• 1990 (Том 4)
  • 1989 (Том 3)
  • 1988 (Том 2)
  • 1987 (Том 1)

Том 36 №2

Содержание

  1. КОМПОНЕНТ N2PC В ИССЛЕДОВАНИЯХ ЗРИТЕЛЬНОГО ВНИМАНИЯ
  2. КОНЦЕПТУАЛЬНАЯ МОДЕЛЬ ОНТОЛОГИИ СЕНСОРНОЙ СИСТЕМЫ С СОБЫТИЙНЫМ МЕТОДОМ ОБРАБОТКИ ИНФОРМАЦИИ
  3. РЕГЕНЕРАЦИЯ ОРГАНА ЗРЕНИЯ HELIX LUCORUM В 185-СУТОЧНОМ ОРБИТАЛЬНОМ ПОЛЕТЕ НА МЕЖДУНАРОДНОЙ КОСМИЧЕСКОЙ СТАНЦИИ
  4. МУЛЬТИПЛИКАТИВНО ЗАМКНУТЫЕ СПЕКТРАЛЬНЫЕ МОДЕЛИ В ЗАДАЧАХ ЦВЕТОВОГО АНАЛИЗА
  5. О МОНИТОРИНГОВОМ ПОДХОДЕ К ТОМОГРАФИЧЕСКОЙ РЕКОНСТРУКЦИИ

О МОНИТОРИНГОВОМ ПОДХОДЕ К ТОМОГРАФИЧЕСКОЙ РЕКОНСТРУКЦИИ

© 2022 г. М. В. Чукалина1,2, А. С. Ингачева2,3, К. Б. Булатов2,4, К. О. Кутукова5, Э. Чех5, В. В. Арлазаров2,4

1ФНИЦ Кристаллография и фотоника 119333 Москва, Ленинский проспект, 59, Россия
chukalinamarina@gmail.com
2Смарт Энджинс Сервис 117312 Москва, проспект 60-летия Октября, 9, Россия
3Институт проблем передачи информации РАН 127051 Москва, Большой каретный пер., 19, Россия
4ФИЦ ИУ РАН 119333 Москва, 60-летия Октября, 9, Россия
5deepXscan GmbH, Дрезден, Германия

Поступила в редакцию 14.01.2022 г.

Метод рентгеновской томографии находит широкое применение в медицине, промышленности, таможенном контроле и, конечно, в научных исследованиях, как неразрушающий метод визуализации внутренней морфологической структуры исследуемых объектов. Каждое из применений накладывает на метод свои ограничения. Так, медицинские применения требуют ограничения дозовой нагрузки на организм, а использование на таможне требует сокращения времени досмотра. Недавно нами был предложен принципиально новый подход к работе с томографическими данными, названный мониторинговой реконструкцией. От классического двухэтапного “съемка по заданному протоколу – реконструкция” предложенный подход отличается тем, что реконструкция цифрового изображения начинает выполняться после съемки нескольких первых проекций (пачки проекций). Следующим этапом проводится анализ промежуточного результата и автоматически принимается решение продолжить съемку следующей “пачки” проекций, или рассматривать результат как финальный и остановить процесс съемки. В статье детально обсуждаются основные принципы мониторингового подхода, определяются функция суммарных потерь, стоимость ошибки реконструкции, стоимость наблюдений. Рассмотрены параметры, влияющие на вид функции стоимости наблюдений в зависимости от области применения метода. Проанализированы результаты модельного мониторингового эксперимента с использованием проекций, собранных на томографической установке с нанометровым разрешением. Показано, что применение подхода мониторинговой реконструкции к данным модельного эксперимента позволило в среднем на 10% уменьшить число требуемых проекций для достижения 5%-ного отклонения от “точного” ответа, по сравнению со случаем классического двухэтапного подхода.

Ключевые слова: рентгеновская томография, двухэтапная реконструкция, мониторинговая реконструкция, стоимость наблюдения, функция суммарных потерь

DOI: 10.31857/S0235009222020032

Цитирование для раздела "Список литературы": Чукалина М. В., Ингачева А. С., Булатов К. Б., Кутукова К. О., Чех Э., Арлазаров В. В. О мониторинговом подходе к томографической реконструкции. Сенсорные системы. 2022. Т. 36. № 2. С. 183–193. doi: 10.31857/S0235009222020032
Цитирование для раздела "References": Chukalina М. V., Ingacheva А. S., Bulatov K. B., Kutukova K. О., Zschech E., Arlazarov V. V. O monitoringovom podkhode k tomograficheskoi rekonstruktsii [About monitored tomographic reconstruction]. Sensornye sistemy [Sensory systems]. 2022. V. 36(2). P. 183–193 (in Russian). doi: 10.31857/S0235009222020032

Список литературы:

  • Постановление Главного государственного санитарного врача РФ от 07.07.2009 № 47 “Об утверждении СанПиН 2.6.1.2523-09” (вместе с “НРБ-99/2009. СанПиН 2.6.1.2523-09. Нормы радиационной безопасности. Санитарные правила и нормативы”) (Зарегистрировано в Минюсте РФ 14.08.2009 № 14534).
  • Гладилин C.А., Котов А.А., Николаев Д.П., Усилин С.А. Построение устойчивых признаков детекции и классификации объектов, не обладающих характерными яркостными контрастами. ИТиВС. 2014. № 1. С. 53–60.
  • Наттерер Ф. Математические аспекты компьютерной томографии. М.: Мир, 1990. 105 с.
  • Симонов Е.Н., Аврамов М.В., Аврамов Д.В. Анализ трехмерных алгоритмов реконструкции в рентгеновской компьютерной томографии. Вестник ЮУрГУ. Серия Компьютерные технологии, управление, радиоэлектроника. 2017. Т. 17. № 2. С. 24–32. https://doi.org/10.14529/ctcr170202
  • Хофер М. Компьютерная томография. Базовое руководство. 3-е издание. М.: Медицинская литература, 2010. 232 с.
  • Arlazarov V.L., Nikolaev D.P., Arlazarov V.V., Chukalina M.V. X-ray tomography: the way from layer-by-layer radiography. Computer Optics. 2021. V. 45 (6). P. 897–906. https://doi.org/10.18287/2412-6179-CO-898
  • De Andrade V., Nikitin V., Wojcik M., Deriy A., Bean S., Shu D., Mooney T., Peterson K., Kc P., Li K., Ali S., Fezzaa K., Gürsoy D., Arico C., Ouendi S., Troadec D., Simon P., De Carlo F., Lethien C. Fast X-ray Nanotomography with Sub-10 nm Resolution as a Powerful Imaging Tool for Nanotechnology and Energy Storage Applications. Adv. Mater. 2021. V. 33 (21): e2008653. Epub 2021 Apr 19. https://doi.org/10.1002/adma.20200865333871108
  • Bulatov K., Razumnyi N., Arlazarov V.V. On optimal stopping strategies for text recognition in a video stream as an application of a monotone sequential decision model. IJDAR. 2019. V. 22 (3). P. 303–314. https://doi.org/10.1007/s10032-019-00333-0
  • Bulatov K., Chukalina M., Buzmakov A., Nikolaev D., Arlazarov V.V. Monitored Reconstruction: Computed Tomography as an Anytime Algorithm. IEEE Access. 2020. V. 8. P. 110759–110774. https://doi.org/10.1109/ACCESS.2020.3002019
  • Buzung T.M. Computed Tomography. From photon statistics to modern cone-beam CT. Springer-Verlag Berlin Heidelberg. 2008. 521 p.
  • Dabli D., Frandon J., Belaouni A., Akessoul P., Addala T., Berny L., Beregi J-P., Greffier J. Optimization of image quality and accuracy of low iodine concentration quantification as function of dose level and reconstruction algorithm for abdominal imaging using dual-source CT: A phantom study. Diagnostic and Interventional Imaging. 2021. V. 103 (1). P. 31–40. https://doi.org/10.1016/j.diii.2021.08.004
  • Dixon R.L. A new look at CT dose measurement: Beyond CTDI. Medical Physics. 2003. V. 30 (6). P. 1272–1280. https://doi.org/10.1118/1.1576952
  • Ferguson T.S. Optimal stopping and applications. 2008. [Online]. Available: https://www.math.ucla.edu/~tom/Stopping
  • Little M.P., Patel A., Lee C., Hauptmann M., Berrington de Gonzalez A., Albert P., Impact of Reverse Causation on Estimates of Cancer Risk Associated With Radiation Exposure From Computerized Tomography: A Simulation Study Modeled on Brain Cancer. American Journal of Epidemiology. 2022. V. 191 (1). P. 173–181. https://doi.org/10.1093/aje/kwab247
  • Manerikar A., Li F., Kak A.C. DEBISim: A simulation pipeline for dual energy CT-based baggage inspection systems. Journal of X-Ray Science and Technology. 2021. V. 29 (2). P. 259–285. https://doi.org/10.3233/XST-200808
  • Mitsuyama Y., Katayama Y., Oi K., Shimazaki Ji., Mimura K., Endo M., Shimazu N. The accuracy of contrast-enhanced computed tomography scans to detect postpartum haemorrhage: an observational study. BMC Pregnancy Childbirth. 2022. V. 22 (67). P. 1–9. https://doi.org/10.1186/s12884-021-04306-2
  • Nikolaev D.P., Buzmakov A., Chukalina M., Yakimchuk I., Gladkov A., Ingacheva A. “CT Image Quality Assessment based on Morphometric Analysis of Artifacts”. SPIE 10253. 2016. P.10253–06. https://doi.org/10.1117/12.2266268
  • Nourazar M., Goossens B. Accelerating iterative CT reconstruction algorithms using Tensor Cores. Journal RealTime Image Processing. 2021. N. 18. P. 1979–1991. https://doi.org/10.1007/s11554-020-01069-5
  • Ota J., Yokota H., Kobayashi T., Ogata Yu., Kubo T., Chida K., Masuda Yo., Uno T. Head CT dose reduction with organ-based tube current modulation. Medical Physics. 2022. https://doi.org/10.1002/mp.15467
  • Prodi E., Danieli L., Manno C., Pagnamenta A., Pravatà E., Roccatagliata L., Städler S., Cereda C.W., Cianfoni A. Stroke Mimics in the Acute Setting: Role of Multimodal CT Protocol. American Journal of Neuroradiology. 2021. https://doi.org/10.3174/ajnr.A7379
  • Riis N.A., Frosig J., Dong Y., Hansen P.S. Limited-data X-ray CT for underwater pipeline inspection. Inverse Problems. 2018. V. 34 (3). P. 034002. https://doi.org/10.1088/1361-6420/aaa49c
  • Riis N.A.B., Dong Yi., Hansen P.C. Computed tomography with view angle estimation using uncertainty quantification. Inverse Problems. 2021. V. 37 (6). P. 065007. https://doi.org/10.1088/1361-6420/abf5ba
  • Topal E., Liao Z., Loeffler M., Gluch J., Zhang J., Feng X., Zschech E. Multi–scale X–ray Tomography and Machine Learning Algorithms to Study MoNi4 Electrocatalysts Anchored on MoO2 Cuboids Aligned on Ni Foam. BMC Materials. 2020. V. 2 (5). P. 1–14. https://doi.org/10.1186/s42833-020-00011-0
  • Zhang J., Wang T., Liu P., Liao Z., Liu S., Zhuang X., Chen M., Zschech E., Feng X. Efficient Hydrogen Production on MoNi4 Electrocatalysts with Fast Water Dissociation Kinetics. Nature Communications. 2017. V. 8 (1547). P. 1–8. https://doi.org/10.1038/ncomms15437
  • Zilberstein S. Using anytime algorithms in intelligent systems. AI Magazine. 1996. V. 17 (3). P. 73–83. https://doi.org/10.1609/aimag.v17i3.1232