JP6956505B2 - 画像処理装置、ｘ線ｃｔ装置及び画像処理方法 - Google Patents

Description

本発明の実施形態は、画像処理装置、Ｘ線ＣＴ装置及び画像処理方法に関する。

Ｘ線コンピュータ断層撮影（Computed Tomography：ＣＴ）は、癌、心臓、脳のイメージングにおいて、広く臨床応用されている。ＣＴは、癌のスクリーニングおよび小児科でのイメージングに多く使用されてきているため、臨床的ＣＴスキャンの放射線量を合理的に達成可能な限り低減する努力がなされている。例えば、逐次画像再構成（Iterative Reconstruction：ＩＲ）が、ＣＴイメージングにおいてさらに重要な役割を果たしている。ＩＲアルゴリズムは、従来の解析アルゴリズムに比べ、ＣＴ画質を改善すると同時に放射線量を減少させることが期待できる。

特開２０１３−０８５９６２号公報

本発明が解決しようとする課題は、高画質のＸ線ＣＴ画像を迅速に提供することができる画像処理装置、Ｘ線ＣＴ装置及び画像処理方法を提供することである。

実施形態の画像処理装置は、取得部と、生成部と、再構成部とを備える。取得部は、複数の検出素子で検出されたＸ線の強度を表す投影データを取得する。生成部は、前記取得部が取得した投影データを閾値を用いて分割することで、第１の投影データ及び第２の投影データを生成する。再構成部は、前記第１の投影データを純生データの状態で再構成し、前記第２の投影データを生データの状態で再構成して、前記第１の投影データ及び前記第２の投影データから再構成画像を生成する。

図１は、一実施態様に係るハイブリッドＩＲ方法のフロー図を示す。 図２Ａは、一実施態様に係るハイブリッドＩＲ方法の前半部分を示す。 図２Ｂは、一実施態様に係るハイブリッドＩＲ方法の後半部分を示す。 図３Ａは、純生データの一例のサイノグラムの図を示す。 図３Ｂは、生データの一例のサイノグラムの図を示す。 図３Ｃは、第１のマスクの一例を示す。 図３Ｄは、第２のマスクの一例を示す。 図３Ｅは、マスクされた純生データ（第１の投影データ）の図を示す。 図３Ｆは、マスクされた生データ（第２の投影データ）の図を示す。 図４は、一実施態様に係るハイブリッドＩＲ方法を図示し、純生データをマスクした後に、生データを生成する方法を示す。 図５は、一実施態様にかかる、ＣＴスキャナの実施態様の概略図を示す。

本開示は、ＣＴ投影データを用いた画像再構成に関する。より具体的には、本開示は、投影データを純生データの状態で再構成する処理方法（pre-log methods）、及び、投影データを生データの状態で再構成する処理方法（post-log methods）を組み合わせたコスト関数（以下、最適化関数とも記載する）を用いて、当該コスト関数の最適化問題を解く引数を見つけることによって画像を再構成することに関する。

Ｘ線ＣＴにおいて、ＩＲは、画像を生成するのに用いられる。代数的再構成法等、各種のＩＲ方法があるが、ある一般的なＩＲ方法は、以下の式を最適化して、当該式を最小化する引数xを求める。

正則化によって増強されるＩＲ方法は、フィルタードバックプロジェクション（Filtered Back Projection：ＦＢＰ）等の他の再構成方法と比較し、複数の利点を持つことができる。例えば、正則化によって増強されるＩＲ方法は、ビューが少ない投影データで、かなりのノイズがある場合でも、高品質の再構成をもたらすことができる。ビューが少なく、角度が限定され、ノイズを含む投影シナリオに対しては、再構成の反復間の正則化演算子を応用することによって、最終結果や中間結果を先験的なモデルに合わせようとする。例えば、減衰係数の正値性を強めることで、被検体ＯＢＪにはＸ線放射の強度の増加（すなわち、ゲイン）を引き起こす領域は存在しないという実際的な推定に基づき、あるレベルの正則化を与えることができる。

他の正則化項も同様に、再構成画像に課せられた特性や制約についての先験的な知識に依存する。例えば、凸射影法（Projection On Convex Sets：ＰＯＣＳ）と関連して「全変動（Total Variation：ＴＶ）」を最小化することもまた、非常に一般的な正則化方式である。ＴＶ最小化アルゴリズムは、画像が大きな領域にわたって大部分は均一であり、当該均一領域の境界において鮮明な遷移を有することを想定している。これは概して、離散的な数の器官の画像に当てはまる特徴であり、各器官はほぼ一定のＸ線吸収係数を有する（例えば、骨は第１の吸収係数を有し、肺は第２の係数を有し、心臓は第３の係数を有する）。先験的なモデルが画像の被検体ＯＢＪによく対応する場合、これらの正則化されたＩＲアルゴリズムは、たとえ再構成問題が有意に不十分な証拠で説明され（例えば、シナリオのビューが少ない等）、投影角度が足りない、またはノイズを含む場合でも、印象の強い画像を生成することができる。

ＩＲ方法の上記公式化は、投影データの生データ（すなわち、強度測定値の対数を計算することにより、強度を減衰に変換した投影データ）を用いており、ＦＢＰ法よりも低線量でより良質な画像を生成できるが、被検体への照射線量を低減するという努力は続けられており、さらに低いＸ線量でより良質な画像再構成を提供するという重圧と動機が生じている。臨床的応用における線量が減少し続け、電子ノイズの影響で、対数が定義されていないマイナスの値をデータが含む場合があるため、低線量ＣＴの断層画像再構成はさらに困難になっている。投影データを純生データの状態で再構成する処理方法、及び、投影データを生データの状態で再構成する処理方法が、ＣＴ画像再構成の各種の側面を改善するために別個に提案されており、それぞれの方法が、それぞれの利点および欠点を有する。例えば、投影データを純生データの状態で再構成する場合、画像から測定値へ非線形に変換されるので、収束が遅いという欠点があるが、同時に、理論的には、ノイズを正確にモデル化することによって低線量のデータの画質を改善できるという利点がある。一方、投影データを生データの状態で再構成する場合、収束が速いという利点があるが、低カウントのＣＴデータについては、投影データを強度から減衰に変換するのに用いられる対数計算においてノイズが増幅されるので、画質が比較的劣るという欠点がある。

投影データを純生データの状態で再構成する処理方法及び生データの状態で再構成する処理方法は、それぞれ、別個の利点および問題点を有している。これらの問題点の多くは、純生データの状態での再構成の処理モデルおよび生データの状態での再構成の処理モデルを統合して、両方法の利点を確保するハイブリッド方法を用いることによって克服できる。このハイブリッド方法は、臨床的なＣＴの応用において放射線量を低減するというさらに増加する要求に応えるのに有利である。一方、純生データ領域で行われるＩＲ方法は、実際上は、画像から測定値への非線形な変換が行われるので、収束は遅いが、低線量のＣＴデータについては、その正確なノイズモデルにより画質が改善されるという利点がある。一方、生データ領域で行われるＩＲ方法は、収束は速いが、低カウントのＣＴデータに対しては、対数計算が原因で、結果として得られる画質は最適とは言えない。対数計算はノイズの影響を受けやすく、線量が低い場合は測定ノイズを増幅してしまう可能性があり、マイナスの測定値に対しては定義されない。

本明細書に記載するハイブリッド方法は、純生データの状態での再構成の処理モデルおよび生データの状態での再構成の処理モデルを統合し、別個に用いられた場合の各モデルの欠点を克服するものである。当該ハイブリッド方法は、閾値パラメータを使用して、ＣＴ投影データ（すなわち、純生データの状態の投影データ）を、閾値より大きな値を有する投影データ、及び閾値より小さな値を有する投影データに分類する。即ち、当該ハイブリッド方法においては、ＣＴ投影データを、閾値を用いて分割する。なお、以下では、分割されたＣＴ投影データのうち、投影データの値が閾値より大きくなる部分に対応する投影データを、第１の投影データとも記載する。また、以下では、分割されたＣＴ投影データのうち、投影データの値が閾値より小さくなる部分に対応する投影データを、第２の投影データとも記載する。第１の投影データおよび第２の投影データは、それぞれ、純生データの状態で再構成する処理方法及び生データの状態で再構成する処理方法を用いて演算される。限定ではなく一例として、第２の投影データは加重最小二乗モデルを用いて演算でき、第１の投影データはシフトポアソンモデルを用いて演算できる。有利な点としては、本明細書に記載するハイブリッド方法は、純生データの状態で再構成する処理方法（例えば、純生データの状態の投影データに対するシフトポアソン尤度方法）のみを用いるよりも速い収束を達成でき、生データの状態で再構成する処理方法（例えば、加重最小二乗法）のみを用いるよりも良好な画質を達成できる。

投影データを純生データの状態で再構成する処理方法及び生データの状態で再構成する処理方法は、複数のタイプのＣＴ用断層画像再構成方法を表す。純生データの状態で再構成する処理方法では、ＣＴ画像は、例えば複雑な複合ポアソン尤度、またはシフトポアソンモデルのような近似の統計モデルのいずれかを用いて、生の測定値から直接再構成できる。生データの状態で再構成する処理方法では、比率の対数が計算され、当該比率はブランクスキャン（例えば、空のＣＴスキャナを用いる）とロースキャン（例えば、撮像される被検体ＯＢＪを使用する）との間の比率である。その結果は、被検体ＯＢＪを通したＸ線減衰の線積分（すなわち、投影）を表す生データの状態のサイノグラムデータである。その後、ＩＲ ＦＢＰ再構成またはペナルティ付き加重最小二乗（Penalized Weighted Least Square：ＰＷＬＳ）等のＩＲ方法が、サイノグラムデータからＣＴ画像を再構成するために用いられる。

まず、純生データの状態で再構成する処理方法について検討する。この方法においては、生のＣＴ測定値が直接演算される。ここで、例えば、正確または十分に近似された、測定ノイズの統計モデル（例えば、シフトポアソンモデル）を利用することができる。したがって、純生データの状態で再構成する処理方法は、低線量ＣＴにおける画質を改善する可能性を有する。しかしながら、Ｘ線透過のデータモデルは非線形であり、解を求めるべき複雑な最適化問題が生じる。順序付き部分集合の分離可能放物線代用（Ordered Subsets Separable Paraboloidal Surrogate：ＯＳ−ＳＰＳ）アルゴリズムのような現存する最適化方法は効率的に実行可能であるが、これらのアルゴリズムは、純生データ領域と画像領域との結合が強いので、ペナルティ付き尤度解に収束するのが遅い可能性がある。したがって、反復が実際の時間制限内に限定される場合は、純生データの状態で再構成する処理方法は最適画質に収束しない可能性があり、結果として得られる画像が、時間制限の無い場合に達成できる理論的限界に比べて劣る可能性がある。

ノイズによって引き起こされるアーチファクトを低減するために、断層画像再構成の前に、まず、生データ領域サイノグラムが統計反復法を用いて平滑化され、またノイズ除去される。しかしながら、平滑化／ノイズ除去とサイノグラムデータへのバイアス導入との間にはトレードオフが生じる可能性があり、画質の低下やアーチファクトにつながる。平滑化されたサイノグラムにおけるノイズおよび空間相関の両方が適切にモデル化された場合に、逐次画像再構成の利点が最大化できる。しかしながら、ノイズ伝播は複雑であり、ＣＴスキャナは空間的に異なるので、ノイズおよび生データ領域における相関の正確で効率的な統計モデル化は困難である。

上述の問題を解決するために、本明細書に記載するハイブリッド方法は、純生データ領域のデータ、及び、生データ領域のデータを有利に組み合わせ、ＣＴ画像再構成を促進し、画質を改善する。したがって、本明細書に記載するハイブリッド方法は、投影データを純生データの状態で再構成する処理方法及び生データの状態で再構成する処理方法それぞれの欠点を克服するものである。さらに、これらの有利な結果は、異なるＸ線検出素子によって測定された画素値を「高カウント」および「低カウント」データに分類する閾値パラメータτの使用によって達成される。「画素」という語は、投影（例えば、２次元画像における２次元の画素）に対応する一連のＸ線強度／減衰値の中のある値、および被検体ＯＢＪの再構成された減衰画像（例えば、３次元画像における３次元のボリュームピクセル、すなわちボクセル）におけるある値の両方を示すのに使用される可能性があることに留意されたい。それぞれの場合において、「画素」の語の意図される意味は文脈から明確である。

閾値τよりも大きい画素値については、当該画素値は「高カウント」値であると判断され、速い収束を達成するために、生データの状態で再構成する処理方法（例えば、ＰＷＬＳ法）を用いて処理される。閾値τよりも小さい画素値については、当該画素値は「低カウント」値であると判断され、純生データの状態で再構成する処理方法（例えば、シフトポアソンモデル）を用いて処理され、改善された統計ノイズモデル化の利点を得ることによって画質を改善する。閾値パラメータτを適切に選択することで、ハイブリッド方法は、生データの状態で再構成する処理方法と同様の速い収束を達成する一方で、純生データの状態で再構成する処理方法と同様の改善された画質を有する。

ＣＴイメージングにおける統計的処理は、一般的に複雑で、複合ポアソン分布を用いてモデル化できる。校正とデータ補正（例えば、ビームハードニング、検出器の非線形性、ｋエスケープ、パイルアップ等）の原因となるＸ線検出器のカウントを前処理した後に、ＣＴデータは、測定における電子ノイズの原因となる付加的なガウス分布を伴うポアソン分布に続く独立した確率変数によって、実際上、モデル化できる。検出素子ｉによって測定される確率変数Ｙ_ｉの統計モデルは、以下のように表せる。

電子ノイズモデル化を含包することによって、低線量ＣＴの画像再構成が改善される。しかしながら、式（１）における複合ポアソンおよびガウスモデルの尤度関数に対する単純な解析形式は存在しないため、このモデルの使用はコンピュータ計算の点で困難である。他の統計モデルは、例えば、以下のシフトポアソンモデルである。

シフトポアソンモデル（シフトポアソンノイズモデル）およびポアソンガウスモデル（ガウスポアソンノイズモデル）に加え、統計モデルは、ガウスノイズモデル、ポアソンモデル（ポアソンノイズモデル）、複合ポアソンモデル（複合ポアソンノイズモデル）、またはその他の統計分布、もしくはシステムにおけるノイズを表す統計分布の組み合わせであってもよい。シフトポアソンモデルについては、以下の式で与えられるシフトポアソンモデルの対数尤度関数を最大化することにより、画像推定が得られる。

一実施態様において、式（５）に表される上記の最適化問題は、例えば、順序付き部分集合（Ordered Subset：ＯＳ）によって加速した分離可能放物線代用（Separable Paraboloidal Surrogate：ＳＰＳ）法によって解くことができる。一般に、例えば勾配降下法またはその他の既知の方法を含む任意の最適化方法が、式（５）を解くために使用できる。式（５）に表される上記の最適化問題を解くために使用できる最適化方法のさらなる例は、例えば、拡張ラグランジュ法、交互方向乗数法、ネステロフ法、前処理付き勾配降下法、順序付き部分集合法、または上記の組み合わせである。

上述したように、投影データを純生データの状態で再構成する処理方法、及び生データの状態で再構成する処理方法の両方が、それぞれの利点と欠点を有する。純生データの状態で再構成する処理方法は、理論上改善された画質に対応する生の投影領域において十分に近似されたノイズモデル化を可能にするが、再構成の収束が遅いので、実際の時間制約がある場合に実際に達成される画質は、画質の改善を大幅に限定してしまう可能性がある。生データの状態で再構成する処理方法は速く収束するが、低カウントのＣＴデータに対する画質は最適とは言えない可能性がある。本明細書に記載するハイブリッド方法は、投影データを純生データの状態で再構成する処理方法、又は生データの状態で再構成する処理方法のいずれかが個別に用いられた場合の欠点を克服するものである。

当該ハイブリッド方法は、以下の最適化式を用いて、被検体ＯＢＪの画像を再構成する。

閾値パラメータτは、当該ハイブリッド方法において重要な機能を有する。τ＝−∞である場合、ハイブリッド方法は、投影データを生データの状態で再構成する収束の速い処理方法（例えば、ＰＷＬＳ）と同じである。τが増加するにつれて、ハイブリッド方法は、投影データの純生データから算出され、統計的に有効な画質を有するシフトポアソン解に近づく。式（１３）において、パラメータτは、検出素子によって異なる。

閾値τを適切に選択することによって、ハイブリッド画像再構成方法は、速く収束できるだけでなく、純生データ（τ＝∞）または生データ（τ＝−∞）のいずれか一方しか使用しない現存の方法に比べて、良好な画質を生成することができる。一実施態様において、閾値τは、生データが、あらかじめ定義された信号対雑音比を超えることを保証するために選択され、閾値τより低い信号対雑音比を有する全ての画素値が、純生データの状態で再構成する処理方法を用いて処理される。一実施態様において、閾値τは、あらかじめ定義された画質を達成するように経験的に選択される。例えば、再構成画像の画質が、あらかじめ定義された性能指数より低い場合、より良好な画質を達成するように閾値τが（一定のあらかじめ定義された限界まで）増加される。一実施態様において、初期の速い収束を確保するために、閾値τは、式（１２）にて行われる最適化方法の初期反復のために低く設定され、その後、より良好な最終画質を達成するために、閾値τは後半の反復において増加される。

方法１００のステップ１４０において、後処理ステップおよび方法を用いて、再構成画像がさらに処理される。再構成後処理は必要に応じて、再構成画像のノイズ除去、フィルタリング、および平滑化、ボリュームレンダリング処理、物質分解、ならびに画像差処理を含むことができる。一実施態様において、ステップ１４０は省略できる。

図２Ａおよび図２Ｂは、方法１００の一実施態様を図で表現したものである。図２Ａの上部において、生ＣＴ投影データが示されており、これは純生データの状態のサイノグラムデータと同一である。純生データの状態のサイノグラムデータ（生ＣＴ投影データ）は、図３Ａにも示されている。純生データの状態のサイノグラムデータと閾値パラメータτとの間の比較に基づき、投影データの値が閾値より小さくなる部分を表す第１のマスク、及び、投影データの値が閾値より大きくなる部分を表す第２のマスクを生成することができる。なお、投影データの値とは、例えば、上述した画素値である。第１のマスクは図３Ｃに示され、第２のマスクは図３Ｄに示されている。当該マスクの白い画素は、対応する不等式を満たすサイノグラムデータの画素を表し、マスクの黒い画素は、対応する不等式を満たさないサイノグラムデータの画素を表す。マスクを生成した後（またはマスクの生成と並行して）、投影データの生データが（例えば、式（８）を用いて）生成される。一実施態様において、効率を高めるために、生データの計算は、第２のマスクが表す不等式を満たす画素に限定してもよい。投影データの生データが図３Ｂに示されている。次に、図２Ｂに示すように、第１のマスク及び第２のマスクが、純生データの状態のサイノグラムデータ及び生データの状態のサイノグラムデータにそれぞれ適用され、その後、式（１２）のコスト関数を最小化することによって画像xが再構成される。図３Ｅおよび３Ｆはそれぞれ、純生データの状態の第１の投影データ（即ち、第１のマスクを適用した後の純生データ）及び生データの状態の第２の投影データ（即ち、第２のマスクを適用した後の生データ）を示す。

一実施態様において、第１のマスク及び第２のマスクは、純生データの状態の投影データではなく、純生データの状態の投影データに対して所定の処理を行うことにより取得した他のサイノグラムデータ（処理済み投影データ）を参照して生成してもよい。例えば、予備画像が生ＣＴ投影データから再構成され、予備画像の再投影を用いて、第１のマスク及び第２のマスクが取得されてもよい。一実施態様において、生ＣＴ投影データはダウンサンプリングされてもよく、その後、ダウンサンプリングされたデータを用いてＦＢＰを行い、ダウンサンプリングされた予備画像を生成してもよい。次に、ダウンサンプリングされた予備画像をアップサンプリングして、予備画像を生成してもよい。予備画像はノイズ除去や空間フィルタリングといった種々のフィルタリングが施されてもよく、その後、順投影され、再投影ＣＴ投影データが生成される。その後、再投影されたＣＴ投影データを閾値と比較することによって、第１のマスク及び第２のマスクが生成できる。さらに、例えば、コンピュータ計算リソースが不足していない場合は、ダウンサンプリングおよびアップサンプリングのステップは省略できる。あるいは、ノイズ除去等のフィルタリングを生ＣＴ投影データに直接適用してもよく、フィルタリングされた生ＣＴ投影データをマスクの生成に使用してもよい。一般に、生ＣＴ投影データは、マスクの忠実度および予測性を改善するために、当該分野で通常の知識を有する者に理解される任意の方法で処理でき、サイノグラムはＸ線の流束量が低い領域およびＸ線の流束量が中程度から高い領域に分割される。

図４は、式（１２）におけるコスト関数を計算するための方法１００の一実施態様を示す。図４に示される実施態様は、第２のマスクによってマスクされた純生データから、生データの状態の第２の投影データを生成する前に、マスクが純生データに適用される点で、図２Ａおよび図２Ｂに示される実施態様と異なる。一般に、式（１２）のコスト関数を計算するために、任意の次数の演算が使用できる。図４は、再構成画像を生成するための最適化に対応するステップは示していない。

当該分野で通常の知識を有する者ならば理解するように、上記の方法１００の実施態様は複数の方法で変形できる。言い換えると、投影データを分割することで、純生データの状態の第１の投影データと生データの状態の第２の投影データとを取得することができる限り、マスクを適用するタイミングは任意であり、また、純生データから生データへの変換を行うタイミングも任意である。また、上述した実施形態では、マスクを用いて投影データを分割する場合について説明したが、マスクの生成は行わない場合であってもよく、例えば、投影データの値と閾値とを比較することによって投影データを第１の投影データと第２の投影データとに分割してもよい。以下、他の変形例について説明する。

第二に、閾値基準は、電子ノイズレベルや信号対雑音比の代わりに、またはそれらに加えて、ビームハードニングを説明するように変形できる。したがって、投影データを第１の投影データ又は第２の投影データ用のビンにソートするために他の閾値基準が選択でき、これらの他の閾値基準は、投影データに対するビームハードニングの影響に基づくことができる。投影データの画素がビームハードニングの強い影響を受ける場合（例えば、造影剤や骨等の高減衰の媒体を通過する等）は、第１の投影データに割り当てられ、第１の投影データに割り当てられない画素が第２の投影データに割り当てられる。

例えば、一実施態様において、投影データに対するビームハードニング効果は、画像領域においては(ｉ)第１の画像をすぐに再構成し（例えば、ダウンサンプリングを行い、非反復ＦＢＰ法を用いる）、（ｉｉ）閾値および領域拡張法を用いて、粗い再構成画像内で、造影剤や骨等の高減衰媒体の領域を判定して、画像領域マスクを生成し、（ｉｉｉ）画像領域マスクをアップサンプリングし、（ｉｖ）アップサンプリングされた画像領域マスクを順投影して、図３Ｃおよび図３Ｄに示されたのと同様の投影／サイノグラム領域マスクを生成することによって決定できる。一実施態様において、あらかじめ定義された数の高減衰画素を通る線軌道に対応する投影画素が投影領域内の第１の投影データに割り当てられる画素であると決定されるように、順投影処理は付加的な閾値基準を含んでもよい。

純生データの状態での処理の一実施態様において、ビームハードニング、検出器正規化、およびＸ線参照流束量変動等の乗法的な物理補正が、システム行列のモデルに含まれることに注意されたい。しかしながら、生データの状態での処理に対して、これらの乗法的な物理補正は、生データ自体において前補正される。また、分散および電子暗電流等の加法的な物理補正が純生データプレ対数データモデルに組み入れられるが、生データの状態での処理において前補正される。

図５は、ＣＴ装置またはスキャナに含まれる撮影ガントリの一実施態様を示す。図５に示すように、撮影ガントリ５００が側面から示され、さらにＸ線管５０１、環状フレーム５０２、および多列または２次元アレイ型のＸ線検出器５０３を備える。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を挟んで正反対の位置に取り付けられており、環状フレーム５０２は回転軸ＲＡの周囲に回転可能に支持されている。回転ユニット５０７は、被検体ＯＢＪが図示されたページの中あるいは外へ軸ＲＡに沿って移動される間に、環状フレーム５０２を、例えば０．４秒／回転の高速で回転させる。

以下に、本発明にかかるＸ線ＣＴ装置の第１の実施形態を、添付の図面を参照して説明する。Ｘ線ＣＴ装置は、例えば、Ｘ線管およびＸ線検出器が検査を受ける被検体の周囲を一緒に回転する回転／回転型装置、多数の検出素子がリング形や平面形に配列され、Ｘ線管だけが検査を受ける被検体の周囲を回転する静止／回転型装置等、各種の装置を含むことに注意されたい。本発明はいずれの型にも適用可能である。今回の場合は、現在主流となっている回転／回転型を例として説明する。

マルチスライスＸ線ＣＴ装置はさらに、高電圧発生器５０９を備える。高電圧発生器５０９は、Ｘ線管５０１がＸ線を発生するように、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発生する。Ｘ線が被検体ＯＢＪに向かって放射され、被検体ＯＢＪの断面領域は円で表される。例えば、Ｘ線管５０１は最初のスキャンの間に、２番目のスキャンの間の平均Ｘ線エネルギーよりも少ない平均Ｘ線エネルギーを有する。したがって、異なるＸ線エネルギーに対応して２回以上のスキャンが得られる。Ｘ線検出器５０３は、被検体ＯＢＪを挟んでＸ線管５０１の反対側に位置し、被検体ＯＢＪを透過した放射Ｘ線を検出するためのものである。Ｘ線検出器５０３はさらに個々の検出素子またはユニットを備える。

ＣＴ装置はさらに、Ｘ線検出器５０３から検出された信号を処理するための他の装置を備える。データ収集回路すなわちデータ収集システム（Data Acquisition System：ＤＡＳ）５０４は、Ｘ線検出器５０３から出力された信号をチャネルごとに電圧信号に変換し、当該信号を増幅し、さらにデジタル信号に変換する。Ｘ線検出器５０３およびＤＡＳ５０４は所定の１回転あたりの総投影数（Total number of Projections Per Rotation：ＴＰＰＲ）を扱うように構成されている。

上記のデータは、非接触データ送信器５０５を通して、撮影ガントリ５００の外側のコンソールに収容されている前処理装置５０６に送られる。前処理装置５０６は、生データに対して感度補正等の一定の補正を行う。記憶装置５１２は、再構成処理の直前の段階で投影データとも呼ばれる結果データを記憶する。記憶装置５１２は、再構成装置５１４、入力装置５１５、および表示装置５１６と一緒に、データ／コントロールバス５１１を介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システムを駆動するのに十分なレベルに電流を制限する電流調整器５１３を制御する。

検出器は、各種世代のＣＴスキャナシステムにおいて、被検体に対して回転され、また固定される。一実施態様において、上記のＣＴシステムは、第３世代ジオメトリおよび第４世代ジオメトリを組み合わせたシステムの一例でもよい。第３世代のシステムにおいて、Ｘ線管５０１およびＸ線検出器５０３は環状フレーム５０２上に正反対の位置で取り付けられ、環状フレーム５０２が回転軸ＲＡの周囲を回転する時に被検体ＯＢＪの周囲を回転する。第４世代ジオメトリのシステムにおいて、検出器は被検体の周囲に固定して設置され、Ｘ線管が被検体の周囲を回転する。代替的な実施形態において、撮影ガントリ５００は、環状フレーム５０２上に配置された複数の検出器を有し、環状フレーム５０２はＣアームおよびスタンドに支持されている。

記憶装置５１２は、Ｘ線検出器５０３においてＸ線の放射照度を表す測定値を記憶することができる。さらに、記憶装置５１２は、本明細書で述べるＣＴ画像再構成のハイブリッド方法１００を実施するための専用プログラムを記憶することができる。

再構成装置５１４は、本明細書で述べるＣＴ画像再構成のハイブリッド方法１００を実施することができる。例えば、再構成装置５１４は、取得部と、生成部と、再構成部とを備える。取得部は、複数の検出素子で検出されたＸ線の強度を表す投影データを取得する。また、生成部は、取得部が取得した投影データを閾値を用いて分割することで、第１の投影データ及び第２の投影データを生成する。また、再構成部は、第１の投影データを純生データの状態で再構成し、第２の投影データを生データの状態で再構成して、第１の投影データ及び第２の投影データから再構成画像を生成する。さらに、再構成装置５１４は必要に応じて、ボリュームレンダリング処理および画像差処理等の再構成前処理画像処理を実施することができる。

前処理装置５０６によって行われる投影データの再構成前処理は、例えば、検出器校正、検出器非線形性、および極性効果等の補正を含んでもよい。

再構成装置５１４によって行われる再構成後処理は必要に応じて、画像のフィルタリングおよび平滑化、ボリュームレンダリング処理、ならびに画像差処理を含んでもよい。画像再構成処理は、本明細書で述べた、または考慮した方法１００を用いた画像再構成のいずれの実施態様を使用できる。再構成装置５１４は、例えば、投影データ、再構成画像、校正データおよびパラメータ、ならびにコンピュータプログラムを記憶するためにメモリを使用できる。

再構成装置５１４は、離散論理ゲートとして、特定用途向け集積回路（Application Specific Integrated Circuit：ＡＳＩＣ）、フィールドプログラマブルゲートアレイ（Field Programmable Gate Array：ＦＰＧＡ）、またはその他の複合プログラマブル論理デバイス（Complex Programmable Logic Device：ＣＰＬＤ）としての実装が可能な中央演算処理装置（Central Processing Unit：ＣＰＵ）（処理回路機構）を備えることができる。ＦＰＧＡまたはＣＰＬＤとしての実施態様は、超高速集積回路設計用ハードウェア記述言語（VHSIC(Very High Speed Integrated Circuit) Hardware Description Language：ＶＨＤＬ）、Ｖｅｒｉｌｏｇ、または他のどのようなハードウェア記述言語でプログラムされてもよく、そのプログラムコードはＦＰＧＡまたはＣＰＬＤ内部の電子メモリに直接記憶されてもよいし、別の電子メモリに記憶されてもよい。さらに、記憶装置５１２は、ＲＯＭ（Read Only Memory）、ＥＰＲＯＭ（Erasable Programmable Read Only Memory）、ＥＥＰＲＯＭ（Electrically Erasable Programmable Read Only Memory）、フラッシュメモリ等のように不揮発性であってよい。記憶装置５１２は、スタティックＲＡＭ（Random Access Memory）、ダイナミックＲＡＭ等のように揮発性とすることもでき、その場合、電子メモリだけでなくＦＰＧＡまたはＣＰＬＤとメモリとの間の連携を管理するマイクロコントローラ、マイクロプロセッサ等の処理部を設けてもよい。

代替として、再構成装置５１４におけるＣＰＵは、本明細書に記載の機能を実施するコンピュータ可読な命令の集合を含むコンピュータプログラムを実行してよく、そのプログラムは、上述の非一時的な電子メモリやハードディスクドライブ、ＣＤ（Compact Disc）、ＤＶＤ（Digital Versatile Disc）、フラッシュドライブ、または他の任意の既知の記憶媒体に記憶されている。さらに、それらのコンピュータ可読な命令は、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、オペレーティングシステムの一部、またはそれらの組み合わせとして提供され、米国インテル社のＸｅｎｏｎプロセッサまたは米国ＡＭＤ社のＯｐｔｅｒｏｎプロセッサ等のプロセッサ、およびＭｉｃｒｏｓｏｆｔ ＶＩＳＴＡ、ＵＮＩＸ（登録商標）、Ｓｏｌａｒｉｓ、ＬＩＮＵＸ（登録商標）、Ａｐｐｌｅ ＭＡＣ−ＯＳ、および当業者既知のその他のオペレーティングシステム等のオペレーティングシステムと連携して実行される。さらに、ＣＰＵは、命令を実行するために並行して協調して動作する複数のプロセッサとして実装することもできる。

一実施態様において、再構成画像は表示装置５１６に表示することができる。表示装置５１６は、ＬＣＤ（Liquid Crystal Display）、ＣＲＴ（Cathode-Ray Tube）ディスプレイ、プラズマディスプレイ、ＯＬＥＤ（Organic Light Emitting Diode）、ＬＥＤ（Light Emitting Diode）、または当業者が知る他の任意のディスプレイであってもよい。

記憶装置５１２は、ハードディスクドライブ、ＣＤ−ＲＯＭ（Compact Disc Read Only Memory）ドライブ、ＤＶＤドライブ、フラッシュドライブ、ＲＡＭ、ＲＯＭ、または当業者が知る他の任意の電子記憶装置でよい。

特定の実施態様を説明したが、これらの実施態様は、単なる事例として提示したものであり、本開示の教示を限定するものではない。実際、本明細書で説明した新規の方法、装置、およびシステムは、様々な別の態様で具体化が可能である。さらには、本開示の要旨を逸脱することなく、本明細書で説明した方法、装置、およびシステムの態様において様々な省略、置換、および変更が可能である。

以上説明した少なくとも一つの実施形態によれば、高画質のＸ線ＣＴ画像を迅速に提供することができる。

本発明のいくつかの実施形態を説明したが、これらの実施形態は、例として提示したものであり、発明の範囲を限定することは意図していない。これら実施形態は、その他の様々な形態で実施されることが可能であり、発明の要旨を逸脱しない範囲で、種々の省略、置き換え、変更を行うことができる。これら実施形態やその変形は、発明の範囲や要旨に含まれると同様に、特許請求の範囲に記載された発明とその均等の範囲に含まれるものである。

５００ 撮影ガントリ
５０６ 前処理装置
５０９ 高電圧発生器
５１０ システムコントローラ
５１２ 記憶装置
５１３ 電流調整器
５１４ 再構成装置
５１５ 入力装置
５１６ 表示装置

Claims (13)

1. 複数の検出素子で検出されたＸ線の強度を表す投影データを取得する取得部と、
   前記取得部が取得した投影データを閾値を用いて分割することで、第１の投影データ及び第２の投影データを生成する生成部と、
   対数計算が行なわれていない純生データの状態の前記第１の投影データと、対数計算が行なわれた生データの状態の前記第２の投影データとを、単一の最適化関数を用いて再構成して、前記第１の投影データ及び前記第２の投影データから再構成画像を生成する再構成部と
   を備えた画像処理装置。
2. 前記第１の投影データは、前記取得部が取得した投影データのうち、投影データの値が前記閾値より小さくなる部分に対応し、
   前記第２の投影データは、前記取得部が取得した投影データのうち、投影データの値が前記閾値より大きくなる部分に対応する、請求項１に記載の画像処理装置。
3. 前記取得部は、更に、取得した投影データに対するフィルタリングを行って処理済み投影データを取得し、又は、取得した投影データから予備画像を再構成し、再構成した予備画像に対するフィルタリングを行い、フィルタリング済みの予備画像の再投影を行って前記処理済み投影データを取得し、
   前記生成部は、投影データの値が前記閾値より小さくなる部分を表す第１のマスクを前記処理済み投影データに用いて前記第１の投影データを生成し、投影データの値が前記閾値より大きくなる部分を表す第２のマスクを前記処理済み投影データに用いて前記第２の投影データを生成する、請求項１又は２に記載の画像処理装置。
4. 前記生成部は、前記第１のマスク及び前記第２のマスクを前記処理済み投影データから生成し、前記第１のマスクを前記処理済み投影データに用いて前記第１の投影データを生成し、前記第２のマスクを前記処理済み投影データに用いて前記第２の投影データを生成する、請求項３に記載の画像処理装置。
5. 前記再構成部は、前記最適化関数の値を最小化するために前記再構成画像の画素値を調整することによって、前記第１の投影データ及び前記第２の投影データから前記再構成画像を生成する、請求項１乃至４のいずれか一項に記載の画像処理装置。
6. 前記最適化関数は、ペナルティ付き加重最小二乗式を含み、
   前記再構成部は、前記第２の投影データに対しては前記ペナルティ付き加重最小二乗式を用いて、前記第１の投影データ及び前記第２の投影データから前記再構成画像を生成する、請求項５に記載の画像処理装置。
7. 前記最適化関数は、シフトポアソンモデルの対数尤度関数を含み、
   前記再構成部は、前記第１の投影データに対しては前記シフトポアソンモデルの対数尤度関数を用いて、前記第１の投影データ及び前記第２の投影データから前記再構成画像を生成する、請求項５又は６に記載の画像処理装置。
8. 前記最適化関数は、前記再構成画像の粗さに対するペナルティを表す正則化項を含む、請求項５乃至７のいずれか一項に記載の画像処理装置。
9. 前記正則化項は、フーバー正則化項、二次正則化項、パッチベース正則化項、および全変動最小化正則化項のうち少なくとも１つである、請求項８に記載の画像処理装置。
10. 前記再構成部は、分離可能放物線代用法、順序付き部分集合法、勾配降下法、拡張ラグランジュ法、交互方向乗数法、ネステロフ法、および前処理付き勾配降下法のうち少なくとも１つを用いて、前記再構成画像の画素値を調整する、請求項５乃至９のいずれか一項に記載の画像処理装置。
11. 前記再構成部は、ガウスノイズモデル、ポアソンノイズモデル、ガウスポアソンノイズを含む複合ポアソンノイズモデル、およびシフトポアソンノイズモデルのうち少なくとも１つを用いて、前記第１の投影データを純生データの状態で再構成する、請求項５乃至１０のいずれか一項に記載の画像処理装置。
12. Ｘ線を放射するＸ線源と、
    前記Ｘ線源から放射された前記Ｘ線を検出し、検出した前記Ｘ線の強度を表す投影データを生成する複数の検出素子と、
    前記複数の検出素子で生成された投影データを取得する取得部と、
    前記取得部が取得した投影データを、閾値を用いて分割し、第１の投影データ及び第２の投影データを生成する生成部と、
    対数計算が行なわれていない純生データの状態の前記第１の投影データと、対数計算が行なわれた生データの状態の前記第２の投影データとを、単一の最適化関数を用いて再構成して、前記第１の投影データ及び前記第２の投影データから再構成画像を生成する再構成部と
    を備えたＸ線ＣＴ装置。
13. 複数の検出素子で検出されたＸ線の強度を表す投影データを取得するステップと、
    取得した投影データを閾値を用いて分割することで、第１の投影データ及び第２の投影データを生成するステップと、
    対数計算が行なわれていない純生データの状態の前記第１の投影データと、対数計算が行なわれた生データの状態の前記第２の投影データとを、単一の最適化関数を用いて再構成して、前記第１の投影データ及び前記第２の投影データから再構成画像を生成するステップと
    を含む画像処理方法。

Images