3.5 Conclusion
6.3.3 Ombrage
En utilisant la mire osseuse (Figure6.2c), l’ombrage présent entre les régions d’atténuation importante est maintenant abordé. À la différence du reste de ce chapitre, les reconstruc- tions sont ici effectuées à l’aide de 50 itérations et 32 OS. Ce nombre important d’itérations est nécessaire afin de mener l’image à une convergence acceptable. En effet, les régions de contraste important impliquent un contenu fréquentiel élevé, et les hautes fréquences sont reconstruites tardivement dans le cycle itératif. Dans le but de quantifier l’artefact d’om- brage, la déviation standard est mesurée à l’intérieur d’une région rectangulaire située au
centre de l’image (43×172 mm2). Puisque cette mesure est problématique en présence de bruit, les simulations sont ici effectuées sans l’ajout de bruit de comptage. Encore ici, la mesure est effectuée à partir de l’image provenant de la reconstruction en fonctions de base générée à une énergie de 50.4 keV. Les résultats rapportés sont relatifs à l’ombrage mesuré dans la même mire à l’aide d’un détecteur opérant en mode intégration (ombragerelatif =
ombragespectral ombrageintegration).
La figure 6.5 présente le résultat de cette mesure pour les différentes configurations du détecteur. Pour les meilleurs scénarios, l’amplitude de l’artefact est réduite à seulement 30% de celle présente dans l’image provenant du mode intégration. Il est intéressant de noter que huit niveaux sont nécessaires pour l’obtention de cette correction maximale, et que l’ajout de niveaux supplémentaires est inutile. Cependant, même un détecteur utilisant uniquement deux niveaux permet une diminution appréciable de l’artefact si sa résolution en énergie est raisonnable.
Afin de démontrer que la diminution de l’artefact d’ombrage est aussi possible en présence de bruit, la figure6.6montre le résultat des reconstructions avec et sans bruit de comptage pour un détecteur possédant huit niveaux et une résolution en énergie de 1%, et aussi pour un détecteur traditionnel en mode intégration. L’artefact est bel et bien présent dans la version bruitée et la correction est aussi efficace pour le détecteur spectral. La fenêtre d’observation est de 0.18–0.22 cm−1, correspondant à une fenêtre HU centrée sur 0 et d’une largeur de 200.
a) b)
Figure 6.5 Amplitude de l’artefact d’ombrage : a) en fonction du nombre de niveaux d’énergie utilisés, b) en fonction de la résolution en énergie du détecteur.
6.3. RÉSULTATS 109
a)
Intégration Spectrale @ 50.4 keV
Sans bruit A vec bruit b) c) d) ROI
Figure 6.6 Reconstructions de la mire contenant les inclusions os- seuses sans bruit (a, b) et avec un bruit correspondant à 585 000 comptes/détecteur/projection (c, d), pour un détecteur opérant en mode in- tégration (a, c) et pour un détecteur AAI possédant 8 niveaux et une résolution en énergie de 1% (b, d). La figure a) montre aussi la région d’intérêt utilisée afin de quantifier l’amplitude de l’artefact d’ombrage. La fenêtre d’observation est de 0.18–0.22 cm−1 pour toutes les images.
6.3.4
Rapport contraste à bruit
Le RCB est ici étudié en se concentrant sur l’identification de calcifications en mammogra- phie. Afin d’y parvenir, l’inclusion de carbonate de calcium (CaCO3 à une concentration de 0.28 g/cm3) présent dans la mire de Schmidt (Figure 4.3) est à présent considérée. La mesure de RCB est effectuée sur l’image en tons de gris obtenue par l’équation 4.26, à l’énergie maximisant le RCB spectral. De cette manière, le RCB serait utilisable dans un contexte d’imagerie clinique. Afin de rapporter les résultats en termes d’amélioration du RCB, une reconstruction simulant un détecteur opérant en mode intégration est encore ici effectuée.
Les différentes configurations de détecteur sont à nouveau testées et le résultat est obser- vable à la figure 6.7. Pour une bonne résolution en énergie, le RCB augmente de façon significative en fonction du nombre de niveaux et sature vers 16 niveaux. Sans grande surprise, le gain de RCB par l’ajout de niveaux additionnels n’est pas aussi intéressant lorsque la résolution est moindre. L’amélioration de RCB est toutefois intéressante pour toutes les configurations, même pour un détecteur possédant un faible nombre de niveaux d’énergie.
a) b)
CaCO3 CaCO3
Figure 6.7 Amélioration du RCB pour l’inclusion de CaCO3 : a) en fonction du nombre de niveaux d’énergie utilisés, b) en fonction de la résolution en énergie du détecteur.
6.4
Discussion
Ce chapitre évalue les performances de la méthode de reconstruction proposée au cha- pitre 4 face à différentes configurations de détecteurs. Les conclusions qui peuvent en être tirées seraient probablement différentes si une autre approche de reconstruction était utilisée. D’autres facteurs, tels que la taille du sujet et l’étendue spectrale de la source de rayonnement, influenceraient aussi grandement le résultat. Par exemple, les considéra- tions de durcissement de faisceau seraient probablement insignifiantes pour une mire d’un diamètre de quelques centimètres simulant un petit animal. À l’opposé, les bénéfices liés à la reconstruction polyénergétique seraient probablement encore plus importants pour l’imagerie chez les patients obèses.
Pour les mires simulées dans le cadre de ce chapitre, les conclusions provenant des différents contextes mènent à un constat harmonieux. Si l’on s’intéresse à l’aspect quantitatif des
6.5. CONCLUSION 111 reconstructions, soit concernant l’exactitude des coefficients d’atténuation reconstruits, une résolution en énergie inférieure à 10% permet une diminution de l’erreur par l’ajout de fenêtres additionnelles. L’utilisation de plus de 8 niveaux ne réduit pas significativement cette erreur. Concernant les artefacts liés au durcissement du faisceau, 8 fenêtres sont suffisantes pour réduire l’affaissement à environ 1 HU si la résolution en énergie est sous la barre de 10%. Afin de minimiser l’ombrage, il est encore une fois inutile d’ajouter plus de 8 niveaux pour une résolution en énergie raisonnable. Certaines stries restent cependant visibles dans les images d’ombrage, et ce même si l’algorithme MLTRpoly gère le processus de durcissement de manière appropriée. Ces stries ne peuvent être corrigées parfaitement [De Man et al., 2001], en raison des effets non linéaire de volume partiel [Joseph et Spital, 1981] et de repliement spectral [Brooks et al., 1979; Crawford et Kak, 1979; Leng et al., 2008; Stockham, 1979; Zbijewski et Beekman, 2004, 2006]. Finalement, le RCB mesuré entre une inclusion de CaCO3 et un tissu mammaire ne s’améliore pas de façon significative avec plus de 8 fenêtres, et ce pour toute résolution en énergie. Un léger gain de RCB est cependant disponible en utilisant 16 niveaux si la résolution en énergie est de l’ordre de 1%. Somme toute, un détecteur spectral intéressant posséderait 8 fenêtres et une résolution en énergie sous la barre des 10% à 60 keV.
Des détecteurs offrant des caractéristiques comparables commencent à faire leur apparition sur le marché. Par exemple, le Medipix-3RX [Ballabriga et al., 2013; Koenig et al., 2014] avec ses 8 niveaux et une résolution de 11% à 22 keV semble un candidat intéressant, quoiqu’il soit pour l’instant restreint à acquérir une énergie maximale de 35 keV. Une telle limitation, combinée au fait que sa géométrie ne permette pas de juxtaposer suffisamment d’unités pour imager un patient humain, rendent toutefois son utilité clinique difficile (cette énergie serait cependant adaptée à la mammographie). D’autres propositions ont été apportées (Tableau2.1 et2.2), mais ne représentent pour l’instant que des prototypes de laboratoire.
6.5
Conclusion
Dans ce chapitre, l’influence du nombre de fenêtres et de la résolution en énergie d’un détecteur opérant en AAI sur la capacité à générer des images reconstruites de qualité à été étudiée. Les critères d’évaluation incluaient la précision de la quantification, la sensibilité aux artefacts causés par le durcissement du faisceau et la capacité à améliorer le RCB. Pour tous ces scénarios, il a été observé que 8 fenêtres et une résolution en énergie inférieure à 10% (à 60 keV) représentent une configuration intéressante permettant de générer des images pour lesquelles le processus de durcissement est traité de manière adéquate. Un
détecteur avec ces caractéristiques n’est pas encore disponible commercialement, mais les nombreuses propositions expérimentales mises de l’avant ces dernières années laissent entrevoir une possibilité clinique concrète dans un avenir rapproché. Si les considérations de bruit, de distorsion spectrale et de taux de comptage sont aussi adressées correctement, la TDM comme la radiographie bénéficieront alors d’une réduction de dose et de nouvelles capacités spectrales. Ce complément d’information permettra de mieux caractériser les tissus observés, de localiser plus aisément les détails fins et ouvrira la porte à une nouvelle ère diagnostique dont les capacités restent encore à être découvertes.
CHAPITRE 7
Estimation de la distribution de dose
Il a été exposé au cours des chapitres précédents que la TDM polyénergétique permet, en autres, l’identification spectroscopique des matériaux ainsi que l’amélioration du RBC. Bien d’autres utilisations sont cependant envisageables. Ce chapitre propose donc une nouvelle application, avec laquelle il est possible d’approximer la dose délivrée à un patient directement suite à un examen TDM si un détecteur AAI est utilisé. En théorie, une résolution en énergie et un nombre de niveaux d’énergie suffisants permettrait de calculer la distribution spatiale de la dose absorbée dans le corps imagé. Une solution, basée sur la méthode démontrée au chapitre4, est proposée afin d’y parvenir.
7.1
Introduction
L’obtention de la distribution 3D de la dose délivrée au patient suite à un examen TDM clinique, pouvant mener au calcul de dose totale ou de dose absorbée par organe, serait un atout fantastique pour les cliniciens d’aujourd’hui [Kalender, 2014]. Kalender ajoute même qu’une surveillance continue et rigoureuse de la dose administrée est une nécessité. Dans ce contexte, et devant la mesure d’énergie permise par les nouveaux détecteurs opérant en comptage de photons, cette mesure devient maintenant possible.
De nombreuses méthodes ont déjà été proposées afin d’estimer la dose absorbée suite à un examen TDM. Elles se basent généralement sur une modélisation Monte Carlo reprodui- sant les caractéristiques associées à l’examen [Atherton et Huda, 1996; Huda et Atherton, 1995; Rivard et al., 2010], et sont généralement très gourmandes en durée de calcul. Peu de méthodes proposent d’utiliser directement les données acquises par TDM afin d’en extraire un estimé de dose. Par exemple, il a été montré que la mesure de la dose à un point d’intérêt est possible à partir d’une mesure standard (en mode intégration), si la distribution spectrale de la source est connue [Kouznetsov et Tambasco, 2011].
Dans un cadre de reconstruction itérative avec données polyénergétiques, tel que présenté au chapitre4, tous les éléments nécessaires au développement d’une nouvelle solution sont déjà disponibles. La matrice système, traduisant la géométrie du système d’acquisition, et une reconstruction en fonctions de base sont ainsi utilisées en entrées pour le calcul de dose. Cette proposition est intéressante, puisqu’elle permet d’estimer la distribution de la
dose immédiatement après un examen, indépendamment de tous changements ayant pu survenir concernant l’état du scanner ou le protocole d’acquisition (tension et courant de la source, présence/absence de filtres, durée, pas axial, etc.).
L’idée est articulée selon trois opérations analytiques exécutées de manière non itérative. Dans un premier temps, le nombre de photons atténués dans chacun des voxels de l’image reconstruite est calculé. Ensuite, de ce nombre sont estimées les énergies déposées par les effets photoélectriques et Compton. Puisque les énergies moyennes des niveaux sont connues, ceci permet d’obtenir, en Joules (J), la distribution spatiale de l’énergie déposée. Finalement, pour obtenir la dose en Gray (Gy), la densité est estimée pour chacun des voxels de l’image.