基于mvct圖像消除kvct圖像中金屬偽影的方法
【技術領域】
[0001] 本發明涉及的是一種醫學圖像處理技術領域的方法，具體是一種基于MVCT圖像 消除KVCT圖像中金屬偽影的方法。
【背景技術】
[0002] CT(computed tomography)成像系統中，在患者體內有金屬等高密度物質的情況 下，所成圖像中往往會伴隨著大量黑色帶狀或者明亮放射條紋狀偽影，統稱為金屬偽影。金 屬偽影使臨床疾病診斷變得不再可靠，同時在放射治療中它也會給劑量分布計算帶來很大 誤差，所以對CT圖像中金屬偽影校正的研究具有重要意義。典型的偽影去除算法主要有兩 類：迭代法和投影數據修補法。迭代法能有效去除金屬偽影和抑制噪聲，而且能很好的呈現 金屬物體的結構，但其運算量非常大，速度很慢，難以實用化。投影數據修補法又可分為：基 于插值的修補法和基于先驗圖像的修補法。插值法能在很大程度上去除金屬偽影，且計算 量小，容易實現，但是它會引入新的偽影。先驗圖像法是對插值法的改善，它不引入新的偽 影，但是先驗圖像的質量會直接決定最終的偽影去除效果。
[0003] 經對現有技術文獻的檢索發現，Esther Meyer等在《Medical Physics》 V0L37，NO. 10.0 ctober 2010 上發表的"Normalized metal artifact reduction(NMAR) in computed tomography^ (E. Meyer, R. Raupach, M. Lell, B. Schmidt, and M. Kachelriess, Normalized metal artifact reduction (NMAR) in computed tomography Med. Phys. VOL 37, NO. 10.0 ctober 2010)中，使用先驗圖像法去除金屬偽影，主要思想是通 過對原始投影數據進行適當的規范化使其變得比較平坦，在這平坦的投影數據上進行插值 能保證原始數據與插值數據之間足夠平滑。但是，分割得到先驗圖像的過程中，組織分類錯 誤會影響偽影去除效果。
【發明內容】
[0004] 針對NMAR(歸一化金屬偽影消除）方法易受組織分類錯誤的影響這個不足，本發 明提出了一種基于MVCT圖像消除KVCT圖像中金屬偽影的方法。該方法利用MVCT圖像中 金屬偽影少，且理論上同一組織內部梯度為零的特點建立優化模型。該優化模型能達到重 建后的KVCT圖像的梯度與MVCT圖像的梯度相近，而灰度值又能與重建前的KVCT圖像相近 的目的。該方法不用對圖像進行組織分類，從而能夠避免組織分類錯誤帶來的影響。本發 明中所用的MVCT圖像由德國西門子Artiste加速器兆伏級錐形束CT (MV-CBCT)掃描得到， 機器輸出量為8MU，KVCT圖像由德國西門子公司生產的S0MAT0M Definition Flash CT機 掃描得到，掃描電壓為120KV，有效電流由CT自動給出，掃描方式為軸掃。模體為美國CIRS 公司生產的模體，為了便于研究金屬偽影，對此模體進行改動，金屬植入物為不銹鋼。
[0005] 本發明是通過以下技術方案實現的：
[0006] (1)使用剛性配準對KVCT圖像和MVCT圖像進行配準；
[0007] (2)利用NMAR算法消除配準后的MVCT圖像中的金屬偽影；
[0008] (3)采用radon變換對KVCT圖像和步驟⑵得到的MVCT圖像進行前向投影，得到 兩幅圖像的投影數據；
[0009] (4)建立優化模型，其具體為
，其中，X表示 待重建的圖像，Xm表示步驟（2)得到的MVCT圖像的投影數據，Xk表示KVCT圖像的投影數 據，￥=議__儀/%|是梯度算子。然后，令U = X-XM，f = xK-xM，則可得最終優化模型為
'其中，V?表不U關于X的一階偏導，Vv表不U關 于y的一階偏導，μ是常量；
[0010] (5)優化重建，針對步驟（3)獲得的投影數據根據優化模型，得到去除金屬后的 KVCT圖像的投影數據，然后對其進行重建并插入金屬，得到消除金屬偽影后的KVCT圖像。
[0011] 以下對本發明作進一步的說明，包括如下步驟：
[0012] (1)對KVCT圖像和MVCT圖像進行配準；
[0013] 所述的配準是指使用剛性配準方法將KVCT圖像和MVCT圖像進行變換，如平移、旋 轉等形變，其最終目的是建立兩幅圖像像元之間的對應關系使其幾何關系達到匹配，從而 去除或抑制KVCT圖像和MVCT圖像之間幾何上的不一致。
[0014] (2)消除配準后的MVCT圖像中的金屬偽影；
[0015] 消除配準后的MVCT圖像中的金屬偽影所使用的方法是NMAR方法，其主要思想是 通過對原始投影數據進行適當的規范化使其變得比較平坦，在這平坦的投影數據上進行插 值能保證原始數據與插值數據之間足夠平滑。
[0016] (3)對KVCT圖像和MVCT圖像進行前向投影；
[0017] 所述的前向投影是指對KVCT圖像和消除配準后的MVCT圖像進行radon變換，從 而得到兩幅圖像的投影數據。
[0018] (4)建立優化模型；
[0019] 所述的優化模型是基于同一組織內部梯度值為零的假設建立的。基于這樣的一個 假設，那么，KVCT圖像中同一組織內部梯度值均為零，MVCT圖像亦然。從而可以得到，KVCT 圖像和MVCT圖像的梯度差值在同一組織內部為零，而在邊界處不為零，因此，兩幅圖像的 梯度差是稀疏的。那么，可以建立優化模型
，其中， ft鎮是梯度算子，第一項表示重建后的KVCT圖像和MVCT圖像的梯度稀疏性， 第二項表示重建后的KVCT圖像與原始的KVCT圖像的灰度值的差異。令U = X-XM，f = Xk-Xm 可以得到：
，即最終的優化模型。
[0020] (5)優化重建。
[0021] 所述的優化是指使用Split Bregman優化方法對優化模型進行優化，具體過程如 下：
[0022] 令，則可將上述優化問題轉化為約束問題：
[0023]
。該約束問 題可以通過添加懲罰項轉化為非約束問題：
的優化過程可以得到去除金屬后的KVCT圖像的投影數據。
[0027] 所述的重建是指對優化后得到的去除金屬后的KVCT圖像的投影數據進行iradon 變換，即radon的逆變換，并插入金屬，從而得到消除偽影后的KVCT圖像。
[0028] 本發明提出的基于MVCT消除KVCT圖像中的金屬偽影的方法可以有效的去除金屬 偽影，而且能較好的抑制噪聲，而且重建出的KVCT圖像具有真實性。用由美國CIRS公司生 產的模體對比本發明提出的算法和線性插值法以及NMAR算法，前者的均方根誤差值小于 后兩者的，而且前者的相關系數值大于后兩者的。實驗表明本發明提出的用MVCT圖像消除 KVCT圖像中金屬偽影的方法能比其他兩種方法更好的消除金屬偽影。
【附圖說明】
[0029] 圖1為模體圖；
[0030] 圖2為KVCT圖像；
[0031] 圖3為MVCT圖像；
[0032] 圖4為配準后的MVCT圖像；
[0033] 圖5為KVCT圖像和配準后的MVCT圖像的差值圖；
[0034] 圖6為KVCT圖像的正弦圖；
[0035] 圖7為消除金屬偽影后的MVCT圖像的正弦圖；
[0036] 圖8為優化后得到的正弦圖；
[0037] 圖9為本發明提出的金屬偽影消除方法的結果圖。
【具體實施方式】
[0038] 以下結合一個具體的實施例對本發明的技術方案作進一步詳細的描述。
[0039] 實施例采用的是由美國CIRS公司生產的模體，為了便于研究金屬偽影，對此模體 進行改動，金屬植入物為不銹鋼，如圖1所示。整個實驗過程如下：
[0040] 1.對KVCT圖像和MVCT圖像進行配準。因為用MV級X射線掃描模體時掃描孔徑 較小，得到的MVCT圖像是模體的一部分，但KVCT圖像是模體的整體，所以對此模體的KVCT 圖像（圖2)和MVCT圖像（圖3)的相同部分進行配準，相當于是全局圖像和局部圖像的配 準，而模體是剛體的，且剛體變換可以通過調節參數達到這樣的目的，所以我們使用簡單的 剛性配準，配準后的MVCT圖像如圖4所示，圖5是KVCT圖像和配準后的MVCT圖像差值圖。 圖5中的圖中兩邊的月牙狀區域是非配準區域，而其他部分是配準區域，從圖中可以看出， 在配準區域兩幅圖像達到了形狀上匹配的效果。
[0041] 2.消除配準后的MVCT圖像中的金屬偽影的方法是NMAR算法，其主要思想是通過 對原始投影數據進行適當的規范化使其變得比較平坦，在這平坦的投影數據上進行插值能 保證原始數據與插值數據之間足夠平滑。
[0042] 3.分別對KVCT圖像和配準后的MVCT圖像進行前向投影，即對它們進行radon變 換，得到它們的投影數據，如圖6,圖7所示。
[0043] 4.根據第3步得到的投影數據以及假設同一組織內部的梯度值為零建立 優化模型
是梯度算 子，第一項表示重建后的KVCT圖像和MVCT圖像的梯度稀疏性，第二項表示重建后 的KVCT圖像與原始的KVCT圖像的灰度值的差異。令U = X-XM，f = Xk-Xm可以得到：
即最終的優化模型。本實施例中μ的取值為 500 〇
[0044] 5.使用Split Bregman優化算法優化第四步中得到的最終的優化模型。優化的 結果為去除金屬后的KVCT圖像的投影數據，如圖8所示。然后對該投影數據重建，即進行 iradon變換，也就是逆radon變換，并插入金屬，從而得到去除金屬偽影后的KVCT圖像，如 圖9所示。
[0045] 本發明提出的金屬偽影去除算法能有效地去除金屬偽影。以上實施例的歸一化均 方根誤差值為〇. 1793,相關系數值為0. 9974。
【主權項】
1. 基于MVCT圖像消除KVCT圖像中金屬偽影的方法，其特征在于，包括以下步驟： (1) 使用剛性配準對CT掃描獲得的KVCT圖像和MVCT圖像進行配準； (2) 利用NMAR算法消除配準后的MVCT圖像中的金屬偽影； (3) 采用radon變換對KVCT圖像和步驟（2)得到的MVCT圖像進行前向投影，得到兩幅 圖像的投影數據；重建的圖像，Xm表示步驟（2)得到的MVCT圖像的投影數據，Xk表示KVCT圖像的投影數于y的一階偏導，y是常量； (5)優化重建，根據優化模型，得到去除金屬后的KVCT圖像的投影數據，然后對其進行 重建并插入金屬，得到消除金屬偽影后的KVCT圖像。2. 根據權利要求1所述基于MVCT圖像消除KVCT圖像中金屬偽影的方法，其特征在于： 步驟（5)所述重建具體是，對優化后得到的去除金屬的KVCT圖像的投影數據進行iradon 變換。3. 根據權利要求1或2所述基于MVCT圖像消除KVCT圖像中金屬偽影的方法，其特征 在于：還包括使用SplitBregman算法優化最終的優化模型，具體的實現過程如下：
【專利摘要】本發明屬于醫學圖像處理技術領域，公開了一種基于MVCT圖像消除KVCT圖像中金屬偽影的方法，首先對MVCT圖像和KVCT圖像進行配準，其次用NMAR方法消除配準后的MVCT圖像中的金屬偽影，然后對KVCT圖像和消除偽影后的MVCT圖像進行前向投影，最后建立優化模型，進行優化重建，從而得到消除偽影后的KVCT圖像。本發明提出的方法利用MVCT圖像中金屬偽影少，且理論上同一組織內部梯度為零的特點建立優化模型。該優化模型能達到重建后的KVCT圖像的梯度與MVCT圖像的梯度相近，而灰度值又能與重建前的KVCT圖像相近的目的。本發明提出的方法既能很好的消除金屬偽影，也有較好的去噪效果，而且重建出的KVCT圖像具有真實性。
【IPC分類】G06T5/50
【公開號】CN105046675
【申請號】CN201510522131
【發明人】秦紅星, 侯沙沙
【申請人】重慶郵電大學
【公開日】2015年11月11日
【申請日】2015年8月24日