用于迭代重建的方法和设备的制作方法
【专利摘要】本发明提供用于迭代地重建对象的图像的方法。该方法包括访问与该图像关联的测量数据并且使用同时算法来重建图像。使用同时算法来重建图像包括确定标度因子（其是体素依赖的）并且将该体素依赖的标度因子应用于目标函数的梯度来重建图像。
【专利说明】用于迭代重建的方法和设备
【技术领域】
[0001]本文公开的主题一般来说涉及成像系统，并且更具体地，涉及用于使用迭代技术重建图像的方法和设备。
【背景技术】
[0002]传统地，使用例如滤波反向投影(FBP)或卷积反向投影(CBP)的直接重建算法来从计算机断层摄影(CT)数据重建图像。近来，基于模型的迭代重建(MBIR)算法已经在商业上用于重建CT图像。MBIR算法的一个优势是MBIR算法可以更准确地对从CT系统获得的测量建模。这对于具有多片检测器的螺旋CT系统尤其真实，因为螺旋CT系统产生斜穿过二维(2D)重建图像平面的投影测量，并且采集的数据固有地是有噪的。通过更准确地对这些投影建模，MBIR算法可以产生具有较高质量(例如，分辨率)、较低噪声和较少伪像的重建。因此，MBIR算法可以用作用于明显降低CT扫描中的剂量同时维持诊断图像质量的工具。
[0003]然而，MBIR的主要挑战是完成重建所需要的计算时间和计算资源。MBIR算法典型地通过首先形成目标函数(其包含准确的系统模型、统计噪声模型和先验模型)来重建图像。利用手中的目标函数，然后通过计算使目标函数最小化的估计来重建图像，其典型地使用迭代优化算法来执行。这样的迭代优化算法中的一些的示例包括迭代坐标下降(ICD)、预期最大化(EM)的变化、共轭梯度(CG)和有序子集(OS)。然而，因为MBIR目标函数和关联的迭代解的复杂性，一些迭代算法可需要相对高数量的迭代来获得最后的估计。因此，对MBIR目标函数求解的已知迭代算法可能需要相对大量的时间来重建图像。
【发明内容】
[0004]在一个实施例中，提供用于迭代地重建对象的图像的方法。该方法包括访问与该图像关联的测量数据并且使用同时算法来重建图像。使用同时算法来重建图像包括确定标度因子(其是体素依赖的)并且将该体素依赖的标度因子应用于目标函数的梯度来重建图像。
[0005]在另一个实施例中，成像系统包括检测器阵列和耦合于该检测器阵列的计算机。该计算机配置成访问与对象的图像关联的测量数据并且使用同时算法来重建图像。该计算机配置成使用该同时算法以通过以下来重建图像:确定标度因子(其是体素依赖的)并且将该体素依赖的标度因子应用于目标函数的梯度来重建图像。
[0006]在另一个实施例中，提供用于迭代地重建对象的图像的方法。该方法包括访问与该图像关联的测量数据并且使用同时算法来重建图像。同时算法包括计算正则化矩阵函数的梯度。使用同时算法来重建图像包括将多个样本梯度值存储在查找表中、访问查找表中的样本梯度值以及使用样本梯度值来计算近似实际梯度值。
[0007]在另一个实施例中，提供用于迭代地重建对象的图像的方法。该方法包括访问与该图像关联的测量数据并且使用同时算法来重建图像。同时算法包括计算正则化矩阵函数的梯度。使用同时算法来重建图像包括计算图像重建迭代处的实际梯度、将补偿项添加到该实际梯度以及使用该实际梯度和补偿项作为图像重建的后续迭代的梯度。
[0008]提供一种用于迭代地重建对象的图像的方法，所述方法包括:
访问与所述图像关联的测量数据；以及
使用同时算法来重建所述图像，其中使用所述同时算法来重建所述图像包括:
确定是体素依赖的标度因子；并且
将所述体素依赖的标度因子应用于目标函数的梯度来重建所述图像。
[0009]优选的，确定是体素依赖的标度因子包括基于采集几何形状直接计算所述标度因子。
[0010]优选的，确定是体素依赖的标度因子包括基于采集几何形状直接计算所述标度因子，采用三维(3D )采集几何形状非均匀地对所述测量数据采样。
[0011]优选的，确定是体素依赖的标度因子包括生成系数图并且使用所述系数图来计算体素依赖的标度因子。
[0012]优选的，生成系数图包括变换从至少两个迭代或至少两个子迭代中的一个的差获得的更新。
[0013]优选的，生成系数图包括生成局部平滑并且能够被低通滤波的系数图。
[0014]优选的，生成系数图包括从初始图像获得所述系数图。
[0015]优选的，生成系数图包括用关于初始图像的先验信息、当前图像的特征或采集几何形状中的至少一个来使所述系数图扩大。
[0016]优选的，将所述体素依赖的标度因子应用于目标函数的梯度来重建所述图像包括使用所述体素依赖的标度因子来标度所述梯度。
[0017]优选的，所述标度是以下中的至少一个:使用AtWA获得的或与子集对每一个体素的贡献联系起来的。
[0018]优选的，将所述体素依赖的标度因子应用于目标函数的梯度来重建所述图像包括对所述测量数据的每个切片计算松弛因子，采用三维(3D)采集几何形状非均匀地对所述测量数据采样，其中通过与感兴趣区(ROI)外部的切片相比不同数量的视图来对所述ROI内部的切片采样。
[0019]优选的，将所述体素依赖的标度因子应用于目标函数的梯度来重建所述图像包括以降至每第η个迭代而不是每个迭代的频率更新所述体素依赖的标度因子。
[0020]优选的，对所述系数图下采样。
[0021]提供一种成像系统，其包括:
检测器阵列；和
计算机，其耦合于所述检测器阵列，所述计算机配置成:
访问与对象的图像关联的测量数据；并且
使用同时算法来重建所述图像，其中所述计算机配置成使用所述同时算法以通过以下而重建所述图像:确定是体素依赖的标度因子并且将所述体素依赖的标度因子应用于目标函数的梯度来重建所述图像。
[0022]优选的，所述计算机配置成通过基于采集几何形状直接计算所述标度因子而确定是体素依赖的所述标度因子。[0023]优选的，所述计算机配置成通过生成系数图并且使用所述系数图来计算所述体素依赖的标度因子而确定是体素依赖的所述标度因子。
[0024]优选的，所述计算机配置成通过变换从至少两个迭代或至少两个子迭代中的一个的差获得的更新而生成所述系数图，所述变换是离散或连续中的一个。
[0025]优选的，所述计算机配置成通过使用所述体素依赖的标度因子来标度所述梯度而将所述体素依赖的标度因子应用于所述目标函数的梯度。
[0026]优选的，所述计算机配置成通过计算所述测量数据的每个切片的松弛因子而将所述体素依赖的标度因子应用于所述目标函数的梯度，采用三维(3D)采集几何形状非均匀地对所述测量数据采样，其中通过与感兴趣区(ROI)外部的切片相比不同数量的视图来对所述ROI内部的切片采样。
[0027]提供一种用于迭代地重建对象的图像的方法，所述方法包括:
访问与所述图像关联的测量数据；并且
使用同时算法来重建所述图像，其中所述同时算法包括计算正则化矩阵函数的梯度，并且其中使用所述同时算法来重建所述图像包括:
将多个样本梯度值存储在查找表中；
访问所述查找表中的样本梯度值；以及 使用所述样本梯度值来计算近似实际梯度值。
[0028]优选的，使用所述样本梯度值来计算近似实际梯度值包括计算所述重建的每个迭代的近似实际梯度值。
[0029]优选的，使用所述样本梯度值来计算近似实际梯度值包括使用插值方案来计算所述近似实际梯度值。
[0030]优选的，将多个样本梯度值存储在查找表中包括以固定的采样频率对所述梯度值采样。
[0031]提供一种用于迭代地重建对象的图像的方法，所述方法包括:
访问与所述图像关联的测量数据；并且
使用同时算法来重建所述图像，其中所述同时算法包括计算正则化矩阵函数的梯度，并且其中使用所述同时算法来重建所述图像包括:
计算所述图像重建迭代处的实际梯度；
将补偿项添加到所述实际梯度；以及
使用所述实际梯度和所述补偿项作为图像重建的后续迭代的梯度。
[0032]优选的，使用所述实际梯度和所述补偿项作为图像重建的后续迭代的梯度包括将不同的补偿项添加到继所述后续迭代之后的所述图像重建的每个迭代的实际梯度。
[0033]优选的，使用所述实际梯度和所述补偿项作为图像重建的后续迭代的梯度包括对所述后续迭代的所有子迭代使用所述梯度。
[0034]优选的，将补偿项添加到所述实际梯度包括构造所述正则化矩阵函数的替代。
[0035]优选的，所述补偿项仅包括加、减、除或乘中的至少一个。
【专利附图】
【附图说明】
[0036]图1是用于根据各种实施例重建对象图像的示范性方法的流程图。[0037]图2是使用在图1中示出的方法生成的示范性系数图的视觉表示。
[0038]图3是图示与图1的方法关联的示范性有序子集可分离抛物面型替代(OS-SPS)算法的示范性收敛的曲线图。
[0039]图4是使用图3的示范性OS-SPS算法生成的多种图像的视觉表示。
[0040]图5是图示根据各种实施例重建对象图像的示范性方法的另一个流程图。
[0041]图6是示范性螺旋几何形状和采用螺旋几何形状的示范性重建图像的视觉表示。
[0042]图7是图示与图5的方法关联的OS-SPS算法的示范性平均和标准偏差的曲线图。
[0043]图8是图示根据各种实施例重建对象图像的示范性方法的另一个流程图。
[0044]图9是图示根据各种实施例重建对象图像的示范性方法的另一个流程图。
[0045]图10是使用与图9的方法关联的示范性OS-SPS算法生成的多种图像的视觉表
/Jn ο
[0046]图11是图示与示范性OS-SPS算法(其与图9的方法关联)关联的收敛速率的曲线图。
[0047]图12是图示与示范性OS-SPS算法(其与图9的方法关联)关联的收敛速率的另一个曲线图。
[0048]图13是使用与图9的方法关联的示范性OS-SPS算法生成的多种图像的视觉表
/Jn ο
[0049]图14是根据各种实施例形成的示范性多模态成像系统的图示。
[0050]图15是在图14中图示的系统的框示意图。
【具体实施方式】
[0051]前面的概要以及各种实施例的下列详细描述当与附图结合阅读时将更好理解。就图图示各种实施例的功能框的图来说，功能框不一定指示硬件电路之间的划分。从而，例如，功能框(例如处理器或存储器)中的一个或多个可采用单件硬件(例如，通用信号处理器或一块随机存取存储器、硬盘或诸如此类)或多件硬件实现。相似地，程序可以是独立程序，可作为子例程包含在操作系统中，可以是安装的软件包中的功能等。应该理解各种实施例不限于图中示出的布置和工具。
[0052]本文描述用于使用同时算法来迭代地重建图像的各种实施例。图像由多个图像元素组成。为了本文公开的目的，术语“图像元素”将指图像空间阵列内对象的元素。例如，图像元素可包括图像像素或图片元素，其可以对应于二维(2D)或三维(3D)重建中的单个体素或体积元素。通过优化目标函数来重建图像。如本文使用的，目标函数或成本函数一般来说包括用于采集成像数据的成像系统、与该成像系统关联的噪声以及要重建的图像的类型的模型。在下面，术语“优化”和“最小化”、“目标函数”和“成本函数”是能互换的。
[0053]各种实施例提供用于计算“自适应”体素依赖的标度因子的新颖方法。将该体素依赖的标度因子应用于同时算法的梯度来重建图像。各种实施例根据采集(例如，扫描仪/侦查)几何形状提供使对图像的更新松弛(或对其标度)的新颖方法。对图像的更新可通过梯度的适当标度或通过修改应用于梯度的步长而松弛(或对其标度)来计算图像更新。步长典型地是应用于梯度的定标器。计算最佳步长可导致最佳收敛。各种实施例提供用于使在不影响底层单调算法的单调性的情况下计算正则化矩阵函数的梯度的时间量减少的新颖想法。各种实施例的至少一个技术效果是减少瞬态并且对固定计算时间改进图像质量。各种实施例的至少一个技术效果是采用比常规同时算法更少的迭代而更快地收敛到原始成本函数的解。例如，与本领域内公布的常规算法所需要的50或100个迭代相比，各种实施例可采用五至十个迭代而收敛到可接受图像质量的收敛度量的相似值。
[0054]在开发用于计算机断层摄影(CT)成像的基于模型的迭代重建(MBIR)算法方面有着显著的兴趣，因为已经证明MBIR算法通过降低噪声并且改进分辨率来改进图像质量。MBIR算法典型地通过首先形成牵涉数据统计模型的成本函数、描述系统几何形状的系统模型以及描述重建图像的可期望性质的先验模型而工作。因为成本函数典型地太复杂而不允许直接从一个通道中的测量重建图像，图像通过采用若干步骤使成本函数最小化而估计。因此，迭代优化算法需要对这样的基于模型的成本函数求解并且叫作MBIR算法。
[0055]假设μ e Rn是图像并且y e Rm是测量的投影数据。最大后验(MAP)估计问题可以制定为数据对数似然项L和先验项R的和。对数似然项基于数据的统计和系统几何形状而制定。先验项确保图像估计属于某一概率密度函数(Pdf)并且β是先验标度(或先验强度)，需要以其来应用该约束。
[0056]
根据数据统计的模型可以存在若干个对数似然项L的选择。一个这样的L的选择是二次形式，从而导致
【权利要求】
1.一种用于迭代地重建对象的图像的方法，所述方法包括: 访问与所述图像关联的测量数据；以及 使用同时算法来重建所述图像，其中使用所述同时算法来重建所述图像包括: 确定是体素依赖的标度因子；并且 将所述体素依赖的标度因子应用于目标函数的梯度来重建所述图像。
2.如权利要求1所述的方法，其中，确定是体素依赖的标度因子包括基于采集几何形状直接计算所述标度因子。
3.如权利要求1所述的方法，其中，确定是体素依赖的标度因子包括基于采集几何形状直接计算所述标度因子，采用三维(3D)采集几何形状非均匀地对所述测量数据采样。
4.如权利要求1所述的方法，其中，确定是体素依赖的标度因子包括生成系数图并且使用所述系数图来计算体素依赖的标度因子。
5.如权利要求4所述的方法，其中，生成系数图包括变换从至少两个迭代或至少两个子迭代中的一个的差获得的更新。
6.如权利要求4所述的方法，其中，生成系数图包括生成局部平滑并且能够被低通滤波的系数图。
7.如权利要求4所述的方法，其中，生成系数图包括从初始图像获得所述系数图。
8.如权利要求4所述的方法，其中，生成系数图包括用关于初始图像的先验信息、当前图像的特征或采集几何形状中的至少一个来使所述系数图扩大。
9.如权利要求1所述的方法，其中，将所述体素依赖的标度因子应用于目标函数的梯度来重建所述图像包括使用所述体素依赖的标度因子来标度所述梯度。
10.如权利要求9所述的方法，其中，所述标度是以下中的至少一个:使用AtWA获得的或与子集对每一个体素的贡献联系起来的。
【文档编号】G06T11/00GK103514615SQ201310248485
【公开日】2014年1月15日 申请日期:2013年6月21日 优先权日:2012年6月22日
【发明者】D.帕尔, B.K.B.德曼, J.H.乔, 余宙, J-B.迪博, J.A.费斯勒, 付林, S.斯里瓦斯塔瓦, D.金 申请人:通用电气公司, 密执安大学评议会