CN101322157A - 用于在根据成像数据的参数重构中数据驱动的自适应网格生成时的用户交互的系统和方法 - Google Patents

用于在根据成像数据的参数重构中数据驱动的自适应网格生成时的用户交互的系统和方法 Download PDF

Info

Publication number
CN101322157A
CN101322157A CN200680045286.9A CN200680045286A CN101322157A CN 101322157 A CN101322157 A CN 101322157A CN 200680045286 A CN200680045286 A CN 200680045286A CN 101322157 A CN101322157 A CN 101322157A
Authority
CN
China
Prior art keywords
reconstruct
user
computing time
reconstruction
time
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN200680045286.9A
Other languages
English (en)
Inventor
B·巴克
M·纳拉亚南
A·韦伯
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Koninklijke Philips NV
Original Assignee
Koninklijke Philips Electronics NV
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Koninklijke Philips Electronics NV filed Critical Koninklijke Philips Electronics NV
Publication of CN101322157A publication Critical patent/CN101322157A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/00—2D [Two Dimensional] image generation
    • G06T11/003—Reconstruction from projections, e.g. tomography
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/02—Arrangements for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
    • A61B6/03—Computed tomography [CT]
    • A61B6/037—Emission tomography
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/46—Arrangements for interfacing with the operator or the patient
    • A61B6/461—Displaying means of special interest
    • A61B6/466—Displaying means of special interest adapted to display 3D data
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
    • A61B6/5205—Devices using data or image processing specially adapted for radiation diagnosis involving processing of raw data to produce diagnostic data
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
    • A61B6/5211—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data
    • A61B6/5229—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data combining image data of a patient, e.g. combining a functional image with an anatomical image
    • A61B6/5247—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data combining image data of a patient, e.g. combining a functional image with an anatomical image combining images from an ionising-radiation diagnostic technique and a non-ionising radiation diagnostic technique, e.g. X-ray and ultrasound
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/02—Arrangements for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
    • A61B6/03—Computed tomography [CT]
    • A61B6/032—Transmission computed tomography [CT]
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/46—Arrangements for interfacing with the operator or the patient
    • A61B6/467—Arrangements for interfacing with the operator or the patient characterised by special input means
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/46—Arrangements for interfacing with the operator or the patient
    • A61B6/467—Arrangements for interfacing with the operator or the patient characterised by special input means
    • A61B6/469—Arrangements for interfacing with the operator or the patient characterised by special input means for selecting a region of interest [ROI]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2211/00—Image generation
    • G06T2211/40—Computed tomography
    • G06T2211/424—Iterative

Landscapes

  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Physics & Mathematics (AREA)
  • Radiology & Medical Imaging (AREA)
  • Surgery (AREA)
  • High Energy & Nuclear Physics (AREA)
  • Veterinary Medicine (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Optics & Photonics (AREA)
  • Pathology (AREA)
  • Public Health (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Molecular Biology (AREA)
  • Biophysics (AREA)
  • Animal Behavior & Ethology (AREA)
  • General Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Human Computer Interaction (AREA)
  • Apparatus For Radiation Diagnosis (AREA)
  • Image Generation (AREA)
  • Processing Or Creating Images (AREA)

Abstract

公开了一种系统与方法，用于在根据成像数据进行模型参数重构中的数据驱动的自适应网格生成时的具有用户交互的迭代重构。所述方法包括读取来自用户的输入(110，115)，并且在每一次迭代之后，检查所重构参数的收敛性(130)。在每一次迭代之后，基于当前网栅和所期望的迭代次数来估计所需要的计算时间(130)，并更新所述网栅(140)。在所述重构的过程中，显示对所述所重构参数和调节后的网栅的即时呈现(170)，并且使所述重构的下一次迭代以所述调节后的网栅为基础(145)。

Description

用于在根据成像数据的参数重构中数据驱动的自适应网格生成时的用户交互的系统和方法
技术领域
本发明整体上涉及一种用于在利用自适应网栅来根据图像数据进行直接迭代重构中的用户交互的系统和方法。
背景技术
可以利用从多种(分子)成像模式中聚集的数据来重构用于描述在人体内的示踪化学剂的浓度(例如，浓度的动态特性)的模型参数，所述成像模式例如为正电子发射断层造影(PET)和单光子发射计算机断层造影(SPECT)扫描器。在“逐个体素”的基础上描述这种参数，其中，体素是在研究对象上所施加的三维(3D)栅格内的小体积元素。栅格内的体素的大小决定了可以用来估计模型参数分布的空间精确度或分辨率。几种重构方法(例如，根据列表模式数据的直接重构和后验估计最大化方法)允许不规则的体素栅格(grid)，例如，包含有各种形状和大小的体素的栅格。对这种体素栅格布局的最佳选择仍然是悬而未决的问题。
重构图像数据的技术现状包括在具有分辨率(例如，体素大小)局部变化的“不规则的”体素栅格上进行重构，而且包括在感兴趣区域中具有较高分辨率的固态栅格，这是在重构前、在例如，初步重构或以另一个模态(例如，CT扫描)为基础的重构上用户指示的。技术现状还包括用于图像重构的内容自适应网格生成，其中，在较高空间变化的区域内自动提高分辨率。
对图像的网格建模包括将图像域划分成许多不重叠的(一般为多边形的)碎片，其称为网格元素，(在此，如图1所示，使用了三角形)；然后通过根据元素的网格节点进行内插，来在每一个元素上确定图像函数。一个节点对于图像的贡献限于附着到该节点的那些元素的程度。利用网格模型，可以有策略地在包括重要特征的区域内最为密集地放置网格节点，结果生成相比于体素表现更紧凑的图像表现。
通过非常细的体素栅格来实现的高分辨率需要过长的计算时间。由较粗的体素栅格来实现的低分辨率会导致空间信息的损失和精确度较低的系统输出(例如，参数图)。此外，包括例如感兴趣区域、空间变化、足量统计数据的可用性和计算时间的可用性或需求在内的各个方面都影响了在速度与高分辨率之间的最佳折衷。在考虑中的感兴趣区域影响了对较高分辨率的需求。研究对象的特定区域也许比其它区域更为重要，由此需要较高的分辨率。而且，在“不那么”感兴趣区域(例如，背景)中的较高分辨率不产生附加信息值，但却仍然会使重构处理慢了下来。关于空间变化，模型参数会以一个区域内的逐个体素间的强空间变化为特征，然而在其它区域中变化较为缓慢。在模型参数变化相对缓慢的区域中，只需要有限的分辨率，反之，通过细化的网栅来对强模型参数变化区域进行最佳建模。
每一个体素的模型参数估计都依赖于大量充足的与该特定体素有关的事件(例如，检测器测量数据)。如果由于体素太小而存在太少事件，例如，具有较差的信噪比(SNR)，则由此会产生较差的估计值。由此可见，充足的统计数据的可用性影响了在速度与高分辨率之间的最佳折衷。
当然，在可以使用无限的时间时，如果在较小的体素大小上检测到大量充足的事件，则整个栅格中的较小的体素大小将总会是优选的。然而，医师的可利用时间是有限的，而且并不喜欢等待结果。因此速度与精确度的相对重要性就直接影响了对分辨率的选择。
因此，将要求在重构处理中进行控制以最小化计算时间，从而避免不必要的等待时间并在临床上可接受的重构时间的范围内确保感兴趣区域的最大分辨率。
发明内容
本发明涉及一种方法，用于在根据成像数据进行模型参数重构中、数据驱动的自适应网格生成时的具有用户交互的迭代重构。在一个示范性实施例中，所述方法包括：读取来自用户的(先验的(110)和即时的(115))输入，并且在每一次迭代之后检查所重构参数的收敛性(130)。在每一次迭代之后，基于当前网栅和所期望的迭代次数，来估计所需要的计算时间(130)，然后更新所述网栅(140)。在所述重构的过程中，显示对所述所重构参数和调节后的网栅(mesh grid)的即时呈现(170)，并使所述重构的下一次迭代以所述调节后的网栅为基础(145)。
在另一示范性实施例中，公开了一种系统，用于在根据成像数据进行模型参数重构中的数据驱动的自适应网格生成时的具有用户交互的迭代重构。所述系统包括：重构器，配置为在每一次迭代之后检查所重构参数的收敛性，并且在每一次迭代之后，基于当前网栅和所期望的迭代次数来估计所需要的计算时间。用户界面被配置为接受用户输入以供所述重构器读取；显示装置17在所述重构更新所述网栅14的过程中，显示对所述所重构参数和调节后的网栅的即时呈现，其中，所述重构的下一次迭代是以所述调节后的网栅为基础的。
在再另一示范性实施例中，公开了计算机软件产品，用于在根据成像数据进行模型参数重构中的数据驱动的自适应网格生成时的具有用户交互的迭代重构。所述产品包括计算机可读介质，其中存储了程序指令，所述指令在由计算机读取时使所述计算机：读取来自用户的(先验的(110)和即时的(115))输入，并在每一次迭代之后检查所重构参数的收敛性(130)。在每一次迭代之后，在每一次迭代之后，基于当前网栅和所期望的迭代次数来估计所需要的计算时间(130)，然后更新所述网栅(140)。然后，所述计算机指示在重构的过程中在显示装置上显示对所述所重构参数和调节后的网栅的即时呈现(170)，并使所述重构的下一次迭代以所述调节后的网栅为基础(145)。
附图说明
与公开的系统和方法有关的其他特征、功能和优势将从以下的详细说明中显而易见，尤其是在结合其附图进行评述时。
为了帮助本领域普通技术人员制造和使用该公开的系统和方法，参考了附图，其中：
图1描绘了根据本发明示范性实施例所述的图形用户界面的平面图，用户利用该图形用户界面来选择感兴趣区域、最大可允许计算时间和其它重构选项；以及
图2是表示根据本发明示范性实施例所述的利用图1中的图形用户界面的重构处理的流程图。
具体实施方式
正如在此所描述的，本发明有利地提供了一种使用自适应网栅的直接迭代重构方法。由对感兴趣区域的先验指示和该重构处理的状态来确定栅格布局。在较早的迭代中，参数估计仍然是粗糙的，并且以低分辨率栅格为特征。分辨率随着每一次迭代而提高，并且在参数估计开始收敛时达到其峰值。还根据每个体素的可用数据来确定栅格布局。在不活跃的区域中，对体素进行合并(例如，汇聚)，以形成在其中对于每个体素都具有更佳的信噪比的粗糙栅格。还利用所重构参数的空间变化来确定栅格布局。用更细的体素栅格来覆盖高度变化的区域。还通过对最大可允许计算时间的选择来确定栅格布局。在重构开始之前，用户定义一个最大计算时间。在每一次迭代之后，估计剩余的计算时间，并根据是否会(例如，容易地)超过或达到该可允许计算时间，来调节栅格分辨率。正如以下更充分讨论的，还利用其它用户交互来确定栅格布局。
参照图1，先验的和即时的用户交互通过图形用户界面(GUI)10来进行。在重构开始之前，提示用户在先前进行的重构数据中指定感兴趣区域，该重构数据可以例如是利用不同的模式所获得的，例如计算机断层噪声(CT)。用户可以利用整体显示在图形用户界面10右下方的导航窗12，来指定感兴趣区域，如图1所示。可选地，可以使用鼠标和/或具有快捷键的键盘(未显示)。用户还可以设置最大可允许计算时间和其它重构选项。
在(例如，即时的)重构处理过程中，用户观看当前使用的(3D)栅格14和在16上的逐个体素进行亮度编码的所重构模型的参数值，并定义一个重构参数的图15。用户在显示了当前估计的所重构参数的图15和当前使用的网栅14的显示器17上查看它们。利用箭头按钮18来引导3D光标19穿过栅格14，并利用缩放按钮20来调整栅格14的大小，其中用户可以选择要提高或降低分辨率的区域。还可以利用相应的按钮22来围绕着三个轴旋转整个图像。整体显示在GUI 10左侧的多个按钮用于整体上由24表示的全局操作，日志消息窗口26显示了与用户动作有关的重构进程和反馈。另外，日志消息窗口26提供了与所估计参数的收敛性、所估计的剩余时间和当前分辨率有关的信息，这也是基于用户动作的。用户还可以分别利用按钮28和30来选择提高或降低整体分辨率以及提高或降低重构参数处理的速度。
现在参照图2，将参照以100总体表示的流程图来描述该参数重构处理。在块110中，用户输入列表模式数据、感兴趣区域的定义/初始分割、最大重构时间周期和初始模式参数。在块120中，将这些用户输入传送到重构器，用以进行最初的迭代。在重构器的每一次迭代之后，在块130中，检查所重构参数的收敛性，估计所需的计算时间，并在块130中读取用户在块115中的任何即时输入。接下来，在块140中更新网栅。在块140中，以所重构参数(θn)的局部变化、仍然需要的计算时间与剩余的可允许计算时间之间的比率(ETA/Tmax)、以及来自用户的命令(用户输入)为基础，来更新网栅。重构器的下一次迭代是以指向块120的直线145所表示的经调节的网格为基础的。
在块170中，用户通过显示器17来接收与虚线160所表示的当前参数估计(θn)和虚线150所表示的网栅14相关的信息。如上所述，用户可以在块110和115中主动改变网栅14。在完成重构或重构循环已经收敛时，如直线175所示，在块180中输出重构图像。本技术领域技术人员将清楚，尽管显示器17显示为GUI 10的一部分，但是该显示器17可以是一个独立显示器，并且与如图1所示的、位于显示器17的左下方的用户输入按钮彼此分离。
对所需计算时间的每一次估计都取决于当前网栅和所期望的迭代次数。后者易于通过所谓的一次通过(one-pass)算法或者迭代次数固定的其它算法来计算，其中，在所述一次通过算法中，仅观看一次所有的数据。明确取决于对所重构参数的估计的收敛性的算法必须基于收敛性统计来估计剩余的迭代次数。
在本领域中已知的重构算法在每一个事件后、在整组事件中的一个事件子集之后、或者在一次包括了所有事件的迭代之后，产生用于模型参数的更新的θn。为了确保正确的用户交互，必须选择每次迭代所使用的事件数量(例如，用于每一次参数更新)，使其足够小以便为用户提供以合理时间间隔进行交互的机会。
应当注意，用户交互不仅发生在重构过程中，还会发生在该重构结束之后。在重构循环已经收敛时，在计算机存储器内存储该系统的状态(例如，当前所使用的体素栅格和所估计的模型参数值)。图形用户界面10还允许用户以该重构图像为基础来提高在感兴趣区域内的空间分辨率，随后重构循环可以继续进行。利用了该特征的实例将会进行最初的“快速重构”，提高在感兴趣区域(可能是患者特有的)内的分辨率，然后允许系统继续进行“主要的重构”。
有利地，本发明的各个实施例使该系统、方法和计算机软件产品的用户能够在重构过程中可视地检查重构参数和网栅的即时显示。此外，本发明的系统、方法和计算机软件产品通过手动调节局部和全局网栅分辨率来促进对重构处理的用户用户交互，并使用所估计的剩余计算时间作为网格调节中的判定因子。
其它优势包括对重构数据的先验可用性的较小依赖。例如，可以在重构数据变为可用时，对感兴趣区域的粗糙的第一指定进行即时细化。本发明的系统、方法和计算机软件产品还在重构处理中提供更多的控制。例如，自动的数据驱动的网格分割可以不同于人类专家的选择。虽然关于用重构算法选择应具有高分辨率的区域的选项仍然存在，但是用户界面还是添加了用来使人类专家了解判定处理的主动部分的选项。一旦感兴趣的特征开始显露在重构的数据中，就可以“更精确地”(例如，在较高分辨率下)检查在所重构参数的图中非预期出现的感兴趣的特征。因此，就不必完成整个重建、添加或改变感兴趣区域、以及重新运行该重构。本发明上述系统、方法和计算机软件产品所提供的另一个优势包括用来设置最大计算时间的选项，用于避免不必要的等待以及在可允许时间范围内确保最大分辨率。
尽管已经参照本发明的示范性实施例描述了本发明的方法、系统和软件产品，但是本发明并不局限于这些示范性实施例。而是，该公开的方法、系统和软件产品在不脱离其精神或范围的情况下可以进行各种修改、增强和/或变化。因此，本发明采用和包含了在所附权利要求范围内的这些修改、增强和/或变化。

Claims (20)

1、一种方法，用于在根据成像数据进行模型参数重构中的数据驱动的自适应网格生成时的具有用户交互的迭代重构，所述方法包括：
读取来自用户的输入(110，115)；
在每一次迭代之后，检查所重构参数的收敛性(130)；
在每一次迭代之后，基于当前网栅和所期望的迭代次数来估计所需要的计算时间(130)；
更新所述网栅(140)；
在所述重构的过程中，显示对所述所重构参数和调节后的网栅的即时呈现(170)；以及
使所述重构的下一次迭代以所述调节后的网栅为基础(145)。
2、如权利要求1所述的方法，其中，更新所述网栅的步骤是基于以下至少之一的：所述所重构参数(θn)的局部变化、仍然需要的计算时间与剩余的可允许计算时间之间的比率、以及所述用户输入。
3、如权利要求1所述的方法，其中，读取用户输入(110，115)的步骤在以下情况中的至少一种情况下进行：在重构过程中和在所述重构完成之后。
4、如权利要求3所述的方法，其中，所述用户输入包括以下之一：
感兴趣区域；
所述感兴趣区域的期望分辨率；
用于完成重构的最大可允许计算时间；以及
所述最大可允许计算时间的变化。
5、如权利要求1所述的方法，还包括：在所述所重构参数已经收敛时，在一存储器装置中存储当前使用的体素栅格和所估计的模型参数值。
6、如权利要求1所述的方法，还包括：
形成初始重构图像；
基于初始重构图像，提高在感兴趣区域内的空间分辨率；以及
继续进行主要的重构循环。
7、如权利要求1所述的方法，还包括：使用所估计的剩余计算时间作为对所述调节后的网栅的网格调节中的判定因子。
8、如权利要求1所述的方法，还包括：通过手动调节局部和全局网栅分辨率中至少一个，来促进对所述重构的即时用户交互。
9、如权利要求1所述的方法，其中，所述所重构参数是根据多种成像形式中聚集的数据推导的。
10、如权利要求1所述的方法，其中，在每一次迭代之后估计所需要的计算时间的步骤基于来自所述用户输入的对于最大可允许计算时间的输入，来估计剩余的计算时间，并且根据预计是否能够在所述最大可允许计算时间内完成重构，来调节所述网栅。
11、如权利要求1所述的方法，其中，读取来自用户的输入的步骤包括：读取通过图形用户输入而输入的输入内容。
12、一种方法，用于在根据成像数据进行模型参数重构中的数据驱动的自适应网格生成时的具有用户交互的迭代重构，所述方法包括：
利用图形用户界面，在先前重构的图像数据中指示感兴趣区域(110)；
通过所述图形用户界面，输入重构器完成重构的最大计算时间(110)；
通过所述图形用户界面，输入初始模式参数(110)；
初始化一迭代(120)；
检查所重构参数的收敛性(130)；
针对所述最大计算时间来估计所需的剩余计算时间(130)；
利用对所述图形用户界面的任何用户输入(115)以及所需的计算时间与剩余的计算时间之间的比率，来更新所述网栅(140)；
在所述图形用户界面上显示当前参数估计值(170)；以及
当在以下情况之一时输出所述重构(180)：所述重构完成以及所述重构参数已经收敛。
13、一种系统，用于在根据成像数据进行模型参数重构中的数据驱动的自适应网格生成时的具有用户交互的迭代重构，所述系统包括：
重构器，配置为在每一次迭代之后检查所重构参数的收敛性，并且在每一次迭代之后，基于当前网栅和所期望的迭代次数来估计所需要的计算时间；
用户界面，配置为接受用户输入以供所述重构器读取；
显示装置17，配置为在所述重构更新所述网栅14的过程中，显示对所述所重构参数和调节后的网栅的即时呈现；以及
其中，所述重构的下一次迭代是以所述调节后的网栅为基础的。
14、如权利要求13所述的系统，其中，所述用户界面和所述显示装置17是图形用户界面10。
15、如权利要求13所述的系统，其中，所述更新后的网栅是基于以下至少之一的：所述所重构参数(θn)的局部变化、仍然需要的计算时间与剩余的可允许计算时间之间的比率、以及所述用户输入。
16、如权利要求13所述的系统，其中，在以下至少一种情况中读取用户输入：在重构过程中和在所述重构完成之后。
17、如权利要求16所述的系统，其中，所述用户输入包括以下之一：
感兴趣区域；
所述感兴趣区域的期望分辨率；
用于完成重构的最大可允许计算时间；以及
所述最大可允许计算时间的变化。
18、如权利要求13所述的系统，还包括存储装置，用于在所述所重构参数已经收敛时，存储当前使用的体素栅格和所估计的模型参数值。
19、如权利要求13所述的系统，其中，所述重构器通过基于来自所述用户输入的对于最大可允许计算时间的输入而估计剩余的计算时间，来在每一次迭代之后估计所需要的计算时间，并且所述网栅是根据预计是否能够在所述最大可允许计算时间内完成重构而进行调节的。
20、一种计算机软件产品，用于在根据成像数据进行模型参数重构中的数据驱动的自适应网格生成时的具有用户交互的迭代重构，所述产品包括计算机可读介质，其中存储了程序指令，所述指令在由计算机读取时使所述计算机能够执行以下操作：
读取来自用户输入设备的输入(110，115)；
在每一次迭代之后，检查所重构参数的收敛性(130)；
在每一次迭代之后，基于当前网栅和所期望的迭代次数来估计所需要的计算时间(130)；
更新所述网栅(140)；
在所述重构的过程中，显示对所述所重构参数和调节后的网栅的即时呈现(170)；以及
使所述重构的下一次迭代以所述调节后的网栅为基础(145)。
CN200680045286.9A 2005-12-02 2006-11-15 用于在根据成像数据的参数重构中数据驱动的自适应网格生成时的用户交互的系统和方法 Pending CN101322157A (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US74173905P 2005-12-02 2005-12-02
US60/741,739 2005-12-02

Publications (1)

Publication Number Publication Date
CN101322157A true CN101322157A (zh) 2008-12-10

Family

ID=37876840

Family Applications (1)

Application Number Title Priority Date Filing Date
CN200680045286.9A Pending CN101322157A (zh) 2005-12-02 2006-11-15 用于在根据成像数据的参数重构中数据驱动的自适应网格生成时的用户交互的系统和方法

Country Status (5)

Country Link
US (1) US20100214293A1 (zh)
EP (1) EP1958165A1 (zh)
JP (1) JP2009517753A (zh)
CN (1) CN101322157A (zh)
WO (1) WO2007063442A1 (zh)

Families Citing this family (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10795457B2 (en) 2006-12-28 2020-10-06 D3D Technologies, Inc. Interactive 3D cursor
US11275242B1 (en) 2006-12-28 2022-03-15 Tipping Point Medical Images, Llc Method and apparatus for performing stereoscopic rotation of a volume on a head display unit
US11315307B1 (en) 2006-12-28 2022-04-26 Tipping Point Medical Images, Llc Method and apparatus for performing rotating viewpoints using a head display unit
US11228753B1 (en) 2006-12-28 2022-01-18 Robert Edwin Douglas Method and apparatus for performing stereoscopic zooming on a head display unit
US9757083B2 (en) * 2007-12-28 2017-09-12 Koninklijke Philips N.V. Scanning method and system
WO2009114211A1 (en) 2008-03-10 2009-09-17 Exxonmobil Upstream Research Company Method for determing distinct alternative paths between two object sets in 2-d and 3-d heterogeneous data
CA2717514C (en) 2008-05-05 2016-07-26 Exxonmobil Upstream Research Company Systems and methods for connectivity analysis using functional objects
US20090290773A1 (en) * 2008-05-21 2009-11-26 Varian Medical Systems, Inc. Apparatus and Method to Facilitate User-Modified Rendering of an Object Image
US8352228B2 (en) 2008-12-23 2013-01-08 Exxonmobil Upstream Research Company Method for predicting petroleum expulsion
US9552462B2 (en) 2008-12-23 2017-01-24 Exxonmobil Upstream Research Company Method for predicting composition of petroleum
AU2010308495A1 (en) 2009-10-20 2012-05-10 Exxonmobil Upstream Research Company Method for quantitatively assessing connectivity for well pairs at varying frequencies
JP6491471B2 (ja) * 2014-12-24 2019-03-27 キヤノン株式会社 画像処理装置、画像処理方法およびプログラム
JP6768473B2 (ja) * 2016-01-14 2020-10-14 キヤノンメディカルシステムズ株式会社 医用画像診断装置

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5963209A (en) * 1996-01-11 1999-10-05 Microsoft Corporation Encoding and progressive transmission of progressive meshes
WO1998047103A1 (en) * 1997-04-17 1998-10-22 Ge Medical Systems Israel, Ltd. Direct tomographic reconstruction
US5909476A (en) * 1997-09-22 1999-06-01 University Of Iowa Research Foundation Iterative process for reconstructing cone-beam tomographic images
DE10319085B4 (de) * 2003-04-28 2005-09-01 Siemens Ag Verfahren zur Überwachung eines Untersuchungs- und/oder Behandlungsablaufs
US8538099B2 (en) * 2005-03-23 2013-09-17 General Electric Company Method and system for controlling image reconstruction

Also Published As

Publication number Publication date
WO2007063442A1 (en) 2007-06-07
JP2009517753A (ja) 2009-04-30
EP1958165A1 (en) 2008-08-20
US20100214293A1 (en) 2010-08-26

Similar Documents

Publication Publication Date Title
CN101322157A (zh) 用于在根据成像数据的参数重构中数据驱动的自适应网格生成时的用户交互的系统和方法
US10134141B2 (en) System and methods for image segmentation using convolutional neural network
AU2017315674B2 (en) Image segmentation using neural network method
US20140126794A1 (en) Systems and methods for partial volume correction in pet penalized-likelihood image reconstruction
US8942445B2 (en) Method and system for correction of lung density variation in positron emission tomography using magnetic resonance imaging
CN109712209A (zh) Pet图像的重建方法、计算机存储介质、计算机设备
Kösters et al. EMRECON: An expectation maximization based image reconstruction framework for emission tomography data
CN107095686A (zh) 列表模式pet成像中的区域重建和定量评估
CN103514629A (zh) 用于迭代重建的方法和设备
CN110415310B (zh) 医学扫描成像方法、装置、存储介质及计算机设备
CN111091561A (zh) 感兴趣区的神经纤维提取方法、系统、设备及存储介质
WO2020185659A1 (en) System and method for biological treatment planning and decision support
CN111968110A (zh) Ct成像方法、装置、存储介质及计算机设备
CN110063742A (zh) 散射校正方法、装置、计算机设备和存储介质
WO2022043910A1 (en) Systems and methods for automatically enhancing low-dose pet images with robustness to out-of-distribution (ood) data
CN107861735A (zh) 一种固件安装进度监测方法和计算机可读存储介质
CN112529977B (zh) 一种pet图像重建的方法和系统
CN105488824B (zh) 一种重建pet图像的方法和装置
Tomasi et al. Global-two-stage filtering of clinical PET parametric maps: Application to [11C]-(R)-PK11195
CN110580689A (zh) 一种图像重建方法及装置
CN112365593B (zh) 一种pet图像重建的方法和系统
US20180120400A1 (en) Processing mri data
CN112614201A (zh) 医学图像处理方法、装置、设备及存储介质
CN112991482A (zh) 基于gpu的快速重建成像方法、设备及可读存储介质
Hoffmann et al. Structural adaptive smoothing for single-subject analysis in SPM: the aws4SPM-toolbox

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C02 Deemed withdrawal of patent application after publication (patent law 2001)
WD01 Invention patent application deemed withdrawn after publication

Open date: 20081210