用于处理利用多能量计算机断层摄影成像获取的数据的系统和方法技术方案

本发明专利技术题为“用于处理利用多能量计算机断层摄影成像获取的数据的系统和方法。”本发明专利技术提供了一种用于图像处理的计算机实现的方法。该方法包括获取多个多能谱扫描数据集并且通过该多能谱扫描数据集计算表示多种基础材料的基础材料图像，其中多个基础材料图像包括相关噪声。该方法也包括利用基于深度学习的去噪网络在至少光谱域中对多个基础材料图像进行联合去噪，以生成多个去除噪声的基础材料图像。

【技术实现步骤摘要】
用于处理利用多能量计算机断层摄影成像获取的数据的系统和方法
技术介绍
本文所公开的主题涉及数字X射线系统，并且更具体地涉及用于处理利用多能量计算机断层摄影成像获取的数据(例如，投影或图像数据)的技术。非侵入式成像技术允许非侵入地获得受检者(患者、制造商品、行李、包裹或乘客)的内部结构或特征的图像。具体地，此类非侵入式成像技术依赖于各种物理原理(诸如X射线通过目标体积的差分传输或声波的反射)，以获取数据和构建图像或以其他方式表示受检者的内部特征。例如，在基于X射线的成像技术中，用X射线辐射对关注受检者(诸如人类患者)进行辐照，并且所衰减的辐射度将对收集衰减强度数据的检测器产生影响。在数字X射线系统中，检测器产生表示影响检测器表面的离散像素区域的辐射的量或强度的信号。然后可以处理信号以生成可显示以供查看的图像。在一种此类基于X射线的技术(称为计算机断层摄影(CT))，扫描仪可以从多个视角位置对被成像的对象(诸如患者)投射来自X射线源的扇形或锥形X射线束。X射线束在其穿过对象时衰减并且由一组检测器元件进行检测，该组检测器元件产生表示检测器上的衰减X射线辐射强度的信号。处理信号以产生表示对象的线性衰减系数沿X射线路径的线积分的数据。这些信号通常称为“投影数据”或仅称为“投影”。通过使用诸如滤波反投影的重建技术，可以生成表示患者或被成像对象的感兴趣区域的体积或体积绘制的图像。在医学背景中，然后可以从重建的图像或绘制的体积中定位或识别感兴趣的病理结构或其他结构。多能量CT成像(例如，光谱CT成像)涉及在两个或更多个不同X射线能谱下获取CT数据集，并且对那些数据集执行多材料分解以获得表示多种材料(水、碘、钙等)的一个或多个材料图像(例如，材料分解图像或基础材料图像)。材料图像降噪和失真校正的主要挑战在于这些图像之间的统计相关性。尽管所获取的CT数据集中的噪声可能与统计无关，但多材料分解过程在所得材料图像中产生了(反)相关噪声，该噪声可能覆盖另外的非相关噪声分量。(反)相关噪声分量在空间上和光谱上均可为非静止的，因此在去噪之前，难以设计用于噪声去相关的合适白化算子。由于噪声的非静止性质，即使是精心设计的分析图像去噪算法也可能次优地执行(例如，过度校正或校正不足)，这通常在去噪过程中导致不期望的纹理失真(例如，材料混合、可能被误当做物理/医学缺陷的材料不准确性等)。
技术实现思路
下文概述了与最初要求保护的主题范围相称的某些实施方案。这些实施方案并非旨在限制要求保护的主题的范围，而是这些实施方案仅旨在提供该主题的可能形式的简要概述。实际上，该主题可包括多种形式，这些形式可类似于或不同于下文所述的实施方案。根据一个实施方案，提供了一种用于图像处理的计算机实现的方法。该方法包括获取多能谱扫描数据集并且通过该多能谱扫描数据集计算表示多种基础材料的多个基础材料图像，其中多个基础材料图像包括相关噪声。该方法也包括利用基于深度学习的去噪网络在至少光谱域中对多个基础材料图像进行联合去噪，以生成多个去除噪声的基础材料图像。根据另一个实施方案，提供了一种或多种非暂态计算机可读介质。该计算机可读介质对一个或多个处理器可执行例程进行编码。该一个或多个例程在被处理器执行时致使执行多种操作，包括：获取多能谱扫描数据集并且通过该多能谱扫描数据集计算表示多种基础材料的多个基础材料图像，其中多个基础材料图像包括相关噪声；转换多个基础材料图像以生成任意基础图像；利用基于深度学习的去噪网络在光谱域和三维(3D)空间域中对任意基础图像进行联合去噪，以生成去除噪声的任意基础图像；以及对去除噪声的任意基础图像进行逆转换，以生成多个去除噪声的基础材料图像。在另一个实施方案中，提供了一种基于处理器的系统。该基于处理器的系统包括对一个或多个处理器可执行例程进行编码的存储器结构。这些例程在被执行时致使执行多种操作，包括：获取多能谱扫描数据集并且通过该多能谱扫描数据集计算表示多种基础材料的多个基础材料图像，其中多个基础材料图像包括相关噪声；转换多个基础材料图像以生成任意基础图像；利用基于深度学习的去噪网络在光谱域和三维(3D)空间域中对任意基础图像进行联合去噪，以生成去除噪声的任意基础图像；以及对去除噪声的任意基础图像进行逆转换，以生成多个去除噪声的基础材料图像。该基于处理器的系统也包括被配置为访问并执行由存储器结构编码的一个或多个例程的处理部件。附图说明参考附图阅读以下详细描述时，将更好地理解本专利技术所公开的主题的这些和其它特征、方面和优点，附图中相同的符号在整个附图中表示相同的部分，其中：图1为根据本公开的方面被配置为获取患者的CT图像并且处理图像的计算机断层摄影(CT)系统的实施方案的示意图；图2A至图2D示出了应用所公开的去噪技术或方法的不同场景；图3为根据本公开的多个方面的用于处理图像数据的方法的实施方案的流程图；图4为根据本公开的多个方面的用于处理输入(例如矢量输入)的深度学习去噪网络的示意图；图5为根据本公开的多个方面的用于处理输入(例如矢量输入)的多个深度学习去噪网络的示意图；图6为根据本公开的多个方面的用于处理输出(例如矢量输出)的深度学习去噪网络的示意图；图7为根据本公开的多个方面的用于处理输出(例如矢量输出)的多个深度学习去噪网络的示意图；图8为根据本公开的多个方面示出将三维(3D)深度学习去噪网络用于3D空间去噪的示意图；图9为根据本公开的多个方面示出将多个(例如并行布置的)二维(2D)深度学习网络用于3D空间去噪的示意图；图10为示出将不同表决策略与图8中的多个2D深度学习网络一起使用的示意图；图11为根据本公开的多个方面示出将多个(例如顺序布置的)2D深度学习网络用于3D空间去噪的示意图；图12为根据本公开的多个方面示出将多个(例如混合顺序-并行布置的)2D深度学习网络用于3D空间去噪的示意图；图13为根据本公开的多个方面示出将训练损失和验证损失作为训练周期的函数的图形表示；图14示出了根据本公开的多个方面的一对水图像(例如，噪声水图像与去除噪声的水图像)；以及图15示出了根据本公开的多个方面的一对碘图像(例如，噪声碘图像与去除噪声的碘图像)。具体实施方式在下面将描述一个或多个具体的实施方案。为了提供这些实施方案的简明描述，可能未在说明书中描述实际具体实施的所有特征。应当理解，在任何此类实际具体实施的开发中，如在任何工程或设计项目中，必须做出许多特定于具体实施的决策以实现开发者的具体目标，诸如遵守可能因具体实施而不同的系统相关和业务相关约束。此外，应当理解，此类开发努力可能是复杂且耗时的，但对于受益于本公开的普通技术人员来说仍然是设计、制作和制造的常规任务。介绍本专利技术主题的各种实施方案的要素时，冠词“一个”、“一种”、“该”和“所述”旨在表示存在一个或多个(种)所述要素。术语“包含”、“包括”和“具有”旨在是包含性的，并且意指除了列出的元件之外还可存在附加元件。此外，以下讨本文档来自技高网...

【技术保护点】
1.一种用于图像处理的计算机实现的方法，包括：/n获取多个多能谱扫描数据集；/n通过所述多能谱扫描数据集计算表示多种基础材料的基础材料图像，其中所述多个基础材料图像包括相关噪声；以及/n利用基于深度学习的去噪网络在至少光谱域中对所述多个基础材料图像进行联合去噪，以生成多个去除噪声的基础材料图像。/n

【技术特征摘要】
20190709 US 16/505,8701.一种用于图像处理的计算机实现的方法，包括：
获取多个多能谱扫描数据集；
通过所述多能谱扫描数据集计算表示多种基础材料的基础材料图像，其中所述多个基础材料图像包括相关噪声；以及
利用基于深度学习的去噪网络在至少光谱域中对所述多个基础材料图像进行联合去噪，以生成多个去除噪声的基础材料图像。


2.根据权利要求1所述的计算机实现的方法，其中所述基础材料图像是通过至少一个材料分解步骤获得的投影域图像。


3.根据权利要求1所述的计算机实现的方法，其中所述基础材料图像处于重建域中并且通过至少重建步骤和材料分解步骤两者获得。


4.根据权利要求1所述的计算机实现的方法，其中对所述多个基础材料图像进行联合去噪包括利用所述基于深度学习的去噪网络在所述光谱域和三维(3D)空间域两者中对所述多个基础材料图像进行联合去噪，以生成所述多个去除噪声的基础材料图像。


5.根据权利要求4所述的计算机实现的方法，其中所述基于深度学习的去噪网络包括基于3D深度学习的去噪网络(98)，所述基于3D深度学习的去噪网络被配置为在所述3D空间域中对所述多个基础材料图像进行联合去噪。


6.根据权利要求4所述的计算机实现的方法，其中所述基于深度学习的去噪网络包括多个基于二维(2D)深度学习的去噪网络(102)，所述基于2D深度学习的去噪网络一起被配置为在所述3D空间域中对所述多个基础材料图像进行联合去噪。


7.根据权利要求6所述的计算机实现的方法，其中所述多个基于2D深度学习的去噪网络(102)中的至少一些基于2D深度学习的去噪网络(102)被配置为沿着不同的空间平面运行。


8.根据权利要求7所述的计算机实现的方法，其中所述不同的空间平面包括不同的正交平面。


9.根据权利要求8所述的计算机实现...

【专利技术属性】
技术研发人员：萨斯什·拉马尼，付林，布鲁诺·克里斯蒂安·伯纳德·德梅恩，
申请(专利权)人：通用电气精准医疗有限责任公司，
类型：发明
国别省市：美国;US