CN117979904A - 用于能量箱下采样的系统和方法 - Google Patents
用于能量箱下采样的系统和方法 Download PDFInfo
- Publication number
- CN117979904A CN117979904A CN202280062653.5A CN202280062653A CN117979904A CN 117979904 A CN117979904 A CN 117979904A CN 202280062653 A CN202280062653 A CN 202280062653A CN 117979904 A CN117979904 A CN 117979904A
- Authority
- CN
- China
- Prior art keywords
- bin
- bins
- energy
- detector
- photon
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 122
- 238000003384 imaging method Methods 0.000 claims abstract description 64
- 238000002591 computed tomography Methods 0.000 claims abstract description 30
- 239000000463 material Substances 0.000 claims description 92
- 238000005457 optimization Methods 0.000 claims description 34
- 238000000354 decomposition reaction Methods 0.000 claims description 21
- 238000005259 measurement Methods 0.000 claims description 18
- 230000002238 attenuated effect Effects 0.000 claims description 12
- 108010044915 superbin Proteins 0.000 claims description 8
- 238000004088 simulation Methods 0.000 claims description 2
- 238000013170 computed tomography imaging Methods 0.000 abstract description 20
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 27
- 230000000875 corresponding effect Effects 0.000 description 15
- 238000001228 spectrum Methods 0.000 description 14
- 230000008569 process Effects 0.000 description 13
- 210000000988 bone and bone Anatomy 0.000 description 12
- OYPRJOBELJOOCE-UHFFFAOYSA-N Calcium Chemical compound [Ca] OYPRJOBELJOOCE-UHFFFAOYSA-N 0.000 description 11
- 239000004698 Polyethylene Substances 0.000 description 11
- 229910052791 calcium Inorganic materials 0.000 description 11
- 239000011575 calcium Substances 0.000 description 11
- 229920000573 polyethylene Polymers 0.000 description 11
- 230000005855 radiation Effects 0.000 description 11
- 230000006870 function Effects 0.000 description 10
- 239000004800 polyvinyl chloride Substances 0.000 description 10
- 229920000915 polyvinyl chloride Polymers 0.000 description 9
- 239000000203 mixture Substances 0.000 description 7
- 230000004044 response Effects 0.000 description 7
- 238000003860 storage Methods 0.000 description 7
- 239000002872 contrast media Substances 0.000 description 6
- 238000012545 processing Methods 0.000 description 6
- 238000007476 Maximum Likelihood Methods 0.000 description 5
- XUIMIQQOPSSXEZ-UHFFFAOYSA-N Silicon Chemical compound [Si] XUIMIQQOPSSXEZ-UHFFFAOYSA-N 0.000 description 5
- 230000000694 effects Effects 0.000 description 5
- 238000013442 quality metrics Methods 0.000 description 5
- 230000009467 reduction Effects 0.000 description 5
- 229910052710 silicon Inorganic materials 0.000 description 5
- 239000010703 silicon Substances 0.000 description 5
- ZCYVEMRRCGMTRW-UHFFFAOYSA-N 7553-56-2 Chemical compound [I] ZCYVEMRRCGMTRW-UHFFFAOYSA-N 0.000 description 4
- 229910052740 iodine Inorganic materials 0.000 description 4
- 239000011630 iodine Substances 0.000 description 4
- 230000007246 mechanism Effects 0.000 description 4
- 238000002360 preparation method Methods 0.000 description 4
- 210000004872 soft tissue Anatomy 0.000 description 4
- 230000003595 spectral effect Effects 0.000 description 4
- MARUHZGHZWCEQU-UHFFFAOYSA-N 5-phenyl-2h-tetrazole Chemical compound C1=CC=CC=C1C1=NNN=N1 MARUHZGHZWCEQU-UHFFFAOYSA-N 0.000 description 3
- 230000008901 benefit Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 238000009826 distribution Methods 0.000 description 3
- 238000007689 inspection Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000002083 X-ray spectrum Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 210000003484 anatomy Anatomy 0.000 description 2
- 238000013459 approach Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- QWUZMTJBRUASOW-UHFFFAOYSA-N cadmium tellanylidenezinc Chemical compound [Zn].[Cd].[Te] QWUZMTJBRUASOW-UHFFFAOYSA-N 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 230000002596 correlated effect Effects 0.000 description 2
- 230000001419 dependent effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- XMBWDFGMSWQBCA-UHFFFAOYSA-N hydrogen iodide Chemical compound I XMBWDFGMSWQBCA-UHFFFAOYSA-N 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- -1 stent Substances 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 238000002583 angiography Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 239000004053 dental implant Substances 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 238000010894 electron beam technology Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 239000010437 gem Substances 0.000 description 1
- 229910001751 gemstone Inorganic materials 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012804 iterative process Methods 0.000 description 1
- 230000003902 lesion Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000009607 mammography Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 210000000056 organ Anatomy 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000004611 spectroscopical analysis Methods 0.000 description 1
- 230000026676 system process Effects 0.000 description 1
Landscapes
- Apparatus For Radiation Diagnosis (AREA)
Abstract
提供了用于在计算机断层摄影成像系统中对检测器数据进行下采样的方法和系统。在示例中,一种用于光子计数计算机断层摄影(PCCT)系统的方法包括:在成像受检者的扫描期间,从PCCT系统的光子计数检测器获得检测器数据,对于光子计数检测器的每个像素或检测器元件,检测器数据包括基于由光子计数检测器上的每个光子赋予的能量而被划分成多个能量箱的光子计数;将箱因子应用于每个像素的多个能量箱,以将多个能量箱下采样成减少数量的能量箱;以及根据减少数量的能量箱重建一个或多个图像。
Description
相关申请的交叉引用
本申请要求美国临时申请号63/245,607的优先权,该美国临时申请的名称为“ENERGY-BIN DOWNSAMPLING METHOD FOR GRAYSCALE IMAGE RECONSTRUCTION FOR A DEEPSILICON PHOTON-COUNTING CT CLINICAL PROTOTYPE”(用于深硅光子计数CT临床原型灰度图像重建的能量箱下采样方法)并且于2021年9月17日提交。本申请要求美国临时申请号63/309,160的优先权,该美国临时申请的名称为“ENERGY BIN WEIGHTS FOR COMPRESSINGMEASUREMENTS WITH PHOTON COUNTING X-RAY DETECTOR”(用于压缩光子计数X射线检测器测量结果的能量箱权重)并且于2022年2月11日提交。上述申请的每一个申请的全部内容据此以引用方式并入以用于所有目的。
技术领域
本文所公开的主题的实施方案涉及成像系统和方法,并且更具体地,涉及计算机断层摄影(CT)成像系统中的能量箱下采样。
背景技术
在计算机断层摄影(CT)成像系统中,由阴极生成的电子束指向X射线源或X射线管内的靶标。由与靶碰撞的电子产生的扇形或锥形X射线束指向受检者,诸如患者。在被对象衰减之后,X射线撞击X射线检测器阵列,从而生成图像。可以通过使用光子计数CT(PCCT)来提高CT图像的质量,其中X射线检测器是光子计数检测器,并且对光子进行计数以提供光谱信息。
发明内容
在示例中,一种用于光子计数计算机断层摄影(PCCT)系统的方法包括:在成像受检者的扫描期间,从PCCT系统的光子计数检测器获得检测器数据,对于光子计数检测器的每个像素或检测器元件,检测器数据包括基于由撞击在光子计数检测器上的每个光子赋予的能量而被划分成多个能量箱的光子计数;将箱因子应用于每个像素的多个能量箱,以将多个能量箱下采样成减少数量的能量箱;以及根据减少数量的能量箱重建一个或多个图像。
在单独或结合附图考虑时,本说明书的以上优势以及其他优势和特征将从以下具体实施方式中显而易见。应当理解,提供以上发明内容是为了以简化的形式介绍在具体实施方式中进一步描述的一系列概念。这并不意味着确定所要求保护的主题的关键或必要特征,该主题的范围由具体实施方式后的权利要求书唯一地限定。此外,所要求保护的主题不限于解决上文或本公开的任何部分中提到的任何缺点的具体实施。
附图说明
通过阅读以下详细描述并参考附图,可更好地理解本公开的各个方面,在附图中:
图1示出了根据本公开的一个或多个实施方案的计算机断层摄影(CT)成像系统的绘画视图;
图2示出了根据本公开的一个或多个实施方案的示例性CT成像系统的示意性框图;
图3是根据本公开的一个或多个实施方案的PCCT系统的示例性检测器阵列的示意图;
图4是示出了根据本公开的实施例的用于能量箱下采样的高级方法的流程图;
图5是示出了根据本公开的实施例的用于识别要被应用于下采样能量箱的目标箱组合的方法的流程图;
图6是示出了根据本公开的实施例的用于标识要被应用于下采样能量箱的目标权重集的方法的流程图;
图7是示出了根据本公开的实施例的用于下采样能量箱计数的方法的流程图;
图8示出了组合的能量箱中的能量谱的示例图;
图9示出了仅连续箱被组合的组合的箱中的能量谱的示例图;
图10示出了利用满能量箱计数和组合能量箱计数生成的受检者的示例灰度图像;
图11示出了可适用于将能量箱计数下采样为两个箱的目标权重集合的示例图。
图12示出与图11的目标权重集合组合的两个箱的能量谱的示例图;
图13示出了利用满箱能量计数和求和加权能量箱计数生成的示例钙基图像;
图14示出了利用满箱能量计数和求和加权能量箱计数生成的示例水基图像;
图15示意性地示出了用于迭代地组合箱以识别目标箱组合的过程;并且
图16示出了可被应用于以局部化方式下采样箱计数的示例权重集合。
具体实施方式
本说明书和本文所公开的主题的实施方案涉及用于下采样经由光子计数计算机断层摄影(PCCT)系统采集的数据的方法和系统。在计算机断层扫描(CT)成像系统中,X射线源或X射线管向诸如患者的对象发射X射线束,由受检者衰减的X射线被一个或多个检测器(例如,检测器阵列)检测,以生成用于重建一个或多个图像的投影数据。X射线检测器或检测器阵列通常包括用于准直在检测器处接收的X射线束的准直器、与准直器相邻地设置的用于将X射线转换成光能的闪烁体和用于从相邻闪烁体接收光能并从中生成电信号的光电二极管。在检测器阵列处接收的衰减X射线束辐射的强度通常取决于患者对X射线束的衰减。检测器阵列的每个检测器元件产生单独的电信号,该电信号指示由每个检测器元件接收的衰减束。电信号被传输到数据处理系统供分析。数据处理系统处理电信号以促成生成图像。通常,在CT系统中,X射线源和检测器阵列围绕成像平面内的机架并围绕患者旋转,并且图像从在以不同视角的多个视图处的投影数据生成。例如,对于X射线源的一次旋转,可以由CT系统生成1000个视图。
此类常规CT成像系统利用将射线照相能量转换成电流信号的检测器,这些电流信号在一段时间内进行积分,然后被测量并且最终被数字化。然而,此类检测器的缺点在于它们无法提供关于所检测的光子的数量和/或能量的数据或反馈。即,由闪烁体发射的光是撞击的X射线的数量和X射线的能量水平两者的函数。光电二极管可能无法鉴别能量水平或来自闪烁体的光子计数。例如,两个闪烁体可以用相等的强度照射,并且因此向它们各自的光电二极管提供相等的输出。然而,尽管产生相等的光输出,但由每个闪烁体接收的X射线的数量可以不同,并且X射线的强度可以不同。
相反,PCCT检测器可以提供具有高空间分辨率的光子计数和/或能量鉴别反馈。可以致使PCCT检测器在X射线计数模式下操作,并且还在每个X射线事件的能量测量模式下操作。虽然在直接转换能量鉴别检测器的构造中可以使用多种材料,但半导体已经显示为一种优选的材料。用于这种用途的典型材料包括碲化镉锌(CZT)、碲化镉(CdTe)和硅(Si),其上附着有多个像素化阳极。
然而,光子计数检测器的缺点在于,由于像素和能量箱的数量增加,它们生成相对大量的数据。例如,PCCT系统可以具有由比较器确定的多个能量箱(energy bin)(例如,5或8个),该比较器可以是数据采集系统(DAS)的读数的一部分。具有许多能量箱的系统可以由读出DAS中的多个比较器形成。每个比较器可设定为在高于设定能量水平上触发,这导致高于对应的X射线能量水平的光子数量在寄存器上累积。因为检测器阵列旋转,所以收集到的数据通过具有有限带宽的滑环传送到数据处理计算机以用于图像重建。因此,由于跨越滑环传送数据可能花费相对长的时间量,初始图像重建可能被延迟。
因此,本文提出了将检测器数据下采样为更少的箱(bin)(例如,2或3个箱,而不是全部5或8个箱)的系统和方法,从而减少跨滑环传输的数据量。通过对检测器数据进行下采样,可以相对快速地重建和呈现图像以供查看,这可以帮助临床决策制定。在一些示例中,可以通过根据在系统校准期间识别的目标箱组合来组合箱计数(在本文中也称为简单组合箱)来对检测器数据进行下采样。可以通过选择使质量度量(诸如,对比度与噪声比)最大化的箱组合来识别目标箱组合,该目标箱组合以图像质量的最小折衷将全部数量的箱(例如,8个)组合成2或3个箱。在其它示例中,可以通过形成箱的两个或更多个加权和来对检测器数据进行下采样。可以通过将箱权重的相应集合应用于满箱并对经加权的箱进行求和来形成每个加权的和。可以在系统校准期间凭经验识别箱权重的每个集合,例如,通过针对大范围的不同受检者材料和大小选择使来自加权和的基础材料厚度估计的Cramér-Rao下限(CRLB)与来自原始分箱计数的基础材料厚度估计的Cramér-Rao下限(CRLB)之间的比率最小化的权重。对于每个实施例,经下采样的箱计数可以被用于生成虚拟单能图像(VMI)和/或执行材料分解(MD)。
图1和图2提供了可以用于根据本发明技术执行成像扫描的PCCT系统的一个实例。图3示出了PCCT系统的示例性检测器阵列,其中由X射线源指向受检者的X射线的光子由检测器阵列的检测器计数。计数的光子可以被划分成箱并且该箱可以根据图4中示出的方法被下采样,其包括在PCCT系统的校准期间识别目标箱组合(根据图5的方法并且如图15中示意性地示出的)或目标权重集合(根据图6的方法)并且然后在扫描期间应用目标箱组合或目标权重集合(根据图7的方法)。当在校准期间选择目标箱组合时,可以针对VMI或MD来优化箱组合,这可以导致不同的箱组合,如图8所示,并且可以不过度地损害图像质量,如图10所示。如图9所示,与简单地减少能量箱的数量相比,允许组合非连续箱可以提供更高的图像质量。在图11、12和16中示出了用于形成箱和对应的能量谱的和的加权和的示例目标权重集合,其同样不会过度地损害图像质量,如图13和14所示。
图1示出了被配置用于利用光子计数检测器进行CT成像的示例性PCCT系统100。具体地,PCCT系统100被配置为对受检者112(诸如患者、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。PCCT系统100包括机架102,该机架进而还可以包括至少一个X射线源104,该X射线源被配置为投射X射线辐射束106(参见图2),用于对躺在检查台114上的受检者112进行成像。具体地,X射线源104被配置为将X射线辐射束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1描绘了单个X射线源104,但是在某些实施方案中,可以采用多个X射线源和检测器来投射多个X射线辐射束,用于以对应于患者的相同或不同能量水平获取投影数据。在一些实施方案中,X射线源104可通过快速峰值千伏电压(kVp)切换来实现双能量宝石能谱成像(GSI)。在本文所描述的实施方案中,所采用的X射线检测器是能够区分不同能量的X射线光子的光子计数检测器。
在某些实施方案中,PCCT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可以使用诸如滤波反投影(FBP)的分析图像重建方法来重建患者的靶体积的图像。作为另一示例,图像处理器单元110可以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)等等)来重建受检者112的靶体积的图像。在一些实例中,图像处理器单元110除使用迭代图像重建方法之外,还可以使用分析图像重建方法,诸如FBP。
在一些CT成像系统配置中,X射线源投射锥形X射线辐射束,该锥形X射线辐射束相对于X-Y-Z笛卡尔坐标系定义,通常称之为“成像体积”。X射线辐射束穿过正在被成像的对象,诸如患者或受检者。X射线辐射束在被对象衰减之后撞击检测器元件阵列。在检测器阵列处接收的衰减X射线辐射束的强度取决于对象对X射线辐射束的衰减。阵列的每个检测器元件生成单独的电信号,该单独的电信号是检测器位置处的X射线束衰减测量。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,用机架使X射线源和检测器阵列在成像体积内围绕待成像的对象旋转,使得X射线束与该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X射线辐射衰减测量结果(例如,投影数据)被称为“视图”。对象的“扫描”包括在X射线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。
图2示出了类似于图1的PCCT系统100的示例性成像系统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(例如,图1的受检者112)进行成像。在一个实施方案中,成像系统200包括检测器阵列108(参见图1)。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穿过受检者204(诸如患者)以获取对应投影数据的X射线辐射束106(参见图2)。在一些实施方案中,检测器阵列108可被制造成包括多行单元或检测器元件202的多切片配置,其中检测器元件202的一个或多个附加行被布置成用于采集投影数据的平行配置。检测器元件202也可被称为像素或检测器像素。
在某些实施方案中,成像系统200被配置为遍历受检者204周围的不同角方位以采集所需投影数据。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旋转以用于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,所安装的部件可被配置为沿着大致曲线而不是沿着一段圆周移动。
因此,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以表示所扫描的受检者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。
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。可以重建材料密度投影,以形成每种相应的基础材料的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成像体积中的基础材料(例如骨、软组织和/或造影剂)的3D体图像。
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X射线控制器210,该X射线控制器被配置为向X射线源104提供功率和定时信号。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还包括数据采集系统(DAS)214,该DAS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用于后续处理。DAS214可以进一步被配置为选择性地将来自检测器元件202的子集的数据聚集到所谓的宏检测器中。经由集电环将由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可以是任何类型的非暂态存储器并可包括硬盘驱动器、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,以及/或者固态存储驱动器。
此外,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,用于控制系统操作,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,该操作员输入例如包括命令和/或扫描参数。操作员控制台220可以包括键盘(未示出)或触摸屏,以允许操作员指定命令和/或扫描参数。
虽然图2示出了一个操作员控制台220,但是多于一个操作员控制台可以耦接到成像系统200,例如以用于输入或输出系统参数、请求检查、绘制数据和/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包括图片存档和通信系统(PACS)224或耦接到该PACS。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/或耦接到内部或外部网络(未示出),以允许处于不同位置的操作员供应命令和参数和/或获得对图像数据的访问。
计算设备216使用操作员提供的和/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114,该检查台可以是电动检查台。具体地,检查台马达控制器226可以移动检查台114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使用所采样和数字化的X射线数据来执行高速重建。虽然图2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。另外,图像重建器230可本地或远程地定位,并且可使用有线或无线网络来能够操作地连接到成像系统200。具体地,一个示例性实施方案可以使用“云”网络集群中的计算资源来用于图像重建器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可用患者信息。在某些实施方案中,计算设备216可将重建图像和/或患者信息传输到显示器或显示设备232,该显示器或显示设备通信地耦接到计算设备216和/或图像重建器230。在一些实施方案中,重建图像可从计算设备216或图像重建器230传输到存储设备218,以进行短期或长期存储。
信息可以经由集电环213在驻留于机架102中的部件与外部设备(诸如计算设备216和/或图像重建器230)之间传输,其中集电环促进跨旋转机架的电子通信。
现在参考图3,示出了PCCT光子计数检测器阵列300,PCCT光子计数检测器阵列可以是图2的检测器阵列108的非限制性示例。检测器阵列300包括轨道304,这些轨道具有放置在其间的准直叶片和板306。板306被定位成在X射线302撞击检测器阵列300的多个检测器模块308之前将此类射线束准直,其中这些检测器模块可以布置在板306之间。例如,检测器阵列300可以包括57个检测器模块308,每个检测器模块308具有64×16个检测器元件(例如,像素)的阵列大小。因此,检测器阵列300将具有64行和912列(16个像素×57个检测器模块),从而允许在每次机架(例如,图1的机架102)旋转时同时收集64个数据切片。
如上所述,每个检测器模块308的每个检测器元件可以被设计成直接将射线照相能量转换成包含能量鉴别数据或光子计数数据的电信号。例如,当光子撞击检测器模块308的检测器元件时,可以在该检测器元件的半导体层内生成与光子能量成比例的电荷。比较器可将所生成的电荷的电压与一个或多个阈值进行比较,并且基于相对于该一个或多个阈值的电压来递增(多个箱中的)箱的计数。例如,该多个箱可包括8个箱,其中,能量阈值被配置用于实现最佳材料分解性能。
因此,X射线束可以针对每个检测器元件生成多个光子计数(例如,针对每个能量箱生成一个或多个计数),从而产生的数据比积分检测器生成的数据大幅增多。从利用光子计数检测器收集的数据生成图像可能很耗时,这可能延迟对图像的查看。此外,将数据从DAS传送到用于图像重建的外部计算设备可能是具有挑战性的,因为旋转机架需要滑环来传送数据,这具有有限的带宽并且因此可能限制能够传送的数据量。因此,本文提供下采样方法以对要经由滑环传送和/或在图像重建中使用的数据量进行下采样。
在第一示例中,能量箱下采样可以包括将能量箱组合成两个或三个组合箱,其中通过使用校准透射测量来确定箱的组合以确定保持图像质量(用于生成灰度图像和/或材料分解图像)的最佳箱组合。为了在校准期间识别箱组合,在每次迭代时,下采样优化方法评估所有能量箱对的组合并且选择最大化图像质量度量的组合。下采样继续迭代,同时保持图像质量度量。图像质量度量可以是具有和不具有对比度元素的测量之间的对比度噪声比(CNR),但是其他度量也是可能的,诸如材料分解基噪声。下文相对于图4、5及7到9提供关于使用目标箱组合的能量箱采样的附加细节。
在第二示例中,能量箱下采样可以包括通过将两个(或三个)权重的集合应用于能量箱计数而形成包含与原始箱计数大致相同的信息量的能量箱的两个或三个加权和。下文相对于图4、6、7、10和11提供关于用于形成两个或更多个加权和的能量箱下采样的附加细节。
用于下采样能量箱的任一示例可被应用于执行材料分解和/或生成虚拟单能图像。本文描述的能量箱下采样可以显著地减小需要通过滑环传送的数据大小,而没有繁重的计算负荷或频谱信息的大量损失,这可以导致更快的处理/重建时间。
现在转向图4,其示出了用于使用能量箱下采样来执行扫描的方法400。方法400可以根据存储在一个或多个控制器或者计算设备的存储器中的指令来执行,该控制器或计算设备被包括作为CT成像系统的一部分并且/或者可操作地耦接到CT成像系统,诸如DAS214、X射线控制器210、图像重建器230和/或计算设备216。
在402处,方法400包括执行一个或多个校准扫描以生成并存储箱因子。箱因子可以包括箱组合或权重,其可以被应用以便在成像目标(诸如患者)上的后续扫描期间压缩/下采样能量箱。因此,在一些示例中,可以执行校准扫描以识别一个或多个目标箱组合,如404处所指示。每个目标箱组合可以指定应组合哪些邻接或非邻接箱以将能量箱的全部数量减少到两个或三个经组合的箱。下文相对于图5提供识别目标箱组合的附加细节。简言之,在(一个或多个)校准扫描期间,可以在扫描已知大小和组成的(一个或多个)受检者(被称为体模)的同时获得检测器数据。取决于检测器配置,检测器数据可以包括基于每个光子的能量被划分成多个箱(诸如八个或五个能量箱)中的光子计数。可以应用迭代箱组合过程来识别优化图像质量度量(诸如CNR或材料分解基噪声)的箱组合,同时减少所传送和处理的数据的量。所识别的箱组合可以被保存为箱因子。
在其它示例中,可以执行校准扫描以识别一个或多个目标权重集合,如406处所指示。每个目标权重集合可以指定应用于每个能量箱的权重,并且可以对经加权的箱求和以将能量箱的全部数量减少到两个或三个经求和的箱。下文相对于图6提供识别目标权重集合的附加细节。简言之,可以使用在校准扫描期间收集的检测器数据来执行搜索以识别两个或三个权重集合,该两个或三个权重集合最小化来自经加权的和的基础材料厚度估计的方差,该方差与来自原始分箱计数的基础材料厚度估计的变化相当。所识别的权重集合可被保存为箱因子。
在408处,方法400包括根据所选择的扫描协议来扫描患者,以获得包括箱计数的检测器数据。对于光子计数检测器的每个像素(例如,对于每个检测器元件202),检测器数据可以包括基于由光子计数检测器上的每个光子赋予的能量被划分成多个能量箱中的光子计数,其在本文中被称为箱计数。在扫描患者期间,可以控制CT成像系统的X射线源(例如,图1和图2的X射线源104),以根据由所选择的扫描协议(例如,用设定的X射线源或X射线管电流和电压)阐述的扫描处方来发射X射线。当X射线源和检测器阵列围绕患者旋转时,可以从检测器阵列(例如,图1和图2的检测器阵列108)获得检测器数据,从而获得检测器数据的多个视图。对于每个视图,生成检测器阵列的每个像素或检测器元件的每个能量箱的光子计数(例如,在由DAS214读出检测器阵列期间)。例如,在具有八个能量箱的检测器配置中,可以针对检测器阵列的每个像素或检测器元件并且针对每个视图生成八个光子计数。以这种方式,检测器阵列的输出可以被称为箱计数,因为光子计数基于撞击在检测器阵列上的每个光子的能量被划分到能量箱中。能量箱的数量可以基于检测器的配置。例如,硅检测器可以被配置为将光子能量区分为8个能量箱,而碲化镉检测器可以被配置为将光子能量区分为5个能量箱。定义能量箱的能量阈值可以在校准阶段期间确定,并且/或者可以基于具体的扫描协议。例如,可以确定能量阈值以优化材料基分解以及/或者最大化由X射线源发射的给定入射光谱的检测光谱信息。在一个非限制性实例中,能量箱阈值对于8箱检测器可以是4keV、14keV、30keV、37keV、47keV、58keV、67keV和79keV,或者对于5箱检测器可以是10keV、34keV、50keV、62keV和76keV。
在410处,使用所存储的箱因子来对箱计数进行下采样。如412处所指示,对箱计数进行下采样可以包括根据在404处所确定的目标箱组合来组合能量箱。例如,如果目标箱组合指示箱1、2、3及7应被组合成第一箱,箱4、5及6应被组合成第二箱,并且箱8应为第三箱,那么可以组合箱计数(针对每个像素)以使得箱1、2、3和7被组合;组合箱4、5和6;以及箱8保持原样。在其它示例中,如在414处所指示的,箱计数可以根据在406处所确定的目标权重集合来组合。例如,目标权重集合可以包括第一目标权重集合和第二目标权重集合。每个目标权重集合可以包括要被应用于每个能量箱计数的相应权重。对于第一目标权重集合,每个权重可以被应用于相应能量箱,其可以调整一个或多个或全部能量箱的计数。例如,第一目标权重集合可以指示箱1将由0.5加权,而箱2将由1加权。应用这些权重可以引起箱1的计数减半,而箱2的计数不变。在应用来自第一目标权重集合的权重之后,经加权的计数可以被求和以形成第一加权箱。可以对第二目标权重集合执行相同的过程(例如,其中将第二目标权重集合应用于原始的满箱计数以形成第二经加权计数的集合,然后对其求和),使得形成两个经加权的箱。下文相对于图7给出关于下采样箱计数的附加细节。
在415处,将经下采样的箱计数发送到图像重建器或另一合适的计算设备,该另一个合适的计算设备被配置为从经下采样箱计数重建一个或多个图像。经下采样的箱计数可以经由CT扫描器的滑动环从CT扫描器的DAS发送到图像重建器。
在416处,方法400包括从经下采样的箱计数重建一个或多个图像。这些图像可以由图像重建器或其他合适的计算设备重建。重建一个或多个图像可以包括根据下采样的箱计数重建一个或多个灰度(例如,虚拟单能)图像,如418所指示。为了重建VMI,可以使用最大似然估计(MLE)、最小二乘、多项式拟合、神经网络或其他合适的分解方法将经下采样的箱计数分解成所选择的基础材料或衰减分量(例如,康普顿和光电),并且然后可以使用滤波反投影或另一合适的重建技术重建材料分解(MD)图像。可以通过这些重建图像的线性组合来形成所选择能量水平(例如,68keV)的VMI。
附加地或可替选地,重建一个或多个图像可以包括重建一个或多个MD图像,如在420处指示的。为了重建MD图像,可以使用如上文所解释的合适的分解方法(例如,MLE或最小二乘方)将经下采样的箱计数分解成选定基础材料(例如,钙和水),并且然后可以使用合适的重建技术(例如,滤波反投影)重建MD图像。在422处,这些重建图像显示在显示设备上并且/或者保存在存储器中(例如,作为患者检查的一部分的PACS中)。
因此,多个能量箱计数(诸如5个或8个能量箱)可以被压缩为减少数量的能量箱(诸如2个或3个)并且被发送用于图像重建,这可以在CT检查期间加速至少初始图像的重建。一旦压缩的检测器数据(例如,减少数量的能量箱)被发送到图像重建器,收集的检测器数据的全部量(例如,所有能量箱计数)也可以被发送到图像重建器,这可以允许使用所有可用的(例如,非压缩的)检测器数据来重建附加的图像。
图5示出了用于识别目标箱组合的方法500,该目标箱组合被用于对检测器箱计数进行下采样。方法500可以根据存储在一个或多个控制器或者计算设备的存储器中的指令来执行,该控制器或计算设备被包括作为CT成像系统的一部分并且/或者可操作地耦接到CT成像系统,诸如DAS214、X射线控制器210、图像重建器230和/或计算设备216。在一些示例中,方法500可以作为方法400的一部分来执行,例如作为方法400的404的目标箱组合识别。
在502处,方法500包括使用一个或多个体模执行校准扫描。如先前所解释的,可以执行校准扫描以校准具体的CT成像系统,诸如以确定每个检测器元件的响应、识别最优能量箱阈值等。在校准扫描期间,扫描一个或多个体模,使得成像受检者的物质组成和厚度是已知的。体模可以由一种或多种合适的材料组成,诸如聚氯乙烯(PVC)或聚乙烯(PE)。在一些实例中,体模可以包括水、碘化物、钙和/或其他材料(例如,其他造影剂)的区域。在一些实例中,一个或多个体模可以是阶梯楔形体模。在校准扫描期间,可以控制CT成像系统,使得X射线源发射X射线,这些X射线在由每个所扫描的体模衰减之后被该CT成像系统的检测器检测到。
在504处,从检测器获得满箱计数。满箱计数可以类似于上文关于图6所述的满箱计数,例如,被划分成检测器配置所允许的全部数量的能量箱(诸如5个或8个箱)中的光子计数。可以针对检测器的每个像素以及针对在每个体膜的扫描期间得到的每个视图获得箱计数(例如,被划分成能量箱中的光子计数)。可以从DAS214向图像重建器230和/或计算设备216发送满箱计数。
在506处,识别一个或多个目标箱组合。每个目标箱组合可以指定应组合哪些能量箱以对检测器数据进行下采样,如上文相对于图4所描述。待识别的目标箱组合的数量可以基于CT成像系统的配置、将执行的扫描的图像重建目标、将应用于将执行的扫描的扫描协议和/或其它因子。例如,对于其中将分解三种基础材料的扫描协议,可以识别三种目标箱组合,而对于其中将分解两种基础材料的扫描协议,仅可识别两种目标箱组合。此外,如将在下面更详细解释的,可以识别将优化度量维持在目标水平的目标箱组合,并且目标箱组合的数量可以基于将优化维持在目标水平。例如,可以识别三个目标箱组合而非两个目标箱组合,因为当仅识别两个目标箱组合时在优化度量中可能存在惩罚。
为了识别目标箱组合,可以针对对优化度量的影响可迭代地评估所有可能的箱对,诸如校准投影中的对比度噪声比(CNR)或MD基础噪声(投影中的CNR或MD噪声与重建图像中的CNR或MD噪声相关且因此可充当替代度量)。一旦已识别出最佳箱对,便可以重复该过程以识别下一最佳箱对和/或将附加箱放置到最佳箱对中,直到已识别出所要数量的目标箱组合为止。为实现此目的,如508处所指示,针对第一箱对,识别目标箱组合包括组合箱同时保持剩余箱分离。例如,箱1和箱2可以被组合,而箱3-箱8保持分离/原样。然后从经组合的箱和单独的箱计算优化度量,如在510处所示。可以根据x射线投影测量结果、模拟数据或图像来计算或确定优化度量。例如,可以根据针对校准体模(诸如步进楔形体模)获得的x射线投影测量结果来计算或确定优化度量。例如,可以获得两种基础材料(例如PE和PVC)的组合的校准投影测量结果。可以使用经组合的箱和剩余的单独箱对该投影测量进行材料分解以估计两种基础材料的厚度。量化基础材料估计中的噪声的度量可以被用作优化度量。由经组合的箱和剩余的单独箱产生的基础估计可以被线性组合以形成VMI投影估计。使用相同的方法,可以通过基础材料的不同组合来估计VMI投影以用于测量结果。这两个VMI估计之间的CNR可以被用作优化度量。量化材料分解噪声的示例度量是以下等式,其中是第一基础材料的估计厚度中的噪声,/>是第二基础材料的估计厚度中的噪声,/>是第一基础材料的已知厚度,/>是第二基础材料的已知厚度:
作为另一示例,可以根据从经组合的箱和剩余的单独箱生成的一个或多个图像来计算优化度量。例如,如以上相对于图4所描述的,可以为体模的CT采集生成VMI,并且可以将VMI的CNR(例如,碘或骨CNR)确定为优化度量。基本噪声或VMI CNR度量的组合也可以被用作优化度量。还可以使用由成像系统和检测器响应的模型模拟的投影来优化目标箱组合。
对每个剩余的对重复该过程,如512所指示。例如,在下一次迭代中,可以组合箱1和箱3,同时所有剩余的箱(包括箱2)保持分离,并且可以使用经组合的箱(1和3)以及剩余的单独箱(2和4-8)来计算优化度量。在这之后的下一次迭代中,可以组合箱1和箱4,然后组合箱1和箱5等等,直到针对所有可能的对计算了优化度量为止。在514处,选择具有最佳优化度量(例如,最高CNR或最低MD噪声)的箱对,且将该对中的箱组合成“超级”箱。
在516处,再次重复该过程直到达到期望数量的箱为止。一旦创建了第一超级箱,就将超级箱中的箱保持在一起,但是为了识别箱组合的目的而将其作为单个箱来对待。例如,如果第一迭代识别包含箱1和箱2的超级箱,那么在下一迭代上,箱1和箱2可以与箱3组合而所有其它箱保持分离,然后箱1和箱2可以与箱4组合而所有其它箱保持分离等等。当组合箱3和箱4时,例如,箱1和箱2可以保持在一起,因为超级箱充当单个箱。一旦已经将每个能量箱分配给超级箱且超级箱的数量等于期望的箱数数量,便已识别目标箱组合,并且目标箱组合被保存在存储器中(例如,在DAS 214中),如518处所指示,以在成像目标的后续扫描(例如上文相对于图4所描述的扫描)期间应用。在其它示例中,可以重复进行组合箱和计算优化度量的迭代过程,直到优化度量达到目标水平为止。例如,如果三个目标箱组合维持CNR高于目标水平但两个目标箱组合致使CNR下降到低于目标水平,那么可以选择三个目标箱组合并将其保存在存储器中。
图15示意性地示出用于进行迭代地组合箱以识别上述目标箱组合的过程1500。过程1500以在1502处示出的8个原始箱开始。如上所述,将8个原始箱迭代地组合成对,并且针对优化度量评估每一对(与剩余的单独箱组合)。如在1504处所示,导致最佳优化度量(例如,最高CNR)的箱对是箱1和箱7。箱1和箱7形成用作单个箱的超级对,并且该过程被重复。如1506处所示,产生最佳优化度量的下一对是箱2和箱8,其然后形成第二超级箱。重复该过程以识别下一对,其如1508处所示为箱1、6和7(因为箱1和箱7充当单个箱,所以该对为1+7和6)。在下一次迭代中,如1510处所示,箱4和箱5的对被识别为超级箱。再次重复该过程(两次),直到识别出最后两个箱,如1512所示。
目标或超级箱的识别可以用不同的体模重复,以便基于受检者厚度、受检者材料或其它参数识别目标箱组合。此外,对于每个视图,可以针对检测器整体识别目标箱组合。在其它示例中,可以针对每个像素或像素区域及/或针对每个视图识别不同目标箱组合。例如,可以利用梯级楔形体模执行校准,并且可以在针对不同患者厚度(其对应于梯级楔形体的不同部分)以及针对不同成像任务的校准期间确定最优目标箱组合。如将在下面更详细地解释的,根据侦察扫描或根据扫描处方,可以估计患者大小,并且可以通过将患者大小匹配到类似的校准数据来选择最佳箱组合。
另外,在一些示例中,校准数据可以被用于估计针对每个目标箱组合的相应模型,其中每个模型可以被应用于执行材料分解。在一些示例中,可以针对每个原生能量箱估计模型(例如,可以估计八个模型,当收集八个箱时针对每个能量箱估计一个模型)。然而,如果应用这些原生能量箱模型,那么材料分解可能具有较低质量(例如,不稳定)。相反,如果为每个目标箱组合而不是每个独立的箱估计模型,则可以提高材料分解的质量。在一些示例中,这些模型可以被用于估计MD噪声优化度量。
图6示出了用于识别目标权重集合的方法600,该目标权重集合被用于对检测器箱计数进行下采样。方法600可以根据存储在一个或多个控制器或者计算设备的存储器中的指令来执行,该控制器或计算设备被包括作为CT成像系统的一部分并且/或者可操作地耦接到CT成像系统,诸如DAS214、X射线控制器210、图像重建器230和/或计算设备216。在一些示例中,方法600可以作为方法400的一部分来执行,例如作为方法400的406的目标权重集合的识别。
在602处,方法600包括使用一个或多个体模执行校准扫描。如先前所解释的,可以执行校准扫描以校准具体的CT成像系统,诸如以确定每个检测器元件的响应、识别最优能量箱阈值等。在校准扫描期间,扫描一个或多个体模,使得成像受检者的物质组成是已知的。体模可以由一种或多种合适的材料组成,诸如PVC或PE。在一些实例中,体模可以包括水、碘化物、钙和/或其他材料(例如,其他造影剂)的区域。在一些实例中,一个或多个体模可以是阶梯楔形体模。作为非限制性实例,阶梯楔形体模可以是2D阶梯楔形体模,其包括在正交方向上阶梯间距为4cm的0至40cm的水和阶梯间距为0.2cm的0至2cm的钙。在校准扫描期间,可以控制CT成像系统,使得X射线源发射X射线,这些X射线在由每个所扫描的体模衰减之后被该CT成像系统的检测器检测到。
在604处,从检测器获得满箱计数。满箱计数可以类似于上文关于图6所述的满箱计数,例如,被划分成检测器配置所允许的全部数量的能量箱(诸如5个或8个箱)中的光子计数。可以针对检测器的每个像素以及针对在每个体膜的扫描期间得到的每个视图获得箱计数(例如,被划分成能量箱中的光子计数)。可以从DAS214向图像重建器230和/或计算设备216发送满箱计数。
在606处,基于满箱计数为检测器限定正向模型。正向模型可以被用于执行从分箱(或加权分箱)计数的材料分解的最大似然估计,如将在下文更详细解释的。正向模型可以考虑(并校正)每个想中的能量响应和波束硬化效应。
可以应用半经验多色比尔-朗伯模型来描述在每个能量箱中检测到的计数,这可以成功地捕获每个能量箱中的非理想检测器能量响应和波束硬化效应。在一些示例中,正向模型和对应的参数可以包括:
其中λi是在能量箱中i检测到的光子计数,tm是第m基础材料的已知线积分,是对应基础材料的线性衰减系数,以及/>是针对该模型箱i的有效能量。该模型使用附加的校正项来校正每个箱中的能量响应和波束硬化效应。对于每个能量箱,利用M基础材料和K校正项,存在要估计的K(M+1)+2系统参数。然后对于能量箱i中的平均观察计数yi(tn)
其中tn=(t钙,n,t水,n)是第n校准数据点中的两种基础材料的已知线积分。
为了进一步改进该半经验正向模型,比率yi(t)/λi(t)可以用二阶多项式函数f(t)拟合,使得期望的分箱光子计数可以被表示为 然后,该半经验正向模型可以被用于从分箱(或加权分箱)计数的材料分解的最大似然估计。
在608处,方法600包括识别两个或更多个目标权重集合。每个目标权重集合可以指定在对经加权的箱计数求和以对检测器数据进行下采样之前每个能量箱应被加权的量,如上文关于图4所描述。待识别的目标权重集合的数量可以基于CT成像系统的配置、将执行的扫描的图像重建目标、将应用于将执行的扫描的扫描协议和/或其他因子。例如,对于其中将分解三种基础材料的扫描协议,可以识别三种目标权重集合,而对于其中将分解两种基础材料的扫描协议,仅可识别两种目标权重集合。
识别目标权重集合可以包括搜索连续权重空间以找到两个目标权重集合,如610所指示。一般来讲,权重可以取任何连续的实值。可以将权重归一化到±1的范围,因为利用权重的归一化、缩放或线性独立组合产生了权重,利用该权重求和的加权箱计数含有等量信息。在一些实例中,权重可以是二进制权重,这是更一般的连续权重的特例。在使用二进制权重的情况下,权重为0或1,通过求和可知,每个原始箱不对加权箱作出贡献,或者对加权箱作出贡献。来自原始箱的贡献可能互相排斥,在这种情况下,每个原始箱对求和箱作出一次贡献并且仅作出一次贡献。可以从所有可能的权重集合中识别目标权重集合,基于该目标权重集合,两个权重集合最小化从不同受检者材料和厚度的投影数据集合估计的基础材料厚度的方差之间的比率。因此,可以使用每一个权重集合对(来自所有可能的权重集合)对满箱计数/原始箱计数进行加权,然后可以对相应的加权箱计数求和。如612所指示,对于应用于箱计数的每一个权重集合对,应用在610处识别的正向模型来估计基础材料厚度,并且如614所指示的,最小化材料厚度估计变化的权重集合对被识别为目标权重集合(在这种情况下,来自经加权的和的基础材料厚度估计的Cramér-Rao下限(CRLB)与来自原始箱计数的基础材料厚度估计的Cramér-Rao下限(CRLB)之间的比率)。如果要形成的箱的期望数量是三个箱而不是两个箱,则可以应用类似的方法,在这种情况下,(从所有可能的权重集合中)针对三个权重集合中的每个集合确定基础材料厚度,并且将使材料厚度估计变化最小化的三个权重集合的集合选择为目标权重集合。
作为特定示例,两个权重集合Wi,j可以被识别,使得经加权的和bWj=ΣiWi,jbi包含与原始分箱计数bi类似的频谱信息,其中j对这两个权重集合进行i索引并对原始能量箱进行索引。为了使来自两个经加权的测量结果的材料分解估计的噪声性能与来自原始分箱计数的噪声性能可比较,使针对不同受检者材料和厚度从这两个投影数据集合估计的基础材料厚度的方差之间的比率最小化。因为最大似然估计器是渐近无偏的,所以可以使用解析计算的Cramér–Rao下限(CRLB)来形成目标函数:
其中CRLBW(钙,钙)和CRLBW(水,水)分别是来自无偏估计器的估计的钙和水厚度的方差的下限,该无偏估计器具有利用权重W生成的两个经加权的箱测量结果,并且CRLBW(VMI60 keV)是在60keV下针对对应的虚拟单能图像的方差;并且CRLB(钙,钙)、CRLB(水,水)和CRLB(VMI60 keV)是从原始分箱计数估计的方差的相应下限。为了获得分析的CRLB表达式,可以针对原始分箱计数假设独立的泊松分布,并且可以针对能量加权测量假设多变量高斯分布。
一旦目标权重集合已被识别,目标权重集合就被保存在存储器中(例如,DAS214中),如618处所指示,以在成像目标的后续扫描(诸如以上相对于图4描述的扫描)期间被应用。
目标权重集合的识别可以利用如上所述的梯级楔形体模来执行,其中所识别的目标权重集合使针对梯级楔形体模的材料厚度的所有组合的CRLB最小化。然而,附加地或可替选地,上述过程可以用不同的体模重复,或者可以针对阶梯楔形体模的材料厚度的不同组合识别不同的目标权重集合,以便基于受检者厚度、受检者材料或其他参数识别目标权重集合。此外,对于每个视图,可以针对检测器整体识别目标权重集合。在其它示例中,可以针对每个像素或像素区域及/或针对每个视图识别不同目标权重集合。
图7示出了用于对检测器箱计数进行下采样的方法700。方法700可以根据存储在一个或多个控制器或者计算设备的存储器中的指令来执行,该控制器或计算设备被包括作为CT成像系统的一部分并且/或者可操作地耦接到CT成像系统,诸如DAS214、X射线控制器210、图像重建器230和/或计算设备216。在一些示例中,方法1200可以作为方法400的一部分来执行,例如作为方法400的410处的箱计数的下采样。
在702处,方法700包括确定在对成像受检者进行扫描期间将要应用的扫描参数。可以基于所选择的扫描协议并且/或者基于在CT成像系统的计算设备(例如,计算设备216)处接收的用户输入来确定扫描参数。扫描参数可以包括扫描处方(例如,X射线源电压和电流、切片厚度、机架台速度等)、被扫描的解剖结构、是否已经将一种或多种造影剂施用于成像受检者,以及其他参数。
在704处,方法700确定扫描参数是否指示应当执行均匀下采样。均匀下采样可以包括将相同的目标权重集合或目标箱组合应用于所有收集的检测器数据。非均匀下采样可以包括将不同的目标权重集合或目标箱组合应用于检测器数据的不同方面,诸如应用于不同视图。
如果指示均匀下采样,那么方法700行进到706以选择针对所有扫描优化的目标箱组合或目标权重集合。如以上关于图5和图6所解释的,在校准期间,可以识别目标箱组合或目标权重集合。可以识别这些目标箱组合或目标权重集合以针对所有患者大小优化图像重建。可替选地或附加地,可以基于材料厚度、基于检测器元件/像素和/或基于视图来识别不同的目标箱组合或不同的目标权重集合。当应用均匀下采样时,可以选择针对所有扫描优化图像重建的所识别的目标箱组合或目标权重集合。作为非限制性示例,计算设备216可以指示DAS214使用选定目标箱组合或目标权重集合对检测器数据进行下采样,或计算设备216可以向DAS214指示均匀下采样将被应用并且DAS214可以选择目标箱组合或目标权重集合。
在708处,方法700包括针对检测器的每个像素或检测器元件,使用目标组合或目标权重集合来组合满箱计数/原始箱计数,以形成经下采样的箱计数。以此方式,可以将来自每个像素的检测器数据从全部数量的箱(例如,八个或五个箱)压缩到减少数量的箱(例如,两个或三个箱)。当使用目标箱组合压缩箱时,可对每个组合中的箱进行求和。例如,如果目标箱组合指定箱1、2、3和7被组合成第一超级箱,箱4和箱5被组合成第二超级箱,而箱8保持原样,则对箱1、2、3和7求和并对箱4和5求和(针对每个像素)。当使用目标权重集合来压缩箱时,可以通过由第一权重集合的权重指定的量来对每个箱进行加权,并且然后可以对经加权的箱进行求和以形成第一经加权经求和的箱(针对每个像素)。每个原始箱可以通过由第二权重集合的权重所指定的量来加权,然后可以将这些加权箱求和,以形成第二经加权经求和的箱(针对每个像素)。
在710相互,经下采样的箱计数被发送(例如,从DAS)到图像重建器(或另一合适的计算设备),其中经下采样的箱计数可被用于重建一个或多个图像,如以上相对于图4所解释的。在一些示例中,如在712处所指示的,原始箱计数/满箱计数也被发送到图像重建器。这样,如果需要,可以使用经下采样的箱计数相对快速地生成初始图像,而可以在延迟期之后使用原始箱计数/满箱计数生成附加图像(因为原始箱计数/满箱计数发送到图像重建器可能耗费更多时间)。
返回到704,如果确定不执行均匀下采样(例如,下采样是非均匀的),则方法700行进到714以根据定位扫描图像、用户输入和/或检测器计数来确定成像物体的大小。侦察扫描可以是低剂量扫描,其产生可用于确认成像物体的正确定位、设置扫描处方或其它功能的一个或多个低分辨率图像。可以分析从在侦察扫描期间收集的投影数据重建的图像以确定成像物体的大小(例如,厚度)。附加地或可替选地,成像物体的大小可以根据用户输入和/或基于检测器计数本身来确定(例如,较低的检测器计数可以指示较厚的成像物体)。
在716处,基于成像物体的大小来选择目标箱组合或目标权重集合。如上文所解释的,在校准期间,可以基于材料厚度、基于检测器元件/像素和/或基于视图来识别不同的目标箱组合或不同的目标权重集合。当应用非均匀下采样时,可以选择针对等于成像物体大小/厚度或在成像物体大小/厚度范围内的材料厚度优化图像重建的所识别的目标箱组合或目标权重集合。作为非限制性示例,计算设备216可以指示DAS214使用选定目标箱组合或目标权重集合对检测器数据进行下采样,或计算设备216可以向DAS214发送受检者大小信息并且DAS214可以基于受检者大小信息选择目标箱组合或目标权重集合。在一些示例中,如718处所指示的,基于受检者大小选择目标箱组合或目标权重集合可以包括以逐个视图的方式选择目标,这也可以基于受检者厚度。例如,可以使用第一目标箱组合或第一目标权重集合来对从检测器获得的用于第一视图的箱计数进行下采样,而可以使用第二目标箱组合或第二目标权重集合(不同于第一目标权重集合)来对从检测器获得的用于第二不同视图的箱计数进行下采样。因为受检者的边缘处的受检者厚度可能小于受检者中心处的受检者厚度,所以可以应用这种逐个视图目标选择。此外,如720处所指示的,基于受检者大小选择目标箱组合或目标权重集合可以包括以逐个检测器元件的方式(例如,按照像素或区域或像素)选择目标,这可以基于或可以不基于受检者厚度。例如,可以使用第一目标箱组合或第一目标权重集合对从检测器的第一元件获得的箱计数进行下采样,而可以使用第二目标箱组合或第二目标权重集合(不同于第一目标权重集集合)对从检测器的第二不同检测器元件获得的箱计数进行下采样。这种逐个元件的目标选择可以考虑不同检测器元件的响应中的差异。方法700然后行进到708以使用目标箱组合或目标权重集合来组合箱计数,如上文所解释。
因此,方法700提供了目标箱组合或目标权重集合的选择和应用,其可以被均匀地应用于所有箱计数或者可以基于受检者大小、CT成像系统配置、用户偏好或其它因素而被不同地应用。例如,扫描协议可以规定儿童正被成像并且因此可以应用第一箱组合或权重集合,而不同扫描协议可以规定成人正被成像并且因此可以应用第二不同箱组合或权重集合。应了解,在一些示例中,可以在不考虑受检者厚度的情况下执行逐个视图目标选择或逐个元件目标选择。
图8示出了描绘经组合的箱的示例能量谱的一组曲线图800,其中使用本文中所描述的目标箱组合来组合箱(例如,相对于图5)。第一曲线图810示出了根据所识别的目标箱组合而组合的三个箱的能量谱,该目标箱组合使用灰阶图像CNR作为优化度量并且对具有20cm水和1cm碘(5mg/mL)以及PVC和PE的材料组成的体模成像来识别。第一曲线图810描绘了对于三个组合箱作为光子能量的函数而检测到的光子数量。经组合的箱包括经组合的箱1,其中原始箱4、5和6被组合;经组合的箱2,其中原始箱1、2、3和7被组合,以及经组合的箱3,仅包括箱8。当被用于重建图像时,经下采样的箱导致CNR的轻微降低(例如,-4%),但是对于PVC和PE两者,MD基本噪声相对较大地增加(分别增加59%和52%)。
第二曲线图820示出了根据所识别的目标箱组合而组合的三个箱的能量谱,该目标箱组合使用MD基础噪声作为优化度量并且对具有20cm水和1cm碘(5mg/mL)以及PVC和PE的材料组成的体模成像来识别。第二曲线图820描绘了对于三个组合箱作为光子能量的函数而检测到的光子数量。经组合的箱包括经组合的箱1,其中原始箱4和5被组合;经组合的箱2,其中原始箱1,1、2、3和8被组合,以及经组合的箱3,仅包括箱6。因此,当针对MD基本噪声而非灰度级CNR进行优化时,目标箱组合可以不同于针对CNR进行优化时的目标箱组合。当被用于重建图像时,经下采样的箱导致CNR的轻微减小(例如,-7%,其大于当CNR是优化度量时的情况),并且还导致针对PVC和PE两者的MD基本噪声的减小(分别减小0.5%和13%)。
图9示出了根据所识别的目标箱组合而组合的三个箱的能量谱的曲线图900,该目标箱组合使用灰阶图像CNR作为优化度量并且对具有20cm水和1cm碘(5mg/mL)以及PVC和PE的材料组成的体模成像来识别。与图8的第一曲线图相反,曲线图900示出了用被组合的箱是邻接的箱的附加请求组合的箱的能量谱。曲线图900描绘了对于三个组合箱作为光子能量的函数而检测到的光子数量。经组合的箱包括经组合的箱1,其中原始箱4、5、6和7被组合;经组合的箱2,其中原始箱1、2和3被组合,以及经组合的箱3,仅包括箱8。当被用于重建图像时,经下采样的箱导致CNR的较大减小(例如,-8%),其大于当允许组合非邻接箱时所展现的减小。因此,获得全部8个箱并使用本文中所描述的目标向组合(其中可以组合非邻接箱)压缩箱导致比简单地减少所获得的箱的数量更好质量的图像。
图8示出了根据上述目标箱组合而组合的箱的能量谱和对应的CNR和MD基本噪声,其中在对具有第一水量(例如,20cm)的体模成像时获得箱计数。对根据目标箱组合而组合的箱进行类似地分析,同时对具有第二水量(例如,40cm)的体模成像。对于针对灰度CNR而优化的目标箱组合,当对具有第二水量的体模进行成像时,CNR降低与上述相同,而PE表现出53%的噪声增加并且PVC表现出58%的噪声增加。对于针对MD基础噪声而优化的目标箱组合,当对具有第二水量的体模进行成像时,CNR降低为11%,而PE表现出2%的噪声增加并且PVC表现出15%的噪声增加。因此,至少对于针对MD噪声优化的箱组合,可以存在基于材料厚度的图像质量的变化,这可以通过针对不同材料厚度选择不同箱组合来减轻。
图10示出了从八个所采集的能量箱(如第一图像1002所示)和使用本文所述的目标箱组合组合的三个能量箱(如第二图像1004所示)重建的一组虚拟单能图像1000。两个图像都证实了在图像中标记的骨骼和软组织区域之间几乎相等的CNR以及在软组织和脂肪区域之间相等的CNR。两个图像都表示68keV的VMI,并且以-1000至1800HU的窗口显示。
图11示出了说明可被应用于下采样箱计数(例如,根据图6的方法)的目标权重集合的曲线图1100,并且图12示出了通过应用目标权重集合而创建的箱的示例对应能量谱的曲线图1200。曲线图1100示出了相对于每个箱的对应有效能量绘制的硅检测器的最佳权重W的集合(未填充的框和填充的框)。注意,这些权重被归一化为1,并且它们的任何线性独立组合将产生相同的结果。在所示的示例中,该权重的集合包括由未填充框示出的第一权重集合组(分别被应用于箱1-8)和由填充框示出的第二权重集合(分别被应用于箱1-8)。为了形成第一经加权经求和的箱,可以将第一权重集合中的权重应用于每个相应的箱(例如,第一权重W(1,1)被应用于箱1的箱计数、第二权重W(1,2)被应用于箱2的箱计数等等,直到第八权重W(1,8)被应用于箱8的箱计数为止)并将经加权的箱计数求和。为了形成第二经加权经求和的箱,可以将第二权重集合中的权重应用于每个相应的箱(例如,第九权重W(2,1)被应用于箱1的箱计数、第十权重W(2,2)被应用于箱2的箱计数等等)并将经加权的箱计数求和。
曲线图1200将针对成像受检者的示例扫描的能量谱示出为作为从曲线图1100的目标权重集合形成的两个经加权经求和的箱的光子能量的函数而检测到的光子数量。
图13示出了从满箱数据(例如,8个箱)和压缩的箱数据(例如,2个箱)重建的体模的MD基本图像1300的第一集合,其中使用如本文所述的目标权重集合来压缩箱计数。第一图像1302示出了使用压缩的箱计数(例如,两个能量加权箱)的钙MD基础图像,并且第二图像1304示出了使用全部8个箱的钙MD基础图像。针对两个图像放大共同的ROI。第一放大的ROI 1306示出了针对第一图像1302的ROI,而第二放大的ROI 1308示出了针对第二图像1304的ROI。ROI差异图像1310在视觉上描绘了两个ROI之间的差异。如从图13所示的图像可以理解的,使用两个能量加权箱重建的图像与使用全部8个箱重建的图像几乎相同,其中ROI的平均方差惩罚为11.57%。
图14示出了从满箱数据(例如,8个箱)和压缩的箱数据(例如,2个箱)重建的体模的MD基本图像1400的第二集合,其中使用如本文所述的目标权重集合来压缩箱计数。第一图像1402示出了使用压缩的箱计数(例如,两个能量加权箱)的水MD基础图像,并且第二图像1404示出了使用全部8个箱的水MD基础图像。针对两个图像放大共同的ROI。第一放大的ROI 1406示出了针对第一图像1402的ROI,而第二放大的ROI 1408示出了针对第二图像1404的ROI。ROI差异图像1410在视觉上描绘了两个ROI之间的差异。如从图14所示的图像可以理解的,使用两个能量加权箱重建的图像与使用全部8个箱重建的图像几乎相同,其中ROI的平均方差惩罚为5.55%。
图16示出了诸如基于成像受检者的大小可以以局部化方式应用于下采样箱计数的示例权重集合。图16包括第一曲线图1610,其示出了由骨骼厚度(沿曲线图1610中的x轴增加)和水厚度(沿曲线图1610中的y轴增加)限定的四个区域。对于不同的骨骼和水厚度组合,对应的衰减X射线谱将是不同的,这导致原始箱计数数据的不同分布以及谱的不同有效能量,其由下式定义:其中t骨骼是骨骼的厚度,以及t水是水的厚度,/>以及/>是第i个原始能量箱的对应的较低阈值和较高阈值,N箱是原始能量箱的数量,以及Ni(t骨骼,t水)是在当x射线谱被由具有厚度t骨骼,t水的骨骼和水组成的受检者衰减时的第i个原始能量箱中检测到的光子计数。通过将该整个材料空间划分为均匀间隔的值Eeff,曲线图1610的骨骼和水厚度的范围被划分为第一区域1612、第二区域1614、第三区域1616和第四区域1618。每个区域中的数字表示限定局部区域的Eeff的值的下限和上限。
图16还包含曲线图的集合1620,其示出了可以被应用于下采样箱计数的示例权重,其中来自曲线图的集合1620的每个曲线图对应于曲线图1610的不同区域。例如,曲线图1622示出了可被应用于在扫描具有由区域1618限定的材料厚度的受检者(例如,相对大/厚的受检者)时获得的下采样箱计数的第一权重集合,曲线图1624示出了可被应用于在扫描具有由区域1616限定的材料厚度的受检者(例如,中等到大/厚的受检者)时获得的下采样箱计数的第二权重集合,曲线图1626示出了可被应用于在扫描具有由区域1614限定的材料厚度的受检者(例如,小到中等大小的受检者)时获得的下采样箱计数的第三权重集合,以及曲线图1628示出了可被应用于在扫描具有由区域1612限定的材料厚度的受检者(例如,相对小的受检者)时获得的下采样箱计数的第四权重集合。如上文所解释的,可以基于在侦察扫描期间采集的一个或多个图像、基于用户输入和/或扫描协议、和/或基于检测器计数本身来确定受检者大小/厚度。
因此,可以根据本文所公开的方法来组合能量箱,以便对从CT机发送到板外计算设备/图像重建器的数据量进行压缩/下采样。可以使用加权方法来组合能量箱,其中每个能量箱经加权并与剩余经加权的能量箱相加。可以应用两个或更多个权重集合以形成两个或更多个组合箱。加权可以是二进制的,使得每个箱被包含或不被包含于经组合的箱中。此二进制方法可以是排他性的,使得每个箱在经组合的箱中被包含一次且仅被包含一次。此方法产生本文中所描述(例如,相对于图5)的不同目标箱组合。在其它示例中,二进制方法可能不是排他性的,并且箱可以被包含于一个以上经组合的箱中。在又一些示例中,加权方法可以包含连续权重的应用,例如,如本文相对于图6所解释的。识别连续权重可以包括正向模型和大规模优化的识别和应用,其相对于识别二进制权重可能是计算密集的。然而,至少在一些示例中,连续权重可以产生较高图像质量。因此,为了对检测器数据/能量箱进行下采样而应用哪个加权方法的选择可以基于将被应用的特定成像任务、可用计算能力和/或期望的图像质量。
将能量箱光子计数从全部量的能量箱下采样为减少数量的能量箱的技术效果在于较少的数据被传送到外部计算设备以用于重建(例如,跨CT系统的滑环),从而加速从能量箱光子计数重建图像的过程。获取全部数量的能量箱计数(例如,8个能量箱)并且然后将全部数量的箱下采样为减少数量的箱的另一技术效果是经组合/下采样的箱的目标数量(例如,2或3个经组合的箱)可以基于患者大小、感兴趣的任务、对于该任务感兴趣的图像的区域以及其它因素而改变。通过本地地采集全部数量的箱,可以在事实之后出于不同目的以不同方式组合箱。此外,如果目标箱组合包括非连续箱(由于检测康普顿散射的能量箱的特性,这可以导致比仅组合连续箱更好的图像质量),则目标箱组合可能不可能自然地采集。另外,完整的本地能量箱集合仍可以稍后被传送并被用于有益于较不时间敏感的重建。
在另一种表示中,提供了一种用于光子计数计算机断层摄影(PCCT)系统的方法,该方法包括:在校准阶段期间,在扫描已知材料成分和厚度的受检者的同时从PCCT系统的检测器获得检测器数据,对于检测器的每个像素,检测器数据包括基于撞击在检测器上的每个光子的能量被划分成多个能量箱的光子计数;基于该检测器数据识别要在后续扫描中应用的一个或多个箱因子,以将后续检测器数据下采样为减少数量的能量箱;在后续扫描期间,通过应用一个或多个箱因子中的至少一个来获得后续检测器数据并且将后续检测器数据下采样为减少数量的能量箱;以及从经下采样的后续检测器数据重建一个或多个图像。在该方法的第一示例中,基于检测器数据识别一个或多个箱因子包括识别一个或多个目标箱组合,该一个或多个目标箱组合指定多个能量箱中的哪些能量箱将被组合以形成减少数量的能量箱。在该方法的第二示例中,可选地包括第一示例,识别一个或多个目标箱组合包括:迭代地组合能量箱对,基于从每个组合的能量箱对和剩余的单独的能量箱重建的图像来确定用于每个组合的能量箱对的优化度量,选择具有最佳优化度量的能量箱对,并且将所选择的对设置为单个超级箱,并且重复进行迭代地组合、确定和选择,直到达到减少数量的能量箱。在该方法的第三示例中,可选地包括第一示例和第二示例中的一者或两者,优化度量包括虚拟单能图像的对比度噪声比或材料分解基础图像的材料分解噪声。在该方法的第四示例中,可选地包括第一示例至第三示例中的一者或多者或每一者,基于检测器数据识别一个或多个箱因子包括识别一个或多个目标权重集合,每个目标权重集合指定要被应用于多个能量箱中的每个能量箱以形成加权箱的相应权重,该加权箱被求和以形成减少数量的能量箱。在该方法的第五示例中,可选地包括第一示例至第四示例中的一者或多者或每一者,识别一个或多个目标权重集合包括:针对多个可能的权重集合中的每一个权重集合对,基于检测器数据确定检测器的正向模型,将该权重集合对应用于多个能量箱以形成两个加权求和箱,将正向模型应用于两个加权求和箱以估计基础材料厚度,并且选择使所估计的基础材料厚度中的变化最小化的权重集合对。
本公开还提供对用于光子计数计算机断层摄影(PCCT)系统的方法的支持,该方法包括:在成像受检者的扫描期间,从PCCT系统的光子计数检测器获得检测器数据,对于光子计数检测器的每个像素或检测器元件,检测器数据包括基于由光子计数检测器上的每个光子赋予的能量而被划分成多个能量箱的光子计数;将箱因子应用于每个像素的多个能量箱,以将多个能量箱下采样成减少数量的能量箱;以及根据减少数量的能量箱重建一个或多个图像。在该方法的第一示例中,将箱因子应用于多个能量箱包括根据目标箱组合将多个能量箱组合成减少数量的能量箱,该目标箱组合指定多个能量箱中的哪些能量箱将被组合。在该方法的第二示例中,可选地包括第一示例,根据目标箱组合将多个能量箱组合成减少数量的能量箱包括组合至少两个非连续箱。在该方法的第三示例中,可选地包括第一示例和第二示例中的一个或两个,将箱因子应用于多个能量箱包括将两个或更多个目标权重集合应用于多个能量箱以形成两个或更多个加权箱集合,以及将每个加权箱集合求和以形成减少数量的能量箱。在该方法的第四示例中,可选地包括第一示例至第三示例中的一者或多者或者每一者,该方法还包括:基于从体模的校准扫描获得的校准检测器数据来识别箱因子,对于光子计数检测器的每个像素或检测器元件,校准检测器数据包括基于撞击在检测器上的每个光子的能量被划分成多个能量箱中的光子计数。在该方法的第五示例中,可选地包括第一示例至第四示例中的一者或多者或每一者,基于校准检测器数据识别箱因子包括识别指定多个能量箱中的哪些能量箱将被组合以形成减少数量的能量箱的一个或多个目标箱组合,并且其中识别一个或多个目标箱组合包括:迭代地组合能量箱对,基于从每个组合的能量箱对和剩余的单独的能量箱重建的x射线投影测量、模拟数据或图像来确定用于每个组合的能量箱对的优化度量,选择具有最佳优化度量的能量箱对,并且将所选择的对设置为单个超级箱,并且重复进行迭代地组合、确定和选择,直到达到减少数量的能量箱。在该方法的第六示例中,可选地包括第一示例至第五示例中的一者或多者或每一者,优化度量包括虚拟单能图像的对比度噪声比或材料分解基础图像的材料分解噪声。在该方法的第七实例中,可选地包括第一示例至第六示例中的一者或多者或每一者,基于校准检测器数据识别箱因子包括识别一个或多个目标权重集合,该一个或多个目标权重集合各自指定待应用于多个能量箱中的每个能量箱以形成加权箱的相应权重,该加权箱被求和以形成减少数量的能量箱,并且其中识别一个或多个目标权重集合包括:针对多个可能的权重集合中的每一个权重集合对,基于检测器数据确定检测器的正向模型,将该权重集合对应用于多个能量箱以形成两个加权求和箱,将正向模型应用于两个加权求和箱以估计基础材料厚度,并且选择使所估计的基础材料厚度或虚拟单能图像中的变化最小化的权重集合对。在该方法的第八示例中,可选地包含第一示例至第七示例中的一者或多者或每一者,将箱因子应用于每个像素的多个能量箱以将多个能量箱下采样为减少数量的能量箱包括应用该箱因子以将五个或八个能量箱下采样为两个或三个能量箱。在该方法的第九示例中,可选地包括第一示例至第八示例中的一者或多者或每一者,应用相同的箱因子来对检测器数据的每个像素和每个视图的多个能量箱进行下采样。在该方法的第十示例中,可选地包括第一示例至第九示例中的一者或多者或每一者,应用不同的箱因子来对检测器数据的不同像素和/或不同视图的多个能量箱进行下采样。在该方法的第十一示例中。可选地包括第一示例至第十示例中的一者或多者或每一者,基于成像受检者的大小来选择箱因子。在该方法的第十一示例中,可选地包括第一示例至第十示例中的一者或多者或每一者,像素是光子计数检测器的检测器元件。
本公开还提供对光子计数计算机断层摄影(PCCT)系统的支持,包括:X射线源,该X射线源朝向待成像的受检者发射X射线束;光子计数检测器,该光子计数检测器接收被受检者衰减的X射线束;和数据采集系统(DAS),该数据采集系统可操作地连接到光子计数检测器并且被配置为:在成像受检者的扫描期间,从光子计数检测器获得检测器数据,对于光子计数检测器的每个像素或检测器元件,检测器数据包括基于由撞击在光子计数检测器上的每个光子赋予的能量而被划分成多个能量箱的光子计数;将箱因子应用于每个像素的多个能量箱以将多个能量箱下采样成减少数量的能量箱;并且经由PCCT系统的滑动环将减少数量的能量箱发送到包括非暂态存储器并且可操作地连接到DAS的计算机,其中该计算机配置有指令,该指令在被执行时致使计算机从减少数量的能量箱重建一个或多个图像。在该系统的第一示例中,将箱因子应用于多个能量箱包括根据目标箱组合将多个能量箱组合成减少数量的能量箱,该目标箱组合指定多个能量箱中的哪些能量箱将被组合。在该系统的第二示例中,可选地包括第一示例,将箱因子应用于多个能量箱包括将两个或更多个目标权重集合应用于多个能量箱以形成两个或更多个加权箱集合,以及将每个加权箱集合求和以形成减少数量的能量箱。在该系统的第三示例中,可选地包括第一示例和第二示例中的一者或两者,像素是光子计数检测器的检测器元件。
本公开还提供对用于光子计数X射线成像系统的方法的支持,该方法包括:在成像受检者的扫描期间,从X射线成像系统的光子计数检测器获得检测器数据,对于光子计数检测器的每个像素,该检测器数据包括基于由光子计数检测器上的每个光子赋予的能量而被划分成多个能量箱的光子计数;将箱因子应用于每个像素的多个能量箱以将多个能量箱下采样为减少数量的能量箱;以及从减少数量的能量箱重建一个或多个图像。
本公开还提供对光子计数X射线成像系统的支持,包括;X射线源,该X射线源向待成像的受检者发射X射线束;光子计数检测器,该光子计数检测器接收被受检者衰减的X射线束;数据采集系统,该数据采集系统可操作地耦接到光子计数检测器并且被配置为:在成像受检者的扫描期间,从光子计数检测器获得检测器数据,对于光子计数检测器的每个像素,该检测器数据包括基于由光子计数检测器上的每个光子赋予的能量而被划分成多个能量箱的光子计数;将箱因子应用于每个像素的多个能量箱以将多个能量箱下采样为减少数量的能量箱;将减少数量的能量箱发送到包括非暂态存储器并可操作地耦接到数据采集系统的计算机,其中该计算机配置有非暂态存储器中的指令,该指令在被执行时致使计算机从减少数量的能量箱重建一个或多个图像。
尽管以示例的方式描述了光子计数计算机断层摄影(PCCT)系统,但是应当理解,当被应用于具有光子计数检测器的其他X射线成像模态时,本技术也可以是有用的,诸如X射线血管造影系统、X射线断层合成系统、X射线乳房摄影系统、X射线荧光检查系统、X射线介入系统、X射线C型臂系统等。PCCT成像模态的当前讨论仅作为一个合适的成像模态的示例来提供。
当介绍本公开的各种实施方案的元件时,冠词“一个”、“一种”和“该”旨在意指存在一个或多个这样的元件。术语“第一”、“第二”等不表示任何顺序、量或重要性,而是用于将一个元件与另一个元件区分开。术语“包括”、“包含”和“具有”旨在是包含性的,并且意指除了列出的元件之外还可存在附加元件。如本文使用术语“连接到”、“耦接到”等,一个对象(例如,材料、元件、结构、构件等)可连接到或耦接到另一个对象,而不管该一个对象是否直接连接或耦接到另一个对象,或者在该一个对象与另一个对象之间是否存在一个或多个介入对象。此外,应当理解,对本公开的“一个实施方案”或“实施方案”的引用不旨在被解释为排除也结合所引用特征的附加实施方案的存在。
除了任何先前指示的修改之外,本领域技术人员可在不脱离本说明书的实质和范围的情况下设计出许多其他变型和替代布置,并且所附权利要求书旨在覆盖此类修改和布置。因此,尽管上文已经结合当前被认为是最实际和最优选的方面对信息进行了具体和详细的描述,但对于本领域的普通技术人员将显而易见的是,在不脱离本文阐述的原理和概念的情况下,可进行许多修改,包括但不限于形式、功能、操作方式和用途。同样,如本文所使用的,在所有方面,示例和实施方案仅意图是说明性的,而不应被解释为以任何方式进行限制。
Claims (19)
1.一种用于光子计数计算机断层摄影(PCCT)系统的方法,所述方法包括:
在成像受检者的扫描期间,从所述PCCT系统的光子计数检测器获得检测器数据,对于所述光子计数检测器的每个像素,所述检测器数据包括基于由所述光子计数检测器上的每个光子赋予的能量而被划分成多个能量箱的光子计数;
将箱因子应用于每个像素的所述多个能量箱以将所述多个能量箱下采样为减少数量的能量箱;以及
从所述减少数量的能量箱重建一个或多个图像。
2.根据权利要求1所述的方法,其中将所述箱因子应用于所述多个能量箱包括根据目标箱组合将所述多个能量箱组合成所述减少数量的能量箱,所述目标箱组合指定所述多个能量箱中的哪些能量箱将被组合。
3.根据权利要求2所述的方法,其中根据目标箱组合将所述多个能量箱组合成所述减少数量的能量箱包括组合至少两个非连续箱。
4.根据权利要求1所述的方法,其中将所述箱因子应用于所述多个能量箱包括将两个或更多个目标权重集合应用于所述多个能量箱以形成两个或更多个加权箱集合,以及将每个加权箱集合求和以形成所述减少数量的能量箱。
5.根据权利要求1所述的方法,所述方法还包括基于从体模的校准扫描获得的校准检测器数据来识别所述箱因子,对于所述光子计数检测器的每个像素,所述校准检测器数据包括基于撞击在所述检测器上的每个光子的能量而被划分成多个能量箱中的光子计数。
6.根据权利要求5所述的方法,其中基于所述校准检测器数据识别所述箱因子包括识别一个或多个目标箱组合,所述一个或多个目标箱组合指定所述多个能量箱中的哪些能量箱将被组合以形成所述减少数量的能量箱,并且其中识别所述一个或多个目标箱组合包括:
迭代地组合能量箱对;
基于X射线投影测量结果、模拟数据或从每个组合的能量箱对和剩余的单独能量箱重建的图像来确定用于每个组合的能量箱对的优化度量;
选择具有最佳优化度量的能量箱对,并且将所选择的对设置为单个超级箱;并且
重复进行迭代地组合、确定和选择,直到达到所述减少数量的能量箱。
7.根据权利要求6所述的方法,其中所述优化度量包括虚拟单能图像的对比度噪声比或材料分解基础图像的材料分解噪声。
8.根据权利要求5所述的方法,其中基于所述校准检测器数据识别所述箱因子包括识别一个或多个目标权重集合,每个目标权重集合指定要被应用于所述多个能量箱中的每个能量箱以形成加权箱的相应权重,所述加权箱被求和以形成所述减少数量的能量箱,并且其中识别所述一个或多个目标权重集合包括:
基于所述校准检测器数据确定用于所述检测器的正向模型;
对于多个可能的权重集合中的每一个权重集合对,将所述权重集合对应用于所述多个能量箱以形成两个加权求和箱;
将所述正向模型应用于所述两个加权求和箱以估计基础材料厚度;并且
选择使所估计的基础材料厚度或虚拟单能图像中的变化最小化的权重集合对。
9.根据权利要求1所述的方法,其中将所述箱因子应用于每个像素的所述多个能量箱以将所述多个能量箱下采样为所述减少数量的能量箱包括应用所述箱因子以将五个或八个能量箱下采样为两个或三个能量箱。
10.根据权利要求1所述的方法,其中应用相同的箱因子来对所述检测器数据的每个像素和每个视图的多个能量箱进行下采样。
11.根据权利要求1所述的方法,其中应用不同的箱因子来对所述检测器数据的不同像素和/或不同视图的多个能量箱进行下采样。
12.根据权利要求1所述的方法,其中基于所述成像受检者的大小来选择所述箱因子。
13.根据权利要求1所述的方法,其中所述像素是所述光子计数检测器的检测器元件。
14.一种光子计数计算机断层摄影(PCCT)系统,所述PCCT系统包括:
X射线源,所述X射线源朝向待成像的受检者发射X射线束;
光子计数检测器,所述光子计数检测器接收被所述受检者衰减的X射线束;以及
数据采集系统(DAS),所述数据采集系统可操作地耦合到所述光子计数检测器并且被配置为:
在成像受检者的扫描期间,从所述光子计数检测器获得检测器数据,对于所述光子计数检测器的每个像素,所述检测器数据包括基于由所述光子计数检测器上的每个光子赋予的能量而被划分成多个能量箱的光子计数;
将箱因子应用于每个像素的所述多个能量箱以将所述多个能量箱下采样为减少数量的能量箱;以及
经由所述PCCT系统的滑环将所述减少数量的能量箱发送到包括非暂态存储器并且可操作地连接到所述DAS的计算机,其中所述计算机配置有所述非暂态存储器中的指令,所述指令在被执行时致使所述计算机从所述减少数量的能量箱重建一个或多个图像。
15.根据权利要求14所述的PCCT系统,其中将所述箱因子应用于所述多个能量箱包括根据目标箱组合将所述多个能量箱组合成所述减少数量的能量箱,所述目标箱组合指定所述多个能量箱中的哪些能量箱将被组合。
16.根据权利要求14所述的PCCT系统,其中将所述箱因子应用于所述多个能量箱包括将两个或更多个目标权重集合应用于所述多个能量箱以形成两个或更多个加权箱集合,以及将每个加权箱集合求和以形成所述减少数量的能量箱。
17.根据权利要求14所述的PCCT系统,其中所述像素是所述光子计数检测器的检测器元件。
18.一种用于光子计数X射线成像系统的方法,所述方法包括:
在成像受检者的扫描期间,从所述X射线成像系统的光子计数检测器获得检测器数据,对于所述光子计数检测器的每个像素,所述检测器数据包括基于由所述光子计数检测器上的每个光子赋予的能量而被划分成多个能量箱的光子计数;
将箱因子应用于每个像素的所述多个能量箱以将所述多个能量箱下采样为减少数量的能量箱;以及
从所述减少数量的能量箱重建一个或多个图像。
19.一种光子计数X射线成像系统,所述光子计数X射线成像系统包括:
X射线源,所述X射线源朝向待成像的受检者发射X射线束;
光子计数检测器,所述光子计数检测器接收被所述受检者衰减的X射线束;和
数据采集系统,所述数据采集系统可操作地连接到所述光子计数检测器并且被配置为:
在成像受检者的扫描期间,从所述光子计数检测器获得检测器数据,对于所述光子计数检测器的每个像素,所述检测器数据包括基于由所述光子计数检测器上的每个光子赋予的能量而被划分成多个能量箱的光子计数;
将箱因子应用于每个像素的所述多个能量箱以将所述多个能量箱下采样为减少数量的能量箱;并且
将所述减少数量的能量箱发送到包括非暂态存储器并可操作地耦接到所述数据采集系统的计算机,其中所述计算机配置有非暂态存储器中的指令,所述指令在被执行时致使所述计算机从所述减少数量的能量箱重建一个或多个图像。
Applications Claiming Priority (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US63/245,607 | 2021-09-17 | ||
US202263309160P | 2022-02-11 | 2022-02-11 | |
US63/309,160 | 2022-02-11 | ||
PCT/US2022/044002 WO2023044114A1 (en) | 2021-09-17 | 2022-09-19 | Systems and methods for energy bin downsampling |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117979904A true CN117979904A (zh) | 2024-05-03 |
Family
ID=90853940
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202280062653.5A Pending CN117979904A (zh) | 2021-09-17 | 2022-09-19 | 用于能量箱下采样的系统和方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117979904A (zh) |
-
2022
- 2022-09-19 CN CN202280062653.5A patent/CN117979904A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11327031B2 (en) | Photon counting X-ray CT apparatus | |
US8055039B2 (en) | System and method to obtain noise mitigated monochromatic representation for varying energy level | |
EP3479145B1 (en) | Photon-counting computed tomography | |
EP2967467A1 (en) | Volume image reconstruction using data from multiple energy spectra | |
JP2008062035A5 (zh) | ||
US10755407B2 (en) | Systems and methods for capturing deep learning training data from imaging systems | |
US9943279B2 (en) | Methods and systems for task-based data generation and weighting for CT spectral imaging | |
US11419566B2 (en) | Systems and methods for improving image quality with three-dimensional scout | |
CN110084864A (zh) | 一种基于能谱ct的电子密度图像重建方法 | |
EP3738512A1 (en) | Systems and methods for automatic tube potential selection in dual energy imaging | |
EP3760126B1 (en) | Systems and methods for high-resolution spectral computed tomography imaging | |
US10383589B2 (en) | Direct monochromatic image generation for spectral computed tomography | |
JP2020075078A (ja) | 医用画像処理装置、x線ct装置および医用画像処理方法 | |
EP3821811B1 (en) | Systems and methods for coherent scatter imaging using a segmented photon-counting detector for computed tomography | |
Kim et al. | Microtomography with sandwich detectors for small-animal bone imaging | |
JP2022145494A (ja) | 画像処理装置、補正方法及びプログラム | |
CN117979904A (zh) | 用于能量箱下采样的系统和方法 | |
WO2023044114A1 (en) | Systems and methods for energy bin downsampling | |
JP2022013686A (ja) | X線ct装置、データ処理方法及びプログラム | |
US20240169521A1 (en) | Hybrid imaging detector configuration for computed tomography | |
Wang et al. | Science and practice of imaging physics through 50 years of SPIE Medical Imaging conferences | |
EP4290278A1 (en) | Systems and methods for computed tomography | |
JP2024074253A (ja) | コンピュータ断層撮影用のハイブリッド画像検出器構成 | |
CN118058760A (zh) | 用于计算机断层摄影的混合成像检测器配置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination |