DE102007028828A1

DE102007028828A1 - System und Verfahren zur iterativen Bilderkonstruktion

Info

Publication number: DE102007028828A1
Application number: DE102007028828A
Authority: DE
Inventors: Samit Kumar Basu; Bruno Deman
Original assignee: General Electric Co
Current assignee: General Electric Co
Priority date: 2006-06-26
Filing date: 2007-06-20
Publication date: 2007-12-27
Also published as: NL1033975C2; US20070297656A1; US8571287B2; JP2008006288A; NL1033975A1

Abstract

Es werden Verfahren zur iterativen Rekonstruktion eines Bildsignals (50) geschaffen, um ein rekonstruiertes Bildsignal (52) zu erzeugen. In einer Ausführungsform werden Teiliterationen jeder Iteration an Pixelteilsätzen durchgeführt. Die Pixelteilsätze können aus benachbarten oder räumlich getrennten Pixeln zusammengesetzt sein. In einer weiteren Ausführungsform wird jede Iteration bei einer unterschiedlichen Auflösung durchgeführt. Außerdem werden Systeme und Computerroutinen zur iterativen Verarbeitung von Daten gemäß diesen Techniken geschaffen.

Description

HINTERGRUND
Die Erfindung betrifft im Wesentlichen Bildgebungstechniken und insbesondere die iterative Rekonstruktion von Bildern, die durch nicht-invasive tomographische Bildgebungsmodalitäten erfasst wurden.
Nicht-invasive Bildgebung umfasst allgemein Techniken zum Erzeugen von Bildern der internen Strukturen oder Bereiche einer Person, die ansonsten für eine visuelle Betrachtung nicht zugänglich sind. Eine von den am besten bekannten Anwendungen der nicht-invasiven Bildgebung liegt auf dem medizinischen Gebiet, wo diese Techniken dazu genutzt werden, Bilder von Organen und/oder Knochen im Inneren eines Patienten zu erzeugen, welche ansonsten nicht sichtbar wären. Weitere bekannte Einsätze liegen auf dem Gebiet der nicht-zerstörenden Prüfung, wie z.B. für Sicherheits- und Paketuntersuchung oder zur Qualitätssteuerung von Fertigungsprozessen. Beispiele derartiger nicht-invasiver Bildgebungsmodalitäten umfassen Röntgen-basierende Techniken, wie z.B. Computertomographie (CT) sowie Kern-basierende Techniken, wie z.B. Positronen-Emissions-Tomographie (PET) und Single Photon Emission Computertomographie (SPECT).
Bezüglich CT-Bildgebungstechniken arbeiten CT-Scanvorrichtungen durch Projizieren von fächerförmigen oder konusförmigen Röntgenstrahlen aus einer Röntgenquelle. Die Röntgenquelle emittiert Röntgenstrahlen bei zahlreichen Winkeln in Bezug auf ein abzubildendes Objekt, wie z.B. einem Patienten, welcher die Röntgenstrahlung bei ihrem. Durchtritt abschwächt. Die abgeschwächten Röntgenstrahlen werden durch einen Satz von Detektorelementen detektiert, welche die Abschwächung der einfallenden Röntgenstrahlen repräsentierende Signale erzeugen. Die Signale werden verarbeitet und rekonstruiert, um Bilder zu erzeugen, welche selbst ausgewertet werden können, oder welche zugeordnet werden können, um ein Volumen-Rendering oder eine andere Darstellung der abgebildeten Region zu erzeugen. In einem medizinischen Kontext können dann Pathologien oder andere interessierende Strukturen aus den rekonstruierten Bildern oder dem gerenderten Volumen lokalisiert oder identifiziert werden.
Eine CT-Rekonstruktion wird üblicherweise unter Verwendung direkter Rekonstruktionstechniken auf der Basis mathematischer Idealisierungen durchgeführt, welche typischerweise in der Praxis nicht beobachtet werden. Ein Nebeneffekt des Mangels mathematischer Idealisierungen, der tatsächlichen Praxis zu entsprechen, besteht darin, dass das Rausch- und Auflösungsverhalten für eine gegebene Röntgendosis typischerweise bei Anwendung von Direktrekonstruktionstechniken nicht optimiert wird.
Iterative Rekonstruktionstechniken überwinden diese Probleme, indem sie verschiedene mathematische Modelle, wie z.B. Rausch- und Systemmodelle verwenden, um Abweichungen von den mathematischen Idealen zu berücksichtigen. Iterative Rekonstruktionstechniken wenden wiederholt entsprechende Vorwärts- und Rückwärtsprojektionsmodelle an, um ein Bild zu erzeugen, das am besten die Bildmesswerte gemäß einer geeigneten Zielfunktion anpasst. Auf diese Weise können iterative Rekonstruktionsalgorithmen für eine verbesserte Bildqualität und/oder verringerte Röntgendosis sorgen. Zusätzlich können iterative Rekonstruktionsalgorithmen weitere Vorteile, wie z.B. die Reduzierung von Metallartefakten, in rekonstruierten Bildern bereitstellen.
Jedoch benötigen iterative Rekonstruktionsalgorithmen signifikant mehr Rechenaufwand als herkömmliche, d.h., direkte Rekonstruktionsverfahren, und waren daher bisher für die allgemein üblichen CT-Anwendungen nicht ausführbar. Insbesondere führen iterative Rekonstruktionsalgorithmen viele Iterationen zum Erzeugen jedes Bild aus, d.h., um zu konvergieren. Ferner verwendet jede Iteration zwei oder mehr rechenaufwendige Projektions- und Rückprojektionsoperationen. Demzufolge können iterative Rekonstruktionsalgorithmen einen um eine Größenordnung oder mehr höheren Rechenaufwand als eine direkte Rekonstruktionstechnik erfordern, um ein einzelnes Bild zu konstruieren. Demzufolge sind iterative Rekonstruktionslösungsansätze typischerweise wesentlich langsamer als vergleichbare direkte Rekonstruktionslösungsansätze.
KURZBESCHREIBUNG
Es wird ein Verfahren zur Verarbeitung von Bilddaten bereitgestellt. Das Verfahren beinhaltet den Schritt der Erzeugung eines Bildes. Eine jedem Teilsatz von Pixeln entsprechende Hesse-Matrix wird direkt so invertiert, dass die Pixel in jedem Teilsatz gleichzeitig in Bezug auf eine Kostenfunktion optimiert werden. Entsprechende Ansprüche hinsichtlich eines Systems oder Computer-lesbaren Medien sind ebenfalls vorgesehen.
Es wird ein weiteres Verfahren zur Verarbeitung von Bilddaten bereitgestellt. Das Verfahren beinhaltet den Schritt einer Erzeugung eines Bildes. Das Bild wird iterativ so verarbeitet, dass jede Iteration das Bild bei einer unterschiedlichen Auflösung verarbeitet. Jede Iteration umfasst zwei oder mehr Teiliterationen. Jede Teiliteration entspricht der Verarbeitung eines Teilsatzes der Pixel bei der entsprechenden Auflösung. Entsprechende Ansprüche hinsichtlich eines Systems und Computer-lesbarer Medien sind ebenfalls vorgesehen.
Es wird ein zusätzliches Verfahren zur Verarbeitung von Bilddaten bereitgestellt. Das Verfahren beinhaltet den Schritt einer Bereitstellung eines Bildes mit mehreren Pixeln. Eine Aktualisierung wird für jeden Teilsatz von zwei oder mehr Teilsätzen der mehreren Pixel ermittelt. Eine optimierte Aktualisierung wird auf der Basis angesammelter Aktualisierungen erzeugt. Entsprechende Ansprüche hinsichtlich eines Systems und Computer-lesbarer Medien sind ebenfalls vorgesehen.
Es wird ein zusätzliches Verfahren zur Verarbeitung von Bilddaten bereitgestellt. Das Verfahren beinhaltet den Schritt einer Bereitstellung eines Bildes mit mehreren Pixeln. Wenigstens ein Teilsatz von den mehreren Pixeln wird mittels wenigstens einer abstandsgesteuerten Projektion oder Rückprojektion verarbeitet. Entsprechende Ansprüche hinsichtlich eines Systems und Computer-lesbarer Medien sind ebenfalls vorgesehen.
ZEICHNUNGEN
Diese und weitere Merkmale, Aspekte und Vorteile der vorliegenden Erfindung werden besser verständlich, wenn die nachstehende detaillierte Beschreibung unter Bezugnahme auf die beigefügten Zeichnungen gelesen wird, in welchen gleiche Bezugszeichen gleiche Teile durchgängig durch die Zeichnung repräsentieren, wobei:
1 eine schematische Ansicht eines exemplarischen Bildgebungssystems in der Form eines CT-Bildgebungssystems zur Verwendung bei der Erzeugung von Bildern gemäß Aspekten der vorliegenden Technik ist;
2 ein Flussdiagramm ist, das eine exemplarische Logik zur Implementation eines iterativen "Coordinate Descent"-Rekonstruktionsalgorithmus gemäß der vorliegenden Technik darstellt;
3 ein Flussdiagramm ist, das eine exemplarische Logik zur Implementation eines Abschnittes eines weiteren iterativen "Coordinate Descent"-Rekonstruktionsalgorithmus gemäß der vorliegenden Technik darstellt;
4 ein Flussdiagramm ist, das eine exemplarische Logik zur Implementation eines anderen Abschnittes des iterativen "Coordinate Descent"-Rekonstruktionsalgorithmus von 3 darstellt;
DETAILLIERTE BESCHREIBUNG
1 stellt schematisch ein Bildgebungssystem 10 zum Erfassen und Verarbeiten von Projektionsdaten zum Erzeugen rekonstruierter Bilder dar. In der dargestellten Ausführungsform ist das System 10 ein Computertomographie-(CT)-System, das sowohl für die Erfassung von originalen Bilddaten als auch zur Verarbeitung der Bilddaten zur Anzeige und Analyse gemäß der vorliegenden Technik ausgelegt ist. In weiteren Ausführungsformen kann das Bildgebungssystem ein Positronen Emissions Tomographie-(PET)-System, ein "Single Photon Emission"-Computertomographie-(SPECT)-System oder irgendein anderes Bildgebungssystem sein, das zur Erzeugung tomographischer Bilder geeignet ist. Das dargestellte System 10 ist so konfiguriert, dass es iterative Rekonstruktionstechniken in der Verarbeitung erfasster oder gespeicherter Projektionsdaten verwendet, um medizinisch brauchbare Bilder gemäß der vorliegenden Technik zu erzeugen. In der in 1 dargestellten Ausführungsform enthält das Bildgebungssystem 10 eine Quelle für Röntgenstrahlung 12, die angrenzend an einen Kollimator 14 positioniert ist. In einer exemplarischen Ausführungsform ist die Röntgenquelle 12 eine Röntgenröhre. In weiteren Ausführungsformen kann die Röntgenquelle 12 eine verteilte Röntgenquelle sein, wie z.B. eine Festkörper- oder thermionische Röntgenquelle sein, oder kann aus anderen Quellen von Röntgenstrahlung bestehen, welche für die Erfassung von medizinischen Bildern geeignet sind.
Der Kollimator 14 lässt Röntgenstrahlen 16 in einen Bereich eintreten, in welchem ein Objekt, wie z.B. ein interessierender Patient 18 positioniert ist. Ein Teil der Röntgenstrahlung 20 verläuft durch oder um den Patienten und trifft auf eine Detektoranordnung auf, welche insgesamt bei dem Bezugszeichen 22 dargestellt ist. Die Detektorelemente der Anordnung erzeugen elektrische Signale, welche die Intensität der auftreffenden Röntgenstrahlen 20 repräsentieren. Diese Signale werden erfasst und verarbeitet, um Bilder der Merkmale innerhalb des Patienten 18 zu rekonstruieren.
Die Quelle 12 wird von einer Systemsteuerung 24 gesteuert, welche sowohl Energie als auch Steuersignale für CT-Untersuchungssequenzen liefert. In der dargestellten Ausfüh rungsform steuert die Systemsteuerung 24 die Quelle 12 über eine Röntgensteuerung 26, welche eine Komponente der Systemsteuerung 24 sein kann. In einer derartigen Ausführungsform kann die Röntgensteuerung 26 dafür konfiguriert sein, Energie und Zeittaktsignale an die Röntgenquelle 12 zu liefern.
Ferner ist der Detektor 22 mit der Systemsteuerung 24 verbunden, welche die Erfassung der in dem Detektor 22 erzeugten Signale befiehlt. In der dargestellten Ausführungsform erfasst die Systemsteuerung 24 die durch den Detektor erzeugten Signale unter Verwendung eines Datenerfassungssystems 28. In dieser exemplarischen Ausführungsform ist der Detektor 22 mit der Systemsteuerung 24 und insbesondere mit dem Datenerfassungssystem 28 verbunden. Das Datenerfassungssystem 28 empfängt von der Ausleseelektronik des Detektors 22 gesammelte Signale. Das Datenerfassungssystem 28 empfängt typischerweise abgetastete analoge Signale aus dem Detektor 22 und wandelt die Daten in digitale Signale zur anschließenden Verarbeitung durch einen nachstehend diskutierten Prozessor 30 um. Die Systemsteuerung 24 kann ebenfalls verschiedene Signalverarbeitungs- und Filterungsfunktionen bezüglich der erfassten Bildsignale durchführen, wie z.B. eine anfängliche Anpassung der dynamischen Bereiche, Verschachtelung digitaler Bilddaten und so weiter.
In der in 1 dargestellten Ausführungsform ist die Systemsteuerung 24 mit einem Rotations-Teilsystem 32 und mit einem Linearpositionierungs-Teilsystem 34 verbunden. Das Rotations-Teilsystem 32 ermöglicht eine einmalige oder mehrmalige Drehung der Röntgenquelle 12, des Kollimators 14 und des Detektors um den Patienten 18. Es sei angemerkt, dass das Rotations-Teilsystem 32 ein Portal beinhalten könnte. Somit kann die Systemsteuerung 24 zum Betrieb des Portals genutzt werden. Das Linearpositionierungs-Teilsystem 34 ermöglicht die Anordnung des Patienten 18 oder genauer gesagt eines Tisches in einer Öffnung in dem CT-System 10. Somit kann der Tisch linear innerhalb des Portals bewegt werden, um Bilder spezieller Bereiche des Patienten 18 zu erzeugen. In der dargestellten Ausführungsform steuert die Systemsteuerung 24 die Bewegung des Drehteilsystems 32 und/oder des Linearpositionierungs-Teilsystems 34 über eine Motorsteuerung 36.
Im wesentlichen steuert die Systemsteuerung 24 den Betrieb des Bildgebungssystems 10 (wie z.B. über den Betrieb der Quelle 12, des Detektors 22 und der vorstehend beschriebenen Positionierungssysteme), um Untersuchungsprotokolle auszuführen, und um die erfassten Daten zu verarbeiten. Beispielsweise kann die Systemsteuerung 24 mittels der vorstehend erwähnten Systeme und Steuerungen ein die Quelle 12 und den Detektor 22 tragendes Portal um einen interessierenden Patienten so drehen, dass mehrere radiographische Ansichten zur Verarbeitung gesammelt werden können. In dem vorliegenden Zusammenhang enthält die Systemsteuerung 24 auch eine Signalverarbeitungsschaltung, typischerweise auf der Basis eines Allzweck- oder anwendungsspezifischen digitalen Computers, eine zugeordnete Speicherschaltung zum Speichern von Programmen und Routinen, die durch den Computer ausgeführt werden (wie z.B. Routinen zum Ausführen einer Bildverarbeitung und hierin beschriebener Rekonstruktionstechniken), sowie Konfigurationsparameter und Bilddaten, Schnittstellenschaltungen und so weiter.
In der dargestellten Ausführungsform werden die von der Systemsteuerung 24 erfassten und verarbeiteten Bildsignale an eine Verarbeitungskomponente 30 zur Rekonstruktion von Bil dern geliefert. Die Verarbeitungskomponente 30 kann ein oder mehrere Mikroprozessoren und/oder Computer sein, welche für die Implementation von Projektions-, Rückprojektions- und/oder Rekonstruktionsalgorithmen wie hierin diskutiert geeignet sind. Der eine oder die mehreren Prozessoren und/oder Coprozessoren können derartige Algorithmen in einer parallelen oder nicht-parallelen Implementation ausführen. Die von dem Datenerfassungssystem 28 gesammelten Daten können an die Verarbeitungskomponente 30 direkt oder nach der Speicherung in einem Speicher 38 übertragen werden. Es dürfte sich verstehen, dass jede Art von Speicher, die in der Lage ist, eine große Menge von Daten zu lagern, von einem derartigen System 10 verwendet werden könnte. Ferner könnte der Speicher 38 am Ort des Erfassungssystems angeordnet sein, oder er kann entfernte Komponenten zur Speicherung von Daten, Verarbeitung von Parametern und Routinen für eine nachstehend beschriebene iterative Bildrekonstruktion enthalten.
Die Verarbeitungskomponente 30 ist dafür konfiguriert, Befehle und Scanparameter von einer Bedienungsperson über eine Bedienungsarbeitsstation 40 zu empfangen, welche typischerweise mit einer Tastatur und weiteren Eingabevorrichtungen ausgestattet ist. Ein Bediener kann das System 10 über Eingabevorrichtungen steuern. Somit kann die Bedienungsperson die rekonstruierten Bilder betrachten und/oder anderweitig das System 10 über die Bedienerarbeitsstation 40 betreiben. Beispielsweise kann eine mit der Bedienerarbeitsstation 40 verbundene Anzeigeeinrichtung 42 dazu genutzt werden, um die rekonstruierten Bilder zu betrachten und die Bildgebung zu steuern. Zusätzlich können die Bilder auch durch einen Drucker 44 gedruckt werden, welcher mit der Bedienerarbeitsstation 40 verbunden sein kann.
Ferner können die Verarbeitungskomponente 30 und die Bedienerarbeitsstation 40 mit weiteren Ausgabevorrichtungen verbunden sein, welche Standard- oder Spezialzweckcomputermonitore und zugeordnete Verarbeitungsschaltungen umfassen können. Einer oder mehrere Bedienerarbeitsstationen 40 können ferner in dem System zur Ausgabe von Systemparametern, Anforderungen von Untersuchungen, Betrachtung von Bildern usw. verknüpft sein. Im Wesentlichen können sich Anzeigeeinrichtungen, Drucker, Arbeitsstationen und ähnliche in dem System bereitgestellte Vorrichtungen am Ort der Datenerfassungskomponenten befinden, oder können sich entfernt von diesen Komponenten, wie z.B. irgendwo innerhalb einer Institution oder eines Krankenhauses befinden, oder an einem vollständig unterschiedlichen Ort, der mit dem Bilderfassungssystem über ein oder mehrere konfigurierbare Netze, wie z.B. das Internet, virtuelle private Netzwerke usw., verbunden ist.
Es sollte ferner angemerkt werden, dass die Bedienerarbeitsstation 40 auch mit einem Bildarchivierungs- und Kommunikationssystem (PACS) 46 verbunden sein könnte. Es sollte auch angemerkt werden, dass das PACS 46 mit einem entfernt angeordneten Client 48, einem Radiologie-Abteilungsinformationssystem (RIS), einem Krankenhausinformationssystem (HIS) oder einem internen oder externen Netz so verbunden sein könnte, sodass andere Personen an unterschiedlichen Stellen Zugriff auf das Bild, die Bilddaten und optional die Varianzdaten erhalten können.
Obwohl die vorstehende Diskussion die verschiedenen exemplarischen Komponenten des Bildgebungssystems 10 getrennt behandelt hat, wird der Durchschnittsfachmann auf diesem Gebiet erkennen, dass diese verschiedenen Komponenten innerhalb einer gemeinsamen Plattform oder in miteinander verbundenen Plattformen vorgesehen sein können. Beispielsweise können die Verarbeitungskomponente 30, der Speicher 38 und die Bedienerarbeitsstation zusammen als ein Allgemein- oder Spezialzweck-Computer oder als Arbeitsstation konfiguriert sein, um gemäß der vorliegenden Technik zu arbeiten. Ebenso kann die Systemsteuerung 24 als ein Teil eines derartigen Computers oder einer Arbeitsstation vorgesehen sein.
Der durch die Verarbeitungskomponente 30 implementierte Projektionsalgorithmus kann sowohl für eine Vorwärtsprojektion (Erzeugen eines Sinogramms aus einem Bild) als auch eine Rückwärtsprojektion (Erzeugen eines Bildes aus einem Sinogramm) verwendet werden. Bei der Auswahl eines geeigneten Projektionsalgorithmus wird der Fachmann auf diesem Gebiet erkennen, dass Rückprojektions- und Re-Projektionsoperationen wichtige Komponenten eines iterativen Rekonstruktionsalgorithmus sind. Ein geeigneter Projektionsalgorithmus sollte daher effektiv arbeiten und Rausch- und Hochfrequenzartefakte minimieren, um eine rasche Iteration der Projektionsoperationen bei gleichzeitiger Erzeugung einer geeigneten Bildqualität ermöglichen.
Beispiele von Projektionsverfahren beinhalten Verfahren, die pixel-gesteuert sind oder strahl-gesteuert sind. Grundsätzlich führen die pixel-gesteuerten und strahl-gesteuerten Algorithmen eine erneute Abtastung der Sinogramm- oder Bildwerte als eine Funktion von Detektorelementen bzw. Pixeln durch. Beispielsweise projiziert die pixel-gesteuerte Rückprojektion unter Nutzung der Bildgebungsgeometrie eine Linie durch den Mittelpunkt des interessierenden Bildpixels auf die Detektoranordnung. Sobald eine Schnittpunktstelle auf dem Detektor ermittelt ist, wird ein Wert aus dem Detektor (beispielsweise durch lineare Interpolation) erhalten, und das Ergebnis in dem Bildpixel akkumuliert. Bei einem derartigen Rück-Projektionsansatz ist eine Sinogrammzeile das Quellensignal und eine Bildzeile ist das Zielsignal. Für jede Bildzeile werden die Pixelmittelpunkte auf dem Detektor abgebildet. Eine pixel-gesteuerte Projektion ist die Vertauschungsoperation der vorstehend beschriebenen Rückprojektionsoperation. Pixel-gesteuerte Techniken werden so genannt, da der Index der Hauptverarbeitungsschleife der Bildpixelindex ist.
Umgekehrt besteht die strahl-gesteuerte Projektion im Wesentlichen aus der Annäherung jedes Strahlintegrals durch Gewichtung und Summierung aller Bildpixel, die nahe an der idealen Projektionslinie liegen. Die ideale Projektionslinie kann durch Projizieren einer Linie durch das Bild zu dem Mittelpunkt des interessierenden Detektorelementes unter Nutzung der Bildgebungsgeometrie angenähert werden. Eine Lage eines Schnittpunktes wird für jede Bildzeile (oder -spalte) berechnet, ein Wert aus der Bildzeile z.B. durch lineare Interpolation erhalten, und das Ergebnis in dem Detektorelement akkumuliert. In einem derartigen Projektionsansatz ist die Bildzeile das Quellensignal und eine Sinogrammzeile das Zielsignal. Für jede Bildzeile werden die Detektorelement-Mittelpunkte auf die Bildzeile abgebildet. Die strahl-gesteuerte Rückprojektion ist die Umkehroperation der vorstehend beschriebenen Projektionsoperation. In strahl-gesteuerten Techniken ist der Index der Hauptverarbeitungsschleife der Projektionslinienindex. Obwohl strahl- und Projektionsgesteuerte Techniken gewisse Vorteile haben, können weitere Projektionsverfahren gleichermaßen oder in bestimmten Implementationen geeigneter sein.
Beispielsweise ist ein alternativer Projektionsalgorithmus ein abstandsgesteuerter Projektionsalgorithmus. Die ab standsgesteuerte Projektionstechnik kann als die Abbildung von Pixel- und Detektorkoordinaten auf eine gemeinsame Linie oder Achse gefolgt von einer Kernoperation zusammengefasst werden. Abstandsgesteuerte Techniken basieren auf der Erkenntnis, dass jede Ansichts-(d.h., Quellen)-Position eine Bijektion zwischen der Position auf dem Detektor und der Position innerhalb einer Bildzeile oder -spalte definiert. Daher wird jeder Punkt innerhalb einer Bildzeile oder -spalte eindeutig auf einen Punkt auf dem Detektor und umgekehrt abgebildet. Eine Überlappungslänge zwischen jedem Bildpixel und Detektorelement kann daher definiert werden. Diese Überlappung kann berechnet werden, indem alle Pixelgrenzen in einer interessierenden Bildzeile oder -spalte auf dem Detektor abgebildet werden, oder indem alle interessierenden Detektorelementgrenzen auf die Mittellinie der interessierenden Bildzeile oder -spalte abgebildet werden. In einer Ausführungsform wird dieses erreicht, indem sowohl Bildpixel- als auch Detektorelement-Grenzen auf eine gemeinsame Linie oder Achse abgebildet werden, indem alle Pixelgrenzen und alle Detektorelementgrenzen mit der Quelle verbunden und die Schnittpunkte auf der gemeinsamen Achse berechnet werden. Auf der Basis dieser berechneten Schnittpunkte kann die Länge der Überlappung zwischen jedem einzelnen Bildpixel und jedem Detektorelement wie auf der gemeinsamen Achse zu sehen, berechnet werden. Eine eindimensionale Kernoperation kann dann angewendet werden, um Daten von einem Satz von Grenzwerten auf den anderen abzubilden. Die normierte Überlappungslänge zwischen jedem Bildpixel und jeder Detektorzelle kann zur Definition des in den Projektions- und Rückprojektionsprozessen verwendeten Gewichtes verwendet werden. Der abstandsgesteuerte Projektionsalgorithmus ist gut für eine iterative Rekonstruktion geeignet und kann effizient in Hardware implementiert werden. Der abstandsgesteuerte Projektionsalgorithmus führt sowohl Vorwärtsprojektions- als auch Rückwärtsprojektionsoperationen ohne Artefakte durch, hat eine geringe arithmetische Komplexität und sorgt für sequentielle Speicherzugriffe. Zusätzlich ist der abstandsgesteuerte Projektionsalgorithmus bezüglich der durchgeführten Vorwärtsprojektions- als auch Rückwärtsprojektionsoperationen symmetrisch, was eine gemeinsame Hardwareressourcennutzung in einer Hardware-Implementation ermöglicht. Wie der Fachmann auf diesem Gebiet erkennen wird, ist diese Symmetrie auch für die Funktion einiger iterativer Rekonstruktionsalgorithmen (wie z.B. konjugierter Gradienten) notwendig.
Wie der Durchschnittsfachmann auf diesem Gebiet erkennen wird, ist die Auswahl eines geeigneten Projektionsalgorithmus nur ein Aspekt bei der Implementation eines iterativen Rekonstruktionsalgorithmus in Hardware. Ein weiterer Aspekt einer derartigen Implementation ist die Auswahl einer Kostenfunktion. Allgemein bekannte Kostenfunktionen beinhalten "Maximum Likelihood"-, "Maximum-A-Posteriori"-, "Weighted Least Squares" und "Penalized Weighted Least Squares"-Funktionen. Die Letztere ist gegeben durch:
wobei w_i die statistischen Gewichtungen für das Sinogrammelement I sind, und p und p ^ die gemessenen bzw. berechneten Sinogramme sind. In einer Ausführungsform der vorliegenden Technik wird der quadratische Term durch eine allgemeinere Funktion ersetzt, welche beispielsweise einer stärker auslaufenden statistischen Verteilung ζ entspricht. Demzufolge durchläuft das Fehler-Sinogramm in der ersten Ableitung der Kostenfunktion einer nicht linearen Transformation ζ'. Bei spielsweise kann ζ(p) eine q-Verallgemeinerte Gauss'sche Funktion oder eine verallgemeinerte Geman-Funktion sein. In einem weiteren Beispiel kann eine doppelte Sigmoid-Funktion auf das Fehlersinogramm e(Δp) angewendet werden: e'(Δp) = e(Δp)·s(Δp, deltal, slope)·[1 – s(Δp)-deltal, slope)]wobei s(Δp, delta, slope) = 1/(1 + eXp(-slope(Δp-delta)))ist.
Wie der Durchschnittsfachmann auf diesem Gebiet erkennen wird, können ähnliche Transformationen konstruiert werden, um die Bildqualität zu maximieren, das Bildrauschen zu minimieren, die maximale räumliche Auflösung zu maximieren und Bildartefakte aufgrund inkonsistenter Daten zu minimieren.
Noch ein weiterer Aspekt einer derartigen Implementation ist die Auswahl eines geeigneten iterativen Rekonstruktionsalgorithmus. Ein derartiger iterativer Rekonstruktionsalgorithmus ist der iterative "Coordinate Descent"-(ICD)-Algorithmus. Die Basislinien-ICD-Technik arbeitet durch Iteration über Bildpixel. Jedes Pixel durchläuft in der inneren Schleife ihren entsprechenden Sinogrammdatenverlauf. Ein typischer ICD-aktualisierter Schritt ist gegeben durch
wobei j der Pixelindex ist, k die Teiliterationsnummer, und ϕ(k) spezifiziert, welches Pixel in der Teiliteration k aktualisiert wird, μ der Pixelwert ist, p und p ^ die gemessenen und berechneten Sinogrammwerte sind, w die Gewichte aus Least Square Kostenkriterium, und l_iϕ der Beitrag aus dem Pixel ϕ zu dem Sinogrammelement i ist.
In einer exemplarischen Ausführungsform wird der ICD unter Verwendung von Pixelteilsätzen implementiert, welche eine gute Parallelisierbarkeit und Rechenleistung ergeben. Insbesondere ermöglicht die unabhängige Aktualisierung aller Pixel in einem Teilsatz eine parallele Implementation des Aktualisierungsalgorithmus. Ferner ermöglicht die Verwendung von Pixelteilsätzen die gleichzeitige Implementation von Projektions- und Rückprojektionsschritten (wie hierin diskutiert) und liefert eine gleichförmigere Bildkonvergenz. Eine exemplarische Logik zur iterativen Implementation des ICD-Algorithmus unter Verwendung von Pixelteilsätzen ist in 2 gegeben. In der dargestellten exemplarischen Ausführungsform wird ein Bildschätzwert 50 (wie z.B. eine direkte Rekonstruktion oder eine gefilterte Rückprojektion der Rohbilddaten) bereitgestellt. In Fällen, in welchen der Bildschätzwert 50 konvergiert, kann der konvergierte Schätzwert als ein rekonstruiertes Bild 52 ausgegeben werden. In einer Ausführungsform wird der Bildschätzwert 50 als konvergiert betrachtet, wenn die gewünschte räumliche Auflösung für das rekonstruierte Bild 52 erreicht ist. In einer Ausführungsform ist der Aktualisierungsschritt dann gegeben durch:
wobei alle zu dem Teilsatz Φ gehörenden Pixel gleichzeitig aktualisiert werden.
In einer Ausführungsform werden Pixelteilsätze erzeugt, wenn der Bildschätzwert 50 nicht konvergiert ist, und der ICD-Algorithmus begünstigt die Pixelteilsätze, um die Bildrekonstruktion zu beschleunigen. In einer ersten derartigen Ausführungsform wird der Bildschätzwert 50 in Pixelteilsätze unterteilt, wovon jeder Teilsatz eine Anzahl von Pixeln enthält, die räumlich getrennt sind, d.h., gestreut oder anderweitig nicht benachbart sind. In anderen Ausführungsformen werden jedoch die Pixelteilsätze so ausgewählt, dass jeder Teilsatz benachbarte oder unmittelbar nebeneinander liegende Pixel enthält, d.h., räumlich lokalisierte "Blöcke" von Pixeln. Die Pixel in jedem Teilsatz können wie hierin beschrieben gleichzeitig verarbeitet werden. In einer Ausführungsform werden die Pixelteilsätze so gewählt, dass sie Wechselwirkungen der entsprechenden Sinogrammverläufe der Pixel innerhalb eines Teilsatzes minimieren. Jede Iteration der exemplarischen Technik besteht aus einer Anzahl von Teiliterationen. In jeder Teiliteration werden die Pixel in einem Pixelteilsatz simultan und unabhängig aktualisiert (vergleichbar zu einer Anzahl von Jacobi-Aktualisierungen).
Der Bildschätzwert 50 wird projiziert (Block 56), um ein berechnetes Sinogramm 58 zu erzeugen. In einer Ausführungsform wird die Projektion unter Verwendung eines abstandsgesteuerten Algorithmus oder irgendeines anderen geeigneten Vorwärtsprojektors ausgeführt. Ein Fehler-Sinogramm 60 wird aus dem berechneten Sinogramm 58 abgeleitet (Block 62). Das Fehler-Sinogramm 60 kann durch verschiedene Techniken erzeugt werden. Beispielsweise wird in einer exemplarischen Implemen tation ein aus den Bilddaten abgeleitetes gemessenes Sinogramm 64 von dem berechneten Sinogramm 58 subtrahiert, um das Fehler-Sinogramm 60 zu erzeugen. In einer derartigen Implementation, sind die Bilddaten, von welchen das gemessene Sinogramm 64 abgeleitet ist, typischerweise logarithmisch korrigiert, und liegen in einer Linienintegral-Abschwächungsform vor. In weiteren Ausführungsformen kann die Ableitung des Fehler-Sinogramms 60 auf der Basis eines geeigneten statistischen Modells, wie z.B. dem Poisson Modell oder dem Least Square Modell basieren.
In einer Ausführungsform wird das Fehler-Sinogramm 60 beispielsweise über eine abstandsgesteuerte Rückprojektion oder irgendeinen anderen geeigneten Rückprojektor auf der Basis eines aktuellen Pixelteilsatzes gestreut rückprojiziert (Block 68). Der Schritt 68 der gestreuten Rückprojektion erzeugt eine Teiliterations-Bildaktualisierung 70, die dem derzeitigen Pixelteilsatz entspricht, der zum Aktualisieren (Block 72) des derzeitigen Bildschätzwertes verwendet werden kann. Beispielsweise kann in einer Ausführungsform der Bildschätzwert 50 aktualisiert werden, indem die Teiliterations-Bildaktualisierung 70 subtrahiert wird. Zusätzlich kann die Teiliterations-Bildaktualisierung 70 auf der Basis des aktuellen Pixelteilsatzes gestreut projiziert werden (Block 76), um eine Sinogramm-Aktualisierung 78 zu erzeugen. Die Sinogramm-Aktualisierung 78 und das Fehler-Sinogramm 60 können dann zum Aktualisieren (Block 80) des Fehler-Sinogramms für die nächste Pixelteilsatz-Teiliteration verwendet werden. Der in 2 dargestellte Prozess kann für unterschiedliche Pixelteilsätze und Bildschätzwerte 50 wiederholt werden, bis eine Konvergenz vorliegt und ein rekonstruiertes Bild 52 erhalten wird. In einer Ausführungsform wird eine gestreute abstandsgesteuerte Projektion/Rückprojektion in ähnlicher Weise zu der herkömmlichen abstandsgesteuerten Projektion-Rückprojektion implementiert, indem die Schleife über den Pixel/Voxel-Grenzen so modifiziert wird, dass nur die zu dem interessierenden Pixelteilsatz gehörenden Pixel angesprochen werden, während alle dazwischen liegenden Pixel oder Bildzeilen oder Spalten, die nicht zu dem interessierenden Pixelteilsatz gehören, übersprungen werden.
In einer weiteren Ausführungsform kann die Bildaktualisierung 70 mit einem Skalierungsbild 71 vor der Subtraktion von dem Bildschätzwert 50 multipliziert werden. Dieses Skalierungsbild 71 kann so gewählt werden, dass es die Konvergenzeigenschaften des iterativen Rekonstruktionsalgorithmus verbessert. Beispielsweise kann das Skalierungsbild 71 erhalten werden, indem ein Bild von allen genommen wird, dieses Bild unter Verwendung des aktuellen Pixelteilsatzes projiziert, das sich ergebende Sinogramm mit einem Gewichts-Sinogramm, das das relative Vertrauen in jedes Sinogrammpixel misst, multipliziert und indem dann das gewichtete Sinogramm auf den aktuellen Pixelteilsatz rückprojiziert wird. Der Reziprokwert des resultierenden Bildes kann dann als ein Skalierungsbild 71 zur Multiplikation mit der Bildaktualisierung 70 vor der Subtraktion dieses von dem Bildschätzwert 50 verwendet werden.
Obwohl sich die vorstehende Diskussion auf die Verarbeitung von Pixelteilsätzen bezieht, bei denen die Pixel in einem Teilsatz räumlich getrennt sind, können weitere Typen von Pixelteilsätzen in Verbindung mit ICD-Techniken verwendet werden. Beispielsweise sind in einer Ausführungsform die Pixelteilsätze, die simultan verarbeitet werden, blockbasierend, d.h., benachbart oder anderweitig nicht räumlich getrennt. In einer Implementation beinhaltet jede Iteration des ICD-Algorithmus mehrerer Teiliterationen und jede Teiliteration aktualisiert simultan einen unterschiedlichen Teilsatz oder Block benachbarter oder nebeneinander liegender Pixel über eine n × n Inversion. Beispielsweise wird in einer Ausführungsform ein Block von benachbarten Pixeln durch eine direkte Inversionstechnik, wie z.B. durch Invertieren der Hesse-Matrix aktualisiert: xj – A–1ϕj yϕ wobei
In dieser Ausführungsform wird dieser Prozess für alle Blöcke (oder Pixelteilsätze) und für alle Iterationen wiederholt.
Ferner kann in einem exemplarischen Least Square Ansatz die Verwendung von Pixelteilsätzen mit einer Mehrfachauflösungs-Verarbeitung gemäß Darstellung in den 3 und 4 kombiniert werden, um die Konvergenzeigenschaften zu verbessern. In einer derartigen Ausführungsform kann eine bei einer geringeren Auflösung durchgeführte Iteration ein Bild erzeugen, das dann bei einer höheren Auflösung verarbeitet wird usw., bis ein Bild mit der gewünschten Auflösung erzeugt ist. Bei spielsweise kann gemäß 3 ein Anfangsbildschätzwert 84 bei einer ersten Auflösung (Block 86) unter Verwendung von Pixelteilsätzen und ICD-Techniken und auf der Basis eines gemessenen Sinogramms 64 verarbeitet werden. Das Ausgangssignal 88 kann das Eingangssignal für einen anschließenden Verarbeitungsschritt bei einer höheren Auflösung usw. sein. Zwischenauflösungs-Verarbeitungsschritte (Block 90) verwenden ebenso Pixelteilsätze und ICD-Verarbeitungstechniken zusammen mit gemessenen Sinogrammdaten 64, um zusätzliche Ausgangssignale 92 für eine anschließende Verarbeitung zu erzeugen. Bei dem Verarbeitungsschritt der höchsten Auflösung (Block 96) ist das Ausgangssignal der vorhergehenden Iteration das Eingangssignal für die ICD-Iteration zusammen mit den gemessenen Sinogrammdaten 64). Das Ausgangssignal des Verarbeitungsschrittes mit der höchsten Auflösung (Block 96.) ist das rekonstruierte Bild 98, welches angezeigt oder anderweitig einem Arzt zur Betrachtung oder Analyse zur Verfügung gestellt werden kann.
Unter Bezugnahme auf 4 werden die iterierten Verarbeitungsschritte 86, 90, 96 nun detaillierter beschrieben. In dieser Darstellung wird ein ankommendes Bild 100 bereitgestellt. Das ankommende Bild 100 kann das Anfangsbild sein, wie z.B. ein Bild, das als eine gefilterte Rückprojektion der ursprünglichen Bilddaten für die erste Iteration erzeugt wird, oder kann das Ausgangssignal einer vorherigen Iteration sein. Wenn das ankommende Bild 100 ein Ausgangssignal einer vorhergehenden Verarbeitungsiteration ist, kann das ankommende Bild auf die nächst höhere interessierende Auflösung aufwärts abgetastet werden (Block 104), um dadurch den Bildschätzwert 50 zu erzeugen. Eine Aufwärtsabtastung kann jedoch nicht erfolgen, wenn das ankommende Bild 100 nicht das Ausgangssignal eines vorausgehenden Iterationsschrittes, wie z.B. während der anfänglichen Iteration. In einer alternativen Ausführungsform kann das ankommende Bild 100 eine niedrigere Auflösung haben (z.B. eine gefilterte Rückprojektionsrekonstruktion mit niedriger Auflösung) und kann eine weitere Abtastung vor seiner Verwendung als das Anfangsbild in der iterativen Rekonstruktion erfordern. Im Wesentlichen können Iterationen bei einer oder mehreren unterschiedlichen räumlichen Auflösungen durchgeführt werden, wobei von niedrigerer auf höhere (oder umgekehrt) räumliche Auflösung umgeschaltet wird, indem eine Aufwärtsabtastung (oder Abwärtsabtastung) entsprechend ausgeführt wird.
Wie bezüglich 2 diskutiert wird der Bildschätzwert 50 in Pixelteilsätze unterteilt und der Bildschätzwert 50 projiziert (Block 56), um ein berechnetes Sinogramm 58 zu erzeugen. Ein Fehler-Sinogramm 60 wird aus dem berechneten Sinogramm 58 abgeleitet (Block 62). Das Fehler-Sinogramm 60 kann mittels verschiedener Techniken erzeugt werden. In Implementationen, welche ein aus den Projektionsdaten abgeleitetes gemessenes Sinogramm 64 verwenden, kann das gemessene Sinogramm 64 aus einem anfänglichen gemessenen Sinogramm 108 abgeleitet werden, welches falls geeignet, abwärts abgetastet wird (Block 110), um der Auflösung der aktuellen Iteration zu entsprechen. In einer derartigen Ausführungsform kann das gemessene Sinogramm 64 von dem berechneten Sinogramm 58 subtrahiert werden, um das Fehler-Sinogramm 60 zu erzeugen. In einer derartigen Implementation sind die Bilddaten, aus welchen das gemessene Sinogramm 64 abgeleitet wird, typischerweise logarithmisch korrigiert und liegen in Linienintegral-Abschwächungsform vor. In weiteren Ausführungsformen kann die Ableitung des Fehler-Sinogramms 60 auf der Basis eines geeigneten statistischen Modells wie z.B. einem Poisson Modell oder Least Square Modell basieren.
In der dargestellten Ausführungsform wird das Fehler-Sinogramm 60 auf der Basis des aktuellen Pixelteilsatzes gestreut rückprojiziert (Block 68), wie es unter Bezugnahme auf 2 diskutiert wurde. Der Schritt 68 der gestreuten Rückprojektion erzeugt eine Teiliterations-Bildaktualisierung 70, die dem aktuellen Pixelteilsatz entspricht, der zum Aktualisieren des aktuellen Bildschätzwertes verwendet werden kann (Block 72). Der aktualisierte Bildschätzwert kann einer weiteren Verarbeitung unterworfen werden, oder, wenn alle Teiliterationen oder die Iteration abgeschlossen sind, als ein Exportbild 114 exportiert werden. Wenn zusätzliche Iterationen verbleiben, kann das Exportbild 114 das ankommende Bild 100 für die nächste Iteration sein. Wenn keine Iterationen verbleiben, ist das Exportbild 114 das rekonstruierte Bild 98.
Die Teiliterations-Bildaktualisierung 70 kann ebenfalls gestreut auf der Basis des aktuellen Pixelteilsatzes projiziert werden (Block 76), um eine Sinogramm-Aktualisierung 78 zu erzeugen. Die Sinogramm-Aktualisierung 78 und das Fehler-Sinogramm 60 können dann zum Aktualisieren des Fehler-Sinogramms für die nächste Pixelteilsatz-Teiliteration verwendet werden (Block 80), wie es unter Bezugnahme auf 2 beschrieben ist.
Beispielsweise kann in einer exemplarischen Ausführungsform, wenn das rekonstruierte Bild 98 ein Bild mit 512×512 Pixeln sein soll, ein Plan mit drei Iterationen angewendet werden. Die erste Iteration kann ein Bild mit 128×128 Pixel umfassen, welches unter Verwendung von Teilsätzen von 4×4 Pixeln verarbeitet wird, wobei jeder Teilsatz aus 32×32 Pixeln und 2ⁿ (hier 2⁴) Iterationen besteht. Das Ausgangssignal der Verarbeitung bei der ersten Auflösung kann aufwärtsabgetastet werden, um ein Bild mit 256×256 Pixeln zu erzeugen, welches unter Verwendung von Teilsätzen von 8×8 Pixeln verarbeitet wird, wobei jeder Teilsatz aus 32×32 Pixeln und 2² Iterationen besteht. Das Ausgangssignal der Verarbeitung bei der zweiten Auflösung kann aufwärts-abgetastet werden, um ein Bild mit 512×512 Pixel zu erzeugen, welches unter Verwendung von Teilsätzen von 16×16 Pixeln verarbeitet wird, wobei jeder Teilsatz aus 64×64 Pixeln und 2¹ Iterationen besteht. Wie der Durchschnittsfachmann auf diesem Gebiet erkennen wird, sind die Auflösungen, Iterationen für jede Auflösung, Anzahl der Pixel pro Teilsatz, der Relaxationsfaktor usw. alles Faktoren, die angepasst werden können, um die erwünschten Rechen- und Bildqualitätseigenschaften zu erzielen.
In einer weiteren Ausführungsform der vorliegenden Techniken wird, um die Konvergenz bei jeder Teiliteration entsprechend einem bestimmten Pixelteilsatz (entweder benachbart oder räumlich getrennt) zu verbessern, ein Aktualisierungsbild berechnet und auf die Pixel in dem Teilsatz gemäß vorstehender Beschreibung angewendet. Ebenso wird, wie vorstehend beschrieben, die äquivalente Aktualisierung auf das Fehler-Sinogramm berechnet und auf das Sinogramm angewendet. Zusätzlich wird die äquivalente Aktualisierung auf die Kostenfunktion berechnet. Nachdem eine gewünschte Anzahl von Teiliterationen (möglicherweise jede Teiliteration) wird eine optimale lineare Kombination der letzten N Aktualisierungen berechnet, die am deutlichsten das gewünschte Sinogramm oder die Kostenfunktion erreicht, d.h., die lineare Kombination wird berechnet, welche den durchschnittlichen Fehler zwischen den gemessenen und berechneten Fehler-Sinogrammen minimiert.
Beispielsweise werden in einer Ausführungsform in jeder Teiliteration, k, die Pixelwerte, μ_j, um d_j ^k inkrementiert, welches für alle Pixel j Null ist, die nicht zu dem Teilsatz Φ(k) gehören. Nach einer benutzerdefinierten Anzahl von Iterationen oder Teiliterationen wird eine Anzahl vorheriger Aktualisierungen d_j ^k linear kombiniert, um eine schnellere Konvergenz gemäß der nachstehenden exemplarischen Gleichung zu erzielen: μj neu = μj + C1·δj k + C2·δj k+1 + C3·δj k+2 + c4·δj k+3 + ... CN·δj k+N wobei c₁, c₂, ... c_N optimiert werden, indem: argmax(μj neu)gelöst wird.
Diese Optimierungstechnik ist außerhalb des Bereichs der Bildrekonstruktionen als Krylov-Teilraumoptierung bekannt.
Obwohl in der vorliegenden Diskussion auf ein CT-Scansystem Bezug genommen wird, in welchem eine Quelle und ein Detektor auf einer Portalanordnung rotieren, sollte in Erinnerung behalten werden, dass die vorliegende Technik nicht auf die auf einem speziellen Scanvorrichtungstyp gesammelten Daten beschränkt ist. Beispielsweise kann die Technik auf Daten angewendet werden, die mittels einer Scanvorrichtung gesammelt werden, in welcher eine Röntgenquelle und/oder ein Detektor effektiv feststehen, und ein Objekt gedreht wird, oder in welchem der Detektor feststeht, aber eine Röntgenquelle rotiert. Ferner könnten die Daten in einer Scanvorrichtung entstehen, in welcher sowohl die Röntgenquelle als auch der Detektor feststehend sind, da die Röntgenquelle ver teilt ist und Röntgenstrahlen an unterschiedlichen Orten erzeugen kann. Ferner könnte die vorliegende Technik auf dreidimensionale oder Konusstrahlerfassungen sowie auf zweidimensionale Erfassungen zutreffen. Somit sollte jede Bezugnahme auf das Wort Pixel auch so verstanden werden, dass es ein Voxel in derartigen dreidimensionalen Zusammenhängen mit umfasst. Kurz gesagt sollte in Erinnerung behalten werden, dass das System von 1 hierin nur als ein exemplarisches beschrieben ist. Weitere Systemkonfigurationen und Betriebsprinzipien sind natürlich für die Erfassung und Verarbeitung von Bilddaten und Varianzdaten und für die Nutzung der Daten wie nachstehend beschrieben vorstellbar. Ferner können die hierin beschriebenen Techniken auf weitere andere iterative tomographische Rekonstruktionen angewendet werden, wie z.B. auf diejenigen in Verbindung mit Positronen Emissions Tomographie (PET) und "Single Photon Emission"-Computertomographie (SPECT) zusätzlich zu CT. Die hierin beschriebenen Techniken können auch in Tomosynthese-Rekonstruktionen verwendet werden, in welcher nur eine kleine Anzahl von Sichtwinkeln oder ein eingeschränkter Winkelbereich von Daten verfügbar ist. Beispielsweise können die hierin beschriebenen Techniken mit iterativen tomographischen "Penalized"- oder "Unpenalized"- und/oder "Weighted"- oder "Unweighted Least Squares"-Rekonstruktionstechniken verwendet werden.
Es werden Verfahren zur iterativen Rekonstruktion eines Bildsignals 50 geschaffen, um ein rekonstruiertes Bildsignal 52 zu erzeugen. In einer Ausführungsform werden Teiliterationen jeder Iteration an Pixelteilsätzen durchgeführt. Die Pixelteilsätze können aus benachbarten oder räumlich getrennten Pixeln zusammengesetzt sein. In einer weiteren Ausführungsform wird jede Iteration bei einer unterschiedlichen Auflösung durchgeführt. Außerdem werden Systeme und Computerrouti nen zur iterativen Verarbeitung von Daten gemäß diesen Techniken geschaffen.
Obwohl nur bestimmte Merkmale der Erfindung hierin dargestellt und beschrieben wurden, sind viele Modifikationen und Änderungen für den Fachmann auf diesem Gebiet ersichtlich. Es dürfte sich daher verstehen, dass die beigefügten Ansprüche alle derartigen Modifikationen und Änderungen soweit sie in den tatsächlichen Erfindungsgedanken der Erfindung fallen, mit abdecken sollen.

10: Bildgebungssystem
12: Röntgenquelle
14: Kollimator
16: Röntgenstrahlen
18: Interessierender Patient
20: Abgeschwächte Röntgenstrahlen
22: Detektoranordnung
24: Systemsteuerung
26: Röntgensteuerung
28: Datenerfassungssystem
30: Prozessor
32: Rotations-Teilsystem
34: Linearpositionierungs-Teilsystem
36: Motorsteuerung
38: Speicher
40: Bedienerarbeitsstation
42: Anzeigeeinrichtung
44: Drucker
46: PACS
48: Entfernt angeordneter Client
50: Bildschätzwert
52: Rekonstruiertes Bild
56: Projiziere Bildschätzblock
58: Berechnetes Sinogramm
60: Fehler-Sinogramm
62: Erzeuge Fehler-Sinogrammblock
64: Gemessenes Sinogramm
68: Streue Rückprojektions-Fehler-Sinogrammblock
70: Aktualisierung des Teiliterationsbildes
71: Bildskalierung
72: Block zum Aktualisieren des aktuellen Bildschätzwertes
74: Block zum Aktualisieren des gestreuten Projektionsbildes
78: Sinogramm-Aktualisierung
80: Aktualisiere Fehler-Sinogramm
84: Abschätzen des Anfangsbildes
86: Verarbeiten bei erster Auflösung
88: Ausgangssignal
90: Zwischenauflösungs-Verarbeitungsschritte
92: Zusätzliche Ausgangssignale
96: Verarbeitungsschritt der höchsten Auflösung
98: Rekonstruiertes Bild
100: Ankommendes Bild
104: Aufwärtsabtasten des ankommenden Bildes
108: Anfänglich gemessenes Sinogramm
110: Abwärtsabtasten des anfänglich gemessenen Sinogramms
114: Exportbild

Claims

Verfahren zum Verarbeiten von Bilddaten, mit den Schritten: Bereitstellen eines Bildes (50), das zwei oder mehr Teilsätze von Pixeln aufweist; und direktes Invertieren einer jedem Teilsatz der Pixel entsprechenden Hesse-Matrix so, dass die Pixel jedes Teilsatzes in Bezug auf eine Kostenfunktion simultan optimiert werden.
Verfahren nach Anspruch 1, wobei der Vorgang der direkten Invertierung einer jedem Teilsatz von Pixeln entsprechenden Hesse-Matrix iterativ durchgeführt wird.
Verfahren nach Anspruch 2, wobei die Teilsätze von Pixeln zwischen Iterationen so modifiziert werden, dass die Pixelzusammensetzung der Teilsätze sich bei jeder Iteration unterscheidet.
Verfahren nach Anspruch 2, wobei die Teilsätze von Pixeln zwischen Iterationen so modifiziert werden, dass sich die Pixelgröße der Teilsätze bei jeder Iteration unterscheidet.
Verfahren nach Anspruch 1, wobei die Kostenfunktion wenigstens einer "Maximum Likelihood"-Funktion, "Maximum-A-Posteriori"-Funktion, "Weighted Least Squares"-Funktion und "Penalized Weighted Least Squares"-Funktion entspricht.
Tomographisches Bildgebungssystem, aufweisend: eine Verarbeitungskomponente (30), die dafür konfiguriert ist, ein Bild (50) bereitzustellen, das zwei oder mehr Teilsätze mit Pixeln enthält, und direkt eine jedem Teilsatz der Pixel entsprechende Hesse-Matrix so zu invertieren, dass die Pixel jedes Teilsatzes simultan in Bezug auf eine Kostenfunktion optimiert werden.
Tomographisches Bildgebungssystem nach Anspruch 6, wobei die Verarbeitungskomponente (30) ferner dafür eingerichtet ist direkt die entsprechende Hesse-Matrix iterativ zu invertieren.
Tomographisches Bildgebungssystem nach Anspruch 7, wobei die Teilsätze von Pixeln zwischen Iterationen so modifiziert werden, dass die Pixelzusammensetzung der Teilsätze sich bei jeder Iteration unterscheidet.
Tomographisches Bildgebungssystem nach Anspruch 7, wobei die Teilsätze von Pixeln zwischen Iterationen so modifiziert werden, dass sich die Pixelgröße der Teilsätze bei jeder Iteration unterscheidet.
Tomographisches Bildgebungssystem nach Anspruch 6, wobei die Kostenfunktion wenigstens einer "Maximum Likelihood"-Funktion, "Maximum-A-Posteriori"-Funktion, "Weighted Least Squares"-Funktion und "Penalized Weighted Least Squares"-Funktion entspricht.