CN103180879B - 用于从投影数据对对象进行混合重建的设备和方法 - Google Patents
用于从投影数据对对象进行混合重建的设备和方法 Download PDFInfo
- Publication number
- CN103180879B CN103180879B CN201180051352.4A CN201180051352A CN103180879B CN 103180879 B CN103180879 B CN 103180879B CN 201180051352 A CN201180051352 A CN 201180051352A CN 103180879 B CN103180879 B CN 103180879B
- Authority
- CN
- China
- Prior art keywords
- image
- filtering
- wave filter
- iterative
- analysis diagram
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims description 37
- 238000004458 analytical method Methods 0.000 claims abstract description 80
- 238000010586 diagram Methods 0.000 claims abstract description 76
- 238000001514 detection method Methods 0.000 claims abstract description 50
- 238000003384 imaging method Methods 0.000 claims abstract description 47
- 238000001914 filtration Methods 0.000 claims description 85
- 230000005855 radiation Effects 0.000 claims description 29
- 230000015572 biosynthetic process Effects 0.000 claims description 14
- 239000000203 mixture Substances 0.000 claims description 13
- 239000000523 sample Substances 0.000 claims description 10
- 238000007476 Maximum Likelihood Methods 0.000 claims description 5
- 238000012546 transfer Methods 0.000 claims description 5
- 125000004122 cyclic group Chemical group 0.000 claims description 3
- 230000007423 decrease Effects 0.000 abstract description 5
- 238000012360 testing method Methods 0.000 description 11
- 238000004590 computer program Methods 0.000 description 8
- 238000013461 design Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 7
- 238000002591 computed tomography Methods 0.000 description 6
- 238000003325 tomography Methods 0.000 description 6
- 238000002600 positron emission tomography Methods 0.000 description 4
- 241001465754 Metazoa Species 0.000 description 3
- 238000013459 approach Methods 0.000 description 3
- 230000001419 dependent effect Effects 0.000 description 3
- 238000012937 correction Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012633 nuclear imaging Methods 0.000 description 2
- 238000002203 pretreatment Methods 0.000 description 2
- 230000010349 pulsation Effects 0.000 description 2
- 238000002603 single-photon emission computed tomography Methods 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 238000005728 strengthening Methods 0.000 description 2
- 230000008901 benefit Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000013170 computed tomography imaging Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000003550 marker Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 241000894007 species Species 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
-
- 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
- G06T11/006—Inverse problem, transformation from projection-space into object-space, e.g. transform methods, back-projection, algebraic methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2211/00—Image generation
- G06T2211/40—Computed tomography
- G06T2211/421—Filtered back projection [FBP]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2211/00—Image generation
- G06T2211/40—Computed tomography
- G06T2211/424—Iterative
Abstract
本发明涉及一种用于对感兴趣对象成像的成像设备。解析重建单元（12）从探测数据解析地重建对象的解析图像，特别是投影数据，以及迭代重建单元（13）从探测数据迭代地重建对象的迭代图像，其中，组合单元（14）组合解析图像和迭代图像以生成组合图像。迭代图像能包括阴影伪影，其在执行迭代重建前可以由预处理探测数据引起。解析图像显示了减少的阴影伪影，特别是，显示了完全无阴影伪影。因此，通过组合所述解析图像和所述迭代图像能生成组合图像，在所述组合图像中，与迭代图像相比减少了阴影伪影，从而提高了所述感兴趣对象重建的最终图像的质量。
Description
技术领域
本发明涉及用于对感兴趣区域成像的成像设备、成像方法和成像计算机程序。
背景技术
Johan于ScienceandTechnology,ThesisNo.1301（2007）上的论文“CombiningAnalyticalandIterativeReconstructioninHelicalCone-BeamCT”中公开了从投影数据重建计算机断层摄影图像的重建算法。对所述投影数据进行低通滤波以产生第一组经滤波的投影数据，并且对所述投影数据进行高通滤波以产生第二组经滤波的投影数据，其中，迭代地重建所述第一组经滤波的投影数据以生成迭代重建图像，并且解析地重建所述第二组经滤波的投影数据以生成解析重建图像。通过组合所述迭代重建图像和所述解析重建图像生成最终图像。
G.T.Herman在IEEETransactionsonMedicalImaging，Vol.12，No.3，1993年9月上的“AlgebraicReconstructionTechniquesCanBeMadeComputationallyEfficient”一文公开了迭代代数重建技术（ART）。从初始图像开始，在每个迭代步骤中，a）通过模拟穿过感兴趣对象的当前图像的前向投影来生成模拟投影数据，b）确定模拟投影数据与测量投影数据之间的差异，并且c）反投影这种差异以更新所述感兴趣对象的当前图像。
这种重建技术对测量投影数据中的变化敏感，所述变化能够在预处理步骤期间引入，所述预处理步骤包括，例如，管电流波动的校正或空气校准。对测量投影数据中的这些变化的敏感可能导致在重建图像中的阴影伪影并因此降低重建图像的质量。
发明内容
本发明的目的是提供用于对感兴趣对象成像的成像设备、成像方法和成像计算机程序，其中，能够生成具有改善的质量的感兴趣对象的图像。
在本发明的第一方面中，提出了一种用于对感兴趣对象成像的成像设备，所述成像设备包括：
-探测数据提供单元，其用于提供指示感兴趣对象的探测数据，
-解析重建单元，其用于从所述探测数据解析地重建所述对象的解析图像，
-迭代重建单元，其用于从所述探测数据迭代地重建所述对象的迭代图像，以及
-组合单元，其用于组合所述解析图像和所述迭代图像以生成组合图像，其中，所述组合单元适于：
-对所述解析图像应用第一滤波器，以对所述解析图像进行低通滤波，从而生成经滤波的解析图像，
-对所述迭代图像应用第二滤波器，以对所述迭代图像进行高通滤波，从而生成经滤波的迭代图像，以及
-组合所述经滤波的解析图像和所述经滤波的迭代图像。
解析重建流程对探测数据的预处理不那么敏感。因此，减少了所述解析图像中的阴影伪影，或者所述解析图像不显示任何阴影伪影。由此，通过组合包括减少的阴影伪影或者完全无阴影伪影的解析图像与所述迭代图像，能够生成组合图像，与迭代图像相比，在组合图像中减少了阴影伪影，从而提高了所述感兴趣对象的重建最终图像的质量。
所述组合单元能够适于例如对解析图像和迭代图像进行求和或者对解析图像和迭代图像进行加权平均，以生成组合图像。
所述组合单元适于i）对解析图像应用第一滤波器，用于对解析图像低通滤波，从而生成经滤波的解析图像；ii）对迭代图像应用第二滤波器，用于对迭代图像高通滤波，从而生成经滤波的迭代图像；以及iii）组合经滤波的解析图像和经滤波的迭代图像。通过使用迭代图像的高空间频率能够有效抑制主要位于解析图像中的高空间频率中的噪声，而存在于迭代图像中的阴影伪影能够通过使用解析图像的低空间频率进行抑制。由此，所述组合图像能够具有与迭代图像的噪声值对应的相对低的噪声值，以及减少的阴影伪影或完全无阴影伪影。因此，进一步提高了最终图像的质量。
所述组合单元优选适于执行如下操作：通过傅里叶变换所述解析图像和所述迭代图像进行滤波，向经傅里叶变换的解析图像应用定义第一滤波器的第一传递函数，向经傅里叶变换的迭代图像应用定义第二滤波器的第二传递函数，以及逆傅里叶变换所述解析图像和所述迭代图像。所述组合单元能够适于在傅里叶域中或者在空间域中组合经滤波的解析图像和经滤波的迭代图像。由此，所述组合单元能够适于以在执行逆傅里叶变换之前或者在已执行逆傅里叶变换之后组合经滤波的解析图像和经滤波的迭代图像，其中，当然，如果在逆傅里叶变换进行之前执行所述组合，则所得到的组合图像是经逆傅里叶变换的。在傅里叶域中，优选通过将相应的传递函数乘以相应的经傅里叶变换的图像来将第一和第二传递函数分别应用于经傅里叶变换的解析图像和经傅里叶变换的迭代图像。
在实施例中，第一传递函数H1(k)的定义如下：
其中，k是空间频率的模量，以及k1、k2是滤波器的设计参数。典型取值范围是0<k1<4lp/cm（每厘米线对）和1lp/cm<k2<6lp/cm。设计参数k1、k2能够由校准重建预定义，其中，能够针对所述设计参数k1、k2的不同值执行滤波，并且其中，能选择设计参数k1、k2的值，其导致最小图像伪影。能够针对不同对象或者针对对象的不同部分确定设计参数值，以便针对每个对象或者对象的每个部分提供优化的设计参数值。
第二传递函数优选适于使得第一传递函数和第二传递函数之和为一。然而，第一传递函数和第二传递函数还能够适于使得这些传递函数之和是低通传递函数。这能够导致具有降低的空间分辨率的组合图像，这样的组合图像在感兴趣结构不要求非常高的空间分辨率的情况下是希望的，并且其能够具有进一步降低的噪声。优选的低通传递函数Hd(k)，其能够是第一传递函数与第二传递函数求和的结果，能够被定义如下：
其中，是设计参数，其由如下描述的校准重建确定。
在另一实施例中，第一传递函数和第二传递函数适于使得这些传递函数之和是边缘增强传递函数。所述边缘增强传递函数能够适于增强希望的频率分量，以便获得对应的边缘增强。如果所述组合图像包括增强的边缘，能够由例如医师的用户或者由例如使用增强边缘的分割算法的算法更容易识别这些边缘。
在优选实施例中，如果第一滤波器被应用于所述解析图像，第一滤波器适于使得预定义高频率通过第一滤波器，并且其中，如果第二滤波器被应用于所述迭代图像，第二滤波器适于使得由第二滤波器抑制预定义高频率。因为所述解析图像的预定义高频率也通过第一滤波器，组合的最终图像能够包括不对应于最小可能的噪声而对应于更大噪声的噪声纹理（texture）。例如，所述解析图像的预定义高频率，其通过第一滤波器并且因此其存在于组合的最终图像中，能够被选取以使得所述组合的最终图像具有这样的噪声纹理，即，所述噪声纹理对应于希望的噪声纹理，特别是对应于放射科医师想要的噪声纹理和/或对应于放射科医师熟悉的噪声纹理。
在另一实施例中，定义第一滤波器的第一传递函数能够如下定义：
其中，附加参数ε的范围通常在0.05到0.4。附加参数ε也能够由校准重建确定，其中，针对不同对象或者针对对象的不同部分，能提供所述附加参数ε的不同值，其中，针对相应的对象或对象的相应部分来优化附加参数ε的相应值。参数k1、k2是上文提到的设计参数，其可以处在上文提到的典型值范围之内。
探测数据提供单元能够是在其中已经存储了探测数据的存储单元。然而，探测数据提供单元也能够是用于采集探测数据的采集单元，所述探测数据优选是投影数据。例如，探测数据提供单元能够包括用于生成贯穿感兴趣对象的辐射的辐射源以及用于探测贯穿感兴趣对象之后的辐射并根据所探测到的辐射生成探测数据的探测单元。所述辐射源优选是X射线源并且所述探测单元优选适于探测贯穿感兴趣对象之后的X射线。所述成像设备能够是计算机断层摄影设备或C形臂X射线设备。所述成像设备也能够是另一种成像模态，如核成像模态，例如，单光子发射计算机断层摄影设备或正电子发射断层摄影设备，其中，所述辐射源是核发射器并且所述探测单元适于探测发射的核辐射。
进一步优选地，所述解析重建单元适于通过使用如下重建方法中的至少一种来重建解析图像：如在例如D.Heuscher等人于PhysicsinMedicineandBiology，No.49，第2219至2238页，2004年上的“Redundantdataandexacthelicalcone-beamreconstruction”一文中所描述的楔形滤波反投影；如在例如M.Kachelrieβ等人于InstituteofMedicalPhysics，2004年6月上的“Extendedparallelbackprojectionforstandardthree-dimensionalandphase-correlatedfour-dimensionalaxialandspiralcone-beamCTwitharbitrarypitch,arbitrarycone-angle,and100%doseusage”一文中所描述的扩展并行滤波反投影；如在例如K.Taguchi于PhysicsinMedicineandBiology，No.49，第2351至2364页，2004年上的“Anewweightingschemeforcone-beamhelicalCTtoreducetheimagenoise”一文中所描述的无并行重组合的滤波反投影；如在例如K.Stierstorfer等人于PhysicsinMedicineandBiology，No.49，第2209至2218页，2004年上的“WeightedFBP–asimpleapproximate3DFBPalgorithmformultislicespiralCTwithgooddoseusageforarbitrarypitch”一文中所描述的加权滤波反投影；如在例如M.Grass于PhysicsinMedicineandBiology，No.46，第1595页至1610页，2001年上的“Angularweightedhybridcone-beamCTreconstructionforcirculartrajectories”一文中所述的角加权混合循环重建。
还优选地的是，所述迭代重建单元适于通过使用如下重建方法中的至少一种来重建迭代图像：如在例如G.T.Herman于IEEETransactionsonmedicalimaging，Vol.12，No.3，1993年9月上的“AlgebraicReconstructionTechniquesCanBeMadeComputationallyEfficient”一文中所描述的代数重建技术（ART）；如在例如K.Mueller等人于IEEETransactionsonmedicalimaging,Vol.19,No.12，2000年12月上的“Rapid3-DCone-BeamReconstructionwiththeSimultaneousAlgebraicReconstructionTechnique(SART)Using2-DTextureMappingHardware”一文中所描述的同时代数重建技术（SART）；极大似然重建。在例如J.A.Fessler于UniversityofMichigan的“StatisticalImageReconstructionMethodsforTransmissionTomography”一书中公开了已知极大似然重建的若干实施例，其中，所述迭代重建单元适于使用极大似然重建的这些实施例中的一个。
这些重建方法允许以高图像质量分别重建解析图像和迭代图像。
在本发明的另一方面中，提出了一种用于对感兴趣对象成像的成像方法，其中，所述成像方法包括：
-提供指示感兴趣对象的探测数据，
-从所述探测数据解析地重建所述对象的解析图像，
-从所述探测数据迭代地重建所述对象的迭代图像，
-对所述解析图像应用第一滤波器，以对所述解析图像进行低通滤波，从而生成经滤波的解析图像，
-对所述迭代图像应用第二滤波器，以对所述迭代图像进行高通滤波，从而生成经滤波的迭代图像，以及
-组合所述经滤波的解析图像和所述经滤波的迭代图像以生成组合图像。
在本发明的另一方面中，提出了一种用于对感兴趣对象成像的成像计算机程序，其中，所述成像计算机程序包括程序代码模块，当所述成像计算机程序在控制根据权利要求1所述的成像设备的计算机上运行时，所述程序代码模块令所述成像设备执行根据权利要求10所述的成像方法的步骤。
应当理解，根据权利要求1所述的成像设备、根据权利要求10所述的成像方法以及根据权利要求11所述的成像计算机程序具有如在从属权利要求中定义的类似的和/或相同的优选实施例。
应当理解，本发明的优选实施例也能够是从属权利要求与相应的独立权利要求的任意组合。
参考下文描述的实施例，本发明的这些和其他方面将显而易见并得以阐述。
附图说明
在附图中：
图1图解性和示范性示出了用于对感兴趣对象成像的成像设备的实施例；
图2示出了了示范性图示了用于对感兴趣对象成像的成像方法的实施例的流程图；以及
图3图解性和示范性示出了若干中间图像和最终重建的组合图像。
具体实施方式
图1图解性和示范性示出了用于对感兴趣对象成像的成像设备。在这一实施例中，成像设备1是计算机断层摄影设备。所述计算机断层摄影设备1包括用于提供指示所述感兴趣对象的投影数据的探测数据提供单元16。探测数据提供单元16包括机架15，机架15能够关于平行于z方向延伸的旋转轴R旋转。辐射源2，其在这一实施例中是X射线管，被安装在机架15上。辐射源2配备有准直器3，准直器3在这一实施例中从辐射源2生成的辐射形成锥形辐射束4。所述辐射贯穿检查区5中的感兴趣对象（未示出），诸如人或人的部分，在这一实施例中，所述检查区5为圆柱形的。在贯穿检查区5之后，辐射束4入射在包括二维探测表面的探测单元6上。探测单元6被安装在机架15上。
探测数据提供单元16包括两个电机7、8。机架15由电机7以优选恒定但角度能调节的速度驱动。提供电机8用于平行于旋转轴R或z轴的方向来位移检查区5中被布置在桌台上、特别是被布置在扫描床上的对象。这些电机7、8由控制单元9控制，例如使得辐射源2和检查区5以及由此使得检查区5之内的感兴趣对象沿着螺旋轨线相对于彼此移动。然而，也可能对象或检查区5不移动，而仅仅旋转辐射源2，即辐射源2相对于对象或检查区5沿着圆形轨线移动。此外，在另一实施例中，准直器3能够适于形成另一射束形状，特别是扇形射束，并且探测单元6能够包括探测表面，其对应于其他射束形状、特别对应于扇形射束成形。
在辐射源2和检查区5的相对移动期间，探测单元6根据探测单元6的探测表面上的辐射事件生成探测数据，在这一实施例中为投影数据。
提供探测数据至图像生成装置10以从探测数据生成感兴趣对象的图像。图像生成装置10包括：解析重建单元12，其用于从所述探测数据解析地重建对象的解析图像；迭代重建单元13，其用于从所述探测数据迭代地重建对象的迭代图像；以及组合单元14，其用于组合解析图像和迭代图像以生成组合图像。提供所述组合图像至显示单元11以显示所述组合图像。
图像生成装置10优选也由控制单元9控制。在另一实施例中，图像生成装置10也能够包括自己的控制单元，以控制图像生成装置10。
解析重建单元12优选适于通过将滤波反投影算法应用至所述探测数据来重建解析图像，例如，上文提到的楔形滤波反投影、扩展并行滤波反投影、无并行重组合的滤波反投影、加权反投影和角加权混合循环重建中的一种。解析重建单元12也能够适于将另一解析重建算法应用至所述探测数据。
迭代重建单元13优选适于通过使用在例如上文提到的J.A.Fessler的书籍中公开的极大似然法来重建迭代图像。在另一实施例中，所述迭代重建单元适于使用另一迭代重建方法，如在例如J.-B.Thibault等人于9thInternationalMeetingonFullyThree-DimensionalImageReconstructioninRadiologyandNuclearMedicine，第112至115页上的“Correctionofgainfluctuationsiniterativetomographicimagereconstruction”一文中描述的那一种。
组合单元14适于在傅里叶域中组合解析图像和迭代图像。具体而言，组合单元14适于将第一滤波器应用至解析图像以对所述解析图像进行低通滤波，以便生成经滤波的解析图像，以及将第二滤波器应用至迭代图像以对所述迭代图像进行高通滤波，以便生成经滤波的迭代图像。组合单元14还适于组合经滤波的解析图像和经滤波的迭代图像。组合单元14优选适于对经滤波的解析图像和经滤波的迭代图像求和，以便组合这些经滤波的图像。所述组合单元也能够适于对经滤波的解析图像和经滤波的迭代图像进行加权平均。
组合单元14能够适于执行如下操作：通过傅里叶变换解析图像和迭代图像进行滤波；向经傅里叶变换的解析图像应用定义第一滤波器的第一传递函数；向经傅里叶变换的迭代图像应用定义第二滤波器的第二传递函数，以及逆傅里叶变换解析图像和迭代图像。组合单元14能够适于在傅里叶域中或者在空间域中组合经滤波的解析图像和经滤波的迭代图像。由此，组合单元14能够适于在执行逆傅里叶变换之前或者在已执行逆傅里叶变换之后组合经滤波的解析图像和经滤波的迭代图像，其中，当然，如果在逆傅里叶变换进行之前执行组合，所得到的组合图像是经逆傅里叶变换的。在傅里叶域中，优选通过相应的传递函数乘以相应的傅里叶变换图像分别将第一和第二传递函数应用至经傅里叶变换的解析图像和经傅里叶变换的迭代图像。
组合单元14能够适于使用例如在方程（1）中定义的第一传递函数或者在方程（3）中定义的第一传递函数。第二传递函数优选适于使得第一传递函数和第二传递函数之和为一。然而，也能够选取第二传递函数以使得如在例如方程（1）或方程（3）中定义的第一传递函数和第二传递函数之和是如在例如方程（2）中定义的低通传递函数或边缘增强传递函数。
尽管如上文描述的组合单元在傅里叶域中执行滤波操作，所述组合单元也能够适于在空间域中执行滤波操作，其中，在空间域中提供滤波器，其主要对相应的图像进行低通滤波或高通滤波并且其对应于上文提到的针对傅里叶域的滤波器。
在实施例中，如果第一滤波器被应用至所述解析图像，第一滤波器适于使得预定义高频率通过第一滤波器，以及如果第二滤波器被应用至所述迭代图像，第二滤波器适于使得第二滤波器抑制预定义高频率。
在下文中将参考图2中示出的流程图示范性地描述用于对感兴趣对象成像的成像方法的实施例。
在这一实施例中，用于对感兴趣对象成像的成像方法是计算机断层摄影成像方法。在步骤101中，探测数据提供单元16提供指示感兴趣对象的探测数据，在这一实施例中为投影数据。具体而言，辐射源2围绕旋转轴R旋转并且不移动对象或检查区5，即所述辐射源2围绕对象或检查区5沿着圆形轨线行进。在另一实施例中，辐射源2能够沿着另一轨线，例如，螺旋形轨线，相对于对象移动。辐射源2发射贯穿感兴趣对象的辐射，其中，由探测单元6探测已贯穿感兴趣对象的辐射以生成探测数据。
将所述探测数据传递到图像生成装置10，并且，在步骤102中，解析重建单元12从所述探测数据解析地重建对象的解析图像17。在图3中图解性和示范性示出了人体胸膛的解析图像17。在步骤103中，迭代重建单元13从所述探测数据迭代地重建对象的迭代图像18。在图3中图解性和示范性示出了迭代图像18。
在步骤104中，组合单元14对解析图像17应用第一滤波器以对解析图像17进行低通滤波，从而生成经滤波的解析图像19，并且，在步骤105中，组合单元14对迭代图像18应用第二滤波器以对迭代图像18进行高通滤波，从而生成经滤波的迭代图像20。在傅里叶域或在空间域中能够执行所述滤波，其中，在图3中示出了在空间域中的所有图像。在步骤104中，第一滤波器可以不仅对解析图像17进行低通滤波，而且也可以允许预定义高空间频率通过第一滤波器，并且，在步骤105中，第二滤波器可以不仅对迭代图像18进行高通滤波，而且也抑制迭代图像18中的预定义高空间频率。
在步骤106中，组合单元14组合经滤波的解析图像19和经滤波的迭代图像20以生成如图3中图解性和示范性示出的组合图像21。
在步骤107中，在显示器11上显示所述组合图像。
为了在计算机断层摄影扫描期间减少应用于人体或动物的X射线剂量，迭代重建是最有前景的技术之一。然而，迭代重建比解析方法对数据预处理期间的一些问题更为敏感。
具体而言，管电流波动校正或空气校准期间的问题能够导致利用迭代方法重建的图像中的阴影伪影。也可以通过对物理效应的专用附加建模来克服所述问题。例如，J.-B.Thibault等人于9thInternationalMeetingonFullyThree-DimensionalImageReconstructioninRadiologyandNuclearMedicine，第112至115页，2007年上的“CorrectionofGainFluctuationsinIterativeTomographicImageReconstruction”一文公开了重建期间通过明确地建模管输出作为适合的分离参数来减轻由管输出波动引起的阴影伪影。尽管这样减少了由管输出波动引起的阴影伪影，这种方法为重建添加了附加复杂度并且此外，其仅能用于这种具体问题。
上文已经参考图1至3描述的用于对感兴趣对象成像的成像设备和成像方法能够减少，特别是消除在傅里叶域中通过组合解析和迭代重建方法的结果利用迭代重建方法获得的图像中的阴影伪影。具体地，图像的低频分量能够从解析重建获得并且高频分量能够从迭代重建获得。噪声，其可能主要位于重建图像的高空间频率中，仍被所述方法的迭代重建部分有效地抑制，因为所述高频空间频率是从迭代重建获得的。另一方面，在迭代重建图像中没有或减少了由预处理缺陷引起的阴影伪影将显示在最终组合图像中，因为低空间频率是从解析重建图像获得的。解析图像的低通滤波由能够由适于使得特定的固定量的高频率仍能够通过滤波器操作的第一滤波器来执行。高通滤波由能够适于对应地将高频率抑制特定的量的第二滤波器来执行。
解析重建单元12、迭代重建单元13和组合单元14中的至少一个能够适于执行射束硬化校正算法的另一伪影减少流程。
尽管在上文描述的实施例中所述成像设备是计算机断层摄影设备，所述成像设备也能够是另一种成像设备，如X射线C形臂装置，或者核成像设备，如单光子发射计算机断层摄影设备或正电子发射断层摄影设备。
尽管在上文描述的实施例中感兴趣对象是人体或动物或人体的部分或动物的部分，在其他实施例中，感兴趣对象也能够是技术对象。
本领域技术人员通过研究附图、公开内容和权利要求书，在实践所主张的本发明的过程中，能够理解和实现所公开实施例的其他变型。
在权利要求中，“包括”一词不排除其他要素或步骤，并且不定冠词“一”或“一个”不排除复数。
单个的单元或装置可以实现在权利要求中列举的若干项项功能。在互不相同的从属权利要求中列举的某些措施的事实不表明不能够使用这些措施的组合以获益。
由一个或若干个单元或装置执行的重建、滤波、组合等流程能够由任何其他数量的单元或装置执行。例如，步骤102至106能够由单个单元或由任何其他数量的不同单元来执行。根据所述成像方法的重建、滤波、组合等流程和/或对所述成像设备的控制能够被实施为计算机程序的程序代码模块和/或实施为专用硬件。
计算机程序可以存储/分布在合适的介质上，诸如与其他硬件一起提供或作为其他硬件的一部分的光学存储介质或固态介质，但也可以以其他形式分布，诸如经由互联网或其他有线或无线通信系统。
在权利要求中的任何参考标记不应解释为限制范围。
本发明涉及一种用于对感兴趣对象成像的成像设备。解析重建单元从探测数据，特别是从投影数据，解析地重建对象的解析图像，以及迭代重建单元从探测数据迭代地重建对象的迭代图像，其中，组合单元组合解析图像和迭代图像以生成组合图像。迭代图像能够包括阴影伪影，其可能在执行迭代重建前由预处理探测数据引起。解析图像显示了减少的阴影伪影，特别是显示了完全无阴影伪影。因此，通过组合所述解析图像和所述迭代图像能够生成组合图像，与迭代图像相比，在所述组合图像中减少了阴影伪影，从而提高了所述感兴趣对象的重建最终图像的质量。
Claims (11)
1.一种用于对感兴趣对象成像的成像设备，所述成像设备(1)包括：
-探测数据提供单元(16)，其用于提供指示所述感兴趣对象的探测数据，
-解析重建单元(12)，其用于从所述探测数据解析地重建所述对象的解析图像，
-迭代重建单元(13)，其用于从所述探测数据迭代地重建所述对象的迭代图像，以及
-组合单元(14)，其用于组合所述解析图像和所述迭代图像以生成组合图像，其中，所述组合单元(14)适于：
-对所述解析图像应用第一滤波器，以对所述解析图像进行低通滤波，从而生成经滤波的解析图像，
-对所述迭代图像应用第二滤波器，以对所述迭代图像进行高通滤波，从而生成经滤波的迭代图像，以及
-组合所述经滤波的解析图像和所述经滤波的迭代图像。
2.根据权利要求1所述的成像设备，其中，由第一传递函数定义所述第一滤波器并且由第二传递函数定义所述第二滤波器，并且其中，所述第一传递函数和所述第二传递函数之和为一。
3.根据权利要求1所述的成像设备，其中，由第一传递函数定义所述第一滤波器并且由第二传递函数定义所述第二滤波器，并且其中，所述第一传递函数和所述第二传递函数之和是低通传递函数。
4.根据权利要求1所述的成像设备，其中，由第一传递函数定义所述第一滤波器并且由第二传递函数定义所述第二滤波器，并且其中，所述第一传递函数和所述第二传递函数之和是边缘增强传递函数。
5.根据权利要求1所述的成像设备，其中，如果所述第一滤波器被应用至所述解析图像，所述第一滤波器适于使得预定义高频率通过所述第一滤波器，并且其中，如果所述第二滤波器被应用至所述迭代图像，所述第二滤波器适于使得由所述第二滤波器抑制所述预定义高频率。
6.根据权利要求1所述的成像设备，其中，所述探测数据是投影数据。
7.根据权利要求1所述的成像设备，其中，所述探测数据提供单元(16)包括用于生成贯穿所述感兴趣对象的辐射(4)的辐射源(2)以及用于探测贯穿所述感兴趣对象之后的所述辐射并根据所探测的辐射生成所述探测数据的探测单元(6)。
8.根据权利要求1所述的成像设备，其中，所述解析重建单元(12)适于通过使用如下重建方法中的至少一种来重建所述解析图像：楔形滤波反投影、扩展并行滤波反投影、无并行重组合的滤波反投影、加权反投影、角加权混合循环重建。
9.根据权利要求1所述的成像设备，其中，所述迭代重建单元(13)适于通过使用如下重建方法中的至少一种来重建所述迭代图像：代数重建技术(ART)、同时代数重建技术(SART)、极大似然重建。
10.一种用于对感兴趣对象成像的成像方法，所述成像方法包括：
-提供指示所述感兴趣对象的探测数据，
-从所述探测数据解析地重建所述对象的解析图像，
-从所述探测数据迭代地重建所述对象的迭代图像，
-对所述解析图像应用第一滤波器，以对所述解析图像进行低通滤波，从而生成经滤波的解析图像，
-对所述迭代图像应用第二滤波器，以对所述迭代图像进行高通滤波，从而生成经滤波的迭代图像，以及
-组合所述经滤波的解析图像和所述经滤波的迭代图像以生成组合图像。
11.一种用于对感兴趣对象成像的成像装置，所述成像装置包括：
-用于提供指示所述感兴趣对象的探测数据的模块，
-用于从所述探测数据解析地重建所述对象的解析图像的模块，
-用于从所述探测数据迭代地重建所述对象的迭代图像的模块，
-用于对所述解析图像应用第一滤波器，以对所述解析图像进行低通滤波，从而生成经滤波的解析图像的模块，
-用于对所述迭代图像应用第二滤波器，以对所述迭代图像进行高通滤波，从而生成经滤波的迭代图像的模块，以及
-用于组合所述经滤波的解析图像和所述经滤波的迭代图像以生成组合图像的模块。
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| EP10188791 | 2010-10-26 | ||
| EP10188791.7 | 2010-10-26 | ||
| PCT/IB2011/054581 WO2012056361A1 (en) | 2010-10-26 | 2011-10-17 | Apparatus and method for hybrid reconstruction of an object from projection data. |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN103180879A CN103180879A (zh) | 2013-06-26 |
| CN103180879B true CN103180879B (zh) | 2016-03-02 |
Family
ID=44898113
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201180051352.4A Active CN103180879B (zh) | 2010-10-26 | 2011-10-17 | 用于从投影数据对对象进行混合重建的设备和方法 |
Country Status (5)
| Country | Link |
|---|---|
| US (1) | US9025838B2 (zh) |
| EP (1) | EP2633498B1 (zh) |
| CN (1) | CN103180879B (zh) |
| RU (1) | RU2594101C2 (zh) |
| WO (1) | WO2012056361A1 (zh) |
Families Citing this family (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20140253544A1 (en) * | 2012-01-27 | 2014-09-11 | Kabushiki Kaisha Toshiba | Medical image processing apparatus |
| CN103455989B (zh) * | 2013-09-24 | 2016-06-15 | 南京大学 | 一种结合超声图像提高有限角度ct成像质量的方法 |
| WO2015144516A1 (en) * | 2014-03-26 | 2015-10-01 | Koninklijke Philips N.V. | Image generation apparatus |
| US9953440B2 (en) * | 2015-01-15 | 2018-04-24 | General Electric Company | Method for tomographic reconstruction |
| GB2549208B (en) | 2015-12-11 | 2018-04-11 | Shanghai United Imaging Healthcare Co Ltd | System and method for image reconstruction |
| US10255696B2 (en) | 2015-12-11 | 2019-04-09 | Shanghai United Imaging Healthcare Co., Ltd. | System and method for image reconstruction |
| US10327727B2 (en) * | 2017-05-12 | 2019-06-25 | Varian Medical Systems, Inc. | Automatic estimating and reducing scattering in computed tomography scans |
| US20210233293A1 (en) * | 2018-05-04 | 2021-07-29 | Our United Corporation | Low-dose imaging method and apparatus |
| US10997453B2 (en) * | 2019-01-29 | 2021-05-04 | Adobe Inc. | Image shadow detection using multiple images |
| CN110796620B (zh) * | 2019-10-29 | 2022-05-17 | 广州华端科技有限公司 | 乳腺断层重建图像的层间伪影抑制方法和装置 |
| US20230240639A1 (en) * | 2022-01-31 | 2023-08-03 | James R. Glidewell Dental Ceramics, Inc. | Automatic determination of transfer function for ct reconstruction |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1416781A (zh) * | 2002-12-30 | 2003-05-14 | 北京质子科技开发有限公司 | 正电子断层扫描中热源高分辨快速图像迭代重建方法 |
| SE520708C2 (sv) * | 2001-12-03 | 2003-08-12 | Per-Erik Danielsson | Metod för bildförbättring i datortomografi |
| CN1956006A (zh) * | 2005-10-27 | 2007-05-02 | 西门子公司 | 再现对象的断层造影图像的方法 |
| CN101777177A (zh) * | 2009-12-29 | 2010-07-14 | 上海维宏电子科技有限公司 | 基于衰减滤波的ct图像去金属伪影混合重建法 |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| RU2127075C1 (ru) * | 1996-12-11 | 1999-03-10 | Корженевский Александр Владимирович | Способ получения томографического изображения тела и электроимпедансный томограф |
| US6696686B1 (en) | 1999-06-06 | 2004-02-24 | Elgems Ltd. | SPECT for breast cancer detection |
| RU2171630C2 (ru) * | 1999-06-18 | 2001-08-10 | Пестряков Андрей Витальевич | Способ совмещения трехмерных изображений, полученных с помощью компьютерных томографов, работающих на основе различных физических принципов |
| DE60234538D1 (de) | 2002-05-06 | 2010-01-07 | Koninkl Philips Electronics Nv | Hochauflösender ct-scanner |
| DE102009014726A1 (de) * | 2009-03-25 | 2010-10-07 | Siemens Aktiengesellschaft | Verfahren und Bildrekonstruktionseinrichtung zur Rekonstruktion von Bilddaten |
-
2011
- 2011-10-17 WO PCT/IB2011/054581 patent/WO2012056361A1/en active Application Filing
- 2011-10-17 EP EP11776580.0A patent/EP2633498B1/en active Active
- 2011-10-17 RU RU2013123931/14A patent/RU2594101C2/ru not_active IP Right Cessation
- 2011-10-17 CN CN201180051352.4A patent/CN103180879B/zh active Active
- 2011-10-17 US US13/879,655 patent/US9025838B2/en active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| SE520708C2 (sv) * | 2001-12-03 | 2003-08-12 | Per-Erik Danielsson | Metod för bildförbättring i datortomografi |
| CN1416781A (zh) * | 2002-12-30 | 2003-05-14 | 北京质子科技开发有限公司 | 正电子断层扫描中热源高分辨快速图像迭代重建方法 |
| CN1956006A (zh) * | 2005-10-27 | 2007-05-02 | 西门子公司 | 再现对象的断层造影图像的方法 |
| CN101777177A (zh) * | 2009-12-29 | 2010-07-14 | 上海维宏电子科技有限公司 | 基于衰减滤波的ct图像去金属伪影混合重建法 |
Non-Patent Citations (2)
| Title |
|---|
| combining analytical and iterative reconstruction in helical cone-beam ct;Johan Sunnegardh;《Linkoping Studies in Science and Technology》;20070228;全文 * |
| 基于自适应衰减滤波的CT图像去金属伪影混合算法;陈豫 等;《中国医疗器械杂志》;20090330;第33卷(第2期);第87页第1,3段,第88页第1段,第88-89页第1.1-1.3节、图3 * |
Also Published As
| Publication number | Publication date |
|---|---|
| US20130202166A1 (en) | 2013-08-08 |
| RU2013123931A (ru) | 2014-12-10 |
| US9025838B2 (en) | 2015-05-05 |
| EP2633498B1 (en) | 2015-06-17 |
| CN103180879A (zh) | 2013-06-26 |
| EP2633498A1 (en) | 2013-09-04 |
| RU2594101C2 (ru) | 2016-08-10 |
| WO2012056361A1 (en) | 2012-05-03 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN103180879B (zh) | 用于从投影数据对对象进行混合重建的设备和方法 | |
| Würfl et al. | Deep learning computed tomography: Learning projection-domain weights from image domain in limited angle problems | |
| Zhang et al. | Applications of nonlocal means algorithm in low‐dose X‐ray CT image processing and reconstruction: a review | |
| Dong et al. | A deep learning reconstruction framework for X-ray computed tomography with incomplete data | |
| Dong et al. | X-ray CT image reconstruction via wavelet frame based regularization and Radon domain inpainting | |
| CN102667852B (zh) | 增强图像数据/剂量减小 | |
| US9159122B2 (en) | Image domain de-noising | |
| US8971599B2 (en) | Tomographic iterative reconstruction | |
| JP6139092B2 (ja) | Ｘ線ｃｔ装置およびシステム | |
| US9165384B2 (en) | Dual-energy tomographic imaging system | |
| CN102906783B (zh) | 用于处理图像的图像处理装置 | |
| JP2017209498A (ja) | Ｘ線コンピュータ断層撮影装置及び医用画像処理装置 | |
| JP6677962B2 (ja) | Ｘ線コンピュータ断層撮像装置 | |
| CN110998651A (zh) | 一种用于生成对象的增强断层扫描图像的方法 | |
| Gong et al. | Image reconstruction model for limited-angle CT based on prior image induced relative total variation | |
| Li et al. | Sparse CT reconstruction based on multi-direction anisotropic total variation (MDATV) | |
| CN103717137B (zh) | 图像生成装置 | |
| Li et al. | Multienergy cone-beam computed tomography reconstruction with a spatial spectral nonlocal means algorithm | |
| Xu et al. | Statistical iterative reconstruction to improve image quality for digital breast tomosynthesis | |
| CN103620393A (zh) | 成像装置 | |
| Johnston et al. | Phase-selective image reconstruction of the lungs in small animals using Micro-CT | |
| Elbakri et al. | Statistical x-ray-computed tomography image reconstruction with beam hardening correction | |
| Iskender et al. | A physics-motivated DNN for X-ray CT scatter correction | |
| CN107251095B (zh) | 图像重建系统、方法和计算机可读介质 | |
| CN108024779A (zh) | 计算机断层摄影图像生成装置 |
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 |