CN116416329A - 一种乳腺断层图像重建方法和系统 - Google Patents

一种乳腺断层图像重建方法和系统 Download PDF

Info

Publication number
CN116416329A
CN116416329A CN202111674386.0A CN202111674386A CN116416329A CN 116416329 A CN116416329 A CN 116416329A CN 202111674386 A CN202111674386 A CN 202111674386A CN 116416329 A CN116416329 A CN 116416329A
Authority
CN
China
Prior art keywords
image
projection
target region
pixel
index
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
CN202111674386.0A
Other languages
English (en)
Inventor
胡扬
杨乐
张娜
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
Application filed by Shanghai United Imaging Healthcare Co Ltd filed Critical Shanghai United Imaging Healthcare Co Ltd
Priority to CN202111674386.0A priority Critical patent/CN116416329A/zh
Priority to PCT/CN2022/142893 priority patent/WO2023125683A1/en
Publication of CN116416329A publication Critical patent/CN116416329A/zh
Priority to US18/675,181 priority patent/US20240312119A1/en
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
    • G06T11/006—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
    • G06T15/00—3D [Three Dimensional] image rendering
    • G06T15/08—Volume rendering
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T19/00—Manipulating 3D models or images for computer graphics
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2210/00—Indexing scheme for image generation or computer graphics
    • G06T2210/41—Medical
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2211/00—Image generation
    • G06T2211/40—Computed tomography
    • G06T2211/441—AI-based methods, deep learning or artificial neural networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2219/00—Indexing scheme for manipulating 3D models or images for computer graphics
    • G06T2219/004—Annotating, labelling

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Graphics (AREA)
  • General Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Computer Hardware Design (AREA)
  • Algebra (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Physics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Apparatus For Radiation Diagnosis (AREA)

Abstract

本申请实施例公开了一种乳腺断层图像重建方法。该方法包括获得成像对象的一个或多个投影图像和与之对应的第一重建图像以及基于第一重建图像，确定在每一个一个或多个投影图像中目标区域的初始范围。目标区域为具有大于预定X射线衰减系数阈值的物质在投影图像上产生的低灰度区域。该方法还包括在初始范围内，在每个投影图像上确定目标区域，以及至少基于目标区域，生成成像对象的三维图像。本申请利用第一重建图像进行目标区域粗定位，基于粗定位的目标区域，在投影图像上进行去除(或分割)，提高目标区域去除(或分割)的准确性，生成的成像对象的三维图像具有较好的高衰减物质伪影去除效果。

Description

一种乳腺断层图像重建方法和系统
技术领域
本说明书涉及成像技术领域，特别涉及一种乳腺断层图像重建方法和系统。
背景技术
断层摄影系统(Tomosynthesis，TOMO)，例如数字乳腺断层摄影(Digital BreastTomosynthesis，DBT)系统、数字放射断层摄影(Digital radiography Tomosynthesis，DRTOMO)系统等，是一种新型的利用有限角度的计算机断层摄影来呈现物体(或对象)的三维信息的系统。与常规的2D成像方式相比，TOMO系统在没有较大程度的增加患者所受剂量的前提下，能够有效的增加病灶部位的诊断敏感性，降低患者的复检率，是近些年比较新兴的图像获取技术。但是，由于采集成像数据的角度有限，TOMO系统得到的重建图像中常常会出现各种高衰减物质伪影(例如，金属伪影)。该伪影会降低成像图像的质量，进而影响患者的诊断结果。因此，有必要提供一种乳腺断层图像重建方法和系统以去除该伪影，提高成像图像的质量。
发明内容
本申请实施例之一提供一种乳腺断层图像重建方法。所述乳腺断层图像重建方法可以包括获得成像对象的一个或多个投影图像和与之对应的第一重建图像。所述乳腺断层图像重建方法可以包括基于所述第一重建图像，确定在每一个所述一个或多个投影图像中目标区域的初始范围。所述目标区域可以为具有大于预定X射线衰减系数阈值的物质在投影图像上产生的低灰度区域。所述乳腺断层图像重建方法可以包括在所述初始范围内，在所述每个投影图像上确定所述目标区域。所述乳腺断层图像重建方法还可以包括至少基于所述目标区域，生成所述成像对象的三维图像。
在一些实施例中，所述基于所述第一重建图像，确定在每一个所述一个或多个投影图像中目标区域的初始范围，可以包括沿预设方向对所述第一重建图像进行最大密度投影以生成所述第一重建图像的最大密度投影图像，以及基于所述最大密度投影图像，确定所述每个投影图像上所述目标区域的所述初始范围。
在一些实施例中，所述基于所述最大密度投影图像，确定所述每个投影图像上所述目标区域的所述初始范围，可以包括基于所述第一重建图像，生成所述最大密度投影图像在所述预设方向的索引图像，所述索引图像包括索引值，所述索引值为所述最大密度投影图像中的像素在所述第一重建图像中的位置，基于预设灰度阈值和所述最大密度投影图像，生成二值化图像，以及基于所述二值化图像和所述索引图像，确定所述每个投影图像上所述目标区域的所述初始范围。
在一些实施例中，所述基于所述最大密度投影图像，确定所述每个投影图像上所述目标区域的所述初始范围，可以包括基于所述第一重建图像，生成所述最大密度投影图像在所述预设方向的索引图像，生成所述最大密度投影图像的相对梯度图像，基于预设梯度阈值和所述相对梯度图像，生成二值化图像，以及基于所述二值化图像和所述索引图像，确定所述每个投影图像上所述目标区域的所述初始范围。
在一些实施例中，所述基于预设梯度阈值和所述相对梯度图像，生成二值化图像，可以包括基于所述预设灰度阈值和所述最大密度投影图像，生成初始二值化图像，以及通过基于所述预设梯度阈值和所述相对梯度图像更新所述初始二值化图像，生成所述二值化图像。
在一些实施例中，所述基于所述二值化图像和所述索引图像，确定所述每个投影图像上所述目标区域的所述初始范围，可以包括基于所述二值化图像，利用区域增长方法，获得所述目标区域对应的一个或多个像素簇，对于所述一个或多个像素簇中的每一个，基于所述像素簇和所述索引图像，在所述第一重建图像中，标记所述像素簇对应的体素的体数据，以及基于所述一个或多个像素簇对应的体素的体数据，获得所述每个投影图像上所述目标区域的所述初始范围。
在一些实施例中，对于所述一个或多个像素簇中的每一个，基于所述像素簇和所述索引图像，在所述第一重建图像中，标记所述像素簇对应的体素的体数据，可以包括对所述像素簇中的像素对应的索引图像中的索引值进行直方图统计，基于所述直方图统计，获得所述像素簇的像素对应的索引值范围，以及基于所述像素簇的像素对应的索引值范围，在所述第一重建图像中，标记所述像素簇对应的体素的体数据。
在一些实施例中，所述基于所述一个或多个像素簇对应的体素的体数据，获得所述每个投影图像上所述目标区域的所述初始范围，可以包括将所述一个或多个像素簇对应的体素的体数据，沿获得所述投影图像时射线的入射方向投影，获得所述投影图像上所述目标区域的所述初始范围。
在一些实施例中，所述至少基于所述目标区域，生成所述成像对象的所述三维图像可以包括基于去除所述目标区域后的一个或多个投影图像和所述一个或多个投影图像两者中的至少一者，以及所述目标区域，生成所述成像对象的所述三维图像。
在一些实施例中，所述基于去除所述目标区域后的一个或多个投影图像和所述一个或多个投影图像两者中的至少一者，以及所述目标区域，生成所述成像对象的所述三维图像，可以包括对所述目标区域进行重建，获得第二重建图像，对所述去除目标区域后的一个或多个投影图像的对应区域进行插值，对所述插值后的一个或多个投影图像进行重建，获得第三重建图像，以及基于所述一个或多个投影图像和第三重建图像两者中的至少一者以及第二重建图像，生成所述成像对象的三维图像。
在一些实施例中，所述乳腺断层图像重建方法可以应用于处理乳腺图像。
本申请实施例之一提供一种乳腺断层图像重建系统。所述乳腺断层图像重建系统可以包括获取模块、第一确定模块、第二确定模块以及生成模块。所述获取模块可以被配置为获得成像对象的一个或多个投影图像和与之对应的第一重建图像。所述第一确定模块可以被配置为基于所述第一重建图像，确定在每一个所述一个或多个投影图像中目标区域的初始范围。所述目标区域可以为具有大于预定X射线衰减系数阈值的物质在投影图像上产生的低灰度区域。所述第二确定模块可以被配置为在所述初始范围内，在所述每个投影图像上确定所述目标区域。所述生成模块可以被配置为至少基于所述目标区域，生成所述成像对象的三维图像。
在一些实施例中，所述系统可以包括乳腺机。所述投影图像可以自所述乳腺机。
附图说明
本说明书将以示例性实施例的方式进一步说明，这些示例性实施例将通过附图进行详细描述。这些实施例并非限制性的，在这些实施例中，相同的编号表示相同的结构，其中：
图1是根据本说明书一些实施例所示的示例性成像系统的示意图；
图2是根据本说明书一些实施例所示的DBT设备的示意图；
图3是根据本说明书一些实施例所示的乳腺断层图像重建的示例性流程图；
图4是根据本说明书一些实施例所示的确定投影图像上目标区域的初始范围的示例性流程图；
图5是根据本说明书一些实施例所示的确定投影图像上目标区域的初始范围的示例性流程图；
图6是根据本说明书一些实施例所示的确定投影图像上目标区域的初始范围的示例性流程图；
图7是根据本说明书一些实施例所示的乳腺断层图像重建系统的模块图。
具体实施方式
为了更清楚地说明本说明书实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单的介绍。显而易见地，下面描述中的附图仅仅是本说明书的一些示例或实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图将本说明书应用于其它类似情景。除非从语言环境中显而易见或另做说明，图中相同标号代表相同结构或操作(或步骤)。
应当理解，本文使用的“系统”、“装置”、“单元”和/或“模块”是用于区分不同级别的不同组件、元件、部件、部分或装配的一种方法。然而，如果其他词语可实现相同的目的，则可通过其他表达来替换所述词语。
如本说明书和权利要求书中所示，除非上下文明确提示例外情形，“一”、“一个”、“一种”和/或“该”等词并非特指单数，也可包括复数。一般说来，术语“包括”与“包含”仅提示包括已明确标识的步骤和元素，而这些步骤和元素不构成一个排它性的罗列，方法或者设备也可能包含其它的步骤或元素。
本说明书中使用了流程图用来说明根据本说明书的实施例的系统所执行的操作(或步骤)。应当理解的是，前面或后面操作(或步骤)不一定按照顺序来精确地执行。相反，可以按照倒序或同时处理各个步骤。同时，也可以将其他操作(或步骤)添加到这些过程中，或从这些过程移除某一步或数步操作(或步骤)。
本说明书中的术语“图像”用于地指代图像数据(例如，扫描数据、投影数据)和/或各种形式的图像，包括二维(2D)图像、三维(3D)图像、四维(4D)图像等。本说明书中的术语“像素”和“体素”可互换使用以指代图像的元素。本说明书中的术语“解剖结构”可以指的是气体(例如，空气)、液体(例如，水)、固体(例如，石)、细胞、组织、成像对象的器官等，或其任意组合，其可以显示在图像中，并且真实存在于成像对象的身体中或上。本说明书中的术语“范围”、“位置”和“区域”可以指图像中所示的解剖结构的位置或成像对象身体中或上存在的解剖结构的实际位置，这是因为图像可以指示成像对象身体中或上存在的某种解剖结构的实际位置。
本说明书实施例中提供一种乳腺断层图像重建方法。该方法可以包括获得成像对象(例如，乳腺)的一个或多个投影图像和与之对应的第一重建图像。该方法还可以包括基于第一重建图像，确定在每一个所述一个或多个投影图像中目标区域的初始范围。目标区域可以为具有大于预定X射线衰减系数阈值的物质(例如，金属植入物、钙化点、钙化区域)在投影图像上产生的低灰度区域。该方法进一步可以包括在初始范围内，在每个投影图像上确定目标区域以及至少基于目标区域，生成成像对象的三维图像。本说明书利用第一重建图像进行目标区域的粗定位(即获得目标区域的初始范围)，基于粗定位的目标区域，在投影图像上进行进一步去除(或分割)，这提高了目标区域去除(或分割)的准确性，从而生成的成像对象的三维图像具有较好的高衰减物质伪影去除效果。
图1是根据本说明书一些实施例所示的示例性成像系统的示意图。成像系统100可以包括成像设备110、网络120、一个或以上终端130、处理设备140以及存储设备150。在一些实施例中，成像系统100的两个或以上组件可以通过无线连接(例如，网络120)、有线连接或其任意组合来彼此连接和/或彼此通信。成像系统100的组件之间的连接可以是可变的。仅作为示例，成像系统100可以通过网络120或直接连接到处理设备140。又例如，存储设备150可以通过网络120或直接连接到处理设备140。
成像设备110可以用于获取与成像对象的至少一部分相关的成像数据。成像对象可包括任何生物对象(例如，人、动物、植物或其一部分)和/或非生物对象(例如，模体)。例如，成像对象可包括身体的特定目标部分或器官，例如成像对象的头部、胸部、腹部、大脑、乳腺、肠道等，或其任意组合。成像设备110可以扫描成像对象或其位于其检测区域内的部分并生成与成像对象或其部分相关的成像数据。与成像对象的至少一部分相关的成像数据可以包括投影图像、投影数据等。在一些实施例中，成像设备110可以包括DBT设备、DRTOMO设备等。为了说明的目的，参考DBT设备来描述本说明书。关于DBT设备的更多描述可以在本说明书的其他地方找到，例如，参见图2及其相关描述。
网络120可以包括能够促进成像系统100的信息和/或数据交换的任何合适的网络。仅作为示例，网络120可以包括医院信息管理系统(Hospital Information System，HIS)、医学影像存档与传输系统(Picture archiving and communication systems，PACS)或者尽管独立于HIS或PACS但连接于其上其他网络。在一些实施例中，成像系统100的一个或多个组件(例如，成像设备110、终端130、处理设备140、存储设备150等)可以通过网络120与成像系统100的一个或多个其他组件之间交换信息和/或数据。例如，处理设备140可以通过网络120从成像设备110获取成像数据。又例如，处理设备140可以通过网络120从终端130获得用户(例如，医生、放射科医师)指令。
终端130可以实现用户与成像系统100之间的用户交互。在一些实施例中，终端130可以与成像设备110、处理设备140和/或存储设备150连接和/或通信。例如，终端130可以从处理设备140获得处理结果，例如，成像对象的三维图像。又例如，终端130可以显示从处理设备140获得的处理结果。再例如，用户(例如，医生、放射科医师)可以通过终端130向成像设备110发送一种或多种控制指令以控制成像设备110按照指令进行扫描。在一些实施例中，终端130可以包括移动设备、平板电脑、笔记本电脑等或其任意组合。在一些实施例中，终端130可以是处理设备140或成像设备110的一部分。
处理设备140可以处理从成像设备110、终端130和/或存储设备150获得的数据和/或信息。例如，处理设备140可以获得成像对象(例如，乳腺)的一个或多个投影图像和与之对应的第一重建图像。基于第一重建图像，处理设备140可以确定在每一个所述一个或多个投影图像中目标区域的初始范围。在初始范围内，处理设备140可以在每个投影图像上确定目标区域。进一步，至少基于目标区域，处理设备140可以生成成像对象的三维图像。在一些实施例中，处理设备140可以包括单个服务器或服务器组。服务器组可以是集中式的，也可以是分布式的。在一些实施例中，处理设备140可以是本地的或远程的。例如，处理设备140可以通过网络120从成像设备110、终端130和/或存储设备150访问信息和/或数据。又例如，处理设备140可以直接连接成像设备110、终端130和/或存储设备150以访问信息和/或数据。在一些实施例中，处理设备140可以在云平台上实现。例如，云平台可以包括私有云、公共云、混合云、社区云、分布式云、云间云、多云等，或其任意组合。
存储设备150可以存储数据(例如，成像对象的一个或多个投影图像、第一重建图像、成像对象的三维图像等)、指令和/或任何其他信息。在一些实施例中，存储设备150可以存储从成像设备110、终端130和/或处理设备140处获得的数据，例如，存储设备150可以存储从成像设备110获得的成像对象的一个或多个投影图像。在一些实施例中，存储设备150可以存储处理设备140执行或使用的数据和/或指令，以执行本说明书中描述的示例性方法。在一些实施例中，存储设备150可包括大容量存储器、可移除存储器、易失性读写存储器、只读存储器(ROM)等其中一种或几种的组合。在一些实施例中，存储设备150可以通过本说明书中描述的云平台实现。在一些实施例中，存储设备150可以经由网络120与成像系统100中的一个或多个组件(例如，处理设备140、终端130等)通信。成像系统100中的一个或多个组件可以通过网络120读取存储设备150中的数据或指令。在一些实施例中，存储设备150可以是处理设备140或成像设备110的一部分。
应该注意的是，上述关于成像系统100的描述仅出于说明性目的而提供，并不旨在限制本说明书的范围。对于本领域普通技术人员而言，在本说明书内容的指导下，可做出多种变化和修改。例如，成像系统100可以包括一个或以上附加组件和/或成像系统100的一个或以上组件可以省略。又例如，成像系统100的组件可以在两个或以上子组件上实现和/或成像系统100的两个或以上组件可以集成为单个组件。然而，这些变化和修改不脱离本说明书的范围。
图2是根据本说明书一些实施例所示的DBT设备的示意图。如图2所示，DBT设备200可以包括辐射源210、压迫板220、探测器230以及机架240等。在一些实施例中，辐射源210、压迫板220和探测器230可以安装在机架240上。
辐射源210可以在一定角度范围内向成像对象发射放射线。例如，如图2所示，辐射源210可以在角度范围(例如，15°-60°)内移动，且在角度范围内任意角度向成像对象发射放射线。仅作为示例，如图2所示，成像对象可以为乳腺，辐射源210可在角度A、角度B和角度C向乳腺发射放射线。在一些实施例中，放射线可以为X射线。在一些实施例中，如图2所示，放射线可以为放射线束。压迫板220可以用于固定成像对象，例如乳腺。如图2所示，压迫板220可以将乳腺压持在探测器230上。探测器230可以检测从DBT设备200的成像区域(例如，压迫板220和探测器230之间的区域)发射的辐射(例如，X射线光子)。
探测器230可以进一步将检测到的射线信号转化为数字信号输出，例如输出至处理器(例如处理设备140)处理或存储设备(例如，存储设备150)存储。进一步，处理设备140可以基于探测器230输出的数字信号生成成像对象(例如，乳腺)的一个或多个投影图像。例如，处理设备140可以生成对应每个角度(例如，角度A、角度B和角度C)的投影图像。处理设备140还可以通过对一个或多个投影图像进行重建，生成成像对象的第一重建图像。第一重建图像可以为包括多个图像层的三维图像。该三维图像可以反映成像对象的三维信息，例如成像对象的三维坐标。
出于说明目的，图2中提供了坐标系250。坐标系250可以是包括X轴、Y轴和Z轴。图2中所示的X轴和Y轴可以是水平的，Z轴可以是垂直的。如图所示，从面向DBT设备200的方向看时，图2中所示的沿着Z轴的正Z方向可以是从DBT设备200的底部到顶部的方向；图2中所示的沿着Y轴的正Y方向可以是从探测器230的左侧到右侧的方向；图2中所示的沿着X轴的正X方向可以是从画面里到画面外的方向。仅作为示例，第一重建图像中的每个图像层平行于X轴和Y轴所在的平面，多个图像层沿Z轴叠加，且第一重建图像中的每个体素具有相对于坐标系250的三维坐标。
在一些实施例中，成像对象(例如，乳腺)可能会包括高衰减物质，例如金属植入物或者病变(例如钙化点、钙化区域)。由于高衰减物质对放射线(例如，X射线)的吸收系数相对人体正常组织更大，当放射线穿过含高衰减物质的人体组织(例如，乳腺)时，高衰减物质可能会导致穿过的放射线发生较大程度的衰减，从而该放射线到达探测器230上的光子数量较少，这导致后续图像重建过程中，穿过该高衰减物体的射线路径下的所有体素的衰减值可能被错误的估计。该错误的估计可能会在重建图像中产生高衰减物质伪影(例如，金属伪影、钙化伪影)。该高衰减物质伪影可以包括面内伪影和面外伪影。面内伪影指重建图像中高衰减物质所在的图像层(也称为聚焦层)中的伪影。面外伪影指重建图像中除高衰减物质所在的图像层之外的其他图像层(也称为非聚焦层)中的伪影。
进一步，由于TOMO系统(例如，DBT设备200)采集的投影角度相对其他成像系统(例如，计算机断层扫描(Computed Tomography，CT))少，被错误估计的体素值较难通过较多数量的其他角度的投影图像来补偿，因此，TOMO系统的高衰减物质伪影较其他成像系统(例如，CT)更强。因此，为了提高TOMO系统获得的图像的质量和病变组织的诊断准确性，需要将高衰减物质伪影去除。为了去除该高衰减物质伪影，本说明书提供了一种乳腺断层图像重建方法。关于该乳腺断层图像重建方法的更多描述可以在本说明书的其他地方找到，例如，参见图3及其相关描述。
应该注意的是，上述关于DBT设备200以及高衰减物质伪影的描述仅出于说明性目的而提供，并不旨在限制本说明书的范围。对于本领域普通技术人员而言，在本说明书内容的指导下，可做出多种变化和修改。例如，辐射源210可在除角度A、角度B和角度C外的其他角度向乳腺发射放射线。然而，这些变化和修改不脱离本说明书的范围。
图3是根据本说明书一些实施例所示的乳腺断层图像重建的示例性流程图。在一些实施例中，过程300可以由成像系统100执行。例如，过程300可以实现为存储在存储设备(例如，存储设备150)中的一组指令(例如，应用程序)。在一些实施例中，处理设备140可以执行该组指令以及被该组指令引导以执行过程300。
步骤310，获得成像对象的一个或多个投影图像和与之对应的第一重建图像。在一些实施例中，步骤310可以由图7中所示的获取模块710执行。
根据图1所述，成像对象可以包括任何生物对象(例如，人、动物、植物或其一部分)和/或非生物对象(例如，模体)。例如，成像对象可包括身体的特定目标部分或器官，例如成像对象的头部、胸部、腹部、大脑、乳腺、肠道等，或其任意组合。投影图像可以指成像设备(例如，成像系统100的成像设备110、图2所示的DBT设备200)对成像对象(例如，乳腺)进行扫描获得的投影数据和/或图像。
在一些实施例中，成像对象的一个或多个投影图像的获得可以是即时的。例如，处理设备140可以直接指示成像设备110或DBT设备200扫描成像对象以获取一个或多个投影图像。在一些实施例中，成像对象的一个或多个投影图像的获得相对采集时刻可以存在时间间隔的。例如，成像对象的一个或多个投影图像可以事先生成并存储在存储设备(例如，存储设备150、外部存储设备)中。例如，成像系统100的成像设备110可以对成像对象进行扫描以生成成像对象的一个或多个投影图像。又例如，DBT设备200可以从多个角度对成像对象进行扫描以生成每个角度的成像对象的投影图像。进一步，成像设备110或DBT设备200可以将所生成的一个或多个投影图像传输到存储设备以进行存储。处理设备140可以从存储设备获得一个或多个投影图像。
第一重建图像可以为包括多个图像层的三维图像。在一些实施例中，处理设备140可以通过对一个或多个投影图像进行重建，生成一个或多个投影图像的第一重建图像。仅作为示例，重建可以包括滤波反投影(Filtered Back Projection，FBP)、反投影滤波(BackProjection Filtered，BPF)、迭代重建等，或其任意组合。在一些实施例中，一个或多个投影图像的第一重建图像也可以事先生成并存储在存储设备(例如，存储设备150、外部存储设备)中。处理设备140可以从存储设备获得一个或多个投影图像的第一重建图像。
步骤320，基于第一重建图像，确定在每一个所述一个或多个投影图像中目标区域(也可以称为高衰减区域)的初始范围。在一些实施例中，步骤330可以由图7中所示的第一确定模块720执行。
初始范围可以指目标区域的大致范围。该大致范围可以是与目标区域的重合度大于阈值(90％、80％、或70％)的区域。目标区域可以指具有大于预定X射线衰减系数阈值的物质在投影图像上产生的低灰度区域(例如，伪影)。在一些实施例中，具有大于预定X射线衰减系数阈值的物质可以称为高X射线衰减物质或高衰减物质。仅作为示例，高衰减物质可以包括金属植入物或钙化点或钙化区域等。该阈值可以是成像系统100的默认设置，或由用户(例如，医生、放射科医师)手动设置，或者由处理设备140根据实际需要调整。
在一些实施例中，处理设备140可以沿预设方向对第一重建图像进行最大密度投影以生成第一重建图像的最大密度投影图像。预设方向可以包括第一重建图像中多个图像层叠加的方向，即，垂直于每个图像层延伸方向的方向，例如，如图2中所示的Z轴的方向。具体地，假设沿着预设方向(例如，如图2中所示的Z轴的方向)射出一条光线穿过第一重建图像并将其投影到垂直于预设方向的二维平面(例如，如图2中所示的X轴和Y轴所在的平面)上，光线所经过第一重建图像的像素中具有最大灰度值的像素作为第一重建图像的最大密度投影图像的像素。
基于最大密度投影图像，处理设备140可以确定每个投影图像上目标区域的初始范围。例如，基于第一重建图像，处理设备140可以生成最大密度投影图像在预设方向的索引图像。基于预设灰度阈值和最大密度投影图像，处理设备140可以生成二值化图像。基于二值化图像和索引图像，处理设备140可以确定每个投影图像上目标区域的初始范围。又例如，处理设备140可以生成最大密度投影图像的相对梯度图像。基于预设梯度阈值和相对梯度图像，处理设备140可以生成二值化图像。基于二值化图像和索引图像，处理设备140可以确定每个投影图像上目标区域的初始范围。关于确定目标区域初始范围的更多描述可以在本说明书的其他地方找到，例如，参见图4-6及其相关描述。
在本说明书中的一个实施例中，目标区域的初始范围的确定可以不在第一重建图像中每个图像层上分别进行，而是利用所有的图像层进行最大密度投影，在最大密度投影图像上进行，这可以降低计算量，同时也避免了每个图像层上面内和面外伪影对检测准确性的影响。
步骤330，在初始范围内，在每个投影图像上确定目标区域。在一些实施例中，步骤330可以由图7中所示的第二确定模块730执行。
在一些实施例中，处理设备140可以对投影图像的初始范围进行双边滤波以去除噪声。然后，处理设备140可以检测投影图像的初始范围以获得种子点。在一些实施例中，处理设备140可以检测投影图像的初始范围中低于一定灰度阈值的像素点作为种子点(可以简称为投影图像阈值化)。在一些实施例中，处理设备140可以获得投影图像的初始范围的相对梯度图像，并检测该相对梯度图像中超过一定梯度阈值的像素点作为种子点(可以简称为相对梯度图像阈值化)。仅作为示例，处理设备140可以对投影图像的初始范围以图像灰度求导以获得投影图像的初始范围的相对梯度图像。在一些实施例中，处理设备140可以检测投影图像的初始范围中超过低于一定灰度阈值且投影图像的初始范围的相对梯度图像中超过一定梯度阈值的像素点作为种子点。在一些实施例中，该灰度阈值和/或梯度阈值可以是成像系统100的默认设置，或由用户(例如，医生、放射科医师)手动设置，或者由处理设备140根据实际需要调整。
在一些实施例中，处理设备140可以基于投影图像的初始范围内第一重建图像获取种子点。例如，处理设备140可以对投影图像的初始范围进行预处理(例如，滤波)，然后检测预处理后投影图像的初始范围的第一重建图像中低于一定灰度阈值的像素点，并将该像素点沿获得投影图像时射线的入射方向投影在投影图像上。在一些实施例中，处理设备140可以指定该像素点的投影点作为种子点。在一些可替代的实施例中，处理设备140可以将该像素点的投影点和上述投影图像阈值化和/或相对梯度图像阈值化获得的种子点的重合点作为种子点。
在一些实施例中，基于上述获得的种子点，处理设备140可以利用区域增长方法在投影图像的初始范围进行目标区域的确定并去除(或分割)。区域增长是指将每个种子点发展成区域的过程。例如，区域增长是通过将与每个种子点有相似属性，例如，强度、灰度级、纹理颜色等，的相邻像素合并在一起作为一个区域。在一些实施例中，基于上述获得的种子点，处理设备140可以通过使用机器学习模型在投影图像的初始范围进行目标区域的确定并去除(或分割)。例如，处理设备140可以将上述获得的种子点输入机器学习模型，并基于机器学习模型的输出确定一个区域。在一些实施例中，处理设备140可以将确定出的区域作为目标区域。在另外一些实施例中，处理设备140可以进一步基于像素的对比度信噪比(Contrast To Noise Ratio，CNR)更新目标区域，并将更新后的目标区域作为目标区域。例如，处理设备140可以将CNR大于一定CNR阈值的像素并入上述目标区域以更新目标区域。该CNR阈值可以是成像系统100的默认设置，或由用户(例如，医生、放射科医师)手动设置，或者由处理设备140根据实际需要调整。在一些实施例中，处理设备140可以还可以通过使用其他本技术领域已知的方法在投影图像的初始范围进行目标区域的确定并去除(或分割)。
通常，目标区域的去除(或分割)是直接在投影图像上或在第一重建图像上进行。由于后续对目标区域进行插值的操作是在投影图像上进行的，所以只有在投影图像上去除(或分割)的目标区域才具有足够精确的边缘以使得高衰减物质伪影完全去除。但是，由于TOMO系统采集投影图像时的辐射剂量相对较低，投影图像中噪声较大，这不利于投影图像中目标区域的提取。同时，由于骨头，致密组织等的衰减也较大，因此，从投影图像上看，目标区域不一定是投影图像中灰度最大和/或梯度最大的区域，这可能降低投影图像中目标区域去除(或分割)的准确性。第一重建图像综合了各投影图像的信息，对高衰减物体进行了大致复原，同时，第一重建图像的重建过程中经过滤波操作，噪声较投影图像较低，这易于目标区域的提取。但是，第一重建图像中存在各种伪影，这些伪影会降低目标区域去除(或分割)的准确性，从而导致后续生成的三维图像中仍然存在部分高衰减物质伪影。
本说明书利用第一重建图像进行目标区域的粗定位(即获得目标区域的初始范围)，基于粗定位的初始范围，在投影图像上进行进一步确定目标区域，这结合了上述在第一重建图像和在投影图像上进行去除(或分割)的优势，提高了目标区域去除(或分割)的准确性，进而得到较好的高衰减物质伪影去除效果。
步骤340，至少基于目标区域，生成成像对象的三维图像。在一些实施例中，步骤450可以由图7中所示的生成模块740执行。
成像对象的三维图像可以指去除高衰减物质伪影后的成像对象的图像。在一些实施例中，处理设备140可以基于去除目标区域后的一个或多个投影图像和一个或多个投影图像两者中的至少一者，以及目标区域，生成成像对象的三维图像。具体地，处理设备140可以对目标区域进行重建，获得第二重建图像。例如，处理设备140可以对目标区域进行反投影，获得第二重建图像。处理设备140可以对去除目标区域后的一个或多个投影图像的对应区域进行插值。插值可以包括线性插值、非线性插值、三次样条插值、多项式拟合插值等，或其任意组合。处理设备140可以对插值后的一个或多个投影图像进行重建，获得第三重建图像。仅作为示例，该重建可以包括滤波反投影(Filtered Back Projection，FBP)、反投影滤波(Back Projection Filtered，BPF)、迭代重建等，或其任意组合。进一步，处理设备140可以基于一个或多个投影图像和第三重建图像两者中的至少一者以及第二重建图像，生成成像对象的三维图像。例如，处理设备140可以融合第二重建图像与所述一个或多个投影图像，生成成像对象的三维图像。又例如，处理设备140可以融合第二重建图像与第三重建图像，生成成像对象的三维图像。再例如，处理设备140可以融合第二重建图像、一个或多个投影图像和第三重建图像，生成成像对象的三维图像。
应该注意的是，以上关于过程300的描述仅出于说明性目的而提供，并不旨在限制本说明书的范围。对于本领域普通技术人员而言，在本说明书内容的指导下，可做出多种变化和修改。在一些实施例中，过程300可以包括一个或以上附加操作(或步骤)和/或省略上述一个或以上操作(或步骤)来完成。例如，过程300可以包括附加的传输操作(或步骤)，以将所生成的成像对象的三维图像发送到终端设备(例如，医生的终端130)进行展示。又例如，过程300可以包括附加的存储操作(或步骤)以在本说明书的其他地方公开的存储设备(例如，存储设备150)中存储与乳腺断层图像重建相关的信息和/或数据(例如，一个或多个投影图像、第一重建图像、目标区域的初始范围、目标区域、第二重建图像、第三重建图像、三维图像等)。然而，这些变化和修改不脱离本说明书的范围。
图4是根据本说明书一些实施例所示的确定投影图像上目标区域的初始范围的示例性流程图。在一些实施例中，过程400可以由成像系统100执行。例如，过程400可以实现为存储在存储设备(例如，存储设备150)中的一组指令(例如，应用程序)。在一些实施例中，处理设备140可以执行该组指令以及被该组指令引导以执行过程400。在一些实施例中，过程400的一个或以上操作(或步骤)可以被执行以实现图3所描述的步骤320的至少一部分。
步骤410，基于第一重建图像，生成最大密度投影图像在预设方向的索引图像。在一些实施例中，步骤410可以由图7中所示的第一确定模块720执行。
根据图3中步骤320所述，预设方向可以指第一重建图像中多个图像层叠加的方向，即，垂直于每个图像层延伸方向的方向，例如，如图2中所示的Z轴的方向。索引图像可以包括索引值，索引值为最大密度投影图像中的像素在预设方向(例如，Z轴的方向)的坐标。从索引值可以获得最大密度投影图像中的每一个像素来自于第一重建图像中哪一个图像层。在一些实施例中，处理设备140可以获得最大密度投影图像的像素在所述第一重建图像中的位置，并进一步基于该位置，生成最大密度投影图像在预设方向的索引图像。
步骤420，基于最大密度投影图像，生成二值化图像。在一些实施例中，步骤420可以由图7中所示的第一确定模块720执行。
在一些实施例中，处理设备140可以基于预设灰度阈值和最大密度投影图像，生成二值化图像。二值化图像可以指用两个值(例如，0和1、0和255)表示图像中的像素点的灰度值的图像。预设灰度阈值可以是成像系统100的默认设置，或由用户(例如，医生、放射科医师)手动设置，或者由处理设备140根据实际需要调整。在一些实施例中，对于最大密度投影图像中的每一个像素，处理设备140可以确定该像素的灰度值是否大于(或小于)预设灰度阈值，并基于该确定结果，生成二值化图像。例如，如果该像素的灰度值大于或等于(或小于)预设灰度阈值，处理设备140可以在二值化图像中将该像素的值设为1；如果该像素的灰度值小于(或大于或等于)预设灰度阈值，处理设备140可以在二值化图像中将该像素的值设为0。
在一些实施例中，处理设备140可以生成最大密度投影图像的相对梯度图像。仅作为示例，处理设备140可以通过对最大密度投影图像进行求导以生成最大密度投影图像的相对梯度图像。进一步，处理设备140可以基于预设梯度阈值和相对梯度图像，生成二值化图像。预设梯度阈值可以是成像系统100的默认设置，或由用户(例如，医生、放射科医师)手动设置，或者由处理设备140根据实际需要调整。在一些实施例中，对于相对梯度图像中的每一个像素，处理设备140可以确定该像素的梯度值是否大于预设梯度阈值，并基于该确定结果，生成二值化图像。例如，如果该像素的梯度值大于或等于预设梯度阈值，处理设备140可以在二值化图像中将该像素的值设为1；如果该像素的梯度值小于预设梯度阈值，处理设备140可以在二值化图像中将该像素的设为0。相对梯度图像中的梯度值反应了图像中的像素相对于相邻像素的灰度的变化率。通常，高衰减物质伪影越明显的区域的梯度值越高。基于预设梯度阈值和相对梯度图像，生成二值化图像，这优化了二值化图像的生成与高衰减物质伪影的相关性，使得目标区域的初始范围的确定与高衰减物质伪影的去除的关联更加紧密。
在一些实施例中，处理设备140可以将基于预设灰度阈值和最大密度投影图像，生成的上述二值化图像作为初始二值化图像。进一步，处理设备140可以通过基于预设梯度阈值和相对梯度图像更新初始二值化图像，生成二值化图像。例如，对于初始二值化图像中值为1的每一个像素，处理设备140可以确定该像素在相对梯度图像中的梯度值是否大于预设梯度阈值，并基于该确定结果，更新初始二值化图像。具体地，如果该像素在相对梯度图像中的梯度值大于或等于预设梯度阈值，处理设备140可以在二值化图像中将该像素的值保持为1；如果该像素在相对梯度图像中的梯度值小于预设梯度阈值，处理设备140可以在二值化图像中将该像素的值改变为0。
步骤430，基于二值化图像和索引图像，确定每个投影图像上目标区域的初始范围。在一些实施例中，步骤430可以由图7中所示的第一确定模块720执行。
在一些实施例中，基于二值化图像，处理设备140可以利用区域增长方法，获得目标区域对应的一个或多个像素簇。对于一个或多个像素簇中的每一个，处理设备140可以基于该像素簇和索引图像，在第一重建图像中，标记该像素簇对应的体素的体数据。基于一个或多个像素簇对应的体素的体数据，处理设备140可以获得每个投影图像上目标区域的初始范围。关于基于二值化图像和索引图像确定每个投影图像上目标区域的初始范围的更多描述可以在本说明书的其他地方找到，例如，参见图5及其相关描述。
应该注意的是，以上关于过程400的描述仅出于说明性目的而提供，并不旨在限制本说明书的范围。对于本领域普通技术人员而言，在本说明书内容的指导下，可做出多种变化和修改。然而，这些变化和修改不脱离本说明书的范围。
图5是根据本说明书一些实施例所示的确定投影图像上目标区域的初始范围的示例性流程图。在一些实施例中，过程500可以由成像系统100执行。例如，过程500可以实现为存储在存储设备(例如，存储设备150)中的一组指令(例如，应用程序)。在一些实施例中，处理设备140可以执行该组指令以及被该组指令引导以执行过程500。在一些实施例中，过程500的一个或以上操作(或步骤)可以被执行以实现图4所描述的步骤430的至少一部分。
步骤510，基于二值化图像，利用区域增长方法，获得目标区域对应的一个或多个像素簇。在一些实施例中，步骤510可以由图7中所示的第一确定模块720执行。
像素簇可以指多个像素的集合。根据图4中步骤420所述，二值化图像中像素点的灰度值可以表示为0和1。在一些实施例中，对于二值化图像中灰度值为1的像素点中的任一个像素A，处理设备140可以将其周围灰度值为1的其他像素点与该像素点A归于同一个组。进一步，对于该组中除像素点A的其他像素点中的每一个，处理设备140可以将其周围灰度值为1的其他像素点归入该组。以此类推，直到该组中每一个像素点周围没有灰度值为1的像素，停止区域增长，处理设备140可以将该组作为一个像素簇。基于该区域增长方法，处理设备140可以对二值化图像中灰度值为1的且没有归于任意一个像素簇的像素点进行区域增长。直到二值化图像中灰度值为1的所有像素点归到了对应的像素簇，处理设备140可以停止区域增长，获得上述一个或多个像素簇。
步骤520，对于一个或多个像素簇中的每一个，基于该像素簇和索引图像，在第一重建图像中，标记该像素簇对应的体素的体数据。在一些实施例中，步骤520可以由图7中所示的第一确定模块720执行。
体数据可以指三维图像中体素的三维坐标。根据图4中步骤410所述，索引图像可以包括索引值，索引值为最大密度投影图像中的像素在预设方向(例如，Z轴的方向)的坐标。在一些实施例中，对于一个或多个像素簇中的每一个，处理设备140可以对该像素簇中的像素对应的索引图像中的索引值进行直方图统计。例如，处理设备140可以以索引值为横坐标，像素个数为纵坐标获得直方图。基于直方图统计，处理设备140可以获得该像素簇的像素对应的索引值范围。在一些实施例中，处理设备140可以从直方图统计获得的直方图中获得满足一定条件的峰，并基于该满足一定条件的峰获得该像素簇的像素对应的索引值范围。仅作为示例，该一定条件可以包括纵坐标(即像素个数)超过一定阈值(例如，100个)、所有峰按高度从高到低排列，高度排在前一定百分比(例如90％)内，等。例如，假设直方图统计获得的直方图中有三个满足一定条件的峰，基于该三个峰的横坐标，处理设备140可以获得这三个峰对应的索引值(例如，48、49和50)。进一步，处理设备140可以指定这三个峰对应的索引值中最小值到最大值之间的范围(例如48-50)作为该像素簇的像素对应的索引值范围。基于该像素簇的像素对应的索引值范围，处理设备140可以更新该像素簇。例如，处理设备140可以从该像素簇中去除索引值不在该索引值范围内的像素。基于更新后的像素簇的像素对应的索引值范围，处理设备140可以在第一重建图像中，标记该更新后的像素簇对应的体素的体数据。根据图4中步骤410所述，从索引值可以获得最大密度投影图像中的每一个像素来自于第一重建图像中哪一个图像层。因此，根据该更新后的像素簇的像素对应的索引值范围，处理设备140可以获得该更新后的像素簇的像素来自于第一重建图像中哪一个图像层(例如，Z轴坐标为48-50的重建层)。对于更新后的像素簇的像素中的每一个，基于该像素在最大密度投影图像中的X轴和Y轴坐标以及该像素对应的索引值(即图像层)，处理设备140可以在第一重建图像中标记该像素对应的体素的三维坐标(即体数据)。
步骤530，基于一个或多个像素簇对应的体素的体数据，获得每个投影图像上目标区域的初始范围。在一些实施例中，步骤520可以由图7中所示的第一确定模块720执行。在一些实施例中，对于一个特定的投影图像，处理设备140可以将一个或多个像素簇对应的体素的体数据，沿获得该投影图像时射线的入射方向投影(也可以称为正投影)，获得该投影图像上目标区域的初始范围。
应该注意的是，以上关于过程500的描述仅出于说明性目的而提供，并不旨在限制本说明书的范围。对于本领域普通技术人员而言，在本说明书内容的指导下，可做出多种变化和修改。然而，这些变化和修改不脱离本说明书的范围。
图6是根据本说明书一些实施例所示的确定投影图像上目标区域的初始范围的示例性流程图。在一些实施例中，过程600可以由成像系统100执行。例如，过程600可以实现为存储在存储设备(例如，存储设备150)中的一组指令(例如，应用程序)。在一些实施例中，处理设备140可以执行该组指令以及被该组指令引导以执行过程600。
步骤610，对第一重建图像进行最大密度投影，生成最大密度投影图像mnMipImg和最大密度投影图像在预设方向(例如Z轴方向)的索引图像mnMipSliceIndex。在一些实施例中，步骤610可以由图7中所示的第一确定模块720执行。最大密度投影图像mnMipImg的生成可以与图3中步骤320描述的方式类似，具体参见图3，在此不再赘述。索引图像mnMipSliceIndex的生成可以与图4中步骤410描述的方式类似，具体参见图4，在此不再赘述。
步骤620，对最大密度投影图像mnMipImg进行求导，生成相对梯度图像mfRelatDiffImg。在一些实施例中，步骤620可以由图7中所示的第一确定模块720执行。
步骤630，基于预设梯度阈值fRelativeDiffTre和相对梯度图像mfRelatDiffImg，生成二值化图像mnRelatDiffImgMask。在一些实施例中，步骤630可以由图7中所示的第一确定模块720执行。二值化图像mnRelatDiffImgMask的生成可以与图4中步骤420描述的方式类似，具体参见图4，在此不再赘述。
步骤640，根据二值化图像mnRelatDiffImgMask，利用区域增长方法，对目标区域对应的像素进行分簇，获得目标区域对应的一个或多个像素簇。在一些实施例中，步骤640可以由图7中所示的第一确定模块720执行。目标区域对应的像素簇的获得可以与图5中步骤510描述的方式类似，具体参见图5，在此不再赘述。在一些实施例中，假设目标区域对应的像素簇共有n个，n大于或等于1。
步骤650，对于一个或多个像素簇(例如，n个)中的每一个，对该像素簇中的像素对应的索引图像mnMipSliceIndex中的索引值进行直方图统计。在一些实施例中，步骤650可以由图7中所示的第一确定模块720执行。例如，处理设备140可以以索引值为横坐标，像素个数为纵坐标对该像素簇中的像素对应的索引值进行直方图统计以获得直方图。
步骤660，获得直方图中满足一定条件的峰，并基于该满足一定条件的峰，获得该像素簇的像素对应的索引值范围。在一些实施例中，步骤660可以由图7中所示的第一确定模块720执行。该像素簇的像素对应的索引值范围的获得可以与图5中步骤520描述的方式类似，具体参见图5，在此不再赘述。
步骤670，基于该像素簇的像素对应的索引值范围，在第一重建图像中，标记该像素簇对应的体素的体数据。在一些实施例中，步骤670可以由图7中所示的第一确定模块720执行。该像素簇对应的体素的体数据的标记可以与图5中步骤520描述的方式类似，具体参见图5，在此不再赘述。
步骤680，对于任一投影图像，将一个或多个像素簇对应的体素的体数据，沿获得该投影图像时射线的入射方向投影，获得该投影图像上目标区域的初始范围。在一些实施例中，步骤680可以由图7中所示的第一确定模块720执行。
应该注意的是，以上关于过程600的描述仅出于说明性目的而提供，并不旨在限制本说明书的范围。对于本领域普通技术人员而言，在本说明书内容的指导下，可做出多种变化和修改。然而，这些变化和修改不脱离本说明书的范围。
图7是根据本说明书一些实施例所示的乳腺断层图像重建系统的模块图。如图7所示，乳腺断层图像重建系统700可以包括获取模块710、第一确定模块720、第二确定模块730和生成模块740。
获取模块710可以用于获得成像对象的一个或多个投影图像和与之对应的第一重建图像。关于获得成像对象的一个或多个投影图像和与之对应的第一重建图像的更多描述可以在本说明书的其他地方找到，例如，参见图3中步骤310及其相关描述。
第一确定模块720可以用于基于第一重建图像，确定在每一个所述一个或多个投影图像中目标区域(也可以称为高衰减区域)的初始范围。关于确定在每一个所述一个或多个投影图像中目标区域的初始范围的更多描述可以在本说明书的其他地方找到，例如，参见图3中步骤320及其相关描述。
第二确定模块730可以用于在初始范围内，在每个投影图像上确定目标区域。关于在初始范围内，在每个投影图像上确定目标区域的更多描述可以在本说明书的其他地方找到，例如，参见图3中步骤330及其相关描述。
生成模块740可以用于至少基于目标区域，生成成像对象的三维图像。关于生成成像对象的三维图像的更多描述可以在本说明书的其他地方找到，例如，参见图3中步骤340及其相关描述。
应该注意的是，上述对乳腺断层图像重建系统700的描述仅出于说明性目的而提供，并不旨在限制本说明书的范围。对于本领域普通技术人员而言，在不脱离本说明书的原理的情况下，可以对上述方法和系统的应用形式和细节做出各种变化和修改。在一些实施例中，乳腺断层图像重建系统700可以包括一个或以上其他模块和/或上述一个或以上模块可以省略。例如，乳腺断层图像重建系统700还可以包括传输模块，用于将信号(例如，电信号、电磁信号)发送到成像系统100的一个或以上组件(例如，成像设备110、终端130、存储设备150)。又例如，乳腺断层图像重建系统700可以包括用于存储与乳腺断层图像重建相关的信息和/或数据(例如，一个或多个投影图像、第一重建图像、目标区域的初始范围、目标区域、第二重建图像、第三重建图像、三维图像等)的存储模块(未示出)。可替代地，可以将两个或以上模块集成为一个模块，和/或一个模块可以被分成两个或以上单元。例如，第二确定模块730和生成模块740可以结合为一个模块，该模块可以在每个投影图像上确定目标区域并生成成像对象的三维图像。然而，这些变化和修改也在本说明书的范围内。
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，上述详细披露仅仅作为示例，而并不构成对本说明书的限定。虽然此处并没有明确说明，本领域技术人员可能会对本说明书进行各种修改、改进和修正。该类修改、改进和修正在本说明书中被建议，所以该类修改、改进、修正仍属于本说明书示范实施例的精神和范围。
同时，本说明书使用了特定词语来描述本说明书的实施例。如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本说明书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“一个替代性实施例”并不一定是指同一实施例。此外，本说明书的一个或以上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，本说明书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，本说明书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称为“数据块”、“模块”、“引擎”、“单元”、“组件”或“系统”。此外，本说明书的各方面可能表现为位于一个或以上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。
计算机存储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，或合适的组合形式。计算机存储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。位于计算机存储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。
本说明书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，本说明书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，并非用于限定本说明书流程和方法的顺序。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说明书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，为了简化本说明书披露的表述，从而帮助对一个或以上发明实施例的理解，前文对本说明书实施例的描述中，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说明书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”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±20％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。尽管本说明书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。
针对本说明书引用的每个专利、专利申请、专利申请公开物和其他材料，如文章、书籍、说明书、出版物、文档等，特此将其全部内容并入本说明书作为参考。与本说明书内容不一致或产生冲突的申请历史文件除外，对本说明书权利要求最广范围有限制的文件(当前或之后附加于本说明书中的)也除外。需要说明的是，如果本说明书附属材料中的描述、定义、和/或术语的使用与本说明书所述内容有不一致或冲突的地方，以本说明书的描述、定义和/或术语的使用为准。
最后，应当理解的是，本说明书中所述实施例仅用以说明本说明书实施例的原则。其他的变形也可能属于本说明书的范围。因此，作为示例而非限制，本说明书实施例的替代配置可视为与本说明书的教导一致。相应地，本说明书的实施例不仅限于本说明书明确介绍和描述的实施例。

Claims (12)

1.一种乳腺断层图像重建方法，其特征在于，所述方法包括：
获得成像对象的一个或多个投影图像和与之对应的第一重建图像；
基于所述第一重建图像，确定在每一个所述一个或多个投影图像中目标区域的初始范围，所述目标区域为具有大于预定X射线衰减系数阈值的物质在投影图像上产生的低灰度区域；
在所述初始范围内，在所述每个投影图像上确定所述目标区域；以及
至少基于所述目标区域，生成所述成像对象的三维(3D)图像。
2.如权利要求1所述的方法，其特征在于，所述基于所述第一重建图像，确定在每一个所述一个或多个投影图像中目标区域的初始范围，包括：
沿预设方向对所述第一重建图像进行最大密度投影以生成所述第一重建图像的最大密度投影图像；以及
基于所述最大密度投影图像，确定所述每个投影图像上所述目标区域的所述初始范围。
3.如权利要求2所述的方法，其特征在于，所述基于所述最大密度投影图像，确定所述每个投影图像上所述目标区域的所述初始范围，包括：
基于所述第一重建图像，生成所述最大密度投影图像在所述预设方向的索引图像，所述索引图像包括索引值，所述索引值为所述最大密度投影图像中的像素在所述第一重建图像中的位置；
基于预设灰度阈值和所述最大密度投影图像，生成二值化图像；以及
基于所述二值化图像和所述索引图像，确定所述每个投影图像上所述目标区域的所述初始范围。
4.如权利要求2所述的方法，其特征在于，所述基于所述最大密度投影图像，确定所述每个投影图像上所述目标区域的所述初始范围，包括：
基于所述第一重建图像，生成所述最大密度投影图像在所述预设方向的索引图像；
生成所述最大密度投影图像的相对梯度图像；
基于预设梯度阈值和所述相对梯度图像，生成二值化图像；以及
基于所述二值化图像和所述索引图像，确定所述每个投影图像上所述目标区域的所述初始范围。
5.如权利要求4所述的方法，其特征在于，所述基于预设梯度阈值和所述相对梯度图像，生成二值化图像，包括：
基于所述预设灰度阈值和所述最大密度投影图像，生成初始二值化图像；以及
通过基于所述预设梯度阈值和所述相对梯度图像更新所述初始二值化图像，生成所述二值化图像。
6.如权利要求3-5中任一个所述的方法，其特征在于，所述基于所述二值化图像和所述索引图像，确定所述每个投影图像上所述目标区域的所述初始范围，包括：
基于所述二值化图像，利用区域增长方法，获得所述目标区域对应的一个或多个像素簇；
对于所述一个或多个像素簇中的每一个，基于所述像素簇和所述索引图像，在所述第一重建图像中，标记所述像素簇对应的体素的体数据；以及
基于所述一个或多个像素簇对应的体素的体数据，获得所述每个投影图像上所述目标区域的所述初始范围。
7.如权利要求6所述的方法，其特征在于，对于所述一个或多个像素簇中的每一个，基于所述像素簇和所述索引图像，在所述第一重建图像中，标记所述像素簇对应的体素的体数据，包括：
对所述像素簇中的像素对应的索引图像中的索引值进行直方图统计；
基于所述直方图统计，获得所述像素簇的像素对应的索引值范围；以及
基于所述像素簇的像素对应的索引值范围，在所述第一重建图像中，标记所述像素簇对应的体素的体数据。
8.如权利要求6所述的方法，其特征在于，所述基于所述一个或多个像素簇对应的体素的体数据，获得所述每个投影图像上所述目标区域的所述初始范围，包括：
将所述一个或多个像素簇对应的体素的体数据，沿获得所述投影图像时射线的入射方向投影，获得所述投影图像上所述目标区域的所述初始范围。
9.如权利要求1所述的方法，其特征在于，所述至少基于所述目标区域，生成所述成像对象的所述三维图像包括:
基于去除所述目标区域后的一个或多个投影图像和所述一个或多个投影图像两者中的至少一者，以及所述目标区域，生成所述成像对象的所述三维图像。
10.如权利要求9所述的方法，其特征在于，所述基于去除所述目标区域后的一个或多个投影图像和所述一个或多个投影图像两者中的至少一者，以及所述目标区域，生成所述成像对象的所述三维图像，包括：
对所述目标区域进行重建，获得第二重建图像；
对所述去除目标区域后的一个或多个投影图像的对应区域进行插值；
对所述插值后的一个或多个投影图像进行重建，获得第三重建图像；以及
基于所述一个或多个投影图像和第三重建图像两者中的至少一者与第二重建图像，生成所述成像对象的三维图像。
11.一种乳腺断层图像重建系统，其特征在于，所述系统包括：
获取模块，被配置为获得成像对象的一个或多个投影图像和与之对应的第一重建图像；
第一确定模块，被配置为基于所述第一重建图像，确定在每一个所述一个或多个投影图像中目标区域的初始范围，所述目标区域为具有大于预定X射线衰减系数阈值的物质在投影图像上产生的低灰度区域；
第二确定模块，被配置为在所述初始范围内，在所述每个投影图像上确定所述目标区域；以及
生成模块，被配置为至少基于所述目标区域，生成所述成像对象的三维图像。
12.如权利要求11所述的乳腺断层图像重建系统，其特征在于，所述系统包括乳腺机，所述投影图像自所述乳腺机采集。
CN202111674386.0A 2021-12-31 2021-12-31 一种乳腺断层图像重建方法和系统 Pending CN116416329A (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
CN202111674386.0A CN116416329A (zh) 2021-12-31 2021-12-31 一种乳腺断层图像重建方法和系统
PCT/CN2022/142893 WO2023125683A1 (en) 2021-12-31 2022-12-28 Systems and methods for image reconstruction
US18/675,181 US20240312119A1 (en) 2021-12-31 2024-05-28 Systems and methods for image reconstruction

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111674386.0A CN116416329A (zh) 2021-12-31 2021-12-31 一种乳腺断层图像重建方法和系统

Publications (1)

Publication Number Publication Date
CN116416329A true CN116416329A (zh) 2023-07-11

Family

ID=86998029

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111674386.0A Pending CN116416329A (zh) 2021-12-31 2021-12-31 一种乳腺断层图像重建方法和系统

Country Status (3)

Country Link
US (1) US20240312119A1 (zh)
CN (1) CN116416329A (zh)
WO (1) WO2023125683A1 (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117078784B (zh) * 2023-08-17 2024-08-20 北京朗视仪器股份有限公司 一种图像重建方法、装置及设备

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2005076221A1 (en) * 2004-02-05 2005-08-18 Koninklijke Philips Electronics, N.V. Image-wide artifacts reduction caused by high attenuating objects in ct deploying voxel tissue class
CN107545551B (zh) * 2017-09-07 2018-11-16 广州华端科技有限公司 数字乳腺体层合成图像的重建方法和系统
CN108986182B (zh) * 2018-07-10 2022-11-25 上海联影医疗科技股份有限公司 一种重建ct图像的方法、系统及存储介质
EP3693921B1 (en) * 2019-02-05 2022-04-20 Siemens Healthcare GmbH Method for segmenting metal objects in projection images, evaluation device, computer program and electronically readable storage medium
CN110796620B (zh) * 2019-10-29 2022-05-17 广州华端科技有限公司 乳腺断层重建图像的层间伪影抑制方法和装置

Also Published As

Publication number Publication date
WO2023125683A1 (en) 2023-07-06
US20240312119A1 (en) 2024-09-19

Similar Documents

Publication Publication Date Title
US7142633B2 (en) Enhanced X-ray imaging system and method
EP2443614B1 (en) Imaging procedure planning
CN111656405A (zh) 使用深度学习来减少金属伪影
US10143433B2 (en) Computed tomography apparatus and method of reconstructing a computed tomography image by the computed tomography apparatus
EP3324846B1 (en) Computed tomography visualization adjustment
CN104939850A (zh) 成像断层合成系统、特别是乳腺造影系统
US9113796B2 (en) Method and device for adjusting the visualization of volume data of an object
EP3326533B1 (en) Tomographic device and tomographic image processing method according to same
US9672641B2 (en) Method, apparatus, and computer readable medium for removing unwanted objects from a tomogram
KR20240013724A (ko) 다중 펄스 x-선 소스 이동 단층합성 영상화 시스템을 사용한 인공 지능 훈련
KR101783964B1 (ko) 단층 촬영 장치 및 그에 따른 단층 영상 복원 방법
US20230064456A1 (en) Imaging systems and methods
US20240312119A1 (en) Systems and methods for image reconstruction
CN107087393B (zh) 用于将多个采集的对比度归一化的方法和系统
US20240212163A1 (en) Systems and methods for image segmentation
EP3349655B1 (en) Tomography apparatus and controlling method for the same
US11972510B2 (en) Method for generating tomographic image and X-ray imaging apparatus according to same
CN110730977A (zh) 低剂量成像方法及装置
Passand Quality assessment of clinical thorax CT images
JP2023074285A (ja) 医用画像処理装置及びｘ線診断装置
CN118485766A (zh) 一种图像处理方法、装置、设备及存储介质
CN116704058A (zh) 一种双源ct图像处理方法和系统
US20120134466A1 (en) Galactography process and mammograph

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination