CN109493393B - 减少计算机断层扫描图像数据中的多个移动伪像 - Google Patents

Abstract

本发明涉及基于投影测量数据对待检查对象的感兴趣区域进行成像的方法，该投影测量数据在X射线源‑检测器系统围绕该待检查对象在至少180°的第一角度扇区内的旋转运动的期间被记录，该方法包括以下步骤：生成第一起始图像数据；从该投影测量数据中选择具有第二角度扇区的部分投影测量数据，其中该第二角度扇区是该第一角度扇区的子区域；将该第一起始图像数据或者经校正起始图像数据与该部分投影测量数据进行比较，其中第一图像数据被生成；通过经训练校正单元对该第一图像数据进行伪像校正，其中该经校正起始图像数据被创建；以及其中该第一图像数据和该经校正起始图像数据分别包括该感兴趣区域的完整图像。

Description

减少计算机断层扫描图像数据中的多个移动伪像

技术领域

本发明涉及能够减少计算机断层扫描图像数据中的多个移动伪像的一种成像方法，一种图像重建设备，一种计算机断层扫描系统，一种计算机程序以及一种计算机可读数据介质。

背景技术

计算机断层扫描是一种成像方法，其主要用于医疗诊断以及材料检查。在计算机断层扫描中，辐射源(例如，X射线源)以及与其相互作用的检测器装置围绕待检查对象旋转，以便记录空间三维图像数据。在旋转运动期间，在一个角度扇区内记录测量数据。投影测量数据需要多个投影，这些投影包括关于检查对象从不同投影角度对辐射的衰减的信息。从这些投影中可以计算该检查对象的二维图像切片或者三维体积图像。该投影测量数据也被称为原始数据，或者该投影测量数据可以是已经被预处理的，以便例如减少检测器引入的衰减强度差异。然后，可以从该投影测量数据重建图像数据，例如，通过所谓的滤波反投影或者通过迭代重建方法来重建。例如，如果该检查对象在记录期间移动，则在该图像数据重建期间可能发生由该移动产生的不清晰区域和伪像。

已知使用计算机断层扫描系统来扫描检查对象的多种方法。例如，采用轨道扫描，具有预先扫描或者螺旋扫描的顺序轨道扫描。不基于轨道移动的其他类型的扫描(例如，具有线性段的扫描)也是可行的。借助于至少一个X射线源和至少一个相对的检测器装置，从不同记录角度记录检查对象的吸收数据，并且通过对应重建方法对以这种方式收集的吸收数据或者投影测量数据进行计算，以得到穿过检查对象的图像切片。

当前使用的、用于从计算断层扫描系统的投影测量数据中重建计算断层扫描图像的标准方法被称为滤波反投影方法(FBP)或者迭代重建。由于它们近似的操作方法，具有所谓的锥束伪像、螺旋伪像、螺旋伪像和有限视图伪像的滤波反投影方法可能会出现问题。滤波反投影方法属于一组近似的重建方法。虽然当前几乎没有使用过精确重建方法组，但是现在还存在一组精确的重建方法。迭代方法形成了第三组重建方法。

迭代重建方法使得滤波反投影中的至少一些上述限制能够被克服。这种迭代重建方法以从投影测量数据重建起始图像数据开始。例如，滤波反投影方法可以被用于该目的。迭代重建方法随后逐渐地生成改进的图像数据。例如，可以使用“投影子(projector)”从起始图像数据生成合成投影数据，该投影子是设计用于在数学上尽可能地映射测量系统的投影算子。然后，使用与投影子相邻的算子将与测量信号的差异投影回来，并且以此方式，重建残差图像，使用该残差图像更新初始图像。更新的图像数据又可以在下一个迭代步骤中借助投影算子使用，以生成新的合成投影数据，以从该新的合成投影数据再次形成与测量信号的差异并且计算新的残差图像，使用该新的残差图像再次改进当前迭代阶段的图像数据。迭代重建方法的示例是：代数重建技术(ART)，同时代数重建技术(SART)，迭代滤波反投影(IFBP)，或者统计迭代图像重建技术。

公开文本DE 10 2006 007 058 A1公开了一种CT系统，该CT系统具有用于对可围绕系统轴线旋转的至少一个焦点/检测器系统进行紧固的机架(gantry)。该CT系统包括：焦点，其作为辐射源；以及检测器，其接收由该焦点发射的辐射；第一焦点/检测器系统；以及至少一个第二焦点/检测器系统，该第二焦点/检测器系统被布置为以旋转方式偏移于该第一焦点/检测器系统，该第二焦点/检测器系统被机械地耦合到该第一焦点/检测器系统并且与该第一焦点/检测器系统在该机架上共同旋转；其中每个焦点/检测器系统包括从该焦点通过该系统轴线延伸到该检测器的中心波束，以及从该焦点延伸到该检测器的几何中心的中间波束，并且至少一个焦点/检测器系统相对于该系统轴线被偏心地布置。

公开文本DE 10 2008 051 043 B3公开了一种X射线CT系统，以及借助于X射线CT系统产生断层扫描记录的方法，该X射线CT系统具有两个发射器-检测器装置，这两个发射器-检测器装置在机架上进行具有角度偏移的操作并且具有至少两种不同的X射线能谱，其中从具有不同X射线能谱的两个四分之一旋转重建至少一个第一记录，并且从超过半个旋转的发射器-检测器装置中的至少一个的扫描的检测器数据创建至少一个第二记录。这些记录在它们的空间频率方面经过高通滤波或者低通滤波，然后经滤波的这些记录被组合以形成结果记录。

公开文本DE 10 2010 019 016 A1公开了一种用于从测量数据重建移动检查对象的图像数据的方法，其中测量数据先前已经在计算机断层扫描系统的辐射源与检查对象之间的相对旋转移动中被建立。通过迭代算法从不完整的测量数据记录重建第一图像数据，其中在迭代重建中，使用包括与待重建的图像数据的像素值有关的概率信息的维度。

偏移90°的两个发射器-检测器装置可以用于同时记录数据，使得在机架旋转90°之后，已经达到180°的投影角度覆盖。这相当于对可实现的时间分辨率进行加倍。备选地，记录可以在时间上每个超过90°的两个部分上进行，其中它们分别描绘心脏在连续心跳上的相同运动状态。最大可能的时间分辨率被加倍。通过提高机架的旋转速度也可以增加可实现的时间分辨率。然而，针对有限时间分辨率问题的机械解决方案受到限制。

在计算机断层扫描中，特别地单个图像(切片)的时间分辨率由记录了一个角度扇区的各个投影或者投影测量数据的时段来定义，从该角度扇区中重建了图像。因此，对于时间分辨率十分关键的应用，例如在冠状动脉成像中，通常仅使用最小必要角度扇区的最小必要数目的投影或投影测量数据。对于迄今为止常见的图像重建技术，通常假设最小必要投影角度范围为180°。在机架(包括在由X射线源和检测器装置组成的图像记录系统中)的旋转速度为0.5秒的情况下，对应于最小必要角度扇区为180°，由于至少需要来自半个旋转的投影数据，因此可以实现0.25秒的最大时间分辨率。

例如，如果在记录投影或投影测量数据期间，要表示的检查对象的感兴趣区域移出最小必要角度扇区，则在重建(结果)图像中形成所谓的移动伪像。这些移动伪像的减少或消除是本发明的目的。

本发明的目的是提供有助于减少移动伪像或者增加时间分辨率的一种成像方法，一种图像重建设备，一种计算机断层扫描系统，一种计算机程序以及一种计算机可读数据介质。

该目的是根据本发明通过如权利要求1所述的方法，如权利要求13所述的图像重建设备，如权利要求14所述的计算机断层扫描系统，如权利要求15所述的计算机程序以及如权利要求16所述的计算机可读数据介质来实现的。

发明内容

本发明涉及一种基于投影测量数据对待检查对象的感兴趣区域进行成像的方法，该投影测量数据在X射线源-检测器系统围绕待检查对象在至少180°的第一角度扇区内旋转运动的期间被记录。该方法包括生成步骤、选择步骤、比较步骤、以及伪像校正步骤。在生成步骤中，第一起始图像数据被生成。在选择步骤中，具有第二角度扇区的部分投影测量数据从投影测量数据而被选择，其中第二角度扇区是第一角度扇区的子区域。在比较步骤中，将第一起始图像数据或者经校正起始图像数据与部分投影测量数据进行对比，其中第一图像数据被生成。在伪像校正步骤中，第一图像数据通过经训练校正单元来校正，其中经校正起始图像数据被创建。第一图像数据和校正起始图像数据分别包括感兴趣区域的基本完整图像。

本发明的目的是对来自计算机断层扫描投影测量数据的结果图像进行重建，其中将要实现的时间分辨率小于在第一角度扇区(例如，至少180°)中扫描投影数据的时段。有利地，可以避免或者减少所谓的“有限角度”伪像，这些“有限角度”伪像例如随着直接应用已知的重建方法(例如，滤波反投影(FBP))而发生。第一图像数据和经校正起始图像数据分别包括感兴趣区域的基本完整图像。例如，感兴趣区域可以例如被限制为图像切片或记录区域的子区域。感兴趣区域可以例如仅包括一个限制子区域，这一个限制子区域包括待检查对象的预定解剖子区域或者感兴趣区域。例如，感兴趣区域可以基本上仅包括一个单个器官，例如心脏，并且可能附加地包括该器官周围的组织的边缘区域。与第一起始图像数据相比，基本完整图像特别地可能包括减少的“有限角度”伪像或者没有“有限角度”伪像。与起始图像相比，基本完整图像特别地可以包括减少的所谓的定向伪像或者“有限角度”伪像，这些伪像可以是通过使用特别地小于180°的第二角度扇区而引起的。例如，基本完整图像可以包括感兴趣区域的基本正确的图像信息。另一方面，第一起始图像数据可以包括“有限角度”伪像或者定向伪像。特别地，所谓的“有限角度”伪像可能由于在重建中使用过小的角度扇区(例如，第二角度扇区)而发生。例如，如果在感兴趣区域中的图像切片的平面中观察到具有基本上圆形横截面的对象，则通常在(例如，通过滤波反投影的)重建中使用第二角度区域产生洋葱形或者杏仁形横截面，而不是圆形横截面，其中洋葱形或者杏仁形横截面的两个峰指向第二角度扇区的中心投影的方向。特别地，在洋葱形或者杏仁形横截面与圆形横截面的差异区域中，图像可能是不完整的，即，在该差异区域中，有关对象的信息被不完全或不正确的再现。在基本上完整的图像中，具有基本上圆形横截面的对象还可以具有圆形横截面。

例如，根据本发明的方法结合边界条件(边界条件基于数据库，该数据库可以基于字典学习原理)使用投影测量数据的子区域(例如，120°)。

投影测量数据可以以正弦图的形式存在或者生成，该正弦图覆盖或者包括至少180°的第一角度扇区。然后，特别地，正弦图的子区域被选择，其中该子区域包括第二角度扇区，该第二角度扇区特别地小于该第一角度扇区并且特别地小于180°。

可以通过迭代方法，从起始图像开始重建第一图像数据或者结果图像，在该迭代方法中特别地，比较步骤与伪像校正步骤交替。在比较步骤中，将起始图像数据与部分投影测量数据进行比较。这样的结果可以被存储作为第一图像数据。在伪像校正步骤中，例如，可以通过基于字典学习原理的数据库来校正第一图像数据，其中存在于第一图像数据的“有限角度”伪像和任何移动伪像(例如，特别地在冠状动脉区域中的移动伪像)将被移除或者校正。在此，例如，数据库可以以电子解剖图谱的形式来实现。例如，借助于保存在数据库中的解剖上对应的无伪像的图像区域，可以校正第一图像的受伪像影响的图像区域。这样的结果被存储作为经校正起始图像数据。然后，经校正起始图像数据可以被用于比较步骤。

比较步骤可以特别有利地被用于使起始图像数据与部分投影测量数据保持一致。在伪像校正步骤中，特别地，可以移除或者减少由于对象移动或者使用小于第一角度扇区的第二角度扇区而产生的预期伪像。

根据本发明的方法，特别地可以包括使用基于机器学习原理的数据库结合迭代重建算法，以用于使用小于180°的第二角度扇区的部分投影测量数据进行图像重建。有利地，可以基于小于180°的第二角度扇区的部分投影测量数据，来重建结果图像或者感兴趣区域的子区域。有利地，可以实现该结果图像的时间分辨率的提高。

根据本发明的一个方面，经训练校正单元是基于机器学习方法、统计方法、映射协议、数学函数、人工神经网络或者学习数据库。根据本发明的一个方面，经训练校正单元使用机器学习方法、统计方法、映射协议、数学函数、人工神经网络或者学习数据库。该学习数据库也可以被称为基于字典学习的数据库。经训练校正单元可以优选地使用学习数据库。有利地，可以将来自训练数据的模式或者规律应用于第一图像数据，其中经校正起始图像数据被创建。校正单元可以使用训练数据中的特征或参数的组合或加权来进行伪像校正。

机器学习方法可以被描述为从经验中人工生成知识。人工系统从训练阶段中的示例进行学习，并且能够在完成训练阶段后进行概括。这使得识别单元能够被调整。机器学习方法的使用可以包括识别训练数据中的模式和规律。在训练阶段之后，例如，识别单元可以提取先前未知的图像数据中的特征或者参数。在训练阶段之后，例如，识别单元能够基于先前未知的图像数据来识别伪像的类型。有利地，可以从已知的训练数据的知识中得到用于伪像识别的可靠方法。有利地，识别单元对样本或规律的经验可以用作识别伪像或伪像类型的基础。

根据本发明的一个方面，在生成步骤中，基于投影测量数据生成起始图像数据。可以以不同方式生成起始图像数据。例如，可以通过投影测量数据的滤波反投影来生成起始图像数据。例如，可以通过具有约束的部分投影测量数据的滤波反投影生成起始图像数据，其中约束可以例如基于数据库，该数据库基于字典学习原理。有利地，可以利用起始图像数据与结果图像的相似性。有利地，可以减少迭代步骤的数目。

根据本发明的一个方面，在生成步骤中，独立于投影测量数据生成起始图像数据。起始图像数据可以包括空图像或者预定图像。例如，预定图像可以包括人工生成的图像。例如，预定图像可以基于另一检查对象的记录中的已知图像。有利地，起始图像数据可以基本上不受伪像的影响。

根据本发明的一个方面，迭代地执行比较步骤和伪像校正步骤，其中在第一次迭代中，将第一起始图像数据与部分投影测量数据进行比较，在至少另一次迭代中，将经校正起始图像数据与部分投影测量数据进行比较。该方法可以迭代地执行多次，直到到达终止条件。例如，终止条件可以包括比较的参数或者伪像校正的参数。例如，参数可以指定比较步骤或者伪像校正步骤中的输入数据基本上不再进一步改变。有利地，可以在多次迭代中逐渐实现收敛。

根据本发明的一个方面，在图像空间中执行比较步骤。将第一起始图像数据或经校正起始图像数据与部分投影测量数据进行比较，其中该比较是基于部分投影测量数据的图像数据。可以通过滤波后投影生成部分投影测量数据的图像数据。可以在图像空间中执行比较。有利地，可以避免重复的前向和后向投影。有利地，根据本发明的方法可以被加速。

根据本发明的一个方面，在投影数据空间中执行比较步骤。可以在比较步骤之前执行经校正起始图像数据的前向投影。比较步骤可以包括后向投影，以便形成第一图像数据。根据本发明的方法可以包括在图像空间和投影数据空间之间的变化。有利地，可以在结果图像与投影测量数据之间实现更大的一致性。

根据本发明的一个方面，根据本发明的方法进一步包括正则化步骤。正则化可以包括对CT图像中的噪声(特别地局部噪声)进行建模。正则化可以包括基于统计显著性对信息和噪声进行分离。可以在结果图像中实现有利的对比度-噪声比。正则化可以包括减去确认的噪声分量。有利地，可以确保迭代伪像校正的收敛。有利地，可以实现降噪或者剂量减少。

根据本发明的一个方面，第二角度扇区覆盖小于180°的角度。根据本发明的一个方面，第二角度扇区覆盖100°至140°范围内的角度。第二角度扇区可以优选地覆盖110°至130°。第二角度扇区特别地可以优选地覆盖大约120°。有利地，可以实现时间分辨率的提高。

根据本发明的一个方面，根据本发明的方法进一步包括将第一图像数据或者经校正起始图像数据输出作为结果图像的步骤。第一图像数据或者经校正起始图像数据可以被用作结果图像。对于创建或者输出结果图像而言，以第一图像数据或经校正起始图像数据的形式产生结果图像的相应步骤可以具有比其他步骤更大的权重。有利地，可以通过选择第一图像数据或经校正起始图像数据来选择比较步骤或伪像校正步骤的权重或影响。结果图像可以被输出给用户，或者通过另外的步骤而被进一步处理。

根据本发明的一个方面，在伪像校正步骤中，在第一图像数据中校正待检查对象的预定解剖子区域。检查对象可以优选地是病人。预定的解剖子区域可以包括在心脏中。例如，预定的解剖子区域可以包括冠状动脉。例如，预定的子区域可以仅包括至少一个冠状动脉。预定的解剖子区域特别地可以包括诊断所需的感兴趣区域的子区域。有利地，包括解剖图谱的数据库可以包括预定的解剖子区域。有利地，在预定解剖子区域中可以实现对伪像的极好抑制。

本发明进一步涉及一种图像重建设备，该图像重建设备包括用于执行根据本发明的成像方法的部件。图像重建设备或部件包括：生成单元，用于生成第一起始图像数据；选择单元，用于从投影测量数据中选择具有第二角度扇区的部分投影测量数据，其中第二角度扇区是第一角度扇区的子区域；比较单元，用于将第一起始图像数据或经校正起始图像数据与部分投影测量数据进行比较，其中第一图像数据被生成；以及伪像校正单元，用于通过经训练校正单元对第一图像数据进行伪像校正，其中经校正起始图像数据被创建。有利地，在图像重建设备中执行根据本发明的方法。图像重建设备可以被包括在计算单元中。图像重建设备或计算单元可以被包括在计算机断层扫描系统中。例如，图像重建设备可以使用来自云存储装置的投影测量数据或起始图像数据来执行该方法。

本发明进一步涉及一种计算机断层扫描系统，该计算机断层扫描系统具有根据本发明的图像重建设备。有利地，用于图像生成或者伪像校正的方法可以直接地在该计算机断层扫描系统中执行。有利地，可以从投影测量数据中创建结果图像，并且将结果图像显示给用户。

本发明进一步涉及一种具有程序代码的计算机程序，该程序代码当在计算机上执行该计算机程序时用于执行根据本发明的方法。本发明进一步涉及一种具有计算机程序的程序代码的计算机可读数据介质，该程序代码用于当在计算机上执行该计算机程序时执行根据本发明的方法。

本发明进一步涉及一种用于训练校正单元的方法，该方法包括生成步骤和训练步骤。在生成步骤中，训练数据被生成。训练数据可以包括第一起始图像数据和投影测量数据。可以通过计算机断层扫描系统生成训练数据。可以例如通过仿真来人工生成训练数据。该用于训练的方法包括选择步骤，其中从投影测量数据中选择具有第二角度扇区的部分投影测量数据，其中第二角度扇区是第一角度扇区的子区域。结果图像可以是预定的。预定的结果图像可以是伪像减少的或者无伪像的结果图像。该用于训练的方法可以进一步包括比较步骤，其中将第一起始图像数据或经校正起始图像数据与部分投影测量数据进行比较，其中第一图像数据被生成。该用于训练的方法可以进一步包括伪像校正步骤，其中通过经训练校正单元校正第一图像数据，其中经校正起始图像数据被生成。第一图像数据和经校正起始图像数据分别包括感兴趣区域的完整图像。

在训练步骤中，基于训练数据训练识别单元。在训练步骤或者调整步骤中，可以基于训练数据调整校正单元。训练步骤特别地可以包括机器学习方法，其中也可以包括统计方法、映射协议或者人工神经网络。例如，统计方法可以包括模糊逻辑、自组织映射、重采样、模式识别或者支持向量机。机器学习方法可以包括数据挖掘的方面。机器学习方法可以包括符号系统或者子符号系统，例如具有或不具有回归的人工神经网络。机器学习可以包括监控学习、部分监控学习、无监控学习、增强学习或者主动学习。机器学习方法可以包括批量学习(其中全部训练数据同时存在)，并且例如在处理全部训练数据之后由校正单元学习模式和规律。机器学习可以包括连续、增量或者顺序学习方法，其中模式和规律以时间偏移的方式发展。例如，在连续、增量或者顺序学习方法的情况下，在一次执行以及权重调整之后，训练数据可以被丢失。在批量学习的情况下或者在连续、增量或顺序学习方法的情况下，训练数据可以以存储格式被获得，并且训练数据可以被重复访问。例如，机器学习方法可以包括深度学习方法或浅层学习方法。有利地，可以将来自已知训练数据的知识应用于未知的部分投影测量数据。有利地，校正单元可以由于训练而能够进行可靠的伪像校正。来自该成像方法的投影测量数据也可以被用于训练校正单元，例如，以便于改善由于数据库越来越大而导致的特征或参数出现的统计概率。通过训练单元可以执行训练方法。训练单元可以被包括在计算单元中。

附图说明

下文参考附图更详细地解释本发明的示例性实施例，附图示出：

图1是根据第一实施例的根据本发明的成像的方法的示意性表示；

图2是根据第二实施例的根据本发明的成像的方法的示意性表示；

图3是根据第三实施例的根据本发明的成像的方法的示意性表示；

图4是根据本发明的训练校正单元的方法的示意性表示；以及

图5是根据本发明的计算机断层扫描系统的概念的示意图。

具体实施方式

图1示出了根据第一实施例的根据本发明的成像的方法V的示例性实施例。方法V用于基于投影测量数据S1对待检查对象的感兴趣区域进行成像，该投影测量数据S1在如下期间被记录，该期间是X射线源-检测器系统围绕待检查对象在至少180°的第一角度扇区内旋转运动的期间。可以在第一记录步骤V1中记录投影测流量数据S1。方法V包括生成步骤V2、选择步骤V3、比较步骤V4以及伪像校正步骤V5。在生成步骤V2中，生成第一起始图像数据B1。在选择步骤V3，从投影测量数据S1中选择具有第二角度扇区的部分投影测量数据S1a，其中第二角度扇区是第一角度扇区的子区域。第二角度扇区覆盖小于180°的角度。第二角度扇区优选地覆盖100°至140°范围内的角度，特别地优选为120°。在比较步骤V4中，将第一起始图像数据B1或者经校正起始图像数据Bn与部分投影测量数据S1a进行比较，其中第一图像数据BSn被生成。在伪像校正步骤V5中，通过经训练校正单元ML来校正第一图像数据BSn，其中(新的)经校正起始图像数据Bn被生成。第一图像数据BSn和经校正起始图像数据Bn分别包括感兴趣区域的基本完整图像。在输出步骤V6、V6’中，第一图像数据BSn或者经校正起始图像数据Bn可以被输出作为结果图像。经训练校正单元ML基于机器学习方法、统计方法、映射协议、数学函数、人工神经网络或者学习数据库。在生成步骤V2中，基于投影测量数据S1生成起始图像数据B1。备选地，在生成步骤V2中，可以独立于投影测量数据S1生成起始图像数据B1。比较步骤V4和伪像校正步骤V5被迭代执行，其中在第一次(n＝1)迭代中，将第一起始图像数据B1与部分投影测量数据S1a进行比较，以及在至少另外一次(n>1)迭代中，将经校正起始图像数据Bn与部分投影测量数据S1a进行比较。在伪像校正步骤V5中，优选地，可以校正在第一图像数据BSn中的检查对象的预定解剖子区域。

图2示出了根据第二实施例的根据本发明的成像的方法的示例性实施例。在生成步骤V2中，通过加权滤波反投影WFBP1，基于投影测量数据S1生成第一起始图像数据B1。在此，存在从投影数据空间RP到图像空间RB的转换。在示意图中，虚线将投影数据空间RP与图像空间RB分离。备选地，在生成步骤V2中，可以独立于投影测量数据S1生成起始图像数据B1。在第一次迭代中，将第一起始图像数据B1与部分投影测量数据S1a进行比较。在此，可以通过前向投影FP将起始图像数据B1转换回投影数据空间RP，使得在投影数据空间中执行比较步骤V4。通过从部分投影测量数据S1a和起始图像数据B1的前向投影FP形成差异数据记录，以生成经校正图像数据K。可以通过加权滤波反投影WFBP从差异数据记录创建经校正图像数据K。经校正图像数据K可以被用在图像空间RB中，以便通过将校正图像数据K和起始图像数据B1相加来生成第一图像数据BSn。在伪像校正步骤V5中，通过经训练校正单元ML校正第一图像数据BSn，其中经校正起始图像数据Bn被创建。经训练校正单元ML获得第一图像数据BSn作为输入值。经训练校正单元ML使用第一图像数据BSn，以作为用于确定伪像校正分量的基础。伪像校正分量与第一图像数据BSn相加以形成经校正起始图像数据Bn。

在另一些迭代中，通过前向投影FP将经校正起始图像数据Bn转换回投影数据空间RP中，使得在投影数据空间RP中执行比较步骤V4。在另一些迭代中，将经校正起始图像数据Bn与部分投影测量数据S1a进行比较。在此，可以通过前向投影FP将经校正起始图像数据Bn转换回投影数据空间RP中，使得在投影数据空间RP中执行比较步骤V4。通过从部分投影测量数据S1a和经校正起始图像数据Bn的前向投影FP形成差异数据记录，以生成校正图像数据K。通过加权滤波反投影WFBP，来从差异数据记录创建校正图像数据K。校正图像数据K可以被用在图像空间RB中，以便通过将校正图像数据K和经校正起始图像数据Bn相加，来生成第一图像数据BSn。

该方法可以进一步包括正则化步骤V7，其中正则化V7基于部分投影测量数据S1a，并且在校正图像数据K与起始图像数据B1或经校正起始图像数据Bn的求和中对正则化V7进行考虑。

图3示出了根据第三实施例的根据本发明的成像的方法的示例性实施例。在生成步骤V2中，通过加权滤波反投影WFBP1，基于投影测量数据S1生成第一起始图像数据B1。备选地，在生成步骤V2中，可以独立于投影测量数据S1生成起始图像数据B1。在第一次迭代中，将第一起始图像数据B1与部分投影测量数据S1a进行比较，其中通过一次性加权滤波反投影MWFBP将部分投影测量数据S1a转换到图像空间RB中，使得在图像空间RB中执行比较步骤V4。可以通过从部分投影测量数据S1a的一次性加权滤波反投影以及起始图像数据B1形成差异数据记录，以生成校正图像数据K。差异数据记录与校正图像数据K相对应。通过将校正图像数据K和起始图像数据B1相加，校正图像数据K可以被用于生成第一图像数据BSn。在伪像校正步骤V5中，通过经训练校正单元ML校正第一图像数据BSn，其中经校正起始图像数据Bn被创建。该经训练校正单元ML接收第一图像数据BSn，以作为输入变量。经训练校正单元ML基于第一图像数据BSn来确定伪像校正分量。将伪像校正分量与第一图像数据BSn相加，以形成经校正起始图像数据BSn。

在另一些迭代中，将经校正起始图像数据Bn与部分投影测量数据S1a进行比较，其中在另一些迭代中，再次使用部分投影测量数据S1a的一次性加权滤波反投影MWFBP，而不重复部分投影测量数据S1a的加权滤波反投影。可以通过以下两者形成差异数据记录以生成校正图像数据K：从部分投影测量数据S1a的一次性加权滤波反投影，以及经校正起始图像数据Bn。差异数据记录与校正图像数据K相对应。通过将校正图像数据K和经校正起始图像数据Bn相加，校正图像数据K被用于生成第一图像数据BSn。

图4示出了根据本发明的用于训练校正单元的方法的示例性实施例。本发明进一步涉及用于训练校正单元的方法T，该方法T包括生成步骤T1和训练步骤T5。在生成步骤T1中，训练数据得以生成。例如，该训练数据包括第一起始图像数据和投影测量数据。可以通过计算机断层扫描系统生成训练数据。备选地，可以例如通过仿真来人工生成训练数据。用于训练的方法T可以包括选择步骤T2，其中从投影测量数据中选择具有第二角度扇区的部分投影测量数据，其中第二角度扇区是第一角度扇区的子区域。结果图像可以是预定的。该预定的结果图像可以是伪像减少的或者无伪像的结果图像。用于训练的方法T可以进一步包括比较步骤T3，其中将第一起始图像数据或者经校正起始图像数据与部分投影测量数据进行比较，其中第一图像数据被生成。用于训练的方法T可以进一步包括伪像校正步骤T4，其中通过经训练校正单元校正第一图像数据，其中经校正起始图像数据被创建。第一图像数据和经校正起始图像数据可以各自包括感兴趣区域的完整图像。在训练步骤T5中，基于训练数据来训练识别单元。在训练步骤T5或者调整步骤中，可以基于训练数据来调整校正单元。训练步骤T5可以特别地包括机器学习方法，其中训练步骤T5还可以包括统计方法、映射协议或者人工神经网络。

例如，统计方法包括模糊逻辑、自组织映射、重采样、模式识别或者支持向量机。机器学习方法可以包括数据挖掘的方面。机器学习方法可以包括符号系统或者子符号系统，例如，具有或者不具有回归的人工神经网络。机器学习可以包括监控学习、部分监控学习、无监控学习、增强学习或者主动学习。机器学习方法可以包括批量学习(其中全部训练数据同时存在)，并且例如在处理全部训练数据之后由校正单元学习模式和规律。机器学习可以包括连续、增量或者顺序学习方法，其中模式和规律以时间偏移的方式发展。在连续、增量或者顺序学习方法的情况下，例如，在一次执行以及调整权重之后，训练数据可以被丢失。在批量学习的情况下或者在连续、增量或顺序学习方法的情况下，训练数据可以以存储格式被获得，并且训练数据可以被重复访问。例如，机器学习方法可以包括深度学习方法或浅层学习方法。通过训练单元执行训练方法。例如，训练单元被包括在计算单元中。

图5示出了用于执行根据本发明的成像的方法的根据本发明的计算机断层扫描系统31的示例性实施例。计算机断层扫描系统31包括具有转子35的机架33。转子35包括X射线源37和检测器装置29。检查对象39被支撑在患者工作台41上，并且检查对象39可以沿着旋转轴线z 43移动通过机架33。计算机断层扫描系统31进一步包括计算单元45。图像重建设备50被用于控制和计算图像切片，并且被用于执行根据本发明的特别地用于成像的方法。图像重建设备50可以包括生成单元51、选择单元52、比较单元53和伪像校正单元54。图像重建设备50可以被包括在计算单元45中。输入设备47和输出设备49连接到计算单元45。计算单元45可以进一步包括训练单元61。具有计算机程序的程序代码的计算机可读数据介质可以被计算单元45读取或者被包括在计算单元45中，以便当在计算机或者计算单元45上执行该计算机程序时执行成像的方法。

尽管通过优选的示例性实施例更详细地说明了本发明，但是本发明不受所公开的示例的限制，并且本领域技术人员可以在不脱离本发明的保护范围的情况下从中得到其他变型。

Claims (15)

1.一种基于投影测量数据(S1)对一个待检查对象(39)的一个感兴趣区域进行成像的方法(V)，所述投影测量数据(S1)在一个X射线源-检测器系统(29、37)围绕所述待检查对象(39)在至少180°的第一角度扇区中的旋转运动的期间被记录，所述方法包括以下多个步骤：

-生成(V2)第一起始图像数据(B1)，

-从所述投影测量数据(S1)中选择(V3)具有第二角度扇区的部分投影测量数据(S1a)，其中所述第二角度扇区是所述第一角度扇区的一个子区域，

-将所述第一起始图像数据(B1)或者经校正起始图像数据(Bn)与所述部分投影测量数据(S1a)进行比较(V4)，其中第一图像数据(BSn)被生成，

-通过一个经训练校正单元(ML)对所述第一图像数据(BSn)进行伪像校正(V5)，其中所述经校正起始图像数据(Bn)被创建，以及

其中所述第一图像数据(BSn)和所述经校正起始图像数据(Bn)分别包括所述感兴趣区域的一个基本完整图像。

2.根据权利要求1所述的方法(V)，其中所述经训练校正单元基于一种机器学习方法、一种统计方法、一种映射协议、多种数学函数、一种人工神经网络或者一种学习数据库。

3.根据权利要求1至权利要求2中任一项所述的方法(V)，其中在所述生成步骤(V2)中，基于所述投影测量数据(S1)生成所述起始图像数据(B1)。

4.根据权利要求1至权利要求2中任一项所述的方法(V)，其中在所述生成步骤(V2)中，独立于所述投影测量数据S1生成所述起始图像数据(B1)。

5.根据权利要求1至权利要求2中任一项所述的方法，其中所述比较步骤和所述伪像校正步骤被迭代执行，其中在第一次迭代中，将所述第一起始图像数据(B1)与所述部分投影测量数据(S1a)进行比较，以及在至少另一次迭代中，将所述经校正起始图像数据(Bn)与所述部分投影测量数据(S1a)进行比较。

6.根据权利要求1至权利要求2中任一项所述的方法，其中在图像空间(RB)中执行所述比较步骤(V4)。

7.根据权利要求1至权利要求2中任一项所述的方法，其中在投影数据空间(RP)中执行所述比较步骤(V4)。

8.根据权利要求1至权利要求2中任一项所述的方法，进一步包括一个正则化步骤。

9.根据权利要求1至权利要求2中任一项所述的方法(V)，其中所述第二角度扇区覆盖一个小于180°的角度。

10.根据权利要求9所述的方法(V)，其中所述第二角度扇区覆盖一个100°到140°范围内的角度。

11.根据权利要求1至权利要求2中任一项所述的方法，进一步包括以下步骤：输出(V6、V6’)所述第一图像数据(BSn)或者所述经校正起始图像数据(Bn)作为一个结果图像。

12.根据权利要求1至权利要求2中任一项所述的方法，其中在所述伪像校正步骤(V5)中，在所述第一图像数据(BSn)中校正所述待检查对象(39)的一个预定解剖子区域。

13.一种图像重建设备(50)，所述图像重建设备(50)包括用于执行根据权利要求1至权利要求12之一所述方法(V)的多个部件，所述图像重建设备(50)包括：

-生成单元(51)，所述生成单元(51)用于生成(V2)第一起始图像数据(B1)，

-选择单元(52)，所述选择单元(52)用于从所述投影测量数据(S1)中选择(V3)具有第二角度扇区的部分投影测量数据(S1a)，其中所述第二角度扇区是所述第一角度扇区的一个子区域，

-比较单元(53)，所述比较单元(53)用于将所述第一起始图像数据(B1)或者经校正起始图像数据(Bn)与所述部分投影测量数据(S1a)进行比较，其中第一图像数据(BSn)被生成，以及

-伪像校正单元(54)，所述伪像校正单元(54)用于通过一个经训练校正单元(ML)对所述第一图像数据(BSn)进行伪像校正(V5)，其中所述经校正起始图像数据(Bn)被创建。

14.一种计算机断层扫描系统，所述计算机断层扫描系统具有根据权利要求13所述的图像重建设备(50)。

15.一种具有一个计算机程序的程序代码的计算机可读数据介质，所述程序代码用于当在计算机上执行所述计算机程序时执行根据权利要求1至权利要求12中任一项所述的方法(V)。

Images