CN104025156B - 用于基于利用正则化的迭代重建算法和/或去噪算法来处理图像的处理部件和方法 - Google Patents
用于基于利用正则化的迭代重建算法和/或去噪算法来处理图像的处理部件和方法 Download PDFInfo
- Publication number
- CN104025156B CN104025156B CN201280061612.0A CN201280061612A CN104025156B CN 104025156 B CN104025156 B CN 104025156B CN 201280061612 A CN201280061612 A CN 201280061612A CN 104025156 B CN104025156 B CN 104025156B
- Authority
- CN
- China
- Prior art keywords
- quality
- image
- processing component
- iteration
- regular factor
- 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
- 238000012545 processing Methods 0.000 title claims abstract description 34
- 238000000034 method Methods 0.000 title claims abstract description 28
- 238000013442 quality metrics Methods 0.000 claims abstract description 60
- 230000008569 process Effects 0.000 claims abstract description 9
- 230000004044 response Effects 0.000 claims abstract description 5
- 230000006870 function Effects 0.000 claims description 6
- 230000009471 action Effects 0.000 claims description 3
- 238000007689 inspection Methods 0.000 description 9
- 230000005855 radiation Effects 0.000 description 8
- 230000008859 change Effects 0.000 description 7
- 238000003384 imaging method Methods 0.000 description 7
- 230000006399 behavior Effects 0.000 description 5
- 238000002591 computed tomography Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000013441 quality evaluation Methods 0.000 description 2
- 238000007476 Maximum Likelihood Methods 0.000 description 1
- 238000007792 addition Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000002059 diagnostic imaging Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000003325 tomography Methods 0.000 description 1
- 230000001052 transient effect Effects 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
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20004—Adaptive image processing
-
- 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
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Algebra (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Mathematical Physics (AREA)
- Pure & Applied Mathematics (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Image Processing (AREA)
Abstract
一种处理部件(122)，其基于利用正则化的迭代重建算法和/或去噪算法处理图像。所述处理部件包括设定点确定器(224)，所述设定点确定器基于指示感兴趣图像质量的质量变量(228)，来确定在预定质量上限和质量下限(226)之间的质量设定点(216)。所述处理部件还包括比较器(214)，所述比较器在每次处理迭代，将当前生成的图像的质量度量与所述质量设定点进行比较，并生成指示所述质量度量与所述质量设定点之间的差的差值。所述处理部件还包括正则因子更新器(220)，所述正则因子更新器响应于所述差值指示所述质量度量在关于所述质量设定点的预定范围之外，而基于所述正则因子的当前值(222)和至少所述质量度量，来生成针对下一处理迭代的更新的正则因子。
Description
技术领域
以下大体涉及正则化的迭代图像重建和/或图像去噪，并且具体应用于计算机断层摄影(CT)，并且也可用于其他成像模态。
背景技术
CT扫描器包括安装在可旋转机架上的X射线管，所述可旋转机架关于z轴绕检查区域旋转。探测器阵列对向一角度弧，跨检查区域与所述X射线管相对。所述X射线管发射穿过所述检查区域的辐射。所述探测器阵列探测穿过所述检查区域的辐射，并生成指示其的投影数据。重建器使用迭代或非迭代重建算法，重建所述投影数据，生成指示所述检查区域的图像。所述图像的噪声水平取决于各种成像参数，并且可以通过去噪算法得以降低。
已通过具有数据保真项和正则项的代价函数，来将利用正则化的迭代图像重建和/或图像去噪算法公式化。用正则项乘以正则因子β，并然后将两个项相加，以确定总代价，所述总代价被最小化。通用代价函数可以被表达为：代价(f)＝F(f)+β·R(f)，其中f表示图像，F(f)表示数据保真项，R(f)表示正则项，并且β为自由参数并且表示控制所述正则化的强度的正则因子。对于正则化的迭代重建，所述数据保真项将正投影的图像与所测量的投影进行比较，任选地包括所述投影的噪声模型。为了去噪，所述数据保真项可以为与所述初始的、有噪声图像的差。类似地，可以包括噪声模型。
一般地，手动确定所述正则因子β。然而，β倾向于依赖于图像和数据集。因此，必须针对每个不同的图像和/或数据集手动确定β。这已通过用不同的β(平行地或连续地)运行几次迭代，并选择满足预定标准的β，来实现。遗憾的是，该过程可能是计算和时间密集型的。例如，假定典型的迭代耗费二(2)或三(3)小时，并且可能在到达合乎期望的最终图像之前要运行十次(10)或更多次迭代，确定针对特定图像的β可能耗费二十(20)或更多小时。
发明内容
本文描述的各方面解决上述问题以及其他问题。
在一方面中，一种处理部件基于利用正则化的迭代重建算法和/或去噪算法，来处理图像。所述处理部件包括设定点确定器，设定点确定器基于指示感兴趣图像质量的质量变量，来确定在预定质量上限和质量下限之间的质量设定点。所述处理部件还包括比较器，所述比较器在每次处理迭代，将当前生成的图像的质量度量与所述质量设定点进行比较，并生成指示所述质量度量与所述质量设定点之间的差的差值。所述处理部件还包括正则因子更新器，正则因子更新器响应于所述差值指示所述质量度量在关于所述质量设定点的预定范围之外，而基于所述正则因子的当前值和至少所述质量度量，来生成针对下一处理迭代的更新的正则因子。
在另一方面中，一种方法，包括：在第一处理迭代期间，使用采用正则化和初始正则因子的算法，来处理初始图像并生成第一图像。所述方法还包括：确定所述第一图像的第一质量度量。所述方法还包括：将所述第一图像的所述第一质量度量与质量设定点进行比较并确定它们之间的差值。所述方法还包括：响应于所述第一质量度量在关于所述质量设定点的预定范围之外，而针对所述图像的后续处理迭代，来生成更新的正则因子。所述更新的正则因子是基于所述初始正则因子和所述第一质量度量生成的，并且所述更新的正则因子被用于在所述后续处理迭代期间处理所述第一图像并生成后续图像。
在另一方面中，一种处理部件，包括使用采用正则化的迭代算法处理图像并生成图像的部件，其中，所述迭代算法至少包括乘以正则因子的正则化项。所述处理部件还包括分析器，所述分析器在每次处理迭代之后，针对各自生成的图像生成质量度量。所述处理部件还包括正则因子确定器，所述正则因子确定器基于当前处理迭代生成的图像的质量度量和针对所生成的图像的预定质量设定点，自动生成针对所述部件的下一处理迭代的更新的正则因子。
附图说明
本发明可以采取各种部件与各部件的布置以及各个步骤与各步骤的安排的形式。附图仅出于图示优选的实施例的目的并且不旨在被解释为限制本发明。
图1示意性地图示了示范性成像系统。
图2示意性地图示了可以与图1的成像系统一起使用的示范性重建器。
图3示意性地图示了可以与图1的成像系统一起使用的示范性图像去噪器。
图4以图形方式图示了自动确定的正则因子到对应于预定质量度量的值的收敛。
图5以图形方式图示了针对所述预定质量度量的所述收敛的期望行为。
图6图示了根据图2或图3中的至少一个的示范性方法。
具体实施方式
以下大体涉及利用正则化的迭代重建和/或图像去噪。如在下文更详细描述，用本文中描述的方法，所述正则因子β被自动确定，并且即使所述正则因子β可以随图像和/或数据集的不同而变化，用户也仅需要提供(例如在0％(即没有正则化，或不正则化的)与100％(即，完全正则化)之间的)正则化的相对水平。在一个实例中，这减轻了由用户通过对每个图像和/或数据集试错来手动确定合适的正则因子，并因此减少了达到合适的正则因子β和最终图像的时间量。
图1图示了示范性成像系统100，例如计算机断层摄影(CT)扫描器。成像系统100包括大体固定机架102和旋转机架104，旋转机架104由固定机架102可旋转地支撑并关于z轴绕检查区域106旋转。
辐射源110，例如X射线管，由旋转机架104可旋转地支撑。辐射源110与旋转机架104一起旋转，并且发射穿过检查区域106的辐射。一维或二维辐射敏感探测器阵列112对向一角度弧，跨检查区域106与辐射源110相对。探测器阵列112探测穿过检查区域106的辐射，并生成指示其的投影数据。
对象支撑体118，例如躺椅，在检查区域106中支撑对象或受试者，例如人或动物受试者。通用计算系统或计算机充当操作者控制台120。控制台120包括人类可读的输出设备(例如监视器)和输入设备(例如键盘、鼠标等)。驻留在控制台120上的软件允许操作者经由图形用户界面(GUI)或以其他方式与扫描器100交互和/或操作扫描器100。
重建器114重建所述投影数据，并生成指示其的图像数据。如在下文更详细描述，在一个实例中，重建器114采用利用正则化的迭代重建算法，并基于针对当前迭代生成的图像的图像质量度量和预定的感兴趣正则水平，来确定针对每次迭代的正则因子β，所述预定的感兴趣正则水平可以为缺省和/或用户定义的水平。在一个实例中，自动确定所述正则因子。
任选的图像去噪器116去噪由重建器114和/或其他重建器生成的图像，所述其他重建器包括采用常规的滤波反投影重建算法和/或其他基于正则化或非正则化的重建算法的重建器。如在下文更详细描述，在一个实例中，去噪器116，类似地，基于针对当前迭代生成的当前生成的图像的图像质量度量和预定的感兴趣正则水平，自动确定针对后续迭代的正则因子β，所述预定的感兴趣正则水平可以为缺省和/或用户定义的水平。
重建器114和图像去噪器116可以为相同部件(例如在图1中所述的处理部件122)的部分，或为单独且不同的部件。要认识到，针对所述正则化的迭代重建算法或所述图像去噪中的任一个或两者，自动确定正则因子β，可以提升正则化的迭代重建算法和/或图像去噪的可用性，因为用户不需要知晓β的绝对值，而是仅提供正则化的相对水平。
重建器114和/或图像去噪器116经由处理器(或微处理器、控制器等等)运行被编码或嵌入在计算机可读存储介质(例如物理存储器)上的一个或多个计算机可读指令来实施。这样的处理器可以为控制台120和/或其他计算设备(例如专用计算机和/或其他计算设备)的部分。所述处理器也可以运行由载波、信号或其他非计算机可读存储介质(例如暂时性介质)承载的至少一个计算机可读指令。
图2图示了重建器114的范例。
图像更新器202接收初始图像，并使用利用正则化的迭代重建算法204处理所述图像。在Fessler的“Statistical image reconstruction methods for transmissiontomography”(Handbook of Medical Imaging，第2卷：Medical Image Processing andAnalysis，1.70页，SPIE，贝灵翰姆，2000年)中描述了这样的算法的范例。例如，该引文讨论了用于通过最大化以下形式的惩罚似然目标函数，来确定对真实衰减图的估计的方法：其中Φ为所述目标函数，并且R(μ)为粗糙度惩罚。
在所图示的实施例中，针对第一重建迭代的正则因子被设定为初始值β206，其可以为预定的缺省值和/或用户定义的，并且可以为零或非零的值。在这样的处理之后，图像更新器202生成图像，并且在后续重建迭代期间类似地处理所生成的图像。在所图示的范例中，图像更新器202使用β在每次重建迭代的不同更新值，迭代地重建最终图像。
分析器208在每次重建迭代之后接收所生成的图像，并基于一个或多个给定质量标准(例如噪声、伪影等等)，来分析所接收的图像。分析器208生成指示其的质量度量。所述质量度量可以为单个值或多个值。质量度量的范例包括，但不限于，全局或局部图像噪声标准偏差或方差。可以任选地使用其他量化标准。分析器208在每次重建迭代之后输出所述质量度量。
β确定器212在每次重建迭代之后接收每个生成的图像的质量度量，并确定针对下一重建迭代的更新的β。β确定器212包括比较器214，其将每次重建迭代的所接收的质量度量与存储在存储器218中的预定质量设定点216进行比较，确定每次重建迭代指示所接收的质量度量与预定质量设定点216之间的误差或差的值。
如果所述质量度量满足质量设定点216(例如，所述质量度量在关于设定点216的预定范围或容差之内)，则β确定器212向图像更新器202传送一信号，其终止所述迭代重建，并且图像更新器202输出最终的重建图像。其他停止标准可以包括迭代的次数、流逝了一时间持续等。否则，β更新器220更新β的当前值222，并将所更新的β传送到图像更新器202，用于下一重建迭代。
可以以各种方式确定设定点216。例如，设定点确定器224基于质量上限和质量下限226和质量变量228，来确定设定点216，质量变量228指示在质量上限和质量下限226之间的水平。在一个非限制性的实例中，上限被确定为初始的未正则化的图像的所述质量度量，并且下限被确定为完全(或100％)正则化的初始图像的所述质量度量，其可以通过完全正则化所述图像来确定，或无需完全正则化所述初始图像地近似。可以通过所述上限来归一化质量上限和质量下限226。本文中也预期用于确定质量上限和质量下限的其他方法。
质量变量228在该实施例中表示上限和下限226之间的相对目标水平(例如，被表达为百分数或其他方式)(例如在上限和下限226之间的50％)。该相对目标水平可以由用户(例如放射科医师或其他执业医师)或计算机确定或设定。
图3图示图像去噪器116的范例。
去噪器302接收初始(例如，未去噪的)图像，并基于去噪算法304来对所述图像进行去噪。所述初始图像可以由成像系统100或其他系统生成。在2011年10月17日递交的、受让于皇家飞利浦电子股份有限公司(荷兰埃因霍温)的题为“Low Dose CT De-Noising”的国际(PCT)申请序列号PCT/IB2011/054588中，描述了合适的正则化的去噪算法的非限制性范例，在此通过引用将其整体并入。
去噪器302使用β的初始值306，用去噪算法304来去噪所接收的初始图像。可以如本文针对β的初始值206所述，来确定β的初始值306。在这样的处理之后，图像去噪器302生成去噪图像。如果所述去噪图像的图像质量不满足感兴趣图像质量，则去噪器302也可以进一步去噪所生成的去噪图像，如下文所述。在所图示的范例中，去噪器302以迭代的方式，使用每次迭代β的不同更新值，进一步去噪所生成的去噪图像。
结合图2描述分析器208和β确定器212。
亦即，分析器208在每次去噪迭代之后，接收所生成的图像，并基于一个或多个给定质量标准(例如噪声、伪影等等)，来分析接收到的图像。分析器208生成指示其的质量度量。所述质量度量可以为单个值或多个值。质量度量的范围包括，但不限于，全局或局部图像噪声标准偏差或方差。可以任选地使用其他量化标准。分析器208在每次图像去噪迭代之后，输出所述质量度量。
β确定器212在每次去噪迭代之后，接收每个生成的图像的所述质量度量，并确定针对每个下一去噪迭代的更新的β。β确定器212包括比较器214，其将所接收的每次去噪迭代的质量度量与存储在存储器218中的预定质量设定点216进行比较，确定指示每次去噪迭代所接收的质量度量与预定质量设定点216之间的误差或差的值。
类似地，如果所述质量度量满足质量设定点216(例如，所述质量度量在关于设定点216的预定范围或容差之内)，则β确定器212将信号传送到图像去噪器302，其终止去噪，并且图像去噪器302输出最终的去噪图像。类似地，其他停止标准可以包括迭代的次数、逝去了一时间持续，等等。否则，β更新器220更新β的当前值222，并且将更新的β传送到图像去噪器302，用于所述下一图像去噪迭代。
在该范例中，所述上限被确定为初始(非去噪)图像的质量度量，并且所述下限被确定为完全(100％)去噪的初始图像的质量度量，其可以通过完全去噪所述图像来确定，或无需完全去噪所述初始图像而被近似。类似地，可以通过所述上限归一化质量上限和质量下限226。本文中也预期用于确定质量上限和质量下限226的其他方法。
此外，可以基于剂量设定质量变量228，这允许针对给定图像质量的所述图像的剂量减少。例如，当执业医师要将质量变量设定在50％时，由于可以确定剂量与噪声之间的关系，针对给定图像质量患者剂量被减少至四分之一。在另一实例中，可以针对给定患者剂量，改善最终图像质量。在又另一范例中，改善图像质量且减小剂量。本文中也预期用于确定设定点216的其他方法。
针对在图2和图3中描述的实施例之一或两者，在等式1中示出了基于质量设定点216，使用比例-积分-微分(PID)控制，用于在每次迭代更新β的非限制性方法：
等式1：
β(k)＝β(k-1)·2P(e(k)+IE(k)+DΔe(k))，
其中，β(k)为针对所述下一迭代的更新的β，β(k-1)为前一更新的β，P、I和D分别为针对PID控制的比例、积分和微分常数，e(k)表示当前迭代的质量度量与当前迭代的设定点之间的差，E(k)为直到第k次迭代的e(k)的加合，并且Δe(k)表示在第(k-1)到第k次迭代之间，所述质量度量与所述设定点之间的所述差的改变(即，e(k)-e(k-1))。在另一实施例中，可以使用P、PI和/或其他控制来更新β。
图4以图形方式图示了使用具有Huber惩罚的最大似然重建，在多次迭代上更新β的非限制性范例，其中，所述质量度量为所述图像的全局噪声水平。
第一y轴402表示在上限和下限226之间的质量度量范围，其被归一化到所述上限，第二y轴404表示β的值，并且x轴406表示重建或去噪迭代的次数。针对图4，质量设定点408被设定到在归一化的上限和下限之间的50％(或0.5)。质量度量曲线410示出，所述质量度量在大致500次迭代之后，收敛到所述50％点。Β曲线412示出，一旦所述质量度量达到设定点，β的值收敛到并在大致250次时保持相当恒定。该范例是出于解释目的提供的，并且非限制性的。
要认识到，β更新器220可以任选地应用一套更新规则，例如以缓解在所述质量度量过低和/或过冲。例如，图5以图形方式图示了针对所述质量度量的范例目标行为500。在图5中，y轴502表示在上限和下限226之间的质量范围，其被归一化到所述上限，并且x轴504表示重建或去噪迭代的次数。如在图5中所示，目标行为500包括大致线性的区域506(即，具有固定斜率的线性衰减)，直到到达设定点508，以缓解设定点216的可能的过冲。本文中也预期其他目标行为。该范例行为是出于解释目的提供的，并且非限制性的。
图6图示了根据本文描述的实施例的范例方法。
要认识到，本文描述的所述方法中的动作的顺序不是限制性的。这样，本文也预期其他排序。此外，可以省略一个或多个动作和/或可以包括一个或多个外的动作。
在600，获得图像，用于以采用利用正则因子的算法处理。
在602，将所述正则因子设定到初始值。
在604，经由正则化的迭代重建算法或去噪算法，处理所述图像，例如如本文中所述，产生经处理的图像。
在606，确定针对所处理的图像的质量度量。
在608，将所述质量度量与质量设定点进行比较，并确定指示所述质量度量与所述质量设定点之间的差的差值。
在610，确定所述质量度量的绝对值是否在关于所述质量设定点的预定范围(例如，±容差)之内。如本文中描述的，可以基于质量下限与质量上限226之间的目标水平，来确定所述质量设定点。
如果所述质量度量在所述预定范围之外，则在612，如本文中所述，更新所述正则因子，并且用所更新的正则因子重复动作604-610。如果所述质量度量在所述预定范围之内，则在614，输出最终图像。
已参考优选的实施例描述了本发明。他人在阅读和理解前文的详细描述时，可以想到多种修改和变型。本发明旨在被解释为包括所有这样的修改和变型，只要它们落入权利要求书或其等价方案的范围之内。
Claims (15)
1.一种基于利用正则化的迭代重建算法和/或去噪算法来处理图像的处理部件(122)，所述处理部件包括：
设定点确定器(224)，其基于指示感兴趣图像质量的质量变量(228)，来确定介于预定质量上限和预定质量下限(226)之间的质量设定点(216)；
比较器(214)，其在每次处理迭代，将当前生成的图像的质量度量与所述质量设定点进行比较，并生成指示所述质量度量与所述质量设定点之间的差的差值；以及
正则因子更新器(220)，其响应于所述差值指示所述质量度量处于关于所述质量设定点的预定范围之外，而基于正则因子的当前值(222)和至少所述质量度量，来生成针对下一处理迭代的更新的正则因子。
2.如权利要求1所述的处理部件，其中，所述质量变量限定介于所述预定质量上限和所述预定质量下限之间的相对目标水平。
3.如权利要求2所述的处理部件，其中，所述相对目标水平对应于感兴趣的目标图像噪声或伪影水平降低。
4.如权利要求1至3中的任一项所述的处理部件，其中，所述预定质量上限对应于在正则化所述当前生成的图像之前的所述当前生成的图像的质量度量，并且所述预定质量下限对应于在完全正则化所述当前生成的图像之后的所述当前生成的图像的质量度量。
5.如权利要求1至3中的任一项所述的处理部件，其中，所述预定质量下限被近似而无需完全正则化所述当前生成的图像。
6.如权利要求1至3中的任一项所述的处理部件，其中，所述预定质量上限和所述预定质量下限通过所述预定质量上限被归一化。
7.如权利要求1至3中的任一项所述的处理部件，其中，所述正则因子更新器通过以下中的一种或多种方式来生成所述更新的正则因子：用所述正则因子的所述当前值乘以是所述质量度量的函数的更新项；或通过向所述正则因子的所述当前值增加是所述质量度量的函数的更新项。
8.如权利要求1至3中的任一项所述的处理部件，其中，所述正则因子更新器基于比例-积分-微分控制来生成所述更新的正则因子。
9.如权利要求1至3中的任一项所述的处理部件，其中，迭代的所述质量度量指示以下中的一项或多项：该迭代的所述当前生成的图像的图像噪声水平、该迭代的所述当前生成的图像的图像噪声水平的标准偏差或该迭代的所述当前生成的图像的伪影水平。
10.如权利要求1至3中的任一项所述的处理部件，还包括：
去噪器(302)，其在每次迭代，基于针对相对应的迭代的所述更新的正则因子，来对所述当前生成的图像进行去噪。
11.如权利要求1至3中的任一项所述的处理部件，其中，所述质量设定点基于介于所述预定质量下限与所述预定质量上限之间的用户定义的目标百分数。
12.如权利要求1至3中的任一项所述的处理部件，其中，所述正则因子更新器基于所述质量度量的预定行为，来生成所述更新的正则因子。
13.一种用于基于利用正则化的迭代重建算法和/或去噪算法来处理图像的方法，包括：
在第一处理迭代期间，使用采用正则化和初始正则因子的算法，来处理初始图像并生成第一图像；
确定所述第一图像的第一质量度量；
将所述第一图像的所述第一质量度量与质量设定点进行比较，并确定所述第一质量度量与所述质量设定点之间的差值；并且
响应于所述第一质量度量处于关于所述质量设定点的预定范围之外，而针对所述第一图像的后续处理迭代生成更新的正则因子，
其中，所述更新的正则因子是基于所述初始正则因子和所述第一质量度量而生成的，并且所述更新的正则因子被用于在所述后续处理迭代期间处理所述第一图像并生成后续图像。
14.如权利要求13所述的方法，其中，所述质量设定点基于介于质量下限与质量上限之间的用户定义的目标百分数。
15.如权利要求13至14中的任一项所述的方法，还包括：
基于比例-积分-微分控制来确定所述更新的正则因子。
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US201161569835P | 2011-12-13 | 2011-12-13 | |
| US61/569,835 | 2011-12-13 | ||
| PCT/IB2012/056929 WO2013088294A1 (en) | 2011-12-13 | 2012-12-04 | Automatic determination of regularization factor for iterative image reconstruction with regularization and/or image de-noising |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN104025156A CN104025156A (zh) | 2014-09-03 |
| CN104025156B true CN104025156B (zh) | 2017-05-24 |
Family
ID=47520208
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201280061612.0A Active CN104025156B (zh) | 2011-12-13 | 2012-12-04 | 用于基于利用正则化的迭代重建算法和/或去噪算法来处理图像的处理部件和方法 |
Country Status (8)
| Country | Link |
|---|---|
| US (1) | US9076191B2 (zh) |
| EP (1) | EP2748798B1 (zh) |
| JP (1) | JP6141313B2 (zh) |
| CN (1) | CN104025156B (zh) |
| BR (1) | BR112014014093A2 (zh) |
| IN (1) | IN2014CN04759A (zh) |
| RU (1) | RU2014128596A (zh) |
| WO (1) | WO2013088294A1 (zh) |
Families Citing this family (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2014080311A1 (en) * | 2012-11-26 | 2014-05-30 | Koninklijke Philips N.V. | Projection data de-noising |
| US9478049B2 (en) | 2013-09-30 | 2016-10-25 | Koninklijke Philips N.V. | Method for local adjustment of regularization parameters for image quality optimization in fully 3D iterative CT reconstruction |
| US9406107B2 (en) * | 2013-12-18 | 2016-08-02 | General Electric Company | System and method of computed tomography signal restoration via noise reduction |
| US9615803B2 (en) * | 2014-06-16 | 2017-04-11 | General Electric Company | System and method for determining X-ray exposure parameters |
| EP3195265B1 (en) * | 2014-09-15 | 2018-08-22 | Koninklijke Philips N.V. | Iterative image reconstruction with a sharpness driven regularization parameter |
| US10297049B2 (en) | 2014-12-10 | 2019-05-21 | Koninklijke Philips N.V. | Statistically weighted regularization in multi-contrast imaging |
| KR102372165B1 (ko) * | 2015-01-22 | 2022-03-11 | 삼성전자주식회사 | 엑스선 영상 장치, 영상 처리 장치 및 영상 처리 방법 |
| GB2542764A (en) * | 2015-09-23 | 2017-04-05 | Pathxl Ltd | Image processing method and apparatus for normalisation and artefact correction |
| US9911208B2 (en) * | 2016-04-11 | 2018-03-06 | Toshiba Medical Systems Corporation | Apparatus and method of iterative image reconstruction using regularization-parameter control |
| CN109844815A (zh) * | 2016-08-22 | 2019-06-04 | 皇家飞利浦有限公司 | 使用从不同迭代提取的特征图像进行基于特征的图像处理 |
| CN110709889B (zh) * | 2017-06-02 | 2024-04-16 | 皇家飞利浦有限公司 | 提供置信度值作为用于发射断层摄影中的迭代重建图像的定量保证的量度的系统和方法 |
| US10853689B2 (en) * | 2017-10-09 | 2020-12-01 | WebFurther, LLC | Methods for more effectively moderating one or more images and devices thereof |
| CN107997780B (zh) * | 2018-01-19 | 2020-11-06 | 重庆大学 | 一种锥束ct瞬时扫描装置及重建方法 |
| WO2019149359A1 (en) | 2018-01-31 | 2019-08-08 | Mitos Gmbh | Method for image reconstruction of an object, in particular based on computed-tomography image reconstruction, and apparatus, system and computer program product for the same |
| CN112529796B (zh) * | 2020-12-02 | 2022-07-05 | 华北理工大学 | 一种基于多特征提取的cnn医学ct图像去噪方法 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102231204A (zh) * | 2011-06-20 | 2011-11-02 | 南京航空航天大学 | 一种序列图像自适应正则超分辨率重建方法 |
Family Cites Families (18)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS61225640A (ja) * | 1985-03-30 | 1986-10-07 | Toshiba Corp | 断層撮影装置 |
| US20040034304A1 (en) * | 2001-12-21 | 2004-02-19 | Chikayoshi Sumi | Displacement measurement method and apparatus, strain measurement method and apparatus elasticity and visco-elasticity constants measurement apparatus, and the elasticity and visco-elasticity constants measurement apparatus-based treatment apparatus |
| JP3887774B2 (ja) * | 2001-12-21 | 2007-02-28 | 親良 炭 | 変位ベクトル計測装置および歪テンソル計測装置 |
| US7864999B2 (en) | 2005-10-19 | 2011-01-04 | Siemens Medical Solutions Usa, Inc. | Devices systems and methods for processing images |
| DE102005052061A1 (de) * | 2005-11-01 | 2007-05-16 | Carl Zeiss Imaging Solutions G | Verfahren und Vorrichtung zur Bildverarbeitung |
| US7558414B2 (en) * | 2006-09-11 | 2009-07-07 | Case Western Reserve University | Iterative image reconstruction |
| US8468189B2 (en) * | 2006-11-08 | 2013-06-18 | Okinawa Institute Of Science And Technology Promotion Corporation | Iterated variational regularization combined with componentwise regularization |
| US8233682B2 (en) * | 2007-06-05 | 2012-07-31 | General Electric Company | Methods and systems for improving spatial and temporal resolution of computed images of moving objects |
| WO2009082531A1 (en) | 2007-12-20 | 2009-07-02 | Wisconsin Alumni Research Foundation | Method for prior image constrained image reconstruction |
| US7885371B2 (en) | 2008-08-28 | 2011-02-08 | General Electric Company | Method and system for image reconstruction |
| CN102159965B (zh) * | 2008-09-17 | 2014-09-24 | 皇家飞利浦电子股份有限公司 | 用于mri的b1映射和b1l匀场 |
| DE102009014723B4 (de) | 2009-03-25 | 2012-10-25 | Siemens Aktiengesellschaft | Kontrastabhängige Regularisierungsstärke bei der iterativen Rekonstruktion von CT-Bildern |
| EP2424438A4 (en) * | 2009-04-30 | 2013-04-03 | Univ California | SYSTEM AND METHODS FOR RAPID IMPLEMENTATION OF EQUAL TILING TOMOGRAPHY |
| DE102010029281A1 (de) | 2010-05-25 | 2011-12-01 | Siemens Aktiengesellschaft | Verfahren und Bildrekonstruktionseinrichtung zur Rekonstruktion von Bilddaten |
| EP2633494B1 (en) * | 2010-10-27 | 2019-12-11 | Koninklijke Philips N.V. | Low dose ct denoising |
| EP2685899B1 (en) * | 2011-03-17 | 2015-05-20 | Koninklijke Philips N.V. | Multiple modality cardiac imaging |
| US20130108010A1 (en) * | 2011-10-31 | 2013-05-02 | Eigenor Oy | Method and apparatus for performing tomographic reconstruction |
| US8879811B2 (en) * | 2012-03-28 | 2014-11-04 | Siemens Aktiengesellschaft | Alternating direction of multipliers method for parallel MRI reconstruction |
-
2012
- 2012-12-04 CN CN201280061612.0A patent/CN104025156B/zh active Active
- 2012-12-04 JP JP2014546681A patent/JP6141313B2/ja active Active
- 2012-12-04 WO PCT/IB2012/056929 patent/WO2013088294A1/en active Application Filing
- 2012-12-04 RU RU2014128596A patent/RU2014128596A/ru not_active Application Discontinuation
- 2012-12-04 EP EP12812393.2A patent/EP2748798B1/en active Active
- 2012-12-04 US US14/364,715 patent/US9076191B2/en active Active
- 2012-12-04 BR BR112014014093A patent/BR112014014093A2/pt not_active IP Right Cessation
- 2012-12-04 IN IN4759CHN2014 patent/IN2014CN04759A/en unknown
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102231204A (zh) * | 2011-06-20 | 2011-11-02 | 南京航空航天大学 | 一种序列图像自适应正则超分辨率重建方法 |
Non-Patent Citations (4)
| Title |
|---|
| 《Nonlocal Prior Bayesian Tomographic Reconstruction》;Yang Chen et al;《J Math Imaging Vis》;20071129;第30卷;133-146 * |
| 《一种变步长迭代正则化图像复原的新算法》;胡学刚等;《计算机应用研究》;20100430;第27卷(第4期);1572-1597 * |
| 《一种快速瘦脸的迭代正则化方法》;吕小红灯;《吉林大学学报（理学版）》;20090331;第47卷(第2期);269-272 * |
| 《自适应正则MAP的CT图像重建方法研究》;何玲君等;《计算机工程与应用》;20111001;第47卷(第28期);198-200 * |
Also Published As
| Publication number | Publication date |
|---|---|
| US9076191B2 (en) | 2015-07-07 |
| EP2748798B1 (en) | 2018-04-11 |
| RU2014128596A (ru) | 2016-02-10 |
| WO2013088294A1 (en) | 2013-06-20 |
| EP2748798A1 (en) | 2014-07-02 |
| JP2015500118A (ja) | 2015-01-05 |
| CN104025156A (zh) | 2014-09-03 |
| JP6141313B2 (ja) | 2017-06-07 |
| IN2014CN04759A (zh) | 2015-09-18 |
| BR112014014093A2 (pt) | 2017-06-13 |
| US20140348440A1 (en) | 2014-11-27 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104025156B (zh) | 用于基于利用正则化的迭代重建算法和/或去噪算法来处理图像的处理部件和方法 | |
| US9036771B2 (en) | System and method for denoising medical images adaptive to local noise | |
| EP3053143B1 (en) | Method for local adjustment of regularization parameters for image quality optimization in fully 3d iterative ct reconstruction | |
| EP3234919B1 (en) | System and method for image reconstruction | |
| JP5968316B2 (ja) | 画像再構成装置及び画像再構成方法 | |
| US10085698B2 (en) | Methods and systems for automated tube current modulation | |
| JP5727508B2 (ja) | コンピュータ断層撮影装置 | |
| JP2020168353A (ja) | 医用装置及びプログラム | |
| US8666137B2 (en) | Apparatus and method for processing projection data | |
| JP6158910B2 (ja) | 正則化による反復画像再構成 | |
| JP2010527741A (ja) | 画像再構成において利得変動の補正を容易にする方法及びシステム | |
| EP3195265A2 (en) | Iterative image reconstruction with a sharpness driven regularization parameter | |
| US9076237B2 (en) | System and method for estimating a statistical noise map in x-ray imaging applications | |
| JP2013513452A5 (zh) | ||
| Chang et al. | Modeling and pre-treatment of photon-starved CT data for iterative reconstruction | |
| WO2018210648A1 (en) | Iterative image reconstruction/de-noising with artifact reduction | |
| JP6222813B2 (ja) | Ｘ線コンピュータ断層撮影装置、画像処理装置及び画像処理方法 | |
| US20080118128A1 (en) | Methods and systems for enhanced accuracy image noise addition | |
| EP2646985A1 (en) | Iterative reconstruction algorithm with a constant variance based weighting factor | |
| US9858688B2 (en) | Methods and systems for computed tomography motion compensation | |
| CN106133792B (zh) | 图像生成装置 | |
| JP6878147B2 (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 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |