JP2015033581A - X線コンピュータ断層撮像装置及び医用画像処理プログラム - Google Patents
X線コンピュータ断層撮像装置及び医用画像処理プログラム Download PDFInfo
- Publication number
- JP2015033581A JP2015033581A JP2014161436A JP2014161436A JP2015033581A JP 2015033581 A JP2015033581 A JP 2015033581A JP 2014161436 A JP2014161436 A JP 2014161436A JP 2014161436 A JP2014161436 A JP 2014161436A JP 2015033581 A JP2015033581 A JP 2015033581A
- Authority
- JP
- Japan
- Prior art keywords
- image
- spectral
- detector
- resolution
- ray
- 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
- 238000002591 computed tomography Methods 0.000 title claims abstract description 47
- 238000001514 detection method Methods 0.000 claims abstract description 22
- 230000003595 spectral effect Effects 0.000 claims description 152
- 230000010354 integration Effects 0.000 claims description 38
- 230000004907 flux Effects 0.000 claims description 6
- 238000001228 spectrum Methods 0.000 abstract description 19
- 238000000034 method Methods 0.000 description 48
- 230000008569 process Effects 0.000 description 26
- 239000000463 material Substances 0.000 description 13
- ZCYVEMRRCGMTRW-UHFFFAOYSA-N 7553-56-2 Chemical compound [I] ZCYVEMRRCGMTRW-UHFFFAOYSA-N 0.000 description 10
- OYPRJOBELJOOCE-UHFFFAOYSA-N Calcium Chemical compound [Ca] OYPRJOBELJOOCE-UHFFFAOYSA-N 0.000 description 10
- 229910052791 calcium Inorganic materials 0.000 description 10
- 239000011575 calcium Substances 0.000 description 10
- 229910052740 iodine Inorganic materials 0.000 description 10
- 239000011630 iodine Substances 0.000 description 10
- 230000035939 shock Effects 0.000 description 10
- 238000003384 imaging method Methods 0.000 description 4
- 238000000926 separation method Methods 0.000 description 4
- 229910004613 CdTe Inorganic materials 0.000 description 3
- 238000007781 pre-processing Methods 0.000 description 3
- 238000011084 recovery Methods 0.000 description 3
- 229910004611 CdZnTe Inorganic materials 0.000 description 2
- 101000971427 Plasmodium falciparum Knob-associated histidine-rich protein Proteins 0.000 description 2
- 230000009471 action Effects 0.000 description 2
- 238000013480 data collection Methods 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000005855 radiation Effects 0.000 description 2
- 210000001015 abdomen Anatomy 0.000 description 1
- 210000001124 body fluid Anatomy 0.000 description 1
- 239000010839 body fluid Substances 0.000 description 1
- 210000000988 bone and bone Anatomy 0.000 description 1
- 238000013170 computed tomography imaging Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000003707 image sharpening Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 210000004185 liver Anatomy 0.000 description 1
- 238000002595 magnetic resonance imaging Methods 0.000 description 1
- 210000003205 muscle Anatomy 0.000 description 1
- 238000009206 nuclear medicine Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
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
- G06T11/008—Specific post-processing after tomographic reconstruction, e.g. voxelisation, metal artifact correction
-
- 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
- A61B6/42—Arrangements for detecting radiation specially adapted for radiation diagnosis
- A61B6/4208—Arrangements for detecting radiation specially adapted for radiation diagnosis characterised by using a particular type of detector
- A61B6/4241—Arrangements for detecting radiation specially adapted for radiation diagnosis characterised by using a particular type of detector using energy resolving detectors, e.g. photon counting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/4053—Scaling of whole images or parts thereof, e.g. expanding or contracting based on super-resolution, i.e. the output image resolution being higher than the sensor resolution
- G06T3/4061—Scaling of whole images or parts thereof, e.g. expanding or contracting based on super-resolution, i.e. the output image resolution being higher than the sensor resolution by injecting details from different spectral ranges
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/73—Deblurring; Sharpening
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10072—Tomographic images
- G06T2207/10081—Computed x-ray tomography [CT]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10072—Tomographic images
- G06T2207/10108—Single photon emission computed tomography [SPECT]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2210/00—Indexing scheme for image generation or computer graphics
- G06T2210/41—Medical
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Medical Informatics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- General Health & Medical Sciences (AREA)
- Radiology & Medical Imaging (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Pathology (AREA)
- Animal Behavior & Ethology (AREA)
- High Energy & Nuclear Physics (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Optics & Photonics (AREA)
- Biophysics (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Measurement Of Radiation (AREA)
Abstract
【課題】高分解能パンクロマティック画像を使用するCT低分解能スペクトル画像のパンシャープン処理を実行するX線コンピュータ断層撮像装置等を提供すること
【解決手段】X線管と複数の第1の検出素子を有するエネルギー積分検出器とを用いて取得されたエネルギー積分データから高分解能パンクロマティック画像を再構成し、X線管と複数の第1の検出素子に比して大きなピッチで配列された複数の第2の検出素子を有する光子計数検出器とを用いて取得されたスペクトルエネルギーデータから少なくとも1つの低分解能スペクトル画像を再構成し、高分解能パンクロマティック画像を用いて、少なくとも1つの低分解能スペクトル画像に対応する少なくとも1つの高分解能スペクトル画像を生成する。
【選択図】 図1
【解決手段】X線管と複数の第1の検出素子を有するエネルギー積分検出器とを用いて取得されたエネルギー積分データから高分解能パンクロマティック画像を再構成し、X線管と複数の第1の検出素子に比して大きなピッチで配列された複数の第2の検出素子を有する光子計数検出器とを用いて取得されたスペクトルエネルギーデータから少なくとも1つの低分解能スペクトル画像を再構成し、高分解能パンクロマティック画像を用いて、少なくとも1つの低分解能スペクトル画像に対応する少なくとも1つの高分解能スペクトル画像を生成する。
【選択図】 図1
Description
X線コンピュータ断層撮影(X線CT)画像処理に関し、特に、高分解能パンクロマティック(非スペクトル)画像を使用するCT低分解能スペクトル画像のパンシャープン処理(pansharpening)を実行するX線コンピュータ断層撮像装置(X線CT装置)、及び医用画像処理プログラムに関する。
エネルギー弁別X線検出器としても知られる光子計数検出器をコンピュータ断層撮影(CT)に組み込むことが、大きく望まれている。光子計数検出器は、画質を向上させ、線量を減少させ、CTの新しい臨床応用を可能にするいくつかの可能性を有する。光子計数検出器は、材料分類を行い、定量的画像化を改良し、ビームハードニングアーチファクト(beam-hardening artifacts)を減少させるための追加のスペクトル情報を含むデータを取得する。
広く使用されているエネルギー積分(energy inegrating)検出器についての上記利点にもかかわらず、光子計数検出器はある欠点を有する。光子計数検出器は、一般に、高いコストおよびその計数率によって制限される。さらに、光子計数検出器の信号対雑音比(SNR)が、小さい画素サイズについて低X線束レベルで低下するが、光子計数検出器は、小さい画素サイズによって高レベルの画素間干渉を受ける。一方、CdTe/CdZnTeセンサ等の光子計数検出器は、高X線束レベルでの性能が低く、結果としてSNRが低下する。これらの理由で、光子計数検出器は、臨床CTシステムで現在利用されているエネルギー積分検出器の代わりにはなっていない。
光子計数検出器の前述した問題のため、光子計数検出器と統合検出器との組合せを利用する二管球CTシステム(dual-tube CT system)が提案されている。1つの例示的な二管球CTシステムでは、一方の線源が、光子計数検出器に向けてX線を投影し、他方の線源が、光子計数検出器に対して所定の角度で配置された従来の検出器に向けてX線を投影する。例示的な二管球CTシステムで使用される高X線束率に対処するために、光子計数検出器の画素サイズは実質的に小さく作られたが、光子計数検出器の前述した利点が実質的に減少する点まで、電荷共有およびKエスケープ率(K-escape rates)が増加している。
しかしながら、高いコストおよび低いサンプリング速度等の公知の欠点のない光子計数検出器を使用するCT撮影を改良することが依然として望まれている。
目的は、高分解能パンクロマティック画像を使用するCT低分解能スペクトル画像のパンシャープン処理を実行するX線コンピュータ断層撮像装置、及び医用画像処理プログラムを提供することである。
本実施形態に係るX線コンピュータ断層撮像装置は、X線を発生する少なくとも一つのX線管と、複数の第1の検出素子を有しエネルギー積分データを取得するためのエネルギー積分検出器と、前記複数の第1の検出素子に比して大きなピッチで配列された複数の第2の検出素子を有しスペクトルエネルギーデータを取得するための光子計数検出器と、を有し、前記少なくとも一つのX線管から曝射されるX線を検出するX線検出器と、前記エネルギー積分データから高分解能パンクロマティック画像を再構成し、かつ前記スペクトルエネルギーデータから少なくとも1つの低分解能スペクトル画像を再構成する画像再構成ユニットと、前記高分解能パンクロマティック画像を用いて、前記少なくとも1つの低分解能スペクトル画像に対応する少なくとも1つの高分解能スペクトル画像を生成する画像処理ユニットと、を具備するものである。
以下で図面を参照する。複数の図面を通じて、同一の参照符号は対応する構造を示す。特に図1を参照すると、図は、ガントリ100および他のデバイスまたはユニットを備えた、低分解能スペクトル画像をパンシャープン処理するためのマルチスライスX線CT装置またはスキャナの一実施形態を示す。ガントリ100は、前面から見た様子が示され、X線管101、環状フレーム102、およびマルチローまたは二次元配列タイプのX線検出器103をさらに備える。X線管101およびX線検出器103は、軸RAの周りを回転する環状フレーム102上で被検体Sを横切って直径方向に取り付けられる。一対のX線管101およびX線検出器103が図示されるが、低分解能スペクトル画像をパンシャープン処理するための実施形態は、場合によって、複数対のX線管101およびX線検出器103を備える。被検体Sが軸RAに沿って図の紙面の奥または手前に移動する間に、回転ユニット107がフレーム102を1回転0.4秒等の高速で回転させる。
マルチスライスX線CT装置は、管電圧をX線管101に印加してX線管101がX線を発生させるようにする高電圧発生器109をさらに備える。一実施形態では、高電圧発生器109がフレーム102に取り付けられる。X線が被検体Sに向けて放射され、被検体Sの横断面積が円で表される。X線検出器103は、被検体Sを横切ってX線管101の反対側に位置し、被検体Sを透過した放射X線を検出する。
図1をさらに参照すると、X線CT装置またはスキャナが、放射X線を検出して、検出された信号を処理するためのデータ収集装置(data acquisition device)111をさらに備える。一実施形態では、X線検出器103が、所定数のエネルギービンのそれぞれにおける光子を計数するための光子計数検出器を使用して実施される。エネルギービンのそれぞれが、検出器103で、透過したX線中のエネルギーの所定範囲を定義する。
さらに、X線検出器103は、光子計数検出器およびエネルギー積分検出器の組合せを使用して実施される。すなわち、光子計数検出器、エネルギー積分検出器は、それぞれ複数の検出素子を有する。光子計数検出器に対応する複数の検出素子は、エネルギー積分検出器に対応する複数の検出素子に比して、大きなピッチで配列される。
X線検出器103で放射X線を検出した後、データ収集回路(data acquisition circuit)104が、X線検出器103から各チャネルについて出力された信号を電圧信号に変換し、それを増幅し、さらにそれをデジタル信号に変換する。X線検出器103およびデータ収集回路104は、1回転当たり所定の総数の投影(TPPR)を処理するように構成される。
スペクトル画像をパンシャープン処理する一実施形態では、X線検出器103が、光子計数検出器とエネルギー積分検出器との組合せを含む。光子計数検出器は低分解能スペクトルデータを検出し、エネルギー積分検出器は高分解能パンクロマティック(非スペクトル)データを検出する。光子計数検出器およびエネルギー積分検出器の1つの例示的な構成が、図2に関して別の実施形態で示されるが、特定の幾何学的構成に必ずしも限定されず、変形を含む。例えば、図2では、第3世代のRotate/Rotate方式を採用するX線コンピュータ断層撮像装置において、光子計数検出器に対応する複数の検出素子を、エネルギー積分検出器に対応する複数の検出素子に比して、まばら(sparse)に配列した構成を例示している。しかしながら、これに拘泥されず、例えば、第4世代のStationary/Rotate方式を採用するX線コンピュータ断層撮像装置において、環状に固定されたエネルギー積分検出器に対応する複数の検出素子の間に、まばらに配列された光子計数検出器に対応する複数の検出素子を配列した構成を採用するようにしてもよい。さらに、エネルギー積分検出器を用いた撮像系を第3世代のRotate/Rotate方式で、光子計数検出器を用いた撮像系を第4世代のStationary/Rotate方式で(或いはその逆)、構成するようにしてもよい。
前記データは、非接触データ送信機105を通して、ガントリ100外側のコンソールに収容された前処理デバイス106に送られる。前処理デバイス106は、生データの感度補正等の、ある補正を行う。記憶デバイスまたはデータ記憶ユニット112は、次に、再構成処理直前の段階で、投影データとも呼ばれる結果として得られるデータを記憶する。記憶デバイス112は、画像再構成ユニットまたはデバイス114、表示デバイス116、入力デバイス115、およびスキャン計画支援装置200とともに、データ/制御バスを通してシステムコントローラ110に接続される。スキャン計画支援装置200は、スキャン計画を展開させる撮影技術者を支援する機能を有する。
本X線コンピュータ断層撮像装置の一態様によれば、画像再構成デバイス114の一実施形態は、フィルタ逆投影(FBP)技術等の所定の再構成プロセスに基づいて、記憶デバイス112に記憶された投影データから画像を再構成する。別の実施形態では、再構成デバイス114が、場合によって、所定の逐次近似再構成(iteratively reconstructing)アルゴリズムによる所定数の反復時に特定の反復結果をエミュレートする追加の機能を有するフィルタ逆投影(FBP)技術に基づいて、投影データから画像を再構成する。一般に、再構成デバイス114は、エネルギー積分検出器により最初に取得された投影データからの高分解能パンクロマティック(非スペクトル)画像と、光子計数検出器により最初に取得された投影データからの低分解能スペクトル画像とを生成する。生成された高分解能パンクロマティック画像、低分解能スペクトル画像は、データ記憶ユニット112に記憶される。
再構成デバイス114は、ソフトウェアとハードウェアとの組合せで実施され、特定の実施に限定されない。再構成デバイス114の以下の説明では、「ユニット」または「デバイス」という用語は、ハードウェアおよび/またはソフトウェアを含む。さらに、再構成デバイス114の概念を、核医学および磁気共鳴画像法(MRI)を含む他のモダリティに適用することができる。
パンシャープンスペクトル画像の一実施形態は、画像パンシャープン処理デバイスもしくはユニット117をさらに備える。画像パンシャープン処理ユニット117は、高分解能パンクロマティック画像と少なくとも1つの低分解能スペクトル画像とを受け、所定の技術に基づいて高分解能パンクロマティック画像を使用して少なくとも1つの低分解能スペクトル画像をパンシャープン処理して、高分解能スペクトル画像をパンシャープン画像として生成する。一般に、所定の技術は、高分解能情報を低分解能スペクトル画像に融合させて、高分解能スペクトル画像を生成するパンシャープン処理アルゴリズムを伴う。
図2は、低分解能スペクトル画像をパンシャープン処理するための一実施形態におけるハイブリッド光子計数CTの部分図を示す。図2は、2対の検出器およびX線源が所定の構成で固定して取り付けられるフレーム102を示す。2対のそれぞれについて、検出器およびX線源が患者Pを横切って直径方向に配置される。第1の対は第1のX線源101Aと光子計数検出器103Aとを備え、第2の対は第2のX線源101Bとエネルギー積分検出器103Bとを備える。第1の対および第2の対は、一実施形態において互いに特定の角度で配置される。さらに、光子計数検出器103Aは、エネルギー積分検出器103Bの画素サイズよりも実質的に大きい画素サイズを有する。第1のX線源101Aと第2のX線源101Bとの両方が、一実施形態において多色である。
図3は、一実施形態における2D光子計数検出器の部分上面図である。散乱線除去グリッド(anti-scatter grid)またはコリメータ103Cが、画素サイズを定義するためのCZT/CdTeセンサ103A等の光子計数検出器上に配置される。図3の光子計数検出器103Aの画素サイズは、図2のエネルギー積分検出器103Bの画素サイズよりも実質的に大きい(すなわち、光子計数検出器に対応する複数の検出素子の配列ピッチは、エネルギー積分検出器に対応する複数の検出素子の配列ピッチに比して、大きい。)。例えば、光子計数画素サイズは、1つの実施において、エネルギー積分画素サイズよりも2〜4倍大きい。さらに、散乱線除去グリッド103Cの1つの実施は、1つの実施における少なくとも約200ミクロンのグリッド厚さを利用する。厚さが最小であると、光子計数検出器103Aの隣接する検出素子のクロストーク干渉が、実質的に最小になる。一般に、結果として、前記実施において騒音が低下する。他方、前記実施において、X線束(flux)を減らしてパルスのパイルアップを回避するために、コリメーションが必要となり得る。
図1、2および3に示すような構成は、高分解能パンクロマティック画像に基づいて低分解能スペクトル画像をパンシャープン処理するためのデータを取得する際の一実施形態における、ハイブリッド光子計数CTの一部を実施するための例示にすぎない。光子計数検出器とエネルギー積分検出器とをどのように使用して低分解能スペクトル画像と高分解能パンクロマティック画像とを取得するかに関する特定の要件が必ずしもあるわけではない。同様に、低分解能スペクトル画像と高分解能パンクロマティック画像とがどのように低分解能スペクトルデータと高分解能パンクロマティックデータとから生成されるかに関する特定の要件が必ずしもあるわけではない。最後に、光子計数画素サイズをエネルギー積分画素サイズに対してどれだけ大きくすべきかに関する特定の要件が必ずしもあるわけではない。
次に図4を参照すると、図は、画像パンシャープン処理ユニット117の一実施形態を示す。画像パンシャープン処理ユニット117は、所定数の画像を入力として受ける。一般に、画像パンシャープン処理ユニット117は1組の低分解能スペクトル画像L1〜Lnを受け、これらの画像はそれぞれ、光子計数検出器の所定のビンの1つに対応する。すなわち、低分解能画像L1〜Lnのそれぞれが、光子計数検出器の特定のビンで取得された対応するスペクトルデータから再構成されている。たとえば、光子計数検出器が所定数のn個のビンを有する場合、n個の低分解能画像L1〜Lnが生成され、低分解能画像が最大n個まで画像パンシャープン処理ユニット117に入力されてパンシャープン処理され、それらの分解能を向上させる。同時に、単一の高分解能パンクロマティック画像HRPIも画像パンシャープン処理ユニット117に入力される。すなわち、高分解能パンクロマティック画像HRPIはエネルギー積分検出器で取得されたデータから再構成されている。画像パンシャープン処理ユニット117は、1組の高分解能スペクトル画像H1〜Hnを出力し、このデータセットはそれぞれ、光子計数検出器の所定のビンの1つに対応する。
さらに図4を参照すると、画像パンシャープン処理ユニット117は、1組の高分解能スペクトル画像H1〜Hnを最終的に出力するための、勾配一致モジュール117Aと、第1のスペクトル一致モジュール117Bと、第2のスペクトル一致モジュール117Cとをさらに備える。加えて、画像パンシャープン処理ユニット117は、場合によって、強度ショックフィルタモジュール117Dを備える。1つの実施では、勾配一致モジュール117A、スペクトル一致モジュール117B、117C、および強度ショックフィルタモジュール117Dの少なくとも一部が、ソフトウェアモジュールとして実施される。別の実施では、勾配一致モジュール117A、スペクトル一致モジュール117B、117C、および強度ショックフィルタモジュール117Dの少なくとも一部が、ソフトウェアモジュールとハードウェアデバイスとの組合せとして実施される。勾配一致モジュール117A、スペクトル一致モジュール117B、117C、および強度ショックフィルタモジュール117Dがどのように実施されるかに関して、特許請求の範囲に記載されたもの以外の追加の要件は必ずしも必要ではない。
一般に、勾配一致モジュール117A、第1のスペクトル一致モジュール117B、および第2のスペクトル一致モジュール117Cは、下記の式(1)等の所定の式で表す所定のアルゴリズムに基づいて実施される。
ここで、αは所定の係数、Miは低分解能におけるスペクトル画像の1つ、Ipanは高分解能におけるパンクロマティック画像、fiは高分解能におけるパンシャープンスペクトル画像の対応する1つである。すなわち、E(fi)は最適化のために最小化される目的汎関数である。さらに、記号Ωは統合する面積を単に意味し、全画像が上記の場合に統合される。fjは、他のスペクトル画像からの情報を含むようにすべてのjまたはすべての画像にわたって合計されて、画像fi、目的汎関数の質を実質的に向上させる。
画像パンシャープン処理ユニット117の一実施形態では、勾配一致モジュール117Aが、式(2)で表されるような分解能回復のための第1項を実行する。
これは、パンクロマティック画像からの詳細の導入を促す。所定の第1の係数値λ1は、分解能回復のための勾配一致項に対して重み付けし、例示的な値0.1、0.25、0.5、0.75または1.0を有する。
同様に、第1のスペクトル一致モジュール117Bは、式(3)で表すように、階調を低分解能画像に対して忠実に維持するための第2項を実行する。
これは、スペクトル特徴とマルチスペクトル画像との一致を強化する。第2項は一度に1つの画像について低分解能および高分解能を一致させた後、すべての画像を合計する。所定の第2の係数値λ2は、階調を低分解能画像に対して忠実に維持するためのスペクトル一致項に対して重み付けし、例示的な値0.1、0.25、0.5、0.75または1.0を有する。
場合によって、第2のスペクトル一致モジュール117Cは、式(4)で表すように、階調を低分解能画像に対して忠実に維持するための第2項を実行する。
式(4)はスペクトル特徴とマルチスペクトル画像との一致を強化する。第3項は、異なる低分解能画像に一致する相関項と呼ばれる。たとえば、第1のスペクトルビンは第2のスペクトルビンに一致する。いずれの場合にも、第1のスペクトル一致モジュール117Bと第2のスペクトル一致モジュール117Cとの両方が、実質的に、階調を高分解能パンクロマティック画像に対して忠実に維持する。所定の第3の係数値λ3は、階調を低分解能画像に対して忠実に維持するためのスペクトル一致項に対して重み付けし、例示的な値0.1、0.25、0.5、0.75または1.0を有する。
これに関し、画像パンシャープン処理ユニット117の別の実施形態は、第2のスペクトル一致モジュール117Cを含むことができず、またはこれを作動させないため、画像パンシャープン処理ユニット117は勾配一致モジュール117Aと第1のスペクトル一致モジュール117Bとを備えるだけである。前記汎関数の第1の変分を導き出すことにより、前記汎関数は、場合によって、式(5)で表されるような標準勾配下降アルゴリズムによって最小化される。
記号の一部を反復するため、Miは低分解能におけるスペクトル画像の1つ、Ipanは高分解能におけるパンクロマティック画像、およびfiは高分解能におけるパンシャープンスペクトル画像の対応する1つである。すなわち、E(fi)は最適化のために最小化される目的汎関数である。
さらに別の実施形態では、強度ショックフィルタモジュール117Dが、場合によって、式(6)で表すような画像の鮮明化を促進するための以下の項を実行する。
上記項は、式(7)に示すような最急下降等の更新式で画像を鮮明化するための逆拡散項と呼ばれる。所定の第4の係数値λ4は、ショックフィルタの強度についての逆拡散項に対して重み付けする。
前記4つの所定の係数λ1〜λ4を使用して、勾配一致モジュール117A、第1のスペクトル一致モジュール117B、第2のスペクトル一致モジュール117C、および強度ショックフィルタモジュール117Dの4つの競合する項の相対強調に対して重み付けし、最終的に1組の高分解能スペクトル画像H1〜Hnを出力する。画像パンシャープン処理ユニット117の他の実施形態は、前記モジュールに限定されず、場合によって他のモジュールを備える。いずれの場合にも、実施形態は、これらのモジュールを制御する種々の方法で実施され、モジュールの一部または全部が、場合によって、並行して操作されるようにする。
次に図5を参照すると、フローチャートは、本実施形態による、少なくとも1つの高分解能パンクロマティック画像に基づいて高分解能スペクトル画像を生成するために、低分解能スペクトル画像をパンシャープン処理する例示的なプロセスに含まれるステップまたは行為を示す。例示的なプロセスは、場合によって単一のステップに組み合わせられ、または場合によってサブステップにさらに分割される、あるステップを単に示す。例示的なプロセスは、図示したステップまたは行為に必ずしも限定されない。加えて、ステップおよび行為のそれぞれは、単一のユニットまたはデバイスに必ずしも対応せず、場合によって、複数のユニットまたはデバイスにより実行される。
図5をさらに参照すると、低分解能スペクトル画像がステップS100で得られる。一実施形態では、所定数の低分解能スペクトル画像が、CdTe/CdZnTe検出器等のある光子計数検出器で最初に取得される対応するスペクトルビンデータから再構成される。低分解能スペクトル画像が実施形態において光子計数検出器で取得されたスペクトルデータから再構成されるが、低分解能スペクトル画像がパンシャープン処理のために利用可能であれば、これらの画像がステップS100でどのように得られるかに関する限定はない。
同様に、少なくとも1つの高分解能パンクロマティック画像がステップS110で得られる。一実施形態で、少なくとも1つの高分解能パンクロマティック画像が、あるエネルギー積分検出器で最初に取得された対応するエネルギー積分データから再構成される。実施形態では、高分解能パンクロマティック画像が、エネルギー積分検出器で取得された統合データから再構成されるが、高分解能パンクロマティック画像がパンシャープン処理のために利用可能であれば、これらの画像がステップS110でどのように得られるかに関する限定はない。さらに、ステップS100およびS110の時間的順序には、特に限定はない。これに関し、ステップS100およびS110は、場合によって、並行して実行される。
図5をさらに参照すると、複数の低分解能スペクトル画像および少なくとも1つの高分解能パンクロマティック画像が得られた後、ステップS120で、高分解能パンクロマティック画像および他の低分解能スペクトル画像に基づいて、上記アルゴリズムの1つ等の所定の技術により、低分解能スペクトル画像のそれぞれがパンシャープン処理される。パンシャープン処理ステップS120は特定のアルゴリズムに限定されず、場合によって、前述したパンシャープン処理アルゴリズムの他の変形を含む。一実施形態によれば、1つの例示的なアルゴリズムが、図4に示すように、勾配一致モジュール117A、第1のスペクトル一致モジュール117B、第2のスペクトル一致モジュール117C、および強度ショックフィルタモジュール117Dのある組合せにより実行されて、最終的に1組の高分解能スペクトル画像H1〜Hnを出力する。勾配一致モジュール117A、第1のスペクトル一致モジュール117B、第2のスペクトル一致モジュール117C、および強度ショックフィルタモジュール117Dはそれぞれ、式(2)、(3)、(4)および(6)により表されるように、パンシャープン処理ステップS120の種々の態様を実行する。
例示的なプロセスの前述した特徴のため、複数組の高分解能スペクトル画像が、場合によって、選択されたパンシャープン処理技術に基づいて得られる。さらに、高分解能スペクトル画像のそれぞれが、場合によって、関心領域(ROI)における特定の必要性により選択されたパンシャープン処理技術に基づいて得られる。言い換えると、選択されたパンシャープン処理技術は、ステップS120において複数の低分解能スペクトル画像をパンシャープン処理する際に必ずしも同一ではない。
パンシャープン処理ステップS120の結果として、高分解能スペクトル画像が、ステップS130で出力される。出力ステップS130は、1つの目的汎関数E(fi)が最小化され、対応する高分解能スペクトル画像が1つの例示的なプロセスにおいて出力されるときに、場合によって逐次的である。別の例示的なプロセスでは、出力ステップS130は、すべての高分解能スペクトル画像が得られるまで待機する。いずれの場合にも、高分解能スペクトル画像のそれぞれが、出力ステップ130の終了時に使用するために出力される。
図5のパンシャープン処理ステップS120に関して一般的に説明した後、パンシャープン処理ステップS120のより詳細な態様を、1つの例示的なプロセスで図6にさらに示す。1つの例示的なプロセスでは、パンシャープン処理ステップS120が、スペクトルデータのi番目のビンを選択するステップS200と、目的汎関数を最小化するステップS210と、場合によってパラメータまたは重みを調節するステップS220と、すべての低分解能スペクトル画像がパンシャープン処理されたか否かに関して判定するステップとをさらに含む。
図6をさらに参照すると、ビンを選択するステップS200は、所定の光子計数検出器で取得されたスペクトルデータのi番目のビンに対応する低分解能スペクトル画像を選択する。一実施形態では、i番目のビンが、指数iを1だけ増加させることにより、1〜n番目のビンから連続して選択される。別の実施形態では、i番目のビンが、場合によって、特定の材料ベースに対して、ユーザベースのあるスペクトル情報により選択される。たとえば、5つのスペクトル画像が、5つのビンを有する光子計数検出器により取得されたスペクトルデータから得られる。
最小化ステップS210では、目的汎関数が、スペクトルデータのi番目のビンに対応する選択された低分解能スペクトル画像について最小化される。前述したように、パンシャープン画像は、一実施形態における式(5)等のエネルギー関数を最小化することにより見出される。一般に、パンシャープン処理技術の使用は、低分解能スペクトル画像を改良するための反復技術の使用よりもコンピュータ的に効率的である。他方、パンシャープン処理技術の使用は、場合によって、代替実施形態において、反復技術の使用と組み合わされる。
パラメータ調節ステップS220では、ある所定のパラメータが、場合によって調節されて、本発明によるパンシャープン処理プロセス中にスペクトル画像の質をさらに向上させる。オプションのパラメータは、式(1)に示したように、λ1、λ2、λ3およびλ4ならびにα等の重みを含む。これに関し、αは所定の係数である。所定の第1の係数値λ1は分解能回復のための勾配一致項に対して重み付けし、例示的な値0.1、0.25、0.5、0.75または1.0を有する。所定の第2の係数値λ2は、階調を低分解能画像に対して忠実に維持するためのスペクトル一致項に対して重み付けし、例示的な値0.1、0.25、0.5、0.75または1.0を有する。所定の第3の係数値λ3は、階調を低分解能画像に対して忠実に維持するためのスペクトル一致項に対して重み付けし、例示的な値0.1、0.25、0.5、0.75または1.0を有する。パラメータ値は、ユーザ入力に基づいて、しばしば経験的に調節される。
最後に、パンシャープン処理プロセスを終了すべきか否かについて判定される。すなわち、対象の低分解能スペクトル画像のすべてがステップS200〜S210の所定の技術によりパンシャープン処理されているか否かについて一般に判定される。ステップS230で、低分解能スペクトル画像のすべてがパンシャープン処理されている場合、例示的なパンシャープン処理プロセスはそれ自体を終了する。他方、ステップS230で低分解能スペクトル画像のすべてがパンシャープン処理されているわけではないと判定された場合、例示的なパンシャープン処理プロセスが、選択ステップS200から繰り返すことにより継続される。
次に図7A、7Bおよび7Cを参照すると、画像はパンシャープン画像の例示的な結果を示す。図7Aは、本実施形態に係るX線コンピュータ断層撮像装置のあるエネルギー積分検出器で取得された非スペクトルデータから再構成された、所定のファントムの512×512真像または高分解能パンクロマティック画像である。単一の画像が例示されているが、場合によって、複数の高分解能パンクロマティック画像が利用される。高分解能パンクロマティック画像は、所定の再構成アルゴリズムに基づいて再構成されている。
図7Bは、本実施形態に係るX線コンピュータ断層撮像装置のある光子計数検出器の第1のビンで取得されたスペクトルデータから再構成された、同一の所定のファントムの128×128低分解能スペクトル画像である。単一の画像が例示されているが、場合によって、複数の低分解能スペクトル画像が使用される。低分解能スペクトル画像は、所定の再構成アルゴリズムに基づいて再構成されている。これに関し、一実施形態において、同一の所定の再構成アルゴリズムを使用して、高分解能パンクロマティック画像と低分解能スペクトル画像とを再構成する。他方、別の実施形態において、場合によって、高分解能パンクロマティック画像と低分解能スペクトル画像との間で異なる所定の再構成アルゴリズムを使用する。
図7Cは、本実施形態に係るX線コンピュータ断層撮像装置の所定のパンシャープン処理技法に基づいて、図7Aの高分解能パンクロマティック画像および図7Bの低分解能スペクトル画像から生成された、同一の所定のファントムの512×512高分解能パンシャープンスペクトル画像である。式(1)〜(6)で前述した種々の項を含むある変形を含むパンシャープン処理アルゴリズムの群から選択された所定のパンシャープン処理アルゴリズムに基づいて、高分解能パンシャープンスペクトル画像が生成されている。図7Cに示すスペクトル画像は、そのスペクトル特性を維持しつつ、図7Bの低分解能スペクトル画像についてその分解能を実質的に向上させている。加えて、場合によって、複数の高分解能パンシャープンスペクトル画像が生成される。
次に図8A、8Bおよび8Cを参照すると、関心領域(ROI)が、本実施形態に係るX線コンピュータ断層撮像装置における所定のパンシャープン処理技術に基づいて実質的に改良される。例示的なファントムの1つは、腹部を通る軸方向スライスを表し、骨、肝臓、体液、および筋肉からなる楕円を含む。一般に、光子計数検出器のエネルギービンのそれぞれからの、パンシャープン画像は、グランドトゥルースまたは高分解能パンクロマティック画像の分解能のほぼすべてを、高コントラストな対象におけるスペクトル歪みのいくつかの小さな例外を有して、実質的に回復させている。図8は、特定のエネルギービンからの低分解能画像における特定のROIを改良する様子を示す。
やはり図8Aを参照すると、所定のファントムの512×512真像または高分解能パンクロマティック画像および部分ROI画像が、本実施形態に係るX線コンピュータ断層撮像装置のあるエネルギー積分検出器で取得された非スペクトルデータから再構成されている。単一のROI画像が例示されているが、場合によって、複数のROI画像が利用される。高分解能パンクロマティック画像は、所定の再構成アルゴリズムに基づいて再構成されている。右下の角では、部分高分解能パンクロマティック画像が所定のROIから選択されている。
図8Bは、本実施形態に係るX線コンピュータ断層撮像装置のある光子計数検出器の第4のエネルギービン(80−120keV)で取得されたスペクトルデータから再構成された、同一の所定のファントムの128×128低分解能スペクトル画像および部分ROI画像である。単一の画像が例示されているが、場合によって、複数の低分解能スペクトル画像が利用される。低分解能スペクトル画像は、所定の再構成アルゴリズムに基づいて再構成されている。これに関し、一実施形態において、同一の所定の再構成アルゴリズムを使用して、高分解能パンクロマティック画像と低分解能スペクトル画像とを再構成する。他方、別の実施形態において、場合によって、高分解能パンクロマティック画像と低分解能スペクトル画像との間で異なる所定の再構成アルゴリズムを使用する。右下の角では、部分低分解能パンクロマティック画像が同一の所定のROIから選択されている。
図8Cは、本実施形態に係るX線コンピュータ断層撮像装置の所定のパンシャープン処理技術に基づいて、図8Aの高分解能パンクロマティック画像および図8Bの低分解能スペクトル画像から生成された、高分解能パンシャープンスペクトル画像および部分ROI画像である。式(1)〜(6)で前述した種々の項を含むある変形を含むパンシャープン処理アルゴリズムの群から選択された所定のパンシャープン処理アルゴリズムに基づいて、高分解能パンシャープンスペクトル画像が生成されている。図8Cに示すスペクトル画像は、そのスペクトル特性を維持しつつ、図8Bの低分解能スペクトル画像についてその分解能を実質的に向上させている。右下の角では、部分高分解能スペクトルROI画像が、同一の所定のROIから選択されている。あるいは、高分解能パンシャープンスペクトルROI画像が、高分解能パンクロマティックROI画像と低分解能スペクトルROI画像とに基づいて所定のパンシャープン処理技術により生成されている。加えて、場合によって、複数の高分解能パンシャープンスペクトルROI画像が生成される。
次に図9を参照すると、一対のグラフが、例示的なパンシャープン処理プロセスが材料分類にどのように影響するかを示す。種々のヨウ素およびカルシウム濃度のディスクを含む所定の材料分類ファントムを使用すると、例示的なパンシャープン処理プロセスは、異なるディスクのROIからの散布図によって示されるように、材料分類タスクに影響を与えることはできない。散布図から、材料分類は、本発明による例示的なパンシャープン処理プロセスによって大きく影響を受けることはない。
次に図9Aを参照すると、散布図は、高分解能パンシャープンスペクトル画像における、3.5度の角度分離を有するカルシウムとヨウ素の材料分類を示す。x軸は第3のエネルギービンのHU値であり、y軸は第4のエネルギービンのHU値である。さらに、実線はヨウ素を示し、点線はカルシウムを示す。カルシウムとヨウ素の材料分類の両方が、本発明による例示的なパンシャープン処理プロセス後に、高分解能パンシャープンスペクトル画像において第3および第4のビンの間で実質的に直線である。
次に図9Bを参照すると、散布図は、高分解能光子係数画像における、3.3度の角度分離を有するカルシウムとヨウ素の材料分類を示す。x軸は第3のエネルギービンのHU値であり、y軸は第4のエネルギービンのHU値である。さらに、実線はヨウ素を示し、点線はカルシウムを示す。カルシウムとヨウ素の材料分類の両方が、本発明による例示的なパンシャープン処理プロセス前に、高分解能光子係数画像において第3および第4のビンの間で実質的に直線である。図9Aおよび9Bの2つの散布図の間の比較の結果として、カルシウムとヨウ素の材料分類は、例示的なパンシャープン処理プロセスによって、第3および第4のビンの間で大きく影響を受けることはない。
上記実施形態では、X線コンピュータ断層撮像装置において高分解能パンシャープンスペクトル画像を取得するためのパンシャープン処理を実行する場合を例示した。しかしながら、当該例に拘泥されず、エネルギー積分検出器を用いて取得されたエネルギー積分データから再構成される高分解能パンクロマティック画像、光子計数検出器を用いて取得されたスペクトルエネルギーデータから再構成される少なくとも1つの低分解能スペクトル画像を予め記憶しておき、事後的に医用画像処理装置において本実施形態に係るパンシャープン処理を実行するようにしてもよい。係る場合、本実施形態に係るパンシャープン処理を実現する専用プログラムをインストールし、これを起動することで、医用ワークステーションやパーソナルコンピュータによって実現するようにしてもよい。
上記において、本発明の多くの特徴および利点について、本発明の構造および機能の詳細と共に記載したが、開示は例示的なものにすぎないこと、ならびに、詳細、特に形状、サイズ、および部品の配置の状態と、ソフトウェア、ハードウェア、または両方の組合せの実施とに変更を行うことができるが、添付の特許請求の範囲を表す用語の広く一般的な意味で示される最大限まで、変更が本発明の原理内に含まれることを理解されたい。
100…ガントリ、101A、101B…X線源、102…環状フレーム、103…X線検出器、103A…光子計数検出器、103B…エネルギー積分検出器、103C…コリメータ(散乱線除去グリッド)、104…データ収集回路、105…非接触データ送信機、106…前処理デバイス、107…回転ユニット、109…高電圧発生器、110…システムコントローラ、111…データ収集装置、112…記憶デバイス、114…画像再構成デバイス、115…入力デバイス、116…表示デバイス、117…画像パンシャープン処理ユニット、117A…勾配一致モジュール、117B…スペクトル一致モジュール、117C…スペクトル一致モジュール、117D…強度ショックフィルタモジュール、200…スキャン計画支援装置
Claims (7)
- X線を発生する少なくとも一つのX線管と、
複数の第1の検出素子を有しエネルギー積分データを取得するためのエネルギー積分検出器と、前記複数の第1の検出素子に比して大きなピッチで配列された複数の第2の検出素子を有しスペクトルエネルギーデータを取得するための光子計数検出器と、を有し、前記少なくとも一つのX線管から曝射されるX線を検出するX線検出器と、
前記エネルギー積分データから高分解能パンクロマティック画像を再構成し、かつ前記スペクトルエネルギーデータから少なくとも1つの低分解能スペクトル画像を再構成する画像再構成ユニットと、
前記高分解能パンクロマティック画像を用いて、前記少なくとも1つの低分解能スペクトル画像に対応する少なくとも1つの高分解能スペクトル画像を生成する画像処理ユニットと、
を具備することを特徴とするX線コンピュータ断層撮像装置。 - 前記第2の検出素子のサイズは、前記第1の検出素子のサイズに比して大きいことを特徴とする請求項1記載のX線コンピュータ断層撮像装置。
- 前記光子計数検出器が、前記エネルギー積分検出器のために使用される第2のX線束レベルよりも低い第1のX線束レベルを利用する請求項1又は2に記載のスペクトル画像を改良するためのシステム。
- 前記少なくとも一つのX線管として、前記光子計数検出器と対応させた第1のX線管と、前記エネルギー積分検出器に対応させた第2のX線管と、を具備する請求項1乃至3のうちいずれか一項記載のX線コンピュータ断層撮像装置。
- 前記画像再構成ユニットは、前記高分解能スペクトル画像をシード画像とした逐次近似再構成を実行することを特徴とする請求項1乃至4のうちいずれか一項記載のX線コンピュータ断層撮像装置。
- 前記画像処理ユニットが、
ここでIpanが前記高分解能パンクロマティック画像、Miが前記低分解能スペクトル画像のi番目のチャネル、およびfiが前記高分解能スペクトル画像のi番目のチャネルであること、
を特徴とする請求項1乃至5のうちいずれか一項記載のX線コンピュータ断層撮像装置。 - コンピュータに、
X線管と複数の第1の検出素子を有するエネルギー積分検出器とを用いて取得されたエネルギー積分データから高分解能パンクロマティック画像を再構成し、X線管と前記複数の第1の検出素子に比して大きなピッチで配列された複数の第2の検出素子を有する光子計数検出器とを用いて取得されたスペクトルエネルギーデータから少なくとも1つの低分解能スペクトル画像を再構成する画像再構成機能と、
前記高分解能パンクロマティック画像を用いて、前記少なくとも1つの低分解能スペクトル画像に対応する少なくとも1つの高分解能スペクトル画像を生成する画像処理機能と、
を実現させることを特徴とする医用画像処理プログラム。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US13/960,819 US9437016B2 (en) | 2013-08-07 | 2013-08-07 | Image domain pansharpening method and system for spectral CT with large pixel energy discriminating detectors |
US13/960,819 | 2013-08-07 |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2015033581A true JP2015033581A (ja) | 2015-02-19 |
Family
ID=52448711
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2014161436A Pending JP2015033581A (ja) | 2013-08-07 | 2014-08-07 | X線コンピュータ断層撮像装置及び医用画像処理プログラム |
Country Status (2)
Country | Link |
---|---|
US (1) | US9437016B2 (ja) |
JP (1) | JP2015033581A (ja) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2015033582A (ja) * | 2013-08-07 | 2015-02-19 | ザ・ユニバーシティー・オブ・シカゴ | X線コンピュータ断層撮像装置及び医用画像処理プログラム |
JP2018175866A (ja) * | 2017-04-13 | 2018-11-15 | キヤノンメディカルシステムズ株式会社 | X線ct装置 |
US10769822B2 (en) | 2017-04-13 | 2020-09-08 | Canon Medical Systems Corporation | X-ray CT apparatus |
US11278213B2 (en) | 2017-11-24 | 2022-03-22 | Canon Medical Systems Corporation | Medical data processing apparatus, magnetic resonance imaging apparatus, and learned model generating method |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150178957A1 (en) * | 2013-12-20 | 2015-06-25 | Toshiba Medical Systems Corporation | Iterative reconstruction for spectral ct based upon combined data of full views of intensity data and sparse views of spectral data |
US10646176B2 (en) * | 2015-09-30 | 2020-05-12 | General Electric Company | Layered radiation detector |
EP3667370A1 (en) * | 2018-12-11 | 2020-06-17 | Koninklijke Philips N.V. | Energy weighting of photon counts for conventional imaging |
CN110428370B (zh) * | 2019-07-01 | 2021-11-23 | 北京理工大学 | 一种利用偏心旋转提高锥形束spect成像分辨率的方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070147574A1 (en) * | 2005-12-22 | 2007-06-28 | Bernard De Man Bruno K | Method for performing image reconstruction using hybrid computed tomography detectors |
JP2009056305A (ja) * | 2007-08-29 | 2009-03-19 | General Electric Co <Ge> | 第二の管/検出器によるパッチ処理を用いたct撮像のシステム及び方法 |
JP2009268892A (ja) * | 2008-04-30 | 2009-11-19 | Ge Medical Systems Global Technology Co Llc | X線検出器およびx線ct装置 |
JP2011100426A (ja) * | 2009-11-09 | 2011-05-19 | Iwate Univ | 画像処理装置及び方法 |
JP2013063138A (ja) * | 2011-09-16 | 2013-04-11 | Toshiba Corp | 医用画像処理装置及び医用画像処理プログラム |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5949914A (en) * | 1997-03-17 | 1999-09-07 | Space Imaging Lp | Enhancing the resolution of multi-spectral image data with panchromatic image data using super resolution pan-sharpening |
US20070076842A1 (en) * | 2005-09-30 | 2007-04-05 | Tkaczyk John E | Adaptable energy discriminating computed tomography system |
JP4970296B2 (ja) * | 2008-01-21 | 2012-07-04 | 株式会社パスコ | オルソフォト画像の生成方法、および撮影装置 |
WO2012148919A2 (en) * | 2011-04-25 | 2012-11-01 | Skybox Imaging, Inc. | Systems and methods for overhead imaging and video |
KR101871361B1 (ko) * | 2011-11-01 | 2018-08-03 | 삼성전자주식회사 | 고해상도 및 고대조도 영상을 동시에 생성하기 위한 광자 계수 검출 장치 및 방법 |
US9237874B2 (en) * | 2012-04-30 | 2016-01-19 | General Electric Company | Method and system for non-invasive imaging of a target region |
US9224216B2 (en) * | 2013-07-31 | 2015-12-29 | Kabushiki Kaisha Toshiba | High density forward projector for spatial resolution improvement for medical imaging systems including computed tomography |
US10176603B2 (en) * | 2013-08-07 | 2019-01-08 | The University Of Chicago | Sinogram (data) domain pansharpening method and system for spectral CT |
-
2013
- 2013-08-07 US US13/960,819 patent/US9437016B2/en active Active
-
2014
- 2014-08-07 JP JP2014161436A patent/JP2015033581A/ja active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070147574A1 (en) * | 2005-12-22 | 2007-06-28 | Bernard De Man Bruno K | Method for performing image reconstruction using hybrid computed tomography detectors |
JP2007167663A (ja) * | 2005-12-22 | 2007-07-05 | General Electric Co <Ge> | ハイブリッド型コンピュータ断層撮影検出器を使用して画像再構成を行うための方法 |
JP2009056305A (ja) * | 2007-08-29 | 2009-03-19 | General Electric Co <Ge> | 第二の管/検出器によるパッチ処理を用いたct撮像のシステム及び方法 |
JP2009268892A (ja) * | 2008-04-30 | 2009-11-19 | Ge Medical Systems Global Technology Co Llc | X線検出器およびx線ct装置 |
JP2011100426A (ja) * | 2009-11-09 | 2011-05-19 | Iwate Univ | 画像処理装置及び方法 |
JP2013063138A (ja) * | 2011-09-16 | 2013-04-11 | Toshiba Corp | 医用画像処理装置及び医用画像処理プログラム |
Non-Patent Citations (1)
Title |
---|
D RIGIE: "A Pan-Sharpening Approach to Multiresolution Image Fusion for Hybrid Counting/integrating CT", MEDICAL PHYSICS, vol. 40, no. 6, JPN7018000749, 11 July 2013 (2013-07-11), pages 527頁, ISSN: 0003910561 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2015033582A (ja) * | 2013-08-07 | 2015-02-19 | ザ・ユニバーシティー・オブ・シカゴ | X線コンピュータ断層撮像装置及び医用画像処理プログラム |
JP2018175866A (ja) * | 2017-04-13 | 2018-11-15 | キヤノンメディカルシステムズ株式会社 | X線ct装置 |
US10769822B2 (en) | 2017-04-13 | 2020-09-08 | Canon Medical Systems Corporation | X-ray CT apparatus |
JP7179479B2 (ja) | 2017-04-13 | 2022-11-29 | キヤノンメディカルシステムズ株式会社 | X線ct装置 |
US11278213B2 (en) | 2017-11-24 | 2022-03-22 | Canon Medical Systems Corporation | Medical data processing apparatus, magnetic resonance imaging apparatus, and learned model generating method |
Also Published As
Publication number | Publication date |
---|---|
US9437016B2 (en) | 2016-09-06 |
US20150043795A1 (en) | 2015-02-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11847761B2 (en) | Medical image processing apparatus having a plurality of neural networks corresponding to different fields of view | |
US20230119427A1 (en) | Apparatus and method for medical image reconstruction using deep learning for computed tomography (ct) image noise and artifacts reduction | |
JP6677962B2 (ja) | X線コンピュータ断層撮像装置 | |
JP2015033581A (ja) | X線コンピュータ断層撮像装置及び医用画像処理プログラム | |
JP6513431B2 (ja) | X線ct装置及びその制御方法 | |
Richard et al. | Quantitative imaging in breast tomosynthesis and CT: Comparison of detection and estimation task performance | |
JP2020168353A (ja) | 医用装置及びプログラム | |
JP2018140165A (ja) | 医用画像生成装置 | |
Weidinger et al. | Polychromatic iterative statistical material image reconstruction for photon-counting computed tomography | |
US9292946B2 (en) | X ray computer tomography apparatus and image processing apparatus | |
JP6494982B2 (ja) | X線コンピュータ断層撮影装置、画像処理装置及び画像処理プログラム | |
JP2021013725A (ja) | 医用装置 | |
JP6793469B2 (ja) | データ処理装置、x線ct装置及びデータ処理方法 | |
JP2018057867A (ja) | 医用画像処理装置、x線コンピュータ断層撮像装置及び医用画像処理方法 | |
JP6176828B2 (ja) | 画像再構成装置、画像再構成方法およびx線コンピュータ断層撮影装置 | |
EP3760126B1 (en) | Systems and methods for high-resolution spectral computed tomography imaging | |
CN114901148A (zh) | 用于生成光子计数光谱图像数据的设备 | |
US20190385345A1 (en) | Image noise estimation using alternating negation | |
JP2008267913A (ja) | 核医学診断装置およびそれに用いられる診断システム | |
WO2015059827A1 (ja) | 輪郭画像生成装置および核医学診断装置 | |
US20230237638A1 (en) | Apparatus and methods for unsupervised image denoising using double over-parameterization | |
Tilley | High-quality computed tomography using advanced model-based iterative reconstruction | |
EP4323967A1 (en) | Determining a confidence indication for deep-learning image reconstruction in computed tomography | |
JP2023129298A (ja) | 計算機式断層写真法システムのための適応型データ取得 | |
WO2024036278A1 (en) | System and method for generating denoised spectral ct images from spectral ct image data acquired using a spectral ct imaging system |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20170613 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20180226 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20180313 |
|
A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20181106 |