JP2022140410A - ギャップフィラーサイノグラム情報を取得するための処理デバイス、コンピュータ断層撮影装置、方法、およびコンピュータプログラム - Google Patents

ギャップフィラーサイノグラム情報を取得するための処理デバイス、コンピュータ断層撮影装置、方法、およびコンピュータプログラム Download PDF

Info

Publication number
JP2022140410A
JP2022140410A JP2022037986A JP2022037986A JP2022140410A JP 2022140410 A JP2022140410 A JP 2022140410A JP 2022037986 A JP2022037986 A JP 2022037986A JP 2022037986 A JP2022037986 A JP 2022037986A JP 2022140410 A JP2022140410 A JP 2022140410A
Authority
JP
Japan
Prior art keywords
sinogram
information
sinogram information
gap
processing device
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
JP2022037986A
Other languages
English (en)
Other versions
JP7318045B2 (ja
Inventor
マルクス・フィルシング
Firsching Markus
アレクサンダー・エネン
Ennen Alexander
クリストフ・シュペイヤー
Speier Christoph
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.)
Fraunhofer Gesellschaft zur Forderung der Angewandten Forschung eV
Original Assignee
Fraunhofer Gesellschaft zur Forderung der Angewandten Forschung eV
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 Fraunhofer Gesellschaft zur Forderung der Angewandten Forschung eV filed Critical Fraunhofer Gesellschaft zur Forderung der Angewandten Forschung eV
Publication of JP2022140410A publication Critical patent/JP2022140410A/ja
Application granted granted Critical
Publication of JP7318045B2 publication Critical patent/JP7318045B2/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
    • G06T11/008—Specific post-processing after tomographic reconstruction, e.g. voxelisation, metal artifact correction
    • 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
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment
    • A61B6/02—Devices for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
    • A61B6/03—Computerised tomographs
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment
    • A61B6/48—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 for radiation diagnosis, e.g. 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0012—Biomedical image inspection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment
    • A61B6/54—Control of apparatus or devices for radiation diagnosis
    • A61B6/542—Control of apparatus or devices for radiation diagnosis involving control of exposure
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20084—Artificial neural networks [ANN]
    • 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
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2211/00—Image generation
    • G06T2211/40—Computed tomography
    • G06T2211/441—AI-based methods, deep learning or artificial neural networks

Abstract

【課題】不完全な二重エネルギーコンピュータ断層撮影（CT）データを完全なものとする処理デバイスを提供する。【解決手段】ギャップフィラーサイノグラム情報を取得するための処理デバイス(100)は、第1のスペクトルパラメータに関連する第1のサイノグラム情報と、第2のスペクトルパラメータに関連する第2のサイノグラム情報とを取得するように適合される。処理デバイス(100)は、第1のサイノグラム情報と第2のサイノグラム情報とに基づいて、第2のスペクトルパラメータに関連し、かつ第2のサイノグラム情報における1つのギャップ(520，620，720)を補填する、ギャップフィラーサイノグラム情報を取得するように適合される。コンピュータプログラム、方法、およびコンピュータの実装形態についても説明される。【選択図】図１

Description

本発明による実施形態は、ギャップフィラーサイノグラム情報を取得するための処理デバイスに関する。
本発明によるいくつかの実施形態は、ギャップフィラーサイノグラム情報を取得するための処理デバイスを備えるコンピュータ断層撮影装置(コンピュータ断層撮影スキャナ)に関する。
本発明によるいくつかの実施形態は、ギャップフィラーサイノグラム情報を取得する方法に関する。
本発明による他の実施形態は、コンピュータプログラムに関する。
本発明の実施形態は、曝露時間を短縮しおよび/または線量を低減するためにディープニューラルネットワークを使用しながら、不完全な二重エネルギーCTデータを完成させるための処理デバイスに関し、ならびに方法とコンピュータプログラムとに関する。
X線コンピュータ断層撮影(CT)は、医療および産業用途でも広く使用されている撮像方法である。このプロセスにおいて、比較的多数(典型的には数百から数千)の透過画像(放射線画像)が様々な投影方向において取り込まれる。空間次元(回転軸に対して垂直な検出器ピクセルの行)および角度次元(対象と撮像システムとの間の回転角)の表現は、サイノグラムと呼ばれる。その後、このサイノグラムから断層撮影断面画像が再構成され得る[非特許文献1]。複数の検出ラインを有する検出器を想定すると、回転軸に対して垂直なピクセル行から複数の層(すなわち、たとえば、複数のサイノグラム)を同時に再構成することが同様に可能である[非特許文献2]。したがって、そのようなマルチライン検出器の投影データ(すなわち、より広い意味でのサイノグラム)を含むデータ構造は、3次元である。以下では、第1の次元(「x」)がラインに沿ったピクセル番号を記述し、第2の次元(「y」)がライン番号を記述し、第3の次元(「z」または「α」)が角度増分を記述する表記法を使用する。通常、そのような拡張されたサイノグラムのこの第1の次元は、回転軸に対して本質的に垂直であり、第2の次元は、回転軸に対して本質的に平行である。
現在、一方、そのようなX線投影の取り込みは、一定量の時間を必要とし、患者または検査対象に対する特定の(潜在的に有害な)線量曝露に関連付けられる[非特許文献3]。明らかな理由のため、両方ともできるだけ小さく保たれるべきである。医療用途では、線量を低減することに焦点が当てられるが、無生物の検査対象を用いる技術産業用途では、曝露の持続時間(したがって、達成可能な作業サイクル)に焦点が当てられる。他方において、高品質のCT画像は、十分に多くの数の取り込まれたこれらの投影画像を必要とする。短すぎる曝露時間および/または少なすぎる数は、通常、ぼやけたおよび/またはノイズが多いCT画像を結果として生じる。
二重エネルギー方法(または2エネルギー方法)は、ビーム硬化アーティファクトを低減するためにコンピュータ断層撮影(「二重エネルギーCT」、2エネルギーコンピュータ断層撮影、マルチエネルギーX線、または2スペクトルCT)においてよく知られている技法である[非特許文献4、5、6]。さらに、二重エネルギーCTは、CTにおけるビーム硬化アーティファクトを修正することを可能にするだけでなく、検査された対象に関する追加の材質情報を取得することも可能にする[非特許文献7、8]。
二重エネルギーCTは、異なるスペクトルパラメータを有する2つのCTデータセットを必要とし、これらは、単に、「低エネルギー」(LE、low energy)および「高エネルギー」(HE、high energy)と呼ばれる。スペクトルパラメータを調整することは、たとえば、X線管の加速電圧の変化および/または追加のプレフィルタの使用を含み得る。
二重エネルギーデータを取り込むために、異なるスペクトルパラメータにおいて2つのスキャンを連続して取り込むこと、または2つのX線源と2つの検出器を使用しながら2つのスキャンを同時に取り込むことを必要とする。両方の場合において、これは、第1のケースにおいて曝露時間の倍加に加え、線量の約倍加を結果として生じ、X線ハードウェアのコストの倍加に加えて、第2のケースにおいて全体的に増加した設計の複雑さを結果として生じる。
二重エネルギーCTのいくつかの可能な実装形態のうちの1つは、典型的には、以下のステップからなり、最初に、標準CTに関する投影データが取り込まれる。次いで、調整されたスペクトルパラメータを有する第2のCT投影データセットが取り込まれる(たとえば、加速電圧および/またはプレフィルタの変更)。したがって、曝露時間および線量が増加する。追加のハードウェアは、必要ない。これらの2つのデータセットは、二重エネルギー方法(2エネルギー方法)を使用しながらさらに処理され、その後、断面画像のCT再構成が行われる。代替的に、他のスペクトルパラメータを有する第2のデータセットは、X線構成要素の第2のセット(少なくともX線源および検出器からなる)と同時に取り込まれ得る。これは、データ処理の後続のステップに影響しない。
以下において、二重エネルギー方法のいくつかの欠点について説明する。
一方、そのようなX線投影の取り込みは、一定量の時間を必要とし、患者または検査対象に対する特定の(潜在的に有害な)線量曝露に関連付けられる。(明らかな)理由のため、両方ともできるだけ小さく保たれるべきである。医療用途では、線量を低減することに焦点が当てられるが、無生物の検査対象を用いる技術産業用途では、取り込み持続時間(したがって、達成可能な作業サイクル)に焦点が当てられる。他方において、高品質のCT画像は、十分に多くの数のこれらの投影画像を必要とする。少なすぎる数は、通常、ぼやけたおよび/またはノイズが多いCT画像を結果として生じる。
したがって、従来技術によれば、二重エネルギーCTは、様々な実装形態においてさえ、増加した線量および増加した曝露時間、または増加した線量および増加した機器支出という欠点を伴う。結果として、二重エネルギーCTは、より多くの場合において情報獲得が重要である場合があるが、比較的少数の特定の用途においてのみ経済的に使用され得る[非特許文献9]。
二重エネルギーCTは、3Dボリューム内の材質間のコントラストを高めるため、または3Dボリューム内のアーティファクトを修正するための優れた方法である。しかしながら、二重エネルギーCT測定は、(少なくとも場合によっては)異なるスペクトルパラメータにおける同じ対象の少なくとも2つの完全なCT測定を必要とする。これは、第2の測定、または2つのCTシステムからなるクロスセットアップを実行することによって行われる。ここで問題になるのは、測定時間における増加(要因2)、またはシステムコストにおける増加(第2のCTシステム)である。一方では、二重エネルギーX線データの画像処理においても、改善を達成するために深層学習手法がますます使用されている[非特許文献10]。他方において、生成ニューラルネットワークを使用しながらのX線投影画像の人工的生成のための方法が知られている[非特許文献11]。
CT再構成の観点から、特定の投影角度の欠落画像は、サイノグラムにおけるギャップを表す。深層学習方法に基づき、たとえば、再構成のためのGAN[非特許文献12]、またはGANを使用しながら不完全なサイノグラムを拡張する方法[非特許文献13、14、15]を使用する、ギャップを有するサイノグラムのCT再構成のための方法が知られている。
さらに、再構成されたボクセルボリューム内(すなわち、投影またはサイノグラムのレベルではない)の2つの撮像チェーンのうちの一方における限定された視野(「限定された視野」)の場合、完全なデータセットを取得するために、他方の完全な撮像チェーンからの構造情報を使用しながら欠損領域を推定する二重エネルギー方法が知られている[非特許文献16]。この方法は、HE撮像構成要素が減少したFoV(視野)を有する二重ソースシステムを想定している。これらの切り捨てられたHE投影は、再構成アーティファクトを回避するために、LEシステムから再スケーリングされたデータで代替的に補完される。これは、再構成における前記画像エラーを回避する点において、人体のような既知の検査対象に対して十分良好に機能する。しかしながら、結果として、これは、この領域における二重エネルギー評価を可能にしない。しかしながら、深層学習システムは、ボクセルデータセットに対して機能し、深層学習方法を使用しながら、限定されたFoVの欠損領域を生成する。
Herman, G. T.，Fundamentals of computerized tomography: image reconstruction from projections，Springer Science & Business Media，2009 Feldkamp, L. A., Davis, L. C., & Kress, J. W.，Practical cone-beam algorithm，Josa a, 1(6), 612-619，1984 Mathews, J. D., Forsythe, A. V., Brady, Z., Butler, M. W., Goergen, S. K., Byrnes, G. B., ... & McGale, P.，Cancer risk in 680 000 people exposed to computer tomography scans in childhood or adolescence: data linkage study of 11 million Australians，Bmj, 346，2013 Coleman, A. J., & Sinclair, M.，A beam-hardening correction while using dual-energy computer tomography，Physics in Medicine & Biology, 30(11), 1251，1985 Kuchenbecker, S., Faby, S., Sawall, S., Lell, M., & Kachelriess, M.，Dual energy CT: How well may pseudo‐monochromatic imaging reduce metal artifacts?，Medical physics, 42(2), 1023-1036，2015 Dremel, K., Fuchs, T., Firsching, M., & Hanke, R.，Beam hardening correction in X-ray computer tomography: a comparison of two iterative model-based reconstruction methods 11th European Conf，Non-Destructive Testing (Prague, Czech Republic)，2014 Alvarez, R. E., & Macovski, A.，Energy-selective reconstructions in X-ray computerised tomography，Physics in Medicine & Biology, 21(5), 733，1976 Johnson, T. R., Krauss, B., Sedlmair, M., Grasruck, M., Bruder, H., Morhard, D., ... & Flohr, T.，Material differentiation by dual-energy CT: initial experience，European radiology, 17(6), 1510-1517，2007 Patino, M., Prochowski, A., Agrawal, M. D., Simeone, F. J., Gupta, R., Hahn, P. F., & Sahani, D. V.，Material separation while using dual-energy CT: current and emerging applications，Radiographics, 36(4), 1087-1105，2016 Poirot, M. G., Bergmans, R. H., Thomson, B. R., Jolink, F. C., Moum, S. J., Gonzalez, R. G., ... & Gupta, R.，Physics-informed Deep Learning for Dual-energy computer tomography image processing，Scientific reports, 9(1), 1-9，2019 Zhou, B., Lin, X., Eck, B., Hou, J., & Wilson, D.，Generation of virtual dual energy images from standard single-shot radiographs while using multi-scale and conditional adversarial network，In Asian Conference on Computer Vision (pp. 298-313)，Springer, Cham，2018, December Thaler, F., Hammernik, K., Payer, C., Urschler, M., & Shtern, D.，Sparse-view CT reconstruction while using wasserstein GANs，In International Workshop on Machine Learning for Medical Image Reconstruction (pp. 75-82)，Springer, Cham，2018, September Li, Z., Zhang, W., Wang, L., Cai, A., Liang, N., Yan, B., & Li, L.，A sinogram inpainting method on the basis of generative adversarial network for limited-angle computer tomography，In 15th International Meeting on Fully Three-Dimensional Image Reconstruction in Radiology and Nuclear Medicine (Vol. 11072, p. 1107220)，International Society for Optics and Photonics，2019, May Zhang, R., Zhou, J., Yu, Z., & Nemoto, T.，A cascaded deep-learning reconstruction method for sparse-view kV-switching dual-energy CT，In Medical Imaging 2020: Physics of Medical Imaging (Vol. 11312, p. 1131223)，International Society for Optics and Photonics，2020, March Ghani, M. U., & Karl, W. C.，Deep learning-based sinogram completion for low-dose CT，In 2018 IEEE 13th Image, Video, and Multidimensional Signal Processing Workshop (IVMSP) (pp. 1-5)，IEEE，2018, June Clark, D. P., Schwartz, F. R., Marin, D., Ramirez‐Giraldo, J. C., & Badea, C. T.，Deep learning based spectral extrapolation for dual‐source, dual‐energy x‐ray computer tomography，Medical Physics，2020 Ronneberger, O., Fischer, P., & Brox, T.，U-Net: Convolutional networks for biomedical image segmentation，In International Conference on Medical image computing and computer-assisted intervention (pp. 234-241)，Springer, Cham，2015, October
したがって、二重エネルギーCTにおける前述の欠点を改善するか、または少なくとも部分的に改善するという要望がある。加えて、より低い放射線量および/またはより短い測定時間、したがって、より低いコストを(たとえば、簡単かつ安価な方法で)保証する処理デバイスを提供するという要望がある。
全体として、画像品質と、放射線量と、測定時間と、コストとの間の改善されたトレードオフを含む概念を提供するという要望がある。
前述の目的は、特許請求の範囲によって少なくとも部分的に達成される。
したがって、目的は、独立請求項1の特徴を有するギャップフィラーサイノグラム情報を取得するための処理デバイスによって、さらなる独立請求項12の特徴を有するコンピュータ断層撮影装置によって、さらにギャップフィラーサイノグラム情報を取得する方法によって、およびコンピュータプログラムによって達成される。
本発明のさらなる特徴および詳細は、従属請求項、明細書、および図面から明らかである。この文脈内で、本開示に関して、相互参照が本発明の独立した態様に対してなされ、または常になされ得るように、本発明による処理デバイスに関連して説明される特徴および詳細は、もちろん、本発明によるコンピュータ断層撮影装置に関連しても有効であり、各々の場合において逆もまた同様である。
言い換えれば、本明細書で開示される方法は、個別に、および組み合わせて、デバイスに関して本明細書で開示される任意の特徴、機能、および詳細によって任意選択で補足され得る。
本明細書で開示されるデバイスは、個別に、および組み合わせて、方法に関して本明細書で開示される任意の特徴、機能、および詳細によって任意選択で補足され得る。
本発明による一実施形態は、ギャップフィラーサイノグラム情報を取得するための処理デバイスを提供する。処理デバイスは、第1のスペクトルパラメータに関連する第1のサイノグラム情報を取得するように適合される。処理デバイスは、第1のスペクトルパラメータとは異なる第2のスペクトルパラメータに関連する第2のサイノグラム情報を取得するようにさらに適合される。処理デバイスは、第1のサイノグラム情報と第2のサイノグラム情報とに基づいて、第2のスペクトルパラメータに関連し、かつ第2のサイノグラム情報におけるギャップを補填する、ギャップフィラーサイノグラム情報を取得するようにさらに適合される。本明細書において、サイノグラム情報を取得することは、サイノグラム情報を受信するまたは決定することと同義である場合もある。
この実施形態は、ギャップフィラーサイノグラム情報を取得するために第1および第2のサイノグラム情報を使用しながら、取得された(たとえば、受信された)第1のサイノグラム情報内にすでに含まれる情報で第2のサイノグラム情報のギャップが補填され得るという理解に基づく。したがって、第2のサイノグラム情報がギャップを示す(たとえば、すべての角度値について取り込まれなかった)場合であっても、ビーム硬化アーティファクトの修正、または異なる材質を区別する能力などの追加の材質情報を取得することなどの、二重エネルギーCTの利点は、(少なくとも実質的に)維持され得る。したがって、第2のサイノグラム情報は、たとえば、本発明による処理装置によって第1のサイノグラム情報および第2のサイノグラム情報を介して(少なくとも近似的に)再構成され得るギャップを含む場合がある(すなわち、たとえばより少ない角度値を用いて取り込まれた場合がある)ので、検査されるべき対象は、より少ないX線放射線に曝露される場合がある。代替的に、または補完的に、たとえば、完全な第2のサイノグラム情報とは対照的に、ギャップを示す第2のサイノグラム情報を生成または取得するために、より短い情報が必要とされるので、本発明による処理デバイスは、よりコスト効果的に動作され得る。ギャップフィラーサイノグラム情報を生成することによって、二重エネルギーCTの利点は、(少なくとも実質的に)維持される。第2のデータセットをその全体において取り込むのではなく、第2のCT測定は、著しく少ない角度増分を用いて有利に実行され得る。第1の測定と比較して(または比べて)欠落している角度増分は、本発明による処理デバイスによって計算/決定または推定される。したがって、はるかにより短い追加の測定時間で二重エネルギーCTデータセットを生成することが可能であり得、そのデータセットは、アーティファクト低減またはコントラスト増強のために使用され得る。この方法の利点は、減少したコスト(測定時間)、および/または減少した線量、および/または減少した機器コスト(クロスセットアップが必要とされない)である。特徴または解決策は、典型的には2倍の測定時間を受け入れる必要なくDE-CTの利点を利用することを可能にする。利点は、コスト削減および/または線量最小化にある。
サイノグラム情報は、たとえば、検出器を使用している間にCTにおける投影を用いて取得され得る情報を指す。サイノグラム情報は、たとえば、タイムスタンプ、検出器情報、角度増分情報、または投影もしくは検出に関連する同様の情報などのさらなるデータを含み得る。サイノグラム情報は、たとえば、サイノグラムピクセル、ライン(ピクセルのサイノグラムラインまたはサイノグラム行)、もしくはサイノグラムパッチ(たとえば、投影パッチ(空間的に隣接するピクセルのパッチ)またはサイノグラムピクセルグループ)、および/または1つもしくは複数のグレー値などの、サイノグラムピクセル、ライン、もしくはパッチに関連する情報内容を指し得る。サイノグラムは、典型的には、投影角度に沿った検出器行のピクセル値の2D表現であると理解される。エリア検出器の場合、1つのエリア検出器は、現在、単一のラインではなく、多くのラインを有する。「拡張された」サイノグラムは、現在、もはや2次元ではなく、3次元を有し、すなわち、2つの空間次元(検出平面内のx方向およびy方向)に加え、第3の次元として角度増分を有する。本明細書で使用されるサイノグラム情報は、2次元ならびに3次元のサイノグラムを指す場合がある。
本明細書で使用されるギャップフィラーサイノグラム情報は、たとえば、合成されたサイノグラムピクセル、および/または合成されたサイノグラムピクセルに関連する情報内容を指す場合がある。ギャップフィラーサイノグラム情報は、たとえば、ピクセルに関連するタイムスタンプまたは座標などのさらなる情報を含む場合がある。ギャップフィラーサイノグラム情報は、たとえば合成されたサイノグラムライン、および/または合成されたサイノグラムラインに関連する情報内容に関連する場合がある。ギャップフィラーサイノグラム情報は、たとえば、合成されたサイノグラムパッチ、および/または合成されたサイノグラムパッチに関連する情報内容に関連する場合がある。実施形態によれば、処理デバイスは、第1のサイノグラム情報と第2のサイノグラム情報とを使用しながら、ギャップフィラーサイノグラム情報を生成するように適合される。
本発明の好ましい実施形態によれば、ギャップは、1つまたは複数のピクセルに対応する。たとえば、ギャップは、1つまたは複数のピクセル値に対応する場合がある。たとえば、ピクセルは、問題の投影画像におけるグレー値に対応する場合がある。たとえば、ピクセル値は、検出器のピクセルから取得された情報に対応する場合がある。複数のピクセルまたはピクセル値を含むギャップは、たとえば、ピクセルの行またはピクセルの列に対応する場合がある。複数のピクセル値を含むギャップは、たとえば、行または列からの欠落情報に対応するサイノグラム情報における情報ギャップに対応する場合がある。複数のピクセルにまたがるギャップは、「パッチ」、またはピクセルの領域に対応する場合がある。たとえば、パッチは、たとえば、サイノグラムの2つの座標方向における拡張を含むピクセル値の領域である。前述のように、それは、2次元サイノグラムまたは拡張された3Dサイノグラムを意味する場合がある。たとえば、パッチは、ギャップの位置座標について対称的な拡張、またはギャップの位置座標について非対称的な拡張を有する場合がある。たとえば、拡張は、サイノグラムの1つの座標方向(たとえば、線形画像センサに沿った位置)において、サイノグラムの他方の方向(たとえば、角度方向)におけるよりも大きい場合がある。たとえば、拡張は、サイノグラムの両方の座標方向において同じである場合がある。拡張は、たとえば、座標方向におけるピクセル数またはピクセル値を指す。座標は、二重エネルギーCTの角度投影の角度増分を指す。したがって、処理デバイスは、ギャップを有する第2のサイノグラム情報を処理し得、第1のサイノグラム情報と第2のサイノグラム情報とを使用しながらギャップの情報を合成し得る。たとえば、ギャップは、2つ以上のピクセル(ピクセル値/グレー値)を含む場合がある。たとえば、ギャップは、第1のサイノグラム情報と比較して、第2のサイノグラム情報の99%以下を含む場合がある。たとえば、ギャップは、第1のサイノグラム情報と比較して、第2のサイノグラム情報の95%以下を含む場合がある。たとえば、ギャップは、第1のサイノグラム情報と比較して、第2のサイノグラム情報の90%、85%、75%、70%、60%、50%、40%、30%、20%、10%以下を含む場合がある。たとえば、ギャップは、第1のサイノグラム情報と比較して、第2のサイノグラム情報の1%以上を含む場合がある。たとえば、ギャップは、第1のサイノグラム情報と比較して、第2のサイノグラム情報の50%以上を含む場合がある。これは、たとえば、第1のサイノグラム情報内に存在する角度投影の90%が第2のサイノグラム情報内に含まれないことを意味する。その場合、ギャップは、たとえば、第1のサイノグラム情報の角度投影と比較して、たとえば、第2のサイノグラム情報の90%に対応する。ギャップは、第1のサイノグラム情報と比較して、第2のサイノグラム情報内のデータまたはピクセルの不在を指す場合が(も)ある。二重エネルギー方法の望ましいまたは必要な品質に従って、第2のサイノグラム情報のギャップ(たとえば、第1のサイノグラム情報と比較した第2のサイノグラム情報のギャップのサイズ)は、設定または事前に決定され得る。ギャップは、連続する情報を指さない。たとえば、ギャップは、第1のサイノグラム情報と比較した、第2のサイノグラム情報の併せて考慮される欠落情報を指す。
有利には、たとえば、第1のサイノグラム情報と比較して第2のサイノグラム情報のギャップに対応する(または、第1のサイノグラム情報と比較して第2のサイノグラム情報においてギャップを結果として生じる)第2のサイノグラム情報の低下した分解能(たとえば、角度分解能)で二重エネルギー方法を実行することが可能であり、この二重エネルギー方法は、分解能を低下させずに二重エネルギー方法を用いて取得される結果と少なくとも実質的に同等である。
好ましい実施形態によれば、処理デバイスは、第2のサイノグラム情報の分解能が向上したバージョンを取得するために、ギャップフィラーサイノグラム情報を取得するように適合され得る。たとえば、分解能が向上したバージョンは、(入力変数として取得された第2のサイノグラム情報において存在するよりも)より高い角度分解能を有し得る。たとえば、第2のサイノグラム情報の分解能が向上したバージョンは、処理デバイスが第2のサイノグラム情報の(角度)ギャップをギャップフィラーサイノグラム情報で補填するように適合される点において、たとえば、ギャップフィラーサイノグラム情報が第2のサイノグラム情報に追加される点において取得され得る。したがって、第1のサイノグラム情報と(分解能が低下した)第2のサイノグラム情報とに基づいて、実施形態による本発明の処理デバイスを使用しながら、分解能が向上した第2のサイノグラム情報を取得することが可能である。二重エネルギーCTのユーザによって意図的に低減された第2のサイノグラム情報の分解能は、有利には、短縮された曝露時間および/または減少した放射線量を結果としてもたらす場合がある。
好ましい実施形態によれば、第1のサイノグラム情報は、第1の角度分解能を有し得る。第2のサイノグラム情報は、第1の角度分解能よりも低い第2の角度分解能を有し得る。処理デバイスは、第2のサイノグラム情報の2つの角度値の間にある角度値についてギャップフィラーサイノグラム情報を取得するように適合され得る。
処理デバイスから取得されたサイノグラム情報(入力サイノグラム情報)と、ギャップフィラーサイノグラム情報を使用しながら取得されたサイノグラム情報とを区別するために、ギャップフィラーサイノグラム情報を含むサイノグラム情報は、出力サイノグラム情報と呼ばれる場合がある。したがって、有利には、第2のサイノグラム情報の分解能が、たとえば、50%だけ低下すると、第2のサイノグラム情報に関する曝露時間が、連続的な写真撮影において50%だけ短縮され得る。
好ましい実施形態によれば、ギャップフィラーサイノグラム情報を取得するための第2のサイノグラム情報は、第2のサイノグラム情報のギャップのサイノグラム情報近傍(sinogram information neighbors)を含む(第2の)サイノグラム情報であり得る。
ギャップに応じて、サイノグラム情報近傍は、対応するピクセルのセットを含む。たとえば、ピクセルを含むギャップのサイノグラム情報近傍は、ギャップに近接しているそれらのピクセルを含み得る。ここで、近傍は、たとえば、ギャップからのピクセルワイズ距離、絶対距離、または相対距離で定義され得る。したがって、サイノグラム情報近傍は、たとえば、ギャップのピクセルに直接隣接するピクセルであり得、および/またはその間に少なくとも1つもしくは複数のピクセルを有するギャップから離間したピクセルであり得る。サイノグラム情報近傍は、たとえば、ギャップから、最大ピクセルワイズ距離、またはピクセルピッチにおいて定義される距離を有するピクセルを含み得、ここで、最大ピクセルワイズ距離は、たとえば、ピクセル座標系における1つまたは複数の方向において整数個のピクセルを有する距離であり得る。サイノグラム情報近傍は、第1の座標方向において、別の第2の座標方向と異なる/同じピクセルワイズ距離を含み得る。それに対応して、同じことが、ピクセル行またはピクセルパッチに対応するギャップに適用可能である。有利には、ギャップフィラーサイノグラム情報は、サイノグラム情報近傍に従って再構成または合成され得る。サイノグラム情報近傍は、ギャップフィラーサイノグラム情報の品質を向上させるために、ギャップおよび/または検査されるべき対象に応じて、たとえば、ユーザによって異なって定義され得る。サイノグラム情報近傍は、ギャップごとに異なって選択され得る。
有利には、たとえば、第1のサイノグラム情報内に符号化された構造情報は、第2のサイノグラム情報内のギャップを補填するギャップフィラーサイノグラム情報の再構成または合成のために使用され得る。たとえば、1つの方向におけるギャップからの距離は、ピクセルを含まない(第1のサイノグラム情報内のギャップからの距離についてのみピクセルがない)、1つのピクセルを含む、または2つ以上のピクセルを含む場合がある。たとえば、1つの方向におけるギャップからの距離は、100ピクセル未満、50ピクセル未満、20ピクセル未満、または10ピクセル未満を含み得る。サイノグラム情報近傍は、第1のサイノグラム情報に関して第2のサイノグラム情報に関するよりも少ないまたは多いピクセルを含み得る。有利には、ギャップフィラーサイノグラム情報を取得する際の第1のサイノグラム情報および/または第2のサイノグラム情報の影響は、サイノグラム情報近傍によって構成される第1のサイノグラム情報および第2のサイノグラム情報のピクセルを用いて処理デバイスによって調整され得る。別の利点は、たとえば、それぞれのサイノグラム情報が連続して取り込まれるときに発生する場合がある、第1のサイノグラム情報のピクセルの第2のサイノグラム情報のピクセルへの変位が、サイノグラム情報近傍の適切な選択または事前の決定によって少なくとも部分的に補償され得ることであり得る。
好ましい実施形態によれば、処理デバイスは、ギャップに隣接する第2のサイノグラム情報の1つまたは複数のサイノグラム値(サイノグラム情報近傍)に基づいて、さらにギャップに隣接する第1のサイノグラム情報の1つもしくは複数のサイノグラム値(サイノグラム情報近傍)および/またはギャップに関連する第1のサイノグラム情報の1つもしくは複数のサイノグラム値に基づいて、ギャップフィラーサイノグラム情報を取得するように適合され得る。
近傍は、たとえば、角度的近傍または空間的近傍を指す場合がある。CT撮像における角度増分は、たとえば、1°よりも小さいか、または大幅に小さいことが知られている。ギャップは、たとえば、第2のサイノグラム情報が第1のサイノグラム情報と比較して減少したサンプリング(たとえば、低下した角度分解能)を用いて取り込まれたときに発生する。減少したサンプリングとは、たとえば、より大きい角度増分によるサンプリングを意味する。
好ましい実施形態によれば、ギャップフィラーサイノグラム情報を取得するための第1のサイノグラム情報は、第1のサイノグラム情報のギャップのサイノグラム情報近傍と、ギャップの第1のサイノグラム情報とを含む第1のサイノグラム情報であり得る。
たとえば、サイノグラム情報近傍に関する情報は、それぞれのサイノグラム情報内に含まれ得る。有利には、第2のサイノグラム情報のサンプリングに応じて、処理デバイスは、第2のサイノグラム情報のサイノグラム情報近傍に関する情報を取得し得る。第2のサイノグラム情報のサイノグラム情報近傍に関する情報は、処理デバイスから取得された第2のサイノグラム情報内に含まれ得る。たとえば、第2のサイノグラム情報は、ピクセル単位でまたは複数のピクセルを含むパッチにおいてギャップについて検査され得、および/またはスキャンから知られているギャップが使用され得る。たとえば、対応するギャップについて、次いで、ギャップフィラーサイノグラム情報を決定するために有利なサイノグラム情報近傍が決定され得る。処理デバイスは、この目的のために適宜適合され得る。
好ましい実施形態によれば、処理デバイスは、1回のスキャンで同時に、または2回のスキャンで順次に、第1のサイノグラム情報と第2のサイノグラム情報とを取得するように適合され得る。
すでに上記で説明されているように、様々なシステムが知られている。二重エネルギーCTは、第1のサイノグラム情報と第2のサイノグラム情報とを同時に検出することができる対応するハードウェアを有し得、または1つのスペクトルパラメータを用いて1回のスキャンのみを実行することができるハードウェアを有し得る。したがって、第1のサイノグラム情報および第2のサイノグラム情報は、同時にまたは時間遅延を伴って取得され得る。有利には、処理デバイスは、場合の各々においてギャップフィラーサイノグラム情報を取得(決定)するように適合され得る。同時に取得されるサイノグラム情報について、処理デバイスは、ギャップを示す第2のサイノグラム情報を決定することによって、放射線量を有利に低減し得、ここで、ギャップフィラーサイノグラム情報は、処理デバイスから(たとえば、計算によって)取得(決定)される。ギャップを示す第2のサイノグラム情報を修正および/または完成させるためのさらなるスキャンは、必要ないか、または省略される。順次に取得されるサイノグラム情報について、処理デバイスは、ギャップを示す第2のサイノグラム情報を決定することによって(たとえば、減少した数の角度増分を用いて第2のサイノグラム情報を決定することによって)、放射線量および/または曝露時間を有利に低減することができる。ギャップを示す第2のサイノグラム情報の修正および/または完了のためのさらなるスキャンは、必要ないか、または省略される。有利には、取得された(決定または合成された)サイノグラム情報は、スキャンから取得されたサイノグラム情報を置き換えおよび/または補足し得る。
好ましい実施形態によれば、第1のサイノグラム情報は、複数の透過画像ラインまたは透過画像を含み得、透過画像は、異なる(透過)角度に関連付けられ、たとえば、第1の透視ピーク波長または第1の透視加速電圧に関連付けられる。第2のサイノグラム情報は、異なる透過角度に関連付けられ、たとえば、第2の透視ピーク波長または第2の透視加速電圧に関連付けられた複数の透過画像ラインまたは透過画像を備え得、第1のサイノグラム情報および第2のサイノグラム情報は、二重エネルギーCT(マルチエネルギーコンピュータ断層撮影)の異なる透過ビームエネルギーに関連付けられる。
異なる透過ビームエネルギーは、たとえば、異なる加速電圧を使用することによって、および/または異なるプレフィルタもしくは追加のプレフィルタを使用することによって達成され得る。二重エネルギーCTは、マルチエネルギーコンピュータ断層撮影装置またはマルチエネルギーコンピュータ断層撮影に対する呼称である場合がある。マルチエネルギーは、コンピュータ断層撮影装置が2つ以上のスペクトルパラメータを使用しながらコンピュータ断層撮影を実行するように適合されていることを指す。
処理デバイスは、ギャップフィラーサイノグラム情報を取得するために、多項式フィットまたはニューラルネットワークなどの数学的方法を使用し得る。処理デバイスは、ギャップフィラーサイノグラム情報を取得するために、1つもしくは複数の数学的方法および/またはニューラルネットワークを使用するように適合される。
たとえば、多項式フィットなどの数学的方法において、5つの投影が入力データとして使用され得る。以下において、第2のサイノグラム情報としてHE投影(たとえば、高エネルギーまたは高加速電圧による投影)を用い、第1のサイノグラム情報としてLE投影(たとえば、比較的低いエネルギーまたは比較的低い加速電圧による投影)を用いる例が実行される。これは、例示の目的のみのためのものであり、HE投影が第1のサイノグラム情報としても存在し得、LE投影が第2のサイノグラム情報としても存在し得ることが理解される。
好ましい実施形態によれば、処理デバイスは、ニューラルネットワークを使用しながらギャップフィラーサイノグラム情報を取得するように適合され得る。
たとえば、ディープニューラルネットワーク(DNN)、たとえば、敵対的生成ネットワーク(GAN)、畳み込みニューラルネットワーク(CNN)、U-Netアーキテクチャ、または上記のうちの1つもしくは複数の組合せが、ギャップフィラーサイノグラム情報を取得するために使用され得る。たとえば、これらは、ピクセルごと、パッチごと、またはフレームごとにギャップフィラーサイノグラム情報を取得するように適合され得る。ギャップフィラーサイノグラム情報は、たとえば、第1および第2のサイノグラム情報(またはその一部)を入力情報としてニューラルネットワークに提供することによって取得され得る。たとえば、ニューラルネットワークは、ギャップフィラーサイノグラム情報が取得されるように、第1のサイノグラム情報の構造情報から第2のサイノグラム情報の構造情報を生成し得る。ニューラルネットワークは、第2のサイノグラム情報の分解能が第1のサイノグラム情報の分解能に少なくとも実質的に対応するように、ギャップフィラーサイノグラム情報を用いて第2のサイノグラム情報を補足するように適合され得る。有利には、取得された第2のサイノグラム情報(出力サイノグラム情報)および第1のサイノグラム情報から、たとえば、検査された対象に関する材質情報が取得され得、および/または、たとえば、ビーム硬化アーティファクトが低減され得る。有利には、処理デバイスは、出力サイノグラム情報および第1のサイノグラム情報から検査された対象に関する材質情報を取得するように、ならびに/またはビーム硬化アーティファクトを低減するように適合され得る。
有利には、ニューラルネットワークを使用することによって、ギャップなしで生成された第2のサイノグラム情報に少なくとも実質的に対応する第2のサイノグラム情報が取得(生成または合成)され得る。ギャップを有する(たとえば、低下した角度分解能を有する)第2のサイノグラム情報を意図的に決定することによって、スキャン時間が有利に短縮され得、および/または放射線量が低減され得、次いで、ギャップは、たとえば、ニューラルネットワークを使用しながら計算によって補填され得る。ちなみに、ギャップを補填する際に第1のサイノグラム情報と第2のサイノグラム情報との間の依存関係を利用するには、ニューラルネットワークが特によく適していることが認識されている。たとえば、ニューラルネットワークは、ギャップのないサイノグラム情報を用いてトレーニングされ得る(そして、たとえば、分析されるべき対象の特性、もしくは対象のクラス、たとえば、人間もしくは技術的な対象の特性に適合され得、またはCTアレイの特定の条件に適合され得る)。したがって、トレーニングの完了後、ニューラルネットワークは、特に信頼できる方法で、高精度で第2のサイノグラム情報内のギャップを補填することができ、これによって、元の第2のサイノグラム情報内のギャップに起因する分解能または鮮鋭度の損失が低く保たれ得る。
実施形態によれば、ニューラルネットワークは、CNN、GAN、およびU-Netのうちの少なくとも1つを備え得る。
たとえば、前記ニューラルネットワークもしくはアーキテクチャのうちの少なくとも1つが使用され得、または前記ニューラルネットワークもしくはアーキテクチャのうちの少なくとも2つさえ、直列または並列に接続され得る。異なるまたは類似のニューラルネットワークが相互接続され、および/または連続し得る。本発明の実施形態は、前記ニューラルネットワークアーキテクチャに限定されない。ニューラルネットワークのために、他のアーキテクチャが用いられ得る。特に、前述のタイプのニューラルネットワークは、本出願に特によく適していることが示されている。
このようにして、第2のサイノグラム情報の投影は、ピクセルごと、パッチごと、もしくは画像ごとに生成され得、または第2のサイノグラム情報のサイノグラム内のギャップは、閉じられ得、対象に関する構造情報は、第1のサイノグラム情報のスキャンからすでに知られており、エネルギー固有の差異のみが生成される必要がある。
実施形態によれば、最初に、第1のサイノグラム情報が任意の角度増分について最初に測定され得る。次のステップにおいて、第2のサイノグラム情報は、たとえば、1つおきの角度増分を省略しながら(すなわち、半分の角度分解能で)取り込まれ得る。言い換えれば、第2のサイノグラム情報は、たとえば、1つおきの角度増分について、2つおきの角度増分について、3つおきの角度増分について、4つおきの角度増分について、またはn-1個おきの角度増分について測定され得る。異なる角度増分の組合せも可能である。たとえば、ニューラルネットワークのトレーニングを可能にするために、欠落した角度増分に対するいくつかの投影が取り込まれ得る。その場合、トレーニングデータセットを提供するのに十分なデータが存在する。
ニューラルネットワークをトレーニングするために、トレーニングデータが増強され得、たとえば、および/または、正規化、ドロップアウト(値の省略)、ノイズ、早期停止などの、過学習を防止するためのさらなる技術が適用され得る。
ニューラルネットワークのトレーニング中に最適化されたパラメータは、たとえば、ランダムに、または同様の問題を解決するために正常にトレーニングされた同じアーキテクチャを有する事前にトレーニングされたネットワークからのパラメータによって初期化され得る(転移学習)。
本明細書で言及されている機械学習/深層学習技法のうちのいくつかに関するさらなる詳細は、専門の文献において見出され得、本明細書で適用される場合もある。
例として本明細書で説明されているCNNのアーキテクチャは、解決策を見つけるための手法の原始的な実現である。実際の実装形態において、U-Netアーキテクチャに基づくニューラルネットワークが正確であることが示されている。しかしながら、場合によっては本明細書で説明されているU-Netの効率を上回る可能性があるニューラルネットワークの他のネットワークアーキテクチャを使用することも可能である。これらは、たとえば、本発明によるギャップフィラーサイノグラム情報を取得するために適合され得る。
有利には、ニューラルネットワークは、第1および第2のサイノグラム情報を使用しながらギャップフィラーサイノグラム情報を取得することができるようにトレーニングおよび/または編成される。
別の実施形態は、たとえば、本明細書で開示されている実施形態による、少なくとも1つの処理デバイスを備えるコンピュータ断層撮影装置(コンピュータ断層撮影スキャナ)を提供する。
有利には、コンピュータ断層撮影装置は、処理デバイスを使用しながら(第1のサイノグラム情報と第2のサイノグラム情報とを使用しながら)、ギャップを示す第2のサイノグラム情報を完成させ得る。有利には、コンピュータ断層撮影装置は、1つのエミッタと1つの検出器とを有する、もしくは複数のエミッタとそれに対応して複数の検出器とを有するコンピュータ断層撮影装置の構成に応じて、たとえば、患者もしくは対象に対する放射線量を少なくとも実質的に低減し得、および/または二重エネルギーCTの曝露時間を少なくとも実質的に短縮し得る。
別の実施形態は、ギャップフィラーサイノグラム情報を取得する方法を提供する。方法は、第1のサイノグラム情報を取得するステップであって、第1のサイノグラム情報が第1のスペクトルパラメータに関連する、ステップと、第2のサイノグラム情報を取得するステップであって、第2のサイノグラム情報が第2のスペクトルパラメータに関連する(第2のスペクトルパラメータが第1のスペクトルパラメータとは異なる)、ステップとを含む。方法は、第1のサイノグラム情報と第2のサイノグラム情報とに基づいて、第2のサイノグラム情報内のギャップを補填するギャップフィラーサイノグラム情報を決定するステップをさらに含む。
この実施形態は、検出された対象の構造情報が第1のサイノグラム情報内に含まれ得、第2のサイノグラム情報内のギャップが、第1のサイノグラム情報と、第2のサイノグラム情報のギャップを有さない部分内に含まれ得る構造情報とに基づいて決定され得るという理解に基づく。これは、たとえば、数学的方法によって、またはニューラルネットワークを使用することによって達成され得る。
好ましい実施形態によれば、第2のサイノグラム情報は、第1のサイノグラム情報よりも少ない情報を含む。より少ない情報は、たとえば、第1のサイノグラム情報と第2のサイノグラム情報とを取得する取り込み方法において、第2のサイノグラム情報を取り込む際の角度増分が第1のサイノグラム情報を取り込む際の角度増分よりも大きいことを意味し得る。第1のサイノグラム情報と第2のサイノグラム情報とを同時に生成し得る二重エネルギーCTにおいて、より少ない情報は、第2のサイノグラム情報が第1のサイノグラム情報よりも少ない検出器ピクセルを用いて生成されることを意味し得る。たとえば、第2のサイノグラム情報において(より多くの)欠陥ピクセルが存在する場合がある。有利には、欠陥ピクセル(「不良ピクセル」)は、ギャップフィラーサイノグラム情報を取得することによって補償され得る。
好ましい実施形態によれば、ギャップフィラーサイノグラム情報を決定するステップは、第1のサイノグラム情報と第2のサイノグラム情報とを含み得る。この点について、第1のサイノグラム情報および第2のサイノグラム情報は、各々、第2のサイノグラム情報のギャップの空間的サイノグラム情報近傍を含み(または使用し)得、第1のサイノグラム情報は、(第2のサイノグラム情報のギャップに対応する)ギャップの第1のサイノグラム情報を(さらに/加えて)含み得る。すなわち、第2のサイノグラム情報のギャップの空間位置における第1のサイノグラム情報のデータセットは、第1のサイノグラム情報であり、第1のスペクトルパラメータに関連する情報を有する。第1のサイノグラム情報である(第1のサイノグラム情報内にのみ存在する)ギャップの情報は、ギャップフィラーサイノグラム情報(ギャップの第2のサイノグラム情報)を取得するために使用され得る。有利には、たとえば、第1のサイノグラム情報および第2のサイノグラム情報の影響は、それぞれのサイノグラム情報のサイノグラム情報近傍を介して制御され得る。
好ましい実施形態によれば、第1のサイノグラム情報は、第1の角度分解能を有し得、第2のサイノグラム情報は、第1の角度分解能よりも小さい第2の角度分解能を有し得る。ギャップフィラーサイノグラム情報を決定するステップは、(第2のサイノグラム情報内の)ギャップをギャップフィラーサイノグラム情報で補填するステップをさらに含み得る。この点について、たとえば、第1および第2のサイノグラム情報から取得されたギャップフィラーサイノグラム情報は、(第2のサイノグラム情報の)ギャップの(空間的)位置において第2のサイノグラム情報に挿入され得る。たとえば、これは、ギャップの位置における第2のサイノグラム情報の分解能を向上させ得る。たとえば、第2のサイノグラム情報内のギャップにもかかわらず、これは、二重エネルギーCTの利点を少なくとも実質的に維持し得る。
好ましい実施形態によれば、空間的サイノグラム情報近傍は、周囲(2p+1)×(2q+1)におけるサイノグラム情報を含み得る。また、第1のサイノグラム情報のサイノグラム情報近傍は、サイノグラム情報(座標を有する)([x+/-p,y+/-q,α])を含み、第2のサイノグラム情報のサイノグラム情報近傍は、サイノグラム情報(座標を有する)([x+/-p,y+/-q,α-r])および([x+/-p,y+/-q,α+r])を含む。ここで、pは、投影角度αに対して実質的に垂直である第1の方向xにおけるピクセルワイズ偏差であり得、qは、投影角度αの回転軸および第1の方向xに対して実質的に平行である第2の方向yにおけるピクセルワイズ偏差であり得、rは、たとえば、度または角度増分における角度偏差であり得る。したがって、ここでのx+/-pおよびy+/-qは、特に、x方向において位置x-pからx+pまで、y方向においてy-qからy+qまでの矩形画像セクションを示す。他の座標の慣習も使用され得る。ここで、ギャップフィラーサイノグラム情報を決定するステップは、第1および第2のサイノグラム情報のサイノグラム情報近傍に基づき得る。たとえば、p、q、およびrは、rが角度増分を示す場合、自然数であり得、そうでない場合、rは、度における角度であり得る。rは、たとえば、二重エネルギーCTの角度分解能に依存し得る。たとえば、単一のピクセルは、([x,y,α])によって、ラインは、たとえば、([x,y+/-q,α])または([x+/-p,y,α])によって、パッチは、相応して([x+/-p,y+/-q,α])によって示され(識別され)得る。pおよびqは、同じまたは異なり得る。たとえば、対称的なサイノグラム情報近傍は、等しいpおよびqによって定義され得、非対称的なサイノグラム情報近傍は、pおよびqの異なる値によって定義され得る。有利には、値を選択することによって、入力データは、調整され得る。たとえば、一度に単一の欠落ピクセルを生成するだけでなく、ピクセルの連続領域(たとえば、ラインまたはパッチ)、たとえば、矩形の画像セクションを生成することも可能である。これは、上記で使用されている正式な表記法ではほとんど変わらず、たとえば、xおよびyは、単一のピクセルの座標ではなく、連続した間隔になる。たとえば、実施形態によれば、処理デバイスは、p、q、およびrの値を、好ましくは、1つおよび/または複数のギャップについて選択するように適合され得る。たとえば、(不規則な)ギャップは、それぞれの方向において一定または可変の数のサイノグラム情報近傍によって取り囲まれる場合がある。したがって、たとえば、L字型ギャップは、ギャップから離れる各方向において2ピクセルを含むサイノグラム情報近傍を用いて定義され得る。他の(不規則な)ギャップ形状が発生する場合がある。これは、サイノグラム情報近傍がギャップに適合され、決定または取得する際にギャップフィラーサイノグラム情報の品質が向上するという利点を有し得る。
好ましい実施形態によれば、方法は、第1のサイノグラム情報と、第2のサイノグラム情報と、ギャップフィラーサイノグラム情報とに基づいてビーム硬化アーティファクトを除去するステップ、および/または第1のサイノグラム情報と、第2のサイノグラム情報と、ギャップフィラーサイノグラム情報とに基づいて検査された対象の材質情報を決定するステップをさらに含み得る。たとえば、ビーム硬化アーティファクトを除去するステップは、ビーム硬化除去モジュールによって実行され得る。たとえば、ビーム硬化除去モジュールは、第1のサイノグラム情報と、第2のサイノグラム情報と、ギャップフィラーサイノグラム情報とに基づいてビーム硬化効果を低減するように適合され得る。たとえば、ビーム硬化除去モジュールは、処理デバイスの一体の部分であり得る。代替的には、ビーム硬化除去モジュールは、処理デバイスとデータ通信している別個のモジュールであり得る。材質情報は、たとえば、材質情報決定モジュールによって決定され得る。材質情報決定モジュールは、たとえば、第1のサイノグラム情報と、第2のサイノグラム情報と、ギャップフィラーサイノグラム情報とに基づいて検査対象に関する材質情報のうちの1つまたは複数を決定するように適合され得る。たとえば、材質情報決定モジュールは、処理デバイスの一体の部分であり得る。代替的には、材質情報決定モジュールは、処理デバイスとデータ通信している別個のモジュールであり得る。有利には、ビーム硬化アーティファクトの除去および/または材質情報の決定の品質は、第2のサイノグラム情報がギャップを示す場合と、第2のサイノグラム情報がギャップを示さない場合とで、実質的に同じであり得る。これは、たとえば、材質情報を決定するときおよび/またはビーム硬化アーティファクトを除去するときの曝露時間および/または放射線量を低減し得る。
好ましい実施形態によれば、ギャップフィラーサイノグラム情報を決定するステップの前に、方法は、第2のサイノグラム情報に対する第1のサイノグラム情報の位置合わせを決定するステップと、第2のサイノグラム情報に対する第1のサイノグラム情報の位置合わせを実行するステップとを含み得る。これは、たとえば、第1のサイノグラム情報および第2のサイノグラム情報が連続して取得される場合であり得る。たとえば、生物である可能性がある対象は、第1のサイノグラム情報を取得するステップと第2のサイノグラム情報を取得するステップとの間の時間中に移動したまたは呼吸運動を行った可能性があり、これは、取得された情報の相対的な変位を結果として生じる可能性がある。位置合わせ手段は、情報におけるこのオフセットを少なくとも実質的に補償するために使用され得る。
本発明のさらなる実施形態は、コンピュータプログラム製品を提供する。コンピュータプログラム製品は、プログラムがコンピュータによって実行されるときに、本発明の実施形態による方法をコンピュータに実行させる命令を含む。
本発明の実施形態によれば、目的は、コンピュータ可読(記憶)媒体によって達成される。コンピュータ可読(記憶)媒体は、命令がコンピュータによって実行されるときに、本発明の実施形態による方法をコンピュータに実行させる命令を含む。
したがって、本発明の方法の別の実施形態は、本明細書で説明されている方法のいずれかを実行するためのコンピュータプログラムを構成するデータストリームまたは信号のシーケンスである。たとえば、データストリームまたは信号のシーケンスは、インターネットなどのデータ通信リンクを介して送信されるように適合され得る。
さらなる実施形態は、本明細書で説明されている方法のいずれかを実行するように構成また適合された、コンピュータまたはプログラマブルロジックデバイスなどの処理手段を備える。
さらなる実施形態は、本明細書で説明されている方法のいずれかを実行するためのコンピュータプログラムをインストールされたコンピュータを備える。
本発明によるさらなる実施形態は、本明細書で説明されている方法のいずれかを実行するためのコンピュータプログラムを受信機に(電子的または光学的に)送信するように適合されたデバイスまたはシステムを備える。受信機は、たとえばコンピュータ、モバイルデバイス、記憶デバイスなどであり得る。デバイスまたはシステムは、たとえばコンピュータプログラムを受信機に送信するためのファイルサーバを含み得る。
いくつかの実施形態において、プログラマブルロジックデバイス(たとえば、フィールドプログラマブルゲートアレイ(FPGA))は、本明細書で説明されている方法の機能のうちのいくつかまたはすべてを実行するために使用され得る。
いくつかの実施形態において、フィールドプログラマブルゲートアレイは、本明細書で説明されている方法のいずれかを実行するためにマイクロプロセッサと協働し得る。一般に、方法は、好ましくは任意のハードウェアデバイスによって実行される。上記で説明されている実施形態は、本発明の原理の単なる例示である。
本発明の一態様によれば、ギャップフィラーサイノグラム情報は、ボクセルなどのさらに処理されたデータに基づいて決定または計算されず、たとえば、サイノグラム情報に基づいて直接決定または計算される。
本発明による実施形態、たとえば、本発明による処理デバイスおよび本発明によるコンピュータ断層撮影装置は、図面を参照して以下により詳細に説明される。
検査されるべき対象とギャップフィラーサイノグラム情報を取得するための処理デバイスとを有するコンピュータ断層撮影装置の概略図である。 検査されるべき対象とギャップフィラーサイノグラム情報を取得するための処理デバイスとを有するコンピュータ断層撮影装置の概略図である。 ニューラルネットワークによるギャップフィラーサイノグラム情報の生成を伴う処理デバイスにおける第1のサイノグラム情報および第2のサイノグラム情報の投影における角度増分の概略図である。 ブロック図におけるギャップフィラーサイノグラム情報を取得する方法のフローチャートである。 ピクセルを含む例示的なギャップについてギャップフィラーサイノグラム情報を取得する方法の概略図である。 ピクセルの線を含む例示的なギャップについてギャップフィラーサイノグラム情報を取得する方法の概略図である。 パッチを含む例示的なギャップについてギャップフィラーサイノグラム情報を取得する方法の概略図である。 例示的な角度増分の入力データの8×8パッチに関連する出力のための4×4パッチによって例示される、CNNで使用するための第1のサイノグラム情報および第2のサイノグラム情報の図である。 第1のサイノグラム情報から第2のサイノグラム情報へのマッピング規則を取得するための3次元多項式による分布の例示的なフィットを示す図である。
図1から図7において、同じ機能および作用様式を有する要素は、各々、同じ参照番号が与えられている。
本発明の典型的な実施形態は、図を参照して以下に説明される。典型的な実施形態を説明する際に、説明をより明確にするために、異なる図中の同一または類似の部分、および異なる実施形態に対して、同じ参照番号が使用される場合がある。しかしながら、これは、本発明の対応する部分が実施形態において示されている変形例に限定されることを意味しない。
1.図1によるギャップフィラーサイノグラム情報を取得するための処理デバイス
図1において、ギャップフィラーサイノグラム情報を取得するための本発明による処理デバイスを有するコンピュータ断層撮影装置の例示的な実施形態が概略的に示されている。図1によるコンピュータ断層撮影装置は、その全体が110によって示されている。図1による処理デバイスは、100によって示されている。
ギャップフィラーサイノグラム情報を取得するための処理デバイス100は、コンピュータ断層撮影装置110の一体の部分であり得、またはここで示されているように、第1のサイノグラム情報と第2のサイノグラム情報とを取得するために、コンピュータ断層撮影装置110とデータ通信し得る。サイノグラム情報は、X線コンピュータ断層撮影によって生成される。ここで、前述のように、1つのサイノグラム情報が順次に生成され、別のサイノグラム情報が基本的に同時に生成される方法が知られている。図1は、サイノグラム情報を順次生成する方法を示す。この目的のために、検査されるべき対象102を通る投影を実行する放射器(ソース)106および検出器104が概略的に示されている。データ取り込みにおいて使用される座標系は、典型的には、X線ビームに結合される。空間座標yは、描画平面(図示せず)に対して垂直である。座標xは、αとともに回転し、すなわち、X線構成要素104および106に対して固定され、x'は、検査対象102に対して固定される。x、y、およびαを有する座標系は、生成されたサイノグラム情報を参照する。処理デバイス100は、第1のサイノグラム情報と第2のサイノグラム情報とを受信する。たとえば、αは、放射器106および検出器104が対象に対して配置される角度または角度増分を示す。処理デバイス100は、検出器104によって記録された投影から第1のサイノグラム情報と第2のサイノグラム情報とを取得する。検出器は、ライン検出器またはエリア検出器であり得る。第1のサイノグラム情報と第2のサイノグラム情報とを取得した後、処理デバイスは、ギャップフィラーサイノグラム情報を生成し得る。ギャップフィラーサイノグラム情報は、第2のサイノグラム情報内のギャップを補填し得る。たとえば、第1のサイノグラム情報は、「低エネルギー」(LE)スペクトルパラメータを用いて生成された情報に対応し得る。たとえば、第2のサイノグラム情報は、「高エネルギー」(HE)スペクトルパラメータを用いて生成された情報に対応し得る。たとえば、第1のサイノグラム情報は、代替的には、HEスペクトルパラメータを用いて生成され得、第2のサイノグラム情報は、代替的には、LEスペクトルパラメータを用いて生成され得る。
したがって、検出器104は、ギャップフィラーサイノグラム情報を取得するための処理デバイスによって処理されるべき第1のサイノグラム情報と第2のサイノグラム情報とを提供する。
2.図2によるギャップフィラーサイノグラム情報を取得するための処理デバイス
図2は、さらなるエミッタ216およびさらなる検出器214が示されている点において図1とは異なる。これは、二重エネルギーCTを本質的に並行して取り込むための典型的な実施形態である。対象102は、異なるスペクトルパラメータを有する放射線によって同時に照射される。したがって、第1のサイノグラム情報は、第1の検出器(ここでは検出器104)によって生成され、第2のサイノグラム情報は、第2の検出器(ここでは検出器214)によって生成され、第1のサイノグラム情報および第2のサイノグラム情報の生成されたサイノグラム情報は、各々、同じ透過角度に関連する。したがって、第1のスペクトルパラメータに関連する第1の投影および第2のスペクトルパラメータに関連する第2の投影は、実質的に同じ投影方向に対して取得され得る。図1に示されている実施形態において、これは、異なるスペクトルパラメータを有する2つのパスにおいて同じ検出器によって取得される。
3.図3によるギャップフィラーサイノグラム情報を取得するための処理デバイス
図3は、例として、角度増分を示しながら例示的な様々な投影を用いてギャップフィラーサイノグラム情報を取得するための処理デバイス100と、第1のサイノグラム情報および第2のサイノグラム情報からギャップフィラーサイノグラム情報を取得するように適合されたニューラルネットワーク(NN)とを示す。ここで、第1のサイノグラム情報および第2のサイノグラム情報は、それぞれ、LEおよびHEによって示されている。たとえば、ギャップフィラーサイノグラム情報の生成は、HEを第1のサイノグラム情報として用い、LEを第2のサイノグラム情報として用いても実行され得る。実線において示されている矢印(310)は、第1のサイノグラム情報(上からNNによって示されているニューラルネットワークを指す矢印)および第2のサイノグラム情報(下から指す矢印)が、破線の矢印(320)として示されているギャップフィラーサイノグラム情報を取得するためのニューラルネットワーク(NN)によって処理されることを例示している。ギャップフィラーサイノグラム情報は、たとえば、上記の例ですでに示されているように、第1のサイノグラム情報(ここではLE)に対して角度増分-1、+1、および0のそれぞれのサイノグラム情報から生成された、ここでは角度増分0において示されている第2のサイノグラム情報の欠落情報であり得る。
4.図4による方法
図4は、例として、ブロック図においてギャップフィラーサイノグラム情報を取得する方法400を示している。ここで、402は、第1のサイノグラム情報を取得するステップであり、第1のサイノグラム情報は、第1のスペクトルパラメータに関連する情報を含む。404は、第2のサイノグラム情報を取得するステップに関し、第2のサイノグラム情報は、第2のスペクトルパラメータに関連する情報を含む。そして406は、第1のサイノグラム情報と第2のサイノグラム情報とに基づいて、第2のサイノグラム情報内のギャップを補填するギャップフィラーサイノグラム情報を取得または決定するステップに関する。
5.図5による方法
図5は、例として、第1のサイノグラム情報502と第2のサイノグラム情報503とに基づいて、ここでは例示的にピクセルを含む、ギャップ520を補填するためのギャップフィラーサイノグラム情報を取得する方法500を示す。ピクセルグループの拡張は、x方向およびy方向における空間軸に沿い得る。ピクセルグループの空間的拡張は、(たとえば、検出器またはセットアップに応じて)角度にも沿い得る。処理デバイス100は、第1のサイノグラム情報502と第2のサイノグラム情報503とを使用しながらギャップフィラーサイノグラム情報を取得し、取得されたギャップフィラーサイノグラム情報でギャップ520を補填するように適合される。言い換えれば、処理デバイスは、合成的に生成されたギャップフィラーサイノグラム情報でギャップを補填し得る。図5は、検査された対象の同じ空間ピクセルに関連する第1の取得されたサイノグラム情報502と第2のサイノグラム情報503とを示す。ここで、第2のサイノグラム情報503は、サイノグラム情報が取得されなかったギャップ520を有する。504は、例として、第1の取得されたサイノグラム情報(第1のサイノグラム情報502を含む)の周りに空間的に配置された第1のサイノグラム情報の第1の領域を示す。第1のサイノグラム領域から、第1のサイノグラム再構成領域514が、たとえば、第1の方向および(第1の方向とは異なる)第2の方向における所定の拡張によって、たとえば、第1のサイノグラム再構成領域の所定の指示によって、選択または事前に決定され得、第1の方向における拡張(たとえば、ピクセルワイズ)は、第2の方向における拡張よりも大きくても小さくてもよい。第1のサイノグラム再構成領域内に含まれるサイノグラム情報は、(第1の)サイノグラム情報近傍と呼ばれる場合もあり、第1のサイノグラム情報近傍は、ギャップのサイノグラム情報も含む。
図5は、たとえば、第2の取得されたサイノグラム情報の周囲に空間的に配置された第2のサイノグラム情報の第2の領域505をさらに示す。第2のサイノグラム領域から、サイノグラム再構成領域515が、たとえば、第1の方向および(第1の方向とは異なる)第2の方向における所定の拡張によって、たとえば、サイノグラム再構成領域の所定の指示によって、選択または事前に決定され得、第1の方向における拡張(たとえば、ピクセルワイズ)は、第2の方向における拡張よりも大きくても小さくてもよい。第2のサイノグラム再構成領域内に含まれるサイノグラム情報は、(第2の)サイノグラム情報近傍と呼ばれる場合もあり、第2のサイノグラム情報近傍は、ギャップに関するサイノグラム情報を含まない。
図5は、例として、ギャップフィラーサイノグラム情報の前記決定をさらに示す。処理デバイス100は、第1のサイノグラム再構成領域および第2のサイノグラム再構成領域がそれぞれ含まれ得る第1のサイノグラム情報と第2のサイノグラム情報とを受信する。処理デバイス100は、たとえば、数学的方法またはニューラルネットワークによってギャップフィラーサイノグラム情報を決定し得る。これは、たとえば、第1のサイノグラム情報および第2のサイノグラム情報、または第1のサイノグラム情報近傍および第2のサイノグラム情報近傍を使用しながら行われ得る。決定されたギャップフィラーサイノグラム情報は、第2のサイノグラム情報503内のギャップを補填し、ギャップを持たない第2のサイノグラム情報を結果として生じる。これは、図5において出力サイノグラム情報543として示されている。
6.図6による方法
図6において、第1のサイノグラム情報602と第2のサイノグラム情報603に基づいて、ここでは例示的にピクセルのラインを含むギャップ620を補填するための、ギャップフィラーサイノグラム情報を取得する例示的な方法600が示されている。ピクセルのラインに対応するギャップは、たとえば、第2のサイノグラム情報を取得することが第1のサイノグラム情報を取得することよりも低い角度分解能に基づくときに発生する。したがって、第2のサイノグラム情報は、ピクセルの行または列に対応する少なくとも1つまたは複数のギャップを有し得る。
取得された第1のサイノグラム情報および第2のサイノグラム情報について、ギャップ620の空間的周囲(604，605)から、ギャップ620を補填するためのギャップフィラーサイノグラム情報の再構成または合成のために使用されるべきそれぞれの領域(614，615)が選択または事前に決定され得る。選択された領域は、ギャップ620から離れる方向における距離(たとえば、ピクセルワイズ)を有し得る。ギャップの一方の側における距離およびギャップの他方の側における距離は、同じでも異なっていてもよい。選択または事前に決定された領域内に含まれるサイノグラム情報は、サイノグラム情報近傍と呼ばれる場合もあり、第1のサイノグラム情報のサイノグラム情報近傍は、ギャップのサイノグラム情報を含み、第2のサイノグラム情報のサイノグラム情報近傍は、ギャップのサイノグラム情報を含まない。第1のサイノグラム情報および第2のサイノグラム情報は、ギャップフィラーサイノグラム情報を決定するために処理デバイス100から取得される。取得されたギャップフィラーサイノグラム情報は、第2のサイノグラム情報内のギャップ620を閉じるために使用され得る。ギャップフィラーサイノグラム情報でギャップが閉じられた第2のサイノグラム情報は、出力サイノグラム情報643と呼ばれる場合がある。第2のサイノグラム情報の角度分解能は、ギャップフィラーサイノグラム情報を使用しながら向上され得る。たとえば、第2のサイノグラム情報の出力サイノグラム情報の分解能は、第1のサイノグラム情報の角度分解能などの第1のサイノグラム情報の分解能に対応する。たとえば、第1のサイノグラム情報602は、この方法によって変更されない。
7.図7による方法
図7において、ギャップフィラーサイノグラム情報を取得する例示的な方法700が示されている。ここではパッチに対応する第2のサイノグラム情報703内のギャップ720は、たとえば、この方法によって補填され得る。第1のサイノグラム情報が、702によって示されている。第1のサイノグラム情報を含むように空間的に配置された領域が、704によって示されている。第2のサイノグラム情報を含むように空間的に配置された領域が、705によって示されている。領域704および705の各々において、サイノグラム再構成領域714、715が、選択または事前に決定され得る。選択または事前に決定されたサイノグラム再構成領域714、715
処理デバイス100は、第1のサイノグラム再構成領域および第2のサイノグラム再構成領域がそれぞれ含まれ得る、第1のサイノグラム情報および第2のサイノグラム情報を取得する。
第1のサイノグラム情報および第2のサイノグラム情報は、異なるサイズを有し得る。サイノグラム情報は、たとえば、画像全体、パッチ、ライン、またはピクセルに対応し得る。同様に、サイノグラム情報近傍および/またはサイノグラム再構成領域は、(含まれるピクセル、含まれる情報、または含まれるグレー値に関して)異なるサイズを有し得る。再構成領域は、第1のサイノグラム情報よりも大きい場合があり、たとえば、第1のサイノグラム情報よりも多いピクセルを含み得る。
たとえば、すべてのギャップがギャップフィラーサイノグラム情報で閉じられるまで、方法は、繰り返され得る。たとえば、方法は、第2のサイノグラム情報のすべてのギャップを少なくとも実質的に閉じるように、一度だけ実行され得る。
8.さらなる実施形態および態様
以下において、さらなる実施形態および態様について説明される。さらなる実施形態および態様は、それ自体で使用され得るが、本明細書で開示される任意の他の実施形態と組み合わせても使用され得る。このセクションにおいて説明される実施形態は、任意選択で、本明細書で開示される任意の他の特徴、機能、および詳細により、個別におよび組み合わせて補足され得る。逆に、本明細書で開示される実施形態のいずれかは、任意選択で、このセクションで説明される特徴、機能、および詳細のいずれかにより、個別におよび組み合わせて補足され得る。
8.1 一般的な手法
本発明の一態様によれば、標準的なCTに関する投影データが最初に取り込まれる(たとえば、第1のサイノグラム情報)。続いて(または時間的に並列にもしくは時間的にインターリーブされた方法でも)、適合されたスペクトルパラメータによる第2のCT投影データセット(たとえば、第2のサイノグラム情報)が、回転角に対して著しく減少したサンプリングを用いて(すなわち、たとえば、第1のサイノグラム情報と比較して低下した角度分解能を用いて)取り込まれる。したがって、たとえば、曝露時間および線量は、わずかにしか増加しない。追加のハードウェアは、(場合によっては)必要ない。
本発明の一態様によれば、現在の手法は、たとえば、欠落したHE投影(または、一般に、第2のサイノグラム情報の低下した角度分解能に起因して欠落しているサイノグラムデータ)を、たとえば、同様の(既存の)HE投影、すなわち、同様の角度から(たとえば、欠落したHE投影に角度的に隣接する既存のHE投影から)、ならびに、たとえば、すべての必要な角度増分について存在するLE投影から生成することである。
角度増分は、典型的には、1°よりもはるかに小さいので、連続する角度増分の投影は、たとえば、通常は非常に類似していることが認識されている。
1つの例示的な例示において、第1のデータセット(たとえば、第1のサイノグラム情報)
は、低エネルギー(LE)投影である(またはそれを含む)と想定されるものとし、第2のもの(または第2のデータセット、たとえば、第2のサイノグラム情報)は、高エネルギー(HE)投影である(またはそれを含む)と想定されるものとする。投影角度のサンプリングにおいて、第2のデータセット(HE)において、たとえば、第1の投影データセット(LE)の投影角度の1つおき(50%の数)のみが実行される(または、第2のデータセットにおいて、たとえば、サイノグラムラインが1つおきの投影角度についてのみ含まれる)、すなわち、50%減少すると想定されるものとする。すなわち、HEサイノグラムにおいて、1つおきのラインが欠落している。(しかしながら、これは、単なる例である。一般に、たとえば、n-1個おきの投影角度のみが取り込まれ、その場合、n-1個ごとのラインのみが対応するサイノグラム内、たとえば、第2のデータセット内または第2のサイノグラム情報内に存在することになる。)
(この例では)角度増分の50%について、1つのLE投影(たとえば、第1のサイノグラム情報内の1つのサイノグラムライン)のみが利用可能であり、残りの投影角度について、LE投影とHE投影の両方(すなわち、たとえば、第1のサイノグラム情報内のサイノグラムラインと第2のサイノグラム情報内のサイノグラムラインの両方)が利用可能である。
したがって、たとえば、(たとえば、角度的に関連する)HE投影が存在しないLE投影の角度増分から(またはLE投影のサイノグラムラインから)(実際には存在しない)HE投影(したがって、たとえば、ギャップフィラーサイノグラム情報)を生成し得るように、たとえば、生成ニューラルネットワーク(敵対的生成ネットワーク(GAN))の形式におけるディープニューラルネットワーク(DNN)がトレーニングされる。
したがって、サイノグラムを見ると、HEサイノグラムにおける欠落したラインが(たとえば、ギャップフィラーサイノグラム情報として)生成される。しかしながら、HEにおけるこれらの欠落したサイノグラムラインについて、[非特許文献12]および[非特許文献15]とは対照的に、たとえば、この(HE)サイノグラム(すなわち、近傍の角度投影)の近傍のラインだけでなく、原理的には構造情報内にすでに含まれているLEサイノグラムからの情報も利用可能である(または使用される)。したがって、この方法において生成されたHEサイノグラムライン(HE角度投影)は、はるかにより高い品質であり得る。
以下に例について説明する。
したがって、そのようなシステムのピクセルについてこの例において利用可能な情報は、たとえば、以下のようになる。
LE画像内の問題のピクセル(x座標2000、y座標1000、角度増分180、すなわち、[2000,1000,180]LEにおける例示的なピクセル)のグレー値(たとえば、サイノグラム値)
LE画像([2000+/-p,1000+/-q,180]LE)内のこのピクセルまたはパッチの(たとえば、サイズ(2p+1)×(2q+1)の)定義された周囲における空間的近傍のグレー値(たとえば、サイノグラム値)であり、したがって、ここでは、それぞれ、間隔[2000-p,2000+p]または[1000-p,1000+p]である。
HE画像における近傍の角度増分およびその定義された空間的周囲([2000+/-p,1000+/-q,180-r]HEおよび[2000+/-p,1000+/-q,180+r]HE)における問題のピクセルの位置におけるグレー値(たとえば、サイノグラム値)
LE画像における隣接する角度増分およびその定義された空間的周囲([2000+/-p,1000+/-q,180-r]LEおよび[2000+/-p,1000+/-q,180+r]LE)における問題のピクセルの位置におけるグレー値(たとえば、サイノグラム値)。LEにおける隣接する角度増分のこの情報は、必須ではないが、たとえば、LEにおける隣接する角度増分は、一緒に搬送され得る。これは、たとえば、図3に示されている状況に対応する。
単一のピクセルの代わりに、空間的に連続するピクセルのグループ(「パッチ」)、極端な場合には画像全体も観測され得る。
望ましい出力は、
HE画像内のそれぞれのピクセルまたはパッチの値であり、したがって、単一のピクセルの場合、ここでは[2000,1000,180]HEである。
以下のより詳細な説明において(たとえば、セクション8.2および8.3において)、2つの解決策について、例としてより詳細に説明する。
8.2. 1つまたは複数の畳み込みニューラルネットワークの利用
簡単な概要を以下に与える。
この(例示的な)手法を実現する1つの方法は、ディープニューラルネットワーク(またはディープニューラルネットワーク)、たとえばディープ畳み込みニューラルネットワーク(CNN)(またはディープ畳み込みニューラルネットワーク)、敵対的生成ネットワーク(GAN)(または敵対的生成ネットワーク)、または、たとえば、U-Netアーキテクチャ[非特許文献17]を使用することである。このようにして、欠落したHE投影(たとえば、ギャップフィラーサイノグラム情報)は、(たとえば)ピクセルごと、パッチごと、またはフレームごとに生成され得、HEデータのサイノグラム内のギャップは、閉じられ得、対象に関する構造情報は、LEスキャンから(たとえば、第1のサイノグラム情報から)すでに知られており、エネルギー固有の差異のみが生成される必要がある(または少なくとも近似的に生成される)。
8.2.1 データの取得
以下において、例としてデータの取得について説明する。
上記で説明されているように、(たとえば)、最初にLE投影(たとえば、第1のサイノグラム情報)がすべての角度増分に対して測定される。次のステップにおいて、(たとえば)HE投影(たとえば、第2のサイノグラム情報)が、1つおきの角度増分を省略しながら(すなわち、半分の角度分解能で)取り込まれる。選択した例におけるニューラルネットワークのトレーニングを可能にするために、(たとえば)欠落した角度増分に対するいくつかの投影が取り込まれるべきである(または取り込まれなければならない)。その場合、(たとえば)トレーニングデータセットを提供するのに十分なデータが存在する。
8.2.2 ニューラルネットワークのトレーニング
以下において、例としてニューラルネットワークの(たとえば、ディープ畳み込みネットワークの、もしくは敵対的生成ネットワークの、またはU-Netアーキテクチャの)トレーニングについて説明する。これに関連して、ニューラルネットワークの機能についても論じる。
ここで、欠落したHE投影(具体的な例において、たとえば、図3によってここで説明されているHE0、たとえば、角度増分インデックス0を有するHE投影)(たとえば、欠落した第2のサイノグラム情報)は、測定データから計算される必要がある。欠落したHE投影(たとえば、欠落した第2のサイノグラム情報またはギャップフィラーサイノグラム情報)を計算するために有用であり、場合によっては必要な最も多くの情報を搬送する(または補間されるべき投影に最も類似している)投影は、たとえば、それらのHE近傍投影(HE+/-1、たとえば、0の角度インデックスを有するHE投影に角度的に隣接する、角度増分インデックス-1および+1を有するHE投影)、ならびに(たとえば、欠落したHE投影HE0と同じ角度増分インデックスを有する)同じ角度位置(LE0)を有するLE投影(たとえば、第1のサイノグラム情報の投影)および(たとえば、投影HE-1およびHE+1と同じ角度増分インデックス-1および+1を有する)そのLE近傍投影(LE+/-1)である。
したがって、たとえば、補間されるべき投影を(たとえば、出力変数として)出力するニューラルネットワークのための入力として(たとえば、入力情報としてまたは入力変数として)これらの投影(または正確にこれらの投影)をとることが有用である。
図3は、たとえば、この例のために使用されるギャップフィラーサイノグラム情報に対応する入力角度位置(矢印320a、320b、320c、322a、322b)と出力角度投影(矢印330)とを示す。
この場合、たとえば、投影の画像の小さい部分(たとえば、パッチ)のみを一度に観察することが可能である。隣接する投影間の小さい角度差により、HE出力投影内(たとえば、HE出力投影内またはギャップフィラーサイノグラム情報内)の領域を補間するために必要な情報は、対応するLE投影内(たとえば、第1のサイノグラム情報内)のほぼ同じ位置に配置され、たとえば、HEおよびLE取得から(たとえば、第2のサイノグラム情報取得および第1のサイノグラム情報取得から)隣接する投影において非常に近い(たとえば、数ピクセル離れている)。
小さいが存在する変位により、たとえば、入力パッチ(たとえば、入力領域または入力パッチ)のサイズと出力パッチ(たとえば、出力領域または出力パッチ)のサイズとの間に何らかの安全マージンが許容され得(または許容されるべきであり)、たとえば、(入力>出力)、または、たとえば、入力領域が出力領域よりも大きい。
単純な畳み込みニューラルネットワーク(CNN)は、すでにこの目的を達成し得る。
たとえば、6つの隠れ層を有する単純なCNN(サイズ表示は、ピクセルであり、xおよびy座標は、投影におけるxおよびy座標に対応し、z座標は、投影の角度増分に対応する)。
入力層(x dimまたはx次元:15、y dimまたはy次元:15、z dimまたはz次元:5)。
畳み込み層1(カーネルサイズ3×3、フィルタの数:20)
畳み込み層2(カーネルサイズ3×3、フィルタの数:30)
畳み込み層3(カーネルサイズ3×3、フィルタの数:5)
畳み込み層4(カーネルサイズ3×3、フィルタの数:4)
畳み込み層5(カーネルサイズ3×3、フィルタの数:3)
畳み込み層6(カーネルサイズ3×3、フィルタの数:1)
出力層(x dimまたはx次元:3、y dimまたはy次元:3、z dimまたはz次元:1)
たとえば、上記で概説されているネットワークは、図3において説明されている3つのLE入力投影および2つのHE入力投影の5つの(15px×15px)パッチ(または領域)から(たとえば、3つの角度増分に対する第1のサイノグラム情報および2つの角度増分に対する第2のサイノグラム情報から)、(3px×3px)HE出力パッチを生成し得る。
たとえば、3つのHE入力投影および2つのLE入力投影は、たとえば、LE入力投影におけるギャップを補填するためにも使用され得る。たとえば、第1のサイノグラム情報が第2のサイノグラム情報とは異なるスペクトルパラメータに関連付けられていることを条件として、たとえば、第1のサイノグラム情報は、HE投影と、代替的にLE投影の両方であり得、第2のサイノグラム情報は、たとえば、HE投影と、代替的にLE投影の両方であり得る。
この目的のため(たとえば、HE出力領域もしくはHE出力パッチを生成するため、またはLE出力領域もしくはLE出力パッチを生成するため)、ネットワークは、最初にトレーニングされ得る。
ネットワークをトレーニングするために、たとえば、検出されたHE投影の(3px×3px)パッチ(または領域)が、出力ラベルとして(たとえば、出力マーカとして、または出力として、またはトレーニング基準値として、またはトレーニング目標出力値として)採用され得、例として上記で説明されているように、対応する3LE入力投影および2HE入力投影からの(15px×15px)パッチ(または領域)が、入力として(たとえば、入力またはトレーニング入力値として)採用され得る。
トレーニングの前に、トレーニングパッチの小さい部分が(任意選択で)トレーニングデータセットから削除され、トレーニングの適時の終了のための早期停止(または早期終了)を実行するための検証データとして保持され得る。
トレーニングプロセスを最適化するために、入力および出力データ(たとえば、入力データおよび出力データ、または入力サイノグラム情報および(予想される)ギャップフィラーサイノグラム情報)は、正規化および標準化され得る。
このスケーリングは、たとえば、ニューラルネットワークを適用(推論)するときに観察される場合がある。
たとえば、ニューラルネットワークをトレーニングするために、トレーニングデータは、(任意選択で)増大され、過学習(たとえば、正規化、および/またはドロップアウト、および/またはノイズ、および/または早期停止)を防止するために、さらなる技法が(任意選択で)適用され得る。
ニューラルネットワークをトレーニングする際に最適化されたパラメータは、たとえば、ランダムであり得、または同様の問題を解決するために正常にトレーニングされた同じアーキテクチャを有する事前にトレーニングされたネットワークからのパラメータによって初期化され得る(転移学習)。
ここで言及されている機械学習/深層学習技法のいくつかに関するさらなる詳細は、文献において見出され得る。
以下において、欠落した投影の補填について説明する。これは、たとえば、ニューラルネットワークがトレーニングされたときに行われ得る。
8.2.3 欠落した投影を補填する
ニューラルネットワークがトレーニングされた場合、最後に、欠落したHE投影が生成される可能性がある。たとえば、取得時に生成された必要な入力データ(LE投影およびHE投影)は、たとえば、(3px×3px)出力パッチがニューラルネットワークによって生成され得るように、5(15px×15px)パッチ(または領域)の対応するセットに分解される。最後に、投影を取得するために、これらは、(3px×3px)パッチで構成され得る。ネットワークのいくつかのアーキテクチャについて、ならびに/または入力および出力(第1および第2のサイノグラム情報およびギャップフィラーサイノグラム情報)のいくつかの選択について、たとえば、例において与えられているようなネットワークのアーキテクチャに起因して、たとえば、投影の端において位置する情報は、補間されない可能性があることに留意すべきである。この情報がCTの再構成に関連しない場合、たとえば、選択可能なグレー値を有するピクセルによって補填され得る。しかしながら、これらのピクセルも補間されるべきである場合、生成されたパッチ(たとえば、ギャップフィラーサイノグラム情報)によって再構成され得るHE投影が拡張されたサイズに対応するまで、入力投影(たとえば、第1のサイノグラム情報および第2のサイノグラム情報)は、たとえば、黒色ピクセルによって拡張され得る。
実施形態によれば、補間を構成する際に重複するパッチ(ピクセル領域)が使用され得、この重複するパッチは、たとえば、加重平均によって、欠落した角度位置における最終的なHE画像(たとえば、出力サイノグラム情報としての第2のサイノグラム情報)をもたらす。
この例において、その特徴はまた、本明細書における実施形態と一般的な方法において組み合わされ得、HEデータセットの(たとえば、第2のサイノグラム情報の)投影の半分のみが省略されたと想定された。しかしながら、同様に、すべての投影の3/4も省略され得る。その場合、取得された2つのHE投影(第2のサイノグラム情報)間の3つの欠落したHE投影(たとえば、第2のサイノグラム情報、または第2のサイノグラム情報のギャップ)の各々を補間するニューラルネットワークが構成または適合され得る。次いで、入力データは、(たとえば、第1のサイノグラム情報の)3つの対応するLE投影に加えて、それらの直接の近傍(たとえば、第1のサイノグラム情報のサイノグラム情報近傍)、および(たとえば、第2のサイノグラム情報内またはギャップフィラーサイノグラム情報内のギャップの)生成されるべきHE投影の直接のHE近傍(たとえば、第2のサイノグラム情報のサイノグラム情報近傍)として使用され得る。
したがって、たとえば、7つの投影、ここでは、たとえば、(5×LE+2×HE)の情報を使用しながら、3つのHE投影(たとえば、ギャップフィラーサイノグラム情報)が生成される。これは、上記の例において説明されている補間(3×LE+2×HE→1×HE)と比較して、品質の損失を結果として生じる場合がある。しかしながらまた、より少ないHE投影(LE投影の50%の代わりに25%)が存在する。
しかしながら、用途に応じて、これらは、所望のおよび/または必要な品質を示し、ギャップフィラーサイノグラム情報を取得および生成する上で(3×LE+2×HE→1×HE)を上回る時間的利点を有する。
例として本明細書で説明されているCNNのアーキテクチャは、解決策に到達する手法の原始的な実現である。実際の実装形態において、U-Netアーキテクチャに基づくニューラルネットワークが正確であることが示されている。しかしながら、場合によっては本明細書で説明されているU-Netの効率を上回る可能性があるニューラルネットワークの他のネットワークアーキテクチャを使用することも可能である。これらは、たとえば、本発明によるギャップフィラーサイノグラム情報を取得するために適合され得る。
いくつかの結論を以下に示す。
本発明による実施形態は、特定のニューラルネットワークおよび/またはネットワークアーキテクチャを使用することに限定されない。
むしろ、本発明の実施形態は、DE-CTを生成する新しい原理に関し、これは、以下のステップによって要約され得る。
1.すべての角度位置(たとえば、角度位置のセット)に対するLE投影の取得。
2.(たとえば、角度位置のセットの)角度投影の一部(または、たとえば、真のサブセット)に対するHE投影の取得
3.取り込まれたLEデータおよびHEデータを使用しながら、欠落した角度位置を補間するようにニューラルネットワークをトレーニングする
4.トレーニングされたニューラルネットワークを適用することによって、欠落したHE投影を補填する。
8.3 LE/HE画像領域の多項式フィット
この手法において、上記で(たとえば、セクション8.2において)説明されたCNNを用いた手法におけるように、たとえば、5つの投影、すなわち、生成されるべきHE投影に隣接する(たとえば、第2のサイノグラム情報内のギャップに隣接する)HE投影およびLE投影(各々2つ、合わせて4つ)(たとえば、第1のサイノグラム情報および第2のサイノグラム情報のサイノグラム値またはサイノグラムライン)、ならびに生成されるべきHE投影に属するLE投影(たとえば、第1のサイノグラム情報のサイノグラム値またはサイノグラムライン)が入力データとして使用される。
たとえば、生成されるべきHE投影は、例示的な4×4ピクセルにおけるパッチ(たとえば、領域)(たとえば、固定サイズの投影の互いに隣接する画像片)に分割される。
入力データ内の関連するパッチは、たとえば、この例では、各々の場合において左右、上限に2ピクセルずつ、特定の数のピクセルだけ大きくなるように選択される。
図8は、たとえば、この角度増分の入力データ(破線804)の関連する8×8パッチとともに、出力(実線802)に関する4×4パッチを示す。
次のステップにおいて、たとえば、入力HEパッチからのピクセル値は、対応する入力LEパッチからの関連するピクセル値に対してプロット(または評価)される。これは、(同じ角度増分における同じ位置における)LEおよびHEからの(すなわち、たとえば関連する、たとえば、等しい角度値および位置座標が関連付けられた)一対のピクセル値によって点が定義されるグラフ(または対応するデータ構造)をもたらす。
たとえば、たとえば3次の多項式がこの分布にフィットされる(たとえば、図9を参照)。(たとえば、フィッティングパラメータによって定義され、フィットされた多項式に対応し得る)結果として生じるLEピクセル値からHEピクセル値へのマッピング規則により、(より小さい)出力パッチのピクセル値は、ここで、関連するLE角度位置のLEパッチの対応するピクセル値から計算され得る。多項式フィットを含むこのステップは、ここで、生成されるべきHE投影のすべてのパッチについて、および生成されるべきすべてのHE投影について実行される。
以下において、HE投影(たとえば、高エネルギーまたは高加速電圧を用いた投影)を第2のサイノグラム情報として用い、LE投影(たとえば、比較的低いエネルギーまたは比較的低い加速電圧を用いた投影)を第1のサイノグラム情報として用いて別の例が実行される。これは、例示の目的のみのためのものであり、HE投影も第1のサイノグラム情報として存在し得、LE投影も第2のサイノグラム情報として存在し得ることが理解される。
この例において、5つの入力データ項目、すなわち、生成されるべきHE投影に(たとえば、角度的に)隣接するHE投影およびLE投影(各々2つ、合わせて4つ)、ならびに生成されるべきHE投影に属する(たとえば、合成的に生成されるべきHE投影と同じ角度値を有する)LE投影が使用される。この例は、第2のサイノグラム情報の特定の(単一の)ギャップに対する方法を示し、第2のサイノグラム情報は、以下に説明するように、たとえば、さらなるギャップを含むかまたは含み得る。次いで、例として説明される方法は、第2のサイノグラム情報内のさらなるギャップに適用され得るか、またはさらなるギャップに対して繰り返され得る。生成されるべきHE投影(たとえば、この例では第2のサイノグラム情報としてHE投影に対して生成されるべきギャップフィラーサイノグラム情報)は、たとえば、例示的な4×4ピクセル802におけるパッチ(固定サイズを有する投影の互いに隣接する画像片)に分割される。入力データ内の関連するパッチは、この例では、左右、上下に、特定の数のピクセルだけ、たとえば、2ピクセル(x方向およびy方向における座標に対応する)だけ、より大きくなるように選択される。図8は、たとえば、取得されるべき出力のための4×4パッチ802(実線)を、この角度増分の入力データ(破線)の関連する例示的な8×8パッチ804とともに示す。
次のステップにおいて、入力HEパッチからのピクセル値は、対応する入力LEパッチからの関連するピクセル値上にプロットされ得る。これは、(同じ角度増分における同じ位置における)LEおよびHEからの一対のピクセル値によって点が定義されるプロットを与える。
ここで、たとえば、3次の多項式が、この分布にフィットされる。結果として生じるLEピクセル値からHEピクセル値へのマッピング規則により、(より小さい)出力パッチのピクセル値は、ここで、関連するLE角度位置のLEパッチの対応するピクセル値から計算され得る。多項式フィットを含むこのステップは、ここで、生成されるべきHE投影のすべてのパッチについて、および生成されるべきすべてのHE投影について実行される。たとえば、ギャップフィラーサイノグラム情報は、数学的方法を使用しながら合成(取得)され得る。
たとえば、図9において、HEピクセル値およびLEピクセル値に関する正規化されたピクセル値の分布がプロットされている。ここで、これは、たとえば、3次多項式を用いてフィットされる。このフィットは、たとえば、LEピクセル値からHEピクセル値へのマッピング規則として使用され得る。
入力HEパッチからのピクセル値は、たとえば、対応する入力LEパッチからの関連するピクセル値の上にプロットされ得る。これは、(同じ角度増分における同じ位置における)LEおよびHEからの一対のピクセル値によって点が定義されるプロットをもたらす。
ここで、たとえば、3次の多項式が、この分布にフィットされる(図9を参照)。(ここでは、第1のサイノグラム情報および第2のサイノグラム情報に関する例として)結果として生じるLEピクセル値からHEピクセル値へのマッピング規則により、(より小さい)出力パッチ(または出力領域)のピクセル値は、ここで、関連するLE角度位置のLEパッチの対応するピクセル値から計算され得る。多項式フィットを含むこのステップは、ここで、生成されるべきHE投影のすべてのパッチについて、および生成されるべきすべてのHE投影について実行される。他の場合において、HEピクセル値およびLEピクセル値は、それぞれ他のサイノグラム情報にも属し得る。たとえば、その場合、HEピクセル値からLEピクセル値へのマッピング規則が決定される。
本明細書で説明されている実施形態および詳細の修正および変形は、当業者によって明らかであることが理解される。したがって、実施形態は、明示的に記載されていない場合であっても、互いに組み合わされ得る。したがって、限定は、実施形態の説明および解説によって本明細書で提示される特定の詳細によってではなく、以下の特許請求の範囲によってのみ行われることが意図される。
9.利点
以下は、本発明による実施形態によって達成され得る可能な利点のうちのいくつかのさらなる簡単な要約である。
たとえば、本明細書で開示される特徴または解決策は、たとえば、典型的には2倍の測定時間を受け入れる必要なしに、または、たとえば、第2の管および第2の検出器による増加したハードウェアの使用なしに、DE-CT(たとえば、2エネルギーコンピュータ断層撮影)の利点を利用することを可能にする。利点は、たとえば、コスト削減および/または線量最小化にある。
10.適用分野
以下において、本発明による実施形態の用途のいくつかの領域について説明する。
たとえば、本発明による実施形態は、特に、患者の線量を低減するため、および/またはスキャン速度を向上させるため、および/またはシステム全体の複雑さおよびコストを低減するために、医療における二重エネルギーCTにおいて使用され得る。
たとえば、本発明による実施形態は、スキャン時間および/または機器の複雑さを低減するために、エンジニアリングおよび産業用CTにおける二重エネルギーCTにおいて使用され得る。二重エネルギーCTの使用は、CTスキャンの品質を向上させる場合があり、追加の測定時間を「バイパスする」ことが、たとえば(測定時間の短縮という形で)コストの削減につながる。医療技術との類似性により、必要な線量も削減される。
しかしながら、用途の他の領域も同様に考えられる。
11.実装の代替案
いくつかの態様についてデバイスの文脈内で説明されているとしても、デバイスのブロックまたは構造的構成要素が対応する方法ステップまたは方法ステップの特徴としても理解されるべきであるように、前記態様は、対応する方法の説明も表すことが理解される。これとの類推によって、方法ステップに関連して、または方法ステップとして説明されてきた態様は、対応するデバイスの対応するブロック、または詳細、または特徴の説明も表す。方法ステップのうちのいくつかまたはすべては、たとえば、マイクロプロセッサ、プログラム可能なコンピュータ、または電子回路などのハードウェアデバイスによって(またはハードウェアデバイスを使用しながら)実行され得る。いくつかの実施形態において、最も重要な方法ステップのうちの一部またはいくつかは、そのようなデバイスによって実行され得る。
特定の実装要件に応じて、本発明の実施形態は、ハードウェアまたはソフトウェアにおいて実装され得る。実装は、デジタル記憶媒体、たとえば、フロッピーディスク、DVD、Blu-ray(登録商標)ディスク、CD、ROM、PROM、EPROM、EEPROM、もしくはフラッシュメモリ、ハードディスク、またはそれぞれの方法が実行されるようにプログラム可能なコンピュータシステムと協働し得るまたは協働する電気的に読み取り可能な制御信号が記憶された任意の他の磁気または光メモリを使用しながら行われ得る。これが、デジタル記憶媒体がコンピュータ可読であり得る理由である。
したがって、本発明によるいくつかの実施形態は、本明細書で説明されている方法のいずれかが実行されるようにプログラム可能なコンピュータシステムと協働することができる電気的に読み取り可能な制御信号を含むデータキャリアを備える。
一般に、本発明の実施形態は、プログラムコードを有するコンピュータプログラム製品として実装され得、プログラムコードは、コンピュータプログラム製品がコンピュータ上で実行されるときに、方法のいずれかを実行するのに有効である。
プログラムコードは、たとえば、機械可読キャリア上にも記憶され得る。
他の実施形態は、本明細書で説明されている方法のいずれかを実行するためのコンピュータプログラムを含み、前記コンピュータプログラムは、機械可読キャリア上に記憶されている。
言い換えれば、したがって、本発明の方法の実施形態は、コンピュータプログラムがコンピュータ上で実行されるときに、本明細書で説明されている方法のいずれかを実行するためのプログラムコードを有するコンピュータプログラムである。
したがって、本発明の方法のさらなる実施形態は、本明細書で説明されている方法のいずれかを実行するためのコンピュータプログラムが記録されたデータキャリア(またはデジタル記憶媒体もしくはコンピュータ可読媒体)である。データキャリア、デジタル記憶媒体、またはコンピュータ可読媒体は、典型的には、具体的および/または非一時的および/または非過渡的である。
したがって、本発明の方法のさらなる実施形態は、本明細書で説明されている方法のいずれかを実行するためのコンピュータプログラムを表すデータストリームまたは信号のシーケンスである。データストリームまたは信号のシーケンスは、たとえば、データ通信リンクを介して、たとえば、インターネットを介して転送されるように構成され得る。
さらなる実施形態は、本明細書で説明されている方法のいずれかを実行するように構成または適合された処理手段、たとえば、コンピュータまたはプログラマブルロジックデバイスを含む。
さらなる実施形態は、本明細書で説明されている方法のいずれかを実行するためのコンピュータプログラムがインストールされたコンピュータを含む。
本発明によるさらなる実施形態は、本明細書で説明されている方法のうちの少なくとも1つを実行するためのコンピュータプログラムを受信機に送信するように構成されたデバイスまたはシステムを含む。送信は、たとえば、電子的または光学的であり得る。受信機は、たとえば、コンピュータ、モバイルデバイス、メモリデバイス、または同様のデバイスであり得る。デバイスまたはシステムは、たとえば、コンピュータプログラムを受信機に送信するためのファイルサーバを含み得る。
いくつかの実施形態において、プログラマブルロジックデバイス(たとえば、フィールドプログラマブルゲートアレイ、FPGA)は、本明細書で説明されている方法の機能のうちのいくつかまたはすべてを実行するために使用され得る。いくつかの実施形態において、フィールドプログラマブルゲートアレイは、本明細書で説明されている方法のいずれかを実行するためにマイクロプロセッサと協働し得る。一般に、方法は、いくつかの実施形態において、任意のハードウェアデバイスによって実行される。前記ハードウェアデバイスは、コンピュータプロセッサ(CPU)などの任意の一般に適用可能なハードウェアであり得、またはASICなどの方法に固有のハードウェアであり得る。
本明細書で説明されているデバイスは、たとえば、ハードウェア装置を使用しながら、またはコンピュータを使用しながら、またはハードウェア装置とコンピュータとの組合せを使用しながら実装され得る。
本明細書で説明されているデバイス、または本明細書で説明されているデバイスの任意の構成要素は、少なくとも部分的に、ハードウェアまたはソフトウェア(コンピュータプログラム)において実装され得る。
本明細書で説明されている方法は、たとえば、ハードウェア装置を使用しながら、またはコンピュータを使用しながら、またはハードウェア装置とコンピュータとの組合せを使用しながら実装され得る。
本明細書で説明されている方法、または本明細書で説明されているデバイスの任意の構成要素は、少なくとも部分的に、ハードウェアおよび/またはソフトウェアによって実行され得る。
上記で説明されている実施形態は、単に、本発明の原理の例示を表している。当業者は、本明細書で説明されている配置および詳細の任意の修正および変形を認識することが理解される。これが、本発明が、実施形態の説明および検討によって本明細書で提示されている特定の詳細によってではなく、以下の特許請求の範囲によってのみ限定されることを意図している理由である。
100 処理デバイス
102 検査対象
104 検出器
106 放射器(ソース)
110 コンピュータ断層撮影装置
214 検出器
216 エミッタ
500 方法
502 第1のサイノグラム情報
503 第2のサイノグラム情報
504 第1の領域
505 第2の領域
514 第1のサイノグラム再構成領域
515 サイノグラム再構成領域
520 ギャップ
543 出力サイノグラム情報
600 方法
602 第1のサイノグラム情報
603 第2のサイノグラム情報
604 空間的周囲
605 空間的周囲
614 領域
615 領域
620 ギャップ
700 方法
702 第1のサイノグラム情報
703 第2のサイノグラム情報
704 領域
705 領域
714 サイノグラム再構成領域
715 サイノグラム再構成領域
720 ギャップ
802 4×4ピクセル
804 8×8パッチ

Claims (20)

  1. ギャップフィラーサイノグラム情報を取得するための処理デバイス(100)であって、
    第1のスペクトルパラメータに関連する第1のサイノグラム情報を取得し、
    第2のスペクトルパラメータに関連する第2のサイノグラム情報を取得するように適合され、
    前記第1のサイノグラム情報と前記第2のサイノグラム情報とに基づいて、前記第2のスペクトルパラメータに関連し、かつ前記第2のサイノグラム情報における1つのギャップ(520，620，720)を補填する、前記ギャップフィラーサイノグラム情報を取得するように適合されている、処理デバイス(100)。
  2. 前記ギャップ(520，620，720)が1つまたは複数のピクセルに対応する、請求項1に記載の処理デバイス(100)。
  3. 前記ギャップフィラーサイノグラム情報を取得して、前記第2のサイノグラム情報の分解能が向上したバージョンを取得するように適合されている、請求項1または2に記載の処理デバイス(100)。
  4. 前記第1のサイノグラム情報が、第1の角度分解能を示し、
    前記第2のサイノグラム情報が、前記第1の角度分解能よりも低い第2の角度分解能を有し、
    前記第2のサイノグラム情報の2つの角度値の間にある角度値について前記ギャップフィラーサイノグラム情報を取得するように適合されている、請求項1から3のいずれか一項に記載の処理デバイス(100)。
  5. 前記ギャップフィラーサイノグラム情報を取得するための前記第2のサイノグラム情報が、前記第2のサイノグラム情報の前記ギャップ(520，620，720)のサイノグラム情報近傍を含むサイノグラム情報である、請求項1から4のいずれか一項に記載の処理デバイス(100)。
  6. 前記ギャップに隣接する前記第2のサイノグラム情報の1つまたは複数のサイノグラム値と、加えて、前記ギャップに隣接する前記第1のサイノグラム情報の1つもしくは複数のサイノグラム値および/または前記ギャップに関連する前記第1のサイノグラム情報の1つもしくは複数のサイノグラム値とに基づいて、前記ギャップフィラーサイノグラム情報を取得するように適合されている、請求項1から5のいずれか一項に記載の処理デバイス(100)。
  7. 前記ギャップフィラーサイノグラム情報を取得するための前記第1のサイノグラム情報が、前記第1のサイノグラム情報の前記ギャップのサイノグラム情報近傍と、前記ギャップの第1のサイノグラム情報とを含むサイノグラム情報である、請求項1から6のいずれか一項に記載の処理デバイス(100)。
  8. 1回のスキャンで同時に、または2回のスキャンで順次に、前記第1のサイノグラム情報および前記第2のサイノグラム情報を取得するように適合されている、請求項1から7のいずれか一項に記載の処理デバイス(100)。
  9. 前記第1のサイノグラム情報が、異なる角度に関連付けられた複数の透過画像ラインまたは透過画像を含み、
    前記第2のサイノグラム情報が、異なる角度に関連付けられた複数の透過画像ラインまたは透過画像を含み、
    前記第1のサイノグラム情報および前記第2のサイノグラム情報が、マルチエネルギーコンピュータ断層撮影の異なる透視放射ビームエネルギーに関連付けられる、請求項1から8のいずれか一項に記載の処理デバイス(100)。
  10. ニューラルネットワークを使用しながら前記ギャップフィラーサイノグラム情報を取得するように適合されている、請求項1から9のいずれか一項に記載の処理デバイス(100)。
  11. 前記ニューラルネットワークが、畳み込みニューラルネットワーク、敵対的生成ネットワーク、およびU-Netのうちの少なくとも1つを含む、請求項10に記載の処理デバイス(100)。
  12. 請求項1から11のいずれか一項に記載の処理デバイス(100)である少なくとも1つの処理デバイス(100)を備える、コンピュータ断層撮影装置(110)。
  13. ギャップフィラーサイノグラム情報を取得する方法(400，500，600，700)であって、
    第1のサイノグラム情報を取得するステップ(402)であって、前記第1のサイノグラム情報が第1のスペクトルパラメータに関連する情報を含む、ステップ(402)と、
    第2のサイノグラム情報を取得するステップ(404)であって、前記第2のサイノグラム情報が第2のスペクトルパラメータに関連する情報を含む、ステップ(404)と、
    前記第1のサイノグラム情報と前記第2のサイノグラム情報とに基づいて、前記第2のサイノグラム情報内のギャップ(520，620，720)を補填するギャップフィラーサイノグラム情報を決定するステップ(406)と
    を含む方法(400，500，600，700)。
  14. 前記ギャップフィラーサイノグラム情報を決定するステップが、第1のサイノグラム情報と第2のサイノグラム情報とを含み、前記第1のサイノグラム情報および前記第2のサイノグラム情報が、各々、前記第2のサイノグラム情報の前記ギャップ(520，620，720)の空間的サイノグラム情報近傍を含み、前記第1のサイノグラム情報が、前記ギャップ(520，620，720)の第1のサイノグラム情報を含む、請求項13に記載の方法(400，500，600，700)。
  15. 前記第1のサイノグラム情報が、第1の角度分解能を示し、
    前記第2のサイノグラム情報が、前記第1の角度分解能よりも小さい第2の角度分解能を示し、
    前記ギャップフィラーサイノグラム情報を決定するステップが、
    前記ギャップ(520，620，720)を前記ギャップフィラーサイノグラム情報で補填するステップ
    を含む、請求項13または14に記載の方法(400，500，600，700)。
  16. 空間的サイノグラム情報近傍が、
    (2p+1)×(2q+1) (i)
    の近傍におけるサイノグラム情報を含み、
    前記第1のサイノグラム情報のサイノグラム情報近傍が、座標を有するサイノグラム情報
    ([x+/-p,y+/-q,α]) (ii)
    を含み、
    前記第2のサイノグラム情報のサイノグラム情報近傍が、座標を有するサイノグラム情報
    ([x+/-p,y+/-q,α-r])および([x+/-p,y+/-q,α+r]) (iii)
    を含み、
    (i)、(ii)、および(iii)において、pが、投影角度αに対して垂直である第1の方向xにおけるピクセルワイズ偏差であり、qが、前記投影角度αの回転軸および前記第1の方向xに対して平行である第2の方向yにおけるピクセルワイズ偏差であり、rが角度偏差である、請求項13から15のいずれか一項に記載の方法(400，500，600，700)。
  17. 前記第1のサイノグラム情報と、前記第2のサイノグラム情報と、前記ギャップフィラーサイノグラム情報とに基づいて、ビーム硬化アーティファクトを除去するステップ、および/または
    前記第1のサイノグラム情報と、前記第2のサイノグラム情報と、前記ギャップフィラーサイノグラム情報とに基づいて、調べられた対象の材質情報を決定するステップ
    をさらに含む、請求項13から16のいずれか一項に記載の方法(400，500，600，700)。
  18. 前記ギャップフィラーサイノグラム情報を決定するステップの前に、
    前記第2のサイノグラム情報に対する前記第1のサイノグラム情報の位置合わせを決定するステップと、
    前記第2のサイノグラム情報に対する前記第1のサイノグラム情報の位置合わせを実行するステップと
    を含む、請求項13から17のいずれか一項に記載の方法(400，500，600，700)。
  19. コンピュータによって実行されると、前記コンピュータに請求項13から18のいずれか一項に記載の方法(400，500，600，700)を実行させる命令を含む、コンピュータプログラム。
  20. コンピュータによって実行されると、前記コンピュータに請求項13から18のいずれか一項に記載の方法(400，500，600，700)を実行させる命令を記憶した、コンピュータ可読記憶媒体。
JP2022037986A 2021-03-12 2022-03-11 ギャップフィラーサイノグラム情報を取得するための処理デバイス、コンピュータ断層撮影装置、方法、およびコンピュータプログラム Active JP7318045B2 (ja)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
EP21162349.1A EP4057229A1 (de) 2021-03-12 2021-03-12 Verarbeitungsvorrichtung zum erhalten einer lückenfüller-sinogramminformation, computertomograph, verfahren und computerprogramm
EP21162349 2021-03-12

Publications (2)

Publication Number Publication Date
JP2022140410A true JP2022140410A (ja) 2022-09-26
JP7318045B2 JP7318045B2 (ja) 2023-07-31

Family

ID=74873612

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2022037986A Active JP7318045B2 (ja) 2021-03-12 2022-03-11 ギャップフィラーサイノグラム情報を取得するための処理デバイス、コンピュータ断層撮影装置、方法、およびコンピュータプログラム

Country Status (3)

Country Link
US (1) US20220292743A1 (ja)
EP (1) EP4057229A1 (ja)
JP (1) JP7318045B2 (ja)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2009082250A (ja) * 2007-09-28 2009-04-23 Ge Medical Systems Global Technology Co Llc Ｘ線ｃｔ装置
WO2014115625A1 (ja) * 2013-01-28 2014-07-31 株式会社日立メディコ Ｘ線ｃｔ装置及び画像再構成方法
WO2016017534A1 (ja) * 2014-07-28 2016-02-04 株式会社日立メディコ Ｘ線撮像装置および画像再構成方法
JP2020096693A (ja) * 2018-12-17 2020-06-25 キヤノンメディカルシステムズ株式会社 Ｘ線ｃｔシステム及び処理プログラム
JP2020099662A (ja) * 2018-12-20 2020-07-02 キヤノンメディカルシステムズ株式会社 Ｘ線ｃｔシステム及び方法
JP2021010727A (ja) * 2019-07-08 2021-02-04 キヤノンメディカルシステムズ株式会社 Ｘ線ｃｔシステム及び医用処理装置

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106530366B (zh) 2015-09-09 2019-04-16 清华大学 能谱ct图像重建方法及能谱ct成像系统
JP7362322B2 (ja) 2019-07-08 2023-10-17 キヤノンメディカルシステムズ株式会社 Ｘ線ｃｔシステム及び医用処理装置

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2009082250A (ja) * 2007-09-28 2009-04-23 Ge Medical Systems Global Technology Co Llc Ｘ線ｃｔ装置
WO2014115625A1 (ja) * 2013-01-28 2014-07-31 株式会社日立メディコ Ｘ線ｃｔ装置及び画像再構成方法
WO2016017534A1 (ja) * 2014-07-28 2016-02-04 株式会社日立メディコ Ｘ線撮像装置および画像再構成方法
JP2020096693A (ja) * 2018-12-17 2020-06-25 キヤノンメディカルシステムズ株式会社 Ｘ線ｃｔシステム及び処理プログラム
JP2020099662A (ja) * 2018-12-20 2020-07-02 キヤノンメディカルシステムズ株式会社 Ｘ線ｃｔシステム及び方法
JP2021010727A (ja) * 2019-07-08 2021-02-04 キヤノンメディカルシステムズ株式会社 Ｘ線ｃｔシステム及び医用処理装置

Also Published As

Publication number Publication date
EP4057229A1 (de) 2022-09-14
JP7318045B2 (ja) 2023-07-31
US20220292743A1 (en) 2022-09-15

Similar Documents

Publication Publication Date Title
US11864939B2 (en) Apparatus and method that uses deep learning to correct computed tomography (CT) with sinogram completion of projection data
JP7202302B2 (ja) 断層撮影再構成に使用するためのデータのディープラーニングに基づく推定
US11026642B2 (en) Apparatuses and a method for artifact reduction in medical images using a neural network
US20200043204A1 (en) Iterative image reconstruction framework
EP1522045B1 (en) Motion artifact correction of tomographical images
JP5348855B2 (ja) 対象の画像再構成方法およびその方法を実施するための装置
JP5133690B2 (ja) ボクセルに依存する補間を用いる画像再構成
US8885903B2 (en) Method and apparatus for statistical iterative reconstruction
US9824468B2 (en) Dictionary learning based image reconstruction
US20200357148A1 (en) A method of generating an enhanced tomographic image of an object
JP2004188163A (ja) 断層撮影装置
US7916828B1 (en) Method for image construction
WO2020048865A1 (en) A method of generating an enhanced tomographic image of an object
EP4071720A1 (en) System and method for utilizing a deep learning network to correct for a bad pixel in a computed tomography detector
US20160300370A1 (en) Tomography apparatus and method of reconstructing tomography image by using the tomography apparatus
Kim et al. A streak artifact reduction algorithm in sparse‐view CT using a self‐supervised neural representation
US9965875B2 (en) Virtual projection image method
KR101621815B1 (ko) 컴퓨터 단층 촬영 영상 처리 장치 및 이를 이용한 3차원 복원 영상 생성 방법
JP7318045B2 (ja) ギャップフィラーサイノグラム情報を取得するための処理デバイス、コンピュータ断層撮影装置、方法、およびコンピュータプログラム
US9237873B2 (en) Methods and systems for CT projection domain extrapolation
CN110073412B (zh) 使用交替否定的图像噪声估计
Dennerlein et al. Geometric jitter compensation in cone-beam CT through registration of directly and indirectly filtered projections
US11921057B2 (en) X-ray imaging device
KR102197635B1 (ko) 의료영상 재구성에서 행렬의 변환을 통한 오류해결 및 계산속도 증진 시스템 및 방법
WO2015173088A1 (en) Computerized tomographic image exposure and reconstruction method

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20220511

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20230222

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20230227

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20230526

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: 20230619

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20230719

R150 Certificate of patent or registration of utility model

Ref document number: 7318045

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150