CN112085811A - Ct局部重建的方法及装置 - Google Patents
Ct局部重建的方法及装置 Download PDFInfo
- Publication number
- CN112085811A CN112085811A CN202011012498.5A CN202011012498A CN112085811A CN 112085811 A CN112085811 A CN 112085811A CN 202011012498 A CN202011012498 A CN 202011012498A CN 112085811 A CN112085811 A CN 112085811A
- Authority
- CN
- China
- Prior art keywords
- image
- reconstruction
- local
- projection data
- global
- 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 62
- 238000012937 correction Methods 0.000 claims description 20
- 239000011159 matrix material Substances 0.000 claims description 19
- 238000012545 processing Methods 0.000 claims description 9
- 238000001914 filtration Methods 0.000 claims description 6
- 230000000007 visual effect Effects 0.000 claims description 6
- 238000012804 iterative process Methods 0.000 claims description 5
- 238000000605 extraction Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 abstract description 8
- 238000010276 construction Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000007781 pre-processing Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000002591 computed tomography Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
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
- 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
- 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
- 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)
- Algebra (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Mathematical Physics (AREA)
- Pure & Applied Mathematics (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
本申请公开了一种CT局部重建的方法及装置。该申请的方法包括根据全局图像的非感兴趣区域对全局图像的投影数据进行修正，所述非感兴趣区域为全局图像中除去感兴趣区域的图像区域，所述感兴趣区域为需要进行局部重建的图像区域；将所述感兴趣区域作为迭代重建的初始化图像；根据所述初始化图像、修改后的投影数据构建迭代重建公式，并根据所述迭代重建公式得到CT局部重建图像。本申请解决将现有的迭代重建直接进行局部重建存在的图像质量差，重建效率低的问题。
Description
技术领域
本申请涉及CT扫描技术领域，具体而言，涉及一种CT局部重建的方法及装置。
背景技术
CT设备成像原理是通过CT光源(球管)发射X射线束，扫描人体检查部位的一定厚度的层面，由探测器接收到穿过扫描部位的X光束转化为可见光，然后通过光电转换器转换为电信号，再通过模数转换器将接收到的X光束转化为数字信号，通过计算机计算出穿过人体每条射线的衰减，根据不同组织对X射线的衰减不同的原理，通常利用滤波投影的方法即可重建出扫描人体的断层图像。随着CT技术的不断发展，图像重建的方法也在不断的发展，由于迭代重建技术能够在较低剂量的情况下，重建出高质量的图像，因此，迭代重建技术的应用越来越广泛。
局部重建是指选择感兴趣的区域进行图像重建，因此局部重建在实际应用中比全局重建更为广泛，而迭代重建直接进行局部重建由于投影数据截断会引起伪影，无法保证局部重建图像的质量，而且收敛速度较慢，影响重建的效率。
发明内容
本申请的主要目的在于提供一种CT局部重建的方法及装置，以解决将现有的迭代重建直接进行局部重建存在的图像质量差，重建效率低的问题。
为了实现上述目的，根据本申请的第一方面，提供了一种CT局部重建的方法。
根据本申请的CT局部重建的方法包括：
根据全局图像的非感兴趣区域对全局图像的投影数据进行修正，所述非感兴趣区域为全局图像中除去感兴趣区域的图像区域，所述感兴趣区域为需要进行局部重建的图像区域；
将所述感兴趣区域作为迭代重建的初始化图像；
根据所述初始化图像、修改后的投影数据构建迭代重建公式，并根据所述迭代重建公式得到CT局部重建图像。
可选的，所述根据全局图像的非感兴趣区域对全局图像的投影数据进行修正包括：
根据全局图像的投影数据、滤波反投影对所述全局图像进行重建；
从重建后的全局图像中提取出非感兴趣区域；
对所述非感兴趣区域进行正投影；
根据正投影的结果对全局图像的投影数据进行修正。
可选的，在根据所述初始化图像、修改后的投影数据构建迭代重建公式，并根据所述迭代重建公式得到CT局部重建图像之前，所述方法包括：
对感兴趣区域的图像进行图像插值。
可选的，所述根据所述初始化图像、修改后的投影数据构建迭代重建公式，并根据所述迭代重建公式得到CT局部重建图像包括：
根据预设的局部建像视野，生成正投影系统矩阵；
基于全变分最小化约束框架，根据正投影系统矩阵、初始化图像、修正后的全局图像的投影数据构建迭代重建公式；
根据迭代重建进行迭代，迭代结束得到CT局部重建图像。
可选的，所述根据迭代重建进行迭代，得到CT局部重建图像还包括：
对迭代过程中的图像进行非负性约束处理；
根据预设误差判断是否迭代结束。
可选的，在所述根据全局图像的投影数据、滤波反投影对所述全局图像进行重建之前，所述方法还包括：
对全局图像进行校正处理，得到全局图像的投影数据。
为了实现上述目的，根据本申请的第二方面，提供了一种CT局部重建的装置。
根据本申请的CT局部重建的装置包括：
修正单元，用于根据全局图像的非感兴趣区域对全局图像的投影数据进行修正，所述非感兴趣区域为全局图像中除去感兴趣区域的图像区域，所述感兴趣区域为需要进行局部重建的图像区域；
初始化图像确定单元，用于将所述感兴趣区域作为迭代重建的初始化图像；
重建单元，用于根据所述初始化图像、修改后的投影数据构建迭代重建公式，并根据所述迭代重建公式得到CT局部重建图像。
可选的，所述修正单元包括：
全局图像重建模块，用于根据全局图像的投影数据、滤波反投影对所述全局图像进行重建；
提取模块，用于从重建后的全局图像中提取出非感兴趣区域；
正投影模块，用于对所述非感兴趣区域进行正投影；
修正模块，用于根据正投影的结果对全局图像的投影数据进行修正。
可选的，所述装置还包括：
图像插值单元，用于在根据所述初始化图像、修改后的投影数据构建迭代重建公式，并根据所述迭代重建公式得到CT局部重建图像之前，对感兴趣区域的图像进行图像插值。
可选的，所述重建单元包括：
矩阵生成模块，用于根据预设的局部建像视野，生成正投影系统矩阵；
公式构建模块，用于基于全变分最小化约束框架，根据正投影系统矩阵、初始化图像、修正后的全局图像的投影数据构建迭代重建公式；
局部重建模块，用于根据迭代重建进行迭代，迭代结束得到CT局部重建图像。
可选的，所述局部重建模块还用于：
对迭代过程中的图像进行非负性约束处理；
根据预设误差判断是否迭代结束。
可选的，所述装置还包括：
校正单元，用于在所述根据全局图像的投影数据、滤波反投影对所述全局图像进行重建之前，对全局图像进行校正处理，得到全局图像的投影数据。
为了实现上述目的，根据本申请的第三个方面，提供了一种非暂态计算机可读存储介质，其特征在于，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令使所述计算机执行上述第一方面中任一项所述的CT局部重建的方法。
在本申请实施例中，CT局部重建的方法及装置中，根据全局图像的非感兴趣区域对全局图像的投影数据进行修正，所述非感兴趣区域为全局图像中除去感兴趣区域的图像区域，所述感兴趣区域为需要进行局部重建的图像区域；将所述感兴趣区域作为迭代重建的初始化图像；根据所述初始化图像、修改后的投影数据构建迭代重建公式，并根据所述迭代重建公式得到CT局部重建图像。可以看出，本申请中在基于迭代重建技术进行CT局部图像重建时，一方面，利用全局图像感兴趣区域外的图像对原投影数据(全局图像的投影数据)修正，既实现了局部重建同时又保证了迭代重建的图像质量；另一方面，将全局图像中的感兴趣的区域作为迭代重建的初始化图像，加快了迭代收敛速度，提高了重建的效率。
附图说明
构成本申请的一部分的附图用来提供对本申请的进一步理解，使得本申请的其它特征、目的和优点变得更明显。本申请的示意性实施例附图及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
图1是根据本申请提供的一种实施例的CT局部重建的方法流程图；
图2是根据本申请提供的另一种实施例的CT局部重建的方法流程图；
图3是根据本申请提供的一种头部扫描的全局图像；
图4是根据本申请提供的CT局部重建的方法对图3的全局图像进行重建后的局部重建图；
图5是根据本申请提供的一种实施例的CT局部重建的装置的组成框图；
图6是根据本申请提供的另一种实施例的CT局部重建的装置的组成框图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分的实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本申请保护的范围。
需要说明的是，本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施例。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
根据本申请实施例，提供了一种CT局部重建的方法，如图1所示，该方法包括如下的步骤S101至步骤S103：
S101.根据全局图像的非感兴趣区域对全局图像的投影数据进行修正。
其中，非感兴趣区域为全局图像中除去感兴趣区域的图像区域，感兴趣区域为需要进行局部重建的图像区域。
全局图像的投影数据是根据原始的全局图像获取到的，具体的获取原理为：获取扫描的原始数据(扫描的原始的全局图像)以及CT系统建像的相关参数，具体的相关参数有扫描视野、光源到旋转中心距离、旋转中心到探测器模块的距离、检测器模块数以及扫描一圈采集数据的次数、重建图像视野、图像重建中心、重建图像矩阵大小；对原始数据(可以记作P0)进行校正得到投影数据，即全局图像的投影数据(可以记作P1)。校正主要是对采集到的原始X射线进行预处理的修正，校正预处理过程有X射线衰减幅度标准化校正、散焦校正以及射线硬化束校正。
根据全局图像的非感兴趣区域对全局图像的投影数据进行修正具体包括以下流程：
首先，根据全局图像的投影数据、滤波反投影对所述全局图像进行重建；
滤波反投影算法(FBP)是模型的基础算法，FBP算法是在傅立叶变换理论基础之上的一种空域处理技术。它的特点是在反投影前将每一个采集投影角度下的投影进行卷积处理，从而改善点扩散函数引起的形状伪影，重建的图像质量较好。本实施例中是根据系统建像的相关参数，利用全局的投影数据P1进行滤波反投影全局重建得到重建后的全局图像(可以记作I0)。
其次，从重建后的全局图像中提取出非感兴趣区域；
根据重建后的全局图像确定出其中的感兴趣区域，感兴趣区域的图像可以记作I1，将图像I0减去图像I1，得到非感兴趣区域，可以记作图像I2。
第三，对所述非感兴趣区域进行正投影；
对图像I2进行滤波，得到滤波后的非感兴趣区域，可以记作I3。然后对I3进行正投影得到非感兴趣区域的投影数据，即正投影的结果，可以记作P2。
最后，根据正投影的结果对全局图像的投影数据进行修正。
“根据正投影的结果对全局图像的投影数据进行修正”即利用全局图像的投影数据P1和正投影的结果P2对全局图像的投影数据进行修正，具体为将投影数据P1减去P2对得到修正后的全局图像的投影数据，可以记为P3。
S102.将感兴趣区域作为迭代重建的初始化图像。
本实施例基于的是迭代重建的方式进行局部图像的重建，为了提高收敛的速度，将感兴趣区域的图像作为迭代重建的初始化图像。在实际的应用中，在将感兴趣区域的图像作为迭代重建的初始化图像之前，还要对感兴趣区域的图像进行图像插值。具体的对应于前述的步骤，即对I1进行图像插值后作为初始化图像，可以记作I4。图像插值是在基于模型框架下，从低分辨率图像生成高分辨率图像的过程，用以恢复图像中所丢失的信息。具体的图象插值方法可以为：最近邻插值，双线性插值，双平方插值，双立方插值以及其他高阶方法。
S103.根据初始化图像、修改后的投影数据构建迭代重建公式，并根据迭代重建公式得到CT局部重建图像。
对应与前述步骤中的说明，“根据初始化图像、修改后的投影数据构建迭代重建公式”即根据I4、P3构建迭代重建公式。具体的包括如下步骤：
首先，根据预设的局部建像视野，生成正投影系统矩阵；
局部建像视野可以根据实际的需求确定，比如可以为200mm、100mm等等。然后根据确定的局部建像视野生成正投影系统矩阵，可以记作M。生成正投影系统矩阵的方式可以参考现有任一种生成投影系统矩阵的方式实现。
其次，基于全变分最小化约束框架，根据正投影系统矩阵、初始化图像、修正后的全局图像的投影数据构建迭代重建公式；
全变分(TV)最小化约束框架是一种以保存图像细节为目标的规整化复原方法。比如可以基于全变分最小化的思想，采取交替最小化的精确迭代策略来对图像和点扩展函数同时进行恢复。在噪声水平较高的情况下仍能对图像进行稳健的恢复。
本实施例中根据全变分最小化约束框架，根据正投影系统矩阵、初始化图像、修正后的全局图像的投影数据构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，本申请中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为正投影系统矩阵；||I||TV为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，即修正后的全局图像的投影数据；Ik、Ik+1分别为第k次与第k+1次的迭代结果。
最后，根据迭代重建进行迭代，迭代结束得到CT局部重建图像。
迭代的过程中，对第k+1次迭代后的图像Ik+1进行非负性约束处理即：
其中，i指图像像素点编号。
将非负约束后的图像Ik+1代替图像Ik，然后重复根据上述迭代重建公式以及非负性约束处理进行处理，直到满足迭代结束的条件为止，迭代结束得到CT局部重建图像。具体的本实施例中，迭代结束的条件为满足预设误差。实际应用中可以设置一个预设误差，比如预设误差ε可以为1.0e-10，当满足mean(|Ik+1-Ik|)<ε时迭代结束，得到CT局部重建图像。
从以上的描述中，可以看出，本申请实施例中CT局部重建的方法中，
进一步的，本实例给出另一CT局部重建的方法的流程图，如图2所示，包括如下流程：
获取原始数据P0—校正预处理得到P1—滤波反投影重建全局图像得到I0—选择局部重建区域得到I1—I0减去I1得到I3—图像I3正投影得到P2—P1减去P2得到P3—I1插值得到图像I4—生成系统矩阵M—迭代重建—迭代的过程中判断是否满足迭代结束条件—若不满足计算迭代重建—若满足结束得到CT局部重建。需要说明的是，图2中的P0、P1、P2、P3、I0、I1、I3、I4与图1实施例中的对应的符号代表的含义是相同的。图2流程中具体的实现方式可以参见图1实施例中的相关描述，此处不再赘述。
为了对上述图1-图2的方法的效果进行更直观的说明，给出具体的示例的效果图进行说明，具体的如图3、图4所示。其中图3为头部扫描的全局图像，图4为利用图1-图2的CT局部重建的方法对图3的全局图像进行重建后的局部重建图，其中左侧为重建视野为200mm的局部重建图，其中右侧为重建视野为100mm的局部重建图，从两个局部重建图可以看到，图像的质量较好，没有明显的伪影。另外在实际的测验中，得到图4中的局部重建图的效率也有很大的提升。
从以上的描述中，可以看出，本申请实施例中CT局部重建的方法中，根据全局图像的非感兴趣区域对全局图像的投影数据进行修正，所述非感兴趣区域为全局图像中除去感兴趣区域的图像区域，所述感兴趣区域为需要进行局部重建的图像区域；将所述感兴趣区域作为迭代重建的初始化图像；根据所述初始化图像、修改后的投影数据构建迭代重建公式，并根据所述迭代重建公式得到CT局部重建图像。可以看出，本申请中在基于迭代重建技术进行CT局部图像重建时，一方面，利用全局图像感兴趣区域外的图像对原投影数据(全局图像的投影数据)修正，既实现了局部重建同时又保证了迭代重建的图像质量；另一方面，将全局图像中的感兴趣的区域作为迭代重建的初始化图像，加快了迭代收敛速度，提高了重建的效率。
需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
根据本申请实施例，还提供了一种用于实施上述图1方法的CT局部重建的装置，如图5所示，该装置包括：
修正单元21，用于根据全局图像的非感兴趣区域对全局图像的投影数据进行修正，所述非感兴趣区域为全局图像中除去感兴趣区域的图像区域，所述感兴趣区域为需要进行局部重建的图像区域；
初始化图像确定单元22，用于将所述感兴趣区域作为迭代重建的初始化图像；
重建单元23，用于根据所述初始化图像、修改后的投影数据构建迭代重建公式，并根据所述迭代重建公式得到CT局部重建图像。
具体的，本申请实施例的装置中各模块实现其功能的具体过程可参见方法实施例中的相关描述，此处不再赘述。
从以上的描述中，可以看出，本申请实施例中CT局部重建的装置中，根据全局图像的非感兴趣区域对全局图像的投影数据进行修正，所述非感兴趣区域为全局图像中除去感兴趣区域的图像区域，所述感兴趣区域为需要进行局部重建的图像区域；将所述感兴趣区域作为迭代重建的初始化图像；根据所述初始化图像、修改后的投影数据构建迭代重建公式，并根据所述迭代重建公式得到CT局部重建图像。可以看出，本申请中在基于迭代重建技术进行CT局部图像重建时，一方面，利用全局图像感兴趣区域外的图像对原投影数据(全局图像的投影数据)修正，既实现了局部重建同时又保证了迭代重建的图像质量；另一方面，将全局图像中的感兴趣的区域作为迭代重建的初始化图像，加快了迭代收敛速度，提高了重建的效率。
进一步的，如图6所示，所述修正单元21包括：
全局图像重建模块211，用于根据全局图像的投影数据、滤波反投影对所述全局图像进行重建；
提取模块212，用于从重建后的全局图像中提取出非感兴趣区域；
正投影模块213，用于对所述非感兴趣区域进行正投影；
修正模块214，用于根据正投影的结果对全局图像的投影数据进行修正。
进一步的，如图6所示，所述装置还包括：
图像插值单元24，用于在根据所述初始化图像、修改后的投影数据构建迭代重建公式，并根据所述迭代重建公式得到CT局部重建图像之前，对感兴趣区域的图像进行图像插值。
进一步的，如图6所示，所述重建单元23包括：
矩阵生成模块231，用于根据预设的局部建像视野，生成正投影系统矩阵；
公式构建模块232，用于基于全变分最小化约束框架，根据正投影系统矩阵、初始化图像、修正后的全局图像的投影数据构建迭代重建公式；
局部重建模块233，用于根据迭代重建进行迭代，迭代结束得到CT局部重建图像。
进一步的，如图6所示，所述局部重建模块233还用于：
对迭代过程中的图像进行非负性约束处理；
根据预设误差判断是否迭代结束。
进一步的，如图6所示，所述装置还包括：
校正单元25，用于在所述根据全局图像的投影数据、滤波反投影对所述全局图像进行重建之前，对全局图像进行校正处理，得到全局图像的投影数据。
具体的，本申请实施例的装置中各模块实现其功能的具体过程可参见方法实施例中的相关描述，此处不再赘述。
根据本申请实施例，还提供了一种非暂态计算机可读存储介质，非暂态计算机可读存储介质存储计算机指令，计算机指令使计算机执行图1和图2中的任一种CT局部重建的方法。
显然，本领域的技术人员应该明白，上述的本申请的各模块或各步骤可以用通用的计算装置来实现，它们可以集中在单个的计算装置上，或者分布在多个计算装置所组成的网络上，可选地，它们可以用计算装置可执行的程序代码来实现，从而，可以将它们存储在存储装置中由计算装置来执行，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样，本申请不限制于任何特定的硬件和软件结合。
以上所述仅为本申请的优选实施例而已，并不用于限制本申请，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。
Claims (10)
1.一种CT局部重建的方法，其特征在于，所述方法包括：
根据全局图像的非感兴趣区域对全局图像的投影数据进行修正，所述非感兴趣区域为全局图像中除去感兴趣区域的图像区域，所述感兴趣区域为需要进行局部重建的图像区域；
将所述感兴趣区域作为迭代重建的初始化图像；
根据所述初始化图像、修改后的投影数据构建迭代重建公式，并根据所述迭代重建公式得到CT局部重建图像。
2.根据权利要求1所述的CT局部重建的方法，其特征在于，所述根据全局图像的非感兴趣区域对全局图像的投影数据进行修正包括：
根据全局图像的投影数据、滤波反投影对所述全局图像进行重建；
从重建后的全局图像中提取出非感兴趣区域；
对所述非感兴趣区域进行正投影；
根据正投影的结果对全局图像的投影数据进行修正。
3.根据权利要求2所述的CT局部重建的方法，其特征在于，在根据所述初始化图像、修改后的投影数据构建迭代重建公式，并根据所述迭代重建公式得到CT局部重建图像之前，所述方法包括：
对感兴趣区域的图像进行图像插值。
4.根据权利要求1所述的CT局部重建的方法，其特征在于，所述根据所述初始化图像、修改后的投影数据构建迭代重建公式，并根据所述迭代重建公式得到CT局部重建图像包括：
根据预设的局部建像视野，生成正投影系统矩阵；
基于全变分最小化约束框架，根据正投影系统矩阵、初始化图像、修正后的全局图像的投影数据构建迭代重建公式；
根据迭代重建进行迭代，迭代结束得到CT局部重建图像。
5.根据权利要求4所述的CT局部重建的方法，其特征在于，所述根据迭代重建进行迭代，得到CT局部重建图像还包括：
对迭代过程中的图像进行非负性约束处理；
根据预设误差判断是否迭代结束。
6.根据权利要求2所述的CT局部重建的方法，其特征在于，在所述根据全局图像的投影数据、滤波反投影对所述全局图像进行重建之前，所述方法还包括：
对全局图像进行校正处理，得到全局图像的投影数据。
7.一种CT局部重建的装置，其特征在于，所述装置包括：
修正单元，用于根据全局图像的非感兴趣区域对全局图像的投影数据进行修正，所述非感兴趣区域为全局图像中除去感兴趣区域的图像区域，所述感兴趣区域为需要进行局部重建的图像区域；
初始化图像确定单元，用于将所述感兴趣区域作为迭代重建的初始化图像；
重建单元，用于根据所述初始化图像、修改后的投影数据构建迭代重建公式，并根据所述迭代重建公式得到CT局部重建图像。
8.根据权利要求7所述的CT局部重建的装置，其特征在于，所述修正单元包括：
全局图像重建模块，用于根据全局图像的投影数据、滤波反投影对所述全局图像进行重建；
提取模块，用于从重建后的全局图像中提取出非感兴趣区域；
正投影模块，用于对所述非感兴趣区域进行正投影；
修正模块，用于根据正投影的结果对全局图像的投影数据进行修正。
9.根据权利要求8所述的CT局部重建的装置，其特征在于，所述装置还包括：
图像插值单元，用于在根据所述初始化图像、修改后的投影数据构建迭代重建公式，并根据所述迭代重建公式得到CT局部重建图像之前，对感兴趣区域的图像进行图像插值。
10.一种非暂态计算机可读存储介质，其特征在于，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令使所述计算机执行权利要求1至权利要求6中任一项所述的CT局部重建的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011012498.5A CN112085811B (zh) | 2020-09-23 | 2020-09-23 | Ct局部重建的方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011012498.5A CN112085811B (zh) | 2020-09-23 | 2020-09-23 | Ct局部重建的方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112085811A true CN112085811A (zh) | 2020-12-15 |
| CN112085811B CN112085811B (zh) | 2021-04-23 |
Family
ID=73739679
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011012498.5A Active CN112085811B (zh) | 2020-09-23 | 2020-09-23 | Ct局部重建的方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112085811B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114219792A (zh) * | 2021-12-17 | 2022-03-22 | 深圳市铱硙医疗科技有限公司 | 一种颅脑穿刺前影像处理方法与系统 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101133962A (zh) * | 2006-09-01 | 2008-03-05 | 西门子公司 | 再现三维立体图像的方法和x射线设备 |
| US7447295B2 (en) * | 2005-10-24 | 2008-11-04 | Siemens Aktiengesellschaft | Method and tomography unit for the reconstruction of a tomographic display of an object |
| CN101520899A (zh) * | 2009-04-08 | 2009-09-02 | 西北工业大学 | 一种锥束ct三维图像的并行重建方法 |
| CN102549616A (zh) * | 2009-09-24 | 2012-07-04 | 皇家飞利浦电子股份有限公司 | 用于生成感兴趣区域的图像的系统和方法 |
| CN102590248A (zh) * | 2012-03-13 | 2012-07-18 | 重庆大学 | 平移式微焦ct检测装置在线检测电子元件的方法 |
| CN105488826A (zh) * | 2015-12-17 | 2016-04-13 | 首都师范大学 | 一种基于fbp的能谱ct迭代成像方法和成像系统 |
| CN105631908A (zh) * | 2015-12-16 | 2016-06-01 | 沈阳东软医疗系统有限公司 | 一种pet图像重建方法和装置 |
| CN105759318A (zh) * | 2015-03-06 | 2016-07-13 | 公安部第研究所 | 一种安全检测装置及其检测方法 |
-
2020
- 2020-09-23 CN CN202011012498.5A patent/CN112085811B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7447295B2 (en) * | 2005-10-24 | 2008-11-04 | Siemens Aktiengesellschaft | Method and tomography unit for the reconstruction of a tomographic display of an object |
| CN101133962A (zh) * | 2006-09-01 | 2008-03-05 | 西门子公司 | 再现三维立体图像的方法和x射线设备 |
| CN101520899A (zh) * | 2009-04-08 | 2009-09-02 | 西北工业大学 | 一种锥束ct三维图像的并行重建方法 |
| CN102549616A (zh) * | 2009-09-24 | 2012-07-04 | 皇家飞利浦电子股份有限公司 | 用于生成感兴趣区域的图像的系统和方法 |
| CN102590248A (zh) * | 2012-03-13 | 2012-07-18 | 重庆大学 | 平移式微焦ct检测装置在线检测电子元件的方法 |
| CN105759318A (zh) * | 2015-03-06 | 2016-07-13 | 公安部第研究所 | 一种安全检测装置及其检测方法 |
| CN105631908A (zh) * | 2015-12-16 | 2016-06-01 | 沈阳东软医疗系统有限公司 | 一种pet图像重建方法和装置 |
| CN105488826A (zh) * | 2015-12-17 | 2016-04-13 | 首都师范大学 | 一种基于fbp的能谱ct迭代成像方法和成像系统 |
Non-Patent Citations (2)
| Title |
|---|
| SIDKY EY等: "Accurate image reconstruction from few-views and limited-angle data in divergent-beam CT", 《JOURNAL OF X-RAY SCIENCE AND TECHNOLOGY》 * |
| 伍伟文等: "相对平行直线扫描CT滤波反投影图像重建", 《光学学报》 * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114219792A (zh) * | 2021-12-17 | 2022-03-22 | 深圳市铱硙医疗科技有限公司 | 一种颅脑穿刺前影像处理方法与系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112085811B (zh) | 2021-04-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11120582B2 (en) | Unified dual-domain network for medical image formation, recovery, and analysis | |
| CN106683144B (zh) | 一种图像迭代重建方法及装置 | |
| US8805037B2 (en) | Method and system for reconstruction of tomographic images | |
| Meilinger et al. | Metal artifact reduction in cone beam computed tomography using forward projected reconstruction information | |
| AU2019271915A1 (en) | Method and system for motion correction in CT imaging | |
| CN105118039B (zh) | 实现锥束ct图像重建的方法及系统 | |
| CN110533738B (zh) | 重建数据处理方法、装置、医学成像系统及存储介质 | |
| CN109461192B (zh) | 图像迭代重建方法、装置、设备及存储介质 | |
| CN109903356A (zh) | 基于深度多重解析网络的缺失ct投影数据估计方法 | |
| US20170172534A1 (en) | Thoracic imaging for cone beam computed tomography | |
| Okamoto et al. | Artifact reduction for sparse-view CT using deep learning with band patch | |
| CN110458908B (zh) | 基于有限角度迭代重建超视野ct图像的方法 | |
| CN112085811B (zh) | Ct局部重建的方法及装置 | |
| JP2018020120A (ja) | 医用画像処理装置及び医用画像処理プログラム | |
| CN105631908B (zh) | 一种pet图像重建方法和装置 | |
| CN112070704A (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 | |
| CN109685871B (zh) | 图像重建方法、计算机设备及计算机可读存储介质 | |
| Zhang et al. | Metal artifact reduction based on the combined prior image | |
| CN110176045A (zh) | 一种由单能ct图像生成双能ct图像的方法 | |
| Benammar et al. | Sinogram interpolation method for limited-angle tomography | |
| Zhu et al. | CT metal artifact correction assisted by the deep learning-based metal segmentation on the projection domain | |
| CN110084866B (zh) | 一种计算机断层成像方法和装置 | |
| Liu et al. | NMAR3: Normalized Metal Artifact Reduction for Cone Beam Computed Tomography | |
| CN104095647A (zh) | Ct系统的扫描定位方法 | |
| Abascal et al. | Sparse reconstruction methods in X-ray 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 | ||
| CP03 | Change of name, title or address | ||
| CP03 | Change of name, title or address |
Address after: 100176 1st floor, building 8, 11 Kangding street, Beijing Economic and Technological Development Zone, Daxing District, Beijing Patentee after: Sinovision Technology (Beijing) Co.,Ltd. Address before: 1 / F, building 8, No. 11, Kangding street, Daxing Economic and Technological Development Zone, Beijing 100176 Patentee before: SAINUO WEISHENG TECHNOLOGY (BEIJING) Co.,Ltd. |
|
| PE01 | Entry into force of the registration of the contract for pledge of patent right |
Denomination of invention: Methods and devices of CT local reconstruction Effective date of registration: 20221116 Granted publication date: 20210423 Pledgee: Industrial Bank Co.,Ltd. Beijing Economic and Technological Development Zone Sub branch Pledgor: Sinovision Technology (Beijing) Co.,Ltd. Registration number: Y2022110000316 |
|
| PE01 | Entry into force of the registration of the contract for pledge of patent right | ||
| PC01 | Cancellation of the registration of the contract for pledge of patent right |
Date of cancellation: 20230323 Granted publication date: 20210423 Pledgee: Industrial Bank Co.,Ltd. Beijing Economic and Technological Development Zone Sub branch Pledgor: Sinovision Technology (Beijing) Co.,Ltd. Registration number: Y2022110000316 |
|
| PC01 | Cancellation of the registration of the contract for pledge of patent right | ||
| PE01 | Entry into force of the registration of the contract for pledge of patent right |
Denomination of invention: Method and device for CT local reconstruction Effective date of registration: 20230605 Granted publication date: 20210423 Pledgee: Industrial Bank Co.,Ltd. Beijing Economic and Technological Development Zone Sub branch Pledgor: Sinovision Technology (Beijing) Co.,Ltd. Registration number: Y2023110000210 |
|
| PE01 | Entry into force of the registration of the contract for pledge of patent right |