CN103190928A - 减少金属伪影的方法、计算单元、ct系统和c形臂系统 - Google Patents

减少金属伪影的方法、计算单元、ct系统和c形臂系统 Download PDF

Info

Publication number
CN103190928A
CN103190928A CN2012103896708A CN201210389670A CN103190928A CN 103190928 A CN103190928 A CN 103190928A CN 2012103896708 A CN2012103896708 A CN 2012103896708A CN 201210389670 A CN201210389670 A CN 201210389670A CN 103190928 A CN103190928 A CN 103190928A
Authority
CN
China
Prior art keywords
data set
image data
metal
mar
image
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
Application number
CN2012103896708A
Other languages
English (en)
Other versions
CN103190928B (zh
Inventor
M·卡彻尔里斯
E·梅耶
R·劳佩克
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.)
Siemens Healthineers AG
Original Assignee
Siemens AG
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 Siemens AG filed Critical Siemens AG
Publication of CN103190928A publication Critical patent/CN103190928A/zh
Application granted granted Critical
Publication of CN103190928B publication Critical patent/CN103190928B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • 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]
    • 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
    • A61B6/5258—Devices using data or image processing specially adapted for radiation diagnosis involving detection or reduction of artifacts or noise
    • A61B6/5282—Devices using data or image processing specially adapted for radiation diagnosis involving detection or reduction of artifacts or noise due to scatter
    • 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
    • G06T11/008—Specific post-processing after tomographic reconstruction, e.g. voxelisation, metal artifact correction
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/73—Deblurring; Sharpening
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10072—Tomographic images
    • G06T2207/10081—Computed x-ray tomography [CT]

Landscapes

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

Abstract

本发明涉及一种用于减少CT图像数据组内金属伪影的方法，该方法通过重建经过金属伪影校正的第一CT图像数据组和未经金属伪影校正的第二CT图像数据组，并且通过将高通滤波的第一CT图像数据组和高通滤波的第二CT图像数据组连同低通滤波的第二CT图像数据组加权相加，其中权重取决于CT图像数据组内金属的远近。此外，本发明还涉及一种为执行该方法构造的计算单元(C10)，一种CT系统(C1)和一种C形臂系统。

Description

减少金属伪影的方法、计算单元、CT系统和C形臂系统
技术领域
本发明涉及用于减少CT图像数据组内金属伪影的一种方法、一种计算单元、一种CT系统和一种C形臂系统。
背景技术
用于通过CT系统由扫描对象的探测器数据重建断层造影图像数据组的方法已经是一般地周知的。如果对象内有金属物体，则由于增强的射线硬化、增加的散射、部分容积效应和放大的噪声产生强烈的图像伪影，即所谓的金属伪影，其会灵敏地降低重建图像的质量。
为减少这种金属伪影公知不同的方法，它们可分为三类：
-内插值法，例如，在下述文章中已经对此作出描述，W.A.Kalender、R.Hebel和J.Ebersberger的文章“Reduction of CT artifacts caused by metallicimplants”Radiology，vol.164，no.2，pp.576-577，Aug.1987，和A.H.Mahnken、R.Raupach、J.E.Wildberger、B.Jung、N.Heussen、T.G.Flohr、R.W.Gunther和S.Schaller的文章“A new algorithmfor metal artifactreduction in computed tomography：in vitro and in vivo evaluation after total hipreplacement”Investigative Radiology，vol.38，no.12，pp.769-775，Dec.2003。在申请人的专利申请DE10 2009 032 059A1中所公开的标准化正弦图内插(Sinogramm-Interpolation)改进方法也属于此类。
-经验法，在此类方法中对各种物理效应进行校正，例如，在下述文章中已经对此作出描述：M.Kachelrieβ、O.Watzke和W.A.Kalender的文章“Generalized multi-dimensional adaptive filtering(MAF)for conventionaland spiral single-slice，multi-slice and cone-beam CT”Med.Phys.，vol.28，no.4，pp.475-490，Apr.2001，和Y.Kyriakou、E.Meyer、D.Prell和M.Kachelrieβ的文章“Empirical beam hardening correction(EBHC)for CT”Med.Phys.，37(10)：5179-5187，Oct.2010。
-迭代校正法，例如，在下述文章中已经对此作出描述：B.De Man、J.Nuyts、P.Dupont、G.Marchal和P.Suetens的文章“An iterativemaximum-likelihood polychromatic algorithm for CT”，IEEE Transactions onMedical Imaging，vol.20，no.10，pp.999-1008，Oct.2001和C.Lemmens、D.Faul和J.Nuyts的文章“Suppression of Metal Artifacts in CT Using aReconstruction Procedure That Combines MAP and Proj ection Completion”，TMI，vol.28，no.2，pp.250-260，Feb.2009。
尽管上述方法部分地提供了相当好的结果，但是仍然存在有待消除的残余伪影。
发明内容
因此，本发明要解决的技术问题是找到一种能够进一步减少金属伪影的方法，从而再改进沿用至今的方法。
上述技术问题通过独立权利要求的特征来解决。本发明的优选的构造是从属权利要求的内容。
发明人认识到：
由射束硬化和散射造成的金属伪影分量位于低频区。没有金属伪影校正重建的图像的高频在解剖结构边缘附近差不多只含有噪声。通过频率分割可生成除了噪声之外无论是在高频还是在低频都几乎没有伪影的图像。因此，现在可以通过使用适当的频率分割法来改进公知的用于减少金属伪影的方法，方法是，结果图像数据组由未经金属伪影校正的CT图像数据组的加权高频分量和按照公知的方法金属伪影校正后的CT图像数据组的加权高频分量组成，其中，在金属伪影的周围，金属伪影校正的CT图像数据组的高频分量被强烈加权，并且在远离金属的图像区域，未经金属伪影校正的CT图像数据组的高频分量被强烈加权；附加地，为了得到具有所有局部频率的CT图像数据组，未经加权处理地添加金属伪影校正的CT图像数据组的低频分量。
据此，发明者建议一种用于减少CT数据组内金属伪影的方法，在所述方法中通过重建产生经过金属伪影校正的第一CT图像数据组和未经金属伪影校正的第二CT图像数据组并且将高通滤波的第一CT图像数据组和高通滤波的第二CT图像数据组连同低通滤波的第二CT图像数据组加权相加，其中权重取决于CT图像数据组内金属的远近。
在具体的实施方案中，用于减少CT图像数据组内金属伪影的方法可以具有下述方法步骤：
-使用由扫描具有植入金属的对象得到的探测器数据，
-在放弃金属伪影校正的情况下重建第一CT图像数据组，
-利用高通滤波器对第一CT图像数据组进行滤波，从而产生高通滤波的第一CT图像数据组，
-从第一CT图像数据组中提取只显示金属的CT图像数据组并且产生金属加权函数或金属加权掩模，使得具有金属的图像区域强烈加权并且没有金属的图像区域少量加权，尤其是具有金属的图像区域比没有金属的图像区域更强烈地加权，尤其是对具有金属的图像区域以加权因数≥0.5加权，并且对没有金属的图像区域以加权因数＜0.5加权。
-在使用金属伪影校正的情况下重建第二CT图像数据组，
-利用高通滤波器对第二CT图像数据组进行滤波，从而产生高通滤波的第二CT图像数据组，
-利用与高通滤波器互补的低通滤波器对第二CT图像数据组进行滤波，从而产生低通滤波的第二CT图像数据组，
-由低通滤波的第二CT图像数据组、金属加权高通滤波的第一CT图像数据组和互补的金属加权高通滤波的第二CT图像数据组相加得到结果图像，
-存储和/或输出结果图像。
因此，按照公式FSMAR＝MAR_low+G*U_high+(1-G)*MAR_high计算结果图像，其中，FSMAR这个缩写代表“频率分割金属伪影减少”的结果图像，MAR_low代表低通滤波的金属伪影校正CT图像数据组，MAR_high代表高通滤波的金属伪影校正CT图像数据组，U_high代表高通滤波的未经校正的CT图像数据组并且G代表加权掩模或加权函数。
需要指出的是，权利要求1与来自权利要求2的至少一个方法步骤的组合的方法属于本发明范围。
通过在重建至少一个CT图像数据组之前自适应地关于存在的噪声或信噪比利用噪声滤波器对探测器数据附加地进行自适应滤波，可以继续改进按照本发明的方法，其中高的噪声或低的信噪比造成强烈滤波，反之亦然。
同样，也可以在高通滤波之前关于存在的噪声或信噪比利用噪声滤波器自适应地滤波第一CT图像数据组，其中高的噪声或低的信噪比造成强烈滤波，反之亦然。
原则上无论是所有已知的重建方法还是所有已知的用于减少金属伪影的方法都可以在这里描述的方法中应用。但是，特别优选在第二CT图像数据组内通过标准化的正弦图内插产生金属伪影校正。在E.Meyer、R.Raupach、M.Lell、B.Schmidt和M.Kachelrieβ的文章“Normalized metalartifact reduction(NMAR)in computed tomography”，Med.Phys.，vol.37，no.10，pp.5482-5493，Oct.2010，和在开头已经提及的并且是同一主题的专利申请DE10 2009 032 059A1中对这种示例性的方法进行了描述。
此外有利的是，这样确定金属加权函数或金属加权掩模，使得在具有金属的图像区域或在其紧邻周围权重为1并且权重随着与金属之间的距离增加持续地下降到0。这种加权掩模可以通过简单的方式产生，例如，通过从重建的和必要时金属伪影校正的CT图像数据组中的一个例如通过简单的阈值结构通过优选没有经过金属伪影校正的CT图像数据组产生金属图像，并且在仅描述金属的金属图像上应用低通滤波器。
除了按照本发明的方法，发明人还建议一种计算单元，所述计算单元具有用于存储程序代码的程序存储器和用于执行程序代码的处理器，其中程序代码应该存储在存储器内，存储器在运行时执行按照本发明方法的方法步骤。
这种计算单元既可以单独运行，也可以联网工作，还可直接与CT系统或C形臂系统联机运行。
附图说明
下面根据优选的实施例借助附图对本发明作进一步说明，其中只对为了理解本发明所必要的特征进行说明。使用如下附图标记：AF：自适应滤波；C1：CT系统；C2：第一辐射器；C3：第一探测器；C4：第二辐射器；C5：第二探测器；C6：机架壳体；C8：患者卧榻；C9：系统轴；C10：控制和计算系统；FSMAR：结果图像；G：金属加权掩模；HP：高通滤波器；HPF：高通滤波；MAR_high：高通滤波的金属伪影校正CT图像数据组；MAR_low：低通滤波的金属伪影校正CT图像数据组；MET：为存在的金属生成加权掩模G；P：患者；Prg1-Prgn：计算机程序；RECON：重建；RECON+MET_CORR：带有金属校正的重建；RD：探测器原始数据；SCAN：CT扫描；TP：低通滤波器；TPF：低通滤波；U：未经校正的第一CT图像数据组；U_af：自适应滤波的CT图像数据组；U_high：高通滤波的第一图像数据组。
附图中：
图1示出了按照本发明的金属伪影校正的方案的方法流程；
图2示出了根据图1所示的方法流程的另一种示图；
图3示出了用于执行按照本发明的金属伪影校正的CT系统；
图4示出了在骨盆区域具有双边臀部假体的患者在没有进行金属伪影校正时的CT图(左)，在完成标准化正弦图内插之后进行金属伪影校正的CT图(中)和按照本发明金属伪影校正的CT图(右)，各有一个总图(上)和详图(下)；
图5示出了在头部区域具有动脉瘤和安置有神经血管线圈的患者在没有进行金属伪影校正时的CT图(左)，在完成标准化正弦图内插之后进行金属伪影校正的CT图(中)和按照本发明金属伪影校正的CT图(右)，各有一个总图(上)和详图(下)；
图6示出了在胸部区域具有金属脊柱固定件的患者在没有进行金属伪影校正时的CT图(左)，在完成标准化正弦图内插之后进行金属伪影校正的CT图(中)和按照本发明金属伪影校正的CT图(右)，各有一个总图(上)和详图(下)。
具体实施方式
图1示了按照本发明金属伪影校正方法的流程图。在此，在方法步骤SCAN中首先是对患者进行断层造影扫描，从而获得探测器数据或探测器原始数据RD。基于探测器数据，然后一方面在方法步骤RECON中执行任意已知的不进行金属伪影校正的重建，从中产生(关于金属伪影)未经校正的CT图像数据组U。现在可选地可以在方法步骤AF中利用取决于噪声的自适应滤波器对所述未经校正的CT图像数据组U进行滤波，其中产生自适应滤波的CT图像数据组U_af作为结果。在方法步骤HPF中，通过使用高通滤波器由各CT图像数据组U或U_af计算出高通滤波分量U_high。
此外，在方法步骤MET中借助未经校正的CT图像数据组U产生加权掩模G，在所述加权掩模中描述了像素与在图像中在那里所存在的金属的远近。如果是在金属内或紧挨着金属，权重相应地是1，如果距离连续变大，下降到0。
与这个步骤分支并行，在方法步骤RECON+MET_CORR中在使用已知的附加的金属伪影校正的情况下根据探测器数据RD重建CT图像数据组，从而产生金属伪影校正的CT图像数据组MAR。优选地，在这里可以使用具有之前提及的标准化正弦图内插法NMAR的方法。所生成的校正的CT图像数据组MAR随后在方法步骤TPF和HPF中经受低通滤波和高通滤波，从中产生CT图像数据组MAR_low和MAR_high。在此需要说明的是，一方面在这个步骤中所使用的两个高通滤波器HP应该是相同的并且低通滤波器TP应该与高通滤波器互补，因此成立TP＝1-HP。
在最后的方法步骤中，根据公式
FSMAR＝MAR_low+G*U_high+(1-G)*MAR_high
从上述结果中计算出结果图像FSMAR。然后可以输出结果图像FSMAR或为了继续使用存储起来。
在图2中示出了图1中所示的用于金属伪影校正的频率分割方法的另一个示图，其中各个方法标志都有对应的示图。相应地得出如下方法步骤：
1-预处理
1A-自适应滤波
作为第一步，将自适应滤波器应用于原始数据。在具有数据替换的标准方法中不需要这一步，因为首先金属阴影内的数据是噪声最强的数据，其在那里被全部替换。但是，因为在按照本发明的校正方法中使用的是来自金属阴影的数据，因此建议进行降低噪声。
1B-分割金属图像
然后重建未经校正的图像，每一次阈值运算都从中分割出金属图像。该金属图像不仅适用于于第一金属伪影校正算法(步骤2)，也适用于在频率分割中的局部加权(步骤3B)。
2-金属伪影校正I(数据替换)
通过如下途径计算金属伪影减少的图像：该途径替代测量数据或通过很小的权重使用这些测量数据。在这个步骤发生真正的原始数据校正，其中可能会发生数据丢失。像在许多文献中介绍的那样，金属痕迹中的数据也可以通过不同的方法替代，例如，内插/图像修复。为此特别推荐NMAR方法，但是也可以先择其它的方法。
3-金属伪影校正II(频率分割)
3A-频率分割
在步骤2计算出的金属伪影减少的图像MAR被低通滤波MAR_low，例如利用高斯滤波器。通过提取MAR图像和低通滤波的MAR图像来计算相应的高的频率MAR_high。自适应滤波的未经校正的图像U被相应地高通滤波U_high。
3B-加权相加
在未经校正的图像的高频分量中，在金属植入物附近不仅有重要的边缘信息也有增强的噪声。
为了不使噪声在远离金属植入物的区域不必要地升高，为每个像素计算权重。此外，金属图像变成二进制，用强的低通滤波器平滑并且用作空间可变的加权掩模。
未经校正的图像的高频与金属加权掩模相乘，MAR图像的高频相应地乘以权重1-G。如下得到校正图像FSMAR：
FSMAR＝MAR_low+G*U_high+(1-G)*MAR_high
附加的步骤只会产生特别小的附加计算开销，因为未经校正的图像总是作为第一步被计算并且可以有效地实施线性滤波器。
为了执行按照本发明的方法例如可以使用CT系统，如图3所示。所示的CT系统C1由机架壳体C6组成，机架壳体具有在机架上布置的辐射器C2和相对布置的探测器C3。例如为了达到较高的时间或能量分辨率，可选地也可以使用由第二辐射器C4和第二探测器C5组成的另一个辐射器-探测器系统。在对患者P进行CT检查时，沿系统轴C9可移动布置的患者卧榻C8持续地或按顺序引导患者通过被辐射器-探测器系统扫描的测量场，并且拍摄患者P在多个投影方向的投影，所述投影以探测器数据形式被传递给控制和计算系统C10。系统的控制通过控制和计算系统C10进行，在所述系统内还存储有计算机程序Prg1-Prgn，所述程序在运行时能够执行按照本发明的方法，并且借此生成2D或3D的CT图像数据组，而与背景技术相比，即使在扫描区域存在金属元素的时候所述CT图像数据组也能产生较好的结果。
金属植入物常常是为什么需要CT扫描的原因。因此可以对手术的结果进行控制，调查问题是不是由假体引起或计划下一次手术。在这些情况下显示植入物的周边环境至关重要。对于自动化分析，用于减少金属伪影的好的方法同样重要。但是，图像的其他区域也很重要，因此一直期待着整个体积的质量能够得到改善。
在图4至图6中示出了这种改进的三个明显的示例。在这里，为了进行比较，示出了具有金属植入物的患者在没有进行金属伪影校正时的CT图(左)，在完成标准化正弦图内插之后(即NMAR方法)进行金属伪影校正的CT图(中)和按照本发明金属伪影校正的CT图(右)，其中，上面显示的是总图和下面显示的是从总图中提取的金属植入物的周围区域放大的详图。
图4示出了具有双边臀部假体的患者。按照NMAR方法，如在这种类型的其它的金属伪影校正中一样，尤其是在假体的内部不存在任何信息，这个区域只是具有统一的灰度值。而按照本发明的NMAR方法在这里则提供好得多的结果，尤其是在放大的图像中可以识别出来。
图5所示的示例是动脉瘤神经血管线圈。在使用线圈之后必须借助CT图像检查组织里是否充血和相关的血管是否被供血。在这里，线圈的直接周围相当重要。在未经校正的图像中伪影几乎把这些全部遮住，以至于几乎不能进行判断。被校正的图像使分析变得可行，其中，右边的使用了按照本发明的金属伪影校正的图像对带来特别好的结果。
最后，在图6中示出了用于固定脊柱的所谓的“椎弓根内固定术(Fixateur Interne)”CT图像。在所示的胸腔区域的层内，在脊椎上有两个螺钉。在左侧未经校正的图像中螺钉很难识别出来，而NMAR方法去除了暗的和亮的伪影，但是，在螺钉的附近还有大部分的脊椎很模糊。按照本发明的FSMAR方法进一步校正了这些伪影，并且得到了在完美地保持了未受金属影响的图像区域的丰富的细节的情况下的脊椎。
总的来说，通过本发明建议一种用于减少CT数据组内金属伪影的方法，其中，通过重建经金属伪影校正的第一CT图像数据组和未经金属伪影校正的第二CT图像数据组，并且通过高通滤波的第一CT图像数据组和高通滤波的第二CT图像数据组以及低通滤波的第二CT图像数据组的加权相加，其中权重取决于CT图像数据组内金属的远近，图像质量得到重大改善。
尽管本发明在细节上通过优选的实施例详细地图解和说明，但是本发明不限于这些公开的示例并且专业人员也可以从中导出其它方案，而不脱离本发明的保护范围。
附图标记列表
AF               自适应滤波
C1               CT系统
C2               第一辐射器
C3               第一探测器
C4               第二辐射器
C5               第二探测器
C6               机架壳体
C8               患者卧榻
C9               系统轴
C10              控制和计算系统
FSMAR            结果图像
G                金属加权掩模
HP               高通滤波器
HPF              高通滤波
MAR_high         高通滤波的金属伪影校正CT图像数据组
MAR_low          低通滤波的金属伪影校CT图像数据组
MET              为存在的金属生成加权掩模G
P                患者
Prg1-Prgn        计算机程序
RECON            重建
RECON+MET_CORR   带有金属校正的重建
RD               探测器原始数据
SCAN             CT扫描
TP               低通滤波器
TPF              低通滤波
U         未经校正的第一CT图像数据组
U_af      自适应滤波的CT图像数据组
U_high    高通滤波的第一CT图像数据组

Claims (9)

1.一种用于减少CT图像数据组内金属伪影的方法，该方法重建经过金属伪影校正的第一CT图像数据组和未经金属伪影校正的第二CT图像数据组，并且将高通滤波的第一CT图像数据组和高通滤波的第二CT图像数据组连同低通滤波的第二CT图像数据组加权相加，其中权重取决于至CT图像数据组内金属的远近。
2.一种用于减少CT图像数据内金属伪影的方法，尤其是根据权利要求1所述的方法，包含下述方法步骤：
2.1.使用由扫描具有植入金属的对象得到的探测器数据，
2.2.在放弃金属伪影校正的情况下重建第一CT图像数据组(U)，
2.3.利用高通滤波器(HPF)对第一CT图像数据组(U)进行滤波，从而产生高通滤波的第一CT图像数据组(U_high)，
2.4.从CT图像数据组(U，MAR)中的一个提取只显示金属的CT图像数据组并且产生金属加权函数或金属加权掩模(G)，使得具有金属的图像区域强烈加权强并且没有金属的图像区域少量加权，
2.5.在使用金属伪影校正的情况下重建第二CT图像数据组(MAR)，
2.6.利用高通滤波器(HPF)对第二CT图像数据组(MAR)进行滤波，从而产生高通滤波的第二CT图像数据组(MAR_high)，
2.7.利用与高通滤波器(HPF)互补的低通滤波器(TPF)对第二CT图像数据组(MAR)进行滤波，从而产生低通滤波的第二CT图像数据组(MAR_low)，
2.8.从低通滤波的第二CT图像数据组(MAR_low)、金属加权高通滤波的第一CT图像数据组(G*U_high)和互补的金属加权高通滤波的第二CT图像数据组((1-G)*MAR_high)中加权相加得出结果图像(FSMAR＝MAR_low+G*U_high+(1-G)*MAR_high)，
2.9.存储和/或输出结果图像(FSMAR)。
3.根据上述权利要求1至2中任一项所述的方法，其特征在于，在重建(RECON)至少一个CT图像数据组之前关于存在的噪声或信噪比利用噪声滤波器对探测器数据(RD)自适应地进行滤波，其中高的噪声或低的信噪比造成强烈滤波，反之亦然。
4.根据上述权利要求1至3中任一项所述的方法，其特征在于，在高通滤波之前关于存在的噪声或信噪比利用噪声滤波器自适应地滤波第一CT图像数据组(U)，其中高的噪声或低的信噪比造成强烈滤波，反之亦然。
5.根据上述权利要求1至4中任一项所述的方法，其特征在于，在第二CT图像数据组(MAR)内通过标准化的正弦图内插产生金属伪影校正。
6.根据上述权利要求2至5中任一项所述的方法，其特征在于，这样确定金属加权函数或金属加权掩模(G)，使得在具有金属的图像区域或在其紧邻周围权重为1，并且权重随着与金属之间的距离增加而持续地下降到0。
7.一种计算单元(C10)，所述计算单元具有用于存储程序代码的程序存储器和用于执行程序代码的处理器，其特征在于，程序代码(Prg1-Prgn)存储在存储器内，所述存储器在运行时执行上述方法权利要求中任一项所述的步骤。
8.一种具有上述权利要求7所述的计算单元(C10)的CT系统(C1)。
9.一种具有上述权利要求7所述的计算单元(C10)的C形臂系统。
CN201210389670.8A 2011-08-10 2012-08-10 减少金属伪影的方法、计算单元、ct系统和c形臂系统 Expired - Fee Related CN103190928B (zh)

Applications Claiming Priority (4)

Application Number Priority Date Filing Date Title
DE102011080727 2011-08-10
DE102011080727.6 2011-08-10
DE102012206714A DE102012206714A1 (de) 2011-08-10 2012-04-24 Verfahren, Recheneinheit, CT-System und C-Bogen-System zur Reduktion von Metallartefakten in CT-Bilddatensätzen
DE1020122067140 2012-04-24

Publications (2)

Publication Number Publication Date
CN103190928A true CN103190928A (zh) 2013-07-10
CN103190928B CN103190928B (zh) 2016-01-20

Family

ID=47595743

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201210389670.8A Expired - Fee Related CN103190928B (zh) 2011-08-10 2012-08-10 减少金属伪影的方法、计算单元、ct系统和c形臂系统

Country Status (3)

Country Link
US (1) US8891885B2 (zh)
CN (1) CN103190928B (zh)
DE (1) DE102012206714A1 (zh)

Cited By (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103440636A (zh) * 2013-08-26 2013-12-11 深圳先进技术研究院 Ct系统的金属伪影消除方法及其系统
CN104517263A (zh) * 2013-09-30 2015-04-15 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
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
CN105286902A (zh) * 2015-10-26 2016-02-03 天津大学 一种去除ct图像金属伪影的方法
CN105310710A (zh) * 2015-12-03 2016-02-10 上海联影医疗科技有限公司 乳腺预发射图像的修正方法及装置
CN106157345A (zh) * 2015-05-13 2016-11-23 西门子医疗有限公司 用于生成图像的方法
WO2017063569A1 (en) * 2015-10-14 2017-04-20 Shanghai United Imaging Healthcare Co., Ltd. System and method for image correction
CN107730455A (zh) * 2016-08-11 2018-02-23 通用电气公司 获得mar图像的方法及装置
CN108937995A (zh) * 2017-05-03 2018-12-07 西门子医疗有限公司 用于生成减少伪影的ct图像数据的自适应方法
CN109886170A (zh) * 2019-02-01 2019-06-14 长江水利委员会长江科学院 一种钉螺智能检测识别与统计系统
CN111223156A (zh) * 2019-11-06 2020-06-02 深圳市深图医学影像设备有限公司 一种用于牙科锥束ct系统的金属伪影消除方法
CN111353962A (zh) * 2018-12-20 2020-06-30 西门子医疗有限公司 用于减少伪影的方法、x射线设备和电子可读数据载体
CN111402150A (zh) * 2020-03-09 2020-07-10 北京灵医灵科技有限公司 一种ct图像金属伪影去除方法及装置
WO2020244098A1 (zh) * 2019-06-05 2020-12-10 山东科技大学 一种x射线ct图像中金属针的检测定位方法

Families Citing this family (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102012205222B4 (de) * 2012-03-30 2020-08-13 Siemens Healthcare Gmbh Verfahren zur Ermittlung eines artefaktreduzierten dreidimensionalen Bilddatensatzes und Röntgeneinrichtung
JP6294008B2 (ja) * 2013-05-22 2018-03-14 キヤノンメディカルシステムズ株式会社 Ｘ線コンピュータ断層撮影装置、再構成処理方法および再構成処理プログラム
DE102013218325A1 (de) * 2013-09-12 2015-03-12 Siemens Aktiengesellschaft Generierung eines Maßes für den Einfluss von Metallartefakten auf rekonstruierte Dichtewerte
JP6243296B2 (ja) * 2014-05-30 2017-12-06 ジーイー・メディカル・システムズ・グローバル・テクノロジー・カンパニー・エルエルシー 画像生成装置、放射線断層撮影装置及びプログラム
DE102014217966A1 (de) 2014-09-09 2016-03-10 Siemens Aktiengesellschaft Adaptive Metallartefaktreduktion für die Computertomographie
CN106911904B (zh) 2015-12-17 2020-04-21 通用电气公司 图像处理方法、图像处理系统及成像系统
CN105528771B (zh) * 2016-01-19 2018-09-18 南京邮电大学 一种使用能量函数方法的锥束ct中杯状伪影的校正方法
DE102016204226A1 (de) * 2016-03-15 2017-09-21 Siemens Healthcare Gmbh Vorrichtung und Verfahren zum Abgrenzen eines Metallobjekts für eine Artefaktreduktion in Tomographiebildern
JP6780948B2 (ja) * 2016-03-28 2020-11-04 キヤノンメディカルシステムズ株式会社 Ｘ線ｃｔ装置
GB2550503B (en) * 2016-05-20 2020-10-21 Shanghai United Imaging Healthcare Co Ltd System and method for computed tomography
JP2020525258A (ja) 2017-06-30 2020-08-27 プロマトン・ホールディング・ベー・フェー 深層学習法を使用する３ｄ歯顎顔面構造の分類および３ｄモデリング
US20210065414A1 (en) * 2017-09-08 2021-03-04 The General Hospital Corporation System and method for sinogram sparsified metal artifact reduction
US11521301B2 (en) * 2017-09-22 2022-12-06 Hoffman-La Roche, Inc. Artifacts removal from tissue images
EP3462373A1 (en) 2017-10-02 2019-04-03 Promaton Holding B.V. Automated classification and taxonomy of 3d teeth data using deep learning methods
EP3503038A1 (en) 2017-12-22 2019-06-26 Promaton Holding B.V. Automated 3d root shape prediction using deep learning methods
EP3561778A1 (en) * 2018-04-26 2019-10-30 Promaton Holding B.V. Automated correction of metal affected voxel representations of x-ray data using deep learning techniques
US11763502B2 (en) * 2018-08-06 2023-09-19 Vanderbilt University Deep-learning-based method for metal reduction in CT images and applications of same
EP3816930A1 (de) * 2019-10-29 2021-05-05 Siemens Healthcare GmbH Computerimplementiertes verfahren zur bereitstellung eines ausgangsdatensatzes mit verbesserter bildqualität
US11580678B2 (en) * 2020-03-02 2023-02-14 GE Precision Healthcare LLC Systems and methods for interpolation with resolution preservation
US12109075B2 (en) 2020-09-15 2024-10-08 Mazor Robotics Ltd. Systems and methods for generating a corrected image
CN113643211B (zh) * 2021-08-27 2024-07-26 上海联影医疗科技股份有限公司 去除条形伪影的方法、系统、可读存储介质和设备

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1940992A (zh) * 2005-06-17 2007-04-04 Cti分子成像公司 Pet/ct成像中基于图像的伪影降低
US20080152203A1 (en) * 2005-02-03 2008-06-26 Koninklijke Philips Electronics N.V. Radial Adaptive Filter for Metal Artifact Correction
CN101553171A (zh) * 2006-11-13 2009-10-07 国立大学法人京都工艺纤维大学 图像重构装置、图像重构方法、图像重构程序、ct装置
US20110081071A1 (en) * 2009-10-06 2011-04-07 Thomas Matthew Benson Method and apparatus for reduction of metal artifacts in ct images

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20060285737A1 (en) * 2005-06-17 2006-12-21 Hamill James J Image-based artifact reduction in PET/CT imaging
DE102009032059A1 (de) 2009-07-07 2011-01-13 Siemens Aktiengesellschaft Sinogrammbearbeitung für die Metallartefaktreduktion in der Computertomographie

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080152203A1 (en) * 2005-02-03 2008-06-26 Koninklijke Philips Electronics N.V. Radial Adaptive Filter for Metal Artifact Correction
CN1940992A (zh) * 2005-06-17 2007-04-04 Cti分子成像公司 Pet/ct成像中基于图像的伪影降低
CN101553171A (zh) * 2006-11-13 2009-10-07 国立大学法人京都工艺纤维大学 图像重构装置、图像重构方法、图像重构程序、ct装置
US20110081071A1 (en) * 2009-10-06 2011-04-07 Thomas Matthew Benson Method and apparatus for reduction of metal artifacts in ct images

Cited By (30)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103440636B (zh) * 2013-08-26 2016-08-17 深圳先进技术研究院 Ct系统的金属伪影消除方法及其系统
CN103440636A (zh) * 2013-08-26 2013-12-11 深圳先进技术研究院 Ct系统的金属伪影消除方法及其系统
CN104517263A (zh) * 2013-09-30 2015-04-15 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
CN104517263B (zh) * 2013-09-30 2019-06-14 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
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
CN106157345B (zh) * 2015-05-13 2020-07-24 西门子医疗有限公司 用于生成图像的方法
US11869122B2 (en) 2015-05-13 2024-01-09 Siemens Healthcare Gmbh Method for generating an image
CN106157345A (zh) * 2015-05-13 2016-11-23 西门子医疗有限公司 用于生成图像的方法
US11216991B2 (en) 2015-05-13 2022-01-04 Siemens Healthcare Gmbh Method for generating an image
US10521886B2 (en) 2015-10-14 2019-12-31 Shanghai United Imaging Healthcare Co., Ltd. System and method for image correction
WO2017063569A1 (en) * 2015-10-14 2017-04-20 Shanghai United Imaging Healthcare Co., Ltd. System and method for image correction
GB2548303A (en) * 2015-10-14 2017-09-13 Shanghai United Imaging Healthcare Co Ltd System and method for image correction
GB2548303B (en) * 2015-10-14 2018-02-21 Shanghai United Imaging Healthcare Co Ltd System and method for image correction
US11756164B2 (en) 2015-10-14 2023-09-12 Shanghai United Imaging Healthcare Co., Ltd. System and method for image correction
US11232543B2 (en) 2015-10-14 2022-01-25 Shanghai United Imaging Healthcare Co., Ltd. System and method for image correction
CN105286902B (zh) * 2015-10-26 2018-01-02 天津大学 一种去除ct图像金属伪影的方法
CN105286902A (zh) * 2015-10-26 2016-02-03 天津大学 一种去除ct图像金属伪影的方法
CN105310710B (zh) * 2015-12-03 2018-06-19 上海联影医疗科技有限公司 乳腺预发射图像的修正方法及装置
CN105310710A (zh) * 2015-12-03 2016-02-10 上海联影医疗科技有限公司 乳腺预发射图像的修正方法及装置
CN107730455B (zh) * 2016-08-11 2023-06-20 通用电气公司 获得mar图像的方法及装置
CN107730455A (zh) * 2016-08-11 2018-02-23 通用电气公司 获得mar图像的方法及装置
CN108937995A (zh) * 2017-05-03 2018-12-07 西门子医疗有限公司 用于生成减少伪影的ct图像数据的自适应方法
CN111353962A (zh) * 2018-12-20 2020-06-30 西门子医疗有限公司 用于减少伪影的方法、x射线设备和电子可读数据载体
CN109886170B (zh) * 2019-02-01 2019-12-17 河海大学 一种钉螺智能检测识别与统计系统
CN109886170A (zh) * 2019-02-01 2019-06-14 长江水利委员会长江科学院 一种钉螺智能检测识别与统计系统
WO2020244098A1 (zh) * 2019-06-05 2020-12-10 山东科技大学 一种x射线ct图像中金属针的检测定位方法
CN111223156A (zh) * 2019-11-06 2020-06-02 深圳市深图医学影像设备有限公司 一种用于牙科锥束ct系统的金属伪影消除方法
CN111223156B (zh) * 2019-11-06 2023-06-16 深圳市深图医学影像设备有限公司 一种用于牙科锥束ct系统的金属伪影消除方法
CN111402150A (zh) * 2020-03-09 2020-07-10 北京灵医灵科技有限公司 一种ct图像金属伪影去除方法及装置
CN111402150B (zh) * 2020-03-09 2023-07-28 北京灵医灵科技有限公司 一种ct图像金属伪影去除方法及装置

Also Published As

Publication number Publication date
US8891885B2 (en) 2014-11-18
DE102012206714A1 (de) 2013-02-14
US20130039556A1 (en) 2013-02-14
CN103190928B (zh) 2016-01-20

Similar Documents

Publication Publication Date Title
CN103190928A (zh) 减少金属伪影的方法、计算单元、ct系统和c形臂系统
Wellenberg et al. Metal artifact reduction techniques in musculoskeletal CT-imaging
Gjesteby et al. Metal artifact reduction in CT: where are we after four decades?
Bal et al. Metal artifact reduction in CT using tissue‐class modeling and adaptive prefiltering
Prell et al. A novel forward projection-based metal artifact reduction method for flat-detector computed tomography
Kuchenbecker et al. Dual energy CT: how well can pseudo‐monochromatic imaging reduce metal artifacts?
Yu et al. A segmentation-based method for metal artifact reduction
Abdoli et al. Metal artifact reduction strategies for improved attenuation correction in hybrid PET/CT imaging
US9036886B2 (en) System and method for correcting for metal artifacts using multi-energy computed tomography
EP2732431B1 (en) Image processing for spectral ct
Veldkamp et al. Development and validation of segmentation and interpolation techniques in sinograms for metal artifact suppression in CT
US20210056688A1 (en) Using deep learning to reduce metal artifacts
Meilinger et al. Metal artifact reduction in cone beam computed tomography using forward projected reconstruction information
US20110007956A1 (en) Sinogram processing to reduce metal artifacts in computed tomography
Lell et al. Frequency split metal artefact reduction in pelvic computed tomography
WO2014128595A1 (en) Structure propagation restoration for spectral ct
Chang et al. Prior-guided metal artifact reduction for iterative X-ray computed tomography
Funama et al. Coronary artery stent evaluation by combining iterative reconstruction and high-resolution kernel at coronary CT angiography
Uneri et al. Known-component metal artifact reduction (KC-MAR) for cone-beam CT
CN115209808A (zh) 学习完毕模型的制作方法、图像生成方法以及图像处理装置
Do et al. A decomposition-based CT reconstruction formulation for reducing blooming artifacts
Zhang et al. Known‐component 3D image reconstruction for improved intraoperative imaging in spine surgery: A clinical pilot study
Bayaraa et al. A two-stage approach for beam hardening artifact reduction in low-dose dental CBCT
Selles et al. Is AI the way forward for reducing metal artifacts in CT? Development of a generic deep learning-based method and initial evaluation in patients with sacroiliac joint implants
Zhu et al. Physics-informed sinogram completion for metal artifact reduction in CT imaging

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
TR01 Transfer of patent right

Effective date of registration: 20220308

Address after: Erlangen

Patentee after: Siemens Healthineers AG

Address before: Munich, Germany

Patentee before: SIEMENS AG

TR01 Transfer of patent right
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20160120

CF01 Termination of patent right due to non-payment of annual fee