CN107430778A - 基于来自光子计数多仓检测器的能量分辨的图像数据的图像重建 - Google Patents

基于来自光子计数多仓检测器的能量分辨的图像数据的图像重建 Download PDF

Info

Publication number
CN107430778A
CN107430778A CN201580077923.XA CN201580077923A CN107430778A CN 107430778 A CN107430778 A CN 107430778A CN 201580077923 A CN201580077923 A CN 201580077923A CN 107430778 A CN107430778 A CN 107430778A
Authority
CN
China
Prior art keywords
image
basic function
compound
group
basic
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.)
Pending
Application number
CN201580077923.XA
Other languages
English (en)
Inventor
弗雷德里克·格洛伯格
马特斯·佩尔松
汉斯·波拿佛克
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.)
Prismatic Sensors AB
Original Assignee
Prismatic Sensors AB
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 Prismatic Sensors AB filed Critical Prismatic Sensors AB
Publication of CN107430778A publication Critical patent/CN107430778A/zh
Pending legal-status Critical Current

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
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment
    • A61B6/02—Devices for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
    • A61B6/03—Computerised tomographs
    • A61B6/032—Transmission computed tomography [CT]
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment
    • A61B6/42—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment with arrangements for detecting radiation specially adapted for radiation diagnosis
    • A61B6/4208—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment with arrangements for detecting radiation specially adapted for radiation diagnosis characterised by using a particular type of detector
    • A61B6/4241—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment with arrangements for detecting radiation specially adapted for radiation diagnosis characterised by using a particular type of detector using energy resolving detectors, e.g. photon counting
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment
    • A61B6/46—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment with special arrangements for interfacing with the operator or the patient
    • A61B6/461—Displaying means of special interest
    • A61B6/463—Displaying means of special interest characterised by displaying multiple images or images and diagnostic data on one display
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment
    • A61B6/48—Diagnostic techniques
    • A61B6/482—Diagnostic techniques involving multiple energy imaging
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus for radiation diagnosis, e.g. 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 for radiation diagnosis, e.g. combined with radiation therapy equipment
    • A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
    • A61B6/5211—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data
    • A61B6/5217—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data extracting a diagnostic or physiological parameter from medical diagnostic data
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment
    • A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
    • A61B6/5211—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data
    • A61B6/5229—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data combining image data of a patient, e.g. combining a functional image with an anatomical image
    • A61B6/5235—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data combining image data of a patient, e.g. combining a functional image with an anatomical image combining images from the same or different ionising radiation imaging techniques, e.g. PET and CT
    • A61B6/5241—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data combining image data of a patient, e.g. combining a functional image with an anatomical image combining images from the same or different ionising radiation imaging techniques, e.g. PET and CT combining overlapping images of the same imaging modality, e.g. by stitching
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N23/00—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00
    • G01N23/02—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by transmitting the radiation through the material
    • G01N23/04—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by transmitting the radiation through the material and forming images of the material
    • G01N23/046—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by transmitting the radiation through the material and forming images of the material using tomography, e.g. computed tomography [CT]
    • 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
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2210/00—Indexing scheme for image generation or computer graphics
    • G06T2210/41—Medical
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2211/00—Image generation
    • G06T2211/40—Computed tomography
    • G06T2211/408—Dual energy

Abstract

本发明提供了一种基于来自光子计数多仓检测器或中间存储器的能量分辨图像数据的图像重建的方法。该方法包括：通过采用不同数量的用于线性衰减建模的基础函数进行至少两种独立的基础分解来处理(S1)能量分辨图像数据；其中，第一个基础分解是采用第一组较小的基础函数进行的，以获得至少一个第一基础图像表现；以及第二个基础分解是采用第二组较大的基础函数进行的，以获得至少一个第二基础图像表现。该方法还包括：基于从所述第一个基础分解获得的所述至少一个第一基础图像表现来重建第一图像；以及合并所述第一图像与所述至少一个第二基础图像表现的信息代表。

Description

基于来自光子计数多仓检测器的能量分辨的图像数据的图像 重建
技术领域
本发明所提议的技术总体上涉及X-射线成像以及相关的图像重建和成像任务。特别地，所提议的技术涉及一种用于图像重建的方法与系统、相关的成像系统与相关的计算机程序和计算机程序产品，以及用于体内化合物或未显示k吸收边缘的元素的形象化和/或量化的装置。
背景技术
例如X-射线成像等放射成像已经在医疗应用上使用多年，并用于非破坏性检测。
通常，X-射线成像系统包括X-射线源和X-射线检测器，它由多个检测元件组成。X-射线源发出X-射线，它们穿透对象或目标，使之成像，然后由检测器进行记录。因为一些物质比其他物质吸收X-射线的更多部分，形成对象或目标的内部的图像。
X-射线计算机断层术(CT)系统包括X-射线源和X-射线检测器，它被这样设置以致对象或目标的投影成像可在覆盖至少180度的不同观察角度上获得。更普遍的获得方式是通过在支持物上装配该光源和检测器，该支持物能围绕对象或目标旋转。包含对于不同观察角度在不同检测器元件内记录的投影的图像被称为正弦图。以下，对于不同观察角度在不同检测器元件内记录的投影的集合将被称为正弦图，即使该检测器是二维的，产生三维图像的正弦图。
X-射线成像的进一步发展是能量分辨的X-射线成像，也被称为空间X-射线成像，其中X-射线传输是对于几个不同能量水平而被测量的。这可通过让光源在两个不同发射光谱之间快速切换而获得，通过采用两个或多个发射不同X-射线光谱的X-射线光源，或者通过采用能量辨别的检测器，该检测器测量在两个或多个能量水平的入射的辐射。这样一种检测器的一个例子是多仓光子计数检测器，其中每个记录的光子产生电流脉冲，该电流脉冲与一组极限进行比较，因而对多个能量仓的每个能量仓内的入射光子数量进行计数。
空间X-射线投影测量导致对于每个能量水平的一个投影图像。这些的加权总和能被用于优化空间成像任务的对噪比(CNR)，正如在文献Tapiovaara and Wagner,"SNR andDQE analysis of broad spectrum X-ray imaging",Phys.Med.Biol.30,519.中描述的。
通过能量分辨X-射线成像能实现的另一种技术是基础物质分解。这个技术利用了以下事实：所有物质(例如人体组织)是从具有低原子数的元素中构建的，这些元素具有线性衰减系数μ(E)，为达到好的近似，这些系数的能量依赖能被表示为两个基础函数的线性合并：
μ(E)＝a1f1(E)+a2f2(E),
其中，fi是基础函数，而ai是相关的基础系数。如果在所成像的体积内有一个或多个具有高原子数的元素，其原子数足够高以致k-吸收边缘能在能量范围内被显示用于成像，对于每个这样的元素，必须加入一个基础函数。在医疗成像的领域，这样的k-边缘元素典型地是碘或钆，这些物质被用于对照试剂。
基础物质分解已经在文献Alvarez and Macovski,"Energy-selectivereconstructions in X-ray computerised tomography",Phys.Med.Biol.21,733中描述。在基础物质分解中，每个基础系数的积分，对于其中i＝1,…,N，N是基础函数的数量，在从光源到检测器元件的每个投影光线的测量数据中被推导出来。在一个具体实施方式中，这是通过首次表现为在每个能量仓以与Ai成函数关系的计数的预期记录数量而获得的：
这里，λi是在能量仓i内计数的预期数量，E是能量，Si是反应函数，它取决于在成像目标上的光谱形状入射、检测器的量子效率和能量仓i对于具有能量E的X-射线的敏感度。即使术语“能量仓”更普遍地被用于光子技术检测器，这个方程式也可描述其他能量分辨的X-射线系统，例如多层检测器或者kVp转换光源。
接着，最大近似方法可被用于估计Ai，假设在每个能量仓的计数的数量是泊松分布随机变量。这是通过使负对数似然函数最小化而获得的，参见文献Roessl and Proksa,K-edge imaging in x-ray computed tomography using multi-bin photon countingdetectors,Phys.Med.Biol.52(2007),4679-4696：
其中，mi是在能量仓i中测量计数的数量，而Mb是能量仓的数量。
当对于每条投影线的得到的估计的基础系数线积分是被配置进入一个成像矩阵，结果是物质特异的投影图像，对于每个基础i，也被称为基础图像。这个基础图像能被直接观察(例如，在投影X-射线成像)或者作为对于重建算法的输入以形成基础系数的图像，在对象的内部(例如，在CT中)。不论以何种方式，基础分解的结果能被视为一个或多个基础成像表达，例如基础系数线积分或它们的基础系数。
然而，这个技术的已知局限性是估计的线积分的变量通常随着用于基础分解中的基础的数量的增加而增加。除了别的之外，这导致在改进的组织量化与增加的图像噪声之间的不利折衷。
发明内容
本发明的一个目标是提供一种改进的图像重建的方法。
本发明的另一个目标是提供一种改进的图像重建的方法。
本发明的另一个目标是提供一种成像系统。
本发明的另一个目标是提供一种相应的计算机程序和计算机程序产品。
本发明的还一个目标是提供一种用于体内化合物或未显示k吸收边缘的元素的形象化和/或量化的装置。
这些和其他目标是通过所提议的技术的具体实施方式而达到的。
根据第一个方面，提供了一种基于来自光子计数多仓检测器或中间存储器的能量分辨图像数据的图像重建的方法。该方法包括：
——通过采用不同数量的用于线性衰减建模的基础函数进行至少两种独立的基础分解来处理能量分辨图像数据；
其中，第一个基础分解是采用第一组较小的基础函数进行的，以获得至少一个第一基础图像表现；以及
其中，第二个基础分解是采用第二组较大的基础函数进行的，以获得至少一个第二基础图像表现；以及
——基于从所述第一个基础分解获得的所述至少一个第一基础图像表现来重建第一图像；以及
——合并所述第一图像与所述至少一个第二基础图像表现的信息代表。
根据第二个方面，提供了一种用于基于来自光子计数的多仓检测器或中间存储器的能量分辨的图像数据的图像重建的系统。所述系统是被配置为通过采用用于线性衰减的建模的不同数量的基础函数进行至少两种独立的基础分解而处理所述能量分辨的图像数据。所述系统是被配置为采用第一组较小的基础函数进行第一基础分解以获得至少一个第一基础图像表现。所述系统是被配置为采用第二组较大的基础函数进行第二基础分解以获得至少一个第二基础图像表现。所述系统还被配置为基于从所述第一基础分解所获得的至少一个第一基础图像表现来重建第一图像。所述系统也被配置为合并所述第一图像与所述至少一个第二基础图像的信息代表。
根据第三个方面，提供了一种成像系统，它包括用于第二个方面所述的图像重建的系统。
根据第四个方面，提供了一种计算机程序，它包括指令，当由至少一个处理器执行所述指令时，导致所述至少一个处理器：
——通过采用不同数量的用于线性衰减建模的基础函数进行至少两种独立的基础分解来处理来自光子计数多仓检测器或中间存储器的能量分辨图像数据；
其中，第一个基础分解是采用第一组较小的基础函数进行的，以获得至少一个第一基础图像表现；以及
其中，第二个基础分解是采用第二组较大的基础函数进行的，以获得至少一个第二基础图像表现；以及
——基于从所述第一个基础分解获得的所述至少一个第一基础图像表现和从所述第二个基础分解获得的所述至少一个第二基础图像表现而进行图像重建。
根据第五个方面，提供了一种对应的计算机程序产品，它包括计算机可读介质，该介质上已存储第四个方面所述的计算机程序。
根据第六个方面，提供了一种用于体内化合物或未显示k吸收边缘的元素的形象化和/或量化的装置，该装置包括：
——光子计数多仓检测器，被安装在计算机断层构台上；以及
——处理设备，能采用不同数量的用于重建对应图像的基础函数在至少两个平行处理路径上分解多仓投影测量；
——图解设备，能合并从平行的处理路径得到的图像，包括至少一个重建的复显图像和重建图像，例如所述化合物或元素的重叠的图。
以这样的方式，可以获得有效的高质量的图像重建和/或量化。通过实施例，可以克服在改进的组织量化与增加的图像噪声之间的易见的妥协。
其他优势将在阅读详细的说明书时得以明确。
附图说明
具体实施方式以及它们的进一步目标和优势将通过参考以下的说明书并结合所附的附图而得以最好的理解。在这些附图中：
图1是显示成像系统建立的一个实施例的示意图，显示来自光源的投影线穿过目标到达检测器。
图2是X-射线成像系统和图像重建子系统的一个实施例的示意图。
图3是具有几个能量极限的光子计数检测器的一个实施例的示意图。
图4是显示具有几个能量极限的光子计数检测器如何分割光谱为几个能量仓的示意图。
图5是根据一个具体实施方式所述的图像重建方法的实施例的流程图。
图6是显示基础分解过程和对应的得到的基础图像表现的一个实施例的示意图。
图7是根据一个具体实施方式所述的基于独立的基础分解的两个平行的处理路径与合并所得到的图像信息的一个实施例的示意图。
图8是根据一个具体实施方式所述的用于图像重建的系统或装置的一个实施例的示意图。
图9是根据一个具体实施方式所述计算机实施方式的一个实施例的示意图。
具体实施方式
贯穿所有的附图，相同的附图标记被用于表示相似或相应的元件。
为了更好地理解所提议的技术，有必要从简要描述成像系统的非限制性实施例开始。
图1是显示成像系统建立的一个实施例的示意图，它显示来自光源的投影线穿过目标到达检测器。
正如在图2中所示的实施例中，X-射线成像系统包括X-射线源10，它发射X-射线；X-射线检测器20，在X-射线穿透目标后，该检测器检测这些X-射线；模拟处理电路30，它处理来自检测器的原始电信号并使该信号数字化；数字处理电路40，它能在所测量的数据上进行进一步的处理操作，例如施加校正、临时存储数据或者过滤；以及数字电脑50，它存储已处理的数据，并可进行进一步的后处理和/或图像重建。整个检测器可被视为X-射线检测器20，或结合了相关模拟处理电路30的X-射线检测器20。数字部分包括数字处理电路40和/或计算机50，该部分可被视为图像重建系统100/200，它基于来自X-射线检测器的图像数据进行图像重建。因此，该图像重建系统100/200可被视为计算机50，或者可替代地，可被视为数字处理电路40与计算机50的合并系统，或者可能地，为数字处理电路40自身，如果该数字处理电路被进一步特定化为也用于图像重建的话。X-射线源10和/或X-射线检测器20可被配置为计算机断层(CT)系统的一部分，例如可被安装在CT构台内。
在一个特定实施例中，所述检测器是如图3中所示的光子计数检测器，它与相关联的模拟处理电子元件在一起。在这个实施例中，检测器20包括反向偏置的光电二极管，其中光子相互作用并产生电流脉冲，这些脉冲是由放大器放大，并进一步由滤波器处理，以获得想要的脉冲形状。然后，采用比较器将每个脉冲与N个数量的极限值T1,...,TN进行比较，解码电路处理该比较器输出的信号，并增加几个计数器中的一个，对应于最高的极限值，该极限值是比该脉冲高度更低。以这种方式，入射的X-射线光谱被划分为N个数量的能量仓，各带有一个计数器，每个计数器对在该仓内记录的光子的数量进行计数，正如在图4中所示。这些计数值形成原始数据，该数据是从检测器中读出，并可选地在数字处理电路中进一步处理，由计算机所存储。
图5是根据一个具体实施方式所述的图像重建方法的实施例的流程图。该方法主要包括以下步骤：
S1：通过采用不同数量的用于线性衰减建模的基础函数进行至少两种独立的基础分解来处理能量分辨图像数据；
其中，第一个基础分解是采用第一组较小的基础函数进行的，以获得至少一个第一基础图像表现；以及
其中，第二个基础分解是采用第二组较大的基础函数进行的，以获得至少一个第二基础图像表现。
S2：基于从所述第一个基础分解获得的所述至少一个第一基础图像表现来重建第一图像。
S3：合并所述第一图像与所述至少一个第二基础图像表现的信息代表。
通过实施例的方式，第二图像是基于从所述第二个基础分解获得的所述至少一个第二基础图像表现而重建的，所述合并步骤包括合并所述第一图像和所述第二图像的步骤。
在一个特定实施例中，所述第二图像表现特定化合物或元素的浓度或密度的物理解释图。
作为一个实施例，从第二个基础分解获得的所述至少一个第二基础图像表现的信息代表是以表示特定化合物或元素的浓度或密度的量化信息的形式产生的；所述合并步骤包括显示所述量化信息连同所述第一图像的步骤。
通过实施例的方式，所述第二组较大的基础函数包括用于对特定的元素或化合物建模的基础函数。
例如，所述特定的元素或化合物是铁或含铁的化合物。
需要明确的是，所述第一组较小的基础函数与所述第二组较大的基础函数是重叠的或不重叠的。
在一个特定的实施例中，所述第二组较大的基础函数包括所述第一组较小的基础函数与附加的基础函数。
在一个可选的具体实施方式中，所述第一图像可以与对于所述附加的基础函数的一组基础系数的信息代表相结合。
例如，附加的基础函数可以反映在诊断的X-射线能量范围内没有k吸收边缘的化合物或元素的能量依赖性。
这可以是铁或含铁的化合物，如上所述。
通过实施例的方式，第一组较小的基础函数可包括至少两种用于表示人体组织的主要部分的基础函数，第二组较大的基础函数还可包括用于表示具有线性衰减的化合物或元素的基础函数，该线性衰减落在用于表示人体组织的主要部分的所述至少两种基础函数的范围之外。
例如，第一组较小的基础函数包括至少两种用于捕获光电子效应的能量依赖和Klein-Nishina的能量依赖横截面的基础函数，或用于捕获视图对人体组织建模的两种不同物质的能量依赖的基础函数。
需要明确的是，每个基础分解可以是基于这样的模型，其中至少两种基础函数的组合是被用于表示至少一个线性衰减系数的代表，且每种基础分解包括估计基础系数的一组线性积分或者相应的基础系数以提供至少一种基础图像的表现的步骤。
例如，所述模型可定义每个检测器元件的光子入射数量，与i)基础系数或所述基础系数的线积分以及ii)所述基础函数成函数关系。
在一个特定的具体实施例中，两种独立的基础分解是在投影图像数据上进行的，结果得到基础函数系数的各自线积分估算，其中所述第一分解具有以假设的未知线性衰减图的函数形式的一组较小的基础函数，所述第二分解具有一组较大的基础函数，包括用于表示特定化合物或元素的基础函数。然后，第一图像重建可以是采用从用较小数量的基础函数的第一分解中估算的线积分进行的，结果得到具有相对低的噪声水平的复显图像。第二图像重建也可以是对于对应于所述化合物或元素的基础系数，采用从用较大数量的基础函数的第二分解中估算的线积分进行的，结果得到所述化合物或元素的浓度或密度的物理解释图。在这个实施例中，具有相对低的噪声水平的复显图像是与所述化合物或元素的浓度或密度的物理解释图相结合的。
作为一个实施例，具有相对低的噪声水平的复显图像是与所述化合物或元素的浓度或密度的物理解释图相结合的，通过将所述化合物或元素的浓度或密度的可选地进一步处理的物理解释图与复显图像进行合并，或者通过显示关于所述化合物或元素的浓度或局部密度的量化的相关信息连同复显图像。
例如，所述显示关于所述化合物或元素的浓度或局部密度的量化的相关信息的步骤涉及：显示所述化合物或元素的浓度或局部密度的图像表现以及复显图像，和/或从感兴趣的区域中提取平均量，手动或自动地在所述化合物或元素所重建的图像中分区。
在一个可选的具体实施方式中，所述合并所重建的图像的步骤涉及颜色叠加，其中在颜色亮度上的改变是浓度或局部密度的指示，或者在用户指令下通过插入到所述复显图像和/或从所述复显图像移除来切换(开/关)所叠加的图。
例如，在所提议的技术的一个有用的应用中，所述方法是基于光子计数的计算机断层术的。
图6是显示基础分解过程和对应得到的基础图像表现的一个实施例的示意图。正如前面所概述的，基础分解通常是基于线性衰减(系数)的模型，通常提供基础系数的一组线积分A，基于来自多仓检测器或中间存储器的能量分辨图像数据。输出可被视为基础图像表现，或者可选地被视为(转换的)正弦图。
从线积分A，可进行断层射影重建以获得基础系数a。这个程序上的步骤可被视为分离的断层射影重建，或者可选地被视为整个基础分解的一部分。
图7是根据一个具体实施方式所述的基于独立的基础分解的两个平行的处理路径与合并所得到的图像信息的一个实施例的示意图。
第一基础分解是采用第一组较小的基础函数来进行，以获得至少一个第一基础图像表现。
第二基础分解是采用第二组较大的基础函数来进行，以获得至少一个第二基础图像表现。
基于从第一基础分解中获得的第一基础图像表现，进行图像重建以提供第一图像。
所述第一图像是与从第二基础分解获得的第二基础图像表现的信息代表或者从可选的图像重建导致的对应的重建的图像相合并的。
为了更好地理解所提议的技术，多种不同的非限制性具体实施方式将在这里被更详细地描述。然而，以在光子计数的多仓系统的基础分解技术的某些更详细的概述和分析开始，可以是更有用。
多仓空间分辨的X-射线检测器采用直接转换检测。对于每个个别的光子交互作用，产生电压脉冲，该脉冲的高度是接近于由时间沉积的能量。快速读出的电子元件允许每个事件的电压脉冲能与预定的电压极限值进行比较，并增加计数器i，如果该脉冲高度是高于或等于极限值i(Ti)但低于极限值i+1(Ti+1)。以这个标记i＝1,...,N，其中N是仓的数量，TN+1是被设为无穷大，指示所有沉积能量高于那些在顶仓的增量TN。
近年来，光子计数多仓空间计算断层术(以下简称为多仓空间CT)已经吸引了很多关注。一个主要原因是多仓空间CT使得光束硬化伪假像完全降低，因而使得对于真量化CT，其中在图像体素内的组织成分能以高精确度和高准确性的方式而被确定。简言之，量化CT是通过物质(或能量)基础分解的方法来获得的。这个方法在1976年由Alvarez和Macovski首次引入，参见文献"Energy-selective reconstruction in x-ray computerizedtomography"in Physics of Medicine and Biology,vol 21,pp.733-44，并基于以下观察：为达到好的近似，所有身体成分的线性衰减系数的能量依赖能被写成仅几个物质(或能量)基础的线性组合：
其中，M通常是2。采用多仓空间CT系统，可以直接获得ak的线积分的最大相似性估计，也就是∫lak(x,y)ds，其中，l是由X-射线贯穿的直线，该X-射线在一个视面(一条投影线)从光源穿过目标到特定的检测器元件。从这些线积分，应用逆Radon转换以获得在每个体素x,y中的该组基础系数{ak}(的最大相似性估计)，通过插入上述方程式，在该体素中线性衰减系数的全能量依赖已经被精确地和准确地估计。该方法是由Roessl和Herrmann在2009年详细描述的，参见文献"Cramer-Rao lower bound of basis image noise in multiple-energy X-ray imaging"in Physics in Medicine and Biology,vol.54,no.5,pp.307—1318。
在CT实验过程中，如果碘被用作对照试剂，通常可建议对该组基础增加1，通过包括基础fk+1(E)，它是对于碘的线性衰减系数的能量依赖。原因是：在k-边缘能源在X-射线衰减的尖锐增加不被第一的两个基础捕获。通过采用这个延展组的基础函数，在每个体素中的实际碘容量能被量化(以克/ml表示，或类似的物理量，相对于纯粹的灰度值)。
然而，该技术的众所周知的局限性是：基础M是从投影数据中估计的，当基础M的数量增加时，估计的变化也增加。这样导致在准确度(小偏差)和精确度之间的妥协(在估计的线积分∫lak(x,y)ds中有小变化)。当M增加时，准确度改善，但精确度会恶化。这是为什么M＝2是被总体上应用于人体组织的部分原因。为什么M＝2是被总体上应用于基础分解方法的其他原因是：它捕获光子相互作用横截面的能量依赖，对于光电子效应和非相干散射。然而，理论上预期表明：其他效应，例如非相干散射和分子结合效应也影响在组织中的光子相互作用横截面，因此M需要大于2(即使缺乏k-边缘)。这些预测已经在列成表的数据中通过实验而被验证，这表明：M实际上是与4一样大；参见文献Bornefalk,"XCOM intrinsicdimensionality for low-Z elements at diagnostic energies",appearing inMedical Physics,vol.39,no.2,pp.654-657,2012。因此，似乎有理由认为：更大的M值可以更好地对一些身体成分进行建模(按照更精确地重建线性衰减系数)。这将在微弱信号(小浓度)的量化上，例如在肝中的铁或者在脑中的过往出血等上述情况下显得更为重要。
然而，在Alvarez的调查研究"Dimensionality and noise in energy selectivex-ray imaging",Medical Physics,vol 40,no.11,p.1 1 1909-1,2013中显示，从增加的M值中所增加的精确度是超过在(在噪声中增加)准确度的下降。
因此，从上述内容可以证明：以2个基础且仅采用对于每个独立的k-边缘对照剂的附加技术进行物质基础分解(或者采用诸如能量基础或主要成分基础等任意组的相关基础进行的分解)确实是最佳的，独立的k-边缘对照剂是被用在实验中，也就是，如果仅采用碘，3个基础，如果连同钆一起使用，4个基础。
本发明提供了一种方法与系统，通过该方法与系统，在改进的组织定量和增加的图像噪声之间的明显的妥协可以被克服。可以提出通过采用多仓计算机断层术的物质基础分解在肝或脑中对小浓度的铁的量化的设置，可在存在或不存在碘对照剂的情况下被应用。本发明的一个自然延伸可以是例如从铁到在诊断性X-射线能量范围内没有k-边缘的任意元素。
以下，所提议的技术的一个实施例可以在以下假设的情形下被描述：腹部是通过多仓CT来成像，这对于获取高质量的图像是可取的。例如，高质量可被转变为没有束硬化和低噪声的图像。在这个非限制性实施例中，也假设：人们是对确定在肝中的铁含量感兴趣。
在第一个步骤，投影数据是在至少两条路径被平行地处理，参见图X。在每个路径中，线积分的最大相似估计是采用不同维度的模型假设来确定的，也就是，在对于线性衰减系数的方程式中的不同的M值。在优选的具体实施方式中，对于不同的路径，如果在没有碘的情况下进行图像采集，M是2和3。在这样的例子中，在第一路径中的基础是被选择为跨软组织和骨，例如，可以是对于软组织和脂肪或者对于水和骨头的线性衰减系数。在第二数据处理路径中，加入附加基础，称为铁的线性衰减系数(或者给定的它们的多个或部分)。
在第一处理路径中，每个投影线的线性积分∫lak(x,y)ds，其中l和k＝1,2，是对观察到的投影数据采用一些拟合算法来确定的。在断层图像重建之后，获得基础图像其中k＝1,2。星号(*)表示该值是理想的估计给出的数据，和一些罚函数(最小二乘法或极大似然法)。从这些数据，无束硬化图像是通过例如在对于能量E的一些选择的线性衰减系数的方程式中插入来重建的。这导致没有束硬化的合成单能图像。
在第二数据处理路径中，对于k＝1,2的估计可以是比在第一处理路径中的估计有更多噪声，因为更多参数已经从数据中被估计出来。由于该原因，对于k＝1,2，被放弃，仅被保留。现在是在切片中铁浓度的空间分布的指示。
可以假定：是很多噪声，也就是，具有大的方差。总的来说，一个人想要量化在特定器官中感兴趣的较大区域中的铁，由于这个原因，一个可选的附加数据处理步骤被施加到以平滑数据。在最简化的形式中，这可以是低通过滤的，但其他方法也是可相像的，例如聚类技术或者甚至什么都没有。在该附加处理之后，铁图是被表示为不必须是由操作者可视化的。代替从第一途径201重建的图像，它被显示，因为它具有较高的图像质量。包含在的信息可被覆盖，来自途径201的灰度图像，通过例如亮度取决于的颜色。例如，高浓度的铁能被显示为暗色相的粉红色，覆盖在重建的图像上。为了容易观察，也可以有开关按钮，通过该按钮，在简单操作指令下，铁覆盖可以被去除或者被插入。其他使包含在中的信息形象化的方式是让操作者在重建的、可能合成的单能量图像上移动鼠标指针，并当该指针是在位置(x,y)时，让显示单元显示浓度当传递在中的信息存在许多其他可能性时，关键因素是：当具有附加基础函数的基础物质分解倾向于增加评估器的噪声时，原始投影数据仍然包含能被提取的信息，并用于产生低噪声、无束硬化的图像，采用减少数量的基础函数。
以下非限制性实施例倾向于显示：获得指示在切片中的铁浓度的量是更容易，当M＝3时比当M＝2时需要更少的假设。假设首先M＝3，对于k＝1,2,3，基础图像已经被获得。设表示对于由x和y给出的体素的在中对应的矢量。进一步，设asoft、aadipose和airon是在中的矢量，它的元素分别是软组织、脂肪和铁的线性衰减系数的基础系数。这组矢量是的基础，因此a*(x，y)可以是被表达为：
a*(x，y)＝α(x，y)asoft+β(x，y)aadipose+γ(x，y)airon，
其中，α、β和γ是未知的标量函数。因此，对于每个x和y的a*(x，y)与在的子空间内的矢量wiron的标量乘法将会产生：
wiron·a*(x，y)＝γ(x，y)(wiron·airon)，
从上式，γ(x，y)是被期待为在切片中铁浓度的指示，γ(x，y)能被估计为：
假设取代M＝2，对于k＝1，2，基础图像已经被获得。类似之前的，设a*(x，y)表示对于由x和y给出的体素的在中对应的矢量。进一步，设asoft和aadipose是在中的矢量，它的元素分别是软组织和脂肪的线性衰减系数的基础系数。假设真正的铁浓度存在于切片中，则在由x和y给出的体素中它的线性衰减基础系数是：
γ(x，y)(γsoftasoft+γadiposeaadipose)，
其中，γ是未知的标量函数，而γsoft和γadipose是已知标量。为了简化，假设在基础图像中，它是被精确捕获的。因为asoft和aadipose是的基础，a*(x，y)可被表达为：
a*(x，y)＝(α(x，y)+γsoftγ(x，y))asoft+(β(x，y)+γadiposeγ(x，y))aadipose，
其中，α和β也是未知标量函数。接着，这个方程式可被重写为：
a*(x，y)＝(α(x，y)+γsoftγ(x，y))(asoft-aadipose)+
(α(x，y)+γsoftγ(x，y)+β(x，y)+γadiposeγ(x，y)aadipose
对于每个x和y的a*(x，y)与在的子空间内的矢量wiron的标量乘法是正交于asoft-aadipose，因此产生：
wiron·a*(x，y)
＝(α(x，y)+β(x，y))(wiron·aadipose)
+γ(x，y)(γsoft+γadipose)(wiron·aadipose)。
现在，在给出的感兴趣的区域中，组织的类型和它的平均密度是已知的，a(x,y)+β(x,y)可以常量ρ来替代，假设平均密度是样本的代表，并假设在问题中的组织是不可压缩的。这样产生了：γ(x,y)可被估算为：
如果铁浓度是小的，人们能预期：右手侧的提名者应该是来自减法的小数量，它在精确度上有许多局限。进一步，当假设密度和不可压缩性是足够精确时，它仅仅是精确的。
正如所描述的，本发明提议的技术的应用的一个实施例可涉及特定元素或化合物的形象化和/或量化，例如铁或基于铁的化合物。例如，肝铁浓度是杜宇患有血色沉着病(铁超负荷)的病人的重要参数。测量铁浓度的方法现在包括肝活组织检查和磁共振成像。本发明涉及一种方法和装置，通过该方法和装置，在体内的铁含量可被量化，例如，采用CT。另一个临床相关应用是在脑出血的诊断中。在传染的出血的检查中，X-射线对照剂通常是在获得CT图像之前施加的以检测出血。然而，存在这样的风险：来自前述出血的残留血红蛋白铁也表现为高变弱背景，因此使得正确的诊断变困难。因此，这样的技术将会有优势，通过该技术，体内铁浓度可采用CT来量化，无论有碘还是没有碘或者其他X-射线对照剂是否存在，也不会降低CT图像质量。所提议的发明提供了这样的技术。
在专利文献中提到的相关的解决方案的实施例包括：
美国专利7,756,239涉及包括两个非PC-边缘基础物质和数量N的K-边缘对照剂的物质的诊断性成像。该成像过程不是基于来自多仓系统的能量分辨的图像数据，而是基于这样的方法，通过该方法，以不同的X-射线光谱产生的N+2投影是被用于以两个基础进行物质基础分解，以捕获组织和数量N(N大于或等于1)的K-边缘基础。
国际专利申请WO 2007/034359涉及用于空间计算机断层术的量化的物质分解。采用两个能量基础函数，一个用于光电子效应，一个用于康普顿效应。这些两个基础函数被一起使用，具有不可压缩性假设，以解决用于三种不同的基础物质(例如，软组织、脂肪和骨)。需注意，用于非-k-边缘物质的基础函数的数量仍仅是两个，再次表明：已为人们所接受为真的是，对于常规组织，在对于线性衰减系数的方程式中增加M的值至3个，也增加了在最终图像中的噪声，或者等同地在这个例子中，导致更差的量化精确性。这样的系统不是采用来自光计数的多仓检测器的能量分辨数据。
美国专利7,873,201涉及将X-射线图像重建为基础函数组分，对于非医疗性检查系统采用多能量源。关键区别是：没有图像处理或者没有并行进行较低数量的基础M的基础分解，以便减轻较高M值在图像质量上的恶化效应。
美国专利8,855,385涉及一种用于多能组织量化的装置与方法。关键区别是：这是一种双能方法，仅两个基础被用于基础分解，优选是水和碘。第二个区别是：该专利的主要目的是量化脂肪含量，脂肪是一种具有线性衰减系数的物质，该线性衰减系数是落入人体组织线性衰减系数的范围之内，相对于例如铁等更重的元素而言。
美国专利8,588,494涉及一种用于在图像域内最优化的物质分解的系统与方法。物质基础分解是采用CT系统以两个或多个基础进行的。关键区别是：光计数系统不被应用，而是采用能量整合系统。进一步，目标是通过引入关于来自邻近像素(可能通过重复的方法)的结果来改善在重建图像中的分区。这是概念性地类似于采用先假设非可压缩性以使得通过双能量方法来进行三个物质分区。因此，关键区别是：该方法不会试图量化具有线性衰减系数的物质，该方法落入人体组织线性衰减系数的范围之外。
公开号为2010 0061504的美国专利申请仅涉及展示k-边缘的吸收边缘的物质的体内量化。
需要明确的是，这里所描述的方法和装置可以多种不同方式而被组合或重新安排。
例如，这些具体实施例可在硬件中被实施，或者在用于通过合适的处理电路来执行的软件中，或者它们的组合。
这里描述的至少一些所述步骤、功能、程序、模块和/或块是在采用计算机程序的硬件中实施的，例如离散电路或整合电路技术，包括总体目标的电子电路以及特殊应用的电路。
特定的实施例包括一个或多个合适配置的数字信号处理器和其他已知的电子电路，例如离散的逻辑门，相互连接以执行特点的功能，或特定用途集成电路(ASICs)。
可替代地，这里描述的至少一些所述步骤、功能、程序、模块和/或块可在例如计算机程序等软件中被实施，用于通过合适的处理电路例如一个或多个处理器或者处理单元来执行。
处理电路的例子包括但不限于：一个或多个微处理器、一个或多个数字信号处理器(DSP)、一个或多个中央处理单元(CPU)、视频加速硬件和/或任意合适的可编程逻辑电路，例如一个或多个现场可编程门阵列(FPGA)或者一个或多个可编程逻辑控制器(PLC)。
还需要明确的是，可能再次使用任意传统设备或单元的通用处理能力，其中所建议的技术被实施。也可以再次使用现有的软件，例如对已有软件重新编程，或则通过添加新的软件成分。
因此，所建议的技术提供了图像重建系统，该系统被配置为执行这里所述的方法。
特别地，这里提供了一种用于基于来自光子计数的多仓检测器或中间存储器的能量分辨的图像数据的图像重建的系统。该系统是被配置为通过采用用于线性衰减的建模的不同数量的基础函数进行至少两种独立的基础分解而处理所述能量分辨的图像数据。该系统是被配置为采用第一组较小的基础函数进行第一基础分解以获得至少一个第一基础图像表现。该系统还被配置为采用第二组较大的基础函数进行第二基础分解以获得至少一个第二基础图像表现。该系统还被配置为基于从所述第一基础分解所获得的至少一个第一基础图像表现来重建第一图像。该系统也被配置为合并所述第一图像与所述至少一个第二基础图像的信息代表。
通过实施例的方式，所述系统是被配置为基于从所述第二基础分解所获得的至少一个第二基础图像表现来重建第二图像，且所述系统是被配置为合并所述第一图像与所述第二图像。
例如，所述系统可以被配置为以特定化合物或元素的浓度或密度的物理解释图来重建所述第二图像。
在特定的实施例中，所述系统被配置为以表示特定化合物或元素的浓度或密度的量化信息的形式产生所述至少一种第二基础图像表现的信息代表，且所述系统是被配置为显示所述量化信息连同所述第一图像。
作为一个实施例，所述系统可以被配置为采用第二组较大的基础函数进行所述第二基础分解，所述第二组较大的基础函数包括用于对特定的元素或化合物建模的基础函数。
特别地，所述系统可以被配置为采用第二组较大的基础函数进行所述第二基础分解，所述第二组较大的基础函数包括用于对铁或含铁的化合物建模的基础函数。
在一个非限制性实施例中，所述系统是被配置为采用第二组较大的基础函数进行所述第二基础分解，所述第二组较大的基础函数包括第一组较小的基础函数和附加的基础函数；所述系统是被配置为结合所述第一图像与对于所述附加的基础函数的一组基础系数的信息代表。
通过实施例的方式，所述系统是被配置为采用第一组较小的基础函数进行所述第一基础分解，所述第一组较小的基础函数包括至少两种用于表示人体组织的主要部分的基础函数；所述系统是被配置为采用第二组较大的基础函数进行所述第二基础分解，所述第二组较大的基础函数还包括用于表示具有线性衰减的化合物或元素的基础函数，该线性衰减落在用于表示人体组织的主要部分的所述至少两种基础函数的范围之外。
在一个特别的实施例中，所述系统是被配置为在投影图像数据上进行两种独立的基础分解，结果得到各自的基础函数系数的线积分估计；所述第一分解具有以假设的未知线性衰减图的函数形式的一组较小的基础函数；所述第二分解具有一组较大的基础函数，包括用于表示特定化合物或元素的基础函数。所述系统是被配置为采用从用较小数量的基础函数的第一分解中估算的线积分进行第一图像重建，结果得到具有相对低的噪声水平的复显图像。所述系统是被配置为对于对应于所述化合物或元素的基础系数，采用从用较大数量的基础函数的第二分解中估算的线积分进行的，结果得到所述化合物或元素的浓度或密度的物理解释图。
例如，所述系统还可以被配置为将所述具有相对低的噪声水平的复显图像是与所述化合物或元素的浓度或密度的物理解释图相结合。
可选地，所述系统可以被配置为显示所述化合物或元素的浓度或局部密度的图像表现以及复显图像，和/或从感兴趣的区域中提取平均量，手动或自动地在所述化合物或元素所重建的图像中分区。
这里还提供了一种成像系统，它包括用于图像重建的这样的系统。
在一个特定的实施例中，用于图像重建的系统/装置100包括处理器110和存储器120，该存储器包括可由该处理器执行的指令，通过这样，该处理器是可操作用于执行基础分解、图像重建和信息的合并，正如在图11中所示。可选地，该系统包括输入/输出界面130，用于接收输入的数据以及输出得到的输出数据。
在这个特定实施例中，这里描述的至少一些步骤、函数、过程、模块和/或方块是在计算机程序中被实施的，该计算机程序是被装载进入存储器，用于由包括一个或多个处理器的处理电路来执行。这些处理器和存储器是互相连接的，使得能够进行常规的软件执行。可选的输入/输出设备也可以被连接到这些处理器和/或存储器，使得例如输入参数和/或得到的输出参数等相关数据能够输入和/或输出。
术语“处理器”可以是以上位概念被引入作为能执行程序代码或计算机程序指令以执行特定的过程、确定或计算任务的任何系统或设备。
因此，包括一个或多个处理器的处理电路是被配置为：当执行计算机程序时，它能执行如这里所描述的那些明确定义的处理任务。
该处理电路并不是必须指仅执行上述步骤、函数、过程和/或方块，但也可包括执行其他任务。
图12是根据一个具体实施方式所述的计算机实施方式的另一个实施例的示意图。
在一个特定实施例中，提供了一种计算机程序225、235，用于与光子计数多仓X-射线检测器一起使用。该计算机程序225、235包括指令，当由至少一个处理器110、210执行所述指令时，导致所述至少一个处理器：
——通过采用不同数量的用于线性衰减建模的基础函数进行至少两种独立的基础分解来处理来自光子计数多仓检测器或中间存储器的能量分辨图像数据；其中，第一个基础分解是采用第一组较小的基础函数进行的，以获得至少一个
第一基础图像表现；以及
其中，第二个基础分解是采用第二组较大的基础函数进行的，以获得至少一个第二基础图像表现；以及
——基于从所述第一个基础分解获得的所述至少一个第一基础图像表现和从所述第二个基础分解获得的所述至少一个第二基础图像表现而进行图像重建。
所建议的技术也提供一种计算机程序产品，包括：计算机可读介质220、230，例如计算机程序已经存储在该计算机可读介质上。
通过实施例，软件或计算机程序225、235可被实现为计算机程序产品，它通常是在计算机可读介质220、230上允许或存储的，特别是非易失性介质。该计算机可读介质可包括：一个或多个可移动或固定的存储设备，包括但不限于一个只读存储器(ROM)、随机存取存储器(RAM)、光盘(CD)、数字多功能光盘(DVD)、蓝光光盘、通用串行总线(USB)存储器、硬盘驱动器(HDD)存储设备、闪存、磁带或任何其他常规存储设备。因此，计算机程序可能被加载到计算机或同等处理设备的操作存储器中，以便执行它的处理电路。
这里所展示的流程图或图表可能被视为计算机流程图或图表，当通过一个或多个处理器实施时。相应的设备、系统和/或设备可以被定义为一组功能模块，其中，由处理器执行的每一个步骤都对应于一个函数模块。在这个例子中，函数模块是作为在处理器上运行的计算机程序实现的。因此，设备、系统和/或设备可以被定义为一组功能模块，其中，函数模块作为一个运行在至少一个处理器上的计算机程序实现。
因此，驻留在内存中的计算机程序可以按照配置为执行的适当的函数模块进行组织，当通过处理器运行该计算机程序时，至少这里描述的部分步骤和/或任务被执行。
可替代地，可以这些模块中主要通过硬件模块来实现，或者可替代地，通过硬件来实现。软件对比于硬件的范围纯粹是具体实施的选择。
所提议的技术还提供了一种用于体内化合物或未显示k吸收边缘的元素的形象化和/或量化的装置。该装置包括光子计数多仓检测器，它被安装在计算机断层构台上。该装置还包括处理设备，它能采用不同数量的用于重建对应图像的基础函数在至少两个平行处理路径上分解多仓投影测量。该装置还包括图解设备，它能合并从平行的处理路径得到的图像，包括至少一个重建的复显图像和重建图像，例如所述化合物或元素的重叠的图。
通过实施例，所述处理设备能够在第一处理路径上进行第一基础分解，以提供至少一个第一基础图像表现用于重建所述复显图像；以及在第二处理路径上进行第二基础分解，以提供至少一个第二基础图像表现用于重建所述化合物或元素的重叠图。
在一个特定的实施例中，所述装置还包括一种设备，它能在限定于所述重叠图内或在所述复显图像内的感兴趣的区域内提取和显示关于所述元素或化合物的局部密度或浓度的量化数据。
以上所述的具体实施例仅仅是作为示例，应该明确的是，本发明所提议的技术并不局限于此。本领域技术人员所熟知，多种不同的修改、组合和改变都可以对这些具体实施方式做出修改，而不会脱离由所附的权利要求所定义的本发明的范围。特别地，在不同的具体实施方式中，不同的部分解决方案可以组合在其他构造中，它们在技术上都是可行的。

Claims (36)

1.一种基于来自光子计数多仓检测器或中间存储器的能量分辨图像数据的图像重建的方法，其特征在于，所述方法包括：
——通过采用不同数量的用于线性衰减建模的基础函数进行至少两种独立的基础分解来处理(S1)能量分辨图像数据；
其中，第一个基础分解是采用第一组较小的基础函数进行的，以获得至少一个第一基础图像表现；以及
其中，第二个基础分解是采用第二组较大的基础函数进行的，以获得至少一个第二基础图像表现；以及
——基于从所述第一个基础分解获得的所述至少一个第一基础图像表现来重建(S2)第一图像；以及
——合并(S3)所述第一图像与所述至少一个第二基础图像表现的信息代表。
2.根据权利要求1所述的方法，其特征在于：第二图像是基于从所述第二个基础分解获得的所述至少一个第二基础图像表现而重建的，所述合并步骤包括合并所述第一图像和所述第二图像的步骤。
3.根据权利要求2所述的方法，其特征在于：所述第二图像表现特定化合物或元素的浓度或密度的物理解释图。
4.根据权利要求1所述的方法，其特征在于：从所述第二个基础分解获得的所述至少一个第二基础图像表现的信息代表是以表示特定化合物或元素的浓度或密度的量化信息的形式产生的；所述合并步骤包括显示所述量化信息连同所述第一图像的步骤。
5.根据权利要求3或4所述的方法，其特征在于：所述第二组较大的基础函数包括用于对特定的元素或化合物建模的基础函数。
6.根据权利要求3至5之一所述的方法，其特征在于：所述特定的元素或化合物是铁或含铁的化合物。
7.根据权利要求1至6之一所述的方法，其特征在于：所述第一组较小的基础函数与所述第二组较大的基础函数是重叠的或不重叠的。
8.根据权利要求1至7之一所述的方法，其特征在于：所述第二组较大的基础函数包括所述第一组较小的基础函数与附加的基础函数。
9.根据权利要求8所述的方法，其特征在于：所述第一图像是与对于所述附加的基础函数的一组基础系数的信息代表相结合的。
10.根据权利要求8或9所述的方法，其特征在于：所述附加的基础函数反映了化合物或元素的能量依赖性，在诊断的X-射线能量范围内没有k吸收边缘。
11.根据权利要求1至10之一所述的方法，其特征在于：所述第一组较小的基础函数包括至少两种用于表示人体组织的主要部分的基础函数，所述第二组较大的基础函数还包括用于表示具有线性衰减的化合物或元素的基础函数，该线性衰减落在用于表示人体组织的主要部分的所述至少两种基础函数的范围之外。
12.根据权利要求11所述的方法，其特征在于：所述第一组较小的基础函数包括至少两种用于捕获光电子效应的能量依赖和Klein-Nishina的能量依赖横截面的基础函数，或用于捕获视图对人体组织建模的两种不同物质的能量依赖的基础函数。
13.根据权利要求1至12之一所述的方法，其特征在于：每个基础分解是基于这样的模型，其中至少两种基础函数的组合是被用于表示至少一个线性衰减系数的代表，且每种基础分解包括估计基础系数的一组线性积分或者相应的基础系数以提供至少一种基础图像的表现的步骤。
14.根据权利要求13所述的方法，其特征在于：所述模型定义每个检测器元件的光子入射数量，与i)基础系数或所述基础系数的线积分以及ii)所述基础函数成函数关系。
15.根据权利要求1至14之一所述的方法，其特征在于：两种独立的基础分解是在投影图像数据上进行的，结果得到基础函数系数的各自线积分估算，其中所述第一分解具有以假设的未知线性衰减图的函数形式的一组较小的基础函数，所述第二分解具有一组较大的基础函数，包括用于表示特定化合物或元素的基础函数；
其中，第一图像重建是采用从用较小数量的基础函数的第一分解中估算的线积分进行的，结果得到具有相对低的噪声水平的复显图像；
其中，第二图像重建是对于对应于所述化合物或元素的基础系数，采用从用较大数量的基础函数的第二分解中估算的线积分进行的，结果得到所述化合物或元素的浓度或密度的物理解释图；以及
其中，所述具有相对低的噪声水平的复显图像是与所述化合物或元素的浓度或密度的物理解释图相结合的。
16.根据权利要求15所述的方法，其特征在于：所述具有相对低的噪声水平的复显图像是与所述化合物或元素的浓度或密度的物理解释图相结合的，通过将所述化合物或元素的浓度或密度的可选地进一步处理的物理解释图与复显图像进行合并，或者通过显示关于所述化合物或元素的浓度或局部密度的量化的相关信息连同复显图像。
17.根据权利要求16所述的方法，其特征在于，所述显示关于所述化合物或元素的浓度或局部密度的量化的相关信息的步骤涉及：显示所述化合物或元素的浓度或局部密度的图像表现以及复显图像，和/或从感兴趣的区域中提取平均量，手动或自动地在所述化合物或元素所重建的图像中分区。
18.根据权利要求15或16所述的方法，其特征在于：所述合并所重建的图像的步骤涉及颜色叠加，其中在颜色亮度上的改变是浓度或局部密度的指示，或者在用户指令下通过插入到所述复显图像和/或从所述复显图像移除来切换所叠加的图。
19.根据权利要求1至18之一所述的方法，其特征在于：所述方法是基于光子计数的计算机断层术。
20.一种用于基于来自光子计数的多仓检测器(20)或中间存储器的能量分辨的图像数据的图像重建的系统(100；200)，其特征在于：
所述系统是被配置为通过采用用于线性衰减的建模的不同数量的基础函数进行至少两种独立的基础分解而处理所述能量分辨的图像数据；
所述系统是被配置为采用第一组较小的基础函数进行第一基础分解以获得至少一个第一基础图像表现；
所述系统是被配置为采用第二组较大的基础函数进行第二基础分解以获得至少一个第二基础图像表现；
所述系统是被配置为基于从所述第一基础分解所获得的至少一个第一基础图像表现来重建第一图像；
所述系统是被配置为合并所述第一图像与所述至少一个第二基础图像的信息代表。
21.根据权利要求20所述的系统，其特征在于：所述系统是被配置为基于从所述第二基础分解所获得的至少一个第二基础图像表现来重建第二图像，且所述系统是被配置为合并所述第一图像与所述第二图像。
22.根据权利要求21所述的系统，其特征在于：所述系统是被配置为以特定化合物或元素的浓度或密度的物理解释图来重建所述第二图像。
23.根据权利要求20所述的系统，其特征在于：所述系统被配置为以表示特定化合物或元素的浓度或密度的量化信息的形式产生所述至少一种第二基础图像表现的信息代表，且所述系统是被配置为显示所述量化信息连同所述第一图像。
24.根据权利要求22或23所述的系统，其特征在于：所述系统是被配置为采用第二组较大的基础函数进行所述第二基础分解，所述第二组较大的基础函数包括用于对特定的元素或化合物建模的基础函数。
25.根据权利要求22至24之一所述的系统，其特征在于：所述系统被配置为采用第二组较大的基础函数进行所述第二基础分解，所述第二组较大的基础函数包括用于对铁或含铁的化合物建模的基础函数。
26.根据权利要求20至25之一所述的系统，其特征在于：所述系统是被配置为采用第二组较大的基础函数进行所述第二基础分解，所述第二组较大的基础函数包括第一组较小的基础函数和附加的基础函数；所述系统是被配置为结合所述第一图像与对于所述附加的基础函数的一组基础系数的信息代表。
27.根据权利要求20至26之一所述的系统，其特征在于：所述系统是被配置为采用第一组较小的基础函数进行所述第一基础分解，所述第一组较小的基础函数包括至少两种用于表示人体组织的主要部分的基础函数；所述系统是被配置为采用第二组较大的基础函数进行所述第二基础分解，所述第二组较大的基础函数还包括用于表示具有线性衰减的化合物或元素的基础函数，该线性衰减落在用于表示人体组织的主要部分的所述至少两种基础函数的范围之外。
28.根据权利要求20至27之一所述的系统，其特征在于：所述系统是被配置为在投影图像数据上进行两种独立的基础分解，结果得到各自的基础函数系数的线积分估计；所述第一分解具有以假设的未知线性衰减图的函数形式的一组较小的基础函数；所述第二分解具有一组较大的基础函数，包括用于表示特定化合物或元素的基础函数；
其中，所述系统是被配置为采用从用较小数量的基础函数的第一分解中估算的线积分进行第一图像重建，结果得到具有相对低的噪声水平的复显图像；
其中，所述系统是被配置为对于对应于所述化合物或元素的基础系数，采用从用较大数量的基础函数的第二分解中估算的线积分进行的，结果得到所述化合物或元素的浓度或密度的物理解释图；以及
其中，所述系统是被配置为将所述具有相对低的噪声水平的复显图像是与所述化合物或元素的浓度或密度的物理解释图相结合。
29.根据权利要求28所述的系统，其特征在于：所述系统是被配置为将所述具有相对低的噪声水平的复显图像是与所述化合物或元素的浓度或密度的物理解释图相结合，通过将所述化合物或元素的浓度或密度的可选地进一步处理的物理解释图与复显图像进行合并，或者通过显示关于所述化合物或元素的浓度或局部密度的量化的相关信息连同复显图像。
30.根据权利要求29所述的系统，其特征在于：所述系统是被配置为显示所述化合物或元素的浓度或局部密度的图像表现以及复显图像，和/或从感兴趣的区域中提取平均量，手动或自动地在所述化合物或元素所重建的图像中分区。
31.一种成像系统(300)，包括用于根据权利要求20至30任意之一所述的图像重建的系统(100；200)。
32.一种计算机程序(225；235)，包括：指令，当由至少一个处理器(110；210)执行所述指令时，导致所述至少一个处理器：
——通过采用不同数量的用于线性衰减建模的基础函数进行至少两种独立的基础分解来处理来自光子计数多仓检测器或中间存储器的能量分辨图像数据；
其中，第一个基础分解是采用第一组较小的基础函数进行的，以获得至少一个第一基础图像表现；以及
其中，第二个基础分解是采用第二组较大的基础函数进行的，以获得至少一个第二基础图像表现；以及
——基于从所述第一个基础分解获得的所述至少一个第一基础图像表现和从所述第二个基础分解获得的所述至少一个第二基础图像表现而进行图像重建。
33.一种计算机程序产品，包括计算机可读介质(220；230)，其上已存储如权利要求32所述的计算机程序(225；235)。
34.一种用于体内化合物或未显示k吸收边缘的元素的形象化和/或量化的装置(300)，所述装置包括：
光子计数多仓检测器(20)，被安装在计算机断层构台(25)上；以及
处理设备(100；200)，能采用不同数量的用于重建对应图像的基础函数在至少两个平行处理路径上分解多仓投影测量；
图解设备(100；200)，能合并从平行的处理路径得到的图像，包括至少一个重建的复显图像和重建图像，例如所述化合物或元素的重叠的图。
35.根据权利要求34所述的装置，其特征在于：所述处理设备(100；200)能够在第一处理路径上进行第一基础分解，以提供至少一个第一基础图像表现用于重建所述复显图像；以及在第二处理路径上进行第二基础分解，以提供至少一个第二基础图像表现用于重建所述化合物或元素的重叠图。
36.根据权利要求34或35所述的装置，其特征在于：所述装置(300)还包括设备(100；200)，其能在限定于所述重叠图内或在所述复显图像内的感兴趣的区域内提取和显示关于所述元素或化合物的局部密度或浓度的量化数据。
CN201580077923.XA 2015-03-18 2015-03-18 基于来自光子计数多仓检测器的能量分辨的图像数据的图像重建 Pending CN107430778A (zh)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/SE2015/050316 WO2016148616A1 (en) 2015-03-18 2015-03-18 Image reconstruction based on energy-resolved image data from a photon-counting multi bin detector

Publications (1)

Publication Number Publication Date
CN107430778A true CN107430778A (zh) 2017-12-01

Family

ID=56919176

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201580077923.XA Pending CN107430778A (zh) 2015-03-18 2015-03-18 基于来自光子计数多仓检测器的能量分辨的图像数据的图像重建

Country Status (6)

Country Link
US (2) US9870628B2 (zh)
EP (1) EP3271898B1 (zh)
JP (1) JP6585182B2 (zh)
KR (2) KR20170129842A (zh)
CN (1) CN107430778A (zh)
WO (1) WO2016148616A1 (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115813419A (zh) * 2023-02-20 2023-03-21 武汉联影生命科学仪器有限公司 能谱ct成像的方法、装置和ct扫描成像系统

Families Citing this family (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101725099B1 (ko) * 2014-12-05 2017-04-26 삼성전자주식회사 컴퓨터 단층 촬영장치 및 그 제어방법
US9870628B2 (en) * 2015-03-18 2018-01-16 Prismatic Sensors Ab Image reconstruction based on energy-resolved image data from a photon-counting multi-bin detector
KR102621507B1 (ko) * 2016-12-16 2024-01-05 프리스매틱 센서즈 에이비 스펙트럼 컴퓨터 단층촬영 데이터로부터 종래의 컴퓨터 단층촬영 영상의 재생
DE102017200032A1 (de) * 2017-01-03 2018-07-05 Siemens Healthcare Gmbh Reduktion der Anzahl spektraler Kanäle in der Multi-Energie-CT-Bildgebung
US10398394B2 (en) * 2017-01-06 2019-09-03 General Electric Company Energy-discriminating photon-counting detector and the use thereof
US10067240B1 (en) * 2017-03-06 2018-09-04 Prismatic Sensors Ab X-ray detector system based on photon counting
US10559100B2 (en) * 2017-05-22 2020-02-11 Prismatic Sensors Ab Method and devices for image reconstruction
EP3556294B1 (en) * 2018-04-20 2022-09-21 Siemens Healthcare GmbH Method for determining a characteristic blood value, computed tomography device, computer program and electronically readable storage medium
EP3550517B1 (en) * 2018-08-24 2020-08-05 Siemens Healthcare GmbH Method and providing unit for providing an optimized energy bin parameter set for photon-counting spectral computed tomography
CN109875593B (zh) * 2019-02-02 2023-03-21 中北大学 X射线多谱分离成像方法、存储介质和装置
JP7225432B2 (ja) * 2019-04-18 2023-02-20 プリズマティック、センサーズ、アクチボラグ 医療用透過ｘ線撮影におけるｘ線の操作に使用されるインラインｘ線集束光学系
JP7324115B2 (ja) 2019-10-11 2023-08-09 富士フイルムヘルスケア株式会社 物質弁別装置、ｐｃｃｔ装置および物質弁別方法
RU2738135C1 (ru) * 2020-02-11 2020-12-08 Общество с ограниченной ответственностью "Научно-технический центр "МТ" (ООО "НТЦ-МТ") Способ двухэнергетической рентгенографии (варианты)
US20230326100A1 (en) * 2020-08-19 2023-10-12 Prismatic Sensors Ab Methods and systems related to x-ray imaging
WO2022220721A1 (en) * 2021-04-13 2022-10-20 Prismatic Sensors Ab Determining a confidence indication for deep-learning image reconstruction in computed tomography
WO2023007846A1 (ja) * 2021-07-27 2023-02-02 株式会社リガク 補正装置、システム、方法およびプログラム

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040184574A1 (en) * 2002-07-23 2004-09-23 Xiaoye Wu Method and apparatus for generating a density map using dual-energy CT
US20090052612A1 (en) * 2007-08-22 2009-02-26 Xiaoye Wu System and method of optimizing a monochromatic representation of basis material decomposed ct images
US20100135565A1 (en) * 2008-11-28 2010-06-03 Brian William Thomsen Apparatus and method of visualizing multi-energy imaging data
CN101810490A (zh) * 2008-11-28 2010-08-25 通用电气公司 使用双能计算机断层造影的多材料分解
CN102793555A (zh) * 2011-05-24 2012-11-28 西门子公司 产生断层造影图像数据组的方法和计算机断层造影系统
CN103530849A (zh) * 2013-09-30 2014-01-22 重庆大学 一种优化的K-edge成像方法
CN104408758A (zh) * 2014-11-12 2015-03-11 南方医科大学 一种低剂量能谱ct图像处理方法

Family Cites Families (36)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6226352B1 (en) * 1998-09-08 2001-05-01 Veritas Pharmaceuticals, Inc. System and method for radiographic imaging of tissue
US7272429B2 (en) * 2002-11-27 2007-09-18 Ge Medical Systems Global Technology Company, Llc Methods and apparatus for facilitating a reduction in artifacts
US7352887B2 (en) * 2003-04-11 2008-04-01 Hologic, Inc. Scatter rejection for composite medical imaging systems
WO2005009206A2 (en) * 2003-06-25 2005-02-03 Besson Guy M Dynamic multi-spectral imaging system
US7873201B2 (en) 2004-11-10 2011-01-18 L-3 Communications Security and Detection Systems Inc. Reconstruction of x-ray images into basis function components using multiple-energy sources
US7599465B2 (en) * 2004-11-19 2009-10-06 General Electric Company Detection of thrombi in CT using energy discrimination
CN101495039B (zh) 2005-09-22 2012-05-30 皇家飞利浦电子股份有限公司 用于能谱ct的定量物质分解
US7298812B2 (en) * 2006-03-31 2007-11-20 General Electric Company Image-based material decomposition
DE102006015452A1 (de) * 2006-03-31 2007-10-11 Siemens Ag Verfahren und Vorrichtung zur Detektion von chemischen Anomalien und/oder Auffälligkeiten in Weichgewebe eines Objektbereiches
CN101542313A (zh) * 2006-11-21 2009-09-23 皇家飞利浦电子股份有限公司 用于确定探测单元的探测器能量加权函数的设备和方法
US7813472B2 (en) 2006-12-04 2010-10-12 Koninklijke Philips Electronics N.V. CT imaging system
US7756239B2 (en) 2006-12-07 2010-07-13 General Electric Company Diagnostic imaging two non K-edge basis materials plus N K-edge contrast agents
US7697657B2 (en) 2007-03-23 2010-04-13 General Electric Company System and method of density and effective atomic number imaging
US7983465B2 (en) * 2007-05-09 2011-07-19 Société De Commercialisation Des Produits De La Recherche Appliquée - Socpra Sciences Santé Et Humaines, S.E.C. Image reconstruction methods based on block circulant system matrices
JP5367574B2 (ja) * 2007-08-15 2013-12-11 国立大学法人京都大学 Ｘ線ｃｔ装置および該方法
US8055039B2 (en) * 2008-02-21 2011-11-08 General Electric Company System and method to obtain noise mitigated monochromatic representation for varying energy level
CN101647706B (zh) * 2008-08-13 2012-05-30 清华大学 高能双能ct系统的图象重建方法
US8705822B2 (en) * 2008-09-03 2014-04-22 Mayo Foundation For Medical Education And Research Method for creating images indicating material decomposition in dual energy, dual source helical computed tomography
US8194820B2 (en) * 2009-02-06 2012-06-05 The Board Of Trustees Of The Leland Stanford Junior University Optimal weights for measuring spectral x-ray data
US8378310B2 (en) * 2009-02-11 2013-02-19 Prismatic Sensors Ab Image quality in photon counting-mode detector systems
US8160206B2 (en) * 2009-12-23 2012-04-17 General Electric Company Dual-energy imaging at reduced sample rates
EP2377467A1 (en) * 2010-04-08 2011-10-19 CSEM Centre Suisse d'Electronique et de Microtechnique SA - Recherche et Développement System and method for determining the composition of an object
DE102010019016B4 (de) 2010-05-03 2017-03-02 Siemens Healthcare Gmbh Verfahren zur Rekonstruktion von Bilddaten eines bewegten Untersuchungsobjektes aus Messdaten nebst zugehöriger Gegenstände
US8620054B2 (en) 2010-09-08 2013-12-31 SOCPRA—Sciences Sante et Humaines, s.e.c. Image reconstruction based on accelerated method using polar symmetries
US8588494B2 (en) 2010-10-29 2013-11-19 General Electric Company System and method for material decomposition optimization in image domain
TWI555511B (zh) * 2010-12-07 2016-11-01 和鑫生技開發股份有限公司 一種穿透式ｘ光管及一種反射式ｘ光管
EP2686832A1 (en) * 2011-03-15 2014-01-22 Koninklijke Philips N.V. Likelihood-based spectral data projection domain de-noising
CN104411245B (zh) * 2012-06-29 2017-10-27 皇家飞利浦有限公司 对光子计数探测器的缺陷的动态建模
US8855385B2 (en) 2012-07-06 2014-10-07 General Electric Company Apparatus and method for multi-energy tissue quantification
CN104240270B (zh) * 2013-06-14 2017-12-05 同方威视技术股份有限公司 Ct成像方法和系统
US9538971B2 (en) * 2013-06-24 2017-01-10 University Of Washington Systems for characterizing atherosclerotic plaque and methods of using same
US9569880B2 (en) * 2013-12-24 2017-02-14 Intel Corporation Adaptive anisotropic filtering
US9220469B2 (en) 2013-12-31 2015-12-29 General Electric Company Systems and methods for correcting detector errors in computed tomography imaging
US10139354B2 (en) 2014-04-07 2018-11-27 Prismatic Sensors Spectral X-ray imaging
US9836859B2 (en) 2015-01-09 2017-12-05 Toshiba Medical Systems Corporation Wide X-ray spectrum photon counting computed tomography
US9870628B2 (en) * 2015-03-18 2018-01-16 Prismatic Sensors Ab Image reconstruction based on energy-resolved image data from a photon-counting multi-bin detector

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040184574A1 (en) * 2002-07-23 2004-09-23 Xiaoye Wu Method and apparatus for generating a density map using dual-energy CT
US20090052612A1 (en) * 2007-08-22 2009-02-26 Xiaoye Wu System and method of optimizing a monochromatic representation of basis material decomposed ct images
US20100135565A1 (en) * 2008-11-28 2010-06-03 Brian William Thomsen Apparatus and method of visualizing multi-energy imaging data
CN101810490A (zh) * 2008-11-28 2010-08-25 通用电气公司 使用双能计算机断层造影的多材料分解
CN102793555A (zh) * 2011-05-24 2012-11-28 西门子公司 产生断层造影图像数据组的方法和计算机断层造影系统
CN103530849A (zh) * 2013-09-30 2014-01-22 重庆大学 一种优化的K-edge成像方法
CN104408758A (zh) * 2014-11-12 2015-03-11 南方医科大学 一种低剂量能谱ct图像处理方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
E ROESSL 等: "K-edge imaging in x-ray computed tomography using multi-bin photon counting detectors", 《PHYS. MED. BIOL》 *
YONG LONG 等: "Multi-Material Decomposition Using Statistical Image Reconstruction for Spectral CT", 《IEEE TRANSACTIONS ON MEDICAL IMAGING》 *
YU, LIFENG 等: "Pre-reconstruction three-material decomposition in dual-energy CT", 《PROCEEDINGS OF SPIE》 *
郑鹏 等: "双能CT成像基材料分解法的理论误差分析", 《双能CT成像基材料分解法的理论误差分析》 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115813419A (zh) * 2023-02-20 2023-03-21 武汉联影生命科学仪器有限公司 能谱ct成像的方法、装置和ct扫描成像系统

Also Published As

Publication number Publication date
US20180068464A1 (en) 2018-03-08
US10176602B2 (en) 2019-01-08
JP6585182B2 (ja) 2019-10-02
KR20170129842A (ko) 2017-11-27
US9870628B2 (en) 2018-01-16
KR20210142776A (ko) 2021-11-25
EP3271898B1 (en) 2019-10-16
EP3271898A4 (en) 2018-10-24
US20170270692A1 (en) 2017-09-21
EP3271898A1 (en) 2018-01-24
KR102349471B1 (ko) 2022-01-10
JP2018515160A (ja) 2018-06-14
WO2016148616A1 (en) 2016-09-22

Similar Documents

Publication Publication Date Title
CN107430778A (zh) 基于来自光子计数多仓检测器的能量分辨的图像数据的图像重建
US10274439B2 (en) System and method for spectral x-ray imaging
RU2443020C2 (ru) Компенсация движения в чувствительной к изменению энергии компьютерной томографии
US9808216B2 (en) Material decomposition of multi-spectral x-ray projections using neural networks
JP5853123B2 (ja) 光子計数検出装置のための不完全性の動的モデリング
JP5363572B2 (ja) スペクトルｘ線撮像システム及び方法
US8532744B2 (en) Method and system for design of spectral filter to classify tissue and material from multi-energy images
CN105793894B (zh) 根据图像数据来进行骨骼分割
JP2009508616A (ja) Ｃｔ画像形成システム
Wang et al. Synthetic CT: Simulating low dose single and dual energy protocols from a dual energy scan
CN108065951A (zh) 在ct成像方法中同时使用不同的造影剂
US10929974B2 (en) Determining calcium content from spectral CT data
JP6878590B2 (ja) スペクトルコンピュータ断層撮影データからの従来のコンピュータ断層撮影画像の再生
Sidky et al. Image reconstruction in digital breast tomosynthesis by total variation minimization
JP7080214B2 (ja) 脂肪組織のタイプの識別
CN117355865A (zh) 确定用于计算机断层扫描中的深度学习图像重建的置信度指示

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
WD01 Invention patent application deemed withdrawn after publication
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20171201