用于多材料分解的装置的制作方法

本发明涉及一种用于对象的多材料分解(decomposition)的装置、一种用于对象的多材料分解的系统、一种用于对象的多材料分解的方法以及一种计算机程序单元和一种计算机可读介质。

背景技术

本发明的大体背景为x射线谱计算机断层摄影(ct)的领域。在ct系统中，x射线源发射x射线辐射。所发射的辐射贯穿受检者或对象位于其之内的检查区域，并且由与x射线源相对的探测器阵列来探测。探测器阵列探测贯穿检查区域和受检者的辐射，并且生成投影数据，例如生成原始探测器数据或投影图像。重建器对投影数据进行处理，并且重建受检者或对象的体积图像。x射线谱ct是一种扩展了常规ct系统的能力的成像模态。双能量(de)ct(其是谱ct的特定配置)利用以两种光子能量采集的两种衰减值来求解包含材料的质量衰减系数的光电贡献和康普顿贡献，并且由此通过所述光电贡献和所述康普顿贡献的值来识别未知材料。这种方案在诸如碘的、具有接近诊断能量范围的平均值的k边缘能量的材料中尤其工作良好。由于两个基础函数的任意两个线性独立的加和跨整个衰减系数空间，因而任何材料能够通过两种其他材料(所谓的基础材料，诸如水和碘)的线性组合来表示。所述基础材料图像提供了新的应用，诸如单色图像、材料消除图像、有效原子序数图像和电子密度图像。存在执行双能量ct采集的若干种方案，诸如双源配置、快速kvp切换配置以及双层探测器配置。另外，定量成像是医学成像领域的当前主要趋势之一。谱ct支持该趋势，因为额外的谱信息改善了能够测得的关于被扫描对象以及其材料成分的定量信息。

这样的多材料分解(mmd)正在变为针对常常以表征、探测和/或量化给定材料的量为目标的许多临床应用的基本任务。针对dect的mmd是非常有挑战性的，因为如上文所讨论的，在原则上存在仅两个采集的能量衰减，能够准确地分解两种材料。通过进一步限制该问题，则能够对三种材料进行分解。然而，利用dect进行对超过三种材料的分解是不适定的问题。

us2008/0253504a1涉及一种用于确定诸如患者的对象的感兴趣区域中的诸如骨骼、血液、对比剂的成分的定量材料浓度的ct系统。为了提供一种改善定量材料分解的质量和解释效力的ct系统，提出了一种ct系统，所述ct系统包括：具有辐射源和探测器单元的扫描单元，其用于采集来自所述感兴趣区域的谱ct投影数据；建模单元，其用于通过借助于光电效应和康普顿效应的相应模型分解所述谱ct投影数据集来获得光电效应投影数据集和康普顿效应投影数据集；重建单元，其用于根据所述光电效应投影数据集和所述康普顿效应投影数据集来重建所述感兴趣区域的光电效应图像和康普顿效应图像；处理单元，其用于通过求解方程组来确定所述感兴趣区域中的各种成分的浓度，所述方程组是通过使所述光电效应图像数据与针对各成分的浓度和光电衰减系数的累计乘积相等以及使所述康普顿效应图像数据与针对各成分的浓度和康普顿衰减系数的累计乘积相等而获得的。

能够在以下文献中找到关于mmd的另外的信息：paulors等人在spiemedicalimaging，internationalsocietyforopticsandphotonics，2010上的“multi-materialdecompositionofspectralctimages”；long、yong和jeffreya.fessler在proc.2ndint.mtg.onimageformationinx-rayct(2012)：413-6上的“multi-materialdecompositionusingstatisticalimagereconstructioninx-rayct”；以及paulors、peterlamb和dushyantv.sahani在medicalimaging，ieeetransactionson33.1(2014)：99-116上的“aflexiblemethodformulti-materialdecompositionofdual-energyctimages”。

技术实现要素：

具有用于对象的多材料分解的经改进的装置将是有利的。

本发明的目的是借助于独立权利要求的主题来解决的，其中，在从属权利要求中并入了另外的实施例。应当指出，下文所描述的本发明的各方面和范例同样适用于对象的多材料分解、适用于对象的多材料分解的系统、适用于对象的多材料分解的方法以及所述计算程序单元和计算机可读介质。

根据第一方面，提供了一种用于对象的多材料分解的装置，包括：

-输入单元；

-处理单元；以及

-输出单元。

所述输入单元被配置成为所述处理单元提供对象的至少一幅图像。所述至少一幅图像是根据所述对象的至少一幅双能量谱x射线图像而导出的。所述至少一幅图像包括光电总衰减系数图像和康普顿散射总衰减系数图像。所述输入单元被配置成为所述处理单元提供针对多种材料的多个光电衰减系数，所述多种材料包括至少四种材料，每个光电衰减系数与对应的材料相关联。所述输入单元也被配置成为所述处理单元提供针对多种材料的多个康普顿散射衰减系数，每个康普顿散射衰减系数与对应的材料相关联。所述处理单元被配置为根据所述至少一幅图像中的一图像位置处的多种材料的个体体积的和来设定在该图像位置处的总体积约束。所述处理单元也被配置为根据以下总体函数来确定在所述图像位置处的多种材料的体积分数，所述总体函数包括：从所述光电总衰减系数图像取得的在所述图像位置处的光电总衰减系数；从所述康普顿散射总衰减系数图像取得的在所述图像位置处的康普顿散射总衰减系数；针对所述多种材料的多个光电衰减系数；针对所述多种材料的多个康普顿散射衰减系数；以及所述总体积约束。迭代最小化算法被用于求解所述总体函数。所述输出单元被配置为输出表示所述多种材料的体积分数的数据。

以这种方式，双能量计算机断层摄影图像能够被用于实现材料分解成四种或更多种材料。换言之，能够通过四种或更多种不同的材料类型来表示所述对象，并且双能量计算机断层摄影图像能够被用于提供对象的4幅或更多幅图像，每幅图像由不同的材料类型来表征。

换言之，双能量计算机断层摄影图像能够与材料词典和体积守恒约束结合使用，其中，总变差正则化和稀疏分解机制能够被用于求解优化问题，以便实现材料分解成四种或更多种材料。

换言之，双能量图像能够被用于执行快速、自动、准确并且鲁棒的多材料分解。

在范例中，所述总体函数包括总变差项，所述总变差项是根据包括以下项的函数来确定的：针对所述多种材料的多个光电衰减系数，以及针对所述多种材料的多个康普顿散射衰减系数。

在范例中，所述总变差项包括针对所述多种材料中的一材料的光电系数加上针对该材料的康普顿散射系数。

在范例中，所述总变差项包括在所述多种材料上的加和，其中，所述加和包括针对所述多种材料的每个光电系数加上针对所述多种材料的对应的康普顿散射系数。

在范例中，所述总体函数包括稀疏项(sparsityterm)，所述稀疏项是根据包括以下项的函数而确定的：在所述图像位置处的光电总衰减系数；在所述图像位置处的康普顿散射总衰减系数；针对所述多种材料的多个光电衰减系数；以及针对所述多种材料的多个康普顿散射衰减系数。

在范例中，所述稀疏项包括从针对所述多种材料中的一材料的光电衰减系数中减去在所述图像位置处的光电总衰减系数，并且所述稀疏项包括从针对所述多种材料中的所述材料的康普顿散射衰减系数中减去在所述图像位置处的康普顿散射总衰减系数。

在范例中，所述稀疏项包括关于所述材料中的至少一种材料的预期体积分数的信息。

在范例中，所述总体函数包括数据保真项，所述数据保真项是根据包括以下项的函数而确定的：在所述图像位置处的光电总衰减系数；在所述图像位置处的康普顿散射总衰减系数；针对所述多种材料的多个光电衰减系数；以及针对所述多种材料的多个康普顿散射衰减系数。

在范例中，所述数据保真项包括在所有材料上针对所述多种材料中的一材料的光电衰减系数与该材料的体积分数乘积的加和。从所述图像位置处的光电总衰减系数中减去该加和。同样地，所述数据保真项包括在所有材料上针对所述多种材料中的一材料的康普顿散射衰减系数与该材料的体积分数乘积的加和。从所述图像位置处的康普顿散射总衰减系数中减去该加和。

在范例中，所述处理单元被配置为根据对所述对象的至少一幅谱x射线图像的分解来生成所述对象的至少一幅图像。

换言之，双能量x射线图像被分解为针对所确定的能量包括在每个像素位置处的光电衰减系数的一幅图像，并且针对所确定的能量被分解为包括在每个像素位置处的康普顿散射衰减系数的第二图像。换言之，所述双能量数据被用于确定具有在各图像像素位置处的光电总截面和康普顿散射总截面的加权版本形式的基础函数。

根据第二方面，提供了一种用于对象的多材料分解的医学系统，所述系统包括：

-图像采集单元；以及

-根据第一方面的用于对象的多材料分解的装置。

所述图像采集单元被配置为采集所述对象的至少一幅双能量谱x射线图像。所述处理单元被配置为确定在多个图像位置处的所述多种材料的体积分数。所述输出单元被配置为基于所述多种材料的多个体积分数来输出所述对象的至少一幅图像。

根据第三方面，提供了一种用于对象的多材料分解的方法，包括：

a)提供对象的至少一幅图像，其中，所述至少一幅图像是根据所述对象的至少一幅双能量谱x射线图像而导出的，并且其中，所述至少一幅图像包括光电总衰减系数图像和康普顿散射总衰减系数图像；

b)提供针对多种材料的多个光电衰减系数，每个光电衰减系数与对应的材料相关联；

c)提供针对多种材料的多个康普顿散射衰减系数，每个康普顿散射衰减系数与对应的材料相关联；

d)根据所述至少一幅图像中的一图像位置处的所述多种材料的个体体积的和来设定在所述图像位置处的总体积约束；

e)根据以下总体函数来确定在所述图像位置处的所述多种材料的体积分数，所述总体函数包括：从光电总衰减系数图像取得的在所述图像位置处的光电总衰减系数；从康普顿散射总衰减系数图像取得的在所述图像位置处的康普顿散射总衰减系数；针对所述多种材料的多个光电衰减系数；针对所述多种材料的多个康普顿散射衰减系数；以及所述总体积约束，其中，迭代最小化算法被用于求解所述总体函数；并且

f)输出表示所述多种材料的体积分数的数据，其中，所述多种材料包括至少四种材料。以这种方式，所述算法能够被应用于诸如身体部分的对象以及体模的图像。

根据另一方面，提供了一种控制如先前所描述的装置的计算机程序单元，在由处理单元运行所述计算机程序单元时，所述计算机程序单元适于执行如先前所描述的方法步骤。

根据另一方面，提供了一种已经存储有如先前所描述的计算机单元的计算机可读介质。

有利地，由以上方面中的任意方面所提供的益处同等地适用于所有其他方面，并且反之亦然。

根据下文所描述的实施例并且参考所述实施例加以阐述，以上方面和范例将变得显而易见。

附图说明

在下文中将参考以下附图来描述示范性实施例：

图1示出了用于对象的多材料分解的装置的范例的示意性设置；

图2示出了用于对象的多材料分解的系统的范例的示意性设置；

图3示出了用于对象的多材料分解的方法；

图4示出了用于对象的多材料分解的系统的范例的示意性设置；

图5示出了双能量探测器的范例。

具体实施方式

图1示出了用于对象的多材料分解的装置10的范例。装置10包括输入单元20、处理单元30和输出单元40。输入单元20被配置成为处理单元30提供对象的至少一幅图像50。所述至少一幅图像50是根据所述对象的至少一幅谱x射线图像60而导出的。所述至少一幅图像50包括光电总衰减系数图像52和康普顿散射总衰减系数图像54。输入单元20也被配置成为处理单元30提供针对多种材料80的多个光电衰减系数70，每个光电衰减系数与对应的材料相关联。输入单元20也被配置成为处理单元30提供针对多种材料80的多个康普顿散射衰减系数90，每个康普顿散射衰减系数与对应的材料相关联。处理单元30被配置为根据所述至少一幅图像50中的一图像位置56处的多种材料的个体体积的和来设定在所述图像位置处的总体积约束100。处理单元30也被配置为根据以下总体函数来确定在所述图像位置处的所述多种材料的体积分数120，所述总体函数包括：从光电总衰减系数图像52取得的在图像位置56处的光电总衰减系数52a；从康普顿散射总衰减系数图像54取得的在图像位置56处的康普顿散射总衰减系数54a；针对多种材料80的多个光电衰减系数70；针对多种材料80的多个康普顿散射衰减系数90；以及总体积约束100。输出单元40被配置为输出表示多种材料80的体积分数120的数据。

在范例中，所述光电总衰减系数图像是包括在每个像素位置(体素)处的有效光电衰减系数的图像，针对有效材料在所述像素位置处将具有该衰减系数——换言之，在一像素位置处的实际构成材料就像材料的那些混合是一种材料一样产生了有效衰减系数。这同样适用于康普顿散射图像。

在范例中，所述装置能够被用于断层融合成像或图像显示。以这种方式，在一个范例中，能够将所述装置应用于x射线断层融合。

在范例中，所述装置能够被用于断层融合成像或图像显示。在范例中，所述装置能够被用于数字断层融合成像或图像显示。

在范例中，所述装置能够被应用于常规衰减x射线成像，并且以这种方式，能够实现对对象中的超过三种材料的成像以及缓解在所采集的图像中的射束硬化效应。

在范例中，所述至少一幅图像是根据通过使用能量分辨光子计数探测器所采集的至少一幅谱x射线图像而导出的。换言之，一次以超过一种能量操作的x射线源能够被用于同时地实现对双能量图像的采集。在范例中，双源配置和/或快速kvp切换扫描配置被配置用于采集所述双能量图像，其中，两个能量处的图像不必同时地采集。

换言之，由于所述至少一幅图像是根据至少一幅谱x射线图像而导出的，因而所述装置能够被用于与先前采集的谱图像有关的后处理模式。

在范例中，所述总体积约束包括项：即，假设构成材料的体积的加和等于混合物的体积。

在范例中，所述多种材料包括至少4种材料。

在范例中，所述对象是身体部分，诸如作为人类受检者的身体部分。在范例中，所述对象是诸如在非破坏性测试期间的机械零件检查中正在被检查或者已经被检查的无生命对象，或者是机场或港口处接受检查的行李件。

根据范例，所述总体函数包括总变差项，所述总变差项是根据包括以下项的函数来确定的：针对多种材料80的多个光电衰减系数70，以及针对多种材料80的多个康普顿散射衰减系数90。

根据范例，所述总变差项包括针对多种材料80中的一材料82的光电系数72加上针对该材料82的康普顿散射系数92。

在范例中，针对多种材料n(也称为80)中的材料i(也称为82)的光电系数被写作pi(也称为72)，并且针对材料i的康普顿散射系数被写作si(也称为92)，并且所述总变差项包括加权因子在范例中，所述总变差项包括被表达为的、要被最小化的体积分数的粗糙惩罚项，其中，mi是材料i的体积分数。

根据范例，所述总变差项包括在所述多种材料上的加和。所述加和包括针对所述多种材料80的每个光电系数70加上针对所述多种材料的对应的康普顿散射系数90。

在范例中，所述总变差项包括以下加和：

根据范例，所述总体函数包括根据包括以下项的函数而确定的稀疏项：在图像位置56处的光电总衰减系数52a；在图像位置56处的康普顿散射总衰减系数54a；针对所述多种材料80的多个光电衰减系数70；以及针对所述多种材料80的多个康普顿散射衰减系数90。

根据范例，所述稀疏项包括从针对多种材料80中的材料82的光电衰减系数72中减去在图像位置56处的光电总衰减系数52a。所述稀疏项也包括从针对多种材料80中的材料82的康普顿散射衰减系数92中减去在图像位置56处的康普顿散射总衰减系数54a。

在范例中，针对(多种材料n中的)材料i的光电系数被写作pi，并且针对材料i的康普顿散射系数被写作si，并且在所述图像位置处的光电总衰减系数被写作p(也称为52a)，并且在所述图像位置处的康普顿散射总衰减系数被写作s(也称为54a)，并且所述稀疏项包括加权因子：

在范例中，所述稀疏项包括以下项：其中，mi是材料i的体积分数。以这种方式，能够提供具有来自预定材料词典(或者库或数据存储)的材料的稀疏组合的解。

根据范例，所述稀疏项包括关于所述材料中的至少一种材料的预期体积分数的信息。

在范例中，材料权重wi能够被用于向所述算法引入先验信息，例如，如果存在关于被扫描对象中的材料i的预期体积的先验信息，则可以相应地调节材料权重wi。

根据范例，所述总体函数包括根据包括以下项的函数而确定的数据保真项：在图像位置56处的光电总衰减系数52a；在图像位置56处的康普顿散射总衰减系数54a；针对多种材料80的多个光电衰减系数70；以及针对多种材料80的多个康普顿散射衰减系数90。

根据范例，所述数据保真项包括在所有材料80上针对多种材料80中的一材料的光电衰减系数70与该材料的体积分数乘积的加和。从图像位置56处的光电总衰减系数52a中减去该加和。所述数据保真项也包括在所有材料80上针对多种材料80中的一材料的康普顿散射衰减系数90与该材料的体积分数乘积的加和。从所述图像位置处的康普顿散射总衰减系数54a中减去该加和。

在范例中，存在使用谱基础分解而导出的一对谱基础图像。这两幅图像是光电图像和康普顿散射图像，其中，在所述图像位置(像素位置)处的总光电系数被称为p，并且在所述图像位置处的总康普顿散射系数被称为s。另外，给出了n种材料的词典，其中，针对材料i，在所述词典中，pi和si相应地是所述材料在光电图像和康普顿散射图像中的衰减系数。在该范例中，使用以下联合优化问题来求解所述总体函数：

其遵从于：

其中，mi是材料i的体积分数图，即，材料i在被扫描对象的材料的混合物中的体积分数；是tv加权因子(例如，)，wi是稀疏以及先验信息加权因子(例如，β、λ和α是控制参数，可以调节所述控制参数以提供在各功能项之间的不同的权衡；是hadamard乘积，并且ti是针对材料i的上限阈值。

根据范例，迭代最小化算法被用于求解所述总体函数。

在范例中，利用迭代交替最小化算法，其中，函数的值始终下降。所述算法被陈述如下：

迭代以下交替材料图更新：

针对m＝1至n：

其中，d是方向集{e,n,w,s,u,d}，i是体积(至少一幅图像)中的当前体素(图像位置)的索引，并且如下给出了方向′e′的权重：

其中，ε是小的数值，例如，ε＝0.001，并且dx、dy和dz是体素(图像位置)维度。

按照类似方式导出针对其他方向的权重。

如果mm(i)<0，那么设定mm(i)＝0

结束

根据范例，所述处理单元被配置为根据对所述对象的至少一幅谱x射线图像的分解来生成所述对象的至少一幅图像。

图2示出了用于对象的多材料分解的医学系统200。系统200包括图像采集单元210以及参考图1所描述的用于对象的多材料分解的装置10。图像采集单元210被配置为采集对象的至少一幅谱x射线图像60。处理单元20被配置为确定在多个图像位置处的所述多种材料的体积分数。输出单元40被配置为基于所述多种材料的多个体积分数来输出所述对象的至少一幅图像。

在范例中，所述图像采集单元包括x射线成像设备，例如，断层融合布置。

图3以基础步骤示出了用于对象的多材料分解的方法300。方法300包括：

在也被称为步骤a)的提供步骤310中，提供了对象的至少一幅图像，其中，所述至少一幅图像是根据所述对象的至少一幅谱x射线图像而导出的，并且其中，所述至少一幅图像包括光电总衰减系数图像和康普顿散射总衰减系数图像；在也被称为步骤b)的提供步骤320中，提供了针对所述多种材料的多个光电衰减系数，每个光电衰减系数与对应的材料相关联；

在也被称为步骤c)的提供步骤330中，提供了针对所述多种材料的多个康普顿散射衰减系数，每个康普顿散射衰减系数与对应的材料相关联；

在也被称为步骤d)的设置步骤340中，根据在所述至少一幅图像中的一图像位置处的所述多种材料的个体体积的和来设定在所述图像位置处的总体积约束；

在也被称为步骤e)的确定步骤350中，根据以下总体函数来确定在所述图像位置处的所述多种材料的体积分数，所述总体函数包括：从所述光电总衰减系数图像取得的在所述图像位置处的光电总衰减系数；从所述康普顿散射总衰减系数图像取得的在所述图像位置处的康普顿散射总衰减系数；针对所述多种材料的多个光电衰减系数；针对所述多种材料的多个康普顿散射衰减系数；以及总体积约束；并且

在也被称为步骤f)的输出步骤360中，输出表示所述多种材料的体积分数的数据。

现在将结合图4-5更详细地描述用于对象的多材料分解的装置、系统和方法的范例。

图4示出了用于对象的多材料分解的系统200的范例。在该范例中，所述对象可以是人类或动物的身体部分，并且可以是整个身体。然而，本领域技术人员将领会到，所述对象可以是在机场或港口接受检查的行李件，或者例如是在非破坏性测试期间接受检查的部件。系统200包括图像采集单元210，诸如x射线计算机断层摄影扫描器。系统200被配置为生成谱投影数据，并且将所述谱数据分解为基础集。图像采集单元210包括一个或多个x射线源，诸如x射线管，其发射贯穿在采集单元210的中央示出的检查区域的辐射。(一个或多个)所述x射线源能够是以不同的电压操作并且可能在不同的电压之间切换的两个x射线源，或者可以是在两个电压(例如，80kv与100kv或者100kv与120kv)之间切换的x射线源。所述x射线源能够是发射在一定能量范围上的宽带x射线辐射的源。与所述x射线源相对的探测器探测贯穿所述检查区域的辐射。所述探测器能够在一个或多个所述源在不同的时间以不同的电压操作时，针对每个电压而生成投影数据，或者针对同时操作的两个x射线源或者针对宽带x射线源，能够使用能量分辨探测器同时地采集不同能量处的谱投影数据。在图5中示出了这样的能量分辨双层探测器。患者能够躺在移动到检查区域中的桌台上，并且能够生成/采集一个或多个身体部分、乃至全身(如有必要的话)的谱投影数据。所述投影数据能够被表示为至少一幅投影图像(至少一幅谱x射线图像)60。容纳在所述图像采集单元或单独的工作站内的分解单元将所述至少一幅谱x射线图像60或谱数据分解为至少一幅基础图像50，诸如：光电衰减图像52和康普顿衰减系数图像54；水和碘成分；水和钙成分；或者聚甲醛均聚物树脂(例如，)和锡成分；以及/或者其他基础图像。因而，能够经由通信线缆将所述至少一幅谱图像60从所述图像采集单元传输至所述工作站，并且使用所述至少一幅谱图像60来导出所述至少一幅图像50，或者在所述图像采集单元210内根据所述至少一幅谱图像60来生成所述至少一幅图像50，并且经由通信线缆将其传输至所述工作站。所述工作站有权访问针对各种材料并且在图像采集单元的各操作能量上的康普顿散射系数和光电系数的库(词典)。另外，能够将与身体部分内的特定材料或若干不同材料的预期贡献有关的信息输入到所述工作站中，其中，在执行材料分解时能够使用所述先验知识。例如，操作者可以获知以下事实：对象的一部分的体积的一半乃至整个对象均由特定材料构成。参考图1所描述的用于多材料分解的装置10被部分地容纳在图像采集单元210和所述工作站内，这意指装置10的所有部分能够都被容纳在所述图像采集单元内，或者所述装置的一些部分能够处在所述图像采集单元内，并且一些处在所述工作站内，或者所述装置能够被完全容纳在所述工作站内。装置10取得基础图像52和54，并且使用散射衰减系数值的库连同任何先验信息和体积约束信息，并且在每个体素处对这些图像进行处理，以在所述身体部分图像内的这些体素(体积像素)处将所述身体分解为多种材料。能够将其内示出了超过一种材料的一幅或多幅图像的分解图像，诸如不同材料类型的四幅或更多幅单独图像，呈现在所述工作站上和/或传输至外部。

图5示出了双层探测器阵列，其是被用于通过各层的不同的有效谱灵敏度获得谱信息的两个闪烁体的叠置，其中，以放大视图图示出了该阵列的一个像素。探测器像素由两个闪烁体构成，其中的一个闪烁体叠置在另一个闪烁体的顶上，x射线从顶部入射。低能量x射线在顶部闪烁体中被吸收，所述吸收引起波长较长的辐射的发射，该辐射将被置于所述闪烁体的横向侧面上的光电二极管探测到。底部闪烁体吸收高能量x射线，并且通过与该闪烁体相关联的第二光电二极管探测再次重发射的较长波长的辐射。

下文将详细描述在用于对象的多材料分解的装置、系统和方法内所使用的用于多材料分解的算法和模型。如上文所讨论的，所述对象可以是身体部分或者是人类或动物的身体部分，但是也可以是无生命对象，并且能够对体模使用所述算法。

算法输入

如上所述，能够使用当前常见的de扫描方案(例如，双源配置、快速kvp切换扫描或双层探测器配置)中的任何方案来采集对所述分割算法的输入。

mmd模型

可以回想到，提供了一对谱基础图像p和s，它们是使用谱基础分解、例如光电和康普顿散射图像而导出的。能够在以下文献中找到关于谱基础分解的更多信息：alvarez,r.和macovski,a.(1976).energyselectivereconstructionsinx-raycomputerizedtomography,physicsinmedicineandbiology，21(5)，733–744。另外，给出了n种材料的词典，其中，针对材料i，在所述词典中，pi和si相应地是所述材料在光电图像和康普顿散射图像中的衰减系数。针对这种情况，使用下述联合优化问题对mmd进行建模：

其遵从于：

其中，mi是材料i的体积分数图，即，材料i在被扫描对象的材料的混合物中的体积分数；是tv加权因子(例如，)，wi是稀疏以及先验信息加权因子(例如，)；β、λ和α是控制参数，调节所述控制参数以提供在各功能项之间的不同的权衡；是hadamard乘积，并且ti是针对材料i的上限阈值。

在该优化问题中，加权的tv项表达要被最小化的材料体积分数图的粗糙惩罚项。项是数据保真项。项是体积守恒约束，即，假设各构成材料的体积的加和等于混合物的体积。l1正则项得到具有来自预定材料词典(或库)的各材料的稀疏组合的解。另外，能够使用材料权重wi向所述算法引入先验信息，例如，如果存在关于被扫描对象中的材料i的预期体积的先验信息，则能够相应地调节材料权重wi。

交替最小化算法

针对以上方程中的以上优化问题，开发出了一种迭代交替最小化算法，其中，函数的值始终下降，所述算法被陈述如下：

迭代以下交替材料图更新：

针对m＝1至n：

其中，d是方向集{e,n,w,s,u,d}，i是所述体积中的当前体素的索引，并且如下给出方向′e′的权重：

其中，ε是小的数值，例如，ε＝0.001，并且dx、dy和dz是体素维度。

按照类似方式导出了针对其他方向的权重。

如果mm(i)<0，那么设定mm(i)＝0

结束

算法输出

所述算法输出是针对每种材料i的体积分数图mi，即，材料i在被扫描对象的各材料的混合物中的体积分数。另外，pimi和simi相应地是材料i对光电图像和康普顿散射图像的衰减系数贡献。

在另一示范性实施例中，提供了一种计算机程序或计算机程序单元，其特征在于：被配置为在适当的系统上执行根据前述实施例中的一个实施例的方法的方法步骤。

因此，所述计算机程序单元可能被存储在计算机单元上，所述计算机单元也可能是实施例的部分。该计算单元可以被配置为执行或诱发上文所描述的方法步骤的执行。此外，所述计算单元可以被配置为操作上文所描述的装置和/或系统的部件。所述计算单元能够被配置为自动地操作和/或执行用户的命令。可以将计算机程序加载到数据处理器的工作存储器中。因此，所述数据处理器可以被配备为执行根据前述实施例中的一个实施例的方法。

本发明的该示范性实施例既涵盖从一开始就使用本发明的计算机程序，又涵盖利用更新将现有的程序转换成使用本发明的程序的计算机程序。

此外，所述计算机程序单元可能能够提供完成如上文所描述的方法的示范性实施例的过程的所有必要步骤。

根据本发明的另外的示范性实施例，提出了一种计算机可读介质，诸如cd-rom，其中，所述计算机可读介质具有被存储在其上的、由前文部分所描述的计算机程序单元。

可以将计算机程序存储在适当的介质上和/或使其分布在适当的介质上，例如，与其他硬件一起提供的或者作为其他硬件的部分来提供的光存储介质或固态介质，也可以使其通过其他形式分布，例如，通过互联网或者其他有线或无线电信系统来分布。

然而，也可以通过诸如万维网的网络来提供所述计算机程序，并且能够将其从这样的网络下载到数据处理器的工作存储器中。根据本发明的另外的示范性实施例，提供了一种使计算机程序单元可用于下载的介质，所述计算机程序单元被布置为执行根据先前所描述的本发明的实施例中的一个实施例所述的方法。

必须指出，本发明的实施例是参考不同主题来描述的。具体而言，一些实施例是参考方法类型权利要求来描述的，而其他实施例则是参考装置类型权利要求来描述的。然而，本领域技术人员将根据上文和下文的描述认识到，除非另行指出，否则除了属于一类主题的特征的任意组合之外，涉及不同主题的特征之间的任意组合也应当被认为在本申请中得到了公开。然而，将所有特征结合起来所提供的协同作用要超过对所述特征的简单加和。

尽管在附图和前述说明中已经详细示出并描述了本发明，但是应当认为这样的图示和说明是说明性或示范性的，而非限制性的。本发明不限于所公开的实施例。通过研究附图、说明书和所附权利要求，本领域技术人员能够在对所要求保护的本发明的实践中理解并实施针对所公开的实施例的其他变型。

在权利要求中，“包括”一词不排除其他元件或步骤，单数冠词“一”或“一个”不排除复数。单个处理器或其他单元可以完成权利要求中所列举的若干项的功能。在互不相同的从属权利要求中陈述特定措施不表示不能有利地采用特定措施的组合。不应当将权利要求中的附图标记推断为对范围构成限制。