Preliminary Study of Material Decomposition Algorithm with Neutron and X-ray
Reconstructed Images
Jaehong Hwang, Sung Ho Yun, Uijin Jeong, Seungryong Cho
Department of Nuclear and Quantum Engineering, KAIST, Daejeon, South Korea
Introduction
Fig. 1 은 시스템 개략도이다. Field of view (FOV) 는 1000mm이고, moving stage를 활용하여 중성자 영상 촬영 시, 중성자의 count 수를 확보할 수 있도록 설계되었다. 물질분별 팬텀은 직경 100mm의 실린더를 moving stage의 중심으 로부터 200, 155, 110 mm 거리에 배치할 수 있도록 설계하였고 FEM을 이용하 여, 팬텀의 기계적 안정성을 검증하였다 (Fig. 2).
• Fig. 1 (Left). System layout. In the x-ray scanning geometry, the source to the detector distance (SDD) is 4100 mm and the source to the object distance (SOD) is 3200 mm. In the neutron scanning geometry, SDD and SOD are 2220 and 1320 mm, respectively. The red array indicates the stage movement.
• Fig. 2 (Right). Proposed phantom layout. The cylinder diameter size is 100 mm. For the mechanical stability test, we performed FEM.
다음으로 Gate simulation을 통해, phantom의 중성자 및 X-선 투사영상을 확보 하였다 (Fig. 3).
• Fig. 3. Gate simulation geometry (left) and simulation phantom materials (right).
시뮬레이션 투사 데이터를 기반으로 FDK 알고리즘을 이용해 재건영상을 확 보하였다. 실제 시스템에서 중성자 detector의 count가 작을것으로 예상되어 slice당 number of views는 X-선, 중성자 각각 400, 100 views로 설정하였다.
재건영상기반 물질분별에 필요한 알고리즘은 크게 3가지이다. 재건영상의 noise 저감을 위한 denoising algorithm, 재건 영상에서 attenuation coefficient 의 대표값을 특정하기 위한, clustering algorithm, 마지막으로 중성자 및 X-선 재건영상의 크기를 맞추기 위한, upsampling algorithm이 필요하다.
본 연구에서는 image domain에서의 nonlocal means (NLM) filtering을 적용하 여 재건 영상의 noise를 저감하였고, k-means clustering 방법을 이용하여 attenuation의 대표값을 특정하였다. 중성자와 X-선 재건영상의 크기는 각각 128 x 128, 1024 x 1024로 중성자 재건영상에 upsampling algorithm을 적용하 여 X-선 재건영상과의 비율을 계산하였다.
Methods
Results
References
1. Lee, Donghyeon, et al. "Efficient material decomposition method for dual-energy X-ray cargo inspection system."
Nuclear Instruments and Methods in Physics Research Section A: Accelerators, Spectrometers, Detectors and Associated Equipment 884 (2018): 105-112.
2. Lee, Donghyeon, et al. "Effective noise reduction algorithm for material decomposition in dual-energy X-ray inspection." Nuclear Instruments and Methods in Physics Research Section A: Accelerators, Spectrometers, Detectors and Associated Equipment 968 (2020): 163930.
3. Li, Zhoubo, et al. "Adaptive nonlocal means filtering based on local noise level for CT denoising." Medical physics 41.1 (2014): 011908.
4. Khanmohammadi, Sina, Naiier Adibeig, and Samaneh Shanehbandy. "An improved overlapping k-means clustering method for medical applications." Expert Systems with Applications 67 (2017): 12-18.
5. Hore, Sirshendu, et al. "An integrated interactive technique for image segmentation using stack based seeded region growing and thresholding." International Journal of Electrical & Computer Engineering (2088-8708) 6.6 (2016).
Discussion & Conclusion
기존 물질분별 알고리즘은 다른 에너지의 X-선을 이용하여, X-선 에너지에 따 른 감쇠계수 차이를 활용하였다[1, 2]. 하지만, X-선 에너지에 따른 감쇠계수 차이에 한계가 있어 분별할 수 있는 물질의 종류에 제한이 있다.
본 연구에서는 이러한 기존의 한계를 극복하기 위해, 물질별 감쇠계수 차이가 뚜렷한 중성자와 X-선을 활용하고자 한다. 먼저, 설계된 시스템 정보와 15MeV의 중성자, X-선 에너지 스펙트럼을 이용한 Gate 시뮬레이션을 통해 투 사 영상을 확보하였다.
다음으로 Feldkamp-Davis-Kress (FDK) 알고리즘을 이용하여 팬텀의 중성자, X-선 단층영상을 확보하였다. 마지막으로 denoising algorithm, clustering, upsampling 기법[3, 4, 5]을 이용하여 중성자 및 X-선 단층영상을 이용하여 물 질간 감쇠계수비를 확인하였다.
본 연구에서는 중성자와 X-선을 활용하여 물질간 감쇠계수비를 정량적으로 확인하였다. 기존 유 무기물을 구별하였던 이중에너지 X-선 기반 물질분별 알 고리즘과 달리 유기물 혹은 무기물간 물질에 대해서도 구별가능성을 보였다.
Figure. 4는 제안한 material phantom 두 가지 set의 gate simulation 결과와 영상재 건 결과이다. 재건영상을 기반으로 denoising, clustering, upsampling 기법을 이용 하여 각 물질별 감쇠계수비를 계산하였다 (Fig. 5).
• Fig. 4. Neutron and x-ray projection data using gate and reconstructed images of them.
• Fig. 5. Attenuation coefficient ratio using reconstructed images.
1 2
4
5 3
Set 1 Set 2
1 Wood Concrete
2 Glass Bone
3 Lucite Polyurethan
4 PMMA Solidwater
5 Aluminium Iron
0.115 0.125 0.129 0.129 0.156 0.176
0.296 0.400 0.500
1.250
0 0.2 0.4 0.6 0.8 1 1.2 1.4
Acknowledgement
This work was also supported by the institute of Civil Military Technology Cooperation funded by the Defense Acquisition Program Administration and Ministry of Trade, Industry and Energy of Korean government under grant No. UM19207RD2.
