Hoppa till innehåll
EN In english

Lågkomplexitetsrekonstruktionsmetoder för medicin

Diarienummer
AM13-0049
Projektledare
Öktem, Ozan
Start- och slutdatum
140401-200630
Beviljat belopp
21 000 000 kr
Förvaltande organisation
KTH - Royal Institute of Technology
Forskningsområde
Beräkningvetenskap och tillämpad matematik

Summary

The overall goal is to develop theory and algorithms for image reconstruction applicable to x-ray based medical imaging where data is under-sampled and/or highly noisy. Clinical goals are to develop image reconstruction methods that enables one to significantly reduce the total dose of x-rays and/or acquisition time while maintaining a clinically useful image quality, alternatively to significantly improve image quality given a fixed total dose/acquisition time. An important part is to develop the theory for regularisation of ill-posed inverse problems that reduces "image complexity". The methods are applicable to a wide range of imaging problems, but focus is on four medical imaging applications, each of high clinical relevance and with industrial and/or clinical participation. The work is interdisciplinary, e.g., the notion of "image complexity" has to be assessed in the context of clinical interpretability involving radiologists/clinicians and development of computationally feasible, yet sufficiently accurate, forward models requires collaboration with physics and engineering expertise. - Contrast enhanced CT for diagnosis & monitoring of Alzheimer’s disease. - 4D cardiac SPECT-CT and pulmonary PET-CT imaging. - C-arm 3D-CT for on-line treatment planning. - Reconstruction and signal separation for spectral CT. Taking on a wider perspective, the vision is to establish a platform integrating clinical needs in imaging with mathematics, engineering & physics.

Populärvetenskaplig beskrivning

Att rekonstruera en intern struktur av ett objekt från indirekta mätningar förekommer i flera tillämpade vetenskaper och matematik spelar en avgörande roll i ett rekonstruktionsförfarande. Det kanske mest kända exemplet är skiktröntgen som används inom medicinsk bilddiagnostik. Det är ett välkänt faktum är en ökad intensitet på röntgenstrålen ger bättre data, något som i sin tur leder till en bättre rekonstruerad bild. På samma vis ger mer bilddata en bättre rekonstruktion. De nuvarande riktlinjer som föreskriver hur data skall samlas in är dock långt ifrån optimala. De bygger på att själva rekonstruktionsförfarandet inte tar hänsyn till den informationsinnehåll som bilden har. Den matematiska forskning som ryms inom projektet syftar till att utveckla verktyg för att bättre ta hänsyn till informationsinnehållet i den bild man avser att rekonstruera. Detta öppnar upp för helt nya möjligheter till att bedriva röntgendiagnostik. Utöver tillämpningar inom medicinsk bilddiagnostik kan de matematiska verktygen även nyttjas inom andra områden där den interna strukturen av ett objekt från indirekta mätningar skall bestämmas. Exempel på sådana områden är inom radar och oljeprospektering samt mikroskopi.