Quality assessment of clinical thorax CT images

Abstract

Computed tomography (CT) is one of the most important and widely used medical imaging modalities. It is used in clinical diagnostics as well as for minimally invasive therapeutic procedures. As with traditional X-ray imaging, the radiation exposure to the patient associated with CT is a disadvantage of this method. Therefore, one goal when using CT imaging is to reduce the radiation exposure or dose as much as possible. However, it should be noted that a reduction in dose is accompanied by a reduction in image quality. For this reason, careful consideration should be given to the level of image quality required for a particular diagnostic purpose and how the dose required for this purpose can be adjusted accordingly. Such optimizations are usually performed manually based on empirical values and the subjective perception of the image quality by the user. Different parameters, such as the body region and the associated absorption of the X-rays or the resolution or slice thickness of the images, play a key role in determining which dose is required for a specific image quality. Important criteria for assessing the quality of an image or a certain region of the image are the spatial resolution and the noise. The goal of this work was to develop a method for an automated, objective, application-specific quality assessment of clinical thorax CT images. In this work, the focus was on the area of the major fissure of the left lung as it was characterized by radiologists as a good indicator of the overall diagnostic image quality. The quality of the CT images in the region covering the major fissure was assessed by radiologists. This subjective assessment was used for comparison to the objective image quality obtained from the automated assessment system developed in this thesis. The major fissure and the areas surrounding it were automatically segmented to determine various features for image quality assessment. Based on these features, a classifier was trained which assigned the annotated image data to two classes. It was shown, that a reliable classification of the clinical CT images regarding their quality was possible with classical feature engineering and a support vector machine. Within the scope of this work, a method for an automated evaluation of image quality was developed. For this purpose, classical features characterizing the spatial resolution or the noise of an image were used in combination with a classifier. The major advantage over other methods is that this procedure can be applied to clinical CT images of patients and is not limited to the use of phantoms.

Die Computertomographie (CT) ist eines der wichtigsten und am häufigsten eingesetzten medizinischen Bildgebungsverfahren. Es wird sowohl in der klinischen Diagnostik als auch für minimalinvasive therapeutische Eingriffe eingesetzt. Wie auch bei der klassischen Röntgenbildgebung ist die mit der CT verbundene Strahlenbelastung des Patienten ein Nachteil dieser Methode. Ein Ziel bei der Anwendung der CT-Bildgebung ist es daher, die Strahlenbelastung bzw. Strahlendosis so weit wie möglich zu reduzieren. Dabei ist jedoch zu beachten, dass mit einer Reduktion der Dosis eine Verminderung der Bildqualität einhergehen kann. Aus diesem Grund sollte sorgfältig abgewogen werden, welches Level an Bildqualität für einen bestimmten diagnostischen Zweck benötigt wird und wie die dafür nötige Dosis entsprechend angepasst werden kann. Solche Optimierungen werden in der Regel manuell auf Basis von Erfahrungswerten und der subjektiven Wahrnehmung der Anwender durchgeführt. Dabei spielen unterschiedliche Parameter wie etwa die Körperregion und die damit verbundene Absorption der Röntgenstrahlung oder auch die Auflösung und Schichtdicke der Bilder eine entscheidende Rolle. Wichtige Kriterien für die Qualität eines Bildes sind die räumliche Auflösung und das Rauschen innerhalb des Bildes bzw. einer bestimmten Region. Das Ziel dieser Arbeit war es, eine Methode zur automatisieren, applikationsspezifischen Qualitätsbewertung von klinischen CT-Bildern des Thorax zu entwickeln. Dabei wurden zunächst ausgewählte Region innerhalb der Lunge analysiert. Die Qualität der Thorax-CT Aufnahmen wurde von Radiologen anhand unterschiedlicher Kriterien bewertet. Diese subjektive Einschätzung bildete die Grundlage für die Entwicklung eines automatisierten Bewertungssystems. Die große Herausforderung bei einem derartigen Ansatz ist die Anwendung des Verfahrens an realen Patientenbildern. Typischerweise wird die Qualität bildgebender Systeme mit Phantomen ermittelt, welche klar definierte Strukturen aufweisen. Im Rahmen der Arbeit wurde sich bei klinischen CT-Bildern auf den Bereich der Fissura obliqua des linken Lungenflügels konzentriert. In diesem Bereich wurden zunächst unterschiedliche Bereiche automatisch segmentiert, um die Features zur Bewertung der Bildqualität zu bestimmen. Basierend auf diesen Features wurde ein Klassifikator trainiert, welcher die annotierten Bilddaten zwei Klassen zugeordnet hat. Dabei konnte gezeigt werden, dass mit klassischem Feature Engineering und einer Support Vector Maschine eine zuverlässige Klassifikation der klinischen CT-Bilder bzw. deren Qualität möglich war. Im Rahmen dieser Arbeit wurde ein Verfahren zur automatisierten Bewertung der Bildqualität entwickelt. Dafür wurden unter anderem klassische Features zur Bestimmung der räumlichen Auflösung oder der Charakteristik des Bildrauschens in Verbindung mit einem Klassifikator eingesetzt.