一种图像重建系统和方法技术方案

本说明书实施例提供一种图像重建系统和方法，该方法和系统可以获取待处理的初始图像。该方法和系统还可以通过对初始图像执行多个迭代步骤，以生成重建图像。多个迭代步骤中的至少一个步骤包括第一优化操作和第二优化操作。第一优化操作可以包括在迭代步骤中接收待处理图像，并通过初步优化待处理图像，以确定更新图像。第二优化操作可以包括使用优化模型，基于更新图像确定优化图像，并指定优化图像为下一个迭代步骤中的下一个待处理图像，或指定优化图像为重建图像。指定优化图像为重建图像。指定优化图像为重建图像。

【技术实现步骤摘要】
【国外来华专利技术】一种图像重建系统和方法
交叉引用
[0001]本申请要求2020年5月18日递交的国际申请PCT/CN2020/090861的优先权，其所有内容通过引用的方式包含于此。


[0002]本说明书涉及图像重建
，特别涉及一种图像迭代重建的系统和方法。

技术介绍

[0003]医学成像(例如，计算机断层扫描(CT))广泛应用于各种医疗情况的(例如，肿瘤、冠心病或脑部疾病)疾病诊断和/或治疗。图像重建是医学成像影像领域的一项关键技术。以CT图像为例，通常可基于传统的滤波反投影(FBP)或基于FBP的迭代来重建CT图像。然而，在CT图像重建过程中，剂量减少或数据不足可能会显著影响重建CT图像的质量。另外，CT图像可通过优化包括正则化项(例如，总变分、广义高斯马尔可夫随机场(GGMRF))的损失函数来迭代重建CT图像。根据迭代重建过程，尽管重建的CT图像可抑制噪声，但正则化项可能导致相对较低的图像质量(例如，大量伪影、扭曲)。因此，希望提供用于图像重建的系统和方法，以提高图像质量，从而提高医学分析和/或诊断的效率和准确性。

技术实现思路

[0004]本说明书实施例之一提供一种图像重建的方法。所述方法在计算设备上实现，所述计算机设备包括至少一个处理器和计算机可读存储设备，所述方法包括获取待处理的初始图像。所述方法还可包括通过对初始图像执行多个迭代步骤，以生成重建图像。多个迭代步骤中的至少一个步骤包括第一优化操作和第二优化操作。第一优化操作可包括在在迭代步骤中接收待处理图像并通过初步优化待处理图像，以确定更新图像。第二优化操作可包括使用优化模型，基于更新图像，以确定优化图像，并指定优化图像为下一个迭代步骤中的下一个待处理图像，或指定优化图像为重建图像。
[0005]本说明书实施例之一提供一种图像重建的系统，所述系统包括至少一个存储设备包括指令和至少一个处理器，至少一个处理器配置为与至少一个存储设备通信。当执行指令时，至少一个处理器配置为指导系统执行下述操作。所述操作包括获取待处理的初始图像和通过对初始图像执行多个迭代步骤，以生成重建图像。多个迭代步骤中的至少一个步骤包括第一优化操作和第二优化操作。第一优化操作可包括在在迭代步骤中接收待处理图像并通过初步优化待处理图像，以确定更新图像。第二优化操作可包括使用优化模型，基于更新图像，以确定优化图像，并指定优化图像为下一个迭代步骤中的下一个待处理图像，或指定优化图像为重建图像。
[0006]说明书实施例之一提供一种图像重建的系统。所述系统包括获取模块和重建模块。获取模块用于获取待处理的初始图像。重建模块用于通过对初始图像执行多个迭代步骤，以生成重建图像。多个迭代步骤中的至少一个步骤包括第一优化操作和第二优化操作。
第一优化操作可包括在在迭代步骤中接收待处理图像并通过初步优化待处理图像，以确定更新图像。第二优化操作可包括使用优化模型，基于更新图像，以确定优化图像，并指定优化图像为下一个迭代步骤中的下一个待处理图像，或指定优化图像为重建图像。
[0007]本说明书实施例之一提供一种非暂时性计算机可读存储介质。所述非暂时性计算机可读介质可包括可执行指令，当由至少一个处理器执行时，指导至少一个处理器执行方法。所述方法包括获取待处理的初始图像。所述方法还可包括通过对初始图像执行多个迭代步骤，以生成重建图像。多个迭代步骤中的至少一个步骤包括第一优化操作和第二优化操作。第一优化操作可包括在在迭代步骤中接收待处理图像并通过初步优化待处理图像，以确定更新图像。第二优化操作可包括使用优化模型，基于更新图像，以确定优化图像，并指定优化图像为下一个迭代步骤中的下一个待处理图像，或指定优化图像为重建图像。
[0008]本申请的一部分附加特性可在下面的描述中进行说明。通过对以下描述和相应附图的研究或者对实施例的生产或操作的了解，本申请的一部分附加特性对于本领域技术人员是明显的。本申请的特征可通过对以下描述的具体实施例的各种方面的方法、手段和组合的实践或使用得以实现和达到。
附图说明
[0009]本说明书将以示例性实施例的方式进一步说明，这些示例性实施例将通过附图进行详细描述，附图并未按照比例绘制。这些实施例并非限制性的，在这些实施例中，相同的编号表示相同的结构，其中：
[0010]图1是根据本说明书一些实施例所示的医疗系统的示意图；
[0011]图2是根据本说明书一些实施例所示的计算设备的示例性硬件和/或软件组件的示例性示意图；
[0012]图3是根据本说明书一些实施例所示的移动设备的示范性硬件和/或软件组件的示例性示意图；
[0013]图4是根据本说明书一些实施例所示的处理设备的示例性框图；
[0014]图5是根据本说明书一些实施例所示的图像重建的示例性流程图；
[0015]图6是根据本说明书一些实施例所示的迭代步骤的示例性流程图；
[0016]图7是根据本说明书一些实施例所示的图像重建的示例性流程图；
[0017]图8是根据本说明书一些实施例所示的确定适用于特定迭代步骤的优化模型的示例性流程图；
[0018]图9是根据本说明书一些实施例所示的图像重建的示例性流程图；
[0019]图10是根据本说明书一些实施例所示的图像重建模型的示例性示意图；
[0020]图11是根据本说明书一些实施例所示的扫描设备的示例性示意图；
[0021]图12A和12B是根据本说明书一些实施例所示的初始图像和与初始图像相对应的更新图像的示例性示意图；
[0022]图13是根据本说明书一些实施例所示的确定参考干扰成分的示例性示意图；
[0023]图14是根据本说明书一些实施例所示的确定与锥角相对应的心脏图像切片的示例性流程图；
[0024]图15是根据本说明书一些实施例所示的探测器的多个探测器行的位置的示例性
示意图；
[0025]图16是根据本说明书一些实施例所示的特定锥角下对应于不同采集角度的权重参数的示例性示意图；以及
[0026]图17是根据本说明书一些实施例所示的重建图像的示例性示意图。
具体实施方式
[0027]为了更清楚地说明本申请的实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单的介绍。然而，本领域技术人员应该明白，可以在没有这些细节的情况下实施本申请。在其它情况下，为了避免不必要地使本申请的各方面变得晦涩难懂，已经在较高的层次上描述了众所周知的方法、过程、系统、组件和/或电路。对于本领域的普通技术人员来讲，显然可以对所公开的实施例作出各种改变，并且在不偏离本申请的原则和范围的情况下，本申请中所定义的普遍原则可以适用于其他实施例和应用场景。因此，本申请不限于所示的实施例，而是符合与申请专利范围一致的最广泛范围。
[0028]本说明书中所使用的术语仅用于描述特定的示例性实施例的目的，并不限制本说明书的范围。如本说明书使用的单数形式“一”、“一个”及“该”可以同样包括复数形式，除非上下文明确提示本文档来自技高网...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】1.一种用于图像重建的方法，在计算设备上实现，所述计算机设备包括至少一个处理器和计算机可读存储设备，所述方法包括：获取待处理的初始图像；以及通过对所述初始图像执行多个迭代步骤，以生成重建图像，所述多个迭代步骤中的至少一个步骤包括第一优化操作和第二优化操作，其中所述第一优化操作包括：在所述迭代步骤中接收待处理图像；以及通过初步优化所述待处理图像，以确定更新图像，所述第二优化操作包括：使用优化模型，基于所述更新图像，以确定优化图像；以及指定所述优化图像为下一个迭代步骤中的下一个所述待处理图像，或指定所述优化图像为所述重建图像。2.根据权利要求1所述的方法，其特征在于，所述初步优化所述待处理图像包括：根据第一损失函数优化所述待处理图像，其中，所述第一损失函数与所述待处理图像相关的前向投影数据和所述初始图像相关的初始获取投影数据之间的差值有关。3.根据权利要求2所述的方法，其特征在于，所述第一损失函数与第一质量权重有关，其中所述第一质量权重与所述初始获取投影数据的质量相关。4.根据权利要求2或3所述的方法，其特征在于，所述第一损失函数与第二质量权重有关，其中所述第二质量权重与所述待处理图像的质量相关。5.根据权利要求3或4所述的方法，其特征在于，所述初始获取投影数据由辐射成像装置的至少一个探测器行获取，并且所述第一损失函数与第三权重有关，其中所述第三权重与所述至少一个探测器行对应的锥角相关。6.根据权利要求2
‑
5中任何一项所述的方法，其特征在于，所述第一损失函数包括经典正则化项或涉及机器学习模型的机器学习正则化项中至少一个。7.根据权利要求6所述的方法，其特征在于，第一迭代步骤中所述经典正则化项与所述机器学习正则化项的第一比率和第二迭代步骤中所述经典正则化项与所述机器学习正则化项的第二比率不同。8.根据权利要求2
‑
7中的任何一项所述的方法，其特征在于，在所述多个迭代步骤的至少一个步骤中，所述通过初步优化所述待处理图像，以确定所述更新图像，包括：根据所述第一损失函数，通过迭代优化所述待处理图像，以确定所述更新图像。9.根据权利要求1
‑
8中的任何一项所述的方法，其特征在于，所述使用优化模型，基于所述更新图像，以确定优化图像，至少包括：使用所述优化模型减少所述更新图像的噪声信息，使用所述优化模型减少所述更新图像的伪影信息，使用所述优化模型改进所述更新图像的灰度分布，使用所述优化模型改进所述更新图像的全局灰度，使用所述优化模型改进所述更新图像的分辨率，使用所述优化模型改进所述更新图像的对比度，或使用所述优化模型增强所述更新图像。
10.根据权利要求1
‑
9中的任何一项所述的方法，其特征在于，所述方法进一步包括：使用至少一个优化模型，基于所述更新图像，以确定所述优化图像，所述至少一个优化模型中的每个对应于不同优化目标中的一个。11.根据权利要求10所述的方法，其特征在于，所述至少一个优化模型按顺序应用，以优化所述更新图像。12.根据权利要求10所述的方法，其特征在于，所述至少一个优化模型并列应用，以优化所述更新图像。13.根据权利要求1
‑
12中的任何一项所述的方法，其特征在于，所述使用优化模型，基于所述更新图像，以确定优化图像，包括：通过将所述更新图像输入所述至少一个优化模型中，以确定所述优化图像。14.根据权利要求1
‑
12中的任何一项所述的方法，其特征在于，所述方法进一步包括：确定所述更新图像的质量特征，其中，所述使用优化模型，基于所述更新图像，确定所述优化图像进一步包括将所述质量特征和所述更新图像输入所述优化模型中。15.根据权利要求14所述的方法，其特征在于，所述质量特征包括所述更新图像的噪声特征、伪影特征、灰度分布、全局灰度、分辨率或对比度中的至少一个。16.根据权利要求9
‑
15中的任何一项所述的方法，其特征在于，所述至少一个优化模型中的每个优化模型通过训练过程获取，所述训练过程包括：获取多个训练样本...

【专利技术属性】
技术研发人员：曹文静，孙昊桦，赵立毅，
申请(专利权)人：上海联影医疗科技股份有限公司，
类型：发明
国别省市：