Kappaleen sisäisen tarkastelutilavuuden rekonstruointi röntgentomografiassa

Abstract

Röntgentomografia on kuvantamismenetelmä, jonka avulla kappaleesta pystytään muodostamaan kolmiulotteinen rekonstruktio ilman kappaleen rikkomista. Tutkittavasta näytteestä otetaan useasta eri suunnasta varjokuvia, joista lasketaan kappaleen rakenteen paljastavia poikkileikekuvia. Jyväskylän yliopiston fysiikan laitoksella tutkitaan heterogeenisia materiaaleja röntgenmikrotomografialla, joka mahdollistaa mikrometrien kokoluokkaa olevan erotuskyvyn saavuttamisen.

Tavanomaisia rekonstruktioalgoritmeja käytettäessä on tärkeää, että tutkittava kappale mahtuu kokonaisuudessaan jokaiseen otettuun varjokuvaan. Muuten rekonstruktiossa voi esiintyä sen kvantitatiivista analysointia vaikeuttavia artefakteja. Tämän työn tavoitteena on toteuttaa kaksi röntgenmikrotomografiakuvaukseen sopivaa menetelmää varjokuvien korjaamiseen siten, että virheettömän rekonstruktion tekeminen kappaleen sisäisestä tarkastelutilavuudesta (engl. region of interest, ROI) on mahdollista, sekä arvioida toteutettujen menetelmien käyttökelpoisuutta. Toteutetut menetelmät perustuvat varjokuvien korjaamiseen hyödyntäen koko kappaleen rekonstruktion uudelleenprojisointia. Korjauksen tekemistä varten tulee suorittaa kaksi kuvausta tutkittavalle näytteelle, yksi koko kappaleelle ja toinen kiinnostuksen kohteena olevalle pienemmälle tarkastelutilavuudelle kappaleen sisällä.

Menetelmistä tehtiin kaksiulotteiset toteutukset Matlab-ohjelmointikielellä, minkä jälkeen niitä testattiin täysin simuloidulla tomografiakuvauksella. Simulaatiot osoittivat menetelmien toimivan ideaalisessa tilanteessa todella hyvin. Tämän jälkeen menetelmien toimivuutta kokeiltiin oikeissa tomografiakuvauksissa puukorkki- ja kivinäytteelle. Menetelmät toimivat kohtalaisen hyvin tilanteissa, joissa näytteen paikka pysyi suunnilleen muuttumattomana pystysuunnassa ensimmäisen ja toisen kuvauksen välillä. Korjausten tekeminen ei kuitenkaan tuottanut merkittävää parannusta rekonstruktioiden laatuun varsinkaan puukorkin tapauksessa. Syynä tähän voi olla puukorkin tasalaatuinen rakenne. Menetelmien hyödyt tulevat luultavasti paremmin esiin silloin, kun tarkasteltava sisäinen tilavuus on pienempi näytteen kokoon verrattuna ja näytteen rakenne on heterogeenisempi. Seuraavat kehitysaskeleet ovat hyvän kuvanrekisteröintialgoritmin toteuttaminen, algoritmien laajentaminen kolmiulotteisiksi ja suorituskyvyn parantaminen.

X-ray tomography is a non-destructive imaging method, which makes it possible to reconstruct three-dimensional structure of the sample. Multiple X-ray projections of the sample are acquired from different directions from which two-dimensional cross-sectional slices of the sample can be calculated. A technique called X-ray microtomography, which allows spatial resolution order of micrometre, is utilized in Physics Department of University of Jyväskylä to study various kinds of heterogeneous materials.

Ordinarily used reconstruction algorithms require that a whole sample must fit in each taken projection image. Otherwise a reconstruction can suffer from artefacts, which make quantitative image analysis difficult. The purpose of this work is to implement two methods to reconstruct a subvolume (or region of interest, ROI) of the sample without artefacts and evaluate usefulness of the implemented methods. The methods are based on utilizing a forward projection of the whole sample reconstruction. Thus, methods require two scans, one for the whole sample and another for the region of interest inside the sample.

Two-dimensional versions of the methods were implemented with Matlab and they were tested in the simulated tomography scans. Simulations showed that the methods work well in ideal situation. After simulations methods were tested in real scans for cork and stone samples. Methods worked quite well when the vertical movement of the sample was not remarkable between the whole body and region of interest scans. However, methods did not enhance the quality of the reconstruction remarkably especially in the case of cork sample, a structure of which is quite homogeneous. Benefits of the corrections would probably be more remarkable when the region of interest is smaller compared to a sample and a material of a sample is more heterogeneous. Next steps are to develop a good image registration algorithm, make three dimensional versions of the algorithms and make them more efficient.