DE102012218374A1

DE102012218374A1 - Verfahren zur iterativen Bildrekonstruktion fürDual-Energy-CT-Daten

Info

Publication number: DE102012218374A1
Application number: DE201210218374
Authority: DE
Inventors: Herbert Bruder
Original assignee: Siemens AG
Current assignee: Siemens Healthcare GmbH
Priority date: 2012-10-09
Filing date: 2012-10-09
Publication date: 2014-04-10

Abstract

Die Erfindung betrifft ein Verfahren zur Rekonstruktion von Bilddaten (PIC) eines Untersuchungsobjektes aus Messdaten, wobei Dual-Energy Messdaten bei einer relativen Rotationsbewegung zwischen zumindest einer Strahlungsquelle eines Computertomographiesystems und dem Untersuchungsobjekt erfasst wurden. Aus den Messdaten werden Bilddaten zu einer ersten und zu einer zweiten Röntgenenergie rekonstruiert, und aus den Bilddaten der ersten und der zweiten Röntgenenergie werden Bilddaten eines ersten und eines zweiten Materials berechnet. Als erste Bilddaten (PIC A) werden die Bilddaten des ersten Materials und als zweite Bilddaten (PIC B) eine Kombination aus den Bilddaten des ersten Materials und den Bilddaten des zweiten Materials eingesetzt. Unter Verwendung der ersten (PIC A) und der zweiten (PIC B) Bilddaten werden mit einem iterativen Algorithmus (it Rekon) verbesserte Bilddaten (PIC) berechnet, wobei bei dem iterativen Algorithmus (it Rekon) ein Tiefpass auf eine Differenz zwischen den ersten Bilddaten (PIC A) und Bilddaten eines Iterationszyklus, und ein Hochpass auf eine Differenz zwischen den zweiten Bilddaten (PIC B) und den Bilddaten des Iterationszyklus angewandt wird.

Description

Die Erfindung betrifft ein Verfahren zur Rekonstruktion von Bilddaten eines Untersuchungsobjektes aus Dual-Energy-Messdaten, wobei die Messdaten zuvor bei einer relativen Rotationsbewegung zwischen mindestens einer Strahlungsquelle eines Computertomographiesystems und dem Untersuchungsobjekt erfasst wurden.
Tomographische Bildgebungsverfahren zeichnen sich dadurch aus, dass innere Strukturen eines Untersuchungsobjektes untersucht werden können, ohne dabei invasive Eingriffe an diesem durchführen zu müssen. Eine mögliche Art der tomographischen Bilderzeugung besteht darin, von dem zu untersuchenden Objekt eine Anzahl von Projektionen aus verschiedenen Winkeln aufzunehmen. Aus diesen Projektionen lässt sich ein zweidimensionales Schnittbild oder ein dreidimensionales Volumenbild des Untersuchungsobjektes berechnen.
Ein Beispiel für ein solches tomographisches Bildgebungsverfahren ist die Computertomographie. Vielfältige Verfahren zur Abtastung eines Untersuchungsobjektes mit einem CT-System sind bekannt. Es werden beispielsweise Kreisabtastungen, sequentielle Kreisabtastungen mit Vorschub oder Spiralabtastungen angewandt. Auch andersartige Abtastungen, die nicht auf Kreisbewegungen beruhen, sind möglich, so z.B. Scans mit linearen Segmenten. Es werden mit Hilfe mindestens einer Röntgenquelle und mindestens eines gegenüberliegenden Detektors Absorptionsdaten des Untersuchungsobjektes aus unterschiedlichen Aufnahmewinkeln aufgenommen und diese so gesammelten Absorptionsdaten bzw. Projektionen mittels entsprechender Rekonstruktionsverfahren zu Schnittbildern durch das Untersuchungsobjekt verrechnet.
Zur Rekonstruktion von computertomographischen Bildern aus Röntgen-CT-Datensätzen eines Computertomographiegeräts (CT-Geräts), d.h. aus den erfassten Projektionen, wird heutzutage als Standardverfahren ein so genanntes gefiltertes Rückprojektionsverfahren (Filtered Back Projection; FBP) eingesetzt. Nach der Datenerfassung wird üblicherweise ein so genannter "Rebinning"-Schritt durchgeführt, in dem die mit dem fächerförmig sich von der Quelle ausbreitenden Strahl erzeugten Daten so umgeordnet werden, dass sie in einer Form vorliegen, wie wenn der Detektor von parallel auf den Detektor zulaufenden Röntgenstrahlen getroffen würde. Die Daten werden dann in den Frequenzbereich transformiert. Im Frequenzbereich findet eine Filterung statt, und anschließend werden die gefilterten Daten rücktransformiert. Mit Hilfe der so umsortierten und gefilterten Daten erfolgt dann eine Rückprojektion auf die einzelnen Voxel innerhalb des interessierenden Volumens. Jedoch gibt es mit den klassischen FBP-Methoden aufgrund ihrer approximativen Arbeitsweise Probleme mit so genannten niederfrequenten Kegelstrahl-Artefakten und Spiralartefakten. Des Weiteren ist bei klassischen FBP-Methoden die Bildschärfe an das Bildrauschen gekoppelt. Je höher die erreichte Schärfe ist, desto höher ist auch das Bildrauschen und umgekehrt.
Das FBP Verfahren gehört zur Gruppe der approximativen Rekonstruktionsverfahren. Es existiert ferner die Gruppe der exakten Rekonstruktionsverfahren, welche jedoch derzeit kaum eingesetzt werden. Eine dritte Gruppe von Rekonstruktionsverfahren schließlich bilden die iterativen Verfahren.
Mit iterativen Rekonstruktionsverfahren können zumindest manche der oben genannten Limitationen der FBP beseitigt werden. Bei einem solchen iterativen Rekonstruktionsverfahren erfolgt zunächst eine Rekonstruktion von initialen Bilddaten aus den Projektionsmessdaten. Hierzu kann beispielsweise ein Faltungsrückprojektionsverfahren verwendet werden. Das iterative Rekonstruktionsverfahren erzeugt im Anschluss nach und nach verbesserte Bilddaten. Beispielsweise können aus den initialen Bilddaten mit einem „Projektor“, einem Projektionsoperator, welcher das Messsystem mathematisch möglichst gut abbilden sollte, synthetische Projektionsdaten erzeugt. Die Differenz zu den Messsignalen wird dann mit dem zu dem Projektor adjungierten Operator rückprojiziert und es wird so ein Residuum-Bild rekonstruiert, mit dem das initiale Bild aktualisiert wird. Die aktualisierten Bilddaten können wiederum verwendet werden, um in einem nächsten Iterationsschritt mit Hilfe des Projektionsoperators neue synthetische Projektionsdaten zu erzeugen, daraus wieder die Differenz zu den Messsignalen zu bilden und ein neues Residuum-Bild zu berechnen, mit dem wieder die Bilddaten der aktuellen Iterationsstufe verbessert werden usw. Mit einem solchen Verfahren lassen sich Bilddaten rekonstruieren, die eine relativ gute Bildschärfe und dennoch ein geringes Bildrauschen aufweisen. Beispiele für iterative Rekonstruktionsverfahren sind die algebraische Rekonstruktionstechnik (ART), die simultane algebraische Rekonstruktionstechnik (SART), die iterierte gefilterte Rückprojektion (IFBP), oder auch statistische iterative Bildrekonstruktionstechniken.
Der Erfindung liegt die Aufgabe zugrunde, ein Verfahren zur iterativen Rekonstruktion von CT-Bildern aufzuzeigen. Ferner sollen eine entsprechende Recheneinheit, ein CT-System, ein Computerprogramm und ein Datenträger für ein Computerprogramm aufgezeigt werden.
Diese Aufgabe wird durch Verfahren mit den Merkmalen des Anspruchs 1, sowie durch eine Recheneinheit, ein CT-System, ein Computerprogramm und einen Datenträger mit Merkmalen von nebengeordneten Ansprüchen gelöst. Vorteilhafte Ausgestaltungen und Weiterbildungen sind Gegenstand von Unteransprüchen.
Bei dem erfindungsgemäßen Verfahren zur Rekonstruktion von Bilddaten eines Untersuchungsobjektes aus Messdaten wurden zuvor Dual-Energy Messdaten bei einer relativen Rotationsbewegung zwischen zumindest einer Strahlungsquelle eines Computertomographiesystems und dem Untersuchungsobjekt erfasst. Aus diesen Messdaten werden Bilddaten zu einer ersten und zu einer zweiten Röntgenenergie rekonstruiert. Unter Verwendung der Bilddaten der ersten und der zweiten Röntgenenergie werden Bilddaten eines ersten und eines zweiten Materials berechnet. Als erste Bilddaten werden die Bilddaten des ersten Materials und als zweite Bilddaten wird eine Kombination aus den Bilddaten des ersten Materials und den Bilddaten des zweiten Materials eingesetzt. Unter Verwendung der ersten und der zweiten Bilddaten werden mit einem iterativen Algorithmus verbesserte Bilddaten berechnet, wobei bei dem iterativen Algorithmus ein Tiefpass auf eine Differenz zwischen den ersten Bilddaten und Bilddaten eines Iterationszyklus, und ein Hochpass auf eine Differenz zwischen den zweiten Bilddaten und den Bilddaten des Iterationszyklus angewandt wird.
Die Dual-Energy-Messung kann mit einem Single-Source oder einem Dual-Source CT-Gerät erfolgen. Aufgrund dieser Messung können Bilddaten zu zwei verschiedenen Röntgenenergien bzw. Röhrenspannungen rekonstruiert werden. Ferner können aus diesen beiden Bilddaten zweier Materialien berechnet werden, es erfolgt somit eine Materialsegmentierung oder -separierung.
In den iterativen Algorithmus finden zweifache Bilddaten Eingang: die ersten und die zweiten Bilddaten. Diese beziehen sich auf das gleiche Untersuchungsobjekt oder auf den gleichen Ausschnitt des Untersuchungsobjektes. Jedes Element des Ausschnittes des Untersuchungsobjektes ist also sowohl in den ersten als auch in den zweiten Bilddaten abgebildet.
Als erste Bilddaten werden die Bilddaten des ersten Materials verwendet, und als zweite Bilddaten eine Kombination aus den Bilddaten des ersten Materials und den Bilddaten des zweiten Materials. Diese Kombination kann durch eine einfache oder gewichtete Summenbildung erfolgen. Die Wichtung kann eine bildpunktweise sein.
Hinsichtlich ihrer Eigenschaften unterscheiden sich die beiden Sätze von Bilddaten voneinander, sie weisen also eine unterschiedliche Bildcharakteristik auf. Die zweiten Bilddaten haben ein besseres Signal-zu-Rausch Verhältnis als die ersten Bilddaten. Der Grund für das gute Signal-zu-Rausch liegt in der Summenbildung über statistisch voneinander unabhängige Bilder.
Die ersten und die zweiten Bilddaten werden nun mittels eines iterativen Algorithmus zu verbesserten Bilddaten verrechnet. In diesen Algorithmus geht eine Differenz einerseits zwischen den ersten Bilddaten und Bilddaten eines Iterationszyklus, und andererseits zwischen den zweiten Bilddaten und den Bilddaten des Iterationszyklus ein. Die Differenzbildung erfolgt bei den ersten Bilddaten und den zweiten Bilddaten in Bezug auf die gleichen Bilddaten, nämlich die Bilddaten eines Iterationszyklus. Hierbei handelt es sich um Bilddaten, die bereits im Rahmen der iterativen Bildrekonstruktion berechnet wurden. Auf die erstgenannte Differenz wird ein Tiefpass, und auf die zweitgenannte Differenz ein Hochpass angewandt. Hierdurch können selektiv bestimmte Frequenzbereiche der ersten und der zweiten Bilddaten in die verbesserten Bilddaten übernommen werden. Es ist möglich, dass die ersten und die zweiten Bilddaten zusätzlich auf andere Weise als durch die erläuterten Differenzen in den iterativen Algorithmus eingehen.
In Weiterbildung der Erfindung wird der iterative Algorithmus erneut angewandt, wobei als erste Bilddaten die Bilddaten des zweiten Materials und als zweite Bilddaten die Kombination aus den Bilddaten des ersten Materials und den Bilddaten des zweiten Materials eingesetzt werden. Es wird also die gleiche Vorgehensweise wie bereits in Bezug auf die Bilddaten des ersten Materials beschrieben auch für die Bilddaten des zweiten Materials durchgeführt. Diese beiden Berechnungen können nacheinander oder gleichzeitig stattfinden.
Besonders vorteilhaft ist es, wenn vor der Berechnung der Bilddaten des ersten und des zweiten Materials der iterative Algorithmus angewandt wird, wobei zum einen als erste Bilddaten die Bilddaten der ersten Röntgenenergie und als zweite Bilddaten eine Kombination aus den Bilddaten der ersten Röntgenenergie und den Bilddaten der zweiten Röntgenenergie eingesetzt werden, um verbesserte Bilddaten der ersten Röntgenenergie zu berechnen, und zum anderen als erste Bilddaten die Bilddaten der zweiten Röntgenenergie und als zweite Bilddaten die Kombination aus den Bilddaten der ersten Röntgenenergie und den Bilddaten der zweiten Röntgenenergie eingesetzt werden, um verbesserte Bilddaten der zweiten Röntgenenergie zu berechnen, wobei die verbesserten Bilddaten der ersten und der zweiten Röntgenenergie zur Berechnung der Bilddaten des ersten und des zweiten Materials verwendet werden. Dies bedeutet, dass der iterative Algorithmus zunächst auf die spektralen Bilddaten angewendet wird, und im Anschluss auf die unter Verwendung der verbesserten spektralen Bilddaten berechneten materialspezifischen Bilddaten. Hierdurch ist eine zweifache Verbesserung der Ergebnisbilder möglich.
Besonders vorteilhaft ist es, wenn die verbesserten Bilddaten ein gegenüber den ersten Bilddaten verbessertes Signal-zu-Rausch Verhältnis aufweisen. Dies bedeutet, dass Vorteile der zweiten Bilddaten auf das Ergebnisbild übertragen werden konnten.
In Weiterbildung der Erfindung wird bei dem iterativen Algorithmus ein nichtlinearer Operator auf die Bilddaten des Iterationszyklus angewandt, welcher eine kantenerhaltende Glättung durchführt. Ein solcher Operator kann als Regularisierungsoperator bezeichnet werden. Vorteilhafterweise umfasst der nichtlineare Operator eine Filterung abhängig von einem Kontrast-zu-Rauschen. Dies ermöglicht eine Rauschreduktion bei gleichzeitiger Schärfeerhaltung.
In Ausgestaltung der Erfindung werden bei dem iterativen Algorithmus addiert:

– die Bilddaten des Iterationszyklus,
– das Ergebnis der Anwendung des Tiefpasses auf die Differenz zwischen den ersten Bilddaten und den Bilddaten des Iterationszyklus,
– das Ergebnis der Anwendung des Hochpasses auf die Differenz zwischen den zweiten Bilddaten und den Bilddaten des Iterationszyklus, und
– das Ergebnis der Anwendung des nichtlinearen Operators.

Diese Addition kann gegebenenfalls gewichtet erfolgen.
Besonders vorteilhaft ist es, wenn der Tiefpass an die Modulationstransferfunktion der ersten Bilddaten angepasst ist. Diese Anpassung kann insbesondere so sein, dass die die Tiefpassfilterung bewirkende Funktion identisch mit der Modulationstransferfunktion der ersten Bilddaten oder eines für die Rekonstruktion der ersten Bilddaten verwendeten Faltungskerns ist. Es gilt vorzugsweise, dass der Tiefpass näherungsweise die gleiche Grenzfrequenz hat wie diese Modulationstransferfunktion. Die Grenzfrequenz ist hierbei diejenige Frequenz, bei welcher die Modulationstransferfunktion den Wert Null erreicht. Unterhalb dieser Frequenz ist die Verwendung einer rechteckförmigen Funktion für den Tiefpass günstig.
In Ausgestaltung der Erfindung ist der Hochpass komplementär zum Tiefpass ausgestaltet. Dies vermeidet eine Verschiebung von CT-Werten bei wiederholter Berechnung von Bilddaten mittels des iterativen Algorithmus. Wenn der Tiefpass an die Modulationstransferfunktion angepasst ist, gilt dies dementsprechend auch für den Hochpass.
Die erfindungsgemäße Recheneinheit dient der Rekonstruktion von Bilddaten eines Untersuchungsobjektes aus Messdaten eines CT-Systems. Sie weist Mittel zur Durchführung des beschriebenen Verfahrens auf. Insbesondere kann sie einen Programmspeicher zur Speicherung von Programmcode umfassen, wobei hierin – gegebenenfalls unter anderem – Programmcode eines Computerprogramms vorliegt, der geeignet ist, ein Verfahren der oben beschriebenen Art auszuführen oder diese Ausführung zu bewirken oder zu steuern, wenn das Computerprogramm auf einem Computer ausgeführt wird. Die Recheneinheit kann auch durch eine Mehrzahl miteinander verbundener, sich an verschiedenen Orten befindlicher, Einrichtungen realisiert werden. Dies entspricht einer Verteilung der Funktionalität der Recheneinheit auf mehrere Bestandteile. Vorteilhafterweise ist die Recheneinheit zusätzlich in der Lage, einen Messvorgang des CT-Systems zu steuern.
Das erfindungsgemäße CT-System umfasst eine solche Recheneinheit. Ferner kann es sonstige Bestandteile enthalten, welche z.B. zur Erfassung von Messdaten benötigt werden.
Das erfindungsgemäße Computerprogramm verfügt über Programmcode, der das Durchführen eines Verfahrens der beschriebenen Art bewirkt, wenn das Computerprogramm auf einem Computer ausgeführt wird.
Der erfindungsgemäße Datenträger, der von einem Computer lesbar ist, speichert Programmcode eines Computerprogramms, der das Durchführen eines Verfahrens der beschriebenen Art bewirkt, wenn das Computerprogramm auf einem Computer ausgeführt wird. Der berührbare Datenträger kann hierbei fest mit dem Computer verbunden oder in diesem Computer installiert, oder auch von diesem entfernbar ausgestaltet sein. Beispiele für ein eingebautes Speichermedium sind wiederbeschreibbare nichtflüchtige Speicher, wie z.B. ROMs, Flash-Speicher und Festplattenspeicher. Beispiele für entfernbare Speichermedien sind optische Speichermedien wie CD-ROMs und DVDs, magneto-optische Speicher wie MOs, magnetische Speichermedien wie Floppydisks, Kassetten und entfernbare Festplattenspeicher, Speichermedien mit einem eingebauten wiederbeschreibbaren nicht-flüchtigen Speicher, wie z.B. Speicherkarten, Speicher mit einem eingebauten ROM, wie z.B. ROM Kassetten, usw.
Im folgenden wird die Erfindung anhand eines Ausführungsbeispiels näher erläutert. Dabei zeigen:
1: eine erste schematische Darstellung eines Ausführungsbeispiels eines Computertomographiesystems mit einem Bildrekonstruktionsbestandteil,
2: eine zweite schematische Darstellung eines Ausführungsbeispiels eines Computertomographiesystems mit einem Bildrekonstruktionsbestandteil,
3: ein Ablaufdiagramm.
In 1 ist zunächst schematisch ein erstes Computertomographiesystem C1 mit einer Bildrekonstruktionseinrichtung C21 dargestellt. Es handelt sich hierbei um ein CT-Gerät der so genannten dritten Generation, auf welchen die Erfindung jedoch nicht beschränkt ist. In dem Gantrygehäuse C6 befindet sich eine hier nicht sichtbare geschlossene Gantry, auf der eine erste Röntgenröhre C2 mit einem gegenüberliegenden Detektor C3 angeordnet sind. Optional ist in dem hier gezeigten CT-System eine zweite Röntgenröhre C4 mit einem gegenüberliegenden Detektor C5 angeordnet, so dass durch die zusätzlich zur Verfügung stehende Strahler-/Detektorkombination eine höhere Zeitauflösung erreicht werden kann, oder bei der Verwendung unterschiedlicher Röntgenenergiespektren in den Strahler-/Detektorsystemen auch „Dual-Energy“-Untersuchungen durchgeführt werden können.
Das CT-System C1 verfügt weiterhin über eine Patientenliege C8, auf der ein Patient bei der Untersuchung entlang einer Systemachse C9, auch als z-Achse bezeichnet, in das Messfeld geschoben werden kann. Es ist jedoch auch möglich, dass die Abtastung selbst als reiner Kreisscan ohne Vorschub des Patienten ausschließlich im interessierten Untersuchungsbereich stattfindet. Die Bewegung der Patientenliege C8 relativ zur Gantry wird durch eine geeignete Motorisierung bewirkt. Während dieser Bewegung rotiert jeweils die Röntgenquelle C2 bzw. C4 um den Patienten. Parallel läuft dabei gegenüber der Röntgenquelle C2 bzw. C4 der Detektor C3 bzw. C5 mit, um Projektionsmessdaten zu erfassen, die dann zur Rekonstruktion von Schnittbildern genutzt werden. Alternativ zu einem sequentiellen Scan, bei dem der Patient schrittweise zwischen den einzelnen Scans durch das Untersuchungsfeld geschoben wird, ist selbstverständlich auch die Möglichkeit eines Spiralscans gegeben, bei dem der Patient während der umlaufenden Abtastung mit der Röntgenstrahlung kontinuierlich entlang der Systemachse C9 durch das Untersuchungsfeld zwischen Röntgenröhre C2 bzw. C4 und Detektor C3 bzw. C5 geschoben wird. Durch die Bewegung des Patienten entlang der Achse C9 und den gleichzeitigen Umlauf der Röntgenquelle C2 bzw. C4 ergibt sich bei einem Spiralscan für die Röntgenquelle C2 bzw. C4 relativ zum Patienten während der Messung eine Helixbahn. Diese Bahn kann auch dadurch erreicht werden, dass die Gantry bei unbewegtem Patienten entlang der Achse C9 verschoben wird. Ferner ist es möglich, den Patienten kontinuierlich und gegebenenfalls periodisch zwischen zwei Punkten hin- und herzubewegen.
Gesteuert wird das CT-System C1 durch eine Steuer- und Recheneinheit C10 mit in einem Speicher vorliegendem Computerprogrammcode Prg₁ bis Prg_n. Es wird darauf hingewiesen, dass selbstverständlich diese Computerprogrammcodes Prg₁ bis Prg_n auch auf einem externen Speichermedium enthalten sein und bei Bedarf in die Steuer- und Recheneinheit C10 geladen werden können.
Von der Steuer- und Recheneinheit C10 aus können über eine Steuerschnittstelle 24 Akquisitionssteuersignale AS übertragen werden, um das CT-Gerät gemäß bestimmter Messprotokolle anzusteuern. Die Akquisitionssteuersignale AS betreffen hierbei z.B. die Röntgenröhren C2 und C4, wobei Vorgaben zu ihrer Leistung und den Zeitpunkten ihres An- und Ausschaltens gemacht werden können, sowie die Gantry, wobei Vorgaben zu ihrer Rotationsgeschwindigkeit gemacht werden können, sowie den Tischvorschub.
Da die Steuer- und Recheneinheit C10 über eine Eingabekonsole verfügt, können Messparameter von einem Anwender oder Operator des CT-Geräts eingegeben werden, welche dann in Form von Akquisitionssteuersignalen AS die Datenerfassung steuern. Informationen über aktuell verwendete Messparameter können auf dem Bildschirm der Steuer- und Recheneinheit C10 dargestellt werden; zusätzlich können weitere für den Operator relevante Informationen angezeigt werden.
Die vom Detektor C3 bzw. C5 akquirierten Projektionsmessdaten p bzw. Rohdaten werden über eine Rohdatenschnittstelle C23 an die Steuer- und Recheneinheit C10 übergeben. Diese Rohdaten p werden dann, gegebenenfalls nach einer geeigneten Vorverarbeitung, in einem Bildrekonstruktionsbestandteil C21 weiterverarbeitet. Der Bildrekonstruktionsbestandteil C21 ist bei diesem Ausführungsbeispiel in der Steuer- und Recheneinheit C10 in Form von Software auf einem Prozessor realisiert, z.B. in Form einer oder mehrerer der Computerprogrammcodes Prg₁ bis Prg_n. In Bezug auf die Bildrekonstruktion gilt wie bereits in Bezug auf die Steuerung des Messvorgangs erläutert, dass die Computerprogrammcodes Prg₁ bis Prg_n auch auf einem externen Speichermedium enthalten sein und bei Bedarf in die Steuer- und Recheneinheit C10 geladen werden können. Ferner ist es möglich, dass die Steuerung des Messvorgangs einerseits und die Bildrekonstruktion andererseits von verschiedenen Recheneinheiten durchgeführt werden.
Die von dem Bildrekonstruktionsbestandteil C21 rekonstruierten Bilddaten f werden dann in einem Speicher C22 der Steuer- und Recheneinheit C10 hinterlegt und/oder in üblicher Weise auf dem Bildschirm der Steuer- und Recheneinheit C10 ausgegeben. Sie können auch über eine in 1 nicht dargestellte Schnittstelle in ein an das Computertomographiesystem C1 angeschlossenes Netz, beispielsweise ein radiologisches Informationssystem (RIS), eingespeist und in einem dort zugänglichen Massenspeicher hinterlegt oder als Bilder ausgegeben werden.
Die Steuer- und Recheinheit C10 kann zusätzlich auch die Funktion eines EKGs ausführen, wobei eine Leitung C12 zur Ableitung der EKG-Potenziale zwischen Patient und Steuer- und Recheneinheit C10 verwendet wird. Zusätzlich verfügt das in der 1 gezeigte CT-System C1 auch über einen Kontrastmittelinjektor C11, über den zusätzlich Kontrastmittel in den Blutkreislauf des Patienten injiziert werden kann, so dass z.B. die Gefäße des Patienten, insbesondere die Herzkammern des schlagenden Herzens, besser dargestellt werden können. Außerdem besteht hiermit auch die Möglichkeit, Perfusionsmessungen durchzuführen, für die sich das vorgeschlagene Verfahren ebenfalls eignet.
Die Steuer- und Recheinheit C10 muss sich – anders als in 1 dargestellt – selbstverständlich nicht in der Nähe der restlichen Bestandteile des CT-Systems C1 befinden. Vielmehr ist es möglich, diese in einem anderen Raum oder weiter entfernten Ort unterzubringen. Die Übertragung der Rohdaten p und/oder der Aquisitionssignale AS und/oder der EKG-Daten kann über Leitung oder alternativ über Funk erfolgen.
Die 2 zeigt ein C-Bogen-System, bei dem im Gegensatz zum CT-System der 1 das Gehäuse C6 den C-Bogen C7 trägt, an dem einerseits die Röntgenröhre C2 und andererseits der gegenüberliegende Detektor C3 befestigt sind. Der C-Bogen C7 wird für eine Abtastung ebenfalls um eine Systemachse C9 geschwenkt, so dass eine Abtastung aus einer Vielzahl von Abtastwinkeln stattfinden kann und entsprechende Projektionsdaten p aus einer Vielzahl von Projektionswinkeln ermittelt werden können. Das C-Bogen-System C1 der 2 verfügt ebenso wie das CT-System aus der 1 über eine Steuer- und Recheneinheit C10 der zu 1 beschriebenen Art.
Die Erfindung ist in beiden der in den 1 und 2 gezeigten Systeme anwendbar. Ferner ist sie grundsätzlich auch für andere CT-Systeme einsetzbar, z. B. für CT-Systeme mit einem einen vollständigen Ring bildenden Detektor.
Ziel von Dual Energy Messungen ist es üblicherweise, eine Materialsegmentierung vornehmen zu können. Beispielsweise kann auf diese Weise zwischen Iod und Knochen unterschieden werden. Die Voraussetzung hierfür ist, dass CT-Messungen mit unterschiedlichen Spannungen vorgenommen werden. Bei der Dual-Source-CT verfügt das CT-Gerät über mehrere Röntgenquellen, so dass die Messungen simultan erfolgen können. In der Single-Source-CT muss hingegen sequentiell akquiriert werden.
Geringes Rauschen vereinfacht die Berechnung der Materialzerlegung. Aus diesem Grund werden die CT-Bilder üblicherweise mit einem weichen Faltungskern rekonstruiert, was zu rauscharmen Bildern führt. Allerdings weisen diese geglätteten Bilder eine stark limitierte räumliche Auflösung auf. Dies führt dazu, dass in manchen Bildbereichen eine falsche Zuordnung von Bildpunkten zu Materialien erfolgt. Es wäre also wünschenswert, das Kontrast-zu-Rauschen der Bilder zu verbessern, um eine fehlerfreiere Materialsegmentierung vornehmen zu können.
Im folgenden wird davon ausgegangen, dass eine Dual-Energy CT-Messung erfolgt ist, und aus den Messdaten Bilddaten rekonstruiert wurden. Nach der Dual-Energy CT-Messung und einer ersten Bildrekonstruktion liegen also zwei CT-Bilder vor, eines für die erste Röhrenspannung (z.B. 80 kV), und ein anderes für die zweite Röhrenspannung (z.B. 140 kV). Der Ablauf des Verfahrens ist in 3 gezeigt. Es liegt nicht nur ein Bild, sondern zwei Bilder PIC A und PIC B vor, die den gleichen Ausschnitt des Untersuchungsobjektes zeigen. Für den gleichen Teil des Untersuchungsobjektes sind also erste und zweite Bilddaten vorhanden. Das erste Bild PIC A entspricht dem Bild der ersten Röhrenspannung; dieses Bild hat den Vorteil einer guten spektralen Auflösung. Für das Bild PIC B hingegen wird eine Mittelung der beiden Bilder der unterschiedlichen Röhrenspannungen berechnet. Da die beiden Bilder statistisch unabhängig voneinander sind, hat das resultierende Bild ein gutes Signal-zu-Rausch Verhältnis; die spektrale Auflösung ist durch die Mischung jedoch verloren gegangen.
Die Mittelung der beiden Bilder der unterschiedlichen Röhrenspannungen kann gewichtet erfolgen. Hierbei kann für jedes Bild ein konstanter Wichtungsfaktor eingesetzt werden. Es ist jedoch auch möglich, eine pixelweise Wichtung vorzunehmen, d.h. jedes Bild wird mit einer Wichtungsmatrix multipliziert.
Die Gewichtung kann abhängig von dem interessierenden Gewebetyp sein.
Die beiden Bilder PIC A und PIC B sind also von unterschiedlicher Qualität: PIC A weist ein weniger gutes Signal-zu-Rausch Verhältnis auf, hat dafür die vorteilhafte Bildeigenschaft der hohen spektralen Auflösung. Das Bild PIC B dagegen weist diese vorteilhaften Eigenschaften nicht auf, hat aber ein besseres Signal-zu-Rausch Verhältnis.
Die Bilder PIC A und PIC B können auf an sich bekannte Weise berechnet worden sein, z.B. durch ein FBP (Filtered BackProjection) Verfahren. Es kann sich um zweidimensionale Schnitt- oder um dreidimensionale Volumenbilder des Untersuchungsobjektes handeln.
Ziel des im folgenden beschriebenen Vorgehens ist es, unter Verwendung der Bilder PIC A und PIC B mit ihren unterschiedlichen Bildcharakteristiken ein Ergebnisbild PIC zu erhalten, welches die Vorteile beider Bilder PIC A und PIC B vereinigt, also das gute Signal-zu-Rausch Verhältnis des Bildes PIC B und die spektrale Auflösung von Bild PIC A. Hierzu wird zunächst in einem Regularisierungsschritt REG das Bild PIC B modifiziert, indem Rauschen geglättet wird; das Ergebnis dieser Modifikation ist das Bild PIC B*. Die Bilder PIC A, PIC B und PIC B* werden dann einer iterativen Rekonstruktion it Rekon zugrunde gelegt, welche auf folgender Update-Formel beruht:
Gleichung (1):

f_k+1 = f_k + α₁·Λ ⊗ (PIC A – f_k) + α₂·Λ* ⊗ (PIC B – f_k) – γ·∇R(f_k)

Bei f_k+1 handelt es sich um das Bild der (k + 1)-ten Iteration. Es wird aus dem Bild f_k der k-ten Iteration berechnet.
Bei der ersten Iteration wird als Bild f₀ das Bild PIC B verwendet. Dies ist auch anhand von 3 zu erkennen: der Schritt REG entspricht der Anwendung des noch näher zu erläuternden Regularisierungsoperators γ·∇R auf das Bild PIC B. In der ersten Iteration entspricht der letzte Teil der Gleichung (1), γ·∇R(f_k), also γ·PICB*. In den weiteren Iterationen wird an dieser Stelle jedoch nicht mehr PIC B*, sondern das jeweilige f_k der vorhergehenden Iteration eingesetzt.
In jeder Iteration wird das update Bild f_k aus drei Komponenten linear kombiniert. Es tragen hierzu bei: das Korrekturbild α₁·Λ ⊗ (PIC A – f_k) + α₂·Λ* ⊗ (PIC B – f_k), das Bild f_k aus der vorangegangenen Iteration und das Regularisierungsbild γ·∇R(f_k). Die Parameter α₁, α₂ und γ steuern die relative Gewichtung von Korrekturterm und Regularisierungsbeitrag.
Die Operatoren Λ und Λ* sind jeweils Bandpassfilter im Frequenzbereich; ⊗ ist der Faltungsoperator. Λ ist ein Tiefpass, Λ* ein Hochpass. Die beiden Operatoren Λ und Λ* sind komplementär zueinander, d.h. wenn man auf der Abszisse die Frequenz und auf der Ordinate die Stärke der Filterung durch die Operatoren Λ und Λ* aufträgt, ergibt die Summe der beiden Filterstärken bei jeder Frequenz stets den Wert 1. Dies gilt für alle Frequenzen, d.h. die beiden Operatoren decken den gesamten Frequenzbereich ab und sind auf 1 normiert. Dieses Komplementärsein der beiden Filter ist wichtig, um die CT-Werte der berechneten Bilder f_k nicht zu höheren oder tieferen Werten zu verschieben; sonst wäre das Wasserniveau der CT-Bilder nicht korrekt.
Die Anwendung von Λ und Λ* ist äquivalent zu einer Frequenzbandzerlegung. Sie gibt selektiven Zugriff darauf, welche Frequenzen aus den Bildern PIC A und PIC B im Konvergenzbild PIC beitragen sollen. Die relative Gewichtung der Frequenzanteile wird durch die Parameter α₁ und α₂ gesteuert.
Der Korrekturterm enthält die Differenzen zwischen dem aktuellen Iterationsbild f_k und den Ausgangsbildern PIC A und PIC B. Da der Korrekturterm zu dem aktuellen Iterationsbild f_k addiert wird, entspricht dies einer Annäherung des Iterationsbildes an die beiden Ausgangsbilder PIC A und PIC B. Diese Annäherung erfolgt jedoch nur in bestimmten Frequenzbereichen: wie bereits erwähnt, erfolgt durch den Operator Λ eine Tiefpassfilterung. Dies entspricht den Eigenschaften von PIC A, wonach dieses Bild ein schlechtes Signal-zu-Rausch Verhältnis aufweist. Da das Rauschen in den hohen Frequenzen zu finden ist, wird deren Beitrag zum Iterationsbild f_k geschwächt. Die Informationen betreffend Kontraste findet sich vor allem im niederfrequenten Bereich, so dass diese beibehalten werden.
Die Iteration kann nach einer bestimmten Anzahl von Iterationszyklen oder nach Erreichen eines Abbruch- bzw. Konvergenzkriteriums beendet werden. Das aus der letzten Iteration resultierende Bild f_k kann dann als Ergebnisbild PIC ausgegeben werden.
Der Vorteil der beschriebenen iterativen Bildrekonstruktion ist, dass im Ergebnisbild PIC die positiven Teile der Bildcharakteristik beider Bilder PIC A und PIC B vereinigt sind. Man kann dies auch anders ausdrücken: bei dem Bild PIC A handelt es sich aufgrund seiner vorteilhaften Eigenschaften um dasjenige, an welchem man als Ergebnisbild interessiert ist; durch die Anwendung des iterativen Algorithmus wird das günstige Signal-zu-Rausch Verhältnis des Bildes PIC B auf das Bild PIC A übertragen. Wie gut diese Übertragung funktioniert, hängt insbesondere von der Ausgestaltung der Filter Λ und Λ* ab. Hierbei ist es vorteilhaft, diese Filter an die Bildeigenschaften anzupassen. Dementsprechend kann analysiert werden, im welchem Frequenzbereich sich die positiven Eigenschaften des Bildes PIC A angesiedelt sind.
Die Anwendung der Iteration nach Formel (1) zielt darauf ab, das Signal-zu-Rausch Verhältnis des Bildes PIC A zu verbessern. Hierbei soll jedoch dessen Ortsschärfe erhalten bleiben. Um letzteres zu erreichen, kann der Operator Λ an die Schärfe des Bildes PIC A angepasst werden. Hierzu wird die durch den Operator Λ charakterisierte Frequenzbandzerlegung so ausgestaltet, dass die Modulationstransferfunktion (MTF) des für die Rekonstruktion des Bildes PIC A verwendeten Faltungskerns nachgebildet wird. Diese Modulationstransferfunktion bestimmt sich über: MTF = k(ν) / |ν| Formel (3)
Hierbei ist k(ν) der Frequenzgang des für die Rekonstruktion des Bildes PIC A verwendeten CT-Faltungskerns, d.h. die Fourriertransformierte der Ortsdarstellung des CT-Faltungskerns, und ν die Frequenz. Für den Operator Λ kann dann z.B. gewählt werden:
Λ(ν) = MTF(ν), und aufgrund der bereits geschilderten Komplementaritätseigenschaft gilt dann Λ*(ν) = 1 – MTF(ν).
Auch andere Filterfunktionen Λ, deren Grenzfrequenz mit derjenigen der Modulationsübertragungsfunktion übereinstimmt, sind möglich. Besonders vorteilhaft ist die Rechteckfunktion, da in diesem Fall alle Frequenzen unterhalb der Grenzfrequenz, also der Frequenz, bei welcher die Modulationstransferfunktion den Wert 0 hat, optimal übertragen werden.
Die Grenzfrequenz des Faltungskerns und somit die Modulationstransferfunktion MTF(ν) entscheidet, wie scharf das resultierende Bild PIC A ist. Der Operator Λ wird so gewählt, dass er hinsichtlich der Schärfe genauso gut wie die Modulationstransferfunktion MTF(ν) ist. Würde der Operator Λ im Vergleich zu MTF(ν) bei kleineren Frequenzen schon absinken, würde dies einen Verlust an Ortsschärfe des Bildes PIC A durch Anwendung des iterativen Algorithmus nach Formel (1) bedeuten. Würde der Operator Λ hingegen im Vergleich zu MTF(ν) bei größeren Frequenzen erst absinken, bedeutete dies, dass ein weniger gutes Signal-zu-Rausch Verhältnis für das Ergebnisbild zu erwarten wäre, denn von dem guten Signalzu-Rausch Verhältnis des Bildes PIC B würde aufgrund der Ausgestaltung des Operators Λ* weniger auf das Ergebnisbild übertragen. Durch die Anpassung des Operators Λ an die Modulationstransferfunktion MTF(ν) wird also die bestmögliche Ortsschärfe des Ergebnisbildes des iterativen Algorithmus garantiert.
Im folgenden wird ausgeführt, wie der Regularisierungsoperator ∇R ausgestaltet sein kann. Die Aufgabe des Regularisierungsbeitrags γ·∇R(f_k) ist es, das Rauschen im Bild zu vermindern, so dass Konvergenz bei der Iteration erreicht werden kann. Es lässt sich zeigen, dass alleine die Architektur des Regularisierungsoperators entscheidend für die Rauschcharakteristik des Ergebnisbildes ist.
Daher entspricht der Operator ∇R einem Hochpass, so dass aufgrund des Minus-Zeichens vor γ·∇R(f_k) die Wirkung derjeni gen eines Tiefpasses entspricht.
Bei ∇R handelt es sich um einen nichtlinearen Bildfilter. Denn wenn lediglich homogen über das gesamte Bild geglättet würde, würde dies zwar das Rauschen reduzieren, jedoch auch die Schärfe des Bildes verschlechtern, da z.B. auch Kanten aufgeweicht würden. Ein nichtlinearer Bildfilter hingegen ermöglicht es, sowohl das Rauschen zu reduzieren, als auch die Auflösung zu erhalten. Dies erfolgt, indem abhängig von den lokalen Kontrastwerten innerhalb des Bildes geglättet wird.
In der nachveröffentlichten deutschen Patentanmeldung der Anmelderin mit dem Aktenzeichen 10 2010 043 975.4 , deren Inhalt vollumfassend in die vorliegende Anmeldung übernommen wird, wird aufgezeigt, wie eine kantenerhaltende Glättung erfolgen kann, bei welcher zusätzlich eine Ausfransung der Kanten weitesgehend vermieden wird. Denn nach einer erfolgten Glättung fällt es stark auf, wenn die Kanten nicht völlig glatt sind; sie wirken dann pixelig bzw. ausgefranst. Dies wird erreicht, indem die Glättungswirkung orthogonal zu einer Kante reduziert wird, entlang der Kante hingegen maximal ist.
Die Regularisierung kann wie folgt formuliert werden:
Hierbei ist (f)_i das i-te Element des Bildes f, im folgenden vereinfachend als Pixel bezeichnet. Die Summierung erfolgt über die anderen Pixel j; vorzugsweise wird nur über die direkten Nachbarn des Pixels i summiert. Im zweidimensionalen sind dies 8 Nachbarn, im dreidimensionalen 26, und im vierdimensionalen 81. d_ij ist ein Hochpass, gegeben z.B. durch den inversen Abstand zwischen den Pixeln i und j. Dies bedeutet, dass ein Pixel umso weniger beiträgt, je größer dessen Entfernung vom Pixel i ist. Der so genannten Domain-Filter d_ij sichert die Hochpasscharakteristik des Regularisierungsbeitrags.
Δ_j,i ist der Grauwertabstand zwischen den Pixeln i und j, d.h. Δ_j,i = f_j – f_i. Dies entspricht dem Kontrast.
σ_i ist das isotrope lokale Rauschen am Ort des Pixels i. Man kann diese Größe z.B. bestimmen, indem man die Varianz entlang Linien gemäß den Verbindungen zu den unmittelbaren Nachbarn des Pixels i bestimmt, und das Minimum dieser Varianzen ermittelt. Setzt man σ_i gleich diesem Minimum, so ist die Wahrscheinlichkeit groß, dass nicht eine gegebenenfalls vorhandene physikalische Struktur versehentlich als Rauschen angesehen wird.
Die Größe s(i), die Signifikanz am Ort des Pixels i, ist ein Maß für das Vorhandensein einer Objektkante am Ort des Pixels i. Ist eine solche nicht vorhanden, weist sie den Wert 0 auf, bei einer Kante weist sie den Wert 1 auf. Zwischen diesen beiden Extremen steigt sie monoton an.
Die Größe κ_ij, die Deformationsstärke des Bildes, ist eine Funktion des Winkels zwischen den Richtungsvektoren von der Verbindung zwischen den Pixeln i und j einerseits und des lokalen Prototypgradienten im Pixel i. Dies Größe ermittelt die Krümmung der Kante, indem Gradienten entlang einer detektierten Kante berechnet werden.
Die Kennlinie H wird als Influenzfunktion bezeichnet; im allgemeinen gilt, dass die Influenzfunktion abhängig von ihrem Argument bei 0 den Wert 1 aufweist und dann nichtlinear stetig abfällt. Bei großem Argument ist sie 0 oder sogar negativ.
Das Argument der Influenz-Funktion ist also ein modifiziertes lokales Kontrast-zu-Rausch Verhältnis. Je größer dieses ist, desto kleiner ist der Wert der Influenzfunktion, und desto weniger wird dementsprechend an dieser Stelle im Bild gefiltert bzw. geglättet. Bei kleinen Kontrasten hingegen erfolgt eine starke Filterung.
Vorteilhafte Beispiele für die Ausgestaltung der Influenzfunktion, sowie von s(i) und κ_ij finden sich in o.g. nachveröffentlichter Anmeldung.
Abweichend von Gleichung (2) können auch andere Formulierungen des Regularisierungsoperators zum Einsatz kommen. Ein Beispiel ist ein Laplace-Filter. Vorzugsweise sollte der zur Regularisierung verwendete Filter eine nichtlineare und somit kantenerhaltende Glättung des Bildes bewirken. Ein Beispiel hierfür ist in der Veröffentlichung DE 10 2009 039 987 A1 beschrieben.
Wie bereits erläutert, bringt die iterative Bildrekonstruktion gemäß Formel (1) als Ergebnis ein Bild für die erste Röhrenspannung vor, welches eine hohe spektrale Auflösung und ein gutes Signal-zu-Rausch Verhältnis aufweist. Dieselbe Vorgehensweise wird nun in Bezug auf das Bild der zweiten Röhrenspannung wiederholt. In diesem Fall entspricht das erste Bild PIC A dem Bild der zweiten Röhrenspannung, und das zweite Bild PIC B ist nach wie vor eine gewichtete Mittelung der beiden spektralen Bilder. Als Ergebnis liegen für beide Röntgenenergien scharfe Bilder mit einem guten Signal-zu-Rausch Verhältnis vor.
Unter Verwendung dieser beiden Bilder erfolgt eine an sich bekannte Dual-Energy-Materialzerlegung, deren Ergebnis ein erstes Bild f1 des ersten Materials, und ein zweites Bild f2 des zweiten Materials ist. Eine derartige Vorgehensweise ist z.B. beschrieben in
Johnson Th, Krauss B, Sedlmair M, et al.: 'Material differentiation by dual energy CT: initial experience', Eur. Radiol., 2007, 17(6), pp 1510.
Aufgrund der bei der Dual-Energy-Materialzerlegung zu berechnenden Transformation weisen die beiden Bilder f1 und f2 Rauschen auf. Es wurde bereits erläutert, dass durch Anwendung des iterativen Algorithmus gemäß Formel (1) das Rauschen in den beiden Bildern der unterschiedlichen Röhrenspannungen reduziert werden kann. Bei diesem Rauschen handelt es sich um Quantenrauschen, welchen den spektralen Bildern aufgrund des Messvorgangs inhärent ist. Im Gegensatz hierzu handelt es sich bei dem Rauschen der beiden Bilder f1 und f2 um mathematisches Rauschen, welches letztendlich durch die schlechten Invertierbarkeit von Matrizen bei der Dual-Energy-Materialzerlegung hervorgerufen wird.
Trotz dieser unterschiedlichen Rauschnaturen kann der iterative Algorithmus nach Formel (1) beide Arten von Rauschen im jeweiligen Eingangsbild PIC A beseitigen. Es wird daher als erstes Bild PIC A das Bild f1 des ersten Materials eingesetzt, und als zweites Bild PIC B eine Mittelung der beiden Bilder f1 und f2 der unterschiedlichen Materialen. Da die beiden Bilder f1 und f2 statistisch unabhängig voneinander sind, hat das resultierende Mischungsbild ein gutes Signalzu-Rausch Verhältnis; die Information über die Materialien ist jedoch durch die Mischung verloren gegangen. Die beiden Bilder PIC A und PIC B sind also von unterschiedlicher Qualität: PIC A weist ein weniger gutes Signal-zu-Rausch Verhältnis auf, hat dafür die vorteilhafte Bildeigenschaft der Materialauflösung. Das Bild PIC B dagegen weist diese vorteilhafte Eigenschaft nicht auf, hat aber ein besseres Signal-zu-Rausch Verhältnis.
Die Mittelung der beiden Bilder f1 und f2 der unterschiedlichen Materialien zur Berechung von PIC B kann gewichtet erfolgen. Hierbei kann für jedes Bild ein konstanter Wichtungsfaktor eingesetzt werden. Es ist jedoch auch möglich, eine pixelweise Wichtung vorzunehmen, d.h. jedes Bild wird mit einer Wichtungsmatrix multipliziert. Die Gewichtung kann abhängig von dem interessierenden Gewebetyp sein.
Nach Anwendung des iterativen Algorithmus gemäß Formel (1) liegt ein Bild f1 des ersten Materials vor, dessen Rauschen deutlich reduziert ist. Auf die gleiche Weise wird in Bezug auf das Bild f2 des zweiten Materials verfahren.
Insgesamt wurde also der iterative Algorithmus gemäß Formel (1) zweifach angewendet: ein erstes Mal auf die Bilder der unterschiedlichen Röhrenspannungen, die spektralen Eingangsbilder, wodurch das Quantenrauschen reduziert wurde, und ein zweites Mal auf die materialzerlegten Bilder, wodurch das mathematische Rauschen reduziert wurde. Diese zweifache Rauschbeseitigung führt zu einer drastisch erhöhten Qualität in den Ergebnisbildern.
Die vorstehend beschriebenen Ausführungsbeispiele betreffen die medizinische Anwendung der Erfindung. Die Erfindung kann jedoch auch außerhalb der Medizin, beispielsweise bei der Gepäcküberprüfung oder der Materialuntersuchung eingesetzt werden.
Die Erfindung wurde voranstehend an einem Ausführungsbeispiel beschrieben. Es versteht sich, dass zahlreiche Änderungen und Modifikationen möglich sind, ohne dass der Rahmen der Erfindung verlassen wird.
ZITATE ENTHALTEN IN DER BESCHREIBUNG
Diese Liste der vom Anmelder aufgeführten Dokumente wurde automatisiert erzeugt und ist ausschließlich zur besseren Information des Lesers aufgenommen. Die Liste ist nicht Bestandteil der deutschen Patent- bzw. Gebrauchsmusteranmeldung. Das DPMA übernimmt keinerlei Haftung für etwaige Fehler oder Auslassungen.
Zitierte Patentliteratur

DE 102010043975 [0065]
DE 102009039987 A1 [0075]

Zitierte Nicht-Patentliteratur

Johnson Th, Krauss B, Sedlmair M, et al.: 'Material differentiation by dual energy CT: initial experience', Eur. Radiol., 2007, 17(6), pp 1510 [0077]

Claims

Verfahren zur Rekonstruktion von Bilddaten (PIC) eines Untersuchungsobjektes aus Messdaten (p), wobei Dual-Energy Messdaten (p) bei einer relativen Rotationsbewegung zwischen zumindest einer Strahlungsquelle (C2, C4) eines Computertomographiesystems (C1) und dem Untersuchungsobjekt erfasst wurden, aus den Messdaten (p) Bilddaten zu einer ersten und zu einer zweiten Röntgenenergie rekonstruiert werden, unter Verwendung der Bilddaten der ersten und der zweiten Röntgenenergie Bilddaten eines ersten und eines zweiten Materials berechnet werden, als erste Bilddaten (PIC A) die Bilddaten des ersten Materials und als zweite Bilddaten (PIC B) eine Kombination aus den Bilddaten des ersten Materials und den Bilddaten des zweiten Materials eingesetzt werden, unter Verwendung der ersten (PIC A) und der zweiten (PIC B) Bilddaten mit einem iterativen Algorithmus (it Rekon) verbesserte Bilddaten (PIC) berechnet werden, wobei bei dem iterativen Algorithmus (it Rekon) – ein Tiefpass auf eine Differenz zwischen den ersten Bilddaten (PIC A) und Bilddaten eines Iterationszyklus, und – ein Hochpass auf eine Differenz zwischen den zweiten Bilddaten (PIC B) und den Bilddaten des Iterationszyklus angewandt wird.
Verfahren nach Anspruch 1, bei dem der iterative Algorithmus (it Rekon) erneut angewandt wird, wobei als erste Bilddaten (PIC A) die Bilddaten des zweiten Materials und als zweite Bilddaten (PIC B) die Kombination aus den Bilddaten des ersten Materials und den Bilddaten des zweiten Materials eingesetzt werden.
Verfahren nach Anspruch 1 oder 2, bei dem vor der Berechnung der Bilddaten des ersten und des zweiten Materials der iterative Algorithmus (it Rekon) angewandt wird, wobei – zum einen als erste Bilddaten (PIC A) die Bilddaten der ersten Röntgenenergie und als zweite Bilddaten (PIC B) eine Kombination aus den Bilddaten der ersten Röntgenenergie und den Bilddaten der zweiten Röntgenenergie eingesetzt werden, um verbesserte Bilddaten (PIC) der ersten Röntgenenergie zu berechnen, und – zum anderen als erste Bilddaten (PIC A) die Bilddaten der zweiten Röntgenenergie und als zweite Bilddaten (PIC B) die Kombination aus den Bilddaten der ersten Röntgenenergie und den Bilddaten der zweiten Röntgenenergie eingesetzt werden, um verbesserte Bilddaten (PIC) der zweiten Röntgenenergie zu berechnen, wobei die verbesserten Bilddaten der ersten und der zweiten Röntgenenergie zur Berechnung der Bilddaten des ersten und des zweiten Materials verwendet werden.
Verfahren nach einem der Ansprüche 1 bis 3, bei dem die verbesserten Bilddaten (PIC) ein gegenüber den ersten Bilddaten (PIC A) verbessertes Signal-zu-Rausch Verhältnis aufweisen.
Verfahren nach einem der Ansprüche 1 bis 4, bei dem bei dem iterativen Algorithmus (it Rekon) ein nichtlinearer Operator (REG) auf die Bilddaten des Iterationszyklus angewandt wird, welcher eine kantenerhaltende Glättung durchführt.
Verfahren nach Anspruch 5, bei dem der nichtlineare Operator (REG) eine Filterung abhängig von einem Kontrast-zu-Rauschen umfasst.
Verfahren nach einem der Ansprüche 1 bis 6, bei dem bei dem iterativen Algorithmus (it Rekon) die Bilddaten des Iterationszyklus, und das Ergebnis der Anwendung des Tiefpasses auf die Differenz zwischen den ersten Bilddaten (PIC A) und den Bilddaten des Iterationszyklus, und das Ergebnis der Anwendung des Hochpasses auf die Differenz zwischen den zweiten Bilddaten (PIC B) und den Bilddaten des Iterationszyklus, und das Ergebnis der Anwendung des nichtlinearen Operators (REG) addiert werden.
Verfahren nach einem der Ansprüche 1 bis 7, bei dem der Tiefpass an die Modulationstransferfunktion der ersten Bilddaten (PIC A) angepasst ist.
Verfahren nach einem der Ansprüche 1 bis 8,bei dem der Hochpass komplementär zum Tiefpass ausgestaltet ist.
Recheneinheit (C10) zur Rekonstruktion von Bilddaten (PIC) eines Untersuchungsobjektes aus Messdaten (p) eines CT-Systems (C1), mit Mitteln zum Durchführen eines Verfahrens gemäß einem der Ansprüche 1 bis 9.
CT-System (C1) mit einer Recheneinheit (C10) nach Anspruch 10.
Computerprogramm mit Programmcode (Prg₁–Prg_n), um das Durchführen eines Verfahrens nach einem der Ansprüche 1 bis 9 zu bewirken, wenn das Computerprogramm auf einem Computer ausgeführt wird.
Datenträger mit Programmcode (Prg₁–Prg_n) eines Computerprogramms, um das Durchführen eines Verfahrens nach einem der Ansprüche 1 bis 9 zu bewirken, wenn das Computerprogramm auf einem Computer ausgeführt wird.