CN102402787A - 一种检测图像中条状伪影的系统和方法 - Google Patents
一种检测图像中条状伪影的系统和方法 Download PDFInfo
- Publication number
- CN102402787A CN102402787A CN2010102863680A CN201010286368A CN102402787A CN 102402787 A CN102402787 A CN 102402787A CN 2010102863680 A CN2010102863680 A CN 2010102863680A CN 201010286368 A CN201010286368 A CN 201010286368A CN 102402787 A CN102402787 A CN 102402787A
- Authority
- CN
- China
- Prior art keywords
- interest
- region
- threshold value
- module
- angle
- 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.)
- Granted
Links
Images
Landscapes
- Apparatus For Radiation Diagnosis (AREA)
- Image Analysis (AREA)
Abstract
本发明公开一种检测图像中条状伪影的系统,包括梯度图像获取模块用于获取所述图像在水平方向和竖直方向的两幅梯度图像,并将所述梯度图像传送给感兴趣区选择模块;感兴趣区选择模块用于在所述梯度图像中选择一感兴趣区,并将所述感兴趣区传送给雷登变换模块;雷登变换模块用于计算所述感兴趣区的雷登变换,并将雷登变换结果传送给比较模块;比较模块用于将所述雷登变换结果与门限值进行比较,并将比较结果传送给条状伪影标记模块;条状伪影标记模块用于根据所述比较结果在所述感兴趣区中标记出条状伪影。本发明还提供一种检测图像中条状伪影的方法。采用本发明的系统和方法,能检测条状伪影及其准确位置,并评估扫描仪的各通道的运行状况。
Description
技术领域
本发明涉及医疗成像领域,尤其涉及一种检测图像中条状伪影的系统和方法。
背景技术
在X射线计算机断层成像(X-ray Computed Tomography,CT)的图像重建中,当待检对象对X射线的衰减系数呈非连续性的跳跃变化,如一种物质的密度远远大于另一种物质的密度时,CT图像中高密度物质的周围就会产生条状伪影。条状伪影在CT成像中是一种常见的伪影,其影响成像结果,使图像不能正确反映组织的病变特性,干扰医生对病变组织的客观判断,容易发生误诊或漏诊。因此,同提高信噪比和分辨率一样,识别和消除条状伪影也是提高图像质量的重要环节。
目前,大多数与条状伪影相关的文章和专利都关注在用统计学的方法来减少条状伪影。如Patrick J.La Rivière等人的Reduction of noise-induced streak artifacts in x-ray CT throughspline-based penalized-likelihood sinogram smoothing(通过基于样条的惩罚似然正弦图平滑滤波以降低X射线计算机断层扫描设备中由噪音引起的条状伪影)(Conf Record IEEENSS-MIC,2003),他们在文章中提出一种统计学上的原则性的正弦图平滑方法,通过使用惩罚泊松似然函数以减少条状伪影引起的噪声,其中,惩罚泊松似然函数在CT中的应用已经很成熟。但是在该文章中却没有指出条状伪影的位置。这样就无法检测到设备在出厂前由于硬件故障(如探测器通道损坏)所引起的条状伪影;同时这些条状伪影都是通过人眼进行判断的,存在人为误差。
发明内容
有鉴于此,本发明提出一种检测图像中条状伪影的系统和方法,以检测条状伪影及其准确位置,并以此作为反馈来评估CT扫描仪的运行状况。
本发明提出一种检测图像中条状伪影的系统,包括:梯度图像获取模块、感兴趣区选择模块、雷登变换模块、比较模块和条状伪影标记模块,其中梯度图像获取模块,用于获取所述图像在水平方向和竖直方向的两幅梯度图像,并将所述梯度图像传送给感兴趣区选择模块;感兴趣区选择模块,用于在所述梯度图像中选择一感兴趣区,并将所述感兴趣区传送给雷登变换模块;雷登变换模块,用于计算所述感兴趣区的雷登变换,并将雷登变换结果传送给比较模块;比较模块,用于将所述雷登变换结果与门限值进行比较,并将比较结果传送给条状伪影标记模块;条状伪影标记模块,用于根据所述比较结果在所述感兴趣区中标记出条状伪影。
所述感兴趣区选择模块包括区域选择单元和比较单元,其中区域选择单元,用于在所述水平方向和竖直方向的两幅梯度图像中分别选取一个区域,并将这两个区域传送给比较单元;比较单元,用于比较所述两个区域中的最大灰度梯度值,将较大者所在的区域作为所述感兴趣区,并将所述感兴趣区传送给雷登变换模块。
所述比较模块包括角度计算单元、角度门限值比较单元和概率门限值比较单元,其中角度计算单元,用于获取所述雷登变换结果中最大的n个值在所述感兴趣区中所对应的n条直线的角度,计算这n条直线的平均角度,其中n是自然数,并将所述n条直线的角度和所述平均角度传送给角度门限值比较单元;角度门限值比较单元,用于计算所述n条直线的角度分别与所述平均角度之差的绝对值,得到n个绝对值,将这n个绝对值与一角度门限值进行比较,得到小于该角度门限值的s条直线,其中s为不大于n的自然数,并将s与n传送给概率门限值比较单元;概率门限值比较单元,计算s与n的比值,将该比值与一概率门限值进行比较,并将比较结果传送给条状伪影标记模块。
所述条状伪影标记模块进一步用于,根据所述比较结果得到所述条状伪影的准确位置。
本发明还提出一种检测图像中条状伪影的方法,包括如下步骤:获取所述图像在水平方向和竖直方向的两幅梯度图像;在所述梯度图像中选择一感兴趣区;计算所述感兴趣区的雷登变换;将所述雷登变换的结果与门限值进行比较;根据所述比较的结果在所述感兴趣区中标记出条状伪影。
所述选择感兴趣区包括:分别选择所述两幅梯度图像的一个区域,取这两个区域中的最大灰度梯度值进行比较,将较大者所在的区域作为所述感兴趣区。
所述比较包括:获取所述雷登变换结果中最大的n个值在所述感兴趣区中所对应的n条直线的角度,并计算这n条直线的平均角度,其中n是自然数;计算所述n条直线的角度分别与所述平均角度之差的绝对值,得到n个绝对值,将这n个绝对值与一角度门限值进行比较,得到小于该角度门限值的s条直线,其中s为不大于n的自然数;计算s与n的比值,将该比值与一概率门限值进行比较,若所述比值大于所述概率门限值,则这s条直线为条状伪影。
优选地,所述角度门限值小于等于30度。
优选地,所述角度门限值小于等于5度。
优选地,所述概率门限值小于等于1。
进一步,根据所述条状伪影得到所述条状伪影在所述图像中的准确位置。
从上述方案中可以看出,由于本发明能得到条状伪影所在直线的角度,所以能在原始图像中标记出条状伪影及其准确位置,进一步以此作为反馈来评估CT扫描仪或X射线管的运行状况。另一方面,由于传统的条状伪影检测方法是通过人的肉眼进行判断,存在人为误差,而本发明则是完全自动化的,避免了人为判断造成的误差,提高了判断条状伪影的准确率。
附图说明
图1是原始的CT图像;
图2是图1的梯度图像的示意图,其中图2a是图1在X方向的梯度图像FX,图2b是图1在Y方向的梯度图像FY的示意图;
图3是图2的梯度图像的一个方形区域的示意图,其中图3a是图2a的一个方形区域crop_FX的示意图,图3b是图2b的一个方形区域crop_FY的示意图;
图4是感兴趣区的Radon变换结果R的示意图;
图5是图像中条状伪影的检测结果的示意图;
图6是本发明检测图像中条状伪影系统的组成示意图;
图7是本发明感兴趣区选择模块的组成示意图;
图8是本发明比较模块的组成示意图;
图9是本发明检测图像中条状伪影方法的流程图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,以下参照实施例对本发明作进一步详细说明。
本发明中水平向右方向为X方向的正方向,竖直向下方向为Y方向的正方向。
本发明提出一种检测图像中条状伪影的系统,如图6所示,是本发明检测图像中条状伪影系统的组成示意图,包括:梯度图像获取模块10、感兴趣区选择模块20、雷登变换模块30、比较模块40和条状伪影标记模块50,其中:
梯度图像获取模块10,用于获取所述图像在水平方向和竖直方向的两幅梯度图像,并将所述梯度图像传送给感兴趣区选择模块20。
图1是原始的CT图像。按下式(1)来计算图1所示图像分别在X方向和Y方向上的灰度梯度值。
FX(x,y)=(I(x+1,y)-I(x-1,y))/2
FY(x,y)=(I(x,y+1)-I(x,y-1))/2 (1)
其中(x,y)是图像中的任一点(即像素),I(x,y)是在(x,y)处像素的灰度值,FX(x,y)和FY(x,y)分别是像素(x,y)在X方向和Y方向上的灰度梯度值(x,y)。灰度值的范围从0到255不等。
对于所述图像中的边界像素,按下式(2)来计算灰度梯度值。
FX(x,y)=(I(x+1,y)-I(x,y))/2
FY(x,y)=(I(x,y+1)-I(x,y))/2
FX(x,y)=(I(x,y)-I(x-1,y))/2
FY(x,y)=(I(x,y)-I(x,y-1))/2 (2)
通过式(1)-(2)得到如图2所示的两幅梯度图像,其中图2a是图1所示图像在X方向上的梯度图像FX,图2b是图1所示图像在Y方向上的梯度图像FY,这两幅图的横坐标为像素在X方向的位置,纵坐标为像素在Y方向的位置。
感兴趣区选择模块20,用于根据所述梯度图像来选择一感兴趣区(Region of interest,ROI)P,以下用ROI_P表示,并将所述感兴趣区ROI_P传送给雷登变换模块30。
雷登变换模块30,用于计算所述感兴趣区的雷登变换,并将雷登变换结果传送给比较模块40。
雷登变换(即Radon变换)的原理是将原始图象(如XY平面内的二维图像)内的每一点通过线积分的形式变换到另一对参数域(如投影值,角度)内,若原始图像内存在直线,则会导致Radon变化的结果在该直线对应的另一对参数域内的函数值出现极值,所以可用Radon变换来检测原始图像中是否含有直线成分。
在本发明的实施例中,进行Radon变换的做法如下:将感兴趣区ROI_P分别沿着0度到179度的投影方向,对每一条投影线计算ROI_P的线积分,得到如图4所示的Radon变换结果R,其中投影方向每次旋转1度,横坐标为旋转角度,纵坐标为ROI_P矩阵的对角线长度。在本发明的实施例中,由于设置ROI是90*90的方形矩阵,所以图4中纵坐标的最大值为90。图4中线条的明暗表示灰度梯度值的累积值的大小,越明亮的区域表明累积值越大,则该区域可能是极值所在的区域,也就说明该角度附近可能存在条状伪影,图中可见横坐标在150度附近较其他角度要亮很多,这反映了图像原始CT图像在150度附近可能存在条状伪影。
比较模块40,用于将所述雷登变换结果R与门限值进行比较,并将比较结果传送给条状伪影标记模块50。
条状伪影标记模块50,用于根据所述比较结果在ROI_P中标记出条状伪影。
图7是本发明感兴趣区选择模块20的组成示意图。图7中感兴趣区选择模块20包括区域选择单元201和比较单元202,其中:
区域选择单元201,用于在所述水平方向和竖直方向的两幅梯度图像中分别选取一个区域,并将这两个区域传送给比较单元202。
通常在图2中将梯度图像分成若干个方形区域(或称为方形矩阵),每次按顺序来检测一个方形区域(如90*90)中是否存在条状伪影。本发明中选择图2中的两幅梯度图像FX和FY的一个方形区域,得到如图3所示的示意图,其中图3a是图2a的一个方形区域crop_FX,图3b是图2b的一个方形区域crop_FX。通常crop_FX与crop_FX在梯度图像中的位置一致,以便确定该方形区域在原始图像中是在X方向还是Y方向的灰度梯度值变化较大。
比较单元202,用于比较所述两个区域中的最大灰度梯度值,将较大者所在的区域作为所述感兴趣区,并将所述感兴趣区传送给雷登变换模块。
这里,比较单元202按下式(3)来计算crop_FX的最大灰度梯度值max_FX和crop_FY的最大灰度梯度值max_FY。
max_FX=max(crop_FX)
max_FY=max(crop_FY) (3)
其中,max是找出矩阵中最大值的函数。
之后,比较max_FX和max_FY的大小,将二者中的较大者所在的方形区域作为所述感兴趣区ROI_P。例如,若max_FX>max_FY,则ROI_P对应crop_FX。若二者相等,则ROI_P可以是这二者中的任一者。通常认为,灰度梯度值变化大的区域存在条状伪影的可能性大。
图8是本发明比较模块40的组成示意图。图8中比较模块40包括角度计算单元401、角度门限值比较单元402和概率门限值比较单元403,其中:
角度计算单元401,用于获取所述雷登变换结果中最大的n个值在所述感兴趣区中所对应的n条直线的角度,计算这n条直线的平均角度,其中n是自然数,并将所述n条直线的角度和所述平均角度传送给角度门限值比较单元402;
这里,角度计算单元401要获取Radon变换结果R中亮度最高的n个值,其与ROI_P中的n条直线对应,接着计算这n条直线的角度(或斜率)g1,g2,...,gn。其中n可依据需要来设置,如n为10。
角度门限值比较单元402,用于计算所述n条直线的角度分别与所述平均角度之差的绝对值,得到n个绝对值,将这n个绝对值与一角度门限值进行比较,得到小于该角度门限值的s条直线,其中s为不大于n的自然数,并将s与n传送给概率门限值比较单元403;
首先按下式(4)来计算g1,g2,...,gn的平均角度g。
g=(g1+g2+,...+gn)/n (4)
接着按下式(5)来分别计算角度g1,g2,...,gn与平均角度g之间的差的绝对值a1,a2,...,an。
ai=abs(gi-g),i=1,2,...n (5)
其中abs是计算绝对值的函数。
最后得到a1,a2,..,an中小于预设角度门限t_g的个数s。
其中s为不大于n的自然数,t_g的值依经验设定。优选地,可以设定角度门限t_g为5度,则绝对值a1,a2,...,an中小于5度的可认为这些直线具有非常接近的方向,而大于5度的则认为是ROI_P图像中杂乱无章的直线。当然也可以设定角度门限值其他数值,如小于等于30度或更优选地为小于5度。
概率门限值比较单元403,计算s与n的比值r,将该比值与一概率门限值进行比较,并将比较结果传送给条状伪影标记模块。
首先按下式(6)来计算比值r。
其中r为斜率较接近的直线个数s占总的直线个数n的比例。
接着将r与概率门限值t_r进行比较。
其中t_r的值依经验设定,数值范围在(0,1]。若r>t_r,则说明ROI_P中存在条状伪影,否则,就说明ROI_P中没有条状伪影。若r>t_r,则条状伪影标记模块50在ROI_P中标记出这s条条状伪影。
进一步,条状伪影标记模块50还用于,根据比较模块40的比较结果得到所述条状伪影的准确位置。
若概率门限值比较单元403的比较结果为r>t_r,则说明ROI_P中存在条状伪影,也就是说角度门限值比较单元402中的s条直线都是条状伪影。由于原始图像和梯度图像的大小一致,且各个点的位置坐标也一致,所以可以直接将这些条状伪影在原始图像中标记出来。这s条直线斜率分布在平均角度g附近,参照图4,此平均角度g在150度附近。同时由于ROI_P是crop_FX或crop_FY,实际上也是一梯度图像,ROI_P中s条直线的斜率和位置坐标与这s条直线在原始CT图像中的斜率和位置坐标一致,所以能根据ROI_P中的条状伪影得到这些条状伪影在原始CT图像中的具体位置。
在检测出ROI_P在图1所示的原始图像中对应的条状伪影后,继续在图2中选取另一方形区域进行检测,直到检测出原始CT图像中所有的条状伪影及其准确位置,得到如图5所示的结果,图中的白线即是检测到的条状伪影。由于Y方向的正方向是竖直向下,由此这些条状伪影的斜率大概是150度。同时由于原始CT图像是各个方形区域存在的条状伪影的角度不同,同一方形矩阵中条状伪影的角度也只是接近,而不是完全一致,所以在图4可见条状伪影的角度不尽相同。
本发明还提供一种检测图像中条状伪影的方法,如图9所示,包括如下步骤:
步骤101,获取所述图像在水平方向和竖直方向的两幅梯度图像。
可按式(1)-(2)来计算图1所示原始图像分别在X方向和Y方向上的两幅梯度图像。
步骤102,分别选择所述两幅梯度图像的一个方形区域crop_FX和crop_FX。
步骤103,取这两个区域中的最大灰度梯度值进行比较,将较大者所在的区域作为感兴趣区。
按式(3)来计算crop_FX的最大灰度梯度值max_FX和crop_FY的最大灰度梯度值max_FY,将较大者所在的方形区域作为感兴趣区ROI_P。
步骤104,计算所述感兴趣区的雷登变换,得到如图4所示的Radon变换结果R。
步骤105,获取所述雷登变换结果中最大的n个值在所述感兴趣区中所对应的n条直线的角度,并计算这n条直线的平均角度,其中n是自然数。
按式(4)来计算这n条直线的平均角度。
步骤106,计算所述n条直线的角度分别与所述平均角度之差的绝对值,得到n个绝对值,将这n个绝对值与一角度门限值进行比较,得到小于该角度门限值的s条直线,其中s为不大于n的自然数;
优选地,所述角度门限值小于等于30度。更优选地,所述角度门限值小于等于5度。
步骤107,计算s与n的比值,将该比值与一概率门限值进行比较,若所述比值大于所述概率门限值,则这s条直线为条状伪影。
按式(6)来计算所述比值r。
优选地,所述概率门限值小于等于1。
步骤108,根据所述比较的结果在所述感兴趣区中标记出条状伪影。
进一步,本发明的检测图像中条状伪影的方法还包括步骤109,根据所述条状伪影得到所述条状伪影在所述图像中的准确位置。这点在条状伪影标记模块50中已有具体说明,这里不再赘述。
本发明的检测图像中条状伪影的系统和方法能用来检查出厂前的医学成像系统中扫描仪或X射线管的运行状况。若图像中存在条状伪影,则说明扫描仪的探测器通道损坏或X射线管的球管打火,需要检查以对损坏的部件进行维修或更换。这样就可以在出厂前检测到由于硬件损坏所引起的条状伪影。另外,本发明中检测条状伪影的过程是完全自动化的,不需要肉眼进行人为判断,避免了人为误差。
理论上,本发明可以用于所有的医学成像系统,包括CT,磁共振成像系统和X射线摄影系统等。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (11)
1.一种检测图像中条状伪影的系统,包括:梯度图像获取模块、感兴趣区选择模块、雷登变换模块、比较模块和条状伪影标记模块,其中
梯度图像获取模块,用于获取所述图像在水平方向和竖直方向的两幅梯度图像,并将所述梯度图像传送给感兴趣区选择模块;
感兴趣区选择模块,用于在所述梯度图像中选择一感兴趣区,并将所述感兴趣区传送给雷登变换模块;
雷登变换模块,用于计算所述感兴趣区的雷登变换,并将雷登变换结果传送给比较模块;
比较模块,用于将所述雷登变换结果与门限值进行比较,并将比较结果传送给条状伪影标记模块;
条状伪影标记模块,用于根据所述比较结果在所述感兴趣区中标记出条状伪影。
2.根据权利要求1所述的系统,其特征在于,所述感兴趣区选择模块包括区域选择单元和比较单元,其中
区域选择单元,用于在所述水平方向和竖直方向的两幅梯度图像中分别选取一个区域,并将这两个区域传送给比较单元;
比较单元,用于比较所述两个区域中的最大灰度梯度值,将较大者所在的区域作为所述感兴趣区,并将所述感兴趣区传送给雷登变换模块。
3.根据权利要求1所述的系统,其特征在于,所述比较模块包括角度计算单元、角度门限值比较单元和概率门限值比较单元,其中
角度计算单元,用于获取所述雷登变换结果中最大的n个值在所述感兴趣区中所对应的n条直线的角度,计算这n条直线的平均角度,其中n是自然数,并将所述n条直线的角度和所述平均角度传送给角度门限值比较单元;
角度门限值比较单元,用于计算所述n条直线的角度分别与所述平均角度之差的绝对值,得到n个绝对值,将这n个绝对值与一角度门限值进行比较,得到小于该角度门限值的s条直线,其中s为不大于n的自然数,并将s与n传送给概率门限值比较单元;
概率门限值比较单元,计算s与n的比值,将该比值与一概率门限值进行比较,并将比较结果传送给条状伪影标记模块。
4.根据权利要求1所述的系统,其特征在于,所述条状伪影标记模块进一步用于,根据所述比较结果得到所述条状伪影的准确位置。
5.一种检测图像中条状伪影的方法,包括如下步骤:
获取所述图像在水平方向和竖直方向的两幅梯度图像;
在所述梯度图像中选择一感兴趣区;
计算所述感兴趣区的雷登变换;
将所述雷登变换的结果与门限值进行比较;
根据所述比较的结果在所述感兴趣区中标记出条状伪影。
6.根据权利要求5所述的方法,其特征在于,所述选择感兴趣区包括:
分别选择所述两幅梯度图像的一个区域,取这两个区域中的最大灰度梯度值进行比较,将较大者所在的区域作为所述感兴趣区。
7.根据权利要求5所述的方法,其特征在于,所述比较包括:
获取所述雷登变换结果中最大的n个值在所述感兴趣区中所对应的n条直线的角度,并计算这n条直线的平均角度,其中n是自然数;
计算所述n条直线的角度分别与所述平均角度之差的绝对值,得到n个绝对值,将这n个绝对值与一角度门限值进行比较,得到小于该角度门限值的s条直线,其中s为不大于n的自然数;
计算s与n的比值,将该比值与一概率门限值进行比较,若所述比值大于所述概率门限值,则这s条直线为条状伪影。
8.根据权利要求7所述的方法,其特征在于,所述角度门限值小于等于30度。
9.根据权利要求7所述的方法,其特征在于,所述角度门限值小于等于5度。
10.根据权利要求7所述的方法,其特征在于,所述概率门限值小于等于1。
11.根据权利要求5所述的方法,其特征在于,进一步,根据所述条状伪影得到所述条状伪影在所述图像中的准确位置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201010286368.0A CN102402787B (zh) | 2010-09-19 | 2010-09-19 | 一种检测图像中条状伪影的系统和方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201010286368.0A CN102402787B (zh) | 2010-09-19 | 2010-09-19 | 一种检测图像中条状伪影的系统和方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102402787A true CN102402787A (zh) | 2012-04-04 |
CN102402787B CN102402787B (zh) | 2014-01-22 |
Family
ID=45884965
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201010286368.0A Active CN102402787B (zh) | 2010-09-19 | 2010-09-19 | 一种检测图像中条状伪影的系统和方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102402787B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104243969A (zh) * | 2013-06-20 | 2014-12-24 | 中兴通讯股份有限公司 | 图像条纹检测方法及装置 |
CN106447631A (zh) * | 2016-09-19 | 2017-02-22 | 深圳市贝斯达医疗股份有限公司 | 图像的处理方法及装置 |
CN106923852A (zh) * | 2015-12-30 | 2017-07-07 | 上海联影医疗科技有限公司 | Ct设备及其光路异常检测方法 |
CN110471014A (zh) * | 2018-05-10 | 2019-11-19 | 西门子医疗有限公司 | 磁共振成像中的条纹伪影减少 |
CN111445447A (zh) * | 2020-03-16 | 2020-07-24 | 东软医疗系统股份有限公司 | 一种ct图像异常检测方法及装置 |
US11399781B2 (en) | 2015-12-25 | 2022-08-02 | Shanghai United Imaging Healthcare Co., Ltd. | Methods and systems for CT balance measurement and adjustment |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101578868A (zh) * | 2006-12-28 | 2009-11-11 | 汤姆逊许可证公司 | 数字视频内容中的条带状伪影检测 |
WO2009136347A1 (en) * | 2008-05-06 | 2009-11-12 | Koninklijke Philips Electronics N.V. | Image artifact reduction |
CN101682768A (zh) * | 2007-04-09 | 2010-03-24 | 特克特朗尼克公司 | 用于空间隔离的伪影剖析、分类和测量的系统和方法 |
-
2010
- 2010-09-19 CN CN201010286368.0A patent/CN102402787B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101578868A (zh) * | 2006-12-28 | 2009-11-11 | 汤姆逊许可证公司 | 数字视频内容中的条带状伪影检测 |
CN101682768A (zh) * | 2007-04-09 | 2010-03-24 | 特克特朗尼克公司 | 用于空间隔离的伪影剖析、分类和测量的系统和方法 |
WO2009136347A1 (en) * | 2008-05-06 | 2009-11-12 | Koninklijke Philips Electronics N.V. | Image artifact reduction |
Non-Patent Citations (1)
Title |
---|
余晓锷等: "基于弦图的CT图像环形伪影校正", 《第四军医大学学报》, vol. 30, no. 3, 15 February 2009 (2009-02-15), pages 207 - 209 * |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104243969A (zh) * | 2013-06-20 | 2014-12-24 | 中兴通讯股份有限公司 | 图像条纹检测方法及装置 |
CN104243969B (zh) * | 2013-06-20 | 2017-11-24 | 中兴通讯股份有限公司 | 图像条纹检测方法及装置 |
US11399781B2 (en) | 2015-12-25 | 2022-08-02 | Shanghai United Imaging Healthcare Co., Ltd. | Methods and systems for CT balance measurement and adjustment |
CN106923852A (zh) * | 2015-12-30 | 2017-07-07 | 上海联影医疗科技有限公司 | Ct设备及其光路异常检测方法 |
CN106923852B (zh) * | 2015-12-30 | 2022-02-08 | 上海联影医疗科技股份有限公司 | Ct设备及其光路异常检测方法 |
CN106447631A (zh) * | 2016-09-19 | 2017-02-22 | 深圳市贝斯达医疗股份有限公司 | 图像的处理方法及装置 |
CN106447631B (zh) * | 2016-09-19 | 2019-04-02 | 深圳市贝斯达医疗股份有限公司 | 图像的处理方法及装置 |
CN110471014A (zh) * | 2018-05-10 | 2019-11-19 | 西门子医疗有限公司 | 磁共振成像中的条纹伪影减少 |
US11435419B2 (en) | 2018-05-10 | 2022-09-06 | Siemens Healthcare Gmbh | Streak artifact reduction in magnetic resonance imaging |
CN111445447A (zh) * | 2020-03-16 | 2020-07-24 | 东软医疗系统股份有限公司 | 一种ct图像异常检测方法及装置 |
CN111445447B (zh) * | 2020-03-16 | 2024-03-01 | 东软医疗系统股份有限公司 | 一种ct图像异常检测方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN102402787B (zh) | 2014-01-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102402787B (zh) | 一种检测图像中条状伪影的系统和方法 | |
CN101901342B (zh) | 影像目标区域的提取方法和装置 | |
JP5123954B2 (ja) | 医療画像における病変部の特定及び分析 | |
US9390509B2 (en) | Medical image processing device, medical image processing method, program | |
US7953265B2 (en) | Method and system for automatic algorithm selection for segmenting lesions on pet images | |
US8050734B2 (en) | Method and system for performing patient specific analysis of disease relevant changes of a disease in an anatomical structure | |
RU2523929C1 (ru) | Система и способ для автоматического планирования видов в объемных изображениях мозга | |
US8369598B2 (en) | Method for identifying a pathological region of a scan, such as an ischemic stroke region of an MRI scan | |
US20130243298A1 (en) | Diagnostic image features close to artifact sources | |
US9607392B2 (en) | System and method of automatically detecting tissue abnormalities | |
US20100238170A1 (en) | Visualization of temporal data | |
CN114730451A (zh) | 使用纹理分析进行图像质量(iq)标准化和系统健康预测的磁共振(mr)图像伪影确定 | |
KR102178803B1 (ko) | 흉부 의료 영상 판독 지원 시스템 및 방법 | |
US20150023576A1 (en) | Image alignment of breast images | |
US20030103595A1 (en) | Method for removing rings and partial rings in computed tomography images | |
US9320485B2 (en) | System and method for molecular breast imaging | |
KR100762746B1 (ko) | 미세석회화 진단 시스템 및 방법 | |
Konukoglu et al. | Monitoring slowly evolving tumors | |
CN117671463A (zh) | 一种多模态医学数据质量校准方法 | |
CN111053568B (zh) | Ct图像中环形伪影的校正方法、装置及计算机存储介质 | |
US8064668B2 (en) | Method of modifying a segmented volume | |
EP2535001A1 (en) | Method, a system and a computer program product for registration and identification of diagnostic images | |
Lorentsson et al. | Method for automatic detection of defective ultrasound linear array transducers based on uniformity assessment of clinical images—A case study | |
US10169870B2 (en) | Objective method for assessing high contrast resolution of image based on Rayleigh criterion and testing operating method | |
Busayarat et al. | Detection of Bronchopulmonary Segments on High-Resolution CT--Preliminary Results |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |