JP2008006288A - 繰り返し式画像再構成のシステム及び方法 - Google Patents
繰り返し式画像再構成のシステム及び方法 Download PDFInfo
- Publication number
- JP2008006288A JP2008006288A JP2007164504A JP2007164504A JP2008006288A JP 2008006288 A JP2008006288 A JP 2008006288A JP 2007164504 A JP2007164504 A JP 2007164504A JP 2007164504 A JP2007164504 A JP 2007164504A JP 2008006288 A JP2008006288 A JP 2008006288A
- Authority
- JP
- Japan
- Prior art keywords
- image
- pixel
- subset
- sinogram
- iteration
- 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.)
- Withdrawn
Links
- 238000000034 method Methods 0.000 title claims abstract description 72
- 238000012545 processing Methods 0.000 claims abstract description 40
- 238000003384 imaging method Methods 0.000 claims description 24
- 239000011159 matrix material Substances 0.000 claims description 5
- 238000007476 Maximum Likelihood Methods 0.000 claims description 3
- 238000003325 tomography Methods 0.000 claims description 3
- 238000013459 approach Methods 0.000 abstract description 9
- 238000004422 calculation algorithm Methods 0.000 description 33
- 238000002591 computed tomography Methods 0.000 description 12
- 230000006870 function Effects 0.000 description 12
- 230000008569 process Effects 0.000 description 11
- 230000008901 benefit Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000002600 positron emission tomography Methods 0.000 description 3
- 230000005855 radiation Effects 0.000 description 3
- 238000002603 single-photon emission computed tomography Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 230000002238 attenuated effect Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000013170 computed tomography imaging Methods 0.000 description 2
- 238000009795 derivation Methods 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 238000013179 statistical model Methods 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 230000017105 transposition Effects 0.000 description 2
- 210000000988 bone and bone Anatomy 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000008571 general function Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000003902 lesion Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 238000009659 non-destructive testing Methods 0.000 description 1
- 238000009206 nuclear medicine Methods 0.000 description 1
- 210000000056 organ Anatomy 0.000 description 1
- 238000003908 quality control method Methods 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000011179 visual inspection Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N23/00—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00
- G01N23/02—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by transmitting the radiation through the material
- G01N23/04—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by transmitting the radiation through the material and forming images of the material
- G01N23/046—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by transmitting the radiation through the material and forming images of the material using tomography, e.g. computed tomography [CT]
-
- 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
- G06T11/006—Inverse problem, transformation from projection-space into object-space, e.g. transform methods, back-projection, algebraic methods
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/02—Arrangements for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
- A61B6/03—Computed tomography [CT]
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2223/00—Investigating materials by wave or particle radiation
- G01N2223/40—Imaging
- G01N2223/419—Imaging computed tomograph
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2211/00—Image generation
- G06T2211/40—Computed tomography
- G06T2211/424—Iterative
Landscapes
- Theoretical Computer Science (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Chemical & Material Sciences (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Algebra (AREA)
- Pulmonology (AREA)
- Radiology & Medical Imaging (AREA)
- Life Sciences & Earth Sciences (AREA)
- Mathematical Physics (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Nuclear Medicine (AREA)
Abstract
【課題】CT再構成等において用いられる繰り返し式再構成アプローチの計算量を低減して高速化する。
【解決手段】再構成画像信号(52)を発生するように画像信号(50)を繰り返し再構成する方法が提供される。一実施形態では、各回の繰り返しの下位繰り返しがピクセル部分集合に対して実行される。ピクセル部分集合は、隣り合ったピクセルで構成されていてもよいし、空間的に離隔したピクセルで構成されていてもよい。さらに他の実施形態では、各回の繰り返しが異なる分解能で実行される。これらの手法に従って画像データを繰り返し処理するシステム及びコンピュータ・ルーチンも提供される。
【選択図】図4
【解決手段】再構成画像信号(52)を発生するように画像信号(50)を繰り返し再構成する方法が提供される。一実施形態では、各回の繰り返しの下位繰り返しがピクセル部分集合に対して実行される。ピクセル部分集合は、隣り合ったピクセルで構成されていてもよいし、空間的に離隔したピクセルで構成されていてもよい。さらに他の実施形態では、各回の繰り返しが異なる分解能で実行される。これらの手法に従って画像データを繰り返し処理するシステム及びコンピュータ・ルーチンも提供される。
【選択図】図4
Description
本発明は一般的には、撮像手法に関し、さらに具体的には、非侵襲型断層写真法イメージング・モダリティによって取得される画像の繰り返し式再構成に関する。
非侵襲型撮像は、目視検査では到達不能な人間の体内の構造又は領域の画像を形成する手法を広く包含している。非侵襲型撮像の最も広く知られた用途の一つは医療分野にあり、この分野ではかかる手法を用いて、他の方法では目視不能な患者の体内の器官及び/又は骨の画像を形成する。他の広く知られた用途は、警備スクリーニング及び小荷物スクリーニング、又は製造工程の品質管理のような非破壊試験の分野にある。かかる非侵襲型のイメージング・モダリティの例としては、計算機式断層写真法(CT)のようなX線方式の手法、並びに陽電子放出断層写真法(PET)及び単光子放出計算機式断層写真法(SPECT)のような核医学方式の手法がある。
CT撮像手法について述べると、CTスキャナが、ファン形状又はコーン形状のX線をX線源から投射することにより動作する。X線源は、患者のような撮像対象に対して多数の角度でX線を放出し、X線は撮像対象を透過するのに伴い撮像対象によって減弱する。減弱したX線は、一組の検出器素子によって検出され、これらの検出器は、入射したX線の減弱を表わす信号を発生する。これらの信号を処理して再構成して画像を形成し、これらの画像そのものを評価してもよいし、又は画像を関連付けして被撮像領域のボリューム・レンダリング若しくは他の表現を形成してもよい。医療環境では、次いで、再構成された画像又はレンダリングされたボリューム(容積)から、病変又は他の関心のある構造の位置を突き止め又は識別することができる。
米国特許第6724856号
CT再構成は、数学的理想に基づく直接的な再構成手法を用いて実行されるのが通例であるが、かかる数学的理想は実際には典型的に観察される訳ではない。数学的理想が実用に対応し損なうことの一つの副作用は、所与のX線量についての雑音及び分解能性能が典型的には、直接的な再構成手法を用いていたのでは最適化されないことである。
繰り返し式再構成手法は、雑音モデル及び系モデルのような様々な数学的なモデルを用いて数学的理想からの逸脱を勘案することにより、上述の問題を克服する。繰り返し式再構成手法は、それぞれの前方投影モデル及び逆投影モデルを繰り返し適用して、適当な目的関数に従って画像測定に最もよく適合する画像を形成する。この態様で、繰り返し式再構成アルゴリズムは、高められた画質及び/又は低減されたX線投与線量を提供することができる。加えて、繰り返し式再構成アルゴリズムは、再構成画像での金属アーティファクトの低減のような他の利点を齎すことができる。
しかしながら、繰り返し式再構成アルゴリズムは、従来の再構成方法すなわち直接型の再構成方法よりも著しく多い計算を必要とし、このため主流のCT応用では実用化には程遠い。具体的には、繰り返し式再構成アルゴリズムは、各々の画像を形成するすなわち収束するために多数回の繰り返しを経る。さらに、各回の繰り返しが、2回以上の計算集約的な投影演算及び逆投影演算を用いる。結果として、繰り返し式再構成アルゴリズムは、単一の画像を構築するために直接型の再構成手法よりも一桁以上多い計算量を必要とし得る。結果的に、繰り返し式再構成アプローチは典型的には、同等の直接型の再構成アプローチよりも遥かに遅くなる。
画像データを処理する方法が提供される。この方法は、画像を形成するステップを含んでいる。各々のピクセル部分集合に対応するそれぞれのヘッセ行列が、各々の部分集合内の各ピクセルがコスト関数に関して同時に最適化されるように、直接的に反転(逆行列化)される。対応するシステム及びコンピュータ読み取り可能な媒体についての請求も同様に為される。
画像データを処理するもう一つの方法が提供される。この方法は、画像を形成するステップを含んでいる。画像は繰り返し処理され、各回の繰り返しが画像を異なる分解能で処理するようにする。各回の繰り返しは、2以上の下位繰り返しを含んでいる。各々の下位繰り返しが、対応する分解能でのピクセルの一つの部分集合の処理に対応している。対応するシステム及びコンピュータ読み取り可能な媒体についての請求も同様に為される。
画像データを処理するさらにもう一つの方法が提供される。この方法は、複数のピクセルを含む画像を形成するステップを含んでいる。更新が、これら複数のピクセルの2以上の部分集合の各々の部分集合毎に決定される。最適化された更新が、更新を集めたものに基づいて生成される。対応するシステム及びコンピュータ読み取り可能な媒体についての請求も同様に為される。
画像データを処理するさらにもう一つの方法が提供される。この方法は、複数のピクセルを含む画像を形成するステップを含んでいる。これら複数のピクセルから成る少なくとも一つの部分集合が、距離駆動型の投影又は逆投影の少なくとも一方によって処理される。対応するシステム及びコンピュータ読み取り可能な媒体についての請求も同様に為される。
本発明のこれらの特徴、観点及び利点、並びに他の特徴、観点及び利点は、添付図面を参照して以下の詳細な説明を精読するとさらに十分に理解されよう。図面全体を通して、類似の符号は類似の部材を表わす。
図1は、投影データを取得して処理して、再構成画像を形成するイメージング・システム10を線図で示す。図示の実施形態では、システム10は、本手法に従って原画像データを取得すること並びに画像データを表示及び解析のために処理することの両方を行なうように設計された計算機式断層写真法(CT)システムである。他の実施形態では、イメージング・システムは、陽電子放出断層写真法(PET)システム、単光子放出計算機式断層写真法(SPECT)システム、又は断層画像を形成するのに適したその他任意のイメージング・システムであってよい。図示のシステム10は、本手法に従って、取得され又は保存された投影データの処理に繰り返し式再構成手法を用いて、医学的に有用な画像を再構成するように構成されている。図1に示す実施形態では、イメージング・システム10は、コリメータ14に隣接して配置されているX線放射源12を含んでいる。実施形態の一例では、X線源12はX線管である。他の実施形態では、X線源12は固体X線源若しくは熱イオンX線源のような分散型X線源であってもよいし、又は医用画像の取得に適した他のX線放射源であってもよい。
コリメータ14は、関心のある被検体18のような対象が配置されている領域にX線16を通過させる。X線放射20の一部は被検体を透過するか又は被検体の周りを通過して、参照番号22に全体的に示す検出器アレイに入射する。アレイの検出器素子は、入射するX線20の強度を表わす電気信号を発生する。これらの信号を取得して処理して、被検体18の内部の特徴の画像を再構成する。
線源12は、CT検査系列のための電力信号及び制御信号の両方を供給するシステム制御器24によって制御される。図示の実施形態では、システム制御器24は、システム制御器24の一構成要素であり得るX線制御器26を介して線源12を制御する。かかる実施形態では、X線制御器26は、X線源12へ電力信号及びタイミング信号を与えるように構成され得る。
さらに、検出器22がシステム制御器24に結合されており、システム制御器24は検出器22において発生される信号の取得を命令する。図示の実施形態では、システム制御器24は、検出器によって発生される信号を、データ取得システム28を用いて取得する。この実施形態の例では、検出器22はシステム制御器24に結合され、さらに具体的には、データ取得システム28に結合される。データ取得システム28は、検出器22の読み出し電子回路によって収集されるデータを受け取る。データ取得システム28は典型的には、サンプリングされたアナログ信号を検出器22から受け取って、後述するプロセッサ30による引き続いての処理のためにこれらのデータをディジタル信号へ変換する。システム制御器24はまた、取得された画像信号に関して、ダイナミック・レンジの初期調節やディジタル投影データのインタリーブ処理等のような様々な信号処理作用及びフィルタ処理作用を実行することができる。
図1に示す実施形態では、システム制御器24は、回転サブシステム32及び線形位置調節サブシステム34に結合されている。回転サブシステム32は、X線源12、コリメータ14及び検出器22を被検体18の周りで1回又は多数回にわたり回転させることができる。尚、回転サブシステム32がガントリを含んでいてもよいことを特記しておく。このようにして、システム制御器24を用いてガントリを動作させることができる。線形位置調節サブシステム34は、被検体18、さらに明確にはテーブルをCTシステム10の開口の内部で線形で変位させることができる。このようにして、テーブルをガントリ内部で線形移動させて、被検体18の特定の区域の画像を形成することができる。図示の実施形態では、システム制御器24は、モータ制御器36を介して回転サブシステム32及び/又は線形位置調節サブシステム34の移動を制御する。
一般的には、システム制御器24は、イメージング・システム10の動作を指令して(上述した線源12、検出器22及び位置調節システムの動作等を介して)検査プロトコルを実行し、取得したデータを処理する。例えば、システム制御器24は、上述の各システム及び制御器を介して、複数の放射線画像ビューが処理のために収集され得るように、線源12及び検出器22を支持するガントリを関心のある被検体の周りに回転させることができる。ここの文脈では、システム制御器24はまた、汎用又は特定応用向けのディジタル・コンピュータを典型的に基本構成要素とした信号処理サーキットリと、コンピュータによって実行されるプログラム及びルーチン(本書に記載する画像処理手法及び再構成手法を実行するためのルーチン等)、並びに構成パラメータ及び投影データを記憶する付設のメモリ・サーキットリと、インタフェイス回路等とを含んでいる。
図示の実施形態では、システム制御器24によって取得されて処理された画像信号は、画像の再構成のために処理構成要素30へ供給される。処理構成要素30は、本書で議論する投影、逆投影及び/又は再構成のアルゴリズムを具現化するのに適した1又は複数のマイクロプロセッサ及び/又はコ・プロセッサであってよい。1又は複数のプロセッサ及び/又はコ・プロセッサは、かかるアルゴリズムを並列型又は非並列型の具現化形態で実行することができる。データ取得システム28によって収集されたデータは、直接又はメモリ38への記憶の後に、処理構成要素30へ伝送されることができる又は。尚、多量のデータを記憶することが可能な任意の形式のメモリをかかる例示的なシステム10によって用い得ることを理解されたい。さらに、メモリ38は、後述する繰り返し式画像再構成のためのデータ、処理パラメータ及びルーチンを記憶するために、取得システムのサイトに位置していてもよいし、又は遠隔の構成要素を含んでいてもよい。
処理構成要素30は、キーボード及び他の入力装置を典型的には装備した操作者ワークステーション40を介して操作者から命令及び走査パラメータを受け取るように構成されている。操作者が、入力装置を介してシステム10を制御することができる。このように、操作者は操作者ワークステーション40を介して再構成画像を観察し、且つ/又は他の場合にはシステム10を動作させることができる。例えば、操作者ワークステーション40に結合されている表示器42を用いて、再構成された画像を観察したり、撮像を制御したりすることができる。加えて、これらの画像を、操作者ワークステーション40に結合されていてよいプリンタ44によってプリントしてもよい。
さらに、処理構成要素30及び操作者ワークステーション40は、標準型の又は特殊目的のコンピュータ・モニタ及び付設の処理サーキットリを含み得る他の出力装置に結合されていてよい。さらに、1又は複数の操作者ワークステーション40が、システム・パラメータを出力する、検査を要求する、及び画像を観察する等のために、システムに結合されていてもよい。一般的には、システム内に供給されている表示器、プリンタ、ワークステーション及び類似の装置は、データ取得構成要素に対してローカルに位置していてもよいし、或いはインターネット及び仮想私設網等のような1又は複数の構成設定可能なネットワークを介して画像取得システムに連結されて、施設内若しくは病院内の別の場所に位置する又は全く異なる場所に位置する等のようにこれらのデータ取得構成要素に対してリモートに位置していてもよい。
さらに、操作者ワークステーション40は画像保管及び通信システム(PACS)46に結合されていてもよいことを特記しておく。PACS46は、放射線科情報システム(RIS)、病院情報システム(HIS)のような遠隔クライアント48、又は内部網若しくは外部網に結合することができ、異なる場所の第三者が画像、画像データ及び選択随意で分散データへのアクセスを得ることができるようにしていることを特記しておく。
以上の議論は、イメージング・システム10の様々な例示的な構成要素を別個に扱っているが、当業者はこれらの様々な構成要素が共通の一つのプラットフォームの内部に又は相互接続された複数のプラットフォームに設けられていてよいことを認められよう。例えば、処理構成要素30、メモリ38、及び操作者ワークステーション40が、本手法に従って動作するように構成されている汎用又は特殊目的のコンピュータ又はワークステーションとしてまとめて設けられていてもよい。同様に、システム制御器24が、かかるコンピュータ又はワークステーションの一部として設けられていてもよい。
処理構成要素30によって具現化される投影アルゴリズムは、前方投影(画像からサイノグラムを生成する)にも、逆投影(サイノグラムから画像を形成する)にも用いることができる。適当な投影アルゴリズムを選択するときに、当業者は、逆投影演算及び再投影演算が繰り返し式再構成アルゴリズムの重要な構成要素であることを認められよう。従って、適当な投影アルゴリズムは、効率的に実行されて、雑音又は高周波アーティファクトを最小限に抑え、適当な画質を提供しつつ投影演算の高速繰り返しを可能にすべきである。
投影方法の実例としては、ピクセル駆動型の方法又は射線駆動型の方法がある。基本的に、ピクセル駆動型アルゴリズム及び射線駆動型アルゴリズムの両方とも、サイノグラム又は画像値を(それぞれ)検出器素子又はピクセルの関数として再サンプリングする。例えば、ピクセル駆動型逆投影は、撮像の幾何学的構成を用いて関心のある画像ピクセルの中心を通る線を検出器アレイに投影する。一旦、検出器での交点の位置が決定されたら、値が検出器から得られ(線形補間等によって)、結果が画像ピクセルに蓄積される。かかる逆投影アプローチでは、サイノグラム横列が出元信号となり、画像横列が行先信号となる。各々の画像横列毎に、ピクセル中心が検出器にマッピングされる。ピクセル駆動型投影は、上述の逆投影演算の転置演算である。ピクセル駆動型手法は、主処理ループの指標(インデクス)が画像ピクセルの指標となるため、このような名称を与えられている。
反対に、射線駆動型投影は一般的には、理想的な投影線に近接して位置する全ての画像ピクセルに加重を加えて加算することにより、各々の射線積分を近似することから成っている。理想的な投影線は、撮像の幾何学的構成を用いて画像を通る線を関心のある検出器素子中心に投影することにより近似され得る。交点の位置が、各々の画像横列(又は縦列)毎に算出され、値が線形補間等によって画像横列から得られ、結果が検出器素子に蓄積される。かかる投影アプローチでは、画像横列が出元信号となり、サイノグラム横列が行先信号となる。各々の画像横列毎に、検出器素子中心が画像横列にマッピングされる。射線駆動型逆投影は、上述の投影演算の転置演算である。射線駆動型手法では、主処理ループの指標が投影線の指標となる。射線駆動型手法及び投影駆動型手法は幾つかの利点を有するが、具現化形態によっては他の投影方法が同等に又はさらに適当である場合もある。
例えば、一つの代替的な投影アルゴリズムは、距離駆動型投影アルゴリズムである。距離駆動型投影手法は、ピクセル座標及び検出器座標から共通の1本の線又は軸へのマッピングの後にカーネル演算を行なうものと要約することができる。距離駆動型手法は、各々のビュー(すなわち線源)位置が、検出器上の位置と1列の画像横列又は画像縦列の範囲内の位置との間の全単射を定義するとの認識に基づくものである。従って、1列の画像横列又は画像縦列の範囲内のあらゆる点が、検出器上の一点に一意にマッピングされ、反対も同様である。従って、各々の画像ピクセルと検出器素子との間の重なりの長さを定義することができる。この重なりは、関心のある1列の画像横列若しくは画像縦列における全てのピクセル境界を検出器にマッピングするか、又は関心のある全ての検出器素子境界を関心のある画像縦列若しくは画像横列の中心線にマッピングすることにより算出することができる。一実施形態では、このことは、全てのピクセル境界及び全ての検出器素子境界を線源と結ぶことにより画像ピクセル境界及び検出器素子境界の両方を共通の1本の線又は軸にマッピングして、この共通の軸での切片を算出することにより達成される。これらの算出された切片に基づいて、この共通の軸で見た各々の画像ピクセルと各々の検出器素子との間の重なりの長さを計算することができる。次いで、一次元カーネル演算を適用して、一方の境界集合から他方へデータをマッピングすることができる。各々の画像ピクセルと検出器セルとの間の重なりの正規化された長さを用いて、投影工程及び逆投影工程に用いられる加重を定義することができる。距離駆動型投影アルゴリズムは、繰り返し式再構成によく適合し、ハードウェアとして効率的に具現化され得る。距離駆動型投影アルゴリズムは、アーティファクトを伴わずに前方投影演算及び逆投影演算の両方を実行し、代数計算の複雑さが小さく、逐次式のメモリ・アクセスを可能にする。加えて、距離駆動型投影アルゴリズムは、実行される前方投影演算及び逆投影演算に関して対称であり、一つのハードウェア具現化形態ではハードウェア資源の共有を可能にする。当業者には認められるように、この対称性はまた、幾つかの繰り返し式再構成アルゴリズム(共役勾配アルゴリズム等)を作用させるためには必須である。
当業者には認められるように、適当な投影アルゴリズムの選択は、ハードウェアにおいて繰り返し式再構成アルゴリズムを具現化する一観点に過ぎない。かかる具現化形態のもう一つの観点は、コスト関数の選択である。周知のコスト関数としては、最大尤度、最大事後確率、加重付き最小自乗、及びペナルティ付き加重付き最小自乗等がある。後者は、次式によって与えられる。
e′(Δp)=e(Δp)・s(Δp,delta1,slope)・
[1−s(Δp,−delta1,slope)]
式中、
s(Δp,delta,slope)
=1/(1+exp(−slope・(Δp−delta)))
である。
[1−s(Δp,−delta1,slope)]
式中、
s(Δp,delta,slope)
=1/(1+exp(−slope・(Δp−delta)))
である。
当業者には認められるように、画質を最高にし、画像雑音を最小にし、空間分解能を最高にし、不整合なデータによる画像アーティファクトを最小にするために、類似の変換を設計することができる。
かかる具現化形態のさらにもう一つの観点は、適当な繰り返し式再構成アルゴリズムの選択である。一つのかかる繰り返し式再構成アルゴリズムは繰り返し式座標降下(ICD、iterative coordinate descent)アルゴリズムである。ベースラインICD手法は、画像ピクセル全体にわたり繰り返すことにより動作する。各々のピクセルは、対応するサイノグラム・データ軌跡にわたって内側ループで繰り返す。典型的なICD更新型ステップは次式によって与えられる。
実施形態の一例では、ICDはピクセル部分集合を用いて具現化され、これにより、良好な並列性及び計算性能を提供する。具体的には、一つの部分集合内の全てのピクセルを独立に更新することにより、更新アルゴリズムを並列に具現化することが可能になる。さらに、ピクセル部分集合を用いると、投影ステップ及び逆投影ステップ(本書で議論するようなもの)を同時に具現化することが可能になり、さらに一様な画像収束を提供する。ピクセル部分集合を用いてICDアルゴリズムを繰り返し式で具現化する例示的なロジックを図2に掲げる。図示の実施形態の例では、画像推定50(未処理画像データの直接型再構成又はフィルタ補正逆投影等)を与える。画像推定50が収束する例では、収束した推定を再構成画像52として出力することができる。一実施形態では、画像推定50は、再構成画像52に望まれる空間分解能に達したときに収束したと看做される。すると、一実施形態では、更新ステップは次式によって与えられる。
一実施形態では、ピクセル部分集合は画像推定50が収束しないときに生成され、ICDアルゴリズムはこれらのピクセル部分集合を活用して画像再構成を高速化する。かかる一つの実施形態では、画像推定50を複数のピクセル部分集合に分割して、各々の部分集合が、空間的に離隔されているすなわち疎らな又は他の言い方では隣接していない所定数のピクセルを含むようにする。しかしながら、他の実施形態では、これらのピクセル部分集合は、各々の部分集合が、隣接した又は近接したピクセルすなわち空間的に局所化しているピクセルの「ブロック」を含むように選択される。各々の部分集合のピクセルは、本書に記載しているように同時に処理され得る。一実施形態では、ピクセル部分集合は、一つの部分集合内の各ピクセルのそれぞれのサイノグラム軌跡同士の相互作用を最小化するように選択される。この手法の例の各回の繰り返しが、所定回数の下位繰り返しから成っている。各回の下位繰り返しでは、一つのピクセル部分集合のピクセルを同時に且つ独立に更新する(所定数のヤコビ更新と同等)。
画像推定50は投影されて(ブロック56)計算サイノグラム58を生成する。一実施形態では、投影は、距離駆動型アルゴリズム又は他の任意の適当な前方投影器を用いて為される。誤差サイノグラム60がこの計算サイノグラム58から導かれる(ブロック62)。誤差サイノグラム60は、様々な手法によって生成され得る。例えば、具現化形態の一例では、画像データから導かれた実測サイノグラム64を計算サイノグラム58から減算して、誤差サイノグラム60を生成する。かかる具現化形態では、実測サイノグラム64が導かれる元となる画像データは典型的には、対数補正されて、線積分減弱形態にある。他の実施形態では、誤差サイノグラム60の導出は、ポアソン・モデル又は最小自乗モデルのような適当な統計学的モデルに基づくものであってもよい。
一実施形態では、誤差サイノグラム60は、カレントのピクセル部分集合に基づいて、距離駆動型逆投影又は他の任意の適当な逆投影器等を介して、疎らに逆投影される(ブロック68)。疎らな逆投影ステップ68は、カレントのピクセル部分集合に対応する下位繰り返し画像更新70を生成し、この画像更新70を用いてカレントの画像推定を更新することができる(ブロック72)。例えば、一実施形態では、下位繰り返し画像更新70を減算することにより画像推定50を更新することができる。加えて、下位繰り返し画像更新70は、カレントのピクセル部分集合に基づいて疎らに投影されて(ブロック76)サイノグラム更新78を生成することができる。次いで、サイノグラム更新78及び誤差サイノグラム60を用いて、次回のピクセル部分集合下位繰り返しのために誤差サイノグラムを更新することができる(ブロック80)。図2によって示す工程は、収束が生じて再構成画像52が得られるまで、異なるピクセル部分集合及び画像推定50毎に繰り返すことができる。一実施形態では、疎らな距離駆動型投影/逆投影は、関心のあるピクセル部分集合に属するピクセルのみが扱われて、関心のあるピクセル部分集合に属しない全ての介在するピクセル、又は画像横列若しくは縦列はスキップされるように、ピクセル境界/ボクセル境界に跨がってループを修正することにより、従来の距離駆動型投影−逆投影と同様に具現化される。
もう一つの実施形態では、画像推定50からの減算の前に、画像更新70にスケーリング画像71を乗算してもよい。このスケーリング画像71は、繰り返し式再構成アルゴリズムの収束特性を改善するように選択され得る。例えば、スケーリング画像71は、全ての画像から一つの画像を取り上げて、カレントのピクセル部分集合を用いてこの画像を投影し、結果として得られるサイノグラムに、各々のサイノグラム・ピクセルにおける相対的な信頼性の尺度を表わす加重サイノグラムを乗算した後に、この加重付きサイノグラムをカレントのピクセル部分集合に逆投影することにより、得ることができる。次いで、結果として得られる画像の逆数を、画像推定50から画像更新70を減算する前に画像更新70に乗算されるスケーリング画像71として用いることができる。
以上の議論は、一つの部分集合内のピクセルが空間的に離隔されている場合のピクセル部分集合の処理に関するものであるが、他の形式のピクセル部分集合をICD手法と共に用いてもよい。例えば、一実施形態では、同時に処理されるピクセル部分集合がブロック型であるすなわち隣接している又は他の言い方では空間的に離隔していないものであってもよい。一具現化形態では、ICDアルゴリズムの各回の繰り返しは多数回の下位繰り返しを含んでおり、各回の下位繰り返しが、異なる一つの部分集合又はブロックを成す隣接した又は近接したピクセルをn×n反転を介して同時に更新する。例えば、一実施形態では、隣接するピクセルから成る一つのブロックは、ヘッセ行列を反転させる等のような直接型の反転手法によって更新される。
本実施形態では、この工程を全てのブロック(又はピクセル部分集合)について、及び全ての繰り返しについて繰り返す。
さらに、最小自乗アプローチの一例では、ピクセル部分集合の利用を図3及び図4に示すような多重分解能処理と組み合わせて、収束特性を改善してもよい。かかる実施形態では、相対的に低い分解能で実行される繰り返しで画像を形成することができ、次いで、この画像を相対的に高い分解能で処理し、所望の分解能の画像が形成されるまで以下同様に続ける。例えば、図3を参照して述べると、初期画像推定84が、ピクセル部分集合及びICD手法を用いて、実測サイノグラム64に基づいて第一の分解能で処理され得る(ブロック86)。処理の出力88は、続くさらに高い分解能での処理ステップの入力となることができ、以下同様に続ける。中間分解能処理ステップ(ブロック90)も同様に、ピクセル部分集合及びICD処理手法を実測サイノグラム・データ64と共に用いて、後続の処理のための付加的な出力92を生成する。最高分解能処理ステップ(ブロック96)では、前段の繰り返しの出力が、実測サイノグラム・データ64と共にICD繰り返しの入力となる。最高分解能処理ステップ(ブロック96)の出力は再構成画像98であり、この画像98を表示したり、他の場合には医師に提供して精査若しくは分析に供することができる。
ここで、図4を参照して、繰り返し型処理ステップ86、90、96についてさらに詳細に説明する。同図では、入力画像100が与えられる。入力画像100は、初回の繰り返しについては原画像データのフィルタ補正逆投影として形成された画像のような初期画像であってもよいし、又は前段の繰り返しの出力であってもよい。入力画像100が前段の処理繰り返しの出力である場合には、入力画像をアップサンプリングして(ブロック104)関心のある次に高い分解能とすることができ、これにより画像推定50を生成する。但し、初回の繰り返し時のように入力画像100が前段の繰り返しステップの出力でない場合にはアップサンプリングを行なわなくてもよい、。代替的な実施形態では、入力画像100は相対的に低い分解能を有していてもよく(例えば低分解能フィルタ補正逆投影再構成)、繰り返し式再構成における初期画像としての利用の前にアップサンプリングを要求してもよい。一般的には、繰り返しは、アップサンプリング(又はダウンサンプリング)を適宜実行することにより、低い空間分解能から高い空間分解能へ切り替えながら(又は反対も可)、1又は複数の異なる空間分解能において実行され得る。
図2に関して議論したように、画像推定50は複数のピクセル部分集合に分割されて、画像推定50は投影されて(ブロック56)計算サイノグラム58を生成する。誤差サイノグラム60が計算サイノグラム58から導かれる(ブロック62)。誤差サイノグラム60は様々な手法によって生成され得る。投影データから導かれた実測サイノグラム64を用いる具現化形態では、実測サイノグラム64は初期実測サイノグラム108から導かれることができ、このサイノグラム108は、カレントの繰り返しの分解能に対応するように、適宜ダウンサンプリングされる(ブロック110)。かかる実施形態では、実測サイノグラム64を計算サイノグラム58から減算して誤差サイノグラム60を生成することができる。かかる具現化形態では、実測サイノグラム64を導く元となる画像データは典型的には、対数補正されて、線積分減弱形態にある。他の実施形態では、誤差サイノグラム60の導出は、ポアソン・モデル又は最小自乗モデルのような適当な統計学的モデルに基づくものであってもよい。
図示の実施形態では、誤差サイノグラム60は、図2について議論したように、カレントのピクセル部分集合に基づいて疎らに逆投影される(ブロック68)。疎らな逆投影ステップ68はカレントのピクセル部分集合に対応する下位繰り返し画像更新70を生成し、この画像更新70を用いてカレントの画像推定を更新する(ブロック72)。更新された画像推定にさらなる処理を施してもよいし、又は繰り返しの全ての下位繰り返しが完了した場合には、更新された画像推定をエクスポート画像114としてエクスポートしてもよい。さらに繰り返しが残っている場合には、エクスポート画像114を次回の繰り返しのための入力画像100としてよい。繰り返しが残っていない場合には、エクスポート画像114が再構成画像98となる。
下位繰り返し画像更新70はまた、カレントのピクセル部分集合に基づいて疎らに投影されて(ブロック76)サイノグラム更新78を生成してもよい。次いで、図2について説明したように、サイノグラム更新78及び誤差サイノグラム60を用いて、次回のピクセル部分集合の下位繰り返しのための誤差サイノグラムを更新することができる(ブロック80)。
例えば、実施形態の一例では、再構成画像98を512×512ピクセルの画像にしたい場合に、3回の繰り返しスケジュールを用いることができる。1回目の繰り返しは128×128ピクセルの画像を含むことができ、この画像を、各々の部分集合が32×32ピクセルから成る4×4個のピクセル部分集合及び2n回(ここでは24回)の繰り返しを用いて処理する。この第一の分解能での処理の出力はアップサンプリングされて、256×256ピクセルの画像を形成することができ、この画像を、各々の部分集合が32×32ピクセルから成る8×8個のピクセル部分集合及び22回の繰り返しを用いて処理する。この第二の分解能で処理の出力はアップサンプリングされて、512×512ピクセルの画像を形成することができ、この画像を、各々の部分集合が64×64ピクセルから成る16×16個のピクセル部分集合及び21回の繰り返しを用いて処理する。当業者には認められるように、分解能、各々の分解能についての繰り返し、部分集合当たりのピクセル数、及び緩和ファクタ等が、所望の計算特性及び画質特性を達成するために調節され得る全ファクタである。
本手法のさらに他の実施形態では、収束を改善するために、前述のように、更新画像を算出して及び部分集合内のピクセルに適用することを、あるピクセル部分集合(隣接しているか又は空間的に離隔しているかを問わず)に対応する各回の下位繰り返し毎に行なう。同様に、上述のように、誤差サイノグラムに対しても等価の更新を算出してサイノグラムに適用する。加えて、コスト関数に対しても等価の更新を算出する。所望の回数の下位繰り返しの後に(可能性としては各回の下位繰り返し毎に)、所望のサイノグラム又はコスト関数を最も近くで達成する最後のN回の更新の最適線形結合を算出し、すなわち実測サイノグラムと計算誤差サイノグラムとの間の平均誤差を最小化する線形結合を算出する。
例えば、一実施形態では、各回の下位繰り返しkにおいて、ピクセル値μjをδj kの増分でインクリメントし、部分集合Φ(k)に属しない全てのピクセルjについてはδj kをゼロとする。より早い収束を達成するために、利用者によって定義された回数の繰り返し又は下位繰り返しの後に、下記の例示的な式によって与えられるように、所定数の前段の更新δj kを線形結合する。
μj new
=μj+c1・δj k+c2・δj k+1+c3・δj k+2+c4・δj k+3+…+cN・δj k+N
式中、c1,c2,…cNは、
argmax(μj new)
を解くことにより最適化される。
=μj+c1・δj k+c2・δj k+1+c3・δj k+2+c4・δj k+3+…+cN・δj k+N
式中、c1,c2,…cNは、
argmax(μj new)
を解くことにより最適化される。
この最適化手法は、画像再構成の分野以外ではクリロフ部分空間(Krylov subspace)最適化として公知である。
本書の議論では、線源及び検出器がガントリ構成に設けられて回転するCT走査システムを参照したが、本手法は如何なる特定の形式のスキャナで収集されたデータにも限定されないことに留意されたい。例えば、この手法は、X線源及び/又は検出器が実効的に静止しており対象が回転するようなスキャナを介して収集されたデータにも、又は検出器は静止しているがX線源は回転しているようなスキャナを介して収集されたデータにも応用することができる。さらに、データは、X線源が分散型であり異なる位置でX線を発生し得るもののように、X線源及び検出器が両方とも静止しているスキャナに由来するものであってもよい。さらに、本手法は、二次元取得ばかりでなく三次元取得又はコーン・ビーム取得にも応用することができる。従って、ピクセルとの用語に対する如何なる参照も、かかる三次元の文脈ではボクセルも包含することを理解されたい。つまり、本書では、図1のシステムはシステムの例を掲げるものとしてのみ記載されていることに留意されたい。画像データ及び分散データを処理して取得するその他のシステム構成及び動作原理、並びに下記のデータを用いるような他のシステム構成及び動作原理も思量され得ることは言うまでもない。さらに、本書に記載した手法を、CTに加えて、陽電子放出断層写真法(PET)及び単一陽電子放出計算機式断層写真法(SPECT)に関連するもののような他の様々な繰り返し式断層写真法再構成に応用することができる。本書に記載した手法は、少数のビュー角度又は限定された角度範囲でのデータのみが入手されるようなトモシンセシス再構成でも用いることができる。例えば、本書で議論した手法をペナルティ付き若しくはペナルティなし、及び/又は加重付き若しくは加重なしの最小自乗繰り返し式断層写真法再構成手法と共に用いてもよい。
本発明の幾つかの特徴のみを図示して本書で説明したが、当業者には多くの改変及び変形が想到されよう。従って、特許請求の範囲が、本発明の真意に含まれるような全ての改変及び変形を包含しているものと理解されたい。また、図面の符号に対応する特許請求の範囲中の符号は、単に本願発明の理解をより容易にするために用いられているものであり、本願発明の範囲を狭める意図で用いられたものではない。そして、本願の特許請求の範囲に記載した事項は、明細書に組み込まれ、明細書の記載事項の一部となる。
10 イメージング・システム
12 X線源
14 コリメータ
16 X線
18 関心のある被検体
20 減弱後のX線
22 検出器アレイ
24 システム制御器
26 X線制御器
28 データ取得システム
30 プロセッサ
32 回転サブシステム
34 線形位置調節サブシステム
36 モータ制御器
38 メモリ
40 操作者ワークステーション
42 表示器
44 プリンタ
46 PACS
48 遠隔クライアント
50 画像推定
52 再構成画像
56 画像推定ブロックを投影する
58 計算サイノグラム
60 誤差サイノグラム
62 誤差サイノグラムを発生するブロック
64 実測サイノグラム
68 誤差サイノグラムの疎らな逆投影のブロック
70 下位繰り返し画像更新
71 スケーリング画像
72 カレントの画像推定を更新するブロック
76 疎らな投影画像の更新ブロック
78 サイノグラム更新
80 誤差サイノグラムを更新する
84 初期画像推定
86 第一の分解能で処理する
88 出力する
90 中間分解能処理ステップ
92 追加の出力
96 最高分解能処理ステップ
98 再構成画像
100 入力画像
104 入力画像をアップサンプリングする
108 初期実測サイノグラム
110 初期実測サイノグラムをダウンサンプリングする
114 画像をエクスポートする
12 X線源
14 コリメータ
16 X線
18 関心のある被検体
20 減弱後のX線
22 検出器アレイ
24 システム制御器
26 X線制御器
28 データ取得システム
30 プロセッサ
32 回転サブシステム
34 線形位置調節サブシステム
36 モータ制御器
38 メモリ
40 操作者ワークステーション
42 表示器
44 プリンタ
46 PACS
48 遠隔クライアント
50 画像推定
52 再構成画像
56 画像推定ブロックを投影する
58 計算サイノグラム
60 誤差サイノグラム
62 誤差サイノグラムを発生するブロック
64 実測サイノグラム
68 誤差サイノグラムの疎らな逆投影のブロック
70 下位繰り返し画像更新
71 スケーリング画像
72 カレントの画像推定を更新するブロック
76 疎らな投影画像の更新ブロック
78 サイノグラム更新
80 誤差サイノグラムを更新する
84 初期画像推定
86 第一の分解能で処理する
88 出力する
90 中間分解能処理ステップ
92 追加の出力
96 最高分解能処理ステップ
98 再構成画像
100 入力画像
104 入力画像をアップサンプリングする
108 初期実測サイノグラム
110 初期実測サイノグラムをダウンサンプリングする
114 画像をエクスポートする
Claims (10)
- 2以上のピクセル部分集合を含む画像(50)を形成するステップと、
各々の部分集合内の前記ピクセルがコスト関数に関して同時に最適化されるように、各々のピクセル部分集合に対応するそれぞれのヘッセ行列を直接反転させるステップと、
を備えた画像データを処理する方法。 - 各々のピクセル部分集合に対応するそれぞれのヘッセ行列を直接反転させる前記動作は繰り返し実行される、請求項1に記載の方法。
- 前記ピクセル部分集合は、該部分集合のピクセル構成が各回の繰り返し毎に異なるものとなるように、繰り返しと繰り返しとの間で修正される、請求項2に記載の方法。
- 前記ピクセル部分集合は、該部分集合のピクセル・サイズが各回の繰り返し毎に異なるものとなるように、繰り返しと繰り返しとの間で修正される、請求項2に記載の方法。
- 前記コスト関数は、最大尤度関数、最大事後確率関数、加重付き最小自乗関数、及びペナルティ付き加重付き最小自乗関数の少なくとも一つに対応する、請求項1に記載の方法。
- 2以上のピクセル部分集合を含む画像(50)を形成し、各々の部分集合の前記ピクセルがコスト関数に関して同時に最適化されるように、各々のピクセル部分集合に対応するそれぞれのヘッセ行列を直接反転させるように構成されている処理構成要素(30)
を備えた断層写真法イメージング・システム。 - 前記処理構成要素(30)は、前記それぞれのヘッセ行列を直接反転させることを繰り返し行なうようにさらに構成されている、請求項6に記載の断層写真法イメージング・システム。
- 前記ピクセル部分集合は、該部分集合のピクセル構成が各回の繰り返し毎に異なるものとなるように、繰り返しと繰り返しとの間で修正される、請求項7に記載の断層写真法イメージング・システム。
- 前記ピクセル部分集合は、該部分集合のピクセル・サイズが各回の繰り返し毎に異なるものとなるように、繰り返しと繰り返しとの間で修正される、請求項7に記載の断層写真法イメージング・システム。
- 前記コスト関数は、最大尤度関数、最大事後確率関数、加重付き最小自乗関数、及びペナルティ付き加重付き最小自乗関数の少なくとも一つに対応する、請求項6に記載の断層写真法イメージング・システム。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US11/474,613 US8571287B2 (en) | 2006-06-26 | 2006-06-26 | System and method for iterative image reconstruction |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2008006288A true JP2008006288A (ja) | 2008-01-17 |
Family
ID=38721373
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2007164504A Withdrawn JP2008006288A (ja) | 2006-06-26 | 2007-06-22 | 繰り返し式画像再構成のシステム及び方法 |
Country Status (4)
Country | Link |
---|---|
US (1) | US8571287B2 (ja) |
JP (1) | JP2008006288A (ja) |
DE (1) | DE102007028828A1 (ja) |
NL (1) | NL1033975C2 (ja) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2011122613A1 (ja) * | 2010-03-30 | 2011-10-06 | 株式会社 日立メディコ | 再構成演算装置、再構成演算方法、及びx線ct装置 |
JP2012024580A (ja) * | 2010-07-22 | 2012-02-09 | General Electric Co <Ge> | X線画像の再構成のシステム及び方法 |
WO2012081245A1 (ja) * | 2010-12-15 | 2012-06-21 | 富士フイルム株式会社 | 放射線断層画像生成方法および装置 |
JP2013502261A (ja) * | 2009-08-20 | 2013-01-24 | コーニンクレッカ フィリップス エレクトロニクス エヌ ヴィ | 関心領域画像の再構成 |
JP2013085962A (ja) * | 2011-10-18 | 2013-05-13 | Toshiba Corp | コンピュータ断層撮影(ct)において逐次近似再構成の軸方向範囲を拡張するための方法およびシステム |
JP2013121450A (ja) * | 2011-12-12 | 2013-06-20 | Nemoto Kyorindo:Kk | 医用画像処理ネットワークシステム |
JP2014004358A (ja) * | 2012-06-22 | 2014-01-16 | Regents Of The University Of Michigan | 反復式再構成の方法及び装置 |
JP2015104676A (ja) * | 2013-11-29 | 2015-06-08 | 株式会社東芝 | X線コンピュータ断層撮影装置及び画像再構成方法 |
JP2016115346A (ja) * | 2014-12-11 | 2016-06-23 | 三菱電機株式会社 | 信号を再構成する方法および装置 |
Families Citing this family (26)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE10307331B4 (de) * | 2003-02-17 | 2009-03-05 | BAM Bundesanstalt für Materialforschung und -prüfung | Bildgebendes Verfahren zur rechnergestützten Auswertung computer-tomographischer Messungen durch direkte iterative Rekonstruktion |
US8111889B2 (en) * | 2004-03-31 | 2012-02-07 | General Electric Company | Method and apparatus for efficient calculation and use of reconstructed pixel variance in tomography images |
US7869639B2 (en) * | 2007-01-22 | 2011-01-11 | The Brigham And Women's Hospital, Inc. | Magnetic resonance imaging by subspace projection |
US8184876B2 (en) * | 2007-04-25 | 2012-05-22 | Siemens Medical Solutions Usa, Inc. | NNLS image reconstruction |
US8180138B2 (en) * | 2009-03-23 | 2012-05-15 | Morpho Detection, Inc. | Method and system for inspection of containers |
US7829856B2 (en) * | 2009-03-31 | 2010-11-09 | General Electric Company | Apparatus and methods for determining a system matrix for pinhole collimator imaging systems |
US9002086B2 (en) * | 2009-05-07 | 2015-04-07 | Koninklijke Philips N.V. | System and method for generating a tomographic reconstruction filter |
US8731266B2 (en) * | 2009-12-17 | 2014-05-20 | General Electric Company | Method and system for correcting artifacts in image reconstruction |
US20110176711A1 (en) * | 2010-01-21 | 2011-07-21 | Radu Catalin Bocirnea | Methods, apparatuses & computer program products for facilitating progressive display of multi-planar reconstructions |
US8379948B2 (en) | 2010-12-21 | 2013-02-19 | General Electric Company | Methods and systems for fast iterative reconstruction using separable system models |
DE102011086771A1 (de) * | 2011-11-22 | 2013-05-23 | Siemens Aktiengesellschaft | Computertomographieanlage und Verfahren zum Ermitteln von Volumeninformationen zu einem Körper |
JP6000538B2 (ja) * | 2011-12-12 | 2016-09-28 | 株式会社根本杏林堂 | 医療用画像処理システム |
JP6000539B2 (ja) * | 2011-12-12 | 2016-09-28 | 株式会社根本杏林堂 | 医療用画像処理システム |
US10429537B2 (en) * | 2012-01-30 | 2019-10-01 | Schlumberger Technology Corporation | Efficiency of pixel-based inversion algorithms |
WO2013116709A1 (en) * | 2012-02-01 | 2013-08-08 | The Research Foundation of States University of New York | Computerized image reconstruction method and apparatus |
WO2015014678A1 (en) * | 2013-07-30 | 2015-02-05 | Koninklijke Philips N.V. | Combined mri pet imaging |
CN103455985B (zh) * | 2013-09-03 | 2016-09-14 | 武汉大学 | 基于Hessian结构分析的道路裂缝增强方法 |
US9600924B2 (en) * | 2014-02-05 | 2017-03-21 | Siemens Aktiengesellschaft | Iterative reconstruction of image data in CT |
US9715744B2 (en) * | 2014-12-11 | 2017-07-25 | General Electric Company | Method and device of obtaining beam hardening correction coefficient for carrying out beam hardening correction on computed tomography data |
CA3013926A1 (en) | 2016-02-08 | 2017-08-17 | Imago Systems, Inc. | System and method for the visualization and characterization of objects in images |
US20170294033A1 (en) * | 2016-04-06 | 2017-10-12 | Varex Imaging Corporation | Dose efficient x-ray detector and method |
WO2018094250A1 (en) | 2016-11-18 | 2018-05-24 | Jarisch Wolfram R | Extended high efficiency computed tomography with optimized recursions and applications |
US10559100B2 (en) * | 2017-05-22 | 2020-02-11 | Prismatic Sensors Ab | Method and devices for image reconstruction |
US20190180481A1 (en) * | 2017-12-13 | 2019-06-13 | General Electric Company | Tomographic reconstruction with weights |
US11320556B2 (en) | 2019-08-22 | 2022-05-03 | Chevron U.S.A. Inc. | System and method for seismic imaging of complex subsurface volumes |
US11360230B2 (en) | 2019-12-05 | 2022-06-14 | Chevron U.S.A. Inc. | System and method for full waveform inversion of seismic data with reduced computational cost |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA2214101A1 (en) * | 1995-03-03 | 1996-09-12 | Ulrich Bick | Method and system for the detection of lesions in medical images |
GB2361396B (en) * | 2000-04-10 | 2002-04-03 | Voxar Ltd | Imaging volume data |
US6724856B2 (en) | 2002-04-15 | 2004-04-20 | General Electric Company | Reprojection and backprojection methods and algorithms for implementation thereof |
US7555151B2 (en) * | 2004-09-02 | 2009-06-30 | Siemens Medical Solutions Usa, Inc. | System and method for tracking anatomical structures in three dimensional images |
US7715654B2 (en) * | 2005-10-18 | 2010-05-11 | Siemens Medical Solutions Usa, Inc. | System and method for fast multimodal registration by least squares |
-
2006
- 2006-06-26 US US11/474,613 patent/US8571287B2/en not_active Expired - Fee Related
-
2007
- 2007-06-12 NL NL1033975A patent/NL1033975C2/nl not_active IP Right Cessation
- 2007-06-20 DE DE102007028828A patent/DE102007028828A1/de not_active Withdrawn
- 2007-06-22 JP JP2007164504A patent/JP2008006288A/ja not_active Withdrawn
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2013502261A (ja) * | 2009-08-20 | 2013-01-24 | コーニンクレッカ フィリップス エレクトロニクス エヌ ヴィ | 関心領域画像の再構成 |
JPWO2011122613A1 (ja) * | 2010-03-30 | 2013-07-08 | 株式会社日立メディコ | 再構成演算装置、再構成演算方法、及びx線ct装置 |
JP5960048B2 (ja) * | 2010-03-30 | 2016-08-02 | 株式会社日立製作所 | 再構成演算装置、再構成演算方法、及びx線ct装置 |
US9050003B2 (en) | 2010-03-30 | 2015-06-09 | Hitachi Medical Corporation | Reconstruction computing device, reconstruction computing method, and X-ray CT apparatus |
WO2011122613A1 (ja) * | 2010-03-30 | 2011-10-06 | 株式会社 日立メディコ | 再構成演算装置、再構成演算方法、及びx線ct装置 |
JP2012024580A (ja) * | 2010-07-22 | 2012-02-09 | General Electric Co <Ge> | X線画像の再構成のシステム及び方法 |
US9036769B2 (en) | 2010-12-15 | 2015-05-19 | Fujifilm Corporation | Radio tomographic image generation method and device |
JP2012125378A (ja) * | 2010-12-15 | 2012-07-05 | Fujifilm Corp | 放射線断層画像生成方法および装置 |
WO2012081245A1 (ja) * | 2010-12-15 | 2012-06-21 | 富士フイルム株式会社 | 放射線断層画像生成方法および装置 |
JP2013085962A (ja) * | 2011-10-18 | 2013-05-13 | Toshiba Corp | コンピュータ断層撮影(ct)において逐次近似再構成の軸方向範囲を拡張するための方法およびシステム |
JP2013121450A (ja) * | 2011-12-12 | 2013-06-20 | Nemoto Kyorindo:Kk | 医用画像処理ネットワークシステム |
JP2014004358A (ja) * | 2012-06-22 | 2014-01-16 | Regents Of The University Of Michigan | 反復式再構成の方法及び装置 |
JP2015104676A (ja) * | 2013-11-29 | 2015-06-08 | 株式会社東芝 | X線コンピュータ断層撮影装置及び画像再構成方法 |
JP2016115346A (ja) * | 2014-12-11 | 2016-06-23 | 三菱電機株式会社 | 信号を再構成する方法および装置 |
Also Published As
Publication number | Publication date |
---|---|
US20070297656A1 (en) | 2007-12-27 |
NL1033975C2 (nl) | 2009-02-03 |
NL1033975A1 (nl) | 2008-01-02 |
DE102007028828A1 (de) | 2007-12-27 |
US8571287B2 (en) | 2013-10-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP2008006288A (ja) | 繰り返し式画像再構成のシステム及び方法 | |
CN110807737B (zh) | 迭代图像重建框架 | |
JP7150837B2 (ja) | 機械学習を使用した画像生成 | |
US8897528B2 (en) | System and method for iterative image reconstruction | |
US8705828B2 (en) | Methods and apparatus for super resolution scanning for CBCT system and cone-beam image reconstruction | |
US8731269B2 (en) | Method and system for substantially reducing artifacts in circular cone beam computer tomography (CT) | |
JP2020516345A (ja) | 深層学習に基づくトモグラフィ再構成 | |
JP2017189612A (ja) | 放射線画像診断装置及び医用画像処理装置 | |
US8938108B2 (en) | Method for artifact reduction in cone-beam CT images | |
US9025838B2 (en) | Apparatus and method for hybrid reconstruction of an object from projection data | |
JP2016152916A (ja) | X線コンピュータ断層撮像装置及び医用画像処理装置 | |
Cant et al. | Modeling blurring effects due to continuous gantry rotation: Application to region of interest tomography | |
US8548568B2 (en) | Methods and apparatus for motion compensation | |
CN110073412B (zh) | 使用交替否定的图像噪声估计 | |
US20220375038A1 (en) | Systems and methods for computed tomography image denoising with a bias-reducing loss function | |
Choi et al. | 4D digital tomosynthesis image reconstruction using brute force-based adaptive total variation (BF-ATV) in a prototype LINAC system | |
US11270477B2 (en) | Systems and methods for tailored image texture in iterative image reconstruction | |
US9558569B2 (en) | Method and system for substantially reducing cone beam artifacts based upon image domain differentiation in circular computer tomography (CT) | |
Slagowski et al. | Feasibility of CT-based 3D anatomic mapping with a scanning-beam digital x-ray (SBDX) system | |
Kalke et al. | Adaptive frequency-domain regularization for sparse-data tomography | |
Hamoud et al. | Beyond Local Processing: Adapting CNNs for CT Reconstruction | |
Sun | Rigid motion correction for head CT imaging | |
WO2024008764A1 (en) | Cone beam artifact reduction | |
Siewerdsen et al. | Advances in 3D image reconstruction | |
WO2019044983A1 (ja) | X線ct装置および画像生成方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20100615 |
|
RD04 | Notification of resignation of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7424 Effective date: 20100615 |
|
A761 | Written withdrawal of application |
Free format text: JAPANESE INTERMEDIATE CODE: A761 Effective date: 20110524 |