CN115153608A - 校正投影图像的系统和方法 - Google Patents

校正投影图像的系统和方法 Download PDF

Info

Publication number
CN115153608A
CN115153608A CN202210857723.8A CN202210857723A CN115153608A CN 115153608 A CN115153608 A CN 115153608A CN 202210857723 A CN202210857723 A CN 202210857723A CN 115153608 A CN115153608 A CN 115153608A
Authority
CN
China
Prior art keywords
projection image
corrected
projection
image
correction
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.)
Pending
Application number
CN202210857723.8A
Other languages
English (en)
Inventor
杨宏成
朱建伟
孙海宁
J·墨子
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai United Imaging Healthcare Co Ltd
Original Assignee
Shanghai United Imaging Healthcare Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Priority claimed from PCT/CN2017/110032 external-priority patent/WO2019090541A1/en
Application filed by Shanghai United Imaging Healthcare Co Ltd filed Critical Shanghai United Imaging Healthcare Co Ltd
Publication of CN115153608A publication Critical patent/CN115153608A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/00—2D [Two Dimensional] image generation
    • G06T11/003—Reconstruction from projections, e.g. tomography
    • 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
    • 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
    • A61B6/02—Arrangements for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
    • A61B6/022—Stereoscopic imaging
    • 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]
    • A61B6/035—Mechanical aspects of 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
    • A61B6/52—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
    • A61B6/5264—Devices using data or image processing specially adapted for radiation diagnosis involving detection or reduction of artifacts or noise due to motion
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • 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
    • G06T2207/20068—Projection on vertical or horizontal image axis
    • 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

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Medical Informatics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Biomedical Technology (AREA)
  • Animal Behavior & Ethology (AREA)
  • Optics & Photonics (AREA)
  • Pathology (AREA)
  • Radiology & Medical Imaging (AREA)
  • High Energy & Nuclear Physics (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • General Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Veterinary Medicine (AREA)
  • Biophysics (AREA)
  • Pulmonology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Apparatus For Radiation Diagnosis (AREA)

Abstract

一种用于校正投影图像的方法，包括：获取受检对象的至少两个投影图像，所述至少两个投影图像根据CT扫描机在至少两个机架角获取的扫描数据生成，每个投影图像对应一个机架角。所述方法进一步包括：根据生成校正的投影图像的过程来校正所述至少两个投影图像的第一投影图像。所述生成校正的投影图像的过程包括：基于所述第一投影图像和所述至少两个投影图像的第二投影图像，对所述第一投影图像执行第一校正来生成初步校正的第一投影图像；以及基于所述初步校正的第一投影图像的至少一部分，对所述初步校正的第一投影图像执行第二校正来生成对应于第一机架角的校正的第一投影图像。

Description

校正投影图像的系统和方法
相关申请的交叉引用
本申请是针对申请日为2018年11月05日、申请号为CN201811306943.1、发明名称为“校正投影图像的系统和方法”的中国申请提出的分案申请，母案要求2017年11月8日提交的申请号为PCT/CN2017/110032的PCT申请以及2018年5月22日提交的申请号为PCT/CN2018/087884的PCT申请的优先权，其内容以引用的方式被包含于此。
技术领域
本发明涉及计算机断层摄影(CT)技术，更具体地，涉及在CT图像重建中校正投影图像的系统和方法。
背景技术
近年来，CT技术在临床检查和医疗诊断中得到了广泛使用。在CT扫描期间，X射线成像源和探测器可以随机架围绕受检对象旋转，以在多个机架角度下扫描受检对象。基于扫描数据，可以生成对应于机架角的多个投影图像。然而，当机架旋转时，递送至受检对象的辐射剂量可能会发生变化，这可能导致投影图像间的不一致。例如，X射线源剂量的波动会导致各机架角度下投影图像的实际灰度值与其理想灰度值存在差异。基于这些投影图像重建出的受检对象的CT图像的成像质量较差，这可能导致错误的医疗诊断或后续治疗的定位不准确。因此，期望对投影图像进行校正和/或归一化以降低在不同的机架角下不均匀的辐射剂量的影响。
发明内容
本发明的目的在于提供一种校正投影图像的系统和方法，校正后的投影图像降低了不均匀的辐射剂量的影响，提高了重建图像的图像质量。
为达到上述发明目的，本发明提供的技术方案如下：
根据本申请的一个方面，披露了一种校正投影图像的系统，该系统包括存储设备，用于存储一组指令集。该系统还包括处理器，所述处理器与所述存储设备通信，其中，在执行所述指令集时，所述处理器用于获取受检对象的至少两个投影图像。所述至少两个投影图像根据CT扫描机在至少两个机架角获取的扫描数据生成，每个投影图像对应一个机架角。所述处理器还用于根据生成校正的投影图像的过程来校正所述至少两个投影图像的第一投影图像，所述第一投影图像对应所述至少两个机架角的第一机架角。所述生成校正的投影图像的过程包括基于所述第一投影图像和所述至少两个投影图像的第二投影图像，对所述第一投影图像执行第一校正来生成初步校正的第一投影图像。所述第二投影图像对应所述至少两个机架角的第二机架角。所述生成校正的投影图像的过程还包括基于所述初步校正的第一投影图像的至少一部分，对所述初步校正的第一投影图像执行第二校正来生成对应于所述第一机架角的校正的第一投影图像。
在本发明中，所述处理器还可以用于根据所述生成校正的投影图像的过程，校正所述至少两个投影图像来生成至少两个校正的投影图像，以及基于所述至少两个校正的投影图像，重建所述受检对象的CT图像。
在本发明中，为了校正所述至少两个投影图像，所述处理器可以执行至少一次迭代。所述迭代的每次当前迭代包括根据所述生成校正的投影图像的过程，校正所述当前迭代中的所述至少两个投影图像来生成至少两个校正的投影图像；确定所述当前迭代中的所述至少两个校正的投影图像是否满足条件；以及如果所述至少两个校正的投影图像不满足所述条件，将所述当前迭代中的所述至少两个校正的投影图像指定为下次迭代中的所述至少两个投影图像。
在本发明中，所述第二机架角是所述第一机架角的邻近机架角。
在本发明中，对所述第一投影图像执行所述第一校正来生成所述初步校正的第一投影图像包括基于所述第一投影图像和所述第二投影图像的差异，确定所述第一投影图像的第一校正系数；以及基于所述第一校正系数和所述第一投影图像，生成所述初步校正的第一投影图像。
在本发明中，所述第一投影图像和所述第二投影图像的所述差异是所述第一投影图像的灰度信息与所述第二投影图像的灰度信息之间的差异。
在本发明中，对所述初步校正的第一投影图像执行所述第二校正来生成校正的第一投影图像包括识别所述初步校正的第一投影图像的至少一个像素，所述识别的像素对应所述CT扫描机在所述第一机架角的中间通道；对于每个像素，识别对应于所述每个像素的对面像素；基于所述至少一个像素的至少一个对面像素，生成所述初步校正的第一投影图像的参考图像；基于所述识别的至少一个像素和所述参考图像的差异，确定所述初步校正的第一投影图像的第二校正系数；以及基于所述第二校正系数和所述初步校正的第一投影图像，生成对应于所述第一机架角的所述校正的第一投影图像。
在本发明中，生成所述初步校正的第一投影图像包括预处理所述第一投影图像来生成预处理的第一投影图像，所述第一投影图像的所述预处理至少包括射束硬化校正或散射校正；以及对所述预处理的第一投影图像执行所述第一校正来生成初步校正的第一投影图像。
在本发明中，所述处理器可以用于后处理所述校正的第一投影图像，所述校正的第一投影图像的所述后处理至少包括射束硬化校正或散射校正。
根据本申请的另一个方面，披露了一种校正投影图像的方法。所述方法包括获取受检对象的至少两个投影图像。所述至少两个投影图像根据CT扫描机在至少两个机架角获取的扫描数据生成，每个投影图像对应一个机架角。所述方法进一步包括根据生成校正的投影图像的过程来校正所述至少两个投影图像的第一投影图像。所述第一投影图像对应所述至少两个机架角的第一机架角。所述生成校正的投影图像的过程包括基于所述第一投影图像和所述至少两个投影图像的第二投影图像，对所述第一投影图像执行第一校正来生成初步校正的第一投影图像。所述第二投影图像对应所述至少两个机架角的第二机架角。所述生成校正的投影图像的过程进一步包括基于所述初步校正的第一投影图像的至少一部分，对所述初步校正的第一投影图像执行第二校正来生成对应于第一机架角的校正的第一投影图像。
根据本申请的另一个方面，披露了一种计算机可读存储媒介。所述计算机可读存储媒介可以存储计算机指令，所述计算机指令执行时，可以执行如上述任一所述的校正投影图像的方法。
根据本申请的另一个方面，披露了一种校正投影图像的系统。所述系统包括获取模块和校正模块。所述获取模块可以用于获取受检对象的至少两个投影图像。所述至少两个投影图像根据CT扫描机在至少两个机架角获取的扫描数据生成，每个投影图像对应一个机架角。所述校正模块可以用于根据生成校正的投影图像的过程，校正所述至少两个投影图像的第一投影图像。所述第一投影图像对应所述至少两个机架角的第一机架角。所述生成校正的投影图像的过程可以包括基于所述第一投影图像和所述至少两个投影图像的第二投影图像，对所述第一投影图像执行第一校正来生成初步校正的第一投影图像。所述第二投影图像对应所述至少两个机架角的第二机架角。所述生成校正的投影图像的过程还可以包括基于所述初步校正的第一投影图像的至少一部分，对所述初步校正的第一投影图像执行第二校正来生成对应于所述第一机架角的校正的第一投影图像。
因为采用了以上的技术方案，本发明具备以下技术效果：
一、校正后的投影图像降低了不均匀的辐射剂量的影响，提高了重建图像的图像质量；
二、该校正方法可明显改善低剂量下的重建图像的质量；
三、无须引入高精度参考电离室或者高精度的射线源和控制系统，可显著降低成本。
附加特征将在下面的描述中部分地阐述，通过研究以下附图，对于本领域的技术人员而言所述附加特征是显而易见的，或者可以通过实施例的生产或操作来了解所述附加特征。本发明中的特征可以通过实践或使用下面详细描述的方法、手段或其组合的各个方面来实现和获得。
附图说明
在此所述的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的限定。各图中相同的标号表示相同的部件，其中：
图1是根据本发明的一些实施例所示的示例性CT系统的示意图；
图2是根据本发明的一些实施例所示的计算设备的示例性硬件和/或软件组件的示意图；
图3是根据本发明的一些实施例所示的移动设备的示例性硬件和/或软件组件的示意图；
图4是根据本发明的一些实施例所示的示例性处理设备的示意图；
图5是根据本发明的一些实施例所示的用于重建CT图像的示例性过程的流程图；
图6是根据本发明的一些实施例所示的用于校正投影图像的示例性过程的流程图；
图7是根据本发明的一些实施例所示的用于对初步校正的第一投影图像执行第二校正的示例性过程的流程图；
图8是根据本发明的一些实施例所示的重建CT图像的示例性过程的流程图；
图9是根据本发明的一些实施例所示的两个示例性机架角间关系的示意图；
图10是根据本发明的一些实施例所示的受检对象的示例性CT图像；以及
图11是根据本发明的一些实施例所示的校正的投影图像中区域的平均像素值。
具体实施方式
在下面的具体实施方式中，通过示例阐述了许多具体细节，以便提供对相关发明的全面理解。然而，本领域的技术人员应清楚，即使没有这类具体细节也可实施本发明。在其他情况下，为了避免不必要地模糊本发明的主要方面，已经以相对较高的层次描述了众所周知的方法、程序、系统、组件和/或电路。对于本领域技术人员而言，对该发明的实施例进行的各种修改都将是显而易见的，并且在不脱离本发明的精神和范围的前提下，本发明所定义的普遍原则可以应用于其他实施例和应用场景。因此，本发明并不旨在受限于所示的实施例，而是要符合与权利要求书相一致的最大范围。
本发明所用的术语仅用于描述特定示例性实施例，并不旨在对其进行限制。除非上下文明确提示例外情形，否则本发明所用的“一”、“一个”、“一种”和“该”等词并非特指单数，也可包括复数。可以进一步理解的是，说明书中所用的术语“包括”与“包含”是指存在多个列出的特征、整数、步骤、操作、元件和/或组件，但不排除呈现或添加一个或多个其它特征、整数、步骤、操作、元件、组件，和/或它们的组合。
可以理解的是，本发明中所用的“系统”、“模块”、“单元”和/或“子单元”等术语是用于区分不同结构之间的层级关系的一种方法。然而，如果能达到相同目的，这些术语可以被其他表达代替。
通常，本发明中所用的“模块”、“单元”和/或“子单元”指的是存储在硬件或固件中的逻辑或一组软件指令。本发明所述的“模块”、“单元”和/或“子单元”能够通过软件和/或硬件模块执行，也可以被存储于任何一种非暂时计算机可读存储媒介或其他存储设备中。在一些实施例中，一个软件模块可以被编译并连接到一个可执行的程序中。这里的软件模块可以对自身或其他模块传递的信息作出响应，并且/或者可以在检测到某些事件或中断时作出响应。可以在一个计算机可读存储媒介上提供一个被配置为可以在计算设备上(例如，图2所示的处理器210，图3所示的中央处理器(CPU)340)执行操作的软件模块/单元/子单元，这里的计算机可读存储媒介可以是光盘、数字光盘、闪存盘、磁盘或任何其他种类的有形媒介；也可以通过数字下载的模式获取软件模块(这里的数字下载也包括存储在压缩包或安装包内的数据，在执行之前需要经过解压或解码操作)。这里的软件代码可以被部分的或全部的储存在执行操作的计算设备的存储设备中，并应用在计算设备的操作之中。软件指令可以被植入在固件中，例如可擦可编程只读存储器(erasable programmable readonly memory(EPROM))。还应理解的是，硬件模块/单元/子单元可以包含连接在一起的逻辑单元，例如门、触发器，以及/或者包含可编程的单元，例如可编程的门阵列或处理器。这里所述的模块/单元/子单元或计算设备的功能优选通过软件模块/单元/子单元执行，但是也可以被表示在硬件或固件中。一般情况下，这里所说的模块/单元/子单元是逻辑模块，不受其具体的物理形态或存储器的限制。一个模块、单元和/或子单元能够与其他的模块、单元和/或子单元组合在一起，或被分隔成为一系列子模块和/或子单元。
除非另有明确指示，应当理解的是，当单元、引擎、模块或子单元“位于”、“连接到”或“耦合到”另一单元、引擎、模块或子单元时，所述单元、引擎、模块或子单元可以直接位于、连接到或耦合到或连通到另一单元、引擎、模块或子单元，或者可以存在中间单元、引擎、模块或子单元。本发明所用的术语“和/或”包括一个或多个相关所列术语的任何和所有组合。
考虑参照附图的下列详细说明，本发明的这些和其它特征和特点、结构的有关元件的操作方法和功能，以及部件的结合和制造的经济性将变得更加显而易见，并且所有这些都作为本发明的一部分。然而，应当清楚地理解的是，附图仅仅用于说明和描述目的，而并非意在限制本发明的范围。应当理解，所有附图不是按比例绘制的。
本发明的一个方面涉及校正受检对象的至少两个投影图像的系统和方法。所述至少两个投影图像可以对应于CT扫描机的至少两个机架角。为校正对应于机架角的投影图像，所述系统可以执行所述方法，以对投影图像执行第一校正来生成初步校正的投影图像。可以基于对应于另一个机架角的另一个投影图像执行所述第一校正。例如，可以基于在本发明其他地方描述的投影图像的邻近投影图像执行所述第一校正。所述系统还可以执行所述方法，以对初步校正的投影图像执行第二校正来生成校正的投影图像。可以基于初步校正的投影图像的至少一部分，例如，对应于CT扫描机在所述机架角的中间通道的一个或以上像素，执行所述第二校正。在一些实施例中，所述系统和方法可以校正与至少两个机架角对应的至少两个投影图像。所述系统和方法还可以基于对应于至少两个机架角的至少两个校正的投影图像，重建受检对象的CT图像。
图1是根据本发明的一些实施例所示的示例性CT系统100的示意图。在一些实施例中，CT系统100可以包括常规CT系统、锥形束CT(CBCT)系统、螺旋CT系统、多层CT系统、数字减影血管造影(DSA)系统等，或其任意组合。
如图1所示，CT系统100可以包括CT扫描机110、网络120、终端130、处理设备140和存储设备150。CT系统100中的组件可以通过多种方式彼此连接。例如，CT扫描机110可以经由网络120连接至处理设备140。再例如，CT扫描机110可以直接连接至处理设备140。又例如，存储设备150可以直接或经由网络120连接至处理设备140。又例如，终端130可以直接或经由网络120连接至处理设备140。
CT扫描机110可以包括机架111、探测器112、辐射源113和扫描床114。探测器112和辐射源113可以相对地安装于机架111。受检对象可以放置在扫描床114上并移动到CT扫描机110的探测通道中。为了说明的目的，引入如图1所示的参考坐标系统。所述参考坐标系统可以包括X轴、Y轴和Z轴。Z轴可以指受检对象被移入和/或移出CT扫描机110的探测通道的方向。X轴和Y轴可以形成垂直于Z轴的平面。
辐射源113可以发射X射线以扫描放置在扫描床114上的受检对象。所述受检对象可以是生物体(例如，病人、动物)或非生物体(例如，人造的物体)。探测器112可以探测从辐射源113发出的辐射(例如，X射线)。在一些实施例中，探测器112可以包括多个探测器单元。所述探测器单元可以包括闪烁探测器(例如，碘化铯探测器)或气体探测器。所述探测器单元可以排列成单排或多排。
在一些实施例中，CT扫描机110可以包括一个或以上部件用来阻止或降低扫描时的射束硬化和/或辐射散射。例如，CT扫描机110可以包括栅格(例如，防散射栅格)和/或可以阻止或降低射束硬化的其他部件。又例如，CT扫描机110可以包括X射线准直器、金属栅格、狭缝、散射校正板(BSA)、射束衰减栅格(BAG)和/或可以阻止或降低辐射散射的其他部件。
网络120可以促进信息和/或数据的交换。在一些实施例中，CT系统100中的至少一个组件(例如，CT扫描机110、终端130，处理设备140或存储设备150)可以通过网络120向所述CT系统100中的另一组件发送信息和/或数据。例如，所述处理设备140可以通过所述网络120从所述CT扫描机110获得扫描数据。再例如，所述处理设备140可以通过所述网络120从所述终端130获得用户指令。在一些实施例中，网络120可以是任何类型的有线或无线网络，或其组合。网络120可以包括公共网络(例如，因特网)、专用网络(例如，局域网(LAN)、广域网(WAN))、有线网络(例如，以太网)、无线网络(例如，802.11网络、Wi-Fi网络)、蜂窝网络(例如，长期演进网络(LTE))、帧中继网络、虚拟专用网络(VPN)、卫星网络、电话网络、路由器、集线器、交换机、服务器计算机，或其组合。仅作为示例，所述网络120可以包括电缆网络、无线网络、光纤网络、电信网络、内联网、因特网、局域网(LAN)、广域网(WAN)、无线局域网(WLAN)、城域网(MAN)、广域网(WAN)、公共电话交换网(PSTN)、蓝牙网络、ZigBee网络、近场通信(NFC)网络等，或其任何组合。在一些实施例中，所述网络120可以包括至少一个网络接入点。例如，所述网络120可以包括有线或无线网络接入点，例如基站和/或互联网交换点，所述CT系统100的所述组件可以通过该网络接入点与所述网络120连接，以便交换数据和/或信息。
终端130包括移动设备130-1、平板电脑130-2、笔记本电脑130-3等，或其任何组合。在一些实施例中，移动设备130-1可以包括智能家庭设备、可穿戴设备、智能移动设备、虚拟现实设备、增强现实设备等，或其任何组合。在一些实施例中，所述智能家庭设备可以包括智能照明设备、智能电器的控制设备、智能监控设备、智能电视、智能摄像机、对讲机等，或其任何组合。在一些实施例中，所述可穿戴设备可以包括智能手链、智能鞋袜、智能眼镜、智能头盔、智能手表、智能服装、智能背包、智能配件等，或其任何组合。在一些实施例中，所述智能移动设备可以包括智能手机、个人数字助理(PDA)、游戏设备、导航设备、销售点(POS)设备等，或其任何组合。在一些实施例中，所述虚拟现实设备可以包括虚拟现实头盔、虚拟现实眼镜、虚拟现实眼罩、增强现实头盔、增强现实眼镜、增强现实眼罩等，或其任何组合。例如，所述虚拟现实设备和/或所述增强现实设备可以包括Google Glass、OculusRift、Hololens、Gear VR等。在一些实施例中，终端130可以远程操作CT扫描机110。例如，所述终端130可以通过无线连接来操作CT扫描机110。在一些实施例中，终端130可以接收由用户输入的信息和/或指令，并经由所述网络120将接收到的信息和/或指令发送到CT扫描机110或处理设备140。在一些实施例中，所述终端130可以从处理设备140接收数据和/或信息。在一些实施例中，所述终端130可以是处理设备140的一部分。在一些实施例中，所述终端130可以被省略。
在一些实施例中，处理设备140可以处理从CT扫描机110、终端130或存储设备150获得的数据和/或信息。例如，处理设备140可以获取对应至少两个机架角的至少两个投影图像。所述处理设备140还可以校正所述投影图像，以生成对应所述机架角的至少两个校正的投影图像。
处理设备140可以是中央处理单元(CPU)、数字信号处理器(DSP)、系统芯片(SoC)、微处理器(MCU)等，或其任意组合。在一些实施例中，处理设备140可以是本地的或远程的。例如，所述处理设备140可以通过网络120访问存储在CT扫描机110、终端130和/或存储设备150中的信息和/或数据。再例如，所述处理设备140可以直接与CT扫描机110、终端130和/或存储设备150连接，以便访问存储在其中的信息和/或数据。在一些实施例中，所述处理设备140可以在云平台上实现。仅作为示例，所述云平台可以包括私有云、公共云、混合云、社区云、分布式云、跨云、多云等，或其任何组合。在一些实施例中，所述处理设备140可以在本发明图2所示的具有至少一个组件的计算设备200上实现。
存储设备150可以存储数据和/或指令。在一些实施例中，所述存储设备150可以存储从终端130和/或处理设备140获得的数据。在一些实施例中，所述存储设备150可以存储所述处理设备140可以执行或用于执行在本发明中描述的示例性方法的数据和/或指令。在一些实施例中，存储设备150可以包括大容量存储器、可移动存储器、易失性读写存储器、只读存储器(ROM)等，或其任何组合。示例性的大容量存储器可以包括磁盘、光盘、固态驱动器等。示例性的可移动存储器可以包括闪存盘、软盘、光盘、存储卡、压缩盘、磁带等。示例性的易失性读写存储器可以包括随机存取存储器(RAM)。示例性的RAM可以包括动态RAM(DRAM)、双倍数据传输率同步动态RAM(DDR SDRAM)、静态RAM(SRAM)、晶闸管RAM(T-RAM)、零电容RAM(Z-RAM)等。示例性的ROM可以包括掩模型ROM(MROM)、可编程ROM(PROM)、可擦除可编程ROM(EPROM)、电擦除可编程ROM(EEPROM)、光盘ROM(CD-ROM)、数字通用盘ROM等。在一些实施例中，所述存储设备150可以在云平台上实现。仅作为示例，所述云平台可以包括私有云、公共云、混合云、社区云、分布式云、跨云、多云等，或其任何组合。
在一些实施例中，存储设备150可以与网络120连接，以便与CT系统100的至少一个组件(例如，终端130、处理设备140)进行通信。所述CT系统100的至少一个组件可以通过所述网络120访问存储在所述存储设备150的数据或指令。在一些施例中，所述存储设备150可以直接与所述CT系统100的至少一个组件(例如，终端130、处理设备140)连接或通信。在一些实施例中，所述存储设备150可以是处理设备140的一部分。
图2是根据本发明的一些实施例所示的计算设备200的示例性硬件和/或软件组件的示意图。所述计算设备200可以实现所述处理设备140。如图2所示，所述计算设备200可以包括处理器210、存储器220、输入/输出(I/O)230和通信端口240。
处理器210可以根据本文所述的技术执行计算机指令(程序代码)并执行所述处理设备140的功能。所述计算机指令可以包括执行本文所述的特定功能的例程、程序、对象、组件、数据结构、过程、模块与功能。例如，所述处理器210可以处理从CT扫描机110、终端130、存储设备150和/或CT系统100的任何其他组件获得的图像数据。例如，所述处理器210可以预处理和/或校正投影图像。再例如，所述处理器210可以基于至少两个校正的投影图像重建CT图像，并将CT图像存储于存储设备150。在一些实施例中，所述处理器210可以包括至少一个硬件处理器，例如，微控制器、微处理器、精简指令集计算机(RISC)、专用集成电路(ASIC)、专用指令集处理器(ASIP)、中央处理器(CPU)、图形处理器(GPU)、物理处理器(PPU)、单片机、数字信号处理器(DSP)、现场可编程门阵列(FPGA)、先进精简指令集系统(ARM)、可编程逻辑设备(PLD)、能够执行至少一个功能的任何电路或处理器等，或其任何组合。
仅用于说明，在计算设备200中仅描述了一个处理器。然而，应当注意的是，本发明的所述计算设备200还可以包括至少两个处理器。因此，由本发明所述的一个处理器执行的操作和/或方法步骤也可以由至少两个处理器共同或单独执行。例如，如果在本发明中，所述计算设备200的处理器执行步骤A和B，则应当理解，所述步骤A和B也可以由所述计算设备200的两个不同的处理器共同或单独地执行(例如，第一处理器执行步骤A、第二处理器执行步骤B或者第一和第二处理器共同执行步骤A和B)。
存储器220可以存储从所述CT扫描机110、终端130、存储设备150或所述CT系统100的任何其他组件获得的数据/信息。在一些实施例中，所述存储器220可以包括大容量存储器、可移动存储器、易失性读写存储器、只读存储器(ROM)等，或其任何组合。例如，所述大容量存储器可以包括磁盘、光盘与固态驱动器等。所述可移动存储器可以包括闪存盘、软盘、光盘、存储卡、压缩盘与磁带等。所述易失性读写存储器可以包括随机存取存储器(RAM)。所述RAM可以包括动态RAM(DRAM)、双倍数据传输率同步动态RAM(DDR SDRAM)、静态RAM(SRAM)、晶闸管RAM(T-RAM)与无电容RAM(Z-RAM)等。所述ROM可以包括掩模型ROM(MROM)、可编程ROM(PROM)、可擦除可编程ROM(EPROM)、电擦除可编程ROM(EEPROM)、光盘ROM(CD-ROM)与数字通用盘ROM等。在一些实施例中，所述存储器220可以存储至少一个程序和/或指令，以执行在本发明中所述的示例性方法。例如，所述存储器220可以为处理设备140存储用于校正投影图像的程序(例如，以计算机可执行指令的形式)。再例如，所述存储器220可以为处理设备140存储用于基于投影图像重建CT图像的程序(例如，以计算机可执行指令的形式)。
输入/输出230可以输入或输出信号、数据或信息。在一些实施例中，所述输入/输出230可以与所述处理设备140进行用户交互。在一些实施例中，所述输入/输出230可以包括输入设备和输出设备。示例性的输入设备可以包括键盘、鼠标、触摸屏、麦克风等，或其组合。示例性的输出设备可以包括显示设备、扬声器、打印机、投影仪等，或其组合。示例性的显示设备可以包括液晶显示器(LCD)、基于发光二极管(LED)的显示器、平板显示器、曲面屏幕、电视设备、阴极射线管(CRT)等，或其组合。
通信端口240可以与网络(例如，网络120)连接以便促进数据通信。所述通信端口240可以在所述处理设备140与所述CT扫描机110、所述终端130或所述存储设备150之间建立连接。所述连接可以是有线连接、无线连接或两者的组合。这些连接方式可以使得数据能够被发送和接收。所述有线连接可以包括电缆、光缆、电话线等，或其任何组合。所述无线连接可以包括蓝牙、Wi-Fi、WiMax、WLAN、ZigBee、移动网络(例如，3G、4G、5G)等，或其组合。在一些实施例中，所述通信端口240可以是诸如RS232和RS485等标准化的通信端口。在一些实施例中，所述通信端口240可以是专门设计的通信端口。例如，所述通信端口240可以根据医学数字成像与通信(DICOM)协议进行设计。
图3是根据本发明的一些实施例所示的移动设备300的示例性硬件和/或软件组件的示意图。所述移动设备300可以实现所述终端130。如图3所示，所述移动设备300可以包括通信平台310、显示器320、图形处理器(GPU)330、中央处理器(CPU)340、输入/输出350、内存360和存储器390。在一些实施例中，任何其它合适的组件，包括但不限于系统总线或控制器(图中未示出)，也可以包括在所述移动设备300中。在一些实施例中，移动操作系统370(例如，iOS、Android、Windows Phone)和至少一个应用380可以从所述存储器390加载到所述内存360中，以便由所述中央处理器340执行。所述应用380可以包括浏览器或用于从所述处理设备140接收和呈现与图像处理相关的信息或其他信息的任何其它合适的移动应用。与信息流的用户交互可以通过所述输入/输出350实现，并且通过所述网络120提供给所述处理设备140和/或所述医疗系统100的其他组件。
为了实现在本发明中所述的各种模块、单元及其功能，可以将计算机硬件平台用作本发明中所述的至少一个元件的硬件平台。此类计算机的硬件元件、操作系统和编程语言本质上是常规的，假设本领域技术人员充分熟悉这些技术，使得这些技术适应于本发明中所述的校正投影图像。具有用户界面元件的计算机可以用于实现个人电脑(PC)或其他类型的工作站或终端设备，但如果适当地进行编程，则计算机也可以充当服务器。可以确信，本领域的技术人员熟悉此类计算机设备的结构、编程和一般操作。因此，附图应该是不言自明的。
图4是根据本发明的一些实施例所示的示例性处理设备140的示意图。处理设备140可以在如图2所示的计算设备200(例如，处理器210)或如图3所示的CPU 340上实现。处理设备140可以包括获取模块410、预处理模块420、校正模块430和重建模块440。
所述获取模块410可以用于获取与CT系统100相关的信息。所述信息可以包括扫描数据(例如，一个或以上机架角、辐射剂量、与准直器或扫描台相关的参数、或其他参数)、图像数据(例如，一个或以上投影图像)等。例如，获取模块410可以获取受检对象的至少两个投影图像。所述至少两个投影图像可以根据由CT扫描机(例如，CT扫描机110)在至少两个机架角获取的扫描数据生成。每个投影图像可以对应一个机架角。在一些实施例中，机架角可以是由连接辐射源113、机架111的旋转中心的线和参考坐标系统(例如，如图1所示的X轴、Y轴)形成的角。仅作为示例，CT扫描机110可以通过用X射线照射受检对象来执行对受检对象的扫描。在扫描期间，辐射源113和探测器112可以随着机架111围绕Z轴旋转以在不同的机架角扫描受检对象。从而可以获取对应于至少两个机架角的至少两组扫描数据。处理设备140和/或CT扫描机110可以根据至少两组扫描数据生成对应于机架角的至少两个投影图像，并且将投影图像传输到存储设备(例如，存储设备150)以存储。获取模块410可以访问存储设备并得到所述投影图像。
预处理模块420可以用于预处理投影图像。例如，预处理模块420可以预处理对应于机架角的投影图像。投影图像的预处理可以包括坏点校正、暗场校正、增益校正、几何校正、射束硬化校正、散射校正等，或其任意组合。在一些实施例中，投影图像的预处理可以包括射束硬化校正和/或散射校正。关于射束硬化校正和/或散射校正的细节可以在本发明的其他地方找到(例如，过程500的步骤520及其相关描述)。
校正模块430可以用于校正投影图像。例如，如本发明其他地方所述(例如，过程500的步骤530、过程600及其相关描述)，校正模块430可以校正对应于机架角的投影图像和/或预处理的投影图像。在一些实施例中，待校正的投影图像可以是二维(2D)图像。在一些实施例中，校正模块430可以通过对(预处理的)投影图像执行第一校正和第二校正，来校正对应于机架角的(预处理的)投影图像。第一校正和第二校正可以用于去除(预处理的)投影图像中的剂量变化关于第一校正和/或第二校正的细节可以在本发明的其他地方找到(例如，图5、图6及其相关描述)。
在一些实施例中，校正模块430还可以用于校正对应于至少两个机架角的至少两个投影图像，以生成至少两个校正的投影图像。投影图像的校正可以包括一次或以上迭代。例如，在每次当前迭代中，校正模块430可以确定当前迭代中的校正的投影图像是否满足条件。如果所述至少两个校正的投影图像满足所述条件，校正模块430可以终止当前迭代。根据在当前迭代中校正的投影图像，可以重建CT图像。如果所述至少两个校正的投影图像不满足所述条件，校正模块430可以将当前迭代中的校正的投影图像指定为下次迭代中的投影图像。在下次迭代中，投影图像可以被再次校正(或预处理和校正)。迭代可以持续直到校正模块430确定在新的迭代中，校正的投影图像满足所述条件。关于校正的迭代细节可以在本发明的其他地方找到(例如，图8及其相关描述)。
重建模块440可以用于重建图像。例如，重建模块440可以基于对应于至少两个机架角的至少两个(校正的)投影图像，重建受检对象的CT图像。在一些实施例中，重建模块440可以根据重建技术重建图像。示例性重建技术可以包括但不限于代数重建技术(ART)、同时代数重建技术(SART)、滤波反投影(FBP)技术、FDK重建技术等，或其任意组合。
处理设备140中的模块可以经由有线或无线方式彼此连接或通信。有线连接可以包括金属电缆、光缆、混合电缆等，或其任意组合。无线连接可以包括局域网(LAN)、广域网(WAN)、蓝牙、ZigBee、近场通讯(NFC)等，或其任意组合。
应该注意的是，以上描述仅用于说明的目的，而不是旨在限制本发明的保护范围。对于本领域的普通技术人员，可以在本发明的指导下做出多种变化和修改。尽管如此，这些变化和修改并不脱离本发明的保护范围。
在一些实施例中，两个或更多模块可以组合为一个模块，任意一个模块可以分割成两个或更多单元。例如，预处理模块420和校正模块430可以整合成一个模块，该模块用于执行预处理模块420和校正模块430的功能。再例如，校正模块430可以分割成两个单元。第一个单元可以用于对(预处理的)投影图像执行第一校正以生成初步校正的投影图像。第二单元可以用于对初步校正的投影图像执行第二校正以生成校正的投影图像。
在一些实施例中，处理设备140可以包括一个或以上附加的模块。例如，处理设备140可以包括后处理模块(未显示)。后处理模块可以用于后处理校正的投影图像，例如，对校正的投影图像执行射束硬化、散射校正、图像增强等。又例如，处理设备140可以包括存储模块(未显示)。存储模块可以用于存储数据，该数据由处理设备140的任意组件在执行的任意过程中生成。
图5是根据本发明的一些实施例所示的用于重建CT图像的示例性过程的流程图。过程500可以在如图1所示的CT系统100中实现。例如，过程500可以以指令的形式(例如，应用)存储在存储设备150和/或存储器220中，并且由处理设备140(例如，如图2所示的处理器210，或者如图4所示的处理设备140中的一个或以上模块)调用和/或实行。以下展示的对于所述过程的操作是示例性的。在一些实施例中，过程500可以通过未提及的至少一个附加的操作和/或省略讨论的至少一个操作来完成。另外，图5所示的过程500的操作顺序并非旨在限制本发明。
在步骤510中，获取模块410可以获取受检对象的至少两个投影图像。所述受检对象可以是生物体(例如，病人、动物、器官、组织)或非生物体(例如，模型)。
根据由CT扫描机(例如，CT扫描机110)在至少两个机架角获得的扫描数据，可以生成至少两个投影图像。每个投影图像可以对应一个机架角。例如，CT扫描机110可以通过用X射线照射受检对象来执行对受检对象的扫描。在扫描期间，辐射源113和探测器112可以随着机架111围绕Z轴旋转以在不同的机架角扫描受检对象。受检对象的扫描数据可以包括对应于至少两个机架角的至少两组数据。处理设备140和/或CT扫描机110可以根据所述至少两组数据生成对应于至少两个机架角的至少两个投影图像，并且将投影图像传输到存储设备(例如，存储设备150)以存储。获取模块410可以访问存储设备并且得到所述投影图像。
在一些实施例中，机架角可以是由连接辐射源113、机架111的旋转中心的线和参考坐标系统(例如，如图1所示的X轴、Y轴)形成的角。例如，步骤510中获取的至少两个投影图像的机架角可以在0°到360°范围内。在一些实施例中，当机架111旋转时，辐射源113可以持续不断地向受检对象发出X射线。例如，机架角可以在0°到360°范围内，对应于至少两个机架角(例如，1200或2400个机架角)的至少两组数据可以由探测器112收集，相应地，可以生成对应于1200个机架角的1200个投影图像或对应于2400个机架角的2400个投影图像。可选地，辐射源113可以不连续地向受检对象发出X射线。例如，机架角可以在0°到360°范围内，辐射源113可以在机架角每变化1°时向受检对象发射X射线，相应地，可以生成360个投影图像。又例如，机架角可以在0°到360°范围内，辐射源113可以在机架角每变化0.5°时向受检对象发射X射线，相应地，可以生成720个投影图像。
在一些实施例中，投影图像的机架角可以从CT系统100的一个或以上组件(例如，机架角的编码器)获取。此外，投影图像的机架角可以由处理设备140基于其他投影图像的机架角的数据分析来确定。仅作为示例，处理设备140可以基于对应于其他机架角的至少两个其他投影图像，使用插值算法确定投影图像的机架角。
在一些实施例中，至少两个投影图像可以包括至少两个2D图像。在一些实施例中，一个投影图像可以包括至少两个像素。一个像素可以有一个像素值，例如，灰度值、亮度值等，或其任意组合。受检对象的投影图像的灰度值与辐射源113发射给受检对象的辐射剂量存在线性关系。当机架111旋转时，辐射源113发射的辐射剂量可能存在波动，这致使不同机架角度下投影图像中像素的实际灰度值与其理想灰度值之间存在差异。在CT图像重建中，会假设投影图像的灰度值的对数与受检对象的衰减系数存在正比关系。投影图像的实际灰度值与理想像素值之间的差异会影响基于这些投影图像重建的CT图像的质量，导致误诊。因此，对应于不同的机架角的多个投影图像需要被校正和/或归一化以降低在不同的机架角不均匀的辐射剂量的影响。
在步骤520中，预处理模块420可以预处理至少两个投影图像来生成对应于至少两个机架角的至少两个预处理的投影图像。至少两个投影图像的预处理可以包括坏点校正、暗场校正、增益校正、几何校正、射束硬化校正、散射校正等，或其任意组合。
在一些实施例中，至少两个投影图像的预处理可以包括射束硬化校正和/或散射校正。射束硬化校正可以基于射束硬化校正算法来执行。示例性的射束硬化校正算法可以包括多项式拟合算法、蒙特卡罗模拟算法、迭代校正算法、双能校正算法、单能校正算法等，或其任意组合。散射校正可以基于散射校正算法来执行。示例性的散射校正算法可以包括卷积算法、模型评估算法、去卷积算法、蒙特卡罗模拟算法、单散射模拟算法、双能量窗口技术、散射校正板、频率调制技术等，或其任意组合。
在一些实施例中，预处理模块420可以基于在某一机架角递送至受检对象的辐射剂量，预处理对应于该机架角的投影图像。在该机架角递送至受检对象的辐射剂量可以是计划剂量，或CT扫描机110在该机架角扫描受检对象时由电离室测定的剂量。例如，预处理模块420可以基于在该机架角下递送至受检对象的辐射剂量，确定穿过受检对象的X射线强度，预处理模块420可以基于X射线强度对投影图像执行散射校正。
在步骤530中，校正模块430可以校正对应于至少两个机架角的至少两个预处理的投影图像来生成至少两个校正的投影图像。校正的投影图像可以是2D图像。
在一些实施例中，校正模块430可以通过对第一预处理的投影图像执行第一校正和/或第二校正，来校正对应于第一机架角的第一预处理的投影图像。第一机架角可以是任意一个机架角。第一校正和第二校正可以用于去除第一预处理的投影图像中的剂量变化。可以对第一预处理的投影图像进行第一校正以生成初步校正的第一投影图像。在一些实施例中，可以基于对应于第二机架角的预处理的投影图像执行所述第一校正。第二机架角可以是除了第一机架角的任意一个机架角。在一些实施例中，第二机架角可以是第一机架角的邻近机架角。如果一个机架角和第一机架角之间的角度差小于角度阈值(例如，2°)，该机架角可以被认为是第一机架角的邻近机架角。为简洁起见，对应于第一机架角的邻近机架角的投影图像可以称为第一投影图像的邻近投影图像。关于第一校正的细节可以在本发明的其他地方找到(例如，图6及其相关描述)。
可以对初步校正的第一投影图像进行第二校正以生成对应于第一机架角的校正的投影图像。在一些实施例中，可以基于初步校正的第一投影图像的至少一部分执行第二校正。例如，可以基于与CT扫描机110在第一机架角的中间通道对应的一个或以上像素，执行第二校正。关于第二校正的细节可以在本发明的其他地方找到(例如，图6、图7及其相关描述)。
在一些实施例中，对每个预处理的投影图像，校正模块430可以对预处理的投影图像执行第一校正和/或第二校正以生成校正的投影图像。在一些实施例中，可以基于预处理的邻近投影图像，对每个预处理的投影图像执行第一校正。可选地，校正模块430可以根据预处理的投影图像的机架角排列预处理的投影图像，并依次对至少两个预处理的投影图像执行第一校正。可以基于初步校正的邻近投影图像，执行与机架角对应的预处理的投影图像的第一校正。仅作为示例，校正模块430可以依次对对应于0°的第一预处理的投影图像执行第一校正，对对应于1°的第二预处理的投影图像执行第一校正，……，以及对对应于359°的第360预处理的投影图像执行第一校正。校正模块430可以基于第360预处理的投影图像对第一预处理的投影图像进行第一校正以生成初步校正的第一投影图像，基于初步校正的第一投影图像对第二预处理的投影图像执行第一校正，……，以及基于初步校正的第359投影图像对第360预处理的投影图像执行第一校正。
在步骤540中，重建模块440可以基于至少两个校正的投影图像，重建受检对象的CT图像。在一些实施例中，重建模块440可以根据重建技术重建CT图像。示例性重建技术可以包括但不限于代数重建技术(ART)、同时代数重建技术(SART)、滤波反投影(FBP)技术、FDK重建技术等，或其任意组合。在一些实施例中，CT图像可以是三维(3D)CT图像。该CT图像可以包括至少两个像素，所述至少两个像素的像素值可以表示受检对象不同部分的衰减系数。
应该注意的是，上述关于过程500的描述仅出于说明性目的，并不是旨在限制本发明的范围。对于本领域的普通技术人员，可以在本发明的指导下做出多种变化和修改。尽管如此，这些变化和修改并没有脱离本发明的范围。
在一些实施例中，步骤520可以省略。在步骤530中，校正模块430可以校正对应于至少两个机架角的至少两个投影图像来生成至少两个校正的投影图像。在一些实施例中，过程500的步骤顺序可以改变。例如，如步骤520所描述的投影图像的部分预处理可以在步骤530之后执行。在一些实施例中，在步骤520中不执行射束硬化校正和/或散射校正。处理设备140(例如，未显示在图中的后处理模块)可以在步骤530之后对校正的投影图像执行射束硬化和/或散射校正来后处理校正的投影图像。在步骤540中，重建模块440可以基于后处理的投影图像，重建受检对象的CT图像。
图6是根据本发明的一些实施例所示的用于校正投影图像的示例性过程的流程图。过程600可以在如图1所示的CT系统100中实现。例如，过程600可以以指令的形式(例如，应用)存储在存储设备150和/或存储器220中，并且由处理设备140(例如，如图2所示的处理器210，或者如图4所示的处理设备140中的一个或多个模块)调用和/或实行。以下展示的对于所述过程的操作是示例性的。在一些实施例中，过程600可以通过提及的至少一个附加操作和/或省略讨论的至少一个操作来完成。另外，图6所示的过程600的操作顺序并非旨在限制本发明。
在一些实施例中，过程600可以用于校正步骤520中获取的第一预处理的投影图像。在步骤530中，校正模块430可以对每个预处理的投影图像重复过程600。可选地，可以执行过程600以校正在步骤510获取的至少两个投影图像的第一投影图像。在一些实施例中，步骤520可以省略。在步骤530中，校正模块430可以通过对每个投影图像重复过程600来校正至少两个投影图像。用于说明目的，校正至少两个投影图像的第一投影图像作为一个示例在本发明中进行描述。
在步骤610中，校正模块430可以基于至少两个投影图像的第一投影图像和第二投影图像，对第一投影图像执行第一校正来生成初步校正的第一投影图像。第一校正图像可以对应机架角的第一机架角，第一机架角可以是任意一个机架角。第二投影图像可以对应机架角的第二机架角，第二机架角可以是除第一机架角外的任意一个机架角。在一些实施例中，第二机架角可以是第一机架角的邻近机架角。如果一个机架角和第一机架角之间的角度差小于角度阈值，该机架角可以被认为是第一机架角的邻近机架角。仅作为示例，机架角可以是0°到360°范围内的整数，若角度阈值为2°，10°的邻近机架角可以是9°或11°。
在一些实施例中，校正模块430可以基于第一投影图像和第二投影图像之间的差异，确定第一投影图像的第一校正系数，并且基于第一校正系数校正第一投影图像。在一些实施例中，第一校正系数可以是应用于投影图像的乘法因子，以在投影图像创建时针对辐射源113的强度波动校正投影图像。在一些实施例中，第一校正系数可以是应用于整个投影图像的标量。在一些实施例中，第一校正系数可以是矢量或矩阵，其可能对投影图像中的不同像素应用独特的因子。在一些实施例中，第一投影图像与第二投影图像之间的差异可以是第一投影图像的灰度信息与第二投影图像的灰度信息之间的差异。第一投影图像的灰度信息或第二投影图像的灰度信息可以由图像矩阵、图像直方图等表示。在一些实施例中，投影图像的灰度信息可以由在投影图像创建时辐射源113的强度和受检对象的衰减特性来确定。例如，像素的灰度值的对数可以近似为对应于该像素的物理点的衰减系数。
第一校正系数可以是最小化第一投影图像与第二投影图像之间差异的系数。在一些实施例中，最小化对应于两个机架角的两个图像间差异的校正系数可以由公式(1)确定：
Figure BDA0003755993920000131
其中，i和j分别表示多个机架角中的两个机架角；R表示一组实数矩阵；Ii表示对应于机架角i的投影图像；Ij表示对应于机架角j的投影图像；f(Ii)表示Ii的灰度信息；f(Ij)表示Ij的灰度信息；以及aij表示最小化Ii和Ij之间差异的校正系数。在一些实施例中，f(Ii)可以是Ii的图像矩阵、图像直方图等，f(Ij)可以是Ij的图像矩阵、图像直方图等。公式(1)中的范数可以是L2范数、L1范数，或其他度量，其在被优化时增加f(Ii)和aijf(Ij)之间的相似度。
在一些实施例中，f(Ii)可以表示与投影图像Ii相关的衰减信息。与投影图像Ii相关的衰减信息可以基于投影图像Ii的灰度信息确定。例如，衰减信息可以包括投影图像Ii中各像素对应的入射至该像素点的射线上各空间点的累积衰减结果。投影图像Ii中各像素对应的射线上各空间点的累积衰减结果可以通过对对应像素的灰度值进行Log转换求得。类似地，f(Ij)可以表示与投影图像Ij相关的衰减信息。
在一些实施例中，第一投影图像的第一校正系数可以根据公式(1)确定。Ii可以表示第一投影图像，Ij可以表示第二投影图像，aij可以表示第一校正系数。可选地，Ij可以表示第一投影图像，Ii可以表示第二投影图像，aij可以表示第一校正系数。在确定第一校正系数后，校正模块430可以基于第一校正系数和第一投影图像生成初步校正的第一投影图像。在一些实施例中，通过将第一投影图像的灰度信息乘以第一校正系数，或者将第一投影图像的灰度信息除以第一校正系数，可以确定初步校正的第一投影图像。例如，当Ii表示第一图像，Ij表示第二图像时，校正模块430可以通过将第一投影图像的灰度信息除以aijj(例如，将第一投影图像中像素的灰度值除以aij)，生成初步校正的第一投影图像。当Ij表示第一图像，Ii表示第二图像时，校正模块430可以通过将第一投影图像的灰度信息乘以aij(例如，将第一投影图像中像素的灰度值乘以aij)，生成初步校正的第一投影图像。
在一些实施例中，第一投影图像的第一校正系数可以基于第一和第二投影图像的衰减系数确定。校正模块430可以通过将第一投影图像的衰减信息乘以第一校正系数或者通过将第一投影图像的衰减信息除以第一校正系数，来校正第一投影图像的衰减信息。校正模块430可以通过对第一投影图像的校正的衰减信息执行指数运算来生成初步校正的第一投影图像。基于第一和第二投影图像的衰减信息的第一投影图像的校正过程可以被视为CT图像重建中的第一投影图像的预处理。
在步骤620中，校正模块430可以基于初步校正的第一投影图像的至少一部分，对初步校正的第一投影图像执行第二校正来生成校正的第一投影图像。在一些实施例中，初步校正的第一投影图像的至少一部分可以包括在初步校正的第一投影图像中与CT扫描机110在第一机架角的中间通道对应的一个或以上像素。可以基于初步校正的第一投影图像的至少一部分确定第二校正系数，以校正初步校正的第一投影图像。在一些实施例中，对初步校正的第一投影图像的第二校正可以根据图7所示的过程700执行。
应该注意的是，关于过程600的描述仅出于说明性目的，并不是旨在限制本发明的范围。对于本领域的普通技术人员来说，可以在本发明的指导下做出多种变化和修改。尽管如此，这些变化和修改并没有脱离本发明的范围。例如，步骤620可以省略。在一些实施例中，当在步骤510中获取的投影图像的数量大于阈值时，可以省略步骤620。又例如，步骤610可以省略。在步骤620中，校正模块430可以对对应于第一机架角的第一投影图像或预处理的第一投影图像执行第二校正来生成校正的第一投影图像。
图7是根据本发明的一些实施例所示的用于对初步校正的第一投影图像执行第二校正的示例性过程的流程图。过程700可以在如图1所示的CT系统100中实现。例如，过程700可以以指令的形式(例如，应用)存储在存储设备150和/或存储器220中，并且由处理设备140(例如，如图2所示的处理器210，或者如图4所示的处理设备140中的一个或多个模块)调用和/或实行。以下展示的对于所述过程的操作是示例性的。在一些实施例中，过程700可以通过未提及的至少一个附加操作和/或省略讨论的至少一个操作来完成。另外，图7所示的过程700的操作顺序并非旨在限制本发明。在一些实施例中，图6所示的步骤620可以根据过程700执行。
在步骤710中，校正模块430可以识别初步校正的第一投影图像的至少一个像素。所述识别的至少一个像素可以对应CT扫描机110在第一机架角的中间通道。
探测器112可以包括至少两个探测器通道。每个探测器通道可以对应于初步校正的第一投影图像的一排像素。当CT扫描机110在第一机架角扫描受检对象时，X射线可以穿过机架111的旋转中心并由探测器通道探测。探测穿过机架111的旋转中心的X射线的探测器通道可以称为CT扫描机110在第一机架角的中间通道。在扇形束或锥形束的情况下，穿过机架111的旋转中心的X射线可以在任何一对角源位置经受成像介质的基本相等的衰减，其中每对角源位置相隔180°。对于穿过与X射线基本相反的方向的路径的另一X射线，其穿过旋转中心的预期总衰减与X射线穿过机架111的旋转中心的预期总衰减基本相同。
在一些实施例中，对应于中间通道的所述识别的至少一个像素可以包括对应于中间通道的一排像素。可选地，所述识别的至少一个像素可以包括与中间通道的一个或多个邻近探测器通道对应的一排或多排像素。如果探测器通道和中间通道之间的距离在预定的范围内(例如，一个探测器通道、两个探测器通道)，该探测器通道可以被认为是中间通道的邻近探测器通道。在一些实施例中，所述识别的至少一个像素可以包括与中间通道及其一个或多个邻近探测器通道对应的一排或多排像素。在一些实施例中，校正模块430可以确定CT扫描机110在第一机架角的中间通道，并基于中间通道确定初步校正的第一投影图像的至少一个像素。
在步骤720中，对于所述像素的每个像素，校正模块430可以识别对应于所述像素的每个像素的对面像素。所述像素的一个像素可以与CT扫描机110在第一机架角的中间通道的探测器单元对应。探测器单元可以探测由辐射源113在第一机架角发射的X射线或X射线束(在本文统称为X射线)。对面像素可以对应于所述X射线的对面X射线。对面X射线可以在对应于所述X射线的第一机架角的对面机架角下由辐射源113发出。在一些实施例中，如果X射线在第一机架角穿过CT扫描机110的旋转中心，其对应的对面X射线可以在对应的对面机架角由辐射源113发出，对应的对面机架角与第一机架角相差180°。另一方面，对于在第一机架角不穿过CT扫描机的旋转中心的X射线，可以基于在本申请的其他地方描述的第一机架角确定对应的对面机架角(例如，图9及其描述)。
在一些实施例中，机架角可以在0°到360°范围内。由辐射源113在机架角发出的X射线可以与由辐射源113在另一机架角发出的另一X射线共线。仅作为示例，如图9所示，由辐射源113在位置A向位置B发出的X射线(称为X射线AB)与由辐射源113在位置B向位置A发出的X射线(称为X射线BA)共线。X射线BA可以称为X射线AB的对面X射线。当辐射源113在位置A时，CT扫描机110的机架角可以是β1。当辐射源113在位置B时，CT扫描机110的机架角可以是β2。机架角β2可以称为对应于X射线AB的机架角β1的对面机架角。X射线AB可以与对应于机架角β1的初步校正的投影图像的一个像素对应，X射线BA可以与对应于机架角β2的初步校正的投影图像的一个像素对应。对应于X射线BA的像素可以称为对应于X射线AB的像素的对面像素。在一些实施例中，与X射线对应的机架角(例如，机架角β1)的对面机架角(例如，机架角β2)可以基于该机架角确定。关于确定机架角的对面机架角的细节可以在本发明的其他地方找到(例如，图9及其相关描述)。
对初步校正的第一投影图像的所述识别的至少一个像素中的每个像素，校正模块430可以确定对应于该像素的对面X射线和对面机架角，并基于对面X射线和对面机架角识别该像素的对面像素。
在步骤730中，校正模块430可以基于所述像素的所述对面像素，生成初步校正的第一投影图像的参考图像。
在步骤740中，校正模块430可以基于对应于中间通道的所述至少一个像素和参考图像的差异，确定初步校正的第一投影图像的第二校正系数。所述至少一个像素和参考图像的差异可以是与步骤610所述的第一投影图像和第二投影图像的差异类似，此处不再重复。在一些实施例中，可以基于所述至少一个像素和参考图像中对应的像素的差异，确定第二校正系数。
第二校正系数可以是最小化所述至少一个像素和参考图像的差异的系数。在一些实施例中，第二校正系数可以由公式(2)确定：
Figure BDA0003755993920000161
其中，i表示第一机架角；C0i表示与CT扫描机110在第一机架角i的中间通道对应的所述至少一个像素；C1i表示C0i的参考图像；f(C0i)表示C0i的灰度信息；f(C1i)表示C1i的灰度信息；以及bi表示最小化C0i和C1i间差异的第二校正系数。在一些实施例中，f(C0i)可以是C0i的图像矩阵、图像直方图等，f(C1i)可以是C1i的图像矩阵、图像直方图等。在一些实施例中，f(C0i)可以表示与识别的像素相关的衰减信息。与识别的像素相关的衰减信息可以基于识别的像素的灰度值确定。例如，衰减信息可以包括各像素对应的入射至该像素点的射线上各空间点的累积衰减结果。各像素对应的射线上各空间点的累积衰减结果可以通过对对应像素的灰度值进行Log转换求得。类似地，，f(C1i)可以表示与参考图像C1i相关的衰减信息。
在步骤750中，校正模块430可以基于第二校正系数和初步校正的第一投影图像，生成对应于第一机架角的校正的第一投影图像。在一些实施例中，通过将初步校正的第一投影图像的灰度信息除以第二校正系数，可以确定校正的第一投影图像。在一些实施例中，第二校正系数可以基于识别的像素和参考图像的衰减信息确定。校正模块430可以通过将初步校正的第一投影图像的衰减信息乘以第二校正系数或者将初步校正的第一投影图像的衰减信息除以第二校正系数，来校正初步校正的第一投影图像的衰减信息。
图8是根据本发明的一些实施例所示的重建CT图像的示例性过程的流程图。过程800可以在如图1所示的CT系统100中实现。例如，过程800可以以指令的形式(例如，应用)存储在存储设备150和/或存储器220中，并且由处理设备140(例如，如图2所示的处理器210，或者如图4所示的处理设备140中的一个或多个模块)调用和/或实行。以下展示的对于所述过程的操作是示例性的。在一些实施例中，过程800可以通过未提及的至少一个附加操作和/或省略讨论的至少一个操作来完成。另外，图8所示的过程800的操作顺序并非旨在限制本发明。在一些实施例中，过程800可以是包括一个或多个迭代的过程500的实施例。
在步骤810中，获取模块410可以获取受检对象的至少两个投影图像。所述至少两个投影图像根据CT扫描机(例如，CT扫描机110)在至少两个机架角获得的扫描数据生成。每个投影图像可以对应一个机架角。在步骤820中，预处理模块420可以预处理所述至少两个投影图像来生成对应于至少两个机架角的至少两个预处理的投影图像。在步骤830中，校正模块430可以校正所述至少两个预处理的投影图像来生成至少两个校正的投影图像。步骤810到830可以以与步骤510到530相似的方式来执行，在此不再重复。
在步骤840中，校正模块430可以确定至少两个校正的投影图像是否满足条件。在一些实施例中，该条件可以与对步骤810中获取的至少两个投影图像执行步骤820到840的迭代次数相关。例如，迭代次数可以由校正模块430计算，所述条件可以是迭代次数大于第一阈值。校正模块430可以确定迭代次数是否大于第一阈值。如果迭代次数大于第一阈值，校正模块430可以确定满足所述条件。如果迭代次数小于或等于第一阈值，校正模块430可以确定不满足所述条件。在一些实施例中，第一阈值可以在2-10范围内。在一些实施例中，第一阈值可以被限定在1-2、2-4、1-5，或5-10的子范围内。
此外，所述条件可以与校正的投影图像(或其部分)间的不一致有关。在一些实施例中，校正的投影图像间的不一致可以指校正的投影图像的像素值(例如，灰度值)间的不一致。校正的投影图像的像素值可以由校正的投影图像的平均或中值像素值、校正的投影图像的最大或最小像素值等，或其任意组合表示。仅用于说明目的，以下描述使用校正的投影图像的平均像素值作为示例。可以通过平均像素值的方差、平均像素值的标准偏差等，或其任意组合评估校正的投影图像间的不一致。所述条件可以是校正的投影图像(或其部分)间的不一致小于第二阈值。校正模块430可以确定校正的投影图像(或其部分)间的不一致是否小于第二阈值。如果校正的投影图像(或其部分)间的不一致小于第二阈值，校正模块430可以确定满足所述条件。如果校正的投影图像(或其部分)间的不一致大于或等于第二阈值，校正模块430可以确定不满足所述条件。
在一些实施例中，所述条件可以是在当前迭代中校正的CT图像和前一次迭代中校正的CT图像间的差值小于第三阈值。例如，对于在当前迭代中校正的CT图像，校正模块430可以确定校正的CT图像的灰度信息(例如，平均灰度信息)和在上次迭代中对应的校正的CT图像的灰度信息间的差值。校正模块430可以确定灰度信息间的差值是否大于第三阈值(例如，在当前迭代中校正的CT图像的灰度信息的5％)。如果灰度信息小于或等于第三阈值，校正模块430可以确定满足所述条件。如果灰度信息大于第三阈值，校正模块430可以确定不满足所述条件。在一些实施例中，第一阈值、第二阈值和/或第三阈值可以是存储在存储设备(例如，存储设备150)中的默认值，或者可以由用户(例如，医生)设置或调整。
如果确定校正的投影图像满足所述条件，执行步骤850。在步骤850中，重建模块440可以基于至少两个校正的投影图像，重建受检对象的CT图像。重建技术参见图5中的描述，在此不再重复。
返回步骤840，相反，如果校正的投影图像不满足所述条件，执行步骤860。在步骤860中，校正模块430可以将当前迭代中的至少两个校正的投影图像指定为下次迭代中的至少两个投影图像。在下次迭代中，处理设备140可以执行过程800返回到步骤820。处理设备140可以在下次迭代中预处理和校正投影图像以生成至少两个校正的投影图像。进一步地，如果校正模块430确定在下次迭代中校正的投影图像满足条件，重建模块440可以基于在所述下次迭代中校正的投影图像，重建受检对象的CT图像。如果校正模块430确定校正的投影图像不满足所述条件，执行步骤860。从步骤820到840的迭代可以持续到校正模块430确定在新的迭代中，校正的投影图像满足所述条件。
应该注意的是，关于过程800的描述仅出于说明性目的，并不是旨在限制本发明的范围。对于本领域的普通技术人员，可以在本发明的指导下做出多种变化和修改。尽管如此，这些变化和修改并没有脱离本发明的范围。
在一些实施例中，在一次迭代中，处理设备140可以执行过程800在步骤860之后返回到步骤830。在一些实施例中，步骤820可以省略。在步骤830中，校正模块430可以校正在步骤810中获取的投影图像来生成至少两个校正的投影图像。在一些实施例中，过程800的步骤顺序是可以改变的。例如，步骤820中的射束硬化校正和/或散射校正可以在步骤830之后执行来后处理校正的投影图像。在步骤840中，校正模块430可以确定后处理校正的投影图像是否满足条件。又例如，步骤820中的射束硬化校正和/或散射校正可以省略。如果校正的投影图像满足条件，处理设备140可以对校正的投影图像执行射束硬化校正和/或散射校正来后处理校正的投影图像。在步骤850中，重建模块440可以基于至少两个后处理的投影图像，重建受检对象的CT图像。
图9是根据本发明的一些实施例所示的两个示例性机架角间关系的示意图。如图9所示，由辐射源113在位置A向位置B发出的X射线(例如，X射线AB)可以与由辐射源113在位置B向位置A发出的X射线(例如，X射线BA)共线。当辐射源113在位置A时，CT扫描机110的机架角可以是β1；当辐射源113在位置B时，CT扫描机110的机架角可以是β2。机架角β2可以称为图7中描述的对应于X射线AB的机架角β1的对面机架角。在一些实施例中，机架角β2可以由公式(3)确定：
β1＝β2+2×γ+π, (3)
其中γ(如图9所示)表示X射线AB与连接位置A和CT扫描机110的旋转中心O的线之间的交叉角，或者X射线BA与连接位置B和CT扫描机110的旋转中心O的线之间的交叉角。公式(3)的角单位是弧度。
图10是根据本发明的一些实施例所示的受检对象的示例性CT图像1000。该CT图像1000可基于受检对象的多个投影图像生成。如本发明其他地方所述(例如，步骤510及其相关描述)，所述多个投影图像可以对应多个机架角。所述多个投影图像可以被校正和/或归一化以降低在不同的机架角下不均匀的辐射剂量的影响。基于校正和/或归一化的多个投影图像，可以重建CT图像。
在一些实施例中，处理设备140可以通过执行本发明描述的示例性方法(例如，过程500或过程800)来校正投影图像。又例如，处理设备140可以基于在多个机架角下递送至受检对象的上报剂量，校正投影图像。当CT扫描机110在某一机架角扫描受检对象时，可以从电离室获取在所述机架角下递送至受检对象的上报剂量。用于说明目的，基于本发明描述的示例性方法生成的校正的投影图像可以称为第三校正的投影图像，基于上报剂量生成的校正的投影图像称为第四校正的投影图像。
CT图像1000包括如图10所示的区域1010。对于第三和/或第四校正的投影图像，处理设备140可以确定在区域1010的像素的平均灰度值。图11是根据本发明的一些实施例所示的校正的投影图像中区域1010的平均像素值。横轴表示对应于校正的投影图像的机架角，纵轴表示校正的投影图像的区域1010中像素的平均像素值。点划线上的点表示在第三校正的投影图像中区域1010的平均像素值。散射点表示在第四校正的投影图像中区域1010的平均像素值。如图11所示，在第三校正的投影图像中区域1010的平均像素值的波动幅度小于第四校正的投影图像中区域1010的平均像素值的波动幅度，这表明第三校正的投影图像比第四校正的投影图像具有更好的一致性。
上文已对基本概念做了描述，显然，对于本领域技术人员来说，上述发明披露仅仅作为示例，而并不构成对本申请的限定。虽然此处并没有明确说明，本领域技术人员可能会对本申请进行各种修改、改进和修正。该类修改、改进和修正在本申请中被建议，所以该类修改、改进、修正仍属于本申请示范实施例的精神和范围。
同时，本申请使用了特定词语来描述本申请的实施例。如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本申请至少一个实施例相关的某一特征、结构或特点。因此，应强调并注意的是，本说明书中在不同位置两次或多次提及的“一实施例”或“一个实施例”或“一替代性实施例”并不一定是指同一实施例。此外，本申请的一个或多个实施例中的某些特征、结构或特点可以进行适当的组合
此外，本领域技术人员可以理解，本申请的各方面可以通过若干具有可专利性的种类或情况进行说明和描述，包括任何新的和有用的工序、机器、产品或物质的组合，或对他们的任何新的和有用的改进。相应地，本申请的各个方面可以完全由硬件执行、可以完全由软件(包括固件、常驻软件、微码等)执行、也可以由硬件和软件组合执行。以上硬件或软件均可被称为“数据块”、“模块”、“引擎”、“单元”、“组件”或“系统”。此外，本申请的各方面可能表现为位于一个或多个计算机可读介质中的计算机产品，该产品包括计算机可读程序编码。
计算机可读信号介质可能包含一个内含有计算机程序编码的传播数据信号，例如在基带上或作为载波的一部分。该传播信号可能有多种表现形式，包括电磁形式、光形式等等、或合适的组合形式。计算机可读信号介质可以是除计算机可读存储介质之外的任何计算机可读介质，该介质可以通过连接至一个指令执行系统、装置或设备以实现通讯、传播或传输供使用的程序。位于计算机可读信号介质上的程序编码可以通过任何合适的介质进行传播，包括无线电、电缆、光纤电缆、RF、或类似介质、或任何上述介质的组合。
本申请各部分操作所需的计算机程序编码可以用任意一种或多种程序语言编写，包括面向对象编程语言如Java、Scala、Smalltalk、Eiffel、JADE、Emerald、C++、C#、VB.NET、Python等，常规程序化编程语言如C语言、Visual Basic、Fortran 2003、Perl、COBOL 2002、PHP、ABAP，动态编程语言如Python、Ruby和Groovy，或其他编程语言等。该程序编码可以完全在用户计算机上运行、或作为独立的软件包在用户计算机上运行、或部分在用户计算机上运行部分在远程计算机运行、或完全在远程计算机或服务器上运行。在后种情况下，远程计算机可以通过任何网络形式与用户计算机连接，比如局域网(LAN)或广域网(WAN)，或连接至外部计算机(例如通过因特网)，或在云计算环境中，或作为服务使用如软件即服务(SaaS)。
此外，除非权利要求中明确说明，本申请所述处理元素和序列的顺序、数字字母的使用、或其他名称的使用，并非用于限定本申请流程和方法的顺序。尽管上述披露中通过各种示例讨论了一些目前认为有用的发明实施例，但应当理解的是，该类细节仅起到说明的目的，附加的权利要求并不仅限于披露的实施例，相反，权利要求旨在覆盖所有符合本申请实施例实质和范围的修正和等价组合。例如，虽然以上所描述的系统组件可以通过硬件设备实现，但是也可以只通过软件的解决方案得以实现，如在现有的服务器或移动设备上安装所描述的系统。
同理，应当注意的是，为了简化本申请披露的表述，从而帮助对一个或多个发明实施例的理解，前文对本申请实施例的描述中，有时会将多种特征归并至一个实施例、附图或对其的描述中。但是，这种披露方法并不意味着本申请对象所需要的特征比权利要求中提及的特征多。实际上，实施例的特征要少于上述披露的单个实施例的全部特征。
一些实施例中使用了描述成分、属性数量的数字，应当理解的是，此类用于实施例描述的数字，在一些示例中使用了修饰词“大约”、“近似”或“大体上”等来修饰。除非另外说明，“大约”、“近似”或“大体上”表明所述数字允许有±明所述的变化。相应地，在一些实施例中，说明书和权利要求中使用的数值参数均为近似值，该近似值根据个别实施例所需特点可以发生改变。在一些实施例中，数值参数应考虑规定的有效数位并采用一般位数保留的方法。尽管本申请一些实施例中用于确认其范围广度的数值域和参数为近似值，在具体实施例中，此类数值的设定在可行范围内尽可能精确。
最后，应当理解的是，本申请中所述实施例仅用以说明本申请实施例的原则。其他的变形也可能属于本申请的范围。因此，作为示例而非限制，本申请实施例的替代配置可视为与本申请的教导一致。相应地，本申请的实施例不仅限于本申请明确介绍和描述的实施例。

Claims (10)

1.一种校正投影图像的系统，其特征在于，包括：
存储设备，用于存储一组指令集；以及
处理器，所述处理器与所述存储设备通信，其中，在执行所述指令集时，所述处理器用于：
获取受检对象的至少两个投影图像，所述至少两个投影图像根据CT扫描机在至少两个机架角获取的扫描数据生成，每个投影图像对应一个机架角；以及
根据生成校正的投影图像的过程来校正所述至少两个投影图像的第一投影图像，所述第一投影图像对应所述至少两个机架角的第一机架角，所述生成校正的投影图像的过程包括：
基于所述第一投影图像的至少一部分，对所述第一投影图像执行第二校正来生成对应于所述第一机架角的校正的第一投影图像，其中，所述第一投影图像的至少一部分包括与所述CT扫描机在所述第一机架角的中间通道对应的一个或以上像素。
2.根据权利要求1所述的校正投影图像的系统，其特征在于，所述处理器还用于：
根据所述生成校正的投影图像的过程，校正所述至少两个投影图像来生成至少两个校正的投影图像；以及
基于所述至少两个校正的投影图像，重建所述受检对象的CT图像。
3.根据权利要求2所述的校正投影图像的系统，其特征在于，为了校正所述至少两个投影图像，所述处理器用于：
执行至少一次迭代，所述迭代的每次当前迭代包括：
根据所述生成校正的投影图像的过程，校正所述当前迭代中的所述至少两个投影图像来生成至少两个校正的投影图像；
确定所述当前迭代中的所述至少两个校正的投影图像是否满足条件；以及
如果所述至少两个校正的投影图像不满足所述条件，将所述当前迭代中的所述至少两个校正的投影图像指定为下次迭代中的所述至少两个投影图像。
4.根据权利要求1所述的校正投影图像的系统，其特征在于，对所述第一投影图像执行所述第二校正来生成校正的第一投影图像包括：
识别所述第一投影图像的至少一个像素，所述识别的至少一个像素对应所述CT扫描机在所述第一机架角的中间通道；
对于每个像素，识别对应于所述每个像素的对面像素；
基于所述至少一个像素的至少一个对面像素，生成所述第一投影图像的参考图像；
基于所述识别的至少一个像素和所述参考图像的差异，确定所述第一投影图像的第二校正系数；以及
基于所述第二校正系数和所述第一投影图像，生成对应于所述第一机架角的所述校正的第一投影图像。
5.根据权利要求1所述的校正投影图像的系统，其特征在于，生成所述第一投影图像包括：
预处理所述第一投影图像来生成预处理的第一投影图像，所述第一投影图像的所述预处理至少包括射束硬化校正或散射校正。
6.根据权利要求1所述的校正投影图像的系统，其特征在于，所述处理器用于：
后处理所述校正的第一投影图像，所述校正的第一投影图像的所述后处理至少包括射束硬化校正或散射校正。
7.一种校正投影图像的方法，其特征在于，所述方法包括：
获取受检对象的至少两个投影图像，所述至少两个投影图像根据CT扫描机在至少两个机架角获取的扫描数据生成，每个投影图像对应一个机架角；以及
根据生成校正的投影图像的过程来校正所述至少两个投影图像的第一投影图像，所述第一投影图像对应所述至少两个机架角的第一机架角，所述生成校正的投影图像的过程包括：
基于所述第一投影图像的至少一部分，对所述第一投影图像执行第二校正来生成对应于第一机架角的校正的第一投影图像，其中，所述第一投影图像的至少一部分包括与所述CT扫描机在所述第一机架角的中间通道对应的一个或以上像素。
8.根据权利要求7所述的校正投影图像的方法，其特征在于，所述方法包括：
根据所述生成校正的投影图像的过程，校正所述至少两个投影图像来生成至少两个校正的投影图像；以及
基于所述至少两个校正的投影图像，重建所述受检对象的CT图像。
9.根据权利要求8所述的校正投影图像的方法，其特征在于，校正所述至少两个投影图像包括：
执行至少一次迭代，所述迭代的每次当前迭代包括：
根据所述生成校正的投影图像的过程，校正所述当前迭代中的所述至少两个投影图像来生成多个校正的投影图像；
确定所述当前迭代中的所述至少两个校正的投影图像是否满足条件；以及
如果所述至少两个校正的投影图像不满足所述条件，将所述当前迭代中的所述至少两个校正的投影图像指定为下次迭代中的所述至少两个投影图像。
10.根据权利要求7所述的校正投影图像的方法，其特征在于，对所述第一投影图像执行所述第二校正来生成校正的第一投影图像包括：
识别所述第一投影图像的至少一个像素，所述识别的至少一个像素对应所述CT扫描机在所述第一机架角的中间通道；
对于每个像素，识别对应于所述每个像素的对面像素；
基于所述至少一个像素的至少一个对面像素，生成所述第一投影图像的参考图像；
基于所述识别的至少一个像素和所述参考图像的差异，确定所述第一投影图像的第二校正系数；以及
基于所述第二校正系数和所述第一投影图像，生成对应于所述第一机架角的所述校正的第一投影图像。
CN202210857723.8A 2017-11-08 2018-11-05 校正投影图像的系统和方法 Pending CN115153608A (zh)

Applications Claiming Priority (5)

Application Number Priority Date Filing Date Title
PCT/CN2017/110032 WO2019090541A1 (en) 2017-11-08 2017-11-08 Systems and methods for correcting projection images in computed tomography image reconstruction
CNPCT/CN2017/110032 2017-11-08
PCT/CN2018/087884 WO2019091087A1 (en) 2017-11-08 2018-05-22 Systems and methods for correcting projection images in computed tomography image reconstruction
CNPCT/CN2018/087884 2018-05-22
CN201811306943.1A CN109431528B (zh) 2017-11-08 2018-11-05 校正投影图像的系统和方法

Related Parent Applications (1)

Application Number Title Priority Date Filing Date
CN201811306943.1A Division CN109431528B (zh) 2017-11-08 2018-11-05 校正投影图像的系统和方法

Publications (1)

Publication Number Publication Date
CN115153608A true CN115153608A (zh) 2022-10-11

Family

ID=65550490

Family Applications (2)

Application Number Title Priority Date Filing Date
CN202210857723.8A Pending CN115153608A (zh) 2017-11-08 2018-11-05 校正投影图像的系统和方法
CN201811306943.1A Active CN109431528B (zh) 2017-11-08 2018-11-05 校正投影图像的系统和方法

Family Applications After (1)

Application Number Title Priority Date Filing Date
CN201811306943.1A Active CN109431528B (zh) 2017-11-08 2018-11-05 校正投影图像的系统和方法

Country Status (2)

Country Link
US (2) US11875434B2 (zh)
CN (2) CN115153608A (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111553960B (zh) * 2020-04-24 2023-04-07 重庆大学 一种基于投影均值图像的环状伪影快速校正方法
CN113223109B (zh) * 2021-05-27 2022-08-12 明峰医疗系统股份有限公司 一种基于ct轴扫描的坏点校正方法

Family Cites Families (28)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2311527B1 (en) 2000-02-18 2019-08-28 William Beaumont Hospital Cone-beam computerized tomography with a flat-panel imager
DE10122876C2 (de) * 2000-11-24 2003-08-21 Siemens Ag Verfahren zum Betrieb eines Bildsystems einer bildgebenden medizinischen Untersuchungseinrichtung und medizinische Untersuchungseinrichtung
US6904118B2 (en) 2002-07-23 2005-06-07 General Electric Company Method and apparatus for generating a density map using dual-energy CT
DE102008011391A1 (de) * 2008-02-27 2009-10-15 Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. Röntgencomputertomograph und Verfahren zur Untersuchung eines Objektes mittels Röntgencomputertomographie
US8938104B2 (en) * 2008-08-29 2015-01-20 Varian Medical Systems International Ag Systems and methods for adaptive filtering
JP5568232B2 (ja) * 2008-11-17 2014-08-06 富士フイルム株式会社 断層画像撮影装置
WO2010144094A1 (en) * 2009-06-12 2010-12-16 Analogic Corporation Correction for source switching in multi energy scanner
JP5400546B2 (ja) * 2009-09-28 2014-01-29 株式会社日立メディコ Ｘ線ｃｔ装置
JP2011072346A (ja) * 2009-09-29 2011-04-14 Fujifilm Corp Ｘ線画像撮影装置、撮影方法および撮影プログラム
JP2011072538A (ja) * 2009-09-30 2011-04-14 Fujifilm Corp Ｘ線画像撮影装置、撮影方法および撮影プログラム
US8199874B2 (en) * 2009-12-11 2012-06-12 General Electric Company System and method of mitigating low signal data for dual energy CT
JP2012050562A (ja) * 2010-08-31 2012-03-15 Fujifilm Corp 放射線画像撮影装置、放射線画像撮影方法およびプログラム
EP2465435B1 (en) * 2010-12-14 2019-12-04 General Electric Company Selection of optimal viewing angle to optimize anatomy visibility and patient skin dose
JP5697970B2 (ja) 2010-12-22 2015-04-08 ジーイー・メディカル・システムズ・グローバル・テクノロジー・カンパニー・エルエルシー Ｘ線ｃｔ装置
EP2747655B1 (en) * 2011-10-24 2019-02-06 Koninklijke Philips N.V. Apparatus and method for motion compensated second pass metal artifact correction for ct slice images
RU2014154006A (ru) * 2012-06-05 2016-08-10 Конинклейке Филипс Н.В. Калибровка с декомпозицией на слои движения рентгеновских ст-томографов
WO2014041889A1 (ja) * 2012-09-13 2014-03-20 株式会社日立メディコ Ｘ線ｃｔ装置およびｘ線ｃｔ画像の処理方法
CN103679642B (zh) 2012-09-26 2016-08-03 上海联影医疗科技有限公司 一种ct图像金属伪影校正方法、装置及ct设备
JP6225690B2 (ja) * 2013-12-18 2017-11-08 コニカミノルタ株式会社 断層画像生成システム
CN104783824B (zh) 2014-01-20 2020-06-26 上海联影医疗科技有限公司 X射线成像系统的校正方法
JP6472606B2 (ja) 2014-05-15 2019-02-20 キヤノンメディカルシステムズ株式会社 Ｘ線診断装置
US9449385B2 (en) * 2014-06-02 2016-09-20 Toshiba Medical Systems Corporation Reconstruction of computed tomography images using combined third-generation and fourth-generation projection data
CN104605882B (zh) 2015-01-23 2017-10-27 上海联影医疗科技有限公司 放射治疗系统中的图像获取方法、装置及放射治疗系统
US9628723B2 (en) * 2015-02-13 2017-04-18 Toshiba Medical Systems Corporation Computed tomography scanner calibration with angle correction for scan angle offset
US9895127B2 (en) 2015-08-31 2018-02-20 General Electric Company Systems and methods of image acquisition for surgical instrument reconstruction
JP6640550B2 (ja) * 2015-12-21 2020-02-05 キヤノンメディカルシステムズ株式会社 Ｘ線診断装置
CN106251313B (zh) 2016-08-15 2020-06-26 上海联影医疗科技有限公司 医学成像方法及系统
US10327727B2 (en) * 2017-05-12 2019-06-25 Varian Medical Systems, Inc. Automatic estimating and reducing scattering in computed tomography scans

Also Published As

Publication number Publication date
US20230100281A1 (en) 2023-03-30
US11875434B2 (en) 2024-01-16
CN109431528A (zh) 2019-03-08
CN109431528B (zh) 2022-05-31
US20240153165A1 (en) 2024-05-09

Similar Documents

Publication Publication Date Title
US11508102B2 (en) Systems and methods for image processing
US11080896B2 (en) Systems and methods for computed tomography image reconstruction
CN107346555B (zh) 电子计算机断层扫描图像数据处理方法
CN108986892B (zh) 用于确定活度图和衰减图的系统和方法
US11875433B2 (en) System and method for scatter correction
CN107895390B (zh) 电子计算机断层扫描图像数据处理系统及方法
US11875434B2 (en) Systems and methods for correcting projection images in computed tomography image reconstruction
WO2021190276A1 (en) Systems and methods for projection data simulation
US11521336B2 (en) Systems and methods for correcting projection images in computed tomography image reconstruction
US11538160B2 (en) Systems and methods for scatter correction of image
CN109255825B (zh) 用于实现正投影的方法、装置、存储介质以及图像重建方法
US20230125320A1 (en) Systems and methods for x-ray imaging
US20230298233A1 (en) Systems and methods for material decomposition
US11875430B2 (en) System and method for synthesizing a projection image
US20240296601A1 (en) Systems and methods for data processing
US20220084172A1 (en) Imaging systems and methods

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