Ens, S.Buzug, T. M.Fischer, StefanMaehle, ErikReischuk, Rüdiger2020-01-282020-01-282009978-3-88579-248-2https://dl.gi.de/handle/20.500.12116/31489Im Bereich der Computertomographie (CT) existiert eine Reihe von Anwendungen, wie zum Beispiel Micro- oder Dental-CT, die eine längere Datenakquisitionszeit aufweisen. Entsprechend nimmt die Frage der Bewegungskorrektur eine wichtige Stellung ein, da sich z.B. bei der Dental-CT Patientenbewegungen nicht vollständig vermeiden lassen. Die gängigste Methode der Bewegungskorrektur ist die Data-Driven Motion-Correction (DDMC). Für dieses Verfahren müssen die Bewegungszeitpunkte bekannt sein, um die Daten in bewegungsfreie Abschnitte unterteilen zu können. Da die Überwachung des Patienten mit Kamera- oder Trackingsystemen zusätzlichen Zeit- und vor allem Kostenaufwand mit sich bringt, wird ein Softwareverfahren benötigt, welches nur die aufgenommenen CT-Daten verwendet. Nach einem Überblick über momentan existierende Methoden, wird in diesem Beitrag eine Vorgehensweise für die Bestimmung der Bewegungszeitpunkte vorgestellt. Dabei gibt der Betrag des Distanzmaßes, bestimmt zwischen zwei sukzessiven Projektionsbildern (erzeugt mit Cone-Beam-CT), Aufschluss über das Vorhandensein einer Bewegung. Gesucht ist eine Metrik, die zwischen zwei Projektionen des Objektes in gleicher Position ähnliche Werte liefert. An den Stellen, wo eine Bewegung stattgefunden hat, soll dieses Distanzmaß einen auffällig großen Wert liefern. Die Schwierigkeit dabei besteht darin, dass zwei nacheinander folgende Projektionen bereits ein gewisses Maß an Unähnlichkeit besitzen, welches durch die rotierende Bewegung des Quelle-Detektor-Systems und folglich unterschiedliche Überlagerungen der Objektstrukturen entsteht. Es wird die Anwendbarkeit von sieben verschiedenen Distanzmassen untersucht. Durch Verwendung von CT-Daten mit bekannten Bewegungsstellen ist eine quantitative Evaluierung der Bewegungsdetektion möglich. Die Vorgehensweise und das benötigte Equipment zur Erstellung einer solchen Datenbank werden beschrieben. Es wird gezeigt, dass bei Verwendung der Mutual Information als Distanzmaß und eines modifizierten Verfahrens zur Ausreißerdetektion eine Korrekt-Detektionsrate von 99.91% erreicht werden kann. Dieses Maß wies auch die niedrigste Abhängigkeit von der Objektstruktur auf, was die Wahl der betrachteten Umgebungen für die Bestimmung der statistischen Parameter datenunabhängig macht. Allerdings ist MI am aufwendigsten zu berechnen. Deshalb könnte die SSIM-Metrik, die nur eine wenig schlechtere Korrekt-Detektionsrate hat, eine mögliche schnellere Alternative sein.deText/Conference Paper1617-5468