JP2023522850A - コンピュータ断層撮像における動きアーティファクトの抑制 - Google Patents
コンピュータ断層撮像における動きアーティファクトの抑制 Download PDFInfo
- Publication number
- JP2023522850A JP2023522850A JP2022561143A JP2022561143A JP2023522850A JP 2023522850 A JP2023522850 A JP 2023522850A JP 2022561143 A JP2022561143 A JP 2022561143A JP 2022561143 A JP2022561143 A JP 2022561143A JP 2023522850 A JP2023522850 A JP 2023522850A
- Authority
- JP
- Japan
- Prior art keywords
- image
- motion
- input
- images
- input image
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000002591 computed tomography Methods 0.000 title claims description 13
- 230000001629 suppression Effects 0.000 title 1
- 238000003384 imaging method Methods 0.000 claims abstract description 40
- 238000000034 method Methods 0.000 claims abstract description 33
- 230000009467 reduction Effects 0.000 claims abstract description 22
- 238000004590 computer program Methods 0.000 claims description 17
- 238000012545 processing Methods 0.000 claims description 13
- 230000006870 function Effects 0.000 description 23
- 238000004422 calculation algorithm Methods 0.000 description 16
- 230000005855 radiation Effects 0.000 description 5
- 230000003595 spectral effect Effects 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 4
- 210000003484 anatomy Anatomy 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 4
- 230000001419 dependent effect Effects 0.000 description 4
- 238000013459 approach Methods 0.000 description 3
- 230000000747 cardiac effect Effects 0.000 description 3
- 239000003638 chemical reducing agent Substances 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000015654 memory Effects 0.000 description 3
- 230000000241 respiratory effect Effects 0.000 description 3
- 206010011224 Cough Diseases 0.000 description 2
- 241001465754 Metazoa Species 0.000 description 2
- 238000000701 chemical imaging Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000009499 grossing Methods 0.000 description 2
- 210000004072 lung Anatomy 0.000 description 2
- 238000002156 mixing Methods 0.000 description 2
- 230000003936 working memory Effects 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 208000031361 Hiccup Diseases 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000001143 conditioned effect Effects 0.000 description 1
- 239000002872 contrast media Substances 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- RFHAOTPXVQNOHP-UHFFFAOYSA-N fluconazole Chemical compound C1=NC=NN1CC(C=1C(=CC(F)=CC=1)F)(O)CN1C=NC=N1 RFHAOTPXVQNOHP-UHFFFAOYSA-N 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012886 linear function Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000002483 medication Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000000644 propagated effect Effects 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 230000002459 sustained effect Effects 0.000 description 1
- 230000002195 synergetic effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000003325 tomography Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 230000002747 voluntary effect Effects 0.000 description 1
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
- G06T11/006—Inverse problem, transformation from projection-space into object-space, e.g. transform methods, back-projection, algebraic methods
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
- A61B6/5258—Devices using data or image processing specially adapted for radiation diagnosis involving detection or reduction of artifacts or noise
- A61B6/5264—Devices using data or image processing specially adapted for radiation diagnosis involving detection or reduction of artifacts or noise due to motion
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/02—Arrangements for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
- A61B6/03—Computed tomography [CT]
- A61B6/032—Transmission computed tomography [CT]
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/44—Constructional features of apparatus for radiation diagnosis
- A61B6/4429—Constructional features of apparatus for radiation diagnosis related to the mounting of source units and detector units
- A61B6/4435—Constructional features of apparatus for radiation diagnosis related to the mounting of source units and detector units the source unit and the detector unit being coupled by a rigid structure
- A61B6/4441—Constructional features of apparatus for radiation diagnosis related to the mounting of source units and detector units the source unit and the detector unit being coupled by a rigid structure the rigid structure being a C-arm or U-arm
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
- A61B6/5258—Devices using data or image processing specially adapted for radiation diagnosis involving detection or reduction of artifacts or noise
-
- 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
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/56—Details of data transmission or power supply, e.g. use of slip rings
- A61B6/563—Details of data transmission or power supply, e.g. use of slip rings involving image data transmission via a network
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10072—Tomographic images
- G06T2207/10081—Computed x-ray tomography [CT]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2211/00—Image generation
- G06T2211/40—Computed tomography
- G06T2211/412—Dynamic
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Medical Informatics (AREA)
- Physics & Mathematics (AREA)
- Molecular Biology (AREA)
- Animal Behavior & Ethology (AREA)
- Biophysics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Optics & Photonics (AREA)
- Pathology (AREA)
- Radiology & Medical Imaging (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Theoretical Computer Science (AREA)
- Surgery (AREA)
- High Energy & Nuclear Physics (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Pulmonology (AREA)
- Algebra (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Mathematical Physics (AREA)
- Pure & Applied Mathematics (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
X線撮像における動きアーティファクト低減のためのシステムSYS及び関係する方法である。システムSYSは、投影データの第1のセットから再構成された対象PATの第1の入力画像i1、I1と、投影データの第2のセットから再構成された対象の第2の入力画像i2、I2とを受信するための入力インターフェースINを備える。第2のセットは第1のセットよりも小さい。動き分析器MAは、2つの入力画像に基づいて動き破壊についての推定値を確立する。選択的コンバイナΣは、動き推定値と、第1の入力画像i1、I1及び/又は第2の入力画像i2、I2中の画像情報とに基づいて、向上した画像I1+I2、i1+i2についての画像値を計算する。
Description
本発明は、X線撮像における動きアーティファクト(motion artifact)低減のためのシステムと、X線撮像における動きアーティファクト低減のための方法と、撮像機器と、コンピュータプログラムと、コンピュータ可読媒体とに関する。
胸部のコンピュータ断層(computed tomography)(CT)撮像は放射線医学におけるCTの最もよくある適用例のうちの1つである。例えば、患者が呼吸を止めることができないことにより、又はしゃっくり若しくはせきにより、かなりの数の検査において動きアーティファクトが生じる。動きアーティファクトのために、画像は、診断できなくなるか、又は少なくとも画像品質が劣化する。時間、計算リソース、並びに患者及び/又は人員によって持続させられる投薬に関する追加のコストを招く、画像撮り直しが必要とされる。
動きアーティファクトを補正するために、動き補償再構成アルゴリズムが提案された。例は、Proc. SPIE 10573、Medical Imaging 2018、Physics of Medical Imaging、105733H(2018年3月9日)において公開された「Motion compensation for non-gated helical CT: application to lung imaging」においてM Grassらによって説明された手法である。
しかしながら、いくつかの動き補償再構成方式における計算オーバーヘッドはかなり多い。
したがって、X線撮像の改善が必要である。特に、動きアーティファクトを低減するための計算上より安価なやり方が必要である。
本発明の目的は、さらなる実施形態が従属請求項中に組み込まれる、独立請求項の主題によって解決される。本発明の以下で説明する態様は、X線撮像における動きアーティファクト低減のための方法と、撮像機器と、コンピュータプログラムと、コンピュータ可読媒体とに等しく適用することに留意されたい。
本発明の第1の態様によれば、
投影データの第1のセットから再構成された対象の第1の入力画像と、投影データの第2のセットから再構成されたその対象の第2の入力画像とを受信するための1つ又は複数の入力インターフェースであって、第2のセットが第1のセットよりも小さく、及び/又は第2のデータセットは、第1のセットが含むよりも少ない冗長データを含む、1つ又は複数の入力インターフェースと、
2つの入力画像に基づいて動き破損(motion corruption)についての推定値を確立する動き分析器と、
動き推定値と、第1の入力画像及び/又は第2の入力画像中の画像情報とに基づいて、向上した画像についての画像値を計算する選択的コンバイナと
を備える、X線撮像における動きアーティファクト低減のためのシステムが提供される。
投影データの第1のセットから再構成された対象の第1の入力画像と、投影データの第2のセットから再構成されたその対象の第2の入力画像とを受信するための1つ又は複数の入力インターフェースであって、第2のセットが第1のセットよりも小さく、及び/又は第2のデータセットは、第1のセットが含むよりも少ない冗長データを含む、1つ又は複数の入力インターフェースと、
2つの入力画像に基づいて動き破損(motion corruption)についての推定値を確立する動き分析器と、
動き推定値と、第1の入力画像及び/又は第2の入力画像中の画像情報とに基づいて、向上した画像についての画像値を計算する選択的コンバイナと
を備える、X線撮像における動きアーティファクト低減のためのシステムが提供される。
好ましくは、動き分析器の動作は、2つの入力画像間の差分画像を形成することと、差分画像を作る差分値を分析することとに基づく。(絶対)差分値が大きいほど、所与の画像ロケーションにおける動き破損が多くなる。
選択的コンバイナは、いくつかの画像ロケーションにおける2つの入力画像のうちのいずれか一方からの画像情報からの向上した画像を組み合わせることによって、又は、各々が画像ロケーションごとのそれぞれの動き推定値に依存する、いくつかの他の画像ロケーションにおける両方の入力画像からの画像情報を組み合わせる若しくは「混合」することによって選択的な様式で動作する。
実施形態では、選択的コンバイナは、2つの入力画像からの画像情報の相対的寄与率(contribution)が動き推定値とともに変動するように、入力画像のいずれか一方又は両方からの画像情報を組み合わせる。
実施形態では、選択的コンバイナは、第1の入力画像又は第2の入力画像からの画像情報の寄与率が、それぞれ第2の入力画像と第1の入力画像とからの画像情報の寄与率を犠牲にして、動き推定値とともに変動するように、入力画像のいずれか一方又は両方からの画像情報を組み合わせる。
実施形態では、第2の入力画像からの画像情報の寄与率が高いほど、動き推定値によって示される動き破損のレベルは高くなり、第1の入力画像からの画像情報の寄与率が高いほど、動き推定値によって示される動き破損のレベルは低くなる。
より詳細には、実施形態では、相対的寄与率はハードしきい値処理方式又はソフトしきい値処理方式によって決定される。ハードしきい値処理では、動き分析器は、所与の画像ロケーションにおいて動き破損があるか否かに関するバイナリ分析を行う。動き破損がある場合、第2の画像からの対応する画像値が、向上した画像の画像値として取られる。動き破損がない(又は動き破損が「ハード」しきい値を下回る)場合、第1の画像からの対応する画像値が、前記画像ロケーションにおける向上した画像の画像値として取られる。ソフトしきい値処理では、推定値によって確立される動きの量に基づいて比例的に、両方の入力画像からの画像値からの所与の画像ロケーションについての向上した画像の画像値が混合される。
実施形態では、本システムは、1つ又は複数の入力インターフェースにおいて受信される2つの入力画像を得るために初期入力画像に適用されるノイズ除去器(de-noiser)を備える。言い換えれば、入力画像が最初にノイズ除去され、次いで、そのようにノイズ除去された画像が、推定値を確立するために動き分析器によって分析される。最初にノイズ除去を行うことにより、動き推定値がよりロバストになる。
実施形態では、投影データはコンピュータ断層撮像装置によって収集される。
別の態様では、
投影データの第1のセットから再構成されたオブジェクトの第1の入力画像と、投影データの第2のセットから再構成されたそのオブジェクトの第2の入力画像とを受信するステップであって、第2のセットが第1のセットよりも小さい、第1の入力画像と第2の入力画像とを受信するステップと、
2つの入力画像に基づいて動き破損についての推定値を確立するステップと、
動き推定値と、第1の入力画像及び/又は第2の入力画像中の画像情報とに基づいて、向上した画像についての画像値を計算するステップと
を有する、X線撮像における動きアーティファクト低減のための方法が提供される。
投影データの第1のセットから再構成されたオブジェクトの第1の入力画像と、投影データの第2のセットから再構成されたそのオブジェクトの第2の入力画像とを受信するステップであって、第2のセットが第1のセットよりも小さい、第1の入力画像と第2の入力画像とを受信するステップと、
2つの入力画像に基づいて動き破損についての推定値を確立するステップと、
動き推定値と、第1の入力画像及び/又は第2の入力画像中の画像情報とに基づいて、向上した画像についての画像値を計算するステップと
を有する、X線撮像における動きアーティファクト低減のための方法が提供される。
実施形態では、本方法は、最初に2つの入力画像の一方又は両方をノイズ除去し、次いで、2つの(いまノイズ除去された)入力画像に基づいて推定値を確立するステップを有する。
別の態様では、
前述の実施形態のいずれか1つに記載のシステムと、
コンピュータ断層撮像装置と
を含む、撮像機器が提供される。
前述の実施形態のいずれか1つに記載のシステムと、
コンピュータ断層撮像装置と
を含む、撮像機器が提供される。
別の態様では、少なくとも1つの処理ユニットによって実行されたときに、その少なくとも1つの処理ユニットに上述の実施形態のいずれか1つに記載の方法を実行させる、コンピュータプログラムが提供される。
また別の態様では、コンピュータプログラムをそれの上に記憶したコンピュータ可読媒体が提供される。
実施形態では、投影データの第2のセットは投影データの第1のセットのサブセットである。投影データの第1のセットは、断層又はトモシンセシス(tomosynthetic)撮像装置によって走査動作中に収集されたすべての利用可能な投影データを含むが、投影データの第2のセットはそれの一部である。しかしながら、本明細書では、すべての実施形態において、第1のセットが必ずしもすべての収集された投影データを含むとは限らない。いくつかの投影データは、コーンビームCT又は他の(発散)走査ジオメトリ又は技法などにおいて、冗長を含むように収集される。第1のセットは、第2のセットが含むよりも多い(又はいくつかの実施形態では、すべての)冗長データを含むことが想定される。実施形態では、第2のセットは冗長を含まない。
本明細書で提案されるものは、動きアーティファクトを低減又は抑制するための新規の手法である。動きは、計算コストが高い動き補償再構成を実行することなしに低減され得る。代わりに、提案するシステムは、最初に、収集された投影データからの利用可能な冗長データの一部又は全部を使用して元の画像を再構成する。この画像中のコーンビームアーティファクト(CBA)を抑制するために又は少なくとも低減するために、以下でより完全に説明する周波数スプリット(frequency split)(FS)再構成方法を使用する。さらに、第2の画像は、元の画像の再構成のために使用される投影データと比較して、より少量の利用可能な冗長投影データを使用して再構成される。この第2の画像中の動きアーティファクトは、一般に、元の画像中の動きアーティファクトよりも(はるかに)小さい。これらの2つの画像をノイズ除去し、それらの画像を比較することは、元の(第1の)画像が、例えば患者の動き又は撮像機器の意図しない動きによって引き起こされる動きアーティファクトを被る、画像ロケーションを検出することを助ける。向上した画像は、両方の入力画像から組み合わせられたハイブリッド画像である。向上した画像は、動きが破損した画像ロケーション(例えば領域)では第2の画像により似ているが、すべての他の画像ロケーションでは元の画像により似ている。
提案する方法及びシステムは、他の場合に動き補償再構成(「MCR」)アルゴリズムにおいて必要とされる複雑な計算ステップが不要になるので、実装がより速く簡単であり、よりロバストである。特に、提案する方法及びシステムは動きフィールドの(弾性)画像レジストレーション及び/又は推定を必要としない。動きがまったく又はわずかしか検出されない領域では、向上した画像は元の公称画像に等しく(又は少なくとも似ており)、したがって不変のままであるので、提案する方法はロバストである。
MCRでは、CBAが動きフィールドの必要とされる推定をゆがめることがあるが、提案する方法及びシステムでは、動きアーティファクトで破損した領域の動き分析器による検出は、特にFS再構成が使用されるときに(そのときだけではないが)、CBAに対してほとんど反応しない。
提案するシステムは、他の場合に呼吸又は心臓動きアーティファクトを被る、肺画像及び胸部画像の画像品質を改善する。
定義
「ユーザ」は、撮像装置を動作させる又は撮像手順を監督する、医療従事者などの人を指す。言い換えれば、ユーザは、通常、患者ではない。
「ユーザ」は、撮像装置を動作させる又は撮像手順を監督する、医療従事者などの人を指す。言い換えれば、ユーザは、通常、患者ではない。
「対象」は、本明細書では、人間又は動物の患者、又はそれらの解剖学的部位など、生きている「対象」を含めるために一般的な意味で使用されるだけでなく、セキュリティ検査における手荷物又は非破損試験における製品などの無生物をも含む。しかしながら、提案するシステムについては、本明細書では主に医療分野に関して説明し、したがって、「対象」を、「患者」、及び患者の特定のアナトミー又はアナトミーのグループであるロケーション又は関心領域(「ROI」)と呼ぶ。
「第1の」及び「第2の」(画像、サブセットなど)という用語は、純粋に命名目的及び区別目的のためのものであり、一時性又は階層関係を暗示しない。
「画像ロケーション」は、本明細書で使用する際、単一のピクセル/ボクセル位置を示すこともあり、それぞれの画像をタイリングする、任意の形状及びサイズのパッチ、近傍など、複数のピクセル/ボクセルを含む、より大きい画像部分又は画像領域のロケーションを示すこともある。
次に、別段に記載されていない限り、縮尺が一定でない以下の図面を参照しながら、本発明の例示的な実施形態について説明する。
図1を参照すると、実施形態において本明細書で想定される撮像機器IAが示されている。
撮像機器IAは、人間又は動物の患者など、対象PATの画像を収集するように構成されたX線撮像装置XIを含む。
撮像装置によって収集された画像、又はそれらの画像から導出可能な像は、以下でより詳細に説明するように、向上した像を生成するためにコンピュータ画像処理システムIPSによって処理される。
向上した像は、データベースシステム中など、メモリDBに記憶されるために通信インターフェースCIに通されるか、ディスプレイデバイスDD上の可視化器VISによって可視化されるか、又は別段に処理される。
本明細書で想定される撮像装置XI(「イメージャ」)は、特にトモグラフィタイプのものである。
回転撮像とも呼ばれるこのタイプの撮像では、投影画像λが患者PATのROIのイメージャによって収集される。投影画像は、次いで、再構成器RECONによって軸位画像(axial image)若しくは断面画像又は「スライス」に再構成される。軸位像(axial imagery)は、達成されるべき臨床上の目標又は目的に沿った臨床医による検査及び診断を知らせるために、ROIの内部構造についての情報をあらわにする。特に、本明細書では、コンピュータ断層撮影(CT)スキャナ、Cアーム/Uアームイメージャ、モバイル、又は手術室に固定式に取り付けられるものなど、X線ベースのイメージャが想定されている。
イメージャXIはX線源XSとX線敏感検出器Dとを含む。イメージャXIは、エネルギー統合撮像のために、又は(エネルギー弁別撮像とも呼ばれる)スペクトル撮像のために構成される。したがって、検出器Dは、エネルギー統合タイプのものであるか、又はフォトン計数検出器などのエネルギー弁別タイプのものである。スペクトル(ボリュメトリック)画像データは、例えば、低エネルギー高コントラスト画像、有効Z(原子番号)画像、仮想単色画像、造影剤定量マップ、仮想非コントラスト画像、電子密度画像、及び/又は他のタイプのスペクトル像を含む。スペクトル撮像の場合、イメージャXIは、マルチエネルギー投影データを収集するための構成要素を含む。前記構成要素は二重X線源XS、XS’(図示せず)を含み、検出器Dは、2層検出器として、又は前記フォトン計数検出器として構成される。画像処理システムIPS変換のスペクトル画像処理構成要素はマルチエネルギー投影データを処理してスペクトル像にする。
画像収集中に、患者PATはX線源XSと検出器Dとの間の検査領域ER中に常駐する。実施形態では、ソースX線は撮像軸Zの周りの回転平面内の撮像軌道又は走査経路中を移動する。らせん走査経路も想定される。回転は、イメージャXIに固定ガントリーFGと回転ガントリーMGとを含ませることによって達成される。回転ガントリーMGは固定ガントリーFGによって回転可能に支持される。回転ガントリーRGは、検査領域ERと、それの中の対象PATの少なくとも一部分との周り、及び撮像軸Zの周りを回転する。X線管など、放射源XSは、検査領域ERの周りの回転ガントリーMGによって支持され、回転ガントリーMGとともに回転する。撮像軸はROIを通る。好ましくは、患者の縦軸が撮像軸Zと整合させられるが、他の配置及びジオメトリも想定される。
本明細書で想定される撮像ジオメトリは、平行ビームCTジオメトリ、好ましくは、発散ビームジオメトリ(すなわち、ファンビームジオメトリ又はコーンビームジオメトリ)を含む。少なくとも180°の円弧内のROIの周りをソースXSが回転する撮像軌道が完全な走査を構成する。しかしながら、時々、時間又は空間の制約などにより、限定された角度走査のみが実行される。そのような限定された角度走査では、走査経路は180°未満の回転角に対する。
回転中に、ソースXSがX線ビームXBを発し、ROIを照射する。回転中に、投影画像が異なる方向qから検出器Dにおいて収集される。X線ビームXBは、異なる方向に沿って患者PAT、特にROIを通過する。X線ビームは関心領域中の物質と相互作用する。相互作用によりビームXBが変更される。変更された放射が患者の遠端において出現し、次いでX線敏感検出器D上に入射する。検出器中の回路が、変更された入射した放射を電気信号に変換する。電気信号は、次いで、増幅されるか又は別段に調整され、次いで、(デジタル)投影像λを得るためにデジタル化され、(デジタル)投影像λは、次いで再構成器RECONによって軸方向断面像に再構成される。
再構成器RECONは、FBP(フィルタ補正逆投影)、フーリエ領域ベースの再構成アルゴリズム、代数(ART)再構成アルゴリズム、又は反復再構成アルゴリズムなど、再構成アルゴリズムを実行する、コンピュータ実装モジュールである。好適にトレーニングされた人工ニューラルネットワーク(特に畳み込みニューラルネットワーク)など、より最近の機械学習(「ML」)ベースの再構成アルゴリズムも想定される。
実施形態では、コーンビーム再構成アルゴリズムが使用される。実施形態では、再構成アルゴリズムはらせん走査経路のために適応させられる。
再構成器RECONモジュールはハードウェア又はソフトウェア又は両方において構成される。再構成器RECONは、検出器Dの投影領域中で収集された投影画像λを画像領域中で軸方向断面像に変換する。画像領域は、患者が撮像中に常駐する検査領域中の空間の部分を含む。対照的に、投影領域はX線検出器DのX線放射敏感表面内又はX線放射敏感層中に位置する。画像領域において、再構成された像は、軌道の回転平面に対して平行で、撮像軸Zに対して直角な断面平面内で定義される。ROIの3D画像表現である3D画像ボリュームを一緒に形成する、異なる断面平面内の異なる軸位像が収集され得る。3Dボリュームは、らせん走査経路中などで、患者PATが撮像中にそれの上に常駐するサポートテーブルTBを進めることによって収集される。代替又は追加として、固定ガントリーFGが並進させられる。軸Zに沿ったソースXSに対する患者PATの相対並進運動と、軸Zの周りのソースXSの回転とにより、あるピッチにおけるらせん走査経路が生じる。ピッチは固定されるか、又はユーザ調整可能である。非らせん走査では、走査経路は、一般に、最大180°(+ファン角)の円弧又は180°(+ファン角)に実質的に等しい円弧に対する。
走査中に収集される投影データλは、いくつかの異なる投影画像、又は「フレーム」を含む。特に、走査経路上のソースXSの各位置qiが、その位置に関連付けられた関連する投影フレームに対応する。
らせんジオメトリなど、いくつかの撮像ジオメトリでは、収集される投影データλは、ピッチと、(円錐角によって測定される)ビームコーンの幅と、検出器表面の幅とによる冗長を含む。これは、異なる走査軌道位置qi、qjから撮像された対象OBを通る同じ幾何学的光線に沿って露光が行われる際に、いくつかの検出器ピクセルが、異なる投影フレーム中に同じ強度を位置合わせすることによる。
投影データλの収集中に患者の動きが起こると、再構成された像中に動きアーティファクトが生じる。患者の動きは、随意的であることもあるが、ほとんどの場合、せきによって又は心臓及び/又は呼吸活動によって引き起こされる動きなど、不随意的である。動きアーティファクトは、実際の組織又はアナトミーを表していない画像構造である。極端な場合、重大な動きアーティファクトにより、再構成された画像が役に立たなくなり、したがって、撮り直しのための不要な時間と、追加の再構成のための計算リソースとが生じることがある。
再構成された像中の動きアーティファクトをなくすために、提案する画像処理システムIPSは動きアーティファクト低減又は抑制器システムSYSを含む。広義には、動きアーティファクト低減器SYSは、動きアーティファクトにより破損した可能性がある入力画像Iを、そのような動き関連アーティファクトがより少ないか又はまったくない向上した画像I’に変換する。
(本明細書では手短に「動き低減器」とも呼ぶ)提案する動きアーティファクト低減システムSYSは、再構成された画像の2つのバージョンi1、i2が入力として受信され、処理されて向上した画像I’になる、2チャネル手法を実施する。
2つの入力画像i1、i2は元の投影データλの異なるサブセットλ1、λ2から再構成される。特に、(本明細書で「ファット画像」(太った画像)とも呼ぶ)第1の画像i1は、より小さいサブセットλ2⊂λから再構成される(本明細書で「リーン画像」(痩せた画像)と呼ぶ)第2の画像I2が再構成されるよりも大きい投影データのセットλ1から再構成される。より詳細には、以下でより十分に探究するように、ファット画像i1がそれから再構成される投影データセットλ1は、リーン画像i2がそれから再構成されるより小さいサブセットλ2が含むよりも多い冗長データを含む。本明細書で主に想定される一実施形態では(必ずしもすべての実施形態において当てはまるとは限らないが)、ファット画像i1はすべての投影データλ1=λから再構成されるが、リーン画像i2は元の投影データλ1=λのサブセットλ2から再構成される。λ1がすべてのデータλを含まない場合でも、λ2は依然としてλ1のサブセットである。
広義には、動き低減システムSYSは、2つの入力画像i1、i2から導出されたハイブリッド画像として向上した画像I’を形成するように動作する。2つの入力画像I1、I2からの画像情報は選択的に組み合わせられてハイブリッド画像I’になる。
より詳細には、走査中に収集された元の投影データλの2つの異なるサブセットλ1、λ2に基づいて、2つの再構成が実行される。さらにより詳細には、「公称」再構成、すなわちファット画像i1に加えて、本明細書では、第2の画像、すなわちリーン画像i2を再構成するが、この場合は、利用可能な冗長データの(小さい)一部のみを使用する。これらの2つの画像i1、i2を(好ましくはノイズ除去の後に)比較することによって、患者の動き/動きアーティファクト破損を被った元のファット画像i1中の画像ロケーションを検出する。患者の動きは、画像ノイズ除去の後に残った残留ノイズに対してより容易に区別することができる。これらのロケーションにおいて、向上した画像をそのようにアセンブルするために、i1中の元の画像値を、検出された画像ロケーションにおける第2の画像i2の画像値と置き換える。いくつかの又はすべての他の領域では、この置換えを回避し、したがって低いレベルの残留ノイズが保持される。代替的に、向上した画像についての画像値が、各画像i1、i2からの比例的な寄与率を用いて、検出された動きの量の関数として、両方の画像i1、i2からの加重和として計算される、よりソフトなしきい値処理又は置換方式が使用される。
特に、2つの入力画像i1、i2からの画像情報を選択的に組み合わせる際に、提案する動き低減システムSYSは、以下の2つの反対の効果をネゴシエートするために好都合な選択ポリシーを使用する。ファット画像i1は、より多い冗長を含むより大きい投影データセットλ1から再構成されるので、i1は動きアーティファクトをより被りやすいが、同時に、より少ないノイズを含み、一方、リーン画像i2は、より少ない冗長をもつより小さい投影データセットから再構成され、動きアーティファクトに対してよりロバストであるが、欠点として、より多い画像ノイズを含む。
提案する動き低減システムSYSは、向上した画像中の動きアーティファクトを低減するために、両方の入力画像からの情報を賢明に組み合わせるが、同時により多いノイズを生じさせない。1つの選択ポリシーによれば、動き画像によってより大きく破損した画像ロケーションについては、リーン画像i2からのより多い情報が使用されるが、動き破損がより少ない画像ロケーションについては、i2を犠牲にして、ファット画像i1からのより多い画像情報が使用される。
次に、動き低減システムSYSの動作をより詳細に説明するために図2のブロック図を参照する。それぞれの異なる投影データサブセットλ1、λ2から再構成された2つの入力画像、すなわちファット画像及びリーン画像i1、i2が1つ又は複数の入力ポートINにおいて受信される。
動き分析器MAは、各画像ロケーション(ピクセル、ボクセル又は近傍/パッチ)について動き破損があるか否か(又は無視できるか)を確証するために、2つの画像、すなわち入力画像i1、i2を分析する。すなわち、分析によりバイナリ動きマップが生成される。すべてではないが、他の実施形態では、動き分析器MAはいくつかの又は各ロケーションjにおける動き破損の量を定量化する。言い換えれば、動き分析器MAは、各画像ロケーションについて動き破損の量を定量化する動き破損マップを出力する。
(バイナリの又は定量化された)この動きマップに基づいて、選択的コンバイナΣは、次いで、入力画像よりも少ない動き破損アーティファクトをいま含んでいる向上した画像I’を形成するために、2つの入力画像i1、i2からの画像情報を選択的に組み合わせる。好ましくは、向上した画像中に動きアーティファクトはまったくない。
随意に、好ましくは、次いで動き分析器MAによって分析されるノイズ除去されたファット再構成及びリーン再構成I1、I2を得るために、最初に、それぞれ2つの投影データセットλ1、λ2から再構成されたそれぞれのファット再構成及びリーン再構成i1及びi2にノイズ除去アルゴリズムを適用する、ノイズ除去器DNがある。そのようなノイズ除去は、動き分析器MAが動きからの寄与率をよりロバストに定量化し、区別することができるように、ノイズレベルを低減することを可能にするので好ましい。以下では、(図3において)動き低減器MAの動作及び関係する方法を説明するときに、主に2つのノイズ除去されたバージョンI1、I2を参照する。しかしながら、実は好ましいノイズ除去器DNは随意であり、I1、I2に関して以下で説明し、陳述するすべてのことはi1、i2に等しく当てはまると理解される。
選択的コンバイナΣによる組合せ動作はハードしきい値処理選択ポリシー又はソフトしきい値処理選択ポリシーに基づき得る。ハードしきい値処理では、動きマップは、本質的に、各画像ロケーションについて、しきい値に基づいて動き破損があるか否かを示すバイナリマップである。このことは、例えば、動き破損がない場合には値「1」を割り当て、動き破損がある場合には「0」を符号化することによって行われ得る。他の符号化も想定される。この簡単なハードしきい値処理方式では、動き破損がある特定の画像ロケーションにおいて、所与の画像ロケーションにおけるそれぞれの画像値が第2の画像I2からコピーされる。しかしながら、マップどおりの所与の画像ロケーションにおける動き破損がない場合、その画像ロケーションについての画像値が元の再構成I1からコピーされる。
好ましくは、そのようなハードしきい値処理の代わりに、ソフトしきい値処理が使用され、向上した画像I’の画像値が動きアーティファクト破損の量に応じて2つの入力画像I1、I2から混合され、ファットI1画像から引き出された画像情報に大きい重みが与えられるほど、画像ロケーションにおける動きが小さくなり、リーン画像から引き出された画像情報に小さい重みが与えられ、動き分析器MAによって確認された動きの量がより高い場合はその逆になる。
実施形態では、この混合は、入力画像I’=αI1+βI2の加重和として向上した画像I’を計算することによって達成され、ここで、重みα、βは、一般に、画像ロケーションjごとの動き破損とともに変動する。重みは正の数である。特に、画像ロケーションjにおける所与の画像値yj∈I’は、画像ロケーションjについての重みαj、βjと、ロケーションjにおいて2つの入力画像I1、I2から引き出されるそれぞれの画像値を示すx’とを用いて、加重和
として計算される。この実施形態では、動きマップは、重み画像Iwとして概念化される重みαj、βjを含む。重みα、β(表記法を容易にするために、場合によっては、ロケーションインデックスjを省略する)は正規化され得、例えば「1」など、一定の値になるように構成される。重みα、βは、所与の画像ロケーションにおける動き破損の優勢(preponderance)を測定する。特に、重みは、動き分析器MAによって検出された動きの量を測定する。大きい動きがあるほど、第2の画像I2から引き出された所与の画像ロケーションにおける寄与率が高くなり、反対に、元の画像I1からの寄与率が低くなり、所与の画像ロケーションにおける画像破損がほとんどない場合は、その逆になる。さらに言い換えれば、所与のロケーションにおける2つの画像I1、I2のうちの1つからの所与の寄与率は他の画像I2、I1からの寄与率を犠牲にし、この逆関係が重みに反映され、重みの一方が高いほど、他方は低くなる。重みα、βと、動きの位置合わせされた量との間の関数関係は、線形であるか、又はソフトマックス関数、若しくはシヌソイド関数のセクションなど、任意の他の単調関数に基づく。ハイブリッド画像を計算する目的のためのそのような動き対重み関係の具体例について、次に参照する図3において以下でさらに説明する。
詳細には、図3は動きアーティファクト低減のための画像ベースの方法のフローチャートである。以下でより詳細に説明する方法のステップは、動き低減システムSYSのための上述のシステムを実施するための1つの方法として理解されるが、本方法は、必ずしも上記で説明した図1、図2中のシステムのアーキテクチャに結合されるとは限らないことも諒解されよう。特に、以下のステップは、それら自体で教示として理解され、必ずしも図1、図2中のアーキテクチャに結合されるとは限らない。
ステップS305において、コーンビーム、ファンビーム、平行ビームなど、所与の撮像ジオメトリにおいて回転X線撮像装置中で収集された投影データのセットλ⊇λ1、λ⊃λ2が受信される。
ステップS310において、2つの入力画像、すなわちファット画像及びリーン画像i1、i2が、ステップS305において受信されたそれぞれの投影データλ1、λ2から再構成される。好ましくは、ファット画像i1は、特にすべての利用可能な冗長データを含むすべての利用可能な投影データから再構成される。リーン画像i2はすべての利用可能な投影データλのサブセットλ2⊂λから再構成される。より小さいセットλ2は、特に、λ1が含むよりも少ない冗長データを含む。しかしながら、すべての利用可能な(冗長)投影データλからi1を再構成する必要はないことが理解されよう。サブセットλ1が、より小さいサブセットλ2が含むよりも多い冗長データを含む限り、λ1は真のサブセットλ1⊂λであれば十分である。
特に、本明細書で主に想定されるコーンビーム再構成の場合、ステップS310において、コーンビームタイプアーティファクト(「CBA」)を低減するために特殊な再構成アルゴリズムが使用される。CBAアーティファクト低減を用いる再構成アルゴリズムの1つのそのようなクラスは周波数スプリット(「FS」)タイプ再構成方法(「FSR」)を含む。例えば、Med.Phys.31(8)、2004年8月、2230~2236ページにおいて公開された、G Schechterらの「The frequency split method for helical cone-beam reconstruction」を参照されたい。FSタイプ再構成では、高及び低の2つの空間周波数帯域中の画像情報が別個にフィルタ補正逆投影によって2つの画像に再構成される。各場合において、異なるフィルタが使用される。そのように得られた、高周波数範囲画像及び低周波数範囲画像の2つの画像が次いで追加される。FS手法はCBAを低減するのを助ける。本明細書では、ファット画像i1の再構成のためにFS再構成アルゴリズムタイプ又は関係する再構成アルゴリズムが想定される。前述のように、好ましくは、i1の再構成のためにすべての利用可能な冗長データλ1が使用されるか、又は少なくとも、リーン画像i2の再構成のための冗長データよりも多い冗長データが使用される。CBAを低減することは、(以下でより完全に説明する)ステップS340において動き分析におけるフォールスポジティブな検出を回避するのを助ける。
リーン画像i2は、冗長がより少ないか又はまったくない投影データのサブセットλ2⊂λ、特にλ2⊂λ1から再構成される。FSRのコンテキストにおいて、このより小さいサブセットλ2は、低周波数範囲画像を再構成するために使用される平行投影の角度サブレンジに関連付けられたフレームとして選択される。約1以下の一般的な走査ピッチ値の場合、平行投影のこの範囲λ2は、冗長データを含んでいないか、又は冗長データの小さい一部のみを含んでいる。したがって、リーン画像i2中の動きアーティファクトはファット画像i1中の動きアーティファクトよりも目立たない。しかしながら、2つの画像i1、i2の再構成はFSRに限定されず、好ましくは低いCBAをもつ、他の再構成方式も想定される。サブセットλ2の選択は、FSRベースの実施形態におけるような平行投影再ビニング以外の方式によって行われ得る。選択は、ランダムに、又は重複を回避するのに十分に大きいステップkを用いて、λからk番目のフレームごとに選定することによって行われる。
随意のステップS330において、ノイズレベルを低減し、i1、i1のノイズ除去されたバージョン、すなわちファット画像I1
de-noised及びリーン画像I2
de-noisedを導出するために、2つの再構成された入力画像i1、i2がノイズ除去アルゴリズムによってノイズ除去される。ノイズ除去ステップS330のための異なる実施形態が想定される。
一実施形態では、ノイズ除去は構造ベースである。より詳細には、遷移、境界など、画像構造を分離するために、画像構造計算S320が実行される。ステップS320における構造計算の結果はボリュメトリック構造STである。構造計算S320はセグメンテーションに基づく。好ましくは、構造STはリーン画像i2中で計算される。構造STは、ファット画像i1中で構造STを計算することと比較してより明確に定義されることが予想されるが、i1から構造STを計算することは依然として代替実施形態において行われる。
構造ベースのノイズ除去では、ノイズ寄与率は、縁部、境界など、ステップS320において計算された画像構造STに基づいて計算される。次いで、ノイズ除去されたバージョンI1=i1
de-noised及びI2=i2
de-noisedに達するために、ノイズに由来することが認識された画像寄与率が入力像i1、i2から減算されるか又は別段に削除される。
一実施形態では、リーン画像i2自体の中で計算されたボリュメトリック構造STに基づいて、リーン画像i2のリーンなノイズ除去されたバージョンI2に達するために、ステップS330cにおいて、リーン画像i2に対して構造ベースのノイズ除去が実行される。
一実施形態では、リーン画像i2自体の中で計算されたボリュメトリック構造STに基づいて、リーン画像i2のリーンなノイズ除去されたバージョンI2に達するために、ステップS330cにおいて、リーン画像i2に対して構造ベースのノイズ除去が実行される。
代替又は追加として、ステップS330Bにおいて、リーン画像i2に由来する構造STに基づいて、ファット画像i1に対して構造伝搬ベースのノイズ除去が実行される。言い換えれば、ステップS330bにおいて、構造伝搬ベースのノイズ除去が実行される。ファット画像i1は、他方の画像、すなわちリーン画像i2から伝搬された画像情報STに基づいてノイズ除去される。構造伝搬ベースのノイズ除去は本出願人の米国特許第10,282,820号に記載されている。
この構造伝搬の一変形態として、ステップS330aにおいて、画像i2からの追加の情報に頼らずに、i1自体の構造にネイティブに基づく「公称」ノイズ除去が実行される。実施形態では、公称画像は反復モデルベース(IMR)の再構成によって計算される。ステップS330Aの結果として、(図3に
として示されている)公称ノイズ除去画像
が得られる。
ファット画像i1の公称ノイズ除去、及び/又はリーン画像若しくはファット画像のノイズ除去は必ずしも構造ベースとは限らず、任意の他の好適なノイズ除去アルゴリズムも想定される。構造計算ステップS320は、したがって、随意的である。
(元の)ファット画像i1及びリーン画像i2、又はノイズ除去されたファット画像及びリーン画像I1、I2は、次いで、ステップS335において受信され、ステップS340において、動き破損の量を確立するために使用される。このことは、一実施形態では、i1、i2又はI1、I2を減算することによって、ピクセルごとなど、画像ロケーションごとの差分画像IDを形成することによって行われ得る。減算の順序は重要ではない。以下では、一般性の喪失なしに、場合によっては、同じく実施形態において想定されるような好適な平均化を用いた、パッチ及び近傍に関するより粗いグレインド処理として、ピクセルごとの処理を仮定する。ピクセルごとの絶対差分
は動きと相関する。差分が大きいほど、動きの量は大きくなる。ピクセルごとの差分は、したがって、動きの尺度である。各ロケーションにおいて動きがあるか否かを決定するために、ピクセルごとの差分に基づいてバイナリしきい値処理が行われる。画像ロケーションごとに動きがあるか否かを示すバイナリマップが与えられる。
実施形態では、動き量を定量化するために、尺度関数FMによって差分
が別の尺度に対してマッピングされる。この動き尺度は、次いで、ハードなバイナリしきい値処理ではなく、ソフトしきい値処理のために使用される。
ソフトしきい値処理の一実施形態では、差分画像IDに基づいて、随意のステップS350において、画像ロケーションごとに重みw=α、βが計算される。重みは動きマップ又は重み画像Iw中で編成される。重みwiは画像ロケーション(ピクセル、ボクセル、パッチ/近傍)ごとに計算されるので、重みwiは重み画像Iw又は非バイナリ動きマップに編成され得る。
重みは、測定された動き量の関数として、取られるべきである2つの画像からの画像情報の優勢を決定する。したがって、各画像ロケーションxiについて、1つはI1のための、1つはI2のための、2つの重みwi=(αi、βi)がある。マップIwは、向上した画像I’=IHを構築するために、画像情報がファット像及びリーン像I1、I2からどのような比率で引き出されるかを制御する。
ステップS360において、次いで、ハイブリッド画像I’=IHに達するために、重みIwに基づいて選択的組合せが実行される。実施形態では、向上した画像I’はファット像とリーン像との線形結合である。特に、I’は2つの画像のピクセル依存加重和としてある。より詳細には、組合せステップS360のための異なる実施形態が想定される。
一実施形態では、図3中の矢印「a」、「b」によって示されるように、Iwによるロケーションiにおける重みw(i)を用いて、ノイズ除去されたリーン画像I2
de-noisedと公称ファット画像
との線形結合として、向上した画像I’が形成される。
代替実施形態では、図3中の矢印組合せ「b」、「a’」によって示されるように、画像ロケーションを示すインデックスiを用いて、Iwによる重みに基づいて、I2=i2
de-noised画像がI1=i1
de-noisedと線形結合される。
Ihybrid(i)=w(i)・I1(i)+(1-w(i))・I2(i) (2)
Ihybrid(i)=w(i)・I1(i)+(1-w(i))・I2(i) (2)
ステップS370において、向上した画像IHが出力される。向上した画像IHは、表示され、メモリに記憶され、又は必要に応じて別段に処理若しくは送信される。
次に、重み生成ステップS350をより詳細に参照すると、これは、動き分析ステップS340によって与えられる動き尺度に基づく。動き又は動きアーティファクト分析器ステップは、動きの量とともに変動する正の数であるmを用いたマッピングFM:I1、I2->mである。前述のように、いくつかの実施形態では、m=FM=|I1-I2|=ID(又はノイズ除去が行われない場合は、ID=|i1-i2|)は、ファット画像とリーン画像とのピクセルごとの差分の絶対値であるか、又は2乗された差分FM=(I1-I2)t、t=2、若しくは他の累乗の場合、t>2など、それの関数f(I1-I2|)である。それのlpノルム又はp乗(pth-powers)も使用され得る。
重み生成ステップS340ステップは、関数Iw:m->α、β∈[a、b]に基づいて動き尺度mを重みのセットにマッピングする。重みは、好ましくは、1など、一定の数になるように正規化される。一般性の喪失なしに、重み間隔[a、b]は単位間隔[0、1]として取られる。重みα、β∈[0、1]は、I’中の所与の画像ロケーションjについて、動きmの関数として、2つの入力画像I1、I2からの寄与率の比率を測定する。
関数Iwは、好ましくは、[0、1]にわたって単調である。関数Iwは差分画像ID=FM=|I1-I2|中のダイナミックレンジに基づく。より詳細には、最小及び最大画像値が決定され、重みは、例えば、最小値及び最大値が単位間隔の境界にマッピングされるように、この範囲にクリッピングされる。
より詳細には、実施形態では、ノイズ除去の後に残った残留ノイズのレベルに対して絶対値が大きい差分画像ID中の値は、元の画像I1が患者の動きを被ったボリューム領域に位置する。この推理を用いて、0と1との間の実数値を割り当てられた重み画像Iwを構築する。慣例により、以下の符号化が採用される。「1」に近い重みは、残留ノイズのレベルと同様であるか又は残留ノイズのレベルよりも小さいID中の絶対値に、すなわち、患者の動きが観測されない画像ロケーションに対応するが、重みが「0」に近くなるほど、動きがますます大きくなることを示す。0、1間の値は2つの極値間の動きの存在を示す。「0」、「1」の役割が反転した他の符号化なども依然として想定される。
重みの計算は、以下の(3)又は(4)におけるように、ピクセルごとに別個に行われ得る。随意に、得られた重みは、より良い結果のために2D又は3D平滑化フィルタを用いて畳み込まれる。
好適な単調重み関数Iwは、例えば、[0、π]上のコサイン関数cos()など、シヌソイド曲線の正のセクションであるか、又はソフトマックス関数若しくは関係する関数など、単位間隔の境界において0の接線傾きをもつS字形関数である。以下の2つの例は、重み関数Iwを示し、いくつかの実施形態において想定される。
(3)及び(4)において、ID(i)は所与の画像ロケーション(例えばボクセルのうちのピクセル)iにおける2つのノイズ除去された画像間の差分を表す。(3)中のパラメータD1及びD2は画像ダイナミックレンジに対応する。2つのパラメータは、例えば、それぞれ一般に15及び50に設定される2つの正のHUレベルである。(4)におけるδとΔとについての例示的な範囲のために使用するべき一般的な値は、それぞれ30HU及び5HUである。範囲パラメータD1、D2/δ、Δは限定的ではなく、例のみとして役立つ。
(1)、(2)における関数は重み関数Iwの例示的な実施形態であり、単位間隔の境界のうちの少なくとも1つにおいて0の接線傾きをもつ他の単調関数も想定される。0の傾きをもつそのような関数は、境界における挙動の平滑化を用いたより現実的なモデル化を可能にする。しかし、本明細書では、例えば線形関数など、他の関数Iwも依然として除外されない。
提案する動きアーティファクト低減方法はいかなる形式の心臓又は呼吸同期(gating)をも必要としない。
提案する動きアーティファクト低減方法は、他の場合に動き補償再構成において必要とされる計算オーバーヘッドを低減することを可能にする。
組合せ動作S360を制御するためにステップS340において計算される動き又は重みマップIwは、1回限りで実行されることもあり、他のフォローアップ再構成のために再利用されることもある。重みの再利用は、様々なタイプのスペクトル像を計算するときに特に有益である。
動き低減システムSYSの構成要素は、イメージャXIに関連付けられたワークステーションなど、1つ又は複数の汎用処理ユニットPU上で、又はイメージャのグループに関連付けられたサーバコンピュータ上で実行される、1つ又は複数のソフトウェアモジュールとして実装される。
代替的に、動き低減システムSYSのいくつかの又はすべての構成要素は、撮像システムXI中に一体化された、FPGA(フィールドプログラマブルゲートアレイ)又はハードワイヤードICチップ、特定用途向け集積回路(ASIC)など、好適にプログラムされたマイクロコントローラ又はマイクロプロセッサなど、ハードウェアにおいて構成される。またさらなる実施形態では、動き低減システムSYSは、ソフトウェアとハードウェアの両方において、すなわち、一部はソフトウェアにおいて、一部はハードウェアにおいて実装される。
動き低減システムSYSの異なる構成要素は単一のデータ処理ユニットPU上に実装され得る。代替的に、いくつかの又はより多い構成要素が、場合によっては分散型アーキテクチャ中にリモートで構成され、クラウド設定又はクライアントサーバセットアップなど、好適な通信ネットワーク中で接続可能な、異なる処理ユニットPU上に実装される。
本明細書で説明した1つ又は複数の特徴は、コンピュータ可読媒体内で符号化された回路として、又はコンピュータ可読媒体内で符号化された回路を用いて、及び/又はそれらの組合せで構成又は実装され得る。回路は、ディスクリート回路及び/又は集積回路、システムオンチップ(SOC)、及びそれらの組合せ、マシン、コンピュータシステム、プロセッサ及びメモリ、コンピュータプログラムを含む。
本発明の別の例示的な実施形態では、適切なシステム上で、先行する実施形態のうちの1つに記載の方法の方法のステップを実行するように適応されることを特徴とする、コンピュータプログラム又はコンピュータプログラム要素が提供される。
コンピュータプログラム要素は、したがって、同じく本発明の一実施形態の一部であり得るコンピュータユニットに記憶され得る。この計算ユニットは、上記で説明した方法のステップを実行するか、又は上記で説明した方法のステップの実行を促すように適応される。その上、それは、上記で説明した装置の構成要素を動作させるように適応される。計算ユニットは、自動的に動作する及び/又はユーザの命令を実行するように適応され得る。コンピュータプログラムはデータプロセッサのワーキングメモリ中にロードされる。データプロセッサは、したがって、本発明の方法を実行するために装備される。
本発明のこの例示的な実施形態は、本発明を最初から使用するコンピュータプログラムと、アップデートによって既存のプログラムを、本発明を使用するプログラムに変えるコンピュータプログラムの両方をカバーする。
さらに、コンピュータプログラム要素は、上記で説明した方法の例示的な実施形態の手順を実現するためのすべての必要なステップを与えることが可能であり得る。
本発明のさらなる例示的な実施形態によれば、CD-ROMなど、コンピュータ可読媒体が提示され、コンピュータ可読媒体は、先行するセクションで説明したコンピュータプログラム要素をそれの上に記憶する。
コンピュータプログラムは、他のハードウェアと一緒に又は他のハードウェアの一部として供給される光記憶媒体又はソリッドステート媒体など、好適な媒体(必ずしもそうであるとは限らないが、特に非一時的媒体)に記憶され、及び/又はその好適な媒体上で配布されるが、インターネット又は他の有線若しくは無線電気通信システムを介してなど、他の形態でも配布される。
しかしながら、コンピュータプログラムは、ワールドワイドウェブのようなネットワークを介しても提示され、そのようなネットワークからデータプロセッサのワーキングメモリ中にダウンロードされ得る。本発明のさらなる例示的な実施形態によれば、本発明の前に説明した実施形態のうちの1つによる方法を実行するように構成されたコンピュータプログラム要素をダウンロードのために利用可能にするための媒体が提供される。
本発明の実施形態について異なる主題に関して説明したことに留意しなければならない。特に、方法タイプクレームに関して説明した実施形態もあれば、デバイスタイプクレームに関して説明した実施形態もある。しかしながら、当業者は、上記及び以下の説明から、別段に通知されていない限り、1つのタイプの主題に属する特徴の任意の組合せに加えて、異なる主題に関する特徴間の任意の組合せも本出願とともに開示されているとみなされることを推測しよう。しかしながら、すべての特徴が組み合わせられ、それにより、それらの特徴の単純な足し合わせを上回る相乗効果が与えられ得る。
図面と上記の説明とにおいて、本発明について詳細に例示し、説明したが、そのような例示及び説明は、例示的又は実例的なものであり、限定的なものではないとみなされるべきである。本発明は、開示された実施形態に限定されない。開示された実施形態の他の変形形態が、図面と、開示と、従属請求項との研究から、特許請求された発明を実施する際に、当業者によって理解され、実施され得る。
特許請求の範囲では、「備える」又は「有する」という単語は他の要素又はステップを除外せず、単数形は複数を除外しない。単一のプロセッサ又は他のユニットは、特許請求の範囲に記載されたいくつかの項目の機能を果たし得る。いくつかの手段が相互に異なる従属請求項に記載されているという単なる事実は、これらの手段の組合せを有利に使用することができないことを示さない。特許請求の範囲中のいかなる参照符号も範囲を限定するものとして解釈されるべきではない。
Claims (11)
- 投影データの第1のセットから再構成された対象の第1の入力画像と、投影データの第2のセットから再構成された前記対象の第2の入力画像とを受信するための1つ又は複数の入力インターフェースであって、前記第2のセットが前記第1のセットよりも小さい、1つ又は複数の入力インターフェースと、
これら2つの入力画像に基づいて動き破損についての推定値を確立する動き分析器と、
前記動き推定値と、前記第1の入力画像及び/又は前記第2の入力画像中の画像情報とに基づいて、向上した画像についての画像値を計算する選択的コンバイナと
を備える、X線撮像における動きアーティファクト低減のためのシステム。 - 前記選択的コンバイナは、前記2つの入力画像からの前記画像情報の相対的寄与率が前記動き推定値とともに変動するように、前記入力画像のいずれか一方又は両方からの前記画像情報を組み合わせる、請求項1に記載のシステム。
- 前記選択的コンバイナは、前記第1の入力画像又は前記第2の入力画像からの前記画像情報の寄与率が、それぞれ前記第2の入力画像と前記第1の入力画像とからの前記画像情報の寄与率を犠牲にして、前記動き推定値とともに変動するように、前記入力画像のいずれか一方又は両方からの前記画像情報を組み合わせる、請求項1又は2に記載のシステム。
- 前記第2の入力画像からの前記画像情報の前記寄与率が高いほど、前記動き推定値によって示される前記動き破損のレベルが高くなり、前記第1の入力画像からの前記画像情報の前記寄与率が高いほど、前記動き推定値によって示される前記動き破損の前記レベルが低くなる、請求項3に記載のシステム。
- 前記相対的寄与率がハードしきい値方式又はソフトしきい値方式によって決定される、請求項1から4のいずれか一項に記載のシステム。
- 前記1つ又は複数の入力インターフェースにおいて受信される前記2つの入力画像を得るために初期入力画像に適用されるノイズ除去器を備える、請求項1から5のいずれか一項に記載のシステム。
- 前記投影データがコンピュータ断層撮像装置によって収集される、請求項1から6のいずれか一項に記載のシステム。
- 投影データの第1のセットから再構成された対象の第1の入力画像と、投影データの第2のセットから再構成された前記対象の第2の入力画像とを受信するステップであって、前記第2のセットが前記第1のセットよりも小さい、第1の入力画像と第2の入力画像とを受信するステップと、
前記2つの入力画像に基づいて動き破損についての推定値を確立するステップと、
前記動き推定値と、前記第1の入力画像及び/又は前記第2の入力画像中の画像情報とに基づいて、向上した画像についての画像値を計算するステップと
を有する、X線撮像における動きアーティファクト低減のための方法。 - 請求項1から7のいずれか一項に記載のシステムと、
前記コンピュータ断層撮像装置と
を含む、撮像機器。 - 少なくとも1つの処理ユニットによって実行されたときに、前記少なくとも1つの処理ユニットに請求項8に記載の方法を実行させる、コンピュータプログラム。
- 請求項10に記載のコンピュータプログラムを記憶したコンピュータ可読媒体。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
EP20168618.5A EP3893205A1 (en) | 2020-04-08 | 2020-04-08 | Suppression of motion artifacts in computed tomography imaging |
EP20168618.5 | 2020-04-08 | ||
PCT/EP2021/058829 WO2021204737A1 (en) | 2020-04-08 | 2021-04-06 | Suppression of motion artifacts in computed tomography imaging |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2023522850A true JP2023522850A (ja) | 2023-06-01 |
JPWO2021204737A5 JPWO2021204737A5 (ja) | 2024-04-16 |
Family
ID=70227931
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2022561143A Pending JP2023522850A (ja) | 2020-04-08 | 2021-04-06 | コンピュータ断層撮像における動きアーティファクトの抑制 |
Country Status (5)
Country | Link |
---|---|
US (1) | US20230148983A1 (ja) |
EP (2) | EP3893205A1 (ja) |
JP (1) | JP2023522850A (ja) |
CN (1) | CN115552471A (ja) |
WO (1) | WO2021204737A1 (ja) |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6879656B2 (en) * | 2002-07-23 | 2005-04-12 | General Electric Company | Method and apparatus for deriving motion information from projection data |
US20080051648A1 (en) * | 2006-08-25 | 2008-02-28 | Suri Jasjit S | Medical image enhancement system |
US8761478B2 (en) * | 2009-12-15 | 2014-06-24 | General Electric Company | System and method for tomographic data acquisition and image reconstruction |
US10282820B2 (en) | 2013-02-21 | 2019-05-07 | Koninklijke Philips N.V. | Structure propagation restoration for spectral CT |
WO2019143333A1 (en) * | 2018-01-17 | 2019-07-25 | Analogic Corporation | Automated phase selection for cardiac axial ct scans |
-
2020
- 2020-04-08 EP EP20168618.5A patent/EP3893205A1/en not_active Withdrawn
-
2021
- 2021-04-06 WO PCT/EP2021/058829 patent/WO2021204737A1/en unknown
- 2021-04-06 US US17/916,959 patent/US20230148983A1/en active Pending
- 2021-04-06 EP EP21716429.2A patent/EP4133461A1/en active Pending
- 2021-04-06 JP JP2022561143A patent/JP2023522850A/ja active Pending
- 2021-04-06 CN CN202180034674.1A patent/CN115552471A/zh active Pending
Also Published As
Publication number | Publication date |
---|---|
WO2021204737A1 (en) | 2021-10-14 |
EP4133461A1 (en) | 2023-02-15 |
CN115552471A (zh) | 2022-12-30 |
US20230148983A1 (en) | 2023-05-18 |
EP3893205A1 (en) | 2021-10-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10307129B2 (en) | Apparatus and method for reconstructing tomography images using motion information | |
Zhang et al. | Spectral CT reconstruction with image sparsity and spectral mean | |
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 | |
JP6925868B2 (ja) | X線コンピュータ断層撮影装置及び医用画像処理装置 | |
NL1024855C2 (nl) | Werkwijze en inrichting voor zacht-weefselvolumevisualisatie. | |
CN105593905B (zh) | 针对完全3d迭代ct重建中的图像质量优化用于对正则化参数的局部调节的方法 | |
JP5362361B2 (ja) | 高コントラスト対象の動き補償ct再構成 | |
US20140133729A1 (en) | Image processing for spectral ct | |
JP2019516460A (ja) | 空間とスペクトル情報に基づく複数エネルギーのct画像におけるノイズ制御のためのシステムと方法 | |
JP5590548B2 (ja) | X線ct画像処理方法,x線ctプログラムおよび該プログラムが搭載されたx線ct装置 | |
WO2016042466A2 (en) | Iterative image reconstruction with a sharpness driven regularization parameter | |
AU2019271915A1 (en) | Method and system for motion correction in CT imaging | |
US11321833B2 (en) | Segmenting metal objects in projection images | |
KR101946576B1 (ko) | 의료 영상 장치 및 의료 영상 처리 방법 | |
JP2004181243A (ja) | 横方向のフィルタリング処理を用いたトモシンセシス画像を強調する方法及びシステム | |
WO2019149711A1 (en) | Image quality improved virtual non-contrast images generated by a spectral computed tomography (ct) scanner | |
JP2018033966A (ja) | 医用画像処理装置、医用画像処理プログラム及びx線コンピュータ断層撮像装置 | |
Kim et al. | A streak artifact reduction algorithm in sparse‐view CT using a self‐supervised neural representation | |
US9858688B2 (en) | Methods and systems for computed tomography motion compensation | |
Schöndube et al. | Evaluation of a novel CT image reconstruction algorithm with enhanced temporal resolution | |
JP2022547463A (ja) | コーンビームctにおけるニューラルネットワークに基づく限定角度アーチファクト軽減のための信頼度マップ | |
Stille et al. | Influence of metal segmentation on the quality of metal artifact reduction methods | |
JP2023522850A (ja) | コンピュータ断層撮像における動きアーティファクトの抑制 | |
KR20210147384A (ko) | 잘림 아티팩트 저감 프로젝션 데이터 보정방법 | |
CN116172594B (zh) | 用于生成患者的结果图像数据集的方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20240404 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20240404 |