CN109146994A - 一种面向多能谱x射线ct成像的金属伪影校正方法 - Google Patents
一种面向多能谱x射线ct成像的金属伪影校正方法 Download PDFInfo
- Publication number
- CN109146994A CN109146994A CN201811080133.9A CN201811080133A CN109146994A CN 109146994 A CN109146994 A CN 109146994A CN 201811080133 A CN201811080133 A CN 201811080133A CN 109146994 A CN109146994 A CN 109146994A
- Authority
- CN
- China
- Prior art keywords
- image
- perspective
- view
- power spectrum
- 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.)
- Granted
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
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
本发明公开了一种面向多能谱X射线CT成像的金属伪影校正方法,首先对含有金属伪影的多能谱X射线CT投影图进行加权图像重建及材料分解,得到加权重建图像I0、金属材料及其他基材料的投影图;然后,根据金属材料的投影图进行图像重建得到金属材料图像Im,作为后续迭代重建过程中的先验知识;根据分解后所有基材料的投影图及其在指定能量下的X射线衰减系数生成虚拟单能投影图Ps;最后,以I0作为迭代图像重建的初始图像,Im作为迭代图像重建的先验知识,Ps作为迭代过程中的目标投影图,运用统计迭代重建算法进行图像重建,得到最终的金属伪影校正CT图像。
Description
技术领域
本发明涉及计算机断层成像技术领域,尤其涉及一种面向多能谱X射线CT成像的金属伪影校正方法。
背景技术
X射线CT( Computed Tomography )具有成像速度快、空间分辨率高等优势在医学诊断、工业检测等领域具有广泛应用。但是,CT成像时由于被检查物体中存在金属材料(如金属材质的假牙)将产生严重的金属伪影,表现为条纹状亮纹、暗带或阴影,使得CT图像失真,严重降低CT图像的质量,掩盖图像细节,不利于医学精确诊断及工业高精度检测等应用,因此有必要对金属伪影进行校正。
现有技术一般采用插值法和迭代法进行金属伪影的校正。插值法是在投影域利用金属区域周围的投影值对金属伪影区域进行插值或者根据某种相似或对称原理对金属伪影区域进行成片插值修补,该方法会导致插值区域与附近投影区域的边界模糊,产生次级伪影。迭代法通过对金属投影区域之外的投影区域迭代反投影重建CT图像,该方法虽能在一定程度上校正金属伪影,但计算效率较低。进一步地,由于CT图像重建理论的前提是X射线是单能的,而在实际的成像***中,X射线是连续能谱射线,因此上述方法难以对金属伪影进行有效的校正。
在基于迭代重建的金属伪影校正中,重点是先利用反投影重建算法得到初始CT图像,在对该图像进行图像分割得到金属材料的图像,将其作为后续迭代重建的先验知识。例如中国专利申请号201710868075.5和201710084349.1。但由于重建图像中存在严重的金属伪影,难以准确分割出金属图像,只能对金属伪影起到部分抑制作用;进一步地,由于常规CT图像重建理论的基本前提是X射线是单能的,而实际的成像***中,X射线是连续能谱射线,因此上述方法难以对金属伪影进行有效的校正。
中国专利申请号201710868075.5提出“用于基于分割和光谱的金属伪影降低的计算机程序和CT***”。在该专利中,基于在每个投影角度的金属的厚度和在每个投影角度的X-射线衰减,从分割的高-Z体积数据集中生成高-Z投影集,将这些集合归一化,并且然后使用低-Z投影和高-Z投影集创建校正的断层摄影体积数据集。
中国专利申请号201710084349.1提出“一种CT图像金属伪影校正方法及装置”。在该专利中,通过在先验投影的约束下,根据原始投影和金属投影,对原始投影的金属区域迭代进行高斯能量下降处理,得到满足条件的初步未校正投影并进行反投影重建得到初步校正图像,将初步校正图像平滑去噪后用于更新先验图像,通过迭代更新先验图像,并将每次更新后的先验图像进行投影得到更新后的先验投影,在更新后的先验投影的约束下,获得满足条件的初步未校正投影并进一步得到初步校正图像,直至获得满足条件的初步校正图像,与金属图像融合,得到最终校正图像。其中,金属图像、先验图像和先验投影通过以下方法获得:利用CT***中的原始投影反投影重建未校正CT图像,对所述未校正CT图像分别进行第一分割和第二分割,对应得到金属图像和先验图像,对所述金属图像进行投影得到金属投影;对所述先验图像进行投影,得到先验投影。
近年来,随着探测器技术的发展,基于光子计数X射线探测器的多能谱X射线CT成像***将逐步获得应用。多能谱X射线CT成像***通过能量选通阈值对不同能窗的X射线光子进行数据采集和图像重建,可有效改善重建CT图像的质量,提供物质的电子密度、等效原子序数的信息,具有独特的材料分解与识别能力,可为CT图像伪影校正带来新的途径。
发明内容
本发明所要解决的技术问题是针对背景技术中所涉及到的缺陷,提供一种面向多能谱X射线CT成像的金属伪影校正方法,能够有效提高CT图像质量,有利于临床诊断及工业无损检测。
本发明为解决上述技术问题采用以下技术方案:
一种面向多能谱X射线CT成像的金属伪影校正方法,所述金属伪影校正的步骤包括:
步骤1:采用能谱CT探测器对含有金属的被检测物体进行多能谱CT投影,得到存在金属伪影的多能谱CT投影图,根据被检测物体中材料的特性以及所包含金属的特性,确定包含金属材料在内的各种基材料的类别数和材质;
步骤2:根据多能谱CT投影图,利用加权重建算法得到重建图像I0;
步骤3:根据多能谱CT投影图,运用材料分解算法得到包含金属材料在内的各种基材料的投影图;
步骤4:根据包含金属材料在内的各种基材料的投影图及其在预设的能量阈值下的X射线衰减系数进行计算,得到虚拟单能投影图Ps;
步骤5:根据金属材料的投影图,利用反投影重建算法得到金属材料的CT图像Im;
步骤6:运用统计迭代重建算法进行金属伪影校正和CT图像重建,其中,迭代重建的初始图像是加权重建图像I0;迭代重建的先验知识是金属材料的CT图像Im,在迭代重建过程中,当前重建图像中与金属材料坐标相同处的像素值设置为金属材料的像素值;迭代重建的目标投影图是虚拟单能投影图Ps。
作为本发明一种面向多能谱X射线CT成像的金属伪影校正方法进一步的优化方案,所述被检测物品中基材料的类别数不大于能谱CT探测器的能量分段数。
所述预设的能量阈值和金属材料的材质相关。
本发明采用以上技术方案与现有技术相比,具有以下技术效果:
本发明根据多能谱X射线CT成像所具有的材料识别能力,运用材料分解算法获得金属材料图像及虚拟单能投影图,进而利用统计迭代重建算法进行图像重建,可有效克服金属伪影,获得高质量的CT图像,有利于临床诊断及工业无损检测。
附图说明
图1为一种面向多能谱X射线CT成像的金属伪影校正方法的流程图。
具体实施方式
下面结合附图对本发明的技术方案做进一步的详细说明:
如图1所示,本发明公开了一种面向多能谱X射线CT成像的金属伪影校正方法,下面以患者***内植入金标记物情况下多能谱CT图像金属伪影校正为例进行说明,校正的具体步骤如下:
步骤1:采用能谱CT探测器(能量分段数不小于3)进行多能谱CT投影,得到存在金属伪影的多能谱CT投影图,并进一步确定基材料为软组织、骨组织和金;
步骤2:根据多能谱CT投影图,利用投影加权重建算法或图像加权重建算法得到重建图像I0;
步骤3:根据多能谱CT投影图,运用材料分解算法得到金、软组织和骨组织的投影图;
步骤4:根据金、软组织和骨组织的投影图及其在50KeV下的X射线衰减系数计算得到虚拟单能投影图Ps;
步骤5:根据金的投影图,利用反投影重建算法得到金的CT图像Im;
步骤6:利用统计迭代重建算法进行金属伪影校正和CT图像重建,其中,迭代重建的初始图像是加权重建图像I0;迭代重建的先验知识是金的CT图像Im,在迭代重建过程中,当前重建图像中与金的坐标相同处的像素值设置为金的像素值;迭代重建的目标投影图是虚拟单能投影图Ps。
本次探测仅包含软组织、骨组织和金三种基材料,很明显不大于能谱CT探测器的能量分段数。
本技术领域技术人员可以理解的是,除非另外定义,这里使用的所有术语(包括技术术语和科学术语)具有与本发明所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是,诸如通用字典中定义的那些术语应该被理解为具有与现有技术的上下文中的意义一致的意义,并且除非像这里一样定义,不会用理想化或过于正式的含义来解释。
以上所述的具体实施方式,对本发明的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上所述仅为本发明的具体实施方式而已,并不用于限制本发明,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (2)
1.一种面向多能谱X射线CT成像的金属伪影校正方法,其特征在于,所述金属伪影校正的步骤包括:
步骤1:采用能谱CT探测器对含有金属的被检测物体进行多能谱CT投影,得到存在金属伪影的多能谱CT投影图,根据被检测物体中材料的特性以及所包含金属的特性,确定包含金属材料在内的各种基材料的类别数和材质;
步骤2:根据多能谱CT投影图,利用加权重建算法得到重建图像I0;
步骤3:根据多能谱CT投影图,运用材料分解算法得到包含金属材料在内的各种基材料的投影图;
步骤4:根据包含金属材料在内的各种基材料的投影图及其在预设的能量阈值下的X射线衰减系数进行计算,得到虚拟单能投影图Ps;
步骤5:根据金属材料的投影图,利用反投影重建算法得到金属材料的CT图像Im;
步骤6:运用统计迭代重建算法进行金属伪影校正和CT图像重建,其中,迭代重建的初始图像是加权重建图像I0;迭代重建的先验知识是金属材料的CT图像Im,在迭代重建过程中,当前重建图像中与金属材料坐标相同处的像素值设置为金属材料的像素值;迭代重建的目标投影图是虚拟单能投影图Ps。
2.根据权利要求1所述的一种面向多能谱X射线CT成像的金属伪影校正方法,其特征在于,所述被检测物品中基材料的类别数不大于能谱CT探测器的能量分段数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811080133.9A CN109146994B (zh) | 2018-09-17 | 2018-09-17 | 一种面向多能谱x射线ct成像的金属伪影校正方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811080133.9A CN109146994B (zh) | 2018-09-17 | 2018-09-17 | 一种面向多能谱x射线ct成像的金属伪影校正方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109146994A true CN109146994A (zh) | 2019-01-04 |
CN109146994B CN109146994B (zh) | 2023-06-20 |
Family
ID=64814370
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811080133.9A Active CN109146994B (zh) | 2018-09-17 | 2018-09-17 | 一种面向多能谱x射线ct成像的金属伪影校正方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109146994B (zh) |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109920020A (zh) * | 2019-02-27 | 2019-06-21 | 西北工业大学 | 一种锥束ct病态投影重建伪影抑制方法 |
CN110175957A (zh) * | 2019-04-11 | 2019-08-27 | 清华大学 | 多能量ct基材料物质分解方法 |
CN110458762A (zh) * | 2019-07-02 | 2019-11-15 | 山东科技大学 | 一种基于可调双因子的ct图像射束硬化伪影校正*** |
CN110796620A (zh) * | 2019-10-29 | 2020-02-14 | 广州华端科技有限公司 | 乳腺断层重建图像的层间伪影抑制方法和装置 |
CN110827370A (zh) * | 2019-11-09 | 2020-02-21 | 中北大学 | 一种非等厚构件的多能ct循环迭代重建方法 |
CN110942494A (zh) * | 2019-02-08 | 2020-03-31 | 苏州波影医疗技术有限公司 | 利用三个数据域迭代重建计算机断层扫描图像的*** |
CN111340127A (zh) * | 2020-03-04 | 2020-06-26 | 清华大学 | 基于材料聚类的能谱ct迭代材料分解方法和装置 |
CN113298905A (zh) * | 2021-05-28 | 2021-08-24 | 同济大学 | 基于基础材料分解的多能谱ct重建方法及计算机可读介质 |
CN114820860A (zh) * | 2022-05-11 | 2022-07-29 | 清华大学 | 动态双能ct迭代重建方法、装置、电子设备及存储介质 |
CN114926560A (zh) * | 2022-05-11 | 2022-08-19 | 中国计量科学研究院 | 基于基材料分解的成像金属伪影校正方法及***、成像设备 |
CN117830456A (zh) * | 2024-03-04 | 2024-04-05 | 中国科学技术大学 | 用于校正图像金属伪影的方法、装置及电子设备 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105469366A (zh) * | 2015-11-23 | 2016-04-06 | 山东科技大学 | 一种消减ct图像金属伪影的解析方法 |
CN108010099A (zh) * | 2017-12-04 | 2018-05-08 | 首都师范大学 | 一种x射线多能谱ct有限角扫描和图像迭代重建方法 |
-
2018
- 2018-09-17 CN CN201811080133.9A patent/CN109146994B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105469366A (zh) * | 2015-11-23 | 2016-04-06 | 山东科技大学 | 一种消减ct图像金属伪影的解析方法 |
CN108010099A (zh) * | 2017-12-04 | 2018-05-08 | 首都师范大学 | 一种x射线多能谱ct有限角扫描和图像迭代重建方法 |
Non-Patent Citations (2)
Title |
---|
周正东等: "基于图像加权的多能光子计数X射线CT全能谱图像重建改进方法", 《东南大学学报(自然科学版)》 * |
张玉龙等: "高能X射线基材料分解法基材料选择方法", 《强激光与粒子束》 * |
Cited By (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110942494A (zh) * | 2019-02-08 | 2020-03-31 | 苏州波影医疗技术有限公司 | 利用三个数据域迭代重建计算机断层扫描图像的*** |
CN110942494B (zh) * | 2019-02-08 | 2024-02-20 | 苏州波影医疗技术有限公司 | 利用三个数据域迭代重建计算机断层扫描图像的*** |
CN109920020A (zh) * | 2019-02-27 | 2019-06-21 | 西北工业大学 | 一种锥束ct病态投影重建伪影抑制方法 |
CN109920020B (zh) * | 2019-02-27 | 2022-10-18 | 西北工业大学 | 一种锥束ct病态投影重建伪影抑制方法 |
CN110175957A (zh) * | 2019-04-11 | 2019-08-27 | 清华大学 | 多能量ct基材料物质分解方法 |
CN110175957B (zh) * | 2019-04-11 | 2021-03-09 | 清华大学 | 多能量ct基材料物质分解方法 |
CN110458762A (zh) * | 2019-07-02 | 2019-11-15 | 山东科技大学 | 一种基于可调双因子的ct图像射束硬化伪影校正*** |
CN110796620B (zh) * | 2019-10-29 | 2022-05-17 | 广州华端科技有限公司 | 乳腺断层重建图像的层间伪影抑制方法和装置 |
CN110796620A (zh) * | 2019-10-29 | 2020-02-14 | 广州华端科技有限公司 | 乳腺断层重建图像的层间伪影抑制方法和装置 |
CN110827370A (zh) * | 2019-11-09 | 2020-02-21 | 中北大学 | 一种非等厚构件的多能ct循环迭代重建方法 |
CN110827370B (zh) * | 2019-11-09 | 2023-06-06 | 中北大学 | 一种非等厚构件的多能ct循环迭代重建方法 |
CN111340127B (zh) * | 2020-03-04 | 2023-01-10 | 清华大学 | 基于材料聚类的能谱ct迭代材料分解方法和装置 |
CN111340127A (zh) * | 2020-03-04 | 2020-06-26 | 清华大学 | 基于材料聚类的能谱ct迭代材料分解方法和装置 |
CN113298905A (zh) * | 2021-05-28 | 2021-08-24 | 同济大学 | 基于基础材料分解的多能谱ct重建方法及计算机可读介质 |
CN114820860A (zh) * | 2022-05-11 | 2022-07-29 | 清华大学 | 动态双能ct迭代重建方法、装置、电子设备及存储介质 |
CN114926560A (zh) * | 2022-05-11 | 2022-08-19 | 中国计量科学研究院 | 基于基材料分解的成像金属伪影校正方法及***、成像设备 |
CN117830456A (zh) * | 2024-03-04 | 2024-04-05 | 中国科学技术大学 | 用于校正图像金属伪影的方法、装置及电子设备 |
CN117830456B (zh) * | 2024-03-04 | 2024-05-28 | 中国科学技术大学 | 用于校正图像金属伪影的方法、装置及电子设备 |
Also Published As
Publication number | Publication date |
---|---|
CN109146994B (zh) | 2023-06-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109146994A (zh) | 一种面向多能谱x射线ct成像的金属伪影校正方法 | |
CN103020928B (zh) | 锥束ct***的金属伪影校正方法 | |
US8835858B2 (en) | Systems and methods for attenuation compensation in nuclear medicine imaging based on emission data | |
CN103247061B (zh) | 一种x射线ct图像的增广拉格朗日迭代重建方法 | |
CN108292428A (zh) | 图像重建的***和方法 | |
CN104574416B (zh) | 一种低剂量能谱ct图像去噪方法 | |
CN104751429B (zh) | 一种基于字典学习的低剂量能谱ct图像处理方法 | |
US11823384B2 (en) | CT image generation method for attenuation correction of pet images | |
CN114022491B (zh) | 基于改进空间金字塔模型的小数据集食管癌肿瘤靶区影像自动勾画方法 | |
CN110458762A (zh) | 一种基于可调双因子的ct图像射束硬化伪影校正*** | |
CN111223156A (zh) | 一种用于牙科锥束ct***的金属伪影消除方法 | |
WO2022016461A1 (zh) | 一种图像金属伪影抑制方法 | |
Li et al. | Multienergy cone-beam computed tomography reconstruction with a spatial spectral nonlocal means algorithm | |
Zhang et al. | 4D radiomics: impact of 4D-CBCT image quality on radiomic analysis | |
Jiang et al. | A feasibility study of enhanced prompt gamma imaging for range verification in proton therapy using deep learning | |
US7242004B2 (en) | Image correction method, image correction apparatus, and image correction program | |
CN109959669B (zh) | 基材料分解方法和装置及计算机可读存储介质 | |
Jiang et al. | Enhancement of 4-D cone-beam computed tomography (4D-CBCT) using a dual-encoder convolutional neural network (DeCNN) | |
Duan et al. | Knowledge-based self-calibration method of calibration phantom by and for accurate robot-based CT imaging systems | |
WO2023051719A1 (en) | Methods and systems for attenuation map generation | |
CN110827370B (zh) | 一种非等厚构件的多能ct循环迭代重建方法 | |
Nuyts et al. | Reduction of attenuation correction artifacts in PET-CT | |
US11648422B2 (en) | Apparatus and methods of generating 4-dimensional computer tomography images | |
Agrawal et al. | Metal artifact reduction in cone-beam extremity images using gated convolutions | |
Zhu et al. | CT metal artifact correction assisted by the deep learning-based metal segmentation on the projection domain |
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 |