[发明专利]感兴趣区域图像的重建

说明书

本申请总体涉及成像领域，并且尤其涉及即使在原始投影数据被截断时仍然能够执行最大似然感兴趣区域(ROI)重建的方法和系统。与先前已知的最大似然或其他更为一般的迭代ROI重建相反，这种重建是在ROI的超集上执行的。ROI的超集或迭代区域包含在扫描视场之外但仍然在成像系统的成像膛之内的区域，其中，已经利用扩展视场重建找到了对象。这里所描述的新方法应用于许多不同种类的成像系统中，诸如CT或其他基于X射线的系统、SPECT系统、PET系统和其他成像系统。因此，尽管以下论述集中于CT成像系统，但该方法在其他成像技术中具有更宽泛的应用。

最大似然重建是一种在CT检查中减小施加到患者的辐射剂量的有前景的方法。这种辐射剂量减少是通过考虑实测数据中的噪声特征以改善信噪比来实现的。然而，数学重建问题没有解析解，因此常常将迭代重建技术用于最大似然重建。迭代重建算法具有通用结构。它们通过假设图像来对原始采集的正向投影建模。评估这种正向投影和实测投影，以计算差或比率函数，其例如可以是线积分的差，或者是探测器处光子数的差，或者是某种其他度量。这些差或比率函数导致更新，这在例如使正向投影和测量结果之间的差最小化的意义上改善了图像。

有两种迭代重建方法。第一种，例如代数重建技术(ART)，其对线性方程系统简单求解，但未考虑测量结果的统计。第二种迭代重建结合了统计学重建算法，诸如最大似然法，其提供了在重建中包括光子统计的可能性并且试图尽可能紧密地将理论模型匹配到有噪声的数据。第二种方法与相同分辨率下的解析重建算法相比，获得了更高信噪比的重建图像。

用于CT的许多迭代重建技术要求在对X射线吸收有贡献的整个体积上迭代重建算法，因此重建成像系统的整个扫描视场(FOV)。对于具有非截断投影的典型CT系统而言，FOV常常是直径大约为500mm到600mm的圆形区域。于是，重建整个FOV需要大量体素，尤其是在高分辨率重建的情况下，这增大了对计算能力和时间的要求。

然而，在一些情况下，检查者的感兴趣区域或ROI小于成像系统的整个FOV。一种这样的情况是心脏锥形射束CT，其中，患者的心脏界定ROI。因此，已知仅迭代地重建ROI加上ROI周围的小的过渡范围，例如，如Andy Ziegler，Tim Nielsen和Michael Grass在Med.Phys.35(4)，2008年4月，1317-1327页的“Iterative Reconstruction of a Region of Interest for Transmission Tomography”一文中所描述的，在此通过引用将其并入。与整个FOV迭代重建相比，这样的方法通过减少用于重建的体素的数目减少了重建时间。

根据本发明的一个方面，提供了一种生成感兴趣区域的图像的方法和系统。根据这一方面，采集成像数据以生成实测正弦图(sinogram)数据，对其进行重建以生成膛重建图像。在膛重建图像中识别迭代区域，其包括在成像系统的扫描视场之内的部分和在扫描视场外部的部分。从膛重建图像去除迭代区域以生成中间图像，将中间图像进行正向投影以生成模拟部分正弦图数据。从实测完整正弦图数据减去模拟部分正弦图数据以生成迭代区域正弦图数据，对其进行重建以生成感兴趣区域的图像。

本发明减少了利用先前已知的感兴趣区域重建可能出现的成像伪影。本领域的普通技术人员在阅读和理解以下详细描述之后将理解本发明的更多方面。众多其他优点和益处将进一步变得显而易见。本发明可以采用各种部件和部件布置，以及各种过程操作和过程操作的安排的形式。附图仅仅用于例示优选实施例，而不应被解释为限制本发明。

图1图示了示范性CT成像系统；

图2图示了上文所述的Ziegler等人的现有技术方法；

图3是利用软件模拟和图2的方法生成的实测正弦图的代表性范例；

图4是利用软件模拟和图2的方法生成的完整FOV重建图像的部分；

图5是利用软件模拟和图2的方法生成的中间图像，其中，已经识别并去除了图4的ROI；

图6是利用软件模拟和图2的方法从图5的正向投影生成的模拟部分正弦图；

图7是利用软件模拟和图2的方法，通过从图3减去图6生成的ROI正弦图的代表性范例；

图8是利用软件模拟和图2的方法生成的ROI的重建图像的代表性范例；

图9图示了图1的机架，使患者位于膛之内的桌台上，以及在扫描FOV外部延伸的对象；

图10图示了根据本发明的一个方面的感兴趣区域图像重建过程；以及