[发明专利]一种生成对象的增强断层图像的方法

说明书

通过低质量投影图像的迭代重建获取的断层图像通过以下步骤被增强：在迭代步骤处，先前迭代步骤的结果借助于投影图像的比较结果的反向投影和先前迭代步骤的结果的前向投影来校正，由此通过使其经受训练的神经网络来增强该结果。

技术领域

本发明属于数字射线照相领域，并且更特别地涉及一种增强图像质量和减少伪影的方法，更特别地涉及计算机断层成像（CT）、锥形束计算机断层成像（CBCT）或断层合成成像系统。

背景技术

在计算机断层成像（CT）中，X射线源和线性检测器围绕患者或对象旋转，以获取正弦图，正弦图是包含投影的2D数据阵列，如图1中所示。然后在重建步骤中使用该正弦图（例如，应用本领域已知的滤波反投影方法）来获得表示通过患者或通过对象的虚拟切片的图像。

锥形束计算机断层成像（CBCT）是另一种成像技术，其中锥形束的穿透辐射（x射线）被引导向对象或患者。

二维辐射检测器（诸如平板检测器）用于检测由对象或患者调制的x射线。

x射线源和检测器相对于要成像的患者或对象旋转。

锥形束通过患者或对象上的感兴趣区域被引导到位于x射线源相对侧上的检测器上的区域上。

在旋转期间，在完整的或者有时是部分的弧中获取视场的多个相继平面图像。

获取的图像被称为投影图像（在图2中图示）。这些获取的图像相似于常规的低剂量x射线图像。

通过应用重建算法（例如，Feldkamp-Davis-Kress重建），借助于在不同角度记录的投影图像重建3D图像。

使用平板检测器的另一个应用是断层合成。在该方法中，x射线源也围绕对象或患者旋转，但是旋转角度是有限的（例如，旋转30度）。

过去十年，许多研究集中在考虑先验知识的先进迭代重建方案上。迭代重建算法已经示出，对于一些高对比度成像任务，剂量减少高达70%。

一种经典的迭代重建方法解决以下方程：

（eq1）

其中x是要重建的体积，y是投影图像或正弦图，A是前向投影，W定义所使用的L^W范数，以及R（x）是具有参数的给出一定惩罚（例如，针对非光滑性的惩罚）的正则化函数。

通常，在该方法中，第一项或数据项是观察到的投影数据的拟合模型，而第二项或正则化项经常合并先验知识，诸如噪声特性、稀疏性假设等。如果重建体积x与投影图像y一致，则第一项被最小化。第二项在重建的体积上实施一定条件：例如，总变差（TV）最小化作为R(x)将给出边缘保持非平滑性惩罚，从而实施逐段常数条件。

选择一定条件可对解决方案具有深远的影响，并且调谐参数可能很麻烦。此外，迭代重建在预定义量的迭代步骤之后或者当满足停止标准时停止。在实际的代数重建实现中，迭代重建（例如，联合迭代重建技术）与TVmin迭代交替进行。然而，正则化器经常调谐起来很麻烦。失调可能不导致正则化的效果，或者甚至更严重的是，会导致真实图像内容（诸如结构）的删除。

如今，在上述成像技术中使用的平板检测器能够获取具有为150或更小的像素大小的高分辨率图像。然而，面板的读出速度与图像的分辨率成比例。因此，在要求高采集速度的应用中，不得不在像素分辨率与读出速度之间进行权衡。

这常规地通过合并（binning）像素执行（例如，在2×2合并模式中，可以以加倍的像素大小为代价来实现4倍高的帧速率）。

同样在CBCT中，不得不在采集速度与分辨率之间进行权衡。

更高的采集速度导致更短的总扫描时间，这降低了被成像的对象或患者的运动风险，但是仅仅损害了获取的2D图像的分辨率。

为了补偿分辨率的损失，可以对获取的图像进行上采样。