
El espectrómetro de imágenes por tomografía computarizada (CTIS) es un espectrómetro de imágenes instantáneas que puede producir, en definitiva, el cubo de datos hiperespectrales tridimensional (es decir, espacial y espectral) de una escena.
Historia
El CTIS fue concebido por separado por Takayuki Okamoto e Ichirou Yamaguchi en Riken (Japón), y por F. Bulygin y G. Vishnakov en Moscú (Rusia). [ 1 ] [ 2 ] [ 3 ] El concepto fue posteriormente desarrollado por Michael Descour, en ese momento estudiante de doctorado en la Universidad de Arizona , bajo la dirección del Prof. Eustace Dereniak. [ 4 ]
Los primeros experimentos de investigación basados en imágenes CTIS se llevaron a cabo en el campo de la biología molecular . [ 5 ] Desde entonces, se han propuesto varias mejoras de la tecnología, en particular en lo que respecta al hardware: elementos dispersivos que proporcionan más información en el cubo de datos, [ 6 ] calibración mejorada del sistema. [ 7 ] La mejora del CTIS también se vio impulsada por el desarrollo general de sensores de imagen más grandes. [ 8 ] Para fines académicos, aunque no tan ampliamente utilizado como otros espectrómetros, el CTIS se ha empleado en aplicaciones que van desde el ámbito militar [ 9 ] hasta la oftalmología [ 10 ] y la astronomía. [ 11 ]
Formación de imágenes

Disposición óptica
En la parte izquierda de la imagen superior se muestra la configuración óptica de un instrumento CTIS. Un diafragma de campo se sitúa en el plano de imagen de un objetivo, tras lo cual una lente colima la luz antes de que esta atraviese un dispersor (como una rejilla o un prisma ). Finalmente, una lente de reimagen proyecta la imagen dispersa del diafragma de campo sobre un detector de gran formato.
Imagen resultante
La información que adquiere el CTIS puede considerarse como el cubo de datos tridimensional de la escena. Por supuesto, este cubo no existe en el espacio físico como los objetos mecánicos, pero esta representación ayuda a comprender intuitivamente qué captura la imagen: como se observa en la figura de la derecha, las formas en la imagen pueden considerarse proyecciones (en un sentido mecánico) del cubo de datos.

La proyección central, denominada orden cero de difracción , es la suma del cubo de datos que sigue el eje espectral (por lo tanto, esta proyección actúa como una cámara pancromática ). En la imagen del "5" de la derecha, se puede leer claramente el número en la proyección central, pero sin información sobre el espectro de la luz.
Todas las demás proyecciones resultan de "observar" el cubo oblicuamente y, por lo tanto, contienen una mezcla de información espacial y espectral. Desde un punto de vista discreto, donde el cubo de datos se considera como un conjunto de cortes espectrales (como en la figura anterior, donde dos de estos cortes están representados en púrpura y rojo), estas proyecciones pueden entenderse como una dispersión parcial de la pila de cortes, de forma similar a como un mago extiende sus cartas para que un miembro del público elija una. Es importante señalar que, para dispersiones espectrales típicas y el tamaño típico de un sensor, la información espectral de un corte dado se superpone en gran medida con la de otros cortes vecinos. En la imagen "5", se puede observar en las proyecciones laterales que el número no es claramente legible (pérdida de información espacial), pero que hay información espectral disponible (es decir, algunas longitudes de onda aparecen más brillantes que otras). Por lo tanto, la imagen contiene información multiplexada sobre el cubo de datos.
El número y la disposición de las proyecciones dependen del tipo de elemento difractor empleado. En particular, se puede capturar más de un orden de difracción. [ 6 ]
Reconstrucción del cubo de datos
La imagen resultante contiene toda la información del cubo de datos. Es necesario aplicar un algoritmo de reconstrucción para convertir esta imagen de nuevo al espacio espacio-espectral 3D. Por lo tanto, el CTIS es un sistema de imagen computacional .
Enlace a la tomografía computarizada de rayos X
Conceptualmente, se puede considerar cada una de las proyecciones del cubo de datos de manera análoga a las proyecciones de rayos X medidas por los instrumentos de tomografía computarizada de rayos X médicos que se utilizan para estimar la distribución del volumen dentro del cuerpo de un paciente.
Por lo tanto, los algoritmos más utilizados para la reconstrucción CTIS son los mismos que los empleados en el campo de la tomografía computarizada de rayos X. En particular, el algoritmo utilizado por Descour [ 12 ] se deriva directamente de un trabajo fundamental en la reconstrucción de tomografía computarizada de rayos X. [ 13 ] Desde entonces, se han empleado técnicas ligeramente más elaboradas, [ 8 ] de la misma manera (aunque no en la misma medida) la reconstrucción de tomografía computarizada de rayos X ha mejorado desde la década de 1980.
Dificultades
En comparación con la tomografía computarizada (TC) de rayos X, la reconstrucción mediante tomografía computarizada intraoperatoria (CTIS) es notablemente más difícil. En particular, el número de proyecciones resultantes de una adquisición CTIS suele ser mucho menor que en la TC de rayos X. Esto da como resultado una reconstrucción más borrosa, de acuerdo con el teorema de proyección-corte . Además, a diferencia de la TC de rayos X, donde las proyecciones se adquieren alrededor del paciente, la CTIS, como todos los sistemas de imagen, solo adquiere la escena desde un único punto de vista, por lo que muchos ángulos de proyección son inaccesibles.
Referencias
- ↑ Takayuki Okamoto e Ichirou Yamaguchi, " Adquisición simultánea de información de imagen espectral ", Optics Letters 16 : 1277-1279 (1991).
- ↑ Takayuki Okamoto, Akinori Takahashi e Ichirou Yamaguchi, " Adquisición simultánea de la distribución de intensidad espectral y espacial ", Applied Spectroscopy 47 : 1198-1202 (1993)
- ↑ FV Bulygin y GN Vishnyakov, "Espectrotomografía: un nuevo método para obtener espectrogramas de objetos bidimensionales", en Métodos analíticos para tomografía óptica , Proc. SPIE 1843 : 315-322 (1992).
- ↑ Michael Robert Descour, "Espectrometría de imágenes sin escaneo", Tesis doctoral, Universidad de Arizona (1994)
- ↑ Ford, Bridget K.; Volin, Curtis E.; Murphy, Sean M.; Lynch, Ronald M.; Descour, Michael R. (febrero de 2001). " Imágenes espectrales basadas en tomografía computarizada para microscopía de fluorescencia" . Biophysical Journal . 80 (2): 986– 993. Bibcode : 2001BpJ....80..986F . doi : 10.1016/s0006-3495(01)76077-8 . ISSN 0006-3495 . PMC 1301296. PMID 11159465 .
- 1 2 Hagen, Nathan; Dereniak, Eustace L.; Sass, David T. (2006-08-31). "Maximizing the resolution of a CTIS instrument" . En Shen, Sylvia S; Lewis, Paul E (eds.). Imaging Spectrometry XI . Vol. 6302. SPIE. pp. 63020L. Bibcode : 2006SPIE.6302E..0LH . doi : 10.1117/12.680750 . S2CID 120974275 .
{{cite book}}:|journal=ignorado ( ayuda ) - ↑ Wilson, Daniel W.; Maker, Paul D.; Muller, Richard E. (1997-10-31). "Reconstrucciones de cubos de imágenes de espectrómetros de imágenes de tomografía computarizada utilizando matrices de sistema calculadas" . En Descour, Michael R; Shen, Sylvia S (eds.). Imaging Spectrometry III . Vol. 3118. SPIE. pp. 184–193 . Bibcode : 1997SPIE.3118..184W . doi : 10.1117/12.283827 . S2CID 136914912 .
{{cite book}}:|journal=ignorado ( ayuda ) - 1 2 Ford, Bridget K.; Descour, Michael R.; Lynch, Ronald M. (2001-10-22). "Espectrómetro de imágenes de tomografía computarizada de gran formato para microscopía de fluorescencia" . Optics Express . 9 (9): 444– 453. Bibcode : 2001OExpr...9..444F . doi : 10.1364/oe.9.000444 . ISSN 1094-4087 . PMID 19424362 .
- ↑ Descour, Michael R.; Dereniak, Eustace L.; Dubey, Abinash C. (1995-06-20). "Detección de minas mediante imágenes espectrales instantáneas" . En Dubey, Abinash C; Cindrich, Ivan; Ralston, James M; Rigano, Kelly A (eds.). Tecnologías de detección de minas y objetivos similares a minas . Vol. 2496. SPIE. pp. 286–304 . Bibcode : 1995SPIE.2496..286D . doi : 10.1117/12.211325 . S2CID 62771528 .
{{cite book}}:|journal=ignorado ( ayuda ) - ↑ Johnson, William R.; Wilson, Daniel W.; Fink, Wolfgang; Md, Mark S. Humayun; Bearman, Gregory H. (enero de 2007). "Imágenes hiperespectrales instantáneas en oftalmología" . Journal of Biomedical Optics . 12 (1): 014036. Bibcode : 2007JBO....12a4036J . doi : 10.1117/1.2434950 . ISSN 1083-3668 . PMID 17343511 .
- ↑ Hege, E. Keith; O'Connell, Dan; Johnson, William; Basty, Shridhar; Dereniak, Eustace L. (2004-01-07). Shen, Sylvia S; Lewis, Paul E (eds.). "Imágenes hiperespectrales para astronomía y vigilancia espacial" . Imaging Spectrometry IX . 5159. SPIE: 380–391 . doi : 10.1117/12.506426 . S2CID 121946613 .
- 1 2 Descour, Michael; Dereniak, Eustace (1995-08-01). "Espectrómetro de imágenes de tomografía computarizada: calibración experimental y resultados de reconstrucción" . Applied Optics . 34 (22): 4817– 4826. Bibcode : 1995ApOpt..34.4817D . doi : 10.1364/ao.34.004817 . ISSN 0003-6935 . PMID 21052321 .
- ↑ Shepp, LA; Vardi, Y. (octubre de 1982). "Reconstrucción de máxima verosimilitud para tomografía por emisión". IEEE Transactions on Medical Imaging . 1 (2): 113– 122. Bibcode : 1982ITMI....1..113S . doi : 10.1109/TMI.1982.4307558 . ISSN 0278-0062 . PMID 18238264 .
Enlaces externos
- En el artículo se documenta un algoritmo de reconstrucción rápida para espectrómetros de imágenes de tomografía computarizada (CTIS): Larz White, W. Bryan Bell, Ryan Haygood, "Accelerating computed tomographic imaging spectrometer reconstruction using a parallel algorithm exploiting spatial shift-invariance", Opt. Eng. 59(5), 055110 (2020).
- Espectrómetros
- Tomografía