JP2021186666A - 多材料分解のための方法およびシステム - Google Patents

Abstract

【課題】コンピュータ断層撮影のための多材料分解のための様々な方法およびシステムを提供する。【解決手段】一実施形態では、方法は、撮像システムを介して、複数のＸ線スペクトルについて投影データを取得するステップと、撮像システムの投影データおよび較正データに基づいて、複数の材料の経路長を推定するステップと、較正データから導出された線形化モデルに基づいて、推定された経路長を反復的に精緻化するステップと、反復的に精緻化された推定された経路長から複数の材料の各材料について材料密度画像を再構築するステップと、を含む。撮像システムの物理をモデル化することなくこのように経路長推定値を決定することにより、正確な材料分解をより迅速に、システムの物理の変化に対する感度を低くして実行することができ、さらに、３つ以上の材料に拡張することができる。【選択図】図２

Description

本明細書に開示する主題の実施形態は、コンピュータ断層撮影（ＣＴ）撮像に関し、より具体的には、ＣＴ撮像のための多材料分解に関する。

二重または多重エネルギースペクトルコンピュータ断層撮影（ＣＴ）撮像システムは、物体における異なる材料の密度を明らかにし、複数の単色Ｘ線エネルギーレベルに対応する画像を生成することができる。ＣＴ撮像システムは、スペクトル内の光子エネルギーの少なくとも２つの領域、例えば、入射Ｘ線スペクトルの低エネルギー部分および高エネルギー部分からの信号に基づいて、異なる単色エネルギーレベルでの挙動を導出することができる。スキャンされる対象物が患者である医療用ＣＴの所与のエネルギー領域では、２つの物理的プロセス、すなわちコンプトン散乱および光電効果がＸ線減衰プロセスを支配する。２つのエネルギー領域から検出された信号は、撮像される材料のエネルギー依存性を解決するのに十分な情報を提供する。２つのエネルギー領域から検出された信号は、２つの仮想材料で構成される物体の相対的な構造を決定するのに十分な情報を提供する。

一実施形態では、方法は、撮像システムを介して、複数のＸ線スペクトルについて投影データを取得するステップと、撮像システムの取得された投影データおよび較正データに基づいて、複数の材料の経路長を推定するステップと、推定された経路長から複数の材料の各材料について材料密度画像を再構築するステップと、を含む。以下、「経路長」という用語は、Ｘ線源を個々の検出器素子に接続する線に沿った材料密度画像の線積分を指定するために使用される。撮像システムの物理をモデル化することなくこのように経路長推定値を決定することにより、正確な材料分解をより迅速に、システムの物理の変化に対する感度を低くして実行することができ、さらに、３つ以上の材料に拡張することができる。

上記の簡単な説明は、詳細な説明でさらに説明される概念の選択を簡略化した形で紹介するために提供されていることを理解されたい。特許請求される主題の重要なまたは本質的な特徴を特定することは意図されておらず、その主題の範囲は詳細な説明に続く特許請求の範囲によって一義的に定義される。さらに、特許請求される主題は、上述の欠点または本開示の任意の部分に記載される欠点を解決する実施態様に限定されない。

本発明は、添付の図面を参照しながら、以下の非限定的な実施形態の説明を読むことからよりよく理解されるであろう。

一実施形態による、撮像システムの図である。 一実施形態による、例示的な撮像システムのブロック概略図である。 一実施形態による、多材料分解のための例示的な方法を示す高レベルフローチャートである。 一実施形態による、較正データに基づいて複数の材料の経路長の予備推定値を計算するための例示的な方法を示す高レベルフローチャートである。 一実施形態による、複数の材料の経路長を最初に推定するための例示的な多次元表面を示す一組のグラフを示す図である。 一実施形態による、複数の材料の経路長の初期推定値を精緻化するための例示的な線形モデルを示す一組のグラフを示す図である。 一実施形態による、材料の例示的な推定サイノグラムおよびグラウンドトゥルースサイノグラムを示すグラフである。 図７のグラフの拡大図を示すグラフである。 一実施形態による、図７の推定サイノグラムとグラウンドトゥルースサイノグラムとの差を示すグラフである。 一実施形態による、単色サイノグラムを推定するための例示的な方法を示す高レベルフローチャートである。

以下の説明は、スペクトルコンピュータ断層撮影（ＣＴ）撮像の様々な実施形態に関する。特に、スペクトルＣＴ撮像における多材料分解のための方法およびシステムが提供される。本技法に従って画像を取得するために使用され得るＣＴ撮像システムの例が、図１および図２に示されている。ＣＴ撮像システムは、材料分解を介して材料を識別する忠実度を提供する光子計数検出器などのエネルギー識別検出器で構成することができる。材料分解は、投影領域または画像領域で、または再構築と一緒に実行されてもよい。しかしながら、結合材料分解−再構築手法は通常、投影領域手法と画像領域手法の両方と比較して計算コストが高い。さらに、多材料分解（すなわち、２つ以上の材料の材料分解）のための投影領域法は、通常、一般にＸ線スペクトルと検出器スペクトル応答との組み合わせである有効Ｘ線スペクトルのいくつかのモデルの知識などの、撮像システムの事前知識に依存する。そのような事前知識は、特に検出器スペクトル応答が検出器アレイにわたって変化する場合、および／または放射されたＸ線スペクトルがＸ線管の寿命と共に変化する場合、高い精度で実際に得ることが困難である。図３に示す方法などの多材料分解のための方法は、較正データのみに基づいて、多重エネルギーＣＴ撮像システムの物理の知識を必要とせずに多材料経路長を推定することによって、これらの以前の手法の課題を克服する。本方法は、２ステップ技法を含み、予備推定値は、較正データおよび取得された投影データに基づいて最初に取得され、次いで、予備推定値は、統計的な意味での多材料経路長の精度をさらに高めるために統計的基準を最適化する反復方式を初期化するために使用される。図４に示すように、多材料経路長の予備推定値を取得する方法は、関数逆探索手法と局所的多重線形適合手法との組み合わせを含む。そのような予備推定値を計算するプロセスは、図５および図６のシミュレートされたデータで示されている。図７〜図９に示すさらなるシミュレーションの結果は、予備推定値が非常に正確であることを示しており、反復方式は、わずか数回の反復でさらに高い精度まで多材料経路長の最終推定値を得ることができる。多材料経路長を直接推定するための本明細書に記載の方法は、図１０に示すように、複数のエネルギーで単色サイノグラムを推定するように適合させることもできる。

図１は、ＣＴ撮像用に構成された例示的なＣＴシステム１００を示している。特に、ＣＴシステム１００は、患者、無生物、１つまたは複数の製造部品、ならびに／あるいは体内に存在する歯科用インプラント、ステント、および／または造影剤などの異物などの対象物１１２を撮像するように構成される。一実施形態では、ＣＴシステム１００は、ガントリ１０２を含むことができ、ガントリ１０２は、テーブル１１４上に横たわる対象物１１２の撮像に使用するためのＸ線放射（図２を参照）のビーム１０６を投射するように構成された少なくとも１つのＸ線源１０４をさらに含む。具体的には、Ｘ線源１０４は、Ｘ線放射ビーム１０６をガントリ１０２の反対側に位置決めされた検出器アレイ１０８に向けて投影するように構成される。図１は単一のＸ線源１０４のみを示しているが、特定の実施形態では、複数のＸ線源および検出器を使用して、患者に対応する異なるエネルギーレベルで投影データを取得するために複数のＸ線放射ビーム１０６を投影することができる。いくつかの実施形態では、Ｘ線源１０４は、急速なピークキロ電圧（ｋＶｐ）スイッチングによって二重エネルギースペクトル撮像を可能にすることができる。いくつかの実施形態では、使用されるＸ線検出器は、異なるエネルギーのＸ線光子を区別することが可能な光子計数検出器である。他の実施形態では、２組のＸ線源および検出器が、二重エネルギー投影を生成するために使用され、一方の組は低ｋＶｐにあり、他方の組は高ｋＶｐにある。したがって、本明細書に記載の方法は、様々な多重スペクトル取得技術で実施することができ、特定の記載された実施形態に限定されないことを理解されたい。

ある特定の実施形態では、ＣＴシステム１００は、逐次近似または解析的画像再構築方法を使用して、対象物１１２のターゲットボリュームの画像を再構築するように構成された画像プロセッサユニット１１０をさらに含む。例えば、画像プロセッサユニット１１０は、フィルタ補正逆投影（ＦＢＰ）などの解析的画像再構築手法を使用して、患者のターゲットボリュームの画像を再構築することができる。別の例として、画像プロセッサユニット１１０は、対象物１１２のターゲットボリュームの画像を再構築するために、高度統計的逐次近似再構築（ＡＳＩＲ）、共役勾配（ＣＧ）、最尤期待値最大化（ＭＬＥＭ）、モデルベース逐次近似再構築（ＭＢＩＲ）などの逐次近似画像再構築手法を使用することができる。本明細書でさらに説明するように、いくつかの例では、画像プロセッサユニット１１０は、逐次近似画像再構築手法に加えて、ＦＢＰなどの解析的画像再構築手法の両方を使用してもよい。

いくつかのＣＴ撮像システム構成では、Ｘ線源は、デカルト座標系のＸ−Ｙ−Ｚ平面内にあるようにコリメートされ、一般に「撮像面」と呼ばれる円錐形のＸ線放射ビームを投影する。Ｘ線放射ビームは、患者または対象物などの撮像される物体を通過する。Ｘ線放射ビームは、物体によって減衰された後に、検出器素子のアレイに衝突する。検出器アレイで受け取られる減衰されたＸ線放射ビームの強度は、対象物による放射ビームの減衰に依存する。アレイの各々の検出器素子が、検出器の場所におけるＸ線ビームの減衰の測定値である別個の電気信号を生成する。すべての検出器素子からの減衰測定値が個別に取得されて、透過プロファイルを生成する。

いくつかのＣＴシステムでは、Ｘ線源および検出器アレイは、放射線ビームが物体と交差する角度が絶えず変化するように、撮像平面内および撮像される物体の周りでガントリと共に回転する。１つのガントリ角度での検出器アレイからのＸ線放射減衰測定値、例えば投影データのグループは、「ビュー」と呼ばれる。対象物の「スキャン」は、Ｘ線源および検出器の１回転の間に異なるガントリ角度またはビュー角度で行われた一組のビューを含む。本明細書で説明される方法の利点はＣＴ以外の医用撮像モダリティにも生じると考えられるので、本明細書で使用される「ビュー」という用語は、１つのガントリ角度からの投影データに関して上述の使用に限定されない。「ビュー」という用語は、ＣＴ撮像システムからか、または多重スペクトル減衰測定値を取得する別の撮像システムからか、にかかわらず、異なる角度からの複数のデータ取得があるときはいつでも１つのデータ取得を意味するために使用される。

投影データは、物体を通って取得された２次元スライスに対応する画像、または投影データが複数の検出器列または複数のガントリ回転からのデータを含むいくつかの例では、物体の３次元ボリューム表現を再構築するために処理される。一組の投影データから画像を再構築するための１つの方法は、当技術分野では、フィルタ補正逆投影技法と呼ばれる。透過型および放出型断層撮影再構築技法はまた、最尤期待値最大化（ＭＬＥＭ）および順序付きサブセット期待値再構築技法、ならびに逐次近似再構築技法などの統計的逐次近似方法を含む。このプロセスは、スキャンからの減衰測定値を、表示装置上の対応する画素の輝度を制御するために使用される「ＣＴ番号」または「ハウンズフィールド単位」に変換する。

総スキャン時間を短縮するために、「ヘリカル」スキャンを実施することができる。「ヘリカル」スキャンを実行するために、規定数のスライスのデータが取得されている間に、テーブル１１４を使用して患者が移動される。そのようなシステムは、コーンビームのヘリカルスキャンから単一のらせんを生成する。コーンビームによってマッピングされたらせんは、各所定のスライス内の画像を再構築することができる投影データを生成する。

本明細書で使用する場合、「画像を再構築する」という語句は、画像を表すデータが生成されるが可視画像は生成されない本発明の実施形態を除外することを意図しない。したがって、本明細書で使用する場合、「画像」という用語は、可視画像と可視画像を表すデータの両方を広く指す。しかしながら、多くの実施形態は、少なくとも１つの可視画像を生成する（あるいは、生成するように構成される）。本明細書で使用される場合、画像という用語は、２次元画像ならびに３次元以上の画像ボリュームを指すことができる。

図２は、図１のＣＴシステム１００と同様の例示的な撮像システム２００を示す。本開示の態様によれば、撮像システム２００は、対象物２０４（例えば、図１の対象物１１２）を撮像するように構成される。一実施形態では、撮像システム２００は、検出器アレイ１０８（図１を参照）を含む。検出器アレイ１０８は、対応する投影データを取得するために対象物２０４（患者など）を通過するＸ線放射ビーム１０６（図２を参照）を共に検知する複数の検出器素子２０２をさらに含む。したがって、一実施形態では、検出器アレイ１０８は、セルまたは検出器素子２０２の複数の行を含むマルチスライス構成で製作される。そのような構成では、検出器素子２０２の１つまたは複数の追加の行が、投影データを取得するための並列構成に配置される。

ある特定の実施形態では、撮像システム２００は、所望の投影データを取得するために、対象物２０４の周りの異なる角度位置を横切るように構成される。したがって、ガントリ１０２およびそれに取り付けられた構成要素は、例えば、異なるエネルギーレベルで投影データを取得するために、回転中心２０６を中心に回転するように構成することができる。あるいは、対象物２０４に対する投影角度が時間の関数として変化する実施形態では、搭載されている構成要素は、円弧に沿ってではなく、一般的な曲線に沿って移動するように構成されてもよい。

Ｘ線源１０４および検出器アレイ１０８が回転すると、検出器アレイ１０８は、減衰されたＸ線ビームのデータを収集する。検出器アレイ１０８によって収集されたデータは、データを調整するための前処理および較正を受けて、スキャンされた対象物２０４の減衰係数の線積分を表す。処理後のデータは、投影と一般的に呼ばれる。

いくつかの例では、検出器アレイ１０８の個々の検出器または検出器素子２０２は、個々の光子の相互作用を１つまたは複数のエネルギービンに記録するエネルギー弁別光子計数検出器を含むことができる。本明細書で説明される方法は、エネルギー積分検出器によって実現されてもよいことを理解されたい。

取得された投影データの組を、基底材料分解（ＢＭＤ）に使用することができる。ＢＭＤ中、測定された投影は、一組の材料−密度投影に変換される。材料密度投影は、材料密度マップまたは画像のペアまたは組、すなわち、骨、軟組織、および／または造影剤マップなどの各それぞれの基礎材料のマップまたは画像を形成するように再構築することができる。次に、密度マップまたは画像を関連付け、基底材料、例えば、骨、軟組織、および／または造影剤のボリュームレンダリングを撮像されたボリューム内に形成することができる。

再構築されると、撮像システム２００によって作成された基底材料画像は、２つの基底材料の密度で表された、対象物２０４の内部特徴を明らかにする。密度画像は、これらの特徴を示すために表示され得る。病状などの医学的状態、より一般的には医学的事象の診断のための従来の手法では、放射線技師または医師は、密度画像のハードコピーまたは表示を検討し、特徴的な関心特徴を識別する。そのような特徴は、特定の解剖学的構造または器官の病変、サイズ、および形状、ならびに個々の開業医のスキルおよび知識に基づいて画像において識別可能な他の特徴を含むことができる。

一実施形態では、撮像システム２００は、ガントリ１０２の回転およびＸ線源１０４の動作などの構成要素の移動を制御する制御機構２０８を含む。特定の実施形態では、制御機構２０８は、電力およびタイミング信号をＸ線源１０４に提供するように構成されたＸ線コントローラ２１０をさらに含む。加えて、制御機構２０８は、撮像要件に基づいてガントリ１０２の回転速度および／または位置を制御するように構成されたガントリモータコントローラ２１２を含む。

特定の実施形態では、制御機構２０８は、検出器素子２０２から受信されたアナログデータをサンプリングし、後の処理のためにアナログデータをデジタル信号に変換するように構成されたデータ収集システム（ＤＡＳ）２１４をさらに含む。ＤＡＳ２１４は、図２に示すように、制御機構２０８の構成要素、または別個の構成要素を含むことができる。ＤＡＳ２１４を、本明細書でさらに説明するように、検出器素子２０２のサブセットからのアナログデータをいわゆるマクロ検出器に選択的に集約するようにさらに構成することができる。ＤＡＳ２１４によってサンプリングされデジタル化されたデータは、コンピュータまたはコンピューティングデバイス２１６に送信される。一例では、コンピューティングデバイス２１６は、データを記憶装置または大容量記憶装置２１８に格納する。記憶装置２１８は、例えば、ハードディスクドライブ、フロッピーディスクドライブ、コンパクトディスク読み出し／書き込み（ＣＤ−Ｒ／Ｗ）ドライブ、デジタル多用途ディスク（ＤＶＤ）ドライブ、フラッシュドライブ、および／またはソリッドステート記憶ドライブを含んでもよい。

加えて、コンピューティングデバイス２１６は、データ取得および／または処理などのシステム動作を制御するために、コマンドおよびパラメータをＤＡＳ２１４、Ｘ線コントローラ２１０、およびガントリモータコントローラ２１２の１つまたは複数に提供する。特定の実施形態では、コンピューティングデバイス２１６は、オペレータ入力に基づいてシステムの動作を制御する。コンピューティングデバイス２１６は、コンピューティングデバイス２１６に動作可能に結合されたオペレータコンソール２２０を介して、例えば、コマンドおよび／またはスキャンパラメータを含むオペレータ入力を受け取る。オペレータコンソール２２０は、オペレータがコマンドおよび／またはスキャンパラメータを指定することを可能にするキーボード（図示せず）またはタッチスクリーンを含むことができる。

図２は、１つのオペレータコンソール２２０のみを示しているが、２つ以上のオペレータコンソールを撮像システム２００に結合し、例えば、システムパラメータを入力もしくは出力すること、試験を要求すること、データをプロットすること、および／または画像を閲覧することができる。さらに、特定の実施形態では、撮像システム２００は、インターネットおよび／または仮想プライベートネットワーク、無線電話ネットワーク、無線ローカルエリアネットワーク、有線ローカルエリアネットワーク、無線ワイドエリアネットワーク、有線ワイドエリアネットワーク、などの１つまたは複数の構成可能な有線および／または無線ネットワークを介して、例えば施設内または病院内の現場または遠方に位置し、あるいはまったく異なる場所に位置する複数のディスプレイ、プリンタ、ワークステーション、および／または同様のデバイスに接続されてもよい。

一実施形態では、例えば、撮像システム２００は、画像保管通信システム（ＰＡＣＳ）２２４を含むか、またはそれに結合される。例示的な実施態様では、ＰＡＣＳ２２４は、放射線科情報システム、病院情報システム、および／または内部もしくは外部ネットワーク（図示せず）などの遠隔システムにさらに結合され、異なる場所にいるオペレータがコマンドおよびパラメータを供給すること、および／または画像データへのアクセスを得ることを可能にする。

コンピューティングデバイス２１６は、オペレータ供給のおよび／またはシステム定義のコマンドおよびパラメータを使用してテーブルモータコントローラ２２６を動作させ、テーブルモータコントローラ２２６は、電動テーブルであり得るテーブル１１４を制御することができる。具体的には、テーブルモータコントローラ２２６は、対象物２０４のターゲットボリュームに対応する投影データを取得するために、ガントリ１０２内で対象物２０４を適切に位置決めするためにテーブル１１４を移動させることができる。

前述のように、ＤＡＳ２１４は、検出器素子２０２によって取得された投影データをサンプリングしてデジタル化する。その後に、画像再構築器２３０が、サンプリングおよびデジタル化されたＸ線データを使用して、高速再構築を実行する。図２は画像再構築器２３０を別個のエンティティとして示しているが、特定の実施形態では、画像再構築器２３０は、コンピューティングデバイス２１６の一部を形成してもよい。あるいは、画像再構築器２３０は、撮像システム２００に存在しなくてもよく、代わりに、コンピューティングデバイス２１６が、画像再構築器２３０の１つまたは複数の機能を実行してもよい。さらに、画像再構築器２３０は、局所的にまたは遠隔に位置してもよく、有線または無線ネットワークを使用して撮像システム２００に動作可能に接続されてもよい。特に、１つの例示的な実施形態は、画像再構築器２３０のための「クラウド」ネットワーククラスタ内の計算資源を使用することができる。

一実施形態では、画像再構築器２３０は、再構築された画像を記憶装置２１８に格納する。あるいは、画像再構築器２３０は、診断および評価のための有用な患者情報を生成するために、再構築された画像をコンピューティングデバイス２１６に送信することができる。特定の実施形態では、コンピューティングデバイス２１６は、再構築された画像および／または患者情報を、コンピューティングデバイス２１６および／または画像再構築器２３０に通信可能に接続されたディスプレイまたは表示装置２３２に送信することができる。いくつかの実施形態では、再構築された画像を、短期または長期の保管のために、コンピューティングデバイス２１６または画像再構築器２３０から記憶装置２１８へ送信することができる。

本明細書でさらに説明する様々な方法およびプロセス（例えば、図３、図４、および図１０を参照して以下に説明する方法）は、撮像システム２００内のコンピューティングデバイス（またはコントローラ）上の非一時的メモリに実行可能命令として格納することができる。一実施形態では、画像再構築器２３０は、そのような実行可能命令を非一時的メモリに含むことができ、スキャンデータから画像を再構築するために本明細書で説明される方法を適用することができる。別の実施形態では、コンピューティングデバイス２１６は、命令を非一時的メモリに含むことができ、画像再構築器２３０から再構築された画像を受信した後に、少なくとも部分的に、本明細書で説明される方法を再構築された画像に適用することができる。さらに別の実施形態では、本明細書で説明される方法およびプロセスは、画像再構築器２３０およびコンピューティングデバイス２１６にわたって分散されてもよい。

一実施形態では、ディスプレイ２３２は、オペレータが撮像された解剖学的構造を評価することを可能にする。ディスプレイ２３２はまた、オペレータがその後のスキャンまたは処理のために、例えば、グラフィカルユーザインターフェース（ＧＵＩ）を介して関心ボリューム（ＶＯＩ）を選択すること、および／または患者情報を要求することを可能にすることができる。

図３は、一実施形態による多材料分解のための例示的な方法３００を示す高レベルフローチャートを示す。特に、方法３００は、入射Ｘ線スペクトルおよび／または検出器応答のモデルなどの撮像システムの物理の知識に基づくのではなく、較正データに基づいて投影領域で多材料分解を実行することに関する。方法３００は、図１および図２のシステムおよび構成要素に関して説明されているが、方法３００は、本開示の範囲から逸脱することなく、他のシステムおよび構成要素で実装することができることを認識されたい。方法３００は、例えば、コンピューティングデバイス２１６および／または画像再構築器２３０の非一時的メモリ内の実行可能命令として実施することができ、コンピューティングデバイス２１６および／または画像再構築器２３０のプロセッサによって実行されて、本明細書に記載の動作を実行することができる。

方法３００は、３０５で開始する。３０５で、方法３００は、強度測定値を取得して投影データを生成するために対象物のスキャンを実行する。スキャンは、対象物の二重エネルギーＣＴスキャンまたは多重エネルギーＣＴスキャンを含む。その目的のために、方法３００は、例えば、Ｘ線源１０４を駆動して２つ以上のエネルギーレベルでＸ線を放射するようにＸ線コントローラ２１０を制御する一方で、ガントリモータコントローラ２１２およびテーブルモータコントローラ２２６を制御してガントリ１０２およびテーブル１１４の位置をそれぞれ調整し、それにより、Ｘ線を生成しながら、スキャンされる対象物２０４に対するＸ線源１０４の位置が調整される。方法３００は、例えばＤＡＳ２１４を介して、検出器アレイ１０８の検出器素子２０２などの光子計数検出器を含むエネルギー弁別検出器によって測定された投影データをさらに取得する。投影データは、例えば、異なるエネルギーの光子の測定値が所定のエネルギービンに分類される、多重エネルギー光子計数測定値を含む。

３１０で、方法３００は、較正データおよび投影データに基づいて、複数の材料の経路長の予備推定値を計算する。較正データは、撮像システムを用いて、既知の材料および既知の経路長を含むファントムの較正スキャン中に取得される、撮像システムを較正するための較正データを含む。方法３００は、投影データの観測された多重エネルギー測定値をもたらす較正データに基づいて、複数の材料の経路長の予備推定値を計算する。その目的のために、方法３００は、較正データへの逆関数探索を実行して、観測された多重エネルギー測定値をもたらすであろう多材料経路長の初期推定値を取得し、初期推定値に基づいて構築された線形方程式系を解くことによって初期推定値を精緻化する二段階推定を実行することができる。較正データに基づいて複数の材料の経路長の予備推定値を計算するための例示的な方法は、図４に関して本明細書でさらに説明される。

３１５で、方法３００は、予備推定値を初期推定値として用いて、複数の材料の各材料の経路長の最終推定値を反復的に計算する。例えば、方法３００は、以下の方程式を、ｍ∈Ω_ｍを条件として、反復的に解くことによって最終推定値ｍ^{ｆｉｎａｌ}を計算することができる。

ここで、Ω_ｍは（物理的に）実現可能な材料経路長ベクトルの集合を含み、Ｆは最適化されたときに多材料経路長の（物理的に）意味のある推定値を生成する統計的基準（例えば、対数尤度）であり、ｆ^ｃａｌは補間または多項式モデルを使用して、既知の材料経路長を対応する既知の投影値（ｐ値）またはＸ線強度（Ｉ値）にマッピングする微分可能な順モデルを含み、ｐ^ｍｅａｓは３０５で測定されたｐ値を含み、Ｉ^ｍｅａｓは３０５で測定されたＸ線強度を含む。上記の式はサイノグラム全体（すなわち、すべてのサイノグラムビンｉ）に適用されるが、Ｆの成分に応じて、最終推定値ｍ^{ｆｉｎａｌ}の上記の式はサイノグラムビンｉで分離可能であり、したがって並列に解くことができることを理解されたい。

上記の統計的問題は、所望の多材料経路長に対して最尤（または最大事後）推定器を設定することとして理解され得る。一例では、関数Ｆは、以下のようなポアソン対数尤度関数を含むことができる。

ここで、添字ｉはサイノグラムビンを示し、添字ｋはエネルギービンを示し、測定されたＸ線強度

は、材料が存在しない場合の空気スキャンに対応し、

は、既知の材料経路長を既知の正規化されたＸ線強度

にマッピングする微分可能な順モデルであり、

および

は、材料が存在しない場合の較正強度測定値および空気スキャンにそれぞれ対応する。別の例では、関数Ｆは、以下のような重み付き最小二乗基準関数を含むことができる。

ここで、

は

に比例し、

は既知の経路長を既知のｐ値にマッピングする微分可能な順モデルであり、添字ｉはサイノグラムビンを示す。Ｆに対してポアソン対数尤度関数を使用する利点は、この関数が、測定されたＸ線強度Ｉ^ｍｅａｓが低く（または光子計数検出器の場合は０、またはエネルギー積分検出器の場合は電子ノイズに起因する負でさえある）、ｐ^ｍｅａｓを計算する際に−ｌｏｇ（・）の適用を妨げるシナリオにおいてより効果的であることであり、ここで、サイノグラムビンの添字ｉおよびエネルギービンの添字ｋに対応するｐ^ｍｅａｓの成分

は、以下のように計算される。

３２０で、方法３００は、経路長の最終推定値に基づいて各材料の材料密度画像を再構築する。例えば、各材料の経路長の最終推定値は、材料ベースの投影を含み、したがって、方法３００は、材料の最終経路長推定値から各材料の材料密度画像を再構築する。３２５で、方法３００は材料密度画像を出力する。例えば、方法３００は、表示装置２３２などの表示装置に材料密度画像を出力することができる。それに加えてまたはその代わりに、方法３００は、材料密度画像を、記憶のための大容量記憶装置２１８および／または遠隔レビューのためのＰＡＣＳ２２４に出力することができる。

３３０で、方法３００は、材料密度画像に基づいて複数のエネルギーで単色画像を生成する。例えば、方法３００は、材料密度画像を選択的に組み合わせて、所与のエネルギーで単色画像を生成することができ、それは所与のエネルギーでのみ光子を放出するＸ線源を使用して取得をエミュレートする。方法３００は、材料密度画像から異なるエネルギーで複数の単色画像を生成することができる。３３５で、方法３００は単色画像を出力する。例えば、方法３００は、単色画像を表示装置２３２などの表示装置に出力することができる。それに加えてまたはその代わりに、方法３００は、材料密度画像を、記憶のための大容量記憶装置２１８および／または遠隔レビューのためのＰＡＣＳ２２４に出力することができる。その後、方法３００は最初に戻る。

図４は、一実施形態による、較正データに基づいて複数の材料の経路長の予備推定値を計算するための例示的な方法４００を示す高レベルフローチャートを示す。特に、方法４００は、較正データに基づいて経路長の第１の推定値を決定し、第１の推定値における順モデルの局所線形近似に対応する線形方程式系を解くことによって第１の推定値を精緻化することに関する。方法４００は、図１および図２のシステムおよび構成要素に関して説明されているが、方法４００は、本開示の範囲から逸脱することなく、他のシステムおよび構成要素で実装することができることを認識されたい。方法４００は、例えば、コンピューティングデバイス２１６および／または画像再構築器２３０の非一時的メモリ内の実行可能命令として実施することができ、コンピューティングデバイス２１６および／または画像再構築器２３０のプロセッサによって実行されて、本明細書に記載の動作を実行することができる。方法４００は、方法３００のサブルーチンを含むことができ、具体的には、較正データおよび投影データに基づいて複数の材料の経路長の予備推定値を計算する動作３１０を含むことができる。

方法４００は、４０５で開始する。４０５で、方法４００は投影データをロードする。例えば、方法４００は、上述のように３０５で取得された投影データをロードする。投影データは、例えば、異なるエネルギーの光子の測定値が所定のエネルギービンに分類される、多重エネルギー光子計数測定値を含む。

続いて４１０で、方法４００は、投影データに対応する経路長の第１の推定値を得るために、較正データへの逆関数探索を実行する。較正データは、既知の材料および既知の経路長を含むファントムを使用して撮像システムを較正するための較正スキャン中に取得された測定値を含む。例えば、較正データは、集合Ｓ^ｃａｌとして非一時的メモリに格納されてもよい。

ここで、各ベクトル

は、Ｌ個の材料の既知の経路長のＬ×１ベクトルであり、各ベクトル

は、ｋ＝１，．．．，Ｋのエネルギービンに対応する既知のｐ値（対数正規化強度値）のＫ×１ベクトルであり、ｉはサイノグラムビンの添字であり、ｊは異なる実験が異なる材料の組み合わせに対応する実験の添字である。第ｉのサイノグラムビンの微分可能な順モデル

は、材料経路長ｍをｐ値にマッピングする較正集合Ｓ^ｃａｌに基づいて、非一様有理Ｂスプラインまたはラグランジュ補間などの補間を使用して、

あるいは、多項式モデルを使用して、

のように構築される。

次いで、所与のＫエネルギービン対数正規化測定ベクトル

および、

それぞれのＸ線強度測定ベクトル、

について、サイノグラムビンｉに対応して（すなわち、１つのＸ線投影線に対応して）、方法４００は、較正データＳ^ｃａｌから、測定値ベクトル

に近いｐ値ベクトル

をもたらす可能な候補ベクトル

を見いだす。例えば、方法４００は次式を決定することができ、

ここで、関数１_（．）は、括弧内の条件が満たされる場合には１（すなわち、１）であり、そうでなければ０であり、３≦Ｋ_ｓｕｂ≦Ｋであり、Ｔ_ｐは、

から

への近さの所定のしきい値であり、関数ｄｉｓｔ（ａ、ｂ）は、その引数ａとｂとの間の距離を測定する関数である。いくつかの例では、関数ｄｉｓｔ（ａ、ｂ）は、絶対差関数または二乗差関数を含んでもよい。結果として得られる探索結果の集合、

は、したがって、方法４００が所望の多材料経路長の大まかな推定値を取得する材料ベクトルの集合を含む。例えば、方法４００は、材料ベクトルの単純な加重和を実行することによって初期推定値を計算する。

ここで、ｗ_ｎは、対応するｐ値ベクトル

が数値的に

に近い材料経路長

により高い優先度を与える重みを含む。数値的近さは、ベクトル

内の測定されたｐ値

の真の価値に依存し、これは次に強度測定ベクトル

内の対応するＸ線強度測定値

に基づいて決定され、強度が高いほど信頼性が高くなる。したがって、重み付けモデルは、より高い検出されたＸ線強度を有するエネルギービンにより高い重みを与えることによって統計的に関連する推定を提供する。

４１５で、方法４００は、経路長の第１の推定値に基づいて順モデルの線形近似を生成する。例えば、方法４００は、第１の推定値

の周りの較正データの順モデル

の局所的多重線形近似モデリングを実行することによって、第１の推定値

をさらに精緻化することができる。この多重線形近似モデルは、以下のように表すことができる線形方程式系をもたらす。

ここで、係数行列

は、行列

の各材料に１つずつ、多重線形基底ベクトルとして積み重ねられた既知の経路長（すなわち、

）に対応する行列

に積み重ねられた既知の

の集合について上記線形系を解くことによって得られる線形モデルの係数を含む。以下の段落では、ベクトルｍ_ｉおよびｐ_ｉは、ここで、探索ステップによって定義された動作点の周りの線形化を表すことに留意されたい。係数行列を決定した後に、方法４００は、次に、以下のように、測定されたｐ値のベクトル

に対して同様の線形系を設定することによって、経路長の第１の推定値に基づいて順モデルの線形近似を生成する。

続いて４２０で、方法４００は、線形近似に基づいて線形方程式系を解き、経路長の予備推定値を得る。例えば、経路長の予備推定値

について上記で確立された線形系を解くために、方法４００は、以下を計算する。

ここで、重み付け行列

は、測定された強度

に比例して、測定されたＸ線強度がより高いエネルギービンに比較的良好な重み付けを与える。

経路長の第１の推定値に基づいて構築された順モデルの局所的線形モデルの例示的な例は、図６に関して本明細書でさらに説明される。

４２５で、方法４００は、経路長の予備推定値を出力する。例えば、方法４００は、経路長の予備推定値をメモリに出力することができ、その結果、方法３００は、上述したように、予備推定値を初期推定値として各材料の経路長の最終推定値を反復的に計算することができる。その後、方法４００は最初に戻る。

図５は、一実施形態による複数の材料の経路長を最初に推定するための例示的な多次元表面を示す一組のグラフ５００を示す。一組のグラフ５００は、複数のエネルギービン、具体的には図示する例ではＫ＝８個のスペクトルエネルギービンの各エネルギービンについてのグラフを含み、第１のエネルギービンについての第１のグラフ５１０、第２のエネルギービンについての第２のグラフ５２０、第３のエネルギービンについての第３のグラフ５３０、第４のエネルギービンについての第４のグラフ５４０、第５のエネルギービンについての第５のグラフ５５０、第６のエネルギービンについての第６のグラフ５６０、第７のエネルギービンについての第７のグラフ５７０、および第８のエネルギービンについての第８のグラフ５８０を含む。一組のグラフ５００の各グラフは、材料経路長（例えば、

）を対数正規化較正データ（例えば、

）にマッピングする順モデル（例えば、

）の表面のプロットを示す。

例えば、第１のグラフ５１０は、材料経路長を光子計数ＣＴ撮像システムの第１のエネルギービン（例えば、ｋ＝１である）の対数正規化較正データＰ_ｉｊ１にマッピングする順モデルの第１の表面５１１を示す。具体的には、第１の表面５１１は、水（Ｗ）およびヨウ素（Ｉ）の二つの材料の材料経路長を較正データにマッピングする。第１の表面５１１を含む各表面上の黒いドットは、測定値５１３（例えば、

）を含むＸ線経路に沿った測定値

に対応する。［Ｗ，Ｉ］平面上のドット５１６および５１７は、［Ｗ，Ｉ］経路長の可能性のある推定値

を表し、これは、例えば、Ｓ^{ｌｏｏｋｕｐ}基準を使用して、プロット５１０、５２０、５３０、５４０、５５０、５６０、５７０、および５８０から一緒に導出され、そこから上記の測定値

（すなわち、図示する例におけるｐ値の８×１ベクトル）に対応するＸ線経路に沿った材料の［Ｗ，Ｉ］経路長の第１の推定値５１５（例えば、

）が上述したように導出される。ドット５１９は、グラウンドトゥルースまたは材料の実際の経路長を示す。

予備推定値５１５は、［Ｗ，Ｉ］平面内にあり、測定値

に対応する推定された水およびヨウ素経路長を表す。したがって、予備推定値５１５は、例示目的のために、すべてのプロット５２０、５３０、５４０、５５０、５６０、５７０、および５８０で複製される。３つ以上の材料の順モデルの次元を２次元表現で示すことは困難であるため、説明を容易にするために、水およびヨウ素の２つの材料が示されていることを理解されたい。それにもかかわらず、図示した方法は、２つ以上の材料に適用可能である。

図５に示す順モデルの表面から得られた第１の推定値を改善するために、表面の局所的な結合線形モデルを構築することができる。例示的かつ非限定的な例として、図６は、図５の一組のグラフ５００に示す複数の材料の経路長の初期推定値を精緻化するための例示的な線形モデルを示す一組のグラフ６００を示す。

一組のグラフ６００は、第１のエネルギービンについての第１のグラフ６１０、第２のエネルギービンについての第２のグラフ６２０、第３のエネルギービンについての第３のグラフ６３０、第４のエネルギービンについての第４のグラフ６４０、第５のエネルギービンについての第５のグラフ６５０、第６のエネルギービンについての第６のグラフ６６０、第７のエネルギービンについての第７のグラフ６７０、および第８のエネルギービンについての第８のグラフ６８０を含む。一組のグラフ６００の各グラフは、第１の表面５１１を含む一組のグラフ５００に示す順モデル

の表面を示す。

図５に示すように得られた各エネルギービンの各推定値に基づいて、各表面の局所的な結合線形モデルが構築され、第１の推定値よりも改善された推定値を得るために解くことができる線形方程式系が得られる。例えば、第１の推定値５１５に基づいて、第１の表面５１１の線形モデル６１３は、上述したように線形モデル６１３を構築するために使用される［Ｗ，Ｉ］平面の領域６１１に対応するように構築される。線形モデル６１３は、６２０、６３０、６４０、６５０、６６０、６７０、および６８０の線形モデルと共に、第１の推定値５１５に対する経路長のプロット６１０（例えば、

）に示すより良好な予備推定値６１５を見つけるために解くことができる結合線形方程式系をもたらす。予備推定値６１５は、［Ｗ，Ｉ］平面内にあり、推定された水およびヨウ素の経路長を表すことに留意されたい。したがって、予備推定値６１５は、例示目的のために、すべてのプロット６２０、６３０、６４０、６５０、６６０、６７０、および６８０で複製される。特に、予備推定値６１５は、第１の推定値５１５よりもグラウンドトゥルース５１９に近い。

あるいは、第１の推定値（例えば、

）および改善された推定値（例えば、

）の両方は、それぞれ強度領域較正および測定データ

および

を使用するために上記の方法４００を適切に変更することにより既知の材料経路長を既知のＸ線強度値

にマッピングする強度領域順モデル

を使用することによって、得ることができる。強度領域での作業は、特に

が不十分な信号対雑音比を有する場合、または

が正でない場合に有利であり得る。

このようにして得られた予備推定値は、経路長推定値をさらに改善するために反復オプティマイザを（例えば、図３に関して上述したように）初期化するために使用される。いくつかの例では、このようにして得られた経路長の予備推定値はグラウンドトゥルースに実質的に近いため、経路長の予備推定値は、材料基底画像を再構築するために直接使用され得る。すなわち、いくつかの例では、予備推定値で初期化された経路長推定値の反復最適化は、多重エネルギー材料分解から省略されてもよい。さらに、反復最適化が実行される例では、反復方法は、より少ない反復でより高い精度で経路長の最終推定値に収束する。第１の推定値を計算するために逆関数探索を実行し、第１の推定値に基づいて順モデルの線形近似を生成するステップは計算負荷ではないので、複数のエネルギーに対する材料分解の全体的な計算複雑度が低減される。さらに、本明細書で提供されるシステムおよび方法によれば、撮像システムの物理または複数のエネルギーおよび複数の材料のＸ線スペクトルをシミュレートまたはモデル化する必要なしに、正確な材料分解を実行することができる。

本明細書で提供される多重エネルギー材料分解のための技術の有効性を示すために、図７は、一実施形態による材料の推定サイノグラムにおける例示的なプロファイル７０５および７１０ならびに対応するグラウンドトゥルースプロファイル７１５を示すグラフ７００を示す。特に、グラフ７００は、予備推定値（例えば、上記の方法４００に従って計算される）に対応する推定サイノグラムにおける例示的なプロファイル７０５と、最適化された推定値（例えば、上記のように３１５で反復的に計算される）に対応する推定サイノグラムにおける例示的なプロファイル７１０と、を示す。

図示するように、推定サイノグラム内の例示的なプロファイル７０５、７１０、および７１５は、図７では区別できないほど十分に類似している。推定サイノグラムにおける例示的なプロファイル７０５、７１０、７１５の間の差を示すために、図８は、グラフ７００の領域７２５の拡大図を示すグラフ８００を示す。この図では、最終的な最適化されたサイノグラム推定値における例示的なプロファイル７１０からの推定サイノグラムにおける例示的なプロファイル７０５によって示される予備推定値の偏差がより視認可能である。しかしながら、推定サイノグラム内の例示的なプロファイル７１０によって示される最終推定値は、グラウンドトゥルースサイノグラム内の対応するプロファイル７１５と依然として実質的に区別できない。

グラウンドトゥルースサイノグラム内の対応するプロファイル７１５からの推定サイノグラム内の例示的なプロファイル７０５および７１０の間の差を定量化するために、図９は、グラウンドトゥルースサイノグラム内の対応するプロファイル７１５からの推定サイノグラム内の例示的なプロファイル７０５および７１０の差を示すグラフ９００を示す。特に、グラフ９００は、グラウンドトゥルースサイノグラム内の対応するプロファイル７１５からの予備推定サイノグラム内の例示的なプロファイル７０５の差９０５、ならびにグラウンドトゥルースサイノグラム内の対応するプロファイル７１５からの最終推定サイノグラム内の例示的なプロファイル７１０の差９１０を示すプロットを示す。図示するように、予備推定値の誤差または差９０５は、最終推定値の誤差または差９１０よりも大きい。

差９１０は、グラウンドトゥルースと比較して０．０１ｇ／ｃｍ^２未満であり、これは水密度の最大積分（この例では４０ｇ／ｃｍ^２）に対して０．０２５％の誤差に相当し、一方、差９０５はグラウンドトゥルースと比較して０．１６ｇ／ｃｍ^２未満であり、これは水密度の最大積分に対して０．４％の誤差に相当する。したがって、予備推定値は比較的効果的であるが、材料ベースの画像が予備推定値から直接再構築される場合には、差９０５から何らかの画像アーチファクトが生じる可能性があるが、最適化された最終推定値を使用してそのような画像アーチファクトを効果的に排除することができる。さらに、予備推定値はグラウンドトゥルースに実質的に近いので、経路長推定値を反復的に計算するための初期推定値として予備推定値を使用することは、所定の初期推定値またはモデルベースの手法から導出された初期推定値を使用することよりも大幅に改善する。

上述した方法は、多材料経路長を直接推定するが、多材料経路長の代わりに複数の単色エネルギー（ｋｅＶ）で単色サイノグラムを推定するように上記の方法を適合させることが可能である。例えば、上述した方法は、変数の単純な置換によって単色サイノグラムを推定するように適合させることができる。例示的な例として、図１０は、一実施形態による単色サイノグラムを推定するための例示的な方法１０００を示す高レベルフローチャートを示す。特に、方法１０００は、ノイズ共分散を適応的に低減するために、較正データに基づいて複数のエネルギーで単色サイノグラムを推定することに関する。方法１０００は、図１および図２のシステムおよび構成要素に関して説明されているが、方法１０００は、本開示の範囲から逸脱することなく、他のシステムおよび構成要素で実装することができることを認識されたい。方法１０００は、例えば、コンピューティングデバイス２１６および／または画像再構築器２３０の非一時的メモリ内の実行可能命令として実施することができ、コンピューティングデバイス２１６および／または画像再構築器２３０のプロセッサによって実行されて、本明細書に記載の動作を実行することができる。

方法１０００は、１００５で開始する。１００５で、方法１０００は、投影データを取得するために対象物のスキャンを実行する。スキャンは、対象物の二重エネルギーＣＴスキャンまたは多重エネルギーＣＴスキャンを含む。その目的のために、方法１０００は、例えば、Ｘ線源１０４を駆動して２つ以上のエネルギーレベルでＸ線を放射するようにＸ線コントローラ２１０を制御する一方で、ガントリモータコントローラ２１２およびテーブルモータコントローラ２２６を制御してガントリ１０２およびテーブル１１４の位置をそれぞれ調整し、それにより、Ｘ線を生成しながら、スキャンされる対象物２０４に対するＸ線源１０４の位置が調整される。方法１０００は、例えばＤＡＳ２１４を介して、検出器アレイ１０８の検出器素子２０２などの光子計数検出器を含むエネルギー弁別検出器によって測定された投影データをさらに取得する。投影データは、例えば、異なるエネルギーの光子の測定値が所定のエネルギービンに分類される、多重エネルギー光子計数測定値を含む。

１０１０で、方法１０００は、投影データおよび較正データに基づいて複数のｋｅＶにおける単色サイノグラムを推定する。例えば、単色減衰の線積分のベクトルμが以下のように表される場合には、
μ＝［μ_ｋｅＶ１，．．．，μ_ｋｅＶＮ］
較正データ内の変数の変化を適用することができる。例えば、較正データの順モデルｆ^ｃａｌは、以下のように表すことができる。

ｆ^ｃａｌ（μ）＝ｆ^ｃａｌ（Ｑ×ｍ）
ここで、μ＝Ｑ×ｍは、材料経路長ｍから単色サイノグラムへの変換を表す。したがって、方法３００および４００に関して順モデルｆ^ｃａｌ（ｍ）が上記で使用される場合はいつでも、引数は、ｆ^ｃａｌ（Ｑ^−１×μ）のように等価的に置換され得る。この場合の未知のものは、単色サイノグラムのベクトルμである。例えば、反復最適化は、単色サイノグラムの最終推定ベクトルμ^{ｆｉｎａｌ}がμ∈Ω_μを条件として次式であるように再表現されてもよい。

これは図３に関して上述したように解くことができる。単色サイノグラムの最終推定ベクトルμ^{ｆｉｎａｌ}が取得されると、材料経路長ｍ^{ｆｉｎａｌ}の最終推定値は、以下を計算することによって取得することができる。

ｍ^{ｆｉｎａｌ}＝Ｑ^−１×μ^{ｆｉｎａｌ}
あるいは、材料経路長ｍ^{ｆｉｎａｌ}の最終推定値は、ｍ∈Ω_ｍを条件として、以下のより単純な最適化によって得ることができる。

ここで、Ｗ_μは、統計的利益のために適切にμの異なる成分を重み付けするμに依存する行列であり、ｐｒｉｏｒ（ｍ）は、材料経路長ｍに関する事前情報を課す関数を含む。材料分解プロセスは、上述のようにμ^{ｆｉｎａｌ}を計算することによって既に達成されているため、ｍ^{ｆｉｎａｌ}の上記式は画像領域で実装されてもよく、したがって、単色サイノグラムの最終推定ベクトルμ^{ｆｉｎａｌ}のビーム硬化誤差が潜在的に除去されることを理解されたい。例えば、方法１０００が画像空間におけるｍ^{ｆｉｎａｌ}について解く場合、関数ｐｒｉｏｒ（ｍ）は、様々な画像処理、機械学習、および深層学習ベースのペナルティ関数を含むことができる。

１０１５で、方法１０００は、推定された単色サイノグラムから単色画像を再構築する。例えば、方法１０００は、複数のｋｅＶでそれぞれの単色画像を生成するために、単色サイノグラムの最終推定ベクトルμ^{ｆｉｎａｌ}を用いて画像再構築を実行する。次に、１０２０で、方法１０００は、単色画像を出力する。例えば、方法３００は、単色画像を表示装置２３２などの表示装置に出力することができる。それに加えてまたはその代わりに、方法３００は、材料密度画像を、記憶のための大容量記憶装置２１８および／または遠隔レビューのためのＰＡＣＳ２２４に出力することができる。

さらに、いくつかの例では、１０２５で、方法１０００は、任意選択で単色画像を材料密度画像に変換する。例えば、方法１０００は、画像領域における直接線形変換を介して単色画像を材料密度画像に変換することができる。そのような例では、１０３０で、方法１０００は、任意選択で、材料密度画像を出力することができる。例えば、方法１０００は、材料密度画像を、表示装置２３２、および／または格納用の大容量記憶装置２１８、および／または遠隔レビュー用のＰＡＣＳ２２４などの表示装置に出力することができる。したがって、材料密度画像を取得し、材料密度画像から単色画像を生成するのではなく、本明細書で提供されるシステムおよび方法は、投影データおよび較正データから単色画像を推定し、単色画像から材料密度画像を生成することを可能にする。その後、方法１０００は最初に戻る。

本開示の技術的効果は、複数の材料についての材料ベースの画像の再構築を含む。本開示の別の技術的効果は、材料経路長を計算するための計算複雑度の低減を含む。本開示の別の技術的効果は、２つ以上の材料に対する材料分解の精度の向上を含む。本開示のさらに別の技術的効果は、物理モデリングを使用せずに投影データから生成された３つ以上の材料の材料ベースの画像の表示を含む。本開示の別の技術的効果は、材料ベース画像からではなく投影データから直接２つ以上の単色画像を再構築することを含む。

一実施形態では、方法は、撮像システムを介して、複数のＸ線スペクトルについて投影データを取得するステップと、撮像システムの投影データおよび較正データに基づいて、複数の材料の経路長を推定するステップと、較正データから導出された線形化モデルに基づいて、推定された経路長を反復的に精緻化するステップと、反復的に精緻化された推定された経路長から複数の材料の各材料について材料密度画像を再構築するステップと、を含む。

方法の第１の例では、撮像システムの投影データおよび較正データに基づいて複数の材料の経路長を推定するステップは、撮像システムの物理をモデル化することなく、投影データおよび較正データに基づいて複数の材料の経路長を推定するステップを含み、撮像システムの物理は、複数のＸ線スペクトルおよび撮像システムの検出器のスペクトル応答を含む。任意選択で第１の例を含む方法の第２の例では、撮像システムの投影データおよび較正データに基づいて複数の材料の経路長を推定するステップは、投影データに対応する複数の材料の経路長の第１の推定値を生成するために、較正データへの逆関数探索を実行するステップを含む。任意選択で第１および第２の例のうちの１つまたは複数を含む方法の第３の例では、撮像システムの投影データおよび較正データに基づいて複数の材料の経路長を推定するステップは、較正データから構築された順モデルの線形近似を生成するステップと、複数の材料の経路長の予備推定値を取得するために、線形近似に基づいて線形方程式系を解くステップと、をさらに含む。任意選択で第１から第３の例のうちの１つまたは複数を含む方法の第４の例では、較正データから導出された線形化モデルに基づいて推定された経路長を反復的に精緻化するステップは、経路長の予備推定値を初期推定値として用いて複数の材料の各材料の経路長の最終推定値を反復的に計算するステップを含み、材料密度画像は、複数の材料の各材料の経路長の最終推定値から再構築される。任意選択で第１から第４の例のうちの１つまたは複数を含む方法の第５の例では、投影データに対応する複数の材料の経路長の第１の推定値を生成するために較正データへの逆関数探索を実行するステップは、各サイノグラムビンについて、順モデルに入力されたときに投影データのしきい値距離内の結果をもたらす較正データ内の材料経路長の候補ベクトルを選択するステップと、各サイノグラムビンについて、候補ベクトルの加重和から経路長の第１の推定値を計算するステップと、を含む。任意選択で第１から第５の例のうちの１つまたは複数を含む方法の第６の例では、本方法は、投影データの強度測定値に基づいて加重和の重みを選択するステップをさらに含み、より高い強度はより高い重みに対応する。任意選択で第１から第６の例のうちの１つまたは複数を含む方法の第７の例では、順モデルの線形近似を生成するステップは、各材料の既知の経路長の行列と乗算したときに既知の投影測定値の対応する行列をもたらす係数行列を計算するステップを含み、較正データは、既知の経路長および既知の投影測定値を含む。任意選択で第１から第７の例のうちの１つまたは複数を含む方法の第８の例では、複数の材料の経路長の予備推定値を取得するために線形近似に基づいて線形方程式系を解くステップは、係数行列と乗算したときに投影データの投影測定値の対応する行列をもたらす複数の材料の経路長の予備推定値の行列を計算するステップを含む。任意選択で第１から第８の例のうちの１つまたは複数を含む方法の第９の例では、本方法は、投影データおよび較正データに基づいて少なくとも２つの単色サイノグラムを推定するステップと、少なくとも２つの単色サイノグラムから少なくとも２つの単色画像を再構築するステップと、をさらに含む。任意選択で第１から第９の例のうちの１つまたは複数を含む方法の第１０の例では、複数の材料の各材料について材料密度画像を再構築するステップは、少なくとも２つの単色サイノグラムの線形変換、および画像領域事前情報を使用する反復方式のうちの少なくとも一方を含む純粋画像領域技術を使用して、少なくとも２つの単色サイノグラムから再構築された少なくとも２つの単色画像から複数の材料密度画像を推定するステップを含む。

別の実施形態では、方法は、撮像システムを介して、複数のＸ線スペクトルについて投影データを取得するステップと、複数のＸ線スペクトルおよび複数のＸ線スペクトルに対する検出器応答を含む撮像システムの物理をモデル化することなく、撮像システムの投影データおよび較正データに基づいて、複数の材料の経路長の予備推定値を計算するステップと、複数の材料の経路長の最終推定値を取得するために、複数の材料の経路長の予備推定値を反復的に更新するステップと、推定された経路長から複数の材料の各材料について材料密度画像を再構築するステップと、を含む。

方法の第１の例では、複数の材料の経路長の予備推定値を計算するステップは、較正データへの逆関数探索に基づいて経路長の第１の推定値を計算するステップと、複数の材料の経路長の予備推定値の線形方程式系を解くステップと、を含み、線形方程式系は、較正データの順モデルの線形近似に基づいて構築される。任意選択で第１の例を含む方法の第２の例では、複数の材料の経路長の最終推定値を取得するために、複数の材料の経路長の予備推定値を反復的に更新するステップは、複数の材料の経路長の最終推定値を決定するために、複数の材料の経路長の予備推定値で初期化された、投影データおよび較正データを入力として統計関数を反復的に最小化するステップを含む。任意選択で第１および第２の例のうちの１つまたは複数を含む方法の第３の例では、複数の材料は少なくとも３つの材料を含む。

さらに別の実施形態では、システムは、対象物に向かってＸ線ビームを生成するように構成されたＸ線源と、対象物によって減衰されたＸ線ビームを検出するように構成された複数の検出器素子を含む検出器アレイと、Ｘ線源および検出器アレイに通信可能に結合され、非一時的なメモリ内に命令を有するように構成されたコンピューティングデバイスと、を含み、命令は、実行されるとコンピューティングデバイスに、異なるエネルギーレベルで複数のＸ線ビームを用いて対象物をスキャンして投影データを取得するようにＸ線源および検出器アレイを制御させ、Ｘ線源および検出器アレイの投影データおよび較正データに基づいて複数の材料の経路長を推定させ、較正データから導出された線形化モデルに基づいて、推定された経路長を反復的に精緻化させ、反復的に精緻化された推定された経路長から複数の材料の各材料について材料密度画像を再構築させる。

システムの第１の例では、コンピューティングデバイスは、非一時的メモリ内に命令を有するようにさらに構成され、命令は、実行されると、コンピューティングデバイスに、Ｘ線源および検出器アレイの物理をモデル化することなく、投影データおよび較正データに基づいて複数の材料の経路長を推定させる。任意選択で第１の例を含むシステムの第２の例では、コンピューティングデバイスは、非一時的メモリ内に命令を有するようにさらに構成され、命令は、実行されると、コンピューティングデバイスに、投影データに対応する複数の材料の経路長の第１の推定値を生成するために較正データへの逆関数探索を実行させ、較正データから構築された順モデルの線形近似を生成させ、複数の材料の経路長の予備推定値を取得するために線形近似に基づいて線形方程式系を解かせる。任意選択で第１および第２の例のうちの１つまたは複数を含むシステムの第３の例では、コンピューティングデバイスは、非一時的メモリ内に命令を有するようにさらに構成され、命令は、実行されると、コンピューティングデバイスに、初期推定値として経路長の予備推定値を用いて複数の材料の各材料の経路長の最終推定値を反復的に計算させ、材料密度画像を再構築するための推定経路長は経路長の最終推定値を含む。任意選択で第１から第３の例のうちの１つまたは複数を含むシステムの第４の例では、コンピューティングデバイスは、非一時的メモリ内に命令を有するようにさらに構成され、命令は、実行されると、コンピューティングデバイスに、投影データおよび較正データに基づいて少なくとも２つの単色サイノグラムを推定させ、少なくとも２つの単色サイノグラムから少なくとも２つの単色画像を再構築させる。任意選択で第１から第４の例の１つまたは複数を含むシステムの第５の例では、システムは、コンピューティングデバイスに通信可能に結合された表示装置をさらに含み、コンピューティングデバイスは、実行されると、コンピューティングデバイスに、表示のために材料密度画像を表示装置に出力させる非一時的メモリ内の命令を有するようにさらに構成される。任意選択で第１から第５の例のうちの１つまたは複数を含むシステムの第６の例では、コンピューティングデバイスは、非一時的メモリ内に命令を有するようにさらに構成され、命令は、実行されると、コンピューティングデバイスに、少なくとも２つの単色サイノグラムの線形変換、および画像領域事前情報を使用する反復方式のうちの少なくとも一方を含む純粋画像領域技術を使用して、少なくとも２つの単色サイノグラムから再構築された少なくとも２つの単色画像から複数の材料密度画像を推定させる。

本明細書で使用する場合、単数形で列挙され、「１つの（ａ）」または「１つの（ａｎ）」という単語に続けられる要素またはステップは、除外することが明示的に述べられない限り、複数の前記要素またはステップを除外しないと理解されたい。さらに、本発明の「一実施形態」への言及は、この実施形態で言及される特徴をやはり含むさらなる実施形態の存在を排除するものとして解釈されることを意図していない。さらに、明示的に反対の記載がない限り、特定の性質を有する要素または複数の要素を「備える（ｃｏｍｐｒｉｓｉｎｇ）」、「含む（ｉｎｃｌｕｄｉｎｇ）」、または「有する（ｈａｖｉｎｇ）」実施形態は、その性質を有さない追加のそのような要素を含むことができる。「含む（ｉｎｃｌｕｄｉｎｇ）」および「ここで（ｉｎ ｗｈｉｃｈ）」という用語は、それぞれの用語「備える（ｃｏｍｐｒｉｓｉｎｇ）」および「ここで（ｗｈｅｒｅｉｎ）」の平易な言葉での同等物として使用される。さらに、「第１の」、「第２の」、および「第３の」などの用語は、単にラベルとして使用され、それらの物体に数値的要件または特定の位置的順序を課すことを意図しない。

本明細書は、最良の態様を含めて本発明を開示すると共に、いかなる当業者も、任意の装置またはシステムの作製および使用ならびに任意の組み込まれた方法の実施を含め、本発明を実践することを可能にするために実施例を使用する。本発明の特許可能な範囲は、特許請求の範囲によって定義されると共に、当業者に想起される他の実施例を含んでもよい。そのような他の実施例は、それらが特許請求の範囲の文言から相違しない構造要素を有する場合、または特許請求の範囲の文言から実質的には相違しない同等の構造要素を含む場合、特許請求の範囲の技術的範囲に包含される。

１００ ＣＴシステム
１０２ ガントリ
１０４ Ｘ線源
１０６ Ｘ線放射ビーム
１０８ 検出器アレイ
１１０ 画像プロセッサユニット
１１２ 対象物
１１４ テーブル
２００ 撮像システム
２０２ 検出器素子
２０４ 対象物
２０６ 回転中心
２０８ 制御機構
２１０ Ｘ線コントローラ
２１２ ガントリモータコントローラ
２１４ データ収集システム（ＤＡＳ）
２１６ コンピューティングデバイス
２１８ 大容量記憶装置
２２０ オペレータコンソール
２２４ 画像保管通信システム（ＰＡＣＳ）
２２６ テーブルモータコントローラ
２３０ 画像再構築器
２３２ 表示装置／ディスプレイ
３００ 方法
４００ 方法
５００ 一組のグラフ
５１０ 第１のグラフ／プロット
５１１ 第１の表面
５１３ 測定値
５１５ 第１の推定値
５１６ ドット
５１７ ドット
５１９ ドット／グラウンドトゥルース
５２０ 第２のグラフ／プロット
５３０ 第３のグラフ／プロット
５４０ 第４のグラフ／プロット
５５０ 第５のグラフ／プロット
５６０ 第６のグラフ／プロット
５７０ 第７のグラフ／プロット
５８０ 第８のグラフ／プロット
６００ 一組のグラフ
６１０ 第１のグラフ／プロット
６１１ 領域
６１３ 線形モデル
６１５ 予備推定値
６２０ 第２のグラフ／プロット
６３０ 第３のグラフ／プロット
６４０ 第４のグラフ／プロット
６５０ 第５のグラフ／プロット
６６０ 第６のグラフ／プロット
６７０ 第７のグラフ／プロット
６８０ 第８のグラフ／プロット
７００ グラフ
７０５ プロファイル
７１０ プロファイル
７１５ プロファイル
７２５ 領域
８００ グラフ
９００ グラフ
９０５ 差
９１０ 差
１０００ 方法

Claims (20)

1. 撮像システム（２００）を介して、複数のＸ線スペクトルについて投影データを取得するステップ（３０５）と、
   前記撮像システム（２００）の前記投影データおよび前記較正データに基づいて、複数の材料の経路長を推定するステップ（３１０）と、
   前記較正データから導出された線形化モデルに基づいて、前記推定された経路長を反復的に精緻化するステップ（３１５）と、
   前記反復的に精緻化された推定された経路長から前記複数の材料の各材料について材料密度画像を再構築するステップ（３２０）と、
   を含む方法（３００、４００、１０００）。
2. 前記撮像システム（２００）の前記投影データおよび前記較正データに基づいて前記複数の材料の経路長を推定するステップ（３１０）は、前記撮像システム（２００）の物理をモデル化することなく、前記投影データおよび前記較正データに基づいて前記複数の材料の前記経路長を推定するステップを含み、前記撮像システム（２００）の前記物理は、前記複数のＸ線スペクトルおよび前記撮像システム（２００）の検出器のスペクトル応答を含む、請求項１に記載の方法（３００、４００、１０００）。
3. 前記撮像システム（２００）の前記投影データおよび前記較正データに基づいて前記複数の材料の経路長を推定するステップ（３１０）は、前記投影データに対応する前記複数の材料の経路長の第１の推定値を生成するために、前記較正データへの逆関数探索を実行するステップ（４１０）を含む、請求項１に記載の方法（３００、４００、１０００）。
4. 前記撮像システム（２００）の前記投影データおよび前記較正データに基づいて前記複数の材料の経路長を推定するステップ（３１０）は、前記較正データから構築された順モデルの線形近似を生成するステップ（４１５）と、前記複数の材料の経路長の予備推定値を取得するために、前記線形近似に基づいて線形方程式系を解くステップ（４２０）と、をさらに含む、請求項３に記載の方法（３００、４００、１０００）。
5. 前記較正データから導出された線形化モデルに基づいて前記推定された経路長を反復的に精緻化するステップ（３１５）は、経路長の前記予備推定値を初期推定値として用いて前記複数の材料の各材料の経路長の最終推定値を反復的に計算するステップ（３１５）を含み、前記材料密度画像は、前記複数の材料の各材料の経路長の前記最終推定値から再構築される、請求項４に記載の方法（３００、４００、１０００）。
6. 前記投影データに対応する前記複数の材料の経路長の前記第１の推定値を生成するために前記較正データへの前記逆関数探索を実行するステップ（４１０）は、各サイノグラムビンについて、前記較正データから構築された順モデルに入力されたときに前記投影データのしきい値距離内の結果をもたらす前記較正データ内の材料経路長の候補ベクトルを選択するステップと、各サイノグラムビンについて、前記候補ベクトルの加重和から経路長の前記第１の推定値を計算するステップと、を含む、請求項３に記載の方法（３００、４００、１０００）。
7. 前記投影データの強度測定値に基づいて前記加重和の重みを選択するステップをさらに含み、より高い強度はより高い重みに対応する、請求項６に記載の方法（３００、４００、１０００）。
8. 前記順モデルの前記線形近似を生成するステップ（４１５）は、各材料の既知の経路長の行列と乗算したときに既知の投影測定値の対応する行列をもたらす係数行列を計算するステップを含み、前記較正データは、前記既知の経路長および前記既知の投影測定値を含む、請求項４に記載の方法（３００、４００、１０００）。
9. 前記複数の材料の経路長の前記予備推定値を取得するために前記線形近似に基づいて前記線形方程式系を解くステップ（４２０）は、前記係数行列と乗算したときに前記投影データの投影測定値の対応する行列をもたらす前記複数の材料の経路長の前記予備推定値の行列を計算するステップを含む、請求項８に記載の方法（３００、４００、１０００）。
10. 前記投影データおよび前記較正データに基づいて少なくとも２つの単色サイノグラムを推定するステップ（１０１０）と、前記少なくとも２つの単色サイノグラムから少なくとも２つの単色画像を再構築するステップ（１０１５）と、をさらに含む、請求項１に記載の方法（３００、４００、１０００）。
11. 前記複数の材料の各材料について前記材料密度画像を再構築するステップ（３２０）は、前記少なくとも２つの単色サイノグラムの線形変換、および画像領域事前情報を使用する反復方式のうちの少なくとも一方を含む純粋画像領域技術を使用して、前記少なくとも２つの単色サイノグラムから再構築された前記少なくとも２つの単色画像から前記複数の材料密度画像を推定するステップを含む、請求項１０に記載の方法（３００、４００、１０００）。
12. 撮像システム（２００）を介して、複数のＸ線スペクトルについて投影データを取得するステップと、
    前記複数のＸ線スペクトルおよび前記複数のＸ線スペクトルに対する検出器応答を含む前記撮像システム（２００）の物理をモデル化することなく、前記撮像システム（２００）の前記投影データおよび較正データに基づいて、複数の材料の経路長の予備推定値を計算するステップと、
    前記複数の材料の経路長の最終推定値を取得するために、前記複数の材料の経路長の前記予備推定値を反復的に更新するステップと、
    前記複数の材料の経路長の前記最終推定値から前記複数の材料の各材料について材料密度画像を再構築するステップと、
    を含む、方法（３００、４００、１０００）。
13. 前記複数の材料の経路長の前記予備推定値を計算するステップは、前記較正データへの逆関数探索に基づいて経路長の第１の推定値を計算するステップと、前記複数の材料の経路長の前記予備推定値の線形方程式系を解くステップと、を含み、前記線形方程式系は、前記較正データの順モデルの線形近似に基づいて構築される、請求項１２に記載の方法（３００、４００、１０００）。
14. 前記複数の材料の経路長の前記最終推定値を取得するために、前記複数の材料の経路長の前記予備推定値を反復的に更新するステップは、前記複数の材料の経路長の前記最終推定値を決定するために、前記複数の材料の経路長の前記予備推定値で初期化された、前記投影データおよび前記較正データを入力として統計関数を反復的に最小化するステップを含む、請求項１２に記載の方法（３００、４００、１０００）。
15. システム（１００、２００）であって、
    対象物（１１２）に向かってＸ線ビーム（１０６）を生成するように構成されたＸ線源（１０４）と、
    前記対象物（１１２）によって減衰された前記Ｘ線ビーム（１０６）を検出するように構成された複数の検出器素子（２０２）を含む検出器アレイと、
    前記Ｘ線源（１０４）および前記検出器アレイに通信可能に結合され、非一時的なメモリ内に命令を有するように構成されたコンピューティングデバイス（２１６）と、を含み、前記命令は、実行されると前記コンピューティングデバイス（２１６）に、
    異なるエネルギーレベルで複数のＸ線ビーム（１０６）を用いて前記対象物（１１２）をスキャンして投影データを取得するように前記Ｘ線源（１０４）および前記検出器アレイを制御させ、
    前記Ｘ線源（１０４）および前記検出器アレイの前記投影データおよび較正データに基づいて複数の材料の経路長を推定させ、
    前記較正データから導出された線形化モデルに基づいて、前記推定された経路長を反復的に精緻化させ、
    前記反復的に精緻化された推定された経路長から前記複数の材料の各材料について材料密度画像を再構築させる、システム（１００、２００）。
16. 前記コンピューティングデバイス（２１６）は、前記非一時的メモリ内に命令を有するようにさらに構成され、前記命令は、実行されると、前記コンピューティングデバイス（２１６）に、前記Ｘ線源（１０４）および前記検出器アレイの物理をモデル化することなく、前記投影データおよび前記較正データに基づいて前記複数の材料の前記経路長を推定させる、請求項１５に記載のシステム（１００、２００）。
17. 前記コンピューティングデバイス（２１６）は、前記非一時的メモリ内に命令を有するようにさらに構成され、前記命令は、実行されると、前記コンピューティングデバイス（２１６）に、前記投影データに対応する前記複数の材料の経路長の第１の推定値を生成するために前記較正データへの逆関数探索を実行させ、前記較正データから構築された順モデルの線形近似を生成させ、前記複数の材料の経路長の予備推定値を取得するために前記線形近似に基づいて線形方程式系を解かせる、請求項１５に記載のシステム（１００、２００）。
18. 前記コンピューティングデバイス（２１６）は、前記非一時的メモリ内に命令を有するようにさらに構成され、前記命令は、実行されると、前記コンピューティングデバイス（２１６）に、前記推定された経路長を初期推定値として用いて前記複数の材料の各材料について前記推定された経路長を反復的に精緻化させる、請求項１５に記載のシステム（１００、２００）。
19. 前記コンピューティングデバイス（２１６）は、前記非一時的メモリ内に命令を有するようにさらに構成され、前記命令は、実行されると、前記コンピューティングデバイス（２１６）に、前記投影データおよび前記較正データに基づいて少なくとも２つの単色サイノグラムを推定させ、前記少なくとも２つの単色サイノグラムから少なくとも２つの単色画像を再構築させる、請求項１５に記載のシステム（１００、２００）。
20. 前記コンピューティングデバイス（２１６）は、前記非一時的メモリ内に命令を有するようにさらに構成され、前記命令は、実行されると、前記コンピューティングデバイス（２１６）に、前記少なくとも２つの単色サイノグラムの線形変換、および画像領域事前情報を使用する反復方式のうちの少なくとも一方を含む純粋画像領域技術を使用して、前記少なくとも２つの単色サイノグラムから再構築された前記少なくとも２つの単色画像から前記複数の材料密度画像を推定させる、請求項１９に記載のシステム（１００、２００）。

Images