CN103186889A - 一种用于减少医学图像中的金属伪影的方法和设备 - Google Patents
一种用于减少医学图像中的金属伪影的方法和设备 Download PDFInfo
- Publication number
- CN103186889A CN103186889A CN2011104629057A CN201110462905A CN103186889A CN 103186889 A CN103186889 A CN 103186889A CN 2011104629057 A CN2011104629057 A CN 2011104629057A CN 201110462905 A CN201110462905 A CN 201110462905A CN 103186889 A CN103186889 A CN 103186889A
- Authority
- CN
- China
- Prior art keywords
- metal
- little
- mask
- big
- metal object
- 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)
Abstract
本发明提供了一种用于减少医学图像中的金属伪影的方法和设备。其中,该医学图像的同一断层同时包含具有不同尺寸的大金属物体和小金属物体产生的伪影。该方法以不同的方式处理同一断层图像中大金属物体和小金属物体产生的伪影。根据本发明,能够自动地将小金属物体排除在算法处理之外,同时又能够尽可能地去除大金属物体引起的伪影。
Description
技术领域
本发明一般地涉及图像处理,并且更特别地涉及用于减少医学图像中的金属伪影的方法和设备。
背景技术
在进行放射治疗时,一方面,对于具有金属植入体(诸如假牙、合金股骨头)的病人,得到的医学图像(例如CT图像)中会产生严重的阴影伪影。这种情况在脑部或前列腺肿瘤病人中非常常见。另一方面,医生通常用很小的金属标记物来对肿瘤进行放疗定位,这同样引入了金属伪影。在肿瘤的放射治疗中,由计算机断层摄影(CT)图像提供的肿瘤位置的准确度是非常重要的,因此有必要减少金属伪影的影响。
图1是现有技术的MAR方法100的流程图。
方法开始于步骤110,其中对CT图像首先进行一次预重建。这种预重建是含有金属伪影的普通重建,具有大的重建区域(DFOV)(固定为50cm,通常与用户最终选用的DFOV不同)。
在步骤120中,进行金属分割。其中,将通过手动指定的阈值从预重建图像中得到原始的金属掩膜。然后,在对原始金属掩膜进行腐蚀之后,再通过膨胀来移除斑点并填充空洞。
在步骤130中,进行二进制前向投影(BFP)。其中,将金属掩膜前向投影以找到将包含金属的投影的探测器单元。这些探测器单元称为含有金属投影的通道。
在步骤140中,进行投影数据修正。其中,在找出含有金属投影的通道之后,通过沿探测器通道、探测器排和投影方向的插值来修正这些探测器的投影值。
在步骤150中,进行最终的图像重建。最终重建将使用经修正的投影数据和用户定义的重建参数。所得到的重建图像将不再包含金属物体的伪像。
在步骤160中,进行金属回填。为了使金属重新出现,将利用原始掩膜来确定体素是否是属于金属的。通过平滑处理来避免锯齿的效果。
这种金属伪影减少(MAR)技术能够很好地处理大部分临床情况。但是,其具有某些缺点,特别是在某些放射治疗的临床应用中,诸如病人身上含有不同尺寸的金属时。这在放射治疗中非常普遍,例如,身上带有合金股骨头的前列腺癌患者。具体而言,现有技术的MAR方法在处理含有不同尺寸的金属时存在以下主要缺点。
第一,如果病人身上有很小的金属物体,则现有技术的MAR方法会降低图像质量。事实上,小金属引起的光子饥渴现象并不十分严重,但现有技术的MAR方法仍然在投影数据修正步骤中对其进行了处理。这使得在线性插值之后的正弦图比原始数据更不准确。于是,重建图像具有更多条纹状阴影,特别是在具有高密度物质(诸如骨骼)的地方。因此,当涉及到小金属时,经MAR处理的图像的质量反而比没有经过MAR处理的图像更差。图2示出了当涉及到小金属时,用图1的MAR方法处理后的图像与未MAR处理的图像之间的对比)。
第二,如果通过调整相应的参数来忽略小金属物体,则不能完全消除由大金属物体引起的伪影。如果金属很小,则能够通过适当地增加腐蚀次数来将其完全消除。但是,更多的腐蚀次数也消除了属于大金属的某些体素。也就是说,属于大金属的体素不能被完全找出,这将影响投影数据修正步骤中的插值的结果。
图3A-图3D示意性地示出了用图1的MAR方法处理后来自大金属的残留金属伪影。其中图3A是在图1的MAR方法的投影数据修正之后的一个角度的投影图,图3B是图3A中的投影图在腐蚀之后的BFP图像,图3C示意性地示出了腐蚀之后的重建图像,图3D示意性地示出了与图3A和图3B中相同的像素的剖面图。
从图3A可以看出,在投影数据修正之后的投影图中,仍然可以明显地看到大金属的投影。从图3B和图3C可以看出,来自BFP的含有金属投影的通道不能覆盖所有真正的含有金属投影的通道。因此,在重建中存在残留的金属伪影,如图3C所示。
第三,投影数据修正(步骤140)中的插值将导致小金属的数据丢失,这将引入额外的伪影。如图4A-图4C所示,投影修正可以完全消除大金属的投影,但位于小金属和大金属投影的重叠处的小金属也会被消除。也就是说,如果小金属和大金属在同一光子投影路径上,小金属的信息在插值之后将会丢失,如图4B中的箭头所示。然后,沿连接小金属和大金属的方向出现严重的伪影,如图4C所示。
第四,在金属回填步骤(步骤160)中,单一平滑半径不能保证对于小金属和大金属都具有足够好的图像质量。当执行金属回填时,原始掩膜(在腐蚀和膨胀之前)被用于进行平滑。这将影响最终重建图像(步骤150)中的金属表象。考虑到小金属,其通常在原始掩膜中仅包含1-2个像素。如果平滑半径(R)大于1个像素,则小金属将从最终重建图像中消失,因为邻域的像素值较低,平滑使得金属的像素值变得很小。另一方面,如果金属具有稍大于1个像素的尺寸,则由于部分容积效应,仍然只存在一个大于制定的阈值的像素。然后,只有这一个金属像素将变为较低值,而其他金属像素在利用大的R进行平滑之后保持不变。在小金属的中心将出现异常的“空洞”,如图5C所示。为避免这一点,平滑半径必须小于一个像素,如图5A所示。然而,图5B示出,当采用了小的R时,大金属的边缘将出现锯齿状。
如上所述,在传统的MAR中,当图像同时包含小金属和大金属时,会发生严重的冲突。也就是说,保证大金属边缘的平滑将使得小金属消失,或者保留小金属将会把锯齿引入大金属物体的边缘。这是传统的MAR的主要缺点。
因此,当前RT中的MAR方法不能保证在大金属具有平滑边缘的同时很好地保留小金属。
本发明的目的正是解决这一问题。
发明内容
为实现上述目的,本发明提供了一种用于减少医学图像中的金属伪影的方法,其中该医学图像的同一断层同时包含具有不同尺寸的大金属物体和小金属物体产生的伪影,该方法包括步骤:以不同的方式处理同一断层图像中大金属物体和小金属物体产生的伪影。
本发明还提供了一种用于减少医学图像中的金属伪影的设备,其中该医学图像的同一断层同时包含具有不同尺寸的大金属物体和小金属物体产生的伪影,该设备包括用于以不同的方式处理同一断层图像中大金属物体和小金属物体产生的伪影的装置。
根据本发明,能够自动地将小金属物体排除在MAR处理之外,同时又能够尽可能地去除大金属物体引起的伪影(例如条纹)。对于RT临床应用,无论是对于同一图像层面中的小金属物体还是大金属物体,都能够同时获得临床可接受的图像质量。本发明容易实现,相对于现有技术的MAR方法基本上不需要增加额外的成本,同时又能提供更好的图像质量。
附图说明
根据下文中参考附图而进行的详细描述,本发明的上述和其他的目的和特征将变得明显,其中:
图1示意性地示出了现有技术的MAR方法100的流程图;
图2示意性地示出了当涉及到小金属时用图1的MAR方法处理后的图像的质量与未经MAR处理的图像的质量之间的对比;
图3A示意性地示出了在图1的MAR方法的投影数据修正之后投影的一个视图;
图3B示意性地示出了图3A中的投影图在腐蚀之后的BFP图像;
图3C示意性地示出了腐蚀之后的重建图像;
图3D示意性地示出了图3A和图3B中的相同像素的剖面图;
图4A示意性地示出了原始的正弦图;
图4B示意性地示出了插值之后的正弦图;
图4C示意性地示出了来自图4B的正弦图的重建图像;
图5A-图5D示意性地示出了不同的平滑半径对不同尺寸的金属的影响;
图6示意性地示出了根据本发明的方法600的流程图;
图7A示意性地示出了原始掩膜;
图7B示意性地示出了使用根据本发明的方法对掩膜进行腐蚀之后的结果;
图7C示意性地示出了使用根据本发明的方法对掩膜进行膨胀之后的结果;
图8示意性地示出了根据本发明的用于正弦图中的小金属恢复的插值策略;
图9A示意性地示出了根据本发明在小金属重新填充之前的正弦图;
图9B示意性地示出了根据本发明在小金属重新填充之后的正弦图;
图9C示意性地示出了根据本发明在小金属重新填充之前的重建图像;
图9D示意性地示出了根据本发明在小金属重新填充之后的重建图像;
图9E示意性地示出了图9C和图9D的相减邻域;
图10示意性地示出了根据本发明的原始掩膜和修改后的掩膜(膨胀之后的掩膜)的交集;
图11A-图11C以对照方式示意性地示出了本发明的方法相对于现有技术的MAR方法而言如何改善了图像质量;并且
图12示意性地示出了根据本发明的用于减少医学图像中的金属伪影的设备1200的结构框图。
在这些附图中,使用相同的参考标号来表示相同或相似的部分。
具体实施方式
下面结合附图和具体实施例对本发明进行进一步说明。
图6示意性地示出了根据本发明的方法600的流程图。在方法600中,以不同的方式处理同一断层图像中大金属物体和小金属物体产生的伪影,从而减少金属伪影。
方法600开始于步骤610,其中去除原始掩膜中属于小金属的体素。这种去除可以通过腐蚀来进行,也可以通过本领域人员公知的其他方法(例如低通滤波)来进行。根据RT中的临床要求,用于肿瘤定位的金属标记物通常小于2mm。在以50cm的DFOV实现的重建图像中,从基于阈值分割得到的原始金属掩膜中仅包含1-2个像素。可以通过将腐蚀次数(Ne)设置为1来完全去除孤立的属于小金属的像素。腐蚀操作将金属掩膜体素mi更新为:
其中Ni代表第i个图像像素的邻域集合,mi代表第i个图像像素,mj代表图像像素mi的第j个相邻像素,i和j都是正整数。
在腐蚀操作之后,小金属将从金属掩膜中消失,大金属将收缩,如图7B所示。这能够确保小金属物体不会被MAR处理。
在步骤620中,扩展掩膜中的大金属的区域。在去除小金属体素之后,大金属变得比原始尺寸小,因此在腐蚀之后必须进行扩展(例如膨胀)操作以找到被腐蚀消除的大金属像素并将它们重新设置为金属。膨胀操作将金属掩膜体素mi更新为:
其中Ni代表第i个图像像素的邻域集合,mi代表第i个图像像素,mj代表图像像素mi的第j个相邻像素,i和j都是正整数。
为重新得到被腐蚀掉的所有大金属像素,膨胀Ne就足够了。然而,考虑到部分容积效应,需要额外增加膨胀次数。因此,膨胀次数(Nd)被设置为2。在膨胀之后,可以覆盖更多的含有金属投影的通道,从而进一步减少条纹状伪影。膨胀操作使得大金属更大,但又能防止小金属出现在金属掩膜上,如图7C所示。
在步骤630中,利用相邻角度的投影信息来重新填充被误去除的小金属区域。这种重新填充可以通过线性插值来进行,也可以通过本领域人员公知的其他方法(例如正弦曲线拟合)来进行。为防止源自小金属的数据丢失从而产生新的伪影,有必要恢复正弦图中小金属丢失的信息。考虑到金属的投影值总是比组织大得多并且应当平滑地改变,通过相邻投影中小金属的投影值来恢复小金属信息区域的值是合理的。在此,可以选择数据丢失区域之前和之后的每10个投影来用于插值。这里的数字10仅仅是示意性的,根据不同的应用,其他数字也是可以的。应当注意,小金属在正弦图上具有宽度,因此只有在相同的相对位置的对应像素才应当被选择来执行线性插值,如图8所示。
这一步骤可以用以下公式表示:
S={kj|j∈Lm∩Sm}
x={k1-10,...k1-1,kn+1,...kn+10}其中n=|S|,ki∈S
pi,k=Interp(x,y,i)
其中集合S是大金属掩膜(Lm)和小金属掩膜(Sm)的交集的投影下标,并且S具有n个元素,i代表对于小金属而言的第km个投影中与其第k个投影中的第i个通道相对应的通道位置,i′通常不是整数,其像素值需要通过在第km个投影中的沿通道方向上的线性插值来得到,并且pi,k是丢失的小金属信息在恢复之后的最终像素值。
在正弦图中,小金属被重新填充之后,可以在很大程度上恢复小金属丢失的信息,如图9A-图9E所示。在图9C和图9D中对照地示出小金属重新填充之前和之后的重建图像。图9E示意性地示出了图9C和图9D的差别,即,由正弦图中的小金属丢失的信息引起的经修正的伪影。
在步骤640中,使用原始掩膜与修正后的掩膜的交集来进行金属回填。现在,由于腐蚀操作的原因,小金属没有被MAR处理,在金属回填时不需要将小金属考虑在内。因此,原始金属掩膜中存在小金属像素,不应用于金属回填。腐蚀之后的掩膜和膨胀之后的掩膜都不合适,这是因为,在这两种掩膜中,大金属的尺寸要么小于原始大金属的尺寸,要么大于原始大金属的尺寸。在此,原始掩膜和修改后的掩膜(膨胀之后的掩膜)的交集是用于金属回填的最佳选择。可以将交集的第i个体素Ii计算为:
其中Oi是原始掩膜中的第i个体素,Mi是修改后的掩膜中的第i个体素。这一公式可以由图10示意性地示出。
采用该交集作为用于金属回填的最终掩膜具有两个优点。首先,在金属回填中不需要对小金属进行任何处理。其次,大金属将使用与原始掩膜中相同的掩膜来进行金属回填。
图11A-图11C以对照方式示意性地示出了本发明的方法相对于现有技术的MAR方法而言如何改善了图像质量。现有技术的MAR要么只能得到小金属以及具有锯齿状边缘的大金属,要么只有平滑的大金属而没有小金属。然而,本发明的方法能够同时保证小金属的存在与边缘平滑的大金属的存在。
其中,图11A示意性地示出了采用0.3个像素作为平滑半径的MAR处理结果,图11B示意性地示出了采用3个像素作为平滑半径的MAR处理结果,图11C示意性地示出了根据本发明采用3个像素作为平滑半径的MAR处理结果。
图12示意性地示出了根据本发明的用于减少医学图像中的金属伪影的设备1200的结构框图。如图12所示,设备1200可以包括用于去除原始掩膜中属于小金属的体素的装置1210、用于扩展掩膜中的大金属的区域的装置1220、用于利用相邻角度的投影信息来重新填充被去除的小金属区域以形成修正后的掩膜的装置1230以及用于使用原始掩膜与修正后的掩膜的交集来进行金属回填的装置1240。
装置1210用于去除原始掩膜中属于小金属的体素。这种去除可以通过腐蚀来进行,也可以通过本领域人员公知的其他方法(例如低通滤波)来进行。根据RT中的临床要求,用于肿瘤定位的金属标记物通常小于2mm。在以50cm的DFOV实现的重建图像中,从基于阈值分割得到的原始金属掩膜中仅包含1-2个像素。可以通过将腐蚀次数(Ne)设置为1来完全去除孤立的属于小金属的像素。腐蚀操作将金属掩膜体素mi更新为:
其中Ni代表第i个图像像素的邻域集合,mi代表第i个图像像素,mj代表图像像素mi的第j个相邻像素,i和j都是正整数。
在腐蚀操作之后,小金属将从金属掩膜中消失,大金属将收缩,如图7B所示。这能够确保小金属物体不会被MAR处理。
装置1220用于扩展掩膜中的大金属的区域。在去除小金属体素之后,大金属变得比原始尺寸小,因此在腐蚀之后必须进行扩展(例如膨胀)操作以找到被腐蚀消除的大金属像素并将它们重新设置为金属。膨胀操作将金属掩膜体素mi更新为:
其中Ni代表第i个图像像素的邻域集合,mi代表第i个图像像素,mj代表图像像素mi的第j个相邻像素,i和j都是正整数。
为重新得到被腐蚀掉的所有大金属像素,膨胀Ne就足够了。然而,考虑到部分容积效应,需要额外增加膨胀次数。因此,膨胀次数(Nd)被设置为2。在膨胀之后,可以覆盖更多的含有金属投影的通道,从而进一步减少条纹状伪影。膨胀操作使得大金属更大,但又能防止小金属出现在金属掩膜上,如图7C所示。
装置1230用于利用相邻角度的投影信息来重新填充被误去除的小金属区域。这种重新填充可以通过线性插值来进行,也可以通过本领域人员公知的其他方法(例如正弦曲线拟合)来进行。为防止源自小金属的数据丢失从而产生新的伪影,有必要恢复正弦图中小金属丢失的信息。考虑到金属的投影值总是比组织大得多并且应当平滑地改变,通过相邻投影中小金属的投影值来恢复小金属信息区域的值是合理的。在此,可以选择数据丢失区域之前和之后的每10个投影来用于插值。这里的数字10仅仅是示意性的,根据不同的应用,其他数字也是可以的。应当注意,小金属在正弦图上具有宽度,因此只有在相同的相对位置的对应像素才应当被选择来执行线性插值,如图8所示。
这一步骤可以用以下公式表示:
S={kj|j∈Lm∩Sm}
x={k1-10,...k1-1,kn+1,...kn+10}其中n=|S|,ki∈S
pi,k=Interp(x,y,i)
其中集合S是大金属掩膜(Lm)和小金属掩膜(Sm)的交集的投影下标,并且S具有n个元素,i′代表对于小金属而言的第km个投影中与其第k个投影中的第i个通道相对应的通道位置,i′通常不是整数,其像素值需要通过在第km个投影中的沿通道方向上的线性插值来得到,并且pi,k是丢失的小金属信息在恢复之后的最终像素值。
在正弦图中,小金属被重新填充之后,可以在很大程度上恢复小金属丢失的信息,如图9A-图9E所示。在图9C和图9D中对照地示出小金属重新填充之前和之后的重建图像。图9E示意性地示出了图9C和图9D的差别,即,由正弦图中的小金属丢失的信息引起的经修正的伪影。
装置1240用于使用原始掩膜与修正后的掩膜的交集来进行金属回填。现在,由于腐蚀操作的原因,小金属没有被MAR处理,在金属回填时不需要将小金属考虑在内。因此,原始金属掩膜中存在小金属像素,不应用于金属回填。腐蚀之后的掩膜和膨胀之后的掩膜都不合适,这是因为,在这两种掩膜中,大金属的尺寸要么小于原始大金属的尺寸,要么大于原始大金属的尺寸。在此,原始掩膜和修改后的掩膜(膨胀之后的掩膜)的交集是用于金属回填的最佳选择。可以将交集的第i个体素Ii计算为:
其中Oi是原始掩膜中的第i个体素,Mi是修改后的掩膜中的第i个体素。这一公式可以由图10示意性地示出。
应当注意,图12只是示意性的。根据本发明的不同实施例,设备1200可以包括更多或更少的装置。此外,为简单起见,图12中省略了本领域技术人员公知的某些装置。
应当注意,虽然上面以CT图像为例进行了描述,但本发明不限于此,而是可以应用于其他类型的医学图像。
与现有技术的MAR技术相比,本发明能够处理同时具有不同尺寸金属的临床情况。在传统的MAR中,当图像同时包含小金属和大金属时,会发生严重的冲突。也就是说,保证对大金属边缘平滑将使得小金属消失,或者保留小金属将会把锯齿引入到大金属物体的边缘。这是传统的MAR固有的缺点。本发明通过引入原始掩膜和修改后的掩膜的交集作为用于金属回填的最终掩膜巧妙地解决了这一问题。经过这一处理之后,无论是大金属还是小金属物体,都可以以临床可接受的图像质量重新出现在最终的重建图像上。另一方面,当同一图像断层中存在不同尺寸的金属时,如果MAR只处理大金属,则在MAR之后将会由于数据丢失而引入额外的严重伪影。本发明通过正弦空间中小金属的重新填充,能够从很大程度上抑制这类伪影,从而极大地改善图像质量。
应当注意,上面所描述的实施例仅仅是示例性而非限制性的,并且本领域技术人员在不偏离所附权利要求书的范围的情况下可以设计出很多备选实施例。所使用的动词“包括”并不排除权利要求书或说明书中所记载的元件和步骤之外的元件和步骤。在元件之前使用的词语“一个”并不排除存在多个这种元件。在权利要求中,置于括号内的任何参考标号都不应理解为对该权利要求的限制。
Claims (8)
1.一种用于减少医学图像中的金属伪影的方法,其中所述医学图像的同一断层同时包含具有不同尺寸的大金属物体和小金属物体产生的伪影,所述方法包括步骤:
以不同的方式处理同一断层图像中所述大金属物体和小金属物体产生的伪影。
2.根据权利要求1所述的方法,其中所述以不同的方式处理同一断层图像中所述大金属物体和小金属物体产生的伪影的步骤进一步包括:
去除原始掩膜中属于小金属的体素;
扩展掩膜中的大金属的区域;
利用相邻角度的投影信息来重新填充被去除的小金属区域以形成修正后的掩膜;以及
使用所述原始掩膜与所述修正后的掩膜的交集来进行金属回填。
3.根据权利要求2所述的方法,其中所述去除原始掩膜中属于小金属的体素的步骤通过腐蚀来进行。
4.根据权利要求2所述的方法,其中所述利用相邻角度的投影信息来重新填充被去除的小金属区域以形成修正后的掩膜的步骤通过线性插值来进行。
5.一种用于减少医学图像中的金属伪影的设备,其中所述医学图像的同一断层同时包含具有不同尺寸的大金属物体和小金属物体产生的伪影,所述设备包括用于以不同的方式处理同一断层图像中所述大金属物体和小金属物体产生的伪影的装置。
6.根据权利要求5所述的设备,其中所述用于以不同的方式处理同一断层图像中所述大金属物体和小金属物体产生的伪影的装置进一步包括:
用于去除原始掩膜中属于小金属的体素的装置;
用于扩展掩膜中的大金属的区域的装置;
用于利用相邻角度的投影信息来重新填充被去除的小金属区域以形成修正后的掩膜的装置;以及
用于使用所述原始掩膜与所述修正后的掩膜的交集来进行金属回填的装置。
7.根据权利要求6所述的设备,其中所述用于去除原始掩膜中属于小金属的体素的装置通过腐蚀来进行所述去除。
8.根据权利要求6所述的设备,其中所述用于利用相邻角度的投影信息来重新填充被去除的小金属区域以形成修正后的掩膜的装置通过线性插值来进行所述重新填充。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201110462905.7A CN103186889B (zh) | 2011-12-30 | 2011-12-30 | 一种用于减少医学图像中的金属伪影的方法和设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201110462905.7A CN103186889B (zh) | 2011-12-30 | 2011-12-30 | 一种用于减少医学图像中的金属伪影的方法和设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103186889A true CN103186889A (zh) | 2013-07-03 |
CN103186889B CN103186889B (zh) | 2017-08-18 |
Family
ID=48678047
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201110462905.7A Active CN103186889B (zh) | 2011-12-30 | 2011-12-30 | 一种用于减少医学图像中的金属伪影的方法和设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103186889B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104599239A (zh) * | 2013-10-31 | 2015-05-06 | 通用电气公司 | 一种医学图像中的金属伪影消除方法及装置 |
CN104644200A (zh) * | 2013-11-25 | 2015-05-27 | Ge医疗系统环球技术有限公司 | 减少计算机断层扫描图像重构中伪像的方法和装置 |
CN110796620A (zh) * | 2019-10-29 | 2020-02-14 | 广州华端科技有限公司 | 乳腺断层重建图像的层间伪影抑制方法和装置 |
CN115049837A (zh) * | 2022-08-11 | 2022-09-13 | 合肥高维数据技术有限公司 | 特征图干扰去除方法和包含该方法的屏摄水印识别方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090074278A1 (en) * | 2004-10-12 | 2009-03-19 | Universite Laval | Method and apparatus for metal artifact reduction in computed tomography |
CN101777177A (zh) * | 2009-12-29 | 2010-07-14 | 上海维宏电子科技有限公司 | 基于衰减滤波的ct图像去金属伪影混合重建法 |
US20110206258A1 (en) * | 2010-02-23 | 2011-08-25 | Shoupu Chen | Method and system for cone beam computed tomography high density object artifact reduction |
CN102254310A (zh) * | 2010-05-17 | 2011-11-23 | 西门子公司 | 用于减少ct图像数据中的图像伪影、尤其是金属伪影的方法 |
-
2011
- 2011-12-30 CN CN201110462905.7A patent/CN103186889B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090074278A1 (en) * | 2004-10-12 | 2009-03-19 | Universite Laval | Method and apparatus for metal artifact reduction in computed tomography |
CN101777177A (zh) * | 2009-12-29 | 2010-07-14 | 上海维宏电子科技有限公司 | 基于衰减滤波的ct图像去金属伪影混合重建法 |
US20110206258A1 (en) * | 2010-02-23 | 2011-08-25 | Shoupu Chen | Method and system for cone beam computed tomography high density object artifact reduction |
CN102254310A (zh) * | 2010-05-17 | 2011-11-23 | 西门子公司 | 用于减少ct图像数据中的图像伪影、尤其是金属伪影的方法 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104599239A (zh) * | 2013-10-31 | 2015-05-06 | 通用电气公司 | 一种医学图像中的金属伪影消除方法及装置 |
CN104644200A (zh) * | 2013-11-25 | 2015-05-27 | Ge医疗系统环球技术有限公司 | 减少计算机断层扫描图像重构中伪像的方法和装置 |
CN110796620A (zh) * | 2019-10-29 | 2020-02-14 | 广州华端科技有限公司 | 乳腺断层重建图像的层间伪影抑制方法和装置 |
CN110796620B (zh) * | 2019-10-29 | 2022-05-17 | 广州华端科技有限公司 | 乳腺断层重建图像的层间伪影抑制方法和装置 |
CN115049837A (zh) * | 2022-08-11 | 2022-09-13 | 合肥高维数据技术有限公司 | 特征图干扰去除方法和包含该方法的屏摄水印识别方法 |
CN115049837B (zh) * | 2022-08-11 | 2022-11-18 | 合肥高维数据技术有限公司 | 特征图干扰去除方法和包含该方法的屏摄水印识别方法 |
Also Published As
Publication number | Publication date |
---|---|
CN103186889B (zh) | 2017-08-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Yu et al. | Deep sinogram completion with image prior for metal artifact reduction in CT images | |
Thummerer et al. | Comparison of CBCT based synthetic CT methods suitable for proton dose calculations in adaptive proton therapy | |
Kurz et al. | CBCT correction using a cycle-consistent generative adversarial network and unpaired training to enable photon and proton dose calculation | |
Zhang et al. | Convolutional neural network based metal artifact reduction in X-ray computed tomography | |
US8761493B2 (en) | Method and system for tooth segmentation in dental images | |
US8929635B2 (en) | Method and system for tooth segmentation in dental images | |
Wu et al. | Tooth segmentation on dental meshes using morphologic skeleton | |
KR101481796B1 (ko) | 3차원 가상 간 수술 계획 시스템 | |
Yu et al. | Metal artifact reduction from reformatted projections for hip prostheses in multislice helical computed tomography: techniques and initial clinical results | |
CN103093424A (zh) | 用于从医学成像数据中生成增强图像的方法和装置 | |
Xu et al. | An algorithm for efficient metal artifact reductions in permanent seed implants | |
CN105912874A (zh) | 基于dicom医学图像构建的肝脏三维数据库系统 | |
CN103186889A (zh) | 一种用于减少医学图像中的金属伪影的方法和设备 | |
CN105488849A (zh) | 一种基于混合水平集的三维牙齿建模方法 | |
CN103679810A (zh) | 肝部ct图像的三维重建方法 | |
Wang et al. | Automated segmentation of CBCT image using spiral CT atlases and convex optimization | |
US9514549B2 (en) | Method for reducing metal artifact in computed tomography | |
Shao et al. | Real-time liver tumor localization via a single x-ray projection using deep graph neural network-assisted biomechanical modeling | |
Wang et al. | Accurate tooth segmentation with improved hybrid active contour model | |
Yu et al. | Metal artifact reduction in 2D CT images with self-supervised cross-domain learning | |
CN105118030A (zh) | 医学图像金属伪影的校正方法及装置 | |
Jehl et al. | Are patient specific meshes required for EIT head imaging? | |
Hyun et al. | Deep learning method for reducing metal artifacts in dental cone-beam CT using supplementary information from intra-oral scan | |
Lloréns et al. | Jaw tissues segmentation in dental 3D CT images using fuzzy-connectedness and morphological processing | |
Wang et al. | Head and neck multi-organ segmentation on dual-energy CT using dual pyramid convolutional neural networks |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |