[发明专利]用于图像重建的系统和方法

说明书

本申请涉及用于图像重建的系统和方法。所述系统可以获取待处理的初始图像。所述系统可以通过对初始图像执行多次迭代步骤生成重建图像。多次迭代步骤中的每一次迭代步骤可以包括第一优化操作和至少一个第二优化操作。第一优化操作和至少一个第二优化操作可以被依次执行。第一优化操作可以包括：接收迭代步骤中待处理的图像和通过初步优化待处理的图像确定更新图像。至少一个第二优化操作可以包括通过减少更新图像的干扰信息，确定优化图像和将优化图像指定为下一次迭代步骤中下一个待处理的图像。干扰信息可以包括噪声信息和/或伪影信息。

技术领域

本申请涉及图像重建领域，尤其涉及用于迭代图像重建的系统和方法。

背景技术

医学图像，例如计算机断层摄影(CT)，被广泛应用于各种医学症状(例如，肿瘤，冠心病或脑病)的疾病诊断和/或治疗中。图像重建是医学成像领域所用的关键技术。以CT图像为例，通常可以通过传统滤波反投影(FBP)或基于FBP的迭代来重建CT图像。然而，在重建CT图像期间，减少剂量或数据不充足可能会严重影响重建CT图像的质量。此外，优化包括例如总变化、广义高斯马尔可夫随机场(GGMRF)的正则项的损失函数，可以迭代重建CT图像。根据迭代重建过程，正则项虽然可以抑制重建CT图像中的噪声，但是可能导致相对较低的图像质量(例如，大面积伪影、卡通感)。因此，期望提供能够改善图像质量的图像重建的系统和方法，从而提高医学分析和/或诊断的效率和准确性。

发明内容

本申请的一个方面，涉及一种用于图像重建的方法。所述方法可以包括获取待处理的初始图像以及对初始图像执行多次迭代步骤生成重建图像。多次迭代步骤中的每一次迭代步骤可以包括第一优化操作和至少一个第二优化操作。第一优化操作和至少一个第二优化操作可以被依次执行。第一优化操作可以包括：接收迭代步骤中待处理的图像和通过初步优化待处理的图像确定更新图像。至少一个第二优化操作可以包括通过减少更新图像的干扰信息，确定优化图像和将优化图像指定为下一次迭代步骤中下一个待处理的图像。

在一些实施例中，通过初步优化待处理的图像确定更新图像可以包括：对迭代步骤中待处理的图像执行正向投影变换，确定正向投影数据；并至少部分地基于正向投影数据和初始采集的投影数据之间的加权误差的反向投影数据，确定更新图像，所述初始采集的投影数据与初始图像相关。

在一些实施例中，至少部分地基于正向投影数据和初始采集的投影数据之间的加权误差的反向投影数据，确定更新图像可以包括：确定与初始采集的投影数据相关的第一质量权重；基于第一质量权重、正向投影数据和初始采集的投影数据，确定正向投影数据与初始采集的投影数据之间的加权误差；对加权误差进行反向投影变换，确定加权误差的反向投影数据；以及根据加权误差的反向投影数据，确定更新图像。

在一些实施例中，可以根据牛顿法或梯度下降法执行所述第一优化操作。

在一些实施例中，通过减少更新图像的干扰信息，确定优化图像可以包括：基于优化模型减少更新图像的干扰信息，确定优化图像。优化模型可以包括机器学习模型。

在一些实施例中，基于优化模型减少更新图像的干扰信息，确定优化图像可以包括：确定更新图像的质量特征；将更新图像和质量特征输入优化模型；以及基于优化模型的输出，确定优化图像。

在一些实施例中，质量特征可以包括更新图像的噪声特征、伪影特征、灰度分布、全局灰度、分辨率和/或对比度中的至少一个。

在一些实施例中，噪声特征包括噪声分布、全局噪声强度和/或噪声率中的至少一个。伪影特征可以包括伪影分布、全局伪影强度和/或伪影率中的至少一个。

在一些实施例中，所述优化模型可以通过训练过程获得。所述训练过程可以包括：获取多组训练样本和基于多组训练样本训练初始优化模型，获得优化模型。多组训练样本中的每一个包括样本图像和所述样本图像的样本质量特征。优化模型的损失函数与第二质量权重正相关。第二质量权重基于样本质量特征确定。