🔧На сайте запланированы технические работы
25.12.2025 в промежутке с 18:00 до 21:00 по Московскому времени (GMT+3) на сайте будут проводиться плановые технические работы. Возможны перебои с доступом к сайту. Приносим извинения за временные неудобства. Благодарим за понимание!
🔧Site maintenance is scheduled.
Scheduled maintenance will be performed on the site from 6:00 PM to 9:00 PM Moscow time (GMT+3) on December 25, 2025. Site access may be interrupted. We apologize for the inconvenience. Thank you for your understanding!

 

Analysis of Possibility of Using an Algorithm for Correcting Metal Artifacts in CT-Images for Radiation Therapy Planning

Cover Page

Cite item

Full Text

Abstract

Purpose: To quantitatively evaluate reconstruction software algorithms in combination with algorithm O-MAR for correcting metal artifacts in CT-images and explore the potential of using O-MAR for radiation therapy planning tasks.

Material and methods: A quantitative assessment of the O-MAR algorithm on CT scans of a 20 cm diameter cylindrical phantom with a hip joint implant in the center was performed. Test tubes with different concentrations of potassium hydrogen phosphate (K2HO4×3H2O) were placed around the implant. The evaluation parameters used standard deviation (SD) of the region of interest (ROI) density in HU units and the calculation of the degree of susceptibility to artifacts (P).The calculation of absorbed dose in the phantom was performed on the Eclipse 17.0 planning station, using the AAA (Analytical Anisotropic Algorithm) calculation algorithm.

Results: Calculations of the degree of artifact susceptibility showed that the minimum mean noise value was observed for the iMR series in combination with O-MAR (31.6 ± 45.5 HU) and the maximum for FBP (16) without O-MAR (77.0 ± 31.1 HU). As a result of comparison of CT studies with/without O-MAR, the average calculated difference in absorbed dose for all control points is 0.33±1.68 % and 0.42±1.38 % in the presence of implant for FBP and iMR modes, respectively. However, for both modes the difference was 3.22 % for the artifact zone (dark spot).

Conclusion: It is shown that the use of the O-MAR algorithm reduces the distorted values of X-ray density that arose as a result of the presence of an implant in CT studies. The calculation of the absorbed dose for the artifact zone (dark spot) shows a decrease in the uncertainty of the dose calculation in O-MAR-corrected studies.

About the authors

A. V. Petraikin

Research and Practical Clinical Center for Diagnostics and Telemedicine Technologies

Email: BaulinAA3@zdrav.mos.ru
Moscow

A. A. Baulin

Research and Practical Clinical Center for Diagnostics and Telemedicine Technologies

Email: BaulinAA3@zdrav.mos.ru
Moscow

Y. A. Vasilev

Research and Practical Clinical Center for Diagnostics and Telemedicine Technologies

Email: BaulinAA3@zdrav.mos.ru
Moscow

Z. R. Artyukova

Research and Practical Clinical Center for Diagnostics and Telemedicine Technologies

Email: BaulinAA3@zdrav.mos.ru
Moscow

A. K. Smorchkova

Research and Practical Clinical Center for Diagnostics and Telemedicine Technologies

Email: BaulinAA3@zdrav.mos.ru
Moscow

D. S. Semenov

Research and Practical Clinical Center for Diagnostics and Telemedicine Technologies

Email: BaulinAA3@zdrav.mos.ru
Moscow

A. A. Alihanov

N.I. Pirogov RNIMU

Email: BaulinAA3@zdrav.mos.ru
Moscow

R. A. Erizhokov

Research and Practical Clinical Center for Diagnostics and Telemedicine Technologies

Email: BaulinAA3@zdrav.mos.ru
Moscow

O. V. Omelyanskaya

Research and Practical Clinical Center for Diagnostics and Telemedicine Technologies

Email: BaulinAA3@zdrav.mos.ru
Moscow

References

  1. Rossi E., Emin S., Gubanski M., et al. Contouring Practices and Artefact Management Within a Synthetic CT-based Radiotherapy Workflow for the Central Nervous System. Radiat Oncol. 2024;19;1:27. doi:https://doi.org/10.1186/s13014-024-02422-9.
  2. Goran Kolarevic, Dražan Jaroš, Bojan Pavičar, et al. Computed Tomography Simulator Conversion Curve Dependence on Scan Parameters and Phantom Dimension. Journal of Health Sciences. 2020;10;3:226-233. doi:https://doi.org/10.17532/jhsci.2020.1085.
  3. Selles M., Stuivenberg V.H., Wellenberg R.H.H., et al. Quantitative Analysis of Metal Artifact Reduction in Total Hip Arthroplasty Using Virtual Monochromatic Imaging and Orthopedic Metal Artifact Reduction, a Phantom Study. Insights Imaging. 2021;12;1:171. doi: 10.1186/s13244-021-01111-5.
  4. John King, Shona Whittam, David Smith, Bashar Al-Qaisieh. The Impact of a Metal Artefact Reduction Algorithm on Treatment Planning for Patients Undergoing Radiotherapy of the Pelvis. Physics and Imaging in Radiation Oncology. 2022;24:138–143. doi:https://doi.org/10.1016/j.phro.2022.11.007.
  5. Mark Selles, Jochen A.C. van Osch, Mario Maas, Martijn F. Boomsma, Ruud H.H. Wellenberg. Advances in Metal Artifact Reduction in CT Images: a Review of Traditional and Novel Metal Artifact Reduction Techniques. European Journal of Radiology. 2024;170:111276. doi:https://doi.org/10.1016/j.ejrad.2023.111276.
  6. AAA Photon Dose Calculation Model in Eclipse. 2022. Treatment Planning System Wiki. URL:https://tpswiki.com/wp-content/uploads/2022/01/AAA-Algorithm.pdf.
  7. Дружинина П.С., Романович И.К., Водоватов А.В., Чипига Л.А., Ахматдинов Р.Р., Братилова А.А., Рыжов С.А. Тенденции развития компьютерной томографии в Российской Федерации в 2011–2021 гг. // Радиационная гигиена. 2023. Т.16. №3. С. 101-117 [Druzhinina P.S., Romanovich I.K., Vodovatov A.V., Chipiga L.A., Akhmatdinov R.R., Bratilova A.A., Ryzhov S.A. Trends in the Development of Computed Tomography in the Russian Federation in 2011–2021. Radiatsionnaya Gigiyena = Radiation Hygiene. 2023;16;3:101-117 (In Russ.)].https://doi.org/10.21514/1998-426X-2023-16-3-101-117.
  8. Румянцев П.О. Возрастающая роль методов функциональной визуализации для навигации дистанционной радиотерапии и брахитерапии на примере рака предстательной железы // Digital Diagnostics. 2021. Т.2. №4. С. 488−497 [Rumyantsev P.O. Growing Role of Functional Imaging Methods for Navigation of Remote Radiotherapy and Brachytherapy on the Example of Prostate Cancer. Digital Diagnostics. 2021;2;4:488-497 (In Russ.)]. DOI:https://doi.org/10.17816/DD96197.
  9. Meyer E., Raupach R., Lell M., Schmidt B., Kachelrieß M. Normalized Metal Artifact Reduction (NMAR) in Computed Tomography. Med. Phys. 2010;37:5482–5493. https://doi.org/10.1118/1.3484090.;
  10. Charles A. Kelsey. The Physics of Radiology. Ed. H.E.Johns, J.R.Cunningham. Med Phys. 1984;731-732.https://doi.org/10.1118/1.595545
  11. Wellenberg R.H.H., Hakvoort E.T., Slump C.H., Boomsma M.F., Maas M., Streekstra G.J. Metal Artifact Reduction Techniques in Musculoskeletal CT-Imaging. Eur J Radiol. 2018;107:60-69. https://doi.org/ 10.1016/j.ejrad.2018.08.010.
  12. Kosmas C., Hojjati M., Young P., Abedi A., Gholamrezanezhad A., Rajiah P. Dual-Layer Spectral Computerized Tomography for Metal Artifact Reduction: Small Versus Large Orthopedic Devices. Skeletal Radiol. 2019;48;12:1981-90.https://doi.org/10.1007/s00256-019-03248-3.
  13. Васильев Ю.А., Туравилова Е.В., Шулькин И.М. и др. КТ брюшной полости с признаками остеопороза позвоночника: Свидетельство о гос. рег. базы данных №2023621045. Российская Федерация. MosMedData: №2023620796: заявл. 24.03.2023: опубл. 30.03.2023; заявитель ГБУЗ г. Москвы «Научно-практический клинический центр диагностики и телемедицинских технологий ДЗМ» [Vasil’yev Yu.A., Turavilova Ye.V., Shul’kin I.M., et al. Komp’yuternaya Tomografiya Bryushnoy Polosti s Priznakami Osteoporoza Pozvonochnika = Computed Tomography of the Abdominal Cavity with Signs of Osteoporosis of the Spine: Certificate of State registration of the Database No. 2023621045 Russian Federation. MosMedData: No. 2023620796. Declared. 24.03.2023. Published. 30.03.2023. Applicant Scientific and Practical Clinical Center for Diagnostics and Telemedicine Technologies of the Moscow Department of Healthcare (In Russ.)].
  14. Годзенко А.В., Петряйкин А.В., Морозов С.П. и др. Остеоденситометрия (Лучшие практики лучевой и инструментальной диагностики): Методические рекомендации. М.: Научно-практический центр медицинской радиологии, 2017. 26 с. [Godzenko A.V., Petryaykin A.V., Morozov S.P., et al. Osteodensitometriya (Luchshiye Praktiki Luchevoy i Instrumental’noy Diagnostiki) = Osteodensitometry (Best Practices of Radiation and Instrumental Diagnostics). Methodological Recommendations. Moscow, Scientific and Practical Center of Medical Radiology Publ., 2017. 26 p. (In Russ.)].
  15. Васильев Ю.А., Владзимирский А.В., Артюкова З.Р. и др. Диагностика и скрининг остеопороза по результатам компьютерной томографии органов брюшной полости: Методические рекомендации // Серия «Лучшие практики лучевой и инструментальной диагностики». Вып.132. М.: Научно-практический клинический центр диагностики и телемедицинских технологий ДЗМ, 2023. 29 с. [Vasil’yev Yu.A., Vladzimirskiy A.V., Artyukova Z.R., et al. Diagnostika i Skrining Osteoporoza po Rezul’tatam Komp’yuternoy Tomografii Organov Bryushnoy Polosti = Diagnostics and Screening of Osteoporosis Based on the Results of Computed Tomography of the Abdominal Organs. Methodological Recommendations. Series “Best Practices in Radiation and Instrumental Diagnostics”. Issue 132. Moscow, Scientific and Practical Clinical Center for Diagnostics and Telemedicine Technologies of the Department of Health of Moscow Publ., 2023. 29 p. (In Russ.)].
  16. Крупин К.Н., Кислов М.А. Конечно-элементный анализ формирования локального остеопороза при хирургическом лечении в области перелома малоберцовой кости // Судебная медицина. 2020. Т.6. №3. C. 58-61 [Krupin K.N., Kislov M.A. Finite Element Analysis of the Formation of Local Osteoporosis During Surgical Treatment in the Area of a Fracture of the Fibula. Sudebnaya Meditsina = Forensic Medicine. 2020;6;3:58-61 (In Russ.)]. doi: 10.19048/fm327.
  17. Васильев Ю.А., Семенов Д.С., Ахмад Е.С., Панина О.Ю., Сергунова К.А., Петряйкин А.В. Метод оценки влияния алгоритмов подавления артефактов от металлов в КТ на количественные характеристики изображений // Медицинская техника. 2020. №4. С. 43-45 [Vasil’yev Yu.A., Semenov D.S., Akhmad Ye.S., Panina O.Yu., Sergunova K.A., Petryaykin A.V. Method for Assessing the Impact of Metal Artifact Suppression Algorithms in Computed Tomography on Quantitative Image Characteristics. Meditsinskaya Tekhnika = Medical Equipment. 2020;4:43-45 (In Russ.)].
  18. Bolstad K., Flatabo S., Aadnevik D., Dalehaug I., Vetti N. Metal Artifact Reduction in CT, a Phantom Study: Subjective and Objective Evaluation of Four Commercial Metal Artifact Reduction Algorithms when Used on Three Different Orthopedic Metal Implants. Acta Radiol. 2018;59;9:1110-1118. doi: 10.1177/0284185117751278.
  19. Shim E., Kang Y., Ahn J.M., et al. Metal Artifact Reduction for Orthopedic Implants (O-Mar): Usefulness in CT Evaluation of Reverse Total Shoulder Arthroplasty. American Journal of Roentgenology. 2017;209;4:860-866. doi: 10.2214/ajr.16.17684.
  20. Huang Jessie Y., Kerns James R., Nute Jessica L., et al. An Evaluation of Three Commercially Available Metal Artifact Reduction Methods for CT Imaging. Physics in Medicine and Biology. 2015;60;3:1047–1067. doi: 10.1088/0031-9155/60/3/1047.
  21. Feldhaus F.W., Böning G., Kahn J., et al. Improvement of Image Quality and Diagnostic Confidence Using Smart Mar – a Projection-Based CT Protocol in Patients with Orthopedic Metallic Implants in Hip, Spine, and Shoulder. Acta Radiologica. 2020;61;10:1421-1430. doi: 10.1177/0284185120903446.
  22. Andersson Karin M., Norrman Eva, Geijer Håkan, et al. Visual Grading Evaluation of Commercially Available Metal Artefact Reduction Techniques in Hip Prosthesis Computed Tomography. The British Journal of Radiology. 2016;89;1063:20150993. doi: 10.1259/bjr.20150993.
  23. Akdeniz Yucel, Yegingil Ilhami, Yegingil Zehra. Effects of Metal Implants and a Metal Artifact Reduction Tool on Calculation Accuracy of AAA and Acuros XB Algorithms in Small Fields. Medical Physics. 2019;46;11:5326-5335. doi: 10.1002/mp.13819.
  24. Li B., Huang J., Ruan J., et al. Dosimetric Impact of CT Metal Artifact Reduction for Spinal Implants in Stereotactic Body Radiotherapy Planning. Quant Imaging Med Surg. 2023;13;12:8290-8302. doi: 10.21037/qims-23-442.
  25. Ziemann C., Stille M., Cremers F., et al. Improvement of Dose Calculation in Radiation Therapy Due to Metal Artifact Correction Using the Augmented Likelihood Image Reconstruction. Journal of Applied Clinical Medical Physics. 2018;19;3:227–233. doi: 10.1002/acm2.12325.
  26. Baer E., Schwahofer A., Kuchenbecker S., Haering P. Improving Radiotherapy Planning in Patients with Metallic Implants using the Iterative Metal Artifact Reduction (iMAR) Algorithm. Biomed Phys & Eng Express. 2015;1:025206. doi: 10.1088/2057-1976/1/2/025206.
  27. Ulmer W., Pyyry J., Kaissl W. A 3D Photon Superposition Convolution Algorithm and its Foundation on Results of Monte Carlo Calculations. Phys Med Biol. 2005;50:1767–90. doi: 10.1088/0031-9155/50/8/010.

Supplementary files

Supplementary Files
Action
1. JATS XML
Download

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».