JP2014518133A - 画像再構成方法とシステム{iterativeimagereconsgtruction} - Google Patents
画像再構成方法とシステム{iterativeimagereconsgtruction} Download PDFInfo
- Publication number
- JP2014518133A JP2014518133A JP2014518519A JP2014518519A JP2014518133A JP 2014518133 A JP2014518133 A JP 2014518133A JP 2014518519 A JP2014518519 A JP 2014518519A JP 2014518519 A JP2014518519 A JP 2014518519A JP 2014518133 A JP2014518133 A JP 2014518133A
- Authority
- JP
- Japan
- Prior art keywords
- data
- projection data
- image
- image data
- projection
- 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.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/003—Reconstruction from projections, e.g. tomography
- G06T11/005—Specific pre-processing for tomographic reconstruction, e.g. calibration, source positioning, rebinning, scatter correction, retrospective gating
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- 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 for radiation diagnosis, e.g. combined with radiation therapy equipment
- A61B6/02—Devices for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
- A61B6/03—Computerised tomographs
- A61B6/032—Transmission computed tomography [CT]
-
- 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
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
【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。
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)
- 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。 - 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。
- 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。
- 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。
- 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。 - 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。
- 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。
- 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。 - 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。 - 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。
- 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。
- 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。 - 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。 - 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。 - 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。 - 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。
- 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。
- 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。
- 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。 - 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。
- 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。 - 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。
- 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。
- 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。
- 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。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/US2011/042638 WO2013002805A1 (en) | 2011-06-30 | 2011-06-30 | Iterative image reconstruction |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2014518133A true JP2014518133A (ja) | 2014-07-28 |
Family
ID=44628125
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2014518519A Pending JP2014518133A (ja) | 2011-06-30 | 2011-06-30 | 画像再構成方法とシステム{iterativeimagereconsgtruction} |
Country Status (4)
Country | Link |
---|---|
US (1) | US9824467B2 (ja) |
EP (1) | EP2727083B1 (ja) |
JP (1) | JP2014518133A (ja) |
WO (1) | WO2013002805A1 (ja) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20190015990A (ko) * | 2017-08-07 | 2019-02-15 | 삼성전자주식회사 | 워크 스테이션 이를 포함하는 의료영상 장치, 및 그 제어방법 |
JP2020537555A (ja) * | 2017-09-22 | 2020-12-24 | エヌビュー メディカル インク | 機械学習レギュラライザを用いた画像再構成 |
JP7280184B2 (ja) | 2016-11-18 | 2023-05-23 | ウォルフラム アール.ヤーリッシュ | システム、データストレージデバイスおよび方法 |
Families Citing this family (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140072108A1 (en) * | 2010-07-16 | 2014-03-13 | David P. Rohler | Methods and apparatus for extended low contrast detectability for radiographic imaging systems |
RU2013136560A (ru) * | 2011-01-06 | 2015-02-20 | Конинклейке Филипс Электроникс Н.В. | Система визуализации для визуализации объекта |
US9105124B2 (en) * | 2012-06-21 | 2015-08-11 | General Electric Company | Methods and systems for reducing noise- related imaging artifacts |
US10679104B2 (en) * | 2012-10-26 | 2020-06-09 | Varian Medical Systems, Inc. | Forward projection cylinder volume method |
US9478049B2 (en) | 2013-09-30 | 2016-10-25 | Koninklijke Philips N.V. | Method for local adjustment of regularization parameters for image quality optimization in fully 3D iterative CT reconstruction |
JP6482934B2 (ja) | 2014-06-03 | 2019-03-13 | キヤノンメディカルシステムズ株式会社 | 画像処理装置、放射線検出装置および画像処理方法 |
CN106456092B (zh) * | 2014-06-05 | 2019-09-03 | 株式会社日立制作所 | 图像处理装置以及重构条件设定方法 |
WO2016132880A1 (ja) * | 2015-02-16 | 2016-08-25 | 株式会社日立製作所 | 演算装置、x線ct装置、及び画像再構成方法 |
CN104821003B (zh) * | 2015-04-13 | 2017-12-08 | 中国科学院苏州生物医学工程技术研究所 | 一种ct图像重建方法 |
US9662084B2 (en) * | 2015-06-18 | 2017-05-30 | Toshiba Medical Systems Corporation | Method and apparatus for iteratively reconstructing tomographic images from electrocardiographic-gated projection data |
GB201512304D0 (en) * | 2015-07-13 | 2015-08-19 | Whispering Gibbon Ltd | Preparing a polygon mesh for printing |
US10489942B2 (en) * | 2016-03-23 | 2019-11-26 | Rensselaer Polytechnic Institute | Devices, systems and methods utilizing framelet-based iterative maximum-likelihood reconstruction algorithms in spectral CT |
US9965875B2 (en) * | 2016-06-21 | 2018-05-08 | Carestream Health, Inc. | Virtual projection image method |
JP6707046B2 (ja) * | 2017-03-17 | 2020-06-10 | 富士フイルム株式会社 | 断層像処理装置、方法およびプログラム |
US10417793B2 (en) * | 2017-03-23 | 2019-09-17 | Wisconsin Alumni Research Foundation | System and method for data-consistency preparation and image reconstruction |
CN110956910B (zh) * | 2018-09-26 | 2023-05-26 | 中强光电股份有限公司 | 投影装置及其投影方法 |
US11704795B2 (en) * | 2019-10-09 | 2023-07-18 | Siemens Medical Solutions Usa, Inc. | Quality-driven image processing |
KR102491692B1 (ko) * | 2021-06-22 | 2023-01-26 | 엘지전자 주식회사 | 엑스선 촬영 장치 및 엑스선 영상 처리 방법 |
CN116413823A (zh) * | 2021-12-30 | 2023-07-11 | 同方威视技术股份有限公司 | 工件检查装置和方法 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001286463A (ja) * | 2000-04-07 | 2001-10-16 | Shimadzu Corp | X線ct装置の画像処理方法及びx線ct装置並びにx線ct撮影用記録媒体 |
JP2004528100A (ja) * | 2001-04-23 | 2004-09-16 | フィリップス メディカル システムズ テクノロジーズ リミテッド | Ct画像再構成 |
JP2007520300A (ja) * | 2004-02-05 | 2007-07-26 | 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 | ボクセル組織クラスを分散するctにおける高減衰オブジェクトにより生じる画像全体のアーティファクトの縮小 |
JP2007244871A (ja) * | 2006-03-16 | 2007-09-27 | Siemens Medical Solutions Usa Inc | サイノグラムから画像を再構成する方法およびこの方法を実行するコンピュータプログラム命令を格納するコンピュータ読み出し可能媒体およびサイノグラムから画像を再構成する装置 |
JP2007530086A (ja) * | 2003-07-18 | 2007-11-01 | 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 | Ctにおける金属アーチファクトの訂正 |
JP2009510400A (ja) * | 2005-09-26 | 2009-03-12 | 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 | エンハンストノイズ抑制フィルタリング機能と共に反復的に画像再構築を行うシステム、方法及び画像プロセッサ |
JP2009201840A (ja) * | 2008-02-29 | 2009-09-10 | Ge Medical Systems Global Technology Co Llc | X線ct装置およびプログラム |
JP2009540966A (ja) * | 2006-06-22 | 2009-11-26 | ゼネラル・エレクトリック・カンパニイ | 画像の分解能を高めるシステム及び方法 |
JP2010514530A (ja) * | 2007-01-04 | 2010-05-06 | 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 | 獲得投影データから関心領域の補正画像を生成する装置、方法、及びコンピュータ・プログラム |
Family Cites Families (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE4316162A1 (de) | 1993-05-14 | 1994-11-17 | Zinser Textilmaschinen Gmbh | Andrückrollengehänge mit Schwingungsdämpfung |
US5473657A (en) | 1994-02-08 | 1995-12-05 | Analogic Corporation | X-ray tomographic scanning system |
US5474840A (en) | 1994-07-29 | 1995-12-12 | Minnesota Mining And Manufacturing Company | Silica-containing vibration damper and method |
US6823037B2 (en) | 2001-04-05 | 2004-11-23 | Analogic Corporation | Roller truck for CT scanner |
US7187794B2 (en) * | 2001-10-18 | 2007-03-06 | Research Foundation Of State University Of New York | Noise treatment of low-dose computed tomography projections and images |
WO2003101301A1 (fr) * | 2002-06-03 | 2003-12-11 | Hitachi Medical Corporation | Dispositif tomodensitometre rayons x a tranches multiples |
EP1639550A1 (en) * | 2003-06-18 | 2006-03-29 | Philips Intellectual Property & Standards GmbH | Motion compensated reconstruction technique |
JP2006046643A (ja) | 2004-07-02 | 2006-02-16 | Honda Motor Co Ltd | ドライブシャフト及びその製造方法 |
US7583829B2 (en) * | 2004-09-13 | 2009-09-01 | Siemens Medical Solutions Usa, Inc. | Method and apparatus for embolism analysis |
JP2007048726A (ja) | 2005-08-05 | 2007-02-22 | Hamai Denkyu Kogyo Kk | 照明用ledモジュール |
US20080273651A1 (en) * | 2007-05-05 | 2008-11-06 | Franz Edward Boas | Methods and apparatus for reducing artifacts in computed tomography images |
US20090052762A1 (en) * | 2007-05-29 | 2009-02-26 | Peter Dugan | Multi-energy radiographic system for estimating effective atomic number using multiple ratios |
JP2009046643A (ja) | 2007-08-23 | 2009-03-05 | Daito Kasei Kogyo Kk | セルロース被覆顔料およびその製造方法並びにそれを含有する化粧料 |
JP5491791B2 (ja) | 2009-07-28 | 2014-05-14 | 株式会社東芝 | X線ct装置及びx線ct装置の設置方法 |
-
2011
- 2011-06-30 WO PCT/US2011/042638 patent/WO2013002805A1/en active Application Filing
- 2011-06-30 US US14/130,044 patent/US9824467B2/en active Active
- 2011-06-30 EP EP11730538.3A patent/EP2727083B1/en active Active
- 2011-06-30 JP JP2014518519A patent/JP2014518133A/ja active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001286463A (ja) * | 2000-04-07 | 2001-10-16 | Shimadzu Corp | X線ct装置の画像処理方法及びx線ct装置並びにx線ct撮影用記録媒体 |
JP2004528100A (ja) * | 2001-04-23 | 2004-09-16 | フィリップス メディカル システムズ テクノロジーズ リミテッド | Ct画像再構成 |
JP2007530086A (ja) * | 2003-07-18 | 2007-11-01 | 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 | Ctにおける金属アーチファクトの訂正 |
JP2007520300A (ja) * | 2004-02-05 | 2007-07-26 | 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 | ボクセル組織クラスを分散するctにおける高減衰オブジェクトにより生じる画像全体のアーティファクトの縮小 |
JP2009510400A (ja) * | 2005-09-26 | 2009-03-12 | 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 | エンハンストノイズ抑制フィルタリング機能と共に反復的に画像再構築を行うシステム、方法及び画像プロセッサ |
JP2007244871A (ja) * | 2006-03-16 | 2007-09-27 | Siemens Medical Solutions Usa Inc | サイノグラムから画像を再構成する方法およびこの方法を実行するコンピュータプログラム命令を格納するコンピュータ読み出し可能媒体およびサイノグラムから画像を再構成する装置 |
JP2009540966A (ja) * | 2006-06-22 | 2009-11-26 | ゼネラル・エレクトリック・カンパニイ | 画像の分解能を高めるシステム及び方法 |
JP2010514530A (ja) * | 2007-01-04 | 2010-05-06 | 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 | 獲得投影データから関心領域の補正画像を生成する装置、方法、及びコンピュータ・プログラム |
JP2009201840A (ja) * | 2008-02-29 | 2009-09-10 | Ge Medical Systems Global Technology Co Llc | X線ct装置およびプログラム |
Non-Patent Citations (3)
Title |
---|
JPN5006016846; SUBBARAO P M V: 'Performance of iterative tomographic algorithms applied to non-destructive evaluation with limited d' NDT & E INTERNATIONAL V30 N6, 199712, P359-370, BUTTERWORTH-HEINEMANN * |
JPN6015007494; Sunnegardh, Johan ; Grasruck, Michael: 'Nonlinear regularization of iterative weighted filtered backprojection for helical cone-beam CT' Nuclear Science Symposium Conference Record, 2008. NSS '08. IEEE , 200810, pp.5090-5095, IEEE * |
JPN7015000491; Marina Chukalina, Dmitry P. Nikolaev, Alexandre Simionovici: '"ART" IN X-RAY TOMOGRAPHY: IMAGE NOISE REDUCTION' Proceedings 21st European Conference on Modelling and Simulation , 2007, ECMS * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7280184B2 (ja) | 2016-11-18 | 2023-05-23 | ウォルフラム アール.ヤーリッシュ | システム、データストレージデバイスおよび方法 |
KR20190015990A (ko) * | 2017-08-07 | 2019-02-15 | 삼성전자주식회사 | 워크 스테이션 이를 포함하는 의료영상 장치, 및 그 제어방법 |
KR102620359B1 (ko) * | 2017-08-07 | 2024-01-04 | 삼성전자주식회사 | 워크 스테이션 이를 포함하는 의료영상 장치, 및 그 제어방법 |
JP2020537555A (ja) * | 2017-09-22 | 2020-12-24 | エヌビュー メディカル インク | 機械学習レギュラライザを用いた画像再構成 |
US11610346B2 (en) | 2017-09-22 | 2023-03-21 | Nview Medical Inc. | Image reconstruction using machine learning regularizers |
Also Published As
Publication number | Publication date |
---|---|
WO2013002805A1 (en) | 2013-01-03 |
US20140140601A1 (en) | 2014-05-22 |
EP2727083B1 (en) | 2017-08-09 |
EP2727083A1 (en) | 2014-05-07 |
US9824467B2 (en) | 2017-11-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP2014518133A (ja) | 画像再構成方法とシステム{iterativeimagereconsgtruction} | |
Xu et al. | A practical cone-beam CT scatter correction method with optimized Monte Carlo simulations for image-guided radiation therapy | |
La Riviere et al. | Reduction of noise-induced streak artifacts in X-ray computed tomography through spline-based penalized-likelihood sinogram smoothing | |
US8705827B2 (en) | Scatter correction methods | |
US9245320B2 (en) | Method and system for correcting artifacts in image reconstruction | |
US9074986B2 (en) | System and method for reducing high density artifacts in computed tomography imaging | |
JP2018140165A (ja) | 医用画像生成装置 | |
US20130202080A1 (en) | System and Method for Denoising Medical Images Adaptive to Local Noise | |
JP5588849B2 (ja) | X線画像の時間分解能を高めるシステム | |
JP2020534929A (ja) | 深層学習ベースの散乱補正 | |
US7747057B2 (en) | Methods and apparatus for BIS correction | |
US20050249431A1 (en) | Method for post- reconstructive correction of images of a computer tomograph | |
US10282872B2 (en) | Noise reduction in tomograms | |
CN108338802B (zh) | 用于减少图像伪影的方法 | |
JP2020512900A (ja) | コンピュータ断層撮影における単一エネルギーデータを用いたアーチファクト低減の方法 | |
Johnston et al. | Temporal and spectral imaging with micro‐CT | |
US10098603B2 (en) | Method for estimation and correction of grid pattern due to scatter | |
Pivot et al. | Scatter correction for spectral CT using a primary modulator mask | |
US11013487B2 (en) | Method and apparatus for computed tomography (CT) and material decomposition with count-rate dependent pileup correction | |
JP2004357969A (ja) | X線計測装置 | |
JP6437163B1 (ja) | コンピュータ断層撮影画像生成装置 | |
WO2018104349A1 (en) | Image noise estimation using alternating negation | |
Zhu et al. | MTF measurement and a phantom study for scatter correction in CBCT using primary modulation | |
RU2736160C1 (ru) | Способ формирования медицинского изображения | |
Jakab et al. | High quality cone-beam CT reconstruction on the GPU |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20140411 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20150218 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20150303 |
|
A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20150818 |