CN101573731A - 用于从所获取的投影数据产生感兴趣区域的经校正的图像的装置、方法和计算机程序 - Google Patents
用于从所获取的投影数据产生感兴趣区域的经校正的图像的装置、方法和计算机程序 Download PDFInfo
- Publication number
- CN101573731A CN101573731A CNA2007800491069A CN200780049106A CN101573731A CN 101573731 A CN101573731 A CN 101573731A CN A2007800491069 A CNA2007800491069 A CN A2007800491069A CN 200780049106 A CN200780049106 A CN 200780049106A CN 101573731 A CN101573731 A CN 101573731A
- Authority
- CN
- China
- Prior art keywords
- projection
- data
- density
- calibrated
- image
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims description 32
- 238000004590 computer program Methods 0.000 title claims description 17
- 230000005855 radiation Effects 0.000 claims description 36
- 239000002131 composite material Substances 0.000 claims description 31
- 238000003384 imaging method Methods 0.000 claims description 30
- 230000007704 transition Effects 0.000 claims description 26
- 239000000523 sample Substances 0.000 claims description 8
- 230000015572 biosynthetic process Effects 0.000 claims description 6
- 238000005286 illumination Methods 0.000 claims description 4
- 239000002184 metal Substances 0.000 description 22
- 238000012937 correction Methods 0.000 description 21
- 239000003570 air Substances 0.000 description 9
- 238000002591 computed tomography Methods 0.000 description 9
- 238000007689 inspection Methods 0.000 description 6
- 230000015654 memory Effects 0.000 description 6
- 230000008521 reorganization Effects 0.000 description 6
- 238000013170 computed tomography imaging Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 239000007943 implant Substances 0.000 description 5
- 239000000463 material Substances 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 230000010354 integration Effects 0.000 description 4
- 210000004872 soft tissue Anatomy 0.000 description 4
- 210000000988 bone and bone Anatomy 0.000 description 3
- 230000001419 dependent effect Effects 0.000 description 3
- 230000003628 erosive effect Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- 238000010521 absorption reaction Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 230000010339 dilation Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 210000003128 head Anatomy 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000003325 tomography Methods 0.000 description 2
- 241001465754 Metazoa Species 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 239000012080 ambient air Substances 0.000 description 1
- 210000003484 anatomy Anatomy 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 239000000945 filler Substances 0.000 description 1
- 210000000867 larynx Anatomy 0.000 description 1
- 239000003550 marker Substances 0.000 description 1
- 239000007769 metal material Substances 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 210000003928 nasal cavity Anatomy 0.000 description 1
- 238000006386 neutralization reaction Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000010422 painting Methods 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 230000001932 seasonal effect Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 238000009966 trimming Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/003—Reconstruction from projections, e.g. tomography
- G06T11/005—Specific pre-processing for tomographic reconstruction, e.g. calibration, source positioning, rebinning, scatter correction, retrospective gating
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
- A61B6/5258—Devices using data or image processing specially adapted for radiation diagnosis involving detection or reduction of artifacts or noise
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2211/00—Image generation
- G06T2211/40—Computed tomography
- G06T2211/448—Computed tomography involving metal artefacts, streaking artefacts, beam hardening or photon starvation
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Medical Informatics (AREA)
- Physics & Mathematics (AREA)
- Biomedical Technology (AREA)
- Molecular Biology (AREA)
- Biophysics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Optics & Photonics (AREA)
- Pathology (AREA)
- Radiology & Medical Imaging (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Heart & Thoracic Surgery (AREA)
- High Energy & Nuclear Physics (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Image Processing (AREA)
Abstract
PH006754 30摘要:本发明涉及用于一种从所获取的投影数据(60)产生感兴趣区域的经校正的图像的装置,其中,对未经校正的中间图像(74)进行重建。对未经校正的中间图像(74)进行校正,并且对经校正的中间图像(85)的图像元素进行分类。以具有取决于低密度类别值的值的图像元素来替换经校正的5中间图像(85)的具有高密度或低密度类别的图像元素,以生成合成图像(90)。通过对合成图像(90)前向投影而生成合成投影数据(96),并且以相对应的合成投影数据(96)来替换对高密度类别有贡献的所获取的投影数据,以生成经校正的投影数据(112)。10经校正的投影数据(112)用于对经校正的图像进行重建。
Description
技术领域
本发明涉及用于从所获取的投影数据产生感兴趣区域的经校正的图像的装置、方法和计算机程序。本发明还涉及用于对感兴趣区域进行成像的成像系统、成像方法和计算机程序,其中,获取了投影数据,并且从所获取的投影数据产生感兴趣区域的经校正的图像。
背景技术
用于产生感兴趣区域的经校正的图像的装置例如为计算机断层摄影系统,其获取投影数据,并且从这些所获取的投影数据重建感兴趣区域的图像。这种计算机断层摄影系统包括用于校正感兴趣区域的图像的校正单元,以减少图像中的伪影。具体而言,这种计算机断层摄影系统可包括用于减少图像内金属伪影的校正单元。如果所成像的感兴趣包含高密度区域,例如金属植入物、牙科填充物或其他高辐射吸收区域,则出现金属伪影。通常,金属伪影作为源自高密度区域的条纹而出现在重建图像中。通过高密度区域的投影线积分是高度衰减的,从而导致了极大的测量误差,并且滤波反投影或其他重建方法将这一测量误差转化为通常称为金属伪影的条纹图像伪影。具体而言,这些金属伪影在计算机断层摄影中是严重的问题,尤其是在存在高密度、中密度和低密度图像元素时,例如,在对头部和颈部成像中(由于牙科填充物的原因)或者在骨科应用中(由于植入物的原因)。
文献WO 2005/008586公开了一种用于计算机断层摄影系统的金属伪影校正。在这一校正中,对中间图像进行重建,并且将所述中间图像分割成低密度(例如软组织)、中密度(例如骨骼)和高密度(例如金属)。中间图像的所分割出的高密度部分用于识别所获取的投影数据中的高密度阴影,并且使用虚拟投影数据替换高密度阴影内的所获取的投影数据,通过将低和高密度部分的图像元素(即,例如体素或像素)设置为取决于低密度图像元素的值,并且通过对这一经修改的中间图像前向投影而得到虚拟投影数据来确定所述虚拟投影数据。这些虚拟投影数据用于填充所获取的投影数据中的高密度阴影中的间隙。经修改的所获取的投影数据(即具有已被用于替换高密度阴影内的所获取的投影数据的虚拟投影数据的所获取的投影数据)用于对感兴趣区域的经校正的最终图像进行重建。
发明内容
本发明的目的在于提供用于从所获取的投影数据产生感兴趣区域的经校正的图像的装置、方法和计算机程序,其进一步改进了对图像的校正,具体而言为对图像中高密度伪影的校正。
在本发明的第一方面,提出了一种用于从所获取的投影数据产生感兴趣区域的经校正的图像的装置,其中,所述装置包括:
-重建单元,其用于从所获取的投影数据重建感兴趣区域的未经校正的中间图像,
-校正单元,其用于校正所述未经校正的中间图像内的伪影,以生成经校正的中间图像,
-分类单元,其用于将经校正的中间图像的图像元素至少分类为高密度类别、中密度类别和低密度类别,
-图像元素替换单元,其用于以取决于低密度类别的图像元素值的图像元素值来替换经校正的中间图像的为高密度类别和低密度类别的图像元素的图像元素值,以生成合成图像,
-前向投影单元,其用于对合成图像前向投影,以生成合成投影数据,以及
-投影替换单元,其用于以相对应的合成投影来替换对高密度类别的图像元素有贡献的所获取的投影数据,以生成经校正的投影数据,其中,所述重建单元适于从经校正投影数据重建感兴趣区域的经校正的图像。
本发明所基于的思想为对中间图像进行校正,从而减少所述中间图像内的伪影。因此改进了由分类单元进行的随后的分类,即降低了将图像元素分配至错误的类别的可能性。由于图像校正的质量取决于对图像元素的正确分类,因此对中间图像内的伪影的校正改进了所校正的图像的质量。
图像元素例如为图像的像素或者体素。
分类单元优选地通过使用高密度/中密度阈值和中密度/低密度阈值来将图像元素分类为高密度类别、中密度类别和低密度类别。这些阈值优选地为预先确定的。将具有大于高密度/中密度阈值的图像值的图像元素分配至高密度类别。将具有高密度/中密度阈值和中/低密度阈值所跨越的范围内的图像值的图像元素分配至中密度类别,并且将具有小于中/低密度阈值的图像值的图像元素分配至低密度类别。优选地预先确定这些阈值,从而使得高密度类别包括至少与金属材料相对应的图像元素,而中密度类别包括至少与骨骼相对应的图像元素,并且低密度类别包括至少与人类软组织相对应的图像元素。所述高密度/中密度阈值优选地在2000至3000HU范围内,进一步优选地为2000HU。优选的中/低密度阈值例如为500HU。
优选地,校正单元包括识别单元,所述识别单元用于识别未经校正的中间图像内的高密度图像元素,以便校正高密度图像元素所生成的伪影,并且分类单元适于通过使用所述中间图像的所识别的高密度图像元素来将经校正的中间图像的图像元素分类为高密度类别,从而使得经校正的中间图像的高密度类别的图像元素对应于未经校正的中间图像的所识别的高密度图像元素。如果校正单元已校正了中间图像,从而使得经校正的中间图像不包含具有高密度图像值的图像元素,则经校正的中间图像的高密度类别的图像元素为已被识别为未经校正的中间图像中的高密度图像元素的图像元素。例如,如果将未经校正的中间图像的第五图像元素识别为高密度类别的图像元素,则将经校正的中间图像的第五图像元素分类为高密度类别的图像元素,即使这一第五图像元素不再包括高密度图像值。
由于在本实施例中分类单元使用未经校正的图像的已经确定的所识别的高密度图像元素来进行分类,因此降低了用于分类的计算量。
优选地,所述校正单元包括:
-投影替换单元,其用于以取决于对未经校正的中间图像的所识别的高密度图像元素没有贡献的所获取的投影数据的虚拟投影数据来替换对未经校正的中间图像的所识别的高密度图像元素有贡献的所获取的投影数据,从而得到经修改的投影数据,
-重建单元,其用于使用经修改的投影数据重建经校正的中间图像。这减少了由高密度图像元素引起的伪影,因此改进了对高、中和低密度类别的分类,从而进一步改进了对感兴趣区域的经校正的图像内的伪影的减少。
优选地,通过前向投影所识别的高密度图像元素而确定所获取的投影中的高密度图像元素阴影,从而确定对未经校正的中间图像的所识别的高密度图像元素有贡献的所获取的投影数据。这允许以低计算量和高可靠性来确定对未经校正的中间图像的所识别的高密度图像元素有贡献的所获取的投影数据。
进一步优选地,校正单元适于通过阈值化来识别高密度图像元素。优选地,使用2000至3000Hounsfield单位(HU)范围内的阈值。进一步优选地,校正单元适于在阈值化之后执行形态学运算。例如,这一形态学运算例如可以为腐蚀运算,以排除孤立的高密度元素,例如孤立的金属图像元素。这些孤立的高密度图像元素例如可以由于噪声而出现。进一步优选地,作为替代或另外地,例如通过三个图像元素而在所识别的高密度图像元素上执行膨胀运算,以增加一安全裕度。这些运算允许以高质量和可靠性来识别与金属图像元素相对应的高密度图像元素。
进一步优选地,投影替换单元适于通过对所获取的投影数据进行插值而确定虚拟投影数据,所述所获取的投影数据对未经校正的中间图像的所识别的高密度图像元素没有贡献。进一步优选地,投影替换单元适于在与高密度图像元素阴影相邻的和在其之外的所获取的投影数据之间进行线性插值,所述高密度图像元素阴影由对高密度图像元素有贡献的所获取的投影数据构成。在执行所述插值期间,仅使用与高密度图像元素阴影直接相邻的所获取的投影数据,或者也可以使用不与高密度元素阴影的边缘直接相邻但与这一边缘的距离小于预先确定的距离的所获取的投影数据。在后一情况下,对与边缘直接相邻的所获取的投影数据以及与这一边缘的距离小于预先确定的距离的所获取的投影数据求平均,所得到的平均值可用于进行插值。这一预先确定的距离例如为五个所获取的投影数据值,即从高密度图像元素阴影的边缘开始,优选地对第一至第五个值求平均,所得到的平均值用于进行插值以生成高密度元素阴影内的虚拟投影数据。这一平均降低了对噪声的敏感度。
这一分类允许强烈地减少人类或动物图像中的金属伪影,具体而言,减少计算机断层摄影图像中的金属伪影。
进一步优选地,使图像元素替换单元适于以低密度类别的图像元素的平均值来替换高密度类别和低密度类别的图像元素。这一替换得到了对感兴趣区域的图像内的伪影的强烈减少,所述伪影由感兴趣区域内与高密度类别的图像元素相对应的物体生成。
进一步优选地,分类单元适于进一步地将经校正的中间图像的图像元素分类为空气密度类别,所述空气密度类别的最大密度低于低密度像素类别的最小密度,并且图像元素替换单元适于以空气密度类别的图像元素的平均值来替换经校正的中间图像的为空气密度类别的图像元素的图像元素值。
还优选地,提供阈值以确定至少高密度类别、中密度类别和低密度类别中的每个类别内的图像值的范围,其中分类单元适于通过使用所述阈值来进行分类。可以预先确定这些阈值,并且允许对图像元素的简单分类。
在一实施例中,投影替换单元适于通过插值而以相对应的合成投影数据来替换对高密度类别的图像元素有贡献的所获取的投影数据。通过使用插值而进行的替换得到了合成的投影数据,如果使用所述合成的投影数据以生成用于对感兴趣区域的经校正的图像进行重建的经修改的投影数据,则进一步改进了重建图像的图像质量。
在一实施例中,投影替换单元适于以插值方式调整合成投影数据以使合成投影数据和所获取的投影数据之间的过渡平滑。由于使合成投影数据和所获取的投影数据之间的过渡平滑了,因此这些过渡在感兴趣区域的最终的重建图像中基本不生成伪影。
所述装置优选地包括标记单元,其用于在经校正的图像中标记与合成投影数据相对应的位置。因此,标记了经校正的图像内已被校正的位置。这允许用户在经校正的图像的仅与所获取的投影数据相对应的部分与经校正的图像的与合成投影数据相对应的部分之间进行区分。
在本发明的另一方面,提出了一种用于对感兴趣区域进行成像的成像系统,其中,所述成像系统包括:
-照射单元,其发射用于照射感兴趣区域的辐射,
-探测单元,其用于在辐射已经横穿感兴趣区域之后探测辐射,以获取投影数据,
-如权利要求1所定义的用于从所获取的投影数据产生感兴趣区域的经校正的图像的装置。
在本发明的另一方面中,提出了一种用于从所获取的投影数据产生感兴趣区域的经校正的图像的方法,其中,所述方法包括以下步骤:
-由重建单元从所获取的投影数据重建感兴趣区域的未经校正的中间图像,
-由校正单元对未经校正的中间图像内的伪影进行校正,以生成经校正的中间图像,
-将经校正的中间图像的图像元素至少分类为高密度类别、中密度类别和低密度类别,
-由图像元素替换单元以取决于低密度类别的图像元素值的图像元素值来替换经校正的中间图像的为高密度类别和低密度类别的图像元素的图像元素值,以生成合成图像,
-由前向投影单元对合成图像前向投影,以生成合成投影数据,以及
-由投影替换单元以相对应的合成投影数据来替换对高密度类别的图像元素有贡献的所获取的投影数据,以生成经校正的投影数据,以及
-由重建单元从经校正的投影数据重建感兴趣区域的经校正的图像。
在本发明的另一方面,提出了一种用于对感兴趣区域进行成像的成像方法,其中,所述成像方法包括以下步骤:
-由照射单元发射用于照射感兴趣区域的辐射,
-由探测单元在辐射已经横穿感兴趣区域之后探测辐射,以获取投影数据,
-由如权利要求1所定义的装置根据权利要求14所定义的步骤从所获取的投影数据产生感兴趣区域的经校正的图像。
在本发明的另一方面,提出了一种用于从所获取的投影数据产生感兴趣区域的经校正的图像的计算机程序,其中,所述计算机程序包括当计算机程序在计算机上运行以控制如权利要求1所定义的成像装置时用于使所述装置执行如权利要求14所述的方法的步骤的计算机代码模块。
在本发明的另一方面,提出了一种用于对感兴趣区域进行成像的计算机程序,其中,所述计算机程序包括当计算机程序在计算机上运行以控制如权利要求13所定义的成像系统时用于使计算机执行如权利要求15所述的方法的步骤的程序模块。
将会理解的是,权利要求1的装置、权利要求13的成像系统、权利要求14的方法、权利要求15的成像方法以及权利要求16和17的计算机程序具有如在从属权利要求中所定义的相似和/或相同的优选实施例。
将会理解的是,本发明的优选实施例也可以是至少两个从属权利要求和相应的独立权利要求的任意组合。
附图说明
参考以下描述的实施例,本发明的这些和其他方面将会变得显而易见并且得以阐明。在以下附图中:
图1示意性地示出了计算机断层摄影成像系统,其包括用于从所获取的投影数据产生感兴趣区域的经校正的图像的装置;
图2示范性地示出了定义出优选的一组图像元素类别的优选的一组图像元素密度阈值;
图3示意性地示出了用于从图1的所获取的投影数据产生感兴趣区域的经校正的图像的装置的框图;
图4示意性地示出了投影数据的正弦图表示;
图5示意性地示出了校正过程中在若干点处的若干幅重建图像;以及
图6示意性地示出了用于对图像内的伪影进行校正的校正单元。
具体实施方式
图1示意性地示出了一种成像系统,在本实施例中,其为计算机断层摄影成像扫描器10。所述计算机断层摄影成像扫描器10包括辐射源12,其产生被定向至检查区域14中的辐射束。所述辐射束与设置在检查区域14中的成像对象的感兴趣区域相互作用,其中,当辐射通过检查区域14时,产生了空间上变化的辐射吸收。计算机断层摄影系统10还包括探测单元16,在本实施例中,其为用于探测通过检查区域14之后的吸收衰减的辐射的辐射探测器16。
在一优选实施例中,辐射源12产生扇束或锥束X射线。优选地以面对彼此的方式将辐射源12和探测器16安装在旋转扫描架20上,从而使得探测器16连续地接收来自辐射源12的X射线。当所述源12和探测器16通过旋转扫描架20围绕检查区域14旋转时,在优选地为约360°或更大的角范围上获取投影数据。任选地,使用在约180°和360°之间的减小了的扫描。在另一适当的实施例中,使用安装在固定扫描架上的固定探测器环来替换探测器16。参考数字22表示计算机断层摄影成像扫描器10的固定部分。通常,对象支架26可在与旋转扫描架20的旋转平面大体垂直的轴向或z方向上线性移动。探测器16可以具有单排探测器元件(即一维探测器)或者二维探测器元件阵列。
通过执行相继的轴位扫描而适当地获取多层断层摄影投影数据,在每一次轴位扫描期间,对象支架26为固定的,而在各轴位扫描之间,对象支架26线性地步进。作为替代,在对象支架26的连续线性移动和扫描架20的同步的旋转期间,适当地获取螺旋断层摄影投影数据。这实现了辐射源12相对于设置在对象支架26上的图像对象的螺旋轨道运动。优选地使用大体锥形的辐射束和二维辐射探测器以获取螺旋投影数据。作为替代,辐射源12可生成锥束,并且可以在不移动对象支架26的情况下使扫描架20旋转,即辐射源12可以沿围绕检查区域14或感兴趣区域的圆形轨迹行进,其中,获取了圆形锥束投影数据。
将辐射探测器16的探测元件的输出转换为所获取的经积分的衰减投影值μdo,其存储在所获取投影数据存储器30中。每个投影数据μd0与沿从辐射源12至探测器16中相对应的一个探测元件的直线的衰减的线积分相对应。可以以正弦图的格式表示所述投影数据,其中,由具有视角(Φ)和线积分指数(n)的坐标的投影数据阵列来表示所成像的感兴趣区域的每个二维切片。
在扇束、锥束或其他具有非平行射束的原始获取几何形状的情况下,重组处理器32任选地将投影数据重组为平行的视图。对于锥束几何形状,这种经平行重组的视图通常包括一些未经校正的锥角方向上的射束发散性。尽管平行重组可提高计算效率,但是这里所描述的伪影校正技术通常当在原始获取几何形状下(即无平行重组)执行时最有效。因此,优选地省略平行重组处理器32。
对于典型的扇束和锥束几何形状而言,线积分指数n适当地与指示用于测量指数n的投影的探测器元件的探测器指数相对应。但是,可以预期线积分指数n可能缺少与探测器元件数的直接对应。这种直接对应的缺少可能例如是由经重组的投影之间的插值所导致的。
层循环处理器34通过对应于空间层的正弦图而循环,并且连续地将每个正弦图输入至用于产生经校正的图像的装置40。所述用于产生经校正的图像的装置40执行重建,其中,充分校正了由诸如金属夹、高密度牙科填充物等的高密度区域所引入的伪影,甚至对于包含不连续的高密度区域或者除一个或多个高密度区域以外还包含一个或多个中密度区域的图像也如此。用于产生经校正的图像的装置40优选地使用一组像素密度阈值[Hth]42以将重建图像切片的像素分类为至少高密度像素类别、中密度像素类别和低密度像素类别。
由于在本实施例中考虑了切片的图像元素,因此在本实施例中,将图像元素称为像素。在其他实施例中,如果考虑了体积图像的图像元素,则将这些图像元素称为体素。
参考图2,其中,箭头指示递增的X射线吸收,在一优选实施例中,密度阈值组[Hth]42包括五个类别:与诸如牙科填充物、金属植入物等的高密度区域相对应的被指定为“A”的高密度类别;与骨骼或其他中密度特征相对应的被指定为“B”的中密度类别;主要与软组织相对应的被指定为“C”的低密度类别;与成像对象周围的空气包、环境空气等相对应的被指定为“E”的空气密度类别;以及与在低密度类别“C”和空气密度类别“E”中间的密度相对应的被指定为“D”的过渡区域。高密度/中密度阈值[H金属]定义出高密度像素类别“A”的最小密度和中密度类别“B”的最大密度。中密度/低密度阈值Hhc定义出中密度像素类别“B”的最小密度和低密度类别“C”的最大密度。低密度/过渡密度阈值H1c定义出低密度像素类别“C”的最小密度和过渡密度类别“D”的最大密度。过渡密度/空气密度阈值H空气(最大)定义出过渡密度像素类别“D”的最小密度和空气密度类别“E”的最大密度。阈值的优选的值对于H金属为2000HU,对于Hhc为500HU,对于H1c为-300HU,以及对于H空气(最大)为-900HU。
尽管在优选实施例中定义出五个密度类别“A”、“B”、“C”、“D”、“E”,也可以预期省略过渡密度像素类别“D”,在这种情况下,省略了低密度/过渡密度阈值H1c,并且阈值H空气(最大)还定义出低密度像素类别“C”的最小密度。在这一四类别的实施例中,将阈值H空气(最大)任选地转移为更高密度以便划分低密度像素类别“C”和空气密度像素类别“E”之间所省略的过渡像素类别“D”。更进一步,还可以省略空气密度像素“E”,而仅剩下密度像素类别“A”、“B”、“C”,将过渡和空气密度像素类别“D”和“E”归入至低密度像素类别“C”中。另外,密度分类系统可包括多于五个类别以提供提高的密度分辨率。
返回参考图1,对于每个输入切片,用于产生经校正的图像的装置40输出二维经伪影校正的重建图像。在多层或螺旋计算机断层摄影成像中,在图像存储器46中积累空间上相继的经伪影校正的重建图像切片,以定义三维经伪影校正的重建体积图像。但是,如果所获取的投影数据局限于感兴趣区域的单个切片,则通过用于产生经校正的图像的装置40来处理与单个切片相对应的所获取的投影数据,并且图像存储器46存储二维经伪影校正的重建图像。任选地,在所选择的时间间隔内获取与一个或多个图像切片相对应的投影数据以提供感兴趣区域的一时间序列的经伪影校正的重建图像切片或者时间演化的图像体积表示。
视频处理器50处理图像存储器46的一些或者所有内容以创建诸如三维绘制、所选择的图像切片、最大强度投影、CINE动画等的人类可视图像表示。将所述人类可视图像表示在优选地为个人计算机、工作站、笔记本电脑等的用户接口52上显示。如果不显示图像表示或者除了显示图像表示,图像存储器46的所选择的内容可以打印在纸上、存储在非易失性电或磁存储介质中、通过局域网或因特网传输或者以其他方式进行处理。在一优选实施例中,用户接口52与计算机断层摄影成像扫描器控制器54通信以允许放射学家或者其他操作者控制计算机断层摄影成像扫描器10从而构建成像会话、修改成像会话、执行成像会话、监控成像会话或者以其他方式进行操作扫描器10。
图3示出了用于从所获取的投影数据P060产生感兴趣区域的经校正的图像的装置40的优选实施例的框图。输入为与成像对象的感兴趣区域的二维切片相对应的投影数据集P060。在根据本发明的另一实施例中,投影数据集也可与成像对象的感兴趣区域的三维图像相对应。优选地,投影数据集P060包括投影数据,所述投影数据与每个图像元素(即每个像素或体素)的至少360°的角照射范围相对应。但是,也可预期对提供例如与每个图像元素的至少180°的角照射范围相对应的投影数据的减少了的投影数据集的重建。
参考图4,示出了所获取的投影数据集P060的图解性正弦图表示62。所述正弦图表示62的纵坐标或者y坐标与视角(Φ)相对应,而正弦图表示62的横坐标或者x坐标与线积分指数n相对应。正弦图表示62包括高密度区域的示范性轨迹64以及中密度区域的示范性轨迹66。一般而言,切片可包括任意数目的高密度区域和任意数目的中密度区域,以及图2中所示出的其他类别的区域。所述区域产生彼此交叉的各个相对应的正弦图轨迹。
返回参考图3,滤波反投影处理器70(重建单元)执行对投影数据集P060的滤波反投影以生成中间图像I074。尽管优选地采用滤波反投影,处理器70作为替代可以实现与投影数据集P060的几何形状兼容的基本上任何类型的图像重建算法。
参考图5,如在本领域中所已知的,在切片中出现的一个或者多个高密度区域通常引起中间图像I074包括高密度伪影,具体而言是金属伪影,其一般作为远离高密度区域延伸的条纹而显现在图像中。图5示出了图解性地示出了这种条纹的示范性中间图像I074的图解性表示。图5的图解性的重建图像并不意在与任何具体的解剖结构相对应,而是图解性地说明了通常在图像空间中可观察到的伪影校正重建过程的特征。
返回参考图3,通过在图6中示意性地示出的校正单元75校正中间图像I074内的伪影。校正单元75包括识别单元77、阴影确定单元79、投影替换单元81和重建单元83。
识别单元77适于从滤波反投影处理器70接收中间图像I074,并且识别具有高于预先确定的高密度/中密度阈值的图像值的中间图像的高密度图像元素。这些高密度图像元素优选地为与感兴趣区域内的金属区域相对应的图像元素(即像素或体素)。因此,优选地预先确定高密度/中密度阈值,从而使得与感兴趣区域内的高密度区域(具体而言为金属区域)相对应的图像值高于这一阈值。中间图像优选地为计算机断层摄影图像,并且预先确定的阈值优选地在2000至3000HU范围内。进一步优选地,这一阈值为2000HU。因此,识别单元77识别中间图像内优选地具有大于2000HU的Hounsfield值的高密度图像元素(具体而言为金属图像元素)。
在本实施例中,在通过阈值化而识别了高密度图像元素之后,将腐蚀运算应用于高密度图像元素以排除由于噪声而可能出现的孤立的高密度图像元素,具体而言,排除孤立的金属图像元素。作为替代或者除了腐蚀运算,可以接着例如通过使用高密度图像元素的三个图像元素而进行膨胀运算,以增加一安全裕度,即确保识别出所有具有高于预先确定的高密度/中密度阈值的图像值的高密度图像元素,具体而言,识别出除了孤立的高密度图像元素以外的所有金属图像元素。
阴影确定单元79适于通过对所识别的高密度图像元素前向投影而确定所获取的投影中的高密度图像元素阴影,即适于确定对所识别的高密度图像元素有贡献的所获取的投影数据。因此,阴影确定单元79对中间图像I074的一般形成高密度区域或金属区域的所识别的高密度图像元素(具体而言为所识别的金属图像元素)进行前向投影。在投影域内的经前向投影的所识别的高密度图像元素的位置定义出高密度图像元素阴影。在前向投影过程中,使用已被用于获取投影数据集P060的原始获取几何形状。
任选地,可以使识别单元77适于使用用于确定高密度区域边缘的边缘查找程序。这一边缘查找程序可以例如为将在下文关于边缘查找程序100而进一步解释的边缘查找程序。所述边缘查找程序优选地得到边缘增强的图像102。
然后,投影替换单元81接收到中间图像I074以及投影域中所确定的高密度图像元素阴影。投影替换单元81适于利用取决于高密度图像元素阴影外的所获取的投影数据的虚拟投影数据来替换所确定的高密度图像元素阴影中的所获取的投影数据(即对所识别的高密度图像元素有贡献的所获取的投影数据),从而得到经修改的投影数据。
虚拟投影数据优选地通过插值确定。优选地,探测单元16为具有布置成矩形网格的探测器元件的二维探测器,即探测器单元16包括具有行和排的探测器元件布置。所述排与计算机断层摄影扫描器10的旋转轴平行,并且所述行与这一旋转轴垂直。在这一布置中,探测器元件和辐射源12相对于感兴趣区域的位置的每个组合都对应于投影数据值。优选地,通过针对探测器排和辐射源12相对于感兴趣区域的位置的每个组合进行线性插值,而执行对用于替换在所确定的高密度图像元素阴影中的所获取的投影数据的虚拟投影数据的确定。优选地通过在与高密度图像元素阴影相邻的和在其之外的所获取的投影数据值之间进行线性插值而执行这一线性插值。用于在相应的探测器排和辐射源12的相应的位置内对虚拟投影数据进行插值的这些所获取的投影数据值可以是与所确定的高密度图像元素阴影直接相邻的两个所获取的投影数据值。作为替代或另外地,可以在相应的探测器排中和针对辐射源12的相应的位置的高密度图像元素阴影的每一侧,使用与高密度图像元素阴影相邻的和在其之外而不与这一阴影直接相邻的预先确定数目的所获取的投影数据值来确定所获取的投影数据的平均值,这些所获取的投影数据的平均值可用于在针对辐射源12的相应的位置的相应的排内在阴影中对虚拟投影数据进行线性插值。例如,在针对辐射源12的相应的位置的相应的探测器排内的阴影的每一侧,可以使用三个、四个或者五个所获取的投影数据值来为每一侧确定所获取的投影数据的平均值。例如,如果在每一侧使用三个所获取的投影数据值,则使用一个直接与阴影相邻的所获取投影数据值,使用第二个直接与第一个所获取的投影数据值相邻的投影数据值,并且使用第三个直接与第二个投影数据值相邻的投影数据值。这一平均降低了对噪声的敏感度。
同样,也可以使用其他插值来确定所确定的高密度图像元素阴影内的虚拟投影数据,例如,也可以在其他方向上执行插值,即不必在探测器排的方向上执行插值。插值的方向也可以为在图中垂直于高密度图像元素阴影。这种图涉及数据的常见表示,其中,每条所测量的射束由其与旋转轴的距离r以及其相对于x轴的角度表征。在本实施例中,高密度图像元素阴影为具有幅值r的正弦曲线(并且所有高密度元素的阴影为正弦曲线的叠加)。在本实施例中的插值方向局部地与正弦曲线垂直。
以虚拟投影数据替换所确定的高密度图像元素阴影内的所获取的投影数据,得到了经修改的投影数据,将所述经修改的投影数据传送至重建单元83,所述重建单元83适于使用经修改的投影数据以及已经被用于获取所获取的投影数据集P060的原始获取几何形状来重建经校正的中间图像。在本实施例中,重建单元83适于使用滤波反投影来重建经校正的中间图像。但是,也可以使用其他重建算法来使用经修改的投影数据重建经校正的中间图像。
在图5中示意性地示出了经校正的中间图像I185。由于由上述校正单元75所执行的校正,经校正的中间图像I185包括更少的由感兴趣区域内的高密度区域(具体而言为金属区域)所生成的条纹。这允许改进的对图像元素的分类。另外,在经校正的中间图像中消除了高密度区域。在其他实施例中,高密度区域也可以仍然出现在经校正的中间图像中。
返回参考图3,分类单元78对经校正的中间图像I185的图像元素进行分类,以生成经分割的或者经分类的图像I类别80,其中以与图2的高、中、低、过渡和空气密度图像元素类别相对应的类别指数值替换图像元素值。在本实施例中,分类单元78采用使用阈值[Hth]42的阈值化以将经校正的中间图像I185的图像元素分类成适当的中、低、过渡或者空气密度类别。高密度类别的图像元素与由识别单元77所识别的高密度图像元素相对应。因此,在本实施例中,分类单元单元78从识别单元77(即从校正单元75)接收属于高密度类别的图像元素。如果在其他实施例中,经校正的中间图像仍然包括高密度图像元素,则分类单元优选地使用高密度/中密度阈值来确定高密度类别的图像元素。
图5中图解性地示出了经分类的图像I类别80,其中以从图2的密度类别指数“A”、“B”、“C”、“D”、“E”中选择的适当的类别指数来标记本质上包括具体类别的图像元素的图像区域。如图5中所指示的,示范性图像包括可能为金属植入物的高密度“A”的区域,以及可能为骨骼区域的中密度“B”的区域,两者均包含在可能为软组织等的低密度“C”的区域内。过渡密度“D”的环形区域围绕低密度“C”的区域,而空气密度“E”的区域填充像素密度经分类的图像I类别80的外围,其例如与成像对象周围的环境空气相对应。
尽管图5中的示范性过渡区域为环形边界区域,但是过渡密度类别“D”不局限于环形边界区域。优选地选择定义过渡密度类别“D”的阈值H1c和H空气(最大),从而使得过渡密度类别“D”包括人类对象内部的空气腔以及空气腔周围的区域。例如,过渡密度类别“D”优选地包括诸如窦腔、喉、鼻腔等的头部中的空气腔。
返回参考图3,密度类别平均化处理器84计算低密度类别“C”的图像元素的平均密度值。在包括空气密度类别的优选实施例中,密度类别平均化处理器84还任选地计算空气密度类别“E”的图像元素的平均密度值。在仅采用三个类别并且完全省略空气密度类别的实施例中,省略对空气密度类别的平均化。
图像元素替换单元88选择性地以更低的密度值替换经校正的中间图像I185的高密度类别的图像元素,以产生合成图像I合成90。这意味着在本实施例中以低密度类别“C”的图像元素的平均密度值替换经校正的中间图像I185的落入如由经分类的图像I类别80所指示的高密度类别“A”内的图像元素。同样,以低密度类别“C”的图像元素的平均密度值替换落入低密度类别“C”内的图像元素。
作为替代,以落在标称“C”密度区域的中心附近的预先选择的值或值谱替换“A”和“C”类别的图像元素。如果已计算了空气密度类别的图像元素的平均密度值,则以空气密度类别“E”的图像元素的平均密度值来适当地替换落入空气密度类别“E”内的图像元素。中密度类别“B”的图像元素不被替换。如果未定义过渡密度类别“D”,则优选地也不替换过渡密度类别“D”的图像元素。
参考图5,图解性地示出了合成图像I合成90。将会观察到的是合成图像I合成90包含主要由中密度“B”和过渡密度“D”得到的对比度。通过以低密度类别“C”的像素的平均密度值替换高密度“A”的区域中的图像元素,有效地将高密度“A”的区域从合成图像I合成90中去除。同样,通过以低密度类别“C”的图像元素的平均密度值代替这些图像元素,基本降低了由于低密度“C”的区域中的密度差异而得到的图像对比度。
返回参考图3并且另外地参考图4,前向投影单元94对合成图像I合成90前向投影以产生合成投影数据P合成96。图4中示出了投影数据集P合成96的图解性正弦图表示98。由于未替换中密度类别“B”的图像元素,因此正弦图表示98保留了正弦图表示62的中密度区域的示范性轨迹66。同样,在合成投影数据P合成96中保留由于过渡类别“D”而得到的轨迹,这是由于在合成图像I合成90中保留了这些图像元素。但是,正弦图表示98不包括正弦图表示62的高密度区域的示范性轨迹64,这是由于校正单元75修改了高密度类别“A”的图像元素,并且以低密度类别“C”的图像元素的平均密度值替换了高密度类别“A”的图像元素。
一般而言,合成投影数据集P合成96的正弦图表示98保留了对由于中密度类别“B”而得到的线积分的衰减贡献,即使那些线积分另外具有来自所获取的投影数据集P060中的高密度类别“A”的区域的贡献。前向投影单元94优选地使用与计算机断层摄影成像扫描器10的几何形状相对应的投影几何形状来对合成图影I合成90进行投影。
继续参考图3,合成投影数据集P合成96用于选择性地替换具有来自高密度类别的图像元素的衰减贡献的所获取的投影数据集P060的投影数据。在本实施例中,具有来自高密度类别的图像元素的衰减贡献的所获取的投影数据集P060的投影数据为由校正单元75所确定的高密度图像元素阴影内的所获取的投影数据。因此,在本实施例中,优选地通过从校正单元75接收边缘增强的图像102而从校正单元75接收具有来自高密度类别的图像元素的衰减贡献的所获取的投影数据。
如果在其他实施例中,校正单元75未确定具有来自高密度类别的图像元素的衰减贡献的投影数据,则可以采用高密度区域边缘查找处理器100,其识别本质上包括高密度像素类别的图像元素的区域的边缘。例如,可以通过采用移动分析窗并且在所述分析窗内将高密度区域识别为具有多于所选择的数目的高密度类别的图像元素的那些区域来识别高密度区域。一旦识别了高密度区域,适当的边缘查找算法就采用图像微分或卷积以选择性地增强并识别边缘。
在替代方法中,如果没有在经校正的中间图像I185中消除高密度值,则边缘查找处理器100使用高密度/中密度阈值H金属在经校正的中间图像I185上执行二值阈值化以产生二值图像,所述二值图像具有对于高密度类别的像素的二元值“1”和对于其他像素的二元值“0”。然后,对二元值“1”进行过滤以去除几乎没有或者没有邻近像素值为“1”的具有值“1”的偏远像素,余下的具有值“1”的像素组定义出高密度区域。然后在经过滤的二值图像中将边缘识别为“0”至“1”的二元值过渡,例如使用作用在邻近的像素对上的“异或”二元算子来识别。本领域技术人员可容易地采用其他边缘查找算法以构建边缘查找处理器100。
校正单元75或者边缘查找处理器100适当地输出识别高密度区域的边缘的边缘增强的图像IHD_边缘102。图5中图解性地示出了边缘增强的图像IHD_边缘102,其中指示了经校正的中间图像I185本质上包括高密度类别的图像元素的区域的边缘106。在示范性的图5中,所述边缘106定义出基本上为圆形的边缘。但是,高密度区域可以为具有基本上任意边缘的基本上任意形状。通常,高密度区域与牙科填充物、金属植入物或者其他致密离散物体相对应,并且具有定义出简单封闭几何形状的良好定义的边缘。
参考图3,投影替换单元110选择性地以来自合成投影数据集P合成96的合成投影数据替换具有来自高密度区域的贡献的所获取的投影数据P060的投影,以产生经校正的投影数据集P1112。在一个方法中,投影替换单元110以来自合成投影数据集P合成96的相对应的投影数据替换与一个或多个由边缘增强的图像IHD-边缘102所识别的高密度区域相交的投影数据。但是,这一方法可导致在原始所获取的投影数据P060与替换合成投影数据集P合成96之间的过渡处的极大的衰减度不连续性。
因此,在一优选实施例中,高密度投影替换单元110在高密度图像区域的边缘处在所获取的投影数据与合成投影数据之间进行插值。由校正单元75优选地确定所述边缘。如果在其他实施例中,校正单元没有消除经校正的中间图像中的高密度值,则优选地由边缘查找处理器100确定边缘。一种适当的插值投影替换公式以具有如下给出的值的替换投影数据μd替换来替换投影数据集P060的所获取的投影数据:
其中,a=[μd0(n1)-μd合成(n1)],b=[μd0(n2)-μd合成(n2)],例如,如在图5中所示出的,指数n为线积分指数,指数n1和n2为高密度图像区域的边缘106的线积分指数,μd0指示投影数据集P060的所获取的投影数据,μd合成指示合成投影数据集96的投影数据。根据等式(1)替换在n1≤n≤n2范围中的投影数据。对等式(1)的回顾示出了μd替换(n1)=μd0(n1)且μd替换(n2)=μd0(n2),从而提供了在边缘106处的平滑过渡。
投影替换单元110所执行的插值性替换在包括对高密度类别的图像元素的一个或多个贡献的正弦图的每个视图上操作。在下文中为了简单化而将这些贡献称为“高密度区域”,即使因校正单元75消除了这些高密度值而使得这些区域不再包括高密度值。对于由给定的视角(Φ)所指定的每个视图而言,给定的高密度区域在线积分指数n1、n2处具有边缘,一般而言,n1、n2对于相同高密度区域的不同视图是不同的。对于每个视图,使用针对该视图计算的n1、n2边缘值而执行插值替换。另外,在给定的视图内,可能有多于一个的非连续的高密度区域,每个这种非连续的高密度区域具有自身的n1、n2边缘指数值。对于每个非连续的或者非重叠的高密度区域重复如等式(1)所述的插值替换。
参考图4,示出了经校正的投影数据集P1112的图解性正弦图表示。有利地,正弦图表示114使中密度区域的轨迹66保留得基本完整,即使在中密度区域的轨迹66与被去除的高密度区域的轨迹64的位置(如在图解性正弦图表示114中由表示所述视图中所替换的高密度区域的边缘n1、n2的虚线所指示的)交叉之处。沿中密度区域的轨迹66没有低密度投影的间隙,这是由于在选择性地去除高密度区域对经积分的衰减投影值μd0的贡献的同时,合成投影数据集96保留了中密度区域对经积分的衰减投影值μd0的贡献。同样,尽管没有进行说明,但是使过渡密度区域“D”的轨迹保持完整,即使在这种轨迹与高密度轨迹66交叉之处。
将经校正的投影数据集P1112输入至滤波反投影处理器70中,所述滤波反投影处理器70执行滤波反投影以生成经伪影校正的重建图像120。优选地,标记处理器122替代定义出用于经伪影校正的重建图像120的像素的预先选择的标记的图像元素,所述经伪影校正的重建图像120与通过替代经插值的合成数据而被基本修改的高密度区域相对应。这一标记告知放射学家或者查看最终的经伪影校正的重建图像124的其他用户通过伪影校正过程而基本修改了所标记的图像区域。定义出预先选择的标记的图像元素例如可以为具有模拟原始高密度区域的高密度值的图像元素。在另一方法中,定义出预先选择的标记的图像元素定义出明显为伪影的所选择的图案,例如用交叉的平行线画出阴影的图案。在图1的图像存储器46中存储最终的经伪影校正的重建图像124。
尽管已经在附图和上述描述中详细地说明和描述了本发明,但是应将这种说明和描述视为说明性的或者示范性的而非限制性的。本发明不受到所公开的实施例的限制。
通过研究附图、所公开内容和随附权利要求,本领域技术人员能够在实践所要求保护的本发明的过程中理解并实现对所公开的实施例的其他变形。
尽管已经将校正单元描述为通过使用优选的校正程序而执行对中间图像的校正,但是本发明不受到这些校正程序的限制。具体而言,也可以使用其他已知的金属伪影减少程序来校正中间图像。
在图1、图3、图6中所描述的不同的处理器和单元以及相对应的描述可以例如是执行相应的功能并且可在计算机系统中运行的程序代码模块,或者是执行相应的功能的专用硬件。上述单元或者处理器中的一些或者全部可以通过一个或者若干个适当地编程的处理器或者单元来实现。例如,滤波反投影处理器70和重建单元83可以分别是相同的单元或者处理器。另外,可以使用两个处理器来代替对中间图像和最终的经校正的图像进行重建的一个滤波反投影处理器70,第一个处理器用于对中间图像进行重建,而第二个处理器用于对最终的重建图像进行重建。
在上述优选实施例中,将校正描述为使得图像被逐层校正。但是,根据本发明,也可能针对完整的三维体积执行校正程序。也就是说,可以对三维中间图像进行重建,其中,校正了这一三维中间图像内的图像伪影,其中,将在这一经校正的中间图像内的体素至少分类为高、中和低密度类别,其中,以取决于低密度类别的体素值的体素值来替换经校正的三维中间图像的为高密度和低密度类别的体素的体素值以生成三维合成图像,其中,将三维合成图像前向投影以生成合成投影数据,其中,以相对应的合成投影数据来替换对高密度体素有贡献的所获取的投影数据以生成经校正的投影数据,并且其中,从经校正的投影数据来重建感兴趣区域的经校正的三维图像。
在上述优选实施例中,假定可得到原始投影数据,这意味着可得到所获取的投影数据60。当擦除了所获取的投影数据60并且因此失去了进一步处理时,上述假定往往不成立。在这种情形下,通过对未经校正的中间图像74前向投影的方法来估计所获取的投影数据60。通过这种方式,所描述的装置和方法在没有所获取的投影数据60的输入而仅有从其中可导出所获取的投影数据60的未经校正的中间图像74的输入的情况下是可执行的。
在权利要求中,“包括”一词不排除其他元件或者步骤,并且不定冠词“一”或“一个”不排除多个。如上述已经提及的,单个处理器或其他单元可以实现在权利要求中陈述的若干项的功能。在相互不同的从属权利要求中陈述某些措施的事实并不指示这些措施的组合不能被有利地使用。
计算机程序可以存储/分布在适当的介质上,例如,光学存储介质或者与其他硬件一起或作为其他硬件的一部分而提供的固态介质,但是,也可以以其他形式分布,例如经由因特网或其他有线或无线通信系统。权利要求中的任何参考标记均不应被解读为限制本发明的范围。
Claims (17)
1、一种用于从所获取的投影数据(60)产生感兴趣区域的经校正的图像的装置,所述装置包括:
-重建单元(70),其用于从所述所获取的投影数据(60)重建所述感兴趣区域的未经校正的中间图像(74),
-校正单元(75),其用于校正所述未经校正的中间图像(74)内的伪影以生成经校正的中间图像(85),
-分类单元(78),其用于将所述经校正的中间图像(85)的图像元素至少分类为高密度类别、中密度类别和低密度类别,
-图像元素替换单元(88),其用于以取决于所述低密度类别的图像元素值的图像元素值来替换所述经校正的中间图像(85)的为所述高密度类别和所述低密度类别的图像元素的图像元素值,以生成合成图像(90),
-前向投影单元(94),其用于对所述合成图像(90)前向投影,以生成合成投影数据(96),以及
-投影替换单元(110),其用于以相对应的合成投影数据(96)来替换对所述高密度类别的图像元素有贡献的所获取的投影数据(60),以生成经校正的投影数据(112),
其中,所述重建单元(70)适于从所述经校正的投影数据(112)重建所述感兴趣区域的经校正的图像。
2、如权利要求1所述的装置,其中,所述校正单元(75)包括识别单元(77),其用于识别所述未经校正的中间图像(74)内的高密度图像元素,以便校正由所述高密度图像元素生成的伪影,其中,所述分类单元(78)适于通过使用所述未经校正的中间图像(74)的所识别的高密度图像元素来将所述经校正的中间图像(85)的图像元素分类为所述高密度类别,从而使得所述经校正的中间图像的所述高密度类别的图像元素对应于所述未经校正的中间图像(74)的所识别的高密度图像元素。
3、如权利要求2所述的装置,其中,所述校正单元(75)包括:
-投影替换单元(81),其用于以取决于对所述未经校正的中间图像(74)的所识别的高密度图像元素没有贡献的所获取的投影数据的虚拟投影数据来替换对所述未经校正的中间图像(74)的所识别的高密度图像元素有贡献的所获取的投影数据,从而得到经修改的投影数据,
-重建单元(83),其用于使用所述经修改的投影数据重建经校正的中间图像(85)。
4、如权利要求2所述的装置,其中,所述识别单元(77)适于通过阈值化来识别所述高密度图像元素。
5、如权利要求4所述的装置,其中,所述识别单元(77)适于在阈值化之后执行形态学运算。
6、如权利要求3所述的装置,其中,所述投影替换单元(81)适于通过对所获取的投影数据进行插值而确定虚拟投影数据,所述所获取的投影数据对所述未经校正的中间图像的所识别的高密度图像元素没有贡献。
7、如权利要求1所述的装置,其中,使所述图像元素替换单元(88)适于以所述低密度类别的图像元素的平均值来替换所述高密度类别和所述低密度类别的图像元素。
8、如权利要求1所述的装置,
其中,所述分类单元(78)适于进一步将所述经校正的中间图像(85)的图像元素分类为空气密度类别,所述空气密度类别的最大密度低于所述低密度像素类别的最小密度,并且
其中,所述图像元素替换单元(88)适于以所述空气密度类别的图像元素的平均值来替换所述经校正的中间图像(85)的为所述空气密度类别的图像元素的图像元素值。
9、如权利要求1所述的装置,其中,提供阈值以确定至少所述高密度类别、所述中密度类别和所述低密度类别中的每个类别内的图像值的范围,并且其中,所述分类单元(78)适于通过使用所述阈值来进行分类。
10、如权利要求1所述的装置,其中,所述投影替换单元(110)适于通过插值而以相对应的合成投影数据(96)来替换对所述高密度类别的图像元素有贡献的所获取的投影数据(60)。
11、如权利要求1所述的装置,其中,所述投影替换单元(110)适于以插值方式调整所述合成投影数据以使合成投影数据与所述所获取的投影数据(60)之间的过渡平滑。
12、如权利要求1所述的装置,其中,所述前向投影单元(94)执行对所述未经校正的中间图像(74)的前向投影以恢复所丢失的所获取的投影数据(60)。
13、一种用于对感兴趣区域进行成像的成像系统,其包括:
-照射单元(12),其发射用于照射所述感兴趣区域的辐射,
-探测单元(16),其用于在所述辐射已经横穿所述感兴趣区域之后探测所述辐射,以获取投影数据,
-如权利要求1所定义的用于从所获取的投影数据产生所述感兴趣区域的经校正的图像的装置。
14、一种用于从所获取的投影数据(60)产生感兴趣区域的经校正的图像的方法,其中,所述方法包括以下步骤:
-由重建单元(70)从所述所获取的投影数据(60)重建所述感兴趣区域的未经校正的中间图像(74),
-由校正单元(75)对所述未经校正的中间图像(74)内的伪影进行校正,以生成经校正的中间图像,
-将所述经校正的中间图像(85)的图像元素至少分类为高密度类别、中密度类别和低密度类别,
-由图像元素替换单元(88)以取决于所述低密度类别的图像元素值的图像元素值来替换所述经校正的中间图像(85)的为所述高密度类别和所述低密度类别的图像元素的图像元素值,以生成合成图像(90)
-由前向投影单元(94)对所述合成图像(90)前向投影,以生成合成投影数据(96),
-由投影替换单元(110)以相对应的合成投影数据(96)来替换对所述高密度类别的图像元素有贡献的所获取的投影数据(60),以生成经校正的投影数据(112),以及
-由重建单元(70)从所述经校正的投影数据(112)重建所述感兴趣区域的经校正的图像。
15、一种用于对感兴趣区域进行成像的成像方法,其包括以下步骤:
-由照射单元(12)发射用于照射所述感兴趣区域的辐射,
-由探测单元(16)在所述辐射已经横穿所述感兴趣区域之后探测所述辐射,以获取投影数据,
-由如权利要求1所定义的装置根据权利要求13所定义的步骤从所获取的投影数据产生所述感兴趣区域的经校正的图像。
16、一种用于从所获取的投影数据(60)产生感兴趣区域的经校正的图像的计算机程序,其包括当所述计算机程序在计算机上运行以控制如权利要求1所定义的成像装置时用于使所述装置执行如权利要求13所述的方法的步骤的程序代码模块。
17、一种用于对感兴趣区域进行成像的计算机程序,其包括当所述计算机程序在计算机上运行以控制如权利要求12所定义的成像系统时用于使计算机执行如权利要求14所述的方法的步骤的程序代码模块。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
EP07100081 | 2007-01-04 | ||
EP07100081.4 | 2007-01-04 | ||
PCT/IB2007/055222 WO2008084352A1 (en) | 2007-01-04 | 2007-12-19 | Apparatus, method and computer program for producing a corrected image of a region of interest from acquired projection data |
Publications (2)
Publication Number | Publication Date |
---|---|
CN101573731A true CN101573731A (zh) | 2009-11-04 |
CN101573731B CN101573731B (zh) | 2015-07-22 |
Family
ID=39226551
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN200780049106.9A Expired - Fee Related CN101573731B (zh) | 2007-01-04 | 2007-12-19 | 用于从所获取的投影数据产生感兴趣区域的经校正的图像的装置和方法 |
Country Status (5)
Country | Link |
---|---|
US (1) | US8582855B2 (zh) |
EP (1) | EP2102819B1 (zh) |
JP (1) | JP5243449B2 (zh) |
CN (1) | CN101573731B (zh) |
WO (1) | WO2008084352A1 (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108937995A (zh) * | 2017-05-03 | 2018-12-07 | 西门子医疗有限公司 | 用于生成减少伪影的ct图像数据的自适应方法 |
CN110337673A (zh) * | 2017-01-05 | 2019-10-15 | 通用电气公司 | 基于深度学习的对在断层摄影重建中使用的数据的估计 |
CN112120722A (zh) * | 2019-06-25 | 2020-12-25 | 株式会社日立制作所 | X射线断层合成装置、图像处理装置以及计算机可读记录介质 |
CN113362404A (zh) * | 2020-03-05 | 2021-09-07 | 上海西门子医疗器械有限公司 | 计算机断层扫描的散射校正方法、装置和存储介质 |
CN113472989A (zh) * | 2012-11-28 | 2021-10-01 | 核心光电有限公司 | 多孔径成像系统以及通过多孔径成像系统获取图像的方法 |
Families Citing this family (28)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
ATE511161T1 (de) | 2007-08-31 | 2011-06-15 | Koninkl Philips Electronics Nv | Unbestimmtheitskarte zur segmentierung in gegenwart von metallartefakten |
DE102008050570A1 (de) * | 2008-10-06 | 2010-04-15 | Siemens Aktiengesellschaft | Verfahren zum Erzeugen eines 3D-Bilddatensatzes |
WO2011021116A1 (en) | 2009-08-20 | 2011-02-24 | Koninklijke Philips Electronics N.V. | Reconstruction of a region-of-interest image |
US8861826B2 (en) | 2009-09-11 | 2014-10-14 | Hitachi Medical Corporation | X-ray CT device |
JP5593934B2 (ja) * | 2010-08-02 | 2014-09-24 | 富士通株式会社 | 磁気交換結合エネルギー算出プログラム、算出方法及び算出装置 |
DE102010034918A1 (de) * | 2010-08-20 | 2012-02-23 | Siemens Aktiengesellschaft | Verfahren und Vorrichtung zum Bereitstellen von Güteeinformation für eine Röntgenbildgebung |
JP5726288B2 (ja) * | 2011-03-22 | 2015-05-27 | 株式会社日立メディコ | X線ct装置、および方法 |
JP2014518133A (ja) * | 2011-06-30 | 2014-07-28 | アナロジック コーポレイション | 画像再構成方法とシステム{iterativeimagereconsgtruction} |
US8483471B2 (en) * | 2011-06-30 | 2013-07-09 | General Electric Company | Method and system for scatter correction in X-ray imaging |
US8731269B2 (en) * | 2011-10-19 | 2014-05-20 | Kabushiki Kaisha Toshiba | Method and system for substantially reducing artifacts in circular cone beam computer tomography (CT) |
CN103889329B (zh) * | 2011-10-24 | 2016-10-26 | 皇家飞利浦有限公司 | 用于ct 切片图像的运动补偿二次传递金属伪影校正 |
US9084888B2 (en) * | 2011-11-10 | 2015-07-21 | Varian Medical Systems, Inc. | Systems and methods for segmentation of radiopaque structures in images |
EP2806801B1 (en) | 2012-01-25 | 2017-11-29 | Koninklijke Philips N.V. | Metal artifact reduction from metallic dental fillings and/or crowns in computed tomography (ct) and/or x-ray |
US9224216B2 (en) * | 2013-07-31 | 2015-12-29 | Kabushiki Kaisha Toshiba | High density forward projector for spatial resolution improvement for medical imaging systems including computed tomography |
US10136079B2 (en) | 2013-10-31 | 2018-11-20 | Ricoh Imaging Company, Ltd. | Method and apparatus for imaging an object |
CN104644200B (zh) * | 2013-11-25 | 2019-02-19 | Ge医疗系统环球技术有限公司 | 减少计算机断层扫描图像重构中伪像的方法和装置 |
US10083543B2 (en) * | 2013-12-20 | 2018-09-25 | Carestream Dental Technology Topco Limited | Metal artifacts reduction for cone beam CT using image stacking |
US10055671B2 (en) * | 2014-06-26 | 2018-08-21 | Siemens Aktiengesellschaft | Automatic assessment of perceptual visual quality of different image sets |
JP6498516B2 (ja) * | 2015-05-11 | 2019-04-10 | キヤノンメディカルシステムズ株式会社 | 医用画像処理装置及びx線ct装置 |
CN106911904B (zh) | 2015-12-17 | 2020-04-21 | 通用电气公司 | 图像处理方法、图像处理系统及成像系统 |
JP6780948B2 (ja) * | 2016-03-28 | 2020-11-04 | キヤノンメディカルシステムズ株式会社 | X線ct装置 |
KR101827114B1 (ko) * | 2016-05-19 | 2018-03-22 | 고려대학교 세종산학협력단 | 축사 근접 개체 탐지 장치 및 방법 |
KR101970989B1 (ko) * | 2017-08-03 | 2019-08-13 | 오스템임플란트 주식회사 | 치과용 ct 영상을 위한 필터 적용 방법 및 시스템 |
JP7234126B2 (ja) * | 2017-10-30 | 2023-03-07 | 興和株式会社 | プログラム |
US11776093B2 (en) * | 2019-07-16 | 2023-10-03 | University Of Florida Research Foundation, Incorporated | Automatic sharpness adjustment for imaging modalities |
US10939126B1 (en) | 2019-12-09 | 2021-03-02 | Guangzhou Zhijing Technology Co., Ltd | Method of adding encoded range-of-interest location, type and adjustable quantization parameters per macroblock to video stream |
US11625559B2 (en) * | 2020-03-27 | 2023-04-11 | Intel Corporation | Attenuating visual artifacts of image processing systems using adversarial networks on-the-fly |
CN118135117A (zh) * | 2024-04-30 | 2024-06-04 | 先临三维科技股份有限公司 | 三维模型的区域生成方法、装置、设备及介质 |
Family Cites Families (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6035012A (en) * | 1998-05-14 | 2000-03-07 | Gen Electric | Artifact correction for highly attenuating objects |
US6125193A (en) * | 1998-06-01 | 2000-09-26 | Kabushiki Kaisha Toshiba | Method and system for high absorption object artifacts reduction and superposition |
JP3707347B2 (ja) * | 2000-04-07 | 2005-10-19 | 株式会社島津製作所 | X線ct装置の画像処理方法及びx線ct装置並びにx線ct撮影用記録媒体 |
US6721387B1 (en) * | 2001-06-13 | 2004-04-13 | Analogic Corporation | Method of and system for reducing metal artifacts in images generated by x-ray scanning devices |
US6801646B1 (en) * | 2001-07-19 | 2004-10-05 | Virtualscopics, Llc | System and method for reducing or eliminating streak artifacts and illumination inhomogeneity in CT imaging |
US6816571B2 (en) * | 2002-02-06 | 2004-11-09 | L-3 Communications Security And Detection Systems Corporation Delaware | Method and apparatus for transmitting information about a target object between a prescanner and a CT scanner |
DE602004011620T2 (de) | 2003-07-18 | 2009-01-29 | Koninklijke Philips Electronics N.V. | Metallartefaktkorrektur bei der computertomographie |
US7636461B2 (en) * | 2004-02-05 | 2009-12-22 | Koninklijke Philips Electronics N.V. | Image-wide artifacts reduction caused by high attenuating objects in ct deploying voxel tissue class |
WO2006039809A1 (en) | 2004-10-12 | 2006-04-20 | UNIVERSITé LAVAL | Method and apparatus for metal artifact reduction in computed tomography |
JP2006167161A (ja) * | 2004-12-16 | 2006-06-29 | Tokyo Institute Of Technology | X線ct画像再構成方法、装置及びx線ct画像再構成プログラムを記憶した記憶媒体 |
US20060285737A1 (en) * | 2005-06-17 | 2006-12-21 | Hamill James J | Image-based artifact reduction in PET/CT imaging |
-
2007
- 2007-12-19 JP JP2009544463A patent/JP5243449B2/ja not_active Expired - Fee Related
- 2007-12-19 WO PCT/IB2007/055222 patent/WO2008084352A1/en active Application Filing
- 2007-12-19 EP EP20070859447 patent/EP2102819B1/en not_active Not-in-force
- 2007-12-19 CN CN200780049106.9A patent/CN101573731B/zh not_active Expired - Fee Related
- 2007-12-19 US US12/521,599 patent/US8582855B2/en not_active Expired - Fee Related
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113472989A (zh) * | 2012-11-28 | 2021-10-01 | 核心光电有限公司 | 多孔径成像系统以及通过多孔径成像系统获取图像的方法 |
CN110337673A (zh) * | 2017-01-05 | 2019-10-15 | 通用电气公司 | 基于深度学习的对在断层摄影重建中使用的数据的估计 |
CN110337673B (zh) * | 2017-01-05 | 2023-10-20 | 通用电气公司 | 基于深度学习的在断层摄影重建中估计数据的方法和系统 |
CN108937995A (zh) * | 2017-05-03 | 2018-12-07 | 西门子医疗有限公司 | 用于生成减少伪影的ct图像数据的自适应方法 |
CN112120722A (zh) * | 2019-06-25 | 2020-12-25 | 株式会社日立制作所 | X射线断层合成装置、图像处理装置以及计算机可读记录介质 |
CN112120722B (zh) * | 2019-06-25 | 2023-09-15 | 富士胶片医疗健康株式会社 | X射线断层合成装置、图像处理装置以及记录介质 |
CN113362404A (zh) * | 2020-03-05 | 2021-09-07 | 上海西门子医疗器械有限公司 | 计算机断层扫描的散射校正方法、装置和存储介质 |
CN113362404B (zh) * | 2020-03-05 | 2024-03-22 | 上海西门子医疗器械有限公司 | 计算机断层扫描的散射校正方法、装置和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
EP2102819A1 (en) | 2009-09-23 |
CN101573731B (zh) | 2015-07-22 |
US20100322514A1 (en) | 2010-12-23 |
JP5243449B2 (ja) | 2013-07-24 |
US8582855B2 (en) | 2013-11-12 |
WO2008084352A1 (en) | 2008-07-17 |
JP2010514530A (ja) | 2010-05-06 |
EP2102819B1 (en) | 2014-04-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101573731B (zh) | 用于从所获取的投影数据产生感兴趣区域的经校正的图像的装置和方法 | |
US7340027B2 (en) | Metal artifact correction in computed tomography | |
US7636461B2 (en) | Image-wide artifacts reduction caused by high attenuating objects in ct deploying voxel tissue class | |
US7991243B2 (en) | Radial adaptive filter for metal artifact correction | |
US8503750B2 (en) | Method and apparatus for reduction of metal artifacts in CT images | |
US7983462B2 (en) | Methods and systems for improving quality of an image | |
US10395397B2 (en) | Metal artifacts reduction for cone beam CT | |
US20090074278A1 (en) | Method and apparatus for metal artifact reduction in computed tomography | |
US11373345B2 (en) | Method for artifact reduction using monoenergetic data in computed tomography | |
US20200151921A1 (en) | Methods for metal artifact reduction in cone beam reconstruction | |
US10089758B1 (en) | Volume image reconstruction using projection decomposition | |
KR102137765B1 (ko) | 사전 영상을 이용하는 고품질의 4차원 콘빔 전산화 단층 촬영 시스템 | |
US20100189331A1 (en) | Apparatus for determining a high density region in an image | |
CN103052970A (zh) | 从成像数据中移除对象支撑 | |
Fränkel et al. | Total variation regularization in digital breast tomosynthesis |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20150722 Termination date: 20171219 |
|
CF01 | Termination of patent right due to non-payment of annual fee |