CN105593905A - 针对完全3d迭代ct重建中的图像质量优化用于对正则化参数的局部调节的方法 - Google Patents
针对完全3d迭代ct重建中的图像质量优化用于对正则化参数的局部调节的方法 Download PDFInfo
- Publication number
- CN105593905A CN105593905A CN201480053952.8A CN201480053952A CN105593905A CN 105593905 A CN105593905 A CN 105593905A CN 201480053952 A CN201480053952 A CN 201480053952A CN 105593905 A CN105593905 A CN 105593905A
- Authority
- CN
- China
- Prior art keywords
- data
- projection
- image
- regularization
- roi
- 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
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
- G06T11/005—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
- G06T2211/00—Image generation
- G06T2211/40—Computed tomography
- G06T2211/424—Iterative
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Algebra (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Mathematical Physics (AREA)
- Pure & Applied Mathematics (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Image Processing (AREA)
Abstract
一种用于对体积的迭代重建的方法及相关装置(116)。关于所述体积中的感兴趣区域空间地调整和归一化迭代更新函数的正则化参数(β)。所述方法允许达到跨所重建的体积上实质上均匀的噪声分布。
Description
技术领域
本发明涉及CT图像重建方法、涉及图像处理装置、涉及计算机程序单元,并且涉及计算机可读介质。
背景技术
在计算机断层摄影中,存在各种用于根据在CT扫描器的探测器处的测量期间收集到的目标的投影数据来计算横断面图像(也称作“切片”)的不同的重建算法。存在从初始图像迭代地建立最终图像的重建算法。一些迭代重建算法使用正则化。正则化“重建问题”,亦即“给定对图像属性的约束,如何从初始图像得到最终图像?”通常是依据使由数据项和正则化项组成的代价函数最小化来表述的。另外的算法变体是正则化统计迭代重建,其中,数据项考虑对底层的测量结果的噪声的统计模型,而正则化项并入关于图像的先验知识用于重建。WO2013088294A1描述了这样的统计迭代重建算法。然而已观察到,统计模型和正则化可能导致某些图像性质,如局部分辨率或SNR(信噪比)以不合期望的方式在图像上变化。许多途径已被提出以增强例如分辨率的均匀性,例如JAFessler等人在“SpatialResolutionPropertiesofPenalized-LikelihoodImageReconstruction:Space-InvariantTomographs”,IEEETransactionsonImageProcessing,1996,5,1346-1358中提出。
发明内容
因此存在对于一种迭代图像重建方法及相关装置的需要。
本发明的目标通过独立权利要求的主题得以解决,其中,在从属权利要求中并入了另外的实施例。应当指出,下文描述的本发明的各方面同样适用于图像处理系统、计算机程序单元以及计算机可读介质。
根据本发明的第一方面,提供一种CT图像处理方法,包括以下步骤:
-接收沿扫描方向对一体积采集的投影数据。所述体积中的一个或多个图像点是能够在迭代重建操作中从所述投影数据中的至少部分来重建的;
-作为在先前迭代中重建的或以其他方式重建的体积中位置的函数,针对所述迭代重建操作中的下一迭代计算针对在所述位置的图像点的正则化参数;
-作为沿所述扫描方向的扫描位置的函数,相对于平面中目标中的感兴趣区域ROI归一化所述正则化参数,所述平面在所述扫描位置处穿过所述体积(例如切片);
-当在所述下一迭代中从所述投影数据迭代地重建所述图像点时,应用所述归一化正则化参数。所重建的体积为所述被扫描体积的图像。
根据一个实施例,对所述正则化参数的所述计算为噪声行为或噪声水平的函数,在于所述投影数据的部分为针对所述图像点可重建的。
更特别地,所述正则化参数(以及/所述归一化的正则化参数)是从至少获得自所述投影数据中这对所述图像点重建的该部分的统计方差的反投影计算的。然而,使用方差为用于捕获噪声水平或行为的非限制性范例,并且可以代替或与方差一起类似地使用其他合适的统计量。
在迭代重建中,存在i)数据项,其随着(在迭代期间生成的)前投影图像点估计多么好地匹配实际测量的投影数据而变化,以及ii)正则化项,其通过返回针对每个估计的图像点的响应来增强预期图像特性,例如平滑度。所述正则化参数然后用于通过与正则项的响应的乘法或加法组合来控制所述响应的强度。
在一个实施例中,空间相关性计算得到所述正则化参数在所述平面中的图像点间的局部变化,并且如此计算的正则化参数在迭代重建中以这样的方式起作用:即,使得针对在切片内具有更均匀的噪声出现的估计对重建进行偏置。同时,在扫描方向上对如此计算的重建参数的归一化起作用为在迭代的过程期间,在统计学意义上维持数据项(其可以被视为针对所估计的图像点的保真度的代表)与正则化项之间的平衡。例如,针对由于较小的患者/目标尺寸(例如外围或锥形对象)或低放射密度区域(例如胸部区域)而在其中实质上全部测量结果都噪声较小的扫描位置否则将会接收显著的过度平滑化(太高β)。
例如,并且根据一个实施例,归一化步骤包括计算针对所述ROI中另外的图像点以及针对在第二扫描位置处的第二平面中的所述ROI的另外的图像点的正则化参数,使得相对于在所述第一平面中的所述ROI的正则化参数的平均或加权平均实质上等于相对于在所述第二平面中的所述ROI的所述正则化参数的平均或加权平均。
根据一个实施例,所述方法还包括以下步骤:根据所述先前迭代或任意先前迭代或根据通过不同重建方法先前获得的参考横断面图像来识别通过一体积的横断面图像中的所述ROI。
在一个实施例中,针对每个扫描位置,对所述正则化参数的所述归一化仅相对于在所述扫描位置处的所述平面中的所述ROI。更特别地,在所述归一化中使用的比例参数是仅相对于每个平面(或“切片”)中的ROI计算的。然而比例因数自身的应用是在各自切片或扫描位置中的全部图像点上完成的。
根据一个实施例,所述ROI是基于所述体积或基于来自任意先前迭代的体积预先计算的或用户定义的,或为从在先前迭代中重建的横断面图像预先计算的。所述ROI在一个实施例中可以通过阈值处理来计算。在一个实施例中,所述感兴趣区域为i)特定组织类型,尤其是软组织,的目标的一部分,或者ii)特定解剖区域或结构。在一个实施例中,所述ROI通常为通过所述目标与所考虑的各自平面相交限定的区域的一部分(不必须为连接的和/或可以具有孔)。
在一个实施例中,所述ROI被计算为排除i)表示所述平面中所述目标的边缘区域的图像数据,或者ii)排除表示具有低于阈值的衰减系数的目标部分的图像点,或者iii)排除表示目标背景的图像数据。
根据一个实施例,所述ROI中要针对归一化被忽略的所述边缘区域的范围或宽度在一个实施例中为用户可调的,在一个实施例中,所述边缘区域的宽度针对每个切片/平面保持恒定,或者被调整为扫描位置的函数或为其他量(例如图像质量度量)的函数。本文中提出的所述方法切掉某些非感兴趣区域,所述非感兴趣区域否则可能不利地减少或者甚至使归一化的期望作用无效。这在一个实施例中能够通过计算蒙板来完成,蒙板侵蚀或以其他方式修改阈值ROI图像部分,以排除上文提及的区。
根据一个实施例,对正则化参数和/或对应的归一化的所述计算包括再次使用一个或多个项,所述一个或多个项为先前在用于更新针对所述图像点的先前估计的所述或先前迭代中形成的。
根据一个实施例,所述正则化参数或对所述正则化参数的所述归一化是根据从所述投影数据获得的统计方差的参数化第二函数的一个或多个反投影的参数化第一函数计算的。
根据一个实施例,所述参数化第二函数为指数函数,其中,指数为固定或可调参数p。在特定实施例中,p=1/2,换言之,第二函数实质上为所述投影数据的反投影逆统计方差的平方根。在一个实施例中,仅第一(经由第二函数)或第二次参数化(经由第二函数)为可变的,但在优选的实施例中,两次参数化均为可变的。单或双参数化增大了自由度,以更好地使所述方法适应具体应用或噪声情形。
在一个实施例中,如此计算的正则化参数或为对来自要被重建的图像中在分辨率上不同(通常较低)的图像网格计算的,或为在对原始网格的计算之后对该通常较低的分辨率重新采样的。在迭代重建更新期间,然后经由插值从所计算的或表示的值计算局部正则化参数。这允许节省存储器和CPU时间。
总之,正则化参数及其归一化(或比例)关于感兴趣区域的空间变化组合在一起用于更好的噪声/分辨率权衡,以及因此具有变化的总衰减曲线的更好的扫描间剂量效用。在所重建的图像上具有均匀的噪声分布但并不放弃图像部分中负担得起的分辨率而不违反剂量约束,在基于图像的情报收集这样的诊断中尤其有益。人类图像分析师不被表现为均匀分辨率的图像并且因此“值得信赖”“诱引”到错误的安全感中。非常不同于仅有均匀分辨率用于图像产生的途径,所提出的方法得到为用户“指示”他们能够信任哪些图像部分的影像,这是通过使这些影像表现为比在其中噪声更为普遍的那些部分具有更高分辨率来实现的。
根据一个实施例,所述投影数据中的数字编码在微分相衬成像操作中的相位复原步骤期间获得的衰减。根据一个备选实施例,所述投影数据中的数字编码小散射的投影或所述相位梯度的投影。
附图说明
现在将参考附图描述本发明的示范性实施例,其中:
图1示意性地示出了计算机断层摄影(CT)成像布置;
图2示出了图像重建器的方框图;
图3示出了由图2的重建器产生的图像;
图4示出了由图2的重建器产生的另外的图像;
图5示出了图像处理方法的流程图。
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。成像系统100包括固定机架102和由固定机架102可旋转地支撑的旋转机架104。旋转机架104关于纵轴或z轴绕检查区域106(膛)旋转。诸如躺椅的支撑体108支撑检查区域106中对象并且能够被用于在扫描之前、期间和/或之后关于x、y和/或z轴定位对象。
诸如X射线管的辐射源110由旋转机架104制成并且与旋转机架104一起关于检查区域106旋转,并从多个不同的投影角度/方向发射辐射。在一个实施例中,在X射线管与检查区域之间设置有源准直器112,并且其对所发射的辐射进行准直以产生扇形或锥形X射线束。经准直的射束穿过检查区域及其中的目标或对象并辐照探测器114,该目标或对象根据目标或对象的放射密度(或局部折射率)衰减或以其他方式改变(例如,折射)射束。探测器包括探测器像素的辐射敏感阵列。探测器被设置为跨检查区域远离X射线管。探测器阵列可以为1D(亦即,其包括单一行探测器像素),或者优选为包括多个探测器像素行的2D探测器。
探测器像素然后探测穿过目标或对象之后的射束,以生成指示由目标或对象中的物质(下文仅被称作“成像目标”或简单地“目标”)引起的衰减(或改变)的投影数据。由于辐射源110绕目标的旋转,得以针对每个投影角度探测投影数据。旋转通常扫出完整的圆或小于360°的任意期望的弧段。沿扫描方向z(其穿过目标的等中心)连续地或逐步地送进躺椅或机架,并针对z轴上期望范围的扫描位置z重复以上操作。在示范性实施例中,由探测器产生的投影数据PD(本文中也称作“测量数据”)是从正弦图的集合形成的,每个正弦图被索引到或以其他方式与扫描方向z轴上各自的扫描位置相关联。正弦图是这样的结构,其中,对每个投影方向/旋转角θ,都存在如由在各自角度θ处的探测器像素探测到的相关联的投影原始图像数据。然而这仅仅是可以如何构建投影数据PD的一个实施例。本文中也设想针对投影数据的其他数据结构,只要与其各自的像素位置、投影角度和扫描位置z相关联的原始图像数据项为可检索的。在一个优选的实施例中,投影数据被以扫描器的原始几何结构供应为如由探测器像素探测到的投影视图的数据流。
重建器116重建投影数据以生成指示目标或对象的体积图像数据。更具体而言,扫描器的膛中的检查区域是由扫描器的膛中在成像期间目标位于其中并且在其中限定体积数据的点限定的“图像空间”。体积数据是从经轴横断面切片图像(“切片”)构成的,针对每个扫描位置z一个切片。每个切片内的图像点是由各自的重建平面中在扫描位置z处的(x,y)图像内坐标限定的,如图1中所示。换句话说,重建实质上是从投影空间(在其中限定正弦图)到图像空间的变换。
重建器116被配置为至少利用带有正则化的迭代重建算法。大体上,针对迭代重建算法,(由体素或在图像空间内限定的其他图像元素构成的)初始图像被正向投影,产生估计的投影数据,将所估计的投影数据与由探测器产生的实际测量的投影数据进行比较,并且如果所估计的投影数据与所测量的投影数据之间的差不满足预定停止准则的话,则更新初始图像。使用所更新的图像重复以上操作,直到满足停止准则。
合适的迭代统计重建算法并入了噪声模型。如下文在所图示的实施例中更详细地描述的,迭代统计重建算法并入可能基于最大期望(EM)、最大似然(ML)和/或其他迭代重建算法的重建算法。
图像处理器118处理体积图像数据并生成指示所探测到的辐射的一个或多个图像。显示器120被用于成像所述一个或多个图像。通用计算系统充当操作者控制台122,并且包括诸如显示器的输出设备和诸如键盘、鼠标等等的输入设备。驻留在控制台122上的软件允许操作者控制系统100的操作,例如允许操作者选择采用迭代统计算法的协议、识别针对迭代统计算法的噪声模型、识别针对迭代统计算法的加权因数、启动扫描等等。
图2宽泛地图示了根据一个实施例的重建器116的通用部件。所图示的重建器116包括正向投影器202,其正向投影初始图像以生成估计投影数据。比较器204将所估计的投影数据与所测量的投影数据进行比较。在所估计的投影数据与所测量的投影数据之间的比较给出校正数据。校正数据被用于(经由反向投影器208)更新所正向投影的图像,并且所更新的图像取决于预定停止准则206被用作针对正向投影器的输入,或被用作最终图像。反向投影器208将反向投影差异,以基于迭代统计重建算法生成经更新的图像。停止准则206可以基于经正向投影的数据到所测量的投影数据的接近度、迭代的次数、和/或其他停止准则。
图像更新器210根据更新函数(下文更多关于此的介绍),基于所反向投影的校正数据以及包括统计模型和正则化方法的更新函数214,来更新当前图像。在比较器204确定比较满足预定停止准则206时,该图像被用作最终图像。在比较器204确定比较不满足预定停止准则206时,迭代过程经由如本文中描述的正向投影器202,继续进行对所更新的图像的新的正向投影。在所图示的实施例中,重建算法存储装置212存储一个或多个基于统计学的更新函数214。图像更新器210接收初始图像并使用带有正则化的迭代重建算法来处理该图像。正则化是经由被图像更新器210使用的正则化参数的。正则化参数被正则化参数调整器(“β调整器”)216调整。为了更好地解释β调整器的运算,下面给出对正则化迭代重建的简要概述。
带有正则化的迭代图像重建已通过具有数据保真项和正则化项的代价函数得以公式化。将后一项乘以正则化因数β,并且然后将两项相加以确定总代价,其被最小化。通用的代价函数能够被表达为C(μ)=F(μ)+β*R(μ),其中μ表示图像,F(μ)表示数据保真项,R(μ)表示正则化项,并且β为自由参数并且表示控制正则化的强度的正则化因数。
宽泛而言,正则化项(或惩罚项或“正则项”)是响应于图像中的噪声水平的函数并且响应随其而变化:例如针对高噪声存在高响应并且针对低噪声存在低响应。正则化参数用于调节正则化项的响应,以控制图像质量,例如SNR或分辨率。
针对带有正则化的迭代重建,数据保真项将所正向投影的图像与所测量的投影进行比较,任选地包括关于投影的噪声模型。
例如通过ML使代价函数最小化并且假设在所测量的数据中为高斯或波松噪声模型大体上得到以下迭代表达:
其中:
j表示体素指数;
n表示迭代次数;
表示体积/图像μ中体素j的当前值;
表示体素j的居后值。
迭代等式右边的分数项被称作“更新项”或“更新函数”。在更新项中:
p表示投影;
i表示在投影p中的测量结果;
aij表示系统矩阵中的元素(体素j与属于投影p中的测量结果i的射线的交叉);aij实质上为正向投影器的离散版本;
aj表示对投影中的整体图像的正向投影;
表示对测量结果i的统计方差的反向投影;
表示对投影p的测量结果i所测量的值;
li表示对图像的正向投影;
为在所测量的与正向投影的数据之间在迭代n的差异,并且决定是否将更新项增加到当前图像或从当前图像减去更新项;
Np表示针对体素j投影p中的全部测量的指标的数目,针对其的系统矩阵元素不是零。
投影数据测量结果的方差可以从测量结果自身与校准测量结果组合来获得。方差然后能够被整理成表格结构。方差然后能够在迭代期间根据需要在计算迭代等式(1)的各个项时被访问和检索。
如上文简要评论的,迭代表达(1)右边的分数项为用于迭代重建的更新函数或更新项。其决定当前图像能够如何在下一次迭代中被更新。
如从等式(1)的结构可见,更新函数的数据(保真)项和正则化项能够再次出现在在更新函数的分子中,其中,分子的左边被加数实质上对应于数据保真项并且被加数的右边部分为正则化项。
数据项基于所执行的测量的统计模型,而正则化项并入关于图像的先验知识用于重建。数据项的大小受数据保真度影响,数据保真度局部地取决于投影数据中贡献于特定位置处的图像的测量结果的保真度(方差)。
正则化项或惩罚项R(.)表示关于要被重建的图像的先验知识。
如本文中使用的,“数据(保真)项”包括在投影数据PD点上运算的更新函数的功能或算法结构内的任意项。这通过等式(1)中具有单个下标i的表达来指示。相反,正则化项R在图像元素上运算(被示为j表达,例如体素或滴等),从而在图像域中运算。
尽管R在等式(1)中被写作“R-点”,但这仅为非限制性的范例。在一个实施例中,已使用近似方法(“抛物面替代”)以得到等式(1)中的更新函数,其包括取R的导数。本文中能够使用并且设想任意函数,只要其对图像数据的响应行为是所期望的。例如,如在迭代重建中应用的正则化项通常有利于使图像平滑(超过高频的低频分量)以实现降噪,并且通过正则化项因数或参数β被加权。因数β(亦即,正数)由此调节两个项之间的某种平衡。由于统计噪声模型的使用,图像内的数据保真项在大小上强烈变化。这是由于从有贡献的测量结果得到的强烈变化的统计权重,如通过在等式(1)的分数项中σi 2——数据项中的测量的方差——的使用示范性地表示的。该变化性有至少两个主要的不合期望的作用:
首先,已观察到在重建人类切片图像时数据保真度从中心朝向外周强烈变化。在外周处,所测量的数据更值得信赖,这是由于穿过的射线与在中心周围横贯的射线的情况相比遭遇相对小的衰减(并且因此具有高保真度)。在外周处收集到的数据因此贡献于更高的统计权重,并且因此得到相对高保真度的数据项。这继而得到在最终的重建图像中非均匀的噪声分布(在边缘区域中更高的噪声)以及非均匀的分辨率(在边缘区域中更高的分辨率)。在该情形中,以如在其他地方已提出的在图像上均匀的分辨率为目标,具有以下缺点:给定某个最大噪声水平——其将得到在图像体积的全部部分中可接受的图像质量,分辨率由具有最大噪声的区域限制。强迫在给定切片内均匀的分辨率的结果因此可能导致严重过度平滑化的边缘区域(亦即,远离旋转轴的区域)以及不可接受地非均匀的噪声分布。这就是为什么本发明以均匀的噪声分布而非均匀的分辨率为目标。
第二,当在扫描方向z上看时,假定相同的光子通量,在患者身体中具有小范围(例如颈部区域)或低放射密度(例如肺部区域)的部分中的数据保真度与具有较大范围(腹部等等)或较高放射密度(例如骨)的部分相比较可能远远更大。这部分地能够通过基于先前采集的定位扫描调制光子通量得到补偿。然而,由于特定的不准确性,这并不完美并且因此在真实临床数据中沿扫描方向高度变化的数据保真度是常见的。以均匀的噪声分布为目标并且给定针对具有低数据保真度的身体区域的某个最大可接受噪声水平,这可能导致可能远在具有高数据保真度的身体区域中可能的以下的分辨率。即使数据保真度高并且测量结果中仅有非常少的噪声,切片仍被平滑化以匹配总体可接受噪声水平(如在图4a的下面图像中示出的切片中示范性地示出的),尽管给定(局部)施予的剂量将预期在该位置处好得多的分辨率。
以上问题在低剂量设置和/或结合非线性正则化方案(例如Huber惩罚)时变得还要更为明显。在某些身体区域中光子匮乏的情况中,需要非常强的正则化以防止条形伪影。针对非线性正则化项,需要某些最小正则化强度以防止斑点(“椒盐”)噪声,其也取决于局部数据保真度。两者作用都导致在以均匀的噪声分布为目标时在具有较好噪声特性(较高数据保真度)的图像区域中的过度平滑化。
为了解决以上两个问题,所提出的β调整器216被配置为:
-在图像重建平面中以如下的方式调整并变化正则化参数β,即使得其在正则化项R上起作用为在所重建的图像中达到更为均匀的噪声。
-在扫描方向z上归一化所调整的β权重(亦即,每个切片的比例因数),从而在统计学意义上维持数据项与正则化项之间的平衡,并且因此在全部扫描位置上实施最优剂量利用和诊断值。
为了更好地理解如本文中提出的β调整器的运算,现在参考根据等式(1)用于迭代重建的通用等式。
为了更好地理解所提出的β调整的基本原理,更详细地简要回顾正则化参数的通用函数。
通常,参数β为常数或者至少在空间上不变(亦即,不依赖于图像元素坐标j)并且控制在数据项(等式(1)中的分数项的左边部分)与正则化项(等式(1)的右边部分中的R.)之间的收敛的平衡,以实现迭代重建的收敛。
典型的惩罚项或正则化R度量在体素j的小的邻域中的局部变化(“粗糙度”)。在完全收敛的图像中,等式(1)中的分数需要为零,因此β与局部粗糙度的乘积和数据项彼此抵消。因此,一旦收敛并且如果β在空间上不变,则局部粗糙度将根据数据项的(空间变化)大小而变化。但如果使β以与数据项相同的方式在空间上变化,则粗糙度R将变得空间不变。本文中提出的则是以使得实现后者的方式在空间上变化β。
现在将更详细地解释在本文中究竟如何使β变化。假设我们拥有完全收敛的图像,则如较早简要提及的,在以上等式的分数中的数据项与正则化项的贡献之间存在平衡。数据项将包括来自所测量的线积分li的噪声。贡献于分数项的数据项中的统计方差能够经由测量结果的方差来表达,如:
其中,指数“d”指代“数据项”的方差。
数据项的统计方差,亦即,更新等式中的分数的第一部分,根据测量结果li变化。这些测量结果中的每个都具有方差假设(1)中的项指代对完全收敛的(并且因此出于该目的恒定的)图像的正向投影。因此,分数的第一部分中的全部项的和的方差近似得到等式(2)。如由等式(2)表达的该数据统计方差在空间上变化,亦即其取决于j。然后在本文中假设,关于所收敛的图像中的噪声的信息被正则化项的功能行为捕获或在其中得到反映,这是因为当如上文陈述的假设收敛时两个项能够被视为彼此抵消。
针对对分数的正则化项贡献在平衡时恒定,必须通过对全局β项的缩放捕获噪声的空间方差,全局β项反映或遵循根据等式(2)的空间方差。因此本文中提出将β调整器216配置为根据以下计算正对给定图像元素j的空间变化的正则化参数:
其中,β指代允许调节正则化响应为达到期望的总体噪声水平的恒定的全局正则化参数。全局正则化参数β在一个实施例中是由人类用户预先设定的或如在申请人的WO2013/088294A1中描述的能够自动找到。
在一个实施例中,经调整的βj是通过对应于图像元素j的投影数据的方差的倒数的反向投影的平方根来计算的。经如此调整的正则化参数βj允许以与特定正则化项R捕获图像位置j处的图像噪声实质上相同方式大体上实现均匀的局部噪声。在备选的实施例中,等式(3)中的平方根被具有正指数p的指数代替(等式(3)为针对p=1/2的特定实施例),正指数p能够被选择为适合于特定应用或噪声情形。在又另外的实施例中,方差的倒数被方差的参数化函数(具有参数q)代替,尤其是方差的指数(等式(3)为针对q=-1的特定实施例),其中,指数能够被选择为适合于特定应用或噪声情形。
本文中要指出的是,以上收敛考虑并不依赖于等式(1)中计算正则化项的特定方式。申请人的实验已显示针对各种不同正则化项类型的良好结果,并且这些均作为实施例被包括在本文中。更具体地,根据一个实施例,R为Huber惩罚或为基于图像位置j的邻域中的图像元素(体素或滴)的(可能为加权)和或差的任意其他类型的非线性惩罚。例如,根据一个实施例,R-点,能够为中心体素j到其毗邻体素中的每一个的差的加权和,尽管本文中类似地设想更高阶的变化和更大的邻域。这些是针对R的非限制性示范性实施例,并且本文中类似地设想其他类型。根据一个实施例,β调整器按照当前或任意先前迭代基于更新等式(1)中的项计算βj。作为一个范例,通过来自先前迭代的更新等式(1)的分数中左边的项来近似(3)中的平方根表达。当应用有序子集算法时,使用更新等式(1)中分数的左边项在先前迭代中的多个或全部子集上的累积。使用该近似允许通过代替以上倒方差的一个完整反投影节省CPU时间。然而这是非限制性的范例,因为在其他实施例中能够类似地使用其他项,只要它们适当地反映对应于要被重建的图像点的投影数据的噪声水平和/或行为(亦即随其变化)。
根据一个实施例,β调整器不仅调整切片内的β,而且还沿扫描方向逐个切片地调整,以放置在重建体积中(沿扫描方向区域延伸的)区域中显著的过度平滑化(亦即,太高的β),在其中由于较小的患者/对象尺寸或较低的放射密度导致测量结果一般变得噪声较小。这一般适用于被沿它们的纵轴成像的渐变锥形结构,或这具有空气封闭的区域,如患者的胸部。该作用可见于图4中的的下面2个图像中。
为了实现沿扫描方向的该β调整,β调整器在一个实施例中包括归一化器216模块,其操作为使用比例因数s(z)逐个切片地归一化所经调整的β(x,y,z)。针对每个切片z的比例因数s(z)(在扫描方向上)是从在各自切片中的特定子区域m(x,y,z)内的β(x,y,z)的平均(或加权平均)获得的。区域m(x,y,z)是通过对各自的β(x,y,z)应用蒙板m来确定的,这允许将对βj的归一化聚焦或限制到感兴趣的那些区域上,例如软组织。否则可能不感兴趣的区域将主导归一化,具有减小或者甚至是所想要的结果无效的不利影响。蒙板一般针对每个切片z而不同。
在图3的最右边图像中示出了这样的蒙板的范例。该蒙板能够以适合于分割感兴趣区域(例如软组织)的任意方式来获得。在以下范例中,蒙板(其实质上为指数函数)在一个实施例中是经由对衰减值的图像体积的阈值处理以获得在位置z处针对蒙板m的模板来获得的。在一个实施例中,存在“侵蚀”该模板以排除该切片中另外的部分并进一步限制切片z中对比例因数s(z)的计算所要基于的那些β(x,y,z)的集的后续步骤,如现在将更详细地解释的。经如此侵蚀的模板(如由蒙板限定的)然后排除性地限定(然后要计算用于归一化的比例因数s所相对于的)全部β值的集或区域。
根据一个实施例,蒙板是通过阈值处理以分割身体区域来计算的。然后通过形态学操作侵蚀所分割的图像,以排除ROI的内周或外周区域。所排除的区域不表示相对于那些诊断性或其他感兴趣区域(在其中为了改善的图像质量要控制噪声)的数据项的方差。这是由于几乎看不到衰减的许多切向测量射线。类似地通过阈值处理和/或随后的侵蚀排除其他不感兴趣的区域,例如,表示膛中在患者或对象周围的空的空间的背景图像数据。“内周”区域意指空腔的边沿部分。
然后在每个切片内将比例因子s(z)确定为来自相同切片的侵蚀蒙板内的(如经由等式(3)或如上文描述的其他近似确定的)那些βj的平均的倒数。亦即,蒙板/指示函数乘以βj,并且针对每个切片确定β值的平均,以得到s(z)。随后通过用来自每个切片的全部βj乘以来自相同切片的对应的s(z)来应用s(z)。结果,感兴趣区域内β的平均值在z上(针对每个切片)近似恒定,并且因此,实质上在z上维持了数据项和正则化项在迭代期间的彼此平衡的方式恒定。
区域m(x,y,z)为感兴趣区域ROI在各自切片中的横截面,条件是所述ROI通常将横跨许多个切片延伸,并且将不需要针对ROI的每个切片运行上文描述的关于归一化的计算(包括蒙板计算)。
在一个实施例中,对先前从传统重建(如滤波反投影)获得的参考图像确定蒙板。在备选实施例中,迭代重建在全局空间不变的β的基础上继续进行仅次数为k的初始迭代,并且然后对针对第k次迭代所更新的图像确定蒙板。针对初始迭代的参数k或为通过专用协议固定的,或为经由图像质量测量自适应地确定的或为由用户指示的。例如,用户可以审阅在迭代的运行期间生成的更新的图像的序列,并然后通过鼠标点击或其他UI工具选择所更新的图像中期望的一个(例如,已充分详细地示出ROI的一个),然后要由归一化器216从其计算蒙板。在图3的范例中图示归一化器218的归一化运算。左边图像示出蒙板计算基于其上的参考图像,或为(例如从取自通过先前重建(例如但不限于常规的FBP重建)获得的定位图像或横断面图像或者取自如上文描述的任意先前迭代的剪影数据)预先计算的。右边图像示出所计算的蒙板,其中,感兴趣区域被示为白色,被遮挡掉的非感兴趣区域被示为黑色。中间图像示出所计算的βj,在这里其被示于在应用沿如图3中指示的z的归一化之前,如能够通过在图像的下半部分中高得多的值(明亮部分)看出的。下行的曲线(虚线)示出βj的线轮廓曲线,其中,相对于在来自上面中间图像的特定扫描位置z处与图像平面相交的线L标绘出β值。实线示出感兴趣区域的对应蒙板或指示函数。针对比例因子s(z)的计算,仅将针对其的指示函数非零的那些β考虑在内。曲线也示出,在该切片中患者的边缘不是感兴趣区域的部分,并且出于上文解释的原因在归一化(对s(z)的计算)中将不被考虑。使用阈值处理限定蒙板仅为示范性实施例,并且本文中类似地设想其他方法。例如,在另一实施例中,在依据等式(3)计算出βj之后,从所计算的βj代替从衰减值的图像点计算用于归一化的蒙板。这是通过在从βj的图像得到的梯度图像中对在其中高β值变化为低β值或是相反的过渡区域的识别,或是相对于边缘或内部区域中的值对βj的相对阈值处理来完成的。以此方式,表示背景或气穴的图像点能够被识别为高β区域,并且过渡区域d识别外周或内周区域。蒙板然后能够通过针对在过渡区域和高β区域中的图像点返回零来限定。换言之,在先前的阈值处理实施例中,ROI已基于图像点的体素值得以识别,其中,在该实施例中,识别基于已被β调整器216分配到各自的图像点的正则化参数。在任一个实施例中,被蒙板排除的边缘的宽度d一般基于经验值,并且一般取决于患者的大小和在考虑中的切片中的范围。图4示出所提出的在扫描方向上缩放的作用。在两栏中,β在图像平面内变化,在左栏(a)在扫描方向z上没有缩放,其然后被应用到栏(b)。上行示出在中心x-z平面中局部变化的β值,中行和下行示出在上行被蒙蔽的切片图像。在情况(a)中,能够在较小空间范围的区域中观察到较高的β值,导致过度平滑化以及分辨率的损失(较低切片图像)。这在(b)中得到弥补。归一化因此有效地防止了较低图像中相对的过度平滑。现在参考图5解释重建器116关于β调整器218的运算。
在S502接收针对沿扫描方向z的(不必须为相邻的)特定扫描位置的投影数据PD。图像体积的图像点可在迭代重建操作中从投影数据重建。投影数据覆盖在扫描期间目标或对象(例如患者)位于图像扫描器的膛内的范围,因此限定要被重建成图像体积的体积。该方法在第k次迭代步骤中对初始体积(k=1)的图像点或对在先前迭代步骤中重建的体积的图像点(1<k)进行运算。
作为所述体积中的位置的函数,在步骤S504中由β调整器216计算针对在所述位置处的图像点的正则化参数。正则化参数用于在所述迭代重建操作中的下一迭代中的应用。换言之,正则化参数在空间上(亦即在整个体积上)为自适应的或变化的。
作为扫描位置(亦即,图像体积内的z位置)的函数,在步骤S506由归一化器218相对于感兴趣区域归一化正则化参数,感兴趣区域在在所述扫描位置处穿过体积的平面中。感兴趣区域在一个实施例中为人类或动物患者中的解剖结构或区域的特定组织类型。在一个实施例中,平面可以为切片或垂直经过z方向(扫描方向)的任意平面。
然后在步骤S508中,由图像更新器210依据等式(1)在迭代重建操作中的下一迭代中的一个或多个中在投影数据上应用所述归一化正则化参数,以重建体积中的所述图像点。在一个实施例中,重建运算基于数据项和正则化项。在步骤504如此计算正则化参数,其实质上遵循或对应于数据项的方差。数据项的方差被取作对针对可重建成体积中的所述图像点的投影数据中的噪声行为和噪声水平的指示。
在一个实施例中,所述正则化参数是在稀疏网格(亦即,图像体积中点的位置的网格)上计算的,该稀疏网格的分辨率不同于针对时间图像点的图像网格,后者被用于对图像体积的实际重建。正则化参数的稀疏网格表示的分辨率通常将低于图像体积表示,并且主要目的是节省在其他情况中针对全分辨表示所需要的存储器空间。在对更新等式(1)的计算时,在一个实施例中,通过从实际计算和表示的值的插值联机计算正则化参数βj。在一个实施例中使用线性插值,然而该方法不限于特定插值方案。
在一个实施例中,有序子集迭代方案被用于迭代,并且正则化参数随着每次迭代而被更新,但在备选的实施例中可以针对一定次数的迭代保持恒定。触发用于对正则化参数的重新计算和或重新归一化的更新或者经由用户发出的信号或者为基于协议的或者能够响应于由比较器204确定的在前投影图像估计与投影数据之间的偏差来触发。另外,不需要从一开始而是在一定次数的迭代之后,才计算正则化参数。在该情况中,迭代重建从预定缺省值和/或用户定义的正则化参数开始,并且来自在第一次迭代中的更新期间计算的更新等式的项被累积并被用于依据步骤S504计算正则化参数。依然不需要从开始而是仅在一定次数的迭代之后,才执行归一化。在该情况中,在一定次数的迭代之后所更新的图像被用于确定归一化运算S506所需要的ROI。
应理解,步骤S504-S508一般被同时或并行地应用到体积中的每个图像点。步骤S504基于其上的图像体积可以不必须为在先前迭代中重建的一个,而是可以为通过常规FBP或通过任意其他重建方法重建的初始体积(μ0)。另外,“下一迭代”或“先前迭代”不必须指示“下一次”迭代的紧邻的前一次迭代。而且如本文中使用的“重建图像体积”或“重建图像点”在本语境中不必须意指所述体积或图像点为如由本文中提出的方法或装置产生的最终输出,而是所述体积或图像点为在某个次数的迭代k(≥1)之后的输出或产生的。无论体积是否为最终输出或者是由停止准则206限定的。
另外,在一个实施例中,投影数据编码通过对通过使用相衬成像PCT装置(例如扫描器系统100中的干涉仪)探测到的探测器信号应用“相位复原”步骤获得的衰减线积分。在一个实施例中,光栅被布置在探测器上。合适的信号处理器然后处理所述信号,从该信号推导三个投影数据集:针对衰减的一个、针对小角度散射的一个以及针对差分相移的一个。本文中提出的方法然后能够被应用于对这三个不同投影数据中的任一个的重建。等式(3)中使用的投影数据方差则取自要被重建的相应投影数据的方差。然后如本文中解释的经由从对应的衰减投影数据重建的图像计算对ROI的识别,用于计算比例因数,并且然后将蒙板映射到微分相移对比或小角度散射图像。针对重建,然后使用如在例如T等人的“IterativeReconstructionforDifferentialPhaseContrastImagingusingsphericallysymmetricbasisfunctions”,MedPhys38(8),2011,第4542页中描述的用于相衬成像的迭代重建,额外地利用如本文中解释的空间变化的且归一化的正则化参数。
在相衬成像中,包括方差的项的功能结构一般不同于依据等式(2)(3)的示范性实施例。在相衬成像中,方差能够依据在由Weber等人在“Noiseinx-raygrating-basedphase-contrastimaging”,MedicalPhysics,2011年7月第38卷7号中的等式(26)、(29——在第2行、第2列的矩阵元)中限定的2/[(平均强度(针对像素x,y的投影数据条目)*n*V2],从相衬投影数据得到估计。V为可见度并且n为Talbot阶,其中n=1、3,或5或7。在一些实施例中也设想n=9。
图像处理器116及其部件可以被布置为分开的模块,其被布置在分布式架构中并在合适的通信网络中被连接。
在一个实施例中,图像处理器IP被布置为专用FPGA或硬接线的独立芯片。
在备选的实施例中,图像处理器IP及其部件驻留在工作站CON中,作为在其上运行的软件例程。图像处理器IP及其部件可以在合适的科学计算平台(例如)中被编程并且可以被翻译成在文件库中维护的C++或C例程,并在被X射线、CT或MRI图像的工作站调用时被链接。
在本发明的另一示范性实施例中,提供一种计算机程序或计算机程序单元,其特征在于适合于在合适的系统上执行根据前述实施例中的一个的方法的方法步骤。
计算机程序单元因此可以被存储在计算机单元上,其也可以为本发明的实施例的部分。该计算单元可以适合于执行或引起执行上文描述的方法的步骤。此外,其可以适合于操作上述装置的部件。计算单元能够适合于自动操作和/或执行用户的命令。计算机程序可以被加载到数据处理器的工作存储器中。数据处理器因此可以被装备为执行本发明的方法。
本发明的该示范性实施例覆盖以下两者,从一开始就使用本发明的计算机程序以及借助于更新将已有程序转为使用本发明的程序的计算机程序。
进一步地,计算机程序单元可以能够提供要履行如上文描述的方法的示范性实施例的流程的全部所需步骤。
根据本发明另外的示范性实施例,提供一种计算机可读介质,例如CD-ROM,其中,该计算机可读介质具有被存储于其上的计算机程序单元,该计算机程序单元如前段所描述的。
计算机程序可以被存储和/或分布在合适的介质上,例如与其他硬件一起或作为其他硬件的部分供应的光学存储介质或固态介质,但也可以被分布为其他形式,例如经由互联网或者其他有线或无线电信系统。
然而,计算机程序也可以被提供在诸如万维网的网络上,并且能够从这样的网络被下载到数据处理器的工作存储器中。根据本发明另外的示范性实施例,提供一种用于使计算机程序单元可供下载的介质,该计算机程序单元被布置为执行根据本发明的前述实施例的方法。
必须指出,本发明的实施例是参考不同主题来描述的。尤其地,一些实施例是参考方法型权利要求来描述的,而其他实施例是参考设备型权利要求来描述的。然而,本领域技术人员将从上文和下文的描述获悉,除非另行指明,除属于一种类型的主题的特征的任意组合以外,要将涉及不同主题的特征之间的组合也视为被本申请公开。然而,能够组合所有特征,提供大于特征的简单加合的协同作用。
尽管已在附图和前文的描述中详细图示并描述了本发明,但要将这样的图示和描述视为说明性或示范性的而非限制性的。本发明不限于所公开的实施例。本领域技术人员通过研究附图、公开内容和所附权利要求,在实践要求保护的发明时,能够理解并实现对所公开实施例的其他变型。
在权利要求中,词语“包括”不排除其他元件或步骤,词语“一”或“一个”不排除多个。单个处理器或其他单元可以履行权利要求中记载的几个项目的功能。尽管在互不相同的从属权利要求中记载了特定措施,但是这并不指示不能有利地使用这些措施的组合。权利要求中的任何附图标记都不应当被解释为对范围的限制。
Claims (15)
1.一种CT图像处理方法,包括以下步骤:
-接收(S502)沿扫描方向对一体积采集的投影数据,所述体积的一个或多个图像点能够在迭代重建操作中根据所述投影数据中的至少部分来重建;
-作为在先前迭代中重建的或以其他方式重建的体积中位置的函数,针对所述迭代重建操作中的下一迭代计算(S504)针对在所述位置处的图像点的正则化参数;
-作为沿所述扫描方向的扫描位置的函数,相对于平面中目标中的感兴趣区域ROI归一化(S506)所述正则化参数,所述平面在所述扫描位置处穿过所述体积,所述ROI由蒙板m限定,其中,所述归一化(S506)经由所述正则化参数的平均或加权平均;
-当在所述下一迭代中根据所述投影数据迭代重建所述图像点时,应用(S508)所述归一化正则化参数。
2.如权利要求1所述的方法,其中,对所述正则化参数的所述计算为所述投影数据中的噪声行为或噪声水平的函数。
3.如权利要求1-2中的任一项所述的方法,还包括根据所述先前迭代或任意先前迭代或根据通过不同重建方法先前获得的参考横断面图像来识别通过一体积的横断面图像中的所述ROI的步骤。
4.如权利要求1-3中的任一项所述的方法,其中,所述归一化步骤(S506)包括:
-针对所述ROI中另外的图像点并且针对在第二扫描位置的第二平面中的所述ROI的另外的图像点计算正则化参数,使得关于在所述第一平面中的所述ROI的所述正则化参数的平均或加权平均实质上等于关于在所述第二平面中的所述ROI的所述正则化参数的平均或加权平均。
5.如权利要求1-4中的任一项所述的方法,其中,所述ROI为基于所述体积或基于来自任意先前迭代的体积预先计算的或用户定义的,或为从在先前迭代中重建的横断面图像预先计算的。
6.如权利要求1-5中的任一项所述的方法,其中,所述感兴趣区域为i)特定组织类型,尤其是软组织,的所述目标的一部分,或ii)特定解剖区域或结构。
7.如权利要求1-6中的任一项所述的方法,其中,所述ROI排除i)表示所述平面中所述目标的边缘区域的图像数据,或者ii)排除表示具有低于阈值的衰减系数的目标部分的图像点,或者iii)排除表示目标背景的图像数据。
8.如权利要求1-8中的任一项所述的方法,其中,所述正则化参数或对所述正则化参数的所述归一化是根据从所述投影数据获得的统计方差的参数化第二函数的一个或多个反投影的参数化第一函数计算的。
9.如权利要求1所述的方法,其中,所述参数化第二函数为指数函数,其中,指数为固定或可调参数p,尤其是p=1/2,其中,所述第二函数实质上为所述投影数据的反投影逆统计方差的平方根。
10.如权利要求1-9中的任一项所述的方法,其中,对所述正则化参数的所述计算和/或所述对应的归一化包括再次使用一个或多个项,所述一个或多个项为先前在用于更新针对所述图像点的先前估计的所述先前迭代或先前迭代中形成的。
11.如权利要求1-10中的任一项所述的方法,其中,所述正则化参数被计算并且以比所重建的图像体积更低的分辨率被表示,其中,在所述重建步骤(S508)中应用的所述正则化参数经由插值而被从所述较低分辨率正则化参数检索。
12.如权利要求1-11中的任一项所述的方法,其中,所述投影数据是从微分相衬成像操作获得的。
13.一种图像处理器装置(116),其被配置为根据权利要求1-12中的任一项所述的方法处理投影数据。
14.一种用于控制根据权利要求13所述的装置的计算机程序单元,所述计算机程序单元在由处理单元运行时适于执如行权利要求1-12所述的方法的步骤。
15.一种计算机可读介质,其上存储有如权利要求14所述的程序单元。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
EP13186649 | 2013-09-30 | ||
EP13186649.3 | 2013-09-30 | ||
PCT/EP2014/070424 WO2015044237A1 (en) | 2013-09-30 | 2014-09-25 | Method for local adjustment of regularization parameters for image quality optimization in fully 3d iterative ct reconstruction |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105593905A true CN105593905A (zh) | 2016-05-18 |
CN105593905B CN105593905B (zh) | 2019-07-23 |
Family
ID=49304700
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201480053952.8A Active CN105593905B (zh) | 2013-09-30 | 2014-09-25 | 针对完全3d迭代ct重建中的图像质量优化用于对正则化参数的局部调节的方法 |
Country Status (4)
Country | Link |
---|---|
US (1) | US9478049B2 (zh) |
EP (1) | EP3053143B1 (zh) |
CN (1) | CN105593905B (zh) |
WO (1) | WO2015044237A1 (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107220665A (zh) * | 2017-05-18 | 2017-09-29 | 清华大学深圳研究生院 | 一种图像插值方法及基于该方法的二维经验模态分解方法 |
CN107909618A (zh) * | 2017-05-19 | 2018-04-13 | 上海联影医疗科技有限公司 | 图像重建系统和方法 |
CN108324306A (zh) * | 2017-01-16 | 2018-07-27 | 韦伯斯特生物官能(以色列)有限公司 | 在耳鼻喉手术中透视黏液 |
CN109493393A (zh) * | 2017-09-13 | 2019-03-19 | 西门子医疗有限公司 | 减少计算机断层扫描图像数据中的多个移动伪像 |
CN112529977A (zh) * | 2020-12-04 | 2021-03-19 | 江苏赛诺格兰医疗科技有限公司 | 一种pet图像重建的方法和系统 |
CN112771374A (zh) * | 2018-10-08 | 2021-05-07 | 洛桑联邦理工学院 | 基于训练的非线性映射的图像重建方法 |
CN112771374B (zh) * | 2018-10-08 | 2024-06-28 | 洛桑联邦理工学院 | 基于训练的非线性映射的图像重建方法 |
Families Citing this family (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104287768A (zh) * | 2014-09-30 | 2015-01-21 | 沈阳东软医疗系统有限公司 | 一种ct扫描剂量控制方法及系统 |
CN107251095B (zh) | 2015-02-03 | 2021-02-26 | 皇家飞利浦有限公司 | 图像重建系统、方法和计算机可读介质 |
WO2017154217A1 (ja) | 2016-03-11 | 2017-09-14 | 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 |
WO2017166187A1 (en) | 2016-03-31 | 2017-10-05 | Shanghai United Imaging Healthcare Co., Ltd. | System and method for image reconstruction |
WO2018022565A1 (en) * | 2016-07-25 | 2018-02-01 | The General Hospital Corporation | System and method for tomographic image reconstruction |
US10485501B2 (en) | 2016-09-09 | 2019-11-26 | Koninklijke Philips N.V. | Computer tomography X-ray imaging |
US11961166B2 (en) | 2016-12-14 | 2024-04-16 | Koninklijke Philips N.V. | Information-adaptive regularization for iterative image reconstruction |
CN107369187B (zh) * | 2017-06-20 | 2019-08-13 | 天津大学 | 基于邻点变差和的电学层析成像正则化重建方法 |
US11382574B2 (en) | 2017-11-06 | 2022-07-12 | Rensselaer Polytechnic Institute | Stationary in-vivo grating-enabled micro-CT architecture (sigma) |
WO2019134905A1 (en) * | 2018-01-02 | 2019-07-11 | Koninklijke Philips N.V. | Image reconstruction employing tailored edge preserving regularization |
KR102007340B1 (ko) * | 2018-01-11 | 2019-08-06 | 중앙대학교 산학협력단 | 영상 분할 방법 |
CN113039582A (zh) * | 2018-11-16 | 2021-06-25 | 皇家飞利浦有限公司 | 用于步进式拍摄和运动补偿正电子发射断层摄影(pet)研究的边缘保留惩罚重建 |
US10685461B1 (en) * | 2018-12-20 | 2020-06-16 | Canon Medical Systems Corporation | Apparatus and method for context-oriented iterative reconstruction for computed tomography (CT) |
CN111815527B (zh) * | 2020-06-16 | 2023-10-27 | 三峡大学 | 基于Weibull分布的混合高阶变分超声图像去噪方法 |
CN116664707B (zh) * | 2022-02-17 | 2024-02-13 | 北京朗视仪器股份有限公司 | 一种ct图像迭代重建方法、装置及计算机设备 |
CN117274798B (zh) * | 2023-09-06 | 2024-03-29 | 中国农业科学院农业信息研究所 | 基于正则化的时序变分模型的遥感水稻识别方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102549616A (zh) * | 2009-09-24 | 2012-07-04 | 皇家飞利浦电子股份有限公司 | 用于生成感兴趣区域的图像的系统和方法 |
WO2013002805A1 (en) * | 2011-06-30 | 2013-01-03 | Analogic Corporation | Iterative image reconstruction |
Family Cites Families (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6324242B1 (en) | 1999-04-09 | 2001-11-27 | Arch Development Corporation | Fast reconstruction with uniform noise properties in half-scan tomography |
US8538099B2 (en) | 2005-03-23 | 2013-09-17 | General Electric Company | Method and system for controlling image reconstruction |
DE102010029281A1 (de) | 2010-05-25 | 2011-12-01 | Siemens Aktiengesellschaft | Verfahren und Bildrekonstruktionseinrichtung zur Rekonstruktion von Bilddaten |
EP2601639A1 (en) | 2010-08-04 | 2013-06-12 | Koninklijke Philips Electronics N.V. | Method and system for iterative image reconstruction |
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 |
US8416914B2 (en) | 2011-07-08 | 2013-04-09 | General Electric Company | System and method of iterative image reconstruction for computed tomography |
US8571291B2 (en) | 2011-10-19 | 2013-10-29 | Kabushiki Kaisha Toshiba | Combination weight applied to iterative reconstruction in image reconstruction |
IN2014CN04759A (zh) | 2011-12-13 | 2015-09-18 | Koninkl Philips Nv | |
US9251606B2 (en) * | 2012-02-01 | 2016-02-02 | The Research Foundation For The State University Of New York | Computerized image reconstruction method and apparatus |
US20130336562A1 (en) * | 2012-06-15 | 2013-12-19 | Toshiba Medical Systems Corporation | Adaptively determined parameter values in iterative reconstruction method and system |
US9305358B2 (en) * | 2013-07-01 | 2016-04-05 | Kabushiki Kaisha Toshiba | Medical image processing |
-
2014
- 2014-09-25 CN CN201480053952.8A patent/CN105593905B/zh active Active
- 2014-09-25 EP EP14772346.4A patent/EP3053143B1/en active Active
- 2014-09-25 WO PCT/EP2014/070424 patent/WO2015044237A1/en active Application Filing
- 2014-09-25 US US14/917,611 patent/US9478049B2/en active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102549616A (zh) * | 2009-09-24 | 2012-07-04 | 皇家飞利浦电子股份有限公司 | 用于生成感兴趣区域的图像的系统和方法 |
WO2013002805A1 (en) * | 2011-06-30 | 2013-01-03 | Analogic Corporation | Iterative image reconstruction |
Non-Patent Citations (3)
Title |
---|
DAN J. KADRMAS: "Statistically Regulated and Adaptive EM Reconstruction for Emission Computed Tomography", 《IEEE TRANSACTIONS ON NUCLEAR SCIENCE》 * |
J. WEBSTER STAYMAN ET AL.: "Regularization for Uniform Spatial Resolution Properties in Penalized-Likelihood Image Reconstruction", 《IEEE TRANSACTIONS ON MEDICAL IMAGING》 * |
张慧滔 等: "利用GPU实现单层螺旋CT的三维图像重建", 《电子学报》 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108324306A (zh) * | 2017-01-16 | 2018-07-27 | 韦伯斯特生物官能(以色列)有限公司 | 在耳鼻喉手术中透视黏液 |
CN107220665A (zh) * | 2017-05-18 | 2017-09-29 | 清华大学深圳研究生院 | 一种图像插值方法及基于该方法的二维经验模态分解方法 |
CN107909618A (zh) * | 2017-05-19 | 2018-04-13 | 上海联影医疗科技有限公司 | 图像重建系统和方法 |
CN109493393A (zh) * | 2017-09-13 | 2019-03-19 | 西门子医疗有限公司 | 减少计算机断层扫描图像数据中的多个移动伪像 |
CN112771374A (zh) * | 2018-10-08 | 2021-05-07 | 洛桑联邦理工学院 | 基于训练的非线性映射的图像重建方法 |
CN112771374B (zh) * | 2018-10-08 | 2024-06-28 | 洛桑联邦理工学院 | 基于训练的非线性映射的图像重建方法 |
CN112529977A (zh) * | 2020-12-04 | 2021-03-19 | 江苏赛诺格兰医疗科技有限公司 | 一种pet图像重建的方法和系统 |
CN112529977B (zh) * | 2020-12-04 | 2024-03-29 | 江苏赛诺格兰医疗科技有限公司 | 一种pet图像重建的方法和系统 |
Also Published As
Publication number | Publication date |
---|---|
WO2015044237A1 (en) | 2015-04-02 |
US20160225169A1 (en) | 2016-08-04 |
US9478049B2 (en) | 2016-10-25 |
EP3053143B1 (en) | 2019-03-27 |
EP3053143A1 (en) | 2016-08-10 |
CN105593905B (zh) | 2019-07-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105593905A (zh) | 针对完全3d迭代ct重建中的图像质量优化用于对正则化参数的局部调节的方法 | |
JP5530637B2 (ja) | 画像再構成の方法及びシステム | |
Niu et al. | Accelerated barrier optimization compressed sensing (ABOCS) reconstruction for cone‐beam CT: phantom studies | |
US10085698B2 (en) | Methods and systems for automated tube current modulation | |
US9036771B2 (en) | System and method for denoising medical images adaptive to local noise | |
JP5462865B2 (ja) | 不完全な解剖学的画像を補償するための非減衰補正pet放出画像の使用 | |
CN103619259B (zh) | 图像重构装置及图像重构方法 | |
US11000255B2 (en) | Systems and methods for generating simulated computed tomography (CT) images | |
Wang et al. | Scatter correction for cone‐beam computed tomography using moving blocker strips: a preliminary study | |
US8452064B2 (en) | Apparatus and methods for geometric calibration of positron emission tomography systems | |
US9489752B2 (en) | Ordered subsets with momentum for X-ray CT image reconstruction | |
WO2012147471A1 (ja) | 医用画像処理装置、医用画像処理方法 | |
JP2017521124A (ja) | 鮮明度駆動型正則化パラメータを用いる反復画像再構成 | |
CN107252318A (zh) | 采集协议评价设备 | |
JP2011503570A (ja) | 減衰マップを形成するための装置及び方法 | |
US10049446B2 (en) | Accelerated statistical iterative reconstruction | |
JP2016152916A (ja) | X線コンピュータ断層撮像装置及び医用画像処理装置 | |
CN103229212A (zh) | 具有基于恒定方差的加权因子的迭代重建算法 | |
JP2020519863A (ja) | 定量的分子撮像のための正確なハイブリッドデータセットの生成 | |
EP3803779B1 (en) | Scatter correction for x-ray imaging | |
US10515467B2 (en) | Image reconstruction system, method, and computer program | |
RU2736160C1 (ru) | Способ формирования медицинского изображения | |
US20140205170A1 (en) | Fast iterative image reconstruction method for 3d computed tomography | |
JP6741158B2 (ja) | 散乱推定方法および画像処理装置 | |
Kim et al. | Algebraic iterative image reconstruction using a cylindrical image grid for tetrahedron beam computed tomography |
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 |