Environment recognition applied to particle detectors
NAGIOS: RODERIC FUNCIONANDO

Environment recognition applied to particle detectors

DSpace Repository

Environment recognition applied to particle detectors

Show simple item record

dc.contributor.advisor Albiol Colomer, Francisco Javier
dc.contributor.advisor Albiol Colomer, Alberto
dc.contributor.author Corbi Bellot, Alberto
dc.contributor.other Departament de Física Atòmica, Molecular i Nuclear es_ES
dc.date.accessioned 2017-07-11T06:53:05Z
dc.date.available 2017-07-12T04:45:05Z
dc.date.issued 2017 es_ES
dc.date.submitted 25-07-2017 es_ES
dc.identifier.uri http://hdl.handle.net/10550/59453
dc.description.abstract Resumen en español Introducción Los detectores de partículas son dispositivos que registran la radiación ionizante, bien de sistemas activos (rayos X, aceleradores, etc.) o bien de isótopos radiactivos. Para poder realizar medidas de precisión con estos instrumentos, es necesario modelar geométricamente el entorno, contorno o escena bajo estudio. Estas condiciones geométricas se pueden determinar de forma más o menos precisa en algunos experimentos de física de partículas/nuclear, y en algunos sistemas de imagen, como las tomografías. Sin embargo, este escenario no es necesariamente el habitual. El propósito principal de este trabajo de tesis es desarrollar técnicas e instrumentos que aporten la mencionada información del entorno a cualquier sistema de detección de radiación y de manera general. Como iremos viendo, estas mejoras tienen lugar mediante la adición de sensores externos (cámaras de video y cámaras de rango, principalmente) capaces de aportar dichos datos sobre el contexto espacial. Por escena o contorno se entiende tanto los límites del emplazamiento físico donde se realizan las medidas (habitación, habitáculo, recinto, alrededores, etc.), como el propio elemento bajo examen (paciente, objeto contaminado, fuente radioactiva, etc.), incluyendo su posición, giro y volumen relativo al sistema de imagen o a un punto fijo. Tal es el caso de los dispositivos de rayos X de propósito general o los sistemas detectores portátiles usados, por ejemplo, para la medición de radiación ambiental. Como se demuestra a lo largo de este trabajo de tesis, la mencionada geometría de la escena puede llegar a complementar o aumentar (concepto tomado prestado del mundo de la visión por ordenador o computer vision) de manera muy significativa la información propia recabada por los sistemas de adquisición utilizados. De manera similar, cuando un dispositivo A aumenta un dispositivo B, implica que A provee a B con información espacial relativa a marco de trabajo, de manera que puede derivarse, por ejemplo, información 3D por parte de B, registrar imágenes A+B, etc. Para alcanzar este objetivo, y como parte de esta investigación, se han explorado técnicas y métodos de reconocimiento del entorno, aplicados a las siguientes áreas: • aumento de dispositivos de rayos X usados en diagnóstico primario, • reconstrucción tridimensional de la anatomía de la persona examinada partiendo de radiografías convencionales que luego pueden ser estereográficamente relacionadas, • obtención de nuevas funciones de transferencia que permitan la generación de imágenes densitométricas a partir de las imágenes de absorción y el volumen del/de la paciente, y • asignación de coordenadas 3D a fuentes de radiación y a la dosis recibida. Se ha hecho especial énfasis en los dispositivos de rayos X por su indudable presencia en muchos ámbitos, desde los puramente clínicos hasta los relacionados con la inspección preventiva/forense de objetos. En el contexto de este trabajo, estos sistemas de imagen son aumentados mediante la interacción con dispositivos modernos de posicionamiento, tales como cámaras de video, profundidad, etc. La ventaja de esta arquitectura de imagen dual es la posibilidad de determinar geométricamente la escena con precisión y trasladar y superponer esta información al resultado de origen clínico (o al fruto de una inspección relacionada con la gestión de residuos radioactivos, como en el caso de las gamma-cámaras, estudiadas en [chap:gamma]). Además, como parte de los resultados obtenidos en esta tesis, se ha desarrollado una métrica especial (basada en análisis y teoría de la imagen) para cuantificar de manera objetiva la calidad de imágenes radiográficas. Esta técnica es utilizada para estimar la información de las imágenes densitométricas obtenidas mediante los métodos estudiados en este trabajo. Los rayos X convencionales y sus limitaciones La modalidad radiológica de rayos X convencional es sin duda la más presente y usada en la práctica clínica y ciencias de la salud. Su implantación en todo tipo de centros de salud es muy destacable dada su relativa simplicidad técnica, rapidez y efectividad para diagnosticar muchos tipos de dolencias. La llegada de la radiografía digital no ha hecho otra cosa sino profundizar en esta realidad. Un dispositivo de rayos X consta de un tubo generador de este tipo de radiación instalado dentro de un blindaje, un generador de alta tensión y un chasis o cassette que contiene en su interior la película radiográfica o detector digital que integra finalmente la emisión Roentgen que no ha sido absorbida por el/la paciente o el objeto analizado. A diferencia de otras modalidades como la tomografía axial computerizada (TAC), en la modalidad de rayos X ordinarios la geometría de la escena clínica es descrita de manera muy somera. Con enorme frecuencia, el único registro de la misma son sencillas indicaciones relativas a la posición (y sobre todo, orientación) del/de la paciente con respecto a la cubierta protectora del detector de pared vertical y/o mesa horizontal. Es lo que se conoce en literatura como protocolo o simplemente, posicionamiento del paciente. Estas indicaciones son las que luego se traducen en los conocidos protocolos de examen tales como radiografía postero-anterior, antero-posterior, decúbito, medio-lateral, etc. Esta alta variabilidad geométrica proviene del hecho de que en los dispositivos de rayos X para diagnóstico primario existe un desacoplo estructural entre el detector y la fuente de fotones X (el ánodo del tubo). Dicho de otra manera: ambos pueden desplazarse libremente y con plena independencia el uno del otro. Esto se traduce a su vez en una alta fragilidad de los parámetros intrínsecos (a diferencia de una cámara fotográfica al uso, donde estos valores permanecen fijos desde el momento de su fabricación). Tanto las mesas de examen como los estativos verticales pueden ser fijos, flotantes o semi-flotantes e incluso a veces es posible modificar su ángulo con respecto al suelo o pared para realizar exámenes especiales, como los digestivos. En cualquier sistema de imagen, los parámetros intrínsecos engloban tanto el punto focal como posibles distorsiones y asimetrías que pueden ser medidas y conocidas. Un ejemplo que suele resultar llamativo de esta libertad de movimiento en los sistemas de imagen por rayos X es el hecho de que el punto focal (distancia desde el ánodo al detector y su posición horizontal y vertical en el plano representado por este) puede llegar a estar situado completamente fuera de la superficie de la imagen. Esto acontece, por ejemplo, en algunos protocolos que exigen proyecciones oblicuas o en ángulos muy picados (como las que se muestran en la [fig:xraypositions] y la [fig:oblique]). Nuevamente, esta situación contrasta con la fotografía convencional, donde el punto principal se corresponde normalmente con el pixel central, por ejemplo, en el 640, 540 en el caso de una cámara de video de resolución HD (1920, 1080). Los proyectores de luz (usados comúnmente en presentaciones, arte, etc.) también emplean un punto focal muy desplazado con respecto al centro de la imagen, sin embargo esta sólo se forma con nitidez a una distancia específica y fija (es decir, los parámetros intrínsecos del sistema óptico son nuevamente fijos). Si bien es cierto que la tecnología y estándares radiológicos están preparados para el registro de ciertas distancias tales como la brecha paciente-detector (IOD), emisor-detector (SID), etc., estas casi nunca son estimadas, ni medidas y mucho menos inventariadas manual o electrónicamente. Sin embargo, es bien conocido tanto teórica como experimentalmente, así como por la práctica diaria, que estas magnitudes pueden llegar a tener una repercusión no despreciable tanto en la generación de la propia imagen radiográfica y su calidad, así como en la gestión de la dosis recibida por parte del/de la paciente. Rayos-X aumentados mediante dispositivos de captación de contorno En este trabajo proponemos una serie de herramientas, metodologías y procedimientos para la determinación del ámbito geométrico en escenarios de diagnóstico basados en sistemas convencionales de rayos X. Estas técnicas se apoyan principalmente en la anexión de un dispositivo de captación de contorno o escena que permanece rígidamente acoplado al sistema de imagen de rayos X. Los dispositivos de captación de contorno que han sido explorados en este trabajo son cámaras de video y cámaras de profundidad, aunque existen muchas otras alternativas tales como cámaras basadas en tiempo de vuelo (time-of-flight), LIDARes (light detection and ranging), escáneres 3D láser, sistemas de visión estereoscópica con cámaras RGB calibradas, etc. Una cámara calibrada (sea del tipo que sea: RGB, profundidad, rayos-X) es aquella de la que se conocen sus parámetros intrínsecos y posición respecto a un punto de referencia externo llamado usualmente mundo. Mediante estas cámaras adyacentes y anexionadas de manera rígida es posible la delimitación geométrica de la escena de rayos X, incluidas las distancias anteriormente mencionadas, además de la posición precisa del/de la paciente durante el examen y su volumen. Además, en combinación con una segunda (o más) radiografía(s), es posible aplicar técnicas de estereoscopía y reconstrucción 3D y obtener información tridimensional de su anatomía interna, además de otros valiosos datos válidos para complementar el diagnóstico. En la última década ha acontecido una revolución tecnológica en relación a los dispositivos de captación de contorno, dando lugar a nuevas disciplinas tales como la detección remota, la realidad virtual o la realidad aumentada. Estos nuevos instrumentos conllevan ventajas a las que ya nos hemos ido acostumbrando y se han convertido incluso en cotidianas, tales como la estimación remota de distancias y posiciones, el cálculo de coordenadas, el modelado de superficies, el seguimiento de personas y objetos, la detección barreras y obstáculos, la cartografía y posicionamiento geográfico, entre muchas otras. Los ámbitos de aplicación de los saberes relacionados con la visión por ordenador están ahora al alcance de muchas disciplinas que hasta hace poco se auto-excluían de tales dominios tecnológicos. Entre estas ciencias podemos encontrar a la medicina, la física y otras ciencias básicas. En lo que concierte a los rayos X, cierto tipo de información geométrica y proyectiva (a excepción del volumen del objeto o persona radiografiada) estaba ya disponible gracias a la intercesión de incómodos y costosos marcos de referencia que contienen marcadores fiduciarios opacos a la radiación Roentgen. Esta metodología heredada (así como sus sucesoras basadas en detectores de contorno que se proponen en este trabajo) radica en el hecho de que un dispositivo de rayos X puede asemejarse a una cámara pinhole o cámara estenopeica. Una cámara estenopeica es una cámara fotográfica sin lente y que cuenta con un pequeño orificio o pinhole por donde entra la luz reflejada por los objetos fotografiados, además un material detector. En el caso de un dispositivo de rayos X, el pinhole es en realidad el emisor de luz y coincide estructuralmente con el ánodo del tubo de rayos X, que juega también el papel del anteriormente citado punto focal. El detector en los dispositivos de rayos X estenopeicos es la placa radiográfica o el imaging plate (en el caso digital). La geometría proyectiva afirma que dados conjuntos de puntos con coordenadas espaciales (3D) y sus correspondientes proyecciones en una imagen, es posible hallar la ecuación de calibración de cámara que conecta cualquier otro punto tridimensional en la escena con su localización x,\,y en la imagen. Es lo que se conoce también con el nombre de calibración geométrica de cámara. El problema con la solución basada en marcos de referencia y fiduciales opacas nombrada anteriormente es que pueden dificultar la movilidad del/de la paciente y/o del sistema, pero sobretodo pueden alterar de manera significativa la imagen e influir en el diagnóstico alcanzable a partir de la misma. En el [chap:xraycalibration] se estudian y comparan los distintos algoritmos de calibración de cámara pero aplicados al ámbito de los rayos X. Las técnicas propuestas en este trabajo evitan las mencionadas incomodidades para el/la paciente y no interfieren en absoluto en la generación de la placa radiográfica ni en la imagen de absorción final, además de otras ventajas, tales como la posibilidad de guardar registro visual de la escena, adquirir el contorno del/de la paciente o de aplicar protocolos de examen que requieran una gran oblicuidad por parte del sistema de adquisición. Para combinar geométricamente ambos tipos de dispositivos (sensor de contorno y rayos X) es necesario encontrar con antelación la transformación rígida que los conecta, también conocida como ecuación de la co-cámara. Una transformación rígida es una transformación lineal que preserva tamaño y forma, conservando la alineación, el orden y la pertenencia (es decir, las rectas se transforman en rectas y ángulos en ángulos). La búsqueda de esta relación geométrica se detalla en la [sec:calibration-phase] y la [sec:calibration] para el caso de cámaras de visible y de profundidad, respectivamente. En esta fase (y sólo en esta) nos apoyamos en un marco de calibración que incorpora fiduciales detectables por ambos sistemas de imagen ([fig:calibrationframe]). Una vez hallada esta matriz de transformación, se dice que ambas cámaras están registradas. Tanto en el caso de que la cámara de contorno sea una cámara de video o de profundidad, los marcadores que aparecen en la proyección resultante son fácilmente identificables mediante herramientas de computer vision resumidas en la [sec:tracking]. En el caso de las proyecciones de marcadores opacos a los rayos X, estas son aisladas normalmente de manera manual, aunque es posible aplicar algoritmos de identificación de formas y segmentación sobre la radiografía de calibración. En este trabajo se ha optado por lo primero, aprovechando las mismas herramientas software de visualización y diagnóstico del médico-radiólogo. El proceso de hallazgo de la ecuación co-cámara se relata en la [sec:problem]. Reconstrucción 3D en rayos X Una vez hallada esta relación de registro entre dispositivos, ya no es necesario el marco de calibración, el cual desaparece de la escena sin perjuicio ni influencia alguna en la(s) radiografía(s) del/de la paciente tal y como se ha anticipado en el párrafo anterior. A partir de este momento, es el detector de contorno el responsable de inferir la geometría de la escena, liberando completamente al sistema de rayos X de esta tarea. Entre los elementos propios de la geometría de la escena que son ahora cómodamente medibles se encuentran, por descontado, las longitudes listadas anteriormente (IOD, SID, etc.). Sin embargo, es posible además inferir otras entidades importantes, tales como el volumen del/de la paciente, sus desplazamientos y los movimientos propios del sistema radiológico entre radiografías consecutivas. Concretamente, gracias a esta última ventaja (determinación de transformaciones rígidas entre dos desplazamientos) es posible reconstruir tridimensionalmente puntos y distancias internos al/a la paciente mediante técnicas de visión estereoscópica. Para ello sólo son necesarias dos radiografías obtenidas en dos posiciones separadas, ya sea del propio/de la propia paciente o del sistema radiográfico. Esta versatilidad relacionada con los escenarios de aplicación es tratada en la [sec:scenarios]. Este seguimiento o tracking de la escena es el que se detalla en el [chap:xray+rgb] y el [chap:kinfu] para el caso de que el sensor de contorno sea una cámara RGB y para el caso de una cámara de profundidad, respectivamente. Las cámaras de profundidad consisten en sistemas integrados por una luz láser que es proyectada, formando un patrón conocido, sobre la escena. El reflejo de este patrón es vuelto a ser captado por un sensor CMOS adjunto. A partir de la captura de la deformación del mencionado patrón, es posible determinar información 3D del entorno. La información 3D obtenida por las cámaras de profundidad es transmitida a otros sistemas informáticos mediante las conocidas nubes de puntos o point clouds. Una nube de puntos es un conjunto de vértices en un sistema de coordenadas tridimensional. Estos vértices son representaciones de la superficie externa de un objeto (el/la paciente en este caso). Originalmente, las nubes de puntos se utilizaban en la elaboración de modelos tridimensionales en diseño por ordenador (CAD) en la fabricación de piezas, la inspección de calidad en metrología, y muchos otros ámbitos como animación, y texturización. Desde tiempos recientes han encontrado también un nicho en medicina, como se describe en la [sec:introp2v]. En el [chap:clinica] se muestran algunos ejemplos de aplicación de la reconstrucción 3D anatómica en escenarios clínicos reales, tanto con pacientes como con fantomas antropomórficos. En estos ejemplos puede verse claramente cómo es posible reproducir fielmente la longitud de una astilla en el hueso húmero o las distancias entre marcadores fiduciarios emplazados en distintas posiciones dentro de varios de estos fantomas. También se muestra cómo es factible localizar puntos en dos radiografías distintas mediante el trazado de epipolares acotadas entre ambas. Los conceptos de línea epipolar y línea epipolar acotada se estudian en la [sec:epipolars-howto]. Imágenes densitométricas En el caso de usar cámaras de profundidad, además de permitir estas el seguimiento e identificación del movimiento en la escena radiológica sin necesidad de ningún tipo de marcador fiducial, también es factible reconstruir volúmenes dentro de la misma. En concreto, es posible dirimir el volumen del/de la paciente si este/esta gira frente al mencionado sensor y se aplican las técnicas y métodos descritos en la [sec:moredsm]. Esta digitalización del volumen hace uso a su vez del algoritmo KinectFusion (descrito en la [sec:kinectfusion]) el cual opera de manera continua sobre las nubes de puntos obtenidas previamente o incluso en tiempo real mediante la ejecución de cálculos en paralelo en la unidad de procesamiento gráfico (GPU). La única complejidad en la aplicación de algoritmo de KinectFusion es la necesidad de eliminar la parte de la nube de puntos referente al fondo de la escena (paredes, decoración, el propio detector, etc.). En la [fig:background-extraction] se resumen algunos métodos apropiados para ello. Una vez reconstruido el volumen del/de la paciente, este es trasladado al punto de vista del sistema de rayos X. Este hecho permite a su vez la generación de mapas de longitud recorrida, es decir, el conjunto formado por todas las distancias recorridas por cada rayo entre el punto en el que penetran en el/la paciente cuando vienen desde el ánodo y el punto por el que salen del cuerpo hasta alcanzar finalmente un pixel x,\,y en el detector. La generación de estos mapas se trata en la [sec:lbuffer]. Con estos mapas de longitud atravesada ya es posible traducir las imágenes de absorción (las típicas obtenidas en la generación de radiografías) por imágenes de densidad o densitométricas junto con la definición de una nueva función de transferencia. La solución más común a este problema era hasta ahora la absorciometría dual de rayos X, que consiste en comparar dos imágenes de rayos X tomadas con distinto voltaje. El coste de estos equipos, sin embargo, se incrementa debido a que se requieren dos fuentes de rayos X y/o dos detectores. Otra técnica empleada es el uso de fuentes de rayos X que emitan con al menos dos energías distintas. Estas técnicas reciben el nombre del imagen de absorciometría de rayos X dual (dual-energy X-ray absorptiometry) o DXA. Un examen DXA es una prueba usualmente indicada para determinar la densidad mineral ósea y diagnosticar, principalmente, desórdenes relacionados con osteoporosis. La técnica de DXA implica el uso de una modalidad radiológica y equipos específicos. Además de la utilidad inherente a estas imágenes de densidad, en este trabajo también hemos demostrado que estas imágenes contienen objetivamente una mayor calidad y grado de información en comparación con las radiografías de absorción. Las imágenes densitométricas cuentan con un rango dinámico más comprimido, lo que se traduce en un realce significativo de los tejidos blandos y en una presencia más balanceada de los tejidos óseo y muscular. Trabajo en clínica y medida de la calidad de la imagen radiográfica Respecto a la cuantificación de calidad antes mencionada, el presente trabajo de investigación ha contribuido con una novedosa métrica de cuantificación de la calidad de las imágenes radiológicas basada en los conceptos de información mutua, entropía, entropía condicional y el filtrado Gabor de imágenes. Un filtro de Gabor consiste en una función gaussiana modulada por una curva sinusoidal a la que se le asigna una determinada frecuencia y dirección, obteniendo una reducción del ruido a la vez que se preserva una dirección de la imagen original. Las funciones de Gabor son importantes en el análisis de texturas, especialmente en la segmentación, ya que diferentes texturas tienden a concentrar su presencia en rangos específicos de frecuencias. Normalmente los filtros de Gabor no se aplican de manera individual a una imagen, sino que se utilizan en grupos de filtros, llamados bancos, en los que se permiten diferentes frecuencias y orientaciones. Concretamente, el método propuesto para la asignación de calidad en radiografías (descrito en el [chap:imagequality]) computa la información mutua entre las descomposiciones/bancos Gabor de las imágenes en su versión adquirida en alta calidad (típicamente 16 ó 12 bit) y su versión representada en pantalla (8 bit) de menor calidad. La aplicación de la mencionada métrica ha desvelado claramente que las imágenes densitométricas obtenidas en este trabajo contienen más información que las correspondientes radiografías convencionales. Como se ha comentado previamente, en el [chap:clinica] se detallan experiencias llevadas a cabo en entornos clínicos reales que ejemplifican las técnicas y métodos descritos anteriormente. En lo que concierne a la imagen densitométrica, se muestran varios ejemplos obtenidos a partir de radiografías e información volumétrica de pacientes que se sometían a un examen clínico. Gestión de la dosis y reconstrucción de la posición 3D de fuentes radioactivas En las páginas finales de este trabajo de tesis se presentan de manera más somera dos ámbitos de aplicación nuevos de las técnicas de desarrolladas en el mismo. En el [chap:outlook] se discute una nueva propuesta para la cuantificación de la dosis recibida durante exámenes radiográficos ordinarios. Está metodología sugerida está basada en el cálculo de la dosis por volumen real del paciente (lo cual ya es posible mediante las técnicas y métodos descritos en este trabajo). El otro ámbito de aplicación tratado en el [chap:gamma] es el relativo a la reconstrucción tridimensional de la posición de fuentes radioactivas mediante cámaras gamma aumentadas con dispositivos y métodos análogos a los ya trabajados en el caso del diagnóstico por rayos X. Este trabajo se engloba dentro del proyecto Gamma Unit Advanced Locator Imager (GUALI) y es el fruto de la colaboración con el Grupo de Espectroscopia Gamma del Instituto de Física Corpuscular. Una cámara gamma o gammacámara es un dispositivo de captura de imágenes (gammagrafías), comúnmente utilizado en medicina nuclear como instrumento para el estudio de enfermedades, aunque también puede tener aplicación en la caracterización de radioisótopos y en la gestión y clasificación de residuos nucleares. En el caso de su aplicación en medicina, la radiación procede del propio/de la propia paciente a quien se le inyecta, generalmente por vía intravenosa, un trazador radiactivo. En su vertiente relacionada con la gestión de residuos, son los propios elementos contaminados los responsables de la radiación emitida. Una cámara gamma se encuentra en un espacio de definición y operación intermedio entre una cámara convencional (fotográfica) y los sistemas de rayos X descritos en este trabajo. Por un lado, una cámara gamma no capta luz (fotones) reflejados de una fuente externa (como ocurre en sistemas que hacen uso de la luz visible: video, fotografía, etc.), sino que son las propias fuentes radioactivas las que emiten fotones que son finalmente detectados. Por otro lado, la relación geométrica entre el pinhole (la entrada de luz gamma) y el detector permanece fija. Dicho de otra manera: una cámara gamma posee parámetros intrínsecos y estos son invariables (tal y como estamos acostumbrados para las cámaras de visible). Concretamente, la cámara GUALI ha sido diseñada para detectar los fotones de 662 keV del isómero nuclear metaestable del Ba-137m, el cual es a su vez fruto de la desintegración del Cs-137. Este último isótopo del Cesio es producto principalmente de la fisión. Tiene un periodo de semidesintegración de 30 años, y decae emitiendo partículas \beta a Bario-137. GUALI es también capaz del resolver los fotones de 1.17 y 1.33 MeV del Ni-60 que a su vez es el resultado de la desintegración de un isótopo sintético del Cobalto (Co-60). En lo que concierte a este trabajo de investigación se ha realizado la calibración mutua (registro co-cámara, introducido anteriormente) y se han llevado a cabo varias experiencias tanto en laboratorio (con fuentes de intensidades y posiciones conocidas) como entornos reales relacionados con la gestión de residuos nucleares. Concretamente, se han desarrollado varios ensayos en la Planta Nuclear José Cabrera (Zorita). Esta instalación se encuentra actualmente en proceso de desmantelamiento, operación que conlleva la clasificación de todos los elementos en cuanto a su tipo y grado de contaminación. Futuros desarrollos En la última parte de este trabajo (correspondiente al [chap:outlook]) se exponen las conclusiones del mismo y se presentan futuras variaciones, mejoras y escenarios de aplicación que exploten de manera más interesante todavía la combinación de sensores de contorno y detectores de radiación. Una de las propuestas está relacionada con el uso de la combinación de algoritmos RANSAC (RANdom SAmple Consensus), SURF (Speeded up Robust Features) y SfM (Structure from Motion) para realizar la reconstrucción 3D directamente sobre imágenes captadas por la cámara de visible, sin necesidad de emplear marcadores de referencia. RANSAC consiste un método iterativo para calcular los parámetros de un modelo matemático a partir de un conjunto de datos observados que contiene valores atípicos. En el ámbito de la reconstrucción de escenarios tridimensionales, RANSAC es capaz de recrear la escena (incluidos los objetos radioactivos inspeccionados). En ese sentido, puede lograrse un escenario de aplicación muy parecido al descrito para las cámaras de profundidad: obtener referencias espaciales sin ningún tipo de fiducial ni marcador ad hoc (la escena es su propio conjunto de fiduciales). Otra de las propuestas está relacionada con la simplificación de la obtención del volumen del/de la paciente durante los exámenes radiográficos (para su posterior aplicación en la producción de imágenes densitométricas). A pesar de que la metodología basada en la rotación del/de la paciente y la aplicación del algoritmo KinectFusion resumida anteriormente resultante bastante apropiada, muchos protocolos de examen exigen la ausencia completa de movimiento. En esta propuesta entrarían en juego varias cámaras profundidad emplazadas estratégicamente para capturar el volumen de la persona examinada de manera completa y simultánea a la adquisición radiográfica. La principal complejidad de esta solución radica en la eliminación del fondo de la escena y en el aislamiento correcto del volumen del/de la paciente. La principal ventaja, a parte de la inmediatez en la captura del volumen del/de la paciente, es la posibilidad de generar imágenes densitométricas con protocolos que requieran estativos horizontales (mesas) o incluso inclinados bajo cierto ángulo. Además de la generación de imágenes densitométricas, la adquisición del volumen del/de la paciente también permite construir imágenes que realzan ciertos tipos de tejidos, sobre todo el óseo. Para ello, se genera una radiografía virtual que acaba siendo sustraída de la original. Esta radiografía virtual es construida a partir del volumen en agua obtenido mediante las técnicas anteriormente descritas, aplicando la ley de atenuación de Beer-Lambert (que relaciona la absorción de la luz y las propiedades del material por las que transcurre), el coeficiente de atenuación lineal para el agua y un haz monoenergético. El realce de huesos puede contribuir a la estimación de la densidad mineral ósea y en ese sentido puede suponer una alternativa a la modalidad de DXA citada anteriormente. Esta última aplicación se ha explorado también brevemente en la [sec:mydexa] y la [sec:mydxa]. Conclusiones Una de los principales resultados de investigación obtenidos en este trabajo de tesis ha consistido en la fusión de la geometría del mencionado entorno o escena que rodea al estudio radiológico con la propia información obtenida fruto el mismo (la gammagrafía, radiografía, etc.). En la investigación desarrollada se ha conseguido que, a partir de dos o más radiografías sea posible: combinar espacialmente y en el mismo sistema de coordenadas, varias de estas imágenes inicialmente aisladas, identificar claramente zonas y puntos de interés comunes, calcular distancias, ángulos y dimensiones tanto de órganos como de otros corpúsculos. Asimismo las técnicas expuestas permiten dar cuenta de pequeñas variaciones de la posición del/de la paciente (entre pruebas consecutivas o fechas distintas, por ejemplo), posición del sistema de imagen con respecto al mismo, etc. Una combinación acertada de dos o más radiografías, puede ser tan reveladora desde el punto de vista clínico como lo es un TAC y al mismo tiempo conllevar menos de un 5% de la dosis aplicada al/a la paciente en comparación con esta modalidad. Conocer esta información con detalle y su historia (variabilidad espacial y temporal) puede llegar a ser relevante a la hora de dilucidar y revisar las condiciones de ejecución de una prueba. Las técnicas descritas también pueden aplicarse a otros procesos y sectores en los que estén presentes la inspección y control mediante rayos X (vigilancia, seguridad, calidad, análisis forense, etc.). La combinación de información volumétrica y radiográfica del propio/de la propia paciente ha posibilitado también el avance de un nuevo de tipo de imagen radiológica: la imagen de densidad o densitométrica. En la imagen densitométrica, el camino seguido por los rayos X es corregido por el volumen real atravesado. El resultado es una radiografía densitométrica en lugar de una imagen de absorción que rinde mejor cuenta de cada tipo de tejido y da mayor relevancia a los tejidos blandos. La imagen densitométrica puede llegar a ocupar por tanto un espacio muy útil entre los mecanismos de diagnóstico al alcance del facultativo. En el ámbito del proyecto GUALI, las técnicas exploradas han permitido la realización de mapas de radiación con una precisión centimétrica. Es decir, por mediación de estos últimos desarrollos no sólo es posible identificar y catalogar fuentes radioactivas, sino que además es posible registrar su posición tridimensional con una mucha exactitud. es_ES
dc.format.extent 231 p. es_ES
dc.language.iso en es_ES
dc.subject Detectores de radiación es_ES
dc.subject Información de contorno es_ES
dc.title Environment recognition applied to particle detectors es_ES
dc.type info:eu-repo/semantics/doctoralThesis es_ES
dc.subject.unesco UNESCO::FÍSICA::Óptica ::Radiación visible es_ES
dc.subject.unesco UNESCO::FÍSICA::Electromagnetismo ::Rayos X es_ES
dc.subject.unesco UNESCO::MATEMÁTICAS::Geometría::Geometría proyectiva es_ES
dc.description.abstractenglish In contrast with other radiological modalities (such as the computer- ized axial tomography or CT) and well-defined experimental setups related to nuclear physics and particle tracking (gamma detectors, accelerators, etc.), many radiation detection devices or imaging systems (i.e., those used in medical imaging and/or radiation protection) do not take into account the geometrical information concerning the scene in which they operate. The main goal of this thesis work is the development of the nec- essary methods and techniques to provide this information to whichever detection device is used and, in a general way. This augmentation (con- cept borrowed from the world of computer vision) is achieved through the interplay of an external environment recognition device. In the context of this thesis work, a scene or environment entails, not only the outline of the location, room or surroundings where any sort of photon intensity measurements or imaging process takes place, but also the proper element under examination (person, contaminated object, radioactive source, etc.), including its/his/her position, orientation and volume relative to the imaging system or a fixed point in space. That is the case of general purpose X-ray imaging equipment or portable radia- tion measurement devices used to evaluate, for instance, environmental γ or β emissions. As it is demonstrated in this work, the aforementioned scene’s geometry can complement o augment, in a very significant way, the inherent information obtained by these imaging systems. Similarly, in the scope of this research project, a device A augments another device B when A provides B with accurate spatial references, allowing for instance, 3D reconstruction for B, A+B image overlay (registration), image stitching for B, etc. In order to achieve the aforementioned goal, some methods and tech- niques around the determination of the spatial setting have been tested and explored within the following areas of application: • augmentation of primary care X-ray imaging systems, • three-dimensional reconstruction of a the anatomy of the patient under examination using ordinary radiographs, • derivation of new transfer functions that enable the generation of densitometric images from X-ray absorption ones and the patient’s volume, • assessment of 3D coordinates to radioactive sources and the received dose. The present research mainly focuses on the augmentation of conventional X-ray imaging systems through the interplay of an external positioning or scene-delimitation device (i.e., a video camera, depth sensor, etc.) like the one shown in the image above. Nevertheless, other particle detection systems (i.e., γ cameras) are also explored. The main advantage of a dual-camera assembly is the possibility of geometrically determining the radiographic (or radioactive) scene with accuracy and being able to map both types of information. In the context of medical imaging, the reason for choosing this specific equipment type (general purpose X-rays) is their undeniable presence, not only in healthcare, but also industrial domains. The quantification of the available geometrical information surrounding ordinary X-ray examina- tion rooms opens many interesting possibilities which were so far limited to more complex radiological modalities such as CT scanners (i.e., anatom- ical 3D reconstruction). In contrast with tomographies and as highlighted in Chapter 3, the geometry derived in conventional X-ray imaging can be very variable from session to session and is very rarely (or never) registered, stored or taken into account during the imaging process. More specifically, in this thesis work, we begin by establishing methods and materials (in- volving the use of the aforementioned external environment recognition devices) to account for this, so far ignored, scene geometry. This infor- mation will later allow us to derive 3D relations from plain radiographs, which is discussed in Chapter 4 and Chapter 5. These 3D reconstruction capabilities are in turn based on an earlier geometrical calibration phase of the imaging system, examined in Chapter 3. In Chapter 6 we present a technique to obtain densitometric X-ray images from plain radiographs in combination with the patient’s volume. The foundations of this technique rely on the theoretical and practical background developed in previous chapters. Next, in Chapter 7 we present some experiments and tests carried out with anthropomorphic phantoms and patients in real clinical setups around the techniques and procedures introduced in this document. In Appendix A, we outline a novel method- ology to assess the quality of X-ray images. This metric will enable the objective assessment of the amount of information contained in conven- tional radiographs and compare it against the new density-based ones. As stated above, the concept of environment recognition is also ap- plied to particle detectors, notably portable γ-ray cameras. This scope of application is addressed in Chapter 8, where similar steps, methods and tools to those previously applied in the augmentation of X-ray imaging scenarios are now implemented to radiation detection in nuclear waste management locations. Finally, we will also address new approaches for dose assessment based on the measured target’s volume. es_ES
dc.embargo.terms 0 days es_ES

View       (35.45Mb)

This item appears in the following Collection(s)

Show simple item record

Search DSpace

Advanced Search

Browse

Statistics