CN110942494B - 利用三个数据域迭代重建计算机断层扫描图像的系统 - Google Patents
利用三个数据域迭代重建计算机断层扫描图像的系统 Download PDFInfo
- Publication number
- CN110942494B CN110942494B CN201911207647.0A CN201911207647A CN110942494B CN 110942494 B CN110942494 B CN 110942494B CN 201911207647 A CN201911207647 A CN 201911207647A CN 110942494 B CN110942494 B CN 110942494B
- Authority
- CN
- China
- Prior art keywords
- data
- projection
- domain processor
- image
- sequence
- 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
Links
- 238000002591 computed tomography Methods 0.000 title abstract description 45
- 238000012937 correction Methods 0.000 claims description 17
- 238000012545 processing Methods 0.000 claims description 15
- 238000002083 X-ray spectrum Methods 0.000 claims description 10
- 230000001419 dependent effect Effects 0.000 claims description 10
- 238000000034 method Methods 0.000 claims description 10
- 230000008569 process Effects 0.000 claims description 7
- 239000002131 composite material Substances 0.000 claims description 6
- 239000011159 matrix material Substances 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000005457 optimization Methods 0.000 claims description 3
- 230000002238 attenuated effect Effects 0.000 claims description 2
- 210000000988 bone and bone Anatomy 0.000 claims description 2
- 238000002474 experimental method Methods 0.000 claims description 2
- 238000001914 filtration Methods 0.000 claims description 2
- 239000002184 metal Substances 0.000 claims description 2
- 229910052751 metal Inorganic materials 0.000 claims description 2
- 230000009467 reduction Effects 0.000 claims description 2
- 238000004088 simulation Methods 0.000 claims description 2
- 238000003384 imaging method Methods 0.000 description 6
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000010521 absorption reaction Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000000354 decomposition reaction Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 210000001519 tissue Anatomy 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N23/00—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00
- G01N23/02—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by transmitting the radiation through the material
- G01N23/04—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by transmitting the radiation through the material and forming images of the material
- G01N23/046—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by transmitting the radiation through the material and forming images of the material using tomography, e.g. computed tomography [CT]
-
- 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
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B2576/00—Medical imaging apparatus involving image processing or analysis
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/02—Arrangements for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
- A61B6/03—Computed tomography [CT]
- A61B6/032—Transmission computed tomography [CT]
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2223/00—Investigating materials by wave or particle radiation
- G01N2223/40—Imaging
- G01N2223/401—Imaging image processing
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2223/00—Investigating materials by wave or particle radiation
- G01N2223/40—Imaging
- G01N2223/419—Imaging computed tomograph
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2210/00—Indexing scheme for image generation or computer graphics
- G06T2210/41—Medical
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2211/00—Image generation
- G06T2211/40—Computed tomography
- G06T2211/421—Filtered back projection [FBP]
-
- 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)
- Health & Medical Sciences (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Pulmonology (AREA)
- Radiology & Medical Imaging (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Algebra (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Mathematical Physics (AREA)
- Pure & Applied Mathematics (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
本发明公开了一种通过三个域迭代重建计算机断层扫描图像的系统。该系统包括原始域处理器，投影域处理器和图像域处理器。该系统还包括两个迭代循环：一个是通过连接原始域处理器和投影域处理器的原始合成器，另一个是通过分别连接投影域处理器和图像域处理器的投影合成器。
Description
技术领域
本发明涉及使用检测到的X射线信号生成计算机断层扫描(CT)图像，具体涉及通过以下三个数据域迭代地重建CT图像的系统：原始数据域、投影数据域和图像数据域。
背景技术
在X射线CT系统中，X射线用于对主体或目标的某一区域的内部结构和特征进行成像。术语“主体”和“目标”应包括能够成像的任何物体。成像过程通过X射线CT系统执行，该X射线CT系统使用X射线对对象区域的多个薄平面切片或3D空间的内部结构和特征进行成像。在医学应用中，成像目标包括人体。
X射线CT系统通常包括提供锥形X射线束的X射线源和面向X射线源的紧密间隔排列的X射线探测器阵列。X射线源和探测器阵列安装在台架上，使得接受CT系统成像的患者可以躺在适当的支撑床上被定位在台架内并位于X射线源和探测器阵列之间。台架和床可相对于彼此移动，使得X射线源和探测器阵列可沿患者身体的轴向定位在所需位置。
该台架包括称为定子的固定结构和称为转子的旋转元件，该旋转元件安装在定子上，使得转子可绕轴向旋转。在第三代CT系统中，X射线源和探测器阵列安装在转子上。转子围绕轴向的角度位置是可控的，使得X射线源可以被定位在患者身体周围的所需角度，称为视角，也可以称为视角位置或视角指数。
为了对患者身体的某个区域的切片成像，X射线源被定位在切片的一个轴向位置处并且围绕切片旋转，以利用来自复数个不同视角的X射线照射切片。在每个视角处，探测器单元阵列中的探测器单元对来自X射线源并通过切片的X射线的强度发生响应而产生信号。对信号进行处理，以确定来自X射线源的X射线在从X射线源穿过切片到达探测器的过程中，在穿过切片的不同路径长度上衰减的量。X射线衰减的量用于确定切片中材料的X射线吸收系数对应于切片中位置的函数。吸收系数用于生成切片的图像并识别切片中组织的组成和密度。
包括在CT系统的探测器阵列中的X射线探测器通常被封装在多个模块中，下文中称为探测器模块，每个模块包括多个X射线探测器单元。大多数现代CT系统是多层CT系统，其被设计成同时对患者的多个切片成像。多层CT扫描仪的每个探测器模块中的X射线探测器单元以行和列的矩阵排列。CT系统中任何两个CT探测器模块的X射线探测器矩阵实质相同，并且包括相同数量的探测器单元行和相同数量的探测器单元列。这些模块以紧密排列的阵列相邻，其排列的探测器行端对端地对齐，使得X射线探测器单元形成多个长排平行的X射线探测器单元行。
由X射线探测器系统检测和数字化的信号用于重建CT图像，以便于放射科医师进行评估，用于医学诊断。CT图像重建通常使用滤波反投影(FBP)算法来进行快速计算。然而，FBP算法的基础数学和物理模型过于简化，不能充分利用CT系统获得的信息。
发明内容
本发明的发明目的是提供一种用于重建CT图像的系统。
为达到上述发明目的，本发明采用的技术方案是：
一种用于迭代地重建CT图像的系统，包括用于在每个视角处为每个探测器单元生成原始数据的CT数据采集系统，用于在每个视角为每个探测器生成M组序列投影数据的原始域处理器，其中M是对应于CT数据采集系统的X射线源的离散X射线光谱的预定能量间隔的数量，用于产生M组序列图像数据的投影域处理器，用于产生CT图像的图像域处理器，用于产生合成原始数据的原始合成器，以及用于产生合成投影数据的投影合成器。
进一步的技术方案，原始域处理器和投影域处理器通过原始合成器连接以形成第一迭代循环，以迭代地生成序列投影数据。M组序列投影数据中的每一组是具有K个序列系数的空气校正数据的多项式函数，并且K是多项式函数的次数。通过计算梯度项，由原始域处理器迭代地计算和更新序列系数。
进一步的技术方案，投影域处理器和图像域处理器通过投影合成器连接以形成第二迭代循环，以迭代地生成序列图像数据。通过最小化目标函数来迭代地计算M组序列图像数据中的每一组，所述目标函数由数据保真度项和正则化项组成。
上述技术方案中，CT数据采集系统提供给原始域处理器所需的原始数据，原始域处理器通过投影域处理器和原始合成器构成第一迭代循环，第一迭代循环使输出的序列投影数据从所输入的原始数据所获得的信息量最大化；投影域处理器通过图像域处理器和投影合成器构成第二迭代循环，第二迭代循环使输出的CT图像从所输入的序列投影数据所获得的信息量最大化。
所述两迭代循环均以所述离散X射线光谱作为中间变量进行迭代。
由于上述技术方案运用，本发明与现有技术相比具有下列优点：
现在常用的如滤波反投影(FBP)算法以按照对于三个数据域进行串行处理的方法，即原始域数据处理后变成投影域数据，投影域数据处理后变成图像，这种串行处理的方式使数据的信息量在每个域处理后递减，从而未能有效利用包含在数据中的所有信息。本发明通过对X射线光谱作为最为本源的信息进行数学建模，通过对原始域、投影域以及图像域的三个数据域的数据围绕X射线光谱进行迭代，即以离散X射线光谱作为中间变量进行迭代，每次迭代均达到目标函数最优化，即信息传递最大化，从而使重建出来的CT图像把CT系统获得的信息以最大程度的方式表达出来，有利于CT图像的后续应用，也可以比常用方法下数据采集时使用更低剂量而获得同样质量的图像。
附图说明
图1是现有技术中多层X射线CT系统的功能性结构示意图。
图2是本发明实施例中利用三个域迭代重建CT图像的系统框架图。
具体实施方式
下面结合附图及实施例对本发明作进一步描述：
实施例一：图1所示为现有技术的多层X射线CT系统100的功能性示意图。多层CT系统通常包括X射线源110，其产生锥形X射线束140。X射线束140穿过预准直器130，其允许X射线束仅照射目标区域并阻挡不想要的区域中的X射线束。患者通常躺在扫描仪的扫描视场(FOV)150内，被X射线束140照射。X射线探测器系统120接收X射线光子并转换成与X射线光子能量成比例的模拟信号。X射线CT系统100还包括机架160，机架160包括旋转部分162和固定部分164。X射线源110、准直器130和探测器系统120安装在旋转部分162上。旋转部分162围绕旋转中心C170旋转。
X射线源110的焦点S(有时可互换地称为X射线源位置)与旋转中心C(可互换地称为等中心)之间的距离182在下文中称为Rsc，并且，X射线源110的焦点S与探测器系统D之间的距离180在下文中称为聚焦距离Rsd。不同的CT系统可以具有不同的Rsc，Rsd或/和扫描FOV。
从等中心到X射线源的焦点的方向在下文中称为Y轴，垂直于成像平面或旋转平面的方向在下文中称为Z轴，在旋转平面内并且垂直于的Y轴的方向称为X轴。
图2示出了根据本发明公开的一个实施例的用于通过三个数据域迭代地重建CT图像的系统的布置。
本发明的一个实施例中，CT探测器系统中的CT数据采集系统(DAS)210将从探测器生成的模拟信号数字化为原始数据212，然后将其馈送到原始域处理器220以生成序列投影数据222，其被馈送到投影域处理器230。投影域处理器230生成迭代投影数据234，其被馈送到原始合成器250和原始域处理器220。投影域处理器230生成序列图像数据232，被馈送到图像域处理器240进行处理。图像域处理器240生成迭代图像数据242，其被馈送到投影合成器260和投影域处理器230。还从图像域处理器240生成CT图像270，以便由例如放射科医师用于医学应用中的评估。
原始数据R(n，c，v)是由每个视角v处的每个探测器单元元件(n，c)接收的信号，并且由DAS 210数字化，包含由处于扫描视野中的对象衰减后的X射线信号强度的信息。其中探测器行索引n＝0，...，N-1，探测器列索引c＝0，...，C-1，视角索引v＝0，...，V-1，N、C和V分别是探测器行数、探测器列数和视角数。每个探测器系统包括N行和C列探测器单元，总共NC个探测器单元。原始数据包括全部NCV个数据点。
在本发明的一个实施例中，原始域处理器220处理原始数据R(n，c，v)以生成如下偏移校正数据Ro(n，c，v)，
Ro(n，C，v)＝R(n，C，v)-O(n，c，v) (1.1)
其中，偏移数据O(n，c，v)是预先获取并存储在原始域处理器220中的。
进一步地，原始域处理器220对偏移校正数据Ro(n，c，v)进行处理，以生成如下空气校正数据Pa(n，c，v)，
Ro(n，C，v)＝A(n，c，v)-ln Ro(n，c，v) (1.1)
其中，空气数据A(n，c，v)也是预先获取并存储在原始域处理器220中的。
本发明的一个实施例中，由CT系统的X射线管产生的X射线包含由S(E)表示的宽谱能量，其中E＝E0，E0+ΔE，...，E0+(M-1)ΔE，对应于X射线光子的离散能量，其具有每个能量间隔尺寸ΔE和总共M个能量间隔，并且E0是第一能量间隔。X射线谱S(E)预先通过模拟、实验或理论计算获得，并存储在原始合成器250、原始域处理器220和投影域处理器230中。原始合成器250处理迭代的投影数据234，表示为Pi(n，c，v)，生成如下合成原始数据Rs(n，c，v)：
其中，Pi(n，c，v，E)是由投影域处理器230生成的迭代投影数据234。
原始域处理器220生成序列投影数据222，表示为Ps(n，c，v，E)，定义为用于校正空气数据的多项式函数，
其中，ak(n，c，E)是对应于每个具有多项式系数K的探测器单元(n,c)的依赖于能量的第k个序列系数。注意到上述将空气校正数据分解成M组能量相关的序列投影数据的定义仅需要CT系统在单个X-射线能量处获取原始数据，例如在120kV，而不需要在多个X射线能量下获取原始数据。
在本发明的一个替代实施例中，原始数据212包括在多个X射线能量下获取的数据，例如在80kV和140kV下获得的数据，或者数据采集过程中X射线能量在80kV和140kV之间正弦变化。
原始域处理器220获取合成原始数据Rs(n，c，v)，偏移校正数据Ro(n，c，v)，迭代投影数据Pi(n，c，v，E)，空气校正数据Pa(n，c，v)和X射线谱S(E)，计算用于更新探测器单元(n，c)的第k个串联系数ak(n，c，E)的梯度项gk(n，c，E)，如下，
其中，D(n，c，v)是合成原始数据和偏移校正数据的差值，如下，
D(n，c，v)＝Rs(n，c，v)-Ro(n，c，v) (1.6)
原始域处理器220在每次迭代中如下更新探测器单元(n，c)的第k个能量相关系数，
其中u和u+1是迭代步骤，ΔQ是预定的步长，其也预先优化并存储在原始域处理器220中。能量相关的第k系数ak(n，c，E)的更新导致由(1.4)式定义的序列投影数据相应更新。
本发明的一个实施例中，投影域处理器230接收序列投影数据222，包括一组M个序列投影数据Ps(n，c，v，E)，对应E＝E0，E0+ΔE，...，E0+(M-1)ΔE，并且不经处理直接将它们传送给原始合成器250，即
Pi(n，c，v，E)＝Ps(n，c，v，E) (1.8)
在本发明的另一实施例中，投影域处理器230获取序列投影数据222，并执行一组依赖于数据的处理步骤，包括但不限于诸如散射校正和去条纹以生成迭代投影数据234。
根据本发明的一个实施例，投影域处理器230获取序列投影数据222和合成投影数据262，并生成序列图像数据232，表示为Is(x，y，z，E)，其中x，y，z是其中图像像素的索引，其中x＝0，...，X-1，y＝0，...，Y-1，z＝0，...，Z-1，X、Y和Z表示3D CT图像每个维度的大小。
本发明的一个实施例，通过最小化以下目标函数来迭代地生成序列图像数据232，其包括两个项：数据保真度项(data fidelity term)和正则化项(regularizationterm)，
其中，Is(E)是表示序列图像数据232的列向量，也表示为Is(x，y，z，E)，A是与序列投影数据222和序列图像数据232相关的系统模型矩阵，Ps(E)是序列投影数据222的列向量表示，也表示为Ps(n，c，v，E)，是迭代图像数据242的列向量表示，表示为/>f(·)是正则化变量/>的正则化函数，因此给出了优化的附加约束。这种正则化函数的例子如p-norm的形式如下，
其中p是预定常数。在p＝1的情况下，正则化问题也称为总变差正则化或L1正则化；当p＝2时，正则化问题也称为L2正则化。在上述迭代最小化处理中，合成投影数据262的计算，由投影合成器260执行，并且合成投影数据262也表示为Py(n，c，v，E)。
根据本发明的一个实施例，图像域处理器240接收序列图像数据232并直接将它们传递到投影合成器260而不进行处理，即
在一个替代实施例中，图像域处理器240接收序列图像数据232，并执行一系列基于图像的处理步骤，包括但不限于诸如环形伪像去除、骨骼伪像校正、金属伪像减少和高通滤波以生成迭代图像数据242。
在一个实施例中，图像域处理器240生成CT图像270，表示为，Ict(x，y，z)，
其中b(E)是能量相关加权系数E＝E0，E0+ΔE，...，E0+(M-1)ΔE，其中∑Eb(E)＝1，生成的CT图像270是序列图像数据232的加权平均值。
虽然本发明说明书已经具体示出并描述了实施例，本领域技术人员将理解，在不脱离由所附权利要求所限定的本发明说明书的精神和范围的情况下，可以在其中进行形式和细节上的各种改变。特别是上述实施例中，第一迭代循环使输出的序列投影数据从所输入的原始数据所获得的信息量最大化和第二迭代循环使输出的CT图像从所输入的序列投影数据所获得的信息量最大化所设定的不同种类和形式的目标函数以及求得目标函数的方法。
Claims (1)
1.一种用于重建CT图像的系统，包括：
A. CT数据采集系统，用于在每个视角处为每个探测器单元生成原始数据；
B. 原始域处理器，用于在每个视角处为每个探测器单元生成M组序列投影数据；其中M是对应于所述CT数据采集系统的X射线源的离散X射线光谱的预定能量间隔的数量；
C. 投影域处理器，用于产生M组序列图像数据；
其中所述投影域处理器还产生迭代投影数据；
D. 图像域处理器，用于生成CT图像；
其中所述图像域处理器还生成迭代图像数据；
E. 原始合成器，用于生成合成原始数据；
F. 投影合成器，用于生成合成投影数据；
其中：
CT数据采集系统将从探测器生成的模拟信号数字化为原始数据，然后将其馈送到原始域处理器以生成序列投影数据，其被馈送到投影域处理器，投影域处理器生成迭代投影数据，其被馈送到原始合成器和原始域处理器，投影域处理器生成序列图像数据，被馈送到图像域处理器进行处理，图像域处理器生成迭代图像数据，其被馈送到投影合成器和投影域处理器，还从图像域处理器生成CT图像；
原始数据R(n，c，v)是由每个视角v处的每个探测器单元(n，c)接收的信号，并且由CT数据采集系统数字化，包含由处于扫描视野中的对象衰减后的X射线信号强度的信息，其中探测器行索引n = 0，...，N-1，探测器列索引c = 0，...，C-1，视角索引v = 0，...，V-1，N、C和V分别是探测器行数、探测器列数和视角数，每个探测器系统包括N行和C列探测器单元，总共NC个探测器单元，原始数据包括全部NCV个数据点；
原始域处理器处理原始数据R(n，c，v)以生成如下偏移校正数据Ro(n，c，v)，
(1.1)
其中，偏移数据O(n，c，v)是预先获取并存储在原始域处理器中的；
原始域处理器对偏移校正数据Ro(n，c，v)进行处理，以生成如下空气校正数据Pa(n，c，v)，
(1.2)
其中，空气数据A(n，c，v)也是预先获取并存储在原始域处理器中的；
由CT系统的X射线管产生的X射线包含由S(E)表示的宽谱能量，其中E = E0，E0+ΔE，...，E0+(M-1)ΔE，对应于X射线光子的离散能量，其具有每个能量间隔尺寸ΔE和总共M个能量间隔，并且E0是第一能量间隔，X射线谱S(E)预先通过模拟、实验或理论计算获得，并存储在原始合成器、原始域处理器和投影域处理器中，原始合成器处理迭代的投影数据，表示为Pi(n，c，v)，生成如下合成原始数据Rs(n，c，v)：
(1.3)
其中，Pi(n，c，v，E)是由投影域处理器生成的迭代投影数据，
原始域处理器生成序列投影数据，表示为Ps(n，c，v，E)，定义为用于校正空气数据的多项式函数，
（1.4）
其中，a k(n，c，E)是对应于每个具有多项式系数K的探测器单元(n,c)的依赖于能量的第k个序列系数；
原始域处理器获取合成原始数据Rs(n，c，v)，偏移校正数据Ro(n，c，v)，迭代投影数据Pi(n，c，v，E)，空气校正数据Pa(n，c，v)和X射线谱S（E），计算用于更新探测器单元（n，c）的第k个串联系数a k(n，c，E)的梯度项g k(n，c，E)，如下，
（1.5）
其中，D(n，c，v)是合成原始数据和偏移校正数据的差值，如下，
（1.6）
原始域处理器在每次迭代中如下更新探测器单元（n，c）的第k个能量相关系数，
(1.7)
其中u和u + 1是迭代步骤，是预定的步长，其预先优化并存储在原始域处理器中，能量相关的第k系数/>的更新导致由（1.4）式定义的序列投影数据相应更新；
投影域处理器接收序列投影数据，包括一组M个序列投影数据Ps(n，c，v，E)，对应E =E0，E0+ΔE，...，E0+(M-1)ΔE，并且不经处理直接将它们传送给原始合成器，即
（1.8）
投影域处理器获取序列投影数据，并执行一组依赖于数据的处理步骤，包括散射校正和去条纹以生成迭代投影数据；
投影域处理器获取序列投影数据和合成投影数据，并生成序列图像数据，表示为，其中x，y，z是其中图像像素的索引，其中x = 0，...，X-1，y = 0，...，Y-1，z =0，...，Z-1，X、Y和Z表示3D CT图像每个维度的大小；
通过最小化以下目标函数来迭代地生成序列图像数据，其包括两个项：数据保真度项(data fidelity term)和正则化项(regularization term)，
（1.9）
其中，是表示序列图像数据的列向量，也表示为/>，A是与序列投影数据和序列图像数据相关的系统模型矩阵，/>是序列投影数据的列向量表示，也表示为，/>是迭代图像数据的列向量表示，表示为/>，/>是正则化变量的正则化函数，给出了优化的附加约束，正则化函数的形式如下，
（1.10）
其中p是预定常数，在p = 1的情况下，正则化问题也称为总变差正则化或L1正则化；当p = 2时，正则化问题也称为L2正则化，在上述迭代最小化处理中，合成投影数据的计算，=/>，由投影合成器执行，并且合成投影数据也表示为/>；
图像域处理器接收序列图像数据并直接将它们传递到投影合成器而不进行处理，即
（1.11）
图像域处理器接收序列图像数据，并执行一系列基于图像的处理步骤，包括环形伪像去除、骨骼伪像校正、金属伪像减少和高通滤波以生成迭代图像数据；
图像域处理器生成CT图像，表示为，，
（1.12）
其中b（E）是能量相关加权系数，E = E0，E0+ΔE，...，E0+(M-1)ΔE，其中，生成的CT图像是序列图像数据的加权平均值。
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US16/270,692 | 2019-02-08 | ||
| US16/270,692 US10902647B2 (en) | 2019-02-08 | 2019-02-08 | System for iteratively reconstructing computed tomography images through three domains |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110942494A CN110942494A (zh) | 2020-03-31 |
| CN110942494B true CN110942494B (zh) | 2024-02-20 |
Family
ID=69909077
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911207647.0A Active CN110942494B (zh) | 2019-02-08 | 2019-11-29 | 利用三个数据域迭代重建计算机断层扫描图像的系统 |
Country Status (2)
| Country | Link |
|---|---|
| US (1) | US10902647B2 (zh) |
| CN (1) | CN110942494B (zh) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104240210A (zh) * | 2014-07-21 | 2014-12-24 | 南京邮电大学 | 基于压缩感知的ct图像迭代重建方法 |
| CN106683146A (zh) * | 2017-01-11 | 2017-05-17 | 上海联影医疗科技有限公司 | 一种图像重建方法和图像重建算法的参数确定方法 |
| CN108010099A (zh) * | 2017-12-04 | 2018-05-08 | 首都师范大学 | 一种x射线多能谱ct有限角扫描和图像迭代重建方法 |
| 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 |
Family Cites Families (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20080085040A1 (en) * | 2006-10-05 | 2008-04-10 | General Electric Company | System and method for iterative reconstruction using mask images |
| JP2016536032A (ja) * | 2013-09-26 | 2016-11-24 | コーニンクレッカ フィリップス エヌ ヴェＫｏｎｉｎｋｌｉｊｋｅ Ｐｈｉｌｉｐｓ Ｎ．Ｖ． | 電子密度画像の連結再構成 |
| US9959631B2 (en) * | 2014-02-21 | 2018-05-01 | Samsung Electronics Co., Ltd. | Tomography apparatus and method for reconstructing tomography image thereof |
| US9721361B2 (en) * | 2015-05-29 | 2017-08-01 | General Electric Company | Systems and methods for parallel processing of imaging information |
| DE102015226400A1 (de) * | 2015-12-22 | 2017-06-22 | Siemens Healthcare Gmbh | Automatisierte Ermittlung von Konturen auf Basis einer iterativen Rekonstruktion |
| CN108601575B (zh) * | 2016-05-20 | 2021-10-22 | 上海联影医疗科技股份有限公司 | 用于计算机断层扫描的系统和方法 |
| WO2019067524A1 (en) * | 2017-09-26 | 2019-04-04 | Rensselaer Polytechnic Institute | TD MONOCHROMATIC IMAGE RECONSTRUCTION FROM CURRENT INTEGRATION DATA VIA AUTOMATIC LEARNING |
| US10307114B1 (en) * | 2018-05-09 | 2019-06-04 | Carestream Health, Inc. | Iterative volume image reconstruction using synthetic projection images |
-
2019
- 2019-02-08 US US16/270,692 patent/US10902647B2/en active Active
- 2019-11-29 CN CN201911207647.0A patent/CN110942494B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104240210A (zh) * | 2014-07-21 | 2014-12-24 | 南京邮电大学 | 基于压缩感知的ct图像迭代重建方法 |
| CN106683146A (zh) * | 2017-01-11 | 2017-05-17 | 上海联影医疗科技有限公司 | 一种图像重建方法和图像重建算法的参数确定方法 |
| CN108010099A (zh) * | 2017-12-04 | 2018-05-08 | 首都师范大学 | 一种x射线多能谱ct有限角扫描和图像迭代重建方法 |
| 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 |
Also Published As
| Publication number | Publication date |
|---|---|
| US10902647B2 (en) | 2021-01-26 |
| US20200258270A1 (en) | 2020-08-13 |
| CN110942494A (zh) | 2020-03-31 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP7234064B2 (ja) | 反復的画像再構成フレームワーク | |
| JP4360817B2 (ja) | 放射線断層撮影装置 | |
| Weidinger et al. | Polychromatic iterative statistical material image reconstruction for photon‐counting computed tomography | |
| US10878544B2 (en) | Image data processing | |
| US10722178B2 (en) | Method and apparatus for motion correction in CT imaging | |
| JP2012125553A (ja) | 画像処理装置、画像処理方法、及び記憶媒体 | |
| JP2013085965A (ja) | 円軌道コーンビームコンピュータ断層撮影（ｃｔ）においてアーチファクトを大幅に軽減するための方法およびシステム | |
| JP6505513B2 (ja) | Ｘ線コンピュータ断層撮像装置及び医用画像処理装置 | |
| US7602879B2 (en) | Method for increasing the resolution of a CT image during image reconstruction | |
| JP2021013737A (ja) | Ｘ線システム及び撮像プログラム | |
| Geva et al. | X-ray computed tomography through scatter | |
| CN114387359A (zh) | 一种三维x射线低剂量成像方法及装置 | |
| CN107106114B (zh) | 运算装置、x射线ct装置及图像重构方法 | |
| EP3745959A1 (en) | Non-spectral computed tomography (ct) scanner configured to generate spectral volumetric image data | |
| US8379948B2 (en) | Methods and systems for fast iterative reconstruction using separable system models | |
| CN110942494B (zh) | 利用三个数据域迭代重建计算机断层扫描图像的系统 | |
| JP6615531B2 (ja) | Ｘ線コンピュータ断層撮影装置及び医用画像処理装置 | |
| Xiu et al. | An Innovative Beam Hardening Correction Method for Computed Tomography Systems. | |
| CN110264536B (zh) | 一种在平行束超分重建中计算高低分辨率投影关系的方法 | |
| JP4387758B2 (ja) | Ｓｐｅｃｔ装置及びｓｐｅｃｔ画像再構成方法 | |
| Thaler et al. | Volumetric reconstruction from a limited number of digitally reconstructed radiographs using cnns | |
| Park et al. | Iterative interior digital tomosynthesis reconstruction using a dual-resolution voxellation method | |
| JP2012050853A (ja) | Ｘ線ｃｔ装置 | |
| WO2023243503A1 (ja) | インテリアｃｔの画像再構成方法、画像再構成装置、及び、プログラム | |
| Mazin et al. | A fast 3D reconstruction algorithm for inverse-geometry CT based on an exact PET rebinning algorithm |
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 |