[发明专利]一种能谱CT图像质量的评价方法

说明书

技术领域

本发明属于图像处理技术领域，尤其是涉及一种能谱CT单能量图像质量评价方法。

背景技术

在常规X射线计算机体层成像(X-ray Computed Tomography，简称CT)时，人们还是依赖于物质的CT值差别进行判断，但对于图像中CT值差异小的病理性改变，通常难以发现和鉴别，更何况CT值还会受到硬化效应、金属伪影等诸多问题的影响。为了弥补这些不足的地方，物理学家通过利用X射线的能谱特性以及与物质的丰富衰减信息，提出了相应的解决方案，即能谱CT成像。

物理学家使用两种不同能量的X射线对物体同时进行扫描，可以得到物体在不同能量射线响应下的图像。根据X射线与物质的相互作用规律，理论上可以确定被扫描物质的原子序数，并且能实现单能量成像，从而进行物质识别或者鉴定。

能谱CT的单能量成像功能模拟了物体在单色X线源情况下可能获得的图像。不同组织随着X线束能量的变化，其衰减特性会发生相应变化。一般讲，组织或者器官会在某一能量点下得到最好观察，但因病变性质、类型的不同，以及病变在体内位置和病人大小的变化，这一数值会有相应的调整。跟常规CT图像相比，相应的单能量图像能够清晰地展示解剖结构或者病灶，比如提高脑灰白质对比，优化肝脏病灶，胰腺或者肾脏等病灶的显示，优化门静脉成像以及下肢静脉成像等。因此，研究从众多单能量图像中快速准确找到显示感兴趣区域的最佳能量点的方法是很有必要的。

目前，能谱CT图像质量的评价方法大体上可以分为主观评价方法(Human Observer)和客观评价(Ideal Qbserver)方法两个分支。主观评价主要通过测试者在特定测试环境下，按照事先规定的评价原则，评价方法和评价尺度对图像进行主观评分。但是人的主观评价往往受自身的水平、知识水平、客观环境的影响，导致主观评价方法实现起来比较困难，而且有些领域无法使用主观评价，特别是在能谱CT单能图像中，细小病灶会造成物理医师在发现和确定病灶上有困难，甚至会造成漏判，错判。因此图像质量客观评价方法的研究十分重要。

根据对原始参考图像的参考程度，图像质量客观评价方法可以分为全参考型(Full Reference，简称FR)、部分参考型(Reduced Reference，简称RR)和无参考型(No Reference，简称NR)。有关这三种类型的CT图像质量的评价方法，目前已有不同的专利申请人申请了诸多专利，比如，CN201010263245提出了一种图像质量的评价方法及装置，通过检测图像的边缘点信息来评价图像质量；CN201010296639提出了一种基于奇异值分解的图像质量评价方法，描述了奇异值分解方法在图像质量评价中的应用；CN200720077448提出了一种部分参考型图像质量评价方法及装置，主要利用了图像失真时相邻DNT系数统计依赖性变化的规律，提取了反映图像失真程度的统计独立性特征；CN201310279205提出了一种无参考型模糊图像质量评价方法，主要突出了反映了人眼较为敏感的图像的边缘信息部分对图像质量的影响。上述这些专利申请揭露的技术方案都能很好的评价CT图像质量，只是计算方法上比较复杂。

理想观察员思想(IO)用于最优化硬件或者数据采集系统性能的评价指标。IO可以定量估计图像中感兴趣区域和背景区域区分程度，也就是确定图像某个坐标中是否含有病灶信号，定量指标为理想观察员信噪比(Ideal Observer Signal-to-Noise Ratio，简称IO SNR)，具体计算过程如下：

首先，在目标图像中分别确定一个感兴趣区域(比如，组织、病灶等)和背景区域，并且做出以下的假设：

H₀:g(x,y)＝f(x,y)+n(x,y)

H₁:g(x,y)＝(f(x,y)+Δf(x,y))+n(x,y)

其中假设H₀表示感兴趣区域中没有病灶信号，只有背景信号f(x,y)。而H₁表示感兴趣区域中不仅有背景信号f(x,y)，而且有病灶信号Δf(x,y)。n(x,y)表示图像中的测量噪声。

其次，可以通过IO思想来确定某个图像坐标中是否含有病灶信号，而IO思想主要由理想观察员信噪比来衡量，计算公式为：