CN104346820A - 一种x光双能ct重建方法 - Google Patents

一种x光双能ct重建方法 Download PDF

Info

Publication number
CN104346820A
CN104346820A CN201310318608.4A CN201310318608A CN104346820A CN 104346820 A CN104346820 A CN 104346820A CN 201310318608 A CN201310318608 A CN 201310318608A CN 104346820 A CN104346820 A CN 104346820A
Authority
CN
China
Prior art keywords
reconstructing
dual intensity
rebuild
image
energy
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
CN201310318608.4A
Other languages
English (en)
Other versions
CN104346820B (zh
Inventor
刑宇翔
沈乐
张丽
陈志强
李亮
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.)
Tsinghua University
Nuctech Co Ltd
Original Assignee
Tsinghua University
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
Application filed by Tsinghua University, Nuctech Co Ltd filed Critical Tsinghua University
Priority to CN201310318608.4A priority Critical patent/CN104346820B/zh
Priority to EP14177280.6A priority patent/EP2843623B1/en
Priority to PL14177280T priority patent/PL2843623T3/pl
Priority to US14/337,209 priority patent/US9513235B2/en
Priority to PCT/CN2014/082900 priority patent/WO2015010632A1/zh
Publication of CN104346820A publication Critical patent/CN104346820A/zh
Priority to HK15104447.4A priority patent/HK1204124A1/zh
Application granted granted Critical
Publication of CN104346820B publication Critical patent/CN104346820B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • 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
    • G06T11/006Inverse problem, transformation from projection-space into object-space, e.g. transform methods, back-projection, algebraic methods
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/10Image acquisition modality
    • G06T2207/10072Tomographic images
    • G06T2207/10081Computed x-ray tomography [CT]
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/20Special algorithmic details
    • G06T2207/20172Image enhancement details
    • G06T2207/20182Noise reduction or smoothing in the temporal domain; Spatio-temporal filtering
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/30Subject of image; Context of image processing
    • G06T2207/30004Biomedical image processing
    • 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
    • G06T2211/424Iterative

Abstract

本发明涉及一种基于自先验信息的X光双能CT重建方法,能够利用数据内在的信息提供先验模型,从而获得高质量的重建图像。本发明的X光双能CT重建方法具有如下步骤:(a)进行能谱标定和双能查找表建立;(b)利用双能CT成像系统的探测器采集得到双能CT成像系统的高能数据 p H以及低能数据 p L;(c)根据所得到的所述高能数据 p H以及所述低能数据 p L得到比例图像 r 1以及 r 2的投影图像 R 1以及 R 2;(d)利用第一局部平滑限制条件重建比例图像 r 2,由此,得到电子密度图;(e)利用第二局部平滑限制条件重建比例图像 r 1,由此,得到等效原子序数图像。在本发明中,有效地利用数据固有信息,能够在保持分辨率的情况下有效地抑制双能重建图像的噪声。

Description

一种X光双能CT重建方法
技术领域
本发明涉及断层影像(CT)重建的方法,特别涉及一种基于自先验信息的X光双能CT重建方法。
背景技术
断层影像(CT)的图像对比度与扫描所用的X光源能谱分布有很大关系。传统CT使用具有能谱分布的一个光源进行成像,有时会出现信息模糊致使两种不同材料在CT图像上完全相同,而双能CT使用两个不同分布的能谱对物体进行成像,能够消除单能谱情况下的信息模糊。双能X光断层成像技术(CT)利用物质在不同能量下的衰减差异能够获得关于物体的多重物理特性参数的分布信息,例如,电子密度分布、等效原子序数分布、多个能量下的单能衰减图像。这样,双能X光CT能够被用来进行传统CT的射线硬化校正、临床高对比度能谱图像获取、工业和安检的特殊和危险物品检测等。与传统的X光CT成像技术相比,双能CT在其成像功能上的突破对医学诊断技术、无损检测、以及安全检查等应用都具有重大意义,因此,在近年来得到越来越广泛的关注。此外,双能X光CT的重建方法是当前的一个研究热点。
就目前来说,双能CT重建主要有如下三种途径。(1)后处理方法:从低能数据和高能数据分别重建衰减系数分布图像,然后,对这两个衰减系数分布图像进行综合计算,由此,能够获得单能图像或者与能量无关的物理量(例如,原子序数、电子密度)的分布图像;(2)前处理方法:从低能数据和高能数据来解析能量相关和能量无关信号(也就是所谓的双能分解),解析后的信号属于投影域,然后,利用传统的CT重建方法对解析后的信号进行重建;(3)综合迭代法;对低能数据和高能数据直接使用迭代方法进行重建。目前,被广泛采用的是前处理方法,这是因为前处理方法比后处理方法更加准确,能够更好地去除X光宽谱的影响,另一方面,前处理方法相对于综合迭代法计算量较少。
目前,关于双能分解,有基材料分解和双效应分解这两种分解方式(例如,参照非专利文献1)。但是,在双效应分解方法中,通常等效原子序数重建图像的信噪比差,相对于此,电子密度图像具有比较好的信噪比(例如,参照非专利文献2)。此外,在双能CT重建中,能够利用蒙特卡罗(MonteCarlo)方法或者实验方法估计双能CT系统的能谱数据,此外,也可以建立查找表(例如,参照非专利文献2、3)。
现有技术文献
非专利文献1:Y. Xing, L. Zhang, X. Duan, J. Cheng, Z. Chen, "A reconstruction method for dual high-energy CT with Mev X-rays," IEEE Trans Nucl. Sci. vol. 58, no. 2, pp537-546, 2011.;
非专利文献2:张国伟,双能X射线成像算法及应用研究[D],北京:清华大学工程物理系,2008;
非专利文献3:G. Zhang, Z. Chen, L. Zhang, and J. Cheng, Exact Reconstruction for Dual Energy Computed Tomography Using an H-L Curve Method, 2006 IEEE Nuclear Science Symposium Conference Record, pp.  M14-462, 2006。
此外,在双能CT重建中,两个主要物理特性参数是等效原子序数和电子密度,由于在双能分解的过程中带有很强的不平衡性,因此,导致双能CT重建图像的噪声被放大,特别是等效原子序数分布的噪声被放大。
发明内容
本发明是为了解决上述课题而提出的,其目的在于提供一种双能CT重建方法,能够利用数据内在的信息提供先验模型,从而获得高质量的重建图像。
本发明提供一种X光双能CT重建方法,其特征在于,具有如下步骤:
(a)利用双能CT成像系统的探测器采集得到双能CT成像系统的高能数据pH以及低能数据pL
(b)根据所得到的所述高能数据pH以及所述低能数据pL得到比例图像r1以及r2的投影图像R1以及R2
(c)利用第一局部平滑限制条件重建比例图像r2,并且,得到分解系数a1
(d)利用第二局部平滑限制条件重建比例图像r1,并且,得到分解系数a2
此外,在本发明的X光双能CT重建方法中,其特征在于,
比例图像r1以及r2以如下的式(4)定义,
           (4),
投影图像R1以及R2以如下的式(6)定义,
                   (6),
其中,,H是投影矩阵,a1和a2为分解系数,ε为一个小值常系数向量,ω1和ω2为能够任意选择的向量,
在所述步骤(c)中,以作为第一局部平滑限制条件的下式(9)重建r2
 s.t.                  (9),
在所述步骤(d)中,以作为第二局部平滑限制条件的下式(8)重建r1
 s.t.                     (8)。
此外,在本发明的X光双能CT重建方法中,其特征在于,
在所述步骤(c)中,根据所述高能数据pH重建高能情况下的有效线衰减系数μH,并且,选择ω2 =μH,以作为第一局部平滑限制条件的式(9)重建r2
此外,在本发明的X光双能CT重建方法中,其特征在于,
在上述步骤(d)中,取ω1 = a2并且以作为第二局部平滑限制条件的式(8)重建r1
此外,在本发明的X光双能CT重建方法中,其特征在于,
还具有如下步骤:利用双效应分解,根据a2=r2×diag(ω2+ε)以及ρe=2a2得到电子密度图ρe
此外,在本发明的X光双能CT重建方法中,其特征在于,
还具有如下步骤:利用双效应分解,根据来得到等效原子序数图Zeff
此外,在本发明的X光双能CT重建方法中,其特征在于,
还具有如下步骤:利用双效应分解,根据a2=r2×diag(ω2+ε)以及ρe=2a2得到电子密度图ρe
此外,在本发明的X光双能CT重建方法中,其特征在于,
还具有如下步骤:利用双效应分解,根据来得到等效原子序数图Zeff
此外,在本发明的X光双能CT重建方法中,其特征在于,
在所述步骤(d)中,根据所述高能数据pH重建高能情况下的有效线衰减系数μH,取ω1 =μH并且以作为第二局部平滑限制条件的下式(8)重建r1
 s.t.                    (8),
然后,利用a1=r1×diag(ω1+ε)以及来得到等效原子序数图Zeff
此外,在本发明的X光双能CT重建方法中,其特征在于,
在所述步骤(c)和步骤(d)中,利用ART+TV法对r1和r2进行重建。
此外,在本发明的X光双能CT重建方法中,其特征在于,
在所述步骤(c)和步骤(d)中,利用split Bregman方法对r1和r2进行重建。
根据本申请发明,与现有技术相比,具有如下效果:(1)通过有效地利用数据固有信息(例如,选择ω1和ω2为μH或μL,或者选择ω1为a2),从而能够在保持分辨率的情况下有效地抑制双能重建图像的噪声;(2)使用先验模型的方式建立重建方式,从而能够方便地进行算法设计;(3)该方法不局限于扫描方式,也适用于扇束、锥束,圆轨道、螺旋轨道等不同扫描方式,能够通过该先验方法增加迭代重建的鲁棒性;(4)与本领域内已有的双效应分解方法相比,直接重建系数的比值能得到更稳定的结果。
附图说明
图1是本发明的以双效应分解为例的基于自先验信息的双能CT重建方法的流程图。
图2是本发明的以双效应分解为例的基于自先验信息的双能CT重建方法重建得到的图像,(a)为电子密度重建图,(b)为等效原子序数重建图。
具体实施方式
关于自先验,这是发明人提出的一种说法,因为在重建如下所述的比例图像r1和r2的过程中所使用的先验模型能够从数据本身得到,例如,之前按照常规CT方法重建单一高能数据所得到的线衰减系数结果,或者重建a1(分解系数)时所使用的ω1 = a2(a2也是分解系数),即,利用a2的结构信息作为先验信息。此外,在本申请发明中,处理数据本身获得单一能量的衰减图像重建或者a2的重建,将它们放在先验模型里,所以,称之为利用数据内在的信息,由此,能够得到获得高质量的重建图像。
以下,参照附图对本发明的实施方式进行说明。
首先,进行能谱标定和双能查找表建立。然后,利用双能CT成像系统的探测器采集得到双能CT成像系统的高能数据和低能数据,此处,设双能CT的高能数据和低能数据分别为pH和pL,其中,PH以及PL以如下的式(1)和式(2)表示,
                 (1),
                 (2),
其中,上述式(1)和式(2)中的分别为归一化的高能和低能的能谱分布,这些能谱分布能够利用多种方式来产生,包括例如两层三明治式探测器的伪双能、快速切换的X光机产生的两个能量谱或者使用两个X光机所得到的能谱分布等。此外,μ(E)是物体的线衰减系数,H是投影矩阵。按照传统的CT重建方法,能够得到高能以及低能下的有效线衰减系数分布μH和μL的估计,并且,能够作为先验来使用。
目前,在本领域中,双能分解包括基材料分解和双效应分解这两种分解方式,并且,这两种分解都能够表示为如下的式(3),
                            (3),
其中,上述式(3)中的在基材料分解和双效应分解中表现为不同的预先确定的函数形式,此外,a1和a2为分解系数。
此外,在本发明的方法中引入两个新的向量,即,比例图像r1和r2,r1和r2以如下的式(4)表示,
                              (4),
在上述式(4)中,diag()表示对角线矩阵,并且,其对角线上的元素为括号内的向量的值,ε为一个小值常系数向量,以避免分母出现零值,ω1和ω2为能够任意选择的两个向量。此外,定义,综合上述的式(1)~(4),能够得到如下的式(5),
           (5)。
此外,令
                     (6),其中,R1和R2分别是比例图像r1和r2的投影图像,分别为对应的投影算子。
接着,利用式(6)将式(5)简化,得到如下的式(7),
                (7)。
此处,能够将上述式(7)称为除式先验定义下的数据。此外,对于每一对采集得到的高能数据和低能数据,式(7)形成一对非线性二元方程组,通过解此方程组,由此,能够根据(pH, pL)得到(R1, R2),或者,也能够使用类似于非专利文献2中所述的方法,使用建立查找表根据已知的数据对(pH, pL)得到(R1, R2)。剩下的问题就是由(R1, R2)重建(r1, r2)。根据上述的式(6)可知,(r1, r2)的重建能够使用任何的传统CT重建方法完成。但是,在利用传统的双能CT重建方法重建(r1, r2)的情况下,由于在双能分解的过程中带有很强的不平衡性,因此,导致双能CT重建图像的噪声被放大,特别是等效原子序数分布的噪声被放大。
相对于此,本发明方法的特征在于通过限定r1和r2的局部平滑(piece-wise smooth),即其数学表示可稀疏化,使a1与ω1具有相似性、a2和ω2具有相似性,能够在重建中利用这个性质改善重建图像的质量。a1与ω1都是图像,它们具有相似性指的是图像的结构具有相似性,例如,a1平滑的地方ω1也平滑,a1有边缘的地方ω1可能也有边缘。此外,由于ω1和ω2与μH或μL之间的结构相似性,所以,能够选择ω1和ω2为μH或μL(其中,μH或μL能够分别从pH和pL按照传统单能CT重建得到)或者其他的与ω1和ω2具有相似性的先验图像(例如,在本发明中,在双效应分解方法中能够使用a2)。此外,在取ω1和ω2为均匀常数向量的情况下,此方法退化为常规的双能重建方法。此外,在本发明中,为了改善重建图像的质量而使用以下的条件即式(8)(第二局部平滑限制条件)以及式(9)(第一局部平滑限制条件)的方式来实现对r1和r2的局部平滑限制,
 s.t.                     (8),
 s.t.                     (9),
在上述的式(8)以及式(9)中,表示r的梯度的p阶范数,此处,通过令其最小化,从而实现r的局部平滑。
此外,在上述的式(8)和式(9)中,除了下标以外完全一致,所以,r1和r2的重建能够相互独立地用同样的方法实现。但是,另一方面,从双能CT来说,为了优化重建图像的质量,能够根据实际情况从双能CT的特点出发分别优化选择ω1和ω2。例如,对双效应分解方法(参照非专利文献2)来说,通常等效原子序数重建图像的信噪比比较差,而电子密度图像具有较好的信噪比。此外,基于双效应分解方法,等效原子序数Zeff和电子密度ρe的计算公式为如下的式(10),
             (10),
其中λ是双效应分解中光电效应随能量的变化关系的参数,能够选择ω1=a2。这样,得到如下的式(11),
            (11)。
这样,能够更好地控制等效原子序数重建图像的噪声水平,这是因为能够通过限制r1的局部平滑而使等效原子序数的值相对稳定。
此处,在本发明中,具体地以基于双效应分解的双能CT重建为例,使用本发明的方法给出如下的具体实施例。
图1是以双效应分解为例的基于自先验信息的双能CT重建方法的流程图,图2是以双效应分解为例的基于自先验信息的双能CT重建方法重建得到的图像,(a)为电子密度重建图,(b)为等效原子序数重建图。
在本实施例中,如图1所示,首先,进行能谱标定和双能查找表建立。关于建立查找表,使用确定的已知的材料做成不同厚度,从而(R1, R2)已知,把它们放在双能CT系统采集数据,获得(pH, pL),把这些数据做成表格,一般取大于两种材料,取几十个不同厚度。更细的描述可以参考本领域内已发表的文献(例如非专利文献2)。
然后,利用双能CT成像系统的探测器采集得到双能CT成像系统的高能数据pH以及低能数据pL
接着,通过查找表或者根据上述的二元方程组(7)得到比例图像r1和r2的投影图像R1和R2的值。
接着,使用传统的单能CT重建方法由p H重建μH,并且,选择ω2H,即,此处将μH的结构信息作为先验信息。
接着,根据上述的算式来得到,然后,根据上述的式(9)(第一局部平滑限制条件)即 s.t. ,重建r2
此外,在本领域内有多种方法可供选择以实现上述优化问题,一般通过迭代的方式完成。在本申请中以ART+TV方法为例进行说明。
1) 初始化r2 = 1。
n = 1, ;
2) for :
ART迭代: for :
;  其中,i为射线索引号,[H] i 为系统矩阵的第i行向量,Niter为总的迭代次数。
3) 对向量的每个元素进行正则化约束:
,其中,NART为ART的跌代次数。
4) 对向量进行全变分最小化迭代:
, 
全变分最速下降法:for , :
, ;
;
5) ; 返回到2)开始下一次迭代,其中,NTV为TV最小化的跌代次数。
此外,如上所述,在本申请发明中,除了上述的ART+TV方法以外,也可以利用例如split Bregman方法等其他方法进行r2的重建。
接着,根据上述的式(4)以及式(10)得到分解系数a2以及电子密度ρe,即,计算,由此,能够获得电子密度图,图2(a)是如上得到的电子密度重建图,如图2(a)所示那样,电子密度图的边缘清晰。
接着,取ω1=a2,从而根据式得到,即,此处将a2的结构信息作为先验信息。
接着,根据上述的式(8)(第二局部平滑限制条件)即 s.t. ,重建r1。并且,重建r1的具体实现与上述的重建r2的步骤相同。
接着,根据式(11)得到等效原子序数,由此,能够获得等效原子序数图像。图2(b)是如上得到的等效原子序数重建图,如图2(b)所示那样,等效原子序数图像在同一物质的局部区域的噪声均匀性得到很大提高,无异常点出现,能够很好地重建细条状物质。
此外,关于r1的重建,也可以与上述不同,取ω1=μH(即,将μH的结构信息作为先验信息)并且以作为第二局部平滑限制条件的式(8)重建r1,然后,利用a1=r1×diag(ω1+ε)以及来得到等效原子序数图Zeff。这样,也与上述同样地,能够得到个高质量的等效原子序数图像。
如上述那样,以基于双效应分解的双能CT重建为例进行了说明,但是并不限于此,本发明的方法也能够应用于基材料分解。
如上所述,在本发明中,通过有效地利用数据固有信息,从而能够在保持分辨率的情况下有效地抑制双能重建图像的噪声,并且,使用了先验模型的方式建立重建方式,从而能够方便地进行算法设计,此外,本发明方法不局限于扫描方式,也适用于扇束、锥束,圆轨道、螺旋轨道等不同扫描方式,能够通过该先验方法增加迭代重建的鲁棒性,此外,本发明的X光双能CT重建方法与本领域内已有的双效应分解方法相比,直接重建系数的比值能得到更稳定的结果。

Claims (11)

1. 一种X光双能CT重建方法,其特征在于,具有如下步骤:
(a)利用双能CT成像系统的探测器采集得到双能CT成像系统的高能数据pH以及低能数据pL
(b)根据所得到的所述高能数据pH以及所述低能数据pL得到比例图像r1以及r2的投影图像R1以及R2
(c)利用第一局部平滑限制条件重建比例图像r2,并且,得到分解系数a1
(d)利用第二局部平滑限制条件重建比例图像r1,并且,得到分解系数a2
2. 如权利要求1所述的X光双能CT重建方法,其特征在于,
比例图像r1以及r2以如下的式(4)定义,
           (4),
投影图像R1以及R2以如下的式(6)定义,
                   (6),
其中,,H是投影矩阵,a1和a2为分解系数,ε为一个小值常系数向量,ω1和ω2为能够任意选择的向量,
在所述步骤(c)中,以作为第一局部平滑限制条件的下式(9)重建r2
 s.t.                  (9),
在所述步骤(d)中,以作为第二局部平滑限制条件的下式(8)重建r1
 s.t.                     (8)。
3. 如权利要求2所述的X光双能CT重建方法,其特征在于,
在所述步骤(c)中,根据所述高能数据pH重建高能情况下的有效线衰减系数μH,并且,选择ω2 = μH,以作为第一局部平滑限制条件的式(9)重建r2
4. 如权利要求2或3所述的X光双能CT重建方法,其特征在于,
在上述步骤(d)中,取ω1 = a2并且以作为第二局部平滑限制条件的式(8)重建r1
5. 如权利要求2或3所述的X光双能CT重建方法,其特征在于,
还具有如下步骤:利用双效应分解,根据a2=r2×diag(ω2+ε)以及ρe=2a2得到电子密度图ρe
6. 如权利要求2或3所述的X光双能CT重建方法,其特征在于,
还具有如下步骤:利用双效应分解,根据来得到等效原子序数图Zeff
7. 如权利要求4所述的X光双能CT重建方法,其特征在于,
还具有如下步骤:利用双效应分解,根据a2=r2×diag(ω2+ε)以及ρe=2a2得到电子密度图ρe
8. 如权利要求4所述的X光双能CT重建方法,其特征在于,
还具有如下步骤:利用双效应分解,根据来得到等效原子序数图Zeff
9. 如权利要求2所述的X光双能CT重建方法,其特征在于,
在所述步骤(d)中,根据所述高能数据pH重建高能情况下的有效线衰减系数μH,取ω1 = μH并且以作为第二局部平滑限制条件的下式(8)重建r1
 s.t.                     (8),
然后,利用a1=r1×diag(ω1+ε)以及来得到等效原子序数图Zeff
10. 如权利要求2所述的X光双能CT重建方法,其特征在于,
在所述步骤(c)和步骤(d)中,利用ART+TV法对r1和r2进行重建。
11. 如权利要求2所述的X光双能CT重建方法,其特征在于,
在所述步骤(c)和步骤(d)中,利用split Bregman方法对r1和r2进行重建。
CN201310318608.4A 2013-07-26 2013-07-26 一种x光双能ct重建方法 Active CN104346820B (zh)

Priority Applications (6)

Application Number Priority Date Filing Date Title
CN201310318608.4A CN104346820B (zh) 2013-07-26 2013-07-26 一种x光双能ct重建方法
EP14177280.6A EP2843623B1 (en) 2013-07-26 2014-07-16 X-ray dual-energy CT reconstruction method
PL14177280T PL2843623T3 (pl) 2013-07-26 2014-07-16 Sposób rekonstrukcji w dwuenergetycznej rentgenowskiej TK
US14/337,209 US9513235B2 (en) 2013-07-26 2014-07-22 X-ray dual-energy CT reconstruction method
PCT/CN2014/082900 WO2015010632A1 (zh) 2013-07-26 2014-07-24 一种x光双能ct重建方法
HK15104447.4A HK1204124A1 (zh) 2013-07-26 2015-05-12 種 光雙能 重建方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201310318608.4A CN104346820B (zh) 2013-07-26 2013-07-26 一种x光双能ct重建方法

Publications (2)

Publication Number Publication Date
CN104346820A true CN104346820A (zh) 2015-02-11
CN104346820B CN104346820B (zh) 2017-05-17

Family

ID=51205275

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201310318608.4A Active CN104346820B (zh) 2013-07-26 2013-07-26 一种x光双能ct重建方法

Country Status (6)

Country Link
US (1) US9513235B2 (zh)
EP (1) EP2843623B1 (zh)
CN (1) CN104346820B (zh)
HK (1) HK1204124A1 (zh)
PL (1) PL2843623T3 (zh)
WO (1) WO2015010632A1 (zh)

Cited By (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105512487A (zh) * 2015-12-15 2016-04-20 浙江大学 图像域双能ct多材料统计分解方法
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
CN106023124A (zh) * 2016-05-09 2016-10-12 上海交通大学 一种基于先验图像约束的磁共振稀疏重建图像方法
CN106251383A (zh) * 2016-08-31 2016-12-21 东北大学 一种能谱ct基物质正弦图的估计方法
CN106910157A (zh) * 2017-02-17 2017-06-30 公安部第研究所 一种多级并行的图像重建方法及装置
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
CN108010098A (zh) * 2017-12-04 2018-05-08 首都师范大学 一种双能谱ct基材料图像迭代重建方法
CN108896588A (zh) * 2018-06-08 2018-11-27 中北大学 一种多孔介质微观结构的测量方法
CN110133005A (zh) * 2018-02-08 2019-08-16 弗劳恩霍夫应用研究促进协会 用于通过基材料分解来评估多能量x射线图像的方法
CN110176045A (zh) * 2019-05-05 2019-08-27 东南大学 一种由单能ct图像生成双能ct图像的方法
CN110428395A (zh) * 2019-06-20 2019-11-08 浙江大学 单能谱ct图像的多材料分解方法
CN110731788A (zh) * 2019-07-18 2020-01-31 天津大学 一种基于双能ct扫描仪对基物质进行快速分解的方法
CN112304987A (zh) * 2020-10-19 2021-02-02 西北工业大学 基于光子计数能谱ct的含能材料等效原子序数测量方法
CN112581556A (zh) * 2020-12-25 2021-03-30 上海联影医疗科技股份有限公司 多能ct图像硬化校正方法、装置、计算机设备和存储介质
CN112652054A (zh) * 2020-12-22 2021-04-13 上海索骥信息科技有限公司 一种dr/ct数字物体构建方法和系统
CN112924478A (zh) * 2021-01-29 2021-06-08 上海科技大学 基于双能量数字x射线成像的架空线缆检测系统

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104899903B (zh) * 2015-05-12 2018-11-30 公安部第一研究所 基于cuda架构的gpu并行加速双能谱ct重建方法
US11172893B2 (en) * 2016-07-01 2021-11-16 Georgia Tech Research Corporation Dual-energy CT through primary beam modulation
WO2018062308A1 (ja) * 2016-09-28 2018-04-05 国立大学法人群馬大学 X線ct装置、電子密度及び実効原子番号の測定方法、ct検査方法、検査方法
CN113298905B (zh) * 2021-05-28 2022-12-16 同济大学 基于基础材料分解的多能谱ct重建方法及计算机可读介质
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 (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20030147497A1 (en) * 2002-01-28 2003-08-07 Avinash Gopal B. Robust and efficient decomposition algorithm for digital x-ray de imaging
CN1648936A (zh) * 2004-01-29 2005-08-03 西门子共同研究公司 先验知识、水平集表示和可视分组
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
US8306180B2 (en) * 2008-08-13 2012-11-06 Tsinghua University Image reconstruction method for high-energy, dual-energy CT system

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6950492B2 (en) * 2003-06-25 2005-09-27 Besson Guy M Dynamic multi-spectral X-ray projection imaging
US8184877B2 (en) * 2007-02-12 2012-05-22 Carestream Health, Inc. Renormalization of dual-energy images
CN101403710B (zh) * 2007-10-05 2013-06-19 清华大学 液态物品检查方法和设备
JP5106978B2 (ja) * 2007-10-15 2012-12-26 ジーイー・メディカル・システムズ・グローバル・テクノロジー・カンパニー・エルエルシー X線ct装置
US8194961B2 (en) * 2008-04-21 2012-06-05 Kabushiki Kaisha Toshiba Method, apparatus, and computer-readable medium for pre-reconstruction decomposition and calibration in dual energy computed tomography
US8705822B2 (en) * 2008-09-03 2014-04-22 Mayo Foundation For Medical Education And Research Method for creating images indicating material decomposition in dual energy, dual source helical computed tomography
US9036879B2 (en) * 2008-11-28 2015-05-19 General Electric Company Multi-material decomposition using dual energy computed tomography
US8165264B2 (en) * 2009-01-28 2012-04-24 Kabushiki Kaisha Toshiba Method of pre-reconstruction decomposition for fast kV-switching acquisition in dual energy computed tomography (CT)
CN103913472B (zh) * 2012-12-31 2016-04-20 同方威视技术股份有限公司 Ct成像系统和方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20030147497A1 (en) * 2002-01-28 2003-08-07 Avinash Gopal B. Robust and efficient decomposition algorithm for digital x-ray de imaging
CN1648936A (zh) * 2004-01-29 2005-08-03 西门子共同研究公司 先验知识、水平集表示和可视分组
US8306180B2 (en) * 2008-08-13 2012-11-06 Tsinghua University Image reconstruction method for high-energy, dual-energy CT system
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

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
YUXIANG XING等: "A Reconstruction Method for Dual High-Energy CT With MeV X-Rays", 《IEEE TRANSACTIONS ON NUCLEAR SCIENCE》 *
高洋: "双能CT图像重建算法研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 *

Cited By (26)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105512487A (zh) * 2015-12-15 2016-04-20 浙江大学 图像域双能ct多材料统计分解方法
CN106023124A (zh) * 2016-05-09 2016-10-12 上海交通大学 一种基于先验图像约束的磁共振稀疏重建图像方法
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
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
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
CN106251383B (zh) * 2016-08-31 2018-11-27 东北大学 一种能谱ct基物质正弦图的估计方法
CN106251383A (zh) * 2016-08-31 2016-12-21 东北大学 一种能谱ct基物质正弦图的估计方法
CN106910157A (zh) * 2017-02-17 2017-06-30 公安部第研究所 一种多级并行的图像重建方法及装置
CN106910157B (zh) * 2017-02-17 2020-06-26 公安部第一研究所 一种多级并行的图像重建方法及装置
CN108010098B (zh) * 2017-12-04 2020-12-25 首都师范大学 一种双能谱ct基材料图像迭代重建方法
CN108010098A (zh) * 2017-12-04 2018-05-08 首都师范大学 一种双能谱ct基材料图像迭代重建方法
CN110133005A (zh) * 2018-02-08 2019-08-16 弗劳恩霍夫应用研究促进协会 用于通过基材料分解来评估多能量x射线图像的方法
CN110133005B (zh) * 2018-02-08 2022-06-03 弗劳恩霍夫应用研究促进协会 用于通过基材料分解来评估多能量x射线图像的方法
CN108896588A (zh) * 2018-06-08 2018-11-27 中北大学 一种多孔介质微观结构的测量方法
CN108896588B (zh) * 2018-06-08 2020-11-20 中北大学 一种多孔介质微观结构的测量方法
CN110176045A (zh) * 2019-05-05 2019-08-27 东南大学 一种由单能ct图像生成双能ct图像的方法
CN110428395A (zh) * 2019-06-20 2019-11-08 浙江大学 单能谱ct图像的多材料分解方法
CN110428395B (zh) * 2019-06-20 2021-10-08 浙江大学 单能谱ct图像的多材料分解方法
CN110731788A (zh) * 2019-07-18 2020-01-31 天津大学 一种基于双能ct扫描仪对基物质进行快速分解的方法
CN110731788B (zh) * 2019-07-18 2023-10-20 天津大学 一种基于双能ct扫描仪对基物质进行快速分解的方法
CN112304987A (zh) * 2020-10-19 2021-02-02 西北工业大学 基于光子计数能谱ct的含能材料等效原子序数测量方法
CN112304987B (zh) * 2020-10-19 2024-04-12 西北工业大学 基于光子计数能谱ct的含能材料等效原子序数测量方法
CN112652054A (zh) * 2020-12-22 2021-04-13 上海索骥信息科技有限公司 一种dr/ct数字物体构建方法和系统
CN112581556A (zh) * 2020-12-25 2021-03-30 上海联影医疗科技股份有限公司 多能ct图像硬化校正方法、装置、计算机设备和存储介质
CN112924478A (zh) * 2021-01-29 2021-06-08 上海科技大学 基于双能量数字x射线成像的架空线缆检测系统

Also Published As

Publication number Publication date
EP2843623A2 (en) 2015-03-04
EP2843623A3 (en) 2015-04-22
US9513235B2 (en) 2016-12-06
CN104346820B (zh) 2017-05-17
US20150030225A1 (en) 2015-01-29
EP2843623B1 (en) 2019-02-13
PL2843623T3 (pl) 2019-09-30
HK1204124A1 (zh) 2015-11-06
WO2015010632A1 (zh) 2015-01-29

Similar Documents

Publication Publication Date Title
CN104346820B (zh) 一种x光双能ct重建方法
Niu et al. Accelerated barrier optimization compressed sensing (ABOCS) reconstruction for cone‐beam CT: phantom studies
Niu et al. Shading correction for on‐board cone‐beam CT in radiation therapy using planning MDCT images
CN102314698B (zh) 基于阿尔法散度约束的全变分最小化剂量ct重建方法
US9600866B2 (en) Projection data de-noising
CN103810734B (zh) 一种低剂量x射线ct投影数据恢复方法
Noh et al. Statistical sinogram restoration in dual-energy CT for PET attenuation correction
CN103493101B (zh) 多能量成像
Zeng et al. Full-spectrum-knowledge-aware tensor model for energy-resolved CT iterative reconstruction
Wang PET-enabled dual-energy CT: image reconstruction and a proof-of-concept computer simulation study
Rusanov et al. A convolutional neural network for estimating cone-beam CT intensity deviations from virtual CT projections
Jolivet et al. An efficient one-step method for spectral CT based on an approximate linear model
Rong et al. CT reconstruction from few-views with anisotropic edge-guided total variance
Wang et al. Hybrid pre-log and post-log image reconstruction for computed tomography
Wu et al. Reducing staircasing artifacts in spect reconstruction by an infimal convolution regularization
Zhang et al. Deep generalized learning model for PET image reconstruction
Pua et al. A pseudo-discrete algebraic reconstruction technique (PDART) prior image-based suppression of high density artifacts in computed tomography
Zhao et al. K-edge eliminated material decomposition method for dual-energy X-ray CT
Fan et al. Noise simulation for low-dose computed tomography
Ma et al. Image fusion for low-dose computed tomography reconstruction
CN110827370A (zh) 一种非等厚构件的多能ct循环迭代重建方法
Carramate et al. Multi-slice Energy Resolving CT system using a THCOBRA detector operating in NeCH4
Gao et al. Photon Counting Computed Tomography Image Restoration via Mixture Gaussian Noise Model: Initial Study
Bian et al. Penalized weighted alpha-divergence approach to sinogram restoration for low-dose X-ray computed tomography
Hu et al. PET Image Reconstruction from Under-sampled Data

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: 1204124

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: 1204124

Country of ref document: HK