JP6925868B2 - Ｘ線コンピュータ断層撮影装置及び医用画像処理装置 - Google Patents

Ｘ線コンピュータ断層撮影装置及び医用画像処理装置 Download PDF

Info

Publication number
JP6925868B2
JP6925868B2 JP2017103089A JP2017103089A JP6925868B2 JP 6925868 B2 JP6925868 B2 JP 6925868B2 JP 2017103089 A JP2017103089 A JP 2017103089A JP 2017103089 A JP2017103089 A JP 2017103089A JP 6925868 B2 JP6925868 B2 JP 6925868B2
Authority
JP
Japan
Prior art keywords
projection data
image
ray
reconstructed
motion
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
JP2017103089A
Other languages
English (en)
Other versions
JP2017209498A (ja
Inventor
タン チュウリン
タン チュウリン
ユウ ジョウ
ユウ ジョウ
中西　知
知 中西
トンプソン リチャード
トンプソン リチャード
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 JP2017209498A publication Critical patent/JP2017209498A/ja
Application granted granted Critical
Publication of JP6925868B2 publication Critical patent/JP6925868B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • A61B6/48—Diagnostic techniques
    • A61B6/482—Diagnostic techniques involving multiple energy imaging
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus 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
    • A61B6/5205—Devices using data or image processing specially adapted for radiation diagnosis involving processing of raw data to produce diagnostic data
    • 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
    • A61B6/5211—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data
    • A61B6/5217—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data extracting a diagnostic or physiological parameter from medical diagnostic data
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • General Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Pathology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Optics & Photonics (AREA)
  • High Energy & Nuclear Physics (AREA)
  • Radiology & Medical Imaging (AREA)
  • Biophysics (AREA)
  • Physics & Mathematics (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Veterinary Medicine (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Pulmonology (AREA)
  • Theoretical Computer Science (AREA)
  • Physiology (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Epidemiology (AREA)
  • Primary Health Care (AREA)
  • Apparatus For Radiation Diagnosis (AREA)

Description

本実施形態は、例えばＸ線コンピュータ断層撮影装置及び医用画像処理装置に関する。
Ｘ線コンピュータ断層撮影（ＣＴ）装置、システムおよびこれらにおいて用いられる画像処理方法は、特に医用撮影および医用診断に、幅広く使用されている。Ｘ線コンピュータ断層撮影装置は、一般的に投影角のシリーズで、被検体の身体にわたる投影画像を作成する。Ｘ線管などの放射源は、体の一側面から照射する。被検体の身体の画像は、フィルタ逆補正、逐次再構成など様々な再構成技術を使って、投影データ（つまり、様々な投影角で取得された投影画像）から再構成されることが可能である。
物質区分や線質硬化補正における改善を提供できるスペクトラルＣＴ技術から、多くの臨床医は恩恵を享受することができる。スペクトラルＣＴデータは、いくつもの技術のうち一つを使用して、取得することができる。そのいくつかの技術とは、例えば、セミコンダクタに基づく光子計数検出器を使用する直接Ｘ線検出、デュアルエネルギースキャンを実行するデュアル源システム、デュアルエネルギースキャンを実行するｋ−Ｖｐスイッチングシステム、異なるＸ線エネルギーでの連続スキャンの実行、そして同時にデュアルエネルギースキャンを実現する多様なエネルギーの同時計測が可能な層状検出器の使用、を含むものである。
一般に、スペクトラルＣＴシステムが異なる時間で実行されたエネルギースキャンを使う際、スキャンの間における患者の動きは、物質分解へのエラーとアーチファクトをもたらす可能性がある。このエラー、アーチファクトを低減させることは、スペクトラルＣＴ技術において重要な課題である。
本実施形態の目的は、スペクトラルＣＴ技術において、物質分解に先立って、異なるＸ線エネルギーに対応するＣＴ画像間でレジストレーション処理を実行し、物質分解へ影響を及ぼすエラー、アーチファクトを低減させるＸ線コンピュータ断層撮影装置及び医用画像処理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影装置は、Ｘ線を照射するＸ線管と、Ｘ線管に電圧を印加する電圧発生部と、投影データ取得部と、再構成部と、を具備する。投影データ取得部は、電圧発生部を制御して前記電圧を切り替えることで、第１のエネルギーのＸ線と前記第１のエネルギーとは異なる第２のエネルギーのＸ線とでそれぞれ被検体の撮影を実行し、第１の投影データ及び第２の投影データをそれぞれ生成する。再構成部は、第１の投影データに基づいて第１の再構成画像を生成し、第２の投影データに基づいて第２の再構成画像を生成し、第２の投影データの再構成画像を、第１の投影データの再構成画像にレジストレーションする。
この開示をより完全に理解するには、添付の図面に関連して検討されれば、以下の詳細な説明を参照することで、もたらされる。
登録した画像の再投影に基づく、投影データの物質分解を実行する方法の実行のフロー概要図を示す。 第２の画像を第１の画像にレジストレーションする処理の実行のフロー概要図を示す。 モーション補正投影データを用いて、物質分解を実行する方法の実行のフロー概要図を示す。 様々な物質成分のエネルギー依存Ｘ線減衰を明らかにする順投影の方法の実行のフロー概要図を示す。 投影データを取得するように構成された、Ｘ線ＣＴ装置の実装の概要図を示す。
スペクトラルＣＴにおいて、多様なエネルギー成分を有する放射線は、スペクトルで分解した投影データを生成するために、検体ＯＢＪの投影的計測を行うために使用される。これらの投影的計測は、投影角のシリーズで行われ、検体ＯＢＪの画像は、ＣＴ画像再構成法を使用して、それぞれのエネルギー成分に対して再構成されることができる。しかし、スペクトラルでないＣＴと違い、スペクトラルＣＴは、Ｘ線エネルギーの役割（ｆｕｎｃｔｉｏｎ）として異なるＸ線減衰を示す異なる物質により、追加情報を生成する。これらの相違は、スペクトルで分解した投影データを物質成分へ、通常二つの物質成分への分解を可能にするが、それはＸ線減衰におけるスペクトラル変化の一因となる、二つの主要な減衰メカニズム（つまり、コンプトン散乱と光電子吸収）が存在するからである。臨床アプリケーションにおいて、例えば、二つの物質分解の物質成分は、骨と筋肉／水であろう。スペクトラルから投影データを物質成分（つまり、物質分解）へとマッピングすることは、画像再構成処理の前または後の何れかに実行されてよい。しかし、線質硬化を考慮することにより、再構成処理に先立って物質分解を実行することが好ましい。
Ｘ線の大半が、画像化された検体ＯＢＪの主要な原子のＫエッジを十分上回るエネルギーを有するならば、生体を画像化する従来のＸ線源の場合のように、物質分解の問題は、上述の二つの主要相互作用過程の存在と整合する、二つのエネルギー成分のみを使用して解決され得る。このように、スペクトラルＣＴは、時々デュアルエネルギーＣＴと呼ばれ、物質分解処理は、デュアルエネルギー解析と呼ばれてもよい。ここでは、スペクトラルＣＴは少なくともデュアルエネルギーＣＴを含むが、二つのエネルギー成分以上の投影的計測も含む。
生体物質におけるＸ線の減衰が二つの物理的経過（つまり、光電子吸収とコンプトン散乱）により占められているので、デュアルエネルギー解析法を使用することができる。従って、エネルギーの関数としての減衰係数は、式（１）に示す分解により近似されることができる。
Figure 0006925868
ここで、μＰＥ（Ｅ，ｘ，ｙ）は光電子吸収、μＣ（Ｅ，ｘ，ｙ）はコンプトン減衰である。
代わりに、この減衰は高Ｚ物質（つまり、骨の可能性がある、物質１）の分解へと再編成されてもよく、低Ｚ物質（つまり、水の可能性がある、物質２）は以下の式（２）になる。
Figure 0006925868
ここで、ｃ１（ｘ，ｙ）とｃ２（ｘ，ｙ）は、それぞれ、第１と第２の基本画像である。
スペクトラルＣＴシステムが異なる時間で実行されたエネルギースキャンを使用する場合、スキャンの合間の患者のモーションは、物質分解にエラーやアーチファクトをもたらすかもしれない。スキャンの合間のモーションは、異なる時間で撮られたスキャンを揃えるために、第２のスキャンから再構成された画像を第１のスキャンから再構成された画像と一致させるために平行移動および／または回転することで、レジストレーション処理を使用して補正されてもよい。物質分解は、それからレジストレーションされた画像に実行される可能性がある。しかし、画像再構成に先立ってのサイノグラムドメインにおける物質分解の方が、画像再構成後に画像ドメインにおける物質分解よりも、線質硬化を考慮することにより、望ましい。結果として、本実施形態に述べられる方法は、レジストレーション処理を使用して補正されてきた投影データを使う、サイノグラムドメイン（つまり、再構成画像よりも投影データを使用すること）における物質分解を提供する。このようにして、本実施形態で述べられる方法は、サイノグラムドメインにおいて、レジストレーションの恩恵と物質分解の恩恵との双方を実現する。
物質分解に基づく投影のためのレジストレーションのある課題は、非物理的な効果を投影データに取り込むことなく、モーションに対する投影データを補正するために、レジストレーション処理を実行することである。レジストレーションがないと、モーションは分解アルゴリズムによって物質組成の影響（ｍａｔｅｒｉａｌ ｃｏｍｐｏｓｉｔｉｏｎ ｅｆｆｅｃｔ）として解釈されることとなり、その結果、再構成画像の画質が落ちる。しかし、もしレジストレーション処理がレジストレーションされた投影データにアーチファクトを取り込んでしまう場合（つまり、線質硬化を適切に処理しないことにより）、ひいてレジストレーションされた投影データに基づく画像の画質も落ちるだろう。投影データの物理的な特徴を明らかにしながら、また維持しながら、レジストレーションを実行することで、再構成画像の画質は落ちないだろう。
一実施形態において、モーションが補われた（ｍｏｔｉｏｎ−ｃｏｍｐｅｎｓａｔｅｄ）投影に基づく物質分解法が、ここに説明される。この方法は、ローデータ（例えば、線質硬化）の物理的な特徴が変わらないまま維持もする。ローデータのこれらの側面において、線質硬化はデュアルエナジー物質分解に対して、大きな意味を持つだろう。線質硬化効果を変えずに維持することで、より正確な、再投影に基づいた物質分解が達成され得る。
次に図に関して、参照番号が同一のまたは様々な図を通して対応する部分を指し示すように、図１は、二回のスキャンのレジストレーションされた投影データを取得するための方法１００のフロー概要図を示している。物質分解を実行するために、異なるエネルギーで撮られた二回のスキャンと、それぞれのスキャンの間のモーションは、レジストレーション処理によって補われる。これは、画像ドメイン内で実行されるが、物質分解はサイノグラムドメイン内で実行される。
方法１００のプロセス１１０で、第１のＸ線エネルギーで第１のスキャンに対応する第１の投影データが、ステップ１１２において取得される。プロセス１１０のステップ１１４において次に、第１の画像が第１の投影データから再構成される。画像再構成処理は、フィルタ逆投影法、逐次画像再構成法（例えば、全変分最小化正則化項の使用）、フーリエに基づく再構成法、または確率論的画像再構成法の任意の方法を使用して、実行することができる。
方法１００のプロセス１２０において、第２の投影データと第２の再構成画像が、それぞれ、ステップ１２２と１２４で取得される。第２の投影データと第２の再構成画像は、第２のＸ線エネルギーと第２のスキャン時間とに対応する。第２の投影データと第２の再構成画像とは、プロセス１１０で生成された、第１の投影データと第１の再構成画像と同様の方法で生成される。
方法１００のプロセス１３０で、第１と第２の再構成画像にレジストレーションが実行される。第１のスキャンと第２のスキャンとの間に患者が動く可能性があることから（例えば、心臓ＣＴに対する患者の心臓の鼓動、または患者の貧乏ゆすり）、第１と第２のＣＴ画像は、互いにオフセットになることができる。第１と第２の再構成画像の間のレジストレーションは、二枚のＣＴ画像を揃えるために使用されてもよく、これによって画像間の物質分解が改善する。
方法１００のステップ１４０で、第１の再構成画像は、アップデートされた第１の投影データを生成するために、順投影される。
方法１００のステップ１５０で、アップデートされた第１の投影データとレジストレーションされた、アップデートされた第２の投影データを生成するために、第２の再構成画像は順投影される。第１と第２のアップデートされた投影データは、レジストレーションを除いて、同様の処理を使用して生成されるので、逆投影そしてその次に順投影の処理により実行された任意のフィルタリングまたは補正は、第１と第２のアップデートされた投影データとの間で一致されるようになる。このようにして、第１と第２のアップデートされた投影データの生成は、第１と第２の（アップデートされた）投影データを対称的に取り扱い、非対称による物質分解におけるアーチファクトを回避する。
方法１００のステップ１６０で、物質分解は、第１と第２のアップデートされた投影データに実行される。例えば、物質分解は、コスト関数法またはスプリットステップ法（ｓｐｌｉｔ−ｓｔｅｐ ｍｅｔｈｏｄ）を使用して、実行され得る。スプリットステップ法で、物質分解問題は、それぞれがスプリットステップ法の半分に対応している、二つのサブ問題（ｓｕｂ−ｐｒｏｂｌｅｍｓ）にさらにサブ分割（ｓｕｂｄｉｖｉｄｅｄ）される。二つのサブ問題とは、（１）検出器補正問題、そして（２）Ｘ線吸収問題である。これらサブ問題の両方は、物質分解の投影の長さＬ１とＬ２とを用いて、構成されてもよい。スプリットステップ法は、二つのサブ問題（つまり、ステップ）の間を繰り返すことで、物質分解を解決する。サブ問題ステップの間のそれぞれ経過で、次のサブ問題（ステップ）は、先行するサブ問題（ステップ）からの結果を入力として使用する。このようにして、それぞれサブ問題（ステップ）の間を交互に変えることで、スプリットステップ法は、解が投影の長さＬ１とＬ２とに対する安定した値に収束するまで、それぞれサブ問題を多数回繰り返し解く。
スプリットステップ法の検出器補正サブ問題はＸ線計測の検出処理に対応し、Ｘ線吸収サブ問題はＸ線計測の伝播／吸収処理に対応する。投影の長さＬ１とＬ２は、Ｘ線軌道ｌに沿った係数ｃ１（ｘ，ｙ）とｃ２（ｘ，ｙ）上に、線積分によって与えられ、以下の式（３）の様に表すことができる。
Figure 0006925868
Ｘ線がＸ線検出器に到達するまで、Ｘ線がＸ線源から被検体ＯＢＪを通り抜けて伝播し減衰するので、Ｘ線吸収問題はＸ線強度の変化を表すものとなっている。それぞれ検出器上への入射Ｘ線フラックスＳ（Ｅ）は、以下の式（４）によって与えられる。
Figure 0006925868
ここで、ｎａｉｒは画像化される検体ＯＢＪ上へのＸ線源からのＸ線フラックスであり、Ｌ１およびＬ２は、Ｘ線軌道に沿った線積分により与えられる投影の長さであり、物質分解の第１と第２の物質とにそれぞれ対応し，Ｓ０（Ｅ）はエネルギーＥ（例えば、以下の式（５）を満たすＥ）の関数として入射Ｘ線フラックスの正規化されたスペクトラムである。
Figure 0006925868
第２に、検出器補正問題は、Ｘ線検出器上の入射Ｘ線フラックスから、Ｘ線検出器によって計測されたカウントへのマッピングに対応する。Ｘ線検出器上の入射フラックスから計測されたカウントへのマッピングは、非線形の可能性もあるし、Ｘ線検出器上の入射フラックスＳ（Ｅ）に依存する可能性もある。このようにして、検出器補正問題は、検出器補正問題が入射フラックスＳ（Ｅ）に依存するので、投影の長さＬ１とＬ２とに依存する。
一方、検出器補正問題は、補正された投影データを計算するために、投影の長さＬ１とＬ２との情報を含む、入射フラックスＳ（Ｅ）を使用する。他方、Ｘ線吸収問題は、投影の長さＬ１とＬ２とを計算するために、検出器補正問題からの投影されたデータを使用する。この投影の長さＬ１とＬ２とは、入射フラックスＳ（Ｅ）を計算するために交互に使われる。このようにして、それぞれサブ問題は、前回のサブ問題によって生成された出力を、入力として組み込む。
スプリットステップ法は、補正された投影データをアップデートするための投影の長さＬ１とＬ２の使用と、そしてそれから投影の長さＬ１とＬ２とをアップデートするためアップデートされ補正された投影データの使用と、の間を切り替えることで実行される。この様な二つの使用を切り替えるスプリットステップ法はその後、補正された投影データをアップデートするために使われ、収束するまで続けられる。これら二つのステップの間を多数回繰り返した後、投影の長さＬ１とＬ２は収束し、その結果は物質分解として出力される。スプリットステップ法の特定の実施詳細については、米国特許出願１４／５９３，８１８に提供されており、ここに当該文献の全ての内容を参考として組み入れるものとし、ここにおいてスプリットステップ法は、逐次法として言及されている。
スプリットステップ法への代替案は、物質分解も実行するコスト関数法である。コスト関数法において、一組の投影の長さＬ１とＬ２とは、モデル投影データを計算するために使用され、このモデル投影データは、コスト関数を使用して、実際の投影データと比較される。コスト関数のより小さな値は、実際の投影データとモデル投影データとの間のより近い一致に対応する。凸最適化は、コスト関数を最小化する一組の投影の長さＬ１とＬ２とを見出すために使用されてもよく、この一組の投影の長さとは、物質分解である。このモデル投影データは、検体ＯＢＪを通過した透過から生じる吸収とＸ線検出器の検出器反応モデルとの両方を含むモデルを使用して、計算される。このようにして、スプリットステップ法の二つのサブ問題は、コスト関数法を最小化することで、同時に解決される。コスト関数法の詳細については、米国特許出願１４／６０３，１３５に提供されており、ここに当該文献の全ての内容を参考として組み込まれるものとする。さらに、米国特許出願１４／６７４，５９４は、ここに当該文献の全ての内容を参考として組み込まれるものとし、本実施形態で述べられる物質分解法において使用される検出器反応モデルについて、更なる詳細が提供されている。
図２は、プロセス１３０のフロー概要図を示している。レジストレーションは、第１の再構成画像と第２の再構成画像との間の相互相関関数の最大値を見出すことで、実行することができる。ここでの相互相関関数とは、並進および回転の両方を含む可能性がある。代わりに、レジストレーションは、第１の再構成画像と第２の再構成画像との間の重なり積分を最大化する、独立変数（ａｒｇｕｍｅｎｔ）（つまり、変換）を解くことで実行することができる。ここでの変換演算子の独立変数は、並進と回転の両方を含む。
第１の再構成画像Ｐｎ（ｕ，ｖ）とそれに対応する第２の再構成画像Ｐｎ＋１（ｕ，ｖ）は、空間的座標をｕとｖとを使って描かれるが、このｕとｖとは再構成画像（具体的には、以下の式（６）、（７）を満たす一般格子）の格子の空間的指標となり得る。
Figure 0006925868
ここに、三次元よりも、二次元の再構成画像の方が、表記法を簡素化すると考えられるが、三次元の再構成画像の生成の方が直接的である。さらに、一般化を喪失することなく、二枚の画像のレジストレーションのみが説明されているが、同様の処理は、二枚以上のさらなる再構成画像に対して使用されてもよい。
プロセス１３０のステップ２１０において、関心領域（ＲＯＩ）は第１の再構成画像に対して決定され、同様のＲＯＩが第２の再構成画像に対して決定される。第１の再構成画像のＲＯＩは、左上ピクセルＰｎ（ｕ０，ｖ０）および右下ピクセルＰｎ（ｕ１，ｖ１）に関連して、説明することができる。このようにして、ＲＯＩにおける第１の再構成画像（第１の再構成画像におけるＲＯＩ）は、以下の式（８）ように表すことができる。
Figure 0006925868
同様に、ＲＯＩにおける対応する第２の再構成画像（第２の再構成画像のＲＯＩ）は、以下の式（９）の様に表すことができる。
Figure 0006925868
プロセス１３０のステップ２２０で、第２の再構成画像のＲＯＩは変換される。第２の再構成画像のＲＯＩは、変換演算子Tによって変換されることができ、変換された第２の再構成画像のＲＯＩにおけるピクセル値は、重なり積分を計算するために、補間し、第１の再構成画像をマッチングする格子上にマッピングすることができる。第２の再構成画像におけるＲＯＩの剛体変換は、以下の式（１０）、（１１）ように定義されることができる。
Figure 0006925868
変換されたＲＯＩにおける第２の再構成画像は、以下の式（１２）ように表されてもよい。
Figure 0006925868
ここでのベクトルｕおよびベクトルｖは、変換されたｕおよびｖ方向に沿った、正規化ベクトルである。第２の再構成画像におけるＲＯＩの変換は、第１の再構成画像のＲＯＩと共にマッチングサイズ（ｕ１−ｕ０，ｖ１−ｖ０）を有する格子上に、第２のスナップショットをマッピングする画像補間によって、実行することができる。
プロセス１３０のステップ２３０において、性能指数は変換演算子Ｔの関数として計算され、性能指数を最適化する独立変数Ｔが出力される。ここにプロセス１３０は、性能指数として相互相関を使って例証される。第１の再構成画像のＲＯＩと第２の再構成画像の変換されたＲＯＩとの間の相互相関は、以下の式（１３）のように表されることができる。
Figure 0006925868
レジストレーションは、上記相互相関を最大化する変換を見出すことで、生じる。例えば、第１と第２の再構成画像のＲＯＩ間の相互相関を最大化する最適変換は、予め定義された探索領域に計算能力任せのサーチ（ｂｒｕｔｅ ｆｏｒｃｅ ｓｅａｒｃｈ）を用いることで獲得することができ、その結果相互相関を最大化する変換独立変数が獲得され、以下の式（１４）のように表される。
Figure 0006925868
登録された第２の再構成画像は、それ故以下の式（１５）のようになる。
Figure 0006925868
登録された第２の再構成画像は、第２の再構成画像の補間と、変換されたＲＯＩに対応する格子上へのマッピングにより、得ることができる。一実施形態において、遺伝的アルゴリズムなど、確率的探索法は、計算能力任せのサーチより寧ろ使用することができる。また一実施形態において、勾配探索法が計算能力任せのサーチより使用することができる。任意の既知の探索法が、相互相関関数の変換独立変数を最適化することもできる。
図３は、二つのエネルギースキャンのレジストレーションされた投影データを取得する方法３００のフロー概要図を示している。
方法３００のプロセス３１０において、第１のＸ線エネルギーでの第１のスキャンに対応する第１の投影データが、ステップ３１２において取得される。そしてプロセス３１０のステップ３１４において、第１の画像が第１の投影データから再構成される。画像再構成処理は、フィルタ逆補正法、逐次画像再構成法（例えば、全変分最小化正規化項の使用）、フーリエに基づく再構成法、または確率的画像再構成法を使用して、実行することができる。
方法３００のプロセス３２０において、第２の投影データ及び第２の再構成画像が、それぞれステップ３２２と３２４とで取得される。第２の投影データと第２の再構成画像とは、第２のＸ線エネルギーと第２のスキャン時間とに対応する。これらは、プロセス３１０で生成された第１の投影データと第１の再構成画像と、同様の方法で生成されたものである。
方法３００のプロセス３３０において、レジストレーションは第１と第２の再構成画像間に実行される。プロセス３３０は、プロセス１３０と同様に実行される。
方法３００のステップ３４０において、モーション画像は、レジストレーション無しの第２の再構成画像と、レジストレーションがある第２の再構成画像との間の差分を取ることで、生成される。
方法３００のステップ３５０において、デノイジングがモーション画像について実行される。特定の実行において、ステップ３５０は省略されてもよい。様々なデノイジング法がモーション画像に適用されてよく、線形平滑フィルタ、異方性拡散、非局所的平均、非線形フィルタを含んでいる。
線形平滑フィルタは、オリジナル画像を、ローパスフィルタまたは平滑操作を表すマスクで畳み込むことで、ノイズを除去する。例えば、ガウスのマスクは、ガウス関数により決定される要素（ｅｌｅｍｅｎｔ）を具備する。この畳み込みは、それぞれピクセルの値をそのピクセルに近傍するピクセルの値により近づけるようにするものである。一般に、平滑フィルタは、それぞれピクセルを、そのピクセル自体とそのピクセルに近傍するピクセルの、平均値、または重みづけられた平均に設定する。例えば、ガウシアンフィルタは、正に可能な重みのセットであると言える。不都合なことに、平滑フィルタは、画像をぼやかす傾向がある。というのも、周囲に近傍するピクセルより明らかに高いまたは低い値を持つピクセルが、それらに接するピクセルと合わさって、不鮮明になったり、平均化されたりするからである。鮮明な境界が不鮮明になってしまう。一般的に、局所線形フィルタ法は、局所近傍に見受けられる均一性が均一であると仮定し、従って病変や臓器境界など、均一でない特徴を曖昧にして画像上に均一性を強いる傾向がある。
異方性拡散は、熱伝導方程式と同様の平滑化偏微分方程式の下で、画像を展開させることにより、鮮明な境界を維持しながらノイズを除去する。仮に、拡散係数が空間的に不変ならば、この平滑は線形ガウシアンフィルタリングと等しくてもよいが、拡散係数が境界の存在に従って異方性の場合、ノイズは画像の境界をぼやかすことなく除去することができる。
メジアンフィルタは非線形フィルタの一例であり、もし適切に設計されれば、非線形フィルタも境界を保ち、ぼかしを避けられるかもしれない。メジアンフィルタは、例えば、画像におけるそれぞれピクセルを評価することで、輝度に従って近傍するピクセルを分類し、ピクセルのオリジナル値を順序付けられた輝度の表から中央値と置き換える、操作をする。メジアンフィルタは、階数条件ランク選択（ＲＣＲＳ）フィルタの一例である。例えば、メジアンフィルタとその他ＲＣＲＳフィルタは、明らかなぼかしアーチファクトを取り込むことなく、画像から塩と胡椒ノイズを除去するために適用することができる。
さらに全変分（ＴＶ）最小化正則化項を使用するフィルタは、画像化されるべき複数のエリアがそれらの間の比較的鮮明な境界を持つ離散的領域に渡って均一であると仮定される箇所に、使用されてもよい。ＴＶフィルタは、非線形フィルタの別例として使用されてもよい。
非局所的平均フィルタリングにおいて、ピクセルは、ピクセルの空間的近似に従ってピクセルの重みづけ平均化を実行するよりも、画像におけるパッチ間の類似性に従う重みづけ平均となるように決定される。このようにして、ノイズは画像における、全てのピクセルの非局所的平均化に基づいて、除去される―近傍するピクセルだけが除去されるのではない。特に、ピクセルに対する重みの量は、あるピクセル近くに中心がある小さなパッチと、デノイズされるピクセル周辺に中心がある別の小さなパッチと、の間の類似の程度に基づいている。
方法３００のステップ３６０において、モーション投影データは、モーション画像を通してＸ線軌道に沿ったＸ線減衰と、個別の検出器素子上の入射と、の順投影を実行することで、生成される。仮に再構成画像が線質硬化に対して補正されたら、その後順投影は、Ｘ線エネルギーの関数としてＸ線減衰の変化を明らかにするだろう。図４は、順投影間のＸ線エネルギーの関数としてＸ線減衰についての変化を明らかにする方法４００のフロー概要図を示す。
方法３００のステップ３７０において、第２の投影データは、第２の投影データを対応するモーション投影データに組み合わせることで、モーションに対して補正される。例えば、第２の投影データとモーション投影データとは、引き算か足し算かのどちらかを使って、組み合され得る。その引き算と足し算とは、モーション投影画像が、第２のＣＴ画像からレジストレーションされた第２のＣＴ画像を引いたものである、或いは逆も同様にモーション投影画像が、第２のＣＴ画像にレジストレーションされた第２のＣＴ画像を足したものである、かどうかにかかっている。
方法３００のステップ３８０において、物質分解は、第１の投影データと補正された第２の投影データとを使用して、実行される。例えば、物質分解は、方法１００のステップ１６０に対し議論された任意の方法を使って、実行されてもよい。
図４は、方法４００のフロー概要図を示す。方法４００は、順投影間のＸ線減衰におけるＸ線エネルギーの関数として、変化を明らかにする。
方法４００のステップ４１０において、第１の物質分解は、第１のＣＴ画像と登録された第２のＣＴ画像とを使用して実行される。第１の物質分解は、第１の物質成分画像と第２の物質成分画像とを生成する。
方法４００のステップ４２０において、モーション画像はＸ線エネルギーの関数であるモーション投影データを生成するために、順投影される。モーション画像中のそれぞれピクセル（ここでの「ピクセル」という言葉は、例えば、二次元ピクセルまたは三次元ボリュームピクセルまたはボクセルなど、任意のタイプのピクセルを意味することができる）に対して、Ｘ線エネルギー上の減衰の依存は、物質分解の物質成分のエネルギー依存減衰係数の線形重ね合わせとして、決定され得る。ここで線形重ね合わせの重みは、モーション画像のピクセルとして同じピクセル位置に対応する第１および第２の物質成分画像の個別のそれぞれのピクセル値を用いた比率から、決定される。モーション投影データは、その後第２の投影データのＸ線スペクトラムを上回るエネルギー依存減衰を統合することで、収集される。このようにして、線質硬化効果は、モーション画像の順投影の中へと組み込まれてもよい。
線質硬化効果の順投影中への包括は、Ｘ線源が単一エネルギー源を厳密に近似しない場合、そして第１および第２のＣＴ画像の画像再構成が線質硬化補正を含む場合、重要である。仮に、他方で、第１および第２のＣＴ画像の画像再構成が線質硬化補正を含まなければ、その場合にはエネルギー依存減衰係数が無い順投影が使用される。
線質硬化補正に加え、ＣＴ画像再構成は、Ｘ線計測の既知の歪みやアーチファクトを補正するための、散乱補正や様々なその他補正やキャリブレーションを含むことができる。
加えて、上記方法は、二つ以上のエネルギー成分に対する投影データと実行することができる。それぞれ追加エネルギー成分は、ＣＴ画像を再構成するために使用されてよく、追加エネルギー成分は、その場合第１のＣＴ画像にレジストレーションされる。さらに、物質分解は、方法１００において述べられたように、レジストレーションされたＣＴ画像および第１のＣＴ画像の順投影を使用して、実行することができる。代わりに、物質分解は、方法３００において述べられたように、第１のＣＴ画像とモーション画像を使用して取得される補正されたＣＴ画像とを使用して、実行することもできる。
図５は、本実施形態に係るレジストレーション処理を含む再構成処理を実行するＸ線ＣＴ装置のブロック構成図を描いている。図５に図示されるように、放射線ガントリ５００は側面から見て描かれており、さらにＸ線管５０１、環状フレーム５０２、そして多列または２次元アレイ型Ｘ線検出器５０３を含む。Ｘ線管５０１およびＸ線検出器５０３は、環状フレーム５０２上に被検体ＯＢＪを横切って正反対に取り付けられ、環状フレーム５０２は、回転軸ＲＡの回りに回転可能に支持される。被検体ＯＢＪが図示された頁の奥の方向または手前の方向の軸ＲＡに沿って移動されながら、回転ユニット５０７は環状フレーム５０２を０．４秒／回転もの高速で回転させる。
本実施形態に係るＸ線コンピュータ断層撮影（ＣＴ）装置の第１の実施形態は、付随する図面を参照しながら以下に説明される。Ｘ線ＣＴ装置は、様々なタイプの装置を含んでいることに留意されたい。具体的には、Ｘ線管とＸ線検出器とが検査される予定の被検体の周辺を一緒に回る回転／回転型機構、そして多数の検出器素子がリング状または水平状に配置されており、Ｘ線管のみが検査される予定の被検体の周辺を回る固定／回転型機構がある。本開示は、いずれのタイプにも適用可能である。今回は、現在主流である回転／回転型機構が例示される。
マルチスライスＸ線ＣＴ装置は高電圧発生器５０９をさらに含み、Ｘ線管５０１がＸ線を生成するように、高電圧発生器５０９はスリップリング５０８を通してＸ線管５０１に印加される管電圧を生成する。Ｘ線は、被検体ＯＢＪに向かって照射され、被検体ＯＢＪの断面領域が円で表される。例えば、第１のスキャンの間の平均的なＸ線エネルギーを有するＸ線管５０１は、第２のスキャンの間の平均的なＸ線エネルギーよりも、エネルギーが小さい。このようにして、二つ以上のスキャンが、異なるＸ線エネルギーに対応して収集され得る。Ｘ線検出器５０３は、被検体ＯＢＪを通り抜けて伝播してきた照射Ｘ線を検出するために、被検体ＯＢＪを挟んでＸ線管５０１から反対側に位置する。Ｘ線検出器５０３は、個々の検出器素子または検出器装置をさらに含む。
ＣＴ装置は、Ｘ線検出器５０３から検出された信号を処理するための、その他のデバイスをさらに含む。データ取得回路またはデータ取得システム（ＤＡＳ）５０４は、それぞれのチャンネルに対するＸ線検出器５０３からの出力信号を電圧信号に変換し、その電圧信号を増幅し、さらにその電圧信号をデジタル信号へと変換する。Ｘ線検出器５０３およびＤＡＳ５０４は、１回転当たりの所定全投影数（ＴＰＰＲ）を処理するように構成されている。
上述のデータは、非接触データ送信装置５０５を通して、放射線ガントリ５００外部のコンソール内に収容された、前処理デバイス５０６に送信される。前処理デバイス５０６は、ローデータに関する感度補正など、特定の補正を実行する。メモリ５１２は、再構成処理直前のステージで投影データとも呼ばれる、結果データを格納する。メモリ５１２は、再構成デバイス５１４、入力デバイス５１５、ディスプレイ５１６と共に、データ／制御バス５１１を通して、システムコントローラ５１０に接続されている。システムコントローラ５１０は、ＣＴシステムを駆動させるのに十分なレベルに達するまで電流を制限する、電流調整器５１３を制御する。
検出器は、どんな世代のＣＴスキャナシステムであっても、患者に対して、回転されるおよび／または固定される。一実行において、上述のＣＴシステムは、第三世代ジオメトリシステムと第四世代ジオメトリシステムとが組み合わせられた例であってもよい。第三世代ジオメトリシステムにおいて、Ｘ線管５０１とＸ線検出器５０３とは、環状フレーム５０２上に正反対に取り付けられ、環状フレーム５０２が回転軸ＲＡの周りを回転する時に、被検体ＯＢＪの周りを回転する。第四世代ジオメトリシステムにおいて、検出器は患者の周辺に固定して取り付けられており、Ｘ線管は患者の周辺を回る。代替的な実施形態において、放射線ガントリ５００は、Ｃアームおよびスタンドによって支持されている、環状フレーム５０２上に配置された多数の検出器を有する。
メモリ５１２は、Ｘ線検出器ユニット５０３でＸ線照射量を示す計測値を格納することができる。さらに、メモリ５１２は、本実施形態で説明された方法１００、３００、４００において、ＣＴ画像再構成、レジストレーション、再投影、モーション補正、物質分解法を実行するための専用プログラムを格納していてもよい。
再構成デバイス５１４は、本実施形態で述べられた方法１００、３００、４００を実行することができる。さらに、再構成デバイス５１４は、ボリュームレンダリング処理や画像差分処理などの前再構成処理画像処理（ｐｒｅ―ｒｅｃｏｎｓｔｒｕｃｔｉｏｎ ｐｒｏｃｅｓｓｉｎｇ ｉｍａｇｅ ｐｒｏｃｅｓｓｉｎｇ）を、必要に応じて実行してもよい。
前処理デバイス５０６によって実行された投影データの前再構成処理は、例えば検出器キャリブレーション、検出器非直線性、極性効果に対する補正を含み得る。
再構成デバイス５１４により実行される後再構成処理は、画像のフィルタリングやスムージング、ボリュームレンダリング処理、そして画像差分処理を、必要に応じて含んでもよい。画像再構成処理は、フィルタ逆投影、逐次画像再構成法、また確率論的画像再構成法を使って、実行され得る。再構成デバイス５１４は、メモリを使って、例えば投影データ、再構成画像、キャリブレーションデータおよびパラメータ、そしてコンピュータプログラムを格納し得る。
再構成デバイス５１４は、特定用途向け集積回路(ＡＳＩＣ)、フィールドプログラマブルゲートアレイ(ＦＰＧＡ)、または複合プログラマブル論理デバイス(ＣＰＬＤ)など、個々の論理ゲートとして実行可能なＣＰＵ（処理回路）を含むことができる。ＦＰＧＡまたはＣＰＬＤ実行は、ＶＨＤＬ、ベリログ、またはその他のハードウェア記述言語でコード化されていてもよく、そしてそのコードはＦＰＧＡまたはＣＰＬＤにおいて直接電子メモリ内に格納されてもよいし、あるいは個別の電子メモリとして格納されてもよい。さらに、メモリ５１２は、ＲＯＭ、ＥＰＲＯＭ、ＥＥＰＲＯＭ（登録商標）、またはＦＬＡＳＨメモリなど、不揮発性メモリであってもよい。メモリ５１２は、静的または動的ＲＡＭなど揮発性で、マイクロコントローラやマイクロプロセッサなどプロセッサであってもよく、ＦＰＧＡまたはＣＰＬＤと、メモリとの間の相互作用と同様、電子メモリを管理するために提供されていてもよい。
代替的に、再構成デバイス５１４内のＣＰＵは、本開示で説明された機能を実行するコンピュータ可読指示のセットを含む、コンピュータプログラムを実行してもよく、そのコンピュータプログラムは、任意の上述の非一時的電子メモリおよび／またはハードディスクドライブ、ＣＤ、ＤＶＤ、ＦＬＡＳＨドライブ、またはその他の任意の既知の格納媒体に格納されている。さらに、コンピュータ可読指示は、ユーティリティアプリケーション、バックグラウンドデーモン、またはオペレーティングシステムの構成要素（ｃｏｍｐｏｎｅｎｔ）、またはそれらの組み合わせで提供されてもよく、当業者にとって馴染みあるその他のオペレーティングシステムがプロセッサと一体となって実行する。さらに、ＣＰＵは、指示を実行するために並行して協同的に働く、マルチプルプロセッサとして実行されてもよい。
一実行において、再構成画像は、ディスプレイ５１６上に映し出されてもよい。ディスプレイ５１６は、ＬＣＤディスプレイ、ＣＲＴディスプレイ、プラズマディスプレイ、ＯＬＥＤ、ＬＥＤ、または当業者にとって既知のその他のディスプレイであってもよい。
メモリ５１２は、ハードディスクドライブ、ＣＤ-ＲＯＭドライブ、ＤＶＤドライブ、ＦＬＡＳＨドライブ、ＲＡＭ、ＲＯＭ、または当業者にとって既知のその他の格納メディアであってもよい。
また、本実施形態に係るレジストレーションを用いた再構成は、上述した各機能をコンピュータに実現させるためのプログラム、或いは当該プログラムがインストールされた医用画像処理装置によっても実現することが可能である。
本願発明の数多くの特徴および利点が、上述の説明において、本願発明の構造および機能の詳細とともに、詳述されてきたにも関わらず、その開示は例示にすぎないこと、ならびに細部、特に部品の形状、サイズおよび配置に関して、またソフトウェア、ハードウェア、またはその両方の組み合わせの実行と同様に変更がされてもよいが、それら変更は、添付の特許請求の範囲が表現される用語の広い意味が及ぶ限り、本願発明の根本から乖離することはない。
５００…放射線ガントリ、５０１…Ｘ線管、５０２…環状フレーム、５０３…Ｘ線検出器、５０４…データ取得システム、５０５…非接触データ送信装置、５０６…前処理デバイス、５０７…回転ユニット、５０８…スリップリング、５０９…高電圧発生器、５１０…システムコントローラ、５１１…データ／制御バス、５１２…メモリ、５１３…電流調整器、５１４…再構成デバイス、５１５…入力デバイス、５１６…ディスプレイ

Claims (13)

  1. Ｘ線を照射するＸ線管と、
    前記Ｘ線管に電圧を印加する電圧発生部と、
    前記Ｘ線を検出するＸ線検出器と、
    前記電圧発生部を制御して前記電圧を切り替えることで、第１のエネルギーのＸ線と前記第１のエネルギーとは異なる第２のエネルギーのＸ線とでそれぞれ被検体の撮影を実行し、第１の投影データ及び第２の投影データをそれぞれ生成する投影データ取得部と、
    前記第１の投影データに基づいて第１の再構成画像を生成し、前記第２の投影データに基づいて第２の再構成画像を生成し、前記第２の再構成画像を、前記第１の再構成画像にレジストレーションする再構成部と、
    を具備し、
    前記再構成部は、
    前記レジストレーションされた第２の再構成画像を順投影して前記第２の投影データを更新し、
    前記第１の再構成画像を順投影して前記第１の投影データを更新し、
    前記更新された第１の投影データ又は前記第１の投影データと、前記更新された第２の投影データとを用いて基準物質分解画像を生成する、
    Ｘ線コンピュータ断層撮影装置。
  2. 前記再構成部は、
    前記レジストレーションの前の前記第２の投影データに基づく前記第２の再構成画像と、前記レジストレーションの後の前記第２の投影データに基づく前記第２の再構成画像と、の間の差分処理によってモーション画像を生成し、
    前記モーション画像を順投影してモーション投影データを生成し、
    前記モーション投影データと前記第１の投影データとを合成した合成投影データと、前記更新された第２の投影データとに基づいて、前記基準物質分解画像を生成する、
    請求項１記載のＸ線コンピュータ断層撮影装置。
  3. 前記再構成部は、前記モーション画像の前記順投影の前に、前記モーション画像をデノイズする、
    請求項２記載のＸ線コンピュータ断層撮影装置。
  4. 前記再構成部は、境界保存フィルタリング法を使って前記モーション画像をデノイズする、
    請求項３記載のＸ線コンピュータ断層撮影装置。
  5. 前記再構成部は、前記モーション画像の前記順投影の前に、前記モーション画像に対してローパスフィルタ処理を実行する、
    請求項２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影装置。
  6. 前記再構成部は、前記第２のエネルギーの関数として、前記第２のエネルギーのＸ線の減衰を決定することにより、前記モーション画像の前記順投影を実行する、
    請求項２乃至５のうちいずれか一項記載のＸ線コンピュータ断層撮影装置。
  7. 前記再構成部は、
    前記レジストレーションの後の第２の再構成画像と前記第１の再構成画像とを物質的に分解して前記基準物質分解画像を生成し、
    前記基準物質分解画像を用いて、前記第２のエネルギーの関数として前記第２のエネルギーのＸ線の減衰を決定する、
    請求項６記載のＸ線コンピュータ断層撮影装置。
  8. 前記再構成部は、
    前記第１の再構成画像と前記第２の再構成画像との間の相互相関を最大化することにより、前記第２の再構成画像を前記第１の再構成画像にレジストレーションする、
    請求項１乃至７のうちいずれか一項記載のＸ線コンピュータ断層撮影装置。
  9. 前記再構成部は、前記第１の再構成画像と前記第２の再構成画像との間の類似性指標を最適化することにより、前記第２の再構成画像を前記第１の再構成画像にレジストレーションする、
    請求項１乃至７のうちいずれか一項記載のＸ線コンピュータ断層撮影装置。
  10. 前記再構成部は、
    複数の前記第２の投影データを生成した場合には、前記複数の第２の投影データのそれぞれに対応する前記第２の再構成画像を前記第１の投影データにレジストレーションし、
    前記第１の投影データの順投影と前記レジストレーションされた前記複数の第２の投影データとを用いて前記基準物質分解画像を生成する、
    請求項１記載のＸ線コンピュータ断層撮影装置。
  11. 前記再構成部は、
    前記レジストレーションされた複数の第２の再構成画像と前記第１の再構成画像との間の差分処理によって複数のモーション画像を生成し、
    前記複数のモーション画像を順投影して、複数のモーション投影データを生成し、
    前記複数のモーション投影データと前記第１の投影データとを合成した合成投影データと、前記更新された第２の投影データとに基づいて、前記基準物質分解画像を生成する、
    請求項１０記載のＸ線コンピュータ断層撮影装置。
  12. 第１のエネルギーのＸ線で被検体の撮影を実行して収集された第１の投影データに基づいて第１の再構成画像を生成し、前記第１のエネルギーとは異なる第２のエネルギーのＸ線で前記被検体の撮影を実行して収集された第２の投影データに基づいて第２の再構成画像を生成し、前記第２の再構成画像を、前記第１の再構成画像にレジストレーションする再構成部、
    を具備し、
    前記再構成部は、
    前記レジストレーションされた第２の再構成画像を順投影して前記第２の投影データを更新し、
    前記第１の再構成画像を順投影して前記第１の投影データを更新し、
    前記更新された第１の投影データ又は前記第１の投影データと、前記更新された第２の投影データとを用いて基準物質分解画像を生成する、
    医用画像処理装置。
  13. Ｘ線を照射するＸ線管と、
    前記Ｘ線管に電圧を印加する電圧発生部と、
    前記Ｘ線を検出するＸ線検出器と、
    前記電圧発生部を制御して前記電圧を切り替えることで、第１のエネルギーのＸ線と前記第１のエネルギーとは異なる第２のエネルギーのＸ線とでそれぞれ被検体の撮影を実行し、第１の投影データ及び第２の投影データをそれぞれ生成する投影データ取得部と、
    前記第１の投影データに基づいて第１の再構成画像を生成し、前記第２の投影データに基づいて第２の再構成画像を生成し、前記第２の再構成画像を、前記第１の再構成画像にレジストレーションする再構成部と、
    を具備し、
    前記再構成部は、
    前記レジストレーションの前の前記第２の投影データに基づく前記第２の再構成画像と、前記レジストレーションの後の前記第２の投影データに基づく前記第２の再構成画像と、の間の差分処理によってモーション画像を生成し、
    前記モーション画像を順投影してモーション投影データを生成し、
    前記モーション投影データと前記第２の投影データとを合成した合成投影データと、前記第１の投影データとに基づいて、基準物質分解画像を生成する、
    Ｘ線コンピュータ断層撮影装置。
JP2017103089A 2016-05-24 2017-05-24 Ｘ線コンピュータ断層撮影装置及び医用画像処理装置 Active JP6925868B2 (ja)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US15/163,404 US10111638B2 (en) 2016-05-24 2016-05-24 Apparatus and method for registration and reprojection-based material decomposition for spectrally resolved computed tomography
US15/163,404 2016-05-24

Publications (2)

Publication Number Publication Date
JP2017209498A JP2017209498A (ja) 2017-11-30
JP6925868B2 true JP6925868B2 (ja) 2021-08-25

Family

ID=60421272

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2017103089A Active JP6925868B2 (ja) 2016-05-24 2017-05-24 Ｘ線コンピュータ断層撮影装置及び医用画像処理装置

Country Status (2)

Country Link
US (1) US10111638B2 (ja)
JP (1) JP6925868B2 (ja)

Families Citing this family (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10531854B2 (en) * 2015-12-01 2020-01-14 Canon Medical Systems Corporation X-ray CT apparatus
US10249064B2 (en) * 2016-08-02 2019-04-02 Toshiba Medical Systems Corporation Motion estimation method and apparatus
CN106859677B (zh) * 2017-01-16 2019-08-09 东软医疗系统股份有限公司 双能ct扫描图像重建方法及装置
US10789738B2 (en) * 2017-11-03 2020-09-29 The University Of Chicago Method and apparatus to reduce artifacts in a computed-tomography (CT) image by iterative reconstruction (IR) using a cost function with a de-emphasis operator
US11419566B2 (en) * 2017-11-14 2022-08-23 General Electric Company Systems and methods for improving image quality with three-dimensional scout
JP6925294B2 (ja) * 2018-03-23 2021-08-25 富士フイルム株式会社 画像処理装置、放射線画像撮影システム、画像処理方法、及び画像処理プログラム
KR102555465B1 (ko) * 2018-06-11 2023-07-17 삼성전자주식회사 단층 영상의 생성 방법 및 그에 따른 엑스선 영상 장치
CN108986182B (zh) * 2018-07-10 2022-11-25 上海联影医疗科技股份有限公司 一种重建ct图像的方法、系统及存储介质
CN118236087A (zh) * 2018-10-25 2024-06-25 上海联影医疗科技股份有限公司 用于散射校准的系统和方法
CN110187356B (zh) * 2019-06-14 2021-07-09 中国科学技术大学 远距离超分辨单光子成像重构方法
JP7324115B2 (ja) * 2019-10-11 2023-08-09 富士フイルムヘルスケア株式会社 物質弁別装置、ｐｃｃｔ装置および物質弁別方法
CN112581556B (zh) * 2020-12-25 2023-01-03 上海联影医疗科技股份有限公司 多能ct图像硬化校正方法、装置、计算机设备和存储介质
CN112884853B (zh) * 2021-01-07 2022-07-08 首都师范大学 一种基于相位ct的材料分解与识别方法

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6035012A (en) 1998-05-14 2000-03-07 Gen Electric Artifact correction for highly attenuating objects
US6904118B2 (en) 2002-07-23 2005-06-07 General Electric Company Method and apparatus for generating a density map using dual-energy CT
US7272429B2 (en) 2002-11-27 2007-09-18 Ge Medical Systems Global Technology Company, Llc Methods and apparatus for facilitating a reduction in artifacts
US7352885B2 (en) * 2004-09-30 2008-04-01 General Electric Company Method and system for multi-energy tomosynthesis
JP5389324B2 (ja) * 2006-12-18 2014-01-15 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線断層撮影装置
JP5511152B2 (ja) 2008-05-14 2014-06-04 富士フイルム株式会社 エネルギーサブトラクション方法及び装置
US8503750B2 (en) 2009-10-06 2013-08-06 General Electric Company Method and apparatus for reduction of metal artifacts in CT images
JP5588697B2 (ja) * 2010-03-03 2014-09-10 株式会社日立メディコ Ｘ線ｃｔ装置
EP2837406B1 (en) * 2012-04-11 2018-03-28 Toshiba Medical Systems Corporation Radiation therapy system and therapy planning device
US8811709B2 (en) 2012-11-14 2014-08-19 General Electric Company System and method for multi-material correction of image data

Also Published As

Publication number Publication date
US20170340304A1 (en) 2017-11-30
US10111638B2 (en) 2018-10-30
JP2017209498A (ja) 2017-11-30

Similar Documents

Publication Publication Date Title
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
JP7139119B2 (ja) 医用画像生成装置及び医用画像生成方法
JP6855223B2 (ja) 医用画像処理装置、ｘ線コンピュータ断層撮像装置及び医用画像処理方法
JP7150837B2 (ja) 機械学習を使用した画像生成
Tilley et al. Model-based iterative reconstruction for flat-panel cone-beam CT with focal spot blur, detector blur, and correlated noise
KR101728046B1 (ko) 단층 영상 복원 장치 및 그에 따른 단층 영상 복원 방법
JP6956505B2 (ja) 画像処理装置、ｘ線ｃｔ装置及び画像処理方法
JP5848049B2 (ja) Ｘ線画像の再構成のシステム及び方法
JP7504561B2 (ja) 医用処理装置及び放射線診断装置
CN110807737A (zh) 迭代图像重建框架
JP2018140165A (ja) 医用画像生成装置
US20130051516A1 (en) Noise suppression for low x-ray dose cone-beam image reconstruction
WO2016042466A2 (en) Iterative image reconstruction with a sharpness driven regularization parameter
CN110636796B (zh) X射线暗场成像中的射束硬化校正
JP6793469B2 (ja) データ処理装置、ｘ線ｃｔ装置及びデータ処理方法
EP2923332A1 (en) Projection data de-noising
JP6118324B2 (ja) 制限角度トモグラフィーにおけるフィルターバックプロジェクションのための画像再構成方法
AU2017203626A1 (en) A method and apparatus for motion correction in CT imaging
US10098603B2 (en) Method for estimation and correction of grid pattern due to scatter
JP6878147B2 (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
JP2023124839A (ja) 医用画像処理方法、医用画像処理装置及びプログラム
Choi et al. Integration of 2D iteration and a 3D CNN-based model for multi-type artifact suppression in C-arm cone-beam CT
US11270477B2 (en) Systems and methods for tailored image texture in iterative image reconstruction
EP4295312B1 (en) Projection-domain material decomposition for spectral imaging
US20240303780A1 (en) Deep learning-based algorithm for rejecting unwanted textures for x-ray images

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20200311

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20210129

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20210209

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20210407

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: 20210706

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20210804

R150 Certificate of patent or registration of utility model

Ref document number: 6925868

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150