本發(fā)明涉及一種用于減少對象的、例如人體的構(gòu)件或器官的斷層圖像和/或體繪制中的噪聲的方法。在此必須將一方面噪聲和另一方面散射偽影及待示出的對象結(jié)構(gòu)相區(qū)分。校正的基礎是多個受散射影響的投影圖像數(shù)據(jù)組，如例如可以用計算機斷層成像設備產(chǎn)生的投影圖像數(shù)據(jù)組。

背景技術：

在X射線計算機斷層成像(CT)中，噪聲和散射會在對象的重建斷層圖像或數(shù)字體積模型中造成明顯的偽影。一系列用于散射校正的方法使用了基于差的方法，其中，通過測量或仿真確定在各個投影圖像數(shù)據(jù)組中存在哪些散射偽影。所測量或仿真的散射信號、即投影中的散射分量然后被從各個投影圖像中減去。然而，散射校正的投影圖像具有較小的信噪比(SNR-信噪比)并且在隨后的重建中、即在計算斷層圖像或者體積模型時引起明顯較大的圖像噪聲。散射的所描述的、基于減法的后驗校正例如可以基于蒙特卡洛仿真、散射的一階確定性計算或者以點擴散函數(shù)為基礎的卷積算法。例如也可以基于模體來測量輻射探測器上的散射分量分布。

已知的方法具有的缺點是，僅能估計大面積的、即空間上低頻的散射信號，并且信噪比在通過對所測量信號和散射信號求差而得到的校正后投影中劣化、即降低。這在所重建的斷層圖像或者體積模型中可見，由此所繪制的對象的結(jié)構(gòu)的細節(jié)可識別性會喪失。這些結(jié)構(gòu)信息可以是重要的初級信息，在對象的斷層圖像或體繪制中減小散射偽影時應該保持該初級信息。

技術實現(xiàn)要素：

本發(fā)明的任務是減小在校正散射偽影時形成或者出現(xiàn)的噪聲。

該任務通過獨立權(quán)利要求的主題來解決。本發(fā)明的有利的擴展方案通過從屬權(quán)利要求的特征給出。

根據(jù)本發(fā)明，從開頭描述的對象的多個受散射影響的投影圖像數(shù)據(jù)組出發(fā)。受散射影響的指的是受散射偽影影響的或者換言之受偽影影響的。每個投影圖像數(shù)據(jù)組在此可以分別從一個不同的投影角度示出對象的投影，并且可以包括投影圖像的各個圖像點的2D投影數(shù)據(jù)。這種投影例如可以用X射線C形臂計算機斷層成像設備來產(chǎn)生。在根據(jù)本發(fā)明的方法中，從這種受散射影響的投影圖像數(shù)據(jù)組形成至少一個受散射影響的斷層圖像。換言之，首先保留或者忽視散射分量，并且將投影圖像數(shù)據(jù)組組合或者關聯(lián)成單個斷層圖像或者多個斷層圖像，即體積模型。這例如可以借助已知的反投影或者Feldkamp算法實現(xiàn)。附加地，借助一個預先給出的校正方法、例如開頭描述過(例如射線硬化)和從現(xiàn)有技術中已知的校正方法形成至少一個初步的散射校正過的斷層圖像。換言之，在各個投影圖像數(shù)據(jù)組上進行第一校正，這然后在接下來的重建中以開頭描述的方式引起散射校正過的斷層圖像，其具有較小的SNR、即較為明顯的噪聲。

根據(jù)本發(fā)明，現(xiàn)在基于在受散射影響的斷層圖像中繪制的對象的邊緣輪廓，借助濾波器選擇性地在至少一個散射校正過的斷層圖像中或者在描述散射偽影的偽影圖中平滑噪聲。這具有的優(yōu)點是，利用來自至少一個受散射影響的斷層圖像中的初級信息，其中，受散射影響的斷層圖像與散射校正之后相比具有較好的SNR。邊緣輪廓在本發(fā)明的上下文中一般化地指借助投影圖像數(shù)據(jù)組繪制的對象結(jié)構(gòu)，即，對象的外部邊緣以及內(nèi)部的邊緣輪廓。平滑在本發(fā)明的上下文中理解為減小空間或位置上的亮度動態(tài)，即，對亮度分布的位置或空間頻率進行低通濾波。對象例如可以是人體或動物體的一個器官或多個器官，或者是構(gòu)件或者材料樣本。

根據(jù)本發(fā)明的方法的一個變型方案，為了平滑噪聲而根據(jù)邊緣輪廓借助自適應濾波器區(qū)域特定地對散射校正過的斷層圖像進行平滑。區(qū)域特定地意味著，相比于不包含結(jié)構(gòu)決定的邊緣或者包括的結(jié)構(gòu)決定的邊緣少至使得例如散射偽影占主導的均勻區(qū)域，散射校正過的斷層圖像的包含由于對象結(jié)構(gòu)而存在的邊緣的區(qū)域被較弱地平滑。

本發(fā)明的該第一變型方案的優(yōu)點是，提供了散射校正過的斷層圖像的自適應平滑，該自適應平滑也使用來自至少一個未校正的、即受散射影響的斷層圖像的結(jié)構(gòu)信息。相對于僅將校正后的數(shù)據(jù)組用作用于抑制噪聲的濾波的基礎的方法而言，可以實現(xiàn)在具有小的信噪比或SNR的圖像部分中也實現(xiàn)邊緣識別，因為未校正的體積或者斷層圖像具有明顯較少噪聲，使得可以可靠地識別和利用結(jié)構(gòu)信息。

可以將任何能夠通過一個或多個參數(shù)調(diào)節(jié)其平滑度的濾波器用作自適應濾波器。特別合適的是總體方差濾波器(Total-Variance-Filter)，借助其也在使用關于對象的三維結(jié)構(gòu)信息的條件下對對象的三維體積模型進行平滑。

為了控制自適應濾波器，優(yōu)選地為了適配濾波器而產(chǎn)生平滑掩模，其對于一個散射校正過的斷層圖像或者多個散射校正過的斷層圖像的多個不同的像素(圖像元素-Picture Elements)或者體素(體素-Volume Elements)預先給出平滑度，即這樣的值，該值說明了應該多強地補償在相鄰像素或體素之間的亮度差異。

根據(jù)該方法的一個實施形式給出了一個特別可靠的用于形成這種平滑掩模的方法，即，形成每個受散射影響的斷層圖像和/或每個散射校正過的斷層圖像的梯度值。

替選于平滑散射校正過的斷層圖像本身，根據(jù)該方法的第二變型方案，在平滑中基于借助散射校正過的斷層圖像形成的偽影圖，即，首先估計偽影圖，其描述了在至少一個受散射影響的斷層圖像中的哪里存在散射偽影。然后對該估計、即偽影圖進行平滑，以便由此改進對散射偽影的估計。

為此，在該方法的一個實施形式中設有，為了形成偽影圖而將至少一個受散射影響的斷層圖像與對應的至少一個散射校正過的斷層圖像彼此相減，隨后借助濾波器對該(未平滑)的偽影圖進行平滑。為了然后從中獲得對象的改進的成像而優(yōu)選地通過將濾波后的偽影圖從至少一個受散射影響的斷層圖像中減去而形成新的、噪聲減少且散射校正過的斷層圖像。

替選地，根據(jù)另一實施形式，從在投影圖像數(shù)據(jù)組之前的測量中，或者從與投影圖像數(shù)據(jù)組不同的數(shù)據(jù)組、尤其是計算機斷層成像設備的結(jié)構(gòu)數(shù)據(jù)組中獲得偽影圖。結(jié)構(gòu)數(shù)據(jù)組例如可以是CAD規(guī)劃(CAD-計算機輔助設計)。這具有的優(yōu)點是，對于確定偽影圖不再需要對象，并且由此可以事先和與對象無關地建立偽影圖。

如已經(jīng)闡述的，可以為了形成至少一個初步的散射校正過的斷層圖像而將從現(xiàn)有技術中已知的方法用作校正方法。優(yōu)選地，例如使用基于減法的散射校正，借助其可以從投影圖像數(shù)據(jù)組中減去所估計的散射信號。該方法允許對散射偽影進行可靠的第一估計，可以借助根據(jù)本發(fā)明的方法從該第一估計出發(fā)，來基于區(qū)域特定的平滑獲得改進的估計。

在至此對本發(fā)明的描述中，在一方面對象的示圖與另一方面斷層圖像之間進行區(qū)分。原因是，平滑后的、散射校正過的斷層圖像或者剛描述過的新的、噪聲減少且散射校正過的斷層圖像(如借助濾波后的偽影圖所形成的那樣)不一定要是對象的最終示圖。更確切而言，優(yōu)選地設有，確定最終的斷層圖像或者體繪制，方法是，基于投影圖像數(shù)據(jù)組借助迭代的重建方法形成散射校正過的斷層圖像，并且其中，在該重建方法的多個或者所有重建步驟或者迭代中借助濾波器對各個中間結(jié)果進行平滑，即，對散射校正過的斷層圖像或者相關的偽影圖進行平滑。在后一種情況中，在此借助偽影圖計算新的斷層圖像并且為后面的迭代提供基礎。

適于作為合適的迭代重建方法的包括ART方法(ART-代數(shù)重建技術)、SART方法(SART-同時的代數(shù)重建技術)和統(tǒng)計方法，例如最大似然性重建法。迭代方法在使用平滑濾波器的情況下相對于基于反投影(例如濾波反投影和Feldkamp算法)的方法具有的優(yōu)點是，在每個迭代步驟后重新從所測量的投影圖像數(shù)據(jù)組中訪問初級信息，并且由此可以校正之前過強平滑的結(jié)構(gòu)，這些結(jié)構(gòu)曾被無意地當做例如散射偽影或者其它的、不希望的初級信息平滑掉了，由此這些結(jié)構(gòu)又可以較好地被識別。

如已經(jīng)闡述的，根據(jù)本發(fā)明的方法不限于各個斷層圖像中的散射校正。斷層圖像根據(jù)該方法的一個優(yōu)選實施形式從受散射影響的和散射校正過的體積模型中被取得，使得后者同樣在成像精度方面被改進。

本發(fā)明還包括計算機斷層成像設備，其具有用于從不同投影角度照射對象的輻射源。計算機斷層成像設備例如可以是基于X射線的，即輻射源是X射線源，但是例如也可以是基于正電子的。此外，根據(jù)本發(fā)明的計算機斷層成像設備具有輻射探測器，其用于探測射線和產(chǎn)生被透照的對象的多個投影圖像數(shù)據(jù)組。這種輻射探測器例如可以是X射線平面探測器。

根據(jù)本發(fā)明，在計算機斷層成像設備中設有，將分析裝置設計為基于投影數(shù)據(jù)組執(zhí)行根據(jù)本發(fā)明的方法的一個實施形式。根據(jù)本發(fā)明的計算機斷層成像設備由此在重建(對對象的斷層圖像示圖或者3D體繪制的計算)中有利地產(chǎn)生散射校正過的體積或者散射校正過的斷層圖像，其相比于沒有根據(jù)本發(fā)明的噪聲減少的情況給出了更好的噪聲特性。

然而該方法的應用明顯不限于準備CT投影數(shù)據(jù)，而是也可以用于在任意投影數(shù)據(jù)中減少噪聲。

附圖說明

下面描述本發(fā)明的實施例。附圖中：

圖1示出了根據(jù)本發(fā)明的計算機斷層成像設備的一個實施形式的示意圖，

圖2示出了用于闡明根據(jù)本發(fā)明的方法的第一實施形式的草圖，例如圖1的計算機斷層成像設備可以執(zhí)行該方法的第一實施形式，以及

圖3示出了用于闡明根據(jù)本發(fā)明的方法的第二實施形式的草圖，例如圖1的計算機斷層成像設備可以執(zhí)行該方法的第二實施形式。

具體實施方式

下面闡述的實施例涉及本發(fā)明的一個優(yōu)選實施形式。在該實施例中，然而該實施形式的所描述的組件示出了本發(fā)明的各個可以相互獨立待觀察的特征，其也可以彼此獨立地擴展本發(fā)明和由此也可以單個地或者以不同于所示的組合地被視為本發(fā)明的組成部分。此外，可以通過本發(fā)明的其它已經(jīng)描述的特征補充所描述的實施形式。

圖1示出了根據(jù)本發(fā)明的計算機斷層成像設備或簡稱斷層成像設備10的一個實施形式，其可以具有X射線系統(tǒng)12、分析裝置14和顯示裝置16、例如顯示器。X射線系統(tǒng)12例如可以是X射線C形臂系統(tǒng)，其可以具有以可圍繞旋轉(zhuǎn)軸R旋轉(zhuǎn)的方式安置的C形臂18，在該C形臂上在一端布置有X射線源20并且在對置的一端布置有X射線探測器22、例如X射線平面探測器。分析裝置14例如可以是處理器裝置、例如數(shù)字計算器或計算機。

借助斷層成像設備10例如可以檢查患者的身體。在所示出的示例中為了闡述而示出了患者的頭部24。然而被透照的對象也可以源自非人體區(qū)域。例如可以透照和示出構(gòu)件或材料或化學藥品。

借助X射線系統(tǒng)12可以從不同的投影角度通過運行X射線源20和借助X射線探測器22接收頭部24的投影獲得X射線拍攝。為此，為了沿著行駛路徑W移動X射線源20和為了控制投影角度，可以將C形臂18圍繞旋轉(zhuǎn)軸R在旋轉(zhuǎn)運動28中在所希望的角度間隔中旋轉(zhuǎn)0度至200度，并且在合適的角度位置上產(chǎn)生頭部24的拍攝。

X射線探測器22通過每次拍攝分別產(chǎn)生2D X射線圖像數(shù)據(jù)P1、P2、P3，其被傳輸?shù)椒治鲅b置24。拍攝、即X射線圖像數(shù)據(jù)P1、P2、P3和對于其他投影角度產(chǎn)生的X射線圖像數(shù)據(jù)(其屬于一個單個的遍歷、即旋轉(zhuǎn)運動28)通過分析裝置24例如借助反投影或者Feldkamp重建組合成3D體積模型30，其說明了關于頭部24的各個體積元素相對于X射線源20的X射線輻射而言的吸收特性或者衰減特性。這種衰減值的單位例如是HU(Hounsfield單位)。

從體積模型30中例如可以形成頭部24的斷層圖像32，借助顯示裝置16可以顯示其。

體積模型30在斷層成像設備10中具有特別少的散射分量或者偽影分量，卻具有與在沒有散射校正情況下形成的體積模型相似或相同的信噪比。為此，分析裝置14可以執(zhí)行下面兩個借助圖2和圖3闡述的方法之一。

兩個下面闡述的方法基于從現(xiàn)有技術中已知的用于散射校正的方法。例如，在此可以實現(xiàn)基于軟件的解決方案，例如基于蒙特卡洛模擬方案、決定性計算或者已經(jīng)描述的變型方案中的另一個。也可以實施基于測量的散射確定，其例如可以基于束闌陣列(Beam-Stop-Array)或者時間初級調(diào)制(TPM)。

所有已知的基于減法的散射校正方法通常都提供兩個完整的CT投影數(shù)據(jù)組，其中的每個都可以以所描述的方式示出具有對象的X射線投影的兩維圖像數(shù)據(jù)的的投影圖像數(shù)據(jù)組。其中一個例如是具有較高噪聲的散射校正過的投影數(shù)據(jù)組，另一個投影數(shù)據(jù)組是沒有散射校正、然而具有較小噪聲的CT數(shù)據(jù)組。

下面描述的方法的目標是，基于散射校正過的投影在迭代的CT重建內(nèi)、例如在ART重建方案之后將自適應體積濾波器用于噪聲減少。自適應體積濾波器可以在考慮受散射影響的數(shù)據(jù)組的條件下從總體方差(TV)的局部最小化中形成。這意味著，在均勻的區(qū)域中使用與帶有結(jié)構(gòu)的體積區(qū)域中相比更強的平滑。平滑的程度在此可以借助受散射影響的數(shù)據(jù)組來確定。

在第一步驟中，在兩個方法中首先在拍攝CT投影(即2D-X射線圖像數(shù)據(jù)P1、P2、P3)時使用基于減法的散射校正方法。這提供了兩個所提及的完整的CT投影數(shù)據(jù)組，即一個具有散射校正過的投影的數(shù)據(jù)組和另一個具有受散射影響的投影的數(shù)據(jù)組。

在第二步驟中，現(xiàn)在將迭代的CT重建應用于兩個投影數(shù)據(jù)組。由此，在每個迭代步驟之后出現(xiàn)兩個體積或者體積模型Funcorr、Fcorr，其中，體積模型Funcorr是受散射影響的體積模型并且體積模型Fcorr是散射校正過的體積模型。迭代重建方法可以基于所提及的方法之一，例如ART方法。

現(xiàn)在以圖2中闡明的方式或者以圖3中闡明的方式來實現(xiàn)第三步驟。

在根據(jù)圖2的第一變形方案中，在每次迭代后對散射校正過的體積Fcorr執(zhí)行自適應平滑。自適應在此意味著，平滑運算使用未校正的體積模型Funcorr的結(jié)構(gòu)信息。這在下面詳細闡述。

可以將包含邊緣的總體方差濾波器用作體積模型Fcorr的體積平滑的基礎，如在更下面闡述的那樣?？傮w方差濾波器在另一上下文中例如從Sidky等的出版物中已知(Emit Y.Sidky,Chien-Min Kao,Xiaochuan Pan:“Accurate image reconstruction from few-use and limited-angle data in divergent-beam CT”,Journal of X-ray Science and Technology,14卷,第119-139頁,2006)。

在每次迭代步驟之后將輻射校正的體積模型Fcorr的總體方差(TV)最小化。如在每次體積濾波中那樣，在此存在的風險是，同樣將主要的初級信息、即關于所繪制的身體結(jié)構(gòu)的信息平滑和由此使得其難以識別。為了避免這一點，現(xiàn)在可以使用第二、未散射校正的體積模型Funcorr。通過將兩個體積模型Funcorr和Fcorr相關聯(lián)，現(xiàn)在基本上可以在一個體積模型中識別下面的兩個區(qū)域：

-包含與身體24有關的主要結(jié)構(gòu)信息的區(qū)域(例如骨骼結(jié)構(gòu))，

-局部均勻的區(qū)域，即沒有顯著的結(jié)構(gòu)信息的區(qū)域。

可以與第二組(均勻區(qū)域)對應的單個斷層圖像的像素或者整個體積模型的體素現(xiàn)在與來自第一組(結(jié)構(gòu))的區(qū)域相比被更強地平滑。為了將這兩個區(qū)域相互區(qū)別，可以如下進行：

可以按照下面的公式計算平滑掩模Axyz。

按照該公式，首先計算兩個體積模型Fcorr和Funcorr(散射校正過的和未校正過的)中的衰減值的梯度，并且接下來將梯度的絕對值按體素或者像素相加。從中獲得的體積模型現(xiàn)在被很強地平滑，這通過算子()_平滑來表達。該平滑例如又通過將和的總體方差最小化來實現(xiàn)。然而也可以將其他平滑算法用于體積平滑或者2D平滑。該平滑在具有高梯度(即梯度的絕對值的大的值)和由此主要的結(jié)構(gòu)信息的區(qū)域中引起高或大的值，并且在具有很少結(jié)構(gòu)的區(qū)域中引起很小的值。

接下來，基于平滑掩模Axyz，通過將總體方差TV最小化來區(qū)域特定地平滑散射校正過的體積模型，這通過下面的公式給出：

其中，信息Fxyz代表體積模型Fcorr的體素值，即，x,y,z給出了體積模型Fcorr中的坐標或者體素序號。在上面的公式中給出的值F被最小化，這通過||F||_TV來表達。例如可以利用梯度下降方法進行最小化。合適的方法從現(xiàn)有技術中充分已知。

由此獲得的新的散射校正過的體積模型Fcorr現(xiàn)在可以用作迭代的CT重建的下次迭代的基礎。在所有迭代結(jié)束時獲得了體積模型30。例如可以基于多于10次、尤其多于50次迭代。

替選于借助平滑掩模Axyz將值最小化的步驟，可以執(zhí)行下面的變型方案來作為第三步驟，即用于產(chǎn)生具有高信噪比的散射校正過的體積模型30的第二變型方案，為此參見圖3。

上面的計算兩個體積模型Funcorr和Fcorr的步驟在每次迭代步驟之后提供兩個體積、即散射校正過的Fcorr和未校正過的Funcorr。這兩個3D數(shù)據(jù)組如已經(jīng)描述那樣具有下面的特性：Funcorr在從測量裝置中形成的正常的噪聲分量和高的散射偽影分量的情況下具有高信噪比，該高的散射偽影分量在軸向?qū)又型ǔ１桓兄獮楦邔Ρ榷葘ο笾g的(低頻的)徑向梯度或者陰影結(jié)構(gòu)。Fcorr是在很大程度上沒有散射偽影的，然而具有比Funcorr更高的圖像噪聲。

現(xiàn)在描述的替選方案在于，將兩個體積模型融合為使得有利的圖像特性傳輸?shù)饺诤系慕Y(jié)果中。最終體積模型的低頻圖像分量從Fcorr獲得，以及其高頻圖像分量從Funcorr獲得。為了魯棒性地執(zhí)行該融合可以執(zhí)行下面的方法：

在步驟3a中可以計算差體積模型Fdiff＝Funcorr–Fcorr。差體積模型示出了偽影圖，其中基本上只能看見通過散射形成的偽影效果。然而，還可以獲得器官的對象結(jié)構(gòu)的視圖作為較為(空間上)高頻的對比度變化曲線。

在步驟3b中，可以將被識別為不屬于偽影Fdiff的圖像分量從Fdiff中移除。尤其，通過使用低通濾波器TP將高頻的圖像分量從Fdiff移除，其中在此將2D高斯濾波器或者2D中值濾波器作為圖像濾波器用于斷層圖像，并且可以將相應的3D變型用于對整個體積模型進行濾波。也還可以再將總體方差的最小化應用于Fdiff。由此濾波過的差體積模型在此稱作Fdiff2。

濾波過的差體積模型Fdiff2現(xiàn)在描述了對通過散射產(chǎn)生的偽影分量的更好估計。

接下來在步驟3c中，可以通過減去上面確定的偽影體積Fdiff2來校正初始的、未校正的體積模型Funcorr。融合的圖像體積模型由此可以計算為：

Ffinal＝Funcorr–Fdiff2。

在步驟3a、3b和3c之后，將從3c獲得的最終體積模型Ffinal隨后在迭代CT重建的迭代步驟中用作新的散射校正過的體積模型。在最后一次迭代之后呈現(xiàn)的最終體積模型Ffinal是體積模型30。

通過兩個方法主要給出了下面三個改進：

1)方法組合，該方法組合考慮校正過和未校正的體積模型，從而可以在兩個體積模型中都識別相關的噪聲特性來用于獲得區(qū)域特定的平滑，因為該噪聲特性涉及身體24的重要結(jié)構(gòu)。

2)該區(qū)域特定的平滑尤其可以借助平滑掩模Axyz構(gòu)建為對于每個像素或者體素局部地變化，使得可以考慮局部的結(jié)構(gòu)或者細節(jié)密度。

3)通過補充或者嵌入到用于X射線斷層成像的迭代重建方法中而得到了附加的優(yōu)點，即，過強地平滑的結(jié)構(gòu)在下一迭代步驟中又被變得可見，因為在該下一迭代步驟中又從未校正的投影圖像數(shù)據(jù)中將這些結(jié)構(gòu)接收到體積模型中。

根據(jù)本發(fā)明的方法的核心優(yōu)點是，對校正過的體積模型的自適應平滑訪問未校正的體積模型的結(jié)構(gòu)信息。散射偽影由原理決定地是不清晰的，并且不改變身體的小的、清晰地限界的結(jié)構(gòu)的邊緣信息。由此獲得這些結(jié)構(gòu)并且可以從未校正的體積模型提取這些結(jié)構(gòu)而在此不包含散射偽影。由此，不會通過噪聲抑制而將偽影傳回校正過的體積模型。

根據(jù)作為基礎的用于確定散射校正的方法，不需要與有規(guī)律的拍攝相比的附加測量時間，并且盡管做了校正還是達到了與未校正情況中幾乎相同的噪聲特性。圖像結(jié)構(gòu)在更大范圍中，甚至在小的對比度-噪聲比的情況下保持不變，并且在這些圖像區(qū)域中并未通過平滑被移除。該方法并不限于單個的方法并且原則上可以與所有迭代的重建方法組合。由此，也可以與其它校正方法組合。

總體上于是通過該實施例描述了在迭代的CT重建內(nèi)，在基于差的散射校正中，借助自適應總體方差來進行噪聲抑制。