CN104240270A - Ct成像方法和系统 - Google Patents

Ct成像方法和系统 Download PDF

Info

Publication number
CN104240270A
CN104240270A CN201310234787.3A CN201310234787A CN104240270A CN 104240270 A CN104240270 A CN 104240270A CN 201310234787 A CN201310234787 A CN 201310234787A CN 104240270 A CN104240270 A CN 104240270A
Authority
CN
China
Prior art keywords
scan
structural information
energy
data
projection set
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.)
Granted
Application number
CN201310234787.3A
Other languages
English (en)
Other versions
CN104240270B (zh
Inventor
沈乐
邢宇翔
张丽
陈志强
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nuctech Co Ltd
Original Assignee
Nuctech Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Priority to CN201310234787.3A priority Critical patent/CN104240270B/zh
Application filed by Nuctech Co Ltd filed Critical Nuctech Co Ltd
Priority to GB1410528.2A priority patent/GB2517829B/en
Priority to EP14172167.0A priority patent/EP2862516B1/en
Priority to PL14172167T priority patent/PL2862516T3/pl
Priority to ES14172167.0T priority patent/ES2687298T3/es
Priority to PCT/CN2014/079870 priority patent/WO2014198239A1/zh
Priority to PCT/CN2014/079865 priority patent/WO2014198237A1/zh
Priority to US14/304,848 priority patent/US9702832B2/en
Publication of CN104240270A publication Critical patent/CN104240270A/zh
Priority to HK15104448.3A priority patent/HK1204125A1/zh
Application granted granted Critical
Publication of CN104240270B publication Critical patent/CN104240270B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/02Arrangements for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
    • A61B6/03Computed tomography [CT]
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/02Arrangements for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
    • A61B6/03Computed tomography [CT]
    • A61B6/032Transmission computed tomography [CT]
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/42Arrangements for detecting radiation specially adapted for radiation diagnosis
    • A61B6/4208Arrangements for detecting radiation specially adapted for radiation diagnosis characterised by using a particular type of detector
    • A61B6/4241Arrangements for detecting radiation specially adapted for radiation diagnosis characterised by using a particular type of detector using energy resolving detectors, e.g. photon counting
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/48Diagnostic techniques
    • A61B6/482Diagnostic techniques involving multiple energy imaging
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/52Devices using data or image processing specially adapted for radiation diagnosis
    • A61B6/5205Devices using data or image processing specially adapted for radiation diagnosis involving processing of raw data to produce diagnostic data
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/52Devices using data or image processing specially adapted for radiation diagnosis
    • A61B6/5258Devices using data or image processing specially adapted for radiation diagnosis involving detection or reduction of artifacts or noise
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01NINVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N23/00Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00
    • G01N23/02Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by transmitting the radiation through the material
    • G01N23/04Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by transmitting the radiation through the material and forming images of the material
    • G01N23/046Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by transmitting the radiation through the material and forming images of the material using tomography, e.g. computed tomography [CT]
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/002D [Two Dimensional] image generation
    • G06T11/003Reconstruction from projections, e.g. tomography
    • G06T11/005Specific pre-processing for tomographic reconstruction, e.g. calibration, source positioning, rebinning, scatter correction, retrospective gating
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/002D [Two Dimensional] image generation
    • G06T11/003Reconstruction from projections, e.g. tomography
    • G06T11/006Inverse problem, transformation from projection-space into object-space, e.g. transform methods, back-projection, algebraic methods
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/40Arrangements for generating radiation specially adapted for radiation diagnosis
    • A61B6/4064Arrangements for generating radiation specially adapted for radiation diagnosis specially adapted for producing a particular type of beam
    • A61B6/4085Cone-beams
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2211/00Image generation
    • G06T2211/40Computed tomography
    • G06T2211/408Dual energy
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2211/00Image generation
    • G06T2211/40Computed tomography
    • G06T2211/436Limited angle

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Medical Informatics (AREA)
  • Physics & Mathematics (AREA)
  • Pathology (AREA)
  • General Health & Medical Sciences (AREA)
  • Radiology & Medical Imaging (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Animal Behavior & Ethology (AREA)
  • High Energy & Nuclear Physics (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Biophysics (AREA)
  • Optics & Photonics (AREA)
  • Public Health (AREA)
  • Veterinary Medicine (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Pulmonology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • Immunology (AREA)
  • Algebra (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Physics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Apparatus For Radiation Diagnosis (AREA)
  • Analysing Materials By The Use Of Radiation (AREA)

Abstract

公开了一种CT成像方法和系统。该方法包括步骤:利用双能CT系统对物体进行CT扫描,在第一扫描模式下得到完备的第一投影数据集合,在第二扫描模式下得到非完备的第二投影数据集合;基于第一投影数据集合重建物体的第一衰减系数图像,并且从第一衰减系数图像中提取物体的先验结构信息,所述先验结构信息指示边缘的强弱;利用提取的先验结构信息作为约束条件,从非完备的第二投影数据集合重建所述物体的第二衰减系数图像。所述方法利用被成像物体的先验结构信息作为重建过程的约束条件,可以大幅度降低重建所需要的数据量,对于病态的有限角和内重建问题也具有良好的效果。

Description

CT成像方法和系统
技术领域
本发明的实施例涉及辐射成像,具体涉及一种利用先验结构信息的CT成像方法和系统。
背景技术
X射线CT成像系统在医疗、安检、工业无损检测等领域中都有着广泛的应用。射线源和探测器按照一定的轨道采集一系列的投影数据,经过图像重建算法的复原可以得到物体的某个断层的线性衰减系数的空间分布。图像重建是从线性衰减系数的线积分数据中恢复原始的衰减系数的过程,是一个反演问题。目前,在实际应用中使用最广泛的是传统的滤波反投影算(FBP)法,它是一种基于连续信号处理的解析算法。随着计算机处理速度的飞速提高,迭代重建技术也取得了迅速的发展。与解析算法相比,迭代算法适用条件更加广泛,对于各种非标准扫描轨道,低剂量,投影数据缺失,有限角度等都能取得较好的重建结果。
基于压缩感知的CT图像重建方法是近年来CT成像领域的研究热点之一。根据压缩感知理论,在满足某些条件的情况下,如果被测量的信号在某个变换下呈现稀疏性,则只需要极少的测量值就能够以极大的概率精确重建出原始信号。假设原始信号有n个分量,而测量数据为m个,则如何重建原始信号x*?先验信息和“好的”测量矩阵是必不可少的。这里,先验信息就是变换Ψ的稀疏性,它要求信号经过稀疏变换之后的非零分量的个数不大于对信号进行不相干测量的次数:
||Ψx*||0<m      (1)
测量矩阵则要求尽量是随机的,例如高斯随机矩阵就是满足随机性条件的测量矩阵。
而原始信号通过求解一个带约束的零范数最小化问题得到,在所有满足数据测量条件的可行解集合中,求出零范数下最稀疏的解:
x*=argmin{||Ψx||0:Ax=b}      (2)
但是,零范数优化问题难以求解,因此通常使用1范数来逼近上述问题:
x*=argmin{||Ψx||1:Ax=b}     (3)
在CT重建中,常用全变分(TV:Total Variation)作为稀疏变换。全变分是对信号的梯度的模的积分。在所有满足CT投影数据测量数据保真性的可行解集合中,求出使全变分最小的解,这就是最基本的TV约束的重建方法:
min | | ▿ x | | 1
s.t.Ax=b     (4)
基于TV最小化约束的重建方法在稀疏采样、低剂量、内重建问题中都取得了很好的效果。除了稀疏性作为先验信息外,也可以利用先验图像的信息来加强重建图像的质量。例如,基于先验图像的压缩感知的重建方法(Prior image constrained compress sensing,PICCS),利用先验图像和目标图像之间的相似性进行重建。当先验图像xp与目标图像x的差分图像xp-x具有一定稀疏性,或者经过某个变换进行稀疏化时,则可以利用先验图像来加强重建效果。PICCS在心脏动态成像,灌注成像,双能CT,C-arm CT中都取得了成功的应用。PICCS要求先验图像和目标图像具有较高的相似性,尤其是两者在数值上要接近,这样差分图像才具有更好的稀疏性。当先验图像与目标图像的数值差异较大时,PICCS算法则不再适用,例如MeV-keV双能CT。
发明内容
考虑到现有技术中的一个或多个问题,提出了一种基于先验结构信息的CT成像方法和系统。
在本发明的一个方面,提出了一种CT成像方法,包括步骤:利用双能CT系统对物体进行CT扫描,在第一扫描模式下得到完备的第一投影数据集合,在第二扫描模式下得到非完备的第二投影数据集合;基于第一投影数据集合重建物体的第一衰减系数图像,并且从第一衰减系数图像中提取物体的先验结构信息,所述先验结构信息指示边缘的强弱;将提取的先验结构信息作为约束条件,从非完备的第二投影数据集合重建所述物体的第二衰减系数图像。
在本发明的另一方面,提出了一种CT成像方法,包括步骤:从反映物体的内部结构的第一图像中提取物体的先验结构信息,所述先验结构信息指示边缘的强弱;利用CT系统对物体进行CT扫描,得到投影数据集合;以及将提取的先验结构信息作为约束条件,从所述投影数据集合重建所述物体的第二图像。
在本发明的再一方面,提出了一种CT成像系统,包括:射线源,产生双能X射线;探测和采集装置,接收透射物体的双能X射线;控制设备,控制所述射线源以及所述探测和采集装置对物体进行CT扫描,在第一扫描模式下得到完备的第一投影数据集合,在第二扫描模式下得到非完备的第二投影数据集合;重建设备,基于第一投影数据集合重建物体的第一衰减系数图像,并且从第一衰减系数图像中提取物体的先验结构信息,所述先验结构信息指示边缘的强弱,以及将提取的先验结构信息作为约束条件,从非完备的第二投影数据集合重建所述物体的第二衰减系数图像。
在本发明的又一方面,提出了一种CT成像系统,包括:射线源,产生X射线;探测和采集装置,接收透射物体的双能X射线;控制设备,控制所述射线源以及所述探测和采集装置对物体进行CT扫描,得到投影数据集合;重建设备,从反映物体的内部结构的第一图像中提取物体的先验结构信息,所述先验结构信息指示边缘的强弱;以及将提取的先验结构信息作为约束条件,从所述投影数据集合重建所述物体的第二图像。
上述实施例的方案利用被成像物体的先验结构信息作为重建过程的约束条件,可以大幅度降低重建所需要的数据量。此外,该方案对于病态的有限角和内重建问题也具有良好的效果。
附图说明
下面的附图表明了本发明的实施方式。这些附图和实施方式以非限制性、非穷举性的方式提供了本发明的一些实施例,其中:
图1A和图1B分别示出了根据本发明实施例的方法和系统中涉及到的图像和先验结构信息的例子;
图2是描述根据本发明实施例的方法和系统采用的有限角CT扫描的示意图;
图3是描述根据本发明实施例的方法和系统中采用的角度稀疏采样CT扫描的示意图;
图4是描述根据本发明实施例的方法和系统中采用的内重建CT扫描的示意图;
图5是描述根据本发明实施例的方法和系统中采用的探测器欠采样CT扫描的示意图;
图6是描述根据本发明实施例的方法和系统中涉及的不完备投影数据的示意图;
图7示出了根据本发明实施例的方法和系统在角度稀疏采样CT扫描情况下的仿真结果;
图8示出了根据本发明实施例的方法和系统在有限角度CT扫描情况下的仿真结果;
图9示出了根据本发明实施例的方法和系统在探测器欠采样CT扫描情况下的仿真结果;
图10是描述根据本发明一个实施例的有限角度扫描情况下的双能CT探测器的示意图;
图11示出了根据本发明实施例的CT系统的结构示意图;
图12是描述根据本发明另一实施例的探测器欠采样情况下的双能CT探测器的示意图;
图13是描述根据本发明再一实施例的内重建情况下的双能CT探测器的示意图;
图14示出了根据本发明实施例的CT成像方法的流程图;以及
图15示出了根据本发明另一实施例的CT成像方法的流程图。
具体实施方式
下面将详细描述本发明的具体实施例,应当注意,这里描述的实施例只用于举例说明,并不用于限制本发明。在以下描述中,为了提供对本发明的透彻理解,阐述了大量特定细节。然而,对于本领域普通技术人员显而易见的是:不必采用这些特定细节来实行本发明。在其他实例中,为了避免混淆本发明,未具体描述公知的电路、材料或方法。
在整个说明书中,对“一个实施例”、“实施例”、“一个示例”或“示例”的提及意味着:结合该实施例或示例描述的特定特征、结构或特性被包含在本发明至少一个实施例中。因此,在整个说明书的各个地方出现的短语“在一个实施例中”、“在实施例中”、“一个示例”或“示例”不一定都指同一实施例或示例。此外,可以以任何适当的组合和/或子组合将特定的特征、结构或特性组合在一个或多个实施例或示例中。此外,本领域普通技术人员应当理解,这里使用的术语“和/或”包括一个或多个相关列出的项目的任何和所有组合。
为了解决现有技术中的问题,发明的实施例提出利用先验结构信息作为约束来从完备的或非完备的投影数据中重建物体的图像。例如,在CT重建过程中利用先验结构信息对图像进行约束,以达到在保证图像质量的条件下用完备的或非完备数据进行重建的目的。在一些实施中,图像的结构信息指的是图像中具有明显灰度差异的边界和细节信息,结构信息最常见的应用是图像的边缘提取和分割。从如图1A所示的图像中提取的结构信息在图1B中示出,例如使用拉普拉斯算子、Candy算子、离散梯度变换、自适应阈值等来提取结构信息。在一些实施例中,先验结构信息与目标图像的结构具有较高的相似性,而不管先验图像与目标图像的数值动态范围是否相近。
在一些实施例的CT成像方法中,利用双能CT系统对物体进行CT扫描,在第一扫描模式下得到完备的第一投影数据集合,在第二扫描模式下得到非完备的第二投影数据集合。基于第一投影数据集合重建物体的第一衰减系数图像,并且从第一衰减系数图像中提取物体的先验结构信息,所述先验结构信息指示边缘的强弱。接下来,将提取的先验结构信息作为约束条件,从非完备的第二投影数据集合重建所述物体的第二衰减系数图像。在上述实施例中,利用双能CT系统中得到的低能或者高能图像之一来得到先验结构信息,然后将该先验结构信息作为约束来重建另一能量下的图像,这样能够允许从非完备的投影数据中重建得到质量较高的图像。
在另外一些实施例的CT成像方法中,从反映物体的内部结构的第一图像中提取物体的先验结构信息,所述先验结构信息指示边缘的强弱。利用CT系统对物体进行CT扫描,得到投影数据集合。接下来,将提取的先验结构信息作为约束条件,从所述投影数据集合重建所述物体的第二图像。在上述实施例中,第一图像可以是从该物体的之前的CT成像过程中得到的图像,从相似的断层图像中提取,也可以是人工生成的图像,例如人工涉及的图纸图像(如计算机辅助设计图纸)等等,只要能够反映物体的内部结构,都可以用来作为产生上述的先验结构信息的图像。
一些实施例的方案可应用于无损检测、医疗诊断、安检等领域。本发明的一些实施例中利用重建物体的结构信息作为先验信息,可以大幅度降低图像重建所需要的投影数据数量的要求,同时可以对先验图像的数值动态范围不作要求。例如,该方法可用于解决如图2所示的有限角度CT扫描问题、如图3所示的稀疏角度采样CT扫描问题、如图4所示的内重建CT扫描问题、以及如图5所示的探测器欠采样CT扫描问题等等非完备数据带来的图像重建质量问题,并具有良好的效果。如本领域的普通技术人员所理解的那样,本发明实施例的方法可用于医学诊断、工业无损检测和安检领域。
在利用先验结构信息作为约束来从非完备的投影数据中重建图像的过程中,可以利用迭代计算的方法,例如使用代数重建技术(ART:Algebra reconstruction Technique)方法。设目标图像表示为f={f1,f2,…,fn},CT扫描得到的投影数据表示为p={p1,p2,…,pm},线积分投影过程表示为H={hij}m×n,投影数据的噪声方差为则直接进行统计迭代重建的问题为求解一个加权最小二乘问题,权重就是投影数据的噪声方差的倒数:
min||Hf-p||W=min(Hf-p)TW(Hf-p)     (5)
“T”表示转置操作,加权矩阵W反映了投影数据的噪声特性,通常可取:
W = diag - 1 ( σ 2 ) = diag ( 1 σ 1 2 , 1 σ 2 2 , . . . , 1 σ m 2 ) - - - ( 6 )
若以上方程组的方程数小于未知数,则方程组的解不唯一,此时需要添加额外的约束条件来限制得到唯一解。若使用TV最小化作为约束条件,则得到以下优化问题:
min TV ( f ) = min | | ▿ f | | 1 s . t . | | Hf - p | | W ≤ ϵ - - - ( 7 )
其中,全变分可以通过计算图像各点的离散梯度模之和来近似:
TV ( f ) = | | ▿ f | | 1 = Σ s , t ( f s , t - f s , t - 1 ) 2 + ( f s , t - f s - 1 , t ) 2 - - - ( 8 )
本发明实施例的方法引入了先验结构信息作为约束条件,这里所涉及的图像的结构信息指的是图像中具有明显灰度差异的边界和细节信息。提取结构信息最常见的应用是图像的边缘提取和分割,例如利用自适应阈值提取的图像边缘。设图像先验结构信息为g={g1,g2,…,gn},由先验结构信息生成加权矩阵G=diag(g)=diag{g1,g2,…,gn}。权重的大小反映了边缘的强弱。权重越大,表示该区域越是平坦,因此TV平滑的强度更大;权重越小,表示该区域是边缘,不应该被TV磨平。这样,优化问题具有以下形式:
min | | G ▿ f | | 1 + λ | | ▿ f | | 1 = min | | ( G + λI ) ▿ f | | 1
s.t.||Hf-p||W≤ε     (9)
这里,ε是与投影数据噪声总体水平有关的量,λ则是用来平衡先验结构信息约束和TV约束,当λ≤1时以先验结构信息为主要约束,而当λ>1时以TV最小化为主要约束,加权矩阵W反映了投影数据的噪声特性,I为单位矩阵。
作为一个实施例,实现以上式(9)问题求解的主要步骤如下:
1)提取先验结构信息。先验结构信息可以由先验图像通过边缘提取得到,并进行必要的预处理,如平滑去噪,剔除孤立点等,计算出G;
2)从投影数据中估计噪声方差,计算出W和ε(在无法估计噪声的情况下也可以取W为单位阵);选择TV约束的权重λ;
3)设定迭代初值为f0
4)进行保真项更新,例如可以使用ART迭代重建算法进行一轮更新:
f fit k + 1 = f fit k + w jj p j - H j f fit k | | H j | | 2 H j T , j = 1,2 , . . . , m - - - ( 10 )
在其他实施例中,也可以使用联合代数重建算法(SART:Simultaneous Algebra reconstruction Technique)进行一轮更新:
5)非负性约束更新,将ART迭代结果中所有小于零的点置为零:
f pos k + 1 = max ( 0 , f k + 1 ) - - - ( 11 )
6)结构先验约束更新,降低图像的加权TV值:
f cons k + 1 = f cons k + 1 + α · ▿ ( | | ( G + λI ) ▿ f pos k + 1 | | 1 ) - - - ( 12 )
其中“α”表示加权TV最速下降步长。
7)令再进行(4)~(6)步,直到满足收敛条件(如其中εstop表示停止迭代阈值)停止迭代。
其中,上述4)步中Hj表示矩阵H的第j行,wjj则是矩阵W的第j个对角元。除了边缘提取的方式,先验结构信息也可以通过其他方式得到,如计算机辅助设计图纸。
本发明实施例的方法利用被成像物体的先验结构信息作为重建过程的约束条件,可以大幅度降低重建所需要的数据量,对于病态的有限角和内重建问题也具有良好的效果。本发明的实施例可降低探测器数量以减少CT系统制造成本,可用于减少角度覆盖范围以降低z轴层厚和提高时间分辨率,也可进行局部成像以降低辐射剂量,具有较强的实用性和广泛的适用范围。图2至图5展示了四种种可以使用本方法进行重建的CT扫描方式。图6是这些扫描方式下的数据在投影域的实际采样位置。图7是使用本方法对角度稀疏采样情况仿真的重建结果,图8是使用本方法对有限角扫描方式的仿真数据进行重建的结果。图9示出了根据本发明实施例的方法和系统在探测器欠采样CT扫描情况下的仿真结果。
图2是描述根据本发明实施例的方法和系统采用的有限角CT扫描的示意图。
如图2所示,从射线源10发出的X射线透射视野45中的物体40后被探测器30接收,转换成电信号并进而转换成表示衰减值的数字信号,作为投影数据,在计算机中进行重建。在已知物体的先验结构信息的情况下,即使对物体40进行有限角度的CT扫描(例如130度),也能够重建得到质量较高的图像。
图3是描述根据本发明实施例的方法和系统中采用的角度稀疏采样CT扫描的示意图。
如图3所示,从射线源10发出的X射线透射视野45中的物体40后被探测器30接收,转换成电信号并进而转换成表示衰减值的数字信号,作为投影数据,在计算机中进行重建。在已知物体的先验结构信息的情况下,即使对物体40进行若干旋转位置下的CT扫描(例如130度),也能够重建得到质量较高的图像。这样,即使对物体进行稀疏角度CT扫描,也能够从非完备的投影数据中重建得到质量较高的图像。
图4是描述根据本发明实施例的方法和系统中采用的内重建CT扫描的示意图。
如图4所示,从射线源10发出的X射线透射视野45中的物体40的一部分后被探测器30接收,转换成电信号并进而转换成表示衰减值的数字信号,作为投影数据,在计算机中进行重建。在已知物体的先验结构信息的情况下,即使对物体40进行内重建CT扫描,也能够重建得到质量较高的图像。
图5是描述根据本发明实施例的方法和系统中采用的探测器欠采样CT扫描的示意图。
如图5所示,从射线源10发出的X射线透射视野45中的物体40后被探测器30接收,转换成电信号并进而转换成表示衰减值的数字信号,作为投影数据,在计算机中进行重建。在该例子中,探测器30被设置成欠采样的情形,例如将各个探测器单元间隔预定的距离来实现欠采样。这样,在已知物体的先验结构信息的情况下,即使对物体40进行探测器欠采样CT扫描,也能够重建得到质量较高的图像。
图6是描述根据本发明实施例的方法和系统中涉及的不完备投影数据的示意图。如图6所示,角度稀疏采样CT扫描、有限角度CT扫描、探测器欠采样CT扫描和内重建CT扫描得到的投影数据都是不完备的。尽管投影数据不完备,在已知先验结构信息的情况下,也能够从这些不完备的投影数据中重建得到质量较高的图像。
图7中的右侧图是利用本发明的方法在角度稀疏采样CT扫描情况下的仿真结果,左侧图是利用传统的重建方法得到的仿真结果。图8中的右侧图是利用本发明的方法在有限角度CT扫描情况下的仿真结果,左侧图是利用传统的重建方法得到的仿真结果。图9中的右侧图是利用本发明的方法在探测器欠采样CT扫描情况下的仿真结果,左侧图是利用传统的重建方法得到的仿真结果。
图10是描述根据本发明一个实施例的有限角度扫描情况下的双能CT探测器的示意图。
该双能CT系统包括多排低能探测器20和在部分排的低能探测器后设置的高能探测器30。在第一扫描模式下得到完备的第一投影数据集合具体为用第一能量的射线对物体进行360度圆周CT扫描或螺旋CT扫描,得到完备的第一投影数据集合。在第二扫描模式下得到非完备的第二投影数据集合具体为用不同于第一能量的第二能量的射线对物体进行有限角度CT扫描,得到非完备的第二投影数据集合。例如,如图10所示的低成本双能螺旋CT系统中,探测器为多排探测器,其中高能探测器的排数少于低能探测器,以节省系统成本。以低能3排,高能1排为例。当低能探测器采集到的数据为完备数据时,高能探测器采集到的数据只有完备数据的三分之一,即只能覆盖120度有限角度范围。以低能完备数据重建得到的低能衰减系数结果作为先验图像提取结构信息,利用本发明实施例的方法约束高能有限角重建问题,可以得到高能衰减系数重建结果。此外,双能数据分解所得到的光电效应积分和康普顿效应积分也是不完备的有限角度数据。仍然可以利用本发明所述方法重建光电系数和康普顿系数,继而得到物质的原子序数和电子密度信息。
根据一些实施例的CT成像系统中,射线源10产生双能X射线。探测和采集装置20和30接收透射物体的双能X射线。控制设备控制射线源以及探测和采集装置对物体进行CT扫描,在第一扫描模式下得到完备的第一投影数据集合,在第二扫描模式下得到非完备的第二投影数据集合。重建设备基于第一投影数据集合重建物体的第一衰减系数图像,并且从第一衰减系数图像中提取物体的先验结构信息,所述先验结构信息指示边缘的强弱,以及将提取的先验结构信息作为约束条件,从非完备的第二投影数据集合重建所述物体的第二衰减系数图像。
图11是描述根据本发明实施例的CT设备的结构示意图。根据本实施例的CT设备包括X射线源10、机械运动装置和控制器、探测器和数据采集系统。
X射线源10例如为X光机,根据成像的分辨率选择合适的X光机焦点尺寸。机械运动装置和控制器包括载物台50和X光机和探测器的机架以及控制系统。载物台50可平移调整旋转中心的位置,机架可平移使X光机及探测器20和30对准旋转中心。本实施例中按照旋转载物台、固定机架的圆周扫描轨迹或者螺旋轨迹进行描述。由于载物台与机架的运动属于相对运动,也可采用载物台静止、机架旋转的方式实现本实施例的方法。
探测器及数据采集系统20和30包括低能X射线探测器20与设置在部分的低能探测器后的高能探测器30。数据采集包括读出电路、采集触发电路及数据传输电路等。
控制和重建装置60包括控制器和重建设备,控制器负责完成CT系统运行过程的控制,包括机械转动、电气控制、安全联锁控制等。重建装置负责从投影数据重建图像等。
虽然上述实施例中描述的是双能的情况,但是本发明并不局限于此,在已知先验结构信息的情况下可以不使用双能。在这个实施例的CT成像系统中,射线源产生X射线。探测和采集装置接收透射物体的双能X射线。控制设备控制射线源以及所述探测和采集装置对物体进行CT扫描,得到投影数据集合。重建设备从反映物体的内部结构的第一图像中提取物体的先验结构信息,所述先验结构信息指示边缘的强弱;以及将提取的先验结构信息作为约束条件,从所述投影数据集合重建所述物体的第二图像。
如图12所示为另一种低成本双能CT系统的实现方式。所述双能CT系统包括至少一排低能探测器和多个高能探测器,所述多个高能探测器均匀设置在部分低能探测器后。在第一扫描模式下得到完备的第一投影数据集合具体为用第一能量的射线对物体进行360度圆周CT扫描或螺旋CT扫描,得到完备的第一投影数据集合。在第二扫描模式下得到非完备的第二投影数据集合具体为用不同于第一能量的第二能量的射线对物体进行探测器欠采样CT扫描,得到非完备的第二投影数据集合。例如,系统的探测器可以为单排,也可以为多排。系统扫描方式可以为圆轨道,也可以为螺旋轨道。低能探测器单元数量满足采集完备低能数据的需求。高能探测器可以降低单元数量,例如每间隔10个低能探测器单元装配1个高能探测器单元。这样,高能探测器单元数量仅为低能的10%,可以节省系统成本。在此种探测器设计方案下,低能数据是完备的,可以重建得到高质量的低能衰减系数图像,并从中提取出先验结构信息。高能数据是欠采样的,需要利用本专利所述方法求解探测器欠采样重建问题,以得到高能衰减系数重建结果。此外,双能数据分解所得到的光电效应积分和康普顿效应积分也和高能数据是同一类型的不完备数据,也可以利用本专利所述方法重建出光电系数和康普顿系数,继而得到物质的原子序数和电子密度信息。
如图13所示为另一种低成本双能CT系统的实现方式。所述双能CT系统包括至少一排低能探测器和多个高能探测器,所述多个高能探测器集中设置在部分低能探测器后。在第一扫描模式下得到完备的第一投影数据集合具体为用第一能量的射线对物体进行360度圆周CT扫描或螺旋CT扫描。在第二扫描模式下得到非完备的第二投影数据集合具体为用不同于第一能量的第二能量的射线对物体进行内重建CT扫描,得到非完备的第二投影数据集合。该系统的探测器可以为单排,也可以为多排。系统扫描方式可以为圆轨道,也可以为螺旋轨道。其中低能探测器单元数量满足采集完备低能数据的需求。高能探测器可以降低单元数量,例如将两边外侧的探测器单元去掉,只保留中间内侧的部分探测器单元。例如仅在靠近中心的25%的低能探测器单元后方对应装配高能探测器单元。这样,高能探测器单元数量仅为低能的25%,可以节省系统成本。在此种探测器设计方案下,低能数据是完备的,可以重建得到高质量的低能衰减系数图像,并从中提取出先验结构信息。高能数据是两侧都截断的,属于内重建问题,需要利用本专利所述方法求解内重建问题,以得到高能衰减系数重建结果。此外,双能数据分解所得到的光电效应积分和康普顿效应积分也是两侧截断的,也可以利用本专利所述方法重建出光电系数和康普顿系数,继而得到物质的原子序数和电子密度信息。
对于以上的几种实施例,都可以将高能探测器中的部分单元替换成不同晶体材料的探测器,并在高低能探测器之间假如不同材料的滤波片,例如铜、锡、钽等金属。这样,不同晶体材料和滤波材料搭配产生的探测器能谱响应也不相同,从而可以得到两种以上的不同系统能谱的数据。在这种探测器设计方案下,系统采集到的低能数据是完备的,两种以上的高能数据都是不完备的。可以选择一种高能数据与低能数据,按照实施例的方法进行重建。可以将所有数据同时使用,进行三能及三能以上的衰减系数重建。
图14示出了根据本发明实施例的CT成像方法的流程图。如图14所示,在步骤S141,利用双能CT系统对物体进行CT扫描,在第一扫描模式下得到完备的第一投影数据集合,在第二扫描模式下得到非完备的第二投影数据集合。
在步骤S142,基于第一投影数据集合重建物体的第一衰减系数图像,并且从第一衰减系数图像中提取物体的先验结构信息,所述先验结构信息指示边缘的强弱。
在步骤S143,将提取的先验结构信息作为约束条件,从非完备的第二投影数据集合重建所述物体的第二衰减系数图像。
在一些实施例中,所述双能CT系统包括多排低能探测器和在部分排的低能探测器后设置的高能探测器;在第一扫描模式下得到完备的第一投影数据集合具体为用第一能量的射线对物体进行360度圆周CT扫描或螺旋CT扫描,得到完备的第一投影数据集合;在第二扫描模式下得到非完备的第二投影数据集合具体为用不同于第一能量的第二能量的射线对物体进行有限角度CT扫描,得到非完备的第二投影数据集合。
在一些实施例中,所述双能CT系统包括多个低能探测器和设置在所述低能探测器后的多个高能探测器;在第一扫描模式下得到完备的第一投影数据集合具体为用第一能量的射线对物体进行360度圆周CT扫描或螺旋CT扫描,得到完备的第一投影数据集合;在第二扫描模式下得到非完备的第二投影数据集合具体为用不同于第一能量的第二能量的射线对物体进行角度稀疏采样CT扫描,得到非完备的第二投影数据集合。
在一些实施例中,所述双能CT系统包括至少一排低能探测器和多个高能探测器,所述多个高能探测器均匀设置在部分低能探测器后;在第一扫描模式下得到完备的第一投影数据集合具体为用第一能量的射线对物体进行360度圆周CT扫描或螺旋CT扫描,得到完备的第一投影数据集合;在第二扫描模式下得到非完备的第二投影数据集合具体为用不同于第一能量的第二能量的射线对物体进行探测器欠采样CT扫描,得到非完备的第二投影数据集合。
在一些实施例中,所述双能CT系统包括至少一排低能探测器和多个高能探测器,所述多个高能探测器集中设置在部分低能探测器后;在第一扫描模式下得到完备的第一投影数据集合具体为用第一能量的射线对物体进行360度圆周CT扫描或螺旋CT扫描;在第二扫描模式下得到非完备的第二投影数据集合具体为用不同于第一能量的第二能量的射线对物体进行内重建CT扫描,得到非完备的第二投影数据集合。
在一些实施例中,从第一衰减系数图像中提取物体的先验结构信息的步骤包括:对所述第一衰减系数图像进行边缘提取操作,得到所述先验结构信息。
图15示出了根据本发明另一实施例的CT成像方法的流程图。如图15所示,在步骤S151,从反映物体的内部结构的第一图像中提取物体的先验结构信息,所述先验结构信息指示边缘的强弱。
在步骤S152,利用CT系统对物体进行CT扫描,得到投影数据集合。
在步骤S153,将提取的先验结构信息作为约束条件,从所述投影数据集合重建所述物体的第二图像。
在一些实施例中,所述CT系统对物体进行有限角度CT扫描,得到所述投影数据集合。
在一些实施例中,所述CT系统对物体进行角度稀疏采样CT扫描,得到所述投影数据集合。
在一些实施例中,所述CT系统对物体进行探测器欠采样CT扫描,得到所述投影数据集合。
在一些实施例中,所述CT系统对物体进行内重建CT扫描,得到所述投影数据集合。
在一些实施例中,从第一图像中提取物体的先验结构信息的步骤包括:对所述第一图像进行边缘提取操作,得到所述先验结构信息。
上述实施例的方案可应用于无损检测、医疗诊断、安检等领域。本发明的一些实施例中利用重建物体的结构信息作为先验信息,可以大幅度降低图像重建所需要的投影数据数量的要求,同时可以对先验图像的数值动态范围不作要求。例如,该方法可用于解决有限角度CT扫描问题、稀疏角度采样CT扫描问题、内重建CT扫描问题、以及探测器欠采样CT扫描问题等等非完备数据带来的图像重建质量问题,并具有良好的效果。如本领域的普通技术人员所理解的那样,本发明实施例的方法可用于医学诊断、工业无损检测和安检领域。
以上的详细描述通过使用方框图、流程图和/或示例,已经阐述了CT成像方法和系统的众多实施例。在这种方框图、流程图和/或示例包含一个或多个功能和/或操作的情况下,本领域技术人员应理解,这种方框图、流程图或示例中的每一功能和/或操作可以通过各种硬件、软件、固件或实质上它们的任意组合来单独和/或共同实现。在一个实施例中,本发明的实施例所述主题的若干部分可以通过专用集成电路(ASIC)、现场可编程门阵列(FPGA)、数字信号处理器(DSP)、或其他集成格式来实现。然而,本领域技术人员应认识到,这里所公开的实施例的一些方面在整体上或部分地可以等同地实现在集成电路中,实现为在一台或多台计算机上运行的一个或多个计算机程序(例如,实现为在一台或多台计算机系统上运行的一个或多个程序),实现为在一个或多个处理器上运行的一个或多个程序(例如,实现为在一个或多个微处理器上运行的一个或多个程序),实现为固件,或者实质上实现为上述方式的任意组合,并且本领域技术人员根据本公开,将具备设计电路和/或写入软件和/或固件代码的能力。此外,本领域技术人员将认识到,本公开所述主题的机制能够作为多种形式的程序产品进行分发,并且无论实际用来执行分发的信号承载介质的具体类型如何,本公开所述主题的示例性实施例均适用。信号承载介质的示例包括但不限于:可记录型介质,如软盘、硬盘驱动器、紧致盘(CD)、数字通用盘(DVD)、数字磁带、计算机存储器等;以及传输型介质,如数字和/或模拟通信介质(例如,光纤光缆、波导、有线通信链路、无线通信链路等)。
虽然已参照几个典型实施例描述了本发明,但应当理解,所用的术语是说明和示例性、而非限制性的术语。由于本发明能够以多种形式具体实施而不脱离发明的精神或实质,所以应当理解,上述实施例不限于任何前述的细节,而应在随附权利要求所限定的精神和范围内广泛地解释,因此落入权利要求或其等效范围内的全部变化和改型都应为随附权利要求所涵盖。

Claims (20)

1.一种CT成像方法,包括步骤:
利用双能CT系统对物体进行CT扫描,在第一扫描模式下得到完备的第一投影数据集合,在第二扫描模式下得到非完备的第二投影数据集合;
基于第一投影数据集合重建物体的第一衰减系数图像,并且从第一衰减系数图像中提取物体的先验结构信息,所述先验结构信息指示边缘的强弱;
将提取的先验结构信息作为约束条件,从非完备的第二投影数据集合重建所述物体的第二衰减系数图像。
2.如权利要求1所述的方法,其中
所述双能CT系统包括多排低能探测器和在部分排的低能探测器后设置的高能探测器;
在第一扫描模式下得到完备的第一投影数据集合具体为用第一能量的射线对物体进行360度圆周CT扫描或螺旋CT扫描,得到完备的第一投影数据集合;
在第二扫描模式下得到非完备的第二投影数据集合具体为用不同于第一能量的第二能量的射线对物体进行有限角度CT扫描,得到非完备的第二投影数据集合。
3.如权利要求1所述的方法,其中
所述双能CT系统包括多个低能探测器和设置在所述低能探测器后的多个高能探测器;
在第一扫描模式下得到完备的第一投影数据集合具体为用第一能量的射线对物体进行360度圆周CT扫描或螺旋CT扫描,得到完备的第一投影数据集合;
在第二扫描模式下得到非完备的第二投影数据集合具体为用不同于第一能量的第二能量的射线对物体进行角度稀疏采样CT扫描,得到非完备的第二投影数据集合。
4.如权利要求1所述的方法,其中
所述双能CT系统包括至少一排低能探测器和多个高能探测器,所述多个高能探测器均匀设置在部分低能探测器后;
在第一扫描模式下得到完备的第一投影数据集合具体为用第一能量的射线对物体进行360度圆周CT扫描或螺旋CT扫描,得到完备的第一投影数据集合;
在第二扫描模式下得到非完备的第二投影数据集合具体为用不同于第一能量的第二能量的射线对物体进行探测器欠采样CT扫描,得到非完备的第二投影数据集合。
5.如权利要求1所述的方法,其中
所述双能CT系统包括至少一排低能探测器和多个高能探测器,所述多个高能探测器集中设置在部分低能探测器后;
在第一扫描模式下得到完备的第一投影数据集合具体为用第一能量的射线对物体进行360度圆周CT扫描或螺旋CT扫描;
在第二扫描模式下得到非完备的第二投影数据集合具体为用不同于第一能量的第二能量的射线对物体进行内重建CT扫描,得到非完备的第二投影数据集合。
6.如权利要求1所述的方法,其中从第一衰减系数图像中提取物体的先验结构信息的步骤包括:
对所述第一衰减系数图像进行边缘提取操作,得到所述先验结构信息。
7.如权利要求6所述的方法,其中从非完备的第二投影数据集合重建所述物体的第二衰减系数图像的步骤包括:
利用下式计算第二衰减图像f:
min | | G ▿ f | | 1 + λ | | ▿ f | | 1 = min | | ( G + λI ) ▿ f | | 1
s.t.||Hf-p||W≤ε
其中,ε是与第二投影数据集合中的噪声总体水平有关的量,λ则是用来平衡先验结构信息约束和全变分TV约束,当λ≤1时以先验结构信息为主要约束,而当λ>1时以TV最小化为主要约束;第二衰减图像表示为f={f1,f2,…,fn},CT扫描得到的第二投影数据集合表示为p={p1,p2,…,pm},线积分投影过程表示为H={hij}m×n,先验结构信息表示为g={g1,g2,…,gn},W为反映投影数据的噪声特性的加权矩阵,I为单位矩阵,由先验结构信息生成加权矩阵G=diag(g)=diag{g1,g2,…,gn},gi越大表示边缘越弱,越小表示边缘越强。
8.如权利要求6所述的方法,其中所述边缘提取操作是利用如下之一进行的:拉普拉斯算子、Candy算子、离散梯度变换、自适应阈值。
9.一种CT成像方法,包括步骤:
从反映物体的内部结构的第一图像中提取物体的先验结构信息,所述先验结构信息指示边缘的强弱;
利用CT系统对物体进行CT扫描,得到投影数据集合;以及
将提取的先验结构信息作为约束条件,从所述投影数据集合重建所述物体的第二图像。
10.如权利要求9所述的方法,其中所述CT系统对物体进行有限角度CT扫描,得到所述投影数据集合。
11.如权利要求9所述的方法,其中所述CT系统对物体进行角度稀疏采样CT扫描,得到所述投影数据集合。
12.如权利要求9所述的方法,其中所述CT系统对物体进行探测器欠采样CT扫描,得到所述投影数据集合。
13.如权利要求9所述的方法,其中所述CT系统对物体进行内重建CT扫描,得到所述投影数据集合。
14.如权利要求9所述的方法,其中从第一图像中提取物体的先验结构信息的步骤包括:
对所述第一图像进行边缘提取操作,得到所述先验结构信息。
15.如权利要求14所述的方法,其中从所述投影数据集合重建所述物体的第二图像的步骤包括:
利用下式计算第二图像f:
min | | G ▿ f | | 1 + λ | | ▿ f | | 1 = min | | ( G + λI ) ▿ f | | 1
s.t.||Hf-p||W≤ε
其中,ε是与投影数据集合中的噪声总体水平有关的量,λ则是用来平衡先验结构信息约束和全变分TV约束,当λ≤1时以先验结构信息为主要约束,而当λ>1时以TV最小化为主要约束;第二图像表示为f={f1,f2,…,fn},CT扫描得到的投影数据集合表示为p={p1,p2,…,pm},线积分投影过程表示为H={hij}m×n,先验结构信息表示为g={g1,g2,…,gn},W为反映投影数据的噪声特性的加权矩阵,I为单位矩阵,由先验结构信息生成加权矩阵G=diag(g)=diag{g1,g2,…,gn},gi越大表示边缘越弱,越小表示边缘越强。
16.如权利要求14所述的方法,其中所述边缘提取操作是利用如下之一进行的:拉普拉斯算子、Candy算子、离散梯度变换、自适应阈值。
17.如权利要求9所述的方法,其中所述第一图像为物体在之前的CT扫描中重建得到的图像,或者为物体的设计图。
18.一种CT成像系统,包括:
射线源,产生双能X射线;
探测和采集装置,接收透射物体的双能X射线;
控制设备,控制所述射线源以及所述探测和采集装置对物体进行CT扫描,在第一扫描模式下得到完备的第一投影数据集合,在第二扫描模式下得到非完备的第二投影数据集合;
重建设备,基于第一投影数据集合重建物体的第一衰减系数图像,并且从第一衰减系数图像中提取物体的先验结构信息,所述先验结构信息指示边缘的强弱,以及将提取的先验结构信息作为约束条件,从非完备的第二投影数据集合重建所述物体的第二衰减系数图像。
19.一种CT成像系统,包括:
射线源,产生X射线;
探测和采集装置,接收透射物体的双能X射线;
控制设备,控制所述射线源以及所述探测和采集装置对物体进行CT扫描,得到投影数据集合;
重建设备,从反映物体的内部结构的第一图像中提取物体的先验结构信息,所述先验结构信息指示边缘的强弱;以及将提取的先验结构信息作为约束条件,从所述投影数据集合重建所述物体的第二图像。
20.如权利要求19所述的系统,其中所述第一图像为物体在之前的CT扫描中重建得到的图像,或者为物体的设计图。
CN201310234787.3A 2013-06-14 2013-06-14 Ct成像方法和系统 Active CN104240270B (zh)

Priority Applications (9)

Application Number Priority Date Filing Date Title
CN201310234787.3A CN104240270B (zh) 2013-06-14 2013-06-14 Ct成像方法和系统
EP14172167.0A EP2862516B1 (en) 2013-06-14 2014-06-12 CT imaging methods and systems
PL14172167T PL2862516T3 (pl) 2013-06-14 2014-06-12 Sposoby i systemy obrazowania CT
ES14172167.0T ES2687298T3 (es) 2013-06-14 2014-06-12 Métodos y sistemas de adquisición de imágenes por TC
GB1410528.2A GB2517829B (en) 2013-06-14 2014-06-12 CT imaging methods and systems
PCT/CN2014/079870 WO2014198239A1 (zh) 2013-06-14 2014-06-13 Ct成像方法和系统
PCT/CN2014/079865 WO2014198237A1 (zh) 2013-06-14 2014-06-13 Ct成像方法和系统
US14/304,848 US9702832B2 (en) 2013-06-14 2014-06-13 CT imaging methods and systems
HK15104448.3A HK1204125A1 (zh) 2013-06-14 2015-05-12 成像方法和系統

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201310234787.3A CN104240270B (zh) 2013-06-14 2013-06-14 Ct成像方法和系统

Publications (2)

Publication Number Publication Date
CN104240270A true CN104240270A (zh) 2014-12-24
CN104240270B CN104240270B (zh) 2017-12-05

Family

ID=51176886

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201310234787.3A Active CN104240270B (zh) 2013-06-14 2013-06-14 Ct成像方法和系统

Country Status (8)

Country Link
US (1) US9702832B2 (zh)
EP (1) EP2862516B1 (zh)
CN (1) CN104240270B (zh)
ES (1) ES2687298T3 (zh)
GB (1) GB2517829B (zh)
HK (1) HK1204125A1 (zh)
PL (1) PL2862516T3 (zh)
WO (2) WO2014198237A1 (zh)

Cited By (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105807329A (zh) * 2016-05-30 2016-07-27 公安部第研究所 一种用于识别包裹中危险液体的x射线检测装置与方法
WO2017041620A1 (zh) * 2015-09-09 2017-03-16 清华大学 能谱ct图像重建方法及能谱ct成像系统
CN107209130A (zh) * 2015-02-09 2017-09-26 株式会社尼康 一种x射线测量设备的图像重建方法、结构物的制造方法、x射线测量设备的图像重建程序以及x射线测量设备
CN107356615A (zh) * 2016-05-10 2017-11-17 清华大学 一种用于双能x射线ct的方法和系统
CN108537831A (zh) * 2018-03-09 2018-09-14 中北大学 对增材制造工件进行ct成像的方法及装置
CN109171781A (zh) * 2018-11-06 2019-01-11 上海联影医疗科技有限公司 灌注扫描图像重建方法、装置、影像扫描设备及存储介质
CN109471185A (zh) * 2018-12-17 2019-03-15 同方威视技术股份有限公司 Ct系统和用于ct系统的探测装置
CN110853742A (zh) * 2019-11-12 2020-02-28 上海联影医疗科技有限公司 一种图像重建方法、系统、装置及存储介质
CN111067561A (zh) * 2019-12-25 2020-04-28 东软医疗系统股份有限公司 能谱ct物质分解方法、装置、ct设备及ct系统
CN111696166A (zh) * 2020-06-10 2020-09-22 浙江大学 基于fdk型预处理矩阵的圆周锥束ct快速迭代重建方法
CN111710013A (zh) * 2020-06-17 2020-09-25 深圳高性能医疗器械国家研究院有限公司 一种ct图像的分离重建方法及应用
CN111724452A (zh) * 2020-06-17 2020-09-29 深圳高性能医疗器械国家研究院有限公司 一种低剂量ct图像重建方法
CN113271863A (zh) * 2018-11-30 2021-08-17 爱可瑞公司 用于改进的工作流程和性能的多程计算机断层摄影扫描
CN113885087A (zh) * 2021-09-29 2022-01-04 北京航星机器制造有限公司 一种安检ct的图像重建方法
CN114199907A (zh) * 2021-12-06 2022-03-18 清华大学 多分辨率ct成像系统及方法
CN115684215A (zh) * 2022-09-28 2023-02-03 西安交通大学 一种基于c型臂升降机构的x射线安检设备及工作方法

Families Citing this family (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6176836B2 (ja) * 2013-05-24 2017-08-09 東芝メディカルシステムズ株式会社 X線コンピュータ断層撮影装置、医用データセット圧縮方法および医用データセット圧縮プログラム
WO2015168147A1 (en) * 2014-04-29 2015-11-05 Carl Zeiss X-ray Microscopy, Inc. Segmentation and spectrum based metal artifact reduction method and system
CN106470610B (zh) * 2014-06-25 2020-12-15 皇家飞利浦有限公司 具有稀疏角度采样的ct成像装置
EP3271898B1 (en) 2015-03-18 2019-10-16 Prismatic Sensors AB Image reconstruction based on energy-resolved image data from a photon-counting multi bin detector
WO2017102467A1 (en) 2015-12-15 2017-06-22 Koninklijke Philips N.V. Method of data processing for computed tomography
EP3240483B1 (en) * 2015-12-18 2018-08-01 Koninklijke Philips N.V. Tomographic imaging device and method for sparse angular sampling
CN108898642B (zh) * 2018-06-01 2022-11-11 安徽工程大学 一种基于卷积神经网络的稀疏角度ct成像方法
CN109685865B (zh) * 2018-12-24 2023-03-31 电子科技大学 适合直线扫描轨迹的锥束断层重建方法
US11039801B2 (en) * 2019-07-02 2021-06-22 GE Precision Healthcare LLC Systems and methods for high-resolution spectral computed tomography imaging
US11763498B2 (en) 2019-11-12 2023-09-19 Shanghai United Imaging Healthcare Co., Ltd. Systems and methods for image reconstruction
CN111317495B (zh) * 2020-02-25 2023-03-31 沈阳先进医疗设备技术孵化中心有限公司 Ct图像数据的处理方法及ct成像系统
CN113112563B (zh) * 2021-04-21 2023-10-27 西北大学 一种优化区域知识先验的稀疏角cb-xlct成像方法
CN116183639A (zh) * 2021-11-26 2023-05-30 同方威视技术股份有限公司 面阵探测器、探测方法及相应的集装箱/车辆检查系统
CN114903510B (zh) * 2022-05-26 2023-04-18 北京朗视仪器股份有限公司 一种双能ct成像方法、装置及计算机设备

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101040781A (zh) * 2005-12-21 2007-09-26 Ge医疗系统环球技术有限公司 X射线衰减校正方法、ct装置、图像产生装置及方法
CN101900695A (zh) * 2009-05-27 2010-12-01 清华大学 伪双能欠采样物质识别系统和方法
CN101900696A (zh) * 2009-05-27 2010-12-01 清华大学 双能欠采样物质识别方法和系统
US20110150183A1 (en) * 2009-12-23 2011-06-23 General Electric Company Dual-energy imaging at reduced sample rates
CN102435621A (zh) * 2009-05-27 2012-05-02 清华大学 双能欠采样物质识别方法和系统

Family Cites Families (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6895077B2 (en) * 2001-11-21 2005-05-17 University Of Massachusetts Medical Center System and method for x-ray fluoroscopic imaging
EP1965703B1 (en) * 2005-12-20 2017-06-07 Philips Intellectual Property & Standards GmbH Reconstruction unit for reconstructing a fine reproduction of at least a part of an object
US7450683B2 (en) * 2006-09-07 2008-11-11 General Electric Company Tileable multi-layer detector
US7760848B2 (en) * 2006-09-08 2010-07-20 General Electric Company Method and system for generating a multi-spectral image of an object
CN101900694B (zh) * 2009-05-27 2012-05-30 清华大学 基于直线轨迹扫描的双能欠采样物质识别系统和方法
US8897515B2 (en) * 2009-09-08 2014-11-25 Mayo Foundation For Medical Education And Research Method for compressed sensing image reconstruction using a priori knowledge of spatial support
US8199874B2 (en) * 2009-12-11 2012-06-12 General Electric Company System and method of mitigating low signal data for dual energy CT
RU2571564C2 (ru) * 2010-06-21 2015-12-20 Конинклейке Филипс Электроникс Н.В. Способ и система для выполнения визуализации методом низкодозовой компьютерной томографии
CN102626318A (zh) * 2012-04-13 2012-08-08 中国科学院深圳先进技术研究院 X射线成像方法
CN203149136U (zh) * 2012-12-31 2013-08-21 清华大学 多能ct成像系统
CN103136773B (zh) * 2013-02-05 2016-05-18 南方医科大学 一种稀疏角度x射线ct成像方法
CN103472074B (zh) * 2013-06-19 2016-01-20 清华大学 Ct成像系统和方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101040781A (zh) * 2005-12-21 2007-09-26 Ge医疗系统环球技术有限公司 X射线衰减校正方法、ct装置、图像产生装置及方法
CN101900695A (zh) * 2009-05-27 2010-12-01 清华大学 伪双能欠采样物质识别系统和方法
CN101900696A (zh) * 2009-05-27 2010-12-01 清华大学 双能欠采样物质识别方法和系统
CN102435621A (zh) * 2009-05-27 2012-05-02 清华大学 双能欠采样物质识别方法和系统
US20110150183A1 (en) * 2009-12-23 2011-06-23 General Electric Company Dual-energy imaging at reduced sample rates

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
GUANG HONG CHEN ET AL.: "Temporal resolution improvement using PICCS in MDCT cardiac imaging", 《MEDICAL PHYSICS》 *
练秋生 等: "基于压缩传感和代数重建法的CT图像重建", 《光学技术》 *

Cited By (29)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107209130A (zh) * 2015-02-09 2017-09-26 株式会社尼康 一种x射线测量设备的图像重建方法、结构物的制造方法、x射线测量设备的图像重建程序以及x射线测量设备
CN107209130B (zh) * 2015-02-09 2021-07-09 株式会社尼康 X射线测量设备及其图像重建方法、结构物制造方法
CN106530366B (zh) * 2015-09-09 2019-04-16 清华大学 能谱ct图像重建方法及能谱ct成像系统
WO2017041620A1 (zh) * 2015-09-09 2017-03-16 清华大学 能谱ct图像重建方法及能谱ct成像系统
CN106530366A (zh) * 2015-09-09 2017-03-22 清华大学 能谱ct图像重建方法及能谱ct成像系统
US10489939B2 (en) 2015-09-09 2019-11-26 Tsinghua University Spectral CT image reconstructing method and spectral CT imaging system
CN107356615A (zh) * 2016-05-10 2017-11-17 清华大学 一种用于双能x射线ct的方法和系统
CN107356615B (zh) * 2016-05-10 2020-01-21 清华大学 一种用于双能x射线ct的方法和系统
CN105807329B (zh) * 2016-05-30 2019-05-17 公安部第一研究所 一种用于识别包裹中危险液体的x射线检测装置与方法
CN105807329A (zh) * 2016-05-30 2016-07-27 公安部第研究所 一种用于识别包裹中危险液体的x射线检测装置与方法
CN108537831A (zh) * 2018-03-09 2018-09-14 中北大学 对增材制造工件进行ct成像的方法及装置
CN108537831B (zh) * 2018-03-09 2021-06-15 中北大学 对增材制造工件进行ct成像的方法及装置
CN109171781A (zh) * 2018-11-06 2019-01-11 上海联影医疗科技有限公司 灌注扫描图像重建方法、装置、影像扫描设备及存储介质
CN109171781B (zh) * 2018-11-06 2022-05-13 上海联影医疗科技股份有限公司 灌注扫描图像重建方法、装置、影像扫描设备及存储介质
CN113271863A (zh) * 2018-11-30 2021-08-17 爱可瑞公司 用于改进的工作流程和性能的多程计算机断层摄影扫描
CN109471185A (zh) * 2018-12-17 2019-03-15 同方威视技术股份有限公司 Ct系统和用于ct系统的探测装置
CN110853742A (zh) * 2019-11-12 2020-02-28 上海联影医疗科技有限公司 一种图像重建方法、系统、装置及存储介质
CN111067561A (zh) * 2019-12-25 2020-04-28 东软医疗系统股份有限公司 能谱ct物质分解方法、装置、ct设备及ct系统
CN111067561B (zh) * 2019-12-25 2023-05-02 东软医疗系统股份有限公司 能谱ct物质分解方法、装置、ct设备及ct系统
CN111696166A (zh) * 2020-06-10 2020-09-22 浙江大学 基于fdk型预处理矩阵的圆周锥束ct快速迭代重建方法
CN111724452A (zh) * 2020-06-17 2020-09-29 深圳高性能医疗器械国家研究院有限公司 一种低剂量ct图像重建方法
CN111710013A (zh) * 2020-06-17 2020-09-25 深圳高性能医疗器械国家研究院有限公司 一种ct图像的分离重建方法及应用
CN111710013B (zh) * 2020-06-17 2023-06-23 深圳高性能医疗器械国家研究院有限公司 一种ct图像的分离重建方法及应用
CN111724452B (zh) * 2020-06-17 2024-05-28 深圳高性能医疗器械国家研究院有限公司 一种低剂量ct图像重建方法
CN113885087A (zh) * 2021-09-29 2022-01-04 北京航星机器制造有限公司 一种安检ct的图像重建方法
CN113885087B (zh) * 2021-09-29 2024-05-24 北京航星机器制造有限公司 一种安检ct的图像重建方法
CN114199907A (zh) * 2021-12-06 2022-03-18 清华大学 多分辨率ct成像系统及方法
CN114199907B (zh) * 2021-12-06 2024-02-09 清华大学 多分辨率ct成像系统及方法
CN115684215A (zh) * 2022-09-28 2023-02-03 西安交通大学 一种基于c型臂升降机构的x射线安检设备及工作方法

Also Published As

Publication number Publication date
GB201410528D0 (en) 2014-07-30
EP2862516B1 (en) 2018-08-01
ES2687298T3 (es) 2018-10-24
EP2862516A1 (en) 2015-04-22
PL2862516T3 (pl) 2019-01-31
US20140369458A1 (en) 2014-12-18
CN104240270B (zh) 2017-12-05
WO2014198239A1 (zh) 2014-12-18
GB2517829B (en) 2016-12-21
GB2517829A (en) 2015-03-04
HK1204125A1 (zh) 2015-11-06
US9702832B2 (en) 2017-07-11
WO2014198237A1 (zh) 2014-12-18

Similar Documents

Publication Publication Date Title
CN104240270A (zh) Ct成像方法和系统
US11328391B2 (en) System and method for controlling noise in multi-energy computed tomography images based on spatio-spectral information
CN102346924B (zh) 用于x射线图像的重建的系统和方法
CN103472074B (zh) Ct成像系统和方法
JP2020168352A (ja) 医用装置及びプログラム
JP6925868B2 (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
JP7504561B2 (ja) 医用処理装置及び放射線診断装置
WO2020237873A1 (zh) 基于神经网络的螺旋ct图像重建方法和设备及存储介质
US10628973B2 (en) Hierarchical tomographic reconstruction
JP2021013736A (ja) X線診断システム、画像処理装置及びプログラム
JP2016152916A (ja) X線コンピュータ断層撮像装置及び医用画像処理装置
Wu et al. Spatial-temporal total variation regularization (STTVR) for 4D-CT reconstruction
CN106153647B (zh) 能谱ct成像系统及数据采集和重建能谱ct图像的方法
Hashemi et al. Adaptively tuned iterative low dose CT image denoising
Xu et al. Statistical iterative reconstruction to improve image quality for digital breast tomosynthesis
Li et al. Sparse CT reconstruction based on multi-direction anisotropic total variation (MDATV)
Kim et al. A streak artifact reduction algorithm in sparse‐view CT using a self‐supervised neural representation
Banjak X-ray computed tomography reconstruction on non-standard trajectories for robotized inspection
Natterer et al. Past and future directions in x‐ray computed tomography (CT)
Feng et al. Dual residual convolutional neural network (DRCNN) for low-dose CT imaging
Li et al. Modified kernel MLAA using autoencoder for PET-enabled dual-energy CT
Makeev et al. Investigation of statistical iterative reconstruction for dedicated breast CT
Xia et al. Dedicated breast computed tomography: Volume image denoising via a partial‐diffusion equation based technique
CN112001978B (zh) 一种基于生成对抗网络的双能双90°ct扫描重建图像的方法及装置
Cong et al. Monochromatic image reconstruction via machine learning

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
REG Reference to a national code

Ref country code: HK

Ref legal event code: DE

Ref document number: 1204125

Country of ref document: HK

GR01 Patent grant
GR01 Patent grant
REG Reference to a national code

Ref country code: HK

Ref legal event code: GR

Ref document number: 1204125

Country of ref document: HK