能谱CT图像重建方法及能谱CT成像系统技术方案

本申请涉及能谱CT图像重建方法及能谱CT成像系统。一种能谱CT图像重建方法包括：在多个能量窗中的每个能量窗下采集不完备的原投影数据；利用多个能量窗中不同能量窗构成的至少一对能量窗下的相应原投影数据进行投影数据交叉估计以得到估计投影数据，其中每对能量窗包括第一能量窗和第二能量窗；将所述原投影数据与相应的估计投影数据组合，得到完整投影数据；及利用所述完整投影数据重建能谱CT图像。根据本申请的方法，能够解决投影数据不足的重建问题。

【技术实现步骤摘要】

本公开涉及能谱CT成像技术，具体而言涉及基于机器学习与投影域估计的能谱CT图像重建方法及能谱CT成像系统。
技术介绍
双能CT于二十世纪七十年代被提出。随着X射线探测器和成像系统的发展，双能CT得到了广泛的应用。近年来，随着探测器等相关技术的发展以及CT成像的进一步需求，使用双能或者多能(即，使用≥2个能谱的X射线穿过物体形成的信号进行成像，通常称为多个能窗或者能量通道的X光)的能谱CT得到广泛的关注，并在实际应用中繁荣。相比于传统的单能CT，能谱CT不仅没有谱硬化和对比度不足等缺点，而且能够区分材料，尤其是在某些能量下具有相同吸收系数的材料。这些优点使能谱CT有许多临床应用如腹部成像和肺疾病检测等。一般情况下，能谱CT在每一个能量下都需要采集完备的CT数据。以扇束CT为例，一个完备的投影数据集应覆盖短扫描角度(180度加一个扇束角)。传统的多个能量数据采集则需要进行多次不同能量下的短扫描；或者采用双源、多源CT进行一次扫描；或者使用能量分辨探测器如光子计数探测器进行一次扫描获取多个能量的投影数据。以上的方案都会遇到辐射剂量增加、扫描时间长、硬件成本高等问题。一个解决办法是不采集完备的CT数据，但面临投影数据不足的重建问题。对此，通常的解决方法是采用压缩感知技术，即，假设信号是稀疏的或者在变换域是稀疏的，即‖Ψ(x)‖0≤s(1)其中是原始信号，Ψ(·)是稀疏算子，s为稀疏度。实际应用中，常以L1范数替换L0范数，使问题变为凸规划问题，A表示正向投影，b表示测量的投影数据:argminx‖Ψ(x)‖1s.t.Ax＝b(2)但是，仍然需要改进的能谱CT图像重建算法。在所述
技术介绍
部分公开的上述信息仅用于加强对本公开的背景的理解，因此它可以包括不构成对本领域普通技术人员已知的现有技术的信息。
技术实现思路
本申请公开一种基于机器学习与投影域估计的能谱CT图像重建算法，能够解决前述重建问题。本公开的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本公开的实践而习得。根据本公开的一个方面，提供一种能谱CT图像重建方法，包括：在多个能量窗中的每个能量窗下采集不完备的原投影数据；利用多个能量窗中不同能量窗构成的至少一对能量窗下的相应原投影数据进行投影数据交叉估计以得到估计投影数据，其中每对能量窗包括第一能量窗和第二能量窗；将所述原投影数据与相应的估计投影数据组合，得到完整投影数据；及利用所述完整投影数据重建能谱CT图像。根据一些实施例，利用多个能量窗中不同能量窗构成的至少一对能量窗的相应原投影数据进行投影数据交叉估计以得到估计投影数据包括：在图像域上建立所述第一能量窗下的图像数据和所述第二能量窗下的图像数据之间的映射关系；利用所述映射关系得到估计图像数据；及从所述估计图像数据得到所述估计投影数据。根据一些实施例，在图像域上建立所述第一能量窗下的图像数据和所述第二能量窗下的图像数据之间的映射关系包括：从所述第一能量窗和所述第二能量窗的相应原投影数据提取穿过相同射线路径的所述第一能量窗下的第一相同投影数据和所述第二能量窗下的第二相同投影数据；利用所述第一相同投影数据进行重建，得到第一训练图像数据；利用所述第二相同投影数据进行重建，得到第二训练图像数据；利用所述第一训练图像数据和所述第二训练图像数据，通过机器学习的方法建立所述第一能量窗下的图像数据到所述第二能量窗下的图像数据的第一映射关系和/或所述第二能量窗下的图像数据到所述第一能量窗下的图像数据的第二映射关系。根据一些实施例，利用所述映射关系得到估计图像数据包括：利用所述第一能量窗和所述第二能量窗下的相应原投影数据通过预重建分别得到第一初始图像数据和/或第二初始图像数据；将所述第一初始图像数据通过所述第一映射关系映射得到所述第二能量窗下的第二估计图像数据和/或将所述第二初始图像数据通过所述第二映射关系映射得到所述第一能量窗下的第一估计图像数据。根据一些实施例，从所述估计图像数据得到所述估计投影数据包括：利用所述第一估计图像数据和用于所述第一能量窗的投影算子得到第一估计投影数据和/或利用所述第二估计图像数据和用于所述第二能量窗的投影算子得到第二估计投影数据。根据一些实施例，在多个能量窗中的每个能量窗下采集不完备的原投影数据包括有限角采样、角度稀疏采样或稀疏探测器采样。根据本公开的另一方面，提供一种能谱CT成像系统，包括：射线发生装置，包括射线源；光子计数探测器或者能量敏感探测器，包括多个像素；数据采集系统，从所述光子计数探测器或者能量敏感探测器对穿过被成像物的光子进行数据采集；及图像重建系统，利用所述数据采集系统获取的数据重建能谱CT图像，其中所述数据采集系统配置为在多个能量窗中的每个能量窗下采集不完备的原投影数据；所述图像重建系统包括：交叉估计模块，利用多个能量窗中不同能量窗构成的至少一对能量窗下的相应原投影数据进行投影数据交叉估计以得到估计投影数据，其中每对能量窗包括第一能量窗和第二能量窗；组合模块，将所述原投影数据与相应的估计投影数据组合，得到完整投影数据；及重建模块，利用所述完整投影数据重建所述能谱CT图像。根据一些实施例，所述交叉估计模块配置为：在图像域上建立所述第一能量窗下的图像数据和所述第二能量窗下的图像数据之间的映射关系；利用所述映射关系得到估计图像数据；及从所述估计图像数据得到所述估计投影数据。根据一些实施例，在图像域上建立所述第一能量窗下的图像数据和所述第二能量窗下的图像数据之间的映射关系包括：从所述第一能量窗和所述第二能量窗的相应原投影数据提取穿过相同射线路径的所述第一能量窗下的第一相同投影数据和所述第二能量窗下的第二相同投影数据；利用所述第一相同投影数据进行重建，得到第一训练图像数据；利用所述第二相同投影数据进行重建，得到第二训练图像数据；利用所述第一训练图像数据和所述第二训练图像数据，通过机器学习的方法建立所述第一能量窗下的图像数据到所述第二能量窗下的图像数据的第一映射关系和/或所述第二能量窗下的图像数据到所述第一能量窗下的图像数据的第二映射关系。根据一些实施例，利用所述映射关系得到估计图像数据包括：利用所述第一能量窗和所述第二能量窗下的相应原投影数据通过预重建分别得到第一初始图像数据和/或第二初始图像数据；将所述第一初始图像数据通过所述第一映射关系映射得到所述第二能量窗下的第二估计图像数据和/或将所述第二初始图像数据通过所述第二映射关系映射得到所述第一能量窗下的第一估计图像数据。根据一些实施例，从所述估计图像数据得到所述估计投影数据包括：利用所述第一估计图像数据和用于所述第一能量窗的投影算子得到第一估计投影数据和/或利用所述第二估计图像数据和用于所述第二能量窗的投影算子得到第二估计投影数据。根据本公开的一些实施例的能谱CT图像重建算法，采用例如人工神经网络来学习能谱CT吸收系数间的关系，进而估计出未采集的投影数据，能够解决投影数据不足的重建问题。附图说明通过参照附图详细描述其示例实施例，本公开的上述和其它特征及优点将变得更加明显。图1示出三个能量窗的示例系统中成对的能量窗下的数据空间之间的交叉估计；图2示出图像映射示意图；图3示出以两层、每层有10个节点(神经元)的人工神经网络为例的学习示本文档来自技高网...

【技术保护点】
一种能谱CT图像重建方法，其特征在于，包括：在多个能量窗中的每个能量窗下采集不完备的原投影数据；利用多个能量窗中不同能量窗构成的至少一对能量窗下的相应原投影数据进行投影数据交叉估计以得到估计投影数据，其中每对能量窗包括第一能量窗和第二能量窗；将所述原投影数据与相应的估计投影数据组合，得到完整投影数据；及利用所述完整投影数据重建能谱CT图像。

【技术特征摘要】
1.一种能谱CT图像重建方法，其特征在于，包括：在多个能量窗中的每个能量窗下采集不完备的原投影数据；利用多个能量窗中不同能量窗构成的至少一对能量窗下的相应原投影数据进行投影数据交叉估计以得到估计投影数据，其中每对能量窗包括第一能量窗和第二能量窗；将所述原投影数据与相应的估计投影数据组合，得到完整投影数据；及利用所述完整投影数据重建能谱CT图像。2.如权利要求1所述的能谱CT图像重建方法，其中利用多个能量窗中不同能量窗构成的至少一对能量窗的相应原投影数据进行投影数据交叉估计以得到估计投影数据包括：在图像域上建立所述第一能量窗下的图像数据和所述第二能量窗下的图像数据之间的映射关系；利用所述映射关系得到估计图像数据；及从所述估计图像数据得到所述估计投影数据。3.如权利要求2所述的能谱CT图像重建方法，其中在图像域上建立所述第一能量窗下的图像数据和所述第二能量窗下的图像数据之间的映射关系包括：从所述第一能量窗和所述第二能量窗的相应原投影数据提取穿过相同射线路径的所述第一能量窗下的第一相同投影数据和所述第二能量窗下的第二相同投影数据；利用所述第一相同投影数据进行重建，得到第一训练图像数据；利用所述第二相同投影数据进行重建，得到第二训练图像数据；利用所述第一训练图像数据和所述第二训练图像数据，通过机器学习的方法建立所述第一能量窗下的图像数据到所述第二能量窗下的图像数据的第一映射关系和/或所述第二能量窗下的图像数据到所述第一能量窗下的图像数据的第二映射关系。4.如权利要求3所述的能谱CT图像重建方法，其中利用所述映射关系得到估计图像数据包括：利用所述第一能量窗和所述第二能量窗下的相应原投影数据通过预重建分别得到第一初始图像数据和/或第二初始图像数据；将所述第一初始图像数据通过所述第一映射关系映射得到所述第二能量窗下的第二估计图像数据和/或将所述第二初始图像数据通过所述第二映射关系映射得到所述第一能量窗下的第一估计图像数据。5.如权利要求4所述的能谱CT图像重建方法，其中从所述估计图像数据得到所述估计投影数据包括：利用所述第一估计图像数据和用于所述第一能量窗的投影算子得到第一估计投影数据和/或利用所述第二估计图像数据和用于所述第二能量窗的投影算子得到第二估计投影数据。6.如权利要求1所述的能谱CT图像重建方法，其中在多个能量窗中的每个能量窗下采集不完备的原投影数据包括有限角采样、角度稀疏采样或稀疏探测器采样。7.一种能谱CT成像系统，其特征在于，...

【专利技术属性】
技术研发人员：邢宇翔，张丽，张华宇，沈乐，
申请(专利权)人：清华大学，同方威视技术股份有限公司，
类型：发明
国别省市：北京;11