CN108601575B - 用于计算机断层扫描的系统和方法 - Google Patents
用于计算机断层扫描的系统和方法 Download PDFInfo
- Publication number
- CN108601575B CN108601575B CN201680024323.1A CN201680024323A CN108601575B CN 108601575 B CN108601575 B CN 108601575B CN 201680024323 A CN201680024323 A CN 201680024323A CN 108601575 B CN108601575 B CN 108601575B
- Authority
- CN
- China
- Prior art keywords
- sinogram
- image
- roi
- filter
- raw 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
- 238000000034 method Methods 0.000 title claims abstract description 105
- 238000002591 computed tomography Methods 0.000 title description 45
- 238000012545 processing Methods 0.000 claims description 42
- 230000004044 response Effects 0.000 claims description 12
- 238000004422 calculation algorithm Methods 0.000 abstract description 36
- 230000008569 process Effects 0.000 description 46
- 238000003384 imaging method Methods 0.000 description 29
- 238000012986 modification Methods 0.000 description 27
- 230000004048 modification Effects 0.000 description 27
- 238000004458 analytical method Methods 0.000 description 21
- 238000010586 diagram Methods 0.000 description 21
- 230000005855 radiation Effects 0.000 description 21
- 238000003860 storage Methods 0.000 description 18
- 238000001514 detection method Methods 0.000 description 12
- 230000009467 reduction Effects 0.000 description 9
- 210000001519 tissue Anatomy 0.000 description 9
- 230000006978 adaptation Effects 0.000 description 7
- 238000004590 computer program Methods 0.000 description 7
- 238000001914 filtration Methods 0.000 description 7
- 238000007476 Maximum Likelihood Methods 0.000 description 6
- 210000000056 organ Anatomy 0.000 description 5
- 230000008859 change Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 150000002500 ions Chemical class 0.000 description 4
- 239000002245 particle Substances 0.000 description 4
- 239000000126 substance Substances 0.000 description 4
- 210000001015 abdomen Anatomy 0.000 description 3
- 238000013459 approach Methods 0.000 description 3
- 210000004204 blood vessel Anatomy 0.000 description 3
- 210000000038 chest Anatomy 0.000 description 3
- 210000000232 gallbladder Anatomy 0.000 description 3
- 210000003128 head Anatomy 0.000 description 3
- 230000036541 health Effects 0.000 description 3
- 210000002429 large intestine Anatomy 0.000 description 3
- 210000004072 lung Anatomy 0.000 description 3
- 238000002595 magnetic resonance imaging Methods 0.000 description 3
- 210000001370 mediastinum Anatomy 0.000 description 3
- 239000002184 metal Substances 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- 210000004224 pleura Anatomy 0.000 description 3
- 210000000813 small intestine Anatomy 0.000 description 3
- 210000003932 urinary bladder Anatomy 0.000 description 3
- 206010028980 Neoplasm Diseases 0.000 description 2
- 230000004075 alteration Effects 0.000 description 2
- 230000006399 behavior Effects 0.000 description 2
- 230000006854 communication Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000005094 computer simulation Methods 0.000 description 2
- 239000003814 drug Substances 0.000 description 2
- 230000014509 gene expression Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000001788 irregular Effects 0.000 description 2
- 238000012804 iterative process Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 238000002600 positron emission tomography Methods 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 238000002601 radiography Methods 0.000 description 2
- 230000035945 sensitivity Effects 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 238000012896 Statistical algorithm Methods 0.000 description 1
- 230000001174 ascending effect Effects 0.000 description 1
- 230000000712 assembly Effects 0.000 description 1
- 238000000429 assembly Methods 0.000 description 1
- 230000007175 bidirectional communication Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000013170 computed tomography imaging Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 238000009429 electrical wiring Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 230000005674 electromagnetic induction Effects 0.000 description 1
- 230000005670 electromagnetic radiation Effects 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 239000007943 implant Substances 0.000 description 1
- 239000004615 ingredient Substances 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 239000010977 jade Substances 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000004033 plastic Substances 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
- 239000011800 void material Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/003—Reconstruction from projections, e.g. tomography
- G06T11/008—Specific post-processing after tomographic reconstruction, e.g. voxelisation, metal artifact correction
-
- 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
- A61B6/02—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
-
- 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
- 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
- G01N23/06—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 measuring the absorption
- G01N23/083—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 measuring the absorption the radiation being X-rays
-
- 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
-
- 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
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration by the use of local operators
-
- G06T5/70—
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2223/00—Investigating materials by wave or particle radiation
- G01N2223/40—Imaging
- G01N2223/401—Imaging image processing
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2223/00—Investigating materials by wave or particle radiation
- G01N2223/40—Imaging
- G01N2223/419—Imaging computed tomograph
-
- 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
- G06T2207/20224—Image subtraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2211/00—Image generation
- G06T2211/40—Computed tomography
- G06T2211/421—Filtered back projection [FBP]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2211/00—Image generation
- G06T2211/40—Computed tomography
- G06T2211/424—Iterative
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration by the use of more than one image, e.g. averaging, subtraction
Abstract
本公开提供一种用于CT图像重建的系统和方法。该方法可包括组合CT图像的分析图像重建技术和迭代重建算法。图像重建可在感兴趣的区域上或感兴趣的区域附近执行。
Description
技术领域
本公开涉及X射线计算机断层扫描(CT),更具体地,涉及一种用于增强CT图像重建的系统和方法。
背景技术
计算机断层扫描(CT)已经广泛应用于诊断和例如医药等领域和其它产业中的其它目的。对象(诸如患者)可由CT系统扫描以获取CT数据集。为了从X射线CT数据集重建计算机断层扫描图像,已经发展了各种重建方法。这些方法可大致被特征化为两类:分析方法和迭代类方法。
分析方法可直接应用于X射线CT数据集(有时称为原始数据)以获取重建图像。另一方面,迭代重建(IR)方法可为重建图像达到更好的分辨率。
发明内容
本文提供的本公开涉及X射线计算机断层扫描(CT)。具体地,本公开涉及用于增强CT图像重建的系统和方法,其可以提供改进的CT图像。本公开提供了一种用于将分析图像重建技术与CT图像的迭代重建算法相组合的系统和方法。使用这种组合办法可以减少处理时间。此外,图像重建可在感兴趣区域(region-of-interest简称ROI)上或感兴趣的区域附近执行。分析方法可以被用于产生初始图像,该初始图像可供藉由迭代重建(IR)算法进一步处理。图像的低频分量和图像的高频分量可以使用不同的图像重建方法分开处理。其后果是,使用本公开中所公开的方法和系统可以移除或减少在感兴趣区域的边界附近引起的伪影。
在本公开的一方面,提供了一种用于获取CT图像的成像系统。在一些实施例中,成像系统可以包括数据采集模块和图像处理模块。数据采集模块可以接收与对象有关的原始数据。图像处理模块可以执行包括一个或多个操作的方法。可以接收与对象有关的第一组原始数据。可以确定第一ROI。可以确定包围第一ROI的第二ROI。可以对第一组原始数据应用分析重建以获得第二ROI上的第一图像,并且通过将第一图像的第一ROI填零成为零来生成第二图像。可以对第一图像执行正投影以获得第一正弦图。可以对第二图像执行正投影以获得第二正弦图。可以对第一正弦图应用第一滤波器以获得第三正弦图,继而从第三正弦图减去第二正弦图以获得第四正弦图。可以将第二滤波器应用于第一组原始数据以获得第五正弦图。基于第四正弦图和第五正弦图,可以执行迭代重建以生成第一ROI的第三图像。
在本公开的另一方面,提供一种方法。该方法可以包括一个或多个操作。在本公开的又一个方面,提供一种包含可执行指令的非暂态计算机可读存储介质。可执行指令在由处理器执行时可以使处理器实现包括一个或多个操作的方法。
在一些实施例中,原始数据可以包括正弦图数据。
在一些实施例中,分析重建可以包括滤波反投影(FBP)。
在一些实施例中,感兴趣区域(例如,第一ROI)可以是矩形的,而包围ROI的区域(例如,第二ROI)也可以是矩形的。
在一些实施例中,第一ROI的宽度与高度之比可以与第二ROI的宽度与高度之比相同。
在一些实施例中,图像处理模块的低通滤波器可以是高斯滤波器。在一些其它实施例中,低通滤波器可以是atan滤波器。在一些实施例中,低通滤波器可以在频域中提供期望的响应曲线。在一些实施例中,图像处理模块的低通滤波器和高通滤波器可以一起形成全通滤波器。可以通过从全通滤波器移除低通滤波器来获得高通滤波器。
在一些实施例中,该成像系统可以从计算机断层扫描(CT)系统被扩展到数字放射成像(DR)系统、计算断层扫描-正电子发射断层扫描(CT-PET)系统、计算机断层扫描-磁共振成像(CT-MRI)系统、X射线安检系统或X射线异物检测系统,或类似物,或其任何组合。
附加的特征将部分地在以下描述中阐述,且部分地将在本领域技术人员查阅了以下描述和附图后变得显而易见,或可通过示例的生产或操作来获知。可通过以下讨论的详细示例中所阐述的方法、手段、和组合的各个方面的实践或使用,来实现和达到本公开的特征。
附图说明
根据示例性实施例进一步描述本文所描述的方法,系统和/或编程。这些示例性的实施例将参考附图详述。这些实施例是非限定性的示例性实施例,其中在附图的几个视图中相同的附图标记表示相似的结构,并且其中:
图1是根据本公开的一些实施例的X射线成像系统的框图;
图2是示出根据本公开的一些实施例的CT扫描过程的流程图;
图3是根据本公开的一些实施例的图像生成器的框图;
图4A是根据本公开的一些实施例的图像处理模块的框图;图4B和4C分别给出频域和时域中的示例性高通滤波器。图4D和4E示出了各种示例性低通滤波器对原始数据的影响。
图5是根据本公开的一些实施例的频率拆分重建单元的框图;
图6是根据本公开的一些实施例的迭代重建单元的框图;
图7是示出根据本公开的一些实施例的示例性轴向锥形束平板检测器的几何的示图;
图8是示出根据本公开的一些实施例的示例性频率拆分迭代重建过程的流程图;
图9是示出根据本公开的一些实施例的示例性频率拆分迭代重建过程的流程图;
图10A和10B示出了根据本公开的一些实施例的示例性感兴趣区域及其相邻区域;
图11是根据本公开的一些实施例的图像处理模块的框图;
图12是示出根据本公开的一些实施例的CT扫描过程的流程图;
图13A和13B是根据本公开的一些实施例的基于频率拆分迭代重建而生成的两个X射线图像;以及
图14A和14B是根据本公开的一些实施例的基于频率拆分迭代重建而生成的两个X射线图像。
具体实施方式
在以下详细描述中,通过示例的方式阐述了许多具体细节以提供对相关公开的透彻理解。然而,对本领域技术人员而言应当明了的是,没有这些细节也可实践本公开。在其它实例中,已在相对较高的层级描述了公知的方法、过程、系统、组件和/或电路系统而没有细节,以避免不必要地模糊本公开的各方面。对于所公开实施例的各种修改对本领域技术人员将是显而易见的,并且可将本文中所定义的一般原理应用于其他实施例和应用,而不脱离本公开的精神和范围。由此,本公开不被限定于所示实施例,而是应被授予与权利要求一致的最广范围。
应当理解,在此使用的术语“系统”、“引擎”、“单元”、“模块”和/或“块”是以升序区分不同层级的不同组件、元件、部件、区段、或组装件的一种方法。然而,如果其他表达可达成相同的目的,则这些术语可以由这些其它表达来代替。
应当理解的是,当单元、引擎、模块或块被称为“在……上”或“连接到”或“耦合到”另一单元、引擎、模块或块时,其可以直接在该另一单元、引擎、模块或块上、连接到或耦合到该另一单元、引擎、模块或块,或者与之通信,或者可以存在居间单元、引擎、模块或块,除非上下文明确指示为其它情况。如本文所用,术语“和/或”包括一个或多个相关联的列出项目的任何和所有组合。
此处使用的术语仅为了描述特定示例和实施例的目的,而并不旨在构成限定。如本文所使用的,单数形式“一”、“某”和“该”也旨在包括复数形式,除非上下文另有明确指示。将进一步理解,当在本公开中使用时,术语“包括”和/或“包含”指定了整数、设备、行为、声明的特征、步骤、元件、操作和/或组件的存在,但是不排除一个或多个其他整数、设备、行为、特征、步骤、元件、操作、组件和/或其群组的存在或添加。将进一步理解,术语“构建”和“重建”在本公开中使用时可以表示类似的过程,其中可以从数据中转换出图像。
此处提供的本公开涉及X射线计算机断层扫描(CT)。具体地,本公开涉及用于增强CT图像重建的系统和方法,其可以提供改进的CT图像。本公开提供了一种将CT图像的分析图像重建技术与迭代重建算法相结合的方式。使用这种组合办法可以减少处理时间。此外,可以在感兴趣区域上或附近执行图像重建,在该感兴趣区域上可以使用分析方法来产生初始图像,该初始图像可供藉由迭代重建(IR)算法来进一步处理。图像的低频分量和图像的高频分量可以使用不同的图像重建方法来分开处理。其后果是,使用本公开中所公开的方法和系统可以移除或减少在感兴趣区域的边界附近引起的伪影。
仅作为示例,在正投影中可以包括全视场(FFOV)以获得目标ROI中的CT图像。在全视野内,可以在IR中对各种物体(包括例如患者的手臂、病床、导管、枕头、毯子等)适当地建模,从而可避免或减少重建伪影。使用全视野来执行IR的这种办法可以被称为蛮力FFOV-IR。
除了在CT图像的迭代重建中使用全视野之外,可能希望使用全视野的一部分来设计算法以应用迭代重建。全视野的该部分可以是感兴趣区域。替换地,全视野的该部分可以是与感兴趣区域有关的ROI有关区域。例如,ROI有关区域可以包含感兴趣区域。作为另一示例,ROI有关区域可以包含感兴趣区域,并且可以类似于感兴趣区域,但是升至一比例缩放因子(解说见图10A,其中ROI有关区域是扩展的感兴趣区域,而感兴趣区域是中心的封闭区域。ROI有关区域和感兴趣区域可以是关于原点O自相似的并且比例缩放因子为α)。
图1示出根据本公开的一些实施例的X射线成像系统100的框图。如图所示,X射线成像系统100可以包括机架101、对象台102、高电压发生器103、操作控制计算机104、图像生成器105以及操作员控制台和显示器105。应该注意的是,下文描述的X射线成像系统仅仅是为了解说辐射成像系统的示例而提供的,而不是旨在限定本公开的范围。在此使用的辐射包括粒子射线、光子射线,或类似物等,或者其任何组合。粒子射线可包括中子、质子、电子、μ-介子、重离子,或类似物等,或者其任何组合。光子束可包括X射线、γ射线、α射线、β射线、紫外线、激光,或类似物等,或者其任何组合。为了更好地理解本公开,将X射线成像系统描述为辐射成像系统的一个示例。X射线成像系统可以在诸如举例而言医药或工业等不同的领域中得以应用。仅作为示例,X射线成像系统可以是计算机断层扫描(CT)系统、数字射线照相(DR)系统、多模态系统、或类似物等,或其任何组合。示例性的多模态系统可以包括计算机断层扫描-正电子发射断层扫描(CT-PET)系统、计算机断层扫描-磁共振成像(CT-MRI)系统等。作为另一示例,该系统可以被用于组件的内部检视,包括例如缺陷检测、安全扫描、故障分析、计量、组装件分析、空隙分析、壁厚分析、或类似物等,或其任何组合。
机架101可以容纳产生和检测X射线以生成CT图像所需的组件。机架101可以包括X射线管108和检测器107。应当注意,在本公开的替代实施例中,高电压发生器103可以位于机架101中。X射线管108可以发射辐射,辐射在穿过曝露在机架101的孔中的对象之后可以被检测器107接收。仅作为示例,辐射可以包括粒子射线、光子射线、或类似物等,或者其任何组合。粒子射线可包括中子、质子、电子、μ-介子、重离子,或类似物等,或者其任何组合。光子束可包括X射线、γ射线、α射线、β射线、紫外线、激光,或类似物等,或者其任何组合。对象可包括物质、组织、器官、物体、样本、身体、人,或类似物等,或者其任何组合。在一些实施例中,X射线管108可以是冷阴极离子管,高真空热阴极管,旋转阳极管等。X射线管108发射的X射线束的形状可以是线型、窄铅笔型、窄角扇形、扇形、锥形、楔形,或者不规则形状,或类似物等,或者它们的任何组合。
检测器107的形状可以是平板、弧形、圆形、或类似物等,或者其任何组合。弧形检测器的扇形角度可以是从0°至360°,或从30°至270°,或45°至300°的角度。在一些实施例中,弧形检测器的扇形角度可以是大于30°的角度。在一些实施例中,弧形检测器的扇形角度可以是大于45°的角度。例如,弧形检测器的扇形角度可以是45°、60°、75°、90°、105°等或其它角度中的一个。扇形角度可被固定或者根据不同的状况可调节,不同的状况包括例如期望的图像分辨率、图像尺寸、检测器的灵敏度、检测器的稳定性,或类似物等,或者其任何组合。在一些实施例中,检测器107的像素可以是检测器单元的数目,例如,闪烁器或者光电传感器的数目等。检测器的像素可被排列为单行,两行或者其它行数。X射线检测器是一维、二维、或者三维的。
高电压发生器103可以产生高电压电和/或功率,并将其传送到X射线管108中。由高电压发生器103生成的电压可以范围从80kV至140kV,或从120kV至140kV。高电压发生器生成的电流可以范围从20mA到500mA。在本公开的替代实施例中,由高电压发生器103生成的电压可以范围从0至75kV或从75至150kV。
操作控制计算机104可以与机架101、管108、高电压发生器103、对象台102、图像生成器105和/或操作员控制台显示器104双向通信。仅作为示例,机架101可以由操作控制计算机104控制以旋转到可由用户经由操作员控制台和显示器106规定的期望位置。操作控制计算机104可以控制高电压发生器103的生成,例如,由高电压发生器103生成的电压和/或功率的幅值。作为另一个示例,操作控制计算机104可以控制图像在操作者控制台和显示器106上的显示。例如,可以显示图像的全部或部分。在一些实施例中,图像可被分割为几个子部分,其可被同时显示或者以一定的次序显示在屏幕上。根据本公开的一些实施例,用户或者操作者可以根据某些条件选择显示一个或多个子部分。仅作为示例,用户可以指定一子部分的放大视图将被显示。
操作员控制台和显示器106可以与操作控制计算机104和图像生成器105耦合。在一些实施例中,操作员控制台和显示器106可以显示由图像生成器105生成的图像。在替代实施例中,操作员控制台和显示器106可以向图像生成器105和/或操作控制计算机104发送命令。仍然在本公开的替换实施例中,操作员控制台和显示器106可以设置用于扫描的参数。这些参数可以包括采集参数和/或重建参数。仅作为示例,采集参数可以包括管电势、管电流、重建参数(例如,切片厚度)、扫描时间、准直/切片宽度、束过滤、螺距、或类似物等,或其任何组合。重建参数可以包括重建视野、重建矩阵、卷积内核/重建滤波器、或类似物等,或其任何组合。
对象台102可以在检查期间支撑患者并且穿过机架101的孔移动。如图1所示,检查期间患者被传送的方向可以沿着z方向。取决于对患者所选择的ROI或所选择的协议,患者可以被定位为仰卧或俯卧,并且脚先或头先。在本公开的一些实施例中,对象台102可以在多个扫描之间进行索引。在本公开的替代实施例中,对象台102可以以恒定速度平移穿过机架101。此速度可以与待扫描区域的长度、总扫描时间、所选节距、或类似物对,或其任何组合有关。在一些实施例中,对象台102可以被用于支撑除患者以外的其他对象。这样的结构可以移动用于检查的对象穿过X射线成像系统。为了简洁起见,也可以将这样的结构称为患者。
应当注意,提供对X射线成像系统100的描述是为了说明,而并非旨在限定本公开的范围。对于本领域普通技术人员而言,可在本公开的教导下进行各种变形和修改。然而,那些变形和修改可以并不脱离本公开的保护。例如,X射线成像系统100的组装件和/或功能可根据具体实现场景来变动或改变。仅作为示例,一些其它组件可被添加到X射线成像系统100中,这些部件诸如是患者定位单元、高电压槽、放大器单元、存储单元、模数转换器、数模转换器、接口电路、或类似物等,或者其任何组合。仅作为示例,机架101还可以包括麦克风、矢状激光对准灯、患者导向灯、X射线曝光指示灯、能量停止按钮、机架控制面板、外部激光对准灯等。
图2是示出根据本公开的一些实施例的成像过程的流程图。在步骤201中,可以将对象置于X射线成像系统100中,具体地,置于本公开中别处描述的患者台102上。仅作为示例,对象可包括物质、组织、器官、样本、身体,或类似物等,或者其任何组合。在一些实施例中,对象可以包括头、胸、肺、胸膜、纵膈、腹、大肠、小肠、膀胱、胆囊、三焦、盆腔、脊椎、四肢、骨架、血管,或者类似物等,或者其任何组合。
在定位好对象之后,在步骤202中,X射线成像系统100的机架可以被旋转到期望的位置。
在步骤203,可以对该对象执行扫描。在本公开的一些实施例中,可以创建用于扫描不同对象的数个协议。可以由这些协议来确定多个参数。仅作为示例,参数可以包括准直器孔径、检测器孔径、X射线管电压和/或电流、扫描模式、台索引速度、机架速度、重建视野(FOV),或类似物等,或其任何组合。
通过扫描,可以在步骤204采集到与对象相对应的原始数据。
在采集了原始数据之后,可以在步骤205中重建对象的图像。仅作为示例,图像的重建可以基于如下的一些方法:傅里叶切片定理、滤波反投影算法、锥形束重建(参见图7锥形束的说明),迭代重建等。
在步骤205中重建的图像可以在步骤206中被输出。输出图像可受到进一步处理,如降噪,对比度增强等。
应当注意,以上描述的流程图是为了说明的目的而提供的,而并非旨在限定本公开的范围。对于本领域普通技术人员而言,可在本公开的教导下进行各种变形和修改。然而,那些变形和修改并不脱离本公开的保护。
图3是根据本公开的一些实施例的图像生成器的框图;应当注意,以下描述的图像生成器仅是为了解说示例的目的而提供的,而并非旨在限定本公开的范围。
如图3所示,图像生成器105可以包括辐射模块310、图像处理模块320、控制模块330和存储模块340。辐射模块310可包括X射线发生单元311和X射线检测单元312。在一些实施例中,控制模块330可控制辐射模块310的X射线发生单元312和/或X射线检测单元312、图像处理模块320和/或存储模块340。图像处理模块320可以处理从辐射模块310、控制模块330和/或存储模块340接收的信息。图像处理模块320可以基于该信息生成一个或多个CT图像,并且递送这些图像以供显示。存储单元340可以存储从图像处理模块320、控制模块330和/或辐射模块310接收的信息。辐射模块310、控制模块330、图像处理模块320和存储模块340可直接彼此连接,或者通过居间单元彼此连接(图3未示出)。居间单元可以是可视组件或不可视场(无线电、光学、超声、电磁感应等)。不同单元之间的连接可以是有线或无线的。有线连接可以包括使用金属电缆、光缆、混合电缆、接口、或类似物等,或其任何组合。无线连接可包括使用局域网(LAN)、广域网(WAN)、蓝牙、ZigBee、近场通信(NFC),或类似物等,或其任何组合。应当注意,关于辐射系统的上述描述仅仅是一示例,不应被理解为唯一的实施例。明显地,对于本领域技术人员而言,理解不同单元之间连接的基本原理之后,可以在不脱离这些原理的情况下修改或者改变这些单元以及这些单元之间的连接。修改和变化仍然是在上文描述的当前公开的范围之内。在一些实施例中,这些单元是独立的,并且在一些实施例中,这些单元的一部分可以被集成到一个单元中以共同工作。
辐射模块310可扫描受检查的对象(图3中未示出),并且生成X射线图像的原始数据。对象可包括物质、组织、器官、样本、身体、人,或类似物等,或者其任何组合。在一些实施例中,对象可以包括头、胸、肺、胸膜、纵膈、腹、大肠、小肠、膀胱、胆囊、三焦、盆腔、脊椎、四肢、骨架、血管,或类似物等,或者它们的任何组合。X射线发生单元311可以生成穿过受检查对象的X射线。X射线发生单元311可包括X射线发生器、高电压发生器,和/或其它附件。X射线发生器可包括一个或多个X射线管。X射线管可以发射X射线。X射线发生单元311可以是冷阴极离子管,高真空热阴极管,旋转阳极管等。发射的X射线束可以呈以下形式:线型、窄铅笔型、窄角扇形、扇形、锥形、楔形,或者类似物等,或者不规则形状,或者其任何组合。X射线发生单元311中的X射线管可以被固定在位置上。在某些场景中,可以平移或旋转X射线管。
X射线检测单元312可接收从X射线发生单元311或其它辐射源发射的X射线。来自X射线发生单元311的X射线可以穿过受检查对象,然后到达X射线检测单元312。接收X射线之后,X射线检测单元312可生成受检查对象的X射线图像的原始数据。术语“原始数据”可以指X射线检测单元312检测到的数据,该数据可被用来构造X射线图像。X射线检测单元312可接收X射线,生成受检查对象的X射线图像的原始数据。X射线检测单元312可包括X射线检测器或者其它组件。X射线检测器的形状可以是平板、弧形、圆形、或类似物等,或者其任何组合。弧形检测器的扇形角度可以是从0°到360°的角度。扇形角度可被固定或者根据不同的状况可调节,不同的状况包括期望的图像分辨率、图像尺寸、检测器的灵敏度、检测器的稳定性、或类似物等,或者其任何组合。在一些实施例中,检测器的像素是最小检测单元的数目,例如,闪烁器或者光电传感器的数目等。检测器的像素可被排列为单行,两行或者其它行数。X射线检测器可以是一维、二维、或者三维的。
控制模块330可以根据本公开的一些实施例来控制辐射模块310、图像处理模块320、存储模块340或系统中的其它单元或设备。控制模块330可以从辐射模块310、图像处理模块320和/或存储模块340接收信息,或者发送信息给辐射模块110、控制模块120和/或存储模块140。在一些实施例中,控制模块330可以控制辐射模块310以生成用于对象扫描的特定电压和/或特定电流。仅作为示例,电压和/或电流可以不同,以检查不同年龄、体重、身高等的人。在一些实施例中,控制模块330可以接收由例如用户、成像技术人员或医生提供的命令。示例性的命令可包括扫描时间、对象位置、或机架的转速、或类似物等,或者其任何组合。控制模块330可控制图像处理模块320选择不同的算法来处理X射线图像的原始数据。控制模块330可以在针对各种扫描场景设计的多个协议中选择协议。控制模块330可以向存储模块340传送一些命令以取回用于显示的图像。示例性的指令可包括图像的尺寸,对象的位置,或者X射线图像要显示在显示屏上的历时。在本公开的一些实施例中,X射线图像可以被分成若干子部分进行显示。控制模块330可以控制X射线图像的划分。例如,控制模块330可以确定要生成的子部分的数量、子部分的尺寸、子部分中要被覆盖的区域,或类似物等,或其任何组合。应当注意的是,上文关于控制模块的描述仅仅是根据本公开的示例。
图像处理模块320可以处理从不同模块或单元接收的不同种类的信息,这些模块或单元包括辐射模块310、控制模块330、存储模块340或可以生成信息的其他模块或单元。图像处理模块320可以处理来自辐射模块310的数据,以生成受检查对象的X射线图像。图像处理可以基于包括例如傅里叶切片定理、滤波反投影算法、扇形束重建、迭代重建、或类似物等的算法,或其任何组合。图像处理模块320可以将信息从存储模块340转移到可由控制模块330标识的特定形式,并且它可以处理来自控制模块130的信息以调整存储模块340。从控制模块330到辐射模块310的信息可由图像处理模块320首先处理,使得该信息能够被标识。上文关于图像处理模块320的描述仅仅出于示例性的目的,不应该被理解为仅有的实施例,并且这些示例不限定本公开的范围。
存储模块340可以存储信息。信息可包括程序、软件、算法、数据、文本、数字、图像、声音,或类似物等,或其任何组合。例如,用户或操作者可以输入一些初始参数或条件以发起扫描,此扫描可以被存储在存储模块340中。示例性的参数或条件可包括扫描时间,扫描对象的位置,机架的转速,或类似物等,或其任何组合。作为另一示例,一些信息可以从外部源导入,外部源例如是软盘、硬盘、无线终端,或类似物等,或其任何组合。存储模块340可以从控制模块330接收信息以调整与显示有关的一些参数。所述参数可包括但不限于图像的尺寸、对象的要显示的图像的部分,或者图像保持在显示屏上的历时。关于X射线图像的显示,可以显示X射线图像的全部或一部分。在一些实施例中,X射线图像可被分割为若干个子部分,其可被同时显示或者以一定的次序显示在屏幕上。根据本公开的一些实施例,用户或者操作者可以根据某些条件选择显示一个或多个子部分。仅作为示例,用户可以指定一子部分的放大视图将被显示。应当注意,关于存储模块340的上述描述仅仅是根据本公开的一些实施例的示例。
应当注意,对X射线成像系统100的图像生成器105的以上描述仅仅是为了说明的目的而提供的,而并非旨在限定本公开的范围。对于本领域普通技术人员而言,可在本公开的教导下作出多种变形和修改。然而,那些变形和修改并不脱离本公开的范围。例如,图像生成器105的组装件和/或功能可根据具体实现场景来变动或更改。仅作为示例,一些其它部件可被添加到图像生成器105中,这些部件诸如是患者定位单元、高电压槽、放大器单元、存储单元、模数转换器、数模转换器、接口电路,或类似物等,或者其任何组合。放大器单元可以放大由X射线检测单元312接收的信号。注意,X射线成像系统可以是单模态成像系统,或者是多模态成像系统,包括例如正电子发射断层扫描-计算机断层扫描(PET-CT)系统、计算机断层扫描-磁共振成像(CT-MRI)系统、远程医疗X射线成像系统等。
图4A是根据本公开的一些实施例的图像处理模块320的框图。如图所示,图像处理模块320可包括频率拆分重建单元410,迭代重建单元420和增强单元430。图像处理模块320接收的数据可以被发送至频率拆分重建单元410,迭代重建单元420和/或增强单元430。
频率拆分重建单元410可以处理通过扫描对象生成的原始数据。原始数据的低频分量和高频分量可以在分析单元中被分开处理。在一些实施例中,为了处理原始数据的低频分量,分析单元可以在与ROI有关的区域(或称为ROI有关区域)上生成图像。分析单元可以在ROI有关区域内的图像上执行向前投影以获得经修改的正弦图。然后可以将低通滤波器应用于经修改的正弦图以获得低频分量。为了处理原始数据的高频分量,可以将高通滤波器应用于原始数据以获得高频分量。
如本文所使用的,低通滤波器可以是放行频率低于特定截止频率的信号并且衰减频率高于该截止频率的信号的滤波器。在一些实施例中,截止频率可以是5lp/cm(线对/厘米)或以下。在一些其它实施例中,截止频率可以是4lp/cm或以下。在一些实施例中,截止频率可以是3lp/cm或以下。在一些实施例中,截止频率可以是2lp/cm或以下。长度为1至3lp/cm的瞬态谱可能存在于低通滤波器中。如本文所使用的,高通滤波器可以是放行频率高于特定截止频率的信号并且衰减频率低于该截止频率的信号的滤波器。在一些实施例中,截止频率可以是2lp/cm或以上。在一些其它实施例中,截止频率可以是3lp/cm或以上。在一些实施例中,截止频率可以是4lp/cm或以上。在一些实施例中,截止频率可以是5lp/cm或以上。在一些实施例中,低通滤波器可以在空域中具有狭窄的宽度。如本文所使用的,低通滤波器的狭窄空间宽度可以指低通滤波器的空间宽度远小于感兴趣区域的尺寸或特征尺寸。例如,分析单元可以包括高斯型低通滤波器。在一些实施例中,低通滤波器和高通滤波器可以形成全通滤波器。
图4B和4C分别提供频域和时域中使用示例性高通滤波器获得的曲线。用于获得图4C所示结果的示例性高通滤波器的空间宽度不超过该高通滤波器的特征响应时间的十分之一。高通滤波器的空间宽度的狭窄性可以指示该高通滤波器对感兴趣区域的影响是局部本质的。
图4D和4E示出了各种示例性低通滤波器对原始数据的影响。图4E是图4D的数据的经重新比例缩放的表示。在图4E中,曲线a示出了通过对CT图像应用滤波反投影(FBP)而生成的原始数据。曲线b和c分别示出了通过对原始数据a应用各种示例性低通滤波器而生成的结果。曲线b藉由在上升到跟随曲线a之前向下弯曲到零以下来表现出吉布斯伪影现象。曲线c没有曲线b中那样的“向下弯曲”现象。
迭代重建单元420可以合成原始数据的经处理的低频分量和高频分量。此外,迭代重建单元420可以应用重建方法来获得与ROI有关的区域中的CT图像。重建方法可以包括例如傅立叶切片定理、滤波反投影算法、扇形束重建、迭代重建等。在本公开的一些实施例中,图像重建单元420可以迭代地执行正投影和反投影,直到生成期望的图像。对于正投影,可以计算出贡献因子和体素值,以确定体素的贡献。
迭代重建单元420可以降低频率拆分重建单元410生成的图像的噪声。示例性的降噪算法可以基于噪声模型。在一些实施例中,降噪算法可以包括色度和亮度噪声分离、线性平滑滤波器、各向异性扩散、非局部均值、非线性滤波器、小波变换、统计算法、或类似物等,或其任何组合。在本公开的一些实施例中,可以构建噪声模型来降低由频率拆分重构单元410生成的图像的噪声。可以在噪声模型中设置加权参数以衡量具有噪声的数据的有用性。例如,具有高程度的噪声的数据可以被给予较低的权重,而具有低程度的噪声的数据可以被给予较高的权重。数据的权重可以用于指示数据的可使用性,以使得可以更频繁地使用较高权重的数据。在一些实施例中,惩罚数据可以被引入到噪声模型中以在正则化过程中控制图像的噪声。
惩罚数据可以在迭代期间基于初始图像或经更新图像的正则化来获得。如本文所述,正则化可以表征CT系统的固有属性并保留图像内的一些特征。示例性特征可以包括位于高强度区域与低强度区域之间的锐边缘。在一些实施例中,正则化可以通过例如改善高强度区域或低强度区域内的平滑度来帮助增强图像质量。在一些实施例中,正则化可以区分具有不同强度的区域。例如,正则化可能有助于理解金属植入物在患者体内的位置。正则可以提高金属和非金属组织之间的锐边缘的可视性。它可产生具有均匀分布的噪声的图像。在一些实施例中,可以使用上述方法来抑制由高程度的噪声引起的某些条带伪影和拖尾伪影。
应当注意,以上图像处理单元的描述是为了说明的目的而提供的,而并非旨在限定本公开的范围。对于本领域普通技术人员而言,可在本公开的教导下进行各种变形和修改。然而,那些变形和修改并不脱离本公开的保护范围。例如,由数据采集单元采集到的数据可以并发地或顺序地被发送到频率拆分重建单元410、迭代重建单元420和增强单元430。
图5是根据本公开的一些实施例的频率拆分重建单元410的框图。如图所示,频率拆分重建单元410可以包括高通滤波器510,滤波式滤波反投影仪520、正投影仪530和低通滤波器540。原始数据或由频率拆分重构单元410接收的正弦图可以被拆分并且分开处理成高频部分和低频部分。接收的原始数据可以被发送到高通滤波器510和滤波式滤波反投影仪520。在本公开的一些实施例中,频率拆分重建单元410可以包括模数转换器(ADC)550。ADC 550可以将检测器所检测的原始数据转换成数字值。
可以将高通滤波器510应用于原始数据以获得原始数据的高频分量。高通滤波器510可以是一维滤波器。在一些实施例中,高通滤波器可以是二维滤波器。在一维滤波器的情形中,可以沿着检测器通道应用高通滤波器。在一些实施例中,高通滤波器可以在空域中具有狭窄的宽度,或者在空域中具有实效上狭窄的宽度。例如,高通滤波器可以是高斯型滤波器。又例如,高通滤波器可以是atan型滤波器。在一些实施例中,可以通过在频域中指定期望的响应曲线来直接设计高通滤波器。频域用于对信号进行针对频率的分析,而不是时域或空域。在一些实施例中,可以利用傅立叶变换来将时域或空域中的信号转换成频域中的对应物。在频域中表达的高通滤波器的响应曲线可以表现出该滤波器关于频率的各种行为。在一些实施例中,可以通过从全通滤波器移除低通滤波器来获得高通滤波器。在一些实施例中,空域中的响应曲线的宽度或有效宽度可以使得可以由高通滤波器来局部地处理原始数据或正弦图,并且经滤波的数据可能对背景不敏感。
滤波反投影仪520可以处理原始数据或正弦图以在FOV的特定区域中生成中间图像。例如,滤波反投影仪520可以在FOV内的感兴趣区域(ROI)中生成中间图像。作为另一示例,滤波反投影仪520可以在包含或围绕感兴趣区域(ROI)的区域中生成中间图像。由滤波反投影仪520应用的算法可以是代数/分析图像重建算法。这样的重建算法的示例可以包括:基于滤波反投影(FBP)重建、菲尔德坎普-戴维斯-克雷斯(Feldkamp-Davis-Kress,FDK)重建、最大后验概率(MAP)、最大似然(ML)、代数重建技术(ART)、基于熵的优化、最小二乘法(LS)或惩罚加权最小二乘法(PWLS)、单域降噪算法,或类似物等,或其组合。所描述的这些算法可以执行一次,也可以执行不止一次。
正投影仪530可以处理由滤波反投影仪520生成的中间图像以产生中间正弦图。正投影仪530可以是作用在局部图像而不是整个FOV上的图像的正投影仪。例如,正投影机可以作用于ROI。作为另一示例,正投影仪可以作用于ROI有关区域上。例如,ROI有关区域可以包含感兴趣区域,并且ROI可以是ROI有关区域的一部分或子区。作为另一示例,ROI有关区域可以包含感兴趣的区域,并且可以具有与ROI相比而言相似的形状,并且按比例缩放因子大于ROI(解说参见例如图10A,其中ROI有关区域是由外边界定义的区域,而感兴趣区域是内边界内以的区域,这两个区域关于原点O是自相似的,并且比例缩放因子是正数α>1)。
低通滤波器540可以被应用于由正投影仪530生成的中间正弦图,以获得中间正弦图的低频分量。低通滤波器540可以是一维滤波器。在一些实施例中,低通滤波器可以是二维滤波器。在一维滤波器的情形中,可以沿着检测器通道应用低通滤波器。在一些实施例中,低通滤波器可以在空域中具有狭窄的宽度,或者在空域中具有在实效上狭窄的宽度。例如,低通滤波器可以是高斯型滤波器。又例如,低通滤波器可以是atan型滤波器。在一些实施例中,高通滤波器510和低通滤波器540可以形成全通滤波器。空域中的宽度或有效宽度可以狭窄,以使得原始数据或正弦图可以由低通滤波器来局部地处理,由此经滤波的数据可以对背景不敏感。
应当注意,以上描述的框图是为了解说的目的而提供的,而并非旨在限定本公开的范围。对于本领域普通技术人员而言,可在本公开的教导下进行各种变形和修改。然而,那些变形和修改并不脱离本公开的范围。
图6是根据本公开的一些实施例的迭代重建单元的框图。如图所示,迭代重建单元可以包括组合块610和迭代块620。组合块610可以组合接收到的正弦图。该组合可以通过添加接收到的正弦图来达成。例如,参见图8及其描述。
迭代块620可以处理由组合块610生成的正弦图。在一些实施例中,迭代重建(IR)算法可以在迭代块620中被应用于由组合块610生成的正弦图,以在FOV的ROI有关区域中生成图像。例如,ROI有关区域可以是ROI本身。作为另一示例,ROI有关区域可以是包含ROI的区域。作为另一示例,ROI有关区域可以是围绕或包含感兴趣区域的区域。重建可以包括迭代重建过程,其可包括基于计算机的迭代处理。迭代重建过程可以包括迭代投影,噪声降低或消除等。上述模型的示例是出于说明目的而提供的,且并不旨在限定本公开的范围。
应当理解,以上描述的示例性框图是为了解说的目的而提供的,而并非旨在限定本公开的范围。对于本领域普通技术人员而言,可在本公开的教导下进行各种变形和修改。然而,那些变形和修改并不脱离本公开的范围。
在图像重建过程中,对于ROI有关区域的正弦图,可以分别重建正弦图的高频分量和正弦图的低频分量。例如,ROI有关区域的正弦图的低频分量可以通过分析和/或代数方法来重建。分析方法可以是滤波反投影(FBP)方法。作为另一示例,ROI有关区域的正弦图的高频分量可以通过代数方法来重建。以这种方式使用的迭代方法可以提高光子利用率和/或空间分辨率。
在这样做时,高频分量的重建可能需要主要基于与同ROI有关的区域相关联的局部投影数据。这可以显著地降低要在迭代重建(IR)算法中包括全FOV和整个对象的完整投影数据集的需要,如迭代块620所使用的。
图7是示出根据本公开的一些实施例的示例性轴向锥形束平板检测器几何的示图。这里,源的轨迹可以是位于z坐标可以为零的平面上的圆。可以使用由从源发出并且落在由检测器形成的表面上的光束形成的锥形束来执行图像重建。如图7所示,检测器表面的t方向与z轴的方向一致。检测器表面的γ方向沿着CT成像系统的机架的圆周方向。
图8示出了根据本公开的一些实施例的图像重建过程的示意性流程图。可以在步骤801中通过例如步骤203中的数据扫描过程来采集原始正弦图或原始数据。可以基于在步骤801中采集到的原始数据来进行至少两种不同的处理路线。如所描述的,801中的原始数据可以通过在步骤203中扫描对象来获得。对象可以是人体、其内部结构需要被非侵入性或非破坏性地成像的X射线安全物品(例如,古董、仪器等),或类似物等。替换地,可以从其他资源(例如,计算机模拟扫描、在线数据库、离线数据库)获得原始数据。在线数据库可以包括云服务器类型的数据库。
可以在步骤802中基于在步骤801中采集到的原始正弦图来执行初始重建算法,其中可以生成初始的ROI有关图像。这样的重建算法的示例可以包括基于以下各项的那些重建算法:滤波反投影(FBP)重建、菲尔德坎普-戴维斯-克雷斯(Feldkamp-Davis-Kress,FDK)重建、最大后验概率(MAP)、最大似然(ML)、代数重建技术(ART)、基于熵的优化、最小二乘法(LS)或惩罚加权最小二乘法(PWLS)、单域降噪算法,或类似物等,或其组合。所描述的这些算法可以被执行一次,或可以被迭代地执行。
在一些实施例中,初始图像也可以基于包括例如系统中的默认设置,来自模板库的模板等的设置来近似。例如,初始图像可以是在ROI中的CT图像。在一些实施例中,初始图像可以是与ROI有关的ROI有关区域中的CT图像。例如,ROI有关区域可以包含感兴趣区域。作为另一示例,ROI有关区域可以包含来自包含感兴趣区域的模板库的模板,其中模板可以具有特定的配置或形状。模板库可以包括用于与ROI有关的ROI有关区域的多个模板。例如,该多个模板可以基于例如ROI的尺寸、ROI的形状、ROI的组织类型、ROI的材料类型(金属、塑料、木材等)、与患者有关的健康或个人信息、扫描设备或其部分的类型或型号,或类似物等,或其组合而具有各种配置或形状。ROI的示例性组织类型可以包括从中选择ROI的器官、肿瘤组织、特定类型肿瘤的组织,或类似物等,或其组合。示例性的与患者有关的健康或个人信息可以包括患者的性别、患者的种族、年龄、患者的体重、患者的身高、患者的健康史、确认的或疑似的疾病,或类似物等,或其组合。
在步骤804中,与步骤802中生成的ROI有关的ROI有关区域中的初始图像可以此时受到正投影仪的作用。例如,正投影仪可以作用于ROI。作为另一示例,正投影仪可以作用在与ROI有关的ROI有关区域上。例如,ROI有关区域可以包含感兴趣区域。作为另一示例,ROI有关区域可以包含来自包含感兴趣区域的模板库的模板,其中该模板可以具有特定的配置或形状。
在步骤805中,可以将低通滤波器应用于正投影仪所生成的正弦图。低通滤波器可以是一维滤波器。在一些实施例中,低通滤波器可以是二维滤波器。在一维滤波器的情形中,可以沿着检测器通道应用低通滤波器。在一些实施例中,低通滤波器可以在空域中具有狭窄的宽度,或者在空域中具有在实效上狭窄的宽度。例如,低通滤波器可以是高斯型滤波器。又例如,低通滤波器可以是atan型滤波器。在一些实施例中,可以通过在频域中指定期望的响应曲线来直接设计低通滤波器。频域用于对信号进行关于频率的分析,而不是时域或空域。在一些实施例中,可以利用傅立叶变换来将时域或空域中的信号变换成频域中的对应物。在频域中表达的低通滤波器的响应曲线可以表现出该滤波器的关于频率的各种振幅和/或相位行为。在一些实施例中,可以通过从全通滤波器移除高通滤波器来获得低通滤波器。在一些实施例中,空域中的响应曲线的宽度或有效宽度可以使得可以由低通滤波器来局部地处理的原始数据或正弦图,并且经滤波的数据可以对背景不敏感。空域中的宽度或有效宽度的狭窄性确保了局部数据可能被更多地考虑,并且经滤波的数据可以对与ROI有关的ROI有关区域之外的背景不敏感。
在步骤803中,高通滤波器可以被应用于原始正弦图。高通滤波器可以是一维滤波器。在一些实施例中,高通滤波器可以是二维滤波器。在一维滤波器的情形中,可以沿着检测器通道应用高通滤波器。在一些实施例中,高通滤波器和低通滤波器在步骤805中可以组合以形成全通滤波器。在一些实施例中,高通滤波器可以在空域中具有狭窄的宽度,或者在空域中具有在实效上狭窄的宽度。在一些实施例中,高通滤波器的空间宽度可以是感兴趣区域的尺寸或特征尺寸的20%或以下。在一些其他实施例中,高通滤波器的空间宽度可以是感兴趣区域的尺寸或特征尺寸的10%或以下。例如,高通滤波器可以是高斯型滤波器。又例如,高通滤波器可以是atan型滤波器。在一些实施例中,可以通过从全通滤波器移除低通滤波器来获得高通滤波器。高通滤波器在空域中的宽度或有效宽度可以狭窄,以使得局部数据可以更多地被考虑,并且经滤波数据可以对与ROI有关的ROI有关区域之外的背景不敏感。
低通滤波器和高通滤波器的调谐可以基于包括例如以下各项的参数来确定:感兴趣区域的几何、与ROI有关的ROI有关区域的几何,或类似物等,或其组合。例如,低通滤波器和/或高通滤波器的截止频率可以在合适的间隔以内。如果截止频率被设置得太低,则可能丢失如步骤802中的来自分析/代数重建的太多信息。如果截止频率设置得太高,则高频信息可能会丢失,结果导致劣化的图像和/或不良的空间分辨率。
在步骤806中,可以通过例如将来自步骤805和步骤803的正弦图相加来生成组合了来自步骤805的结果和来自步骤803的结果的合成正弦图。在一些实施例中,可以使用来自步骤805和步骤803的正弦图的线性组合。例如,加权因子可以被分别应用于来自步骤805和步骤803的结果,并且可以生成这些正弦图的经加权相加。这些加权因子可以是常数,或者在算法的至少一次执行中可变。
在步骤807中,可以将迭代重建(IR)算法应用于与ROI有关的ROI有关区域。可以生成与ROI有关的ROI有关区域内的CT图像。重建可以包括迭代重建过程。迭代重建过程可以包括迭代投影,降噪/除噪等。上述模型示例是出于说明目的而提供的,且并不旨在限定本公开的范围。
在步骤808中,此时可以输出与ROI有关的ROI有关区域中结果所得的图像。该图像可以被提供给医生、或患者或任何相关人员。图像可以被提供给显示设备、打印机、数据库,或类似物等,或其组合。数据库可以是在线数据库,或离线数据库。在线数据库可以是基于云的数据库。
应当注意,许多替代,修改和变化对本领域技术人员而言是明了的。本文描述的示例性实施例的特征、结构、方法和其它特点可以不同方式被组合以获得补充的和/或替代的示例性实施例。例如,本领域技术人员应当领会,在执行低通滤波过程805之前,分析/代数重建步骤802和正投影步骤804可被重复若干次。对于另一个示例,可在步骤803之后插入一些校准和/或者归一化步骤,以在结果所得的正弦图与从在步骤805中的低通滤波过程生成的正弦图合成之前降低结果所得的正弦图中的噪声。
如以上图8所示的用于在感兴趣区域中生成图像的频率拆分算法可以被进一步修改以纳入对伪影的处理,伪影可能是由于靠近ROI边界的正弦图数据的急剧变化与低通滤波器的优势域之间的干扰引起的。在实时应用中,靠近ROI边界的正弦图数据可能会发生急剧变化。这样的急剧变化可能由于低通滤波器的操作而严重变形(高通滤波器对原始数据的示例性影响可参见图4D或图4E中),导致ROI边界附近有一些伪影(关于在ROI的边界附近的此类伪影的解说参见例如图13A)。为了容适在ROI边界附近的正弦图数据的急剧变化与低通滤波的影响之间的干扰,可以将待处理的图像区域延伸超出ROI。
图9示出了根据本公开的一些实施例的图像重建过程的示意性流程图。可以在步骤901中通过例如步骤203中的数据扫描过程采集原始正弦图或原始数据。可以基于在步骤901中采集到的原始数据来进行至少两种不同的处理路线。如所描述的,901中的原始数据可以通过在步骤203中扫描对象来获得。对象可以是人体、其内部结构需要被非侵入性或非破坏性地成像的X射线安全物品(例如,古董、仪器等),或类似物等。替换地,可以从其他资源(例如,计算机模拟扫描、在线数据库、离线数据库)获得原始数据。在线数据库可以包括云服务器类型的数据库。
可以在步骤902中基于在步骤901中采集到的原始正弦图来执行初始重建算法,其中可以生成至少两个ROI有关图像。可以为ROI构造一个CT图像,并且可以为围绕感兴趣区域的邻近区域(NA)构造至少另一CT图像。ROI和相邻区域组合在一起可以形成包含ROI的扩展感兴趣区域(EROI)。例如,ROI的区域A可以按自相似的方式被扩展到更大的区域αA,其中α>1是比例缩放因子。然后可以通过αA\A给出相邻区域,即αA除去A以外的部分。例如,参见图10A中的阴影区域,或者图10B中围绕阴影区域的外框。在一些实施例中,ROI是矩形A,则矩形A可以被扩展到包含A的更大矩形αA,其中α>1是比例缩放因子。然后可以由环形框给出围绕感兴趣区域的相邻区域,如图10A和10B所示。比例缩放因子α的选取可以取决于以下考虑:包括例如低通滤波器的空间宽度、高通滤波器的空间宽度,或类似物等,或其组合。在一些实施例中,比例缩放因子α可以使得相邻区域的外边界和内边界之间的距离大于或等于低通滤波器的空间宽度。仅作为示例,取决于例如低通滤波器的空域宽度和检测器的尺寸,相邻区域的外边界和内边界之间的距离可以至少为15mm。
在为ROI和NA分别构建了两个CT图像之后,可以以下列方式生成针对扩展ROI(EROI)重建的两个图像。EROI上的一个图像可以通过在ROI的相邻区域中设置零而在ROI中的图像数据保持不变(其说明参见图10A)来产生。EROI上的另一个图像可以通过在感兴趣的区域中设置为零而在NA中的图像数据保持不变(其说明参见图10B)来产生。这样的重建算法的示例可以包括基于以下各项的那些重建算法:滤波反投影(FBP)重建、菲尔德坎普-戴维斯-克雷斯(Feldkamp-Davis-Kress,FDK)重建、最大后验概率(MAP)、最大似然(ML)、代数重建技术(ART)、基于熵的优化、最小二乘法(LS)或惩罚加权最小二乘法(PWLS)、单域降噪算法,或类似物等,或其组合。所描述的这些算法可以被执行一次,或者可以被执行不止一次。
在步骤904中,在步骤902中生成的扩展ROI上的该至少两个图像然后可能受正投影仪作用。例如,正投影仪可以包括该ROI。作为另一示例,正投影仪可以作用在与ROI有关的ROI有关区域上。例如,ROI有关区域可以包含感兴趣的区域。作为另一示例,ROI有关区域可以包含感兴趣区域的相邻区域。可以基于比例缩放因子α来获得扩展感兴趣区域,其中α>1。正投影仪在其中相邻区域上的图像数据为零的扩展ROI中的图像上生成的正弦图可以记为FP1。正投影仪在其中感兴趣区域中的图像数据为零的扩展ROI中的图像上生成的正弦图可以记为FP2。
在步骤905中,可以将低通滤波器应用于在步骤904中生成的正弦图FP1和FP2的组合。FP1和FP2的组合可以是FP1和FP2的相加。在一些实施例中,FP1和FP2的组合可以是FP1和FP2的线性组合,即aFP1+bFP2,其中a,b可以是包括实常数的加权因子。在一些实施例中,a可以等于1,或者b可以等于1。在一些实施例中,a和b可以都等于1。在一些实施例中,a和b可以是不同值的常数。在一些实施例中,a和b可以是相同值的常数。低通滤波器可以是一维滤波器。在一些实施例中,低通滤波器可以是二维滤波器。在一维滤波器的情形中,可以沿着检测器通道应用低通滤波器。在一些实施例中,低通滤波器可以在空域中具有狭窄的宽度,或者在空域中具有在实效上狭窄的宽度。围绕ROI的相邻区域的内边界和外边界之间的距离可以大于低通滤波器的空间宽度。例如,低通滤波器可以是高斯型滤波器。又例如,低通滤波器可以是atan型滤波器。在一些实施例中,可以通过从全通滤波器移除高通滤波器来获得低通滤波器。该低通滤波器在空域中的响应曲线的宽度或有效宽度可以狭窄,使得原始数据或正弦图可以由低通滤波器来局部地处理,因此经滤波的数据可以对背景不敏感。
在步骤906中,在步骤905中获得的正弦图可以通过从其中减去正弦图FP2来被进一步处理。在一些实施例中,步骤905和906中的过程可以表达如下:低通(FP1+FP2)-FP2。(1)
在一些实施例中,步骤905和906中的过程可以表达如下:
低通(aFP1+bFP2)-cFP2,(2)
其中a,b,c可以是包括实常数的加权因子。例如,a,b,c可以都等于1。在一些实施例中,这些常数可以取决于低通滤波器的空间宽度或检测器的尺寸。
在步骤903中,高通滤波器可以被应用于原始正弦图。高通滤波器可以是一维滤波器。在一些实施例中,高通滤波器可以是二维滤波器。在一维滤波器的情形中,可以沿着检测器通道应用高通滤波器。在一些实施例中,高通滤波器和低通滤波器在步骤905中可以组合以形成全通滤波器。在一些实施例中,高通滤波器可以在空域中具有狭窄的宽度,或者在空域中具有在实效上狭窄的宽度。例如,高通滤波器可以是高斯型滤波器。又例如,高通滤波器可以是atan型滤波器。在一些实施例中,可以通过从全通滤波器移除低通滤波器来获得高通滤波器。
低通滤波器和高通滤波器的调谐可以基于包括例如以下各项的参数来确定:感兴趣区域的几何、与ROI有关的ROI有关区域的几何形状,或类似物物,或其组合。例如,低通滤波器和/或高通滤波器的截止频率可以在合适的间隔以内。如果截止频率设置得太低,则可能丢失来自如步骤902中的分析/代数重建的太多信息。如果截止频率设置得太高,则高频信息可能会丢失,导致劣化的图像和不良的空间分辨率。
在步骤907中,可以生成组合了来自步骤906和来自步骤903的结果的合成正弦图。生成方式可以是来自步骤906和步骤903的正弦图的相加。在一些实施例中,可以使用来自步骤906和步骤903的正弦图的线性组合。例如,某些因子可以分别乘以来自步骤906和903的结果,并且经倍乘的正弦图可以被相加在一起。这些因子可以是常数,或在每次执行该算法时变化的非常数。
在步骤908中,将迭代重建(IR)算法应用于合成正弦图以生成扩展ROI的图像。由此生成了ROI内的CT图像。所描述的重建可以包括迭代重建过程,其可包括基于计算机的迭代处理。迭代重建过程可以包括迭代投影和除噪过程等。上述模型示例是出于说明目的而提供的,且并不旨在限定本公开的范围。
在步骤909中,此时可以输出ROI中结果得到的图像。该图像可以被提供给医生、或患者或任何相关人员。图像可以被提供给显示设备,或者输出到数据库。数据库可以是在线数据库,或离线数据库。在线数据库可以是基于云的数据库。
应当注意,许多替代,修改和变化对本领域技术人员而言是明了的。本文描述的示例性实施例的特征、结构、方法和其它特点可以不同方式被组合以获得附加的和/或替代的示例性实施例。例如,本领域技术人员应当理解,在执行低通滤波过程905之前,分析/代数重建步骤902和正投影步骤904可被重复若干次。对于另一个示例,可在步骤903之后插入一些校准和/或归一化步骤,以在结果所得到的正弦图与从步骤905中的低通滤波过程生成的正弦图合成之前降低结果所得到的正弦图中的噪声。
图11是根据本公开的一些实施例的图像处理模块320A的框图。如图所示,图像处理模块320A可以包括频率拆分重建单元410A、迭代重建单元420A、存储单元430A和并行协处理单元440A。图像处理模块320A接收的数据可以被发送至频率拆分重建单元410A、迭代重建单元420A、增强单元430A和/或并行协处理单元440A。
频率拆分重建单元410A可以处理通过扫描对象生成的原始数据。原始数据的低频分量和高频分量可以在分析单元中被分开处理。在一些实施例中,为了处理原始数据的低频分量,分析单元可以在ROI有关区域上生成图像。分析单元可以对被限制在ROI有关区域上的图像执行正投影以获得经修改的正弦图。然后可以将低通滤波器应用于经修改的正弦图以获得低频分量。低通滤波器可以是放行频率低于特定截止频率的信号并且衰减频率高于该截止频率的信号的滤波器。在一些实施例中,截止频率可以是100Hz或以下。在一些实施例中,截止频率可以是80Hz或以下。在一些实施例中,截止频率可以是60Hz或以下。在一些实施例中,截止频率可以是40Hz或以下。为了处理原始数据的高频分量,可以将高通滤波器应用于原始数据以获得高频分量。高通滤波器可以是放行频率高于特定截止频率的信号并且衰减频率低于该截止频率的信号的滤波器。在一些实施例中,截止频率可以是40Hz或以上。在一些实施例中,截止频率可以是60Hz或以上。在一些实施例中,截止频率可以是80Hz或以上。在一些实施例中,截止频率可以是100Hz或以上。在一些实施例中,低通滤波器可以在空域中具有狭窄的宽度。例如,分析单元可以包括高斯型低通滤波器。在一些实施例中,低通滤波器和高通滤波器可以形成全通滤波器。
迭代重建单元420A可以合成原始数据的经处理的低频分量和高频分量。此外,迭代重建单元420A可以应用重建方法来获得与ROI有关的区域的CT图像。重建方法可以包括例如傅立叶切片定理、滤波反投影算法、扇形束重建、迭代重建等。在本公开的一些实施例中,迭代重建单元420A可以迭代地执行正投影和反投影,直到生成期望的图像。对于正投影,可以计算出贡献因子和体素值,以确定体素的贡献。
应当注意,以上图像处理单元的描述是为了说明的目的而提供的,而并非旨在限定本公开的范围。对于本领域普通技术人员而言,可在本公开的教导下进行各种变形和修改。然而,那些变形和修改并不脱离本公开的保护范围。
图12是示出根据本公开的一些实施例的成像过程的流程图。在步骤1201中,可以将对象置于X射线成像系统100中,具体地,置于本公开中别处描述的患者台102上。仅作为示例,对象可包括物质、组织、器官、样本、身体,或类似物等,或者其任何组合。在一些实施例中,对象可以包括头、胸、肺、胸膜、纵膈、腹、大肠、小肠、膀胱、胆囊、三焦、盆腔、脊椎、四肢、骨架、血管,或类似物等,或者其任何组合。
在放置好对象之后,在步骤1202中,X射线成像系统100的机架可以被旋转到期望的位置。
在步骤1203,可以对该对象执行扫描。在本公开的一些实施例中,可以创建用于扫描不同对象的数个协议。可以由这些协议确定多个参数。仅作为示例,参数可以包括准直器孔径、检测器孔径、X射线管电压和/或电流、扫描模式、台索引速度、机架速度、重建视野(FOV),或类似物等、或其任何组合。
通过扫描,可以在步骤1204采集与对象相对应的原始数据。在处理步骤1204中生成的原始数据之前,可以确定与感兴趣区域(ROI)有关的各个区域。例如,可以指定ROI的相邻区域。对于另一示例,可以指定各种ROI。这些ROI可以是交叠的或非交叠的。
在采集到原始数据之后,可以在步骤1206中重建该对象在各种ROI上的图像。仅作为示例,图像的重建可以基于如下方法,包括:傅里叶切片定理、滤波反投影算法、扇形束重建,迭代重建等。
在步骤1207中,可以基于对各种ROI中的图像的并行协处理来生成包括各种ROI的图像。在步骤1207中重建的图像可以在步骤1208中被输出。输出图像可受到进一步处理,诸如降噪,对比度增强等。
应当注意,以上描述的流程是为了说明的目的而提供的,而并非旨在限定本公开的范围。对于本领域技术人员而言,可在本公开的教导下进行各种变形和修改。然而,那些变形和修改并不背离本公开的范围。
示例
以下示例是出于说明目的而提供的,且并不旨在限定本公开的范围。
图13A和13B是根据本公开的一些实施例的基于频率拆分、以及分析重建和迭代重建的组合而生成的两个X射线图像。图13A和图13B可以根据图8所示的过程生成。
图14A和14B是根据本公开的一些实施例的基于频率拆分、以及分析重建和迭代重建的组合而生成的两个X射线图像。图14A可以根据图8所示的过程生成。图14B可以根据图9所示的过程生成。图14A和14B的区别可以通过注意到在图14中,可以清楚地看到感兴趣区域的左侧边界附近有一些伪影而被辨别。另一方面,图14B中感兴趣区域的左侧边界附近的伪影由于对扩展感兴趣区域的具体选择、以及低通滤波器和/或高通滤波器的空间宽度小于或等于扩展感兴趣区域的外边界与感兴趣区域的边界之间的距离而得到缓解。
还将理解,上述方法实施例可以采取计算机或控制器实现的过程和装置的形式来实施这些过程。本公开还可以以包含指令的计算机程序代码的形式实现,计算机程序代码体现在诸如软盘、CD-ROM、硬盘驱动器或任何其他计算机可读存储介质的计算机程序代码有形介质中,其中当加载计算机程序代码到计算机或控制器且由其执行时,此计算机成为实施本发明的装置。本公开也可以以计算机程序代码或信号的形式实现,例如,存储在存储介质中且加载到计算机或控制器中和/或由计算机或控制器执行,或通过某些传输介质传输,如通过电线或电缆、通过光纤、或通过电磁辐射;其中,当计算机程序代码被加载到计算机中并由其执行时,计算机变为用于实施此发明的装置。当在通用微处理器上实现时,计算机程序代码段配置微处理器以创建特定的逻辑电路。
应当注意,以上描述仅是为了解说的目的而提供的,而并非旨在限定本公开的范围。对于本领域普通技术人员而言,可在本公开的教导下作出多种变形和修改。例如,本公开中所公开的非笛卡尔采样可以与以下技术组合,包括:并行成像、压缩感测、部分傅里叶变换,或类似物等,或其任何组合。然而,那些变形和修改并不脱离本公开的范围。
既已描述了基本概念,对本领域技术人员来说在阅读本详细公开之后十分显然的是,之前的详细公开旨在仅作为示例来给出,而并不构成限定。各种变更、改善和修改可发生并且为本领域技术人员所预期,尽管未在本文中明确陈述。这些变更、改善和修改旨在为本公开所建议,并且落在本公开的示例性实施例的精神和范围之内。
而且,已使用某些术语来描述本公开的实施例。例如,术语“一个实施例”、“一实施例”和/或“某些实施例”意味着结合该实施例描述的特定特征、结构或特性被包括在本公开的至少一个实施例中。因此,强调并应领会,在本申请文件的各个部分中对“一实施例”或“一个实施例”或“替换实施例”的两个或更多个引述未必全都指向同一实施例。此外,特定的特征、结构或特性在本公开的一个或多个实施例中可被适当地组合。
此外,本领域技术人员将领会,本公开的各方面在本文中可以在数个可专利类别或上下文中的任何一者中进行说明和描述,包括任何新的和有用的过程、机器、制造、或物质的组成,或其任何新的和有用的改进。相应地,本公开的各方面可完全硬件地、完全软件地(包括固件、驻留软件、微代码等)、或组合软件和硬件实现地来实现,其在本文中全都可被一般地称为“块”、“模块”、“引擎”、“单元”、“组件”或“系统”。此外,本公开的各方面可以采用实施在其上实施有计算机可读程序代码的一个或多个计算机可读介质中的计算机程序产品的形式。
计算机可读信号介质可包括被传播的数据信号,其具有被实施在其中(例如,在基带中或作为载波的一部分)的计算机可读程序代码。此类被传播的信号可采取各种形式中的任何形式,包括电磁、光学、或类似物、或其任何组合。计算机可读信号介质可以是并非计算机可读存储介质的、并且可以传达、传播、或传输程序以供指令执行系统、装置或设备执行或结合其来执行的任何计算机可读介质。实施在计算机可读信号介质上的程序代码可使用任何恰适的介质来传送,包括无线、有线、光纤电缆、RF、或类似物、或前述的任何合适的组合来传送。
用于实行本公开的各方面的操作的计算机程序代码可以用一种或多种编程语言的任何组合来编写,包括面向对象编程语言,诸如Java、Scala、Smalltalk、Eiffel、JADE、Emerald、C++、C#、VB.NET、Python或类似物,常规的过程编程语言,诸如“C”编程语言、VisualBasic、Fortran2003、Perl、COBOL2002、PHP、ABAP,动态编程语言,诸如Python、Ruby和Groovy,或其他编程语言。该程序代码可完全地在用户的计算机上、部分地在用户的计算机上、作为自立软件包、部分地在用户的计算机上且部分地在远程计算机上、或完全地在远程计算机或服务器上执行。在后一场景中,可通过任何类型的网络(包括局域网(LAN)或广域网(WAN))将远程计算机连接至用户的计算机,或可作出至外部计算机的连接(例如,使用因特网服务提供商通过因特网)或在云计算环境中或被提供作为服务(例如软件即服务(SaaS))。
此外,对处理元素或序列、或数字、字母或其他命名的所叙述次序因此并非旨在将所要求保护的过程和方法限定于任何次序,除非可能在权利要求书中指明。尽管以上公开贯穿各种示例讨论了当前被认为是本公开的各种有用实施例的内容,但是应理解,此类细节仅仅是为了该目的,并且所附权利要求书并不被限定于所公开的实施例,而是反之旨在覆盖落在所公开的实施例的精神和范围内的修改和等效布置。例如,尽管以上描述的各种组件的实现可被实施在硬件设备中,但是它也可被实现为仅软件方案——例如安装在现有服务器或移动设备上。
类似地,应当领会,在对本公开的实施例的以上描述中,出于使本公开变得流畅以帮助理解各创造性实施例中的一个或多个方面的目的,各个特征有时被一起编组在一个实施例、附图、或其描述中。然而,这种公开的方法不应被解释为反映所要求保护的主题比在每一权利要求中明确表述的主题需要更多特征的意图。相反,创造性的实施例少于单个前述公开的实施例的所有特征。
在某些实施例中,表达成分的数量,诸如分子量、反应条件等属性,用来描述和声明申请中的某些实施例,在某些情况下被理解为“近似”、“近似”或“实质上”。例如,“大约”、“近似”或“实质上”可能表明它所描述的值的20%的变化,除非另有说明。因此,在某些实现中,说明书和权利要求书中所列的数值参数是近似的,可能根据特定的实施例的属性而变化。在某些实施中,数值参数应根据报告的有效数字的数量和应用普通的舍入技术来解释。
尽管数值范围和参数确定了本申请的一些实施的范围,但具体例子中所列的数值是尽可能准确地报告的。
每个专利、专利申请、专利申请的出版物,和其他材料,如文章、书籍、规格、出版物、文件、事情,和/或类似,此处引用的总结,在此注册这个引用全部为所有目的,除了任何起诉文件历史与相同,相同的任何不一致或冲突的文档,或者与现在或以后与本文件相关的最广泛的权利要求可能有限制的影响。举例来说,如果在描述、定义和/或使用与本文件有关的术语的描述、定义和/或与本文件相关的术语的使用之间存在任何不一致或冲突,则应以本文件的描述、定义和/或使用为准。
最后,需要理解的是,本文所披露的专利申请的实现说明了本专利申请的实现原则。可以使用的其他修改可能在本申请的范围内。因此,通过举例说明,而不是限制,本申请的实施例的可选配置可以根据这里的教学来使用。因此,本申请的实现并不限于如所示和描述的那样。
Claims (19)
1.一种图像重建方法,包括:
接收与对象有关的第一组原始数据;
确定第一ROI;
确定包括所述第一ROI的第二ROI;
重建所述第一组原始数据以在所述第二ROI上获得第一图像;
通过对所述第一图像的所述第一ROI进行填零来获得第二图像;
对所述第一图像执行正投影以获得第一正弦图;
对所述第二图像执行正投影以获得第二正弦图;
对所述第一正弦图应用第一滤波器以获得第三正弦图,随后从所述第三正弦图减去所述第二正弦图以获得第四正弦图;
对所述第一组原始数据应用第二滤波器以获得第五正弦图;以及
基于所述第四正弦图和所述第五正弦图,执行迭代重建以生成第三图像。
2.如权利要求1所述的方法,其中所述第一组原始数据包括正弦图数据。
3.如权利要求1所述的方法,其中重建所述第一组原始数据包括对所述第一组原始数据应用滤波反投影(FBP)。
4.如权利要求1所述的方法,其中所述第一ROI是矩形,并且所述第一ROI具有第一宽度和第一高度。
5.如权利要求4所述的方法,其中所述第二ROI是矩形,并且所述第二ROI具有第二宽度和第二高度。
6.如权利要求5所述的方法,其中所述第一宽度与所述第一高度之比和所述第二宽度与所述第二高度之比相同。
7.如权利要求1所述的方法,其中所述第一滤波器是低通滤波器。
8.如权利要求7所述的方法,其中所述第一滤波器是高斯滤波器、atan滤波器或被配置为在频域中提供期望响应曲线的滤波器。
9.如权利要求1所述的方法,其中所述第一滤波器和所述第二滤波器一起形成全通滤波器。
10.一种包括可执行指令的非瞬态计算机可读介质,所述可执行指令在由至少一个处理器执行时使所述至少一个处理器实行一种方法,所述方法包括:
使得计算机实现一种方法的指令,所述方法进一步包括:接收与对象有关的第一组原始数据;
确定第一ROI;
确定包括所述第一ROI的第二ROI;
重建所述第一组原始数据以在所述第二ROI上获得第一图像;
通过对所述第一图像的所述第一ROI填零来获得第二图像;
对所述第一图像执行正投影以获得第一正弦图;
对所述第二图像执行正投影以获得第二正弦图;
对所述第一正弦图应用第一滤波器以获得第三正弦图,随后从所述第三正弦图减去所述第二正弦图以获得第四正弦图;
对所述第一组原始数据应用第二滤波器以获得第五正弦图;以及
基于所述第四正弦图和所述第五正弦图,执行迭代重建以生成第三图像。
11.如权利要求10所述的介质,其中所述第一组原始数据包括正弦图数据。
12.如权利要求10所述的介质,其中重建所述第一组原始数据包括对所述第一组原始数据应用滤波反投影(FBP)。
13.如权利要求10所述的介质,其中所述第一滤波器是高斯滤波器、atan滤波器或被配置为在频域中提供期望响应曲线的滤波器。
14.如权利要求10所述的介质,其中所述第一滤波器和所述第二滤波器一起形成全通滤波器。
15.一种图像重建系统,包括:
数据采集模块,其被配置为接收与对象有关的原始数据;以及
图像处理模块,其被配置为执行操作,包括:
接收与对象有关的第一组原始数据;
确定第一ROI;
确定包括所述第一ROI的第二ROI;
重建所述第一组原始数据以在所述第二ROI上获得第一图像;
通过对所述第一图像的所述第一ROI填零来获得第二图像
对所述第一图像执行正投影以获得第一正弦图;
对所述第二图像执行正投影以获得第二正弦图;
对所述第一正弦图应用第一滤波器以获得第三正弦图,随后从所述第三正弦图减去所述第二正弦图以获得第四正弦图;
对第一组原始数据应用第二滤波器以获得第五正弦图;以及
基于所述第四正弦图和所述第五正弦图,执行迭代重建以生成第三图像。
16.如权利要求15所述的系统,其中所述第一组原始数据包括正弦图数据。
17.如权利要求15所述的系统,其中重建所述第一组原始数据包括对所述第一组原始数据应用滤波反投影(FBP)。
18.如权利要求15所述的系统,其中所述第一滤波器是高斯滤波器、atan滤波器或被配置为在频域中提供期望响应曲线的滤波器。
19.如权利要求15所述的系统,其中所述第一滤波器和所述第二滤波器一起形成全通滤波器。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/CN2016/082829 WO2017197643A1 (en) | 2016-05-20 | 2016-05-20 | System and method for computed tomography |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108601575A CN108601575A (zh) | 2018-09-28 |
CN108601575B true CN108601575B (zh) | 2021-10-22 |
Family
ID=59592531
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201680024323.1A Active CN108601575B (zh) | 2016-05-20 | 2016-05-20 | 用于计算机断层扫描的系统和方法 |
Country Status (6)
Country | Link |
---|---|
US (4) | US10002447B1 (zh) |
EP (1) | EP3270788B1 (zh) |
CN (1) | CN108601575B (zh) |
GB (1) | GB2550503B (zh) |
PL (1) | PL3270788T3 (zh) |
WO (1) | WO2017197643A1 (zh) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102555465B1 (ko) * | 2018-06-11 | 2023-07-17 | 삼성전자주식회사 | 단층 영상의 생성 방법 및 그에 따른 엑스선 영상 장치 |
CN109272562B (zh) * | 2018-08-21 | 2022-11-11 | 上海联影医疗科技股份有限公司 | 一种迭代重建的系统和方法 |
US10902647B2 (en) * | 2019-02-08 | 2021-01-26 | Zhengrong Ying | System for iteratively reconstructing computed tomography images through three domains |
WO2020193546A1 (en) * | 2019-03-25 | 2020-10-01 | Koninklijke Philips N.V. | Cone beam artifact correction for gated imaging |
US11801017B2 (en) * | 2019-08-08 | 2023-10-31 | University Of Florida Research Foundation, Inc. | Focused tomography |
EP3843042A1 (en) * | 2019-12-27 | 2021-06-30 | Koninklijke Philips N.V. | Method of processing computer tomography (ct) data for filter back projection (fbp) |
JP2022085289A (ja) * | 2020-11-27 | 2022-06-08 | キヤノン株式会社 | 放射線撮影システム、放射線撮影システムの制御方法及びプログラム |
KR20230053810A (ko) * | 2021-10-15 | 2023-04-24 | 가천대학교 산학협력단 | 투영기반의 의료영상 재구성 시스템 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6249595B1 (en) * | 1998-01-22 | 2001-06-19 | General Electric Company | Iterative reconstruction for EPI |
US20100054561A1 (en) * | 2008-08-29 | 2010-03-04 | General Electric Company | System and method for image reconstruction |
US20130114872A1 (en) * | 2011-11-03 | 2013-05-09 | Siemens Corporation | Compressed sensing using regional sparsity |
WO2015012323A1 (ja) * | 2013-07-25 | 2015-01-29 | 株式会社日立メディコ | X線ct装置 |
WO2015014867A1 (en) * | 2013-07-31 | 2015-02-05 | Koninklijke Philips N.V. | Iterative ct image reconstruction of a roi with objects outside the scan fov |
Family Cites Families (35)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5164670A (en) * | 1990-09-17 | 1992-11-17 | Syracuse University | Multidimensional magnetic resonance system using selective discrete Fourier transformation (SDFT) |
US7444010B2 (en) * | 2003-12-09 | 2008-10-28 | General Electric Company | Method and apparatus for the reduction of artifacts in computed tomography images |
US7518114B2 (en) * | 2004-11-10 | 2009-04-14 | General Electric Company | Method and system for imaging a patient |
US7676073B2 (en) * | 2006-08-29 | 2010-03-09 | Siemens Medical Solutions Usa, Inc. | System and method for reducing circular artifacts in tomographic imaging |
EP2149284B1 (en) * | 2007-05-31 | 2014-08-13 | General Electric Company | Methods and systems to facilitate correcting gain fluctuations in image |
US8135186B2 (en) * | 2008-01-25 | 2012-03-13 | Purdue Research Foundation | Method and system for image reconstruction |
US9466135B2 (en) * | 2009-08-20 | 2016-10-11 | Koninklijke Philips N.V. | Reconstruction of a region-of-interest image |
US8731266B2 (en) * | 2009-12-17 | 2014-05-20 | General Electric Company | Method and system for correcting artifacts in image reconstruction |
EP2385494A1 (en) * | 2010-05-07 | 2011-11-09 | IBBT vzw | A method and device for estimating noise in a reconstructed image |
DE102012206714A1 (de) * | 2011-08-10 | 2013-02-14 | Friedrich-Alexander-Universität Erlangen-Nürnberg | Verfahren, Recheneinheit, CT-System und C-Bogen-System zur Reduktion von Metallartefakten in CT-Bilddatensätzen |
US20140005544A1 (en) * | 2011-11-02 | 2014-01-02 | Seno Medical Instruments, Inc. | System and method for providing selective channel sensitivity in an optoacoustic imaging system |
US9277186B2 (en) | 2012-01-18 | 2016-03-01 | Kla-Tencor Corp. | Generating a wafer inspection process using bit failures and virtual inspection |
US9235907B2 (en) * | 2012-03-20 | 2016-01-12 | Juan C. Ramirez Giraldo | System and method for partial scan artifact reduction in myocardial CT perfusion |
US9237874B2 (en) * | 2012-04-30 | 2016-01-19 | General Electric Company | Method and system for non-invasive imaging of a target region |
KR101351583B1 (ko) * | 2012-10-10 | 2014-01-16 | 한국과학기술원 | 의료 영상 이미징 방법, 그에 따른 의료 진단 장치 및 그에 따른 기록 매체 |
US9042626B1 (en) * | 2012-12-20 | 2015-05-26 | University Of Central Florida Research Foundation, Inc. | System and method for hybrid local tomography image reconstruction |
WO2014123041A1 (ja) * | 2013-02-05 | 2014-08-14 | 株式会社 日立メディコ | X線ct装置及び画像再構成方法 |
EP2958494B1 (en) * | 2013-02-21 | 2022-12-21 | Koninklijke Philips N.V. | Structure propagation restoration for spectral ct |
US9224216B2 (en) * | 2013-07-31 | 2015-12-29 | Kabushiki Kaisha Toshiba | High density forward projector for spatial resolution improvement for medical imaging systems including computed tomography |
EP3050028B1 (en) * | 2013-09-26 | 2017-07-12 | Koninklijke Philips N.V. | Joint reconstruction of electron density images. |
EP2868277B1 (en) * | 2013-11-04 | 2017-03-01 | Surgivisio | Method for reconstructing a 3d image from 2d x-ray images |
JP6123652B2 (ja) * | 2013-11-27 | 2017-05-10 | 株式会社島津製作所 | 散乱成分推定方法 |
US9613436B1 (en) * | 2013-12-23 | 2017-04-04 | Sensing Electromagnetic Plus Corp. | Optimization methods for feature detection |
US9576391B2 (en) * | 2014-02-21 | 2017-02-21 | Samsung Electronics Co., Ltd. | Tomography apparatus and method of reconstructing a tomography image by the tomography apparatus |
KR101582093B1 (ko) * | 2014-02-21 | 2016-01-04 | 삼성전자주식회사 | 단층 촬영 장치 및 그에 따른 단층 영상 복원 방법 |
CN106488744B (zh) * | 2014-07-28 | 2019-09-24 | 株式会社日立制作所 | X射线拍摄装置以及图像重建方法 |
US9872661B2 (en) * | 2014-11-19 | 2018-01-23 | Toshiba Medical Systems Corporation | X-ray CT apparatus, and image processing apparatus |
US9761019B2 (en) * | 2015-01-08 | 2017-09-12 | Toshiba Medical Systems Corporation | Computed tomography using simultaneous image reconstruction with measurements having multiple distinct system matrices |
US9953440B2 (en) * | 2015-01-15 | 2018-04-24 | General Electric Company | Method for tomographic reconstruction |
US20160242721A1 (en) * | 2015-02-20 | 2016-08-25 | Kabushiki Kaisha Toshiba | Apparatus and method for fast iterative reconstruction in computed tomography |
WO2016197127A1 (en) * | 2015-06-04 | 2016-12-08 | Rensselaer Polytechnic Institute | Attenuation map reconstruction from tof pet data |
US20170215818A1 (en) * | 2016-02-03 | 2017-08-03 | General Electric Company | High-resolution computed tomography or c-arm imaging |
US10013780B2 (en) * | 2016-02-29 | 2018-07-03 | General Electric Company | Systems and methods for artifact removal for computed tomography imaging |
US20190133542A1 (en) * | 2016-04-19 | 2019-05-09 | The General Hospital Corporation | Systems and methods for data-driven respiratory gating in positron emission tomography |
CN109643458B (zh) * | 2016-06-06 | 2020-10-09 | 珀金埃尔默健康科学有限公司 | 用于自动化的正弦图完成、组合及通过组合完成的系统和方法 |
-
2016
- 2016-05-20 US US15/316,886 patent/US10002447B1/en active Active
- 2016-05-20 CN CN201680024323.1A patent/CN108601575B/zh active Active
- 2016-05-20 EP EP16815524.0A patent/EP3270788B1/en active Active
- 2016-05-20 GB GB1710479.5A patent/GB2550503B/en active Active
- 2016-05-20 WO PCT/CN2016/082829 patent/WO2017197643A1/en active Application Filing
- 2016-05-20 PL PL16815524T patent/PL3270788T3/pl unknown
-
2018
- 2018-06-17 US US16/010,507 patent/US10628974B2/en active Active
-
2020
- 2020-04-20 US US16/852,609 patent/US11216992B2/en active Active
-
2021
- 2021-12-13 US US17/644,087 patent/US11790578B2/en active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6249595B1 (en) * | 1998-01-22 | 2001-06-19 | General Electric Company | Iterative reconstruction for EPI |
US20100054561A1 (en) * | 2008-08-29 | 2010-03-04 | General Electric Company | System and method for image reconstruction |
US20130114872A1 (en) * | 2011-11-03 | 2013-05-09 | Siemens Corporation | Compressed sensing using regional sparsity |
WO2015012323A1 (ja) * | 2013-07-25 | 2015-01-29 | 株式会社日立メディコ | X線ct装置 |
WO2015014867A1 (en) * | 2013-07-31 | 2015-02-05 | Koninklijke Philips N.V. | Iterative ct image reconstruction of a roi with objects outside the scan fov |
Also Published As
Publication number | Publication date |
---|---|
GB2550503A (en) | 2017-11-22 |
US11790578B2 (en) | 2023-10-17 |
US10002447B1 (en) | 2018-06-19 |
US20180158216A1 (en) | 2018-06-07 |
US20180365870A1 (en) | 2018-12-20 |
US20220108499A1 (en) | 2022-04-07 |
CN108601575A (zh) | 2018-09-28 |
WO2017197643A1 (en) | 2017-11-23 |
GB2550503B (en) | 2020-10-21 |
US20200242817A1 (en) | 2020-07-30 |
PL3270788T3 (pl) | 2022-01-03 |
US10628974B2 (en) | 2020-04-21 |
GB201710479D0 (en) | 2017-08-16 |
EP3270788B1 (en) | 2021-09-29 |
US11216992B2 (en) | 2022-01-04 |
EP3270788A1 (en) | 2018-01-24 |
EP3270788A4 (en) | 2018-12-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108601575B (zh) | 用于计算机断层扫描的系统和方法 | |
US20220292646A1 (en) | System and method for image reconstruction | |
Jia et al. | GPU-based fast low-dose cone beam CT reconstruction via total variation | |
Jia et al. | GPU-based iterative cone-beam CT reconstruction using tight frame regularization | |
JP5901932B2 (ja) | 医用画像処理装置および医用画像処理方法 | |
US10255696B2 (en) | System and method for image reconstruction | |
US10789738B2 (en) | Method and apparatus to reduce artifacts in a computed-tomography (CT) image by iterative reconstruction (IR) using a cost function with a de-emphasis operator | |
KR20100133950A (ko) | 동적인 제약들에 따른 오브젝트 주변의 사용을 통한 단층 촬영에 있어서의 양 감소 및 이미지 강화 | |
WO2012056361A1 (en) | Apparatus and method for hybrid reconstruction of an object from projection data. | |
JPWO2017104700A1 (ja) | 画像処理装置および画像処理方法 | |
JP2017189618A (ja) | 放射線画像診断装置及び医用画像処理装置 | |
Fan et al. | Image‐domain shading correction for cone‐beam CT without prior patient information | |
WO2016132880A1 (ja) | 演算装置、x線ct装置、及び画像再構成方法 | |
US11270477B2 (en) | Systems and methods for tailored image texture in iterative image reconstruction | |
KR101958099B1 (ko) | 양전자 방출 단층 촬영기의 비행시간 정보를 이용한 감쇠보정 방법 | |
WO2014170780A1 (en) | Iterative image reconstruction with tissue dependent regularization | |
Luo et al. | Cone-beam computed tomography deblurring using an overrelaxed chambolle-pock algorithm | |
JP2023124839A (ja) | 医用画像処理方法、医用画像処理装置及びプログラム | |
CN116563154A (zh) | 一种医疗成像方法及系统 | |
Meng | Artifacts Reduction Techniques in X-Ray Cone-Beam Computed Tomography Reconstruction | |
Gao | Multigrid reconstruction of micro-CT data | |
Pedrero Pérez | Truncation artifact correction for micro-CT scanners | |
Park | Optimizing Cone Beam Computed Tomography (CBCT) System for Image Guided Radiation Therapy |
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 | ||
CB02 | Change of applicant information |
Address after: 201807 Shanghai City, north of the city of Jiading District Road No. 2258 Applicant after: Shanghai Lianying Medical Technology Co., Ltd Address before: 201807 Shanghai City, north of the city of Jiading District Road No. 2258 Applicant before: SHANGHAI UNITED IMAGING HEALTHCARE Co.,Ltd. |
|
CB02 | Change of applicant information | ||
GR01 | Patent grant | ||
GR01 | Patent grant |