Capítulo 14
Principios de las modalidades
de radiología: imágenes por TC
Primeros pasos de la tomografía computarizada y la proyección de espalda filtrada
En 1917, el matemático austriaco Radón formuló su teoría sobre la posibilidad de reconstruir una función bidimensional a partir de sus integrales de línea. Se tardó más de cincuenta años en llegar al primer prototipo de equipo CT, como sabemos por Hounsfield. Después de una primera implementación de la reconstrucción con algoritmos algebraicos iterativos, la proyección retroactiva filtrada (FBP) dominó la escena durante 40 años, con algunas variaciones introducidas para hacer frente a la adquisición en espiral (interpolación de datos en bruto) y multislice (proyección de espalda tridimensional). Desde 2009, hemos sido testigos de la introducción y rápida implementación de nuevos algoritmos iterativos.
En el equipo CT, para cada ángulo del tubo de rayos X y para cada muestreo de los datos del detector, se adquieren perfiles de atenuación. El conjunto completo de perfiles de atenuación obtenidos por una rotación completa del conjunto de tubo detector representado en una imagen es lo que se denomina el sinograma. La superposición de las proyecciones de los perfiles de atenuación a lo largo de las direcciones de adquisición puede dar una primera aproximación aproximada del plano tomográfico con ruido evidente (donde se esperan valores de píxeles constantes que oscilan alrededor de un valor promedio), artefactos (presencia de señal diferente de la realidad) y propagación de la señal. Con el fin de superar parcialmente este problema, se realiza un filtrado de los perfiles de atenuación que es un producto de convolución con una función de filtro (núcleo) que acentúa los bordes del perfil. De esta manera, habrá una mayor definición del objeto en la proyección de retorno filtrada y una menor dispersión de la señal en las regiones circundantes.
Un aspecto importante de la proyección posterior filtrada es que el resultado que obtenemos depende fuertemente de la elección del filtro de convolución. Dependiendo del caso, podemos favorecer la reducción de ruido a expensas de la resolución espacial (con un filtro estándar o incluso suavizante) o favorecer la resolución espacial aceptando un mayor nivel de ruido (con un filtro de mejora de borde). Con la retroproyección filtrada obtenemos una aproximación de la realidad equilibrada en términos de resolución y ruido.
Desde un punto de vista matemático, el proceso de reconstrucción filtrado también se puede ver en el espacio de Fourier. En la formulación de Fourier de la proyección de retorno filtrada, el filtrado de convolución se convierte en un filtrado de rampa en el dominio de la frecuencia.
Desarrollos recientes de equipos de CT
En la primera década de este siglo, el desarrollo tecnológico de las tomografías computarizadas tuvo como objetivo principal aumentar el número de rebanadas que se pueden adquirir simultáneamente con una sola rotación. Esto es particularmente útil para los exámenes cardíacos. El número de cortes aumentó progresivamente de 4 a 16, luego 64, y adicionalmente a 256 capas y a lo largo de un volumen de 16 cm de longitud y con tiempos de rotación del conjunto de tubo detector de menos de 0,3 s. Algunos tomógrafos tienen 2 tubos de rayos X y dos arcos de detectores colocados a 90° para mejorar la resolución temporal. Una vez logradas estas actuaciones, la investigación se centró más en las posibilidades de mejorar la calidad de la imagen y reducir la dosis.
En 1917, el matemático austriaco Radón formuló su teoría sobre la posibilidad de reconstruir una función bidimensional a partir de sus integrales de línea. Se tardó más de cincuenta años en llegar al primer prototipo de equipo CT, como sabemos por Hounsfield. Después de una primera implementación de la reconstrucción con algoritmos algebraicos iterativos, la proyección retroactiva filtrada (FBP) dominó la escena durante 40 años, con algunas variaciones introducidas para hacer frente a la adquisición en espiral (interpolación de datos en bruto) y multislice (proyección de espalda tridimensional). Desde 2009, hemos sido testigos de la introducción y rápida implementación de nuevos algoritmos iterativos.
En el equipo CT, para cada ángulo del tubo de rayos X y para cada muestreo de los datos del detector, se adquieren perfiles de atenuación. El conjunto completo de perfiles de atenuación obtenidos por una rotación completa del conjunto de tubo detector representado en una imagen es lo que se denomina el sinograma. La superposición de las proyecciones de los perfiles de atenuación a lo largo de las direcciones de adquisición puede dar una primera aproximación aproximada del plano tomográfico con ruido evidente (donde se esperan valores de píxeles constantes que oscilan alrededor de un valor promedio), artefactos (presencia de señal diferente de la realidad) y propagación de la señal. Con el fin de superar parcialmente este problema, se realiza un filtrado de los perfiles de atenuación que es un producto de convolución con una función de filtro (núcleo) que acentúa los bordes del perfil. De esta manera, habrá una mayor definición del objeto en la proyección de retorno filtrada y una menor dispersión de la señal en las regiones circundantes.
Un aspecto importante de la proyección posterior filtrada es que el resultado que obtenemos depende fuertemente de la elección del filtro de convolución. Dependiendo del caso, podemos favorecer la reducción de ruido a expensas de la resolución espacial (con un filtro estándar o incluso suavizante) o favorecer la resolución espacial aceptando un mayor nivel de ruido (con un filtro de mejora de borde). Con la retroproyección filtrada obtenemos una aproximación de la realidad equilibrada en términos de resolución y ruido.
Desde un punto de vista matemático, el proceso de reconstrucción filtrado también se puede ver en el espacio de Fourier. En la formulación de Fourier de la proyección de retorno filtrada, el filtrado de convolución se convierte en un filtrado de rampa en el dominio de la frecuencia.
Desarrollos recientes de equipos de CT
En la primera década de este siglo, el desarrollo tecnológico de las tomografías computarizadas tuvo como objetivo principal aumentar el número de rebanadas que se pueden adquirir simultáneamente con una sola rotación. Esto es particularmente útil para los exámenes cardíacos. El número de cortes aumentó progresivamente de 4 a 16, luego 64, y adicionalmente a 256 capas y a lo largo de un volumen de 16 cm de longitud y con tiempos de rotación del conjunto de tubo detector de menos de 0,3 s. Algunos tomógrafos tienen 2 tubos de rayos X y dos arcos de detectores colocados a 90° para mejorar la resolución temporal. Una vez logradas estas actuaciones, la investigación se centró más en las posibilidades de mejorar la calidad de la imagen y reducir la dosis.
Figura 1. (a) Vista esquemática de un conjunto de detector de tubo de tercera generación, común a todos los equipos de CT actuales, con cuatro filas de detectores. El número de detectores a lo largo del arco es del orden de mil. El corte nominal y el grosor del haz de radiación se definen a la distancia del eje de rotación, que es normalmente aproximadamente 0,5 m desde el punto focal. Como consecuencia, un espesor de corte de 0,6 mm corresponde a un espesor de detector a lo largo del eje z de aproximadamente 1,2 mm (b) Representación de una adquisición en espiral con la trayectoria de los cuatro bancos de detectores alrededor del paciente.
Se ha trabajado para aumentar el rendimiento de los detectores en términos de eficiencia y tiempos de respuesta. Un fabricante ha desarrollado un detector de doble capa que discrimina entre la energía de los fotones incidentes para crear imágenes de doble energía. También se están estudiando detectores de recuento de fotones, incluso si aún es necesario superar los límites tecnológicos importantes antes de que estos puedan incluirse en la práctica clínica. Desde el punto de vista de los tubos de rayos X, el intervalo de kV disponible se ha expandido, que ahora oscila entre 60 y 140 kV con indicaciones sobre los valores preferidos para usar para la aplicación clínica particular. Se dispone de filtraciones más altas y pequeños puntos focales, incluso para corrientes anódicas elevadas.
Los dos elementos que han tenido el mayor impacto en la reducción de la dosis en el diagnóstico por TC son los sistemas de modulación actuales anódicos y los algoritmos iterativos, y estos se discutirán en los siguientes párrafos[1].
Con respecto al equipo de TC utilizado en las máquinas híbridas SPECT/CT y PET/CT, el número de cortes comúnmente utilizados está entre 2 y 64 en una longitud máxima de exploración por rotación de 4 cm. Un fabricante ofreció una máquina CT con viga de cono durante un período de tiempo, pero actualmente ya no está en producción. Los valores de kV están entre 80 y 140, y la corriente máxima del ánodo puede superar los 800 mA. En algunos casos, se implementan explícitamente CT “no diagnósticas”, en el sentido de que su función se limita a usar para corrección de atenuación, modelado de dispersión, definición de volumen y para la ubicación anatómica del radiofármaco, aunque no se puede usar de forma autónoma como CT. En este caso, los valores de corriente anódica se limitan a algunas decenas de mA.
Indicadores de dosis y dosis de pacientes en TC
Normalmente se utilizan dos indicadores de dosis diferentes, definidos específicamente para la tomografía computarizada, con el fin de comparar diferentes protocolos y evaluar los niveles de referencia de diagnóstico. El indicador de dosis de tomografía computarizada (CTDI) es un indicador de dosis local que cuantifica la dosis absorbida en un fantasma estándar (con un diámetro de 32 cm para exploraciones corporales y de 16 cm para escaneos de cabeza) para exploraciones axiales contiguas o exploración helicoidal. Se explica intrínsecamente por las contribuciones primarias de haz y dispersión. El producto de longitud de dosis (DLP) representa tanto la dosis absorbida local como la extensión del volumen adquirido. Se puede obtener en la mayoría de los casos simplemente multiplicando el CTDI por la longitud de la exploración[2]. Tanto CTDI como DLP se muestran junto con los otros parámetros de exposición de cada protocolo de adquisición seleccionable. Los valores típicos de CTDI para la TC de diagnóstico son aproximadamente 60 mGy en la región de la cabeza y aproximadamente 10-15 mGy en el distrito del cuerpo. Los valores de DLP correspondientes son del orden de 1000 mGy cm para una adquisición de cráneo y de 400-600 mGy cm para un tórax o una exploración abdominal. En cuanto a las adquisiciones de TC funcionales a los métodos de medicina nuclear, se han publicado varios estudios con una amplia gama de valores para los indicadores CTDI y DLP, que en cualquier caso son típicamente menos de la mitad de los valores reportados para CT de diagnóstico[3–6].
Debe quedar claro que el indicador CTDI, a pesar de tener una utilidad indiscutible en la definición y comparación de los protocolos de adquisición y ser referido a fantasmas cilíndricos de tamaño estándar, no representa correctamente la dosis absorbida de los órganos irradiados del paciente que dependen en gran medida de sus dimensiones anatómicas reales[7]. Con el fin de comparar los riesgos de radiación relativas de la adquisición de CT y del radiofármaco, se emplea típicamente una dosis eficaz. La dosis efectiva para los exámenes de TC se puede evaluar aproximadamente por medio de factores de conversión aplicados a los valores de DLP[8], o más adecuadamente con mayor precisión mediante el software dedicado[9–11].
Modulación de corriente de tubo o control automático de exposición
En la última generación de equipos TC, está disponible un sistema de modulación automática de la corriente de tubo de rayos X que, sobre la base de un índice de calidad preestablecido o un valor nominal de mA, modifica la intensidad del haz durante la adquisición para mantener constante la calidad de la imagen con una reducción de la dosis al paciente [12,13].
Existen varias técnicas de modulación actuales:
modulación a lo largo del eje z: la corriente en el tubo se modula la rotación por rotación teniendo en cuenta la variación de la atenuación del haz a lo largo del eje z del paciente (figura 2a);
Modulación angular o xy: la modulación tiene lugar durante cada rotación individual, dependiendo de la diferente atenuación de la intensidad del haz resultante de la conformación anatómica elíptica de la sección corporal cruzada. A nivel de hombro, por ejemplo, el haz está mucho menos atenuado en la dirección anterior-posterior que el lateral-lateral. Como consecuencia, es posible reducir la corriente en la proyección de AP, disminuyendo así la dosis al paciente sin comprometer significativamente la calidad de la imagen (figura 2b);
Modulación ZXY: viene dada por una combinación de las dos técnicas de modulación descritas que intervienen simultáneamente (figura 2c).
Modulación de órganos: permite una reducción en la intensidad del haz correspondiente a los órganos seleccionados colocados anteriormente, como el cristalino, la tiroides o el seno.
Modulación temporizada para técnicas cardíacas: en la TC cardíaca existen diferentes técnicas de modulación que intervienen sobre la base de la compuerta del ciclo cardíaco con el fin de reducir o reducir completamente la intensidad del haz en las proyecciones menos útiles para la reconstrucción adquirida cuando el órgano se está moviendo.
La presencia de modulación automática altera todas las relaciones conocidas entre la dosis y otros parámetros de exposición en presencia de una corriente anódica constante, por lo que es importante considerar el comportamiento del sistema cuando se modifican otros parámetros de exploración tales como kV, el tono o las combinaciones de detectores multibanco con respecto al protocolo básico. Esta información es esencial para la adopción de estrategias de optimización que tengan en cuenta todas las variables posibles[14].
La modulación automática de corriente es particularmente útil en los escáneres híbridos empleados tanto para pacientes pediátricos como para adultos, donde una definición adecuada del nivel de ruido necesario para cada clase de edad da como resultado una reducción significativa de la dosis y la optimización de la calidad de la imagen [3].
Se ha trabajado para aumentar el rendimiento de los detectores en términos de eficiencia y tiempos de respuesta. Un fabricante ha desarrollado un detector de doble capa que discrimina entre la energía de los fotones incidentes para crear imágenes de doble energía. También se están estudiando detectores de recuento de fotones, incluso si aún es necesario superar los límites tecnológicos importantes antes de que estos puedan incluirse en la práctica clínica. Desde el punto de vista de los tubos de rayos X, el intervalo de kV disponible se ha expandido, que ahora oscila entre 60 y 140 kV con indicaciones sobre los valores preferidos para usar para la aplicación clínica particular. Se dispone de filtraciones más altas y pequeños puntos focales, incluso para corrientes anódicas elevadas.
Los dos elementos que han tenido el mayor impacto en la reducción de la dosis en el diagnóstico por TC son los sistemas de modulación actuales anódicos y los algoritmos iterativos, y estos se discutirán en los siguientes párrafos[1].
Con respecto al equipo de TC utilizado en las máquinas híbridas SPECT/CT y PET/CT, el número de cortes comúnmente utilizados está entre 2 y 64 en una longitud máxima de exploración por rotación de 4 cm. Un fabricante ofreció una máquina CT con viga de cono durante un período de tiempo, pero actualmente ya no está en producción. Los valores de kV están entre 80 y 140, y la corriente máxima del ánodo puede superar los 800 mA. En algunos casos, se implementan explícitamente CT “no diagnósticas”, en el sentido de que su función se limita a usar para corrección de atenuación, modelado de dispersión, definición de volumen y para la ubicación anatómica del radiofármaco, aunque no se puede usar de forma autónoma como CT. En este caso, los valores de corriente anódica se limitan a algunas decenas de mA.
Indicadores de dosis y dosis de pacientes en TC
Normalmente se utilizan dos indicadores de dosis diferentes, definidos específicamente para la tomografía computarizada, con el fin de comparar diferentes protocolos y evaluar los niveles de referencia de diagnóstico. El indicador de dosis de tomografía computarizada (CTDI) es un indicador de dosis local que cuantifica la dosis absorbida en un fantasma estándar (con un diámetro de 32 cm para exploraciones corporales y de 16 cm para escaneos de cabeza) para exploraciones axiales contiguas o exploración helicoidal. Se explica intrínsecamente por las contribuciones primarias de haz y dispersión. El producto de longitud de dosis (DLP) representa tanto la dosis absorbida local como la extensión del volumen adquirido. Se puede obtener en la mayoría de los casos simplemente multiplicando el CTDI por la longitud de la exploración[2]. Tanto CTDI como DLP se muestran junto con los otros parámetros de exposición de cada protocolo de adquisición seleccionable. Los valores típicos de CTDI para la TC de diagnóstico son aproximadamente 60 mGy en la región de la cabeza y aproximadamente 10-15 mGy en el distrito del cuerpo. Los valores de DLP correspondientes son del orden de 1000 mGy cm para una adquisición de cráneo y de 400-600 mGy cm para un tórax o una exploración abdominal. En cuanto a las adquisiciones de TC funcionales a los métodos de medicina nuclear, se han publicado varios estudios con una amplia gama de valores para los indicadores CTDI y DLP, que en cualquier caso son típicamente menos de la mitad de los valores reportados para CT de diagnóstico[3–6].
Debe quedar claro que el indicador CTDI, a pesar de tener una utilidad indiscutible en la definición y comparación de los protocolos de adquisición y ser referido a fantasmas cilíndricos de tamaño estándar, no representa correctamente la dosis absorbida de los órganos irradiados del paciente que dependen en gran medida de sus dimensiones anatómicas reales[7]. Con el fin de comparar los riesgos de radiación relativas de la adquisición de CT y del radiofármaco, se emplea típicamente una dosis eficaz. La dosis efectiva para los exámenes de TC se puede evaluar aproximadamente por medio de factores de conversión aplicados a los valores de DLP[8], o más adecuadamente con mayor precisión mediante el software dedicado[9–11].
Modulación de corriente de tubo o control automático de exposición
En la última generación de equipos TC, está disponible un sistema de modulación automática de la corriente de tubo de rayos X que, sobre la base de un índice de calidad preestablecido o un valor nominal de mA, modifica la intensidad del haz durante la adquisición para mantener constante la calidad de la imagen con una reducción de la dosis al paciente [12,13].
Existen varias técnicas de modulación actuales:
modulación a lo largo del eje z: la corriente en el tubo se modula la rotación por rotación teniendo en cuenta la variación de la atenuación del haz a lo largo del eje z del paciente (figura 2a);
Modulación angular o xy: la modulación tiene lugar durante cada rotación individual, dependiendo de la diferente atenuación de la intensidad del haz resultante de la conformación anatómica elíptica de la sección corporal cruzada. A nivel de hombro, por ejemplo, el haz está mucho menos atenuado en la dirección anterior-posterior que el lateral-lateral. Como consecuencia, es posible reducir la corriente en la proyección de AP, disminuyendo así la dosis al paciente sin comprometer significativamente la calidad de la imagen (figura 2b);
Modulación ZXY: viene dada por una combinación de las dos técnicas de modulación descritas que intervienen simultáneamente (figura 2c).
Modulación de órganos: permite una reducción en la intensidad del haz correspondiente a los órganos seleccionados colocados anteriormente, como el cristalino, la tiroides o el seno.
Modulación temporizada para técnicas cardíacas: en la TC cardíaca existen diferentes técnicas de modulación que intervienen sobre la base de la compuerta del ciclo cardíaco con el fin de reducir o reducir completamente la intensidad del haz en las proyecciones menos útiles para la reconstrucción adquirida cuando el órgano se está moviendo.
La presencia de modulación automática altera todas las relaciones conocidas entre la dosis y otros parámetros de exposición en presencia de una corriente anódica constante, por lo que es importante considerar el comportamiento del sistema cuando se modifican otros parámetros de exploración tales como kV, el tono o las combinaciones de detectores multibanco con respecto al protocolo básico. Esta información es esencial para la adopción de estrategias de optimización que tengan en cuenta todas las variables posibles[14].
La modulación automática de corriente es particularmente útil en los escáneres híbridos empleados tanto para pacientes pediátricos como para adultos, donde una definición adecuada del nivel de ruido necesario para cada clase de edad da como resultado una reducción significativa de la dosis y la optimización de la calidad de la imagen [3].
Figura 2. Diferentes tipos de modulación de corriente obtenida con un fantasma antropomórfico. (a) modulación del eje Z: es evidente el pico en correspondencia en los hombros, una disminución en la región del pecho y valores relativamente más altos en la parte superior del abdomen. (b) modulación angular: los valores máximos son constantes, y el valor mínimo depende de la diferencia relativa entre los espesores anterior y lateral. (c) modulación de la corriente del tubo XYZ.
Métodos iterativos en CT
Los beneficios asociados con los métodos iterativos de nueva generación son los siguientes [15]:
La reducción de ruido de imagen mantiene la resolución espacial (en algunos casos mejorándola), a diferencia de lo que sucede al elegir diferentes núcleos en la FBP, donde se paga una reducción de ruido en términos de pérdida de resolución espacial;
limitación del impacto de algunos artefactos de imagen típicamente asociados con el proceso de reconstrucción de FBP, tales como problemas de endurecimiento del haz conocidos;
posible consecución de una reducción de dosis con diferentes estrategias (por ejemplo, con haces de menor intensidad con corrientes anódicas menores o reduciendo el número de proyecciones);
uso de enfoque fino y valores de kV más bajos, incluso con pacientes de gran tamaño, porque el proceso ya no requiere valores altos para la corriente de tubo asociada.
Sobre las desventajas, es importante destacar:
Un posible aumento en el tiempo de cálculo, pero esto es actualmente significativo solo para los algoritmos basados en modelos más avanzados para los que podría tomar hasta decenas de minutos para la reconstrucción de una serie de imágenes. Por otro lado, en la mayoría de los algoritmos comerciales el incremento de tiempo es de unas pocas decenas de segundos por serie.
Hay una alteración de los bordes y la apariencia de la imagen, en particular para contrastes bajos y medios. Las imágenes aparecen a veces “plastica” y “pixelated”.
En algunos casos, puede haber cambios morfológicos leves, pero significativos. Se debe prestar especial atención a las situaciones de bajo detalle de contraste, como la TC abdominal. Varios estudios muestran que la reducción de dosis alcanzable con algoritmos iterativos para TC abdominal, con ruido constante y relación de ruido de contraste, no resulta en un mantenimiento de la sensibilidad de detección de detalles de bajo contraste[16,17].
En los algoritmos comerciales, la estructura de la implementación no se conoce generalmente. En la mayoría de los casos, es una caja negra donde solo se pueden evaluar los efectos finales. Una posible clasificación es distinguir los algoritmos en los que el ciclo iterativo se produce después de la proyección posterior filtrada exclusivamente en el dominio de la imagen de aquellos en los que el ciclo iterativo se implementa en el dominio de los datos brutos (sinogramas) y luego eventualmente también en la imagen, y finalmente de aquellos en los que el ciclo iterativo se refiere a todo el proceso de reconstrucción con múltiples comparaciones entre proyección hacia adelante y proyección posterior [18].
Los algoritmos iterativos en el dominio de la imagen explotan algoritmos de eliminación de ruido caracterizados por capacidades de reducción de ruido mientras preservan la resolución espacial. Un punto importante es que deben utilizar información adicional relacionada con el proceso de adquisición, como las estadísticas de fotones sobre las direcciones de las diferentes opiniones. De lo contrario, no deben clasificarse como algoritmos de reconstrucción iterativos, sino más bien como filtros de procesamiento posterior.
Los métodos que trabajan en el dominio sinograma aplican un filtro de reducción de ruido con mantenimiento de resolución directamente sobre los datos en bruto, considerando las estadísticas de Poissonian y luego aplicando un filtro con mayor intensidad (como con un núcleo de suavizado más amplio) en los datos de menor intensidad (mayor atenuación) y de menor intensidad en los datos relacionados con proyecciones con menos atenuación. Posteriormente puede ser reconstruido con FBP o iterativo. El efecto sobre la resolución espacial y sobre la detectabilidad no es lineal y no es completamente predecible[19].
Los algoritmos que operan en todo el proceso de reconstrucción se basan en modelar el cálculo de los perfiles de atenuación a partir de la imagen actual (la denominada proyección directa), y a través de la comparación con los perfiles de atenuación reales calculan las correcciones que se aplicarán de forma iterativa a la imagen (Fig. 3). La pregunta en este caso es lo que consideramos en el cálculo de los perfiles de atenuación y en la comparación con los reales. Hablamos de un método estadístico, cuando consideramos las aportaciones de Poisson y el ruido electrónico en la definición de los perfiles calculados, básicamente con métodos algebraicos, y en el cálculo de las correcciones atribuiremos un menor peso a las proyecciones afectadas por el alto ruido[20]. En cambio, estamos hablando de métodos basados en modelos, cuando consideramos los diferentes aspectos reales del proceso físico de generación y adquisición de señales, por ejemplo, el tamaño finito del punto focal, del vóxel y de los detectores, las contribuciones de la dispersión, etc. En este segundo caso, se abre un mundo de diferentes posibilidades. Obviamente, se consideran más elementos del mundo real, y más el proceso de cálculo se vuelve complejo y largo. Para mejorar la resolución espacial, se pueden considerar diferentes métodos de discretización más sutiles que el volumen de vóxeles a calcular, por ejemplo, reduciendo a la mitad la dimensión lineal de los vóxeles, o considerando las funciones de la mancha de densidad. Para los componentes del haz, es posible cambiar de líneas individuales a múltiples líneas o bandas paralelas o bandas divergentes y teniendo en cuenta el tamaño del punto focal y los detectores. Aumentando la complejidad, se han desarrollado algoritmos para modelar la radiación de dispersión utilizando métodos analíticos o Monte Carlo para que se puedan considerar los efectos relacionados con el espectro de energía, por ejemplo, corregir los artefactos del endurecimiento del haz [21]. Los rendimientos de los algoritmos basados en modelos son significativamente mejores que los obtenidos con algoritmos estadísticos, como lo demuestran algunos estudios comparativos [22,23].
Los algoritmos iterativos en CT encuentran aplicaciones importantes en las situaciones particulares indicadas por los términos espartidad de datos y detección comprimida, en otras palabras, las situaciones en las que hay una falta de datos de adquisición con una estructura regular (por ejemplo, reducción del número de vistas) o con modo no estructurado (por ejemplo, ángulo de rotación parcial, ausencia de datos al detector en algunas vistas) [24].
Métodos iterativos en CT
Los beneficios asociados con los métodos iterativos de nueva generación son los siguientes [15]:
La reducción de ruido de imagen mantiene la resolución espacial (en algunos casos mejorándola), a diferencia de lo que sucede al elegir diferentes núcleos en la FBP, donde se paga una reducción de ruido en términos de pérdida de resolución espacial;
limitación del impacto de algunos artefactos de imagen típicamente asociados con el proceso de reconstrucción de FBP, tales como problemas de endurecimiento del haz conocidos;
posible consecución de una reducción de dosis con diferentes estrategias (por ejemplo, con haces de menor intensidad con corrientes anódicas menores o reduciendo el número de proyecciones);
uso de enfoque fino y valores de kV más bajos, incluso con pacientes de gran tamaño, porque el proceso ya no requiere valores altos para la corriente de tubo asociada.
Sobre las desventajas, es importante destacar:
Un posible aumento en el tiempo de cálculo, pero esto es actualmente significativo solo para los algoritmos basados en modelos más avanzados para los que podría tomar hasta decenas de minutos para la reconstrucción de una serie de imágenes. Por otro lado, en la mayoría de los algoritmos comerciales el incremento de tiempo es de unas pocas decenas de segundos por serie.
Hay una alteración de los bordes y la apariencia de la imagen, en particular para contrastes bajos y medios. Las imágenes aparecen a veces “plastica” y “pixelated”.
En algunos casos, puede haber cambios morfológicos leves, pero significativos. Se debe prestar especial atención a las situaciones de bajo detalle de contraste, como la TC abdominal. Varios estudios muestran que la reducción de dosis alcanzable con algoritmos iterativos para TC abdominal, con ruido constante y relación de ruido de contraste, no resulta en un mantenimiento de la sensibilidad de detección de detalles de bajo contraste[16,17].
En los algoritmos comerciales, la estructura de la implementación no se conoce generalmente. En la mayoría de los casos, es una caja negra donde solo se pueden evaluar los efectos finales. Una posible clasificación es distinguir los algoritmos en los que el ciclo iterativo se produce después de la proyección posterior filtrada exclusivamente en el dominio de la imagen de aquellos en los que el ciclo iterativo se implementa en el dominio de los datos brutos (sinogramas) y luego eventualmente también en la imagen, y finalmente de aquellos en los que el ciclo iterativo se refiere a todo el proceso de reconstrucción con múltiples comparaciones entre proyección hacia adelante y proyección posterior [18].
Los algoritmos iterativos en el dominio de la imagen explotan algoritmos de eliminación de ruido caracterizados por capacidades de reducción de ruido mientras preservan la resolución espacial. Un punto importante es que deben utilizar información adicional relacionada con el proceso de adquisición, como las estadísticas de fotones sobre las direcciones de las diferentes opiniones. De lo contrario, no deben clasificarse como algoritmos de reconstrucción iterativos, sino más bien como filtros de procesamiento posterior.
Los métodos que trabajan en el dominio sinograma aplican un filtro de reducción de ruido con mantenimiento de resolución directamente sobre los datos en bruto, considerando las estadísticas de Poissonian y luego aplicando un filtro con mayor intensidad (como con un núcleo de suavizado más amplio) en los datos de menor intensidad (mayor atenuación) y de menor intensidad en los datos relacionados con proyecciones con menos atenuación. Posteriormente puede ser reconstruido con FBP o iterativo. El efecto sobre la resolución espacial y sobre la detectabilidad no es lineal y no es completamente predecible[19].
Los algoritmos que operan en todo el proceso de reconstrucción se basan en modelar el cálculo de los perfiles de atenuación a partir de la imagen actual (la denominada proyección directa), y a través de la comparación con los perfiles de atenuación reales calculan las correcciones que se aplicarán de forma iterativa a la imagen (Fig. 3). La pregunta en este caso es lo que consideramos en el cálculo de los perfiles de atenuación y en la comparación con los reales. Hablamos de un método estadístico, cuando consideramos las aportaciones de Poisson y el ruido electrónico en la definición de los perfiles calculados, básicamente con métodos algebraicos, y en el cálculo de las correcciones atribuiremos un menor peso a las proyecciones afectadas por el alto ruido[20]. En cambio, estamos hablando de métodos basados en modelos, cuando consideramos los diferentes aspectos reales del proceso físico de generación y adquisición de señales, por ejemplo, el tamaño finito del punto focal, del vóxel y de los detectores, las contribuciones de la dispersión, etc. En este segundo caso, se abre un mundo de diferentes posibilidades. Obviamente, se consideran más elementos del mundo real, y más el proceso de cálculo se vuelve complejo y largo. Para mejorar la resolución espacial, se pueden considerar diferentes métodos de discretización más sutiles que el volumen de vóxeles a calcular, por ejemplo, reduciendo a la mitad la dimensión lineal de los vóxeles, o considerando las funciones de la mancha de densidad. Para los componentes del haz, es posible cambiar de líneas individuales a múltiples líneas o bandas paralelas o bandas divergentes y teniendo en cuenta el tamaño del punto focal y los detectores. Aumentando la complejidad, se han desarrollado algoritmos para modelar la radiación de dispersión utilizando métodos analíticos o Monte Carlo para que se puedan considerar los efectos relacionados con el espectro de energía, por ejemplo, corregir los artefactos del endurecimiento del haz [21]. Los rendimientos de los algoritmos basados en modelos son significativamente mejores que los obtenidos con algoritmos estadísticos, como lo demuestran algunos estudios comparativos [22,23].
Los algoritmos iterativos en CT encuentran aplicaciones importantes en las situaciones particulares indicadas por los términos espartidad de datos y detección comprimida, en otras palabras, las situaciones en las que hay una falta de datos de adquisición con una estructura regular (por ejemplo, reducción del número de vistas) o con modo no estructurado (por ejemplo, ángulo de rotación parcial, ausencia de datos al detector en algunas vistas) [24].
Figura 3. Diagrama de flujo esquemático de un algoritmo iterativo que opera en todo el proceso de reconstrucción, con múltiples proyecciones hacia adelante y hacia atrás. Cuando la comparación entre los perfiles calculados y los adquiridos da diferencias por debajo de un umbral predefinido, o después de un número máximo de iteraciones, se consigue la imagen final.
Los algoritmos iterativos comunes a la mayoría de los comerciales son la posibilidad de elegir el nivel de intensidad del iterativo, de modo que la imagen final pueda definirse como una combinación lineal de la imagen FBP y la imagen con la máxima contribución del iterativo. Para algunos productores, se habla de un porcentaje iterativo, para otros, de fuerza o nivel. Durante la fase de instalación, el especialista en aplicaciones típicamente propone niveles iterativos iniciales para los diferentes protocolos, y luego, es posible optimizar el nivel iterativo [25]. En el equipo de medicina nuclear, donde el propósito principal de las imágenes de TC son las correcciones de atenuación y la localización anatómica, se aplican altos niveles de contribuciones de reconstrucción iterativa con reducciones de dosis significativas [4–10].
Algoritmos de reducción de artefactos metálicos
La precisión de las imágenes de TC a menudo se ve afectada por la presencia de artefactos de diferentes orígenes, como el ruido, el endurecimiento del haz, la dispersión, el movimiento, el haz de cono, el anillo y los artefactos metálicos. Estos últimos son los más comunes, y son causados por implantes metálicos dentro del cuerpo de un paciente: empastes dentales, prótesis ortopédicas, marcapasos y desfibriladores cardíacos. La alta atenuación del haz de rayos X a través de estos dispositivos determina un espacio en los datos de proyección, una pérdida de la información de la atenuación real de las estructuras cercanas a los implantes metálicos, y la aparición resultante de artefactos de rayas y regiones vacías en la imagen CT reconstruida [26].
El uso de imágenes de CT con artefactos de rayas en la corrección de atenuación basada en TC de los datos de PET puede causar una propagación de los artefactos en las imágenes de PET correspondientes en forma de regiones de concentración de actividad sobreestimadas o subestimadas que podrían conducir a un diagnóstico falso de la enfermedad.
Además, en la radiología diagnóstica y en la radioterapia, la presencia de artefactos metálicos puede conducir a errores sustanciales. Por estas razones, se han desarrollado varias estrategias de reducción de artefactos metálicos (MAR) con el fin de limitar el impacto de estos artefactos y mejorar la precisión de los valores de densidad en las regiones que rodean los elementos metálicos. Se pueden dividir en métodos implícitos, con la elección de los mejores parámetros de exposición para limitar el impacto del elemento metálico, y enfoques explícitos, utilizando algoritmos de reconstrucción y procesamiento de software. Los enfoques implícitos incluyen la inclinación del pórtico para excluir el objeto metálico del plano tomográfico, así como el aumento de la energía y la intensidad del haz. Los métodos más comunes pertenecen a la categoría explícita, con varias técnicas en los dominios sinograma o de imagen. Una revisión reciente sobre una amplia gama de métodos MAR mostró que los métodos basados en sinogramas parecen, en general, más precisos que los basados en imágenes.
IA en la reconstrucción de CT
La introducción de algoritmos de aprendizaje profundo en la reconstrucción de imágenes de tomografía computarizada puede servir para varios propósitos. Al igual que los algoritmos iterativos anteriores, los sistemas de aprendizaje profundo ofrecen la posibilidad de reducir el ruido de la imagen y, en consecuencia, permitir una reducción en la dosis del paciente mientras se mantiene la información de interés. Este tipo de aplicación se puede implementar en la práctica haciendo que la red neuronal intervenga en diferentes niveles [27]:
1. Se puede hablar de la reconstrucción “directa” de la DL cuando, a partir del sinograma de dosis baja, la red neuronal reconstruye directamente la imagen tomográfica final, ya no utilizando la FBP clásica;
2. Los algoritmos con redes neuronales que actúan únicamente sobre el sinograma para optimizar los datos brutos recopilados se denominan “basados en sinogramas indirectos”;
3. Los algoritmos con redes neuronales que actúan solo en el espacio de la imagen pueden denominarse “basados en imágenes indirectas”;
4. Los algoritmos que combinan las dos aplicaciones de las redes neuronales mencionadas anteriormente, mientras que conservan la base de la reconstrucción de FBP o IR, se denominan reconstrucción “híbrida indirecta”.
En el caso de la “imagen indirecta basada”, existen productos comerciales de sistemas de IA independientes del fabricante de equipos que se pueden aplicar directamente a cualquier tipo de imagen tomográfica. En todos los demás casos, las soluciones son implementadas directamente por los fabricantes de TC y el tipo debe indicarse en las especificaciones técnicas del producto.
De manera similar a los algoritmos iterativos, el rendimiento real de estos algoritmos debe validarse adecuadamente. En términos de reducción de dosis y ruido, se ha demostrado que son significativamente superiores a los algoritmos iterativos. Sin embargo, la naturaleza de la operación de la red neuronal plantea riesgos significativos en términos de posibles alteraciones en los detalles de la imagen con un impacto en el diagnóstico, por lo que es crucial investigar estos posibles comportamientos ya en las fases de entrenamiento y prueba de las redes neuronales. Los físicos médicos están desarrollando métricas específicas para cuantificar la retención de información en imágenes de TC reconstruidas con IA, particularmente en casos de requisitos especiales para la detectabilidad de bajo contraste o alta resolución espacial.
Una aplicación interesante de la IA para mejorar la calidad de la imagen se refiere a la posible eliminación de la contribución de dispersión de las tomografías, lo que es particularmente útil en el caso de CBCT en el que los sistemas de rejilla de eliminación de dispersión son menos eficientes que los que se encuentran en las tomografías MSCT. Los métodos basados en las simulaciones de Monte Carlo tardan varias horas en estimarse y eliminar la contribución de dispersión de un conjunto de datos tomográficos. Con una red de aprendizaje profundo, la estimación de la contribución de dispersión se puede hacer en 3 ms para una vista de TC y 10 ms para una proyección de CBCT. Esto proporciona una alternativa rápida y precisa a la simulación MC que se puede utilizar para geometrías y calidades de haz distintas de las utilizadas en el entrenamiento [28].
En el campo de la TC cardíaca, se han desarrollado algoritmos que son capaces de evaluar y compensar la pérdida de definición debido al movimiento [29]. Incluso para los artefactos metálicos hay algoritmos de aprendizaje profundo con algoritmos similares o en algunos casos de mayor rendimiento que los iterativos. [30].
Conteo de fotones CT
Una TC de recuento de fotones es una TC con un detector capaz de medir la energía depositada por un único fotón incidente y, en consecuencia, “contando” los fotones individuales y agrupándolos de acuerdo con su energía relativa. Las TC de recuento de fotones utilizan la tecnología electrónica de conversión directa, por lo que el fotón incidente en un material semiconductor produce directamente una señal eléctrica que puede medirse mediante la creación de un par de electrones-hueco. Las cargas generadas de esta manera se mueven perpendiculares a la superficie incidente del detector y, por lo tanto, permiten lograr una alta resolución espacial. En los detectores de centelleo convencionales, también llamados detectores integrados de energía (EID) después de la introducción de la CT de recuento de fotones, es necesario utilizar deflectores de separación entre las células del material semiconductor para lograr una resolución adecuada. Para el único evento, el tiempo de recogida de señal es aproximadamente 100 veces más largo para los detectores de EID que para los PCCT (2500 a 25 ns). Por lo tanto, los detectores PCCT ofrecen la posibilidad de obtener imágenes con una resolución espacial significativamente mayor para la misma dosis radiante y ruido, o de reducir el ruido (y en consecuencia la dosis) para la misma resolución espacial.
Particularmente apreciadas son las ventajas de esta tecnología para los exámenes de pacientes con enfermedades cardiovasculares y pulmonares con alta resolución, pero también en exámenes oncológicos de seguimiento, ortopédicos, neurológicos y pediátricos [31]. Desde el punto de vista de la separación espectral de la señal medida, es posible usar múltiples canales de energía en contraste con las exploraciones de TC de energía dual clásicas. Esta posibilidad abre posibles aplicaciones en la separación del contenido de diferentes materiales y el uso de varios agentes de contraste simultáneamente distinguibles por medio de imágenes espectrales [32].
La capacidad real para separar los diferentes fotones incidentes en energía y, por lo tanto, la imagen espectral resultante sigue siendo el tema de la investigación y el desarrollo para superar ciertas limitaciones tecnológicas. Los siguientes fenómenos físicos tienen un impacto significativo en estos límites:
Apilamiento de pulsos: la llegada de dos fotones consecutivos en un intervalo de tiempo más corto que la duración de la lectura única conduce a la suma de la señal depositada por los dos fotones y la posible interpretación de un único fotón de mayor energía;
Compartición de carga: la recogida de cargas eléctricas en el material semiconductor del detector en una región en el límite entre dos electrodos de la matriz de la electrónica de lectura puede conducir a una subestimación de la amplitud de señal del fotón incidente;
Fluorescencia K: en el caso de transiciones de energía entre orbitales de los átomos del detector, se pueden emitir fotones de fluorescencia, que a su vez generarán señales espurias.
La precisión de la formación de imágenes espectrales y las evaluaciones de la contribución relativa de materiales de interés (tales como yodo o calcio) se puede evaluar con fantasmas de ensayo apropiados que tienen insertos con concentraciones conocidas de estos materiales [33].
Los fabricantes están desarrollando detectores PCCT con dos enfoques diferentes, llamados “cara” y “borde”. El enfoque frontal tiene un detector con una capa sensible dispuesta perpendicular a los fotones incidentes, con materiales tales como telururo de cadmio (CdTe) o telururo de cadmio de zinc (CZT). Para el borde, por otro lado, el silicio se utiliza con capas dispuestas paralelas a los fotones incidentes y un espesor total de unos pocos cm. Los primeros tomógrafos PCCT que salen al mercado son todos presenciales. Los sistemas Edge-on son prometedores en algunos aspectos, como una posible mejor resolución de energía y una menor probabilidad de eventos de fluorescencia k. Por otro lado, también tienen posibles desventajas relacionadas con una mayor contribución de dispersión de Compton dentro del detector y un sistema de realización global más complejo.
Los algoritmos iterativos comunes a la mayoría de los comerciales son la posibilidad de elegir el nivel de intensidad del iterativo, de modo que la imagen final pueda definirse como una combinación lineal de la imagen FBP y la imagen con la máxima contribución del iterativo. Para algunos productores, se habla de un porcentaje iterativo, para otros, de fuerza o nivel. Durante la fase de instalación, el especialista en aplicaciones típicamente propone niveles iterativos iniciales para los diferentes protocolos, y luego, es posible optimizar el nivel iterativo [25]. En el equipo de medicina nuclear, donde el propósito principal de las imágenes de TC son las correcciones de atenuación y la localización anatómica, se aplican altos niveles de contribuciones de reconstrucción iterativa con reducciones de dosis significativas [4–10].
Algoritmos de reducción de artefactos metálicos
La precisión de las imágenes de TC a menudo se ve afectada por la presencia de artefactos de diferentes orígenes, como el ruido, el endurecimiento del haz, la dispersión, el movimiento, el haz de cono, el anillo y los artefactos metálicos. Estos últimos son los más comunes, y son causados por implantes metálicos dentro del cuerpo de un paciente: empastes dentales, prótesis ortopédicas, marcapasos y desfibriladores cardíacos. La alta atenuación del haz de rayos X a través de estos dispositivos determina un espacio en los datos de proyección, una pérdida de la información de la atenuación real de las estructuras cercanas a los implantes metálicos, y la aparición resultante de artefactos de rayas y regiones vacías en la imagen CT reconstruida [26].
El uso de imágenes de CT con artefactos de rayas en la corrección de atenuación basada en TC de los datos de PET puede causar una propagación de los artefactos en las imágenes de PET correspondientes en forma de regiones de concentración de actividad sobreestimadas o subestimadas que podrían conducir a un diagnóstico falso de la enfermedad.
Además, en la radiología diagnóstica y en la radioterapia, la presencia de artefactos metálicos puede conducir a errores sustanciales. Por estas razones, se han desarrollado varias estrategias de reducción de artefactos metálicos (MAR) con el fin de limitar el impacto de estos artefactos y mejorar la precisión de los valores de densidad en las regiones que rodean los elementos metálicos. Se pueden dividir en métodos implícitos, con la elección de los mejores parámetros de exposición para limitar el impacto del elemento metálico, y enfoques explícitos, utilizando algoritmos de reconstrucción y procesamiento de software. Los enfoques implícitos incluyen la inclinación del pórtico para excluir el objeto metálico del plano tomográfico, así como el aumento de la energía y la intensidad del haz. Los métodos más comunes pertenecen a la categoría explícita, con varias técnicas en los dominios sinograma o de imagen. Una revisión reciente sobre una amplia gama de métodos MAR mostró que los métodos basados en sinogramas parecen, en general, más precisos que los basados en imágenes.
IA en la reconstrucción de CT
La introducción de algoritmos de aprendizaje profundo en la reconstrucción de imágenes de tomografía computarizada puede servir para varios propósitos. Al igual que los algoritmos iterativos anteriores, los sistemas de aprendizaje profundo ofrecen la posibilidad de reducir el ruido de la imagen y, en consecuencia, permitir una reducción en la dosis del paciente mientras se mantiene la información de interés. Este tipo de aplicación se puede implementar en la práctica haciendo que la red neuronal intervenga en diferentes niveles [27]:
1. Se puede hablar de la reconstrucción “directa” de la DL cuando, a partir del sinograma de dosis baja, la red neuronal reconstruye directamente la imagen tomográfica final, ya no utilizando la FBP clásica;
2. Los algoritmos con redes neuronales que actúan únicamente sobre el sinograma para optimizar los datos brutos recopilados se denominan “basados en sinogramas indirectos”;
3. Los algoritmos con redes neuronales que actúan solo en el espacio de la imagen pueden denominarse “basados en imágenes indirectas”;
4. Los algoritmos que combinan las dos aplicaciones de las redes neuronales mencionadas anteriormente, mientras que conservan la base de la reconstrucción de FBP o IR, se denominan reconstrucción “híbrida indirecta”.
En el caso de la “imagen indirecta basada”, existen productos comerciales de sistemas de IA independientes del fabricante de equipos que se pueden aplicar directamente a cualquier tipo de imagen tomográfica. En todos los demás casos, las soluciones son implementadas directamente por los fabricantes de TC y el tipo debe indicarse en las especificaciones técnicas del producto.
De manera similar a los algoritmos iterativos, el rendimiento real de estos algoritmos debe validarse adecuadamente. En términos de reducción de dosis y ruido, se ha demostrado que son significativamente superiores a los algoritmos iterativos. Sin embargo, la naturaleza de la operación de la red neuronal plantea riesgos significativos en términos de posibles alteraciones en los detalles de la imagen con un impacto en el diagnóstico, por lo que es crucial investigar estos posibles comportamientos ya en las fases de entrenamiento y prueba de las redes neuronales. Los físicos médicos están desarrollando métricas específicas para cuantificar la retención de información en imágenes de TC reconstruidas con IA, particularmente en casos de requisitos especiales para la detectabilidad de bajo contraste o alta resolución espacial.
Una aplicación interesante de la IA para mejorar la calidad de la imagen se refiere a la posible eliminación de la contribución de dispersión de las tomografías, lo que es particularmente útil en el caso de CBCT en el que los sistemas de rejilla de eliminación de dispersión son menos eficientes que los que se encuentran en las tomografías MSCT. Los métodos basados en las simulaciones de Monte Carlo tardan varias horas en estimarse y eliminar la contribución de dispersión de un conjunto de datos tomográficos. Con una red de aprendizaje profundo, la estimación de la contribución de dispersión se puede hacer en 3 ms para una vista de TC y 10 ms para una proyección de CBCT. Esto proporciona una alternativa rápida y precisa a la simulación MC que se puede utilizar para geometrías y calidades de haz distintas de las utilizadas en el entrenamiento [28].
En el campo de la TC cardíaca, se han desarrollado algoritmos que son capaces de evaluar y compensar la pérdida de definición debido al movimiento [29]. Incluso para los artefactos metálicos hay algoritmos de aprendizaje profundo con algoritmos similares o en algunos casos de mayor rendimiento que los iterativos. [30].
Conteo de fotones CT
Una TC de recuento de fotones es una TC con un detector capaz de medir la energía depositada por un único fotón incidente y, en consecuencia, “contando” los fotones individuales y agrupándolos de acuerdo con su energía relativa. Las TC de recuento de fotones utilizan la tecnología electrónica de conversión directa, por lo que el fotón incidente en un material semiconductor produce directamente una señal eléctrica que puede medirse mediante la creación de un par de electrones-hueco. Las cargas generadas de esta manera se mueven perpendiculares a la superficie incidente del detector y, por lo tanto, permiten lograr una alta resolución espacial. En los detectores de centelleo convencionales, también llamados detectores integrados de energía (EID) después de la introducción de la CT de recuento de fotones, es necesario utilizar deflectores de separación entre las células del material semiconductor para lograr una resolución adecuada. Para el único evento, el tiempo de recogida de señal es aproximadamente 100 veces más largo para los detectores de EID que para los PCCT (2500 a 25 ns). Por lo tanto, los detectores PCCT ofrecen la posibilidad de obtener imágenes con una resolución espacial significativamente mayor para la misma dosis radiante y ruido, o de reducir el ruido (y en consecuencia la dosis) para la misma resolución espacial.
Particularmente apreciadas son las ventajas de esta tecnología para los exámenes de pacientes con enfermedades cardiovasculares y pulmonares con alta resolución, pero también en exámenes oncológicos de seguimiento, ortopédicos, neurológicos y pediátricos [31]. Desde el punto de vista de la separación espectral de la señal medida, es posible usar múltiples canales de energía en contraste con las exploraciones de TC de energía dual clásicas. Esta posibilidad abre posibles aplicaciones en la separación del contenido de diferentes materiales y el uso de varios agentes de contraste simultáneamente distinguibles por medio de imágenes espectrales [32].
La capacidad real para separar los diferentes fotones incidentes en energía y, por lo tanto, la imagen espectral resultante sigue siendo el tema de la investigación y el desarrollo para superar ciertas limitaciones tecnológicas. Los siguientes fenómenos físicos tienen un impacto significativo en estos límites:
Apilamiento de pulsos: la llegada de dos fotones consecutivos en un intervalo de tiempo más corto que la duración de la lectura única conduce a la suma de la señal depositada por los dos fotones y la posible interpretación de un único fotón de mayor energía;
Compartición de carga: la recogida de cargas eléctricas en el material semiconductor del detector en una región en el límite entre dos electrodos de la matriz de la electrónica de lectura puede conducir a una subestimación de la amplitud de señal del fotón incidente;
Fluorescencia K: en el caso de transiciones de energía entre orbitales de los átomos del detector, se pueden emitir fotones de fluorescencia, que a su vez generarán señales espurias.
La precisión de la formación de imágenes espectrales y las evaluaciones de la contribución relativa de materiales de interés (tales como yodo o calcio) se puede evaluar con fantasmas de ensayo apropiados que tienen insertos con concentraciones conocidas de estos materiales [33].
Los fabricantes están desarrollando detectores PCCT con dos enfoques diferentes, llamados “cara” y “borde”. El enfoque frontal tiene un detector con una capa sensible dispuesta perpendicular a los fotones incidentes, con materiales tales como telururo de cadmio (CdTe) o telururo de cadmio de zinc (CZT). Para el borde, por otro lado, el silicio se utiliza con capas dispuestas paralelas a los fotones incidentes y un espesor total de unos pocos cm. Los primeros tomógrafos PCCT que salen al mercado son todos presenciales. Los sistemas Edge-on son prometedores en algunos aspectos, como una posible mejor resolución de energía y una menor probabilidad de eventos de fluorescencia k. Por otro lado, también tienen posibles desventajas relacionadas con una mayor contribución de dispersión de Compton dentro del detector y un sistema de realización global más complejo.
1. McCollough CH, Chen GH, Kalender W, Leng S, Samei E, Taguchi K, et al. Alcanzar la exploración rutinaria de la TC submilisievert: Informe de la Cumbre sobre el manejo de la dosis de radiación en la TC. Radiology 2012;264:567–80. https://doi.org/10.1148/radiol.12112265.
2. Programa de Garantía de Calidad para la Tomografía Computarizada: Aplicaciones de Diagnóstico y Terapia 2016. https://www.iaea.org/publications/8751/quality-assurance-programme-for-computed-tomography-diagnostic-and-therapy-applications (consultado el 29 de julio de 2020).
3. Yang C-C, Yang B-H, Tu C-Y, Wu T-H, Liu S-H. Tomografía computarizada de dosis baja con control automático de la exposición para pacientes de diferentes edades sometidos a PET/TC y SPECT/CT cardíacos. Nucl Med Commun 2017;38:546–55. https://doi.org/10.1097/MNM.000000000000679.
4. Grosser OS, Kupitz D, Ruf J, Czuczwara D, Steffen IG, Furth C, et al. Optimización de la imagen híbrida SPECT-CT usando la reconstrucción de imágenes iterativas para la TC de dosis baja: un estudio fantasma. PloS ONE 2015;10:e0138658. https://doi.org/10.1371/journal.pone.0138658.
5. Sibille L, Chambert B, Alonso S, Barrau C, D’Estanque E, Taba YA, et al. Impacto de la técnica de reconstrucción iterativa estadística adaptativa sobre la dosis de radiación y la calidad de imagen en el SPECT/CT óseo. J Nucl Med 2016; 57:1091–5. https://doi.org/10.2967/jnumed.115.164772.
6. Gupta SK, Trethewey S, Brooker B, Rutherford N, Diffey J, Viswanathan S, et al. Exploración ósea por radionúclidos SPECT-CT: la reducción significativa de la dosis de TC reduce significativamente la dosis de radiación sin afectar la calidad de la imagen de la TC. Am J Nucl Med Mol Imagen 2017;7:63–73.28533938
7. McCollough CH, Leng S, Yu L, Cody DD, Boone JM, McNitt-Gray MF. Índice de dosis de TC y dosis de paciente: no son lo mismo. Radiology 2011;259:311–6. https://doi.org/10.1148/radiol.11101800.
8. Policía de Deak, Smal Y, Kalender WA. Protocolos de TC de múltiples secciones: factores de conversión específicos de sexo y edad utilizados para determinar la dosis efectiva del producto de longitud de dosis. Radiology 2010;257:158–66. https://doi.org/10.1148/radiol.10100047.
9. impactcan.org | ctdosimetry.xls – ImpACT’s ct dosimetry tool n.d. http://www.impactscan.org/ctdosimetry.htm (consultado el 29 de julio de 2020).
10. Stamm G, Nagel HD. [CT-expo–un nuevo programa para la evaluación de dosis en CT]. Rofo 2002; 174:1570–6. https://doi.org/10.1055/s-2002-35937.
11. Ding A, Gao Y, Liu H, Caracappa PF, Long DJ, Bolch WE, et al. VirtualDose: un software para reportar dosis de órganos de TC para pacientes adultos y pediátricos. Phys Med Biol 2015;60:5601–25. https://doi.org/10.1088/0031-9155/60/14/5601.
12. Keat, Nicholas. (2005). Sistemas de control automático de exposición del escáner CT. 10.13140/RG.2.1.3128.4720.
13. Lee CH, Goo JM, Ye HJ, Ye S-J, Park CM, Chun EJ, et al. Técnicas de modulación de la dosis de radiación en la era de la TC multidetector: de lo básico a la práctica. Radiographics 2008;28:1451–9. https://doi.org/10.1148/rg.285075075.
14. Rampado O, Marchisio F, Izzo A, Garelli E, Bianchi CC, Gandini G, et al. Evaluaciones efectivas de la calidad de la dosis y la imagen de un sistema automático de modulación de corriente de tubo CT con un fantasma antropomórfico. European Journal of Radiology 2009;72:181–7. https://doi.org/10.1016/j.ejrad.2008.06.027.
15. Beister M, Kolditz D, Kalender WA. Métodos de reconstrucción iterativa en rayos X CT. Phys Med 2012;28:94–108. https://doi.org/10.1016/j.ejmp.2012.01.003.
16. Schindera ST, Odedra D, Raza SA, Kim TK, Jang H-J, Szucs-Farkas Z, et al. Algoritmo de reconstrucción iterativa para TC: ¿se puede disminuir la dosis de radiación mientras se conserva la detectabilidad de bajo contraste? Radiology 2013;269:511–8. https://doi.org/10.1148/radiol.13122349.
17. Goenka AH, Herts BR, Obuchowski NA, Primak AN, Dong F, Karim W, et al. Efecto de la reducción de la exposición a la radiación y la reconstrucción iterativa sobre la detección de lesiones de baja atenuación de bajo contraste en un fantasma de hígado antropomórfico: un estudio de 18 lectores. Radiology 2014;272:154–63. https://doi.org/10.1148/radiol.14131928.
18. Willemink MJ, de Jong PA, Leiner T, de Heer LM, Nievelstein RAJ, Budde RPJ, et al. Técnicas de reconstrucción iterativa para la tomografía computarizada Parte 1: principios técnicos. Eur Radiol 2013;23:1623–31. https://doi.org/10.1007/s00330-012-2765-y.
19. Kachelrieß M, Watzke O, Kalender WA. Filtrado adaptativo multidimensional generalizado para CNC de un solo corte, multirebanado y de haz de cono convencional y en espiral. Física Médica 2001; 28:475–90. https://doi.org/10.1118/1.1358303.
20. Xu J, Tsui BMW. Modelado electrónico de ruido en la reconstrucción iterativa estadística. IEEE Trans Image Process 2009;18:1228–38. https://doi.org/10.1109/TIP.2009.2017139.
21. Nuyts J, De Man B, Fessler JA, Zbijewski W, Beekman FJ. Modelar la física en la reconstrucción iterativa para la transmisión de tomografía computarizada. Phys Med Biol 2013;58:R63-96. https://doi.org/10.1088/0031-9155/58/12/R63.
22. Löve A, Olsson M-L, Siemund R, Stålhammar F, Björkman-Burtscher IM, Söderberg M. Seis algoritmos de reconstrucción iterativa en TC cerebral: un estudio fantasma sobre la calidad de la imagen a diferentes niveles de dosis de radiación. Br J Radiol 2013;86. https://doi.org/10.1259/bjr.20130388.
23. Miéville FA, Gudinchet F, Brunelle F, Bochud FO, Verdun FR. Métodos de reconstrucción iterativos en dos escáneres MDCT diferentes: métricas físicas y experimentos de detección de elección forzada 4 alternativos, un enfoque fantasma. Phys Med 2013;29:99–110. https://doi.org/10.1016/j.ejmp.2011.12.004.
24. Yu H, Wang G. Tomografía interior basada en detección comprimida. Phys Med Biol 2009;54:2791–805. https://doi.org/10.1088/0031-9155/54/9/014.
25. Rampado O, Busso S, Garabello D, Marengo E, Valerio M, Capello S, et al. Reducción de la dosis de angiografía por TC aórtica: investigación del índice de ruido óptimo y la fuerza del algoritmo iterativo en combinación con kV bajo. Radiol Med 2016; 121:291–300. https://doi.org/10.1007/s11547-015-0611-4.
26. Abdoli M, Dierckx RAJO, Zaidi H. Estrategias de reducción de artefactos metálicos para una mejor corrección de la atenuación en imágenes de PET/CT híbridas. Física Médica 2012;39:3343–60. https://doi.org/10.1118/1.4709599.
27. Lennart R Koetzier, Domenico Mastrodicasa, Timothy P Szczykutowicz, Niels R van der Werf, Adam S Wang, Veit Sandfort, Aart J van der Molen, Dominik Fleischmann, Martin J Willemink Deep Learning Image Reconstruction for CT: Technical Principles and Clinical Prospects Radiology. 2023 Mar; 306(3):e221257. doi: 10.1148/radiol.221257
28. Joscha Maier, Elias Eulig, Tim Vöth, Michael Knaup, Jan Kuntz, Stefan Sawall, Marc Kachelrieß Estimación de dispersión en tiempo real para TC médica utilizando la estimación de dispersión profunda: Método y análisis de robustez con respecto a diferentes anatomías, niveles de dosis, voltajes de tubo y truncamiento de datos Med Phys. 2019 Ene;46(1):238-249. doi: 10.1002/mp.13274
29. Joscha Maier, Sergej Lebedev, Julien Erath, Elias Eulig, Stefan Sawall, Eric Fournié, Karl Stierstorfer, Michael Lell, Marc Kachelrieß Estimación de movimiento de la arteria coronaria basada en el aprendizaje profundo y compensación para la TC cardíaca de escanato corto Med Phys. 2021 Jul;48(7):3559-3571. doi: 10.1002/mp.
30. Mark Selles, Jochen A C van Osch, Mario Maas, Martijn F Boomsma, Ruud H H Wellenberg Advances in metal artefacto reduction in CT images: A review of tradicional and novel metal artefacto reduction techniques Eur J Radiol. 2024 Ene: 170:111276. doi: 10.1016/j.ejrad.2023.111276.
31. Philippe C Douek, Sara Boccalini, Edwin H G Oei, David P Cormode, Amir Pourmorteza, Loic Boussel, Salim A Si-Mohamed, Ricardo P J Budde Clinical Applications of Photon-counting CT: A Review of Pioneer Studies and a Glimpse into the Future Radiology. 2023 Oct;309(1):e222432. doi: 10.1148/radiol.222432
32. Willemink MJ, Persona M, Pourmorteza A, Pelc NJ, Fleischmann D. Foton-contaje CT: Principios Técnicos y Perspectivas Clínicas. Radiología. 2018 Nov;289(2):293-312. doi: 10.1148/radiol.2018172656.
33. Stevan Vrbaski, Steve Bache, Jayasai Rajagopal, Ehsan Samei Rendimiento cuantitativo de la TC de recuento de fotones a dosis bajas: imágenes monocromáticas virtuales y cuantificación de yodo doi.org/10.1002/mp.16583
2. Programa de Garantía de Calidad para la Tomografía Computarizada: Aplicaciones de Diagnóstico y Terapia 2016. https://www.iaea.org/publications/8751/quality-assurance-programme-for-computed-tomography-diagnostic-and-therapy-applications (consultado el 29 de julio de 2020).
3. Yang C-C, Yang B-H, Tu C-Y, Wu T-H, Liu S-H. Tomografía computarizada de dosis baja con control automático de la exposición para pacientes de diferentes edades sometidos a PET/TC y SPECT/CT cardíacos. Nucl Med Commun 2017;38:546–55. https://doi.org/10.1097/MNM.000000000000679.
4. Grosser OS, Kupitz D, Ruf J, Czuczwara D, Steffen IG, Furth C, et al. Optimización de la imagen híbrida SPECT-CT usando la reconstrucción de imágenes iterativas para la TC de dosis baja: un estudio fantasma. PloS ONE 2015;10:e0138658. https://doi.org/10.1371/journal.pone.0138658.
5. Sibille L, Chambert B, Alonso S, Barrau C, D’Estanque E, Taba YA, et al. Impacto de la técnica de reconstrucción iterativa estadística adaptativa sobre la dosis de radiación y la calidad de imagen en el SPECT/CT óseo. J Nucl Med 2016; 57:1091–5. https://doi.org/10.2967/jnumed.115.164772.
6. Gupta SK, Trethewey S, Brooker B, Rutherford N, Diffey J, Viswanathan S, et al. Exploración ósea por radionúclidos SPECT-CT: la reducción significativa de la dosis de TC reduce significativamente la dosis de radiación sin afectar la calidad de la imagen de la TC. Am J Nucl Med Mol Imagen 2017;7:63–73.28533938
7. McCollough CH, Leng S, Yu L, Cody DD, Boone JM, McNitt-Gray MF. Índice de dosis de TC y dosis de paciente: no son lo mismo. Radiology 2011;259:311–6. https://doi.org/10.1148/radiol.11101800.
8. Policía de Deak, Smal Y, Kalender WA. Protocolos de TC de múltiples secciones: factores de conversión específicos de sexo y edad utilizados para determinar la dosis efectiva del producto de longitud de dosis. Radiology 2010;257:158–66. https://doi.org/10.1148/radiol.10100047.
9. impactcan.org | ctdosimetry.xls – ImpACT’s ct dosimetry tool n.d. http://www.impactscan.org/ctdosimetry.htm (consultado el 29 de julio de 2020).
10. Stamm G, Nagel HD. [CT-expo–un nuevo programa para la evaluación de dosis en CT]. Rofo 2002; 174:1570–6. https://doi.org/10.1055/s-2002-35937.
11. Ding A, Gao Y, Liu H, Caracappa PF, Long DJ, Bolch WE, et al. VirtualDose: un software para reportar dosis de órganos de TC para pacientes adultos y pediátricos. Phys Med Biol 2015;60:5601–25. https://doi.org/10.1088/0031-9155/60/14/5601.
12. Keat, Nicholas. (2005). Sistemas de control automático de exposición del escáner CT. 10.13140/RG.2.1.3128.4720.
13. Lee CH, Goo JM, Ye HJ, Ye S-J, Park CM, Chun EJ, et al. Técnicas de modulación de la dosis de radiación en la era de la TC multidetector: de lo básico a la práctica. Radiographics 2008;28:1451–9. https://doi.org/10.1148/rg.285075075.
14. Rampado O, Marchisio F, Izzo A, Garelli E, Bianchi CC, Gandini G, et al. Evaluaciones efectivas de la calidad de la dosis y la imagen de un sistema automático de modulación de corriente de tubo CT con un fantasma antropomórfico. European Journal of Radiology 2009;72:181–7. https://doi.org/10.1016/j.ejrad.2008.06.027.
15. Beister M, Kolditz D, Kalender WA. Métodos de reconstrucción iterativa en rayos X CT. Phys Med 2012;28:94–108. https://doi.org/10.1016/j.ejmp.2012.01.003.
16. Schindera ST, Odedra D, Raza SA, Kim TK, Jang H-J, Szucs-Farkas Z, et al. Algoritmo de reconstrucción iterativa para TC: ¿se puede disminuir la dosis de radiación mientras se conserva la detectabilidad de bajo contraste? Radiology 2013;269:511–8. https://doi.org/10.1148/radiol.13122349.
17. Goenka AH, Herts BR, Obuchowski NA, Primak AN, Dong F, Karim W, et al. Efecto de la reducción de la exposición a la radiación y la reconstrucción iterativa sobre la detección de lesiones de baja atenuación de bajo contraste en un fantasma de hígado antropomórfico: un estudio de 18 lectores. Radiology 2014;272:154–63. https://doi.org/10.1148/radiol.14131928.
18. Willemink MJ, de Jong PA, Leiner T, de Heer LM, Nievelstein RAJ, Budde RPJ, et al. Técnicas de reconstrucción iterativa para la tomografía computarizada Parte 1: principios técnicos. Eur Radiol 2013;23:1623–31. https://doi.org/10.1007/s00330-012-2765-y.
19. Kachelrieß M, Watzke O, Kalender WA. Filtrado adaptativo multidimensional generalizado para CNC de un solo corte, multirebanado y de haz de cono convencional y en espiral. Física Médica 2001; 28:475–90. https://doi.org/10.1118/1.1358303.
20. Xu J, Tsui BMW. Modelado electrónico de ruido en la reconstrucción iterativa estadística. IEEE Trans Image Process 2009;18:1228–38. https://doi.org/10.1109/TIP.2009.2017139.
21. Nuyts J, De Man B, Fessler JA, Zbijewski W, Beekman FJ. Modelar la física en la reconstrucción iterativa para la transmisión de tomografía computarizada. Phys Med Biol 2013;58:R63-96. https://doi.org/10.1088/0031-9155/58/12/R63.
22. Löve A, Olsson M-L, Siemund R, Stålhammar F, Björkman-Burtscher IM, Söderberg M. Seis algoritmos de reconstrucción iterativa en TC cerebral: un estudio fantasma sobre la calidad de la imagen a diferentes niveles de dosis de radiación. Br J Radiol 2013;86. https://doi.org/10.1259/bjr.20130388.
23. Miéville FA, Gudinchet F, Brunelle F, Bochud FO, Verdun FR. Métodos de reconstrucción iterativos en dos escáneres MDCT diferentes: métricas físicas y experimentos de detección de elección forzada 4 alternativos, un enfoque fantasma. Phys Med 2013;29:99–110. https://doi.org/10.1016/j.ejmp.2011.12.004.
24. Yu H, Wang G. Tomografía interior basada en detección comprimida. Phys Med Biol 2009;54:2791–805. https://doi.org/10.1088/0031-9155/54/9/014.
25. Rampado O, Busso S, Garabello D, Marengo E, Valerio M, Capello S, et al. Reducción de la dosis de angiografía por TC aórtica: investigación del índice de ruido óptimo y la fuerza del algoritmo iterativo en combinación con kV bajo. Radiol Med 2016; 121:291–300. https://doi.org/10.1007/s11547-015-0611-4.
26. Abdoli M, Dierckx RAJO, Zaidi H. Estrategias de reducción de artefactos metálicos para una mejor corrección de la atenuación en imágenes de PET/CT híbridas. Física Médica 2012;39:3343–60. https://doi.org/10.1118/1.4709599.
27. Lennart R Koetzier, Domenico Mastrodicasa, Timothy P Szczykutowicz, Niels R van der Werf, Adam S Wang, Veit Sandfort, Aart J van der Molen, Dominik Fleischmann, Martin J Willemink Deep Learning Image Reconstruction for CT: Technical Principles and Clinical Prospects Radiology. 2023 Mar; 306(3):e221257. doi: 10.1148/radiol.221257
28. Joscha Maier, Elias Eulig, Tim Vöth, Michael Knaup, Jan Kuntz, Stefan Sawall, Marc Kachelrieß Estimación de dispersión en tiempo real para TC médica utilizando la estimación de dispersión profunda: Método y análisis de robustez con respecto a diferentes anatomías, niveles de dosis, voltajes de tubo y truncamiento de datos Med Phys. 2019 Ene;46(1):238-249. doi: 10.1002/mp.13274
29. Joscha Maier, Sergej Lebedev, Julien Erath, Elias Eulig, Stefan Sawall, Eric Fournié, Karl Stierstorfer, Michael Lell, Marc Kachelrieß Estimación de movimiento de la arteria coronaria basada en el aprendizaje profundo y compensación para la TC cardíaca de escanato corto Med Phys. 2021 Jul;48(7):3559-3571. doi: 10.1002/mp.
30. Mark Selles, Jochen A C van Osch, Mario Maas, Martijn F Boomsma, Ruud H H Wellenberg Advances in metal artefacto reduction in CT images: A review of tradicional and novel metal artefacto reduction techniques Eur J Radiol. 2024 Ene: 170:111276. doi: 10.1016/j.ejrad.2023.111276.
31. Philippe C Douek, Sara Boccalini, Edwin H G Oei, David P Cormode, Amir Pourmorteza, Loic Boussel, Salim A Si-Mohamed, Ricardo P J Budde Clinical Applications of Photon-counting CT: A Review of Pioneer Studies and a Glimpse into the Future Radiology. 2023 Oct;309(1):e222432. doi: 10.1148/radiol.222432
32. Willemink MJ, Persona M, Pourmorteza A, Pelc NJ, Fleischmann D. Foton-contaje CT: Principios Técnicos y Perspectivas Clínicas. Radiología. 2018 Nov;289(2):293-312. doi: 10.1148/radiol.2018172656.
33. Stevan Vrbaski, Steve Bache, Jayasai Rajagopal, Ehsan Samei Rendimiento cuantitativo de la TC de recuento de fotones a dosis bajas: imágenes monocromáticas virtuales y cuantificación de yodo doi.org/10.1002/mp.16583
Nuestros asesores
están para tu servicio
Privacidad
- CONTACTo
- Aviso de privacidad
- Aviso Legal
Mapa del sitio
- inicio
- Servicios
- Estudios
- Presentación
- BLOG
Contacto
- 01 (777) 314 3 54
- contact@gamagrafia.com.mx
- Paseo Cancún No 85 - 2 Col. Quintana Roo Cuernavaca, Morelos.
- © Todos los Derechos Reservados | Design by Business Club
- Aviso de Privacidad