CN101138501A - 用于生成目标的多光谱图像的方法和系统 - Google Patents

Abstract

提供了一种用于生成目标的多光谱图像的方法。方法包括在多个X射线能级获得测量数据和在包括目标的一个或多个区域内定义多个图像体素。方法然后包括获得与包括目标的多个图像体素相关的先验信息。由多个基本组分之间的联合概率密度函数(PDF)定义先验信息。方法还包括重建测量数据以基于先验信息生成目标的多光谱重建图像。

Description

用于生成目标的多光谱图像的方法和系统

技术领域

本发明主要涉及图像重建领域。特定地，本发明涉及用于定义多光谱图像的先验信息的技术。更加特定地，本发明涉及用于基于先验信息生成多光谱图像的技术。

背景技术

成像系统通常通过从X射线源发射穿过诸如患者的衰减目标的X射线束运行。可以在源和目标之间将X射线束校准成扇形或锥形，这取决于探测器最佳患者辐照的配置或其它因素。然后由一组探测器元件探测衰减束。探测器元件基于X射线束的强度产生信号。然后处理测量信号以表示目标衰减沿射线路径的线积分。通常将处理数据称为投影。通过使用诸如滤波反投影的重建技术，从投影构建断面图像。可以将相近的断面图像一起显示以描述表示目标或患者成像区域的体积。

如本领域技术人员所熟知的那样，材料的线性衰减系数是当X射线束穿过材料时可能发生的两个独立事件的函数。第一个事件称为康普顿散射，表示穿过材料的X射线光子被从初始射束路径散射或转向的趋势，伴随着能量的改变。第二个事件称为光电吸收，表示穿过材料的X射线光子被材料吸收的趋势。

正如人们所预料的，不同材料的散射和吸收性能不同，导致不同材料的衰减系数不同。特别地，康普顿散射概率部分地取决于成像材料的电子密度而光电吸收概率部分地取决于成像材料的原子序数，即原子序数越大，吸收的可能性越大。此外，康普顿散射效应和光电吸收均部分地取决于X射线束的能量。作为结果，可以基于由材料引起的X射线衰减中光电吸收和康普顿散射效应的相对重要性来将材料彼此区分。特别地，在两个或多个X射线能级测量材料产生的X射线衰减或使用两个或多个能谱，即多能量或多光谱CT，可以定量康普顿散射和光电吸收对于材料的各自贡献。

由于将衰减分解为康普顿散射和光电吸收贡献不是很好的定义过程，需要基于材料中康普顿散射和光电吸收的贡献的相关现有技术建立图像的光谱相关性。另外，需要使用该现有技术以生成具有改进图像质量的多光谱图像。

发明内容

在一个实施例中，提供了用于生成目标的多光谱图像的方法。该方法包括在多个X射线能级获得测量数据并在包括目标的一个或多个区域中定义多个图像体素。该方法随后包括获得与包括目标的多个图像体素相关的先验信息。由多个基本组分之间的联合概率密度函数(PDF)定义先验信息。该方法还包括重建测量数据以基于先验信息生成目标的多光谱重建图像。

在另一个实施例中，提供了图像分析系统。该图像分析系统包括用于发射辐射束的X射线源和用于探测辐射束以生成响应辐射束的一个或多个信号的探测器。探测器包括多个探测器元件。该图像分析系统还包括系统控制器和计算机。系统控制器用于控制X射线源并通过数据获取系统从一个或多个探测器元件在多个X射线能级获得测量数据。计算机用于在包括目标的一个或多个区域中定义多个图像体素并获得与包括目标的多个图像体素相关的先验信息。由多个基本组分之间的联合概率密度函数(PDF)定义先验信息。计算机还用于重建测量数据以基于先验信息生成目标的多光谱重建图像。

附图说明

参考附图阅读下面的详细描述时，可以更好地理解本发明的这些和其它特征、方面和优势，在附图中相似符号表示相似的部分，其中：

图1是根据本发明的一个实施例的用于获得并处理图像数据的图像分析系统的图例；

图2是描述根据本发明的一个实施例的成像目标的图像体素在二维(2D)空间中的成分和密度信息的图例；

图3是描述根据本发明的另一个实施例的成像目标的图像体素在二维(2D)空间中的成分和密度信息的图例；

图4是描述根据本发明的另一个实施例的成像目标的图像体素在二维(2D)空间中的成分和密度信息的图例；

图5是描述根据本发明的另一个实施例的成像目标的图像体素在二维(2D)空间中的成分和密度信息的图例；

图6描述了根据本发明的一个实施例的用于生成目标的多光谱图像的过程。

具体实施方式

图1图解描述了根据本发明的一个实施例的用于获得并处理图像数据的图像分析系统10。在描述的该实施例中，系统10是用于在两个或多个X射线能级或光谱获得图像数据并根据本技术处理用于显示和分析的图像数据的多能量计算机层析(ME-CT)系统。可以将成像系统10设计成使用具有能量分辨能力的探测器在单个X射线源光谱获得图像数据，这种探测器允许估计每个探测光子的能级或探测光子子集的平均能级。在图1描述的实施例中，成像系统10包括放置在准直仪14附近的X射线辐射源12。在该示范实施例中，X射线辐射源12通常是X射线管。

准直仪14将辐射束16传送到放置诸如人类患者18的目标的区域中。辐射20的一部分穿过或绕过目标并撞击一般以参考数字22表示的探测器阵列。阵列的探测器元件产生表示入射的X射线束强度的电信号。获取并处理这些信号以重建目标中特征的图像。

系统控制器24可以控制源12。系统控制器24通常为CT检查序列提供功率和控制信号。而且，探测器22与系统控制器24相连，后者控制在探测器22中产生的信号的获取。系统控制器24也可以执行诸如用于动态量程的初始调整、数字图像数据的交叉存取等的不同信号处理和过滤功能。大体上，系统控制器24控制成像系统的运行以执行检查协议和处理获取的数据。在本文中，系统控制器24还包括通常基于通用或专用的数字计算机的信号处理电路、用于存储由计算机执行的程序和程序指令及配置参数和图像数据的相关存储电路、接口电路等。

在图1示出的实施例中，系统控制器24与线性定位子系统26和旋转子系统28耦接。旋转子系统28使X射线源12、准直仪14和探测器22能够围绕患者18旋转一圈或多圈。应该指出的是旋转子系统28可以包括托台。因此，系统控制器24可以用于运行托台。线性定位子系统26使患者18或(更具体的是)患者平台能够线性位移。因此，可以在托台内线性移动患者平台以生成患者18的特定区域的图像。

另外，如本领域技术人员所熟知的那样，可以用放置在系统控制器24内的X射线控制器30控制辐射源。特别地，X射线控制器30用于为X射线源12提供功率和定时信号且可以确定源12发射的X射线能级或光谱。可以使用马达控制器32控制旋转子系统28和线性定位子系统26的运动。

此外，示出的系统控制器24还包括数据获取系统34。在该示范实施例中，探测器22与系统控制器24耦接，更加具体的是与数据获取系统34耦接。数据获取系统34接收由探测器22的读出电子装置收集的数据。数据获取系统34通常从探测器22接收采用的模拟信号并将数据转换为用于计算机36后续处理的数字信号。

计算机36通常与系统控制器24耦接。可以将由数据荻取系统34收集的信号传送到计算机36以用于后续处理和重建。计算机36可以包括存储器38或与存储器38通信，存储器38能够存储计算机36处理的数据或计算机36将要处理的数据。需要理解的是这种示范系统10可以使用任何类型的能够存储预期数量的数据和/或代码的计算机可访问存储器设备。而且，存储器38可以包括与系统10本地或远程连接的相同或不同类型的一个或多个存储器设备，诸如磁性或光学设备。存储器38可以存储数据、处理参数、和/或包括用于执行这里描述的过程的一个或多个程序指令的计算机程序。

在特定实施例中，如将在后面更加详细描述的那样，计算机36用于定义与包括目标的多个图像体素相关的先验信息。由目标中线性衰减系数的多个基本组分之间的联合概率密度函数(PDF)定义先验信息。计算机36还用于重建测量数据以基于先验信息生成目标的多光谱重建图像。测量数据包括密度线性积分测量、光电线性积分测量和康普顿线性积分测量中的至少一个。

计算机36还可以适用于控制系统控制器24能够实现的特征，即扫描操作和数据获取。而且，计算机36可以用于通过通常配备了键盘和其它输入设备(未示出)的操作员工作台40从操作员接收指令和扫描参数。操作员由此可以通过输入设备控制该系统10。因此，操作员可以从计算机36观察重建图像和与系统有关的其它数据，初始成像等。

操作员可以通过输入设备控制该系统10。因此，操作员可以从计算机36观察重建图像和与系统有关的其它数据，初始成像等。相似地，连接到操作员工作台40的显示器42可以使操作员能够观察重建图像和控制成像。另外，可以用与操作员工作台40相连的打印机44打印重建图像。也可以将显示器42和打印机44直接或通过操作员工作台40连接到计算机36。此外，也可以将操作员工作台40与图像存档与通信系统(PACS)46耦接。需要指出的是PACS 46可以耦接到远程客户机48、放射科信息系统(RIS)、医院信息系统(HIS)或耦接到内部或外部网络，以使在不同位置的其他人可以访问图像和图像数据。

还需要指出的是计算机36和操作员工作台40可以耦接到包括标准或专用计算机监视器和相关处理电路的其它输出设备。另外可以将一个或多个操作员工作台40连接到用于输出系统参数、请求检查、显示图像等的系统中。通常，系统中提供的显示器、打印机、工作台及类似设备可以与数据获取组件进行本地连接，或可以远离这些组件，例如在机构或医院的任何位置或在完全不同的位置中，通过诸如互联网、虚拟专用网络等的一种或多种可配置网络与图像获取系统链接。

本发明的实施例公开了用于定义在两个或多个X射线能级或光谱获取的图像的先验信息的技术。如这里所用的，“先验信息”是指成像目标中存在的一种或多种材料的成分和密度信息。如这里所用的，“成分”是指成像目标中材料的康普顿散射和光电吸收的数量，“密度”是指成像目标中体素的平均衰减。或者，“成分”可以指诸如构成给定材料或给定图像体素的总衰减的水的衰减和骨骼的衰减的其它基本组分的数量。另外，本发明的实施例公开了用于基于先验信息生成具有降低噪音和更好材料分解的多光谱图像的技术。如将在后面更加详细描述的那样，通过图像的选择性光滑实现噪音降低，通过将已知标称材料性能整合到每个图像体素的衰减系数中实现材料分解。

如本领域技术人员所熟知的那样，图像体素的特征通常在于一定光电吸收密度/权重和康普顿散射密度/权重。由于X射线衰减主要是由光电吸收和康普顿散射引起，通过两个参数φ和θ来表征体素中的线性衰减，其中φ表示在给定组织或体素中光电吸收的数量而θ表示在给定组织或体素中的康普顿散射。

假定由光电吸收(Ф(E))和康普顿散射(Θ(E))引起的效果的能量相关性是已知的并且独立于材料，可以如下面的公式(1)所示表示体素的线性衰减：

μ(E)＝φ·Ф(E)+θ·Θ(E)(1)

由于每个材料的衰减可以用两个基本函数Ф(E)和Θ(E)的线性组合表示，可以选择φ和θ线性独立的任意两个材料来定义基本函数的新集合。材料成分的典型示例可以包括但不限制在水和骨骼，或骨骼和碘酒。例如，可以用如下面所示的公式(2)表示水和骨骼的分解。

μ(E)＝w·W(E)+b·B(E)(2)

其中w表示水等价物的衰减W(E)的数量，b表示骨骼等价物的衰减B(E)的数量。可以通过代入下面两个公式来将公式(2)变换为公式(1)(或反之亦然)：

W(E)＝c1·Ф(E)+c2·Θ(E)(3)

B(E)＝c3·Ф(E)+c4·θ(E)(4)

其中c1、c2、c3和c4是经验定义系数，表示康普顿散射和光电吸收在水衰减和骨骼衰减中的各自贡献。或者，可以使用理想材料：例如，一种没有光电吸收而只有康普顿作用的理论材料和没有康普顿作用而只有光电吸收的第二理论材料。换句话说，然后任何实体材料都可以被表示为这两种理想材料的线性组合。

图2是描述根据本发明一个实施例的成像目标的图像体素的二维(2D)空间中的成分和密度信息的图例。在具体实施例中，图2描述了关于将要重建的目标或体素的康普顿散射分布的先验信息。如本领域技术人员所熟知的那样，可以基于材料的X射线衰减中光电吸收和康普顿散射效应的相对重要性将多个材料彼此区分。因此，图像体素的特征可以在于实际二维(2D)φ-θ空间，而不是将其绘制成一维有效衰减(μ_eff)空间。换句话说，已知对应特定实体材料(诸如，例如骨骼或水)的成像目标的2D空间中图像体素的位置可以用康普顿散射的一定数量和光电吸收的一定数量来表征。现在参照图2，参考数字50和52对应包括诸如例如骨骼54和水56的不同材料成分的成像目标的2D空间中的两个图像体素。参考数字58表示有效衰减轴。区域60对应由康普顿散射的一定数量表征的成像目标的2D空间中的特定位置。如本领域技术人员所熟知的那样，图2描述了将要重建的目标或体素的康普顿散射分布。

图3是描述根据本发明另一个实施例的成像目标图像体素的二维(2D)空间中的成分和密度信息的图例。在特定实施例中，图3描述了关于将要重建的目标或体素的光电吸收的先验信息。如前面描述的那样，已知对应特定实体材料(诸如，例如骨骼或水)的成像目标的2D空间中的图像体素的位置可以用康普顿散射的一定数量和光电吸收的一定数量来表征。在图3示出的特定实施例中，参考数字50和52对应包括诸如例如骨骼54和水56的不同材料成分的成像目标在2D空间中的两个图像体素。区域60对应由光电吸收的一定数量表征的成像目标的2D空间中的特定位置。

图4是描述根据本发明另一个实施例的成像目标的图像体素的二维(2D)空间中的成分和密度信息的图例。在特定实施例中，图4描述了关于将要重建的目标或体素的有效衰减的先验信息。参考数字50和52对应包括诸如例如骨骼54和水56的不同材料成分的成像目标的2D空间中的两个图像体素。参考数字58表示有效衰减轴。区域64对应表示材料的有效衰减的成像目标的2D空间中的特定位置。如可以在图4的曲线中观察到的那样，图像体素的平均有效衰减沿区域64保持恒定。然而，由于沿该区域的康普顿散射和光电吸收引起的图像体素的有效衰减是未知的，由此导致具有噪音分解的图像。

图5是描述根据本发明另一个实施例的成像目标的图像体素的二维(2D)空间中的成分和密度信息的图例。在特定实施例中，图5描述了关于不同基本组分之间的关系的先验信息。参考数字50和52对应包括诸如例如骨骼54和水56的不同材料成分的成像目标的2D空间中的两个图像体素。参考数字58表示有效衰减轴。区域68对应图像体素的有效衰减。区域66对应与图像体素相关的先验信息。如将在下面更加详细地描述的那样，先验信息连同图像体素的有效衰减的信息可以用于生成具有改进图像质量和降低噪音的目标的多光谱图像。

根据本发明实施例，图像体素i的基本组分j的权重由(x_i，j)表示。因此，与每个图像体素x_i，j相关的先验信息可以概括为表示穿过组分j的相关性。特别地，(x_i，1)可以表示关于一个材料(诸如，例如水或组织)的图像体素的权重/密度而(x_i，2)可以表示关于另一个材料(诸如，例如骨骼)的图像体素的权重/密度。其它表征法可以包括例如康普顿组分(x_i，1)和光电组分(x_i，2)。再次参照公式(2)，对于特定体素i，公式(2)可以表示为μ_j＝x_i，1·Ф(E)+x_i，2·Θ(E)。更具体的，如果(x_i，1)表示材料的康普顿组分而(x_i，2)表示光电组分，那么可以用由(x_i，1)和(x_i，2)定义的成像目标的二维(2D)空间中的不同区域表示不同材料成分。

如本领域技术人员所熟知的那样，图像体素x_i，j中的先验信息可以集中在关于通常称为伽马先验的由体素呈现的值的实际范围的或关于通常称为马尔可夫随机场(MRF)先验的在不同空间最近体素之间的关系的x_i，j分布。迦玛先验可以包括例如关于x_i，1的可能组合的信息，x_i，1的可能组合可以是x_i，1十分高而x_i，2非常低，或反之亦然。MRF先验通常可以表示为x_i，j-x_l，j的函数，意味着认为相邻图像体素是相似的。在具体实施例中，MRF先验可以表示为如下面公式(5)所示的二次先验：

$\mathrm{\Φ}\left(x\right)=\underset{j}{\mathrm{\Σ}}\underset{i}{\mathrm{\Σ}}\underset{l\∈N\left(i\right)}{\mathrm{\Σ}}{(x_{i,j}-x_{l,j})}^2---\left(5\right)$

其中N(i)是组成体素i的近邻的体素集，φ(x)是成本函数。具体的，公式(5)所示的先验表达可以概括为表示穿过光谱维数j的相关性。

公式(5)所示的成本函数φ(x)还可以概括为如下面公式(6)所示的形式：

$\mathrm{\Φ}\left(x\right)=\underset{j}{\mathrm{\Σ}}\underset{i}{\mathrm{\Σ}}\underset{l\∈N\left(i\right)}{\mathrm{\Σ}}\mathrm{\ψ}(x_{i,j}-x_{l,j})---\left(6\right)$

其中Ψ是边缘保存调整函数，或以统计学术语来说，是图像体素之间差别的概率密度函数(PDF)。如本领域技术人员所熟知的那样，“概率密度函数”是指表示给定变量或数量的概率分布的函数。

在一个实施例中，可以定义先验信息以惩罚(penalize)与目标中已知材料不相对应的点。然后可以使用二次(或其它)惩罚以惩罚与这些已知材料的成分-密度不符的偏差。可以将二次惩罚的简单和写成如下面公式(7)和公式(8)所示的形式：

$\mathrm{\Φ}\left(x\right)=\underset{i}{\mathrm{\Σ}}\underset{l\∈L}{\min }[{(x_{i,1}-a_{l,1})}^2+{(x_{i,2}-a_{l.2})}^2]---\left(7\right)$

$\mathrm{\Φ}\left(x\right)=\underset{i}{\mathrm{\Σ}}\underset{l\∈L}{\mathrm{\Π}}[{(x_{i,1}-a_{l,1})}^2+{(x_{i,2}-a_{l.2})}^2]---\left(8\right)$

其中，a_l，1和a_l，2表示成像目标中第1种材料的标称组分分解。具体的，如果目标图像体素主要包括骨骼、软组织、造影剂和钙，可以将包括这些材料的基本组分选作“支撑点”a_l，j，然后用作先验信息以惩罚与这些值不符的大的偏差。

根据本发明实施例使用先验信息，可以导致比非规则化方案更好的材料辨别能力，在每个支撑点附近具有更小的偏差(即更少的噪音)。如这里使用的，非规则化方案是指不使用先验信息而形成的方案。还可以使用其它惩罚函数(penalty function)代替二次惩罚来概括公式(7)。在另一个实施例中，通过旋转并缩放惩罚函数的等高线来概括公式(7)以便用明确定义方式来表示基本组分之间的相关性。在这种情况中，需要如下面公式(9)所示的额外截项和缩放系数：

$\mathrm{\Φ}\left(x\right)=\underset{i}{\mathrm{\Σ}}\underset{l\∈L}{\min }[c_1{(x_{i,1}-a_{l,1})}^2+c_2{(x_{i,2}-a_{l,2})}^2+c_3(x_{i,1}-a_{l,1})(x_{i,2}-a_{l,2})]---\left(9\right)$

公式(9)的一个概括是基于将其与能够使相邻图像体素采用相同值的空间惩罚相结合。空间惩罚的示例是下面形式的先验项：

$\mathrm{\Φ}\left(x\right)=\underset{i}{\mathrm{\Σ}}\underset{l\∈L}{\min }{c}_1{(x_{i,1}-a_{l,1})}^2+c_2{(x_{i,2}-a_{l,2})}^2+c_3(x_{i,1}-a_{l,1})(x_{i,2}-a_{l,2})+\underset{j}{\mathrm{\Σ}}\mathrm{\Σi}\underset{l\∈N\left(i\right)}{\mathrm{\Σ}}{(x_{i,j}-x_{l,j})}^2$

(10)

这种公式(10)表示的先验项的概括导致具有更低噪音且具有明确定义的材料性能的图像。

根据本发明的实施例，由成像目标的材料中包括的多个基本组分之间的联合概率密度函数(PDF)定义与每个图像体素相关的先验信息。在特定实施例中，PDF定义为关于与图像体素相关的绝对体素范围的基本组分的分布。如前面描述的那样，基本组分可以包括康普顿组分和光电组分。

在另一个实施例中，由如下面公式(11)所示的两个基本组分之间的比值的联合概率密度函数(PDF)定义与每个图像体素x_i相关的先验信息：

r_i＝x_i，1/x_i，2(11)

其中，r_i表示对于给定体素i的对应两个基本组分的权重的比值。

因此，可以用如下面所示的公式(12)或公式(13)表示先验项：

$\mathrm{\Φ}\left(x\right)=\underset{i}{\mathrm{\Σ}}\underset{l\∈L}{\min }\mathrm{\Ψ}(r_i-r_l)---\left(12\right)$

$\mathrm{\Φ}\left(x\right)=\underset{i}{\mathrm{\Σ}}\underset{l\∈L}{\mathrm{\Π}}\mathrm{\Ψ}(r_i-r_l)---\left(13\right)$

在这种情况中，先验信息为密度信息提供补充信息。换句话说，密度提供体素的平均衰减的信息，而先验项提供关于包括成像目标的不同组分之间比值的信息。

在替代实施例中，由相邻体素值之间差别的联合概率密度函数(PDF)定义与每个图像体素相关的先验信息。例如，由于相同材料密度的变化或材料成分的变化导致实质差别，两个图像体素x₁和x₂之间差别的某种组合与其它组合相比更加合适。可以用如下面所示的公式(14)或公式(15)表示这种类型的先验项：

$\mathrm{\Φ}\left(x\right)=\underset{i}{\mathrm{\Σ}}\underset{l\∈L}{\min }[c_{1,l}{\mathrm{\δ}}_{i,j,1}^2+c_{2,l}{\mathrm{\δ}}_{i,j,2}^2+c_{3,l}{\mathrm{\δ}}_{i,j,1}{\mathrm{\δ}}_{i,j,2}]---\left(14\right)$

$\mathrm{\Φ}\left(x\right)=\underset{i}{\mathrm{\Σ}}\underset{l\∈L}{\mathrm{\Π}}[c_{1,l}{\mathrm{\δ}}_{i,j,1}^2+c_{2,l}{\mathrm{\δ}}_{i,j,2}^2+c_{3,l}{\mathrm{\δ}}_{i,j,1}{\mathrm{\δ}}_{i,j,2}]---\left(15\right)$

其中，δ_i，j，l＝x_i，l-x_j，l表示对于体素i相对体素j的组分1的权重中的差别，c_i表示定义惩罚函数φ的形状和尺寸的系数，其中惩罚函数φ定义先验信息。

如本领域技术人员所熟知的那样，公式(14)和公式(15)表示相邻体素之间差别的旋转椭圆概率密度函数的超位置。

在本发明的另一个方面，可以将先验信息结合到迭代重建算法的成本函数中以获得图像的预期性能，包括噪音降低(通过图像的提高的选择性光滑)和更好的材料分解(通过对于每个体素将已知标称材料性能结合到光谱系数中)。在一个实施例中，可以从由最大似然(ML)技术和最大后验概率(MAP)技术构成的组中选择迭代重建算法。

如本领域技术人员所理解的那样，迭代重建技术通常以图像估计开始。在投影领域和图像领域之间向后及向前更新和变换该图像估计。在领域之间执行变换的特定方式可以区分不同的重建技术。例如，迭代滤波反投影(IFBP)方法使用FBP以变换为图像并使用拉冬变换或正向投影以计算正弦图(sinogram)。

更加具体的，在迭代重建技术中，将计算的正弦图(即预测投影数据集)与真实测量的正弦图数据相比较。计算的正弦图是估计重建图像的变换。在第一迭代中，重建图像可以是任何适当的默认设置。作为计算的正弦图和测量的正弦图相比较的结果，产生正弦图误差。然后将正弦图误差变换回图像域以产生校正图像。因此，在后续迭代中，将校正图像与先前的重建图像一起使用以产生用于下次迭代的更新重建图像。随后，以预期的迭代次数重复该过程或者重复该过程直到达到某种最优化停止标准。

如本领域技术人员所理解的那样，在表示成像目标的未知分布和投影数据之间的正向测量模型通常可以用如下所示的公式(16)表示：

$I_k\left(m\right)={\∫}_E{S}_k\left(E\right)e^{-{\mathrm{\Σ}}_j{\mathrm{\Σ}}_i{a}_{m,i}{x}_{i,j}{\mathrm{\μ}}_j\left(E\right)}\mathrm{dE}---\left(16\right)$

其中k表示测量光谱的指数(每个k表示能谱或kVp)，m是正弦图指数，a_m，i是图像体素i对正弦图元素m的贡献并定义获得系统几何形状的系统模式，μ_j(E)表示组分j的衰减的能量相关性，S_k(E)表示目标不存在时(空气扫描)探测的能量为E的光子的概率分布。

如本领域技术人员所理解的那样，迭代重建算法通常通过形成使成本函数最小化的一系列图像来决定体素值x_i，j给定噪音测量I_k(m)。选择将要最小化的成本函数和生成图像序列构成迭代重建算法的两个基本组分。成本函数的性质可以取决于测量误差的统计模型。如果误差是正态分布的，那么可以获得如下面公式(17)所示的加权最小二乘方(WLS)成本函数：

$J\left(x\right)={\underset{k}{\mathrm{\Σ}}\underset{m}{\mathrm{\Σ}}(I_k\left(m\right)-{\tilde{I}}_k\left(m\right))}^2{w}_{k,m}---\left(17\right)$

其中，w_k，m是表征正弦图测量I_k(m)的精确度的权重函数，

表示测量强度。由公式(17)的最小化形成的图像通常是有噪音的。另外，成像公式(17)可能不能提供足够的信息以完全分辨图像体素的不同组分。在两种情况中，可以使用关于图像体素的先验信息以改进方案质量。实际上，通过使用包括如公式(17)所示的数据配合项的成本函数和如公式(5)-(15)所示的先验项，整体成本＝J(x)+φ(x)。

根据本技术的实施例，可以独立于所用成本函数类型或迭代重建中所用最优化方法来应用先验信息。例如，可以使用基于正态分布的成本函数，导致加权最小二乘方成本函数。或者，可以将泊松噪音模型用于(在没有先验时)导致问题的最大似然模式的测量误差。最优化方法也可以变为包括诸如共轭梯度或最大似然传送重建的同步更新解法或使用迭代坐标下降方法。

图6描述了根据本发明一个实施例的用于生成目标的多光谱图像的过程。在步骤70中，在多个x射线能谱处获得测量数据。在一个实施例中，测量数据包括密度线性积分测量、光电线性积分测量和康普顿线性积分测量中的至少一种。

在步骤72中，在包括目标的一个或多个区域内定义多个图像体素。在步骤74中，获得与多个图像体素相关的先验信息。在一个实施例中，如前面描述的那样，由多个基本组分之间的联合概率密度函数(PDF)定义先验信息。在一个实施例中，多个基本组分包括分布在二维(2D)空间中的不同区域内的一种或多种材料成分。一种或多种材料成分包括组织、水或骨骼中的至少一种。在另一个实施例中，多个基本组分包括康普顿组分和光电组分。

在一个实施例中，联合概率密度函数(PDF)被定义为关于与多个图像体素相关的绝对体素值范围的基本组分的分布。在另一个实施例中，由相邻图像体素值之间差别的联合概率密度函数(PDF)定义先验信息。在另一个实施例中，由一个或多个基本组分之间比值的联合概率密度函数(PDF)定义先验信息。

在步骤76中，重建测量数据以基于先验信息生成目标的多光谱重建图像。在一个实施例中，使用迭代重建技术以生成目标的多光谱重建图像。

虽然在这里仅示出和描述了本发明的某些特征，本领域的技术人员可以进行多种修改和变化。因此，应该理解的是附属权利要求趋于保护在本发明实质精神范围内的全部修改和变化。

元素列表

10图像分析系统

12X射线源

14准直仪

16辐射

18目标

20部分辐射

22探测器阵列

24系统控制器

26线性定位子系统

28旋转子系统

30X射线控制器

32马达控制器

34数据获取系统

36计算机

38存储器

40操作员工作台

42显示器

44打印机

46图像存档与通信系统

48远程客户机

50图像体素

52图像体素

54骨骼

56水

58有效衰减轴

60康普顿散射区域

62光电吸收区域

64有效衰减区域

66先验信息区域

68有效衰减区域

70获取测量数据步骤

72定义多个图像体素步骤

74获得先验信息步骤

76重建测量数据步骤

Claims (10)

1.一种用于生成目标(18)的多光谱图像的方法，该方法包括：

在多个X射线能级获得测量数据；

在包括目标的一个或多个区域内定义多个图像体素(50，52)；

获得与多个图像体素相关的先验信息，其中由多个基本组分之间的联合概率密度函数(PDF)定义先验信息；

使用先验信息来重建测量数据以便基于先验信息生成目标的多光谱重建图像。

2.如权利要求1所述的方法，其中先验信息包括目标的衰减系数中的一种或多种材料成分的成分和密度信息。

3.如权利要求1所述的方法，其中测量数据包括密度线性积分测量、光电线性积分测量和康普顿线性积分测量中的至少一种。

4.如权利要求1所述的方法，其中多个基本组分包括分布在包括目标的二维(2D)空间的不同区域内的一种或多种材料成分，其中一种或多种材料成分包括组织、水(56)或骨骼(54)中的至少一种。

5.如权利要求1所述的方法，其中多个基本组分包括康普顿组分和光电组分中的至少一种。

6.如权利要求1所述的方法，其中联合概率密度函数(PDF)被定义为关于与多个图像体素相关的绝对体素值范围的基本组分的分布。

7.如权利要求1所述的方法，其中由相邻图像体素值之间差别的联合概率密度函数(PDF)定义先验信息。

8.如权利要求1所述的方法，其中由多个基本组分之间比值的联合概率密度函数(PDF)定义先验信息。

9.如权利要求1所述的方法，还包括使用迭代重建技术来生成目标的多光谱重建图像。

10.如权利要求1所述的方法，其中重建技术适于在图像分析系统中使用。

Images