DE102018221943A1

DE102018221943A1 - Verfahren zur Artefaktkorrektur von dreidimensionalen Volumenbilddaten

Info

Publication number: DE102018221943A1
Application number: DE102018221943.5A
Authority: DE
Inventors: Harald Schöndube; Johan Sunnegaardh
Original assignee: Siemens Healthcare GmbH
Current assignee: Siemens Healthineers Ag De
Priority date: 2018-12-17
Filing date: 2018-12-17
Publication date: 2020-06-18
Also published as: CN111325678B; US20200193656A1; CN111325678A; US11568585B2

Abstract

Die Erfindung betrifft ein Verfahren zur Artefaktkorrektur von dreidimensionalen Volumenbilddaten eines Objekts (13), umfassend die Schritte- Empfangen (S1) von ersten Volumenbilddaten (VB1) mittels einer ersten Schnittstelle (ST1), wobei die ersten Volumenbilddaten (VB1) auf mittels eines Computertomographie-Geräts (1) aufgenommen Projektionsmessdaten basieren, wobei das Computertomographie-Gerät (1) eine Systemachse (AR) aufweist, und wobei die ersten Volumenbilddaten (VB1) ein Artefakt aufweisen, welches in Richtung der Systemachse (AR) hochfrequente erste Anteile aufweist und in einer Ebene senkrecht zu der Systemachse (AR) relativ zu den hochfrequenten ersten Anteilen niederfrequente zweite Anteile aufweist,- Ermitteln (S2) von artefaktkorrigierten, zweiten Volumenbilddaten (VB2) durch Anwenden einer trainierten Funktion (FK) auf die ersten Volumenbilddaten (VB1) mittels einer Recheneinheit (RH),- Ausgeben (S3) der artefaktkorrigierten, zweiten Volumenbilddaten (VB2) mittels einer zweiten Schnittstelle (ST2).

Description

Die Erfindung betrifft ein Verfahren zur Artefaktkorrektur von dreidimensionalen Volumenbilddaten. Außerdem betrifft die Erfindung ein Korrektursystem zur Artefaktkorrektur von dreidimensionalen Volumenbilddaten, sowie ein Computertomographie-Gerät insbesondere umfassend ein solches Korrektursystem. Des Weiteren betrifft die Erfindung ein Verfahren zum Anpassen einer trainierten Funktion, ein Trainingssystem zum Anpassen einer solchen trainierten Funktion, sowie ein Computerprogrammprodukt und ein computerlesbares Speichermedium.
Die Computertomographie (CT) ist ein bildgebendes Verfahren, welches vor allem zur medizinischen Diagnostik eingesetzt wird. Bei der Computertomographie rotieren zur Aufnahme räumlich dreidimensionaler Volumenbilddaten eine Röntgenröhre, sowie ein mit dieser zusammenwirkender Röntgendetektor um ein zu untersuchendes Objekt. Dafür ist bei einem Computertomographie-Gerät (CT-Gerät) die Röntgenröhre und der Röntgendetektor auf einem Drehkranz bzw. Rotor angeordnet, welcher im Betrieb des CT-Geräts eine Rotationsbewegung um eine Achse durchführt, entlang welcher das abzubildendes Objekt positioniert ist. Diese Achse wird vom Fachmann allgemein auch als Systemachse oder als z-Achse des CT-Geräts bezeichnet. In der Regel werden heute in der medizinischen Bildgebung dabei Spiral- und/oder Mehrzeilen-CT-Geräte verwendet. Bei einer Spiral-CT erfährt das Objekt einen kontinuierlichen Vorschub durch das CT-Gerät, während Röntgenröhre und Röntgendetektor fortlaufend um das Objekt rotieren. Der Röntgenstrahl der Röntgenröhre beschreibt damit eine kontinuierliche Spirale um das Objekt. Der Begriff Mehrschicht- oder Mehrzeilen-CT bezieht sich auf den eingesetzten Röntgendetektor, welcher nicht nur eine Reihe oder Zeile von Detektorelementen umfasst, sondern mehrere in Richtung der Systemachse nebeneinander liegende Reihen bzw. Zeilen, so dass pro Umlauf der Röntgenröhre mehrere Schichten des Objekts gleichzeitig aufgenommen werden.
Während der Rotationsbewegung der Röntgenröhre werden für eine Mehrzahl an Winkelrichtungen Projektionsmessdaten mittels des Röntgendetektors aufgenommen. Bei den Projektionsmessdaten handelt es sich um eine Projektion oder eine Mehrzahl von Projektionen, welche für die jeweilige Winkelrichtung Informationen über die Schwächung der Strahlung durch das Untersuchungsobjekt enthalten. Die Projektionsmessdaten werden auch als Rohdaten oder als Rohdatensatz bezeichnet. Aus diesen Projektionsmessdaten können anschließend zweidimensionale Schnittbilddaten oder dreidimensionale Volumenbildddaten des Untersuchungsobjektes rekonstruiert bzw. berechnet werden, beispielsweise mittels eines Verfahren der sogenannten gefilterten Rückprojektion (filtered backprojection, FBP).
Ein prominentes Beispiel eines Artefakts in der CT-Bildgebung ist das sogenannte „Windmühl-Artefakt“. Insbesondere zeichnet sich solch ein Windmühl-Artefakt durch hochfrequente Anteile in den Volumenbilddaten in Richtung der Systemachse und relativ dazu niederfrequente Anteile in der Bildebene senkrecht zu der Systemachse aus.
Das Windmühlartefakt tritt im Rahmen der Mehrzeilen-Spiral-CT-Bildgebung auf und resultiert aus der dem Röntgendetektor intrinsisch inneliegenden Unterabtastung durch die vorgegebenen Detektorelemente in z-Richtung und damit der Nicht-Erfüllung des Shannon-Abtasttheorems entlang der Systemachse. Ein Windmühl-Artefakt tritt dabei insbesondere in Zusammenhang mit hochkonstrastigen Sprüngen entlang der Systemachse auf, d.h. bei Vorliegen eines starken Gradienten im Röntgenkontrasts im aufzunehmenden Objekt in Richtung der Systemachse. Dieser kann etwa durch benachbarte Materialien im Objekt mit stark unterschiedlichem Absorptionsverhalten für Röntgenstrahlung hervorgerufen werden, wie etwa im Bereich der Wirbelkörper der Wirbelsäule eines Patienten.
Lösungsansätze liegen zum Beispiel in der Rekonstruktion dickerer Schichten, wobei durch die geeignete Zusammenfassung von nebeneinanderliegenden Detektorzeilen in Richtung der Systemachse das Abtasttheorem erfüllt werden kann. Damit verbunden ist jedoch ein Verlust an Bildauflösung in Richtung der Systemachse. Weiterhin kann ein CT-Gerät mit einem sogenannten „Springfokus“ in Richtung der Systemachse eingesetzt werden. Dabei wird jede zweite Aufnahme eines Rohdatensatzes um die Breite einer halben Detektorzeile in Richtung der Systemachse, verschoben, und somit das Abtasttheorem näherungsweise erfüllt. Nachteil ist hierbei insbesondere der sehr hohe konstruktive Aufwand. Des Weiteren können Maßnahmen eingesetzt werden, welche auf Basis der bereits rekonstruierten Bilddaten wirken und beispielsweise durch nichtlineare Filter die Artefakte aus den Volumenbilddaten entfernen bzw. diese reduzieren. Dabei ist eine optimale Anpassung der Filterparameter wesentlich für eine effektive und fehlerfreie Korrektur der Bilddaten. Nachteil ist, dass andere Strukturen im Objekt, die eine ähnliche Signatur aufweisen, ebenfalls gefiltert werden und damit Bildinformation verloren geht. Ein Beispiel eines solchen Filter-Verfahrens ist aus der Druckschrift WO 2011/042821 A1 bzw. aus „Method for Reducing Windmill Artifacts in Multi-Slice CT“ von K.M. Brown et al. (Proc. of SPIE, Vol. 7961, 79611P, https://doi.org/10.1117/12.877437) bekannt.
Ein weiteres prominentes Beispiel eines Artefakts ist ein sogenanntes „Kegelstrahl-Artefakt“. Bei Verwendung eines Kegelstrahls der Röntgenröhre für die Belichtung eines Mehrzeilen-Röntgendetektors sind die Schichtebenen geneigt. Je größer die Anzahl der Detektorschichten bzw. Detektorzeilen, desto größer ist die Neigung der Schichtebenen der Projektionsmessdaten in den Randbereichen. Durch in der Rekonstruktion eingeführte mathematische Vereinfachungen kann dies zu einem Kegelstrahl-Artefakt führen, welches ebenfalls höherfrequente Anteile in den Bilddaten in Richtung der Systemachse und relativ dazu niederfrequente Anteile in der Ebene der Bilddaten senkrecht zu der Systemachse aufweist.
Die genannten Artefakte können mittels eines iterativen Rekonstruktionsverfahrens vermieden werden. Iterative Methoden erfordern jedoch einen deutlich höheren Rechenaufwand mit entsprechender Rechenzeit gegenüber filterbasierten Rekonstruktionsmethoden.
Es ist Aufgabe der Erfindung eine verbesserte Möglichkeit bereitzustellen, ein Artefakt in dreidimensionalen Volumenbilddaten zu korrigieren, wobei das Artefakt in den Volumenbilddaten insbesondere in Richtung der Systemachse des für die Aufnahme eingesetzten Computertomographie-Geräts hochfrequente erste Anteile aufweist und in einer Ebene senkrecht zu der Systemachse relativ zu den hochfrequenten ersten Anteilen niederfrequente zweite Anteile aufweist
Die Aufgabe wird gelöst durch die Merkmale der unabhängigen Patentansprüche. Weitere vorteilhafte und teils für sich erfinderische Ausführungsformen und Weiterbildungen der Erfindung sind in den Unteransprüchen und der nachfolgenden Beschreibung dargelegt. Bei den Verfahren kann es sich insbesondere um computerimplementierte Verfahren handeln.
Nachstehend wird die erfindungsgemäße Lösung der Aufgabe sowohl in Bezug auf die beanspruchten Vorrichtungen als auch in Bezug auf das beanspruchte Verfahren beschrieben. Hierbei erwähnte Merkmale, Vorteile oder alternative Ausführungsformen sind ebenso auch auf die anderen beanspruchten Gegenstände zu übertragen und umgekehrt. Mit anderen Worten können die gegenständlichen Ansprüche (die beispielsweise auf eine Vorrichtung gerichtet sind) auch mit den Merkmalen, die in Zusammenhang mit einem Verfahren beschrieben oder beansprucht sind, weitergebildet sein. Die entsprechenden funktionalen Merkmale des Verfahrens werden dabei durch entsprechende gegenständliche Module ausgebildet.
Weiterhin wird die erfindungsgemäße Lösung der Aufgabe sowohl in Bezug auf Verfahren und Vorrichtungen zur Artefaktkorrektur von dreidimensionalen Volumenbilddaten eines Objekts als auch in Bezug auf Verfahren und Vorrichtungen zum Anpassen von einer trainierten Funktion beschrieben. Hierbei können Merkmale und alternative Ausführungsformen von Datenstrukturen und/oder Funktionen bei Verfahren und Vorrichtungen zur Artefaktkorrektur auf analoge Datenstrukturen und/oder Funktionen bei Verfahren und Vorrichtungen zum Anpassen übertragen werden. Analoge Datenstrukturen können hierbei insbesondere durch die Verwendung der Vorsilbe „Trainings“ gekennzeichnet sein. Weiterhin können die in Verfahren und Vorrichtungen zur Artefaktkorrektur verwendete trainierte Funktion insbesondere durch Verfahren und Vorrichtungen zum Anpassen der trainierten Funktion angepasst worden und/oder bereitgestellt worden sein.
Die Erfindung betrifft ein Verfahren zur Artefaktkorrektur von dreidimensionalen Volumenbilddaten eines Objekts, umfassend die Schritte des Empfangens, des Ermittelns und des Ausgebens. Dabei werden im Schritt des Empfangens erste Volumenbilddaten mittels einer ersten Schnittstelle empfangen, wobei die ersten Volumenbilddaten auf mittels eines Computertomographie-Geräts aufgenommen Projektionsmessdaten basieren, wobei das Computertomographie-Gerät eine Systemachse aufweist, und wobei die ersten Volumenbilddaten ein Artefakt aufweisen, welches in Richtung der Systemachse hochfrequente erste Anteile aufweist und in einer Ebene senkrecht zu der Systemachse relativ zu den hochfrequenten ersten Anteilen niederfrequente zweite Anteile aufweist. Im Schritt des Ermittelns werden artefaktkorrigierte, zweite Volumenbilddaten durch Anwenden einer trainierten Funktion auf die ersten Volumenbilddaten mittels einer Recheneinheit ermittelt. Im Schritt des Ausgebens werden die artefaktkorrigierten, zweiten Volumenbilddaten mittels einer zweiten Schnittstelle ausgegeben.
Die ersten Volumenbilddaten basieren insbesondere auf Projektionsmessdaten. Beispielsweise sind die ersten Volumenbilddaten mittels eines Verfahrens der gefilterten Rückprojektion basierend auf den Projektionsmessdaten rekonstruiert.
Die Volumenbilddaten sind insbesondere räumlich dreidimensional ausgebildete Bilddaten. Die Volumenbilddaten weisen eine Dimension entlang einer ersten Achse auf, welche sich im Falle von mittels eines Computertomographie-Geräts gemessener Volumenbilddaten in einer Richtung entsprechend der Systemachse des für die Aufnahme der Projektionsmessdaten eingesetzten Computertomographie-Geräts erstreckt. Die Bilddimension in Richtung der ersten Achse kann dementsprechend als Bilddimension in Richtung der Systemachse bezeichnet werden. Im Allgemeinen kann sie auch als z-Achse bezeichnet werden. Die zweite und dritte Achse des dreidimensionalen Bildraums der Volumenbilddaten erstrecken sich dann senkrecht zu der Systemachse.
Hochfrequente Anteile im Zusammenhang mit dem oben erwähnten Artefakt kann insbesondere bedeuten, dass das Artefakt in Richtung der Systemachse eine starke Variation, d.h. einen stark variierenden Hell-Dunkel-Kontrast, aufweist. Relativ dazu kann die niederfrequentere Signatur des Artefakts in der Bildebene senkrecht zu der ersten Achse als über Bildpixelgruppen hinweg konstant beschrieben werden. Insbesondere ist die Signatur des Artefakts in dieser Bildebene über eine größere Anzahl an Bildpixeln konstant als die Signatur des Artefakts in Richtung der Systemachse.
Eine trainierte Funktion bildet Eingabedaten auf Ausgabedaten ab. Hierbei können die Ausgabedaten insbesondere von einem oder mehreren Parametern der trainierten Funktion abhängen. Der eine oder die mehreren Parameter der trainierten Funktion können durch ein Training bestimmt und/oder angepasst werden. Das Bestimmen und/oder das Anpassen des einen oder der mehreren Parameter der trainierten Funktion kann insbesondere auf einem Paar aus Trainingseingabedaten und zugehörigen Trainingsabbildungsdaten basieren, wobei die trainierte Funktion zur Erzeugung von Trainingsausgabedaten auf die Trainingseingabedaten angewendet wird. Insbesondere können das Bestimmen und/oder das Anpassen auf einem Vergleich der Trainingsabbildungsdaten und der Trainingsausgabedaten basieren. Im Allgemeinen wird auch eine trainierbare Funktion, d.h. eine Funktion mit noch nicht angepassten einen oder mehreren Parametern, als trainierte Funktion bezeichnet. Andere Begriffe für trainierte Funktion sind trainierte Abbildungsvorschrift, Abbildungsvorschrift mit trainierten Parametern, Funktion mit trainierten Parametern, Algorithmus basierend auf künstlicher Intelligenz, Algorithmus des maschinellen Lernens. Ein Beispiel für eine trainierte Funktion ist ein künstliches neuronales Netzwerk, wobei die Kantengewichte des künstlichen neuronalen Netzwerks den Parametern der trainierten Funktion entsprechen. Anstatt des Begriffs „neuronales Netzwerk“ kann auch der Begriff „neuronales Netz“ verwendet werden. Insbesondere kann eine trainierte Funktion auch ein tiefes künstliches neuronales Netzwerk sein (ein englischer Fachbegriff ist „deep neural network“ oder „deep artificial neural network“). Ein weiteres Beispiel für eine trainierte Funktion ist eine „Support Vector Machine“, weiterhin sind auch insbesondere andere Algorithmen des maschinellen Lernens als trainierte Funktion einsetzbar.
Die trainierte Funktion kann insbesondere eine Funktion sein, welche dreidimensionale Bilddaten, d.h. Volumenbilddaten, auf dreidimensionale Bilddaten abbildet. Insbesondere werden die zweiten Volumenbilddaten basierend auf den ersten Volumenbilddaten und basierend auf der trainierten Funktion mittels der Recheneinheit bestimmt, wenn die trainierte Funktion auf Eingabedaten angewendet wird und hierbei Ausgabedaten erzeugt, wobei die Eingabedaten auf den ersten Volumenbilddaten basieren und wobei die Ausgabedaten den zweiten Volumenbilddaten entsprechen. Die trainierte Funktion kann insbesondere trainiert sein in den ersten Volumenbilddaten das Artefakt zu erkennen und artefaktkorrigierte, zweite Volumenbilddaten zu erzeugen.
Die Erfinder haben erkannt, dass mittels des erfindungsgemäßen Verfahrens mit geringen, insbesondere ohne zusätzlichen konstruktiven Hardware-Aufwand und/oder mit einer verbesserten Filterleistung und Sicherheit im Vergleich zum Stand der Technik hochqualitative und artefaktkorrigierte Volumenbilddaten zur Verfügung gestellt werden können. Dabei kann ebenso eine reduzierte Auflösung der Bilddaten vermieden werden. Dies kann insbesondere eine verbesserte Diagnose basierend auf den Bilddaten erlauben.
In einer Verfahrensvariante weisen die Projektionsmessdaten insbesondere eine Unterabtastung in Richtung der Systemachse auf.
Die Unterabtastung entspricht hierbei insbesondere dem Nicht-Erfüllen des Shannon-Abtasttheorems entlang der Systemachse. Die Unterabtastung kann insbesondere im Rahmen einer Mehrzeilen-Spiral-CT aufgrund der dem Röntgendetektor intrinsisch inneliegenden Unterabtastung entlang der Systemachse resultieren. Insbesondere kann das Artefakt ein Windmühl-Artefakt sein. Die trainierte Funktion kann dann auf das Erkennen und Korrigieren von Windmühl-Artefakten trainiert sein.
Gemäß einer weiteren Ausführungsvariante ist das Artefakt ein Kegelstrahl-Artefakt.
In dieser Ausführungsvariante basieren die Projektionsmessdaten insbesondere auf Aufnahmen des Objekts mittels eines Mehrzeilen-CT-Geräts, wobei der Mehrzeilen-Röntgendetektor mittels eines Kegelstrahls der Röntgenstrahlung beleuchtet wird. Vorteilhaft können Kegelstrahl-Artefakte mittels des erfindungsgemäßen Verfahrens zeiteffizient und mit hoher Sicherheit reduziert werden.
Gemäß einer vorteilhaften Ausführung des Verfahrens basiert die trainierte Funktion auf einem neuronalen Netzwerk.
Insbesondere kann eine trainierte Funktion auf einem neuronalen Netzwerk basieren, indem die trainierte Funktion identisch mit dem neuronalen Netzwerk ist oder die trainierte Funktion das neuronale Netzwerk umfasst. Das neuronale Netzwerk kann insbesondere eine Faltungsschicht und/oder eine Entfaltungsschicht aufweisen. Insbesondere kann ein neuronales Netzwerk eine Sammelschicht umfassen (ein englischer Fachbegriff ist „pooling layer“). Insbesondere kann das erste neuronale Netzwerk und/oder das zweite neuronale Netzwerk eine Sammelschicht umfassen. Insbesondere kann ein neuronales Netzwerk ein faltendes neuronales Netzwerk sein (ein englischer Fachbegriff ist „convolutional neural network“). Insbesondere kann ein neuronales Netzwerk ein tiefes faltendes Netzwerk sein (ein englischer Fachbegriff ist „deep convolutional neural network“). Mit der Verwendung von Faltungsschichten und/oder Entfaltungsschichten ein neuronales Netzwerk besonders effizient zur Bildverarbeitung eingesetzt werden kann.
Die Erfinder haben erkannt, dass ein neuronales Netzwerk besonders gut zur Bildverarbeitung eingesetzt werden kann. Dadurch ermöglicht ein neuronales Netzwerk vorteilhaft eine effektive Implementierung des erfindungsgemäßen Verfahrens mit einer besonders effizienten Korrekturleistung.
Gemäß einer vorteilhaften Verfahrensvariante basiert die trainierte Funktion auf artefaktbehafteten, ersten Trainings-Volumenbilddaten eines Trainings-Objekts und auf im Wesentlichen artefaktfreien, zweiten Trainings-Volumenbilddaten des Trainings-Objekts, wobei die ersten, artefaktbehafteten Trainings-Volumenbilddaten ein Trainings-Artefakt aufweisen, welches in Richtung einer ersten Achse hochfrequente erste Anteile aufweist und in einer Ebene senkrecht zu der ersten Achse relativ zu den hochfrequenten ersten Anteilen niederfrequente zweite Anteile aufweist. Das Trainings-Artefakt kann beispielsweise einem Windmühl-Artefakt oder einem Kegelstrahlartefakt entsprechen.
Im Wesentlichen artefaktfrei kann dabei insbesondere verstanden werden, dass bei Betrachtung der zweiten Trainings-Volumenbilddaten ein artefaktfreier Bildeindruck entsteht. Das heißt, eine Beeinträchtigung der zweiten Trainings-Volumenbilddaten durch ein Artefakt ist vorzugsweise nicht sichtbar. Zumindest jedoch ist eine Beeinträchtigung der zweiten Trainings-Volumenbilddaten durch ein Artefakt nur in sehr geringem Maße ausgebildet und insbesondere für eine potentielle Diagnose basierend auf derartigen Volumenbilddaten nicht hinderlich.
Insbesondere kann das Bestimmen und/oder das Anpassen des einen oder der mehreren Parameter der trainierten Funktion auf einem Paar aus ersten Trainings-Volumenbilddaten und zugehörigen zweiten Trainings-Volumenbilddaten basieren, wobei die trainierte Funktion zur Erzeugung von dritten Trainings-Volumenbilddaten auf die ersten Trainings-Volumenbilddaten angewendet wird. Insbesondere können das Bestimmen und/oder das Anpassen auf einem Vergleich der zweiten Trainings-Volumenbilddaten und der dritten Trainings-Volumenbilddaten basieren.
Vorzugsweise umfassen die ersten Trainings-Volumenbilddaten oder zweiten Trainings-Volumenbilddaten dabei simulierte Trainings-Volumenbilddaten oder gemessene Trainings-Volumenbilddaten. Die Trainings-Volumenbilddaten können auch sowohl gemessene als auch simulierte Trainings-Volumenbilddaten umfassen.
Insbesondere können simulierte Trainings-Volumenbilddaten mittels bekannter Softwaremodule erzeugt werden, welche die Durchstrahlung eines Objekts mit Röntgenstrahlung basierend auf den physikalischen Gesetzmäßigkeiten nachbilden und die Absorption und Streuung von Röntgenstrahlung durch das Objekt simulieren. Insbesondere können dadurch in einfacher Weise sowohl artefaktfreie als auch artefaktbehaftete Computertomographie-Bilddatensätze erzeugt werden. Insbesondere kann auch ein Artefakt durch Simulation auf existierende klinische Daten aufgeprägt werden, so dass artefaktbehaftete Trainings-Volumenbilddaten gebildet werden.
Die Erfinder haben erkannt, dass simulierte Trainings-Volumenbilddaten vorteilhaft ermöglichen, auf zusätzlich Messungen eines Trainings-Objekts und damit verbundenen Zeitaufwand weitgehend zu verzichten. Unabhängig von zusätzlichen Messungen kann besonders einfach eine große Zahl an Trainings-Volumenbilddaten bereitgestellt werden. Insbesondere kann dadurch besonders günstig eine Bereitstellung artefaktfreier Trainings-Volumenbilddaten ermöglicht werden, da Simulationen nicht durch physikalischen Aufnahmebedingungen beschränkt sind.
Gemessene Trainings-Volumenbilddaten ermöglichen vorteilhaft das Bereitstellen einer trainierten Funktion, welche auf realen, gemessenen Bildbegebenheiten basiert. Damit kann gegebenenfalls eine besonders vorteilhafte Korrekturleistung von realen, gemessenen Volumenbilddaten erreicht werden. Die gemessenen Trainings-Volumenbilddaten können insbesondere mittels Trainings-Computertomographie-Gerät erzeugt werden. Basieren die ersten Trainings-Volumenbilddaten auf mittels eines Trainings-CT-Geräts aufgenommenen Projektionsmessdaten erstreckt sich die erste Achse insbesondere entsprechend der Systemachse des Trainings-CT-Geräts.
Gemäß einer bevorzugten Variante des Verfahren umfassen die ersten und/oder zweiten Trainings-Volumenbilddaten zumindest eine der folgenden Arten an Bilddaten:

- Bilddaten, welche auf mittels eines Trainings-Computertomographie-Geräts aufgenommenen Trainings-Projektionsmessdaten basieren, wobei das Trainings-Computertomographie-Gerät einen Springfokus in Richtung einer Trainings-Systemachse des Trainings-Computertomographie-Geräts aufweist,
- Bilddaten, welche auf zusammengefassten, mittels eines Trainings-Computertomographie-Geräts aufgenommenen Trainings-Projektionsmessdaten basieren, wobei die Trainings-Projektionsmessdaten in Richtung einer Trainings-Systemachse des Trainings-Computertomographie-Geräts zusammengefasst sind,
- Mittels eines iterativen Rekonstruktionsalgorithmus rekonstruierte Bilddaten.

Basieren die ersten und/oder zweiten Trainings-Volumenbilddaten auf mittels eines Springfokus-CT-Geräts aufgenommenen Projektionsmessdaten, wobei der Springfokus in Richtung der Systemachse bereitgestellt ist, können im Wesentlichen, artefaktfreie zweite Trainings-Volumenbilddaten bereitgestellt werden, indem die Volumenbilddaten basierend auf den Projektionsmessdaten mit Springfokus rekonstruiert werden. Zugehörige artefaktbehaftete, erste Trainings-Volumenbilddaten können bereitgestellt werden, indem Volumenbilddaten basierend auf den Projektionsmessdaten ohne Springfokus rekonstruiert werden.
Basieren die Trainings-Volumenbilddaten auf zusammengefassten Projektionsmessdaten kann die Zusammenfassung der Trainings-Projektionsmessdaten insbesondere auf einer Zusammenfassung von Projektionsmessdaten von in Richtung der Systemachse benachbarten Detektorzeilen basieren. Die Projektionsmessdaten können für die Rekonstruktion ohne Überlapp der Projektionsmessdaten zwischen den Detektorzeilen zusammengefasst werden um erste, artefaktbehaftete Trainings-Volumenbilddaten zu erzeugen. Die Messdaten können für die Rekonstruktion mit Überlapp zwischen den Detektorzeilen zusammengefasst werden. Insbesondere kann dadurch ein Erfüllen des Shannon-Abtasttheorem erreicht werden und im Wesentlichen artefaktfreie, zweite Trainings-Volumenbilddaten bereitgestellt werden.
Insbesondere können im Wesentliche artefaktfreie, zweite Trainings-Volumenbilddaten mittels eines iterativen Rekonstruktionsverfahren erzeugt werden. Die Rekonstruktion kann auf Basis von Trainings-Projektionsmessdaten ausgeführt werden, welche eine Unterabtastung in Richtung der ersten Achse aufweisen. Zugehörige, artefaktbehaftete erste Trainings-Volumenbilddaten können dann beispielsweise mittels eines einfacheren Verfahrens der Rückprojektion auf Basis der gleichen Trainings-Projektionsmessdaten erzeugt werden.
Vorteilhaft können Bilddaten eines Trainings-Objekts bereitgestellt werden, welche kein Artefakt oder nur einen geringen Einfluss des Artefakts aufweisen. Diese können als sogenannte „ground truth“ (Grundwahrheit) eingesetzt werden und den Trainingsabbildungsdaten entsprechen, welche im Rahmen des Trainings bzw. Anpassens der trainierten Funktion mit den Ausgabedaten der trainierten Funktion verglichen werden können. Ebenso können zugehörige artefaktbehaftete Bilddaten des Trainings-Objekts erzeugt werden, welche im Rahmen des Trainings der trainierten Funktion als zu den Trainingsabbildungsdaten zugehörige Trainingseingabedaten dienen können.
Die Erfindung betrifft außerdem ein Verfahren zum Anpassen einer trainierten Funktion umfassend die Schritte des ersten Empfangens, des zweiten Empfangens und des Ermittelns, sowie des dritten Empfangens und des Anpassens. Dabei wird im Schritt des ersten Empfangens die trainierte Funktion mittels einer Trainings-Schnittstelle empfangen. Im Schritt des zweiten Empfangens mittels der Trainings-Schnittstelle werden artefaktbehaftete, ersten Trainings-Volumenbilddaten eines Trainings-Objekts empfangen. Die ersten Trainings-Volumenbilddaten weisen dabei ein Trainings-Artefakt auf, wobei das Trainings-Artefakt in Richtung einer ersten Achse hochfrequente erste Anteile aufweist und in einer Ebene senkrecht zu der ersten Achse relativ zu den hochfrequenten ersten Anteilen niederfrequente zweite Anteile aufweist. Im Schritt des dritten Empfangens werden mittels der Trainings-Schnittstelle im Wesentlichen artefaktfreie, zweite Trainings-Volumenbilddaten des Trainings-Objekts empfangen, wobei die zweiten Trainings-Volumenbilddaten zu den ersten Trainings-Volumenbilddaten in Verbindung gesetzt werden. Im Schritt des Ermittelns werden artefaktkorrigierte, dritte Trainings-Volumenbilddaten durch Anwenden der trainierten Funktion auf die ersten Trainings-Volumenbilddaten mittels einer Trainings-Recheneinheit ermittelt. Im Schritt des Anpassens wird die trainierte Funktion basierend auf einem Vergleich der zweiten Trainings-Volumenbilddaten und der dritten Trainings-Volumenbilddaten mittels einer Trainings-Recheneinheit angepasst.
Die ersten oder zweiten Trainings-Volumenbilddaten können Trainings-Volumenbilddaten wie bereits zuvor beschrieben umfassen. Im Falle mittels eines Trainings-CT-Geräts gemessener Trainings-Volumenbilddaten kann die erste Achse entsprechend der Systemachse des Trainings-Computertomographie-Geräts verlaufen. Mit anderen Worten, die erste Achse kann der Trainings-Systemachse entsprechen.
Die Erfindung betrifft des Weiteren ein Korrektursystem zur Artefaktkorrektur von dreidimensionalen Volumenbilddaten eines Objekts umfassend eine erste Schnittstelle ausgebildet zum Empfangen von ersten, dreidimensionalen Volumenbilddaten, wobei die ersten Volumenbilddaten auf mittels eines Computertomographie-Geräts aufgenommenen Projektionsmessdaten basieren, wobei das Computertomographie-Gerät eine Systemachse aufweist, und wobei die ersten Volumenbilddaten ein Artefakt aufweisen, welches in Richtung der Systemachse hochfrequente erste Anteile aufweist und in einer Ebene senkrecht zu der Systemachse relativ zu den hochfrequenten ersten Anteilen niederfrequente zweite Anteile aufweist. Das Korrektursystem umfasst außerdem eine Recheneinheit, ausgebildet zum Ermitteln von artefaktkorrigierten, zweiten Volumenbilddaten durch Anwenden einer mittels eines maschinellen Lernverfahrens trainierten Funktion auf die ersten Volumenbilddaten. Des Weiteren umfasst das Korrektursystem eine zweite Schnittstelle ausgebildet zum Ausgeben der artefaktkorrigierten, zweiten Volumenbilddaten.
Ein solches Korrektursystem kann insbesondere dazu ausgebildet sein die zuvor beschriebenen erfindungsgemäßen Verfahren und ihre Aspekte auszuführen. Das Korrektursystem kann dazu ausgebildet sein diese Verfahren und ihre Aspekte auszuführen, indem die Schnittstellen und die Recheneinheit ausgebildet sind, die entsprechenden Verfahrensschritte auszuführen.
Die Erfindung betrifft außerdem ein Computertomographie-Gerät, welches dazu ausgebildet ist Projektionsmessdaten eines Objekts aufzunehmen und welches außerdem ein erfindungsgemäßes Korrektursystem wie zuvor beschrieben umfasst.
Die Erfindung betrifft darüber hinaus ein Trainingssystem zum Anpassen einer trainierten Funktion umfassend eine Trainings-Schnittstelle ausgebildet zum ersten Empfangen der trainierten Funktion, weiterhin ausgebildet zum zweiten Empfangen von artefaktbehafteten, ersten Trainings-Volumenbilddaten eines Trainings-Objekts aufweisend ein Trainings-Artefakt, wobei das Trainings-Artefakt in Richtung einer ersten Achse hochfrequente erste Anteile aufweist und in einer Ebene senkrecht zu der ersten Achse relativ zu den hochfrequenten ersten Anteilen niederfrequente zweite Anteile aufweist, weiterhin ausgebildet zum dritten Empfangen von im Wesentlichen artefaktfreien, dritten Trainings-Volumenbilddaten des Trainings-Objekts. Das Trainingssystem weist außerdem eine Trainings-Recheneinheit auf, ausgebildet zum Ermitteln von artefaktkorrigierten, zweiten Trainings-Volumenbilddaten durch Anwenden der trainierten Funktion auf die ersten Trainings-Volumenbilddaten, und weiterhin ausgebildet zum Anpassen der trainierten Funktion basierend auf einem Vergleich der zweiten Trainings-Volumenbilddaten und der dritten Trainings-Volumenbilddaten.
Ein solches Trainingssystem kann insbesondere dazu ausgebildet sein, die zuvor beschriebenen erfindungsgemäßen Verfahren zum Anpassen einer trainierten Funktion und ihre Aspekte auszuführen. Das Trainingssystem ist dazu ausgebildet diese Verfahren und ihre Aspekte auszuführen, indem die Schnittstelle und die Recheneinheit ausgebildet sind, die entsprechenden Verfahrensschritte auszuführen.
Die Erfindung betrifft auch Computerprogrammprodukte mit Computerprogrammen sowie computerlesbare Medien.
Insbesondere betrifft die Erfindung ein Computerprogrammprodukt mit einem Computerprogramm, welches direkt in einen Speicher eines Korrektursystems und/oder eines Trainingssystems ladbar ist, mit Programmabschnitten, um alle Schritte des Verfahrens zur Artefaktkorrektur nach einem der Ansprüche 1 bis 8 und/oder um alle Schritte des Verfahrens zum Anpassen einer trainierten Funktion nach einem der Ansprüche 9 oder 10 auszuführen, wenn die Programmabschnitte von dem Korrektursystem und/oder dem Trainingssystem ausgeführt werden.
Insbesondere kann die Erfindung ein Computerprogrammprodukt mit einem Computerprogramm betreffen, welches direkt in einen Speicher eines Korrektursystems ladbar ist, mit Programmabschnitten, um alle Schritte des Verfahrens zur Artefaktkorrektur nach einem der Ansprüche 1 bis 8 auszuführen, wenn die Programmabschnitte von dem Korrektursystem ausgeführt werden.
Insbesondere kann die Erfindung ein Computerprogrammprodukt mit einem Computerprogramm betreffen, welches direkt in einen Speicher eines Trainingssystems ladbar ist, mit Programmabschnitten, um alle Schritte des Verfahrens zum Anpassen einer trainierten Funktion nach Anspruch 9 auszuführen, wenn die Programmabschnitte von dem Trainingssystem ausgeführt werden.
Insbesondere betrifft die Erfindung ein computerlesbares Speichermedium, auf welchem von einem Korrektursystem und/oder einem Trainingssystem lesbare und ausführbare Programmabschnitte gespeichert sind, um alle Schritte des Verfahrens zur Artefaktkorrektur nach einem der Ansprüche 1 bis 8 und/oder um alle Schritte des Verfahrens zum Anpassen einer trainierten Funktion nach Anspruch 9 auszuführen, wenn die Programmabschnitte von dem Korrektursystem und/oder dem Trainingssystem ausgeführt werden.
Insbesondere kann die Erfindung ein computerlesbares Speichermedium betreffen, auf welchem von einem Korrektursystem lesbare und ausführbare Programmabschnitte gespeichert sind, um alle Schritte des Verfahrens zur Artefaktkorrektur nach einem der Ansprüche 1 bis 8 auszuführen, wenn die Programmabschnitte von dem Korrektursystem ausgeführt werden.
Insbesondere betrifft die Erfindung ein computerlesbares Speichermedium, auf welchem von einem Trainingssystem lesbare und ausführbare Programmabschnitte gespeichert sind, um alle Schritte des Verfahrens zum Anpassen einer trainierten Funktion nach Anspruch 9 auszuführen, wenn die Programmabschnitte von dem Trainingssystem ausgeführt werden.
Eine weitgehend softwaremäßige Realisierung hat den Vorteil, dass auch schon bisher verwendete Korrektursysteme und/oder Trainingssysteme auf einfache Weise durch ein Software-Update nachgerüstet werden können, um auf die erfindungsgemäße Weise zu arbeiten. Ein solches Computerprogrammprodukt kann neben dem Computerprogramm gegebenenfalls zusätzliche Bestandteile wie z.B. eine Dokumentation und/oder zusätzliche Komponenten, sowie Hardware-Komponenten, wie z.B. Hardware-Schlüssel (Dongles etc.) zur Nutzung der Software, umfassen.
Im Folgenden wird die Erfindung anhand von beipsielhaften Ausführungsformen unter Hinweis auf die beigefügten Figuren erläutert. Die Darstellung in den Figuren ist schematisch, stark vereinfacht und nicht zwingend maßstabsgetreu. Es zeigen:

1 ein Ausführungsbeispiel eines Verfahrens zur Artefaktkorrektur,
2 ein weiteres Ausführungsbeispiel eines Verfahrens zur Artefaktkorrektur,
3 ein Ausführungsbeispiel eines Verfahren zum Anpassen einer trainierten Funktion,
4 ein Ausführungsbeispiel eines Korrektursystems und eines Trainingssystems,
5 ein Computertomographie-Gerät.

Die 1 zeigt ein Ausführungsbeispiel eines Verfahrens S zur Artefaktkorrektur. Im Schritt S1 werden erste Volumenbilddaten VB1 mittels einer ersten Schnittstelle ST1 empfangen. Die ersten Volumenbilddaten VB1 basieren dabei auf mittels eines Computertomographie-Geräts 1 aufgenommen Projektionsmessdaten PM, wobei das Computertomographie-Gerät 1 eine Systemachse AR aufweist, und wobei die ersten Volumenbilddaten VB1 ein Artefakt aufweisen, welches in Richtung der Systemachse AR hochfrequente erste Anteile aufweist und in einer Ebene senkrecht zu der Systemachse AR relativ zu den hochfrequenten ersten Anteilen niederfrequente zweite Anteile aufweist. Die Volumenbilddaten sind insbesondere räumlich dreidimensional, wobei sich eine Raumachse entlang der Systemachse AR des Computertomographie-Geräts 1 verläuft.
Das Artefakt kann insbesondere darauf beruhen, dass die Projektionsmessdaten PM eine Unterabtastung in Richtung der Systemachse AR aufweisen. Beispielsweise ist das Artefakt ein Windmühl-Artefakt. Es kann aber auch ein Kegelstrahl-Artefakt sein.
Im Schritt S2 werden artefaktkorrigierte, zweite Volumenbilddaten VB2 durch Anwenden einer trainierten Funktion FK auf die ersten Volumenbilddaten VB1 mittels einer Recheneinheit RH ermittelt. Die trainierte Funktion FK bildet die ersten Volumenbilddaten VB1 auf die artefaktkorrigierten, zweiten Volumenbilddaten VB2 ab, wobei die zweiten Volumenbilddaten VB2 von einem oder mehreren Parametern der trainierten Funktion FK abhängen.
In diesem Ausführungsbeispiel umfasst die trainierte Funktion FK wenigstens eine Faltungsschicht (ein englischer Fachbegriff ist „convolutional layer“ und eine Pooling-Schicht (ein englischer Fachbegriff ist „pooling layer“). Insbesondere umfasst die trainierte Funktion FK ein faltendes neuronales Netzwerk (ein englischer Fachbegriff ist „convolutional neural network“, kurz „CNN“), wobei die ersten Volumenbilddaten VB1 als Eingabewert des faltenden neuronalen Netzwerks verwendet wird. Insbesondere kann die trainierte Funktion FK ein volles faltendes neuronales Netzwerk (ein englischer Fachbegriff ist „fully convolutional neural network“, kurz „FCNN“) sein, wobei ein FCNN ein CNN ist, wobei die letzte vollständig verbundene Schicht des CNN durch eine Faltungsschicht und/oder Entfaltungsschicht ersetzt wird. Die trainierte Funktion FK kann auch beispielsweise als faltendes neuronales Netzwerk im Sinne eines U-Net ausgebildet sein. Die trainierte Funktion FK kann auch ein künstliches neuronales Netzwerk im Sinne eines Autoencoders ausgebildet sein.
Es ist denkbar, dass die trainierte Funktion FK in einem Ausführungsbeispiel einen dreidimensionalen Volumenfilter umfasst aufweisend eine Mehrzahl an Filterparametern, wobei lediglich die Filterparameter des Volumenfilters auf das Erkennen und Korrigieren des Artefakts trainiert sind bzw. in einem erfindungsgemäßen Verfahren zum Anpassen einer trainierten Funktion FK angepasst werden. Eine Umsetzung solch eines Volumenfilters könnte eine Isolierung der Artefakte durch eine Hochpass-Filterung in z-Richtung (entlang der Systemachse) und eine Tief- oder Bandpassfilterung in dazu senkrechter Ebene aufweisen. Nachfolgend können in einem Subtraktionsschritt, die mittels des Volumenfilters isolierten Artefakte von den Originaldaten, d.h. den ersten Volumenbilddaten, entfernt werden.
In dem gezeigten Ausführungsbeispiel basiert die trainierte Funktion FK insbesondere auf ersten Trainings-Volumenbilddaten TVB1 und zugehörigen zweiten Trainings-Volumenbilddaten TVB2 eines Trainings-Objekt, wobei die ersten Trainings-Volumenbilddaten TVB1 artefaktbehaftete Trainings-Volumenbilddaten und die zweiten Trainings-Volumenbilddaten TVB2 im Wesentlichen artefaktfreie Trainings-Volumenbilddaten umfassen. Die ersten Trainings-Volumenbilddaten TVB1 weisen insbesondere ein Trainings-Artefakt auf, welches in Richtung einer ersten Achse hochfrequente erste Anteile aufweist und in einer Ebene senkrecht zu der ersten Achse relativ zu den hochfrequenten ersten Anteilen niederfrequente zweite Anteile aufweist. Das Trainings-Artefakt kann beispielsweise ein Windmühl-Artefakt oder ein Kegelstrahl-Artefakt sein. Insbesondere basieren der eine oder die mehreren Parameter der trainierten Funktion FK auf einem Paar aus ersten Trainings-Volumenbilddaten TVB1 und zugehörigen zweiten Volumenbilddaten TVB2. Insbesondere kann der Parameter oder die mehrere Parameter der trainierten Funktion FK basierend auf einem Paar aus ersten, artefaktbehafteten Trainings-Volumenbilddaten TVB1 und zugehörigen zweiten, im Wesentlichen artefaktfreien Volumenbilddaten TVB2 bestimmt bzw. angepasst sein.
Die ersten und/oder zweiten Trainings-Volumenbilddaten TVB1, TVB2 können gemessene und/oder simulierte Trainings-Volumenbilddaten umfassen. Die ersten und/oder zweiten Trainings-Volumenbilddaten TVB1, TVB2 können beispielsweise Bilddaten umfassen, welche auf mittels eines Trainings-Computertomographie-Geräts aufgenommenen Trainings-Projektionsmessdaten basieren, wobei das Trainings-Computertomographie-Gerät einen Springfokus in Richtung der Systemachse aufweist. Die ersten und/oder zweiten Trainings-Volumenbilddaten TVB1, TVB2 können beispielsweise Bilddaten umfassen, welche auf zusammengefassten, mittels eines Trainings-Computertomographie-Geräts aufgenommenen Trainings-Projektionsmessdaten basieren, wobei das Trainings- Computertomographie-Gerät eine Trainings-Systemachse aufweist und wobei die Trainings-Projektionsmessdaten in Richtung der Trainings-Systemachse zusammengefasst sind. Die ersten und/oder zweiten Trainings-Volumenbilddaten TVB1, TVB2 können beispielsweise mittels eines iterativen Rekonstruktionsalgorithmus rekonstruierte Bilddaten umfassen.
Im Schritt S3 werden die artefaktkorrigierten, zweiten Volumenbilddaten VB2 mittels einer zweiten Schnittstelle ST2 ausgegeben. Beispielsweise können die zweiten Volumenbilddaten VB2 an eine weitere Bildverarbeitungsstufe ausgegeben werden. Beispielsweise können die zweiten Volumenbilddaten VB2 an eine Darstellungseinheit DE ausgegeben werden.
Die 2 zeigt ein weiteres Ausführungsbeispiel des Verfahrens S zur Artefaktkorrektur. Das Ausführungsbeispiel weist außerdem den Schritt S4 des Aufnehmens von Projektionsmessdaten PM mittels eines Computertomographie-Geräts 1, den Schritt S5 des Rekonstruierens von ersten dreidimensionalen Volumenbilddaten VB1 mittels einer Rekonstruktionseinheit RK und den Schritt S6 des Darstellens der im Wesentlichen artefaktfreien, zweiten Volumenbilddaten VB2 mittels einer Darstellungseinheit DE auf.
Die Projektionsmessdaten werden insbesondere mittels eines Mehrzeilen-Spiral-Computertomographie-Gerät 1 oder einen Mehrzeilen-Computertomographie-Gerät 1 aufgenommen. Die Rekonstruktionseinheit RK ist insbesondere dazu ausgebildet, dreidimensionale Volumenbilddaten basierend auf den Projektionsmessdaten PM zu rekonstruieren, beispielsweise mittels eines Verfahrens der gefilterten Rückprojektion. Mittels der ersten Schnittstelle ST1 werden anschließend die rekonstruierten Volumenbilddaten für die Anwendung des erfindungsgemäßen Verfahrens empfangen.
Die 3 zeigt ein Verfahren T zum Anpassen einer trainierten Funktion FK. Im Schritt T1 des ersten Empfangens wird die trainierte Funktion FK mittels einer Trainings-Schnittstelle TST1 empfangen. Im Schritt T2 des zweiten Empfangens werden artefaktbehaftete, ersten Trainings-Volumenbilddaten TVB1 eines Trainings-Objekts mittels der Trainings-Schnittstelle TST empfangen. Die ersten Trainings-Volumenbilddaten TVB1 weisen dabei ein Trainings-Artefakt auf, wobei das Trainings-Artefakt in Richtung einer ersten Achse hochfrequente erste Anteile aufweist und in einer Ebene senkrecht zu der ersten Achse relativ zu den hochfrequenten ersten Anteilen niederfrequente zweite Anteile aufweist. Im Schritt T3 des dritten Empfangens werden mittels der Trainings-Schnittstelle TST im Wesentlichen artefaktfreie, zweite Trainings-Volumenbilddaten TVB2 des Trainings-Objekts empfangen, wobei die zweiten Trainings-Volumenbilddaten TVB2 zu den ersten Trainings-Volumenbilddaten TVB1 in Verbindung gesetzt sind. Die zweiten Trainings-Volumenbilddaten TVB2 können auch als zu den ersten Trainings-Volumenbilddaten TVB1 zugehörig bezeichnet werden und andersherum. Im Schritt T4 des Ermittelns werden artefaktkorrigierte, dritte Trainings-Volumenbilddaten TVB3 durch Anwenden der trainierten Funktion FK auf die ersten Trainings-Volumenbilddaten TVB1 mittels einer Trainings-Recheneinheit TRH ermittelt. Im Schritt T5 des Anpassens wird die trainierte Funktion FK basierend auf einem Vergleich der zweiten Trainings-Volumenbilddaten TVB2 und der dritten Trainings-Volumenbilddaten TVB3 mittels einer Trainings-Recheneinheit TRH angepasst.
Die ersten und zweiten Trainings-Volumenbilddaten können Trainings-Volumenbilddaten wie zuvor beschrieben umfassen. Der Vergleich der zweiten Trainings-Volumenbilddaten TVB2 und der dritten Trainings-Volumenbilddaten TVB3 im Schritt des Anpassens T5 kann beispielsweise auf der pixelweisen Differenz der zweiten dreidimensionalen Trainings-Volumenbilddaten TVB2 und der dritten dreidimensionalen Trainings-Volumenbilddaten TVB3, beispielsweise auf der Summe der quadratischen Abweichungen basieren. Hierbei werden dann ein oder mehrere Parameter der trainierten Funktion FK derart angepasst, dass die Summe der quadratischen Abweichungen minimiert wird.
In diesem Ausführungsbeispiel ist die trainierte Funktion FK bereits vortrainiert, d.h. es wurden bereits ein oder mehrere Parameter der trainierten Funktion FK durch das beschriebene Trainingsverfahren und/oder ein anderes Trainingsverfahren angepasst. Alternativ können der eine oder die mehreren Parameter der trainierten Funktion FK noch nicht mittels Trainingsdaten angepasst sein, insbesondere können der eine oder die mehreren Parameter durch einen konstanten Wert und/oder durch einen zufälligen Wert vorbelegt sein. Insbesondere können alle Parameter der trainierten Funktion FK noch nicht mittels Trainingsdaten angepasst sein, insbesondere können alle Parameter durch einen konstanten Wert und/oder durch einen zufälligen Wert vorbelegt sein.
Die 4 zeigt ein Korrektursystem SYS zur Artefaktkorrektur von dreidimensionalen Volumenbilddaten sowie ein Trainingssystem TSYS zum Trainieren bzw. Anpassen einer trainierten Funktion FK. Das hier dargestellte Korrektursystem SYS und das hier dargestellte Trainingssystem TSYS sind dazu ausgebildet, eines oder mehrere der erfindungsgemäßen Verfahren auszuführen. Das Korrektursystem SYS umfasst eine erste Schnittstelle ST1, eine Recheneinheit RH, eine zweite Schnittstelle ST2 sowie eine Speichereinheit MU. Das Trainingssystem TSYS umfasst eine Trainings-Schnittstelle TST, eine Trainings-Recheneinheit TRH sowie eine Trainings-Speichereinheit TMU.
Bei dem Korrektursystem SYS und/oder bei dem Trainingssystem TSYS kann es sich insbesondere um einen Computer, einen Mikrocontroller oder um einen integrierten Schaltkreis handeln. Alternativ kann es sich bei der dem Korrektursystem SYS und/oder bei dem Trainingssystem TSYS um einen realen oder virtuellen Verbund von Computern handeln (ein englischer Fachbegriff für einen realen Verbund ist „Cluster“, ein englischer Fachbegriff für einen virtuellen Verbund ist „Cloud“).
Bei einer Schnittstelle ST1, ST2 bzw. Trainings-Schnittstelle TST kann es sich um eine Hardware- oder Softwareschnittstelle handeln (beispielsweise PCI-Bus, USB oder Firewire). Eine Recheneinheit RH bzw. Trainings-Recheneinheit TRH kann Hardware-Element oder Software-Elemente aufweisen, beispielsweise einen Mikroprozessor oder ein sogenanntes FPGA (englisches Akronym für „Field Programmable Gate Array“).
Eine Speichereinheit MU bzw Trainings-Speichereinheit TMU kann als nicht dauerhafte Arbeitsspeicher (Random Access Memory, kurz RAM) oder als dauerhafter Massenspeicher (Festplatte, USB-Stick, SD-Karte, Solid State Disk) realisiert sein. Optimalerweise kann das Korrektursystem SYS und/oder das Trainingssystem TSYS weiterhin eine Ein- und Ausgabeeinheit umfassen, wobei eine Ein- und Ausgabeeinheit wenigstens eine Eingabeeinheit und/oder wenigstens eine Ausgabeeinheit umfasst.
Im gezeigten Ausführungsbeispiel ist das Korrektursystem SYS über ein Netzwerk NETW mit dem Trainingssystem TSYS verbunden, weiterhin ist das Korrektursystem SYS direkt mit einer Computertomographie-Gerät 1 verbunden. Die Verbindung zum Computertomographie-Gerät 1 kann aber auch mittels des Netzwerks NETW hergestellt werden. Das Korrektursystem SYS kann aber auch ein Teil Computertomographie-Gerät 1 sein. Weiterhin kann die Kommunikation zwischen dem Korrektursystem SYS und dem Trainingssystem TSYS auch offline erfolgen, beispielsweise durch einen Austausch von Datenträgern. Eine Kommunikation zwischen dem Korrektursystem SYS und dem Trainingssystem TSYS kann beispielsweise darin bestehen, dass das Korrektursystem SYS weitere Trainingsdaten an das Trainingssystem TSYS übermittelt, oder dass das Trainingssystem TSYS die trainierte Funktion an das Korrektursystem SYS übermittelt. Weiterhin kann das Trainingssystem TSYS weiterhin mit anderen Datenquellen verbunden sein, insbesondere mit einem lokalen oder verteiltem PACS (englisches Akronym für „Picture Archiving and Communication System“).
Das hier dargestellte Korrektursystem SYS ist dazu ausgebildet, die Ausführungsbeispiele des Verfahren S zur Artefaktkorrektur von dreidimensionalen Volumenbilddaten eines Objekts (13) auszuführen, indem die erste und die zweite Schnittstelle ST1, ST2 und die Recheneinheit RH dazu ausgebildet sind, die jeweiligen Schritte des Verfahrens auszuführen. Das hier dargestellte Trainingssystem TSYS ist dazu ausgebildet, die Ausführungsbeispiele des Verfahrens T zum Trainieren bzw. Anpassen einer trainierten Funktion FK auszuführen, indem die Schnittstelle TST und die Recheneinheit TRH dazu ausgebildet sind, die jeweiligen Schritte des Verfahrens auszuführen.
Beim Netzwerk NETW kann es sich um ein lokales Netzwerk (ein englischer Fachbegriff ist „Local Area Network“, kurz „LAN“) oder um ein großräumiges Netzwerk (ein englischer Fachbegriff ist „Wide Area Network“, kurz „WAN“) handeln. Ein Beispiel für ein lokales Netzwerk ist ein Intranet, ein Beispiel für ein großräumiges Netzwerk ist das Inter-net. Das Netzwerk NETW kann insbesondere auch drahtlos ausgeführt sein, insbesondere als WLAN (für „wireless LAN“, im englischen ist die Abkürzung „WiFi“ gebräuchlich) oder als Bluetooth-Verbindung. Das Netzwerk NETW kann auch als Kombination der genannten Beispiele ausgeführt sein.
Die 5 zeigt ein Computertomographie-Gerät 1 mit einer Röntgenröhre 26. Das Computertomographie-Gerät 1 weist eine Gantry 20, eine tunnelförmige Öffnung 9 und eine Lagerungsvorrichtung 10 auf. Die Gantry 20 weist den Tragrahmen 21 und den Drehkranz 24 auf. Der Drehkranz 24 ist mittels einer Drehlagerungsvorrichtung an dem Tragrahmen 21 um die Rotationsachse AR relativ zu dem Tragrahmen 21 drehbar angeordnet. In die tunnelförmige Öffnung 9 ist das Objekt 13, in diesem Fall ein Patient 13, einführbar. In der tunnelförmigen Öffnung 9 ist ein abzubildender Bereich des Objekts 13 derart positionierbar, dass die Röntgenstrahlung 27 von der Röntgenröhre 26 zu dem abzubildenden Bereich und nach einer Wechselwirkung mit dem abzubildenden Bereich zu dem Röntgendetektor 28 gelangen kann. Die Lagerungsvorrichtung 10 weist den Lagerungssockel 11 und die Lagerungsplatte 12 zur Lagerung des Objekts 13 auf. Die Lagerungsplatte 12 ist derart relativ zu dem Lagerungssockel 11 bewegbar an dem Lagerungssockel 11 angeordnet, dass die Lagerungsplatte 12 in einer Längsrichtung der Lagerungsplatte 12, insbesondere im Wesentlichen entlang der Systemachse AR, in die tunnelförmige Öffnung 9 einführbar ist.
Das Computertomographiegerät 1 ist zur Aufnahme von Projektionsmessdaten basierend auf Röntgenstrahlung 27 ausgebildet. Die Röntgenröhre 26 ist an dem Drehkranz 24 angeordnet und zur Emission der Röntgenstrahlung 27 ausgebildet. Der Röntgendetektor 28 ist zur Detektion der Röntgenstrahlung 27 ausgebildet. Die Röntgenstrahlung 27 kann von der Röntgenröhre 26 zu dem abzubildenden Bereich des Objekts 13 gelangen und nach einer Wechselwirkung mit dem abzubildenden Bereich auf den Röntgendetektor 28 auftreffen. Auf diese Weise können Messdaten des Bereichs in Form von Projektionsmessdaten erfasst werden.
Das Computertomographie-Gerät 1 umfasst in diesem Ausführungsbeispiel insbesondere ein Mehrzeilen-Röntgendetektor 26 aufweisen, welcher in Richtung der Systemachse AR eine Mehrzahl an Detektorzeilen oder -reihen aufweist. Das Computertomographie-Gerät kann insbesondere als Spiral-Computertomographie-Gerät ausgebildet sein, wobei das Objekt einen kontinuierlichen Vorschub durch das Computertomographie-Gerät erfährt, während die Röntgenröhre 26 und der Röntgendetektor 28 fortlaufend um das Objekt rotieren.
Das Computertomographie-Gerät 1 umfasst außerdem ein erfindungsgemäßes Korrektursystem SYS, welches ausgebildet ist ein Verfahren S zur Artefaktkorrektur von dreidimensionalen Volumenbilddaten auszuführen. Im gezeigten Ausführungsbeispiel weist das Korrektursystem SYS eine Rekonstruktionseinheit RK auf. Die Rekonstruktionseinheit RK ist dazu ausgebildet basierend auf Projektionsmessdaten dreidimensionale Volumenbilddaten zu erzeugen. Die erzeugten Volumenbilddaten können insbesondere artefaktbehaftete, ersten Volumenbilddaten sein. Alternativ ist es auch möglich, dass die Rekonstruktionseinheit separat vom Korrektursystem ausgebildet ist. Die Speichereinheit MU kann insbesondere dazu ausgebildet sein, die ersten oder die zweiten Volumenbilddaten zu speichern. Die Speichereinheit kann außerdem dazu ausgebildet sein die trainierte Funktion zu speichern. Das Computertomographie-Gerät 1 weist außerdem eine Darstellungseinheit DE auf. Die zweiten Volumenbilddaten können insbesondere an die Darstellungseinheit DE mittels der zweiten Schnittstelle ST2 ausgegeben werden. Die Darstellungseinheit DE ist insbesondere dazu ausgebildet die zweiten Volumenbilddaten darzustellen bzw. für einen Nutzer anzuzeigen. Die Darstellungseinheit kann dafür eine Anzeige, beispielsweise einen Bildschirm, aufweisen.
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

WO 2011/042821 A1 [0006]

Zitierte Nicht-Patentliteratur

K.M. Brown et al. (Proc. of SPIE, Vol. 7961, 79611P, https://doi.org/10.1117/12.877437) [0006]

Claims

Verfahren (S) zur Artefaktkorrektur von dreidimensionalen Volumenbilddaten eines Objekts (13), umfassend die Schritte - Empfangen (S1) von ersten Volumenbilddaten (VB1) mittels einer ersten Schnittstelle (ST1), wobei die ersten Volumenbilddaten (VB1) auf mittels eines Computertomographie-Geräts (1) aufgenommen Projektionsmessdaten (PM) basieren, wobei das Computertomographie-Gerät (1) eine Systemachse (AR) aufweist, und wobei die ersten Volumenbilddaten (VB1) ein Artefakt aufweisen, welches in Richtung der Systemachse (AR) hochfrequente erste Anteile aufweist und in einer Ebene senkrecht zu der Systemachse (AR) relativ zu den hochfrequenten ersten Anteilen niederfrequente zweite Anteile aufweist, - Ermitteln (S2) von artefaktkorrigierten, zweiten Volumenbilddaten (VB2) durch Anwenden einer trainierten Funktion (FK) auf die ersten Volumenbilddaten (VB1) mittels einer Recheneinheit (RH), - Ausgeben (S3) der artefaktkorrigierten, zweiten Volumenbilddaten (VB2) mittels einer zweiten Schnittstelle (ST2).
Verfahren (S) nach Anspruch 1, wobei die Projektionsmessdaten eine Unterabtastung in Richtung der Systemachse (AR) aufweisen.
Verfahren (S) nach Anspruch 1 oder 2, wobei das Artefakt ein Windmühl-Artefakt ist.
Verfahren (S) nach Anspruch 1, wobei das Artefakt ein Kegelstrahl-Artefakt ist.
Verfahren (S) nach einem der Ansprüche 1 bis 4, wobei die trainierte Funktion (FK) auf einem neuronalen Netzwerk basiert.
Verfahren (S) nach einem der Ansprüche 1 bis 5, wobei die trainierte Funktion (FK) auf ersten, artefaktbehafteten Trainings-Volumenbilddaten (TVB1) eines Trainings-Objekts und auf zweiten, im Wesentlichen artefaktfreien Trainings-Volumenbilddaten (TVB2) des Trainings-Objekts basieren, wobei die ersten, artefaktbehafteten Trainings-Volumenbilddaten (TVB2) ein Trainings-Artefakt aufweisen, welches in Richtung einer ersten Achse hochfrequente erste Anteile aufweist und in einer Ebene senkrecht zu der ersten Achse relativ zu den hochfrequenten ersten Anteilen niederfrequente zweite Anteile aufweist.
Verfahren (S) nach Anspruch 6, wobei die ersten Trainings-Volumenbilddaten (TVB1) oder zweiten Trainings-Volumenbilddaten (TVB2) simulierte Trainings-Volumenbilddaten oder gemessene Trainings-Volumenbilddaten umfassen.
Verfahren (S) nach einem der Ansprüche 6 oder 7, wobei die ersten oder zweiten Trainings-Volumenbilddaten (TVB2) zumindest eine der folgenden Arten an Bilddaten umfassen: - Bilddaten, welche auf mittels eines Trainings-Computertomographie-Geräts aufgenommenen Trainings-Projektionsmessdaten basieren wobei das Trainings-Computertomographie-Gerät eine Trainings-Systemachse und einen Springfokus in Richtung der Systemachse aufweist, - Bilddaten, welche auf zusammengefassten, mittels eines Trainings- Computertomographie-Geräts aufgenommenen Trainings-Projektionsmessdaten basieren, wobei das Trainings- Computertomographie-Gerät eine Trainings-Systemachse aufweist und wobei die Trainings-Projektionsmessdaten in Richtung der Trainings-Systemachse zusammengefasst sind, - Mittels eines iterativen Rekonstruktionsalgorithmus rekonstruierte Bilddaten.
Verfahren (T) zum Anpassen einer trainierten Funktion (FK) umfassend die Schritte - Erstes Empfangen (T1) der trainierten Funktion (FK) mittels einer Trainings-Schnittstelle (TST) - Zweites Empfangen (T2) mittels der Trainings-Schnittstelle (TST1) von artefaktbehafteten, ersten Trainings-Volumenbilddaten (TVB1) eines Trainings-Objekts aufweisend ein Trainings-Artefakt, wobei das Trainings-Artefakt in Richtung einer ersten Achse hochfrequente erste Anteile aufweist und in einer Ebene senkrecht zu der ersten Achse relativ zu den hochfrequenten ersten Anteilen niederfrequente zweite Anteile aufweist, - Drittes Empfangen (T3) mittels der Trainings-Schnittstelle (TST1) von im Wesentlichen artefaktfreien, zweiten Trainings-Volumenbilddaten (TVB2) des Trainings-Objekts, wobei die zweiten Trainings-Volumenbilddaten (TVB2) in Verbindung gesetzt werden, - Ermitteln (T4) von artefaktkorrigierten, dritten Trainings-Volumenbilddaten (TVB3) durch Anwenden der trainierten Funktion (FK) auf die ersten Trainings-Volumenbilddaten (TVB1) mittels einer Trainings-Recheneinheit (TRH), - Anpassen (T5) der trainierten Funktion (FK) basierend auf einem Vergleich der zweiten Trainings-Volumenbilddaten (TVB2) und der dritten Trainings-Volumenbilddaten (TVB3) mittels einer Trainings-Recheneinheit (TRH).
Korrektursystem (SYS) zur Artefaktkorrektur von dreidimensionalen Volumenbilddaten eines Objekts (13) umfassend - eine erste Schnittstelle (ST1) ausgebildet zum Empfangen von ersten, dreidimensionalen Volumenbilddaten (VB1), wobei die ersten Volumenbilddaten (VB1) auf mittels eines Computertomographie-Geräts (1) aufgenommenen Projektionsmessdaten (PM) basieren, wobei das Computertomographie-Gerät (1) eine Systemachse (AR) aufweist, und wobei die ersten Volumenbilddaten (VB1) ein Artefakt aufweisen, welches in Richtung der Systemachse (AR) hochfrequente erste Anteile aufweist und in einer Ebene senkrecht zu der Systemachse (AR) relativ zu den hochfrequenten ersten Anteilen niederfrequente zweite Anteile aufweist, - eine Recheneinheit (RH), ausgebildet zum Ermitteln von artefaktkorrigierten, zweiten Volumenbilddaten (VB2) durch Anwenden einer mittels eines maschinellen Lernverfahrens trainierten Funktion (FK) auf die ersten Volumenbilddaten (VB1), - eine zweite Schnittstelle (ST2) ausgebildet zum Ausgeben der artefaktkorrigierten, zweiten Volumenbilddaten (VB2).
Korrektursystem (SYS) nach Anspruch 10 außerdem ausgebildet ein Verfahren nach einem der Ansprüche 1 bis 8 auszuführen.
Ein Computertomographie-Gerät (1), ausgebildet Projektionsmessdaten eines Objekts (13) aufzunehmen, und umfassend ein Korrektursystem (SYS) nach einem der Ansprüche 10 oder 11.
Trainingssystem (TSYS) zum Anpassen einer trainierten Funktion (FK) umfassend: - Trainings-Schnittstelle (TST) ausgebildet zum ersten Empfangen (T1) der trainierten Funktion (FK), weiterhin ausgebildet zum zweiten Empfangen (T2) von artefaktbehafteten, ersten Trainings-Volumenbilddaten (TVB1) eines Trainings-Objekts aufweisend ein Trainings-Artefakt, wobei das Trainings-Artefakt in Richtung einer ersten Achse hochfrequente erste Anteile aufweist und in einer Ebene senkrecht zu der ersten Achse relativ zu den hochfrequenten ersten Anteilen niederfrequente zweite Anteile aufweist, weiterhin ausgebildet zum dritten Empfangen (T4) von im Wesentlichen artefaktfreien, zweiten Trainings-Volumenbilddaten (TVB2) des Trainings-Objekts, - Trainings-Recheneinheit (TRH) ausgebildet zum Ermitteln (T3) von artefaktkorrigierten, dritten Trainings-Volumenbilddaten (TVB3) durch Anwenden der trainierten Funktion (FK) auf die ersten Trainings-Volumenbilddaten (TVB1), und weiterhin ausgebildet zum Anpassen (T5) der trainierten Funktion (FK) basierend auf einem Vergleich der zweiten Trainings-Volumenbilddaten (TVB2) und der dritten Trainings-Volumenbilddaten (TVB3).
Computerprogrammprodukt mit einem Computerprogramm, welches direkt in einen Speicher (MU, TMU) eines Korrektursystems (SYS) und/oder eines Trainingssystems (TSYS) ladbar ist, mit Programmabschnitten, um alle Schritte des Verfahrens zur Artefaktkorrektur nach einem der Ansprüche 1 bis 8 und/oder um alle Schritte des Verfahrens zum Anpassen einer trainierten Funktion (FK) nach Anspruch 9 auszuführen, wenn die Programmabschnitte von dem Korrektursystem (SYS) und/oder dem Trainingssystem (TSYS) ausgeführt werden.
Computerlesbares Speichermedium, auf welchem von einem Korrektursystem (SYS) und/oder einem Trainingssystem (TSYS) lesbare und ausführbare Programmabschnitte gespeichert sind, um alle Schritte des Verfahrens zur Artefaktkorrektur nach einem der Ansprüche 1 bis 8 und/oder um alle Schritte des Verfahrens zum Anpassen einer trainierten Funktion (FK) nach Anspruch 9 auszuführen, wenn die Programmabschnitte von dem Korrektursystem (SYS) und/oder dem Trainingssystem (TSYS) ausgeführt werden.