断层图像中的噪声抑制的制作方法

本发明涉及一种用于减少对象的、例如人体的构件或器官的断层图像和/或体绘制中的噪声的方法。在此必须将一方面噪声和另一方面散射伪影及待示出的对象结构相区分。校正的基础是多个受散射影响的投影图像数据组，如例如可以用计算机断层成像设备产生的投影图像数据组。

背景技术：

在X射线计算机断层成像(CT)中，噪声和散射会在对象的重建断层图像或数字体积模型中造成明显的伪影。一系列用于散射校正的方法使用了基于差的方法，其中，通过测量或仿真确定在各个投影图像数据组中存在哪些散射伪影。所测量或仿真的散射信号、即投影中的散射分量然后被从各个投影图像中减去。然而，散射校正的投影图像具有较小的信噪比(SNR-信噪比)并且在随后的重建中、即在计算断层图像或者体积模型时引起明显较大的图像噪声。散射的所描述的、基于减法的后验校正例如可以基于蒙特卡洛仿真、散射的一阶确定性计算或者以点扩散函数为基础的卷积算法。例如也可以基于模体来测量辐射探测器上的散射分量分布。

已知的方法具有的缺点是，仅能估计大面积的、即空间上低频的散射信号，并且信噪比在通过对所测量信号和散射信号求差而得到的校正后投影中劣化、即降低。这在所重建的断层图像或者体积模型中可见，由此所绘制的对象的结构的细节可识别性会丧失。这些结构信息可以是重要的初级信息，在对象的断层图像或体绘制中减小散射伪影时应该保持该初级信息。

技术实现要素：

本发明的任务是减小在校正散射伪影时形成或者出现的噪声。

该任务通过独立权利要求的主题来解决。本发明的有利的扩展方案通过从属权利要求的特征给出。

根据本发明，从开头描述的对象的多个受散射影响的投影图像数据组出发。受散射影响的指的是受散射伪影影响的或者换言之受伪影影响的。每个投影图像数据组在此可以分别从一个不同的投影角度示出对象的投影，并且可以包括投影图像的各个图像点的2D投影数据。这种投影例如可以用X射线C形臂计算机断层成像设备来产生。在根据本发明的方法中，从这种受散射影响的投影图像数据组形成至少一个受散射影响的断层图像。换言之，首先保留或者忽视散射分量，并且将投影图像数据组组合或者关联成单个断层图像或者多个断层图像，即体积模型。这例如可以借助已知的反投影或者Feldkamp算法实现。附加地，借助一个预先给出的校正方法、例如开头描述过(例如射线硬化)和从现有技术中已知的校正方法形成至少一个初步的散射校正过的断层图像。换言之，在各个投影图像数据组上进行第一校正，这然后在接下来的重建中以开头描述的方式引起散射校正过的断层图像，其具有较小的SNR、即较为明显的噪声。

根据本发明，现在基于在受散射影响的断层图像中绘制的对象的边缘轮廓，借助滤波器选择性地在至少一个散射校正过的断层图像中或者在描述散射伪影的伪影图中平滑噪声。这具有的优点是，利用来自至少一个受散射影响的断层图像中的初级信息，其中，受散射影响的断层图像与散射校正之后相比具有较好的SNR。边缘轮廓在本发明的上下文中一般化地指借助投影图像数据组绘制的对象结构，即，对象的外部边缘以及内部的边缘轮廓。平滑在本发明的上下文中理解为减小空间或位置上的亮度动态，即，对亮度分布的位置或空间频率进行低通滤波。对象例如可以是人体或动物体的一个器官或多个器官，或者是构件或者材料样本。

根据本发明的方法的一个变型方案，为了平滑噪声而根据边缘轮廓借助自适应滤波器区域特定地对散射校正过的断层图像进行平滑。区域特定地意味着，相比于不包含结构决定的边缘或者包括的结构决定的边缘少至使得例如散射伪影占主导的均匀区域，散射校正过的断层图像的包含由于对象结构而存在的边缘的区域被较弱地平滑。

本发明的该第一变型方案的优点是，提供了散射校正过的断层图像的自适应平滑，该自适应平滑也使用来自至少一个未校正的、即受散射影响的断层图像的结构信息。相对于仅将校正后的数据组用作用于抑制噪声的滤波的基础的方法而言，可以实现在具有小的信噪比或SNR的图像部分中也实现边缘识别，因为未校正的体积或者断层图像具有明显较少噪声，使得可以可靠地识别和利用结构信息。

可以将任何能够通过一个或多个参数调节其平滑度的滤波器用作自适应滤波器。特别合适的是总体方差滤波器(Total-Variance-Filter)，借助其也在使用关于对象的三维结构信息的条件下对对象的三维体积模型进行平滑。

为了控制自适应滤波器，优选地为了适配滤波器而产生平滑掩模，其对于一个散射校正过的断层图像或者多个散射校正过的断层图像的多个不同的像素(图像元素-Picture Elements)或者体素(体素-Volume Elements)预先给出平滑度，即这样的值，该值说明了应该多强地补偿在相邻像素或体素之间的亮度差异。

根据该方法的一个实施形式给出了一个特别可靠的用于形成这种平滑掩模的方法，即，形成每个受散射影响的断层图像和/或每个散射校正过的断层图像的梯度值。

替选于平滑散射校正过的断层图像本身，根据该方法的第二变型方案，在平滑中基于借助散射校正过的断层图像形成的伪影图，即，首先估计伪影图，其描述了在至少一个受散射影响的断层图像中的哪里存在散射伪影。然后对该估计、即伪影图进行平滑，以便由此改进对散射伪影的估计。

为此，在该方法的一个实施形式中设有，为了形成伪影图而将至少一个受散射影响的断层图像与对应的至少一个散射校正过的断层图像彼此相减，随后借助滤波器对该(未平滑)的伪影图进行平滑。为了然后从中获得对象的改进的成像而优选地通过将滤波后的伪影图从至少一个受散射影响的断层图像中减去而形成新的、噪声减少且散射校正过的断层图像。

替选地，根据另一实施形式，从在投影图像数据组之前的测量中，或者从与投影图像数据组不同的数据组、尤其是计算机断层成像设备的结构数据组中获得伪影图。结构数据组例如可以是CAD规划(CAD-计算机辅助设计)。这具有的优点是，对于确定伪影图不再需要对象，并且由此可以事先和与对象无关地建立伪影图。

如已经阐述的，可以为了形成至少一个初步的散射校正过的断层图像而将从现有技术中已知的方法用作校正方法。优选地，例如使用基于减法的散射校正，借助其可以从投影图像数据组中减去所估计的散射信号。该方法允许对散射伪影进行可靠的第一估计，可以借助根据本发明的方法从该第一估计出发，来基于区域特定的平滑获得改进的估计。

在至此对本发明的描述中，在一方面对象的示图与另一方面断层图像之间进行区分。原因是，平滑后的、散射校正过的断层图像或者刚描述过的新的、噪声减少且散射校正过的断层图像(如借助滤波后的伪影图所形成的那样)不一定要是对象的最终示图。更确切而言，优选地设有，确定最终的断层图像或者体绘制，方法是，基于投影图像数据组借助迭代的重建方法形成散射校正过的断层图像，并且其中，在该重建方法的多个或者所有重建步骤或者迭代中借助滤波器对各个中间结果进行平滑，即，对散射校正过的断层图像或者相关的伪影图进行平滑。在后一种情况中，在此借助伪影图计算新的断层图像并且为后面的迭代提供基础。

适于作为合适的迭代重建方法的包括ART方法(ART-代数重建技术)、SART方法(SART-同时的代数重建技术)和统计方法，例如最大似然性重建法。迭代方法在使用平滑滤波器的情况下相对于基于反投影(例如滤波反投影和Feldkamp算法)的方法具有的优点是，在每个迭代步骤后重新从所测量的投影图像数据组中访问初级信息，并且由此可以校正之前过强平滑的结构，这些结构曾被无意地当做例如散射伪影或者其它的、不希望的初级信息平滑掉了，由此这些结构又可以较好地被识别。

如已经阐述的，根据本发明的方法不限于各个断层图像中的散射校正。断层图像根据该方法的一个优选实施形式从受散射影响的和散射校正过的体积模型中被取得，使得后者同样在成像精度方面被改进。

本发明还包括计算机断层成像设备，其具有用于从不同投影角度照射对象的辐射源。计算机断层成像设备例如可以是基于X射线的，即辐射源是X射线源，但是例如也可以是基于正电子的。此外，根据本发明的计算机断层成像设备具有辐射探测器，其用于探测射线和产生被透照的对象的多个投影图像数据组。这种辐射探测器例如可以是X射线平面探测器。

根据本发明，在计算机断层成像设备中设有，将分析装置设计为基于投影数据组执行根据本发明的方法的一个实施形式。根据本发明的计算机断层成像设备由此在重建(对对象的断层图像示图或者3D体绘制的计算)中有利地产生散射校正过的体积或者散射校正过的断层图像，其相比于没有根据本发明的噪声减少的情况给出了更好的噪声特性。

然而该方法的应用明显不限于准备CT投影数据，而是也可以用于在任意投影数据中减少噪声。

附图说明

下面描述本发明的实施例。附图中：

图1示出了根据本发明的计算机断层成像设备的一个实施形式的示意图，

图2示出了用于阐明根据本发明的方法的第一实施形式的草图，例如图1的计算机断层成像设备可以执行该方法的第一实施形式，以及

图3示出了用于阐明根据本发明的方法的第二实施形式的草图，例如图1的计算机断层成像设备可以执行该方法的第二实施形式。

具体实施方式

下面阐述的实施例涉及本发明的一个优选实施形式。在该实施例中，然而该实施形式的所描述的组件示出了本发明的各个可以相互独立待观察的特征，其也可以彼此独立地扩展本发明和由此也可以单个地或者以不同于所示的组合地被视为本发明的组成部分。此外，可以通过本发明的其它已经描述的特征补充所描述的实施形式。

图1示出了根据本发明的计算机断层成像设备或简称断层成像设备10的一个实施形式，其可以具有X射线系统12、分析装置14和显示装置16、例如显示器。X射线系统12例如可以是X射线C形臂系统，其可以具有以可围绕旋转轴R旋转的方式安置的C形臂18，在该C形臂上在一端布置有X射线源20并且在对置的一端布置有X射线探测器22、例如X射线平面探测器。分析装置14例如可以是处理器装置、例如数字计算器或计算机。

借助断层成像设备10例如可以检查患者的身体。在所示出的示例中为了阐述而示出了患者的头部24。然而被透照的对象也可以源自非人体区域。例如可以透照和示出构件或材料或化学药品。

借助X射线系统12可以从不同的投影角度通过运行X射线源20和借助X射线探测器22接收头部24的投影获得X射线拍摄。为此，为了沿着行驶路径W移动X射线源20和为了控制投影角度，可以将C形臂18围绕旋转轴R在旋转运动28中在所希望的角度间隔中旋转0度至200度，并且在合适的角度位置上产生头部24的拍摄。

X射线探测器22通过每次拍摄分别产生2D X射线图像数据P1、P2、P3，其被传输到分析装置24。拍摄、即X射线图像数据P1、P2、P3和对于其他投影角度产生的X射线图像数据(其属于一个单个的遍历、即旋转运动28)通过分析装置24例如借助反投影或者Feldkamp重建组合成3D体积模型30，其说明了关于头部24的各个体积元素相对于X射线源20的X射线辐射而言的吸收特性或者衰减特性。这种衰减值的单位例如是HU(Hounsfield单位)。

从体积模型30中例如可以形成头部24的断层图像32，借助显示装置16可以显示其。

体积模型30在断层成像设备10中具有特别少的散射分量或者伪影分量，却具有与在没有散射校正情况下形成的体积模型相似或相同的信噪比。为此，分析装置14可以执行下面两个借助图2和图3阐述的方法之一。

两个下面阐述的方法基于从现有技术中已知的用于散射校正的方法。例如，在此可以实现基于软件的解决方案，例如基于蒙特卡洛模拟方案、决定性计算或者已经描述的变型方案中的另一个。也可以实施基于测量的散射确定，其例如可以基于束阑阵列(Beam-Stop-Array)或者时间初级调制(TPM)。

所有已知的基于减法的散射校正方法通常都提供两个完整的CT投影数据组，其中的每个都可以以所描述的方式示出具有对象的X射线投影的两维图像数据的的投影图像数据组。其中一个例如是具有较高噪声的散射校正过的投影数据组，另一个投影数据组是没有散射校正、然而具有较小噪声的CT数据组。

下面描述的方法的目标是，基于散射校正过的投影在迭代的CT重建内、例如在ART重建方案之后将自适应体积滤波器用于噪声减少。自适应体积滤波器可以在考虑受散射影响的数据组的条件下从总体方差(TV)的局部最小化中形成。这意味着，在均匀的区域中使用与带有结构的体积区域中相比更强的平滑。平滑的程度在此可以借助受散射影响的数据组来确定。

在第一步骤中，在两个方法中首先在拍摄CT投影(即2D-X射线图像数据P1、P2、P3)时使用基于减法的散射校正方法。这提供了两个所提及的完整的CT投影数据组，即一个具有散射校正过的投影的数据组和另一个具有受散射影响的投影的数据组。

在第二步骤中，现在将迭代的CT重建应用于两个投影数据组。由此，在每个迭代步骤之后出现两个体积或者体积模型Funcorr、Fcorr，其中，体积模型Funcorr是受散射影响的体积模型并且体积模型Fcorr是散射校正过的体积模型。迭代重建方法可以基于所提及的方法之一，例如ART方法。

现在以图2中阐明的方式或者以图3中阐明的方式来实现第三步骤。

在根据图2的第一变形方案中，在每次迭代后对散射校正过的体积Fcorr执行自适应平滑。自适应在此意味着，平滑运算使用未校正的体积模型Funcorr的结构信息。这在下面详细阐述。

可以将包含边缘的总体方差滤波器用作体积模型Fcorr的体积平滑的基础，如在更下面阐述的那样。总体方差滤波器在另一上下文中例如从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页,2006)。

在每次迭代步骤之后将辐射校正的体积模型Fcorr的总体方差(TV)最小化。如在每次体积滤波中那样，在此存在的风险是，同样将主要的初级信息、即关于所绘制的身体结构的信息平滑和由此使得其难以识别。为了避免这一点，现在可以使用第二、未散射校正的体积模型Funcorr。通过将两个体积模型Funcorr和Fcorr相关联，现在基本上可以在一个体积模型中识别下面的两个区域：

-包含与身体24有关的主要结构信息的区域(例如骨骼结构)，

-局部均匀的区域，即没有显著的结构信息的区域。

可以与第二组(均匀区域)对应的单个断层图像的像素或者整个体积模型的体素现在与来自第一组(结构)的区域相比被更强地平滑。为了将这两个区域相互区别，可以如下进行：

可以按照下面的公式计算平滑掩模Axyz。

按照该公式，首先计算两个体积模型Fcorr和Funcorr(散射校正过的和未校正过的)中的衰减值的梯度，并且接下来将梯度的绝对值按体素或者像素相加。从中获得的体积模型现在被很强地平滑，这通过算子()_平滑来表达。该平滑例如又通过将和的总体方差最小化来实现。然而也可以将其他平滑算法用于体积平滑或者2D平滑。该平滑在具有高梯度(即梯度的绝对值的大的值)和由此主要的结构信息的区域中引起高或大的值，并且在具有很少结构的区域中引起很小的值。

接下来，基于平滑掩模Axyz，通过将总体方差TV最小化来区域特定地平滑散射校正过的体积模型，这通过下面的公式给出：

其中，信息Fxyz代表体积模型Fcorr的体素值，即，x,y,z给出了体积模型Fcorr中的坐标或者体素序号。在上面的公式中给出的值F被最小化，这通过||F||_TV来表达。例如可以利用梯度下降方法进行最小化。合适的方法从现有技术中充分已知。

由此获得的新的散射校正过的体积模型Fcorr现在可以用作迭代的CT重建的下次迭代的基础。在所有迭代结束时获得了体积模型30。例如可以基于多于10次、尤其多于50次迭代。

替选于借助平滑掩模Axyz将值最小化的步骤，可以执行下面的变型方案来作为第三步骤，即用于产生具有高信噪比的散射校正过的体积模型30的第二变型方案，为此参见图3。

上面的计算两个体积模型Funcorr和Fcorr的步骤在每次迭代步骤之后提供两个体积、即散射校正过的Fcorr和未校正过的Funcorr。这两个3D数据组如已经描述那样具有下面的特性：Funcorr在从测量装置中形成的正常的噪声分量和高的散射伪影分量的情况下具有高信噪比，该高的散射伪影分量在轴向层中通常被感知为高对比度对象之间的(低频的)径向梯度或者阴影结构。Fcorr是在很大程度上没有散射伪影的，然而具有比Funcorr更高的图像噪声。

现在描述的替选方案在于，将两个体积模型融合为使得有利的图像特性传输到融合的结果中。最终体积模型的低频图像分量从Fcorr获得，以及其高频图像分量从Funcorr获得。为了鲁棒性地执行该融合可以执行下面的方法：

在步骤3a中可以计算差体积模型Fdiff＝Funcorr–Fcorr。差体积模型示出了伪影图，其中基本上只能看见通过散射形成的伪影效果。然而，还可以获得器官的对象结构的视图作为较为(空间上)高频的对比度变化曲线。

在步骤3b中，可以将被识别为不属于伪影Fdiff的图像分量从Fdiff中移除。尤其，通过使用低通滤波器TP将高频的图像分量从Fdiff移除，其中在此将2D高斯滤波器或者2D中值滤波器作为图像滤波器用于断层图像，并且可以将相应的3D变型用于对整个体积模型进行滤波。也还可以再将总体方差的最小化应用于Fdiff。由此滤波过的差体积模型在此称作Fdiff2。

滤波过的差体积模型Fdiff2现在描述了对通过散射产生的伪影分量的更好估计。

接下来在步骤3c中，可以通过减去上面确定的伪影体积Fdiff2来校正初始的、未校正的体积模型Funcorr。融合的图像体积模型由此可以计算为：

Ffinal＝Funcorr–Fdiff2。

在步骤3a、3b和3c之后，将从3c获得的最终体积模型Ffinal随后在迭代CT重建的迭代步骤中用作新的散射校正过的体积模型。在最后一次迭代之后呈现的最终体积模型Ffinal是体积模型30。

通过两个方法主要给出了下面三个改进：

1)方法组合，该方法组合考虑校正过和未校正的体积模型，从而可以在两个体积模型中都识别相关的噪声特性来用于获得区域特定的平滑，因为该噪声特性涉及身体24的重要结构。

2)该区域特定的平滑尤其可以借助平滑掩模Axyz构建为对于每个像素或者体素局部地变化，使得可以考虑局部的结构或者细节密度。

3)通过补充或者嵌入到用于X射线断层成像的迭代重建方法中而得到了附加的优点，即，过强地平滑的结构在下一迭代步骤中又被变得可见，因为在该下一迭代步骤中又从未校正的投影图像数据中将这些结构接收到体积模型中。

根据本发明的方法的核心优点是，对校正过的体积模型的自适应平滑访问未校正的体积模型的结构信息。散射伪影由原理决定地是不清晰的，并且不改变身体的小的、清晰地限界的结构的边缘信息。由此获得这些结构并且可以从未校正的体积模型提取这些结构而在此不包含散射伪影。由此，不会通过噪声抑制而将伪影传回校正过的体积模型。

根据作为基础的用于确定散射校正的方法，不需要与有规律的拍摄相比的附加测量时间，并且尽管做了校正还是达到了与未校正情况中几乎相同的噪声特性。图像结构在更大范围中，甚至在小的对比度-噪声比的情况下保持不变，并且在这些图像区域中并未通过平滑被移除。该方法并不限于单个的方法并且原则上可以与所有迭代的重建方法组合。由此，也可以与其它校正方法组合。

总体上于是通过该实施例描述了在迭代的CT重建内，在基于差的散射校正中，借助自适应总体方差来进行噪声抑制。