使用深度学习来减少金属伪影制造技术

一种X射线成像设备(10、100)被配置为采集未经校正的X射线图像(30)。图像重建设备包括电子处理器(22)和非瞬态存储介质(24)，所述非瞬态存储介质存储指令，所述指令能由所述电子处理器读取并运行以执行图像校正方法(26)，所述图像校正方法包括：将神经网络(32)应用于所述未经校正的X射线图像以生成金属伪影图像(34)，其中，所述神经网络被训练为提取包括金属伪影的图像内容；并且通过从所述未经校正的X射线图像中减去所述金属伪影图像来生成经校正的X射线图像(40)。

【技术实现步骤摘要】
【国外来华专利技术】使用深度学习来减少金属伪影
以下内容总体上涉及X射线成像，X射线成像数据重建，计算机断层摄影(CT)成像，C型臂成像或其他断层摄影X射线成像技术，数字放射摄影(DR)以及医学X射线成像，采用X射线成像、正电子发射断层摄影(PET)/CT成像的图像引导治疗(iGT)等。
技术介绍
在许多临床场景中，在CT或其他X射线扫描视场(FOV)中都存在金属物体，例如，在脊柱手术后存在的椎弓根螺钉和棒，在全髋关节置换后存在的金属球和承窝，以及在头部手术后存在的螺钉和板/网格，经由C型臂等在心脏扫描期间存在的植入式心脏起搏器，在iGT中使用的介入器械(例如，含金属的导管)等。金属物体可能会引入严重的伪影，这些伪影在经重建的体积中常常表现为条纹、“晕染”和/或阴影。这样的伪影会导致显著的CT值移位和组织可见性损失(特别是在与金属物体邻近的区域中，这种区域在医学X射线成像中往往是感兴趣区域)。金属伪影的原因包括射束硬化、部分体积效应、光子饥饿以及数据采集中的散射辐射。金属伪影减少方法通常基于经由内插的周围投影样本，利用合成的投影来替换受到金属伪影影响的投影数据。在一些技术中，在第二遍中应用额外的校正。这样的方法通常要求分割金属分量并用合成的投影来替换金属投影，这可能会引入误差和丢失被金属遮挡的细节。此外，用于抑制金属伪影的技术还能够操作用于去除关于金属物体的有用信息。例如，在安装金属假体期间，可以使用X射线成像对假体的位置和取向进行可视化，并且不希望抑制关于假体的这种信息，以便提高解剖图像质量。以下内容公开了某些改进。<br>
技术实现思路
在本文公开的一些实施例中，一种非瞬态存储介质存储指令，所述指令能由电子处理器读取并运行以执行图像重建方法，所述图像重建方法包括：重建X射线投影数据以生成未经校正的X射线图像；将神经网络应用于所述未经校正的X射线图像以生成金属伪影图像；并且通过从所述未经校正的X射线图像中减去所述金属伪影图像来生成经校正的X射线图像。所述神经网络被训练为提取包括金属伪影的图像内容。在本文公开的一些实施例中，公开了一种成像设备。X射线成像设备被配置为采集未经校正的X射线图像。图像重建设备包括电子处理器和非瞬态存储介质，所述非瞬态存储介质存储指令，所述指令能由所述电子处理器读取并运行以执行图像校正方法，所述图像校正方法包括：将神经网络应用于所述未经校正的X射线图像以生成金属伪影图像，其中，所述神经网络被训练为提取包括金属伪影的残余图像内容；并且通过从所述未经校正的X射线图像中减去所述金属伪影图像来生成经校正的X射线图像。在本文公开的一些实施例中，公开了一种成像方法。使用X射线成像设备来采集未经校正的X射线图像；将经训练的神经网络应用于所述未经校正的X射线图像以生成金属伪影图像；并且通过从所述未经校正的X射线图像中减去所述金属伪影图像来生成经校正的X射线图像。所述训练、所述应用和所述生成是由电子处理器适当执行的。在一些实施例中，训练所述神经网络以变换多能量训练X射线图像pj，从而匹配相应的金属伪影图像aj，其中，j对所述训练X射线图像进行索引，并且pj＝mj+aj，其中，图像分量mj为单能量X射线图像。一个优点在于在X射线成像中提供了计算高效的金属伪影抑制。另一个优点在于在X射线成像中提供了金属伪影抑制，其在执行金属伪影抑制中有效地利用了在二维或三维X射线断层摄影图像中包含的信息。另一个优点在于在X射线成像中提供了金属伪影抑制，而无需对产生金属伪影的(一个或多个)金属物体进行先验分割。另一个优点在于在X射线成像中提供了在整幅图像上操作的金属伪影抑制，以便全面地考虑能够跨越图像的大部分或甚至整幅图像的金属伪影。另一个优点在于在X射线成像中提供了金属伪影抑制，同时保留了关于被抑制的金属伪影的信息而足以提供关于产生金属伪影的金属物体的信息(例如，金属物体的位置、空间范围、组成等)。另一个优点在于在X射线成像中提供了金属伪影抑制，其同时分割金属物体并产生对应的金属伪影图像。给定的实施例可以提供前述优点中的零个、一个、两个、更多个或所有优点，并且/或者可以提供其他优点，这对于阅读和理解了本公开内容的本领域普通技术人员来说将变得显而易见。附图说明本专利技术可以采取各种部件和各种部件的布置以及各个步骤和各个步骤的安排的形式。附图仅出于图示优选实施例的目的，并且不应被解释为限制本专利技术。图1示意性地图示了如本文所公开的包括金属伪影抑制的X射线成像设备，该X射线成像设备是在图像引导的治疗(iGT)系统的说明性C型臂成像器的背景下说明性地示出的。图2示意性地示出了在测试中使用的两个说明性体模。图3、图4和图5呈现了在本文描述的测试期间在图2的体模上生成的图像。图6图示了由图1的X射线成像设备适当执行的方法。图7图示了用于提供跨越X射线图像的区的接受区的神经网络的配置。具体实施方式参考图1，用于在图像引导的治疗(iGT)中使用的说明性X射线成像设备10具有C型臂配置并且包括X射线源(例如，X射线管)12，X射线源12被布置为投射X射线束通过检查区14，该X射线束由X射线探测器阵列16进行探测。在操作中，头顶上方的机架或其他机械臂系统18将X射线硬件12、16布置为将被设置在检查台20上的对象(未示出，例如，医学患者)放置在检查区14中以进行成像。在X射线成像数据采集期间，将X射线源12操作用于投射X射线束通过对象，使得X射线探测器阵列16探测到的X射线强度反映对象对X射线的吸收。机械臂18可以旋转C型臂或者以其他方式操纵X射线硬件12、16的位置，以获得断层摄影的X射线投影图像。计算机或其他电子数据处理设备22读取并运行被存储在非瞬态存储介质24上的指令(例如，计算机软件或固件)，以便执行包括本文所述的图像校正的图像重建方法26。该方法26包括对X射线投影数据执行重建28以生成未经校正的X射线图像30。将该未经校正的X射线图像30输入到神经网络32，如本文所公开的，神经网络32被训练为提取包括金属伪影的图像内容。因此，将神经网络32应用于未经校正的X射线图像30即可生成金属伪影图像34，金属伪影图像34包含未经校正的X射线图像30的金属伪影内容。在图像减影操作36中，从未经校正的X射线图像30中减去金属伪影图像34，以生成(一个或多个)金属伪影得到抑制的经校正的X射线图像40。在一个说明性应用中，X射线成像设备10用于图像引导的治疗(iGT)。在该说明性应用中，经校正的X射线图像30是有用的输出，因为它提供了对在图像引导下经受治疗的解剖结构的更加准确的重现。此外，将意识到，在iGT背景下，金属伪影图像34也可能是有用的。这在图1的方法26中通过操作42进行了示意图表示，操作42可以包括例如对所表示的金属物体进行定位、分割和/或分类。例如，引起在金属伪影图像34中捕获的金属伪影的金属物体可以是金属假体(例如，金属置换的髋关节或膝关节假体)，该金属假体的位置和取向将通过由X射线成像设备10提供的本文档来自技高网...

【技术保护点】
1.一种非瞬态存储介质(24)，其存储指令，所述指令能由电子处理器(22)读取并运行以执行图像重建方法(26)，所述图像重建方法包括：/n重建X射线投影数据以生成未经校正的X射线图像(30)；/n将神经网络(32)应用于所述未经校正的X射线图像以生成金属伪影图像(34)；并且/n通过从所述未经校正的X射线图像中减去所述金属伪影图像来生成经校正的X射线图像(40)；/n其中，所述神经网络被训练为提取包括金属伪影的图像内容。/n

【技术特征摘要】
【国外来华专利技术】20180126 US 62/622,1701.一种非瞬态存储介质(24)，其存储指令，所述指令能由电子处理器(22)读取并运行以执行图像重建方法(26)，所述图像重建方法包括：
重建X射线投影数据以生成未经校正的X射线图像(30)；
将神经网络(32)应用于所述未经校正的X射线图像以生成金属伪影图像(34)；并且
通过从所述未经校正的X射线图像中减去所述金属伪影图像来生成经校正的X射线图像(40)；
其中，所述神经网络被训练为提取包括金属伪影的图像内容。


2.根据权利要求1所述的非瞬态存储介质(24)，还存储指令，所述指令能由所述电子处理器(22)读取并运行以执行神经网络训练方法，从而训练所述神经网络(32)以变换多色训练X射线图像pj，其中，j对所述训练X射线图像进行索引以匹配相应的金属伪影图像aj，其中，pj＝mj+aj并且分量mj为无金属伪影的X射线图像。


3.根据权利要求1-3中的任一项所述的非瞬态存储介质(24)，其中，所述神经网络(32)具有有效地提供跨所述未经校正的X射线图像(30)的全局连通性的多个层和内核大小。


4.根据权利要求1-3中的任一项所述的非瞬态存储介质(24)，其中，所述图像重建方法(26)还包括在显示器(46)上显示所述经校正的X射线图像(40)。


5.根据权利要求4所述的非瞬态存储介质(24)，其中，所述图像重建方法(26)还包括在所述显示器(46)上显示所述金属伪影图像(34)或根据所述金属伪影图像导出的图像。


6.根据权利要求1-5中的任一项所述的非瞬态存储介质(24)，其中，所述图像重建方法(26)还包括将所述金属伪影图像(34)分类为金属类型。


7.根据权利要求1-6中的任一项所述的非瞬态存储介质(24)，其中，所述图像重建方法(26)还包括基于形状来识别通过所述金属伪影图像描绘的金属物体。


8.根据权利要求1-7中的任一项所述的非瞬态存储介质(24)，其中，所述神经网络(32)包括卷积神经网络(CNN)。


9.根据权利要求1-8中的任一项所述的非瞬态存储介质(24)，其中，所述图像重建方法(26)不包括除了以下操作之外的任何金属伪影校正：将所述神经网络(32)应用于所述未经校正的X射线图像(30)以生成所述金属伪影图像(34)，以及通过从所述未经校正的X射线图像中减去所述金属伪影图像来生成所述经校正的X射线图像(40)。


10.根据权利要求1-9中的任一项所述的非瞬态存储介质(24)，其中，所述未经校正的X射线图像(30)是三维的未经校正的X射线图像，并且所述神经网络(32)被应用于所述三维的未经校正的X射线图像以将所述金属伪影图像(34)生成为三维金属伪影图像。


11.一种成像设备，包括：
X射线成像设备(10、100)，其被配置为采集未经校正的X射线图像(30)；以及
图像重建设备，其包括电子处理器(22)和非瞬态存储介质(24)，所述非瞬态存储介质存储指令，所述指令能由所述电子处理器读取并运行以执行图像校正方法(26)，所述图像校正方法包括：
将神经网络(32)应用于所述未经校正的X射线图像以生成金属伪影图像(34)，其中，所述神经网络被训练为提取包括金属伪影的残余图像内容；并且
通过从所述未经校正的X射线图像中减去所述金属伪影图像来生成经校正的X射线图像(40)。


12.根据权利要求11所述的成像设备，其中，所述非瞬态存储介质(24)还存储指令，所述指令能由所述电子处理器(22)读取...

【专利技术属性】
技术研发人员：许世昱，党颢，
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