CN117974821A - 用于以改进的图像质量从ct/dbt扫描中恢复投影数据的系统和方法 - Google Patents

用于以改进的图像质量从ct/dbt扫描中恢复投影数据的系统和方法 Download PDF

Info

Publication number
CN117974821A
CN117974821A CN202311400241.0A CN202311400241A CN117974821A CN 117974821 A CN117974821 A CN 117974821A CN 202311400241 A CN202311400241 A CN 202311400241A CN 117974821 A CN117974821 A CN 117974821A
Authority
CN
China
Prior art keywords
volume
image
projections
ray
digital
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
CN202311400241.0A
Other languages
English (en)
Inventor
吴笃蕃
吴江洲
李全正
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.)
General Hospital Corp
GE Precision Healthcare LLC
Original Assignee
General Hospital Corp
GE Precision Healthcare LLC
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 General Hospital Corp, GE Precision Healthcare LLC filed Critical General Hospital Corp
Publication of CN117974821A publication Critical patent/CN117974821A/zh
Pending legal-status Critical Current

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/0002Inspection of images, e.g. flaw detection
    • G06T7/0012Biomedical image inspection
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/002D [Two Dimensional] image generation
    • G06T11/003Reconstruction from projections, e.g. tomography
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/002D [Two Dimensional] image generation
    • G06T11/003Reconstruction from projections, e.g. tomography
    • G06T11/006Inverse problem, transformation from projection-space into object-space, e.g. transform methods, back-projection, algebraic methods
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/002D [Two Dimensional] image generation
    • G06T11/003Reconstruction from projections, e.g. tomography
    • G06T11/005Specific pre-processing for tomographic reconstruction, e.g. calibration, source positioning, rebinning, scatter correction, retrospective gating
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/002D [Two Dimensional] image generation
    • G06T11/003Reconstruction from projections, e.g. tomography
    • G06T11/008Specific post-processing after tomographic reconstruction, e.g. voxelisation, metal artifact correction
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2200/00Indexing scheme for image data processing or generation, in general
    • G06T2200/24Indexing scheme for image data processing or generation, in general involving graphical user interfaces [GUIs]
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/10Image acquisition modality
    • G06T2207/10072Tomographic images
    • G06T2207/10081Computed x-ray tomography [CT]
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/10Image acquisition modality
    • G06T2207/10116X-ray image
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/30Subject of image; Context of image processing
    • G06T2207/30004Biomedical image processing
    • G06T2207/30068Mammography; Breast
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2211/00Image generation
    • G06T2211/40Computed tomography
    • G06T2211/424Iterative

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Radiology & Medical Imaging (AREA)
  • Quality & Reliability (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Physics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Algebra (AREA)
  • Apparatus For Radiation Diagnosis (AREA)

Abstract

一种图像校正系统(300)和方法,将从由成像系统(100,200)获得的多个投影(302)重建的初始体积(304)作为到图像校正系统(300)的唯一输入。在第一步骤中,图像校正系统(300)从初始体积(304)重建多个经重建投影或正向投影(314)。在第二和任选的并发步骤中,图像校正系统(300)通过将人工智能/深度学习/卷积神经网络模型应用于初始体积(304)来形成经校正体积(310)。在第三步骤中,图像校正系统(300)采用正向投影(314)和经校正体积(310)作为迭代重建过程(316)的输入,以实现作为来自图像校正系统(300)的输出的优化体积(318)。使用初始体积(304)作为图像校正系统(304)的唯一输入简化了图像处理系统(300)的计算过程,同时提供了具有改进的细节和图像质量的优化图像(318)。

Description

用于以改进的图像质量从CT/DBT扫描中恢复投影数据的系统 和方法
技术领域
本公开涉及医学诊断成像领域,尤其是断层成像。
背景技术
成像技术(诸如X射线成像)允许非侵入性采集受检者(诸如患者)的内部结构或特征的图像。数字X射线成像系统产生数字数据,该数字数据可被重建为放射摄影图像,诸如在计算机断层合成(CT)或数字乳房断层合成(DBT)成像过程中。在数字X射线成像系统中,来自源的辐射朝向受检者。辐射的一部分穿过受检者并冲击检测器。检测器包括离散图片元素或检测器像素的阵列,并且基于冲击每个像素区域的辐射的量或强度来生成输出信号。随后处理输出信号、视图或投影以生成可显示以供查看的图像。这些图像用于识别和/或检查患者体内的内部结构和器官。
关于图像的生成,如图1所示,最初,数字X射线成像系统获得受检者的多个投影,其在许多情况下包括有限或稀疏数量的视图,即,九(9)个投影或视图,这是由于关于在受检者(例如,在数字乳房断层合成(DBT)成像过程中的乳房))周围可用的投影角度的限制。诸如通过滤波反投影(FBP)过程来重建这些视图,以从投影数据创建体积。该体积随后通过人工智能(诸如经训练的深度学习(DL)网络或卷积神经网络(CNN))运行,以提供校正来去除各种伪影(诸如条纹伪影),并且改进该体积内的图像质量。
然而,对于某些类型的图像(诸如DBT图像),存在于图像内的细节水平通过经重建体积的AI(例如,DL或CNN)校正和迭代重建过程(即,从AI输出的体积的过度平滑)而降低。这是由于随后在校正和/或迭代重建过程中被AI去除的图像中的高分辨率水平。
为了克服经校正体积的过度平滑,可将迭代重建应用于经校正体积。在该过程中,如图1所示,在数据一致性过程中,在FBP过程之前,结合原始投影或视图以它们的形式对经校正体积进行迭代重建,以优化经校正体积并减少由AI引入的经校正体积的过度平滑,并且这改进了用于检查和诊断目的的经校正体积。
然而,在某些情况下,原始投影图像不可供AI在迭代重建过程中使用。由于投影/投影图像通常只是临时存储在数字X射线成像设备上或单独的电子数据存储设备或位置中,所以当期望或有必要实施迭代重建过程时,原始投影可能不可用。当从原始投影图像创建的初始体积由于多个原因中的任一者而被破坏时,这尤其成问题。
因此,期望开发一种数字X射线图像处理或校正系统和方法,其不依赖于原始投影图像的使用,并且可改进由AI输出的经校正体积中的细节水平以保留由经校正体积提供的诊断信息,同时还加速获得经校正图像的处理时间。
发明内容
根据本公开的示例性实施方案的一个方面,一种数字X射线成像系统包括图像校正系统,该图像校正系统用于校正和/或改进由成像系统获得的图像的细节和质量。图像校正系统将从由成像系统获得的多个投影/投影图像或视图重建的初始体积作为图像校正系统的唯一输入。在第一步骤中,图像校正系统从初始体积重建多个经重建投影或正向投影。在第二和任选的并发步骤中,图像校正系统通过将人工智能/深度学习/卷积神经网络模型应用于初始体积来形成经校正体积。在第三步骤中,图像校正系统采用正向投影和经校正体积作为迭代重建过程的输入,以实现作为来自图像校正系统的输出的优化体积。与采用原始投影/投影图像或视图作为输入的现有技术图像校正系统和过程相比,对作为图像校正系统的输入的初始体积的使用极大地加速并简化了图像处理系统的计算过程,同时另外地提供了具有显著改进的细节和图像质量的优化图像。
根据本公开的另一示例性实施方案,一种用于优化使用数字成像X射线系统获得的图像的方法包括以下步骤:提供数字X射线成像系统,该数字X射线成像系统具有X射线源;X射线检测器,该X射线检测器能够与X射线源对准;图像处理系统,该图像处理系统可操作地连接到X射线源和X射线检测器以生成X射线图像数据,该图像处理系统包括:处理单元,该处理单元用于处理来自X射线检测器的X射线图像数据以形成来自X射线图像数据的投影和其他图像;以及非暂态存储器,该非暂态存储器可操作地连接到处理单元并存储用于操作图像校正系统的指令;显示器,该显示器可操作地连接到图像处理系统以向用户呈现信息;以及用户界面,该用户界面可操作地连接到图像处理系统以实现到图像处理系统的用户输入;获得受检者的多个原始投影;从原始投影重建初始体积;从图像校正系统内的初始体积形成多个正向投影;校正初始体积以在图像校正系统内形成经校正体积;以及使用正向投影和经校正体积在图像校正系统内的迭代重建过程中优化经校正体积以形成优化体积。
根据本公开的示例性实施方案的又一方面,一种数字X射线成像系统包括:X射线源;X射线检测器,该X射线检测器能够与X射线源对准;图像处理系统,该图像处理系统可操作地连接到X射线源和X射线检测器以生成X射线图像数据,该图像处理系统包括:处理单元,该处理单元用于处理来自X射线检测器的X射线图像数据以形成来自X射线图像数据的投影和其他图像;以及非暂态存储器,该非暂态存储器可操作地连接到处理单元并存储用于操作图像校正系统的指令;显示器,该显示器可操作地连接到图像处理系统以向用户呈现信息;以及用户界面,该用户界面可操作地连接到图像处理系统以实现到图像处理系统的用户输入,其中用于图像处理系统的处理单元和非暂态存储器被配置为:从由数字X射线成像系统获得的多个原始投影重建的初始体积形成多个正向投影;校正初始体积以形成经校正体积;以及使用正向投影和经校正体积在迭代重建过程中优化经校正体积以形成优化体积。
从以下结合附图进行的详细描述中,本发明的这些和其他示例性方面、特征和优点将变得显而易见。
附图说明
附图示出了当前设想的实践本发明的最佳模式。
在附图中:
图1是现有技术图像体积重建过程的示意性框图。
图2是根据一个实施方案的数字X射线成像系统的绘画视图。
图3示出了根据一个实施方案的示例性数字X射线成像系统的示意性框图。
图4是根据本公开的一个示例性实施方案的示例性图像校正系统和过程的示意性框图。
图5A至图5D是从图像体积重建过程获得的经校正体积、来自现有技术迭代重建过程的经校正体积以及来自根据本公开的示例性实施方案的迭代重建过程的经校正体积的比较图像。
具体实施方式
在下面将描述一个或多个具体的实施方案。为了提供这些实施方案的简明描述,可能未在说明书中描述实际具体实施的所有特征。应当理解,正如在任何工程或设计项目中一样,在任何此类实际具体实施的开发中,必须做出众多具体实施特定的决策以实现开发者的具体目标,诸如遵守可能在具体实施间不同的系统相关和业务相关的约束。此外,应当理解,此类开发努力可能是复杂且耗时的,但对于受益于本公开的普通技术人员来说仍然是设计、制作和制造的常规任务。
当介绍本发明的各种实施方案的要素时,冠词“一个”、“一种”、“该”和“所述”旨在意指存在一个或多个这种要素。术语“包含”、“包括”和“具有”旨在是包含性的,并且意指除了列出的要素之外可能存在附加要素。此外,以下讨论中的任何数值示例旨在非限制性的,并且因此附加的数值、范围和百分比在所公开的实施方案的范围内。
以下描述涉及x射线成像的各种实施方案。具体地,提供了用于X射线成像的参数降噪的系统和方法。X射线成像系统(诸如图2和图3中描绘的数字成像系统,以及如美国专利第11,288,775号中所公开的名称为“用于X射线成像中的参数噪声调制的方法和系统(Methods And Systems For Parametric Noise Modulation In X-Ray Imaging)”(‘775专利),该专利的全部内容以引用方式明确地结并入本文以用于所有目的)可使用X射线源和X射线检测器来获取受检者(诸如患者或其一部分,例如乳房)的多个有角度地移位的放射摄影图像。在X射线源和/或X射线检测器的每个角度位置处由X射线检测器获得的图像或投影数据被提供给图像处理系统和方法,该图像处理系统和方法用于创建或重建被成像患者或其部分的体积。随后,采用人工智能(AI)(诸如深度学习(DL)网络或卷积神经网络(CNN))来相对于由经重建体积内的AI检测到的任何伪影(诸如条纹伪影)来校正体积,如图4所示。在校正过程中,经重建体积被转发到AI以形成经校正体积。在用于从经重建图像生成正向投影图像的过程中也利用经重建体积。然后,在迭代重建过程中采用正向投影和经校正体积,以获得最终的经校正体积,以用于在诊断过程中观察和使用。
虽然参照X射线成像技术描述了本文提供的系统和方法,但应当理解,本文提供的技术也可应用于各种成像模式,包括各种X射线成像模式(例如单能量、双能量、X线断层摄影、图像粘贴、荧光镜透视检查、乳腺钼靶等)、计算机X线断层摄影(CT)和正电子发射断层摄影。
图2示出了被配置用于CT成像的示例性数字X射线成像系统和/或CT系统100。具体地,CT系统100被配置为对受检者112(诸如患者或其一部分(诸如乳房)、无生命对象、一个或多个制造零件)和/或外来对象(诸如存在于身体内的牙科植入物、支架和/或造影剂)进行成像。在一个实施方案中,CT系统100包括机架102,该机架继而还可包括至少一个X射线源104,该至少一个X射线源被配置为投射X射线辐射束106以用于对受检者112进行成像。具体地,X射线源104被配置为将X射线106朝向定位在机架102的相对侧上的检测器阵列108投射。尽管图2仅描绘了单个X射线源104,但是在某些实施方案中,可采用多个X射线辐射源和检测器来投射多条X射线106,以便在对应于患者的不同能量水平采集投影数据。
在某些实施方案中,CT系统100还包括图像处理器单元110,该图像处理器单元被配置为使用迭代或分析图像重建方法来重建受检者112的靶体积的图像。例如,图像处理器单元110可使用分析图像重建方法(诸如滤波反投影(FBP))来重建患者的靶体积的图像。作为另一个示例,图像处理器单元110可使用迭代图像重建方法(诸如高级统计迭代重建(ASIR)、共轭梯度(CG)、最大似然期望最大化(MLEM)、基于模型的迭代重建(MBIR)等)来重建受检者112的靶体积的图像。如本文进一步所述,在一些示例中,除了迭代图像重建方法之外,图像处理器单元110还可使用分析图像重建方法(诸如FBP)。
在一些CT成像系统配置中,辐射源投射锥形射束,该锥形射束被准直成位于笛卡尔坐标系的X-Y-Z平面内并且通常被称为“成像平面”。辐射束穿过正在成像的对象,诸如患者或受检者112。射束在被对象衰减之后照射在辐射检测器阵列上。在检测器阵列处接收的衰减辐射束的强度取决于对象对辐射束的衰减。阵列的每个检测器元件产生单独的电信号,该单独的电信号是检测器位置处的射束衰减的量度。单独地采集来自所有检测器元件的衰减测量值,以产生传输分布。
在一些CT系统中,使用机架使辐射源和检测器阵列在成像平面内围绕待成像的对象旋转,使得辐射束与对象相交的角度不断变化。在一个机架角度下来自检测器阵列的一组辐射衰减测量值(例如,投影数据)被称为“视图”。对象的“扫描”包括在辐射源和检测器的一次旋转期间在不同的机架角度或视角下制得的一组视图。可以设想的是,本文所述的方法的益处源于CT之外的医疗成像模态,因此如本文所用,术语“视图”不限于上文关于来自一个机架角度的投影数据所述的用途。术语“视图”用于意指每当存在来自不同角度的多个数据采集(无论是来自CT、数字乳房断层摄影(DBT)、正电子发射断层摄影(PET)还是单光子发射CT(SPECT)采集)时的一个数据采集,和/或任何其他模态(包括尚待开发的模态)以及它们在融合实施方案中的组合。
处理投影数据以重建与通过对象获取的二维切片相对应的图像,或在投影数据包括多个视图或扫描的一些示例中,重建与对象的三维渲染相对应的图像。一种用于由一组投影数据重建图像的方法在本领域中称为滤波反投影技术。传输和发射断层摄影重建技术还包括统计迭代方法,诸如最大似然期望最大化(MLEM)和有序子集期望重建技术以及迭代重建技术。该方法将来自扫描的衰减测量值转换成称为“CT数”或“亨氏单位”的整数,该整数用于控制显示设备上的对应像素的亮度。
为了减少总扫描时间,可执行“螺旋”扫描。为了执行“螺旋”扫描,在采集到规定数量的切片的数据时,移动患者。此类系统从锥形束螺旋扫描产生单个螺旋。由锥形束绘制出(mapped out)的螺旋产生了投影数据,根据该投影数据可重建每个规定切片中的图像。
如本文所用,短语“重建图像”并非旨在排除其中生成表示图像的数据而非可视图像的本发明的实施方案。因此,如本文所用,术语“图像”广义地是指可视图像和表示可视图像的数据两者。然而,许多实施方案生成(或被配置为生成)至少一个可视图像。
图3示出了类似于图2的CT系统100的示例性数字X射线成像系统200。根据本公开的各方面,成像系统200被配置用于对受检者204进行成像,该受检者可以是图2的受检者112或其部分(诸如在数字乳房断层合成(DBT)成像过程中的乳房)。在一个实施方案中,成像系统200包括检测器阵列108(参见图2)。检测器阵列108还包括多个检测器元件202,该多个检测器元件一起感测通过受检者204的X射线束106(参见图2)以获取对应的投影数据。因此,在一个实施方案中,检测器阵列108以包括多行单元或检测器元件202的多切片配置进行制造。在此类配置中,另外一行或多行检测器元件202以并行配置进行排列以采集投影数据。
在某些实施方案中,成像系统200被配置为围绕受检者204遍历不同角度位置以采集期望的投影数据。因此,机架102和安装在其上的部件可被配置为围绕旋转中心206旋转以采集例如不同能量水平下的投影数据。另选地,在相对于受检者204的投影角度随时间的推移变化的实施方案中,安装的部件可被配置为沿大致曲线而不是沿一段圆移动。
当X射线源104和检测器阵列108旋转时,检测器阵列108收集衰减的X射线束的数据。然后,由检测器阵列108收集的数据经历预处理和校准以对数据进行调节,从而表示扫描的受检者204的衰减系数的线积分。经处理的数据通常被称为投影。
在一些示例中,检测器阵列108中的单独检测器或检测器元件202可包括光子计数检测器,该光子计数检测器将单独光子的交互寄存到一个或多个能量箱中。应当理解,本文所述的方法还可使用能量积分检测器来实现。
所采集的投影数据集可用于基础材料分解(BMD)。在BMD期间,将所测量的投影转换为一组材料密度投影。可将材料密度投影重建以形成每种相应的基础材料的一对或一组材料密度标测图或图像(诸如骨、软组织和/或造影剂标测图)。密度图或图像可继而相关联以形成对成像体积中的基础材料(例如骨、软组织和/或造影剂)的体绘制。
一旦重建,由成像系统200产生的基础材料图像就显示出以两种基础材料的密度表示的受检者204的内部特征。可显示密度图像以展示这些特征。在诊断医学病症(诸如疾病状态),并且更一般地诊断医学事件的传统方法中,放射科医生或医师将考虑密度图像的硬拷贝或显示以辨别感兴趣的特性特征。此类特征可以包括特定解剖结构或器官的病灶、尺寸和形状,以及基于个体从业者的技能和知识应在图像中可辨别的其他特征。
在一个实施方案中,成像系统200包括控制机构208,以控制部件的移动,诸如机架102的旋转和X射线源104的操作。在某些实施方案中,控制机构208还包括被配置为向X射线源104提供功率和定时信号的X射线控制器210。此外,控制机构208包括被配置为基于成像要求控制机架102的旋转速度和/或位置的机架马达控制器212。
在某些实施方案中,控制机构208还包括被配置为对从检测器元件202接收的模拟数据进行采样并将模拟数据转换为数字信号以供后续处理的数据采集系统(DAS)214。DAS214还可被配置为选择性地将来自检测器元件202的子集的模拟数据聚集到所谓的宏检测器中,如本文进一步描述。将由DAS214采样和数字化的数据传输到计算机或计算设备216。在一个示例中,计算设备216将数据存储在存储设备或海量存储装置218中。例如,存储设备218可包括硬盘驱动器、软盘驱动器、光盘-读/写(CD-R/W)驱动器、数字通用光碟(DVD)驱动器、闪存驱动器、非暂态存储器和/或固态存储驱动器。
另外,计算设备216向DAS214、X射线控制器210和机架马达控制器212中的一者或多者提供命令和参数,以控制系统操作,诸如数据采集和/或处理。在某些实施方案中,计算设备216基于操作员输入来控制系统操作。计算设备216经由操作地耦接到计算设备216的操作员控制台220来接收操作员输入,例如包括命令和/或扫描参数。操作员控制台220可包括键盘(未示出)或触摸屏,以允许操作员指定命令和/或扫描参数。
尽管图3仅示出了一个操作员控制台220,但多于一个操作员控制台可耦接到成像系统200,例如以输入或输出系统参数、请求检查、标绘数据和/或查看图像。此外,在某些实施方案中,成像系统200可以经由一个或多个可配置的有线和/或无线网络(诸如互联网和/或虚拟专用网络、无线电话网络、无线局域网、有线局域网、无线广域网、有线广域网等)耦接到例如在机构或医院内或者处于完全不同位置的本地或远程地定位的多个显示器、打印机、工作站和/或类似设备。
在一个实施方案中,例如,成像系统200包括或耦接到图片存档和通信系统(PACS)224。在一个示例性具体实施中,PACS224进一步耦接到远程系统(诸如放射科信息系统、医院信息系统)和/或内部或外部网络(未示出),以允许不同位置处的操作员提供命令和参数和/或获得对图像数据的访问。
计算设备216使用操作员提供和/或系统定义的命令和参数来操作检查台马达控制器226,该检查台马达控制器又可控制检查台228,该检查台可以是电动检查台。具体地,检查台马达控制器226可移动检查台228以将受检者204适当地定位在机架102中以采集对应于受检者204的靶体积的投影数据。
如前所述,DAS214对由检测器元件202采集的投影数据进行采样和数字化。随后,图像重建器230使用采样和数字化的X射线数据来执行高速重建。尽管图3将图像重建器230示出为单独实体,但在某些实施方案中,图像重建器230可形成计算设备216的一部分。另选地,图像重建器230可以不存在于成像系统200中,并且替代地计算设备216可以执行图像重建器230的一种或多种功能。此外,图像重建器230可本地或远程定位,并且可使用有线或无线网络来操作地连接到成像系统200。特别地,一个示例性实施方案可将“云”网络集群中的计算资源用于图像重建器230。
在一个实施方案中,图像重建器230将重建图像存储在存储设备218中。另选地,图像重建器230可将重建图像传输到计算设备216以生成用于诊断和评估的有用患者信息。在某些实施方案中,计算设备216可将重建图像和/或患者信息传输到通信地耦接到计算设备216和/或图像重建器230的显示器或显示设备232。在一些实施方案中,可将重建图像从计算设备216或图像重建器230传输到存储设备218以短期或长期存储。
可将本文进一步描述的各种系统、方法和过程(诸如以下参考图4描述的系统300和方法400)作为可执行指令存储在成像系统100、200中的计算设备(或控制器)上的非暂态存储器中。在一个实施方案中,图像重建器230可在非暂态存储器中包括此类可执行指令,并且可应用本文所述的方法来由扫描数据重建图像。在另一个实施方案中,计算设备216可在非暂态存储器中包括指令,并且可在从图像重建器230接收到重建图像之后至少部分地将本文所述的方法应用于该重建图像。在另一个实施方案中,本文所述的方法和过程可分布在图像重建器230和计算设备216上。
在一个实施方案中,显示器232允许操作员评估成像的解剖结构。显示器232还可允许操作员例如经由图形用户界面(GUI)选择感兴趣体积(VOI)和/或请求患者信息以供后续扫描或处理。
参考图3和图4,系统100、200的示例性实施方案包括图像校正系统300和相关联的方法400,该图像校正系统和相关联的方法被用作图像处理器单元110、计算设备216和/或图像重建器230的一部分,或者另选地在远程计算系统500内,该远程计算系统可操作地连接到成像系统100、200。
在图像校正系统300和相关联的方法400中,最初,在步骤402中,操作数字成像系统100、200以获得正被成像的受检者的多个视图或投影302。该组投影302被传输到图像处理器单元110,该图像处理器单元在步骤404中对投影302执行基本重建(诸如滤波反投影(FBP)),以获得初始体积304。
在步骤406中,初始体积304被传输到图像校正系统300。具体地,初始体积304被传输到人工智能(AI)306,该人工智能形成图像校正系统300的部件并且可作为可执行指令被存储在成像系统100、200中的计算设备(或控制器)216上的非暂态存储器218中或连接到计算设备(或控制器)的非暂态存储器中。在本公开的某些示例性实施方案中,AI 306可形成为训练深度学习(DL)模型、卷积神经网络(CNN)模型、线性回归模型和非线性回归模型以及其他合适的AI模型中的一者或多者。在图像校正系统300的一个示例性实施方案中,AI 306形成为CNN 308,该CNN经训练以检测并校正由CNN 308在供应到CNN 308的初始体积304内检测到的伪影,以便在步骤408中输出经校正体积310。
结合步骤406中的初始体积304的传输,在步骤410中,在一个示例性实施方案中的初始体积304还被传输到投影恢复模块312,该投影恢复模块形成为图像校正系统300的一部分并且可作为可执行指令被存储在成像系统100、200中的计算设备(或控制器)216上的非暂态存储器218中或连接到计算设备(或控制器)的非暂态存储器中。投影恢复模块312接收初始体积304,并且在步骤412中操作以从初始体积304生成一组经恢复或正向投影图像314,该组经恢复或正向投影图像匹配初始体积304并且构成用于形成初始体积304的原始投影302的近似或模拟。为了创建正向投影314,在利用迭代方法重建初始体积304的情况下,可由具有相对于受检者112和/或初始体积304与原始投影302相同的几何形状和/或角度位置的投影恢复模块312来从初始体积304形成正向投影314,诸如在数字乳房断层合成(DBT)的情况下。正向投影314也可用其他合适的过程形成。在使用正向投影314的情况下,迭代重建模块316(将被描述)仅需要对图像/正向投影314而非投影数据进行摘要,以供在任何后续过程中使用,诸如在迭代重建模块316内,任何原始投影302需要针对金属伪影和乳房皮肤等的附加伪影校正,而使用正向投影314则不需要,这是因为在形成正向投影314的初始体积304的创建/重建中已经解决和/或去除了伪影,并且与使用原始投影302相比,使用正向投影314存在最小的细节损失。
另选地,在利用滤波反投影(FBP)过程将原始投影/投影图像302重建到初始体积304中的情况下,将由投影恢复模块312以迭代方式形成正向投影314,使得用于正向投影314的FBP数据将与初始体积304的FBP数据相同。作为合适的迭代过程的一个示例,通过迭代地求解优化问题y*=argmin||FBP(y)–x||来恢复投影数据y,其中FBP(y)可被写为矩阵形式,即,FBP(y)=Ay,其中A是矩阵。优化问题通过利用来自x的正向投影初始化y来解决,并且经由优化算法(诸如但不限于最速下降)来迭代地减小目标函数。除了用于减少任何经AI处理的图像中的过度平滑之外,还可将正向投影314提供到任何迭代重建算法,例如,具有TV最小化的高级IR,以用作真实投影或代替真实投影。以此方式,即使原始投影数据丢失,也可使用强大的迭代重建算法来改进图像质量。此外,在任一情况下,投影恢复模块312不需要用于创建正向投影314的实际投影/投影数据302,而仅需要经重建初始体积304。
在图像校正系统300内继续,由投影恢复模块312输出的正向投影314和由CNN 308输出的经校正体积310然后各自在步骤414中被发送到迭代重建模块316,该迭代重建模块形成图像校正系统300的另一个部件并且可作为可执行指令被存储在成像系统100、200中的计算设备(或控制器)216上的非暂态存储器218中或连接到计算设备(或控制器)的非暂态存储器中。在步骤416中,迭代重建模块316操作以将未正则化的或无约束的迭代重建过程应用于迭代重建过程,以创建优化体积318作为来自图像校正系统300的输出,在该未正则化的或无约束的迭代重建过程中,经恢复的正向投影314被用作投影,并且DL图像/经校正体积310被用作迭代重建过程的初始化。虽然可确定由迭代重建模块316执行的迭代次数以获得针对优化体积318的期望校正,但是在一个示例性实施方案中,模块316可采用多达(10)次的一系列迭代来实现针对优化体积318的期望校正。
现在看图5A至图5D,从图1的现有技术过程输出的经重建初始体积304(图5A)、AI校正体积310(图5B)、优化体积318(图5C)和示例性体积(图5D)的表示。如图5A至图5D所示,在图5A的初始重建体积中提供的细节在图5B的初始AI校正体积310中被平滑化。在图5C中,在迭代重建中重新使用原始投影的现有技术过程将伪影从图1的现有技术过程带回到示例性体积中。然而,通过在迭代重建模块318中采用方法400中的正向投影314,图5D中的优化体积318的细节从经校正体积310得到改进,同时消除了来自原始投影302的伪影的重新引入。
此外,关于图像校正系统300的操作益处,由于图像校正系统300仅将初始体积304作为输入,因此用于创建正向投影314和经校正体积310的计算需求显著减少,因为在图像校正系统300的操作内不采用原始投影数据。因为不需要处理原始投影数据和/或对原始投影数据执行附加处理(诸如金属还原或其他伪影去除处理),所以缺乏作为图像校正系统300的操作的要求的原始图像或投影数据相对于现有技术系统显著地加速了图像校正系统300的操作。除此之外,如果原始投影数据被破坏或不可用(例如,原始投影数据未被存储),则图像校正系统300仍然可仅利用初始体积304来操作。
应当理解,本公开的前述组合物、装置和方法不限于特定实施方案和方法,因为这些可变化。还应当理解,本文所用的术语仅用于描述特定示例性实施方案的目的,而非旨在限制本公开的范围,本公开的范围将仅由所附权利要求书限制。

Claims (15)

1.一种用于优化使用数字成像X射线系统获得的图像的方法,所述方法包括以下步骤:
a.提供数字X射线成像系统,所述数字X射线成像系统包括:
i.X射线源;
ii.X射线检测器,所述X射线检测器能够与所述X射线源对准;
iii.图像处理系统,所述图像处理系统可操作地连接到所述X射线源和所述X射线检测器以生成X射线图像数据,所述图像处理系统包括:处理单元,所述处理单元用于处理来自所述X射线检测器的X射线图像数据以从所述X射线图像数据形成投影和其他图像;以及非暂态存储器,所述非暂态存储器可操作地连接到所述处理单元并存储用于操作图像校正系统的指令;
iv.显示器,所述显示器可操作地连接到所述图像处理系统以向用户呈现信息;和
v.用户界面,所述用户界面可操作地连接到所述图像处理系统以实现到所述图像处理系统的用户输入;
b.获得受检者的多个原始投影;
c.从所述原始投影重建初始体积;
d.在所述图像校正系统内从所述初始体积形成多个正向投影;
e.校正所述初始体积以在所述图像校正系统内形成经校正体积;以及
f.使用所述正向投影和所述经校正体积在所述图像校正系统内的迭代重建过程中优化所述经校正体积以形成优化体积。
2.根据权利要求1所述的方法,其中形成所述正向投影的所述步骤包括形成对应于所述原始投影中的每一者的多个正向投影。
3.根据权利要求2所述的方法,其中形成对应于所述原始投影中的每一者的多个正向投影的所述步骤包括在所述初始体积内形成具有对应于所述原始投影中的一者的几何形状的每个正向投影。
4.根据权利要求3所述的方法,其中形成对应于所述原始投影中的每一者的多个正向投影的所述步骤包括从所述初始体积迭代地形成所述正向投影。
5.根据权利要求1所述的方法,其中在迭代重建过程中优化所述经校正体积的所述步骤不包括利用所述原始投影。
6.根据权利要求1所述的方法,其中在所述迭代重建过程中优化所述经校正体积的所述步骤包括在所述迭代重建过程中使用所述正向投影和所述经校正体积来形成所述优化体积。
7.根据权利要求1所述的方法,其中所述多个正向投影被用作所述迭代重建过程内的投影,并且所述经校正体积被用作所述迭代重建过程内的初始化。
8.根据权利要求7所述的方法,其中所述迭代重建过程是无约束的迭代重建过程。
9.根据权利要求7所述的方法,其中所述迭代重建过程包括10次或更少的迭代。
10.根据权利要求1所述的方法,其中所述数字X射线成像系统选自计算机断层摄影系统和数字乳房断层摄影系统。
11.根据权利要求1所述的方法,所述方法还包括在从所述初始体积形成多个正向投影的所述步骤之前向所述图像校正系统提供由所述初始体积组成的输入的步骤。
12.一种数字X射线成像系统,所述数字X射线成像系统包括:
a.X射线源;
b.X射线检测器,所述X射线检测器能够与所述X射线源对准;
b.图像处理系统,所述图像处理系统可操作地连接到所述X射线源和所述X射线检测器以生成X射线图像数据,所述图像处理系统包括:处理单元,所述处理单元用于处理来自所述X射线检测器的所述X射线图像数据以从所述X射线图像数据形成投影和其他图像;
c.非暂态存储器,所述非暂态存储器可操作地连接到所述处理单元并且存储用于操作图像校正系统的指令;
d.显示器,所述显示器可操作地连接到所述图像处理系统以向用户呈现信息;和
e.用户界面,所述用户界面可操作地连接到所述图像处理系统以实现到所述图像处理系统的用户输入;
其中用于所述图像处理系统的所述处理单元和所述非暂态存储器被配置为:从由所述数字X射线成像系统获得的多个原始投影重建的初始体积形成多个正向投影;校正所述初始体积以形成经校正体积;以及使用所述正向投影和所述经校正体积在迭代重建过程中优化所述经校正体积以形成优化体积。
13.根据权利要求12所述的数字X射线成像系统,其中向用于所述图像校正系统的所述处理单元和所述非暂态存储器提供由所述初始重建体积组成的输入。
14.根据权利要求12所述的数字X射线成像系统,其中用于所述图像校正系统的所述处理单元和所述非暂态存储器被配置为形成对应于用于形成所述初始体积的所述原始投影的多个正向投影。
15.根据权利要求14所述的数字X射线成像系统,其中用于所述图像校正系统的所述处理单元和所述非暂态存储器被配置为在所述迭代重建过程中优化所述经校正体积,以仅利用所述正向投影和所述经校正体积来形成优化体积。
CN202311400241.0A 2022-10-31 2023-10-26 用于以改进的图像质量从ct/dbt扫描中恢复投影数据的系统和方法 Pending CN117974821A (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US17/977,468 2022-10-31
US17/977,468 US20240144470A1 (en) 2022-10-31 2022-10-31 System and Method for Restoring Projection Data from CT/DBT Scans with Improved Image Quality

Publications (1)

Publication Number Publication Date
CN117974821A true CN117974821A (zh) 2024-05-03

Family

ID=90833941

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311400241.0A Pending CN117974821A (zh) 2022-10-31 2023-10-26 用于以改进的图像质量从ct/dbt扫描中恢复投影数据的系统和方法

Country Status (2)

Country Link
US (1) US20240144470A1 (zh)
CN (1) CN117974821A (zh)

Also Published As

Publication number Publication date
US20240144470A1 (en) 2024-05-02

Similar Documents

Publication Publication Date Title
US10143433B2 (en) Computed tomography apparatus and method of reconstructing a computed tomography image by the computed tomography apparatus
US10755407B2 (en) Systems and methods for capturing deep learning training data from imaging systems
US10679346B2 (en) Systems and methods for capturing deep learning training data from imaging systems
US11419566B2 (en) Systems and methods for improving image quality with three-dimensional scout
EP3760126B1 (en) Systems and methods for high-resolution spectral computed tomography imaging
US9984476B2 (en) Methods and systems for automatic segmentation
US20240029207A1 (en) Systems and methods for adaptive blending in computed tomography imaging
US11580678B2 (en) Systems and methods for interpolation with resolution preservation
JP7403585B2 (ja) 計算機式断層写真法画像再構成のためのシステム及び方法
US20220375038A1 (en) Systems and methods for computed tomography image denoising with a bias-reducing loss function
US10383589B2 (en) Direct monochromatic image generation for spectral computed tomography
US11337671B2 (en) Methods and systems for improved spectral fidelity for material decomposition
US9858688B2 (en) Methods and systems for computed tomography motion compensation
CN112842370A (zh) 用于x射线成像中的参数噪声调制的方法和系统
US20230363724A1 (en) X-ray ct apparatus and high-quality image generation device
US20240029415A1 (en) Simulating pathology images based on anatomy data
US10552992B2 (en) Poly-energetic reconstruction method for metal artifacts reduction
US20230320688A1 (en) Systems and methods for image artifact mitigation with targeted modular calibration
US20240144470A1 (en) System and Method for Restoring Projection Data from CT/DBT Scans with Improved Image Quality
US11270477B2 (en) Systems and methods for tailored image texture in iterative image reconstruction
WO2016186746A1 (en) Methods and systems for automatic segmentation
EP4365828A1 (en) System and method for employing residual noise in deep learning denoising for x-ray imaging
US20230048231A1 (en) Method and systems for aliasing artifact reduction in computed tomography imaging
US20240265591A1 (en) Systems and methods for interpolation of dual-energy ct data

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