移动CT系统的自主扫描方法、存储介质和CT扫描装置与流程

本发明涉及医学成像技术领域，具体涉及一种移动ct系统的自主扫描方法、存储介质和ct扫描装置。

背景技术：

ct医学成像系统自20世纪70年代发明了之后经过了长足的进步，扫描速度从开始要几分钟到现在的0.2秒。探测器排数也从开始的单排双排，到现在的64排，128排，甚至256排。这其中的变化不单单是系统硬件的升级换代，系统的图像重建技术也带来了革命性的变化。初期的ct系统由于只有一排探测器，所以x射线束是扇形束，所用到的重建技术也都是二维的扇形束重建技术。因为每次只能扫描一层，整个扫描需要很长的时间，后来多排ct引入就是为了加快扫描的速度，比如16排，32排的系统[1]。

通常的ct系统都必须是固定在地面上的，这给ct系统的使用带来了很大限制。因此，近年来推出了移动ct系统，整个ct系统能够自主移动，尤其是适合在重症监护室中使用。目前已经有三星的移动ct系统在医院中应用。和传统的固定ct系统不同的是，移动ct系统是通过自主移动的机架来实现对患者的扫描。通常采用步进或者螺旋扫描方式。步进扫描就是，机架扫描一圈，然后机架整体移动一定的距离。螺旋扫描方式就是在机架旋转的过程中，机架也在沿着病床的方向移动。

现有的系统需要特制的导轨，扫描范围有限，通常只有10-20cm左右，对于要求更大扫描移动范围的比如四肢的扫描30-50cm，导轨的方法不能使用。而且特制的导轨需要额外的成本，对机械加工的要求也比较高。因此采用没有导轨限制的可移动ct系统具有更大的灵活性，但是没有了导轨的提供精确定位，机器的轨迹就很难保证。现有的图像重建技术，基于经典的重建理论，基于圆周扫描或者螺旋扫描。这些重建技术都是针对固定式ct系统，因此也就要求专用ct系统必须基于专用的导轨来实现精确的移动，对机械加工的精度，和工艺要求都比较高。如果移动ct系统中没有导轨的精确移动，基于传统ct算法会带来严重的伪影和几何失真。如果不对这些运动加以矫正就会带来严重的伪影和几何失真。

技术实现要素：

技术目的：针对的不足，本发明公开了一种移动ct系统的自主扫描方法，应用于移动ct系统中，进行连续螺旋扫描，并获得满足临床要求的ct图像。

技术方案：为实现上述技术目的，本发明采用了如下技术方案：

一种移动ct系统的自主扫描方法，其特征在于，包括步骤：

(1)对患者进行摆位，使用移动ct系统对患者进行扫描：

病床在扫描过程中保持静止状态，扫描机架停止旋转的情况下，对患者进行1个或多个角度的定位像扫描；每个角度下，扫描机架沿病床方向移动，获得n个定位像的扫描数据；

(2)根据两个以上的定位像的扫描数据，利用图像配准算法计算扫描机架的运动误差；根据求出的运动误差参数，采用定位像重建方法，对投影数据进行位置修正、平移和旋转，然后把投影数据映射到旋转中心，并对投影数据进行加权滤波，得到消除了运动畸变的校正定位像；

(3)医生根据校正定位像选定扫描区域，扫描机架匀速旋转之后，继续沿病床方向移动并进行曝光，实现对患者的螺旋ct扫描，获得ct扫描数据；

(4)将步骤(3)中获得的与定位像角度相同的ct扫描数据，与步骤(1)获得的定位像的扫描数据进行配准计算，得出当前扫描机架的位置相对于病床的几何位置，修正扫描机架的运动模型；

(5)根据步骤(4)得到的修正后的运动模型，对步骤(3)得到的ct扫描数据进行重建得到最终图像。

优选地，所述步骤(2)和步骤(4)中，图像配准算法均采用基于图像灰度的配准算法、基于图像特征的配准算法、基于对图像理解和解释的配准方法中的任一种。

优选地，所述步骤(2)和步骤(4)中，图像配准算法均采用加速稳健特征surf算法，包括步骤：

在相邻两个图像中定位得到多个特征点；

特征点方向匹配，根据特征点位移向量，计算图像的形变参数，公式为：

(x，z)为第n个图像中特征点的坐标位置，(x′，z′)为第n+1个图像与第n个图像匹配的特征点的坐标位置，其中θ为图像的旋转角度，角度表示扫描机架平面的旋转误差，δx′，δz′表示图像在x和z方向的位移；

采用最小二乘法或者powell算法对δx，δz和θ参数优化，得到投影图像的变换参数；

通过以下公式，映射机架的位移误差：

m表示病床上的标记点距离旋转中心的距离，sid表示射线源到旋转中心的距离，sdd表示射线源到探测器的距离。

优选地，所述步骤(4)中，对图像进行处理时，以检查床为基准，建立直角坐标系。

优选地，所述步骤(1)中，选取0度和90度进行定位像扫描，对应的定位像分别用于估计扫描数据中组织器官在不同方向上的位置。

优选地，获得病床标记点的步骤包括：

定义扫描过程中扫描机架和病床的相对位置关系；

在投影数据中对病床的边缘或者标记点进行自动检测识别；

在检测到每个角度的投影数据中的标记点或者边缘的位置之后，利用检测到的位置信息来和理论计算的进行对比，引入扫描机架的运动模型和运动误差mse函数；

利用梯度下降法或牛顿法对mse函数进行求解，使病床的关键点的轨迹和实际在投影图像上自动检测得到的误差在预设范围内。

优选地，所述移动ct系统配置用于检测扫描机架当前位置信息的传感装置，根据传感装置的反馈，估计和修正扫描机架的运动轨迹，然后再进行步骤(4)的配准计算。

一种存储介质，其特征在于，所述存储介质存储有至少一个可被处理器执行的指令，所述至少一个指令被处理器执行时，实现所述的移动ct系统的自主扫描方法。

一种ct扫描装置，其特征在于，所述ct扫描装置包括存储器和处理器，所述存储器用于存储至少一个指令，所述处理器用于执行所述至少一个指令以实现如所述的移动ct系统的自主扫描方法。

有益效果：由于采用了上述技术方案，本发明具有如下技术效果：

1)本发明的目的是通过自动检测移动ct扫描的轨迹，利用真实的扫描空间几何信息对整个扫描区域进行图像重建；

2)本发明充分利用了相邻定位像之间的相关性，进行图像的配准和位置校正，得到一个真实的定位像，从而计算出每个定位像扫描数据对应的几何位置，利用这些数据作为模板数据导引，为后续的ct扫描数据提供匹配的基准；

3)本发明通过定位像扫描数据和ct扫描数据的比对来估计真实的运动轨迹，即利用扫描过程中采集的投影数据中的图像信息来匹配特征点的几何结构，反推相对运动轨迹；

4)采用本发明的方法，对临床数据修正，获得的重建图像中重叠伪影和条纹伪影等能够得到明显抑制。

附图说明

图1为本发明的移动ct系统的自主扫描方法的流程图；

图2是本发明采用的坐标系的结构示意图；

图3是利用surf算法进行图像配准时特征点及其匹配结果的示意图；

图4是旋转中心平面内病床关键点及其投影的示意图；

图5是定位像重建误差更正前后的定位像对比图；

图6是定位像以及其对应角度下的ct扫描数据的示意图；

图7是临床数据修正前后的扫描数据的对比图；

图8是病床的边缘及其标记点的示意图；

图9是对病床的边缘或者标记点进行识别的方法一示意图；

图10是对病床的边缘或者标记点进行识别的方法一示意图；

图11是病床关键点/边缘的位置在坐标系中位置关系的示意图。

具体实施方式

本发明的目的是通过自动检测移动ct扫描的轨迹，利用真实的扫描空间几何信息对整个扫描区域进行图像重建。对于定位像扫描，在扫描过程中，机架只有水平的运动，球管和探测器固定在给定的角度随着机架整体平移，比如0度或者90度的位置。由于只有水平的移动，相邻定位像之间的相关性很多。可以利用图像的相关性，比如图像处理中常用的sift，surf准则等，进行图像的配准和位置校正。这样就可以得到一个真实的定位像，从而计算出每个定位像扫描数据对应的几何位置，利用这些数据作为模板数据导引，为后续的ct扫描数据提供匹配的基准。

结合图1所示的流程图，本发明的扫描方法包括步骤：

1、对患者进行摆位，并准备用移动ct系统对患者进行扫描。

2、机架停止旋转的情况下，对患者进行一个或多个角度的定位像的扫描(预扫描)，每个角度下的定位像扫描，机架沿病床方向移动并曝光，得到n个view的扫描数据。

3、利用图像配准算法+定位像重建技术，来校正机架的运动误差，重建得到没有运动畸变的定位像图像。在此基础上，通过两个以上的定位像可以估计得到每个定位像数据的相对空间位置，为后续的ct扫描提供基准数据，如0度定位像可以估计组织器官的x和z的位置，90度定位像可以估计组织器官y和z的位置。

图像配准方法大概分为：基于图像灰度的配准算法，基于图像特征的配准算法以及基于对图像理解和解释的配准方法。以基于图像特征点的方法为例，方向梯度直方图算法(histogramoforientedgridients，hog)、局部二值模式算法(localbinarypattern，lbp)、尺度不变特征转换算法(scaleinvariantfeaturetransform，sift)、加速稳健特征算法(speededuprobustfeatures，surf)等。利用surf算法进行图像配准的具体实现流程为：定位局部特征点、特征点方向匹配、生成特征点描述符、特征点匹配、变换参数优化。特征点及其匹配结果如图3所示。

首先，定义扫描过程中机架和病床的相对位置关系：

检查床在扫描过程中是静止的，因此以检查床建立直角坐标系(x_tab，y_tab，z_tab)方向，如图2所示。

通常情况下，屏蔽室的地面足够平坦，扫描过程中，整个扫描机架的运动可以近似为在平面上的二维移动和平面上的转动，这个可以通过xc(n)，zc(n)，θ(n)来表示。

xc(n)是扫描平面中心在第n个view的时刻，处于病床坐标系的x位置。

zc(n)是扫描平面中心在第n个view的时刻，处于病床坐标系的z位置。

θ是扫描平面中心在第n个view的时刻，处于病床坐标系的角度位置。

检查床上的标记点a、b，或者边缘，在探测器上的投影位置是a′、b′。

图像配准算法得到多个特征点，根据特征点位移向量计算图像的形变参数具体公式如下：

(x，z)为第n个view特征点的坐标位置，(x′，z′)为第n+1个view与第n个view匹配的特征点的坐标位置，采用最小二乘法或者powell算法等对δx，δz和θ参数优化，得到投影图像的变换参数。其中θ为图像的旋转角度，该角度表示机架平面的旋转误差，δx′，δz′表示图像在x和z方向的位移，通过以下公式映射为机架的位移误差。

a点为病床上的标记点，其距离旋转中心的距离已知由m表示，射线源到旋转中心的距离为sid，射线源到探测器的距离为sdd，同理机架运动误差δz可以根据δz′求出。

定位像重建技术根据已求出的误差参数，对投影数据进行位置修正平移和旋转，然后把投影数据映射到旋转中心，并对投影数据进行加权滤波得到定位像图像。如图5所示误差更正前后的定位像对比。

4、医生在根据定位像选定的扫描区域之后，在机架匀速旋转之后，启动机架的移动装置。尽量保持机架沿着病床的方向直线运动并进行曝光，实现对患者的螺旋ct扫描。

5、在整个扫描过程中，机架的移动通过轮式或其他机械装置移动机架沿着病床的方向“直线”运动实现螺旋扫描。

6、扫描的过程中，如果机器配有光学，imu等传感器，可以根据传感器的反馈估计和修正运动轨迹。(这个步骤不是必须的，如果没有传感器可以不需要)。

7、在基于以上估计轨迹的基础上，运动的轨迹可以进一步精确完善。

如通过定位像扫描数据和ct扫描数据的比对来估计真实的运动轨迹，概括来说，该方法是利用扫描过程中采集的投影数据中的图像信息来匹配特征点的几何结构，反推相对运动轨迹。为了能对扫描轨迹进行估计，这个方法是利用扫描数据和定位像的数据来进行比对的。在ct扫描过程中，提取所有和定位像相同角度的投影数据，并把这个数据和定位像的数据进行匹配，从而计算出当前扫描位置相对于病床的几何位置。

定位像以及其对应角度下的ct扫描数据如下：

裁剪选取与ct扫描数据相同z位置的定位像roi区域，用步骤3中所采用的方法对定位像和ct扫描数据进行配准计算，得到当前扫描位置相对病床的几何位置。由于定位像扫描的角度有限，如仅仅有0度和90度定位像，由于机架运动是连续的，所以其他角度的机架误差可以通过插值的方法得到。

8、根据更加精确的行动轨迹，对fbp类算法进行修改，增加反投误差修正，对图像进行重建得到最终图像。

以c点图像为例，其平面坐标位置(x，y)，其距离远点的距离为角度为在视角θ下其投影在探测器上的位置为：

当机架存在如上运动误差时，

同理根据相应的操作可以修正z方向的误差和旋转误差。

临床数据修正结果如图8所示，重叠伪影和条纹伪影得到明显抑制。

此外，本发明中，病床上的标记点可通过在投影数据中对病床的边缘或者标记点进行自动检测识别获得，如图8所示。检测的方法可以是下面的两种方法之一：

1)在投影数据中，通常可以根据投影的衰减程度和边缘检测算子，找到图像中的标记点的位置；如图9所示，采集的投影数据，经过了基本的预处理，比如坏点矫正，空气矫正等步骤，得到上图中左边的图像p，这个图像经过了边缘增强算子的锐化，得到边缘的强度和方向信息。为了能够找到检查床的边缘，对垂直方向的边缘，根据角度信息进行强化这样就可以得到检查床的边缘区域。

2)如图10所示，在投影数据中，通过锐化，边缘提取+阈值分割来识别每个标记点的位置。采集的投影数据，经过了基本的预处理，比如坏点矫正，空气矫正等等步骤，得到上图中左边的图像p，这个图像经过了边缘增强算子的锐化，得到边缘的强度。为了能够找到特征点(通常有一定的衰减值)的区域检查床的边缘，对边缘的强度和衰减强度都进行比对，就能找到这些标记点的区域。

在检测到每个角度的投影数据中的标记点或者边缘的位置之后，就可以利用这些信息来和理论计算的进行对比。

其中扫描机架在扫描过程中的运动关系可以通过多种方式来表示，比如多项式，分段线性函数等等，这里只是利用多项式来进行举例。

xc(n)＝cx0+cx1n+cx2n²+cx3n³+cx4n⁴

yc(n)＝cy0+cy1n+cy2n²+cy3n³+cy4n⁴

θc(n)＝cθ0+cθ1n+cθ2n²+cθ3n³+cθ4n⁴

其中n是当前投影的索引值，即第n个投影。其中cxi，cyi，cθi是多项式需要求解的系数。求解的目标就是在已知运动轨迹的情况下，得到的病床的关键点的轨迹和实际在投影图像上自动检测得到的误差尽可能小。这个误差可以采用常见的误差指标来衡量，比如mean-square-error(mse)，或者l1范数误差等。

a′、b′都是通过投影数据直接检测得到的关键点/边缘的位置。a，b是根据当前扫描机架和检查床的相对位置计算得到的位置，∠an表示过a点和球管焦点连线到探测器中心线的夹角∠bn，过b点和球管焦点连线到探测器中心线的夹角。如图11所示。

其中sid是扫描机架球馆到旋转中心的距离，y0tab是床板的平面到旋转中心沿着y方向的距离，β是当前投影的旋转角度。

对于运动轨迹的估计，就是求解的过程就是利用常规的优化方法来，尽量减少测量值和估计值之间的误差(上面所叙述的mse)。这里可以采用梯度下降法，牛顿法等方法来迭代求解。

以上所述仅是本发明的优选实施方式，应当指出：对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。