图像处理装置和图像处理方法制造方法及图纸

本发明专利技术的图像处理装置(3)具备：特征提取部(12)、重构部(13)、评价部(14)、控制部(15)。特征提取部(12)将输入图像z输入特征提取用NN(18)，并从特征提取用NN(18)输出中间图像。重构部(13)将中间图像输入第m重构用NN(19

【技术实现步骤摘要】
【国外来华专利技术】图像处理装置和图像处理方法


[0001]本公开涉及基于由放射线断层摄影装置收集到的列表数据来生成噪声去除处理后的断层图像的装置和方法。

技术介绍

[0002]作为能够取得被检体(生物体)的断层图像的放射线断层摄影装置，可列举PET(Positron Emission Tomography)装置和SPECT(Single Photon Emission Computed Tomography)装置。
[0003]PET装置具备：检测部，其具有在载置有被检体的测量空间的周围排列的多个小型的放射线检测器。PET装置通过检测部利用同时计数法来检测伴随投入了正电子发射同位素(RI射线源)的被检体内的电子
·
正电子的对湮灭而产生的能量511keV的光子对，并且收集该同时计数信息。并且，基于该收集到的多个同时计数信息，能够重构表示测量空间中的光子对的产生频度的空间分布(即，RI射线源的空间分布)的断层图像。
[0004]此时，将按时间序列排列由PET装置收集到的同时计数信息的列表数据按照收集顺序分割为多个帧，使用该列表数据中的各帧中包含的数据进行图像重构处理，从而能够得到由多个帧的断层图像构成的动态PET图像。该PET装置在核医学领域等中发挥重要的作用，能够使用该PET装置进行例如生物体功能、脑的高级功能的研究。
[0005]由于以这种方式重构的断层图像包含大量噪声，所以需要通过图像滤波器进行噪声去除处理。作为用于噪声去除的图像滤波器，可以列举高斯滤波器(Gaussian Filter)和导向滤波器(Guided Filter)。目前使用高斯滤波器。与此相对，导向滤波器是近年来开发的，与高斯滤波器相比，具有能够良好地保存图像中的深浅的边界的特征。
[0006]在专利文献1和非专利文献1、2中，记载有通过导向滤波器去除动态PET图像的噪声的技术。在专利文献1和非专利文献1中记载的技术中，在进行由导向滤波器的噪声去除处理时，将由多个帧的断层图像构成的动态PET图像进行累计而得到的图像用作导向图像。另外，非专利文献2中记载的技术通过使用更适当的导向图像，能够进行更有效的噪声去除。
[0007]在非专利文献3中，记载有通过使用作为深层神经网络(DNN：Deep Neural Network)的一种的卷积神经网络(CNN：Convolutional Neural Network)的Deep Image Prior技术(非专利文献4)来去除PET图像的噪声的技术。
[0008]现有技术文献
[0009]专利文献
[0010]专利文献1：中国专利申请公开第103955899号
[0011]非专利文献
[0012]非专利文献1：Lijun Lu et al.,"Dynamic PET Denoising Incorporating a Composite Image Guided Filter",IEEE Nuclear Science Symposium and Medical Imaging Conference(NSS/MIC),2014
[0013]非专利文献2：F.Hashimoto et al.,"Denoising of Dynamic Sinogram by Image Guided Filtering for Positron Emission Tomography",IEEE Transactions on Radiation and Plasma Medical Sciences,Vol.2No.6,pp.541
‑
548,2018
[0014]非专利文献3：Kuang Gong et al.,"PET Image Reconstruction Using Deep Image Prior",IEEE Transactions on Medical Imaging,2018
[0015]非专利文献4：Dmitry Ulyanov et al.,"Deep Image Prior",arXiv preprint arXiv:1711.10925,2017
[0016]非专利文献5：F.Hashimoto et al.,"Dynamic PET Image Denoising Using Deep Convolutional Neural Networks Without Prior Training Datasets",IEEE Access,Vol.7,pp.96594
‑
96603,2019

技术实现思路

[0017]专利技术所要解决的课题
[0018]通过专利文献1和非专利文献1～3中记载的技术的、对PET图像的噪声去除处理，与使用高斯滤波器的情况相比，噪声去除性能优异。但是，期望对PET图像和SPECT图像进一步提高噪声去除性能。
[0019]在非专利文献5中记载有能够满足提高噪声去除性能的要求的技术。但是，非专利文献5中记载的噪声去除技术在处理上需要长时间。
[0020]本专利技术的目的在于，提供一种能够基于由放射线断层摄影装置收集到的列表数据来生成进行了高性能地噪声去除的断层图像并且能够缩短噪声去除处理所需的时间的装置和方法。
[0021]用于解决课题的手段
[0022]本专利技术的实施方式是图像处理装置。图像处理装置是将由放射线断层摄影装置收集到的列表数据按照收集顺序分割为M个帧，针对1以上且M以下的各m，将基于第m帧中包含的列表数据进行重构处理而生成的第m断层图像的噪声去除的装置，该图像处理装置具备：(1)特征提取部，其将输入图像输入特征提取用神经网络，并从该特征提取用神经网络输出中间图像；(2)重构部，其针对1以上且M以下的各m，将中间图像输入第m重构用神经网络，并从该第m重构用神经网络输出第m输出图像；(3)评价部，其基于1以上且M以下的各m的第m断层图像与第m输出图像之间的差的总和来求取评价值；和(4)控制部，其使特征提取部、重构部和评价部的各处理、以及基于评价值的特征提取用神经网络和1以上且M以下的各m的第m重构用神经网络各自的学习重复进行，并从1以上且M以下的各m的第m重构用神经网络输出多个第m输出图像。
[0023]本专利技术的实施方式是放射线断层摄影系统。放射线断层摄影系统具备：放射线断层摄影装置，其收集用于重构被检体的断层图像的列表数据；和上述结构的图像处理装置，其基于由放射线断层摄影装置收集到的列表数据来生成噪声去除处理后的断层图像。
[0024]本专利技术的实施方式是图像处理方法。图像处理方法是将由放射线断层摄影装置收集到的列表数据按照收集顺序分割为M个帧，针对1以上且M以下的各m，将基于第m帧中包含的列表数据进行重构处理而生成的第m断层图像的噪声去除的方法，该图像处理方法具备：(1)特征提取步骤，将输入图像输入特征提取用神经网络，并从该特征提取用神经网络输出
中间图像；(2)重构步骤，针对1以上且M本文档来自技高网...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】1.一种图像处理装置，其中，是将由放射线断层摄影装置收集到的列表数据按照收集顺序分割为M个帧，针对1以上且M以下的各m，将基于第m帧中包含的列表数据进行重构处理而生成的第m断层图像的噪声去除的装置，所述图像处理装置具备：特征提取部，其将输入图像输入特征提取用神经网络，并从该特征提取用神经网络输出中间图像；重构部，其针对1以上且M以下的各m，将所述中间图像输入第m重构用神经网络，并从该第m重构用神经网络输出第m输出图像；评价部，其基于1以上且M以下的各m的所述第m断层图像与所述第m输出图像之间的差的总和来求取评价值；和控制部，其使所述特征提取部、所述重构部和所述评价部的各处理、以及基于所述评价值的所述特征提取用神经网络和1以上且M以下的各m的所述第m重构用神经网络各自的学习重复进行，并从1以上且M以下的各m的所述第m重构用神经网络输出多个所述第m输出图像。2.根据权利要求1所述的图像处理装置，其中，所述特征提取部，将表示被检体的形态信息的图像作为所述输入图像，输入所述特征提取用神经网络。3.根据权利要求1所述的图像处理装置，其中，所述特征提取部，将使用相比于针对1以上且M以下的各m生成所述第m断层图像时使用的列表数据更多的列表数据来进行重构处理而生成的断层图像作为所述输入图像，输入所述特征提取用神经网络。4.根据权利要求1所述的图像处理装置，其中，所述特征提取部，将被检体的MRI图像作为所述输入图像，输入所述特征提取用神经网络。5.根据权利要求1所述的图像处理装置，其中，所述特征提取部，将被检体的CT图像作为所述输入图像，输入所述特征提取用神经网络。6.根据权利要求1～5中任一项所述的图像处理装置，其中，还具备：图像选择部，其针对1以上且M以下的各m，从得到的多个所述第m输出图像中选择任意的第m输出图像作为噪声去除处理后的断层图像。7.根据权利要求6所述的图像处理装置，其中，所述图像选择部，针对1以上且M以下的各m，基于所述第m输出图像与所述输入图像的比较，从多个所述第m输出图像中选择任意的第m输出图像。8.一种放射线断层摄影系统，其中，具备：放射线断层摄影装置，其收集用于重构被检体的断层图像的列表数据；和权利要求1～7中任一项所述的图像处理装置，其基于由所述...

【专利技术属性】
技术研发人员：桥本二三生，
申请(专利权)人：浜松光子学株式会社，
类型：发明
国别省市：