Metal artifact identification and reduction in X-ray computed tomography
Identification et réduction de l’artefact métallique en tomographie à rayons X
Résumé
In the field of non-destructive testing of materials, computed tomography became a good way to check defects in industrial piece production. TomoAdour is a private compagny specialized in 3D digitization and x-ray computed tomography, it uses medical and industrial imaging techniques to analyze materials provided by his customers. However, tomographic analysis is difficult to achieve due to the presence of high density objects (such that metal) in most produced pieces, leading to the well-known metal artifacts in reconstructed data. In X-Ray tomography, metal artifact is characterized by a local and straight hyper-signal. This observed phenomenon is due to high attenuations of the rays in the high density materials. Many different approaches have been proposed for metal artifact reduction during the last decade. However, these methods have been developed for medical application and does not take into account physical limitations specific to industrial materials. Moreover, state-of-the-art approaches start their process from the original projection data, that is to say directly from the acquired data. In our context, only reconstructed image is available due to clinical scanner usage, and there is currently no metal artifact reduction method only based on these data. The goal of this work is first to propose a tool which permit identifying and measuring metal artifact in the reconstructed data in order to correct them. Then, our work take in interest in presenting methods developed for an industrial context[1; 2].
Dans le cadre du contrôle non destructif de matériaux, les scanners à rayons X sont devenus un moyen d’assurer la validité et la qualité de pièces de productions industrielles. TomoAdour, un prestataire de services privé en digitalisation 3D et tomographie industrielle à rayons X, utilise des technologies d’acquisition basées sur ce rayonnement telles qu’un scanner médical ou tomographe industriel, de manière à observer et à analyser des produits de ses clients. La nature des objets acquis (principalement de forte densité et de grandes dimensions) fait apparaître des défauts sur les images issues de ces scanners X. Il devient dès lors difficile, voire impossible, d’analyser les images produites. On notera en particulier la présence d’artefact métallique. Ce dernier est dû à la présence de matériaux très denses dans l’objet acquis et est la conséquence de la forte atténuation des rayons dans le métal et/ou de leur distorsion dans toutes les directions. Les données reconstruites sont donc souvent difficiles à interpréter directement, car ces artefacts peuvent masquer des informations importantes. De nombreuses méthodes ont été développées durant ces dernières années et la problématique de la réduction de l’artefact métallique a largement pu être étudiée, apportant bon nombre de solutions. Pourtant, les algorithmes proposés ne s’intéressent qu’aux applications médicales et ne tiennent donc pas compte des limitations physiques propres aux échantillons industriels. De plus, les méthodes proposées basent, toutes, leur traitement sur des données brutes, c’est-à-dire des données issues du scanner avant la phase de reconstruction (ensemble de radiographies ou de projections). Dans notre cas, seules les données reconstruites (tomogrammes, i.e. volume représentant l’objet) sont disponibles et il n’existe, à l’heure actuelle, aucune approche de réduction de l’artefact métallique basée sur ces reconstructions. Le but de ces travaux de recherche est donc de proposer, dans un premier temps, un outil permettant d’identifier et de quantifier l’artefact métallique dans les données reconstruites pour la correction de ces dernières. Dans un second temps, notre travail propose un ensemble d’approches adaptées à l’analyse de matériaux dans un contexte industriel [1; 2].
Origine : Version validée par le jury (STAR)