CN109461192B - 图像迭代重建方法、装置、设备及存储介质 - Google Patents

图像迭代重建方法、装置、设备及存储介质 Download PDF

Info

Publication number
CN109461192B
CN109461192B CN201811236616.3A CN201811236616A CN109461192B CN 109461192 B CN109461192 B CN 109461192B CN 201811236616 A CN201811236616 A CN 201811236616A CN 109461192 B CN109461192 B CN 109461192B
Authority
CN
China
Prior art keywords
image
projection data
initial value
iteration
value image
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
CN201811236616.3A
Other languages
English (en)
Other versions
CN109461192A (zh
Inventor
曹文静
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.)
Shanghai United Imaging Healthcare Co Ltd
Original Assignee
Shanghai United Imaging Healthcare Co Ltd
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 Shanghai United Imaging Healthcare Co Ltd filed Critical Shanghai United Imaging Healthcare Co Ltd
Priority to CN201811236616.3A priority Critical patent/CN109461192B/zh
Publication of CN109461192A publication Critical patent/CN109461192A/zh
Application granted granted Critical
Publication of CN109461192B publication Critical patent/CN109461192B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/002D [Two Dimensional] image generation
    • G06T11/003Reconstruction from projections, e.g. tomography
    • G06T11/005Specific pre-processing for tomographic reconstruction, e.g. calibration, source positioning, rebinning, scatter correction, retrospective gating

Abstract

本发明实施例公开了一种图像迭代重建方法、装置、设备及存储介质。该方法包括:获取目标对象的原始投影数据;基于原始投影数据确定第一初值图像和第二初值图像,第一初值图像的像素点范围包括第二初值图像的像素点范围;将原始投影数据和第一初值图像进行第一步迭代,确定第一迭代图像,根据原始投影数据和第一迭代图像确定第二迭代投影数据;将第二迭代投影数据和第二初值图像进行第二步迭代,得到重建图像。本发明实施例的技术方案,可以直接迭代重建局部FOV图像,在满足重建鲁棒性同时加快重建速度。

Description

图像迭代重建方法、装置、设备及存储介质
技术领域
本发明实施例涉及图像迭代重建技术,尤其涉及一种图像迭代重建方法、装置、设备及存储介质。
背景技术
电子计算机X射线断层扫描(Computed Tomography,CT)的投影数据需要经过重建才能得到人体的内部信息。临床应用中,通常只关心身体的部分构造或是身体内部的部分脏器,因此,无需重建全部视野(Field of view,FOV)图像,只需重建局部FOV图像即可,局部FOV图像也被称之为感兴趣区域(Region of Interest,ROI)。
目前,重建算法主要分为解析类重建算法和迭代类重建算法。对于局部FOV图像的重建,现有技术多是采用解析类重建算法,例如滤波反投影(Filtered Back-Projection,FBP)算法进行重建。因为FBP只需要反投影过程即可得到重建图像,相对于局部FOV图像重建的实现较为简单。当然,现有技术中也有采用迭代类重建算法实现局部FOV图像重建,通常是先重建全部FOV图像,然后再截取得到临床关心的局部FOV图像。
但是,相对于解析类重建算法,迭代类重建算法鲁棒性更好,可以在投影数据信噪比较低、数据严重缺损的情形下获得更高质量的重建图像。但是,现有的实现局部FOV图像重建的迭代类算法,需要先重建全部FOV图像,因此重建速度较慢,无法满足临床实际需求。
发明内容
本发明实施例提供了一种图像迭代重建方法、装置、设备及存储介质,以实现图像中局部FOV图像的快速、直接迭代重建。
这里所描述的新方法可以应用于许多不同种类的成像系统中,诸如CT或其他基于X射线的系统、SPECT系统、PET系统和其他成像系统。因此,尽管以下论述集中于CT成像系统,但该方法在其他成像技术中具有更宽泛的应用。
第一方面,本发明实施例提供了一种图像迭代重建方法,可以包括:
获取目标对象的原始投影数据;
基于原始投影数据确定第一初值图像和第二初值图像,第一初值图像的像素点范围包括第二初值图像的像素点范围;
将原始投影数据和第一初值图像进行第一步迭代,确定第一迭代图像,根据原始投影数据和第一迭代图像确定第二迭代投影数据;
将第二迭代投影数据和第二初值图像进行第二步迭代,得到重建图像。
可选的,根据原始投影数据和第一迭代图像确定第二迭代投影数据,可以包括:
对第一迭代图像进行掩模运算,确定掩模图像;
对掩模图像进行正投影,得到掩模图像正投影数据;
原始投影数据和掩模图像正投影数据进行相减运算,确定第二迭代投影数据。
可选的,基于原始投影数据确定第一初值图像和第二初值图像还可以包括:基于原始投影数据和重建参数确定第一初值图像和第二初值图像。
可选的,基于原始投影数据和重建参数确定第一初值图像和第二初值图像,可以包括:
基于原始投影数据和第二重建参数确定第二初值图像;
基于预设的边缘像素对齐规则对第二重建参数进行调整,并根据调整结果更新第二重建参数,并将更新结果设定为第一重建参数;
基于原始投影数据和第一重建参数确定第一初值图像。
可选的,在将第二迭代投影数据和第二初值图像进行第二步迭代之前,还可以包括:基于预设宽度阈值对第二初值图像进行扩展,并将扩展后的图像作为第二初值图像。
可选的,在得到重建图像之后,还可以包括:去除重建图像中扩展出的区域,并将去除后的图像作为重建图像。
可选的,在获取目标对象的原始投影数据之后,还可以包括:对原始投影数据进行下采样,得到下采样投影数据;
其中,将原始投影数据和第一初值图像进行第一步迭代,确定第一迭代图像,可以包括:将下采样投影数据和第一初值图像进行第一步迭代,确定第一迭代图像。
第二方面,本发明实施例还提供了一种图像迭代重建装置,可以包括:
原始投影数据获取模块,用于获取目标对象的原始投影数据;
初值图像确定模块,用于基于原始投影数据和重建参数确定第一初值图像和第二初值图像,第一初值图像的像素点范围包括第二初值图像的像素点范围;
第二迭代投影数据确定模块,用于将原始投影数据和第一初值图像进行第一步迭代,确定第一迭代图像,根据原始投影数据和第一迭代图像确定第二迭代投影数据;
图像重建模块,用于将第二迭代投影数据和第二初值图像进行第二步迭代,得到重建图像。
第三方面,本发明实施例还提供了一种设备,该设备可以包括:
一个或多个处理器;
存储器,用于存储一个或多个程序,
当一个或多个程序被一个或多个处理器执行,使得一个或多个处理器实现如下操作:
获取目标对象的原始投影数据;
基于原始投影数据确定第一初值图像和第二初值图像,第一初值图像的像素点范围包括第二初值图像的像素点范围;
将原始投影数据和第一初值图像进行第一步迭代,确定第一迭代图像,根据原始投影数据和第一迭代图像确定第二迭代投影数据;
将第二迭代投影数据和第二初值图像进行第二步迭代,得到重建图像。
第四方面,本发明实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现如下操作:
获取目标对象的原始投影数据;
基于原始投影数据确定第一初值图像和第二初值图像,第一初值图像的像素点范围包括第二初值图像的像素点范围;
将原始投影数据和第一初值图像进行第一步迭代,确定第一迭代图像,根据原始投影数据和第一迭代图像确定第二迭代投影数据;
将第二迭代投影数据和第二初值图像进行第二步迭代,得到重建图像。
本发明实施例的技术方案,通过获取目标对象的原始投影数据,并基于原始投影数据确定第一初值图像以作为第一步迭代过程的原始估计数据,同时确定第二初值图像以作为第二步迭代过程的原始估计数据,其中,第一初值图像的像素点范围包括第二初值图像的像素点范围;将原始投影数据和第一初值图像进行第一步迭代,确定第一迭代图像,其可以与原始投影数据相作用确定出第二迭代投影数据以作为第二步迭代过程的原始投影数据;将第二迭代投影数据和第二初值图像进行第二步迭代,得到重建图像,实现了局部FOV图像的迭代重建。上述技术方案中的第一步迭代可以适用于全部FOV图像的重建过程,第二步迭代可以适用于局部FOV图像的重建过程,两步迭代的相互配合使得临床应用中可以直接迭代重建局部FOV图像,在满足重建算法鲁棒性的同时加快了重建速度,可以满足临床实际需求。
附图说明
图1是本发明实施例一中的一种图像迭代重建方法的流程图;
图2是本发明实施例一中的一种FOV图像的示意图;
图3是本发明实施例一中的另一种FOV图像的示意图;
图4是本发明实施例二中的另一种图像迭代重建方法的流程图;
图5是本发明实施例三中的一种图像迭代重建装置的结构框图;
图6是本发明实施例四中的一种设备的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释本发明,而非对本发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部结构。
实施例一
图1是本发明实施例一中提供的一种图像迭代重建方法的流程图。本实施例可适用于局部FOV图像重建的情况,尤其适合于局部FOV图像直接迭代重建的情况。该方法可以由本发明实施例提供的图像迭代重建装置来执行,该装置可以由软件和/或硬件的方式实现。参见图1,本发明实施例的方法具体包括如下步骤:
S110、获取目标对象的原始投影数据。
其中,目标对象的原始投影数据可以基于电子计算机X射线断层扫描技术获取,其可以是基于X射线束对目标对象一定厚度的层面进行扫描,由探测器接收透过该层面的X射线,并将所得到的模拟信号数据经过模数转换转变为数字信号数据的过程。而上述过程获取的数字信号数据也就是目标对象的原始投影数据。
值得注意的是,本发明实施例中涉及到的迭代重建过程可以理解为:首先对X射线分布进行原始估计,在此基础上估算每个投影方向上探测器获得的可能计数,即原始估计数据;将原始估计数据与探测器实际采集的原始投影数据进行比较,用于更新原始估计数据;不断重复此过程,直至下一次迭代结果无限接近原始估计数据。考虑到本发明实施例可能涉及到的应用场景,为了迭代重建图像,需要确定迭代过程涉及的原始投影数据和原始估计数据,其实现过程如下述步骤所示。
S120、基于原始投影数据确定第一初值图像和第二初值图像,第一初值图像的像素点范围包括第二初值图像的像素点范围。
其中,第一初值图像可以作为第一步迭代过程的原始估计数据,第二初值图像可以作为第二步迭代过程的原始估计数据。考虑到本发明实施例可能涉及到的应用场景,示例性的,如图2所示,方框1可以是第一初值图像所在区域,方框2可以是第二初值图像所在区域。其中,第一初值图像的像素点范围可以包括第二初值图像的像素点范围,那么第一初值图像所在区域可以大于或是等于第二初值图像所在区域。而且,当第一初值图像所在区域等于第二初值图像所在区域时,第一初值图像所包括的像素点个数可以小于第二初值图像所包括的像素点个数。
其中,初值图像的确定过程可以是根据筛选条件对原始投影数据进行筛选,确定出符合条件的初值图像,其中筛选条件可以是原始投影数据的阈值、扫描部位、目标对象的身形等;可以是根据历史经验直接确定初值图像;还可以是根据原始投影数据和重建参数确定初值图像。
考虑到临床应用中,CT孔径通常是直径为700mm的圆,那么在700mm范围内都有可能出现身体。但是用户通常只关心身体的部分构造或是身体内部的部分脏器,例如人体肺部的范围可以是300-350mm,因此肺部扫描时医生只关心700mm范围内的300-350mm,其他范围并不关心。因此,可以将获取的原始投影数据定义为全部FOV图像,用户关心的范围定义为局部FOV图像。上文中所述第二初值图像即为局部FOV图像,那么,图像重建时可以直接迭代重建局部FOV图像,以加快重建速度。
S130、将原始投影数据和第一初值图像进行第一步迭代,确定第一迭代图像,根据原始投影数据和第一迭代图像确定第二迭代投影数据。
其中,考虑到本发明实施例可能涉及到的应用场景,第一步迭代过程的原始投影数据可以是获取到的目标对象的原始投影数据,原始估计数据可以是第一初值图像。第一步迭代过程的实现方法可以是现有的任一迭代方法,例如共轭迭代法、最小二乘法等,以确定出第一迭代图像。
第一迭代图像的确定是考虑到局部FOV图像重建时可能存在数据截断的问题,如果直接对截断的投影数据进行重建可能会出现严重的截断伪影现象。因此基于第一步迭代确定出的第一迭代图像,可以消除局部FOV图像以外数据的影响,其与原始投影数据相互作用可以确定出不存在数据截断的第二迭代投影数据。其中,第二迭代投影数据可以作为第二步迭代过程的原始投影数据。
S140、将第二迭代投影数据和第二初值图像进行第二步迭代,得到重建图像。
其中,考虑到本发明实施例可能涉及到的应用场景,第二步迭代过程的原始投影数据可以是第二迭代投影数据,原始估计数据可以是第二初值图像。第二步迭代过程可以认为是局部FOV图像重建的过程,其实现方法可以是现有的任一迭代方法,例如梯度下降法、牛顿法等。基于第二步迭代后得到的重建图像,实现了目标对象的原始投影数据至CT断层扫描图像的转换。
值得注意的是,第一步迭代的实现方式和第二步迭代的实现方式互不影响,例如两次迭代的实现方法、原始投影数据的分辨率、迭代次数、更新步长、子集等相关参数可以相同,可以不同。其中,第一步迭代过程的原始投影数据的分辨率可以低于第二步迭代过程的原始投影数据的分辨率,因为第一步迭代的目的是为了快速确定第一迭代图像,以消除局部FOV图像以外数据的影响,因此其对迭代精度的要求较低。
本发明实施例的技术方案,通过获取目标对象的原始投影数据,并基于原始投影数据确定第一初值图像以作为第一步迭代过程的原始估计数据,同时确定第二初值图像以作为第二步迭代过程的原始估计数据,其中,第一初值图像的像素点范围包括第二初值图像的像素点范围;将原始投影数据和第一初值图像进行第一步迭代,确定第一迭代图像,其可以与原始投影数据相作用确定出第二迭代投影数据以作为第二步迭代过程的原始投影数据;将第二迭代投影数据和第二初值图像进行第二步迭代,得到重建图像,实现了局部FOV图像的迭代重建。上述技术方案中的第一步迭代可以适用于全部FOV图像的重建过程,第二步迭代可以适用于局部FOV图像的重建过程,两步迭代的相互配合使得临床应用中可以直接迭代重建局部FOV图像,在满足重建算法鲁棒性的同时加快了重建速度,可以满足临床实际需求。
一种可选的方案,在将第二迭代投影数据和第二初值图像进行第二步迭代之前,还可以包括:基于预设宽度阈值对第二初值图像进行扩展,并将扩展后的图像作为第二初值图像。
为了进一步确保第二初值图像所对应的各像素点包括任一局部FOV图像中所对应的各像素点,如图3所示,方框2是第二初值图像所在区域,其可以基于预设宽度阈值D对第二初值图像进行扩展,其中预设宽度阈值例如可以是3mm、5mm、7mm等。将扩展后的图像作为第二初值图像,如方框3所示,并与第二迭代投影数据进行第二步迭代。上述步骤设置的好处在于,以保证第二初值图像可以包括任一局部FOV图像中所对应的各像素点,并且不存在截断数据的问题,使得第二步迭代后可以得到正确的重建图像。
一种可选的方案,在得到重建图像之后,还可以包括:去除重建图像中扩展出的区域,并将去除后的图像作为重建图像。在得到正确的重建图像后,为了可以更加直观的呈现局部FOV图像,避免其周边图像的干扰,可以去除重建图像中扩展出的区域,并将去除后的图像作为重建图像。
一种可选的方案,在获取目标对象的原始投影数据之后,还可以包括:
对原始投影数据进行下采样,得到下采样投影数据;其中,将原始投影数据和第一初值图像进行第一步迭代,确定第一迭代图像,可以包括:将下采样投影数据和第一初值图像进行第一步迭代,确定第一迭代图像。
考虑到第一步迭代过程主要是为了快速确定第一迭代图像,以消除局部FOV图像以外数据的影响,因此对第一步迭代的精度要求较低。因此可以对原始投影数据进行下采样,以降低第一步迭代中原始投影数据的分辨率,以此加快了以下采样投影数据和第一初值图像为基础的迭代过程,进而在保证图像重建准确度的同时可以加快图像重建的速度。
实施例二
本实施例是在上述实施例的基础上,对“根据原始投影数据和第一迭代图像确定第二迭代投影数据”进行优化。其中,与上述各实施例相同或相应的术语的解释在此不再赘述。如图4所示,本实施例的方法具体可以包括如下步骤:
S210、获取目标对象的原始投影数据。
S220、基于原始投影数据确定第一初值图像和第二初值图像,第一初值图像的像素点范围包括第二初值图像的像素点范围。
S230、将原始投影数据和第一初值图像进行第一步迭代,确定第一迭代图像。
S240、对第一迭代图像进行掩模运算,确定掩模图像。
其中,对第一迭代图像进行掩模运算的实现过程可以是获取第二初值图像所对应的各目标像素位置,并将第一迭代图像中与各目标像素位置所对应的像素置0,以确定出掩模图像。
S250、对掩模图像进行正投影,得到掩模图像正投影数据。
其中,目标对象的原始投影数据的获取过程可以是正投影的过程,类似的,对掩模图像执行同样的正投影过程以确定出掩模图像正投影数据。那么,掩模图像正投影数据可以包括原始投影数据中除第二初值图像所在区域之外的数据。
S260、原始投影数据和掩模图像正投影数据进行相减运算,确定第二迭代投影数据。
其中,考虑到掩模图像正投影数据可以包括原始投影数据中除第二初值图像所在区域之外的数据,那么原始投影数据和掩模图像正投影数据相减后可以得到第二迭代投影数据,其可以作为第二步迭代过程的原始投影数据。
S270、将第二迭代投影数据和第二初值图像进行第二步迭代,得到重建图像。
本发明实施例的技术方案,通过对第一迭代图像进行掩模运算和正投影运算可以确定出掩模图像正投影数据,进一步基于掩模图像正投影数据可以直接确定出第二迭代投影数据,准确得到了第二步迭代过程的原始投影数据。
一种可选的方案,在上述技术方案的基础上,基于原始投影数据确定第一初值图像和第二初值图像,具体可以包括:基于原始投影数据和重建参数确定第一初值图像和第二初值图像。
其中,重建参数用于确定第一初值图像和第二初值图像,例如可以是FOV直径大小,还可以是初值图像矩阵的大小。重建参数可以与检查部位有关,例如肺部FOV直径可以是350mm,内耳FOV直径可以是100mm;而初值图像矩阵的大小可以由行数和列数共同表示,例如其可以是512*512,768*768,1024*1024等。示例性的,临床应用中内耳的重建参数可以是100mmFOV和512*512的矩阵。通常情况下,FOV越大,显示的身体范围越大;矩阵越大,迭代重建后图像的精度越高。
重建参数的确定过程可以是用户根据检查部位、被检者体形等直接输入;可以是用户在历史经验值的基础上进行调整,其中历史经验值可以是根据历史病例数据统计得到;可以是用户在由原始投影数据所展现出的图像中直接画出定位框,根据定位框所包含的数据确定重建参数;还可以是基于机器学习的方法学习病例数据后直接确定重建参数。当接收到用户输入的重建参数后,可以确定出第一初值图像和第二初值图像。上述技术方案使得用户可以根据临床需求选择合适的参数,进而可以只在感兴趣区域内进行迭代,加快了图像重建的速度且针对性更强。
一种可选的方案,在上述技术方案的基础上,基于原始投影数据和重建参数确定第一初值图像和第二初值图像,具体可以包括:
基于原始投影数据和第二重建参数确定第二初值图像。其中,重建参数可以包括第二重建参数,其可以是预设的参数,还可以是用户输入的参数。第二初值图像的确定过程可以是基于FBP算法完成的图像重建,其可以给出一个较好的起点以实现第二步迭代。
基于预设的边缘像素对齐规则对第二重建参数进行调整,并根据调整结果更新第二重建参数,并将更新结果设定为第一重建参数。示例性的,如图2所示,以第二初值图像的各边缘像素点V1、V2、V3和V4为基准,基于预设的边缘像素对齐规则可以对第二重建参数进行调整,使得基于调整后的重建参数所确定的第一初值图像中各边缘像素构成的线条与第二初值图像中各边缘像素构成的线条相匹配,即第一初值图像中各边缘像素与第二初值图像中各边缘像素可以重叠。将调整后的第二重建参数设定为第一重建参数。
基于原始投影数据和第一重建参数确定第一初值图像。第一初值图像的确定过程可以是基于FBP算法完成图像重建,其可以给出一个较好的起点以实现第一步迭代。上述过程的实质可以理解为是对用于确定第二初值图像的重建参数进行调整,以得到用于确定第一初值图像的重建参数,进而确定第一初值图像。基于上述方法确定出的第一初值图像中各边缘像素与第二初值图像中各边缘像素对齐,提升了边缘的准确性,有效避免了截断伪影的现象。
实施例三
图5为本发明实施例三提供的图像迭代重建装置的结构框图,该装置用于执行上述任意实施例所提供的图像迭代重建方法。该装置与上述各实施例的图像迭代重建方法属于同一个发明构思,在图像迭代重建装置的实施例中未详尽描述的细节内容,可以参考上述图像迭代重建方法的实施例。参见图5,该装置具体可包括:原始投影数据获取模块310、初值图像确定模块320、第二迭代投影数据确定模块330和图像重建模块340。
其中,原始投影数据获取模块310,用于获取目标对象的原始投影数据;
初值图像确定模块320,用于基于原始投影数据和重建参数确定第一初值图像和第二初值图像,第一初值图像的像素点范围包括第二初值图像的像素点范围;
第二迭代投影数据确定模块330,用于将原始投影数据和第一初值图像进行第一步迭代,确定第一迭代图像,根据原始投影数据和第一迭代图像确定第二迭代投影数据;
图像重建模块340,用于将第二迭代投影数据和第二初值图像进行第二步迭代,得到重建图像。
可选的,第二迭代投影数据确定模块330,具体可以包括:
掩模图像确定单元,用于对第一迭代图像进行掩模运算,确定掩模图像;
掩模图像正投影数据确定单元,用于对掩模图像进行正投影,得到掩模图像正投影数据;
第二迭代投影数据确定单元,用于原始投影数据和掩模图像正投影数据进行相减运算,确定第二迭代投影数据。
可选的,初值图像确定模块320,具体还可以包括:
第二初值图像确定单元,用于基于原始投影数据和第二重建参数确定第二初值图像;
第一重建参数确定单元,用于基于预设的边缘像素对齐规则对第二重建参数进行调整,并根据调整结果更新第二重建参数,并将更新结果设定为第一重建参数
第一初值图像确定单元,用于基于原始投影数据和第一重建参数确定第一初值图像。
可选的,在上述装置的基础上,该装置还可包括:
区域扩展模块,用于基于预设宽度阈值对第二初值图像进行扩展,并将扩展后的图像作为第二初值图像。
可选的,在上述装置的基础上,该装置还可包括:
扩展区域去除模块,用于去除重建图像中扩展出的区域,并将去除后的图像作为重建图像。
可选的,在上述装置的基础上,该装置还可包括:
下采样投影数据确定模块,用于对原始投影数据进行下采样,得到下采样投影数据;其中,第二迭代投影数据确定模块330,具体可以包括:
第一迭代图像确定单元,用于将下采样投影数据和第一初值图像进行第一步迭代,确定第一迭代图像。
本发明实施例三提供的图像迭代重建装置,通过原始投影数据获取模块获取到目标对象的原始投影数据,且初值图像确定模块和第二迭代投影数据确定模块相互配合确定了迭代过程涉及到的原始投影数据和原始估计数据,进而基于图像重建模块实现了局部FOV图像的迭代重建。上述装置中两步迭代的相互配合使得临床应用中可以直接迭代重建局部FOV图像,在满足重建算法鲁棒性的同时加快了重建速度,可以满足临床实际需求。
本发明实施例所提供的图像迭代重建装置可执行本发明任意实施例所提供的图像迭代重建方法,具备执行方法相应的功能模块和有益效果。
值得注意的是,上述图像迭代重建装置的实施例中,所包括的各个单元和模块只是按照功能逻辑进行划分的,但并不局限于上述的划分,只要能够实现相应的功能即可;另外,各功能单元的具体名称也只是为了便于相互区分,并不用于限制本发明的保护范围。
实施例四
图6为本发明实施例四提供的一种设备的结构示意图,如图6所示,该设备包括存储器410、处理器420、输入装置430和输出装置440。设备中的处理器420的数量可以是一个或多个,图6中以一个处理器420为例;设备中的存储器410、处理器420、输入装置430和输出装置440可以通过总线或其它方式连接,图6中以通过总线450连接为例。
存储器410作为一种计算机可读存储介质,可用于存储软件程序、计算机可执行程序以及模块,如本发明实施例中的图像迭代重建方法对应的程序指令/模块(例如,图像迭代重建装置中的原始投影数据获取模块310、初值图像确定模块320、第二迭代投影数据确定模块330和图像重建模块340)。处理器420通过运行存储在存储器410中的软件程序、指令以及模块,从而执行设备的各种功能应用以及数据处理,即实现上述的图像迭代重建方法。
存储器410可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序;存储数据区可存储根据设备的使用所创建的数据等。此外,存储器410可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中,存储器410可进一步包括相对于处理器420远程设置的存储器,这些远程存储器可以通过网络连接至设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
输入装置430可用于接收输入的数字或字符信息,以及产生与装置的用户设置以及功能控制有关的键信号输入。输出装置440可包括显示屏等显示设备。
实施例五
本发明实施例五提供一种包含计算机可执行指令的存储介质,所述计算机可执行指令在由计算机处理器执行时用于执行一种图像迭代重建方法,该方法包括:
获取目标对象的原始投影数据;
基于原始投影数据确定第一初值图像和第二初值图像,第一初值图像的像素点范围包括第二初值图像的像素点范围;
将原始投影数据和第一初值图像进行第一步迭代,确定第一迭代图像,根据原始投影数据和第一迭代图像确定第二迭代投影数据;
将第二迭代投影数据和第二初值图像进行第二步迭代,得到重建图像。
当然,本发明实施例所提供的一种包含计算机可执行指令的存储介质,其计算机可执行指令不限于如上所述的方法操作,还可以执行本发明任意实施例所提供的图像迭代重建方法中的相关操作。
通过以上关于实施方式的描述,所属领域的技术人员可以清楚地了解到,本发明可借助软件及必需的通用硬件来实现,当然也可以通过硬件实现,但很多情况下前者是更佳的实施方式。依据这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如计算机的软盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(RandomAccess Memory,RAM)、闪存(FLASH)、硬盘或光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述的方法。
注意,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明进行了较为详细的说明,但是本发明不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。

Claims (10)

1.一种图像迭代重建方法,其特征在于,包括:
获取目标对象的原始投影数据;
基于所述原始投影数据确定第一初值图像和第二初值图像,所述第一初值图像的像素点范围包括所述第二初值图像的像素点范围;
将所述原始投影数据和所述第一初值图像进行第一步迭代,确定第一迭代图像,根据所述原始投影数据和所述第一迭代图像确定第二迭代投影数据;
将所述第二迭代投影数据和所述第二初值图像进行第二步迭代,得到重建图像。
2.根据权利要求1所述的图像迭代重建方法,其特征在于,所述根据所述原始投影数据和所述第一迭代图像确定第二迭代投影数据,包括:
对所述第一迭代图像进行掩模运算,确定掩模图像;
对所述掩模图像进行正投影,得到掩模图像正投影数据;
所述原始投影数据和所述掩模图像正投影数据进行相减运算,确定第二迭代投影数据。
3.根据权利要求1所述的图像迭代重建方法,其特征在于,所述基于所述原始投影数据确定第一初值图像和第二初值图像还包括,基于所述原始投影数据和重建参数确定第一初值图像和第二初值图像。
4.根据权利要求3所述的图像迭代重建方法,其特征在于,所述基于所述原始投影数据和重建参数确定第一初值图像和第二初值图像,包括:
基于所述原始投影数据和第二重建参数确定第二初值图像;
基于预设的边缘像素对齐规则对所述第二重建参数进行调整,并根据调整结果更新所述第二重建参数,并将更新结果设定为第一重建参数;
基于所述原始投影数据和所述第一重建参数确定第一初值图像。
5.根据权利要求1所述的图像迭代重建方法,其特征在于,在所述将所述第二迭代投影数据和所述第二初值图像进行第二步迭代之前,还包括:
基于预设宽度阈值对所述第二初值图像进行扩展,并将扩展后的图像作为第二初值图像。
6.根据权利要求5所述的图像迭代重建方法,其特征在于,在所述得到重建图像之后,还包括:
去除所述重建图像中扩展出的区域,并将去除后的图像作为重建图像。
7.根据权利要求1所述的图像迭代重建方法,其特征在于,在所述获取目标对象的原始投影数据之后,还包括:
对所述原始投影数据进行下采样,得到下采样投影数据;
其中,将所述原始投影数据和所述第一初值图像进行第一步迭代,确定第一迭代图像,包括:
将所述下采样投影数据和所述第一初值图像进行第一步迭代,确定第一迭代图像。
8.一种图像迭代重建装置,其特征在于,包括:
原始投影数据获取模块,用于获取目标对象的原始投影数据;
初值图像确定模块,用于基于所述原始投影数据和重建参数确定第一初值图像和第二初值图像,所述第一初值图像的像素点范围包括所述第二初值图像的像素点范围;
第二迭代投影数据确定模块,用于将所述原始投影数据和所述第一初值图像进行第一步迭代,确定第一迭代图像,根据所述原始投影数据和所述第一迭代图像确定第二迭代投影数据;
图像重建模块,用于将所述第二迭代投影数据和所述第二初值图像进行第二步迭代,得到重建图像。
9.一种设备,其特征在于,所述设备包括:
一个或多个处理器;
存储器,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如下操作:
获取目标对象的原始投影数据;
基于所述原始投影数据确定第一初值图像和第二初值图像,所述第一初值图像的像素点范围包括所述第二初值图像的像素点范围;
将所述原始投影数据和所述第一初值图像进行第一步迭代,确定第一迭代图像,根据所述原始投影数据和所述第一迭代图像确定第二迭代投影数据;
将所述第二迭代投影数据和所述第二初值图像进行第二步迭代,得到重建图像。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如下操作:
获取目标对象的原始投影数据;
基于所述原始投影数据确定第一初值图像和第二初值图像,所述第一初值图像的像素点范围包括所述第二初值图像的像素点范围;
将所述原始投影数据和所述第一初值图像进行第一步迭代,确定第一迭代图像,根据所述原始投影数据和所述第一迭代图像确定第二迭代投影数据;
将所述第二迭代投影数据和所述第二初值图像进行第二步迭代,得到重建图像。
CN201811236616.3A 2018-10-23 2018-10-23 图像迭代重建方法、装置、设备及存储介质 Active CN109461192B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811236616.3A CN109461192B (zh) 2018-10-23 2018-10-23 图像迭代重建方法、装置、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811236616.3A CN109461192B (zh) 2018-10-23 2018-10-23 图像迭代重建方法、装置、设备及存储介质

Publications (2)

Publication Number Publication Date
CN109461192A CN109461192A (zh) 2019-03-12
CN109461192B true CN109461192B (zh) 2022-12-16

Family

ID=65608161

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811236616.3A Active CN109461192B (zh) 2018-10-23 2018-10-23 图像迭代重建方法、装置、设备及存储介质

Country Status (1)

Country Link
CN (1) CN109461192B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112446931A (zh) * 2019-09-02 2021-03-05 上海联影医疗科技股份有限公司 一种重建数据处理方法、装置、医学成像系统及存储介质
CN111080740B (zh) * 2019-12-27 2023-06-16 上海联影医疗科技股份有限公司 一种图像校正方法、装置、设备及介质
CN111476854B (zh) * 2020-04-03 2023-07-11 上海联影医疗科技股份有限公司 图像重建方法、装置、终端及存储介质
CN112424835B (zh) 2020-05-18 2023-11-24 上海联影医疗科技股份有限公司 用于图像重建的系统和方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1641700A (zh) * 2005-01-06 2005-07-20 东南大学 正电子发射计算机断层显像的全变分加权成像方法
CN103606177A (zh) * 2013-11-26 2014-02-26 南方医科大学 稀疏角度的ct图像迭代重建方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8155415B2 (en) * 2005-07-01 2012-04-10 Siemens Medical Solutions Usa, Inc. Extension of truncated CT images for use with emission tomography in multimodality medical images

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1641700A (zh) * 2005-01-06 2005-07-20 东南大学 正电子发射计算机断层显像的全变分加权成像方法
CN103606177A (zh) * 2013-11-26 2014-02-26 南方医科大学 稀疏角度的ct图像迭代重建方法

Also Published As

Publication number Publication date
CN109461192A (zh) 2019-03-12

Similar Documents

Publication Publication Date Title
CN109461192B (zh) 图像迭代重建方法、装置、设备及存储介质
CN106683144B (zh) 一种图像迭代重建方法及装置
CN107527359B (zh) 一种pet图像重建方法及pet成像设备
CN110378982B (zh) 重建图像处理方法、装置、设备及存储介质
CN107133923B (zh) 一种基于自适应梯度稀疏模型的模糊图像非盲去模糊方法
JP2007244871A (ja) サイノグラムから画像を再構成する方法およびこの方法を実行するコンピュータプログラム命令を格納するコンピュータ読み出し可能媒体およびサイノグラムから画像を再構成する装置
CN106780338B (zh) 基于各向异性的快速超分辨率重建方法
KR101351583B1 (ko) 의료 영상 이미징 방법, 그에 따른 의료 진단 장치 및 그에 따른 기록 매체
CN110084868B (zh) 图像校正方法、装置、计算机设备和可读存储介质
CN111000581B (zh) 医学成像方法及系统
CN110598696A (zh) 医学图像扫描定位方法、医学图像扫描方法和计算机设备
US20130308841A1 (en) Method and apparatus for image processing
CN110689486A (zh) 图像的处理方法、装置、设备及计算机可存储介质
JP5146159B2 (ja) 画像復元方法、画像復元プログラム、および画像復元装置
JP2008229226A (ja) 画像処理装置
CN114298920B (zh) 一种超视野ct图像重建模型训练和超视野ct图像重建方法
CN112085811B (zh) Ct局部重建的方法及装置
CN113838161B (zh) 一种基于图学习的稀疏投影重建方法
US20220414832A1 (en) X-ray imaging restoration using deep learning algorithms
CN113313649B (zh) 图像重建方法及装置
JP2016201634A (ja) 撮像装置、撮像方法及びプログラム
CN115100050A (zh) Ct图像环状伪影的去除方法、装置、设备及存储介质
CN117203671A (zh) 基于机器学习的迭代图像重建改进
CN114119790A (zh) 医学成像方法、装置、电子设备和存储介质
CN113936068A (zh) 伪影校正方法、装置和存储介质

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