CN105580053B - 运动补偿的迭代重建 - Google Patents

运动补偿的迭代重建 Download PDF

Info

Publication number
CN105580053B
CN105580053B CN201480052947.5A CN201480052947A CN105580053B CN 105580053 B CN105580053 B CN 105580053B CN 201480052947 A CN201480052947 A CN 201480052947A CN 105580053 B CN105580053 B CN 105580053B
Authority
CN
China
Prior art keywords
data
projection
current image
resampling
multiple groups
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
CN201480052947.5A
Other languages
English (en)
Other versions
CN105580053A (zh
Inventor
B·J·布伦德尔
T·克勒
R·D·比普斯
R·普罗克绍
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.)
Koninklijke Philips NV
Original Assignee
Koninklijke Philips Electronics NV
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 Koninklijke Philips Electronics NV filed Critical Koninklijke Philips Electronics NV
Publication of CN105580053A publication Critical patent/CN105580053A/zh
Application granted granted Critical
Publication of CN105580053B publication Critical patent/CN105580053B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • 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
    • 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
    • A61B6/52—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
    • A61B6/5264—Devices using data or image processing specially adapted for radiation diagnosis involving detection or reduction of artifacts or noise due to motion
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T1/00—General purpose image data processing
    • G06T1/20—Processor architectures; Processor configuration, e.g. pipelining
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/00—2D [Two Dimensional] image generation
    • G06T11/60—Editing figures and text; Combining figures or text
    • 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
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
    • 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
    • G06T2211/412—Dynamic
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2211/00—Image generation
    • G06T2211/40—Computed tomography
    • G06T2211/421—Filtered back projection [FBP]
    • 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)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Medical Informatics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Health & Medical Sciences (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Molecular Biology (AREA)
  • Public Health (AREA)
  • Veterinary Medicine (AREA)
  • Animal Behavior & Ethology (AREA)
  • Surgery (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • High Energy & Nuclear Physics (AREA)
  • Optics & Photonics (AREA)
  • Pathology (AREA)
  • Algebra (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Multimedia (AREA)
  • Pulmonology (AREA)
  • Quality & Reliability (AREA)
  • Apparatus For Radiation Diagnosis (AREA)
  • Nuclear Medicine (AREA)

Abstract

一种方法包括：将表示参考运动状态的当前图像数据重新采样为多个不同的组，每个组对应于移动的感兴趣组织的不同运动状态；对所述多个组中的每个组进行前向投影；生成多组经前向投影的数据，每组经前向投影的数据对应于一组经重新采样的当前图像数据；基于所述经前向投影的数据与测得的投影数据之间的比较来确定更新投影数据；将所述更新投影数据分为多个组，每个组对应于移动的感兴趣组织的不同运动状态；对所述多个组中的每个组进行背向投影；生成多组更新图像数据；针对当前图像的参考运动状态对更新图像数据的每个组进行重新采样；并且基于所述当前图像数据和经重新采样的更新图像数据来生成新的当前图像数据。

Description

运动补偿的迭代重建
技术领域
以下总体涉及重建，并且更具体而言，涉及运动补偿的迭代重建，并且对计算机断层摄影(CT)的特定应用进行描述；然而，以下也适用于其他成像模态，诸如，正电子发射断层摄影(PET)、单光子发射计算机断层摄影(SPECT)和/或其他成像模态。
背景技术
CT扫描器通常包括X射线管，其被安装在旋转机架上，与定位在检查区域对面的探测器阵列相对。旋转机架并且因此X射线管，围绕检查区域旋转，并且X射线管发射穿过检查区域和其中的对象的一部分的辐射。探测器阵列探测辐射并且生成指示所探测到的辐射的投影数据。重建器重建投影数据，生成体积图像数据，体积图像数据能够被处理以生成一幅或多幅图像。
重建算法包括非迭代重建算法(诸如滤波背向投影(FBP))和迭代重建算法(诸如基于代数和统计的重建算法)。迭代重建算法与常规FBP重建算法相比可以减少针对给定图像质量所需要的剂量。遗憾的是，迭代重建算法计算成本高，与FBP重建算法相比需要更多的重建时间。这在许多年来阻止了在临床环境中迭代重建的使用。最近，利用现代化硬件和大量的并行，才可能实现允许针对临床环境中的选定应用使用迭代重建的重建时间。
己经使用运动补偿的重建(MCR)算法来降低重建图像中由运动引起的模糊，例如，针对心脏和/或其他应用。一个途径是基于低质量的FBP重建来估计心脏的不同运动状态之间的运动，并且在二次重建中使用该信息来生成改进的FBP图像。估计的运动通常被表示为描述每个图像体素从参考心脏时相到若干其他心脏时相的移动的运动向量场(MVF)的集合。在背向投影期间应用MVF以针对每个投影确定己经在相应的射线中的体素。该途径改进了图像质量。
Isola等人的“Motion-compensated iterative cone-beam CT imagereconstruction with adapted blobs as basis functions”(Phys.Med.Biol.53,第6777页(2008年))描述了一种将运动补偿与迭代重建进行组合的途径，其允许同时的剂量减少和降低的图像模糊。利用该途径，通过针对每个心脏时相不同地修改体素位置、尺寸和形状，运动矢量场被并入到迭代重建中。遗憾的是，基于体积的投影(在所述体积中，体素不再被放置在规则的网格上，并且其中，体素具有不同的尺寸和形状)显著增加了重建时间，从而在相当程度上增加在临床环境下使用的复杂度。
发明内容
本文中描述的各方面解决以上提到的问题和其他问题。
以下描述了一种将迭代重建(IR)与运动补偿的重建(MCR)进行组合的途径，其通过经由对图像数据进行重新采来将运动矢量场(MVF)并入到迭代重建中，重新采样通过以下方式进行：表示体积数据的体素的位置和几何结构(例如，尺寸、形状等)在前向投影和背向投影期间被保持在规则的网格上，独立于MVF。在一个实例中，这允许并行处理并且与体素位置和几何结构被改变的配置相比降低了重建时间。
在一个方面中，一种方法包括将表示参考运动状态的当前图像数据重新采样为多个不同的组。每个组对应于移动的感兴趣组织的不同运动状态。所述方法还包括将所述多个组中的每个组进行前向投影。所述方法还包括生成多组经前向投影的数据。每组经前向投影的数据对应于一组经重新采样的当前图像数据。所述方法还包括基于所述经前向投影的数据与测得的投影数据之间的比较来确定更新投影数据。所述方法还包括将所述更新投影数据分为多个不同的组。每个组对应于移动的感兴趣组织的不同运动状态。所述方法还包括对所述多个组中的每个组进行背向投影。所述方法还包括生成多组更新图像数据。所述方法还包括针对当前图像的参考运动状态对每组更新图像数据进行重新采样。所述方法还包括通过将所述当前图像数据和每组经重新采样的更新图像数据进行组合来生成新的当前图像数据。
在另一方面中，一种图像系统包括：源，其发射辐射；探测器阵列，其探测辐射并且生成指示所探测到的辐射的投影数据；以及重建器，其使用运动补偿的迭代算法来对所述投影数据进行重建并且生成体积图像数据，在所述运动补偿的迭代算法中，通过重新采样在由规则网格上的体素表示的图像体积上执行前向投影和背向投影。
在另一方面中，一种计算机可读存储介质被编码有计算机可读指令，所述计算机可读指令在由处理器运行时，令所述处理器：使用多个不同的运动矢量场来将当前图像数据重新采样为对应于移动的感兴趣组织的不同运动状态的多个不同的组，所述多个不同的运动矢量场指示在当前图像数据的参考状态的组织到对应的不同运动状态的位移；将所述多个组中的每个组进行前向投影，生成多组经前向投影的数据，每组经前向投影的数据对应于一组经重新采样的当前图像数据；基于所述经前向投影的数据与测得的投影数据之间的比较来确定更新投影数据；将所述更新投影数据分为多个不同的组，每个组对应于移动的感兴趣组织的不同运动状态；对所述多个组中的每个组进行背向投影，生成多组更新图像数据；针对当前图像的参考运动状态对每组更新图像数据进行重新采样；通过将所述当前图像数据和每组经重新采样的更新图像数据进行组合来生成新的当前图像数据；并且将所有以上动作至少重复一次，只是以新的当前图像数据代替所述当前图像数据。
附图说明
本发明可以采取各种部件和各部件的布置以及各种步骤和各步骤的安排的形式。附图仅出于图示优选的实施例的目的并且不应被理解为对本发明的限制。
图1示意性地图示了范例成像系统，其具有采用运动补偿的迭代算法的重建器。
图2示意性地图示了图1的重建器的范例。
图3示意性地图示了图2的重建器的重新采样和前向投影处理链的部分。
图4示意性地图示了图2的重建器的背向投影和重新采样处理链的部分。
图5图示了针对运动补偿的迭代重建的范例方法。
具体实施方式
图1图示了诸如计算机断层摄影(CT)扫描器的成像系统100。在另一实施例中，成像系统100包括正电子发射断层摄影(PET)，单光子发射计算机断层摄影(SPECT)和/或其他扫描器。所图示的成像系统100包括固定机架102和旋转机架104，旋转机架104由固定机架102可旋转地支撑。旋转机架104关于纵轴或z轴围绕检查区域106旋转。
辐射源108(诸如X射线管)由旋转机架104支撑并且与旋转机架104一起围绕检查区域106旋转，并且发射穿过检查区域106的辐射。位于检查区域106对面与辐射源108相对的一维或二维辐射敏感探测器阵列110包括多个探测器像素，所述多个探测器像素探测穿过检查区域106的辐射并生成指示所探测到的辐射的投影数据。
运动检测器112在成像采集期间检测对象的移动的组织的运动并且生成指示所述运动的运动信号。移动的组织的范例包括肺组织、心脏组织和/或其他组织。运动检测器112可以包括以下中的至少一种：呼吸带、发光界标、ECG监测器等。运动信号被映射到数据采集。这能够通过时间戳来实现，包括在所采集的数据的头文件中关于运动信号的信息，和/或其他方式。
运动矢量场确定器113基于针对运动状态的一个或多个子集的运动信号来确定运动矢量场(MVF)的集合。一般而言，MVF在体积图像数据的图像或切片之间对组织的位置进行映射，从而描述组织从一个图像到另一个图像的运动。在该范例中，所述MVF的集合对应于N个时间点或运动状态，其中，N是整数，例如，在三(3)到二十(20)的量级，诸如五(5)到十(10)个或其他数量的时间点。
以下提供了一种用于确定N的非限制性范例。对于每秒x心搏的心率以及每y秒一(1)转的旋转速度，每次旋转覆盖心脏周期的(y/x)％。对于一(1)个MVF，心脏搏动的每z％(例如，如根据ECG信号的QRS复合的R峰所确定的)，N＝(y/x)/z。例如，当x＝1,y＝0.250秒，N＝(0.250/1*100)/5％＝5。要理解，该范例被提供用于说明性目的并非限制。一般而言，N将随着增加的心率而增加并且随着降低的心率而降低。
重建器114重建投影数据并且生成指示检查区域106的体积图像数据。图示的重建器114被配置为至少利用运动补偿的迭代重建算法116。利用非运动补偿的迭代重建算法，当前图像(即，体素)被前向投影，产生估计的或中间的投影数据，其被与测得的投影数据比较，并且基于它们之间的比较生成更新，并且基于所述更新而更新当前图像，产生新的当前图像。以上被重复一次或多次直到满足预定停止标准。
如以下更加详细地描述的，重建器114包括一个或多个计算机处理器，其响应于执行所述运动补偿的迭代重建算法116，而在将所述当前图像进行前向投影之前将运所述动矢量场并入到当前图像中并且在将所述更新与所述当前图像组合之前将所述动矢量场并入到图像更新中。以下是无需修改体素位置、尺寸和形状而使得体素不再被放置在规则的网格上并且具有不同的尺寸和形状而实现的。相反地，所有体素具有相同的尺寸，具有相同的x、y和z距离，并且保持在立方网格上，这相对于体素位置、尺寸和形状不同的配置减少了计算时间。
支撑体118(诸如卧榻)在检查区域106中支撑对象，并且能够被用于在扫描之前、期间或扫描之后关于x、y和/或z轴来定位对象。计算系统用作操作者控制台120，并且包括输出设备(诸如显示器)和输入设备(诸如键盘、鼠标和/或类似物)。驻留在控制台120上的软件允许操作者控制系统100的操作，例如识别重建算法等。
转到图2，示意性地图示了重建器114的范例。
测得的投影数据200被接收以进行重建。测得的投影数据200能够来自成像系统100、其他成像系统和/或数据库。当前图像存储器202存储当前图像数据。对于第一次迭代，当前图像数据包括初始图像203，其可以是全零、图库数据、经传统重建的图像(例如，FBP)和/或其他图像。对每次后续迭代，当前图像数据是在先前的迭代中处理的图像数据加上基于此生成的图像数据更新。
前向投影(FP)前重新采样器204接收来自当前图像数据存储器202的当前图像数据、N个运动状态205、以及针对所述N个运动状态205的MVF 207。FP前重新采样器204通过应用各自的MVF 207来针对N个运动状态205中的每个对所述当前图像数据进行重新采样。例如，通过与所述当前图像相同的体素的几何网格，经重新采样的图像在规则网格上被表示。前向投影器206将经重新采样的图像数据的N个集合中的每个进行前向投影，针对图像数据的每个集合并且因此所述N个运动状态205中的每个，生成属于该集合的所有投影。在重新采样和前向投影之后，产生完整的前向投影数据集。
在所图示的实施例中，FP前重新采样器204和前向投影器206中的每个并行地处理数据。这能够通过(一个或多个)图形处理单元或GPU和/或其他处理器来实现。并行能够通过在经重新采样的图像中的一幅的前向投影内的并行来实现，这是容易实施的，因为体素被放置在规则的网格上，和/或通过对不同的重新采样的图像的多个前向投影的并行来实现。图3中图示了第二种情形，其示出了这样的范例，其中，FP前重新采样器204包括N个处理链2041、2042、...、204N，并且前向投影器206包括N个处理链2061、2062、...、206N。每个处理链对2041/2061、2042/2062、...、204N/206N处理当前图像数据的N个集合中的对应一个。返回图2，经前向投影的数据(FPD)组合器208针对个体运动状态对投影进行组合。在一个实例中，这包括串接经前向投影的数据。在变型中，FP前重新采样器204和/或前向投影器206串行地处理数据。在另一变型中，FP前重新采样器204和/或前向投影器206并行地处理数据的子部分并且串行地处理数据的不同子部分。
比较器210将经串接的经前向投影的投影数据与测得的投影数据200进行比较，这同样可以是由成像系统100和/或其他成像系统生成的投影数据，生成不同的信号，所述不同的信号指示所述经前向投影的投影数据与测得的投影数据200之间的差异。更新生成器212基于所述不同的信号来生成更新投影数据，其为被预测为降低经前向投影的数据与测得的投影数据200之间的差异的数据。更新解析器214将更新投影数据解析为更新投影数据的N个集合，每个集合对应于所述N个运动状态205中的一个。
背向投影器216对更新投影数据的N个集合中的每个进行背向投影，生成更新图像数据的N个集合，每个集合对应于N个运动状态205中的一个。背向投影(BP)后重新采样器218接收更新图像数据的所述N个集合以及当前图像数据的运动状态(参考状态)，并且基于MVF对从其表示的运动状态到所述参考运动状态(其为所述当前图像的运动状态)的所述N个集合中的每个进行重新采样。BP后重新采样器218通过应用MVF 207的各自MVF来针对所述参考运动状态而对更新图像数据的N个集合进行重新采样。图像数据的经重新采样的N个集合在体素的几何网格中被表示为所述当前图像。
在图示的实施例中，背向投影器216和BP后重新采样器218中的每个并行地处理数据。这能够通过(一个或多个)图形处理单元或GPU和/或其他处理器来实现。图4示出了这样的范例，其中，背向投影器216包括多N个处理链2161、2162、...、216N，并且BP后重新采样器218包括N个处理链2181、2182、...、218N。每个处理链对2161/2181、2162/2182、...、216N/218N处理更新数据的N个集合中的对应一个。返回图2，图像更新器220在当前图像数据存储器202中更新当前图像数据，生成新的当前图像数据。在一个非限制性范例中，这包括在当前图像数据存储器202中将更新图像数据的独立的N个经重新采样的集合添加到当前图像数据中。
能够以各种方式来实施FP前重新采样器204和BP后重新采样器218。这包括作为分开的重新采样器或相同的重新采样器。合适的重新采样的范例包括在Kybic的“Multiresolution spline warping for EPI registration，”(Proc.SPIE3813,WaveletApplication in Signal and Image Processing VII,571(1999年10月26日))中所讨论的重新采样。该参考文献讨论了基于MVF将输入图像变形到输出图像。本文中也预期其他重新采样方法。
对于每个后续迭代，处理根据处理当前图像数据存储器202中的当前图像数据而生成的在当前图像数据存储器202中的新的当前图像数据。控制器222基于预定的停止标准来控制迭代的次数。适当的停止标准224的范例包括迭代的预定次数、逝去的时间量、经前向投影的数据与测得的投影数据之间的误差阈值和/或其他停止标准。控制器222响应于满足停止标准224而输出最终图像数据，所述最终图像数据是所述当前图像数据存储器202中存在的当前图像数据。
图5图示了运动补偿的迭代重建的范例方法。
应该理解，这些方法的动作的顺序不是限制性的。这样，本文预期其他顺序。另外，可以省略一个或多个动作和/或可以包括一个或多个额外的动作。
在502，针对运动补偿的迭代重建(MCIR)获得测得的投影数据。
在504，获得初始(当前)图像数据以及针对感兴趣运动状态的对应的集合的MVF的集合，并且所述初始图像数据被存储为当前图像数据。
在506，所述当前图像数据被重新采样为图像数据的多个集合，每个集合对应于运动状态中的一种，并且得到的体素具有在规则的网格(例如所述初始图像数据的网格)上的几何结构(尺寸和形状)和位置。
在508，所述图像数据的多个集合中的每个被前向投影，创建经前向投影的数据的多个集合，每个集合对应于特定的运动状态，其中，经前向投影的数据的所有集合共同涵盖所有运动状态。
在510，经前向投影的数据的集合被串接。
在512，将经串接的投影数据与测得的投影数据进行比较并且确定它们之间的差别信号。
在514，基于所述差别信号来生成更新投影数据。
在516，基于运动状态的集合来对所述更新投影数据进行分组。
在518，对更新的投影数据的每个集合进行背向投影，生成部分更新图像数据的集合。
在520，部分更新图像数据的集合被重新采样回参考运动状态。
在522，经重新采样的部分更新图像数据被添加到所述当前图像数据，产生新的当前图像数据。
在524，如果要执行另一迭代，则重复动作506-524一次或多次，其中，当前图像数据是新的当前图像数据。这是通过确定是否满足停止标准来实现的。如本文中所讨论，合适的停止标准的范例包括迭代的预定次数、逝去的时间量、经前向投影的数据与测得的投影数据之间的误差阈值和/或其他停止标准。在524，如果将不执行另一迭代，则输出最终图像数据。
以上可以通过计算机可读指令的方式来实施，所述计算机可读指令被编码或嵌入到计算机可读存储介质中，所述计算机可读指令在由(一个或多个)计算机处理器执行时，令所述(一个或多个)处理器执行所描述的动作。额外地或备选地，所述计算机可读指令中的至少一个由信号、载波或其他暂态介质承载。
已经参考优选实施例描述了本发明。在阅读和理解以上具体实施方式的情况下对于其他人可能想到修改或替代变型。本文意图将本发明解释为包括所有这种修改和替代变型，只要它们落入所附权利要求及其等价方案的范围之内。

Claims (20)

1.一种使用运动补偿的迭代重建算法来重建测得的投影数据并且生成重建图像数据的方法，包括：
将表示参考运动状态的当前图像数据重新采样为多组经重新采样当前图像数据，每个组对应于移动的感兴趣组织的不同运动状态；
对所述多组经重新采样当前图像数据中的每个组进行前向投影，生成多组经前向投影的数据，每组经前向投影的数据对应于一组经重新采样当前图像数据；
基于所述经前向投影的数据与所述测得的投影数据之间的比较来确定更新投影数据；
将所述更新投影数据分为多组更新投影数据，每个组对应于所述移动的感兴趣组织的不同运动状态；
对所述多组更新投影数据的中的每个组进行背向投影，生成多组更新图像数据；
针对所述当前图像数据的所述参考运动状态来对所述多组更新图像数据中的每组更新图像数据进行重新采样；并且
通过将所述当前图像数据和多组经重新采样更新图像数据中的每组经重新采样更新图像数据进行组合来生成新的当前图像数据。
2.如权利要求1所述的方法，还包括：
将如权利要求1的所有动作重复至少一次，只是以所述新的当前图像数据代替所述当前图像数据。
3.如权利要求1所述的方法，还包括：
响应于满足停止标准而输出所述新的当前图像数据作为运动补偿的迭代重建的图像数据。
4.如权利要求3所述的方法，其中，所述停止标准是以下中的至少一个：迭代的预定次数、逝去的预定时间量、或者所述经前向投影的数据与所述测得的投影数据之间的某种差异信号的阈值。
5.如权利要求1至4中的任一项所述的方法，还包括：
串接所述多组经前向投影的数据；并且
基于经串接的经前向投影的数据与所述测得的投影数据之间的比较来确定所述更新投影数据。
6.如权利要求1至4中的任一项所述的方法，生成所述新的当前图像数据，包括：
将所述多组经重新采样更新图像数据中的每个组添加到所述当前图像数据以生成所述新的当前图像数据。
7.如权利要求1-4中的任一项所述的方法，还包括：
生成运动场矢量的集合，每个运动场矢量在所述当前图像数据的所述运动状态与所述感兴趣组织的不同运动状态之间识别组织的运动；并且
通过将运动矢量场中的相应一个应用到所述当前图像数据来将所述当前图像数据重新采样为所述多组经重新采样当前图像数据，将在所述当前图像数据中表示的组织变换为施加的所述运动矢量场的所述运动状态。
8.如权利要求1至4中的任一项所述的方法，其中，与所述当前图像数据的体素网格相比，对所述当前图像数据的重新采样不改变任何体素的位置、形状或尺寸。
9.如权利要求1至4中的任一项所述的方法，其中，经由通过多个前向投影前重新采样器处理链的并行处理，所述当前图像数据同时地被重新采样为所述多组经重新采样当前图像数据。
10.如权利要求1至4中的任一项所述的方法，其中，经由通过多个前向投影器处理链的并行处理，所述多组经重新采样当前图像数据同时地被前向投影为多组前向投影数据。
11.如权利要求1至4中的任一项所述的方法，其中，经由通过多个背向投影器处理链的并行处理，所述多组更新投影数据同时地被背向投影为所述多组更新图像数据。
12.如权利要求1至4中的任一项所述的方法，其中，经由通过多个背向投影后重新采样器处理链的并行处理，所述多组更新图像数据同时地被重新采样为所述多组经重新采样更新图像数据。
13.一种成像系统(100)，包括：
源(108)，其发射辐射；
探测器阵列(110)，其探测辐射并生成指示所探测到的辐射的投影数据；以及
重建器(114)，其使用运动补偿的迭代重建算法来重建所述投影数据，其中，通过重新采样在由规则网格上的体素表示的图像体积上执行前向投影和背向投影，并生成体积图像数据；
前向投影前重新采样器(204)，其将当前图像数据重新采样为多组经重新采样当前图像数据，每个组对应于移动的感兴趣组织的不同运动状态；
前向投影器(206)，其对所述多组经重新采样当前图像数据中的每个组进行前向投影，生成多组经前向投影的数据，每组经前向投影的数据对应于一组经重新采样当前图像数据；
更新生成器(212)，其基于所述经前向投影的数据与测得的投影数据之间的比较来确定更新投影数据；
更新解析器(214)，其将所述更新投影数据分为多组更新投影数据，每个组对应于所述移动的感兴趣组织的不同运动状态；
背向投影器(216)，其对所述多组更新投影数据中的每个组进行背向投影，生成多组更新图像数据；
背向投影后重新采样器(218)，其针对所述当前图像数据的运动状态来对所述多组更新图像数据中的每组更新图像数据进行重新采样；以及
图像更新器(220)，其利用所述更新图像数据来更新所述当前图像数据，生成新的当前图像数据。
14.如权利要求13所述的成像系统，
所述前向投影前重新采样器，包括：多个前向投影前重新采样器处理链(2041、2042、...、204N)，其中，所述前向投影前重新采样器通过所述多个前向投影前重新采样器处理链来同时地将所述当前图像数据重新采样为所述多组经重新采样当前图像数据；并且
所述前向投影器，包括：多个前向投影器处理链(2061、2062、...、206N)，其中，所述前向投影器通过所述多个前向投影器处理链来同时地对所述多组经重新采样当前图像数据进行前向投影。
15.如权利要求13至14中的任一项所述的成像系统，
所述背向投影器，包括：多个背向投影器处理链(2161、2162、...、216N)，其中，所述背向投影器通过所述多个背向投影器处理链来同时地将所述多组更新投影数据背向投影为所述多组更新图像数据；并且
所述背向投影后重新采样器，包括：多个背向投影后重新采样器处理链(2181、2182、...、218N)，其中，所述背向投影后重新采样器通过所述多个背向投影后重新采样器处理链来同时地对所述多组更新图像数据进行重新采样。
16.如权利要求13至14中的任一项所述的成像系统，还包括：
前向投影数据组合器(208)，其将所述多组经前向投影的数据进行串接；以及
比较器(210)，其将经串接的多组经前向投影的数据与所述测得的投影数据进行比较，生成指示所述经串接的多组经前向投影的数据与所述测得的投影数据之间的比较的差别信号，
其中，所述更新生成器基于所述差别信号来确定所述更新投影数据。
17.如权利要求13至14中的任一项所述的成像系统，其中，所述图像更新器通过将所述更新图像数据添加到所述当前图像数据来更新所述当前图像数据。
18.如权利要求13至14中的任一项所述的成像系统，其中，所述当前图像数据、所述经重新采样当前图像数据和所述经重新采样更新图像数据具有相同的几何网格。
19.一种被编码有计算机可读指令的计算机可读存储介质，所述计算机可读指令在由处理器运行时，令所述处理器：
使用多个不同的运动矢量场来将当前图像数据重新采样为对应于移动的感兴趣组织的不同运动状态的多个不同的组，所述多个不同的运动矢量场指示在所述当前图像数据的参考状态的组织到对应的不同运动状态的位移；
对所述多个组中的每个组进行前向投影，生成多组经前向投影的数据，每组经前向投影的每个数据对应于一组经重新采样当前图像数据；
基于所述前向投影的数据与测得的投影数据之间的比较来确定更新投影数据；
将所述更新投影数据分为多个不同的组，每个组对应于所述移动的感兴趣组织的不同运动状态；
对所述多个组中的每个组进行背向投影，生成多组更新图像数据；
针对所述当前图像数据的所述参考状态对每组更新图像数据进行重新采样；
通过将所述当前图像数据和每组经重新采样更新图像数据进行组合来生成新的当前图像数据；并且
将所有以上动作至少重复一次，只是以所述新的当前图像数据代替所述当前图像数据。
20.如权利要求19所述的计算机可读存储介质，其中，所述比较是所述经前向投影的数据与所述测得的投影数据之间的差别。
CN201480052947.5A 2013-09-27 2014-09-17 运动补偿的迭代重建 Active CN105580053B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US201361883415P 2013-09-27 2013-09-27
US61/883,415 2013-09-27
PCT/IB2014/064578 WO2015044837A1 (en) 2013-09-27 2014-09-17 Motion compensated iterative reconstruction

Publications (2)

Publication Number Publication Date
CN105580053A CN105580053A (zh) 2016-05-11
CN105580053B true CN105580053B (zh) 2019-03-01

Family

ID=51753262

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201480052947.5A Active CN105580053B (zh) 2013-09-27 2014-09-17 运动补偿的迭代重建

Country Status (4)

Country Link
US (1) US9760992B2 (zh)
EP (1) EP3050029B1 (zh)
CN (1) CN105580053B (zh)
WO (1) WO2015044837A1 (zh)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104318595A (zh) * 2014-10-21 2015-01-28 沈阳东软医疗系统有限公司 Ct图像的运动向量场的计算方法及装置
US10019818B2 (en) * 2015-03-12 2018-07-10 Toshiba Medical Systems Corporation Concurrent forward- and back-projection iterative reconstruction system
FI20155856A (fi) * 2015-11-18 2017-05-19 Teknologian Tutkimuskeskus Vtt Oy Menetelmiä ja laitteita läpitunkevaa kuvantamista varten
WO2017132648A1 (en) * 2016-01-29 2017-08-03 The General Hospital Corporation Systems and methods for joint image reconstruction and motion estimation in magnetic resonance imaging
US11200709B2 (en) * 2016-12-27 2021-12-14 Canon Medical Systems Corporation Radiation image diagnostic apparatus and medical image processing apparatus
FI20180105A1 (en) * 2018-09-14 2020-03-15 Planmeca Oy Self-calibration method for a digital tomosynthesis imaging device
WO2020146866A1 (en) * 2019-01-11 2020-07-16 University Of Central Florida Research Foundation, Inc. Motion estimation and compensation in cone beam computed tomography (cbct)

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102067176A (zh) * 2008-06-18 2011-05-18 皇家飞利浦电子股份有限公司 结合局部运动监测、校正和评估的辐射成像

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20030113002A1 (en) * 2001-12-18 2003-06-19 Koninklijke Philips Electronics N.V. Identification of people using video and audio eigen features
US6904118B2 (en) * 2002-07-23 2005-06-07 General Electric Company Method and apparatus for generating a density map using dual-energy CT
ATE477559T1 (de) 2003-03-14 2010-08-15 Koninkl Philips Electronics Nv Bewegungskorrigiertes dreidimensionales volumenabbildungsverfahren
EP1639550A1 (en) * 2003-06-18 2006-03-29 Philips Intellectual Property & Standards GmbH Motion compensated reconstruction technique
US8306121B2 (en) 2008-03-17 2012-11-06 Ati Technologies Ulc Method and apparatus for super-resolution of images
FR2939547B1 (fr) * 2008-12-09 2011-06-10 Commissariat Energie Atomique Dispositif et procede pour le reconnaissance et la localisation d'objets dans une image par balayage de fenetres de detection
EP2553927B1 (fr) 2010-03-31 2018-11-28 Orange Procedes et dispositifs de codage et de decodage d'une sequence d'images mettant en oeuvre une prediction par compensation de mouvement avant, et programme d'ordinateur correspondant

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102067176A (zh) * 2008-06-18 2011-05-18 皇家飞利浦电子股份有限公司 结合局部运动监测、校正和评估的辐射成像

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
Motion compensated iterative reconstruction of a region of interest in cardiac cone-beam CT;A.A. Isola et al.;《Computerized Medical Imaging and Graphics》;20100331;第34卷(第2期);第149-159页
Motion-compensated iterative cone-beam CT image reconstruction with adapted blobs as basis functions;A A Isola et al.;《Physics in Medicine and Biology》;20081107;第53卷(第23期);第6777-6797页
一种新的超分辨率图像重建算法;张丽红 等;《测试技术学报》;20110430;第25卷(第2期);第173-177页

Also Published As

Publication number Publication date
CN105580053A (zh) 2016-05-11
US9760992B2 (en) 2017-09-12
EP3050029B1 (en) 2018-07-04
US20160210741A1 (en) 2016-07-21
EP3050029A1 (en) 2016-08-03
WO2015044837A1 (en) 2015-04-02

Similar Documents

Publication Publication Date Title
CN105580053B (zh) 运动补偿的迭代重建
EP2174294B1 (en) Motion correction in nuclear imaging
Leng et al. High temporal resolution and streak-free four-dimensional cone-beam computed tomography
Qiao et al. A motion-incorporated reconstruction method for gated PET studies
RU2471204C2 (ru) Локальная позитронная эмиссионная томография
Tsoumpas et al. Simultaneous PET–MR acquisition and MR-derived motion fields for correction of non-rigid motion in PET
US7630528B2 (en) Motion compensation
JP4855931B2 (ja) 動き補償再構成技法
EP2831785B1 (en) 4d cone beam ct using deformable registration
US20080267455A1 (en) Method for Movement Compensation of Image Data
JP2011507640A (ja) 希薄化制約補正を用いた画像復元法
CN110751702A (zh) 图像重建方法、系统、装置及存储介质
US10657621B2 (en) Moving structure motion compensation in imaging
Le Maitre et al. Incorporating Patient-Specific Variability in the Simulation of Realistic Whole-Body $^{18}{\hbox {F-FDG}} $ Distributions for Oncology Applications
CN106462987B (zh) 基于投影数据集的用于体积的改进图像重构
Qi et al. Performance studies of four-dimensional cone beam computed tomography
Isola et al. Motion compensated iterative reconstruction of a region of interest in cardiac cone-beam CT
US8478014B2 (en) Apparatus for generating an image of moving object
Karakatsanis et al. Quantitative PET image reconstruction employing nested expectation-maximization deconvolution for motion compensation
US10062168B2 (en) 5D cone beam CT using deformable registration
CN107886554A (zh) 流数据的重构
KR20180003400A (ko) 의료 영상 처리 장치 및 방법
Gianoli et al. Optimized PET imaging for 4D treatment planning in radiotherapy: the virtual 4D PET strategy
Van Eyndhoven et al. Region based 4d tomographic image reconstruction: application to cardiac x-ray ct
Lyksborg et al. A statistical approach to motion compensated cone-beam reconstruction

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant