CN103649990B - 用于谱ct的图像处理 - Google Patents
用于谱ct的图像处理 Download PDFInfo
- Publication number
- CN103649990B CN103649990B CN201280034976.XA CN201280034976A CN103649990B CN 103649990 B CN103649990 B CN 103649990B CN 201280034976 A CN201280034976 A CN 201280034976A CN 103649990 B CN103649990 B CN 103649990B
- Authority
- CN
- China
- Prior art keywords
- voxel
- model
- noise
- image
- spectrogram picture
- 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.)
- Active
Links
- 230000009467 reduction Effects 0.000 claims abstract description 58
- 238000000034 method Methods 0.000 claims abstract description 29
- 230000003595 spectral effect Effects 0.000 claims description 11
- ZCYVEMRRCGMTRW-UHFFFAOYSA-N 7553-56-2 Chemical compound [I] ZCYVEMRRCGMTRW-UHFFFAOYSA-N 0.000 abstract description 39
- 229910052740 iodine Inorganic materials 0.000 abstract description 39
- 239000011630 iodine Substances 0.000 abstract description 39
- 238000010586 diagram Methods 0.000 abstract description 21
- 210000000988 bone and bone Anatomy 0.000 abstract description 19
- 238000013459 approach Methods 0.000 abstract description 14
- 230000000694 effects Effects 0.000 abstract description 11
- 230000002708 enhancing effect Effects 0.000 abstract description 11
- 238000011160 research Methods 0.000 abstract description 10
- 230000011218 segmentation Effects 0.000 abstract description 9
- 230000002308 calcification Effects 0.000 abstract description 8
- 238000003384 imaging method Methods 0.000 abstract description 6
- 239000003623 enhancer Substances 0.000 abstract description 5
- 239000000463 material Substances 0.000 description 53
- OYPRJOBELJOOCE-UHFFFAOYSA-N Calcium Chemical compound [Ca] OYPRJOBELJOOCE-UHFFFAOYSA-N 0.000 description 22
- 229910052791 calcium Inorganic materials 0.000 description 22
- 239000011575 calcium Substances 0.000 description 22
- 230000005855 radiation Effects 0.000 description 19
- 238000001228 spectrum Methods 0.000 description 19
- 239000013598 vector Substances 0.000 description 16
- 238000000354 decomposition reaction Methods 0.000 description 12
- 239000000523 sample Substances 0.000 description 10
- 238000007689 inspection Methods 0.000 description 9
- 239000002872 contrast media Substances 0.000 description 8
- 230000006870 function Effects 0.000 description 8
- 230000004044 response Effects 0.000 description 8
- 238000012545 processing Methods 0.000 description 7
- 238000004088 simulation Methods 0.000 description 7
- 230000008859 change Effects 0.000 description 5
- 230000009977 dual effect Effects 0.000 description 5
- 210000001519 tissue Anatomy 0.000 description 5
- 238000005259 measurement Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 238000002591 computed tomography Methods 0.000 description 3
- 230000001965 increasing effect Effects 0.000 description 3
- 210000004872 soft tissue Anatomy 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 230000006378 damage Effects 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000011835 investigation Methods 0.000 description 2
- PNDPGZBMCMUPRI-UHFFFAOYSA-N iodine Chemical compound II PNDPGZBMCMUPRI-UHFFFAOYSA-N 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000005622 photoelectricity Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000002285 radioactive effect Effects 0.000 description 2
- 238000002601 radiography Methods 0.000 description 2
- 230000035945 sensitivity Effects 0.000 description 2
- 230000002792 vascular Effects 0.000 description 2
- 238000012800 visualization Methods 0.000 description 2
- 241000208340 Araliaceae Species 0.000 description 1
- 241001465754 Metazoa Species 0.000 description 1
- 206010028980 Neoplasm Diseases 0.000 description 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 1
- 235000003140 Panax quinquefolius Nutrition 0.000 description 1
- 241000283984 Rodentia Species 0.000 description 1
- 208000027418 Wounds and injury Diseases 0.000 description 1
- 230000009798 acute exacerbation Effects 0.000 description 1
- 210000003484 anatomy Anatomy 0.000 description 1
- 201000011510 cancer Diseases 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 238000002594 fluoroscopy Methods 0.000 description 1
- 235000008434 ginseng Nutrition 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 208000014674 injury Diseases 0.000 description 1
- 210000003734 kidney Anatomy 0.000 description 1
- 230000003907 kidney function Effects 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 210000003462 vein Anatomy 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
-
- 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]
- A61B6/032—Transmission 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
- A61B6/48—Diagnostic techniques
- A61B6/481—Diagnostic techniques involving the use of contrast agents
-
- 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
- A61B6/48—Diagnostic techniques
- A61B6/482—Diagnostic techniques involving multiple energy imaging
-
- 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
- A61B6/5205—Devices using data or image processing specially adapted for radiation diagnosis involving processing of raw data to produce diagnostic data
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2200/00—Indexing scheme for image data processing or generation, in general
- G06T2200/04—Indexing scheme for image data processing or generation, in general involving 3D image data
-
- 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
-
- 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]
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30008—Bone
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Physics & Mathematics (AREA)
- Radiology & Medical Imaging (AREA)
- Surgery (AREA)
- High Energy & Nuclear Physics (AREA)
- Veterinary Medicine (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Optics & Photonics (AREA)
- Pathology (AREA)
- Public Health (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Molecular Biology (AREA)
- Biophysics (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Pulmonology (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Image Processing (AREA)
- Image Generation (AREA)
Abstract
一种方法，包括基于噪声模型针对谱图像的（一个或多个）体素估计结构模型；将结构模型拟合到关于所述（一个或多个）体素的3D邻域；基于所述拟合和预定的模型选择标准来选择针对所述（一个或多个）体素的所述结构模型中的一个；以及基于选择的结构模型来对所述（一个或多个）体素进行降噪，产生一组降噪谱图像。另一种方法，包括基于降噪谱图像、经分解的降噪谱图像、碘图和对比度增强因子，针对对应于不同能量范围的一组谱图像中的每个能量图像生成虚拟对比度增强中间图像；以及通过模拟的部分体积效应与所述中间虚拟对比度增强图像进行合并，生成最终虚拟对比度增强图像。本文中还描述了用于生成虚拟非对比度图像、骨与钙化分割图以及碘图的途径，用于多能量成像研究。
Description
技术领域
下文总体上涉及计算机断层摄影（CT），并且更具体地，涉及谱CT。
背景技术
CT扫描器一般包括发射电离辐射的x射线管，所述电离辐射穿过检查区域及其中的目标或对象的一部分，并照射在所述检查区域间设置的与所述x射线管相对的探测器阵列。所述探测器产生指示探测到的辐射的投影数据。能够重建所述数据，以生成指示所述目标或对象的所述部分的体积图像数据。对于谱CT，所述投影数据包括被同时采集并且对应于不同光子能量范围的信号。存在若干种途径用于执行谱CT。例如，所述CT扫描器可以包括两个或多个源，至少一个源被配置为在至少两个不同kVp之间切换，和/或具有能量分辨率探测器的探测器阵列。
对于谱CT，两种采集的信号能够用于确定每个信号的光电贡献和康普顿贡献，并且通过其光电贡献和康普顿贡献的值来识别未知的材料。通常，由于两个基函数的任何两个线性独立的总和跨越整个衰减系数空间，任何材料均能够由两种基础材料的线性组合来表示。这在诸如碘的材料中尤其有效，这样的材料具有接近于诊断能量范围的平均值的k缘能量。此外，额外的谱信息改善了关于被扫描目标及其材料组成能够被确定的定量信息。所述基础材料也允许生成单色图像、材料取消图像、有效原子数图像以及电子密度图像。
再者，CT扫描器发射电离辐射。遗憾的是，电离辐射可以损伤或杀死细胞和/或增加癌症的风险。文献已指出，来自CT的剂量水平通常超过来自常规放射照相和荧光检查的剂量水平。然而，不能只将针对特定成像过程的辐射剂量降低，这是因为较低的剂量导致增加的图像噪声以及因此更模糊或不清晰的图像。此外，谱CT图像已固有地比常规非谱图像的噪声更大。例如，在双能研究中，每个图像均大致基于对应的非谱常规扫描的辐射剂量的一半。此外，对材料分解的估计是基于在其之间具有窄角度的两个向量之间的投影。这两个因素（即，大噪声与窄角度）的组合，显著放大了经估计的材料分解中的噪声。
对比度增强CT研究捕获所给予的放射对比度材料通过脉管组织的输送。大体上，针对对比度增强CT，将放射对比度材料团经静脉给予患者，并且扫描包括感兴趣脉管组织的所述患者中的感兴趣区域。随着所述放射对比度材料流过所述脉管组织，所述放射对比度材料引起所述感兴趣脉管组织中的x射线密度暂时增加，得到增强的数据。然而，在给予对比度材料后，一些患者经历特殊效应，并且某些患者会经历严重且有潜在生命威胁的过敏反应。对比度材料也可能诱导肾损伤，并且一些患者已发展为其肾功能的急性恶化。通常，较大的对比度材料体积导致较高对比度噪声比（CNR）的图像，而较低的体积导致较低CNR的图像。遗憾的是，随着所述对比度材料体积增加，与其相关联的风险也增加。
发明内容
本申请的各方面解决上述问题以及其他问题。
根据一个方面，一种方法，包括针对对应于不同能量范围的一组谱图像中的谱图像的一个或多个体素估计局部噪声值；产生针对所述图像的噪声模型；基于对应的噪声模型，针对所述谱图像的体素估计局部结构模型；将一组所述局部结构模型拟合到关于所述图像中的体素的所述图像中的三维体素邻域；基于所述拟合和预定的模型选择标准，选择针对所述体素的所述局部结构模型中的一个；以及，通过利用基于选择的局部结构模型来估计的值代替所述体素的值，基于选择的局部结构模型，对所述体素进行降噪，其中，在该组谱图像的多个谱图像的多个所述体素被降噪，产生一组降噪谱图像。
在另一方面中，一种计算装置，包括噪声估计器，其估计对应于不同能量范围的一组谱图像中的谱图像的噪声模式，其中，所述噪声模式用于针对所述谱图像的体素估计局部结构模型；模型拟合器，其将一组所述局部结构模型拟合到关于所述图像中的体素的所述图像中的三维体素邻域；以及，模型选择器，其基于所述拟合和预定的模型选择标准，选择针对所述体素的所述局部结构模型中的一个。
在另一方面中，一种方法，包括基于降噪谱图像的概率分解，生成钙概率图；通过执行所述钙概率图的全变差函数最小化，增强所述钙概率图；以及，基于增强的钙概率图和预定的阈值，生成表示骨与钙分割的二值掩模。
在另一方面中，一种方法，包括基于降噪谱图像的向量分解，生成一幅或多幅碘分布图；以及，基于所述一幅或多幅碘分布图和表示所述骨与钙分割的二值掩模，估计碘图。
在另一方面中，一种方法，包括基于降噪谱图像、经分解的降噪谱图像、碘图和对比度增强因子，针对对应于不同能量范围的一组谱图像中的每幅能量图像，生成虚拟对比度增强中间图像；以及通过将模拟的部分体积效应与所述中间虚拟对比度增强图像进行合并，生成最终虚拟对比度增强图像。
在另一方面中，一种方法，包括基于所述降噪谱图像、经分解的降噪谱图像和碘图，针对对应于不同能量范围的一组谱图像中的每个能量图像，生成虚拟非对比度中间图像；以及通过将模拟的部分体积效应与所述中间虚拟对比度增强图像，生成最终虚拟非对比度图像。
本领域普通技术人员在阅读和理解以下详细描述时，将认识到本发明其他的方面。
附图说明
本发明可以采取各种部件与部件的布置，以及各个步骤与步骤的安排。附图仅是出于图示优选实施例的目的，并且不应被解读为限制本发明。
图1示意性地图示了与降噪器和图像处理器连接的成像系统。
图2示意性地图示了降噪器的范例。
图3示意性地图示了降噪器的谱噪声去除器的范例。
图4示意性地图示了图像处理器的范例。
图5示出了双能研究的能量图/能量散点图以及若干材料响应向量的范例。
图6示出了能量图中的两个材料响应向量以及从测量点到所述两个向量的较短距离。
图7示意性地图示了图像处理器的范例分割器。
图8示意性地图示了图像处理器的范例材料图生成器。
图9示意性地图示了图像处理器的范例虚拟对比度增强图像生成器。
图10示意性地图示了图像处理器的范例虚拟非对比度图像生成器。
图11图示了用于对谱图像进行降噪的范例方法。
图12图示了用于确定针对降噪谱图像的骨与钙分割二值掩模的范例方法。
图13图示了用于确定针对降噪谱图像的碘图的范例方法。
图14图示了用于基于降噪谱图像来确定虚拟非对比度图像的范例方法。
图15图示了用于基于降噪谱图像来确定虚拟对比度增强图像的范例方法。
具体实施方式
图1图示诸如计算机断层摄影（CT）扫描器的成像系统100，其被配置为用于谱CT成像。成像系统100包括固定机架102和由固定机架102可旋转地支撑的旋转机架104。旋转机架104关于纵轴或z轴围绕检查区域106旋转。
系统100包括至少一个诸如x射线管的辐射源108，其由旋转机架104支撑，并且连同旋转机架104一起关于检查区域106旋转。至少一个辐射源108发射穿过检查区域106的辐射。在具有至少两个辐射源108时，每个源能够被配置为发射具有不同平均发射谱的辐射。额外地或备选地，至少两个辐射源108中的一个或多个能够被配置为在扫描期间可控地在至少两个不同发射电压（kVp）之间切换。多源和/或多kVp切换能够用于谱CT采集。
辐射敏感探测器阵列110位于跨检查区域106与至少一个辐射源108相对。辐射敏感探测器阵列110包括探测器像素的阵列，所述探测器像素探测穿过检查区域106的辐射，并生成指示所述辐射的投影数据。辐射敏感探测器阵列110能够包括常规探测器和/或能量分辨率探测器，诸如，直接转换探测器和/或基于闪烁体的多谱探测器，所述多谱探测器包括具有不同x射线能量灵敏度的至少两个闪烁体，所述闪烁体分别以光学方式被附接到具有对应的光学灵敏度的至少两个光传感器（例如双层探测器）。所述能量分辨率探测器能够用于谱CT采集。
重建器112重建所述投影数据，并生成指示检查区域106及其中的目标或对象的所述部分的体积图像数据。在采集谱数据时（例如，在所述投影数据包括经由多个源、kVp切换和/或能量分辨率探测器，同时采集并且对应于不同能量范围的至少两个测量结果时），重建器112能够针对所述不同能量范围中的每个重建个体谱图像和/或基于对应于所述不同能量范围中的两个或多个的个体谱图像重建组合图像。重建器112也能够采用常规的非谱重建算法。
诸如卧榻的对象支撑体114支撑检查区域106中的对象（例如人类或动物）或目标，并且能够用于在扫描之前、期间和/或之后，相对于x轴、y轴和/或z轴和检查106定位所述对象。通用计算系统充当操作者控制台116，并且包括诸如显示器的输出设备和诸如键盘、鼠标和/或其他的输入设备。驻留在控制台116上的软件允许所述操作者控制系统100的运行，例如，允许所述操作者选择谱成像协议、启动扫描等。
计算装置118包括一个或多个处理器，所述处理器执行被嵌入或编码在诸如物理存储器的计算机可读存储介质上的一个或多个计算机可执行指令。额外地或备选地，所述计算机可执行指令中的一个或多个能够由信号或载波来承载，并由所述一个或多个处理器来执行。在图示的实施例中，所述计算机可执行指令包括用于实施降噪器120和/或图像处理器122的指令。在另一实施例中，经由控制台116和/或其他设备实施降噪器120和/或图像处理器122。
降噪器120被配置为对来自重建谱图像的谱噪声进行降噪，去除或减少来自所述重建谱图像的谱噪声，并产生降噪重建谱图像。如下文更详细描述的，在一种情况中，降噪器120去除或减少谱噪声，同时保留基本的谱信息和目标结构。在一种情况中，这允许针对给定图像品质的辐射剂量减少。备选地，针对给定剂量，能够增强图像品质。备选地，能够实现剂量减少与图像品质增强的组合。额外地或备选地，降噪器120能够对估计的单色图像进行降噪，使用光电分量与康普顿分量的适当组合，能够模拟所述估计的单色图像，以估计任何keV图像。
图像处理器122处理所述降噪重建谱图像和/或所述单色图像。如下文更详细描述的，这包括以下中的一个或多个：执行骨和/或钙分割；创建研究中碘的定量分布的碘图；生成虚拟对比度增强（VCE）图像和/或生成虚拟非对比度（VNC）图像。这样的骨与钙化分割能够高度利用额外的定量谱信息，在束硬化校正算法内利用这样的骨与钙化分割，与单色图像重建算法一起利用这样的骨与钙化分割等。所述碘图提供在研究中碘的改善的定量分布。
虚拟增强对比度允许针对给定图像品质减少给予患者的造影剂的量。备选地，其允许节省在其中已漏掉了来自给药的扫描计时的研究，并且得到的图像具有次优的图像品质，这会导致重复扫描以及更多的造影剂。备选地，其允许临床医师经由鼠标、键盘等手动微调图像处理参数，以实时调查图像并获得期望的可视化结果。所述VNC图像可以消除对非对比度扫描的需要，其能够减少辐射暴露，节约时间，并且延长管寿命。
计算装置118也包括用户接口124，其允许用户与计算装置118交互。在一种情况中，这包括允许临床医师选择上面提到的图像处理特征（即骨与钙分割、碘图生成、VNC图像生成和/或VCE图像生成）中的哪个，以用于给定研究。用户接口124也允许所述临床医师设定和/或改变各个图像处理参数。例如，所述临床医师能够使用用户接口124来改变针对所述研究降噪的量。这能够利用实时呈现的结果实时动态地完成。
亦即，在观看结果时，临床医师能够改变参数，其作为响应，调用所述计算装置，以基于改变的参数处理所述降噪重建谱图像，并视觉呈现结果。可以是用户可配置的其他参数包括，但不限于，用于VCE图像处理的对比度增强因子、影响用于VCE和VNC图像生成的模拟部分体积效应的侵蚀性的参数、用于选择用于降噪的去局部结构模型的阈值、针对骨与钙分割的比例因子、用于将局部结构模型拟合到体素的加权因子等。
数据储存库126能够用于存储所述重建图像、降噪重建图像和/或经处理的重建图像和/或降噪重建图像，并且能够由控制台116、图像处理器122、降噪器120和/或其他设备中的一个或多个访问。数据储存库126能够在系统100本地、远离系统100、为分布式等。数据储存库126可以包括数据库、服务器、图片归档与通信系统（PACS）、放射科信息系统（RIS）、医院信息系统（HIS）、电子病历（EMR）和/或其他电子存储设备或存储器。
图2示意性地图示了降噪器120的范例。大体上，在该实施例中，降噪器120被配置为针对对应于不同能量范围的一组谱图像中的谱图像确定噪声模式，以及基于所述噪声模式来减少所述谱图像的谱噪声。图示的降噪器120接收一组谱图像作为输入，其可以包括来自扫描器100、储存库126和/或其他位置的一组重建谱图像，和/或一组估计的单色图像。
噪声估计器202估计谱图像的每个体素的局部噪声值，并且基于所述局部噪声值来生成针对所述谱图像的噪声模型或模式，并且所述噪声模型用于估计所述谱图像中的结构。噪声估计器202能够使用已知的和/或其他途径来估计噪声。合适的途径包括，但不限于，蒙特卡洛估计；诸如在Wunderlich和Noo的Phys.Med.Biol.53（2008年），2472至2493页中讨论的分析途径；基于图像的途径，诸如在2010年10月29日提交的题为“ENHANCED IMAGEDATA/DOSE REDUCTION”的PCT专利申请序列号PCT/IB2009/054913中描述的途径，在此通过引用将其全文并入；和/或其他途径。
谱噪声去除器204基于估计的噪声模型，从所述谱图像去除谱图像噪声，生成降噪谱图像，同时保留不同能量图像中的基本的谱信息和/或解剖结构，从而改善所述谱图像的信噪比。联系图3描述了这样的范例，在该范例中，谱噪声去除器204包括模型拟合器302，针对所述谱图像中的所述体素中的一个或多个，所述模型拟合器302将基于所述估计噪声模式确定的局部结构模型拟合到关于体素的三维体素区域或邻域。
谱噪声去除器204也包括模型选择器304，其基于被存储在标准存储器306中的预定的选择标准来选择针对图像中的每个体素的局部结构模型。一旦针对每个体素来选择模型，由谱噪声去除器204利用所述模型来对所述谱图像中的噪声进行降噪或去除，其中，新估计的体素的值是由选择的模型确定的值，并且代替所述体素的原始值。得到的谱图像包括降噪谱图像，或针对所述不同能量范围的图像品质增强的谱图像。
参考图1、图2和图3，针对降噪器120的范例噪声去除途径由此得到。对于该范例，表示体积中的体素，其中，通过能量Ee获得所述体积。等式1包括能够用于拟合局部结构模型的最小二乘法：
等式1：
其中，为针对所述体积中的(i+i′,j+j′,k+k′)体素的模型值，并且wi′,j′,k′为权重因子。所述权重因子能够被视为局部化核心，其为两个权重函数的乘积，如等式2中所示：
等式2：
其中，表示根据邻域到所述体素的空间距离，对所述邻域的权重；并且表示根据邻域在亨氏单位（HU）空间中到所述体素的强度距离，对所述邻域的权重。
基于等式3能够确定所述函数：
等式3：
其中，dx为以毫米为单位的所述像素的尺寸（mm），dz为以mm为单位的切片宽度，并且σ空间为控制所述权重的侵犯性的算法参数。基于等式4能够确定所述函数：
等式4：
其中，m为控制所述权重的侵犯性的算法参数，并且为体素vi,j,k的局部噪声水平估计，如上文描述的，由噪声估计器202估计
合适的模型包括，但不限于，对均质区域进行建模的常数模型（即，Mi′,j′,k′(c)=c）和对非均质区域（即，包括曲率的区域）进行建模的二阶多项式。额外地或备选地，能够使用其他模型。模型选择器304能够使用各种已知的和/或其他分类器，以选择合适的模型。在该范例中，图示的模型选择器304采用不等式1：
不等式1：
其中，为第一模型的无噪声估计的体素，并且阈值对应于被存储在标准存储器306中的标准。在该范例中，如果满足不等式1，则使用第二模型参数来执行所述噪声去除。
一旦选择了模型，谱噪声去除器204使用所述模型来对所述谱图像进行降噪，从而生成降噪谱图像。在一种情况中，针对所有不同的能量图像，使用相同的噪声模型类型和相同的拟合权重。这允许对噪声进行去除，同时在保留不同能量范围上所述谱图像中的一致结果。在另一种情况中，针对所述不同能量图像中的一幅或多幅，使用不同的噪声模型类型和/或拟合权重。
图4示意性地图示了图像处理器120的范例。在该实施例中，图像处理器120包括材料分析器402、分解算法存储器404、分割器406、图生成器408、虚拟对比度增强（VCE）图像生成器410以及虚拟非对比度（VNC）图像生成器412。
材料分析器402分解由降噪器118降噪的所述谱图像和/或根据不同材料基础的其他降噪谱图像，每种材料均具有唯一的衰减谱响应，即，每种材料在基于图像的能量图上具有唯一的材料响应向量。原则上，双能扫描器能够在具有比常规CT扫描器更强的分辨率能力的可变密度的组织或材料之间进行区分。这联系图5被示出，图5示出了双能研究的能量图/能量散点图以及若干材料响应向量的范例。
材料分析器402基于各种已知的和/或其他分解算法（诸如，被存储在分解算法存储器404中的一个或多个分解算法），对正被分析的降噪重建谱图像进行分解。接下来，进一步讨论非限制性分解算法的范例。一种合适的分解算法基于向量分解途径。例如，材料分析器402能够通过求解等式5的线性等式来估计材料分布图：
等式5：
其中，为涉及材料m的材料向量，为涉及在经由降噪器118降噪之后获得的能量e的体积，n为能量分箱的数目，并且αm为涉及材料m的估计的材料分布图。另一合适的分解算法基于概率分解途径。例如，材料分析器402能够基于等式6来估计材料分布图：
等式6：
其中，f(pi|Mm)为点pi包含材料Mm的概率密度函数，并且di,m为在所述能量图中点pi到涉及材料Mm的材料向量的最短距离。这能够在图6中看出，其示出了能量图606中的两个材料响应向量602和604，以及从测量点pi612到两个向量602和604的较短距离608和610。
基于等式7能够确定所述材料概率图估计：
等式7：
其中，Pm为材料Mm的材料概率图。通过，该途径使用所述能量图中所述体素到所述材料响应向量的距离的分布，作为若干种材料的概率混合模型。该分解的输出包括表示包括特定材料的每个体素的概率的材料概率图。
返回图4并参考图7，分割器406被配置为基于经分解的降噪谱图像至少分割骨与钙化。
如在图7中所示，分割器406接收钙概率图Pm作为输入，由材料分析器402基于钙、碘和软组织和/或其他材料使用来自存储器404的概率材料分解算法（等式6和7）来估计所述钙概率图Pm。
增强器704使用全变差函数变化最小化或其他途径，增强所述概率材料分解。在该范例中，增强器702基于等式8执行全变差函数变化最小化：
等式8：
其中，λ为正参数，其控制分割方案的比例。参数λ能够为默认值或用户指定的值。能够使用多种途径来求解等式8。非限制性的途径能够在Tony F.Chan、Jianhong Shen的Image Processing and Analysis，SIAM Books2005中找到。
分割器406还包括掩模估计器704，其估计表示骨与钙化的分割的图像二值图。在该范例中，掩模估计器706基于等式9生成图B：
等式9：
如上文指出的，得到的骨与钙化分割能够高度利用额外的定量谱信息，在束硬化校正算法中使用，与单色图像重建算法一起使用等。
返回图4并参考图8，图示的图生成器408被配置为生成碘图。通常，图生成器408被配置为基于经分解的降噪谱图像和所述骨与钙掩模来估计碘图。针对该范例，所述碘图包含钙、脂肪、软组织和碘。在其他实施例中，能够使用更多、更少和/或不同的材料。
如在图8中所示，图生成器408接收基于材料分析器402的所述向量分解（等式5）生成的碘分布图和来自分割器406的所述骨与钙化图，作为输入。在该双能范例中，图生成器408接收基于碘和软组织的第一碘分布图以及基于碘和脂肪的第二碘分布图在具有三个或更多不同能量范围的情况中，能够生成针对碘、软组织和脂肪的单一碘图，和/或能够生成多幅碘图。
碘图估计器802基于等式10来估计碘图IM：
等式10：
其中，q为取决于要求的计量单位的常数比例因子。如上文所指出的，得到的碘图IM提供在研究中的改善的碘的定量分布。
返回图4并参考图9，图示的VCE图像生成器410被配置为通过所述谱图像的虚拟增强，补偿造影剂的减少。VCE图像生成器410接收所述降噪谱图像、所述经分解的降噪谱图像以及由图生成器408生成的所述碘图，作为输入。
中间VCE902基于等式11生成针对每个能量e的初步VCE图像：
等式11：
其中，γ为增强因子。在一种情况中，γ=1/x-1，以便由为x的因子补偿造影剂体积减少。在其他情况中，γ能够为不同的值，诸如默认值或用户指定的值。最终VCE图像估计器904基于所述中间图像以及基于等式12的模拟的部分体积效应，估计最终图像：
等式12：
其中，LPF为所述图像上的低通滤波器，并且β和δ为控制所述模拟的部分体积效应的侵犯性的参数。
如上文所指出的，虚拟增强对比度允许针对给定图像品质，减少给予患者的造影剂的量。备选地，其允许节省其中已漏掉了来自给予的扫描计时的研究，并且得到的图像具有次优的图像品质，其会导致重复扫描以及更多的造影剂。备选地，其允许临床医师经由鼠标、键盘等手动微调图像处理参数，以实时调查图像并获得期望的可视化结果。
返回图4并参考图10，VNC图像生成器412被配置为估计VNC图像。VNC图像生成器412接收由材料分析器402生成的所述分解数据以及由图生成器408生成的碘图IM，作为输入。
中间VNC图像生成器1002如下基于等式13生成针对每个能量e的初步VNC图像：
等式13：
最终VNC图像估计器1004基于所述中间图像以及基于等式14的所述模拟的部分体积效应来估计最终图像：
等式14：
其中，LPF为所述图像上的低通滤波器，并且β和δ为控制所述模拟的部分体积效应的侵犯性的参数。所述VNC图像可以消除对非对比度扫描的需要，其能够减少辐射暴露、节约时间，并且延长管寿命。
图11、图12、图13、图14和图15图示了用于处理一组重建谱CT图像和/或一组估计的单色图像的多种方法。
要认识到，以下操作的排序是出于解释的目的而非限制性的。正因如此，本文中也预期其他排序。此外，可以省略所述操作中的一个或多个，和/或可以包括一个或多个其他操作。
首先参考图11，图示了用于对所述谱图像进行降噪的范例方法。
在1102，获得一组谱图像。
在1104，针对该组谱图像中的谱图像，估计噪声模型。
在1106，基于所述噪声模型来估计所述图像中的结构，产生局部结构模型。
在1108，将对应于所述图像中的体素的一组所述局部结构模型拟合到关于所述体素的三维体素邻域。
在1110，基于所述拟合和预定的选择标准，针对所述体素，选择来自该组局部结构模型的结构模型。
在1112，基于选择的模型对所述体素进行降噪，其中，利用由选择的模型确定的值代替所述体素的值。
可以能够一幅或多幅其他谱图像中的一个或多个其他体素，重复以上操作，产生针对所述不同能量范围的降噪谱图像。
转到图12，图示了用于生成针对所述谱图像的骨与钙分割的范例方法。
在1202，基于对所述降噪谱图像的概率分解，生成钙概率图。
在1204，通过执行对所述钙概率图的全变差函数变化最小化，增强所述钙概率图。
在1206，基于增强的钙概率图和预定阈值，确定表示所述骨与钙分割的二值图。
接下来，图13图示了用于生成针对所述谱图像的碘图的范例方法。
在1302，基于对所述降噪谱图像的向量分解，生成一幅或多幅碘分布图。
在1304，生成骨与钙分割二值掩模，例如，如联系图12描述的。
在1306，基于所述碘分布图和所述骨与钙分割二值掩模来估计碘图。
在图14中，图示了用于生成针对所述谱图像的虚拟非对比度（VNC）图像的范例方法。
在1402，估计碘图，例如，如联系图13描述的。
在1404，基于所述降噪图像、向量分解降噪图像和所述碘图，估计针对每个能量的中间VNC图像。
在1406，通过将模拟的部分体积效应与所述中间VNC图像进行合并，生成最终VNC图像。
图15图示了用于生成针对所述谱图像的虚拟对比度增强（VCE）图像的范例方法。
在1502，估计碘图，例如，如联系图13描述的。
在1504，获得对比度增强因子。
在1506，基于所述降噪图像、向量分解降噪图像、所述碘图以及所述对比度增强因子，估计针对每个能量的中间VCE图像。
在1508，通过将模拟的部分体积效应与所述中间VCE图像进行合并，生成最终VCE图像。
以上操作可以经由一个或多个处理器得以实现，所述处理器执行被编码或嵌入在诸如物理存储器的计算机可读存储介质上的一个或多个计算机可读指令，所述指令引起所述一个或多个处理器实施所述各种操作和/或其他功能和/或操作。额外地或备选地，所述一个或多个处理器能够执行由诸如信号或载波的瞬态介质承载的指令。
已经参考各个实施例描述了本发明。他人在阅读本文中的描述时可以想到多种更改和变化。本发明意图被解释为包括所有这样的更改和变化，只要它们落入所附的权利要求书或其等同方案的范围内。
Claims (10)
1.一种用于谱图像的降噪方法，包括：
针对对应于不同能量范围的一组谱图像中的谱图像的一个或多个体素估计局部噪声值，产生针对所述谱图像的噪声模型；
基于对应的噪声模型来估计针对所述谱图像的体素的局部结构模型；
基于预定的模型选择标准来选择针对所述体素的所述局部结构模型中的一个；以及
通过用基于选择的局部结构模型估计的值代替所述体素的值，基于选择的局部结构模型对所述体素进行降噪，
其中，该组谱图像中的多幅谱图像的多个所述体素被降噪，产生一组降噪谱图像。
2.如权利要求1所述的方法，还包括，在基于预定的模型选择标准对针对所述体素的所述局部结构模型中的一个进行所述选择之前：
将一组所述局部结构模型拟合到关于所述图像中的体素在所述图像中的三维体素邻域；以及
基于所述拟合和所述预定的模型选择标准来选择针对所述体素的所述局部结构模型中的所述一个。
3.如权利要求1和2中任一项所述的方法，其中，利用在第一剂量扫描期间采集的数据生成所述谱图像，并且对所述谱图像的所述降噪产生具有与利用在第二剂量扫描期间采集的数据生成的谱图像处于相同的图像噪声水平的图像噪声的量的一组图像，其中，所述第二剂量扫描的剂量高于所述第一剂量扫描的剂量。
4.如权利要求2所述的方法，还包括：
使用最小二乘最小化来拟合所述模型；以及
利用加权因子对所述最小二乘最小化进行加权，其中，所述加权因子包括第一加权分量，其基于相邻的体素与所述体素之间的体素强度距离，对关于所述体素的所述三维体素邻域进行加权。
5.如权利要求4所述的方法，其中，所述第一加权分量为所述体素的所述局部噪声值的函数。
6.如权利要求4和5中任一项所述的方法，其中，所述加权因子权重包括第二加权分量，其基于所述相邻的体素和所述体素之间的空间距离，对关于所述体素的所述三维体素邻域进行加权。
7.如权利要求1和2中任一项所述的方法，其中，所述局部结构模型包括至少两个噪声模型，其中，所述至少两个噪声模型至少包括对均质区域进行建模的常数模型和对非均质区域进行建模的二阶多项式。
8.如权利要求7所述的方法，还包括：
基于所述至少两个噪声模型的局部标准差的比率与预定的阈值之间的预定的关系，选择经拟合的噪声模型的局部结构模型，以对所述体素进行降噪。
9.一种计算装置(118)，包括：
噪声估计器(202)，其估计对应于不同能量范围的一组谱图像的谱图像的噪声模式，其中，所述噪声模式用于估计针对所述谱图像的体素的局部结构模型；
模型选择器(304)，其基于预定的模型选择标准来选择针对所述体素的所述局部结构模型中的一个；以及
谱噪声去除器(204)，其通过利用基于选择的局部结构模型估计的值代替所述体素的值，基于所述选择的局部结构模型来对所述体素进行降噪，
其中，该组谱图像中的多幅谱图像的多个体素被降噪，产生一组降噪谱图像。
10.如权利要求9所述的计算装置，还包括：
模型拟合器(302)，其将一组所述局部结构模型拟合到关于所述图像中的体素在所述图像中的三维体素邻域，其中，所述模型选择器基于所述拟合和所述预定的模型选择标准来选择针对所述体素的所述局部结构模型中的所述一个。
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US201161508178P | 2011-07-15 | 2011-07-15 | |
| US61/508,178 | 2011-07-15 | ||
| PCT/IB2012/053520 WO2013011418A2 (en) | 2011-07-15 | 2012-07-10 | Spectral ct |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN103649990A CN103649990A (zh) | 2014-03-19 |
| CN103649990B true CN103649990B (zh) | 2017-06-06 |
Family
ID=46750380
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201280034976.XA Active CN103649990B (zh) | 2011-07-15 | 2012-07-10 | 用于谱ct的图像处理 |
Country Status (6)
| Country | Link |
|---|---|
| US (2) | US9547889B2 (zh) |
| EP (1) | EP2732431B1 (zh) |
| JP (1) | JP6100772B2 (zh) |
| CN (1) | CN103649990B (zh) |
| RU (1) | RU2612575C2 (zh) |
| WO (1) | WO2013011418A2 (zh) |
Families Citing this family (47)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2013011418A2 (en) * | 2011-07-15 | 2013-01-24 | Koninklijke Philips Electronics N.V. | Spectral ct |
| WO2014080311A1 (en) * | 2012-11-26 | 2014-05-30 | Koninklijke Philips N.V. | Projection data de-noising |
| WO2014128595A1 (en) * | 2013-02-21 | 2014-08-28 | Koninklijke Philips N.V. | Structure propagation restoration for spectral ct |
| EP3028036A1 (en) * | 2013-07-30 | 2016-06-08 | Koninklijke Philips N.V. | Monochromatic attenuation contrast image generation by using phase contrast ct |
| JP6363197B2 (ja) * | 2013-12-04 | 2018-07-25 | コーニンクレッカ フィリップス エヌ ヴェＫｏｎｉｎｋｌｉｊｋｅ Ｐｈｉｌｉｐｓ Ｎ．Ｖ． | 画像データ処理 |
| JP6526669B2 (ja) * | 2013-12-06 | 2019-06-05 | コーニンクレッカ フィリップス エヌ ヴェＫｏｎｉｎｋｌｉｊｋｅ Ｐｈｉｌｉｐｓ Ｎ．Ｖ． | 画像データからの骨の区分化 |
| EP3084723B1 (en) * | 2013-12-17 | 2021-04-28 | Koninklijke Philips N.V. | Spectral image data processing |
| US9713452B2 (en) * | 2014-03-31 | 2017-07-25 | General Electric Company | Generation of monochromatic images |
| WO2015156711A1 (en) | 2014-04-07 | 2015-10-15 | Prismatic Sensors Ab | Spectral x-ray imaging |
| US10169848B2 (en) * | 2014-04-23 | 2019-01-01 | Koninklijke Philips N.V. | Restoration of low contrast structure in de-noise image data |
| WO2015189730A1 (en) * | 2014-06-12 | 2015-12-17 | Koninklijke Philips N.V. | Contrast agent dose simulation |
| US10451568B2 (en) * | 2014-08-22 | 2019-10-22 | Canon Medical Systems Corporation | Photon counting X-ray CT apparatus |
| EP3210192B1 (en) * | 2014-10-20 | 2018-12-12 | Koninklijke Philips N.V. | Start image for spectral image iterative reconstruction |
| EP3213298B1 (en) * | 2014-10-30 | 2018-12-12 | Koninklijke Philips N.V. | Texture analysis map for image data |
| EP3215015B1 (en) * | 2014-11-06 | 2018-07-04 | Koninklijke Philips N.V. | Computed tomography system |
| KR101725099B1 (ko) * | 2014-12-05 | 2017-04-26 | 삼성전자주식회사 | 컴퓨터 단층 촬영장치 및 그 제어방법 |
| US9330443B1 (en) * | 2015-02-13 | 2016-05-03 | Kabushiki Kaisha Toshiba | Noise reduction in image domain for spectral computed tomography |
| JP6412636B2 (ja) * | 2015-03-30 | 2018-10-24 | 株式会社日立製作所 | 画像生成装置、画像生成方法及びｘ線ｃｔ装置 |
| DE112016005742T5 (de) | 2015-12-15 | 2018-10-04 | Koninklijke Philips N.V. | Datenverarbeitungsverfahren für Computertomographie |
| US10360677B2 (en) | 2016-10-07 | 2019-07-23 | Toshiba Medical Systems Corporation | Apparatus and method for joint-edge-preserving regularization to reduce noise in four-dimensional computed tomography images |
| WO2018091344A1 (en) * | 2016-11-16 | 2018-05-24 | Koninklijke Philips N.V. | Apparatus for generating multi energy data from phase contrast imaging data |
| US10524754B2 (en) * | 2016-11-30 | 2020-01-07 | Koninklijke Philips N.V. | Bone and hard plaque segmentation in spectral CT |
| EP3555860B1 (en) | 2016-12-19 | 2020-12-09 | Koninklijke Philips N.V. | Detection and/or correction of residual iodine artifacts in spectral computed tomography (ct) imaging |
| US10580132B2 (en) * | 2017-04-13 | 2020-03-03 | Canon Kabushiki Kaisha | Medical image processing apparatus, control method therefor, and non-transitory storage medium storing program |
| EP3431007B1 (en) * | 2017-07-21 | 2020-06-17 | Koninklijke Philips N.V. | Creation of electron density datasets from spectral ct datasets |
| CN107569250A (zh) * | 2017-08-08 | 2018-01-12 | 沈阳东软医疗系统有限公司 | 双能量ct图像处理方法、装置以及图像处理设备 |
| US10311548B2 (en) | 2017-09-05 | 2019-06-04 | Microsoft Technology Licensing, Llc | Scaling render targets to a higher rendering resolution to display higher quality video frames |
| WO2019072554A1 (en) * | 2017-10-09 | 2019-04-18 | Koninklijke Philips N.V. | SELECTIVE ADAPTIVE MIXING OF VOLUMETRIC IMAGE DATA MATERIALS |
| US11417034B2 (en) | 2018-01-16 | 2022-08-16 | Koninklijke Philips N.V. | Spectral imaging with a non-spectral imaging system |
| WO2019144065A1 (en) | 2018-01-22 | 2019-07-25 | Xenselab, Llc | Methods for x-ray imaging of a subject using multiple-energy decomposition |
| WO2019149711A1 (en) | 2018-01-31 | 2019-08-08 | Koninklijke Philips N.V. | Image quality improved virtual non-contrast images generated by a spectral computed tomography (ct) scanner |
| JP2021518217A (ja) | 2018-03-19 | 2021-08-02 | センスラボ エルエルシーＸｅｎｓｅｌａｂ， Ｌｌｃ | Ｘ線断層撮影法 |
| CN111971710A (zh) * | 2018-03-26 | 2020-11-20 | 皇家飞利浦有限公司 | 根据谱成像数据来生成谱炎症图 |
| WO2019203815A1 (en) * | 2018-04-18 | 2019-10-24 | Hewlett-Packard Development Company, L.P. | Storing spectroscopy data in layers |
| US10856826B2 (en) * | 2018-06-08 | 2020-12-08 | Ka Imaging Inc. | Method and system for determining virtual outputs for a multi-energy x-ray imaging apparatus |
| EP3616620A1 (en) * | 2018-08-28 | 2020-03-04 | Koninklijke Philips N.V. | Spectral dual-layer ct-guided interventions |
| US11295487B2 (en) * | 2018-09-07 | 2022-04-05 | Canon Medical Systems Corporation | X-ray CT apparatus, medical image processing apparatus, and X-ray CT system |
| GB201818647D0 (en) * | 2018-11-15 | 2019-01-02 | Spectral Edge Ltd | Image enhancement system and method |
| WO2020127031A1 (en) * | 2018-12-18 | 2020-06-25 | Agfa Nv | Method of decomposing a radiographic image into sub-images of different types |
| US10973472B2 (en) * | 2019-03-05 | 2021-04-13 | Siemens Healthcare Gmbh | Artificial intelligence-based material decomposition in medical imaging |
| CN109919873B (zh) * | 2019-03-07 | 2020-12-29 | 电子科技大学 | 一种基于图像分解的眼底图像增强方法 |
| US20200294288A1 (en) * | 2019-03-13 | 2020-09-17 | The Uab Research Foundation | Systems and methods of computed tomography image reconstruction |
| EP3901898A1 (en) * | 2020-04-24 | 2021-10-27 | Koninklijke Philips N.V. | Apparatus for determining decomposed spectral image data |
| KR102555598B1 (ko) * | 2021-05-10 | 2023-07-14 | 고려대학교 산학협력단 | 석회화 지도 생성 방법 및 이를 수행하기 위한 컴퓨팅 장치 |
| US11756285B2 (en) | 2021-06-10 | 2023-09-12 | Bank Of America Corporation | Image processing system and method for image noise removal |
| USD981565S1 (en) | 2021-06-21 | 2023-03-21 | Xenselab Llc | Medical imaging apparatus |
| CN113706419A (zh) * | 2021-09-13 | 2021-11-26 | 上海联影医疗科技股份有限公司 | 一种图像处理方法和系统 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6704437B1 (en) * | 1999-10-29 | 2004-03-09 | Acuson Corporation | Noise estimation method and apparatus for noise adaptive ultrasonic image processing |
Family Cites Families (66)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2001078005A2 (en) * | 2000-04-11 | 2001-10-18 | Cornell Research Foundation, Inc. | System and method for three-dimensional image rendering and analysis |
| WO2003046833A2 (en) * | 2001-11-24 | 2003-06-05 | Image Analysis, Inc. | Automatic detection and quantification of coronary and aortic calcium |
| US6754298B2 (en) | 2002-02-20 | 2004-06-22 | The Regents Of The University Of Michigan | Method for statistically reconstructing images from a plurality of transmission measurements having energy diversity and image reconstructor apparatus utilizing the method |
| US7272429B2 (en) * | 2002-11-27 | 2007-09-18 | Ge Medical Systems Global Technology Company, Llc | Methods and apparatus for facilitating a reduction in artifacts |
| GB2416223A (en) * | 2004-07-15 | 2006-01-18 | Medicsight Plc | Quantification of coronary artery calcification |
| US7355182B2 (en) * | 2004-10-06 | 2008-04-08 | Harold Szu | Infrared multi-spectral camera and process of using infrared multi-spectral camera |
| US20060103892A1 (en) * | 2004-11-18 | 2006-05-18 | Schulze Mark A | System and method for a vector difference mean filter for noise suppression |
| US20080292194A1 (en) * | 2005-04-27 | 2008-11-27 | Mark Schmidt | Method and System for Automatic Detection and Segmentation of Tumors and Associated Edema (Swelling) in Magnetic Resonance (Mri) Images |
| KR20060124824A (ko) * | 2005-05-26 | 2006-12-06 | 주식회사 메디슨 | 초음파 스펙트럼 영상을 처리하는 방법 및 초음파 진단시스템 |
| US7561727B2 (en) * | 2005-06-02 | 2009-07-14 | Nordic Bioscience Imaging A/S | Method of deriving a quantitative measure of a degree of calcification of an aorta |
| WO2007002406A2 (en) * | 2005-06-20 | 2007-01-04 | The Trustees Of Columbia University In The City Of New York | Interactive diagnostic display system |
| WO2007021744A1 (en) * | 2005-08-10 | 2007-02-22 | Arena Pharmaceuticals, Inc. | Methods for determining probability of an adverse or favorable reaction to a niacin receptor agonist |
| DE102005038940B4 (de) * | 2005-08-17 | 2007-08-30 | Siemens Ag | Verfahren zur Filterung tomographischer 3D-Darstellungen nach erfolgter Rekonstruktion von Volumendaten |
| US7867998B2 (en) | 2005-09-12 | 2011-01-11 | Hong Kong Jockey Club Institute Of Chinese Medicine Limited | Method of making antitussive medicine and relieving cough |
| DE102005049602B3 (de) * | 2005-10-17 | 2007-04-19 | Siemens Ag | Verfahren und Vorrichtung zur Segmentierung zumindest einer Substanz in einem Röntgenbild |
| US7982747B1 (en) * | 2005-12-19 | 2011-07-19 | Adobe Systems Incorporated | Displaying generated changes to an image file |
| ATE513277T1 (de) * | 2006-01-31 | 2011-07-15 | Canadian Space Agency | Verfahren und system zur vergrösserung des rauschabstands |
| DE102006005804A1 (de) * | 2006-02-08 | 2007-08-09 | Siemens Ag | Verfahren zur Rauschreduktion in tomographischen Bilddatensätzen |
| WO2007110794A1 (en) * | 2006-03-29 | 2007-10-04 | Philips Intellectual Property & Standards Gmbh | Noise reduction in dual-energy x-ray imaging |
| DE102006015451A1 (de) * | 2006-03-31 | 2007-10-11 | Siemens Ag | Verfahren und Vorrichtung zur automatischen Differenzierung von Knochen oder anderen kalziumhaltigen Materialien und Kontrastmittel in Weichteilgewebe |
| US8594770B2 (en) * | 2006-06-29 | 2013-11-26 | Accuvein, Inc. | Multispectral detection and presentation of an object's characteristics |
| US7533000B2 (en) * | 2006-07-28 | 2009-05-12 | Oxford Instruments Analytical Limited | Method and apparatus for analysing a dataset of spectra |
| US7760848B2 (en) * | 2006-09-08 | 2010-07-20 | General Electric Company | Method and system for generating a multi-spectral image of an object |
| US7734076B2 (en) | 2006-12-11 | 2010-06-08 | General Electric Company | Material decomposition image noise reduction |
| JP2008246022A (ja) | 2007-03-30 | 2008-10-16 | Fujifilm Corp | 放射線撮影装置 |
| US7724865B2 (en) * | 2007-08-22 | 2010-05-25 | General Electric Company | System and method of optimizing a monochromatic representation of basis material decomposed CT images |
| US20090247860A1 (en) * | 2007-10-25 | 2009-10-01 | Research Foundation Of State University Of New York | Spectral biomarker and algorithm for the identification and detection of neural stem and progenitor cells and their use in studying mammalian brains |
| US9070181B2 (en) * | 2007-12-21 | 2015-06-30 | General Electric Company | System and method for extracting features of interest from an image |
| KR20100133950A (ko) * | 2008-01-30 | 2010-12-22 | 더 리전츠 오브 더 유니버시티 오브 캘리포니아 | 동적인 제약들에 따른 오브젝트 주변의 사용을 통한 단층 촬영에 있어서의 양 감소 및 이미지 강화 |
| US8254718B2 (en) * | 2008-05-15 | 2012-08-28 | Microsoft Corporation | Multi-channel edge-aware chrominance noise reduction |
| US7983382B2 (en) * | 2008-11-26 | 2011-07-19 | General Electric Company | System and method for material segmentation utilizing computed tomography scans |
| RU2409313C2 (ru) * | 2008-11-27 | 2011-01-20 | Амиран Шотаевич РЕВИШВИЛИ | Способ неинвазивного электрофизиологического исследования сердца |
| DE102008063311A1 (de) * | 2008-12-30 | 2010-07-08 | Siemens Aktiengesellschaft | Verfahren zur Rauschreduktion von CT-Bilddaten und Bildbearbeitungssystem |
| WO2010096701A1 (en) * | 2009-02-20 | 2010-08-26 | Mayo Foundation For Medical Education And Research | Projection-space denoising with bilateral filtering in computed tomography |
| US8294717B2 (en) * | 2009-06-26 | 2012-10-23 | Kabushiki Kaisha Toshiba | Advanced clustering method for material separation in dual energy CT |
| DE102009039987A1 (de) * | 2009-09-03 | 2011-03-17 | Siemens Aktiengesellschaft | Iterativer CT-Bildfilter zur Rauschreduktion |
| US8355555B2 (en) * | 2009-09-17 | 2013-01-15 | Siemens Aktiengesellschaft | System and method for multi-image based virtual non-contrast image enhancement for dual source CT |
| JP5478328B2 (ja) * | 2009-09-30 | 2014-04-23 | 富士フイルム株式会社 | 診断支援システム、診断支援プログラムおよび診断支援方法 |
| EP2504811B1 (en) * | 2009-11-25 | 2014-06-18 | Koninklijke Philips N.V. | Enhanced image data/dose reduction |
| US8346007B2 (en) * | 2009-12-22 | 2013-01-01 | Carestream Health, Inc. | Noise suppression in cone beam CT projection data |
| US20110188715A1 (en) * | 2010-02-01 | 2011-08-04 | Microsoft Corporation | Automatic Identification of Image Features |
| US9795301B2 (en) * | 2010-05-25 | 2017-10-24 | The General Hospital Corporation | Apparatus, systems, methods and computer-accessible medium for spectral analysis of optical coherence tomography images |
| US8913121B2 (en) * | 2010-07-11 | 2014-12-16 | Spynsite, LLC | System for image rendering or spectral recognition |
| WO2012012907A1 (en) * | 2010-07-29 | 2012-02-02 | Valorbec Société En Commandite, Représentée Par Gestion Valeo S.E.C. | Minimal iterativity anisotropic diffusion method for reducing image or video noises |
| DE102010034099B4 (de) * | 2010-08-12 | 2017-04-06 | Siemens Healthcare Gmbh | Iterative Bildfilterung mit anisotropem Rauschmodell für ein CT-Bild |
| US8634630B2 (en) * | 2010-10-07 | 2014-01-21 | Texas Instruments Incorporated | Method and apparatus for enhancing representations of micro-calcifications in a digital mammogram image |
| DE102010043975B4 (de) * | 2010-11-16 | 2021-07-29 | Siemens Healthcare Gmbh | Verfahren zur Reduktion der verwendeten Strahlendosis im Rahmen einer bildgebenden Röntgenuntersuchung und Computersystem |
| RU2598334C2 (ru) * | 2010-12-01 | 2016-09-20 | Конинклейке Филипс Электроникс Н.В. | Устройство повышения отношения контраст-шум (к/ш) |
| US8311301B2 (en) * | 2010-12-10 | 2012-11-13 | Carestream Health, Inc. | Segmenting an organ in a medical digital image |
| GB201102614D0 (en) * | 2011-02-15 | 2011-03-30 | Oxford Instr Nanotechnology Tools Ltd | Material identification using multiple images |
| WO2012114250A1 (en) * | 2011-02-22 | 2012-08-30 | Koninklijke Philips Electronics N.V. | Detection apparatus |
| US8705827B2 (en) * | 2011-04-15 | 2014-04-22 | Georgia Tech Research Corporation | Scatter correction methods |
| US9324142B2 (en) * | 2011-04-28 | 2016-04-26 | Koninklijke Philips N.V. | Multi-energy imaging |
| WO2013011418A2 (en) * | 2011-07-15 | 2013-01-24 | Koninklijke Philips Electronics N.V. | Spectral ct |
| JP5723249B2 (ja) * | 2011-09-13 | 2015-05-27 | 日本電子株式会社 | 信号処理方法、及び信号処理装置 |
| US8867822B2 (en) * | 2011-10-14 | 2014-10-21 | Fujifilm Corporation | Model-based coronary artery calcium scoring |
| JP2013212024A (ja) | 2012-03-30 | 2013-10-10 | Mitsubishi Electric Corp | リニアモータ |
| US20130294669A1 (en) * | 2012-05-02 | 2013-11-07 | University Of Louisville Research Foundation, Inc. | Spatial-spectral analysis by augmented modeling of 3d image appearance characteristics with application to radio frequency tagged cardiovascular magnetic resonance |
| WO2014042902A1 (en) * | 2012-09-13 | 2014-03-20 | The Regents Of The University Of California | Lung, lobe, and fissure imaging systems and methods |
| WO2014057394A1 (en) * | 2012-10-09 | 2014-04-17 | Koninklijke Philips N.V. | Quantitative spectral imaging |
| DE102012220028A1 (de) * | 2012-11-02 | 2014-05-08 | Friedrich-Alexander-Universität Erlangen-Nürnberg | Angiographisches Untersuchungsverfahren |
| EP2943932B1 (en) * | 2013-01-10 | 2019-09-11 | Akoya Biosciences, Inc. | Whole slide multispectral imaging systems and methods |
| EP3084723B1 (en) * | 2013-12-17 | 2021-04-28 | Koninklijke Philips N.V. | Spectral image data processing |
| US9460485B2 (en) * | 2014-12-11 | 2016-10-04 | General Electric Company | Systems and methods for guided de-noising for computed tomography |
| US9330443B1 (en) * | 2015-02-13 | 2016-05-03 | Kabushiki Kaisha Toshiba | Noise reduction in image domain for spectral computed tomography |
| EP3268934B1 (en) * | 2015-03-09 | 2023-08-09 | Koninklijke Philips N.V. | Multi-energy (spectral) image data processing |
-
2012
- 2012-07-10 WO PCT/IB2012/053520 patent/WO2013011418A2/en active Application Filing
- 2012-07-10 RU RU2014105565A patent/RU2612575C2/ru not_active IP Right Cessation
- 2012-07-10 JP JP2014519673A patent/JP6100772B2/ja active Active
- 2012-07-10 CN CN201280034976.XA patent/CN103649990B/zh active Active
- 2012-07-10 EP EP12751118.6A patent/EP2732431B1/en active Active
- 2012-07-10 US US14/232,292 patent/US9547889B2/en active Active - Reinstated
-
2016
- 2016-12-06 US US15/369,943 patent/US10147168B2/en active Active
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6704437B1 (en) * | 1999-10-29 | 2004-03-09 | Acuson Corporation | Noise estimation method and apparatus for noise adaptive ultrasonic image processing |
Also Published As
| Publication number | Publication date |
|---|---|
| CN103649990A (zh) | 2014-03-19 |
| RU2014105565A (ru) | 2015-08-27 |
| US9547889B2 (en) | 2017-01-17 |
| JP6100772B2 (ja) | 2017-03-22 |
| JP2014522693A (ja) | 2014-09-08 |
| WO2013011418A2 (en) | 2013-01-24 |
| US10147168B2 (en) | 2018-12-04 |
| WO2013011418A3 (en) | 2013-05-02 |
| EP2732431A2 (en) | 2014-05-21 |
| US20140133729A1 (en) | 2014-05-15 |
| EP2732431B1 (en) | 2019-03-13 |
| US20170124686A1 (en) | 2017-05-04 |
| RU2612575C2 (ru) | 2017-03-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN103649990B (zh) | 用于谱ct的图像处理 | |
| RU2565507C2 (ru) | Система и способ для улучшения качества изображения | |
| CN106462985B (zh) | 利用锐度驱动的正则化参数的迭代图像重建 | |
| US11328391B2 (en) | System and method for controlling noise in multi-energy computed tomography images based on spatio-spectral information | |
| JP4402435B2 (ja) | 軟組織空間の視覚化の方法及び装置 | |
| CN105025794B (zh) | 谱ct的结构传播恢复 | |
| US9189832B2 (en) | Method and system for noise reduction in low dose computed tomography | |
| JP6169558B2 (ja) | コントラスト依存の解像度をもつ画像 | |
| US7782996B2 (en) | Method for combined bone hardening and scattered radiation correction in X-ray computed tomography | |
| CN105793894B (zh) | 根据图像数据来进行骨骼分割 | |
| CN103229209A (zh) | 对比噪声比（cnr）增强器 | |
| Gomi et al. | Development of a denoising convolutional neural network-based algorithm for metal artifact reduction in digital tomosynthesis for arthroplasty: A phantom study | |
| RU2575405C2 (ru) | Компьютерная томография (ст) при малых дозах | |
| JP2023508147A (ja) | フィルタ逆投影（ｆｂｐ）のためにコンピュータ断層撮影（ｃｔ）データを処理する方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |