CN108280860A - 减少多能量ct成像中的光谱通道数目 - Google Patents
减少多能量ct成像中的光谱通道数目 Download PDFInfo
- Publication number
- CN108280860A CN108280860A CN201810003001.XA CN201810003001A CN108280860A CN 108280860 A CN108280860 A CN 108280860A CN 201810003001 A CN201810003001 A CN 201810003001A CN 108280860 A CN108280860 A CN 108280860A
- Authority
- CN
- China
- Prior art keywords
- image data
- data set
- pmd
- basic material
- projection
- 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
Links
- 238000001228 spectrum Methods 0.000 title claims abstract description 55
- 238000013170 computed tomography imaging Methods 0.000 title claims abstract description 24
- 239000000463 material Substances 0.000 claims abstract description 137
- 238000005259 measurement Methods 0.000 claims abstract description 109
- 238000000034 method Methods 0.000 claims abstract description 73
- 238000007689 inspection Methods 0.000 claims abstract description 36
- 239000000203 mixture Substances 0.000 claims abstract description 20
- 238000002591 computed tomography Methods 0.000 claims abstract description 16
- 239000011159 matrix material Substances 0.000 claims description 37
- 230000008569 process Effects 0.000 claims description 15
- 230000009467 reduction Effects 0.000 claims description 14
- 238000004590 computer program Methods 0.000 claims description 13
- 238000000354 decomposition reaction Methods 0.000 claims description 12
- 238000003384 imaging method Methods 0.000 claims description 12
- 230000000694 effects Effects 0.000 claims description 11
- 235000013399 edible fruits Nutrition 0.000 claims description 2
- PLXMOAALOJOTIY-FPTXNFDTSA-N Aesculin Natural products OC[C@@H]1[C@@H](O)[C@H](O)[C@@H](O)[C@H](O)[C@H]1Oc2cc3C=CC(=O)Oc3cc2O PLXMOAALOJOTIY-FPTXNFDTSA-N 0.000 claims 1
- 230000000875 corresponding effect Effects 0.000 description 16
- 230000003595 spectral effect Effects 0.000 description 16
- 230000009466 transformation Effects 0.000 description 12
- 230000006870 function Effects 0.000 description 10
- 230000005855 radiation Effects 0.000 description 8
- 125000004429 atom Chemical group 0.000 description 6
- 230000006399 behavior Effects 0.000 description 6
- 238000001514 detection method Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 230000008901 benefit Effects 0.000 description 4
- 230000009977 dual effect Effects 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 238000010606 normalization Methods 0.000 description 3
- 238000003325 tomography Methods 0.000 description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 3
- ZCYVEMRRCGMTRW-UHFFFAOYSA-N 7553-56-2 Chemical compound [I] ZCYVEMRRCGMTRW-UHFFFAOYSA-N 0.000 description 2
- 230000002596 correlated effect Effects 0.000 description 2
- 238000013480 data collection Methods 0.000 description 2
- 230000001419 dependent effect Effects 0.000 description 2
- 229910052740 iodine Inorganic materials 0.000 description 2
- 239000011630 iodine Substances 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000000704 physical effect Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 241001269238 Data Species 0.000 description 1
- 208000000913 Kidney Calculi Diseases 0.000 description 1
- 206010029148 Nephrolithiasis Diseases 0.000 description 1
- 238000002083 X-ray spectrum Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 239000002872 contrast media Substances 0.000 description 1
- 238000013144 data compression Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 125000002346 iodo group Chemical group I* 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 229910052704 radon Inorganic materials 0.000 description 1
- SYUHGPGVQRZVTB-UHFFFAOYSA-N radon atom Chemical compound [Rn] SYUHGPGVQRZVTB-UHFFFAOYSA-N 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 210000004872 soft tissue Anatomy 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 238000012360 testing method Methods 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
- 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
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/003—Reconstruction from projections, e.g. tomography
- G06T11/005—Specific pre-processing for tomographic reconstruction, e.g. calibration, source positioning, rebinning, scatter correction, retrospective gating
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/02—Arrangements for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
- A61B6/03—Computed tomography [CT]
- A61B6/032—Transmission computed tomography [CT]
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/48—Diagnostic techniques
- A61B6/482—Diagnostic techniques involving multiple energy imaging
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
- A61B6/5205—Devices using data or image processing specially adapted for radiation diagnosis involving processing of raw data to produce diagnostic data
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
- A61B6/5211—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
- A61B6/5258—Devices using data or image processing specially adapted for radiation diagnosis involving detection or reduction of artifacts or noise
-
- 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
- G06T2207/10072—Tomographic images
- G06T2207/10081—Computed x-ray tomography [CT]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2211/00—Image generation
- G06T2211/40—Computed tomography
- G06T2211/408—Dual energy
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Medical Informatics (AREA)
- Physics & Mathematics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- General Health & Medical Sciences (AREA)
- Radiology & Medical Imaging (AREA)
- Molecular Biology (AREA)
- Veterinary Medicine (AREA)
- Pathology (AREA)
- High Energy & Nuclear Physics (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Biophysics (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Optics & Photonics (AREA)
- Public Health (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Pulmonology (AREA)
- Algebra (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Mathematical Physics (AREA)
- Pure & Applied Mathematics (AREA)
- Quality & Reliability (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Image Processing (AREA)
Abstract
本公开涉及减少多能量CT成像中的光谱通道数目。描述了一种用于基于检查对象(O)的检查区域的多个(n)多能量投影测量数据集(PMDk)来重建图像数据的方法。在该方法中,多个(n)投影测量数据集(PMDk)被捕获,多个(n)投影测量数据集(PMDk)借助于使用不同X射线能谱对检查对象(O)的检查区域进行多能量CT成像来产生。另外,基于多个(n)投影测量数据集(PMDk),通过应用基础材料分解和图像混合,产生减少数目(m)的图像数据集(R‑BD1、R‑BD2)。描述了一种图像数据重建设备(50)。此外,描述了一种计算机断层摄影***(1)。
Description
技术领域
本发明涉及一种用于基于检查对象的检查区域的多个多能量投影测量数据集来重建图像数据的方法。本发明还涉及一种图像数据重建设备。本发明还涉及一种计算机断层摄影***。
背景技术
通常借助于现代成像方法来产生二维或三维图像数据,这些二维或三维图像数据可以用于可视化被成像的检查对象,并且还用于其他应用。
成像方法通常基于对X射线辐射的捕获,其中所谓的投影测量数据被产生。例如,投影测量数据可以借助于计算机断层摄影***(CT***)来采集。在CT***中,包括X射线源和相对布置的X射线检测器的组合被布置在台架上,该组合通常围绕测量室旋转,检查对象(下文中被称为患者,但不限制一般性)处于测量室中。在这一情况下,旋转中心(也称为“等中心点”)与所谓的***轴线z重合。在一次或多次旋转期间,利用来自X射线源的X射线辐射来照射患者,在该情况下借助于相对布置的X射线检测器来捕获投影测量数据或X射线投影数据,该数据描述在这一照射方向上的患者的X射线衰减。
特别地,所产生的投影测量数据(也简称为投影数据)依赖于X射线检测器的构造类型。X射线检测器通常包括多个检测单元,大多数情况下这些检测单元以规则的像素阵列形式被布置。每种情况下,检测单元针对撞击到这些检测单元上的X射线辐射来产生检测信号,在特定时间点关于X射线辐射的强度和光谱分布分析该信号,以便提供关于检查对象的信息以及产生投影测量数据。
对于某些类型的CT成像方法,对患者的同一个检查区域执行利用具有不同X射线能谱的X射线辐射的多个成像操作。这一过程也被称为多能量CT成像。例如,这样的多能量CT成像可以借助于具有不同管电压的多个连续的CT成像操作来执行。如果使用能量敏感检测器,并且在对于单个CT成像操作而言,同时使用不同有效光谱来记录X射线衰减数据的情况下,则还可以同时实现具有不同能谱的成像操作。例如,这一方法可以例如借助于量子计数检测器或多层检测器来实现。
作为使用n个不同的能谱来记录同一对象的结果,其中n是整数,数据量相较于单能量CT成像操作同样地增加n倍。数据量的增加的结果是,在多能量CT成像操作的情况下,关于数据在CT扫描单元内的传送可能会发生问题。另外,所记录的数据的长期存储可能非常复杂。
大多数已知的临床评估方法被设计用于双能量CT成像操作,换句话说,仅使用两个不同的X射线能谱的CT成像操作。因此问题在于:在两个以上的能谱的情况下,现有的方法不能再直接使用。例如,存在自动化方法,这些方法使用双能量CT图像数据集作为基础来自动区分肾结石类型,或从图像数据中减去造影剂使得人体自身的下层组织变得可见。然而,如果两个以上的X射线能谱已经被用于CT成像操作,则这些应用不能直接使用。
因此问题在于:将用于评估双能量CT图像数据的现有方法用于多能量CT图像数据,而不进行算法改变。一般来说,在不丢失信息的情况下这是不可能的。如果现有n个数据集(其中n>2)中只有两个数据集被处理,那么附加光谱的优点就会丢失。这也适用于以下情况:在数据集之间形成简单的平均值并且进一步处理该平均值。
处理多能量CT数据的另一个问题在于:在多能量CT数据的记录期间,不同的数据集之间出现噪声相关性。该噪声相关性可能使得CT图像数据的光谱评估更加困难。因此期望消除该噪声相关性。
常规地,为了减少数据量,采用通常已知的用于数据压缩的方法。
常规地,也部分地进行用以保存具有减少的空间或时间分辨率的光谱带的尝试。然而,在这一情况下,自动发生射频信息丢失,该射频信息必须随后被恢复。
因此,问题在于:在维持图像质量的同时简化多能量CT数据的处理和评估。
发明内容
这一目的通过根据权利要求1所述的用于基于多个多能量投影测量数据集的图像数据重建方法,根据权利要求12所述的图像数据重建设备和根据权利要求13所述的计算机断层摄影***来实现。
关于根据本发明的、用于基于检查对象(O)的检查区域的多个(n)多能量投影测量数据集(PMDk)来重建图像数据的方法,捕获多个投影测量数据集,多个投影测量数据集借助于使用不同X射线能谱对检查对象的检查区域进行多能量CT成像来产生。然后基于多个投影测量数据集,通过应用基础材料分解和图像混合,产生减少数目的图像数据集。
该减少数目对应于在基础材料分解期间产生的基础材料的数目。基础材料的数目是由与X射线辐射的衰减有关的物理效应的数目造成的。通常,在X射线辐射能量大于35keV,并且现有原子的原子序数小于55的情况下,康普顿效应和光电效应是相关的。在这种情况下,因此根据两种基础材料来分解所捕获的数据就足够了。例如从以下论文中可知用于产生具有两种基础材料的基础材料分解的方法:Phys.Med.Biol.,1976,第21卷,第5期,733-744页,“Energy-selective reconstructions in X-ray computerizedtomography”,作者为Robert E.Alvarez和Albert Macovski。
如果在检查区域中存在许多原子序数大于或等于55的原子,则根据总共三种基础材料进行基础材料分解。这样的基础材料分解从以下论文中可知:Medical Physics,1977年11月/12月,第4卷,第6期,474-481页,“Selective iodine imaging using K-edgeenergies in computerized x-ray tomography”,作者为S.J.Riederer和C.A.Mistretta。
文献中描述的基础材料分解通常基于以下情形:所测量的光谱通道的数目与描述X射线衰减所需的基础材料的数目相同。具有比光谱通道更多数目的基础材料的一般情况可以在以下论文中找到:Medical Physics,2015年7月,第42卷,第7期,4349-4366页,“Performance of today's dual energy CT and future multi energy CT in virtualnon-contrast imaging and in iodine quantification:A simulation study”,作者为Faby等。输入数据的统计相关性的情况也在其中被处理。
将该解决方案分解为两个步骤也是有利的:在第一个步骤中,消除统计相关性(去相关器),并且在第二个步骤中,对不相关数据执行数学上更简单的基础材料分解。
为了去相关的目的,首先确定图像噪声的协方差矩阵。例如,这可以基于在均匀物体上测量的CT值或理想地在针对任务优化的校准模型上测量的CT值确定。
随后,通过输出图像的线性混合,协方差矩阵可以通过确定协方差矩阵的特征向量和特征值被转换为对角矩阵。但是,在这种情况下,CT值范围必须被保持,这意味着需要后续的归一化。
更具体地,可以如下确定输出图像的线性混合或描述所述混合的变换矩阵M:
从协方差矩阵的特征值确定一个对角矩阵Ep,在其主对角线上,第i行和第i列在每种情况下是第i个特征值的-0.5次幂。从协方差矩阵的归一化特征向量形成具有特征向量作为列向量的矩阵L。最后,形成任意的n维旋转矩阵R。
然后,变换矩阵M如下产生:
M=R·Ep·LT. (1)
通过要求空气的CT值(换句话说,-1000HU)必须在变换下被保持,变换矩阵必须仍然被归一化。为此,需要一个n维向量t,其中每个元素表现出值-1000HU。
如果向量t乘以变换矩阵M,则得到可能偏离t的向量tp。然后归一化normyi从向量tp的元素tpi产生:
normyi=-1000HU/tpi. (2)
然后归一化的变换矩阵Mnorm通过将矩阵M的每一行乘以归一化值normyi而产生。
旋转矩阵R原则上可以自由选择。然而,例如可以选择旋转矩阵R,使得去相关的图像数据集中的图像噪声在每种情况下具有大致相等的幅度。
在数学上也可以以不同的方式确定变换矩阵M;特别地,为了这个目的,确定协方差矩阵的特征值或特征向量并不是绝对必要的。例如,在一个区域中的水模型中测量的图像值可以被输入每个光谱的一个向量中。给定水的正确校准,向量的平均值为0HU。如果图像噪声相关,则所述向量之间的标量乘积将不等于零。现在借助于Gram-Schmidt正交化处理,变换矩阵M可以通过在测量向量的空间中搜索正交基来确定。随后如上所述再次确定归一化变换矩阵。
光谱通道的去相关具有的主要优点是:不相关的结果数据比强相关的输入数据更适合于许多分析算法。因此,即使没有光谱通道的后续减少,去相关也是有用的。
如果在去相关之后要进行基础材料分解,则基础材料的标称CT值必须以与CT图像数据相同的方式进行变换。
已经确定的归一化变换矩阵Mnorm可以用于基础材料的变换。
在基础材料分解已经执行了之后,存在减少数目的至少2个基础材料图像集。对于进一步处理,所述基础材料图像具有各种缺点:一方面它们与常规CT图像显著不同;因此例如几乎没有任何软组织结构出现在碘基础材料图像上,并且范围可以与常规CT图像显著不同。另一方面,它们在统计学上是强相关的。
因此,在图像混合的上下文中,从基础材料图像通过线性组合再次产生遵循通常范围的相同数目的CT图像是有利的;换句话说,在所有图像中,水的值为0HU,并且在所有图像中,空气的值为-1000HU。如有必要,可以通过重新使用去相关器来消除图像之间的统计相关性。然后结果图像对应于使用其他可能也是单色输出光谱而产生的CT图像。
根据本发明的方法提供了一种有效的方法,用于在多能量CT成像期间,关于评估具有两个以上或三个以上能谱的CT成像操作,将能谱数目最佳减少到特别是两个或三个能谱。由于能谱数目或对应的图像数据集的减少,在重建的图像数据集中噪声效应减小。此外,由于图像数据集数目的急剧减少,引起待存储图像数据的存储空间的显著节省。另外,由于数据减少,图像处理被显著地简化和加速。
对于原子序数非常高的材料存在于待检测区域的情况,也可能适合执行分解成三种以上的基础材料的分解。
根据本发明的图像数据重建设备包括:投影测量数据采集单元,用于采集多个投影测量数据集,多个投影测量数据集借助于使用不同X射线能谱对检查对象的检查区域进行多能量CT成像来产生。此外,根据本发明的图像数据重建设备包括减少单元,用于基于多个投影测量数据集,通过应用基础材料分解和图像混合来产生减少数目的图像数据集。
根据本发明的计算机断层摄影***具有用于扫描待检查对象的检查区域的扫描单元,用于驱动扫描单元的控制设备以及根据本发明的图像数据重建设备。在这种情况下,由计算机断层摄影***记录的检查对象的检查区域的投影测量数据由控制设备直接处理,使得具有不同X射线能谱的减少数目的重建图像数据集由此产生。由于图像数据重建设备直接集成在计算机断层摄影***中,所以在CT***之外不需要附加的设备来执行对减少数目的图像数据集的确定。
根据本发明的图像数据重建设备的主要部件可以大部分以软件部件的形式来设计。这尤其涉及投影测量数据采集单元和减少单元的多个部分。然而,原理上,特别地在涉及特别快速的计算的情况下,这些部件也可以部分以软件支持的硬件部件(例如FPGA等)的形式来实现。类似地,例如在仅涉及从其他软件部件传送数据的情况下,所需要的接口可以被设计为软件接口。但是,这些接口也可以被设计为由适当软件驱动的在硬件基础上构造的接口。
大部分基于软件的实现具有以下优点:计算机断层摄影***的控制设备以及以前已经使用的用于分析和评估的其他计算机***可以通过软件更新的简单方式而被升级,以便以根据本发明的方式进行操作。在这方面,本发明的目的还通过对应的计算机程序产品来实现,计算机程序产品具有能够被直接加载到根据本发明的计算机断层摄影***或另一个计算机单元的存储设备中的计算机程序,计算机程序具有程序部分,以便当计算机程序在计算机断层摄影***中或用于评估由计算机断层摄影***产生的投影测量数据和图像数据的另一计算机单元中被执行时,所述程序部分执行根据本发明的方法的所有步骤。
除了计算机程序之外,这样的计算机程序产品在适用的情况下还可以包括附加元件(例如文档)和/或附加部件,附加部件包括硬件部件,例如用于使用软件的硬件密钥(加密狗等)。
计算机可读介质(例如记忆棒、硬盘或一些其他便携式或固定安装的数据介质)可以用于传输到计算机断层摄影***的存储设备或上述计算机单元的存储设备,和/或用于计算机断层摄影***或上述计算机单元上存储,在计算机可读介质上存储有计算机程序的程序部分,这些程序部分可由计算机单元读取和执行。为此,计算机单元可以具有例如一个或多个互操作的微处理器等。
在每种情况下,从属权利要求以及下文的描述包含本发明的特别有利的实施例和改进。特别地,在这一情况下,一种权利要求类别的权利要求还可以类似地被改进为不同权利要求类别的从属权利要求。另外,各种示例性实施例和权利要求的不同特征也可以在本发明的上下文中组合以产生新的示例性实施例。
在根据本发明的、基于检查对象的检查区域的多个多能量投影测量数据集来重建图像数据的方法的实施例中,在产生减少数目的图像数据集的步骤中:首先基于多个投影测量数据集重建对应的多个图像数据集。在整个申请中,重建应该被理解为投影数据从原始数据空间或投影数据空间到图像数据空间的变换。在这种情况下应用的变换对应于一个Radon变换。去相关过程被进一步应用于多个图像数据集,其中产生去相关图像数据。图像数据的去相关可以根据已经描述的方法来执行。最后,基础材料分解基于去相关图像数据发生。在这种情况下,图像数据集的数目减少到基础材料的数目。基础材料的数目通常为2。这适用于检查区域中的原子的原子序数小于55,并且用于成像的X射线的能量大于35keV的情况。如果在检查区域中存在原子序数大于或等于55的原子,则基础材料的数目为3或更大。关于图像混合,在本实施例的上下文中,减少数目的基础材料图像数据集以线性加权方式相加,使得利用对应于不同的多色或单色X射线能谱的多个衰减值来产生相关或去相关的图像数据。以这种方式产生对应于使用不同的多色或单色X射线能谱记录的CT图像的图像显示。
在根据本发明的、用于基于检查对象的检查区域的多个多能量投影测量数据集来重建图像数据的方法的优选实施例中,当产生减少数目的图像数据集时,通过将投影测量数据集与混合矩阵相乘来将去相关基础材料分解应用到多个投影测量数据集。在这种情况下,混合矩阵被构造,使得当混合矩阵被使用时,产生减少数目的去相关投影数据集。最后,基于去相关投影数据集来重建减少数目的去相关图像数据集。对于这一变形,由于重建步骤被应用于数目已经减少的去相关投影数据集,在这种情况下重建被显著地简化和加速。例如,通过所描述的去相关过程和另外描述的用于产生基础材料分解的步骤,混合矩阵可以首先在图像空间中基于去相关的图像数据来产生。由于图像重建的线性,所述矩阵还可以用在原始数据空间或投影数据空间中,换句话说,所述矩阵还可以直接应用于多个多能量投影测量数据集。此外,在这一变形在原始数据空间或投影数据空间中执行的情况下,混合矩阵还执行混合功能。
优选地,关于根据本发明的、用于基于检查对象的检查区域的多个多能量投影测量数据集来重建图像数据的方法,在用于产生减少数目的图像数据集的步骤中,在基础材料分解之后应用去相关过程,以便通过在去相关之后确定加权平均值来获得至少一种基础材料的基础材料图像的最佳可能平均值(光谱加权)。在这种情况下,对描述相同基础材料但从单能量成像操作的不同组合(换句话说,使用不同的X射线能谱)产生的基础材料图像数据集或基础材料投影数据集进行加权,使得噪声效果或伪影效果减小。利用这种变形,n个基础材料图像数据集或基础材料投影测量数据集是原始可用的。对于m=2,基础材料图像数据集或基础材料投影测量数据集成对分组,并将基础材料分解应用于由分组产生的i对,其中i<=n!/(2!×(n-2)!)。
在这种情况下,作为一般规则,不是所有的对都能够获得良好的结果质量,这意味着不是所有可能的组合都是可能的或者是必要的。针对i对,在每种情况下执行根据相同的两种基础材料的基础材料分解。然后对于每种基础材料,总共获得i个图像,这些图像原则上显示相同,但具有不同的噪声,而且在噪声方面相关。只有在已经执行了光谱加权之后,然后对应于每种基础材料,例如通过在去相关之后形成加权平均值,所需的最终的基础材料图像才从所述相应的i个基础材料图像中获得,其中每个材料图像的权重是1/图像噪声方差。对于加权函数,优点在于,一般情况下,出于物理原因,对于对应的减少数目的X射线能谱的每个组合,基于原始数据的基础材料分解可以明确地解析为减少数目的材料。只有噪声效应和测量误差根据所使用光谱的选择而不同。作为减少数目的基础材料通过i个基础材料分解被确定为加权平均值的结果,该陈述使得能够解决以下通常较复杂的问题:找到多个图像数据集到减少数目的基础材料的最佳映射。
在根据本发明的、用于基于检查对象的检查区域的多个多能量投影测量数据集来重建图像数据的方法的特别有利的变形中,在产生减少数目的图像数据集的步骤中,对应的多个图像数据集因此基于多个投影测量数据集被重建。随后,基础材料分解基于图像数据集发生,其中图像数据集的至少两个不同的组合被用于每种基础材料。换句话说,产生多个基础材料分解,其中基础材料分解中的每个仅基于图像数据集的一部分。
在根据本发明的、用于基于检查对象的检查区域的多个多能量投影测量数据集来重建图像数据的方法的特别有利的实施例中,在产生减少数目的图像数据集的步骤中,减少数目从多个投影测量数据集中选择,并且对应数目的基础材料投影数据集借助于基础材料分解从减少数目的投影测量数据集产生。该过程利用投影测量数据集的不同组合发生,结果产生多个基础材料分解,其中基础材料分解中的每个仅基于投影测量数据集的一部分。
在根据本发明的、用于基于检查对象的检查区域的多个多能量投影测量数据集来重建图像数据的方法的特别有利的变形中,在产生减少数目的图像数据集的步骤中,基于减少数目的基础材料投影数据集,对应数目的基础材料图像数据集被重建。基于多个基础材料分解,该过程再次发生,基础材料分解中的每个包括减少数目的基础材料投影数据集。以这种方式产生多组基础材料图像数据集。随后,对这些不同组的基础材料图像数据集进行去相关,并且借助于根据这些不同组的基础材料图像数据集的信息内容的光谱加权以加权方式相加,结果是创建单组减少数目的基础材料图像数据集,该单组减少数目的基础材料图像数据集表现出最佳的噪声加权。
在根据本发明的、用于基于检查对象的检查区域的多个多能量投影测量数据集来重建图像数据的方法的特定实施例中,在产生减少数目的图像数据集的步骤中,基于减少数目的基础材料投影数据集,基础材料投影数据的去相关以及光谱加权被执行,由此实现最佳的噪声加权,并且基于由于光谱加权而获得的加权的基础材料投影数据集,对应的减少数目的加权和去相关的基础材料图像数据集被重建。
优选地,在根据本发明的方法的上下文中,在产生减少数目的图像数据集的步骤中,基于多个投影测量数据集,减少数目的基础材料图像数据集以线性加权方式相加,使得利用对应于不同的、例如单色X射线能谱的多个衰减值来产生去相关图像数据。例如,用于计算单能量图像的方法从以下论文中已知:Med.Phys.,2011年12月,第38卷,第12期,6371-6379页,“Virtual monochromatic imaging in dual-source dual-energy CT:radiationdose and image quality”,作者为Yu L.等。然而,所描述的变形在以下方面超出了已知的方法:减少数目的图像被定义,其图像噪声相互正交。就噪声行为而言,所产生的图像因此被完全去相关。因此,图像噪声的行为方式与在自身产生不相关的多能量CT图像的成像方法的情况下的图像噪声的行为方式完全相同。例如,如果使用不同的管电压和常规X射线检测器连续地执行多个CT扫描,则是这种情况。统计独立性在多能量CT中用于降噪的方法中尤其相关。为此,应该参考DE 10 2011 083 727 A1。
在根据本发明的、用于基于检查对象的检查区域的多个多能量投影测量数据集来重建图像数据的方法的特别广泛使用的变形中,图像数据集的减少数目为2。如上文所述,如果在CT成像操作的情况下,检查区域中仅存在相关数目的、原子序数Z<55的原子并且X射线的能量不低于值35keV,则使用该变形。
在备选变形中,图像数据集的减少数目为3。如果在CT成像操作的情况下,检查区域中恰好存在相关数目的、原子序数Z>55的一种类型的原子,则使用该变形。
附图说明
下文将参照附图基于示例性实施例来详细地再次描述本发明。在附图中:
图1示出了图示根据本发明的第一示例性实施例的用于基于检查对象的检查区域的多个多能量投影测量数据集来重建图像数据的方法的流程图,
图2示出了图示根据本发明的第二示例性实施例的用于基于检查对象的检查区域的多个多能量投影测量数据集来重建图像数据的方法的流程图,
图3示出了图示根据本发明的第三示例性实施例的用于基于检查对象的检查区域的多个多能量投影测量数据集来重建图像数据的方法的流程图,
图4示出了图示根据本发明的第四示例性实施例的用于基于检查对象的检查区域的多个多能量投影测量数据集来重建图像数据的方法的流程图,
图5示出了图示根据本发明的示例性实施例的图像数据重建设备的框图,
图6示出了根据本发明的示例性实施例的具有图像数据重建设备的计算机断层摄影***。
具体实施方式
图1示出了流程图100,其图示了根据本发明的第一示例性实施例的用于基于检查对象的检查区域的多个多能量投影测量数据集来重建图像数据的方法。在该方法中,首先在步骤1.I,进行多能量投影测量数据的采集。多能量投影测量数据包括n个投影测量数据集PMDk,其中k=1至n,投影测量数据集PMDk中的每个与用于记录相应投影测量数据集PMDk的不同能谱相关联。随后在步骤1.II,基于多能量投影测量数据重建图像数据。所述图像数据因而包括N个图像数据集BDk,其中k=1到n,对应的图像数据集BDk从每个投影测量数据集PMDk被重建。
在图像数据重建之后,在步骤1.III,进行图像数据的去相关。在这种情况下,具有n个不同光谱的图像数据集BDk被用作输入,并且由此产生关于图像噪声行为不具有统计相关性的n个新图像数据集D-BDk。在这种情况下,材料的CT值改变,这意味着结果图像D-BDk对应于不同于输入图像BDk的其它光子光谱。例如,去相关借助于线性代数方法来执行,并且不是明确的,换句话说,给出相同的图像数据BDk作为输入数据,可以产生不同的不相关的结果图像集D-BDk。
随后在步骤1.IV,将n个去相关图像数据集D-BDk实际分解为m个基础材料图像D-BM-BDi,其中整数m小于整数n,并且i=1至m。数目m对应于在X射线检查期间发生的不同物理效应的数目。对于具有大于35keV的能量且原子序数小于55的X射线光谱,这些物理效应是光电效应和康普顿效应,这意味着在这种情况下m的值为2。在基于图像的m个材料分解的情况下,为此目的使用优化过程,其例如包含“最小二乘拟合”。这个过程涉及最小二乘法。由于基础材料分解是线性操作,所以例如“最小二乘拟合”的结果可以明确和分析性地确定。此外,“最小二乘拟合”具有以下特性:相同图像数据的不同去相关导致相同的基础材料图像。至少当使用“最小二乘拟合”时,去相关和基础材料分解的组合因此提供了明确的结果。
最后,在步骤1.V,进行单能量图像混合。在单能量图像混合中,所确定的基础材料图像D-BM-BDi同样以加权方式相加,使得创建常规CT值,该值本来还可以利用用单光子光谱在相同对象上执行的常规CT成像操作获得。在单能量图像混合的情况下,对于m=2的情况,精确地产生对应于不同的单色光子光谱的两个CT图像R-BD1、R-BD2(一般情况下精确地是m个CT图像)。理想情况下,这些图像在统计上是不相关的。为了实现这种去相关,对于单能量图像混合,还必须考虑患者直径或患者衰减,并且输出图像的等效能量必须根据定义的规则进行调整。以这种方式,表现得像“正常”CT图像的结果图像R-BD1、R-BD2被获得。
利用图2所示的根据本发明的第二示例性实施例的方法,与图1所示的方法一样,首先在步骤2.I,多能量投影测量数据被采集。同样地,多能量投影测量数据包括n个投影测量数据集PMDk,其中k=1至n,投影测量数据集PMDk中的每个与用于记录相应投影测量数据集PMDk的不同X射线能谱相关联。随后在步骤2.II,不同于图1所示的第一示例性实施例,在图2中所示的第二示例性实施例中进行线性原始数据混合。换句话说,具有n个不同光谱的n个投影测量数据集PMDk在原始数据空间中被转换成m个去相关投影数据集D-PMDi,其中i=1至m且m<n。为此目的,使用简单的二维矩阵来将衰减值或CT值彼此转换。所述矩阵被构造为使得该矩阵大致直接导致去相关数据集。在这种情况下,基于由步骤1.III和1.IV描述的去相关过程和基础材料分解过程,产生这种矩阵(也称为混合矩阵)。另外,混合矩阵还执行对应于结合图1在步骤1.V描述的图像混合的混合功能,其中在步骤2.II,所述混合功能在原始数据空间或投影数据空间中进行。
最后,在步骤2.III,重建m个去相关投影数据集D-PMDi以形成m个去相关图像数据集D-BDi。
利用图3所示的根据第三示例性实施例的用于基于检查对象的检查区域的多个多能量投影测量数据集来重建图像数据的方法,类比于第一示例性实施例,在步骤3.I,首先进行多能量投影测量数据的采集。多能量投影测量数据包括n个投影测量数据集PMDk,其中k=1至n,投影测量数据集PMDk中的每个与用于记录相应投影测量数据集PMDk的不同X射线能谱相关联。随后在步骤3.II,类比于图1所示的第一示例性实施例,基于多能量投影测量数据集PMDk重建图像数据,其中同样产生n个图像数据集BDk,其中k=1至n,并且从投影测量数据集PMDk重建n个图像数据集合BDk中的每一个。随后在步骤3.III,不同于图1中所示的第一示例性实施例,初始地没有执行重建的图像数据集BDk的去相关,而是直接进行将n个图像数据集BDk分解成m个基础材料图像数据集BM-BDi。在这种情况下,使用m个图像数据集的多个不同组合,这意味着还创建多组m个基础材料图像数据集BM-BDi。
然后,在步骤3.IV,在多组m个基础材料图像数据集BM-BDi的每种情况下,执行光谱加权,其中产生加权的m个基础材料图像数据集G-BM-BDi。利用光谱加权,在每种情况下描述相同的基础材料但是已经从源光谱的不同组合获得的基础材料图像被加权,使得噪声行为和伪影水平被最小化。基础材料图像的噪声可能是相关的。在这种情况下,在确定最佳加权函数时必须考虑相关性。光谱加权函数以任何形式取决于患者直径或患者衰减。例如,在较大直径的情况下,来自低能量光谱组合的贡献比来自高能量光谱组合的贡献被更弱地加权。作为光谱加权的结果,对于每种基础材料,仅获得一个图像数据集。
最后,类比于步骤1.V,在步骤3.V,进行单能量图像混合。在单能量图像混合期间,所确定的加权的基础材料图像G-BM-BDi同样以加权方式相加,使得创建常规CT值,该值本来还可以利用用单光子光谱在相同对象上执行的常规CT成像操作获得。在单能量图像混合的情况下,对于m=2的情况,相应地精确地产生对应于不同的单色光子光谱的两个CT图像R-BD1、R-BD2(一般情况下精确地是m个CT图像)。理想情况下,这些图像在统计上是不相关的。为了实现这种去相关,对于单能量图像混合,还必须考虑患者直径或患者衰减,并且输出图像的等效能量必须根据定义的规则进行调整。
利用图4所示的根据第四示例性实施例的用于基于检查对象的检查区域的多个多能量投影测量数据集来重建图像数据的方法,类比于第一示例性实施例,在步骤4.I,首先进行包括n个投影测量数据集PMDk的多能量投影测量数据的采集。随后在步骤4.II,基于原始数据PMDk执行m个材料分解。在这种情况下,以与步骤3.III类似的方式,但是这次是在原始数据空间而不是在图像数据空间中,n个投影测量数据集PMDk的m个投影测量数据集PMDk的至少两个不同组合在每种情况下被分解为m个基础材料投影测量数据集BM-PMDi的组。
随后在步骤4.III,以与步骤3.IV类似的方式,但是这次是在原始数据空间中,进行对m个基础材料投影测量数据集BM-PMDi的组的光谱加权。利用光谱加权,在每种情况下至少两个基础材料投影测量数据集BM-PMDi被加权,该基础材料投影测量数据集BM-PMDi在每种情况下描述相同的基础材料但是已经从源光谱的不同组合或基础材料投影测量数据集BM-PMDi的不同组而获得,使得噪声行为和伪影水平被最小化。基础材料投影测量数据BM-PMDi的噪声可能是相关的。在这种情况下,在确定最佳加权函数期间必须考虑相关性。光谱加权函数以任何形式取决于患者直径或患者衰减。例如,在较大直径的情况下,来自低能量光谱组合的贡献比来自高能量光谱组合的贡献被更弱地加权。作为光谱加权的结果,对于每种基础材料,仅获得一个基础材料数据集G-BM-PMDi。
在步骤4.IV,图像数据BM-BDi被重建,其中所述图像数据BM-BDi同样包括m个图像数据集,其中i=1到m,m个图像数据集中的每一个与源自光谱加权的投影测量数据集G-BM-PMDi相关联。
最后,在步骤4.V,执行单能量图像混合。在单能量图像混合中,所确定的基础材料图像BM-BDi同样以加权方式相加,使得创建常规CT值,该值本来还可以利用用单光子光谱在相同对象上执行的常规CT成像操作获得。在单能量图像混合的情况下(对于m=2的情况),精确地产生对应于不同的单色光子光谱的两个CT图像R-BD1、R-BD2。理想情况下,这些图像在统计上是不相关的。为了实现这种去相关,对于单能量图像混合,还必须考虑患者直径或患者衰减,并且输出图像的等效能量必须根据定义的规则进行调整。
在第四示例性实施例的变形中,步骤4.III和4.IV互换。换句话说,重建发生在光谱加权之前,并且代替在步骤4.III中对基础材料投影测量数据集BM-PMDi的加权,所重建的基础材料图像数据集BM-BDi在步骤4.IV中被光谱加权。
图5示出了示意性地图示图像数据重建设备50的框图。图像数据重建设备50包括投影测量数据采集单元51,投影测量数据采集单元51用于捕获多个(n)投影测量数据集PMDk,多个(n)投影测量数据集PMDk借助于使用不同X射线能谱对检查对象O的检查区域进行多能量CT成像来产生。图像数据重建设备50还包括减少单元52,减少单元52用于基于多个(n)投影测量数据集PM,通过应用基础材料分解来产生减少数目(m)的图像数据集R-BDi(i=1到m,m=2)。减少单元被配置为执行结合图1至图4描述的一个或多个方法。最后,图像数据重建设备50还包括输出接口53,通过输出接口53输出所确定的减少的m个图像数据集R-BD1、R-BD2。
图6示意性地图示了根据本发明的示例性实施例的具有图像数据重建设备50的计算机断层摄影***(CT***)1。CT***1用于记录患者的检查区域的投影测量数据。
CT***1基本上包括一个扫描单元10,在扫描单元10中,布置在台架11上的投影数据采集单元5围绕测量室12旋转,投影数据采集单元5具有一个检测器16和一个X射线源15,X射线源15相对检测器16被定为。位于扫描单元10前方的是患者支撑设备3或患者检查台3,患者支撑设备3或患者检查台3的上部2可以与位于其上的患者O一起向扫描单元10滑动,以便使患者O相对于检测器***16移动通过测量室12。扫描单元10和患者检查台3由控制设备20驱动,经由常规控制接口24从控制设备20接收采集控制信号AS,以根据预定的测量协议以常规方式驱动整个***。由于患者O沿z方向(其对应于纵向地穿过测量室12的***轴线z)的移动,以及X射线源15的同时旋转,所以产生测量期间X射线源15相对患者O的螺旋路径。在这种情况下,检测器16总是与X射线源15相对平行地运行,以便捕获投影测量数据,然后该投影测量数据用于体积和/或切片图像数据的重建。类似地,还可以执行依序扫描过程,在依序扫描过程中,接近z方向上的固定位置,然后在旋转、部分旋转或多次旋转期间,在所关注的z位置处捕获所需的多能量投影测量数据PMDk,以便重建该z位置处的截面图像,或者以便从多个z位置的投影数据重建体积图像数据。原则上,根据本发明的方法也能够用于其他CT***,例如通过使用形成完整的环的检测器。
在图6所示的示例性实施例中,检测器16是量子计数检测器,通过该量子计数检测器可以捕获X射线量子,根据X射线能量解析所捕获的X射线量子。借助于量子计数检测器,所捕获的X射线量子可以与不同的X射线能谱相关联,这意味着产生n个多能量CT投影测量数据集PMDk。
针对患者O的检查区域的由检测器16采集的投影测量数据集PMDk通过原始数据接口23向控制设备20传递。所述投影测量数据集PMDk然后以图1至图5中描述的方式通过根据本发明的示例性实施例的重建设备50来重建,以形成图像数据R-BD1、R-BD2。
最后,应当再次注意,以上描述的方法和设备仅仅是本发明的优选的示例性实施例,并且本发明可以被本领域技术人员改变,而不脱离本发明的范围,只要它是由权利要求预先确定的。还应当注意,为了完整起见,量词“一”或“一个”的使用并不意味相关特征不能以复数的形式出现。类似地,术语“单元”并不意味这些单元不能包含多个部件,在一些情况下,这些部件也可以在空间中是分布式的。
Claims (15)
1.一种用于基于针对一个检查对象(O)的一个检查区域的多个(n)多能量投影测量数据集(PMDk)来重建图像数据的方法,所述方法包括以下多个步骤:
-捕获多个(n)投影测量数据集(PMDk),所述多个(n)投影测量数据集(PMDk)借助于使用不同X射线能谱对所述检查对象(O)的所述检查区域进行多能量CT成像被产生,
-基于所述多个(n)投影测量数据集(PMDk),通过应用一个基础材料分解和一个图像混合,产生减少数目(m)的图像数据集(R-BD1、R-BD2)。
2.根据权利要求1所述的方法,其中在产生减少数目(m)的图像数据集(R-BD1、R-BD2)的所述步骤中:
-对应的多个(n)图像数据集(BDk)基于所述多个(n)投影测量数据集(PMDk)被重建,
-一个去相关过程被应用于所述多个(n)图像数据集(BDk),其中去相关图像数据(D-BDK)被产生,并且
-所述基础材料分解基于所述去相关图像数据(D-BDK)发生,其中减少数目的基础材料图像数据集(D-BM-BDi)被产生,
-关于所述图像混合,减少数目(m)的所述基础材料图像数据集(D-BM-BDi)以线性加权方式相加,使得图像数据(R-BD1、R-BD2)利用多个衰减值被产生,所述多个衰减值对应于不同的多色或单色X射线能谱。
3.根据权利要求1所述的方法,其中产生减少数目(m)的图像数据集(R-BD1、R-BD2)包括以下多个步骤:
-通过将所述多个(n)投影测量数据集(PMDk)与一个混合矩阵相乘,来将一个去相关基础材料分解应用到所述多个投影测量数据集(PMDk),所述混合矩阵被构造,使得当所述混合矩阵被使用时,减少数目(m)的去相关投影数据集(D-PMDi)被产生,
-基于所述多个去相关投影数据集(D-PMDi)来重建减少数目(m)的去相关图像数据集(D-BDi)。
4.根据权利要求1所述的方法,其中在产生减少数目的图像数据集(R-BD1、R-BD2)的所述步骤中,一个去相关过程在所述基础材料分解后发生,其中对多个基础材料图像数据集(BM-BDi)或多个基础材料投影数据集(BM-PMDi)进行加权,使得多个噪声效果或多个伪影效果被减小,所述多个基础材料图像数据集(BM-BDi)或所述多个基础材料投影数据集(BM-PMDi)与相同基础材料相关联但从多个单能量成像操作的不同组合被产生。
5.根据权利要求4所述的方法,其中在产生减少数目(m)的图像数据集(R-BD1、R-BD2)的所述步骤中:
-对应的多个(n)图像数据集(BDk)基于所述多个(n)投影测量数据集(PMDk)被重建,
-所述基础材料分解基于所述多个图像数据集(BDk)发生,其中多个单能量成像操作的至少两个不同的组合被用于每种基础材料。
6.根据权利要求4所述的方法,其中在产生减少数目(m)的图像数据集(R-BD1、R-BD2)的所述步骤中,减少数目(m)从所述多个(n)投影测量数据集(PMDk)中被选择,并且对应数目(m)的基础材料投影数据集(BM-PMDi)借助于所述基础材料分解从减少数目(m)的所述投影测量数据集(PMDk)被产生。
7.根据权利要求6所述的方法,其中在产生减少数目(m)的图像数据集(R-BD1、R-BD2)的所述步骤中,基于减少数目(m)的所述基础材料投影数据集(BM-PMDi),对应数目(m)的基础材料图像数据集(BM-BDi)被重建,并且所述去相关过程基于减少数目(m)的所述基础材料图像数据集(BM-BDi)发生,以便后续执行一个最佳的噪声加权。
8.根据权利要求6所述的方法,其中在产生减少数目(m)的图像数据集(R-BD1、R-BD2)的所述步骤中,基于减少数目(m)的所述基础材料投影数据集(BM-PMDi),所述去相关过程被应用,以便后续执行一个最佳的噪声加权,并且基于去相关的且加权的所述多个基础材料投影数据集(G-BM-PMDi),对应数目(m)的基础材料图像数据集(BM-BDi)被重建。
9.根据权利要求1或权利要求4至8中任一项所述的方法,其中在产生减少数目(m)的图像数据集(R-BD1、R-BD2)的所述步骤中,基于所述多个投影测量数据集(PMDk),减少数目(m)的所述基础材料图像数据集(D-BM-BDi、BM-BDi)以线性加权方式相加,使得所述图像数据(R-BD1、R-BD2)利用多个衰减值被产生,所述多个衰减值对应于不同的多色或单色X射线能谱。
10.根据权利要求1至9中任一项所述的方法,其中图像数据集(R-BD1、R-BD2)的所述减少数目(m)具有值2。
11.根据权利要求1至9中任一项所述的方法,其中图像数据集(R-BD1、R-BD2,R-BD3)的所述减少数目(m)具有值3。
12.一种图像数据重建设备(50),包括:
-一个投影测量数据采集单元(51),用于采集多个(n)投影测量数据集(PMDk),所述多个(n)投影测量数据集(PMDk)借助于使用不同X射线能谱对一个检查对象(O)的一个检查区域进行多能量CT成像被产生,
-一个减少单元,用于基于所述多个(n)投影测量数据集(PMDk),通过应用一个基础材料分解和一个图像混合来产生减少数目(m)的图像数据集(R-BD1、R-BD2)。
13.一种计算机断层摄影***(1),包括:
-一个扫描单元(10),用于扫描一个待检查对象(O)的一个检查区域,
-一个控制设备(20),用于驱动所述扫描单元(10),
-根据权利要求12所述的一个图像数据重建设备(50)。
14.一种计算机程序产品,具有一个计算机程序,所述计算机程序能够被直接加载到一个计算机断层摄影***(1)的一个存储装置(25)中,所述计算机程序具有多个程序部分,以便当所述计算机程序在所述计算机断层摄影***(1)中被执行时,执行根据权利要求1至11中任一项所述的方法的所有步骤。
15.一种计算机可读介质,在所述计算机可读介质上存储有多个程序部分,所述多个程序部分能够在一个计算机单元中被读取和由所述计算机单元执行,以便当所述多个程序部分由所述计算机单元执行时,执行根据权利要求1至11中任一项所述的方法的所有步骤。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE102017200032.5A DE102017200032A1 (de) | 2017-01-03 | 2017-01-03 | Reduktion der Anzahl spektraler Kanäle in der Multi-Energie-CT-Bildgebung |
DE102017200032.5 | 2017-01-03 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108280860A true CN108280860A (zh) | 2018-07-13 |
CN108280860B CN108280860B (zh) | 2022-03-11 |
Family
ID=62568129
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810003001.XA Active CN108280860B (zh) | 2017-01-03 | 2018-01-02 | 减少多能量ct成像中的光谱通道数目 |
Country Status (3)
Country | Link |
---|---|
US (1) | US10510166B2 (zh) |
CN (1) | CN108280860B (zh) |
DE (1) | DE102017200032A1 (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111134709A (zh) * | 2020-01-17 | 2020-05-12 | 清华大学 | 一种多能量ct基材料分解方法 |
CN112535492A (zh) * | 2019-09-23 | 2021-03-23 | 西门子医疗有限公司 | 生成光谱计算机断层扫描图像数据集的方法和装置 |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11039801B2 (en) * | 2019-07-02 | 2021-06-22 | GE Precision Healthcare LLC | Systems and methods for high-resolution spectral computed tomography imaging |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110150183A1 (en) * | 2009-12-23 | 2011-06-23 | General Electric Company | Dual-energy imaging at reduced sample rates |
CN103356217A (zh) * | 2012-03-31 | 2013-10-23 | 上海西门子医疗器械有限公司 | Ct机的扫描控制方法、扫描控制***、准直器及ct机 |
US20130336566A1 (en) * | 2010-09-07 | 2013-12-19 | Samsung Electronics Co., Ltd. | Method and apparatus for reconstructing image and medical image system employing the method |
WO2015154990A1 (de) * | 2014-04-08 | 2015-10-15 | Siemens Aktiengesellschaft | Rauschreduktion in tomogrammen |
US20160106386A1 (en) * | 2014-10-21 | 2016-04-21 | General Electric Company | Methods and systems for task-based data generation and weighting for ct spectral imaging |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7801265B2 (en) * | 2007-11-23 | 2010-09-21 | Mayo Foundation For Medical Education And Research | System and method for creating mixed image from dual-energy CT data |
US9070181B2 (en) * | 2007-12-21 | 2015-06-30 | General Electric Company | System and method for extracting features of interest from an image |
CN101981351B (zh) * | 2008-03-26 | 2014-04-23 | 株式会社捷太格特 | 皮带轮单元 |
US8194961B2 (en) * | 2008-04-21 | 2012-06-05 | Kabushiki Kaisha Toshiba | Method, apparatus, and computer-readable medium for pre-reconstruction decomposition and calibration in dual energy computed tomography |
US8031831B2 (en) * | 2009-05-28 | 2011-10-04 | Kabushiki Kaisha Toshiba | Voltage and or current modulation in dual energy computed tomography |
US8787519B2 (en) * | 2010-08-12 | 2014-07-22 | General Electric Company | System and method of optimizing a representation of dual energy spectral CT images |
DE102011083727B4 (de) | 2011-09-29 | 2021-12-30 | Siemens Healthcare Gmbh | Verfahren zur Erzeugung eines rauschreduzierten CT-Bilddatensatzes, Rechensystem und CT-System |
US9672638B2 (en) * | 2014-06-16 | 2017-06-06 | The University Of Chicago | Spectral X-ray computed tomography reconstruction using a vectorial total variation |
EP3271898B1 (en) * | 2015-03-18 | 2019-10-16 | Prismatic Sensors AB | Image reconstruction based on energy-resolved image data from a photon-counting multi bin detector |
-
2017
- 2017-01-03 DE DE102017200032.5A patent/DE102017200032A1/de active Pending
- 2017-12-14 US US15/841,754 patent/US10510166B2/en active Active
-
2018
- 2018-01-02 CN CN201810003001.XA patent/CN108280860B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110150183A1 (en) * | 2009-12-23 | 2011-06-23 | General Electric Company | Dual-energy imaging at reduced sample rates |
US20130336566A1 (en) * | 2010-09-07 | 2013-12-19 | Samsung Electronics Co., Ltd. | Method and apparatus for reconstructing image and medical image system employing the method |
CN103356217A (zh) * | 2012-03-31 | 2013-10-23 | 上海西门子医疗器械有限公司 | Ct机的扫描控制方法、扫描控制***、准直器及ct机 |
WO2015154990A1 (de) * | 2014-04-08 | 2015-10-15 | Siemens Aktiengesellschaft | Rauschreduktion in tomogrammen |
US20160106386A1 (en) * | 2014-10-21 | 2016-04-21 | General Electric Company | Methods and systems for task-based data generation and weighting for ct spectral imaging |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112535492A (zh) * | 2019-09-23 | 2021-03-23 | 西门子医疗有限公司 | 生成光谱计算机断层扫描图像数据集的方法和装置 |
CN111134709A (zh) * | 2020-01-17 | 2020-05-12 | 清华大学 | 一种多能量ct基材料分解方法 |
CN111134709B (zh) * | 2020-01-17 | 2021-09-14 | 清华大学 | 一种多能量ct基材料分解方法 |
Also Published As
Publication number | Publication date |
---|---|
DE102017200032A1 (de) | 2018-07-05 |
CN108280860B (zh) | 2022-03-11 |
US10510166B2 (en) | 2019-12-17 |
US20180189986A1 (en) | 2018-07-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20180330233A1 (en) | Machine learning based scatter correction | |
CN105452852B (zh) | 通过使用相衬ct的单色衰减对比图像生成 | |
US11850081B2 (en) | Monochromatic CT image reconstruction from current-integrating data via machine learning | |
CN101138501B (zh) | 用于生成目标的多光谱图像的方法和*** | |
Zaidi et al. | Scatter modelling and compensation in emission tomography | |
CN106466188B (zh) | 用于发射断层显像定量的***和方法 | |
CN105580054B (zh) | 电子密度图像的联合重建 | |
RU2443020C2 (ru) | Компенсация движения в чувствительной к изменению энергии компьютерной томографии | |
US7889834B2 (en) | Method for preparing reconstructed CT image data records and CT system | |
CN103299345B (zh) | 双能量断层摄影成像*** | |
US10045743B2 (en) | Method for generating a virtual X-ray projection on the basis of an image data set obtained with an X-ray imaging device, computer program, data carrier and X-ray imaging device | |
US20100246917A1 (en) | Contrast-dependent regularization strength in the iterative reconstruction of ct images | |
CN106233335A (zh) | X射线光谱成像 | |
CN103027704B (zh) | 产生噪声减少的ct图像数据组的方法、计算***和ct*** | |
JP2008532683A (ja) | 断層画像の反復再構成のための方法及び装置 | |
US20120305812A1 (en) | Spect targeted volume molecular imaging using multiple pinhole apertures | |
CN108280860A (zh) | 减少多能量ct成像中的光谱通道数目 | |
CN107106109A (zh) | 计算机断层扫描*** | |
Shi et al. | Review of CT image reconstruction open source toolkits | |
CN108065951A (zh) | 在ct成像方法中同时使用不同的造影剂 | |
US20200222016A1 (en) | System and method for low-dose multi-spectral x-ray tomography | |
HU231327B1 (hu) | Többemissziós energiák egyfotonos emissziós komputertomográfiában | |
CN107212898B (zh) | 图像重建方法 | |
CN106133792A (zh) | 图像生成装置 | |
US11663756B2 (en) | Scatter correction for X-ray imaging |
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 |