CN108780052B - 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 - Google Patents

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 Download PDF

Info

Publication number
CN108780052B
CN108780052B CN201680083449.6A CN201680083449A CN108780052B CN 108780052 B CN108780052 B CN 108780052B CN 201680083449 A CN201680083449 A CN 201680083449A CN 108780052 B CN108780052 B CN 108780052B
Authority
CN
China
Prior art keywords
image
weight coefficient
reconstruction processing
coefficient map
image reconstruction
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
Application number
CN201680083449.6A
Other languages
English (en)
Other versions
CN108780052A (zh
Inventor
知野见健太
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.)
Shimadzu Corp
Original Assignee
Shimadzu Corp
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 Shimadzu Corp filed Critical Shimadzu Corp
Publication of CN108780052A publication Critical patent/CN108780052A/zh
Application granted granted Critical
Publication of CN108780052B publication Critical patent/CN108780052B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06T11/006—Inverse problem, transformation from projection-space into object-space, e.g. transform methods, back-projection, algebraic methods
    • 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
    • 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
    • G06T11/008—Specific post-processing after tomographic reconstruction, e.g. voxelisation, metal artifact correction
    • 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
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2211/00—Image generation
    • G06T2211/40—Computed tomography
    • G06T2211/424—Iterative

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Immunology (AREA)
  • General Health & Medical Sciences (AREA)
  • Pathology (AREA)
  • Biochemistry (AREA)
  • Analytical Chemistry (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Physics (AREA)
  • Algebra (AREA)
  • Pure & Applied Mathematics (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Pulmonology (AREA)
  • Radiology & Medical Imaging (AREA)
  • Apparatus For Radiation Diagnosis (AREA)
  • Analysing Materials By The Use Of Radiation (AREA)
  • Magnetic Resonance Imaging Apparatus (AREA)

Abstract

在本发明的图像重构处理方法中，在图像更新工序(步骤S2)中，通过逐次逼近法来更新重构图像，在权重系数映射图更新工序(步骤S4)中，根据通过在该图像更新工序(步骤S2)中更新图像所得到的重构图像来生成针对先验知识的权重系数映射图，基于该权重系数映射图调整针对各像素的先验知识的权重系数，由此更新权重系数映射图。这样，根据通过更新图像所得到的(估计中的)重构图像来生成针对先验知识的权重系数映射图，基于该权重系数映射图调整针对各像素的先验知识的权重系数，由此能够解决无法获得高画质的重构图像这一问题点。也就是说，通过调整针对各像素的先验知识的权重系数，能够避免对重构图像的像素施加过度的制约，能够获得高画质的重构图像。

Description

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
技术领域
本发明涉及图像重构处理方法、图像重构处理程序以及安装有该程序的断层摄影装置中的基于逐次逼近法的重构伪像减少方法。
背景技术
作为断层摄影装置，采用X射线CT(Computed Tomography：计算机断层扫描)装置为例来进行说明。在此之前，作为X射线CT中的标准的图像重构方法，使用了滤波校正反投影法(FBP：Filtered Back Projection)。近年来，伴随计算机的性能提高，使用了逐次逼近法的图像重构的研究和实用化也在推进。在X射线CT中由各种因素导致的伪像的产生成为长期以来的问题，但逐次逼近法的特征点在于，能够反映复杂的物理模型、先验信息(先验知识)等以减少伪像，在此之前提出了各种方法(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1：日本特开2011-156302号公报和非专利文献1中提出的方法是一种利用基于贝叶斯理论进行的后验概率最大化的估计(MAP估计)的方法，提供与摄影样品的构成物质有关的信息(物质信息)来作为先验概率，由此尝试获得更好的解。也就是以下的方法：发挥使重构像素具有事先指定的物质的像素值(表现了X射线衰减系数的值)的效果，由此尝试减少伪像。
基于图像直方图的观点来说明该物质信息的效果。此外，在说明中使用的图7～图9的直方图的纵轴以利用像素数的最大值进行标准化的方式表现，直方图的横轴的像素值随着趋向右而变高。作为例子，考虑由具有互不相同的X射线衰减系数的四种材质构成的摄影样品。当假设材质是纯物质且为不存在噪声等理想的状况时，如图7所示，在重构图像的直方图中存在四个峰。
但是，实际上由于各种因素产生伪像，直方图中的各峰成为如图8所示那样具有宽度的分布。另一方面，物质信息以重构像素可取的像素值集合(四个物质制约值)的形式提供，各像素值分布的中心与一个物质制约值对应。物质信息发挥作用，由此分布周边的像素值如图9所示那样朝向分布中心靠拢。其结果，具有宽度的像素值分布接近陡峭的峰，能够获得理想的图像、也就是减少伪像后的图像。图10是应用事例，判断为在不存在物质信息的制约的图10的(a)中产生了斜左方向的伪像，但在存在物质信息的制约的图10的(b)中伪像减少。
上述方法能够认为是基于目标函数最大化的逐次逼近法。该方法通过将用下述式(1)表示的目标函数F最大化来求出重构图像。
F(μ，y)＝D(μ，y)+βR(μ)…(1)
其中，上述式(1)中的μ是重构图像矢量，y是投影数据。D被称为“数据项”，表示与实测数据的匹配度，用根据实测投影(由X射线检测器得到的实测的投影数据)和估计参数(用上述式(1)估计出的估计图像)计算的似然度等来定义。此外，μ、y是矢量，因此实际上需要留意用粗体字表示的情况。
R一般被称为“罚项”等，反映估计参数(估计图像)的合理性。在本说明书中，为了方便，之后将R称为“合理性项”。上述物质信息反映为该合理性项，例如利用如图11那样的分段高斯函数。此外，β是控制合理性项R的强度的系数，大多凭经验来决定。
此外，在上述(1)的实际的计算中，使用仅根据函数的斜率(一阶导数)搜索函数的最小值的梯度法的算法(也被称为“最速下降法”)、Newton法等最优化算法。另外，为了避免陷于局部解，也可以编入遗传算法、退火法等组合最优化法。在使用了最速下降法作为最优化算法的情况下，基于上述目标函数的重构图像的更新式用下述式(2)表示。
Figure BDA0001796024200000021
其中，上述式(2)中的
Figure BDA0001796024200000022
是梯度，是与估计参数(重构图像)有关的偏微分。
第j个像素的更新式用下述式(3)表示。
【数1】
Figure BDA0001796024200000031
专利文献1：日本特开2011-156302号公报
专利文献2：美国专利第8，958，660号公报
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
发明要解决的问题
然而，既然要处理离散信号，就存在利用上述方法无法获得高画质的重构图像的问题。具体地说，既然要处理离散信号，就会例如图12所示那样存在位于物体边界等且混合有多种物质的像素(以下，将该像素称为“混合像素”)。混合像素具有将各物质的像素值以固定比率求和所得到的像素值(中间像素值)。
物质信息对于产生了伪像的非混合像素而言有效地发挥了作用，但对于这种具有中间像素值的混合像素而言发挥了具有特定的物质的像素值那样的作用，因此获得不恰当的效果。具体地说，在图13的(a)是不存在物质信息时，图13的(b)是存在物质信息时，细微的构造消失(参照图13的(b)的物体中央部)，原本应该平滑的物质信息不自然地动荡(参照图13的(b)的物体轮廓部)。
在现有技术中，没有区分非混合像素和混合像素，无论对于哪一个像素都以固定的强度施加物质信息的制约，因此难以避免该现象。如果在上述式(1)中试着考虑该问题，则能够视为在没有假设存在混合像素的意图下，恰当的先验知识不能被目标函数反映。
本发明是鉴于这种情况而完成的，其目的在于提供能够获得高画质的重构图像的图像重构处理方法、图像重构处理程序以及安装有该程序的断层摄影装置。
用于解决问题的方案
本发明为了实现这种目的而采用如下的结构。
即，本发明的图像重构处理方法是用于进行重构处理的图像重构处理方法，其特征在于，具备：图像更新工序，通过逐次逼近法来更新图像；以及权重系数映射图更新工序，根据通过在该图像更新工序中更新图像所得到的重构图像来生成针对先验知识的权重系数映射图，基于该权重系数映射图调整针对各像素的先验知识的权重系数，由此更新所述权重系数映射图，其中，将在该权重系数映射图更新工序中更新后的所述权重系数映射图应用于先验知识并通过所述图像更新工序中的逐次逼近法更新图像来进行重构处理。
根据本发明的图像重构处理方法，根据通过更新图像所得到的(估计中的)重构图像来生成针对先验知识的权重系数映射图，基于该权重系数映射图调整针对各像素的先验知识的权重系数，由此能够解决无法获得高画质的重构图像这一问题点。也就是说，能够通过调整针对各像素的先验知识的权重系数，来避免对重构图像的像素施加过度的制约，能够获得高画质的重构图像。
此外，关于专利文献2：美国专利第8，958，660号公报中提出的方法，将用于计算体素依赖型比例因子的系数映射图应用于目标函数的梯度(参照专利文献2的权利要求1、4)。也就是说，专利文献2与本发明的不同点在于，针对根据整个目标函数计算的更新量生成权重系数映射图。
另外，在专利文献2中，当想要针对整个目标函数调整权重系数时，甚至对数据项乘以权重系数，甚至抑制了数据项的更新量，逐次逼近法中的重构的处理速度变慢。其结果，必须增加逐次逼近法中的重复次数(迭代次数)。与此相对地，在本发明的情况下，将权重系数映射图仅应用于先验知识，因此逐次逼近法中的重构的处理速度变快，能够减少逐次逼近法中的重复次数(迭代次数)。
在上述本发明的图像重构处理方法中，(a)既可以针对互不相同的多个先验知识应用相同的权重系数映射图，(b)也可以针对互不相同的多个先验知识应用各不相同的权重系数映射图。这样，通过(a)、(b)，能够将本发明应用于多个先验知识。当然，也可以将本发明应用于一种先验知识。
权重系数映射图的一例是反映了混合有多种物质的像素即混合像素的信息的映射图。通过使用混合像素的信息并将反映了该信息的映射图设为权重系数映射图，来减弱先验知识(物质信息)针对混合像素的效果。其结果，能够在维持由物质信息产生的伪像减少效果的同时，获得保持了细微构造的重构图像(参照图4)、具有平滑的边界的重构图像(参照图5和图6的分布图)。
具体地说，使用重构图像的边缘信息来生成权重系数映射图。例如，设定为：边缘强度越大，权重系数映射图的值越小。当然，除此以外，也可以显示(监视)重构图像，由操作者(用户)指定被显示的重构图像的(被识别为边界的)任意场所(像素)，由此使用手动地输入到任意场所的信息来生成权重系数映射图。此外，为了将细微的边缘进行连结等，作为边缘信息，也可以对边缘图像应用平滑化滤波等。
此外，为了使边界变得平滑，也考虑在重构处理之后对重构图像本身进行平滑化。在不带有权重系数映射图而带有物质信息制约的逐次逼近法中，不保持细微构造地获得重构图像，因此即使针对上述的不保持细微构造地得到的重构图像进行了平滑化，也无法恢复细微构造。
在上述本发明的图像重构处理方法中，更新权重系数映射图的时机是每当更新图像时、每隔固定间隔时、满足固定的基准的时机或任意时机。
另外，本发明的图像重构处理程序的特征在于，使计算机执行这些发明的图像重构处理方法。
根据本发明的图像重构处理程序，通过使计算机执行这些发明的图像重构处理方法，能够避免对重构图像的像素施加过度的制约，能够获得高画质的重构图像。
另外，本发明的断层摄影装置是一种安装有本发明的图像重构处理程序的断层摄影装置，其特征在于，具备执行该图像重构处理程序的运算单元。
根据本发明的断层摄影装置，通过具备执行图像重构处理程序的运算单元，能够避免对重构图像的像素施加过度的制约，能够获得高画质的重构图像。
发明的效果
根据本发明所涉及的图像重构处理方法，根据通过更新图像所得到的重构图像来生成针对先验知识的权重系数映射图，基于该权重系数映射图调整针对各像素的先验知识的权重系数，由此能够解决无法获得高画质的重构图像这一问题点。也就是说，通过调整针对各像素的先验知识的权重系数，能够避免对重构图像的像素施加过度的制约，能够获得高画质的重构图像。
另外，根据本发明的图像重构处理程序，通过使计算机执行这些发明的图像重构处理方法，能够避免对重构图像的像素施加过度的制约，能够获得高画质的重构图像。
另外，根据本发明的断层摄影装置，通过具备执行图像重构处理程序的运算单元，能够避免对重构图像的像素施加过度的制约，能够获得高画质的重构图像。
附图说明
图1是实施例所涉及的X射线CT装置的概要图以及框图。
图2是实施例所涉及的图像重构处理的流程图。
图3是各步骤中的生成数据，(a)是在步骤S2中得到的重构图像μ，(b)是在步骤S3中得到的边缘图像E，(c)是在步骤S4中的得到的权重系数映射图W。
图4是与细微构造保持有关的权重系数映射图的应用结果，(a)和(b)是不存在物质信息的制约的基于逐次逼近法的重构图像，(c)和(d)是不存在权重系数映射图而存在物质信息的制约的基于逐次逼近法的重构图像，(e)和(f)是存在权重系数映射图且存在物质信息的制约的基于逐次逼近法的重构图像。
图5是与动荡减少有关的权重系数映射图的应用结果，(a)是不存在权重系数映射图的重构图像，(b)是存在权重系数映射图的重构图像。
图6是物质边界的分布图。
图7是理想的直方图的示意图。
图8是实际的直方图的示意图。
图9是基于物质信息的效果的直方图的示意图。
图10是物质信息的效果的应用事例，(a)是不存在物质信息的制约的基于逐次逼近法的重构图像，(b)是存在物质信息的制约的基于逐次逼近法的重构图像。
图11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12是混合像素的示意图。
图13是应用于混合像素的情况下的物质信息的次级的效果，(a)是不存在物质信息时的示意图，(b)是存在物质信息时的示意图。
具体实施方式
实施例
以下，参照附图来说明本发明的实施例。图1是实施例所涉及的X射线CT装置的概要图以及框图。在本实施例中，作为断层摄影装置，采用X射线CT装置为例进行说明。
如图1所示，本实施例所涉及的X射线CT装置1具备：摄像部2，其用于拍摄对象物O；工作台3，其用于载置对象物O；工作台驱动部4，其用于驱动该工作台3；摄像驱动部5，其用于驱动摄像部2；高电压产生部6，其用于产生高电压以对摄像部2的X射线管21施加管电流、管电压；以及重构处理部7，其对由摄像部2的X射线检测器22得到的投影数据进行重构处理。重构处理部7相当于本发明的运算单元。
摄像部2具备：X射线管21，其对对象物O照射X射线；以及X射线检测器22，其对从X射线管21照射且透过了对象物O的X射线进行检测。如图像增强器(I.I)、平板型X射线检测器(FPD：Flat Panel Detector)等所例示的那样，X射线检测器22未被特别地限定。在本实施例中，作为X射线检测器22，采用平板型X射线检测器(FPD)为例来进行说明。
FPD包括与像素对应地纵横地排列的多个检测元件，检测元件检测X射线，输出检测到的X射线的数据(电荷信号)来作为X射线检测信号。通过这样，从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，通过使基于X射线检测信号的像素值与像素(检测元件)对应地排列来获取投影数据。
工作台驱动部4由省略图示的电动机、驱动轴等构成，使工作台3绕着图中的Z轴轴心在水平面内旋转。通过使工作台3在水平面内旋转，来使对象物O也绕着Z轴轴心在水平面内旋转，获取多个投影数据。
与工作台驱动部4同样地，摄像驱动部5由省略图示的电动机、驱动轴等构成。以X射线管21与X射线检测器22相向的方式使二者分别移动来进行X射线CT摄影。另外，也能够使X射线管21或X射线检测器22沿水平方向(图中的X方向)移动来变更X射线CT摄影中的放大率。另外，也能够使X射线管21或X射线检测器22相对于X轴倾斜，从对象物O的倾斜方向进行拍摄。
高电压产生部6产生高电压来对X射线管21施加管电流、管电压，由此从X射线管21产生X射线，从而对对象物O照射X射线。重构处理部7通过执行后述的图像重构处理程序8A来获取与对象物O有关的重构图像。后文详细地叙述重构处理部7的具体的功能。
除此以外，X射线CT装置1具备存储器部8、输入部9、输出部10以及控制器11。
存储器部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、由重构处理部7得到的重构图像等数据，根据需要适当地读出这些数据，并经由控制器11将投影数据、重构图像送入输出部10来进行输出。存储器部8由以ROM(Read-only Memory：只读存储器)、RAM(Random-Access Memory：随机存取存储器)、硬盘等为代表的存储介质构成。
在本实施例中，将投影数据、作为制约而提供的物质信息从存储器部8读出，并经由控制器11送入重构处理部7，来进行基于逐次逼近法的图像更新、更新针对先验知识的权重系数映射图的权重系数映射图更新等图像重构处理(参照图2的流程图)。另外，图像重构处理程序8A被存储于存储器部8，经由控制器11将图像重构处理程序8A从存储器部8读出到重构处理部7，重构处理部7执行图像重构处理程序8A，由此进行图2的流程图所示的图像重构处理。图像重构处理程序8A相当于本发明的图像重构处理程序。
输入部9将由操作者输入的数据、命令送入控制器11。输入部9由以键盘、鼠标、操纵杆、跟踪球、触摸面板等为代表的指示设备构成。
输出部10由以监视器等为代表的显示部、打印机等构成。在本实施例中，将投影数据、重构图像显示在输出部10的监视器中。
控制器11统一控制构成X射线CT装置1的各部分。将由X射线检测器22得到的投影数据、由重构处理部7得到的重构图像等数据经由控制器11写入并存储到存储器部8中，或者送入输出部10来进行输出。在输出部10为显示部的情况下进行输出显示，在输出部10为打印机的情况下进行输出印刷。
在本实施例中，重构处理部7、控制器11由中央运算处理装置(CPU)等构成。此外，重构处理部7也可以由GPU(Graphics Processing Unit：图形处理单元)等构成。
接着，参照图2～图6对重构处理部7(参照图1)的具体的功能进行说明。图2是实施例所涉及的图像重构处理的流程图，图3是各步骤中的生成数据，图3的(a)是在步骤S2中得到的重构图像μ，图3的(b)是在步骤S3中得到的边缘图像E，图3的(c)是在步骤S4中得到的权重系数映射图W，图4是与细微构造保持有关的权重系数映射图的应用结果，图4的(a)和图4的(b)是不存在物质信息的制约的基于逐次逼近法的重构图像，图4的(c)和图4的(d)是不存在权重系数映射图而存在物质信息的制约的基于逐次逼近法的重构图像，图4的(e)和图4的(f)是存在权重系数映射图且存在物质信息的制约的基于逐次逼近法的重构图像，图5是与动荡减少有关的权重系数映射图的应用结果，图5的(a)是不存在权重系数映射图的重构图像，图5的(b)是存在权重系数映射图的重构图像，图6是物质边界的分布图。
(步骤S1)初始权重系数设定
将先验知识的权重系数映射图设为W。将先验知识的权重系数映射图W的各要素用1.0进行初始化。此外，用Wj表示与第j个像素对应的映射图系数。另外，也可以使用某个初始映射图将权重系数映射图W进行初始化。在此，作为先验知识，例如存在上述的物质信息、表示多个像素值的平滑度的平坦信息等。
(步骤S2)基于逐次逼近法的图像更新
将重构图像设为μ。通过各种逐次逼近法来更新重构图像μ(参照图3的(a))。在使用了上述的最速下降法作为最优化算法的情况下，第n次重复时的重构图像μ中的各像素μj的更新式用下述式(4)表示。
【数2】
Figure BDA0001796024200000101
上述式(4)为对上述式(3)的β乘以Wj而得到的式子，由此，能够根据像素位置使先验知识的加权具有不同的值。相反地，如果将Wj设为1，则与上述式(3)等效。上述式(3)是将上述式(1)进行最大化(最优化)的更新式，与此相对地，上述式(4)没有从上述式(1)直接导出，因此严格来说没有成为将上述式(1)进行最大化(最优化)的更新式。也就是说，该系数β的置换是间接地修正了目标函数的先验知识。此外，上文中以最速下降法为例进行了说明，但作为最优化算法，既可以使用上述的Newton法等，也可以应用上述的遗传算法、退火法等组合最优化法。
另外，在本步骤S2中，优选包括对X射线管21(参照图1)、X射线检测器22(参照图1)的物理特性(例如射束强化、散射等)进行校正的处理。在本实施例中进行了该处理，但在能够忽略这些特性的情况下，也可以不进行该处理。除此以外，本发明还包括适当变更物理特性的校正的有无、顺序的情况。该步骤S2相当于本发明的图像更新工序。
(步骤S3)从重构图像提取边缘
将边缘图像设为E。从通过步骤S2中的处理的图像更新得到的重构图像μ提取边缘，来生成边缘图像E(参照图3的(b))。此外，用Ej表示第j个像素处的边缘强度。作为边缘提取方法，利用Sobel滤波、Laplacian滤波等。通过这些滤波处理来计算依赖于重构图像μ的像素值的边缘强度Ej(具体地说为一次微分值、二次微分值)。此外，为了将细微的边缘进行连结等，也可以对边缘图像E应用平滑化滤波等。
此外，如在“用于解决问题的方案”一栏中也说明过的那样，为了使边界变得平滑，也考虑在重构处理之后对重构图像本身进行平滑化。在不带有权重系数映射图而带有物质信息制约的逐次逼近法中，不保持细微构造地获得重构图像，因此即使针对上述不保持细微构造地得到的重构图像进行了平滑化，也无法恢复细微构造。
(步骤S4)权重系数映射图更新
使用在步骤S3的处理中提取出的边缘图像E来更新权重系数映射图W(参照图3的(c))。使用如下的计算式，使得边缘强度Ej(j：像素编号)越大，权重系数映射图的值Wj越小。
计算式的例子：Wj＝exp(-γ×Ej)(γ是常数)
通过该处理对与重构图像μ的边缘部分对应的映射图系数Wj设定恰当的值。如以上那样，该步骤S4相当于本发明的权重系数映射图更新工序。接着，使逐次逼近式中的重复次数(迭代次数)的计数变量n递增。
(步骤S5)图像更新结束？
将结束基于逐次逼近法的图像更新的迭代次数设为Niter，判断计数变量n是否达到迭代次数Niter。此外，操作者预先设定迭代次数Niter即可。在计数变量为Niter以下的情况下，返回到步骤S2，以继续进行步骤S2～S4。在计数变量超过Niter的情况下结束一系列计算。
获取像这样得到的估计图像来作为重构图像。另外，也可以不设定迭代次数Niter，而由操作者观察每次更新时得到的估计图像，操作者基于观察结果来中断一系列计算，获取此时得到的估计图像来作为重构图像。或者，也可以根据某些收敛评价值(目标函数的值等)是超过判定基准值还是低于判定基准值来进行判定。
通过以上的步骤S1～S5的操作，能够减弱先验知识(物质信息)针对混合像素的效果。其结果，能够在维持由物质信息产生的伪像减少效果的同时，获得保持了细微构造的重构图像(参照图4)、具有平滑的边界的重构图像(参照图5和图6的分布图)。
图4的(a)、图4的(c)以及图4的(e)是从同一个图像分别得到的基于逐次逼近法的各个重构图像，图4的(b)、图4的(d)以及图4的(f)是从同一个图像分别得到的基于逐次逼近法的各个重构图像。在不存在物质信息的制约的情况下，确认了在图4的(a)中产生了斜左方向的伪像，在不存在权重系数映射图而存在物质信息的制约的情况下，确认了在图4的(d)中没有保持细微构造。与此相对地，在如本实施例那样存在权重系数映射图且存在物质信息的制约的情况下，确认了在图4的(e)和图4的(f)中均能够获得在维持由物质信息产生的伪像减少效果的同时保持了细微构造的重构图像。由此，能够以使该细微的构造也不会消失的方式获得重构图像。
图5的(a)和图5的(b)是从同一个图像分别得到的基于逐次逼近法的各个重构图像。在不存在权重系数映射图的情况下，在图5的(a)中在边界处产生了动荡，在图6的虚线的分布图中在边界处确认了陡峭的高度差。与此相对地，在如本实施例那样存在权重系数映射图的情况下，确认了在图5的(b)中在边界处不存在动荡，在图6的实线的分布图中在边界处高度差变得平滑。由此，能够以使本来应该平滑的物质信息也不会不自然地动荡的方式获得重构图像。
根据本实施例所涉及的图像重构处理方法，在图像更新工序(在图2中为步骤S2)中，通过逐次逼近法来更新图像(重构图像μ)，在权重系数映射图更新工序(在图2中为步骤S4)中，根据通过在该图像更新工序(步骤S2)中更新图像所得到的重构图像μ来生成针对先验知识的权重系数映射图W，基于该权重系数映射图W调整针对各像素j的先验知识的权重系数Wj，由此更新权重系数映射图W。这样，根据通过更新图像所得到的(估计中的)重构图像μ来生成针对先验知识的权重系数映射图W，基于该权重系数映射图W调整针对各像素j的先验知识的权重系数Wj，由此能够解决无法获得高画质的重构图像这一问题点。也就是说，通过调整针对各像素j的先验知识的权重系数Wj，能够避免对重构图像μ的像素施加过度的制约，能够获得高画质的重构图像μ。
此外，如在“用于解决问题的方案”一栏中也说明过的那样，关于在专利文献2：美国专利第8，958，660号公报中提出的方法，将用于计算体素依赖型比例因子的系数映射图应用于目标函数的梯度。也就是说，专利文献2与本发明的实施例的不同点在于，针对根据整个目标函数计算的更新量生成权重系数映射图。
另外，在专利文献2中，当想要针对整个目标函数调整权重系数时，甚至对数据项乘以权重系数，甚至抑制了数据项的更新量，逐次逼近法中的重构的处理速度变慢。其结果，必须增加逐次逼近法中的重复次数(迭代次数)。与此相对地，在本发明的实施例的情况下，将权重系数映射图W仅应用于先验知识(参照上述式(4)的合理性项R)，因此逐次逼近法中的重构的处理速度变快，能够减少逐次逼近法中的重复次数(迭代次数)n。
在本实施例中，作为权重系数映射图，使用反映了混合有多种物质的像素即混合像素的信息的映射图。通过使用混合像素的信息并将反映了该信息的映射图设为权重系数映射图，来减弱先验知识(物质信息)针对混合像素的效果。其结果，能够在维持由物质信息产生的伪像减少效果的同时，获得保持了细微构造的重构图像(参照图4的(e)和图4的(f))、具有平滑的边界的重构图像(参照图5的(b)和图6的实线的分布图)。
具体地说，在本实施例中使用重构图像μ的边缘信息来生成权重系数映射图W(参照图2的步骤S4)。例如，设定为Wj＝exp(-γ×Ej)，使得边缘强度Ej(j：像素编号)越大，权重系数映射图的值Wj越小。另外，在本实施例中，如图2的流程图所示那样，将更新权重系数映射图的时机设为每当更新图像时。
根据本实施例所涉及的图像重构处理程序8A(参照图1)，使计算机(在本实施例中为构成图1所示的重构处理部7的CPU或GPU)执行本实施例所涉及的图像重构处理方法(参照图2的流程图)，由此能够避免对重构图像μ的像素施加过度的制约，能够获得高画质的重构图像μ。
根据本实施例所涉及的断层摄影装置(在本实施例中为X射线CT装置)，具备执行图像重构处理程序8A的运算单元(在本实施例中为构成图1所示的重构处理部7的CPU或GPU)，由此能够避免对重构图像μ的像素施加过度的制约，能够获得高画质的重构图像μ。
本发明并不限于上述实施方式，能够如下述那样变形并实施。
(1)在上述的实施例中，作为断层摄影装置，采用X射线CT装置为例进行了说明，但如果是进行基于逐次逼近法的重构处理的断层摄影装置，则不特别地限定。也可以应用于磁共振诊断装置(MRI：Magnetic Resonance Imaging)、光CT装置、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，应用于如图1所示的工业用、产业用的检查装置，但也可以应用于将被检体设为人体或小动物的医用装置。
(3)如单一波长X射线(单色X射线)、包含多个波长的X射线(多色X射线)等所例示的那样，没有特别地限定所应用的X射线的种类。
(4)在上述实施例中是图1所示的摄影方式，但如断层融合(tomosynthesis)等所例示的那样，没有特别地限定与断层摄影有关的摄影方式。
(5)在上述实施例中，在上述式(4)中使用了一种先验知识(合理性项R)，在导入了多个合理性项(R1、R2、···)的情况下，既可以生成在各合理性项中共用的权重系数映射图W，也可以生成与各合理性项对应的不同的权重系数映射图(W1、W2、···)。即，(a)既可以针对互不相同的多个先验知识(合理性项R1、R2、···)应用相同的权重系数映射图W，(b)也可以针对互不相同的多个先验知识(合理性项R1、R2、···)应用各不相同的权重系数映射图(W1、W2、···)。例如，在(b)中，在针对两个合理性项R1、R2应用各不相同的权重系数映射图W1、W2的情况下，第n次重复时的重构图像μ中的各像素μj的更新式用下述式(5)表示。如在利用上述式(1)的说明中也叙述过的那样，β1、β2是控制合理性项R1、R2的强度的系数，大多凭经验来决定。
【数3】
Figure BDA0001796024200000151
(6)在上述实施例中，将更新权重系数映射图的时机设为每当更新图像时，但更新权重系数映射图的时机也可以是每隔固定间隔时、满足固定的基准的时机或任意时机。
(7)在上述实施例中，通过使用重构图像的边缘信息生成权重系数映射图来自动地进行了权重系数映射图的生成，但也可以手动地进行权重系数映射图的生成。例如，也可以显示(监视)重构图像，由操作者(用户)指定被显示的重构图像的(被识别为边界的)任意场所(像素)，由此使用手动地输入到任意场所的信息来生成权重系数映射图。
(8)在上述实施例中，作为先验知识，使用了物质信息，但如果是先验知识，就不作特别地限定，例如既可以是表示多个像素值的平滑度的平坦信息等，也可以组合地使用物质信息和平坦信息。
产业上的可利用性
如上所述，本发明应用于如X射线CT装置(例如断层融合装置)、MRI装置、光CT装置等那样的工业用、产业用的检查装置、医用装置等。
附图标记说明
1：X射线CT装置；7：重构处理部；8A：图像重构处理程序；W：权重系数映射图；μ：重构图像；E：边缘图像；R：合理性项(罚项)。

Claims (8)

1.一种图像重构处理方法，用于进行重构处理，所述图像重构处理方法的特征在于，包括以下工序：
图像更新工序，通过逐次逼近法来更新图像；以及
权重系数映射图更新工序，根据通过在该图像更新工序中更新图像所得到的重构图像来生成针对先验知识的权重系数映射图，基于该权重系数映射图调整针对各像素的先验知识的权重系数，由此更新所述权重系数映射图，
其中，将在该权重系数映射图更新工序中更新后的所述权重系数映射图应用于先验知识并通过所述图像更新工序中的逐次逼近法更新图像来进行重构处理。
2.根据权利要求1所述的图像重构处理方法，其特征在于，
(a)针对互不相同的多个所述先验知识应用相同的所述权重系数映射图。
3.根据权利要求1所述的图像重构处理方法，其特征在于，
(b)针对互不相同的多个所述先验知识应用各不相同的所述权重系数映射图。
4.根据权利要求1所述的图像重构处理方法，其特征在于，
所述权重系数映射图是反映了混合像素的信息的映射图，所述混合像素是混合有多种物质的像素。
5.根据权利要求4所述的图像重构处理方法，其特征在于，
使用重构图像的边缘信息来生成所述权重系数映射图。
6.根据权利要求1所述的图像重构处理方法，其特征在于，
每当更新图像时更新所述权重系数映射图，或者，每隔固定间隔更新所述权重系数映射图，或者，在满足固定的基准的时机更新所述权重系数映射图，或者，在任意时机更新所述权重系数映射图。
7.一种存储介质，存储有图像重构处理程序，其特征在于，
所述图像重构处理程序使计算机执行根据权利要求1至6中的任一项所述的图像重构处理方法。
8.一种断层摄影装置，其特征在于，安装有根据权利要求7所述的图像重构处理程序，
具备执行该图像重构处理程序的运算单元。
CN201680083449.6A 2016-03-11 2016-03-11 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 Active CN108780052B (zh)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/JP2016/057861 WO2017154217A1 (ja) 2016-03-11 2016-03-11 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
CN108780052A CN108780052A (zh) 2018-11-09
CN108780052B true CN108780052B (zh) 2020-11-17

Family

ID=59789297

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201680083449.6A Active CN108780052B (zh) 2016-03-11 2016-03-11 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

Country Status (5)

Country Link
US (1) US10902649B2 (zh)
EP (1) EP3428627B1 (zh)
JP (1) JP6558491B2 (zh)
CN (1) CN108780052B (zh)
WO (1) WO2017154217A1 (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP7143567B2 (ja) * 2018-09-14 2022-09-29 株式会社島津テクノリサーチ 材料試験機および放射線ｃｔ装置

Family Cites Families (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6061422A (en) * 1997-04-30 2000-05-09 Hitachi Medical Corporation X-ray ct apparatus and an image reconstructing method for obtaining a normal reconstructed image by adding weights to a plurality of partial reconstructed images
US7254209B2 (en) * 2003-11-17 2007-08-07 General Electric Company Iterative CT reconstruction method using multi-modal edge information
JP4535795B2 (ja) * 2004-07-12 2010-09-01 ジーイー・メディカル・システムズ・グローバル・テクノロジー・カンパニー・エルエルシー 画像処理装置及びｘ線ｃｔシステム
CN101226155A (zh) * 2007-12-21 2008-07-23 中国人民解放军第八一医院 智能化肺癌早期细胞病理图像识别处理方法
US8577103B2 (en) * 2008-07-16 2013-11-05 Siemens Medical Solutions Usa, Inc. Multimodal image reconstruction
AU2010262843B2 (en) * 2009-06-19 2015-07-16 Viewray Technologies, Inc. System and method for performing tomographic image acquisition and reconstruction
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
US9123156B2 (en) * 2010-10-14 2015-09-01 Hitachi Medical Corporation X-ray CT apparatus and image reconstruction method
US20120128265A1 (en) * 2010-11-23 2012-05-24 Toshiba Medical Systems Corporation Method and system utilizing iterative reconstruction with adaptive parameters for computer tomography (ct) images
JP5978429B2 (ja) * 2011-04-28 2016-08-24 株式会社日立製作所 医用画像処理装置、医用画像処理方法
WO2013008702A1 (ja) * 2011-07-08 2013-01-17 株式会社 日立メディコ 画像再構成装置及び画像再構成方法
US8958660B2 (en) * 2012-06-22 2015-02-17 General Electric Company Method and apparatus for iterative reconstruction
WO2014033792A1 (ja) * 2012-08-31 2014-03-06 株式会社島津製作所 放射線断層画像生成装置、放射線断層撮影装置および放射線断層画像生成方法
JP6492005B2 (ja) * 2013-04-08 2019-03-27 株式会社日立製作所 Ｘ線ｃｔ装置、再構成演算装置、及び再構成演算方法
WO2015044237A1 (en) * 2013-09-30 2015-04-02 Koninklijke Philips N.V. Method for local adjustment of regularization parameters for image quality optimization in fully 3d iterative ct reconstruction
WO2017039651A1 (en) * 2015-09-02 2017-03-09 Siemens Healthcare Gmbh Fast sparse computed tomography image reconstruction from few views
US9869641B2 (en) * 2016-04-08 2018-01-16 Ellumen, Inc. Microwave imaging device
JP6699482B2 (ja) * 2016-09-21 2020-05-27 株式会社島津製作所 逐次近似画像再構成方法、逐次近似画像再構成プログラムおよび断層撮影装置
US20200080965A1 (en) * 2017-03-10 2020-03-12 Shimadzu Corporation Electrophoretic analysis method, electrophoretic analysis device, and electrophoretic analysis program
US10643319B2 (en) * 2018-01-30 2020-05-05 Canon Medical Systems Corporation Apparatus and method for context-oriented blending of reconstructed images

Also Published As

Publication number Publication date
US10902649B2 (en) 2021-01-26
WO2017154217A1 (ja) 2017-09-14
JPWO2017154217A1 (ja) 2019-01-10
EP3428627A4 (en) 2019-10-16
EP3428627B1 (en) 2021-06-09
CN108780052A (zh) 2018-11-09
EP3428627A1 (en) 2019-01-16
JP6558491B2 (ja) 2019-08-14
US20200311987A1 (en) 2020-10-01

Similar Documents

Publication Publication Date Title
JP7106405B2 (ja) 医用画像処理装置、医用画像撮像装置及び医用画像処理プログラム
EP3195265B1 (en) Iterative image reconstruction with a sharpness driven regularization parameter
EP2605211B1 (en) Image processing apparatus, image processing method, and program
EP2691932B1 (en) Contrast-dependent resolution image
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
Tilley et al. Penalized-likelihood reconstruction with high-fidelity measurement models for high-resolution cone-beam imaging
Zhang et al. Statistical image reconstruction for low-dose CT using nonlocal means-based regularization. Part II: An adaptive approach
US10360697B2 (en) Fast sparse computed tomography image reconstruction from few views
WO2005110232A1 (ja) 画像処理装置及びその方法
EP2831844B1 (en) Iterative image reconstruction with regularization
WO2011161557A1 (en) Method and system for noise reduction in low dose computed tomography
WO2014128595A1 (en) Structure propagation restoration for spectral ct
US20180089864A1 (en) Cbct image processing method
WO2013146283A1 (ja) 画像処理装置及び画像処理方法
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
EP3134867B1 (en) Restoration of low contrast structure in de-noise image data
JP7362460B2 (ja) 医用画像処理装置、方法及び記憶媒体
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
CN107205710B (zh) 放射线图像生成方法以及图像处理装置
Zhu et al. Iterative CT reconstruction via minimizing adaptively reweighted total variation
Zhu et al. Image reconstruction by Mumford–Shah regularization for low-dose CT with multi-GPU acceleration
Bertram et al. Monte-Carlo scatter correction for cone-beam computed tomography with limited scan field-of-view
US10307114B1 (en) Iterative volume image reconstruction using synthetic projection images
Li et al. Joint regularization-based image reconstruction by combining data-driven tight frame and total variation for low-dose computed 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