CN107920793B - 图像重建处理方法、图像重建处理存储介质以及搭载了该图像重建处理存储介质的断层摄影装置 - Google Patents
图像重建处理方法、图像重建处理存储介质以及搭载了该图像重建处理存储介质的断层摄影装置 Download PDFInfo
- Publication number
- CN107920793B CN107920793B CN201580082538.4A CN201580082538A CN107920793B CN 107920793 B CN107920793 B CN 107920793B CN 201580082538 A CN201580082538 A CN 201580082538A CN 107920793 B CN107920793 B CN 107920793B
- Authority
- CN
- China
- Prior art keywords
- image
- reconstruction processing
- image reconstruction
- substance
- estimated
- 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
Images
Classifications
-
- 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
-
- 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
-
- 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
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/003—Reconstruction from projections, e.g. tomography
- G06T11/008—Specific post-processing after tomographic reconstruction, e.g. voxelisation, metal artifact correction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/40—Image enhancement or restoration by the use of histogram techniques
-
- 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
-
- 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]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10072—Tomographic images
- G06T2207/10081—Computed x-ray tomography [CT]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2211/00—Image generation
- G06T2211/40—Computed tomography
- G06T2211/424—Iterative
Abstract
本发明的图像重建处理方法,在物质信息推定工序(步骤S2~S6)中,在图像更新工序(步骤S1)的每次图像更新时,根据重建图像推定物质信息,使用在物质信息推定工序(步骤S2~S6)中推定的物质信息,在之后的逐次近似法中的逐次近似公式的计算中更新图像。由此,根据重建图像推定物质信息,本发明能够应用于无论摄影样品的构成物质的信息为已知还是未知的情况。因为在图像更新工序(步骤S1)中的每次图像更新时从重建图像推定(更新)物质信息,所以能避免在重复次数较多的时刻持续使用例如逐次近似公式中的重复次数(反复次数)较少的时刻所推定的物质信息这样的问题,能够推定可靠性高的物质信息。因此能够使用可靠性高的物质信息来降低伪影。
Description
技术领域
本发明涉及图像重建处理方法、图像重建处理存储介质以及搭载了该图像重建处理存储介质的断层摄影装置中的、降低逐次近似法的重建伪影的方法。
背景技术
采用X射线CT(Computed Tomography)装置作为断层摄影装置的例子进行说明。以往,作为X射线CT中的标准的图像重建方法而使用滤波反投影(FBP:Filtered BackProjection)。近年来,随着计算机的性能提高,使用了逐次近似法的图像重建的研究、实用化不断推进。在X射线CT中,因各种因素产生的伪影成为长年的技术问题,但逐次近似法为了降低伪影而能够反映复杂的物理模型或先验信息(先验知识)等这一点成为特征,到目前为止,已经提出了各种各样的方法(例如,参照专利文献1、2以及非专利文献1)。
其中,在专利文献2:日本特开2011-156302号公报以及非专利文献1中提出的方法是利用以贝叶斯理论为基础的后验概率最大化的推定(MAP推定),提供与摄影样品的构成物质有关的信息(物质信息)作为先验概率,由此想要得到更好的解。即,重建像素提供具有先验指定的物质的像素值(表现X射线吸收系数的值)的效力,由此降低伪影的手段。
此外,在专利文献1:美国专利第8,175,316号公报中提出的方法提供在逐次近似法中使用了物质信息的正则化(限制),从图像的直方图求出该正则化项。即,基于图像的直方图(参照专利文献1的图4)求出物质信息,参照使用了该物质信息的正则化项(参照专利文献1的regularization term R(X))带入逐次近似公式(参照专利文献1的(3)式)的右边的第2项,由此降低伪影的手段。
从图像直方图的观点对该物质信息的效果进行说明。另外,说明所使用的图10~图12的直方图的纵轴是以像素数的最大值正则化地表现,直方图的横轴越向右像素值越高。作为例子,想到利用具有相互不同的X射线吸收系数的4种材质构成的摄影样品。材质为纯物质,如图10所示,若假定是没有杂音等理想的状况,则在重建图像的直方图中存在4个峰。
但是,实际上因各种各样的因素而产生伪影,直方图中的各峰如图11所示成为具有宽度的分布。另一方面,提供物质信息作为重建图像取得的像素值集合(4个物质限制值),各像素值分布的中心与1个物质限制值相对应。如图12所示,通过物质信息的变动,分布周边的像素值被拉向分布中心。其结果是,具有宽度的像素值分布接近陡峭的峰,得到理想的图像,即伪影被降低的图像。
现有技术文献
专利文献
专利文献1:美国专利第8,175,361号公报
专利文献2:日本特开2011-156302号公报
非专利文献
非专利文献1:C.Lemmens:Suppression of Metal Artifacts in CT Using aReconstruction Procedure That Combines MAP and Projection Completion,IEEETransactions on Medical Imaging,Volume:28 Issue:2(2009)
发明内容
但是,在专利文献2:日本特开2011-156302号公报以及非专利文献1中提出的现有技术中,因为需要摄影样品的构成物质已知,所以存在不能应用于构成物质未知的摄影样品这样的问题。此外,在构成物质并非为(例如合金等)纯物质的情况下,存在因混合比例不同而X射线吸收系数变得不同的问题。由此,即便构成物质已知,也存在无法准确地了解所应提供的物质信息的情况,仍然无法应用现有技术。
另一方面,在专利文献1:美国专利第8,175,361号公报中提出的现有技术中,基于图像的直方图推定物质信息,因此也能够应用于构成物质未知的摄影样品。但是,在使用了逐次近似法的图像重建中,在重复次数(反复次数)较少的时刻无法充分地重建图像(伪影较多,失焦)。因此,在该时刻推定的物质信息也并非能够信赖的值。
本发明是鉴于上述情况而提出的,其目的在于提供一种图像重建处理方法、图像重建处理存储介质以及搭载了该图像重建处理存储介质的断层摄影装置,无论摄影样品的构成物质为已知还是未知均能应用,能够推定可靠性高的物质信息,使用该物质信息能够降低伪影。
用于解决上述技术问题的方案
本发明为了达成这样的目的,采取了如下的构成。
即,本发明的图像重建处理方法是进行重建处理的图像重建处理方法,其特征在于,具备:图像更新工序,通过逐次近似法更新图像;物质信息推定工序,在该图像更新工序中的每次图像更新时,在每一定间隔、满足一定基准的时机或者任意的时机时,根据重建图像推定物质信息,使用在该物质信息推定工序中推定的所述物质信息,通过所述图像更新工序中的逐次近似法更新图像并进行重建处理。
根据本发明的图像重建处理方法,在物质信息推定工序中,在图像更新工序中的每次图像更新时,在每一定间隔、满足一定基准的时机或者任意的时机时,根据重建图像推定物质信息,使用在物质信息推定工序中推定的物质信息,在之后的逐次近似法中的逐次近似公式的计算中更新图像。由此,通过根据重建图像推定物质信息,无论摄影样品的构成物质已知还是未知,均能应用本发明。此外,相对于专利文献1:美国专利第8,175,361号公报中推定的物质信息为固定的,在本发明中,因为是在图像更新工序中的每次图像更新时,在每一定间隔、满足一定基准的时机或者任意的时机时,根据重建图像推定(更新)物质信息,所以能够避免在重复次数较多的时刻,持续使用例如在逐次近似公式中的重复次数(反复次数)较少的时刻所推定的物质信息这样的问题,能够推定可靠性高的物质信息。因此,使用可靠性高的物质信息能够降低伪影。
上述的本发明的图像重建处理方法的一例是(a)基于已知的构成物质的数量,推定应推定的物质信息。此外,图像重建处理方法的另一例是(b)基于作为参数而提供的构成物质的数量,推定应推定的物质信息。进而,图像重建处理方法的又一例是(c)基于作为参数而提供的物质限制值,推定应推定的物质信息。
特别是,在上述(b)的情况下,无论构成摄影样品的实际的物质数多少而将构成物质的数量作为参数指定的情况下,基于该参数推定物质信息。在上述(c)的情况下,无论构成物质为已知还是未知而将物质限制值作为参数提供的情况下,基于该参数推定物质信息。通过上述(a)~(c),抑制了推定错误的物质信息的可能性。可以利用上述(a)~(c)的任一种推定物质信息,也可以组合多个上述(a)~(c)来推定物质信息。例如,可以组合上述(a)以及上述(c)来推定物质信息,也可以组合上述(b)以及上述(c)来推定物质信息。
在上述的这些发明的图像重建处理方法中,可以基于重建图像的直方图推定应推定的物质信息,也可以基于重建图像的聚类结果推定应推定的物质信息。
此外,本发明的图像重建存储介质,存储有与这些发明的图像重建处理方法相关的图像重建处理程序且能够由计算机读取,其特征在于,在通过处理器执行该图像重建处理程序时,执行所述图像重建处理方法。
根据本发明的图像重建处理存储介质,存储有与这些发明的图像重建处理方法相关的图像重建处理程序且能够由计算机读取,在通过处理器执行该图像重建处理方法时,执行图像重建处理方法,由此无论摄影样品的构成物质已知还是未知均能够应用,能够推定可靠性高的物质信息,使用该物质信息能够降低伪影。
此外,本发明的断层摄影装置是搭载了本发明的图像重建处理存储介质的断层摄影装置,其特征在于,具备图像重建处理存储介质和执行该图像重建处理存储介质所存储的图像重建处理程序的运算单元。
根据本发明的断层摄影装置,通过具备图像重建处理存储介质和执行图像重建处理存储介质所存储的图像重建处理程序的运算单元,无论摄影样品的构成物质已知还是未知均能够应用,能够推定可靠性高的物质信息,使用该物质信息能够降低伪影。
发明效果
根据本发明的图像重建处理方法,根据重建图像推定物质信息,由此无论摄影样品的构成物质已知还是未知均能够应用本发明。此外,因为在图形更新工序中的每次图像更新时,在每一定间隔、满足一定基准的时机或者任意的时机时,根据重建图像推定(更新)物质信息,所以能够避免在重复次数较多的时刻,持续使用例如在逐次近似公式中的重复次数(反复次数)较少的时刻所推定的物质信息这样的问题,能够推定可靠性高的物质信息。因此,使用可靠性高的物质信息能够降低伪影。
此外,根据本发明的图像重建处理存储介质,存储有与这些发明的图像重建处理方法相关的图像重建处理程序且能够由计算机读取,在通过处理器执行该图像重建处理程序时,执行图像重建处理方法,由此无论摄影样品的构成物质已知还是未知均能够应用,能够推定可靠性高的物质信息,使用该物质信息能够降低伪影。
此外,根据本发明的断层摄影装置,通过具备图像重建处理存储介质和执行图像重建处理存储介质所存储的图像重建处理程序的运算单元,无论摄影样品的构成物质已知还是未知均能够应用,能够推定可靠性高的物质信息,使用该物质信息能够降低伪影。
附图说明
图1是实施例的X射线CT装置的概略图以及方块图。
图2是实施例的图像重建处理的流程图。
图3是与使用了分段高斯函数的目标函数的合理性项有关的示意图。
图4是用于说明使用了直方图的物质信息推定的示意图。
图5是用于说明强度系数e-αd的示意图。
图6是没有物质信息时的重建结果。
图7是未更新物质信息时的重建结果。
图8是更新了物质信息时的重建结果。
图9是变形例的图像重建处理的流程图。
图10是理想的直方图的示意图。
图11是实际的直方图的示意图。
图12是物质信息的效果的直方图的示意图。
具体实施方式
实施例
以下,参照附图对本发明的实施例进行说明。图1是实施例的X射线CT装置的概略图以及方块图。在本实施例中,采用X射线CT装置作为断层摄影装置的例子进行说明。
如图1所示,本实施例的X射线CT装置1具备:摄像部2,对对象物O进行摄像;工作台3,载置对象物O;工作台驱动部4,驱动该工作台3;摄像驱动部5,驱动摄像部2;高电压产生部6,为了将管电流或管电压提供至摄像部2的X射线管21而产生高电压;重建处理部7,对通过摄像部2的X射线检测器22得到的投影数据进行重建处理。重建处理部7对应于本发明的运算单元。
摄像部2具备:X射线管21,将X射线照射至对象物O;X射线检测器22,检测从X射线管21照射并透过摄影对象物O的X射线。关于X射线检测器22没有特别地限定,可例示图像增强器(I.I.)或平板型X射线检测器(FPD:Flat Panel Detector)等。在本实施例中,采用平板型X射线检测器(FPD)作为X射线检测器22的例子进行说明。
FPD由与像素相对应地纵横地排列的多个检测元件构成,检测元件检测X射线,并输出检测的X射线的数据(电荷信号)作为X射线检测信号。这样,X射线管21朝向对象物O照射X射线,由FPD构成的X射线检测器22检测X射线,并输出X射线检测信号。而且,使基于X射线检测信号的像素值与像素(检测元件)相对应地排列,由此取得投影数据。
工作台驱动部4由省略图示的电机或驱动轴等构成,使工作台3绕图中的Z轴心在水平面内旋转。通过在工作台3的水平面内的旋转,对象物O也绕Z轴心在水平面内旋转,取得多个投影数据。
摄像驱动部5与工作台驱动部4同样地,由省略图示的电机或驱动轴等构成。以使X射线管21与X射线检测器22对置的方式分别使X射线管21与X射线检测器22移动,进行X射线CT摄影。此外,使X射线管21或X射线检测器22在水平方向(图中的X方向)上移动,能够改变X射线CT摄影中的放大率。此外,使X射线管21或者X射线检测器22相对X轴倾斜,也能够从对象物O的倾斜方向进行摄影。
高电压产生部6产生高电压而将管电流或管电压提供给X射线管21,从X射线管21产生X射线,相对于对象物O照射X射线。重建处理部7通过执行后述的图像重建处理程序8A,取得与对象物O有关的重建图像。重建处理部7的具体功能将在后述内容中进行详细说明。
此外,X射线CT装置1具备:存储部8、输入部9、输出部10与控制器11。
存储部8经由控制器11写入并存储由X射线检测器22得到的投影数据或由重建处理部7得到的重建图像等数据,根据需要读取并经由控制器11将投影数据或重建图像送入至输出部10进行输出。存储部8由以ROM(只读存储器)、RAM(随机存取存储器)或硬盘等为代表的存储介质构成。
在本实施例中,从存储部8读取投影数据或更新后的重建图像(也被称为“推定图像”)的直方图,经由控制器11送入至重建处理部7,进行逐次近似法的图像更新或物质信息推定等的图像重建处理(参照图2的流程图)。此外,图像重建处理程序8A被存储在存储部8中,经由控制器11,将图像重建处理程序8A从存储部8读取至重建处理部7,并且重建处理部7执行图像重建处理程序8A,由此进行图2的流程图所示的图像重建处理。图像重建处理程序8A对应于本发明中的图像重建处理程序。
输入部9将操作者输入的数据或指令送入至控制器11。输入部9由键盘、鼠标、操纵杆、跟踪球、触摸面板等代表的输入设备构成。
输出部10由以监视器等为代表的显示部或打印机等构成。在本实施例中,在输出部10的监视器上显示投影数据或重建图像。
控制器11总体控制构成X射线CT装置1的各部分。经由控制器11将由X射线检测器22得到的投影数据或由重建处理部7得到的重建图像等数据写入存储部8并存储,或者送入至输出部10并输出。在输出部10为显示部的情况下输出显示,在输出部10为打印机的情况下输出印刷。
在本实施例中,重建处理部7或控制器11由中央运算处理装置(CPU)等构成。另外,重建处理部7也可以由GPU(图形处理器)等构成。
接着,参照图2~图5对重建处理部7(参照图1)的具体功能进行说明。图2是实施例的图像重建处理的流程图,图3是与使用了分段高斯函数的目标函数的合理性项有关的示意图,图4是用于说明使用了直方图的物质信息推定的示意图,图5是用于说明强度系数e-αd的示意图。
(步骤S1)逐次近似法的图像更新
通过各种逐次近似法更新图像。另外,优选是包括对X射线管21(参照图1)或X射线检测器22(参照图1)的物理特性(例如射束硬化、散射等)进行校正的处理。在本实施例中虽然进行了该处理,但在能够忽略这些特性的情况下,也可以不进行该处理。此外,本发明还包括适当变更物理特性的校正的有无或顺序的情况。
一般而言,在基于目标函数最大化的逐次近似法中,使以下述(1)式表示的目标函数F最大化。另外,在实际的计算中,也使用仅从函数的斜率(一阶微分)来探索函数的最小值的梯度法的算法(也称为“最快下降法”)或牛顿法等最佳化算法。此外,为了避免陷入局部解,也可以编入遗传的算法或退火算法等的组合最优化法。
F(μ,y)=D(μ,y)+βR(μ)…(1)
然而,上述(1)式中的μ是重建图像向量,y是投影数据。此外,D被称作“数据项”等,表示与实测数据的适合度,以根据实测投影(由X射线检测器22得到的实测的投影数据)以及推定参数(在上述(1)式中推定的推定图像)计算的似然度等来定义。另外,请注意由于μ、y是向量,所以实际用粗体表述。
R通常被称作“惩罚项”等,反映推定参数(推定图像)的合理性。在本说明书中,为了方便,之后将R称作“合理性项”。本发明中所利用的、在步骤S2以后的步骤中详细地叙述的物质信息(物质限制值m[1],…m[N])被反映至该合理性项。另外,β是控制合理性项R的强度的系数。
作为合理性项的具体例,能够列举图3那样的分段高斯函数等。在该情况下,连结以推定的多个物质限制值m[1],…m[N]为中心的高斯分布作为合理性项。推定像素值越接近高斯分布的中心,目标函数变得越大,推定像素值起到取接近物质限制值的作用。
另外,由于各分布的平均以及分散成为参数,所以提供的参数的数量为(物质的数量)×2,但每次重复更新的仅为平均值。即,后述的步骤S6的“物质限制值的更新”是指每次重复地参照重建图像的直方图,将各高斯分布的中心位置校正(偏离)到适当的位置。
基于经验规则设定各高斯分布的高度或宽度(分散)。此外,可以分别设定各高斯分布的高度或宽度(分散),也可以适当变更相互相邻的高斯分布的切换位置来进行设定。该步骤S1对应于本发明中的图像更新工序。
(步骤S2)生成直方图
从在步骤S1中更新的重建图像(推定图像)生成直方图。具体而言,如图4所示,以像素数的最大值对纵轴进行正则化,生成将横轴作为与像素值相对应的区间宽度w的直方图。如上所述,像素值随着直方图的横轴向右而变高。
(步骤S3)峰值检测
从在步骤S2生成的直方图中检测出极值作为峰值。具体而言,如图4所示,将直方图的第k个区间的高度设为h[k]时,将满足h[k-1]<h[k]>h[k+1]的所有峰值看作极值(在图4中用“●”图示)。
(步骤S4)峰值评价
接着,对于在步骤S3中检测出的所有峰值,计算表示构成物质可能性的评价值。具体而言,如图4所示,相对于作为峰值检测出的第k个区间的高度h[k](也被称为“直方图值”或者“峰值”),提供评价值e[k]。认为该评价值e[k]越大,其峰值越能表示摄影样品的构成物质。例如,可以考虑将作为峰值检测出的直方图值h[k]本身作为评价值e[k]的方法。
此外,例如,在已知摄影样品的构成物质的一部分的情况下,将该物质限制值作为基准物质限制值。或者,(c)那样地在将物质限制值作为参数而提供的情况下,将该物质限制值作为基准物质限制值。如图5所示,若成为评价值e[k]的对象的像素值与基准物质限制值之间的距离(在图5中记为“距离基准物质限制值的距离”)作为d(此处d为非负),则也可以考虑基于距离基准物质限制值的距离d以及直方图值h[k]来定义评价值e[k]的方法。
这是基于推定的物质限制值已知或者取接近于作为参数提供的物质限制值的考虑。即,考虑到若评价值e[k]远离基准物质限制值(参照图5),则评价值e[k]变小。因此,使用自然对数底(纳皮尔常数)e以及距离基准物质限制值的距离d,将与评价值e有关的强度系数设为e-αd(α为常数)。由此如果远离基准物质限制值中的像素值,则距离基准物质限制值的距离d变大(变长),因此将强度系数以及评价值e[k]定义得较小。
另外,基准物质限制值无需不变。也可以将作为该参数而提供的物质限制值或已知的物质限制值也作为更新对象。
根据以上内容,评价值e[k]以下述(2)式表示。
e[k]=h[k]×e-αd…(2)
如上所述,可以将作为峰值检测出的直方图值h[k]本身作为评价值e[k],也可以如上述(2)式基于距离基准物质限制值的距离d以及直方图值h[k]定义评价值e[k]。
(步骤S5)峰值选定
接着,根据在步骤S4中提供的评价值e[k]以及如果需要则提供的参数,选定被认为是构成物质的峰值。例如,若摄影样品由N种物质构成,则以评价值较大的顺序提取N个峰值,将这些作为选定的峰值(选定峰值)。在构成物质的数量未知的情况下(例如,在花岗石或自然矿物(天然矿物)的情况下,或在合金完全不混合的情况下),将一定的评价值以上的峰值作为选定峰值。
此外,也可以是,与构成摄影样品的实际的物质数(例如N个)无关而将构成物质的数量指定为参数(与N个不同的数量)的情况下,基于该参数以评价值较大的顺序提取峰值,将这些作为选定峰值。另外,无需判断选定的峰值对应于哪个物质。此外,未选定的峰值在该时刻被丢弃。
由此,如图4所示,选定表示N个物质信息的峰值(峰值编号:k1,…,kN)。由于所选定的峰值编号k1,…,kN不是连续编号,所以将所选定的峰值编号重新排列为k1=1,…,kN=N,以使所选择的峰值编号为1,…,N的连续编号。而且,若将与第n个直方图的区间对应的像素值作为v[kn]=w×(kn-0.5),则物质信息的具体值即物质限制值是作为v[k1]=m[1],…,v[kN]=m[N]而求出的。
在上述式(v[kn]=w×(kn-0.5))中,虽然为了从峰值编号kn向区间宽度w的中央偏离,从峰值编号kn减去了0.5,但是对于求出物质限制值的公式,并不限定于上述公式。也可以通过以峰值编号kn为变量的线性函数求出物质限制值。
(步骤S6)物质限制值的更新
通过以上的处理,推定并更新N个物质信息(物质限制值=表示各物质的X射线吸收系数的像素值)即m[1],…,m[N]。即,将与在步骤S5中选定的峰值(选定峰值)相对应的像素值设定为在返回到下一个步骤S1时的步骤S1的逐次近似计算中使用的物质限制值。如上所述,步骤S2~S6对应于本发明的物质信息推定步骤。
(步骤S7)反复次数的计数变量的递增
使在逐次近似公式中的重复次数(反复次数)的计数变量递增。
(步骤S8)结束图像更新?
将结束通过逐次近似法的图像更新的反复次数设为Niter,判断计数变量是否达到反复次数Niter?。另外,对于反复次数Niter,操作者预先设定即可。因为在计数变量为Niter以下的情况下继续步骤S1~S6,所以回到步骤S1。当计数器变量超过Niter时,结束一系列的计算。
取得由此得到的推定图像作为重建图像。此外,也可以是,不设定反复次数Niter,操作员观察每次更新得到的推定图像,操作员基于观察结果中断一系列的计算,取得此时得到的推定图像作为重建图像。此外,也可以通过某种收敛评价值(目标函数的值等)超过判定基准值或低于判断基准值来判定。
根据本实施例的图像重建处理方法,在物质信息推定工序(图2中的步骤S2~S6)中,在图像更新工序(图2中的步骤S1)中的每次图像更新时根据重建图像推定物质信息(在本实施例中物质限制值m[1],…,m[N]),并使用物质信息推定工序(步骤S2~S6)中推定的物质信息(物质限制值m[1],…,m[N]),在之后的逐次近似法中的逐次近似公式的计算中,更新图像。由此,通过根据重建图像推定物质信息(物质限制值m[1],…,m[N]),本发明能够应用于无论摄影样品的构成物质是已知还是未知的情况。
此外,如在“用于解决技术问题的手段”一栏中所述,在专利文献1:美国专利第8,175,361号公报中所推定的物质信息是固定的,与之相对,在本实施例中,在图像更新工序(步骤S1)中每次更新图像时根据重建图像推定(更新)物质信息(物质限制值m[1],…,m[N]),因此避免在重复次数较多的时刻持续使用例如逐次近似公式中的重复次数(反复次数)较少的时刻所推定的物质信息,能够推定可靠性高的物质信息(物质限制值m[1],…,m[N])。因此,能够使用可靠性高的物质信息(物质限制值m[1],…,m[N])来降低伪影。
此外,可以(a)基于已知的构成物质的数量,推定应推定的物质信息,也可以(b)基于作为参数而提供的构成物质的数量,推定应推定的物质信息,也可以(c)基于作为参数而提供的物质限制值,推定应推定的物质信息。在上述(a)的情况下,基于已知的构成物质的数量(例如N个),例如如步骤S5中所述以评价值较大的顺序提取N个峰值,将这些作为选定峰值,推定物质信息(物质限制值m[1],…,m[N])。
此外,在上述(b)的情况下,与构成摄影样品的实际的物质数(例如N个)无关地将构成物质的数量(与N个不同的数量)作为参数指定的情况下,基于该参数推定物质信息。例如,如步骤S5中所述,在将与实际的物质数即N个不同的数量作为参数指定的情况下,基于该参数,以评价值较大的顺序提取峰值,将这些作为选定峰值,推定物质限制值。
此外,在上述(c)的情况下,无论构成物质是已知还是未知而将物质限制值作为参数提供时,基于该参数推定物质信息。例如,如步骤S4中所述在将物质约束值作为参数提供的情况下,将该物质限制值作为基准物质限制值。而且,基于基准物质限制值求出评价值e[k],如步骤S5中所述,基于评价值e[k]选择峰值,推定物质限制值。
通过上述(a)~上述(c),能够抑制推定错误的物质信息的可能性。如在“用于解决技术问题的手段”一栏中所述,可以利用上述(a)~(c)的任一种推定物质信息,也可以组合多个上述(a)~(c)来推定物质信息。例如,可以组合上述(a)以及上述(c)来推定物质信息,也可以组合上述(b)以及上述(c)来推定物质信息。
在本实施例中,如图2的流程图所示,基于步骤S2的重建图像的直方图,推定应推定的物质信息(物质限制值m[1],…,m[N])。
根据本实施例的图像重建处理存储介质(图1的存储部8),是存储有与本实施例的图像重建处理方法(参照图2的流程图)相关的图像重建处理程序8A(参照图1)且能够由计算机读取的图像重建处理存储介质(图1的存储部8),在通过处理器(在本实施例中为构成图1所示的重建处理部7的CPU或者GPU)执行该图像重建处理程序时,执行图像重建处理方法,由此能够应用于无论摄影样品的构成物质为已知还是未知的情况,能够推定可靠性高的物质信息(物质限制值m[1],…,m[N]),使用该物质信息能够降低伪影。
根据本实施例的断层摄影装置(在本实施例中为X射线CT装置),具备图像重建处理程序8A和执行图像重建处理程序8A的运算单元(在本实施例中为构成图1所示的重建处理部7的CPU或者GPU),由此能够应用于无论摄影样品的构成物质为已知还是未知的情况,推定可靠性高的物质信息(物质限制值m[1],…,m[N]),使用该物质信息能够降低伪影。
[重建结果]
参照图6~图8对重建结果进行说明。图6是没有物质信息时的重建结果,图7是未更新物质信息时的重建结果,图8是更新了物质信息时的重建结果。在图6或图7中,能够观察到倾斜方向的条状伪影(条纹伪影)。相反,在如本发明那样地更新物质信息的情况下,在图8中能够确认画质得到了改善,而没有伪影。
本发明并不限于上述实施方式,能够如下所述地实施变形。
(1)在上述实施例中,采用X射线CT装置作为断层摄影装置的例子进行了说明,但是只要是根据逐次近似法进行重建处理的断层摄影装置,就没有特别地限定。也可以应用于磁共振成像(MRI:Magnetic Resonance Imaging)或光CT装置或X射线以外的放射线(α射线、β射线、γ射线等)断层摄影装置等。
(2)在上述实施例中,虽然应用于了图1所述的工业用或产业用的检查装置,但是也可以应用于被检体为人体或者小动物的医用装置。
(3)如例示的单一波长X射线(单色X射线)或由多个波长构成的X射线(多色X射线)等,对于应用的X射线的种类没有特别地限定。
(4)在上述实施例中为图1所示的摄影方案,但是,如例示的断层X射线影像合成法(tomosynthesis)等,对于断层摄影的摄影方案没有特别限定。
(5)在上述实施例中,在图像更新工序(图2中步骤S1)中每次更新图像时,根据重建图像推定物质信息(在实施例中是物质限制值m[1],…,m[N]),但也可以在每一定间隔、满足一定基准的时机或任意时机时,根据重建图像推定物质信息(物质限制值m[1],…,m[N])。
(6)上述实施例中的直方图不限于由重建图像的全部像素生成的情况,也可以是任意的像素集合,或者由应用了降低采样频率的变换处理即下采样处理等任一种图像处理的图像生成。
(7)对于上述实施例中的峰值检测(参照图2的流程图的步骤S3),也可以考虑极值周边的面积来进行检测。
(8)在上述实施例中,如图2的流程图所示,基于步骤S2的重建图像的直方图,推定应推定的物质信息(在实施例中是物质限制值m[1],…,m[N]),但也可以如图9的流程图所示,基于重建图像的聚类结果推定应推定的物质信息(物质限制值m[1],…,m[N])。具体而言,使用簇的平均,将被分类为提供的簇数k个的k-means法(也称为“k平均法”)等所例示的聚类处理应用于重建像素(步骤T2),选定在步骤T3中计算出的簇重心(步骤T4),将选定的簇重心的位置的像素值作为物质限制值(步骤T5)。通过执行图9的流程图,可获得与实施例的图2的流程图相同的效果。应当注意的是,此处的k与表示实施例中的直方图的区间编号的k的含义不同。
工业实用性
如上所述,本发明能够应用于X射线CT装置(例如断层X射线影像合成装置)或MRI装置或光CT装置等的工业用或产业用的检查装置或医用装置等。
附图标记说明
1 X射线CT装置
7 重建处理部
8A 图像重建处理程序
m[1],…,m[N] 物质限制值
h[k] 直方图的第k个区间的高度(直方图值)(峰值)
e[k] 评价值
Claims (7)
1.一种图像重建处理方法,进行重建处理,其特征在于,具备:
图像更新工序,通过逐次近似法更新图像;
物质限制值推定工序,在该图像更新工序中的每次图像更新时,在每一定间隔、满足一定基准的时机或者任意的时机时,根据重建图像生成在基于所述重建图像的图像的更新中生成的重建图像的直方图,基于根据生成的所述直方图中的峰而获得的评价值,推定与各像素值分布的中心相对应的物质限制值,
使用在该物质限制值推定工序中推定的所述物质限制值,通过所述图像更新工序中的逐次近似法更新图像并进行重建处理,
所述物质限制值在使具有所述直方图上的宽度的像素值分布接近陡峭的峰时发挥作用。
2.如权利要求1所述的图像重建处理方法,其特征在于,
(a)基于已知的构成物质的数量,推定应推定的所述物质限制值。
3.如权利要求1所述的图像重建处理方法,其特征在于,
(b)基于作为参数而提供的构成物质的数量,推定应推定的所述物质限制值。
4.如权利要求1~3中任一项所述的图像重建处理方法,其特征在于,
(c)基于作为参数而提供的物质限制值,推定应推定的所述物质限制值。
5.如权利要求1~3中任一项所述的图像重建处理方法,其特征在于,
基于重建图像的直方图或者重建图像的聚类结果,推定应推定的所述物质限制值。
6.一种图像重建处理存储介质,存储有与权利要求1~3中任一项所述的图像重建处理方法相关的图像重建处理程序且能够由计算机读取,其特征在于,在通过处理器执行该图像重建处理程序时,执行所述图像重建处理方法。
7.一种断层摄影装置,搭载了如权利要求6所述的图像重建处理存储介质,其特征在于,
具备该图像重建处理存储介质和执行该图像重建处理存储介质所存储的图像重建处理程序的运算单元。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/JP2015/073057 WO2017029702A1 (ja) | 2015-08-17 | 2015-08-17 | 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 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107920793A CN107920793A (zh) | 2018-04-17 |
CN107920793B true CN107920793B (zh) | 2021-08-06 |
Family
ID=58051436
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201580082538.4A Active CN107920793B (zh) | 2015-08-17 | 2015-08-17 | 图像重建处理方法、图像重建处理存储介质以及搭载了该图像重建处理存储介质的断层摄影装置 |
Country Status (5)
Country | Link |
---|---|
US (1) | US11151760B2 (zh) |
EP (1) | EP3338635A4 (zh) |
JP (1) | JP6569733B2 (zh) |
CN (1) | CN107920793B (zh) |
WO (1) | WO2017029702A1 (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6803768B2 (ja) * | 2017-02-24 | 2020-12-23 | 株式会社日立製作所 | 材料分析装置、材料分析方法及びx線ct装置 |
JP6981799B2 (ja) | 2017-07-21 | 2021-12-17 | キヤノンメディカルシステムズ株式会社 | 画像データ復元装置、画像データ復元方法、及びプログラム |
US11435419B2 (en) | 2018-05-10 | 2022-09-06 | Siemens Healthcare Gmbh | Streak artifact reduction in magnetic resonance imaging |
JP7200647B2 (ja) * | 2018-12-12 | 2023-01-10 | 株式会社ニコン | データ処理方法、データ処理装置、およびデータ処理プログラム |
WO2022264612A1 (ja) * | 2021-06-18 | 2022-12-22 | 株式会社リガク | 分布算出装置、方法およびプログラム |
Family Cites Families (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3707347B2 (ja) * | 2000-04-07 | 2005-10-19 | 株式会社島津製作所 | X線ct装置の画像処理方法及びx線ct装置並びにx線ct撮影用記録媒体 |
US7382853B2 (en) * | 2004-11-24 | 2008-06-03 | General Electric Company | Method and system of CT data correction |
US8175361B2 (en) | 2007-02-23 | 2012-05-08 | Siemens Aktiengesellschaft | Method and apparatus for the artifact-reduced detection of a 3D object in tomographic imaging |
JP5590548B2 (ja) * | 2010-02-03 | 2014-09-17 | 国立大学法人京都大学 | X線ct画像処理方法,x線ctプログラムおよび該プログラムが搭載されたx線ct装置 |
JP2011203160A (ja) * | 2010-03-26 | 2011-10-13 | Tokyo Institute Of Technology | X線ct画像再構成方法及びx線ct画像再構成プログラム |
CN103460243B (zh) * | 2011-03-17 | 2016-08-17 | 杜比实验室特许公司 | 使用直方图产生图像内容的替代版本 |
US20130156163A1 (en) * | 2011-12-19 | 2013-06-20 | General Electric Company | Method and apparatus for reconstructing an image of an object |
US9486178B2 (en) * | 2012-08-31 | 2016-11-08 | Shimadzu Corporation | Radiation tomographic image generating apparatus, and radiation tomographic image generating method |
US9420986B2 (en) * | 2012-09-13 | 2016-08-23 | Hitachi, Ltd. | X-ray CT apparatus and X-ray CT image processing method |
WO2014098196A1 (ja) * | 2012-12-19 | 2014-06-26 | 株式会社東芝 | X線ct装置、画像処理装置及び画像処理方法 |
WO2014104306A1 (ja) * | 2012-12-27 | 2014-07-03 | 株式会社東芝 | X線ct装置及び制御方法 |
CN104182932B (zh) * | 2013-05-27 | 2017-04-12 | 株式会社日立制作所 | Ct 装置、ct 图像系统及ct 图像生成方法 |
WO2015092588A2 (en) * | 2013-12-17 | 2015-06-25 | Koninklijke Philips N.V. | Spectral image data processing |
-
2015
- 2015-08-17 US US15/932,305 patent/US11151760B2/en active Active
- 2015-08-17 WO PCT/JP2015/073057 patent/WO2017029702A1/ja active Application Filing
- 2015-08-17 EP EP15901684.9A patent/EP3338635A4/en not_active Withdrawn
- 2015-08-17 JP JP2017535173A patent/JP6569733B2/ja active Active
- 2015-08-17 CN CN201580082538.4A patent/CN107920793B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
EP3338635A4 (en) | 2018-08-01 |
US11151760B2 (en) | 2021-10-19 |
US20200286265A1 (en) | 2020-09-10 |
WO2017029702A1 (ja) | 2017-02-23 |
JPWO2017029702A1 (ja) | 2018-06-21 |
CN107920793A (zh) | 2018-04-17 |
JP6569733B2 (ja) | 2019-09-04 |
EP3338635A1 (en) | 2018-06-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107920793B (zh) | 图像重建处理方法、图像重建处理存储介质以及搭载了该图像重建处理存储介质的断层摄影装置 | |
EP3195265B1 (en) | Iterative image reconstruction with a sharpness driven regularization parameter | |
US7526060B2 (en) | Artifact correction | |
EP3129957B1 (en) | Spectral x-ray imaging | |
RU2612575C2 (ru) | Обработка изображений для спектральной компьютерной томографии | |
EP2923332B1 (en) | Projection data de-noising | |
EP3582184B1 (en) | Multi-energy metal artefact reduction | |
EP2831844B1 (en) | Iterative image reconstruction with regularization | |
EP2689414A2 (en) | Model-based processing of image data | |
EP3160351B1 (en) | Spectral material decomposition for photon-counting applications | |
US9454804B2 (en) | Image processing device and image processing method | |
US20180025515A1 (en) | Multi-energy (spectral) image data processing | |
EP3123446B1 (en) | Image generation apparatus | |
CN108780052B (zh) | 图像重构处理方法、图像重构处理程序以及安装有该程序的断层摄影装置 | |
JP7169853B2 (ja) | 画像処理装置、放射線撮影装置、および画像処理方法 | |
EP4242965A1 (en) | Optimal path finding based spinal center line extraction | |
TW201417769A (zh) | 一種影像品質的改善處理方法及其造影系統 | |
WO2023170010A1 (en) | Optimal path finding based spinal center line extraction | |
Park et al. | Compressed-sensing (CS)-based digital breast tomosynthesis (DBT) reconstruction for low-dose, accurate 3D breast X-ray imaging | |
Jang et al. | Regularized polychromatic reconstruction for transmission tomography |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |