formede LUT-kurver, som giver billedet et udseende, der ligner det fra film-folie systemerne - se figur 2. Forskellige producenter tillader forskellige grader af kontrol over LUT-kurvens udseende. Typisk kan kontrasten justeres ved at ændre hældningen af den rette del af LUT-kurven, som benævnes gamma (39). Gamma indgår som en af de undersøgte parametre i EN s artikel. I vores eget forsøg har vi valgt en lineær LUT-kurve frem for standard, der som nævnt er S-formet. Se afsnit Valg af processeringsparametre. 17

25 Figur 2. Figuren viser en LUT-kurve med outputværdier (gråtoneværdier) som funktion af inputværdier (eksponeringsværdier). Kontrasten i billedet justeres ved at ændre LUTkurvens hældning, mens brightness justeres ved at flytte hele kurven til højre eller venstre. Kilde: (39) s Unsharp masking Den mest anvendte processeringsteknik indenfor DX har traditionelt været unsharp masking (UM), som oprindeligt var udviklet til at forbedre udseendet på thorax filmfoliebilleder (i begyndelsen af 80 erne) og siden blev udviklet til at optimere digitale billeder på de første CR-systemer (Fuji, i begyndelsen af 90 erne) (36). Vha. UM kan det fotograferede objekts dynamiske område reduceres mhp. at øge kontrasten, ligesom UM kan bruges til kantforstærkning. Den klassiske UM har dog flere uheldige side-effekter, bl.a. kan der introduceres artefakter omkring bratte kontrastovergange i billedet (fx mellem en protese og vævet). Sådanne artefakter undgås ved i stedet at benytte mere moderne processeringsmetoder som MFP (36, 39). I korte træk virker UM ved, at en blurred (sløret) repræsentation af det originale billede skabes. Dette kaldes et low-pass billede. Low-pass billedet subtraheres det originale billede og herved skabes et high-pass billede, indeholdende den højfrekvente 18

26 billedinformation. High-pass billedet kombineres med det originale billede med en passende vægtningsfaktor for således at opnå det kantforstærkede billede (36). Det slørede low-pass billede dannes ved en såkaldt local neighbourhood operation vha. en kernel (et filter). Hver pixel i et neighbourhood svarende til kernel ens størrelse multipliceres med værdierne i kernel en. Resultaterne af denne operationen adderes og danner en ny pixelværdi i et nyt billede. Positionen af denne ny pixelværdi svarer til positionen af kernel ens center-pixel. (39). Processen er illustreret i figur 3. Figur 3. Figuren illustrerer effekten af en 3x3 kernel. Værdien af hver pixel i et originalt billede bearbejdes med værdierne i de tilsvarende felter i kernel en. Resultaterne af denne operationen adderes og danner en ny pixelværdi i et nyt billede. Kilde: (17) s 312. Effekten af UM på det færdige billede afhænger af faktorer relateret til kernel en dens værdier og dens størrelse. Effekten afhænger ligeledes af størrelsen af den vægtningsfaktor (også kaldet forstærkningsfaktor), som kombinerer high-pass billedet med originalbilledet (39). UM-kernel (UM-K) og UM-forstærkningsfaktor (UM-F) er to parametre, som undersøges i EN s artikel. 19

27 6.6.3 Multifreqency processing (MFP) De nyeste processeringsmetoder er baserede på MFP, som principielt set anvender samme teknik som UM, men processeringen er mere avanceret (36, 39). Fordelene er at teknikken er mindre tilbøjelig til at producere artefakter og at billedets naturlige udseende bevares. Til gengæld forstærkes dog en del billedstøj (40, 41). MFP er den overordnede processeringsmetode, som de fleste af de i opgaven undersøgte parametre falder ind under. Vi beskriver først princippet bag MFP og dernæst de specifikke UNIQUE- og MLT(S)-parametre, som anvendes af EN eller os selv. Virkemåden bag MFP Som beskrevet i afsnittet Overordnet metode, har vi måttet ty til Agfa s MUSICA, for at finde tilgængelig litteratur om MFP s virkemåde. Vi formoder at MLT(S) og UNIQUE har en del fællestræk med MUSICA mht. de grundlæggende principper for nedbrydning af billedet i frekvensbånd (se nærmere nedenfor). MUSICA er en forkortelse af Multiscale Image Contrast Amplification. Overordnet fungerer denne processering ved at opløse det originale billede (rådata) i et antal billedelementer (frekvensbånd), som hver især repræsenterer individuelle frekvens- og kontrastinformationer. Processeringsoperationene, hvis primære effekt er at forstærke kontrasten i billedet, virker individuelt på de enkelte frekvensbånd, som tilslut atter fusioneres til et færdigt og kontrastforstærket billede (40). Opløsning i frekvensbånd Opløsningen af billedet i frekvensbånd sker efter en transformationsmetode kaldet Laplacian pyramid transform, hvor originalbilledet low-pass filtreres (sløres) med en såkaldt 5x5 Gaussian kernel. Det heraf fremkomne billede halveres i opløsning (for at reducere datamængden) og benævnes g1. Dette billede interpoleres til den originale billedstørrelse, og subtraheres det originale billede. Produktet heraf er det første subband billede eller frekvensbånd (b0), som indeholder det fineste niveau i den Laplacianske pyramide, dvs. de højeste frekvenser i billedet. 20

28 Processen gentages, nu på det reducerede low-pass billede fra før (g1), som low-pass filtreres, halveres, interpoleres og subtraheres fra det forrige interpolerede low-pass billede. Herved dannes et nyt frekvensbånd (b1), og så fremdeles indtil det sidste, halverede billede fremkommer (gl), som kun fylder 1 pixel (40, 41) - se figur 4. For hvert stadie i pyramideopløsningen reduceres detaljegraden trinvist, og differencerne mellem de fortløbende, slørende filtreringer lagres i de tilhørende lag i den Laplacianske pyramide. Disse udgør et antal frekvensbånd rummende den billedlige information i form af detaljer på alle niveauer (40, 41). Et 2kx2k billede vil opløses i 11 frekvensbånd - også kaldet scales (heraf navnet multiscale frequency processing ) (42). Figur 4. Figuren viser første del af processeringen af et billede med MUSICA software. I venstre del opløses billedet i 11 frekvens bånd. Det højeste frekvensbånd kaldes g1 - det laveste g11. I højre del rekonstrueres billedet igen. Kilde: (41) s

29 Frequency processesing Den egentlige processering kan nu påføres de enkelte frekvensbånd, hvor der foretages en non-lineær kontrastforstærkning, idet kontrasten af lavkontrast-stukturer forstærkes mens kontrasten af højkontrast-strukturer mindskes. Herved øges synligheden af strukturer med svag kontrast, samtidig med at billedets originale look bevares (40, 41). Denne kontrast equalization er den basale og den væsentligste billedforstærkningsmetode i MUSICA, og til mange undersøgelser er det den eneste anvendte. Andre operationer kan dog også udføres, fx kantforstærkning (bruges til ekstremitetsundersøgelser) og reduktion af det dynamiske område (benævnes lattitude reduction i MUSICA - bruges fx til skulderundersøgelser) (41). Et eksempel på disse MUSICA-parametres særegne effekt på et axial-billede af Calcaneus ses i Figur 5. Rekonstruktion Efter processeringen er fuldført rekonstrueres billedet vha. den inverse transformation af den Laplacianske pyramide. Processen udføres i den modsatte rækkefølge, startende fra det største frekvensbånds-billede (40, 41). En skematisk oversigt over principperne for MUSICA s virkemåde ses i figur 6. 22

30 Figur 5. Figuren viser effekten af 3 MUSICA-processeringsparametre på et axialbillede af Calcaneus. På alle billederne er der valgt høje parameter værdier. Øverste venstre: Original billede. Øverste højre: Kantforstærkning. Små detaljer forstærkes meget, men der dannes også artefakter omkring kollimeringskanten. Nederste venstre: Kontrast equalization. Forstærker alle detaljer uden artefakt dannelse. Nederst højre: Lattitude reduction. Forbedrer synligheden af små og mellem store detaljer, men ikke i samme grad som Kontrast equalization. Eksempelvis er tæerne ikke synlige Kilde: (41) s

31 Figur 6. Figuren illustrerer princippet i MUSICA-.processering med den Laplacianske pyramide. I venstre side ses nedbrydningen i frekvensbånd, i midten ses procesesseringen af individuelle frekvensbånd (både den grundlæggende contrast equalization og evt. supplerende processering), og til højre ses rekonstruktionen til det færdige, bearbejdede billede. Kilde: (41) s 97. Udvalgte UNIQUE-parametre UNIQUE er en forkortelse af Unified Image Quality Enhancement. Følgende er baseret på brugermanualerne til UNIQUE (21-23). ROI density bestemmer den gennemsnitlige gråtoneværdi i et område af størst interesse ( Region of interest ROI). Ændres ROI-density bliver hele billedet lysere eller mørkere, hvilket svarer til at ændre brightness. Gamma repræsenterer hældningen på kontrastkurven og bestemmer den overordnede kontrast i billedet, men påvirker ikke den lokale kontrast. En høj gamma medfører således stor kontrast i billedet, men til gengæld et lille dynamisk område. Se i øvrigt afsnittet Kontrast, brightness og LUT. Noise compensation (NC) er en selektiv undertrykkelse af billedstøj. Funktionen virker ved at undlade at forstærke højfrekvente strukturer i områder med lille detektorsignal (lille SNR). 24

32 Detail contrast enhancement (DCE) forstærker den lokale kontrast uden at påvirke den globale kontrast. Unsharp-masking-kernel (UM-K se afsnittet Unsharp masking. Kaldes også Sharpness kernel ). Unsharp-masking-forstærkningsfaktor (UM-F se afsnittet Unsharp masking. Kaldes også Sharpness enhancement ). Udvalgte MLT(S)-parametre MLT(S) er en forkortelse af Multiobjective Frequency Processing Function. Denne software er installeret på Santax DX, som vi har anvendt til vores forsøg. Følgende er baseret på manualerne til MLT(S) (24-27). MLT(S) indeholder tre overordnede processeringsfunktioner - Multiple frequency processing, Gradation conversion processing og Auto analysis processing. Her beskrives blot de tre funktioner i Multiple frequency processing, som vi har anvendt til vores forsøg, nemlig Edge enhancement Effect (EE), Edge enhancement Frequency (EF) og Noise reduction (NR). Edge enhancement forstærker kanter og dermed billedets skarphed. Parameteren er delt i to under-parametre, nemlig Effect og Frequency-band. Effect er vægtningsfaktoreren og bestemmer graden af forstærkning. Forstærkningen sker på de enkelte frekvensbånd, som billedet er inddelt i. Vægtningsfaktoren tilpasses automatisk den lokale kontrast af strukturerne, således at højkontrast-strukturer forstærkes relativt mindre end lavkontrast-strukturer. Dette har til hensigt at undgå uacceptabel forstærkning af støj. Effect kan antage værdierne 1-20, hvor en højere værdi resulterer i en kraftigere forstærkning. 25

33 Med Frequency-band kan man vælge selektivt at øge forstærkningen af bestemte frekvensbånd. Parameteren indeholder trinene 1-7, hvor en lavere frekvensværdi resulterer i kraftigere forstærkning af større strukturer, mens en højere frekvensværdi resulterer i kraftigere forstærkning af mindre strukturer. Canons manualer angiver ikke, hvilke antal lp/mm i billedet, som de enkelte trin svarer til. Noise reduction reducerer billedstøjen ved at ekstrahere støj fra strukturinformationen i de enkelte frekvensbånd. Opdelingen af data i hhv. støj- og strukturinformation tager højde for detektordosis og kantovergange i billedet, da begge forhold påvirker graden af støj. Noise reduction-parameteren kan antage værdierne 1-10, hvor større værdier resulterer i en kraftigere støjreduktion (dvs. mere af rådata henføres til støjkategorienj og fjernes fra billedet). For høje værdier kan resultere i artefaktdannelse eller at noget af strukturinformationen i billedet går tabt. 26

34 7. Anden del - optimering af processeringsparametre Denne del af opgaven udgør besvarelsen af problemformuleringen. Denne er inddelt i en teoretisk del (EN s artikel) og en praktisk del (vores eget forsøg), og resultaterne af disse indfaldsvinkler samles mhp. en fælles diskussion. Følgende afsnit omhandler artiklen af EN. Først beskrives artiklens metoder og resultater overordnet, og dernæst følger en diskussion af disse. 7.1 Teoretisk del Eva Norrmans artikel Beskrivelse af Eva Norrmans artikel Optimization of image process parameters through factorial experiments using a flat panel detector En skematisk oversigt over indholdet af EN s artikel samt faktuelle oplysninger vedr. anvendt udstyr, er for overskuelighedens skyld anført i tabel 1. Tabel 1. Oversigt over anvendte materialer, metoder og resultater fra Eva Norrmans artikel. Overordnede forsøgskarakteristika Detaljer om forsøg Røntgen-system DX, flat-panel detektor Producent af processeringssoftware Phillips DigitalDiagnost Overordnet processeringsværktøj UNIQUE Undersøgte processeringsparametre ROI density Gamma Detail contrast enhancement (DCE) UM-kernel (UM-K) UM-forstærkningsfaktor (UM-F) Noise compensation (NC) Teknikparametre svarende til Undersøgelse af col. lumbalis Overordnet forsøgsdesign 1. For-forsøg designet jvf. faktorielle forsøgsdesigns 2. Hovedforsøg med sammenligning af billeder i forhold til referencebillede Materialer og målemetode til 1. CDRAD-fantom og COCIQ analysesoftware til måling af IQF evaluering af billedkvalitet 2. Alderson-fantom til vurdering af VGA-score Statistisk dataanalyse 1. Regressionsanalyse mm. (CDRAD- billeder) 2. parret ordinal-data (Alderson-billeder) Resultat Ved optimering af UM-F, UM-K, DCE og NC kan samme IQF bibeholdes med 30 % dosisreduktion 27

35 EN undersøger dels effekten af udvalgte processeringsparametre på billedkvaliteten og dels, hvorvidt billedkvaliteten kan fastholdes med en lavere effektiv patientdosis, ved at ændre værdierne af visse processeringsparametre. EN s forsøg er foretaget med udgangspunkt i en undersøgelse af columna lumbalis. Først udføres et antal for-forsøg, som bruges til at identificere de parametre og optimere de parameterværdier, der resulterer i den bedste billedkvalitet. Disse optimerede parameterværdier anvendes så i et hovedforsøg, hvor det undersøges om billedkvaliteten kan fastholdes, når den effektive dosis reduceres. Som følge af hovedforsøgenes resultater, inkluderer EN endnu en parameter i et opfølgende forsøg, svarende til et af for-forsøgene. Til for-forsøgene bruges IQF som mål for ændringer i billedkvalitet (bemærk at en stigning i IQF repræsenterer et fald i billedkvalitet). Der anvendes CDRAD-fantom og et CDRAD-analyseprogram til produktion af data. For-forsøgene spænder over tre forsøg designet i overensstemmelse med forskellige varianter af faktorielle forsøgsdesigns (se afsnit 6.4 Faktorielle forsøgsdesigns). I første omgang indgår fem processeringsparametre i forsøgene: ROI density, gamma, detail contrast enhancement (DCE), unsharp masking kernel (UM-K) og unsharp masking forstærkningsfaktor (UM-F). I det 1. for-forsøg screenes de fem parametres effekt på IQF, som måles for hver mulig kombination af de 5 parametre og hver parameter afprøves ved hhv. en lav og en høj værdi. Der anvendes brede intervaller af parameterværdier, fordi formålet er en screening for, hvilke parametre, der er betydende. Forsøget viser, at tre af de fem parametre har væsentlige hovedeffekter på IQF, nemlig UM-F, UM-K og DCE. Når hver af parametrene ændres fra lave til høje værdier ses følgende effekter på IQF: UM-F påvirker IQF positivt (dvs. ringere billedkvalitet), mens UM-K og DCE påvirker IQF negativt (dvs. bedre billedkvalitet). Forsøget viser også at der er interaktionseffekter mellem både to parametre (fx UM-F x UM-K) og tre parametre (UM-F x UM-K x DCE), men forsøget kan ikke udrede den underliggende mekanisme i disse interaktioner. 28

36 2. for-forsøg følger op på det første ved at anvende snævrere intervaller af parameterværdier, som er tættere på klinisk anvendte værdier. Der anvendes central composite forsøgsdesign, hvor ekstra datapunkter mellem de lave og de høje værdier af parametrene inkluderes. Hensigten med disse er at undersøge, hvorvidt effekten på IQF er lineær, når en given parameter ændres fra lav til høj. Fravær af linearitet skyldes parametrenes indbyrdes påvirkning af hinanden, således at værdien af én parameter har betydning for en anden parameters effekt på billedkvaliteten. Dette forsøg påviser en vigtig interaktionseffekt mellem UM-F og UM-K, som ændrer konklusionerne baseret på hovedeffekterne af disse parametre: når UM-K står på den lave værdi (altså en lille kernel-størrelse), så resulterer en øgning af UM-F i en stigning i IQF (ringere billedkvalitet). Når UM-K står på en høj værdi, så resulterer en øgning af UM-F i et fald i IQF (bedre billedkvalitet). Dvs. en høj UM-F forbedrer billedkvaliteten når den kombineres med en stor kernel-størrelse, men forringer billedkvaliteten, når den kombineres med en lille kernel-størrelse. Forsøget påviser også en vigtig interaktionseffekt mellem UM-F og DCE: når UM-F har en lav værdi, vil en øgning af DCE-værdien ikke have nogen effekt på IQF. Men når UM-F har en høj værdi, vil en øgning i DCE reducere IQF (forbedre billedkvaliteten). Dvs. en høj DCE forbedrer billedkvaliteten når den kombineres med en høj UM-F. Kombineret med en lille UM-F har ændring i DCE ingen effekt på billedkvaliteten. 3. for-forsøg undersøger om billedkvaliteten kan bevares, når den effektive dosis reduceres ved at justere kv og mas. De parametre, som i forsøg 1 og 2 sås at have størst effekt på billedkvaliteten (UM-F, UM-K og DCE), inkluderes i forsøget. Parameterværdierne vælges, så de lave værdier svarer til dem anvendt i klinikken (standard-værdier), og de høje værdier vælges i den retning, som i forsøg 1og 2 gav den bedste effekt på billedkvaliteten (optimerede værdier). To sæt billeder optages ved to forskellige kv-indstillinger (85 og 63 kv), som ligger hhv. over og under den klinisk anvendte kv (70 kv), der anvendes som reference. Eksponering med 85 kv (og tilpasning af mas så detektordosis forbliver uændret) resulterer i en effektiv dosisreduktion på 30 % sammenlignet med referencen. Ved eksponering med 63 kv reduceres mas så den effektive dosis svarer til den givet ved 85 kv-eksponeringen. 29

37 Derefter sammenlignes effekten på IQF når der processeres med hhv. de lave (standard) og de høje (optimerede) parameterværdier. Referencen processeres med standardværdierne og IQF beregnes til 43. Forsøgets elementer er illustreret i tabel 2. Tabel 2. Oversigt over 3. for-forsøg i EN. Tabellen viser IQF ved forskellige kombinationer af eksponering (varierende kv) og processering (varierende parameterværdier). Parameterindstillingen lav svarer til standard-værdier anvendt i klinikken, mens parameterindstillingen høj svarer til optimerede værdier af parametrene UM-F, UM-K og DCE. Kombinationen af 70 kv-standardprocessering udgør referencen, som de øvrige kombinationer sammenlignes med. Den effektive dosis er angivet i forhold til referencen, som er svarende til den i klinikken givne dosis. kv Parameter-værdier IQF Dosis 70 (reference) Lav 43 Reference 85 Lav % reduktion i forhold til reference 85 Høj % reduktion 63 Lav % reduktion 63 Høj % reduktion Resultaterne for IQF viser, at for 85 kv-forsøget stiger IQF kraftigt i forhold til referencen (fra 43 til 57), når standardparameterværdierne fastholdes. Når de optimerede parameterværdier anvendes falder IQF til 49. Dvs. når kv øges og dosis reduceres, så falder billedkvaliteten, men dette kan i en vis grad kompenseres vha. optimerede processeringsparametre. For 63 kv-forsøget ses en mindre stigning i IQF (til 46) ved standardparametre og en næsten tilsvarende IQF (45) ved de optimerede parametre. Dvs. når kv og dosis sænkes, reduceres billedkvaliteten lidt uanset de anvendte processeringsparametre. Her ses altså ingen effekt af optimerede processeringsværdier sammenlignet med standardprocessering. Vha. de beskrevne for-forsøg har EN identificeret de parametre, som har størst effekt på billedkvaliteten (UM-F, UM-K og DCE), og har optimeret værdierne af disse, så den bedste billedkvalitet opnås. De optimerede parametre anvendes så i et hovedforsøg, hvis forsøgsdesign og billedkvalitetsevalueringsmetode er tættere på den kliniske praksis. 30

38 Hensigten er at evaluere, om de resultater, der blev opnået med CDRAD-fantomet, kan reproduceres på billeder, der indeholder menneskelignende strukturer. Til forsøget anvendes et Alderson-fantom og billedkvaliteten evalueres vha. VGA baseret på etablerede kvalitetskriterier (EQC), og evalueringen udføres af fem radiologer. Forsøget sammenligner effekten af 3 forskellige kombinationer af parameterværdier. Den 1. kombination anvender standard-værdierne. Den 2. og 3. kombination anvender de optimerede værdier af UM-F og UM-K, mens DCE er sat til en hhv. lav og høj værdi. Processering med de tre parameterkombinationer udføres på billeder optaget med 63, 70 og 85 kv og reduceret dosis, på samme vis som i 3. for-forsøg. Til evalueringen anvendes 70 kv-standard-processering -billedet som reference, og de øvrige billeder vurderes i forhold til dette. Data fra de fem radiologers vurderinger behandles statistisk og omsættes til et nyt mål, relative position (RP), der kan antage værdien -1 til 1. RP-værdien angiver, om ændringen i billedkvalitet, som følge af en given kombination af kv og processering, er dårligere, ens eller bedre end referencebilledet. RP udtrykker den samlede vurdering for et givent billede på tværs af de 5 radiologers individuelle vurderinger. Som et mål for variationen i vurderingerne på tværs af de fem radiologer bruges relativ-rang-varians (RV), hvor en mindre værdi angiver en mere homogen vurdering på tværs af gruppen. Resultaterne af forsøget ses i tabel 3. Det ses af tabel 3, at kombinationen 70 kv-opt.um-f/um-k-std.dce giver den største positive RP-værdi på 0,35. Dette angiver, at der er 35 % sandsynlighed for at radiologerne scorer dette billede som værende af højere kvalitet end referencebilledet. Den anden 70 kv-kombination (opt.um-f/um-k-opt.dce) har en RP tæt på nul, hvilket indikerer at dette billede vurderes meget lig referencebilledet. Alle 85 kv-billederne har en signifikant negativ RP-værdi, som dog er aftagende når de optimerede parametre anvendes. Dette indikerer, at alle 85 kv-billederne vurderes som dårligere end standard-billedet, men at den optimerede processering i en vis grad kompenserer for dette. 31

39 Alle 63-kV-billederne har en lille negativ RP-værdi, som ikke er signifikant forskellig fra 0. Dette indikerer, at disse billeder vurderes meget lig referencebilledet uanset valget af processering. Tabel 3. RP-værdier og RV-værdier samt tilhørende konfidensintervaller for hver kombination af kv og processeringsparametre. Der er tre forskellige kombinationer af processeringsparametre én hvor alle tre parametre har standardværdi (lav), én hvor DCE har standardværdi og UM-F og UM-K har optimerede (høje) værdier og én hvor alle tre parametre har optimerede (høje) værdier. RP udtrykker den samlede vurdering for et givent billede sammenlignet med referencen. RV angiver, hvor homogen vurderingen af et givent billede har været på tværs af gruppen. Som reference er anvendt kombinationen 70 kv-standard-processering (ej vist). Modificeret efter tabel 6 i (4). Parametervalg RP-værdi og 95 % RV-værdi og 95 % 70 kv DCE Std. UMF Opt. UMK Opt. 70 kv DCE Opt. UMF Opt. UMK Opt. 85 kv DCE Std. UMF Std. UMK Std. 85 kv DCE Std. UMF Opt. UMK Opt. 85 kv DCE Opt. UMF Opt. UMK Opt. 63 kv DCE Std. UMF Std. UMK Std. 63 kv DCE Std. UMF Opt. UMK Opt. 63 kv DCE Opt. UMF Opt. UMK Opt. konfidensinterval 0,35 (0,15 til 0,55) 0,04 (-0,15 til 0,23) -0,60 (-0,71til -0,49) -0,30 (-0,50 til -0,10) -0,41 (-0,62 til -0,20) -0,07 (-0,21 til 0,07) -0,02 (-0,24 til 0,2) -0,15 (-0,3 0,14) konfidensinterval 0,35 (0,09 til 0,44) 0,45 (0,16 til 0,61) 0,03 (0 til 0,02) 0,29 (0,08 til 0,37) 0,44 (0,15 til 0,59) 0,02 (0 til 0,01) 0,59 (0,29 til 0,9) 0,43 (0,17 til 0,6) 32

40 Det ses også i tabellen, at RV-værdien er høj for de optimerede billeder (uanset kv) sammenlignet med standardprocesseringerne, hvilket viser, at der er store individuelle variationer på tværs af de fem radiologer. Dette indikerer, at radiologerne vurderer billederne med de optimerede parametre forskelligt. I VGA forsøget bemærkes det, at nogle af de optimerede billeder er mere støjfyldte. Af denne grund vælger EN at inkludere parameteren Noise compensation (NC) i et 4. forforsøg analogt til 3. for-forsøg, hvor de undersøgte parametre nu er NC, UM-F, DCE og UM-K. Resultaterne af dette forsøg viser, at de signifikante parametre er NC, UM-F og UM-K. For 85 kv-forsøget opnås den mindste IQF med en lav UM-F, høj UM-K og høj NC. For 63 kv-forsøget opnås den mindste IQF når alle tre parametre sættes til høj værdi. Forsøget viser også, at høj NC har en positiv effekt på billedkvalitet uanset værdierne af de andre parametre. Desuden ses en interaktion mellem alle tre parametre, hvor den tidligere omtalte interaktion mellem UM-F og UM-K (se 2. for-forsøg) er mere udtalt ved en lav værdi af NC Diskussion af Eva Norrman s resultater Vi opsummerer og diskuterer resultaterne af EN s forsøgsrække. Den første screening af et større antal parametre identificerer tre, som har en væsentlig effekt på IQF, når parameterværdierne ændres fra lav til høj: UM-F, UM-K og DCE. Resultaterne af de første par forsøg viser, at disse parametre har hovedeffekter og interaktionseffekter på IQF. UM-F s hovedeffekt er at påvirke IQF positivt, men denne effekt påvirkes af værdien af UM-K: ved en lille værdi af UM-K er effekten af UM-F svarende til dens hovedeffekt, men ved en høj værdi af UM-K, resulterer en høj UM-F i en reduktion af IQF. Dvs. en høj forstærkningsfaktor forbedrer billedkvaliteten når den kombineres med en stor kernel-størrelse, men forringer billedkvaliteten, når den kombineres med en lille kernelstørrelse. UM-K s hovedeffekt er at reducere IQF, dvs. en stor kernel forbedrer i sig selv billedkvaliteten. 33

41 DCE s hovedeffekt er at reducere IQF (forbedrer billedkvaliteten), men grundet en interaktionseffekt mellem UM-F og DCE, forbedrer høj DCE kun billedkvaliteten når den kombineres med en høj UM-F. Kombineret med en lille UM-F har DCE ingen effekt på billedkvaliteten. De første par forsøg viser altså, at en forbedret billedkvalitet kan opnås med kombinationen af en stor kernel, høj forstærkningsfaktor og høj detail contrast enhancement. Denne kombination udgør således de optimerede tre parametre. 3. forsøg sammenligner effekten på IQF ved hhv. standard og optimeret processering på billeder optaget ved hhv. 63 og 85 kv. Generelt bekræftes konklusionen vedr. hvilke værdier, der er optimale, bortset fra at der ikke ses nogen effekt af at ændre DCE. Vi undrer os over, at dette forsøg ikke viser samme resultat for DCE som de foregående forsøg. Måske skyldes det, at interaktionen mellem UM-F og DCE kun ses i samspil mellem UM-F x UM-K x DCE. Tilstedeværelsen af denne treleddede interaktion sås faktisk i første forsøg, men den underliggende mekanisme kunne ikke afdækkes i dette forsøg. EN forfølger ikke denne problemstilling nærmere i sin diskussion, men har dog inddraget denne observation ved at inkludere hhv. en lav og en høj værdi af DCE sammen med optimerede værdier af UM-F og UM-K til hovedforsøget. Når IQF for de to eksponeringsværdier sammenlignes, viser forsøg 3 at billedkvaliteten forbliver næsten uændret/lidt dårligere når dosis sænkes ved at reducere kv og mas. Der ses ikke nogen væsentlig effekt af anvendelse af optimerede versus standard processering. Når dosis sænkes ved at øge kv, reduceres billedkvaliteten væsentligt, men dette kan i en vis grad kompenseres ved at anvende optimerede parameterværdier. EN forklarer forskellen på effekten (af at anvende optimerede parametre) på hhv. lavog høj kv-billederne med, at den positive effekt af kontrastoptimering vha. en stor UM- K har mindre betydning på et lav-kv-billede. Her er kontrasten automatisk bedre sammenlignet med et høj-kv-billede. Dette er efter vores mening en plausibel forklaring. 34

42 I EN s hovedforsøg undersøges det, om resultaterne opnået ved for-forsøgene udført med CDRAD-fantom og IQF, kan reproduceres i en mere realistisk situation, hvor billedkvaliteten vurderes vha. en VGA-analyse. Den bedste kombination i dette forsøg er anvendelsen af optimerede værdier af UM-K og UM-F, standardværdi af DCE, og brug af samme kv som i klinikken. Dette forsøg viser essentielt set det samme som 3. for-forsøg nemlig at anvendelse af højere kv forringer billedkvaliteten, hvilket til dels kompenseres af optimerede parametre, men at anvendelse af lavere kv(og dosis) kan bevare samme billedkvalitet, uanset valget af processeringsparametre. Disse observationer er interessante af to grunde, dels fordi de viser, at resultaterne opnået med CDRAD-fantom/IQF er sammenlignelige med resultaterne af Aldersonfantom/VGA. Dels fordi det er interessant at billedkvaliteten forbliver næsten uændret trods reduceret dosis, men at dette ses uanset om der anvendes optimerede processeringsparametrene. Til gengæld ses de optimerede værdier at have en effekt ved en højere kv, hvilket indikerer, at optimering af processeringsparametre har tiltagende betydning jo mere billedets egen kontrast forringes som følge af anvendelse af en højere kv. VGA-analysen illustrerer også en anden vigtig pointe, nemlig at radiologerne opfatter billeder, der er processerede med optimerede parametre, meget forskelligt. Dette viser, at der ikke er konsensus om, hvad der er godt og skidt når man taler om billedoptimering vha. processering. Samme pointe ses hos andre, der har undersøgt dette emne (6, 15). Som følge af resultaterne af VGA-forsøget, vælger EN at undersøge endnu en parameter NC, som derfor inkluderes i et nyt faktorielt forsøg. Dette viser dels, at NC har en stor hovedeffekt, hvor høj NC forbedrer billedkvaliteten. Det viser også, at der er en interaktionseffekt mellem NC, UM-F og UM-K, hvor lav NC forstærker interaktionseffekten mellem UM-F og UM-K. Dette indikerer, at støjreduktion har en vigtig effekt på billedkvaliteten, men EN har desværre ikke fulgt op på denne observation i et nyt forsøg med VGA. Dette kunne ellers være interessant, fordi støj tilsyneladende blev opfattet som forstyrrende i VGA-studiet, så inklusion af en støjreducerende parameter kunne tænkes at have væsentlig betydning. 35

43 7.2 Praktisk del - forsøg Dette afsnit udgør den praktiske indgangsvinkel til besvarelsen af problemformuleringen vores eget forsøg. I det følgende beskrives udførelsen af forsøget og de overvejelser, vi har haft i denne forbindelse. Dernæst beskrives den statistiske databehandling, efterfulgt af en præsentation og diskussion af forsøgets resultater. I nogle af afsnittene er en henvisning til bilag, der uddyber forskellige aspekter af forsøget. Forsøgets indhold og formål kan opsummeres i en enkel sætning: Sammenligning af invers Image Quality Factor (inv. IQF) på billeder af CDRADfantom optaget med et DX-system, ved forskellige kombinationer af processeringsparameter-indstillinger af Canons MLT(S) Materialer og udstyr til forsøget Røntgenrør DX-detektor Arbejdsstation med monitor og MLT(S) software To plader PMMA (plexiglas) 30 x 30 x 6 cm CDRAD-fantom CDRAD-Analyser-program Excel, MatLab og opslagstabeller til statistiske beregninger En detaljeret liste over det anvendte udstyr ses i bilag Forsøgets udførelse Forsøget blev udført på følgende måde: Detektoren blev placeret på gulvet. CDRAD-fantomet blev placeret mellem de to PMMA plader oven på detektoren 36

44 Teknikfaktorerne blev indstillet svarende til en klinisk senge-thoraxundersøgelse på Rigshospitalet: Film-fokus-afstand: 150 cm kv: 102 mas: 1,2 raster: ej anvendt Fantomet blev eksponeret med 27 forskellige kombinationer af processeringsparametre og parameterindstillinger (3 parametre, 3 indstillinger: 3 3 = 27) (se tabel 5 ). For hver af de 27 kombinationer udførtes tre replikater, dvs. i alt 81 eksponeringer. De valgte parametre og parameterindstillinger gennemgås i afsnittet Valg af processerings-parametre nedenfor. Hvert billede blev gemt i PACS og alle billeder blev efterfølgende brændt ned på CD-rom. Billederne blev analyseret vha. CDRAD-Analyser program. Inv. IQF blev beregnet for hvert billede. Resultaterne blev behandlet statistisk vha. F-max-test, ensidig varians analyse og Tukey-test. En skitse over forsøgsopstillingen ses på figur 7. Figur 7. Skitse af forsøgsopstilling. 37

45 7.2.3 Overvejelser i forbindelse med design af forsøg Intentionen med udførelsen af vores eget forsøg har været at lave en systematisk afprøvning af en række kombinationer af processeringsparametre og parameterværdier, mhp. at undersøge hvilke(n) kombination(er) der giver en bedre billedkvalitet, evalueret vha. ændringer i inv. IQF. Vi har derfor valgt at udføre forsøget med brug af et CDRAD-fantom. I forbindelse med udformningen af vores eget forsøg, har vi har ladet os inspirere af det faktorielle forsøgsdesign med 2 k observationer. Analogt til dette, har vi kombineret tre parametre ( faktorer i faktoriel design-terminologi) hver indstillet på tre værdier ( niveauer ) og målt inv. IQF for hver af de mulige kombinationer af parametre og parameterværdier. Det samlede antal kombinationer er således, som nævnt, 3 3 = 27. Bortset fra den systematiske gennemprøvning af alle kombinationer af de valgte parametres værdier, har vi ikke ønsket at gennemføre et faktorielt forsøg, fordi den statistiske behandling af forsøgsdata er for kompliceret til en opgave på dette niveau. Nedenfor følger en beskrivelse af de væsentligste overvejelser omkring forsøgets design og udførelse. Valg af røntgensystem og billedbehandlingssoftware Vi har valgt et Santax (Canon) DX system af en række teoretiske og praktiske grunde: DX-systemer får tiltagende større markedsandele (12), hvorfor det er relevant for vores profession at opnå en grundlæggende forståelse for, hvordan dette system fungerer. Af praktiske grunde har DX været bedst at anvende til forsøget, fordi afprøvningen af mange forskellige parameterkombinationer er tidskrævende, og dermed lettest at gennemføre på et DX-system. Vi ønskede at arbejde med Multi frequency processesing (MFP) fordi denne type billedprocessering i dag er den foretrukne processeringsmetode hos de store producenter (6, 36). MLT(S) er tilgængelig på det DX-system, vi har valgt at arbejde med. Ulempen ved MLT(S) er, at vi kun har haft begrænset adgang til litteratur om de underliggende principper bag denne software. 38

46 Valg af teknikfaktorer og forsøgsopstilling I forbindelse med valg af teknikfaktorer ønskede vi at gøre forsøget så praksisnært som muligt. Da MLT(S) er udviklet til processering af thoraxbilleder af voksne (27), var det naturligt at vælge teknikfaktorer svarende til en thoraxundersøgelse. Vi valgte faktorerne til en sengethoraxoptagelse, fordi forsøgsopstillingen af praktiske grunde mindede mest om dette. For at efterligne røntgenstrålernes opførelse under deres passage gennem en patient (absorptionen, beam-hardening og dannelsen af spredt stråling), har vi placeret CDRAD-fantomet mellem to plader af PMMA på hver 6 cm s tykkelse. PMMA er brugt fordi dette materiale har egenskaber, der minder om menneskeligt væv mht. røntgenabsorption, og ofte er anvendt i litteraturen til lignende undersøgelser (11, 31, 43). Valg af metode til evaluering af billedkvalitet Vi har valgt et CDRAD-fantom og Analyser til evaluering af billedkvalitet fordi: Inv. IQF (eller IQF), som fås ved analyse af billeder af CDRAD-fantomet, dækker over to vigtige og objektivt målelige billedkvalitetsegenskaber - rumlig opløsning og lavkontrastopløsning (17). Samtidig har CDRAD-fantomet de fordele, at det er relativt nemt at anvende, at vi har mulighed for at måle billedkvaliteten uafhængigt af andre professionelle (fx radiologer) og at metoden har vist sig at give resultater svarende til mere helhedsorienterede metoder (18). Programmet CDRAD-Analyser er anvendt fordi programmet gjorde os fri af den inter- og/eller intrasobserver variation der ville være, hvis vi skulle analysere billederne manuelt (18). Desuden er det meget hurtigere at analysere billederne vha. programmet frem for manuelt, hvilket gør det muligt at analysere mange billeder. Valg af processerings-parametre Vi har valgt at inkludere parametrene Edge-enhancement Effect (EE), Edgeenhancement Frequency (EF) og Noise reduction (NR) i forsøget, mens vi har 39

47 udeladt Dynamic range adjustment (som bruges til at reducere dynamikområdet i billeder med stort dynamikområde). Dette skyldes at CDRAD-fantomet har et mindre dynamisk område, hvorfor CDRAD-fantomet formodes at være mindre egnet til at undersøge effekten af denne parameter. For hver af de tre parametre har vi valgt tre forskellige værdier, en lav, en mellem og en høj. En oversigt over intervaller, standardindstillinger og de i forsøget anvendte parameterværdier ses i tabel 4. En samlet oversigt over de anvendte parameterkombinationer ses i tabel 5. Følgende brugerkontrollerede parametre har vi ladet stå på standardindstillinger: Dynamic range adjustment (10 kan indstilles i intervallet 1-20) samt kontrast og brightnes (hhv. 15 og 8 - begge kan indstilles i intervallet 1-29). Vi har ændret LUT-kurven fra standardindstillingen (hvilket til thoraxoptagelser er en S-formet kurve) til en lineær kurve, hvilket gav det bedste visuelle indtryk. Da kontrastændringen i et CDRAD-fantom er mere jævn end i et rigtigt thoraxbillede (31), er det meningsfuldt at bruge en lineær LUT-kurve Dette stemmer godt overens med det faktum, at lineære kurver anvendes til tekniske test (21). Tabel 4. Interval, standardindstillinger og de i forsøget anvendte parameterværdier. Interval angiver det spænd af parameterværdier, som softwaren tillader. Standard er systemets standardindstilling for den givne parameter ved en sengethoraxoptagelse. Lav, Medium og Høj er de værdier, vi har valgt for parametrene i forsøget. Parametre anvendt i forsøget Interval og defaultindstillinger for hver parameter Parameterværdier anvendt i forsøget Interval Standard Lav Medium Høj Edge enhancement Effect (EE) Edge enhancement Frequency (EF) Noise reducktion (NR)

48 Tabel 5. Parameterkombinationer og tilhørende løbenumre anvendt i forsøget. Parametre: EE (Edge enhancement Effect), EF (Edge enhancement Frequency), NR (Noise Reduction). Parameterværdier: L (lav), M (medium), H (høj). De valgte værdier for de tre parametre ses i tabel 5. 1 EE-L, EF-L, NR-L 16 EE-M, EF-H, NR-L 2 EE-L, EF-L, NR-M 17 EE-M, EF-H, NR-M 3 EE-L, EF-L, NR-H 18 EE-M, EF-H, NR-H 4 EE-L, EF-M, NR-L 19 EE-H, EF-L, NR-L 5 EE-L, EF-M, NR-M 20 EE-H, EF-L, NR-M 6 EE-L, EF-M, NR-H 21 EE-H, EF-L, NR-H 7 EE-L, EF-H, NR-L 22 EE-H, EF-M, NR-L 8 EE-L, EF-H, NR-M 23 EE-H, EF-M, NR-M 9 EE-L, EF-H, NR-H 24 EE-H, EF-M, NR-H 10 EE-M, EF-L, NR-L 25 EE-H, EF-H, NR-L 11 EE-M, EF-L, NR-M 26 EE-H, EF-H, NR-M 12 EE-M, EF-L, NR-H 27 EE-H, EF-H, NR-H 13 EE-M, EF-M, NR-L 14 EE-M, EF-M, NR-M 15 EE-M, EF-M, NR-H 41

49 Praktiske hensyn ved forsøgets udførelse Vores oprindelige intention var et forsøgsdesign, hvor CDRAD-fantomet skulle have været eksponeret tre gange (tre replikater), og hver replikat skulle have været processeret med de forskellige processeringskombinationer. Hensigten med denne fremgangsmåde ville være at fjerne effekten af ukontrollerbare variationer i billedoptagelsen, som kan tænkes at introducere en vis usikkerhed på resultaterne. Denne fremgangsmåde kunne ikke lade sig gøre, fordi det viste sig umuligt at processere samme billede flere gange og gemme hvert billede på ny i PACS. Vi valgte derfor i stedet at eksponere et nyt billede for hver parameterkombination og for hver replikat. Hensigten med replikaterne er at beregne et gennemsnit og en standardafvigelse for hver parameterkombination. Dernæst var det vores intention at eksponere de forskellige kombinationer i vilkårlig rækkefølge (udvalgt vha. ægte tilfældige tal) for at undgå at indføre en evt. systematisk bias. Dette var dog ikke muligt fordi vi kun havde undersøgelsesrummet til rådighed i begrænset tid. I stedet eksponerede vi kombinationerne i den systematiske rækkefølge, som vi havde skrevet dem op i. I forbindelse med dataanalysen vha. CDRAD-Analyser programmet havde intentionen været at analysere hvert billede tre gange, for at undersøge om der var en variation i programmets resultater. Vi afprøvede dette og fandt, at programmet reproducerede nøjagtigt samme resultat. Vi valgte derfor at analysere hvert billede én gang. Under vores afprøvning af CDRAD-analyser programmet opdagede vi, at programmet for at beregne inv. IQF korrekt, skal have defineret afgræsningen af fantomets huller meget præcist. Programmet forsøger selv at finde denne afgrænsning, men dette lykkedes ikke altid. I de tilfælde måtte vi manuelt definere analyseområdet. Hvorvidt det var programmets automatiske eller en manuel definition af analyseområdet, så ud til at indføre en mindre variation i resultaterne. 42

50 7.2.4 Statistisk analyse af data Data fra CDRAD-Analyser programmet blev opgjort både som en IQF- og en inv. IQFværdi. Vi har valgt at bruge inv. IQF. Gennemsnittet af inv. IQF for de tre replikater indenfor hver parameterkombination er beregnet og anvendt i de efterfølgende statistiske beregninger og til præsentationen af resultaterne. Under de statistiske beregninger har vi valgt et signifikansniveau på 0,01, undtaget i testen for varianshomogenitet (F-max test se nedenfor), hvor signifikansniveauet er 0,05. Vi gennemførte først en F max -test og en ensidig variansanalyse, og derefter en Tukeytest. Vi beskriver her de væsentlige resultater. En detaljeret oversigt over de statistiske beregninger ses i bilag 2-4. Ensidig variansanalyse Ved denne test undersøges det, om der er en statistisk signifikant forskel på datasættets to mest ekstreme inv. IQF-værdier. Denne analyse forudsætter, at tre betingelse er opfyldt vedr. replikaterne indenfor hver parameterkombination: Replikaterne skal være normalfordelte. Vi har ikke mulighed for at undersøge om dette er tilfældet, da vi kun har tre replikater, men vi mener, at en sådan antagelse er rimelig. Replikaterne skal være indbyrdes uafhængige. Vi véd, at dette er tilfældet. Replikaterne skal være varianshomogene. Dette har vi testet vha. en F max test. Ved denne test undersøges det, om den største og den mindste varians, indenfor hver af de 27 kombinationer, afviger signifikant fra hinanden. Vi fandt at F max beregnet < F max tabel (se bilag 2), hvilket viser at varianserne er homogene (29, 30). Forudsætningerne for at gennemføre en ensidig variansanalyse er således opfyldte. Denne analyse gennemføres ved at beregne en F-værdi, som sammenholdes med en kritisk tabel-værdi (29). H 0 - og H 1 -hypoteserne er: 43

51 H 0 = der er ingen forskel mellem de to mest ekstreme inv. IQF-værdier (og dermed heller ikke mellem nogen af de øvrige værdier). H 1 = der er statistisk signifikant forskel på de to mest ekstreme inv. IQF-værdier. Da F beregnet > F tabel (se bilag 3) forkastes H 0. Som det ses af beregningerne i bilaget, er den beregnede F-værdi mere end en faktor hundrede gange større end tabellens F-værdi, dvs. resultatet er endog meget signifikant. Konklusion er derfor, at der er en signifikant forskel mellem de to mest ekstreme inv. IQF-værdier, som repræsenterer hver deres parameterkombination. Tukey-test Med denne test kan alle inv. IQF-værdier sammenlignes parvist med alle andre inv. IQF-værdier, mhp. at identificere de parvise inv. IQF-værdier, der afviger signifikant fra hinanden. Denne analyse forudsætter, at der er en signifikant forskel mellem de to mest ekstreme inv. IQF-værdier og at antallet af replikater er ens for alle kombinationerne (29). Begge forudsætninger er opfyldte. Testen gennemføres på følgende måde (se bilag 4): alle parvise differencer mellem inv IQF- værdierne for de 27 parameterkombinationer beregnes. Desuden beregnes testværdien T, som repræsenterer grænseværdien mellem de inv. IQF-værdier, der er signifikant forskellige fra hinanden, og de, der ikke er. Dette sker ved, at identificere alle de differencer, der er numerisk større end T-værdien disse er signifikant forskellige fra hinanden. Resultaterne af denne test beskrives i afsnit Præsentation af forsøgsresultater. 44

52 7.2.5 Præsentation af forsøgsresultater I dette afsnit vil vi først beskrive de tendenser, som ses, når man betragter et søjlediagram over forsøgsdata. Dernæst vil vi præsentere resultaterne af de statistiske analyser. Resultaterne af begge dele diskuteres i afsnit Diskussion af forsøgsresultater. Tendenser i forsøgsresultaterne Forsøgets resultater ses på figur 8, som viser et søjlediagram over inv. IQF for hver af de forskellige parameterkombinationer. Der er nogle mønstre i variationerne af inv. IQF for de forskellige parameterkombinationer, som springer i øjnene når man betragter figur 8. Disse mønstre afspejles i den måde parameterværdierne er kombineret på. Vi vil derfor først beskrive logikken i denne sammensætning af parameterkombinationer, se tabel 6. Kombinationerne af parameterværdierne er konstrueret således, at parameterværdierne varierer på en ordnet måde indenfor grupper af én, tre og ni parameterkombinationer: Indenfor en gruppe af tre kombinationer (1-3, 4-6 osv). er det kun Noise reduction (NR) der varierer fra lav (L) over mellem (M) til høj (H) værdi, mens de to andre parameterværdier er konstante. Systematikken i variationen for Edge enhancement Effect (EE) er, at denne holdes konstant indenfor grupper af 9 kombinationer, mens Edge enhancement Frequency (EF) holdes konstant indenfor grupper af tre kombinationer. Ligesom NR, stiger EE og EF også trinvist i værdi fra L til H. Da vi i den følgende beskrivelse hele tiden holder gruppeinddelingen med tre kombinationer for øje, vil vi benytte benævnelserne A-I for de fortløbende 9 grupper à tre kombinationer. De nedenfor beskrevne tendenser underbygges ikke nødvendigvis af de statistiske analyser. Dette uddybes i afsnit Diskussion af resultater. Det ses på figur 8 at inv. IQF varierer i henhold til gruppeinddelingen, idet inv. IQF stiger trinvist fra én parameterkombination til den næste indenfor hver gruppe. Fælles for de kombinationer, hvor inv. IQF er den mindste i gruppen er, at de indeholder NR-L. 45

53 Analogt hertil, er det fælles for kombinationerne med en mellemstor inv. IQF, at de indeholder NR-M, og fælles for kombinationerne med stor inv. IQF, at de indeholder NR-H. Indenfor den enkelte gruppe er det kun NR der varierer, mens EE og EF er konstante. Dette mønster indikerer, at NR har en stor effekt på inv. IQF og at en højere værdi af NR resulterer i en højere inv. IQF-værdi, uanset værdien af EE og EF. Når man betragter fordelingen af inv. IQF på tværs af grupperne ses også nogle bestemte mønstre. Det ses, at de respektive lave, mellem og høje værdier af inv. IQF forbliver ret konstante på tværs af gruppe A-E samt G. De tilsvarende værdier i Gruppe F og H er indbyrdes jævnbyrdige, men lidt lavere end i gruppe A-E+G. Gruppe I repræsenterer de laveste værdier i hele datasættet indenfor de respektive lave, mellem og høje inv. IQF-værdier. 46

54 Tabel 6. Tabellen viser forsøgets sammensætning af parameterkombinationer og tilhørende inv. IQF-værdi. Løbenummer angiver rækkefølgen hvori parameterkombinationerne er eksponeret og præsenteret. Gruppe angiver inddelingen af parameterkombinationer, som er beskrevet i forbindelse med figur 8. Gruppe Løbenummer Parameter kombination Inv. IQF 1 EE-L, EF-L, NR-L 1,31 Gruppe A 2 EE-L, EF-L, NR-M 1,63 3 EE-L, EF-L, NR-H 2,03 Gruppe B Gruppe C Gruppe D Gruppe E Gruppe F Gruppe G Gruppe H Gruppe I 4 EE-L, EF-M, NR-L 1,30 5 EE-L, EF-M, NR-M 1,45 6 EE-L, EF-M, NR-H 2,17 7 EE-L, EF-H, NR-L 1,28 8 EE-L, EF-H, NR-M 1,60 9 EE-L, EF-H, NR-H 1,95 10 EE-M, EF-L, NR-L 1,28 11 EE-M, EF-L, NR-M 1,68 12 EE-M, EF-L, NR-H 2,09 13 EE-M, EF-M, NR-L 1,26 14 EE-M, EF-M, NR-M 1,63 15 EE-M, EF-M, NR-H 1,95 16 EE-M, EF-H, NR-L 1,16 17 EE-M, EF-H, NR-M 1,43 18 EE-M, EF-H, NR-H 1,75 19 EE-H, EF-L, NR-L 1,32 20 EE-H, EF-L, NR-M 1,70 21 EE-H, EF-L, NR-H 1,99 22 EE-H, EF-M, NR-L 1,16 23 EE-H, EF-M, NR-M 1,33 24 EE-H, EF-M, NR-H 1,60 25 EE-H, EF-H, NR-L 0,77 26 EE-H, EF-H, NR-M 1,05 27 EE-H, EF-H, NR-H 1,29 47

55 Figur 8. Figuren viser et søjlediagram over inv. IQF ved de 27 forskellige parameterkombinationer, som udgør datasættet i vores forsøg. Gruppe A-F angiver inddelingen af parameterkombinationer i undergrupper, som beskrevet i teksten. 48

56 Hvis man betragter gruppe F-H+I er disse tre grupper kendetegnet ved, i modsætning til gruppe A-E+G, at indeholde mellem og/eller høje værdier af både EE og EF. Dette indikerer, at samtidige mellem/høje værdier af EE og EF har en negativ effekt på inv. IQF. Når gruppe F-H+I sammenlignes internt, ses det at F og H har hhv. en mellemværdi af den ene og en høj værdi af den anden parameter, mens I har høje værdier af både EE og EF. Dette understøtter observationen, at samtidige mellem/høje værdier af EE og EF har en negativ effekt på inv. IQF. Det indikerer også, at jo højere værdi af EE/EF jo mindre bliver inv. IQF. Flere observationer indikerer dog, at mindst en af disse parametre skal have en høj værdi mens den anden har en mellem værdi, for at inv. IQF påvirkes negativt: Fx ses det, at gruppe E indeholder EE-M og EF-M, og inv. IQF-værdierne for E er svarende til dem fundet i A-D+G. Desuden ses, at i alle de grupper, hvor den ene parameter EE eller EF er lav mens den anden parameter varierer, er inv. IQF-værdierne ensartede (når man sammenligner de respektive NR- L M og -H-kombinationer). Det gælder både i de grupper, hvor EF er konstant lav, mens EE stiger trinvist (gruppe A, D og G), og i de grupper, hvor EE er konstant lav og EF stiger trinvist (grupper A-C). Dette mønster indikerer, at bare den ene af parametrene EE eller EF er lav, så vil en høj værdi af den anden parameter ikke påvirke inv. IQF negativt. Datasættet kan også præsenteres ved at opstille kombinationerne i rangorden fra største til mindste inv. IQF. Herved kan egenskaberne ved parameterkombinationerne karakteriseres i henhold til placeringen indenfor denne rangorden. Herved fås essentielt set den samme tolkning af effekterne af de tre parametre, som vi nåede frem til fra figur 8, blot illustreret på en anden måde. Dette er vist i bilag 5. Resultater af statistiske analyser Som beskrevet i afsnittet Statistisk analyse af data har vi bearbejdet datasættet med ensidig variansanalyse, som påviser en signifikant forskel på de to mest ekstreme inv. IQF-værdier. De tilhørende parameterkombinationer er hhv. nr. 6 og nr. 25, som har den højeste og den laveste inv. IQF-værdi. 49

57 Efter variansanalysen er næste trin at undersøge, hvilke parameterkombinationer, der afviger signifikant fra hvilke andre parameterkombinationer. Dette har vi gjort vha. en Tukey-test, som identificerer alle de parameterkombinationer, hvis inv. IQF afviger signifikant fra hinanden. Resultaterne af Tukey-testen er vist i tabel 7. Her ses hver enkelt parameterkombination 1-27 sammen med de tilhørende signifikant afvigende kombinationer opført i kolonnerne nedenfor. 50

58 Tabel 7. Tabellen viser resultaterne af Tukey-testen. I øverste række er angivet parameterkombination I kolonnerne under hver kombination er de parameterkombinationer angivet, som afviger signifikant fra hver af de 27 kombinationer. Signifikansniveauet er 0,

59 Tabel 7 viser, at nr. 6 og nr. 25 er de kombinationer, som afviger fra flest andre kombinationer, hvilket er i overensstemmelse med det faktum, at de repræsenterer de mest ekstreme inv. IQF-værdier. Det ses også, at der er mange kombinationer, som afviger signifikant fra hhv. kombination nr. 3, 6, 9, 12, 15, 21, 25 og 26. Nr. 3, 6, 9, 12, 15 og 21 har tilfælles, at de indeholder NR-H og tilhører en af grupperne A-E+G, dvs. de grupper, som har de høje inv. IQF-værdier. Nr. 25 og 26 har tilfældes at de tilhører gruppe I og repræsenterer de to laveste inv. IQF-værdier i datasættet. De resterende kombinationsnumre tilhører lave/mellem inv. IQF-værdier fra gruppe A- E+G samt lave/mellem/høje værdier i G+H samt den høje værdi i gruppe I. Dette indikerer, at disse værdier ligger et sted mellem de mere ekstreme inv. IQF-værdier. En række analyser af datasættet kan udledes fra Tukey testens resultater mhp. at illustrere forskellige pointer. Af pladsmæssige hensyn har vi valgt kun at undersøge om de vigtigste tendenser, vi observerede i figur a, kan understøttes af Tukey-testen. Dette præsenteres i næste afsnit. 52

60 7.2.6 Diskussion af forsøgsresultater I følgende afsnit beskriver og diskuterer vi, hvorvidt de mønstre, vi har beskrevet ud fra figur 8, kan verificeres med resultaterne af Tukey-testen. Figur 8 indikerer at NR har en væsentlig og positiv effekt på inv. IQF, når NR øges fra lav til høj, uanset værdien af EE og EF. Tukey-testen bekræfter denne observation, fordi der er signifikant forskel på mindste og største inv. IQF-værdi indenfor hver gruppe (undtaget er gruppe H, som er den gruppe, hvor differencen mellem mindste og største inv. IQF er mindst). Indenfor hver gruppe er det kun værdien af NR, der varierer. Observationerne fra figur 8 vedr. effekterne af EE og EF er, at samtidige mellem/høje værdier af disse parametre har en negativ effekt på inv. IQF, og at denne effekt forstærkes, når parameterværdierne øges, men at den negative effekt af EE og EF ikke ses, hvis én af parameterværdierne er lav. Tukey-testens resultater viser, at der ikke er signifikante forskelle mellem de respektive lave, mellem og høje inv. IQF-værdier mellem grupperne A-H. Omvendt er der signifikante forskelle mellem mindste inv. IQF i gruppe I og de tilsvarende lave inv. IQF-værdier i gruppe A-E+G. Tilsvarende er der signifikant forskel mellem midterste inv. IQF i gruppe I og tilsvarende mellem inv. IQF-værdier i gruppe A,C-E+G samt mellem højeste inv. IQF i gruppe I og tilsvarende høje inv. IQF-værdier i gruppe A- E+G. Tukey-testen bekræfter altså, at gruppe I (som indeholder samtidige høje værdier af EE og EF) skiller sig markant ud fra de andre grupper. Der er til gengæld ingen statistisk signifikant forskel mellem de respektive inv. IQF-værdier mellem gruppe F og H (som indeholder én mellem og én høj værdi af hhv. EE og EF) versus gruppe A-E+G (som indeholder forskellige kombinationer af lave og mellemværdier af EE og EF). Tukeytesten bekræfter altså ikke den i figur 8 observerede tendens, at kombinationen af én mellem og én høj værdi af EE og EF har en negativ effekt på inv. IQF sammenlignet med lavere værdier af disse parametre. Med andre ord bekræfter Tukey-testen kun, at samtidig høj værdi af EE og EF påvirker inv. IQF negativt. Resultaterne indikerer ligeledes, at effekten af EE og EF afhænger af hinanden. 53

61 Oversat til almindelig billedkvalitetsterminologi viser forsøgets resultater, at høj værdi af NR har en positiv effekt på billedkvaliteten, mens samtidige høje værdier af EE og EF har en negativt effekt. En sammenligning med de kliniske standardindstillinger (se tabel 4) viser, at EE er indstillet på en mellemværdi, EF på en høj værdi og NR på en mellemværdi. Ifølge resultaterne af vores forsøg er de kliniske indstillinger altså ikke optimale for at opnå en høj billedkvalitet. Dette skal dog tages med forbehold, idet vores forsøgsopstilling og dermed vores resultater ikke nødvendigvis er valide i forhold til en klinisk sammenhæng, hvor billedkvaliteten vurderes ud fra evnen til at detektere patologiske tilstande, frem for to fysiske mål (høj- og lavkontrastopløsning). En nærmere diskussion af dette ses i afsnit 7.3 Samlet diskussion af Eva Norrmans artikel og vores forsøg. 54

62 7.3 Samlet diskussion af Eva Norrmans artikel og vores forsøg I følgende afsnit vil vi først give en kort opsummering af EN s og vores resultater, og derefter præsentere en samlet diskussion af disse. Vi vil også diskutere resultaterne i forhold til den teoretiske baggrund om processeringsparametre og i forhold til den anvendte metode til at måle billedkvaliteten. Da EN og vi selv anvender hhv. IQF og inv. IQF, vil vi i dette afsnit anvende begrebet billedkvalitet. Samlet set viser EN s forsøg med CDRAD-fantom, at parametrene Noise compensation (NC), Unsharp masking-kernel (UM-K) og Unsharp masking-forstærkningsfaktor (UM- F) har den største effekt på billedkvaliteten. Parametrene har både hovedeffekter og interaktionseffekter. En høj værdi af NC har en positiv effekt på billedkvaliteten, uafhængigt af de andre parametres værdier. En høj UM-K har også en selvstændig, positiv effekt på billedkvaliteten. Effekten af UM-F afhænger af et samspil med de andre parametres værdier: En høj UM-F forbedrer billedkvaliteten når den kombineres med en stor UM-K, men forringer billedkvaliteten, når den kombineres med en lille UM-K. Denne interaktion mellem UM-F og UM-K er stærkest, når værdien af NC er lille. Hensigten med EN s parameteroptimering er at bevare billedkvaliteten med reduceret dosis. Derfor anvendes de optimerede parametre i nye forsøg, hvor effekten af parameteroptimeringen undersøges, når de anvendes på billeder optaget med lavere dosis. Disse studier anvender VGA, og viser bl.a. at radiologerne opfatter billeder, der er processerede med optimerede parametre, meget forskelligt. Effekten af parameteroptimeringen afhænger i høj grad af den anvendte kv: høj-kv billeder har en dårligere iboende kontrast, og har derfor mest gavn af at processeres med optimerede parametre. Vores forsøg viser samlet set, at en høj værdi af Noise reduction (NR) har en selvstændig, positiv effekt på billedkvaliteten. Samtidige høje værdier af Edge enhancement Effect (EE) og Edge enhancement Frequency (EF) har derimod en negativ effekt på billedkvaliteten. 55

63 EN s for-forsøg og vores forsøg har flere fællestræk i begge anvendes DX-udstyr, billedkvaliteten måles med CDRAD-fantom og computerprogram til billedanalyse, og alle kombinationer af parameterværdier undersøges. Der er også forskelligheder mellem EN s og vores forsøg. Selvom den anvendte processeringssoftware overordnet set tilhører samme type (MFP), bruger EN og vi forskellig software. De undersøgte parametre er derfor ikke ens, selv ikke sammenlignelige parametre som NC og NR. Desuden er dataanalysemetoderne forskellige. Ud fra vores forsøg fornemmer vi, at de undersøgte parametre, særligt EE og EF, interagerer med hinanden på måder, som vi kun delvist kan afsløre vha. den anvendte dataanalyse. Hvis man anvender terminologien fra det faktorielle forsøgsdesign, indikerer vores forsøg, at effekten af NR er en hovedeffekt, mens effekten af EE og EF er en interaktionseffekt. Vi ville formentligt kunne afsløre hoved- og interaktionseffekter langt bedre vha. faktoriel dataanalyse, hvilket dog ligger uden for opgavens rammer. Et gennemgående resultat af både EN s og vores forsøg er således, at forskellige processeringsparametre interagerer med hinanden på komplekse måder. Dette faktum er en udfordring i arbejdet med at optimere billedkvalitet vha. processeringsparametre. Det viser, at der ikke findes simple svar på, hvad optimale parameterværdier er, og det understreger vigtigheden af, at finde passende kombinationer af forskellige parameterværdier. I mange tilfælde vil valget af optimerede parameterværdier i øvrigt også være et kompromis mellem flere modstridende hensyn (2). Et andet resultat, som både ses i EN s og vores forsøg, er at brug af støjreducerende processeringsparametre har stor og positiv effekt på billedkvaliteten. Dette er i overensstemmelse med det faktum, at billedstøj er en vigtig kvalitetsreducerende faktor i digital radiografi (5, 36). Formålet med mange andre processeringsmetoder er derimod at forbedre den rumlige opløsning ved at forstærke kanter i billedet. EE og EF er eksempler på sådanne metoder. Kantforstærkning og støjreduktion er således to modsatrettede processeringer (36). Man kunne formode, at der eksisterer et kompromis-niveau af begge slags parametre. 56

64 I vores forsøg, havde kraftig kantforstærkning (høje værdier af både EE og EF) en meget uheldig effekt på billedkvaliteten, særligt hvis støjreduktionen samtidig var lav. Det så ikke ud til, at der eksisterede et kompromis-optimum mellem kantforstærkning og støjreduktion. UM-F og UM-K, som blev anvendt i EN s forsøg, kan også have en kantforstærkende effekt. Hvis der anvendes en lille til mellemstor UM-K forstærkes kanter med en faktor, der bestemmes af UM-F. EN s resultater viser, at en lille UM-K (især sammen med en stor UM-F) påvirkede billedkvaliteten negativt. Så også her ser det ud til, at kraftig kantforstærkning påvirker billedkvaliteten negativt. Disse konklusioner skal ses i lyset af den måde, hvormed billedkvaliteten er opgjort. CDRAD-fantomet kan ikke bruges til at evaluere processeringens effekt på synligheden af diverse anatomiske og patologiske strukturer, fx synligheden af diffuse infiltrater i lungerne, som forekommer på billeder af mennesker. Sådanne strukturer kan maskeres ved en kraftig kantforstærkning, der forstærker kartegningen i lungerne (6), eller ved for kraftig støjreduktion, som både fjerner støj og fine strukturer med vigtig billedinformation (36). CDRAD-fantomet tillader ej heller en vurdering af, om et givent parametervalg forårsager artefaktdannelse på kliniske billeder, eller hvorvidt en given processering ændrer et billedets konventionelle udseende. Flere kilder pointerer risikoen for at introducere artefakter i billederne, hvis der anvendes ekstreme parameterværdier, som vi har gjort i vores forsøg (6, 26, 27). Andre studier har vist, at et konventionelt udseende af billedet er en vigtig faktor for radiologens opfattelse af dets diagnostiske værdi (6). Begge pointer illustrerer nødvendigheden af, at supplere forsøg baseret på CDRAD-fantom, med forsøg, der er klinisk realistiske, som gjort i EN s artikel. Resultaterne af EN s og vores forsøg skal også tages med forbehold, fordi andre ikke undersøgte parametre kunne tænkes at influere på effekterne af de undersøgte parametre. 57

65 EN s forsøg viser netop, at der er komplekse interaktioner mellem mange parametre, som kan resultere i modstridende resultater alt afhængigt af, hvordan forskellige parameterværdier kombineres. En vigtig erkendelse i arbejdet med at optimere processeringsparametre er, at formålet med billedet afgør, hvilke strukturer i billedet der er væsentlige, og dermed hensigtsmæssige at fremhæve (5, 11). Fx har nogle udviklet processeringsalgoritmer mhp. at optimere visualiseringen af katetre i mediastinum, hvilket har stor anvendelse på intensivafdelinger (14). I andre tilfælde er formålet med et thoraxbillede at vurdere patologiske tilstande i lungefelterne, hvilket kræver en helt anden processering (19). 58

66 8. Konklusion Som opsamling på den samlede diskussion og til besvarelse af problemformulerings spørgsmål, kan vi overordnet konkludere, at resultaterne af både Eva Norrmans og vores eget forsøg tydeligt viser, at billedkvaliteten kan forbedres vha. optimering af de valgte processeringsparametre indenfor både UNIQUE og MLT(S). De i opgaven fundne resultater indikerer, at en høj værdi af støjreducerende parametre kombineret med en lille værdi af kantforstærkende parametre resulterer i den bedste billedkvalitet indenfor de undersøgte parameterkombinationer. Denne konklusion skal dog tages med forbehold. Dels fordi det kun er et mindre udvalg af parametre, der er undersøgt ikke-undersøgte parametre kunne tænkes at influere på effekten af de undersøgte parametre og ændre de ovennævnte konklusioner. Dels fordi den anvendte metode til at måle billedkvalitet ikke kan stå alene, når effekten af parameterkombinationerne skal evalueres. 59

67 9. Perspektivering Vi viser i denne opgave, at der er stort potentiale i at forbedre billedkvaliteten vha. optimering af de undersøgte processeringsparametre. Dette er givetvis en observation, der kan generaliseres til også at gælde andre typer software og processeringsmetoder. Det er åbenlyst, at forbedring af billedkvaliteten vha. processering vil have en stor betydning for radiografien. Som beskrevet i problemfeltet vil en sådan optimering have flere positive følgevirkninger - dels i form af billeder med forbedret diagnostisk værdi, dels ved at give mulighed for at reducere den effektive patientdosis. Begge disse udfald vil være til stor gavn for patienterne. Opgaven illustrerer dog også, at en sådan optimeringsproces er vanskelig grundet de komplekse samspil mellem mange faktorer og parametre, som influerer på billedkvaliteten. Samtidigt skal det diagnostiske formål holdes for øje, idet forskellige formål kan stille forskellige krav til et billede. Kompleksiteten af de faktorer, der påvirker billedkvaliteten, illustrerer nødvendigheden af at generere meget mere viden på området, som kan udmøntes i praktiske tiltag. Man kunne fx forestille sig, at det i fremtidens røntgenudstyr ville være hensigtsmæssigt at inkorporere mange forskellige processeringskombinationer, hver designet til at fremstille en bestemt patologi bedst muligt. Herved kunne radiografen eller radiologen få mulighed for at anvende den optimale kombination af parameterindstillinger, afhængigt af det konkrete formål. Kompleksiteten i den digitale billeddannelse demonstrerer også nødvendigheden af bedre uddannelse af radiografer mhp. at varetage udvikling og implementering af sådanne tiltag. Det er nødvendigt at forstå den billeddannende proces, for til fulde at kunne forstå og udnytte det potentiale, som rummes i den digitale radiografi. 60

68 10. Litteraturliste 1. Krupinski EA, Williams MB, Andriole K,Strauss KJ, Applegate K, Wyattf M et al. Digital Radiography Image Quality: Image Processing and Display. Journal of the American College of Radiology. Juni 2007; 4(6): I alt 12 sider. Tilgængelig: 2. Båth M, Håkansson M, Hansson J, Månsson LG. A conceptual optimisation strategy for radiography in a digital environment. Radiation Protection Dosimetry. 2005; 114(1-3): I alt 6 sider. Tilgængelig: 3. Samei E, Dobbins JT, Lo JY, Tornai MP. A framework for optimising the radiographic technique in digital x-ray imaging. Radiation Protection Dosimetry. 2005; 114(1-3): I alt 10 sider. Tilgængelig: 4. Norrman E, Geijer H, Persliden J. Optimization of image process parameters through factorial experiments using a flat panel detector. Physics in Medicine and Biology. 7. September 2007; 52(17): I alt 15 sider. Tilgængelig: stacks.iop.org/pmb/52/ Mol A. Image Processing Tools for Dental Applications. Applications of Digital Imaging Modalities for Dentistry. April 2000; 44(2): I alt 19 sider. 6. Prokop M, Neitzel U, Schaefer-Prokop C. Principles of Image Processing in Digital Chest Radiography. Journal of Thoracic Imaging. 2003; (18): I alt 17 sider. 7. Analoui M. Radiographic image enhancement. Part I spatial domain techniques. Dentomaxillofacial Radiology. 2001; (30):1-9, I alt 9 sider. 8. Tingberg A, Sjöström D. Optimisation of image plate radiography with respect to tube voltage. Radiation Protection Dosimetry. 2005; 114(1-3): I alt 7 sider. Tilgængelig: 61

69 9. Council Directive 97/43/Euroatom of June Side 1-6. I alt 6 sider. Tilgængelig: Bekendtgørelse nr. 975 af 16. december Bekendtgørelse om medicinske røntgenanlæg til undersøgelse af patienter. Sundhedsstyrelsen journal nr Kapitel I alt 1 side. Tilgængelig: Moore CS, Liney GP, Beavis AW, Saunderson R. A method to optimize the processing algorithm of a computed radiography system for chest radiography. The British Journal of Radiology. 20. August 2007; 80: , I alt 6 sider. Tilgængelig: Redlich U, Hoeschen C, Doehring W. Assessment and optimisation of the image quality of chest-radiography systems. Radiation Protection Dosimetry. 2005; 114(1-3): I alt 4 sider. Tilgængelig: Wiltz HJ, Petersen U, Axelsson B. Reduction of absorbed dose in storage phosphor urography by significant lowering of tube voltage and adjustment of image display parameters. Acta Radiologica. Juli 2005; 46(4): I alt 5 sider. Tilgængelig: Nodine CF, Liu H, Miller WT, L. Kundel HL. Observer Performance in the Localization of Tubes and Catheters on Digital Chest Images: The Role of Expertise and Image Enhancement. Acad Radiol. 1996; 3: I alt 7 sider. 15. Yamada S, Murase K. Effectiveness of flexible noise control image processing for digital portal images using computed radiography. The British Journal of Radiology. 2008; 78: I alt 8 sider. Tilgængelig: 62

70 16. Geijer H. Radiation dose and image quality in diagnostic radiology. Optimization of the dose-image quality relationship with clinical experience from scoliosis radiography, coronary intervention and a flatpanel digital detector. Acta Radiol. 2002; 43:9 43. I alt 35 sider. 17. Bushberg JT, Seibert JA, Leidholdt JR. EM, Boon JM. The Essential Physics of Medical Imaging, Second Edition. Lippincott Williams & Wilkins, Philadelphia. 2002, Kapitel 10, side og side 312 I alt 37 sider. 18. Norrman E, Gårdestig M, Persliden J, Geijer H. A Clinical Evaluation of the Image Quality Computer Program CoCIQ. Journal of Digital Imaging. Juni 2005; 18(2): I alt 6 sider. Tilgængelig: Williams MB, Krupinski EA, Strauss JK, Breeden WK, Rzeszotarski MS, Applegate K, et al. Digital Radiography Image Quality: Image Acquisition. Journal of the American College of Radiology. Juni 2007; 4(6): I alt 18 sider. 20. Normann E. Optimisation of radiographic imaging by means of factorial experiments [ph.d]. Örebro Universitet, Studies in Physics 3, Universitetsbiblioteket Side I alt 9 sider. 21. Philips. Brugsanvisning UNIQUE Billedbehandlingssoftware Udgave 1.0 Dansk. Philips Medical Systems Side I alt 44 sider. 22. Philips. Hurtig vejledning PCR Eleva, Philips Medical Systems Side I alt 12 sider. 23. Philips. PCR Eleva. Philips Medical Systems Side, 128,129,180. Ialt 3 sider. 24. Canon - CXDI-1 System Digital Radiography OPERATION MANUAL, Canon Side I alt 5 sider. 63

71 25. Canon - CXDI-50G detektor specifikationer, Canon side sider i alt. 26. Canon - CXDI Image Processing Software MLT(S) - USER'S MANUAL, Canon Side I alt 28 sider. 27. Canon - Multiobjective Frequency Processing Function Manual, Canon Side sider i alt. 28. Montgomery DC. Design and Analysis of Experiments. 5th Edition. Hoboken. New Jersey. John Wiley & Sons Kapitel 5,6. Side og side I alt 119 sider. 29. Fowler J, Cohen L, Phil J. Practical Statistics for Field Biology. Second Edition. Chichester. John Wiley & Sons side og side (Appendix 9 og 10) I alt 8 sider. 30. Johansen K. Basal Sundheds-videnskabelig statestik begreber og metode. 1. udgave 2. oplag. København. Munksgaard Danmark Side I alt 5 sider. 31. Artinis - MANUAL CONTRAST-DETAIL PHANTOM CDRAD 2.0 & CDRAD Analyser software Version 1.1. Artinis Medical Systems. The Netherlands. Side I alt 28 sider. 32. Norrman E, Persliden J. A factorial experiment on image quality and radioation dose. Radiation Protection Dosimetry. 2005; 114(1-3); I alt 6 sider. Tilgængelig: EUROPEAN COMMISSION. EUR EN. European Guidelines on Quality Criteria for Diagnostic Radiographic Images. Side sider i alt. Tilgængelig: ftp://ftp.cordis.lu/pub/fp5-euratom/docs/eur16260.pdf 64

72 34. Båth M, Månsson LG. Visual grading characteristics (VGC) analysis: a nonparametric rank-invariant statistical method for image quality evaluation. The British Journal of Radiology. 2007; 80: I alt 7 sider. Tilgængelig: NIST/SEMATECH e-handbook of Statistical Methods Two-level full factorial designs. FIGURE 3.1. [online]. [citeret 3. januar 2008]. Tilgængelig: Flynn MJ. Image presentation: Implications of Processing and Display, A NIOSH Scientific Workshop. March 12-13, 2008, Washington DC, USA. Side I alt 34 sider. 37. Lo WY, Puchalski SM. Digital Image Processing.Veterinary Radiology & Ultrasound. 2008; 1(1): I alt 6 sider. 38. Prokop M, Schaefer-Prokop CM. Digital image processing. European Radiology 1997; 7(3): I alt 9 sider. 39. Davidson RA, Radiographic Contrast-Enhancement Masks in Digital Radiography [Doctor of Philosophy]. New South Wales, School of Medical Radiation Sciences, Faculty of Health Services, The University of Sydney 2006, Australia. Side og side I alt 17 sider. 40. Vuylsteke P, Schoeters E. Multiscale Image Contrast Amplification (MUSICA), SPIE Image Processing. 1994; 2167: I alt 9 sider. 41. Vuylsteke P, Schoeters E. Image Processing in Computed Radiography. DGZfP Proceedings BB 67-CD. 1999; 16: I alt 14 sider. 42. Stahl M, Aach T, Dippel S. Digital radiography enhancement by nonlinear multiscale processing. Med. Phys. Januar 2000; 27(1): I alt 10 sider. 65

73 43. Fujisaki T, Kimura M, Saitoh H, Abe S, Hiraoka T, Production design and evaluation of a novel breast phantom with various breast glandular fractions. Radiat Med 2006; 24(10): I alt 6 sider. Tilgængelig: Total antal sider 725 sider. 66

74 11. Bilag 11.1 Bilagsoversigt Bilag 1: Detaljeret oversigt over materialer og udstyr Bilag 2: F-max test undersøgelse for varianshomogenitet Bilag 3: Ensidig variansanalyse/one-way ANOVA Bilag 4: Tukey test Bilag 5: Søjlediagram Invers IQF i aftagende rækkefølge 67

75 Bilag 1 Detaljeret liste over materialer og udstyr. Fantom: CDRAD-fantom 2.0 (serie nr ): Producent: Artinis Medical Systems BV, St. Walburg 4, 6671 AS Zetten, The Netherlands. Venligst udlånt af Herlev Hospital. CDRAD Analyser software version 1.1 inkl. tilhørende manual : Producent: Artinis Medical Systems BV, St. Walburg 4, 6671 AS Zetten, The Netherlands. Lånt af og udført på CVU Lillebælt. Alt nedenstående udstyr, samt røntgenrum er venligst udlånt af Rigshospitalet: To kvadratiske plader plexiglas (polymethylmetaacrylat PMMA) 30x30x6 cm. Røntgenrør: Varian Medical Systems, Salt Lake City, USA, Rør type A196, Total filtrering 2,1 mm Al. Udtagbar Santax DX røntgen detektor af typen flatpanel detektor med scintillator (GOS Gd 2 O 2 S:Tb) og amorf silicium (a-si): CXDI-50G. 35*45 cm, 2208*2688 (5,9 mill.) pixels, 160*160 microns pixelpitch, 12 bit gråtoneskala. Producent: Santax Medico, Dalgas Avenue 40, 8000 Århus C, Danmark (Canon). Monitor på arbejdsstation: Totoku, ME201L, monochrome LCD-monitor. Producent: TOTOKU ELECTRIC CO., LTD., Head Office Okubo, Shinjuku-ku, Tokyo Japan. 68

76 Bilag 1 Software: Canon-software MLT(s) version Anvendte post-processerings-værktøjer er Edge Enhancement Effect, Edge Enhancement Frequency og Noise Reduction. Producent: Canon U.S.A., Inc., One Canon Plaza, Lake Success, NY 11042, USA. PACS: Agfa Impax 5.2. Statistik udregning: Statistiske udregninger udført i Microsoft Excel 2003 på PC med Windows XP Professional Service Pack 3. Tukey værdier udregnet i MathLab service pack 3 med downloadet qtukey function 69

77 Bilag 2 F-max test undersøgelse for varianshomogenitet. Summen af: kvardraterne af (replikaterne minus samlet gennemsnit): (X- X gennemsnit ) 2 (1,27 1,524) 2 + (1,27 1,524) 2 + (1,39 1,524) 2 osv. Varians = (X- X gennemsnit ) 2 /n-1 =SD 2 Summen af: (kvardraterne af (replikaterne minus samlet gennemsnit) / (n-1)): (n=3) (1,27 1,524) 2 / 2 + (1,27 1,524) 2 / 2 + (1,27 1,390) 2 / 2 osv. SD 2 (max) =0, SD 2 (min) = 0, F-max= SD 2 (max)/sd 2 (min) = 798,14 F-max tabel (29) s 243 appendix 9. a = 27, fg = 2 Tabellen viser kun til a = 12. Tabelværdien for a= 12, fg =2 er 704. Det har ikke været været muligt at finde tabeller der går højere op i antal samples. Tallet stiger kraftigt med flere grupper, derfor antager vi at: F-max beregnet < F-max tabel, dvs. der er varianshomogenitet for a = 0,05. 70

78 Bilag 3 Ensidig varians analyse/one-way ANOVA Forudsætninger for ensidig varianstest: prøverne er varianshomogene, uafhængige og normalfordelte. Opfyldelse af forudsætninger: normalfordeling antages. Prøverne er indbyrdes uafhængige og varians homogenitet bekræftet ved F-max test. Hypoteser: H 0 = alle 27 grupper har ens IQF H 1 = der er statistisk signifikant forsk på største og mindste IQF Udregning af SAK T Summen af kvardratet af total gennemsnit - replikat: (X total gennemsnit X 1 ) 2 (1,542-1,270) 2 + (1,542-1,270) 2 + (1,542-1,390) 2 osv. SAK T = 10,617 Udregning af SAK M Summen af kvartraterne af forskellen imellem total gennemsnit og gruppens gennemsnit: (X total gennemsnit X gruppe gennemsnit ) 2 (1,542-1,310) 2 + (1,542-1,630) 2 + (1,542-2,030) 2 osv. SAK M = 150,878 Udregning af rest afvigelse: Summen af replikater - total gennemsnit - (gruppe gennemsnit - total gennemsnit) (X 1 - X total gennemsnit (X gruppe gennemsnit - X total gennemsnit )) 1,270-1,524 (1,310-1,524) + 1,270-1,524 (1,310-1,524) + 1,390-1,524 (1,310-1,524) osv. 71

79 Bilag 3 Udregning af SAK I Summen af kvadraternes af restafvigelsen: (X restafvigelse ) 2 SAK I = 0,964 Varians analyse: Variansanalyseskema SAK fg Varians (SD 2 ) Inden for grupper SAK I 0, ,018 Imellem grupper SAK M 150, ,803 F= SD 2 M / SD 2 I = 325,064 (Ftest) F tabel 2,3273-2,4170 (a = 0,01) Fra F tabel (29) s appendix 10. Ftest > F tabel, dvs. H 0 forkastes. Dvs. der er statistisk signifikant forskel mellem højeste og laveste IQF. 72

80 Bilag 4 Tukey Test. Vi har nu med ensidig varians analyse fastslået at der er signifikant forskel på højeste og laveste inv IQF værdi. Med en Tukey test vil vi nu undersøge om der er signifikant forskel på andre inv IQF værdier. Tukey-test Med denne test kan alle inv IQF-værdier sammenlignes parvist med alle andre inv IQFværdier, mhp. at identificere de parvise inv IQF-værdier, der afviger signifikant fra hinanden. Denne analyse forudsætter, at der er en signifikant forskel mellem de to mest ekstreme inv. IQF-værdier og at antallet af replikater er ens for alle kombinationerne (29). Begge forudsætninger er opfyldte. Testen gennemføres på følgende måde: Alle parvise differencer mellem inv IQFværdierne for de 27 parameterkombinationer beregnes (vist i tabellen på de to næste sider). Desuden beregnes test-værdien T, som repræsenterer grænseværdien mellem de inv IQF-værdier, der er signifikant forskellige fra hinanden, og de, der ikke er. Dette sker ved, at identificere alle de differencer, der er numerisk større end T-værdien disse er signifikant forskellige fra hinanden. T beregnes således: T = q x ( (SD 2 (I)/n)) q = q er en tabelværdi udregnet i MathLab for for signifikans niveau a=0,01 n = 3 T= 0,489 Hver værdi fra tabellen på de følgende 2 sider, der er nummerisk større end T-værdien, repræsenterer 2 parameterkombinationer, som afviger signifikant fra hinanden. Disse resultater er opsumeret i tabel 7 i afsnittet Statistisk analyse af data. 73

81 Bilag 4-0,3200-0,7200 0,0100-0,1433-0,8566 0,0267-0,2933-0,6366 0,0334-0,3700-0,7833 0,0500-0,3166-0,6366 0,1534-0,4000 0,3300 0,1767-0,5366 0,3467 0,0267-0,3166 0,3534-0,0500-0,4633 0,3700 0,0034-0,3166 0,4734 0,7300 0,5767-0,1366 0,7467 0,4267 0,0834 0,7534 0,3500-0,0633 0,7700 0,4034 0,0834 0,8734-0,1533-0,8666 0,0167-0,3033-0,6466 0,0234-0,3800-0,7933 0,0400-0,3266-0,6466 0,1434-0,7133 0,1700-0,1500-0,4933 0,1767-0,2267-0,6400 0,1933-0,1733-0,4933 0,2967 0,8833 0,5633 0,2200 0,8900 0,4866 0,0733 0,9066 0,5400 0,2200 1,0100-0,3200-0,6633 0,0067-0,3967-0,8100 0,0233-0,3433-0,6633 0,1267-0,3433 0,3267-0,0767-0,4900 0,3433-0,0233-0,3433 0,4467 0,6700 0,2666-0,1467 0,6866 0,3200 0,0000 0,7900-0,4034-0,8167 0,0166-0,3500-0,6700 0,1200-0,4133 0,4200 0,0534-0,2666 0,5234 0,8333 0,4667 0,1467 0,9367-0,3666-0,6866 0,1034-0,3200 0,4700 0,

82 Bilag 4-0,1200-0,4433-0,0100-0,3866-0,6833 0,1534-0,0166-0,2866 0,5434 0,2634 0,0234 0,2000-0,1233 0,3100-0,0666-0,3633 0,4734 0,3034 0,0334 0,8634 0,5834 0,3434 0,6000 0,2767 0,7100 0,3334 0,0367 0,8734 0,7034 0,4334 1,2634 0,9834 0,7434-0,1300-0,4533-0,0200-0,3966-0,6933 0,1434-0,0266-0,2966 0,5334 0,2534 0,0134 0,0233-0,3000 0,1333-0,2433-0,5400 0,2967 0,1267-0,1433 0,6867 0,4067 0,1667 0,7366 0,4133 0,8466 0,4700 0,1733 1,0100 0,8400 0,5700 1,4000 1,1200 0,8800-0,1467-0,4700-0,0367-0,4133-0,7100 0,1267-0,0433-0,3133 0,5167 0,2367-0,0033 0,1733-0,1500 0,2833-0,0933-0,3900 0,4467 0,2767 0,0067 0,8367 0,5567 0,3167 0,5166 0,1933 0,6266 0,2500-0,0467 0,7900 0,6200 0,3500 1,1800 0,9000 0,6600-0,1534-0,4767-0,0434-0,4200-0,7167 0,1200-0,0500-0,3200 0,5100 0,2300-0,0100 0,2500-0,0733 0,3600-0,0166-0,3133 0,5234 0,3534 0,0834 0,9134 0,6334 0,3934 0,6633 0,3400 0,7733 0,3967 0,1000 0,9367 0,7667 0,4967 1,3267 1,0467 0,8067-0,1700-0,4933-0,0600-0,4366-0,7333 0,1034-0,0666-0,3366 0,4934 0,2134-0,0266 0,1966-0,1267 0,3066-0,0700-0,3667 0,4700 0,3000 0,0300 0,8600 0,5800 0,3400 0,5166 0,1933 0,6266 0,2500-0,0467 0,7900 0,6200 0,3500 1,1800 0,9000 0,6600-0,2734-0,5967-0,1634-0,5400-0,8367 0,0000-0,1700-0,4400 0,3900 0,1100-0,1300-0,3233 0,1100-0,2666-0,5633 0,2734 0,1034-0,1666 0,6634 0,3834 0,1434 0,4333 0,0567-0,2400 0,5967 0,4267 0,1567 0,9867 0,7067 0,4667-0,3766-0,6733 0,1634-0,0066-0,2766 0,5534 0,2734 0,0334-0,2967 0,5400 0,3700 0,1000 0,9300 0,6500 0,4100 0,8367 0,6667 0,3967 1,2267 0,9467 0,7067-0,1700-0,4400 0,3900 0,1100-0,1300-0,2700 0,5600 0,2800 0,0400 0,8300 0,5500 0,3100-0,2800-0,5200-0,

83 EE-H, EF-M, NR-L 22. EE-M, EF-H, NR-L 16. EE-H, EF-H, NR-M 26. EE-H, EF-H, NR-L 25. EE-M, EF-M, NR-L 13. EE-M, EF-L, NR-L 10. EE-L, EF-H, NR-L 7. EE-H, EF-H, NR-H 27. EE-L, EF-M, NR-L 4. Bilag 5 2,5 2 1,5 1 0,5 0 Inv. IQF i aftagende rækkefølge EE-M, EF-L, NR-M 11. EE-L, EF-L, NR-M 2. EE-M, EF-M, NR-M 14. EE-H, EF-M, NR-H 24. EE-L, EF-H, NR-M 8. EE-L, EF-M, NR-M 5. EE-M, EF-H, NR-M 17. EE-H, EF-M, NR-M 23. EE-H, EF-L, NR-L 19. EE-L, EF-L, NR-L 1. Parameter kombination 76 EE-H, EF-L, NR-M 20. EE-M, EF-H, NR-H 18. EE-M, EF-M, NR-H 15. EE-L, EF-H, NR-H 9. EE-H, EF-L, NR-H 21. EE-L, EF-L, NR-H 3. EE-L, EF-M, NR-H 6. EE-M, EF-L, NR-H 12. Inv. IQF Plateau I Plateau II Plateau III Plateau IV Plateau V

84 Bilag 5 Søjlediagrammet viser inv. IQF i aftagende rækkefølge. Man kan fornemme, at inv IQFværdierne grupperer sig på nogle trinvise plateauer, som vi har angivet med nummrene I- V. Vi vil kort skitsere egenskaberne ved de parameterkombinationer, som hvert plateau består af. Plateau I udgøres af de største inv IQF-værdier. Fælles for disse kombinationer er, at de indeholder: NR-H + EE-L/M/H + EF-L/M/H (men højeste samtidige værdier er EE-M + EF-M, hvis den ene er H, er den anden L). Plateau II udgøres af de næststørste inv IQF-værdier. De indeholder flere slags kombinationer: NR-H + EE-M/H + EF-M/H (men ikke samtidig EE-H + EF-H), eller NR-M + EE-L/M/H + EF- L/M/H (men ikke samtidig EE-H + EF-H eller EE-H + EF-M). Plateau III, som udgøres af en bred midtergruppe, indeholder: NR-H + EE-H + EF-H, eller NR-M + EE-L/M/H + EF-M/H (men ikke samtidig EE-H + EF-H), eller NR-L + EE-L/M/H + EF-L/M/H (men ikke samtidig EE-H + EF-H). Plateau IV, en lille gruppe, indeholder: NR-M + EE-H + EF-H, eller NR-L + EE-M/H + EF-M/H (hvoraf én er M og den anden H og vice versa). Plateau V udgøres af nr. 25 og dens lave inv IQF skiller sig markant ud fra alle de øvrige: NR-L + EE-H + EF-H En sammenfatning af dette mønster indikerer, at de højeste inv IQF-værdier fås med NR H kombineret med varierende, men ingen samtidige høje, værdier af EE og EF. 77

85 Bilag 5 Mellemværdier af inv IQF (plateau II og III) fås når NR-H kombineres med samtidige mellem/høje niveauer af EE og EF eller når NR-L/M kombineres med samtidige lave/mellem niveauer af EE og EF. De laveste inv IQF-værdier (plateau IV og V) fås når NR-L/M kombineres med samtidige høje eller mellem/høje værdier af EE og EF. Dette tyder dels på, at høj NR har en positiv effekt på inv IQF, mens samtidig høj EE og EF har en negativ effekt på inv IQF. Det tyder også på, at blot den ene af de to parametre EE eller EF er lav, så har en høj værdi af den anden ikke en negativ effekt. Til sidst ser det ud til, at jo lavere NR, jo mindre værdi af EE og EF er nødvendig for at fremkalde den negative effekt på inv IQF. Denne tolkning er essentielt set den samme som vi nåede frem til vha. figur 8, blot illustreret på en lidt anden måde. På figuren observerede vi en gruppering i trinvise plateauer blandt forskellige kombinationer. Tukey-testen viser, at der ikke er signifikante forskelle mellem kombinationerne indenfor de enkelte plateauer, men viser heller ikke signifikante forskelle mellem tilstødende kombinationer, der skiller to plateauer. Sådanne signifikante forskelle ses kun når der er længere afstand mellem kombinationerne (fx mellem en værdi i plateau II versus IV). 78