[发明专利]去噪重建图像数据的边缘改进

说明书

一种系统，包括：获得去噪重建图像数据；并且对所述去噪重建图像数据的子集进行边缘改进，所述子集对应于在所述去噪重建图像数据中表示的结构的边缘。一种系统(100)，包括：边缘检测器(202)，其检测去噪重建图像数据内的边缘位置的边缘图；噪声图像数据生成器(204)，其通过将所述重建图像数据减去所述去噪重建图像数据来生成噪声图像数据；含噪边缘图像数据生成器(206)，其通过将所述噪声图像数据与所述边缘图相乘来生成含噪边缘图像数据；以及边缘改进器(208)，其通过将所述含噪边缘图像数据与权重和所述去噪重建图像数据的乘积相加来生成边缘改进的去噪图像数据。

技术领域

下文总体上涉及对重建图像数据进行去噪，并且更具体地涉及改进去噪重建图像数据中的结构的边缘，并且尤其利用针对计算机断层摄影(CT)的特定应用来加以描述。然而，下文也适用于其他模态，诸如数字X射线、混合/组合的正电子发射断层摄影(PET)/CT、混合/组合的磁共振成像(MRI)/CT，和/或其他模态。

背景技术

迭代重建(IR)算法相比于滤波反投影(FBP)算法可以改进图像质量。图像质量改进主要地集中在对产生相比于通过FBP产生的图像具有更小的噪声以及更少的图像伪影的图像的尝试上。这能够被用于降低被递送到患者的剂量，改进图像的清晰度而不改变剂量，或者较低的剂量与改进的图像质量两者的一些组合。

诸如最大似然法的迭代重建算法同时将图像的粗糙度以及重建图像体积与数据之间的相异性两者最小化。在没有粗糙度惩罚的情况下，迭代重建趋于极端嘈杂，甚至比利用切趾法的FBP重建更为嘈杂。

也存在基于图像域的去噪算法，其试图通过将噪声从图像中除去而不回到投影空间来改进图像质量。因为它们仍然是在图像空间中，这些算法比迭代重建方法要快得多，但它们并未必提供与那些完整迭代重建算法相同的结果。

尤其是当使用所谓的“边缘保留”惩罚函数时，利用迭代重建和图像域去噪算法两者，噪声可以保持在被成像的结构的边缘处，同时附近的平坦区域中的噪声被去除或极大地减小。当在现实中结构的边缘能够相当平滑(诸如圆柱体的椭圆形横截面)时，这能够使得结构呈现为具有粗糙的或“锯齿形”边缘。身体中这样的结构的范例是主动脉。

遗憾的是，如果放射科医师看到呈现为具有锯齿状边缘的结构，当他们知晓事实上边缘潜在地为平滑时，那么他们开始怀疑图像中其他结构的准确性或可靠性。在一些情况下，粗糙的器官边界可能是疾病的指示。在这样的情况下，如果器官边缘不正确地呈现为粗糙或锯齿状的，则会导致误诊。

发明内容

本文描述的各方面解决了上述问题和其他问题。

下文描述了一种用于改进去噪重建图像数据中的结构的边缘的外观的方法。如下面更详细地描述的，这包括将从重建图像数据去除的噪声的(加权或非加权的)负加回到边缘或边缘周围的区域。

在一个方面中，一种方法，包括：获得去噪重建图像数据；并且对所述去噪重建图像数据的子集进行边缘改进，所述子集对应于在所述去噪重建图像数据中表示的结构的边缘。

在另一方面中，一种系统，包括：边缘检测器，其检测去噪重建图像数据内的边缘位置的边缘图，其是去噪重建图像数据；噪声图像数据生成器，其通过将所述重建图像数据减去所述去噪重建图像数据来生成噪声图像数据；含噪边缘图像数据生成器，其通过将所述噪声图像数据与所述边缘图相乘来生成含噪边缘图像数据；以及边缘改进器，其通过将所述含噪边缘图像数据与权重和所述去噪重建图像数据的乘积相加来生成边缘改进的去噪图像数据。