CN106296615B - Ct图像中校正金属伪影的方法和系统 - Google Patents
Ct图像中校正金属伪影的方法和系统 Download PDFInfo
- Publication number
- CN106296615B CN106296615B CN201610679394.7A CN201610679394A CN106296615B CN 106296615 B CN106296615 B CN 106296615B CN 201610679394 A CN201610679394 A CN 201610679394A CN 106296615 B CN106296615 B CN 106296615B
- Authority
- CN
- China
- Prior art keywords
- mrow
- image
- metal
- projection
- data
- 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
Links
- 239000002184 metal Substances 0.000 title claims abstract description 243
- 229910052751 metal Inorganic materials 0.000 title claims abstract description 243
- 238000000034 method Methods 0.000 title claims abstract description 66
- 238000012545 processing Methods 0.000 claims abstract description 36
- 238000012937 correction Methods 0.000 claims abstract description 21
- 230000008569 process Effects 0.000 claims description 21
- 238000001914 filtration Methods 0.000 claims description 11
- 230000011218 segmentation Effects 0.000 claims description 11
- 239000011159 matrix material Substances 0.000 claims description 10
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 claims description 6
- 239000010931 gold Substances 0.000 claims description 6
- 229910052737 gold Inorganic materials 0.000 claims description 6
- 238000010276 construction Methods 0.000 claims description 5
- 230000002197 limbic effect Effects 0.000 claims description 5
- 230000004927 fusion Effects 0.000 claims description 3
- 238000006467 substitution reaction Methods 0.000 claims description 2
- 210000000988 bone and bone Anatomy 0.000 description 10
- 238000010586 diagram Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 5
- 210000004872 soft tissue Anatomy 0.000 description 5
- 210000001519 tissue Anatomy 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000001883 metal evaporation Methods 0.000 description 3
- 238000010606 normalization Methods 0.000 description 2
- 238000011084 recovery Methods 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 238000000638 solvent extraction Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000003759 clinical diagnosis Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 238000009432 framing Methods 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000002715 modification method Methods 0.000 description 1
- 230000035772 mutation Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
-
- 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
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20212—Image combination
- G06T2207/20221—Image fusion; Image merging
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
本发明涉及一种CT图像中校正金属伪影的方法和系统，上述CT图像中校正金属伪影的方法包括：对未校正CT图像中的金属区域进行分割，得到只含有金属信息的图像；对未校正CT图像和只含有金属信息的图像进行限值处理，得到未校正限值图像和金属信息限值图像；对未校正限值图像和金属信息限值图像进行前向投影，得到p_original和p_metal；利用p_metal定位出p_original中的金属区域，利用p_original中金属区域两端外的信息插值估计金属区域内的信息，根据插值估计后的投影数据重建CT图像，对重建CT图像进行滤波处理，构造先验图像；对先验图像进行前向投影，得到p_prior，根据p_prior对p_original中的金属区域进行插值校正，得到p_correct2；对p_correct2进行重建，得到I_correct2，将I_correct2与只含有金属信息的图像融合，校正CT图像。
Description
技术领域
本发明涉及医学CT图像处理技术，特别是涉及一种CT图像中校正金属伪影的方法和系统。
背景技术
在医学CT成像中，如果病人成像部位植入金属，由于金属对X射线具有很高的衰减性，导致探测器接收到的数据存在严重的测量误差，重建后的CT图像含有明显的金属伪影。这些伪影的具体表现为，以金属为中心向四周发出黑色和白色放射状条纹。这些连续伪影的像素值范围很广，最小值可以低到空气像素值(标准空气像素值为-1000)，最大值可以达到和骨头一样的像素值(如牙齿像素值可为+2500)。金属伪影严重影响了CT图像质量和临床诊断准确率，因此，需要设计一种有效的可以降低甚至去除CT图像中金属伪影的方法，便于医生临床诊断。
主要的CT图像金属伪影校正方法包括迭代法和投影插值法。迭代法由于迭代耗时，需调整迭代参数，其应用受到限制。投影插值法，是对投影数据图像中的金属信息利用其两端的非金属信息进行插值得到校正后的投影数据，之后重建得到校正后的CT图像。由于直接利用CT机上采集得到的原始投影数据图像定位金属信息较为困难，一般采用未校正的含有金属及其金属伪影信息的CT图像进行前向投影运算，得到模拟的投影数据作为原始投影数据。另外，对投影数据中金属信息区域进行插值的方法也有很多，如最简单的线性插值，多项式插值，样条插值，小波插值等等，但是这类方法依然不能有效去除金属伪影，甚至会由于插值误差带入新的伪影。
近年来，在投影插值法这一类方法中，基于先验模型的修正方法得到了较好的CT图像金属伪影校正效果，其基本步骤为：1)分割出未校正的CT图像中金属区域，得到只含有金属的CT图像；2)利用未校正的CT图像构建先验模型图像；3)对未校正的CT图像、只含有金属的CT图像以及先验模型图像进行前向投影运算操作，得到各自的投影数据图像，分别简称为未校正投影数据、金属投影数据和先验投影数据；4)利用金属投影数据中的金属区域确定未校正投影数据中的金属区域，从而利用先验投影数据插值估计未校正投影数据中金属区域内部信息；5)利用校正后的投影数据重建得到无金属和金属伪影的CT图像；6)将1)步骤中只含有金属的CT图像中的金属信息填充到金属伪影校正后的CT图像中，这样就完成了整一轮校正。基于先验模型的投影插值修正方法中，金属分割精度和构建优质先验图像对最终金属伪影校正效果起到关键的作用。
对于金属分割，最简单的方法是阈值分割方法，即根据金属的像素值所处的范围进行划分，一般地，含有金属伪影的CT图像中，其金属像素值大于+3000，所以以+3000为阈值，将大于+3000的图像像素区域认定为金属，小于+3000的区域认为是空气、软组织和骨头等其它组织。但是，由于部分密度较高的骨头的像素值也会达到金属像素值的范围，所以利用简单的阈值分割方法极有可能将骨头错误判断为金属，这样就会导致对金属投影区域进行插值的时候，同时将误判为金属的骨头投影区域进行插值操作，影响最终校正结果。如果将阈值设置的更高以避开密度较高的骨头的像素值范围，金属区域分割不完全。为了提高金属区域分割精度，利用更高级的分割算法可以解决此问题，如区域生长分割算法、均值漂移算法、基于马克科夫场随机模型的分割算法等，但是高级的分割方法存在种子点手动选取、参数调节费时、计算复杂度高等问题，影响批量图像处理速度。
不同的构建先验图像方法对未校正CT图像投影数据中金属区域内信息的恢复的效果不同，导致重建后的CT图像中金属伪影的去除效果和新伪影的出现程度不同。申请号为201310554232.7的国内发明专利，采用多阈值分割方法，通过手动指定的多阈值，将图像除了金属区域的其它区域分为空气、肌肉组织和骨头，且每一类组织置成单一像素值。不足之处有：第一，通过手动指定多个阈值，需要反复调节，才能找到合适的阈值进行比较正确的组织类别划分；第二，由于金属伪影的像素值分布范围可能在空气、肌肉组织和骨头各区域内，因此，比如，本应该是软组织的区域受到金属伪影的严重影响从而被划分到了别的区域(空气或者骨头)，造成先验图像构建的不适当；第三，每一种组织像素值都有一定范围波动，若对每一类组织置成单一像素值，造成丢失该类别组织范围内的低对比度信息，这样不能尽可能得到接近原图的用于作为校正标准的优化图像。申请号为201410522827.9的国内发明专利，采用区域生长的方法提取靠近金属的伪影区域，并对伪影区域内的像素进行软组织信息恢复，并同分割出来的骨骼信息构造先验图像。不足之处有：第一，较为准确的区域生长法采用手动选取种子点，不同CT图像的金属伪影位置和形态不尽相同，手动指定伪影区域并选取种子点会耗时费力；第二，对伪影区域内的像素进行软组织信息恢复的数学表达式中涉及软组织像素值浮动范围以及曲线参数，对不同形态和金属伪影严重程度的CT图像其最理想参数设置也不同，需要反复调节才能较好恢复金属伪影位置上的软组织信息，耗时费力。
发明内容
基于此，有必要针对传统方案批量图像处理速度受到影响，存在耗时费力的技术问题，提供一种CT图像中校正金属伪影的方法和系统。
一种CT图像中校正金属伪影的方法，包括如下步骤：
对未校正CT图像中的金属区域进行分割，得到只含有金属信息的图像；
分别对未校正CT图像和只含有金属信息的图像进行限值处理，得到未校正限值图像和金属信息限值图像；
分别对未校正限值图像和金属信息限值图像进行前向投影，得到p_original和p_metal；其中，p_original为未校正限值图像对应的投影数据，p_metal为金属信息限值图像对应的投影数据；
利用p_metal定位出p_original中的金属区域，并利用p_original中金属区域两端外的信息插值估计金属区域内的信息，根据插值估计后的投影数据重建CT图像，并对重建CT图像进行滤波处理，构造先验图像；
对先验图像进行前向投影，得到投影数据p_prior，根据p_prior对p_original中的金属区域进行插值校正，得到投影数据p_correct2；
对p_correct2进行重建，得到重建图像I_correct2，将I_correct2与只含有金属信息的图像融合，得到校正后的CT图像。
一种CT图像中校正金属伪影的系统，包括：
分割模块，用于对未校正CT图像中的金属区域进行分割，得到只含有金属信息的图像；
限值模块，用于分别对未校正CT图像和只含有金属信息的图像进行限值处理，得到未校正限值图像和金属信息限值图像；
投影模块，用于分别对未校正限值图像和金属信息限值图像进行前向投影，得到p_original和p_metal；其中，p_original为未校正限值图像对应的投影数据，p_metal为金属信息限值图像对应的投影数据；
构造模块，用于利用p_metal定位出p_original中的金属区域，并利用p_original中金属区域两端外的信息插值估计金属区域内的信息，根据插值估计后的投影数据重建CT图像，并对重建CT图像进行滤波处理，构造先验图像；
校正模块，用于对先验图像进行前向投影，得到投影数据p_prior，根据p_prior对p_original中的金属区域进行插值校正，得到投影数据p_correct2；
融合模块，用于对p_correct2进行重建，得到重建图像I_correct2，将I_correct2与只含有金属信息的图像融合，得到校正后的CT图像。
上述CT图像中校正金属伪影的方法和系统，可以采用较为简单的分割方法对未校正CT图像中的金属区域进行分割，得到只含有金属信息的图像，从而获取未校正限值图像和金属信息限值图像，以对未校正限值图像和金属信息限值图像进行前向投影，得到p_original和p_metal，利用p_metal定位出p_original中的金属区域，并利用p_original中金属区域两端外的信息插值估计金属区域内的信息，根据插值估计后的投影数据重建CT图像，并对重建CT图像进行滤波处理，构造先验图像；对先验图像进行前向投影，得到投影数据p_prior，根据p_prior对p_original中的金属区域进行插值校正，得到投影数据p_correct2，再对p_correct2进行重建，将重建图像I_correct2与只含有金属信息的图像融合，得到校正后的CT图像，具有较快的处理速度，对投影区域中金属区域的插值估计更合理，可以构建出好的先验图像，从而有效提高了CT图像校正的效率，以及相应的校正效果。
附图说明
图1为一个实施例的CT图像中校正金属伪影的方法流程图；
图2为一个实施例的CT图像中校正金属伪影的系统结构示意图。
具体实施方式
下面结合附图对本发明的CT图像中校正金属伪影的方法和系统的具体实施方式作详细描述。
参考图1，图1所示为一个实施例的CT图像中校正金属伪影的方法流程图，包括如下步骤：
S10，对未校正CT图像中的金属区域进行分割，得到只含有金属信息的图像；
上述步骤中，可以将未校正CT图像记为I_original，对上述I_original进行简单的金属分割方法处理，以保证分割处理的速度。
在一个实施例中，上述步骤S10对未校正CT图像中的金属区域进行分割，得到只含有金属信息的图像的过程可以包括：
通过分割公式对未校正CT图像I_original中的金属区域进行分割，得到只含有金属信息的图像I_metal，其中，所述分割公式为：
其中，i和j分别表示图像像素点的行和列的索引值，T为所设定的金属像素阈值，可以将T设置为3000或者表征金属像素值的其他值，I_original(i,j)表示未校正CT图像中第i行第j列的像素值，I_metal(i,j)表示只含有金属信息的图像中第i行第j列的像素值。上述分割公式表明，未校正CT图像I_original中，像素值大于金属像素阈值的区域为金属区域，可以分割出来，得到只含有金属信息的图像I_metal，上述只含有金属信息的图像I_metal中，非金属信息的像素值置0。
S20，分别对未校正CT图像I_original和只含有金属信息的图像I_metal进行限值处理，得到未校正限值图像和金属信息限值图像；
上述步骤中，为了防止后续处理中发生数据值过大的情况，对未校正CT图像I_original和只含有金属信息的图像I_metal进行限值处理，使限值处理得到的未校正限值图像和金属信息限值图像分别被限制在一定范围内，以保证未校正CT图像I_original和只含有金属信息的图像I_metal在后续处理中的稳定性。
在一个实施例中，上述分别对未校正CT图像和只含有金属信息的图像进行限值处理，得到未校正限值图像和金属信息限值图像的过程包括：
I_original_norm＝(I_original+Q)/Q，
I_metal_norm＝I_metal/Q，
其中，I_original表示未校正CT图像，I_original_norm表示未校正限值图像，Q表示预设的限值系数，可以将其设置为1000或者5000等值，通常情况下，上述Q的取值大于或等于1000，小于或等于5000，I_metal表示只含有金属信息的图像，I_metal_norm表示金属信息限值图像。
上述I_original_norm＝(I_original+Q)/Q中可以对I_original中的各个像素值进行处理，即I_original_norm(i,j)＝(I_original(i,j)+Q)/Q，与未校正CT图像I_original相同，I_metal_norm＝I_metal/Q中也可以对I_metal中的各个像素值进行处理，即I_metal_norm(i,j)＝I_metal(i,j)/Q，以分别对I_original和I_metal中的像素值进行限值。
S30，分别对未校正限值图像和金属信息限值图像进行前向投影，得到p_original和p_metal；其中，p_original为未校正限值图像对应的投影数据，p_metal为金属信息限值图像对应的投影数据；
上述步骤中，可以采用相同的光线跟踪算法和平行束几何投影方式分别对未校正限值图像和金属信息限值图像进行前向投影，得到投影数据p_original和p_metal。上述p_original和p_metal均为二维矩阵，大小为M*N，其中M表示对CT图像进行投照的角度总数，N表示每个方向上用于投影CT图像所用的平行射束的条数，穿过CT图像后的信息由N个探测元接收。
在一个实施例中，上述分别对未校正限值图像和金属信息限值图像进行前向投影，得到p_original和p_metal的过程可以包括：
采用相同的光线跟踪算法和平行束几何投影方式，分别对I_original_norm和I_metal_norm进行前向投影，得到p_original和p_metal。
S40，利用p_metal定位出p_original中的金属区域，并利用p_original中金属区域两端外的信息插值估计金属区域内的信息，根据插值估计后的投影数据重建CT图像，并对重建CT图像进行滤波处理，构造先验图像；
上述p_metal中非零值即为金属信息，可以用简单的非零判断运算定位出投影数据p_metal中金属区域，从而确定出投影数据p_original中的金属区域，记第i个投影下(即投影矩阵第i行)的金属区域的起点和终点分为i_start和i_end，其中i为大于1且小于M的整数。还可以适当向前和向后延长起点i_start和终点i_end位置，即i_start＝i_start-c，i_end＝i_end+c，优选地，0<c<5，可减轻未校正CT图像中金属周围高亮度伪影对投影数据插值计算的影响。
在一个实施例中，利用p_metal定位出p_original中的金属区域，并利用p_original中金属区域两端外的信息插值估计金属区域内的信息，根据插值估计后的投影数据重建CT图像，并对重建CT图像进行滤波处理，构造先验图像的过程可以包括：
利用非零判断运算计算出投影数据p_metal中的金属区域；即非零像素值对应的区域为金属区域；
根据p_metal中的金属区域定位出p_original中的金属区域；其中，p_original为M行N列的二维矩阵，p_original中第i行为p_original的第i个投影，p_original的第i个投影下的金属区域起点为i_start，终点为i_end，i为大于1且小于M的整数；
对p_original的第i行，利用第i_start-1个元素和第i_end+1个元素，对第i_start个元素到第i_end个元素之间的数据进行线性插值，得到线性插值后的投影数据p_line；
计算出p_metal中每行中金属信息的起点和终点之间的距离，获取金属信息的起点和终点之间的距离最小的第min行(即第min个投影)，获取第min行中金属信息的的起点min_start，终点min_end；其中，p_metal为M行N列的二维矩阵；
计算出投影数据p_line中第min行的数据之和sum_min；计算p_line中除第min行外的第i行数据的和sum_i，计算出第i行的sum_i与第min行的sum_min的差diff_sum_i；对于除第min行外的其它第i行，以i_start为起点以i_end为终点，构造叠加函数；其中，所述叠加函数为：
其中，j为大于等于1，且小于等于N的整数；
分别将函数fi(j)的N个值一一对应叠加至投影数据p_line中除第min行外的第i行数据上，形成修正后的投影数据p_line，也就是，除了第min行，投影数据p_line每一行的数据都进行和函数fi(j)的一一对应叠加操作，即p_line第i行第j个数值与fi中第j个数值相加(如第1个数与第1个数相加等)；
对修正后的投影数据p_line每一行的i_start和i_end处进行高斯光滑滤波，以保证数据的连续可导，最终得到用于重建的投影数据p_correct1；
对投影数据p_correct1重建，得到图像I_correct1，对所述图像I_correct1进行具有保护图像结构边缘功能的滤波处理，得到先验图像。
上述对投影数据p_correct1重建的过程中，可以采用滤波反投影方法对投影数据p_correct1进行重建，以保证重建效果。
作为一个实施例，上述对所述图像I_correct1进行具有保护图像结构边缘功能的滤波处理的过程包括：
其中，I1表示为滤波前的图像I_correct1，I2表示为滤波后的先验图像，(i,j)表示图像I_correct1中像素点的位置，(i',j')表示图像I_correct1中以像素点(i,j)为中心、长宽均为(2v+1)的矩形窗内的像素点的位置，v为取值1～5之间的整数；w(i',j')表示图像I1中像素点(i',j')的权重；Num表示图像I_correct1中以像素点(i,j)为中心、长宽均为(2v+1)的矩形窗内且满足|I1(i',j')-I1(i,j)|≤S的像素点的个数，S预设的阈值，上述S通常可以设置为某一正数阈值，如5或者6等等。
作为一个实施例，上述对p_original的第i行，利用第i_start-1个元素和第i_end+1个元素，对第i_start个元素到第i_end个元素之间的数据进行线性插值，得到线性插值后的投影数据p_line的步骤前还可以包括：
将金属区域起点i_start更新为i_start-c；其中，c为预设的移动系数；
将金属区域终点i_end更新为i_start+c。
上述移动系数c可以设置为0至5之间的整数。将适当向前延长起点i_start，以及向后延长终点i_end位置，即i_start＝i_start-c，i_end＝i_end+c，可减轻未校正CT图像中金属周围高亮度伪影对投影数据插值计算的影响。
S50，对先验图像进行前向投影，得到投影数据p_prior，根据p_prior对p_original中的金属区域进行插值校正，得到投影数据p_correct2；
上述步骤S50中，先验图像I_prior行前向投影时，可以采用光线跟踪算法和平行束几何投影方式，得到投影数据p_prior。利用未校正的投影数据p_original与投影数据p_prior的对应像素点的像素值做相除运算(即p_original和p_prior中相同位置的像素值相除)，得到归一化的投影数据，记为p_norm1。上述相除过程中，若分母遇到为0的情况，可以令分母值为以较小的正数。利用投影数据p_metal定位出投影数据p_norm1中金属区域，利用金属区域两侧的数据线性插值估计金属区域内的数据，过程与对p_original的第i行的数据线性插值的插值过程相同，得到插值后的投影数据p_norm2。利用投影数据p_norm2和投影数据p_prior对应像素点的像素值做相乘运算(分别对相同位置的像素值相乘)，可以实现去归一化，得到投影数据p_correct2。
在一个实施例中，上述对先验图像进行前向投影，得到投影数据p_prior，根据p_prior对p_original中的金属区域进行插值校正，得到投影数据p_correct2的步骤可以包括：
采用光线跟踪算法和平行束几何投影方式对先验图像进行前向投影，得到投影数据p_prior；
分别对p_original与p_prior中相同位置的像素点的像素值进行相除运算，得到归一化的投影数据p_norm1，其中相除运算中，若分母为0，将为0的分母值设置为预设正数，上述预设正数可以为较小的正数，如0.0002等值；
利用p_metal定位出投影数据p_norm1中金属区域，利用金属区域两侧的数据线性插值估计金属区域内的数据，得到插值后的投影数据p_norm2；
分别对投影数据p_norm2和投影数据p_prior相同位置像素点的像素值做相乘运算，得到去归一化的投影数据p_correct2。
上述利用金属区域两侧的数据线性插值估计金属区域内的数据的过程可以包括：
获取金属区域的第k行的金属信息起点k_start和金属信息终点k_end，对金属区域的第k行，利用第k_start-1个元素和第k_end+1个元素，对第k_start个元素到第k_end个元素之间的数据进行线性插值，估计金属区域内的数据。
S60，对p_correct2进行重建，得到重建图像I_correct2，将I_correct2与只含有金属信息的图像融合，得到校正后的CT图像。
在一个实施例中，上述对p_correct2进行重建，得到重建图像I_correct2，将I_correct2与只含有金属信息的图像融合，得到校正后的CT图像的步骤包括：
采用滤波反投影重建算法对p_correct2进行重建，得到重建图像I_correct2；
将I_correct2代入取整公式进行取整处理；其中，所述取整公式为：
I_correct＝int(I_correct2*Q-Q)，
式中，int()表示对数据进行四舍五入取整，I_correct表示对重建图像I_correct2进行取整处理后得到的图像，Q表示预设的限值系数，其可以取1000至5000之间的任一值；
将I_correct与图像I_metal融合，得到校正后的CT图像I_final。
作为一个实施例，为避免金属边缘和周围组织边缘值的突变，可以对校正后的CT图像I_final中金属边缘适当添加高斯平滑操作。
本发明提供的CT图像中校正金属伪影的方法，可以采用较为简单的分割方法对未校正CT图像中的金属区域进行分割，得到只含有金属信息的图像，从而获取未校正限值图像和金属信息限值图像，以对未校正限值图像和金属信息限值图像进行前向投影，得到p_original和p_metal，利用p_metal定位出p_original中的金属区域，并利用p_original中金属区域两端外的信息插值估计金属区域内的信息，根据插值估计后的投影数据重建CT图像，并对重建CT图像进行滤波处理，构造先验图像；对先验图像进行前向投影，得到投影数据p_prior，根据p_prior对p_original中的金属区域进行插值校正，得到投影数据p_correct2，再对p_correct2进行重建，将重建图像I_correct2与只含有金属信息的图像融合，得到校正后的CT图像，具有较快的处理速度，对投影区域中金属区域的插值估计更合理，可以构建出好的先验图像，从而有效提高了CT图像校正的效率，以及相应的校正效果。
在一个实施例中，可以导入一幅大小为512*512的含有金属及其伪影的CT图像I_original作为未校正CT图像I_original，其中CT图像最小值为-1000，表示空气，最大值达到+3500，表示金属的最大像素值。
根据CT图像灰度直方图或者经验获取阈值，可以设置为+3000。通过以下公式从未校正CT图像I_original中分割出金属信息，得到金属信息图像I_metal：
其中，i和j表示图像像素点的行和列的索引值，T＝+3000。
为了防止后续一系列处理中发生数据值过大的情况，对未校正CT图像I_original和只含有金属信息的图像I_metal做如下限值处理：
I_original_norm＝(I_original+1000)/1000
I_metal_norm＝I_metal/1000
其中，I_original表示未校正CT图像，I_original_norm表示限值处理后的未校正CT图像(未校正限值图像)，I_metal表示只含有金属信息的图像，I_metal_norm表示限值处理后的只含有金属信息的图像(金属信息限值图像)。则I_origina_norm最小值为0，最大值为4.5，I_metal_norm最小值为0，最大值为3.5。
对I_original_norm和I_metal_norm进行前向投影时，采用相同的光线跟踪算法和平行束几何投影方式，分别得到投影数据p_original和p_metal，投影数据为二维矩阵，大小为720*724，即围绕图像一周范围内均匀采集720个方向下的投影数据，每个方向的投影数据个数为724个。
投影数据p_metal中非零值即为金属信息，用简单的非零判断运算定位出投影数据p_metal中金属区域，从而确定出投影数据p_original中的金属区域，记第i个投影下(即投影矩阵第i行)的金属区域的起点和终点分为i_start和i_end，其中i大于1，且小于720。为了减轻未校正CT图像中金属周围高亮度伪影对投影数据插值计算的影响，适当向前和向后延长起点i_start和终点i_end位置，本实施例选择i_start＝i_start-3，i_end＝i_end+3。
对投影数据p_original中的每一行(如第i行)，利用第i_start-1个数据和第i_end+1个数据，对第i_start到第i_end之间的数据进行线性插值，得到线性插值后的投影数据p_line。
计算出p_metal中每行的金属区域的起点和终点的距离，其中第114行对应的距离最小，此行对应的金属区域起点和终点记为min_start和min_end。计算出投影数据p_line中第114行的数据之和，记为sum_min。同时也计算出其它每一行数据的和，记为sum_i，(1≤i≤720)，并计算出第i行的sum_i与sum_min的差，记为diff_sum_i。对于除了第114行以外的其它行i，(1≤i≤720)，以i_start为起点以i_end为终点，构造叠加函数：
其中j大于等于1，且小于等于724。将函数fi(j)的724个值一一对应叠加在投影数据p_line中第i行的数据上面。除了第114行，投影数据p_line每一行的数据都进行和函数fi(j)的叠加操作。最后，投影数据p_line每一行的i_start和i_end处进行高斯光滑，保证数据的连续可导。最终得到用于重建的投影数据p_correct1。
对投影数据p_correct1进行滤波反投影方法重建，得到图像I_correct1，对该图像进行滤波算法，得到先验图像I_prior，其中，滤波算法公式为：
其中，v可以取值为3，S可以取值为0.15。
对先验图像I_prior进行前向投影时，可以采用光线跟踪算法和平行束几何投影方式，得到投影数据p_prior。
利用未校正的投影数据p_original与投影数据p_prior的对应像素点的像素值做相除运算，得到归一化的投影数据，记为p_norm1。相除中，分母遇到为0的情况时，令分母值为以较小的正数，本实施例中设为0.0001。
利用投影数据p_metal定位出投影数据p_norm1中金属区域，利用金属区域两侧的数据线性插值估计金属区域内的数据，过程与对p_original中各行数据的线性插值的插值过程相同，从而得到插值后的投影数据p_norm2。
利用投影数据p_norm2和投影数据p_prior对应像素点的像素值做相乘运算，实现去归一化，得到投影数据p_correct2。
对投影数据p_correct2进行滤波反投影重建，得到重建图像I_correct2，并进行如下处理：
I_correct＝int(I_correct2*1000-1000)
其中int()表示对数据进行四舍五入取整。
将图像I_correct2与图像I_metal融合，得到最终校正后的CT图像I_final。
参考图2，图2所述为一个实施例的CT图像中校正金属伪影的系统结构示意图，包括：
分割模块10，用于对未校正CT图像中的金属区域进行分割，得到只含有金属信息的图像；
限值模块20，用于分别对未校正CT图像和只含有金属信息的图像进行限值处理，得到未校正限值图像和金属信息限值图像；
投影模块30，用于分别对未校正限值图像和金属信息限值图像进行前向投影，得到p_original和p_metal；其中，p_original为未校正限值图像对应的投影数据，p_metal为金属信息限值图像对应的投影数据；
构造模块40，用于利用p_metal定位出p_original中的金属区域，并利用p_original中金属区域两端外的信息插值估计金属区域内的信息，根据插值估计后的投影数据重建CT图像，并对重建CT图像进行滤波处理，构造先验图像；
校正模块50，用于对先验图像进行前向投影，得到投影数据p_prior，根据p_prior对p_original中的金属区域进行插值校正，得到投影数据p_correct2；
融合模块60，用于对p_correct2进行重建，得到重建图像I_correct2，将I_correct2与只含有金属信息的图像融合，得到校正后的CT图像。
本发明提供的CT图像中校正金属伪影的系统与本发明提供的CT图像中校正金属伪影的方法一一对应，在所述CT图像中校正金属伪影的方法的实施例阐述的技术特征及其有益效果均适用于CT图像中校正金属伪影的系统的实施例中，特此声明。
以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。
Claims (9)
1.一种CT图像中校正金属伪影的方法，其特征在于，包括如下步骤：
对未校正CT图像中的金属区域进行分割，得到只含有金属信息的图像；
分别对未校正CT图像和只含有金属信息的图像进行限值处理，得到未校正限值图像和金属信息限值图像；
分别对未校正限值图像和金属信息限值图像进行前向投影，得到p_original和p_metal；其中，p_original为未校正限值图像对应的投影数据，p_metal为金属信息限值图像对应的投影数据；
利用p_metal定位出p_original中的金属区域，并利用p_original中金属区域两端外的信息插值估计金属区域内的信息，根据插值估计后的投影数据重建CT图像，并对重建CT图像进行滤波处理，构造先验图像；利用p_metal定位出p_original中的金属区域，并利用p_original中金属区域两端外的信息插值估计金属区域内的信息，根据插值估计后的投影数据重建CT图像，并对重建CT图像进行滤波处理，构造先验图像的过程包括：
利用非零判断运算计算出投影数据p_metal中的金属区域；
根据p_metal中的金属区域定位出p_original中的金属区域；其中，p_original为M行N列的二维矩阵，p_original中第i行为p_original的第i个投影，p_original的第i个投影下的金属区域起点为i_start，终点为i_end，i为大于1且小于M的整数；
对p_original的第i行，利用第i_start-1个元素和第i_end+1个元素，对第i_start个元素到第i_end个元素之间的数据进行线性插值，得到线性插值后的投影数据p_line；
计算出p_metal中每行中金属信息的起点和终点之间的距离，获取距离最小的第min行，获取第min行中金属信息的起点min_start，终点min_end；其中，p_metal为M行N列的二维矩阵；
计算出投影数据p_line中第min行的数据之和sum_min；计算p_line中除第min行外的第i行数据的和sum_i，计算出第i行的sum_i与第min行的sum_min的差diff_sum_i；对于除第min行外的其它第i行，以i_start为起点以i_end为终点，构造叠加函数；其中，所述叠加函数为：
<mrow>
<msub>
<mi>f</mi>
<mi>i</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>j</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<mn>0</mn>
<mo>,</mo>
</mrow>
</mtd>
<mtd>
<mtable>
<mtr>
<mtd>
<mrow>
<mi>i</mi>
<mi>f</mi>
</mrow>
</mtd>
<mtd>
<mrow>
<mi>j</mi>
<mo><</mo>
<mi>i</mi>
<mo>_</mo>
<mi>s</mi>
<mi>t</mi>
<mi>a</mi>
<mi>r</mi>
<mi>t</mi>
</mrow>
</mtd>
</mtr>
</mtable>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mn>0</mn>
<mo>,</mo>
</mrow>
</mtd>
<mtd>
<mtable>
<mtr>
<mtd>
<mrow>
<mi>i</mi>
<mi>f</mi>
</mrow>
</mtd>
<mtd>
<mrow>
<mi>j</mi>
<mo>></mo>
<mi>i</mi>
<mo>_</mo>
<mi>e</mi>
<mi>n</mi>
<mi>d</mi>
</mrow>
</mtd>
</mtr>
</mtable>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mfrac>
<mrow>
<mi>d</mi>
<mi>i</mi>
<mi>f</mi>
<mi>f</mi>
<mo>_</mo>
<mi>s</mi>
<mi>u</mi>
<mi>m</mi>
<mo>_</mo>
<mi>i</mi>
<mrow>
<mo>(</mo>
<mrow>
<mi>i</mi>
<mo>_</mo>
<mi>e</mi>
<mi>n</mi>
<mi>d</mi>
<mo>-</mo>
<mi>i</mi>
<mo>_</mo>
<mi>s</mi>
<mi>t</mi>
<mi>a</mi>
<mi>r</mi>
<mi>t</mi>
</mrow>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<mn>2</mn>
<mi>&pi;</mi>
</mrow>
</mfrac>
<mi>sin</mi>
<mrow>
<mo>(</mo>
<mfrac>
<mrow>
<mi>&pi;</mi>
<mrow>
<mo>(</mo>
<mrow>
<mi>j</mi>
<mo>-</mo>
<mi>i</mi>
<mo>_</mo>
<mi>s</mi>
<mi>t</mi>
<mi>a</mi>
<mi>r</mi>
<mi>t</mi>
</mrow>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<mi>i</mi>
<mo>_</mo>
<mi>e</mi>
<mi>n</mi>
<mi>d</mi>
<mo>-</mo>
<mi>i</mi>
<mo>_</mo>
<mi>s</mi>
<mi>t</mi>
<mi>a</mi>
<mi>r</mi>
<mi>t</mi>
</mrow>
</mfrac>
<mo>)</mo>
</mrow>
<mo>,</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<mi>o</mi>
<mi>t</mi>
<mi>h</mi>
<mi>e</mi>
<mi>r</mi>
<mi>w</mi>
<mi>i</mi>
<mi>s</mi>
<mi>e</mi>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>,</mo>
</mrow>
其中，j为大于等于1，且小于等于N的整数；
分别将函数fi(j)的N个值一一对应叠加至投影数据p_line中除第min行外的第i行数据上，形成修正后的投影数据p_line；
对修正后的投影数据p_line每一行的i_start和i_end处进行高斯光滑滤波，得到用于重建的投影数据p_correct1；
对投影数据p_correct1重建，得到图像I_correct1，对所述图像I_correct1进行具有保护图像结构边缘功能的滤波处理，得到先验图像；
对先验图像进行前向投影，得到投影数据p_prior，根据p_prior对p_original中的金属区域进行插值校正，得到投影数据p_correct2；
对p_correct2进行重建，得到重建图像I_correct2，将I_correct2与只含有金属信息的图像融合，得到校正后的CT图像。
2.根据权利要求1所述的CT图像中校正金属伪影的方法，其特征在于，所述对未校正CT图像中的金属区域进行分割，得到只含有金属信息的图像的过程包括：
通过分割公式对未校正CT图像中的金属区域进行分割，得到只含有金属信息的图像，其中，所述分割公式为：
<mrow>
<mi>I</mi>
<mo>_</mo>
<mi>m</mi>
<mi>e</mi>
<mi>t</mi>
<mi>a</mi>
<mi>l</mi>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>,</mo>
<mi>j</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<mi>I</mi>
<mo>_</mo>
<mi>o</mi>
<mi>r</mi>
<mi>i</mi>
<mi>g</mi>
<mi>i</mi>
<mi>n</mi>
<mi>a</mi>
<mi>l</mi>
<mrow>
<mo>(</mo>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mi>j</mi>
</mrow>
<mo>)</mo>
</mrow>
<mo>,</mo>
<mi>i</mi>
<mi>f</mi>
<mi> </mi>
<mi>I</mi>
<mo>_</mo>
<mi>o</mi>
<mi>r</mi>
<mi>i</mi>
<mi>g</mi>
<mi>i</mi>
<mi>n</mi>
<mi>a</mi>
<mi>l</mi>
<mrow>
<mo>(</mo>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mi>j</mi>
</mrow>
<mo>)</mo>
</mrow>
<mo>></mo>
<mi>T</mi>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mn>0</mn>
<mo>,</mo>
<mi>e</mi>
<mi>l</mi>
<mi>s</mi>
<mi>e</mi>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>,</mo>
</mrow>
其中，i和j分别表示图像像素点的行和列的索引值，T为所设定的金属像素阈值，I_original(i,j)表示未校正CT图像中第i行第j列的像素值，I_metal(i,j)表示只含有金属信息的图像中第i行第j列的像素值。
3.根据权利要求1所述的CT图像中校正金属伪影的方法，其特征在于，所述分别对未校正CT图像和只含有金属信息的图像进行限值处理，得到未校正限值图像和金属信息限值图像的过程包括：
I_original_norm＝(I_original+Q)/Q，
I_metal_norm＝I_metal/Q，
其中，I_original表示未校正CT图像，I_original_norm表示未校正限值图像，Q表示预设的限值系数，I_metal表示只含有金属信息的图像，I_metal_norm表示金属信息限值图像。
4.根据权利要求3所述的CT图像中校正金属伪影的方法，其特征在于，所述分别对未校正限值图像和金属信息限值图像进行前向投影，得到p_original和p_metal的过程包括：
采用相同的光线跟踪算法和平行束几何投影方式，分别对I_original_norm和I_metal_norm进行前向投影，得到p_original和p_metal。
5.根据权利要求1所述的CT图像中校正金属伪影的方法，其特征在于，对所述图像I_correct1进行具有保护图像结构边缘功能的滤波处理的过程包括：
<mrow>
<mi>I</mi>
<mn>2</mn>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>,</mo>
<mi>j</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<msup>
<mi>i</mi>
<mo>&prime;</mo>
</msup>
<mo>=</mo>
<mi>i</mi>
<mo>-</mo>
<mi>v</mi>
</mrow>
<mrow>
<mi>i</mi>
<mo>+</mo>
<mi>v</mi>
</mrow>
</munderover>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<msup>
<mi>j</mi>
<mo>&prime;</mo>
</msup>
<mo>=</mo>
<mi>j</mi>
<mo>-</mo>
<mi>v</mi>
</mrow>
<mrow>
<mi>j</mi>
<mo>+</mo>
<mi>v</mi>
</mrow>
</munderover>
<mi>I</mi>
<mn>1</mn>
<mrow>
<mo>(</mo>
<msup>
<mi>i</mi>
<mo>&prime;</mo>
</msup>
<mo>,</mo>
<msup>
<mi>j</mi>
<mo>&prime;</mo>
</msup>
<mo>)</mo>
</mrow>
<mo>&times;</mo>
<mi>w</mi>
<mrow>
<mo>(</mo>
<msup>
<mi>i</mi>
<mo>&prime;</mo>
</msup>
<mo>,</mo>
<msup>
<mi>j</mi>
<mo>&prime;</mo>
</msup>
<mo>)</mo>
</mrow>
<mo>/</mo>
<mi>N</mi>
<mi>u</mi>
<mi>m</mi>
</mrow>
<mrow>
<mi>w</mi>
<mrow>
<mo>(</mo>
<msup>
<mi>i</mi>
<mo>&prime;</mo>
</msup>
<mo>,</mo>
<msup>
<mi>j</mi>
<mo>&prime;</mo>
</msup>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<mn>1</mn>
<mo>;</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<mo>|</mo>
<mi>I</mi>
<mn>1</mn>
<mrow>
<mo>(</mo>
<msup>
<mi>i</mi>
<mo>&prime;</mo>
</msup>
<mo>,</mo>
<msup>
<mi>j</mi>
<mo>&prime;</mo>
</msup>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mi>I</mi>
<mn>1</mn>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>,</mo>
<mi>j</mi>
<mo>)</mo>
</mrow>
<mo>|</mo>
<mo>&le;</mo>
<mi>S</mi>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mn>0</mn>
<mo>;</mo>
</mrow>
</mtd>
<mtd>
<mrow></mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
</mrow>
其中，I1表示为滤波前的图像I_correct1，I2表示为滤波后的先验图像，(i,j)表示图像I_correct1中像素点的位置，(i',j')表示图像I_correct1中以像素点(i,j)为中心、长宽均为(2v+1)的矩形窗内的像素点的位置，v为取值1～5之间的整数；w(i',j')表示图像I1中像素点(i',j')的权重；Num表示图像I_correct1中以像素点(i,j)为中心、长宽均为(2v+1)的矩形窗内且满足|I1(i',j')-I1(i,j)|≤S的像素点的个数，S预设的阈值。
6.根据权利要求1所述的CT图像中校正金属伪影的方法，其特征在于，所述对p_original的第i行，利用第i_start-1个元素和第i_end+1个元素，对第i_start个元素到第i_end个元素之间的数据进行线性插值，得到线性插值后的投影数据p_line的步骤前还包括：
将金属区域起点i_start更新为i_start-c；其中，c为预设的移动系数；
将金属区域终点i_end更新为i_start+c。
7.根据权利要求1所述的CT图像中校正金属伪影的方法，其特征在于，所述对先验图像进行前向投影，得到投影数据p_prior，根据p_prior对p_original中的金属区域进行插值校正，得到投影数据p_correct2的步骤包括：
采用光线跟踪算法和平行束几何投影方式对先验图像进行前向投影，得到投影数据p_prior；
分别对p_original与p_prior中相同位置的像素点的像素值进行相除运算，得到归一化的投影数据p_norm1，其中相除运算中，若分母为0，将为0的分母值设置为预设正数；
利用p_metal定位出投影数据p_norm1中金属区域，利用金属区域两侧的数据线性插值估计金属区域内的数据，得到插值后的投影数据p_norm2；
分别对投影数据p_norm2和投影数据p_prior相同位置像素点的像素值做相乘运算，得到去归一化的投影数据p_correct2。
8.根据权利要求1所述的CT图像中校正金属伪影的方法，其特征在于，所述对p_correct2进行重建，得到重建图像I_correct2，将I_correct2与只含有金属信息的图像融合，得到校正后的CT图像的步骤包括：
采用滤波反投影重建算法对p_correct2进行重建，得到重建图像I_correct2；
将I_correct2代入取整公式进行取整处理；其中，所述取整公式为：
I_correct＝int(I_correct2*Q-Q)，
式中，int()表示对数据进行四舍五入取整，I_correct表示对重建图像I_correct2进行取整处理后得到的图像，Q表示预设的限值系数；
将I_correct与图像I_metal融合，得到校正后的CT图像I_final。
9.一种CT图像中校正金属伪影的系统，其特征在于，包括：
分割模块，用于对未校正CT图像中的金属区域进行分割，得到只含有金属信息的图像；
限值模块，用于分别对未校正CT图像和只含有金属信息的图像进行限值处理，得到未校正限值图像和金属信息限值图像；
投影模块，用于分别对未校正限值图像和金属信息限值图像进行前向投影，得到p_original和p_metal；其中，p_original为未校正限值图像对应的投影数据，p_metal为金属信息限值图像对应的投影数据；
构造模块，用于利用p_metal定位出p_original中的金属区域，并利用p_original中金属区域两端外的信息插值估计金属区域内的信息，根据插值估计后的投影数据重建CT图像，并对重建CT图像进行滤波处理，构造先验图像；所述构造模块进一步用于：
利用p_metal定位出p_original中的金属区域，并利用p_original中金属区域两端外的信息插值估计金属区域内的信息，根据插值估计后的投影数据重建CT图像，并对重建CT图像进行滤波处理，构造先验图像的过程包括：
利用非零判断运算计算出投影数据p_metal中的金属区域；
根据p_metal中的金属区域定位出p_original中的金属区域；其中，p_original为M行N列的二维矩阵，p_original中第i行为p_original的第i个投影，p_original的第i个投影下的金属区域起点为i_start，终点为i_end，i为大于1且小于M的整数；
对p_original的第i行，利用第i_start-1个元素和第i_end+1个元素，对第i_start个元素到第i_end个元素之间的数据进行线性插值，得到线性插值后的投影数据p_line；
计算出p_metal中每行中金属信息的起点和终点之间的距离，获取距离最小的第min行，获取第min行中金属信息的起点min_start，终点min_end；其中，p_metal为M行N列的二维矩阵；
计算出投影数据p_line中第min行的数据之和sum_min；计算p_line中除第min行外的第i行数据的和sum_i，计算出第i行的sum_i与第min行的sum_min的差diff_sum_i；对于除第min行外的其它第i行，以i_start为起点以i_end为终点，构造叠加函数；其中，所述叠加函数为：
<mrow>
<msub>
<mi>f</mi>
<mi>i</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>j</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<mn>0</mn>
<mo>,</mo>
</mrow>
</mtd>
<mtd>
<mtable>
<mtr>
<mtd>
<mrow>
<mi>i</mi>
<mi>f</mi>
</mrow>
</mtd>
<mtd>
<mrow>
<mi>j</mi>
<mo><</mo>
<mi>i</mi>
<mo>_</mo>
<mi>s</mi>
<mi>t</mi>
<mi>a</mi>
<mi>r</mi>
<mi>t</mi>
</mrow>
</mtd>
</mtr>
</mtable>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mn>0</mn>
<mo>,</mo>
</mrow>
</mtd>
<mtd>
<mtable>
<mtr>
<mtd>
<mrow>
<mi>i</mi>
<mi>f</mi>
</mrow>
</mtd>
<mtd>
<mrow>
<mi>j</mi>
<mo>></mo>
<mi>i</mi>
<mo>_</mo>
<mi>e</mi>
<mi>n</mi>
<mi>d</mi>
</mrow>
</mtd>
</mtr>
</mtable>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mfrac>
<mrow>
<mi>d</mi>
<mi>i</mi>
<mi>f</mi>
<mi>f</mi>
<mo>_</mo>
<mi>s</mi>
<mi>u</mi>
<mi>m</mi>
<mo>_</mo>
<mi>i</mi>
<mrow>
<mo>(</mo>
<mrow>
<mi>i</mi>
<mo>_</mo>
<mi>e</mi>
<mi>n</mi>
<mi>d</mi>
<mo>-</mo>
<mi>i</mi>
<mo>_</mo>
<mi>s</mi>
<mi>t</mi>
<mi>a</mi>
<mi>r</mi>
<mi>t</mi>
</mrow>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<mn>2</mn>
<mi>&pi;</mi>
</mrow>
</mfrac>
<mi>sin</mi>
<mrow>
<mo>(</mo>
<mfrac>
<mrow>
<mi>&pi;</mi>
<mrow>
<mo>(</mo>
<mrow>
<mi>j</mi>
<mo>-</mo>
<mi>i</mi>
<mo>_</mo>
<mi>s</mi>
<mi>t</mi>
<mi>a</mi>
<mi>r</mi>
<mi>t</mi>
</mrow>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<mi>i</mi>
<mo>_</mo>
<mi>e</mi>
<mi>n</mi>
<mi>d</mi>
<mo>-</mo>
<mi>i</mi>
<mo>_</mo>
<mi>s</mi>
<mi>t</mi>
<mi>a</mi>
<mi>r</mi>
<mi>t</mi>
</mrow>
</mfrac>
<mo>)</mo>
</mrow>
<mo>,</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<mi>o</mi>
<mi>t</mi>
<mi>h</mi>
<mi>e</mi>
<mi>r</mi>
<mi>w</mi>
<mi>i</mi>
<mi>s</mi>
<mi>e</mi>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>,</mo>
</mrow>
其中，j为大于等于1，且小于等于N的整数；
分别将函数fi(j)的N个值一一对应叠加至投影数据p_line中除第min行外的第i行数据上，形成修正后的投影数据p_line；
对修正后的投影数据p_line每一行的i_start和i_end处进行高斯光滑滤波，得到用于重建的投影数据p_correct1；
对投影数据p_correct1重建，得到图像I_correct1，对所述图像I_correct1进行具有保护图像结构边缘功能的滤波处理，得到先验图像；
校正模块，用于对先验图像进行前向投影，得到投影数据p_prior，根据p_prior对p_original中的金属区域进行插值校正，得到投影数据p_correct2；
融合模块，用于对p_correct2进行重建，得到重建图像I_correct2，将I_correct2与只含有金属信息的图像融合，得到校正后的CT图像。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610679394.7A CN106296615B (zh) | 2016-08-16 | 2016-08-16 | Ct图像中校正金属伪影的方法和系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610679394.7A CN106296615B (zh) | 2016-08-16 | 2016-08-16 | Ct图像中校正金属伪影的方法和系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN106296615A CN106296615A (zh) | 2017-01-04 |
| CN106296615B true CN106296615B (zh) | 2017-09-29 |
Family
ID=57678815
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201610679394.7A Active CN106296615B (zh) | 2016-08-16 | 2016-08-16 | Ct图像中校正金属伪影的方法和系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN106296615B (zh) |
Families Citing this family (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106960429B (zh) * | 2017-02-16 | 2019-08-27 | 中国科学院苏州生物医学工程技术研究所 | 一种ct图像金属伪影校正方法及装置 |
| CN106909947B (zh) * | 2017-03-03 | 2020-06-26 | 中南大学 | 基于Mean Shift算法的CT图像金属伪影消除方法及消除系统 |
| CN107194899B (zh) * | 2017-06-20 | 2018-04-06 | 广州华端科技有限公司 | Ct图像的伪影校正方法和系统 |
| CN108109185B (zh) * | 2017-12-18 | 2021-07-20 | 上海联影医疗科技股份有限公司 | 一种生成用于消除ct伪影的校正系数的方法，以及一种基于校正系数消除ct伪影的方法 |
| US10922855B2 (en) | 2017-11-30 | 2021-02-16 | Shanghai United Imaging Healthcare Co., Ltd. | Systems and methods for determining at least one artifact calibration coefficient |
| CN109118555B (zh) * | 2018-08-14 | 2019-06-14 | 广州华端科技有限公司 | 计算机断层成像的金属伪影校正方法和系统 |
| CN110176010B (zh) * | 2019-05-24 | 2021-11-09 | 上海联影医疗科技股份有限公司 | 一种图像检测方法、装置、设备及存储介质 |
| CN110310346B (zh) * | 2019-06-21 | 2023-05-30 | 东南大学 | 一种ct和cbct图像中金属伪影校正方法 |
| CN113554563B (zh) * | 2021-07-23 | 2024-05-14 | 上海友脉科技有限责任公司 | 一种医学图像处理方法、介质及电子设备 |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP2754122B1 (en) * | 2011-11-08 | 2019-01-23 | Koninklijke Philips N.V. | Adaptive application of metal artifact correction algorithms |
| CN103679642B (zh) * | 2012-09-26 | 2016-08-03 | 上海联影医疗科技有限公司 | 一种ct图像金属伪影校正方法、装置及ct设备 |
| CN104992409B (zh) * | 2014-09-30 | 2018-01-12 | 中国科学院苏州生物医学工程技术研究所 | 一种ct图像的金属伪影校正方法 |
| CN105225208B (zh) * | 2015-10-14 | 2017-10-03 | 上海联影医疗科技有限公司 | 一种计算机断层成像金属伪影校正方法及装置 |
-
2016
- 2016-08-16 CN CN201610679394.7A patent/CN106296615B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN106296615A (zh) | 2017-01-04 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106296615B (zh) | Ct图像中校正金属伪影的方法和系统 | |
| US11308587B2 (en) | Learning method of generative adversarial network with multiple generators for image denoising | |
| Park et al. | Unpaired image denoising using a generative adversarial network in X-ray CT | |
| CN106600568B (zh) | 一种低剂量ct图像去噪方法及装置 | |
| CN105225208B (zh) | 一种计算机断层成像金属伪影校正方法及装置 | |
| CN102567958B (zh) | 一种去除ct图像中金属伪影的图像后处理方法 | |
| CN103279929B (zh) | 一种基于余弦积分的ct图像金属轨迹预测和伪影去除方法 | |
| CN105046675B (zh) | 基于mvct图像消除kvct图像中金属伪影的方法 | |
| CN106683144A (zh) | 一种图像迭代重建方法及装置 | |
| CN103559728B (zh) | 基于解剖功能联合先验模型的pet图像最大后验重建方法 | |
| CN105631909B (zh) | 伪影修正辅助的cbct迭代重建方法 | |
| CN102024251B (zh) | 用于双源ct的基于多图像虚拟非对比图像增强的系统和方法 | |
| CN105188543A (zh) | X射线ct装置、重构运算装置以及重构运算方法 | |
| CN104992409A (zh) | 一种ct图像的金属伪影校正方法 | |
| CN106909947A (zh) | 基于Mean Shift算法的CT图像金属伪影消除方法及消除系统 | |
| CN103026379A (zh) | 推算图像噪音水平的方法 | |
| CN103218803A (zh) | 计算机断层造影设备和用于确定身体的体积信息的方法 | |
| CN112435307A (zh) | 一种深度神经网络辅助的四维锥束ct影像重建方法 | |
| CN106960429A (zh) | 一种ct图像金属伪影校正方法及装置 | |
| CN105894444A (zh) | 一种基于cbct影像生成牙科全景图像的方法及装置 | |
| CN108520542A (zh) | 一种pet/ct数据时相匹配的重建方法 | |
| CN110264475A (zh) | 基于ct图像的脊椎三维建模方法及装置 | |
| US20130101193A1 (en) | Positron Emission Tomography and Method for Correcting Attenuation of PET Image Using Magnetic Resonance Image | |
| Shi et al. | A Virtual Monochromatic Imaging Method for Spectral CT Based on Wasserstein Generative Adversarial Network With a Hybrid Loss. | |
| CN111260583A (zh) | 基于多判别器的多重解析网络缺失ct投影数据估计方法 |
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 | ||
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20220907 Address after: Room 901, China Railway South Headquarters Building, No. 3333, Central Road, Azure Coast Community, Yuehai Street, Nanshan District, Shenzhen, Guangdong 518000 Patentee after: Shenzhen Aomei Future Medical Technology Co.,Ltd. Address before: 10th Floor, Qixi Building, No. 286, Science Avenue, Luogang District, Guangzhou City, Guangdong Province, 510530 Patentee before: GUANGZHOU HUADUAN TECHNOLOGY Co.,Ltd. |