图像处理装置和图像处理方法与流程

本发明涉及基于由放射线断层摄影装置收集到的列表数据来生成断层图像的装置和方法。

背景技术：

1、作为能够取得被检体(生物体)的断层图像的放射线断层摄影装置，可举出pet(positron emission tomography：正电子发射断层扫描)装置和spect(single photonemission computed tomography：单光子发射计算机断层扫描)装置。

2、pet装置具备检测部，该检测部具有在放置被检体的测量空间的周围排列的多个小型的放射线检测器。pet装置通过检测部利用同时计数法检测伴随投入了正电子发射同位素(ri射线源)的被检体内的电子/正电子的对湮灭而产生的能量511kev的光子对，收集该同时计数信息。然后，基于该收集到的多个同时计数信息，能够重构表示测量空间中的光子对的产生频度的空间分布(即，ri射线源的空间分布)的断层图像。

3、此时，将按时间序列排列了由pet装置收集到的同时计数信息的列表数据按照收集顺序分割为多个帧，使用该列表数据中的各帧所包含的数据组进行图像重构处理，由此能够得到由多个帧的断层图像构成的动态pet图像。该pet装置在核医学领域等中发挥重要的作用，能够使用该pet装置进行例如生物体功能、脑的高级功能的研究。

4、由于以这种方式重构的断层图像包含大量噪声，所以需要通过图像滤波器进行噪声去除处理。作为用于噪声去除的图像滤波器，可以举出高斯滤波器(gaussian filter)和引导滤波器(guided filter)。现有技术使用高斯滤波器。与此相对，引导滤波器是近年来开发的，与高斯滤波器相比，具有能够良好地保存图像中的深浅的边界的特征。

5、另外，记载了通过使用了作为深层神经网络一种的卷积神经网络的deep imageprior(深度图像先验)技术来去除断层图像的噪声的技术(非专利文献1)。以下，将深度神经网络(deep neural network)称为“dnn”，将卷积神经网络(convolutional neuralnetwork)称为“cnn”，将deep image prior技术称为“dip技术”。

6、dip技术能够利用对象图像中的有意义的结构比随机的噪声更快地学习(即，难以学习随机的噪声)这样的cnn的性质来降低对象图像的噪声。

7、这些噪声去除技术在使用列表数据通过直方图模式重构法来生成断层图像之后，对该断层图像进行处理而降低噪声。或者，也存在将噪声去除技术作为正则化组入直方图模式重构法的情况。

8、在直方图模式重构法中，基于列表数据，生成表示由各检测器对检测出的同时计数事件的数量的直方图，基于该直方图重构断层图像。作为直方图的格式，例如使用矢径×体轴×方位角×倾斜角的4维排列(三维正弦图)。

9、然而，随着近年来的放射线断层摄影技术的进化，当将一对放射线检测器的检测时间差信息(time of flight，tof)和检测器中的光子相互作用深度(depth ofinteraction，doi)等新的信息追加到列表数据时，直方图的格式的排列成为5维或6维的高维。由此，在从列表数据经过直方图重构断层图像的直方图模式重构法中，包含进行这些一系列处理的cpu等的运算部的负荷过大。

10、作为能够应对这样的直方图模式重构法的问题点的技术，提出了列表模式逐次近似重构法(非专利文献2)。在列表模式逐次近似重构法中，通过从列表数据直接(不经过直方图)反复进行逐次近似来重构断层图像。

11、现有技术文献

12、非专利文献

13、非专利文献1：kuang gong et al.,"pet image reconstruction using deepimage prior(利用深度图像先验的pet图像重构)",ieee transactions on medicalimaging,december 2018

14、非专利文献2：a.j.reader et al.,"one-pass list-mode em algorithm forhigh-resolution 3-d pet image reconstruction into large arrays(用于将高分辨率3-d pet图像重构到大型阵列的单次列表模式em算法)",ieee transactions on nuclearscience,vol.49,no.3,pp.693-699,2002

技术实现思路

1、发明要解决的课题

2、针对直方图模式重构法，进行了大量的噪声去除技术的研究开发。但是，列表模式逐次近似重构法具有难以直接利用cnn对列表数据进行处理的问题点，没有已知能够组入cnn而有效地去除噪声的列表模式逐次近似重构法的技术。

3、本发明的目的在于提供一种能够基于由放射线断层摄影装置收集到的列表数据来生成降低了噪声的断层图像的图像处理装置和图像处理方法。

4、用于解决课题的方法

5、本发明的第1方式是一种图像处理装置。图像处理装置是基于由放射线断层摄影装置收集到的列表数据来生成断层图像的图像处理装置，具备：(1)重构部，其通过列表模式逐次近似重构法基于列表数据通过反复进行使进行第1图像的更新而得到的图像接近第2图像与第3图像之差的处理，来生成新的第1图像；(2)cnn处理部，其使输入信息输入到卷积神经网络并通过卷积神经网络生成第2图像，以使该生成的第2图像接近第1图像与第3图像之和的方式使卷积神经网络学习；和(3)更新部，其基于第1图像和第2图像来更新第3图像，从卷积神经网络的学习状态、第1图像、第2图像和第3图像各自的初始状态开始，反复进行由重构部进行的第1图像的生成、由cnn处理部进行的第2图像的生成和卷积神经网络的学习、以及由更新部进行的第3图像的更新，将通过这些反复处理得到的第1图像和第2图像中的任意者作为断层图像。

6、本发明的第2方式为一种图像处理装置。图像处理装置是基于由放射线断层摄影装置收集到的列表数据来生成断层图像的图像处理装置，具备：(1)重构部，其通过列表模式逐次近似重构法基于列表数据通过进行第3图像的更新，来生成第1图像；(2)cnn处理部，其使输入信息输入到卷积神经网络并通过卷积神经网络生成第2图像，以使该生成的第2图像接近第3图像的方式使卷积神经网络学习；和(3)更新部，其基于第1图像和第2图像来更新第3图像，从卷积神经网络的学习状态和第3图像各自的初始状态开始，反复进行由重构部进行的第1图像的生成、由cnn处理部进行的第2图像的生成和卷积神经网络的学习、以及由更新部进行的第3图像的更新，将通过这些反复处理得到的第1图像、第2图像和第3图像中的任意者作为断层图像。

7、本发明的实施方式是放射线断层摄影系统。放射线断层摄影系统具备：放射线断层摄影装置，其收集用于重构被检体的断层图像的列表数据；和上述结构的图像处理装置，其基于由放射线断层摄影装置收集到的列表数据来生成断层图像。

8、本发明的第1方式是图像处理方法。图像处理方法是基于由放射线断层摄影装置收集到的列表数据来生成断层图像的图像处理方法，具备：(1)重构步骤，通过列表模式逐次近似重构法基于列表数据通过反复进行使进行第1图像的更新而得到的图像接近第2图像与第3图像之差的处理，来生成新的第1图像；(2)cnn处理步骤，使输入信息输入到卷积神经网络并通过卷积神经网络生成第2图像，以使该生成的第2图像接近第1图像与第3图像之和的方式使卷积神经网络学习；和(3)更新步骤，基于第1图像和第2图像来更新第3图像，从卷积神经网络的学习状态、第1图像、第2图像和第3图像各自的初始状态开始，反复进行重构步骤中的第1图像的生成、cnn处理步骤中的第2图像的生成和卷积神经网络的学习、以及更新步骤中的第3图像的更新，将通过这些反复处理得到的第1图像和第2图像中的任意者作为断层图像。

9、本发明的第2方式是一种图像处理方法。图像处理方法是基于由放射线断层摄影装置收集到的列表数据来生成断层图像的图像处理方法，具备：(1)重构步骤，通过列表模式逐次近似重构法基于列表数据通过进行第3图像的更新，来生成第1图像；(2)cnn处理步骤，使输入信息输入到卷积神经网络并通过卷积神经网络生成第2图像，以使该生成的第2图像接近第3图像的方式使卷积神经网络学习；和(3)更新步骤，基于第1图像和第2图像来更新第3图像，从卷积神经网络的学习状态和第3图像各自的初始状态开始，反复进行重构步骤中的第1图像的生成、cnn处理步骤中的第2图像的生成和卷积神经网络的学习、以及更新步骤中的第3图像的更新，将通过这些反复处理得到的第1图像、第2图像和第3图像中的任意者作为断层图像。

10、发明的效果

11、根据本发明的各方式，能够基于由放射线断层摄影装置收集到的列表数据来生成降低了噪声的断层图像。