JP6677962B2 - X線コンピュータ断層撮像装置 - Google Patents

X線コンピュータ断層撮像装置 Download PDF

Info

Publication number
JP6677962B2
JP6677962B2 JP2014161437A JP2014161437A JP6677962B2 JP 6677962 B2 JP6677962 B2 JP 6677962B2 JP 2014161437 A JP2014161437 A JP 2014161437A JP 2014161437 A JP2014161437 A JP 2014161437A JP 6677962 B2 JP6677962 B2 JP 6677962B2
Authority
JP
Japan
Prior art keywords
data
pan
spectral
detector
energy
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.)
Active
Application number
JP2014161437A
Other languages
English (en)
Other versions
JP2015033582A (ja
Inventor
デープ・レジー
パトリック・ラ・リビエール
アダム・ペチェック
ジャン ユエシン
ジャン ユエシン
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.)
Canon Medical Systems Corp
Original Assignee
Canon Medical Systems Corp
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 Canon Medical Systems Corp filed Critical Canon Medical Systems Corp
Publication of JP2015033582A publication Critical patent/JP2015033582A/ja
Application granted granted Critical
Publication of JP6677962B2 publication Critical patent/JP6677962B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/002D [Two Dimensional] image generation
    • G06T11/003Reconstruction from projections, e.g. tomography
    • G06T11/005Specific pre-processing for tomographic reconstruction, e.g. calibration, source positioning, rebinning, scatter correction, retrospective gating
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/42Arrangements for detecting radiation specially adapted for radiation diagnosis
    • A61B6/4208Arrangements for detecting radiation specially adapted for radiation diagnosis characterised by using a particular type of detector
    • A61B6/4241Arrangements for detecting radiation specially adapted for radiation diagnosis characterised by using a particular type of detector using energy resolving detectors, e.g. photon counting
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00Geometric image transformations in the plane of the image
    • G06T3/40Scaling of whole images or parts thereof, e.g. expanding or contracting
    • G06T3/4053Scaling of whole images or parts thereof, e.g. expanding or contracting based on super-resolution, i.e. the output image resolution being higher than the sensor resolution
    • G06T3/4061Scaling of whole images or parts thereof, e.g. expanding or contracting based on super-resolution, i.e. the output image resolution being higher than the sensor resolution by injecting details from different spectral ranges
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00Image enhancement or restoration
    • G06T5/73Deblurring; Sharpening
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2211/00Image generation
    • G06T2211/40Computed tomography
    • G06T2211/408Dual energy

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Medical Informatics (AREA)
  • Pathology (AREA)
  • Molecular Biology (AREA)
  • Biophysics (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Optics & Photonics (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Radiology & Medical Imaging (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • High Energy & Nuclear Physics (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • General Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Veterinary Medicine (AREA)
  • Apparatus For Radiation Diagnosis (AREA)
  • Measurement Of Radiation (AREA)

Description

本実施形態は、コンピュータ断層撮影(CT)画像処理に関し、特に、密パンクロマティック(非スペクトル)サイノグラムを使用するCT疎スペクトルサイノグラムのパンシャープン処理(pansharpening)を実行するX線コンピュータ断層撮像装置(X線CT装置)、及び医用画像処理プログラムに関する。
エネルギー弁別X線検出器としても知られる光子計数検出器をコンピュータ断層撮影(CT)に組み込むことが、大きく望まれている。光子計数検出器は、画質を向上させ、線量を減少させ、CTの新しい臨床応用を可能にするいくつかの可能性を有する。光子計数検出器は、材料分類を行い、定量的画像化を改良し、ビームハードニングアーチファクト(beam-hardening artifacts)を減少させるための追加のスペクトル情報を含むデータを取得する。
広く使用されているエネルギー積分(energy integrateing)検出器についての上記利点にもかかわらず、光子計数検出器はある欠点を有する。光子計数検出器は、一般に、高いコストおよびその計数率によって制限される。さらに、光子計数検出器の信号対雑音比(SNR)が、小さい画素サイズについて低X線束(flux)レベルで低下するが、光子計数検出器は、小さい画素サイズによって高レベルの画素間干渉を受ける。一方、CdTe/CdZnTeセンサ等の光子計数検出器は、高X線束レベルでの性能が低く、結果としてSNRが低下する。これらの理由で、光子計数検出器は、臨床CTシステムで現在利用されているエネルギー積分検出器の代わりにはなっていない。
光子計数検出器の前述した問題のため、光子計数検出器と統合検出器との組合せを利用する二管球CTシステム(dual-tube CT system)が提案されている。1つの例示的な二管球CTシステムでは、一方の線源が、光子計数検出器に向けてX線を投影し、他方の線源が、光子計数検出器に対して所定の角度で配置された従来の検出器に向けてX線を投影する。例示的な二管球CTシステムで使用される高X線束率に対処するために、光子計数検出器の画素サイズは実質的に小さく作られたが、光子計数検出器の前述した利点が実質的に減少する点まで、電荷共有およびKエスケープ率(K-escape rates)が増加している。
特開2011−104075号公報
しかしながら、高いコストおよび低いサンプリング速度等の公知の欠点のない光子計数検出器を使用するCT撮影を改良することが依然として望まれている。
目的は、高分解能パンクロマティック画像を使用するCT低分解能スペクトル画像のパンシャープン処理を実行するX線コンピュータ断層撮像装置を提供することである。
本実施形態に係るX線コンピュータ断層撮像装置は、X線を発生する少なくとも一つのX線管と、複数の第1の検出素子を有しエネルギー積分データを取得するためのエネルギー積分検出器と、前記複数の第1の検出素子に比して大きなピッチで配列された複数の第2の検出素子を有しスペクトルエネルギーデータを取得するための光子計数検出器と、を有し、前記少なくとも一つのX線管から曝射されるX線を検出するX線検出器と、前記各第2の検出素子のX線入射面を遮蔽し、前記各第2の検出素子の計数率が前記各第1の検出素子の計数率に比して低くなるように設けられている遮蔽部と、前記エネルギー積分データを用いて、前記スペクトルエネルギーデータに対応する高分解能スペクトルエネルギーデータを生成するデータ処理ユニットと、前記高分解能スペクトルエネルギーデータを用いて高分解能スペクトル画像を再構成する画像再構成ユニットと、を具備することを特徴とするものである。
疎スペクトルデータセットをパンシャープン処理するためのマルチスライスX線CT装置またはスキャナの一実施形態を示す図。 疎スペクトルデータセットをパンシャープン処理するための一実施形態におけるCTの部分図。 一実施形態における光子計数検出器103Bの横断面図。 少なくとも疎スペクトルデータセットをパンシャープン処理するためのX線コンピュータ断層撮像装置でデータセットを取得するための検出器103の別の実施形態の想定図。 サイノグラムまたはデータパンシャープン処理ユニットの一実施形態を示す図。 少なくとも1つの密パンクロマティックエネルギー積分データに基づいてパンシャープンスペクトルエネルギーデータを生成するために、疎スペクトルエネルギーデータをパンシャープン処理する例示的なプロセスに含まれるステップまたは行為を示すフローチャート。 1つの例示的なプロセスのパンシャープン処理ステップのより詳細な態様を示す図。 X線コンピュータ断層撮像装置のある光子計数検出器で取得されたスペクトルデータのフルビューから再構成された512×512真像または高分解能スペクトル画像。 所定の画像領域パンシャープン処理技術に基づいて高分解能パンクロマティック画像および低分解能スペクトル画像から生成された、同一の所定のファントムの512×512高分解能またはパンシャープンスペクトル画像。 X線コンピュータ断層撮像装置のあるエネルギー積分検出器で取得された非スペクトルデータから再構成された、所定のファントムの512×512統合画像または高分解能パンクロマティック画像。 所定のデータ領域パンシャープン処理技術に基づいて密パンクロマティックデータおよび疎スペクトルエネルギーデータを使用して、パンシャープンスペクトルデータから生成された、同一の所定のファントムの512×512高分解能サイノグラム復元画像。 X線コンピュータ断層撮像装置のある光子計数検出器で取得されたスペクトルデータのフルビューから再構成された、関心領域(ROI)における512×512真像または高分解能スペクトル画像。 所定の画像領域パンシャープン処理技術に基づいて高分解能パンクロマティック画像および低分解能スペクトル画像から生成された、同一の所定のファントムの、対応する関心領域(ROI)における512×512高分解能またはパンシャープンスペクトル画像。 X線コンピュータ断層撮像装置のあるエネルギー積分検出器で取得された非スペクトルデータから再構成された、同一の所定のファントムの、対応する関心領域(ROI)における512×512統合画像または高分解能パンクロマティック画像。 所定のデータ領域パンシャープン処理技術に基づいて密パンクロマティックデータおよび疎スペクトルエネルギーデータを使用してパンシャープンスペクトルデータから生成された、同一の所定のファントムの、対応する関心領域(ROI)における512×512高分解能サイノグラム復元画像。 密パンシャープンスペクトルデータセットにおける、3.5度の角度分離を有するカルシウムとヨウ素の材料分類を示す散布図。 密パンクロマティックデータセットにおける、3.3度の角度分離を有するカルシウムとヨウ素の材料分類を示す散布図。
以下で図面を参照する。複数の図面を通じて、同一の参照符号は対応する構造を示す。特に図1を参照すると、図は、ガントリ100および他のデバイスまたはユニットを備えた、実施形態による疎スペクトルデータセットをパンシャープン処理するためのマルチスライスX線CT装置またはスキャナの一実施形態を示す。ガントリ100は、前面から見た様子が示され、X線管101、環状フレーム102、およびマルチローまたは二次元配列タイプのX線検出器103をさらに備える。X線管101およびX線検出器103は、軸RAの周りを回転する環状フレーム102上で被検体Sを横切って直径方向に取り付けられる。一対のX線管101およびX線検出器103が図示されるが、疎スペクトルデータセットをパンシャープン処理するための実施形態は、場合によって、複数対のX線管101およびX線検出器103を備える。被検体Sが軸RAに沿って図の紙面の奥または手前に移動する間に、回転ユニット107がフレーム102を1回転0.4秒等の高速で回転させる。
マルチスライスX線CT装置は、管電圧をX線管101に印加してX線管101がX線を発生させるようにする高電圧発生器109をさらに備える。一実施形態では、高電圧発生器109がフレーム102に取り付けられる。X線が被検体Sに向けて放射され、被検体Sの横断面積が円で表される。X線検出器103は、被検体Sを横切ってX線管101の反対側に位置し、被検体Sを透過した放射X線を検出する。
図1をさらに参照すると、X線CT装置またはスキャナが、放射X線を検出して、検出された信号を処理するためのデータ収集デバイス(data acquisition device)111をさらに備える。一実施形態では、X線検出器103が、所定数のエネルギービンのそれぞれにおける光子を計数するための光子計数検出器を使用して実施される。エネルギービンのそれぞれが、検出器103で、透過したX線中のエネルギーの所定範囲を定義する。さらに、X線検出器103は、光子計数検出器およびエネルギー積分検出器の組合せを使用して実施される。すなわち、光子計数検出器、エネルギー積分検出器は、それぞれ複数の検出素子を有する。光子計数検出器に対応する複数の検出素子は、エネルギー積分検出器に対応する複数の検出素子に比して、大きなピッチで配列される。
X線検出器103で放射X線を検出した後、データ収集回路104(data acquisition circuit)が、X線検出器103から各チャネルについて出力された信号を電圧信号に変換し、それを増幅し、さらにそれをデジタル信号に変換する。X線検出器103およびデータ収集回路104は、1回転当たり所定の総数の投影(TPPR)を処理するように構成される。
スペクトルデータをパンシャープン処理する一実施形態では、X線検出器103が、光子計数検出器とエネルギー積分検出器との組合せを含む。光子計数検出器は疎スペクトルデータを検出し、エネルギー積分検出器は密パンクロマティック(非スペクトル)データを検出する。光子計数検出器およびエネルギー積分検出器の1つの例示的な構成が、図2に関して別の実施形態で示されるが、特定の幾何学的構成に必ずしも限定されず、変形を含む。例えば、図2では、第4世代のStationary/Rotate方式を採用するX線コンピュータ断層撮像装置において、環状に固定されたエネルギー積分検出器に対応する複数の検出素子の間に、まばらに配列された光子計数検出器に対応する複数の検出素子を配列した構成を例示している。しかしながら、これに拘泥されず、例えば、第3世代のRotate/Rotate方式を採用するX線コンピュータ断層撮像装置において、光子計数検出器に対応する複数の検出素子を、エネルギー積分検出器に対応する複数の検出素子に比して、まばら(sparse)に配列した構成を採用するようにしてもよい。さらに、エネルギー積分検出器を用いた撮像系を第3世代のRotate/Rotate方式で、光子計数検出器を用いた撮像系を第4世代のStationary/Rotate方式で(或いはその逆)、構成するようにしてもよい。
前記データは、非接触データ送信機105を通して、ガントリ100外側のコンソールに収容された前処理デバイス106に送られる。前処理デバイス106は、生データの感度補正等の、ある補正を行う。記憶デバイスまたはデータ記憶ユニット112は、次に、再構成処理直前の段階で、投影データとも呼ばれる結果として得られるデータ(すなわち、光子計数検出器によって検出された疎スペクトルデータ、エネルギー積分検出器によって検出される密パンクロマティック(非スペクトル)データを含むサイノグラムデータ)を記憶する。記憶デバイス112は、画像再構成ユニットまたはデバイス114、表示デバイス116、入力デバイス115、およびスキャン計画支援装置200とともに、データ/制御バスを通してシステムコントローラ110に接続される。スキャン計画支援装置200は、スキャン計画を展開させる撮影技術者を支援する機能を有する。
画像再構成デバイス114の一実施形態は、フィルタ逆投影(FBP)技術等の所定の再構成プロセスに基づいて、記憶デバイス112に記憶された投影データから画像を再構成する。別の実施形態では、再構成デバイス114が、場合によって、所定の逐次近似再構成(iteratively reconstructing)アルゴリズムによる所定数の反復時に特定の反復結果をエミュレートする追加の機能を有するフィルタ逆投影(FBP)技術に基づいて、投影データから画像を再構成する。一般に、再構成デバイス114は、データパンシャープン処理ユニット117でパンシャープン処理された投影データから密スペクトル画像を生成する。生成された密スペクトル画像は、データ記憶ユニット112に記憶される。
再構成デバイス114は、ソフトウェアとハードウェアとの組合せで実施され、特定の実施に限定されない。再構成デバイス114の以下の説明では、「ユニット」または「デバイス」という用語は、ハードウェアおよび/またはソフトウェアを含む。さらに、再構成デバイス114の概念を、核医学および磁気共鳴画像法(MRI)を含む他のモダリティに適用することができる。
パンシャープンスペクトルデータの一実施形態は、サイノグラムまたはデータパンシャープン処理デバイスもしくはユニット117をさらに備える。データパンシャープン処理ユニット117は、エネルギー積分検出器で取得されたエネルギー積分データと、エネルギー積分検出器よりも密でないように配置された光子計数検出器で取得されたスペクトルエネルギーデータとを受ける。さらに、データパンシャープン処理ユニット117は、エネルギー積分データを使用してスペクトルエネルギーデータをパンシャープン処理して、所定のパンシャープン処理アルゴリズムにより、パンシャープンスペクトルエネルギーデータを生成する。最終的に、再構成デバイス114は、パンシャープンスペクトルエネルギーデータに基づいて、少なくとも1つの高分解能または密スペクトル画像を再構成する。言い換えると、データパンシャープン処理ユニット117は、密パンクロマティックデータと少なくとも1組の疎スペクトルデータとを受け、所定の技術に基づいて密パンクロマティックデータを使用して少なくともスペクトルデータをパンシャープン処理して、密スペクトルデータをパンシャープンデータとして生成する。一般に、所定の技術は、密情報を疎スペクトルデータに融合させて、高分解能スペクトル画像を生成するために使用される密スペクトルデータを生成するパンシャープン処理アルゴリズムを伴う。
図2は、疎スペクトルデータセットをパンシャープン処理するための一実施形態におけるCTの部分図を示す。図2は、所定数の光子計数検出器103Bが疎に固定して取り付けられるフレーム102を示す。さらに、X線源101が、疎に配置された光子計数検出器103B内で所定の経路に沿って回転して、疎に配置された光子計数検出器103Bが、患者Sを透過したX線を検出するようになっている。ある実施形態では、エネルギー積分検出器103Aも、患者Sを横切ってX線源101から直径方向に配置される。エネルギー積分検出器103Aは、場合によって、光子計数検出器103Bの外側に位置し、点線矢印で示すようにX線源101とともに回転して、患者Sを透過した後に疎に配置された光子計数検出器103B間の間隙を通って到達したX線を検出する。ある実施形態では、X線源101がX線を所定の扇状ビームに投影し、光子計数検出器103Bのそれぞれは、X線源101が所定の経路に沿って回転するときに、1010、1011、1012、および101n等の異なる位置から透過されたX線を受ける。
さらに図2を参照すると、前記実施形態は、少なくとも疎スペクトルデータセットをパンシャープン処理するためのX線コンピュータ断層撮像装置におけるデータを取得する。一般に、X線源101は、本実施形態において、扇状ビームの形状の多色X線を発生させる。さらに、エネルギー積分検出器103Aは、一般に、疎に配置された光子計数検出器103Bの密度に対して比較的高い密度の検出素子を有する。光子計数検出器103Bの数に関して特定の限定はないが、一実施形態は、円形経路に沿って約100個の光子計数検出器を有するため、X線がエネルギー積分検出器103Aに到達するように隣接する検出器間に十分な空間が残る。エネルギー積分検出器103Aは、高い検出素子密度を有し、光子計数検出器103Bの後部に位置する。光子計数検出器103Bは、疎であるため、低いサンプリング速度でビューをサンプリングし、光子計数検出器103Bのそれぞれは、追加の光子計数のために比較的長いサンプリング時間がかかる。結果として、光子計数検出器103Bは疎な生データを取得する。すなわち、疎に配置された光子計数検出器103Bは疎スペクトルデータを取得し、エネルギー積分検出器103Aは密パンクロマティック(非スペクトル)データを取得する。前記疎および密スペクトルデータセットは、高分解能スペクトル画像が再構成される前にパンシャープン処理するために使用される。
図3は、一実施形態の光子計数検出器103Bの横断面図を示す。一般に、光子計数検出器103Bのそれぞれは、光子数を別個に計数するための所定数のエネルギー弁別ビンを有する。横断面図は、パンシャープン処理を実行するX線コンピュータ断層撮像装置の一実施形態で使用されているコリメータ103Cを有する光子計数検出器103Bを示す。コリメータ103Cは、光子計数検出器103Bの表面に取り付けられて、入射X線をある個々の検出器表面領域に分離するとともに、ある他の検出器表面領域がX線を受けるのを遮る。分離された検出器表面領域のそれぞれが、ある所定のエネルギー範囲内の光子数を検出する。したがって、検出器上のコリメータ103Cは、検出器の画素を確立するための個々の検出器チャネルまたはビンを定義する。
図4は、少なくとも疎スペクトルデータセットをパンシャープン処理するためのX線コンピュータ断層撮像装置でデータセットを取得するための検出器103の別の実施形態の想定図を示す。検出器103は、最上層TLと最下層BLとをさらに備え、最上層TLは、最下層BLよりも、被検体を透過したX線の近くに位置する。一般に、最上層TLはエネルギー積分検出器103Dを有し、その検出素子13D−1は、直方体で示すように密に隣接して配置され、最上層TLでは、所定の位置またはスリット103D−2にこれらの検出素子13D−1がない。最上層TLのスリット103D−2によって、X線が最下層BLに到達することができる。スリット103D−2は所定の間隔で、エネルギー積分検出素子13D−1に対して所定方向に沿って構成される。最下層BLには、光子計数検出器103Bの所定数の一次元(1D)配列があり、配列の各列が、場合によって、スリット103D−2に対して所定方向に沿って配置される。1つの実施では、光子計数検出器103Bの1D配列が、最上層TLの直下に、断続的なスリット103D−2の直線に沿って配置される。したがって、断続的なスリット103D−2は、場合によって、少なくとも疎スペクトルデータセットをパンシャープン処理するためのX線コンピュータ断層撮像装置でデータセットを取得するための検出器103の1つの実施において、画素化された光子計数検出器103Bを構成する。
図1、2、3および4に示すような構成は、密パンクロマティックデータセットに基づいて疎スペクトルデータセットをパンシャープン処理するための一実施形態における、光子計数CTの一部を実施するための例示にすぎない。光子計数検出器とエネルギー積分検出器とをどのように使用して疎スペクトルデータセットと密パンクロマティックデータセットとを取得するかに関する特定の要件が必ずしもあるわけではない。同様に、疎スペクトルデータと密パンクロマティックデータとがどのように取得されるかに関する特定の要件が必ずしもあるわけではない。両方のデータセットは、投影データにあるようなログ後またはログ前である。最後に、光子計数データがエネルギー積分データに対してどのように疎であるべきかに関する特定の要件が必ずしもあるわけではない。
ある実施形態では、以下の例示的な特徴が実施される。たとえば、エネルギー積分検出器の第1の検出素子サイズは、一実施形態における光子計数検出器の第2の検出素子サイズと実質的に等しい。別の実施形態では、スペクトルエネルギーデータを取得する際の第1のX線束レベルが、エネルギー積分データを取得するために使用される第2のX線束レベルよりも低い。スペクトルエネルギーデータとエネルギー積分データとを取得する際に、2つの別個の線源が一実施形態でそれぞれ使用され、1つの共通の線源が別の実施形態で使用される。さらに別の実施形態では、密スペクトルエネルギーデータをシードとして使用して、画像が反復して再構成される。
図5は、サイノグラムまたはデータパンシャープン処理ユニット117の一実施形態を示す。データパンシャープン処理ユニット117は、所定数のデータセットを入力として受ける。一般に、データパンシャープン処理ユニット117は1組の疎スペクトルエネルギーデータセットL1〜Lnを受け、これらのデータセットはそれぞれ、光子計数検出器の所定のビンの1つに対応する。すなわち、疎データセットL1〜Lnのそれぞれが、光子計数検出器の特定のビンで取得される。たとえば、光子計数検出器が所定数のn個のビンを有する場合、n個の疎データセットL1〜Lnが取得され、疎データセットが最大n個までデータパンシャープン処理ユニット117に入力されてパンシャープン処理され、データの質を向上させる。同時に、単一の密パンクロマティックエネルギー積分データセットDPDもデータパンシャープン処理ユニット117に入力される。すなわち、密パンクロマティックデータDPDがエネルギー積分検出器で取得される。データパンシャープン処理ユニット117は、1組のパンシャープンスペクトルデータセットH1〜Hnを出力し、このデータセットはそれぞれ、光子計数検出器の所定のビンの1つに対応する。
さらに図5を参照すると、データパンシャープン処理ユニット117は、1組のパンシャープンスペクトルデータセットH1〜Hnを最終的に出力するための、勾配一致モジュール117Aと、第1のスペクトル一致モジュール117Bと、第2のスペクトル一致モジュール117Cとをさらに備える。加えて、データパンシャープン処理ユニット117は、場合によって、強度ショックフィルタモジュール117Dを備える。1つの実施では、勾配一致モジュール117A、スペクトル一致モジュール117B、117C、および強度ショックフィルタモジュール117Dの少なくとも一部が、ソフトウェアモジュールとして実施される。別の実施では、勾配一致モジュール117A、スペクトル一致モジュール117B、117C、および強度ショックフィルタモジュール117Dの少なくとも一部が、ソフトウェアモジュールとハードウェアデバイスとの組合せとして実施される。勾配一致モジュール117A、スペクトル一致モジュール117B、117C、および強度ショックフィルタモジュール117Dがどのように実施されるかに関して、必ずしも必要ではない。
一般に、勾配一致モジュール117A、第1のスペクトル一致モジュール117B、および第2のスペクトル一致モジュール117Cは、下記の式(1)等の所定の式で表す所定のアルゴリズムに基づいて実施される。
ここで、αは所定の係数、Miは疎スペクトルデータセットの1つ、Dpanはパンクロマティック密データセット、giはパンシャープンスペクトルデータセットの対応する1つである。すなわち、E(gi)は最適化のために最小化される目的汎関数である。さらに、記号Ωは統合する面積を単に意味し、全データが上記の場合に統合される。gjは、他のスペクトルデータセットからの情報を含むようにすべてのjまたはすべてのデータセットにわたって合計されて、データセットgi、目的汎関数の質を実質的に向上させる。
データパンシャープン処理ユニット117の一実施形態では、勾配一致モジュール117Aが、式(2)で表されるような分解能回復のための第1項を実行する。
これは、パンクロマティック密データセットからの詳細の導入を促す。所定の第1の係数値λ1は、密度回復のための勾配一致項に対して重み付けし、0〜1の範囲を有する。
同様に、第1のスペクトル一致モジュール117Bは、式(3)で表すように、階調を疎データセットに対して忠実に維持するための第2項を実行する。
これは、スペクトル特徴とマルチスペクトルデータセットとの一致を強化する。第2項は一度に1つのデータセットについて疎および密を一致させた後、すべてのデータセットを合計する。所定の第2の係数値λ2は、階調を疎データセットに対して忠実に維持するためのスペクトル一致項に対して重み付けし、0〜1の範囲を有する。
場合によって、第2のスペクトル一致モジュール117Cは、式(4)で表すように、階調を疎データセットに対して忠実に維持するための第2項を実行する。
これはスペクトル特徴とマルチスペクトルデータセットとの一致を強化する。第3項は、異なるレベルの疎に一致する相関項と呼ばれる。たとえば、第1のスペクトルビンは第2のスペクトルビンに一致する。いずれの場合にも、第1のスペクトル一致モジュール117Bと第2のスペクトル一致モジュール117Cとの両方が、実質的に、階調を密パンクロマティックデータセットに対して忠実に維持する。所定の第3の係数値λ3は、階調を疎データセットに対して忠実に維持するためのスペクトル一致項に対して重み付けし、0〜1の範囲を有する。
これに関し、データパンシャープン処理ユニット117の別の実施形態は、第2のスペクトル一致モジュール117Cを含むことができず、またはこれを作動させないため、データパンシャープン処理ユニット117は勾配一致モジュール117Aと第1のスペクトル一致モジュール117Bとを備えるだけである。前記汎関数の第1の変分を導き出すことにより、前記汎関数は、場合によって、式(5)で表されるような標準勾配下降アルゴリズムによって最小化される。
記号の一部を反復するため、Miはスペクトル疎データセットの1つ、Dpanはパンクロマティック密データセット、およびgiはパンシャープンスペクトルデータセットの対応する1つである。すなわち、E(gi)は最適化のために最小化される目的汎関数である。さらに別の実施形態では、強度ショックフィルタモジュール117Dが、場合によって、式(6)で表すようなデータセットの鮮明化を促進するための以下の項を実行する。
上記項は、式(7)に示すような最急下降等の更新式でデータセットを鮮明化するための逆拡散項と呼ばれる。所定の第4の係数値λ4は、ショックフィルタの強度についての逆拡散項に対して重み付けし、0〜1の範囲を有する。
前記4つの所定の係数λ1〜λ4を使用して、勾配一致モジュール117A、第1のスペクトル一致モジュール117B、第2のスペクトル一致モジュール117C、および強度ショックフィルタモジュール117Dの4つの競合する項の相対強調に対して重み付けし、最終的に1組の密スペクトルデータセットH1〜Hnを出力する。係数λ1〜λ4の合計は、一実施形態のものに等しい。データパンシャープン処理ユニット117の他の実施形態は、前記モジュールに限定されず、場合によって他のモジュールを備える。いずれの場合にも、実施形態は、これらのモジュールを制御する種々の方法で実施され、モジュールの一部または全部が、場合によって、並行して操作されるようにする。
次に図6を参照すると、フローチャートは、少なくとも1つの密パンクロマティックエネルギー積分データに基づいてパンシャープンスペクトルエネルギーデータを生成するために、疎スペクトルエネルギーデータをパンシャープン処理する例示的なプロセスに含まれるステップまたは行為を示す。例示的なプロセスは、場合によって単一のステップに組み合わせられ、または場合によってサブステップにさらに分割される、あるステップを単に示す。例示的なプロセスは、図示したステップまたは行為に必ずしも限定されない。加えて、ステップおよび行為のそれぞれは、単一のユニットまたはデバイスに必ずしも対応せず、場合によって、複数のユニットまたはデバイスにより実行される。
図6をさらに参照すると、疎スペクトル画像がステップS100で得られる。一実施形態では、所定数の疎スペクトルエネルギーデータセットが、CdTe/CdZnTe検出器等のある光子計数検出器で最初に取得される対応するスペクトルビンデータから再構成される。疎スペクトルエネルギーデータセットが実施形態において光子計数検出器で取得されるが、疎スペクトルエネルギーデータセットがパンシャープン処理のために利用可能であれば、これらのデータセットがステップS100でどのように得られるかに関する限定はない。
同様に、少なくとも1つの密パンクロマティックデータセットがステップS110で得られる。一実施形態で、少なくとも1つの密パンクロマティックデータセットが、あるエネルギー積分検出器で最初に取得される。密パンクロマティックデータセットがパンシャープン処理のために利用可能であれば、これらのデータセットがステップS110でどのように得られるかに関する限定はない。さらに、ステップS100およびS110の時間的順序は、特に限定はない。これに関し、ステップS100およびS110は、場合によって、並行して実行するようにしてもよい。
図6をさらに参照すると、複数の疎スペクトルエネルギーデータセットおよび少なくとも1つの密パンクロマティックデータセットが得られた後、ステップS120で、密パンクロマティックデータセットおよび他の疎スペクトルエネルギーデータセットに基づいて、上記アルゴリズムの1つ等の所定の技術により、疎スペクトルエネルギーデータセットのそれぞれがパンシャープン処理される。パンシャープン処理ステップS120は特定のアルゴリズムに限定されず、場合によって、前述したパンシャープン処理アルゴリズムの他の変形を含む。一実施形態によれば、1つの例示的なアルゴリズムが、図4に示すように、勾配一致モジュール117A、第1のスペクトル一致モジュール117B、第2のスペクトル一致モジュール117C、および強度ショックフィルタモジュール117Dのある組合せにより実行されて、最終的に1組の密スペクトルエネルギーデータセットH1〜Hnを出力する。勾配一致モジュール117A、第1のスペクトル一致モジュール117B、第2のスペクトル一致モジュール117C、および強度ショックフィルタモジュール117Dはそれぞれ、式(2)、(3)、(4)および(6)により表されるように、パンシャープン処理ステップS120の種々の態様を実行する。
例示的なプロセスの前述した特徴のため、複数組のパンシャープンスペクトルエネルギーデータセットが、場合によって、選択されたパンシャープン処理技術に基づいて得られる。さらに、密スペクトルエネルギーデータセットのそれぞれが、場合によって、関心領域(ROI)における特定の必要性により選択されたパンシャープン処理技術に基づいて得られる。言い換えると、選択されたパンシャープン処理技術は、ステップS120において複数の疎スペクトルエネルギーデータセットをパンシャープン処理する際に必ずしも同一ではない。
データパンシャープン処理ステップS120の結果として、密スペクトルエネルギーデータセットが、ステップS130で出力される。出力ステップS130は、1つの目的汎関数giが最小化され、対応する密スペクトルデータセットが1つの例示的なプロセスにおいて出力されるときに、場合によって逐次的である。別の例示的なプロセスでは、出力ステップS130は、すべての密スペクトルエネルギーデータセットが得られるまで待機する。いずれの場合にも、密スペクトルエネルギーデータセットのそれぞれが、出力ステップ130の終了時に使用するために出力される。
図6のサイノグラムパンシャープン処理ステップS120に関して一般的に説明した後、パンシャープン処理ステップS120のより詳細な態様を、1つの例示的なプロセスで図7にさらに示す。1つの例示的なプロセスでは、パンシャープン処理ステップS120が、スペクトルデータのi番目のビンを選択するステップS200と、目的汎関数を最小化するステップS210と、場合によってパラメータまたは重みを調節するステップS220と、すべての疎スペクトルエネルギーデータセットがパンシャープン処理されたか否かに関して判定するステップとをさらに含む。
図7をさらに参照すると、ビンを選択するステップS200は、所定の光子計数検出器で取得されたスペクトルデータのi番目のビンに対応する疎スペクトルエネルギーデータセットを選択する。一実施形態では、i番目のビンが、指数iを1だけ増加させることにより、1〜n番目のビンから連続して選択される。別の実施形態では、i番目のビンが、場合によって、特定の材料ベースに対して、ユーザベースのあるスペクトル情報により選択される。たとえば、5つのスペクトルエネルギーデータセットが、5つのビンを有する光子計数検出器により取得される。
最小化ステップS210では、目的汎関数が、スペクトルデータのi番目のビンに対応する選択された疎スペクトル画像について最小化される。前述したように、パンシャープンスペクトルエネルギーデータセットは、一実施形態における式(5)等のエネルギー関数を最小化することにより見出される。一般に、パンシャープン処理技術の使用は、疎スペクトルエネルギーデータセットを改良するための反復技術の使用よりもコンピュータ的に効率的である。他方、パンシャープン処理技術の使用は、場合によって、代替実施形態において、反復技術の使用と組み合わされる。
パラメータ調節ステップS220では、ある所定のパラメータが、場合によって調節されて、サイノグラムパンシャープン処理プロセス中にスペクトルエネルギーデータセットの質をさらに向上させる。オプションのパラメータは、式(1)に示したように、λ1、λ2、λ3およびλ4ならびにα等の重みを含む。これに関し、αは所定の係数である。所定の第1の係数値λ1は分解能回復のための勾配一致項に対して重み付けし、例示的な値0.1、0.25、0.5、0.75または1.0を有する。所定の第2の係数値λ2は、階調を疎スペクトルエネルギーデータセットに対して忠実に維持するためのスペクトル一致項に対して重み付けし、例示的な値0.1、0.25、0.5、0.75または1.0を有する。所定の第3の係数値λ3は、階調を疎スペクトルエネルギーデータセットに対して忠実に維持するためのスペクトル一致項に対して重み付けし、例示的な値0.1、0.25、0.5、0.75または1.0を有する。パラメータ値は、ユーザ入力に基づいて、しばしば経験的に調節される。
最後に、データパンシャープン処理プロセスを終了すべきか否かについて判定される。すなわち、対象の疎スペクトルエネルギーデータセットのすべてがステップS200〜S210の所定の技術によりパンシャープン処理されているか否かについて一般に判定される。ステップS230で、疎スペクトルエネルギーデータセットのすべてがパンシャープン処理されている場合、例示的なパンシャープン処理プロセスはそれ自体を終了する。他方、ステップS230で疎スペクトルエネルギーデータセットのすべてがパンシャープン処理されているわけではないと判定された場合、例示的なパンシャープン処理プロセスが、選択ステップS200から繰り返すことにより継続される。
次に図8A、8B、8Cおよび8Dを参照すると、画像はパンシャープン画像の例示的な結果を示す。図8Aは、X線コンピュータ断層撮像装置のある光子計数検出器で取得されたスペクトルデータのフルビューから再構成された512×512真像または高分解能スペクトル画像である。単一の真像が例示されているが、場合によって、複数のスペクトル画像が生成される。高分解能スペクトル画像は、光子計数検出器でデータのフルビューを使用して、所定の再構成アルゴリズムに基づき再構成されている。
図8Bは、所定の画像領域パンシャープン処理技術に基づいて高分解能パンクロマティック画像および低分解能スペクトル画像から生成された、同一の所定のファントムの512×512高分解能またはパンシャープンスペクトル画像である。高分解能パンシャープンスペクトル画像は、パンシャープン処理アルゴリズムの群から選択された所定のパンシャープン処理アルゴリズムに基づいて生成されている。図示したように、パンシャープンスペクトル画像は、そのスペクトル特性を維持しつつ、未処理の低分解能スペクトル画像についてその分解能を実質的に向上させている。
図8Cは、X線コンピュータ断層撮像装置のあるエネルギー積分検出器で取得された非スペクトルデータから再構成された、所定のファントムの512×512統合画像または高分解能パンクロマティック画像である。単一の画像が例示されているが、場合によって、複数の密パンクロマティック画像が生成される。統合画像は、エネルギー積分検出器でデータのフルビューを使用して、所定の再構成アルゴリズムに基づき再構成されている。
図8Dは、所定のデータ領域パンシャープン処理技術に基づいて密パンクロマティックデータおよび疎スペクトルエネルギーデータを使用して、パンシャープンスペクトルデータから生成された、同一の所定のファントムの512×512高分解能サイノグラム復元画像である。パンシャープンスペクトルデータは、データパンシャープン処理アルゴリズムの群から選択された所定のデータパンシャープン処理アルゴリズムに基づいて生成されている。図示したように、サイノグラム復元画像は、そのスペクトル特性を維持しつつ、未処理の低分解能スペクトル画像についてその分解能を実質的に向上させる。
次に図9A、9B、9Cおよび9Dを参照すると、関心領域(ROI)が、本X線コンピュータ断層撮像装置における所定のデータパンシャープン処理技術に基づいて実質的に改良される。例示的なファントムの1つは、腹部を通る軸方向スライスを表し、骨、肝臓、体液、および筋肉からなる楕円を含む。一般に、光子計数検出器のエネルギービンのそれぞれからの、パンシャープンスペクトルエネルギーデータセットは、グランドトゥルースまたは密パンクロマティック画像の分解能のほぼすべてを、高コントラストな対象におけるスペクトル歪みのいくつかの小さな例外を有して、実質的に回復させている。図9は、特定のエネルギービンからの疎画像における135kVPの特定のビンからのスペクトルデータを使用して特定のROIを改良する様子を示す。
図9Aは、X線コンピュータ断層撮像装置のある光子計数検出器で取得されたスペクトルデータのフルビューから再構成された、関心領域(ROI)における512×512真像または高分解能スペクトル画像である。単一の真像が例示されているが、場合によって、複数のスペクトル画像が生成される。高分解能スペクトル画像は、光子計数検出器でデータのフルビューを使用して、所定の再構成アルゴリズムに基づき再構成されている。
図9Bは、所定の画像領域パンシャープン処理技術に基づいて高分解能パンクロマティック画像および低分解能スペクトル画像から生成された、同一の所定のファントムの、対応する関心領域(ROI)における512×512高分解能またはパンシャープンスペクトル画像である。高分解能パンシャープンスペクトル画像は、パンシャープン処理アルゴリズムの群から選択された所定のパンシャープン処理アルゴリズムに基づいて生成されている。図示したように、パンシャープンスペクトル画像は、そのスペクトル特性を維持しつつ、未処理の低分解能スペクトル画像についてその分解能を実質的に向上させている。
図9Cは、X線コンピュータ断層撮像装置のあるエネルギー積分検出器で取得された非スペクトルデータから再構成された、同一の所定のファントムの、対応する関心領域(ROI)における512×512統合画像または高分解能パンクロマティック画像である。単一の画像が例示されているが、場合によって、複数の密パンクロマティック画像が生成される。統合画像は、エネルギー積分検出器でデータのフルビューを使用して、所定の再構成アルゴリズムに基づき再構成されている。
図9Dは、所定のデータ領域パンシャープン処理技術に基づいて密パンクロマティックデータおよび疎スペクトルエネルギーデータを使用してパンシャープンスペクトルデータから生成された、同一の所定のファントムの、対応する関心領域(ROI)における512×512高分解能サイノグラム復元画像である。パンシャープンスペクトルデータは、データパンシャープン処理アルゴリズムの群から選択された所定のデータパンシャープン処理アルゴリズムに基づいて生成されている。図示したようなサイノグラム復元画像は、そのスペクトル特性を維持しつつ、未処理の低分解能スペクトル画像についてその分解能を実質的に向上させている。
次に図10を参照すると、一対のグラフが、例示的なパンシャープン処理プロセスが材料分類にどのように影響するかを示す。種々のヨウ素およびカルシウム濃度のディスクを含む所定の材料分類ファントムを使用すると、例示的なパンシャープン処理プロセスは、異なるディスクのROIからの散布図によって示されるように、材料分類タスクに影響を与えることはできない。散布図から、材料分類は、例示的なパンシャープン処理プロセスによって大きく影響を受けることはない。
次に図10Aを参照すると、散布図は、密パンシャープンスペクトルデータセットにおける、3.5度の角度分離を有するカルシウムとヨウ素の材料分類を示す。x軸は第3のエネルギービンのHU値であり、y軸は第4のエネルギービンのHU値である。さらに、点線はカルシウムを示し、点線はカルシウムを示す。カルシウムとヨウ素の材料分類の両方が、例示的なパンシャープン処理プロセス後に、密パンシャープンスペクトルデータセットにおいて第3および第4のビンの間で実質的に直線である。
次に図10Bを参照すると、散布図は、密パンクロマティックデータセットにおける、3.3度の角度分離を有するカルシウムとヨウ素の材料分類を示す。x軸は第3のエネルギービンのHU値であり、y軸は第4のエネルギービンのHU値である。さらに、点線はカルシウムを示し、点線はカルシウムを示す。カルシウムとヨウ素の材料分類の両方が、例示的なパンシャープン処理プロセス前に、密パンクロマティックデータセットにおいて第3および第4のビンの間で実質的に直線である。図10Aおよび10Bの2つの散布図の間の比較の結果として、カルシウムとヨウ素の材料分類は、例示的なパンシャープン処理プロセスによって、第3および第4のビンの間で大きく影響を受けることはない。
以上述べた本実施形態に係るX線コンピュータ断層撮像装置によれば、再構成前のサイノグラムデータ(すなわち、光子計数検出器によって検出された疎スペクトルデータ、エネルギー積分検出器によって検出される密パンクロマティックデータ)を用いてパンシャープン処理を実行し、パンシャープンスペクトルエネルギーデータを生成する。これにより、解像度の高いスペクトルエネルギーデータ、及びこれに基づく高分解能スペクトル画像を生成することができる。特に、再構成前のサイノグラムを用いてパンシャープン処理を実行するため、再構成後の(エネルギー積分データに基づく)高分解能パンクロマティック画像及び再構成後の(スペクトルエネルギーデータに基づく)低分解能スペクトル画像とを用いて高分解能スペクトル画像を生成する場合に比して、精度の高いデータを生成することができる。また、本パンシャープン処理によって得られた解像度の高いスペクトルエネルギーデータを用いれば、再構成段階で、種々のフィルタ処理を適用することも可能である。
上記実施形態では、X線コンピュータ断層撮像装置においてパンシャープンスペクトルエネルギーデータを取得するためのパンシャープン処理を実行する場合を例示した。しかしながら、当該例に拘泥されず、エネルギー積分検出器を用いて取得されたエネルギー積分データ、光子計数検出器を用いて取得されたスペクトルエネルギーデータを予め記憶しておき、事後的に医用画像処理装置において本実施形態に係るパンシャープン処理を実行するようにしてもよい。係る場合、本実施形態に係るパンシャープン処理を実現する専用プログラムをインストールし、これを起動することで、医用ワークステーションやパーソナルコンピュータによって実現するようにしてもよい。
上記において、多くの特徴および利点について、構造および機能の詳細と共に記載したが、開示は例示的なものにすぎないこと、ならびに、詳細、特に形状、サイズ、および部品の配置の状態と、ソフトウェア、ハードウェア、または両方の組合せの実施とに変更を行うことができるが、添付の特許請求の範囲を表す用語の広く一般的な意味で示される最大限まで、変更が実施形態の原理内に含まれることを理解されたい。
13D−1…検出素子、100…ガントリ、101…X線管、102…環状フレーム、103…X線検出器、103A、103D…エネルギー積分検出器、103B…光子計数検出器、103C…コリメータ、103D−2…スリット、104…データ収集回路、105…非接触データ送信機、106…前処理デバイス、107…回転ユニット、109…高電圧発生器、110…システムコントローラ、111…データ収集デバイス、112…記憶デバイス、114…再構成デバイス、115…入力デバイス、116…表示デバイス、117…データパンシャープン処理ユニット、117A…勾配一致モジュール、117B…スペクトル一致モジュール、117C…スペクトル一致モジュール、117D…強度ショックフィルタモジュール、200…スキャン計画支援装置。

Claims (5)

  1. X線を発生する少なくとも一つのX線管と、
    前記少なくとも一つのX線管から曝射されるX線を検出する複数の第1の検出素子を有し、エネルギー積分データを取得するためのエネルギー積分検出器と、
    前記X線の放射方向において前記エネルギー積分検出器の前後どちらかに、前記エネルギー積分検出器よりも密でないように配置され、前記複数の第1の検出素子に比して大きなピッチで配列された前記少なくとも一つのX線管から曝射されるX線を検出する複数の第2の検出素子を有し、スペクトルエネルギーデータを取得するための光子計数検出器と、
    前記複数の第2の検出素子のX線入射面を遮蔽し、前記複数の第2の検出素子の素子密度が前記複数の第1の検出素子よりも密とならないように前記光子計数検出器の前面に所定間隔で配置されるコリメータと、
    前記エネルギー積分データを用いて、前記スペクトルエネルギーデータに対応する高分解能スペクトルエネルギーデータを生成するデータ処理ユニットと、
    前記高分解能スペクトルエネルギーデータを用いて高分解能スペクトル画像を再構成する画像再構成ユニットと、
    を具備することを特徴とするX線コンピュータ断層撮像装置。
  2. 前記第1の検出素子のサイズと前記第2の検出素子のサイズとは、実質的等しいことを特徴とする請求項1記載のX線コンピュータ断層撮像装置。
  3. 前記光子計数検出器は、前記エネルギー積分検出器に用いられるX線束レベルよりも低いX線束レベルを用いることを特徴とする請求項1又は2記載のX線コンピュータ断層撮像装置。
  4. 前記画像再構成ユニットは、前記高分解能スペクトルエネルギーデータをシードとした逐次近似再構成を実行することを特徴とする請求項1乃至3のうちいずれか一項記載のX線コンピュータ断層撮像装置。
  5. 前記データ処理ユニットは、
    で表すような所定のアルゴリズムによりパンシャープン処理するためのものであり、ここでDpanがパンクロマティックデータとしての前記エネルギー積分データ、Mがマルチスペクトルデータとしての前記スペクトルエネルギーデータのi番目のチャネル、およびgがパンシャープンデータとしての前記高分解能スペクトルエネルギーデータのi番目のチャネルであること、
    を特徴とする請求項1乃至4のうちいずれか一項記載のX線コンピュータ断層撮像装置。
JP2014161437A 2013-08-07 2014-08-07 X線コンピュータ断層撮像装置 Active JP6677962B2 (ja)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US13/960,821 2013-08-07
US13/960,821 US10176603B2 (en) 2013-08-07 2013-08-07 Sinogram (data) domain pansharpening method and system for spectral CT

Publications (2)

Publication Number Publication Date
JP2015033582A JP2015033582A (ja) 2015-02-19
JP6677962B2 true JP6677962B2 (ja) 2020-04-08

Family

ID=52448712

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2014161437A Active JP6677962B2 (ja) 2013-08-07 2014-08-07 X線コンピュータ断層撮像装置

Country Status (2)

Country Link
US (1) US10176603B2 (ja)
JP (1) JP6677962B2 (ja)

Families Citing this family (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9437016B2 (en) * 2013-08-07 2016-09-06 Toshiba Medical Systems Corporation Image domain pansharpening method and system for spectral CT with large pixel energy discriminating detectors
US20150178957A1 (en) * 2013-12-20 2015-06-25 Toshiba Medical Systems Corporation Iterative reconstruction for spectral ct based upon combined data of full views of intensity data and sparse views of spectral data
US9155515B2 (en) * 2014-02-26 2015-10-13 Kabushiki Kaisha Toshiba Registration of 4th generation detectors relative to the 3rd generation CT system coordinates using 4th generation sinogram data
US9449385B2 (en) * 2014-06-02 2016-09-20 Toshiba Medical Systems Corporation Reconstruction of computed tomography images using combined third-generation and fourth-generation projection data
CN106228186B (zh) * 2016-07-20 2019-11-15 湖南大学 高光谱图像分类装置与方法
EP3327673B1 (de) * 2016-11-29 2019-03-06 Siemens Healthcare GmbH Erzeugen von hochaufgelösten ct-bildern mit spektraler information
CN109492527B (zh) * 2018-09-28 2019-09-10 南京航空航天大学 一种基于全色锐化技术的遥感图像亚像元定位方法
US11857355B2 (en) * 2021-10-29 2024-01-02 Wisconsin Alumni Research Foundation Multi-detector systems and methods for x-ray imaging

Family Cites Families (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5155365A (en) * 1990-07-09 1992-10-13 Cann Christopher E Emission-transmission imaging system using single energy and dual energy transmission and radionuclide emission data
JPH09108207A (ja) * 1995-10-20 1997-04-28 Hitachi Ltd X線検出方法
US5949914A (en) * 1997-03-17 1999-09-07 Space Imaging Lp Enhancing the resolution of multi-spectral image data with panchromatic image data using super resolution pan-sharpening
AU2001258805A1 (en) * 2000-05-24 2001-12-03 Hamamatsu Photonics K.K. Pet system
US7606347B2 (en) * 2004-09-13 2009-10-20 General Electric Company Photon counting x-ray detector with overrange logic control
US7796153B1 (en) * 2005-07-08 2010-09-14 Itt Manufacturing Enterprises, Inc. Equalization system and method for an imaging sensor
US7372934B2 (en) * 2005-12-22 2008-05-13 General Electric Company Method for performing image reconstruction using hybrid computed tomography detectors
WO2007122882A1 (ja) * 2006-04-24 2007-11-01 Hitachi Medical Corporation X線ct装置
US7450683B2 (en) * 2006-09-07 2008-11-11 General Electric Company Tileable multi-layer detector
US7573040B2 (en) * 2007-03-23 2009-08-11 General Electric Company Energy discriminating detector different materials direct conversion layers
US20080277591A1 (en) * 2007-05-08 2008-11-13 Orbotech Medical Solutions Ltd. Directional radiation detector
US7433443B1 (en) * 2007-08-29 2008-10-07 General Electric Company System and method of CT imaging with second tube/detector patching
JP5260036B2 (ja) * 2007-12-17 2013-08-14 ジーイー・メディカル・システムズ・グローバル・テクノロジー・カンパニー・エルエルシー X線ct装置
CN103179905B (zh) 2010-10-27 2015-12-09 皇家飞利浦电子股份有限公司 用于提取完全采样固定kVp正弦图的方法和系统
CN103430216A (zh) 2011-03-15 2013-12-04 皇家飞利浦有限公司 基于似然性的谱数据投影域降噪
US9069092B2 (en) * 2012-02-22 2015-06-30 L-3 Communication Security and Detection Systems Corp. X-ray imager with sparse detector array
US9237874B2 (en) * 2012-04-30 2016-01-19 General Electric Company Method and system for non-invasive imaging of a target region
US9285326B2 (en) * 2012-06-19 2016-03-15 Kabushiki Kaisha Toshiba Sparse and energy discriminating collimated detector elements to assist scatter evaluation in CT imaging
US9224216B2 (en) * 2013-07-31 2015-12-29 Kabushiki Kaisha Toshiba High density forward projector for spatial resolution improvement for medical imaging systems including computed tomography
US9437016B2 (en) * 2013-08-07 2016-09-06 Toshiba Medical Systems Corporation Image domain pansharpening method and system for spectral CT with large pixel energy discriminating detectors

Also Published As

Publication number Publication date
US20150043796A1 (en) 2015-02-12
JP2015033582A (ja) 2015-02-19
US10176603B2 (en) 2019-01-08

Similar Documents

Publication Publication Date Title
JP6677962B2 (ja) X線コンピュータ断層撮像装置
US11847761B2 (en) Medical image processing apparatus having a plurality of neural networks corresponding to different fields of view
US20230119427A1 (en) Apparatus and method for medical image reconstruction using deep learning for computed tomography (ct) image noise and artifacts reduction
US11176428B2 (en) Apparatus and method for sinogram restoration in computed tomography (CT) using adaptive filtering with deep learning (DL)
US9437016B2 (en) Image domain pansharpening method and system for spectral CT with large pixel energy discriminating detectors
Pelc Recent and future directions in CT imaging
JP6513431B2 (ja) X線ct装置及びその制御方法
US11403791B2 (en) Apparatus and method using deep learning (DL) to improve analytical tomographic image reconstruction
Weidinger et al. Polychromatic iterative statistical material image reconstruction for photon‐counting computed tomography
US20130016805A1 (en) Method and system for acquiring sparse channel data and for image processing utilizing iterative reconstruction algorithms
US10878544B2 (en) Image data processing
EP2332121B1 (en) High contrast imaging and fast imaging reconstruction
KR20150080143A (ko) 방사선 디텍터 및 그에 따른 컴퓨터 단층 촬영 장치
JP2015518392A (ja) 光子計数撮像装置で投影データをビニングして画像を生成する方法とシステム{projectiondatabinningandimagegenerationinphotoncountingimagingmodality}
JP6494982B2 (ja) X線コンピュータ断層撮影装置、画像処理装置及び画像処理プログラム
JP6176828B2 (ja) 画像再構成装置、画像再構成方法およびx線コンピュータ断層撮影装置
JP2020056769A (ja) 核医学診断装置、核医学画像再構成方法及び核医学画像再構成プログラム
JP2021013737A (ja) X線システム及び撮像プログラム
CN108113694B (zh) 生成具有光谱信息的高分辨率ct图像
CN114901148A (zh) 用于生成光子计数光谱图像数据的设备
Ma et al. High-resolution model-based material decomposition for multi-layer flat-panel detectors
US20190385345A1 (en) Image noise estimation using alternating negation
JP2008267913A (ja) 核医学診断装置およびそれに用いられる診断システム
JP2022145494A (ja) 画像処理装置、補正方法及びプログラム
CN108242066B (zh) Ct图像的空间分辨率增强装置和方法以及ct成像系统

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20170613

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20180223

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20180313

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20180613

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20181023

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20190111

A02 Decision of refusal

Free format text: JAPANESE INTERMEDIATE CODE: A02

Effective date: 20190702

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20191030

A911 Transfer to examiner for re-examination before appeal (zenchi)

Free format text: JAPANESE INTERMEDIATE CODE: A911

Effective date: 20191106

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20191203

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20200107

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: 20200218

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20200316

R150 Certificate of patent or registration of utility model

Ref document number: 6677962

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150