Die iterative Rekonstruktion in der CT ist ein rechnerisches Verfahren zur Erzeugung von Schnittbildern aus den gemessenen Projektionsdaten. Im Unterschied zur klassischen gefilterten Rückprojektion werden die Bilddaten wiederholt verarbeitet und anhand mathematischer Modelle optimiert. Dadurch lassen sich Bildrauschen und bestimmte Artefakte reduzieren. Gleichzeitig kann die iterative Rekonstruktion dazu beitragen, diagnostisch geeignete Bilder mit geringerer Strahlenexposition zu erzeugen.
Für die radiologische Praxis ist jedoch entscheidend, dass eine Verringerung des Bildrauschens nicht automatisch eine Verbesserung der diagnostischen Aussagekraft bedeutet. Insbesondere bei kleinen, kontrastarmen Läsionen können sich die veränderte Bildtextur und eine zu starke Glättung nachteilig auswirken. Um iterative Rekonstruktionsverfahren sinnvoll einzusetzen, muss man deshalb sowohl ihre technischen Grundlagen als auch ihre Auswirkungen auf die Erkennbarkeit pathologischer Veränderungen verstehen.
Inhaltsverzeichnis
- Von den Projektionsdaten zum CT-Bild
- Wie funktioniert die iterative Rekonstruktion?
- Welche iterativen Rekonstruktionsverfahren gibt es?
- Vorteile der iterativen Rekonstruktion
- Nachteile und diagnostische Grenzen
- Wie viel Dosisreduktion ist möglich?
- Bedeutung für die radiologische Praxis
- Abgrenzung zur Deep-Learning-Rekonstruktion
- Fazit
- Literatur
Glossar
- Gefilterte Rückprojektion (FBP)
- Analytisches Verfahren zur CT-Bildrekonstruktion, bei dem gefilterte Projektionsdaten in den Bildraum zurückprojiziert werden.
- Iterative Rekonstruktion (IR)
- Bildrekonstruktionsverfahren, bei denen eine Bildschätzung durch wiederholte Berechnungs- und Korrekturschritte optimiert wird.
- Hybride iterative Rekonstruktion (HIR)
- Kombination konventioneller Rekonstruktionsmethoden mit vereinfachten iterativen Verarbeitungsschritten.
- Modellbasierte iterative Rekonstruktion (MBIR)
- Iteratives Verfahren, das mathematische Modelle des CT-Systems und der Messdatenstatistik zur Bildoptimierung verwendet.
- Projektionsdaten
- Detektormesswerte aus unterschiedlichen Aufnahmewinkeln, aus denen das CT-Bild rekonstruiert wird.
- Regularisierung
- Mathematische Zusatzbedingungen, die bei der Bildrekonstruktion beispielsweise Rauschen begrenzen und die Stabilität der Berechnung verbessern sollen.
- Bildrauschen
- Statistische Schwankungen der rekonstruierten CT-Dichtewerte, die unter anderem von der Zahl der registrierten Röntgenquanten abhängen.
- Noise Power Spectrum (NPS)
- Beschreibung, wie sich die Rauschleistung auf unterschiedliche räumliche Frequenzen verteilt; charakterisiert damit auch die Bildtextur.
- Niedrigkontrastdetektion
- Fähigkeit, Strukturen oder Läsionen zu erkennen, deren Dichte sich nur geringfügig vom umgebenden Gewebe unterscheidet.
- Räumliche Auflösung
- Fähigkeit eines Bildgebungssystems, kleine, nahe beieinanderliegende Strukturen getrennt darzustellen.
- Deep-Learning-Rekonstruktion (DLR)
- Rekonstruktionsverfahren, das trainierte neuronale Netze zur Bildberechnung oder Bildoptimierung einsetzt.
Von den Projektionsdaten zum CT-Bild
Ein CT-Gerät erzeugt zunächst keine fertigen Schnittbilder. Während der Rotation der Röntgenröhre messen die Detektoren aus zahlreichen Richtungen, wie stark die Strahlung beim Durchtritt durch den Körper abgeschwächt wird. Diese Messwerte bilden die Grundlage der anschliessenden Bildrekonstruktion.
Bei der klassischen gefilterten Rückprojektion (Filtered Back Projection, FBP) werden die Projektionsdaten mathematisch gefiltert und anschliessend in den Bildraum zurückprojiziert. Das Verfahren ist schnell, rechnerisch vergleichsweise einfach und liefert bei ausreichender Strahlenexposition diagnostisch hochwertige Bilder.
Seine Grenzen werden besonders bei dosisreduzierten Untersuchungen sichtbar. Werden weniger Röntgenquanten registriert, nehmen die statistischen Schwankungen der Messwerte zu. Diese übertragen sich bei der Rekonstruktion auf das Bild und erscheinen als Rauschen. Kleine Unterschiede zwischen benachbarten Geweben lassen sich dadurch schlechter erkennen.
Die gefilterte Rückprojektion berücksichtigt zudem verschiedene physikalische Eigenschaften des CT-Systems nur näherungsweise. Iterative Verfahren können solche Eigenschaften gezielter modellieren und die Bildberechnung entsprechend optimieren.
Wie funktioniert die iterative Rekonstruktion?
Das Grundprinzip der iterativen Rekonstruktion besteht darin, eine zunächst berechnete Bilddarstellung schrittweise zu verbessern. Bei modellbasierten Verfahren wird aus einer ersten Bildschätzung rechnerisch vorhergesagt, welche Projektionsdaten das CT-Gerät bei diesem Bild hätte messen müssen. Diese simulierten Daten werden mit den tatsächlich gemessenen Daten verglichen.
Weichen beide voneinander ab, wird die Bildschätzung angepasst. Der Vorgang wird wiederholt, bis ein definiertes mathematisches Optimierungskriterium ausreichend erfüllt ist. Dabei können Modelle der Röntgenabschwächung, der Systemgeometrie, der Detektoreigenschaften und der statistischen Messunsicherheit berücksichtigt werden.
Vereinfacht lässt sich das Verfahren in vier Schritte gliedern:
- Erste Bildschätzung: Aus den gemessenen Projektionsdaten wird ein Ausgangsbild erzeugt.
- Simulation: Ein mathematisches Modell berechnet, welche Messwerte dieses Bild erzeugen würde.
- Vergleich und Korrektur: Die simulierten und tatsächlichen Messwerte werden verglichen; die Bildschätzung wird angepasst.
- Wiederholung: Der Prozess wird fortgesetzt, bis das vorgesehene Optimierungskriterium erreicht ist.
Dieses Schema beschreibt insbesondere die modellbasierte iterative Rekonstruktion. Nicht alle kommerziellen Verfahren führen eine vollständige wiederholte Vorwärts- und Rückprojektion durch. Hybridverfahren verwenden vereinfachte Rechenschritte und können teilweise direkt im Projektions- oder Bildraum arbeiten.
Ein wichtiger Bestandteil vieler Verfahren ist die sogenannte Regularisierung. Dabei werden mathematische Bedingungen verwendet, um statistische Schwankungen zu begrenzen und gleichzeitig relevante Bildstrukturen möglichst zu erhalten. Wie stark solche Bedingungen gewichtet werden, beeinflusst sowohl das Bildrauschen als auch die Darstellung feiner Strukturen.
Welche iterativen Rekonstruktionsverfahren gibt es?
In der klinischen CT werden unterschiedliche iterative Verfahren eingesetzt. Die Bezeichnungen und technischen Umsetzungen unterscheiden sich zwischen den Herstellern. Grundsätzlich lassen sich jedoch hybride und modellbasierte Verfahren unterscheiden.
| Verfahren | Grundprinzip | Charakteristische Eigenschaften |
|---|---|---|
| Gefilterte Rückprojektion (FBP) | Analytische Bildberechnung aus gefilterten Projektionsdaten | Schnell und gut reproduzierbar; bei niedriger Dosis stärkeres Bildrauschen |
| Hybride iterative Rekonstruktion (HIR) | Kombination vereinfachter iterativer Verarbeitungsschritte mit konventioneller Rekonstruktion | Gute Rauschreduktion bei vergleichsweise geringem Rechenaufwand |
| Modellbasierte iterative Rekonstruktion (MBIR) | Wiederholte Optimierung anhand mathematischer Modelle des Bildentstehungsprozesses | Umfassendere Berücksichtigung physikalischer Eigenschaften; höherer Rechenaufwand |
Hybride iterative Rekonstruktion
Hybride Verfahren verbinden die Vorteile der klassischen Rekonstruktion mit iterativen Korrekturschritten. Je nach Algorithmus werden Projektionsdaten oder bereits rekonstruierte Bilder wiederholt verarbeitet, um statistisches Rauschen und bestimmte Artefakte zu vermindern.
Da keine vollständige physikalische Simulation bei jedem Rechenschritt erforderlich ist, bleiben die Rekonstruktionszeiten vergleichsweise kurz. Hybride Verfahren eignen sich deshalb gut für den klinischen Routinebetrieb mit grossen Untersuchungsvolumina.
Modellbasierte iterative Rekonstruktion
Modellbasierte Verfahren berücksichtigen den physikalischen Bildentstehungsprozess umfassender. Neben der Statistik der Messwerte können beispielsweise Eigenschaften der Detektoren, die Systemgeometrie und die räumliche Ausdehnung des Brennflecks in die Berechnung eingehen.
Damit lassen sich Bildrauschen und bestimmte Artefakte teilweise stärker reduzieren als mit vereinfachten Hybridverfahren. Der höhere Rechenaufwand führte insbesondere bei früheren Systemen jedoch zu erheblich längeren Rekonstruktionszeiten. Moderne Hardware hat diese Einschränkung reduziert, die Unterschiede zwischen einzelnen Implementierungen bleiben aber relevant.
Vorteile der iterativen Rekonstruktion
Reduktion der Strahlendosis bei erhaltener diagnostischer Bildqualität
Der wichtigste klinische Vorteil der iterativen Rekonstruktion ist die Möglichkeit, CT-Untersuchungen mit geringerer Strahlenexposition durchzuführen, ohne die für die jeweilige Fragestellung erforderliche diagnostische Bildqualität wesentlich zu beeinträchtigen. Diese Möglichkeit war eines der zentralen Argumente für die Einführung iterativer Rekonstruktionsverfahren in die klinische Routine.
Im Vergleich zur gefilterten Rückprojektion können iterative Verfahren das bei einer dosisreduzierten Akquisition zunehmende Bildrauschen wirksamer kontrollieren. Dadurch lassen sich insbesondere Röhrenstrom und Röhrenstrom-Zeit-Produkt reduzieren, während die diagnostische Aussagekraft unter geeigneten Bedingungen erhalten bleibt.
Je nach CT-System, Rekonstruktionsalgorithmus und Untersuchungsregion wurden in klinischen Studien Dosisreduktionen von etwa 20–50 % und teilweise darüber hinaus beschrieben. Diese Werte sind jedoch nicht allgemein übertragbar. Insbesondere bei der Detektion kleiner, kontrastarmer Läsionen kann eine ausgeprägte Dosisreduktion die diagnostische Sicherheit beeinträchtigen.
Die iterative Rekonstruktion reduziert nicht unmittelbar die bereits applizierte Strahlendosis. Sie schafft vielmehr die technischen Voraussetzungen, um dosisärmere Aufnahmeprotokolle einzusetzen.
Reduktion des Bildrauschens
Iterative Verfahren können das statistische Bildrauschen gegenüber der gefilterten Rückprojektion deutlich vermindern. Dieser Effekt ist insbesondere bei niedriger Strahlenexposition oder bei Untersuchungen von Patienten mit erhöhtem Körperumfang relevant.
Die Rauschreduktion kann die Darstellung anatomischer Strukturen verbessern. Allerdings verändert sie je nach Algorithmus und Rekonstruktionsstärke auch die Bildtextur. Eine geringere Rauschamplitude bedeutet deshalb nicht zwangsläufig eine bessere Erkennbarkeit kleiner oder kontrastarmer Läsionen.
Reduktion bestimmter Artefakte
Abhängig vom verwendeten Rekonstruktionsverfahren können bestimmte Artefakte vermindert werden, insbesondere Streifenartefakte infolge stark verrauschter Projektionsdaten. Modellbasierte Verfahren können zusätzlich physikalische Eigenschaften des CT-Systems berücksichtigen und dadurch weitere Verbesserungen ermöglichen.
Die Wirkung ist jedoch artefaktabhängig. Bewegungsartefakte, Metallartefakte und ausgeprägte Aufhärtungsartefakte lassen sich durch eine allgemeine iterative Rekonstruktion nicht zwangsläufig ausreichend korrigieren. Hierfür können spezielle Korrekturverfahren erforderlich sein.
Nachteile und diagnostische Grenzen
Veränderung der Bildtextur
Iterativ rekonstruierte Bilder können bei stärkerer Rauschunterdrückung eine ungewöhnlich glatte, teilweise fleckige oder künstlich wirkende Struktur aufweisen. In der Literatur wird dieses Erscheinungsbild häufig als plastic appearance oder blotchy appearance bezeichnet.
Ursache ist nicht nur eine Verringerung des gesamten Rauschens, sondern auch eine Veränderung seiner räumlichen Frequenzverteilung. Das Bild enthält dann weniger feinkörniges Rauschen, während gröbere, niederfrequente Schwankungen relativ stärker hervortreten können.
Für die Befundung ist das relevant, weil solche Strukturen die Wahrnehmung feiner Gewebeunterschiede beeinflussen können. Ein subjektiv ruhigeres Bild muss deshalb nicht in jeder diagnostischen Situation überlegen sein.
Verlust kontrastarmer Details
Ein besonders wichtiger Fallstrick ist die mögliche Verschlechterung der Erkennbarkeit kleiner, kontrastarmer Läsionen. Bei ausgeprägter Rauschunterdrückung können subtile Dichteunterschiede und schwach kontrastierte Begrenzungen geglättet werden.
Dies betrifft insbesondere diagnostische Aufgaben wie die Suche nach kleinen hypodensen Leberläsionen oder wenig kontrastreichen Veränderungen des Pankreas. Bei solchen Fragestellungen kann eine deutliche Dosisreduktion trotz geringerem Bildrauschen zu einer verminderten Läsionsdetektion führen.
Die räumliche Auflösung iterativer Verfahren ist zudem häufig nicht konstant, sondern kann vom Objektkontrast und den lokalen Bildverhältnissen abhängen. Ein Algorithmus kann scharf begrenzte, kontrastreiche Strukturen gut erhalten und gleichzeitig schwach kontrastierte Details stärker glätten.
Abhängigkeit von Algorithmus und Rekonstruktionsstärke
Die Auswirkungen iterativer Verfahren unterscheiden sich zwischen Herstellern, Softwareversionen und gewählten Rekonstruktionsstärken. Eine höhere Rekonstruktionsstärke bedeutet meist eine stärkere Rauschunterdrückung, kann aber auch die Bildtextur deutlicher verändern.
Deshalb lassen sich Ergebnisse einer bestimmten Rekonstruktionsmethode nicht ohne Weiteres auf andere CT-Systeme übertragen. Auch ein Vergleich von Untersuchungen im Verlauf kann erschwert werden, wenn Rekonstruktionsalgorithmus, Kernel oder Schichtdicke wesentlich verändert wurden.
Rechenaufwand
Modellbasierte iterative Verfahren benötigen grundsätzlich mehr Rechenleistung als die gefilterte Rückprojektion. Je nach Implementierung kann dies zu längeren Rekonstruktionszeiten führen. Besonders bei grossen Untersuchungsvolumina, dünnen Schichten und umfangreichen Datensätzen kann der Rechenaufwand relevant werden.
Wie viel Dosisreduktion ist möglich?
Eine allgemeingültige Prozentzahl für die Dosisersparnis durch iterative Rekonstruktion existiert nicht. Die erreichbare Reduktion hängt vom CT-System, dem Algorithmus, der untersuchten Körperregion, dem Körperbau und vor allem von der diagnostischen Aufgabe ab.
In technischen Untersuchungen und Phantomstudien wurden teilweise erhebliche Dosisreduktionen beschrieben. Solche Ergebnisse dürfen jedoch nicht automatisch auf sämtliche klinischen Untersuchungen übertragen werden. Insbesondere bei kleinen, kontrastarmen Läsionen ist das Potenzial zur Dosisreduktion begrenzt.
Untersuchungen zur Niedrigkontrastdetektion haben gezeigt, dass eine stärkere Rauschunterdrückung nicht zwangsläufig eine gleichwertige Läsionserkennung gewährleistet. In der Literatur werden für bestimmte iterative Verfahren und anspruchsvolle Niedrigkontrastaufgaben konservative Dosisreduktionen im Bereich von etwa 15–30 % diskutiert. Dies ist jedoch keine allgemeine Grenze für sämtliche CT-Protokolle.
Bei kontrastreichen Strukturen, beispielsweise im Lungenparenchym oder bei der Harnsteindiagnostik, können andere Voraussetzungen gelten. Hier lassen sich dosisreduzierte Protokolle häufig besser mit einer ausreichenden diagnostischen Aussagekraft vereinbaren.
Die Grundlagen der Dosisoptimierung und typische klinische Anwendungen werden im Beitrag Low-Dose-CT: Technik, Strahlendosis und diagnostische Grenzen vertieft.
Bedeutung für die radiologische Praxis
Die Wahl eines Rekonstruktionsverfahrens sollte sich nicht allein an der subjektiven Bildqualität orientieren. Entscheidend ist, ob die gesuchten anatomischen oder pathologischen Strukturen mit ausreichender Sicherheit erkannt und beurteilt werden können.
Für die praktische Beurteilung sind insbesondere drei Eigenschaften relevant:
- Bildrauschen: Wie ausgeprägt sind die statistischen Schwankungen der CT-Dichtewerte?
- Räumliche Auflösung: Wie gut lassen sich kleine Strukturen und ihre Begrenzungen darstellen?
- Niedrigkontrastdetektion: Wie zuverlässig werden Läsionen erkannt, deren Dichte sich nur geringfügig vom umgebenden Gewebe unterscheidet?
Diese Eigenschaften beeinflussen sich gegenseitig. Eine starke Rauschunterdrückung kann die visuelle Bildruhe verbessern, während gleichzeitig die Erkennbarkeit bestimmter Details abnimmt.
Warum die Standardabweichung allein nicht genügt
Das Bildrauschen wird häufig anhand der Standardabweichung der Hounsfield-Einheiten innerhalb einer homogenen Messregion bestimmt. Dieser Wert beschreibt die Stärke der Dichteschwankungen, nicht jedoch deren räumliche Verteilung.
Zwei Bilder können dieselbe Standardabweichung aufweisen und dennoch deutlich unterschiedlich aussehen. Bei einem Bild kann das Rauschen feinkörnig verteilt sein, während das andere gröbere, fleckige Strukturen zeigt. Solche Unterschiede können die Erkennbarkeit kleiner Läsionen beeinflussen.
Für eine umfassendere technische Bewertung werden deshalb unter anderem das Noise Power Spectrum (NPS) zur Beschreibung der räumlichen Rauschverteilung und aufgabenspezifische Verfahren zur Beurteilung der räumlichen Auflösung verwendet. Ergänzend können Beobachterstudien untersuchen, wie zuverlässig definierte Läsionen tatsächlich erkannt werden.
Konsequenzen für die Protokolloptimierung
Bei der Einführung oder Anpassung iterativer Rekonstruktionsverfahren sollten Dosis und Rekonstruktionsstärke gemeinsam beurteilt werden. Eine isolierte Erhöhung der Rekonstruktionsstärke ist keine ausreichende Grundlage für eine entsprechende Reduktion der Akquisitionsdosis.
Besonders bei anspruchsvollen Niedrigkontrastaufgaben muss überprüft werden, ob die diagnostische Leistung erhalten bleibt. Bei der Beurteilung von Lungenparenchym, Knochen oder anderen kontrastreichen Strukturen können dagegen andere Rekonstruktionsparameter sinnvoll sein als bei der Untersuchung parenchymatöser Bauchorgane.
Die technische Optimierung sollte unter Einbezug von Radiologie, Radiologiefachpersonen und Medizinphysik erfolgen. Herstellerangaben zur möglichen Dosisreduktion ersetzen keine auf das eigene Gerät und die jeweilige diagnostische Aufgabe abgestimmte Qualitätssicherung.
Abgrenzung zur Deep-Learning-Rekonstruktion
Die Deep-Learning-Rekonstruktion (DLR) verwendet trainierte neuronale Netze, um aus CT-Messdaten Bilder zu erzeugen oder deren Eigenschaften zu optimieren. Sie unterscheidet sich damit methodisch von der klassischen iterativen Rekonstruktion, deren Bildoptimierung auf expliziten mathematischen und physikalischen Modellen beruht.
Moderne Deep-Learning-Verfahren können das Bildrauschen deutlich reduzieren und dabei unter geeigneten Bedingungen eine natürlichere Bildtextur erhalten als manche stark glättenden iterativen Verfahren. Zudem sind die Rekonstruktionszeiten nach Abschluss des Trainings häufig vergleichsweise kurz.
Auch diese Verfahren sind jedoch nicht frei von Einschränkungen. Ihre Leistungsfähigkeit hängt unter anderem von den Trainingsdaten, dem verwendeten Netzwerk und den untersuchten Bildmerkmalen ab. Eine ausgeprägte Rauschunterdrückung darf deshalb auch bei Deep-Learning-Verfahren nicht mit einer grundsätzlich verbesserten diagnostischen Sicherheit gleichgesetzt werden.
Die Bewertung muss weiterhin anhand konkreter diagnostischer Aufgaben erfolgen, insbesondere bei kleinen, kontrastarmen Läsionen und bei Untersuchungsbedingungen, die von den Trainingsdaten abweichen.
Fazit
Iterative Rekonstruktionsverfahren sind ein wichtiger Bestandteil moderner CT-Technik. Sie können Bildrauschen und bestimmte Artefakte reduzieren und ermöglichen dadurch eine indikationsabhängige Optimierung der Strahlenexposition.
Ihre wichtigste Einschränkung liegt in der möglichen Veränderung von Bildtextur und Niedrigkontrastauflösung. Ein rauscharmes Bild ist nicht zwangsläufig diagnostisch überlegen. Entscheidend ist, ob die für die jeweilige Fragestellung relevanten Veränderungen zuverlässig erkannt werden können.
Literatur
- Stiller W. Basics of iterative reconstruction methods in computed tomography: A vendor-independent overview. Eur J Radiol. 2018;109:147–154. doi:10.1016/j.ejrad.2018.10.025.
- Willemink MJ, Noël PB. The evolution of image reconstruction for CT—from filtered back projection to artificial intelligence. Eur Radiol. 2019;29:2185–2195.
- Solomon J, Mileto A, Nelson RC, Roy Choudhury K, Samei E. Quantitative features of liver lesions, lung nodules, and renal stones at multi-detector row CT examinations: Dependency on radiation dose and reconstruction algorithm. Radiology. 2016;279(1):185–194.
- Samei E, Richard S. Assessment of the dose reduction potential of a model-based iterative reconstruction algorithm using a task-based performance metrology. Med Phys. 2015;42(1):314–323.
- McCollough CH, Leng S, Yu L, Fletcher JG. Dual- and multi-energy CT: Principles, technical approaches, and clinical applications. Radiology. 2015;276(3):637–653.
- European Society of Radiology. ESR EuroSafe Imaging. Empfehlungen und Fachinformationen zur CT-Dosisoptimierung und Bildqualität.
