JP5997180B2

JP5997180B2 - デュアルエネルギーｃｔ画像再構成のための方法及びシステム

Info

Publication number: JP5997180B2
Application number: JP2013550973A
Authority: JP
Inventors: ゴシェン，リラン
Original assignee: Koninklijke Philips NV
Current assignee: Koninklijke Philips NV
Priority date: 2011-02-01
Filing date: 2012-01-18
Publication date: 2016-09-28
Anticipated expiration: 2032-01-18
Also published as: RU2579815C2; RU2013140412A; CN103339657A; EP2671209A1; EP2671209B1; WO2012104740A1; JP2014503332A; US9247919B2; US20130308745A1; CN103339657B

Description

本発明は、概して画像化（画像処理）分野に関し、特に、デュアルエネルギー又は他のマルチエネルギーのコンピュータ断層撮影（CT：computed tomography）画像化データを再構成する方法及びシステムに関する。出願の対象は、医療画像化システムに関して特定の用途がある。しかし、その広い態様では、出願の対象は医療画像化分野に限定されず、例えば空港又は他の検問所でのセキュリティ目的の画像化のような他の分野に適用されてもよい。

スペクトルCT、特に高速kVp（kilovoltage peak）スイッチング方式（fast kVp switching）のデュアルエネルギーCTは、或る状況において単一エネルギーのCTの機能を拡張することができる画像診断法である。一例として、画像化されている２つの異なる物質は、単一エネルギーのX線ビームをほぼ同じように減衰する可能性があり、単一エネルギーのX線ビームで２つの物質を区別することを困難にする。その代わりに、各ビームが他のビームとは異なるエネルギーを有する２つのX線ビームが使用される場合、異なるエネルギーのX線ビームにより提供される更なる情報は、２つの物質を容易に区別するために使用される可能性がある。従って、デュアルエネルギーCT技術は、物質の質量減衰係数から生じる光電及びコンプトンの寄与（Compton contribution）を解決し、従って、光電及びコンプトンの寄与のその値により未知の物質を識別するために、２つのX線光子エネルギーで取得された２つのX線減衰値を利用する。この方式は、診断エネルギー範囲の中間値に近いkエッジエネルギー（k-edge energy）を有するヨウ素のような物質で特にうまく動作する。２つの基底関数のいずれか２つの一次独立の和は全体の減衰係数空間に及ぶため、いずれかの物質は、水及びヨウ素のようないわゆる基礎材料の２つの他の物質の一次結合により表され得る。基礎材料の画像は、単色画像、物質相殺画像（material cancellation image）、実効原子番号画像（effective atomic number image）又は電子密度画像のような新たな用途を提供する。

典型的なCT取得では、X線源及びX線検出器は、画像化される物体の周囲の共通のガントリー支持部（gantry support）で共に回転する。源及び検出器は、画像化される物体の反対側に配置され、これにより、X線源により放射されたX線は、X線検出器により検出される画像化される物体を通過するときに減衰する。投影（projection）と呼ばれる回転中に様々な視野角で検出器により記録された減衰したX線の信号は、物体の画像を生成するために、既知の再構成技術を使用して処理され得る。或る別の構成では、X線源のみが回転し、画像化される物体の周囲に完全なリング状又は部分的なリング状に配置された一連の静止X線検出器が投影データを記録する。

デュアルエネルギーCT画像化スキャンの実行は、２つのエネルギーでX線ビームを提供するX線源と、画像化される物体を通過した後の異なるエネルギーのX線ビームを記録することができるX線検出器とを必要とする。近年の技術的進展は、このような源及びこのような検出器の複数の設計を提供している。１つの従来の手法では、高速kVpスイッチング方式X線源が提供される。この手法では、X線源に供給される電圧及び場合によっては電流も、投影の間に交互に高エネルギーのX線ビームと低エネルギーのX線ビームとを提供するように制御された方法で変更される。次に、検出器は、例えば、高エネルギーのX線又は低エネルギーのX線を検出するのにそれぞれ適した２つの重なった階層の検出素子等を用いて、高エネルギーのX線と低エネルギーのX線との双方を検出するように構成される。高速kVpスイッチング方式X線源の使用は、スペクトルデータが投影の間に交互に取得されるため、良好な時間分解能を可能にする。

高速kVpスイッチング方式のこの従来のデュアルエネルギーCTスキャンは、概略的に図２に示されている。この図では、横軸は、X線源及びX線検出器が画像化される物体の周囲を回転するときの投影角をプロットしており、縦軸は、各投影角におけるX線ビームのエネルギーをプロットしている。それぞれのバーは、X線が生成されてX線データが記録された投影角を表す。分かるように、X線源は、低エネルギーE_lのX線ビームの生成と、高エネルギーE_hのX線ビームとを入れ替える。しかし、この従来の方法では、ビームの強度は、定数I₀に留まる。バーの間の間隔は、X線ビームのエネルギーが低レベルから高レベルに及び高レベルから低レベルに切り替わるために或る時間量を要することを示している。従って、或る中間の投影角では、X線源が切り替えられており、同時に回転しているため、データは記録されない。

高速kVpスイッチング方式CTスキャンの１つの潜在的な課題は、それぞれ低エネルギー及び高エネルギーのデータセットの従来の再構成が低品質の画像を生じる点にある。すなわち、低エネルギーのデータのみから十分な品質の画像を生成するほど十分な低エネルギーのデータは存在せず、高エネルギーのデータのみから十分な品質の画像を生成するほど十分な高エネルギーのデータは存在しない。投影角を低エネルギーの投影と高エネルギーの投影とに分けることにより、低エネルギー及び高エネルギーの投影データセットがアンダーサンプリング（標本間隔以下でのサンプリング）される

本発明の態様によれば、デュアルエネルギーCT画像再構成のための方法及びシステムが提供される。一態様では、L個の連続する投影角の低エネルギーのX線ビームと、H個の連続する投影角の高エネルギーのX線ビームとを交互に生成するために、画像化スキャン中に、高速kVpスイッチング方式X線源が使用される。Lは実質的にH未満である。低エネルギーの投影データセットと高エネルギーの投影データセットとで結果のアンダーサンプリングされたデータを推定する方法が提供される。欠落した低エネルギーの投影データは、複数の開示される構造伝搬（structural propagation）の実施例のいずれか１つを使用して、既知の高エネルギーの投影データから推定されてもよい。

複数の利点及び恩恵が、好ましい実施例の以下の詳細な説明を読むことで当業者に明らかになる。本発明は、様々な構成要素及び構成要素の組み合わせの形式になってもよく、様々な処理動作及び処理動作の組み合わせの形式になってもよい。

据え置き型ガントリーの一部がガントリー内の回転するX線源及びデータ測定システムを示すために切り取られた例示的なCT画像化システム従来の高速kVpスイッチング方式CTスキャンの概念図デュアルエネルギーCTデータを再構成する処理デュアルエネルギーCT画像化データを再構成するのに有用である高速kVpスイッチング方式スキャンの概念図 L=1及びH=16の場合の図４のCTスキャンの概念図 L=1及びH=16の場合の低速kVp投影データセットの代表的なシノグラム L=1及びH=16の場合の高速kVp投影データセットの代表的なシノグラムの一部

図面は、好ましい実施例を例示する目的のみであり、本発明を限定するものとして解釈されるべきではない。

この開示の対象は、いずれかのデュアルエネルギー画像化システム（例えば、デュアルエネルギーCT画像化システム）に関して用途がある。より具体的には、図１を参照すると、例示的な実施例では、画像化システム100は医療CT画像化システムである。CT画像化取得システム102は、ガントリー（gantry）104と、z軸に沿って動くテーブル又は診察台のような物体支持部106とを含む。画像化される患者又は他の物体（図示せず）は、物体支持部106に横になり又は置かれ、ガントリー104の開口部108内に配置されるように動かされる。患者又は物体が開口部108内に配置されると、X線源110は、ガントリー104内のX線データ測定システム112により集められるX線の投影を放射する。（図１では、ガントリー104の一部114は、ガントリー104内に収容されたX線源110及びX線データ測定システム112を示すために切り取られている。）X線源110は、少なくとも２つの異なるエネルギーレベルを有するX線を放射してもよく、X線データ測定システム112は、これらの異なるエネルギーレベルを有するX線を検出してもよい。X線源110及びデータ測定システム112は、様々な位置又は投影からCT画像化データを記録するために、開口部108の周囲を一緒に回転する。或る実施例では、このような回転は、物体支持部106が静止している間に生じてもよい。他の実施例では、このような回転は、“らせん状”スキャンにおいて、z軸に沿って物体支持部106の線形移動と共に生じてもよい。X線源110及びデータ測定システム112は、それぞれガントリー104内の共通の回転体（図示せず）に取り付けられているため、回転が可能になる。

従って、CT画像化取得システム102のデータ測定システム112は、検出されたX線の形式でCT画像化データを取得する。システム102は、通信リンク101を通じて取得されたCT画像化データをCT画像化、処理及び表示システム116に転送する。システム102及び116は、例示目的で別々のシステムとしてここで図示及び記載されるが、他の実施例では、これらは単一のシステムの一部でもよい。システム102及び116が別々のシステムである場合、通信リンク101は、ローカルエリアネットワーク、インターネット、メモリ記憶媒体（コンピュータディスク、CD-ROM又はフラッシュドライブ等）の物理的な転送のような、システム間のデータの転送を可能にする如何なるリンクでもよい。通信リンク101は、有線、無線又はこれらの組み合わせでもよい。従って、システム102及び116は、異なる部屋、異なるビル又は異なる都市に存在してもよい。

通信リンク101を介して、取得されたCT画像化データは、取得されたCT画像化データをメモリ120に格納する画像プロセッサ118に移動する。画像プロセッサ118は、画像再構成技術を適用し、取得されたCT画像化データを処理し、画像化される患者又は他の物体の画像を有する再構成された画像化データを生成する。画像プロセッサ118は、結果の再構成された画像化データを関連するディスプレイ122に示してもよい。キーボード及び／又はマウスデバイスのようなユーザ入力124は、ユーザがプロセッサ122を制御するために提供されてもよい。

画像化システム100は、図１に示すように、CTに基づく画像化のみを提供する独立型ユニットでもよい。ここには示さないが、画像化システム100は、CTに基づく画像化構成要素と共に、PET及び／又はSPECT画像化又は他の画像診断法のための適切な構成要素を更に含んでもよい。

従って、ここに記載の機能は、ソフトウェアロジックとして実行されてもよい。ここで使用される“ロジック”は、機能又は動作を実行するための、及び／又は他の構成要素から機能又は動作を行わせるためのハードウェア、ファームウェア、ソフトウェア及び／又はそれぞれの組み合わせを含むが、これらに限定されない。例えば、所望の用途又はニーズに基づいて、ロジックは、ソフトウェア制御のマイクロプロセッサ、特定用途向け集積回路（ASIC：application specific integrated circuit）のような別個のロジック、又は他のプログラミングされた論理デバイスを含んでもよい。ロジックはまた、完全にソフトウェアとして具現されてもよい。

ここで使用される“ソフトウェア”は、コンピュータ又は他の電子デバイスに対して機能、動作を実行させる及び／又は所望のように動作させる１つ以上のコンピュータ可読及び／又は実行可能命令を含むが、これらに限定されない。命令は、動的にリンクされたライブラリからの別々のアプリケーション又はコードを含むルーチン、アルゴリズム、モジュール又はプログラムのような様々な形式で具現されてもよい。ソフトウェアはまた、独立型プログラム、関数呼び出し、サーブレット（servlet）、アプレット、メモリ120のようなメモリに格納された命令、オペレーティングシステムの一部又は他の種類の実行可能命令のような様々な形式で実装されてもよい。ソフトウェアの形式は、例えば所望のアプリケーションの要件、実行する環境及び／又は設計者／プログラマの要望等に依存することが、当業者に分かる。

ここに記載のシステム及び方法は、例えば、ネットワーク接続された制御システム及び独立型制御システムを含む様々なプラットフォームに実装されてもよい。更に、ここに図示及び記載するロジックは、メモリ120のようなコンピュータ可読媒体の中又は上に存在することが好ましい。異なるコンピュータ可読媒体の例は、フラッシュメモリ、読み取り専用メモリ（ROM）、ランダムアクセスメモリ（RAM）、プログラム可能読み取り専用メモリ（PROM）、電気的プログラム可能読み取り専用メモリ（EPROM）、電気的消去可能プログラム可能読み取り専用メモリ（EEPROM）、磁気ディスク又はテープ、CD-ROM及びDVD-ROMを含む光学的可読媒体等を含む。更に、ここに記載する処理及びロジックは、１つの大きい処理フローに統合されてもよく、多くのサブプロセスのフローに分割されてもよい。ここで処理フローが記載されている順序は重要ではなく、依然として同じ結果を実現しつつ、並び替えられてもよい。実際に、ここに記載の処理フローは、正当な理由により又は必要に応じて実装において並び替え、統合及び／又は再編成されてもよい。

この開示は、デュアルエネルギーのコンピュータ断層撮影（CT：computed tomography）画像化データを再構成する方法及びシステムを提供する。例示的な方法の処理300は、図３に示されている。第１のステップ302において、高速kVpスイッチング方式の画像化取得が実行される。高速kVpスイッチング方式の画像化取得302は、２つのデータセット（アンダーサンプリングされた高エネルギーの投影データセット304及びアンダーサンプリングされた低エネルギーの投影データセット306）を生じる。より具体的には、取得中に交互に、L個の連続する投影角が低X線エネルギーで記録され、次に、H個の連続する投影角が高X線エネルギーで記録される。Lは実質的にH未満である。これが概略的に図４に示されている。この図では、横軸は、X線源及びX線検出器が画像化される物体の周囲を回転するときの投影角をプロットしており、縦軸は、各投影角におけるX線ビームのエネルギーをプロットしている。それぞれのバーは、X線が生成されてX線データが記録された投影角を表す。分かるように、X線源は、l=1,2,...,L個の投影角について低エネルギーのX線ビームE_lの生成と、h=1,2,...,H個の投影角について高エネルギーのX線ビームE_hとを入れ替える。１つのエネルギーレベルにおける最後のバーと次のエネルギーレベルにおける最初のバーとの間の間隔は、X線ビームのエネルギーが低レベルから高レベルに及び高レベルから低レベルに切り替わるために或る時間量を要することを示している。従って、或る中間の投影角では、X線源が切り替えられており、同時に回転しているため、データは記録されない。同じエネルギーレベルにおいて隣接するバーの間に間隔が存在しないことは、このような測定の間に遅延が必要ないことを示している。この理由は、X線ビームのエネルギーが一定に留まるためである。このフレームワークに関して、図２に示す従来の取得モードは、L=H=1の場合を表すことが分かる。

比L:Hは、実質的に1未満であることが好ましい。様々な実施例では、L/Hは約0.50以下、約0.25以下、約0.10以下、約0.06以下、約0.05以下又は約0.04以下でもよい。この開示の最も好ましい実施例では、L=1であるが、Hは実質的に1より大きい。例えば、Hは少なくとも5に等しく、或いは、Hは少なくとも10に等しく、或いは、Hは少なくとも15に等しく、或いは、Hは少なくとも20に等しく、或いは、Hは少なくとも25に等しい。図５は、L=1及びH=16の特定の例を示している。当業者に分かるように、L及びHについて適切な値を選択することは、特定の装置の様々なスキャンパラメータ及び利用されるスキャン方法に依存する。このようなスキャンパラメータは、例えば、スキャン種別、X線源の電流及び電圧性能（mA及びkVp）、ピッチ、回転時間、再構成又は畳み込みフィルタ、画像化されている物体等を含む。

比L:Hが実質的に1未満である場合、低エネルギー及び高エネルギーの投影の角度のアンダーサンプリングの基本的な問題が依然として存在する。低エネルギーの投影は非常に散在しているが、高エネルギーの投影はしばしば完全ではないが、後者はほとんど完全になり得る。

この開示に関して、“低”エネルギー及び“高”エネルギーは、絶対的な記述ではなく、相対的な記述である。すなわち、“低”エネルギーレベルE_lは“高”エネルギーレベルE_h未満であり、“高”エネルギーレベルE_hは“低”エネルギーレベルE_lより大きい。これらの２つのエネルギーレベルE_l、E_hは、必ずしも他のベンチマーク値より低い又は高い必要はない。更に、いずれかの所与のX線ビームが、典型的にはエネルギーの分布を有するX線光子で構成されることを、当業者は認識する。これらは全てが全く同じエネルギーを有するとは限らない。従って、X線ビームのエネルギーへの言及は、最も顕著なエネルギー、平均エネルギー、最高エネルギー等のようなX線ビームのエネルギー分布の何らかの特徴を示す。

前述のように、X線ビームのエネルギーEは、X線源に供給される電圧kVpを調整することにより変化する。しかし、不都合なことに、ここに記載する高速kVpスイッチング方式は、低エネルギーのスペクトルCTデータと高エネルギーのスペクトルCTデータとの間で雑音特性を合致させる際に困難を生じる。この理由は、多くの現在利用可能なCTシステムは、X線源電圧（kVp）と同じレートでX線源電流（mA）を調整できないからである。X線源電流は、X線ビームの強度を判定する。これらのハードウェアの困難性にも拘らず、或る実施例では、X線源電圧（すなわち、ビームエネルギー）と電流（すなわち、ビーム強度）とを同時に調整することが有用になり得る。

例えば、多くの場合に、低エネルギーの投影データ306は、高エネルギーの投影データ304より雑音が大きい。信号対雑音比を低減するのに役立てるため、低エネルギーのX線ビームの強度I_lは高エネルギーのX線ビームI_hの強度より大きくてもよい。他の実施例では、低エネルギーのビーム及び高エネルギーのビームの強度は同じでもよい。更なる実施例では、低エネルギーのX線ビームの強度は、高エネルギーのX線ビームの強度未満でもよい。

図３に戻り、次の任意選択のステップ308及び310において、データセット304及び306は、データから雑音を除去するために、それぞれ分析される。投影データ304、306は、画像化される物体構造の累積情報を取り込むため、画像化データにおける低コントラストに対する高感度の構成が有用になり得る。従って、2010年12月1日に出願されたContrast to Noise Ratio (CNR) Enhancerという題の係属中の米国仮特許出願第61/418,422号の低コントラストクラスタリング（LCC：low contrast clustering）アルゴリズムが、ステップ308及び310を実行する魅力的な選択肢になる。LCCアルゴリズム及び他の雑音推定技術の開示について、その出願を援用する。一般的に言えば、LCCアルゴリズムは３つの主なステップ（雑音モデル化、局所構造推定及びクラスタリング）で構成される。雑音モデル化ステップでは、データ304、306は、データ雑音パターンを推定するために分析される。局所構造推定ステップでは、データ304、306は、データを通じて雑音比に対する局所のコントラストを改善するために処理される。クラスタリングのステップでは、データの最終的な区分的な平滑化近似が実行される。LCCアルゴリズムは、画像化データにおける低コントラストに対する高感度の構成を提供する。

LCCアルゴリズムの代わりとして、複数の周知のエッジ保存雑音除去アルゴリズムのうちいずれか１つがステップ308及び／又はステップ310において使用されてもよい。このようなアルゴリズムは、C. Tomasi及びR. Manduchi,“Bilateral Filtering for Gray and Color Images”, Proceedings of the 1998 IEEE International Conference on Computer Visionに開示されたバイラテラルフィルタリング（bilateral filtering）、P. Perona及びJ. Malik,“Scale-Space and Edge Detection Using Anisotropic Diffusion”, IEEE Transactions on Pattern Analysis and Machine Intelligence, vol. 12, no. 7 (1990), pp.629-39に開示されたディフュージョンフィルタ（diffusion filter）、L. Rudin、S. Osher及びE. Fatemi,“Nonlinear Total Variation Based Noise Removal Algorithms”, Physica D, vol. 60 (1992), pp.259-268に開示された全変動雑音除去（total variation de-noising）、又はD. Comaniciu及びP. Meer,“Mean Shift: a Robust Approach Toward Feature Space Analysis”, IEEE Transactions on Pattern Analysis and Machine Intelligence, vol. 24, no. 5 (2002), pp.603-619に開示された平均値シフトアルゴリズムを含む。雑音除去アルゴリズムに関するそれぞれの開示について、これらの刊行物のそれぞれを援用する。

図３に示す処理300の次のステップ312において、アンダーサンプリングされた高kVp投影データセット304の欠落したデータが推定される。Lが実質的にH未満である場合、高kVp投影データセット304は、ほとんど完全である。実際に、Hが十分に大きい場合、推定ステップ312は省略されてもよい。しかし、高kVp投影データセット304内の推定が望ましい場合又は必要である場合、従来の方向補間（directional interpolation）技術は、非常にうまく推定を実行する。生物医学画像データの線形又は非線型補間についての様々な別の方法が文献で提案されている。このような文献は、T. Lehmann、C. Gonner及びK. Spitzer,“Survey: Interpolation Methods in Medical Image Processing”, IEEE Transactions on Medical Imaging, vol. 18, no. 11 (1999), pp.1049-1075、T. Lehmann、C. Gonner及びK. Spitzer,“Addendum: B-Spline Interpolation in Medical Image Processing”, IEEE Transactions on Medical Imaging, vol. 20, no. 7 (2001), pp.660-665、P. Thevenaz、T. Blu及びM. Unser,“Interpolation Revisited”, IEEE Transactions on Medical Imaging, vol. 19, no. 7 (2000), pp.739-758、G. Grevera及びJ. Upuda,“An Objective Comparison of 3-D Image Interpolation Methods”, IEEE Transactions on Medical Imaging, vol. 17, no. 4 (1998), pp. 642-652、J. Hladuvka及びE. Groller,“Direction-Driven Shape-Based Interpolation of Volume Data”, Proceedings Vision, Modeling, and Visualization, Stuttgart, Germany (2001), pp.113-120,521、及びM. Bertram、G. Rose、D. Schafer、J. Wiegert及びT. Aach,“Directional Interpolation of Sparsely Sampled Cone-Beam CT Sinogram Data”, Proceedings IEEE International Symposium on Biomedical Imaging, Vienna, Austria (2004)を含む。データ補間技術に関するそれぞれの開示について、これらの刊行物のそれぞれを援用する。

この出願に関する１つの特に魅力的な技術は、Bertram他による技術である。ここでは、局所の周辺における濃淡値の方向を推定するために構造テンソル（structure tensor）が利用され、この情報が方向補間に利用される。任意選択の雑音除去ステップ308、310が実行された場合、補間ステップ312は、雑音が除去された高kVp投影データ304で実行される。それにも拘らず、補間312は、推定された完全にサンプリングされた高kVp投影データセットを生じる。

図３に示す処理300の次のステップ313では、アンダーサンプリングされたkVp投影データセット306の欠落したデータが推定される。Lが実質的にH未満である場合、低kVp投影データセット306は散在する。好ましい実施例では、この推定314は、構造伝搬補間技術を使用して実行される。これは、低kVpデータ306への高kVpデータ304の構造情報を伝搬する。このステップ314を実行するための少なくとも３つの異なる方法（勾配方向保存法（gradient direction preserving method）、局所相似変換法（local similarity transformation method）及び最近傍法（nearest neighbor method））が存在する。

勾配方向保存法に関して、この方法の背後の基本原理は、スキャンされた物体の構造情報が高kVp投影データ304の勾配により取得されるという点にある。すなわち、異なる臓器又は組織のような画像化データ内の異なる物体の間の境界は、勾配の方向により規定される。従って、勾配方向保存法は、高kVp投影データ304の勾配方向に対応する勾配方向を有するという制限のもとで低kVp投影データ306の欠落したデータを推定する。この原理は、以下の式の最小化により近似されてもよい。

ただし、Lは低kVp投影データ306で構成されるシノグラムであり、Hは高kVp投影データ304の対応するシノグラムであり、iは検出器の読み取り値上のインデックスであり、jは投影角上のインデックスであり、L_mは低kVp投影データ306の欠落したデータサンプルのセットであり、wは単調増加関数である重み関数である。

しかし、前述の最小化問題は、不良条件でもよく、一意でない解を生じる特異なものでもよい。ロバストな解を取得するために、以下のように、正則化関数が最小化に含まれてもよい。

ただし、Ψは以下のように規定された正則化関数である。

ただしεは小さい数である。式2の最小化問題は、重み付け線形最小二乗法を使用して効率的に解くことができる。

式2の最小化表現では、式1の導関数を近似するために中心差分有限近似法（central difference finite approximation）が使用される。しかし、セグメント毎のシノグラム処理を可能にするために、前方及び後方差分有限近似が利用されてもよい。これに関して、シノグラムのセグメントは、２つの隣接する低kVp投影データ測定の間の“欠落した”低kVp投影データとして定義される。例えば、図６の602に、シノグラムのセグメントが示されている。この図は、L=1及びH=16で取得された低kVp投影データセット306の代表的なシノグラム600を示している。横軸は投影角をプロットしており、縦軸はそれぞれの角度で検出器により記録されたデータをプロットしている。従って、図６のデータのそれぞれの縦線604は、低kVp投影角の１つに対応する。横線の間の間隔は、16個のインターリービングするkVp投影に、低エネルギーと高エネルギーとの間のそれぞれの遷移における１つの投影を加えたものに対応する。合計で18個の投影角が各シノグラムのセグメントを構成する。

次に局所相似変換法を参照すると、この方法の背後にある基礎となる仮定は、低kVp投影データセット306の欠落したデータが、高kVp投影データセット306の相似変換により局所的に近似され得るという点にある。局所相似変換は、低kVp投影シノグラムの線分のそれぞれについて推定される。線分は、２つの隣接する低kVp投影データ測定の間のシノグラム部分における行の部分である。これは、例えば、図６の606に示されている。ほとんどの場合、局所相似変換は勾配方向保存法より正確でないが、簡単且つ高速である。

局所相似変換法の１つの用途では、Lⁱを、L=1のデュアルkVp方式で取得された低kVp投影データセット306のシノグラムにおける長さH+4の第iの線分とする。Lⁱの最初及び最後のエントリを除く全てのエントリは空（欠落した読み取り値）である点に留意すべきである。Hⁱを、高kVp投影データセット306のシノグラムの対応する線分とする。この場合の局所相似変換は、２つのパラメータ（スケールパラメータα及び平行移動パラメータt）により規定されてもよい。２つのパラメータは以下のように推定される。

変換パラメータが推定されると、低kVp投影データセット306の欠落した読み取り値は以下のように推定される。

この方法は、全体のシノグラムでロバスト且つ非常に効率的に適用され得る。この理由は、変換パラメータが閉じた形の表現を使用して推定されるからである。

次に最近傍法を参照すると、この方法の背後にある基礎となる仮定は、低kVp投影データセット306の欠落したデータが、高kVp投影データセット304の平行移動変換により局所的に近似されるという点にある。この方法では、最近傍のような手法を使用して低kVpシノグラムの各データポイントについて局所平行移動変換が推定される。低kVp投影データ306のそれぞれの欠落したデータポイントについて、高kVpシノグラム上で最適な軌跡が推定される。例えば、図７は、L=1及びH=16の場合の高kVp投影データセット304の代表的なシノグラムの一部700を示している。従って、領域702は高kVpデータ304の部分に対応し、他の領域704は低kVp投影データ306の部分に対応する。換言すると、対応する低kVp投影シノグラム（図示せず）では、領域702は欠落したデータポイントであり、領域704はデータポイントを含む。このため、例えば、ポイント706は欠如した低kVpデータであり、従って、ポイント706について推定される必要がある。軌跡708、710は、現在のデータポイント706で始まり、２つの異なる投影角に対応する隣接領域704における２つの欠落していない低kVpデータポイントで終了する。最適な軌跡は、高速マーチングアルゴリズム（fast-marching algorithm）を使用して推定される。高速マーチングアルゴリズムのエネルギー関数は、現在の欠落したデータポイントへの軌跡を通じたポイントの類似性に依存し、また、軌跡の曲率に依存する。軌跡が推定された場合、軌跡の２つの終点が、高kVpデータ304から低kVpデータ306への２つの平行移動変換を推定するために利用される。２つの変換は、低kVpの欠落したデータポイントの２つの推定を推定するために使用される。最終的な推定は、２つの推定の重み付け平均を使用して計算される。それぞれの推定の重みは、他の終点への軌跡のコストの値である。

最近傍法の１つの用途で、C(・)を２つのデータポイントの周辺の類似性と、軌跡の局所的な曲率とに依存するコスト関数とする。次に、低kVp投影データセット306のそれぞれの欠落したデータポイントpについて、以下のように推定を実行する。高速マーチングアルゴリズム及びコスト関数C(・)を使用して、データポイントpに対応するエントリから２つの異なる投影角の２つの欠落していない低kVpデータポイントに対応するエントリへの高kVp投影データセット304のシノグラムにおける最適な軌跡T^-及びT⁺を推定する。以下のように、平行移動変換を使用して欠落したデータポイント値を推定する。

ただし、T⁺ _end及びT^- _endは、それぞれ軌跡T⁺及びT^-の終点である。

図３に示すアルゴリズム300の次のステップ316及び318において、雑音がデータ304及び306に戻される（任意選択のステップ308及び310が使用されたことを想定する）。L:Hが実質的に1未満である場合、高kVp投影データセット304はほとんど完全である。従って、高kVp投影について、ステップ316において、雑音が単にデータに追加されてもよい。低kVp投影データセット306について、投影は非常に散在しているため、雑音推定も非常に散在している。このため、高kVp投影データからの雑音推定は、低kVp投影データに追加されてもよい。しかし、低エネルギー及び高エネルギーのスペクトルデータの間での雑音の合致は、現在のCTシステムの制限により困難になり得る。現在のCTシステムは、X線源電圧（kVp）と同じレートでX線源電流（mA）を調整できない。この困難を克服するために、高kVp雑音推定は、雑音レベルの間の差を補うように設定された補償係数により乗算されてもよい。例えば、雑音補償係数は、X線管のスペクトル、システムフィルタ、スキャンされる物体、スペクトルエネルギーのビンのそれぞれのスペクトル吸収プロファイルに依存してもよい。乗算の後に、ステップ318において、高kVp投影データからの雑音は、低kVp投影データに追加され、最終的な推定を生成してもよい。

全ての欠落したデータが推定された場合、処理300の結果は、推定された完全な高kVp投影データセット320及び推定された完全な低kVp投影データセット322になる。これらのデータセット320、322は、利用可能なデュアルエネルギーCTの用途の広いスペクトル内で利用され得る。このような用途は、例えば、高及び低エネルギー画像のフィルターバック投影再構成（filtered back projection reconstruction）、材料分離（material separation）、単色画像再構成（monochromatic image reconstruction）、基礎材料画像再構成（basis material image reconstruction）、骨除去、ヨウ素マップ、仮想非コントラスト画像（VNC：virtual noncontrast image）、デュアルエネルギー電子浄化、病変の特徴付け、及び他の用途を含む。ここに開示された処理により実現され得る１つの利点は、アンダーサンプリングされたデータセット304、306を再構成する必要なく、又は他の画像再構成を実行する必要なく、完全に推定されたデータセット320、322が判定される点にある。

好ましい実施例を参照して、本発明について説明した。明らかに、前述の詳細な説明を読んで理解することにより、変更及び置換が他人に思い浮かぶ。例えば、前述の好ましい実施例は、デュアルエネルギーのスペクトルCT用途であるが、概念は、高いオーダのスペクトルCTにも同様に当てはまる。すなわち、３重エネルギー、４重エネルギー、及び２つより多くのエネルギーレベルが含まれる他の場合にも当てはまる。例えば、システムの感度を高めるために、１つの高エネルギーレベルが存在するが、２つの異なる低エネルギーレベルが存在してもよい。

本発明は、特許請求の範囲内又はその均等の範囲内にある限り、全てのこのような変更及び置換を含むものとして解釈されることを意図する。本発明は、開示の実施例の要素の様々な構成、構成要素及び配置、組み合わせ及びサブコンビネーションの形式になってもよい。

Claims

デュアルエネルギーCT画像再構成のための方法であって：
交互に、L個の連続する投影角が低いX線エネルギーで測定され、H個の連続する投影角が高いX線エネルギーで測定される画像化スキャンを実行し、ただし、Lは実質的にH未満であり、低エネルギーでの投影角の測定を有する低エネルギーの投影データセットと、高エネルギーでの投影角の測定を有する高エネルギーの投影データセットとを生成するステップと；
前記低エネルギーの投影データセットのアンダーサンプリングされた部分を推定し、推定された完全な低エネルギーの投影データセットを生成するステップであり、ただし、前記低エネルギーの推定は、前記低エネルギーの投影データセット又は前記高エネルギーの投影データセットの画像再構成なしに実行されるステップと；
前記低エネルギーの投影データセットから雑音を除去し、前記アンダーサンプリングされた部分を推定し、前記推定された完全な低エネルギーの投影データセットを生成し、雑音を前記推定された完全な低エネルギーの投影データセットに挿入するステップと；
を有する方法。
デュアルエネルギーCT画像再構成のための方法であって：
交互に、L個の連続する投影角が低いX線エネルギーで測定され、H個の連続する投影角が高いX線エネルギーで測定される画像化スキャンを実行し、ただし、Lは実質的にH未満であり、低エネルギーでの投影角の測定を有する低エネルギーの投影データセットと、高エネルギーでの投影角の測定を有する高エネルギーの投影データセットとを生成するステップと；
前記低エネルギーの投影データセットのアンダーサンプリングされた部分を推定し、推定された完全な低エネルギーの投影データセットを生成するステップであり、ただし、前記低エネルギーの推定は、前記低エネルギーの投影データセット又は前記高エネルギーの投影データセットの画像再構成なしに実行されるステップと；
を有し、
前記低エネルギーの投影データセットの前記アンダーサンプリングされた部分の推定は、前記高エネルギーの投影データに基づく構造伝搬補間を有する方法。
低エネルギーのX線及び高エネルギーのX線は、高速kVpスイッチング方式X線源を用いて交互に生成される、請求項１又は２に記載の方法。
前記構造伝搬補間は、勾配方向保存、局所相似変換及び最近傍計算のうちいずれか１つ以上を有する、請求項２に記載の方法。
L/Hは0.5以下に等しい、請求項１又は２に記載の方法。
X線源に供給される電圧は、低エネルギーのX線及び高エネルギーのX線を生成するために変更され、
前記方法は、前記低エネルギーのX線の強度が前記高エネルギーのX線の強度より大きくなるように、前記X線源に供給される電流を変化させるステップを更に有する、請求項５に記載の方法。
前記高エネルギーの投影データセットのアンダーサンプリングされた部分を推定し、推定された完全な高エネルギーの投影データセットを生成するステップを更に有し、
前記高エネルギーの推定は、前記低エネルギーの投影データセット又は前記高エネルギーの投影データセットの画像再構成なしに実行される、請求項１又は２に記載の方法。
デュアルエネルギーCT画像再構成のためのシステムであり、有形の媒体に具現されてコンピュータにより読み取り可能なソフトウェアを有するシステムであって：
前記ソフトウェアは、
交互に、L個の連続する投影角が低いX線エネルギーで測定され、H個の連続する投影角が高いX線エネルギーで測定される画像化スキャン中に取得されたデュアルエネルギーCT画像化データを受信してメモリに格納し、ただし、Lは実質的にH未満であり、低エネルギーでの投影角の測定を有する低エネルギーの投影データセットと、高エネルギーでの投影角の測定を有する高エネルギーの投影データセットとを生成し；
前記低エネルギーの投影データセットのアンダーサンプリングされた部分を推定し、推定された完全な低エネルギーの投影データセットを生成し、ただし、前記低エネルギーの推定は、前記低エネルギーの投影データセット又は前記高エネルギーの投影データセットの画像再構成なしに実行され；
前記低エネルギーの投影データセットから雑音を除去し、前記アンダーサンプリングされた部分を推定し、前記推定された完全な低エネルギーの投影データセットを生成し、雑音を前記推定された完全な低エネルギーの投影データセットに挿入するロジックを有するシステム。
デュアルエネルギーCT画像再構成のためのシステムであり、有形の媒体に具現されてコンピュータにより読み取り可能なソフトウェアを有するシステムであって：
前記ソフトウェアは、
交互に、L個の連続する投影角が低いX線エネルギーで測定され、H個の連続する投影角が高いX線エネルギーで測定される画像化スキャン中に取得されたデュアルエネルギーCT画像化データを受信してメモリに格納し、ただし、Lは実質的にH未満であり、低エネルギーでの投影角の測定を有する低エネルギーの投影データセットと、高エネルギーでの投影角の測定を有する高エネルギーの投影データセットとを生成し；
前記低エネルギーの投影データセットのアンダーサンプリングされた部分を推定し、推定された完全な低エネルギーの投影データセットを生成し、ただし、前記低エネルギーの推定は、前記低エネルギーの投影データセット又は前記高エネルギーの投影データセットの画像再構成なしに実行されるロジックを有し、
前記低エネルギーの投影データセットの前記アンダーサンプリングされた部分の推定は、前記高エネルギーの投影データに基づく構造伝搬補間を有するシステム。
前記画像化スキャンは、低エネルギーのX線及び高エネルギーのX線を交互に生成するために、高速kVpスイッチング方式X線源を使用して実行される、請求項８又は９に記載のシステム。
低コントラストクラスタリングアルゴリズム、バイラテラルフィルタリング、ディフュージョンフィルタ、全変動雑音除去、及び平均値シフトアルゴリズムのうちいずれか１つ以上を使用して前記雑音の除去を実行するロジックを更に有する、請求項８に記載のシステム。
L/Hは0.5以下に等しい、請求項８又は９に記載のシステム。
前記画像化スキャンは、低エネルギーのX線及び高エネルギーのX線を生成するためにX線源に供給される電圧を変化させ、前記低エネルギーのX線の強度が前記高エネルギーのX線の強度より大きくなるように、前記X線源に供給される電流を変化させることにより実行される、請求項１２に記載のシステム。
前記ソフトウェアは、前記高エネルギーの投影データセットのアンダーサンプリングされた部分を推定し、推定された完全な高エネルギーの投影データセットを生成するロジックを更に有し、
前記高エネルギーの推定は、前記低エネルギーの投影データセット又は前記高エネルギーの投影データセットの画像再構成なしに実行される、請求項８又は９に記載のシステム。