CN103617598B - 一种基于轨迹的ct图像金属伪影去除方法 - Google Patents

Abstract

本发明是一种基于轨迹的CT图像金属伪影去除方法。针对经典的NMAR金属伪影去除算法中，不可避免地在金属与高密度组织（骨头、金属）间引入新伪影的问题。该方法在NMAR算法中的金属区域插值之后，增加了对多个高密度组织投影中重叠区域进行特殊修复的方法，主要采用基于像素投影轨迹插值的方法。首先，前向投影得到每个高密度组织像素的投影轨迹；进而对轨迹上与其他高密度组织有重叠的区间进行修复，对所有高密度组织像素点重复以上修复过程，得到最终修复好的正弦图。该方法在经典NMAR算法的基础上，增加了基于轨迹的插值方法，大大减少了重建图像中新伪影的引入。大量结果显示修复后的图像金属伪影去除的效果较好。

Description

一种基于轨迹的CT图像金属伪影去除方法

技术领域

本发明涉及用于计算机断层摄影(CT)中减少金属伪像的方法，具体涉及一种CT图像原始投影数据来定位新引入伪影的轨迹，进而进行伪影去除方法的研究及实现。

背景技术

在放射治疗中，一方面，对于具有金属植入体(诸如牙齿填充物、合金股骨头,如图1)的病人，一般会产生严重的阴影伪像。这种情况对于脑部或前列腺中的肿瘤非常常见。另一方面，医生通常用很小的金属标记来对肿瘤进行定位，这同样引入了金属伪像。在肿瘤的放射治疗中，由计算机断层摄影(CT)图像提供的肿瘤位置准确度以及放疗射线剂量分布是非常重要的，因此有必要减少金属伪像的影响。

图2是现有技术的NMAR方法的流程图。

方法开始于步骤1，利用原始正弦图(CT机原始扫描数据)对金属伪像进行首次重构。这种首次重构是对金属伪像的普通重构，具有很大的显示视野(DFOV)(通常为50cm，根据用户的指定而不同)。

在步骤2-1中，进行金属分割。其中，将通过手动指定的阈值从首次重构图像中得到原始的金属掩膜。然后，在扩张之后，将对原始金属掩膜进行腐蚀，以移除斑点并填充空洞。

在步骤2-2中，进行多阈值分割。其中，将通过手动指定的多阈值，从首次重构图像中得到一幅无噪声又尽可能接近原图的优化图像，来作为校正的标准；最终分为三类，空气像素通常置为1024、肌肉组织像素通常置为2048、骨头像素保持不变、金属像素与肌肉组织相同，通常置为2048。

在步骤3-1中，进行二进制前向投影(FP)。其中，将金属掩膜前向投影以找到将包含金属的投影的检测器单元。

在步骤3-2中，多阈值图像进行前向投影(FP)。其中，将多阈值图像进行前向投影以获取一幅用于作为归一化标准的正弦图数据。

在步骤4中，进行归一化。利用原始正弦图数据除以步骤3-2得到的多阈值图像正弦图数据。

在步骤5中，进行区域数据插值。基于步骤4得到的正弦图，在找出金属检测器单元之后，通过沿通道、行和视图方向的插值来修正这些检测器的投影值。以归一化的正弦图进行金属区域修复，而非直接在原始正弦图上修复，是为了使得修复区域的插值结果更加平滑。

在步骤6中，进行去归一化，完成视图。利用原始正弦图数据乘以步骤32得到的多阈值图像正弦图数据，数据修正完毕。

在步骤7中，进行最终重构。这种最终重构将使用经修正的示图和用户定义的重建参数。重构后的图像将不再包含金属；还需要进行金属替换。为了使金属重新出现，将步骤2中的金属贴回到上述得到的重构图像中。为避免参差不齐的效果，可以添加平滑。

这种归一化金属伪像去除(NMAR)技术能够很好地处理大部分临床情况。但是，其具有某些缺点，在扫描含多个金属的牙齿图像时。这在临床医学中是非常普遍的；在某些放射治疗中，诸如病人身上含有不同尺寸的金属时。例如，在身上带有合金股骨头的前列腺癌患者的情况。具体而言，现有技术的NMAR方法在处理含有存在两个主要缺点。

第一，在含有多个金属时，则该NMAR方法，在去除原有金属伪影的基础上，在金属之间区域出现黑色条带，修复效果不好。

第二，在含有高密度骨头时，则该NMAR方法在骨头和金属之间的区域，引入了新的条形伪影。

上述两种伪影，是由于正弦图中的金属轨迹修复，导致了骨头(高密度组织)像素轨迹在与金属轨迹相交区域的不连续，进而引入的条形伪影。

图1示意性地示出了用图1的NMAR方法处理后高密度骨头和金属间引入的金属伪像。可见，图1(a)中在金属与高密度骨头间引入了大量的条形伪影。图1(b)中的最上面的三颗金属牙之间仍然存在黑色区域伪影。

如上所述，在经典的NMAR中，当图像同时包含多个金属甚至高密度骨头时，会在其中间引入新的条形伪影。也就是说，大多含金属伪影的图像，都会或多或少的引入此类伪影，即使是经典的NMAR算法也存在这样的缺点。还没有非常针对性的算法来去除这些伪影。

因此，在经典的NMAR算法基础上，保持现有修复好的效果，而尽可能少地引入这些新的伪影，是亟待解决的问题。

本发明的目的正是解决这一问题。

发明内容

本发明是最新NMAR算法的改进，针对NMAR算法中，归一化(步骤4)与去归一化(步骤7)之间的区域插值方法的部分轨迹方向不连续性，进而提出了一种基于轨迹平滑的插值方法，与上述经典的NMAR算法相比，本发明提出的算法在保证正弦图域中，数据沿通道、行和视图方向的平滑性以外，进而对高密度组织结构的投影轨迹方向进行平滑，更保证了其在其轨迹方向上的连续性，大大地减少了新伪影的引入；实验结果显示此方法可以用于CT医学图像的金属伪影去除算法中，修复后的图像金属伪影去除的效果有很大提升。

常用的X-CT医学图像中，各种组织的CT值(像素值)如下：

本发明中正弦图数据S大小为855*984，CT图像I大小为512*512；

为了实现上述问题，本发明提供了一种有效的基于余弦投影的快速金属轨迹定位算法，并将其运用到金属伪影去除方法中。该方法具体包括：

1)根据CT机对人体某个部位的断层扫描，得到一幅原始扫描数据，称为原始正弦图S_orign(如图4)。方法开始于步骤1，其中对原始数据进行首次重构，得到原始(未校正)图像I_orign(如图5)。

2)阈值分割：

①在步骤2-1中，对I_orign中像素值I_orign>5000的组织阈值分割，得到金属掩膜图像I_metal(如图6)。

②在步骤2-2中，进行多阈值分割，得到图像I_prior(如图7)。其中，将通过手动指定的多阈值，分成三类，空气、肌肉组织、骨头，且每类组织置成单一像素值。理论上，即从原始图像I_orign中得到一幅无噪声又尽可能接近原图的优化图像，来做为校正的标准。

③在步骤2-3中，对I_orign中像素值5000>I_orign>2249的组织阈值分割，得到骨头掩膜图像I_bone(如图8)。

3)前向投影：

①在步骤3-1中，进行二进制前向投影(FP)，得到金属区域正弦图S_metal，并对S_metal进行二值化，金属区域为1，其余为0(如图9)。目的是，利用金属掩膜前向投影以找到包含金属的投影的检测器单元。

②在步骤3-2中，多阈值图像进行前向投影(FP)，得到多阈值图像正弦图S_prior(如图10)。其中，将多阈值图像进行前向投影以获取一幅作为归一化标准的正弦图数据。

4)在步骤4中，进行归一化得到S_norm(如图11)。利用原始正弦图数据S_orign除以步骤3-2得到的多阈值图像正弦图S_prior，可得S_norm：

S_norm＝S_orign./S_prior (1)

5)在步骤5中，针对S_norm中的金属投影区域S_metal进行插值得到S_normrepair(如图12)。基于S_metal非零区域，找出S_norm中金属检测器单元之后，通过沿通道、行和视图方向采用线性插值的方法来修正这些检测器的投影值。以归一化的正弦图进行金属区域修复，而非直接在原始正弦图上插值，是为了使得修复区域的插值结果更加平滑。

6)由于S_normrepair修复后的金属区域，保证了在沿通道、视图方向的连续性，却不能保证像素投影轨迹方向穿过此区域时的连续性(例如12中黑色箭头方向等)，因此在重建图像上金属与高密度组织间易引起条形伪影。特此，对于高密度组织的投影方向不连续的问题，在步骤6中采取进一步的单个投影轨迹修复,具体如下：

由2-3得到的骨头掩膜图像I_bone，对，(I(x,y)∈I_bone)∩(I(x,y)>0)重复以下操作：

①已知像素点I(x,y)，前向投影得到其二进制的投影轨迹正弦图S_trace(如图13)。为了节省时间的考虑，也可参考专利《一种基于余弦积分的CT图像金属轨迹预测和伪影去除方法》(申请号：201310199843.4申请日：2013.05.25)，得到点I(x,y)投影轨迹(即单个像素点坐标，可以得到一条像素宽度为1的轨迹正弦线，其中轨迹处值为1，其余为0)。

②获取正弦图S_Normrepair中S_trace轨迹上的值，存入一维数组M_trace中。

令S_{NormTracerepair}＝S_trace.*S_Normrepair， (2)

再将S_{NormTracerepair}中的非零值，存入一维数组M_trace中，为轨迹数据修复做准备。

③检测I(x,y)点投影轨迹S_trace中，与S_metal轨迹的重叠区域。

令S_traceOverlap＝S_trace+S_metal(如图14)， (3)

其中S_traceOverlap等于2的轨迹即为重叠区间A。

④对M_trace的区间A中数值进行插值修复。对M_trace的区间A中数值置0，利用区间端点对两区间内数值进行插值修复得到M_tracerepair，此处采用线性插值。结果如图15(黑色曲线为M_trace数据曲线，红色为修复后的对比结果)。

⑤将修复好的数组M_tracerepair赋值到正弦图的投影轨迹中。定义一个新的正弦图S_{NormTracerepaired}＝S_{NormTracerepaire}，将M_tracerepair中非零值一一对应地赋到S_{NormTracerepaired}的非零轨迹上。

⑥对I_bone中每个非零像素点I(x,y)重复以上操作，最后得含有所有高密度组织(骨头)投影轨迹的修复正弦图S_{Normoverlaprepaired}：

S_{Normoverlaprepaired}＝(∑S_{NormTracerepaired})./∑S_trace (4)

由于不同像素点的正弦图轨迹可能有重叠区域，此处是利用S_trace加和统计重叠次数，进而求轨迹像素点平均值；使其尽可能的沿所有投影轨迹都平滑。

⑦将正弦图S_{Normoverlaprepaired}的非零区，对应赋值给步骤6得到的S_Normrepair，即得到一幅修复后的归一化正弦图S_Normrepaired

7)在步骤7中，进行去归一化。

S_repaired＝S_Normrepaired.*S_prior， (5)

得到正弦图S_repaired。

8)在步骤8中，对正弦图S_repaired的如上轨迹修复区域进行整体的高斯平滑，保证区域平滑性。具体如下：求出正弦图S_{Normoverlaprepaired}与S_metal中非零区域的重叠部分(即所有轨迹修复部分)，

令S_OverlapArea＝S_metal.*S_{Normoverlaprepaired}， (6)

对S_repaired中S_OverlapArea大于0区域进行高斯平滑。得到最终修复后的正弦图S_{finalRepaired}(如图16)，完成视图。

9)在步骤9中，进行最终重构，利用正弦图S_{finalRepaired}重构出结果图像。这种最终重构将使用经修正的示图和用户定义的重建参数。重构后的图像将不再包含金属；还需要进行金属替换。为了使金属重新出现，将步骤2中的金属贴回到上述得到的重构图像中。为避免参差不齐的效果，可以添加平滑。结果如图17；

与经典NMAR算法图像(如图1(a))相比，图像有明显的改善。

附图说明：

图1是利用NMAR算法修复常见的含有金属伪影图像后的效果图。

图2是经典NMAR算法流程图。

图3是本专利提出的基于轨迹的NMAR算法流程图。

图4CT机对人体髋关节的断层扫描后，得到原始扫描数据(正弦图)。

图5由图4重建得到的原始断层图像。

图6原始图像中，分割得到的金属掩膜图像。

图7原始图像中，多阈值分割得到的多阈值图像。

图8原始图像中，分割得到的骨头图像。

图9图6前向投影得到对应的金属轨迹正弦图。

图10图7前向投影得到对应的多阈值分割图像正弦图。

图11归一化后的正弦图。

图12对归一化后的正弦图中金属轨迹进行插值修复后的正弦图。

图13单个高密度组织(骨头)像素点在正弦图中的投影轨迹。

图14单个像素投影轨迹与金属轨迹相加，求相交区间示意图。

图15如图13中，所有非零像素值的曲线及区间修复效果。

图16如上方法，得到的修复后的正弦图。

图17修复重建后的图像，进而贴上金属后的效果图。

图18金属牙图像应用本专利方法修复后的效果图。

具体实施方式：

下面结合附图和具体实施例对本发明进行进一步说明。

图3示意性地示出了根据本发明的方法的流程图。

1)根据CT机对人体某个部位的断层扫描，得到一幅原始扫描数据，称为原始正弦图S_orign(如图4)。方法开始于步骤1，其中对原始数据进行首次重构，得到原始(未校正)图像I_orign(如图5)。

2)阈值分割：

①在步骤2-1中，对I_orign中像素值I_orign>5000的组织阈值分割，得到金属掩膜图像I_metal(如图6)。然后，在扩张之后，将对原始金属掩膜进行腐蚀，以移除斑点并填充空洞。

②在步骤2-2中，进行多阈值分割，得到图像I_prior(如图7)。其中，将通过手动指定的多阈值，从首次重构图像中得到一幅无噪声又尽可能接近原图的优化图像，来做为校正的标准；其中将原图共分为三类：

空气像素：1448>I_orign>0通常置为1024

肌肉组织像素：2248>I_orign>1449通常置为2048

骨头像素：5000>I_orign>2249保持不变

其中I_orign>5000(金属)置为与肌肉同类的2048。

③在步骤2-3中，对I_orign中像素值5000>I_orign>2249的组织阈值分割，得到骨头掩膜图像I_bone(如图8)。

3)前向投影：

①在步骤3-1中，进行二进制前向投影(FP)，得到金属区域正弦图S_metal，并对S_metal进行二值化，金属区域为1，其余为0(如图9)。目的是，利用金属掩膜前向投影以找到包含金属的投影的检测器单元。

②在步骤3-2中，多阈值图像进行前向投影(FP)，得到多阈值图像正弦图S_prior(如图10)。其中，将多阈值图像进行前向投影以获取一幅作为归一化标准的正弦图数据。

4)在步骤4中，进行归一化得到S_norm(如图11)。利用原始正弦图数据S_orign除以步骤3-2得到的多阈值图像正弦图S_prior，可得S_norm：

S_norm＝S_orign./S_prior (1)

5)在步骤5中，针对S_norm中的金属投影区域S_metal进行线性插值(也可采用其他插值方法)得到S_normrepair(如图12)。基于步骤3-1得到的金属区域正弦图S_metal，在找出金属检测器单元之后，通过沿通道、行和视图方向采用线性插值的方法来修正这些检测器的投影值。

6)由于S_normrepair修复后的金属区域，保证了在沿通道、视图方向的连续性，却不能保证像素投影轨迹方向穿过此区域时的连续性(如图12中黑色箭头方向)，因此在重建图像上金属与高密度组织间易引起条形伪影。特此，对于高密度组织的投影方向不连续的问题，在步骤6中采取进一步的单个投影轨迹修复。

由2-3得到的骨头掩膜图像I_bone，对，(I(x,y)∈I_bone)∩(I(x,y)>0)重复以下操作，以点I(281,277)为例：

①已知像素点I(281,277)，前向投影得到其二进制的投影轨迹正弦图S_trace(如图13)。(即单个像素点坐标，可以得到一条像素宽度为1的轨迹正弦线，其中轨迹处值为1，其余为0)。

②获取正弦图S_Normrepair中S_trace轨迹上的值，存入一维数组M_trace中。

令S_{NormTracerepair}＝S_trace.*S_Normrepair， (2)

再将S_{NormTracerepair}中的非零值，存入一维数组M_trace中，为轨迹数据修复做准备。

③检测I(281,277)点投影轨迹S_trace中，与S_metal轨迹的重叠区域。

令S_traceOverlap＝S_trace+S_metal(如图14)， (3)

其中S_traceOverlap等于2的轨迹即为重叠区间，，横坐标范围为A＝{[122,174],[614,667]}。

④对M_trace的区间A中数值进行插值修复。对M_trace的区间A中数值置0，利用区间端点M_trace(121)、M_trace(175)对区间[122,174]内进行插值，区间[614,667]同理。此处采用线性插值，修复得到数组M_tracerepair。结果如图15(黑色曲线为M_trace数据曲线，红色为修复好的对比结果)。

⑤将修复好的数组M_tracerepair赋值到正弦图的投影轨迹中。定义一个新的正弦图S_{NormTracerepaired}＝S_{NormTracerepaire}，将M_tracerepair中非零值一一对应地赋到S_{NormTracerepaired}的非零轨迹上。

⑥对I_bone中每个非零像素点I(x,y)重复以上操作，最后得含有所有高密度组织(骨头)投影轨迹的修复正弦图S_{Normoverlaprepaired}：

S_{Normoverlaprepaired}＝(∑S_{NormTracerepaired})./∑S_trace (4)

由于不同像素点的正弦图轨迹可能有重叠区域，此处是利用S_trace加和统计重叠次数，进而求轨迹像素点平均值；使其尽可能的沿所有投影轨迹都平滑。

⑦将正弦图S_{Normoverlaprepaired}的非零区，对应赋值给步骤6得到的S_Normrepair，即得到一幅修复后的归一化正弦图S_Normrepaired

7)在步骤7中，进行去归一化。

S_repaired＝S_Normrepaired.*S_prior， (5)

得到正弦图S_repaired。

8)在步骤8中，对正弦图S_repaired的如上轨迹修复区域进行整体的高斯平滑，保证区域平滑性。具体如下：求出正弦图S_{Normoverlaprepaired}与S_metal中非零区域的重叠部分(即所有轨迹修复部分)，

令S_OverlapArea＝S_metal.*S_{Normoverlaprepaired}， (6)

对S_repaired中S_OverlapArea>0区域进行高斯平滑(此处采用半径为5的高斯平滑)：

$S_{final\mathrm{Re}paired}(x,y)=\underset{s=-2}{\overset{2}{\Σ}}\underset{t=-2}{\overset{2}{\Σ}}g(s,t)*S_{repaired}(x+s,y+5t)---\left(7\right)$

其中，

$g(s,t)=\left[\begin{array}{ccccc}0& 0& 0.0002& 0& 0\\ 0& 0.0113& 0.0837& 0.0113& 0\\ 0.0002& 0.0837& 0.6187& 0.0837& 0.0002\\ 0& 0.0113& 0.0837& 0.0113& 0\\ 0& 0& 0.0002& 0& 0\end{array}\right]---\left(8\right)$

得最终修复后的正弦图S_{finalRepaired}(如图16)，完成视图。

9)在步骤9中，进行最终重构，利用正弦图S_{finalRepaired}重构出结果图像。这种最终重构将使用经修正的示图和用户定义的重建参数。重构后的图像将不再包含金属；还需要进行金属替换。为了使金属重新出现，将步骤2中的金属贴回到上述得到的重构图像中。为避免参差不齐的效果，可以添加平滑，结果如图17。

与经典NMAR算法图像(如图1(a))相比，图像有明显的改善。同理，可对金属与金属之间的新引入伪影进行修复，效果如图18，与NMAR方法得到的图1(a)相比，金属间的伪影在一定程度上有所改善。

本发明在经典NMAR算法基础上，对其中插值技术，提出了一种基于轨迹的插值方法，明显地去除了新引入的高密度组织结构间伪影，结果图像更清晰准确，且利于医生诊疗，具有一定的应用价值和意义。

Claims (1)

1.一种基于轨迹的CT图像金属伪影去除方法，其特征在于步骤如下：

1)根据CT机对人体某个部位的断层扫描，得到一幅原始扫描数据，称为原始正弦图S_orign，对原始数据进行首次重构，得到原始未校正图像I_orign；

2)阈值分割：

①对I_orign阈值分割，得到金属掩膜图像I_metal；

②针对I_orign多阈值分割得到图像I_prior；其中，将通过手动指定的多阈值，分成三类，空气、肌肉组织、骨头，且每类组织置成单一像素值；即从原始图像I_orign中得到一幅无噪声又尽可能接近原图的优化图像，来做为校正的标准；

③对I_orign阈值分割，得到骨头掩膜图像I_bone；

3)前向投影：

①金属掩膜图像进行二进制前向投影，得到金属区域正弦图S_metal；并对S_metal进行二值化，金属区域为1，其余为0；目的是，利用金属掩膜前向投影来找到包含金属投影的探测器单元；

②多阈值图像进行前向投影，得到多阈值图像正弦图S_prior；其中，将多阈值图像进行前向投影以获取一幅作为归一化标准的正弦图数据；

4)进行归一化得到S_norm；利用原始正弦图数据S_orign除以多阈值图像正弦图S_prior，得S_norm：

S_norm＝S_orign./S_prior (1)

5)针对S_norm中的金属投影区域S_metal进行插值得到S_normrepair；基于S_metal非零区域，找出S_norm中金属检测器单元之后，采用区域插值的方法来修正这些检测器的投影值；以归一化的正弦图进行金属区域修复，而非直接在原始正弦图上插值，是为了使得修复区域的插值结果更加平滑；

6)由于S_normrepair修复后的金属区域，保证了在沿通道、视图方向的连续性，却不能保证像素投影轨迹方向穿过此区域时的连续性，因此在重建图像上金属与高密度组织间易引起条形伪影；特此，对于高密度组织的投影方向不连续的问题，采取进一步的单个投影轨迹修复,具体如下：

对骨头掩膜图像I_bone中的每个像素点I(x,y)，重复以下操作：

①已知像素点I(x,y)，前向投影得到其二进制的投影轨迹正弦图S_trace；首先生成一幅仅含该点I(x,y)像素值的图像，利用前向投影，即可得到该图的正弦图，其中像素宽度为1的亮线即为点I(x,y)的投影轨迹；

②获取正弦图S_Normrepair中S_trace轨迹上的值，存入一维数组M_trace中；

令S_{NormTracerepair}＝S_trace.*S_Normrepair， (2)

再将S_{NormTracerepair}中的非零值，存入一维数组M_trace中，为轨迹数据修复做准备；

③检测I(x,y)点投影轨迹S_trace中，与S_metal轨迹的重叠区域；找出S_trace与S_metal中轨迹的重叠区间A；

④对M_trace的区间A中数值进行插值修复；对M_trace的区间A中数值置0，利用区间端点对两区间内数值进行插值修复得到M_tracerepair，此处采用线性插值；

⑤将修复好的数组M_tracerepair赋值到正弦图的投影轨迹中；根据投影轨迹，将M_tracerepair中非零值一一对应地赋到S_{NormTracerepair}中该点投影轨迹上，修复后结果得到一幅正弦图S_{NormTracerepaired}；

⑥对I_bone中每个非零像素点I(x,y)重复以上操作，修复所有高密度组织(骨头)投影轨迹，得到修复后的正弦图S_{Normoverlaprepaired}：

S_{Normoverlaprepaired}＝(∑S_{NormTracerepaired})./∑S_trace (3)

由于不同像素点的正弦图轨迹可能有重叠区域，此处是利用S_trace加和统计重叠次数，进而求轨迹像素点平均值；使其尽可能的沿所有投影轨迹都平滑；

⑦将正弦图S_{Normoverlaprepaired}的非零区，对应赋值给S_Normrepair，即得到一幅修复后的归一化正弦图S_Normrepaired；

7)进行去归一化：

S_repaired＝S_Normrepaired.*S_prior， (4)

得到正弦图S_repaired；

8)对正弦图S_repaired的如上轨迹修复区域进行整体的高斯平滑，保证区域平滑性；具体如下：求出正弦图S_{Normoverlaprepaired}与S_metal中非零区域的重叠部分，即所有轨迹修复部分，

令S_OverlapArea＝S_metal.*S_{Normoverlaprepaired}， (5)

对S_repaired中S_OverlapArea大于0的区域进行高斯平滑；得到最终修复后的正弦图S_{finalRepaired}，完成视图；

9)进行最终重构，利用正弦图S_{finalRepaired}重构出结果图像；这种最终重构将使用经修正的示图和用户定义的重建参数；重构后的图像将不再包含金属；还需要进行金属替换；为了使金属重新出现，将金属掩膜图像贴回到上述得到的重构图像中。