DE102014217966A1 - Adaptive Metallartefaktreduktion für die Computertomographie - Google Patents

Adaptive Metallartefaktreduktion für die Computertomographie Download PDF

Info

Publication number
DE102014217966A1
DE102014217966A1 DE102014217966.1A DE102014217966A DE102014217966A1 DE 102014217966 A1 DE102014217966 A1 DE 102014217966A1 DE 102014217966 A DE102014217966 A DE 102014217966A DE 102014217966 A1 DE102014217966 A1 DE 102014217966A1
Authority
DE
Germany
Prior art keywords
marn
mar1
image
raw data
data
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.)
Ceased
Application number
DE102014217966.1A
Other languages
English (en)
Inventor
Andreas Krauss
Rainer Raupach
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.)
Siemens Healthcare GmbH
Original Assignee
Siemens AG
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 Siemens AG filed Critical Siemens AG
Priority to DE102014217966.1A priority Critical patent/DE102014217966A1/de
Publication of DE102014217966A1 publication Critical patent/DE102014217966A1/de
Ceased legal-status Critical Current

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment
    • A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
    • A61B6/5258—Devices using data or image processing specially adapted for radiation diagnosis involving detection or reduction of artifacts or noise
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment
    • A61B6/02—Devices for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
    • A61B6/03—Computerised tomographs
    • A61B6/032—Transmission computed tomography [CT]
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment
    • A61B6/12—Devices for detecting or locating foreign bodies
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/00—2D [Two Dimensional] image generation
    • G06T11/003—Reconstruction from projections, e.g. tomography
    • G06T11/005—Specific pre-processing for tomographic reconstruction, e.g. calibration, source positioning, rebinning, scatter correction, retrospective gating
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment
    • A61B6/08—Auxiliary means for directing the radiation beam to a particular spot, e.g. using light beams
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10072—Tomographic images
    • G06T2207/10081—Computed x-ray tomography [CT]

Landscapes

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

Abstract

Die Erfindung betrifft ein Verfahren zur Reduktion von Metallartefakten in CT-Bilddatensätzen, mit dem das Ergebnis der Metallartefaktreduktion gegenüber dem heutigen Stand der Technik stark verbessert wird.

Description

  • Die Erfindung betrifft ein Verfahren zur Reduktion von Metallartefakten in CT-Bilddatensätzen, mit dem das Ergebnis der Metallartefaktreduktion stark verbessert wird.
  • Verfahren zur Rekonstruktion von tomographischen Bilddatensätzen aus Detektordaten einer Abtastung eines Objektes durch ein CT-System sind allgemein bekannt. Befinden sich in dem Objekt metallische Gegenstände, so entstehen aufgrund einer verstärkten Strahlaufhärtung, einer vermehrten Streustrahlung, eines Partialvolumeneffektes und verstärktem Rauschen starke Bildartefakte, sogenannte Metallartefakte, die die Qualität des rekonstruierten Bildes empfindlich mindern. Welcher dieser Effekte dominiert hängt von der Form, der Legierung und der Größe des Metalls ab.
  • Zur Verminderung solcher Metallartefakte sind verschiedenste Verfahren bekannt, die sich in zwei Gruppen einteilen lassen:
  • Physikalische Korrekturen
  • Hierbei wird versucht, die physikalische Fehlerquelle für die Bildartefakte zu modellieren und entsprechend zu korrigieren. Da die Artefakte in der Regel aus einer Kombination aus mehreren Effekten entstehen, ist dies sehr aufwendig und setzt u.a. voraus, dass die Detektorsignale quantitativ ausgewertet werden können. Ein Beispiel für physikalische Korrektur ist eine Strahlaufhärtungskorrektur, die ein Zweikomponentensystem Wasser/Metall betrachtet, wie etwa in [RSNA 2001] beschrieben. Die dazu notwendigen physikalischen Annahmen brechen aber zusammen, wenn die Metallschwächung zu groß wird, also das Metall zu dicht oder zu groß ist.
  • Zu dieser Klasse können auch Verfahren gezahlt werden, die Korrekturterme im Rohdaten- oder Bildraum als Entwicklung z.B. als Polynom der Linienintegrale mit freien Parametern ansetzen, und diese dann unter Annahme einer Nebenbedingung, z.B. die Glattheit in Form der „Total Variation“ (TV), global oder lokal optimieren. Ein solches Verfahren ist aus Y. Kyriakou, E. Meyer, D. Prell, and M. Kachelrieß, "Empirical beam hardening correction (EBHC) for CT", Med. Phys., 37(10):5179–5187, 2010 bekannt. Diese Variante funktioniert nur dann, wenn die Entwicklung zur Beschreibung der Artefakte zur Signatur der Artefakte passt und die Starke durch die Entwicklungsordnung erfasst werden kann.
  • Sinogramminterpolation
  • Sinogramminterpolationsverfahren (SI) gehen davon aus, dass die Messstrahlen, die durch Metall gegangen sind generell unbrauchbar sind und durch Schätzwerte ersetzt werden müssen. Bekannt sind einfache Interpolationstechniken, entweder lineare, wie von W. A. Kalender, R. Hebel, and J. Ebersberger, in "Reduction of CT artifacts caused by metallic implants," Radiology, vol. 164, no. 2, pp. 576–577, Aug. 1987 beschrieben oder mehrdimensionale, wie aus A. H. Mahnken, R. Raupach, J. E. Wildberger, B. Jung, N. Heussen, T. G. Flohr, R. W. Günther, and S. Schaller, "A new algorithm for metal artifact reduction in computed tomography: in vitro and in vivo evaluation after total hip replacement," lnvestigative Radiology, vol. 38, no. 12, pp. 769–775, 2003 beschrieben.
  • Daneben können Normierung/Denormierungsschritte hinzugefügt werden um die neu durch einfache Interpolationen eingebrachten Artefakte zu reduzieren. Solche Verfahren sind in DE 10 2009 032 059 A1 und DE 10 2012 206714 A1 beschrieben.
  • Auch statistische iterative Verfahren, bei denen die Beitragsgewichte von Strahlen, die durch Metall gegangen sind, extrem verkleinert werden, fallen in diese Klasse. Hier ergibt sich durch die Iteration ein Auffüllen der entstehenden ,,Löcher" durch gewichtete Mittelwerte in der Nachbarschaft, was letztlich eine komplizierte Darstellung einer Interpolation ist. Derartige Verfahren sind bekannt aus B. DeMan, J. Nuyts, P. Dupont, G. Marchal, and P. Suetens, "An iterative maximum-likelihood polychromatic algorithm for CT," IEEE Transactions on Medical lmaging, vol. 20, no. 10, pp. 999–1008, 2001 und C. Lemmens, D. Faul, and J. Nuyts, "Suppression of Metal Artifacts in CT Using a Reconstruction Procedure That Combines MAP and Projection Completion", TMI, vol. 28, no. 2, pp. 250–260, Feb. 2009. Solche Verfahren liefern aber immer noch unbefriedigende Bildqualität.
  • SI hat vor allem Probleme im Nahbereich um das Metall. Dadurch, dass nah am Metall in einem großen Projektionswinkelbereich ,,echte" Messwerte verworfen werden, werden metallnahe Strukturen oft unzureichend gut erhalten. Ist ein Gebiet komplett von Metall umschlossen, so steht für diesen Bildbereich gar keine gemessene Information mehr zur Verfügung. SI hat Vorteile bei extrem starken Metallartefakten, bei denen das Bild ohne Korrektur praktisch nicht brauchbar ist. Bei kleinen oder nicht sehr dichten Metallobjekten überwiegen möglicherweise die beschriebenen Nebenwirkungen der Korrektur, weil die noch vorhandene, brauchbare Teilinformation in den Daten überhaupt nicht genutzt wird.
  • Obwohl die oben genannten Verfahren teilweise recht gute Ergebnisse liefern, bleiben immer noch Restartefakte bestehen, die es zu beheben gilt.
  • Aufgabe der Erfindung ist es folglich, das Ergebnis der Metallartefaktreduktion gegenüber dem Stand der Technik zu verbessern.
  • Eine solche Verbesserung wird erreicht durch das erfindungsgemäße Verfahren zur Reduktion von Metallartefakten in CT-Bilddatensätzen welches die folgenden Verfahrensschritte umfasst:
    • i Anwendung von N > 1 unterschiedlichen Metallartefakt-Reduktionsalgorithmen MAR1, ..., MARN auf CT-Rohdaten p und/oder Anwendung von Metallartefakt-Reduktionsalgorithmen MAR1, ..., MARN der gleichen Art mit unterschiedlichen Parametern, und Erzeugung von korrigierten Rohdatensätzen pMAR1, ..., pMARN;
    • ii Bestimmung eines datenpunktweisen Mischungsgewichts w0 für die CT-Rohdaten p, sowie Bestimmung von datenpunktweisen Mischungsgewichten Wn für die korrigierten Rohdatensätze pMAR1, ..., pMARN in einer Kontrolleinheit Ctrl, mit der Nebenbedingung
      Figure DE102014217966A1_0002
      Die Mischungsgewichte können beispielsweise abhängig von den Eingangsdaten festgelegt werden, und zwar vorteilhafterweise in der Form, dass für kleine Linienintegrale (= kleine Signalschwächung) die Originaldaten verwendet werden, für steigende Schwächung z.B. Strahlaufhärtungskorrekturen mit unterschiedlich konfigurierter Korrekturstärke.
    • iii Datenpunktweise Mischung der Rohdatensätze p und korrigierten Rohdatensätze pMAR1, ..., pMARN gemäß
      Figure DE102014217966A1_0003
    • iv CT-Rekonstruktion der gemischten Daten p' zu einem finalen CT-Bild I.
  • In einer vorteilhaften Variante des erfindungsgemäßen Verfahrens werden die MAR-Schritte MAR1, ..., MARN derart erweitert, dass sie jeweils datenpunktweise eine Konfidenzstarke tMAR1, ..., tMARN bereitstellen. Diese müssen im Gegensatz zu den Gewichten nicht notwendigerweise normiert oder beschränkt auf das Intervall [0, 1] sein.
  • Das erfindungsgemäße Verfahren kann vorteilhaft weitergebildet werden, indem die Schritte i) bis iii) iterativ ausgeführt werden, wobei die gemischten Daten pk‘ der k-ten Iteration als Eingangsdatensatz pk+1 dient.
  • Alternativ ist es ebenfalls vorteilhaft, wenn die Schritte i) bis iv) iterativ durchgeführt werden, wobei nach der ersten Iteration das erzeugte Bild I1 statt des Rohdatensatzes p als Eingangssignal dient.
  • Die Erfindung umfasst ebenfalls ein Verfahren zur Reduktion von Metallartefakten in CT-Bilddatensätzen umfassend die folgenden Verfahrensschritte:
    • i) Anwendung von N > 1 unterschiedlichen Metallartefakt-Reduktionsalgorithmen MAR1, ..., MARN auf CT-Rohdaten p und/oder Anwendung von Metallartefakt-Reduktionsalgorithmen MAR1, ..., MARN der gleichen Art mit unterschiedlichen Parametern, und Erzeugung von korrigierten Rohdatensätzen pMAR1, ..., pMARN;
    • ii) CT-Rekonstruktion der Rohdaten (p) und der korrigierten Rohdatensätze pMARi, ..., pMARN zu jeweils einem CT-Bild I0, IMAR1, ..., IMARN.
    • iii) Bestimmung eines pixelweisen Mischungsgewichtes w0 für das CT-Rohdaten-Bild I0, sowie Bestimmung von pixelweisen Mischungsgewichten Wn für die CT-Bilder der korrigierten Rohdatensätze IMAR1, ..., IMARN in einer Kontrolleinheit, mit der Nebenbedingung
      Figure DE102014217966A1_0004
    • iv Pixelweise Mischung des CT-Bilds I0 und der CT-Bilder der korrigierten Rohdatensätze IMAR1, ..., IMARN.
  • Eine vorteilhafte Variante dieses Verfahrens ist dadurch gekennzeichnet, dass die Schritte i) bis iv) iterativ ausgeführt werden, wobei anstelle der Rohdaten p das gemischte CT-Bild Ik‘ der k-ten Iteration als Eingangsdatensatz Ik+1 für die Metallartefakt-Reduktionsalgorithmen MAR1, ..., MARN dient.
  • Es zeigen:
  • 1: Eine schematische Darstellung des Ablaufs eines Ausführungsbeispiels des erfindungsgemäßen Verfahrens;
  • 2: Beispielhafte Darstellung der Mischungsgewichte für den Fall N = 3;
  • 3: Eine schematische Darstellung des Ablaufs eines weiteren Ausführungsbeispiels des erfindungsgemäßen Verfahrens mit iterativer Wiederholung von Verfahrensschritten;
  • 4: Eine schematische Darstellung des Ablaufs eines weiteren Ausführungsbeispiels des erfindungsgemäßen Verfahrens mit iterativer Wiederholung von Verfahrensschritten, alternativ zu der Variante nach 3;
  • 5: Eine schematische Darstellung des Ablaufs eines zu 1 alternativen Ausführungsbeispiels des erfindungsgemäßen Verfahrens;
  • 6: Eine schematische Darstellung des Ablaufs einer Variante des Ausführungsbeispiels des erfindungsgemäßen Verfahrens aus 5, mit iterativer Wiederholung von Verfahrensschritten.
  • 1 zeigt eine schematische Darstellung des Ablaufs eines Ausführungsbeispiels des erfindungsgemäßen Verfahrens. In einem ersten Schritt werden N > 1 unterschiedliche Metallartefakt-Reduktionsalgorithmen MAR1, ..., MARN auf CT-Rohdaten p angewendet. Eventuell werden auch – zumindest zum Teil – Metallartefakt-Reduktionsalgorithmen MAR1, ..., MARN der gleichen Art mit unterschiedlichen Parametern angewendet. Durch die Anwendung der Metallartefakt-Reduktionsalgorithmen werden korrigierte Rohdatensätze pMAR1, ..., pMARN erzeugt.
  • Danach werden ein Mischungsgewicht w0 für die CT-Rohdaten p, sowie Mischungsgewichte Wn für die korrigierten Rohdatensätze pMAR1, ..., pMARN in einer Kontrolleinheit Ctrl bestimmt
  • Die Mischungsgewichte können beispielsweise abhängig von den Eingangsdaten festgelegt werden, vorteilhafterweise in der Form, dass für kleine Linienintegrale (= kleine Signalschwächung) die Originaldaten verwendet werden, für steigende Schwächung z.B. Strahlaufhärtungskorrekturen mit unterschiedlich konfigurierter Korrekturstärke.
  • 2 zeigt den Fall N = 3, wobei die Gewichtfunktionen trapezförmige Schwächungsbereiche einblenden und in den Übergangsbereichen durch ein komplementäres Verhalten die Normierung der Gewichte auf den Wert Eins realisiert ist. Selbstverständlich sind auch andere Abhängigkeiten der Gewichte von p sowie die Zuordnung zu anderen MAR-Verfahren denkbar.
  • In 1 ist ein Ausführungsbeispiel gezeigt, bei dem die MAR-Schritte MAR1, ..., MARN derart erweitert wurden, dass sie jeweils datenpunktweise eine Konfidenzstärke tMAR1, ..., tMARN bereitstellen. Diese müssen im Gegensatz zu den Gewichten nicht notwendigerweise normiert oder beschränkt auf das Intervall [0, 1] sein. Eine Möglichkeit, daraus die benötigten Gewichte zu berechnen ist
    Figure DE102014217966A1_0005
    wobei die Normierungsbedingung per definitionem erfüllt ist. Zusätzlich kann auch die Gesamtschwächung einbezogen werden, z.B. durch
    Figure DE102014217966A1_0006
    mit einem Schwellwert s0, unterhalb dessen praktisch nur unkorrigierte Originalrohdaten verwendet werden.
  • Am Beispiel von Strahlaufhärtungskorrekturen unter Verwendung eines Zweikomponentensystems Wasser/Metall kann eine Definition der Konfidenzstärke wie folgt aussehen: Es wird pro Datenpunkt die gemessene Originalschwächung s in einem Wasser-(W) und einen Metallanteil (M) zerlegt, d.h. s = sW + sM, die sich spektral unterschiedlich verhalten und entsprechend korrigiert werden, was Aufgabe des Strahlaufhärtungskorrekturverfahrens ist und hier als gegeben hingenommen wird. In der Regel ist die Korrektur desto unzureichender je größer der Metallanteil ist. Eine Konfidenz konnte dadurch motiviert als
    Figure DE102014217966A1_0007
    festgelegt werden, wobei sM,max die Signalschwächung angibt, bei der die Korrektur als nicht mehr wirksam angesehen wird. Ein optionaler Faktor a kann dazu benutzt werden, um die absolute Größe der Konfidenz gegenüber den anderen MAR-Schritten zu definieren.
  • Die anhand der Strahlaufhärtungskorrektur dargelegten Überlegungen lassen sich qualitativ auch auf andere MAR-Schritte anwenden. Da die meisten Verfahren, insbesondere auch Sinogramminterpolationen, die auf einer Segmentierung des Metalls im Bildraum und einer Vorwärtsprojektion des segmentierten Bildes beruhen, liegt auch dort ein reines Metallsinogramm sM vor, so dass in gleicher Weise wie oben beschrieben vorgegangen werden kann.
  • Nach der Berechnung der datenpunktweisen Gewichte ist zusätzlich deren Filterung im Datenpunktraum denkbar, insbesondere eine Glättung, d.h. Tiefpassfilterung. Dies erzwingt, dass sich die Gewichte zwischen räumlich benachbarten Datenpunkten nicht zu schnell ändern.
  • Anschließend werden die Rohdatensätze p und die korrigierten Rohdatensätze pMAR1, ..., pMARN entsprechend den Gewichtungen gemischt.
  • Zuletzt erfolgt die Rekonstruktion der gemischten Daten p' zu einem finalen CT-Bild I.
  • Das erfindungsgemäße Verfahren lässt sich auch iterativ anwenden, wie in 3 dargestellt. Dabei werden die Verfahrenschritte i)–iii) VMAR mehrfach ausgeführt. Die Ergebnisdaten dienen dabei der k-ten Iteration pk := p' nach Schritt iii) als Eingangsdaten der (k + 1)-ten Iteration. Initialisiert wird das in iterativer Weise ausgeführte Verfahren mit p0 := p, den Originalrohdaten. Die Berechnung der Gewichte kann dabei unabhängig von der Iteration sein, oder abhängig von der Iteration modifiziert werden. Ferner kann entweder eine feste Anzahl van Iterationen ausgeführt werden, oder die iterative Berechnung abhängig von einem Abbruchkriterium gestoppt werden, z.B. wenn die Änderung zwischen den Ergebnissen Pk und Pk+1 einen Schwellwert unterschreitet.
  • 4 zeigt eine alternative iterative Variante, bei der die Metallartefakt-Reduktionsalgorithmen das Ergebnisbild nach der k-ten Iteration Ik als Eingangssignal benutzen. Bei Vorliegen einer Abbruchbedingung wird das finale Bild I erzeugt.
  • 5 zeigt ein alternatives Verfahren, dass die Erfindungsaufgabe ebenfalls löst. Die einzelnen Metallartefakt-Reduktionsalgorithmen werden dabei so ausgelegt, dass sie keine korrigierten Rohdaten, sondern rekonstruierte CT-Bilder erzeugen. Entsprechend der Gewichtungsfaktoren w0, w1...wN werden die Bilddaten zu einem finalen CT-Bild gemischt. Die Konfidenzstärken bzw. Mischungsgewichte sind in diesem Fall pixelweise zu verstehen und können abhängig oder unabhängig vom CT-Wert des Pixels festgelegt werden.
  • 6 schließlich zeigt eine iterative Variante des Verfahrens aus 5. Dabei wird das Ergebnisbild nach der k-ten Iteration als Eingangssignal für die Metallartefakt-Reduktionsalgorithmen benutzt, d.h. zur Segmentierung des Metalls in den Metallartefakt-Reduktionsalgorithmen wird nicht ein aus p rekonstruiertes Bild, sondern das Ergebnisbild der letzten Iteration benutzt.
  • 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 102009032059 A1 [0007]
    • DE 102012206714 A1 [0007]
  • Zitierte Nicht-Patentliteratur
    • Y. Kyriakou, E. Meyer, D. Prell, and M. Kachelrieß, "Empirical beam hardening correction (EBHC) for CT", Med. Phys., 37(10):5179–5187, 2010 [0005]
    • W. A. Kalender, R. Hebel, and J. Ebersberger, in "Reduction of CT artifacts caused by metallic implants," Radiology, vol. 164, no. 2, pp. 576–577, Aug. 1987 [0006]
    • A. H. Mahnken, R. Raupach, J. E. Wildberger, B. Jung, N. Heussen, T. G. Flohr, R. W. Günther, and S. Schaller, "A new algorithm for metal artifact reduction in computed tomography: in vitro and in vivo evaluation after total hip replacement," lnvestigative Radiology, vol. 38, no. 12, pp. 769–775, 2003 [0006]
    • B. DeMan, J. Nuyts, P. Dupont, G. Marchal, and P. Suetens, "An iterative maximum-likelihood polychromatic algorithm for CT," IEEE Transactions on Medical lmaging, vol. 20, no. 10, pp. 999–1008, 2001 [0008]
    • C. Lemmens, D. Faul, and J. Nuyts, "Suppression of Metal Artifacts in CT Using a Reconstruction Procedure That Combines MAP and Projection Completion", TMI, vol. 28, no. 2, pp. 250–260, Feb. 2009 [0008]

Claims (8)

  1. Verfahren zur Reduktion von Metallartefakten in CT-Bilddatensätzen umfassend die folgenden Verfahrensschritte: i. Anwendung von N > 1 unterschiedlichen Metallartefakt-Reduktionsalgorithmen (MAR1, ..., MARN) auf CT-Rohdaten (p) und/oder Anwendung von Metallartefakt-Reduktionsalgorithmen (MAR1, ..., MARN) der gleichen Art mit unterschiedlichen Parametern, und Erzeugung von korrigierten Rohdatensätzen (pMAR1, ..., pMARN); ii. Bestimmung eines datenpunktweisen Mischungsgewichts (w0) für die CT-Rohdaten (p), sowie Bestimmung von datenpunktweisen Mischungsgewichten (Wn) für die korrigierten Rohdatensätze (pMAR1, ..., pMARN) in einer Kontrolleinheit (Ctrl); iii. Datenpunktweise Mischung (Mix) der Rohdatensätze (p) und korrigierten Rohdatensätze (pMAR1, ..., pMARN); iv. CT-Rekonstruktion der gemischten Daten (p') zu einem finalen CT-Bild (I).
  2. Verfahren gemäß Anspruch 1, dadurch gekennzeichnet, dass die Mischungsgewichte (w0, ..., wN) in Abhängigkeit einer Signalschwächung s berechnet werden.
  3. Verfahren gemäß Anspruch 1, dadurch gekennzeichnet, dass die Mischungsgewichte (w0, ..., wN) in Abhängigkeit einer Metallschwächung sM berechnet werden.
  4. Verfahren gemäß Anspruch 1, dadurch gekennzeichnet, dass die Metallartefakt-Reduktionsalgorithmen (MAR1, ..., MARN) derart erweitert werden, dass sie jeweils datenpunktweise eine Konfidenzstärke (tMAR1, ..., tMARN) bereitstellen, welche zur Bestimmung der Mischungsgewichte (w1, ..., wN) genutzt wird.
  5. Verfahren gemäß Anspruch 1 oder 2, dadurch gekennzeichnet, dass die Schritte i) bis iii) iterativ ausgeführt werden, wobei die gemischten Daten (pk‘) der k-ten Iteration als Eingangsdatensatz (pk+1) dient.
  6. Verfahren gemäß Anspruch 1 oder 2, dadurch gekennzeichnet, dass die Schritte i) bis iv) iterativ durchgeführt werden, wobei nach der k-ten Iteration das erzeugte Bild Ik statt des Rohdatensatzes p als Eingangssignal dient.
  7. Verfahren zur Reduktion von Metallartefakten in CT-Bilddatensätzen umfassend die folgenden Verfahrensschritte: i. Anwendung von N > 1 unterschiedlichen Metallartefakt-Reduktionsalgorithmen (MAR1, ..., MARN) auf CT-Rohdaten (p) und/oder Anwendung von Metallartefakt-Reduktionsalgorithmen (MAR1, ..., MARN) der gleichen Art mit unterschiedlichen Parametern, und Erzeugung von korrigierten Rohdatensätzen (pMAR1, ..., pMARN); ii. CT-Rekonstruktion der Rohdaten (p) und der korrigierten Rohdatensätze (pMARi, ..., pMARN) zu jeweils einem CT-Bild (I0, IMAR1, ..., IMARN). iii. Bestimmung eines pixelweisen Mischungsgewichtes (w0) für das CT-Bild (I0), sowie Bestimmung von pixelweisen Mischungsgewichten (Wn) für die CT-Bilder der korrigierten Rohdatensätze (IMAR1, ..., IMARN) in einer Kontrolleinheit (Ctrl); iv. Pixelweise Mischung (Mix) des CT-Bilds (I0) und der CT-Bilder der korrigierten Rohdatensätze (IMAR1, ..., IMARN).
  8. Verfahren gemäß Anspruch 7, dadurch gekennzeichnet, dass die Schritte i) bis iv) iterativ ausgeführt werden, wobei anstelle der Rohdaten (p) das gemischte CT-Bild (Ik‘) der k-ten Iteration als Eingangsdatensatz (Ik+1) für die Metallartefakt-Reduktionsalgorithmen (MAR1, ..., MARN) dient.
DE102014217966.1A 2014-09-09 2014-09-09 Adaptive Metallartefaktreduktion für die Computertomographie Ceased DE102014217966A1 (de)

Priority Applications (1)

Application Number Priority Date Filing Date Title
DE102014217966.1A DE102014217966A1 (de) 2014-09-09 2014-09-09 Adaptive Metallartefaktreduktion für die Computertomographie

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
DE102014217966.1A DE102014217966A1 (de) 2014-09-09 2014-09-09 Adaptive Metallartefaktreduktion für die Computertomographie

Publications (1)

Publication Number Publication Date
DE102014217966A1 true DE102014217966A1 (de) 2016-03-10

Family

ID=55358478

Family Applications (1)

Application Number Title Priority Date Filing Date
DE102014217966.1A Ceased DE102014217966A1 (de) 2014-09-09 2014-09-09 Adaptive Metallartefaktreduktion für die Computertomographie

Country Status (1)

Country Link
DE (1) DE102014217966A1 (de)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109472754A (zh) * 2018-11-06 2019-03-15 电子科技大学 基于图像修复的ct图像金属伪影消除方法
EP3556293A1 (de) 2018-04-19 2019-10-23 Siemens Healthcare GmbH Verfahren zur bilderzeugung bei einem röntgengerät, bilderzeugungsrechner, röntgengerät, computerprogrammprodukt und computerlesbarer datenträger
CN111915696A (zh) * 2020-08-07 2020-11-10 南京安科医疗科技有限公司 三维图像数据辅助的低剂量扫描数据重建方法及电子介质

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102009032059A1 (de) 2009-07-07 2011-01-13 Siemens Aktiengesellschaft Sinogrammbearbeitung für die Metallartefaktreduktion in der Computertomographie
DE102012206714A1 (de) 2011-08-10 2013-02-14 Friedrich-Alexander-Universität Erlangen-Nürnberg Verfahren, Recheneinheit, CT-System und C-Bogen-System zur Reduktion von Metallartefakten in CT-Bilddatensätzen

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102009032059A1 (de) 2009-07-07 2011-01-13 Siemens Aktiengesellschaft Sinogrammbearbeitung für die Metallartefaktreduktion in der Computertomographie
DE102012206714A1 (de) 2011-08-10 2013-02-14 Friedrich-Alexander-Universität Erlangen-Nürnberg Verfahren, Recheneinheit, CT-System und C-Bogen-System zur Reduktion von Metallartefakten in CT-Bilddatensätzen

Non-Patent Citations (7)

* Cited by examiner, † Cited by third party
Title
A. H. Mahnken, R. Raupach, J. E. Wildberger, B. Jung, N. Heussen, T. G. Flohr, R. W. Günther, and S. Schaller, "A new algorithm for metal artifact reduction in computed tomography: in vitro and in vivo evaluation after total hip replacement," lnvestigative Radiology, vol. 38, no. 12, pp. 769-775, 2003
B. DeMan, J. Nuyts, P. Dupont, G. Marchal, and P. Suetens, "An iterative maximum-likelihood polychromatic algorithm for CT," IEEE Transactions on Medical lmaging, vol. 20, no. 10, pp. 999-1008, 2001
C. Lemmens, D. Faul, and J. Nuyts, "Suppression of Metal Artifacts in CT Using a Reconstruction Procedure That Combines MAP and Projection Completion", TMI, vol. 28, no. 2, pp. 250-260, Feb. 2009
MEYER, Esther, et al.: Frequency split metal artifact reduction (FSMAR) in computed tomography. Medical Physics 39, 2012, Nr. 4, Seiten 1904-1916. *
W. A. Kalender, R. Hebel, and J. Ebersberger, in "Reduction of CT artifacts caused by metallic implants," Radiology, vol. 164, no. 2, pp. 576-577, Aug. 1987
WATZKE, Oliver; KALENDER, Willi: A pragmatic approach to metal artifact reduction in CT: merging of metal artifact reduced images. European radiology, 2004, 14. Jg., Nr. 5, Seiten 849-856. *
Y. Kyriakou, E. Meyer, D. Prell, and M. Kachelrieß, "Empirical beam hardening correction (EBHC) for CT", Med. Phys., 37(10):5179-5187, 2010

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3556293A1 (de) 2018-04-19 2019-10-23 Siemens Healthcare GmbH Verfahren zur bilderzeugung bei einem röntgengerät, bilderzeugungsrechner, röntgengerät, computerprogrammprodukt und computerlesbarer datenträger
CN109472754A (zh) * 2018-11-06 2019-03-15 电子科技大学 基于图像修复的ct图像金属伪影消除方法
CN111915696A (zh) * 2020-08-07 2020-11-10 南京安科医疗科技有限公司 三维图像数据辅助的低剂量扫描数据重建方法及电子介质
CN111915696B (zh) * 2020-08-07 2023-09-22 南京安科医疗科技有限公司 三维图像数据辅助的低剂量扫描数据重建方法及电子介质

Similar Documents

Publication Publication Date Title
DE102012206714A1 (de) Verfahren, Recheneinheit, CT-System und C-Bogen-System zur Reduktion von Metallartefakten in CT-Bilddatensätzen
DE102009039987A1 (de) Iterativer CT-Bildfilter zur Rauschreduktion
DE102009032059A1 (de) Sinogrammbearbeitung für die Metallartefaktreduktion in der Computertomographie
DE102011088265B4 (de) Verfahren zur Korrektur von aufgrund eines Streustrahlenrasters auftretenden Bildartefakten
DE102008053110A1 (de) Verfahren zur Rekonstruktion von CT-Bilddaten
DE102010022306A1 (de) Iterative CT-Bildrekonstruktion in Kombination mit einem vierdimensionalen Rauschfilter
DE102010022305A1 (de) Iterative Rekonstruktion von CT-Bilern ohne Regularisierungsterm
DE102009014726A1 (de) Verfahren und Bildrekonstruktionseinrichtung zur Rekonstruktion von Bilddaten
DE102012204019A1 (de) Verfahren zur Reduzierung von Bewegungsartefakten
DE102016204226A1 (de) Vorrichtung und Verfahren zum Abgrenzen eines Metallobjekts für eine Artefaktreduktion in Tomographiebildern
DE102017200282B3 (de) Verfahren zur Reduktion von Bildartefakten
Chang et al. Prior-guided metal artifact reduction for iterative X-ray computed tomography
DE102011005715A1 (de) Verfahren zum Gewinnen eines von Spuren eines Metallobjektes befreiten 3D-Bilddatensatzes
DE102019208496A1 (de) Bereitstellen eines Differenzbilddatensatzes und einer trainierten Generatorfunktion
EP3640893B1 (de) Verfahren zur rekonstruktion eines dreidimensionalen ergebnisbilddatensatzes
DE102014217966A1 (de) Adaptive Metallartefaktreduktion für die Computertomographie
DE102011076547A1 (de) Verfahren zum Gewinnen eines 3D-Bilddatensatzes zu einem Bildobjekt
DE102011017710B4 (de) Verfahren zum Bereitstellen eines 3D-Röntgenbilddatensatzes zu einem sich bewegenden Objekt mit stark absorbierendem Material
DE102015206127A1 (de) Strukturkonforme Rauschunterdrückung bei der multispektralen CT-Bildgebung
DE102007040519A1 (de) Verfahren zur Reduktion des Bildrauschens im Rahmen der Aufnahme eines Bildes mit zwei unterschiedlichen Strahlungsspektren
DE102009010287B4 (de) Verfahren und Bildrekonstruktionseinrichtung zur Rekonstruktion von Bilddaten
DE102010026675A1 (de) Verfahren und Vorrichtung zur Bestimmung einer Phase einer Objektbewegung bei einer Bilderserie, bildgebendes Gerät und Computerprogrammprodukt
DE102019210545B4 (de) Bereitstellen eines Ergebnisbilddatensatzes und einer trainierten Generatorfunktion
DE102008048716B4 (de) Verfahren zur Aufhärtungskorrektur
DE102011075912A1 (de) Verfahren zum Bereitstellen eines 3D-Bilddatensatzes mit unterdrückten Bildartefakten und Computertomograph

Legal Events

Date Code Title Description
R012 Request for examination validly filed
R016 Response to examination communication
R016 Response to examination communication
R081 Change of applicant/patentee

Owner name: SIEMENS HEALTHCARE GMBH, DE

Free format text: FORMER OWNER: SIEMENS AKTIENGESELLSCHAFT, 80333 MUENCHEN, DE

R002 Refusal decision in examination/registration proceedings
R003 Refusal decision now final