CN101690418A - 促进修正图像重建中的增益波动的方法和系统 - Google Patents

Abstract

提供了用于重建图像的方法和系统。该方法包括使用增益参数和偏移参数中的至少一个的联合估计以及重建图像的估计来执行断层摄影图像重建。

Description

促进修正图像重建中的增益波动的方法和系统

技术领域

本发明一般涉及断层摄影成像，尤其涉及减小图像重建中的增益波动。

背景技术

例如但不限于计算机断层摄影(CT)扫描技术的成像技术允许无创技术以获得用于医学诊断目的的人体的内部图像。在临床实践中，CT扫描后得到带有截断投影(truncated projection)的数据集是常见的。数据截断会在患者、CT床台(CT table)或放置在扫描器的孔径(bore)中的其他任何物体延伸超出扫描视场时出现。这类情况可能会在患者体型较大的情况下或者在将期望的患者解剖结构居中于视场中心时出现。即使在患者和床台都被小心地定位在扫描视场内的情况下，通常用于保护CT床台机构免于体液污染的床台防水布(slicker)可能垂落在床台两侧，并且可能延伸到扫描视场外部。造影液的管子、静脉注射(IV)液或其他医疗附件也有可能存在于扫描视场外部。

在执行图像重建以生成患者图像之前，CT成像通常包括数据采集，接着是连续的预处理修正。原始投影数据在图像重建之前通过应用扫描器特定的修正和校准而得到处理。第一步骤之一是基准归一化步骤，用以解决x射线管电流输出的波动对投影的影响。为此，一组基准通道被放置在扫描视场外部少许以测量直接来自x射线管而未被扫描对象衰减的x射线光子。从这些通道计算的系数监视x射线通量并且用于相对于彼此归一化投影。然而当对象存在于扫描视场外部时，基准通道被阻挡，并且预处理不能精确地估计修正系数。预修正中的这个和其他步骤修改采集的投影数据并且可能导致不精确的投影测量，从而导致图像伪影。

可能存在其他误差源也可以导致预处理数据中的视场依赖的DC偏压。例如，检测器单元的增益由于作用于准直板的重力的影响可能是角度依赖的，从而导致由这些板所生成的阴影的变化。

图像重建指示从经预修正的投影数据生成图像的过程。实践中，通常使用解析技术，例如滤波反投影算法(Filtered Back-Projectionalgorithm，FBP)。迭代重建(Iterative reconstruction，IR)算法也最近被引入用于CT并且具有明显优于常规FBP和其他直接技术的图像质量的潜力。预处理修正和校准适于最小化类FBP算法的图像伪影并且重建CT值的精确图。然而，在投影数据被截断的情况下使用相同预处理数据初始化迭代重建会导致明显的图像伪影。

发明内容

在一个实施例中，一种重建图像的方法包括使用增益参数和偏移参数中的至少一个的联合估计以及重建图像的估计来执行断层摄影图像重建。

在另一个实施例中，一种计算机断层摄影(CT)系统包括X射线源、辐射检测器、以及耦合到所述X射线源和所述辐射检测器的计算机，所述计算机被配置为联合使用误差修正增益参数的估计和重建图像的估计来执行X射线图像重建。

在又一个实施例中，一种用程序编码的计算机可读介质被配置为指导计算机联合使用误差修正增益参数的估计和重建图像的估计迭代地重建X射线图像。

附图说明

图1是根据本发明一个实施例的CT成像系统的示图；

图2是图1例示系统的示意性框图；

图3A是患者肩部的FBP图像；

图3B是患者肩部的未修正的统计迭代重建图像；

图4A是图3B所示患者肩部的未修正的统计迭代重建图像；

图4B是通过使用X射线管发生器信号进行基准归一化修正的患者肩部的统计迭代重建图像；

图5是根据本发明一个实施例的一种用于在迭代重建算法中修正低频暗影伪影(low-frequency shading artifacts)的示例性方法的流程图；

图6是另一种用于在迭代重建算法中修正低频暗影伪影的示例性方法的流程图，其中DC分量去除步骤在迭代循环内执行；

图7A是图3B所示患者肩部的未修正的统计迭代重建图像；以及

图7B是通过使用加权最小二乘DC去除修正的患者肩部的统计迭代重建图像。

具体实施方式

在一些已知的CT成像系统配置中，辐射源投射扇形射束，该扇形射束被准直以位于笛卡尔坐标系的X-Y平面内，该平面通常被称为“成像平面”。辐射束穿过正被成像的对象，例如患者。在由对象衰减之后，射束撞击辐射检测器阵列。在检测器阵列接收的衰减辐射束的强度取决于对象对辐射束的衰减。阵列的每个检测器元件产生独立电信号，该电信号是检测器位置上射束衰减的度量。来自所有检测器的衰减度量被单独采集以产生透射剖面(transmission profile)。

在第三代CT系统中，辐射源和检测器阵列随着扫描架在成像平面内围绕待成像对象旋转，使得辐射束与对象所成的角不断变化。来自检测器阵列在一个扫描架角上的一组辐射衰减度量，即投影数据，被称为一个“视图”。对象的一次“扫描”包括在辐射源和检测器的一次回转期间在不同扫描架角或视角获得的一组视图。

在轴向扫描中，投影数据被处理以重建图像，该图像对应于通过对象获得的二维切片。一种用于从一组投影数据重建图像的方法在本领域中被称为滤波反投影技术。该过程将来自一次扫描的衰减度量转换成被称为“CT值”或“亨斯菲尔德(Hounsfield)单位”的整数，所述整数用于控制显示设备上相应像素的亮度。

为了减小总扫描时间，可以执行“螺旋”扫描。为了执行“螺旋”扫描，在患者移动的同时采集指定数量的切片的数据。这样的系统从扇束螺旋扫描生成单螺旋。由扇束映射的螺旋产生从中可重建每个指定切片内的图像的投影数据。

为了进一步改善数据采集，可以利用多切片或测定体积CT(volumetric CT)系统。这类系统通过使用包括多个检测器行的检测器同时收集多个投影。在这类配置中，扇束几何结构变为锥束几何结构。

在本文中使用时，以单数或在前面加上单词“a”或“an”的形式叙述的元素或步骤应当被理解成不排除多个元素或步骤，除非明确表明这一排除。此外，对本发明的“一个实施例”的引用不应当被理解成排除也包含所述特征的附加实施例的存在。

同样在本文中使用时，短语“重建图像”并不旨在排除其中生成代表图像的数据但是未生成可视图像的本发明的实施例。因此在本文中使用时，术语“图像”广义地涉及可视图像和代表可视图像的数据两者。然而，许多实施例生成(或被配置为生成)至少一个可视图像。

图1是根据本发明一个实施例的CT成像系统10的图示。图2是图1所示系统10的示意性框图。在该示例性实施例中，计算机断层摄影(CT)成像系统10被示出为包括代表“第三代”CT成像系统的扫描架12。扫描架12具有辐射源14，该辐射源朝着扫描架12相对侧上的检测器阵列18投射X射线的锥束16。

检测器阵列18由包括多个检测器元件20的多个检测器行(未生成)组成，所述检测器元件一起感测穿过对象(例如患者22)的投射X射线束。每个检测器元件20产生代表碰撞辐射束的强度并由此代表射束穿过对象或患者22时的衰减的电信号。原始投影数据在图像重建之间被预处理，以减小x射线管电流输出的波动对投影数据的影响。一组基准通道23被放置在锥束16外部少许以测量直接来自辐射源14的未被对象22衰减的x射线光子。具有多切片检测器18的成像系统10能够提供代表对象22体积的多个图像。该多个图像中的每个图像对应于所述体积的独立“切片”。切片的“厚度”或开度(aperture)取决于检测器行的厚度。当对象22存在于定义扫描视场的锥束16外部时，基准通道23被阻挡，由此预处理无法精确估计修正系数。基准通道的阻挡和预修正中的其他扫描架特定误差修改采集的投影数据并且可能导致不精确的投影测量，从而导致图像伪影。

在采集辐射投影数据的扫描期间，扫描架12和安装在其上的部件围绕旋转中心24旋转。图2仅示出了单行检测器元件20(即，一个检测器行)。然而，多切片检测器阵列18包括检测器元件20的多个平行检测器行，使得对应于多个准平行或平行切片的投影数据可以在扫描期间同时被采集。

扫描架12的旋转和辐射源14的操作由CT系统10的控制机构26管理。控制机构26包括将功率和定时信号提供给辐射源14的辐射控制器28，以及控制扫描架12的转速和位置的扫描架电机控制器30。控制机构26中的数据采集系统(DAS)32采样来自检测器元件20的模拟数据并且将这些数据转换成数字信号以供随后处理。图像重建器34接收来自DAS 32的经采样和数字化辐射数据并且执行高速图像重建。重建图像作为输出应用于计算机36，后者在大容量存储设备38中存储该图像。

计算机36也通过具有键盘的控制台40接收来自操作者的命令和扫描参数。相关联的阴极射线管显示器42允许操作者观察来自计算机36的重建图像和其他数据。操作者提供的命令和参数由计算机36用于将控制信号和信息提供给DAS 32、辐射控制器28和扫描架电机控制器30。另外，计算机36操作床台电机控制器44，后者控制机动床台46以在扫描架12中定位患者22。更具体地，床台46移动患者22各部分通过扫描架开口48。

在一个实施例中，计算机36包括用于从计算机可读介质52(例如软盘或CD-ROM)读取指令和/或数据的设备50，例如软盘驱动器或CD-ROM驱动器。在另一个实施例中，计算机36执行存储在固件(未示出)中的指令。通常，在图2所示的DAS 32、重建器34和计算机36的至少一个中的处理器被编程以执行下述过程。当然，本文所述的实施例并不限于在CT系统10中的应用，而是可以与许多其他类型和变化的成像系统结合使用。在一个实施例中，计算机36被编程以执行本文所述的功能，并且当在本文使用时，术语计算机并不仅限于在本领域中被称为计算机的那些集成电路，而是广义地表示计算机、处理器、微控制器、微型计算机、可编程逻辑控制器、专用集成电路、现场可编程门阵列(FPGA)和所有其他可编程电路。

本文描述的是用于第三代CT扫描器的精确几何正演建模的新方法、装置和软件，其适合于用于医学诊断目的的高质量临床图像的迭代重建。本文描述的方法支持CT扫描器的所有配置，包括单切片和多切片CT、以及任何采集轨迹，例如分步拍摄(轴向)模式、螺旋模式、或者带有恒定或变化节距和采样图案的任何其他模式。

传统上，使用所谓的直接重建算法，例如滤波反投影(FBP)或卷积反投影(CBP)从计算机断层摄影(CT)数据重建图像。近来，迭代重建(IR)算法被引入用于CT图像的重建。利用迭代重建算法的一个优点在于迭代重建算法可以更精确地建模从真实CT系统获得的度量。这对于包括多切片检测器的螺旋CT系统来说尤其如此，因为这些系统产生倾斜穿过2-D重建图像平面的投影度量。通过更精确地建模这些投影，迭代重建算法可以生成具有更高质量、更低噪声和更少伪影的图像。

例如，利用螺旋扫描CT系统，X射线源和检测器阵列围绕正被扫描的对象旋转。如果利用螺旋CT扫描器，则X射线源和检测器也沿垂直于旋转平面的方向移动，描画出大体螺旋路径。在周期性时刻，检测器阵列测量穿过对象的X射线能量。每个这样的度量被称为一个视图。通常，检测器阵列包括沿旋转方向布置的多个检测器元件，在这里被称为通道。另外，多切片CT扫描器也包括多个行。例如，四切片检测器包括四行检测器元件，其中每一行包括多个通道。

对于扫描器的单次旋转，来自第k行检测器的检测器度量被定义为 $y_k={\left\{y_{\mathrm{ki}}\right\}}_{i=0}^{M-1},$ 其中M是单次旋转中从单行检测器获得的度量总数，并且y_k被定义为数据的一个单切片，并且整个数据集被定义为 $y={\left\{y_k\right\}}_{k=0}^{K_1-1},$ 其中K₁是检测器中的切片数。

作为替换，y_k可以是在螺旋扫描中从多个检测器行提取的数据集，其用于在常规图像平面或倾斜于水平和/或垂直轴的平面上重建图像。

正被重建的体积随后被离散成沿着三个维度布置的体素，其中第一第二维度通常被定向成在旋转平面中，并且第三维度通常被定向为垂直或近似垂直于旋转平面。例如，x_ki被定义为体素，其中k下标表示沿着第三维度的位置并且i下标表示在平面中的特定体素。进一步地， $x_k={\left\{x_{\mathrm{ki}}\right\}}_{i=0}^{N-1}$ 被定义为在第k个平面中的体素集，并且正被重建的整个平面集被定义为 $x={\left\{x_k\right\}}_{k=0}^{K_2-1},$ 其中K₂是在体积中的平面数。

因此，扫描器的正演模型是当正向投影重建所估计的图像时产生预期度量的函数。更具体地，正演模型F(x)是被定义成使得E[y]＝F(x)的函数。在一个实施例中，进行简化近似使得E[y_x]＝F(x_k)。

因此，在该示例性实施例中，可以使用迭代重建算法利用多切片CT重建系统来重建图像。迭代重建算法用于通过搜索最佳匹配测得数据的向量x的值来确定x的未知值。在该示例性实施例中，此处考虑的迭代重建问题的分类的数学公式在计数域中采用以下的通式：

$\hat{x},\widehat{\mathrm{\α}}=\arg \underset{x,\mathrm{\α}}{\min }F(y^{\′},\mathrm{Ax},\mathrm{\α})---\left(1\right)$

其中F()表示y′，x和α的函数，惩罚在观察度量(y′)与通过正向投影算子A的x的估计正向投影之间的偏差，

y′表示原始度量，

x表示未知3D图像向量，

α表示应用于原始计数度量的未知乘法增益因数的向量，以及

A表示将图像空间映射到投影空间中的正向投影算子。

在投影域中的一个替换通式是：

$\hat{x},\widehat{\mathrm{\β}}=\arg \underset{x,\mathrm{\β}}{\min }G(y,\mathrm{Ax},\mathrm{\β})---\left(2\right)$

其中G()表示y，β和Ax的函数，惩罚(penalize)在观察度量(y)与x的估计正向投影之间的偏差，

y表示积分投影度量的向量，

Ax表示通过正向投影算子A的估计对象x的正向投影，以及

β是应用于积分投影度量的未知加法偏移因数的向量。

该方程表示x中的图像值和β中的增益参数的联合估计。β是通过根据β_i＝ln(α_i)取计数域中的未知乘法增益α_i的对数来表示投影域中的未知加法偏移的向量。对于任何特定行和视图假定β_i是固定的，这保证了待估计用于增益修正的参数的数量相对于3D图像中的体素的数量较小。

该方法的另一泛化是使用下式的

和

的联合估计：

$\hat{x},\widehat{\mathrm{\α}},\widehat{\mathrm{\β}}=\arg \underset{x,\mathrm{\α},\mathrm{\β}}{\min }G(y^{\′},y,\mathrm{Ax},\mathrm{\α},\mathrm{\β})---\left(3\right)$

在该示例性实施例中，一个特定实施例被表示为：

$\hat{x},\widehat{\mathrm{\β}}=\arg \underset{x,\mathrm{\β}}{\min }G(y-(\mathrm{Ax}+\mathrm{\β}))---\left(4\right)$

其中x是从数据度量y的向量重建的对象系数的向量，并且重建问题被公式化为应用于测得数据y与未知加法偏移系数β的向量和通过正向投影算子A的估计对象x的正向投影Ax之间的差值的代价函数G()的最小化。如上所述，G()表示惩罚在观察度量(y)与未知加法偏移因数和x的估计正向投影之间的偏差的(y-(Ax+β))的函数。在其他实施例中，G()表示(y-Ax)的函数。量(y-(Ax+β))和(y-Ax)被称为“误差正弦图”，因为它们是测得数据与预期数据之间的差值。误差正弦图在被选择用于解决优化问题的迭代算法的连续步骤中最小化。通过计及例如但不限于来自噪声、不精确重建和扫描器的不精确建模的误差来改善重建。在该示例性实施例中，选择代价函数G()的加权二次型。优化问题于是变成：

$\hat{x},\widehat{\mathrm{\β}}=\arg \underset{x,\mathrm{\β}}{\min }\left\{{(y-(\mathrm{Ax}+\mathrm{\β}))}^{T}W(y-(\mathrm{Ax}+\mathrm{\β}))\right\}---\left(5\right)$

其中()^T表示向量转置操作，并且W是度量数据质量的置信系数w_i的加权矩阵。以上

的估计表示最大似然(ML)问题的解。也可以通过加入约束代价函数的图像模块执行重建：

$\hat{x},\widehat{\mathrm{\β}}=\arg \underset{x,\mathrm{\β}}{\min }\{{(y-(\mathrm{Ax}+\mathrm{\β}))}^{T}W(y-(\mathrm{Ax}+\mathrm{\β}))+U\left(x\right)\}---\left(6\right)$

其中U(x)是图像正则化项。在该情况下，的估计表示最大后验(MAP)问题的解。

图3A是患者肩部的FBP图像。图3B是患者肩部的未修正的统计迭代重建图像。低频暗影伪影302劣化未修正的IR图像，使得图像是临床不可接受的。图3A和3B示出了一个例子，其中IR图像会被降级使得它是临床不可接受的，而FBP图像并不呈现相同伪影。在该情况下，只是床台防水布延伸到扫描视场外部。根据本发明实施例的方法有助于在从生成用于FBP的相同预处理投影数据初始化的IR算法中消除低频截断相关的图像伪影。

图4A是患者肩部的未修正统计迭代重建图像(图3B中所示)。图4B是通过使用X射线管发生器信号而不是在检测器的真实测量管信号进行基准归一化修正的患者肩部的统计迭代重建图像。相对于标准迭代重建而言，使用X射线管发生器信号进行基准归一化使得迭代重建图像中的低频暗影的显著减轻。

迭代重建图像中的低频暗影伪影302(图3B中所示)通常在存在投影数据截断的情况下出现。迭代重建的伪影的根源与那些被截断投影的信号电平的不精确估计有关。例如，当由基准通道23测量的基准信号被阻挡时，为基准归一化步骤计算的归一化系数是不精确的。因此，信号的DC分量是不正确的。对于类FBP算法，该问题的影响通过存在于重建步骤中的斜坡滤波器而被最小化。斜坡滤波器充当频域中的高通滤波器并且消除信号的DC分量。迭代重建算法并不包括高通滤波器，而是考虑信号的全频谱用于重建。

一些已知基准归一化预处理使用检测器基准通道处的测得信号计算归一化系数。通常希望使用测得的检测器信号以计及并不匹配预期管信号的管输出通量的变化。然而，当测得的信号受到存在于管与检测器之间的物体影响时，或者由于任何其他原因，它可能不提供管输出的可靠估计，并且引入误差将很可能在迭代重建图像中生成伪影。

在一个实施例中，正弦图数据用已知X射线管发生器信号而不是基准通道度量归一化。在基准通道部分被阻挡的情况下，该信号包含更少的局部、寄生振荡并且因此作为整个检测器度量行的归一化比测得的基准值明显更为精确。

在另一个实施例中，一种用于伪影修正的方法使用带有精确低频内容的初始条件，但是并不需要在迭代重建之前的常规预处理的变化。该方法并不限于修正检测器阵列处的实际增益波动的能力。

用于该方法的初始条件集被定义为其中低频信息内容精确地表示被扫描对象的初始图像体积。由适当校准和修正数据的FBP重建产生的FBP图像表示用于一些迭代算法的良好初始条件集，所述迭代算法例如迭代坐标下降(ICD)算法[5]或有序子集(OS)算法[6]。在类FBP(或更一般地，任何解析、直接重建技术)期间应用的校准和其他修正被设计成在重建体积中正确渲染低频信息。通过从这类初始条件开始并且在重建期间保持低频内容，本实施例的迭代算法有助于产生被扫描对象的更高质量重建，并且没有破坏性的低频伪影。

图5是根据本发明一个实施例的用于在迭代重建算法中修正低频暗影伪影的一个示例性方法500的流程图。方法500包括用例如直接重建方法重建的图像初始化502迭代算法，所述直接重建方法例如但不限于类FBP算法，类Katsevich算法或类Feldkamp算法。执行初始体积的初始正向投影504以形成初始误差正弦图。从误差正弦图估计506 DC分量。DC分量对应于零频率。所以，从误差正弦图消除DC分量保证了迭代重建不会修改初始条件的DC分量。例如，没有低频伪影的FBP图像有助于改善迭代重建图像质量而不会引入不希望的低频伪影。

在一些情况下，初始条件可以仅提供关于对象的一部分的信息。例如，在对象延伸超出扫描视场的情况下，在扫描视场内的对象部分可用FBP精确地重建，而截断部分可以根本不重建，或者仅仅以有限精度估计。随着扫描视场外的对象部分的收敛，迭代重建算法因此将在每个步骤将DC信息引入误差正弦图中以重建完整对象。

从误差正弦图去除DC分量的操作可以使用导致加法修正的最小二乘估计执行。例如，使用下式确定误差正弦图：

e_i＝y_i-∑A_ijx_j    (7)

其中y是测得数据，并且

Ax是通过正向投影算子A的估计对象x的正向投影。

${\mathrm{\β}}_i=\frac{\underset{k\∈S}{\mathrm{\Σ}}{w}_k{e}_k}{\underset{k\∈S}{\mathrm{\Σ}}{w}_k}---\left(8\right)$

其中β表示第i个视图的投影误差的平均值，

w表示与每个度量噪声相关联的权重，其中该权重与噪声成反比例，根据下式应用修正：

e_i←e_i-β_i，   (9)

其中减去每个视图的投影误差的平均值。

如果S是正弦图元素的完整集并且以上方程(8)和(9)在整个正弦图上被应用一次，那么该操作可以全局地执行，或者如果S是在包括i的视图/行对中的元素集，并且以上方程(8)和(9)为每个视图/行对重复，那么该操作可以为每个投影视图和检测器行对执行。在一个实施例中，系数β的估计是加权和，但是它也可以在没有权重的情况下被执行，例如 ${\mathrm{\β}}_i=\frac{1}{N_S}\underset{k\∈S}{\mathrm{\Σ}}{e}_k,$ 其中N_S是集合S中的元素的数量。

在另一实施例中，使用类似于在FBP中使用的滤波的附加滤波，例如用斜坡滤波器或在频域中应用于误差正弦图的傅立叶变换的另一高通滤波器执行DC分量去除。

在又一实施例中，使用从诸如最大似然(ML)估计之类的数据计算出的修正系数β_i的另一估计执行DC分量去除。以上方程(7)，(8)和(9)使用二次似然近似朝着β和

的联合ML/MAP估计收敛。因此，该方法在迭代重建过程期间用于联合估计未知增益或偏移参数和重建图像。当考虑泊松计数噪声模型形成代价函数时，ML估计是上述估计的自然泛化。

在又一个实施例中，为每个帧计算未知增益参数的ML估计。如果从计数到投影的转换被建模为是普通近似的对数运算，则这两者是相同的。但是如果它不是完美的对数运算，或者如果使用更复杂的噪声模型，那么增益参数的直接ML估计可能不同。

方法500包括使用如上所述去除DC分量的数据迭代地重建508图像。在该示例性实施例中迭代循环返回而不再次执行DC分量去除过程。

图6是另一种用于在迭代重建算法中修正低频暗影伪影的示例性方法600的流程图，其中在迭代循环内部执行DC分量去除步骤。当在迭代循环内部执行DC分量去除步骤时，DC分量在每个步骤的开始时从误差正弦图中消除，并且在扫描视场内部和外部的重建图像的低频内容保持稳定。

类似于方法500，方法600包括用直接重建型算法重建的图像初始化602迭代算法。执行初始体积的初始正向投影604以形成初始误差正弦图。如上所述从误差正弦图中消除606 DC分量。方法600也包括使用如上所述去除DC分量的数据迭代地重建608图像。在该示例性实施例中在每个迭代重建步骤之前迭代循环返回并且执行DC分量去除过程。

图7A是患者肩部的未修正的统计迭代重建图像(图3B中所示)。图7B是通过使用加权最小二乘DC去除修正的患者肩部的统计迭代重建图像。该修正有助于消除迭代重建图像中的低频伪影。图7A和7B示出了未修正的图像和在迭代循环内部应用于患者肩部的修正结果之间的比较。暗影伪影被成功修正。

本领域技术人员基于前述将会理解本发明的上述实施例可以使用包括计算机软件、固件、硬件或其任何组合或子集的计算机编程或工程技术来实现，其中技术效果是在迭代重建算法中去除低频的截断相关的图像伪影。具有计算机可读代码手段的任何这类所得程序可以被具体化为一个或多个计算机可读介质或被设置在其中，由此制造根据本发明所讨论实施例的计算机程序产品，即制品。计算机可读介质例如可以包括但不限于固定(硬盘)驱动器、磁盘、光盘、磁带、诸如只读存储器(ROM)的半导体存储器、和/或任何传输/接收介质，诸如因特网或其他通信网络或链接。包含计算机代码的制品可以通过执行直接来自一个介质的代码，通过将代码从一个介质复制到另一个介质，或者通过在网络上传输代码而被制造和/或使用。

尽管本文所述的方法可以被认为是从误差状态向量中去除DC分量以用于迭代重建，但着重要强调的是本发明除了图像内容之外还执行增益和偏移参数的估计，并且在这过程中没有东西阻止图像的DC内容从其初始状态得到改善。若没有专门处理，截断投影必然导致使用在图像中未被恢复的大量投影数据进行FBP重建，并且在出现截断的视场边缘引起明显伪影。对该截断内容的估计有助于高质量迭代图像估计，其中测得x射线衰减的所有源的重建必须保证IR图像与投影数据之间的一致性。

成像系统的上述实施例提供了在迭代重建算法中消除低频的截断相关的图像伪影的成本合算且可靠的系统和方法。因此，本发明的所述实施例有助于以成本合算且可靠的方式对患者进行成像。

尽管根据各种特定实施例描述了本发明，本领域技术人员将会认识到可以在权利要求的精神和范围内进行修改来实施本发明。

Claims (35)

1.一种重建图像的方法，所述方法包括使用增益参数和偏移参数中的至少一个的联合估计以及重建图像的估计来执行断层摄影图像重建。

2.根据权利要求1所述的方法，包括估计乘法α增益因数，其中α表示应用于图像数据的原始计数度量的未知乘法增益因数的向量。

3.根据权利要求1所述的方法，包括估计加法β偏移因数，其中β是应用于图像数据的积分投影度量的未知加法偏移因数的向量。

4.根据权利要求3所述的方法，其中估计加法β偏移因数包括x中的图像值和β中的增益参数的联合估计，其中β通过对计数域中的未知乘法增益α取对数β_t＝ln(α_t)来表示投影域中的未知加法偏移的向量。

5.根据权利要求1所述的方法，包括估计乘法α增益因数以及估计加法β偏移因数，其中α表示应用于图像数据的原始计数度量的未知乘法增益因数的向量并且β是应用于图像数据的积分投影度量的未知加法偏移因数的向量。

6.根据权利要求1所述的方法，还包括：

生成误差正弦图；

从误差正弦图中去除零频率分量；和

使用误差正弦图重建图像。

7.根据权利要求1所述的方法，还包括使用直接重建图像初始化图像体积。

8.根据权利要求7所述的方法，其中生成误差正弦图包括执行直接重建图像的正向投影。

9.根据权利要求1所述的方法，其中重建图像包括迭代图像重建，并且其中从误差正弦图中去除零频率分量包括在迭代重建循环外部去除零频率分量。

10.根据权利要求1所述的方法，其中重建图像包括迭代图像重建，并且其中从误差正弦图中去除零频率分量包括在迭代重建循环内部去除零频率分量。

11.根据权利要求1所述的方法，其中从误差正弦图中去除零频率分量包括在完整误差正弦图上全局地去除零频率分量。

12.根据权利要求1所述的方法，其中从误差正弦图中去除零频率分量包括为误差正弦图中的每个行/视图对去除零频率分量。

13.根据权利要求1所述的方法，其中从误差正弦图中去除零频率分量包括用与关联于该视图的噪声成反比例的值加权每个投影系数。

14.根据权利要求1所述的方法，其中从误差正弦图中去除零频率分量包括使用由最小二乘估计计算出的加法系数修正误差正弦图。

15.根据权利要求1所述的方法，其中从误差正弦图去除零频率分量包括使用频域中的滤波修正误差正弦图。

16.根据权利要求1所述的方法，其中从误差正弦图中去除零频率分量包括使用修正系数的ML估计修正误差正弦图。

17.根据权利要求16所述的方法，其中从误差正弦图中去除零频率分量包括在迭代重建过程期间联合估计未知增益参数和重建图像。

18.根据权利要求16所述的方法，其中为每个帧计算未知增益参数的ML估计。

19.根据权利要求1所述的方法，其中使用不同于检测器基准通道度量的度量对图像数据进行归一化。

20.根据权利要求19所述的方法，其中使用X射线管发生器信号对图像数据进行归一化。

21.一种成像系统包括：

包括与要成像对象的断层摄影数据有关的信息的数据库；和

耦合到所述数据库的计算机，所述计算机被配置为联合使用估计增益参数和偏移参数中的至少一个以及重建图像的估计来执行断层摄影图像重建。

22.根据权利要求21所述的系统，其中所述计算机被进一步配置为联合使用误差修正增益参数的估计和重建图像的估计来执行迭代X射线图像重建。

23.根据权利要求21所述的系统，其中所述计算机被进一步配置为估计乘法α增益因数，其中α表示应用于图像数据的原始计数度量的未知乘法增益因数的向量。

24.根据权利要求21所述的系统，其中所述计算机被进一步配置为估计加法β偏移因数，其中β是应用于图像数据的积分投影度量的未知加法偏移因数的向量。

25.根据权利要求24所述的系统，其中所述计算机被进一步配置为估计加法β偏移因数包括x中的图像值和β中的增益参数的联合估计，其中β通过对计数域中的未知乘法增益α取对数β_i＝ln(α_i)来表示投影域中的未知加法偏移的向量。

26.根据权利要求21所述的系统，其中所述计算机被进一步配置为估计乘法α增益因数以及估计加法β偏移因数，其中α表示应用于图像数据的原始计数度量的未知乘法增益因数的向量并且β是应用于图像数据的积分投影度量的未知加法偏移因数的向量。

27.根据权利要求21所述的系统，其中所述计算机被进一步配置为：

从图像的直接重建的正向投影中生成误差正弦图；

从误差正弦图中去除零频率分量；和

使用误差正弦图迭代地重建图像。

28.一种计算机断层摄影(CT)系统包括：

X射线源；

辐射检测器；和

耦合到所述X射线源和所述辐射检测器的计算机，所述计算机被配置为联合使用估计乘法α增益因数、估计加法β偏移因数、和估计重建图像来执行X射线图像重建，其中α表示应用于图像数据的原始计数度量的未知乘法增益因数的向量并且β是应用于图像数据的积分投影度量的未知加法偏移因数的向量。

29.一种用程序编码的计算机可读介质，被配置为指导计算机联合使误差修正增益参数的估计和误差偏移修正参数的估计中的至少一个以及重建图像的估计来迭代地重建断层摄影图像。

30.根据权利要求29所述的计算机可读介质，进一步被配置为指导计算机估计乘法α增益因数，其中α表示应用于图像数据的原始计数度量的未知乘法增益因数的向量。

31.根据权利要求29所述的计算机可读介质，进一步被配置为指导计算机估计加法β偏移因数，其中β是应用于图像数据的积分投影度量的未知加法偏移因数的向量。

32.根据权利要求29所述的计算机可读介质，进一步被配置为指导计算机估计加法β偏移因数包括x中的图像值和β中的增益参数的联合估计，其中β通过对计数域中的未知乘法增益α取对数β_i＝ln(α_i)来表示投影域中的未知加法偏移的向量。

33.根据权利要求29所述的计算机可读介质，其进一步被配置为指导计算机估计乘法α增益因数和估计加法β偏移因数，其中α表示应用于图像数据的原始计数度量的未知乘法增益因数的向量并且β是应用于图像数据的积分投影度量的未知加法偏移因数的向量。

34.根据权利要求29所述的计算机可读介质，进一步被配置为：

从图像的直接重建的正向投影中生成误差正弦图；

从误差正弦图中去除零频率分量；和

使用误差正弦图迭代地重建图像。

35.根据权利要求29所述的计算机可读介质，进一步被配置为使用下列至少一项来从误差正弦图中去除零频率分量：误差修正系数的加权和最小二乘估计，使用在频域中应用于误差正弦图的傅立叶变换的斜坡滤波器和高通滤波器中的至少一个的滤波，误差修正系数的最大似然估计，误差修正系数和重建图像的联合最大似然估计，以及用于每个重建帧的误差修正系数的最大似然估计。

Images