JP6999576B2 - 空間とスペクトル情報に基づく複数エネルギーのｃｔ画像におけるノイズ制御のためのシステムと方法 - Google Patents

Description

（関連出願の相互参照）
本出願は、２０１６年５月６日出願の、表題「空間とスペクトル情報に基づく複数エネルギーのＣＴ画像におけるノイズ制御のためのシステムと方法」である米国仮特許出願第６２／３３２，６８８号明細書に基づき、これに対する優先権を主張し、これを参照によって全体的に本明細書に組み込む。

（政府の資金援助）
本発明は、国立衛生研究所によって授与されたＥＢ０１６９６６の下での連邦政府支援によりなされた。連邦政府は本発明において一定の権利を有する。

本開示は医療用画像処理に関する。より具体的には、本開示は、電離放射線を用いて撮像処理を行う場合、例えばマルチエネルギーＣＴ（ＭＥＣＴ）データを用いて画像領域のノイズ低減を実施することで、供給される放射線量と出来上がった画像におけるノイズレベルを制御するためのシステムと方法に関する。

コンピュータ断層撮影（ＣＴ）システムにおいて、Ｘ線源はビームを投射し、それは「撮像面」と呼ばれるデカルト座標系のＸ－Ｙ平面内に位置するようにコリメートされる。Ｘ線ビームは、医療患者のような撮像目的物又は産業用ＣＴのように他の非医療患者又は目的物を透過し、放射線検出器アレイに入射する。伝播した放射線の強度は、Ｘ線源から出た減衰していないビームの強度（即ち加えられた放射線量）と、目的物によって減衰されたＸ線ビームの強度によって決まる。各検出器は、減衰したビームの測定値である個別の電気信号を生成する。すべての検出器からの減衰量測定値は、特定のビュー角度で透過プロファイルを生成するために別々に取得される。

従来のＣＴシステムのＸ線源及び検出器アレイは、Ｘ線ビームが目的物と交差する角度が絶えず変化するように、ガントリ上の撮像平面内で目的物の周囲を回転する。所与角度における検出器アレイからのＸ線減衰測定値のグループは「ビュー」と呼ばれ、目的物の「スキャン」はＸ線源及び検出器が一回転する間の異なる角度方向で取得したビューのセットを含む。２Ｄスキャンでは、目的物を通して得られる２次元スライスに対応した画像を作成するようにデータは処理される。２Ｄデータから画像を再構成する現行の方法は、本技術分野ではフィルタ補正逆投影法と称されるが、しかし他の画像再構成プロセスも周知である。このプロセスは、スキャンからの減衰測定値を「ＣＴ数」又は「ハウンスフィールド単位」と呼ばれる整数に変換し、それらはディスプレイ上の対応する画素の輝度を制御するために用いられる。

現代の臨床現場でのＣＴの大幅な使用の増加は、ＣＴからの放射線被曝に関連したがんリスクに関する重大な公衆衛生上の懸念を生み出した。ＣＴ臨床現場における現在の指針は、許容される診断精度を維持しながら、合理的に達成可能な限り低い放射線量レベルを使用することである。しかし、放射線量を低減するのみでは、一般的にノイズの多い画像を生成し、診断性能を深刻に劣化させる。ＣＴにおけるノイズ制御のために、多くのアルゴリズムが提案されてきおり、これらは大きく３つのタイプに分類できる。投影空間、画像空間、及び反復的再構成である。

生の投影データ又は対数変換サイノグラムのいずれかを扱う投影空間技術は、画像再構成の前に投影データのノイズ低減を試みる。一般に、これらの技術は投影空間におけるノイズ特性がかなりよく理解されているという利点を有する。投影に基づく方法の一つの潜在的な欠点は、投影データのエッジが明確に定義されていないという事実によって、画像の鮮明さに幾らかの損失が生じることである。

画像空間ノイズ除去法は、再構成された画像に直接リニア又はノンリニアフィルタを適用するステップを伴う。このような技術のほとんど（例えばバイラテラルフィルタリング、全変動ノイズ除去法、ノンローカルミーンノイズ除去法、及びｋ－ＳＶＤノイズ除去法）は、画像空間における目的物の強い構造的及び統計的性質（例えばシャープなエッジ、隣接画素間の類似性）を利用する。ＣＴでは、それらは直接実装されて、生データにアクセスしない。しかし、画像空間におけるＣＴノイズは正確にモデル化することが困難で、強力な空間的変化との相関関係を有する。従って、これらの技術にとって、ノイズ除去とぼけやアーチファクトとの間の最適なトレードオフを実現することや、スキャンボリューム全体で一貫したパフォーマンスを得ることはより困難である。

反復的再構成（ＩＲ）技術は、ノイズ除去技術より正確と考えられる再構成技術であり、投影空間におけるノイズ特性と画像空間における構造に関する統計的な仮定を利用する。ＩＲ技術は、生データへのアクセスと、スキャナ幾何学、光子統計、データ収集及び訂正物理学の詳細に関し正確な知識を必要とするので、この技術は特定のスキャナモデルに大きく依存する。真のＩＲは非常に計算集約的（例えばデータセットあたり数時間）で、ソフトウエア方法とハードウエア方法は反復手順を加速するために研究されてきたものの、これまでに迅速な臨床応用を妨げている。真のＩＲの非常に高い計算負荷のために、はるかに低い計算負荷で真のＩＲの多くの利点を得ることを試みるハイブリッド技術が近年開発されてきた（例えばシーメンス社の逐次近似画像再構成法（ＳＡＦＩＲＥ））。

ノンローカルミーン（ＮＬＭ）ノイズ除去法は、効率的な画像ノイズ除去方法で、ほとんどの画像に存在する固有の冗長な情報を利用する。ＮＬＭは有限空間差分の概念を一般化し、隣接する画像パッチ（ｉｍａｇｅ ｐａｔｃｈｅｓ）間の差分の測定を利用して、潜在的な画像構造を推定する。これがＮＬＭに高度な画像構造と微細な詳細の保存を許容する。しかし、標準的ＮＬＭアルゴリズムは画像のノイズ除去のために均一なフィルタ強度を用いるのに対し、ＣＴ画像ではスライス内及びスライス間でノイズレベルが著しく変化する。従って、包括的なフィルタリング強度を用いるＮＬＭフィルタリングをＣＴ画像に適用しても、最適なノイズ除去性能は達成できない。

一部の人々は、例えばノイズレベル変動のような、ノイズの局所的な変化に適応する修正されたＮＬＭアルゴリズムを使用して、ＣＴ画像の局所的ノイズを推定し、画像のノイズ除去を行った。そのような技術の１つが、米国特許第９，０３６，７７１号明細書に記載されている。これらのシステムおよび方法はうまく機能する。しかし、臨床医学におけるＣＴイメージングに対する投与量の制御と使用の多様性の重要性を考慮すると、投与量とノイズ制御のための追加の専門的技術が、特にマルチエネルギー画像に対して必要である。

従って、臨床現場の広い範囲で投与量やノイズを制御し管理するための追加のシステム及び方法を有することが望ましいであろう。

ＣＴ画像内のノイズを制御するために、マルチエネルギーＣＴ（ＭＥＣＴ）データ内の冗長情報を利用できるマルチエネルギーノンローカルミーン（ＭＥＮＬＭ）技術を提供することによって、本開示は上述の欠点を解消するシステムと方法を提供する。例えば、すべての空間分解能及びエネルギー分解能を維持しつつ、可能な他の方法よりも画像ノイズに対してよりロバストな画素間の類似性を求め、類似度評価を行うために、ＭＥＣＴ画像間の空間的及びスペクトル的特徴を利用するシステムと方法を提供する。

本開示の１つの態様によれば、対象に照射する光子放射の複数のエネルギーを測定することで得られる画像の生成方法を提供する。この方法は、放射線を照射する複数のエネルギーを用いて医療画像データセットを取得するステップと、空間的及びスペクトル的特徴に対して前記医療画像データセットを解析するステップと、を備える。この方法はまた、前記医療画像データセットの空間的およびスペクトル的特徴を比較して類似性を識別するステップと、この類似性を用いて前記医療画像データセットを重み付けし、重み付けしない前記医療画像データセットから生成した対象の画像と比較してノイズの低減した対象の画像を生成するステップと、を備える。

本開示の別の態様によれば、コンピュータ断層撮影（ＣＴ）画像システムであって、撮像目的物に向かって１つ以上のエネルギーレベルのＸ線を放射するように構成された少なくとも１つのＸ線源と、前記目的物によって減衰したＸ線を受け取るように構成された少なくとも１つの検出器と、を備える。このＣＴ画像システムはまた、前記少なくとも１つの検出器と接続して、複数のエネルギーレベルでの受け取ったＸ線の指示（ｉｎｄｉｃａｔｉｏｎ）を受け取るためのデータ収集システム（ＤＡＳ）と、前記ＤＡＳと結合して、複数のエネルギーレベルでの受け取ったＸ線の指示を受け取るためのコンピュータシステムと、を備える。前記コンピュータシステムは、放射線を照射する複数のエネルギーを用いて医療画像データセットを取得し、空間的及びスペクトル的特徴に対して前記医療画像データセットを解析するようにプログラムされている。このコンピュータシステムはまた、前記医療画像データセットの空間的およびスペクトル的特徴を比較して類似性を識別し、この類似性を用いて前記医療画像データセットを重み付けし、重み付けしない前記医療画像データセットから生成した対象の画像と比較してノイズの低減した対象の画像を生成するように構成されている。

本開示のまた別の態様によれば、コンピュータ断層撮影（ＣＴ）画像の生成方法を提供する。この方法は、ＣＴシステムを用いて複数のエネルギーにおいて取得した医療画像データセットを受け取るステップと、前記医療画像データセットを用いて少なくとも１つの画像を再構成するステップと、を備える。この方法はまた、検索窓内の画素を用いて、前記少なくとも１つの画像の各選択された画素の空間的及びスペクトル的特徴に基づいて類似性評価を実行するステップと、前記類似性評価に従って前記少なくとも１つの画像の各選択された画素をフィルタリングして、複数のフィルタリングされた画素を生成するステップと、を備える。この方法はさらに、前記複数のフィルタリングされた画素を用いて、少なくとも１つのフィルタリングされた画像を生成するステップを備える。

本開示のまた別の態様によれば、コンピュータ断層撮影（ＣＴ）画像システムを提供し、それは、撮像目的物に向かって１つ以上のエネルギーレベルのＸ線を放射するように構成された少なくとも１つのＸ線源と、前記目的物によって減衰したＸ線を受け取るように構成された少なくとも１つの検出器と、を備える。このＣＴ画像システムはまた、前記少なくとも１つの検出器と接続して、複数のエネルギーレベルでの受け取ったＸ線の指示（ｉｎｄｉｃａｔｉｏｎ）を受け取るためのデータ収集システム（ＤＡＳ）と、前記ＤＡＳと結合して、異なるエネルギーレベルでの受け取ったＸ線の指示を受け取るためのコンピュータシステムと、を備える。前記コンピュータシステムが、それぞれ異なるエネルギーチャネルと対応した複数の画像データセットを用いて少なくとも１つの画像を再構成し、検索窓内の複数の画素を用いて少なくとも１つの画像の各選択した画素の空間的及びスペクトル的特徴に基づいて類似性評価を実行するようにプログラムされている。このコンピュータシステムはまた、前記類似性評価に従って前記少なくとも１つの画像の各選択された画素をフィルタリングして、複数のフィルタリングされた画素を生成し、前記複数のフィルタリングされた画素を用いて、少なくとも１つのフィルタリングされた画像を生成するようにプログラムされている。

本開示のさらにまた別の態様によれば、コンピュータ断層撮影（ＣＴ）画像の生成方法を提供する。この生成方法は、ＣＴシステムを用いて複数のエネルギーにおいて取得した医療画像データセットを受け取るステップと、前記医療画像データセットを解析して空間的及びスペクトル的情報を求めるステップと、を備える。この生成方法はまた、前記空間的情報及び前記スペクトル的情報を用いて類似性評価を実行するステップと、前記類似性評価に基づいて、前記医療画像データセットから生成した少なくとも１つの画像の各選択された画素をフィルタリングして、複数のフィルタリングされた画素を生成するステップと、を備える。この生成方法はさらに、前記複数のフィルタリングされた画素を用いて、少なくとも１つのフィルタリングされた画像を生成するステップを備える。

本発明の様々な他の特徴は以下の詳細な説明と図面から明らかになるであろう。

本開示の態様に係るコンピュータ断層撮影（ＣＴ）画像システムの概略図である。 図１ＡのＣＴ画像システムの略ブロック図である。 本開示の態様に係るプロセスの各ステップを記載したフローチャートである。 本開示の態様に係るプロセスの各ステップを記載した別のフローチャートである。 本開示の態様に係るマルチエネルギーＣＴ画像における複数の画素の実例を示すグラフィックである。 本開示の態様に係る、異なる材料組成と密度を有する図３Ａの複数の画素が、評価に用いることのできる異なるスペクトル的特徴を有することを示すグラフである。 本開示の態様に係る、同じ材料組成で異なる密度を有する図３Ａの複数の画素が、評価に用いることのできる異なるスペクトル的特徴を有することを示すグラフである。 本開示の態様に係る、空間的特徴を利用してノイズを制御しフィルタリングでのエッジを維持するためのプロセスのグラフィック説明図である。 フィルタリングされた逆投影（ＦＢＰ）画像と、５０％ノイズ除去されたマルチエネルギーノンローカルミーン（ＭＥＮＬＭ）フィルタリングされた画像と、の間のノイズパワースペクトル（ＮＰＳ）の比較を示す一連の相関グラフである。 閾値ベースの画像［４５，１４０ ｋｅＶ］に対するフィルタリング強度上のＮＰＳの依存性を示すグラフである。 閾値１画像［２５，１４０ ｋｅＶ］に対するフィルタリング強度上の面内空間分解能の依存性を示すグラフである。 ＦＢＰ画像（Ｄ３０）と、すべての閾値ベース及びｂｉｎベース画像に対する８０％ノイズ除去したＭＥＮＬＭと、の間の面内空間分解能の変化の比較を示す一連の相関グラフである。 ＦＢＰ画像と、８０％ノイズ除去したＭＥＮＬＭと、の間の断面（ｃｒｏｓｓ－ｐｌａｎｅ）空間分解能の変化の比較を示す一連の相関グラフである。 左にＦＢＰ画像、右にＭＥＮＬＭ画像を並べたＣＴナンバ精度評価のために用いられるカルシウムおよびヨウ素溶液ファントムを示す一対の画像である。ドット付きＲＯＩの内側のＣＴナンバの平均と標準偏差はそれぞれ－０．３±１９．２と－０．４±４．１ＨＵで、Ｗ／Ｌ＝４００／４０ＨＵである。 ＦＢＰ画像（左）と比較したＭＥＮＬＭフィルタリング後の改善した低コントラスト解像度（右）を示す一対の画像である。矢印は低コントラストオブジェクトの位置を示す（上：６ｍｍ ｒｏｄｓ；下：５ｍｍ ｒｏｄｓ）。ドット付きＲＯＩの内側のＣＴナンバの平均と標準偏差はそれぞれ９９．３±５．５（左）及び９８．６±１．０ＨＵ（右）。Ｗ／Ｌ＝１００／１００ＨＵ。 ＭＥＮＬＭが、微妙な解剖学的構造とエネルギー分解能に影響を与えることなく閾値ベース画像において全体的にノイズを低減したことを示す一連の相関画像である。オリジナルのＦＢＰ画像（上の列）では、ドット付きＲＯＩの内側のＣＴナンバの平均と標準偏差はそれぞれ５９．６±１５．１，５９．９±１７．２，６２．２±２２．２，及び５７．９±３２．５である。ＭＥＮＬＭフィルタリング後（下の列）では、各値はそれぞれ５９．５±３．４，５９．５±４．３，６１．５±４．６，及び５７．７±７．２である。Ｗ／Ｌ＝４００／４０ＨＵ。 ＭＥＮＬＭフィルタリング後（下の列）のＢＩＮベース画像が、微妙な強調された血管（低エネルギーＢＩＮベース画像内の黄色ＲＯＩＳ）と低コントラスト構造（高エネルギーＢＩＮベース画像内のクローズアップ）の検出を改善したことを示す一連の画像である。オリジナルのＦＢＰ画像（２列目）では、赤いＲＯＩの内側のＣＴナンバの平均と標準偏差はそれぞれ６２．２±５５．６，６２．８±５７．８，６７．２±４８．８，及び５７．９±３２．５である。ＭＥＮＬＭフィルタリング後では、各値はそれぞれ６２．７±９．１，６２．６±１０．８，６５．７±９．５，及び５７．７±７．２である。Ｗ／Ｌ＝４００／４０ＨＵ。 死体の頭部スキャンからの２つのノイズの多い閾値ベースと２つのＢＩＮベース画像（下の列）のＭＥＮＬＭフィルタリングが低コントラスト解像度を改善したことを立証する一連の画像である。閾値ベース画像から求めた類似性／重みは、ノイズ低減に対するロバスト性を提供した。（オリジナルのＦＢＰ画像（上の列）では、ドット付きＲＯＩ内のＣＴナンバの平均と標準偏差はそれぞれ－１０．７±１５．１ＨＵ，－１２．５±１８．２ＨＵ，－９．８±４０．６ＨＵ，及び－１３．３±３１．１ＨＵである。ＭＥＮＬＭでは、各値はそれぞれ－１１．３±２．４ＨＵ，－１３．１±２．３ＨＵ，－１０．０±３．７ＨＵ，及び－１４．３±３．８ＨＵである。）Ｗ／Ｌ＝１５０／２０ＨＵ。

マルチエネルギーＣＴ（ＭＥＣＴ）は臨床医学で関心の高まりを得ており、マルチソースとシングルソースＣＴシステムの両方を使用して実行できる。ＭＥＣＴの一般的なカテゴリの中で、いくつかの特定の臨床応用は、かなり受け入れられている。例えば、ヨウ素の定量、単色画像、骨の除去、腎臓結石の特性評価、痛風イメージングなどで、二重エネルギーＣＴは、臨床用途でその価値を証明している。フォトンカウンティング検出器ＣＴ（ＰＣＣＴ）は、改良されたエネルギー分解能、高用量効率、及びより良好な信号対雑音比（ＳＮＲ）特性を提供することによって、臨床ＣＴにさらなる利点を得ることができる。

画質改善及び／又は定量精度向上のために、ＭＥＣＴに対し画像ノイズを効率的に制御する様々なアルゴリズムが提案されてきた。異なるエネルギーで取得した複数のＭＥＣＴ画像は通常は画像領域に完全に登録されるので、異なるコントラストレベルではあるが、同じ空間座標における画素は正確に同一の目的物を表し、同じ構造に関連する。従って、ノイズの低減を達成するために、エネルギー領域でのデータの冗長性を利用することができる。

Ｓ． Ｌｅｎｇ，Ｌ．Ｆ． Ｙｕ，Ｊ． Ｗａｎｇ，Ｊ．Ｇ． Ｆｌｅｔｃｈｅｒ，Ｃ．Ａ． Ｍｉｓｔｒｅｔｔａ，Ｃ．Ｈ． ＭｃＣｏｌｌｏｕｇｈ，「スペクトラルＣＴにおけるノイズ低減：ノイズ低減及び画像ノイズとエネルギーｂｉｎ選択の間のトレードオフの突破」Ｍｅｄ Ｐｈｙｓ ３８，４９４６－４９５７（２０１１）は参照することによってここに組み込まれるが、エネルギーｂｉｎベース画像の効率的なノイズ低減によって複合画像のノイズ低減を行うための、はるかに低いノイズを備えた複合画像を用いるエネルギー領域フィルタリング法を提案している。同じ概念は、他のノイズ低減アルゴリズムに適用されており、反復的なアプローチとして画像領域又は投影領域に見られ、例えばＭ． Ｍａｎｈａｒｔ，Ｒ． Ｆａｈｒｉｇ，Ｊ． Ｈｏｒｎｅｇｇｅｒ，Ａ． Ｄｏｅｒｆｌｅｒ，Ａ． Ｍａｉｅｒ，「エネルギー選択的フォトンカウンティング検出器を備えたスペクトラルＣＴのためのガイド付きノイズ低減」Ｐｒｏｃ ＣＴ Ｍｅｅｔ，９１－９４（２０１４）又はＹ． Ｘｉ，Ｙ． Ｃｈｅｎ，Ｒ．Ｂ． Ｔａｎｇ，Ｊ．Ｑ． Ｓｕｎ，Ｊ． Ｚｈａｏ，「スペクトラルＣＴのための統合反復再構成」ＩＥＥＥ Ｔｒａｎｓ Ｍｅｄ Ｉｍａｇｉｎｇ ３４，７６９－７７８（２０１５）に記載されており、それぞれ参照することによってここに組み込まれる。

オリジナルのＭＥＣＴ画像間のエネルギー領域における特徴の利用に加えて、異なるマルチエネルギー測定から生成した二次画像上にもノイズ低減が実行されてきた。Ｗ．Ａ． Ｋａｌｅｎｄｅｒ，Ｅ． Ｋｌｏｔｚ，Ｌ． Ｋｏｓｔａｒｉｄｏｕ，「二重エネルギーＣＴ材料密度画像におけるノイズ抑制のためのアルゴリズム」ＩＥＥＥ Ｔｒａｎｓ Ｍｅｄ Ｉｍａｇｉｎｇ ７，２１８－２２４（１９８８）は参照することによってここに組み込まれるが、ノイズ低減のために材料固有画像間のノイズ相関関係を利用する方法を開発した。Ｔ．Ｇ． Ｓｃｈｍｉｄｔ，「エネルギー分解ＣＴのための最適な画像ベースの重み付け」Ｍｅｄ Ｐｈｙｓ ３６，３０１８－３０２７（２００９）は、個別エネルギーｂｉｎベース画像から画像をブレンドすることによって、混合画像のコントラスト対ノイズ比（ＣＮＲ）を最大化する方法を提供した。近年、ＭＥＣＴのノイズ低減はまた、基底物質密度の滑らかさの規則化の反復法によって、定量的な基礎材料の分解と共に実行され、例えばＴ．Ｙ． Ｎｉｕ，Ｘ． Ｄｏｎｇ，Ｍ． Ｐｅｔｒｏｎｇｏｌｏ，Ｌ． Ｚｈｕ，「二重エネルギーＣＴのための反復的画像領域分解」Ｍｅｄ Ｐｈｙｓ ４１，０４１９０１（２０１４）．，Ｘ． Ｄｏｎｇ，Ｔ．Ｙ． Ｎｉｕ，Ｌ． Ｚｈｕａ，「全変動規則化を用いた二重エネルギーＣＴのための組み合わせた反復的再構成と画像領域分解」Ｍｅｄ Ｐｈｙｓ ４１，０５１９０９（２０１４）．，及びＤ．Ｐ． Ｃｌａｒｋ，Ｃ．Ｔ． Ｂａｄｅａ，「スペクトル拡散：スペクトラルＣＴデータのロバストな物質分解のためのアルゴリズム」Ｐｈｙｓ Ｍｅｄ Ｂｉｏｌ ５９，６４４５－６４６６（２０１４）に記載されており、それぞれ参照することによってここに組み込まれる。

後述するように、本開示はＭＥＣＴ画像生成のための異なるアプローチを提供する。具体的には、ＭＥＣＴ画像内の内在的冗長情報を利用して、類似の空間的及びスペクトル的特徴を検索し、空間的解像度とエネルギー分解能を維持しつつ画像ノイズを低減する。この技術は高速なノイズ低減を実現するために再構成画像を直接利用できる。本開示に従って生成されたフィルタリングされた画像は、関連する解剖学的情報の検出を改善するだけでなく、後処理工程で発生するノイズの拡大を低減する。

即ち、後述するように、本開示はＣＴでの伝統的なノイズ低減方法とは対照的なところに立ったアプローチを提供する。例えば、エネルギー領域ノイズ低減は重み付け演算とフィルタリングをエネルギー領域内でのみ実行し、効率的に動作するために低ノイズの複合画像を必要とする。このために、ノイズ低減の効率は具体的には複合画像のノイズレベルによって決定され、これがこの方法の実質的な制限である。また、従来のノンローカルミーン（ｃＮＬＭ）又は適応ノンローカルミーン（ａＮＬＭ）技術は、空間領域内でのみ実行する重み付け演算とフィルタリングを利用し、それによってエネルギー領域内の信号の相関関係を無視できる。重み付け演算は空間的特徴の類似性評価にのみ基づいている。このように、空間ベースの類似性演算の精度は、画像ノイズレベルに対して非常に影響を受けやすい。これは文献に何度も報告された問題であり、ｃＮＬＭとａＮＬＭのノイズ低減機能を制限している。

対照的に、本開示はマルチエネルギー画像に対するｃＮＬＭの単純な応用に依存しないシステムと方法を提供する。むしろ、フィルタリングは空間領域においてのみ適用する一方で、重み付けは空間領域とエネルギー領域の両方における特徴の間の類似性を求めることによって求めることができる。エネルギー領域における特徴は、画像ノイズと大きく異なるので、本開示のシステムと方法は、他の伝統的な方法を越えて類似性演算のロバスト性を向上させる。例えば、ヨウ素化血液の信号は、異なるエネルギーでの測定間の数十または数百のＣＴナンバと共に変化する。これは画像ノイズの中に隠しておけない鋭い特徴をもたらす。この重み付け演算は物質濃度の小さな変化にも敏感である。たとえ小さな変化でも、異なる測定の間で信号の差異をもたらし、低コントラストの目的物に対してさえ小さな特徴を維持するのに役立つ。

最初に図１Ａ、１Ｂを参照して、コンピュータ断層撮影（ＣＴ）画像システム１１０は、少なくとも「マルチエネルギー」ＣＴシステムを代表するガントリ１１２を備える。図示の例では、ガントリ１１２は一対のＸ線源１１３を有し、それぞれガントリ１１２の反対側に設けられた検出器アレイ１１６に向かって扇状又は円錐状のＸ線１１４を放射する。このような「二重ソース」システムの図は、非限定的である。例えば、本発明のシステムと方法は、同様に従来の「単一ソース」システムで使用することができ、そのシステムはマルチエネルギー撮像処理を実現するように制御される。検出器アレイ１１６は、伝統的な「エネルギー積算」検出器を備えるか、又は「フォトンカウンティング」及び／又は「エネルギー弁別」検出器を備えることができる。いずれの場合でも、検出器アレイ１１６は、多数の検出器素子１１８で形成されており、それらは医療患者または対象１１５を通過した放射Ｘ線を一体で検知する。Ｘ線投影データを取得するためのスキャン中、ガントリ１１２とそこに搭載されたコンポーネントは、ＣＴデータを取得するために、対象１１５内に位置する回転中心１１９まわりに回転する。

ガントリ１１２の回転とＸ線源１１３の動作は、ＣＴシステム１１０の制御機構１２０によって制御される。制御機構１２０は、Ｘ線源１１３に電力とタイミング信号を供給するＸ線制御装置１２２と、ガントリ１１２の回転速度と位置を制御するガントリ動作制御装置１２３と、を備える。制御機構１２０内のデータ収集システム（ＤＡＳ）１２４は、検出器素子１１８からアナログデータをサンプリングし、そのデータを以降の処理のためにデジタル信号に変換する。画像再構成手段１２５は、サンプリングされデジタル化されたＸ線データをＤＡＳ１２４から受け取り、高速画像再構成を実行する。再構成画像は、入力としてコンピュータ１２６に加えられ、その画像は記憶装置１２８に蓄えられる。

コンピュータ１２６はまた、例えばコンソール１３０を介してオペレータからコマンドとスキャンパラメータを受け取る。関連するディスプレイ１３２によって、オペレータはコンピュータ１２６からの再構成画像や他のデータの観察ができる。オペレータが入力したコマンドとパラメータは、コンピュータ１２６によって処理されて、制御信号やデータをＤＡＳ１２４、Ｘ線制御装置１２２、及びガントリ動作制御装置１２３に供給する。加えて、コンピュータ１２６は、ガントリ１１２内の対象１１５の位置調整のために電動テーブル１３６を制御するテーブル動作制御装置１３４を操作できる。

本開示は、ＭＥＣＴ画像内の内在的冗長情報を利用して、類似の空間的及びスペクトル的特徴を検索し、空間的解像度とエネルギー分解能を維持しつつ画像ノイズを低減するアプローチを提供する。この技術は高速なノイズ低減を実現するために直接再構成画像を利用できる。この画像は、関連する解剖学的情報の検出を改善するだけでなく、後処理工程で発生するノイズの拡大も低減する。

具体的には図２Ａを参照して、本開示に係るプロセス２００は、処理ブロック２０２でＭＥＣＴデータを取得するステップを備える。これは、例えば上述の図１Ａと１Ｂに係るＣＴシステムを用いて、又は単に記憶されたＭＥＣＴデータにアクセスして、画像処理プロセスを実行するステップを含むことができる。ひとたび処理ブロック２０２でＭＥＣＴデータ２０２が取得されると、処理ブロック２０４でＭＥＣＴデータが再構成されてＣＴ画像データセットが生成される。

ブロック２０６で全体的に示すように、解析プロセスが次に実行される。具体的には後述するように、ノンローカルミーン（ＮＬＭ）アプローチを組み込んだ最先端のエッジ維持ノイズ低減アルゴリズムが設けられている。ＮＬＭは、例えばＡ． Ｂｕａｄｅｓ，Ｂ． Ｃｏｌｌ，Ｊ．Ｍ． Ｍｏｒｅｌ，「新しいものを用いた画像ノイズ除去アルゴリズムのレビュー」Ｍｕｌｔｉｓｃａｌｅ Ｍｏｄｅｌ Ｓｉｍ ４，４９０－５３０（２００５）に記載されており、参照することによってここに組み込まれる。後述するように、本開示はオリジナル画像内で処理ブロック２０８で類似画素を検索するためにＮＬＭを用い、次にもし識別された画素が十分に類似していると処理ブロック２１０で決定されると、そのような画素の加重平均が処理ブロック２１２で実行されて、ノイズ低減が実現する。より具体的には、処理ブロック２１０で、画素と関連した特徴の間の差分二乗和（ＳＳＤ）を用いて、フィルタリングされる画素と他のすべての画素との間の類似性が定量的に決定できる。より低いＳＳＤの画素はより高い類似性を有し、従って処理ブロック２１２でより高い重み付けを受け取る。後に実証するように、このプロセス２００の結果、処理ブロック２１４で、ＭＥＣＴデータのフィルタリング／重み付けしていない画像の組み合わせと比較してノイズが低減した画像を生成する。

画素間の類似性の正確な評価は、ノイズ低減性能にかなりの影響を有する。従って好ましい特徴の定義は、フィルタリングすべき画像の特性を注意深く検討できる。従来のＮＬＭアルゴリズムでは、２次元（２Ｄ）空間パッチが、類似性を検索するための特徴として使用される。ボリュームＣＴ画像などの３次元（３Ｄ）データの場合、空間特徴を３Ｄブロックに拡張して類似性を計算することができる。

画素の初期の識別は、空間的特徴の探索を用いて処理ブロック２０８で実行されるが、処理ブロック２１０における類似度の測定は、特に高次元画像の場合に空間的特徴のみに限られない。Ｌｉ，ｅｔ ａｌ．，「時間分解ＣＴのためのロバストなノイズ低減技術」Ｍｅｄ．Ｐｈｙｓ．４３（１），Ｊａｎｕａｒｙ ２０１６に記載されているように、時間分解されたＣＴ画像では、例えば、画素の部分時間プロファイルを使用して、空間領域および時間領域の両方において冗長な情報を効果的に利用することができ、対象の動きに対してロバストであり、この文献は参照することによってその全体がここに組み込まれる。同様に、所望のノイズ低減を達成するために、３Ｄ空間領域および複数のエネルギーチャネルにわたるＭＥＣＴ画像のエネルギーおよび空間的特性の組み込みが行われる。

このように、図２Ａを再び参照すると、本方法は、処理ブロック２０８で空間的特徴をスペクトル的特徴と共に考慮して、処理ブロック２１０で実行される類似度計算のロバスト性を改善する。後述するように、これは、異なるエネルギーチャネルの画素が画像領域に完全に登録されているため、画像領域で行うことができる。

特に、ＣＴ画像の画素値（またはＣＴナンバ）は、所与の入射Ｘ線スペクトルの材料の種類の有効線形減衰係数（ＬＡＣ）を測定し、材料の有効原子番号と密度の関数である。従来のＣＴでは、材料のＬＡＣは単一エネルギースペクトルでのみ評価される。従って、異なる組成および密度を有する材料は、特定のＸ線エネルギースペクトルにおいて同様のＬＡＣ値を有することができる。しかし、ＭＥＣＴでは、ＬＡＣ測定を２つ以上の異なるエネルギースペクトルで取得して、各画素のエネルギープロファイル（またはスペクトル的特徴）を構築することができる。

エネルギープロファイルは、ノイズ低減のために利用することができる。図３Ａを参照して、３Ｄボリューム３００を形成するために互いに積み重ねられた４つの異なるＸ線エネルギーで取得された２Ｄ ＭＥＣＴ画像のセットを考える。平面内の各ブロックは、ある空間位置およびＸ線エネルギーで評価された画素３０２，３０４，３０６，３０８，３１０を表す。同じ空間的位置に関連する４つの画素値は、図３Ｂ（３０２，３０４，３０６）及び３Ｃ（３０４，３０８，３１０）の曲線に示すように、エネルギープロファイルを形成する。

異なる材料は、あるエネルギーにおいて同様のＬＡＣ値を有することができる（例えば、図３ＢのエネルギーチャネルＥ２及びＥ３のカルシウム３０２およびヨウ素３０４）が、異なるエネルギープロファイルによって区別することができ、材料の区別と画素類似度評価を可能にする。同様の原理は、異なる密度を有する所与の材料を分離するためにも適用することができる。なぜなら、材料密度の差は、図３Ｃに示されるようなすべてのＸ線エネルギーにおける測定におけるＬＡＣの差異を生じさせるからであり、 異なる濃度のヨウ素（例えばヨウ素３０４，３０８，および３１０）を区別することができる。従って、２つの画素間の密度のわずかな差は、２つのエネルギープロファイル間のＳＳＤに大きな差を生じさせることがあり、強度の小さな変化（または低いコントラスト）を有する特徴を保存するのに有益であり得る。

スペクトル的特徴に関して、本開示に従ってＮＬＭはＭＥＣＴデータ（即ち、ＭＥＮＬＭ）に適用されるようにすることができる。これを説明するために、図４は、ＭＥＣＴデータセットを使用して組み立てられた画素４００のブロックを示す。簡単にするために、この例は、複数のエネルギーで取得された２Ｄ画像を含むＭＥＣＴデータセットを示す。本アプローチが、複数の２Ｄ画像を有するＭＥＣＴデータセット、又は複数のエネルギーで取得される１つまたは複数の３Ｄ画像、並びに複数の時点で取得される画像を含むように拡張することができることは容易に理解されよう。このように、ＭＥＣＴデータセットは、空間的、エネルギー的及び時間的ドメイン情報を有する多次元データセットを含むことができる。

図４の例に示すように、適応されたＮＬＭは、各画素に関連する空間的特徴（例えば、空間領域の平面内の３×３パッチ）を抽出し、異なるエネルギーで２Ｄパッチを積み重ねて、３Ｄブロック４０２，４０４，４０６，４０８を形成する。即ち、３×３パッチ内の異なる空間的特徴がエネルギープロファイルと組み合わされて類似度計算が行われ、類似性評価が画像ノイズに対してロバストになる。図４に示す例では、エッジ４１２上の所与の画素４１０をフィルタリングする場合、本アプローチは、エッジ上に同様に配置された画素４１４を検出し、似ていない画素４１６，４１８を除外することを可能にする。従って、所与のブロック４０２の中心画素４１０に対する画素類似度は、中心画素４１６，４１４，４１８に関連する異なるブロック４０４，４０６，４０８間のＳＳＤを計算することによって評価される。ＭＥＣＴでは、微妙な解剖学的構造などのエッジは、高い画像ノイズのために明確に定義されない場合がある。本開示は、従来のＮＬＭアルゴリズムのコア概念を利用することで空間的特徴を活用してノイズ低減を実現し、エッジを維持するが、スペクトル的特徴の使用によりエッジを強調することができる。

画素間の類似性を正しく評価するために、別個のエネルギーチャネルにおける画像ノイズレベルの差を考慮することもできる。より高いノイズに関連するエネルギーチャネルは、図２Ａのステップ２１２における類似度計算で、より少ない重み付けをすることができ、その逆も同様である。特に、非限定的な例示的アルゴリズムは、以下の式（１）によって記述することができる。

ここで、Ｉ’（ｉ_０，ｅ_０）は、エネルギーチャネルｅ_０で測定された空間座標ｉ_０でフィルタリングされた画素値であり、Ｉ（ｉ，ｅ_０）は、同じエネルギーチャネルで測定された原画像の画素強度であり、Ωは空間領域内の探索窓であり、Ｗ^３ _Ω画素を含むように空間内のすべての３次元において等しいサイズＷ_Ωを有する３ｄブロックである。また、δは、空間的特徴Ｐにおける評価された画素の空間的オフセットであり、これは、Ｗ^３ _ｐ画素を含むように、空間の３つの次元すべてにおいて等しいサイズＷ_ｐを有する３ｄブロックである。さらに、Ｅは、類似性評価に使用されるエネルギープロファイルの長さである。したがって、エネルギーｅ_０における各画素Ｉのフィルタリングへの寄与は、ｉ_０およびｉの空間位置を中心とする２つの４ｄブロック（３ｄ空間＋１ｄエネルギー）間の平均二乗差を計算することによって決定することができる。従って、σ^２ _ｅは、エネルギーチャネルｅにおける画像ノイズ分散を表し、原画像内の均質領域内のＲＯＩ測定によって手動で決定されるか、または自動的に推定される。

このように、マルチエネルギー測定を使用することによって類似性を判定することができるが、異なるエネルギーチャネルにわたる可能性のある信号漏れを回避するために、平均化を異なるエネルギーチャネルにおいてのみ実行することができる。式の指数関数を使用して［０、１］の範囲内の重みを測定することができる。最後に、空間探索窓内の全画素の加重平均が、フィルタリングされた画素値をもたらす。ここで、ｈはノイズ低減量を制御するパラメータである。したがって、４つのフィルタリングパラメータは、（１）空間内の探索ウィンドウサイズＷ_Ω、（２）空間ブロックサイズＷ_ｐ、（３）画素類似性Ｅを評価するために使用されるエネルギーチャネル、および（４）フィルタリング強度ｈである。

図２Ｂを参照すると、本開示の態様によるプロセス２５０のステップが示されている。プロセス２５０は、図１Ａおよび１Ｂを参照して説明したシステム１００などの任意の適切なシステム、デバイスまたは装置を使用して実行することができる。いくつかの態様では、プロセス２５０は、命令の形態でプログラムまたはソフトウエアで具体化され、コンピュータまたはプロセッサによって実行可能であり、非一時的なコンピュータ可読媒体に格納されてもよい。

プロセス２５０は、ＣＴシステムを使用して対象から取得した医用画像データセットを受信またはアクセスすることを示すプロセスブロック２５２で開始することができる。画像データセットは、２次元（２Ｄ）、３次元（３Ｄ）または４次元（４Ｄ）のマルチエネルギーＣＴデータセットであってもよい。特に、４Ｄ ＭＥＣＴデータセットは、時間分解された一連の画像を含むことができ、シリーズ内の１つまたは複数の画像は、異なる時点または時間期間に関連付けられる。いくつかの実施態様では、プロセスブロック２５２でデータ取得を実行して医療画像データセットを取得することができる。

プロセスブロック２５２において、少なくとも１つの画像を生成するために再構成を実行する。処理ブロック２５２において他の処理ステップも実行される。具体的には、再構成画像内の選択された画素に対して１つ以上のパッチを生成する。特に、各パッチは、少なくとも２つの空間次元およびエネルギー次元によって定義される。例えば、パッチは、複数のエネルギーで取得される選択された画素についての２Ｄ画素セットを備える。この目的のために、パッチは、図４を参照して説明したように、３Ｄブロックとして組み立てられてもよい。説明したように、ボリュームおよび時間情報も含むことができ、従って、パッチ又はブロックは、より高い次元に拡張できる。例えば、パッチは、複数のエネルギーで取得された選択された画素についての３Ｄ画素セットを含むことができる。この目的のために、組み立てられたブロックは４Ｄブロックにできる。時間的な情報は、ブロックに別の次元を加えることになる。

次に、プロセスブロック２５６で、空間的特徴およびスペクトル的特徴に基づく類似性評価が、再構成された画像内の選択された各画素について実行される。そうするために、説明したように、検索窓を使用して検索を実行する。パッチまたは組み立てられたブロックは、式（１）に従って、探索ウィンドウ内の選択された画素と画素との間の類似性を決定するために利用される。特に、差分二乗和（ＳＳＤ）計算は、組み立てられたブロック内に捕捉された空間的およびスペクトル的特徴を使用する類似性評価において使用される。説明したように、ＳＳＤの低い画素は高い類似度に対応し、逆も同様である。

次に、プロセスブロック２５８で示されるように、再構成画像内の各選択されたピクセルのフィルタリングが、類似性評価に従って実行される。説明したように、フィルタリングされた画素は、検索窓内の画素の加重平均を使用して取得することができ、ここで、検索窓内の画素の重さは、類似性評価に基づいて決定される。いくつかの態様では、別個のエネルギーレベルチャネルにおける画像ノイズレベルの差を決定し、画素の重さを適合させるために使用することもできる。加えて、探索窓のサイズ、空間ブロックサイズ、エネルギーチャネルおよびフィルタリング強度を識別するために最適化プロセスを実行することができる。

上記のアプローチは、画像空間、投影空間、またはその両方の組み合わせで実行できる。この目的のために、例えば、医用画像データセットを分析して、空間情報およびスペクトル情報または特徴を決定することができる。そのような情報または特徴を使用して実行される類似性評価に基づいて、データから生成された１つまたは複数の画像のフィルタリングを実行して、少なくとも１つのフィルタリングされた画像を生成することができる。ノンローカルミーン（ＮＬＭ）フィルタを利用することに加えて、空間情報およびスペクトル情報を利用する他のフィルタを利用することができる。例えば、ノンローカル全変動（ＴＶ）フィルタを利用することができる。

上記のシステムおよび方法は、実施例を用いてさらに理解することができる。以下の実施例は、例示のためにのみ提供され、決して本発明の範囲を限定するものではない。実際には、本明細書に示され記載されたものに加えて、本発明の様々な改変が、前述の記載および以下の実施例から当業者に明らかとなり、添付の特許請求の範囲内に入る。

（実施例）
本発明のマルチエネルギーノンローカルミーン（ＭＥＮＬＭ）技術は、ノイズ低減を達成するためにＭＥＣＴ画像内の冗長な情報を使用する。この方法では、画素間の類似性を決定するために空間的特徴及びスペクトル的特徴が使用され、類似性評価を画像ノイズに対してよりロバストにする。このＭＥＮＬＭフィルタの性能は、全身リサーチ用フォトンカウンティングＣＴシステムで得られた画像で試験した。画像ノイズレベル（画素値の標準偏差）、ノイズパワースペクトラム（ＮＰＳ）、面内および横断面空間分解能、ＣＴナンバ精度、およびＡｍｅｒｉｃａｎ Ｃｏｌｌｅｇｅ ｏｆ Ｒａｄｉｏｌｏｇｙ（ＡＣＲ）ＣＴ認定ファントムを使用した主観的低コントラスト空間分解能評価の点で、画質に対するフィルタリングの影響をファントム研究で定量的に評価した。臨床的実現可能性は、コントラスト強調されたブタ画像及び強調されていない死体頭部画像について臨床的に関連する線量および線量率を用いたＭＥＮＬＭを実施することによって評価した。

ファントム研究は、ＭＥＮＬＭフィルタがノイズを実質的に減少させ、ＮＰＳの形状およびピーク周波数を依然として維持したことを実証した。８０％のノイズリダクションでは、変調伝達関数（ＭＴＦ）とスライス感度プロファイル（ＳＳＰ）で示されるように、ＭＥＮＬＭフィルタリングは高コントラスト空間分解能の低下を引き起こさなかった。ＣＴナンバの精度もすべてのエネルギーチャネルで維持され、エネルギー分解能がフィルタリングの影響を受けないことが示された。ＡＣＲファントムを用いた主観的評価は、低コントラスト性能の改善を示した。ＭＥＮＬＭは、コントラストが強化されたブタ画像および強化されていない死体頭部画像の両方において効果的なノイズ低減を達成し、微妙な血管構造の検出および白／灰白質の識別を改善した。

後述するように、ＭＥＮＬＭは、空間およびエネルギー分解能を維持しながら、ＭＥＣＴ画像において約８０％のノイズ低減を達成し、微妙な解剖学的および低コントラストの特徴の検出を改善した。ＭＥＮＬＭフィルタリングは、診断または機能解析精度を改善し、ＭＥＣＴの放射線量および造影剤の減少を促進する可能性がある。

（ＭＥＮＬＭ法の画質評価）
画像品質に対するＷ_Ω＝１１，Ｗ_ｐ＝３，Ｅ＝４のフィルタリングの影響を評価するために、提案されたＭＥＮＬＭフィルタを、全身リサーチＰＣＣＴスキャナ（Ｓｉｅｍｅｎｓ Ｈｅａｌｔｈｃａｒｅ、Ｆｏｒｃｈｈｅｉｍ、Ｇｅｒｍａｎｙ）を用いて取得したＭＥＣＴ画像に適用した。データは、「チェスモード」を使用して取得され、検出器の１６のサブピクセルすべてからのデータが、異なるエネルギー閾値を超える光子をカウントすることによって４つの閾値ベースの画像を同時に生成するように結合された。隣接する閾値間の光子数を減算することにより、３つの追加のｂｉｎベース画像を導出した。上述の方法のこの実施では、元の測定値を表し、ｂｉｎベースの画像よりも低いノイズを有するので、関連する４つの閾値ベース画像のみが画素類似度（および重さ）の計算に使用された。異なるエネルギーチャネルの画素は完全に空間に登録され、同じ材料を表すので、ノイズの多いｂｉｎベースの画像をフィルタリングするために、閾値ベースのデータから決定された重さが適用された。ユニバーサルパラメータ設定は、フィルタリング強度ｈを除くすべてのテストに使用された。以下のセクションでは、画像ノイズおよび空間分解能に対するｈの影響を評価する。これらの結果から、残りの試験に使用されるフィルタリング強度ｈが決定される。

（ファントム研究を用いたＭＥＮＬＭの評価）
画像ノイズレベル、ノイズパワースペクトル（ＮＰＳ）、面内及び横断面の空間分解能、エネルギープロファイル精度、及び低コントラストの解像度の点で、ＭＥＮＬＭフィルタリングが画像品質に及ぼす影響を定量的に評価するために一連のファントム研究が行われた。画像ノイズおよびＮＰＳは、水で満たされた直径２０ｃｍの円筒形ファントムを用いて測定した。取得及び再構成のパラメータを表１に示す。

上述の技術の１つの実施形態のノイズ低減能力を試験するために、ファントムを２つの線量レベルで走査した。画像は、定量的、中程度の滑らかなカーネル（Ｄ３０）で再構成された。低線量（２５．１ｍＧｙ）の画像は、０．７～１．５のフィルタリング強度設定ｈを有するＭＥＮＬＭフィルタを使用してノイズ除去された。前に説明した一般的なフレームワークに従う手順を使用して、高線量、低線量、低線量にＭＥＮＬＭノイズ除去したもの、の３つの画像セットの２Ｄ ＮＰＳを計算した。２Ｄ ＮＰＳの円形平均を取って１Ｄ ＮＰＳプロファイルを得た。

面内空間分解能は、直径０．１２５ｍｍのタンタルワイヤを用いて測定された変調伝達関数（ＭＴＦ）を用いて評価した。取得パラメータおよび再構成パラメータも表１に示す。再構成された画像は、３０～８０％のノイズ低減を達成するように設定されたフィルタリング強度ｈで、ＭＥＮＬＭフィルタを使用してノイズ除去された。Ｊ．Ｍ． Ｂｏｏｎｅ、「コンピュータ断層撮影における前サンプリングされたＭＴＦの決定」、Ｍｅｄ Ｐｈｙｓ ２８，３５６－３６０（２００１）に記載されているような方法を用いて、元の画像およびフィルタリングされた画像のＭＴＦを計算した。この文献は参照されることによってここに組み込まれる。

断面（ｃｒｏｓｓ－ｐｌａｎｅ）空間分解能は、２３ｍｍの直径を有する組織相当のプラスチックシリンダーの内部に埋め込まれた薄い金箔ファントム（厚さ２５μｍ）を用いて測定されたスライス感度プロフィール（ＳＳＰ）を用いて評価された（ＱＲＭ、 Ｍｏｅｈｒｅｎｄｏｒｆ、Ｇｅｒｍａｎｙ）。取得パラメータおよび再構成パラメータを表１に示す。再構成された画像も、８０％のノイズ低減を達成するように設定されたフィルタリング強度ｈで、ＭＥＮＬＭフィルタを使用してノイズ除去された。各画像について、関心領域（ＲＯＩ）内の最大のＣＴ値は、バックグラウンド減算後に金箔を中心に記録された。ＳＳＰはスライス位置の関数として正規化されたＣＴ値としてプロットされた。

フィルタリング強度ｈがＣＴ値の精度に及ぼす影響を、ＣａＣｌ_２およびヨード化造影剤水溶液およびそれらの混合物のスキャンを用いて、２０ｃｍの半擬人化水槽（カルシウムおよびヨウ素溶液ファントムと呼ぶ）で評価した。取得パラメータおよび再構成パラメータを表１に示す。８０％のノイズ低減を達成するために再び設定したフィルタリング強度ｈで、ＭＥＮＬＭフィルタを用いて画像をノイズ除去した。ＲＯＩは各材料サンプルに描かれ、閾値およびｂｉｎベースの画像の両方でＣＴナンバを測定した。

低コントラスト分解能は、米国放射線科医学会（ＡＣＲ）ＣＴ認定ファントムの低コントラスト分解能モジュールを使用して主観的に評価された。取得パラメータおよび再構成パラメータを表１に示す。フィルタリング強度ｈを８０％のノイズ低減を達成するように設定して、再構成画像にＭＥＮＬＭフィルタを適用した。

（臨床的実現可能性試験）
ブタのスキャン：施設内の動物のケアおよび委員会の承認後、３ヶ月齢の１匹のブタを頭部ＣＴスキャンプロトコルを用いてスキャンした。取得パラメータおよび再構成パラメータを表１に示す。８０％のノイズ低減を達成するために設定したフィルタリング強度ｈで、ＭＥＮＬＭフィルタを用いて画像をノイズ除去した。その結果をフィルタリングされた背面投影（ＦＢＰ）画像と比較した。

死体頭部スキャン：本発明者らの施設生体防御委員会の承認を得て、本発明者らの機関の解剖学部門から新鮮なまま冷凍されたヒト死体頭部を得た。取得パラメータおよび再構成パラメータを表１に示す。Ｄ４０カーネルを使用して画像を再構成し、８０％のノイズ低減を達成するようにフィルタ強度ｈを設定して、ＭＥＮＬＭフィルタを使用してノイズ除去した。その結果をフィルタリングされた背面投影（ＦＢＰ）画像と比較した。

（結果）
（ファントム研究を用いたＭＥＮＬＭの評価）
（画像ノイズレベルとフィルタリング強度ｈ）
フィルタリング強度ｈを変化させることによって、すべての閾値およびｂｉｎベースの画像についてノイズ低減量を決定した（表２）。

（ノイズパワースペクトル）
特に、図５は、ＭＥＮＬＭフィルタ（ｈ＝０．９）の低線量ＦＢＰ画像のＮＰＳが、一般に、高線量ＦＢＰ画像のＮＰＳと類似の形状および大きさを有することを示す一連のグラフを提供するが、 ピーク周波数がより低い周波数に向けて顕著にシフトする。最も低いエネルギー閾値（例えば、［２０，１４０ｋｅＶ］および［２５，４５ｋｅＶ］）に関連する閾値およびｂｉｎベースの画像を除いて、すべての閾値およびｂｉｎに基づく画像について同様の挙動が観察された。図６に示されるように、ピーク周波数は、フィルタリング強度が増加するにつれて、より低い周波数端に向かってよりシフトする傾向があった。

（高コントラスト空間分解能）
最低エネルギー閾値を有する閾値ベース画像について、ＦＢＰ再構成アルゴリズムおよび異なるフィルタリング強度ｈを有するＭＥＮＬＭで再構成された画像のＭＴＦ曲線を図７に示す。ＭＴＦは、８０％までのノイズ低減（ｈ＝１．５）で本質的に変化しなかったが、ノイズ低減がより高いいくつかの画像ではわずかな変化が観察された（データは示されていない）。図８に最もよく示されているように、他のすべてのエネルギー閾値ベースおよびｂｉｎベースの画像についても同様の挙動が観察された。従って、以下の実験では、フィルタリング後の画質を評価するために、フィルタ強度ｈ＝１．５を採用した。ＦＢＰとフィルタリングされた画像の両方のＳＳＰを図９に示す。ＭＥＮＬＭフィルタリングの前と後のＳＳＰは変化しておらず、断面空間分解能は８０％のノイズ低減を伴うフィルタの影響を受けていないことを示している。

（ＣＴ＃精度）

図１０は、カルシウムおよびヨウ素水溶液のファントムおよびＭＥＮＬＭフィルタリング画像のＦＢＰ画像を示す。全てのサンプルのＲＯＩ測定は、表３に示されるように、わずか２．３ＨＵの最大差を有し、すべての閾値およびｂｉｎベースの画像においてＣＴナンバ精度が良好に維持されていることを実証した。

（低コントラスト解像度）
図１１は、ＡＣＲファントムおよびＭＥＮＬＭフィルタリングされた画像のＦＢＰ画像を示す。ＦＢＰ画像では、６ｍｍのロッドはほとんど見えず、５ｍｍのロッドは完全に失われている。しかし、ＭＥＮＬＭフィルタリングされた画像では、６ｍｍと５ｍｍのロッドは全て明瞭に見え、８０％のノイズ低減で改善された低コントラスト解像度を示している。測定値は、平均ＣＴナンバ値が、フィルタリングされた画像において良好に維持されていることを示した。

（臨床的実現可能性試験）
ブタのスキャン：図１２の閾値ベースのブタの頭部画像において、ＭＥＮＬＭは微妙な解剖学的構造およびエネルギー分解能に影響を及ぼすことなく約８０％のノイズ低減を達成した。これにより、すべての閾値に基づく画像においてコントラスト対ノイズ比が向上し、異なる組成（例えば、骨およびヨード化血液）および／または異なる密度（例えば異なるコントラスト強調を有する血管）を有する材料間の差異が改善される。

すべてのｂｉｎベースの画像で、ＭＥＮＬＭは画像ノイズとストリーキングアーチファクトを大幅に低減し、微妙な解剖学的構造を検出しやすくした。低エネルギーのｂｉｎベースの画像（図１３、第１および第２の列、上の行）では、ヨウ素コントラスト強調は良好であるが、小さな血管は、ノイズの多い背景のために依然として検出するのが困難である。ＭＥＮＬＭでフィルタリングした後、小さな血管は、実質的なノイズの低減（図１３、第１列および第２列、下の行）のために検出がはるかに容易である。同様に、高エネルギーのｂｉｎベースの画像（図１３、最後の列、上の行）では、光子計数ＣＴの利点の１つであるカルシウムブルーミング効果の低下が観察され、周囲の特徴（血管内の管腔など） 骨または高密度の石灰化によって陰影を付けないで評価できる。しかし、内腔内のコントラストが低下すると、血管の位置および構造を解明することが困難になる。ノイズをコントロールするためにＭＥＮＬＭフィルタリングを行った後、ＣＮＲの改善とカルシウムブルーミング効果の低減により、血管のエッジをより良好に解消することができる（図１３、最後の列、下の行）。

死体頭部スキャン：ＭＥＮＬＭフィルタリングにより、死体頭部スキャン（図１４）からの閾値ベース画像およびビンベース画像の両方のノイズが大幅に低減された。白質と灰白質との微妙な区別と微妙な構造（石灰化など）の顕著な区別によって証明されるように、これは画質を大幅に向上させる。

（ディスカッション）
上記の結果は、効率的に実施することができるＭＥＣＴ画像のノイズを低減するための、上述の画像領域、反復的でないノイズ低減技術を示す。ＭＥＣＴデータは、より長い前処理、再構成、および後処理時間を必要とすることがある。反復および投影領域によるノイズ低減アプローチは、最終的な画像を表示するために必要な時間を長くする傾向がある。上述のシステムおよび方法は、再構成された画像を直接処理して高速ノイズ低減を達成することができ、計算時間およびノイズ低減量を予め決定することができるので便利である。

提示された結果によって示されるように、ＭＥＮＬＭは、空間およびエネルギーの解像度を維持し、低コントラスト解像度を改善しながら、効果的に最大８０％までノイズを低減することができる。これにより、特にノイズレベルが高い狭いエネルギーｂｉｎベースの画像の場合、画像の信号対ノイズ比が大幅に改善される。以前は、高エネルギーのビンベースの画像では、ビーム硬化およびカルシウムブルーミングの減少が観察され、低エネルギービンベースの画像では、原子番号の高い材料のコントラスト向上が増加することを報告した。高エネルギーのビンベースの画像は、カルシウムブルーミングを低減すると、管腔内狭窄の定量化の精度を向上させることができる一方、コントラストの高い低エネルギーのビンベースの画像は、ヨウ素で満たされた冠状動脈などの微妙な解剖学的構造の検出に役立つ。しかしながら、より狭いエネルギーｂｉｎベースの画像におけるより高い画像ノイズは、特に小さな動脈および石灰化などの微妙な構造の検出に対して、これらの利益を相殺することがある。ＭＥＮＬＭフィルタリングでは、騒音が大幅に低減され、エネルギービンベースの画像における改善されたコントラスト対ノイズ比が、ブタスキャンおよび死体頭部の結果によって証明されるように、このような作業に有益であり得る。

低減されたノイズおよび維持された空間およびエネルギー分解能は、ＭＥＣＴの一連の臨床応用に潜在的に利益をもたらす可能性がある。例えば、物質分解は、混合物から基礎物質を分離または定量するためのＭＥＣＴの主な用途である。しかしながら、物質分解はそのノイズ拡大では有名であり、そのため基礎物質画像は臨床用途にはあまりにもノイズが多い可能性がある。ＭＥＮＬＭはエネルギー分解能に影響を与えずにノイズを効果的に低減し、材料分解後の処理画像のノイズレベルが臨床要件を満たすのに十分である可能性がある。さらに、騒音レベルの低下は、ヨウ素化されたコントラストの使用または放射線量の大幅な減少のためにトレードされ得る。また、この技術は、マルチエネルギーＣＴ画像で行われる画像処理技術（セグメント化、分類など）の利益にも使用することができる。

信号忠実度を維持した状態で８０％のノイズ低減が、ＭＥＮＬＭが画像品質を維持するために使用される場合、潜在的な２５倍の放射線線量低減能力を意味する。しかし、フィルタリングされた画像（図５および図６）ではノイズテクスチャ（またはＮＰＳ）のわずかな変化が観察され、これはいくつかの関連する臨床作業に影響を与える可能性がある。

（結論）
このように、本開示は、ＭＥＣＴ画像に対して実質的かつ効果的に相当なノイズ低減を達成する手法を提供する。提案されたＭＥＮＬＭフィルタは、低コントラスト分解能を改善しながら、空間およびエネルギー分解能を低下させることなく、ＭＥＣＴデータの画像ノイズを８０％も低減した。

本発明を図示の実施形態に従って説明したが、当業者であれば、実施形態に変更があってもよく、任意の変形が本発明の精神および範囲内にあることを容易に認識するであろう。例えば、上述の実施形態では、ノイズ除去フィルタの基礎として局所ノイズレベルのマップを使用したが、ノイズ除去処理の目的で、局所ノイズ空間相関を分析的に導出して使用することもできる。従って、適応フィルタリングは、局所ノイズ空間相関に基づいて実施することができる。したがって、添付の特許請求の範囲の精神および範囲から逸脱することなく、多くの変更が当業者によってなされ得る。

Claims (22)

1. コンピュータ断層撮影（ＣＴ）画像の生成方法であって、
   （ｉ）放射線を照射する複数のエネルギーを用いて医療画像データセットを取得するステップと、
   （ｉｉ）空間的及びエネルギースペクトル的特徴に対して前記医療画像データセットを解析するステップと、
   （ｉｉｉ）複数のエネルギーにわたる前記医療画像データセットの空間的およびエネルギースペクトル的特徴を比較して前記医用画像データセットの画素間の類似性を識別するため類似性を識別するステップと、
   （ｉｖ）この類似性を用いて前記医療画像データセット内の画素に重み付けし、重み付けしない前記医療画像データセットから生成した対象の画像と比較してノイズの低減した対象の画像を生成するステップと、を備えることを特徴とする生成方法。
2. 前記ステップ（ｉ）が、対象の複数のエネルギー画像を再構成するステップを備え、
   前記ステップ（ｉｉ）が、複数のエネルギーの画像における類似の画素を検索するために、ノンローカルミーン（ＮＬＭ）フィルタを適用するステップを備えることを特徴とする請求項１に記載の生成方法。
3. 前記ステップ（ｉｖ）が、類似としてステップ（ｉｉｉ）で識別された画素の加重平均を実行するステップを備えることを特徴とする請求項２に記載の生成方法。
4. ステップ（ｉｉｉ）が、空間的及びエネルギースペクトル的特徴に関し差分二乗和（ＳＳＤ）を用いて画素間の類似性を定量化するステップを備え、
   より低いＳＳＤの画素はより高い類似性に対応することを特徴とする請求項３に記載の生成方法。
5. より高い類似性を有する画素は、ステップ（ｉｖ）でより重く重み付けされ、空間的解像度とエネルギー分解能は維持されることを特徴とする請求項４に記載の生成方法。
6. ステップ（ｉｉｉ）が、異なるエネルギーレベルのチャネルでの画像ノイズレベルの差異を求め、前記ノイズレベルに応じて重み付けを適用することを特徴とする請求項１に記載の生成方法。
7. コンピュータ断層撮影（ＣＴ）画像システムであって、
   撮像目的物に向かって１つ以上のエネルギーレベルのＸ線を放射するように構成された少なくとも１つのＸ線源と、
   前記目的物によって減衰したＸ線を受け取るように構成された少なくとも１つの検出器と、
   前記少なくとも１つの検出器と接続して、複数のエネルギーレベルでの受け取ったＸ線の指示（ｉｎｄｉｃａｔｉｏｎ）を受け取るためのデータ収集システム（ＤＡＳ）と、
   前記ＤＡＳと結合して、複数のエネルギーレベルでの受け取ったＸ線の指示を受け取るためのコンピュータシステムと、を備え、
   前記コンピュータシステムが、
   （ｉ）放射線を照射する複数のエネルギーを用いて医療画像データセットを取得し、
   （ｉｉ）空間的及びエネルギースペクトル的特徴に対して前記医療画像データセットを解析し、
   （ｉｉｉ）複数のエネルギーにわたる前記医療画像データセットの空間的およびエネルギースペクトル的特徴を比較して前記医用画像データセットの画素間の類似性を識別し、
   （ｉｖ）この類似性を用いて前記医療画像データセットを重み付けし、重み付けしない前記医療画像データセットから生成した対象の画像と比較してノイズの低減した対象の画像を生成するようにプログラムされていることを特徴とするＣＴ画像システム。
8. 前記ステップ（ｉ）が、対象の複数のエネルギー画像を再構成するステップを備え、
   前記ステップ（ｉｉ）が、複数のエネルギーの画像における類似の画素を検索するために、ノンローカルミーン（ＮＬＭ）フィルタを適用するステップを備えることを特徴とする請求項７に記載のＣＴ画像システム。
9. 前記ステップ（ｉｖ）が、類似としてステップ（ｉｉｉ）で識別された画素の加重平均を実行するステップを備えることを特徴とする請求項８に記載のＣＴ画像システム。
10. ステップ（ｉｉｉ）が、空間的及びエネルギースペクトル的特徴に関し差分二乗和（ＳＳＤ）を用いて画素間の類似性を定量化するステップを備え、
    より低いＳＳＤの画素はより高い類似性に対応することを特徴とする請求項９に記載のＣＴ画像システム。
11. より高い類似性を有する画素は、ステップ（ｉｖ）でより重く重み付けされることを特徴とする請求項１０に記載のＣＴ画像システム。
12. ステップ（ｉｉｉ）が、異なるエネルギーレベルのチャネルでの画像ノイズレベルの差異を求め、前記ノイズレベルに応じて重み付けを適用することを特徴とする請求項７に記載のＣＴ画像システム。
13. コンピュータ断層撮影（ＣＴ）画像の生成方法であって、
    （ｉ）ＣＴシステムを用いて複数のエネルギーにおいて取得した医療画像データセットを受け取るステップと、
    （ｉｉ）前記医療画像データセットを用いて少なくとも１つの画像を再構成するステップと、
    （ｉｉｉ）複数のエネルギーにわたる検索窓内の画素を用いて、前記少なくとも１つの画像の各選択された画素の空間的及びエネルギースペクトル的特徴に基づいて類似性評価を実行するステップと、
    （ｉｖ）前記類似性評価に従って前記少なくとも１つの画像の各選択された画素をフィルタリングして、複数のフィルタリングされた画素を生成するステップと、
    （ｖ）前記複数のフィルタリングされた画素を用いて、少なくとも１つのフィルタリングされた画像を生成するステップと、を備えることを特徴とする生成方法。
14. 前記生成方法が、前記少なくとも１つの画像における各選択された画素に対しパッチ（ｐａｔｃｈ）を生成するステップをさらに備え、各パッチは少なくとも２つの空間次元（ｄｉｍｅｎｓｉｏｎｓ）とエネルギー次元（ｄｉｍｅｎｓｉｏｎ）によって定義されることを特徴とする請求項１３に記載の生成方法。
15. 前記生成方法が、選択した画素の前記パッチと前記検索窓内の画素の前記パッチを用いて、前記類似性評価を実行するステップをさらに備えることを特徴とする請求項１４に記載の生成方法。
16. 前記生成方法が、前記検索窓内の画素の加重平均を用いて、各選択された画素をフィルタリングするステップをさらに備え、
    画素の重さは前記類似性評価に基づいて求められることを特徴とする請求項１３に記載の生成方法。
17. 前記生成方法が、異なるエネルギーレベルのチャネルでの画像ノイズレベルの差を求め、前記ノイズレベルに応じて前記画素の重さを適合させるステップをさらに備えることを特徴とする請求項１６記載の生成方法。
18. 前記生成方法が、前記空間的及びエネルギースペクトル的特徴を用いた前記類似性評価において二乗和差（ＳＳＤ）演算を実行するステップをさらに備え、
    低いＳＳＤを有する画素は高い類似性に対応することを特徴とする請求項１３に記載の生成方法。
19. 前記生成方法が、下記数１の式に従って選択した画素のフィルタリングをするステップをさらに備えることを特徴とする請求項１３に記載の生成方法。
    

    

    
    ここでＩ’（ｉ_０，ｅ_０）は各チャネルｅ_０で測定された空間座標ｉ_０でのフィルタリングされた画素値、Ωは空間領域における検索窓で、Ｉ（ｉ _０ ，ｅ _０ ）は各エネルギーチャネルｅ_０で測定された前記検索窓内の空間位置ｉにおける画素値であり、δは寸法がＷ _ｐ でＷ ^３ _ｐ 画素を含む空間的特徴Ｐにおける画素の空間オフセットであり、Ｅは類似性評価に用いられるエネルギープロファイルであり、σ^２ _ｅは各チャネルｅでの画像ノイズ分散を表す。
20. コンピュータ断層撮影（ＣＴ）画像システムであって、
    撮像目的物に向かって１つ以上のエネルギーレベルのＸ線を放射するように構成された少なくとも１つのＸ線源と、
    前記目的物によって減衰したＸ線を受け取るように構成された少なくとも１つの検出器と、
    前記少なくとも１つの検出器と接続して、複数のエネルギーレベルでの受け取ったＸ線の指示（ｉｎｄｉｃａｔｉｏｎ）を受け取るためのデータ収集システム（ＤＡＳ）と、
    前記ＤＡＳと結合して、異なるエネルギーレベルでの受け取ったＸ線の指示を受け取るためのコンピュータシステムと、を備え、
    前記コンピュータシステムが、
    それぞれ異なるエネルギーチャネルと対応した複数の画像データセットを用いて少なくとも１つの画像を再構成し、
    異なるエネルギーチャネルにわたる検索窓内の複数の画素を用いて少なくとも１つの画像の各選択した画素の空間的及びエネルギースペクトル的特徴に基づいて類似性評価を実行し、
    前記類似性評価に従って前記少なくとも１つの画像の各選択された画素をフィルタリングして、複数のフィルタリングされた画素を生成し、
    前記複数のフィルタリングされた画素を用いて、少なくとも１つのフィルタリングされた画像を生成するようにプログラムされていることを特徴とするＣＴ画像システム。
21. コンピュータ断層撮影（ＣＴ）画像の生成方法であって、
    （ｉ）ＣＴシステムを用いて複数のエネルギーにおいて取得した医療画像データセットを受け取るステップと、
    （ｉｉ）前記医療画像データセットを解析して空間的及びスペクトル的情報を求めるステップと、
    （ｉｉｉ）複数のエネルギーにわたる前記空間的情報及び前記エネルギースペクトル的情報を用いて前記医用画像データセットの画素間の類似性評価を実行するステップと、
    （ｉｖ）前記類似性評価に基づいて、前記医療画像データセットから生成した少なくとも
    １つの画像の各選択された画素をフィルタリングして、複数のフィルタリングされた画素を生成するステップと、
    （ｖ）前記複数のフィルタリングされた画素を用いて、少なくとも１つのフィルタリングされた画像を生成するステップと、を備えることを特徴とする生成方法。
22. 前記生成方法が、画像空間、投影空間、又はそれらの両方において前記類似性評価を実行するステップをさらに備えることを特徴とする請求項２１に記載の生成方法。

Images