CN101777177A - 基于衰减滤波的ct图像去金属伪影混合重建法 - Google Patents

Abstract

本发明为基于衰减滤波的CT图像去金属伪影混合重建法。CT采集数据的过程中，如果被扫描物体中含有高吸收系数的金属物体，导致投影数据跃变：一是组织衰减系数；一是金属的衰减系数，则被认为是“被破坏的”并应对其进行校正，这样通过FPB重建时金属伪影被大大削弱。本发明确定金属投影区域后，对确定金属区域自适应衰减调节和滤波；通过FBP重建整幅图像，再利用原始投影数据对金属区域进行EM迭代重建，并对自适应衰减滤波重建后的金属区域进行校正；对金属投影区域进行补偿。数值模拟的CT实验证明，本发明可以有效的去除金属伪影，并很好的保留了金属及其周围组织的信息。特别是在多金属物体的情况下，本发明计算复杂度小，有很高的实用价值。

Description

基于衰减滤波的CT图像去金属伪影混合重建法

技术领域

本发明涉及CT图像处理技术领域，特别是消除金属伪影技术领域。

背景技术

CT采集数据的过程中，如果被扫描物体中含有高吸收系数的金属物体，导致投影数据跃变，投影数据由两部分组成：一部分是组织衰减系数。另一部分是金属的衰减系数，这部分投影数据一般被认为是“被破坏的”并应该对其进行校正，这样通过FPB重建时金属伪影被大大削弱。差值法和混合法都是移出金属区域的投影数据，简单的使用邻域插值的数据代替金属区域的组织，这样并不能真实反映被金属区域覆盖的组织的衰减系数，因此通过这些算法重建的图像，会出现金属区域附近细节失真。重建的图像会包含明暗相间的条状伪影，这些伪影降低图像质量，严重影响图像的后续处理和分析。如何消除这些条状伪影以提高图像质量，是当前CT应用研究领域中的热点。

插值法是一种常用的去金属伪影算法。清华大学的谷建伟等学者提出了快速线性插值法，微软的林宙辰等学者采用多项式插值。插值类重建算法首先判断金属投影区域，然后对金属投影进行插值，最后重建图像。该方法简单快速，但是只适用于金属结构简单的情况，而且会使金属周围的区域图像形变。迭代法是一种常用的CT图像重建算法，EM(Expectation Maximization)迭代法和Deblurring迭代算法都是典型代表。迭代重建算法能有效去除金属伪影和抑制噪声，而且能很好的呈现金属物体的结构，但其运算量非常大，重建速度很慢，难以实用化。EM混合重建算法，仅对金属区域进行EM迭代重建，对非金属区域直接滤波反投影重建(FBP：filteredback projection)，该算法速度较快，能有效反映金属物体结构，不足之处是金属周围的区域重建后失真，使其在医用CT应用中存在很大的局限性。

发明内容

本发明的目的针对当前主流算法存在的不足：重建图像金属周围区域失真；或算法运算量非常大，导致重建时间很长难以实用。本发明提出一种去CT图像中金属伪影自适应衰减滤波混合重建法，本发明旨在有效去除金属伪影。

本发明首先判断金属投影区域，确定金属投影区域，对该局域进行自适应衰减和滤波；然后通过滤波反投影重建(FBP)重建整幅图像，再利用原始投影数据对金属区域进行EM迭代重建，并对自适应衰减滤波重建后的金属区域进行校正，对金属区域进行补偿。

效果：数值模拟的CT实验证明，本发明可以有效的去除金属伪影，并很好的保留了金属及其周围组织的信息，其效果优于插值法和EM混合法。特别是在多金属物体的情况下，本发明的效果更是优于其它算法。而且本发明计算复杂度小，有很高的实用价值。

附图说明

下面结合附图与实施案例进一步说明本发明。

图1衰减和滤波前后的投影数据：原始投影数据；

图2衰减和滤波前后的投影数据：衰减和滤波后投影数据；

图3本发明流程图。

具体实施方式

下面通过一个实施案例，进一步说明本发明。

以上提到，现有技术中差值法和混合法都是移出金属区域的投影数据，简单的使用邻域插值的数据代替金属区域的组织。在本发明中试图去保留这部分数据，并通过线性衰减技术校正金属区域投影数据，减小其在滤波反投影算法中对周边区域的影响，然后通过滤波可以减小由于投影数据的跳变产生的条状伪影，最后再对金属区域进行补偿。下面介绍本发明的主要步骤：

1、确定金属投影区域

本发明使用的是平行射线投影数据P(m，n)，m＝1，…M，n＝1，…N。M是探测器总数，N是投影角度总数。使用FBP重建图像，获得原始图像，选择适当的阈值提取金属区域，然后对金属区域利用旋转像素坐标系的方法，在每个投影角度下进行重投影，确定金属区域在投影数据中的范围。

L(n)＝{[s(i，n)，e(i，n)]}，i＝1，…I(n)

I(n)是金属区域在角度n下总的投影点数，s(i，n)，e(i，n)是金属投影数据在每个角度下的起始和结束位置。虽然只有一个金属物体时可以直接从投影数据中分割出金属投影区域，但是重投影方法才是最稳定的分割金属投影数据的方法，它适用于多金属情况。

2、自适应衰减调节和滤波

通过对[s(i，n)，e(i，n)]插值法对金属区域的背景区域的投影值b(m，n)m∈L(n)进行粗略的估计，求出金属的投影值Mm：

Mm(m，n)＝[P(m，n)-b(m，n)]，m∈L(n)

对取出的金属投影值进行自适应衰减调节：

M1(m，n)＝XcXb(m，n)Mm(m，n)，m∈L(n)

Xb(m，n)是衰减因子，根据投影数据Mm(m，n)的振幅计算[6]，用于修正由金属物体引起的射束硬化。Xc是一个常量缩放因子，其值小于1，用于减少金属投影数据的振幅，金属区域投影数据的振幅越小，在FBP重建时产生的金属伪影越小，Xc可取0.1-0.5，Xc越小，金属伪影也越小，但是会导致金属背景区域的细节失真。在很多实际情况中，x射线的光谱和金属信息是不可知的，所以我们可以简单的令Xb(m，n)＝1，这样自适应衰减调节其实就是线性衰减，在仿真程序中也只提供一个缩放因子Xc＝0.1。

此外还要通过滤波进一步减小数据的波动，这里我们对衰减后的金属投影数据M1(m，n)使用自适应滤波，进一步降低噪声，得到较平滑的金属投影数据M2(m，n)，这个滤波过程可以表示为：

$M2(m,n)=M1(m,n)\⊗K\left(m\right),m\∈L\left(n\right)$

K(m)是一个滤波函数，可以是均值滤波，中值滤波和裁减中值滤波，根据经验，中值滤波也能很好的去除金属伪影和光子饥渴噪声。中值滤波函数窗宽的选取是由探测器总数决定的。

仿真实验中对于180个探测器的CT，窗宽可以取5，随着探测器数的增大，应适当加大窗宽，但也不能过大，否则会使金属物体边缘形变。图1、图2为衰减和滤波前后投影数据对比图(The projection data before and after scaling andfiltering)，其中，图1为原始投影数据，中间突出部分就是金属局域投影数据。图2是经过自适因衰减和滤波后的投影数据(Xc＝0.1)，由图2可见，投影数据的跃变明显削弱，重建图像后基本消除金属伪影，但是由于对投影数据进行衰减导致金属细节模糊和边界失真，因此还要进行金属区域补偿。

3、对金属区域进行补偿

金属投影数据经过自适应衰减和滤波，再把修正过的金属投影数据加入背景数据中：

M3(m，n)＝M2(m，n)+b(m，n)，m∈L(n)，

金属区域外的投影数据保持不变，对P3使用FBP重建图像Fnew(i，j)，i，j＝1，2，3…M，M是探测器总数。由于自适应衰减会模糊金属的细节，所以需要对图像Fnew(i，j)的金属局域进行补偿，达到细节增强的目的。先对原始投影数据P的金属区域使用EM迭代，获取金属区域的迭代像素值Fem(i，j)，i，j∈S，S表示金属区域。对金属区域的补偿公式为：

Fnew(i，j)＝(Fnew(i，j)+Wa*Fem(i，j))/Wd i，j∈S

Wa为常量权重因子，表示迭代的金属像素值的补偿度，由于EM迭代法是基于统计理论的迭代法，受噪声影响小，当迭代像素点较多时其计算的像素值可信度高，取Wa大于等于1。但是当金属区域很小时，由于用于统计的像素点很少，导致可信度降低，此时Wa的取值应小于1。Wd是一个调节显示窗宽的参数，取值一般为10到20。虽然EM迭代法比较慢，但是金属物体一般较小，所以EM迭代金属区域还是快速和有效的。

具体本发明流程如图3所示。

Claims (4)

1.基于衰减滤波的CT图像去金属伪影混合重建法，其特征在于，

包括以下步骤：

1)判断金属投影区域，确定金属投影区域；

2)对确定金属投影区域自适应衰减调节和滤波；

3)通过FBP重建整幅图像，再利用原始投影数据对金属投影区域进行EM迭代重建，并对自适应衰减滤波重建后的金属投影区域进行校正；

4)对金属投影区域进行补偿。

2.根据权利要求1所述的混合重建法，其特征在于：所述步骤1)使用FBP获得原始图像，选择适当的阈值提取金属区域，然后对金属区域利用旋转像素坐标系的方法，在每个投影角度下进行重投影，确定金属区域在投影数据中的范围。

3.根据权利要求1所述的混合重建法，其特征在于：所述步骤2)对衰减后的金属投影数据使用自适应滤波，进一步降低噪声，得到较平滑的金属投影数据；由于对投影数据进行衰减导致金属细节模糊和边界失真，需要进行金属区域补偿，达到细节增强的目的。

4.根据权利要求1所述的混合重建法，其特征在于：所述步骤4)金属投影数据经过自适应衰减和滤波，再把修正过的金属投影数据加入背景数据中。

Images