CN110458908B - 基于有限角度迭代重建超视野ct图像的方法 - Google Patents

基于有限角度迭代重建超视野ct图像的方法 Download PDF

Info

Publication number
CN110458908B
CN110458908B CN201910716299.3A CN201910716299A CN110458908B CN 110458908 B CN110458908 B CN 110458908B CN 201910716299 A CN201910716299 A CN 201910716299A CN 110458908 B CN110458908 B CN 110458908B
Authority
CN
China
Prior art keywords
image
truncated
data
projection data
projection
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
CN201910716299.3A
Other languages
English (en)
Other versions
CN110458908A (zh
Inventor
王秀清
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.)
Sinovision Technology Beijing Co ltd
Original Assignee
Sinovision Technology Beijing 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 Sinovision Technology Beijing Co ltd filed Critical Sinovision Technology Beijing Co ltd
Priority to CN201910716299.3A priority Critical patent/CN110458908B/zh
Publication of CN110458908A publication Critical patent/CN110458908A/zh
Application granted granted Critical
Publication of CN110458908B publication Critical patent/CN110458908B/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
    • 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)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Apparatus For Radiation Diagnosis (AREA)
  • Analysing Materials By The Use Of Radiation (AREA)

Abstract

一种基于有限角度迭代重建超视野CT图像的方法，即：扫描原始数据P0；对原始数据P0进行预处理和取负对数得到投影数据P1；判断各扫描视角下的投影数据P1是否被截断，将没有截断的有限角度投影数据集和截断进行余弦滤波处理后的数据集进行滤波反投影重建得到初始化图像I0；根据已标定没有截断数据的视角，模拟CT机系统几何关系在不同视角下的投影，生成有限角度正投影系统矩阵M；基于全变分最小化约束的有限角度迭代重建算法，以初始化图像I0作为迭代的初始值，对有限角度没有被截断的投影数据进行图像迭代重建；对每次迭代得到新的图像Ik+1进行非负性约束处理；直到mean(|Ik+1‑Ik|)＜ε迭代满足误差要求结束迭代，得到的目标图像即为重建得到截断补偿后的超视野CT图像。

Description

基于有限角度迭代重建超视野CT图像的方法
技术领域
本发明涉及一种基于有限角度迭代重建超视野CT图像的方法。本发明属于医学图像处理技术领域。
背景技术
在CT机成像系统中，当CT机的几何结构和其探测器的尺寸确定下来后，其最大扫描范围(FOV)也就确定了。尽管目前的CT机其FOV都比较大，但是，在遇到肥胖患者或者摆位偏的患者时，有时还不能保证患者预扫描的部位都在CT机扫描视野内。当患者扫描部位超出了CT机扫描视野时，投影数据被截断造成部分投影信息丢失，投影信息不完整如果直接进行重建，重建后的图像在超出扫描视野的位置发生高亮度的伪影，影响医生诊断。
目前，针对CT图像截断现象重建的方法有：投影数据镜像扩展通道法，正弦图修补法以及多项式拟合扩展通道法，这些方法可以解决投影数据截断重建过程中产生的高亮伪影，但是对扫描视野外的图像补全效果不理想，特别是离扫描视野越远的位置图像补全效果越差。
发明内容
鉴于上述原因，本发明的目的是提供一种基于有限角度迭代重建超视野CT图像的方法，该方法可有效地补偿CT扫描视野以外的部分，重建一超视野的CT图像。
为实现上述目的，本发明采用以下技术方案：一种基于有限角度迭代重建超视野CT图像的方法，它包括如下步骤：
S1:获取CT机系统参数和扫描的原始数据P0；
S2：对扫描的原始数据P0进行预处理和取负对数得到投影数据P1；
S3：判断各扫描视角下的投影数据P1是否被截断？
S4：如果投影数据P1被截断，则对截断部分的数据进行余弦滤波处理，并且标定该视角下的投影数据不参与后面的迭代运算，将通过余弦滤波后的数据和没有截断的数据组成新的数据集P2，跳转执行步骤S5；
如果投影数据P1没有被截断，则标定该视角下的数据可用于迭代重建，并将该数据拷贝到迭代重建投影数据的缓冲区中,将没有截断的有限角度投影数据集记为P3；
S5：重复执行步骤S3-S4把完整扫描一圈的各视角下的投影数据是否被截断全部判断完成后，将没有截断的有限角度投影数据集P3和截断进行余弦滤波处理后的数据集P2进行滤波反投影重建得到初始化图像I0；
S6：根据已标定没有截断数据的视角，模拟CT机系统几何关系在不同视角下的投影，生成有限角度正投影系统矩阵M；
S7：基于全变分最小化约束的有限角度迭代重建算法，以初始化图像I0为迭代的初始值，对有限角度没有被截断的投影数据进行图像迭代重建；
迭代重建公式如下：Ik+1＝Ik-α(k1(M'(M*Ik-P3)+k2*||I||TV))；
其中：α为迭代的步长；k1、k2为松弛因子，根据对图像的要求取值(0，1]；M为有限角度正投影系统矩阵；M'为正投影系统矩阵的转置矩阵；||I||TV目标图像全变分正则约束项；P3为没有截断的有限角度投影数据集；Ik、Ik+1分别为第k次与第k+1次的迭代结果；
S8：对每次迭代得到的新的图像Ik+1进行非负性约束处理；
Figure BDA0002155531370000021
其中，i是指图像像素点的序号，i的取值范围是[0，N-1]，N为重建图像的总像素点个数；Ik+1(i)为第k+1迭代所得图像第i个像素点CT值；
S9：将非负性约束处理后的图像Ik+1代替图像Ik，重复执行步骤S7～S8；
S10：直到mean(|Ik+1-Ik|)＜ε迭代满足误差要求结束迭代，得到的目标图像即为重建得到截断补偿后的超视野CT图像。
在本发明较佳实施例中，所述CT机系统参数包括但不限于CT机光源到探测器的距离、光源到选择中心的距离、探测器的大小和数量，以及图像重建时设定的相关参数。
在本发明较佳实施例中，所述步骤S3判断各扫描视角下的投影数据P1是否被截断的方法：设定一阈值，判断投影数据P1边缘通道的数字是否大于该阈值？如果大于该阈值，说明该视角的投影数据P1被截断；否则，说明该投影数据P1没有被截断。
在本发明较佳实施例中，所述步骤S7迭代重建的迭代步长α为1.0e-8。
附图说明
图1是本发明基于有限角度迭代重建超视野CT图像的方法流程图。
具体实施方式
下面结合附图和实施例对本发明的结构及特征进行详细说明。需要说明的是，可以对此处公开的实施例做出各种修改，因此，说明书中公开的实施例不应该视为对本发明的限制，而仅是作为实施例的范例，其目的是使本发明的特征显而易见。
CT图像的截断是由于CT机探测器的扫描范围无法覆盖被扫描部位造成的，也就是在CT机光源发出的X射线穿过人体被扫描部位的投影数据缺失了，如图1所示，本发明提供的基于部分完整投影的有限角度数据进行迭代重建超视野CT图像的方法如下：
S1:获取CT机系统参数和扫描的原始数据P0；
所述CT机系统参数包括但不限于CT机光源到探测器的距离、光源到选择中心的距离、探测器的大小和数量，以及图像重建时设定的相关参数。
S2：对扫描的原始数据P0进行预处理和取负对数得到投影数据P1；
所述对原始数据P0进行的预处理包括噪声处理、扫描数据标准化处理等。
S3：判断各扫描视角下的投影数据P1是否被截断？
判断投影数据P1边缘通道的数字是否大于阈值，通常阈值设置为3000；
S4：如果投影数据P1被截断，则对截断部分的数据进行余弦滤波处理，并且标定该视角下的投影数据不参与后面的迭代运算，将通过余弦滤波后的数据和没有截断的数据组成新的数据集P2，跳转执行步骤S5；
如果投影数据P1没有被截断，则标定该视角下的数据可用于迭代重建，并将该数据拷贝到迭代重建投影数据的缓冲区中,将没有截断的有限角度投影数据集记为P3；
S5：重复执行步骤S3-S4把完整扫描一圈的各视角下的投影数据是否被截断全部判断完成后，将没有截断的有限角度投影数据集P3和截断进行余弦滤波处理后的数据集P2进行滤波反投影重建得到初始化图像I0，将初始化图像I0作为迭代重建的初始值；
S6：根据已标定没有截断数据的视角，模拟CT机系统几何关系(光源到探测器的距离、光源到选择中心的距离、以及探测器的大小和数量)在不同视角下的投影，生成正投影系统矩阵M；
S7：基于全变分最小化约束的有限角度迭代重建算法，以初始化图像I0为迭代的初始值，对有限角度没有被截断的投影数据进行图像迭代重建；
迭代重建公式如下：Ik+1＝Ik-α(k1(M'(M*Ik-P3)+k2*||I||TV))；
其中：α为迭代的步长，本发明中α设置为1.0e-8；k1、k2为松弛因子，根据对图像的要求取值(0，1]；M为有限角度正投影系统矩阵；M'为正投影系统矩阵的转置矩阵；||I||TV目标图像全变分正则约束项；P3为没有截断的有限角度投影数据集；Ik、Ik+1分别为第k次与第k+1次的迭代结果；
S8：对每次迭代得到的新的图像Ik+1进行非负性约束处理；
Figure BDA0002155531370000031
其中，i是指图像像素点的序号，i的取值范围是[0，N-1]，N为重建图像的总像素点个数；Ik+1(i)为第k+1迭代所得图像第i个像素点CT值；
S9：将非负性约束处理后的图像Ik+1代替图像Ik，重复执行步骤S7～S8；
S10：直到mean(|Ik+1-Ik|)＜ε迭代满足误差要求结束迭代，得到目标图像即为重建得到截断补偿后的超视野CT图像。
本发明误差要求为1.0e-10。
本发明的优点：本发明充分利用没有被截断视角下的完整投影数据信息，基于全变分最小化约束的有限角度迭代重建算法，以初始化图像I0为迭代的初始值，对有限角度没有被截断的投影数据进行图像迭代重建；不但消除了图像重建过程中可能出现的高亮的截断伪影，而且还恢复出保真度较高的超出扫描视野外的图像。
最后应说明的是：以上所述的各实施例仅用于说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述实施例所记载的技术方案进行修改，或者对其中部分或全部技术特征进行等同替换；而这些修改或替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。

Claims (5)

1.一种基于有限角度迭代重建超视野CT图像的方法，其特征在于：它包括如下步骤：
S1:获取CT机系统参数和扫描的原始数据P0；
S2：对扫描的原始数据P0进行预处理和取负对数得到投影数据P1；
S3：判断各扫描视角下的投影数据P1是否被截断？
S4：如果投影数据P1被截断，则对截断部分的数据进行余弦滤波处理，并且标定该视角下的投影数据不参与后面的迭代运算，将通过余弦滤波后的数据和没有截断的数据组成新的数据集P2，跳转执行步骤S5；
如果投影数据P1没有被截断，则标定该视角下的数据可用于迭代重建，并将该数据拷贝到迭代重建投影数据的缓冲区中,将没有截断的有限角度投影数据集记为P3；
S5：重复执行步骤S3-S4把完整扫描一圈的各视角下的投影数据是否被截断全部判断完成后，将没有截断的有限角度投影数据集P3和截断进行余弦滤波处理后的数据集P2进行滤波反投影重建得到初始化图像I0；
S6：根据已标定没有截断数据的视角，模拟CT机系统几何关系在不同视角下的投影，生成有限角度正投影系统矩阵M；
S7：基于全变分最小化约束的有限角度迭代重建算法，以初始化图像I0为迭代的初始值，对有限角度没有被截断的投影数据进行图像迭代重建；
迭代重建公式如下：Ik+1＝Ik-α(k1(M'(M*Ik-P3)+k2*||I||TV))；
其中：α为迭代的步长；k1、k2为松弛因子，根据对图像的要求取值(0，1]；M为有限角度正投影系统矩阵；M'为正投影系统矩阵的转置矩阵；||I||TV目标图像全变分正则约束项；P3为没有截断的有限角度投影数据集；Ik、Ik+1分别为第k次与第k+1次的迭代结果；
S8：对每次迭代得到的新的图像Ik+1进行非负性约束处理；
Figure FDA0002155531360000011
其中，i是指图像像素点的序号，i的取值范围是[0，N-1]，N为重建图像的总像素点个数；Ik+1(i)为第k+1迭代所得图像第i个像素点CT值；
S9：将非负性约束处理后的图像Ik+1代替图像Ik，重复执行步骤S7～S8；
S10：直到mean(|Ik+1-Ik|)＜ε迭代满足误差要求结束迭代，得到的目标图像即为重建得到截断补偿后的超视野CT图像。
2.根据权利要求1所述的基于有限角度迭代重建超视野CT图像的方法，其特征在于：所述CT机系统参数包括但不限于CT机光源到探测器的距离、光源到选择中心的距离、探测器的大小和数量，以及图像重建时设定的相关参数。
3.根据权利要求2所述的基于有限角度迭代重建超视野CT图像的方法，其特征在于：所述步骤S3判断各扫描视角下的投影数据P1是否被截断的方法：设定一阈值，判断投影数据P1边缘通道的数字是否大于该阈值？如果大于该阈值，说明该视角的投影数据P1被截断；否则，说明该投影数据P1没有被截断。
4.根据权利要求3所述的基于有限角度迭代重建超视野CT图像的方法，其特征在于：所述步骤S7迭代重建的迭代步长α为1.0e-8。
5.根据权利要求4所述的基于有限角度迭代重建超视野CT图像的方法，其特征在于：所述步骤S10误差要求为1.0e-10。
CN201910716299.3A 2019-08-05 2019-08-05 基于有限角度迭代重建超视野ct图像的方法 Active CN110458908B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910716299.3A CN110458908B (zh) 2019-08-05 2019-08-05 基于有限角度迭代重建超视野ct图像的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910716299.3A CN110458908B (zh) 2019-08-05 2019-08-05 基于有限角度迭代重建超视野ct图像的方法

Publications (2)

Publication Number Publication Date
CN110458908A CN110458908A (zh) 2019-11-15
CN110458908B true CN110458908B (zh) 2022-12-09

Family

ID=68484859

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910716299.3A Active CN110458908B (zh) 2019-08-05 2019-08-05 基于有限角度迭代重建超视野ct图像的方法

Country Status (1)

Country Link
CN (1) CN110458908B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111260771B (zh) * 2020-01-13 2023-08-29 北京东软医疗设备有限公司 一种图像重建方法及装置
CN116524098B (zh) * 2023-04-04 2023-12-15 赛诺威盛医疗科技(扬州)有限公司 轴扫ct迭代重建方法、系统、电子设备及存储介质
CN117078784B (zh) * 2023-08-17 2024-08-20 北京朗视仪器股份有限公司 一种图像重建方法、装置及设备

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2016106990A1 (zh) * 2014-12-30 2016-07-07 深圳先进技术研究院 Ct成像方法和系统
CN105761226A (zh) * 2016-02-24 2016-07-13 赛诺威盛科技（北京）有限公司 一种超视野ct扫描图像的补偿重建方法
CN109544655A (zh) * 2018-11-19 2019-03-29 山东科技大学 一种海水管线的x射线ct重建方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2016106990A1 (zh) * 2014-12-30 2016-07-07 深圳先进技术研究院 Ct成像方法和系统
CN105761226A (zh) * 2016-02-24 2016-07-13 赛诺威盛科技（北京）有限公司 一种超视野ct扫描图像的补偿重建方法
CN109544655A (zh) * 2018-11-19 2019-03-29 山东科技大学 一种海水管线的x射线ct重建方法

Also Published As

Publication number Publication date
CN110458908A (zh) 2019-11-15

Similar Documents

Publication Publication Date Title
CN110458908B (zh) 基于有限角度迭代重建超视野ct图像的方法
US10068332B2 (en) Processing a computed tomography image to reduce windmill artifacts
CN103136773B (zh) 一种稀疏角度x射线ct成像方法
US10013780B2 (en) Systems and methods for artifact removal for computed tomography imaging
US8553959B2 (en) Method and apparatus for correcting multi-modality imaging data
CN102024251B (zh) 用于双源ct的基于多图像虚拟非对比图像增强的系统和方法
CA2583831A1 (en) Method and apparatus for metal artifact reduction in computed tomography
JP2007520300A (ja) ボクセル組織クラスを分散するｃｔにおける高減衰オブジェクトにより生じる画像全体のアーティファクトの縮小
CN106651986A (zh) 计算机断层成像伪影校正方法
CN112017131B (zh) Ct图像金属伪影去除方法、装置及计算机可读存储介质
CN106530236B (zh) 一种医学图像处理方法及系统
CN103559728A (zh) 基于解剖功能联合先验模型的pet图像最大后验重建方法
CN111223156A (zh) 一种用于牙科锥束ct系统的金属伪影消除方法
US20220414832A1 (en) X-ray imaging restoration using deep learning algorithms
US10783676B2 (en) Processing metal artifacts in CT image
KR102472464B1 (ko) 영상처리방법 및 이를 이용한 영상처리장치
CN104077758A (zh) Ct图像重建方法
CN113706409A (zh) 基于人工智能的cbct图像增强方法、装置和存储介质
CN103810733A (zh) 一种稀疏角度x射线ct图像的统计迭代重建方法
CN109472836B (zh) 一种ct迭代重建中伪影校正方法
CN109685871B (zh) 图像重建方法、计算机设备及计算机可读存储介质
CN112070704B (zh) 一种基于紧小波框架的双正则化有限角ct图像重建方法
CN112070856A (zh) 基于非下采样轮廓波变换的有限角c型臂ct图像重建方法
US8660226B2 (en) Systems and methods for multichannel noise reduction
CN113838161B (zh) 一种基于图学习的稀疏投影重建方法

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: 100176 1st floor, building 8, 11 Kangding street, Beijing Economic and Technological Development Zone, Daxing District, Beijing

Applicant after: Sinovision Technology (Beijing) Co.,Ltd.

Address before: 100176 1st floor, building 8, 11 Kangding street, Beijing Economic and Technological Development Zone, Daxing District, Beijing

Applicant before: SAINUO WEISHENG TECHNOLOGY (BEIJING) Co.,Ltd.

CB02 Change of applicant information
GR01 Patent grant
GR01 Patent grant