医学图像处理制造技术

例如，诸如PET成像系统的患者成像系统可能会受到人工引入的噪声的影响。通常，这种噪声在尝试根据原始采集信息来重新创建2D或3D图像的诸如最小二乘算法的重建算法的迭代期间引入。噪声在重建图像中显现为“热点”。解决这些伪影的方法使用过滤方法。通常，最小二乘重建补充有惩罚项，称为“相对差异惩罚”的方法。惩罚参数使重建算法对重建的某些区域处或多或少地进行强过滤。本申请提出一种方法，其利用关于边缘存在于图像的一部分中的可能性的连续概率信息来补充惩罚项。

Medical image processing

For example, patient imaging systems such as PET imaging systems may be affected by artificially introduced noise. Usually, this noise is introduced during iterations that attempt to recreate 2D or 3D images based on the original acquisition information, such as least squares reconstruction algorithm. Noise appears as a \hot spot\ in the reconstructed image. The filtering method is used to solve these artifacts. Usually, the least squares reconstruction is supplemented with penalties, which is called \relative difference penalty\. The penalty parameter makes the reconstruction algorithm filter some areas of reconstruction more or less strongly. This application proposes a method that supplements penalties with continuous probability information about the possibility that edges exist in a part of an image.

【技术实现步骤摘要】
【国外来华专利技术】医学图像处理
本专利技术涉及一种用于迭代图像重建中的人工噪声抑制的设备、用于迭代图像重建中的人工噪声抑制的方法、医学成像系统、计算机程序单元和计算机可读介质。
技术介绍
迭代图像重建方法广泛用于在医学图像重建领域，诸如例如PET和/或PET/CT图像的重建。与分析(一次通过)方法相比，迭代图像重建技术允许考虑所采集数据的统计特性，以便减少降低图像质量的伪影。对于每次迭代，将所采集的探测器信号与系统模型到图像数据的当前估计的应用进行比较，直到达到预定停止标准。这种方法特别适合于PET示踪物信号的重建，其中，由于PET信号探测的性质，与其他成像模态相比，信噪比较低。随着重建的进行，迭代方法能够导致图像中的噪声聚类的发生。现在的图像重建方法通常不考虑图像数据表示生物结构，因此目前错过了用于改善重建图像的机会。发表在Proc.SPIE第9033903336-1期的Ma等人的文章“LBP-basedpenalizedweightedleast-squaresapproachtolow-dosecone-beamcomputedtomographyreconstruction”(由Whiting等人编辑的“MedicalImaging2014:PhysicsofMedicalImaging”，doi：10.1117/12.2043289)涉及一种迭代图像重建方法。在该方法中，提供具有惩罚项的最小二乘重建。然而，能够进一步改进这些方法。
技术实现思路
因此，具有用于提供改进的人工噪声抑制技术的技术将是有利的。本专利技术的目的通过独立权利要求的主题解决，其中其他实施例包含在从属权利要求中。参考下文描述的实施例，本专利技术的这些和其他方面将变得显而易见并得到阐明。根据本专利技术的第一方面，提供一种用于迭代图像重建中的人工噪声抑制的设备。所述设备包括处理单元。所述处理单元被配置为采集图像前兆(precursor)信息，以(i)使用边缘模式探测器生成图像前兆信息的边缘模式信息，以及(ii)生成噪声模式信息，并基于所述边缘模式信息、所述噪声模式信息和所述图像前兆信息来生成边缘保留参数信息。所述边缘保留参数信息基于连续概率量度。所述处理单元被配置为生成正则化函数，其中，使用边缘保留参数信息对所述正则化函数进行局部调整，并且被配置为通过将图像重建算法应用于所述图像前兆信息来生成重建图像信息。图像重建算法将正则化函数R应用于图像前兆信息λi，从而提供重建图像信息λi+1，其中，图像前兆信息λi的噪声相关特征已经比图像前兆信息λi的边缘相关特征得到了更强的过滤。因此，可以去除(在最终图像中不想要的)源自聚类噪声斑点(speckles)的图像中的大的局部体素差异，同时，可以保留(在最终图像中想要的)表示生理上的重要边缘特征的小的局部体素差异。统计模型用于确定找到的模式与总体特征(边缘)模型和噪声模型的匹配程度，其还考虑图像前兆信息中的局部统计变化。统计模型的使用使得边缘保留参数信息成为连续函数，因为边缘保留参数信息可以例如从一个或多个概率密度函数中采样。因此，能够更准确地区分聚类噪声斑点和基于生理学的特征。根据第一方面的实施例，边缘模式探测器被配置为将一个或多个边缘模型应用于图像前兆信息。边缘模型包括参考边缘模型，其是图像像素或体素的子集的原型空间分布模型，其能够用于统计地指示图像前兆信息中存在特征边缘的可能性。可选地，所述处理单元还被配置为通过基于一个或多个二元边缘模式获得参考边缘模式信息来生成边缘模式信息，并且通过将参考边缘模式信息应用于图像前兆信息来计算边缘探测信息。边缘模式提供跟踪边缘存在的有效方式，同时还适合于(amenableto)复杂度降低的处理方法。根据第一方面的实施例，所述处理单元还被配置为通过根据图像前兆信息计算符号二元模式信息并且根据图像前兆信息计算差异二元模式信息来生成边缘模式信息。当与图像前兆信息比较时，符号二元模式信息对每个邻域像素或体素的正差与负差之间进行区分。差异二元模式信息区分具有相对于邻域像素或体素中的中心像素或体素的强度差异大于差异阈值的像素。因此，能够将与体素的边缘和噪声状态有关的附加证据引入到第一方面的先验项中。可选地，所述处理单元还被配置为通过根据图像前兆信息计算符号二元模式信息来生成边缘模式信息；并且根据图像前兆信息生成差异二元模式信息。根据第一方面的实施例，所述处理单元被配置为生成包括针对每个分类的像素或体素入射信息的多个分类，其中，基于边缘模式信息、差异二元模式信息和符号二元模式信息中的至少两个的匹配位的逻辑组合来形成多个分类中的每个分类。因此，由于统计原理应用于二元模式，第一方面的先验项更接近于体素的边缘和/或噪声状态的最佳估计。可选地，所述处理单元还被配置为组合边缘模式信息、差异二元模式信息和符号二元模式信息，以获得边缘概率量度。根据第一方面的实施例，所述处理单元被配置为基于在多个分类中的每个分类中的像素或体素的数量以及每个分类的概率来生成边缘概率量度。因此，可以将由周围体素创建的空间分布模式考虑为噪声/特征分离决策中的附加标准。根据第一方面的实施例，所述处理单元还被配置为使用边缘概率量度来计算边缘保留参数信息。根据第一方面的实施例，所述处理单元还被配置为获得多个参考噪声模式作为噪声模式信息。通过将多个参考噪声模式与边缘模式信息进行组合额外地生成边缘保留参数信息。因此，可以在组合假设存在边缘体素和噪声体素的情况下生成具体体素表示边缘或噪声元素的概率。根据第一方面的实施例，所述处理单元还被配置为针对图像前兆信息的元素来将噪声概率值生成为多个分类的各个分类的噪声概率的乘积的总和，以及其噪声概率。因此，可以为正则化项提供更准确的噪声统计学集合。根据第一方面的实施例，所述处理单元还被配置为通过针对每个体素找到边缘概率与噪声概率的概率比率来生成边缘保留参数信息，并且被配置为对概率比率求和，以形成总和比率作为初始边缘保留参数信息。根据第一方面的实施例，所述处理单元还被配置为使用指数函数或S型函数来限制初始边缘保留参数信息，以形成边缘保留参数信息。因此，边缘保留参数信息以算术上有限的范围来提供。根据本专利技术的第二方面，提供一种用于迭代图像处理中的人工噪声抑制的方法。所述方法包括：a)采集图像前兆信息λi；b)(i)使用边缘模式探测器生成所述图像前兆信息λi的边缘模式信息，以及生成(ii)噪声模式信息；c)基于所述边缘模式信息、所述噪声模式信息和所述图像前兆信息λi生成边缘保留参数信息γ，其中，边缘保留参数信息γ基于连续概率量度；d)生成正则化函数R，使用边缘保留参数信息γ对正则化函数R进行局部调整；以及e)通过将图像重建算法应用于所述图像前兆信息λi来生成重建图像信息λi+1。图像重建算法将正则化函数R应用于图像前兆信息λi，从而提供重建图像信息λi+1，其中，图像前兆信息λi的噪声相关特征已经比图像前兆信息λi的边缘相关特征得到了更强的过滤。根据第二方面所述的方法，在图像重建期间能够更准确地区分聚类噪声斑点和基于生理学的特征。根据第二方面的实施例，生成边缘模式信息的步骤还包括使用边缘模式探测器将一个或多个边缘模型应用于图像前兆信息。边缘模型包括参考边缘模型，其是图像像素或体素的子集的原型空间分布模型，本文档来自技高网...

【技术保护点】
1.一种用于迭代图像重建中的人工噪声抑制的设备(58)，其中，所述设备包括：‑处理单元(60)；其中，所述处理单元被配置为：采集图像前兆信息(λi)，以(i)使用边缘模式探测器来生成所述图像前兆信息(λi)的边缘模式信息，以及(ii)生成噪声模式信息，并且所述处理单元被配置为基于所述边缘模式信息、所述噪声模式信息和所述图像前兆信息(λi)来生成边缘保留参数信息(γ)，其中，所述边缘保留参数信息(γ)基于连续概率量度，其中，所述处理单元(60)被配置为生成正则化函数(R)，使用所述边缘保留参数信息(γ)对所述正则化函数(R)进行局部调整，并且所述处理单元被配置为通过将图像重建算法应用于所述图像前兆信息(λi)来生成重建图像信息(λi+1)，其中，所述图像重建算法将所述正则化函数(R)应用于所述图像前兆信息(λi)，从而提供重建图像信息(λi+1)，其中所述图像前兆信息(λi)的噪声相关特征已经比所述图像前兆信息(λi)的边缘相关特征得到了更强的过滤。

【技术特征摘要】
【国外来华专利技术】2016.04.05 EP 16163873.91.一种用于迭代图像重建中的人工噪声抑制的设备(58)，其中，所述设备包括：-处理单元(60)；其中，所述处理单元被配置为：采集图像前兆信息(λi)，以(i)使用边缘模式探测器来生成所述图像前兆信息(λi)的边缘模式信息，以及(ii)生成噪声模式信息，并且所述处理单元被配置为基于所述边缘模式信息、所述噪声模式信息和所述图像前兆信息(λi)来生成边缘保留参数信息(γ)，其中，所述边缘保留参数信息(γ)基于连续概率量度，其中，所述处理单元(60)被配置为生成正则化函数(R)，使用所述边缘保留参数信息(γ)对所述正则化函数(R)进行局部调整，并且所述处理单元被配置为通过将图像重建算法应用于所述图像前兆信息(λi)来生成重建图像信息(λi+1)，其中，所述图像重建算法将所述正则化函数(R)应用于所述图像前兆信息(λi)，从而提供重建图像信息(λi+1)，其中所述图像前兆信息(λi)的噪声相关特征已经比所述图像前兆信息(λi)的边缘相关特征得到了更强的过滤。2.根据权利要求1所述的设备(58)，其中，所述边缘模式探测器被配置为将一个或多个边缘模型应用于所述图像前兆信息，其中，所述边缘模型包括参考边缘模型，所述参考边缘模型是能够用于统计地指示所述图像前兆信息中存在特征边缘的可能性的图像像素或体素的子集的原型空间分布模型。3.根据权利要求1或2所述的设备(58)，其中，所述处理单元(60)还被配置为：通过根据所述图像前兆信息(λi)计算符号二元模式信息(b符号)并且根据所述图像前兆信息(λi)计算差异二元模式信息(b差异)来生成所述边缘模式信息；其中，当与所述图像前兆信息(λi)比较时，所述符号二元模式信息(b符号)在每个邻域像素或体素的正差与负差之间进行区分，并且其中，所述差异二元模式信息(b差异)区分具有大于差异阈值的相对于所述邻域像素或体素中的中心像素或体素的强度差异的像素或体素。4.根据权利要求3所述的设备(58)，其中，所述处理单元(60)还被配置为：生成包括针对每个分类的像素或体素入射信息的多个分类，其中，所述多个分类中的每个分类基于所述边缘模式信息(b边缘)、所述差异二元模式信息(b差异)和所述符号二元模式信息(b符号)中的至少两个的匹配位的逻辑组合而被形成。5.根据权利要求4所述的设备(58)，其中，所述处理单元(60)还被配置为：基于所述多个分类的每个分类中的像素或体素的数量以及每个分类的概率生成边缘概率量度(p边缘)。6.根据权利要求4或5中的一项所述的设备(58)，其中，所述处理单元(60)还被配置为：使用所述边缘概率量度(p边缘)来计算所述边缘保留参数信息(γ)。7.根据权利要求1至6中的任一项所述的设备(58)，其中，所述处理单元(60)还被配置为：获得多个参考噪声模式作为所述噪声模式信息...

【专利技术属性】
技术研发人员：T·戴伊，A·格迪克，A·F·萨洛蒙，
申请(专利权)人：皇家飞利浦有限公司，
类型：发明
国别省市：荷兰,NL