Skull X-ray 영상에서 노이즈의 발생은 불가피하며, 이는 영상 화질과 진단 정확도를 저하시키고 디지털 영상 장치의 특성상 오류를 증가시킨다. 이러한 노이즈는 선량을 증가시키면 쉽게 감쇠되긴 하지만 환자가 받는 피폭선량이 더 큰 문제를 야기할 수 있다. 그래서 선량문제를 해결하고 동시에 노이즈를 줄이기 위해 저 선량에서 노이즈 감소 알고리즘이 활발히 연구되고 있는데, 초기에 개발되고 널리 사용되어진 median filter와 Wiener filter는 노이즈 감소 효율이 떨어지고 영상경계에 대한 정보가 많이 손실된다는 단점이 있다. 본 연구의 목적은 이전 노이즈 감소효율의 문제점을 보완할 수 있는 total variation (TV) 알고리즘을 skull X-ray 영상에 적용하여 정량적으로 평가하고 비교를 하는 것이다. 이를 위해 Siemens사의 X-ray 장치를 사용하여 성인 skull을 모사할 수 있는 팬텀을 통해 다양한 관전압과 관전류량을 사용하여 실제 skull X-ray 팬텀 영상을 획득하였다. 또한, 각각의 팬텀 영상에 noisy image, median filter, Wiener filter, TV 알고리즘을 적용하였을 때의 대조도 대 잡음비 (CNR)와 변동계수 (COV)를 비교 측정했다. 실험 결과 TV 알고리즘을 적용하였을 때, 모든 조건에서 CNR와 COV 특성이 우수함을 확인할 수 있었다. 결론적으로 이번 연구를 통해 TV 알고리즘을 사용하여 영상의 질을 높일 수 있는지에 대해 확인해 보았고, 이론적으로 CNR 값은 관전류량이 증가할수록 노이즈가 감소함으로 인해 증가하는 것을 알아볼 수 있었다. 반면에, COV는 관전류량이 증가할수록 감소하였으며 관전압이 증가하였을 때 noise는 감소하고 투과량이 증가하여 COV가 감소하는 것을 알아볼 수 있었다.
Noise in skull X-ray imaging is inevitable, which reduces imaging quality and diagnostic accuracy and increases errors due to the nature of digital imaging devices. Increasing the dose can attenuate noise, but that could lead to big problems with higher exposure dose received by patients. Thus, noise reduction algorithms are actively being studied at low doses to solve dose problems and reduce noise at the same time. Wiener filter and median filter have been widely used, with the disadvantages of poor noise reduction efficiency and loss of much information about imaging boundary. The purpose of this study is to apply total variation (TV) algorithm to skull X-ray imaging that can compensate for the problems of previous noise reduction efficiency to assess quantitatively and compare them. For this study, skull X-ray imaging is obtained using various kVp and mAs using the skull phantom using the X-ray device of Siemens. In addition, contrast to noise ratio (CNR) and coefficient of variation (COV) are compared and measured when noisy image, median filter, Wiener filter and TV algorithm were applied to each phantom imaging. Experiments showed that when TV algorithms were applied, CNR and COV characteristics were excellent under all conditions. In conclusion, we ve been able to see if we can use TV algorithm to improve image quality and CNR could be seen to increase due to the decrease in noise as the amount of increased mAs. On the other hand, COV decreased as the amount of increased mAs, and when kVp increased, noise was reduced and the transmittance was increased, so COV was reduced.
Ⅰ. INTRODUCTION
Ⅱ. MATERIAL AND METHODS
Ⅲ. RESULTS AND DISCUSSION
Ⅳ. CONCLUSION