Bildfehler bei der Computertomografie reduzieren

Schärfere Bilder im OP

Die Computertomografie gehört zu einem der wichtigsten bildgebenden Verfahren im Klinikalltag. Sie liefert schnell Aufnahmen des Körperinneren, mit deren Hilfe Ärzte beispielsweise Knochen, Gefäßverschlüsse und Implantate visualisieren können. Im OP gibt es einen speziellen Computertomografen (CT), der all das auch während eines medizinischen Eingriffs kann. Aus vielen verschiedenen 2D-Bildern wird dabei mit Hilfe eines Computerprogramms ein 3D-Bild zusammengesetzt.

Wissenschaftler der FAU haben zu dieser Entwicklung viel beigetragen. Doch ist es nach wie vor eine große Herausforderung, unter diesen Bedingungen zuverlässig die gleiche Bildqualität wie bei einem herkömmlichen CT zu erhalten. In einem neuen DFG-geförderten Projekt sollen die Bilderdaten, die bei einem Scan anfallen, noch besser ausgenutzt werden.

Bereits in den 70er-Jahren erstellte die erste Generation von Computertomografen Bilder mit Hilfe von parallelen Röntgenstrahlen, die eine Schicht des Körpers eines Patienten von allen Seiten durchdringen konnten.  Heutzutage ist es sogar während eines medizinischen Eingriffs möglich, ein 3D-Bild des Patienten aufzunehmen: Ein spezieller CT, wegen seiner Form C-Bogen genannt, setzt aus mehreren 2D-Bildern ein 3D-Bild zusammen, indem es sich in wenigen Sekunden einmal um den Patienten dreht. C-Bögen sind leichter gebaut und flexibler einsetzbar als normale CT, schließlich ist im OP wenig Platz.

Durch die – im Vergleich zu normalen CT – längere Aufnahmezeit von circa 20 Sekunden (60 Millisekunden im normalen CT)  kann es jedoch zu Bildfehlern kommen. Oft passiert es beispielsweise, dass sich der Patient während einer Aufnahme bewegt. Die 3D Bilder sind dann unscharf oder es sind doppelte Kanten zu sehen.

Um diese Fehler, sogenannte Bewegungsartefakte, zu vermeiden, haben Wissenschaftler vom Lehrstuhl für Mustererkennung der FAU einen neuen Algorithmus entwickelt. „Wenn Sie zwei Röntgenbilder von mir aufnehmen, zeigen beide den gleichen Körper, nur aus anderen Winkeln betrachtet. Bewegt sich ein Patient während einer CT-Aufnahme, so beobachten wir inkonsistente Bildpaare“, erklärt André Aichert vom Lehrstuhl für Mustererkennung an der FAU.

„Wir können diese Inkonsistenzen mathematisch in sogenannten Epipolaren Konsistenzbedingungen ausdrücken, so dass wir erkennen, wo die Bilder nicht zusammenpassen. Zudem erlaubt uns der Algorithmus, nachträglich herauszufinden, wie sich der Patient bewegt haben muss. Dadurch erhalten wir dann klare, schärfere Bilder.“

In einem neuen Projekt, das von der Deutschen Forschungsgemeinschaft in den nächsten drei Jahren mit 286.000 Euro gefördert wird, untersuchen die Forscher am Lehrstuhl für Mustererkennung in der Gruppe von Prof. Dr. Andreas Maier, wie sich das Verfahren erweitern lässt. Dabei sollen neue Algorithmen mit Hilfe von bestehenden Echtdaten der Kooperationspartner – Prof. Dr. Arnd Dörfler von der Neuroradiologischen Abteilung am Uni-Klinikum Erlangen und Prof. Rebecca Fahrig vom Radiological Sciences Laboratory der Stanford University ­– validiert werden.

Weitere Informationen:

Prof. Dr. Andreas Maier
Tel.: 09131/85-27883
andreas.maier@fau.de

André Aichert
Tel.: 09131/85-28977
andre.aichert@fau.de