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 2009 83.541 anslag inklusive mellemrum Professionshøjskolen Metropol Radiografuddannelsen Opgaven må gerne udlånes
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.
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).
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.
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 6 5.1 Opbygning af opgaven...s 6 5.2 Begrundelse for og præsentation af valgte artikel...s 6 5.3 Litteratursøgning....s 7 5.4 Ordvalg...s 9 6. Første del - teoretisk baggrund... s 10 6.1 CDRAD-fantom og IQF... s 10 6.2 CDRAD-Analyser program...s 12 6.3 Visual grading analysis (VGA)...s 12 6.4 Faktorielle forsøgsdesigns... s 13 6.5 Digital billeddataproduktion og repræsentation... s 15 6.6 Billedprocessering...s 17 6.6.1 Kontrast, brightness og LUT... s 17 6.6.2 Unsharp masking... s 18 6.6.3 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
7. Anden del optimering af processering...s 27 7.1 Teoretisk del Eva Norrmans artikel...s 27 7.1.1 Beskrivelse af Eva Norrmans artikel Optimization of image process parameters through factorial experiments using a flat panel detector...s 27 7.1.2 Diskussion af Eva Norrmans resultater...s 33 7.2 Praktisk del forsøg...s 36 7.2.1 Materialer og udstyr til forsøget...s 36 7.2.2 Forsøgets udførelse...s 36 7.2.3 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 42 7.2.4 Statistisk analyse af data...s 43 Ensidig variansanalyse...s 43 Tukey-test...s 44 7.2.5 Præsentation af forsøgsresultater...s 45 Tendenser i forsøgsresultaterne...s 45 Resultater af statistiske analyser...s 49 7.2.6 Diskussion af forsøgsresultater...s 53 7.3 Samlet diskussion af Eva Norrmans artikel og vores forsøg...s 55 8. Konklusion...s 59 9. Perspektivering...s 60 10. Litteraturliste...s 61
11. Bilag... s 67 11.1 Bilagsoversigt...s 67 Bilag 1...s 68 Bilag 2...s 70 Bilag 3...s 71 Bilag 4...s 73 Bilag 5...s 76
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
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
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
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
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
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
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
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 6.6.3 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
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
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
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
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. 6. 2 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
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
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
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
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