KR20120116940A

KR20120116940A - 향상된 화상 데이터/선량 감소

Info

Publication number: KR20120116940A
Application number: KR1020127016094A
Authority: KR
Inventors: 라이란 고센; 케빈 엠. 브라운; 스태니슬라브 자빅; 엔스 비에거트; 아셀 그린가우즈
Original assignee: 코닌클리케 필립스 일렉트로닉스 엔.브이.
Priority date: 2009-11-25
Filing date: 2010-10-29
Publication date: 2012-10-23
Also published as: RU2565507C2; EP2504811A2; US20120224760A1; WO2011064683A2; WO2011064683A3; CN102667852A; US8938110B2; JP5694357B2; BR112012012231A2; CN102667852B; EP2504811B1; JP2013512024A; RU2012126144A

Abstract

방법은 더 낮은 선량의 화상 데이터와 사전 결정된 화상 품질 임계치를 기초로 하여 향상된 화상 데이터를 발생시키는 단계를 포함하고, 향상된 화상 데이터의 화상 품질은 더 높은 선량의 화상 데이터의 화상 품질과 실질적으로 유사하고, 시스템은 더 낮은 선량의 화상 데이터와 사전 결정된 화상 품질 임계치를 기초로 하여 향상된 화상 데이터를 발생시키는 화상 품질 향상기(128)를 포함하고, 향상된 화상 데이터의 화상 품질은 더 높은 선량의 화상 데이터의 화상 품질과 실질적으로 유사하다.

Description

향상된 화상 데이터/선량 감소{ENHANCED IMAGE DATA/DOSE REDUCTION}

본 발명은 전반적으로 더 높은 선량의 화상 데이터의 화상 품질과 실질적으로 동일하게 되도록 더 낮은 선량의 화상 데이터의 화상 품질을 향상시키는 것(소음을 감소시키는 것)과 같은 화상 데이터 향상과, 컴퓨터 단층 촬영(CT; computed tomography)에 대한 특정한 용례를 찾는 것에 관한 것이다. 그러나, 또한 기타 의료용 촬상 용례 및 비의료용 촬상 용례에 맞게 수정될 수 있다.

멀티슬라이스 컴퓨터 단층 촬영(CT) 스캐너는 길이방향 축 또는 z축 둘레의 검사 구역을 중심으로 회전하는 회전 가능한 지지대 상에 장착되는 x선 튜브를 포함한다. x선 튜브는 검사 구역과 그 안의 대상 또는 객체를 가로지르는 복사선을 방출한다. 2차원 검출기 어레이는 x선 튜브로부터 검사 구역 반대쪽 각도의 원호에 대응한다. 검출기 어레이는 서로에 대해 정렬되고 z축을 따라 연장되는 복수의 검출기의 열을 포함한다. 검출기는 검사 구역 및 그 안의 대상 또는 객체를 가로지르는 복사선을 검출하고 이것을 나타내는 투영 데이터를 발생시킨다. 재구성 장치가 투영 데이터를 처리하고 이것을 나타내는 3차원(3D) 용적 화상 데이터를 재구성시킨다. 용적 화상 데이터가 처리되어 검사 구역 내에 배치된 대상 또는 객체의 부분을 비롯하여 검사 구역의 하나 이상의 화상을 발생시킨다.

문헌에 따르면, 2007년 미국에서 6천8백7십만회의 CT 시술이 수행된 것으로 추산된다. 불행하게도, CT 스캐너는 이온화 방사선을 방출하여 환자를 이 이온화 방사선에 노출시킨다. 환자 내에 침적된 방사선 선량은 제한하지는 않지만 튜브 전류(mAs), 튜브 전압(kVp), 피치/노출 시간(헬리컬 스캔의 경우), 슬라이드 두께와 간격(축방향 스캔의 경우), 연구중인 스캔의 횟수, 및 환자 체격을 비롯하여 복수의 인자에 따라 좌우된다. 환자 내에 침적된 선량은 튜브 전류, 튜브 전압 및/또는 스캔의 횟수를 감소시킴으로써, 및/또는 피치, 슬라이스 두께 및/또는 슬라이스 간격을 증가시킴으로써 감소될 수 있다. 그러나, 화상 소음은 반대로 방사선 선량에 비례하고, 이에 따라 방사선 선량을 감소시키면 환자 내에 침적되는 선량이 감쇠될 뿐만 아니라 화상 소음을 증가시키는데, 화상 소음은 화상 품질(예를 들어, 화상 해상도)을 떨어뜨려, 시술의 진단 가치를 감소시킬 수 있다.

본 발명의 양태는 전술한 문제 및 기타 문제에 관한 것이다.

한가지 양태에 따르면, 방법은 더 낮은 선량의 화상 데이터와 사전 결정된 화상 품질 임계치를 기초로 하여 향상된 화상 데이터를 발생시키는 단계를 포함하고, 향상된 화상 데이터의 화상 품질은 더 높은 선량의 화상 데이터의 화상 품질과 실질적으로 유사하다.

다른 양태에 따르면, 시스템은 더 낮은 선량의 화상 데이터와 사전 결정된 화상 품질 임계치를 기초로 하여 향상된 화상 데이터를 발생시키는 화상 품질 향상기를 포함하고, 향상된 화상 데이터의 화상 품질은 더 높은 선량의 화상 데이터의 화상 품질과 실질적으로 유사하다.

다른 양태에 따르면, 방법은 화상 데이터를 위한 소음 표준 편차, 소음 표준 편차와 전역 알고리즘을 기초로 하여 화상 데이터에서 제 1 세트의 아웃라이어(outlier), 및 제 1 세트의 아웃라이어를 기초로 하여 결정되는 인라이어(inlier) 세트에 근거하여 소음 분포를 결정하는 단계를 포함한다.

다른 양태에 따르면, 방법은 하나 이상의 모델을 화상 데이터에 피팅하는 단계, 화상 데이터에서 스캐닝된 객체 또는 대상을 나타내는 구조를 보존하면서 화상 데이터로부터 소음을 제거하도록 하나 이상의 모델들 중 한 모델을 식별하는 단계, 및 식별된 모델을 채택하여 화상 데이터로부터 소음을 제거하고 소음 감소된 화상 데이터를 발생시키는 단계를 포함한다.

다른 양태에 따르면, 방법은 더 낮은 선량의 화상 데이터를 얻는 단계, 더 낮은 선량의 화상 데이터 또는 더 낮은 선량의 화상 데이터를 발생시키도록 사용된 투영 데이터를 기초로 하여 발생되는 소음 감소된 화상 데이터를 얻는 단계, 및 더 낮은 선량의 화상 데이터와 소음 감소된 화상 데이터를 기초로 하여 향상된 화상 품질의 화상 데이터를 발생시키는 단계를 포함한다.

본 발명은 다양한 구성 요소들과 구성 요소들의 배치, 및 다양한 단계들과 단계들의 배치의 형태를 취할 수 있다. 도면은 바람직한 실시예를 예시할 목적일 뿐, 본 발명을 제한하는 것으로 해석되지 않는다.

도 1은 촬상 시스템과 화상 품질 향상기를 도시하는 도면.
도 2는 화상 데이터를 기초로 하여 향상된 화상 데이터를 발생시키는 화상 품질 향상기의 예를 도시하는 도면.
도 3은 화상 품질 향상기의 소음 모델러를 도시하는 도면.
도 4는 화상 품질 향상기의 소음 제거기를 도시하는 도면.
도 5는 최대 선량, 감소된 선량, 및 향상 스캔을 이용하여 감소된 선량의 기울기 크기 곡선들을 도시하는 그래프.
도 6은 투영 데이터를 기초로 하여 향상된 화상 데이터를 발생시키는 화상 품질 향상기의 예를 도시하는 도면.
도 7 내지 도 11은 다양한 방법을 설명하는 블록도.

이하는, 전반적으로 향상된 더 낮은 선량의 화상 데이터의 화상 품질이 더 높은 선량의 화상 데이터의 화상 품질과 실질적으로 유사하게 되도록, 사전 결정된 이미지 품질(소음) 임계치를 기초로 하여 더 낮은 선량 화상 데이터에서 소음을 향상 또는 감소시키는 것에 관한 것이다. 이는 화상 품질을 유지하는 동안에 환자의 선량을 감소시키는 것을 허용한다.

도 1은 컴퓨터 단층 촬영(CT) 스캐너와 같은 촬상 시스템(100)을 도시하고 있다. 촬상 시스템(100)은 대체로 고정식 지지대(102)와 회전식 지지대(104)를 포함한다. 회전식 지지대(104)는 고정식 지지대(102)에 의해 회전 가능하게 지지되고 길이방향 축 또는 z축(108)을 중심으로 검사 구역(106) 둘레에서 회전한다.

x선 튜브와 같은 방사선 소스(110)는 회전식 지지대(104)에 의해 지지된다. 방사선 소스(110)는 초점으로부터 방사선을 방출하고 방사선은 검사 구역(106)을 가로지른다. 소스 제어부(112)는 소스 전류 및/또는 전압을 비롯하여 소스(110)를 제어한다.

소스 시준기(114)는 방사선을 시준하여 대체로 원뿔형, 웨지형, 팬형 또는 기타 형태의 방사선 빔을 형성하는 시준 부재를 포함한다. 시준기 제어부(116)는 x 및/또는 z축 방사선 빔 폭의 형성을 용이하게 하는, 부재들의 상대 위치를 비롯하여 소스 시준기(114)를 제어한다.

2차원 방사선 민감성 검출기 어레이(118)는 검사 구역(106)을 가로질러 방사선 소스(110) 반대쪽의 각도 원호에 대응한다. 검출기 어레이(118)는 z축(108) 방향을 따라 연장하는 검출기들의 복수의 열을 포함한다. 검출기 어레이(118)는 검사 구역(106)을 횡단하는 방사선을 검출하고 그것을 나타내는 투영 데이터를 발생시킨다.

재구성 장치(120)는 투영 데이터를 재구성하고 그것을 나타내는 3차원(3D) 용적 화상 데이터를 발생시킨다. 재구성 장치(120)는 종래의 3D 여과식 역투영 재구성법, 원뿔형 빔 알고리즘, 반복 알고리즘 및/또는 기타 알고리즘을 사용할 수 있다.

긴 의자와 같은 환자 지지체(122)는 검사 구역(106)에서 환자와 같은 대상 또는 객체를 지지한다. 환자 지지체 제어부(124)는 환자 지지체(122)가 스캐닝 중에 검사 구역(106)을 통해 이동하는 속도를 비롯하여 환자 지지체(122)를 제어한다.

범용 연산 시스템 또는 컴퓨터는 조작자 콘솔(126)로서 기능한다. 콘솔(126)의 프로세서는 콘솔(126)에서 컴퓨터 판독 가능한 명령을 수행하고, 이는 낮은 선량 스캔 프로토콜을 선택하고, 소스 전류, 소스 전압, 빔 폭, 피치, 슬라이스 두께, 스캔의 종류(예를 들어, 축방향 또는 헬리컬/스파이럴), 및 스캔의 횟수 등의 스캔 파라미터를 설정하며, 스캐닝을 시작하는 것과 같이 시스템(100)의 작동을 조작자가 제어하게 한다.

시스템(100)은 최대 선량 스캔 및 더 낮거나 감소된 선량 스캔을 수행하도록 사용될 수 있다.

화상 품질 향상기(128)는 더 낮은 선량 스캔으로부터의 화상 데이터와 같이 촬상 시스템(100)(또는 다른 촬상 시스템)에 의해 발생된 화상 데이터를 향상시킨다. 하나의 실시예에서, 화상 데이터는 화상 소음 임계치와 같이 사전 결정된 화상 품질 임계치를 기초로 하여 향상된다. 아래에서 더 상세하게 설명되는 바와 같이, 이는 화상 데이터를 발생시키도록 사용되는 투영 데이터로부터 화상 데이터 또는 소음 변경 분포를 위한 소음 표준 편차를 결정하고, 초기의 더 낮은 선량의 화상 데이터와, 소음 표준 편차 또는 소음 변경 분포에 의해 발생된 소음 감소된 화상 데이터를 기초로 하여 향상된 화상 데이터를 발생시키는 것을 포함할 수 있다.

그 결과, 화상 향상기(128)는 더 낮은 선량 스캔에 대한 화상 데이터의 화상 품질을 균등한 더 높은 선량 또는 최대 선량 스캔에서의 화상 품질과 대략 동일하거나 실질적으로 유사한 수준으로 향상시키도록 사용될 수 있다. 그러므로, 사전 결정된 수준의 화상 품질을 유지하고 스캐닝된 객체의 밑에 있는 구조를 보존하면서 환자 선량이 감소될 수 있다. 화상 향상기(128)는 또한 특정한 관심 대상 구조(예를 들어, 에지)를 향상시키고 및/또는 포착 파라미터들(예를 들어, 슬라이스 두께) 중 하나 이상에 대해 실질적으로 변하지 않는 데이터를 발생시키도록 구성될 수 있다.

도시된 실시예에서, 화상 향상기(128)는 시스템(100)의 일부이지만, 콘솔(126)과 별개이다. 다른 실시예에서, 화상 향상기(128)는 콘솔(126)의 일부이다. 또 다른 실시예에서, 화상 향상기(128)는 시스템(100)으로부터 멀리, 예를 들어, 시스템(100)이 배치되는 검사실 밖의 워크스테이션과 같은 연산 시스템에 배치된다. 화상 향상기(128)는 또한 화상 향상기(128)의 컴퓨터 판독 가능한 저장 매체에 저장되거나 인코딩된 하나 이상의 컴퓨터 판독 가능하고 실시 가능한 명령을 실시하는 하나 이상의 프로세서 또는 여기에 논의된 기능성을 수행하는 다른 구성 요소를 포함한다.

도 2는 화상 품질 향상기(128)의 예를 도시하고 있다. 이 예에서, 화상 향상기(128)는 재구성된 (화상) 데이터로부터 결정된 소음 분포를 기초로 하여 화상 데이터를 향상시키도록 구성된다.

화상 향상기(128)는 객체 또는 대상을 스캔하도록 사용되는 데이터 획득 (스캔) 파라미터들 중 하나 이상을 분석하고 화상 데이터를 발생시키는 획득 파라미터 분석기(202)를 포함한다. 획득 파라미터는 콘솔(126), 메모리, 및/또는 기타 구성 요소로부터 얻어지고, 및/또는 수동으로 사용자에 의해 입력될 수 있다는 것을 알아야 한다.

획득 파라미터 분석기(202)는 데이터 획득 파라미터로부터 정보를 자동적으로 결정하고, 정보는 향상된 화상 데이터를 발생시킬 때에 고려될 수 있다. 일례로서, 획득 파라미터 분석기(202)는 슬라이스 두께에 관련된 데이터 획득 파라미터로부터 정보를 자동적으로 식별할 수 있고, 이 정보는 획득 슬라이스 두께에 대해 실질적으로 변하지 않는 향상된 화상 데이터를 발생시키도록 사용될 수 있다.

정보는 아래에서(예를 들어, 수학식 2에서) 정의되고 소음 제거를 위해 사용되는 공간 커널 웨이트(spatial kernel weight)를 결정할 때에 고려될 수 있고, 제한하지는 않지만 커널을 여과하기 위한 최소 개수의 공간 웨이트와 중앙 공간 웨이트를 포함한다. 이들 2개의 파라미터는 연구 슬라이스 두께에 대해 변하지 않는 여과 커널의 공간 구성 요소의 크기 및 강도를 유지하면서 소음 제거 커널에서 인접한 3D 화소들의 상대적 영향의 밸런싱을 용이하게 할 수 있다. 이 밸런스는 획득 슬라이스 두께에 대해 변하지 않는 것에 가까운 결과를 초래한다. 일단 공간 가중 커널이 설정되면, 슬라이스 두께 관련된 알고리즘 파라미터가 그것으로부터 유도된다.

다른 정보가 추가적으로 또는 대안적으로 데이터 획득 파라미터로부터 얻어지고 향상된 화상 데이터를 생성하도록 사용될 수 있다는 것을 이해해야 한다. 더욱이, 다른 실시예에서, 획득 파라미터 분석기(202)가 생략된다. 그러한 실시예에서, 특정한 정보가 달리 결정되어 화상 품질 향상기(128)로 전송되거나 향상된 화상 데이터를 결정하는 데에 사용되지 않는다.

화상 향상기(128)는 화상 데이터를 기초로 하여 소음 분포를 모델링하거나 연산하는 소음 모델러(204)를 추가로 포함한다. 그러한 소음 모델러의 예가 도 3에 도시되어 있다.

도 3에 도시된 바와 같이, 소음 모델러(204)는 화상 데이터에서 3D 화소들의 하위 부분들에 대해 소음 표준 편차를 결정하는 소음 표준 편차(STD) 결정기(302)를 포함한다. 일반적으로, 3D 화소들의 하위 부분의 표준 편차는 하위 부분이 화상 용적을 가로질러 변동할 때에 혼합 밀도 분포에 의해 변동 가능한 무작위로서 거동한다. 이들 하위 부분은 불균일한 구역에 대응하는 아웃라이어(에지)와, 균일한 구역에 대응하는 인라이어(에지 아님)를 포함하는 하위 부분을 포함한다.

전역 아웃라이어 식별기(304)는 전역 알고리즘과 소음 표준 편차를 기초로 하여 화상 데이터에서 아웃라이어를 식별한다. 한가지 비제한적인 경우에, 이는 화상 데이터의 나머지로부터 스캐닝된 객체 또는 대상을 분할하는 것을 포함한다. 이 분할은 구역 성장 기술 또는 다른 기술에 의해 이어지는 스레솔딩(thresholding)을 통해 달성될 수 있다. 데이터의 분할은 나중에 처리되게 되어 처리 시간을 감소시키는 3D 화소의 개수의 감소를 용이하게 할 수 있다.

이어서, 전역 아웃라이어 식별기(304)는 분할된 데이터를 분석한다. 한가지 경우에, 전역 분석은 스캐닝된 객체 또는 대상의 작은 구역의 국부 STD의 막대 그래프를 이용하는 것을 포함하는데, 여기서 막대 그래프는 화상 데이터에서 국부 STD의 분포를 나타낸다. 추정된 아웃라이어의 국부 STD는, 예를 들어, 고정된 비율의 분포 또는 다른 방법 이전의 싱글 값으로서 이 막대 그래프를 이용하여 식별될 수 있다.

인라이어 프로세서(306)는 (아웃라이어로부터 결정된) 인라이어를 처리하고 화상 데이터에 대해 소음 STD 분포를 발생시킨다. 도시된 실시예에서, 인라이어 프로세서(306)는 국부 STD 화상 데이터에 적용되는 와이드 2차원(2D) 중간치 필터 알고리즘과 같은 평활화(smoothing) 알고리즘을 기초로 하여 인라이어를 처리한다. 도시된 실시예에서, 아웃라이어로서 지정되는 결과적인 STD 매트릭스에서의 값들은 무시되고, 새로운 소음 레벨 추정에서 임의의 나머지 아웃라이어가 보간법(interpolation)(예를 들어, 라이너(linear), 스플라인 등)을 이용하여 충전된다.

변경예에서, 다중 해상도 기술을 이용하여 넓은 중간치의 근사치가 연산된다. 근사치를 이용하면 처리 시간의 감소를 용이하게 할 수 있다. 다른 변경예에서, 아웃라이어 국부 STD 값들은 국부 STD 분포의 2개의 극단값들을 포함하는 반복 패턴으로 대체되고, 패턴은 다중 해상도 연산과 동기화된다. 이 대체는 각각의 별개의 해상도에 대한 화상의 구역에서 종래의 중간치의 신속한 연산을 허용한다. 특정한 대체 패턴은 근사치 결과가 규칙적인 중간치 연산의 결과에 매우 가깝게 되도록 선택될 수 있다.

결정 구성 요소(308)는 소음 STD 분포를 개량하는 지의 여부를 결정한다. 도시된 실시예에서, 이 결정은 국부 또는 원격 메모리에 저장될 수 있는 사전 결정된 결정 기준(310)을 적어도 부분적으로 기초로 한다. 한가지 경우에, 기준은 최대 개수의 반복을 포함한다. 추가적으로 또는 대안적으로, 기준은 2개의 반복들의 결과들 간의 차이와 사전 결정된 차이 범위를 기초로 하고, 차이가 사전 결정된 차이 범위 내에 있다면 나중의 반복은 수행되지 않는다. 추가적으로 또는 대안적으로, 기준은 사전 결정된 시구간을 기초로 하고, 나중의 반복은 시구간이 경과한 후에 수행되지 않는다.

소음 STD 분포가 개량되는 경우에, 국부 아웃라이어 및/또는 인라이어 식별기(312)는 국부 알고리즘을 기초로 하여 인라이어로부터 아웃라이어 세트를 식별한다. 한가지 경우에, 이는 원래의 화상 데이터와 새로운 소음 레벨 추정치의 국부 표준 편차 사이의 비교를 기초로 하여 아웃라이어 세트를 조정하는 것을 포함한다. 이는 편차값이 대응하는 국부 소음 레벨 추정치보다 상당히 높을 경우에만 아웃라이어로서 원래의 화상에서 국부 표준 편차를 식별함으로써 달성될 수 있다. 이어서, 새로운 추정치가 전술한 바와 같이 국부 소음 레벨에 대해 결정된다.

소음 모델러(204)는 소음 STD 분포를 나타내는 신호를 출력한다.

화상 품질 향상기(128)는 소음 STD 분포를 기초로 하여 화상 데이터로부터 소음을 제거하는 소음 제거기(206)를 추가로 포함한다. 소음 제거기(206)의 일례가 도 4에 도시되어 있다.

도 4에 도시된 바와 같이, 소음 제거기(206)는 모델 뱅크(406)로부터의 다양한 국부 구조적 모델(404)을 화상 데이터에 피팅하는 모델 피터(402)를 포함한다. 하나의 실시예에서, 이는 하나 이상의 국부 구조적 모델을 각 3D 화소 및 그 3차원(3D) 근접값에 피팅하는 것을 포함한다.

소음 제거기(206)는 또한 화상 데이터에서 스캐닝된 객체 또는 대상을 나타내는 구조를 보존하면서 화상 데이터로부터 소음을 제거할 것 같은 피팅된 모델들로부터 모델을 선택하는 모델 선택기(408)를 포함한다. 예시된 모델 선택기(408)는 알고리즘 뱅크(412)에서 통계 학습 또는 기타 기계 학습 알고리즘과 같은 하나 이상의 알고리즘(410)을 기초로 하여 모델을 선택한다.

소음 제거기(206)는 또한 선택된 모델을 화상 데이터에 적용하여 소음을 제거하는 모델 적용기(414)를 포함한다. 3D 화소의 새로운 추정된 값이 대응하는 모델 값으로부터 결정된다. 모델 적용기(414)의 출력은 소음 제거된 화상 데이터이다.

이하에서는 모델을 피팅하고, 모델을 선택하며, 선택된 모델을 적용하는 비제한적인 예를 설명한다. 이 예를 위해, 지수(i, j 및 k)를 갖는 3D 화소의 3D 화상 용적(V)이 주어지면, 소음 화상(V)의 서브 용적(

)으로부터 가장 작은 가중 유클리드 거리를 갖는 소음 없는 구조(M)를 수학식 1을 근거로 하여 구할 수 있다.

[수학식 1]

양의 정수 n의 경우, 지수(i', j' 및 k')는 -n 내지 n의 값을 취하고, p는 자유 파라미터 벡터를 나타내며, M_i' _, _j' _, _k'(p)는 용적에서 (i+i',j+j',k+k') 3D 화소의 모델값을 나타내고, w_i' _, _j' _, _k'는 웨이트 인자를 나타내며,

는 자유 파라미터의 최적값을 나타낸다.

중량 인자는 수학식 2를 근거로 하여 결정될 수 있다.

[수학식 2]

여기서, w^spatial _i'j'k'는 V_i _,j,k까지 그 공간적 거리에 따른 근접한 3D 화소의 웨이트를 나타내고, w^HU _i' _, _j' _, _k'는 HU(Hounsfield Unit) 공간에서 V_i _,j,k에서 그 값-거리에 따른 근접한 3D 화소의 웨이트를 나타낸다.

w^spatial _i'j'k'는 수학식 3을 근거로 하여 결정될 수 있다.

[수학식 3]

여기서, dx는 화소(예를 들어, 밀리미터, 즉 mm 단위)의 크기이고, dz은 슬라이스 폭(예를 들어, mm 단위)이며,

은 웨이트의 공격성을 제어하는 알고리즘 파라미터이다.

w^HU _i' _, _j' _, _k'는 수학식 4를 근거로 하여 결정될 수 있다.

[수학식 4]

여기서,

은 3D 화소(V_i _,j,k)의 국부 소음 레벨 추정치이고, mult는 웨이트의 공격성을 제어하는 알고리즘 파라미터이다. 특정한 국부화 가중은 피팅된 모델이 용적의 국부 구조를 보존하게 한다.

설명을 위해, 모델 뱅크(406)가 2개의 모델(404)을 포함한다고 가정하면, 상수 모델은, M_i' _, _j' _, _k'(c)=c이고, 2차 다항식 모델은,

이다. 물론, 여기서 다른 모델들이 예상된다.

상수 모델의 경우, 모델 피팅은 수학식 5에 도시된 함수로서 가중된 평균과 일치한다.

[수학식 5]

여기서,

는 3D 화소(V_i _,j,k)의 새로운 소음 없는 추정치를 나타낸다. 수학식 5는 예를 들어, 비용 함수에서 1차 도함수의 0을 구함으로써, 표준 최소화 기술을 이용하여 얻어질 수 있다.

2차 다항식 모델의 경우, 모델 피팅은 수학식 6에서 나타내는 바와 같이 선형 등식의 과결정 시스템(over-determinded system)의 최소 자승 해법

과 일치한다.

[수학식 6]

여기서, 매트릭스 A는 3중 고정 정수(i',j',k')의 경우에, 열

을 갖는 (2n+1)³×4 매트릭스이고, 벡터 b는 각 3중 고정 정수(i',j',k')의 경우에 대응하는 입력값

을 갖는 길이 2n+1의 벡터이다. 수학식 6의 최소 자승 해법은 수학식 7을 근거로 하여 구할 수 있다.

[수학식 7]

매트릭스 A^TA의 역은 다양한 매트릭스 역 알고리즘을 이용하여 구할 수 있다.

설명을 위해, 매트릭스 A^TA는 차수가 전렬 랭크(full rank)를 갖는다고 가정한다. 또한, n-근접의 중앙 화소만이 업데이트되고 3D 화소(V_i _,j,k)의 추정된 소음 없는 값이

이기 때문에 벡터

(값 d)의 제 1 성분이 관심 성분이라고 가정한다.

위의 가정하에, 소음 없는 추정치는 수학식 8을 근거로 하여 결정될 수 있다.

[수학식 8]

여기서, C_ij는 매트릭스 A'A의 (i,j) 공통 인자이고,

는 4개의 공통 인자로 이루어지는 1×4 매트릭스이다.

한가지 경우에, 상기 2개의 모델들 중 하나, 예를 들어, 2개의 모델들 중 가장 간단한 모델이 먼저 화상 데이터에 피팅된다. 이 예에서, 일정 모델이 먼저 피팅된다. 이어서, 거리가 피팅된 모델에 대해 결정된다. 적절한 거리의 예가 수학식 9에서 설명된다.

[수학식 9]

여기서,

는 제 1 모델의 결과적인 소음 없는 추정된 용적이고 V는 원래의 미처리 용적이다.

거리는 예를 들어, 수학식 10의 부등식에 도시된 바와 같이, 사전 결정된 임계치 TH에 대해 비교된다.

[수학식 10]

임계치 TH는 예를 들어, 합성 균일한 소음 연구에 걸쳐 몬테 카를로 기술을 이용하여 추정될 수 있다. 임계치 TH에 대한 디폴트값은 예를 들어, 50%, 약 60%, 80%, 90%, 95%, 99% 또는 기타 통계학적 중요치보다 큰 통계학적 중요치를 기초로 하여 다양하게 설정될 수 있다.

거리가 임계치를 만족시키면, 이어서 다항식 모델이 선택되고 적용된다. 그렇지 않으면, 일정 모델이 선택되고 적용된다. 수학식 10이 제 1 모델(이 예에서 일정 모델)의 유효성을 포착한다는 점을 유념해야 한다. 일반적으로, 제 1 모델이 충분하게 효과적이지 않으면, 제 2 모델이 채택된다.

선택적으로, 상기 방법이 반복적으로 적용될 수 있다. 반복적인 방안의 경우, 한 반복의 결과가 이후의 반복을 위한 입력값으로서 사용된다. 이후의 반복은 소음을 더 감소시킬 수 있다.

화상 품질 향상기(128)는 선택적으로 구조적 구성 요소 향상기(208)를 포함한다. 한가지 경우에, 구조적 구성 요소 향상기(208)는 적응 구조적 구성 요소 화상 향상을 제공한다. 하나의 실시예에서, 구조적 구성 요소 향상기(208)는 소프트 임계 기술에 의한 소음 레벨 추정치를 타겟 사전 결정된 심미적 화상 선명도에 통합시킴으로써 화상 데이터를 순응적으로 선명하게 한다.

선명화는 라플라시안 또는 기타 방안을 이용하여 달성될 수 있다. 라플라시안 방안의 경우, 선명화 레벨이 국부 라플라시안, 국부 소음 레벨 및 다양한 입력 파라미터의 함수로서 순응적으로 결정될 수 있다. 파라미터는 선명화의 적응도 및 공격성의 양을 제어하도록 사용될 수 있다.

화상 품질 향상기(128)는 향상된 화상 발생기(210)를 추가로 포함한다. 예시된 향상된 화상 발생기(210)는 화상 데이터 및 소음 감소된 화상 데이터를 기초로 하여 향상된 화상을 발생시킨다. 한가지 경우에, 향상된 화상 발생기(210)는 3D 화소 × 3D 화소를 기초로 하여 화상 데이터와 소음 감소된 화상 데이터를 조합시킴으로써 향상된 화상 데이터를 발생시킨다. 데이터는 선형 또는 비선형 혼합 알고리즘을 기초로 하여 조합될 수 있다.

예시된 실시예에서, 데이터는 사전 결정된 IQ(소음) 기준(212)을 기초로 하여 조합된다. IQ 기준(212)은 조절될 수 있고(예를 들어, 사용자 입력을 기초로 하여 설정 및 변경될 수 있고), 이는 획득 선량과 직접적으로 관련된 향상된 화상 데이터의 소음 레벨의 제어를 허용한다. 따라서, 사용자는 소음 레벨을 설정하고 향상된 화상 데이터를 발생시킨 다음, 이것을 하나 이상의 다른 소음 레벨에 대해 반복시킬 수 있다. 한가지 경우에, IQ 기준(212)은 소음 전력 스펙트럼의 보존을 허용하도록 설정된다.

이하에서는 화상 데이터와 소음 감소된 화상 데이터를 혼합하는 비율을 결정하기 위한 한가지 비제한적인 방안이 설명된다. 알고리즘은 원래의 필터링된 화상의 표준 편차 신호를 취하고 다른 신호, 즉 이들 2개의 신호의 비율을 형성한다. 혼합 비율은 아웃라이어가 폐기된 후에 그 비율의 중간값으로서 판명된다.

I^std가 원래의 화상의 국부 표준 편차이고 I^std2가 소음없는 화상의 국부 표준 편차인 경우, 양 편차는 디스크 반경 r≥1을 이용하여 결정되고, 그 비율은 수학식 11을 기초로 하여 화상에서 화소 지수(i,j)의 매 쌍에 대해 연산될 수 있다.

[수학식 11]

(또는

, 여기서 나눗셈은 요소 근거에 의해 요소에 대한 것이다). 아웃라이어의 제 1 층은 매트릭스 O₁로부터 나오고, 이는 팽창된 반경 d≥1을 이용한 매트릭스

의 팽창된 버전으로서 정의되고, 여기서

는 수학식 10에서의 조건으로부터 유도된 불리언 행렬(Boolean matrix)이다:

매트릭스 S에서의 다른 아웃라이어는 1보다 큰 것으로서 식별된다. 그러나, 이들을 폐기하는 대신에, 수학식 12에 나타낸 바와 같이 단지 그 십진법이 선택된다.

[수학식 12]

이는 가상 코드 기수법에서

으로서 쓰여질 수 있다. 추정 인자(f)가 신호(S₁)의 중간값으로서 또는 신호(S₁)의 모드로서 결정될 수 있다.

타겟인 소음 감소(T)가 주어지면, 제 1 혼합 비율 추정치는 처리된 화상의 소음 변동이 수학식 13을 기초로 한 1-T에 의해 곱셈된 원래의 화상의 변동과 동일한 요건으로부터 결정된다.

[수학식 13]

다음 단계에서, 혼합 비율(p₁)은 수학식 14를 기초로 하여 승수(k)와 치우침(b)에 의해 정정된다.

[수학식 14]

이때에, 혼합 비율(p)은 예를 들어, 수학식 15의 식을 기초로 하여, 사전 결정된 범위 0≤m₁＜m₂,≤1 내에 있어야 한다는 요건으로부터 결정된다.

[수학식 15]

전술한 바와 같이, 본 명세서에 설명된 화상 품질 향상기(128)는 더 낮은 선량의 화상 데이터를 향상시키도록 사용될 수 있어, 더 낮은 선량의 화상 데이터의 화상 품질은 최대 선량의 화상 데이터의 화상 품질과 동일하거나 실질적으로 유사하다.

이는 도 5에 그래프로 도시되어 있는데, 이 그래프는 최대(100%) 선량 스캔, 50% 선량 스캔, 및 화상 향상된 50% 선량 스캔에 대해 각각 기울기 크기 분포(502, 504, 506)를 보여준다. 크기 분포는 화상 품질에 비례한다. 도시된 바와 같이, 화상 향상된 50% 선량 스캔에 대한 기울기 분포(506)는 최대(100%) 선량 스캔에 대한 기울기 분포(502)와 실질적으로 유사하다.

변경들이 예상된다.

도 2에서, 소음 모델러(204)는 향상된 화상 데이터를 발생시키도록 사용되는 소음 STD 분포를 화상 데이터를 기초로 하여 발생시킨다. 대안예(도 6)에서, 소음 모델러(204)는 투영 데이터를 기초로 하여 향상된 화상 데이터를 결정하는 데에 사용되는 소음 변경 분포를 발생시킨다.

이 예에서, 소음 모델러(204)는 투영 데이터에서 선적분 치수를 처리하고 투영 데이터에 대한 소음 변동 분포를 발생시킨다. 한가지 경우에, 이는 이하와 같이 실시될 수 있다. 먼저, 변동 시노그램(variance sinogram)이 투영 데이터로부터 발생된다. 이를 위해, 각 선적분값(또는 시노그램에서 각 시료)의 경우, 수학식 16의 함수로서 측정의 변경이 연산된다.

[수학식 16]

여기서, NO는 전류선을 따라 환자에 대한 입력 광자의 개수이고, P는 전류선을 따른 감쇠의 선적분이다.

수학식 16은 광자 방출의 푸아송 특질을 고려한다. 다른 실시예에서, 수학식 16은 확산, 빔 경화, 전자 소음, 및/또는 기타 효과로부터의 소음을 또한 고려하도록 연장될 수 있다. 또한, 기타 효과를 고려하는 모델의 예는 "Scattered radiation in cone-beam computed tomograhpy: analysis, quantification and compensation,"(Jens Wiegert, PhD Thesis, 2007)에서 설명된 모델을 포함한다.

변경예에서, 2D 또는 3D에서 재구성된 화상들의 용적을 통해 전방향-투영에 의해 발생될 수 있는 새로운 시노그램이 원래의 투영 데이터 대신에 사용된다. 따라서, 원래의 투영 데이터가 이용될 수 없거나 판독 가능하게 엑세스될 수 없을 때라도 소음 변경 분포가 발생될 수 있다.

소음 모델러(204)는 소음 변경 분포를 처리하고 소음 변경 화상 데이터를 발생시킨다. 소음 모델러(204)는 도 1의 재구성 장치(120)에 의해 채택된 알고리즘과 유사한 재구성 알고리즘 또는 각 3D 화소에 대한 소음 변경 또는 재구성 장치(120)에 의해 발생된 화상 데이터에서 3D 화소의 선택된 하위 부분을 결정할 수 있는 상이한 재구성 알고리즘을 채택할 수 있다.

일례로서, 한가지 경우에, 소음 모델러(204)는 종래의 필터링된 역투영 재구성과 동일하거나 거의 동일한 방식으로 데이터를 재구성하여, 2개의 회선 작동(단하나 대신에)과, 3D 역투영의 경우에 수정된 뷰-가중 기능을 필요로 한다.

투영이 각도 및 반경 방향에서 삽입되는 경우(각도 및 반경 방향 리비닝(rebinning))에, 삽입은 재구성된 화상 데이터에서 소음과 충돌할 수 있다. 상기 알고리즘은 또한 각도 및 반경 방향 리비닝의 효과, 예를 들어, 공간적으로 검출기를 가로질러 변동하는 인자에 의해 변경 시노그램 데이터의 곱셈을 통합하는 방법과 양립될 수 있다.

전술한 소음 변경 화상 데이터는 또한 다른 용례에 사용될 수 있다는 것을 알 것이다. 일례로서, 소음 변경 화상 데이터는 소음 제거를 용이하게 하도록 화상-소음 제거 알고리즘에 사용될 수 있다.

한가지 경우에, 이 소음 변경 화상의 제곱근은 소음 모델러(204)의 결과 대신에 소음 제거 단계(206)에서 사용될 수 있다(도 2 참조).

다른 경우에, 이는 루딘/오셔/파테미 소음 감소 알고리즘을 채택하는 용례를 포함한다. 예를 들어, 소음 화상 f(x,y), 그 도메인 Ω 및 스칼라 λ가 주어지면, 이 알고리즘은 비용 함수의 최소값으로서 소음없는 화상 u(x,y)를 얻도록 사용될 수 있다. (min)

이 비용 함수에서, 화상 소음 변경은 1/ν에 비례하게 λ 파라미커의 강도를 변경시키도록 사용될 수 있고, 여기서 ν는 추산된 화상 변경(3D 화소 당)이다.

다른 실시예에서, 다른 알고리즘, 예를 들어, 실제 구조의 심한 기울기를 보존하고 소음 변경 데이터를 소음 제거 프로세스에 통합시키면서 화상 소음을 감소시키는 다른 알고리즘이 화상-소음 제거 작업을 수행하도록 사용된다. 다른 예로서, 소음 변경 화상 데이터가 소음을 선량 관점에서 최적화시키는 것과 같이 소음을 최적화시키는 용례에 사용될 수 있다. 그러한 용례는 2009년 10월 22일자로 출원되고 발명의 명칭이 "획득 프로토콜 평가 장치(Acquisition Protocol Assessment Apparatus)"이며 그 전체가 본 명세서에 참고로 합체되는 특허 출원 제61/253,881호에 설명되어 있다.

도 7 내지 도 11은 다양한 방법을 설명하고 있다. 단계들의 순서는 비제한적이고 단계들 중 하나 이상이 상이한 순서로 일어날 수 있다는 것을 알 것이다. 게다가, 단계들 중 하나 이상이 생략되고 및/또는 하나 이상의 단계가 추가될 수 있다.

도 7은 화상 데이터를 향상시키는 방법을 설명하고 있다. 본 명세서에서 논의된 바와 같이, 이 방법은 낮은 선량의 화상 데이터의 화상 품질이 최대 선량의 화상 데이터의 화상 품질과 동일하거나 실질적으로 유사하도록 낮은 선량의 화상 데이터를 향상시키는 단계를 포함한다.

도면 부호 702에서, 소음 분포가 모델링된다. 한가지 경우에, 소음 분포는 화상 데이터를 기초로 하여 발생된 소음 STD 분포이다. 다른 경우에, 소음 분포는 투영 데이터를 기초로 하여 발생된 소음 변경 분포이다.

도면 부호 704에서, 소음 감소된 화상 데이터는 소음 STD 분포 또는 소음 변경 분포를 기초로 하여 화상 데이터로부터 소음을 제거함으로써 발생된다.

도면 부호 706에서, 소음 감소된 화상 데이터의 구조가 향상된다. 다른 실시예에서, 단계 706이 생략된다.

도면 부호 708에서, 예를 들어, 본 명세서에서 설명된 바와 같이 화상 품질 임계치를 기초로 하여 초기 화상 데이터와 소음 감소된 화상 데이터를 조합시킴으로써, 초기 화상 데이터와 소음 감소된 화상 데이터를 기초로 하여 향상된 화상 데이터가 발생된다.

도 8은 화상 데이터의 소음을 모델링하는 방법을 설명한다.

도면 부호 802에서, 소음 표준 변경이 화상 데이터에 대해 결정된다.

도면 부호 804에서, 소음 표준 편차 및 전역 알고리즘을 기초로 하여 화상 데이터에서 아웃라이어들의 제 1 세트가 식별된다.

도면 부호 806에서, 아웃라이어들의 제 1 세트를 기초로 하여 결정되는 인라이어 세트를 기초로 하여 소음 감소된 화상 데이터가 결정된다. 전술한 바와 같이, 이는 인라이어들에 평활화 필터를 적용시킴으로써 달성될 수 있다.

소음 화상 데이터가 개량되어야 한다고 결정되면, 도면 부호 808에서, 아웃라이어들의 후속 세트가 인라이어 세트를 기초로 하여 식별되고, 개량된 소음 감소된 화상 데이터가 아웃라이어들의 후속 세트를 기초로 하여 결정되는 인라이어들의 후속 세트에 기초하여 결정된다.

도 9는 투영 데이터의 소음을 모델링하는 방법을 설명하고 있다.

도면 부호 902에서, 변경 분포는 투영 데이터를 기초로 하여 발생된다.

도면 부호 904에서, 제 1 필터를 이용하여 변경 분포를 필터링함으로써 제 1 필터링된 변경 화상 데이터가 발생된다. 제 1 필터의 예는 경사 사각형 필터이다.

도면 부호 906에서, 제 2 필터를 이용하여 변경 분포를 필터링함으로써 제 2 필터링된 변경 화상 데이터가 발생된다. 제 2 필터의 예는 변위된 경사 필터이다.

도면 부호 908에서, 제 1 및 제 2 필터링된 변경 데이터가 조합된다. 한가지 비제한적인 예에서, 데이터는 이하와 같은 연신-조합 알고리즘을 이용하여 조합된다.

도면 부호 910에서, 조합된 데이터를 역투영함으로써 소음 변경 화상 데이터가 발생된다. 이는 사각형 웨지 또는 다른 웨이트를 이용하여, 또는 웨이트 없이 수행될 수 있다.

도 10은 화상 데이터로부터 소음을 제거하고 소음 감소된 화상 데이터를 발생시키는 방법을 설명하고 있다.

도면 부호 1002에서, 하나 이상의 모델이 화상 데이터에 피팅된다.

도면 부호 1004에서, 화상 데이터에서 스캐닝된 객체 또는 대상을 나타내는 구조를 보존하면서 화상 데이터로부터 소음을 제거하도록 하나 이상의 모델들 중 하나가 식별된다.

도면 부호 1006에서, 식별된 모델이 화상 데이터에 적용되어 화상 데이터로부터 소음을 제거하고 소음 감소된 화상 데이터를 발생시킨다.

도 11은 향상된 화상 데이터를 발생시키는 방법을 설명하고 있다.

도면 부호 1102에서, 초기 화상 데이터가 얻어진다.

도면 부호 1104에서, 소음 감소된 화상 데이터가 얻어진다.

도면 부호 1106에서, 초기 화상 데이터와 소음 감소된 화상 데이터를 기초로 하여 향상된 화상 데이터가 발생된다. 본 명세서에서 논의된 바와 같이, 향상된 화상 데이터에 기여하는 초기 화상 데이터와 소음 감소된 화상 데이터 각각의 비율은 사전 결정된 IQ 기준을 기초로 한다.

전술한 내용은 컴퓨터 프로세서(들)에 의해 수행될 때에 프로세서(들)가 설명한 단계들을 수행하게 하는 컴퓨터 판독 가능한 명령에 의해 실시될 수 있다. 그러한 경우에, 명령은 관련 컴퓨터와 관련되거나 달리 엑세스 가능한 컴퓨터 판독 가능한 저장 매체에 저장된다.

본 발명은 본 명세서에서 다양한 실시예를 참고로 설명되어 있다. 본 명세서의 설명을 읽으면 수정 및 변경이 생길 수 있다. 본 발명은 첨부된 청구범위 또는 그 균등물의 범주 내에 있는 한 그러한 모든 수정 및 변경을 포함하는 것으로 해석된다.

100: 촬상 시스템 102: 고정식 지지대
104: 회전식 지지대 106: 검사 구역
110: 방사선 소스 112: 소스 제어부
114: 소스 시준기 118: 검출기 어레이

Claims

더 낮은 선량의 화상 데이터와 사전 결정된 화상 품질 임계치를 기초로 하여 향상된 화상 데이터를 발생시키는 단계를 포함하고, 상기 향상된 화상 데이터의 화상 품질은 더 높은 선량의 화상 데이터의 화상 품질과 실질적으로 유사한 방법.
제 1 항에 있어서, 소음 감소된 화상 데이터와 상기 더 낮은 선량의 화상 데이터를 기초로 하여 향상된 화상 데이터를 발생시키는 단계를 추가로 포함하는 방법.
제 2 항에 있어서, 소음 분포를 기초로 하여 상기 소음 감소된 화상 데이터를 발생시키는 단계를 추가로 포함하는 방법.
제 3 항에 있어서, 상기 소음 분포는 더 낮은 선량의 화상 데이터로부터 결정되는 소음 표준 편차 분포인 방법.
제 3 항에 있어서, 상기 소음 분포는 더 낮은 선량의 화상 데이터를 발생시키도록 사용된 투영 데이터로부터 결정되는 소음 변경 분포인 방법.
제 3 항 내지 제 5 항 중 어느 한 항에 있어서, 상기 소음 분포를 기초로 한 화상 데이터로부터 소음을 제거함으로써 소음 화상을 발생시키는 단계를 추가로 포함하는 방법.
제 2 항 내지 제 6 항 중 어느 한 항에 있어서, 상기 더 낮은 선량의 화상 데이터와 상기 소음 감소된 화상 데이터를 조합함으로써 향상된 화상 데이터를 발생시키는 단계를 추가로 포함하는 방법.
제 7 항에 있어서, 상기 향상된 화상 데이터에 대한 상기 더 낮은 선량의 화상 데이터와 상기 소음 감소된 화상 데이터 각각의 기여는 사전 결정된 화상 소음 기준을 기초로 하는 방법.
제 8 항에 있어서, 상기 사전 결정된 화상 소음 기준은 사용자 조절 가능한 방법.
제 1 항 내지 제 9 항 중 어느 한 항에 있어서, 상기 화상 데이터의 구조적 성분을 향상시키는 단계를 추가로 포함하는 방법.
제 1 항 내지 제 10 항 중 어느 한 항에 있어서, 상기 향상된 화상 데이터는 화상 데이터에서 생기는 데이터 획득의 슬라이스 두께에 대해 실질적으로 변하지 않는 방법.
제 1 항 내지 제 11 항 중 어느 한 항에 있어서, 상기 향상된 화상 데이터 및 더 높은 선량의 화상 데이터는 실질적으로 유사한 소음 변경을 갖는 시스템.
더 낮은 선량의 화상 데이터와 사전 결정된 화상 품질 임계치를 기초로 하여 향상된 화상 데이터를 발생시키는 화상 품질 향상기(128)를 포함하고, 상기 향상된 화상 데이터의 화상 품질은 더 높은 선량의 화상 데이터의 화상 품질과 실질적으로 유사한 시스템.
제 13 항에 있어서,
소음 분포를 발생시키는 소음 모델러(204);
상기 소음 분포를 기초로 하여 더 낮은 선량의 화상 데이터로부터 소음을 제거하고, 소음 감소된 화상 데이터를 발생시키는, 소음 제거기(206); 및
상기 더 낮은 선량의 화상 데이터와 상기 소음 감소된 화상 데이터를 기초로 하여 향상된 화상 데이터를 발생시키는 향상된 화상 발생기(210)를 추가로 포함하는 시스템.
제 14 항에 있어서, 상기 소음 분포는 상기 더 낮은 선량의 화상 데이터로부터 결정된 소음 표준 편차 분포 또는 상기 더 낮은 선량의 화상 데이터를 발생시키도록 사용된 투영 데이터로부터 결정된 소음 변경 분포 중 하나인 시스템.
제 14 항 또는 제 15 항에 있어서, 상기 향상된 화상 발생기(210)는 선형 혼합 알고리즘을 기초로 하여 상기 화상 데이터와 상기 소음 감소된 화상 데이터를 조합시키는 시스템.
제 14 항 내지 제 16 항 중 어느 한 항에 있어서, 국부 라플라시안, 국부 소음 레벨, 및 선명화의 적응도 및 공격성의 양을 제어하는 파라미터를 기초로 하여 상기 화상 데이터에서 구조적 구성 요소를 순응적으로 선명하게 하는 구조적 향상기(208)를 추가로 포함하는 시스템.
제 14 항 내지 제 17 항 중 어느 한 항에 있어서, 상기 화상 데이터에서 생기는 데이터 획득의 슬라이스 두께에 대해 실질적으로 변하지 않는 향상된 화상 데이터를 발생시키도록 사용된 하나 이상의 데이터 획득 파라미터들로부터 정보를 결정하는 획득 파라미터 분석기(202)를 추가로 포함하는 시스템.
제 18 항에 있어서, 상기 정보는 필터링 커널을 위한 최소 개수의 공간 웨이트들 또는 중앙 공간 웨이트 중 적어도 하나를 포함하는 시스템.
제 19 항에 있어서, 상기 웨이트는 슬라이스 두께에 대해 변하지 않는 필터링 커널의 공간 구성 요소의 크기 및 강도를 유지하면서 상기 필터링 커널에서 근접한 3D 화소들의 상대적인 영향의 밸런싱을 용이하게 하는 시스템.
제 14 항 내지 제 20 항 중 어느 한 항에 있어서, 상기 향상된 화상 데이터는 더 높은 선량의 화상 데이터에 대응하는 기울기 크기와 실질적으로 유사한 기울기 크기를 갖는 시스템.
화상 데이터에서 소음을 모델링하는 방법으로서,
프로세서를 통해, 화상 데이터를 위한 소음 표준 편차를 결정하는 단계;
상기 프로세서를 통해, 상기 소음 표준 편차와 전역 알고리즘을 기초로 하여 화상 데이터에서 제 1 세트의 아웃라이어를 결정하는 단계; 및
상기 프로세서를 통해, 상기 제 1 세트의 아웃라이어를 기초로 하여 결정되는, 인라이어 세트에 근거하여 소음 분포를 결정하는 단계를 포함하는 방법.
제 22 항에 있어서, 상기 인라이어 세트와 국부 알고리즘을 기초로 하여 제 2 세트의 아웃라이어를 결정하는 단계; 및
상기 제 2 세트의 아웃라이어를 기초로 하여 결정되는, 제 2 세트의 인라이어에 근거하여 소음 분포를 개량하는 단계를 추가로 포함하는 방법.
화상 데이터로부터 소음을 제거하는 방법으로서,
프로세서를 통해, 하나 이상의 모델들을 화상 데이터에 피팅하는 단계;
상기 프로세서를 통해, 상기 화상 데이터에서 스캐닝된 객체 또는 대상을 나타내는 구조를 보존하면서 상기 화상 데이터로부터 상기 소음을 제거하도록 하나 이상의 모델들 중 한 모델을 식별하는 단계; 및
상기 프로세서를 통해, 식별된 모델을 채택하여 상기 화상 데이터로부터 상기 소음을 제거하고 소음 감소된 화상 데이터를 발생시키는 단계를 포함하는 방법.
제 24 항에 있어서, 상기 구조를 보존하면서 상기 화상 데이터로부터 상기 소음을 제거하기 위한 모델로서 이전 반복에서 식별된 모델을 기초로 하여 모델을 식별하는 단계를 추가로 포함하는 방법.
제 24 항 또는 제 25 항에 있어서,
사전 결정된 소음 임계치를 기초로 하여 제 1 모델이 상기 소음을 효율적으로 감소시키는지를 결정하는 단계;
상기 사전 결정된 소음 임계치를 만족시킨다면 상기 제 1 모델을 채택하는 단계; 및
상기 제 1 모델이 상기 사전 결정된 소음 임계치를 만족시키지 못한다면 제 2 모델을 채택하는 단계를 추가로 포함하는 방법.
프로세서를 통해, 더 낮은 선량의 화상 데이터를 얻는 단계;
상기 프로세서를 통해, 상기 더 낮은 선량의 화상 데이터 또는 상기 더 낮은 선량의 화상 데이터를 발생시키도록 사용된 투영 데이터를 기초로 하여 발생되는, 소음 감소된 화상 데이터를 얻는 단계; 및
상기 프로세서를 통해, 상기 더 낮은 선량의 화상 데이터와 상기 소음 감소된 화상 데이터를 기초로 하여 향상된 화상 품질의 화상 데이터를 발생시키는 단계를 포함하는 방법.