CN108010096A - Cbct图像重建方法、装置和cbct设备 - Google Patents
Cbct图像重建方法、装置和cbct设备 Download PDFInfo
- Publication number
- CN108010096A CN108010096A CN201711242863.XA CN201711242863A CN108010096A CN 108010096 A CN108010096 A CN 108010096A CN 201711242863 A CN201711242863 A CN 201711242863A CN 108010096 A CN108010096 A CN 108010096A
- Authority
- CN
- China
- Prior art keywords
- image
- projection
- data
- angle
- reconstruction
- 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.)
- Pending
Links
- 238000007408 cone-beam computed tomography Methods 0.000 title claims abstract description 65
- 238000000034 method Methods 0.000 title claims abstract description 43
- 238000002945 steepest descent method Methods 0.000 claims description 8
- 230000002411 adverse Effects 0.000 abstract description 4
- 230000000694 effects Effects 0.000 abstract description 4
- 230000009467 reduction Effects 0.000 abstract description 3
- 238000002591 computed tomography Methods 0.000 abstract description 2
- 238000007689 inspection Methods 0.000 description 14
- 238000010586 diagram Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000005855 radiation Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 230000006378 damage Effects 0.000 description 3
- 238000003384 imaging method Methods 0.000 description 3
- 239000011159 matrix material Substances 0.000 description 3
- 208000027418 Wounds and injury Diseases 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 208000014674 injury Diseases 0.000 description 2
- 125000004122 cyclic group Chemical group 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 238000011478 gradient descent method Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000017105 transposition Effects 0.000 description 1
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
- G06T11/006—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
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10064—Fluorescence image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10072—Tomographic images
- G06T2207/10081—Computed x-ray tomography [CT]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
-
- 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]
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2211/00—Image generation
- G06T2211/40—Computed tomography
- G06T2211/436—Limited angle
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Mathematical Physics (AREA)
- Pure & Applied Mathematics (AREA)
- Algebra (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
本发明涉及一种CBCT图像重建的方法,包括:获取有限角度的投影数据;对所述有限角度的投影数据进行解析重建以获取图像F1;对i进行赋值,并基于图像F2i‑1获取缺失角度的投影数据Di;基于所述有限角度的投影数据和所述缺失角度的投影数据Di,进行第i次迭代重建以获取图像F2i;对所述图像F2i求取全变分,确定全变分最小时对应的图像为图像F2i+1;判断所述图像F2i+1是否满足收敛条件;若所述图像F2i+1满足收敛条件,则停止赋值i,并将所述图像F2i+1作为重建后的图像;否则,返回i的赋值步骤并将i赋值为i+1,以继续后续步骤。在有效降低投影数据缺失对重建图像的不利影响的同时,还能兼顾提高重建图像的质量、加快重建速度,便于有限角度CT扫描在临床上的应用。
Description
技术领域
本发明涉及医学图像处理技术领域,特别是涉及一种CBCT图像重建方法、装置和CBCT设备。
背景技术
锥形束计算机断层扫描(Cone Beam Computed Tomography,简称CBCT)是利用X射线发生器围绕受检者进行扫描投影,并根据扫描投影所获取的投影数据进行重建,进而获得受检者的三维断层图像,以便于对受检者进行诊断。
采用CBCT进行扫描时,采集的投影数据越多意味着病人接收的电离辐射越大,高剂量的X射线会对人体造成损伤,尤其对儿童的伤害更大。因此,在保证图像质量的前提下如何减少X射线的辐射剂量一直是研究和讨论的热点。对于CBCT来说,扫描角度至少需要180°+θ,θ为扇角。而减少扫描范围,即进行有限角度采集投影,不但可以降低X射线辐射剂量,而且可以解决由于机械设计或者扫描对象过大导致不能采集完备投影数据的问题。
然而由于采用有限角度CBCT采集会导致投影数据的缺失,因此重建图像中几何失真比较明显,重建图像质量有所下降。而目前为了提高重建图像质量所采用的方法,计算量大,重建速度慢,在很大程度上限制了有限角度CBCT在临床上的应用。
因此,如何提高有限角度CBCT重建图像的质量及重建速度,以满足实际的临床需求,成为目前亟待解决的问题之一。
发明内容
基于此,有必要提供一种CBCT图像重建方法、装置和CBCT设备,可应用于采用有限角度CBCT对受检者进行扫描成像的过程中,能有效降低投影数据缺失对重建图像的不利影响,且在提升重建图像质量的同时,还能有效的提升图像重建的速度,进而便于有限角度CBCT扫描在临床上的应用。
一种CBCT图像重建的方法,包括:
获取有限角度的投影数据;
对所述有限角度的投影数据进行解析重建以获取图像F1;
对i进行赋值,并基于图像F2i-1获取缺失角度的投影数据Di;
基于所述有限角度的投影数据和所述缺失角度的投影数据Di,进行第i次迭代重建以获取图像F2i;
对所述图像F2i求取全变分,确定全变分最小时对应的图像为图像F2i+1;
判断所述图像F2i+1是否满足收敛条件;
若所述图像F2i+1满足收敛条件,则停止赋值i,并将所述图像F2i+1作为重建后的图像;
否则,返回i的赋值步骤并将i赋值为i+1,以继续后续步骤;
其中,i初始赋值为1,且i为正整数。
在一个可选的实施例中,所述判断所述图像F2i+1是否满足收敛条件,包括:判断对所述图像F2i+1进行正投影所获得的有限角度的投影数据与所述有限角度的投影数据之间的差值是否小于预设的投影图像偏差阈值。
在一个可选的实施例中,基于FDK重建算法进行所述解析重建。
在一个可选的实施例中,所述基于所述有限角度的投影数据和所述缺失角度的投影数据Di,进行第i次迭代重建以获取图像F2i;包括:
将所述有限角度的投影数据与所述缺失角度的投影数据Di的并集作为全角度投影数据;
采用联合代数重建方法对所述全角度投影数据进行第i次迭代重建以获取所述图像F2i。
在一个可选的实施例中,采用最速下降法使得所述图像F2i的全变分最小。
一种CBCT图像重建的装置,可包括:
获取模块,用于获取有限角度的投影数据;
解析重建模块,用于对所述有限角度的投影数据进行解析重建以获取图像F1;
计算模块,用于对i进行赋值,并基于图像F2i-1获取缺失角度的投影数据Di;
迭代重建模块,用于基于所述有限角度的投影数据和所述缺失角度的投影数据Di,进行第i次迭代重建以获取图像F2i;
全变分模块,用于对所述图像F2i求取全变分,确定全变分最小时对应的图像为图像F2i+1;
判断模块,用于判断所述图像F2i+1是否满足收敛条件;若所述图像F2i+1满足收敛条件,则停止赋值i,并将所述图像F2i+1作为重建后的图像;否则,返回i的赋值步骤并将i赋值为i+1,以继续后续步骤;
其中,i初始赋值为1,且i为正整数。
在一个可选的实施例中,所述判断所述图像F2i+1是否满足收敛条件,包括:判断对所述图像F2i+1进行正投影所获得的有限角度的投影数据与所述有限角度的投影数据之间的差值是否小于预设的投影图像偏差阈值。
在一个可选的实施例中,所述迭代重建模块包括:
合并单元,用于将所述有限角度的投影数据与所述缺失角度的投影数据Di的并集作为全角度投影数据;
迭代重建单元,用于采用联合代数重建方法对所述全角度投影数据进行第i次迭代重建以获取所述图像F2i。
在一个可选的实施例中,所述全变分模块还用于采用最速下降法使得所述图像F2i的全变分最小。
一种CBCT设备,可包括图像采集单元和处理器;所述图像采集单元用于采集并发送有限角度投影数据至所述处理器,该处理器用于执行内置的程序时实现如上述任意一项所述方法中的步骤。
上述CBCT图像重建的方法、装置和CBCT设备,在采用CBCT对受检者进行有限角度扫描成像的过程中,先通过解析重建来获取图像F1,基于图像F1来获取缺失角度的投影数据,进而基于有限角度和缺失角度的投影数据进行迭代重建,同时在迭代重建过程中结合图像全变分以提高重建图像的质量,进而在有效降低投影数据缺失对重建图像的不利影响的同时,还能兼顾提高重建图像的质量、加快重建速度,便于有限角度CBCT扫描在临床上的应用。
附图说明
图1为一个实施例中CBCT图像重建的方法的流程图;
图2为另一个实施例中CBCT图像重建的方法的流程图;
图3为一个实施例中CBCT图像重建的装置的结构示意图;
图4为一个实施例中CBCT设备的结构示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
图1为一个实施例中CBCT图像重建的方法的流程图。如图1所示,一种CBCT图像重建的方法,可包括以下步骤:
步骤S1,获取有限角度的投影数据。
具体的,采用CBCT设备对受检者进行有限角度的扫描,并将扫描后获得的投影数据发送至后处理工作站,进而获取该受检者有限角度的投影数据。
需要注意的,本申请的实施例中,有限角度是相对于CBCT中的全角度而言,该全角度可以是指180°+θ(θ为成像扇形角,且θ≥0°);例如,设定θ为20°,则当采用0~150°作为有限角度进行CBCT扫描时,相对于全角度的CBCT投影数据,缺失了150°~200°的投影数据(缺失角度的投影数据)。进行全角度的扫描虽然能够确保获取的CBCT图像的质量,但其产生的辐射剂量较高,会对受检者造成一定的伤害。
步骤S2,对有限角度的投影数据进行解析重建以获取图像F1。
具体的,采用诸如二维的滤波反投影重建算法(Filtered Back Projection,简称FBP)、基于FBP算法扩展的三维FDK等解析算法对上述的有限角度的投影数据进行解析重建,以获取重建后的图像F1。由于投影数据有所缺失,故通过解析重建获取的图像F1中可能会存在伪影。
其中,采用锥形束FDK算法,由于其为基于圆轨道扫描的滤波反投影近似重建算法,对于小锥角情况,相较于其他的算法该锥形束FDK算法能够重建出较好的断层图像,同时还具有诸如结构简单、机械运动简单、执行效率高等优点。
步骤S3,对i进行赋值,并基于图像F2i-1获取缺失角度的投影数据Di。
具体的,i可依次赋值1、2、3…n,且i、n均为正整数;其中,i的初始赋值为1,即当i取值1时,图像F2i-1即为上述的图像F1。基于图像F1进行正投影,进而可以计算出其他角度的投影数据。例如,设定θ为20°,则当采用150°作为有限角度进行CBCT扫描时,此时计算出的缺失角度投影数据为150°~200°的投影数据Di。
步骤S4,基于有限角度的投影数据和缺失角度的投影数据Di,进行第i次迭代重建以获取图像F2i。
具体的,如将有限角度的投影数据与缺失角度的投影数据Di并集作为全角度投影数据,并基于该全角度投影数据采用诸如代数重建方法(Algebraic ReconstructionTechnique,简称ART)、联合代数重建方法(Simultaneous Algebraic ReconstructionTechnique,简称SART)等代数迭代方法进行第i次迭代重建,以获取图像F2i。例如,设定θ为20°,则当采用150°作为有限角度进行CBCT扫描时,将0°~150°的有限角度的投影数据与计算出的150°~200°的缺失角度的投影数据的并集0~200°的投影数据作为全角度投影数据。
步骤S5,对图像F2i求变分,确定全变分最小时对应的图像为图像F2i+1。
具体的,在对全角度投影数据进行第i次迭代重建后,求图像F2i的全变分(TotalVariation,简称TV),并确定全变分最小时对应图像作为图像F2i+1。以i=1为例,则是对全角度投影数据进行第1次迭代后,求图像F2的全变分,图像F2的全变分最小时对应的图像为F3。
步骤S6,判断图像F2i+1是否满足收敛条件。
具体的,可通过判断对图像F2i+1进行正投影所获得的有限角度的投影数据与步骤S1中所获取的有限角度的投影数据之间的差值是否小于预设的投影图像偏差阈值来判断图像F2i+1是否满足收敛条件。若图像F2i+1满足收敛条件,即图像F2i+1中的有限角度的投影数据与步骤S1中所获取的有限角度的投影数据之间的差值小于预设的投影图像偏差阈值,则继续步骤S7。否则,返回步骤S3并将i赋值为i+1,并继续重复后续的步骤S3~S6。
步骤S7,将图像F2i+1作为CBCT重建后的图像。
具体的,即在上述步骤S6中判断出图像F2i+1满足收敛条件,则可将当前所获取的图像F2i+1作为CBCT重建后的图像输出。
需要说明的是,本实施例中,步骤S1~S2中主要是为了获取图像F1,且将图像F1作为初始条件进行步骤S3~S6的第1次循环,而步骤S3~S6的第2~n次的循环则以图像F2i-1作为基础,即第i次循环得到的图像F2i+1是作为第i+1次循环的基础数据;同时,在对步骤S3~S6进行多次的循环过程中,将i依次赋值为1、2、3…n-1、n。
本实施例中,在采用有限角度对受检者进行CBCT扫描成像的过程中,先通过解析重建来获取图像F1后,基于图像F1来获取缺失角度的投影数据,进而基于有限角度和缺失角度的投影数据进行迭代重建,同时在迭代重建过程中结合图像全变分以提高重建图像的质量,进而在有效降低投影数据缺失对重建图像的不利影响的同时,还能兼顾提高重建图像的质量、加快重建速度,便于有限角度CBCT扫描在临床上的应用。
图2为另一个实施例中CBCT图像重建的方法的流程图。如图2所示的CBCT图像重建的方法,可包括以下步骤:
步骤S11,获取有限角度的投影数据。
本实施例中,有限角度是相对于CBCT中的全角度而言,该全角度是指180°+θ(θ为成像扇形角,且θ≥0°),以全角度进行扫描时能够确保CBCT的图像质量。例如,设定θ为30°,则当采用0~160°作为有限角度进行CBCT扫描时,相较于全角度CBCT投影数据,缺失了160°~210°的投影数据。
其中,在采用诸如CBCT设备采集受检者的有限角度的投影数据P1时,该有限角度的投影数据P1为一个图像数据集合。例如,当采用0~160°作为有限角度进行CBCT扫描时,并以间隔1°进行一次扫描成像,则该有限角度的投影数据P1则依次对应0°、1°、2°…159°、160°包括161个扫描图像的投影数据。
步骤S12,对有限角度的投影数据进行解析重建以获取图像F1。
具体的,基于上述的有限角度投影数据P1,可采用FDK重建算法对有限角度投影数据P1进行解析重建,以获得图像F1。其中,由于有限角度投影数据P1缺失了一部分角度(如上述缺失的160°~210°)的投影数据,所以采用解析法计算得到的图像F1可能带有伪影。
步骤S13,基于图像F2i-1获取缺失角度的投影数据Di。
具体的,在第1次迭代循环时,可基于上述解析重建获取的图像F1作为初始条件,进行正投影,以计算出受检者的缺失角度的投影数据D1,该缺失角度的投影数据D1也为一个图像数据集合。同时,在进行第i(i≥2)次迭代循环时,则可基于上一次循环所获取的图像F2(i-1)+1(即图像F2i-1)作为当前第i次循环的初始条件,进行正投影操作。
仍以上述的全角度为210°,有限角度为0~160°,相邻角度的间隔为1°为例,可通过上述方式获取在采用有限角度为0~160°进行CBCT扫描时所对应的剩余的其他角度的投影数据(缺失角度);即该缺失角度的投影数据D1可包括依次对应161°、162°、163°…209°、210°共50个扫描图像的投影数据。
步骤S14,将有限角度的投影数据与缺失角度的投影数据Di并集作为全角度投影数据。
具体的,将上述所获取的有限角度的投影数据P1与所计算出的缺失角度的投影数据Di的并集作为一个全角度投影数据P。该全角度投影数据P是包括了180°+θ角度范围内的所有投影数据。仍以上述的全角度为210°,有限角度为0~160°,相邻角度的间隔为1°为例,则该全角度投影数据P可包括依次对应0°、1°、2°…159°、160°及161°、162°、163°…209°、210°共211个扫描图像的投影数据集。
步骤S15,采用联合代数重建算法对全角度投影数据进行第i次迭代重建以获取图像F2i。
具体的,基于上述的全角度投影数据P,可采用诸如联合代数重建算法(即SART)进行迭代重建,以获取迭代重建图像F2i。
例如,可采用SART公式:进行迭代重建。
其中,M是投影矩阵,p是投影数据,β是松弛因子,n为SART重建算法迭代次数,且n>0,T为矩阵的转置。
相应的,基于上述的SART公式,可计算出迭代重建图像F2i,即其中,F2i-1为第i-1次迭代循环所获取的图像F2i-1;P为全角度投影数据,即基于步骤S11中所获取有限角度的投影数据与计算出的缺失角度的投影数据Di并集。
另外,i=1时,即进行第1次迭代时,可采用公式计算图像F2;即其中,F1为步骤S12中对有限角度的投影数据进行解析重建所获取的图像F1;P为全角度投影数据,即基于步骤S11中所获取有限角度的投影数据与计算出的缺失角度的投影数据Di并集。
步骤S16,对图像F2i求变分,并确定全变分最小时所对应的图像作为图像F2i+1。
具体的,在进行上述的第i次迭代之后,可对获取的图像F2i进行全变分,并采用诸如最速下降法使得图像F2i全变分最小,并将全变分最小时所对应的图像作为图像F2i+1。
例如,可基于图像的全变分(Total Variation,简称TV)的公式的基础上,求取图像F2i的TV范数,并采用最速下降法来使得TV范数最小,进而将TV范数最小时所对应的图像作为图像F2i+1。其中,由于最速下降法是用负梯度方向为搜索方向的,所以最速下降法越接近目标值,步长越小,前进越慢。
全变分公式为:其中,f代表一幅图像,s为水平方向像素的索引值,t为竖直方向像素的索引值,为对图像求梯度向量,| |为求绝对值,|| ||为求范数。即||fs,t||TV为一范数。
然后,采用最速下降公式:来获取最小的全差分。其中,m代表TV下降迭代的次数,表示对第n+1次SART迭代的结果做了m次TV迭代的结果,是对求取梯度之后再求一范数,即TV范数;表示对求梯度,α为梯度下降法的下降步长。
在其中的一个实施例,可设定m为30次,若是在该30次下降迭代的过程中未发现图像F2i的最小全变分,则可以最后一次迭代作为最小全变分;其中,若是在该小于30次中任意一次发现了图像的最小全变分,则立即停止TV迭代。
图像的全变分(TV)是对图像中所有的像素点求梯度,在对医学图像上的每一像素点求梯度时,由于图像只在不同组织的边界处存在梯度差,所以得到的梯度图像是稀疏的。因此,在进行SART迭代重建后,通过加入TV约束条件,能够通过优化求解的方式从少量的投影中以高概率重建出高质量精确性的图像,进而在加快迭代重建速度的同时,还能有效的降低重建图像噪声。
步骤S17,判断图像F2i+1是否满足收敛条件;若满足收敛条件,则继续进行步骤S18;否则,基于该图像F2i+1的基础上,即将i赋值为i+1,以进行第i+1次迭代重建,并可依次循环步骤S13~S17,直至使得所获取的图像F2i+1满足收敛条件。
具体的,可通过判断对图像F2i+1进行正投影所获得的有限角度的投影数据与步骤S11中所获取的有限角度的投影数据之间的差值是否小于预设的投影图像偏差阈值来判断图像F2i+1是否满足收敛条件。
例如,在进行上述的每次SART迭代之后,进行了X(X为正整数)次的TV迭代,使重建图像的一阶导数的一范数(即TV范数)最小,此时可以通过以下公式判断进行了X次的TV的迭代后的图像是否满足收敛条件。
其中,f代表一幅图像,为对图像求梯度,M是投影矩阵,P1为有限角度投影数据,∈为图像偏差阈值(如可以接受的真实投影数据与重建图像的正投影数据之间偏差的大小,本实施例中是指有限角度的投影数据P1重建图像的正投影数据中与有限角度对应的投影数据),l1为一范数。
步骤S18,将图像F2i+1作为CBCT重建后的图像输出。
为了便于理解,下面就以具体的示例来阐明本实施例中的循环步骤:
第1次的迭代循环:
首先,基于有限角度的投影数据所获得的重建后的图像F1作为初始数据,并基于该图像F1获取缺失角度的投影数据D1。其次,基于有限角度的投影数据与缺失角度的投影数据D1的并集进行第1次迭代重建,以获取图像F2。之后,对图像F2求全变分并将全变分最小时所对应的图像作为图像F3。最后,判断该图像F3是否满足收敛条件;若满足,则将该图像F3作为重建后的图像进行输出;否则,则基于图像F3进行第2次的迭代循环。
第2次的迭代循环:
首先,基于上述的图像F3获取缺失角度的投影数据D2。其次,基于有限角度的投影数据与缺失角度的投影数据D2的并集进行第2次迭代重建,以获取图像F4。之后,对图像F4求全变分并将全变分最小时所对应的图像作为图像F5。最后,判断该图像F5是否满足收敛条件;若满足,则将该图像F5作为重建后的图像进行输出;否则,则基于图像F5进行第3次的迭代循环。
第3次的迭代循环:
首先,基于上述的图像F5获取缺失角度的投影数据D3。其次,基于有限角度的投影数据与缺失角度的投影数据D3的并集进行第3次迭代重建,以获取图像F6。之后,对图像F6求全变分并将全变分最小时所对应的图像作为图像F7。最后,判断该图像F7是否满足收敛条件;若满足,则将该图像F7作为重建后的图像进行输出;否则,则基于图像F7进行第4次的迭代循环。
……
第i(i≥4)次的迭代循环:
首先,基于上述图像F2(i-1)-1获取缺失角度的投影数据Di。其次,基于有限角度的投影数据与缺失角度的投影数据Di的并集进行第i次迭代重建,以获取图像F2i。之后,对图像F2i求全变分并将全变分最小时所对应的图像作为图像F2i+1。最后,判断该图像F2i+1是否满足收敛条件;若满足,则将该图像F2i+1作为重建后的图像进行输出;否则,则以基于图像F2i+1进行第i+1次的迭代循环。
总之,依次循环进行上述的第1~n次迭代循环,直至图像F2n+1满足收敛条件,则停止循环。其中,1≤i≤n,且i、n为正整数。
在上述的实施例中,通过采用解析重建结果作为计算的初始图像,进而能够加快迭代重建的速度,而通过不断的更新缺失角度的投影数据来使得所获取的投影数据完备,提高了缺失投影数据的准确性,进而也提高了重建后的图像的质量。
图3为一个实施例中CBCT图像重建的装置的结构示意图。如图3所示,CBCT图像重建的装置可包括依次连接的获取模块21、解析重建模块22、计算模块23、迭代重建模块24、全变分模块25、判断模块26和输出模块27;其中,获取模块21可用于采集有限角度的投影数据;解析重建模块22可用于对有限角度的投影数据进行解析重建以获取图像F1;计算模块23可用于用于对i进行赋值,并基于图像F2i-1获取缺失角度的投影数据Di;迭代重建模块24可用于基于所述有限角度的投影数据和所述缺失角度的投影数据Di,进行第i次迭代重建以获取图像F2i;全变分模块25可用于对所述图像F2i求取全变分,确定全变分最小时对应的图像为图像F2i+1;判断模块26可用于用于判断所述图像F2i+1是否满足收敛条件;若所述图像F2i+1满足收敛条件,则停止赋值i,并将所述图像F2i+1作为重建后的CBCT重建图像;否则,返回i的赋值步骤并将i赋值为i+1,以继续后续步骤;其中,i初始赋值为1,且i为正整数;输出模块27可用于将重建后的CBCT图像进行输出。
在其中一个可选的实施例中,如图3所示,上述的迭代重建模块24可包括合并单元241和迭代重建单元242;合并单元241与计算模块23连接,以用于将有限角度的投影数据与缺失角度的投影数据Di的并集作为全角度投影数据;迭代重建单元242分别与上述的合并单元241和全变分模块25连接,可用于采用联合代数重建方法对所述全角度投影数据进行第i次迭代重建以获取所述图像F2i。
在一个可选的实施例中,判断模块26可分别与全变分模块25、输出模块27和计算模块23连接,可用于判断图像F2i+1是否满足收敛条件。其中,若图像F2i+1满足收敛条件,该判断模块26用于将图像F2i+1作为CBCT重建图像通过输出模块27进行输出;否则,该判断模块26将图像F2i+1发送至计算模块23,以进行i+1次的迭代重建;即将i赋值为i+1,以使得计算模块23根据上述的图像F2i+1重新计算出受检者的缺失角度投影数据Di+1,并基于该重新计算出的缺失角度投影数据Di+1替换基于图像F2i所计算出的缺失角度投影数据Di,继续重复循环后续的步骤,直至获取的全变分最小时所对应的图像满足上述的收敛条件。
在本实施例中,通过采用有限角度CBCT对受检者进行扫描成像的过程中,先通过解析重建操来快速的获取图像F1后,基于图像F1来获取缺失角度的投影数据,进而基于有限角度和缺失角度的投影数据进行迭代重建,同时在迭代重建过程中结合图像全变分以提高重建图像的质量,进而在有效降低投影数据缺失对重建图像的不利影响的同时,还能兼顾提高重建图像的质量、加快重建速度,便于有限角度CBCT扫描在临床上的应用。
图4为一个实施例中CBCT设备的结构示意图。如图4所示,CBCT设备包括图像采集单元31和处理器32,该图像采集单元31可用于对受检者进行有限角度图像数据的采集,并将所采集的有限角度图像数据发送至处理器32;该处理器32可用于通过执行一些程序实现上述实施例中CBCT图像重建的方法的步骤。
以上所述实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种CBCT图像重建的方法,其特征在于,包括:
获取有限角度的投影数据;
对所述有限角度的投影数据进行解析重建以获取图像F1;
对i进行赋值,并基于图像F2i-1获取缺失角度的投影数据Di;
基于所述有限角度的投影数据和所述缺失角度的投影数据Di,进行第i次迭代重建以获取图像F2i;
对所述图像F2i求取全变分,确定全变分最小时对应的图像为图像F2i+1;
判断所述图像F2i+1是否满足收敛条件;
若所述图像F2i+1满足收敛条件,则停止赋值i,并将所述图像F2i+1作为重建后的图像;
否则,返回i的赋值步骤并将i赋值为i+1,以继续后续步骤;
其中,i初始赋值为1,且i为正整数。
2.根据权利要求1所述的方法,其特征在于,所述判断所述图像F2i+1是否满足收敛条件,包括:
判断对所述图像F2i+1进行正投影所获得的有限角度的投影数据与所述有限角度的投影数据之间的差值是否小于预设的投影图像偏差阈值。
3.根据权利要求1所述的方法,其特征在于,基于FDK重建算法进行所述解析重建。
4.根据权利要求1所述的方法,其特征在于,所述基于所述有限角度的投影数据和所述缺失角度的投影数据Di,进行第i次迭代重建以获取图像F2i;包括:
将所述有限角度的投影数据与所述缺失角度的投影数据Di的并集作为全角度投影数据;
采用联合代数重建方法对所述全角度投影数据进行第i次迭代重建以获取所述图像F2i。
5.根据权利要求1所述的方法,其特征在于,采用最速下降法使得所述图像F2i的全变分最小。
6.一种CBCT图像重建的装置,其特征在于,包括:
获取模块,用于获取有限角度的投影数据;
解析重建模块,用于对所述有限角度的投影数据进行解析重建以获取图像F1;
计算模块,用于对i进行赋值,并基于图像F2i-1获取缺失角度的投影数据Di;
迭代重建模块,用于基于所述有限角度的投影数据和所述缺失角度的投影数据Di,进行第i次迭代重建以获取图像F2i;
全变分模块,用于对所述图像F2i求取全变分,确定全变分最小时对应的图像为图像F2i+1;
判断模块,用于判断所述图像F2i+1是否满足收敛条件;若所述图像F2i+1满足收敛条件,则停止赋值i,并将所述图像F2i+1作为重建后的图像;否则,返回i的赋值步骤并将i赋值为i+1,以继续后续步骤;
其中,i初始赋值为1,且i为正整数。
7.根据权利要求6所述的装置,其特征在于,所述判断所述图像F2i+1是否满足收敛条件,包括:
判断对所述图像F2i+1进行正投影所获得的有限角度的投影数据与所述有限角度的投影数据之间的差值是否小于预设的投影图像偏差阈值。
8.根据权利要求6所述的装置,其特征在于,所述迭代重建模块包括:
合并单元,用于将所述有限角度的投影数据与所述缺失角度的投影数据Di的并集作为全角度投影数据;
迭代重建单元,用于采用联合代数重建方法对所述全角度投影数据进行第i次迭代重建以获取所述图像F2i。
9.根据权利要求6所述的装置,其特征在于,所述全变分模块还用于采用最速下降法使得所述图像F2i的全变分最小。
10.一种CBCT设备,其特征在于,包括图像采集单元和处理器;所述图像采集单元用于采集并发送有限角度投影数据至所述处理器,该处理器用于执行内置的程序时实现如权利要求1~5中任意一项所述方法中的步骤。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711242863.XA CN108010096A (zh) | 2017-11-30 | 2017-11-30 | Cbct图像重建方法、装置和cbct设备 |
PCT/CN2018/118561 WO2019105460A1 (en) | 2017-11-30 | 2018-11-30 | Systems and methods for image reconstruction |
US16/886,962 US11734862B2 (en) | 2017-11-30 | 2020-05-29 | Systems and methods for image reconstruction |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711242863.XA CN108010096A (zh) | 2017-11-30 | 2017-11-30 | Cbct图像重建方法、装置和cbct设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108010096A true CN108010096A (zh) | 2018-05-08 |
Family
ID=62055440
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711242863.XA Pending CN108010096A (zh) | 2017-11-30 | 2017-11-30 | Cbct图像重建方法、装置和cbct设备 |
Country Status (3)
Country | Link |
---|---|
US (1) | US11734862B2 (zh) |
CN (1) | CN108010096A (zh) |
WO (1) | WO2019105460A1 (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2019105460A1 (en) * | 2017-11-30 | 2019-06-06 | Shenzhen United Imaging Healthcare Co., Ltd. | Systems and methods for image reconstruction |
CN115154930A (zh) * | 2022-07-11 | 2022-10-11 | 苏州雷泰医疗科技有限公司 | 基于独立滑环的低剂量cbct摆位方法及设备 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102236903A (zh) * | 2010-05-03 | 2011-11-09 | 西门子公司 | 通过迭代的图像重建在ct拍摄中提高时间分辨率 |
CN103325141A (zh) * | 2012-03-23 | 2013-09-25 | 上海理工大学 | 基于非等中心c形臂2d投影图像的3d模型构建方法 |
CN104504743A (zh) * | 2014-12-30 | 2015-04-08 | 深圳先进技术研究院 | 重建内部感兴趣区域图像的方法及*** |
CN105354868A (zh) * | 2015-10-08 | 2016-02-24 | 南京邮电大学 | 基于几何图像矩的有限角度锥形束ct图像重建方法 |
CN106373165A (zh) * | 2016-08-31 | 2017-02-01 | 广州华端科技有限公司 | 断层合成图像重建方法和*** |
CN106530366A (zh) * | 2015-09-09 | 2017-03-22 | 清华大学 | 能谱ct图像重建方法及能谱ct成像*** |
US20170169586A1 (en) * | 2015-12-11 | 2017-06-15 | Shenyang Neusoft Medical Systems Co., Ltd. | Image reconstruction |
Family Cites Families (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5053958A (en) * | 1988-06-06 | 1991-10-01 | General Electric Company | Method to reduce image reconstruction time in limited-angle ct systems including using initial reconstruction valves for measured projection data during each iteration |
WO2002058009A1 (en) * | 2001-01-17 | 2002-07-25 | African Medical Imaging (Proprietary) Limited | A method of reconstructing tomographic images |
WO2005104038A1 (en) * | 2004-04-21 | 2005-11-03 | Philips Intellectual Property & Standards Gmbh | Cone beam ct apparatus using truncated projections and a previously acquired 3d ct image |
US8605975B2 (en) * | 2006-02-13 | 2013-12-10 | The University Of Chicago | Image reconstruction from limited or incomplete data |
DE102009014726A1 (de) * | 2009-03-25 | 2010-10-07 | Siemens Aktiengesellschaft | Verfahren und Bildrekonstruktionseinrichtung zur Rekonstruktion von Bilddaten |
US8508811B2 (en) * | 2009-12-14 | 2013-08-13 | Samsung Electronics Co., Ltd. | Image forming apparatus and method of copying two-sided card thereof |
US8804901B2 (en) * | 2010-06-08 | 2014-08-12 | Accuray Incorporated | Imaging methods for image-guided radiation treatment |
US8189735B2 (en) * | 2010-07-22 | 2012-05-29 | General Electric Company | System and method for reconstruction of X-ray images |
US9020230B2 (en) * | 2011-11-02 | 2015-04-28 | General Electric Company | Method and apparatus for iterative reconstruction |
JP6124543B2 (ja) * | 2011-12-26 | 2017-05-10 | キヤノン株式会社 | 画像処理装置、画像処理方法、画像処理システム、及びプログラム |
US9600924B2 (en) * | 2014-02-05 | 2017-03-21 | Siemens Aktiengesellschaft | Iterative reconstruction of image data in CT |
CN109313816B (zh) * | 2016-05-24 | 2023-11-14 | 皇家飞利浦有限公司 | 深度增强的断层合成重建 |
CN108010096A (zh) * | 2017-11-30 | 2018-05-08 | 上海联影医疗科技有限公司 | Cbct图像重建方法、装置和cbct设备 |
CN112446931A (zh) * | 2019-09-02 | 2021-03-05 | 上海联影医疗科技股份有限公司 | 一种重建数据处理方法、装置、医学成像***及存储介质 |
US11940578B2 (en) * | 2020-01-31 | 2024-03-26 | INSERM (Institut National de la Santé et de la Recherche Médicale) | Super resolution in positron emission tomography imaging using ultrafast ultrasound imaging |
-
2017
- 2017-11-30 CN CN201711242863.XA patent/CN108010096A/zh active Pending
-
2018
- 2018-11-30 WO PCT/CN2018/118561 patent/WO2019105460A1/en active Application Filing
-
2020
- 2020-05-29 US US16/886,962 patent/US11734862B2/en active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102236903A (zh) * | 2010-05-03 | 2011-11-09 | 西门子公司 | 通过迭代的图像重建在ct拍摄中提高时间分辨率 |
CN103325141A (zh) * | 2012-03-23 | 2013-09-25 | 上海理工大学 | 基于非等中心c形臂2d投影图像的3d模型构建方法 |
CN104504743A (zh) * | 2014-12-30 | 2015-04-08 | 深圳先进技术研究院 | 重建内部感兴趣区域图像的方法及*** |
CN106530366A (zh) * | 2015-09-09 | 2017-03-22 | 清华大学 | 能谱ct图像重建方法及能谱ct成像*** |
CN105354868A (zh) * | 2015-10-08 | 2016-02-24 | 南京邮电大学 | 基于几何图像矩的有限角度锥形束ct图像重建方法 |
US20170169586A1 (en) * | 2015-12-11 | 2017-06-15 | Shenyang Neusoft Medical Systems Co., Ltd. | Image reconstruction |
CN106373165A (zh) * | 2016-08-31 | 2017-02-01 | 广州华端科技有限公司 | 断层合成图像重建方法和*** |
Non-Patent Citations (1)
Title |
---|
胡方遒 等: "基于C型臂2D投影的3D模型重建", 《中国组织工程研究》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2019105460A1 (en) * | 2017-11-30 | 2019-06-06 | Shenzhen United Imaging Healthcare Co., Ltd. | Systems and methods for image reconstruction |
US11734862B2 (en) * | 2017-11-30 | 2023-08-22 | Shanghai United Imaging Healthcare Co., Ltd. | Systems and methods for image reconstruction |
CN115154930A (zh) * | 2022-07-11 | 2022-10-11 | 苏州雷泰医疗科技有限公司 | 基于独立滑环的低剂量cbct摆位方法及设备 |
Also Published As
Publication number | Publication date |
---|---|
WO2019105460A1 (en) | 2019-06-06 |
US20200294283A1 (en) | 2020-09-17 |
US11734862B2 (en) | 2023-08-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102473317B (zh) | 感兴趣区域图像的重建 | |
CN104644200B (zh) | 减少计算机断层扫描图像重构中伪像的方法和装置 | |
JP6181362B2 (ja) | 画像処理装置 | |
JP2010500901A (ja) | エネルギー感受性コンピュータ断層撮影における動き補償 | |
CN105118039B (zh) | 实现锥束ct图像重建的方法及*** | |
US20200151921A1 (en) | Methods for metal artifact reduction in cone beam reconstruction | |
CN101169383A (zh) | X-射线断层摄影设备和伪影减少方法 | |
TWI791979B (zh) | 三維醫學影像的建立方法 | |
Qi et al. | Performance studies of four-dimensional cone beam computed tomography | |
CN102028493B (zh) | 在使用造影剂的条件下对周期性运动检查对象的改善扫描 | |
Jin et al. | Bone-induced streak artifact suppression in sparse-view CT image reconstruction | |
CN110276813A (zh) | Ct图像重建方法、装置、存储介质和计算机设备 | |
Jang et al. | Head motion correction based on filtered backprojection for x‐ray CT imaging | |
Park et al. | A fully GPU-based ray-driven backprojector via a ray-culling scheme with voxel-level parallelization for cone-beam CT reconstruction | |
CN108010096A (zh) | Cbct图像重建方法、装置和cbct设备 | |
Cierniak et al. | A practical statistical approach to the reconstruction problem using a single slice rebinning method | |
CN107316282A (zh) | 一种图像降噪的***和方法 | |
CN112204607B (zh) | 用于x射线成像的散射校正 | |
US10552992B2 (en) | Poly-energetic reconstruction method for metal artifacts reduction | |
Khaled et al. | Successive binary algebraic reconstruction technique: an algorithm for reconstruction from limited angle and limited number of projections decomposed into individual components | |
Xiu et al. | An Innovative Beam Hardening Correction Method for Computed Tomography Systems. | |
JP2023001051A (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 | |
CN106651985A (zh) | Ct图像的重建方法和装置 | |
CN110827370B (zh) | 一种非等厚构件的多能ct循环迭代重建方法 | |
CN209712944U (zh) | Ct成像*** |
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 |
Address after: 201807 2258 Chengbei Road, Jiading District, Shanghai Applicant after: Shanghai Lianying Medical Technology Co.,Ltd. Address before: 201807 2258 Chengbei Road, Jiading District, Shanghai Applicant before: SHANGHAI UNITED IMAGING HEALTHCARE Co.,Ltd. |
|
CB02 | Change of applicant information | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180508 |
|
RJ01 | Rejection of invention patent application after publication |