处理由计算机断层扫描仪产生的投影域数据制造技术

生成输出数据集，其包含针对期望的

【技术实现步骤摘要】
【国外来华专利技术】处理由计算机断层扫描仪产生的投影域数据


[0001]本专利技术涉及计算机断层扫描
(CT)
领域，尤其涉及处理
CT
扫描过程中产生的投影域数据
。

技术介绍

[0002]为了帮助评估和诊断患者
/
受试者，
CT
成像正成为医学成像过程中的主要手段
。
[0003]传统的
CT
扫描仪包括安装在可旋转的门架上的
X
射线发生器，其与一个或多个积分式检测器相对
。X
射线发生器围绕位于
X
射线发生器和一个或多个检测器之间的检查区域旋转，并发射
(
至少
)X
射线辐射，其穿过检查区域和设置在检查区域内的受试者和
/
或物体
。
一个或多个检测器检测穿过检查区域的辐射，并生成指示检查区域和设置在其中的受试者和
/
或物体的信号
(
被称为投影域数据或简称为投影数据
)。
投影域数据指的是原始检测器数据，且可用于形成正弦图，后者是由检测器捕获的投影域数据的可视化表示
。
[0004]通常还使用重建器来处理投影域数据并重建受试者或物体的体积图像，即生成图像域数据
。
体积图像由多个横截面图像切片组成，每个切片都是通过断层扫描重建过程
(
如通过应用滤波反投影算法
)
根据投影域数据生成的
。
重建的图像数据实际上是原始投影域数据的逆拉东变换
(inverse Radon transform)。
[0005]人们一直希望改进
CT
扫描仪的操作，尤其是改善由
CT
扫描仪生成的图像的质量
。

技术实现思路

[0006]根据本专利技术的一个方面的示例，提供了一种处理由
CT
扫描仪生成的投影域数据的计算机实现的方法
。
[0007]该计算机实现的方法包括：获得第一输入数据集，其包含由
CT
扫描仪在期望的成像角度下生成的投影域数据，其中
CT
扫描仪被配置成在扫描操作中在关于检查区域的不同的成像角度下生成投影域数据；获得至少一个另外的输入数据集，每个另外的输入数据集包含由
CT
扫描仪在相应的至少一个另外的成像角度下生成的投影域数据，其中期望的成像角度和每个相应的另外的成像角度之间的差值是预定的；将第一输入数据集和至少一个另外的输入数据集输入到机器学习算法中，其中机器学习算法被配置成处理第一输入数据集和至少一个另外的输入数据集以生成输出数据集，其中输出数据集不同于第一输入数据集，并且包含在关于检查区域的期望的成像角度下的投影域数据；以及使用机器学习算法处理第一输入数据集和至少一个另外的输入数据集，以生成输出数据集
。
[0008]因此，本专利技术提出先处理投影域数据，即原始检测器数据，然后再将其重建为图像数据
。
具体而言，使用机器学习方法处理在关于检查区域的多个成像角度下获得的输入投影域数据，以提供在单个成像角度
(
即期望的成像角度
)
下的输出投影域数据
。
[0009]输入投影域数据包含：第一输入数据集，其包含在期望的成像角度下获得的投影域数据；以及一个或多个
(
即至少一个
)
另外的输入数据集，其包含在关于期望的成像角度的预定成像角度下获得的投影域数据
。
这有助于为机器学习方法提供一致的输入
。
[0010]本专利技术构思的基本认知是，在不同的成像角度下获得的投影域数据可以提供有用的空间信息或附加信息，以用于处理在具体的
、
期望的角度下获得的投影域数据，例如减少噪声
。
例如，不同的成像角度仍可对受试者或检查区域的相同区域
/
体积成像，这意味着对于具体视角有更多的可用信息
。
这样允许利用自然存在的信息来增加机器学习算法的数据量，且没有附加成本，即附加的图像获取
。
[0011]因此，提出了一种用于机器学习方法的多通道输入的构思，其中每个通道提供在不同成像角度下获得的投影域数据
。
[0012]成像角度可被定义为
CT
扫描仪的辐射源在检查区域内发射辐射的角度，例如关于检查区域的中心
。
具体地，对于辐射源安装在旋转门架上的传统
CT
扫描仪，成像角度可被定义为辐射源与穿过旋转门架的旋转中心的水平面所形成的角度
。
[0013]在具体示例中，每个数据集可包含投影体积的具体部分的投影域数据，投影体积是在扫描操作的具体实例期间被
CT
扫描仪照射的检查区域的体积
。
至少一个
(
即一个或多个
)
另外的输入数据集的投影体积的一部分可以至少与第一输入数据集的投影体积的一部分局部重叠
。
[0014]该计算机实现的方法的步骤可由处理装置或处理电路执行
。
机器学习算法可由处理装置或处理电路托管
。
至少一个另外的输入数据集可包含单个另外的输入数据集或多个另外的输入数据集，例如两个或更多个另外的输入数据集
。
如果另外的输入数据集包含多个另外的输入数据集，则对于每个另外的输入数据集，期望的成像角度与每个相应的另外的成像角度之间的预定角度可不同
。
[0015]显然，期望的成像角度与每个另外的成像角度之间的差值为非零
。
[0016]在一些实施例中，该方法还包括使用机器学习算法，以基于第一输入数据集和至少一个另外的输入数据集，减少第一输入数据集的投影域数据中的噪声和伪影中的至少一种，从而生成输出数据集
。
因此，机器学习方法可被配置成使用第一输入数据集和一个或多个另外的输入数据集，减少第一输入数据集的投影域数据中的噪声和
/
或伪影，从而生成输出数据集
。
当用于减少投影域数据中的噪声
/
伪影时，所提出的构思是有利的
。
这是因为第一输入数据集中的缺失或错误数据可以使用在一个或多个另外的输入数据集
(
其可提供例如关于受试者的相同体积的信息
)
中发现的数据进行补充或校正
。
[0017]在一些示例中，该方法还包括使用机器学习算法，以基于第一输入数据集和至少一个另外的输入数据集，对第一输入数据集的投影域数据执行光谱滤波
(spectral filtering)。
因此，机器学习方法可被配置成使用第一输入数据集和一个或多个另外的输入数据集，对在期望的成像角度下的投影域数据执行光谱滤本文档来自技高网...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】1.
一种处理由计算机断层
(CT)
扫描仪生成的投影域数据的计算机实现的方法，所述计算机实现的方法包括：获得第一输入数据集，其包含由所述
CT
扫描仪在期望的成像角度下生成的投影域数据，其中所述
CT
扫描仪被配置成在扫描操作中在关于检查区域的不同成像角度下生成投影域数据；获得至少一个另外的输入数据集，每一个另外的输入数据集包含由所述
CT
扫描仪在相应的至少一个另外的成像角度下生成的投影域数据，其中所述期望的成像角度和每个相应的另外的成像角度之间的差值是预定的；将所述第一输入数据集和所述至少一个另外的输入数据集输入到机器学习算法中，其中所述机器学习算法被配置成处理所述第一输入数据集和所述至少一个另外的输入数据集以生成输出数据集，其中所述输出数据集不同于所述第一输入数据集并且包含在关于所述检查区域的所述期望的成像角度下的投影域数据；以及使用所述机器学习算法处理所述第一输入数据集和所述至少一个另外的输入数据集，以生成所述输出数据集
。2.
根据权利要求1所述的计算机实现的方法，其中，所述方法还包括使用所述机器学习算法，以基于所述第一输入数据集和所述至少一个另外的输入数据集，来减少所述第一输入数据集的所述投影域数据中的噪声和
/
或伪影，从而生成所述输出数据集
。3.
根据权利要求1和2中的任一项所述的计算机实现的方法，其中，所述方法还包括使用所述机器学习算法，以基于所述第一输入数据集和所述至少一个另外的输入数据集，对所述第一输入数据集的所述投影域数据执行光谱滤波，以生成所述输出数据集
。4.
根据权利要求1至3中的任一项所述的计算机实现的方法，其中，所述至少一个另外的输入数据集包含第一另外的输入数据集，其包含由所述
CT
扫描仪在第一成像角度下生成的投影域数据，所述期望的成像角度与所述第一成像角度之间的差值等于
π
。5.
根据权利要求1至4中的任一项所述的计算机实现的方法，其中，对于所述至少一个另外的输入数据集中的每一个，所述期望的成像角度与相应的所述另外的成像角度之间的差值是第一预定角度的倍数
。6.
根据权利要求5所述的计算机实现的方法，其中，所述第一预定角度等于由所述
CT
扫描仪在扫描操作期间实施的成像角度中的最小变化
。7.
根据权利要求6所述的计算机实现的方法，其中，所述至少一个另外的输入数据集包含：第二另外的输入数据集，其包含由所述
CT
扫描仪在第二成像角度下生成的投影域数据，其中所述期望的成像角度与所述第二成像角度之间的差值为所述第一预定角度；以及第三另外的输入数据集，其包含由所述
CT
扫描仪在第三成像角度下生成的投影域数据，其中所述第三成像角度与所述期望的成像角度之间的差值为所述第一预定角度
。8.
根据权利要求7所述的计算机实现的方法，其中，所述至少一个另外的输入数据集包含：第四另外的输入数据集，其包含由所述
CT
扫描仪在第四成像角度下生成的投影域数据，其中所述期望的成像角度与所述第四成像角度之间的差值为第二预定角度，其中所述第二预定角度大于所述第一预定角度；以及
第五另外的输入数据集，其包含由所述
CT
扫描仪在第五成像角度下生成的投影...

【专利技术属性】
技术研发人员：M，
申请(专利权)人：皇家飞利浦有限公司，
类型：发明
国别省市：