基于mvct图像消除kvct图像中金属伪影的方法
【技术领域】
[0001] 本发明涉及的是一种医学图像处理技术领域的方法，具体是一种基于MVCT图像 消除KVCT图像中金属伪影的方法。
【背景技术】
[0002] CT(computed tomography)成像系统中，在患者体内有金属等高密度物质的情况 下，所成图像中往往会伴随着大量黑色带状或者明亮放射条纹状伪影，统称为金属伪影。金 属伪影使临床疾病诊断变得不再可靠，同时在放射治疗中它也会给剂量分布计算带来很大 误差，所以对CT图像中金属伪影校正的研究具有重要意义。典型的伪影去除算法主要有两 类：迭代法和投影数据修补法。迭代法能有效去除金属伪影和抑制噪声，而且能很好的呈现 金属物体的结构，但其运算量非常大，速度很慢，难以实用化。投影数据修补法又可分为：基 于插值的修补法和基于先验图像的修补法。插值法能在很大程度上去除金属伪影，且计算 量小，容易实现，但是它会引入新的伪影。先验图像法是对插值法的改善，它不引入新的伪 影，但是先验图像的质量会直接决定最终的伪影去除效果。
[0003] 经对现有技术文献的检索发现，Esther Meyer等在《Medical Physics》 V0L37，NO. 10.0 ctober 2010 上发表的"Normalized metal artifact reduction(NMAR) in computed tomography^ (E. Meyer, R. Raupach, M. Lell, B. Schmidt, and M. Kachelriess, Normalized metal artifact reduction (NMAR) in computed tomography Med. Phys. VOL 37, NO. 10.0 ctober 2010)中，使用先验图像法去除金属伪影，主要思想是通 过对原始投影数据进行适当的规范化使其变得比较平坦，在这平坦的投影数据上进行插值 能保证原始数据与插值数据之间足够平滑。但是，分割得到先验图像的过程中，组织分类错 误会影响伪影去除效果。
【发明内容】
[0004] 针对NMAR(归一化金属伪影消除）方法易受组织分类错误的影响这个不足，本发 明提出了一种基于MVCT图像消除KVCT图像中金属伪影的方法。该方法利用MVCT图像中 金属伪影少，且理论上同一组织内部梯度为零的特点建立优化模型。该优化模型能达到重 建后的KVCT图像的梯度与MVCT图像的梯度相近，而灰度值又能与重建前的KVCT图像相近 的目的。该方法不用对图像进行组织分类，从而能够避免组织分类错误带来的影响。本发 明中所用的MVCT图像由德国西门子Artiste加速器兆伏级锥形束CT (MV-CBCT)扫描得到， 机器输出量为8MU，KVCT图像由德国西门子公司生产的S0MAT0M Definition Flash CT机 扫描得到，扫描电压为120KV，有效电流由CT自动给出，扫描方式为轴扫。模体为美国CIRS 公司生产的模体，为了便于研究金属伪影，对此模体进行改动，金属植入物为不锈钢。
[0005] 本发明是通过以下技术方案实现的：
[0006] (1)使用刚性配准对KVCT图像和MVCT图像进行配准；
[0007] (2)利用NMAR算法消除配准后的MVCT图像中的金属伪影；
[0008] (3)采用radon变换对KVCT图像和步骤⑵得到的MVCT图像进行前向投影，得到 两幅图像的投影数据；
[0009] (4)建立优化模型，其具体为
，其中，X表示 待重建的图像，Xm表示步骤（2)得到的MVCT图像的投影数据，Xk表示KVCT图像的投影数 据，￥=議__儀/%|是梯度算子。然后，令U = X-XM，f = xK-xM，则可得最终优化模型为
'其中，V?表不U关于X的一阶偏导，Vv表不U关 于y的一阶偏导，μ是常量；
[0010] (5)优化重建，针对步骤（3)获得的投影数据根据优化模型，得到去除金属后的 KVCT图像的投影数据，然后对其进行重建并插入金属，得到消除金属伪影后的KVCT图像。
[0011] 以下对本发明作进一步的说明，包括如下步骤：
[0012] (1)对KVCT图像和MVCT图像进行配准；
[0013] 所述的配准是指使用刚性配准方法将KVCT图像和MVCT图像进行变换，如平移、旋 转等形变，其最终目的是建立两幅图像像元之间的对应关系使其几何关系达到匹配，从而 去除或抑制KVCT图像和MVCT图像之间几何上的不一致。
[0014] (2)消除配准后的MVCT图像中的金属伪影；
[0015] 消除配准后的MVCT图像中的金属伪影所使用的方法是NMAR方法，其主要思想是 通过对原始投影数据进行适当的规范化使其变得比较平坦，在这平坦的投影数据上进行插 值能保证原始数据与插值数据之间足够平滑。
[0016] (3)对KVCT图像和MVCT图像进行前向投影；
[0017] 所述的前向投影是指对KVCT图像和消除配准后的MVCT图像进行radon变换，从 而得到两幅图像的投影数据。
[0018] (4)建立优化模型；
[0019] 所述的优化模型是基于同一组织内部梯度值为零的假设建立的。基于这样的一个 假设，那么，KVCT图像中同一组织内部梯度值均为零，MVCT图像亦然。从而可以得到，KVCT 图像和MVCT图像的梯度差值在同一组织内部为零，而在边界处不为零，因此，两幅图像的 梯度差是稀疏的。那么，可以建立优化模型
，其中， ft鎮是梯度算子，第一项表示重建后的KVCT图像和MVCT图像的梯度稀疏性， 第二项表示重建后的KVCT图像与原始的KVCT图像的灰度值的差异。令U = X-XM，f = Xk-Xm 可以得到：
，即最终的优化模型。
[0020] (5)优化重建。
[0021] 所述的优化是指使用Split Bregman优化方法对优化模型进行优化，具体过程如 下：
[0022] 令，则可将上述优化问题转化为约束问题：
[0023]
。该约束问 题可以通过添加惩罚项转化为非约束问题：
的优化过程可以得到去除金属后的KVCT图像的投影数据。
[0027] 所述的重建是指对优化后得到的去除金属后的KVCT图像的投影数据进行iradon 变换，即radon的逆变换，并插入金属，从而得到消除伪影后的KVCT图像。
[0028] 本发明提出的基于MVCT消除KVCT图像中的金属伪影的方法可以有效的去除金属 伪影，而且能较好的抑制噪声，而且重建出的KVCT图像具有真实性。用由美国CIRS公司生 产的模体对比本发明提出的算法和线性插值法以及NMAR算法，前者的均方根误差值小于 后两者的，而且前者的相关系数值大于后两者的。实验表明本发明提出的用MVCT图像消除 KVCT图像中金属伪影的方法能比其他两种方法更好的消除金属伪影。
【附图说明】
[0029] 图1为模体图；
[0030] 图2为KVCT图像；
[0031] 图3为MVCT图像；
[0032] 图4为配准后的MVCT图像；
[0033] 图5为KVCT图像和配准后的MVCT图像的差值图；
[0034] 图6为KVCT图像的正弦图；
[0035] 图7为消除金属伪影后的MVCT图像的正弦图；
[0036] 图8为优化后得到的正弦图；
[0037] 图9为本发明提出的金属伪影消除方法的结果图。
【具体实施方式】
[0038] 以下结合一个具体的实施例对本发明的技术方案作进一步详细的描述。
[0039] 实施例采用的是由美国CIRS公司生产的模体，为了便于研究金属伪影，对此模体 进行改动，金属植入物为不锈钢，如图1所示。整个实验过程如下：
[0040] 1.对KVCT图像和MVCT图像进行配准。因为用MV级X射线扫描模体时扫描孔径 较小，得到的MVCT图像是模体的一部分，但KVCT图像是模体的整体，所以对此模体的KVCT 图像（图2)和MVCT图像（图3)的相同部分进行配准，相当于是全局图像和局部图像的配 准，而模体是刚体的，且刚体变换可以通过调节参数达到这样的目的，所以我们使用简单的 刚性配准，配准后的MVCT图像如图4所示，图5是KVCT图像和配准后的MVCT图像差值图。 图5中的图中两边的月牙状区域是非配准区域，而其他部分是配准区域，从图中可以看出， 在配准区域两幅图像达到了形状上匹配的效果。
[0041] 2.消除配准后的MVCT图像中的金属伪影的方法是NMAR算法，其主要思想是通过 对原始投影数据进行适当的规范化使其变得比较平坦，在这平坦的投影数据上进行插值能 保证原始数据与插值数据之间足够平滑。
[0042] 3.分别对KVCT图像和配准后的MVCT图像进行前向投影，即对它们进行radon变 换，得到它们的投影数据，如图6,图7所示。
[0043] 4.根据第3步得到的投影数据以及假设同一组织内部的梯度值为零建立 优化模型
是梯度算 子，第一项表示重建后的KVCT图像和MVCT图像的梯度稀疏性，第二项表示重建后 的KVCT图像与原始的KVCT图像的灰度值的差异。令U = X-XM，f = Xk-Xm可以得到：
即最终的优化模型。本实施例中μ的取值为 500 〇
[0044] 5.使用Split Bregman优化算法优化第四步中得到的最终的优化模型。优化的 结果为去除金属后的KVCT图像的投影数据，如图8所示。然后对该投影数据重建，即进行 iradon变换，也就是逆radon变换，并插入金属，从而得到去除金属伪影后的KVCT图像，如 图9所示。
[0045] 本发明提出的金属伪影去除算法能有效地去除金属伪影。以上实施例的归一化均 方根误差值为〇. 1793,相关系数值为0. 9974。
【主权项】
1. 基于MVCT图像消除KVCT图像中金属伪影的方法，其特征在于，包括以下步骤： (1) 使用刚性配准对CT扫描获得的KVCT图像和MVCT图像进行配准； (2) 利用NMAR算法消除配准后的MVCT图像中的金属伪影； (3) 采用radon变换对KVCT图像和步骤（2)得到的MVCT图像进行前向投影，得到两幅 图像的投影数据；重建的图像，Xm表示步骤（2)得到的MVCT图像的投影数据，Xk表示KVCT图像的投影数于y的一阶偏导，y是常量； (5)优化重建，根据优化模型，得到去除金属后的KVCT图像的投影数据，然后对其进行 重建并插入金属，得到消除金属伪影后的KVCT图像。2. 根据权利要求1所述基于MVCT图像消除KVCT图像中金属伪影的方法，其特征在于： 步骤（5)所述重建具体是，对优化后得到的去除金属的KVCT图像的投影数据进行iradon 变换。3. 根据权利要求1或2所述基于MVCT图像消除KVCT图像中金属伪影的方法，其特征 在于：还包括使用SplitBregman算法优化最终的优化模型，具体的实现过程如下：
【专利摘要】本发明属于医学图像处理技术领域，公开了一种基于MVCT图像消除KVCT图像中金属伪影的方法，首先对MVCT图像和KVCT图像进行配准，其次用NMAR方法消除配准后的MVCT图像中的金属伪影，然后对KVCT图像和消除伪影后的MVCT图像进行前向投影，最后建立优化模型，进行优化重建，从而得到消除伪影后的KVCT图像。本发明提出的方法利用MVCT图像中金属伪影少，且理论上同一组织内部梯度为零的特点建立优化模型。该优化模型能达到重建后的KVCT图像的梯度与MVCT图像的梯度相近，而灰度值又能与重建前的KVCT图像相近的目的。本发明提出的方法既能很好的消除金属伪影，也有较好的去噪效果，而且重建出的KVCT图像具有真实性。
【IPC分类】G06T5/50
【公开号】CN105046675
【申请号】CN201510522131
【发明人】秦红星, 侯沙沙
【申请人】重庆邮电大学
【公开日】2015年11月11日
【申请日】2015年8月24日