CN107430779A - 多能量（谱）图像数据处理 - Google Patents

多能量（谱）图像数据处理 Download PDF

Info

Publication number
CN107430779A
CN107430779A CN201680014614.2A CN201680014614A CN107430779A CN 107430779 A CN107430779 A CN 107430779A CN 201680014614 A CN201680014614 A CN 201680014614A CN 107430779 A CN107430779 A CN 107430779A
Authority
CN
China
Prior art keywords
image
sinogram
low
smoothed
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.)
Granted
Application number
CN201680014614.2A
Other languages
English (en)
Other versions
CN107430779B (zh
Inventor
G·谢克特
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.)
Koninklijke Philips NV
Original Assignee
Koninklijke Philips Electronics NV
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 Koninklijke Philips Electronics NV filed Critical Koninklijke Philips Electronics NV
Publication of CN107430779A publication Critical patent/CN107430779A/zh
Application granted granted Critical
Publication of CN107430779B publication Critical patent/CN107430779B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • 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
    • G06T11/00—2D [Two Dimensional] image generation
    • G06T11/003—Reconstruction from projections, e.g. tomography
    • G06T11/006—Inverse problem, transformation from projection-space into object-space, e.g. transform methods, back-projection, algebraic methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2211/00—Image generation
    • G06T2211/40—Computed tomography
    • G06T2211/408—Dual energy
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2211/00—Image generation
    • G06T2211/40—Computed tomography
    • G06T2211/421—Filtered back projection [FBP]

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Algebra (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Physics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Apparatus For Radiation Diagnosis (AREA)

Abstract

一种方法包括生成低能量图像域和高能量图像域中的材料标志图像。所述材料标志图像估计通过将少量的已知材料添加到所述像素引起的图像像素的值的改变。所述方法还包括生成所述低能量图像域和高能量图像域中的空气值图像。所述空气值图像估计针对每个图像像素在像素的值由表示空气的值替换时的值。所述方法还包括基于所述材料标志图像和空气值图像从根据所述低线积分和高线积分所生成的去噪的低图像和高图像提取每个图像像素的材料组成。所述方法还包括生成指示所提取的材料组成的信号。

Description

多能量(谱)图像数据处理
技术领域
以下总体涉及多能量(谱)图像数据处理并且结合计算机断层摄影(CT)的特定应用进行描述；然而，以下还适用于其他谱成像模态。
背景技术
投影域分解已经被用于降低存在于双能量CT的低能量和高能量(谱)图像中的射束硬化失真。遗憾的是，投影域分解引入康普顿散射与光电效应线积分之间的强的负相关的噪声。去噪算法可以被用于降低噪声。然而，在不使图像模糊或不引入一些偏置的情况下利用这样的去噪算法降低噪声的低频分量可以是具挑战性的。独立于该挑战，噪声输入投影数据的非线性投影域分解自身导致噪声引起的偏置。无论如何应用去噪算法，该偏置的部分保持，传播到图像并且可以降低谱图像质量。
发明内容
本申请的各方面解决以上提到的问题和其他问题。
以下描述了一种用于减轻射束硬化图像失真的方法。低能量图像域/高能量图像域中的辅助变量(在本文中被称为标志(landmark))被构建为捕获由亨氏单位(HU)偏移和由可见伪影二者表达的射束硬化失真。所述标志中的一些估计对应于向其添加少量的已知材料(如软组织、骨骼、脂肪或碘)的每个图像像素的值的改变。其他标志对应于被用于分解的基础的元素而被构建。作为范例，这些元素可以被选择为水中的光电效应和散射。这些其他标志帮助估计针对在其中所述像素和其小的邻域的内容已经由空气替代的假设情况的像素值。另外，重建低能量图像和高能量图像。所述图像和所述标志被用于找到每个图像像素的所述组成，同时避免所述射束硬化失真。
根据一个方面，一种方法包括生成低能量图像域和高能量图像域中的材料标志图像。所述材料标志图像估计通过将少量的已知材料添加到像素而引起的图像像素的值的改变。所述方法还包括生成所述低能量图像域和高能量图像域中的空气值图像。所述空气值图像估计针对每个图像像素在像素的值由表示空气的值替换时的值。所述方法还包括基于所述材料标志图像和空气值图像从根据低线积分和高线积分所生成的去噪的低图像和高图像提取的每个图像像素的材料组成。所述方法还包括生成指示所提取的材料组成的信号。
在另一方面中，一种***包括标志处理器，所述标志处理器被配置为根据低能量线积分和高能量线积分的集合来生成材料标志和空气值。材料标志估计与将少量的已知材料添加到图像像素相对应的像所述素的值的改变，并且空气值估计针对所述图像像素的对于像素的内容由表示空气的值替换的假设情况的值。所述***还包括材料分类和量化处理器，所述材料分类和量化处理器被配置为基于所述材料标志和所估计的空气值根据利用低线积分和高线积分的所述集合生成的去噪的低体积图像和高体积图像来确定每个图像像素的材料组成，并且生成指示所提取的材料组成的信号。
在另一方面中，一种计算机可读存储介质被编码有计算机可读指令，所述计算机可读指令在由计算***的处理器运行时使所述处理器：从扫描接收投影数据；将所述投影数据处理为包含射束硬化图像失真的低频谱图像和高频谱图像；处理低频谱投影数据和高频谱投影数据以确定标志的集合，并且通过处理基于所述标志的集合根据所述投影数据所重建的所述图像来生成没有射束硬化图像失真的虚拟单色图像、碘图、虚拟非造影图像中的一个或多个。
本领域技术人员在阅读和理解了以下详细说明之后，将领会到本发明的再其他的方面。
附图说明
本发明可以采取各种部件和各部件的布置以及各种步骤和各步骤的安排的形式。附图仅出于图示优选的实施例的目的并且不应被解释为对本发明的限制。
图1示意性地图示了用于生成和使用标志的***。
图2示意性地图示了范例标志确定器。
图3示出了轴向图像切片内的骨骼标志的低频谱坐标。
图4示出了如图3中所示的相同轴向图像切片的低频谱图像。
图5示意性地图示了标志确定器的变型。
图6图示了碘标志低频谱坐标的图形。
图7图示了范例HU-HU散点图。
图8图示了图像的子部分。
图9图示了另一范例HU-HU散点图。
图10图示了用于生成和使用标志的范例方法。
具体实施方式
图1图示了***101。***101包括成像***100，诸如计算机断层摄影(CT)***。
成像***100包括大体固定机架102和旋转机架104，旋转机架104由固定机架102可旋转地支持。旋转机架104关于纵向或z轴围绕检查区域106旋转。对象支撑112(诸如沙发)在检查区域106中支撑对象或对象。对象支撑体112可以与扫描协调地移动以便关于检查区域106引导对象或目标。
辐射源108(诸如x射线管)由旋转机架104支撑并且发射辐射。在一个实例中，辐射源108被配置为在用于扫描的至少两个不同的峰值发射谱(例如，80和140kVp)之间进行切换。在另一实例中，***100包括多个源108，其中，源108中的一个或多个可以被配置为或可以不被配置为kVp切换。在又一实施例中，源108被配置为发射单个宽频谱。
辐射灵敏探测器阵列110包括探测器的一维或二维阵列，其被配置为探测穿过检查区域106的辐射并且生成投影数据或指示其的电信号。探测器可以包括常规探测器或能量解析谱探测器，诸如多层探测器(其中每层被配置为探测对应于不同的预定能量范围的光子)、光子计数探测器和/或其他谱探测器。
计算机用作操作者控制台114并且包括诸如监视器(例如，LED、LCD等的人类可读输出设备)和诸如键盘和鼠标的输入设备。驻留在控制台114上的软件允许操作者与***100交互以控制***100的操作。例如，软件在由计算机处理器运行时，可以经由GUI构建软控制，其允许用户选择谱重建算法。
投影域处理器116将投影数据组成为至少两个能量相关分量(诸如低能量和高能量的线积分的集合)。
投影域去噪处理器118可以被用于对分解的低能量线积分和高能量线积分进行去噪。适合的去噪算法包括但不限于全变差最小化和/或其他算法。在Brown等人“Acceleration of ML iterative algorithms for CT by the use of fast startimages,”Proc.SPIE 8313,(2012)中描述了合适的算法的范例。
射束硬化校正处理器120校正针对射束硬化伪影的去噪的低能量线积分和高能量线积分，产生射束硬化校正的去噪的低能量线积分和高能量线积分。在一个实例中，射束硬化处理器120应用基于水的射束硬化校正，诸如多项式或基于其他基于水的射束硬化校正。
重建处理器122根据分量120重建射束硬化校正的、去噪的低能量线积分和高能量线积分，产生低能量和高能量体积图像I低,高。
结构传播去噪处理器124处理低能量和高能量体积图像，以及通过组合低能量和高能量体积图像所创建的单个图像，产生去噪的低能量和高能量体积图像在题为“Structure Propagation Restoration for Spectral CT”并且于2014年2月11日提交的公开号WO 2014/128595为国际申请中描述了这样的去噪方法的范例，在此通过引用将其整体内容并入。本文中还预期其他方法。
平滑处理器126对经射束硬化校正的去噪的低能量线积分和高能量线积分进行低高能量，产生经平滑的低能量线积分和高能量线积分在一个实例中，平滑处理器被实现为滤波器，其将射束硬化校正的去噪低能量线积分和高能量线积分与空间不变和/或其他滤波器卷积。空间不变滤波器的范例是相应地沿着探测器弧、探测器行和视图的3、5、7等个容器的箱式滤波器。
光电效应/康普顿散射(PE/CS)分解处理器128将经平滑的低能量线积分和高能量线积分分解为3D经平滑的光电效应和康普顿散射等效路径正弦图与例如Alvarez等人Phys.Med.Biol.21,733(1976)中讨论的分解不同，3D经平滑的光电效应和康普顿散射正弦图没有噪声引起的偏置和/或负相关的噪声。
将理解到，允许对低线积分和高线积分的平滑，因为根据这些等效路径正弦图所计算的标志和空气值二者以比每cm几线对更小的典型频率下变化。
标志处理器130处理3D经平滑的光电/散射等效路径正弦图并且生成标志体积图像如下面更详细地描述的，这包括生成针对材料和基础元素二者的标志图像，并且然后使用这些标志来对每个像素中的材料进行分类和量化。一般地，标志表示针对多能量亨氏单位(HU)空间上的不同的材料的位置的点。针对不同的材料(诸如软组织、脂肪、骨骼、碘或分解基础元素)计算这些图像中的每个像素的值。其给出对应于将小的并且已知浓度的材料或基础元素添加到像素和其小的邻域的像素中的HU的增加。
材料分类和量化处理器132处理去噪的低能量图像和高能量图像和标志体积图像并且产生以下各项中的一项或多项：虚拟单色图像、碘图、虚拟非造影图像、碘到钙分类和/或其他图像。下面更详细地讨论了材料分类和量化的范例。将理解到，通过实现本文所描述的方法，从低谱图像和高谱图像中减轻了射束硬化图像失真，避免本文所描述的投影分解的不利的副作用。
数据储存库134存储电子格式的数据，包括以下各项中的一项或多项：由探测器阵列110所生成的投影数据、低能量图像和高能量图像的对、空气值图像、标志、材料分类和量化结果等。数据储存库的范例包括图片归档及通信***(PACS)、放射信息***(RIS)、医院信息***(HIS)、电子病历(EMR)、数据库、服务器等。
应该理解，处理器116、118、120、122、124、126、128、130或132中的一个或多个可以经由运行被嵌入或被编码在非瞬态计算机可读存储介质(诸如物理存储器)上的一个或多个计算机可读和/或可执行指令的一个或多个计算机处理器(例如，微处理器、中央处理单元等)来实现。处理器116-132中的一个或多个可以是控制台114的一部分、远离***101的计算***、跨越多个设备分布等。额外地或者替代地，可以通过瞬态介质(诸如信号)携带指令中的至少一个。
图2示意性地图示了用于生成3D域中的标志的标志处理器130的范例。标志处理器130接收3D经平滑的光电/散射等效路径正弦图为输入。标志处理器130包括两个处理链200和212。
处理链200确定标志体积图像针对不同的材料(诸如软组织、脂肪和骨骼、碘或利用上标m索引的分解基础元素)计算这些图像中的每个像素的值。其给出对应于将小的并且已知的浓度的材料或基础元素添加到像素和其小的邻域的像素中的HU的增加。处理链212通过估计像素的内容和其邻域由空气替换的假设情况中的低图像和高图像内的每个像素的值来确定空气体积图像
处理链200包括正弦图生成器202，其利用针对低频谱/高频谱的模型估计生成3D经平滑的低/高正弦图例如，如在公式1中所示：
公式1：
其中，c,r,v表示3D正弦图内的给出读数的探测器列、探测器行和视图数目，S(E)是由探测器吸收的能量的光子对电子信号的贡献，F低,高(E,c,r)表示在空气扫描期间要吸收在探测器中的低频谱或高频谱的能量E的光子的通量，并且是水能量相关光子和散射衰减机制。
正弦图生成器202并行还利用用于低/高频谱的模型估计以利用通过标志材料或基础元素的额外相交路径δ的3D经平滑的材料低/高正弦图，例如，如在公式2中所示：
公式2：
其中，μm(E)代表与标志相关联的材料的能量相关的总衰减截面和基础元素(即，)的衰减截面二者。在公式2中，在不根据双基模型近似的情况下，使用准确的材料总衰减截面。这可以导致与常规投影分解方法相比经改进的材料分类和量化。
射束硬化校正器204将基于水的射束硬化校正应用在上以生成经射束硬化校正的3D低/高正弦图并且应用在上以生成经射束硬化校正的3D材料低/高正弦图
减法器206计算与之间的差异。
缩放器208通过将差异乘以1000/(0.0192/mm·δ)来对所述差异进行缩放，其中，0.0192乘以1/mm代表针对水的总衰减所取的数目。
3D反投影器210对由所表示的经缩放的差异进行反投影，这生成标志体积图像在一个实例中，反投影器210采用与用来重建由结构传播去噪处理器124所输出的低能量和高能量体积图像相同的权重。
在公式3中所描述的另一实施例中，在将计算分割为导致和的202和204中的两个通道的情况下，可以获得经缩放的差异此处是射束硬化校正多项式系数并且μm(E)是材料m的衰减截面。
公式3：
标志在图像域内缓慢地变化。在图3中示出了该范例，其示出了轴向图像切片内的骨骼标志的低频谱坐标。在该范例中，骨骼分子是1g/cc的Ca4PO13H。图4示出了相同的图像切片的低频谱图像。
返回图2，第二处理链212包括滤波器和3D反投影器214，其对射束硬化校正的3D低/高正弦图进行滤波和反投影，这产生低和高能量经平滑的体积图像在一个实例中，反投影器210采用与用于重建由结构传播去噪处理器124所输出的低和高能量体积图像相同的权重。滤波器和3D反投影器214还对进行滤波和反投影，产生3D经平滑的光电和散射体积图像对于每个像素，这些图像给出像素中的光电/散射机制的强度除以水像素的强度。
加法器216将对应于分解基础元素的标志添加到产生其中“·”代表逐像素乘法。
减法器218将空气体积图像生成为与之间的差异，如在公式4中所示：
公式4：
空气体积图像不必是零，因为与光电/散射图像不同，低和高图像被射束硬化伪影污染。
图5示意性地图示了在2D域中生成标志图像和空气图像(例如，顺序地针对体积图像的每个轴向2D切片)的变型。在图5中，是的2D轴向图像切片。前向投影器302对进行前向投影，产生其替换公式1和2中的2DFBP 304产生2D图像切片 替换图2中的2D反投影器306产生2D标志图像切片
选择图2和图4中的δ的小值(例如，1mm)，标志数学上等于关于其内的材料或基础元素的内容的低/高图像像素值的导数。对于公式4而言，类似碘和骨骼的材料的该导数在针对像素内的这些材料的不同的浓度的近似内是固定的。而且，可以通过校正来降低被包含在该近似内的小的不准确度。结合图6描述了范例校正。
x轴602表示2D图像像素内的碘标志的低频谱坐标。y轴604是相同坐标，使用图2的配置所计算，此处仅在于在像素周围大约20mm直径的小球形邻域内的的值被减少50％，旨在关于像素内容的平均更好的
如在图6中所示，以两种方式计算在大值处得到大致相同结果。然而，在其最低值处，变得小了多达关于通过更好的平均所获得的其值的大约2％。为了减轻该小准确度，可以针对所有材料和基础元素标志坐标计算类似图形。预计算适于这些图形的标准多项式可以被用于基于这些多项式，将图2中所获得的标志值映射为更准确的标志值。
然后，结合图7讨论了材料分类和量化处理器130的范例。对于双能量扫描器而言，每个像素的内容被认为是两个材料的混合物。
标志和所估计的空气值在该范例中被用于找到每个像素内的两个材料是哪些。图7包括各自对应于这些材料的典型浓度的软组织标志702、骨骼标志704和碘标志706。在该范例中，碘和骨骼标志706和704的开始点在软组织标志702的结束点处，如在708处所示。在从其减去每个像素处的的低和高坐标之后，区域710给出原始低/高图像的低/高坐标。
在该范例中，材料分类和量化处理器132针对每个像素确定除软组织外其是否包含钙或碘。对于该确定而言，处理器112使用不仅具有由给出的偏移坐标的点而且在对应于相邻像素的这些点的组之间连接的线的斜率。发现这些线被使碘或钙标志并行，这取决于这些材料中的哪一个在给出像素组内。
根据表示图7中的像素的左下点的位置连同将该点连接到表示相邻像素的点的线，处理器132断定由该点所表示的像素包含软组织和碘的混合物。处理器132将由Cw/i(pix)所表示的像素内的这两个材料中的每一个的浓度当作求解公式5中的两个线性方程组的两个未知变量：
公式5：
其中，CL,m＝w/i表示针对计算标志所选择的已知浓度。
求解公式5等同于平行四边形方法(即，将点位置表达为平行于水和碘标志的两个平行四边形相邻面(facet)的线性组合并且加和到关于空气(-1000,-1000)的点的位置)。每个面的长度除以其对应的标志的长度给予我们像素Cw/i(pix)中的水/碘浓度与已知浓度CL,m＝w/i之间的比例。
出于解释的目的，上文针对双能量情况进行了描述。然而，将理解到，公式1-5可以以直接的方式被用于N>2谱窗口连同针对每个像素的N个候选材料和N个基础元素。
图8和9图示了示出了范例。
图8示出了描绘示出血液806和钙化斑块808的主动脉804的剖视图的图像802的部分。图9示出了在针对斑块ROI中心的像素所计算的软组织、骨骼和碘标志902、904和906，在针对血液ROI的中心处的像素所计算的那些之上。血液ROI内的像素在908处绘制，并且具有斑块的像素在910处绘制。在908处的血液像素落在碘线906上。在910处的斑块像素未落在骨骼线904上，因为其软组织含量与血液内的软组织含量不同。尽管如此，基于连接他们的线的斜率，其可以仍然被识别为属于钙化斑块。其散射可能不归因于噪声，其非常小，但是达到了它们的钙浓度之间的变化。
该解释基于观察如脊椎的其他器官处的骨骼像素的散点图。类似针对椎骨，该散射的线性拟合被期望平行于钙标志。在实践中，研究不同的患者中的各种钙化，已经发现该线性拟合具有从钙化标志的线性拟合的斜率偏移+0.9±0.40的斜率。归因于不完美的谱模型的该偏移仍比关于由-7.3±1.10给出的碘标志的偏移的偏移在幅度方面小得多。在钙化和碘像素之间这样适当地分类的能力要求噪声抑制和射束硬化伪影的准确的消除二者，并且在投影分解或任何去噪步骤期间不引入偏置。本文所描述的方法提供了所有这些益处。
图10图示了用于采用本文所描述的标志方法的方法。
在1002处，获得射束硬化校正的去噪低能量线积分和高能量线积分。可以经由射束硬化校正处理器120、数据储存134和/或以其他方式如本文所讨论地获得这些。
在1004处，重建射束硬化校正的、去噪低能量线积分和高能量线积分，产生低能量和高能量体积图像。
在1006处，处理低能量和高能量体积图像，产生去噪的低能量和高能量体积图像。
在1008处，对射束硬化校正的去噪的低能量线积分和高能量线积分进行平滑，产生经平滑的低能量线积分和高能量线积分。
在1010处，经平滑的低能量线积分和高能量线积分被分解为3D经平滑的光电效应和康普顿散射正弦图。
在1012处，如本文所描述的，处理3D平滑光电效应和康普顿散射正弦图，生成材料和基础元素标志图像。这包括空气值图像，其中每个像素内的值是具有由表示空气的值替换的像素的内容的所估计的假设值。
在1014处，处理去噪的低能量图像和高能量图像和标志低能量图像和高能量图像，产生以下中的一项或多项：虚拟单色图像、碘图、虚拟非造影图像、碘到钙分类和/或其他图像，如本文中所描述。
以上可以由计算机可读指令的方式实现，其在由(一个或多个)处理器运行时使得(一个或多个)处理器执行所描述的动作。在这样的情况下，指令可以被存储在与相关计算机相关联或者对相关计算机可访问的计算机可读存储介质。额外地或者替代地，指令中的一个或多个可以通过载波或信号来承载。
在本文中已经参考各种实施例描述了本发明。在阅读本文中的本描述之后，他人将做出修改和变型。本发明旨在被理解为包括所有这样的修改和变型，只要其落入权利要求或其等价方案的范围之内。

Claims (21)

1.一种方法，包括：
生成低能量图像域和高能量图像域中的材料标志图像，其中，所述材料标志图像估计通过将少量的已知材料添加到图像像素所引起的所述像素的值的改变；
生成所述低能量图像域和所述高能量图像域中的空气值图像，其中，所述空气值图像估计针对每个图像像素在像素的值由表示空气的值替换时的值；并且
基于所述材料标志图像和所述空气值图像从根据低线积分和高线积分所生成的去噪的低图像和高图像提取每个图像像素的材料组成，并且生成指示所提取的材料组成的信号。
2.根据权利要求1所述的方法，其中，所述去噪的低体积图像和高体积图像包括射束硬化失真，并且所述材料组成没有所述射束硬化失真。
3.根据权利要求1至2中的任一项所述的方法，还包括：
接收投影数据，所述投影数据是由成像***的探测器阵列响应于利用所述成像***对目标进行扫描而生成的；
处理所述投影数据，其产生低能量线积分和高能量线积分；
对所述低能量线积分和所述高能量线积分进行去噪，其产生去噪的低能量线积分和高能量线积分；并且
处理所述去噪的低能量线积分和高能量线积分以校正图像射束硬化失真。
4.根据权利要求1至3中的任一项所述的方法，还包括：
对所述低能量线积分和所述高能量线积分进行平滑，其产生经平滑的低能量线积分和高能量线积分；并且
将所述经平滑的低能量线积分和高能量线积分分解为3D经平滑的光电效应正弦图和康普顿散射正弦图。
5.根据权利要求4所述的方法，其中，所述光电效应和康普顿散射等效路径没有噪声引起的偏置和负相关的噪声。
6.根据权利要求4至5中的任一项所述的方法，其中，生成所述标志体积图像包括：
根据所述3D经平滑的光电效应正弦图和康普顿散射正弦图来生成3D经平滑的低能量正弦图和高能量正弦图以及3D经平滑的材料低能量正弦图和高能量正弦图；
对所述3D经平滑的低能量正弦图和高能量正弦图以及所述3D经平滑的材料低能量正弦图和高能量正弦图进行射束硬化校正，以产生3D低正弦图和高正弦图以及3D材料低正弦图和高正弦图；
确定所述3D低正弦图和高正弦图与3D材料低正弦图和高正弦图之间的差异；
对所述差异进行缩放；并且
对经缩放的差异进行反投影，其产生所述标志体积图像。
7.根据权利要求4至5所述的方法，其中，生成所述标志体积图像包括：将差异的所述经缩放的3D材料低正弦图和高正弦图直接计算为所述3D材料低正弦图和高正弦图关于通过所述材料的额外的相交路径的导数。
8.根据权利要求6至7所述的方法，其中，生成所述空气值图像包括：
对所述经平滑的3D低正弦图和高正弦图进行滤波反投影，以产生经平滑的低能量体积图像和高能量体积图像；
对所述3D经平滑的光电效应正弦图和康普顿散射正弦图进行反投影，以产生3D经平滑的光电体积图像和散射体积图像；
生成针对用于分解的基础元素的体积标志图像；并且
基于所述经平滑的低能量体积图像和高能量体积图像、所述基础元素的体积标志图像和所述3D经平滑的光电体积图像和散射体积图像，生成所述空气体积图像。
9.根据权利要求3至8中的任一项所述的方法，还包括：
对低能量线积分和高能量线积分的集合进行重建，其产生低体积图像和高体积图像的集合；以及
对低体积图像和高体积图像的所述集合进行去噪，其产生去噪的低体积图像和高体积图像。
10.根据权利要求9所述的方法，还包括：
利用所述去噪的低能量体积图像和高能量体积图像以及所述标志体积图像和空气值体积图像来重建2D HU/HU散点图；并且
基于所述2D HU/HU散点图来确定所述材料组成。
11.根据权利要求1至10中的任一项所述的方法，还包括：
接收2D经平滑的光电图像切片和散射图像切片；
对所述2D经平滑的光电图像切片和散射图像切片进行前向投影，以产生2D经平滑的光电正弦图和散射正弦图；
基于所述2D经平滑的光电正弦图和散射正弦图，生成2D经平滑的低正弦图和高正弦图；
对所述2D经平滑的低正弦图和高正弦图进行反投影，以产生2D经平滑的低图像切片和高图像切片；
基于所述2D经平滑的光电正弦图和散射正弦图，生成2D经平滑的低正弦图和高正弦图；
基于所述2D经平滑的光电正弦图和散射正弦图，生成2D基础元素低正弦图和高正弦图；
确定所述2D经平滑的低正弦图和高正弦图与所述2D材料和基础元素低正弦图和高正弦图之间的差异；
对所述差异进行缩放；
对所述差异进行反投影，以产生标志2D图像切片；并且
基于所述2D基础元素图像、所述2D经平滑的低图像和高图像以及所述经平滑的2D光电图像和散射图像，生成2D空气值图像。
12.根据权利要求1至11中的任一项所述的方法，还包括：
基于所述信号来生成以下中的一项或多项：虚拟单色图像、碘图、虚拟非造影图像、或碘到钙分类。
13.一种***(101)，包括：
标志处理器(130)，其被配置为根据低能量线积分和高能量线积分的集合来生成材料标志和空气值，其中，材料标志估计与将少量的已知材料添加到图像像素相对应的所述像素的值的改变，并且空气值估计针对所述图像像素的对于所述像素的内容由表示空气的值替换的假设情况的值；以及
材料分类和量化处理器(132)，其被配置为基于所述材料标志和所估计的空气值根据利用低线积分和高线积分的所述集合生成的去噪的低体积图像和高体积图像来确定每个图像像素的材料组成，并且生成指示所提取的材料组成的信号。
14.根据权利要求13所述的***，还包括：
投影域处理器(116)，其被配置为组成投影数据并且产生组成的低能量线积分和高能量线积分；
投影域去噪处理器(118)，其被配置为对所述组成的低能量线积分和高能量线积分进行去噪并且产生去噪的组成的低能量线积分和高能量线积分；以及
射束硬化校正处理器(120)，其被配置为处理所述去噪的组成的低能量线积分和高能量线积分以校正射束硬化失真并且产生低能量线积分和高能量线积分的所述集合。
15.根据权利要求13至14中的任一项所述的***，还包括:
平滑处理器(122)，其被配置为对低能量线积分和高能量线积分的所述集合进行平滑，其产生经平滑的低能量线积分和高能量线积分；以及
PE/CS分解处理器(128)，其被配置为将所述经平滑的低能量线积分和高能量线积分分解为3D经平滑的光电效应正弦图和康普顿散射正弦图。
16.根据权利要求15所述的***，其中，所述标志处理器包括：
正弦图生成器(202)，其被配置为处理所述3D经平滑的光电效应正弦图和康普顿散射正弦图并且生成3D经平滑的低能量正弦图和高能量正弦图以及3D经平滑的材料和基础元素低能量正弦图和高能量正弦图；
射束硬化校正器(204)，其被配置为处理对所述3D经平滑的低能量正弦图和高能量正弦图以及所述3D经平滑的材料和基础元素低能量正弦图和高能量正弦图的射束硬化校正，并且产生3D低正弦图和高正弦图以及3D经平滑的材料低正弦图和高正弦图；
减法器(206)，其被配置为确定所述3D经平滑的低正弦图和高正弦图与3D经平滑的材料和基础元素低正弦图和高正弦图之间的差异；
缩放器(208)，其被配置为对所述差异进行缩放；以及
反投影器(210)，其被配置为对经缩放的差异进行反投影并且产生所述标志体积图像。
17.根据权利要求16所述的***，其中，所述缩放器通过将所述差异乘以1000/(0.0192/mm·δ)来对所述差异进行缩放，其中，δ表示通过所述标志材料或基础元素的额外的相交路径。
18.根据权利要求16至17中的任一项所述的***，其中，所述标志处理器还包括：
滤波器和3D反投影器(214)，其被配置为对所述3D经平滑的低正弦图和高正弦图进行滤波和反投影，产生经平滑的低能量体积图像和高能量体积图像，以及所述3D经平滑的光电效应正弦图和康普顿散射正弦图，产生3D经平滑的光电体积图像和散射体积图像；
加法器(216)，其将所述3D经平滑的光电效应正弦图和康普顿散射正弦图与标志光电散射低能量图像和高能量图像进行相加；以及
减法器(218)，其从所述经平滑的低能量体积图像和高能量体积图像减去所述加法器的输出，产生所述空气体积图像。
19.根据权利要求13至17中的任一项所述的***，还包括：
重建处理器(122)，其被配置为重建低能量线积分和高能量线积分的所述集合，其产生低体积图像和高体积图像；以及
去噪处理器(124)，其被配置为对所述低能量图像和高能量图像进行去噪，其产生所述去噪的低体积图像和高体积图像。
20.根据权利要求19所述的***，其中，所述材料分类和量化处理器利用所述标志体积图像和空气值体积图像以及所述去噪的低能量体积图像和高能量体积图像来构建2D HU/HU散点图，并且基于所述2D HU/HU散点图来确定所述材料组成。
21.一种编码有计算机可读指令的非瞬态计算机可读存储介质，所述计算机可读指令在由计算***的处理器运行时使所述处理器：
从扫描接收投影数据；
将所述投影数据处理为包含射束硬化图像失真的低频谱图像和高频谱图像；
处理低频谱投影数据和高频谱投影数据以确定标志的集合；并且
基于标志的所述集合，通过处理根据所述投影数据重建的所述图像来生成没有射束硬化图像失真的虚拟单色图像、碘图或虚拟非造影图像中的一项或多项。
CN201680014614.2A 2015-03-09 2016-02-24 多能量（谱）图像数据处理 Active CN107430779B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US201562130002P 2015-03-09 2015-03-09
US62/130,002 2015-03-09
PCT/IB2016/050988 WO2016142796A1 (en) 2015-03-09 2016-02-24 Multi-energy (spectral) image data processing

Publications (2)

Publication Number Publication Date
CN107430779A true CN107430779A (zh) 2017-12-01
CN107430779B CN107430779B (zh) 2021-08-24

Family

ID=55543011

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201680014614.2A Active CN107430779B (zh) 2015-03-09 2016-02-24 多能量（谱）图像数据处理

Country Status (4)

Country Link
US (1) US10657679B2 (zh)
EP (1) EP3268934B1 (zh)
CN (1) CN107430779B (zh)
WO (1) WO2016142796A1 (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6100772B2 (ja) * 2011-07-15 2017-03-22 コーニンクレッカ フィリップス エヌ ヴェＫｏｎｉｎｋｌｉｊｋｅ Ｐｈｉｌｉｐｓ Ｎ．Ｖ． 画像処理方法及びコンピューティング装置
US11049295B2 (en) 2016-12-19 2021-06-29 Koninklijke Philips N.V. Detection and/or correction of residual iodine artifacts in spectral computed tomography (CT) imaging
CN111489406B (zh) * 2020-03-26 2023-11-14 深圳先进技术研究院 生成高能ct图像模型的训练及生成方法、设备、存储介质
US11944484B2 (en) 2021-03-31 2024-04-02 Canon Medical Systems Corporation Material decomposition calibration method and apparatus for a full size photon counting CT system
CN113505856B (zh) * 2021-08-05 2024-04-09 大连海事大学 一种高光谱影像无监督自适应分类方法

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1775176A (zh) * 2004-11-16 2006-05-24 北京航空航天大学 基于原始投影正弦图的ct射束硬化校正方法
CN1818973A (zh) * 2006-03-02 2006-08-16 西安交通大学 基于hl一致性条件的ct投影数据射束硬化效应校正方法
CN101126722A (zh) * 2007-09-30 2008-02-20 西北工业大学 基于配准模型仿真的锥束ct射束硬化校正方法
WO2012147004A1 (en) * 2011-04-28 2012-11-01 Koninklijke Philips Electronics N.V. Multi-energy imaging
CN102768759A (zh) * 2012-07-04 2012-11-07 深圳安科高技术股份有限公司 一种术中ct图像射束硬化伪影校正方法及装置
CN103150744A (zh) * 2013-03-30 2013-06-12 重庆大学 一种x射线多能谱ct投影数据处理与图像重建方法
US20130266198A1 (en) * 2012-04-04 2013-10-10 Siemens Corporation Method for creating attenuation correction maps for pet image reconstruction
CN103445803A (zh) * 2013-09-09 2013-12-18 深圳先进技术研究院 基于正弦图的ct***射束硬化消除方法及其***
CN103745440A (zh) * 2014-01-08 2014-04-23 中国科学院苏州生物医学工程技术研究所 Ct***金属伪影校正方法
US20140198892A1 (en) * 2011-03-22 2014-07-17 Keisuke Yamakawa X-ray ct device, and method

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6950492B2 (en) 2003-06-25 2005-09-27 Besson Guy M Dynamic multi-spectral X-ray projection imaging
JP5237812B2 (ja) 2005-09-06 2013-07-17 コーニンクレッカ フィリップス エレクトロニクス エヌ ヴィ 複数エネルギー窓をもつ計算機断層撮影におけるデータ処理および解析
US9135728B2 (en) 2012-04-04 2015-09-15 General Electric Company System and method for multi-energy computed tomography imaging
US8811709B2 (en) 2012-11-14 2014-08-19 General Electric Company System and method for multi-material correction of image data
US10282820B2 (en) 2013-02-21 2019-05-07 Koninklijke Philips N.V. Structure propagation restoration for spectral CT

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1775176A (zh) * 2004-11-16 2006-05-24 北京航空航天大学 基于原始投影正弦图的ct射束硬化校正方法
CN1818973A (zh) * 2006-03-02 2006-08-16 西安交通大学 基于hl一致性条件的ct投影数据射束硬化效应校正方法
CN101126722A (zh) * 2007-09-30 2008-02-20 西北工业大学 基于配准模型仿真的锥束ct射束硬化校正方法
US20140198892A1 (en) * 2011-03-22 2014-07-17 Keisuke Yamakawa X-ray ct device, and method
WO2012147004A1 (en) * 2011-04-28 2012-11-01 Koninklijke Philips Electronics N.V. Multi-energy imaging
CN103493101A (zh) * 2011-04-28 2014-01-01 皇家飞利浦有限公司 多能量成像
US20130266198A1 (en) * 2012-04-04 2013-10-10 Siemens Corporation Method for creating attenuation correction maps for pet image reconstruction
CN102768759A (zh) * 2012-07-04 2012-11-07 深圳安科高技术股份有限公司 一种术中ct图像射束硬化伪影校正方法及装置
CN103150744A (zh) * 2013-03-30 2013-06-12 重庆大学 一种x射线多能谱ct投影数据处理与图像重建方法
CN103445803A (zh) * 2013-09-09 2013-12-18 深圳先进技术研究院 基于正弦图的ct***射束硬化消除方法及其***
CN103745440A (zh) * 2014-01-08 2014-04-23 中国科学院苏州生物医学工程技术研究所 Ct***金属伪影校正方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
XING ZHAO ET.AL: "Iterative dual energy material decomposition from spatial mismatched raw data sets", 《JOURNAL OF X-RAY SCIENCE AND TECHNOLOGY》 *
张俊等: "X 射线 CT 射束硬化校正方法综述", 《CT 理论与应用研究》 *
薛国伟等: "一种射束硬化伪影校正方法", 《科学技术与工程》 *

Also Published As

Publication number Publication date
US10657679B2 (en) 2020-05-19
US20180025515A1 (en) 2018-01-25
EP3268934B1 (en) 2023-08-09
EP3268934A1 (en) 2018-01-17
CN107430779B (zh) 2021-08-24
WO2016142796A1 (en) 2016-09-15

Similar Documents

Publication Publication Date Title
US10147168B2 (en) Spectral CT
CN107430779A (zh) 多能量（谱）图像数据处理
US9600866B2 (en) Projection data de-noising
CN105025794B (zh) 谱ct的结构传播恢复
CN103493101B (zh) 多能量成像
CN106815813A (zh) 用于处理多能量计算机断层扫描图像数据集的方法和图像数据处理设备
CN105793894B (zh) 根据图像数据来进行骨骼分割
EP3813670A1 (en) System and method for high fidelity computed tomography
CN106659456A (zh) 对比剂剂量模拟
Cho et al. A novel low-dose dual-energy imaging method for a fast-rotating gantry-type CT scanner
CN110574073B (zh) 能谱计算机断层摄影(ct)成像中的残余碘伪影的探测和/或校正
EP3752062B1 (en) Apparatus for iterative material decomposition of multispectral data
CN102656609B (zh) 组织密度保留的运动补偿
WO2016097981A1 (en) Penalized maximum likelihood material decomposition
Gomi et al. Development of a denoising convolutional neural network-based algorithm for metal artifact reduction in digital tomosynthesis for arthroplasty: A phantom study
EP2864964B1 (en) Image reconstruction in interleaved multi-energy imaging
Yang et al. Sinogram-based attenuation correction in PET/CT
Lim et al. Feasibility study of deep-learning-based bone suppression incorporated with single-energy material decomposition technique in chest X-rays
Heverhagen Physics of computed tomography scanning

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
GR01 Patent grant
GR01 Patent grant