This dissertation presents efficient implementations of iterative X-rays image reconstruction methods for the specific case of three-dimensional tomographic imaging from subsampled data. When a complete projection dataset is not available, the linear system describing the so-called Sparse Tomography (SpCT) is underdetermined, hence a Total Variation (TV) regularized model is considered. The resulting optimization problem is solved by a Scaled Gradient Projection algorithm and a Fixed Point method. They both are accelerated by effective strategies, specifically tuned for a SpCT framework where fast reconstructions must be provided in short run time, facing a very large size problem. Good results on digital simulations attest the reliability of the model-based approach and of the proposed schemes. Accurate reconstructions from real medical datasets are also achieved in few iterations, confirming the feasibility of the proposed approaches to sparse tomographic imaging.

Questa tesi propone l'implementazione efficiente di due metodi iterativi per la ricostruzione di immagini tridimensionali di tomografia a raggi X, nel caso specifico in cui il volume debba essere ottenuto da dati sottocampionati. Quando le proiezioni non possono essere acquisite completamente, la risultante tecnica di Tomografia Computerizzata Sparsa (SpCT) è descritta da un sistema lineare sottodeterminato, quindi ne riformuliamo il modello aggiungendo il termine di Variazione Totale (TV). Definiamo pertanto un problema di ottimizzazione e lo risolviamo con un algoritmo di Gradiente Scalato Proiettato e uno di Punto Fisso. Entrambi i metodi sono stati accelerati con valide strategie, calibrate appositamente per la SpCT. In questo contesto è infatti necessario ricostruire un'immagine in brevissimo tempo, risolvendo un problema di ampie dimensioni. Alcuni test di simulazione forniscono buoni risultati che attestano la validità sia dell'approccio model-based che dei metodi proposti. Accurate ricostruzioni sono state ottenute a partire da proiezioni mediche reali, in poche iterazioni: ciò conferma l'adeguatezza di quanto proposto per la ricostruzione di immagini nel campo della SpCT.

Reconstruction of 3D X-ray tomographic images from sparse data with TV-based methods / Morotti, Elena. - (2018 Jan 11).

Reconstruction of 3D X-ray tomographic images from sparse data with TV-based methods

Morotti, Elena
2018

Abstract

Questa tesi propone l'implementazione efficiente di due metodi iterativi per la ricostruzione di immagini tridimensionali di tomografia a raggi X, nel caso specifico in cui il volume debba essere ottenuto da dati sottocampionati. Quando le proiezioni non possono essere acquisite completamente, la risultante tecnica di Tomografia Computerizzata Sparsa (SpCT) è descritta da un sistema lineare sottodeterminato, quindi ne riformuliamo il modello aggiungendo il termine di Variazione Totale (TV). Definiamo pertanto un problema di ottimizzazione e lo risolviamo con un algoritmo di Gradiente Scalato Proiettato e uno di Punto Fisso. Entrambi i metodi sono stati accelerati con valide strategie, calibrate appositamente per la SpCT. In questo contesto è infatti necessario ricostruire un'immagine in brevissimo tempo, risolvendo un problema di ampie dimensioni. Alcuni test di simulazione forniscono buoni risultati che attestano la validità sia dell'approccio model-based che dei metodi proposti. Accurate ricostruzioni sono state ottenute a partire da proiezioni mediche reali, in poche iterazioni: ciò conferma l'adeguatezza di quanto proposto per la ricostruzione di immagini nel campo della SpCT.
11-gen-2018
This dissertation presents efficient implementations of iterative X-rays image reconstruction methods for the specific case of three-dimensional tomographic imaging from subsampled data. When a complete projection dataset is not available, the linear system describing the so-called Sparse Tomography (SpCT) is underdetermined, hence a Total Variation (TV) regularized model is considered. The resulting optimization problem is solved by a Scaled Gradient Projection algorithm and a Fixed Point method. They both are accelerated by effective strategies, specifically tuned for a SpCT framework where fast reconstructions must be provided in short run time, facing a very large size problem. Good results on digital simulations attest the reliability of the model-based approach and of the proposed schemes. Accurate reconstructions from real medical datasets are also achieved in few iterations, confirming the feasibility of the proposed approaches to sparse tomographic imaging.
sparse tomography, Total Variation, iterative solvers, inverse problems, X-ray medical imaging
Reconstruction of 3D X-ray tomographic images from sparse data with TV-based methods / Morotti, Elena. - (2018 Jan 11).
File in questo prodotto:
File Dimensione Formato  
tesi_elenamorotti.pdf

accesso aperto

Tipologia: Tesi di dottorato
Licenza: Non specificato
Dimensione 19.54 MB
Formato Adobe PDF
19.54 MB Adobe PDF Visualizza/Apri
Pubblicazioni consigliate

I documenti in IRIS sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.

Utilizza questo identificativo per citare o creare un link a questo documento: https://hdl.handle.net/11577/3423265
Citazioni
  • ???jsp.display-item.citation.pmc??? ND
  • Scopus ND
  • ???jsp.display-item.citation.isi??? ND
social impact