CN105188543B - X射线ct装置、重构运算装置以及重构运算方法 - Google Patents

X射线ct装置、重构运算装置以及重构运算方法 Download PDF

Info

Publication number
CN105188543B
CN105188543B CN201480016324.2A CN201480016324A CN105188543B CN 105188543 B CN105188543 B CN 105188543B CN 201480016324 A CN201480016324 A CN 201480016324A CN 105188543 B CN105188543 B CN 105188543B
Authority
CN
China
Prior art keywords
data
projection
processing
ray
correction coefficient
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
Application number
CN201480016324.2A
Other languages
English (en)
Other versions
CN105188543A (zh
Inventor
小仓佑太
小原亮太
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.)
Fujifilm Healthcare Corp
Original Assignee
Hitachi 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 Hitachi Ltd filed Critical Hitachi Ltd
Publication of CN105188543A publication Critical patent/CN105188543A/zh
Application granted granted Critical
Publication of CN105188543B publication Critical patent/CN105188543B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/58—Testing, adjusting or calibrating thereof
    • A61B6/582—Calibration
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/02—Arrangements for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
    • A61B6/03—Computed tomography [CT]
    • A61B6/032—Transmission computed tomography [CT]
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/04—Positioning of patients; Tiltable beds or the like
    • A61B6/0407—Supports, e.g. tables or beds, for the body or parts of the body
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/46—Arrangements for interfacing with the operator or the patient
    • A61B6/461—Displaying means of special interest
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
    • A61B6/5205—Devices using data or image processing specially adapted for radiation diagnosis involving processing of raw data to produce diagnostic data
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
    • A61B6/5258—Devices using data or image processing specially adapted for radiation diagnosis involving detection or reduction of artifacts or noise
    • 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
    • G06T11/005—Specific pre-processing for tomographic reconstruction, e.g. calibration, source positioning, rebinning, scatter correction, retrospective gating
    • 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
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0012—Biomedical image inspection
    • 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
    • G06T2207/10—Image acquisition modality
    • G06T2207/10072—Tomographic images
    • G06T2207/10081—Computed x-ray tomography [CT]
    • 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

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Medical Informatics (AREA)
  • Physics & Mathematics (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • General Health & Medical Sciences (AREA)
  • Radiology & Medical Imaging (AREA)
  • Animal Behavior & Ethology (AREA)
  • Veterinary Medicine (AREA)
  • Pathology (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)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Pulmonology (AREA)
  • Human Computer Interaction (AREA)
  • Algebra (AREA)
  • Mathematical Physics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Analysis (AREA)
  • Quality & Reliability (AREA)
  • Apparatus For Radiation Diagnosis (AREA)
  • Image Processing (AREA)

Abstract

为了提供通过降低图像噪声并使在图像上的高吸收体周边部产生的伪影降低、由此即使是低被曝剂量摄影也能使画质提升的X射线CT装置等，重构运算装置(221)设定用于修正投影数据的迭代处理的迭代次数，算出对迭代处理中所包含的噪声降低处理(f1)与信号强度维持处理(f2)的应用比率进行调整的调整系数(α)以及修正系数(β)作为校正系数。基于迭代次数以及校正系数(α、β)对投影数据进行包含噪声降低处理(f1)和信号强度维持处理(f2)的迭代处理，生成修正投影数据，重构CT图像。

Description

X射线CT装置、重构运算装置以及重构运算方法
技术领域
本发明涉及对被检体照射X射线来获得CT图像的X射线CT装置等。特别涉及由X射线CT装置得到的投影数据的修正。
背景技术
近年来，为了实施被曝剂量少的CT检查，开发了执行基于逐次近似法的图像重构的X射线CT装置。若是基于逐次近似法的图像重构，则即使是低辐射剂量也能得到噪声少的CT图像。
在非专利文献1中公开了逐次近似法的其中之一的逐次近似投影数据修正处理。逐次近似投影数据修正处理是图像重构的前处理即投影数据的修正处理之一。在逐次近似投影数据修正处理中，使用将投影数据的投影值设为变量的更新式。更新式包含表示修正的强度的平滑系数(也称作修正系数或惩罚项)。在逐次近似投影数据修正处理中，使用上述的更新式反复更新投影值。
在先技术文献
非专利文献
非专利文献1：Jing Wang et.al.，“Penalized Weighted Least-SquaresApproach to Sinogram Noise Reduction and Image Reconstruction for Low-Dose X-Ray Computed Tomography”，IEEE TRANSACTIONS ONMEDICAL IMAGING，VOL.25，NO.10，OCTOBER 2006，1272-1283非专利文献2：Jing Wang et.al.，“Penalized Weighted Least-Squares Approach to Sinogram Noise Reduction and Image Reconstruction forLow-Dose X-Ray ComputedTomography”，IEEE TRANSACTIONS ON MEDICAL IMAGING，VOL.25，NO.10，OCTOBER2006，1272-1283)非专利文献3：Ignace Loris and CarolineVerhoeven“On a generalization of the iterative soft-thresholding algorithmfor the case ofnon-separable penalty”2011Inverse Problems 27 125007
发明的概要
发明要解决的课题
但是，在上述的非专利文献1所记载的处理中，在要得到高的噪声降低效果的情况下，高信号部的信号强度和噪声一起降低，这时，相邻的低信号部的信号强度增加。其结果，出现信号的边缘部变得平滑的现象。投影数据的通道方向的CT值的高低差越大，则该现象越显著。若使用这样的投影数据进行图像重构，则有在图像上的高吸收体周边产生条纹伪影这样的问题。为此，在期待大的噪声降低效果的情况下，在非专利文献1的手法中，因出现条纹伪影这一点而不充分。
发明内容
本发明鉴于以上的问题点而提出，其目的在于提供通过降低图像噪声同时减低在图像上的高吸收体周边部产生的伪影、由此即使是低剂量摄影也能使画质提升的X射线CT装置等。
用于解决课题的手段
为了达成前述的目的，第1发明是X射线CT装置，其特征在于，具备：X射线产生装置，其从被检体的周围照射X射线；X射线检测装置，其检测透过所述被检体的X射线；数据收集装置，其收集由所述X射线检测装置检测到的数据；重构运算装置，其被输入由所述数据收集装置收集的数据来生成投影数据，使用所述投影数据来重构CT图像；和显示装置，其显示所述CT图像，所述重构运算装置具备：迭代次数设定部，其设定修正所述投影数据的迭代处理的迭代次数；校正系数算出部，其算出对包含在所述迭代处理中的第1处理函数和具有与所述第1处理函数不同的特性的第2处理函数的应用比率进行调整的校正系数；逐次近似投影数据修正处理部，其基于所述迭代次数以及所述校正系数对所述投影数据实施所述迭代处理，生成修正投影数据；和图像重构部，其使用所述修正投影数据来重构CT图像。
第2发明是重构运算装置，其特征在于，具备：迭代次数设定部，其设定修正投影数据的迭代处理的迭代次数；校正系数算出部，其算出对包含在所述迭代处理中的第1处理函数和具有与所述第1处理函数不同的特性的第2处理函数的应用比率进行调整的校正系数；逐次近似投影数据修正处理部，其基于所述迭代次数以及所述校正系数对所述投影数据实施所述迭代处理，生成修正投影数据；和图像重构部，其使用所述修正投影数据来重构CT图像。
第3发明是重构运算方法，其特征在于，重构运算装置包含如下步骤：迭代次数设定步骤，设定修正投影数据的迭代处理的迭代次数；校正系数算出步骤，算出对包含在所述迭代处理中的第1处理函数和具有与所述第1处理函数不同的特性的第2处理函数的应用比率进行调整的校正系数；修正投影数据生成步骤，基于所述迭代次数以及所述校正系数对所述投影数据实施所述迭代处理，生成修正投影数据；和重构步骤，使用所述修正投影数据来重构CT图像。
发明的效果
根据本发明，能提供通过降低图像噪声并使在图像上的高吸收体周边部产生的伪影降低、由此即使是低剂量摄影也能使画质提升的X射线CT装置等。
附图说明
图1是表示X射线CT装置1的整体构成的外观图。
图2是X射线CT装置1的硬件框图。
图3是说明进行噪声降低处理f1而出现的投影数据的变化的图。
图4(a)是说明在下肢断面图50产生的条纹伪影50b的示意图，(b)是说明在投影数据上高吸收体交叉的区域65的图。
图5是重构运算装置221的功能框图。
图6是关系特性数据8的一例。
图7是说明重构运算装置221所执行的关系特性算出处理的次序的流程图。
图8是说明噪声降低率r的算出方法的图。
图9是说明条纹降低率Str的算出方法的图。
图10是表示处理整体的流程的流程图。
图11是表示逐次近似投影数据修正处理的次序的流程图。
图12是关系特性数据的另外示例。
图13是查找表形式的基准关系特性表8a的一例。
图14是表示第1实施方式关系特性算出部43的详细的框图。
图15是说明投影数据的特征区域7的图。
图16是说明特征量C1的图。
图17是说明特征量C2的图。
图18是说明特征量C3的图。
图19是特征量C1的偏移特性数据81的一例。
图20是特征量C2的偏移特性数据82的一例。
图21是特征量C3的偏移特性数据83的一例。
图22是根据特征量C1～C3求得的偏移量ShiftSt的算出例。
图23是更新后关系特性表85的一例。
图24是表示第1实施方式校正系数算出处理的次序的流程图。
图25是说明第2实施方式近似函数生成处理的次序的流程图。
图26是说明第3实施方式关系特性生成处理的次序的流程图。
图27是用于将摄影条件和关系特性数据建立关联的操作画面9的一例。
图28是说明第3实施方式处理整体的流程的流程图。
图29是表示第3实施方式校正系数算出处理的次序的流程图。
图30是表示从图像算出条纹降低率Str的处理的次序的流程图。
图31是表示从投影数据算出条纹降低率Str的处理的次序的流程图。
具体实施方式
以下，基于附图来详细说明本发明的适合的实施方式。最初参照图1以及图2来说明X射线CT装置1的硬件构成。
X射线CT装置1大体由扫描器以及操作组件20构成。
扫描器包括：机架100、床台装置101、X射线产生装置102、X射线检测装置103、准直装置104、高电压产生装置105、数据收集装置106、驱动装置107等。操作组件20包括：中央控制装置200、输入输出装置201、运算装置202等。
操作者经由输入输出装置201输入摄影条件、重构条件等。摄影条件例如是X射线束宽度、床台进给速度、管电流、管电压、摄影范围(体轴方向范围)、每旋转一圈的摄影视图数等。另外，重构条件例如是关心区域、FOV(Field Of View，视场)、重构滤波函数等。输入输出装置201包括：显示CT图像等的显示装置211、鼠标、轨迹球、键盘、触控面板等的输入装置212、存储数据的存储装置213等。
中央控制装置200被输入摄影条件、重构条件，将摄影所需要的控制信号发送到包含在扫描器10中的各装置。准直装置104基于控制信号来控制准直器的位置。在接受到摄影开始信号而开始摄影时，高电压产生装置105基于控制信号对X射线产生装置102施加管电压、管电流。在X射线产生装置102中，从阴极放出与所施加的管电压相应的能量的电子，通过使放出的电子与靶(阳极)碰撞来将与电子能量相应的能量的X射线照射到被检体3。
驱动装置107基于控制信号使X射线产生装置102、X射线检测装置103等绕着被检体3的周围转动。床台装置101基于控制信号来控制床台。
从X射线产生装置102照射的X射线通过准直器被限制照射区域。X射线在被检体3内的各组织根据X射线减弱系数而被吸收(衰减)，穿过被检体3，由配置在与X射线产生装置102对置的位置的X射线检测装置103进行检测。X射线检测装置103由配置在二维方向(通道方向以及与其正交的列方向)的多个检测元件构成。将由各检测元件受光的X射线变换成实际投影数据。即，由X射线检测装置103检测到的X射线通过数据收集装置106进行各种数据处理(向数字数据的变更、LOG变换、校准等)，作为投影数据而被收集，输入到运算装置202。
此时，由于相互对置的X射线产生装置102以及X射线检测装置103在被检体3的周围旋转，因此X射线产生装置102从被检体3的周围照射X射线。另外，X射线检测装置103检测透过被检体3的X射线。投影数据的取得单位为“视图(view)”。
运算装置202由重构运算装置221、图像处理装置222等构成。
重构运算装置221被输入由数据收集装置106收集的投影数据。另外，重构运算装置221对投影数据进行逐次近似投影数据修正处理(以下也称作迭代处理)，生成修正投影数据。然后使用修正投影数据重构CT图像。
另外，重构运算装置221也可以读出通过摄影取得并保存在存储装置213或记录介质的测量数据来生成投影数据，进行上述的逐次近似投影数据修正处理，或进行CT图像的重构处理。
本发明涉及逐次近似投影数据修正处理(迭代处理)的改良。本发明所涉及的处理的详细在后面叙述。
重构运算装置221将生成的CT图像保存在存储装置213。另外，重构运算装置221将生成的CT图像显示在显示装置211。或者，图像处理装置222对保存在存储装置213的CT图像进行图像处理，将图像处理后的图像显示在显示装置211。
X射线CT装置1大致分为：使用在二维方向上排列检测元件的X射线检测装置103的多层面CT；和使用将检测元件排列成1列即一维方向方向(仅通道方向)的X射线检测装置103的单层面CT。在多层面CT中，配合X射线检测装置103而从X射线源即X射线产生装置102照射圆锥状或角锥状扩展的X射线束。在单层面CT中，从X射线产生装置102照射扇状扩展的X射线束。通常在X射线CT装置1进行的摄影中，X射线产生装置102一边绕着载置于床台的被检体3转动一边进行X射线的照射(其中，定位摄影除外)。
将在摄影中床台被固定、X射线产生装置102绕着被检体3的周围圆轨道状地转动的摄影方式称作轴向扫描等。另外，将床台连续移动、X射线产生装置102绕着被检体3的周围螺旋轨道状地转动的摄影方式称作螺旋扫描等。
床台装置101在静态调强(step and shoot)扫描的情况下，在进行摄影的期间将床台设为静止的状态。另外，床台装置101在螺旋扫描的情况下，根据作为摄影条件之一的床台进给的快慢，在进行摄影的期间使床台在被检体3的体轴方向上平行移动。
接下来，参照图3以及图4来说明包含在投影数据中的噪声。
图3(a)是示意地表示对高吸收体进行摄影的情况下得到的投影数据61和其轮廓(profile)51的图。图3(b)是示意地表示进行现有的逐次近似投影数据修正处理(噪声降低处理f1)后的修正投影数据62和其轮廓52的图。包含在投影数据61、62中的斜线部61a、62a是与高吸收体对应的投影数据。
式(1)表示现有的逐次近似投影数据修正处理的更新式。
pi (n)＝F(pi (n-1)，yi，β，di)，pi (0)＝yi···(1)
在上述的式(1)中，F是更新函数，p是更新投影值，y是原始的投影值，β是修正系数(平滑系数)，d是检测特性值，i是检测元件编号，n是迭代次数。
另外，在非专利文献1中记载了与上述的式(1)对应的式子。式(1)是与非专利文献1的p.1274所记载的式(11)对应的式。在本说明书中，为了遵循发明的主旨进行说明，以和非专利文献1不同的形式以及记号记述了各式，但上述的式(1)的内容和记载于非专利文献1的各式是相同的内容。
若要用现有的方法进行噪声降低处理f1、得到高的噪声降低效果，则会如图3(b)所示那样，产生高信号部的边缘变得平滑的所谓的“退火”的区域62b。若使用出现这样的现象的投影数据来重构图像，则有时例如会在骨这样的高吸收体的周围出现条纹伪影。
图4(a)是对因噪声降低处理f1而出现“退火“的投影数据进行重构得到的图像50的示意图。另外，图4(b)是噪声降低处理f1前后的投影数据的差分数据63。图像50表示下肢的断层像。在高吸收体的骨50a的周边出现条纹伪影50b，成为本来的图像中没有的阴影而表征。特别在如下肢或肩那样存在多个高吸收体的部位，如图4(b)所示那样在差分数据63上的高吸收体交叉的区域65成为过修正，易于出现伪影。
为此，本发明所涉及的X射线CT装置1的重构运算装置221将调整图像的噪声量的噪声降低处理f1(第1处理函数)、和调整条纹量的信号强度维持处理f2(第2处理函数)以合适的比率组合，来修正投影数据。为此，重构运算装置221导入调整特性不同的2个处理(噪声降低处理f1和信号强度维持处理f2)的应用比率的调整处理f3。
调整处理f3中的噪声降低处理f1和信号强度维持处理f2的应用比率能够根据所谋求的画质通过调整系数α进行调整。另外，在实施信号强度维持处理f2的情况下，若原样使用原始的修正系数β进行迭代处理，则一般噪声降低效果会减少。为此，还更新修正系数β的值。在以下的说明中，将调整系数α和修正系数β的组合称作校正系数。重构运算装置221基于校正系数(α，β)反复执行包含噪声降低处理f1和调整条纹量的信号强度维持处理f2的调整处理f3，来生成修正投影数据。
具体地，本发明的重构运算装置221通过将以下的迭代式(2)、(3)、(4)运用在投影数据中来进行投影数据的修正处理。
pF_i (n)＝F(pF_i (n-1)，yi，β′，di)···(2)
pG_i (n)＝G(pG_i (n-1)，yi，β′，di)···(3)
pi (n)＝α·pF_i (n)+(1-α)·PG_i (n)···(4)
式(2)是噪声降低处理的迭代式f1，式(3)是信号强度维持处理的迭代式f2，式(4)是调整噪声降低处理f1和信号强度维持处理f2的应用比率的调整处理f3。另外，在上述的式(2)、(3)、(4)中，F、G是更新函数，p是更新投影值，y是原始的投影值，β、β’是修正系数，d是检测特性值，i是检测元件编号，n是迭代次数，α是调整系数。
更具体地，噪声降低处理函数例如可以使用以下的评价函数(5)和迭代式(6)。评价函数是Ridge型(二次型的惩罚项)，迭代式以高斯-赛德尔法这样的解法导出。(参考文献：非专利文献2)
另外，信号强度维持处理函数例如可以使用以下的评价函数(7)和迭代式(8)。评价函数是Lasso型(TV(Total Variation，全变差)型的惩罚项)，迭代式以被称作IterativeSoft-Thresholding Algorithm(ISTA，软阈值缩减迭代算法)的解法导出。(参考文献：非专利文献3)
另外，上述的评价函数以及迭代式是一例，并不限定于此。
参照图5来说明本发明的X射线CT装置1的功能构成。图5特别表示重构运算装置221的功能构成。
本发明所涉及的X射线CT装置1的重构运算装置221作为主要的功能构成而具有：画质目标设定部41、迭代次数设定部42、关系特性算出部43、校正系数算出部44、迭代处理部45、以及结束判定部46。
画质目标设定部41设定在投影数据的修正后得到的画质即目标画质。作为目标画质而用的参数是与包含在图像中的噪声量相关的指标(第1画质参数)即图像SD值或噪声降低率r、和与条纹伪影相关的指标(第2画质参数)即条纹量St或条纹降低率Str。
图像SD值以及噪声降低率r是主要通过上述的噪声降低处理f1进行调整的第1画质参数。条纹量St以及条纹降低率Str是主要通过上述的信号强度维持处理f2进行调整的第2画质参数。
如后述那样，重构运算装置221基于表征与噪声降低率r以及条纹降低率Str的关系的关系特性数据8来决定在上述的迭代式(2)～(4)中所用的校正系数(α，β)(参照图6)。由此，画质目标设定部41基于例如由操作者设定的所期望的目标画质来算出各参数(噪声降低率r以及条纹降低率Str)的值。所谓噪声降低率r，是根据运用噪声降低处理f1前的投影数据重构的原始图像的SD值、与根据运用噪声降低处理f1后的投影数据重构的修正图像的SD值(目标SD值)之比。所谓条纹降低率Str，是对运用噪声降低处理f1后的投影数据进行重构而得到的修正图像的条纹量、与运用后述的校正处理后得到的图像的条纹量(目标St)之比。
迭代次数设定部42设定修正投影数据的逐次近似投影数据修正处理(迭代处理)的迭代次数。
关系特性算出部43生成表征第1以及第2画质参数(噪声降低率r以及条纹降低率Str)、和迭代处理的校正系数(调整系数α以及修正系数β)的关系的关系特性数据8。关系特性数据8基于使用人体模型等测量的投影数据等成为基准的投影数据而算出。
在图6示出关系特性数据8的一例。图6的关系特性数据8是将横轴设为噪声降低率r、将纵轴设为条纹降低率Str、将与调整系数α、修正系数β的关系图表化的r-Str图表。
例如，在设定调整系数α＝0.4、修正系数β＝β2来执行逐次近似投影数据修正处理的情况下，得到噪声降低率r＝0.65、条纹降低率Str＝0.972。关于关系特性数据8的生成的办法，在后面叙述。
另外，图6中的“β’”的标记是导入调整系数α时被更新的新修正系数。若保持仅进行噪声降低处理f1的情况下所用的修正系数β不变地进行信号强度维持处理f2，一般会削弱噪声降低效果。为此，更新修正系数β而运用新修正系数β’，使得能得到和原始的噪声降低效果同等的效果。
校正系数算出部44基于设定为上述的关系特性数据8的画质目标(噪声降低率r以及条纹降低率Str、或图像SD值以及条纹量St)来算出在设为修正的对象的投影数据中运用的校正系数(调整系数α的修正系数β)。
在将关系特性数据8作为r-Str数据保持的情况下，基于以下的关系式(9)算出校正系数(α，β)。
(α，β)＝Ω(r，Str)···(9)
同样地，在将关系特性数据作为SD-St数据保持的情况下，基于以下的关系式(10)算出校正系数(α，β)。
(α，β)＝Ω’(SD，St)···(10)
迭代处理部45基于由迭代次数设定部42设定的迭代次数和由校正系数算出部44算出的校正系数(α，β)来执行包含噪声降低处理f1和信号强度维持处理f2的迭代处理(调整处理f3)，生成修正投影数据。
结束判定部46判定是否重复了迭代次数的迭代处理。在迭代次数未结束的情况下，重复迭代处理部45进行的迭代处理。在迭代次数结束的情况下，将运用迭代处理后得到的修正投影数据输出。
重构运算装置221基于修正投影数据来重构CT图像。显示装置211显示由重构运算装置221所重构的CT图像。
接下来，参照图7～图9来说明生成关系特性数据8的关系特性算出处理。关系特性算出处理是生成图6所示那样的关系特性数据8的处理。
如图7所示那样，重构运算装置221(关系特性算出部43)基于用人体模型等预先测量的投影数据来重构图像(图8的通常图像53)。然后，算出通常图像53的图像SD值(步骤S101)。SD值如图8所示那样是设定在通常图像53的任意的位置的ROI57内的SD值。
另外，重构运算装置221对给出任意的修正系数β来执行噪声降低处理f1后的投影数据进行重构，算出得到的图像54的条纹量St(步骤S102)。如图9所示那样，条纹量St是在重构噪声降低处理f1后的投影数据而得到的图像54的条纹上设定的ROI58的条纹量St。
接下来，重构运算装置221设定任意的校正系数(α、β)(步骤S103)，对初始的投影数据Raw_0进行噪声降低处理f1，得到投影数据Raw_A。同样地，重构运算装置221对初始的投影数据Raw_0进行信号强度维持处理f2，得到投影数据Raw_B。进而，重构运算装置221使用调整系数α进行调整处理f3，从Raw_A和Raw_B得到修正投影数据Raw_C。将该Raw_C作为f1、f2的新的输入数据，将其执行预先设定的迭代次数(步骤S104、步骤S105)。由此，算出相对于所设定的校正系数(α、β)的修正投影数据Raw_C。之后，重构运算装置221基于修正投影数据Raw_C重构修正后的图像55。重构运算装置221如图8所示那样在修正后的图像55上，在与步骤S101中设定的ROI57相同的位置设定ROI57，算出修正后的图像55的SD值。根据在此得到的SD值和在步骤S101得到的SD值之比来算出ROI57内的噪声降低率r(步骤S106)。
另外，重构运算装置221如图9所示那样在基于修正投影数据Raw_C重构的修正后的图像55上，在和步骤S102中设定的与ROI58相同的位置设定ROI58，算出ROI58内的条纹量St。根据在此得到的条纹量St与在步骤S102得到的条纹量St之比来算出ROI58的条纹降低率Str(步骤S107)。
重构运算装置221直到所期望的范围被网罗为止，一边以任意的刻度幅度变更校正系数(α、β)一边重复迭代处理和噪声降低率r以及条纹降低率Str的算出(步骤S108；“否”→步骤S103～步骤S107)。在网罗到所期望的范围时，重构运算装置221生成将在步骤S103～步骤S108的处理中得到的噪声降低率r以及条纹降低率Str与校正系数(α，β)建立关联的关系特性数据8，存储到存储装置213(步骤S109)。
使β变化为β1、β2、β3，使α从0以0.2刻度变化到1，来得到图6的关系特性数据8。
关系特性数据8可以如图6所示那样保持为表示噪声降低率r以及条纹降低率Str与校正系数(α，β)的关系的r-Str数据，但也可以保持为表示图像SD值以及条纹量St与校正系数(α，β)的关系的SD-St数据(图13参照)。不管在哪种情况下，关系特性数据8都表征2个具有不同特性的画质参数(与噪声相关的指标即第1画质参数、和与条纹相关的指标即第2画质参数)与校正系数(α，β)的关系。
另外，关系特性数据8可以如图6所示那样以图表的形式保存，也可以如图13所示那样以查找表的形式保存。另外，还可以如第2实施方式中说明的那样以近似函数的形式保存。另外，也可以按每个摄影条件或每个摄影部位生成、保存关系特性数据8。在本说明书中，在第1实施方式中说明查找表形式的关系特性数据。在第2实施方式中说明近似函数形式的关系特性数据。在第3实施方式中说明按每个摄影条件的关系特性数据。
接下来，参照图10来说明本发明的X射线CT装置1的处理整体的流程。
首先，X射线CT装置1对被检体3进行定位摄影。接下来，X射线CT装置基于通过定位摄影而拍摄的定位图像来进行摄影条件、重构条件等的各种条件设定。然后，X射线CT装置1进行断层摄影(正式摄影)，取得投影数据(步骤S201)。
重构运算装置221对取得的投影数据进行逐次近似投影数据修正处理(步骤S202)。在本发明中，重构运算装置221进行包含噪声降低处理f1和条纹量的降低处理(信号强度维持处理f2)的迭代处理f3，作为逐次近似投影数据修正处理的迭代运算。
重构运算装置221使用通过逐次近似投影数据修正处理而修正的修正投影数据来进行图像重构，生成CT图像(步骤S203)。
重构运算装置221将生成的CT图像显示在显示装置211(步骤S204)。
参照图11来说明步骤S202的逐次近似投影数据修正处理。
首先，重构运算装置221从数据收集装置106取得投影数据(步骤S301)。另外，在步骤S301中，也可以取得预先测量并存储于存储装置213等的投影数据。
接下来，重构运算装置221决定目标画质(图像SD值以及条纹量St、或噪声降低率r以及条纹降低率Str)(步骤S302)。画质的目标值(上述的图像SD值以及条纹量St、或噪声降低率r以及条纹降低率Str)例如使用从输入装置212输入的值。在后述的校正系数算出处理中使用的关系特性数据被保持为r-Str数据的情况下，重构运算装置221算出与输入的画质目标SD、St对应的噪声降低率r以及条纹降低率Str。反之，在关系特性数据被保持为SD-St数据的情况下，算出与输入的画质目标r、Str对应的图像SD值以及条纹量St。
另外，重构运算装置221设定迭代处理的迭代次数(步骤S303)。
接下来，重构运算装置221算出与在步骤S302中决定的设为目标的画质参数r、Str对应的校正系数(α，β)(步骤S304)。在关系特性数据被保持为r-Str数据的情况下，如上述那样基于以下的关系式(9)算出校正系数。
(α，β)＝Ω(r，Str)···(9)
同样地，在关系特性数据被保持为SD-St数据的情况下，基于以下的关系式(10)算出校正系数。
(α，β)＝Ω’(SD，St)···(10)
例如，重构运算装置221参照图6所示那样的关系特性数据8，来求取与设定为画质目标的参数r、Str对应的校正系数(α，β)的组合。
在关系特性数据8中没有严密对应的校正系数(α，β)的情况下，将值最接近的校正系数(α，β)作为算出结果。或者也可以通过利用了周边的数据的内插计算算出合适的校正系数(α，β)。图12表示没有与设定的画质目标值严密对应的校正系数的组合的情况下的校正系数算出例。
在图12所示的关系特性数据中没有与所期望画质(r、Str)＝(0.67、0.975)对应的α以及β的组合。为此，重构运算装置221例如从α＝0.4的曲线和α＝0.6的曲线通过内插计算将调整系数α算出为0.45。另外，关于修正系数β也同样，进行对β2和β3加入权重系数的运算来算出修正系数β。
接下来，重构运算装置221取得在前一次的步骤S308中得到的投影数据(步骤S305)。其中，在初次的循环的情况下，取得初始的投影数据。
将取得的投影数据设为Raw_C。
重构运算装置221对取得的投影数据Raw_C执行噪声降低处理f1，算出噪声降低的投影数据Raw_A(步骤S306)。
Raw_A以如下的式(11)表征。
Raw_A＝f1(β’，Raw_C)···(11)
另外，重构运算装置221对在步骤S305取得的投影数据Raw_C执行信号强度维持处理f2，算出被修正的投影数据Raw_B(步骤S307)。Raw_Bi以如下的式(12)表征。
Raw_B＝f2(β’，Raw_C)···(12)
接下来，重构运算装置221使用在步骤S304中算出的调整系数α，从Raw_A和Raw_B算出新投影数据Raw_C(步骤S308)。Raw_C以如下的式(13)表征。
Raw_C＝f3(α，Raw_A，Raw_B)···(13)
重构运算装置221直到所设定的迭代次数结束为止，重复步骤S305～步骤S309的处理。在所设定的迭代次数结束时(步骤S309；“是”)，可以结束逐次近似投影数据修正处理。另外，在该迭代次数的结束判定中，重构运算装置221也可以评价将校正处理前后的投影数据比较而得到的修正量，决定是否结束迭代处理。
如以上说明的那样，在本发明的逐次近似投影数据修正处理中，重构运算装置221设定对投影数据进行修正的迭代处理的迭代次数，算出对包含在迭代处理中的噪声降低处理f1和信号强度维持处理f2的应用比率进行调整以成为与调整迭代次数相应的画质的调整系数α以及修正系数β，作为校正系数。然后，基于迭代次数以及校正系数对投影数据实施上述的迭代处理(调整处理f3)来生成修正投影数据，重构CT图像。由此，能合适地调整基于噪声降低处理f1的噪声降低效果和基于信号强度维持处理f2的边缘维持效果。其结果，能重构噪声少、且抑制了条纹伪影的产生的图像。
另外，由于存储表示调整噪声的参数以及调整条纹量的参数、与校正系数(α、β)的关系的关系特性数据，基于关系特性数据算出与目标画质对应的校正系数，因此能通过特性不同的2种类的画质参数修正投影数据，以成为所期望的画质。
[第1实施方式]
接下来，参照图13～图24来详细说明第1实施方式。
也可以如上述那样，以查找表的形式生成表示校正系数(α、β)与画质参数的关系的关系特性数据。
图13是查找表形式的基准关系特性数据8a的一例。该基准关系特性数据8a是将横轴设为图像SD值、将纵轴设为条纹量St的SD-St数据。另外，也可以取代其，而保持查找表作为将横轴设为噪声降低率r、将纵轴设为条纹降低率Str的r-Str数据。
通过和图7所示的关系特性算出处理同样的次序由运算装置202预先算出基准关系特性数据8a。重构运算装置221将在图7的步骤S101～步骤S109的处理中得到的关系特性数据8形成表，来生成查找表形式的基准关系特性数据8a。为了采样的方便，在没有严密对应的α以及β的情况下，如上述那样，既可以将值最接近的设为α以及β，也可以通过内插计算来算出α以及β。
预先生成并被保持在存储装置213中的基准关系特性数据8a例如以使用人体模型等摄影的投影数据为基础来生成。第1实施方式重构运算装置221对基准关系特性数据8a进行微调整，以使得与各个投影数据的特征相匹配，从而生成更新后关系特性数据85。然后，使用该更新后关系特性数据85来算出成为所期望的画质(SD、St)那样的校正系数(α、β)。
第1实施方式重构运算装置221和图5所示的功能构成同样，具有：画质目标设定部41、迭代次数设定部42、关系特性算出部43、校正系数算出部44、迭代处理部45、结束判定部46。对相同的各部标注相同标号，省略重复的说明。
图14是说明第1实施方式关系特性算出部43以及校正系数算出部44的功能框图。
第1实施方式关系特性算出部43具有：特征量提取部43a、偏移量算出部43b、基准关系特性输出部43c、关系特性更新部43d。
特征量提取部43a提取设为修正对象的投影数据的特征量。具体地，作为特征量而提取与投影数据中出现的被多个高吸收体边缘包围的特征区域7的幅度相关的第1特征量C1、与特征区域7的形状相关的第2特征量C2、和与特征区域7的投影值的大小相关的第3特征量C3。特征量提取部43a从投影数据求取上述的特征量C1、C2、C3当中的至少一者或全部。
在此，参照图15～图18来说明各特征量C1、C2、C3。
图15是说明投影数据所表征的特征的图。在摄影范围中包含2个高吸收体64a、64b时，在投影数据上交叉的部分，修正区域变得重合，成为过修正。将多个高吸收体交叉的部分(图15中的虚线内部)设为特征区域7。
在特征区域7的角落部71、72、73、74，通过噪声降低处理f1而产生的修正区域变得重合，特别易于成为过修正。
为此，特征量提取部43a将修正前投影数据的被高吸收体边缘包围的区域设为特征区域7，提取特征区域7的内部的幅度(例如面积)作为第1特征量C1。图16是说明第1特征量C1的图。如图16(a)所示那样，特征区域7的内侧的被高吸收体边缘包围的部分的面积是特征量C1。和如图16(c)所示那样面积(特征量C1)小的情况相比，如图16(b)所示那样面积(特征量C1)大的情况在进行噪声降低处理f1时更易成为过修正。这是因为，若面积大，则平滑化的数据范围就会变宽。
另外，特征量提取部43a提取特征区域7的形状作为第2特征量C2。例如提取通道方向轴(图17中为横轴75)与视图方向轴(图17中为纵轴76)的长度之比作为特征区域7的形状特征(第2特征量C2)。
图17是说明第2特征量C2的图。如图17(a)所示那样，例如将特征区域7的通道方向的长度75与视图方向的长度76之比设为第2特征量C2。虽然也依赖于噪声降低处理的运算的方向，但例如在通道方向上进行加权相加的运算的情况下，和图17(c)所示那样通道方向的长度相对于视图方向的长度较小的情况相比，图17(b)所示那样通道方向的长度大于视图方向的长度更易于成为过修正。这是因为与通道方向相关的修正量较大。
另外，特征量提取部43a提取特征区域7的角落部(特征区域7的与低吸收区域相接的区)的投影值的平均值作为第3特征量C3。图18是说明第3特征量C3的图。如图18(a)所示那样，特征区域7的角落部71、72、73、74的投影值的平均值是特征量C3。和如图18(c)所示那样特征量C3小的情况相比，如图18(b)所示那样角落部71、72、73、74的投影值的平均值(特征量C3)大的情况在进行噪声降低处理f1时更易于成为过修正。这是因为高吸收体与周边的间隙较大。另外，特征区域7的形状并不一定限于四角形。在特征区域7成为多角形的形状的情况下，将各顶点附近的角落部的投影值的平均值设为特征量C3。
偏移量算出部43b算出与特征量相应的基准关系特性表8a的各轴(SD、St)的偏移量。
参照图19～图22来说明偏移量的算出方法。
偏移量算出部43b基于偏移特性数据81～83来算出相对于由特征量提取部43a提取的特征量C1、C2、C3的各画质参数St、SD的偏移量ShiftSt、ShiftSD。
偏移特性数据81～83分别针对各特征量C1、C2、C3预先求取，并存储在存储装置213。
图19是特征量C1的偏移特性数据81的一例，图20是特征量C2的偏移特性数据82的一例，图21是特征量C3的偏移特性数据83的一例。图19～图21分别是横轴为特征量(C1、C2、C3)的大小，纵轴是相对于原始的数据的偏移的比率(偏移系数)。
例如如图19所示那样，在特征量C1的值为“1780”的情况下，St偏移系数为大约“1.3”，SD偏移系数为“1”。另外例如如图20所示那样，在特征量C2的值为“1.14”的情况下，St偏移系数为大约“1.04”，SD偏移系数为“1”。另外例如图21所示那样，在特征量C3的值为“122”的情况下，St偏移系数为大约“1.1”，SD偏移系数为“1”。
如此地，偏移量算出部43b针对各特征量C1～C3算出St偏移系数以及SD偏移系数。
偏移量算出部43b通过分别对针对各特征量C1～C3的偏移系数设定权重(w1、w2、w3)，进行加权相加，来分别算出各轴(SD、St)的偏移量ShiftSD、ShiftSt。
以下的式(14)是各特征量C1、C2、C3的St偏移特性的权重w1、w2、w3的算出例。
St偏移量ShiftSt通过以下的式(15)求取。
Shiftst＝w1·Shiftst1+w2·Shiftst2+w3·Shiftst3
···(15)
同样地，SD偏移量ShiftSD通过以下的式(16)求取。
ShiftSD＝w1·ShiftSD1+w2·ShiftSD2+w3·ShiftSD3
···(16)
若以三维坐标空间来表征考虑了3个特征量C1～C3的情况下的偏移量ShiftSt，则成为图22那样。对于ShiftSD也同样。
偏移量算出部43b将算出的偏移量输出到关系特性更新部43d。另外，基准关系特性输出部43c取得保持在存储装置213中的基准关系特性表8a，输出到关系特性更新部43d。
关系特性更新部43d基于由偏移量算出部43b求得的偏移量ShiftSD、ShiftSt来对基准关系特性表8a更新(偏移)，来求取适于设为对象的投影数据的更新后关系特性表85。
图23是更新后关系特性表85的一例。图23的箭头84表示偏移量。在图13的基准关系特性表8a中，将位于点线框86所示的位置的数据偏移与特征量相应的偏移量ShiftSD、ShiftSt(移动箭头84所示的量)。其结果，能按每个投影数据正确地求取与所期望的SD值以及所期望的条纹量St相应的校正系数(α、β)。
参照图24的流程图来说明第1实施方式校正系数算出处理的流程。另外，图24的校正系数算出处理是与图11所示的逐次近似投影数据修正处理的步骤S304的处理相应的处理。
假定在存储装置213存储基准关系特性表8a。另外，通过图11的步骤S301～步骤S303的处理取得投影数据，设定目标画质SD、St，设定迭代处理的迭代次数。
在图24的校正系数算出处理中，首先重构运算装置221从投影数据提取特征量C1、C2、C3(步骤S401)。如上述那样，特征量C1是包含在投影数据中的高吸收体边缘的交叉部(特征区域7)的面积，特征量C2是特征区域7的纵横比，特征量C3是特征区域7的角落部的平均投影值。在投影数据中有多个特征区域7的情况下，对各个特征区域7分别求取特征量C1、C2、C3。
重构运算装置221从存储装置213取得基准关系特性表8a(步骤S402)。例如取得图13所示那样的查找表形式的基准关系特性表8a。
重构运算装置221基于在步骤S401算出的特征量C1、C2、C3来算出各轴(SD轴、St轴)的偏移量ShiftSD、ShiftSt(步骤S403)。偏移量ShiftSD、ShiftSt能基于按每个特征量C1、C2、C3求得的偏移特性(图19～图21)来求取。即，通过对从偏移特性数据求得的偏移系数ShiftSD1～ShiftSD3加权相加来求取偏移量ShiftSD。同样地，通过对从偏移特性数据求得的偏移系数ShiftSt1～ShiftSt3加权相加来求取偏移量ShiftSt。偏移量ShiftSt、ShiftSD的算出式是上述的式(14)～(16)。
重构运算装置221基于针对各画质参数SD、St的偏移量ShiftSD、ShiftSt来更新基准关系特性表8a，生成更新后关系特性表85(步骤S404)。由此能得到与投影数据的特征相应的更新后关系特性表。
重构运算装置221使用更新后关系特性表85来算出与所期望SD值以及所期望条纹量St对应的校正系数(α、β)(步骤S405)。
若算出校正系数(α、β)，则重构运算装置221执行图11的步骤S305～步骤S309的迭代处理来算出修正投影数据。
如以上说明的那样，根据第1实施方式，将表示与噪声量相关的参数SD以及与条纹量相关的参数St、与校正系数(α、β)的关系的成为基准的基准关系特性表8a保持在存储装置213，在根据实际的被检体的投影数据的特征量C1、C2、C3对基准关系特性表8a微调整后算出校正系数(α、β)。由此，能求取适于投影数据的特征的校正系数。其结果，能进行与投影数据的特征相应的修正。
[第2实施方式]
接下来，参照图25来详细说明第2实施方式。
在第2实施方式中，说明以近似函数保持关系特性数据8的示例。
第2实施方式运算装置202的硬件构成以及功能构成和图1、图2、以及图5同样。在以下的说明中，对相同的各部标注相同标号，省略重复的说明。
以图7所示的关系特性算出处理的次序由重构运算装置221算出关系特性数据8。若以图7的步骤S101～步骤S108的处理生成关系特性数据8时，则重构运算装置221执行图25所示的近似函数生成处理。
重构运算装置221从关系特性数据8选择任意数量的数据点(步骤S501)。将选择的数据点记述为(αi、βi、ri、Stri)。i是正整数(1、…、n)。
接下来，重构运算装置221设定对调整系数α、修正系数β、噪声降低率r、条纹降低率Str的关系式近似的近似函数(步骤S502)。例如将近似函数设为如下的式(17)。k、l、m是根据r和Str求取α的系数。
α＝k·r+l·Str+m···(17)
接下来，重构运算装置221辨识近似函数的系数k、l、m(步骤S503)。
若将数据点(αi、ri、Stri)与近似函数之差设为di，则di以以下的式(18)表征。
di＝k·ri+l·Stri+m-αi···(18)
全部数据点与近似函数之差di的平方和S以如下的式(19)表征。
重构运算装置221求取使满足如下的式(20)的S最小的k、l、m。
在无法严密求解的情况下，将通过反复计算而收敛的值作为解。
重构运算装置221将求得的k、l、m代入到上述的式(17)来决定近似函数。
能用同样的手法根据r和Str来求取β。
重构运算装置221在通过步骤S501～步骤S503的处理生成近似函数后，将其保持在存储装置213中。
生成的近似函数在图11所示的逐次近似投影数据修正处理的校正系数算出处理(步骤S304)中被参照，用在校正系数(α、β)的算出中。
另外，在上述的说明中，将近似函数的次数设为1次，但次数并不限定于此。次数越增加则精度越提升。另外，示出了算出表示噪声降低率r以及条纹降低率Str、与调整系数α或修正系数β的关系的近似函数的示例，但也可以算出表示图像SD值以及条纹量St、与调整系数α或修正系数β的关系的近似函数。
如第2实施方式那样通过以近似函数的形式保持关系特性数据，与如第1实施方式以查找表的形式保持关系特性数据的情况相比，能抑制存储器容量。
[第3实施方式]
接下来，参照图26～图28来详细说明第3实施方式。
在第3实施方式中，说明按每个摄影条件生成关系特性数据、并保持在存储装置213中的示例。
条纹伪影的倾向根据摄影条件不同而不同。例如，在肩或下肢处条纹伪影较大，但在腹部伪影较小。另外，在摄影时的管电压低的情况下，和管电压高的情况比较，有条纹伪影变大的倾向。为此，若对不同的部位或在不同的摄影条件下摄影的投影数据总是使用相同的关系特性数据算出校正系数(α、β)，运用该校正系数(α、β)来进行投影数据的修正，则在图像的条纹降低效果和噪声降低效果中会出现偏差。
为此，在第3实施方式中，按每个摄影条件生成关系特性数据。另外，在逐次近似投影数据修正处理中，根据设为对象的投影数据的摄影条件参照合适的关系特性数据来算出校正系数。
首先，参照图26来说明第3实施方式关系特性生成处理。
首先，重构运算装置221将全部摄影条件的值分配给摄影信息值sp(步骤S601)。所谓摄影条件，是指包含管电压、管电流等X射线条件、间距、准直器条件等与摄影相关的条件、头部、颈部、肩部、胸部、腹部、下肢等那样的摄影部位、和重构层面厚度等的重构条件在内的各种条件的组合。所谓摄影信息值sp，是按每个摄影条件分配的识别信息、或者根据摄影条件的值本身生成的数据。
接下来，重构运算装置221将摄影信息值sp和关系特性数据建立关联。
即，首先重构运算装置221设定1个任意的摄影信息值sp(步骤S602)。重构运算装置221取得在与摄影信息值sp对应的摄影条件下摄影的投影数据，执行图7的关系特性算出处理来生成关系特性数据(步骤S603)。重构运算装置221将摄影信息值sp和在步骤S603中取得的关系特性数据建立关联后存储在存储装置213(步骤S604)。
重构运算装置221对全部摄影信息值sp判定是否结束关系特性数据的取得以及建立关联(步骤S605)，在有未处理的摄影信息值sp的情况下(步骤S605；“否”)，返回步骤S602。重构运算装置221设定下一摄影信息值sp，根据与摄影信息值sp对应的投影数据算出关系特性数据，将摄影信息值sp和关系特性数据建立关联。一边使摄影信息值sp变化一边重复步骤S602～步骤S604的处理，在对全部摄影信息值sp结束处理时(步骤S605；“是”)，结束图26的关系特性生成处理。
重构运算装置221也可以在显示装置211显示图27所示那样的操作画面9。
图27所示的操作画面9具有关系特性数据显示区91、92、编辑区93、94。在关系特性数据显示区91显示摄影信息值sp91a、91b和与摄影信息值sp91a、91b建立关联的关系特性数据80a。同样地，在下段的关系特性数据显示区92显示另外的摄影信息值sp92a、92b和与摄影信息值sp92a、92b建立关联的关系特性数据80b。在编辑区93设置摄影条件输入栏93a、摄影部位输入栏93b、重构条件输入栏93c、摄影信息值输入栏93d等。同样地，在下段的编辑区94设置摄影条件输入栏94a、摄影部位输入栏94b、重构条件输入栏94c、摄影信息值输入栏94d等。
在操作画面9的关系特性数据显示区91例如显示分配给摄影信息值sp＝“1”的摄影条件91b。另外，显示基于在该摄影条件91b下摄影的投影数据所生成的关系特性数据80a。在编辑区93，在各输入栏93a～93d显示和显示于关系特性数据显示区91的信息相同的信息(摄影信息值sp)。若由操作者变更各输入栏93a～93d的值，则将变更的内容反映到显示于关系特性数据显示区91的信息。另外，用变更的内容进行与摄影信息值sp、摄影条件、以及关系特性数据的建立关联，并存储。
通过以上的次序将各种摄影条件和关系特性数据建立关联。
接下来，参照图28来说明第3实施方式X射线CT装置1的处理整体的流程。
首先，X射线CT装置1对被检体3进行定位摄影。接下来，X射线CT装置基于通过定位摄影而摄影的定位图像来进行摄影条件、重构条件等各种条件的设定。然后，X射线CT装置1进行断层摄影(正式摄影)，取得投影数据(步骤S701)。
期望重构运算装置221在取得的投影数据中按每个摄影范围(例如视图)记录摄影条件(摄影信息值sp)(步骤S702)。
重构运算装置221对取得的投影数据进行逐次近似投影数据修正处理(步骤S703)。步骤S703的逐次近似投影数据修正处理的次序和图11所示的次序同样。其中，关于图11的步骤S304的校正系数算出处理，第3实施方式重构运算装置221执行图29所示的校正系数算出处理。
参照图29来说明第3实施方式校正系数算出处理。
重构运算装置221取得记录在投影数据中的摄影信息值sp(摄影条件)(步骤S801)。重构运算装置221从存储装置213中选择与取得的摄影信息值sp对应的基准关系特性数据(步骤S802)。在记录了按投影数据的每个摄影范围(例如每个视图)而不同的摄影条件(摄影信息值sp)的情况下，重构运算装置221从存储装置213选择与记录的全部摄影信息值sp对应的基准关系特性数据。
重构运算装置221基于基准关系特性数据和设定的目标画质(SD、st)来算出校正系数(α、β)。
另外，重构运算装置221也可以和第1实施方式同样，根据投影数据的特征更新在步骤S802中取得的基准关系特性数据。这种情况下，首先重构运算装置221从投影数据提取特征量C1、C2、C3(步骤S803)，基于特征量C1、C2、C3算出偏移量ShiftSD、ShiftSt(步骤S804)。偏移量ShiftSD、ShiftSt的算出的办法和第1实施方式同样。
重构运算装置221基于各画质参数的偏移量ShiftSD、ShiftSt来更新在步骤S802中取得的基准关系特性数据(步骤S805)。重构运算装置221使用更新后的关系特性数据来算出与所期望SD值以及所期望条纹量St对应的校正系数(α、β)(步骤S806)。
在如此地算出校正系数(α、β)时，重构运算装置221执行图11的步骤S305～步骤S309的迭代处理来算出修正投影数据。
重构运算装置221使用通过逐次近似投影数据修正处理进行了修正的修正投影数据来进行图像重构，生成CT图像(图28的步骤S704)。重构运算装置221将生成的CT图像显示在显示装置211(步骤S705)。
如以上说明的那样，根据第3实施方式，按每个摄影条件存储关系特性数据，在执行逐次近似投影数据修正处理时，读出与投影数据测量时的摄影条件相应的基准关系特性数据来算出校正系数(α、β)。为此，在何种的摄影条件下摄影的投影数据中都能恒定地保持噪声降低效果和条纹降低效果。
特别地，由于在摄影时在摄影范围(例如每个视图)中记录摄影条件(摄影信息值)，因此在投影数据中包含多个摄影条件或摄影部位的情况下，也能算出与各视图的摄影条件等相应的校正系数(α、β)来修正投影数据。因而能得到一样的噪声降低效果和条纹降低效果。
如以上说明的那样，根据本发明的X射线CT装置1，在包含噪声降低处理f1和防止条纹的产生的信号强度维持处理f2在内的迭代处理中，重构运算装置221算出调整噪声降低处理f1与信号强度维持处理f2的应用比率的调整系数α和修正系数β，使得成为所期望的噪声量，基于该校正系数(α、β)执行逐次近似投影数据修正处理来生成修正投影数据。
因而，能降低包含在图像中的噪声并降低在图像的高吸收体周边部产生的条纹伪影。
另外，在上述的各实施方式中，说明了在算出条纹量时基于重构的图像求取条纹量，但条纹量的算出方法并不限定于此。以下参照图30以及图31追记条纹量的算出方法。
图30是表示算出图像上的高吸收体周边的条纹量的次序的流程图。
重构运算装置221取得投影数据，执行噪声降低处理f1，重构噪声降低处理f1后的投影数据(步骤S901)。重构运算装置221在得到的图像上设定代表性的大小的正方形(矩阵)，算出矩阵内的CT值的平均值，将值保持。接下来，使上述的矩阵1个像素1个像素地移动，以网罗图像内的全部，算出内部的CT值的平均值并保持。将保持的值中最大的值的位置作为高吸收体位置(步骤S902；高吸收体位置的算出)。
重构运算装置221将高吸收体位置的中心固定，使矩阵的边的长度变化。在使边的长度较长时，将CT值的变化量最大时的变化量设为a，将此时的边的长度设为1s。接下来，在使边的长度较短时，将CT值的变化量最大时的变化量设为b，将此时的边的长度设为1b。比较a和b的绝对值，将实现大值的边的长度设为lopt。在a和b的绝对值相同的情况下，比较1s和1b的大小，将大的一方的边的长度设为lopt。将lopt设为矩阵的边的长度(步骤S903；高吸收体范围的算出)。
重构运算装置221用椭圆或曲线来拟合lopt的矩阵内的高吸收体，提取边缘曲线。将矩阵内的CT值三值化为“高吸收体”、“低吸收体”、“条纹”，拟合对这当中与“高吸收体”对应的部分进行。重构运算装置221设定在边缘曲线上碰到适当的长度的切线、将该切线作为长轴的长方形区域。接下来，重构运算装置221算出并保持长方形区域内的CT值的平均值。网罗到边缘曲线上的全部地进行该操作，算出并保持内部的CT值的平均值。重构运算装置221将保持的值中最大的值的位置设为条纹位置，将该值设为条纹量St1。在与上述的条纹位置相同的位置应用长方形区域，在重构修正后的投影数据(Raw_C)而得到在图像上算出条纹量St2(步骤S904；条纹量St的算出)。
重构运算装置221根据在步骤S904得到的条纹量St1与St2之比来算出条纹降低率Str(步骤S905；条纹降低率Str的算出)。
如以上那样，能算出因噪声降低处理f1产生的在高吸收体周边出现的图像上的条纹伪影。
另外，重构运算装置221也可以从投影数据上算出条纹降低率Str。
参照图31来说明从投影数据上算出条纹降低率Str方法。
重构运算装置221算出在摄影范围的投影数据中最大的CT值，设为高吸收体CT值h。将具有从k×h到h的值的投影数据的范围设为高吸收体代表区域。该处理中的k是0＜k＜1的值。例如设为k＝0.95。重构运算装置221将从高吸收体代表区域向外侧在通道方向上扩展dch量的区域设为高吸收体区域(步骤S1001；高吸收体区域的算出)。
dch以如下的式(21)表征。在此，fd是噪声降低率r的函数。dch与r成正比地变大。
dch＝fd(r)···(21)
重构运算装置221针对全部视图，在通道方向上对投影数据进行微分，算出其绝对值。将该数据设为微分投影数据D。重构运算装置221算出在全部视图的微分投影数据D中最大的值，设为边缘微分值h_d。另外，重构运算装置221将具有从1×h_d到h_d的值的投影数据的范围设为高吸收体边缘区域。该处理中的1是0＜1＜1的值。例如设为1＝0.7。将高吸收体区域且高吸收体边缘区域设为条纹产生区域(步骤S1002；条纹产生区域的算出)。
重构运算装置221将全部投影数据上的条纹产生区域中的CT值的平均值设为条纹量St1。在与上述的条纹产生区域相同的区域，在修正后的投影数据(Raw_C)上算出条纹量St2(步骤S1003；条纹量St的算出)。
重构运算装置221根据在步骤S1003得到的条纹量St1与St2之比算出条纹降低率Str(步骤S1004；条纹降低率Str的算出)。
如以上那样，能从投影数据上评价因噪声降低处理f1而产生的在高吸收体周边出现的条纹伪影。由于这种情况下不需要重构图像，因此有运算量较少即足够这样的好处。
以上说明了本发明所涉及的X射线CT装置等的适合的实施方式，但本发明并不限定于上述的实施方式。只要是本领域技术人员，就能在本申请所公开的技术思想的范畴内想到各种变更例或修正例，这一点很明确，关于这些也当然理解为属于本发明的技术范围。
标号的说明
1X射线CT装置，3被检体，10扫描器，20操作组件，100机架，101床台装置，102X射线产生装置，103X射线检测装置，104准直装置，105高电压产生装置，106数据收集装置，107驱动装置，200中央控制装置，201输入输出装置，202运算装置，211显示装置，212输入装置，213存储装置，41画质目标设定部，42迭代次数设定部，43关系特性算出部，43a特征量提取部，43b偏移量算出部，43c基准关系特性输出部，43d关系特性更新部，44校正系数算出部，45迭代处理部，46结束判定部，50下肢断层像，50a骨，50b条纹伪影，51、52投影数据的轮廓，53无修正的图像，54噪声降低处理f1后的图像，55调整处理f3后的图像，57、58ROI，61、62投影数据，61a、62a高吸收体的投影数据，62b修正区域，63修正前后的投影数据的差分，64a、64b高吸收体的投影数据，66a、66b修正区域，65高吸收体的投影数据交叉的部分，7投影数据的特征区域，71～74角落部，8关系特性数据(r-Str数据)，8a基准关系特性表(SD-St数据)，80与所期望画质对应的校正系数，81、82、83各特征量C1～C3的偏移特性数据，85更新后关系特性表，9操作画面，α调整系数，β修正系数，C1第1特征量(特征区域7的面积)，C2第2特征量(特征区域7的形状)，C3第3特征量(特征区域7的角落部71～74的投影值)。

Claims (11)

1.一种X射线CT装置，其特征在于，具备：
X射线产生装置，其从被检体的周围照射X射线；
X射线检测装置，其检测透过所述被检体的X射线；
数据收集装置，其收集由所述X射线检测装置检测到的数据；
重构运算装置，其被输入由所述数据收集装置收集的数据来生成投影数据，使用所述投影数据来重构CT图像；和
显示装置，其显示所述CT图像，
所述重构运算装置具备：
迭代次数设定部，其设定对所述投影数据进行修正的迭代处理的迭代次数；
校正系数算出部，其算出对所述迭代处理中包含的第1处理函数和具有与所述第1处理函数不同的特性的第2处理函数的应用比率进行调整的校正系数；
逐次近似投影数据修正处理部，其基于所述迭代次数以及所述校正系数对所述投影数据实施所述迭代处理，生成修正投影数据；和
图像重构部，其使用所述修正投影数据重构CT图像。
2.根据权利要求1所述的X射线CT装置，其特征在于，
所述重构运算装置还具备：
关系特性算出部，其算出关系特性数据，该关系特性数据表示由所述第1处理函数控制的第1画质参数以及由所述第2处理函数控制的第2画质参数与所述校正系数之间的关系；和
画质目标设定部，其对所述第1画质参数以及所述第2画质参数分别设定目标值，
所述校正系数算出部基于所述关系特性数据算出与所述目标值对应的校正系数。
3.根据权利要求2所述的X射线CT装置，其特征在于，
所述X射线CT装置具备：存储部，其预先保存作为所述关系特性数据的基准的基准关系特性数据，
所述校正系数算出部具备：
特征量提取部，其提取所述投影数据的特征量；
偏移量算出部，其基于所述特征量来算出所述第1画质参数以及所述第2画质参数的各偏移量；和
关系特性更新部，其基于所述偏移量来更新所述基准关系特性数据，求取更新后关系特性数据，
所述校正系数算出部基于所述更新后关系特性数据来算出与所述目标值对应的校正系数。
4.根据权利要求3所述的X射线CT装置，其特征在于，
所述特征量包含第1特征量、第2特征量和第3特征量之中的至少一者，
其中，所述第1特征量是与投影数据中表现出的被多个高吸收体边缘包围的特征区域的幅度相关的特征量，
所述第2特征量是与所述特征区域的形状相关的特征量，
所述第3特征量是与所述特征区域的投影值的大小相关的特征量。
5.根据权利要求1所述的X射线CT装置，其特征在于，
所述第1处理函数是与噪声降低相关的函数，所述第2处理函数是与条纹伪影的降低相关的函数。
6.根据权利要求2所述的X射线CT装置，其特征在于，
所述关系特性数据被保存为查找表。
7.根据权利要求2所述的X射线CT装置，其特征在于，
所述关系特性数据被保存为近似函数。
8.根据权利要求2所述的X射线CT装置，其特征在于，
所述关系特性数据按每个摄影条件被保存。
9.根据权利要求1所述的X射线CT装置，其特征在于，
所述X射线CT装置还具备：输入部，其输入算出校正系数所需的参数或条件，
所述校正系数算出部基于所输入的参数或条件来算出所述校正系数。
10.一种重构运算装置，其特征在于，具备：
迭代次数设定部，其设定对投影数据进行修正的迭代处理的迭代次数；
校正系数算出部，其算出对所述迭代处理中包含的第1处理函数和具有与所述第1处理函数不同的特性的第2处理函数的应用比率进行调整的校正系数；
逐次近似投影数据修正处理部，其基于所述迭代次数以及所述校正系数对所述投影数据实施所述迭代处理，生成修正投影数据；和
图像重构部，其使用所述修正投影数据来重构CT图像。
11.一种重构运算方法，其特征在于，包含如下步骤：
迭代次数设定步骤，设定对投影数据进行修正的迭代处理的迭代次数；
校正系数算出步骤，算出对所述迭代处理中包含的第1处理函数和具有与所述第1处理函数不同的特性的第2处理函数的应用比率进行调整的校正系数；
修正投影数据生成步骤，基于所述迭代次数以及所述校正系数对所述投影数据实施所述迭代处理，生成修正投影数据；和
重构步骤，其使用所述修正投影数据来重构CT图像。
CN201480016324.2A 2013-04-08 2014-03-13 X射线ct装置、重构运算装置以及重构运算方法 Active CN105188543B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
JP2013-080229 2013-04-08
JP2013080229 2013-04-08
PCT/JP2014/056654 WO2014167935A1 (ja) 2013-04-08 2014-03-13 Ｘ線ｃｔ装置、再構成演算装置、及び再構成演算方法

Publications (2)

Publication Number Publication Date
CN105188543A CN105188543A (zh) 2015-12-23
CN105188543B true CN105188543B (zh) 2017-11-14

Family

ID=51689349

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201480016324.2A Active CN105188543B (zh) 2013-04-08 2014-03-13 X射线ct装置、重构运算装置以及重构运算方法

Country Status (4)

Country Link
US (1) US9592026B2 (zh)
JP (1) JP6492005B2 (zh)
CN (1) CN105188543B (zh)
WO (1) WO2014167935A1 (zh)

Families Citing this family (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6398685B2 (ja) * 2014-12-16 2018-10-03 コニカミノルタ株式会社 断層画像生成システム及び画像処理装置
JP6491471B2 (ja) * 2014-12-24 2019-03-27 キヤノン株式会社 画像処理装置、画像処理方法およびプログラム
JP6293713B2 (ja) * 2015-08-27 2018-03-14 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 画像処理装置、放射線断層撮影装置並びにプログラム
JP6558491B2 (ja) * 2016-03-11 2019-08-14 株式会社島津製作所 画像再構成処理方法、画像再構成処理プログラム並びにそれを搭載した断層撮影装置
WO2017165672A1 (en) * 2016-03-23 2017-09-28 University Of Iowa Research Foundation Devices, systems and methods utilizing framelet-based iterative maximum-likelihood reconstruction algorithms in spectral ct
JP6711457B2 (ja) * 2017-04-25 2020-06-17 株式会社島津製作所 Ｘ線撮像装置
KR102099415B1 (ko) * 2018-02-23 2020-04-09 서울대학교산학협력단 Ct 데이터와 광학 데이터의 정합성능 향상 방법 및 그 장치
CN110197515A (zh) * 2018-02-24 2019-09-03 厦门市领汇医疗科技有限公司 基于康普顿背散射扫描的医学ct机的图像重建方法和系统
CN110400257B (zh) * 2018-12-19 2022-10-14 中国科学院紫金山天文台 一种基于比值改正项的多次曝光图像反混叠方法
JP7341874B2 (ja) * 2018-12-26 2023-09-11 キヤノン株式会社 画像処理装置、画像処理方法、及びプログラム
WO2020138128A1 (ja) * 2018-12-26 2020-07-02 キヤノン株式会社 画像処理装置、画像処理方法、及びプログラム
JP7317651B2 (ja) * 2019-09-24 2023-07-31 富士フイルムヘルスケア株式会社 医用画像処理装置および医用画像処理方法
CN111080740B (zh) * 2019-12-27 2023-06-16 上海联影医疗科技股份有限公司 一种图像校正方法、装置、设备及介质
CN111476856B (zh) * 2020-04-08 2023-06-06 中北大学 一种多谱ct成像方法
WO2022145537A1 (ko) * 2020-12-30 2022-07-07 뉴로핏 주식회사 의료 영상 분석 방법, 의료 영상 분석 장치 및 의료 영상 분석 시스템

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101810489A (zh) * 2009-02-19 2010-08-25 株式会社东芝 散射线校正方法以及散射线校正装置
CN102819826A (zh) * 2011-06-06 2012-12-12 株式会社东芝 降噪方法

Family Cites Families (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5831736A (en) * 1996-08-29 1998-11-03 Washington University Method and apparatus for generating a three-dimensional topographical image of a microscopic specimen
US6868138B2 (en) * 2002-05-29 2005-03-15 The Regents Of The University Of Michigan Method, processor and computed tomography (CT) machine for generating images utilizing high and low sensitivity data collected from a flat panel detector having an extended dynamic range
JP4535795B2 (ja) 2004-07-12 2010-09-01 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 画像処理装置及びｘ線ｃｔシステム
US8478015B2 (en) * 2005-07-01 2013-07-02 Siemens Medical Solutions Usa, Inc. Extension of truncated CT images for use with emission tomography in multimodality medical images
US8155415B2 (en) * 2005-07-01 2012-04-10 Siemens Medical Solutions Usa, Inc. Extension of truncated CT images for use with emission tomography in multimodality medical images
US7961839B2 (en) * 2005-12-15 2011-06-14 Koninklijke Philips Electronics N.V. Advanced convergence for multiple iterative algorithm
DE102008053110A1 (de) * 2008-06-27 2009-12-31 Siemens Aktiengesellschaft Verfahren zur Rekonstruktion von CT-Bilddaten
US8306302B2 (en) * 2008-09-29 2012-11-06 Carestream Health, Inc. Noise suppression in diagnostic images
WO2010062956A1 (en) * 2008-11-26 2010-06-03 Wisconsin Alumni Research Foundation Method for prior image constrained image reconstruction in cardiac cone beam computed tomography
JP5600946B2 (ja) * 2010-01-28 2014-10-08 株式会社島津製作所 断層撮影装置
US8054094B1 (en) * 2010-06-10 2011-11-08 General Electric Company Image reconstruction based constrained maximization
US8189735B2 (en) * 2010-07-22 2012-05-29 General Electric Company System and method for reconstruction of X-ray images
CN103153192B (zh) * 2010-10-14 2015-09-23 株式会社日立医疗器械 X射线ct装置以及图像再构成方法
US20120128265A1 (en) * 2010-11-23 2012-05-24 Toshiba Medical Systems Corporation Method and system utilizing iterative reconstruction with adaptive parameters for computer tomography (ct) images
JP5759159B2 (ja) * 2010-12-15 2015-08-05 富士フイルム株式会社 放射線断層画像生成方法および装置
JP5978429B2 (ja) * 2011-04-28 2016-08-24 株式会社日立製作所 医用画像処理装置、医用画像処理方法
JP5968316B2 (ja) * 2011-07-08 2016-08-10 株式会社日立製作所 画像再構成装置及び画像再構成方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101810489A (zh) * 2009-02-19 2010-08-25 株式会社东芝 散射线校正方法以及散射线校正装置
CN102819826A (zh) * 2011-06-06 2012-12-12 株式会社东芝 降噪方法

Also Published As

Publication number Publication date
CN105188543A (zh) 2015-12-23
WO2014167935A1 (ja) 2014-10-16
US9592026B2 (en) 2017-03-14
JP6492005B2 (ja) 2019-03-27
US20160278733A1 (en) 2016-09-29
JPWO2014167935A1 (ja) 2017-02-16

Similar Documents

Publication Publication Date Title
CN105188543B (zh) X射线ct装置、重构运算装置以及重构运算方法
Xu et al. A practical cone-beam CT scatter correction method with optimized Monte Carlo simulations for image-guided radiation therapy
US8144829B2 (en) Cone-beam CT imaging scheme
US8229246B2 (en) Method and apparatus for 3D metal and high-density artifact correction for cone-beam and fan-beam CT imaging
US10395397B2 (en) Metal artifacts reduction for cone beam CT
US11380025B2 (en) Scatter correction method and apparatus for dental cone-beam CT
US9949709B2 (en) Techniques for suppression of motion artifacts in medical imaging
US11589834B2 (en) Deep neural network for CT metal artifact reduction
CN105528800B (zh) 一种计算机断层成像伪影校正方法及装置
Zeng et al. Penalized weighted least-squares approach for multienergy computed tomography image reconstruction via structure tensor total variation regularization
CN105631909B (zh) 伪影修正辅助的cbct迭代重建方法
Altunbas et al. A unified scatter rejection and correction method for cone beam computed tomography
Sun et al. Correction for patient table‐induced scattered radiation in cone‐beam computed tomography (CBCT)
US20120294417A1 (en) Image domain based noise reduction for low dose computed tomography fluoroscopy
CN101292270B (zh) 用于检查所关注对象的检查设备和方法
EP3404618B1 (en) Poly-energetic reconstruction method for metal artifacts reduction
Zhu et al. Iterative CT reconstruction via minimizing adaptively reweighted total variation
Xiu et al. An Innovative Beam Hardening Correction Method for Computed Tomography Systems.
CN104395934B (zh) 交错的多能量成像中的图像重建
Jacobson et al. Abbreviated on-treatment CBCT using roughness penalized mono-energization of kV-MV data and a multi-layer MV imager
Forthmann et al. Adaptive two‐pass cone‐beam artifact correction using a FOV‐preserving two‐source geometry: A simulation study
CN108242066A (zh) Ct图像的空间分辨率增强装置和方法以及ct成像系统
Jacobson et al. A kV–MV approach to CBCT metal artifact reduction using multi-layer MV-CBCT
Peng et al. Dual-Energy Cone-Beam CT Using Two Complementary Limited-Angle Scans with A Projection-Consistent Diffusion Model
CN110942494A (zh) 利用三个数据域迭代重建计算机断层扫描图像的系统

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C41 Transfer of patent application or patent right or utility model
TA01 Transfer of patent application right

Effective date of registration: 20160720

Address after: Tokyo, Japan, Japan

Applicant after: Hitachi Ltd.

Address before: Tokyo, Japan, Japan

Applicant before: Hitachi Medical Corporation

GR01 Patent grant
GR01 Patent grant
TR01 Transfer of patent right

Effective date of registration: 20211123

Address after: Chiba County, Japan

Patentee after: Fujifilm medical health Co.,Ltd.

Address before: Tokyo, Japan

Patentee before: Hitachi, Ltd.

TR01 Transfer of patent right