CN106683146B - 一种图像重建方法和图像重建算法的参数确定方法 - Google Patents
一种图像重建方法和图像重建算法的参数确定方法 Download PDFInfo
- Publication number
- CN106683146B CN106683146B CN201710017797.XA CN201710017797A CN106683146B CN 106683146 B CN106683146 B CN 106683146B CN 201710017797 A CN201710017797 A CN 201710017797A CN 106683146 B CN106683146 B CN 106683146B
- Authority
- CN
- China
- Prior art keywords
- image
- scanning
- noise
- data
- weight data
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 71
- 238000004422 calculation algorithm Methods 0.000 title claims abstract description 29
- 238000012937 correction Methods 0.000 claims description 54
- 238000002591 computed tomography Methods 0.000 claims description 22
- 238000013507 mapping Methods 0.000 claims description 20
- 230000008569 process Effects 0.000 claims description 15
- 230000005855 radiation Effects 0.000 claims description 10
- 239000011159 matrix material Substances 0.000 claims description 7
- 238000009499 grossing Methods 0.000 claims description 4
- 230000009467 reduction Effects 0.000 description 4
- 238000012360 testing method Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000009795 derivation Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 210000001519 tissue Anatomy 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 description 1
- 101100272279 Beauveria bassiana Beas gene Proteins 0.000 description 1
- 210000000988 bone and bone Anatomy 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 210000004072 lung Anatomy 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 210000004872 soft tissue Anatomy 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/003—Reconstruction from projections, e.g. tomography
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/003—Reconstruction from projections, e.g. tomography
- G06T11/008—Specific post-processing after tomographic reconstruction, e.g. voxelisation, metal artifact correction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2211/00—Image generation
- G06T2211/40—Computed tomography
- G06T2211/416—Exact reconstruction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2211/00—Image generation
- G06T2211/40—Computed tomography
- G06T2211/424—Iterative
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
本发明公开了一种图像重建方法和图像重建算法的参数确定方法,该方法包括如下步骤:获取扫描的原始投影数据,并根据所述原始投影数据生成初始重建图像;根据所述原始投影数据获取噪声估计值;根据所述噪声估计值计算目标函数的权重数据;将所述初始重建图像作为初始值,基于所述目标函数进行迭代,获得目标重建图像。本发明解决了在不同的扫描情况,对图像重建质量的改善。
Description
技术领域
本发明涉及三维数据成像技术,尤其涉及一种图像重建方法和图像重建算法的参数确定方法。
背景技术
通常,电子计算机断层扫描(Computed Tomography,CT)技术是现在医学领域常用的检测手段。通过信号源向扫描对象发射出信号,而后采集经过扫描对象后的信号数据,可作为投影数据。再根据投影数据进行图像重建,得到能够反映扫描对象内部结构的图像。
现有技术一般采用滤波反投影(filtered-back projection,FBP)或者FBP框架下的混合迭代进行图像重建。迭代重建的目标函数可以用以下公式表示:
其中,X为图像域数据,即当前重建生成图像的数据,A表示***矩阵;Y表示根据目标函数的计算结果对投影数据进行校正后的投影数据,也就是正弦图;W表示权重数据;为了抑制伪影,还加入了惩罚项R(X),R(X)为惩罚项的函数,一般为预设函数;β表示惩罚因子,用于平衡投影偏差与图像平滑程度,通过改变惩罚因子β的大小,可以调节图像的平滑程度,β一般也为预设值。
在基于投影数据进行FBP滤波反投影形成初始图像后,计算目标函数,是否达到设定条件的最小值,若未达到,则在初始图像的基础上,根据校正后的投影数据再次进行图像迭代重建,重复多次,直至目标函数达到设定条件。
目标函数中的权重数据主要用于控制不同信噪比的投影数据在重建过程中的比重,例如某个数据的信噪比很差,那么数据噪声估计中相应的噪声估计值就很大,对应在目标函数中的权重数据就会很小,那么重建过程中这部分糟糕的数据就会用的少。反之,如果信号的信噪比很大,那么对应的权重数据也会比较大。在目标函数中引入权重数据相当于在重建过程中引入了统计信息模型。
扫描所获取的投影数据会受到噪声的干扰,如射线的量子噪声和设备的电子噪声等,这些噪声的存在会降低基于投影数据所重建图像的质量,影响医生对疾病的诊断。为了提高重建图像的质量,对不同的噪声赋予不同的权重系数。现有技术中,会对信噪比较差的信号给予小的权重,对信噪比较好的信号给予大的权重,从而提高图像质量。即,采用相同的方式计算噪声估计值,并进而计算确定固定的权重数据。
但是,在进行本发明的研究过程中,发明人发现采用统一降噪措施进行降噪处理,在不同情况对图像质量的改善效果有限,不能始终得到质量较高的图像。
发明内容
有鉴于此,本发明实施例提出一种图像重建方法和图像重建算法的参数确定方法,以适应不同的扫描情况,改善各种情况下的图像重建质量。
为实现上述目的,本发明采用如下技术方案:
第一方面,一种图像重建方法,包括如下步骤:
获取扫描的原始投影数据,并根据所述原始投影数据生成初始重建图像;
根据所述原始投影数据获取噪声估计值;
根据所述噪声估计值计算目标函数的权重数据;
将所述初始重建图像作为初始值,基于所述目标函数进行迭代,获得目标重建图像。
第二方面,一种图像重建算法的参数确定方法,包括:
为扫描设备配置设定扫描参数;
采用所述扫描设备对扫描对象进行扫描,获取投影数据;
采用迭代图像重建算法和目标函数,基于投影数据进行图像迭代重建,直至得到最终的目标图像;其中,所述目标函数至少包括反映噪声估计值的权重数据和用于平滑图像的惩罚因子;
重复执行上述操作,直至所述目标图像的图像质量达到预定图像质量,则建立当前采用的权重数据中校正项系数与当前配置的设定扫描参数的映射关系或者校正项系数和惩罚因子与当前配置的设定扫描参数的映射关系。
第三方面,一种扫描设备的图像重建方法,包括:
确定扫描设备当前所配置的设定配置参数;
根据所述设定配置参数查找具有映射关系的目标函数参数,其中,所述目标函数参数包括权重数据中校正项系数和惩罚因子;
基于设定配置参数对扫描对象进行扫描,以获取投影数据;
根据所述投影数据确定噪声估计值,并根据噪声估计值和权重数据中校正项系数确定权重数据;
采用图像迭代算法和目标函数,基于所述投影数据进行图像迭代重建,直至得到最终的目标图像。
本发明实施例所提供的一种图像重建方法和图像重建算法的参数确定方法,预先建立目标函数中的参数与扫描设备配置参数之间的映射关系,从而能够在实际重建图像的过程中,根据不同情况下的不同扫描参数,采用合适的目标函数参数,提高重建图像的质量。
附图说明
下面将通过参照附图详细描述本发明的示例性实施例,使本领域的普通技术人员更清楚本发明的上述及其他特征和优点,附图中:
图1是本发明实施例一提供的一种图像重建算法的流程示意图;
图2是本发明实施例二提供的一种图像重建算法的参数确定方法的流程示意图;
图3是本发明实施例三提供的一种图像重建算法的参数确定方法的流程示意图;
图4是本发明实施例四提供的一种扫描设备的图像重建方法的流程示意图。
具体实施方式
下面结合附图并通过具体实施方式来进一步说明本发明的技术方案。可以理解的是,此处所描述的具体实施例仅仅用于解释本发明,而非对本发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部结构。
为清楚介绍本发明实施例的技术方案,首先介绍本发明实施例方案所基于的技术原理。在发明人的研究过程中,发明人发现:信号源所发射信号的属性不同,其掺杂的噪声也不同。例如,在X射线的CT扫描中,X射线的剂量不同,噪声的影响也不同。所谓剂量,是指在患者待测平面所测得的X射线的辐射量。目前,在高剂量下进行CT扫描,光子噪声远大于电子噪声,此时可以忽略电子噪声的影响;在超低剂量下扫描时,由于X射线不足,所以光子噪声的影响较小,电子噪声的影响迅速升高,则此时不能够忽略电子噪声因素。由此可知,当采用不同驱动电压以及不同剂量等不同的扫描因素进行扫描时,噪声情况是不一致的。据此,本发明实施例的技术方案结合考虑了不同扫描情况中的不同扫描因素,应用于图像重建过程中的降噪算法中,从而使得降噪算法能与各种扫描情况匹配,得到质量较好的重建图像。
实施例一
图1是本发明实施例一提供的一种图像重建算法的流程示意图。该方法适用于多维图像重建的情况,该方法可以由软件和/或硬件的方式来实现,一般集成于多维图像扫描仪中。本实施例以CT图像为例进行说明,如图1所示,该方法包括:如下步骤:
步骤110、获取扫描的原始投影数据,并根据原始投影数据生成初始重建图像。
具体的,获取CT扫描的原始投影数据,并对原始投影数据依次进行空气校正、卷积和反投影等处理,获得CT初始重建图像。具体进行图像重建所使用的方法有多种,可选择已有的重建算法来执行。获取的原始投影数据可以为计算机断层扫描数据。
步骤120、根据原始投影数据获取噪声估计值。
原始投影数据可以认为是X射线扫描被测物体后强度域的信号。对于检测器直接采集到的强度域信号,在重建环节中,需要把强度域信号转换为衰减域信号,根据朗伯比尔定律(Beer-Lambert Law)存在如下的关系式:
I=I0*e-ul (1)
其中,u是X射线在位置l处的线衰减系数,为预设值;I为检测器阵列接收到的穿过扫描目标后的X射线的强度;I0为检测器阵列穿过扫描目标前的X射线的强度。
相应地,CT的检测器直接接收到的是X射线的光子,直接输出的是强度域信号,强度域噪声与X射线的强度数据存在如下关系:
上述公式仅考虑了强度域噪声,若将检测器本身的电子噪声引入考虑,则可确定如下信号关系:
根据上述公式(1),设过渡参数p,存在如下关系式:
将上述公式(2)、(3)和(4)的关系代入关系式(5)中,可推导出如下关系式:
或者
其中,为本次扫描过程的综合噪声估计值。常规仅考虑量子噪声,不考虑电子噪声时,则采用公式(6)计算噪声估计值。若考虑电子噪声时,则采用公式(7)可计算噪声估计值。在射线剂量极其低时,电子噪声的影响也较大,若采用公式(6)进行估计,是估计不足的,因此会导致图像相应的噪声和伪影比预想的多,实际测试图像也是如此。
在考虑电子噪声的情况下,将公式(8)代入公式(7),可得如下关系式:
其中,校正项系数C为一个常数且与电子噪声相关。在不同的扫描情况下引入的电子噪声影响不同,可以选择采用不同的常数作为校正项系数。
其中,K是一个可变常数。
步骤130、根据噪声估计值计算目标函数的权重数据。
在本实施例中,目标函数为:
其中,X为图像域数据,A为***矩阵,Y表示校正后的投影数据;W表示权重数据;R(X)为惩罚项;β为惩罚因子。
目标函数中的权重数据按照如下公式计算:
优选地,噪声估计值还包括电子噪声估计值。
其中,K是一个可变常数,n为一个大于0小于1的数。
步骤140、将初始重建图像作为初始值,基于目标函数进行迭代,获得目标重建图像。
将初始CT重建图像作为初始值带入到目标函数,当修正后的CT重建图像的投影值与获得的原始投影数据的投影值的差值满足要求的精确度或达到最大迭代次数时,获得目标重建图像。
本发明实施例一提供的一种图像重建方法,首先获取扫描的原始投影数据,根据原始投影数据生成初始重建图像,根据原始投影数据获得噪声估计值和权重数据;以初始重建图像为初始值进行迭代,获得最终的目标重建图像。通过对迭代参数的调整,能够对不同CT重建图像进行修正,以适应不同的扫描情况,改善各种情况下的CT图像重建质量。
实施例二
图2是本发明实施例二提供的一种图像重建算法的参数确定方法的流程示意图。该方法适用于多维图像重建的情况,该方法可以由软件和/或硬件的方式来实现,一般集成于多维图像扫描仪中或集成于扫描仪的控制设备中。本实施例以CT图像为例进行说明,如图2所示,该方法包括:
步骤210、为扫描设备配置设定扫描参数。
扫描参数是能够反映扫描设备不同扫描情况的参数,例如,从产生不同噪声影响的角度考虑,设定扫描参数可包括扫描射线剂量和驱动电压,其中:扫描射线剂量通过调节驱动电流和驱动电压实现,驱动电压代表X射线的能量值。
通过调节扫描设备的扫描电压和扫描电流来调节X射线的能量和数量,获取符合扫描对象特征的投影数据来到达图像重建的目标。
步骤220、采用扫描设备对扫描对象进行扫描,获取投影数据。
根据CT重建图像中,扫描条件不同,获得的原始投影数据也不同,噪声对于数据的影响也不同。通过扫描设备对扫描对象进行扫描,获取CT扫描的原始投影数据。对原始投影数据可以依次进行空气校正、卷积和反投影等预处理。
步骤230、采用迭代图像重建算法和设定目标函数,基于投影数据进行图像迭代重建,直至得到最终的目标图像;其中,目标函数至少包括反映噪声估计值的权重数据和用于平滑图像的惩罚因子。
迭代图像重建算法及其中使用的目标函数,在图像重建过程中经常被采用。不同的目标函数是验证当前重建获得的图像是否满足图像质量要求的依据。目标函数的具体内容也会影响到重建出的图像质量,以及重建过程的数据使用。本实施例中,该目标函数中至少包括反映噪声估计值的权重数据和用于平滑图像的惩罚因子。
具体的,该目标函数的公式如下:
其中,X为图像域数据,A为***矩阵,Y表示校正后的投影数据;W表示权重数据;R(X)为惩罚项;β为惩罚因子。
惩罚因子是常数,可以在设定取值范围内选择,例如用遍历的方式挑选任意一个惩罚因子。
权重数据是根据实际噪声情况确定出来的。优选的是,根据扫描设备当前设定扫描参数状态下的量子噪声,计算权重数据。
更进一步地,可以按照如下公式确定权重数据W:
上述权重数据的计算公式反映了对不同噪声情况的考虑,下面简单介绍其理论依据和推导过程:
根据实施例一中对于噪声估计的推导,得到关系式(10):
和关系式(11):
其中,校正项系数C为一个可变常数且与电子噪声相关,K是一个可变常数。
其中,校正项系数C为一个可变常数且与电子噪声相关,K是一个可变常数,n为一个大于0小于1的数。
前述即为权重数据与几种噪声估计值关联关系的确定原理。
步骤240、重复执行上述操作,直至目标图像的图像质量达到预定图像质量,则建立当前采用的权重数据中校正项系数与当前配置的设定扫描参数的映射关系或者校正项系数和惩罚因子与当前配置的设定扫描参数的映射关系。
在当前配置的设定扫描参数下,通过配置校正项系数或者校正项系数和惩罚因子,使重建后的图像达到设定条件的目标图像;当重建后的图像达到设定条件时,说明当前采用的权重数据中校正项系数或者当前所采用的校正项系数和惩罚因子,与当前采用的扫描参数是匹配的;则获取当前迭代图像重建算法中采用的权重数据中校正项系数与当前配置的设定扫描参数的映射关系或者校正项系数和惩罚因子与当前配置的扫描参数建立映射关系。后续在实际使用该扫描设备时,通过映射关系,可获取与当前参数匹配的权重数据中校正项系数来设置目标函数或者获取校正项系数和惩罚因子来设置目标函数,基于目标函数进行迭代,获取重建图像。
本发明实施例提供了一种图像重建算法的参数确定方法,能够建立不同扫描参数与不同目标函数参数之间的映射对应关系,从而能够适应不同扫描情况,实现了在不同电压和扫描剂量下,都能获取符合要求的重建图像。
实施例三
图3是本发明实施例三提供的一种图像重建算法的参数确定方法的流程示意图。本发明实施例是在实施例二的基础上,通过临床实验对实施例二进行详细说明。如图3所示,该方法包括:
步骤310、初始状态下,采用基准驱动电压和至少两个扫描射线剂量,作为设定配置参数。
优选地,基准驱动电压为120kV。在初始状态下,可以选择两个或者多个扫描射线剂量,逐一设置扫描射线剂量进行测试。
步骤320、采用扫描设备对扫描对象进行扫描,获取投影数据。
在基准驱动电压和选择的一个扫描剂量下,对扫描对象进行扫描,获取投影数据。扫描对象可以是已知组织结构图像的标准模体,以便验证重建图像的质量。
步骤330、采用迭代图像重建算法和设定目标函数,基于投影数据进行图像重建,直至得到最终的目标图像,则记录基准驱动电压和各扫描射线剂量,与权重数据中校正项系数的映射关系或者基准驱动电压和各扫描射线剂量与校正项系数和惩罚因子的映射关系。
对于每个扫描射线剂量可采用相同的方法重复执行多次扫描和重建过程,每次可调整校正项系数或者校正项系数和惩罚因子的值。调整的幅度或调整的规则不限。可以将最终确定的多个目标图像进行比较,将质量最好或达到预定质量要求的目标图像作为结果图像。该结果图像重建时所采用的校正项系数或者校正项系数和惩罚因子,作为与基准驱动电压和射线扫描剂量对应的参数值。各个射线扫描剂量可采用同样的方式确定其对应参数。
当确定基准驱动电压之后,可以结合基准驱动电压所对应的目标函数参数,进一步调试确定其他驱动电压所对应的目标函数参数,选择该方式,可以提高调试效率,尽快得到优选参数。
即,该方法还包括:选择基准驱动电压、设定扫描射线剂量、以及存在映射关系的权重数据中校正项系数和惩罚因子,设置扫描设备和目标函数,并基于目标函数的迭代重建过程,获得第一目标图像;选择待测驱动电压,并采用设定扫描射线剂量、以及待测权重数据中校正项系数和惩罚因子,设置扫描设备和目标函数,并基于目标函数的迭代重建过程,获得第二中间图像;将第二中间图像与第一目标图像进行比对,当比对结果不满足预定图像质量时,迭代更新校正项系数和惩罚因子,当比对结果满足预定图像质量时,以第二中间图像作为第二目标图像;建立待测驱动电压和扫描射线剂量,与第二目标图像所对应的权重数据中校正项和惩罚因子之间的映射关系。
上述方案中,以基准驱动电压和各射线扫描剂量,及其对应的目标函数参数,所重建出来的图像作为验证图像质量的标准。在设置其他待测驱动电压和各射线扫描剂量作为扫描参数时,可结合基准驱动电压所对应的目标函数参数,在临近范围内选择目标函数参数的值进行测试,并将重建图像与基准图像进行比较,以验证最终目标图像的质量,进而确定目标函数中的校正项和惩罚因子。
具体的,在120kV的临床情况下对被测物体进行扫描,120kV是驱动电压,驱动电压更多表征X射线的能量。采用不同的剂量,是为了获取多组扫描数据,更好的实现图像重建,但选择相同的目标函数参数,则会使图像质量不能满足临床需求,需要改变权重数据中校正项系数或者校正项系数和惩罚因子,以调整图像的平滑程度。
参数调整的过程,主要考虑不同剂量下的参数一致性。目的要找到一个参数在各个剂量下都可以很好符合预期。对于惩罚因子,其根据监测部位的不同也有所区别,如看肺,骨头类似高分辨率的组织,需要小的惩罚因子;而看软组织结构,则需要较大的惩罚因子来降低噪声,可在一定经验取值范围内设置惩罚因子。惩罚因子的调整对全局的影响比较大,而校正项系数的选择对低剂量的影响比较大。基于此,可以根据惩罚因子和校正项系数对剂量的影响情况,进行选择性调整。
当前CT***中,一般有五种电压配置:70kV,80kV,100kV,120kV,140kV。其中120kV是临床最常用的电压。在使用不同驱动电压扫描时,比如140kV,100kV,70kV和80kV等,惩罚因子和校正项系数都需要做相应的调整。不同的电压意味着X射线的能量不同;而同一个驱动电压下可以设置不同的电流(mA)来控制X射线光子数。根据120kV下获取的重建图像为标准,通过调整参数,获取其他电压下的重建图像,下面以140kV临床扫描情况为例:
首先获取相同剂量下,120kV和140kV的两组模体数据,根据上述算法获得120kV下的重建图像,并作为标准图像,保持校正项系数不变,并调整惩罚因子的值,获得与120kV下标准图像噪声水平近似的140kV下的图像;在低剂量下,通过微调校正项系数的值,获得比较标准的重建图像。其他电压下的重建图像,同理可以获得,通过对参数进行调整,改善各种情况下的CT图像重建质量。
实施例四
图4是本发明实施例四提供的一种扫描设备的图像重建方法的流程示意图。该方法适用于多维图像重建的情况,该方法可以由软件和/或硬件的方式来实现,一般集成于多维图像扫描仪中。本实施例在上述实施例的基础上进行说明,如图4所示,该方法包括:
步骤410、确定扫描设备当前所配置的设定配置参数。
可选地,设定扫描参数包括扫描射线剂量和驱动电压,其中:扫描射线剂量通过调节驱动电流和驱动电压实现,驱动电压代表射线的能量值。
步骤420、根据设定配置参数查找具有映射关系的目标函数参数,其中,目标函数参数包括权重数据中校正项系数和惩罚因子。
根据设定配置参数查找上述实施例二和实施例三建立的映射关系,获取目标函数参数,进一步建立目标函数。
目标函数的公式如下:
其中,X为图像域数据,A为***矩阵,Y表示校正后的投影数据;W表示权重数据;R(X)为惩罚项;β为惩罚因子。
步骤430、基于设定配置参数对扫描对象进行扫描,以获取投影数据。
基于设定配置参数设置的扫描仪对扫描对象进行扫描,获取原始投影数据。
步骤440、根据投影数据确定噪声估计值,并根据噪声估计值和权重数据中校正项系数确定权重数据。
根据投影数据确定噪声估计值,并按照如下公式确定权重数据W:
步骤450、采用图像迭代算法和目标函数,基于投影数据进行图像迭代重建,直至得到最终的目标图像。
根据图像目标函数进行图像重建,直到满足迭代终止条件,例如CT重建图像的投影值与获得的原始投影数据的投影值差值满足预定范围或达到最大迭代次数,最后获得目标重建图像。
本发明实施例提供的一种扫描设备的图像重建方法,首先根据扫描设备的配置参数,获取与设定配置参数对应的目标函数参数,得到目标函数,根据投影数据、图像迭代算法和目标图像进行图像重建,直至得到最终的目标图像。根据扫描设备的配置参数不同,获取与设定配置参数对应的目标函数参数,能够对不同CT重建图像进行修正,以适应不同的扫描情况,改善各种情况下的CT图像重建质量。
注意,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明进行了较为详细的说明,但是本发明不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。
Claims (19)
4.根据权利要求2或3所述的方法,其特征在于,所述噪声估计值还包括电子噪声估计值。
6.根据权利要求1所述的方法,其特征在于,所述原始投影数据为计算机断层扫描数据。
12.根据权利要求10或11所述的方法,其特征在于,所述噪声估计值还包括电子噪声估计值。
14.根据权利要求8所述的方法,其特征在于:所述设定扫描参数包括扫描射线剂量和驱动电压。
15.根据权利要求14所述的方法,其特征在于,重复执行配置参数、扫描和迭代重建图像操作的过程中,具体包括:
初始状态下,采用基准驱动电压和至少两个扫描射线剂量,作为设定配置参数;
执行所述扫描和分别执行基于目标函数的迭代重建过程,直至确定目标图像,则记录基准驱动电压和各扫描射线剂量与权重数据中校正项系数的映射关系或者基准驱动电压和各扫描射线剂量与校正项系数和惩罚因子的映射关系。
16.根据权利要求15所述的方法,其特征在于,重复执行配置参数、扫描和迭代重建图像操作的过程中,还包括:
选择所述基准驱动电压、设定扫描射线剂量、以及存在映射关系的权重数据中校正项系数和惩罚因子,设置扫描设备和目标函数,并基于目标函数的迭代重建过程,获得第一目标图像;
选择待测驱动电压,并采用所述设定扫描射线剂量、以及待测权重数据中校正项系数和惩罚因子,设置扫描设备和目标函数,并基于目标函数的迭代重建过程,获得第二中间图像;
将第二中间图像与第一目标图像进行比对,当比对结果不满足预定图像质量时,迭代更新校正项系数和惩罚因子,当比对结果满足预定图像质量时,以所述第二中间图像作为第二目标图像;
建立待测驱动电压和扫描射线剂量,与第二目标图像所对应的权重数据中校正项和惩罚因子之间的映射关系。
17.根据权利要求16所述的方法,其特征在于:所述基准驱动电压为120kV。
18.一种扫描设备的图像重建方法,其特征在于,包括:
确定扫描设备当前所配置的设定配置参数;
根据所述设定配置参数查找具有映射关系的目标函数参数,其中,所述目标函数参数包括权重数据中校正项系数和惩罚因子;
基于设定配置参数对扫描对象进行扫描,以获取投影数据;
根据所述投影数据确定噪声估计值,并根据噪声估计值和权重数据中校正项系数确定权重数据;
采用图像迭代算法和目标函数,基于所述投影数据进行图像迭代重建,直至得到最终的目标图像;
根据所述投影数据确定噪声估计值,并根据噪声估计值和权重数据中校正项确定权重数据包括:
按照如下公式确定所述权重数据W:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710017797.XA CN106683146B (zh) | 2017-01-11 | 2017-01-11 | 一种图像重建方法和图像重建算法的参数确定方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710017797.XA CN106683146B (zh) | 2017-01-11 | 2017-01-11 | 一种图像重建方法和图像重建算法的参数确定方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106683146A CN106683146A (zh) | 2017-05-17 |
CN106683146B true CN106683146B (zh) | 2021-01-15 |
Family
ID=58850380
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710017797.XA Active CN106683146B (zh) | 2017-01-11 | 2017-01-11 | 一种图像重建方法和图像重建算法的参数确定方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106683146B (zh) |
Families Citing this family (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2019033390A1 (en) * | 2017-08-18 | 2019-02-21 | Shenzhen United Imaging Healthcare Co., Ltd. | SYSTEM AND METHOD FOR IMAGE RECONSTRUCTION |
WO2019090533A1 (en) | 2017-11-08 | 2019-05-16 | Shenzhen United Imaging Healthcare Co., Ltd. | System and method for diagnositic and treatment |
CN109559360B (zh) * | 2018-09-29 | 2020-08-28 | 深圳先进技术研究院 | 一种pet图像重建方法、装置和计算设备 |
CN109658465B (zh) * | 2018-12-07 | 2023-07-04 | 广州华端科技有限公司 | 图像重建过程中的数据处理、图像重建方法和装置 |
CN109712209B (zh) * | 2018-12-14 | 2022-09-20 | 深圳先进技术研究院 | Pet图像的重建方法、计算机存储介质、计算机设备 |
US10902647B2 (en) * | 2019-02-08 | 2021-01-26 | Zhengrong Ying | System for iteratively reconstructing computed tomography images through three domains |
CN110070588B (zh) | 2019-04-24 | 2023-01-31 | 上海联影医疗科技股份有限公司 | Pet图像重建方法、***、可读存储介质和设备 |
CN110215224B (zh) * | 2019-06-06 | 2022-11-22 | 上海联影医疗科技股份有限公司 | 图像重建方法、装置、医疗影像设备和存储介质 |
CN110473269B (zh) * | 2019-08-08 | 2023-05-26 | 上海联影医疗科技股份有限公司 | 一种图像重建方法、***、设备及存储介质 |
CN111080740B (zh) * | 2019-12-27 | 2023-06-16 | 上海联影医疗科技股份有限公司 | 一种图像校正方法、装置、设备及介质 |
CN111260575B (zh) * | 2020-01-13 | 2023-07-04 | 沈阳先进医疗设备技术孵化中心有限公司 | 数据处理方法、装置、ct设备及ct*** |
CN115294232B (zh) * | 2022-09-30 | 2023-01-06 | 浙江太美医疗科技股份有限公司 | 重建算法的识别方法、装置、电子设备和存储介质 |
CN115908430B (zh) * | 2023-03-08 | 2023-05-30 | 深圳市益心达医学新技术有限公司 | 基于图像处理的介入医学检测方法、装置、设备及介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102947864A (zh) * | 2010-06-21 | 2013-02-27 | 皇家飞利浦电子股份有限公司 | 用于执行低剂量ct成像的方法和*** |
CN103976753A (zh) * | 2013-02-08 | 2014-08-13 | 株式会社日立医疗器械 | Ct图像生成装置和ct图像生成方法 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2504811B1 (en) * | 2009-11-25 | 2014-06-18 | Koninklijke Philips N.V. | Enhanced image data/dose reduction |
CN102968762B (zh) * | 2012-10-24 | 2015-05-20 | 浙江理工大学 | 一种基于稀疏化和泊松模型的pet重建方法 |
CN103106676B (zh) * | 2013-02-05 | 2016-04-06 | 南方医科大学 | 一种基于低剂量投影数据滤波的x射线ct图像重建方法 |
CN104166971B (zh) * | 2013-05-17 | 2015-07-22 | 上海联影医疗科技有限公司 | 一种ct图像重建的方法 |
CN106127825B (zh) * | 2016-06-15 | 2019-12-03 | 赣南师范大学 | 一种基于广义惩罚加权最小二乘的x射线ct图像重建方法 |
-
2017
- 2017-01-11 CN CN201710017797.XA patent/CN106683146B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102947864A (zh) * | 2010-06-21 | 2013-02-27 | 皇家飞利浦电子股份有限公司 | 用于执行低剂量ct成像的方法和*** |
CN103976753A (zh) * | 2013-02-08 | 2014-08-13 | 株式会社日立医疗器械 | Ct图像生成装置和ct图像生成方法 |
Also Published As
Publication number | Publication date |
---|---|
CN106683146A (zh) | 2017-05-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106683146B (zh) | 一种图像重建方法和图像重建算法的参数确定方法 | |
US9420986B2 (en) | X-ray CT apparatus and X-ray CT image processing method | |
JP4545404B2 (ja) | イメージング・システムの可変x線強度変調方式を具現化する方法及びシステム | |
JP5028528B2 (ja) | X線ct装置 | |
US7801265B2 (en) | System and method for creating mixed image from dual-energy CT data | |
US20130051516A1 (en) | Noise suppression for low x-ray dose cone-beam image reconstruction | |
US8965078B2 (en) | Projection-space denoising with bilateral filtering in computed tomography | |
NL1034577C2 (nl) | Röntgentomografie-apparatuur. | |
JP2019209107A (ja) | 所望の画質を達成するためのタスクベースの画質メトリックを使用するct撮像システムおよび方法 | |
JP2010527741A (ja) | 画像再構成において利得変動の補正を容易にする方法及びシステム | |
US9592021B2 (en) | X-ray CT device, and method | |
WO2015137011A1 (ja) | X線ct装置、及び処理装置 | |
CN111627083B (zh) | 骨硬化伪影校正方法、装置、计算机设备和可读存储介质 | |
JP5588697B2 (ja) | X線ct装置 | |
US8938104B2 (en) | Systems and methods for adaptive filtering | |
CN109448071B (zh) | 一种能谱图像重建方法及*** | |
US7379525B2 (en) | Method and system for efficient helical cone-beam reconstruction | |
JP7403585B2 (ja) | 計算機式断層写真法画像再構成のためのシステム及び方法 | |
JP2013116213A (ja) | X線ct装置 | |
US20230145920A1 (en) | Systems and methods for motion detection in medical images | |
US11380027B2 (en) | Medical image processing apparatus and medical image processing method | |
CN107341836B (zh) | 一种ct螺旋扫描图像重建方法及装置 | |
US20240237956A1 (en) | Systems, Methods, and Media for Generating Low-Energy Virtual Monoenergetic Images from Multi-Energy Computed Tomography Data | |
US20240144441A1 (en) | System and Method for Employing Residual Noise in Deep Learning Denoising for X-Ray Imaging | |
Balda et al. | Non-Stationary CT Image Noise Spectrum Analysis. |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
CB02 | Change of applicant information | ||
CB02 | Change of applicant information |
Address after: 201807 Shanghai City, north of the city of Jiading District Road No. 2258 Applicant after: Shanghai Lianying Medical Technology Co., Ltd Address before: 201807 Shanghai City, north of the city of Jiading District Road No. 2258 Applicant before: SHANGHAI UNITED IMAGING HEALTHCARE Co.,Ltd. |
|
GR01 | Patent grant | ||
GR01 | Patent grant |