用于光谱计算机断层摄影的多种物质分解的制作方法

本发明涉及一种用于基于光谱数据的物质分解的计算机系统，涉及一种成像装置，涉及一种基于光谱数据的物质分解的方法，涉及一种计算机程序单元，以及涉及一种计算机可读介质。

背景技术：

1、光谱(或多能量)x射线成像利用记录在两个或更多个能量图像中表示相应的两个或更多个能量窗口的物质密度的光谱信息。在一种类型的光谱成像(称为双能量成像)中，考虑了两个这样的能量图像。双能量成像可被用于ct(计算机断层摄影)或放射摄影中。

2、在光谱成像中，人们使用衰减值依赖被成像的物质和x光辐射的能量这一事实。在光谱成像中获得的能量图像可被处理成其他类型的有用的光谱图像，如单色图像、物质抵消图像(material cancellation images)、有效原子序数图像、电子密度图像以及其他。

3、随着最近的技术进步，有许多方法来执行双能量ct成像，如双源、快速kvp切换和双层探测器配置。在两个以上的能量窗口的光谱成像能够通过例如使用光子计数探测器设备来完成。

4、另一种类型的光谱成像包括物质分解，其中能量图像被处理成物质图，在该物质图中对比度由特定物质类型的数量和浓度来调节。这允许与被扫描对象有关的定量成像，以了解其物质组成。

5、光谱成像可被用于物质特定图像数据分割。

6、r.alvarez等人在“energy selective reconstructions in x-raycomputerized tomography”(“phys.med.biol”，第21卷，第733-744页(1976年))中提出了物质分解方案，该方案被表述为线性方程组的解，从而准确地实现分解为两种不同物质。

7、作为扩展，可以使用附加的体积守恒约束，这允许解决三种物质分解的问题。例如，参见liu x等人的“quantitative imaging of element composition and massfraction using dual-energy ct:three-material decomposition”(“med phys”，第36(5)卷，第1602-1609页(2009))。

8、有多个医疗应用需要将物质分解为三种以上物质，例如血液、脂肪、水、空气、骨和造影剂。例如，肝脏-脂肪定量(lfq)要求区分四种物质：肝脏组织、血液、脂肪和造影剂。另一个要求对三种以上物质进行多物质分解的临床应用示例是虚拟无增强图像(vui)，其中存在比如骨、软组织、脂肪和造影剂等物质。p.等人在“a flexible method formulti-material decomposition of dual-energy ct images”(发表于“ieeetransactions on medical imaging”，第33卷，第1期(2014))中报告了vui。

9、然而，对于双能量成像(如双能量ct)，通常分解为三种以上物质是不适定的确定性问题。例如参见c.liguori等人的“emerging clinical applications of computedtomography”(“med devices(auckl)”，第8卷，第265-278页(2015))。

10、许多现存的物质分解方法只能够区分两种或者最多三种物质。

技术实现思路

1、因此，在光谱成像中可能有改进的需要。

2、本发明的目的是由独立权利要求的主题解决的，其中另外的实施例被纳入从属权利要求中。应该指出的是，本发明的以下描述的方面同样应用于成像装置、基于图像的物质分解的方法、计算机程序单元和计算机可读介质。

3、根据本发明的第一方面，本发明提供了一种用于基于光谱图像的物质分解的计算机系统，该计算机系统包括：

4、统计模块，该统计模块被配置为按照输入光谱图像中的每个图像块将一组概率分布拟合到相应图像块的相应矢量光谱图上，该图像块是输入光谱图像中的多个图像块之一，该输入光谱图像是通过光谱成像装置的操作获得的，以及该概率分布可组合成指示输入光谱图像中的每个图像位置的物质类型概率的概率图。输入光谱图像通常是多维数据，其中每个图像位置与两个或更多个值相关联。光谱图像可包括两个或更多个能量图像。

5、光谱成像装置是被配置为用于光谱成像的x射线成像装置，如双能量成像装置或带有光子计数电路的装置，或其他。

6、这些图像块可由在光谱图像平面上限定的图像块来限定。图像块是在空间域中光谱图像的一族(真)子集。图像块可以有任何形状或大小，以及一些或全部可以重叠，或可以是连续的。图像块之间的一些重叠允许更稳健的拟合。该族图像块可不覆盖整个图像平面。图像块限定器可使用核函数来限定图像块。

7、每个光谱图的概率分布模型的数量指示了所述图像块的不同物质类型的数量。有利地，在实施例中，该数量可以是四个或更多个，从而允许物质分解成至少四种物质，这对医疗应用来说是有用的。

8、在实施例中，该系统包括组合器，该组合器被配置为将概率分布组合成概率图，该概率图指示输入光谱图像中的每个图像位置的物质类型概率。

9、在实施例中，组合器被配置为执行组合操作，以按照图像中的每个图像位置将拟合到包括相应图像位置的那些图像块的光谱图上的该组概率分布进行组合，从而获得概率图。每个图像块可使用单个这样的模型来限定部分概率图。通过使用包含相应图像位置的多个部分模型可获得全局概率图。可使用包括相应图像位置的所有图像块的光谱图。组合操作可被理解为总体平均(ensemble averaging)，其中部分模型被组合成一个全局模型。

10、在优选的实施例中，组合器的组合操作包括基于每个图像位置的概率分布的似然值，调整概率分布对概率图的一个或多个贡献。具体地，在实施例中，组合操作包括对每个图像位置的概率分布进行平均。可以使用加权平均法，并至少是相对降低权重。具有低似然值的概率分布可以被降低权重和/或具有更高似然值的概率分布可以被赋予更高的权重。可以使用带有阈值的硬调整方案(hard-adaption-scheme)来代替这种软调整方案(soft-adaption-scheme)，其中低于阈值的贡献被忽略。通过降低或消除相对较低的似然值的贡献来调整一个或多个贡献允许更稳健的拟合。在计算概率图时，调整性组合操作倾向于具有足够样本的“良好统计”的图像块。

11、在实施例中，该系统包括分类器，该分类器被配置为根据物质类型对概率分布进行分类。

12、在实施例中，统计模块被配置为基于最大似然算法来拟合概率分布。

13、在实施例中，所述最大似然算法包括期望-最大[em]算法。

14、在实施例中，基于度量(metric)建立每个光谱图的概率分布的数量。可以是i)贝叶斯模型选择度量和ii)信息理论模型选择度量中的任一个。

15、替代性地，所述数量是预先设定或预先限定的。该数量可以由用户通过用户界面提供。该数量可以在[3，4，5]或其他范围内。

16、在实施例中，该组概率分布可表示混合模型。

17、在实施例中，概率分布是高斯分布。

18、混合模型包括不同概率分布的加权和。该组概率分布可被参数化。拟合操作可包括基于相应光谱图中的信息来调整参数。

19、在另一方面，本发明提供了一种成像装置，该成像装置包括x射线双能量成像装置，以及根据前述权利要求中的任一项所述的系统。

20、在另一方面，本发明提供了一种基于光谱数据的物质分解的计算机实现方法，该计算机实现方法包括：按照输入光谱图像中的每个图像块将一组概率分布拟合到相应图像块的相应矢量光谱图上，该图像块是由光谱成像装置的操作获得的输入光谱图像中的多个图像块之一，该概率分布可组合为指示输入光谱图像中的每个图像位置的物质类型概率的概率图。该方法可进一步包括将概率分布组合成指示输入光谱图像中的每个图像位置的物质类型概率的概率图中。

21、在实施例中，该方法包括在光谱图像中限定图像块。

22、在实施例中，该方法包括形成光谱图。

23、在实施例中，该方法包括按照图像中的每个图像位置，将拟合到包括相应图像位置的那些图像块的光谱图的该组概率分布进行组合，从而得到概率图。

24、所提出的系统和方法将统计混合模型(如高斯类型(gmm))应用到原始光谱图像的空间限定子集(在此称为图像块)的光谱域中的光谱图中。

25、光谱图像的空间域中的每个像素/体素都有两个或更多个特征，其中这些特征中的每个都是在相应的能量窗口中对该像素/体素的物质密度所做的测量。在双能量成像的情况下，测量是在低能量窗口和高能量窗口中执行的，并且每个空间像素在二维光谱域中由双坐标像素表示。在双能量成像的情况下，这些在低能量窗口和高能量窗口中的测量允许计算与被扫描组织相互作用的x射线的光电衰减和散射分量，这继而为多种临床应用提供了附加的信息。通常，在n个不同能量窗口中的多能量测量限定了从被扫描体积的空间域到n维光谱域的变换s。光谱域中s的图像将像素的密度表示为测量值组合的函数，或者，在离散情况下，表示为相对于测量值组合的直方图。

26、所提出的系统使用统计学方法来解决光谱域中的点的聚类(cluster)问题，其中每个聚类可以归于一个单独的物质类型。基于这种聚类，人们可以限定原始图像的像素/体素的概率以表示某种物质。具体地，所得出的局部或部分模型可被用于计算部分物质类型概率图。通过对原始图像的像素的所得出的部分概率进行平均，可以计算出全局概率图。这种逐图像块的方法促进了更好的稳健性和对多物质分解的不适定性的管理，尤其是对多于三种物质的分解。作为一次处理整个图像的替代，所提出的部分逐图像块的方法促进了部分模型的更好收敛，每个模型都由相应一组概率分布(如高斯分布)来限定。所产生的高斯混合模型已被发现产生了良好的效果。所得出的拟合的概率分布被发现比全局方法更好地局部化，且高斯分布的范围更小。更集中的高斯分布继而允许更准确的物质类型分类。高斯分布以外的概率分布可被用来作为替代或另外使用。

27、在另一方面，本发明提供了一种计算机程序单元，该计算机程序单元在被至少一个处理单元执行时适于使处理单元执行根据上述任何一个实施例所述的方法。

28、在另一方面，本发明还提供了一种计算机可读介质，其上存储有程序单元。

29、定义

30、“用户”涉及人，如医务人员或其他，其操作成像装置或监督成像过程。换句话说，用户通常不是患者。

31、“物体”在本文中在通常意义上包括有生命的“物体”，如人类或动物患者/受试者，或其解剖部位，但也可包括无生命的物体，如安全检查中的行李或非破坏性材料测试或成分分析中的产品。然而，本文将主要参照医学领域来讨论所提出的系统，因此我们将把“物体”称为“患者/受试者”或患者的一部分，如患者的解剖结构或器官，或患者的一组解剖结构或器官。

32、“物质分解”是用于了解被成像物体的物质组成的基于图像的技术。本文使用的“物质”包括元素物质或化合物，或这些物质的混合物。物质分解是基于光谱图像的，该光谱图像是多维的，在被扫描体积的每个像素/体素中包括多于一个值，与非光谱图像相反，非光谱图像在每个像素/体素中只包括一个值。