CN103310432A - 基于四阶全变分流的ct图像归一化的金属伪影校正法 - Google Patents
基于四阶全变分流的ct图像归一化的金属伪影校正法 Download PDFInfo
- Publication number
- CN103310432A CN103310432A CN2013102578666A CN201310257866A CN103310432A CN 103310432 A CN103310432 A CN 103310432A CN 2013102578666 A CN2013102578666 A CN 2013102578666A CN 201310257866 A CN201310257866 A CN 201310257866A CN 103310432 A CN103310432 A CN 103310432A
- Authority
- CN
- China
- Prior art keywords
- image
- metal
- data
- projection
- prior
- 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
基于四阶全变分流的CT图像归一化的金属伪影校正的方法,其采用基于凸性分裂方法进行求解,以实现金属伪影的校正。具体实现步骤包括:采集数据、重建图像、分割金属区域、计算先验图像、获取金属区域和先验图像的重投影、归一化投影数据、四阶全变分方程校正、反归一化校正后的数据、再次重建图像、对图像金属区域恢复。其具有能够有效的去除金属伪影,并很好的保留金属及其周围的结构信息,最大程度抑制了二次伪影的出现等优点。
Description
技术领域
本发明属于医学影像处理领域,涉及CT图像处理领域,特别是一种金属伪影校正方法。
背景技术
目前,CT的应用越来越广泛,随之而来的是一系列的新问题,重建图像中的金属伪影就是其中之一。金属伪影在图像中表现为明暗相间的条状伪影,这些伪影降低图像质量,严重影响图像的后续处理和分析。金属伪影的形成主要是由于射束硬化。CT实际产生的X射线覆盖了一个很宽的频谱,而大多数材料的线性衰减系数又是和能量相关的,当具有多能谱的X射线射向一软组织时,能量较低的光子比能量较高的光子被吸收得更多,导致高能光子的比率变大,X射线变“硬”。射线通过金属物质这种高吸收系数的物质后,能量大大降低,这时射束硬化效果会越来越明显,最后的透射强度位于数据电子设备动态范围的底部,导致投影数出现跳跃变化,经过滤波处理后,这种弱连续性进一步扩大,就在图像中形成明暗相间的“条状”伪影。
在此之前,人们也提出了很多方法来校正金属伪影。这些方法基本上可以分为以下几类:正弦图修补法、迭代法、统计学方法和滤波法。最为常用的是正弦图修补法,首先确定金属投影区域,将金属影响的数值视为丢失数据,然后对它们进行修补,最后重建图像。这类方法较为简单,便于实际操作,修补的方法不同,也会带来二次的伪影。迭代法能有效去除金属伪影和抑制噪声,而且能很好的呈现金属物体的结构,但其运算量非常大,速度很慢,难以实用化。统计学方法和滤波法对噪声不太敏感,可很好呈现金属物体的结构,但操作复杂,在现实医用CT中有很大局限性。
发明内容
本发明的目的是针对当前主流算法存在的不足,提出一种新的金属伪影校正方法,可以保留金属结构的边缘信息,使正弦图修补过程中原始数据和修补数据之间足够平滑,最大程度抑制重建后金属结构周围的二次伪影。
其包括,基于四阶全变分流的CT图像归一化的金属伪影校正法,基于四阶全变分流的CT图像归一化的金属伪影校正法,包括以下步骤:
(1)原始扫描数据采集
利用微计算机断层成像系统采集360°的生物体投影数据,得到正弦图g(m,n),m=1,…M,n=1,…N,其中M是探测器总个数,N是投影角度总数;
(2)确定金属区域
利用步骤(1)中得到的扇束投影数据g(m,n),对投影数据用FBP重建,得到含有金属伪影的CT图像fΩ(x,y),并选择阈值hm提取金属区域:
(3)计算先验图像
对步骤(2)中重建的图像进行高斯平滑滤波,然后通过阈值分割出空气区域、软组织区域和骨骼区域,将空气区域的CT值设定为-1000HU,软组织区域的CT值设定为0HU,骨骼区域的CT值保持不变,金属区域的CT值用其周围的值来填充;
(4)对金属区域和先验图像进行重投影
利用Joseph投影法分别对金属区域和先验图像进行前向投影,得到每个投影角度下的重投影即正弦图,确定金属投影数据的范围gmetal和先验图像的前向投影gprior;
gmetal(n)={[s(i,n),e(i,n)]},i=1,…l(n)
其中l(n)是金属区域在角度n下总的投影点数,s(i,n),e(i,n)是金属投影数据在每个角度下的起始和结束位置,先验图像的前向投影gprior(m,n),m=1,…M,n=1,…N,用来对原始扫描数据归一化;
(5)原始扫描数据的归一化
原始扫描数据g除以先验图像的前向投影gprior,得到归一化后的数据gnorm:
其中teps为正数以避免除数为零;
(6)对金属区域投影数据进行校正
在步骤(5)中得到了归一化的投影数据gnorm,根据步骤(4)中确定的金属重投影数据区域gmetal,采用四阶TV方程对归一化数据gnorm在金属投影区域gmetal进行数据校正,得到校正后的投影数据gTV;
(7)进行反归一化,其包括:
gdenorm=gTV*(gprior+teps)
其中teps取值和步骤(5)中保持一致;
(8)重建图像并恢复图像金属信息步骤,其包括:
对非金属部分的投影数据,用原投影数据g对校正后的投影数据gdenorm进行替代:
图像f′(x,y)即为校正后的图像。
在上述技术方案耳朵基础上,步骤(6)中对金属投影区域校正时利用了步骤(3)中所获得的原重建图像计算得到的先验信息。
在上述技术方案耳朵基础上,所述四阶TV方程校正具体包括:
且
f为需要校正的图像,即为gnorm,需要校正的区域为gmetal,u为迭代过程中校正图像f的变化结果,δ为平滑参数0<δ<<1。
在上述技术方案耳朵基础上,运用凸面分裂的思想计算公式(1),其具体包括:
当λ=0时,公式(1)为梯度流用H-1范数表示其能量:
公式(1)中的后项也是梯度流,用L2范数表示其能量:
然后对E1进行分裂:E1=E11-E12
同理,E2也可以分裂为:E2=E21-E22
根据以上讨论的分裂思想可得到以下时步方法:
式中C1>1/δ,C2>λ0,Uk表示经过上式第k次迭代后的结果,即图像gnorm在时间k△t后的结果,即可得到校正后的投影数据gTV。
相对于现有技术,本发明采用归一化对扫描的原始投影数据预处理,可有效保留金属结构的边缘信息,尤其对骨骼中含有金属的情况,本发明处理效果更优于其他方法。同时,本发明采用四阶TV方程对金属投影区域数据进行校正,可有效的去除金属伪影,并很好的保留金属及周围的结构信息,可有效的抑制二次伪影。
附图说明
图1为本发明的流程图;
图2为需要扫描重建的理性模型原图;
图3为未经金属伪影校正的仿真重建结果;
图4为本发明实施案例的仿真重建结果。
具体实施方式
下面结合附图具体实施例来详细描述本发明的技术方案。
参照图1介绍一下本发明的主要步骤:
步骤1,原始扫描数据采集
通过软件控制旋转台旋转小角度,一般为不大于1°,微计算机断层成像系统采集360°的生物体投影数据。利用预处理软件对计算机断层成像投影数据进行补偿坏点坏线、亮场暗场校正、几何校正预处理,即得到正弦图g(m,n),m=1,…M,n=1,…N,M是探测器总个数,N是投影角度总数。
步骤2,确定金属区域
利用步骤1中得到的扇束投影数据g(m,n),对投影数据直接用FBP重建,得到含有金属伪影的CT图像fΩ(x,y),选择适当的阈值hm提取金属区域:
步骤3,计算先验图像
先验图像是一个不包含伪影而又特别接近重建图像的模型图像。为了获取先验图像,要在步骤2中重建的图像g(m,n)上划分出空气区域、软组织区域和骨骼区域。先对重建图像g(m,n)进行高斯平滑滤波,然后通过适当的阈值分割出空气区域、软组织区域和骨骼区域。将空气区域的CT值设定为-1000HU,软组织区域的CT值设定为0HU,骨骼区域的CT值保持不变,而金属区域的CT值用其周围的值来填充,因为之后正弦图修补利用的是金属周边的数据,且金属区域的数据是用不到的,同时这样也不会影响之后的归一化和正弦图的修补。
步骤4,对金属区域和先验图像进行重投影
对通过阈值分割出来的金属区域进行重投影,确定金属投影数据的区域,这样才能对该范围内的投影数据进校正。利用Joseph投影法或距离驱动投影法分别对金属区域和先验图像进行前向投影,得到每个投影角度下的重投影即正弦图,确定金属投影数据的范围gmetal和先验图像的前向投影gprior。
gmetal(n)={[s(i,n),e(i,n)]},i=1,…l(n)
l(n)是金属区域在角度n下总的投影点数,s(i,n),e(i,n)是金属投影数据在每个角度下的起始和结束位置。先验图像的前向投影gprior(m,n),m=1,…M,n=1,…N,用来对原始扫描数据归一化。
步骤5,原始扫描数据的归一化
为了使得原扫描数据更为平坦,需要对其归一化。原始扫描数据g除以先验图像的前向投影gprior,其中除法是针对每个像素而言的,即可得到归一化后的数据gnorm:
这里选用一个较小的正数teps来避免除数为零。
步骤6,对金属区域投影数据进行校正
步骤5中得到了归一化的投影数据gnorm,根据步骤4中确定的金属重投影数据区域gmetal,对归一化数据gnorm在金属投影区域gmetal进行数据校正。本发明中运用的是四阶TV方程校正:
且
f为需要校正的图像,本发明中即为gnorm,需要校正的区域为gmetal,u为迭代过程中校正图像f的变化结果,δ为平滑参数0<δ<<1。运用凸面分裂的思想可快速计算公式(2),当λ=0时,公式(1)为梯度流用H-1范数表示其能量:
公式(2)中的后项也是梯度流,用L2范数表示其能量:
然后对E1进行分裂:E1=E11-E12
同理,E2也可以分裂为:E2=E21-E22
根据分裂思想可得到以下时步方法:
式中C1>1/δ,C2>λ0,Uk表示经过上式第k次迭代后的结果,即图像gnorm在时间k△t后的结果。可得到校正后的投影数据gTV。
步骤7,对校正后的投影数据进行反归一化
步骤6中的校正过程是在归一化的数据上进行的,为了得到实际的投影数据,需要对校正后的投影数据gTV进行反归一化,得到gdenorm:
gdenorm=gTV*(gprior+teps)
这里的数teps取值要和步骤5中保持一致。
步骤8,重建图像并恢复图像金属信息
由步骤7得到的投影数据gdenorm虽然对金属区域的投影数据进行了校正,同时也对非金属区域的数据进行了一定程度的平滑。对于非金属部分的投影数据,要用原投影数据g对校正后的投影数据gdenorm进行替代:
然后直接使用FBP重建,得到图像并恢复图像金属部分信息。在图像中,金属伪影得到基本消除,但是却丢失了金属的信息,所以需要对图像金属信息进行恢复。只需要将原图像fΩ(x,y)中的金属区域取代金属区域即可:
图像f′(x,y)即为校正后的图像。
下面结合附图2、附图3和附图4对本发明的重建结果做进一步的描述。
本案例中,采用扇束解析法模拟投影数据,投影角度为0.72°,共500个投影度,探测器数目为730个,重建图像大小为512*512。
附图2需要扫描重建的理性模型原图。其中,白色部分为金属物体。
附图3为未经金属伪影校正的仿真重建结果。其中,金属伪影明显,图像质量非常差,而且金属结构不清晰。旋转角度为360°,采集的投影数据的个数是500个。
图4为本发明实施案例的仿真重建结果。其中,金属伪影消失,图像质量提高,而且金属结构比较清晰。旋转角度为360°,采集的投影数据的个数是500个。
将本发明的重建效果附图4和未经金属伪影校正的重建结果附图3、需要扫描重建的理性模型附图2进行比较,可以看出重建结果中的金属伪影得到了校正,可以清晰的得到了实验模型的重建结果,并且金属及其周围的结构变得清晰,说明本发明克服了现有技术校正后丢失金属周围结构信息的缺点,有效的完成计算机断层成像的金属伪影校正。
Claims (4)
1.基于四阶全变分流的CT图像归一化的金属伪影校正法,其特征在于,包括以下步骤:
(1)原始扫描数据采集
利用微计算机断层成像系统采集360°的生物体投影数据,得到正弦图g(m,n),m=1,…M,n=1,…N,其中M是探测器总个数,N是投影角度总数;
(2)确定金属区域
利用步骤(1)中得到的扇束投影数据g(m,n),对投影数据用FBP重建,得到含有金属伪影的CT图像fΩ(x,y),并选择阈值hm提取金属区域:
(3)计算先验图像
对步骤(2)中重建的图像进行高斯平滑滤波,然后通过阈值分割出空气区域、软组织区域和骨骼区域,将空气区域的CT值设定为-1000HU,软组织区域的CT值设定为0HU,骨骼区域的CT值保持不变,金属区域的CT值用其周围的值来填充;
(4)对金属区域和先验图像进行重投影
利用Joseph投影法分别对金属区域和先验图像进行前向投影,得到每个投影角度下的重投影即正弦图,确定金属投影数据的范围gmetal和先验图像的前向投影gprior;
gmetal(n)={[s(i,n),e(i,n)]},i=1,…l(n)
其中l(n)是金属区域在角度n下总的投影点数,s(i,n),e(i,n)是金属投影数据在每个角度下的起始和结束位置,先验图像的前向投影gprior(m,n),m=1,…M,n=1,…N,用来对原始扫描数据归一化;
(5)原始扫描数据的归一化
原始扫描数据g除以先验图像的前向投影gprior,得到归一化后的数据gnorm:
其中teps为正数以避免除数为零;
(6)对金属区域投影数据进行校正
在步骤(5)中得到了归一化的投影数据gnorm,根据步骤(4)中确定的金属重投影数据区域gmetal,采用四阶TV方程对归一化数据gnorm在金属投影区域gmetal进行数据校正,得到校正后的投影数据gTV;
(7)进行反归一化,其包括:
gdenorm=gTV*(gprior+teps)
其中teps取值和步骤(5)中保持一致;
(8)重建图像并恢复图像金属信息步骤,其包括:
对非金属部分的投影数据,用原投影数据g对校正后的投影数据gdenorm进行替代:
图像f′(x,y)即为校正后的图像。
2.根据权利要求1所述的基于四阶全变分流的CT图像归一化的金属伪影校正法,其特征在于:步骤(6)中对金属投影区域校正时利用了步骤(3)中所获得的原重建图像计算得到的先验信息。
3.如权利要求1所述的基于四阶全变分流的CT图像归一化的金属伪影校正法,其特征在于:所述四阶TV方程校正具体包括:
且
f为需要校正的图像,即为gnorm,需要校正的区域为gmetal,u为迭代过程中校正图像f的变化结果,δ为平滑参数0<δ<<1。
4.如权利要求3所述的基于四阶全变分流的CT图像归一化的金属伪影校正法,其特征在于:运用凸面分裂的思想计算公式(1),其具体包括:
当λ=0时,公式(1)为梯度流用H-1范数表示其能量:
公式(1)中的后项也是梯度流,用L2范数表示其能量:
然后对E1进行分裂:E1=E11-E12
同理,E2也可以分裂为:E2=E21-E22
根据以上讨论的分裂思想可得到以下时步方法:
式中C1>1/δ,C2>λ0,Uk表示经过上式第k次迭代后的结果,即图像gnorm在时间k△t后的结果,即可得到校正后的投影数据gTV。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310257866.6A CN103310432B (zh) | 2013-06-25 | 2013-06-25 | 基于四阶全变分流的ct图像归一化的金属伪影校正法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310257866.6A CN103310432B (zh) | 2013-06-25 | 2013-06-25 | 基于四阶全变分流的ct图像归一化的金属伪影校正法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103310432A true CN103310432A (zh) | 2013-09-18 |
CN103310432B CN103310432B (zh) | 2016-01-06 |
Family
ID=49135609
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310257866.6A Expired - Fee Related CN103310432B (zh) | 2013-06-25 | 2013-06-25 | 基于四阶全变分流的ct图像归一化的金属伪影校正法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103310432B (zh) |
Cited By (28)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104318536A (zh) * | 2014-10-21 | 2015-01-28 | 沈阳东软医疗系统有限公司 | Ct图像的校正方法及装置 |
CN104783825A (zh) * | 2014-01-22 | 2015-07-22 | 西门子公司 | 用于产生血管系统的二维投影图像的方法和装置 |
CN104992409A (zh) * | 2014-09-30 | 2015-10-21 | 中国科学院苏州生物医学工程技术研究所 | 一种ct图像的金属伪影校正方法 |
CN105243678A (zh) * | 2015-09-23 | 2016-01-13 | 倪昕晔 | 放疗中基于mvcbct和kvct的金属伪影去除方法 |
CN105374014A (zh) * | 2015-08-25 | 2016-03-02 | 上海联影医疗科技有限公司 | 图像校正方法及装置、医学图像生成方法及装置 |
CN105528771A (zh) * | 2016-01-19 | 2016-04-27 | 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 |
CN105551001A (zh) * | 2015-12-11 | 2016-05-04 | 沈阳东软医疗系统有限公司 | 一种图像重建方法、装置及设备 |
CN105574904A (zh) * | 2015-12-11 | 2016-05-11 | 沈阳东软医疗系统有限公司 | 一种图像重建方法、装置及设备 |
WO2017031982A1 (en) * | 2015-08-24 | 2017-03-02 | Chongqing University Of Posts And Telecommunications | Methods, systems, and media for noise reduction in computed tomography images |
CN107730569A (zh) * | 2017-11-30 | 2018-02-23 | 上海联影医疗科技有限公司 | 一种医学图像伪影校正方法及装置 |
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 |
CN107993277A (zh) * | 2017-11-28 | 2018-05-04 | 河海大学常州校区 | 基于先验知识的损伤部位人造骨骼修补模型重建方法 |
CN108418552A (zh) * | 2018-03-20 | 2018-08-17 | 苏州巨能图像检测技术有限公司 | 应用于电池片黑心检测的圆环投影方法 |
EP3362987A4 (en) * | 2015-10-14 | 2018-11-21 | Shanghai United Imaging Healthcare Co., Ltd. | System and method for image correction |
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 |
CN109118555A (zh) * | 2018-08-14 | 2019-01-01 | 广州华端科技有限公司 | 计算机断层成像的金属伪影校正方法和系统 |
CN109472836A (zh) * | 2018-09-13 | 2019-03-15 | 西安大数据与人工智能研究院 | 一种ct迭代重建中伪影校正方法 |
CN110097517A (zh) * | 2019-04-28 | 2019-08-06 | 东软医疗系统股份有限公司 | 去除图像伪影的方法及装置 |
CN110390701A (zh) * | 2019-07-08 | 2019-10-29 | 东软医疗系统股份有限公司 | 一种伪影的校正方法、伪影校正系数的仿真方法及装置 |
CN110400286A (zh) * | 2019-06-05 | 2019-11-01 | 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 |
CN110599559A (zh) * | 2018-06-13 | 2019-12-20 | 西门子医疗有限公司 | 多能量金属伪影减少 |
CN110751701A (zh) * | 2019-10-18 | 2020-02-04 | 北京航空航天大学 | 一种基于深度学习的x射线吸收衬度计算机断层成像不完备数据重建方法 |
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 |
CN111009019A (zh) * | 2019-09-27 | 2020-04-14 | 北京航空航天大学 | 基于深度学习的微分相衬ct不完备数据重建方法 |
US10922855B2 (en) | 2017-11-30 | 2021-02-16 | Shanghai United Imaging Healthcare Co., Ltd. | Systems and methods for determining at least one artifact calibration coefficient |
CN113191957A (zh) * | 2020-01-29 | 2021-07-30 | 西门子医疗有限公司 | 校正条纹伪影的方法、校正单元和断层扫描设备 |
CN113729747A (zh) * | 2021-08-09 | 2021-12-03 | 中科超精(南京)科技有限公司 | 一种球形金属标记的锥束ct金属伪影去除系统及去除方法 |
CN117830456A (zh) * | 2024-03-04 | 2024-04-05 | 中国科学技术大学 | 用于校正图像金属伪影的方法、装置及电子设备 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6470097B1 (en) * | 1999-01-22 | 2002-10-22 | Siemens Corporation Research, Inc. | Total variational blind image restoration from image sequences |
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 |
CN102314698A (zh) * | 2011-08-10 | 2012-01-11 | 南方医科大学 | 基于阿尔法散度约束的全变分最小化剂量ct重建方法 |
CN102609908A (zh) * | 2012-01-13 | 2012-07-25 | 中国人民解放军信息工程大学 | 基于基图像tv模型的ct射束硬化校正方法 |
-
2013
- 2013-06-25 CN CN201310257866.6A patent/CN103310432B/zh not_active Expired - Fee Related
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6470097B1 (en) * | 1999-01-22 | 2002-10-22 | Siemens Corporation Research, Inc. | Total variational blind image restoration from image sequences |
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 |
CN102314698A (zh) * | 2011-08-10 | 2012-01-11 | 南方医科大学 | 基于阿尔法散度约束的全变分最小化剂量ct重建方法 |
CN102609908A (zh) * | 2012-01-13 | 2012-07-25 | 中国人民解放军信息工程大学 | 基于基图像tv模型的ct射束硬化校正方法 |
Non-Patent Citations (6)
Title |
---|
A. BUADES ET AL.: "Topology preserving linear filtering applied to medical imaging", 《SIAM JOURNAL ON IMAGING SCIENCES》, vol. 1, no. 1, 31 March 2009 (2009-03-31) * |
CAROLA-BIBIANE SCHONLIELB ET AL.: "Image Inpainting Using a Fourth-Order Total Variation Flow", 《CITESEERX》, 19 April 2009 (2009-04-19) * |
ESTHER MEYER ET AL.: "Normalized metal artifact reduction (NMAR) in computed tomography", 《NUCLEAR SCIENCE SYMPOSIUM CONFERENCE RECORD (NSS/MIC)2009 IEEE》, 1 November 2009 (2009-11-01) * |
MARTIN BURGER ET AL.: "Cahn-Hilliard inpainting and a generalization for grayvalue images", 《SIAM JOURNAL ON IMAGING SCIENCES》, vol. 2, no. 4, 4 November 2009 (2009-11-04) * |
PETER M.JOSEPH: "An improved algorithm for reprojecting rays through pixel images", 《IEEE TRANSACTIONS ON MEDICAL IMAGING》, vol. 1, no. 4, 30 November 1982 (1982-11-30) * |
高洋,曾理: "结合全变差最小化的双能CT重建", 《计算机应用研究》, vol. 29, no. 3, 15 March 2012 (2012-03-15) * |
Cited By (59)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104783825A (zh) * | 2014-01-22 | 2015-07-22 | 西门子公司 | 用于产生血管系统的二维投影图像的方法和装置 |
CN104783825B (zh) * | 2014-01-22 | 2018-06-29 | 西门子公司 | 用于产生血管系统的二维投影图像的方法和装置 |
US9968324B2 (en) | 2014-01-22 | 2018-05-15 | Siemens Aktiengesellschaft | Generating a 2D projection image of a vascular system |
CN104992409B (zh) * | 2014-09-30 | 2018-01-12 | 中国科学院苏州生物医学工程技术研究所 | 一种ct图像的金属伪影校正方法 |
CN104992409A (zh) * | 2014-09-30 | 2015-10-21 | 中国科学院苏州生物医学工程技术研究所 | 一种ct图像的金属伪影校正方法 |
US10092266B2 (en) | 2014-10-21 | 2018-10-09 | Shenyang Neusoft Medical Systems Co., Ltd. | Metal artifact correction and noise-adjustment of CT scan image |
CN104318536A (zh) * | 2014-10-21 | 2015-01-28 | 沈阳东软医疗系统有限公司 | Ct图像的校正方法及装置 |
US10964072B2 (en) | 2015-08-24 | 2021-03-30 | Chongqing University Of Posts And Telecommunications | Methods, systems, and media for noise reduction in computed tomography images |
WO2017031982A1 (en) * | 2015-08-24 | 2017-03-02 | Chongqing University Of Posts And Telecommunications | Methods, systems, and media for noise reduction in computed tomography images |
CN105374014A (zh) * | 2015-08-25 | 2016-03-02 | 上海联影医疗科技有限公司 | 图像校正方法及装置、医学图像生成方法及装置 |
CN105374014B (zh) * | 2015-08-25 | 2018-01-12 | 上海联影医疗科技有限公司 | 图像校正方法及装置、医学图像生成方法及装置 |
CN105243678B (zh) * | 2015-09-23 | 2018-01-09 | 倪昕晔 | 放疗中基于mvcbct和kvct的金属伪影去除方法 |
CN105243678A (zh) * | 2015-09-23 | 2016-01-13 | 倪昕晔 | 放疗中基于mvcbct和kvct的金属伪影去除方法 |
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 |
EP3362987A4 (en) * | 2015-10-14 | 2018-11-21 | Shanghai United Imaging Healthcare Co., Ltd. | System and method for image correction |
US10521886B2 (en) | 2015-10-14 | 2019-12-31 | Shanghai United Imaging Healthcare Co., Ltd. | System and method for image correction |
CN105574904A (zh) * | 2015-12-11 | 2016-05-11 | 沈阳东软医疗系统有限公司 | 一种图像重建方法、装置及设备 |
US10008012B2 (en) | 2015-12-11 | 2018-06-26 | Shenyang Neusoft Medical Systems Co., Ltd. | Image reconstruction |
CN105551001A (zh) * | 2015-12-11 | 2016-05-04 | 沈阳东软医疗系统有限公司 | 一种图像重建方法、装置及设备 |
US10163233B2 (en) | 2015-12-11 | 2018-12-25 | Shenyang Neusoft Medical Systems Co., Ltd. | Image reconstruction |
CN105574904B (zh) * | 2015-12-11 | 2019-01-11 | 沈阳东软医疗系统有限公司 | 一种图像重建方法、装置及设备 |
CN105551001B (zh) * | 2015-12-11 | 2019-01-15 | 沈阳东软医疗系统有限公司 | 一种图像重建方法、装置及设备 |
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 |
CN105528771A (zh) * | 2016-01-19 | 2016-04-27 | 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 |
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 |
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 |
CN108937995B (zh) * | 2017-05-03 | 2022-12-16 | 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 |
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 |
CN107993277B (zh) * | 2017-11-28 | 2019-12-17 | 河海大学常州校区 | 基于先验知识的损伤部位人造骨骼修补模型重建方法 |
CN107993277A (zh) * | 2017-11-28 | 2018-05-04 | 河海大学常州校区 | 基于先验知识的损伤部位人造骨骼修补模型重建方法 |
US10922855B2 (en) | 2017-11-30 | 2021-02-16 | Shanghai United Imaging Healthcare Co., Ltd. | Systems and methods for determining at least one artifact calibration coefficient |
CN107730569A (zh) * | 2017-11-30 | 2018-02-23 | 上海联影医疗科技有限公司 | 一种医学图像伪影校正方法及装置 |
US11557071B2 (en) | 2017-11-30 | 2023-01-17 | Shanghai United Imaging Healthcare Co., Ltd. | Systems and methods for determining at least one artifact calibration coefficient |
CN107730569B (zh) * | 2017-11-30 | 2021-01-01 | 上海联影医疗科技股份有限公司 | 一种医学图像伪影校正方法及装置 |
CN108418552A (zh) * | 2018-03-20 | 2018-08-17 | 苏州巨能图像检测技术有限公司 | 应用于电池片黑心检测的圆环投影方法 |
CN110599559A (zh) * | 2018-06-13 | 2019-12-20 | 西门子医疗有限公司 | 多能量金属伪影减少 |
CN110599559B (zh) * | 2018-06-13 | 2023-07-14 | 西门子医疗有限公司 | 多能量金属伪影减少 |
CN109118555B (zh) * | 2018-08-14 | 2019-06-14 | 广州华端科技有限公司 | 计算机断层成像的金属伪影校正方法和系统 |
CN109118555A (zh) * | 2018-08-14 | 2019-01-01 | 广州华端科技有限公司 | 计算机断层成像的金属伪影校正方法和系统 |
CN109472836A (zh) * | 2018-09-13 | 2019-03-15 | 西安大数据与人工智能研究院 | 一种ct迭代重建中伪影校正方法 |
CN109472836B (zh) * | 2018-09-13 | 2021-02-02 | 西安大数据与人工智能研究院 | 一种ct迭代重建中伪影校正方法 |
CN110097517B (zh) * | 2019-04-28 | 2022-12-27 | 东软医疗系统股份有限公司 | 去除图像伪影的方法及装置 |
CN110097517A (zh) * | 2019-04-28 | 2019-08-06 | 东软医疗系统股份有限公司 | 去除图像伪影的方法及装置 |
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 |
CN110400286A (zh) * | 2019-06-05 | 2019-11-01 | 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 |
CN110390701A (zh) * | 2019-07-08 | 2019-10-29 | 东软医疗系统股份有限公司 | 一种伪影的校正方法、伪影校正系数的仿真方法及装置 |
CN110390701B (zh) * | 2019-07-08 | 2023-04-25 | 东软医疗系统股份有限公司 | 一种伪影的校正方法、伪影校正系数的仿真方法及装置 |
CN111009019B (zh) * | 2019-09-27 | 2021-07-16 | 北京航空航天大学 | 基于深度学习的微分相衬ct不完备数据重建方法 |
CN111009019A (zh) * | 2019-09-27 | 2020-04-14 | 北京航空航天大学 | 基于深度学习的微分相衬ct不完备数据重建方法 |
CN110751701A (zh) * | 2019-10-18 | 2020-02-04 | 北京航空航天大学 | 一种基于深度学习的x射线吸收衬度计算机断层成像不完备数据重建方法 |
CN110751701B (zh) * | 2019-10-18 | 2021-03-30 | 北京航空航天大学 | 一种基于深度学习的x射线吸收衬度计算机断层成像不完备数据重建方法 |
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 |
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 |
CN113191957A (zh) * | 2020-01-29 | 2021-07-30 | 西门子医疗有限公司 | 校正条纹伪影的方法、校正单元和断层扫描设备 |
CN113729747A (zh) * | 2021-08-09 | 2021-12-03 | 中科超精(南京)科技有限公司 | 一种球形金属标记的锥束ct金属伪影去除系统及去除方法 |
CN113729747B (zh) * | 2021-08-09 | 2024-04-26 | 中科超精(南京)科技有限公司 | 一种球形金属标记的锥束ct金属伪影去除系统及去除方法 |
CN117830456A (zh) * | 2024-03-04 | 2024-04-05 | 中国科学技术大学 | 用于校正图像金属伪影的方法、装置及电子设备 |
CN117830456B (zh) * | 2024-03-04 | 2024-05-28 | 中国科学技术大学 | 用于校正图像金属伪影的方法、装置及电子设备 |
Also Published As
Publication number | Publication date |
---|---|
CN103310432B (zh) | 2016-01-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103310432B (zh) | 基于四阶全变分流的ct图像归一化的金属伪影校正法 | |
CN103186883B (zh) | 一种ct图像重建中骨硬化伪影的校正方法 | |
JP6858664B2 (ja) | 医用画像処理装置及び医用画像診断装置 | |
CN104992409B (zh) | 一种ct图像的金属伪影校正方法 | |
CN102184533B (zh) | 基于非局部约束的全变分图像去模糊方法 | |
US20160110893A1 (en) | Correcting a ct scan image | |
CN106960429B (zh) | 一种ct图像金属伪影校正方法及装置 | |
CN103810734B (zh) | 一种低剂量x射线ct投影数据恢复方法 | |
CN104751429B (zh) | 一种基于字典学习的低剂量能谱ct图像处理方法 | |
CN103116879A (zh) | 一种基于邻域加窗的非局部均值ct成像去噪方法 | |
CN101980284A (zh) | 基于两尺度稀疏表示的彩色图像降噪方法 | |
CN101404088A (zh) | Ct图像重建的方法及系统 | |
CN104268914B (zh) | 一种4d‑ct不同时相序列图像的重建方法 | |
US20120314921A1 (en) | Motion-blurred imaging enhancement method and system | |
CN102314698A (zh) | 基于阿尔法散度约束的全变分最小化剂量ct重建方法 | |
CN104574416A (zh) | 一种低剂量能谱ct图像去噪方法 | |
Shtok et al. | Sparsity-based sinogram denoising for low-dose computed tomography | |
CN104504655A (zh) | 一种ct金属伪影处理方法和装置 | |
CN112085809A (zh) | 神经网络的训练方法、消除金属伪影的方法及其装置 | |
CN104881850A (zh) | 一种多时相遥感影像的厚云自动去除方法 | |
CN104809713A (zh) | 基于邻域信息与高斯滤波的cbct全景图非线性锐化增强方法 | |
JP2017221339A (ja) | X線ct画像再構成方法およびコンピュータプログラム | |
CN106023097A (zh) | 一种基于迭代法的流场图像预处理算法 | |
CN106910166B (zh) | 一种图像处理方法和装置 | |
Xiang et al. | A deep network architecture for image inpainting |
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 | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20160106 Termination date: 20210625 |
|
CF01 | Termination of patent right due to non-payment of annual fee |