CN103021003A - 一种实现低剂量快速微分相衬ct成像的图像重建方法 - Google Patents
一种实现低剂量快速微分相衬ct成像的图像重建方法 Download PDFInfo
- Publication number
- CN103021003A CN103021003A CN2012104787445A CN201210478744A CN103021003A CN 103021003 A CN103021003 A CN 103021003A CN 2012104787445 A CN2012104787445 A CN 2012104787445A CN 201210478744 A CN201210478744 A CN 201210478744A CN 103021003 A CN103021003 A CN 103021003A
- Authority
- CN
- China
- Prior art keywords
- image
- projection
- reconstructed image
- imaging
- data
- 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
Images
Landscapes
- Apparatus For Radiation Diagnosis (AREA)
Abstract
一种实现低剂量快速微分相衬CT成像的图像重建方法,属于微分相衬CT成像技术领域,首先由微分相衬CT成像系统的检测器的不完备检测数据,利用相位信息提取方法,得到X-射线穿过扫描物体发生折射的折射角,进而由折射角获得图像重建所需的投影数据,最后利用该投影数据重建扫描物体折射率相位偏移项的梯度图像。本发明是一种微分相衬CT的迭代图像重建方法,其每次迭代计算都执行以下顺序:粗略的迭代图像重建;施加正项约束;计算平衡因子;重建图像初始估计的最优化。本发明方法能够在微分相衬CT成像系统投影数据不完备的情况下得到高质量的重建图像,从而能够实现低剂量、快速的微分相位衬度CT成像。
Description
技术领域
本发明涉及一种实现低剂量、快速微分相衬CT成像的迭代图像重建方法,尤其涉及一种由微分相衬CT成像系统的检测器的不完备检测数据得到折射角,进而由折射角变换获得重建所需投影数据,从而重建出扫描物体折射率相位偏移项梯度图像的一种迭代图像重建方法。
背景技术
传统的CT是基于不同材料或组织对X-射线吸收的不同而实现的,但当物体对X-射线的吸收很微弱时,图像的吸收衬度就很不明显。事实上,X-射线穿过物体时,不仅有强度的衰减也有相位的变化,这可以由其复折射率n来描述(n=1-δ+iβ,δ为相移偏移,β为吸收项)。对于轻元素组成的物质而言,相位偏移数值的改变是吸收项数值改变的上千倍以上,所以可以用图像的相位衬度来反映物体的密度分布,即相位衬度CT成像,也简称相衬CT成像。目前,微分相衬CT是相关技术领域的研究热点;特别是基于光栅干涉仪的微分相衬CT成像,由于它对X-射线的单色性和相干性均要求不高,使用普通的X-射线光源就可以实现,更是人们关注的焦点。但微分相衬CT成像系统普遍存在曝光时间长、辐射剂量大、成像耗时的问题,从而制约着其步入实际应用,因此研究投影数据不完备情况下的微分相衬CT图像重建算法具有重要意义。据查,目前为止有大量学者对微分相衬CT图像重建算法进行了研究,如Huang等在文章“Direct computed tomographic reconstruction for directional-derivative projections of computed tomography of diffraction enhanced imaging”提出了一种FBP(filter-backproject,滤波反投影)类算法直接重建折射率相位项梯度的分布。WANG等在文章“An ART iterative reconstruction algorithm for computed tomography of diffraction enhanced imaging”将经典的ART(Algebraic reconstruction technique,代数重建技术)用于折射率相位项梯度的重建。但以往的方法存在很多不足,这主要体现在FBP类算法要求投影数据是精确的、完备的,并且抗噪能力差,而经典的ART算法存储系统矩阵的内存开销大、重建速度慢。
发明内容
针对背景技术中所述的微分相衬CT曝光时间长、辐射剂量大、成像耗时,以及以往方法要求投影数据是精确完备的、抗噪能力差、存储系统矩阵内存开销大、重建速度慢等缺点,本发明将压缩感知理论和CT迭代图像重建技术相结合,并引入距离驱动的正/反投影运算计算策略,设计了一种实现低剂量快速微分相衬CT成像的图像重建方法。
本发明的技术方案如下:
一种实现低剂量快速微分相衬CT成像的图像重建方法,首先由微分相衬CT成像系统的检测器的不完备检测数据,利用相位信息提取方法,得到X-射线穿过扫描物体发生折射的折射角,进而由折射角获得图像重建所需的投影数据,最后利用该投影数据重建扫描物体折射率相位偏移项的梯度图像;
所述的图像重建所需投影数据具体为 或 其中θ是由微分相衬CT成像系统的检测器的不完备检测数据得到的折射角, 表示X-射线与成像断层所在二维空间(x,y)平面坐标系统的X轴正向的夹角;以上投影数据的具体形式,是基于X-射线穿过扫描物体发生折射的折射角与扫描物体折射率相位偏移项的如下关系的: 其中δ(x,y)表示扫描物体折射率相位偏移项在成像断层所在二维空间的分布,l表示X-射线的传播路径;
所述的扫描物体折射率相位偏移项的梯度图像是稀疏的;当所述投影数据具体为 时,该图像为 表示δ(x,y)沿水平方向偏导数的空间分布;当所述投影数据具体为 时,该图像为 表示δ(x,y)沿垂直方向偏导数的空间分布;或者由 得到关于 的图像,表示δ(x,y)梯度的空间分布,其中|□|表示向量□的模;该方法的步骤如下:
S1)预处理
包括:由微分相衬CT成像系统的检测器的不完备检测数据得到折射角,进而由折射角获得图像重建所需投影数据;根据其基本形式,构造最优化计算的目标函数;确定平衡因子中的线性变换系数;确定最速下降算法的步长因子;确定图像重建方法的迭代终止准则,用σ表示该准则;记重建图像为X,并将其初始化为零;
S2)粗略的迭代图像重建
记X0为迭代计算的初始值,令X0=X,由此进行粗略的迭代图像重建;其每次迭代计算都遍历每个投影角度,对于每个投影角度,顺序执行以下四个步骤:正投影、作差、反投影、修正,首先利用距离驱动的正投影算法对重建图像进行正投影运算得到正投影投影数据,再将正投影投影数据与真实的投影数据作差运算,然后利用距离驱动的反投影算法将差运算后的结果进行反投影运算,最后对反投影运算的结果和重建图像进行和运算以对重建图像进行 修正,得到粗略重建图像;
S3)施加正项约束
对粗略重建图像施加正项约束,即:当粗略重建图像像素值非负时,像素值保持不变,否则变为零,粗略重建图像施加该正项约束后得到重建图像的初始估计X1;
S4)计算平衡因子
平衡因子为重建图像的初始估计X1与步骤S2)中所述初始值X0偏差的2-范数的以下形式的线性变换:k||X1-X0||2,其中k为常数,称作线性变换系数,||□||2表示向量□的2-范数;
S5)重建图像初始估计的最优化
利用最速下降算法,通过搜索目标函数的最小值来最优化重建图像的初始估计X1;目标函数的基本形式为:||X||1,其中||□||1表示向量□的1-范数;最速下降算法迭代处理过程的初始值为重建图像的初始估计X1;将平衡因子与最速下降算法的步长因子相乘,共同控制目标函数的下降幅度,得到重建图像的最优估计,并赋值给重建图像X;
S6)判断是否满足图像重建方法的迭代终止准则σ,若满足,迭代结束进入步骤S7),否则返回到步骤S2);
S7)输出重建图像X,即扫描物体折射率相位偏移项的梯度图像。
本发明的有益效果是:可以在较短的曝光时间内,以较低的辐射剂量,快速且高质量地完成微分相衬CT的图像重建,从而可以推动微分相衬CT成像系统步入临床应用。
附图说明
图1是本发明一种实现低剂量快速微分相衬CT成像的图像重建方法的流程框图,S1)-S7)为其各个步骤。
具体实施方式
下面结合实施例对本发明作进一步说明,但不限于此。
实施例:
一种实现低剂量快速微分相衬CT成像的图像重建方法,首先由微分相衬CT成像系统的 检测器的不完备检测数据,利用相位信息提取方法,得到X-射线穿过扫描物体发生折射的折射角,进而由折射角获得图像重建所需的投影数据,最后利用该投影数据重建扫描物体折射率相位偏移项的梯度图像;
所述的图像重建所需投影数据具体为 或 其中θ是由微分相衬CT成像系统的检测器的不完备检测数据得到的折射角, 表示X-射线与成像断层所在二维空间(x,y)平面坐标系统的X轴正向的夹角;以上投影数据的具体形式,是基于X-射线穿过扫描物体发生折射的折射角与扫描物体折射率相位偏移项的如下关系的: 其中δ(x,y)表示扫描物体折射率相位偏移项在成像断层所在二维空间的分布,l表示X-射线的传播路径;
所述的扫描物体折射率相位偏移项的梯度图像是稀疏的;当所述投影数据具体为 时,该图像为 表示δ(x,y)沿水平方向偏导数的空间分布;当所述投影数据具体为 时,该图像为 表示δ(x,y)沿垂直方向偏导数的空间分布;或者由 得到关于 的图像,表示δ(x,y)梯度的空间分布,其中|□|表示向量□的模;该方法的步骤如下:
S1)预处理
包括:由微分相衬CT成像系统的检测器的不完备检测数据得到折射角,进而由折射角获得图像重建所需投影数据;根据其基本形式,构造最优化计算的目标函数;确定平衡因子中的线性变换系数;确定最速下降算法的步长因子;确定图像重建方法的迭代终止准则,用σ表示该准则;记重建图像为X,并将其初始化为零;
S2)粗略的迭代图像重建
记X0为迭代计算的初始值,令X0=X,由此进行粗略的迭代图像重建;其每次迭代计算都遍历每个投影角度,对于每个投影角度,顺序执行以下四个步骤:正投影、作差、反投影、修正,首先利用距离驱动的正投影算法对重建图像进行正投影运算得到正投影投影数据,再将正投影投影数据与真实的投影数据作差运算,然后利用距离驱动的反投影算法将差运算后的结果进行反投影运算,最后对反投影运算的结果和重建图像进行和运算以对重建图像进行修正,得到粗略重建图像;
S3)施加正项约束
对粗略重建图像施加正项约束,即:当粗略重建图像像素值非负时,像素值保持不变,否则变为零,粗略重建图像施加该正项约束后得到重建图像的初始估计X1;
S4)计算平衡因子
平衡因子为重建图像的初始估计X1与步骤S2)中所述初始值X0偏差的2-范数的以下形式的线性变换:k||X1-X0||2,其中k为常数,称作线性变换系数,||□||2表示向量□的2-范数;
S5)重建图像初始估计的最优化
利用最速下降算法,通过搜索目标函数的最小值来最优化重建图像的初始估计X1;目标函数的基本形式为:||X||1,其中||□||1表示向量□的1-范数;最速下降算法迭代处理过程的初始值为重建图像的初始估计X1;将平衡因子与最速下降算法的步长因子相乘,共同控制目标函数的下降幅度,得到重建图像的最优估计,并赋值给重建图像X;
S6)判断是否满足图像重建方法的迭代终止准则σ,若满足,迭代结束进入步骤S7),否则返回到步骤S2);
S7)输出重建图像X,即扫描物体折射率相位偏移项的梯度图像。
Claims (1)
1.一种实现低剂量快速微分相衬CT成像的图像重建方法,首先由微分相衬CT成像系统的检测器的不完备检测数据,利用相位信息提取方法,得到X-射线穿过扫描物体发生折射的折射角,进而由折射角获得图像重建所需的投影数据,最后利用该投影数据重建扫描物体折射率相位偏移项的梯度图像;
所述的图像重建所需投影数据具体为或其中是由微分相衬CT成像系统的检测器的不完备检测数据得到的折射角,表示X-射线与成像断层所在二维空间(x,y)平面坐标系统的X轴正向的夹角;以上投影数据的具体形式,是基于X-射线穿过扫描物体发生折射的折射角与扫描物体折射率相位偏移项的如下关系的: 其中δ(x,y)表示扫描物体折射率相位偏移项在成像断层所在二维空间的分布,l表示X-射线的传播路径;
所述的扫描物体折射率相位偏移项的梯度图像是稀疏的;当所述投影数据具体为时,该图像为表示δ(x,y)沿水平方向偏导数的空间分布;当所述投影数据具体为时,该图像为表示δ(x,y)沿垂直方向偏导数的空间分布;或者由 得到关于的图像,表示δ(x,y)梯度的空间分布,其中表示向量□的模;该方法的步骤如下:
S1)预处理
包括:由微分相衬CT成像系统的检测器的不完备检测数据得到折射角,进而由折射角获得图像重建所需投影数据;根据其基本形式,构造最优化计算的目标函数;确定平衡因子中的线性变换系数;确定最速下降算法的步长因子;确定图像重建方法的迭代终止准则,用σ表示该准则;记重建图像为X,并将其初始化为零;
S2)粗略的迭代图像重建
记X0为迭代计算的初始值,令X0=X,由此进行粗略的迭代图像重建;其每次迭代计算都遍历每个投影角度,对于每个投影角度,顺序执行以下四个步骤:正投影、作差、反投影、修正,首先利用距离驱动的正投影算法对重建图像进行正投影运算得到正投影投影数据,再将正投影投影数据与真实的投影数据作差运算,然后利用距离驱动的反投影算法将差运算后的结果进行反投影运算,最后对反投影运算的结果和重建图像进行和运算以对重建图像进行修正,得到粗略重建图像;
S3)施加正项约束
对粗略重建图像施加正项约束,即:当粗略重建图像像素值非负时,像素值保持不变,否则变为零,粗略重建图像施加该正项约束后得到重建图像的初始估计X1;
S4)计算平衡因子
S5)重建图像初始估计的最优化
利用最速下降算法,通过搜索目标函数的最小值来最优化重建图像的初始估计X1;目标函数的基本形式为:||X||1,其中表示向量的1-范数;最速下降算法迭代处理过程的初始值为重建图像的初始估计X1;将平衡因子与最速下降算法的步长因子相乘,共同控制目标函数的下降幅度,得到重建图像的最优估计,并赋值给重建图像X;
S6)判断是否满足图像重建方法的迭代终止准则σ,若满足,迭代结束进入步骤S7),否则返回到步骤S2);
S7)输出重建图像X,即扫描物体折射率相位偏移项的梯度图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210478744.5A CN103021003B (zh) | 2012-11-22 | 2012-11-22 | 一种实现低剂量快速微分相衬ct成像的图像重建方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210478744.5A CN103021003B (zh) | 2012-11-22 | 2012-11-22 | 一种实现低剂量快速微分相衬ct成像的图像重建方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103021003A true CN103021003A (zh) | 2013-04-03 |
CN103021003B CN103021003B (zh) | 2015-04-22 |
Family
ID=47969569
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210478744.5A Active CN103021003B (zh) | 2012-11-22 | 2012-11-22 | 一种实现低剂量快速微分相衬ct成像的图像重建方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103021003B (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103400385A (zh) * | 2013-07-22 | 2013-11-20 | 西安电子科技大学 | 稀疏动态集成选择的胃部ct图像疑似淋巴结提取方法 |
CN104021582A (zh) * | 2014-05-28 | 2014-09-03 | 山东大学 | 一种ct迭代图像重建方法 |
KR20150098405A (ko) * | 2014-02-20 | 2015-08-28 | 한양대학교 산학협력단 | 스파즈 오브젝트로부터 ct 영상을 복원하는 방법 및 장치 |
CN108257088A (zh) * | 2016-12-29 | 2018-07-06 | 通用电气公司 | 斜率约束三次插值 |
CN109377533A (zh) * | 2018-09-21 | 2019-02-22 | 上海交通大学 | X射线光栅相衬成像重建方法及其系统 |
CN111009019A (zh) * | 2019-09-27 | 2020-04-14 | 北京航空航天大学 | 基于深度学习的微分相衬ct不完备数据重建方法 |
CN112509120A (zh) * | 2019-12-19 | 2021-03-16 | 上海联影智能医疗科技有限公司 | 用于重建图像的系统和方法 |
CN115363617A (zh) * | 2022-10-05 | 2022-11-22 | 济南汉江光电科技有限公司 | 一种微分相位衬度ct的采集和重建方法 |
CN117115577A (zh) * | 2023-10-23 | 2023-11-24 | 南京安科医疗科技有限公司 | 一种心脏ct投影域最优相位识别方法、设备及介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102663790A (zh) * | 2012-05-08 | 2012-09-12 | 南方医科大学 | 一种稀疏角度ct图像的重建方法 |
CN102737392A (zh) * | 2012-06-07 | 2012-10-17 | 南方医科大学 | 一种低剂量x线ct图像的非局部正则化先验重建方法 |
-
2012
- 2012-11-22 CN CN201210478744.5A patent/CN103021003B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102663790A (zh) * | 2012-05-08 | 2012-09-12 | 南方医科大学 | 一种稀疏角度ct图像的重建方法 |
CN102737392A (zh) * | 2012-06-07 | 2012-10-17 | 南方医科大学 | 一种低剂量x线ct图像的非局部正则化先验重建方法 |
Non-Patent Citations (3)
Title |
---|
WANG ZHEN-TIAN ET AL.: "An ART iterative computed tomography reconstruction algorithm for of diffraction enhanced imaging", 《CHINESE PHYSICS C》 * |
ZHIHUA QI ET AL.: "A Novel Method to Reduce Data Acquisition Time in Differential Phase Contrast Computed Tomography using Compressed Sensing", 《PROC. SPIE 7258,MEDICAL IMAGING 2009: PHYSICS OF MEDICAL IMAGING》 * |
张凯 等: "代数迭代重建算法在折射衬度CT中的应用", 《物理学报》 * |
Cited By (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103400385B (zh) * | 2013-07-22 | 2016-05-25 | 西安电子科技大学 | 稀疏动态集成选择的胃部ct图像疑似淋巴结提取方法 |
CN103400385A (zh) * | 2013-07-22 | 2013-11-20 | 西安电子科技大学 | 稀疏动态集成选择的胃部ct图像疑似淋巴结提取方法 |
KR102214925B1 (ko) | 2014-02-20 | 2021-02-10 | 한양대학교 산학협력단 | 스파즈 오브젝트로부터 ct 영상을 복원하는 방법 및 장치 |
KR20150098405A (ko) * | 2014-02-20 | 2015-08-28 | 한양대학교 산학협력단 | 스파즈 오브젝트로부터 ct 영상을 복원하는 방법 및 장치 |
CN104021582A (zh) * | 2014-05-28 | 2014-09-03 | 山东大学 | 一种ct迭代图像重建方法 |
CN108257088A (zh) * | 2016-12-29 | 2018-07-06 | 通用电气公司 | 斜率约束三次插值 |
CN108257088B (zh) * | 2016-12-29 | 2022-03-01 | 通用电气公司 | 利用斜率约束三次插值的图像处理方法和系统 |
CN109377533B (zh) * | 2018-09-21 | 2023-01-24 | 上海交通大学 | X射线光栅相衬成像重建方法及其系统 |
CN109377533A (zh) * | 2018-09-21 | 2019-02-22 | 上海交通大学 | X射线光栅相衬成像重建方法及其系统 |
CN111009019B (zh) * | 2019-09-27 | 2021-07-16 | 北京航空航天大学 | 基于深度学习的微分相衬ct不完备数据重建方法 |
CN111009019A (zh) * | 2019-09-27 | 2020-04-14 | 北京航空航天大学 | 基于深度学习的微分相衬ct不完备数据重建方法 |
CN112509120A (zh) * | 2019-12-19 | 2021-03-16 | 上海联影智能医疗科技有限公司 | 用于重建图像的系统和方法 |
CN115363617A (zh) * | 2022-10-05 | 2022-11-22 | 济南汉江光电科技有限公司 | 一种微分相位衬度ct的采集和重建方法 |
CN115363617B (zh) * | 2022-10-05 | 2024-04-26 | 济南汉江光电科技有限公司 | 一种微分相位衬度ct的采集和重建方法 |
CN117115577A (zh) * | 2023-10-23 | 2023-11-24 | 南京安科医疗科技有限公司 | 一种心脏ct投影域最优相位识别方法、设备及介质 |
CN117115577B (zh) * | 2023-10-23 | 2023-12-26 | 南京安科医疗科技有限公司 | 一种心脏ct投影域最优相位识别方法、设备及介质 |
Also Published As
Publication number | Publication date |
---|---|
CN103021003B (zh) | 2015-04-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103021003B (zh) | 一种实现低剂量快速微分相衬ct成像的图像重建方法 | |
Paganin et al. | Single-image geometric-flow x-ray speckle tracking | |
Xu et al. | Investigation of discrete imaging models and iterative image reconstruction in differential X-ray phase-contrast tomography | |
Fehringer et al. | A versatile tomographic forward-and back-projection approach on multi-GPUs | |
Cong et al. | CT image reconstruction on a low dimensional manifold | |
CN104574458B (zh) | 基于非标准快速Fourier变换和交替方向法的平行束CT稀疏角度重建方法 | |
CN107004259A (zh) | 多对比度成像中的统计加权正则化 | |
Mom et al. | Mixed scale dense convolutional networks for x-ray phase contrast imaging | |
Wang et al. | A 3D Magnetospheric CT Reconstruction Method Based on 3D GAN and Supplementary Limited‐Angle 2D Soft X‐Ray Images | |
Mou et al. | Dictionary learning based low-dose x-ray CT reconstruction using a balancing principle | |
Buzmakov et al. | Analysis of computer images in the presence of metals | |
Wu et al. | Limited-angle reverse helical cone-beam CT for pipeline with low rank decomposition | |
Nilchian et al. | Differential phase-contrast X-ray computed tomography: From model discretization to image reconstruction | |
Venkatakrishnan et al. | Making advanced scientific algorithms and big scientific data management more accessible | |
Six et al. | Joint reconstruction of attenuation, refraction and dark field x-ray phase contrasts using split Barzilai-Borwein steps | |
Chukalina et al. | CT metal artifact reduction by soft inequality constraints | |
Rinkel et al. | X-ray coherent diffraction imaging: Sequential inverse problems simulation | |
Szotten | Limited data problems in x-ray and polarized light tomography | |
Li et al. | Feasibility of achieving spectral CT imaging from a single KV acquisition and deep learning method | |
Jha et al. | Incorporating reflection boundary conditions in the Neumann series radiative transport equation: application to photon propagation and reconstruction in diffuse optical imaging | |
Desmal et al. | Sparse view Compton scatter tomography with energy resolved data: experimental and simulation results | |
Tanner et al. | Registration of microtomography images: Challenges and approaches | |
Zhao et al. | Suppressing multi-material and streak artifacts with an accelerated 3D iterative image reconstruction algorithm for in-line X-ray phase-contrast computed tomography | |
Kovtun et al. | Application of nonlinear voxel distribution grid for computational speed-up for linear tomosynthesis reconstruction | |
Haase et al. | Exploring the space between smoothed and non-smooth total variation for 3D iterative CT reconstruction |
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 |