C-arm Cone-Beam Computed Tomography Reconstruction for Knee Imaging under Weight-Bearing Conditions

Language
en
Document Type
Doctoral Thesis
Issue Date
2020-05-18
Issue Year
2020
Authors
Bier, Bastian
Editor
Abstract

Medical imaging is essential for the assessment of osteoarthritis and the overall knee health. For that purpose, radiographs of the knees of standing patients are acquired commonly. These suffer, however, under projective transformation and thus do not allow conclusions to be drawn about the complex 3-D joint anatomy. Conversely, compared to many 3-D capable imaging modalities, imaging under load is easily feasible using X-rays. This is beneficial, since it has been shown that this reflects the knee joint under more realistic conditions. Recently, a 3-D imaging protocol has been proposed that enables cone-beam computed tomography (CBCT) reconstruction of the knees acquired under weight-bearing conditions. To this end, the C-arm rotates on a horizontal trajectory around the standing patient. Involuntary patient motion and scattered radiation deteriorate the reconstructions’ image quality substantially. In this thesis, novel concepts and methods are proposed to further develop this imaging protocol in order to improve the reconstructions. In a first approach, a primary modulator-based scatter correction method has been transferred on a clinical C-arm CBCT system. The method is a suitable candidate to be applied to projection images of the knees, since it is capable of estimating heterogeneous scatter distributions. To this end, extensions to an existing method have been developed to compensate for the system wobble and the automatic exposure control of the C-arm systems. In multiple experiments, it is demonstrated that the primary modulator method works on clinical C-arm scanners and also for imaging under load. A current state-of-the-art motion estimation method is based on metallic fiducial markers that are placed on the patient’s skin. The marker placement is, however, a tedious and time-consuming process. To this end, two marker-free alternatives are proposed. In a first attempt, a range camera is utilized to track the patient surface simultaneous to a CBCT image acquisition. Using point cloud registration of the acquired depth frames, transformations can be computed that correspond to the patient motion, which directly can be integrated into the image reconstruction. In a simulation study, comparable results to the marker-based method could be achieved. Yet, initial real data experiments on a clinical scanner did not achieve satisfying image quality, even though part of the motion could be estimated. Therefore, the promising results make this method to a pre-cursor to future research. Although this method is marker-free, a prepared environment is required. Hence, another purely image-based motion estimated approach has been investigated. The idea is to replace the positions of the fiducial markers with the ones of anatomical landmarks present in the projections. Anatomical landmark detection in X-ray images from different directions is difficult and, to the best of our knowledge, has not been investigated yet. For this purpose, a novel deep learning-based approach has been developed. In a first evaluation, the method was tested on X-ray images of the pelvis. Here, it could be demonstrated that the detection accuracy sufficed to initialize a 2-D/3-D registration. Subsequently, the approach is transferred to knee projection images, where the good detection results served as input for the motion estimation. Despite limited results on real data acquisition, the achieved improvements of the image quality are an indicator for a successful future application for motion estimation.

Abstract

Die medizinische Bildgebung spielt eine wichtige Rolle um die Verfassung des Knies und insbesondere Arthrose zu beurteilen. Zu diesem Zweck werden üblicherweise Röntgenaufnahmen von stehenden Patienten aufgenommen. Diese unterliegen jedoch projektiver Transformation und lassen daher keine Rückschlüsse auf die komplexe 3-D Struktur des Knies zu. Im Vergleich zu vielen anderen 3-D fähigen Bildgebungsverfahren ist die Bildgebung unter Last jedoch einfach umzusetzen. Dies ist von Vorteil, da dies das Gelenk unter realen widerspiegelt. Vor Kurzem wurde ein neuartiges 3-D Bildgebungsprotokoll präsentiert, welches die Rekonstruktion von Knien unter Last mittels Kegelstrahl-Computertomographie (KSCT) ermöglicht. Dafür rotiert der C-Arm auf einer horizontalen Trajektorie um den stehenden Patienten. Unfreiwillige Patientenbewegung und Streustrahlung verschlechtern jedoch die Bildqualität. In dieser Arbeit werden neue Konzepte und Methoden vorgeschlagen, um diese Aufnahmetechnik weiterzuentwickeln um die Qualität der Rekonstruktionen zu verbessern. Um Streustrahlung zu kompensieren, wurde eine Streustrahlkorrekturmethode basierend auf der Primärmodulation auf einen klinischen C-Arm KSCT Scanner übertragen. Dafür wurden Erweiterungen entwickelt, um das Wackeln des Systems sowie die automatische Belichtungssteuerung des C-arm Systems zu kompensieren. Dieses Verfahren ist geeignet für die Anwendung auf Projektionsbilder der Knie, da es heterogene Streustrahlverteilungen schätzen kann. In mehreren Experimenten wurde gezeigt, dass diese Methode auf klinischen C-Bogen-Scannern, als auch zur Anwendung zur Bildegebung unter Last, funktioniert. Eine aktuelle Bewegungsschätzmethode basiert auf metallischen Markern, die auf der Haut des Patienten platziert werden. Die ist jedoch ein mühsamer und zeitaufwendiger Prozess. Aus diesem Grund werden in dieser Arbeit zwei markerfreie Alternativen vorgeschlagen. In einem ersten Ansatz wird mit einer Tiefenkamera die Patientenoberfläche gleichzeitig zu dem KSCT Scan aufgenommen. Mittels Punktwolkenregistrierung können Transformationen berechnet werden, welche der Patientenbewegung entsprechen und daher direkt in die Bildrekonstruktion integriert werden können. In einer Simulationsstudie konnten vergleichbare Ergebnisse zu der markerbasierten Methode erzielt werden. Erste Experimente auf einem klinischen Scanner erreichten jedoch keine zufriedenstellende Bildqualität, obwohl ein Teil der Bewegung geschätzt werden konnte. Die vielversprechenden Ergebnisse machen diese Methode daher zu einem Vorläufer für zukünftige Forschung. Obwohl dieses Verfahren markerfrei ist, ist eine vorbereitete Umgebung notwendig. Daher wurde eine weitere, rein bildbasierte, Bewegungschätzmethode untersucht. Die Idee bei dieser ist, die Positionen der Marker durch die der anatomischen Landmarken in den Projektionen zu ersetzen. Landmarkenerkennung in Röntgenbildern aus verschiedenen Richtungen ist jedoch komplex und wurde daher noch nicht untersucht. Zu diesem Zweck wurde eine neuartige Methode basierend auf Deep Learning entwickelt. In einer ersten Auswertung wurde das Verfahren mit Röntgenaufnahmen des Beckens getestet, auf denen die Erkennungsgenauigkeit ausreicht, um eine 2-D/3-D Registrierung zu initialisieren. Anschließend wurde der Ansatz auf Knieprojektionsbilder übertragen, bei denen die guten Detektionsergebnisse zur Bewegungsschätzung genutzt wurden. Trotz der Einschränkung bei der Anwendung auf einer realen Aufnahme ist die erreichte Verbesserung der Bildqualität ein vielversprechender Indikator für eine erfolgreiche zukünftige Anwendung für die Bewegungsschätzung.

DOI
Faculties & Collections
Zugehörige ORCIDs