JP6223990B2 - イメージ領域のノイズ除去 - Google Patents

Description

以降の記載は、一般的に、再構成された画像データのノイズ除去に関する。より特定的には、コンピュータートモグラフィー（ＣＴ）スキャナーに適用されるが、ハイブリッドＰＥＴ／ＣＴシステム、デジタルＸ線システム、及び/又は、他の画像スキャナーといった他のスキャナーについて受け入れられるものである。

マルチスライスコンピュータートモグラフィー（ＣＴ）スキャナーは、長手方向軸又はＺ軸に関して検査領域の周りに回転する回転可能なガントリー上に設置されたＸ線管を含んでいる。Ｘ線管は、検査領域及びそこにある患者又は対象物を横切る放射線を発する。２次元の検出器アレイが、Ｘ線管から検査領域の反対側の円弧に対向している。検出器アレイは、複数の検出器の列を含んでおり、お互いに関して整列されており、Ｚ軸に沿って延びている。検出器は、検査領域及びそこにある患者又は対象物を横切る放射線を検出し、それらを表示するプロジェクションデータを生成する。再構成器は、プロジェクションデータを処理して、それらを表示するボリューム画像データを再構成する。

一般的に、画像データは、いくらかのレベルの画像ノイズを含んでいる。例えば、画像取得パラメーター、及び/又は、取得システム検出器、及び/又は、他の電気部品によるものである。こうしたノイズは、画像データの診断上の価値を低下させ、従って、画像プロシージャの質を低下させ得る。一方で、患者を電離放射線にさらすことで、特には、患者に対する癌のリスクを増加させ得る。従来のフィルターバックプロジェクション（ＦＢＰ）に対して画像品質を改善するために反復再構成（ＩＲ）が提案されてきており、患者にあてられる放射線量を少なくし、及び/又は、与えられた放射線量に対する画像データの明瞭さを改善するために使用され得る。

いくつかのＩＲアルゴリズムは、測定されたデータに対するフィット（ｆｉｔ）を比較する可能性ターム（ｔｅｒｍ）、および、フーバー関数（Ｈｕｂｅｒ ｆｕｎｃｔｉｏｎ）に基づく粗さペナルティタームを含むコストファンクションを最大化しようと試みてきた。こうしたＩＲアルゴリズムの例は、以下に含まれている。H.Erdogan, J.A.Fessler著「Monotonic algorithms for transmission tomography」IEEE Trans. Med. Imag.,vol.18,no.9,pp.801-814,1999、および、J.A.Fessler著「Handbook of Medical Imaging Vol.2: Medical Image Processing and Analysis」における「Statistical Image Reconstruction Methods」,SPIE2000 である。不幸にも、こうしたＩＲアルゴリズムは、再構成アルゴリズムに係るそれぞれのインタラクションにおいてイメージ領域とプロジェクション領域との間を行ったり来たりするスイッチングのために計算的に高価である。

イメージ領域だけのノイズ除去アルゴリズムも、また、提案されてきた。こうしたアルゴリズムは、プロジェクション領域に戻ることなく画像データからノイズを除去することにより画像品質を改善するように試みてきている。こうしたイメージ領域ベースのノイズ除去アルゴリズムは、一般的に、上記のＩＲアルゴリズムよりかなり速い。しかし、ＩＲアルゴリズムに係る結果と一致する少なくとも一つの結果を必ずしも提供するものではない。例えば、２次元画像に対して頻繁に使用されるノイズ削減アルゴリズムは、全変動最小化アルゴリズムであり、T.Chan, J.Shenによる参考資料「Image Processing And Analysis」SIAM2005のChapter4.5.5に説明されている。このアルゴリズムは、隣接カウンターを保持しながら、画像ボリュームからノイズを除去することに有効である。しかしながら、その結果は、全変動ペナルティに対する制約によって制限されている。

ここにおいて説明される本発明の態様は、上述の問題及び他の問題を取り扱うものである。

本発明の一つの態様において、画像データ処理コンポーネントは、フーバー粗さペナルティ最小化に基づく、イメージ領域だけの一つまたはそれ以上の反復的なノイズ除去アルゴリズムを含んでいるアルゴリズムメモリーと；少なくとも一つのフーバー粗さペナルティ反復最小化アルゴリズムに基づいて、再構成された画像データを前記イメージ領域だけにおいてノイズ除去するプロセッサと、を含んでいる。

本発明の別の態様において、本方法は、プロセッサを用いて、イメージ領域においてだけ、フーバー粗さペナルティ最小化に基づくイメージ領域だけの反復ノイズ除去アルゴリズムを用いて再構成されたデータ、をノイズ除去するステップを含んでいる。

本発明の別の態様において、コンピューターで読取り可能なインストラクションがエンコードまたはエンベッドされたコンピューターで読取り可能な媒体記録媒体は、コンピューターシステムのプロセッサによって実行されると、前記プロセッサは、前記プロセッサを用いて、イメージ領域においてだけ、フーバー粗さペナルティ最小化に基づくイメージ領域だけの反復ノイズ除去アルゴリズムを用いて再構成されたデータ、をノイズ除去する。

本発明は、種々のコンポーネント及びコンポーネントの配置、および、種々のステップ及びステップの配置といった形式をとり得る。図面は、好ましい実施例を説明する目的だけのものであり、本発明を限定するものとして理解されるべきではない。
図１は、画像データ処理コンポーネントに関連して画像システムの実施例を模式的に示している。 図２は、画像データ処理コンポーネントの実施例を模式的に示している。 図３は、ノイズ除去されるべきボクセル、および、ボクセルをノイズ除去するために使用される近隣のボクセルを含む、ボクセルのブロックを模式的に示している。 図４は、ノイズ除去されるべきボクセル、および、ボクセルをノイズ除去するために使用される近隣のボクセルを含む、ボクセルのブロックを模式的に示している。 図５は、フーバー粗さペナルティに基づいて、再構成された画像データをノイズ除去するための方法を示している。

図１は、コンピュータートモグラフィー（ＣＴ）スキャナーといった画像システム１００を模式的に示している。画像システム１００は、一般的に、静止ガントリー１０２と回転ガントリー１０４を含んでいる。回転ガントリー１０４は、静止ガントリー１０２によって回転可能に支持されており、長手方向軸又はＺ軸に関して検査領域１０６の周りに回転する。

Ｘ線管といった、放射線源１１０は、回転ガントリー１０４によって回転可能に支持され回転ガントリーと供に回転し、検査領域１０６を横切る放射線を発する。１次元又は２次元の放射線検出器アレイ１１２が、検査領域１０６を横切って放射線源１１０の反対の円弧に対向しており、検査領域１０６を横切る放射線を検知して、それを表示するプロジェクションデータを生成する。

再構成器１１６は、プロジェクションデータを再構成して、それを表示する３次元（３Ｄ）ボリューム画像データを生成する。再構成器１１６は、従来の、フィルターバックプロジェクション再構成アルゴリズム、コーン状ビーム再構成アルゴリズム、反復再構成アルゴリズム、及び/又は、他の再構成アルゴリズムを使用してよい。診察台といった、患者サポート１１８は、検査領域１０６において人間の患者といった、対象物を支持している。

汎用コンピューターシステム又はコンピューターは、オペレーターコンソール１２０として働く。コンソール１２０のプロセッサは、コンソール上でコンピューターで読取り可能なインストラクションを実行する。それにより、オペレーターは、フル放射線量又は低放射線量のイメージプロトコルを含んでいるイメージプロトコルを選択し、画像データのノイズ除去を動作させ、スキャンを開始する、等といったことができる。

画像データ処理コンポーネント１２２は、再構成された画像データを処理する。以下に、より詳細に説明するが、一つの実施例において、コンポーネント１２２は、イメージ領域において（つまり、画像データをプロジェクション領域に対してフォワードプロジェクションする必要なく）、フーバー粗さペナルティ（Ｈｕｂｅｒ ｒｏｕｇｈｎｅｓｓ ｐｅｎａｌｔｙ）に基づいて、再構成された画像データのノイズ除去を反復して行うアルゴリズムを使用する。これにより、画像データにおける画像ノイズを削減することができ、一方、フーバー規則化タームを用いたＩＲアルゴリズムに比べて計算的に安くなっている。フーバー規則化タームは、それぞれの反復に対してプロジェクション領域とイメージ領域との間を行ったり来たりスイッチングすることによって最適な画像ボリュームを見出すものである。プロジェクションデータが、再構成される以前に、プロジェクション領域において最初にノイズ除去されている場合、ノイズ除去された再構成された画像データは、フーバー規格化を用いたＩＲアルゴリズムを使用して生成された画像ボリュームと非常に近似したものであり得る。背景技術で述べたT.ChanとJ.Shenのノイズ削減アルゴリズム、すなわち２次元（２Ｄ）画像上での全変動最小化、とは違って、画像データ処理コンポーネント１２２は、ＩＲアルゴリズムからのフーバーペナルティ（全変動ペナルティではなく）を取り入れた３次元（３Ｄ）アルゴリズムを使用することに留意すべきである。

オプションの機械学習コンポーネント１２４が使用されてよい。放射線医師、科学技術者、及び/又は、他の認定された人物によって入力及び/又は調整され、画像データ処理コンポーネント１２２によって使用された一つまたはそれ以上のパラメーター値を記録すること、および、放射線医師、科学技術者、及び/又は、他の認定された人物のためにこの情報を推奨されたパラメーター値に使用すること、及び/又は、後続する画像データのノイズ除去のたに、推奨されたパラメーター値を画像データ処理コンポーネント１２２の中に自動的にロードすること、のために使用されるものである。放射線医師、科学技術者、及び/又は、他の認定された人物は、一つまたはそれ以上の推奨、及び/又は、自動的にロードされたパラメーター値を許容及び/又は変更することができる。過去及び/又は現在の値、及び/又は、パラメーターの値に対する変更は、目に見えるように表示または提示され得る。例えば、グラフィカルユーザーインターフェイス（ＧＵＩ）又は他の方法を介して、コンソール１２０のディスプレイモニター、画像データ処理コンポーネント１２２、オプションの機械学習コンポーネント１２４、及び/又は、他のデバイスを用いたものである。一般的に、コンポーネント１２４はアルゴリズムを使用し得る。アルゴリズムによって、コンポーネント１２４は、帰納推論、パターン認識、クラス化、統計、等を介して入力データから学習することができ、それらに基づいて将来のデータを予測することができる。

図２は、画像データ処理コンポーネント１２２の実施例を模式的に示している。

第１のメモリー２０２が、ノイズ除去されるべき再構成された画像データを保管するために使用される。一つの実施例において、そうした画像データは、コンポーネント１２２によって未だにノイズ除去されていない画像データである。別の実施例において、そうした画像データは、コンポーネント１２２によって一回以上反復してノイズ除去されており、再度ノイズ除去されるべき画像データである。いずれの実施例においても、画像データは、プロジェクション領域及び/又はイメージ領域のノイズ除去アプローチにおいて以前にノイズ除去されてきたものであってよい。第２のメモリー２０４は、コンポーネント１２２によって少なくとも一回のノイズ除去反復でノイズ除去されてきた画像データを保管するために使用される。第１及び第２のメモリー２０２、２０４は、同一の物理的メモリー、または、異なる物理的メモリーの一部であってよいことが正しく理解されるべきである。

マイクロプロセッサ又はノイズ除去器２０６は、反復して画像データのノイズ除去を行う。このことは、第１のメモリー２０２の中に保管されている画像データをノイズ除去すること、および、ノイズ除去された画像データを反復のために第２のメモリー２０４の中に保管することを含んでいる。後続する反復のために、ノイズ除去器２０６は、第１のメモリー２０２の中の画像データを第２のメモリーの中のノイズ除去された画像データに置き換え、第１のメモリー２０２の中に新たに保管された画像データ（つまり、以前にノイズ除去された画像データ）をノイズ除去し、新たにノイズ除去されたデータを第２のメモリー２０４の中に保管する。さらなるノイズ除去反復が実行されない場合は、ノイズ除去された画像データが第２のメモリー２０４の中に保管され、及び/又は、第２のメモリーから伝達及び/又は引き出される。

停止クライテリアメモリー２０８は、ノイズ除去器２０６によるノイズ除去を停止するための一つまたはそれ以上の停止クライテリア２１０を含んでいる。好適な停止クライテリアの実施例は、これらに限定されるわけではないが、既定の反復回数、連続した反復からのデータ間での既定の許容誤差、既定の持続時間、等である。こうしたクライテリアは、デフォルト及び/又はユーザー定義であってよい。イメージングプロトコル、ユーザー、放射線医師、イメージング設備、及び/又は、他の情報に基づくものであってよい。

アルゴリズムメモリー２１２は、画像データをノイズ除去するためにノイズ除去器２０６によって使用される一つまたはそれ以上のノイズ除去アルゴリズム２１４を含んでいる。限定的でない好適なアルゴリズムは、等式１に示される偏微分方程式から引き出すことができる。

ここで、ｕはノイズ除去されたボリューム（つまり、数式１の解）を表しており、ｕ_０はノイズ除去されるべき初期ノイズのある画像データを表しており、ｗは統計的重み付けを表しており、δとβは調整パラメーターを表しており、記号▽はグラディエント（ｇｒａｄｉｅｎｔ）演算子を表しており、ｄｉｖはダイバージェンス（ｄｉｖｅｒｇｅｎｃｅ）演算子を表している。一般的に、

は、フーバー粗さペナルティーに対応するノイズペナルティー項であり、βｗ・（ｕ_０−ｕ）項は、画像データに対する制約を表している。

限定的でない好適な統計的重み付けｗは、等式２に示される。

ここで、ｙ_０は検出されたＸ線フォトン（ｐｈｏｔｏｎ）の数量として表現された対応するプロジェクションデータを表しており、ｂｐ（ｙ_０）は検出されたＸ線フォトンのバックプロジェクション（ｂａｃｋｐｒｏｊｅｃｔ）された数量を表している。等式２において、ｗは、画像におけるノイズに対して反比例するものであり、変更フィルターバックプロジェクションを使用して、または、画像データからのノイズ測定により、プロジェクションデータノイズモデルをイメージ領域の中にプロパゲーションすることによって得ることができる。一般的に、ｗは、ノイズ除去の積極性を定めている。

調整パラメーターδとβは、自由変数（厳密に正の実数）であり、デフォルト及び/又はユーザー定義の値、機械学習コンポーネント１２４によって定められる値、及び/又は、他の値として設定され得る。いくつかの実施例において、値は、ユーザー及び/又はコンピューターによって変更され得る。パラメーターδは、一般的に、ノイズ除去の強度を定め、βは、一般的に、ノイズ除去のスムーズネス（ｓｍｏｏｔｈｎｅｓｓ）を定める（つまり、最終的にノイズ除去された画像データが、初期ノイズのある画像データｕ_０に対して、よりスムーズであるか、より近いかである）。パラメーターメモリー２１６は、一つまたはそれ以上の変数δとβ、及び/又は、他のパラメーターといった、一つまたはそれ以上のパラメーター２１８を保管する。

等式１に基づいてＣＴ画像データのボクセルをノイズ除去する、限定的でない実施例が、次に、図３と図４に関して説明される。

ノイズ除去は、連続的及び/又は同時に、画像データの一つまたはそれ以上の他のボクセルまで拡張できることが正しく理解されるべきである。画像ボリュームは、ボクセル格子によってサンプルされ、それぞれのボクセルは単位長さにおいてｄ_ｘ×ｄ_ｙ×ｄ_ｚのサイズである。図３は、画像データに係るボクセル３０２の３×３×３（または、３次元（３Ｄ））のサブブロックを示している。ノイズ除去されるべきボクセル３０４を含んでおり、図３においては、ボクセル３０２のサブブロックの中心に配置されている。図示された実施例は、ボクセル３０４のノイズ除去においてボクセル３０２に係るサブブロックのボクセルのサブ部分を使用する。他の実施例において、ボクセル３０２に係るサブブロックのボクセルに加えた及び/又は代わりのボクセルを、ボクセルの２次元（２Ｄ）サブブロックを含めて、それぞれのノイズ除去反復でボクセル３０４を更新するために使用することができる。

図４は、ボクセル３０２に係るサブブロックの分解立体図を示している。図４において、ボクセル３０４は、νとして指定され、座標ｕ_{ｉ，ｊ，ｋ}を有している。この実施例においてノイズ除去のために使用される近隣のボクセルは、以下のように特定される。ν_ｎｄ＝ｕ_{ｉ−１，ｊ，ｋ−１}、ν_ｗｄ＝ｕ_{ｉ−１，ｊ−１，ｋ−１}、ν_ｄ＝ｕ_{ｉ，ｊ，ｋ−１}、ν_ｅｄ＝ｕ_{ｉ，ｊ＋１，ｋ−１}、ν_ｓｄ＝ｕ_{ｉ＋１，ｊ，ｋ−１}、ν_ｎｗ＝ｕ_{ｉ−１，ｊ−１，ｋ}、ν_ｎ＝ｕ_{ｉ−１，ｊ，ｋ}、ν_ｎｅ＝ｕ_{ｉ−１，ｊ＋１，ｋ}、ν_ｗ＝ｕ_{ｉ，ｊ−１，ｋ}、ν＝ｕ_{ｉ，ｊ，ｋ}、ν_ｅ＝ｕ_{ｉ，ｊ＋１，ｋ}、ν_ｓｗ＝ｕ_{ｉ＋１，ｊ−１，ｋ}、ν_ｓ＝ｕ_{ｉ＋１，ｊ，ｋ}、ν_ｓｅ＝ｕ_{ｉ＋１，ｊ＋１，ｋ}、ν_ｎｕ＝ｕ_{ｉ−１，ｊ＋１，ｋ}、ν_ｗｕ＝ｕ_{ｉ，ｊ−１，ｋ＋１}、ν_ｕ＝ｕ_{ｉ，ｊ，ｋ＋１}、ν_ｅｕ＝ｕ_{ｉ，ｊ＋１，ｋ＋１}、ν_ｎｄ＝ｕ_{ｉ−１，ｊ，ｋ−１}、および、ν_ｓｕ＝ｕ_{ｉ＋１，ｊ，ｋ＋１}、である。ここで、ｎ、ｓ、ｅ、ｗ、ｕ、および、ｄは、ボクセルνに関して北、南、東、西、上、および、下に対応する相対的な位置を表している。更新されたスキームは、範囲外であるインデックスを伴うボクセルを含んでよいので、それらの位置のボクセルが推定され、または、パッド（ｐａｄ）される。コーナーボクセル４０２は、この実施例ではノイズ除去のために使用されないが、他の実施例においては使用され得る。

この実施例に対して、等式１は、等式３に基づいて記述される。

そして、等式４に示されるように、ボクセルνに対する更新項ｕ^ｎ＋１ _{ｉ，ｊ，ｋ}に関して解ける。

ここで、ｎ＋１は、ノイズ除去の反復を表しており（ｎ＝０からＮ_ｉｔｅｒ、つまり反復の最大回数）、ｕ^ｎ _{ｉ，ｊ，ｋ}はノイズ除去されるボクセルを表しており、δとβは上述のように定義され、それぞれにノイズ除去強度パラメーターとノイズ除去スムージングパラメーターを表している。Ｉ＝ｎ、ｓ、ｅ、ｗ、ｕ、ｄであり、Ｐはインデックスを表しており、ν_ｐは近隣のボクセル、Ｗ_ｐは近隣のボクセルに対する重み付けを表しており、Ｗ_ｓｕｍは重み付けＷ_ｐの合計を表しており、そして、ｄ_ｐは与えられた方向におけるボクセルのサイズを表している。ｄ_ｎ及びｄ_ｓ＝ｄ_ｘ、ｄ_ｗ及びｄ_ｅ＝ｄ_ｙ、ｄ_ｕ及びｄ_ｄ＝ｄ_ｚである。

Ｗ_ｓｕｍの値は、等式５に示されるように定義することができる。

そして、Ｗ_ｐは、等式６に示されるように定義することができる。

Ｄ_ｐの値は、等式７から等式１２に示されるように定義することができる。

Ｗ_ｓｕｍ、Ｗ_ｐ、及び/又は、Ｄ_ｐを算出する他のアプローチも、また、ここにおいて考慮される。

ノイズ除去器２０６は、ボクセル３０４をノイズ除去するために、それぞれの反復において等式４を使用する。この実施例において、ノイズ除去器２０６は、Ｎ_ｉｔｅｒに到達するまで、等式４を使用してノイズ除去を行う。ここにおいて述べたように、ノイズ除去は、また、連続した画像データ間での既定の誤差、既定の制限時間の経過、ユーザーによる手動インタラプションを介して、及び/又は、他のものによっても停止されてよい。

図５は、フーバー粗さペナルティ最小化に基づいて再構成された画像データをノイズ除去するための方法の実施例を説明している。

ここにおいて説明される方法におけるアクト（ａｃｔ）の順序は限定的ではないことが正しく理解されるべきである。このように、ここにおいては、他の順序も考慮されている。加えて、一つまたはそれ以上のアクトが除外されてよく、及び/又は、一つまたはそれ以上の追加のアクトが含まれてもよい。

アクト５０２において、画像データが取得される。

アクト５０４において、再構成された画像データが第１のメモリー２０２の中にロードされる。

アクト５０６において、第１のメモリー２０２における再構成された画像データが、ここにおいて説明されたように、等式４に基づいてノイズ除去される。このことは、それぞれボクセルごとに、連続して、または、並行して行われ得る。

アクト５０８において、ノイズ除去された画像データが、第２のメモリー２０４の中に保管される。

アクト５１０において、もう一回ノイズ除去反復が実行されるべきか判断される。ここにおいて説明されたように、停止クライテリアは、既定の反復回数、既定の時間期間の経過、等のうち一つまたはそれ以上に基づいてよい。

そうである場合には、次にアクト５１２において、第２のメモリー２０４におけるノイズ除去された画像データが、第１のメモリー２０２における画像データに上書きされ、アクト５０６からアクセス５１０が繰り返される。

そうでない場合は、次にアクト５１４において、ノイズ除去された画像データが表示され、別のデバイスに対して伝送され、フィルム化され、アーカイブ、等される。

上記のことは、物理的メモリーといったコンピューターで読取り可能な媒体上にエンコード又はエンベッドされたコンピューターで読取り可能なインストラクションの一つまたはそれ以上を実行するプロセッサを介して実施され得る。こうしたプロセッサは、画像データ処理コンポーネント１２２、コンソール１２０、及び/又は、他のコンピューターデバイスの一部であってよい。追加的又は代替的に、プロセッサは、搬送波、信号、または、一時的媒体といった他の非コンピューターで読取り可能な媒体によって搬送された少なくとも一つのコンピューターで読取り可能なインストラクションを実行することができる。

本発明は、好適な実施例に関して説明されてきた。前出の詳細な説明を読んで理解すれば他の者にとって本発明の変更及び変形が可能であろう。そうした変更及び変形が添付の請求項に係る発明又はそれらの均等物の範囲内にある限りにおいて、本発明は全てのそうした変更及び変形を含んでいるものと理解されることを意図している。

Claims (12)

1. 画像スキャナーからの再構成されたボリューム画像データを処理するための画像データ処理コンポーネントであって：
   フーバー粗さペナルティ最小化に基づく、イメージ領域だけの一つまたはそれ以上の反復的なノイズ除去アルゴリズムを含んでいるアルゴリズムメモリーと；
   一つのフーバー粗さペナルティ反復最小化アルゴリズムに基づいて、再構成されたボリューム画像データを前記イメージ領域だけにおいてノイズ除去するプロセッサと、
   を含み、
   前記少なくとも一つのアルゴリズムは、第１の項及び第２の項を含んでおり、
   前記第１の項は、前記フーバー粗さペナルティ最小化に基づいており、かつ、前記ノイズ除去の強度を定める第１のパラメーターを含んでおり、
   前記第２の項は、前記ノイズ除去のスムーズネスを定める第２のパラメーターを含んでいる、
   ことを特徴とする画像データ処理コンポーネント。
2. 前記第１の項は、フーバー粗さペナルティーに対応するノイズペナルティー項であり、
   以下の等式によって与えられ、
   

   

   ここで、ｄｉｖはダイバージェンス演算子、▽はグラディエント演算子、ｕはノイズ除去された再構成されたボリューム画像データ、δは前記ノイズ除去の強度を定める自由変数である、
   請求項１に記載の画像データ処理コンポーネント。
3. 前記第２の項は、前記再構成されたボリューム画像データに対する制約を表しており、
   以下の等式によって与えられ、
   

   

   ここで、βは前記ノイズ除去のスムーズネスを定める自由変数、ｗは統計的重み付け、ｕはノイズ除去された再構成されたボリューム画像データ、ｕ_０はノイズ除去されるべき初期ノイズのある再構成されたボリューム画像データを表している、
   請求項１に記載の画像データ処理コンポーネント。
4. 前記統計的重み付けは、以下の等式によって与えられ、
   

   

   ここで、ｙ_０は検出されたＸ線フォトンの数量として表現された対応するプロジェクションデータ、ｂｐ（ｙ_０）は検出されたＸ線フォトンのバックプロジェクションされた数量を表している、
   請求項３に記載の画像データ処理コンポーネント。
5. 前記アルゴリズムは、前記第１の項と前記第２の項の足し算を含んでいる、
   請求項３または４に記載の画像データ処理コンポーネント。
6. 前記プロセッサは、既定の反復回数に到達、既定の時間が経過、または、連続した反復によって生成されたデータ間での相違値に対する既定の許容誤差が満たされること、のうちの一つが達成されるまで、前記再構成されたボリューム画像データを反復的にノイズ除去する、
   請求項１乃至５のいずれか一項に記載の画像データ処理コンポーネント。
7. 前記アルゴリズムは、あらゆるノイズ除去反復について、前記再構成されたボリューム画像データをプロジェクション領域に対してフォワードプロジェクションしない、
   請求項１乃至６のいずれか一項に記載の画像データ処理コンポーネント。
8. プロセッサを用いて、イメージ領域においてだけ、
   フーバー粗さペナルティ最小化に基づくイメージ領域だけの反復ノイズ除去アルゴリズムを用いて再構成されたボリューム画像データ、をノイズ除去するステップ、
   を含み、
   前記アルゴリズムは、第１の項及び第２の項を含んでおり、
   前記第１の項は、前記ノイズ除去の強度を定める第１のパラメーターを含んでおり、
   前記第２の項は、前記ノイズ除去のスムーズネスを定める第２のパラメーターを含んでいる、
   ことを特徴とする方法。
9. 前記方法は、さらに、
   フーバー粗さペナルティ最小化に基づく前記第１の項を含むアルゴリズムを使用するステップと、を含み、
   前記第１の項は、以下の等式によって与えられ、
   

   

   ここで、ｄｉｖはダイバージェンス演算子、▽はグラディエント演算子、ｕはノイズ除去された再構成されたボリューム画像データ、δは前記ノイズ除去の強度を定める自由変数である、
   請求項８に記載の方法。
10. 前記方法は、さらに、
    以下の等式によって与えられる前記第２の項を含むアルゴリズムを使用するステップと、を含み、
    

    

    ここで、βは前記ノイズ除去のスムーズネスを定める自由変数、ｗは統計的重み付け、ｕはノイズ除去された再構成されたボリューム画像データ、ｕ_０はノイズ除去されるべき初期ノイズのある再構成されたボリューム画像データを表している、
    請求項８に記載の方法。
11. 前記方法は、さらに、
    以下の等式によって与えられる統計的重み付けを使用するステップと、を含み、
    

    

    ここで、ｙ_０は検出されたＸ線フォトンの数量として表現された対応するプロジェクションデータ、ｂｐ（ｙ_０）は検出されたＸ線フォトンのバックプロジェクションされた数量を表している、
    請求項１０に記載の方法。
12. 前記方法は、さらに、
    以下の等式によって与えられる更新項を使用するステップと、を含み、
    

    

    ここで、ｎ＋１はノイズ除去の反復、ｕ^ｎ _{ｉ，ｊ，ｋ}はノイズ除去されるボクセル、δはノイズ除去強度パラメーター、βはノイズ除去スムージングパラメーター、Ｉはボクセルインデックス、Ｐはインデックス、ν_ｐは近隣のボクセル、Ｗ_ｐは近隣のボクセルに対する重み付、Ｗ_ｓｕｍは重み付けＷ_ｐの合計、ｄ_ｐは与えられた方向におけるボクセルのサイズを表している、
    請求項８に記載の方法。

Images