CN109523602A - 迭代重建优化方法、装置和计算机可读介质 - Google Patents

Abstract

本发明涉及迭代重建优化方法，包括确定第一重建区域；确定第二重建区域，所述第二重建区域包括所述第一重建区域和扩展重建区域，所述扩展重建区域包括数据不充分区域；对所述第二重建区域，执行多次迭代重建，获得医学图像；执行多次迭代重建时，其中至少一次迭代重建期间对所述数据不充分区域不更新或以校正策略进行更新。本发明还涉及相应的装置和计算机可读介质。

Description

迭代重建优化方法、装置和计算机可读介质

技术领域

本发明一般涉及医学图像处理，尤其涉及例如CT、PET等图像的迭代重建。

背景技术

与传统滤波反投影(FBP)重建相比，基于模型的迭代重建算法(MBIR)考虑了数据采集过程中的几何光学模型和统计噪声模型。在重建过程中，不断迭代修改重建结果使得重建图像在算法所考虑的模型下与生数据符合并且满足图像先验条件。

几何光学模型是考虑x射线穿过物体后在探测器上成像的过程。与真实的采集过程相比，它首先需要考虑的是对一个连续物体的离散化或是像素化过程。针对像素化的物体上的每一个像素，x射线在探测器每一个单元上的投影都可以依照几何关系给出近似结果。

统计噪声模型则是根据成像原理中噪声产生的物理机制所获得的生数据自身的噪声大小。对于不同噪声大小的数据可以用一个与噪声成反比的权重值对生数据采取加权。

迭代重建试图找到基于上述两个模型并且满足生数据一致性与图像先验条件的解。

然而，在迭代重建中，可能存在数据不充分区域。在迭代期间，由于缺乏数据对该区域像素进行匹配，因此该区域的误差会随着迭代过程被放大，发散。即便该区域的数据中的数值错误即便初始只存在于少量体素中，但在数轮迭代后将被传播到附近区域或甚至整个目标区域中并引起最终图像中的显著伪影。

由此，本领域希望有能够解决迭代重建中的数据不充分区域及其他问题的方案。尤其需要开发改善的更新策略。

发明内容

本发明的一方面涉及一种迭代重建优化方法，包括：确定第一重建区域；确定第二重建区域，所述第二重建区域包括所述第一重建区域和扩展重建区域，所述扩展重建区域包括数据不充分区域；对所述第二重建区域，执行多次迭代重建，获得医学图像；其特征在于，执行多次迭代重建时，其中至少一次迭代重建期间对所述数据不充分区域不更新或以校正策略进行更新。

在一示例性实施例中，所述校正策略包括调整所述第二重建区域的先验函数，并且在所述至少一次迭代重建期间利用所述第二重建区域的经调整的先验函数来对所述数据不充分区域进行更新。

在另一示例性实施例中，所述调整所述先验函数在所述至少一次迭代重建期间对所述数据不充分区域的作用进一步包括更新所述先验函数的权重。

在又一示例性实施例中，更新所述先验函数的权重包括：确定所述第二重建区域中每一个像素上的数据充分性；以及基于所确定的数据充分性来更新所述先验函数的权重。

在进一步的示例性实施例中，基于所确定的数据充分性来更新所述先验函数的权重包括基于影响所述第二重建区域中每一个像素的位置的投影数据的个数来更新所述先验函数的权重。

在又一示例性实施例中，所述数据不充分区域包括以下至少一种：完全没有数据的区域、有数据但数据不充分的区域或上述两者的组合，其中对于完全没有数据的区域，所述至少一次迭代重建期间对所述数据不充分区域不更新。

在另一示例性实施例中，所述执行多次迭代重建包括：(i)生成迭代种子图像；(ii)针对正投影来扩展所述种子图像并将经扩展的种子图像设为当前图像；(iii)基于生数据对扩展种子图像进行正投影并获得正投影数据；(iv)对生数据与正投影数据之差进行反投影；(v)基于所述当前图像和所述(iv)获得的图像来计算更新函数；(vi)基于所述更新函数对所述当前图像进行更新；以及(vii)迭代地执行(iii)–(vi)直至达到终止条件，其中对于所述至少一次迭代重建，对所述数据不充分区域不更新或以校正策略进行更新在所述(v)期间进行。

本发明的其他方面涉及相应的装置和计算机可读介质。

附图说明

图1示出了沿轴向扩展重建区域的示图。

图2示出了一种扫描模式中扩展重建区域中缺少对应数据的区域的示图。

图3示出了根据本发明的一方面优化后的图像。

图4示出了根据本发明的一方面的计算Rj的方法的流程图。

图5示出了根据本发明的一方面的连续的Rj(左)与二值的Rj(右)。

图6示出了由于数据不充分产生的伪影以及在更新过程中采用Rj后伪影消除的效果。

图7示出了根据本发明的一方面的方法的流程图。

具体实施方式

为了更好地理解本发明的技术方案，下面结合附图对本发明实施例进行详细描述。

应当明确，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。

一般而言，迭代重建算法的目标是将例如下面所示的损失函数最小化：

可以采取不同的数值迭代解法求解此方程。例如，可以采用牛顿法获得迭代更新公式：

其中U为图像，Y为投影数据，W_s为投影数据所对应的噪声权重。Alpha和beta为迭代参数。FP()表示正投影操作，BP()表示反投影操作，R()是正则化函数，和分别为前述正则化函数R的一阶导数和二阶导数。

其他的迭代方法有梯度下降法或是共轭梯度法等，它们也可用于求解上面的损失函数最小化问题。

为了保证在正反投影过程中，每一条影响到重建区域的射线都能够被准确计算，我们需要沿轴向扩展重建区域。如图1中所示，中部浅灰色为目标重建区域或称严格重建范围，边界的深灰色为扩展重建区域。这两者相组合即为迭代期间的重建范围。具体而言，扩展重建区域的长度可如下计算：

Len1＝HalfCollimation*FOV/(SID+HalfFOV)； (3)

Len2–HalfCollimation*FOV/SID。 (4)

其中，FOV为视野，HalfCollimation为半准直宽度，即FOV中心处锥束投影射线在z方向的范围的一半，SID为源与图像的距离。View(1)为第一个投影数据，它在z方向的范围用黑色射线表示，对应于这个投影的灰色射线是会影响到浅灰色重建区域的z方向最靠外的射线，它所对应需要扩展的图像范围为Len1。View(1)下方的View(2)，由一条灰色射线和一条黑色射线构成，从另一个方向决定了需要扩展的图像范围为Len2。图像下方的计算与上方是对称的。如所可理解的，View(1)和View(2)仅为示例，其间可以有其他的View(未示出)，其总数例如可为Vmax。

由此，扩展重建区域的长度为max(Len1,Len2)。在此基础上，如果扩展图像不存在，则可使用例如边界图像；而如果扩展图像存在，则可使用例如根据扩展重建区域的长度来扩展的图像。

借助于扩展重建区域，此算法保证了目标重建区域的每一个像素所对应的射线的数据充分性。然而，扩展重建区域的某些像素在该正反投影几何下会缺少对应的数据。

例如，在迭代重建中，要重建的目标区域通常在z方向上延伸。因此通过正确地使用某种3D正投影方法就能估计与目标区域的切片有关的投影。然而，在一些情况下(例如，螺旋扫描和轴向扫描均是)，这些扩展区域会有数据不足的问题。这些扩展区域中，并非所有体素均有投影射线穿过。因此，在反投影过程中，未被投影射线穿过的体素就将具有零值。

在迭代重建期间的更新函数中经常采用正则项。这些正则项(诸如TV或GGMRF函数)一般与体素(诸如U(x_i)–U(x_j))的3D导数有关。在图像扩展区域中，扩展图像在这些函数中的导数为可能为零，由于没有射线穿过这些区域，迭代更新将完全取决于正则化项，由此导致迭代图像中出现错误的值。由于迭代重建使用一系列的正投影和反投影循环来在生数据的基础上达到最优解，因此在迭代期间数据中的数值错误即便初始只存在于少量体素中，但在数轮迭代后将被传播到整个目标区域中并引起最终图像中的显著伪影。

图2中示出了此类情形的一个示例。例如，对于Axial扫描模式，扩展重建区域中将存在缺少对应数据的区域。在图2的示例中，这样的区域呈两个碗状，分别位于图像上下侧的扩展重建区域中，如图2中所示。

在这部分区域中，如式(2)的迭代更新公式中的BP(W_s·(FP(U^n-1)-Y))的结果为零，因此该区域的更新完全取决于先验函数，即正则化函数R(U)。在迭代过程中，由于缺乏数据对该区域像素进行匹配，因此该区域的误差会随着迭代过程被放大，发散。并且，由于先验函数R(U)的计算要考虑近邻的像素，因此该区域的误差会影响到相邻区域，并逐步向内扩展。最后，该错误的影响范围可能会到达目标重建区域，产生伪影。

对于螺旋扫描模式(图中未示出)，类似的数据不充分的区域往往会出现在扩展区域图像的边缘，呈现一个数据由充分过渡到完全缺失的一个连续的带。在数据不充分区域，尽管BP(W_s·(FP(U^n-1)-Y))的结果不为零，但由于数据量太少，同样可能出现误差积累放大并且影响到周边区域的情况。

针对现有技术的前述问题，我们可以采取多种方案对数据完全缺失、不充分区域、或其混合区域进行特殊处理，从而避免出现图像伪影。

在迭代重建中，重建区域中可能包括扩展重建区域。在扩展重建区域中则可能包括数据充分区域和/或数据不充分区域。现有技术中直接对此重建区域进行迭代重建，可能会带来前述问题。为此，本发明在执行多次迭代重建时，在其中至少一次迭代重建期间，对数据不充分区域的使用特定的更新策略。

在一方面，例如，针对完全没有数据的区域，即如前式(2)中的BP(W_s·(FP(U^n-1)-Y))＝0的区域，一种示例性的处理方法是在迭代过程中，把该区域的图像值限制在可控范围内。例如，根据一示例性而非限定性的实施例，可以不更新该区域的图像。尽管此时图像值可能并不满足希望最小化的函数，但是它所能产生的误差会被限制在迭代算法能够自我纠正的范围内，因此不会产生误差发散的情况。

本领域普通技术人员可以理解，把该区域的图像值限制在可控范围内还可以有其他办法。例如，给更新图像的值设置阈值，等等。

在另一方面，针对存在虽然有数据但数据不充分区域，例如前式(2)中的BP(W_s·(FP(U^n-1)-Y))不等于0但较小(例如，低于阈值、低于阈值比例等或其他情况)的区域的情况，可以在执行多次迭代重建时，在其中至少一次迭代重建期间对所述数据不充分区域以校正策略进行更新。例如，根据一个示例性而非限定性的实施例，可调整所使用的更新公式的先验函数，例如可以针对数据不充分区域，调整先验函数的权重以使得所述数据不充分区域的影响被限制。又如，可以对先验函数的值取阈以使得所述数据不充分区域的影响被限制。

根据一个示例性而非限定性的实施例，可计算每一个像素上的数据充分性，以Rj矩阵表示，其中Rj矩阵中的每一个元素可表示图像矩阵中的相应位置是否被充分数目的投影数据所影响，并因此表示数据充分性。在一示例性实施例中，当被至少阈值个数的投影数据影响时，则相应位置上数据充分。而当影响该位置的投影数据个数低于该阈值时，则表明相应位置上数据不充分。在没有任何投影数据影响该位置时，则认为该位置上完全没有数据。根据一示例，对于归一化的数据充分性，0表示完全没有数据，而1表示具有充分的数据。相应地，Rj矩阵的每一个元素的值可以基于相应位置上的数据充分性。基于所计算出的代表数据充分性的Rj矩阵，来更新所述先验函数的权重，以用于把该区域的图像值限制在可控范围内。

根据一个示例性而非限定性的实施例，Rj的计算取决于数据的采样过程。例如，可使用投影数据Y的几何参数，对一个与重建图像范围相同的图像矩阵Dj做正投影，以获得一套投影数据Y’。例如，该图像矩阵中所有可能有被扫描物体的区域都被置为1，其余区域被置为0。根据一示例性而非限定性实施例，几何参数可以指数据真实采集过程中射线源与被扫描物体以及探测器的几何关系，如光源角度，病床位置，光源、旋转中心和探测器之间的相对距离等。从而，对此图像做正投影所获得的数据Y’表示了所有可能包含信息的投影数据。在同样的几何下，对于该投影数据Y’中的每一个投影y’进行反投影，若该反投影在图像上某些位置处有值，则在另一个与反投影图像矩阵同样尺寸的矩阵Rj中的相应位置的值计数加一。该计数则能够表示图像矩阵中此位置被多少个投影数据影响(每一个投影数据的影响会增加1计数)。当对投影数据Y’中的每一个投影y’进行了上述操作之后，即获得最终的Rj矩阵。如所可理解，Rj中为零的部分可被认为是完全没有数据的区域，而Rj中非全零的子部分可被认为是数据不充分的区域。

为了基于所计算出的Rj矩阵来更新所述先验函数的权重，根据一示例性而非限定性的实施例，可在更新公式(2)中将所获得的Rj作为权重引入得到：

这样，在数据不充分区域中(例如前式(2)中的BP(W_s·(FP(U^n-1)-Y))等于0或较小的区域)，由于先验函数受到数据充分性(例如，Rj)的加权而被调整，故而该区域的图像值被限制在可控范围内。这样避免了误差累计放大。如本领域普通技术人员可知，尽管本发明中以采用牛顿法获得迭代更新公式为例，但是本领域任何以往、现在或将来技术所获得的迭代更新公式均能通过上述方法来根据数据不充分性调整先验函数的影响，因而也均在本发明的范围之内。

以下结合图4描述根据本发明的一方面的计算Rj的方法400的流程图。在410，可构造与重建图像矩阵几何范围相同的Rj。如本领域普通技术人员所能理解，尽管Dj和Rj矩阵的大小可以相同且它们与重建图像矩阵大小可以不同，但它们与重建图像矩阵大小的几何范围可以相同。如下文将进一步描述的，在重建几何范围相同的情况下，使用较小的Dj和Rj矩阵可以达到减少计算量的目的。根据一个示例性实施例，该Rj可为全零矩阵。根据一示例性而非限定性的实施例，在420，构造与重建图像矩阵几何范围相同的矩阵Di，其中可将可能有被扫描物体区域置1，其余区域置0。在430，对该矩阵，采用与投影数据Y相同的几何进行正投影，获得正投影数据Y’。在440，对于Y’中每一个正投影数据y’，将其乘以投影数据对应的权重Ws(y)，并在另一个与重建图像矩阵几何范围相同的矩阵Dj(y)上进行反投影。根据一示例性实施例，权重Ws(y)可以通过投影的统计特性得到。但如本领域普通技术人员所能明了，也可以不使用权重。另外，矩阵Dj(y)的每个元素可以被初始化为零。在450，对于Dj(y)上大于某个数值的像素，在Rj矩阵中相应位置计数加1。在460，重复440与450直到所有投影数据Y’均被计算，从而获得最终的Rj矩阵。根据一替换实施例，也可在对Rj矩阵中的相应位置计数到达阈值后停止计数。

如此获得的Rj矩阵中，每个元素的值是相应位置计数，其表示对应的位置受到多少个投影数据影响。为0的元素对应于完全没有数据的位置，不为0的元素对应于有数据的位置，其中数值越大，表明此元素所对应的位置上数据越充分。如本领域普通技术人员所知，在此情形中，根据一示例性实施例，Rj矩阵元素的取值范围可以例如从0到Vmax，其中Vmax取决于投影的总数。在根据上述替换实施例的情形中，到达阈值的元素值即表明相应位置上数据足够充分，而未到达阈值的元素可表明相应位置上数据可能不够充分。

根据另一示例性而非限定性的实施例，Rj的计算可以在降采样条件下进行，即，Rj矩阵的大小可以例如小于重建图像矩阵的大小，但它与重建图像矩阵大小的几何范围可以相同。随后通过插值将Rj恢复到迭代重建所需要的大小，例如恢复到与重建图像矩阵大小一致。在重建几何范围相同的情况下，使用较小的Rj矩阵可以达到减少计算量的目的。

根据另一示例性而非限定性实施例，Rj可以是连续变化的。例如，为了消除投影总数变动的影响，可进一步对如根据图4的示例所计算出的Rj的元素值进行归一化，例如，可把[0,Vmax]范围的元素值通过例如除以Vmax来归一化到[0,1]的范围中。相应地，Rj中为1(或至少大于等于阈值)的元素值表明对应的位置属于数据充分区域，为0的元素值表明对应的位置属于完全没有数据的区域，大于0但小于1(或至少小于阈值)的元素值表明对应的位置有数据但可能不够充分。

根据另一实施例，为减少计算量，Rj的元素也可以是通过阈值控制的二值形式(非0即1)在一示例性实施例中，可对Rj的每个元素进行阈值控制。例如，大于阈值的元素可被置为1，而小于阈值的元素可被置为0。

相应地，在迭代重建中用Rj对先验函数进行加权(例如，参见式(5))便起到了调节先验函数的作用。例如，数据充分区域(例如，Rj的相应元素值大于阈值，或对于归一化的情形，Rj的相应元素等于1)中，先验函数基本不受影响；完全没有数据的区域(例如，Rj的相应元素等于0)中，其与先验函数相乘便使得该区域的图像不被更新；而对于有数据但是数据不充分的区域(例如，Rj中的相应元素大于0但小于1)，其与先验函数相乘导致先验函数在更新中的贡献被相应地减弱。

图5示出了根据一示例的连续的Rj(左)与二值的Rj(右)。图6示出了由于数据不充分产生的伪影以及在更新过程中采用Rj后伪影消除的效果。

在进一步的方面，对于数据完全缺失区域与数据不充分区域的混合区域，可采用上述方法的各种组合。如本领域普通技术人员所可明了，通过将此类混合区域合理地划分为完全缺失区域和数据不充分区域(以及可能还有数据充分区域)，可以减少计算量并提高计算效率。

图7示出了根据本发明的一示例性方面的迭代重建的方法700的流程图。该方法可包括在710，采集生投影数据。该方法可进一步包括在720生成迭代种子图像和噪声估计数据。在730，该方法可针对正投影(FP)，即之前的轴向扩展，来扩展种子图像，并将其设为当前图像。在740，该方法包括基于生数据对扩展后的种子图像进行正投影并获得正投影数据。在750，该方法包括对生数据与正投影数据之差乘以噪声权重W_s(y)后，再进行反投影。在760，该方法包括用例如TV正则化和牛顿法基于当前图像和反投影差数据所获得的图像来计算更新函数。在770，该方法包括在反投影差数据为零之处，将更新函数数据设为零。在780，该方法包括用更新函数数据来更新当前图像。如本领域普通技术人员所知，步骤760-780可以用上文所描述的任何更新优化方法或其组合来执行。在790，该方法包括迭代地执行步骤740到780，直至达到了终止条件。例如，终止条件可包括达到所设定的迭代次数。如本领域普通技术人员所知，也可以使用其他终止条件，例如可利用阈值、收敛速度等。

如本领域普通技术人员可知，以上方法700的步骤770以将更新函数数据设为零(即，不更新该区域的图像)的方案为例。但是此处也可以采用上文所描述的任何更新方法或其任何组合。例如，可以采用前述构造Rj矩阵来调整先验函数在数据不充分区域的影响的更新方法。本领域普通技术人员还可明了，本发明并不被方法700的各个步骤的具体描述所限定，只要其利用了本发明所阐述的发明实质便应落入本发明的范围之内。

本领域普通技术人员应理解，本发明的有益效果并非由任何单个实施例来全部实现。各种组合、修改和替换均为本领域普通技术人员在本发明的基础上所明了。

此外，术语“或”旨在表示包含性“或”而非排他性“或”。即，除非另外指明或从上下文能清楚地看出，否则短语“X”采用“A”或“B”旨在表示任何自然的可兼排列。即，短语“X”采用“A”或“B”藉由以下实例中任何实例得到满足：X采用A；X采用B；或X采用A和B两者。属于“连接”与“耦合”可表示相同含义，表示两器件的电气连接。另外，本申请和所附权利要求书中所用的冠词“一”和“某”一般应当被理解成表示“一个或多个”，除非另外声明或者可从上下文中清楚看出是指单数形式。

各个方面或特征将以可包括数个设备、组件、模块、及类似物的系统的形式来呈现。应理解和领会，各种系统可包括附加设备、组件、模块等，和/或可以并不包括结合附图所讨论的全部设备、组件、模块等。也可以使用这些办法的组合。

结合本文所发明的实施例描述的各种说明性逻辑、逻辑块、模块、和电路可用通用处理器、数字信号处理器(DSP)、专用集成电路(ASIC)、现场可编程门阵列(FPGA)或其它可编程逻辑器件、分立的门或晶体管逻辑、分立的硬件组件、或其设计成执行本文所描述功能的任何组合来实现或执行。通用处理器可以是微处理器，但在替换方案中，处理器可以是任何常规的处理器、控制器、微控制器、或状态机。处理器还可以被实现为计算设备的组合，例如DSP与微处理器的组合、多个微处理器、与DSP核心协同的一个或多个微处理器、或任何其它此类配置。此外，至少一个处理器可包括可作用于执行以上描述的一个或多个步骤和/或动作的一个或多个模块。例如，以上结合各个方法描述的实施例可以通过处理器和耦合到处理器的存储器来实现，其中该处理器可被配置成执行前述任何方法的任何步骤或其任何组合。

此外，结合本文中所发明的方面描述的方法或算法的步骤和/或动作可直接在硬件中、在由处理器执行的软件模块中、或在这两者的组合中实施。例如，以上结合各个方法描述的实施例可以通过存储有计算机程序代码的计算机可读介质来实现，其中该计算机程序代码在由处理器/计算机执行时执行前述任何方法的任何步骤或其任何组合。

本发明中通篇描述的各种方面的要素为本领域普通技术人员当前或今后所知的所有结构上和功能上的等效方案通过引述被明确纳入于此，且意在被权利要求书所涵盖。此外，本文所发明的任何内容都并非旨在贡献给公众——无论这样的发明是否在权利要求书中被显式地叙述。

Claims (10)

1.一种迭代重建优化方法，包括：

确定第一重建区域；

确定第二重建区域，所述第二重建区域包括所述第一重建区域和扩展重建区域，所述扩展重建区域包括数据不充分区域；

对所述第二重建区域，执行多次迭代重建，获得医学图像；

其特征在于，执行多次迭代重建时，其中至少一次迭代重建期间对所述数据不充分区域不更新或以校正策略进行更新。

2.如权利要求1所述的迭代重建优化方法，其特征在于，所述校正策略包括调整所述第二重建区域的先验函数，并且在所述至少一次迭代重建期间利用所述第二重建区域的经调整的先验函数来对所述数据不充分区域进行更新。

3.如权利要求2所述的迭代重建优化方法，其特征在于，所述调整所述第二重建区域的先验函数进一步包括更新所述先验函数的权重。

4.如权利要求3所述的迭代重建优化方法，其特征在于，更新所述先验函数的权重包括：

确定所述第二重建区域中每一个像素上的数据充分性；以及

基于所确定的数据充分性来更新所述先验函数的权重。

5.如权利要求4所述的迭代重建优化方法，其特征在于，基于所确定的数据充分性来更新所述先验函数的权重包括基于影响所述第二重建区域中每一个像素位置的投影数据的个数来更新所述先验函数的权重。

6.如权利要求1所述的迭代重建优化方法，其特征在于，所述数据不充分区域包括以下至少一种：完全没有数据的区域、有数据但数据不充分的区域或上述两者的组合，其中对于完全没有数据的区域，所述至少一次迭代重建期间对所述数据不充分区域不更新。

7.如权利要求1所述的迭代重建优化方法，其特征在于，所述执行多次迭代重建包括：

(i)生成迭代种子图像；

(ii)针对正投影来扩展所述种子图像并将经扩展的种子图像设为当前图像；

(iii)基于生数据对扩展种子图像进行正投影并获得正投影数据；

(iv)对生数据与正投影数据之差进行反投影；

(v)基于所述当前图像和所述(iv)获得的图像来计算更新函数；

(vi)基于所述更新函数对所述当前图像进行更新；以及

(vii)迭代地执行(iii)–(vi)直至达到终止条件，其中对于所述至少一次迭代重建，对所述数据不充分区域不更新或以校正策略进行更新在所述(v)期间进行。

8.一种用于迭代重建优化的装置，其特征在于，包括：

存储器；以及

与所述存储器耦合的处理器，所述处理器被配置成执行如权利要求1–7中任一项所述的方法。

9.一种用于迭代重建优化的装置，包括：

用于确定第一重建区域的装置；

用于确定第二重建区域的装置，所述第二重建区域包括所述第一重建区域和扩展重建区域，所述扩展重建区域包括数据不充分区域；

用于对所述第二重建区域，执行多次迭代重建，获得医学图像的装置；

其特征在于，执行多次迭代重建时，其中至少一次迭代重建期间对所述数据不充分区域不更新或以校正策略进行更新。

10.一种存储计算机可执行指令的计算机可读介质，所述计算机可执行指令在由处理器执行时，使得所述处理器执行以下操作：

确定第一重建区域；

确定第二重建区域，所述第二重建区域包括所述第一重建区域和扩展重建区域，所述扩展重建区域包括数据不充分区域；

对所述第二重建区域，执行多次迭代重建，获得医学图像；

其特征在于，执行多次迭代重建时，其中至少一次迭代重建期间对所述数据不充分区域不更新或以校正策略进行更新。