联合运动估计与时空张量增强表示的4D-CBCT重建方法.pdf

《联合运动估计与时空张量增强表示的4D-CBCT重建方法.pdf》由会员分享，可在线阅读，更多相关《联合运动估计与时空张量增强表示的4D-CBCT重建方法.pdf（15页完成版）》请在专利查询网上搜索。

1、(19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 (43)申请公布日 (21)申请号 202010828378.6 (22)申请日 2020.08.18 (71)申请人 安徽工程大学 地址 241000 安徽省芜湖市鸠江区北京中 路8号 (72)发明人 刘进亢艳芹王勇汪军王族 (74)专利代理机构 安徽知问律师事务所 34134 代理人 金贝贝 (51)Int.Cl. G06T 11/00(2006.01) G06T 7/246(2017.01) (54)发明名称 一种联合运动估计与时空张量增强表示的 4D-CBCT重建方法 (57)摘要 本发明公开了一种联合运动。

2、估计与时空张 量增强表示的4DCBCT重建方法， 属于计算机断 层成像技术领域。 本发明中， 首先利用呼吸信号 对病人4DCBCT投影数据进行相位划分， 并采用 EMTV算法重建获得初始图像， 利用初始图像估 计初始的形变矢量场； 然后， 将时空张量增强表 示引入到图像重建模型中， 对形变矢量场处理后 的重建图像进行约束， 并获得更新重建图像； 接 下来， 利用更新后的重建图像及投影数据建立对 称的运动估计模型， 以获得新的形变矢量场； 最 后， 通过迭代交替更新重建图像及形变矢量场， 获得高质量重建图像。 本发明可有效减缓4D CBCT重建中的运动模糊及混叠伪影， 保留更多细 节， 提高重建。

3、图像对比度， 促进4DCBCT在图像引 导放疗领域中的使用。 权利要求书3页 说明书8页 附图3页 CN 111951346 A 2020.11.17 CN 111951346 A 1.一种联合运动估计与时空张量增强表示的4D-CBCT重建方法， 其特征在于， 包括以下 步骤： S1、 获取初始重建图像及初始形变矢量场； 利用给定的呼吸信号对4D-CBCT投影数据进行相位划分， 获得划分后的投影数据P p1,p1,pt,pT， 其中T为总相位数， pt为t相位下投影数据； 对划分后的投影数据进行EM- TV重建， 获得初始的重建图像其中ft0为t相位下的初始重建图 像， 上标0表示初始值； 并。

4、利用初始重建图像及demons配准算法获得初始的形变矢量场 其中t1t， 表示t1相位到t相位下重建图像的形变矢量场； S2、 构建时空张量增强表示的4D-CBCT图像重建模型； S3、 构建4D-CBCT图像运动估计模型； S4、 求解重建模型及运动估计模型获得最终的重建图像； 对于重建模型及运动估计模型进行分别求解， 并采用交替更新的方式对重建图像及形 变矢量场进行迭代更新， 获得最终的重建图像。 2.根据权利要求1所述的一种联合运动估计与时空张量增强表示的4D-CBCT重建方法， 其特征在于： S2中的4D-CBCT图像重建模型为： 其中At为t相位下的投影矩阵， ft为t相位下的重建图。

5、像， pt为t相位下的投影数据， F表 示所有相位下的重建图像， D为t1(t1t)相位到t相位下重建图像的形变矢量场集合， DF 表示t相位下补偿后的重建图像集合， 及 均为正则化参数，为四维梯度算子， |0 为L0范数， Zc()和C分别表示第c个张量块组及张量块组总数，表示分解处理后的第c 个张量块组， c为第c个张量块组的分解权重函数， Ui(1i5)表示张量分解后第i维度上 的归一化向量， 表示张量分解过程。 3.根据权利要求2所述的一种联合运动估计与时空张量增强表示的4D-CBCT重建方法， 其特征在于： S3中的4D-CBCT图像运动估计模型为： 其中At为t相位下的投影矩阵， 。

6、ft为t相位下的重建图像， pt为t相位下的投影数据， 为t1相位图像在t相位下补偿后的重建图像， 为正则化参数， TV()为TV正则 化约束项， 用于减小噪声干扰， 获得边界增强的形变矢量场。 4.根据权利要求1所述的一种联合运动估计与时空张量增强表示的4D-CBCT重建方法， 其特征在于： S1中相位划分是以呼吸信号强度进行均匀划分的； 且EM-TV重建最大迭代次数 为150次。 权利要求书 1/3 页 2 CN 111951346 A 2 5.根据权利要求2所述的一种联合运动估计与时空张量增强表示的4D-CBCT重建方法， 其特征在于： S2中为补偿后的重建图像集合的梯度L0范数， 具体。

7、表示为： 其中与分别表示x,y,z和时间t方向上的梯度算子， ()为计数算子， J 为总像素， DF表示t相位下补偿后的重建图像集合。 6.根据权利要求2所述的一种联合运动估计与时空张量增强表示的4D-CBCT重建方法， 其特征在于： S2中张量块组获得的步骤为： 首先对运动补偿后的重建图像集合DF进行分 块， 得到时空张量图像块集合； 然后对这些张量图像块集合进行分组， 最后获得分组后的张 量块组， 其中Zc(DF)为DF的第c个张量块组。 7.根据权利要求6所述的一种联合运动估计与时空张量增强表示的4D-CBCT重建方法， 其特征在于： S2中张量图像块集合分组是按照K均值算法进行相似性分。

8、组。 8.根据权利要求3所述的一种联合运动估计与时空张量增强表示的4D-CBCT重建方法， 其特征在于： S4中4D-CBCT图像重建模型采用正反向分裂算法求解， 分别表示为： Sk+1Sk+Gk+1-Fk+1 (3) 其中At为t相位下的投影矩阵， ft为t相位下的重建图像， pt为t相位下的投影数据， F表 示所有相位下的重建图像， 则Fk为第k次迭代后有相位下的重建图像， D为t1(t1t)相位到t 相位下重建图像的形变矢量场集合， DF表示t相位下补偿后的重建图像集合， 及 均为正 则化参数，为四维梯度算子， |0为L0范数， Zc()和C分别表示第c个张量块组及张 量块组总数，表示分。

9、解处理后的第c个张量块组，c为第c个张量块组的分解权重函数， Ui(1i5)表示张量分解后第i维度上的归一化向量， 表示张量分解过程； G及Gk分别为 F的对偶变量及第k次迭代后的对偶变量， Sk为第k次迭代后的对偶辅助变量， 上标k表示第k 次迭代结果， 为拉格朗日乘子参数； 执行过程中， 依次求解上述公式(1)、 公式(2)、 公式(3)和公式(4)， 其中公式(1)采用可 分离抛物面替代算法求解， 公式(2)采用L0范数梯度最小化算法求解， 公式(4)采用张量CP 分解方法求解。 9.根据权利要求8所述的一种联合运动估计与时空张量增强表示的4D-CBCT重建方法， 其特征在于： S4中4。

10、D-CBCT图像运动估计模型采用交替方向乘子法求解。 权利要求书 2/3 页 3 CN 111951346 A 3 10.根据权利要求1-9任一项所述的一种联合运动估计与时空张量增强表示的4D-CBCT 重建方法， 其特征在于： S4中采用交替更新的方式对重建图像及形变矢量场进行迭代更新， 直到达到最大迭代次数20次。 权利要求书 3/3 页 4 CN 111951346 A 4 一种联合运动估计与时空张量增强表示的4D-CBCT重建方法 技术领域 0001 本发明涉及计算机断层成像技术领域， 更具体地说， 涉及一种联合运动估计与时 空张量增强表示的4D-CBCT重建方法。 背景技术 0002。

11、 随着医学技术的飞速发展， 肿瘤放射治疗已经迈入精准时代， 即精确定位、 精确计 划与精确放疗。 而在放射治疗过程中， 肿瘤与周围正常组织的摆位、 位移的误差都会影响放 疗精度， 从而影响最终的治疗效果。 在这过程中， 图像质量保证尤其重要， 是实现肿瘤精确 定位跟踪的前提。 为解决这一问题， 人们将放疗设备和影像设备结合在一起， 实现全自动肿 瘤定位和跟踪， 确定治疗靶区和重要组织结构的位置、 运动轨迹， 并在必要时进行姿态校 正， 这就是图像引导放疗(Image-Guided Radiation Therapy,IGRT)技术。 IGRT技术中以锥 形束CT (Cone Beam CT,C。

12、BCT)成像引导的放疗系统最具代表性， 它是采用直线加速器机载 影像系统架构， 在放射治疗的同时实现CBCT扫描、 重建、 肿瘤定位及摆位误差计算等， 为精 准放疗提供依据。 该技术可实现最大程度的肿瘤照射及射线利用率， 能尽可能的避免对周 围正常组织的损害， 在提高放疗精度及治疗疗效方面起到重要作用。 0003 当前， 动态的4D-CBCT重建技术以逐步应用于人体呼吸运动、 心脏与大血管搏动以 及食管蠕动等状态成像目标的放疗过程中。 但在基于时间序列的4D-CBCT图像重建中， 由于 扫描速度慢、 投影角度少原因， 会导致单个时间相位下投影数据严重缺乏， 致使重建图像中 含有严重的条状伪影，。

13、 肿瘤边界难以确定， 从而最终导致放疗计划中肿瘤靶区目标的定位 不准， 放疗剂量的分配存在较大误差。 目前主流的放疗系统中， CBCT旋转一周的时间约为1 3 分钟， 而扫描病人的呼吸周期约为35秒， 这也就导致CBCT的照射时间分辨率远低于 呼吸运动的时间分辨率， 使得4D-CBCT重建图像质量下降。 组织器官的运动会不可避免的造 成肿瘤的漏照和/或正常组织的过多卷入与损伤， 这是影响精准放疗实施的主要因素。 针对 4D-CBCT成像这一扫描模式的特殊性， 近年来科研界和工业界开展了大量研究， 旨在不过多 增加扫描剂量的情况下， 并通过充分利用X射线尽可能的提高图像成像质量， 使其更好的服 。

14、务于临床。 当前解决该问题的主要技术之一就是基于运动补偿的重建。 该类方法的基本策 略是通过对非刚性的人体解剖组织图像配准， 来估计不同时间相位下的重建图像之间的形 变矢量场(Deformation Vector Field， DVF)， 进而对组织器官运动信息进行补偿。 0004 在4D-CBCT图像重建过程中， 每个相位下的重建图像需要进行重投影， 并对比扫描 投影数据这一过程是依据呼吸信号进行分组的， 而待配准图像与参考图像中均包含严重的 噪声和条状伪影， 因此单个相位图像的重建是一个病态问题。 直接采用图像域中的形变矢 量场作为重建中的运动补偿信息， 难以保证重建后图像的拓扑结构准确。。

15、 总的来说， 该类方 法重建的图像质量依然不高， 临床应用程度不广， 相关理论仍存在一些亟待解决的问题， 如： 如何提高重建过程中形变矢量场估计的准确性， 如何充分利用不同相位之间的信息引 入先验知识， 如何在重建中恰当的将形变矢量场和先验知识相结合， 并提高成像质量具有 重要的临床应用价值。 说明书 1/8 页 5 CN 111951346 A 5 0005 公开于该背景技术部分的信息仅仅旨在增加对本发明的总体背景的理解， 而不应 当被视为承认或以任何形式暗示该信息构成已为本领域一般技术人员所公知的现有技术。 发明内容 0006 1.发明要解决的技术问题 0007 本发明的目的在于克服现有技。

16、术中4D-CBCT重建方法存在的图像质量不高、 组织 细节丢失、 对比度低等问题， 拟提供一种联合运动估计与时空张量增强表示的4D-CBCT重建 方法， 称之为联合运动估计与时空张量增强表示重建(Motion Estimation and Spatiotemporal Tensor Enhanced representation Reconstruction,简称MESTER)， 在不 改变现有的CBCT硬件成本条件下， 通过在重建中结合运动估计与时空张量增强表示的方 法， 来抑制由呼吸运动和角度缺失引起的图像模糊和细节丢失现象， 提高4D-CBCT重建图像 质量， 最终实现为放疗过程医生提供。

17、实时准确的影像信息， 从而提高放射治疗精度和疗效。 0008 2.技术方案 0009 为达到上述目的， 本发明提供的技术方案为： 0010 本发明的一种联合运动估计与时空张量增强表示的4D-CBCT重建方法， 包括以下 步骤： 0011 S1、 获取初始重建图像及初始形变矢量场； 0012 利用给定的呼吸信号对4D-CBCT投影数据进行相位划分， 获得划分后的投影数据 Pp1,p1,pt,pT， 其中T为总相位数， pt为t相位下投影数据； 对划分后的投影数据进行 EM-TV重建， 获得初始的重建图像其中ft0为t相位下的初始重建 图像， 上标0表示初始值； 并利用初始重建图像及demons配。

18、准算法获得初始的形变矢量场 其中t1t， 表示t1相位到t相位下重建图像的形变矢量场； 0013 S2、 构建时空张量增强表示的4D-CBCT图像重建模型； 0014 S3、 构建4D-CBCT图像运动估计模型； 0015 S4、 求解重建模型及运动估计模型获得最终的重建图像； 0016 对于重建模型及运动估计模型进行分别求解， 并采用交替更新的方式对重建图像 及形变矢量场进行迭代更新， 获得最终的重建图像。 0017 更进一步地， S2中的4D-CBCT图像重建模型为： 0018 0019 0020 其中At为t相位下的投影矩阵， ft为t相位下的重建图像， pt为t相位下的投影数据， F表。

19、示所有相位下的重建图像， D为t1(t1t)相位到t相位下重建图像的形变矢量场集合， DF 表示t相位下补偿后的重建图像集合， 及 均为正则化参数，为四维梯度算子， | |0为 L0范数， Zc()和C分别表示第c个张量块组及张量块组总数，表示分解处理 说明书 2/8 页 6 CN 111951346 A 6 后的第c 个张量块组，c为第c个张量块组的分解权重函数， Ui(1i5)表示张量分解后第 i维度上的归一化向量， 表示张量分解过程。 0021 更进一步地， S3中的4D-CBCT图像运动估计模型为： 0022 0023 其中At为t相位下的投影矩阵， ft为t相位下的重建图像， pt为。

20、t相位下的投影数据， 为t1相位图像在t相位下补偿后的重建图像， 为正则化参数， TV()为TV正则 化约束项， 用于减小噪声干扰， 获得边界增强的形变矢量场。 0024 更进一步地， S1中相位划分是以呼吸信号强度进行均匀划分的； 且EM-TV重建最大 迭代次数为150次。 0025更进一步地， S2中为补偿后的重建图像集合的梯度L0范数， 具体表示 为： 0026 0027其中与分别表示x,y,z和时间t方向上的梯度算子， ()为计数 算子， J 为总像素， DF表示t相位下补偿后的重建图像集合。 0028 更进一步地， S2中张量块组获得的步骤为： 首先对运动补偿后的重建图像集合D F进。

21、行分块， 得到时空张量图像块集合； 然后对这些张量图像块集合进行分组， 最后获得分 组后的张量块组， 其中Zc(DF)为DF的第c个张量块组。 0029 更进一步地， S2中张量图像块集合分组是按照K均值算法进行相似性分组。 0030 更进一步地， S4中4D-CBCT图像重建模型采用正反向分裂算法求解， 分别表示为： 0031 0032 0033 Sk+1Sk+Gk+1-Fk+1 (3) 0034 0035 其中At为t相位下的投影矩阵， ft为t相位下的重建图像， pt为t相位下的投影数据， F表示所有相位下的重建图像， 则Fk为第k次迭代后有相位下的重建图像， D为t1(t1t)相位 到。

22、t相位下重建图像的形变矢量场集合， DF表示t相位下补偿后的重建图像集合， 及 均 为正则化参数，为四维梯度算子， |0为L0范数， Zc()和C分别表示第c个张量块组 及张量块组总数，表示分解处理后的第c个张量块组， c为第c个张量块组的分解权重 说明书 3/8 页 7 CN 111951346 A 7 函数， Ui(1i5)表示张量分解后第i维度上的归一化向量， 表示张量分解过程； G 及Gk分别为F的对偶变量及第k次迭代后的对偶变量， Sk为第k次迭代后的对偶辅助变量， 上 标 k表示第k次迭代结果， 为拉格朗日乘子参数； 0036 执行过程中， 依次求解公式(1)、 公式(2)、 公式。

23、(3)和公式(4)， 其中公式(1)采用可 分离抛物面替代算法求解， 公式(2)采用L0范数梯度最小化算法求解， 公式(4)采用张量CP 分解方法求解。 0037 更进一步地， S4中4D-CBCT图像运动估计模型采用交替方向乘子法求解。 0038 更进一步地， S4中采用交替更新的方式对重建图像及形变矢量场进行迭代更新， 直到达到最大迭代次数20次。 0039 3.有益效果 0040 采用本发明提供的技术方案， 与现有技术相比， 具有如下有益效果： 0041 本发明的一种联合运动估计与时空张量增强表示的4D-CBCT重建方法， 首先对给 定的呼吸信号及4D-CBCT投影数据进行相位划分， 获。

24、得划分后的投影数据并进行重建， 得到 初始重建图像， 并由此估计初始形变矢量场； 然后将初始重建图像及初始形变矢量场代入 4D-CBCT图像重建模型及4D-CBCT图像运动估计模型中进行求解； 最后通过交替更新重建图 像及形变矢量场进行迭代重建。 通过将运动估计模型和时空张量增强表示有机结合， 可有 效的改善了现有的重建方法在对呼吸运动重建时细节容易丢失及对比度下降的问题。 实验 结果验证了在常规呼吸状态下进行4D-CBCT重建， 本发明的方法与运动补偿学习的重建方 法 (Motion Compensation Learning Reconstruction,简称MCLR)相比， 可够有效的抑。

25、制 CBCT 图像中由投影角度缺失导致的条状伪影， 减缓器官运动带来的组织模糊及细节丢失， 同时软组织对比度更高， 视觉效果更好。 本发明的方法有望辅助医师实现肿瘤的精准定位 和跟踪， 为患者降低额外辐射， 提高放疗收益， 具有较高的应用和推广前景。 附图说明 0042 图1为本发明中联合运动估计与时空张量增强表示的4D-CBCT重建方法流程图； 0043 图2为本发明实施例中模拟的动态肺部数据及真实采集的肺部数据不划分相位下 的横断面重建图像及使用的呼吸信号曲线(a： 模拟数据； b： 真实数据； c： 呼吸信号曲线)； 0044 图3为本发明实施例中模拟的动态肺部数据第5个相位下的横断面重。

26、建结果(a： 参 考图； b： FDK重建图像； c： MCLR重建图像； d： MESTER重建图像)； 0045 图4为本发明实施例中模拟的动态肺部数据第5个相位下的横断面重建结果的局 部放大图(a： 参考图； b： FDK重建图像； c： MCLR重建图像； d： MESTER重建图像)； 0046 图5为本发明实施例中模拟的动态肺部数据在本发明方法下所有相位的横断面重 建结果 (a： 参考图像； b： MESTER重建图像)； 0047 图6为本发明实施例中真实采集的肺部数据第2个相位下的横断面重建结果(a： FDK 重建图； b： MCLR重建图像； c： MESTER重建图像)； 。

27、0048 图7为本发明实施例中真实采集的肺部数据第2个相位下的冠状面重建结果(a： FDK 重建图； b： MCLR重建图像； c： MESTER重建图像)； 0049 图8为本发明实施例中真实采集的肺部数据第2个相位下的冠状面重建结果的 Profile曲线； 说明书 4/8 页 8 CN 111951346 A 8 具体实施方式 0050 为进一步了解本发明的内容， 结合附图对本发明作详细描述。 0051 在本发明的描述中， 需要说明的是， 术语 “中心” 、“上” 、“下” 、“左” 、“右” 、“竖直” 、 “水平” 、“内” 、“外” 等指示的方位或位置关系为基于附图所示的方位或位置关。

28、系， 仅是为了 便于描述本发明和简化描述， 而不是指示或暗示所指的装置或元件必须具有特定的方位、 以特定的方位构造和操作， 因此不能理解为对本发明的限制。 此外， 术语 “第一” 、“第二” 、 “第三” 仅用于描述目的， 而不能理解为指示或暗示相对重要性。 0052 下面结合实施例对本发明作进一步的描述。 0053 实施例1 0054 本实施例的一种联合运动估计与时空张量增强表示的4D-CBCT重建方法流程图如 图1 所示， 具体步骤如下： 0055 步骤S1、 获取初始图像及初始形变矢量场； 0056 利用给定的呼吸信号对4D-CBCT投影数据进行相位划分， 可获得划分后的投影数 据 Pp。

29、1,p1,pt,pT， 其中T为总相位数， pt为t相位下投影数据； 对划分后的投影数据 进行EM-TV重建， 获得初始的重建图像其中ft0为t相位下的初始 重建图像， 上标0表示初始值； 并利用初始图像及demons配准算法获得初始的形变矢量场 其中t1t， 表示t1相位到t相位下重建图像的形变矢量场； 0057 具体的， 相位划分是以呼吸信号强度进行均匀划分的(如： 呼吸信号最大强度为1， 需重建10个相位图， 则以呼吸信号强度间隔0.1为依据进行相位划分)， 并对投影数据进行 分组。 分组后的投影数据按照EM-TV算法进行最大迭代次数为150次的迭代重建， 图像更新 过程可表示为： 00。

30、58 0059其中At和分别为t相位下的投影矩阵及反投影矩阵， ft为t相位下的重建图像， 上标k 表示第k次迭代结果， pt为t相位下的投影数据， I为全1向量， 为正则化参数， 为对ftk求TV范数的导数。 0060 步骤S2、 构建时空张量增强表示的4D-CBCT图像重建模型； 0061 4D-CBCT图像重建模型为： 0062 0063 0064 其中At为t相位下的投影矩阵， ft为t相位下的重建图像， pt为t相位下的投影数据， 说明书 5/8 页 9 CN 111951346 A 9 F为所有相位下的重建图像， D为t1(t1t)相位到t相位下重建图像的形变矢量场集合， DF 表。

31、示t相位下补偿后的重建图像集合， 及 均为正则化参数，为四维梯度算子， |0 为L0 范数， Zc()和C分别表示第c个张量块组及张量块组总数，表示分解处理后的 第c个张量块组，c为第c个张量块组的分解权重函数， Ui(1i5)表示张量分解后第i维度 上的归一化向量， 表示张量分解过程； 0065具体的， 4D-CBCT图像重建模型中为补偿后的重建图像集合的梯度L0 范数， 具体可表示为： 其中与分别表示x,y,z和时间t方向上的梯度算子， ()为计数算子， J为总 像素， DF 表示t相位下补偿后的重建图像集合。 张量块组获得的步骤为： 首先对运动补偿 后的重建图像 DF按照一定大小及间隔进。

32、行分块(如： 图块尺寸为1616164像素， 分 块间隔为 1212122像素)， 获得时空张量图像块集合其中N为总时空张量图 像块数目； 然后对这含N个张量图像块的集合按照K均值算法进行相似性分组， 共分为C组； 最后获得分组后的张量块组Zc(DF)。 0066 步骤S3、 构建4D-CBCT图像运动估计模型： 0067 4D-CBCT图像运动估计模型为： 0068 0069 其中At为t相位下的投影矩阵， ft为t相位下的重建图像， pt为t相位下的投影数据， 为t1相位图像在t相位下补偿后的重建图像， 为正则化参数， TV()为TV正则 化约束项， 可减小噪声干扰， 获得边界增强的形变矢。

33、量场。 0070 步骤S4、 求解重建模型及运动估计模型获得最终的重建图像； 0071 对于重建模型及运动估计模型进行分别求解， 并采用交替更新的方式对重建图像 及形变矢量场进行迭代更新， 获得高质量的最终的重建图像。 0072 具体的， 首先对4D-CBCT图像重建模型采用正反向分裂算法求解， 获得如下子问题 为： 0073 0074 0075 Sk+1Sk+Gk+1-Fk+1 (3) 0076 说明书 6/8 页 10 CN 111951346 A 10 0077 其中At为t相位下的投影矩阵， ft为t相位下的重建图像， pt为t相位下的投影数据， F为所有相位下的重建图像， Fk为第k。

34、次迭代后的重建图像， D为t1(t1t)相位到t相位下重 建图像的形变矢量场集合， DF表示t相位下补偿后的重建图像集合， 及 均为正则化参 数，为四维梯度算子， |0为L0范数， Zc()和C分别表示第c个张量块组及张量块组 总数，表示分解处理后的第c个张量块组， c为第c个张量块组的分解权重函数， Ui (1 i5)表示张量分解后第i维度上的归一化向量， 表示张量分解过程； G及Gk分别为 F的对偶变量及第k次迭代后的对偶变量， Sk为第k次迭代后的对偶辅助变量， 上标k表示第k 次迭代结果， 为拉格朗日乘子参数。 在4D-CBCT图像重建模型求解过程中， 依次求解上面的 公式(1)、 公。

35、式(2)、 公式(3)和公式(4)获得重建图像， 其中公式(1)采用可分离抛物面替代 算法求解， 公式(2)采用L0范数梯度最小化算法求解， 公式(4)采用张量 CP分解方法进行求 解。 然后， 进入4D-CBCT图像运动估计模型求解过程中， 本实施例是采用交替方向乘子法对 运动估计模型进行求解获得形变矢量场。 最后， 对重建图像及形变矢量场交替迭代更新， 最 大迭代20次后得到最终的重建图像。 0078 效果评估准则 0079 对模拟的动态肺部数据及真实采集的肺部数据进行重建， 模拟扫描使用的参数 为： 探测器单元个数为1024200， 探测器单元尺寸为0.780.178mm2， 射线源到物。

36、体中心 和探测器中心的距离分别为50cm和100cm， 扫描采集644个投影数据， 其它参数采用默认值。 真实数据扫描使用的参数为： 探测器大小为504504， 探测器单元尺寸为0.50.5mm2， 射 线源到物体中心和探测器中心的距离分别为57cm和106.23cm， 扫描采集644个投影数据， 其 它参数采用默认值。 模拟数据采用与真实数据相同的呼吸信号。 重建模型求解中正则化参 数 与 分别为0.02和0.001， 拉格朗日乘子 为600， C为100， G0F0， S00。 运动估计模型求 解过程中正则化参数 为0.05。 0080 模拟的动态肺部数据重建图像的显示窗宽为600HU(H。

37、ousfield Units,HU)， 窗位 为50HU， 真实采集的肺部数据重建图像的显示窗宽为0.025， 窗位为0.0175。 通过比较模拟 的动肺部数据下FDK重建方法、 MCLR重建方法和MESTER方法的重建结果来验证本发明的有 效性(如图3和图4所示)； 通过比较所有相位的横断面重建结果图像观察组织器官的运动过 程及重建偏差(如图5所示)； 通过对真实采集的肺部数据进行实验， 进一步验证本发明方法 在真实数据中的重建效果(如图6， 图7和图8所示)。 为客观有效的做出对比， 采用视觉评估 和量化评估两种方法进行评估。 0081 视觉评估 0082 通过观察比较图3、 4、 5、 。

38、6、 7中CBCT图像的结构细节、 对比度、 解剖组织纹理、 噪声 伪影强度等特点， 可以看出本发明方法能获得更高质量的4D-CBCT重建图像。 同时， 从重建 结果中可以看到MESTER重建方法较MCLR重建方法可以更好的保持图像细节， 提高对比度。 从局部放大中可以看到， 直接FDK重建方法噪声伪影严重， 无法区分组织细节； MCLR重建虽 然能抑制部分伪影， 但对比度有所下降， 仍有部分噪声残留； 而使用本发明方法MESTER重建 后， 图像质量有明显提高， 组织细节更加清晰， 效果更好， 在模拟数据中更接近参考图。 0083 量化评估 0084 在使用视觉评估本发明方法的有效性的同时，。

39、 引入两个量化指标对本发明方法的 说明书 7/8 页 11 CN 111951346 A 11 有效性进行评判， 峰值信噪比(Peak Signal to Noise Ratio ,PSNR)和结构相似度 (Structural Similarity Index,SSIM)。 其计算方法如下： 0085 0086 0087 其中ft为t相位下的重建图像， rt为t相位下的CBCT参考图， N为图像像素总数； ft 和 rt分别表示图ft和rt的均值； ft和 rt分别为对应的标准差， frt为对应的协方差； C1和 C2 为两个常数， 其中为rt的最大值。 计算出各相位下 重建图像的PSNR和。

40、SSIM的均值方差值， 如表1所示。 0088 表1 0089 0090 0091 从表1中可以看出， 在模拟的动态肺部投影数据重建中， FDK重建图像的量化指标 最差， MCLR重建结果具有一定的提高， 而采用本发明方法可以有更高的SSIM和PSNR(本发 明 MESTER方法与MCLR方法结果相比， SSIM约高出0.02左右， PSNR约高出1dB左右)， 且方差 更小。 从图8中可以看出， 在真实采集的肺部数据重建中， 不同组织边界像素值跳跃更加明 显， 组织边界更锐利。 从上述实验可以看到， 在相同投影角度扫描条件下本发明方法可获得 高质量的4D-CBCT重建图像， 且稳定性高， 具。

41、有一定的应用前景。 0092 以上示意性的对本发明及其实施方式进行了描述， 该描述没有限制性， 附图中所 示的也只是本发明的实施方式之一， 实际的结构并不局限于此。 所以， 如果本领域的普通技 术人员受其启示， 在不脱离本发明创造宗旨的情况下， 不经创造性的设计出与该技术方案 相似的结构方式及实施例， 均应属于本发明的保护范围。 说明书 8/8 页 12 CN 111951346 A 12 图1 图2 图3 说明书附图 1/3 页 13 CN 111951346 A 13 图4 图5 图6 图7 说明书附图 2/3 页 14 CN 111951346 A 14 图8 说明书附图 3/3 页 15 CN 111951346 A 15 。