CN110574073A - 谱计算机断层摄影(ct)成像中的残余碘伪影的探测和/或校正 - Google Patents
谱计算机断层摄影(ct)成像中的残余碘伪影的探测和/或校正 Download PDFInfo
- Publication number
- CN110574073A CN110574073A CN201780084084.3A CN201780084084A CN110574073A CN 110574073 A CN110574073 A CN 110574073A CN 201780084084 A CN201780084084 A CN 201780084084A CN 110574073 A CN110574073 A CN 110574073A
- Authority
- CN
- China
- Prior art keywords
- image
- photoelectric effect
- voxels
- iodine
- residual iodine
- 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
- 229910052740 iodine Inorganic materials 0.000 title claims abstract description 131
- 239000011630 iodine Substances 0.000 title claims abstract description 131
- ZCYVEMRRCGMTRW-UHFFFAOYSA-N 7553-56-2 Chemical compound [I] ZCYVEMRRCGMTRW-UHFFFAOYSA-N 0.000 title claims abstract description 116
- 230000003595 spectral effect Effects 0.000 title claims abstract description 49
- 238000003384 imaging method Methods 0.000 title claims abstract description 20
- 238000002591 computed tomography Methods 0.000 title description 12
- 238000001514 detection method Methods 0.000 title description 5
- 238000012937 correction Methods 0.000 title description 4
- 230000000694 effects Effects 0.000 claims abstract description 84
- 210000000988 bone and bone Anatomy 0.000 claims description 33
- 238000000034 method Methods 0.000 claims description 32
- 229910052791 calcium Inorganic materials 0.000 claims description 13
- 239000011575 calcium Substances 0.000 claims description 13
- 239000013598 vector Substances 0.000 claims description 7
- 239000000463 material Substances 0.000 description 23
- 238000000354 decomposition reaction Methods 0.000 description 14
- 230000005855 radiation Effects 0.000 description 13
- OYPRJOBELJOOCE-UHFFFAOYSA-N Calcium Chemical compound [Ca] OYPRJOBELJOOCE-UHFFFAOYSA-N 0.000 description 6
- PNDPGZBMCMUPRI-UHFFFAOYSA-N iodine Chemical compound II PNDPGZBMCMUPRI-UHFFFAOYSA-N 0.000 description 5
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 5
- 229910001868 water Inorganic materials 0.000 description 5
- 238000012545 processing Methods 0.000 description 4
- 238000001228 spectrum Methods 0.000 description 4
- 239000002872 contrast media Substances 0.000 description 3
- 230000002440 hepatic effect Effects 0.000 description 3
- 210000004185 liver Anatomy 0.000 description 3
- 239000000203 mixture Substances 0.000 description 3
- 230000009467 reduction Effects 0.000 description 3
- 230000004075 alteration Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000002596 correlated effect Effects 0.000 description 2
- 230000000875 corresponding effect Effects 0.000 description 2
- 230000001419 dependent effect Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 210000001519 tissue Anatomy 0.000 description 2
- GLXGDSIDFQEZRG-UHFFFAOYSA-N [Ca].[I] Chemical compound [Ca].[I] GLXGDSIDFQEZRG-UHFFFAOYSA-N 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- 239000003570 air Substances 0.000 description 1
- 210000003484 anatomy Anatomy 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 210000004204 blood vessel Anatomy 0.000 description 1
- 238000000701 chemical imaging Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000013170 computed tomography imaging Methods 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 238000002059 diagnostic imaging Methods 0.000 description 1
- 238000003708 edge detection Methods 0.000 description 1
- 230000004907 flux Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000005381 potential energy Methods 0.000 description 1
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
- G06T11/008—Specific post-processing after tomographic reconstruction, e.g. voxelisation, metal artifact correction
-
- 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
- G06T11/005—Specific pre-processing for tomographic reconstruction, e.g. calibration, source positioning, rebinning, scatter correction, retrospective gating
-
- 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
- G06T11/006—Inverse problem, transformation from projection-space into object-space, e.g. transform methods, back-projection, algebraic methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
-
- 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
- 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]
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20172—Image enhancement details
- G06T2207/20192—Edge enhancement; Edge preservation
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20212—Image combination
- G06T2207/20216—Image averaging
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20212—Image combination
- G06T2207/20224—Image subtraction
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30008—Bone
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2211/00—Image generation
- G06T2211/40—Computed tomography
- G06T2211/408—Dual energy
-
- 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)
- Algebra (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Mathematical Physics (AREA)
- Pure & Applied Mathematics (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
一种系统(300),包括被配置为从通过成像系统进行的造影增强谱扫描接收线积分的输入/输出。系统还包括(300)处理器(326),其被配置为:将所述线积分分解(334)为至少康普顿散射和光电效应线积分;重建康普顿散射和光电效应线积分以生成谱图像数据,其包括至少康普顿散射和光电效应图像;对康普顿散射和光电效应图像去噪(332);识别(402)对应于残余碘伪影的去噪康普顿散射和光电效应图像中的残余碘伪影;并且使用所识别的残余碘体素产生虚拟非造影图像。
Description
技术领域
以下总体上涉及谱成像,并且更具体地涉及谱计算机断层摄影(CT)成像中的残余碘伪影的探测和/或校正。
背景技术
CT扫描器通常包括与一个或多个探测器相对安装在可旋转机架上的X射线管。X射线管围绕被定位于X射线管与一个或多个探测器之间的检查区域旋转并且发射穿过检查区域和被设置在检查区域中的对象和/或物体的辐射。一个或多个探测器探测穿过检查区域的辐射并且生成指示检查区域和被设置在其中的对象和/或物体的信号或投影数据。
投影数据被重建以生成体积图像数据,所述体积图像数据可以被用于生成一幅或多幅图像。(一幅或多幅)得到的图像包括依据对应于相对放射密度的灰度级值表示的像素。这样的信息反映扫描的对象和/或物体的衰减特性,并且通常示出结构,诸如患者内的解剖结构、无生物物体内的物理结构等。这些图像取决于X射线源和光子探测器的性质。
探测到的辐射还包括谱信息,因为由对象和/或物体对辐射的吸收取决于穿过其间的光子的能量。这样的谱信息提供额外的信息,诸如指示组织的元素或材料组成和/或对象和/或物体的材料的信息。然而,利用常规CT,投影数据未反映谱特性,因为其表示的数据与在能量谱上积分的能量通量成比例。
被配置用于谱(多能量)成像的CT扫描器利用谱特性。谱CT成像的一个应用是通过将碘与钙分离并且在给定keV处从标准单色图像移除碘分量来完成虚拟非造影(VNC)图像的能力。目标是产生等效于在没有造影剂的情况下根据扫描产生的图像(“真实非造影”或TNC图像)的图像。VNC图像消除对于第二或真实非造影扫描的需要,因此减少对于检查中的患者的总体X射线剂量。
然而,当利用从去噪谱图像数据分解的谱分量生成时,VNC图像显示隔离的残余碘伪影,尤其是在肝中的小血管的区域中的隔离的残余碘伪影。这些碘残余在VNC图像中不是预期的,所述VNC图像应当去除所有碘。遗憾的是,这些伪影减少临床医师关于其他区中的VNC图像的准确度的信心。在图1和图2中示出了范例。图1示出了TNC图像。图2示出了具有残余碘伪影的VNC图像,所述残余碘伪影表现为造影填充的肝血管中的一些中的阴影200。在图1的TNC图像中,这些阴影不存在。
VNC图像中的残余碘可以被追溯到光电效应/康普顿散射基础分解对中的伪影。实质上,这些区域中的康普顿散射图像的值太大,并且因此被识别为包含一些钙,并且不在VNC图像的生成期间被移除。由于光电效应/康普顿散射材料分解中的反相关噪声的性质,因而在联合光电效应/康普顿散射去噪算法中从一幅图像移除的任何事物倾向于在另一图像中出现。康普顿散射图像中的残余可以归因于联合反相关去噪的限制。
鉴于前述内容,存在对于产生VNC图像(例如,没有残余碘伪影或具有减少的残余碘伪影的VNC图像)的另一方法的未解决的需要。
发明内容
本文所描述的方法解决上文提到的问题和其他问题。
在一个方面中,一种系统包括被配置为从通过成像系统进行的造影增强谱扫描接收线积分的输入/输出部。所述系统还包括被配置为执行以下操作的处理器:将所述线积分分解为至少康普顿散射和光电效应线积分;重建康普顿散射和光电效应线积分以生成谱图像数据,包括至少康普顿散射和光电效应图像;对康普顿散射和光电效应图像去噪;识别去噪康普顿散射和光电效应图像中对应于残余碘伪影的残余碘体素;并且使用所识别的残余碘体素产生虚拟非造影图像。
在另一方面中,一种系统包括被配置为执行以下操作的处理器:接收指示康普顿散射图像和光电效应图像中所识别的残余碘的信号,所述康普顿散射图像和所述光电效应图像是根据通过成像系统进行的造影增强谱扫描的分解线积分重建的并且是去噪的;基于所识别的残余碘体素来校正所述康普顿散射图像和所述光电效应图像;并且利用经校正的康普顿散射和光电效应图像产生虚拟非造影图像。
在另一方面中,一种系统包括被配置为执行以下操作的重建器:使用具有正则化的迭代重建在第一重建通过期间重建谱图像数据并且生成康普顿散射图像和光电效应图像,其中,所述谱图像数据根据从通过成像系统进行的造影增强谱扫描生成的线积分来分解。所述系统还包括被配置为执行以下操作的处理器:接收指示在康普顿散射图像和光电效应图像中所识别的残余碘的信号。所述重建器使用所识别的残余碘来执行第二通过重建以控制所述迭代重建的所述正则化。
在另一方面中,一种方法包括:从造影增强谱扫描接收线积分;将所述线积分分解为至少康普顿散射和光电效应线积分;对分解谱图像数据去噪;重建去噪分解谱图像数据以生成康普顿散射图像和光电效应图像;识别所述康普顿散射图像和所述光电效应图像中对应于残余碘伪影的残余碘体素;并且使用所识别的残余碘体素来产生经校正的非造影图像。
在阅读并且理解随附描述之后,本领域的普通技术人员还将认识到本申请的其他方面。
附图说明
本发明可以采取各种部件和部件布置的形式,并且可以采取各种步骤和各步骤安排的形式。附图仅出于图示优选的实施例的目的,而不应被解释为对本发明的限制。
图1示出了没有肝血管中的可见残余碘伪影的真实非造影图像;
图2示出了具有残余碘伪影的虚拟非造影图像,所述残余碘伪影表现为造影填充的肝血管中的一些中的阴影;
图3示意性地图示了包括具有伪影移除器的VNC图像生成器的范例成像系统;
图4示意性地图示了伪影移除器的范例;
图5示出了其中各种组成的体素落在康普顿散射-光电效应平面上的区;
图6示出了来自多材料分解的材料图像的范例;
图7示出了具有碘区域的多材料分解的骨骼分量图像;
图8示出了针对图8的骨骼分量图像的平均密度图像;
图9示出了沿着线被识别为残余碘的体素直到其与水-碘线相交的投影;
图10示出了没有肝血管中的残余碘伪影的得到的VNC图像的范例;
图11示出了具有残余碘伪影的VNC图像;
图12示出了使用本文所描述的残余碘减法生成的没有残余碘伪影的VNC图像;
图13示出了经由现有技术方法生成的并且包括残余碘伪影的VNC图像的范例;
图14示出了范例残余碘图像;
图15示出了经由本文所描述的方法生成额并且不包括残余碘伪影的VNC图像的范例;
图16图示了用于通过从光电效应和康普顿散射图像进行添加和减去来针对残余碘伪影校正VNC图像的范例方法;
图17图示了用于通过在具有正则化的迭代重建期间控制残余碘体素的边缘处的正则化来针对残余碘伪影校正VNC图像的范例方法;
图18结合图9示出了从康普顿散射图像减去并且添加到光电效应图像以将体素移动到中的水-碘线的向量减法的范例;并且
图19结合图13-15示出了如何控制正则化的范例。
具体实施方式
图3示意性地图示了成像系统300,诸如被配置用于谱(多能量)成像的计算机断层摄影(CT)扫描器。
成像系统300包括固定机架302和旋转机架304。旋转机架304由固定机架302可旋转地支持并且关于纵轴或z轴308围绕检查区域306旋转。对象支撑件310(诸如卧榻)将物体或对象支撑在检查区域中。对象支撑件310与执行成像流程协调可移动从而相对于检查区域306引导对象或物体。以下在被施予造影剂的物体或对象的造影剂(例如,碘)扫描的背景下描述。
辐射源312(诸如X射线管)由旋转机架304可旋转地支撑。辐射源312随着旋转机架304旋转并且发射穿过检查区域306的多色辐射。辐射源312可以是单个X射线管,其被配置为发射针对单个选定的峰值发射电压(kVp)的辐射(即,该kVp处的能量谱),其被配置为在扫描期间在至少两个不同的峰值发射电压(例如,80kVp、340kVp等)之间切换,和/或包括旋转机架304上角偏移的两个或更多个X射线管,每个被配置为发射具有不同的平均能量谱的辐射。
辐射敏感探测器阵列314跨检查区域306与辐射源312相对围成一角弧。探测器阵列314包括一行或多行探测器,所述一行或多行探测器沿着z轴308方向相对于彼此被布置并且探测穿过检查区域306的辐射。探测器阵列314包括能量分辨探测器,诸如多层闪烁体/光传感器探测器,和/或直接转换探测器,和/或非能量分辨探测器。探测器阵列314生成并且输出指示N个不同的能量的信号(投影数据或者线积分),其中,N是等于或大于二的整数。
操作者控制台318允许操作者控制系统300的操作。这包括选择采集协议(例如,多能量)、重建算法(例如,VNC)等。操作者控制台318包括输入/输出(I/O)320,输入/输出(I/O)320便利至少与(一个或多个)输出设备322(诸如显示监测器、胶片机等)和(一个或多个)输入设备324(诸如鼠标、键盘等)的通信。操作者控制台320还包括至少一个处理器326(例如,中央处理单元(CPU)、微处理器等)以及计算机可读存储介质328(其运行瞬态介质),诸如物理存储器和/或其他非瞬态介质。计算机可读存储介质328存储计算机可读指令330,并且处理器326被配置为运行指令330。
所图示的计算机可读指令330包括材料分解器332,所述材料分解器被配置为根据不同的材料基础基于已知和/或其他分解算法对线积分进行分解,因为每个材料具有唯一衰减谱响应,即,每个材料具有基于图像的能量图上的唯一材料响应。在一个实例中,材料分解器332分解线积分以至少产生康普顿散射和光电线积分。材料分解的非限制性范例在于2015年12月14日递交并且题为“Penalized maximum likelihood materialdecomposition”的申请序列号PCT/IB2015/059602、公开号WO2016097981A1中,通过引用将其整体并入本文。
所图示的计算机可读指令330还包括重建器334,重建器334被配置为重建分解的线积分投影数据并且生成指示检查区域306和其中的物体或对象的部分的体积图像数据。在一个实例中,重建器334采用谱重建算法并且生成至少康普顿散射图像和光电图像。额外地或者备选地,重建器334组合线积分并且采用非谱重建算法来生成非谱(常规)体积图像数据。额外地或者备选地,重建器334组合康普顿散射和光电图像以生成常规图像。
所图示的计算机可读指令330还包括去噪器336。去噪器336被配置为对谱图像进行去噪。例如,在一个非限制性实例中,去噪器336被配置为确定针对每幅谱图像的噪声图案(例如,用于谱图像的每个体素的局部噪声值的估计),并且基于噪声图案来减少谱图像的噪声。这样的方法的非限制性范例在于2012年7月30日递交并且题为“Image processingfor spectral ct”的申请序列号US14/232292、公开号US 2014/0133729A1中描述,通过引用将其整体并入本文。另一适合的范例在于2015年12月7日递交并且题为“Anti-Correlated Noise Filter”的申请序列号PCT/IB2015/059396、公开号WO/2016/103088中描述,通过引用将其整体并入本文。在本文中还预期了其他去噪方法。
额外地或者备选地,可以在重建期间应用去噪,如在于2016年11月1日递交并且题为“Apparatus for noise reduction in body part imagery”的申请序列号EP16196707.0、序列No.16196707.0中所公开的,通过引用将其整体并入本文。额外地或者备选地,可以在材料分解中应用去噪,如在于2015年12月14日递交并且题为“Penalizedmaximum likelihood material decomposition”的申请序列号PCT/IB2015/059602、公开号WO2016097981A1中公开的,通过引用将其整体并入本文。在本文中还预期了其他重建和/或分解去噪方法。
所图示的计算机可读指令330还包括VNC图像生成器338。VNC图像生成器338被配置为根据去噪的谱图像生成VNC图像。如下面更详细地描述的,VNC图像生成器338包括伪影移除器334,伪影移除器334联合地分析去噪的光电效应和康普顿散射图像并且探测和/或识别可能包含残余碘伪影的图像的区域。然后,在一个实例中,伪影移除器340校正针对被识别为包含残余碘的体素的光电效应和康普顿散射图像的值。通常,这包括从康普顿散射图像减去预定数量并且将相同数量添加到光电效应图像。该方法在本文中被称为残余碘减法(RIS)。VNC图像生成器338然后基于经校正的康普顿散射和光电效应图像生成VNC图像。还在下面更详细地描述的,在另一实例中,所识别的区域被用于在具有正则化的迭代重建中控制正则化以减少和/或移除这样的伪影。
图4示意性地图示了伪影移除器340的范例。在该范例中,伪影移除器340包括残余碘探测部件(“识别器”)402和残余碘减法部件(“校正器”)404。
分解的光电效应和康普顿散射图像中的图像体素的值可以在具有针对每个体素的x轴上的康普顿散射值和y轴上的光电效应值的散点图上可视化。图5示出了范例。一般而言,包含碘的体素沿着水504与具有增加的碘浓度的碘506之间的水-碘线502坐落。体素508表示这样的体素。相反,包含钙碘的体素沿着水504与具有增加的浓度的钙(骨骼)512之间的水-钙线510坐落。体素514表示这样的体素。
残余碘伪影516的体素倾向于位于线502与510之间的区域518中。这些体素倾向于具有稍微太多的康普顿散射分量,以及不足够的光电效应分量。这样一来,其仅落到预期的碘区域502的右边。量化这一点的方式是分配体素属于碘或钙/骨骼的“概率”。水-碘线502上的点将具有零骨骼概率(ρ=0)、水-钙线510上的点将具有高骨骼概率(例如,ρ=1),并且水-碘线502与水-钙线510之间的点的概率根据其多么接近于水-碘线502和水-钙线510而变化。
一种将骨骼概率分配给体素的方式是通过将在Mendonca等人“A FlexibleMethod for Multi-Material Decomposition of Dual-Energy CT Images”(IEEETransactions on Medical Imaging,33(1),99–116,2014)中所描述的多材料分解算法应用到康普顿散射和光电效应图像,但是在本文中预期了其他方法。该算法将光电效应/康普顿散射平面中的每个点分解为三个向量的和,这取决于点位于的三角形。空气-水-碘三角形520内的点被表达为指向空气、水和碘点的向量的和,而水、碘、钙三角形522内的点被表达为水、碘和钙的线性组合。
因此,每个体素的康普顿散射和光电效应值可以被写作给定数目的分量的线性组合(例如,在该范例中五个(5),其中的仅三个(3)对于任何给定体素是非零的)如下:
μorig=α组织·μ组织+α碘·μ碘+α骨骼·μ骨骼+α空气·μ空气+α脂肪·μ脂肪,
其中,μ具有康普顿散射和光电效应分量:例如,μ骨骼=[μ散射,u光电]。多材料分解的结果的范例在图6中针对以下五个(5)材料分量示出:组织、碘、骨骼、空气和脂肪,其中,在图6的图像中示出用于不同的材料分量的系数值α。
骨骼分量值可以被看作为表示包含骨骼的体素的“概率”。骨骼分量图像是大部分稀疏的,具有残余碘的区域(例如,图7中的区域702)中的一些较低密度值以及相应地在骨骼区域704和706中的较高和较低密度值两者。然而,骨骼分量值704和706上的阈值化操作不仅将找到残余碘体素702,而且将找到骨骼体素706,因为在骨骼的边缘(例如,在脊柱和肋骨中)附近的一些区域也具有较低的骨骼系数。体素706在图5中还被表示为更接近于水-钙线510。处理器326应用额外的处理来将残余碘与骨骼体素区分。
任何残余碘体素不应当连接到具有大骨骼分量的许多体素,而具有较低骨骼系数的真实骨骼体素应当总是在具有大骨骼分量的体素附近。处理器326还通过找到具有骨骼系数>0(其中,0=背景)的连接体素的组将残余碘与骨骼分离。这些在本文中并且通常在图像处理领域中被称为“连接分量”。然后,对于每个连接分量,处理器326根据多材料分解来计算其骨骼值的平均密度:
对于所有体素,j属于组i。
在图8中示出了该平均密度。根据图8,可以容易看到,与区域802中的具有较低平均密度(较暗灰度级)的残余碘区域相比较,骨骼体素(例如,在肋骨和脊柱中)属于具有相对较高平均密度(较亮灰度级)的区域802。处理器326通过图8的平均密度图像上的阈值化来识别并且标记残余碘的区域,例如,利用低于最低平均骨骼值并且在该值与残余碘的平均之间的阈值。在一个实例中,阈值可以是可调节的并且被调节直到残余碘被识别。
由于康普顿散射和光电效应图像中的噪声是强反相关的,这些图像中的伪影也倾向于是反相关的。即,康普顿散射图像中的一个方向上的任何偏差对应于光电效应图像中的相反方向上的偏差,并且处理器326通过针对所识别的体素从康普顿散射图像减去数量并且将相同数量添加到光电效应图像(例如,以亨氏单位、衰减单位等)来针对残余碘问题对图像进行校正。一般而言,这对应于沿着图5中的康普顿散射/光电效应平面中的135度处的线移动碘体素以将其移动到水-碘线。
通过非限制性范例,在一个实例中,处理器326沿着135度线移动这些体素,直到其位于水-碘线502上(图5)。这确保其将不再具有多材料分解中的骨骼分量,并且其对于VNC图像的贡献将减少,从而产生残余碘伪影的减少。在图9中示出了范例,图9示出了沿着135度(相对于x-y平面)线906从区域518中的第一位置904移动到在水-碘线502上的第二位置908的来自区域518(图5)的体素516的体素902。
图18示出了从康普顿散射图像减去并且添加到光电效应图像以将体素902移动到水-碘线的向量减法的范例。从点(x0,y0)到由点(x1,y1)和(x2,y2)定义的线的垂直距离d1可以被表达为:
当从康普顿散射图像减去并且添加到光电效应图像时将原始点(x0,y0)在(x3,y3)处移动到线的值d2可以根据以下等式来确定:
其中,γ是线的角,由(x1,y1)和(x2,y2)定义的线可以与被用于探测残余碘的线相同,或者其可以是由其他准则定义的不同的线。
在校正之后,VNC图像生成器338利用经校正的康普顿散射和光电效应图像创建VNC图像。其非限制性范例在于2012年7月10日递交并且题为“Spectral ct”的申请序列号PCT/IB2012/053520、公开号WO2013011418A2中描述,通过引用将其整体并入本文。在本文中还预期了其他VNC图像生成方法。图10示出了没有肝血管中的残余碘伪影的得到的VNC图像的范例。图11和图12示出了具有残余碘伪影的VNC图像(图11)和使用本文所描述的残余碘减法生成并且没有残余碘伪影的VNC图像(图12)的并排式比较。
接下来预期了变型。
在备选方法中,所识别的区域被用作具有正则化算法的迭代重建的输入以使正则化定向地取决于所识别的残余碘区域的边界以保留或移除边缘从而减少边缘处的碘伪影。该变化可以与在于2016年11月1日递交并且题为“Apparatus for noise reduction inbody part imagery”的申请序列号EP16196707.0、序列No.16196707.0中描述的迭代重建一起使用,通过引用将其整体并入本文。这还可以与其他迭代重建算法一起使用。
EP 16196707.0描述了通过图像中的找到的边缘(其可以经由梯度和/或其他方法找到)处的定向相关正则化来减少图像去噪中的特定伪影的方法。这可以利用本文的方法扩展到图像边缘的仅子集(例如,针对仅残余碘边缘)。为此,处理器326将残余碘识别与碘边缘处的定向正则化组合以移除残余碘伪影。明确地,康普顿散射图像上的正则化保持相同,但是光电效应图像中的正则化垂直于残余碘区域的定位的边缘被减少。
图13、图14和图15示出了残余碘探测与定向正则化的组合的范例。图13示出了根据标准去噪流程生成的VNC图像,例如,如在EP 16196707.0中所描述的。根据该图像,由本文所描述的识别器402识别残余碘的区域。图14示出了残余碘图像。处理器326关闭沿着残余碘区域的边缘的正则化以保留并且不平滑光电效应图像中的边缘并且移除康普顿散射图像中的边缘来校正残余碘。图15示出了其中移除残余碘伪影并且生成VNC图像的结果。
图19示出了如何控制正则化的范例。正则化项R的一般描述由以下等式给出:
正则化项在图像中的所有像素j上运行。对于每个体素j,选择特定近邻像素k。近邻像素的值之间的差(μj-μk)被获取,利用势能函数Ψ变换并且利用加权因子wkj加权。该加权可以个体地针对每个像素的每个近邻完成,从而允许仅针对相对于“中心”像素j的特定方向减少正则化强度。
在第一步骤中,计算物体边缘,例如,利用canny边缘探测器。存在还可以使用的可用的用于边缘探测的许多其他方法。边缘探测器的输出被用于计算正则化权重wk。这通过使用1减去探测到的边缘的法向量与中心像素与邻近像素之间的向量之间的角的余弦的绝对值完成。在本文中预期了其他方法。
在图3的变型中,至少与生成VNC图像有关的操作者控制台318的部件(例如,VNC图像生成器338)是与成像系统300分离的计算系统的部分。计算系统可以从成像系统300、数据储存库、另一成像系统和/或其他设备接收投影。适合的数据储存库的范例是影像归档和通信系统(PACS)、放射学信息系统(RIS)、医院信息系统(HIS)、电子病历(EMR)、数据库、服务器、成像系统和/或其他数据储存库。
图16图示了用于针对残余碘伪影校正VNC图像的范例方法。
应意识到,方法中的动作的排序是非限制性的。这样一来,在本文中预期其他排序。此外,可以省略一个或多个动作和/或可以包括一个或多个额外的动作。
在1602处,执行对象或物体的谱扫描。
在1604处,得到的投影数据被分解、重建并且去噪以生成谱图像数据,包括康普顿散射和光电效应图像。
在1606处,在康普顿散射和光电效应图像中定位残余碘的区域,如本文所描述的。
在1608处,针对所识别的残余碘校正康普顿散射和光电效应图像,如本文所描述的。
在1610处,根据经校正的康普顿散射和光电效应图像生成VNC图像。
图17图示了用于针对残余碘伪影校正VNC图像的范例方法。
应意识到,方法中的动作的排序是非限制性的。这样一来,在本文中预期其他排序。此外,可以省略一个或多个动作和/或可以包括一个或多个额外的动作。
在1702处,执行对象或物体的谱扫描。
在1704处,投影数据使用具有正则化的迭代重建算法经由第一通过重建以生成谱图像数据,包括康普顿散射和光电效应图像。
在1706处,在康普顿散射和光电效应图像中定位残余碘的区域。
在1708处,第二重建通过利用具有正则化的迭代重建算法来利用残余碘的定位区域以控制正则化从而仅在所识别的区域的边界处减少正则化。
在1710处,根据重建图像生成VNC图像。
本文的动作可以通过编码或嵌入在计算机可读存储介质上的计算机可读指令实施,其当由(一个或多个)处理器运行时,使所述(一个或多个)处理器执行所描述的动作。额外地或者备选地,计算机可读指令中的至少一个由信号、载波或其他瞬态介质携带。
已经参考优选的实施例描述了本发明。在阅读并且理解了前述详细描述之后可以想到修改和变型。本发明旨在被理解为包括所有这样的修改和变型只要其落入权利要求书或其等价方案的范围之内。
Claims (26)
1.一种系统(318),包括:
输入/输出部(320),其被配置为接收来自通过成像系统(300)进行的造影增强谱扫描的线积分;以及
处理器(326),其被配置为:
将所述线积分分解(332)为至少康普顿散射线积分和光电效应线积分;
重建(334)所述康普顿散射线积分和光电效应线积分以生成谱图像数据,所述谱图像数据包括至少康普顿散射图像和光电效应图像;
对所述康普顿散射图像和所述光电效应图像进行去噪(336);
识别(402)去噪康普顿散射图像和所述光电效应图像中对应于残余碘伪影的残余碘体素;并且
使用所识别的残余碘体素来产生虚拟非造影图像。
2.根据权利要求1所述的系统,其中,所述处理器通过以下操作来识别所述残余碘体素:
根据所述康普顿散射图像和所述光电效应图像来生成骨骼图像;
计算针对连接体素的每个组中的体素的平均体素值;
针对连接体素的所述组中的每个将所述平均体素值分配到组中的所有所述体素,从而创建平均图像;并且
将预定阈值应用到所述平均图像以将具有对应于骨骼的平均体素值的组与具有对应于碘的平均体素值的组进行分离。
3.根据权利要求1所述的系统,其中,所述处理器基于所识别的残余碘体素来校正所述康普顿散射图像和所述光电效应图像。
4.根据权利要求3所述的系统,其中,所述处理器通过将值添加到所述光电效应图像的所识别的体素值并且从所述康普顿散射图像中的对应的体素值减去相同值来校正所述康普顿散射图像和所述光电效应图像,以校正所述康普顿散射图像和所述光电效应图像。
5.根据权利要求3所述的系统,其中,所述处理器通过将所识别的体素值从光电效应/康普顿散射图中的水-碘线与水-钙线之间的区域朝向所述水-碘线移动来校正所述康普顿散射图像和所述光电效应图像。
6.根据权利要求4所述的系统,其中,所述处理器通过向量减法来移动所识别的体素值。
7.根据权利要求3至6中的任一项所述的系统,其中,所述处理器利用经校正的康普顿散射图像和经校正的光电效应图像来产生所述虚拟非造影图像。
8.根据权利要求1所述的系统,其中,所述处理器还被配置为使用具有正则化的迭代重建在第一重建通过期间重建所述谱图像数据,并且其中,所述处理器使用所识别的残余碘来执行第二通过重建以控制所述迭代重建的所述正则化。
9.根据权利要求8所述的系统,其中,所述正则化被控制以保留所述光电效应图像中的所识别的残余碘区域的边缘。
10.根据权利要求8至9中的任一项所述的系统,其中,所述正则化被控制以移除所述康普顿散射图像中的所识别的残余碘区域的边缘。
11.一种系统,包括:
处理器,其被配置为:
接收指示康普顿散射图像和光电效应图像中所识别的残余碘的信号,所述康普顿散射图像和所述光电效应图像是根据来自通过成像系统进行的造影增强谱扫描的分解线积分重建的并且是去噪的;并且
基于所识别的残余碘体素来校正所述康普顿散射图像和所述光电效应图像;并且
利用经校正的康普顿散射和经校正的光电效应图像来产生虚拟非造影图像。
12.根据权利要求11所述的系统,其中,所述处理器将值添加到所述光电效应图像的所识别的体素值以校正所述光电效应图像。
13.根据权利要求11至12中的任一项所述的系统,其中,所述处理器从所述康普顿散射图像的所识别的体素值减去值以校正所述康普顿散射图像。
14.根据权利要求11所述的系统,其中,所述处理器将所识别的体素的值从光电效应/康普顿散射图中的水-碘线与水-钙线之间的区域移动到所述水-碘线,以校正所述光电效应图像和所述康普顿散射图像。
15.根据权利要求11至14中的任一项所述的系统,其中,所述处理器:
根据所述康普顿散射图像和所述光电效应图像来生成骨骼图像;
计算针对连接体素的每个组中的体素的平均体素值;
针对连接体素的所述组中的每个将所述平均体素值分配到组中的所有所述体素,从而创建平均图像;并且
将预定阈值应用到所述平均图像以将具有对应于骨骼的平均体素值的组与具有对应于碘的平均体素值的组进行分离从而识别所述残留碘。
16.一种系统,包括:
重建器,其被配置为使用具有正则化的迭代重建在第一重建通过期间重建谱图像数据并且生成康普顿散射图像和光电效应图像,其中,所述谱图像数据是根据从成像系统的造影增强谱扫描生成的线积分来分解的;
处理器,其被配置为:
接收指示在所述康普顿散射图像和所述光电效应图像中识别的残余碘的信号,
其中,所述重建器使用所识别的残余碘来执行第二通过重建以控制所述迭代重建的所述正则化。
17.根据权利要求16所述的系统,其中,所述正则化被控制以保留所述光电效应图像中的所识别的残余碘区域的边缘。
18.根据权利要求16至18中的任一项所述的系统,其中,所述正则化被控制以移除所述康普顿散射图像中的所识别的残余碘区域的边缘。
19.根据权利要求16至18中的任一项所述的系统,其中,所述处理器:
根据所述康普顿散射图像和所述光电效应图像来生成骨骼图像;
计算针对连接体素的每个组中的体素的平均体素值;
针对连接体素的所述组中的每个将所述平均体素值分配到组中的所有所述体素,从而创建平均图像;并且
将预定阈值应用到所述平均图像以将具有对应于骨骼的平均体素值的组与具有对应于碘的平均体素值的组进行分离从而识别所述残留碘。
20.一种方法,包括:
接收来自造影增强谱扫描的线积分;
将所述线积分分解为至少康普顿散射线积分和光电效应线积分;
对分解谱图像数据进行去噪;
重建去噪分解谱图像数据以生成康普顿散射图像和光电效应图像;
识别所述康普顿散射图像和所述光电效应图像中对应于残余碘伪影的残余碘体素;并且
使用所识别的残余碘体素来产生经校正的虚拟非造影图像。
21.根据权利要求20所述的方法,还包括:
根据所述康普顿散射图像和所述光电效应图像来生成骨骼图像;
计算针对连接体素的每个组中的体素的平均体素值;
针对连接体素的所述组中的每个将所述平均体素值分配到组中的所有所述体素,从而创建平均图像;并且
将预定阈值应用到所述平均图像以将具有对应于骨骼的平均体素值的组与具有对应于碘的平均体素值的组进行分离从而识别所述残留碘体素。
22.根据权利要求17至18中的任一项所述的方法,还包括:
基于所识别的残余碘体素来校正所述康普顿散射图像和所述光电效应图像。
23.根据权利要求20所述的方法,还包括:
使用具有正则化的迭代重建在第一重建通过期间重建所述谱图像数据。
24.根据权利要求23所述的方法,还包括:
使用所识别的残余碘来执行第二重建以控制所述迭代重建的所述正则化。
25.根据权利要求24所述的方法,还包括:
控制所述正则化以保留所述光电效应图像中的所识别的残余碘区域的边缘。
26.根据权利要求24至25中的任一项所述的方法,还包括:
控制所述正则化以移除所述康普顿散射图像中的所识别的残余碘区域的边缘。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201662435925P | 2016-12-19 | 2016-12-19 | |
US62/435,925 | 2016-12-19 | ||
PCT/EP2017/083567 WO2018114964A1 (en) | 2016-12-19 | 2017-12-19 | Detection and/or correction of residual iodine artifacts in spectral computed tomography (ct) imaging |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110574073A true CN110574073A (zh) | 2019-12-13 |
CN110574073B CN110574073B (zh) | 2023-04-11 |
Family
ID=60812071
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201780084084.3A Active CN110574073B (zh) | 2016-12-19 | 2017-12-19 | 能谱计算机断层摄影(ct)成像中的残余碘伪影的探测和/或校正 |
Country Status (4)
Country | Link |
---|---|
US (1) | US11049295B2 (zh) |
EP (1) | EP3555860B1 (zh) |
CN (1) | CN110574073B (zh) |
WO (1) | WO2018114964A1 (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111505699A (zh) * | 2020-04-24 | 2020-08-07 | 上海联影医疗科技有限公司 | 康普顿散射事例恢复方法、pet系统及计算机可读存储介质 |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3901898A1 (en) * | 2020-04-24 | 2021-10-27 | Koninklijke Philips N.V. | Apparatus for determining decomposed spectral image data |
EP4198881A1 (en) * | 2021-12-15 | 2023-06-21 | Koninklijke Philips N.V. | Improved water map calculation in spectral x-ray |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101495039A (zh) * | 2005-09-22 | 2009-07-29 | 皇家飞利浦电子股份有限公司 | 用于能谱ct的定量物质分解 |
US20120106816A1 (en) * | 2010-10-29 | 2012-05-03 | Bruno Kristiaan Bernard De Man | System and method for material decomposition optimization in image domain |
CN103180875A (zh) * | 2010-10-27 | 2013-06-26 | 皇家飞利浦电子股份有限公司 | 低剂量ct降噪 |
US20150296193A1 (en) * | 2012-05-31 | 2015-10-15 | Apple Inc. | Systems and methods for rgb image processing |
WO2016042466A2 (en) * | 2014-09-15 | 2016-03-24 | Koninklijke Philips N.V. | Iterative image reconstruction with a sharpness driven regularization parameter |
WO2016142796A1 (en) * | 2015-03-09 | 2016-09-15 | Koninklijke Philips N.V. | Multi-energy (spectral) image data processing |
Family Cites Families (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8355555B2 (en) * | 2009-09-17 | 2013-01-15 | Siemens Aktiengesellschaft | System and method for multi-image based virtual non-contrast image enhancement for dual source CT |
CN102858245B (zh) * | 2010-11-10 | 2016-01-06 | 东芝医疗系统株式会社 | 图像处理装置及x射线诊断装置 |
US9547889B2 (en) | 2011-07-15 | 2017-01-17 | Koninklijke Philips N.V. | Image processing for spectral CT |
WO2015014677A1 (en) * | 2013-07-30 | 2015-02-05 | Koninklijke Philips N.V. | Monochromatic attenuation contrast image generation by using phase contrast ct |
US9683948B2 (en) * | 2013-11-01 | 2017-06-20 | General Electric Company | Systems and methods for iterative multi-material correction of image data |
JP6559678B2 (ja) * | 2013-12-17 | 2019-08-14 | コーニンクレッカ フィリップス エヌ ヴェKoninklijke Philips N.V. | スペクトル画像データ処理 |
WO2016003957A2 (en) * | 2014-07-03 | 2016-01-07 | Duke University | Spectral estimation and poly-energetic reconstruction methods and x-ray systems |
EP3210192B1 (en) * | 2014-10-20 | 2018-12-12 | Koninklijke Philips N.V. | Start image for spectral image iterative reconstruction |
WO2016097981A1 (en) | 2014-12-16 | 2016-06-23 | Koninklijke Philips N.V. | Penalized maximum likelihood material decomposition |
US20170372496A1 (en) | 2014-12-22 | 2017-12-28 | Koninklijke Philips N.V. | Anti-correlated noise filter |
WO2018083073A1 (en) | 2016-11-01 | 2018-05-11 | Koninklijke Philips N.V. | Apparatus for noise reduction in body part imagery |
-
2017
- 2017-12-19 WO PCT/EP2017/083567 patent/WO2018114964A1/en active Application Filing
- 2017-12-19 US US16/470,995 patent/US11049295B2/en active Active
- 2017-12-19 CN CN201780084084.3A patent/CN110574073B/zh active Active
- 2017-12-19 EP EP17821603.2A patent/EP3555860B1/en active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101495039A (zh) * | 2005-09-22 | 2009-07-29 | 皇家飞利浦电子股份有限公司 | 用于能谱ct的定量物质分解 |
CN103180875A (zh) * | 2010-10-27 | 2013-06-26 | 皇家飞利浦电子股份有限公司 | 低剂量ct降噪 |
US20120106816A1 (en) * | 2010-10-29 | 2012-05-03 | Bruno Kristiaan Bernard De Man | System and method for material decomposition optimization in image domain |
US20150296193A1 (en) * | 2012-05-31 | 2015-10-15 | Apple Inc. | Systems and methods for rgb image processing |
WO2016042466A2 (en) * | 2014-09-15 | 2016-03-24 | Koninklijke Philips N.V. | Iterative image reconstruction with a sharpness driven regularization parameter |
WO2016142796A1 (en) * | 2015-03-09 | 2016-09-15 | Koninklijke Philips N.V. | Multi-energy (spectral) image data processing |
Non-Patent Citations (1)
Title |
---|
LI Y 等: "Iodine quantification with dual-energy CT: phantom study and preliminary experience with VX2 residual tumour in rabbits after radiofrequency ablation", 《英国杂志》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111505699A (zh) * | 2020-04-24 | 2020-08-07 | 上海联影医疗科技有限公司 | 康普顿散射事例恢复方法、pet系统及计算机可读存储介质 |
CN111505699B (zh) * | 2020-04-24 | 2022-05-10 | 上海联影医疗科技股份有限公司 | 康普顿散射事例恢复方法、pet系统及计算机可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
US20200027253A1 (en) | 2020-01-23 |
CN110574073B (zh) | 2023-04-11 |
US11049295B2 (en) | 2021-06-29 |
WO2018114964A1 (en) | 2018-06-28 |
EP3555860B1 (en) | 2020-12-09 |
EP3555860A1 (en) | 2019-10-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10147168B2 (en) | Spectral CT | |
US10111638B2 (en) | Apparatus and method for registration and reprojection-based material decomposition for spectrally resolved computed tomography | |
CN105025794B (zh) | 谱ct的结构传播恢复 | |
EP3195265A2 (en) | Iterative image reconstruction with a sharpness driven regularization parameter | |
US10282870B2 (en) | Spectral imaging | |
US11813101B2 (en) | Image quality improved virtual non-contrast images generated by a spectral computed tomography (CT) scanner | |
CN107430779B (zh) | 多能量(谱)图像数据处理 | |
WO2012147004A1 (en) | Multi-energy imaging | |
CN110574073B (zh) | 能谱计算机断层摄影(ct)成像中的残余碘伪影的探测和/或校正 | |
US9978158B2 (en) | Spectral projection data de-noising with anti-correlation filter | |
CN103229209A (zh) | 对比噪声比(cnr)增强器 | |
CN106233327B (zh) | 去噪图像数据中对低对比度结构的恢复 | |
WO2016097981A1 (en) | Penalized maximum likelihood material decomposition | |
EP3513375A1 (en) | Edge noise reduction | |
US20240127500A1 (en) | Projection-domain material decomposition for spectral imaging | |
WO2018050462A1 (en) | Edge noise reduction |
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 |