本发明涉及断层成像、特别是光谱x射线计算机断层成像领域。
背景技术：
1、在获取移动解剖对象的图像数据时，运动可能会引入伪影。具体而言，如果特征所属的成像对象在获取ct投影数据期间移动，则感兴趣的特征可能会变得模糊或扭曲。
2、众所周知，在一种程序(其中，在图像数据集的帧之间检测到感兴趣的结构特征的运动)中，对获取的ct数据应用运动补偿，然后将补偿应用于图像数据以补偿运动。运动补偿程序涉及确定表示感兴趣的结构特征的运动的图像数据的运动矢量场。
3、举例来说，运动补偿ct重建是一种用于螺旋扫描和步进扫描的已知技术。它基于在不同时间点重建多个图像、对象检测和弹性配准以确定运动矢量场，以及随后的运动补偿重建。举例来说，这种程序在心脏ct成像领域(其中，心脏会发生周期性运动)具有有利的应用。可以获取跨越心动周期的至少一部分的图像数据集，并且可以应用上述程序来补偿心脏至少一条血管的运动。尽管人们可能希望在心动周期期间捕获多个不同点的图像，但在获取投影数据时的运动会导致不期望的失真，并且不提供临床价值。
4、ct成像的一个子类是光谱ct成像。这涉及获取多个不同能级的ct投影数据，并使用该数据得出有关成像结构的附加信息，例如基于不同材料的已知的不同光谱吸收特性。例如，由于不同组织对x射线衰减的能量依赖性不同，因此可以使用此类成像来获得图像中的更高级的材料区分。在光谱ct成像中，可以生成多个不同的成像数据集，每个成像数据集对应于光谱成像的不同成分，例如康普顿散射和光电图像，或对应于x射线光谱的不同能级或能带的图像，或对应于不同材料的图像。可以通过分解算法将多能量投影数据分解为不同的可能基础成分投影数据集(有时称为基础线积分)，其中不同的基础成分对应于身体对x射线衰减的不同贡献因素。
5、us2019/282184 a1中描述了光谱ct成像领域中已知的运动补偿程序。
技术实现思路
1、本发明涉及一种利用作为光谱ct图像重建的输出提供的多个成像数据子集来促进提高运动补偿的准确性或保真度的推荐方法。
2、与常规ct相比，运动补偿可以以改进的方式应用于光谱ct成像。具体而言，在光谱ct中，可以从光谱投影数据重建多个光谱图像。具有不同材料和结构特性的不同结构特征将在各种光谱图像中以不同的对比度程度可见。因此，发明人已经意识到，光谱ct允许为给定的感兴趣的结构特征选择最佳光谱或材料图像数据集，以对该特征进行运动跟踪的可能性，或者从多个光谱或材料图像数据集合成数据，以便为给定的感兴趣的特征构建具有最佳可靠性的运动数据的可能性。
3、本发明由权利要求书限定。
4、按照根据本发明的一个方面的示例，提供了一种用于在计算机断层(ct)成像中进行运动补偿的计算机实现方法。
5、该方法包括接收跨越成像时间段的光谱ct成像数据，所述光谱ct成像数据包括多个成像数据子集，每个成像数据子集对应于光谱ct成像的不同光谱或材料成分或通道，并且每个成像数据子集包括跨越成像时间段的一系列图像帧。
6、对于每个成像数据子集，该方法包括：处理子集的图像数据以识别至少一个感兴趣的结构特征，并确定至少一个感兴趣的结构特征的至少一个运动矢量场，该运动矢量场表示至少一个特征在该时间段内(相对于图像视场)的运动。可选地，可以为每个图像帧(或其中的至少一个子集)生成相应的运动矢量场，该运动矢量场表示该特征相对于时间上在前的图像帧的运动。这些特定于帧的运动矢量场的完整集合可以形成具有时间以及空间维度的整体运动矢量场。
7、该方法还包括基于多个成像数据子集的运动矢量场确定单个最终运动矢量场。
8、该方法还包括基于最终运动矢量场对光谱或材料ct成像数据子集中的至少一个应用运动补偿，以生成至少一个经运动补偿的成像数据子集。经运动补偿的成像数据子集可以包括原始成像数据子集的全部图像帧或仅包括原始成像数据子集的图像帧子集，并且其中每个帧都是经运动补偿的帧。
9、该方法还包括生成表示至少一个经运动补偿的成像数据子集的数据输出。
10、所提出方法的一般方式是为光谱成像数据子集中的每一个(对应于ct成像数据的每个光谱或材料成分)生成一个或多个运动矢量场，然后使用这种多重运动信息来得到一个或多个具有改进可靠性的最终运动矢量场。对于不同类型的组织和不同的解剖结构或特征，不同的光谱或材料图像集将以不同的对比度描绘相关特征，因此可以更清晰或更不清晰地显示该特征。因此，可以预期相关结构特征的运动矢量场具有取决于特征在底层图像数据中表示的清晰度的质量和可靠性。因此，所提出的方法利用光谱ct成像中可用的多个成像数据集来选择或配置运动矢量场，以期得到具有改进可靠性的运动矢量场。
11、每个数据子集对应于成像数据的特定光谱或材料成分或通道。进一步解释，光谱ct扫描包括获取多个能级的投影数据读数，然后通过分解和重建算法处理该数据以得出多个重建图像，这些重建图像可以对应于成像体对x射线衰减的不同贡献成分。例如，重建图像可以对应于成像体的不同材料成分、不同的虚拟单色图像、光电和康普顿散射图像等。例如，双能扫描仪通过双层检测器测量高能通道和低能通道，并借助于材料分解将获取的投影数据重新计算为基础成分(有时称为基础线积分)，例如光和散射投影，重建后这些图像可以被转换为各种图像，诸如：单e图像、zeff、碘、ca抑制等等。
12、每个成像数据子集可以至少包括光谱或材料成分或通道中的每一个的每帧的重建图像数据，例如光电图像和散射图像，或不同x射线能级的图像。可选地，每个成像数据子集可以附加地包括对应于光谱或材料成分中的每一个的每帧的投影数据。
13、从多个初始运动矢量场生成相应的最终运动矢量场可以以不同的方式完成。
14、一种方式是，基于对多个运动矢量场应用的分析，例如，该分析对每个运动矢量场执行质量或可靠性评估，来简单地选择多个初始运动矢量场中的“最佳运动矢量场”。另一种方式是构建由多个运动矢量场中挑选的一些运动矢量场的加权组合形成的复合运动矢量场。该选项也可以基于对每个运动矢量场执行的质量评估。
15、因此，在实施例的至少一个子集中，确定最终运动矢量场的步骤包括对从成像数据子集得出的运动矢量场中的每一个应用质量评估。
16、质量评估有不同的选项。一种通用方式是评估每个运动矢量场与运动矢量场中的另一个，或与给定感兴趣的结构特征的预定预期运动矢量场的一致性。第二种通用方式是计算一个或多个内部质量因子，例如与噪声、时间平滑度、异常值检测、非生理运动矢量检测等有关的内部质量因子。可以使用这两种方式的组合。
17、对此进一步扩展，在一些实施例中，对给定运动矢量场进行质量评估可以包括将运动矢量场与参考运动矢量场进行比较，其中参考运动矢量场可以是从不同的成像数据子集得出的运动矢量场中的另一个，或者可以是根据从成像数据子集得出的多个运动矢量场计算的平均运动矢量场，或者可以是另一个预定的参考运动矢量场。给定运动矢量场的质量评估的输出可以取决于与参考运动矢量场的一致性程度。
18、在参考运动矢量场是另一个预定的运动矢量场的情况下，该参考运动矢量场可以是感兴趣的结构特征的预定预期或典型运动矢量场。由质量评估确定的给定运动矢量场的质量可以取决于与参考运动矢量场的一致性程度。
19、如上所述，将运动矢量场与外部参考进行比较的替代方法是将运动矢量场相互比较。为此，可以计算平均或基线场，并且质量评估可以确定与该平均场的一致性。换句话说，计算给定运动矢量场与平均值的偏差或方差的指标。较高的质量可以取决于与平均值的偏差较小。
20、如上所述，应用于运动矢量场的质量评估可以附加地或替代地包括使用一个或多个预定质量分析算法来计算一个或多个(内部)质量因子，例如局部噪声、空间或时间平滑度或异常值检测。
21、在一些示例中，通过将预先训练的人工神经网络应用于运动矢量场来执行给定运动矢量场的质量评估，该人工神经网络被训练为接收运动矢量场作为输入，并生成一个或多个质量因子作为输出。
22、如上所述，得出最终运动矢量场可以通过至少两种主要方式完成：选择运动矢量场中的一个，或者基于多个运动矢量场的组合构建复合运动矢量场。
23、因此，在一些实施例中，确定最终运动矢量场包括基于对多个运动矢量场应用的质量评估，选择从成像数据子集中确定的多个运动矢量场中的一个。
24、可选地，该选择包括基于与参考运动矢量场的比较来选择成像数据子集中的一个。可选地，该选择包括选择对应的运动矢量场与参考运动矢量场最一致的成像数据子集。可选地，该选择可以基于每个运动矢量场的质量因子。
25、在一些实施例中，最终运动矢量场是构建的运动矢量场，该运动矢量场基于从多个成像数据子集得出的多个运动矢量场的组合生成。
26、最终运动矢量场可以例如被生成为从多个ct成像数据子集得出的运动矢量场的加权总和。
27、与上述至少任一个实施例一致，接收的ct成像数据可以是受试者的心脏的至少一部分的图像数据，并且其中，感兴趣的结构特征是心脏所包含的血管。
28、在一些实施例中，对于每个成像数据子集的每个图像帧，接收的光谱ct成像数据包括与该图像帧相关联的ct投影数据、以及与该图像帧相关联的重建图像，并且其中，识别至少一个感兴趣的结构特征和确定至少一个运动矢量场的步骤被应用于至少一个图像帧的重建图像数据，并且执行运动补偿的步骤包括将重建算法应用于至少一个图像帧的投影数据，其中，重建算法的一个或多个参数依据得出的运动矢量场进行配置。
29、本发明的另一个方面是一种计算机程序产品，该计算机程序产品包括计算机程序代码，该计算机程序代码被配置为当由处理器执行时，使得处理器执行根据本公开中描述的任何实施例或根据本技术的任何权利要求所述的方法。
30、本发明的另一方面是一种处理装置，该处理装置包括输入/输出和一个或多个处理器。所述一个或多个处理器适于执行以下步骤：
31、在输入/输出处接收跨越成像时间段的光谱ct成像数据，所述光谱ct成像数据包括多个成像数据子集，每个成像数据子集对应于光谱ct成像的不同光谱或材料成分，并且每个成像数据子集包括跨越成像时间段的一系列图像帧；
32、对于每个成像数据子集：
33、处理成像数据以识别至少一个感兴趣的结构特征，并且
34、确定至少一个感兴趣的结构特征的至少一个运动矢量场，该运动矢量场表示至少一个特征在成像时间段的至少一部分内的运动；
35、基于多个成像数据子集的运动矢量场确定至少一个最终运动矢量场；
36、基于至少一个最终运动矢量场对光谱ct成像数据子集中的至少一个应用运动补偿，以生成至少一个经运动补偿的成像数据子集；以及在输入/输出处生成表示至少一个经运动补偿的成像数据子集的数据输出。
37、本发明的另一个方面是一种系统，该系统包括：用于获取光谱ct成像数据的ct成像设备；以及如上所述、或根据本公开中描述的任何实施例、或根据本技术的任何权利要求所述的处理装置，并且其中，处理装置的输入/输出与ct成像设备通信耦合并被布置为接收由此获取的光谱ct成像数据。
38、本发明的这些和其他方面将从下文描述的实施例中显而易见并被参照下文描述的实施例得到阐明。
1.一种用于在计算机断层(ct)成像中进行运动补偿的计算机实现方法，所述方法包括：
2.根据权利要求1所述的方法，其中，确定所述最终运动矢量场包括对从所述成像数据子集得出的运动矢量场中的每一个应用质量评估。
3.根据权利要求2所述的方法，其中，
4.根据权利要求3所述的方法，其中，所述参考运动矢量场是另一个预先确定的运动矢量场，并且其中，由质量评估确定的给定运动矢量场的质量取决于与所述参考运动矢量场的一致性程度。
5.根据权利要求2-4中任一项所述的方法，其中，应用于所述运动矢量场的质量评估包括使用一个或多个预先确定的质量分析算法来计算一个或多个质量因子，例如局部噪声、空间或时间平滑度、或异常值检测。
6.根据权利要求5所述的方法，其中，通过将预先训练的人工神经网络应用于所述运动矢量场来执行给定运动矢量场的质量评估，所述人工神经网络被训练为接收运动矢量场作为输入，并生成一个或多个质量因子作为输出。
7.根据权利要求2-6中任一项所述的方法，其中，确定所述最终运动矢量场包括基于应用于多个运动矢量场的质量评估来选择从成像数据子集确定的多个运动矢量场中的一个。
8.根据权利要求1-6中任一项所述的方法，其中，所述最终运动矢量场是构建的运动矢量场，所述构建的运动矢量场是基于从多个成像数据子集得出的多个运动矢量场的组合而生成的。
9.根据权利要求8所述的方法，其中，所述最终运动矢量场被生成为多个ct成像数据子集的运动矢量场的加权总和。
10.根据权利要求9与权利要求2结合所述的方法，其中，所述加权总和中每个相应运动矢量场的权重是依据相应运动矢量场的质量评估的结果确定的。
11.根据权利要求1-10中任一项所述的方法，其中，接收的ct成像数据是受试者的心脏的至少一部分的成像数据，并且其中感兴趣的结构特征是心脏所包含的血管。
12.根据权利要求1-11中任一项所述的方法，其中，对于每个成像数据子集的每个图像帧，接收的光谱ct成像数据包括与所述图像帧相关联的ct投影数据、以及与所述图像帧相关联的重建图像，并且其中，识别至少一个感兴趣的结构特征和确定至少一个运动矢量场的步骤被应用于至少一个图像帧的重建图像数据，并且执行运动补偿的步骤包括将重建算法应用于至少一个图像帧的投影数据，其中，重建算法的一个或多个参数依据得出的运动矢量场进行配置。
13.一种计算机程序产品，所述计算机程序产品包括计算机程序代码，所述计算机程序代码被配置为当由处理器执行时，使得所述处理器执行根据权利要求1-12中任一项所述的方法。
14.一种处理装置(30)，其包括：
15.一种系统(50)，其包括：
