CN103229209A - 对比噪声比（cnr）增强器 - Google Patents
对比噪声比（cnr）增强器 Download PDFInfo
- Publication number
- CN103229209A CN103229209A CN2011800575484A CN201180057548A CN103229209A CN 103229209 A CN103229209 A CN 103229209A CN 2011800575484 A CN2011800575484 A CN 2011800575484A CN 201180057548 A CN201180057548 A CN 201180057548A CN 103229209 A CN103229209 A CN 103229209A
- Authority
- CN
- China
- Prior art keywords
- image data
- cnr
- contrast
- determining
- enhanced
- 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
- 239000003623 enhancer Substances 0.000 title description 26
- 238000000034 method Methods 0.000 claims abstract description 61
- 230000002708 enhancing effect Effects 0.000 claims abstract description 14
- 238000001228 spectrum Methods 0.000 claims abstract description 6
- 239000002872 contrast media Substances 0.000 claims description 69
- 230000000295 complement effect Effects 0.000 claims description 21
- 238000003384 imaging method Methods 0.000 claims description 20
- 210000000988 bone and bone Anatomy 0.000 claims description 19
- 210000004872 soft tissue Anatomy 0.000 claims description 11
- 230000000007 visual effect Effects 0.000 claims description 11
- 230000009467 reduction Effects 0.000 claims description 8
- 230000000694 effects Effects 0.000 claims description 5
- 230000035945 sensitivity Effects 0.000 claims description 4
- 230000011218 segmentation Effects 0.000 claims 8
- 210000005013 brain tissue Anatomy 0.000 claims 1
- 210000004884 grey matter Anatomy 0.000 claims 1
- 210000004885 white matter Anatomy 0.000 claims 1
- 238000002591 computed tomography Methods 0.000 description 12
- 230000005855 radiation Effects 0.000 description 10
- 230000006870 function Effects 0.000 description 5
- 230000002452 interceptive effect Effects 0.000 description 5
- 238000001914 filtration Methods 0.000 description 4
- OYPRJOBELJOOCE-UHFFFAOYSA-N Calcium Chemical compound [Ca] OYPRJOBELJOOCE-UHFFFAOYSA-N 0.000 description 3
- 230000009471 action Effects 0.000 description 3
- 229910052791 calcium Inorganic materials 0.000 description 3
- 239000011575 calcium Substances 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 230000004069 differentiation Effects 0.000 description 3
- 238000002595 magnetic resonance imaging Methods 0.000 description 3
- ZCYVEMRRCGMTRW-UHFFFAOYSA-N 7553-56-2 Chemical compound [I] ZCYVEMRRCGMTRW-UHFFFAOYSA-N 0.000 description 2
- 230000002146 bilateral effect Effects 0.000 description 2
- 239000003638 chemical reducing agent Substances 0.000 description 2
- 230000003247 decreasing effect Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000009792 diffusion process Methods 0.000 description 2
- 238000002347 injection Methods 0.000 description 2
- 239000007924 injection Substances 0.000 description 2
- 229910052740 iodine Inorganic materials 0.000 description 2
- 239000011630 iodine Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000002600 positron emission tomography Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000002603 single-photon emission computed tomography Methods 0.000 description 2
- 238000003325 tomography Methods 0.000 description 2
- 238000012800 visualization Methods 0.000 description 2
- 206010020751 Hypersensitivity Diseases 0.000 description 1
- 206010028813 Nausea Diseases 0.000 description 1
- 208000003251 Pruritus Diseases 0.000 description 1
- FAPWRFPIFSIZLT-UHFFFAOYSA-M Sodium chloride Chemical compound [Na+].[Cl-] FAPWRFPIFSIZLT-UHFFFAOYSA-M 0.000 description 1
- 230000001154 acute effect Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000002583 angiography Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000007887 coronary angioplasty Methods 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 238000002059 diagnostic imaging Methods 0.000 description 1
- 238000002594 fluoroscopy Methods 0.000 description 1
- 239000012336 iodinating agent Substances 0.000 description 1
- 238000012804 iterative process Methods 0.000 description 1
- 210000003734 kidney Anatomy 0.000 description 1
- 208000017169 kidney disease Diseases 0.000 description 1
- 230000003907 kidney function Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
- 230000008693 nausea Effects 0.000 description 1
- 238000007911 parenteral administration Methods 0.000 description 1
- 230000035699 permeability Effects 0.000 description 1
- 238000004321 preservation Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 239000011780 sodium chloride Substances 0.000 description 1
- 238000002560 therapeutic procedure Methods 0.000 description 1
- 210000001519 tissue Anatomy 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/90—Dynamic range modification of images or parts thereof
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration using local operators
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Image Processing (AREA)
Abstract
一种方法包括增强图像数据的对比噪声比（CNR）、生成CNR增强图像数据，其中，所述CNR增强图像数据与所述图像数据具有基本上相同的图像质量。一种计算系统（118）包括计算机可读存储介质（122），所述计算机可读存储介质（122）被编码有用于增强图像数据的对比噪声比（CNR）的计算机可读指令，并且包括一个或多个处理器（120），所述一个或多个处理器（120）在执行所述计算机可读指令时，令所述计算系统增强所述图像数据的CNR。一种方法包括生成CNR增强图像数据，其中，CNR增强图像数据与所述图像数据具有基本上相同的噪声水平、噪声功率谱以及空间分辨率。
Description
技术领域
以下大体涉及成像，并且更具体而言，涉及增强图像的对比噪声比（CNR），并且针对计算机断层摄影（CT）的具体应用进行了描述；然而，以下也适用于其他成像模态，例如正电子发射断层摄影（PET）、单光子发射断层摄影（SPECT）、磁共振成像（MRI）、X射线影像学和/或其他成像模态。
背景技术
计算机断层摄影（CT）扫描器包括X射线管，所述X射线管发射穿过检查区域以及所述检查区域中的对象或受试者的部分的辐射。探测器探测穿过检查区域的辐射并且生成指示所探测到的辐射的投影数据。重建器重建投影数据并且生成指示检查区域中的对象或受试者的部分的体积图像数据。
在通过CT、血管造影术、X射线透视检查、MRI和许多其他成像模态的常规诊断成像研究期间，介入临床程序期间，诸如经皮冠状动脉腔内血管成形术（PTCA）等的治疗程序期间，和/或成像程序期间，在扫描（造影增强扫描）之前施予造影剂（例如，碘化剂）以改进组织可视化。文献已经指出每年执行数以千万计的使用碘化造影剂的放射学检查。
通常，大剂量的造影剂造成更高对比噪声比（CNR）的图像，而较低剂量的造影剂导致更低CNR的图像。遗憾的是，随着造影剂剂量增加，与其相关的风险也会增加。例如，在造影剂的肠胃外施予后，许多患者经历特异反应效应，诸如温暖、恶心、痒以及其他类型的效应。某些患者可能经历对造影剂的严重的并且可能威胁生命的过敏反应。造影剂也可能诱发肾损伤（造影剂诱发的肾病（CIN）），这是因为由于碘化造影剂经由肾清除这一事实，一些患者可能出现他们肾功能的急性恶化。
由于递送给患者的造影剂的量是人们关注的问题，因而已经开发了一组技术促成物以减少造影剂的使用。这样的促成物的范例包括电控制注射设备，高速追踪盐水，更快的旋转时间，更宽的覆盖区域，团注跟踪软件以及低kV协议的使用。此外，已经开发了非离子以及低渗透的药剂，就特异反应效应而言，患者对它们具有更好的耐受性，但是它们通常更昂贵。不论如何，存在对于便于减少对扫描的患者使用的造影剂的量同时提供诊断质量图像的具有新颖性和创造性的方法的未解决的需求。
发明内容
本申请的各方面解决了上面提及的问题和其它问题。
根据一个方面，一种方法包括增强图像数据的对比噪声比（CNR）、生成CNR增强图像数据，其中，所述CNR增强图像数据与所述图像数据具有基本上相同的图像质量。
根据另一方面，一种计算系统包括计算机可读存储介质，所述计算机可读存储介质被编码有用于增强图像数据的对比噪声比（CNR）的计算机可读指令并且包括一个或多个处理器，所述一个或多个处理器在执行所述计算机可读指令时，令所述计算系统增强所述图像数据的CNR。
根据另一方面，一种方法包括生成CNR增强图像数据，其中，CNR增强图像数据与所述图像数据具有基本上相同的噪声水平、噪声功率谱以及空间分辨率。
附图说明
本发明可以采取各种部件和部件布置以及各种步骤和步骤安排的形式。附图仅用于图示说明优选的实施例，而不应被解读为限制本发明。
图1结合成像系统图示了图像数据对比噪声比（CNR）增强器。
图2示出了CNR增强器的范例。
图3示出了CNR增强器的另一范例。
图4图示了用于在图像数据中增强CNR的方法。
图5图示了用于在图像数据中增强CNR的另一方法。
具体实施方式
以下涉及便于减少针对给定的造影增强成像程序使用的造影剂的量，同时保持与相应的足量造影剂剂量扫描尽可能接近的图像质量。所述成像程序可以是在其中使用造影剂的任何成像程序。这样的成像利用诸如计算机断层摄影（CT）、正电子发射断层摄影（PET）、单光子发射断层摄影（SPECT）、磁共振成像（MRI）、X射线放射学和/或其他成像模态的成像模态来执行。然而，为了简洁和说明的目的，以下结合CT扫描器进行讨论。
图1图示了诸如计算机断层摄影（CT）扫描器100的成像系统。
扫描器100包括固定机架102和旋转机架104，旋转机架104由固定机架102可旋转地支撑。旋转机架104绕检查区域106关于纵轴或z轴旋转。患者支撑物108，例如卧榻，将患者支撑在检查区域106中并且能够协调旋转机架104的旋转沿z轴移动，以便实现螺旋、轴向或其他期望的扫描轨迹。
辐射源110，例如X射线管，由旋转机架104支撑并且随旋转机架104绕检查区域106旋转。辐射源110发射由源准直器准直的辐射以生成大体为扇形、楔形或圆锥形状的穿过检查区域106的辐射射束。辐射敏感的探测器阵列112探测穿过检查区域106的辐射并且生成指示所探测到的辐射的投影数据。
重建器114重建所述投影数据并且生成指示检查区域106的体积图像数据。通用计算系统用作操作者控制台116，并且包括诸如显示器的输出设备以及诸如键盘、鼠标和/或此类的输入设备。驻留在控制台116上的软件允许操作者控制系统100的运行，例如，允许操作者开始扫描，等等。
计算系统118，例如工作站、计算机等，被配置为处理所述图像数据。计算系统118包括一个或多个处理器120以及被编码有或嵌入有计算机可读指令（例如，软件程序）的计算机可读存储介质122（例如，物理存储器），所述计算机可读指令在由一个或多个处理器120执行时，令计算系统118执行各种功能。存储介质112也存储数据124。
这样的指令包括用于实现对比噪声比（CNR）增强器126的指令。如以下更加详细地描述，CNR增强器126，在由（一个或多个）处理器120执行时，增强诸如由重建器114生成或以其他方式生成的图像数据的图像数据的CNR。这样的增强允许减少针对成像程序施予给患者的造影剂剂量（例如，80%），同时达到在不采用CNR增强器126的情况下由规定造影剂剂量维持的图像质量。
在一个实施例中，所述指令调用交互式图形用户接口（GUI）的视觉呈现，临床医生能够与所述交互式图形用户接口（GUI）交互以指定针对特定扫描的造影剂的减少量以及其他方面，其中，CNR增强器126补偿所指定的减少。所述GUI也能够用作用于结构增强和/或图像探测的工具。在该实例中，临床医生能够调整所述一个或多个参数以探测图像，和/或获得需要的和/或期望的可视化结果。
额外地或可选地，CNR增强器126能够用于针对在其中缺失造影剂注射定时的成像程序增强CNR，这可以规避不得不施予另一剂量的造影剂和/或执行另一扫描。额外地或可选地，CNR增强器126能够用于增强CNR，同时保持针对涉及软组织区分、脑灰-白质区分和/或其他低对比度结构区分的研究的噪声水平和/或噪声功率谱（NPS）。
一个或多个通信端口128被配置为与一个或多个输入设备（例如，键盘、鼠标等）、一个或多个输出设备（例如，显示器、打印机等）、一个或多个装置（例如，计算系统、便携式存储等）、一个或多个数据存储库、系统100（例如，控制台116和/或重建器114）等通信。图形控制器130处理数据以用于将所述数据以人类可读的格式呈现在诸如显示器132的监视器上。
虽然存储介质122被示出为单个部件，但是应该理解，存储介质122可以包括多个存储单元，所述多个存储单元包括计算系统118的本地存储和/或计算系统118的外部存储。同样，处理器120可以跨越不同的计算系统分布。此外，计算系统118可以是控制台116的部分，反之亦然，或者远离系统100定位。而且，所述一个或多个处理器120可以额外地或者可选地执行由暂态介质（例如，信号或载波）承载的指令。
图2图示了CNR增强器126的范例，CNR增强器126处理图像数据并且生成CNR增强图像数据。
CNR增强器126包括低对比度图像估计器202，低对比度图像估计器202具有对低对比度结构的高敏感度并且非常准确地保留低对比度结构，从而保留了低对比度区域的亨氏单位（HU）/强度值。图示的低对比度图像估计器202包括噪声估计器204、局部结构估计器206、低对比度近似器208以及减法器210。
噪声估计器204评估所述图像数据并且确定所述图像数据中的噪声模式（例如，噪声模型）的估计。可以使用多种已知的方法来估计所述噪声模式。适当方法的范例包括蒙特卡洛估计、解析估计、基于图像的估计和/或其他方法。
局部结构估计器206估计具有改进的CNR的局部结构，例如，通过基于所确定的噪声模式区分噪声层和底下的研究结构。可以使用多种已知的方法来估计局部结构。适当方法的例子包括双边滤波、扩散滤波、全变差去噪、均值漂移滤波器和/或其他方法。
注意以上列出的方法对于噪声移除是优良的并且具有显著改进局部CNR的功能，但是它们不具有保持低对比度区域强度值的高敏感度和高性能，特别是在存在高噪声的情况下。
低对比度近似器208生成分段平滑（PWS）近似。在一个非限制性实例中，这通过在原始图像数据上使用由局部结构估计器206估计的局部结构和由噪声估计器204估计的噪声模型来完成。所估计的局部结构被很好地限定并且具有改进的CNR。另外，由于这是在原始图像数据上执行的，因而非常准确地保留了低对比度区域的强度值。
任选的变型是替代由噪声估计器204估计的噪声模型而生成新噪声模型。基于由局部结构估计器206估计的局部结构估计，估计所述新噪声模型。
可以使用多种已知的方法来生成PWS近似。适当方法的范例包括的方法有：均值漂移滤波、双边滤波、扩散滤波器和/或能够基于输入的局部结构估计和局部噪声模型来生成PWS近似的其他方法。
对于均值漂移算法，通过带宽参数和当前像素值与其近邻之间的距离设置核。所述局部带宽参数定义了所述算法对信号水平的敏感度，并且能够根据局部噪声水平来设置。
经处理的像素性质和所述近邻之间的距离定义了各像素之间的空间分辨率，即，定义了所述局部结构。在该范例中，根据在具有增强的局部CNR的局部结构估计中的距离设置这些距离，并且这些距离能够用于生成所述PWS近似。
在任选的变型中，使用迭代算法来确定所述PWS近似，在所述迭代算法中，每次迭代的输出用于细化所述噪声模型和所述局部结构估计，这可以产生更准确的PWS近似。
低对比度图像估计器202的输出是所述PWS近似和所述图像数据的互补PWS部分，所述图像数据的互补PWS部分基于所述输入图像数据和所述PWS近似，例如，通过经由减法器210从所述输入图像数据减去所述PWS近似，而确定。所述互补PWS部分主要包括噪声、伪影和/或小尺度重复的细节。
掩模确定器212基于所述图像数据确定掩模。在该范例中，掩模确定器212在所述图像数据中识别并且分割骨结构，并且所分割的骨结构用于产生在整个研究的整体上或预定的部分上的骨掩模。可以使用多种已知的方法来分割所述骨结构。适当的方法的范例包括形态学方法、基于图库的方法、基于模型的方法和/或其他方法。
造影剂图估计器214基于所述骨掩模和所述PWS近似估计造影剂（CM）图（CM图）。所述CM图通常为HU单位形式的图，其呈现归因于CM存在的HU的变化。在该范例中，基于所述PWS近似与表示所述图像数据中典型软组织值的参考值的比较，对所述CM图进行近似。
软组织的窄动态范围便于所述估计并且保证了相对低的估计误差。另外，使用所述骨掩模以防止骨区域中的造影剂的错误估计。
造影剂图增强器216增强所述图的造影剂区域，从而补偿任何减少的造影剂剂量。在该范例中，造影剂增强器216基于造影剂浓度与所述图像数据中的HU之间的线性关系，基于方程1补偿所述造影剂区域：
方程1：
其中，
代表增强造影剂图（即，针对每个像素的增强量），并且α代表增强乘数参数。
通常，将参数α确定为造影剂减少的量的倒数。例如，在造影剂剂量减少50%的情形中，将参数α设置为二（2）（即，1/.5）。使用这种设置，所述CNR将会与相应的足量造影剂剂量研究非常相似。
在任选的变型中，造影剂图增强器216具有限制增强的量的功能。这种限制功能允许改善不同情形下（例如对于参数α的错误设置、钙化局部体积效应（PVE）增强的限制、在足量造影剂剂量研究上应用所述算法的情况等）的鲁棒性。
针对这种变化，造影剂增强器216基于方程2补偿所述造影剂区域：
方程2
其中，ω代表增强的范围宽度，并且β代表施加到增强范围宽度ω上的降低的增强率。注意到，对于
，不执行增强。
作为对上述参数ω的替代，可以使用针对增强的上HU阈值。所述上阈值可以设置在所述图像数据上，和/或设置在所述增强的图像数据上。在任一情况中，参数ω能够从这些上阈值推导出，并且同方程2一起使用。
因为CT系统具有有限的空间分辨率，所述算法也具有额外任选的功能以模拟在所述增强的区域上的PVE。所述PVE可以通过在所述增强的造影剂图
上应用低通滤波器来模拟。
如以上简略描述的，CNR增强器126能够与用于结构增强和图像探测的交互式GUI一同使用。用户能够使用所述交互式GUI调整上述增强参数（即，α、β和/或ω/上阈值）中的一个或多个以探测所述图像和/或获得最佳或期望的增强。手动参数调整可以使用鼠标、键盘或任何其他用户接口设备来完成。
PWS增强器218基于所述增强的造影剂图
生成增强的PWS近似。例如，在图示的实施例中，PWS增强器218将所述增强的造影剂图
与所述PWS近似求和或相加。
图像数据增强器220生成所述CNR增强图像数据。在该范例中，图像数据增强器220通过将所述图像数据的互补PWS部分（经由减法器210确定的）与所述增强的PWS近似（通过PWS增强器218确定的）求和或相加以生成所述CNR增强图像数据。
注意，因为所述增强在所述PWS近似上实现，所述增强不增加所述图像数据的噪声，并且不改变噪声功率谱（NPS）或空间分辨率。这样，所述增强图像数据与所述输入图像数据具有相同的图像质量（即，噪声、NPS以及分辨率）。总地来说，由于保持了噪声水平同时增强了对比度，因而所述算法改进了所述图像数据的CNR。
图3图示了可选的实施例，在该实施例中，所述骨掩模和所述上阈值的界限可以通过利用低浓度的碘并且将碘与钙分离的方法获得。对于这个范例，所述PWS近似以及所述互补PWS部分能够经由低对比度图像估计器202确定，如结合上面的图2所描述。
造影剂像素值降低器302在骨和钙值变化最小的情况下，将所述PWS近似中的造影剂像素值向着预定的参考软组织值降低。在图示的实施例中，造影剂像素值降低器302采用迭代方法。在一个范例中，所述迭代方法基于方程3：
方程3：
其中，K和dt为预先定义的参数。
终止条件可以通过与后一迭代之间的差满足预先定义的阈值和/或其他终止标准来确定。用户可以采用所述交互式GUI以通过在所述图像数据上标记感兴趣区域（ROI）来优化所述参数。
未造影图像估计器304基于所述互补PWS数据和经降低的造影剂PWS近似来估计未造影图像数据。在图示的范例中，未造影图像估计器304通过将所述互补PWS数据与经降低的造影剂PWS近似求和或相加来估计所述未造影图像数据。
造影剂图确定器306基于所述输入图像数据和所估计的未造影图像数据确定造影剂图。在图示的范例中，造影剂图确定器306通过从所述输入图像数据减去所估计的未造影图像数据来确定所述造影剂图。这种估计是基于这样的事实：软组织具有窄的CT值范围，以及，因此，估计的误差几乎不影响所述图像数据。
视觉误差确定器308基于所述造影剂图和多个参数，例如估计误差、放大、窗口宽度和/或（一个或多个）其他参数，来确定视觉误差，所述多个参数并且/或者可以经由所述交互式GUI由用户修改。在图示的实施例中，视觉误差（E视觉）确定器308基于方程4确定所述视觉误差。
方程4：
其中，INC,
分别为实际的和估计的未造影图像，α代表造影剂放大因子，ω代表窗口宽度，并且X代表估计像素的集合。总地来说，典型的误差通常小于5%。
图像数据增强器220（图2）基于所述输入图像数据和所述视觉误差（E视觉）生成所述CNR增强图像数据。在图示的范例中，图像数据增强器220通过将所述输入图像数据与所述视觉误差（E视觉）求和或相加来生成所述CNR增强图像数据。
图4图示了用于增加图像数据的对比噪声比的示例方法。
在402，基于所述图像数据生成分段（PWS）近似。如在本文中所描述，这可以通过基于所述图像数据估计噪声模型，基于所述噪声模型确定局部结构估计，以及基于所述局部结构估计和任选的新噪声模型确定所述PWS近似来实现，所述任选的新噪声模型基于所述局部结构估计生成。
在404，生成与所述分段（PWS）近似互补的数据。如本文中所描述，这可以通过从所述图像数据减去所述PWS近似来实现。
在406，基于所述图像数据生成骨掩模。如本文中所描述，这可以通过从所述图像数据分割骨结构来实现。
在408，基于所述PWS近似和所述骨掩模估计造影剂图。如本文中描述，这可以通过将所述PWS近似与代表所述图像数据中典型软组织值的参考值比较来实现，其中，所述骨掩模用于防止骨区域中造影剂的错误估计。
在410，基于所述造影剂图和多个可配置的参数估计增强的造影剂图。如本文中所描述，这样的参数的范例包括增强乘数参数（α）、所述增强参数的范围宽度（ω）以及降低的增强参数（β）。
在412，基于互补PWS数据和所述增强的造影剂图生成CNR增强图像数据。如本文中所描述，这可以通过将所述互补PWS数据与所述增强造影剂图求和或相加来实现。
应该理解，上述动作的顺序不是限制性的。这样，本文也预期其他顺序。另外，可以省略一个或多个动作和/或可以包括一个或多个额外动作。
图5图示了用于增加图像数据的对比噪声比的示例方法。
在502，基于所述图像数据生成分段（PWS）近似。如本文中所描述，这可以通过基于所述图像数据估计噪声模型、基于所述噪声模型确定局部结构估计、以及基于所述局部结构估计和任选的新噪声模型确定所述PWS近似来实现，所述任选的新噪声模型基于所述局部结构估计生成。
在504，生成与所述分段（PWS）近似互补的数据。如本文中所描述，这能够通过从所述图像数据减去所述PWS近似来实现。
在506，在骨和钙值变化最小的情况下，将造影剂像素值向着参考软组织值降低。如本文中所描述，这可以通过使用多种终止标准的迭代处理来实现。
在508，基于所述互补PWS数据和经降低的造影剂像素数据估计未造影图像数据。如本文中所描述，这可以通过将所述互补PWS数据与经降低的造影剂像素数据求和或相加来实现。
在510，基于所估计的未造影图像数据和原始图像数据估计造影剂图。如本文中所描述，这能够通过从所述原始图像数据减去所估计的未造影图像数据实现。
在512，基于所述造影剂图和多个参数生成视觉误差。这样参数的范例包括造影剂放大因子（α）、窗口宽度（ω）以及估计的像素的集合（X）。
在514，基于所述原始图像数据和所述视觉误差生成CNR增强图像数据。在图示的范例中，通过将所述原始图像数据与所述视觉误差求和或相加来生成所述造影增强图像数据。
应该理解，上述动作的顺序不是限制性的。这样，本文也预期其他顺序。另外，可以省略一个或多个动作和/或可以包括一个或多个额外动作。
上文可以通过计算机可读指令的方式来实现，所述计算机可读指令在由（一个或多个）计算机处理器执行时，令所述（一个或多个）处理器执行所描述的动作。在这样的情形中，所述指令存储在计算机可读存储介质中，所述计算机可读存储介质与有关计算机相关联或者可以由相关的计算机访问。所述动作无需与数据采集同时执行。
应该理解，低对比近似器208也可以用作通用的噪声边缘保持移除算法。即，近似器208自身能够作为非常有效和准确的噪声移除算法，因为，例如，其具有非常准确地保留低对比度结构，即保留低对比对区域的HU/强度的非常良好的性能。
本文中参考各实施例描述了本发明。他人在阅读本文中的描述之后可以做出修改和变型。意图是，本发明被解读包括所有这样的修改和变型，只要其落入所附权利要求或其等价形式的范围之内。
Claims (28)
1.一种方法，包括：
增强图像数据的对比噪声比（CNR），
生成CNR增强图像数据，
其中，所述CNR增强图像数据与所述图像数据具有基本上相同的图像质量。
2.根据权利要求1所述的方法，其中，增强所述CNR不增加所述图像数据的噪声水平、所述图像数据的噪声功率谱以及所述图像数据的空间分辨率。
3.根据权利要求1至2中任一项所述的方法，其中，所述图像数据对应于造影增强成像程序，在所述造影增强成像程序中，造影剂的剂量从预定的规定剂量减少，并且所述图像数据的所述CNR的所述增强补偿减少的造影剂的剂量，使得所述CNR增强图像数据的图像质量与针对造影剂的所述预定的规定剂量的图像质量基本上相同。
4.根据权利要求3所述的方法，其中，所述造影剂的剂量减少的量是基于指示感兴趣用户剂量的输入的。
5.根据权利要求1至2中任一项所述的方法，其中，所述图像数据对应于造影增强成像程序，在所述造影增强成像程序中缺失造影剂定时，并且所述图像数据的所述CNR的所述增强补偿减少的造影剂的剂量，使得所述CNR增强图像数据的所述图像质量与没有缺失所述造影剂定时的图像质量基本上相同。
6.根据权利要求1至2中任一项所述的方法，其中，所述图像数据对应于造影增强成像程序，在所述造影增强成像程序中，增强软组织的CNR以区分具有相似对比度特性的软组织。
7.根据权利要求1至2中任一项所述的方法，其中，所述图像数据对应于造影增强成像程序，在所述造影增强成像程序中，增强脑组织的CNR以区分灰质和白质。
8.根据权利要求1至2中任一项所述的方法，其中，选择性地改变所述造影剂的剂量减少的量，直到获得感兴趣的显像。
9.根据权利要求1至8中任一项所述的方法，其中，增强所述CNR的动作包括：
基于所述图像数据确定分段近似；
基于所述图像数据确定骨掩模；
基于所述分段近似和所述骨掩模确定造影剂图；
基于所述造影剂图和一个或多个参数确定增强的造影剂图；
基于所述图像数据和所述分段近似确定与所述分段近似互补的数据；以及
基于所述互补的数据和所述增强的造影剂图确定所述CNR增强图像数据。
10.根据权利要求9所述的方法，确定所述分段近似包括：
基于所述图像数据估计噪声模型；
基于所述噪声模型确定局部结构估计；以及
基于所述局部结构估计和所述噪声模型确定所述分段近似。
11.根据权利要求10所述的方法，基于所述局部结构估计和新噪声模型确定所述分段近似，所述新噪声模型基于所述局部结构估计生成。
12.根据权利要求9至11中任一项所述的方法，其中，所述一个或多个参数包括增强乘数参数、增强参数的范围宽度以及降低的增强参数中的至少一个。
13.根据权利要求9至12中任一项所述的方法，其中，所述一个或多个参数是用户能够配置的。
14.根据权利要求9至13中任一项所述的方法，确定所述CNR增强图像数据，包括：
将与所述分段近似互补的所述数据与所述增强的造影剂图求和。
15.根据权利要求9至13中任一项所述的方法，确定与所述分段近似互补的所述数据，包括：
从所述图像数据减去所述分段近似。
16.根据权利要求1至8中任一项所述的方法，增强所述CNR，包括：
基于所述图像数据确定分段近似；
基于所述图像数据和所述分段近似确定与所述分段近似互补的数据；
将所述分段近似的造影剂像素值向着参考软组织值降低；
基于所述互补的数据和经降低的造影剂像素数据确定未造影图像数据；
基于所估计的未造影图像数据和原始图像数据确定造影剂图；
基于所述造影剂图和多个参数确定视觉误差；以及
基于所述视觉误差和图像数据确定所述CNR增强图像数据。
17.根据权利要求16所述的方法，确定所述未造影图像数据，包括：
将所述互补的数据与所述经降低的造影剂像素数据求和。
18.根据权利要求16至17中任一项所述的方法，确定所述造影剂图，包括：
从所述图像数据减去所估计的未造影图像数据。
19.根据权利要求16至18中任一项所述的方法，其中，所述多个参数包括以下中一个或多个：造影剂放大因子、窗口宽度以及估计的像素的集合。
20.根据权利要求16至19中任一项所述的方法，其中，所述多个参数中的至少一个是用户能够配置的。
21.一种计算系统（118），其包括：
计算机可读存储介质（122），其被编码有用于增强图像数据的对比噪声比（CNR）的计算机可读指令；以及
一个或多个处理器（120），其在执行所述计算机可读指令时，令所述计算系统增强所述图像数据的所述CNR。
22.根据权利要求21所述的系统，其中，所述指令具有对低对比度结构的高敏感度，从而保留了低对比度区域的每强度值亨氏单位。
23.根据权利要求21至22中任一项所述的系统，其中，所述指令在增强CNR的同时保持整体图像质量。
24.根据权利要求21至23中任一项所述的系统，所述一个或多个处理器通过以下方式增强所述CNR：
基于所述图像数据确定骨掩模；
基于所述图像数据的分段近似和所述骨掩模确定造影剂图；
基于所述造影剂图确定增强的造影剂图；以及
基于与所述分段近似互补的数据和所述增强的造影剂图确定所述CNR增强图像数据。
25.根据权利要求24所述的方法，其中，所述一个或多个参数是用户能够选择的，并且经由用户对所述参数中的至少一个进行的改变造成所述图像数据的所述CNR增强的实时更新。
26.根据权利要求21至23中任一项所述的系统，所述一个或多个处理器通过以下方式增强所述CNR：
将所述图像数据的分段近似的造影剂像素值向着参考软组织值降低；
基于与所述图像数据的分段近似互补的数据和经降低的造影剂像素数据确定未造影图像数据；
基于所估计的未造影图像数据和原始图像数据确定造影剂图；
基于所述造影剂图和多个参数确定视觉误差；以及
基于所述视觉误差和图像数据确定所述CNR增强图像数据。
27.根据权利要求24至26中任一项所述的系统，其中，所述一个或多个处理器通过在所述增强的图上应用低通滤波器来模拟增强的区域上的局部体积效应。
28.一种方法，其包括：
生成CNR增强图像数据，其中，CNR增强图像数据与所述图像数据具有基本上相同的噪声水平、噪声功率谱以及空间分辨率。
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US41842210P | 2010-12-01 | 2010-12-01 | |
| US61/418,422 | 2010-12-01 | ||
| PCT/IB2011/055122 WO2012073140A1 (en) | 2010-12-01 | 2011-11-16 | Contrast to noise ratio (cnr) enhancer |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN103229209A true CN103229209A (zh) | 2013-07-31 |
| CN103229209B CN103229209B (zh) | 2016-03-09 |
Family
ID=45562371
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201180057548.4A Active CN103229209B (zh) | 2010-12-01 | 2011-11-16 | 用于增强图像数据的对比噪声比cnr的方法和系统 |
Country Status (5)
| Country | Link |
|---|---|
| US (1) | US9159124B2 (zh) |
| EP (1) | EP2646975B1 (zh) |
| CN (1) | CN103229209B (zh) |
| RU (1) | RU2598334C2 (zh) |
| WO (1) | WO2012073140A1 (zh) |
Families Citing this family (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP2671209B1 (en) | 2011-02-01 | 2016-12-07 | Koninklijke Philips N.V. | Method and system for dual energy ct image reconstruction |
| JP6100772B2 (ja) | 2011-07-15 | 2017-03-22 | コーニンクレッカ フィリップス エヌ ヴェＫｏｎｉｎｋｌｉｊｋｅ Ｐｈｉｌｉｐｓ Ｎ．Ｖ． | 画像処理方法及びコンピューティング装置 |
| CN113423438A (zh) * | 2019-02-06 | 2021-09-21 | 威廉·E·巴特勒 | 用于血管造影的改进方法 |
| EP3920802A4 (en) | 2019-02-06 | 2022-11-16 | William E. Butler | SPATIAL-TEMPORAL RECONSTRUCTION OF A MOVING VASCULAR PULSE WAVE FROM A VARIETY OF LOWER-DIMENSIONAL ANGIOGRAPHIC PROJECTIONS |
| KR20210130785A (ko) | 2019-03-27 | 2021-11-01 | 윌리암 이. 버틀러 | 혈관 조영 데이터에서 심장 주파수 현상 재구성 |
| AU2020252576B2 (en) | 2019-04-04 | 2023-05-18 | William E. Butler | Intrinsic contrast optical cross-correlated wavelet angiography |
| US12008689B2 (en) | 2021-12-03 | 2024-06-11 | Canon Medical Systems Corporation | Devices, systems, and methods for deep-learning kernel-based scatter estimation and correction |
| WO2024081800A1 (en) * | 2022-10-12 | 2024-04-18 | Octave Bioscience, Inc. | Measuring brain volumes for modeling neurological disease state |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20090002562A1 (en) * | 2007-01-17 | 2009-01-01 | Kazuki Yokoyama | Image Processing Device, Image Processing Method, Program for Image Processing Method, and Recording Medium Having Program for Image Processing Method Recorded Thereon |
| CN101583314A (zh) * | 2006-12-20 | 2009-11-18 | 株式会社日立医药 | X射线ct装置 |
Family Cites Families (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6466687B1 (en) * | 1997-02-12 | 2002-10-15 | The University Of Iowa Research Foundation | Method and apparatus for analyzing CT images to determine the presence of pulmonary tissue pathology |
| DE10107765A1 (de) * | 2001-02-17 | 2002-08-29 | Siemens Ag | Verfahren zur Bildbearbeitung ausgehend von einem unter Verwendung eines Kontrastmittels aufgenommenen Computertomographie(CT)-Bildes einer Lunge und CT-Gerät zur Durchführung eines solchen Verfahrens |
| US6512807B1 (en) * | 2001-11-21 | 2003-01-28 | Koninklijke Philips Electronics, N.V. | Low signal correction for perfusion measurements |
| PT103200B (pt) * | 2004-09-30 | 2006-08-24 | Taguspark-Soc. Prom.Desenv.Parq.Ci.Tec.Area Lisboa | Sistema de tomografia por emissão de positrões (pet) |
| US20070263915A1 (en) * | 2006-01-10 | 2007-11-15 | Adi Mashiach | System and method for segmenting structures in a series of images |
| US20090226057A1 (en) * | 2008-03-04 | 2009-09-10 | Adi Mashiach | Segmentation device and method |
| RU2565507C2 (ru) * | 2009-11-25 | 2015-10-20 | Конинклейке Филипс Электроникс Н.В. | Система и способ для улучшения качества изображения |
-
2011
- 2011-11-16 RU RU2013135000/08A patent/RU2598334C2/ru not_active IP Right Cessation
- 2011-11-16 US US13/989,158 patent/US9159124B2/en active Active
- 2011-11-16 CN CN201180057548.4A patent/CN103229209B/zh active Active
- 2011-11-16 WO PCT/IB2011/055122 patent/WO2012073140A1/en active Application Filing
- 2011-11-16 EP EP11815716.3A patent/EP2646975B1/en not_active Not-in-force
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101583314A (zh) * | 2006-12-20 | 2009-11-18 | 株式会社日立医药 | X射线ct装置 |
| US20090002562A1 (en) * | 2007-01-17 | 2009-01-01 | Kazuki Yokoyama | Image Processing Device, Image Processing Method, Program for Image Processing Method, and Recording Medium Having Program for Image Processing Method Recorded Thereon |
Non-Patent Citations (1)
| Title |
|---|
| KENNETH S. KUMP ET AL.: "Digital subtraction peripheral angiography using image stacking:Initial clinical results", 《MEDICAL PHYSICS》 * |
Also Published As
| Publication number | Publication date |
|---|---|
| EP2646975A1 (en) | 2013-10-09 |
| CN103229209B (zh) | 2016-03-09 |
| US20130243348A1 (en) | 2013-09-19 |
| WO2012073140A1 (en) | 2012-06-07 |
| RU2598334C2 (ru) | 2016-09-20 |
| US9159124B2 (en) | 2015-10-13 |
| RU2013135000A (ru) | 2015-01-27 |
| EP2646975B1 (en) | 2018-07-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10147168B2 (en) | Spectral CT | |
| CN103229209B (zh) | 用于增强图像数据的对比噪声比cnr的方法和系统 | |
| Manduca et al. | Projection space denoising with bilateral filtering and CT noise modeling for dose reduction in CT | |
| US11328391B2 (en) | System and method for controlling noise in multi-energy computed tomography images based on spatio-spectral information | |
| EP2586374B1 (en) | Method and apparatus for large field of view imaging and detection and compensation of motion artifacts | |
| CN105025794B (zh) | 谱ct的结构传播恢复 | |
| EP2605211B1 (en) | Image processing apparatus, image processing method, and program | |
| EP2691932B1 (en) | Contrast-dependent resolution image | |
| Greffier et al. | Which dose for what image? Iterative reconstruction for CT scan | |
| Li et al. | Multienergy cone-beam computed tomography reconstruction with a spatial spectral nonlocal means algorithm | |
| EP3134867B1 (en) | Restoration of low contrast structure in de-noise image data | |
| CN110574073B (zh) | 能谱计算机断层摄影(ct)成像中的残余碘伪影的探测和/或校正 | |
| Yu et al. | Sinogram smoothing with bilateral filtering for low-dose CT | |
| Seo et al. | Optimization of smoothing factor for fast non-local means algorithm in high pitch based low-dose computed tomography images with tin-filter | |
| Yu et al. | Adaptive modulation of bilateral filtering based on a practical noise model for streaking and noise reduction in multi-slice CT | |
| Giordano et al. | Spatially regularized region-based perfusion estimation in peripherals using angiographic C-arm systems | |
| Kim et al. | Comparison study of various beam modulation schemes on image quality in chest digital tomosynthesis (CDT) system | |
| Babykala et al. | Noise reduction in CT lung images | |
| Li et al. | Joint regularization-based image reconstruction by combining data-driven tight frame and total variation for low-dose computed tomography | |
| Peng et al. | Optimization-Based Image Reconstruction Regularized with Inter-Spectral Structural Similarity for Limited-Angle Dual-Energy Cone-Beam CT | |
| Dorn | Context-sensitive imaging for single, dual and multi energy computed tomography | |
| Balda et al. | Value-based noise reduction for low-dose dual-energy computed tomography |
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 |