JP2018515160A - フォトンカウンティングマルチビン検出器からのエネルギー分解画像データに基づく画像再構成 - Google Patents

フォトンカウンティングマルチビン検出器からのエネルギー分解画像データに基づく画像再構成 Download PDF

Info

Publication number
JP2018515160A
JP2018515160A JP2017548881A JP2017548881A JP2018515160A JP 2018515160 A JP2018515160 A JP 2018515160A JP 2017548881 A JP2017548881 A JP 2017548881A JP 2017548881 A JP2017548881 A JP 2017548881A JP 2018515160 A JP2018515160 A JP 2018515160A
Authority
JP
Japan
Prior art keywords
basis
image
decomposition
compound
concentration
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.)
Granted
Application number
JP2017548881A
Other languages
English (en)
Other versions
JP6585182B2 (ja
Inventor
フレドリック、グレンベルイ
マッツ、パーション
ハンス、ボーネファルク
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Prismatic Sensors AB
Original Assignee
Prismatic Sensors AB
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Prismatic Sensors AB filed Critical Prismatic Sensors AB
Publication of JP2018515160A publication Critical patent/JP2018515160A/ja
Application granted granted Critical
Publication of JP6585182B2 publication Critical patent/JP6585182B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/02—Arrangements for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
    • A61B6/03—Computed tomography [CT]
    • A61B6/032—Transmission computed tomography [CT]
    • 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
    • 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
    • A61B6/46—Arrangements for interfacing with the operator or the patient
    • A61B6/461—Displaying means of special interest
    • A61B6/463—Displaying means of special interest characterised by displaying multiple images or images and diagnostic data on one display
    • 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
    • A61B6/48—Diagnostic techniques
    • A61B6/482—Diagnostic techniques involving multiple energy imaging
    • 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
    • A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
    • A61B6/5205—Devices using data or image processing specially adapted for radiation diagnosis involving processing of raw data to produce diagnostic data
    • 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
    • A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
    • A61B6/5211—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data
    • A61B6/5217—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data extracting a diagnostic or physiological parameter from medical diagnostic data
    • 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
    • A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
    • A61B6/5211—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data
    • A61B6/5229—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data combining image data of a patient, e.g. combining a functional image with an anatomical image
    • A61B6/5235—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data combining image data of a patient, e.g. combining a functional image with an anatomical image combining images from the same or different ionising radiation imaging techniques, e.g. PET and CT
    • A61B6/5241—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data combining image data of a patient, e.g. combining a functional image with an anatomical image combining images from the same or different ionising radiation imaging techniques, e.g. PET and CT combining overlapping images of the same imaging modality, e.g. by stitching
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N23/00—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00
    • G01N23/02—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by transmitting the radiation through the material
    • G01N23/04—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by transmitting the radiation through the material and forming images of the material
    • G01N23/046—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by transmitting the radiation through the material and forming images of the material using tomography, e.g. computed tomography [CT]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/00—2D [Two Dimensional] image generation
    • G06T11/003—Reconstruction from projections, e.g. tomography
    • G06T11/005—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
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2211/00—Image generation
    • G06T2211/40—Computed tomography
    • G06T2211/408—Dual energy

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Medical Informatics (AREA)
  • Physics & Mathematics (AREA)
  • Pathology (AREA)
  • General Health & Medical Sciences (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Public Health (AREA)
  • Biomedical Technology (AREA)
  • Surgery (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Molecular Biology (AREA)
  • Veterinary Medicine (AREA)
  • Animal Behavior & Ethology (AREA)
  • Optics & Photonics (AREA)
  • High Energy & Nuclear Physics (AREA)
  • Biophysics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Pulmonology (AREA)
  • Immunology (AREA)
  • Biochemistry (AREA)
  • Analytical Chemistry (AREA)
  • Chemical & Material Sciences (AREA)
  • Human Computer Interaction (AREA)
  • Algebra (AREA)
  • Pure & Applied Mathematics (AREA)
  • Physiology (AREA)
  • Mathematical Physics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Epidemiology (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Primary Health Care (AREA)
  • Apparatus For Radiation Diagnosis (AREA)
  • Image Processing (AREA)

Abstract

フォトンカウンティングマルチビン検出器または中間記憶装置からのエネルギー分解画像データに基づく画像再構成の方法が提供される。方法は、線形減衰をモデル化するために異なる数の基底関数を使用して少なくとも２つの別個の基底分解を実行することによりエネルギー分解画像データを処理するステップ（Ｓ１）を含む。第１の基底分解は、少なくとも１つの第１の基底画像表現を得るために第１のより小さい基底関数集合を使用して実行され、第２の基底分解は、少なくとも１つの第２の基底画像表現を得るために第２のより大きい基底関数集合を使用して実行される。この方法はまた、第１の基底分解から得られた上記少なくとも１つの第１の基底画像表現に基づいて第１の画像を再構成するステップと、第１の画像と、上記少なくとも１つの第２の基底画像表現を表す情報とを結合するステップとをも含む。

Description

提案される技術は、一般に、Ｘ線画像化および対応する画像再構成および画像化タスクに関する。特に、提案される技術は、画像再構成のための方法およびシステム、対応する画像化システムならびに対応するコンピュータプログラムおよびコンピュータプログラム製品、ならびに、Ｋ吸収端を示さない生体内化合物または要素の視覚化および／または定量化のための装置に関する。
Ｘ線画像化のような放射線画像化は、医療用途および非破壊検査において長年使用されてきた。
通常、Ｘ線画像化システムは、Ｘ線源と、複数の検出器要素からなるＸ線検出器とを含む。Ｘ線源は、画像化された被検体（subject）または対象物（object）を通過して検出器により記録されるＸ線を放射する。いくつかの物質は、他の物質よりも大きな割合のＸ線を吸収するため、被検体または対象物の内部の画像が形成される。
Ｘ線コンピュータ断層撮影（ＣＴ）システムは、少なくとも１８０度をカバーする種々の視野角で被検体または対象物の投影画像を取得できるように配置されたＸ線源およびＸ線検出器を含む。これは、被検体または対象物の周りを回転することができる支持体上に線源および検出器を取り付けることにより最も一般的に達成される。異なる視野角に対して異なる検出器要素において記録された投影を含む画像はサイノグラムと呼ばれる。以下では、検出器が２次元であっても、異なる視野角に対して異なる検出器要素において記録された投影の集まりをサイノグラムと呼び、サイノグラムは３次元画像になる。
Ｘ線画像化のさらなる発展は、Ｘ線透過がいくつかの異なるエネルギーレベルについて測定される、スペクトルＸ線画像化としても知られる、エネルギー分解Ｘ線画像化（energy-resolved x-ray imaging）である。これは、異なるＸ線スペクトルを放出する２つ以上のＸ線源を使用することにより、または２つ以上のエネルギーレベルの入来放射線を測定するエネルギー弁別検出器を使用することにより、２つの異なる放射スペクトル間で線源が迅速に切り替わるようにすることにより達成することができる。そのような検出器の一例は、各記録光子が、閾値の集合と比較される電流パルスを生成し、それにより複数のエネルギービンの各々に入射する光子の数をカウントする、マルチビンフォトンカウンティング検出器である。
スペクトルＸ線投影測定は、各エネルギーレベルについて１つの投影画像をもたらす。Tapiovaara and Wagner「SNR and DQE analysis of broad spectrum X-ray imaging」（Phys.Med.Biol.30, 519）に記載されているように、指定された画像化タスクのコントラストノイズ比（ＣＮＲ）を最適化するためにこれらの加重和を求めることができる。
エネルギー分解Ｘ線画像化により可能になる別の技法は、基底物質分解である。この技法は、人間の組織のように、原子番号の低い要素から作られたすべての物質が、２つの基底関数の線形結合
Figure 2018515160
 として、エネルギー依存性を良好な近似で表すことができる線形減衰係数μ（Ｅ）を有するという事実を利用する。ここで、ｆｉは基底関数であり、ａｉは対応する基底係数である。画像化に使用されるエネルギー範囲内にＫ吸収端が存在するのに十分高い、原子番号の高い画像化ボリューム内に１つまたは複数の要素がある場合、そのような要素ごとに１つの基底関数を追加しなければならない。医用画像化の分野では、このようなＫ端要素は、典型的には、造影剤として使用される物質であるヨウ素またはガドリニウムであり得る。
基底物質分解はAlvarez and Macovski「Energy-selective reconstructions in X-ray computerised tomography」（Phys.Med.Biol.21, 733）に記載されている。基底物質分解では、基底係数の各々の積分Ａｉ＝∫ｌａｉｄｌ（ｉ＝１，．．．，Ｎ、Ｎは基底関数の数）が、線源から検出器要素への各投影線ｌの測定データから推測される。１つの実施形態では、これは、最初に、各エネルギービン内の予測される記録カウント数をＡｉの関数として表すことにより達成される。
Figure 2018515160
 ここで、λｉは、エネルギービンｉにおける予測されるカウント数であり、Ｅはエネルギーであり、Ｓｉは、画像化対象物に入射するスペクトル形状、検出器の量子効率およびエネルギーＥを有するＸ線に対するエネルギービンｉの感度に依存する応答関数である。「エネルギービン」という用語は、フォトンカウンティング検出器に最も一般的に使用されているが、この式は、多層検出器またはｋＶｐスイッチングソースなどの他のエネルギー分解能Ｘ線システムも記述することができる。
次いで、各ビン内のカウント数がポアソン分布ランダム変数であると仮定して、最大尤度法を用いてＡｉを推定することができる。これは、負の対数尤度関数を最小化することにより達成される、Roessl and Proksa「K-edge imaging in x-ray computed tomography using multi-bin photon counting detectors」（Phys.Med.Biol.52(2007),4679-4696）を参照されたい。
Figure 2018515160
 ここで、ｍｉはエネルギービンｉにおける測定カウント数であり、Ｍｂはエネルギービンの数である。
各投影線について得られた推定基底係数線積分
Figure 2018515160
 が画像行列に配列されると、その結果は、各基底ｉについての、基底画像とも呼ばれる物質固有の投影画像である。この基底画像は、直接的に（例えば、投影Ｘ線画像化において）見ることができるか、または、（例えば、ＣＴにおいて）対象物の内部の基底係数ａｉのマップを形成するための再構成アルゴリズムへの入力として利用することができる。いずれにせよ、基底分解の結果は、基底係数線積分または基底係数自体などの、１つまたは複数の基底画像表現と考えることができる。
しかしながら、この技法の周知の限界は、推定線積分の分散が、通常、基底分解において使用される基底の数とともに増加することである。とりわけ、これは、組織定量化の改善と画像ノイズの増加との間の不都合なトレードオフをもたらす。
Tapiovaara and Wagner「SNR and DQE analysis of broad spectrum X-ray imaging」（Phys.Med.Biol.30, 519） Alvarez and Macovski「Energy-selective reconstructions in X-ray computerised tomography」（Phys.Med.Biol.21 , 733） Roessl and Proksa「K-edge imaging in x-ray computed tomography using multi-bin photon counting detectors」（Phys.Med.Biol.52 (2007), 4679-4696）
改良された画像再構成方法を提供することが目的である。
また、画像再構成のための改良されたシステムを提供することも目的である。
画像化システムを提供することが別の目的である。
さらに別の目的は、対応するコンピュータプログラムおよびコンピュータプログラム製品を提供することである。
また、Ｋ吸収端を示さない生体内化合物または要素の視覚化および／または定量化のための装置を提供することも目的である。
これらおよび他の目的は、提案される技術の実施形態により満たされる。
第１の態様によれば、フォトンカウンティングマルチビン検出器（photon-counting multi-bin detector）または中間記憶装置（intermediate storage）からのエネルギー分解画像データに基づく画像再構成方法が提供される。
この方法は、
線形減衰をモデル化するために少なくとも２つの別個の基底分解を異なる数の基底関数を使用して実行することによりエネルギー分解画像データを処理することを含み、
第１の基底分解は、少なくとも１つの第１の基底画像表現を得るために第１のより小さい基底関数集合を使用して実行され、
第２の基底分解は、少なくとも１つの第２の基底画像表現を得るために第２のより大きい基底関数集合を使用して実行され、
この方法はさらに、
第１の基底分解から得られた上記少なくとも１つの第１の基底画像表現に基づいて第１の画像を再構成することと、
第１の画像と、上記少なくとも１つの第２の基底画像表現を表す情報とを結合することとを含む。
第２の態様によれば、フォトンカウンティングマルチビン検出器または中間記憶装置からのエネルギー分解画像データに基づく画像再構成のためのシステムが提供される。システムは、線形減衰をモデル化するために少なくとも２つの別個の基底分解を異なる数の基底関数を使用して実行することにより、エネルギー分解画像データを処理するように構成される。このシステムは、少なくとも１つの第１の基底画像表現を得るために、第１のより小さい基底関数集合を使用して第１の基底分解を実行するように構成される。このシステムはまた、少なくとも１つの第２の基底画像表現を得るために、第２のより大きい基底関数集合を使用して第２の基底分解を実行するようにも構成される。システムはさらに、第１の基底分解から得られた上記少なくとも１つの第１の基底画像表現に基づいて第１の画像を再構成するように構成される。システムはまた、第１の画像と、上記少なくとも１つの第２の基底画像表現を表す情報とを結合するようにも構成されている。
第３の態様によれば、第２の態様による画像再構成のためのシステムを備える画像化システムが提供される。
第４の態様によれば、少なくとも１つのプロセッサにより実行されると、少なくとも１つのプロセッサに、
線形減衰をモデル化するために少なくとも２つの別個の基底分解を異なる数の基底関数を使用して実行することにより、フォトンカウンティングマルチビン検出器または中間記憶装置からのエネルギー分解画像データを処理することを行わせ、
第１の基底分解は、少なくとも１つの第１の基底画像表現を得るために第１のより小さい基底関数集合を使用して実行され、
第２の基底分解は、少なくとも１つの第２の基底画像表現を得るために第２のより大きい基底関数集合を使用して実行され、
第１の基底分解から得られた上記少なくとも１つの第１の基底画像表現および第２の基底分解から得られた上記少なくとも１つの第２の基底画像表現に基づいて画像再構成を実行することを行わせる、
命令を含むコンピュータプログラムが提供される。
第５の態様によれば、第４の態様のコンピュータプログラムが記憶されたコンピュータ可読媒体を含む対応するコンピュータプログラム製品が提供される。
第６の態様によれば、Ｋ吸収端を示さない生体内化合物または要素の視覚化および／または定量化のための装置であって、
コンピュータ断層撮影ガントリ（gantry）に取り付け可能なフォトンカウンティングマルチビン検出器と、
少なくとも２つの並列処理経路において、対応する画像を再構成するために異なる数の基底関数を使用してマルチビン投影測定値を分解することができる処理デバイスと、
少なくとも１つの再構成された表示画像を含む並列処理経路からもたらされる画像と上記化合物または要素の再構成画像、例えばオーバーレイマップとを融合（merge）することができるグラフィックデバイスと、
を備える装置が提供される。
このようにして、効率的な高品質の画像再構成および／または定量化を達成することができる。例として、組織定量化の改善と画像ノイズの増加との間の見掛けのトレードオフを克服することができる。
詳細な説明を読めば、他の利点が理解されるであろう。
実施形態は、さらなる目的および利点とともに、添付の図面と併せて以下の説明を参照することにより最もよく理解することができる。
線源から対象物を通って検出器までの投影線を示す画像化システム設定の一例を示す概略図である。 Ｘ線画像化システムおよび画像再構成サブシステムの一例を示す概略図である。 いくつかのエネルギー閾値を有するフォトンカウンティング検出器の一例を示す概略図である。 いくつかのエネルギー閾値を有するフォトンカウンティング検出器がスペクトルをいくつかのエネルギービンに分割する方法の一例を示す概略図である。 一実施形態による画像再構成方法の一例を示す概略フロー図である。 基底分解手順（複数可）および対応する結果の基底画像表現（複数可）の一例を示す概略図である。 別個の基底分解に基づく２つの並列処理経路、および、一実施形態による結果の画像情報の結合の一例を示す概略図である。 一実施形態による画像再構成のためのシステム／装置の一例を示す概略図である。 一実施形態によるコンピュータ実施態様の一例を示す概略図である。
図面全体を通して、同様のまたは対応する要素には同じ参照符号が使用されている。
提案される技術のより良い理解のために、画像化システムの非限定的な例を簡単に説明することから始めることが有用であり得る。
図１は、線源から対象物を通って検出器までの投影線を示す画像化システム設定の一例を示す概略図である。
図２の例に示すように、Ｘ線画像化システムは、Ｘ線を放射するＸ線源１０と、対象物を通過した後のＸ線を検出するＸ線検出器２０と、検出器からの生電気信号を処理し、それをデジタル化するアナログ処理回路３０と、補正を適用すること、これを一時的に記憶すること、またはフィルタリングすることなどの、測定データに対するさらなる処理動作を実行することができるデジタル処理回路４０と、処理されたデータを記憶し、さらなる後処理および／または画像再構成を実行することができるデジタルコンピュータ５０とを備える。検出器全体を、Ｘ線検出器２０と考えることができ、または、Ｘ線検出器２０を、関連するアナログ処理回路３０と組み合わせることができる。デジタル処理回路４０および／またはコンピュータ５０を含むデジタル部分を、Ｘ線検出器からの画像データに基づいて画像再構成を実行する画像再構成システム１００／２００と考えることができる。このように、画像再構成システム１００／２００は、コンピュータ５０と考えることができ、または、代替的には、デジタル処理回路網４０とコンピュータ５０との結合システム、もしくは場合によっては、デジタル処理回路網４０がさらに、画像再構成のためにも特化される場合は、デジタル処理回路単独と考えることができる。Ｘ線源１０および／またはＸ線検出器２０は、例えば、コンピュータ断層撮影（ＣＴ）ガントリに搭載可能な、ＣＴシステムの一部として構成されてもよい。
特定の例では、検出器は、関連するアナログ処理電子機器とともに図３に示すようなフォトンカウンティング検出器である。この例では、検出器２０は、逆バイアスフォトダイオードを含み、逆バイアスフォトダイオードにおいて、光子が相互作用し、電流パルスを生成し、電流パルスは、増幅器により増幅され、さらに所望のパルス形状を得るためにフィルタにより処理される。次いで、各パルスは、比較器を使用してＮ個の閾値Ｔ１，．．．，ＴＮと比較され、復号器回路が、比較器出力信号を処理し、パルス高さよりも低い最高閾値に対応するいくつかのカウンタの１つをインクリメントする。このようにして、入射Ｘ線スペクトルは、図４に示すように、Ｎ個のエネルギービンに分割され、エネルギービンは、各々がそのビン内の記録光子の数をカウントする１つのカウンタを有する。カウンタ値は、検出器から読み出され、場合によってデジタル処理回路での後続処理の後にコンピュータにより記憶される生データを形成する。
図５は、一実施形態による画像再構成方法の一例を示す概略フロー図である。この方法は、基本的に以下のステップを含む。
Ｓ１：線形減衰をモデル化するために少なくとも２つの別個の基底分解を異なる数の基底関数を使用して実行することにより、エネルギー分解画像データを処理する。第１の基底分解は、少なくとも１つの第１の基底画像表現を得るために第１のより小さい基底関数集合を使用して実行され、第２の基底分解は、少なくとも１つの第２の基底画像表現を得るために第２のより大きい基底関数集合を使用して実行される。
Ｓ２：第１の基底分解から得られた少なくとも１つの第１の基底画像表現に基づいて第１の画像を再構成する。
Ｓ３：第１の画像と、少なくとも１つの第２の基底画像表現を表す情報とを結合する。
一例として、第２の画像は、第２の基底分解から得られた少なくとも１つの第２の基底画像表現に基づいて再構成され、結合するステップは、第１の画像と第２の画像とを融合するステップを含む。
特定の例では、第２の画像は、特定の化合物または要素の濃度または密度の物理的に解釈可能なマップを表す。
一例として、第２の基底分解から得られた少なくとも１つの第２の基底画像表現を表す情報は、特定の化合物または要素の濃度または密度を表す定量的情報の形態で生成することができ、このとき、結合するステップは、第１の画像とともに定量的情報を表示するステップを含むことができる。
一例として、第２のより大きい基底関数集合は、特定の化合物または要素をモデル化するための基底関数を含む。
例えば、特定の要素または化合物は、鉄または鉄を含む化合物であってもよい。
第１のより小さい基底関数集合と第２のより大きい基底関数集合は、重複する場合もあり、重複しない場合もあることを理解されたい。
特定の例では、第２のより大きい基底関数集合は、第１のより小さい基底関数集合および追加の基底関数を含む。
任意選択の実施形態では、第１の画像は、追加の基底関数の基底係数の集合を表す情報と結合されてもよい。
例えば、追加の基底関数は、診断Ｘ線エネルギー範囲においてＫ吸収端を有しない化合物または要素のエネルギー依存性を反映することができる。
これは、上述したように鉄または鉄を含む化合物であってもよい。
一例として、第１のより小さい基底関数の集合は、人間の組織の主要部分を表すための少なくとも２つの基底関数を含むことができ、第２のより大きい基底関数集合は、人間の組織の主要部分を表すために使用される少なくとも２つの基底関数のスパンの外側にある線形減衰を有する化合物または要素を表すための基底関数をさらに含むことができる。
例えば、第１のより小さい基底関数集合は、光電効果のエネルギー依存性およびＫｌｅｉｎ−Ｎｉｓｈｉｎａエネルギー依存断面積を捕捉するための、または人間の組織をモデル化することを意図した２つの異なる物質のエネルギー依存性を捕捉するための少なくとも２つの基底関数を含むことができる。
各基底分解は、少なくとも２つの基底関数の結合が少なくとも１つの線形減衰係数の表現を表すために使用されるモデルに基づくことができ、各基底分解は、少なくとも１つの基底画像の表現を提供するために、基底係数の線積分または対応する基底係数の集合を推定するステップを含むことができる。
例えば、モデルは、ｉ）基底係数または基底係数の線積分、およびｉｉ）基底関数の関数として、検出器素子あたりに入射する光子の数を定義することができる。
特定の例示的な実施形態では、２つの別個の基底分解が投影画像データに対して実行され、基底関数係数のそれぞれの線積分推定値が得られる。ここで、第１の分解は、未知の線形減衰マップの仮定される関数形式のより小さい基底関数集合を有し、第２の分解は、特定の化合物または要素を表すための基底関数を含むより大きい基底関数集合を有する。より少ない数の基底関数を使用した第１の分解からの線積分推定値を使用して第１の画像再構成を実行することができ、比較的低いノイズレベルを有する表示画像が得られる。より多数の基底関数を使用した第２の分解からの化合物または要素に対応する基底係数（複数可）の線積分推定値を使用して第２の画像再構成を実行することもでき、化合物または要素の濃度または密度の物理的に解釈可能なマップが得られる。この例では、比較的低いノイズレベルを有する表示画像が、化合物または要素の濃度または密度の物理的に解釈可能なマップと結合される。
一例として、相対的に低いノイズレベルを有する表示画像は、化合物または要素の濃度または密度の任意選択的にさらに処理されたマップを表示画像と融合することにより、または、他の様態で、化合物または要素の濃度または局所密度に関する定量的関連情報を、表示画像とともに表示することにより、化合物または要素の濃度または密度の物理的に解釈可能なマップと結合することができる。
例えば、化合物または要素の濃度または局所密度に関する定量的関連情報を表示するステップは、化合物または要素の濃度または局所密度を表す画像を表示画像とともに表示すること、および／または、化合物または要素の再構成画像において、手動または自動でセグメント化された関心領域から平均を抽出することを含むことができる。
任意選択の実施形態では、再構成画像を融合するステップは、色強度の変化が濃度または局所密度を示すカラーオーバーレイ、または、ユーザコマンドを受けて表示画像にオーバーレイを挿入することおよび／もしくは表示画像からオーバーレイを除去することにより、オーバーレイマップをオン／オフすることを含む。
例えば、提案される技術の有用な応用において、本方法はフォトンカウンティングコンピュータ断層撮影に基づく。
図６は、基底分解手順（複数可）および対応する結果の基底画像表現（複数可）の一例を示す概略図である。前に概説したように、基底分解は、通常、線形減衰（係数）のモデルに基づき、通常、マルチビン検出器または中間記憶装置からのエネルギー分解画像データに基づく基底係数の線積分Ａの集合を提供する。出力は、基本画像表現として、または代替的に（変換された）サイノグラムとして考えることができる。
線積分Ａから、基底係数ａを得るための断層撮影再構成を実行することができる。この手順ステップは、別個の断層撮影再構成と考えることができ、または代替的に、基底分解全体の一部と考えることができる。
図７は、別個の基底分解に基づく２つの並列処理経路、および、一実施形態による結果の画像情報の結合の一例を示す概略図である。
少なくとも１つの第１の基底画像表現を得るために、第１のより小さい基底関数集合を使用して、第１の基底分解が実行される。
少なくとも１つの第２の基底画像表現を得るために、第２のより大きい基底関数集合を使用して、第２の基底分解が実行される。
第１の基底分解から得られた第１の基底画像表現（複数可）に基づいて第１の画像を提供するための画像再構成が実行される。
第１の画像は、第２の基底分解から得られた第２の基底画像表現（複数可）を表す情報または任意選択の画像再構成からもたらされる対応する再構成画像と結合される。
提案される技術のより良い理解のために、様々な非限定的な例示的実施形態を、ここでさらに詳細に説明する。しかしながら、フォトンカウンティングマルチビンシステムにおける基底分解技法の幾分より詳細な概説および分析から始めることが有用であり得る。
マルチビンスペクトル分解Ｘ線検出器は、直接変換検出を利用する。各個々の光子相互作用について、電圧パルスが生成され、その高さは、イベントにより蓄積されるエネルギーに対して線形に近い。高速読み出し電子機器により、各イベントの電圧パルスを所定の電圧閾値と比較し、パルス高さが閾値ｉ（Τｉ）以上で閾値ｉ＋１（Τｉ＋１）よりも小さい場合はカウンタｉをインクリメントすることが可能である。この表記法では、ｉ＝１，．．．，Ｎであり、Ｎはビンの数であり、ＴＮ＋１は無限に設定され、これは、ＴＮに対応するエネルギーよりも高いエネルギーを蓄積するすべてのイベントがトップビンの増分をもたらすことを示す。
近年、フォトンカウンティングマルチビンスペクトルコンピュータ断層撮影（以下、マルチビンスペクトルＣＴ）が注目されている。その主な理由の１つは、マルチビンスペクトルＣＴがビーム硬化アーチファクトの完全な低減を可能にし、それにより画像ボクセル内の組織組成を高い正確度（accuracy）および高い精度（precision）で決定できる真の定量的ＣＴが可能になることである。簡潔には、定量的ＣＴが、物質（またはエネルギー）基底分解の方法により達成される。この方法は１９７６年にAlvarezおよびMacovskiにより、「Energy-selective reconstruction in x-ray computerized tomography」（Physics of Medicine and Biology, vol 21, pp. 733-44）において最初に紹介されており、良好な近似値までのすべての身体構成要素の線形減衰係数のエネルギー依存性を、ほんのわずかな数の物質（またはエネルギー）基底の線形結合として書くことができるという観測に基づく。
Figure 2018515160
 式中、Ｍは通常２である。マルチビンスペクトルＣＴシステムでは、ａｋの線積分の最尤推定値、すなわち、∫ｌａｋ（ｘ，ｙ）ｄｓを得るのは簡単である。ここで、ｌは、１つの視点（１つの投影線）においてＸ線が線源から対象物を通じて特定の検出器要素へと進行する直線である。これらの線積分から逆ラドン変換を適用して、各ボクセルｘ，ｙにおける基底係数（の最尤推定値）の集合｛ａｋ｝を得、上の式に挿入することにより、そのボクセルにおける線形減衰係数の全エネルギー依存性が正確かつ高精度に推定されている。この方法は、２００９年に、RoesslおよびHerrmannにより「Cramer-Rao lower bound of basis image noise in multiple-energy X-ray imaging」（Physics in Medicine and Biology, vol.54, no.5, pp.1307−1318）において詳細に説明されている。
ＣＴ検査中に造影剤としてヨウ素を使用する場合、ヨウ素の線形減衰係数のエネルギー依存性である基底ｆｋ＋１（Ｅ）を含めることにより、基底の集合を１つ増やすことが通常は望ましい。その理由は、Ｋ端エネルギーでのＸ線減衰の急激な増加は、最初の２つの基底により捕捉されないためである。この拡張された基底関数集合を使用することにより、各ボクセル内の実際のヨウ素含有量を定量化することができる（単なるグレースケール値とは対照的に、グラム／ｍｌまたは同様の物理量に関して）。
しかしながら、この技術の周知の限界は、投影データから推定される基底Ｍの数が増加するにつれて、推定値の分散も増加することである。これは、正確度（小さな偏り）と精度（推定線積分∫ｌａｋ（ｘ，ｙ）ｄｓの小さな分散）との間のトレードオフをもたらす。Ｍが増加するにつれて、正確度は向上するが、精度は低下する。これは、Ｍ＝２が一般に人間の組織に適用される理由の一部である。Ｍ＝２が一般的に基底分解法に適用される他の理由は、それが光電効果および非干渉性散乱に関する光子相互作用断面積のエネルギー依存性を捕捉することである。しかし、理論的な予測は、コヒーレント散乱および分子結合効果などの他の効果も組織内の光子相互作用断面積にも影響を及ぼし、したがって（ｋ端がない場合でも）Ｍは２よりも大きくなければならないことを示している。これらの予測は、Ｍが実際に４程度の大きさである可能性があることを示す表形式のデータで実験的に検証されている。Bornefalk「XCOM intrinsic dimensionality for low-Z elements at diagnostic energies」（Medical Physics, vol.39, no.2, pp.654-657, 2012）を参照されたい。したがって、身体構成要素によっては、Ｍの値が大きいほど、（再構成線形減衰係数に関して）より正確にモデル化されるものがあることが考えられる。これは、例えば、上述したように、肝臓内のまたは脳内の過去の出血における鉄の微弱信号（小さな濃度）の定量化において特に重要であり得る。
しかし、Alvarezによる研究「Dimensionality and noise in energy selective x-ray imaging」（Medical Physics, vol 40, no.11, p.111909-1, 2013）は、Ｍの値の増加による正確度の向上よりも、精度の低下（ノイズの増加）が上回ることを示している。
以上のことから、２つの基底で物質基底分解（またはエネルギー基底または主成分基底などの関連基底の任意の集合を使用した分解）を実行し、試験に使用されている各別個のＫ端造影剤に対してのみ、追加の基底を使用すること、すなわち、ヨウ素のみを使用する場合は３つ、要素がガドリニウムと併用される場合は４つを使用することなどが実際には最適であることが証明されていると考えられる。
本発明は、組織定量化の改善と画像ノイズの増加との間の見掛けのトレードオフを克服することができる方法およびシステムを提供する。これは、マルチビンコンピュータ断層撮影法を用いた物質基底分解により、肝臓または脳における鉄の少量濃度を定量化する設定で提示され得、ヨウ素造影剤の有無にかかわらず適用可能である。本発明は、当然ながら、例えば、鉄から、診断用Ｘ線エネルギー範囲においてｋ端のない任意の要素へと拡張することができる。
以下では、提案される技術の例を、マルチビンＣＴにより腹部が画像化されており、高品質の画像を得ることが望ましいと仮定して説明する。高品質とは、例えば、ビーム硬化のない低ノイズ画像と言い換えることができる。この非限定的な例において、肝臓中の鉄含有量を測定することに関心があるとも仮定されている。
第１のステップでは、投影データが、少なくとも２つの経路で並列に処理される（図ｘ参照）。各経路において、直線積分の最尤推定値∫ｌａｋ（ｘ，ｙ）ｄｓが、異なる次元のモデル仮定、すなわち線形減衰係数の式のＭの異なる値を使用して決定される。好適な実施形態では、画像取得がヨウ素の不在下で行われる場合、２つの異なる経路についてＭは２および３である。そのような場合、第１の経路内の基底は、軟組織および骨に及ぶように選択され、例えば軟組織および脂肪の線形減衰係数または水および骨の線形減衰係数であり得る。第２のデータ処理経路では、さらなる基底、すなわち鉄の線形減衰係数（またはその複数またはその一部が与えられる）が追加される。
第１の処理経路では、各投影線ｌおよびｋ＝１，２についての線積分∫ｌａｋ（ｘ，ｙ）ｄｓが、観測されている投影データに対する何らかの適合アルゴリズムを使用して決定される。断層画像再構成後、基底画像ａｋ ＊（ｘ，ｙ）、ｋ＝１，２が得られる。星印（＊）は、その値がデータおよび何らかのペナルティ関数（最小２乗または最尤）を所与とした最適な推定値であることを示す。これらから、例えば、エネルギーＥの何らかの選択のための線形減衰係数の式にａｋ ＊（ｘ，ｙ）を挿入することにより、ビーム硬化のない画像が再構成される。この結果として、ビーム硬化のない合成単一エネルギー画像がもたらされる。
第２のデータ処理経路では、より多くのパラメータがデータから推定されているため、ｋ＝１，２の推定値ａｋ ＊（ｘ，ｙ）は第１の経路よりもノイズが多くなる。そのため、ｋ＝１，２のａｋ ＊（ｘ，ｙ）は破棄され、ａ３ ＊（ｘ，ｙ）のみが保持される。ａ３ ＊（ｘ，ｙ）はここで、スライス内の鉄濃度の空間分布を示す。
ａ３ ＊（ｘ，ｙ）はかなりノイズが多い、すなわち大きな分散を有すると仮定することができる。一般的に、特定の臓器のより大きな関心領域にわたって鉄を定量化することが所望され、その理由から、データを平滑化するために、任意選択の追加のデータ処理ステップがａ３ ＊（ｘ，ｙ）に適用される。最も簡単な形態では、これはローパスフィルタリングであってもよいが、クラスタリング技法などの他の方法、または、さらにはまったく何の技法も用いないことも考えられる。追加の処理の後、鉄のマップが
Figure 2018515160
 として示される。
Figure 2018515160
 はオペレータが視覚化する必要はない。代わりに、より高い画質を有するため、第１の経路２０１から再構成された画像が表示される。
Figure 2018515160
に含まれる情報は、例えば、明るさが
Figure 2018515160
 に依存する色により、経路２０１からのグレースケール画像の上に重ねることができる。例えば、より高い濃度の鉄は、再構成画像の上に重なったより濃い色合いのピンクとして表示することができる。見やすくするために、トグルボタンを設けることもでき、それにより、単純なオペレータコマンドで鉄のオーバーレイを取り外しまたは挿入することができる。
Figure 2018515160
 に含まれる情報を視覚化する他の方法は、オペレータに再構成された、場合によって合成単エネルギーの画像の上にマウスポインタを移動させ、ポインタが位置（ｘ，ｙ）にあるときにディスプレイユニットに濃度
Figure 2018515160
 を表示させることである。
Figure 2018515160
 の情報を伝達する他の多くの可能性が存在するが、重要な要素は、追加の基底関数による基底物質分解が推定器のノイズを増加させる傾向がある一方、未処理の投影データは依然として、低減された数の基底関数を使用して低ノイズでビーム硬化のない画像を生成するために抽出および使用することができる情報を含むことである。
以下の非限定的な例は、スライス中の鉄濃度を示す量を得ることがより容易であり、Ｍ＝３では、必要とされる仮定がＭ＝２よりも少ないことを示すことを意図している。最初にＭ＝３であり、ｋ＝１，２，３の基底画像ａｋ ＊（ｘ，ｙ）が得られたと仮定する。ｘおよびｙにより与えられるボクセルについて、ａ＊（ｘ，ｙ）を
Figure 2018515160
 内の対応するベクトルとする。さらに、ａｓｏｆｔ、ａａｄｉｐｏｓｅおよびａｉｒｏｎを
Figure 2018515160
 内のベクトルとし、それらの要素はそれぞれ軟組織、脂肪および鉄の線形減衰係数の基底係数である。このベクトルの集合は
Figure 2018515160
 の基底であり、したがって、ａ＊（ｘ，ｙ）は以下のように表現することができ、
Figure 2018515160
 ここで、ａ、βおよびγは未知のスカラー関数である。したがって、各ｘおよびｙのａ＊（ｘ，ｙ）と、ａｓｏｆｔおよびａａｄｉｐｏｓｅに直交する
Figure 2018515160
の部分空間内のベクトルｗｉｒｏｎとの以下のスカラー乗算がもたらされ、
Figure 2018515160
ここから、スライス中の鉄濃度を示すと予測されるγ（ｘ，ｙ）は、以下のように推定することができる。
Figure 2018515160
代わりに、Ｍ＝２であり、ｋ＝１，２の基底画像ａｋ ＊（ｘ，ｙ）が得られたと仮定する。前述のように、ｘおよびｙにより与えられるボクセルについて、ａ＊（ｘ，ｙ）を
Figure 2018515160
 内の対応するベクトルとする。さらに、ａｓｏｆｔおよびａａｄｉｐｏｓｅを
Figure 2018515160
 内のベクトルとし、それらの要素は、軟組織および脂肪の線形減衰係数の基底係数である。スライス内に実際の鉄濃度が存在し、ｘおよびｙにより与えられるボクセル中のその線形減衰基底係数が以下のようであると仮定する。
Figure 2018515160
ここでγは未知のスカラー関数であり、γｓｏｆｔおよびγａｄｉｐｏｓｅは既知のスカラーである。簡単にするために、これは基底画像内で正確に捕捉されると仮定する。ａｓｏｆｔおよびａａｄｉｐｏｓｅは
Figure 2018515160
 の基底であるため、ａ＊（ｘ，ｙ）は以下のように表現することができ、
Figure 2018515160
 ここで、αおよびβも未知のスカラー関数である。これは以下のように書き直すことができる。
Figure 2018515160
 各ｘおよびｙのａ＊（ｘ，ｙ）と、ａｓｏｆｔ−ａａｄｉｐｏｓｅに直交する
Figure 2018515160
 の部分空間内のベクトルｗｉｒｏｎとの以下のスカラー乗算がもたらされる。
Figure 2018515160
 ここで、組織のタイプおよびその平均密度が既知である所与の関心領域において、平均密度がサンプルを表し、問題の組織が非圧縮性であると仮定すると、α（ｘ，ｙ）＋β（ｘ，ｙ）を定数ρに置き換えることができる。これにより、γ（ｘ，ｙ）を以下のように推定することができる。
Figure 2018515160
 鉄濃度が小さいとすれば、右辺の分子は減算からもたらされる小さな数字であるはずであり、これにより正確度には限界があると予測される。さらに、これは、密度および非圧縮性の仮定が十分に正確である場合にのみ正確である。
上述したように、提案される技術の適用例は、特定の要素または化合物、例えば鉄または鉄系化合物の視覚化および／または定量化を含むことができる。例えば、肝臓の鉄濃度は、ヘモクロマトーシス（鉄過剰負荷）患者にとって重要なパラメータである。鉄濃度を測定する方法は現在、肝臓生検および磁気共鳴画像法を含む。本発明は、例えばＣＴを使用して体内の鉄濃度を定量化することができる方法および装置に関する。別の臨床的に関連する用途は、脳出血の診断である。出血の疑いの検査では、典型的には、出血を検出するために、ＣＴ画像取得の前にＸ線造影剤を投与する。しかしながら、以前の出血からの残留ヘモグロビン鉄も大きく減衰する背景として現れ、したがって適切な診断を困難にする危険性がある。したがって、ヨウ素または他のＸ線造影剤の有無にかかわらずＣＴを用いてｉｎｖｉｖｏの鉄濃度を定量化することができ、ＣＴ画像品質を低下させない技術が有利である。提案される発明はそのような技術を提供する。
特許文献における関連する解決策の例は、以下を含む。米国特許第７，７５６，２３９号は、２つの非ＰＣ端基底物質およびＮ個のＫ端造影剤を含む、物質の画像診断に関する。画像化手順は、マルチビンシステムからのエネルギー分解画像データに基づくのではなく、異なるＸ線スペクトル（異なる有効エネルギー）で得られるＮ＋２個の投影が使用されて、組織を細くするための２つの基底およびＮ個（Ｎは１以上）のＫ端基底を用いる物質基底分解が実行される方法に基づく。
国際公開第２００７／０３４３５９号パンフレットは、スペクトルコンピュータ断層撮影のための定量的物質分解に関する。２つのエネルギー基底関数が使用され、１つは光電効果のものであり、もう１つはコンプトン効果のものである。これらの２つの基底は、３つの異なる基底物質（例えば、軟組織、脂肪および骨）を解くための非圧縮性の仮定とともに使用されます。しかし、非Ｋ端物質の基底関数の数はまだ２つだけであり、これはここでも、線形減衰係数の式のＭの値を正常の組織に対して３に増やすことにより最終画像内のノイズが増加するか、またはこの場合と同じように、定量化精度が悪化することが、揺るぎない真理であることを示していることに留意されたい。このシステムは、フォトンカウンティングマルチビン検出器からのエネルギー分解データを使用していない。
米国特許第７，８７３，２０１号は、非医療検査システムのための複数のエネルギー源を使用する基底関数構成要素へのＸ線画像の再構成に関する。重要な相違点はまた、より高いＭの画像品質への悪影響を軽減するために、基底数Ｍの値がより低い画像処理または基底分解を並行して実行しないことである。
米国特許第８，８５５，３８５号は、マルチエネルギー組織定量化のための装置および方法に関する。重要な相違点は、これが二重エネルギー方法であり、好ましくは水およびヨウ素に対する２つの基底のみが分解に使用されることである。第２の相違点は、鉄のようなより重い要素とは対照的に人間の組織の線形減衰係数の範囲内にある線形減衰係数を有する物質である脂肪含有量を定量化することが主な目的であることである。
米国特許第８，５８８，４９４号は、画像領域における物質分解最適化のためのシステムおよび方法に関する。物質基底分解は、ＣＴシステムを使用して２つ以上の基底を用いて行われる。重要な相違点は、フォトンカウンティングシステムは適用されず、むしろエネルギー積分システムが適用されることである。さらに、その目的は、隣接ピクセルからの結果に関する事前情報を組み込むことにより（可能性として反復手法により）再構成画像におけるセグメント化を改善することである。これは、二重エネルギー方法による三つの物質の分割を可能にするための非圧縮性の前提の使用と概念的に類似している。したがって、重要な相違点は、この方法が、人間の組織の線形減衰係数の範囲外にある線形減衰係数を有する物質を定量化しようとしないということである。
米国特許出願公開第２０１０／００６１５０４号は、Ｋ端吸収端を示す物質のｉｎ−ｖｉｖｏ定量化のみに関する。
本明細書に記載の方法および装置は、様々な方法で組み合わせて再構成することができることが理解されよう。
例えば、実施形態は、ハードウェア、または適切な処理回路による実行のためのソフトウェア、またはそれらの組み合わせで実施されてもよい。
本明細書に記載のステップ、機能、手順、モジュールおよび／またはブロックは、汎用電子回路および特定用途向け回路の両方を含むディスクリート回路または集積回路技術などの任意の従来技術を使用してハードウェアで実施することができる。
特定の例には、１つまたは複数の適切に構成されたデジタル信号プロセッサおよび他の既知の電子回路、例えば、専用機能を実行するために相互接続されたディスクリート論理ゲート、または特定用途向け集積回路（ＡＳＩＣ）が含まれる。
代替的に、本明細書に記載のステップ、機能、手順、モジュールおよび／またはブロックの少なくとも一部は、１つまたは複数のプロセッサまたは処理ユニットなどの適切な処理回路による実行のためのコンピュータプログラムなどのソフトウェアで実施することができる。
処理回路の例には、１つもしくは複数のマイクロプロセッサ、１つもしくは複数のデジタル信号プロセッサ（ＤＳＰ）、１つもしくは複数の中央処理装置（ＣＰＵ）、ビデオ加速ハードウェア、および／または、１つもしくは複数のフィールドプログラマブルゲートアレイ（ＦＰＧＡ）もしくは１つもしくは複数のプログラマブル論理コントローラ（ＰＬＣ）のような任意の適切なプログラマブル論理回路が含まれるが、これらには限定されない。
また、提案される技術が実装される任意の従来のデバイスまたはユニットの汎用処理機能を再利用することが可能であり得ることも理解されるべきである。また、例えば、既存のソフトウェアを再プログラミングすることにより、または新規のソフトウェアコンポーネントを追加することにより、既存のソフトウェアを再利用することも可能であってもよい。
このように、提案される技術は、本明細書に記載の方法を実行するように構成された画像再構成システムを提供する。
特に、フォトンカウンティングマルチビン検出器または中間記憶装置からのエネルギー分解画像データに基づく画像再構成のためのシステムが提供される。システムは、線形減衰をモデル化するために異なる数の基底関数を使用して少なくとも２つの別個の基底分解を実行することにより、エネルギー分解画像データを処理するように構成される。このシステムは、少なくとも１つの第１の基底画像表現を得るために、第１のより小さい基底関数集合を使用して第１の基底分解を実行するように構成される。このシステムはまた、少なくとも１つの第２の基底画像表現を得るために、第２のより大きい基底関数集合を使用して第２の基底分解を実行するようにも構成される。システムはさらに、第１の基底分解から得られた上記少なくとも１つの第１の基底画像表現に基づいて第１の画像を再構成するように構成される。システムはまた、第１の画像と、上記少なくとも１つの第２の基底画像表現を表す情報とを結合するようにも構成されている。
例として、システムは、第２の基底分解から得られた少なくとも１つの第２の基底画像表現に基づいて第２の画像を再構成するように構成されており、システムは、第１の画像と第２の画像とを融合するように構成されている。
例えば、システムは、特定の化合物または要素の濃度または密度の物理的に解釈可能なマップの形態で第２の画像を再構成するように構成することができる。
特定の例では、システムは、少なくとも１つの第２の基底画像表現を表す情報を、特定の化合物または要素の濃度または密度を表す定量的情報の形態で生成するように構成されており、システムは、第１の画像とともに定量的情報を表示するように構成されている。
一例として、システムは、特定の化合物または要素をモデル化するための基底関数を含む第２のより大きな基底関数集合を使用して、第２の基底分解を実行するように構成されてもよい。
特に、システムは、鉄または鉄を含む化合物をモデル化するための基底関数を含む第２のより大きな基底関数集合を使用して、第２の基底分解を実行するように構成されてもよい。
非限定的な例では、システムは、第１のより小さい基底関数集合と追加の基底関数とを含む第２のより大きな基底関数集合を使用して第２の基底分解を実行するように構成され、システムは、第１の画像と、追加の基底関数のための基底係数（複数可）の集合を表す情報とを結合するように構成される。
一例として、システムは、人間の組織の主要部分を表すための少なくとも２つの基底関数を含む第１のより小さい基底関数集合を使用して第１の基底分解を実行するように構成することができ、システムは、人間の組織の主要部分を表すために使用される少なくとも２つの基底関数のスパンの外側にある線形減衰を有する化合物または要素を表すための基底関数をさらに含む第２のより大きい基底関数集合を使用して第２の基底分解を実行するように構成される。
特定の例示的な実施形態では、システムは、２つの別個の基底分解を投影画像データに対して実行するように構成され、基底関数係数のそれぞれの線積分推定値が得られる。ここで、第１の分解は、未知の線形減衰マップの仮定される関数形式のより小さい基底関数集合を有し、第２の分解は、特定の化合物または要素を表すための基底関数を含むより大きい基底関数集合を有する。システムは、より少ない数の基底関数を使用した第１の分解からの線積分推定値を使用して第１の画像再構成を実行するように構成することができ、比較的低いノイズレベルを有する表示画像が得られる。システムはまた、より多数の基底関数を使用した第２の分解からの化合物または要素に対応する基底係数（複数可）の線積分推定値を使用して第２の画像再構成を実行するように構成することもでき、化合物または要素の濃度または密度の物理的に解釈可能なマップが得られる。システムは、比較的低いノイズレベルを有する表示画像と、化合物または要素の濃度または密度の物理的に解釈可能なマップとを結合するようにさらに構成することができる。
例えば、システムは、化合物または要素の濃度または密度の任意選択的にさらに処理されたマップを表示画像と融合することにより、または、他の様態で、化合物または要素の濃度または局所密度に関する定量的関連情報を、表示画像とともに表示することにより、相対的に低いノイズレベルを有する表示画像と、化合物または要素の濃度または密度の物理的に解釈可能なマップとを結合するように構成することができる。
任意選択的に、システムは、化合物または要素の濃度または局所密度を表す画像を表示画像とともに表示し、および／または、化合物または要素の再構成画像において手動または自動でセグメント化された関心領域から平均を抽出するように構成される。
また、画像再構成のためのこのようなシステムを備える画像化システムも提供される。
特定の例では、画像再構成のためのシステム／装置１００は、図１１に示すように、プロセッサ１１０およびメモリ１２０を備え、メモリはプロセッサにより実行可能な命令を含み、それにより、プロセッサは、基底分解、画像再構成（複数可）および情報の合成を実行するように動作する。任意選択的に、システムは、入力データを受け取り、結果としての出力データを出力するための入力／出力インターフェース１３０を備える。
この特定の例において、本明細書に記載のステップ、機能、手順、モジュールおよび／またはブロックの少なくとも一部は、１つまたは複数のプロセッサを含む処理回路による実行のためにメモリにロードされるコンピュータプログラムにおいて実施される。プロセッサ（複数可）とメモリとは互いに相互接続されて、通常のソフトウェア実行を可能にする。任意選択の入力／出力デバイスも、入力パラメータ（複数可）および／または結果としての出力パラメータ（複数可）などの関連データの入力および／または出力を可能にするために、プロセッサ（複数可）および／またはメモリに相互接続されてもよい。
「プロセッサ」という用語は、特定の処理、決定または計算タスクを実行するためにプログラムコードまたはコンピュータプログラム命令を実行することができる任意のシステムまたはデバイスとして一般的な意味で解釈されるべきである。
したがって、１つまたは複数のプロセッサを含む処理回路は、コンピュータプログラムを実行するときに、本明細書で説明されるような明確な処理タスクを実行するように構成される。
処理回路は、上述のステップ、機能、手順および／またはブロックを実行するためだけに専用である必要はなく、他のタスクを実行することもできる。
図１２は、一実施形態によるコンピュータ実施態様の別の例を示す概略図である。
特定の実施形態では、フォトンカウンティングマルチビンＸ線検出器とともに使用するためのコンピュータプログラム２２５；２３５が提供される。コンピュータプログラム２２５；２３５は、少なくとも１つのプロセッサ１１０；２１０により実行されると、少なくとも１つのプロセッサに、線形減衰をモデル化するために異なる数の基底関数を使用して少なくとも２つの別個の基底分解を実行することにより、フォトンカウンティングマルチビン検出器または中間記憶装置からのエネルギー分解画像データを処理するステップであって、第１の基底分解が、少なくとも１つの第１の基底画像表現を得るために第１のより小さい基底関数集合を使用して実行され、第２の基底分解が、少なくとも１つの第２の基底画像表現を得るために第２のより大きい基底関数集合を使用して実行される、処理するステップと、第１の基底分解から得られた少なくとも１つの第１の基底画像表現および第２の基底分解から得られた少なくとも１つの第２の基底画像表現に基づいて画像再構成を実行するステップとを行わせる命令を含む。
提案される技術はまた、そのようなコンピュータプログラムを記憶されているコンピュータ可読媒体２２０；２３０を含むコンピュータプログラム製品も提供する。
一例として、ソフトウェアまたはコンピュータプログラム２２５；２３５は、通常はコンピュータ読取可能媒体２２０；２３０、特に不揮発性媒体上に保持されまたは記憶されるコンピュータプログラム製品として実現されてもよい。コンピュータ可読媒体は、限定はしないが、読み取り専用メモリ（ＲＯＭ）、ランダムアクセスメモリ（ＲＡＭ）、コンパクトディスク（ＣＤ）、デジタル多用途ディスク（ＤＶＤ）、Ｂｌｕ−ｒａｙ（登録商標）ディスク、ユニバーサルシリアルバス（ＵＳＢ）メモリ、ハードディスクドライブ（ＨＤＤ）記憶装置、フラッシュメモリ、磁気テープ、または任意の他の従来のメモリ装置を含む１つまたは複数の取り外し可能または取り外し不能メモリ装置を含んでもよい。したがって、コンピュータプログラムは、その処理回路により実行するために、コンピュータまたは同等の処理デバイスの動作メモリにロードすることができる。
本明細書に提示される１つまたは複数のフロー図は、１つまたは複数のプロセッサにより実行される場合、１つまたは複数のコンピュータフロー図と考えることができる。対応するデバイス、システムおよび／または装置は、機能モジュールのグループとして定義することができ、プロセッサにより実行される各ステップは、機能モジュールに対応する。この場合、機能モジュールは、プロセッサ上で動作するコンピュータプログラムとして実装される。したがって、デバイス、システムおよび／または装置は、代替的に機能モジュールのグループとして定義されてもよく、機能モジュールは、少なくとも１つのプロセッサ上で動作するコンピュータプログラムとして実装される。
したがって、メモリに常駐するコンピュータプログラムは、プロセッサにより実行されると、本明細書で説明されるステップおよび／またはタスクの少なくとも一部を実行するように構成された適切な機能モジュールとして編成され得る。
代替的に、主にハードウェアモジュールにより、または代替的にハードウェアによりモジュールを実現することが可能である。ソフトウェア対ハードウェアの範囲は、純粋に実装上の選択である。
提案される技術はまた、Ｋ吸収端を示さない生体内化合物または要素の視覚化および／または定量化のための装置をも提供する。この装置は、コンピュータ断層撮影ガントリに取り付け可能なフォトンカウンティングマルチビン検出器を備える。この装置はまた、対応する画像を再構成するために異なる数の基底関数を使用して、少なくとも２つの並列処理経路でマルチビン投影測定値を分解することができる処理デバイスをも備える。この装置は、少なくとも１つの再構成表示画像を含む、並列処理経路からもたらされる画像と、化合物または要素の再構成画像、例えばオーバーレイマップとを融合することができるグラフィックデバイスをさらに備える。
一例として、処理デバイスは、表示画像（複数可）を再構成するための少なくとも１つの第１の基底画像表現を提供するための第１の処理経路における第１の基底分解、および、化合物または要素のオーバーレイマップを再構成するための少なくとも１つの第２の基底画像表現を提供するための第２の処理経路における第２の基底分解を実行することが可能である。
特定の例では、装置は、オーバーレイマップまたは表示画像内に画定された関心領域内の要素または化合物の局所密度または濃度に関する定量的データを抽出および表示することができるデバイスをさらに備える。
上述した実施形態は例として与えられているに過ぎず、提案される技術はこれに限定されるものではないことが理解されるべきである。添付の特許請求の範囲により規定される本発明の範囲から逸脱することなく、様々な修正、組み合わせ、および変更が実施形態になされ得ることは、当業者により理解されるであろう。特に、異なる実施形態における異なる部分解決策は、技術的に可能な場合には他の構成で組み合わせることができる。

Claims (36)

  1. フォトンカウンティングマルチビン検出器または中間記憶装置からのエネルギー分解画像データに基づく画像再構成の方法であって、
    前記方法は、
    線形減衰をモデル化するために少なくとも２つの別個の基底分解を異なる数の基底関数を使用して実行することにより、前記エネルギー分解画像データを処理すること（Ｓ１）を含み、
    第１の基底分解は、少なくとも１つの第１の基底画像表現を得るために第１のより小さい基底関数集合を使用して実行され、
    第２の基底分解は、少なくとも１つの第２の基底画像表現を得るために第２のより大きい基底関数集合を使用して実行され、
    前記方法はさらに、
    前記第１の基底分解から得られた前記少なくとも１つの第１の基底画像表現に基づいて第１の画像を再構成すること（Ｓ２）と、
    前記第１の画像と、前記少なくとも１つの第２の基底画像表現を表す情報とを結合すること（Ｓ３）と、
    を含む方法。
  2. 第２の画像が、前記第２の基底分解から得られた前記少なくとも１つの第２の基底画像表現に基づいて再構成され、前記結合するステップは、前記第１の画像と前記第２の画像とを融合するステップを含む、請求項１に記載の方法。
  3. 前記第２の画像は、特定の化合物または要素の濃度または密度の物理的に解釈可能なマップを表す、請求項２に記載の方法。
  4. 前記第２の基底分解から得られた前記少なくとも１つの第２の基底画像表現を表す前記情報は、特定の化合物または要素の濃度または密度を表す定量的情報の形態で生成され、前記結合するステップは、前記第１の画像とともに前記定量的情報を表示するステップを含む、請求項１に記載の方法。
  5. 前記第２のより大きい基底関数集合は、前記特定の化合物または要素をモデル化するための基底関数を含む、請求項３または４に記載の方法。
  6. 前記特定の要素または化合物は、鉄または鉄を含む化合物である、請求項３〜５のいずれか一項に記載の方法。
  7. 前記第１のより小さい基底関数集合と前記第２のより大きい基底関数集合は、重複するまたは重複しない、請求項１〜６のいずれか一項に記載の方法。
  8. 前記第２のより大きい基底関数集合は、前記第１のより小さい基底関数集合および追加の基底関数を含む、請求項１〜７のいずれか一項に記載の方法。
  9. 前記第１の画像は、前記追加の基底関数の１つ以上の基底係数の集合を表す情報と結合される、請求項８に記載の方法。
  10. 前記追加の基底関数は、診断Ｘ線エネルギー範囲においてＫ吸収端を有しない化合物または要素のエネルギー依存性を反映する、請求項８または９に記載の方法。
  11. 前記第１のより小さい基底関数の集合は、人間の組織の主要部分を表すための少なくとも２つの基底関数を含み、前記第２のより大きい基底関数集合は、前記人間の組織の主要部分を表すために使用される少なくとも２つの基底関数のスパンの外側にある線形減衰を有する化合物または要素を表すための基底関数をさらに含む、請求項１〜１０のいずれか一項に記載の方法。
  12. 前記第１のより小さい基底関数集合は、光電効果のエネルギー依存性およびＫｌｅｉｎ−Ｎｉｓｈｉｎａエネルギー依存断面積を捕捉するための、または人間の組織をモデル化することを意図した２つの異なる物質のエネルギー依存性を捕捉するための、少なくとも２つの基底関数を含む、請求項１１に記載の方法。
  13. 各基底分解は、少なくとも２つの基底関数の結合が少なくとも１つの線形減衰係数の表現を表すために使用されるモデルに基づき、各基底分解は、少なくとも１つの基底画像の表現を提供するために、基底係数の線積分または対応する基底係数の集合を推定するステップを含む、請求項１〜１２のいずれか一項に記載の方法。
  14. 前記モデルは、検出器素子あたりに入射する光子の数を、ｉ）基底係数または前記基底係数の線積分と、ｉｉ）前記基底関数との関数として定義する、請求項１３に記載の方法。
  15. ２つの別個の基底分解は、投影画像データに対して実行され、基底関数係数のそれぞれの線積分推定値が得られ、前記第１の分解は、未知の線形減衰マップの仮定される関数形式のより小さい基底関数集合を有し、前記第２の分解は、特定の化合物または要素を表すための基底関数を含むより大きい基底関数集合を有し、
    前記より少ない数の基底関数を使用した前記第１の分解からの前記線積分推定値を使用して第１の画像再構成が実行され、比較的低いノイズレベルを有する表示画像が得られ、
    前記より多い数の基底関数を使用した前記第２の分解からの前記化合物または要素に対応する１つ以上の前記基底係数の前記線積分推定値を使用して第２の画像再構成が実行され、前記化合物または要素の濃度または密度の物理的に解釈可能なマップが得られ、
    前記比較的低いノイズレベルを有する表示画像が、前記化合物または要素の濃度または密度の前記物理的に解釈可能なマップと結合される、
    請求項１〜１４のいずれか一項に記載の方法。
  16. 前記相対的に低いノイズレベルを有する表示画像は、前記化合物または要素の濃度または密度の任意選択的にさらに処理されたマップを前記表示画像と融合することにより、あるいは、前記化合物または要素の濃度または局所密度に関する定量的関連情報を前記表示画像とともに表示することにより、前記化合物または要素の濃度または密度の前記物理的に解釈可能なマップと結合される、請求項１５に記載の方法。
  17. 前記化合物または要素の濃度または局所密度に関する定量的関連情報を表示するステップは、前記化合物または要素の濃度または局所密度を表す画像を前記表示画像とともに表示すること、および／または、前記化合物または要素の再構成画像において手動または自動でセグメント化された関心領域から平均を抽出することを含む、請求項１６に記載の方法。
  18. 前記再構成画像を融合するステップは、色強度の変化が濃度または局所密度を示すカラーオーバーレイを含む、または、ユーザコマンドを受けて前記表示画像に前記オーバーレイを挿入することおよび／または前記表示画像から前記オーバーレイを除去することによりオーバーレイマップのオン／オフを切り替えることを含む、請求項１５または１６に記載の方法。
  19. 前記方法がフォトンカウンティングコンピュータ断層撮影に基づく、請求項１〜１８のいずれか一項に記載の方法。
  20. フォトンカウンティングマルチビン検出器（２０）または中間記憶装置からのエネルギー分解画像データに基づく画像再構成のシステム（１００；２００）であって、
    前記システムは、線形減衰をモデル化するために少なくとも２つの別個の基底分解を異なる数の基底関数を使用して実行することにより、前記エネルギー分解画像データを処理するように構成されており、
    前記システムは、少なくとも１つの第１の基底画像表現を得るために第１のより小さい基底関数集合を使用して第１の基底分解を実行するように構成されており、
    前記システムは、少なくとも１つの第２の基底画像表現を得るために第２のより大きい基底関数集合を使用して第２の基底分解を実行するように構成されており、
    前記システムは、前記第１の基底分解から得られた前記少なくとも１つの第１の基底画像表現に基づいて第１の画像を再構成するように構成されており、
    前記システムは、前記第１の画像と、前記少なくとも１つの第２の基底画像表現を表す情報とを結合するように構成されている、
    システム。
  21. 前記システムは、前記第２の基底分解から得られた前記少なくとも１つの第２の基底画像表現に基づいて第２の画像を再構成するように構成されており、前記システムは、前記第１の画像と前記第２の画像とを融合するように構成されている、請求項２０に記載のシステム。
  22. 前記システムは、特定の化合物または要素の濃度または密度の物理的に解釈可能なマップの形態で前記第２の画像を再構成するように構成されている、請求項２１に記載のシステム。
  23. 前記システムは、前記少なくとも１つの第２の基底画像表現を表す情報を、特定の化合物または要素の濃度または密度を表す定量的情報の形態で生成するように構成されており、前記システムは、前記第１の画像とともに前記定量的情報を表示するように構成されている、請求項２０に記載のシステム。
  24. 前記システムは、前記特定の化合物または要素をモデル化するための基底関数を含む第２のより大きな基底関数集合を使用して、前記第２の基底分解を実行するように構成されている、請求項２２または２３に記載のシステム。
  25. 前記システムは、鉄または鉄を含む化合物をモデル化するための基底関数を含む第２のより大きな基底関数集合を使用して、前記第２の基底分解を実行するように構成されている、請求項２２〜２４のいずれか一項に記載のシステム。
  26. 前記システムは、前記第１のより小さい基底関数集合と追加の基底関数とを含む第２のより大きな基底関数集合を使用して前記第２の基底分解を実行するように構成され、前記システムは、前記第１の画像と、前記追加の基底関数のための１つ以上の基底係数の集合を表す情報とを結合するように構成される、請求項２０〜２５のいずれか一項に記載のシステム。
  27. 前記システムは、人間の組織の主要部分を表すための少なくとも２つの基底関数を含む第１のより小さい基底関数集合を使用して前記第１の基底分解を実行するように構成されており、前記システムは、前記人間の組織の主要部分を表すために使用される前記少なくとも２つの基底関数のスパンの外側にある線形減衰を有する化合物または要素を表すための基底関数をさらに含む第２のより大きい基底関数集合を使用して前記第２の基底分解を実行するように構成される、請求項２０〜２６のいずれか一項に記載のシステム。
  28. 前記システムは、２つの別個の基底分解を投影画像データに対して実行するように構成されており、基底関数係数のそれぞれの線積分推定値が得られ、前記第１の分解は、未知の線形減衰マップの仮定される関数形式のより小さい基底関数集合を有し、前記第２の分解は、特定の化合物または要素を表すための基底関数を含むより大きい基底関数集合を有し、
    前記システムは、前記より少ない数の基底関数を使用した前記第１の分解からの前記線積分推定値を使用して第１の画像再構成を実行するように構成されており、比較的低いノイズレベルを有する表示画像が得られ、
    前記システムは、前記より多い数の基底関数を使用した前記第２の分解からの前記化合物または要素に対応する１つ以上の前記基底係数の前記線積分推定値を使用して第２の画像再構成を実行するように構成されており、前記化合物または要素の濃度または密度の物理的に解釈可能なマップが得られ、
    前記システムは、前記比較的低いノイズレベルを有する表示画像を、前記化合物または要素の濃度または密度の前記物理的に解釈可能なマップと結合するように構成されている、
    請求項２０〜２７のいずれか一項に記載のシステム。
  29. 前記システムは、前記相対的に低いノイズレベルを有する表示画像を、前記化合物または要素の濃度または密度の任意選択的にさらに処理されたマップを前記表示画像と融合することにより、あるいは、前記化合物または要素の濃度または局所密度に関する定量的関連情報を前記表示画像とともに表示することにより、前記化合物または要素の濃度または密度の前記物理的に解釈可能なマップと結合するように構成されている、請求項２８に記載のシステム。
  30. 前記システムは、前記化合物または要素の濃度または局所密度を表す画像を前記表示画像とともに表示し、および／または、前記化合物または要素の再構成画像において手動または自動でセグメント化された関心領域から平均を抽出するように構成されている、請求項２９に記載のシステム。
  31. 請求項２０〜３０のいずれか一項に記載の画像再構成システム（１００；２００）を含む画像化システム（３００）。
  32. 少なくとも１つのプロセッサ（１１０；２１０）により実行されると、前記少なくとも１つのプロセッサに、
    線形減衰をモデル化するために少なくとも２つの別個の基底分解を異なる数の基底関数を使用して実行することにより、フォトンカウンティングマルチビン検出器または中間記憶装置からのエネルギー分解画像データを処理することを行わせ、
    第１の基底分解は、少なくとも１つの第１の基底画像表現を得るために第１のより小さい基底関数集合を使用して実行され、
    第２の基底分解は、少なくとも１つの第２の基底画像表現を得るために第２のより大きい基底関数集合を使用して実行され、
    前記第１の基底分解から得られた前記少なくとも１つの第１の基底画像表現および前記第２の基底分解から得られた前記少なくとも１つの第２の基底画像表現に基づいて画像再構成を実行することを行わせる、
    命令を含むコンピュータプログラム（２２５；２３５）。
  33. 請求項３２に記載のコンピュータプログラム（２２５；２３５）を記憶されているコンピュータ可読媒体（２２０；２３０）を含むコンピュータプログラム製品。
  34. Ｋ吸収端を示さない生体内化合物または要素の視覚化および／または定量化のための装置（３００）であって、
    コンピュータ断層撮影ガントリ（２５）に取り付け可能なフォトンカウンティングマルチビン検出器（２０）と、
    少なくとも２つの並列処理経路において、対応する画像を再構成するために異なる数の基底関数を使用してマルチビン投影測定値を分解することができる処理デバイス（１００；２００）と、
    少なくとも１つの再構成された表示画像を含む並列処理経路からもたらされる画像と前記化合物または要素の再構成画像、例えばオーバーレイマップとを融合することができるグラフィックデバイス（１００；２００）と、
    を備える装置（３００）。
  35. 前記処理デバイス（１００；２００）は、１つ以上の前記表示画像を再構成するための少なくとも１つの第１の基底画像表現を提供するための第１の処理経路における第１の基底分解と、前記化合物または要素の前記オーバーレイマップを再構成するための少なくとも１つの第２の基底画像表現を提供するための第２の処理経路における第２の基底分解と、を実行することが可能である、請求項３４に記載の装置。
  36. 前記装置（３００）は、前記オーバーレイマップまたは前記表示画像内に画定された関心領域内の前記要素または化合物の局所密度または濃度に関する定量的データを抽出および表示することができるデバイス（１００；２００）をさらに備える、請求項３４または３５に記載の装置。
JP2017548881A 2015-03-18 2015-03-18 フォトンカウンティングマルチビン検出器からのエネルギー分解画像データに基づく画像再構成 Active JP6585182B2 (ja)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/SE2015/050316 WO2016148616A1 (en) 2015-03-18 2015-03-18 Image reconstruction based on energy-resolved image data from a photon-counting multi bin detector

Publications (2)

Publication Number Publication Date
JP2018515160A true JP2018515160A (ja) 2018-06-14
JP6585182B2 JP6585182B2 (ja) 2019-10-02

Family

ID=56919176

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2017548881A Active JP6585182B2 (ja) 2015-03-18 2015-03-18 フォトンカウンティングマルチビン検出器からのエネルギー分解画像データに基づく画像再構成

Country Status (6)

Country Link
US (2) US9870628B2 (ja)
EP (1) EP3271898B1 (ja)
JP (1) JP6585182B2 (ja)
KR (2) KR102349471B1 (ja)
CN (1) CN107430778A (ja)
WO (1) WO2016148616A1 (ja)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023007846A1 (ja) * 2021-07-27 2023-02-02 株式会社リガク 補正装置、システム、方法およびプログラム
US11944468B2 (en) 2019-10-11 2024-04-02 Fujifilm Healthcare Corporation Material decomposition apparatus, PCCT apparatus, and material decomposition method

Families Citing this family (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101725099B1 (ko) * 2014-12-05 2017-04-26 삼성전자주식회사 컴퓨터 단층 촬영장치 및 그 제어방법
JP6585182B2 (ja) * 2015-03-18 2019-10-02 プリズマティック、センサーズ、アクチボラグＰｒｉｓｍａｔｉｃ Ｓｅｎｓｏｒｓ Ａｂ フォトンカウンティングマルチビン検出器からのエネルギー分解画像データに基づく画像再構成
CN110023997B (zh) * 2016-12-16 2023-05-02 棱镜传感器公司 从光谱计算机断层扫描数据再现常规计算机断层扫描图像
DE102017200032A1 (de) * 2017-01-03 2018-07-05 Siemens Healthcare Gmbh Reduktion der Anzahl spektraler Kanäle in der Multi-Energie-CT-Bildgebung
US10398394B2 (en) * 2017-01-06 2019-09-03 General Electric Company Energy-discriminating photon-counting detector and the use thereof
US10067240B1 (en) * 2017-03-06 2018-09-04 Prismatic Sensors Ab X-ray detector system based on photon counting
US10559100B2 (en) * 2017-05-22 2020-02-11 Prismatic Sensors Ab Method and devices for image reconstruction
EP3556294B1 (en) 2018-04-20 2022-09-21 Siemens Healthcare GmbH Method for determining a characteristic blood value, computed tomography device, computer program and electronically readable storage medium
EP3550517B1 (en) * 2018-08-24 2020-08-05 Siemens Healthcare GmbH Method and providing unit for providing an optimized energy bin parameter set for photon-counting spectral computed tomography
EP3667370A1 (en) 2018-12-11 2020-06-17 Koninklijke Philips N.V. Energy weighting of photon counts for conventional imaging
CN109875593B (zh) * 2019-02-02 2023-03-21 中北大学 X射线多谱分离成像方法、存储介质和装置
US11033243B2 (en) 2019-04-18 2021-06-15 Prismatic Sensors Ab In-line x-ray focusing optics used for manipulation of x-rays in medical transmission radiography
RU2738135C1 (ru) * 2020-02-11 2020-12-08 Общество с ограниченной ответственностью "Научно-технический центр "МТ" (ООО "НТЦ-МТ") Способ двухэнергетической рентгенографии (варианты)
WO2022039643A1 (en) * 2020-08-19 2022-02-24 Prismatic Sensors Ab Methods and systems related to x-ray imaging
US20240193827A1 (en) * 2021-04-13 2024-06-13 Prismatic Sensors Ab Determining a confidence indication for deep learning image reconstruction in computed tomography
CN115937344A (zh) * 2022-12-12 2023-04-07 上海联影医疗科技股份有限公司 医学图像重建方法、系统、电子设备及可读存储介质
CN118512193A (zh) * 2023-02-20 2024-08-20 武汉联影生命科学仪器有限公司 能谱ct成像的方法、装置和ct扫描成像系统

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007268275A (ja) * 2006-03-31 2007-10-18 Siemens Ag 対象領域の軟部組織における化学的異常および／または特異性の検出方法および装置
JP2009508617A (ja) * 2005-09-22 2009-03-05 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 スペクトルｃｔに対する定量的な材料の分解
US7724865B2 (en) * 2007-08-22 2010-05-25 General Electric Company System and method of optimizing a monochromatic representation of basis material decomposed CT images
US7873201B2 (en) * 2004-11-10 2011-01-18 L-3 Communications Security and Detection Systems Inc. Reconstruction of x-ray images into basis function components using multiple-energy sources

Family Cites Families (39)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6226352B1 (en) * 1998-09-08 2001-05-01 Veritas Pharmaceuticals, Inc. System and method for radiographic imaging of tissue
US6904118B2 (en) * 2002-07-23 2005-06-07 General Electric Company Method and apparatus for generating a density map using dual-energy CT
US7272429B2 (en) * 2002-11-27 2007-09-18 Ge Medical Systems Global Technology Company, Llc Methods and apparatus for facilitating a reduction in artifacts
US7352887B2 (en) * 2003-04-11 2008-04-01 Hologic, Inc. Scatter rejection for composite medical imaging systems
US6950492B2 (en) * 2003-06-25 2005-09-27 Besson Guy M Dynamic multi-spectral X-ray projection imaging
US7599465B2 (en) * 2004-11-19 2009-10-06 General Electric Company Detection of thrombi in CT using energy discrimination
US7298812B2 (en) * 2006-03-31 2007-11-20 General Electric Company Image-based material decomposition
JP2010510514A (ja) * 2006-11-21 2010-04-02 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 検出ユニットの検出器エネルギー重み関数を決定する装置及び方法
US7813472B2 (en) 2006-12-04 2010-10-12 Koninklijke Philips Electronics N.V. CT imaging system
US7756239B2 (en) 2006-12-07 2010-07-13 General Electric Company Diagnostic imaging two non K-edge basis materials plus N K-edge contrast agents
US7697657B2 (en) 2007-03-23 2010-04-13 General Electric Company System and method of density and effective atomic number imaging
CA2631004C (en) * 2007-05-09 2016-07-19 Universite De Sherbrooke Image reconstruction methods based on block circulant system matrices
EP2189115A4 (en) * 2007-08-15 2010-08-18 Univ Kyoto X-RAY TOMODENSITOMETRY APPARATUS, AND METHOD THEREOF
US8055039B2 (en) 2008-02-21 2011-11-08 General Electric Company System and method to obtain noise mitigated monochromatic representation for varying energy level
CN101647706B (zh) * 2008-08-13 2012-05-30 清华大学 高能双能ct系统的图象重建方法
US8705822B2 (en) * 2008-09-03 2014-04-22 Mayo Foundation For Medical Education And Research Method for creating images indicating material decomposition in dual energy, dual source helical computed tomography
US8311181B2 (en) * 2008-11-28 2012-11-13 General Electric Company Apparatus and method of visualizing multi-energy imaging data
US9036879B2 (en) * 2008-11-28 2015-05-19 General Electric Company Multi-material decomposition using dual energy computed tomography
US8194820B2 (en) * 2009-02-06 2012-06-05 The Board Of Trustees Of The Leland Stanford Junior University Optimal weights for measuring spectral x-ray data
US8378310B2 (en) * 2009-02-11 2013-02-19 Prismatic Sensors Ab Image quality in photon counting-mode detector systems
US8160206B2 (en) 2009-12-23 2012-04-17 General Electric Company Dual-energy imaging at reduced sample rates
EP2377467A1 (en) * 2010-04-08 2011-10-19 CSEM Centre Suisse d'Electronique et de Microtechnique SA - Recherche et Développement System and method for determining the composition of an object
DE102010019016B4 (de) * 2010-05-03 2017-03-02 Siemens Healthcare Gmbh Verfahren zur Rekonstruktion von Bilddaten eines bewegten Untersuchungsobjektes aus Messdaten nebst zugehöriger Gegenstände
US8620054B2 (en) * 2010-09-08 2013-12-31 SOCPRA—Sciences Sante et Humaines, s.e.c. Image reconstruction based on accelerated method using polar symmetries
US8588494B2 (en) 2010-10-29 2013-11-19 General Electric Company System and method for material decomposition optimization in image domain
TWI555511B (zh) * 2010-12-07 2016-11-01 和鑫生技開發股份有限公司 一種穿透式ｘ光管及一種反射式ｘ光管
CN103430216A (zh) * 2011-03-15 2013-12-04 皇家飞利浦有限公司 基于似然性的谱数据投影域降噪
DE102011076346B4 (de) * 2011-05-24 2016-07-14 Siemens Healthcare Gmbh Verfahren und Computertomographiesystem zur Erzeugung tomographischer Bilddatensätze
BR112014032123A2 (pt) * 2012-06-29 2017-06-27 Koninklijke Philips Nv aparelho de processamento de dados do detector, método de processamento de dados do detector, sistema de imagem por raios x, elemento de programa de computador para controlar um aparelho, e meio legível por computador
US8855385B2 (en) 2012-07-06 2014-10-07 General Electric Company Apparatus and method for multi-energy tissue quantification
CN104240270B (zh) * 2013-06-14 2017-12-05 同方威视技术股份有限公司 Ct成像方法和系统
US9538971B2 (en) * 2013-06-24 2017-01-10 University Of Washington Systems for characterizing atherosclerotic plaque and methods of using same
CN103530849A (zh) * 2013-09-30 2014-01-22 重庆大学 一种优化的K-edge成像方法
US9569880B2 (en) * 2013-12-24 2017-02-14 Intel Corporation Adaptive anisotropic filtering
US9220469B2 (en) 2013-12-31 2015-12-29 General Electric Company Systems and methods for correcting detector errors in computed tomography imaging
WO2015156711A1 (en) 2014-04-07 2015-10-15 Prismatic Sensors Ab Spectral x-ray imaging
CN104408758A (zh) * 2014-11-12 2015-03-11 南方医科大学 一种低剂量能谱ct图像处理方法
US9836859B2 (en) 2015-01-09 2017-12-05 Toshiba Medical Systems Corporation Wide X-ray spectrum photon counting computed tomography
JP6585182B2 (ja) * 2015-03-18 2019-10-02 プリズマティック、センサーズ、アクチボラグＰｒｉｓｍａｔｉｃ Ｓｅｎｓｏｒｓ Ａｂ フォトンカウンティングマルチビン検出器からのエネルギー分解画像データに基づく画像再構成

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7873201B2 (en) * 2004-11-10 2011-01-18 L-3 Communications Security and Detection Systems Inc. Reconstruction of x-ray images into basis function components using multiple-energy sources
JP2009508617A (ja) * 2005-09-22 2009-03-05 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 スペクトルｃｔに対する定量的な材料の分解
JP2007268275A (ja) * 2006-03-31 2007-10-18 Siemens Ag 対象領域の軟部組織における化学的異常および／または特異性の検出方法および装置
US7724865B2 (en) * 2007-08-22 2010-05-25 General Electric Company System and method of optimizing a monochromatic representation of basis material decomposed CT images

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11944468B2 (en) 2019-10-11 2024-04-02 Fujifilm Healthcare Corporation Material decomposition apparatus, PCCT apparatus, and material decomposition method
WO2023007846A1 (ja) * 2021-07-27 2023-02-02 株式会社リガク 補正装置、システム、方法およびプログラム

Also Published As

Publication number Publication date
US9870628B2 (en) 2018-01-16
US20180068464A1 (en) 2018-03-08
KR102349471B1 (ko) 2022-01-10
US20170270692A1 (en) 2017-09-21
US10176602B2 (en) 2019-01-08
EP3271898B1 (en) 2019-10-16
KR20210142776A (ko) 2021-11-25
CN107430778A (zh) 2017-12-01
EP3271898A1 (en) 2018-01-24
EP3271898A4 (en) 2018-10-24
WO2016148616A1 (en) 2016-09-22
JP6585182B2 (ja) 2019-10-02
KR20170129842A (ko) 2017-11-27

Similar Documents

Publication Publication Date Title
JP6585182B2 (ja) フォトンカウンティングマルチビン検出器からのエネルギー分解画像データに基づく画像再構成
US10274439B2 (en) System and method for spectral x-ray imaging
US8055050B2 (en) Motion compensation in energy-sensitive computed tomography
JP6100772B2 (ja) 画像処理方法及びコンピューティング装置
Schirra et al. Spectral CT: a technology primer for contrast agent development
JP6559678B2 (ja) スペクトル画像データ処理
CN105793894B (zh) 根据图像数据来进行骨骼分割
Curtis et al. Quantification of multiple mixed contrast and tissue compositions using photon-counting spectral computed tomography
JP2011529765A (ja) スペクトルｘ線撮像システム及び方法
Wang et al. Synthetic CT: Simulating low dose single and dual energy protocols from a dual energy scan
Mannelli et al. Dual energy computed tomography quantification of carotid plaques calcification: comparison between monochromatic and polychromatic energies with pathology correlation
Krauss Dual-energy computed tomography: technology and challenges
Srinivas-Rao et al. Dual-energy computed tomography to photon counting computed tomography: emerging technological innovations
JP6878590B2 (ja) スペクトルコンピュータ断層撮影データからの従来のコンピュータ断層撮影画像の再生
JP7080214B2 (ja) 脂肪組織のタイプの識別
Morsbach et al. Systematic analysis on the relationship between luminal enhancement, convolution kernel, plaque density, and luminal diameter of coronary artery stenosis: a CT phantom study
CN116172594B (zh) 用于生成患者的结果图像数据集的方法及装置
Madhav et al. Feasibility study to demonstrate cardiac imaging using fast kVp switching dual-energy computed tomography: phantom study
CN113507889A (zh) 增强型光谱x射线成像
Nasirudin et al. Reduction of iodinated contrast medium in CT: feasibility study

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20180130

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20180926

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20181002

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20181031

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20190215

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20190312

TRDD Decision of grant or rejection written
A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20190809

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20190904

R150 Certificate of patent or registration of utility model

Ref document number: 6585182

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250