Marc I Semper

 click here for the English version

 

Die Aufhärtung des Röntgenstrahls stellt eine der bedeutendsten Quellen für die Entstehung von Artefakten dar (1, 2, 3).

Die Aufhärtung der Röntgenstrahlung resultiert aus dem Umstand, dass die Strahlen niedrigerer Energie innerhalb des von der Röntgenquelle emittierten polychromatischen Spektrums beim Durchgang durch ein Untersuchungsobjekt  infolge ihrer vergleichsweise höheren Wellenlänge eine stärkere Absorption erfahren ->. Gleichzeitig werden die Strahlen höherer Energie und kürzerer Wellenlänge weniger stark gestreut ->. Dies führt in der Summe zu einer Verschiebung des Spektrums hin zu höherer Energie.

Je dichter die Materie und je höher deren Ordnungszahl ist, desto größer ist der Anteil der absorbierten Wellenlängen, bzw. der Absorptionskoeffizient. Wenn nun das definierte emittierte polychromatische Spektrum mehr relativ niederenergetische Strahlen enthält als das des aufgehärteten Röntgenstrahls, welches auf dem Detektor aufgezeichnet wird, dann wird hier ein nichtlinearer Fehler in den registrierten Daten induziert. Das heißt, dass hinter den stark absorbierenden Materialien eine in Relation zu hohe Energie der Röntgenstrahlung aufgezeichnet wird.

Darüber hinaus beruht das Lambert-Beer-Gesetz auf der (irrtümlichen) Annahme eines monochromatischen Röntgenspektrums ->.

In der Rückprojektion werden diese Ungenauigkeiten dann in das rekonstruierte Volumen zurückberechnet und als dunkle Bänder oder Streifen abgebildet (2).

Hochabsorbierende Materie, wie zum Beispiel Metall, wirkt somit quasi wie ein Filter innerhalb des untersuchten Objekts. Selbst vergleichsweise leichtes Metall, wie Titan, kann eine signifikante Aufhärtung des Röntgenstrahls in den Energiespektren bewirken, die in Digitalen Volumentomographen angewendet warden (4). Ähnliches gilt für manche Keramikmaterialien (5).

Strategien zur Reduktion von Aufhärtungsartefakten

Dual-Energy-Computertomographie

Die Dual-Energy-Computertomographie-Technik zeichnet sich durch Datenerfassung in zwei verschiedenen Energiespektren aus. Dual-Energie-Computertomographie liefert virtuelle monochromatische Bilder bei verschiedenen Photonenenergieniveaus und virtuelle monochromatische Bilder, die bei hohen Kilovolt-Einstellungen erzeugt werden. Letztere reduzieren bekanntermaßen die Auswirkungen der Strahlaufhärtung. MAR-Algorithmen können nach der Bilderfassung noch zusätzlich angewendet werden (6).

Tatsächlich sind Dual-Energy-DVT-Bildgebungsverfahren zur Berechnung der Elektronendichte bereits untersucht worden (7).

Iterative Rekonstruktionsalgorithmen

Es ist bekannt, dass die Bildqualität verbessert wird wenn ein Bild unter Verwendung von iterativen Rekonstruktionsverfahren zusammen mit einer Modalität zur Reduktion der Röntgenstrahlaufhärtung rekonstruiert wird (8). So sind in der Bildgebung durch Computertomographien iterative Rekonstruktionsalgorithmen etabliert und tragen zur Artefaktreduktion durch Aufhärtungsartefakte bei. Erwartungsgemäß funktionieren diese standardmäßigen Algorithmen in Digitalen Volumentomographien aufgrund physikalischer Unzulänglichkeiten nicht zufriedenstellend.

Dreidimensionale iterative Rekonstruktionsverfahren sind jedoch für den Zweck der Reduzierung von Streustrahlung und Aufhärtungsartefakten in der DVT-Bildgebung, insbesondere der mit niedriger Dosis, sehr interessant (9).

Andere Ansätze beschreiben einen iterativen Algorithmus für die Digitale Volumentomographie, der eine geneigte und parallele Strahlengeometrie auswertet und anschließend verwendet wird um den Projektionsfehler zu schätzen und ein Fehlerschätzbild zu erhalten, das dann von der anfänglichen Rekonstruktion subtrahiert wird (10).

Maximum-Likelihood-Rekonstruktionsalgorithmen stellen einen weiteren Versuch dar Röntgenstrahlaufhärtung zu verhindern. Diese Algorithmen reduzieren Strahlhärtungsartefakte durch Einbeziehen eines polychromatischen Erfassungsmodells. Das kontinuierliche Spektrum der Röntgenröhre wird als eine Anzahl diskreter Energien abgebildet. Die Energieabhängigkeit der Schwächung wird berücksichtigt, indem der lineare Schwächungskoeffizient in eine photoelektrische Komponente und eine Compton-Streukomponente zerlegt wird. Das relative Gewicht dieser Komponenten ist abhängig von a priori Kenntnissen der untersuchten Materie (11).

Metallartefakt-Reduktion

Filter, bzw. Algorithmen zur Artefakt- oder Metallartefaktreduzierung müssen mit Bedacht und unter Berücksichtigung der Indikation eingesetzt werden. Darüberhinaus stellt sich im Einzelfall die Frage, ob deren Einsatz vor oder erst nach der Bildrekonstruktion sinnvoll ist.

Bei der Darstellung stark radioopaker Strukturen, wie zum Beispiel von Implantaten, optimieren die angesprochenen MAR-Filter durchaus die Bildqualität (12). Dementsprechend erhöht die Verwendung der Artefaktreduktion die Genauigkeit der Detektion von Approximalkaries, da Artefakte, die mit Füllungsmaterialien assoziiert sind, reduziert werden (13).

Im Gegensatz dazu wird die Darstellungsqualität wenig radioopaker Strukturen, wie Dentin oder spongiöser Knochen, durch den Einsatz derartiger Algorithmen und Filter eher reduziert. So zum Beispiel bei der Detektion von Wurzelfrakturen. Deshalb sollten entsprechende Filter in derartigen Fällen auch erst nach der Bildrekonstruktion eingesetzt werden (14).

Einstellungen

Wie zuvor erwähnt, scheint die Verwendung einer höheren Energie während des Scannens zu einer weniger ausgeprägten Artefaktbildung zu führen (12, 15). Ebenso ist bekannt, dass in Bildern, die bei hohen Kilovolt-Einstellungen angefertigt werden, die Auswirkungen der Strahlaufhärtung reduziert sind (6).

Auf gar keinen Fall sollte die Auflösung der Rekonstruktion reduziert werden und ebenso wenig empfiehlt es sich den Röhrenstrom zu reduzieren – im Gegenteil.

Beide Hinweise finden sich zwar in vereinzelten Veröffentlichungen, sie beruhen aber auf einer subjektiven Wahrnehmung, oder eher Täuschung, die derartig modifizierte Bilddaten als für den Betrachter angenehmer erscheinen lässt. Letztere Wahrnehmung hat aber nichts mit der eigentlichen Bildqualität im physikalischen und mathematischen Sinne gemein.

Literatur

1. Schulze R, Heil U, Gross D, Bruellmann DD, Dranischnikow E, Schwanecke U, et al. Artefacts in CBCT: a review. Dento maxillo facial radiology. 2011;40(5):265-73.
2. De Man B, Nuyts J, Dupont P, Marchal G, Suetens P. Metal streak artifacts in X-ray computed tomography: a simulation study. IEEE Transactions on Nuclear Science. 1999;46(3):691-6.
3. De Man B, Nuyts J, Dupont P, Marchal G, Suetens P. Reduction of metal streak artifacts in X-ray computed tomography using a transmission maximum a posteriori algorithm. IEEE Transactions on Nuclear Science. 2000;47(3):977-81.
4. Schulze RK, Berndt D, d’Hoedt B. On cone-beam computed tomography artifacts induced by titanium implants. Clinical oral implants research. 2010;21(1):100-7.
5. Sancho-Puchades M, Hammerle CH, Benic GI. In vitro assessment of artifacts induced by titanium, titanium-zirconium and zirconium dioxide implants in cone-beam computed tomography. Clinical oral implants research. 2015;26(10):1222-8.
6. Katsura M, Sato J, Akahane M, Kunimatsu A, Abe O. Current and Novel Techniques for Metal Artifact Reduction at CT: Practical Guide for Radiologists. Radiographics. 2018;38(2):450-61.
7. Men K, Dai JR, Li MH, Chen XY, Zhang K, Tian Y, et al. A Method to Improve Electron Density Measurement of Cone-Beam CT Using Dual Energy Technique. BioMed research international. 2015;2015:858907.
8. Chueh HS, Tsai WK, Fu HM, Chen JC. Evaluation of the quantitative capability of a home-made cone-beam micro computed tomography system. Comput Med Imaging Graph. 2006;30(6-7):349-55.
9. Yang C, Wu P, Gong S, Wang J, Lyu Q, Tang X, et al. Shading correction assisted iterative cone-beam CT reconstruction. Phys Med Biol. 2017;62(22):8495-520.
10. Hsieh J, Molthen RC, Dawson CA, Johnson RH. An iterative approach to the beam hardening correction in cone beam CT. Med Phys. 2000;27(1):23-9.
11. De Man B, Nuyts J, Dupont P, Marchal G, Suetens P. An iterative maximum-likelihood polychromatic algorithm for CT. IEEE Trans Med Imaging. 2001;20(10):999-1008.
12. Vasconcelos TV, Bechara BB, McMahan CA, Freitas DQ, Noujeim M. Evaluation of artifacts generated by zirconium implants in cone-beam computed tomography images. Oral surgery, oral medicine, oral pathology and oral radiology. 2017;123(2):265-72.
13. Cebe F, Aktan AM, Ozsevik AS, Ciftci ME, Surmelioglu HD. The effects of different restorative materials on the detection of approximal caries in cone-beam computed tomography scans with and without metal artifact reduction mode. Oral surgery, oral medicine, oral pathology and oral radiology. 2016;123(3):392-400.
14. Bechara B, McMahan CA, Moore W, Noujeim M, Teixeira F, Geha H. Cone beam CT scans with and without artefact reduction in root fracture detection of endodontically treated teeth. Dento maxillo facial radiology. 2013;42(5).
15. Azevedo B, Lee R, Shintaku W, Noujeim M, Nummikoski P. Influence of the Beam Hardness on Artifacts in Cone-Beam CT. Oral surgery, oral medicine, oral pathology, oral radiology, and endodontics. 2008;105(4):48.

The hardening of the X-ray beam is one of the most important sources of artifact formation (1, 2, 3).

The beam hardening effect results from the fact that the lower energy beams within the polychromatic spectrum and emitted by the X-ray source undergo greater absorption as they pass through an object under study due to their comparatively long wavelength ->. At the same time, the X-rays of higher energy and shorter wavelength experience less scatter ->. In total, this results in a shift of the spectrum towards higher energy.

The more dense the matter and the higher its atomic number, the greater the proportion of the absorbed wavelengths, the absorption coefficient respectively. Now, if the defined emitted polychromatic spectrum contains more X-rays of relatively lower energy than that of the hardened X-ray beam recorded on the detector, then a non-linear error is induced in the registered data. This means that behind the strongly absorbing materials a relatively high energy of the X-radiation is recorded.

In addition, the Beer-Lambert Law is based on the assumption of a monochromatic X-ray spectrum ->.

In the backprojection, these inaccuracies are then recalculated into the reconstructed volume and displayed as dark bands or streaks (2).

Highly absorbent matter, such as metal, thus acts as a kind of filter within the examined object. Even comparatively light metal, such as titanium, can cause significant x-ray hardening in the energy spectra used in cone beam computed tomography (4). The same applies to some ceramic materials (5).

Beam Hardening Artifact Reduction Strategies

Dual-Energy Computed Tomography

The dual-energy computed tomography technique is characterized by data acquisition at two different energy spectra. Dual-energy computed tomography provides synthesized virtual monochromatic images at different photon energy levels, and virtual monochromatic images obtained at high kiloelectron volt levels. The latter are known to reduce the effects of beam hardening. MAR algorithms can still be applied after image acquisition (6).

Actually, dual energy CBCT imaging methods to calculate the electron densities have already been tested (7).

Iterative Reconstruction Algorithms

It has been shown that the image quality is enhanced when an image is reconstructed using iterative reconstruction methods along with a beam hardening correction (8). So, in computed tomography imaging, iterative reconstruction algorithms are established and contribute to artifact reduction induced by beam hardening. As expected, these standard algorithms fail to work satisfactorily in cone beam computed tomography due to physical imperfections.

However, three-dimensional iterative reconstruction techniques are very interesting for the purpose of reducing scatter and beam hardening artifacts in cone beam computed tomography imaging, especially those with low dose (9).

Further approaches describe an iterative beam hardening correction algortithm for cone beam computed tomography that utilizes a tilted parallel beam geometry and is subsequently employed to estimate the projection error and obtain an error estimation image, which is then subtracted from the initial reconstruction (10).

Maximum-likelihood reconstruction algorithms represent another attempt to prevent meam hardening. These algorithms reduce beam hardening artifacts by incorporating a polychromatic acquisition model. The continuous spectrum of the X-ray tube is modeled as a number of discrete energies. The energy dependence of the attenuation is taken into account by decomposing the linear attenuation coefficient into a photoelectric component and a Compton scatter component. The relative weight of these components is constrained based on prior material assumptions (11).

Metal Artifact Reduction

Filters or algorithms for artifact or metal artifact reduction must be used carefully and taking into account the indication. In addition, in individual cases, the question arises whether their application makes sense before or after the image reconstruction.

When imaging strongly radiopaque structures, such as implants, the addressed MAR filters certainly optimize the image quality (12). Accordingly, the use of the artifact reduction option increases the accuracy of approximal caries detection as artifacts associated with filling materials are reduced (13).

In contrast, the image quality of a less radiopaque structures, such as dentin or cancellous bone, is rather reduced by the use of such algorithms and filters. For example, in the detection of root fractures. Therefore, in such cases appropriate filters should be applied after the image reconstruction (15).

Settings

As mentioned before, the use of a harder energy beam during scanning appears to result in less extensive image artifact formation (12, 15). Also images obtained at high kilovolt levels are known to reduce the effects of beam hardening (6).

Under no circumstances the resolution of the reconstruction should be reduced and it is not recommended to reduce the tube current – on the contrary.

Both ideas can be found in isolated publications, but they are based on a subjective perception, or better deception, which makes such modified image data appear more pleasant for the observer. The latter perception, however, has nothing in common with the actual image quality in the physical and mathematical sense.

References

1. Schulze R, Heil U, Gross D, Bruellmann DD, Dranischnikow E, Schwanecke U, et al. Artefacts in CBCT: a review. Dento maxillo facial radiology. 2011;40(5):265-73.
2. De Man B, Nuyts J, Dupont P, Marchal G, Suetens P. Metal streak artifacts in X-ray computed tomography: a simulation study. IEEE Transactions on Nuclear Science. 1999;46(3):691-6.
3. De Man B, Nuyts J, Dupont P, Marchal G, Suetens P. Reduction of metal streak artifacts in X-ray computed tomography using a transmission maximum a posteriori algorithm. IEEE Transactions on Nuclear Science. 2000;47(3):977-81.
4. Schulze RK, Berndt D, d’Hoedt B. On cone-beam computed tomography artifacts induced by titanium implants. Clinical oral implants research. 2010;21(1):100-7.
5. Sancho-Puchades M, Hammerle CH, Benic GI. In vitro assessment of artifacts induced by titanium, titanium-zirconium and zirconium dioxide implants in cone-beam computed tomography. Clinical oral implants research. 2015;26(10):1222-8.
6. Katsura M, Sato J, Akahane M, Kunimatsu A, Abe O. Current and Novel Techniques for Metal Artifact Reduction at CT: Practical Guide for Radiologists. Radiographics. 2018;38(2):450-61.
7. Men K, Dai JR, Li MH, Chen XY, Zhang K, Tian Y, et al. A Method to Improve Electron Density Measurement of Cone-Beam CT Using Dual Energy Technique. BioMed research international. 2015;2015:858907.
8. Chueh HS, Tsai WK, Fu HM, Chen JC. Evaluation of the quantitative capability of a home-made cone-beam micro computed tomography system. Comput Med Imaging Graph. 2006;30(6-7):349-55.
9. Yang C, Wu P, Gong S, Wang J, Lyu Q, Tang X, et al. Shading correction assisted iterative cone-beam CT reconstruction. Phys Med Biol. 2017;62(22):8495-520.
10. Hsieh J, Molthen RC, Dawson CA, Johnson RH. An iterative approach to the beam hardening correction in cone beam CT. Med Phys. 2000;27(1):23-9.
11. De Man B, Nuyts J, Dupont P, Marchal G, Suetens P. An iterative maximum-likelihood polychromatic algorithm for CT. IEEE Trans Med Imaging. 2001;20(10):999-1008.
12. Vasconcelos TV, Bechara BB, McMahan CA, Freitas DQ, Noujeim M. Evaluation of artifacts generated by zirconium implants in cone-beam computed tomography images. Oral surgery, oral medicine, oral pathology and oral radiology. 2017;123(2):265-72.
13. Cebe F, Aktan AM, Ozsevik AS, Ciftci ME, Surmelioglu HD. The effects of different restorative materials on the detection of approximal caries in cone-beam computed tomography scans with and without metal artifact reduction mode. Oral surgery, oral medicine, oral pathology and oral radiology. 2016;123(3):392-400.
14. Bechara B, McMahan CA, Moore W, Noujeim M, Teixeira F, Geha H. Cone beam CT scans with and without artefact reduction in root fracture detection of endodontically treated teeth. Dento maxillo facial radiology. 2013;42(5).
15. Azevedo B, Lee R, Shintaku W, Noujeim M, Nummikoski P. Influence of the Beam Hardness on Artifacts in Cone-Beam CT. Oral surgery, oral medicine, oral pathology, oral radiology, and endodontics. 2008;105(4):48.

MerkenMerken

MerkenMerken

MerkenMerken

MerkenMerken

MerkenMerken

MerkenMerken

MerkenMerken

MerkenMerken

MerkenMerken

MerkenMerken

MerkenMerken