CN103530849A - 一种优化的K-edge成像方法 - Google Patents
一种优化的K-edge成像方法 Download PDFInfo
- Publication number
- CN103530849A CN103530849A CN201310461840.3A CN201310461840A CN103530849A CN 103530849 A CN103530849 A CN 103530849A CN 201310461840 A CN201310461840 A CN 201310461840A CN 103530849 A CN103530849 A CN 103530849A
- Authority
- CN
- China
- Prior art keywords
- integral
- prime
- infin
- ray energy
- edge
- 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.)
- Pending
Links
Images
Landscapes
- Apparatus For Radiation Diagnosis (AREA)
Abstract
本发明公开了一种优化的K-edge成像方法,本方法在K-edge前后两个X射线能量段进行成像以提高已知材料成像对比度。K-edge前后两个X射线能量段的宽度决定了两个能谱CT图像的对比度和噪声水平,针对如何设置K-edge前后两个X射线能量段的宽度问题,本发明引入信号差异噪声比(Signal Difference to Noise Ratio,SDNR)作为最优化准则,在这个最优化准则的约束下,选取了最优的X射线能量段的宽度,然后进行K-edge成像。这种成像方法,能够在保证两个重建能谱CT图像感兴趣区域噪声最小化的同时,可以获得最大的对比度差异,从而达到提高已知材料成像对比度的目的。可以用于生物医学CT成像领域。
Description
技术领域
本发明属于X射线能谱CT成像领域,具体涉及一种优化的K-edge成像方法。
背景技术
K-edge是一个物理现象,也叫K吸收边缘。随着X射线能量的增加,X射线对物质的衰减系数逐渐减小,但某些物质对特定能量下的X射线光子吸收特别大,导致X射线光子衰减系数的突然增加,这种随着能量的增加,X射线衰减系数陡然增加的现象,称为K-edge。从量子物理学角度讲,物质原子内部离原子核最近电子层(K电子层)中的自由电子,容易与特定能量下X射线光子发生相互作用(光电吸收),导致这种物质对该能量下X射线光子吸收性特别大。不同元素其原子结构不同,因此相应的K-edge特性也不同。K-edge特性表现为在某个特定能量下,X射线衰减系数发生跳变。
在物质K-edge的前后,X射线衰减系数差异很大。因此,可以利用衰减系数跳变这一物理特性,选择不同X射线能量范围进行成像以提高已知材料成像对比度。这种成像方式,称为K-edge成像技术。随着X射线能谱CT技术的不断发展,K-edge成像技术已是X射线能谱CT的一个非常重要应用。传统或常规X-CT图像中,不同软组织的对比度较低,往往需要借助一些对比剂(造影剂)来提高图像中软组织对比度。纵然,在目前K-edge成像技术研究中,人们利用X射线能谱CT研究生物医学样本时,虽也需要借助一些对比剂,但已不再是简单的借助对比剂以提高软组织的对比度,而是充分利用了对比剂的K-edge特性进行K-edge成像,以便提供更多的认知信息。
发明内容
对于多色(多能量)X射线源,有限宽度的X射线能量段所包含的光子数是有限的,K-edge前后两个X射线能量段的宽度,决定了两个能谱CT图像的对比度和噪声水平。因此本发明需要解决的问题是如何设置K-edge前后两个X射线能量段的宽度,以保证两个重建能谱CT图像感兴趣区域噪声最小化的同时,获得最大的对比度差异,从而提高已知材料成像对比度。鉴于此,本发明的目的是提供一种优化的K-edge成像方法。
从核物理学角度分析,射线源产生的X射线光子数,是服从泊松随机分布的。假设射线源产生的X射线光子数为n,于是,X射线光子数n的概率密度函数,则可表示为
其中,I0为X射线光子数n的泊松分布均值。
假设X射线源产生的X射线光子数为n,穿过检测物体后探测到的X射线光子数为m,未被物体吸收和散射而被探测器接受到的X射线光子数m概率,则可表示为
根据公式(3),可知X射线光子数m,仍然服从泊松分布,其泊松分布均值,则可表示为
E(m)=I0e-g (4)
泊松分布方差为
Var(m)=I0e-g (5)
当X射线束经过物体后,衰减后的X射线强度I,则可表示为
I=I0e-g+NI (6)其中,NI为随机噪声,根据公式(6),计算出随机噪声NI的均值和方差为
E(NI)=0 (7)
Var(NI)=I0e-g (8)
在CT图像重建中,一个角度θ下的投影正弦图Sθ,通过测探到的X射线强度I0和I,可以计算出Sθ为
将公式(6)代入公式(9),可得
根据公式(10),计算出投影正弦图Sθ的均值和方差为
E(Sθ)=g (11)
与此同时,根据公式(10),可以得到投影正弦图Sθ的噪声分量NS为
利用经典的解析重建算法——滤波反投影(Filtered Backprojection,FBP),可以得到重建图像f的数学表达式为
其中,t=xcosθ+ysinθ,根据公式(14),计算出重建图像f的均值和方差为
由此,重建图像f,可以分解成期望图像E(f)和图像噪声Nf,即
f=E(f)+Nf(17)
其中,图像噪声Nf的均值和方差可表示为
E(Nf)=0(18)
上述对CT成像的基本理论进行了分析,这为本发明基于X射线能谱CT的K-edge成像技术而提出的优化的K-edge成像方法提供了理论基础。
有鉴于此,为实现上述目的,本发明的方法引入信号差异噪声比(SDNR)作为寻找K-edge前后两个最佳X射线能量段宽度的准则,在这个准则的约束下,选取了最佳的X射线能量段的宽度w,以此进行K-edge成像。
假设多色(多能量)X射线源产生的不同能量的X射线光子,它是服从函数C(E)分布的,函数C(E)的分布曲线。在K-edge两侧,取两个X射线能量段进行成像。这里,假设两个X射线能量段宽度相等,均为w,于是,两个X射线能量段光子数,则分别为
已知X射线对已知材料(对比剂)的理论衰减曲线为a(E),如图1所示。于是,两个能量段的衰减系数μR(E)和μL(E),则可表示为
下面,将利用信号差异噪声比(SDNR)作为在K-edge成像中寻找最佳X射线能量段宽度的准则。这里,信号差异噪声比(SDNR)可定义为
其中,fR和fR为K-edge两侧两个X射线能量段重建图像。根据公式(15)、(16)、(22)和(23),可以利用X射线能量段宽度w,借以表示重建图像f和图像噪声Nf的方差。进而,信号差异噪声比(SDNR),可以用X射线能量段宽度w来表示,即
其中,gR(w,t)和gL(w,t)分别为K-edge两侧两个X射线能量段重建图像的正弦图,可表示为
在公式(26)和(27)中,μRother(w,t)和μLother(w,t)分别表示在K-edge两侧两个X射线能量段的非已知材料(对比剂)区域投影,μR(w,t)和μL(w,t)分别表示在K-edge两侧两个X射线能量段的已知材料(对比剂)区域投影。
公式(25)还可以看作数学研究中的一个最优化问题,即,如何选取X射线能量段宽度w使信号差异噪声比(SDNR)最大,从而获得最佳X射线能量段宽度。在计算信号差异噪声比(SDNR)之前,需要决定X射线能量段宽度w的取值范围。理论上,在对比剂K-edge处,跳变前的X射线衰减系数μL,应该小于跳变后的X射线衰减系数μR。由此,可以得到以下的不等式:
理论上,X射线能量段宽度w最小取值为0,即,在对比剂K-edge处进行成像。X射线能量段宽度w的最大取值,可以根据公式(28)的边界条件计算出。公式(28)的边界条件,可以转化为以下的方程:
由于函数a(E)是拟合高阶函数,难于从方程(29)中直接求解w的值。本发明利用牛顿迭代法求解,求解过程如下:
根据泰勒公式展开,函数y(w)可有m阶多项式,表示为
通过对函数y(w)线性近似表达,可以得到牛顿迭代公式
将公式(29)代入公式(31),可得到新的迭代形式
由此,可以把公式(32)看作一个无约束的优化问题,求解出X射线能量段宽度w最大取值wmax,进而,可以得到X射线能量段宽度w的取值范围(0,wmax)。在得到X射线能量段宽度w的取值范围后,可将公式(25)看作为一个有约束优化问题,在X射线能量段宽度w的取值范围,找到一个最佳的X射线能量段宽度w,使信号差异噪声比(SDNR)最大。
本发明的有益效果是这种K-edge成像方法,能够在保证两个重建能谱CT图像感兴趣区域噪声最小化的同时,可以获得最大的对比度差异,从而达到提高已知材料成像对比度的目的。可以用于生物医学CT成像,使所成图像的病灶区域更清晰,便于医生进行观察诊断。
附图说明
图1为本发明实施例某种已知材料(对比剂)的理论衰减曲线图;
图2为本发明实施例人类胸腔模型图;
图3为本发明实施例胸腔模型组成材料的线性衰减系数曲线图;
图4为本发明实施例能量段宽度(w)与信号差异噪声比(SDNR)关系曲线图;
图5为利用本发明方法得到的人类胸腔模型K-edge成像结果,在对比剂测试区域信号差异噪声比最大时在钆溶液(浓度为0.5%)K-edge两侧重建出的图像,A为K-edge左侧的成像结果,B为K-edge右侧的成像结果。
具体实施方式
下面通过实施例进一步说明本发明,并不因此将本发明限制在所述的实施例范围之中。本领域普通技术人员根据本发明构思,而做出的简单变换,应当在本发明所要求保护的范围内。
以下结合附图,具体说明本发明的构思,以及在此构思下的工作过程。
为了验证基于信号差异噪声比(SDNR)最大化的K-edge成像方法,本发明进行了数值模拟仿真分析。在仿真中,分析了一个数值仿真模型,即,注射有对比剂(钆溶液)的胸腔模型,如图2所示。
构建的该模型,具体描述如下:
该胸腔模型,它是针对临床前研究而设计的。其是参照Forbild胸腔模型(http://www.imp.uni-erlangen.de/forbild)而定义的。该模型图像为400×400的数字矩阵(每个像素为0.05cm×0.05cm),主要包含心脏区域、软组织区域、肺部区域、脊椎骨区域和对比度增强区域(感兴趣区域(Region ofInterest,ROI))。在数值模拟仿真实验中,使用钆溶液(浓度为0.5%)作为对比剂,在心脏内部一个感兴趣区域内分析K-edge成像特点。X射线对该胸腔模型中不同组成材料的线性衰减系数曲线,如图3所示。这些衰减曲线是根据美国国家标准局(National Institute of Standards and Technology,NIST,http://www.nist.gov/pml/data/xraycoef/index.cfm)提供的X射线衰减数据拟合而成的。
本发明进行了数值模拟分析,以此论证本发明提出的优化的K-edge成像方法。模拟分析,可分为以下几个步骤:
①利用公式(22)和(23),给定一个X射线能量段宽度w,计算出对比剂区域的平均衰减系数。
②利用平行束几何关系,对仿真模型图像进行360°的等角度(1°间隔扫描)模拟投影,得到投影正弦图g(x)。
③根据公式(11)和(12),对获取的投影正弦图g(x),添加高斯噪声。
④通过FBP方法,重建出对比剂K-edge两侧两个X射线能量段的断层图像,并计算出重建图像中对比剂区域的均值和方差。最后,利用公式(25),计算出信号差异噪声比(SDNR)。
⑤在X射线能量段宽度w的取值范围(0,wmax)内,反复执行以上四个步骤,直至计算出一个最佳的X射线能量段宽度w,使信号差异噪声比(SDNR)最大。
利用以上5个步骤,对注射有对比剂(钆溶液)的胸腔模型进行分析。依据胸腔模型中对比剂材料(钆溶液)的X射线吸收特性进行K-edge成像,得到钆溶液K-edge成像中的X射线能量段宽度w与信号差异噪声比(SDNR)对应曲线,如图4所示。最后,总结出了K-edge成像中对比剂区域信号差异噪声比(SDNR)最大时所对应最佳的X射线能量段宽度w,如表1所示。根据表1中列出的最佳的X射线能量段宽度,通过FBP方法,在钆溶液K-edge两侧两个X射线能量段进行成像,其成像结果如图5所示。
从图5可以看出,两个重建能谱CT图像的感兴趣区域(对比剂区域)对比差异较大,且噪声水平较小。
表1对比剂区域信号差异噪声比(SDNR)最大情况下所对应的最佳能量段宽度取值(在K-edge成像中)
Claims (3)
1.一种优化的K-edge成像方法,其特征在于:在K-edge两侧取两个X射线能量段进行K-edge成像,其中所述两个X射线能量段宽度相等,且利用信号差异噪声比作为最优化约束准则,获取使信号差异噪声比最大的最佳的X射线能量段宽度w,以此进行CT成像。
2.根据权利要求1所述一种优化的K-edge成像方法,其特征在于,本方法具体过程如下:
假设多色X射线源产生的不同能量的X射线光子,它是服从函数C(E)分布的,在K-edge两侧,取两个X射线能量段进行成像,且假设两个X射线能量段宽度相等,均为w,于是,两个X射线能量段光子数分别为
假设X射线对已知材料的理论衰减曲线为a(E),于是,在K-edge两侧的两个能量段的衰减系数μR(E)和μL(E),则可表示为
利用经典的解析重建算法——滤波反投影(Filtered Backprojection,FBP),可以得到重建图像f,其均值和方差为的数学表达式为
式⑤、⑥中Sθ表示投影正弦图,g表示X射线经过物体后的整体衰减系数,f表示重建图像,E(f)为重建图像的均值,Var(f)为重建图像的方差;
下面,将利用信号差异噪声比作为最优化约束准则,基于此,获取使信号差异噪声比最大的最佳的X射线能量段宽度w,以此进行CT成像;这里,信号差异噪声比定义为
其中,fR和fR为K-edge两侧两个X射线能量段重建图像;根据公式③、④、⑤和⑥;利用X射线能量段宽度w,借以表示重建图像f和图像噪声Nf的方差;进而,信号差异噪声比SDNR,可以用X射线能量段宽度w来表示,即
其中,gR(w,t)和gL(w,t)分别为K-edge两侧两个X射线能量段重建图像的正弦图,可表示为
在公式⑨和⑩中,μRother(w,t)和μLother(w,t)分别表示在K-edge两侧两个X射线能量段的非已知材料区域衰减系数。
3.根据权利要求2所述一种优化的K-edge成像方法,其特征在于:在计算信号差异噪声比之前,需要确定X射线能量段宽度的取值范围:
理论上,在已知材料K-edge处,跳变前的X射线衰减系数μL小于跳变后的X射线衰减系数μR;由此,可以得到以下的不等式:
根据泰勒公式展开,函数y(w)可有m阶多项式,表示为
通过对函数y(w)线性近似表达,可以得到牛顿迭代公式
由此求解出X射线能量段宽度w最大取值wmax,进而,可以得到X射线能量段宽度w的取值范围(0,wmax)。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310461840.3A CN103530849A (zh) | 2013-09-30 | 2013-09-30 | 一种优化的K-edge成像方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310461840.3A CN103530849A (zh) | 2013-09-30 | 2013-09-30 | 一种优化的K-edge成像方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN103530849A true CN103530849A (zh) | 2014-01-22 |
Family
ID=49932833
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310461840.3A Pending CN103530849A (zh) | 2013-09-30 | 2013-09-30 | 一种优化的K-edge成像方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103530849A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105092617A (zh) * | 2015-09-18 | 2015-11-25 | 重庆大学 | 一种基于x射线能谱ct和x射线荧光ct技术的双模态分子成像系统 |
CN107358614A (zh) * | 2017-06-14 | 2017-11-17 | 南京邮电大学 | 从k边缘特性x射线图像中分离图像信息的方法 |
CN107430778A (zh) * | 2015-03-18 | 2017-12-01 | 棱镜传感器公司 | 基于来自光子计数多仓检测器的能量分辨的图像数据的图像重建 |
CN109801243A (zh) * | 2019-01-28 | 2019-05-24 | 中国科学院高能物理研究所 | 材料成像权重的确定方法、装置、介质及电子设备 |
CN110006932A (zh) * | 2019-04-12 | 2019-07-12 | 中国科学院高能物理研究所 | K边成像方法 |
CN111413357A (zh) * | 2020-04-20 | 2020-07-14 | 中国科学院高能物理研究所 | X射线吸收边探测信号增强方法、装置、设备及存储介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102113020A (zh) * | 2008-08-04 | 2011-06-29 | 皇家飞利浦电子股份有限公司 | 用于谱x射线成像的系统和方法 |
US20130112924A1 (en) * | 2011-11-03 | 2013-05-09 | Elwha LLC, a limited liability company of the State of Delaware | Systems, devices, methods, and compositions including fluidized x-ray shielding compositions |
-
2013
- 2013-09-30 CN CN201310461840.3A patent/CN103530849A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102113020A (zh) * | 2008-08-04 | 2011-06-29 | 皇家飞利浦电子股份有限公司 | 用于谱x射线成像的系统和方法 |
US20130112924A1 (en) * | 2011-11-03 | 2013-05-09 | Elwha LLC, a limited liability company of the State of Delaware | Systems, devices, methods, and compositions including fluidized x-ray shielding compositions |
Non-Patent Citations (1)
Title |
---|
PENG HE等: "Optimization of K-edge imaging with spectral CT", 《2012 AMERICAN ASSOCIATION OF PHYSICISTS IN MEDICINE》 * |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107430778A (zh) * | 2015-03-18 | 2017-12-01 | 棱镜传感器公司 | 基于来自光子计数多仓检测器的能量分辨的图像数据的图像重建 |
CN105092617A (zh) * | 2015-09-18 | 2015-11-25 | 重庆大学 | 一种基于x射线能谱ct和x射线荧光ct技术的双模态分子成像系统 |
CN107358614A (zh) * | 2017-06-14 | 2017-11-17 | 南京邮电大学 | 从k边缘特性x射线图像中分离图像信息的方法 |
CN107358614B (zh) * | 2017-06-14 | 2020-07-28 | 南京邮电大学 | 从k边缘特性x射线图像中分离图像信息的方法 |
CN109801243A (zh) * | 2019-01-28 | 2019-05-24 | 中国科学院高能物理研究所 | 材料成像权重的确定方法、装置、介质及电子设备 |
CN110006932A (zh) * | 2019-04-12 | 2019-07-12 | 中国科学院高能物理研究所 | K边成像方法 |
CN110006932B (zh) * | 2019-04-12 | 2020-11-24 | 中国科学院高能物理研究所 | K边成像方法 |
CN111413357A (zh) * | 2020-04-20 | 2020-07-14 | 中国科学院高能物理研究所 | X射线吸收边探测信号增强方法、装置、设备及存储介质 |
CN111413357B (zh) * | 2020-04-20 | 2022-01-07 | 中国科学院高能物理研究所 | X射线吸收边探测信号增强方法、装置、设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103530849A (zh) | 一种优化的K-edge成像方法 | |
Niu et al. | Accelerated barrier optimization compressed sensing (ABOCS) reconstruction for cone‐beam CT: phantom studies | |
Frey et al. | Application of task-based measures of image quality to optimization and evaluation of three-dimensional reconstruction-based compensation methods in myocardial perfusion SPECT | |
CN104346820B (zh) | 一种x光双能ct重建方法 | |
Richard et al. | Quantitative imaging in breast tomosynthesis and CT: Comparison of detection and estimation task performance | |
Fahimian et al. | Radiation dose reduction in medical x‐ray CT via Fourier‐based iterative reconstruction | |
Miqueles et al. | Iterative reconstruction in x-ray fluorescence tomography based on Radon inversion | |
CN105740573B (zh) | 一种用于放射线剂量计算的双步蒙特卡洛模拟方法 | |
CN106127825B (zh) | 一种基于广义惩罚加权最小二乘的x射线ct图像重建方法 | |
US20190197740A1 (en) | Model-based scatter correction for computed tomography | |
CN107392977A (zh) | 单视图切伦科夫发光断层成像重建方法 | |
Thompson et al. | Fast three-dimensional phase retrieval in propagation-based x-ray tomography | |
Huang et al. | Projection data restoration guided non-local means for low-dose computed tomography reconstruction | |
Meng et al. | Energy window optimization for X-ray K-edge tomographic imaging | |
Humphries et al. | Superiorized algorithm for reconstruction of CT images from sparse-view and limited-angle polyenergetic data | |
Quiñones et al. | Filtered back-projection reconstruction for attenuation proton CT along most likely paths | |
Gracey | Momentum subtraction and the R ratio | |
Ren et al. | On the conditioning of spectral channelization (energy binning) and its impact on multi-material decomposition based spectral imaging in photon-counting CT | |
Liu et al. | A simulation study of the spent nuclear fuel cask condition evaluation using high energy X-ray computed tomography | |
CN110246199A (zh) | 一种面向能谱ct的投影域数据噪声去除方法 | |
Magnusson et al. | Iterative reconstruction for quantitative tissue decomposition in dual-energy CT | |
Baer et al. | Scatter correction methods in dimensional CT | |
Sun et al. | Variational Bayesian blind restoration reconstruction based on shear wave transform for low-dose medical CT image | |
Deng et al. | Research on system response matrix modelling method of rectangular PET scanner based on Monte Carlo simulation | |
Fontaine et al. | Neural Network PET Reconstruction using Scattered Data in Energy-dependent Sinograms. |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20140122 |
|
RJ01 | Rejection of invention patent application after publication |