用于x射线投影的伪像校正的设备和方法

专利名称：用于x射线投影的伪像校正的设备和方法
技术领域：
本发明涉及一种用于为了产生对象的重建图像对所述对象的X射线投影数据组的进行伪像校正的设备和相应的方法。本发明进一步涉及一种用于从对象的X射线投影数据组产生重建图像的设备和相应的方法。本发明更进一步涉及一种用于在计算机上执行所述方法的计算机程序。
背景技术：
在锥形射束计算机断层扫描中，散射辐射构成主要问题之一。特别对于具有大锥角和因此的大的受辐照面积的系统几何结构，例如基于体积成像的C形臂状物，散射辐射产生巨大的在空间上慢慢变化的背景，其被加到所希望的探测信号上。因而，重建的体积遭受深拉和条纹伪像，或者更一般地，遭受由散射造成的、引起缓慢(局部地)变化的不均匀的伪像，阻止绝对的Hounsfield单元的报告。
设计机械的反散射栅格来阻止散射辐射的探测，但是已显示出这些栅格对于典型的系统几何结构针对体积成像是无效的，因为他们导致信噪比的降低。因此，提出了用于根据经验的、基于软件的散射补偿的不同算法(例如，在Maher K.P.，Malone J.F.，“Computerizedscatter correction in diagnostic radiology”，ContemporaryPhysics，vol.38，no.2，第131-148页，1997)或目前已在开发这些不同的算法。然而，这些方法有可能准确估计被投影的视图中散射的空间分布的形状，但是难以获得准确的定量散射估计。因此，在被投影视图中绝对的局部散射量经常被过低或过高估计，导致非最佳的重建结果。
在X射线投影中存在其他伪像源，也可以引起重建图像中在空间上缓慢变化的不均匀，例如该不均匀为由于使用了比感兴趣对象小的探测器而造成的用于重建的不完全数据组。然后希望完成数据组来避免这些伪像的出现。标准算法(例如在R.M.Lewitt的“Processing ofincomplete measurement data in computed tomography”，Med.Phys.，vol.6，no.5，第412-417页，1979，中所描述的)要求确定投影扩展因子。
更进一步，在重建中使用数据之前经常要求确定用于投影数据归一化的增益因子。有时仅了解用于归一化的增益图像带有一未知的全局因子。使用包括错误的全局因子的增益图像对所测量的投影进行归一化，将再次在重建的图像中引起深拉形状的空间缓慢变化的不均匀。

发明内容
本发明的目的在于提供一种用于对象的X射线投影数据组的伪像校正的设备和相应的方法，特别用于校正引起深拉(cupping)和反深拉(即所谓的压盖(capping))形状的空间缓慢改变不均匀的伪像，该不均匀由例如散射、错误的截断扩展因子或错误的增益因子所引起。进一步的目的在于提供一种用于从对象的X射线投影数据组产生包括较少或没有伪像的重建图像的设备和相应的方法。
根据本发明，通过如权利要求1中所述的设备来达到本发明的目的，该设备包括估计单元，用于在X射线投影中使用至少一个估计参数来估计在所述X射线投影中存在的伪像数量，校正单元，用于通过使用所述估计来校正在X射线投影中存在的所述伪像，重建单元，用于通过使用包括所述已校正的X射线投影的所述X射线投影数据组来生成中间重建图像，以及评价单元，用于通过确定在所述中间重建图像中不均匀的定量测量来评价所述校正，并用于通过使用由所述定量测量确定的已调整的估计参数以迭代地重复所述校正直到达到预定的停止标准，来优化所述校正。
根据本发明，权利要求限定的重建设备包括在权利要求15和16中限定了相应的方法。本发明也涉及如权利要求17限定的可存储在记录载体上的计算机程序。本发明的优选实施例在从属权利要求中限定。
本发明基于迭代地优化用于伪像估计、特别是散射估计的任意(优选是基于软件的)方法的性能的思想。通过定义由伪像引起的不均匀的定量测量，特别是(在散射引起的伪像的情况下)在重建的体积中剩余深拉的定量测量，并且通过使用该测量来重复评价伪像校正的效率，每一次都继之以伪像补偿处理中参数的相应调整，来实现该思想。
为了实现如此的测量，其量化了采用的补偿方法的性能等级，可有不同的选择。在本发明的一个实施例中，对于人体的体积图像，体素(voxel)的主要部分示出了与水类似的衰减值，因此，在水的衰减值附近的中间对比度等级最容易看见例如深拉的不均匀，该深拉意味着缓慢变化的不均匀该不均匀导致了在投影图像的中心最为扰动的伪像。因此，优选开始点为选择包含深拉的感兴趣对比窗。然后，执行重建体积中的衰减值的上下阈值处理。对于例如深拉的不均匀的量化，可以采用属于被选择窗的体素的统计特性，例如标准偏差。可替换地，多项式或另一函数可以首先拟合到所选择窗内的数据，或可以使用强的低通滤波，继之以另一步骤，从得到的轮廓中推导出标准偏差或适当的曲率测量。
在定义了用于伪像校正的质量测量之后，能够应用单纯形算法来优化任何伪像补偿方法的性能。所采用的补偿方法的任何一个内部参数可被用于优化，或者可以使用附加的因子来全面换算该方法的结果(例如，在每个投影视图中所估计的伪像的空间轮廓)，其被如此调整以致质量测量被最大化。然后这样的因子将说明伪像估计的误差，该误差可以源自理论上(校正方法的物理简化)或算法上(执行，离散化)。
建议的优化过程能够被充分自动操作，不要求任何的用户交互。迭代重建能够以粗分辨率来执行以保持计算工作量适当低。该方法原则上不仅适用于基于体积成像的C形臂状物，也适用于多线螺旋CT，但是，在其中散射数量越低且反散射栅格就越有效。
在一个优选实施例中，该设备特别适于散射校正，其中所述估计单元适于在X射线投影中使用至少一个估计参数来估计在所述X射线投影中存在的散射数量，所述校正单元适于通过从所述X射线投影的投影数据中减去所估计的散射来校正所述X射线投影，以及所述评价单元适于通过确定在所述中间重建图像中的剩余深拉的定量测量来评价所述校正，并且适于通过使用由所述定量测量确定的用于散射估计的已调整估计参数以迭代地重复所述校正直到达到预定的停止标准，来优化所述校正。
注意到尽管主要建议用于改善散射校正，但是建议不局限于该应用。可替换地，其能够改为用于优化计算机化射束强化补偿或截断校正的性能，或优化增益归一化，因为射束强化、截断和错误增益因子也引起伪像，例如深拉。因此，在多个基于软件的校正的情况下，最后应该执行迭代优化的校正。
这样，在一个具体实施例中设备适于校正截断的投影，其中所述估计单元适于在X射线投影中使用至少一个估计参数来估计在所述X射线投影中存在的截断程度，所述校正单元适于通过采用扩展因子或另一使用所述截断估计的方法而扩展所述X射线投影来校正所述X射线投影，以及所述评价单元适于通过确定在所述中间重建图像中深拉或压盖的定量测量来评价所述校正，并且适于通过使用由所述定量测量确定的用于截断估计的已调整估计参数以迭代地重复所述校正直到达到预定的停止标准，来优化所述校正。
进一步的，在另一个具体实施例中设备适于校正投影数据的增益归一化，其中所述估计单元适于在X射线投影中使用至少一个估计参数来估计适当的增益因子，所述校正单元适于通过采用所述增益因子而归一化所述X射线投影来校正所述X射线投影，所述评价单元适于通过确定在所述中间重建图像中的深拉或压盖的定量测量来评价所述校正，并且适于通过使用由所述定量测量确定的用于增益归一化的已调整增益因子以迭代地重复所述校正直到达到预定的停止标准，来优化所述校正。
通过量化例如剩余深拉的不均匀或通过使用类似的品质因数，建议的计算机化伪像补偿的迭代优化保证了如质量测量所定义的用于重建体积的最佳图像质量。提出的解决方案将极大改善在重建的体积中移除由伪像引起的例如深拉的不均匀，因此允许提高低对比度对象的同时可见性。


现在将结合附图所示的实施例更详细的描述本发明，其中图1示出了散射的影响，图2示出了根据本发明重建设备的方框图，图3示意性地示出根据本发明的伪像校正设备，图4到6示出了根据本发明的用于估计伪像效果的实施例，以及图7示出了使用根据本发明的方法而获得的结果。
具体实施例方式
在结合实施例更详细的描述本发明之前，图1示出了散射的影响和由散射的辐射引起的深拉伪像的产生。当计算机断层扫描(CT)重建的理论假定所有的光子或在检测对象中被吸收，或者直接到达探测器，而实际上最大量的衰减不是由吸收引起，而是由散射引起。因此，如图1a所示，相当数量的散射的光子以非直线方式到达探测器。
如图1b所示，由散射辐射引起的背景信号通常相对均匀，即特别缓慢地变化，但是其数量特别巨大。不使用反散射栅格，总信号强度中由散射辐射引起的部分能够达到50％或更多。从图1b示出的曲线可以看到，在衰减信号的中部，对于总信号相对误差为最大。因此，如图1c所示，在重建的对象的中部，相对误差也是最大，可在底部看到典型的深拉效果。例如，对于头部，能够发现低于正确灰度值达-150HU的偏差。
这样，由散射导致伪像所引起的问题是散射阻止了绝对量化(HU)，影响了低对比度结构的可见性并对下一步的图像处理产生了问题。
图2示意性地示出了根据本发明的重建设备的总的布局。通过使用数据采集单元2，例如CT或X射线设备，采集对象1，例如病人的头部的X射线投影的数据组。采集的数据组通常存储在存储器中，例如临床网络服务器的硬盘或工作站的另一类型的存储单元，用于进一步处理采集的保护数据。在通过重建单元5产生高分辨率重建图像之前，根据本发明可以预见，通过使用伪像校正设备4来执行伪像校正，其将在下面详细介绍。然后校正的X射线投影被用于重建高分辨率的重建图像，用于随后在显示单元6进行显示。
图3示意性地示出了根据本发明提出的伪像校正设备的布局和功能。在该图中，说明了在图2中所示的伪像校正单元4的更多细节。
迭代散射校正的思想是首先对获得的X射线投影应用通常含糊的散射校正算法。这样，散射估计和校正单元41的输入可以是原始X射线投影10的数据组，或者为了节省用于随后的迭代所需的时间，可以是通过对原始投影10进行空间和/或角度二次抽样获得的较少的X射线投影的减少的数据组11。
由单元41执行的估计和校正通常是不完善的，或者在迭代的初始化运行时不正确的设置了校正参数。例如，在优选实施例中，以相对于每个投影的所测量的最小检测值的散射分数(SF)为基础应用散射校正。所述实施例能够如下实施-搜索每个投影的最小测量值(在强的低通滤波后可选择地进行)；-假定固定百分比(例如最初50％)是每个投影方向的固定散射背景的最小值；-从投影的投影数据中减去每个投影方向的所述固定散射背景；以及-上述提及的固定百分比，被称为散射分数(SF)，是被优化的散射校正实施例的参数。
然后校正的投影用于重建中间重建图像，例如在重建单元42中对于锥形波束被滤波的反投影使用Feldkamp-David-Kress算法。为了非常快的执行，所述重建能够非常粗糙，有着非常低的分辨率。
在评价单元43中，相对于要移除的散射深拉伪像，将评价中间重建图像。所述评价将在下面参考后面的图进行详细的说明。根据所述深拉评价的结果，将调整散射校正的一个或多个参数(上面所述的例子中的散射分数SF)并开始下一个迭代。
在迭代中到达停止标准之后，例如，如果已经运行了预定数量的迭代或如果在最后运行中没有实现进一步的优化，在重建单元5中最后将使用调整参数(在该例中最优化的散射分数)的最终散射校正应用在完整的高分辨率投影数据组，并执行耗时的高分辨率最终重建来最终获得全分辨率重建图像以显示在监视器6上。
现在详细介绍优选的深拉评价方法的实施例。优选建议的深拉评价方法包括两个主要步骤a)选择适当的体素，能够用于测量/量化深拉，以及b)根据所述选择计算深拉测量。
大部分人体由水或类似水的组织组成，所以通过使用由散射引起的类似水的组织的灰度值变化能够最好地评价深拉。这将在下面基于阈值来实现。基于直方图来确定阈值本身。为了此目的，如图4a所示，最初准备了关于重建体积的所有体素的直方图。对于该直方图，足以从例如水的期望衰减值的50％到200％来选择其值的范围。在图4b中，示出了将被评价的重建的粗糙体积的64个切片中的40个(用相对紧HU窗来显示)。
对于确定的直方图值，如图4a所示地拟合高斯分布。根据使用非线性最小二乘法优化算法(例如Levenberg-Marquardt算法)的最小二乘法方法，所述高斯分布包括下面的均匀分布。这样，获得高斯分布的平均值和标准偏差，用于调整幅度以及可选地用于调整均匀分布的幅度的比例因子。
基于拟合的结果，现在选择两对阈值a)对于小范围平均值±1个标准偏差；b)对于大范围平均值±2个标准偏差。
基于这些范围，根据下述策略来选择用于评价的体素a)直接使用小范围的所有像素；b)只要这些体素的直接相邻的体素(优选在6个邻近体素的邻域中)没有不在所述较大的范围的，就使用大范围的所有体素。
图5a示出了中间结果。该图再次示出重建的粗糙体积，其中对于没有被选择的所有体素，对最黑的“黑”值进行赋值。由于部分体积的影响，在水和骨头边缘仍然存在一定数量的逸出值。
对于逸出值的消除，将对所选择的体素拟合多项式。优选地，在三个坐标中拟合二次多项式，然而没有混合项(xy，xz，yz)。这样，x2，y2，z2，x，y，z的系数和一个常数必须被确定。使用通常的线性最小二乘法来确定。
这样的多项式拟合作为图6a中所示的曲线图的例子被说明。在图6b中，大约50.000个体素的所有被选择的体素(“有效的水”)被该拟合的结果取代。图像由此非常平滑；黑的区域是没有被选择的体素。已发现这个拟合对于同样的对象是可信赖并可重复的。
随后，确定深拉测量。在一个优选实施例中，在所有被选择体素(如上所述的)上评价的所述多项式拟合结果的标准偏差，被用作深拉测量。在另一个实施例中，可以使用其他的深拉测量，例如在所有被选择体素上评价的所述多项式拟合结果的最大值减去各自的最小值；所有切片的各自的最大标准偏差；或所有切片的最大和最小值之间的各自的最大差值。
所有可用的测量由此是可信赖且可重复的。
因此本发明的主要思想是使用任何一种散射校正策略，其可以是简单的和有缺点的，并反复地调整所述散射校正策略来获得均匀的重建体积。除了上述基于散射分数的散射校正策略，也可使用其他散射校正策略。一类散射校正策略是所谓的“自支撑方法”。这些“自支撑方法”是排除地使用通过迭代优化方法调整的参数的方法。这些参数例如全局常量(例如，从所有投影中减去相同散射背景)；全局散射分数(如上详细描述)；或通常描述投影中散射的多项式的一个或多个参数。
另一类散射校正策略是所谓的“单次散射互补的方法”。使用模型或粗体素重建花费相当的努力可用计算单次散射即只被散射一次的量子。然而，仍然缺少了多次散射，其数量达到总散射的50％或更多。使用根据本发明建议的迭代散射校正能够优化参数，其允许从已计算的单次散射中估计多次散射。
图7a和图7b示出本发明实现的散射校正的结果。如在图7a中的重建图像可以看出，散射的影响是如此之强，以致头的主要部分不再能够被识别，因为灰度值不再在可视的灰度值范围内而且具有更低的灰度值。在应用了根据本发明的散射校正方法之后，不再有这样的情况。由此实现的重建在图7b中示出。在重建图像中深拉几乎不可见，图像是均匀的并在希望的灰度值范围内能够容易看到。这样，在组织区域内相对于理想图像的平均差值少于20HU。
当本发明主要应用于散射校正时，本发明的总的思想可以应用于其他。例如，本发明能够应用于调整投影扩展因子或调整增益因子。用于调整投影扩展因子的方法基本上使用如上所述参见图3的相同步骤(在此“散射估计和校正”现在被“通过使用扩展因子尤其根据“Lewitt等人”(参见上面)的投影扩展”所取代。
投影值的全局增益因子的调整等于线积分值的全局被加数的调整(在采用对数之后)。这样，在如图3所示的方法中，基本上用于增益因子调整的步骤“散射估计和校正”被将要调整的“应用全局常量”所取代。
权利要求
1.用于为了产生对象的重建图像对所述对象的X射线投影(10)的数据组进行伪像校正的设备，包括估计单元(41)，用于在X射线投影(11)中使用至少一个估计参数来估计在所述X射线投影中存在的伪像数量，校正单元(41)，用于通过使用所述估计来校正在X射线投影(11)中存在的所述伪像，重建单元(42)，用于通过使用包括所述已校正的X射线投影的所述X射线投影(10)的数据组来产生中间重建图像，以及评价单元(43)，用于通过确定在所述中间重建图像中的不均匀的定量测量来评价所述校正，并且用于通过使用由所述定量测量确定的已调整的估计参数以迭代地重复所述校正直到达到预定的停止标准，来优化所述校正。
2.如权利要求1所述的设备，其中所述估计单元(41)适于使用单独的估计参数来单独地估计在多个X射线投影中存在的伪像数量，以及其中所述校正单元(41)适于单独地校正所述X射线投影(11)。
3.如权利要求1所述的设备，其中所述评价单元(43)适于调整基于所述定量测量的所述估计参数。
4.如权利要求1所述的设备，其中所述评价单元(43)适于通过在所述中间重建图像中选择具有预定范围内，尤其是在水的图像值附近的范围内，的图像值的体素，来确定在所述中间重建图像中的不均匀的定量测量，所述被选择体素的图像值被用于确定所述定量测量。
5.如权利要求4所述的设备，其中所述评价单元(43)进一步适于通过使用关于所有体素的直方图和通过采用图像值的上下阈值选择所述体素，来在所述中间重建图像中选择体素，所述阈值从所述直方图的统计特性中获得，尤其从拟合到所述直方图的直方图曲线的统计特性中获得。
6.如权利要求5所述的设备，其中所述评价单元(43)进一步适于通过将体素曲线拟合到所选择体素的图像值和通过采用所述体素曲线的统计特性，来从所选择体素的图像值确定所述定量测量。
7.如权利要求1所述的设备，其中所述停止标准是预定数量的迭代、所述定量测量的预定值或所述定量测量的最小值，或者用于在随后的迭代中所述定量测量的最小差值的预定值。
8.如权利要求1所述的设备，其中所述重建单元(42)适于产生低分辨率的中间重建图像。
9.如权利要求1所述的设备，其中所述X射线投影(11)是低分辨率的X射线投影，尤其通过对原始高分辨率X射线投影进行二次抽样而获得。
10.如权利要求1所述的设备，所述设备适于散射校正，其中所述估计单元(41)适于在X射线投影(11)中使用至少一个估计参数来估计在所述X射线投影中存在的散射数量，所述校正单元(41)适于通过从所述X射线投影的投影数据中减去所估计的散射来校正所述X射线投影(11)，以及所述评价单元(43)适于通过确定在所述中间重建图像中剩余深拉的定量测量来评价所述校正，并且适于通过使用由所述定量测量确定的用于散射估计的已调整估计参数以迭代地重复所述校正直到达到预定的停止标准，来优化所述校正。
11.如权利要求10所述的设备，其中所述估计单元(41)适于根据在获得所述X射线投影的X射线探测器的最小探测器值的散射分数来估计散射数量。
12.如权利要求1所述的设备，所述设备适于校正截断的投影，其中所述估计单元(41)适于在X射线投影(11)中使用至少一个估计参数来估计在所述X射线投影中存在的截断的程度，所述校正单元(41)适于通过采用扩展因子或另一使用所述截断估计的方法而扩展所述X射线投影来校正所述X射线投影，以及所述评价单元(43)适于通过确定在所述中间重建图像中深拉或压盖的定量测量来评价所述校正，并且适于通过使用由所述定量测量确定的用于截断估计的已调整估计参数以迭代地重复所述校正直到达到预定的停止标准，来优化所述校正。
13.如权利要求1所述的设备，所述设备适于校正投影数据的增益归一化，其中所述估计单元(41)适于在X射线投影中使用至少一个估计参数来估计适当的增益因子，所述校正单元(41)适于通过采用所述增益因子而归一化所述X射线投影来校正所述X射线投影，所述评价单元(41)适于通过确定在所述中间重建图像中的深拉或压盖的定量测量来评价所述校正，并且适于通过使用由所述定量测量确定的用于增益归一化的已调整增益因子以迭代地重复所述校正直到达到预定的停止标准，来优化所述校正。
14.用于从对象的X射线投影的数据组产生重建图像的重建设备，包括图像采集单元(2)，用于采集对象(1)的X射线投影(10)的所述数据组，伪像校正设备(4)，用于如权利要求1所述对X射线投影的所述数据组进行伪像校正，以及高分辨率重建单元(5)，用于从所述校正的X射线投影产生所述对象的高分辨率重建图像。
15.用于为了产生对象的重建图像对所述对象(1)的X射线投影数据组进行伪像校正的方法，包括以下步骤在X射线投影(11)中使用至少一个估计参数来估计在所述X射线投影中存在的伪像数量，通过使用所述估计来校正在X射线投影中存在的所述伪像，通过使用包含所述校正的X射线投影的所述X射线投影数据组来产生中间重建图像，通过确定在所述中间重建图像中不均匀的定量测量来评价所述校正，以及通过使用由所述定量测量确定的已调整的估计参数来迭代地重复所述校正直到达到预定的停止标准，来优化所述校正。
16.用于从对象(1)的X射线投影(10)的数据组产生重建图像的重建方法，包括以下步骤采集对象的X射线投影(10)的所述数据组，根据权利要求15所述的方法对X射线投影的所述数据组进行伪像校正，以及从所述校正的X射线投影产生所述对象的高分辨率重建图像。
17.计算机程序，包括用于使计算机执行权利要求15所述方法的步骤的程序代码装置。
全文摘要
本发明涉及一种用于为了产生对象的重建图像对所述对象的X射线投影的数据组进行伪像校正的设备。特别对于由例如散射、错误的截断扩展因子或错误的增益因子引起深拉或反深拉(称为压盖)形状的空间上缓慢变化的不均匀的伪像校正，设备建议包括估计单元(41)，用于在X射线投影(11)中使用至少一个估计参数来估计在所述X射线投影中存在的伪像数量，校正单元(41)，用于通过使用所述估计来校正在X射线投影(11)中存在的所述伪像，重建单元(42)，用于通过使用包括所述已校正的X射线投影的所述X射线投影的数据组(10)来产生中间重建图像，以及评价单元(43)，用于通过确定在所述中间重建图像中的不均匀的定量测量来评价所述校正，和用于通过使用由所述定量测量确定的已调整的估计参数来迭代地重复所述校正直到达到预先设定的停止标准，来优化所述校正。
文档编号G06T11/00GK101095165SQ200580045585
公开日2007年12月26日 申请日期2005年12月21日 优先权日2004年12月29日
发明者M·伯特拉姆, D·谢弗, J·韦格特 申请人:皇家飞利浦电子股份有限公司