JP2014518133A - 画像再構成方法とシステム｛ｉｔｅｒａｔｉｖｅｉｍａｇｅｒｅｃｏｎｓｇｔｒｕｃｔｉｏｎ｝ - Google Patents

Abstract

本発明は、検査中のオブジェクトを表示する測定投影データから該オブジェクトのｘ−線画像を再構成する方法とシステムに関する。本発明の方法やシステムにおいて、測定投影データを画像データに変換し、画像データ内の特定画質測定値を変調して、画像データを正則化された画像データに正則化し、正則化された画像データを正投影して合成投影データを生成し、合成投影データを測定投影データと比較して画像データをアップデートする。
【選択図】図３

Description

本発明は、反復的な再構成技法を利用して投影データから画像データを再構成する医療、セキュリティ、産業分野に用いられるＣＴ（ｃｏｍｐｕｔｅｄ ｔｏｍｏｇｒａｐｈｙ）スキャナーで実行される画像再構成に関する。

ＣＴのような放射線撮影装置は検査中のオブジェクトやその内部特徴の情報や画像を提供する。このようなオブジェクトが放射線に露出されれば、オブジェクトに吸収されるかまたはオブジェクトを透過する放射線量に基づいて画像が形成される。一般的に、高密度オブジェクトは低密度オブジェクトより放射線をより多く吸収するため、骨や金属板のような高密度オブジェクトは皮膚や服のような低密度オブジェクトとは異なるように撮影される。

近来、多種類の放射線撮影装置があるが、その中、ＣＴスキャナーは、様々な分野で検査中のオブジェクトの色々な特徴を識別するのに用いられている。例えば、セキュリティ用ＣＴスキャナーは、検査中のオブジェクトの化学的な成分を決定し、危険物と関連したマーカー（例；密度や形状）を識別することができる。医療用ＣＴスキャナーは、患者の色々な特徴の画像を作るのに用いられる。あるＣＴスキャナーは脳の白質と灰白質を区分し、あるＣＴスキャナーは血管や心臓を撮影したりもする。

ＣＴスキャナーをこのように多様に使用できるようにした特徴は、１８０度以上の角度をカバーする様々な位置からオブジェクトのＸ線投影画像（例；ビュー）を記録し、画像再構成アルゴリズムを利用してオブジェクトを示す２次元や３次元の画像を作る能力にある。

検査オブジェクトを色々な角度から見ようとすれば、患者や手荷物のようなオブジェクトを入れる十分な中央空洞を有するＣＴスキャナーの回転支持台に輻射源と検出器アレイを設ける。検査をする間、輻射源と検出器アレイを備えた回転支持台はオブジェクトの周りを回転しながら輻射源から放射線を放出する。オブジェクトに対して輻射源が回転するため、色々な位置から放射線がオブジェクトを透過し、検出器アレイは検知した放射線量を示す測定投影データを生成する。

検出器アレイによって生成された投影データから立体画像（密度やｚ−効果など）を再構成するのに画像再構成アルゴリズムを利用する。現在の画像再構成アルゴリズムは、大きく、分析アルゴリズムと反復アルゴリズムに区分される。

フィルター逆投影（Ｆｉｌｔｅｒｅｄ Ｂａｃｋ−Ｐｒｏｊｅｃｔｉｏｎ）、ＦＤＫ（Ｆｅｌｄｋａｍｐ Ｄａｖｉｓ Ｋｒｅｓｓ）アルゴリズムのような分析アルゴリズムは、ＣＴ投影変換の代数的反転（ａｌｇｅｂｒａｉｃ ｉｎｖｅｒｓｉｏｎ）を計算する公式を用いて測定された投影データから画像を再構成する。投影変換とは、検出器アレイで記録した信号や光子数を立体画像の関数で説明する数学公式である。

分析アルゴリズムは速度、予測性、制御可能性、実現容易性のためにＣＴスキャナーに多く用いられているものの、多くの制限がある。例えば、この方式においては、ｘ−線の電波物理学のために不一致のない無雑音の理想的な「線積分」投影データを仮定する。また、画像ボクセル（ｖｏｘｅｌ）が入力投影データとは関係なく再構成されるため、データ取得プロトコルや検出器アレイのデザインに制限が加えられる。（例えば、レーザービーム硬化による）データ不一致と不完全さは画像アーチファクト（ａｒｔｉｆａｃｔ）を引き起こす。また、分析アルゴリズムは、全ての測定された光子数をその有効性とは関係なく一定に威嚇して、次善の雑音特性を引き起こし、ある変換作業に対しては近似値だけを求めることができるため、その結果、アーチファクトを引き起こす。

反復アルゴリズムは、連続的な画像補正を通じて画像を再構成し、再構成画像で計算された予想（合成）投影画像が測定投影画像とほぼ一致するようにする。繰り返し作業を行う時ごとに、反復アルゴリズムは画像を正投影し、合成投影画像を計算し、合成投影画像を測定投影データと比較し、合成投影データと測定投影データの差に基づいて画像を補正する。所望する出力を得るまでにこのような過程を繰り返すが、例えば、この過程が２０回繰り返されて合成された投影データは誤差範囲内にあるであろう。

反復アルゴリズムは計算がより複雑であるが、ＣＴスキャナーにおいては分析アルゴリズムに比べて多くの長所がある。例えば、反復アルゴリズムにおいては、数学的反転が全く実行されないため、アーチファクトを引き起こす近似値を避けることができる。また、最適の雑音性能を実現することができる。また、反復アルゴリズムは、データサンプリングや検出器構造に厳格な規則を適用しないため、非標準データ取得構造や損失データの構成に適用することができる。また、反復アルゴリズムは、レーザービーム硬化や他の物理的効果のためにデータ不完全さを減らし、画像の非負性（ｎｏｎ−ｎｅｇａｔｉｖｉｔｙ）のような性質に関する既存の情報を用いて画質を改善することができる。

本発明は、従来のこのような問題点を解決することを目的とする。本発明は、検査中のオブジェクトを表示する測定投影データから該オブジェクトのｘ−線画像を再構成する方法を提供する。

この方法は、測定投影データを画像データに変換するステップ、画像データ内の特定画質測定値を変調して、画像データを正則化された画像データに正則化するステップ、正則化された画像データを正投影して合成投影データを生成するステップ、および合成投影データを測定投影データと比較して画像データをアップデートするステップを含む。

本発明は、検査中のオブジェクトを表示する測定投影データから該オブジェクトのｘ−線画像を再構成する方法も提供する。この方法は、測定投影データに不一致を引き起こすオブジェクト特徴を示し、測定投影データから生じる画像データの領域を隔離するステップ、隔離された領域を正投影して不一致投影データを生成するステップ、不一致投影データに基づいて測定投影データを修正して修正投影データを生成するステップ、および修正投影データを用いて画像データをアップデートするステップを含む。

また、本発明は、検査中のオブジェクトを表示する測定投影データから該オブジェクトのｘ−線画像を再構成する方法も提供する。この方法は、検出器アレイの各チャネルに対して、測定投影データに含まれた測定投影画像の不一致度を識別するステップ、および識別された不一致度に基づいて、測定投影データに含まれたビューの第１部分と第２部分に各々異なる加重値を与えるステップを含む。

なお、本発明は、検査中のオブジェクトを表示する測定投影データから該オブジェクトのｘ−線画像を再構成する方法も提供する。この方法は、画像データを正則化された画像データに正則化するステップ、正則化された画像データを正投影して合成投影データを生成するステップ、測定投影データに不一致を引き起こすオブジェクト特徴を示す正則化画像データの領域を隔離するステップ、隔離された領域を正投影して不一致投影データを生成するステップ、不一致投影データに基づいて測定投影データを修正して修正投影データを生成するステップ、測定投影データに含まれたビューと修正投影データに含まれたビューのうち少なくとも１つの種々の部分に加重値を割り当てるが、前記各々のビューの第１部分と第２部分に各々異なる加重値を有するようにするステップ、および測定投影データ、修正投影データ、および前記各々のビューの種々の部分に割り当てられた加重値のうち少なくとも１つと合成投影データに基づいて、画像データをアップデートするステップを含む。

さらに、本発明は、検査中のオブジェクトを表示する測定投影データから該オブジェクトのｘ−線画像を再構成するシステムを提供する。このシステムは、測定投影データをオブジェクトを示す画像データに変換する画像アップデーター、測定投影データに不一致を引き起こすオブジェクトの特徴を示す画像データの領域を隔離する不一致検知器、隔離された領域を正投影して不一致投影データを生成する正投影器、および不一致投影データに基づいて測定投影データを修正して修正投影データを生成する投影修正器を含む。このような画像アップデーターは修正投影データに基づいて画像データをアップデートする。

以下、添付図面を参照して本発明を詳しく説明する。

測定された投影データから画像を再構成する環境のブロック図である。 従来の画像再構成器の環境を示すブロック図である。 画像再構成器の一例のブロック図である。 画像再構成器の他の一例のブロック図である。 画像再構成器のまた他の一例のブロック図である。 他の画像再構成器のブロック図である。 検査オブジェクトを示す測定投影データから該オブジェクトのｘ−線画像を再構成する方法のフローチャートである。 コンピュータ命令語を備えたコンピュータ読み取り可能な媒体のブロック図である。

以下の説明は例示したものに過ぎず、本発明の範囲を制限するものではない。

本発明は、ＣＴスキャナーで検査するオブジェクトの画像を再構成する反復画像再構成方法とシステムに関する。このようなシステムと方法は、特定出力を得るまでに画像を繰り返しアップデートする。繰り返す時ごとに、画像を正則化（フィルター）して画像の画質測定値を変調し、投影データに不一致を引き起こすオブジェクトの特徴を示す画像の区域を隔離し、投影データの不一致を識別するか選択的に抑制しながら画像を作る。

図１は、以上で説明した画像構成技術やシステムを使用できる環境１００の一例のブロック図である。ＣＴ装置は、検査オブジェクト１０２に関する立体情報を受けて２次元や３次元の画像を作る。図１のデータ取得器１２２は検査装置の一部分であっても良く、検出器アレイ１０６の一部分であっても良い。

検査装置１０８は空港のカバンや患者のようなオブジェクト１０２を検査するものであり、ベース１１１に支持される固定支持台１１０および回転支持台１０４を有する。検査中のオブジェクト１０２は、ベッドやコンベヤーベルトのような受け台１１２上に置かれて、検査区域１１４である回転支持台１０４の中に置かれ、回転支持台１０４は、ローラートラック１１６によってオブジェクト１０２の周りを回転し、ローラートラックは、回転支持台を回転させるためのモータ、駆動軸、チェーンなどの部品を有する。

回転支持台１０４は検査区域１１４の一部を囲み、Ｘ線を放出する輻射源１１８と検出器アレイ１０６（以下、簡単に「検出器」ともいう）とを含むが、輻射源と検出器アレイは回転支持台１０４の両側に位置する。

検出器アレイ１０６は、曲率中心を輻射源１１８の焦点に置いた円形や円筒形や球形にチャネルが線形や２次元で一列や複数列に配列されたものである。輻射源の焦点から放射線１２０が放出される。オブジェクトを検査する間、輻射源１１８は検査区域１１４に放射線１２０を扇状やくさび状や円錐状に発射する。当業者であれば分かるように、このような放射線１２０は連続的に発射されても良く、パルス形態で断続的に発射されても良い。

オブジェクト１０２を透過しつつオブジェクトの内部特徴に応じて放射線１２０が減衰し、減衰率がオブジェクトの内部特徴に応じて各々異なるため、検出器アレイ１０６によって検知される光子数の変化や減衰率に基づいて画像が生成される。例えば、骨や金属のようにオブジェクト１０２の密度が高ければ皮膚や服のような低密度オブジェクトに比べて放射線がさらに減衰し、検出器アレイに衝突する光子数も少なくなる。

検出器アレイ１０６は、放射線を（非晶質セレニウムや他の直接変換物質を用いて）直接にまたは（光検出器や他の間接変換物質を用いて）間接にデータ取得器１２２に転送されるアナログ信号に変換し、データ取得器は、各チャネルから生じたアナログ信号を周期的にサンプリングした後、測定間隔の間に検査中のオブジェクト１０２の一部分の特性（例；密度、ｚ−効果など）を示すデジタル信号を生成する。

測定間隔の間にデータ取得器１２２から生じ、検出器アレイ１０６のチャネルから出力されたアナログ信号から生じたデジタル出力信号を当業界では「投影画像」または「ビュー」ともいう。また、投影画像の生成中に輻射源１１８と検出器アレイ１０６の角度に対応する回転支持台１０４の角度を「投影角度」ともいう。

検査するオブジェクト１０２の周りに回転支持台１０４が回転する時、データ取得器１２２は色々な角度で色々な投影画像を生成する。「測定された投影データ」とはデータ取得器１２２から生成される色々な投影データをいい、検出器アレイ１０６が検知するか測定した放射線量を示す。

画像再構成器１２４は、データ取得器１２２から投影データを受け、適宜な分析法や反復法や他の再構成技術（例；逆投影法など）を利用して測定された投影データから画像データを作り、このような画像データを以下では画像、ＣＴ画像ともいう。ＣＴスキャナーにおいては、このような画像が色々な投影角度で回転支持台１０４が回転する間のオブジェクトの２次元「スライス」の特性（例；密度、ｚ−効果など）を示す。このようにして、データが投影空間から画像空間、すなわち、ユーザが画像を見て理解できるドメインに変換される。

また、コンピュータやワークステーションのような端末１２６は、画像を受けて、モニター１２８を介して保安要員や医師のようなユーザ１３０に見せる。ユーザ１３０は、画像を検査して、オブジェクト１０２内の関心領域を確認する。端末１２６は、検査装置１０８の動作（例；回転速度やコンベヤーベルトの速度）を直接に指示するユーザの入力を受けたりもする。

端末に連結されたコントローラー１３２は、ユーザの入力を受け、検査装置１０８が実行する命令語を生成する。例えば、オブジェクト１０２を再検査したければ、オブジェクト１０２を支えている受け台１１２を検査区域に逆回転しろとの命令語をコントローラー１３２が下すことができる。

図２は、測定された投影データ２５０から画像を再構成するのに用いられる従来の画像再構成器２００のブロック図である。データ取得器１２２から画像アップデーター２０２が測定投影データ２５０を受ける。画像アップデーター２０２は２つの機能をする。測定投影データ２５０を受けた画像アップデーター２０２は、公知の分析アルゴリズムを利用し、このデータを初期画像データ２５２に変換した後、測定投影データを合成投影データ２５４と比較して画像データ２５２をアップデートする。すなわち、画像アップデーター２０２は、初めての作業中に画像データ２５２を生成し、後続作業中には以前の画像データ２５２をアップデートする。画像データ２５２を生成するアルゴリズムとアップデートするアルゴリズムは同一であっても良く、異なっても良い。図面においては、便宜上、初期画像データとアップデートされた画像データを両方とも２５２で表示する。

（２Ｄフィルター逆投影や３Ｄフィルター逆投影のような）分析アルゴリズムは、測定投影データ２５０から初期画像データ２５２を近似値で求める。すなわち、測定投影データ２５０を画像データ２５２に変換する間、この変換が正確であるかは確実でないが、例えば、画像データ２５２を投影データに正投影すれば、測定投影データ２５０と正確に一致する投影データが生成される。したがって、初期画像データ２５２は目に見える再構成アーチファクトを含むことができ、このようなアーチファクトは画像データ２５２の画質を低下させたり駄目にしたりもする。

正投影器２０４は、画像データ２５２を受け、正投影して合成投影データ２５４を作る。合成投影データ２５４は画像データ２５２を生成し、アーチファクト処理をする投影データを表示する。すなわち、合成投影データ２５４から変換されたものが画像データ２５２であり、合成投影データは近似値ではない。

合成投影データ２５４は測定投影データ２５０と一致するのが理想的である。このような一致は、測定投影データ２５０を画像データ２５２に変換する間、再構成アルゴリズムが取った仮定が正確で画像にアーチファクトがないことを示す。しかし、このようなアルゴリズムは測定投影データ２５０から画像データ２５２を近似的に求めるだけであり、合成投影データ２５４と測定投影データ２５０は初めにはほぼ一致しない。

合成投影データと測定投影データの差に基づいて、画像アップデーター２０２は、画像データ２５２を調整して測定投影データと合成投影データを一致させようとする。このような画像調整は当業界で周知の傾斜降下（ｇｒａｄｉｅｎｔ ｄｅｓｃｅｎｔ）、期待値最大化（Ｅｘｐｅｃｔａｔｉｏｎ−Ｍａｘｉｍｉｚａｔｉｏｎ）などの画像調節法によって行われる。「画像アップデート」のような表現は、合成投影データ２５４と測定投影データ２５０の差に基づいて画像データ２５２をアップデートする過程を説明するのに用いられる。

画像データ２５２を正投影して合成投影データ２５４を生成し、測定投影データ２５０と合成投影データを比較して画像データ２５２をアップデートする動作を特定出力が生じるまでに繰り返し、特定出力が生じる時、画像アップデーター２０２は最終画像データ２５６を端末１２６に送る。例えば、以上で説明した動作を特定回数（例；２０回）繰り返すようにすることができる。この回数に達すれば、画像アップデーター２０２は最終画像データ２５６のような出力を端末に送る。一方、合成投影データ２５４が測定投影データ２５０の所定の偏差や誤差範囲内にある時に繰り返しを終了するようにすることもできる。例えば、合成投影データと測定投影データが十分に一致して残留アーチファクトを無視できるか、これ以上の処理は費用の節減効果がない時などに繰り返しを終了することができる。

図２は連続画像補正法で画像を再構成する従来の反復的画像再構成器２００のブロック図であり、画像データ２５２から計算された予想投影データ（例；合成投影データ）が測定投影データ２５０とほぼ一致する。

図３は連続画像補正法で画像データを再構成する画像再構成器３００のブロック図であり、図２の実施形態と同様に、画像アップデーター３０２はデータ取得器１２２から測定投影データ３５０を受ける。画像アップデーター３０２は２つの機能をする。先ず、測定投影データ３５０を受けた画像アップデーター３０２は、このデータを公知の分析アルゴリズムを利用して初期画像データ３５２に変換する。画像アップデーター３０２は、次に測定投影データ３５０を合成投影データ３５６と比較して画像データをアップデートした画像データ３５２を生成する。便宜上、図面においては、初期画像データとアップデートされた画像データを両方とも３５２で表示する。

正則化要素３０４（ｒｅｇｕｌａｒｉｚａｔｉｏｎ ｃｏｍｐｏｎｅｎｔ）は、画像データ３５２を正則化して正則化画像データ３５４を生成する。「正則化」とは、広い意味で画像データ３５２の解像度、ＭＴＦ（ｍｏｄｕｌａｔｉｏｎ ｔｒａｎｓｆｅｒ ｆｕｎｃｔｉｏｎ）、雑音、アーチファクト、線のような画質測定値を改質したり平滑化したりすることを意味する。例えば、画像データを正則化するとは、低域通過フィルターを用いて画像データ３５２をフィルターして平滑化することを含む。このような低域通過フィルタリングにおいて、画像データ３５２とこのデータに適用された負のラプラシアン演算子の線形結合を利用することができる。しかし、他のフィルタリング技法、具体的には画像データや画像データの画質測定値を改質する他の正則化技法も考慮することができる。

画像データ３５２がある性質を有する時にだけ見える構造（例；滑らかなオブジェクト）を見ようとする放射線技師が該画像データを見るとする。正則化要素３０４は画像データ３５２の性質を調節して、一定性質を有する正則化された画像データ３５４を生成する。例えば、放射線技師が検査中のオブジェクト（例；患者）の滑らかな面を見ようとすれば、正則化要素３０４は画像データ３５２のシャープネス（ｓｈａｒｐｎｅｓｓ）を減らすか維持しつつ画像データの雑音を減らす。したがって、正則化要素３０４は、出力される最終画像（例；図２の２５６）の意図的な使用に基づいて解像度、ＭＴＦ、雑音、アーチファクト、線のような画像データ３０４の画質測定値を調節する。

測定投影データ３５０が完全に画像データ３５２に変換されて画像データに再構成アーチファクトがほぼなければ、画像データ３５２を修正し、正則化された画像データ３５４は測定投影データ３５０から生じた画像とは異なる。したがって、正則化された画像データ３５４と、このような正則化と画像アップデートから生じた最終画像データ３５８は測定投影データ３５０から生じた理想的な画像とは異なるであろう。

正投影器３０６は正則化された画像データ３５４を受けて変換するか正投影して合成投影データ３５６を作るが、この時、従来の正投影技法を利用する。例えば、与えられた放射線に対する正投影をこの放射線が交差して、例えば、ストライプとしてモデル化される画素の和で計算する。各画素の寄与分は、ストライプと予想される放射線と画素との間の交差面積として、例えば、画素／ストライプ交差面積表を利用して計算される。しかし、当業界で周知の他の正投影技法も利用することができる。

正投影器３０６は、正則化された画像データ３５４を作るための投影データを正確に示す合成投影データ３５６を生成する。

画像アップデーター３０２は合成投影データ３５６を測定投影データ３５０と比較するが、具体的には、測定投影データと合成投影データとの間のデータ不一致に対するペナルティーを示す費用関数（ｃｏｓｔ ｆｕｎｃｔｉｏｎ）に基づいて比較し、再構成された画像は費用関数を減らすか最小化するように選択される。このような費用関数としては最小二乗法（ＬＳ；Ｌｅａｓｔ Ｓｑｕａｒｅｓ）やその誘導値または最大尤度法（ＭＬ；Ｍａｘｉｍｕｍ Ｌｉｋｅｌｉｈｏｏｄ）などがあるが、これらに限定されず、当業界で周知の他の関数や画像調節法も利用することができる。

測定投影データ３５０と合成投影データ３５６の比較に基づいて、画像アップデーター３０２は画像データ３５２をアップデートするが、例えば、測定投影データを第２の画像データに変換する。用いられたアルゴリズムに応じ、画像データ３５２の画素を同時にまたは順次にアップデートすることができる。例えば、画素並列同時画像アップデート方式においては、繰り返す時ごとに全画素を同時にアップデートするが、当業界で周知の他の方式を利用することもできる。

画像データ３５２の正則化、正則化された画像データ３５４の正投影、および測定された投影データ３５０を合成投影データ３５６と比較して画像アップデーターによって画像データをアップデートする全ての行為は特定出力を得るまでに繰り返され、特定出力を得た時点で画像アップデーター３０２は最終画像データ２５６を端末１２６に送る。換言すれば、画像アップデーター３０２は、アップデートされた画像データ３５２を出力し、より最近アップデートされた画像データを示す合成画像データ３５６を受けることを継続して、特定出力を得るまでに画像データ３５２を精製する。ここで、特定出力とは、特定の繰り返し回数、合成投影データと測定投影データとの間の許容偏差閾値などを含む閾値を意味するが、これに限定されない。

ここでは、画像アップデーター３０２が画像データ３５２を正則化要素３０４に送ることとして説明したが、画像アップデーター３０２が正則化要素３０４を迂回して画像データ３５２を正投影器３０６に送ることもできる。すなわち、画像データ３５２が繰り返し回数より少なめに正則化されることもできる。例えば、画像データ３５２が端末に出力される前に２０回アップデートされ、画像アップデーター３０２は初めてや最後の繰り返し作業の間にだけ画像データ３５２を正則化要素３０４に送ることができる。したがって、残りの１８〜１９回の繰り返し作業の間には、画像アップデーター３０２が画像データ３５２を正則化要素３０４を迂回して正投影器３０６に送るため、このような１８回〜１９回の繰り返し作業の間には正則化された画像データ３５４を作らない。このようにして、１８回や１９回の繰り返し作業の間には図２の流れ図のようであるが、初めてや最後の繰り返し作業の間には図３の流れ図のようである。初めてや最後の繰り返し作業が「正則化」される２０回繰り返し作業以外の他の作業方式も勿論可能である。

図４は連続画像補正を通じて画像データを再構成する他の画像再構成器４００のブロック図であり、図２の実施形態と同様に、画像アップデーター４０２はデータ取得器１２２から測定投影データ４５０を受ける。同様に、画像アップデーター４０２は２つの機能をする。測定投影データ４５０を受けた画像アップデーター４０２は、公知の分析アルゴリズムを利用し、このデータを初期画像データ４５２に変換した後、測定投影データを合成投影データ４６２と比較して画像データ４５２をアップデートする。画像データ４５２を生成するアルゴリズムとアップデートするアルゴリズムは同一であっても良く、異なっても良い。図面においては、便宜上、初期画像データとアップデートされた画像データを両方とも４５２で表示する。

不一致検知器４０４は、測定投影データ４５０の不一致（例；アーチファクト）を引き起こすオブジェクトの特徴を示す画像データ４５２の領域を識別し、このように識別された領域４５４を分離する。当業者であれば分かるように、測定投影データ４５０内の不一致は、一般的に特別な特性や性質を有するオブジェクトから発生する。例えば、鋼鉄のように密度が高いか、水銀のようにｚ−効果が高いオブジェクトは、光子不足やレーザービーム硬化によって測定投影データ４５０に不一致を引き起こす。すなわち、あるオブジェクトが密度が高いか原子数の高い物質からなった時に生じる現象のために測定投影データ４５０に不一致が発生する。例えば、金属のような高密度物質は低エネルギー光子を吸収して、測定投影データ４５０内の高密度物質を低密度物質のように見えるようにするか、相当数の高エネルギー光子を通過させて測定投影データに不一致を引き起こす。

不一致検知器４０４は、このような不一致を引き起こす特徴を示す画像データ４５２の領域を識別し、画像データ４５２を不一致を引き起こす特徴を表示する金属板のような領域４５４と一致データを引き起こす特徴を表示する領域４６０に分離する。不一致検知器４０４は不一致を引き起こすオブジェクトの性質に該当するボクセル（ｖｏｘｅｌ）や画素の値を決定するが、例えば、画像データ４５２のボクセルや画素のｚ−効果値やＣＴナンバー（例；密度）を決定することができる。不一致検知器４０４は、画像データ４５２から特定閾値より大きい値で画像データ４５２のボクセルや画素を区分する。このようにして、不一致検知器４０４は、例えば、特定閾値より小さいか同じ密度やｚ−効果を有する特徴を示す画像データ４５２の特徴を効果的に遮蔽して、閾値より大きい密度やｚ−効果を有する特徴を示す画像データの領域を隔離する。すなわち、測定投影データ４５０に不一致を引き起こす特徴を示す画像データ４５２の隔離された領域４５４は、測定投影データに不一致を引き起こさない特徴を表示する画像データの領域４６０から分離する。

正投影器４０６は、このように不一致を示す画像データ４５２の隔離領域４５４と不一致を示さない領域４６０を受け、このような領域４５４，４６０を変換／正投影して、画像データの隔離領域４５４を表示する不一致投影データ４５６と、他の非隔離領域４６０を示す合成投影データ４６２を生成するが、この時、当業界で周知の正投影技法を利用する。例えば、与えられた放射線の正投影をこの放射線が交差するかストライプで示される画素の和で計算する。各画素の寄与分は、ストライプで表示された放射線と画素との間の交差面積として計算される。しかし、投影データを生成するための当業界で周知の他の技法を利用することもできる。

図面には正投影器４０６が１つあるが、複数あっても良く、例えば、２つ用いて、第１正投影器は画像データの隔離領域４５４を正投影し、第２正投影器は他の領域４５２を正投影するようにすることができる。また、第２正投影器が隔離領域４５４を含む画像データ４５２を正投影し、隔離領域は両正投影器がいずれも投影するようにすることもできる。

投影修正器４０８は、測定投影データ４５０と不一致投影データ４５６を受け、測定投影データに不一致を引き起こすオブジェクト特徴による測定投影データ内の不一致を修正する。例えば、測定投影データ４５０に不一致を引き起こすオブジェクト特徴を表示する部分を変調する。換言すれば、オブジェクトの類似する特徴を示す不一致投影データ４５６の部分と不一致する測定投影データ部分を変調して測定投影データ４５０を修正する。このような不一致部分を変調するのに用いられる式は、色々な材料のＸ線透過率の物理的モデルや他のモデリング技法を利用して誘導される。このようにして、投影修正器４０８は、測定投影データ４５０そのものや該データの不一致特徴を修正し、修正された測定投影データを含む修正投影データ４５８を生成するが、例えば、不一致データが少なくとも部分的に修正されてより一致するようになる。

画像アップデーター４０２は、不一致を引き起こさないオブジェクト特徴を示さない画像データ４５２の領域４６０を表示する合成投影データ４６２と修正投影データ４５８を受け、これに基づいて、修正投影データ４５８があれば、画像データ４５２をアップデートする。一方、画像アップデーター４０２が合成投影データと測定投影データを比較して画像データをアップデートすることもできる。換言すれば、後述するように、測定投影データ４５０が数回の繰り返し作業が起こるまでには修正されず、このために測定投影データが修正される前に起こる繰り返し作業の間には、画像アップデーター４０２が測定投影データと合成投影データの比較だけに基づいて画像データをアップデートすることができる。

このような比較は、修正投影データ４５８や測定投影データ４５０と合成投影データ４５６との間のデータ不一致に対するペナルティーを示す費用関数に基づいて行われ、再構成された画像は費用関数を減らすか最小化するように選択される。しかし、当業界で周知の他の方式で画像アップデートを行うこともできる。また、アップデートにどのようなアルゴリズムを用いるかにより、画像データ４５２に含まれた画素が同時にまたは順次にアップデートされたりもする。例えば、画素並列同時画像アップデート方式においては、ほぼ全ての画素が同時にアップデートされるが、当業界で周知の他の方式を利用することもできる。

測定投影データ４５０に不一致を引き起こすオブジェクト特徴を表示する画像データ４５２の領域４５４の識別、識別された領域４５４と他の領域４６０の正投影、測定投影データ４５０の修正、および／または後続繰り返し作業の間の修正投影データ４５８の修正、および修正投影データを合成投影データ４６２と比較して画像アップデーターに用いられた画像データをアップデートする全ての行為は特定出力を得るまでに繰り返され、特定出力を得た時点で画像アップデーター４０２は最終画像データ４６４を端末１２６に送る。換言すれば、画像アップデーター４０２は、画像データ４５２を出力し、より最近アップデートされた画像データを示す合成画像データ４６２を受けることを継続して、特定出力を得るまでに画像データを精製する。ここで、特定出力とは、特定の繰り返し回数、合成投影データと測定投影データとの間の許容偏差閾値などを含む閾値を意味するが、これに限定されない。

ここでは画像アップデーター４０２が画像データ４５２を不一致検知器４０４に送ることとして説明したが、画像アップデーター４０２が不一致検知器４０４を迂回して画像データを正投影器４０６に送ることもできる。すなわち、画像データ４５２の不一致区域４５４が繰り返し回数より少なめに隔離されることもできる。また、測定投影データ４５０や修正投影データ４５８が繰り返し回数より少なめに修正されることもできる。図４の例は全体の反復回数以下の一定の反復回数で実行されることができ、残りの繰り返し作業の間には図４の実施形態が実行されず、図２の実施形態が実行されることができる。

図５は連続画像補正を通じて画像データを再構成する他の画像再構成器５００のブロック図であり、図２と同様に、画像アップデーター５０２はデータ取得器１２２から測定投影データ５５０を受ける。画像アップデーター５０２は２つの機能をする。測定投影データ５５０を受けた画像アップデーター５０２は、公知の分析アルゴリズムを利用し、このデータを初期画像データ５５２に変換した後、測定投影データを合成投影データと比較して画像データ５５２をアップデートする。画像データ５５２を生成するアルゴリズムとアップデートするアルゴリズムは同一であっても良く、異なっても良い。図面においては、便宜上、初期画像データとアップデートされた画像データを両方とも５５２で表示する。

正投影器５０４は画像データ５５２を受けて変換するか正投影して合成投影データ５５４を作るが、この時、従来の正投影技法を利用する。例えば、与えられた放射線に対する正投影をこの放射線が交差して、例えば、ストライプとしてモデル化される画素の和で計算する。各画素の寄与分は、ストライプと予想される放射線と画素との間の交差面積として、例えば、画素／ストライプ交差面積表を利用して計算される。しかし、当業界で周知の他の正投影技法も利用することができる。

画像アップデーター５０２は、合成投影データ５５４に基づいて画像データ５５２をアップデートするか、測定投影データ５５０から画像データを生成するように支援する色々な要素、具体的にはウェイティング要素５０８（ｗｅｉｇｈｔｉｎｇ ｃｏｍｐｏｎｅｎｔ）および画像発生器５１０を含む。

ウェイティング要素５０８は、検出器アレイ１０６の各々のチャネルから生じる各々の投影データの不一致度を識別する。図４で説明したように、ある性質を有するオブジェクトの特徴部に放射線が交差して投影データが不一致になり得る。例えば、原子数の高い物質を有するオブジェクトの高密度特徴部においては、光子不足やレーザービーム硬化のような現象が起こり、オブジェクトを透過する高エネルギー光子量に比べて低エネルギー光子量が吸収され得るし、この場合、測定投影データ５５０に不一致が発生する。したがって、ウェイティング要素５０８は、公知の技術を利用し、測定投影データ５５０の各々の投影画像での不一致度を識別する。

不一致度を識別したウェイティング要素５０８は、検出器アレイの各チャネルの加重値を決定し、これらのチャネルから生じた測定投影データを他のチャネルから生じた測定投影データより選択的にさらに加重値を与える。このようにして、測定投影データ５５０内の一部投影データは他の投影データより大きい加重値を有する。すなわち、測定投影データ５５０に含まれたオブジェクトの写真の最初の部分は残りの部分とは異なった加重値を有する。このようになれば、画像アップデーター５０２の画像発生器５１０が測定投影データ５５０を画像データ５５２に変換したりアップデートしたりする時、測定投影データ５５０のうち、より大きい加重値を有する投影データは不一致度の高い投影データより画像アップデートにさらに大きい影響を及ぼす。したがって、投影データに加重値を与えれば、画像データ５５２のアティーファクトが減るが、これは、画像データにアーチファクトを引き起こす投影データが減るか、画像データに及ぼすこれらの投影データの影響が減るためである。

測定投影データに加重値を与える他の種々の方法も利用することができる。例えば、測定投影データ５５０を画像データ５５２に変換する前に加重値を与え、このような付与は測定投影データにおいて識別できる各々の投影データ内の不一致度だけに基づく。一方、このような不一致度を合成投影データ５５４や検査中のオブジェクトを示す画像データ５５２に基づいて識別することもできる。例えば、測定投影データ５５０に不一致を引き起こすオブジェクトの特徴の方向を画像データ５５２において識別することができる。

オブジェクトが深さ１ｃｍ、長さ１０ｃｍ、幅５ｃｍの長方形の固体金属ブロックと仮定する。このブロックの長さを透過する放射線を示す投影データはブロックの幅を透過する放射線を示す投影データより高い不一致度を有し、幅を透過する放射線を示す投影データは深さを透過する放射線を示す投影データより高い不一致度を有するが、これは、密度の高い物質においてレーザービーム硬化がより一般的に発生するためである。例えば、１０ｃｍの金属は５ｃｍの金属より密度がさらに大きく、５ｃｍの金属は１ｃｍの金属より密度がさらに大きい。したがって、ウェイティング要素５０８は、画像データ５５２からブロックの方向を決定し、ブロックの幅を透過する放射線を測定したチャネルから生じた投影データよりブロックの深さを透過する放射線を測定したチャネルから生じた投影データに加重値をさらに与え、ブロックの長さを透過した放射線を測定したチャネルから生じた投影データよりブロックの幅を透過した放射線を測定したチャネルから生じた投影データに加重値をさらに与える。このようにして、測定投影データ５５０において不一致度の低い投影データは不一致度の高い投影データより高い加重値を受ける。

画像発生器５１０はこのような加重値を用いて画像データ５５２をアップデートするが、例えば、ウェイティング要素５０８で決定した加重値に基づいて画像データ５５２をアップデートするのに用いられた方程式／アルゴリズムをアップデートした後、これを用いて合成投影データと測定投影データを比較して画像データ５５２をアップデートする。

画像データ５５２の正投影、測定された投影データ５５０の加重値の決定、および（決定された加重値を用いて）合成投影データ５５４を測定投影データ５５０と比較して画像データをアップデートする全ての行為は特定出力を得るまでに繰り返され、特定出力を得た時点で画像アップデーター５０２は最終画像データ５５８を端末１２６に送る。換言すれば、画像アップデーター５０２は、画像データ５５２を出力し、より最近アップデートされた画像データを示す合成画像データ５５４を受けることを継続して、特定出力を得るまでに画像データ５５２を補正する。ここで、特定出力とは、特定の繰り返し回数、合成投影データと測定投影データとの間の許容偏差閾値などを含む閾値を意味するが、これに限定されない。

測定投影データ５５０の加重値集合を繰り返し作業を行う時ごとに決定しなければならないということではない。すなわち、図５のブロック図は一定の繰り返し作業の間に実行され、残りの繰り返し作業の間には、測定投影データ５５０に加重値を与えないか、以前に設定された加重値を再使用することができる。

図３〜５の画像再構成器３００，４００，５００が図示していない他の画像再構成器やその構成要素をさらに有しても良い。例えば、図１の画像再構成器１２４が図３の正則化要素３０４と図４の不一致検知器４０４および投影修正器４０８をさらに有して良い。また、このような画像再構成器が図３の正則化要素３０４と図５のウェイティング要素５０８をさらに有しても良く、図４の不一致検知器４０４と投影修正器４０８および図５のウェイティング要素５０８をさらに有しても良い。したがって、図３〜５は例示したものに過ぎず、これに基づいて他の構成の画像再構成器を形成することもできる。

図６は他の画像再構成器６００のブロック図であり、具体的には図３〜５が要素を備えた画像再構成器のブロック図である。

画像アップデーター６０２は、データ取得器１２２から測定投影データ６５０を受けて画像データ６５２を再構成した後、公知のアルゴリズムを利用して繰り返し作業を行う時ごとに画像データをアップデートする。

正則化要素６０４は画像データ６５２を正則化し、正則化された画像データ６５４を生成する。図３で説明したように、「正則化」とは、広い意味で画像データ３５２の解像度、ＭＴＦ、雑音、アーチファクト、線のような画質測定値を改質したり平滑化したりすることを意味する。例えば、画像データを正則化するとは、低域通過フィルターを用いて画像データ６５２をフィルターして平滑化することを含む。このような低域通過フィルタリングにおいて、画像データ６５２とこのデータに適用された負のラプラシアン演算子の線形結合を利用することができる。しかし、他のフィルタリング技法、具体的には画像データや画像データの画質測定値を改質する他の正則化技法も考慮することができる。

第１正投影器６０６は、正則化された画像データ６５４を変換するか正投影して合成投影データ６５６を作る。

不一致検知器６０８は、測定投影データ６５０に不一致（例；アーチファクト）を引き起こすオブジェクトの特徴を示す正則化された画像データ６５４の領域を識別し、識別された領域６５８を隔離する。例えば、図４で説明したように、不一致検知器６０８は、不一致を引き起こすオブジェクトの特徴に該当するボクセルや画素の値、例えば、各ボクセルや画素に対するｚ−効果値やＣＴナンバー（例；密度）を決定する。不一致検知器６０８は、正則化された画像データ６５４から特定閾値より大きい値で画像データ６５４のボクセルや画素を区分する。このようにして、不一致検知器６０８は、例えば、特定閾値より小さいか同じ密度やｚ−効果を有する特徴を示す画像データ６５４の特徴を効果的に遮蔽するか廃棄して、例えば、正則化された画像データ６５４の隔離された領域６５８だけが不一致検知器によって出力された画像データにおいて見えるようにする。

第２正投影器６１０は、隔離された領域６５８を変換するか正投影して不一致投影データ６６０を生成する。

第１正投影器６０６が正則化された画像データ６５４のほぼ全部を正投影する反面、第２正投影器６１０は不一致検知器６０８が識別した隔離領域６５８だけを正投影する。したがって、第１正投影器６０６から生じた合成投影データ６５６は検査中のオブジェクトを表示するが、第２正投影器６１０から生じた不一致投影データ６６０は原子数の高い材料からなった高密度特徴のように測定投影データに不一致を引き起こすオブジェクト特徴だけを表示する。

不一致投影データ６６０は、測定投影データ６５０の不一致を修正する投影修正器６１２に送られる。すなわち、測定投影データ６５０の不一致は不一致投影データに基づいて修正されるが、この時、当業界で周知のアルゴリズムなどを利用することができる。このようにして、修正された投影データ６６２が生成されるが、このデータ６６２は測定投影データ６５０より不一致数がさらに少ない。

画像アップデーター６０２は、合成投影データ６５６や修正された投影データ６６２に基づいて画像データ６５２をアップデートするか、測定投影データ６５０から画像データを生成するように支援する色々な要素、具体的にはウェイティング要素６１４および画像発生器６１６を含む。

図５で説明したように、ウェイティング要素６１４は、検出器アレイの各々のチャネルから生じる各々の投影データの不一致度を識別し、識別された不一致度に基づいて検出器に対する加重値を決定して、不一致度が低ければ、不一致の高い投影データより測定投影データ６５０や修正投影データ６６２に高い加重値を与える。このようにして、画像アップデーターがこのような加重値を用いて測定投影データや修正投影データを画像データ６５２に変換する時、高い加重値を有する投影データは不一致度の高い投影データより画像アップデートにさらに大きい影響を与える。したがって、このような加重値を用いれば、画像データのアーチファクト数を減らすことができ、これは、アーチファクトを引き起こす投影画像が減るためである。

画像発生器６１６は、このような加重値を用いて画像データ６５２をアップデートする。各々の検出器の加重値が決定されれば、画像発生器はこのような加重値に基づいて画像データ６５２を生成するかアップデートするのに用いられた方程式／アルゴリズムをアップデートする。このようにして、検出器から生じ、不一致度が低く測定された投影データは不一致度が高く表示された他の投影データより高い加重値を受ける。

以上で説明した行為は特定出力を得るまでに継続し、この時、画像アップデーター６０２は最終画像データ６６６を端末１２６に送る。すなわち、特定出力を求めるまでに図６の動作が続けられる。

図３〜５と同様に、繰り返し作業を行う時にいくつかの要素を迂回することもできる。例えば、正則化された画像データ６５４のうち測定投影データに不一致を引き起こす特徴を示す領域６５８を一部の繰り返し作業の間にだけ隔離し、最初の繰り返し作業の間にだけウェイティング要素６１４を用いて測定投影データに加重値を与えることもできる。

図７は、ＣＴ検査から生じた投影データから画像を再構成するのに用いられる画像再構成法７００のフローチャートである。図７の方法は例を挙げたものに過ぎない。すなわち、図７で説明した一部の行為はオプション事項であるか選択的に適用されることもできる。

７０２ステップから始まり、７０４スタップにおいては、公知の分析法を利用して測定投影データを初期画像データに変換する。

７０６スタップにおいて、画像データを正則化する。画像データの正則化は、低域通過フィルターを用いて画像データを平滑にフィルタリングすることを含む。このような低域通過フィルタリングは、画像データに適用した負のラプラシアン演算子と画像データの線形結合を利用する。しかし、当業界で周知の他のフィルタリング技法を利用することもできる。

変調したり正則化したりした画像データは測定投影データによる画像データとは異なる。したがって、正則化された画像データと、正則化と画像アップデートによる最終画像データは測定投影データから生じる理想的な画像データとは異なる。

７０８スタップにおいて、画像データと正則化された画像データのうち少なくとも１つを正投影して合成投影データを生成する。例えば、与えられた放射線に対する正投影をこの放射線が交差して、例えば、ストライプとしてモデル化される画素の和で計算する。各画素の寄与分は、ストライプと予想される放射線と画素との間の交差面積として、例えば、画素／ストライプ交差面積表を利用して計算される。しかし、当業界で周知の他の正投影技法も利用することができる。

前述したように、合成投影データは正則化された画像データを正確に表現する。

画像データや正則化された画像データを７０８スタップにおいて正投影することは、７０６スタップを実行するかによって左右される。すなわち、この方法７００において、画像データを正則化せず、正投影して合成投影データ７０８を作ることもできる。したがって、７０６スタップを行ったか否かにより、７０８スタップにおいて画像データや正則化された画像データが正投影される。

７１０スタップにおいては、測定投影データに不一致（例；アーチファクト）を引き起こす画像データや正則化画像データの領域を識別する。画像データと正則化画像データのこのような領域は互いに同じである。しかし、画像データが正則化されず、画像データ内の領域だけを識別することもできる。

当業者であれば分かるように、測定投影データ内の不一致は一般的に特別な特性や性質を有するオブジェクトの特徴による。これについては前述した通りである。

７１０スタップの領域を識別するには、当業界で周知の分析法、反復法などの技術を利用する。これについても前述した通りである。

７１２スタップにおいて、識別された領域を画像データや正則化された画像データ内の他の部分から隔離する。例えば、閾値より高いＣＴナンバーやｚ−効果値を有すると確認されたボクセルや画素は閾値以下の値を有するボクセルや画素から分離する。このように閾値以下のＣＴナンバーやｚ−効果値を有するボクセルや画素は遮蔽や廃棄される。

７１４スタップにおいて、隔離された領域を正投影して不一致投影データを生成する。例えば、与えられた放射線に対する正投影をこの放射線が交差して、例えば、ストライプとしてモデル化される画素の和で計算する。各画素の寄与分は、ストライプと予想される放射線と画素との間の交差面積として、例えば、画素／ストライプ交差面積表を利用して計算される。しかし、当業界で周知の他の正投影技法も利用することができる。

「不一致投影データ」とは、投影データに不一致を引き起こすオブジェクトの特徴を示す画像データの領域を表示する投影データをいう。画像データや正則化された画像データの残りの領域は７１４スタップにおいて正投影されず、７１２スタップにおいて遮蔽されるか廃棄される。しかし、正則化された画像データや画像データそのものが７０８スタップにおいて正投影されることもできる。したがって、隔離された領域は７０８スタップと７１４スタップにおいて二重で正投影されることができる。

７１６スタップにおいて、測定された投影データを不一致投影データに基づいて修正して修正投影データを生成する。例えば、測定投影データに不一致を引き起こすオブジェクト特徴を表示する部分を不一致投影データによって変調する。すなわち、ほぼ類似するように表示される不一致投影データの部分を利用して不一致する部分を修正して測定投影データを修正する。このようにして、測定投影データや、測定投影データの不一致特徴を修正して測定投影データ内の不一致度を減らす。

７１０スタップにおいて前記領域が識別されないこともあり、７１０、７１２、７１４、７１６スタップで説明した行為がこの方法７００の繰り返し作業で行われず、制限された繰り返し作業においてのみ実行されることもできる。

７１８スタップにおいて、測定投影データと修正投影データのうち少なくとも１つに加重値を与え、測定投影データや修正投影データに含まれた第１投影データ集合には測定投影データや修正投影データに含まれた第２投影データ集合の加重値とは異なる加重値を割り当てる。このようにして、各々の検出器に対する加重値が生成される。一例として、測定された投影データと修正投影データの各々の投影画像での不一致度を識別し、各々の不一致度に合うように投影データごとに各々加重値を受ける。このような加重値付与方法については前述した通りである。各々の不一致度に合うように投影データに加重値を与え、例えば、一致度の高い投影データに高い加重値を与えれば、画像データにアーチファクトを引き起こす投影画像が減り、画像データのアーチファクト数が減ることができる。

７１８スタップの加重値の付与行為を全ての繰り返し作業や一部の繰り返し作業に選択的に適用することができる。例えば、測定投影データを７０４スタップにおいて画像データに変換する前に７１８スタップにおいてのみ測定投影データに加重値を与え、後続の繰り返し作業においては測定投影データや修正投影データに加重値を与えなくても良い。

７２０スタップにおいては画像データをアップデートするが、この時、合成投影データは勿論、測定投影データと修正投影データと加重値のうち少なくとも１つを利用する。例えば、７０４〜７０８スタップで説明した行為だけを実行したとすれば、合成投影データと測定投影データに基づいて画像データがアップデートされ、７０４、７０８、７１０〜７１６スタップで説明した行為や場合によっては７０６スタップの行為がさらに実行されたとすれば、合成画像データと修正画像データに基づいて画像データがアップデートされ、７０４、７０８、７１８スタップで説明した行為や場合によっては７０６スタップの行為がさらに実行されたとすれば、合成投影データと加重値に基づいて画像データがアップデートされ、７０４、７０８、７１０〜７１８スタップの行為が実行されたとすれば、合成投影データと加重値に基づいて画像がアップデートされる。したがって、アップデートを実行するのに用いられるデータは以上で説明した方法７００のうちのどの行為をしたかにより左右される。

画像アップデートをする間、合成投影データと残りのデータ（例；測定／修正投影データ）との間の類似性や差異点を用いて画像データをアップデートする。

以上で説明した行為は一定出力を得るまでに繰り返すことができ、この時、最終画像データが端末に出力されてユーザに見せられる。

この方法７００は７２２スタップで終了する。

本発明は、以上で説明した実施形態を実現するプロセッサ−実行命令語を有するコンピュータ読み取り可能な媒体に関するものでもある。このようなコンピュータ読み取り可能な媒体の一例が図８に示されており、この実施形態８００のコンピュータ読み取り可能な媒体８０２はＣＤ−Ｒ、ＤＶＤ−Ｒ、ハードディスクドライバーのプラターなどであり、コンピュータ読み取り可能なデータ８０４にエンコードされる。コンピュータ読み取り可能なデータ８０４は、以上で説明した原理に従って動作するコンピュータ命令語８０６を含む。コンピュータ命令語８０６は、図７の方法７００のうち少なくとも一部分である方法８０８を実行する。一方、このようなコンピュータ命令語８０６が図１の環境１００のようなシステムを実現することもできる。このようなコンピュータ読み取り可能な媒体は当業界によく知られている。

Claims (25)

1. 検査中のオブジェクトを表示する測定投影データから該オブジェクトのｘ−線画像を再構成する方法であって、
   測定投影データを画像データに変換するステップ、
   画像データ内の特定画質測定値を変調して、画像データを正則化された画像データに正則化するステップ、
   正則化された画像データを正投影して合成投影データを生成するステップ、および
   合成投影データを測定投影データと比較して画像データをアップデートするステップを含むことを特徴とする方法。
2. 画像データを正則化する時に画像データを平滑にフィルタリングすることを特徴とする、請求項１に記載の方法。
3. 画像データをフィルタリングする時に低域通過フィルターを用いることを特徴とする、請求項２に記載の方法。
4. 前記画質測定値が解像度、ＭＴＦ、雑音、アーチファクトおよび線のうち少なくとも一部を含むことを特徴とする、請求項１に記載の方法。
5. 測定投影データに不一致を引き起こすオブジェクト特徴を示す正則化された画像データの領域を隔離するステップ、
   前記隔離された領域を正投影して不一致投影データを生成するステップ、
   前記不一致投影データに基づいて測定投影データを修正して修正投影データを生成するステップ、および
   前記修正投影データを合成投影データと比較して画像データをアップデートするステップをさらに含むことを特徴とする、請求項１に記載の方法。
6. 前記隔離された領域が閾値を超える密度やｚ−効果値を有するオブジェクトの特徴を表示することを特徴とする、請求項５に記載の方法。
7. 画像データをアップデートする時に測定投影データの一部分に選択的に加重値を与えることを特徴とする、請求項１に記載の方法。
8. 前記加重値を与える時、
   検出器アレイの各々のチャネルに対して、測定投影データに含まれた投影画像の不一致度を識別するステップ、および
   前記識別された不一致度に基づいて、検出器アレイの他のチャネルから生じた測定投影データの投影画像より検出器アレイのチャネルから生じた測定投影データの投影画像にさらに大きい加重値を与えることを特徴とする、請求項７に記載の方法。
9. 検査中のオブジェクトを表示する測定投影データから該オブジェクトのｘ−線画像を再構成する方法であって、
   測定投影データに不一致を引き起こすオブジェクト特徴を示し、測定投影データから生じる画像データの領域を隔離するステップ、
   隔離された領域を正投影して不一致投影データを生成するステップ、
   不一致投影データに基づいて測定投影データを修正して修正投影データを生成するステップ、および
   修正投影データを用いて画像データをアップデートするステップを含むことを特徴とする方法。
10. 前記隔離するステップにおいて、特定閾値以下の密度を有するオブジェクト特徴を示す画像データの特徴を遮蔽することを特徴とする、請求項９に記載の方法。
11. 前記隔離するステップにおいて、特定閾値以下のｚ−効果値を有するオブジェクト特徴を示す画像データの特徴を遮蔽することを特徴とする、請求項９に記載の方法。
12. 前記隔離するステップにおいて、
    画像データに閾値を与え、
    特定閾値より大きい値を有する画像データに含まれたボクセルと画素のうち少なくとも１つを区分して、特定閾値以下の値を有するボクセルと画素のうち少なくとも１つは遮蔽することを特徴とする、請求項９に記載の方法。
13. 画像データの領域を隔離する前に画像データを正則化し、前記領域を正則化された画像データから隔離するステップ、
    正則化された画像データを正投影して合成投影データを生成するステップ、および
    合成投影データを測定投影データと比較して画像データをアップデートするステップをさらに含むことを特徴とする、請求項９に記載の方法。
14. 測定投影データと修正投影データのうち少なくとも１つの一部分に選択的に加重値を与えるステップをさらに含み、
    このような加重値を与えるステップにおいて、
    検出器アレイの各々のチャネルに対して、測定投影データと修正投影データのうち少なくとも１つに含まれた測定投影画像の不一致度を識別し、
    前記識別された不一致度に基づいて、検出器アレイのチャネルから生じた測定投影データの測定投影画像に検出器アレイの他のチャネルから生じた測定投影データの測定投影画像より高い加重値を与えるか、
    前記識別された不一致度に基づいて、検出器アレイのチャネルから生じた修正投影データの測定投影画像に検出器アレイの他のチャネルから生じた修正投影データの測定投影画像より高い加重値を与えることを特徴とする、請求項９に記載の方法。
15. 検査中のオブジェクトを表示する測定投影データから該オブジェクトのｘ−線画像を再構成する方法であって、
    検出器アレイの各チャネルに対して、測定投影データに含まれた測定投影画像の不一致度を識別するステップ、および
    前記識別された不一致度に基づいて、測定投影データに含まれたビューの第１部分と第２部分に各々異なる加重値を与えるステップを含むことを特徴とする方法。
16. 前記不一致度がオブジェクトを示す画像データから識別されることを特徴とする、請求項１５に記載の方法。
17. 前記不一致度がオブジェクトを示す合成投影データから識別されることを特徴とする、請求項１５に記載の方法。
18. 前記不一致度がオブジェクトを示す測定投影データから識別されることを特徴とする、請求項１５に記載の方法。
19. 検査中のオブジェクトを表示する測定投影データから該オブジェクトのｘ−線画像を再構成する方法であって、
    画像データを正則化された画像データに正則化するステップ、
    正則化された画像データを正投影して合成投影データを生成するステップ、
    測定投影データに不一致を引き起こすオブジェクト特徴を示す正則化画像データの領域を隔離するステップ、
    隔離された領域を正投影して不一致投影データを生成するステップ、
    不一致投影データに基づいて測定投影データを修正して修正投影データを生成するステップ、
    測定投影データに含まれたビューと修正投影データに含まれたビューのうち少なくとも１つの種々の部分に加重値を割り当てるが、前記各々のビューの第１部分と第２部分に各々異なる加重値を有するようにするステップ、および
    測定投影データ、修正投影データ、および前記各々のビューの種々の部分に割り当てられた加重値のうち少なくとも１つと合成投影データに基づいて、画像データをアップデートするステップを含むことを特徴とする方法。
20. 画像データを正則化するステップにおいて、画像データの特定画質測定値を変調することを特徴とする、請求項１９に記載の方法。
21. 検査中のオブジェクトを表示する測定投影データから該オブジェクトのｘ−線画像を再構成するシステムであって、
    測定投影データをオブジェクトを示す画像データに変換する画像アップデーター、
    測定投影データに不一致を引き起こすオブジェクトの特徴を示す画像データの領域を隔離する不一致検知器、
    隔離された領域を正投影して不一致投影データを生成する正投影器、および
    不一致投影データに基づいて測定投影データを修正して修正投影データを生成する投影修正器を含み、
    画像アップデーターが修正投影データに基づいて画像データをアップデートすることを特徴とするシステム。
22. 画像データを正則化し、正則化された画像データを生成する正則化要素をさらに含み、画像データを正則化する時に画像データの画質測定値を変調することを特徴とする、請求項２１に記載のシステム。
23. 前記正投影器が正則化された画像データを合成投影データに投影することを特徴とする、請求項２２に記載のシステム。
24. 前記画像アップデーターが合成投影データに基づいて画像データをアップデートすることを特徴とする、請求項２３に記載のシステム。
25. 測定投影データと修正投影データのうち少なくとも１つに含まれた各々の測定投影画像の不一致度を識別するウェイティング要素をさらに含み、前記ウェイティング要素は、前記識別された不一致度に基づいて、測定投影データに含まれた第２測定投影画像集合とは異なる第１測定投影画像集合、および修正投影データに含まれた第２測定投影画像集合とは異なる第１測定投影画像集合のうち少なくとも１つに加重値を与えることを特徴とする、請求項２１に記載のシステム。