CN103299345A - 双能量断层摄影成像系统 - Google Patents

Abstract

本发明涉及一种用于对对象成像的成像系统（30）。投影数据提供单元（31）提供包括至少两个成分的对象的采集的谱投影数据，并且重建单元（10）通过执行若干迭代步骤迭代地重建所述对象的至少两个最终成分图像，在所述若干迭代步骤中基于所采集的谱投影数据和惩罚项更新至少两个中间成分图像，所述惩罚项指示所述至少两个中间成分图像之间的相关噪声。由于基于所采集的谱投影数据和指示相关噪声的惩罚项更新所述至少两个中间成分图像，因此在迭代重建过程中惩罚相关噪声。最终获得的所述对象的成分图像因此较少地受到相关噪声的破坏，具有改进的图像质量。

Description

双能量断层摄影成像系统

技术领域

本发明涉及一种用于对对象成像的成像系统、成像方法和成像计算机程序。

背景技术

Alvarez和Macowski的文章“Energy-selective Reconstructions in X-rayComputerized Tomography”（《Phys.Med.Biol》，第21卷，第5期，第733-744页，1976年）中公开了一种计算机断层摄影系统，该系统包括发射多色辐射的辐射源以及用于生成指示已经穿透对象后的辐射的投影数据的能量分辨探测器。在辐射源和对象相对于彼此移动时采集投影数据，以便采集不同投影方向的投影数据。向所采集的投影数据应用成分分解技术，以便确定分别由光电效应和康普顿效应造成的光电效应衰减值和康普顿效应衰减值。光电效应衰减值被反向投影，以生成对象的光电效应图像，并且康普顿效应衰减值被反向投影，以生成对象的康普顿图像。

光电效应图像和康普顿效应图像被噪声破坏，因此具有降低的图像质量。

发明内容

本发明的目的是提供一种用于对对象成像的成像系统、成像方法和成像计算机程序，其中，所述对象的重建图像的质量能够得以改进。

在本发明的第一方面中，提出了一种用于对对象成像的成像系统，其中，所述成像系统包括：

-投影数据提供单元，其用于提供包括至少两个成分的对象的采集的谱投影数据，

-重建单元，其通过执行若干迭代步骤迭代地重建所述对象的至少两个最终成分图像，在所述若干迭代步骤中基于所采集的谱投影数据和惩罚项更新至少两个中间成分图像，所述惩罚项指示所述至少两个中间成分图像之间的相关噪声。

由于基于所采集的谱投影数据和指示所述至少两个中间成分图像之间的相关噪声的惩罚项更新所述至少两个中间成分图像，因此所述至少两个中间成分图像之间的相关噪声在迭代重建过程中得以惩罚。最终获得的所述对象的成分图像因此受到相关噪声的更少破坏，具有了改进的图像质量。

所述对象能够包括两个或更多成分。

不同的成分能够是不同的基础材料，例如骨骼、软组织、金属、如碘的造影剂，和/或它们能够涉及不同的物理效应，例如光电效应、康普顿效应、K边缘效应等。

所述投影数据提供单元能够是存储单元，在其中已经存储了采集的投影数据，或者它能够是诸如X射线计算机断层摄影系统、X射线C形臂系统、核成像系统等的采集单元的投影数据采集单元所述核成像系统为例如正电子发射断层摄影系统或单光子发射计算机断层摄影系统。

优选地，所提供的采集的谱投影数据对应于通过如下方式已经采集的投影数据：将发射多色辐射的辐射源和所述对象相对于彼此进行移动，并且在所述辐射源和所述对象相对于彼此移动的同时，以谱方式探测所述投影数据，所述投影数据指示已经穿透所述对象之后的辐射。

所述至少两个中间成分图像之间的相关噪声能够是正相关噪声或负相关噪声。

优选地，所述重建单元适于通过优化a）似然项与b）所述惩罚项之和，来更新所述至少两个中间成分图像，所述似然项依赖于定义了贯穿所述中间成分图像的前向投影产生类似于所采集的谱投影数据的模拟谱投影数据的似然的似然函数。所述惩罚项是这样的项：其能够通过在迭代重建过程中修改所述中间成分图像被优化，从而减小了所述至少两个中间成分图像之间的相关噪声。进一步优选地，所述惩罚项依赖于对不同中间成分图像中对应图像元素的协方差的估计。对所述协方差的估计允许以相对简单的方式，通过所述惩罚项考虑相关噪声。

在优选实施例中，所述重建单元适于a）生成在不考虑所述惩罚项的情况下从所采集的投影数据重建的协方差估计成分图像，并且从所述协方差估计成分图像估计所述协方差，或b）从所采集的投影数据估计所述协方差。具体而言，所述重建单元能够适于通过在不考虑所述惩罚项的情况下，向所采集的投影数据应用成分分解技术以生成所述成分的线积分，并且通过从所述成分的所述线积分重建所述协方差估计成分图像，来生成所述协方差估计成分图像。优选地，所述重建单元适于将所述协方差估计成分图像的图像值求平均，并且适于基于经平均的图像值估计不同中间成分图像中的对应图像元素的协方差。这允许以相对低的计算工作量估计不同中间成分图像中对应图像元素的协方差。

同样优选地，所述重建单元适于通过如下方式估计不同中间成分图像中的对应图像元素的协方差：

-对所采集的投影数据应用基于似然的成分分解，其中，通过调整所述对象的能调整模型来优化依赖于定义了贯穿所述模型的前向投影产生类似于所采集的谱投影数据的模拟谱投影数据的似然的似然函数的似然项，由此生成所述成分的线积分，其中，所述模型表示至少两个成分的分布，

-依赖于经优化的似然项的曲率，确定不同成分的对应线积分的协方差，

-通过反向投影所确定的所述不同成分的对应线积分的协方差，估计不同中间成分图像中的对应图像元素的协方差。优选地，所述似然项是所述似然函数的对数，具体而言，是所述似然函数的负对数，并且优选地依赖于所述似然函数的对数在最优位置处的曲率确定不同成分的对应线积分的协方差。换言之，优选地，将所述似然函数的对数的曲率求得为对应于所述似然函数的优化对数的似然估计。这允许以相对高的准确度估计所述协方差。因此能够相对准确地考虑所述中间成分图像之间的相关噪声，由此进一步提高最终重建的最终成分图像的质量。

进一步优选地，所述惩罚项依赖于相同中间成分图像的图像元素的差。具体而言，所述惩罚项依赖于相同中间成分图像的相邻图像元素的差。因此，能够考虑相同中间成分图像的图像元素的局部差，其中，与较小的局部差相比较大的局部差优选地获得更多的惩罚，即，例如，所述惩罚项随着绝对局部差的增大而增大。由于假设相同中间成分图像的相邻图像元素更可能相对相似，而不是非常不同，因此所述惩罚项对局部差的依赖性能够进一步改进成分图像的质量。优选地，所述惩罚项依赖于相同中间成分图像的相邻图像元素的差的平方和/或不同成分图像的相邻图像元素的差的乘积，即，针对不同成分图像，计算相同成分图像的相邻图像元素的差，并且将不同成分图像的所得差相乘，以生成所述惩罚项可以依赖的乘积。

优选地，所述惩罚项还指示在所述中间成分图像中的每一个自身的噪声。由于不仅考虑了相关噪声，而且考虑了在所述中间成分图像中的每一个自身的噪声，因此能够进一步提高最终重建的最终成分图像的质量。

在本发明的另一方面中，提出了一种用于对对象成像的成像方法，其中，所述成像方法包括：

-提供包括至少两个成分的对象的采集的谱投影数据，

-通过执行若干迭代步骤迭代地重建所述对象的至少两个最终成分图像，在所述若干迭代步骤中基于所采集的谱投影数据和惩罚项更新至少两个中间成分图像，所述惩罚项指示所述至少两个中间成分图像之间的相关噪声。

在本发明的另一方面中，提出了一种用于对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，当在控制根据权利要求1所述的成像装置的计算机上运行所述成像计算机程序时，所述程序代码模块用于令所述成像装置执行根据权利要求11所述的成像方法的各步骤。

应当理解，根据权利要求1所述的成像系统、根据权利要求11所述的成像方法以及根据权利要求12所述的成像计算机程序具有类似和/或等同的优选实施例，如从属权利要求中定义的。

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独立权利要求的任意组合。

本发明的这些和其他方面将从下文描述的实施例变得显而易见，并参考下文描述的实施例加以阐述。

附图说明

在以下附图中：

图1示意性且示范性地示出了用于对对象成像的成像系统，以及

图2示出了示范性说明用于对对象成像的成像方法的实施例的流程图。

具体实施方式

图1示意性且示范性地示出了作为计算机断层摄影系统30的用于对对象成像的成像系统。计算机断层摄影系统30包括能够绕平行于z方向延伸的旋转轴R旋转的机架1。在机架1上安装有辐射源2，辐射源2在本实施例中为X射线管。辐射源2配备有准直器3，准直器3在本实施例中形成了来自由辐射源2生成的辐射的锥形辐射束4。所述辐射穿透包括对象的检查区域5，所述对象例如为人、动物或技术对象，其中，检查区域5在本实施例中为圆柱形的。所述对象包括至少两个成分，例如，软组织和骨骼。在已经穿透检查区域5之后，辐射束4入射到探测设备6上，探测设备6包括二维探测表面。探测设备6安装在机架1上。

计算机断层摄影系统30包括两个电动机7、8。由电动机7以优选恒定但能调节的角速度驱动机架1。电动机8被提供用于使布置于检查区域5中患者台上的诸如人的所述对象平行于旋转轴R或z轴的方向发生位移。这些电动机7、8受控制单元9的控制，例如，使得辐射源2和所述对象相对彼此沿着螺旋轨迹移动。然而，也能够沿另一轨迹执行相对移动。例如，也能够不移动所述对象，而只旋转辐射源2，即所述辐射源相对于所述对象沿着圆形轨迹移动。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，特别是扇形束，并且探测设备6能够包括这样的探测表面：所述探测表面的形状对应于另一射束形状，特别是扇形束。

辐射源2适于发射多色辐射，并且探测设备6为用于采集谱投影数据的能量分辨探测设备。

能量分辨探测设备的工作，例如，基于对入射光子计数并且输出示出了在特定能量箱中单位能量光子数目的信号的原理。例如，在Llopart X.等人的文章“First test measurements of a 64k pixel readout chip wordkin in asingle photon counting mode”（《Nuclear Instruments and Methods in PhysicsResearch》，A部分，第509卷，第1-3期，第157-163页，2003年）中，以及Llopart X.等人的文章“Medipix2:A 64-k pixel readout chip with 55 mumsquare elements working in a single photon counting mode”（《IEEETransactions on Nuclear Science》，第49卷，第5期，第2279-2283页，2000年）中，描述了这种能量分辨探测设备，这两篇文章以引用方式并入本文。

在辐射源2和所述对象的相对移动过程中，探测设备6依赖于在探测设备6的探测表面上入射的辐射而生成投影数据。因此，辐射源2，用于相对于所述对象移动辐射源2的元件，具体而言，电动机7、8，和机架1，以及探测设备6形成用于提供感兴趣区域的投影数据的探测值提供单元31。

所采集的投影数据被提供给用于迭代地重建所述对象的至少两个最终成分图像的重建单元10，之后所述至少两个最终成分图像被示出在显示器11上。

重建单元10适于通过执行若干迭代步骤迭代地重建所述对象的至少两个最终成分图像，在所述若干迭代步骤中基于所采集的谱投影数据和惩罚项，更新至少两个中间成分图像，所述惩罚项指示所述至少两个中间成分图像之间的相关噪声。具体而言，重建单元10适于通过将a）似然项-log（L）与b）惩罚项P的和Ψ最小化，来更新所述至少两个中间成分图像，所述似然项依赖于定义了贯穿所述中间成分图像的前向投影产生类似于所采集的谱投影数据的模拟谱投影数据的似然的似然函数L，即，重建单元10适于使以下等式最小化：

ψ=-log（L）+P。     （1）

负对数似然-log（L）例如能够由以下等式定义，其中，噪声模型由泊松分布给出：

$-\log \left(L\left(a_j^i\right)\right)=\underset{m=1}{\overset{N_S}{\mathrm{\Σ}}}\underset{r=1}{\overset{N_R}{\mathrm{\Σ}}}{\stackrel{-}{\mathrm{\λ}}}_{\mathrm{mr}}\left(a_j^i\right)-{\mathrm{\λ}}_{\mathrm{mr}}\log \left({\stackrel{-}{\mathrm{\λ}}}_{\mathrm{mr}}\left(a_j^i\right)\right),---\left(2\right)$

其中，

表示在由指数j指示的成分图像中由指数i指示的图像元素，N_S表示单位几何射线的独立谱测量的数量，例如，就光子计数而言为能量箱的数量，指数m指示相应的独立谱测量，例如，相应的能量箱，N_R表示在投影数据的相应采集过程中采集的几何射线的总数量，指数r指示相应的几何射线，λ_mr表示谱测量的探测值，例如，由m指示的能量箱和由r指示的几何射线的探测值，并且

表示探测值λ_mr的期望值。在这个实施例中，可以将

对成分图像的依赖性明确写作：

其中，在等式（3）的第二行中，使用对应于由i指示的图像元素的几何贡献的图像元素权重

将成分图像

的前向投影包括至由r指示的几何射线的线积分。此外，

表示即将穿透待成像对象之前的辐射谱，δ_m（E）表示第m个能量箱的谱灵敏度，

表示沿由r指示的辐射线贯穿第j′个中间成分图像的吸收值的线积分，并且f_j′（E）表示由j′指示的成分的依赖能量的吸收。

惩罚项P依赖于对由指数j和j′指示的不同中间成分图像中的对应图像元素的协方差

的估计。惩罚项P还依赖于相同中间成分图像的图像元素的差。在这个实施例中，惩罚项P由以下等式定义：

$P=\mathrm{\α}\underset{j^{\′}=1}{\overset{N_B}{\mathrm{\Σ}}}\underset{j=1}{\overset{N_B}{\mathrm{\Σ}}}\underset{i=1}{\overset{N_V}{\mathrm{\Σ}}}\underset{k\∈N_i}{\mathrm{\Σ}}{w}_{\mathrm{ik}}(a_j^i-a_j^k)\mathrm{Cov}(a_j^i,a_{j^{\′}}^i)(a_{j^{\′}}^i-a_{j^{\′}}^k),---\left(4\right)$

其中，α是正常数，N_B表示成分数量，例如N_B可以是2，如果所述对象包括骨骼和软组织，在i上的和是中间成分图像的所有N_v图像元素的和，在k上的和是在具有指数i的相应实际图像元素的邻域中的图像元素的和，其中，在邻域中的图像元素由N_i表示，并且w_ik是补偿在具有指数i的相应图像元素与在邻域中具有指数k的图像元素之间的不同距离的几何权重。随着距离的增加，几何权重w_ik优选地减少，例如，几何权重w_ik能够是逆距离。能够选择正常数α，以获得相对于似然L的负算法的惩罚项P的期望考虑。能够通过（例如）校准重建来获得优化的正常数α，其中，针对不同的常数α重建成分图像，并且选择特定α，这产生包括优化的噪声降低的重建成分图像。

如果在等式（4）中j与j′等同，则所述协方差降低了相应成分图像的相应图像元素中的噪声的方差。所述方差指示中间成分图像中的每一个自身的噪声，即，惩罚项P不但指示在不同中间成分图像之间的相关噪声，而且指示中间成分图像自身中的每一个自身的噪声。

为了估计所述协方差，重建单元10适于生成协方差估计成分图像，所述协方差估计成分图像是在不考虑所述惩罚项的情况下从所采集的投影数据重建的，并且重建单元10适于估计来自所述协方差估计成分图像的协方差。通过在不考虑所述惩罚项的情况下向所采集的投影数据应用成分分解技术以生成成分的线积分，并且通过从所述成分的线积分重建所述协方差估计成分图像，来生成所述协方差估计成分图像。使用依赖于相应成分的依赖能量的衰减的、将探测值描述为贡献组合的探测值模型，通过求解针对作为所采集的谱投影数据的多个依赖能量的检测值的等式组，而向所采集的投影数据应用所述成分分解技术。具体而言，重建单元10能够适于求解以下等式组：

其中，表示沿着由r指示的几何射线或辐射线贯穿由j指示的协方差估计成分图像的吸收值的线积分。

如果能量箱的数量至少等于成分的数量，则能够利用已知的数值方法求解所述等式组，其中，参量

δ_m（E）和f_j（E）是已知的，并且求解所述等式组的结果是线积分

辐射谱和谱灵敏度δ_m（E）是成像系统的特性，并且从例如对应的测量获知。成分的谱吸收f_j（E），例如，骨骼和软组织的谱吸收，也从测量和/或从文献获知。之后，能够通过例如在所确定的线积分

上执行经过滤的反向投影或另一重建算法，来重建所述协方差估计成分图像。

为了估计来自所述协方差估计成分图像的协方差，重建单元10优选地适于将所述协方差估计成分图像的图像值求平均，并且适于基于经平均的图像值估计不同中间成分图像中的对应图像元素的协方差。例如，能够向所述协方差估计成分图像中的每一个应用平均滤波器，这为相应协方差估计成分图像的图像元素的每一个确定了相应图像元素和邻近图像元素的平均值。之后，能够根据以下等式估计两个成分图像之间的协方差：

$\mathrm{Cov}(a_j^i,a_{j^{\′}}^i)=E\left(b_j^i{b}_{j^{\′}}^i\right)-E\left(b_j^i\right)E\left(b_{j^{\′}}^i\right),---\left(6\right)$

其中，E（x）表示x的平均值，

表示由j指示的成分的协方差估计成分图像的第i个图像值，并且

表示由j′指示的成分的协方差估计成分图像的第i个图像元素。

在另一实施例中，所述重建单元还能够适于从所采集的投影数据估计所述协方差。具体而言，所述重建单元能够适于通过将基于似然的成分分解应用在所采集的投影数据上，来估计不同中间成分图像中的对应图像元素的协方差，其中，通过调整所述对象的能调整模型来优化依赖于定义了贯穿所述模型的前向投影产生类似于所采集的光谱投影数据的模拟光谱投影数据的似然的似然函数的似然项，由此生成由j指示的成分的线积分

其中，所述模型表示所述对象的不同成分的分布。在这个实施例中，所述似然项是所述似然函数的负对数，其能够由以下等式定义：

$-\log \left(L\left(A_j^r\right)\right)=\underset{m=1}{\overset{N_S}{\mathrm{\Σ}}}{\stackrel{-}{\mathrm{\λ}}}_{\mathrm{mr}}\left(A_j^r\right)-{\mathrm{\λ}}_{\mathrm{mr}}\log \left({\stackrel{-}{\mathrm{\λ}}}_{\mathrm{mr}}\left(A_j\right)\right),---\left(7\right)$

其中，通过使负对数最小化，能够获得针对最可能的成分组成

的优化似然估计。例如，能够例如通过使用单纯形算法改变线积分

从而使得等式（7）最小化。

之后，所述重建单元能够依赖于优化的似然项的曲率确定不同成分的对应线积分的协方差，具体而言，根据以下等式：

$\mathrm{Cov}{(A_j^r,A_{j^{\′}}^r)}^{-1}={\frac{{\∂}^2\log \left(L\right)}{\∂A_j^r\∂A_{j^{\′}}^r}|}_{A_j^r={\hat{A}}_j^r}.---\left(8\right)$

总之，提出的在投影数据上的线积分

的协方差的估计能够由这样的矩阵的逆给出：所述矩阵由相对于在对数似然函数的最大值处评估的

的负对数似然的二阶导数的成分形成。

所述重建单元还能够适于通过反向投影所确定的不同成分的对应线积分的协方差，来估计不同中间成分图像中的对应图像元素的协方差。

在已经估计了所述协方差后，重建单元10通过迭代地重建成分图像，而将等式（1）最小化。

在这个实施例中，重建单元10适于基于坐标下降法，具体而言，基于Newton-Raphson方法，迭代地更新成分图像，其中，局部梯度和局部曲率根据以下等式确定更新步骤：

$\begin{array}{c}{a}_j^{i(n+1)}={[a_j^{i\left(n\right)}+{\frac{\∂\mathrm{\Ψ}}{\∂a_j^i}|}_{a_j^i=a_j^{i\left(n\right)}}]}_{+}=\\ ={[a_j^{i\left(n\right)}+\frac{\frac{1}{2\mathrm{\α}}\underset{m=1}{\overset{N_S}{\mathrm{\Σ}}}\underset{r=1}{\overset{N_R}{\mathrm{\Σ}}}\left[(1-\frac{{\mathrm{\λ}}_{\mathrm{mr}}}{{\stackrel{-}{\mathrm{\λ}}}_{\mathrm{mr}}})\frac{\∂{\stackrel{-}{\mathrm{\λ}}}_{\mathrm{mr}}}{\∂a_j^i}\right]+\underset{j^{\′}=1}{\overset{N_B}{\mathrm{\Σ}}}\underset{k\∈N_i}{\mathrm{\Σ}}\left[w_{\mathrm{ik}}(\mathrm{Cov}(a_j^i,a_{j^{\′}}^i)+\mathrm{Cov}(a_j^k,a_{j^{\′}}^k))(a_{j^{\′}}^i-a_{j^{\′}}^k)\right]}{\frac{1}{2\mathrm{\α}}\underset{m=1}{\overset{N_S}{\mathrm{\Σ}}}\underset{r=1}{\overset{N_R}{\mathrm{\Σ}}}[\frac{{\mathrm{\λ}}_{\mathrm{mr}}}{{{\stackrel{-}{\mathrm{\λ}}}_{\mathrm{mr}}}^2}{\left(\frac{{\∂\stackrel{-}{\mathrm{\λ}}}_{\mathrm{mr}}}{\∂a_j^i}\right)}^2+(1-\frac{{\mathrm{\λ}}_{\mathrm{mr}}}{{\stackrel{-}{\mathrm{\λ}}}_{\mathrm{mr}}})\frac{{\∂}^2{\stackrel{-}{\mathrm{\λ}}}_{\mathrm{mr}}}{\∂a_j^i\∂a_j^i}]+\underset{k\∈N_i}{\mathrm{\Σ}}{w}_{\mathrm{ik}}(\mathrm{Var}\left(a_j^i\right)+\mathrm{Var}\left(a_j^k\right))}]}_{+}\end{array}.---\left(9\right)$

在等式（9）中，“+”指示在图像数据上加强非负约束的可能性。对于i=k，符号δ^ik等于1，否则，其等于0。要强调的是，以上表达式中出现的协方差和方差优选地不被更新，并且在迭代过程中能被考虑为常数，尽管他们依赖于在图像中的位置。

在下文中，将参照图2所示的流程图示范性地描述用于对对象成像的成像方法的实施例。

在步骤101中，提供包括至少两个成分的对象的采集的谱投影数据。所采集的谱投影数据能够存储在存储单元中，并且能够从所述存储单元检索以提供相同的所采集的谱投影数据。然而，在步骤101中也能够执行实际采集，其中，例如，发射多色辐射的辐射源和所述对象相对于彼此移动，并且在所述辐射源和所述对象相对于彼此移动时，以谱方式探测指示已经穿透所述对象后的辐射的投影数据。在步骤102中，如上文所述，估计不同中间成分图像中对应图像元素的协方差，其中，在估计所述协方差同时，还生成成分的吸收值的线积分。在步骤103中，通过执行若干迭代步骤，重建所述对象的至少两个最终成分图像，其中，在迭代步骤中，基于所采集的谱投影数据和指示相关噪声的惩罚项，更新至少两个中间成分图像。在这个实施例中，所述惩罚项包括在所述至少两个中间成分图像之间的协方差，以便指示相关噪声。具体而言，通过将迭代重建算法应用于从所采集的投影数据确定的不同成分的线积分，来间接地使用所采集的谱投影数据。执行迭代重建以使得上述等式（1）最小化。在步骤104中，在显示器11上示出所得的至少两个最终成分图像。

用于计算机断层摄影成像的非谱迭代重建技术，例如，基于测量数据的似然的技术，能够在保留边缘结构的清晰度的同时，利用在图像中加强特定量平滑度的某种调整。所述调整能够是在图像域中惩罚最近的近邻之间的大图像值差的某种局部算子。在谱计算机断层摄影成像中，能够通过一种方式或另一方式将衰减分解到由像特定基础材料的特定成分造成的衰减中，所述特定基础材料例如为骨骼、软组织和/或造影剂材料。如果与迭代重建组合，在这种意义中增加了调整的可能性：图像域中的惩罚不但能够涉及在各种成分图像中的噪声方差，而且能够涉及在不同成分图像之间的相当干扰性的反相关性。通过将惩罚项加到依赖于似然函数的似然项，上文描述的成像系统和成像方法能够用于降低成分图像中的反相关噪声，其中，所述惩罚项指示不同成分图像之间正相关和/或负相关，即反相关的噪声，并且指示在不同成分图像中的每一个自身的噪声。

通常，像基础材料图像的谱分解的成分图像能够有相当大的噪声，因为不同成分，具体而言，特别是在生物组织中的不同基础材料具有非常相似的谱衰减性质。这种事实因此能够严重影响临床实践中谱分解的有用性。上文描述的成像系统和方法能够使用例如在投影域中获得的成分分解的经过滤的反向投影重建降低噪声，具体而言，相比较于分析重建的图像。

除了惩罚成分图像中的噪声本身之外，所述成像系统和成像方法在迭代过程中优选地惩罚成分图像中正相关噪声和/或负相关的噪声，即反相关噪声。这能够通过使用在迭代过程中针对不同成分图像的噪声方差和噪声协方差的空间分辨的估计来完成。这些估计能够通过，在第一步骤中，生成针对彼此独立的所有测量的似然估计，以及对所采集的投影数据上的方差和协方差的估计，而获得。在第二步骤中，能够使用经过滤的反向投影的分析形式，以获得针对成分图像的噪声方差和噪声协方差的空间分辨的估计。

尽管在上文描述的实施例中，所述成像系统是计算机断层摄影系统，但所述成像系统也能够是使用投影数据以迭代重建对象的图像的另一成像系统。例如，所述成像系统能够是X射线C形臂成像系统，或者像单光子发射计算机断层摄影系统或正电子发射断层摄影系统的核成像系统。

尽管在上文描述的实施例中，所述不同成分例如是像骨骼和软组织的不同基础材料，但所述不同成分也能够涉及像光电效应、康普顿效应、K边缘效应等不同的物理效应。

尽管在上文描述的实施例中，所述探测设备是能量分辨探测设备，但在其他实施例中，也能够使用非能量分辨探测设备，其中，相同的非能量分辨探测设备由具有不同能谱的辐射交替辐照，或其中，不同的非能量分辨探测设备由具有不同能谱的不同辐射辐照。例如，具体而言，如果所述成像系统是计算机断层摄影系统，那么能够使用双能量技术，或像四能量技术的双能量技术的组合。

尽管在上文描述的实施例中，描述了用于优化所述似然项，具体而言，用于优化等式（2）和等式（9）的特定措施，但也能够使用用于优化所述似然项的其他措施，像传输期望最大化算法（EM）（Transmission ExpectationMaximization algorithm），可分离的抛物面型替代函数算法（SPS）（SeparableParaboidal Surrogates algorithm）或加权最小二乘方法（LS）。

通过研究附图、说明书和权利要求书，本领域的技术人员在实施所要求保护的发明时能够理解和实现所公开实施例的其他变型。

在权利要求书中，词语“包括”不排除其他元件或步骤，并且单数词“一”或“一个”不排除多个。

单个单元或设备可以完成权利要求中记载的若干项目的功能。在互不相同的从属权利要求中记载的特定措施并不指示不能有利地使用这些措施的组合。

能够由任何其他数量的单元或设备执行由一个或若干单元或设备执行的，像协方差的估计或重建的计算。例如，能够由单个单元或由任何其他数量的不同单元执行步骤102和103。能够将根据所述成像方法的计算和/或对所述成像系统的控制实施为计算机程序的程序代码模块和/或实施为专用硬件。

可以在适当的介质上存储和/或分配计算机程序，所述适当的介质诸如与其他硬件一起供应或作为其他硬件一部分供应的光学存储介质或固态介质，但所述计算机程序也可以以其他形式分配，诸如经由互联网或其他有线或无线的远程通信系统。

权利要求中的任何附图标记不应被解释为限制范围。

本发明涉及一种用于对对象成像的成像系统。投影数据提供单元提供包括至少两个成分的对象的采集的谱投影数据，并且重建单元通过执行若干迭代步骤迭代地重建所述对象的至少两个最终成分图像，在所述若干迭代步骤中基于所采集的谱投影数据和惩罚项更新至少两个中间成分图像，所述惩罚项指示所述至少两个中间成分图像之间的相关噪声。由于基于所采集的谱投影数据和指示相关噪声的惩罚项更新所述至少两个中间成分图像，因此在迭代重建过程中惩罚相关噪声。因此，最后获得的所述对象的成分图像较少地受到相关噪声的破坏，具有改进的图像质量。

Claims (12)

1.一种用于对对象成像的成像系统，所述成像系统包括：

-投影数据提供单元（31），其用于提供包括至少两个成分的对象的采集的谱投影数据，

-重建单元（10），其通过执行若干迭代步骤迭代地重建所述对象的至少两个最终成分图像，在所述若干迭代步骤中基于所采集的谱投影数据和惩罚项更新至少两个中间成分图像，所述惩罚项指示所述至少两个中间成分图像之间的相关噪声。

2.根据权利要求1所述的成像系统，其中，所述重建单元（10）适于通过优化a）似然项与b）所述惩罚项之和，来更新所述至少两个中间成分图像，所述似然项依赖于定义了贯穿所述中间成分图像的前向投影产生类似于所采集的谱投影数据的模拟谱投影数据的似然的似然函数。

3.根据权利要求1所述的成像系统，其中，所述惩罚项依赖于对不同中间成分图像中对应图像元素的协方差的估计。

4.根据权利要求3所述的成像系统，其中，所述重建单元（10）适于a）生成在不考虑所述惩罚项的情况下从所采集的投影数据重建的协方差估计成分图像，并且从所述协方差估计成分图像估计所述协方差，或b）从所采集的投影数据估计所述协方差。

5.根据权利要求4所述的成像系统，其中，所述重建单元（10）适于通过在不考虑所述惩罚项的情况下，向所采集的投影数据应用成分分解技术以生成所述成分的线积分，并且通过从所述成分的所述线积分重建所述协方差估计成分图像，来生成所述协方差估计成分图像。

6.根据权利要求4所述的成像系统，其中，所述重建单元（10）适于将所述协方差估计成分图像的图像值求平均，并且适于基于经平均的图像值估计不同中间成分图像中的对应图像元素的协方差。

7.根据权利要求4所述的成像系统，其中，所述重建单元（10）适于通过如下方式估计不同中间成分图像中的对应图像元素的协方差：

-对所采集的投影数据应用基于似然的成分分解，其中，通过调整所述对象的能调整模型来优化依赖于定义了贯穿所述模型的前向投影产生类似于所采集的谱投影数据的模拟谱投影数据的似然的似然函数的似然项，由此生成所述成分的线积分，其中，所述模型表示至少两个成分的分布，

-依赖于经优化的似然项的曲率，确定不同成分的对应线积分的协方差，

-通过反向投影所确定的所述不同成分的对应线积分的协方差，估计不同中间成分图像中的对应图像元素的协方差。

8.根据权利要求1所述的成像系统，其中，所述惩罚项依赖于相同中间成分图像的图像元素的差。

9.根据权利要求1所述的成像系统，其中，所述惩罚项还指示所述中间成分图像中的每一个自身的噪声。

10.根据权利要求1所述的成像系统，其中，所提供的采集的谱投影数据对应于通过如下方式已经采集的投影数据：将发射多色辐射的辐射源和所述对象相对于彼此进行移动，并且在所述辐射源和所述对象相对于彼此移动的同时，以谱方式探测所述投影数据，所述投影数据指示已经穿透所述对象之后的辐射。

11.一种用于对对象成像的成像方法，所述成像方法包括：

-提供包括至少两个成分的对象的采集的谱投影数据，

-通过执行若干迭代步骤迭代地重建所述对象的至少两个最终成分图像，在所述若干迭代步骤中基于所采集的谱投影数据和惩罚项更新至少两个中间成分图像，所述惩罚项指示所述至少两个中间成分图像之间的相关噪声。

12.一种用于对对象成像的成像计算机程序，所述成像计算机程序包括程序代码模块，当在控制根据权利要求1所述的成像装置的计算机上运行所述成像计算机程序时所述程序代码模块用于令所述成像装置执行根据权利要求11所述的成像方法的各步骤。

Images