Способ и система для восстановления изображения компьютерной томографии двойной энергии

Использование: для восстановления изображения компьютерной томографии. Сущность изобретения заключается в том, что осуществляют выполнение сканирования формирования изображения, в котором L последовательных углов проекции измеряются при низкой энергии рентгеновских лучей и Н последовательных углов проекции измеряются при высокой энергии рентгеновских лучей чередующимся образом, где L существенно меньше, чем Н, для генерации набора данных проекции низкой энергии, содержащего измерения углов проекции при низкой энергии, и набора данных проекции высокой энергии, содержащего измерения углов проекции при высокой энергии; оценивание субдискретизированной части набора данных проекции низкой энергии, чтобы сформировать оцененный полный набор данных проекции низкой энергии, причем оценивание низкой энергии выполняется без восстановления изображения набора данных проекции низкой энергии или набора данных проекции высокой энергии. Технический результат: повышение качества получаемого изображения. 2 н. и 13 з.п. ф-лы, 7 ил.

 

Изобретение относится в общем к области техники формирования изображений, более конкретно к способу и системе для восстановления данных формирования изображений компьютерной томографии (КТ) двойной энергии или множественной энергии. Сущность изобретения настоящей заявки находит конкретное применение в связи с медицинскими системами формирования изображения. Однако в более широких аспектах сущность изобретения настоящей заявки не ограничивается медицинской областью формирования изображения и может применяться в других областях, таких как, например, формирование изображения в целях безопасности в аэропортах или других контрольно-пропускных пунктах.

Спектральная КТ и, в частности, КТ двойной энергии с быстрым переключением диапазона киловольт в максимуме (kVp), является методом формирования изображений, который может расширить возможности КТ одной энергии в некоторых обстоятельствах. В качестве одного примера, два различных материала, изображение которых формируется, могут ослаблять пучок рентгеновских лучей одной энергии примерно одинаковым образом, что делает трудным различение между этими двумя материалами с пучком рентгеновских лучей одной энергии. Если вместо этого используются два или более пучков рентгеновских лучей, при этом каждый пучок имеет энергию, отличающуюся от энергии другого пучка (пучков), дополнительная информация, обеспечиваемая пучками рентгеновских лучей различных энергий, может быть использована, чтобы более легко различать эти два материала. Таким образом, методы КТ двойной энергии используют два значения ослабления рентгеновских лучей, полученных при двух энергиях фотонов рентгеновских лучей, чтобы разрешить фотоэлектрический и комптоновский вклад, являющийся результатом массового коэффициента ослабления материала, и, следовательно, идентифицировать неизвестный материал с помощью его значения фотоэлектрического и комптоновского вклада. Эта схема особенно хорошо работает в таких материалах, как йод, имеющий энергию k-границы, близкую к среднему значению диапазона диагностических энергий. Поскольку любые две линейно независимых суммы двух базисных функций охватывают всю область коэффициентов ослабления, любой материал может быть представлен линейной комбинацией двух других материалов, так называемых базовых материалов, таких как вода и йод. Изображения базового материала обеспечивают новые приложения, такие как генерация монохроматического изображения, изображения с компенсацией материала, изображения эффективного атомного номера или изображения электронной плотности.

В типовом КТ сборе данных источник рентгеновских лучей и детектор рентгеновских лучей вращаются вместе на общей опоре (гентри) вокруг объекта, подлежащего визуализации. Источник и детектор расположены на противоположных сторонах визуализируемого объекта, так что рентгеновские лучи, испускаемые источником рентгеновских лучей, ослабляются при их прохождении через визуализируемый объект и детектируются детектором рентгеновских лучей. Сигналы ослабленных рентгеновских лучей, как они регистрируется детектором под различными углами зрения во время вращения, называемые проекциями, затем могут быть обработаны с использованием известных методов восстановления для создания изображения объекта. В некоторых альтернативных вариантах только источник рентгеновских лучей вращается, в то время как ряд стационарных детекторов рентгеновских лучей, расположенных на полном или частичном кольце вокруг визуализируемого объекта, регистрирует данные проекции.

Выполнение сканирований формирования изображения (визуализации) КТ двойной энергии требует источника или источников рентгеновских лучей, которые обеспечивают пучки рентгеновских лучей на двух энергиях, а также детектора или детекторов рентгеновских лучей, которые могут регистрировать пучки рентгеновских лучей различных энергий после их прохождения через визуализируемый объект. Последние технические достижения предоставили несколько конструкций для такого(их) источника(ов) и такого(их) детектора(ов). В одном традиционном подходе предложено быстрое kVp-переключение источника рентгеновских лучей. В этом подходе напряжение и, возможно, также ток, подаваемый на источник рентгеновских лучей, изменяются управляемым образом, чтобы обеспечить пучок рентгеновских лучей высокой энергии и пучок рентгеновских лучей низкой энергии чередующимся образом между проекциями. Детектор, в свою очередь, выполнен с возможностью детектировать как рентгеновские лучи высокой энергии, так и рентгеновские лучи низкой энергии, например, с двумя уложенными в стопки слоями детекторных элементов, каждый из которых соответственно подходит для детектирования рентгеновских лучей более высокой или более низкой энергии. Использование быстрого kVp-переключения источника рентгеновских лучей обеспечивает хорошее временное разрешение, так как спектральные данные получают чередующимся образом между проекциями.

Это традиционное КТ сканирование двойной энергии с быстрым kVp-переключением схематично показано на фиг. 2. На этой иллюстрации горизонтальная ось графически представляет углы проекции, когда источник рентгеновских лучей и детектор рентгеновских лучей вращаются вокруг визуализируемого объекта, а вертикальная ось графически представляет энергию пучка рентгеновских лучей при каждом угле проекции. Каждый столбик представляет собой угол проекции, под которым рентгеновские лучи генерируются и данные рентгеновских лучей регистрируются. Как можно видеть, источник рентгеновских лучей поочередно формирует рентгеновские лучи низкой энергии E_l и высокой энергии E_h. Однако в этом обычном способе интенсивность пучков остается постоянной I₀. Промежутки между столбиками показывают, что требуется некоторое количество времени для того, что переключить энергию пучка рентгеновских лучей с низкого уровня на высокий уровень и с высокого уровня обратно на низкий уровень. Таким образом, для некоторых промежуточных углов проекции никакие данные не регистрируются, так как источник рентгеновского излучения переключается и поворачивается в одно и то же время.

Одной потенциальной трудностью с быстрым kVp-переключением КТ сканирований является то, что обычные реконструкции соответствующих наборов данных низкой энергии и высокой энергии приводят в результате к изображениям низкого качества. То есть имеется недостаточно данных низкой энергии для создания изображения достаточного качества только из данных низкой энергии и имеется недостаточно данных высокой энергии для формирования изображения достаточного качества только из данных высокой энергии. Путем деления углов проекции на проекции низкой энергии и проекции высокой энергии данные проекций как низкой, так и высокой энергии являются субдискретизированными.

В соответствии с аспектами настоящего изобретения предложены способ и система для восстановления КТ изображения двойной энергии. В одном из аспектов быстрое kVp-переключение источника рентгеновских лучей используется при сканировании формирования изображения, чтобы попеременно формировать пучок рентгеновских лучей низкой энергии для L последовательных углов проекции и пучок рентгеновских лучей высокой энергии для Н последовательных углов проекции, где L существенно меньше, чем H. Предложены способы для оценивания полученных субдискретизированных данных в наборе данных низкой энергии и наборе данных высокой энергии. Недостающие данные проекции низкой энергии могут оцениваться из известных данных проекции высокой энергии с использованием любого одного из нескольких раскрытых вариантов осуществления структурного распространения.

Многочисленные преимущества и выгоды будут очевидны специалистам в данной области из следующего подробного описания предпочтительных вариантов осуществления. Изобретение может принимать форму различных компонентов и компоновок компонентов, а также различных операций способа и компоновок операций способа. Чертежи приведены только с целью иллюстрации предпочтительных вариантов осуществления и не должны быть истолкованы как ограничивающие данное изобретение.

Фиг. 1 является иллюстративной системой КТ формирования изображения, при этом часть стационарного гентри вырезана, чтобы показать вращающийся источник рентгеновских лучей и систему измерения данных внутри гентри;

Фиг. 2 представляет схематичную иллюстрацию обычного быстрого kVp-переключения КТ сканирования;

Фиг. 3 иллюстрирует способ для восстановления КТ данных двойной энергии;

Фиг. 4 представляет собой схематичную иллюстрацию быстрого kVp-переключения КТ сканирования, полезную для восстановления данных КТ формирования изображения двойной энергии;

Фиг. 5 представляет собой схематичную иллюстрацию КТ сканирования на фиг. 4, когда L=1 и H=16;

Фиг. 6 является репрезентативной рентгенограммой венозных синусов набора данных низкой kVp-проекции, когда L=1 и H=16; и

Фиг. 7 представляет часть репрезентативной рентгенограммой венозных синусов набора данных высокой kVp-проекции, когда L=1 и H=16.

Сущность настоящего изобретения может быть использована в связи с любой системой формирования изображения двойной энергии, например системой КТ формирования изображения двойной энергии. Более конкретно, со ссылкой на фиг. 1, в примерном варианте осуществления система 100 формирования изображения является медицинской системой КТ формирования изображения. Система 102 сбора данных КТ формирования изображения включает в себя раму (гентри) 104 и опору 106 объекта, например, стол или кушетку, которая перемещается вдоль оси. Пациент или другой визуализируемый объект (не показан) лежит или расположен на опоре 106 объекта и перемещается, чтобы располагаться в пределах апертуры 108 в гентри 104. После того как пациент или объект приведен в положение в пределах апертуры 108, источник 110 рентгеновских лучей излучает проекцию рентгеновских лучей, которые должны быть собраны системой 112 измерения данных рентгеновских лучей внутри гентри 194. (Часть 114 гентри вырезана на фиг. 1, чтобы показать источник 110 и систему 112 измерения данных рентгеновских лучей, которые размещены внутри гентри 104). Источник 110 рентгеновских лучей может излучать рентгеновские лучи, имеющие по меньшей мере два различных уровня энергии, а система 112 измерения данных рентгеновских лучей может детектировать рентгеновские лучи, имеющие эти различные уровни энергии. Источник 110 рентгеновских лучей и система 112 измерения данных вращаются вместе вокруг апертуры 108 для записи данных КТ формирования изображения из различных позиций или проекций. В некоторых вариантах осуществления такое вращение может происходить, в то время как опора 106 объекта является неподвижной. В других вариантах осуществления такое вращение может происходить в сочетании с линейным перемещением опоры 106 объекта вдоль оси в "спиральном" сканировании. Вращение возможно потому, что источник 110 рентгеновских лучей и система 112 измерения данных 112 установлены на общем роторе (не показан) внутри гентри 104.

Система 112 измерения данных системы 102 сбора данных КТ формирования изображения, таким образом, получает данные КТ формирования изображения в форме детектированных рентгеновских лучей. Система 102 затем передает полученные данные КТ формирования изображения на систему 116 КТ формирования изображения, обработки и отображения через линию 101 связи. Хотя системы 102 и 116 показаны и описаны здесь как отдельные системы для целей иллюстрации, они могут в других вариантах быть частью одной системы. Когда системы 102 и 116 являются отдельными системами, линия 101 связи может представлять собой любую линию связи, которая допускает передачу данных между системами, такую как локальная сеть, интернет, физический перенос запоминающего носителя хранения данных, такого как компьютерная дискета, компакт-диск или флэш-накопитель или тому подобное. Линия 101 связи может быть проводной, беспроводной или их комбинацией. Таким образом, системы 102 и 116 могут быть расположены в разных помещениях, разных зданиях или даже разных городах.

Через линию 101 связи полученные данные КТ формирования изображения проходят на процессор 118 обработки изображений, который хранит полученные данные КТ формирования изображения в памяти 120. Процессор 118 изображений применяет методы восстановления изображения для электронной обработки полученных КТ данных и генерации восстановленных данных формирования изображений, включающих в себя изображения отображаемого пациента или другого объекта. Процессор 118 изображений может показать полученные восстановленные данные формирования изображения на ассоциированном дисплее 122. Пользовательское устройство ввода 124, такое как клавиатура и/или мышь, может быть предусмотрено для пользователя, чтобы управлять процессором 122.

Система 100 формирования изображения может быть автономным блоком, который обеспечивает только основанное на КТ формирование изображений, как показано на фиг. 1. Хотя здесь не показано, система 100 формирования изображения может дополнительно включать в себя соответствующие компоненты для PET и/или SPECT формирования изображения или какого-либо другого метода формирования изображения, в сочетании с основанными на КТ компонентами формирования изображения.

Таким образом, описанные здесь функции могут быть выполнены в виде логики программного обеспечения. Термин "логика", как он использован здесь, включает, без ограничения указанным, аппаратные средства, микропрограммное обеспечение, программное обеспечение и/или комбинации каждого, чтобы выполнять функцию(и) или действие(я) и/или вызвать функцию или действие из другого компонента. Например, на основе желательного приложения или потребностей логика может включать в себя управляемый программным обеспечением микропроцессор, дискретную логику, такую как специализированная интегральная схема (ASIC), или другие программируемые логические устройства. Логика может также быть полностью реализована в виде программного обеспечения.

Термин "программное обеспечение", как он использован здесь, включает, без ограничения указанным, одну или более машиночитаемых и/или исполняемых команд, которые побуждают компьютер или другое электронное устройство выполнять функции, действия и/или действовать желательным образом. Инструкции могут быть воплощены в различных формах, таких как процедуры, алгоритмы, модули или программы, включая отдельные приложения или код из динамически подключаемых библиотек. Программное обеспечение также может быть реализовано в различных формах, таких как отдельная программа, вызов функции, сервлет, апплет, инструкции, хранящиеся в памяти, такой как память 120, часть операционной системы или другой тип исполняемых инструкций. Специалисту в данной области будет очевидно, что форма программного обеспечения зависит, например, от требований желательного приложения, среды, на которой оно работает, и/или потребностей разработчика/программиста, или тому подобного.

Системы и способы, описанные здесь, могут быть реализованы на различных платформах, включая, например, сетевые системы управления и автономные системы управления. Кроме того, логика, показанная и описанная здесь, предпочтительно находится в или на машиночитаемом носителе, таком как память 120. Примеры различных машиночитаемых носителей информации включают в себя флэш-память, постоянное запоминающее устройство (ROM), оперативное запоминающее устройство (RAM), программируемое ПЗУ (PROM), электрически программируемое ПЗУ (EPROM), электрически стираемое программируемое постоянное запоминающее устройство (EEPROM), магнитный диск или магнитную ленту, оптически считываемые носители, включая CD-ROM и DVD-ROM и другие. Более того, процессы и логика, описанные здесь, могут быть объединены в один большой поток процесса или разделены на множество потоков подпроцессов. Порядок, в котором потоки процессов описаны здесь, не является критическим и может быть изменен, обеспечивая при этом достижение тех же самых результатов. В самом деле, потоки процессов, описанные здесь, могут быть переупорядочены, консолидированы и/или реорганизованы в их реализации, как гарантировано или желательно.

Настоящее изобретение обеспечивает способ и систему для восстановления вычисленных данных КТ формирования изображения двойной энергии. Примерный процесс 300 способа показан на фиг. 3. На первом этапе 302 выполняется сбор данных формирования изображения быстрого kVp-переключение. Сбор данных 302 формирования изображения быстрого kVp-переключения приводит в результате к двум наборам данных: набор 304 субдискретизированных данных проекции высокой энергии и набор 306 субдискретизированных данных проекции низкой энергии. В частности, при сборе данных L последовательных углов проекции регистрируются при низкой энергии рентгеновских лучей, а затем H последовательных углов проекции регистрируются при высокой энергии рентгеновских лучей попеременно, L существенно меньше, чем H. Это схематично показано на фиг. 4. В этой иллюстрации горизонтальная ось графически представляет проекции углов, когда источник рентгеновских лучей и детектор рентгеновских лучей вращаются вокруг визуализируемого объекта, а вертикальная ось графически представляет энергию пучка рентгеновских лучей при каждом угле проекции. Каждый столбик представляет проекцию угла, при котором рентгеновские лучи генерируются и данные рентгеновских лучей регистрируются. Как можно видеть, источник рентгеновских лучей поочередно генерирует пучок E_l рентгеновских лучей низкой энергии для l=1, 2,..., L последовательных углов проекции, а затем генерирует пучок E_h рентгеновских лучей высокой энергии для h=1, 2,..., H углов проекции. Промежутки между конечным столбиком на одном уровне энергии и первым столбиком на следующем уровне энергии показывают, что требуется некоторое количество времени для того, чтобы энергия пучка рентгеновских лучей переключилась с низкого уровня на высокий уровень и с высокого уровня назад на низкий уровень. Таким образом, для некоторых промежуточных углов проекции никакие данные не регистрируются, так как источник рентгеновских лучей переключается и поворачивается в одно и то же время. Отсутствие промежутков между смежными столбиками на одном и том же уровне энергии показывает, что никакой задержки не требуется между такими измерениями, так как энергия пучков рентгеновских лучей остается постоянной. В терминах этой структуры можно видеть, что известный из уровня техники режим получения данных, показанный на фиг. 2, представляет случай, когда L=H=1.

Соотношение L:H предпочтительно существенно меньше чем 1. В различных вариантах осуществления L/H может быть не больше чем примерно 0,50, не больше чем примерно 0,25, не больше чем примерно 0,10, не больше чем примерно 0,06, не больше чем примерно 0,05, или не больше чем примерно 0,04. В наиболее предпочтительном варианте осуществления настоящего изобретения, L=1, но H существенно больше чем 1, например H равно по меньшей мере 5, или Н равно по меньшей мере 10, или H равно по меньшей мере 15, или Н равно по меньшей мере 20, или H равно по меньшей мере 25. Фиг.5 иллюстрирует конкретный пример, где L=1 и H=16. Как будет понятно специалисту, выбор соответствующих значений для L и Н будет зависеть от различных параметров сканирования конкретного аппарата и используемого метода сканирования. Такие параметры сканирования включают в себя, например, тип сканирования, характеристики тока и напряжения источника рентгеновских лучей (мА и kVp), шаг, время вращения, фильтр восстановления или свертки, какой(ие) объект(ы) визуализируется(ются) и т.п.

Когда отношение L:H существенно меньше чем 1, основная проблема угловой субдискретизации проекций высокой и низкой энергии все еще существует. Проекции низкой энергии очень редки, в то время как проекции высокой энергии часто не совсем полные, хотя последние могут быть почти полными.

В контексте настоящей заявки "низкая" энергия и "высокая" энергия являются относительными, а не абсолютными дескрипторами. То есть уровень E_l "низкой" энергии меньше, чем уровень E_h "высокой" энергии, и уровень E_h "высокой" энергии больше, чем уровень E_l "низкой" энергии. Эти два уровня энергии E_l, E_h не обязательно ниже или выше, чем любые другие калибровочные данные. Кроме того, специалистам будет понятно, что любой данный пучок рентгеновских лучей, как правило, будет состоять из фотонов рентгеновских лучей, имеющих распределение энергий; они не будут иметь точно одну и ту же энергию. Таким образом, ссылка на энергию пучка рентгеновских лучей относится к некоторой характеристике распределения энергии в пучке рентгеновских лучей, например, наиболее заметной энергии, средней энергии, наивысшей энергии и тому подобному.

Как уже говорилось, энергия Е пучка рентгеновских лучей изменяется путем модуляции напряжения (kVp), подаваемого на источник рентгеновских лучей. Быстрое kVp-переключение, как описано здесь, однако может неблагоприятным образом вызвать трудности в согласовании шумовых характеристик между спектральными КТ данными низкой энергии и высокой энергии. Это объясняется тем, что многие доступные в настоящее время КТ системы не могут модулировать ток (мА) источника рентгеновских лучей с той же скоростью, что и напряжение (kVp) источника рентгеновских лучей. Ток источника рентгеновских лучей определяет интенсивность пучка рентгеновских лучей. Несмотря на эти аппаратные трудности в некоторых вариантах может быть полезным модулировать напряжение источника рентгеновских лучей (то есть энергию пучка) и ток (т.е. интенсивность пучка) одновременно.

Например, во многих случаях данные 306 проекции низкой энергии являются гораздо более зашумленными, чем данные 304 проекции высокой энергии. Чтобы уменьшить отношение сигнал-шум, интенсивность пучков рентгеновских лучей низкой энергии, I_l, может быть больше, чем интенсивность пучков рентгеновских лучей высокой энергии, I_h. В других вариантах осуществления интенсивность пучков низкой и высокой энергии может быть одинаковой. В других вариантах осуществления интенсивность пучков рентгеновских лучей низкой энергии может быть меньше, чем интенсивность пучков рентгеновских лучей высокой энергии.

Возвращаясь к фиг. 3, на следующих и опциональных этапах 308 и 310 наборы данных 304 и 306 соответственно анализируются для удаления шума из данных. Поскольку данные 304, 306 проекции включает в себя сводную информацию о структуре визуализируемого объекта, высокая чувствительность к структурам низкого контраста в данных формирования изображения может быть полезной. Таким образом, алгоритм кластеризации низкого контраста (LCC) находящейся на рассмотрении предварительной патентной заявки США 61/418,422, озаглавленной “Contrast to Noise Ration (CNR) Enhancer”, поданной 1 декабря 2010, является привлекательным вариантом для выполнения этапов 308 и 310. Эта заявка включена в настоящий документ посредством ссылки в отношении ее раскрытия алгоритма LCC и других методов оценки шума. Вообще говоря, алгоритм LCC состоит из трех основных этапов: моделирование шума, оценивание локальной структуры и кластеризация. На этапе моделирования шума данные 304, 306 анализируется для оценки образца шумов данных. На этапе оценивания локальной структуры данные 304, 306 обрабатываются для улучшения отношения локального контраста к шуму по всем данным. На этапе кластеризации выполняется окончательная кусочно-гладкая аппроксимация данных. Этот алгоритм LCC обеспечивает высокую чувствительность к структурам низкого контрастна в данных формирования изображения.

В качестве альтернативы алгоритму LCC любой из нескольких хорошо известных алгоритмов удаления шума с сохранением края может быть использован на этапе 308 и/или этапе 310. Такие алгоритмы включают двустороннюю фильтрацию, такую как описано C. Tomasi and R. Manduchi, "Bilateral Filtering for Gray and Color Images", Proceedings of the 1998 IEEE International Conference on Computer Vision; диффузный фильтр, такой как раскрыто в P. Perona and J. Malik, “Scale-Space and Edge Detection Using Anisotropic Diffusion”, IEEE Transactions on Pattern Analysis and Machine Intelligence, vol. 12, no. 7 (1990), pp. 629-38; удаление шума на основе полной вариации, как раскрыто в L. Rudin, S.Osher, E.Fatemi, “Nonlinear Total Variation Based Noise Removal Algorithms”, Physica D, vol.60 (1992), pp.259-268; или алгоритм сдвига среднего значения, как раскрыто в D. Comaniciu and P. Meer, “Mean Shift: a Robust Approach Toward Feature Space Analysis”, IEEE Transactions on Pattern Analysis and Machine Intelligence, vol. 24, no. 5 (2002), pp. 603-619. Каждая из публикаций включена в настоящий документ посредством ссылки в отношении их соответствующего раскрытия касательно алгоритмов удаления шумов.

На следующем этапе 312 процесса 300, как показано на фиг. 3, оценивается пропуск данных в субдискретизированном с высоким kVp наборе данных 304 проекции. Если L существенно меньше, чем Н, то набор данных 304 проекции с высоким kVp почти полный. На самом деле, если Н достаточно велико, то этап 312 оценивания может быть опущен. Однако если оценивание набора данных 304 проекции с высоким kVp желательно или необходимо, то обычный метод направленной интерполяции выполняет оценивание весьма хорошо. Различные альтернативные методы для линейной или нелинейной интерполяции биомедицинских данных формирования изображения были предложены в литературе.

Такие публикации включают в себя:

Каждая из этих публикаций включена в настоящий документ посредством ссылки в отношении соответствующих раскрытий касательно методов интерполяции данных.

Одним из наиболее привлекательных методов в контексте настоящей заявки является метод Bertram и др., в котором тензор структуры используется для оценки направления изменения значения серого в локальных окрестностях, и затем эта информация используется для направленной интерполяции. Если опциональные этапы 308, 310 удаления шума были выполнены, то этап 312 интерполяции выполняется на данных 304 проекции с высоким kVp, из которых удален шум. Несмотря на это, интерполяция 312 приводит к получению оцененного полностью дискретизированного набора данных проекции с высоким kVp.

На следующем этапе 314 процесса 300, как показано на фиг. 3, оцениваются отсутствующие данные в субдискретизированном наборе данных 306 проекции с низким kVp. Когда L существенно меньше, чем H, набор данных 306 проекции с низким kVp является разреженным. В предпочтительном варианте осуществления, эта оценка 314 выполняется с использованием метода интерполяции структурного распространения, который распространяет структурную информацию данных 304 высокого kVp на данные 306 низкого kVp. Существует по меньшей мере три различных метода для выполнения этого этапа 314: метод сохранения направления градиента, метод преобразования локального сходства и метод ближайшего соседа.

Что касается метода сохранения направления градиента, базовым принципом этого метода является то, что структурная информация сканируемого объекта захватывается градиентами данных 304 проекции высокого kVp. Таким образом, границы между различными объектами в пределах данных формирования изображения, такими как различные органы или ткани, определяются направлениями градиентов. Поэтому метод сохранения направления градиента оценивает недостающие данные в данных 306 низкого kVp с учетом ограничений, что направления градиента соответствуют направлениям градиента данных 304 проекции высокого kVp. Этот принцип может быть аппроксимирован путем минимизации следующего выражения:

где L - рентгенограмма венозных синусов, состоящая из данных 306 проекции низкого kVp, H - соответствующая рентгенограмма венозных синусов данных 304 проекции высокого kVp, i - индекс по отсчетам детектора, j - индекс по углам проекции, L_m - множество выборок отсутствующих данных в данных 306 проекции низкого kVp, и w - весовая функция, которая является монотонно возрастающей функцией.

Однако вышеуказанная проблема минимизации может быть плохо обусловленной или сингулярной, дающей неуникальное решение. Для того чтобы получить надежные решения, функция регуляризации может быть включена в минимизацию, так что:

где Ψ является функцией регуляризации, определенной следующим образом:

и где ε - малое число. Проблема минимизации уравнения 2 может быть эффективно разрешена с использованием взвешенного линейного метода наименьших квадратов.

В минимизации выражения уравнения 2 используется центральная аппроксимация конечных разностей для аппроксимации производных в уравнении 1. Однако прямая и обратная аппроксимации конечных разностей также могут быть использованы, чтобы обеспечить возможность обработки сегмент за сегментом рентгенограммы венозных синусов. В этом контексте сегмент рентгенограммы венозных синусов определяется как "отсутствующие" данные проекции низкого kVp между двумя смежными измерениями данных проекции низкого kVp. Сегмент рентгенограммы венозных синусов показан, например, на фиг. 6 на этапе 602. Этот чертеж показывает репрезентативную рентгенограмму венозных синусов 600 набора данных 306 проекции низкого kVp при L=1 и H=16. По горизонтальной оси представлены углы проекции, а вертикальная ось представляет данные, зарегистрированные детектором при каждом угле. Таким образом, каждая вертикальная линия 604 данных на фиг. 6 соответствует одному из углов проекции низкого kVp. Пространство между вертикальными линиями соответствует 16 чередованиям проекций высокого kVp, плюс одна проекция при каждом переходе между низкой и высокой энергиями для в общей сложности 18 углов проекции, составляющих каждый сегмент рентгенограммы венозных синусов.

Обращаясь теперь к методу преобразования локального подобия, основополагающее предположение этого метода состоит в том, что недостающие данные в наборе данных 306 проекции низкого kVp могут быть локально аппроксимированы преобразованием подобия набора данных 304 проекции высокого kVp. Преобразование локального подобия оценивается для каждого из сегментов линии в рентгенограмме венозных синусов проекции низкого kVp, где линейный сегмент является сегментом строки в секции рентгенограммы венозных синусов между двумя смежными измерениями проекции низкого kVp. Это показано, например, на фиг.6 на этапе 606. В большинстве случаев преобразование локального подобия является менее точным, чем метод сохранения направления градиента, но он является также более простым и быстрым.

В одном применении метода преобразования локального подобия, пусть Lⁱ является i-м сегментом линии длины H+4 в наборе данных 306 проекции низкого kVp рентгенограммы венозных синусов, которая была получена при L=1 двойной схемы kVp. Следует отметить, что все элементы, кроме первой и последней записей Lⁱ, пустые (отсутствующие отсчеты). Пусть Hⁱ является соответствующим сегментом линии в наборе данных 304 рентгенограммы венозных синусов проекции высокого kVp. Преобразование локального подобия в этом случае может быть определено двумя параметрами: параметром α масштаба и параметром t переноса. Эти два параметра оцениваются следующим образом:

Как только параметры преобразования оценены, недостающие отсчеты набора данных 306 проекции низкого kVp оцениваются следующим образом:

Этот метод может быть применен надежно и очень эффективно по всей рентгенограмме венозных синусов, поскольку параметры преобразования оцениваются с использованием выражения в замкнутой форме.

Обращаясь теперь к методу ближайшего соседа, основополагающее предположение этого метода состоит в том, что недостающие данные в наборе данных 306 проекции низкого kVp могут быть локально аппроксимированы преобразованием переноса набора данных 304 проекции низкого kVp. В этом методе преобразование локального переноса оценивается для каждой точки данных в рентгенограмме венозных синусов низкого kVp с использованием подхода ближайшего соседа. Для каждой точки недостающих данных в наборе данных 306 проекции низкого kVp оптимальные траектории оцениваются по рентгенограмме венозных синусов высокого kVp. Например, на фиг. 7 показана часть 700 репрезентативной рентгенограммы венозных синусов набора данных 304 проекции низкого kVp при L=1 и H=16. Таким образом, области 702 соответствуют частям данных 304 высокого kVp, тогда как другие области 704 соответствует частям данных 306 проекции низкого kVp. Другими словами, в соответствующей рентгенограмме венозных синусов проекции низкого kVp (не показана) области 702 являются отсутствующими точками данных, в то время как области 704 содержат точки данных. Так, например, в точке 706 отсутствуют данные низкого kVp, которые, следовательно, должны быть оценены для 706 точки. Траектории 708, 710 начинаются в текущей точке 706 данных и заканчиваются в двух не пропущенных точках данных низкого kVp, в смежных областях 704, соответствующих двум разным углам проекции. Оптимальные траектории оцениваются с использованием алгоритмов быстрого прохода. Функция энергии алгоритма быстрого прохода зависит от подобия точек по всей траектории к текущей отсутствующей точке данных, а также зависит от кривизны траектории. После того как траектории оценены, две конечные точки траектории используется для оценки двух преобразований переноса от данных 304 высокого kVp к данным 306 низкого kVp. Два преобразования используются для оценивания двух оценок для отсутствующей точки данных низкого kVp. Окончательная оценка вычисляется с использованием взвешенного среднего этих двух оценок, где вес каждой оценки представляет собой значение затрат на траекторию к другой конечной точке.

В одном приложении метода ближайшего соседа, пусть C(.) - функция затрат, зависящая от подобия окрестности двух точек данных и от локальной кривизны траектории. Тогда для каждой пропущенной точки р данных в наборе данных 306 проекции низкого kVp выполняют оценку следующим образом. С использованием алгоритма быстрого прохода и функции С(.) затрат оценить оптимальные траектории T^- и Т⁺ в наборе данных 304 рентгенограммы венозных синусов проекции высокого kVp от элемента данных, соответствующего точке р данных, до элементов данных, которые соответствуют двум не пропущенным точкам данных низкого kVp двух разных углов проекции. Оценить значение пропущенной точки данных с помощью преобразований переноса следующим образом:

где Т⁺ _end и Т^- _end - конечные точки траекторий T⁺ и T^- соответственно.

На следующих этапах 316 и 318 алгоритма 300, как показано на фиг. 3, шум вводится обратно в данные 304 и 306 (предполагается, что опциональные этапы 308 и 310 были использованы), где L:H существенно меньше чем 1, набор данных 304 высокого kVp почти полный. Таким образом, для проекций высокого kVp шум может быть просто добавлен обратно к данным на этапе 316. Для набора данных 306 низкого kVp, где проекции очень разреженные, оценка шума также очень разреженная. Таким образом, оценка шума из данных проекции высокого kVp может быть добавлена к данным проекции низкого kVp. Однако согласование шума между спектральными данными низкой и высокой энергии может быть затруднено из-за ограничений современных КТ систем, которые не могут модулировать ток (мА) источника рентгеновских лучей с той же скоростью, как напряжение (kVp) источника рентгеновских лучей. Для того чтобы преодолеть эту трудность, оценка шума высокого kVp может быть умножена на коэффициент компенсации, который установлен, чтобы компенсировать разности между уровнями шума. Коэффициент компенсации шума может зависеть, например, от спектра трубки рентгеновских лучей, системы фильтров, сканируемого объекта и профиля поглощения спектра каждого из спектральных бинов энергии. После умножения шум от данных проекции высокого kVp может быть добавлен к данным проекции низкого kVp для получения окончательной оценки на этапе 318.

После того как все недостающие данные оценены, результатом процесса 300 является оцененный полный набор данных 320 проекции высокого kVp и оцененный полный набор данных 322 низкого kVp. Эти наборы данных 320, 322 могут быть использованы в широком спектре доступных приложений КТ двойной энергии. Такие приложения включают в себя, например, восстановление отфильтрованных обратных проекций изображений высокой и низкой энергии, разделение материалов, восстановление монохроматического изображения, восстановление изображения базового материала, удаление кости, йодные отображения, виртуальные неконтрастные изображения (VNC), электронную очистку двойной энергии, характеризацию поражения и другие приложения. Одно из преимуществ, достигнутых способами, описанными в настоящем документе, состоит в том, что полные оцененные наборы данных 320, 322 определяются без необходимости восстановления субдискретизированных наборов данных 304, 306 или выполнения любого другого восстановления изображения.

Изобретение было описано со ссылкой на предпочтительные варианты осуществления. Очевидно, что модификации и изменения могут быть созданы на основе изучения настоящего детального описания. Например, хотя вышеописанный предпочтительный вариант осуществления представляет собой спектральное КТ приложение двойной энергии, эта концепция в равной мере применима и к спектральной КТ более высокого порядка. То есть она применима для трех энергий, четырех энергий и в других контекстах, где используется более двух уровней энергии. Например, может иметься один высокий уровень энергии, но два различных низких уровня энергии, чтобы повысить чувствительность системы.

Предполагается, что изобретение может быть истолковано как включающее все такие модификации и изменения постольку, поскольку они входят в объем прилагаемой формулы изобретения или ее эквивалентов. Изобретение может принимать форму различных композиций, компонентов и компоновок, комбинаций и субкомбинаций элементов раскрытых вариантов осуществления.

1. Способ восстановления изображения компьютерной томографии двойной энергии, причем способ содержит:
выполнение сканирования формирования изображения, в котором L последовательных углов проекции измеряются при низкой энергии рентгеновских лучей и Н последовательных углов проекции измеряются при высокой энергии рентгеновских лучей чередующимся образом, где L существенно меньше, чем Н, для генерации набора данных проекции низкой энергии, содержащего измерения углов проекции при низкой энергии, и набора данных проекции высокой энергии, содержащего измерения углов проекции при высокой энергии;
оценивание субдискретизированной части набора данных проекции низкой энергии, чтобы сформировать оцененный полный набор данных проекции низкой энергии, причем оценивание низкой энергии выполняется без восстановления изображения набора данных проекции низкой энергии или набора данных проекции высокой энергии.

2. Способ по п. 1, в котором рентгеновские лучи низкой энергии и рентгеновские лучи высокой энергии попеременно формируются с помощью быстрого переключения диапазона киловольт в максимуме (kVp) источника рентгеновских лучей.

3. Способ по п. 1, дополнительно содержащий удаление шумов из набора данных проекции низкой энергии, затем оценивание субдискретизированной части, чтобы генерировать оцененный полный набор данных низкой энергии и затем введение шума в оцененный полный набор данных проекции низкой энергии.

4. Способ по п. 1, в котором оценивание субдискретизированной части набора данных проекции низкой энергии содержит интерполяцию структурного распространения на основе набора данных проекции высокой энергии.

5. Способ по п. 4, в котором интерполяция структурного распространения содержит любое одно или более из сохранения направления градиента, преобразования локального подобия и вычисления ближайшего соседа.

6. Способ по п. 1, в котором L/H равно более чем около 0,5.

7. Способ по п. 6, в котором напряжение, прикладываемое к источнику рентгеновских лучей, изменяется, чтобы формировать рентгеновские лучи низкой энергии и рентгеновские лучи высокой энергии, причем способ дополнительно содержит изменение тока, прикладываемого к источнику рентгеновских лучей, так что интенсивность рентгеновских лучей низкой энергии больше, чем интенсивность рентгеновских лучей высокой энергии.

8. Способ по п. 1, дополнительно содержащий оценивание субдискретизированной части набора данных проекции высокой энергии, чтобы сформировать оцененный полный набор данных проекции высокой энергии, причем оценивание высокой энергии выполняется без восстановления изображения набора данных проекции низкой энергии или набора данных проекции высокой энергии.

9. Система восстановления изображения компьютерной томографии двойной энергии, причем система содержит программное обеспечение, воплощенное на материальном носителе, считываемом
компьютером, причем программное обеспечение содержит логику, чтобы:
принимать и сохранять в памяти данные формирования изображения компьютерной томографии двойной энергии, полученные при сканировании формирования изображения, в котором L последовательных углов проекции измеряются при низкой энергии рентгеновских лучей и Н последовательных углов проекции измеряются при высокой энергии рентгеновских лучей чередующимся образом, где L существенно меньше, чем Н, для генерации набора данных проекции низкой энергии, содержащего измерения углов проекции при низкой энергии, и набора данных проекции высокой энергии, содержащего измерения углов проекции при высокой энергии;
оценивать субдискретизированную часть набора данных проекции низкой энергии, чтобы сформировать оцененный полный набор данных проекции низкой энергии, причем оценивание низкой энергии выполняется без восстановления изображения набора данных проекции низкой энергии или набора данных проекции высокой энергии.

10. Система по п. 9, в которой сканирование формирования изображения выполняется с использованием быстрого kVp-переключения источника рентгеновских лучей, чтобы попеременно формировать рентгеновские лучи низкой энергии и рентгеновские лучи высокой энергии.

11. Система по п. 9, дополнительно содержащая логику для удаления шумов из набора данных проекции низкой энергии, затем оценивания субдискретизированной части, чтобы генерировать оцененный полный набор данных проекции низкой энергии, и затем введения шума в оцененный полный набор данных проекции низкой энергии.

12. Система по п. 11, дополнительно содержащая логику для выполнения удаления шума с использованием любого одного или более из алгоритма кластеризации низкого контраста, билатеральной фильтрации, диффузионного фильтра, удаления шума полной вариации и алгоритма сдвига среднего значения.

13. Система по п. 9, в которой L/H равно более чем около 0,5.

14. Система по п. 13, в которой сканирование формирования изображения выполняется путем изменения напряжения, прикладываемого к источнику рентгеновских лучей, чтобы формировать рентгеновские лучи низкой энергии и рентгеновские лучи высокой энергии, и изменения тока, прикладываемого к источнику рентгеновских лучей, так что интенсивность рентгеновских лучей низкой энергии больше, чем интенсивность рентгеновских лучей высокой энергии.

15. Система по п. 9, в которой программное обеспечение дополнительно содержит логику для оценивания субдискретизированной части набора данных проекции высокой энергии, чтобы сформировать оцененный полный набор данных проекции высокой энергии, причем оценивание высокой энергии выполняется без восстановления изображения набора данных проекции низкой энергии или набора данных проекции высокой энергии.