CN105011960A - 使用双能计算机断层造影的多材料分解 - Google Patents

Abstract

本发明涉及使用双能计算机断层造影的多材料分解。公开了一种用于获取多材料分解图像的方法，所述方法包括步骤：从成像对象的双能计算机断层造影扫描获取图像对(62)；选择用于所述图像对的多材料分解的材料基础(64)；对所述材料基础应用物理化学模型(66)：以及使用所述物理化学模型所施加的至少一个约束执行多材料分解(72)。

Description

使用双能计算机断层造影的多材料分解

技术领域

这里所公开的主题涉及计算机断层造影(computed tomography，CT)成像系统，尤其涉及使用用于CT成像系统的双能(dual energy)x射线源的多材料分解(multi-material decomposition)方法。

背景技术

通常，在CT成像系统中，x射线源向位于支撑体上的诸如患者或行李物品之类的主体或对象发射扇形或锥形x射线束。所述x射线束撞击在位于所述主体远侧的包括多个检测器模块的检测器组件上，其中所检测到的x射线束的强度是x射线束被所述主体衰减(attenuation)的函数。在已知的“第三代”CT系统中，x射线源和检测器组件将主体部分地装入可旋转的机架(gantry)结构中。跨机架角度的范围收集表示所检测x射线束的强度的数据，并且最终对所述数据进行处理以形成图像。

CT成像系统可被配置为能量鉴别、多能和/或双能CT成像系统。双能CT成像是以两个不同能量级别(energy level)或能谱在相同条件下对相同目标进行多次扫描的成像过程，并用来识别所述目标中的不同材料。例如，具有相对低密度的柔软组织和类似材料通常比诸如骨头或碘造影剂之类的相对高密度的材料将入射x射线衰减较低的程度。在相关领域中意识到以两次成像扫描执行CT成像，一次以诸如110-150kVp的较高x射线管电压电平，而另一次成像扫描以诸如60-80kVp的较低x射线管电压电平执行，比单能CT成像扫描提供更多的关于所扫描材料的信息。

从双能CT成像扫描所获取的数据可被用来使用基础材料分解计算过程重构图像。所生成的图像表示所选择的基础材料密度对。除了材料密度图像之外，双能投影数据可被用来产生具有与所选择的单色能量相当的x射线衰减系数的新图像。这样的单色图像可包括这样的图像，其中图像体素(voxel)的密度值被指定得就像通过用单色x射线束收集来自主体的投影数据所创建的CT图像一样。

例如，在医学成像领域，可以以约80kVp的相对“低能量”级别以及约140kVp的相对“高能量”级别执行双能CT扫描，其中可“背靠背(back-to-back)”或交织地获取扫描。可在x射线源和能量敏感检测器之间设置特殊滤波器，使得不同检测器行收集不同x射线能谱的投影。

可通过以下步骤获得测量值：(i)利用两个不同的能谱进行扫描；(ii)根据检测器中的能量沉积检测光子能量；并且(iii)利用多个能量舱(energy bin)进行光子计数。在没有对象散射的情况下，CT系统能够基于来自光谱(spectrum)中两个或更多光子能量区域的信号得出与相对于能量的对象衰减相关的信息，所述光谱中的两个或更多光子能量区域例如是入射x射线光谱的低能量和高能量部分。在医学CT中，两个物理过程主导了x射线衰减：康普顿(Compton)散射和光电效应。从两个能量区域所检测到的信号通常提供足够的信息来解决所成像材料的能量依赖(energy dependence)。此外，从两个能量区域所检测的信号提供足够的信息来确定由两种材料所构成的对象的相对组分(composition)。

使用在这些CT扫描期间所获得的图像，能够生成基础材料密度图像和单色图像，也就是表示以理想的单色管源执行计算机断层造影扫描的效果的图像。给定一对材料密度图像，可能生成其它的基础材料图像对。例如，根据相同解剖结构(anatomy)的水和碘图像，可能生成不同的材料密度图像对，诸如钙或钆。类似地，通过使用基础材料图像对，能够生成均处于特定x射线能量的单色图像对。类似地，能够从单色图像对获得基础材料图像对或不同能量的单色图像对。

传统的材料基础分解利用以下概念：在医学CT的能量区域中，任何给定材料的x射线衰减能够由两种其它材料的适当密度混合(mix)来表示，所述两种其它材料通常被表示为“基础材料”。基础材料沉积计算过程产生两幅CT图像，每一幅表示一种基础材料的等效(equivalent)密度。由于材料密度不依赖于x射线光子能量，所以所述两幅CT图像很大程度上摆脱了射束硬化伪影(beam-hardening artifact)。操作员能够选择基础材料来以感兴趣的材料为目标，例如用以提高图像对比度。

因此，双能CT是扩展了标准CT能力的成像模态，并且使得能够对图像体积中的每个体素估计全线性衰减曲线，而不是以Hounsfield为单位的标量图像。如以上所解释的，这是通过以两个不同能谱获取x射线投影并且在仔细校准下重构材料分解图像对来实现的。该对中的每个共同记录(co-registered)的体素是对应于构成该体素的两种预选材料的密度估计的二维向量，该估计与投影数据相一致。由于线性衰减曲线的空间可描述为二维流形加残差(residualdifference)，所述残差太小而无法在当前CT技术下测量，该分解过程基本上局限于仅有两种材料的规范。

本发明在这里认识到需要一种通过多材料分解而产生多于两种预选材料的计算机断层造影图像的方法。

发明内容

公开了一种用于获取多材料分解图像的方法，所述方法包括以下步骤：从成像对象的双能计算机断层造影扫描获取图像对；选择用于所述图像对的多材料分解的材料基础；对所述基础中的材料混合应用物理化学或数学模型；并且使用所述物理化学或数学模型所施加的至少一个约束来执行多材料分解。

一旦阅读了以下附图和详细描述，根据各实施例的其它系统和/或方法对于本领域技术人员将会是显而易见的。所有这些附加系统和方法意在落入本发明的范围之内，并且由所附权利要求所保护。

附图说明

图1是依据现有技术的CT成像系统的等量(isometric)图解视图；

图2是图1的CT成像系统的功能框图；

图3是来自在双能模式下运行的图1的CT成像系统可提供的两种材料的分解的水成分(water-component)图像；

图4是来自在双能模式下运行的图1的CT成像系统可提供的两种材料的分解的碘成分图像；

图5是在双能模式下运行的图1的CT成像系统可获得的单色图像，其示出了在70keV下来自到两幅单色图像的分解的衰减；

图6是在双能模式下运行的图1的CT成像系统可获得的单色图像，其示出了在140keV下来自到两幅单色图像的分解的衰减；

图7是图示双能CT成像系统用来依据所公开的方法提供多材料分解的操作的流程图；

图8是图示在标称密度的线性衰减系数的凸多面体的图表；

图9是来自依据所公开方法所获得的多材料分解的空气成分图像；

图10是从用来产生图9的图像的多材料分解过程所获得的脂肪成分图像；

图11是从用来产生图9的图像的多材料分解过程所获得的血液成分图像；

图12是从用来产生图9的图像的多材料分解过程所获得的骨骼成分图像；和

图13是从用来产生图9的图像的多材料分解过程所获得的Omnipaque成分图像。

具体实施方式

如以上所提到的，传统的双能CT扫描仪处理并不对材料成分混合中“N≥3”种材料的组分进行评估，由此通常局限于仅到两种材料(即，N＝2)的分解。在所公开方法的示例性方面，双能CT扫描仪的能力从产生材料分解图像对扩展到产生材料分解图像三元组(triplet)。所述图像三元组是通过假设在人体内部发现的物质和组织类型的各种混合物具有与这里称为“理想材料溶液(ideal materialsolution)”的那些基本上相当的物理化学特性而获得的。这还能够通过使用混合物的超额自由能(excess free energy)的模型来进行。使用该等同形式提供了用于所成像的材料混合物的密度模型，其中所述模型对传统CT数据所提供的图像信息进行补充。根据该模型，对CT图像中特定体素的质量衰减曲线进行估计，并且导出材料分解图像三元组(即，N＝3)。在所公开方法的另一个示例性方面，可通过利用合适的函数对方程组的其它约束不足的解进行调整，并且解决所产生的优化问题(by regularizing an otherwise under-constrainedsolution of a system of equations with a suitable function，and solvingthe resulting optimization problem)来对多于三种的预选材料进行分解。所公开的方法还可以使用预先计算的查找表以便进行更快分解。

图1的等量图解视图示出了双能CT成像系统10，如相关领域中已知的，该双能CT成像系统10被配置为利用光子计数以及以高通量率进行x射线的能量鉴别来执行计算机断层造影成像。例如，可通过CT数差异(number difference)分解、基础材料分解、康普顿和光电分解或对数减法(logarithmic subtraction)分解来执行成像。如示，双能CT成像系统10包括具有瞄准仪(collimator)组件18的机架12、数据获取系统32以及设置在机架12上的x射线源14。台面46用来将患者22的整体或部分移动通过机架12中的机架开口48。

x射线源14将x射线束16穿过患者22投影到检测器组件中的多个检测器模块20，所述检测器组件包括瞄准仪组件18和数据获取系统。在典型实施例中，所述检测器组件可包括64行体素元素以使得能够利用机架12的每次旋转同时采集64个“数据片段(slices ofdata)”。

多个检测器模块20感测所投影的穿过患者22的x射线，并且数据获取系统32将数据转换为数字信号以便后续处理。每个检测器模块20产生表示在穿过患者22之后的衰减x射线束的强度的模拟电信号。在进行扫描以获取x射线投影数据期间，机架12连同x射线源14和检测器组件15一起关于旋转中心24进行旋转。

机架12的旋转和x射线源14的操作由控制机构26进行控制。控制机构26包括向x射线源14提供功率和计时信号的x射线发生器28以及控制机架12的旋转速度和位置的机架电机控制器30。图像重构器34从数据获取系统32接收采样并数字化的x射线数据并执行高速重构。所重构的图像被应用为对计算机36的输入，所述计算机36将所述图像存储在海量存储设备38中。

计算机36还从操作人员控制台40接收命令和扫描参数输入。诸如阴极射线管之类的相关联的图像显示器42允许操作人员观察所重构的图像和来自计算机36的其它数据。计算机36使用所述命令和扫描参数来向数据获取系统32、x射线发生器28和机架电机控制器30提供控制信号和信息。此外，计算机36操作对机动化的台面46进行控制的台面电机控制器44。

在传统的CT扫描仪处理中，传统系统所产生的数据是对感兴趣的CT成像体积的每个体素处的成像对象的线性衰减曲线的估计。线性衰减曲线是这样的函数，其允许将无扰动地(undisturbed)行进了具有特定密度的材料中的固定长度的光子的分数(fraction)计算为这样的光子的能量的函数。例如，对于100keV的x射线光子入射能量而言，液体水的线性衰减系数为0.294cm^-1。也就是说，在通过密度为1.00g/cm³的液态水1.0cm时，具有100keV能量的入射光子总数的约74.5％(e^-0.294)会无扰动地留下。对于能量为200keV的光子而言，液态水的线性衰减系数为0.243cm^-1并且在通过液态水1.0cm时，具有200keV能量的入射光子总数的78.4％(e^-0.243)会无扰动地留下。作为对比，仅有0.007％的能量为100keV的光子和16.46％的能量为200keV的光子将无扰动地通过密度为4.93/cm³且线性衰减系数为1.94cm^-1的碘1.0cm。

基本上为任何密度的基本上任何材料的线性衰减曲线能够被唯一描述为两种其它材料的线性衰减曲线的加权和。从数学观点来看，材料的选择(即，材料基础)很大程度上是任意的，但是在实际应用中，在成像对中发现的材料是优选的。例如，在临床应用中，操作人员通常会选择在人体内找到的材料，诸如水、脂肪和骨骼。此外，对于给定的材料基础和衰减曲线而言，可以唯一定义加权系数以使得线性衰减曲线的加权和等于原始衰减曲线。与给定材料的线性衰减曲线相乘的每个加权系数还能够乘以所述材料的标称密度，并且结果为材料-密度图像对，如图3-4所示。

因此，计算机36可以将材料-密度图像对分解到图像显示器42上，诸如图3所示的水成分图像和图4所示的碘成分图像。在碘成分图像54中，身体外部的空气区域产生能够与身体内部所发现的相比较的碘等效(iodine-equivalent)的密度。作为替换，计算机36可以对诸如图5所示的示出在70keV下的衰减的第一单色图像56和图6所示的示出在140keV下的衰减的第二单色图像58之类的能量图像对进行分解。在所公开的能够参考图7所示的流程图60进行最佳描述的多材料分解方法中，双能CT成像系统10在步骤62获取来自两个能谱的x射线投影的材料-密度图像对或能量图像对。

从数学观点来看，对于通过加权和表示给定线性衰减曲线所需的加权系数的值并没有约束。原则上，这样的加权系数甚至可以为负数。然而，一旦负的系数被乘以标称密度以产生密度图像，则图像的用户就面临着对所产生的负密度值的含义进行解释的问题。对于与线性衰减曲线相关联的权重而言，还可能假设大于1的值，并且产生大于对应材料的标称密度的密度值。因此，可将双能CT扫描仪10的能力从仅产生材料分解图像对扩展为还产生更适于通过施加这样的约束来进行物理解释的材料分解图像对，即与线性衰减曲线相乘的加权系数必须为非负并且必须小于或等于1。

依据所公开的方法，线性衰减曲线除以实际(并非标称的)材料密度以获得质量衰减曲线。所产生的质量衰减曲线与密度无关，但是依赖于材料，这是因为与线性衰减曲线类似，质量衰减曲线可被解释为其它材料的曲线的加权和。然而，质量衰减曲线具有这样的附加属性，即加权系数具有定义明确的物理含义作为材料混合中组成材料的质量分数(mass fraction)。如所能够意识到的，质量衰减曲线中加权系数的和为数1(unity)。

如以下所更为详细地解释的，线性衰减系数的加权和中的加权系数α可以通过在材料基础中材料如何混合的模型而与质量衰减系数的加权和中的加权系数β相关。例如，通过假设理想的材料溶液，还可以对加权系数α施加加权系数β的和为数1的约束。这允许将给定材料的线性衰减曲线表示为三个线性衰减曲线之和，而不是传统的两个曲线之和。如相关领域中所理解的，分解为两种材料产生唯一的加权系数对，但是没有进一步约束，三元组材料分解则产生加权系数的三元组的无穷集合(infinite set)。该三元组的集合是一维的，因为所述集合中的每个三元组可与参数唯一相关联。对于三种材料的任何给定选择而言，该参数可被解释为允许用户在所述集合中选择加权系数的三元组的“转盘(dial)”。加权系数的相应三元组产生线性衰减曲线的相同加权和。所述加权和通过三元组集合中的任意三元组选择而得以满足。然而，如果提供了外部约束，则仅有一个“转盘设置(dial setting)”将产生满足加权系数α的和为数1的约束的三元组。如果可获得给定材料三元组中材料的混合的密度模型，则能够建立α和β之间的关系。

依据所公开的方法，可以使用物理化学模型来建立给定材料的密度和量以及给定材料的混合的密度之间的关系，从而提供三(triple)材料分解。所使用的物理化学模型之一可以是“理想溶液(idealsolution)”的模型。所公开的方法基于以下假设而进行，即成分材料的混合物形成理想溶液，并且由此该理想溶液的体积在给定温度和压力下等于混合的各成分部分在相同温度和压力下的体积。因此，可以示出作为其它材料的线性衰减曲线的加权和的线性衰减曲线的分解中的加权系数α具有直接易懂的物理解释-即所述加权系数为材料混合中成分材料的体积分数。

再次参见图7，材料基础在步骤64中被指定为具有(N≥3)种材料成分。对材料基础所指定的特定材料成分可从被识别为材料-密度图像对或能量图像对中所出现的物质和组织类型中进行选择。在示例性实施例中，可经由操作人员控制台40来选择脂肪、骨骼和血液。

在双能计算机断层造影的实践中，已知给定材料的线性衰减系数依赖于：(i)成像x射线的能量E，(ii)所成像材料的质量密度，以及(iii)所成像材料的有效原子序数(atomic number)。给定材料的线性衰减系数μ_L(E)可表示为和

${\mathrm{\μ}}_L\left(E\right)=\underset{i}{\overset{N}{\mathrm{\Σ}}}{\mathrm{\α}}_i{\mathrm{\μ}}_{L,i}\left(E\right),---\left(1\right)$

其中α_i，i＝1，2，...N为与能量无功的常数，而μ_L，i(E)，i＝1，2，...N为N种任意预选材料的线性衰减曲线。对于在人体内找到的和医学成像中典型使用的x射线能量的检测范围内找到的材料而言，线性衰减系数μ_L(E)可由成分材料的线性组合来表示，一般称作“材料基础”。因此，给定μ_L(E)的两个不同能量级别的测量值，其中已知μ_L，1和μ_L，2，能够找到α₁和α₂的唯一解(unique solution)，从而提供两种成分材料的材料基础。然而，传统的双能CT扫描仪无法分解具有三种或更多成分材料的材料基础。

通过引入附加约束，所公开的方法提供了第三种成分材料的分解。方程(1)中的关系可以通过以下表达式而根据与线性衰减系数相关的“质量衰减系数”μ_M(E)来表示

${\mathrm{\μ}}_M\left(E\right)=\frac{{\mathrm{\μ}}_L\left(E\right)}{\mathrm{\ρ}}---\left(2\right)$

其中在给定成分材料M置于成分材料的成像聚集(aggregate)中时，ρ是该给定成分材料M的质量密度。方程(1)可被重新写为

${\mathrm{\μ}}_M\left(E\right)=\underset{i}{\overset{N}{\mathrm{\Σ}}}{\mathrm{\β}}_i{\mathrm{\μ}}_{M,i}\left(E\right),---\left(3\right)$

其中方程(3)具有所添加的约束

0≤β_i≤1；i＝1，2，...，N  (4a)

$\underset{i}{\overset{N}{\mathrm{\Σ}}}{\mathrm{\β}}_i=1---\left(4b\right)$

系数β_i是成分材料的成像聚集中每种成分材料的质量分数。通过建立方程(1)中与能量无关的系数α_i与方程(2)中的质量分数系数β_i之间的关系，能够提供附加的约束，所述附加的约束是为通过双能CT扫描仪的进一步分解而提供的。

再次参见图7的流程图60，在步骤66中对所选择材料混合的相关特性(密度、体积等)应用物理化学模型或特性模型。所公开的过程使用物理化学模型来确定材料混合的密度，经由双能图像对向已经可获得的两种约束带来了又一种约束。这马上就允许将所述图像分解为材料的三元组。可通过假设成分材料形成“理想溶液”来导出成分材料的成像聚集的密度的一种模型，也就是说，成分混合物在给定温度和压力下具有与各个成分部分在相同温度和压力下的体积之和基本相等的体积。可以看到这导致了以下约束：

0≤α_i≤1；i＝1，2，...，N  (5a)

$\underset{i}{\overset{N}{\mathrm{\Σ}}}{\mathrm{\α}}_i=1---\left(5b\right)$

其中

${\mathrm{\α}}_i=\frac{V_i}{{\mathrm{\Σ}}_{j=1}^N{V}_j}---\left(6\right)$

也就是说，能够通过指定所成像材料的聚集混合物中的成分材料包括理想溶液而从双能CT扫描仪图像对获得适定的(well-posed)三材料的分解。

在步骤68，对图像体积中的每个体素，对质量衰减曲线进行导出(derivation)或估计。在决策框70确定是否使用三种材料基础成分(即，N＝3)。如果回答为“是”，则操作进行至步骤72，在那里求解三材料的分解。如果，在决策框70的回答为“否”，则在步骤74选择调整函数(regularization function)来对多材料分解问题的其它不适定(ill-posed)的解进行约束。如以下更为详细描述的，在步骤76，在附加的物理化学约束下求解所述多材料分解。

通过对步骤72的解释，由于方程(5a)和(5b)中的约束，方程(1)中与能量无关的系数α_i可被看作成分材料的成像聚集中处于标称材料密度的各成分材料的线性衰减系数的组合的权重。本领域技术人员能够意识到的是，在两个任意、但固定的能量级别E₁和E₂下材料的线性衰减特性可被表示为具有坐标μ_L＝(μ_L(E₁)，μ_L(E₂))E₁的二维空间中的点。这可以通过图8所示的图表80来示例。图表80示出了沿正交轴绘制的N种任意材料的双能线性衰减系数值。当人体中的材料混合被模型化为理想溶液时，μ_L处于集合{μ_L，i，i＝1，2，...N}的凸包(convex hull)H内。也就是说，给定能量对的线性衰减系数落入成分材料的成像聚集的线性衰减系数的凸包82内。

然而，对于N＞3而言，条件μ_L∈H仅用来对与能量无关的系数α_i的范围进行约束，并且不足以完全指定系数α_i的值。在这种情况下，可通过添加矢量α＝(α₁，α₂，...，α_N)的适当函数f为最小的进一步约束来获得唯一解，并且可通过求解以下方程所给出的优化问题以及通过满足以上方程1、5a和5b的条件来获得N＞3时的N种材料分解：

${\mathrm{\α}}^{*}=\underset{\mathrm{\α}}{\min }f\left(\mathrm{\α}\right)---\left(7\right)$

依据所公开的方法，通过对线性衰减曲线的加权和的权重引入进一步约束来实现多材料(N＞3)的分解。这样的进一步约束包括例如数据-保真度约束、基于体素的空间依赖性的约束以及从操作人员的先验知识(prior knowledge)得出的约束。

对于N＞3而言，可通过向N种材料的分解问题的其它非约束解(unconstrained solution)引入调整函数来对所公开的过程进行进一步扩展。在步骤76，可根据基于相关解剖结构的材料构成的共同特征的先验知识所看到的解剖结构来选择用于确定多材料贡献(contribution)的调整函数。例如，如果操作人员看到肝脏，则可定制调整函数以有利于(favor)骨骼上的水、碘海醇(iohexol)和血液。

在所公开方法的示例性实施例中，可以离线执行步骤74来创建查找表以便对结果进行交互式可视化。可以利用跨不同材料集合的分解预先生成多个查找表。可基于感兴趣的解剖结构/区域而根据该区域的材料构成的先验知识来选择用于分解的特定表。此外，可基于用户输入“在运行中”生成查找表。操作人员能够基于所要解决的一些疑惑(ambiguity)来指定感兴趣的材料，或者与分散点图(scatter plot)特征进行交互并手工定义凸包。

在图9-13的图像中提供了流程图60的步骤76所执行的多材料分解的示例。图9是利用多材料分解所获得的空气成分图像。图10是脂肪成分图像，图11是血液成分图像，图12是骨骼成分图像，而图13是Omnipaque成分图像。根据这种类型的多分解所产生的图像具有表示来自特定材料的贡献的分数体素值。能够以多种方式对这些图像进行杠杆作用(leverage)，包括以下示例，但并不局限于此：

·关于单色图像的加权函数，用以表示由于特定材料所产生的衰减-这将包括特定单色图像与体积分数图像的相乘；

·空气图像可被用来识别身体和内部空虚区域的轮廓(例如，用于通过对该空气区域内外的交叉数进行计数来进行肺部分割)；

·基于阈值体积分数进行分割(例如，在骨骼图像上，骨骼是＞90％体积分数的区域)

·基于体积分数图像在示出颜色密度的标准图像的顶部提供颜色覆盖；

·对一般化分割引擎进行输入-其中从多材料分解过程所产生的一个或多个体积分数图像被用在材料分割过程中；

·通过将与Omnipaque相关联的体积分数替换成诸如血液之类的另一种成分来生成虚拟非对比度图像(virtual non-contrastimage)；以及

·通过使用脂肪分数图像来进行肝脏脂肪量化或一般脂肪量化。

多个检测器模块20检测穿过患者22的投影x射线，并且数据获取系统32将该数据转换为数字信号以便进行后续处理。传统系统中的每个检测器模块20产生表示在x射线穿过患者22之后的衰减x射线的强度的模拟电信号。在进行扫描以获取x射线投影数据期间，机架12连同x射线源14和检测器组件15一起围绕旋转中心24进行旋转。

以上所描述的方法能够以包含指令的计算机程序代码的形式来实现，所述指令实现在一个或多个有形介质中，诸如软盘和其它磁存储介质、CD ROM和其它光存储介质、闪存和其它固态存储设备、硬盘驱动器或者任何其它计算机可读存储介质，其中当所述计算机程序代码被加载到计算机中并由所述计算机执行时，所述计算机就成为用于实践所公开方法的装置。

虽然已经关于示例性实施例对本发明进行了描述，但是本领域技术人员将会理解的是，可进行各种变化并且对于其部件进行等同物替换而不会背离本发明的范围。此外，可对本发明的教导进行许多修改以适应特定情形而不会背离其范围。因此，本发明并非意在局限于用于执行本发明而公开的实施例，相反本发明包括所有落入所要求的权利要求范围之内的所有实施例。该书面描述使用包括最佳方式在内的示例来公开本发明，而且还使得任何本领域技术人员能够实践本发明，包括制造和使用任何设备或系统并且执行任何所结合于其中的方法。本发明的可专利范围由权利要求所确定，并且可以包括对本领域技术人员而言可想到的其它示例。如果其具有与权利要求的字面语言并无不同的结构元素，或者其包括与权利要求的字面语言具有非实质差异的等同结构元素，则这样的其它示例意在落入权利要求的范围之内。

Claims (7)

1.一种用于获取多材料的分解图像的方法，所述方法包括以下步骤：

从成像对象的双能计算机断层造影扫描获取图像对；

选择用于所述图像对的多材料分解的材料基础；

在所述图像对的每个图像位置，对所述材料基础应用物理化学模型，以产生三元材料分解；

确定与所述三元材料分解相关联的多个分解系数；以及

当所述分解系数包括非负值时，选择与所述三元材料分解相对应的材料三元组。

2.权利要求1所述的方法，进一步其中，所述图像对包括材料-密度图像对和能量图像对之一。

3.权利要求1所述的方法，进一步包括根据所述图像对中的每个图像位置的线性衰减曲线导出质量衰减曲线。

4.权利要求3所述的方法，其中，所述导出步骤包括与至少一个加权系数相乘，所述加权系数具有位于0和1之间的值。

5.权利要求1所述的方法，其中，所述物理化学模型包括理想溶液，所述理想溶液在给定温度和压力下具有与物理化学混合中的成分材料在相同温度和压力下的体积相同的体积。

6.权利要求1所述的方法，其中，所述材料三元组选自所述图像对中发现的至少三种身体材料成分。

7.权利要求1所述的方法，其中，通过对所述三元材料分解执行调整函数来选择所述材料三元组。