CN115087396B - 用于减少与防散射栅格相关联的伪影的x射线成像系统及其操作方法 - Google Patents
用于减少与防散射栅格相关联的伪影的x射线成像系统及其操作方法 Download PDFInfo
- Publication number
- CN115087396B CN115087396B CN202180013280.8A CN202180013280A CN115087396B CN 115087396 B CN115087396 B CN 115087396B CN 202180013280 A CN202180013280 A CN 202180013280A CN 115087396 B CN115087396 B CN 115087396B
- Authority
- CN
- China
- Prior art keywords
- image
- ray
- imaging system
- scatter device
- scatter
- 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
- 238000003384 imaging method Methods 0.000 title claims abstract description 88
- 238000000034 method Methods 0.000 title claims description 38
- 238000012545 processing Methods 0.000 claims abstract description 49
- 238000013528 artificial neural network Methods 0.000 claims description 43
- 125000006850 spacer group Chemical group 0.000 claims description 32
- 238000004422 calculation algorithm Methods 0.000 claims description 24
- 238000010894 electron beam technology Methods 0.000 claims description 24
- 238000010801 machine learning Methods 0.000 claims description 15
- 238000004846 x-ray emission Methods 0.000 claims description 15
- 238000005259 measurement Methods 0.000 claims description 13
- 230000008859 change Effects 0.000 claims description 8
- 230000003287 optical effect Effects 0.000 claims description 8
- 230000009467 reduction Effects 0.000 claims description 8
- 238000002834 transmittance Methods 0.000 claims description 8
- 230000001629 suppression Effects 0.000 claims description 7
- 230000008030 elimination Effects 0.000 claims description 6
- 238000003379 elimination reaction Methods 0.000 claims description 6
- 238000004891 communication Methods 0.000 claims description 3
- 230000003213 activating effect Effects 0.000 claims description 2
- 230000008569 process Effects 0.000 description 15
- 230000005540 biological transmission Effects 0.000 description 9
- 238000002591 computed tomography Methods 0.000 description 9
- 238000013527 convolutional neural network Methods 0.000 description 9
- 238000006073 displacement reaction Methods 0.000 description 9
- 238000012937 correction Methods 0.000 description 6
- 239000000463 material Substances 0.000 description 6
- 238000007781 pre-processing Methods 0.000 description 6
- 230000000694 effects Effects 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 230000033001 locomotion Effects 0.000 description 5
- 239000002184 metal Substances 0.000 description 5
- 229910052751 metal Inorganic materials 0.000 description 5
- 230000001537 neural effect Effects 0.000 description 4
- 238000012549 training Methods 0.000 description 4
- 238000007408 cone-beam computed tomography Methods 0.000 description 3
- 238000010521 absorption reaction Methods 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 2
- 230000004913 activation Effects 0.000 description 2
- 230000002238 attenuated effect Effects 0.000 description 2
- 230000015556 catabolic process Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000006731 degradation reaction Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 230000010339 dilation Effects 0.000 description 2
- 230000005670 electromagnetic radiation Effects 0.000 description 2
- 239000000945 filler Substances 0.000 description 2
- 230000005855 radiation Effects 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 229910052715 tantalum Inorganic materials 0.000 description 2
- GUVRBAGPIYLISA-UHFFFAOYSA-N tantalum atom Chemical compound [Ta] GUVRBAGPIYLISA-UHFFFAOYSA-N 0.000 description 2
- WFKWXMTUELFFGS-UHFFFAOYSA-N tungsten Chemical compound [W] WFKWXMTUELFFGS-UHFFFAOYSA-N 0.000 description 2
- 229910052721 tungsten Inorganic materials 0.000 description 2
- 239000010937 tungsten Substances 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 241000446313 Lamella Species 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 230000020411 cell activation Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000002059 diagnostic imaging Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 239000011888 foil Substances 0.000 description 1
- 230000003446 memory effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 239000004033 plastic Substances 0.000 description 1
- 229920003023 plastic Polymers 0.000 description 1
- 229920000642 polymer Polymers 0.000 description 1
- 238000002601 radiography Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000002560 therapeutic procedure Methods 0.000 description 1
- 238000010200 validation analysis Methods 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
Classifications
-
- 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]
-
- 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
- A61B6/40—Arrangements for generating radiation specially adapted for radiation diagnosis
- A61B6/4007—Arrangements for generating radiation specially adapted for radiation diagnosis characterised by using a plurality of source units
-
- 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
- A61B6/42—Arrangements for detecting radiation specially adapted for radiation diagnosis
- A61B6/4291—Arrangements for detecting radiation specially adapted for radiation diagnosis the detector being combined with a grid or grating
-
- 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
- A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
- A61B6/5258—Devices using data or image processing specially adapted for radiation diagnosis involving detection or reduction of artifacts or noise
- A61B6/5282—Devices using data or image processing specially adapted for radiation diagnosis involving detection or reduction of artifacts or noise due to scatter
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Pathology (AREA)
- Heart & Thoracic Surgery (AREA)
- High Energy & Nuclear Physics (AREA)
- Physics & Mathematics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Optics & Photonics (AREA)
- Veterinary Medicine (AREA)
- Radiology & Medical Imaging (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Pulmonology (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
本公开涉及用于采集对象的二维或三维图像的X射线成像系统。控制X射线发射区域的相对位置，如在相对于防散射装置和/或X射线敏感表面静止的坐标系中所见，使得在X射线发射区域相对于防散射装置和/或X射线敏感表面(10)的不同相对位置处采集第一图像和第二图像。所述成像系统的数据处理系统基于图像中的每幅来生成输出图像。与所述第一图像和所述第二图像相比，在输出图像中，由所述防散射装置生成的伪影被减少、抑制或消除。
Description
技术领域
本发明涉及用于生成医学图像的X射线成像系统及其操作方法。具体而言，本发明涉及X射线成像系统，其减少、抑制或消除与防散射栅格相关联的伪影。
背景技术
在X射线医学成像中，防散射栅格是一种众所周知的技术，用于防止由在患者处散射的X射线束引起的图像质量下降。当X射线与组织相互作用时，X射线变为被衰减，并且被组织散射。期望X射线从X射线源直线传播到探测器系统。在另一方面，图像细节的对比度和信噪比由于散射而降低。
通常，防散射栅格包括单元的规则阵列，所述单元由不透射线的间隔体隔开。在暴光期间，栅格被放置在患者与探测器之间，使得期望的电磁辐射可以穿过栅格，而由组织内的散射引起的不期望的电磁辐射通过间隔体壁内的吸收来消除或抑制。
最常见的防散射栅格是一维栅格(即线性栅格)，这意味着薄片壁在探测器系统的X射线敏感表面上的投影是线。这样的防散射栅格通常由不透X射线薄片的条制成，其被夹在更透X射线的间隔材料之间。为了更有效的散射减少，栅格壁优选地应该是二维的，即薄片壁到探测器的X射线敏感表面上的投影不是线而是形成二维图案。这种二维栅格壁允许消除来自所有方向的散射。
由于薄片是防散射栅格的壁，对于由X射线源生成的X射线是相对不透明的，因此防散射栅格在探测器系统的X射线敏感表面上投射X射线辐射的阴影。这些阴影是不期望的，因为它们会阻挡图像并使图像的临床评价更加困难或者甚至不可能。这已经导致了滤波器的发展，所述滤波器可以减少X射线图像中的与防散射栅格相关联的伪影。然而，已经表明，贡献于伪影的各种不同的技术物理过程使得难以以令人满意的方式消除X射线图像中的伪影。
因此，需要提供使用防散射栅格的改进的X射线成像系统和方法。
发明内容
本公开的实施例涉及一种用于采集对象的二维或三维图像的X射线成像系统，所述成像系统包括：X射线源，其被配置为从一个或多个X射线发射区域发射X射线；探测器系统，其被配置为接收已经穿过所述对象的所述X射线的部分，其中，所述X射线在所述探测器系统的X射线敏感表面上被接收；防散射装置，其被布置在所述X射线发射区域与所述探测器系统之间的所述X射线的射束路径中，尤其是在对象与探测器系统之间。所述成像系统被配置为采集所述对象的第一图像和第二图像，其中，所述第一图像和所述第二图像中的每幅图像均示出：(a)所述对象的身体的相同部分，以及(b)由所述防散射装置生成的图像伪影。所述成像系统被配置为：控制所述一个或多个X射线发射区域中的至少一个X射线发射区域的相对位置，如在相对于所述防散射装置和/或所述X射线敏感表面静止的坐标系中所见，使得所述第一图像和所述第二图像在所述至少一个X射线发射区域相对于所述防散射装置和/或所述X射线敏感表面的不同相对位置处被采集。所述数据处理系统还被配置为使用所述成像系统的数据处理系统基于所述第一图像和所述第二图像中的每幅图像来生成输出图像。所述输出图像示出所述身体的所述部分，并且与所述第一图像和所述第二图像相比，在所述输出图像中，由所述防散射装置生成的伪影被减少、抑制或消除。
X射线成像系统可以包括X射线投影成像系统、X射线计算机断层摄影系统和/或X射线断层合成系统。
X射线计算机断层摄影系统可以配置为锥形束计算机断层摄影系统，即从X射线源发射的X射线是发散的，形成锥体。额外地或备选地，所述X射线计算机断层摄影系统可以被配置为扇形束计算机断层摄影系统。计算机断层摄影系统可以是单切片扫描器或多切片扫描器。
由成像系统生成的二维图像可以是投影射线照相图像。由成像系统生成的三维图像可以是基于二维X射线投影图像的重建图像。重建图像可以由计算机断层摄影系统生成。
如果成像系统被配置为计算机断层摄影系统，则可以在X射线源和探测器系统关于对象的身体部分的旋转移动期间采集第一图像和第二图像。旋转移动可以保持X射线源相对于防散射装置和/或X射线敏感表面的相对位置不变。因此，第一图像和第二图像可以从不同的成像投影轴示出身体部分。
X射线源可以被配置为X射线管。X射线源可以被配置为生成一个或多个电子束，其撞击在阳极上。阳极可以被配置为旋转阳极。一个或多个X射线发射区域一起可以基本上形成或可以形成点源。X射线发射区域中的每个可以由在X射线源的靶上生成的焦斑形成。靶可以是阳极，特别是旋转阳极。一个或多个X射线发射区域可以表示小于100微米或小于1000微米的源尺寸。源尺寸可以定义为两个点的最大距离，点中的每个位于X射线发射区域中的至少一个内。X射线源可以包括电子光学系统，其被配置用于生成一个或多个电子束，所述电子束撞击在X射线源的靶上。靶可以是阳极，特别是旋转阳极。X射线的光谱可以具有大于2keV或大于20keV的截止能量。截止能量可以低于10MeV或低于150kV。截止能量可以对应于X射线源的加速电压设置。加速电压可以加速由X射线源生成的一个或多个电子束的电子，所述电子束撞击在X射线源的阳极上。
探测器系统的X射线敏感表面在一维或二维上可以是平坦的或弯曲的。在X射线敏感表面被弯曲的实施例中，X射线敏感表面的曲率中心可以位于或基本上位于X射线发射区域的位置处。
探测器系统可以被配置为图像记录设备。X射线敏感表面可以包括多个像素或者可以由多个像素形成。像素可以被布置成二维阵列。由像素之一形成的X射线敏感表面部分的尺寸可以小于200微米或小于1毫米。该尺寸可以大于20微米，或者大于90微米。
防散射装置可以包括线性防散射栅格(也指代为一维防散射栅格)和/或二维防散射栅格。术语“一维防散射栅格”可以被定义为意指防散射栅格到X射线敏感表面上的投影表示或基本上表示线或梳状结构。术语二维防散射栅格可以被定义为意指防散射栅格到X射线敏感表面上的投影表示二维图案，特别是二维方形栅格图案。
防散射栅格可以包括多个栅格间隔体，其将防散射栅格的多个单元彼此分离。间隔体可以布置成平行或基本平行的壁以形成一维防散射栅格。二维防散射栅格可以包括形成交叉栅格结构的间隔体。
间隔体的至少部分的纵横比可以大于2或大于8。纵横比可以小于40，或小于16。
间隔体可以由金属制成或可以包括金属，特别是金属作为主要成分。通过示例，间隔体可以包含或可以包括以下各项之一或其组合作为主要成分：钨(W)、铅(Pb)或钽(Ta)。
一维或二维防散射栅格的间隔体可以形成多个单元，单元中的每个具有以下X射线透射率：其大于或可以是间隔体中的每个的X射线透射率的至少5倍或至少10倍或至少是20倍。单元可以至少部分地填充有空气或可以至少部分地填充有填充材料。可以用于单元的填充材料的示例是塑料，诸如聚合化合物或纸，诸如复写纸。填充材料可以被配置为增加防散射装置的机械刚度和位置准确度。
防散射装置可以是聚焦的或非聚焦的。聚焦的防散射装置可以被配置为提高所采集图像的对比度。聚焦的一维防散射栅格可以包括形成栅格单元的间隔体，其中，栅格单元中的每个指向延伸或基本延伸通过一个或多个X射线发射区域的轴。
数据处理系统可以包括具有处理器和用于存储可由处理器处理的指令的存储器的计算机系统。处理器可以运行操作系统。数据分析系统还可以包括用户接口，所述用户接口被配置为允许用户从数据处理系统接收数据和/或向数据处理系统提供数据。所述用户接口可以包括图形用户接口。
与防散射装置相关联的伪影可能包括我们的阴影结构，其对应于防散射栅格的间隔体的投影形状，其通过中心投影计算，其中，一个或多个X射线发射区域是保护的中心。
第一图像和第二图像中的每幅可以是灰度图像。像素值中的每个可以指示或基本上指示探测到的X射线辐射的强度。
由防散射装置生成的伪影的减少、抑制或消除可以是对由防散射装置生成的图像伪影对图像的像素数据值的贡献的减少、抑制或消除。换言之，在输出图像中，像素数据值表示或基本上表示图像的像素数据值，其已经在没有防散射装置的情况下是所需的。
根据实施例，数据处理系统被配置为使用算法，所述算法使用由至少一个X射线发射区域的不同相对位置引起的第一图像和第二图像之间的差异来获得对与防散射装置相关联的伪影的减少、抑制或消除。
换言之，所述算法可能对第一图像和第二图像之间的差异敏感。第一图像可以不同于第二图像。第一图像与第二图像之间的差异可以至少部分地由一个或多个X射线发射区域相对于防散射装置和/或相对于X射线敏感表面的不同相对位置引起。该算法可以被配置为读取第一图像的至少部分和第二图像的至少部分并且输出表示输出图像的数据。输出图像的至少部分可以对应于第一图像的视场的至少部分和第二图像的视场的至少部分。
根据实施例，数据处理系统被配置为使用基于机器学习的算法来生成输出图像。基于机器学习的算法可以基于第一图像和第二图像的数据或从第一图像和第二图像导出的数据来生成输出图像。从第一图像和第二图像导出数据可以包括确定第一图像区域中的区域和第二图像区域中的区域，使得图像区域是对应的图像区域。对应的图像区域可以示出或基本上示出相同的身体部分。额外地或备选地，从第一图像和第二图像导出数据可以包括将一个或多个滤波器应用于第一图像和第二图像。
术语“基于机器学习的算法”可以定义为意指该算法是使用机器学习生成的。用于生成输出图像的基于机器学习的算法可能处于训练状态。机器学习过程可能已经使用不同于成像系统的数据处理系统的数据处理系统来执行。备选地，成像系统的数据处理系统可以被配置用于机器学习。
根据另一实施例，基于机器学习的算法包括人工神经网络(ANN)。
人工神经网络可以包括输入层、一个或多个中间层和输出层。人工神经网络可以被配置为卷积神经网络。
由输出层输出的图像可以对应于或基本上对应于输出图像的至少部分。备选地，由ANN的输出层输出的图像可以由数据处理系统使用诸如滤波器的另外的算法来处理。
根据另一实施例，ANN具有至少两个图像输入通道。数据处理系统可以被配置为将图像输入通道中的第一通道用于第一图像的至少部分的数据或从第一图像的至少部分导出的数据。此外，数据处理系统可以被配置为将图像输入通道中的第二通道用于第二图像的至少部分的数据或从第二图像的至少部分导出的数据。
输入通道中的每个可以处理输入图像中的一幅而不处理输入图像中的另一幅。输入通道中的每个可以生成通道输出图像。ANN可以被配置为组合通道输出图像。组合通道输出图像可以包括形成通道输出图像的像素数据值的逐像素总和/或逐像素加权总和。额外地或备选地，其他组合操作是可以想象的，诸如以下各项之一或其组合：逐像素乘法、逐像素减法和逐像素除法。组合操作的更多示例在由Shiwei Zhou等人撰写并发表于Sensors,19,2597(2019)的文章“Multi-View Image Denoising Using Conventional NeuralNetwork”中进行了描述。出于所有目的，该文档的内容通过引用并入本文。具体来说，结合本文图1描述的架构提供了组合操作的示例。
在组合通道输出图像之后，ANN还可以使用另一人工神经网络处理组合图像，所述另一人工神经网络接收组合图像作为输入。所述另一人工神经网络可以被配置为卷积神经网络。额外地或备选地，可以使用一种或多种非人工神经网络算法来处理组合图像。此外，还可以想象组合图像表示ANN的输出图像。
输入通道中的至少一个或两者可以包括残差神经网络。术语“残差神经网络”可以定义为意指包括一个或多个残差连接的神经网络。残差连接可以被定义为跳过一层或多层的捷径。通过示例，残差连接可以被配置为跳过两个层或三个层的组。
根据实施例，输出图像的生成包括：使用数据处理系统确定所述第一图像的多个图像区域和与所述第一图像的图像区域基本对应的所述第二图像的多个图像区域，使得获得多对对应或基本对应的图像区域。所述输出图像的生成还可以包括使用数据处理系统顺序地处理所述对，以针对对中的每个生成所述输出图像的对应的区域。对于对应或基本对应的图像区域的对中的每个，相应对的图像中的每幅可以示出或基本示出对象的相同身体部分。
第一图像和第二图像的图像区域可以具有相等或基本相等的尺寸。图像区域中的每个可以具有正方形或矩形形状。图像区域中的每个可以是未划分的图像区域。数据处理系统可以被配置为组合对应于不同图像部分的输出图像以形成组合图像。组合图像的视场可以基本上对应于个体输出图像的视场的总和。
根据实施例，不同相对位置之间的距离为至少50微米或至少100微米，或至少400微米或至少800微米，或至少1000微米，或至少5000微米。该距离可以被测量为X射线发射区域的中心之间的距离，或者作为形成X射线发射区域的焦斑之间的距离。该距离可以小于10毫米或小于5毫米，或者小于1毫米。
根据另一实施例，一种防散射装置包括单元的一维或二维阵列，所述单元通过间隔体彼此分开。单元中的每个的X射线透射率大于间隔体的X射线透射率。
根据另一实施例，X射线源包括壳体，所述壳体容纳用于生成电子束的电子光学系统和用于接收电子束的靶，使得X射线发射区域被布置在壳体内。所述成像系统可以被配置为控制X射线源以能受控地使壳体内的至少一个X射线发射区域位移。
所述壳体可以具有壳体壁，所述壳体壁被配置为屏蔽X射线。壳体还可包括X射线透射窗口，X射线通过该窗口在朝向防散射装置和X射线敏感表面的方向上从壳体射出。
根据另一实施例，电子光学系统被配置为选择性地偏转电子束，使得改变电子束在靶上的撞击位置。对至少一个X射线发射区域的相对位置的控制可以包括使用电子光学系统改变靶上的撞击位置。
额外地或备选地，X射线源被配置为生成产生第一X射线发射区域的第一电子束和产生第二X射线发射区域的第二电子束。至少一个或多个X射线发射区域的相对位置的控制可以包括致动和停用两个电子束，使得电子束被顺序地启用。
通过示例，波束可以顺序地处于启用状态，使得X射线源在第一X射线发射区域和第二X射线发射区域之间交替切换。第一和第二X射线发射区域之间的切换可以改变X射线发射区域相对于防散射装置和/或相对于X射线敏感表面的相对位置。
靶可以是阳极，特别是旋转阳极。电子束的偏转可以至少部分地由静电和/或磁偏转生成，例如通过使用电极和/或线圈。额外地或备选地，X射线源可以被配置为在壳体内使靶位移，使得X射线发射区域在壳体内被位移。
根据另一实施例，所述成像系统包括致动器，其与所述防散射装置的至少部分和/或与所述探测器系统的至少部分进行操作通信。所述成像系统可以被配置为使得至少一个X射线发射区域相对于防散射装置(9)和/或相对于X射线敏感表面的位置变化包括控制致动器。
所述X射线成像系统可以被配置为使得致动器的可控致动改变防散射装置的主平面相对于X射线敏感表面的角度。角度的改变可以大于0.01度或大于0.02度，或大于0.03度。该改变可以小于10度或小于5度或小于1.5度或小于0.5度。
致动器可以是可以包括一个或多个压电元件。然而，致动器的其他配置可以是可以想象的，诸如静电和/或电磁开关构件。致动器可以被配置为改变防散射装置相对于X射线敏感表面的位置和/或取向。额外地或备选地，致动器可以改变防散射装置和X射线敏感表面的位置和/或方向。位置和/或取向可以相对于支撑X射线敏感表面和防散射装置的支撑结构而改变。
致动器的位移范围可以是至少0.1毫米或至少0.3毫米。
根据另一实施例，成像系统还被配置为在小于20毫秒或小于200微秒的时间段内采集第一图像和第二图像。
根据另一实施例，所述成像系统包括测量单元，其被配置为采集指示X射线发射区域中的一个或多个的位置的位置数据。
根据另一实施例，数据处理系统被配置为还基于位置数据确定输出图像。
本公开的实施例还涉及一种用于操作X射线成像系统以采集对象的二维或三维图像并用于减少由X射线成像系统的防散射装置生成的伪影的方法。X射线成像系统包括：X射线源，其被配置为从一个或多个X射线发射区域发射X射线；以及探测器系统，其被配置为在探测器系统的X射线敏感表面(10)上接收已经穿过对象的发射X射线的部分。所述防散射装置被布置在对象与探测器系统之间的X射线的射束路径中。所述方法包括：采集对象的第一图像和第二图像，使得第一图像和第二图像中的每幅示出至少(a)对象的身体的相同部分；以及(b)由防散射装置生成的伪影。所述方法还包括控制X射线发射区域中的至少一个相对于防散射装置和/或X射线敏感表面的相对位置，使得第一图像和第二图像在至少一个X射线发射区域的不同的相对位置处被采集。该方法还包括使用成像系统的数据处理系统基于第一图像和第二图像中的每幅来生成输出图像。所述输出图像示出身体的部分，并且在输出图像中，由防散射装置生成的伪影与第一图像和第二图像相比被减少、抑制或消除。
本公开的实施例还涉及一种计算机程序单元，其当在处理器单元上运行时指示处理器执行在前一段中描述的方法的步骤。
附图说明
图1是根据第一示例性实施例的X射线成像系统的示意性图示；
图2是图1所示X射线成像系统的X射线源、探测器系统和数据处理系统的另外的示意性图示；
图3是利用根据第一示例性实施例的在图1和图2中所示的X射线成像系统执行的示例性方法的流程图；
图4是用于在图4所图示的示例性方法中采集第一图像和第二图像的成像过程的示意性图示，其中，使用在图1和图2中示意性图示的根据第一示例性实施例的X射线成像系统来执行成像处理；
图5A是用于采集第一图像和第二图像的成像过程的示意性图示，其中，使用根据第二示例性实施例的X射线成像系统执行成像处理；
图5B和5C是用于采集第一图像和第二图像的成像过程的示意性图示，其中，使用根据第三示例性实施例的X射线成像系统执行成像处理；
图6、7A和7B是根据示例性实施例中的任一项的用于在X射线成像系统中处理第一图像和第二图像的人工神经网络的示意性图示；
图8A和8B示意性地图示了用于使用人工神经网络处理第一图像和第二图像的过程，所述人工神经网络在图6、7A和7B中示意性地图示；
图9A和图9B是用于测量根据第三示例性实施例的X射线成像系统的X射线发射区域的位置的位置测量单元的示意性图示；
图10是用于测量根据第三示例性实施例的X射线成像系统中的X射线发射区域的位置的位置测量单元的备选实施例的示意性图示；并且
图11是根据第三示例性实施例的X射线成像系统的位置测量系统的又一备选实施例的示意性图示。
具体实施方式
图1是根据第一示例性实施例的X射线成像系统1的示意性图示。在图示的示例性实施例中，X射线成像系统1是被配置为多层扫描器的扇形束计算机断层摄影(FBCT)系统。然而，本公开不限于这样的系统。通过示例，也可能将本公开与锥形束计算机断层摄影系统(CBCT)和图像引导式治疗(IGT)系统一起使用。此外，本公开还可以用于投影射线照相系统。
如从图1可以看到的，X射线成像系统1包括机架3，X射线源2被安装在机架3上。当在对象4处在患者支撑体5上移动通过由机架3形成的开口时X射线源2随着机架3旋转。
在旋转期间，X射线源产生从X射线发射区域发射的窄扇形X射线射束，所述X射线发射区域基本上表示点源。可以想象X射线源生成多于一个X射线发射区域，例如使用多个电子束。
扇形束穿过对象4的身体的部分。已经穿过对象4的身体的X射线由探测器系统6记录，所述探测器系统6包括形成X射线敏感表面10的X射线敏感像素的二维阵列46。
当X射线与对象体内的组织相互作用时，X射线变为被组织衰减以及散射。期望X射线从X射线发射区域(即点源)直线传播到探测器系统6。在另一方面，由探测器系统6采集的图像的对比度和信噪比由于组织散射而降低。为了减少组织散射的影响，探测器系统6包括防散射装置(图1中未示出)，其被布置在对象4与X射线敏感表面之间的X射线的射束路径中。
图2是解释示例性防散射装置9的结构和功能的示意性图示。在图2的示意性图示中，探测器系统6具有平坦的X射线敏感表面10。然而，本公开也适用于探测器系统，其具有在一维或二维中弯曲的弯曲的X射线敏感表面10。探测器系统6的X射线敏感表面10由布置在二维阵列中的多个像素(图2中未示出)形成。
如从图2还可以看到的，防散射装置9被布置在对象4的身体与X射线敏感表面10之间。防散射装置9包括多个间隔体14，其形成多个单元15。防散射装置9可以被配置为线性(即一维)或二维防散射栅格。
与单元15相比，间隔体14具有相对低的X射线透射率，使得在对象4的身体内以足够大的角度散射的X射线(诸如用附图标记13指定的X射线)不会到达X射线敏感表面10，而是由间隔体14吸收。在另一方面，未散射的X射线或以小角度散射的X射线(诸如X射线11)穿过X射线透射单元15并且到达探测器系统6的X射线敏感表面10。
图2的示例性实施例中所示的间隔体14形成聚焦的防散射栅格，即由间隔体14形成的栅格单元15，指向X射线发射区域12。因此，防散射装置9在二维上聚焦。然而，也可以想象，防散射装置仅在一维上聚焦，使得栅格单元15指向一轴，所述轴基本上延伸通过X射线发射区域12(即，垂直于图2的纸平面)。
应注意，本公开还适用于非聚焦的防散射栅格，诸如间隔体14，它们彼此平行取向，使得单元指向垂直于X射线敏感表面的方向。
如从图2也可以看到的，由于间隔体14具有相对低的X射线透射率，它们在由探测器系统6采集的图像中生成阴影状结构。这已经导致了用于移除这些伪影的滤波器的开发。然而，现有技术中已经开发的滤波器常常导致不令人满意的结果，这能够构成对图像的诊断价值的限制。如果防散射装置9包括二维防散射栅格，则这是特别相关的，因为二维防散射栅格的间隔体的宽度(即在平行于X射线敏感表面10的方向上测量的)通常大于线性防散射栅格的间隔体宽度。
这些令人满意的结果的原因部分地是由于图像中的伪影受到各种不同效应的影响的事实，诸如残余散射，即X射线(诸如图2中的X射线16)，其在间隔体中的一个或多个处被散射并且仍然到达X射线敏感表面10。此外，这些效应还包括：X射线源2(其生成X射线发射区域12)内的阳极上的电子束焦斑的偏差、由所采集图像数据的预处理引起的非线性噪声、由于动态系统失真的探测器系统6与X射线源2之间的相对运动、射束硬化、非线性、间隔体14处的频谱相关低频下降(LFD)以及记忆效应(诸如亮烧)。
然而，发明人已经发现可能获得这样的X射线图像：其中，由防散射装置生成的伪影被令人满意地减少、抑制甚至消除。
图3是流程图，其图示了根据示例性实施例的使用在图1和图2中图示的第一示例性实施例的X射线成像系统1来确定无伪影或基本无伪影的图像的方法。在采集第一图像(步骤100)之后，相对于相对于防散射装置固定的坐标系和/或相对于相对于X射线敏感表面固定的坐标系的X射线区域发射被带到新位置(步骤101)，使得存在X射线发射区域12相对于防散射装置9和/或X射线敏感表面10的相对位移。该步骤将结合图4至5C更详细地描述。位移可以是连续的和/或逐步的。
然后，采集第二图像(步骤103)，使得第二图像的至少部分和第一图像的至少部分示出对象身体的相同部分。X射线发射区域相对于防散射装置和/或X射线敏感表面的相对位置使得第一图像与第二图像彼此不同。
发明人已经承认，第一图像与第二图像之间的差异允许生成输出图像(步骤104)，其中，出现在第一图像和第二图像中的伪影被减少、抑制或者甚至消除。如下面进一步更详细解释的，在示例性实施例中，用于生成输出图像的算法包括基于机器学习的算法，诸如人工神经网络。
然而，本发明不限于使用人工神经网络的算法。通过示例，对输出图像的生成可以包括确定输入图像的逐像素总和或逐像素加权总和。数据处理系统可以在确定总和或加权总和之前执行匹配操作以将第一图像的至少部分与第二图像的至少部分进行匹配。由此，像素数据值被组合，其对应于对象的相同或基本相同的身体部分。
根据另外的实施例，输出图像的生成是基于发表于2011InternationalConference on 3D Imaging,Modeling,Processing,Visualization and Transmission，第57-64页，doi:10.1109/3DIMPVT.2011.1中的文章“Scene Segmentation Assisted byStereo Vision”中公开的算法来执行。出于所有目的，该文档的内容通过引用并入本文。可以基于其生成输出图像的另外的算法在发表于2008IEEE Conference on ComputerVision and Pattern Recognition,Anchorage,AK,2008，第1-8页，doi:10.1109/CVPR.2008.4587704中的文章“Stereoscopic Inpainting:Joint color and depthcompletion from stereo images”中公开。出于所有目的，该文档的内容通过引用并入本文。
根据又一实施例，数据处理被配置为使用经训练的人工神经网络来确定输出图像。该实施例在下面结合图6至7B进一步更详细地讨论。
图4是根据第一示例性实施例(图1和图2所图示)的X射线成像系统如何执行步骤103的示意性图示。为简化图示，防散射装置9未被图示为聚焦防散射装置，如图2中所示。X射线成像系统被配置为在X射线源2的壳体45内使X射线发射区域12位移，使得相对于相对于防散射装置9和X射线敏感表面10固定的坐标系，X射线发射区域12的位置被位移。从X射线发射区域12发射的X射线通过X射线透射窗44从壳体45射出，所述X射线透射窗44与壳体45的壁相比具有更高的X射线透射率。
如从图4可以看到的，如果X射线发射区域12在X射线源的壳体45内被位移(由向量示意性图示)，则间隔体17的中心投影(X射线发射区域12位于投影中心)移位了向量/>因此，由防散射装置9生成的伪影在第一图像和第二图像中是不同的。通过示例，X射线发射区域12的位移是通过偏转由壳体45内的X射线源2生成的电子束以使得壳体45内的焦斑位置被位移来执行的。壳体45的壁对于X射线在壳体45的壁内被吸收而言基本上是不透射线的。在X射线发射区域12内生成的X射线的部分通过X射线透射窗44从壳体45射出。
X射线源2可以被配置为使用静电和/或电磁电子光学元件使壳体45内的电子束偏转。这允许在小于20毫秒或小于200微秒的时间段内采集第一图像和第二图像。
图5A至5C是根据第二示例性实施例的X射线成像系统中如何执行步骤103(如图3所示)的示意性图示。根据第二示例性实施例的X射线成像系统包括相同的部件，如已经结合图1和图2针对第一示例性实施例解释的。具体地，类似于根据第一示例性实施例的X射线成像系统，第二示例性实施例的防散射装置可以是聚焦或非聚焦防散射装置。
根据第二示例性实施例的X射线成像系统被配置为使得防散射装置9和X射线接收表面10之间的取向改变，使得以不同的取向采集第一图像和第二图像。在该实施例中，X射线敏感表面10和发光区域12相对于空间固定坐标系保持静止。然而，也可以想象，相对于空间固定的坐标系，除了防散射装置9的移动之外，X射线敏感表面10和/或发光区域12也被位移。X射线成像系统可以包括致动器，其与防散射装置9操作地通信。X射线成像系统可以被配置为使得防散射装置9相对于X射线敏感表面10的取向的变化包括控制致动器。通过示例，致动器可以包括压电元件。
具体地，如第二示例性实施例中的图5A所示，在第一端的防散射装置9的位移(通过向量示意性地图示)和在与第一端相对的第二端的防散射装置9的不位移具有以下效应：在相对于防散射装置9静止的坐标系中，X射线发射表面12相对于防散射装置9被位移。防散射装置9的位移具有这样的效应：防散射装置9的主平面P从相对于X射线敏感表面10(未图示)的平行取向移动到相对于X射线敏感表面10成角度的取向(如图5A中所图示)。如从图5A可以看到的，所述位移具有以下效应：使间隔体11到X射线敏感表面10上的中心投影(其中，X射线发射区域12位于投影中心处)移位(由向量/>示意性地图示)。
在第二示例性实施例中，当防散射装置9的主平面P相对于探测器的X射线敏感表面10平行布置时，X射线成像系统被配置为对两幅图像中的第一幅图像进行成像，并且在图5A中所示的配置中采集两幅图像中的第二幅图像，即当防散射装置9的主平面P相对于X射线敏感表面10成角度时。
在另一方面，在图5B和5C中示出的备选实施例中，防散射装置9在相对于X射线敏感表面10的两个成角度的方向之间移动，以在图5B中示出的取向上采集两幅图像中的第一幅图像，并且在图5C中示出的取向上采集两幅图像中的第二幅图像。通过示例，两个成角度的取向的取向角具有相反的符号并且具有相等或不相等的幅度。已经表明，与结合图5描述的实施例相比，第一图像与第二图像之间的差异的增加导致与防散射装置9相关联的图像伪影的改进的减少或抑制。具体而言，发明人已经通过计算表明，这产生更大的有效信号，其导致改进的性能。
然而，也可以想象，两个成角度的取向的取向角具有相同的符号。
在附图中未示出的另外的备选实施例中，防散射装置9通过平移移动相对于X射线敏感表面10被位移。通过示例，防散射装置9可以在平行于X射线敏感表面10的方向上相对于X射线敏感表面10被位移。
还可以想象，由X射线发射表面12、防散射装置9和X射线敏感表面10组成的组中的两个部件被移动，而这些部件中的剩余的一个保持静止。
图6是人工神经网络(ANN)19的示意性图示，其可以用于使用数据处理系统基于第一图像和第二图像来确定输出图像，所述数据处理系统在图1中用附图标记7指定。下面进一步更详细地描述用于训练ANN的示例性方法。
如从图6可以看到的，ANN 19包括多个神经处理单元20a、20b、……24b。神经处理单元20a、20b、……24b经由多个连接18被连接以形成网络，每个连接18具有连接权重。连接18中的每个将ANN 19的第一层的神经处理单元连接到ANN 19的第二层的神经处理单元，其紧接在第一层之后或之前。由此，人工神经网络具有层结构，其包括输入层21、至少一个中间层23(也被指代为隐藏层)和输出层25。在图6中，仅示意性地图示了中间层23中的一个。ANN 19可以包括多于5个或多于10个中间层。ANN 19的层数可以小于7，或者小于15。
图7A和7B是ANN 19各方面的进一步示意性图示。如图7A中可以看到的，ANN 19具有两个图像输入通道26、27。第一输入通道26被配置为接收第一图像的至少部分并且第二输入通道27被配置为接收第二输入图像的至少部分。在所图示的示例性实施例中，输入通道26、27的层结构是相同的。然而，可以想象输入通道26、27具有不同的层结构。
输入通道26、27中的每个生成通道输出图像。输入通道中的每个包括ANN，其可以被配置为卷积神经网络(CNN)。下面结合图7B更详细地讨论可以在一个或两个输入通道26、27中使用的CNN的示例。还可以想象，输入通道中的一个或两个是非机器学习算法。
两个输入通道26、27的通道输出图像被组合并且组合的图像是ANN的输入，所述ANN可以被配置为CNN。该ANN生成输出图像或基于其生成输出图像的图像。组合通道输出图像可以包括逐像素地添加通道输出图像或形成加权总和。然而，可以想象另外的或和/或额外的操作用于组合图像。通过示例，在备选实施例中，组合操作可以包括以下各项之一或其组合：逐像素乘法、逐像素减法或逐像素除法。
如从图7A可以进一步看到的，输入通道26、27中的至少一个可以包括残差网络或者可以由残差网络组成，特别是膨胀残差网络。残差网络可以包括具有非线性激活函数的层，诸如整流线性单元(ReLU)激活函数。残差连接可以用于组合不同层的输出数据。组合输出数据可以包括形成层的输出数据的总和或加权总和。额外地或备选地，组合输出数据可以包括以下各项之一或其组合：逐像素减法、逐像素除法、逐像素乘法。
图7B是膨胀残差网络的示例性实施例，其可以用于实施第一输入通道26和/或第二输入通道27。如从图7B可以看到的，输入通道包括五个直接连续的膨胀卷积层。层中的每个具有整流线性单元激活函数。接收输入图像的第一层28具有1的膨胀因子。接收来自第一层28的输出的第二层29具有2的膨胀因子。接收来自第二层29的输出的第三层30具有3的膨胀因子。接收基于第三层30的输出和输入图像生成的组合数据的第四层31具有2的膨胀因子。换言之，第四层31通过残差连接接收输入图像的数据。通过示例，生成组合数据可以包括基于输入图像和第三层30的输出来生成逐像素总和或逐像素加权总和。额外地或备选地，组合数据的生成可以包括，额外地或替代地，组合输出数据可以包括以下各项之一或其组合：逐像素减法、逐像素除法、逐像素乘法。
ANN可以基于图像进行训练，所述图像已经在X射线的射束路径中没有防散射装置的情况下被采集。然后可以基于数值模拟计算第一图像和第二图像，所述数值模拟基于无伪影图像模拟由防散射装置生成的伪影。具体地，可以使用针对第一图像和第二图像中的每幅图像的射线追踪模拟技术来确定由防散射装置生成的伪影。由Alexander Maslowski等人撰写并且发表于Med.Phys.45(5),(2018),第1899至1913页的文章“Acuros CTS:Afast,linear Boltzmann transport equation solver for computed tomographyscatter-Part I:Core algorithms and validation”中给出了模拟由防散射装置生成的伪影的示例，出于所有目的，通过引用将该文章的内容并入。
还可以想象，ANN基于已经在X射线的射束路径中有防散射装置的情况下采集的第一图像和第二图像进行训练，并且还基于从与第一图像和第二图像基本相同的身体部分但是在X射线的射束路径中没有防散射装置的情况下采集的第三图像进行训练。
图8A和8B是如何处理已由探测器采集的图像以形成输入图像的示意性图示，由数据处理系统基于该输入图像生成输出图像。数据处理系统从探测器系统接收表示第一图像和第二图像的图像数据(步骤105A、105B)。可以想象，探测器系统被配置为在将数据传输到数据处理系统之前对数据进行预处理。此类预处理例程的示例包括但不限于：探测器增益校正、偏移校正和缺陷校正。通常，此类预处理例程在探测器内实施。以时间连续方式采集第一图像和第二图像的图像数据，使得图像表示一个或多个X射线发射区域相对于防散射装置和/或相对于X射线敏感表面的不同相对位置(相对于坐标系测量，所述坐标系相对于防散射装置是静止的和/或相对于X射线敏感表面是静止的)。
对于接收到的第一和/或第二图像中的每幅图像，数据处理系统可以执行图像数据的预处理(步骤106A和106B)。预处理可以包括但不限于以下各项之一或其组合：缺陷校正、增益校正和偏移校正。然而，发明人已经示出，即使没有通过探测器系统和/或数据处理系统对图像数据进行预处理，也可以获得利用防散射装置生成的图像伪影的充分减少、抑制或消除。
数据处理系统为第一图像和第二图像中的每幅确定(步骤107A和107B)图像部分，所述图像部分用作用于确定对应输出图像的算法的输入图像，其中，与防散射装置相关联的伪影被减少、抑制或消除。在步骤107A和107B中由数据处理系统确定的图像部分可以是未分开的图像部分。通过示例，图像部分可以是具有正方形或矩形配置的相邻像素的二维阵列。图8B示意性地图示了这样的图像部分33的示例，其是从第一图像34确定的。
在步骤107A和107B中，确定的图像部分可以是示出被成像对象的相同或基本相同的身体部分的图像部分。
通过示例，图像部分具有X乘以Y像素的尺寸，其中，X和Y(其不需要具有相同的尺寸)在50到250之间的范围内。图像部分中的每个可以示出与防散射装置相关联的伪影。具体地，在防散射装置包括线性(即一维)或二维防散射栅格的情况下，图像部分可以在栅格方向中的每个上示出1与10个之间的伪像结构，其中每个与防散射栅格的间隔体之一相关联。术语“栅格方向”可以被定义为意指垂直于形成线性或二维防散射栅格的栅格间隔体中的至少一个的纵轴的方向。
第一图像和第二图像中的每幅图像可以具有N乘M像素的尺寸，其中，N和M(其不需要具有相同的尺寸)可以在250与4000之间的范围内。发明人已经示出，将从探测器系统接收的第一图像和第二图像分成部分并处理图像部分的对(其示出或基本示出对象的相同身体部分)可以增加处理速度，使得可以在更短的时间段内获得组合的输出图像，基由与输入图像部分有关的个体输出图像组成。另外的优点是这种技术具有较低的存储器要求。此外，使用图像区域的训练过程可以使其更容易生成输出图像。
ANN可以被配置为完全卷积网络，并且图像区域的尺寸可以等于或大于卷积神经网络的感受野的两倍。
通过示例，卷积神经网络的感受野可以在10到30之间的范围内。因此，表征图像区域的尺寸的X和Y的值可以等于或大于50或者等于或大于100。
要注意，确定在图8A和8B中图示的图像部分的过程可以在以上描述的用于基于两幅输入图像来确定输出图像的方法中的任一种中使用(基于非机器学习的机器学习)。
图9A至图11是根据第三示例性实施例的X射线成像系统的部件的示意性图示。第三示例性实施例具有与已经结合图1和图2针对第一示例性实施例描述的相同的部件。
根据第三示例性实施例，X射线成像系统包括位置测量单元，其被配置为采集位置数据，所述位置数据指示在采集第一图像和/或第二图像期间一个或多个X射线发射区域的位置。具体地，X射线成像系统可以被配置为分别确定第一图像和第二图像中的每幅图像的位置数据，或者采集第一图像和第二图像的共同位置数据。
这样的位置测量单元的示例将在下面结合图9A至11详细描述。第三示例性实施例的数据处理系统被配置为基于第一图像、第二图像和位置数据来确定输出图像。通过示例，第一和第二输入通道中的每个可以被配置为除了接收第一图像和第二图像的图像数据值之外，还接收基于位置数据确定的相应图像或数据的位置数据。
对于第一图像和第二图像中的每幅图像，可以将位置数据或基于位置数据确定的数据附加到相应图像的图像数据。
通过示例，ANN可以被配置为条件卷积神经网络。对于第一图像和第二图像中的每幅图像，可以使用单热向量将位置数据附加到相应图像。单热向量的尺寸可以对应于在训练期间使用的X射线发射区域的位置数量。
对于不基于人工神经网络的算法，位置数据可以用于确定X射线发射区域之间的距离。由此，由于X射线发射区域之间的距离以更高的准确度确定，因此可以获得在减少、抑制或消除由防散射装置生成的伪影方面更高的准确度。
发明人已经示出，使用位置数据来确定输出图像导致由防散射装置生成的伪影的改进的减少、抑制或消除。
应注意，第三示例性实施例可以用于与本文中描述的用于相对于防散射装置和/或相对于X射线敏感表面(在相对于防散射装置是静止的和/或相对于X射线敏感表面是静止的坐标系中测量的)生成一个或多个X射线发射区域的相对位移的技术中的任一种相组合。
图9A是根据第三示例性实施例的X射线成像系统的防散射装置9的示意性图示。防散射装置9被配置为具有交叉栅格结构的二维防散射栅格37。然而，还可以想象，防散射装置9被配置为线性的防散射栅格。如在平行于X射线敏感表面的平面中所见，交叉栅格结构37被多个X射线孔包围，诸如X射线孔38。应注意可以想象，位置测量单元仅包括一个、或小于5的任何数量、或小于10的任何数量的X射线孔径。
与围绕X射线孔38的材料相比，X射线孔38具有相对高的X射线透射率。通过示例，X射线孔38是形成在金属部分39中的孔。金属部分39可以包含或可以包括以下各项中的一种或组合作为主要成分：钨(W)、铅(Pb)或钽(Ta)。
图9B示意性地图示了定位测量单元的功能。已经穿过X射线孔38的X射线(诸如X射线47)在位置测量单元的X射线敏感表面41上形成图案40。X射线敏感表面41可以由X射线敏感像素的阵列形成。额外地或替代地，X射线敏感表面41可以是X射线敏感表面10的部分(如图2所示)。数据处理系统可以被配置为基于检测到的图案来确定测量数据，所述测量数据指示由X射线源生成的一个或多个X射线发射区域的位置。
可以想象，除了图9A和9B中所图示的X射线孔之外或作为其备选，具有相对高X射线透射率的材料的其他结构可以用于在X射线敏感表面上生成图案。通过示例，如图10所示，结构可以是十字准线42的形式。
图11示意性地图示了位置测量单元的另一示例性实施例，其包括结构43，结构43被布置在X射线源中，并且与X射线透射窗口44相比具有较低的X射线透射率，X射线通过X射线透射窗口44从X射线源2的壳体45射出。由此，结构43在图像中生成图案，其指示一个或多个X射线发射区域12的位置。
以上所描述的实施例仅是说明性的，而旨在限制本发明的技术方法。尽管参考优选实施例对本发明进行了详细描述，但本领域技术人员将理解，在不脱离本发明的权利要求的保护范围的情况下，可以对本发明的技术方法进行修改或等价替换。在权利要求中，“包括”一词不排除其他元件或步骤，并且词语“一”或“一个”不排除多个。权利要求书中的任何附图标记不应被解释为对范围的限制。
Claims (15)
1.一种用于采集对象(4)的二维或三维图像的X射线成像系统(1)，所述成像系统(1)包括：
X射线源(2)，其被配置为从一个或多个X射线发射区域(12)发射X射线；
探测器系统(6)，其被配置为接收已经穿过所述对象(4)的所述X射线的部分，其中，所述X射线在所述探测器系统(6)的X射线敏感表面(10)上被接收；
防散射装置(9)，其被布置在所述X射线发射区域(12)与所述探测器系统(6)之间的所述X射线的射束路径中；
其中，所述成像系统(1)被配置为采集所述对象(4)的第一图像和第二图像，其中，所述第一图像和所述第二图像中的每幅图像均示出：
(a)所述对象的身体的相同部分，以及
(b)由所述防散射装置(9)生成的图像伪影；
其中，所述成像系统(1)被配置为：
控制所述一个或多个X射线发射区域(12)中的至少一个X射线发射区域的相对位置，如在相对于所述防散射装置(9)和/或所述X射线敏感表面(10)静止的坐标系中所见，使得所述第一图像和所述第二图像在所述至少一个X射线发射区域(12)相对于所述防散射装置(9)和/或所述X射线敏感表面(10)的不同相对位置处被采集；并且
使用所述成像系统(1)的数据处理系统(7)基于所述第一图像和所述第二图像中的每幅图像来生成输出图像；
其中，所述输出图像示出所述身体的所述部分，并且与所述第一图像和所述第二图像相比，在所述输出图像中，由所述防散射装置(9)生成的伪影被减少、抑制或消除。
2.根据权利要求1所述的成像系统(1)，其中，所述数据处理系统(7)被配置为使用算法，所述算法使用由所述至少一个X射线发射区域(12)的所述不同相对位置引起的所述第一图像与所述第二图像之间的差异来获得对与所述防散射装置(9)相关联的所述伪影的减少、抑制或消除。
3.根据权利要求1或2所述的成像系统(1)，其中，所述数据处理系统(7)被配置为使用基于机器学习的算法来生成所述输出图像；
其中，所述基于机器学习的算法基于所述第一图像和所述第二图像的数据或从所述第一图像和所述第二图像导出的数据来生成所述输出图像。
4.根据权利要求1或2所述的成像系统(1)，其中，基于机器学习的算法包括人工神经网络(ANN)。
5.根据权利要求4所述的成像系统(1)，其中，所述人工神经网络至少具有两个图像输入通道(26、27)，
其中，所述数据处理系统被配置为：
(a)针对所述第一图像的至少部分的数据或从所述第一图像的至少部分导出的数据使用所述图像输入通道中的第一个(26)；并且
(b)针对所述第二图像的至少部分的数据或从所述第二图像的至少部分导出的数据使用所述图像输入通道中的第二个(27)。
6.根据权利要求1或2所述的成像系统(1)，其中，对所述输出图像的所述生成包括：
使用所述数据处理系统来确定所述第一图像的多个图像区域(33)和与所述第一图像的所述图像区域基本上对应的所述第二图像的多个图像区域(33)，使得获得多对基本上对应的图像区域；
使用所述数据处理系统(7)来顺序地处理所述对，以针对所述对中的每个对生成所述输出图像的对应区域。
7.根据权利要求1或2所述的成像系统，其中，所述不同相对位置之间的距离是至少50微米或至少400微米。
8.根据权利要求1或2所述的成像系统(1)，
其中，所述防散射装置(9)包括单元(15)的一维或二维阵列，所述单元由间隔体(14)彼此隔开；
其中，所述单元(15)中的每个单元的X射线透射率大于所述间隔体(14)的X射线透射率。
9.根据权利要求1或2所述的成像系统(1)，其中，所述X射线源(2)包括壳体(45)，所述壳体容纳用于生成一个或多个电子束的电子光学系统和用于接收所述一个或多个电子束的靶，使得所述一个或多个X射线发射区域被布置在所述壳体(45)内；
其中，所述成像系统被配置为控制所述X射线源以能受控地使所述壳体(45)内的所述至少一个X射线发射区域(12)位移。
10.根据权利要求9所述的成像系统(1)，其中，(a)和(b)中的至少一项成立：
(a)所述电子光学系统被配置为选择性地偏转所述电子束，使得所述电子束在所述靶上的撞击位置被改变；其中，对所述至少一个X射线发射区域(12)的所述相对位置的所述控制包括使用所述电子光学系统来改变所述靶上的所述撞击位置；并且
(b)所述X射线源(2)被配置为生成产生第一X射线发射区域的第一电子束和产生第二X射线发射区域的第二电子束，其中，对至少所述一个或多个X射线发射区域的所述相对位置的所述控制包括致动和停用两个电子束，使得所述电子束被顺序地启用。
11.根据权利要求1或2所述的成像系统(1)，还包括致动器，所述致动器与所述防散射装置(9)的至少部分和/或与所述探测器系统(6)的至少部分操作性地通信；
其中，所述成像系统(1)被配置为使得所述至少一个X射线发射区域(12)相对于所述防散射装置(9)和/或相对于所述X射线敏感表面(10)的所述位置的改变包括控制所述致动器。
12.根据权利要求1或2所述的成像系统(1)，其中，所述成像系统(1)被配置为在小于20毫秒或小于200微秒的时间段内采集所述第一图像和所述第二图像。
13.根据权利要求1或2所述的成像系统(1)，还包括测量单元(39；42；43)，所述测量单元被配置为采集指示所述X射线发射区域(12)中的一个或多个X射线发射区域的位置的位置数据。
14.一种用于操作X射线成像系统(1)以采集对象的二维或三维图像并减少由所述X射线成像系统(1)的防散射装置(9)生成的伪影的方法；
其中，所述X射线成像系统(1)包括：
X射线源(2)，其被配置为从一个或多个X射线发射区域(12)发射X射线；
探测器系统(6)，其被配置为在所述探测器系统(6)的X射线敏感表面(10)上接收已经穿过所述对象(4)的所发射的X射线的部分；
其中，所述防散射装置(9)被布置在所述对象(4)与所述探测器系统(6)之间的所述X射线的射束路径中；
其中，所述方法包括：
采集所述对象(4)的第一图像和第二图像，使得所述第一图像和所述第二图像中的每幅图像至少示出(a)所述对象(4)的身体的相同部分和(b)由所述防散射装置(9)生成的伪影；
控制所述X射线发射区域(12)中的至少一个X射线发射区域相对于所述防散射装置(9)和/或所述X射线敏感表面(10)的相对位置，使得所述第一图像和所述第二图像在所述至少一个X射线发射区域(12)的不同相对位置处被采集；并且
使用所述成像系统的数据处理系统(7)基于所述第一图像和所述第二图像中的每幅图像来生成输出图像；
其中，所述输出图像示出所述身体的所述部分，并且在所述输出图像中，由所述防散射装置(9)生成的伪影与所述第一图像和所述第二图像相比被减少、抑制或消除。
15.一种存储有指令的计算机可读介质，所述指令当在处理器单元上运行时指示所述处理器执行根据权利要求14所述的方法的步骤。
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| EP20213697.4A EP4011293A1 (en) | 2020-12-14 | 2020-12-14 | X-ray imaging systems for reducing artefacts associated with anti-scatter grids and methods of operating the same. |
| EP20213697.4 | 2020-12-14 | ||
| PCT/EP2021/084690 WO2022128654A1 (en) | 2020-12-14 | 2021-12-08 | X-ray imaging systems for reducing artefacts associated with anti-scatter grits and methods of operating the same |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115087396A CN115087396A (zh) | 2022-09-20 |
| CN115087396B true CN115087396B (zh) | 2023-09-29 |
Family
ID=74103823
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202180013280.8A Active CN115087396B (zh) | 2020-12-14 | 2021-12-08 | 用于减少与防散射栅格相关联的伪影的x射线成像系统及其操作方法 |
Country Status (4)
| Country | Link |
|---|---|
| US (1) | US11864932B2 (zh) |
| EP (2) | EP4011293A1 (zh) |
| CN (1) | CN115087396B (zh) |
| WO (1) | WO2022128654A1 (zh) |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20120183124A1 (en) * | 2011-01-17 | 2012-07-19 | Fujifilm Corporation | Grid for radiography, radiation image detector, radiation imaging system, and method for manufacturing grid |
| 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 |
| US20200258222A1 (en) * | 2019-02-08 | 2020-08-13 | Siemens Healthcare Gmbh | Learning-based correction of grid artifacts in x-ray imaging |
Family Cites Families (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6333990B1 (en) | 1998-06-02 | 2001-12-25 | General Electric Company | Fourier spectrum method to remove grid line artifacts without changing the diagnostic quality in X-ray images |
| US7479969B2 (en) | 2005-02-24 | 2009-01-20 | Agfa Healthcare, N.V. | Grid detection method |
| US8817947B2 (en) * | 2011-01-31 | 2014-08-26 | University Of Massachusetts | Tomosynthesis imaging |
| DE102013214674A1 (de) | 2013-07-26 | 2015-01-29 | Siemens Aktiengesellschaft | Bestimmung von Fokuseigenschaften |
| EP3265789B1 (en) * | 2015-03-06 | 2019-12-25 | GE Sensing & Inspection Technologies GmbH | Imaging system and method with scatter correction |
| WO2018194937A1 (en) | 2017-04-17 | 2018-10-25 | The Regents Of The University Of Colorado, A Body Corporate | A hybrid flat panel detector for cone beam ct systems |
| EP3675741A4 (en) * | 2017-08-31 | 2020-09-09 | Shanghai United Imaging Healthcare Co., Ltd. | FOCAL CT POINT DETERMINATION METHOD AND SYSTEM |
-
2020
- 2020-12-14 EP EP20213697.4A patent/EP4011293A1/en not_active Withdrawn
-
2021
- 2021-12-08 EP EP21820276.0A patent/EP4087487B1/en active Active
- 2021-12-08 CN CN202180013280.8A patent/CN115087396B/zh active Active
- 2021-12-08 WO PCT/EP2021/084690 patent/WO2022128654A1/en unknown
- 2021-12-08 US US17/797,294 patent/US11864932B2/en active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20120183124A1 (en) * | 2011-01-17 | 2012-07-19 | Fujifilm Corporation | Grid for radiography, radiation image detector, radiation imaging system, and method for manufacturing grid |
| US20200258222A1 (en) * | 2019-02-08 | 2020-08-13 | Siemens Healthcare Gmbh | Learning-based correction of grid artifacts in x-ray imaging |
| CN111544018A (zh) * | 2019-02-08 | 2020-08-18 | 西门子医疗有限公司 | 对x射线成像中的格栅伪影的基于学习的校正 |
| 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 |
Also Published As
| Publication number | Publication date |
|---|---|
| US20230200756A1 (en) | 2023-06-29 |
| CN115087396A (zh) | 2022-09-20 |
| EP4087487B1 (en) | 2023-05-03 |
| EP4087487A1 (en) | 2022-11-16 |
| WO2022128654A1 (en) | 2022-06-23 |
| EP4011293A1 (en) | 2022-06-15 |
| US11864932B2 (en) | 2024-01-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106340340B (zh) | X射线滤波 | |
| US9424958B2 (en) | Multiple focal spot X-ray radiation filtering | |
| JP5398157B2 (ja) | Ｘ線撮影装置及びその制御方法 | |
| JP4977201B2 (ja) | マルチｘ線発生装置のための制御装置、制御方法、及びコンピュータ可読メモリ | |
| JP2825450B2 (ja) | Ｃｔスキャナ | |
| JP4695867B2 (ja) | 非一様ビュー加重式トモシンセシス方法及び装置 | |
| JP6088503B2 (ja) | Ｘ線ビーム透過プロファイル整形器 | |
| US8218721B2 (en) | X-ray beam modifying diaphragm and diaphragm device | |
| CN102176866A (zh) | 控制用于体层合成和乳房x射线照相术成像的x射线焦斑特性的方法和系统 | |
| EP3850346B1 (en) | Dynamic radiation collimation for non-destructive analysis of test objects | |
| JP2011005018A (ja) | Ｘ線ｃｔ装置 | |
| KR101609932B1 (ko) | 굴곡진 가동성 빔 차단 어레이 및 이를 포함하는 cbct | |
| CN110559006B (zh) | 被配置为在不同的能级下且在不同的焦点位置处成像的计算机断层摄影系统和方法 | |
| JP2008012206A (ja) | Ｘ線断層撮影装置 | |
| JP2016538940A (ja) | 撮像装置及び方法 | |
| CN104837406A (zh) | 平移x射线射束发射分布图整形器 | |
| CN115087396B (zh) | 用于减少与防散射栅格相关联的伪影的x射线成像系统及其操作方法 | |
| US6181764B1 (en) | Image reconstruction for wide depth of field images | |
| US20080075379A1 (en) | Image processing device and image processing method | |
| JP5974059B2 (ja) | 医療用ｘ線測定装置及び方法 | |
| CN105310705A (zh) | 一种采用分时分区方式的除散射辐射成像系统及其方法 | |
| JP2022545520A (ja) | Ｘ線撮像装置及び方法 | |
| JPH1133019A (ja) | 放射線照射・検出装置および放射線断層撮影装置 |
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 |