CN110175957A - 多能量ct基材料物质分解方法 - Google Patents
多能量ct基材料物质分解方法 Download PDFInfo
- Publication number
- CN110175957A CN110175957A CN201910291593.4A CN201910291593A CN110175957A CN 110175957 A CN110175957 A CN 110175957A CN 201910291593 A CN201910291593 A CN 201910291593A CN 110175957 A CN110175957 A CN 110175957A
- Authority
- CN
- China
- Prior art keywords
- sill
- projection
- energy
- image
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 70
- 238000000354 decomposition reaction Methods 0.000 title claims abstract description 39
- 239000000126 substance Substances 0.000 title claims abstract description 32
- 238000013507 mapping Methods 0.000 claims abstract description 40
- 238000013170 computed tomography imaging Methods 0.000 claims abstract description 17
- 238000009826 distribution Methods 0.000 claims description 61
- 238000005314 correlation function Methods 0.000 claims description 19
- 239000000463 material Substances 0.000 claims description 11
- 238000012360 testing method Methods 0.000 claims description 8
- 238000013528 artificial neural network Methods 0.000 claims description 6
- 230000003595 spectral effect Effects 0.000 claims description 6
- 238000004422 calculation algorithm Methods 0.000 claims description 5
- 238000002474 experimental method Methods 0.000 claims description 5
- 238000005457 optimization Methods 0.000 claims description 5
- 238000004088 simulation Methods 0.000 claims description 4
- 238000002939 conjugate gradient method Methods 0.000 claims description 3
- 239000004744 fabric Substances 0.000 claims description 3
- 238000011478 gradient descent method Methods 0.000 claims description 3
- 239000000758 substrate Substances 0.000 claims description 2
- 238000001228 spectrum Methods 0.000 description 28
- 238000010586 diagram Methods 0.000 description 6
- 230000000694 effects Effects 0.000 description 6
- 230000008030 elimination Effects 0.000 description 3
- 238000003379 elimination reaction Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000009977 dual effect Effects 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000003325 tomography Methods 0.000 description 2
- 241000208340 Araliaceae Species 0.000 description 1
- 241000196324 Embryophyta Species 0.000 description 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 1
- 235000003140 Panax quinquefolius Nutrition 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000002591 computed tomography Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 235000008434 ginseng Nutrition 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 210000000056 organ Anatomy 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000002601 radiography Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/97—Determining parameters from multiple pictures
-
- 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]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
一种多能量CT基材料物质分解方法,包括:将被扫描物体放在多能量CT成像系统中,获得N种能量下的投影值数据;基于预先建立的映射关系,将被扫描物体的N种能量下的投影值数据映射得到M种基材料的投影数据;其中,该映射关系为不同厚度的M种基材料及不同散射强度对应的N种能量的投影值数据与对应M种基材料厚度及散射强度之间的映射关系,M,N均为正整数,N≥3且2≤M≤N‑1,或者M=N=2;以及基于M种基材料的投影数据进行图像重建,得到不含伪影的图像。本方法通过将实测投影值数据分解到M种基材料上,找到未知物体结构对应的M种基材料的投影数据和散射强度,由于散射强度和基材料的投影数据是分离开的,还实现了良好的散射伪影消除效果。
Description
技术领域
本公开属于辐射成像技术领域,涉及一种多能量CT基材料物质分解方法。
背景技术
计算机断层成像(CT,Computerized Tomography)是使用X射线束和探测器扫描物体的某一截面(断层),利用人体器官或组织对X射线的吸收系数不同的特性获得反映此截面物理或化学特性的投影数据集合,通过计算机运算获得截面上任意位置的参数值,并由此得到断层图像。
CT系统的主要部件包括:X射线源、探测器、以及旋转装置。在CT 成像过程中,X射线源与探测器围绕物体做相对旋转运动,以此获得不同旋转角度下的CT数据,也称CT投影值,在CT成像中,X射线的衰减服从指数规律,CT投影值是间接获取的,通常需要“负对数”预处理。
射线散射是CT自诞生以来就存在的影响CT图像质量的基础物理挑战,会造成图像伪影和CT值不准确等问题。
提高CT成像性能的最核心问题之一是去除或减少射线散射。去除散射的方法大致可以分为两大类:一类为基于硬件的直接散射测量,比如使用散射遮挡块/散射遮挡条等;另一类为基于算法的散射估计,比如基于物理的解析/蒙特卡洛计算、投影域卷积滤波以及基于先验图像的伪影估计等。一般而言,直接测量类散射校正方法精度高,但对硬件有额外要求,且往往需要二次扫描,可能增加剂量;而算法估计类方法对硬件没有额外要求,也不需要二次扫描,但校正效果可能差一些,或者计算复杂度显著增加。
近年来,多能CT成像发展迅速,包括双能CT和基于光子计数探测器的能谱CT。多能量CT基材料物质分解方法研究主要集中于图像域方法、迭代方法上。目前还没有一种在多能量CT中直接去除伪影的有效方法。
因此,为了得到射线散射下的清晰的、不含各种伪影的多能CT断层图像,有必要提出一种方法来有效去除或减少射线散射导致的图像伪影。
发明内容
(一)要解决的技术问题
本公开提供了一种多能量CT基材料物质分解方法,以至少部分解决以上所提出的技术问题。
(二)技术方案
根据本公开的一个方面,提供了一种多能量CT基材料物质分解方法,包括:将被扫描物体放在多能量CT成像系统中,获得N种能量下的投影值数据;基于预先建立的映射关系,将被扫描物体的N种能量下的投影值数据映射得到M种基材料的投影数据;其中,该映射关系为不同厚度的 M种基材料及不同散射强度对应的N种能量下的投影值数据与对应M种基材料厚度及散射强度的映射关系,M,N均为正整数,N≥3且2≤M≤ N-1,或者M=N=2;以及基于M种基材料的投影数据进行图像重建,获得不含伪影的图像。
在本公开的一些实施例中,不含伪影的图像包括伪单能重建图像、基材料分布图像及基材料分布图像的线性组合中的一种或几种。
在本公开的一些实施例中,映射关系通过如下方法获得:利用散射分布相关函数表示不同能量下的散射强度之间的关系,当N≥3,2≤M≤N-1 时,散射分布相关函数根据不同的多能量CT成像系统进行标定测试得到,通过模拟或者实际实验的方式建立在真实的M种基材料和散射下的真实投影值数据与对应M种基材料厚度及散射强度之间的映射关系。
在本公开的一些实施例中,真实投影值数据与对应M种基材料厚度及散射强度之间的映射关系通过如下方式的一种或几种获得:查找表、多项式拟合或者人工神经网络。
在本公开的一些实施例中,映射关系通过如下方法获得:利用散射分布相关函数表示不同能量下的散射强度之间的关系,当M=N=2时,散射分布相关函数通过最优化方法寻求最优散射分布解,从而依据该最优散射分布解建立不同厚度的两种基材料及不同散射强度对应的两种能量下的投影值与对应两种基材料厚度及散射强度之间的映射关系。
在本公开的一些实施例中,散射分布假设为平滑的,通过最小化散射强度的TV范数(Total Variation Norm)求得最优散射分布解;
优化的算法包括:梯度下降法以及共轭梯度法;
不同厚度的两种基材料及不同散射强度对应的两种能量下的投影值与对应M种基材料厚度及散射强度之间的映射关系通过如下方式的一种或几种获得:查找表、多项式拟合或者人工神经网络。
在本公开的一些实施例中,基于M种基材料的投影数据进行图像重建,获得伪单能重建图像、基材料分布图像及基材料分布图像的线性组合的方法包括:将M种基材料的投影数据分别进行图像重建得到M种基材料加权系数的基材料分布图像;根据需要的单能值,查找对应能量下M种基材料的衰减系数,将所述M种基材料加权系数的基材料分布图像进行加权求和,得到不含伪影的伪单能重建图像;以及根据图像显示的需要和不同材料衰减系数的变化规律,将M种基材料分布图像作线性组合,得到其他的特定材料的分布图像。
在本公开的一些实施例中,基于M种基材料的投影数据进行图像重建,获得伪单能重建图像的方法包括:根据需要的单能值,查找对应能量下M种基材料的衰减系数,将所述M种基材料的投影数据进行加权求和,得到不含伪影的伪单能的投影数据;以及将伪单能的投影数据进行图像重建得到伪单能图像。
在本公开的一些实施例中,进行图像重建的方法包括解析图像重建和迭代图像重建的一种或其组合。
在本公开的一些实施例中,多能量CT成像系统为一基于飞焦点和能谱滤波的多能量CT成像系统。
(三)有益效果
从上述技术方案可以看出,本公开提供的多能量CT基材料物质分解方法,具有以下有益效果:
1、通过在多能量下的能谱投影值中加入对应能谱下的散射强度,将不同能量下的散射强度之间的关系进行标定,得到散射分布相关函数,此时通过预先建立好的映射模型至少可以求出两种基材料的加权系数投影值以及散射强度分布,根据实际测得的投影值,基于预先建立的查找表或映射关系,便可以将其投影值分解到M种基材料上,找到该未知的物体结构对应的M种基材料的投影数据和散射强度,由于散射强度和M种基材料的投影数据是分离开的,便消除了伪影的因素,仅根据多种基材料的投影数据进行图像重建,便可得到不含伪影的图像,具有非常好的消除伪影的效果。
2、在建立映射关系的过程中,M种基材料,N种能量,对于N≥3, 2≤M≤N-1的情况,散射分布相关函数可根据不同系统进行标定测试,通过模拟或者实际实验的方式来得到输入{{L1,L2,ISc}n,n=1,2,3...N}与输出{{P1,P2,P3}n,n=1,2,3...N}之间的关系,并通过建立查找表或者多项式拟合或者人工神经网络等方式得到双向映射关系;对于M=N=2的情况,散射分布相关函数可根据最优化方法寻求最优散射分布解,从而建立映射关系,适用范围广泛。
附图说明
图1为现有技术中常用CT系统结构图及散射分布示意图。
图2为根据本公开一实施例所示的多能量CT基材料物质分解方法的示意图。
图3为根据本公开一实施例所示的多能量CT基材料物质分解方法的流程图。
图4为根据本公开一实施例所示的不同的基材料厚度和散射强度分布与三种能谱下的投影值之间的映射关系示意图。
图5为根据本公开一实施例所示的基于飞焦点技术和能谱滤波的多能量CT成像系统的平面示意图。
图6为根据本公开一实施例所示的射线散射下的三能量CT基材料物质分解方法的效果对比图,(a)为直接在中等能量下重建图像的结果;(b) 为进行基材料分解后在70keV的伪单能重建图像的结果。
具体实施方式
图1为现有技术中常用CT系统结构图及散射分布示意图。
参照图1所示,CT系统中,散射分布相比于通常穿过物体进入探测器的投影数据分布,频率是比较低的,因此图中称为低频散射分布,穿过物体进行探测器的投影数据分布为高频主束分布,该低频散射分布引起图像伪影。
本公开提出一种多能量CT基材料物质分解方法,通过在多能量下的能谱投影值中加入对应能谱下的散射强度,将不同能量下的散射强度之间的关系进行标定,得到散射分布相关函数,此时通过预先建立好的映射模型至少可以求出两种基材料的加权系数投影值以及散射强度分布,根据实际测得的投影值,基于预先建立的查找表或双向映射关系,便可以将其投影值分解到M种基材料上,找到该未知的物体结构对应的M种基材料的投影数据和散射强度,由于散射强度和M种基材料的投影数据是分离开的,便消除了伪影的因素,仅根据多种基材料的投影数据进行图像重建,便可得到不含伪影的图像,具有非常好的消除伪影的效果。
为使本公开的目的、技术方案和优点更加清楚明白,以下结合具体实施例,并参照附图,对本公开进一步详细说明。
第一实施例
在本公开的第一个示例性实施例中,提供了一种多能量CT基材料物质分解方法。
图2为根据本公开一实施例所示的多能量CT基材料物质分解方法的示意图。图3为根据本公开一实施例所示的多能量CT基材料物质分解方法的流程图。
参照图2和图3所示,本公开的多能量CT基材料物质分解方法,包括:
步骤S101:预先建立不同厚度的M种基材料及不同散射强度对应的 N种能量下的投影值与对应基材料厚度及散射强度之间的映射关系,M, N均为正整数,N≥3,2≤M≤N-1,或者M=N=2;
根据本公开的CT投影理论,多能量下的能谱与投影值之间的关系中,考虑在每个能谱Si(E)下的散射强度以及不同能谱下对应的散射强度分布, N能量下的能谱能够进行不高于N-1种基材料分解,N≥3,分解后每种基材料对应的衰减值和等效厚度积分进行加权组合后作为每一种能量下的投影能谱系数,即为主束分布,加上散射强度的项,得到每一种能量下的投影值。
本实施例中,以M=2进行示例,即分解为两种基材料,在多能量下的能谱{Si(E),i=1,2,3...}与投影值{Pi,i=1,2,3...}关系表示为如下形式:
其中,Pi表示投影值;Si(E)表示不同能量下的能谱,i表示不同能量下获得能谱的个数;μ1(E)和μ2(E)分别为两种基材料对应的衰减值;L1和 L2为两种基材料等效厚度积分,即加权系数投影值;为在能谱Si(E)下的散射强度。
本公开中,在建立映射关系的过程中,通过将散射强度与投影值关联起来,建立多个能量下投影值、基材料厚度与散射强度的方程组,并通过求解散射分布相关函数,实现方程组的求解,得到投影值、基材料厚度以及散射强度的映射关系(可以是查找表的形式)。在后续步骤中,对于未知的物体结构,采用同样N种能量进行CT测试,根据实际测得的投影值,基于预先建立的查找表或双向映射关系,便可以将其投影值分解到M种基材料上,找到该未知的物体结构对应的M种基材料的投影数据和散射强度,由于散射强度和M种基材料的投影数据是分离开的,便消除了伪影的因素,仅根据多种基材料的投影数据进行图像重建,便可得到不含伪影的图像。基于M种基材料的投影数据进行图像重建得到的图像包括如下图像类型:伪单能重建图像、基材料分布图像及基材料分布图像的线性组合中的一种或几种。
根据实际经验可知,对于包括三种能谱或三种以上能谱的投影数据的情况,散射强度分布相对低频,可以用一个参数的函数来进行表示,同时不同能量下的散射分布相关性很强,利用散射分布相关函数表示不同能量下的散射强度之间的关系,例如,本实施例中,散射分布相关函数可以表示为如下形式:
其中,f(·)是散射分布相关函数,可以根据不同系统进行标定测试,表示任意两个不同能谱下的散射强度。比如对于简单常见的CT系统,可以假设:
其中,||A-B||2表示度量空间下两个元素A和B之间的度量,为A 和B的2范数。
具体的,对于散射分布相关性很强的情况,例如,不同能谱下的散射分布相同,则表达式(3)中的值为零。
基于上述关于考虑散射强度分布的投影值和多能量能谱的模型,可通过模拟或者实际实验的方式建立在真实的基材料下的真实投影数据与对应多种基材料厚度及散射强度之间的映射关系。
本实施例中,以公式(1)进行示例,在实际应用中如果是N种能量下,则可以最多进行N-1种基材料分解(N≥3),并且可以对散射分布进行更加精确的建模,即散射分布相关函数的表达式不局限于公式(2)或 (3)的示例,在N大于3的多维能量能谱下,对应的散射分布相关函数包含两个或多个参数。比如在四(N=4)能量下可以将散射分布建模为含有两个参数的函数,而同样是进行两种基材料的分解。
图4为根据本公开一实施例所示的不同的基材料厚度和散射强度分布与三种能谱下的投影值之间的映射关系示意图。
如图4所示,本实施例中,通过大量模拟不同厚度的两种基材料和不同散射强度分布下,在给定三种能谱时的投影数据,或者通过能够估计散射强度分布的实际实验来获取设计好不同厚度的真实两种基材料模体的真实投影数据,即在确定的{{L1,L2,ISc}n,n=1,2,3...N}输入集下,N为不同能量下获得的能谱总个数,获得对应的输出集{{P1,P2,P3}n,n= 1,2,3...N},然后可以通过建立查找表或者多项式拟合或者人工神经网络等方式,找到输入与输出之间的双向映射关系,即预先建立不同厚度的多种基材料及不同散射强度对应的多能量下的投影值与多种基材料的厚度及散射强度之间的映射关系。
建立不同厚度的多种基材料对应的多能量能谱下的投影值与散射强度分布的双向映射关系,在一实例中,采用公式表达为如下形式:
步骤S111:将被扫描物体放在多能量CT成像系统中,获得N种能量下的投影值数据;
图5为根据本公开一实施例所示的基于飞焦点技术和能谱滤波的多能量CT成像系统的平面示意图。
该步骤S111中,获取具体扫描系统可以是如图5所示的基于飞焦点和能谱滤波的多能量CT成像系统或者其它能够得到多个能量下CT投影数据的成像系统。当然,该基于飞焦点和能谱滤波的多能量CT成像系统是申请人提出的一个具有特色的成像系统,在同日申请的另外的专利文件中会详细介绍其结构,本公开不作重点描述。
步骤S112:基于预先建立的映射关系,将被扫描物体的N种能量下的投影值数据映射得到M种基材料的投影数据并同时得到散射强度分布;
本实施例中,基于预先建立的映射关系,根据被扫描物体的N种能量下的投影值数据{{P1,P2,P3}n,n=1,2,3...N},可以得知每种基材料对应的厚度和散射强度{{L1,L2,ISc}n,n=1,2,3...N},在得到M种基材料的投影数据的同时还得到散射强度分布,从而将散射强度的因素分离开,仅根据多种基材料的投影数据进行图像重建,便可得到不含伪影的图像。
此时通过步骤S112的数据处理,即可以得到去除散射的更加准确的投影数据。
上述步骤S112之后,基于M种基材料的投影数据进行图像重建,获得不含伪影的图像,不含伪影的图像包括伪单能重建图像、基材料分布图像及基材料分布图像的线性组合中的一种或几种。下面以步骤S113和步骤S114进行具体实施例的说明。
步骤S113:将M种基材料的投影数据分别进行图像重建得到M种基材料加权系数的基材料分布图像;
本实施例中,M=2,将M种基材料的投影数据分别进行图像重建得到 M种基材料加权系数的分布图像(I1,I2)。基于投影数据进行图像重建的方法可以采用本领域中任意一种图像重建的方法,本公开不作限定。例如,在本公开的一些实施例中,进行图像重建的方法包括解析图像重建和迭代图像重建的一种或其组合。
步骤S114:根据需要的单能值,查找对应能量下M种基材料的衰减系数,将其加权系数的基材料分布图像进行加权求和,得到最终不含伪影的伪单能重建图像。
本步骤S114是先得到基材料分布图像进一步依据基材料分布图像进行加权求和得到的,在其它实施例中,还可以是其他的重建方法,例如,基于M种基材料的投影数据进行图像重建,获得伪单能重建图像的方法包括:根据需要的单能值,查找对应能量下M种基材料的衰减系数,将所述M种基材料的投影数据进行加权求和,得到不含伪影的伪单能的投影数据;以及将伪单能的投影数据进行图像重建得到伪单能图像。
此外,上述步骤S113中得到了基材料分布图像,还可以基于得到的基材料分布图像进行线性组合得到其他需要的不含伪影的图像,比如:根据图像显示的需要和不同材料衰减系数的变化规律,将M种基材料分布图像作线性组合,得到其他的特定材料的分布图像。
第二实施例
在本公开的第二个示例性实施例中,提出了一种多能量CT基材料物质分解方法。
上面实施例的介绍过程中,说明了N≥3,2≤M≤N-1对应的情形,本公开的多能量CT基材料物质分解方法还可以对应M=N=2的情况,即通过建立2种基材料在2种能量能谱下的投影值与散射强度分布的双向映射关系来得到不含伪影的图像。
本实施例中的步骤S101’与第一个实施例中步骤S101建立映射关系的过程存在区别。后续步骤与三种能量及三种以上能量基材料分解方法相同,最终可以得到去除散射伪影的伪单能重建图像。
步骤S101’中,散射分布相关函数可根据最优化方法寻求最优散射分布解,从而依据该最优散射分布解建立不同厚度的两种基材料及不同散射强度对应的两种能量下的投影值与对应基材料厚度及散射强度之间的映射关系。
本实施例中,建立2种基材料在2种能量下的投影值与散射强度分布的关系,满足如下方程:
此时由于缺乏一个条件,不能直接建立{{L1,L2,ISc}n,n=1,2,3...N} 与{{P1,P2}n,n=1,2,3...N}之间的映射关系。本实施例中,可以通过最优化问题来寻求满足以下条件的最优散射分布解:
min||ISc||TV=min∑k|ISc(k+1)-ISc(k)| (9)
以上条件(9)是建立在散射分布是平滑的假设上,可以最小化其TV 范数(TotalVariation Norm),当然在实际应用中,根据不同系统可以对散射分布做出相应的假设。具体优化算法可以采用常用的梯度下降法、共轭梯度法等。通过以上最优化求解的方式,可以对射线散射下的双能量CT 两种基材料分解方法建立映射关系。
在一实例中,基于本公开的多能量CT基材料物质分解方法与现有的方法进行了实验对比。
图6为根据本公开一实施例所示的射线散射下的三能量CT基材料物质分解方法的效果对比图,(a)为直接在中等能量下重建图像的结果;(b) 为进行基材料分解后在70keV的伪单能重建图像的结果。
现有的方法直接在中等能量下进行测试物体的CT成像,得到的图像重建结果如图6中(a)所示,由图可见,该现有方法得到的图像中含有大量散射、硬化等造成的伪影。基于本公开的方法测试物体的CT成像,采用三能量进行基材料分解后在70keV下确定基材料的衰减系数并对加权系数的分布图像进行加权求和,得到的伪单能重建图像参见图6中(b)所示,由图可见,本公开方法得到的图像不含伪影,具有非常好的效果。
综上所述,本公开提供了一种多能量CT基材料物质分解方法,通过在多能量下的能谱投影值中加入对应能谱下的散射强度,将不同能量下的散射强度之间的关系进行标定,得到散射分布相关函数,此时通过预先建立好的映射模型至少可以求出两种基材料的加权系数投影值以及散射强度分布,根据实际测得的投影值,基于预先建立的查找表或映射关系,便可以将其投影值分解到M种基材料上,找到该未知的物体结构对应的M 种基材料的投影数据和散射强度,由于散射强度和M种基材料的投影数据是分离开的,便消除了伪影的因素,仅根据多种基材料的投影数据进行图像重建,便可得到不含伪影的图像,具有非常好的消除伪影的效果,并且该方法适用范围广泛。
当然,本公开的多能量CT基材料物质分解方法还包括其他的常见方法或步骤,由于同本公开的主要创新之处无关,这里不再赘述。
此外,除非特别描述或必须依序发生的步骤,上述步骤的顺序并无限制于以上所列,且可根据所需设计而变化或重新安排。
以上所述的具体实施例,对本公开的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上所述仅为本公开的具体实施例而已,并不用于限制本公开,凡在本公开的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本公开的保护范围之内。
Claims (10)
1.一种多能量CT基材料物质分解方法,其特征在于,包括:
将被扫描物体放在多能量CT成像系统中,获得N种能量下的投影值数据;
基于预先建立的映射关系,将被扫描物体的N种能量下的投影值数据映射得到M种基材料的投影数据;其中,该映射关系为不同厚度的M种基材料及不同散射强度对应的N种能量下的投影值数据与对应M种基材料厚度及散射强度之间的映射关系,M,N均为正整数,N≥3且2≤M≤N-1,或者M=N=2;以及
基于M种基材料的投影数据进行图像重建,获得不含伪影的图像。
2.根据权利要求1所述的多能量CT基材料物质分解方法,其中,所述不含伪影的图像包括伪单能重建图像、基材料分布图像及基材料分布图像的线性组合中的一种或几种。
3.根据权利要求1所述的多能量CT基材料物质分解方法,其特征在于,所述映射关系通过如下方法获得:
利用散射分布相关函数表示不同能量下的散射强度之间的关系,当N≥3,2≤M≤N-1时,散射分布相关函数根据不同的多能量CT成像系统进行标定测试得到,通过模拟或者实际实验的方式建立在真实的M种基材料和散射下的真实投影值数据与对应M种基材料厚度及散射强度之间的映射关系。
4.根据权利要求3所述的多能量CT基材料物质分解方法,其特征在于,所述真实投影值数据与对应M种基材料厚度及散射强度之间的映射关系通过如下方式的一种或几种获得:查找表、多项式拟合或者人工神经网络。
5.根据权利要求1所述的多能量CT基材料物质分解方法,其特征在于,所述映射关系通过如下方法获得:
利用散射分布相关函数表示不同能量下的散射强度之间的关系,当M=N=2时,散射分布相关函数通过最优化方法寻求最优散射分布解,从而依据该最优散射分布解建立不同厚度的两种基材料及不同散射强度对应的两种能量下的投影值与对应两种基材料厚度及散射强度之间的映射关系。
6.根据权利要求5所述的多能量CT基材料物质分解方法,其特征在于,
所述散射分布假设为平滑的,通过最小化散射强度的TV范数(Total Variation Norm)求得最优散射分布解;
优化的算法包括:梯度下降法以及共轭梯度法;
所述不同厚度的两种基材料及不同散射强度对应的两种能量下的投影值与对应两种基材料厚度及散射强度之间的映射关系通过如下方式的一种或几种获得:查找表、多项式拟合或者人工神经网络。
7.根据权利要求2所述的多能量CT基材料物质分解方法,其特征在于,所述基于M种基材料的投影数据进行图像重建,获得伪单能重建图像、基材料分布图像及基材料分布图像的线性组合的方法包括:
将M种基材料的投影数据分别进行图像重建得到M种基材料加权系数的基材料分布图像;
根据需要的单能值,查找对应能量下M种基材料的衰减系数,将所述M种基材料加权系数的基材料分布图像进行加权求和,得到不含伪影的伪单能重建图像;以及
根据图像显示的需要和不同材料衰减系数的变化规律,将M种基材料分布图像作线性组合,得到其他的特定材料的分布图像。
8.根据权利要求2所述的多能量CT基材料物质分解方法,其特征在于,所述基于M种基材料的投影数据进行图像重建,获得伪单能重建图像的方法包括:
根据需要的单能值,查找对应能量下M种基材料的衰减系数,将所述M种基材料的投影数据进行加权求和,得到不含伪影的伪单能的投影数据;以及
将伪单能的投影数据进行图像重建得到伪单能图像。
9.根据权利要求1所述的多能量CT基材料物质分解方法,其特征在于,进行图像重建的方法包括解析图像重建和迭代图像重建的一种或其组合。
10.根据权利要求1至9中任一项所述的多能量CT基材料物质分解方法,其特征在于,所述多能量CT成像系统为一基于飞焦点和能谱滤波的多能量CT成像系统。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910291593.4A CN110175957B (zh) | 2019-04-11 | 2019-04-11 | 多能量ct基材料物质分解方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910291593.4A CN110175957B (zh) | 2019-04-11 | 2019-04-11 | 多能量ct基材料物质分解方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110175957A true CN110175957A (zh) | 2019-08-27 |
CN110175957B CN110175957B (zh) | 2021-03-09 |
Family
ID=67689829
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910291593.4A Active CN110175957B (zh) | 2019-04-11 | 2019-04-11 | 多能量ct基材料物质分解方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110175957B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110544282A (zh) * | 2019-08-30 | 2019-12-06 | 清华大学 | 基于神经网络的三维多能谱ct重建方法和设备及存储介质 |
CN110974275A (zh) * | 2019-12-17 | 2020-04-10 | 明峰医疗系统股份有限公司 | 飞焦点切换和x射线滤波器实现双能扫描的设备和方法 |
CN111134709A (zh) * | 2020-01-17 | 2020-05-12 | 清华大学 | 一种多能量ct基材料分解方法 |
CN111134710A (zh) * | 2020-01-17 | 2020-05-12 | 清华大学 | 一种多能量ct成像系统 |
CN113281358A (zh) * | 2021-06-22 | 2021-08-20 | 清华大学 | 多能量x射线锥束ct成像系统及方法 |
CN116563413A (zh) * | 2023-07-04 | 2023-08-08 | 中国科学院深圳先进技术研究院 | 校正参数确定方法、图像重建方法、装置、设备及介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050276373A1 (en) * | 2004-05-26 | 2005-12-15 | Zhengrong Ying | Method of and system for adaptive scatter correction in multi-energy computed tomography |
US20110019798A1 (en) * | 2009-07-23 | 2011-01-27 | Samsung Electronics Co., Ltd. | X-ray imaging apparatus and method for reducing x-ray scattering |
CN103559699A (zh) * | 2013-11-18 | 2014-02-05 | 首都师范大学 | 一种基于投影估计的多能谱ct图像重建方法 |
CN104422704A (zh) * | 2013-08-21 | 2015-03-18 | 同方威视技术股份有限公司 | 对x光能谱ct的能谱信息进行分解的方法和对应的重建方法 |
CN107356615A (zh) * | 2016-05-10 | 2017-11-17 | 清华大学 | 一种用于双能x射线ct的方法和系统 |
CN109146994A (zh) * | 2018-09-17 | 2019-01-04 | 南京航空航天大学 | 一种面向多能谱x射线ct成像的金属伪影校正方法 |
-
2019
- 2019-04-11 CN CN201910291593.4A patent/CN110175957B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050276373A1 (en) * | 2004-05-26 | 2005-12-15 | Zhengrong Ying | Method of and system for adaptive scatter correction in multi-energy computed tomography |
US20110019798A1 (en) * | 2009-07-23 | 2011-01-27 | Samsung Electronics Co., Ltd. | X-ray imaging apparatus and method for reducing x-ray scattering |
CN104422704A (zh) * | 2013-08-21 | 2015-03-18 | 同方威视技术股份有限公司 | 对x光能谱ct的能谱信息进行分解的方法和对应的重建方法 |
CN103559699A (zh) * | 2013-11-18 | 2014-02-05 | 首都师范大学 | 一种基于投影估计的多能谱ct图像重建方法 |
CN107356615A (zh) * | 2016-05-10 | 2017-11-17 | 清华大学 | 一种用于双能x射线ct的方法和系统 |
CN109146994A (zh) * | 2018-09-17 | 2019-01-04 | 南京航空航天大学 | 一种面向多能谱x射线ct成像的金属伪影校正方法 |
Non-Patent Citations (6)
Title |
---|
FENG, CHUQING ET AL.: "A multi-energy material decomposition method for spectral CT using neural network", 《MEDICAL IMAGING 2018: PHYSICS OF MEDICAL IMAGING》 * |
WOO-JIN LEE ET AL.: "Material depth reconstruction method of multi-energy X-ray images using neural network", 《34TH ANNUAL INTERNATIONAL CONFERENCE OF THE IEEE EMBS》 * |
XIAOYUE GUO ET AL.: "A TV-constrained decomposition method for spectral CT", 《MEDICAL IMAGING 2017: PHYSICS OF MEDICAL IMAGING》 * |
冯初晴 等: "能谱 CT 的标定、重建算法与系统", 《中国体视学与图像分析》 * |
郝佳 等: "多能谱 X 射线成像技术及其在 CT 中的应用", 《CT 理论与应用研究》 * |
陈佩君 等: "基于图像总变分和张量字典的多能谱CT材料识别研究", 《光学学报》 * |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110544282A (zh) * | 2019-08-30 | 2019-12-06 | 清华大学 | 基于神经网络的三维多能谱ct重建方法和设备及存储介质 |
CN110544282B (zh) * | 2019-08-30 | 2022-03-29 | 清华大学 | 基于神经网络的三维多能谱ct重建方法和设备及存储介质 |
CN110974275A (zh) * | 2019-12-17 | 2020-04-10 | 明峰医疗系统股份有限公司 | 飞焦点切换和x射线滤波器实现双能扫描的设备和方法 |
CN111134709A (zh) * | 2020-01-17 | 2020-05-12 | 清华大学 | 一种多能量ct基材料分解方法 |
CN111134710A (zh) * | 2020-01-17 | 2020-05-12 | 清华大学 | 一种多能量ct成像系统 |
CN111134709B (zh) * | 2020-01-17 | 2021-09-14 | 清华大学 | 一种多能量ct基材料分解方法 |
CN113281358A (zh) * | 2021-06-22 | 2021-08-20 | 清华大学 | 多能量x射线锥束ct成像系统及方法 |
CN113281358B (zh) * | 2021-06-22 | 2022-09-23 | 清华大学 | 多能量x射线锥束ct成像系统及方法 |
CN116563413A (zh) * | 2023-07-04 | 2023-08-08 | 中国科学院深圳先进技术研究院 | 校正参数确定方法、图像重建方法、装置、设备及介质 |
CN116563413B (zh) * | 2023-07-04 | 2024-04-09 | 中国科学院深圳先进技术研究院 | 校正参数确定方法、图像重建方法、装置、设备及介质 |
Also Published As
Publication number | Publication date |
---|---|
CN110175957B (zh) | 2021-03-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110175957A (zh) | 多能量ct基材料物质分解方法 | |
Gravel et al. | A method for modeling noise in medical images | |
JP6999576B2 (ja) | 空間とスペクトル情報に基づく複数エネルギーのct画像におけるノイズ制御のためのシステムと方法 | |
RU2565507C2 (ru) | Система и способ для улучшения качества изображения | |
Wang et al. | Multiscale penalized weighted least-squares sinogram restoration for low-dose X-ray computed tomography | |
CN111292386B (zh) | 一种基于U-net的CT投影金属迹线补全金属伪影校正方法 | |
Bai et al. | Z-index parameterization for volumetric CT image reconstruction via 3-D dictionary learning | |
Wu et al. | Evaluation of scatter effects on image quality for breast tomosynthesis | |
Byl et al. | Photon‐counting normalized metal artifact reduction (NMAR) in diagnostic CT | |
Staub et al. | A digitally reconstructed radiograph algorithm calculated from first principles | |
Zhao et al. | Robust beam hardening artifacts reduction for computed tomography using spectrum modeling | |
Altunbas et al. | A unified scatter rejection and correction method for cone beam computed tomography | |
KR20210046790A (ko) | X선 이미징 시스템 | |
US7031427B2 (en) | Method for estimating a scattered radiation, particularly to correct tomography or bone densitometry measurements | |
Niinimaki et al. | Multiresolution parameter choice method for total variation regularized tomography | |
Haque et al. | Adaptive projection selection for computed tomography | |
Hayes et al. | Low‐dose cone‐beam CT via raw counts domain low‐signal correction schemes: Performance assessment and task‐based parameter optimization (Part I: Assessment of spatial resolution and noise performance) | |
Wang et al. | Locally linear transform based three‐dimensional gradient‐norm minimization for spectral CT reconstruction | |
Welch et al. | Accurate attenuation correction in PET using short transmission scans and consistency information | |
CN110731788B (zh) | 一种基于双能ct扫描仪对基物质进行快速分解的方法 | |
Zhang et al. | A locally weighted linear regression look-up table-based iterative reconstruction method for dual spectral CT | |
Thierry et al. | Hybrid simulation of scatter intensity in industrial cone-beam computed tomography | |
Gomi et al. | Development of a denoising convolutional neural network-based algorithm for metal artifact reduction in digital tomosynthesis for arthroplasty: A phantom study | |
WO2020206656A1 (zh) | 多能量ct基材料物质分解方法 | |
Kong et al. | Evaluation of an analytic reconstruction method as a platform for spectral cone-beam CT |
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 |