CN103810712A - 一种能谱ct图像质量的评价方法 - Google Patents
一种能谱ct图像质量的评价方法 Download PDFInfo
- Publication number
- CN103810712A CN103810712A CN201410079014.7A CN201410079014A CN103810712A CN 103810712 A CN103810712 A CN 103810712A CN 201410079014 A CN201410079014 A CN 201410079014A CN 103810712 A CN103810712 A CN 103810712A
- Authority
- CN
- China
- Prior art keywords
- energy
- mrow
- image
- pio
- snr
- 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
- 238000000034 method Methods 0.000 title claims abstract description 35
- 238000001228 spectrum Methods 0.000 title claims abstract description 28
- 238000013441 quality evaluation Methods 0.000 title abstract description 10
- 238000003325 tomography Methods 0.000 title 1
- 230000003595 spectral effect Effects 0.000 claims description 5
- 238000005070 sampling Methods 0.000 claims description 3
- 230000000007 visual effect Effects 0.000 abstract description 3
- 230000008520 organization Effects 0.000 abstract 4
- 238000002591 computed tomography Methods 0.000 description 37
- 238000011156 evaluation Methods 0.000 description 21
- 230000008859 change Effects 0.000 description 9
- 238000003384 imaging method Methods 0.000 description 7
- 230000003902 lesion Effects 0.000 description 6
- 239000000126 substance Substances 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 5
- 210000000056 organ Anatomy 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 3
- 230000016776 visual perception Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000013170 computed tomography imaging Methods 0.000 description 2
- 238000000354 decomposition reaction Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 210000003484 anatomy Anatomy 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 210000003734 kidney Anatomy 0.000 description 1
- 210000004185 liver Anatomy 0.000 description 1
- 210000003141 lower extremity Anatomy 0.000 description 1
- 238000002595 magnetic resonance imaging Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 210000000496 pancreas Anatomy 0.000 description 1
- 231100000915 pathological change Toxicity 0.000 description 1
- 230000036285 pathological change Effects 0.000 description 1
- 210000003240 portal vein Anatomy 0.000 description 1
- 238000002600 positron emission tomography Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000011158 quantitative evaluation Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 210000003462 vein Anatomy 0.000 description 1
Images
Landscapes
- Apparatus For Radiation Diagnosis (AREA)
Abstract
本发明公开一种能谱CT图像质量的评价方法,包括步骤:通过能谱CT图像获取40~140keV能量范围的101个单能量图像;在每个单能量图像里确定感兴趣组织结构和背景结构后,在感兴趣组织结构和背景结构中分别选取同样大小的感兴趣区域ROI;分别计算感兴趣组织结构的自感兴趣区域ROI的均值<t>1和方差背景结构的感兴趣区域ROI的均值<t>0和方差计算每个单能量图像感兴趣组织的伪理想观察员信噪比PIO SNR;根据每个单能量图像的伪理想观察员信噪比PIO SNR画出PIO SNR随能量变化曲线,确定最佳能量点。本发明能够快速地确定感兴趣区域最佳能量点,并且充分考虑了背景噪声和感兴趣区域噪声之间的相关性;本法方法更加接近符合人眼视觉系统特性,具有比较稳定、效率更高的优点。
Description
技术领域
本发明属于图像处理技术领域,尤其是涉及一种能谱CT单能量图像质量评价方法。
背景技术
在常规X射线计算机体层成像(X-ray Computed Tomography,简称CT)时,人们还是依赖于物质的CT值差别进行判断,但对于图像中CT值差异小的病理性改变,通常难以发现和鉴别,更何况CT值还会受到硬化效应、金属伪影等诸多问题的影响。为了弥补这些不足的地方,物理学家通过利用X射线的能谱特性以及与物质的丰富衰减信息,提出了相应的解决方案,即能谱CT成像。
物理学家使用两种不同能量的X射线对物体同时进行扫描,可以得到物体在不同能量射线响应下的图像。根据X射线与物质的相互作用规律,理论上可以确定被扫描物质的原子序数,并且能实现单能量成像,从而进行物质识别或者鉴定。
能谱CT的单能量成像功能模拟了物体在单色X线源情况下可能获得的图像。不同组织随着X线束能量的变化,其衰减特性会发生相应变化。一般讲,组织或者器官会在某一能量点下得到最好观察,但因病变性质、类型的不同,以及病变在体内位置和病人大小的变化,这一数值会有相应的调整。跟常规CT图像相比,相应的单能量图像能够清晰地展示解剖结构或者病灶,比如提高脑灰白质对比,优化肝脏病灶,胰腺或者肾脏等病灶的显示,优化门静脉成像以及下肢静脉成像等。因此,研究从众多单能量图像中快速准确找到显示感兴趣区域的最佳能量点的方法是很有必要的。
目前,能谱CT图像质量的评价方法大体上可以分为主观评价方法(HumanObserver)和客观评价(Ideal Qbserver)方法两个分支。主观评价主要通过测试者在特定测试环境下,按照事先规定的评价原则,评价方法和评价尺度对图像进行主观评分。但是人的主观评价往往受自身的水平、知识水平、客观环境的影响,导致主观评价方法实现起来比较困难,而且有些领域无法使用主观评价,特别是在能谱CT单能图像中,细小病灶会造成物理医师在发现和确定病灶上有困难,甚至会造成漏判,错判。因此图像质量客观评价方法的研究十分重要。
根据对原始参考图像的参考程度,图像质量客观评价方法可以分为全参考型(Full Reference,简称FR)、部分参考型(Reduced Reference,简称RR)和无参考型(No Reference,简称NR)。有关这三种类型的CT图像质量的评价方法,目前已有不同的专利申请人申请了诸多专利,比如,CN201010263245提出了一种图像质量的评价方法及装置,通过检测图像的边缘点信息来评价图像质量;CN201010296639提出了一种基于奇异值分解的图像质量评价方法,描述了奇异值分解方法在图像质量评价中的应用;CN200720077448提出了一种部分参考型图像质量评价方法及装置,主要利用了图像失真时相邻DNT系数统计依赖性变化的规律,提取了反映图像失真程度的统计独立性特征;CN201310279205提出了一种无参考型模糊图像质量评价方法,主要突出了反映了人眼较为敏感的图像的边缘信息部分对图像质量的影响。上述这些专利申请揭露的技术方案都能很好的评价CT图像质量,只是计算方法上比较复杂。
理想观察员思想(IO)用于最优化硬件或者数据采集系统性能的评价指标。IO可以定量估计图像中感兴趣区域和背景区域区分程度,也就是确定图像某个坐标中是否含有病灶信号,定量指标为理想观察员信噪比(Ideal ObserverSignal-to-Noise Ratio,简称IO SNR),具体计算过程如下:
首先,在目标图像中分别确定一个感兴趣区域(比如,组织、病灶等)和背景区域,并且做出以下的假设:
H0:g(x,y)=f(x,y)+n(x,y)
H1:g(x,y)=(f(x,y)+Δf(x,y))+n(x,y)
其中假设H0表示感兴趣区域中没有病灶信号,只有背景信号f(x,y)。而H1表示感兴趣区域中不仅有背景信号f(x,y),而且有病灶信号Δf(x,y)。n(x,y)表示图像中的测量噪声。
其次,可以通过IO思想来确定某个图像坐标中是否含有病灶信号,而IO思想主要由理想观察员信噪比来衡量,计算公式为:
其中,<t>n和分别表示在假设Hn成立下选定区域的均值和方差。IO SNR定量评估了假设H1发生的概率。IO SNR值越大,表明这个图像坐标的病灶信号越强,反之,IO SNR值越小,表明这个图像坐标只有背景信号,而没有病灶信号。
现有能谱CT单能图像中确定感兴趣区域最佳能量点的方法主要是计算感兴趣区域的对比噪声比(Contrast-to-Noise Ratio,简称CNR)。在能谱CT图像提供的40~140kev的101个单能量图像中,选取同样的组织或者器官的感兴趣区域,计算每个能量点下的感兴趣区域的对比噪声比(CNR),然后可以得到CNR随能量变化的曲线,其峰值对应的纵坐标是最佳对比噪声比,横坐标是能量值。这个工具可以帮助使用者从众多单能量图像中快速找到显示感兴趣组织的最佳能量点。但是传统的CNR计算只是单纯的考虑了背景噪声,没有考虑感兴趣区域噪声对CNR的影响;并且,低对比度组织的CNR在不同能量点下的变化不大,这不利于低对比度组织最佳能量点选取。
发明内容
本发明提出一种高效的能谱CT图像质量的评价方法,该方法实现简单,能够快速确定能谱CT单能图像中最佳能量点,并且能能很好地反映图像质量视觉感知结果,以解决现有技术存在只是单纯的考虑了背景噪声存在的不足。
本发明采用如下技术方案实现:一种能谱CT图像质量的评价方法,其包括步骤:
通过能谱CT图像获取40~140keV能量范围的101个单能量图像;
在每个单能量图像里确定感兴趣组织结构和背景结构后,在感兴趣组织结构和背景结构中分别选取同样大小的感兴趣区域ROI;
根据每个单能量图像的伪理想观察员信噪比PIO SNR画出PIO SNR随能量变化曲线,在PIO SNR随能量变化曲线中确定最佳能量点。
其中,所述获取40~140keV能量范围的101个单能量图像的步骤具体包括:
获取CT设备的系统参数,采用在高能量与低能量之间瞬时切换,同时在同一扫描角度得到两种能量X线的采样数据;
根据这两种能量数据确定体素在40~140keV能量范围内的衰减系数,利用CT图像重建方法进一步得到101个单能量图像。
其中,所述高能量为140kVp,所述低能量为80kVp。
其中,计算理想观察员信噪比PIO SNR的公式为:
其中,τ表示权重因子。
在一个优选实施例中,τ=0.5。
其中,所述画出PIO SNR随能量变化曲线是以能量为横坐标,PIO SNR值为纵坐标,画出PIO SNR随能量变化曲线。
其中,在PIO SNR随能量变化曲线中,确定峰值对应的纵坐标作为最佳PIO SNR,峰值对应的横坐标为最佳能量点。
与现有技术相比,本发明具有如下有益效果:
本发明提出一种高效的能谱CT图像质量的评价方法,能够快速地确定感兴趣区域最佳能量点,并且充分考虑了背景噪声和感兴趣区域噪声之间的相关性;本法方法更加接近符合人眼视觉系统特性,具有比较稳定、效率更高的优点。
附图说明
图1是本发明一个实施例的流程示意图。
图2A图2B和分别是80kVp条件下、140kVp条件下Clock体模仿真数据采用FBP算法直接重建获得的CT图像示意图。
图2C是经过数学计算重建出60keV单能量图像的示意图。
图3是CT图像的CNR变化曲线的示意图。
具体实施方式
本发明具体是借鉴理想观察员(Ideal Observer,简称IO)最优值表示成像系统扫描协议达到最佳和硬件采集数据量最大化,通过计算采样数据的伪理想观察员信噪比(Pseudo Ideal Observer Signal-to-Noise ratio,简称PIO SNR)对能谱CT单能量图像进行客观评价,最终可以从众多单能量图像中快速找到显示感兴趣组织的最佳能量点。该方法主要定量分析了成像物理因素和成像系统空间分辨率响应之间的相互关系,计算感兴趣区域的PIO SNR值作为最佳能量点评价依据对能谱CT单能图像中感兴趣组织进行质量评价,它可以很好的评价组织、器官、病灶等感兴趣区域,与主观评价结构相关性强,能很好地反映图像质量视觉感知结果,并可以评价图像内容不同的单能量图像。
本发明提出一种能谱CT图像质量的评价方法,能谱CT通过高、低两种能量的扫描后,经过数学计算重建出40~140keV之间的101个单能量图像,选取同样的组织或者器官的感兴趣区域,计算每个能量点下的感兴趣区域的PIO SNR,然后可以得到PIO SNR随能量变化的曲线,其峰值对应的纵坐标是最佳对比噪声比,横坐标是能量值。由于本发明能够快速地确定感兴趣区域最佳能量点,并且充分考虑了背景噪声和感兴趣区域噪声之间的相关性。该方法更加接近符合人眼视觉系统特性,并且在稳定性、效率两方面均有上佳表现。
如图1所示,本发明一个优选实施例包括如下实现步骤:
步骤S1、在能谱CT图像中获取40~140keV能量范围的101个单能量图像。
能谱CT通过高、低两种能量的扫描后,依此为基础可得到反映物质随X线能量变化的过程。
获取CT设备的系统参数,采用高(比如140kVp)能量、低(比如80kVp)能量之间瞬时切换,同时在同一个扫描角度得到两种能量X线的采样数据,并根据这两种能量数据确定体素在40~140keV能量范围内的衰减系数,利用现有的CT图像重建方法(比如,基于传统的滤波反投影方法(FilteredBack-Projection,FBP)的CT图像重建方法)重建出40~140keV之间的101个单能量图像。
有关图像重建方法为本领域技术人员熟知的公知技术常识,本发明在此不做详细描述。
比如,图2A图2B和分别是80kVp条件下、140kVp条件下Clock体模仿真数据采用FBP算法直接重建获得的CT图像示意图;图2C是经过数学计算重建出60keV单能量图像的示意图。
步骤S2、在步骤S1获取的101个单能量图像中,对感兴趣组织和背景结构各选择一个感兴趣区域(ROI)。
在101个单能量图像中分别选取感兴趣区域,处理方法设置为在每个单能量图像里确定感兴趣组织结构和背景结构后,在感兴趣组织结构和背景结构中分别选取同样大小的感兴趣区域。
步骤S3、对步骤S2获取的感兴趣区域ROI分别求均值和方差,计算每个单能量图像感兴趣组织的伪理想观察员信噪比(PIO SNR)。
其中,PIO SNR值与每个ROI均值及方差的关系为
步骤S4、对步骤S3获取的每个单能量图像的PIO SNR值画出PIO SNR随能量变化曲线。
根据步骤S3获取的每个单能量图像的PIO SNR值,以能量点keV为横坐标,PIO SNR值为纵坐标,画出PIO SNR随能量变化曲线,如图3所示。
步骤S5、对步骤S4获得的PIO SNR随能量变化曲线,选择峰值对应的纵坐标作为最佳PIO SNR,峰值对应的横坐标为最佳能量点。
比如,在图3所示PIO SNR随能量变化的曲线中,可以确定最佳能量点为98keV。
需要说明的是,本发明所公开的模型,还可以为其他计算机断层成像领域,比如磁共振成像、正电子发射成像或多能量CT成像等。
与现有最好技术相比,本发明的有益技术效果包括:
1、本发明实现了选取感兴趣区域显示的最佳能量点过程中,充分考虑了背景噪声和感兴趣组织噪声之间的相关性,以及两者对信号显示的重要作用;
2、本发明整体操作简单易懂,稳定性高,执行效率高;
3、本发明实现了可以很好的评价组织、器官、病灶等感兴趣区域,与主观评价结构相关性强,能很好地反映图像质量视觉感知结果,并可以评价能谱CT图像内容不同的单能量图像。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (7)
2.根据权利1所述一种能谱CT图像质量的评价方法,其特征在于,所述获取40~140keV能量范围的101个单能量图像的步骤具体包括:
获取CT设备的系统参数,采用在高能量与低能量之间瞬时切换,同时在同一扫描角度得到两种能量X线的采样数据;
根据这两种能量数据确定体素在40~140keV能量范围内的衰减系数,利用CT图像重建方法进一步得到101个单能量图像。
3.根据权利2所述一种能谱CT图像质量的评价方法,其特征在于,所述高能量为140kVp,所述低能量为80kVp。
4.根据权利1所述一种能谱CT图像质量的评价方法,其特征在于,计算伪理想观察员信噪比PIO SNR的公式为:
其中,τ表示权重因子。
5.根据权利4所述一种能谱CT图像质量的评价方法,其特征在于,τ=0.5。
6.根据权利1所述一种能谱CT图像质量的评价方法,其特征在于,所述画出PIO SNR随能量变化曲线是以能量为横坐标,PIO SNR值为纵坐标,画出PIO SNR随能量变化曲线。
7.根据权利6所述一种能谱CT图像质量的评价方法,其特征在于,在PIO SNR随能量变化曲线中,确定峰值对应的纵坐标作为最佳PIO SNR,峰值对应的横坐标为最佳能量点。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410079014.7A CN103810712B (zh) | 2014-03-05 | 2014-03-05 | 一种能谱ct图像质量的评价方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410079014.7A CN103810712B (zh) | 2014-03-05 | 2014-03-05 | 一种能谱ct图像质量的评价方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103810712A true CN103810712A (zh) | 2014-05-21 |
CN103810712B CN103810712B (zh) | 2017-05-03 |
Family
ID=50707433
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410079014.7A Active CN103810712B (zh) | 2014-03-05 | 2014-03-05 | 一种能谱ct图像质量的评价方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103810712B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107133549A (zh) * | 2016-02-29 | 2017-09-05 | 上海联影医疗科技有限公司 | Ect运动门控信号获取方法及ect图像重建方法 |
CN108833976A (zh) * | 2018-06-27 | 2018-11-16 | 深圳看到科技有限公司 | 一种全景视频动态切流后的画面质量评估方法及装置 |
CN110033432A (zh) * | 2019-03-01 | 2019-07-19 | 广州市番禺区中心医院(广州市番禺区人民医院、广州市番禺区心血管疾病研究所) | 基于机器学习和能谱ct的泌尿结石成分分析方法及系统 |
CN110766005A (zh) * | 2019-10-23 | 2020-02-07 | 森思泰克河北科技有限公司 | 目标特征提取方法、装置和终端设备 |
CN111887871A (zh) * | 2019-05-05 | 2020-11-06 | 上海西门子医疗器械有限公司 | 显示双能或多能图像的最佳单能图像的方法、装置、x射线设备 |
CN114813798A (zh) * | 2022-05-18 | 2022-07-29 | 中国工程物理研究院化工材料研究所 | 用于表征材料内部结构及成分的ct检测装置和成像方法 |
-
2014
- 2014-03-05 CN CN201410079014.7A patent/CN103810712B/zh active Active
Non-Patent Citations (6)
Title |
---|
ADRIAN A. SANCHEZ等: "Comparison of human and Hotelling observer performance for a fan-beam CT signal detection task", 《MEDICAL PHYSICS》 * |
CRAIG K. ABBEY等: "Human- and model-observer performance in ramp-spectrum noise: effects of regularization and object variability", 《J OPT SOC AM A OPT IMAGE SCI VIS》 * |
EDWARD J. SOARES等: "The Influence of Photon Attenuation on Tumor-to-Background and Signal-to-Noise Ratios for SPECT Imaging", 《IEEE NUCL SCI SYMP CONF REC (1997)》 * |
XIN HE等: "Model Observers in Medical Imaging Research", 《THERANOSTICS》 * |
XU JINGYAN等: "Quantifying the Importance of the Statistical Assumption in Statistical X-ray CT Image Reconstruction", 《IEEE TRANSACTIONS ON MEDICAL IMAGING》 * |
孙奕波等: "肝癌化疗栓塞术前肝动脉能谱CT成像中最佳单能量的选择", 《中华临床医师杂志》 * |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107133549A (zh) * | 2016-02-29 | 2017-09-05 | 上海联影医疗科技有限公司 | Ect运动门控信号获取方法及ect图像重建方法 |
CN107133549B (zh) * | 2016-02-29 | 2020-11-24 | 上海联影医疗科技有限公司 | Ect运动门控信号获取方法及ect图像重建方法 |
US11557067B2 (en) | 2016-02-29 | 2023-01-17 | Shanghai United Imaging Healthcare Co., Ltd. | System and method for reconstructing ECT image |
CN108833976A (zh) * | 2018-06-27 | 2018-11-16 | 深圳看到科技有限公司 | 一种全景视频动态切流后的画面质量评估方法及装置 |
CN108833976B (zh) * | 2018-06-27 | 2020-01-24 | 深圳看到科技有限公司 | 一种全景视频动态切流后的画面质量评估方法及装置 |
CN110033432A (zh) * | 2019-03-01 | 2019-07-19 | 广州市番禺区中心医院(广州市番禺区人民医院、广州市番禺区心血管疾病研究所) | 基于机器学习和能谱ct的泌尿结石成分分析方法及系统 |
CN110033432B (zh) * | 2019-03-01 | 2023-04-18 | 广州市番禺区中心医院(广州市番禺区人民医院、广州市番禺区心血管疾病研究所) | 基于机器学习和能谱ct的泌尿结石成分分析方法及系统 |
CN111887871A (zh) * | 2019-05-05 | 2020-11-06 | 上海西门子医疗器械有限公司 | 显示双能或多能图像的最佳单能图像的方法、装置、x射线设备 |
CN110766005A (zh) * | 2019-10-23 | 2020-02-07 | 森思泰克河北科技有限公司 | 目标特征提取方法、装置和终端设备 |
CN114813798A (zh) * | 2022-05-18 | 2022-07-29 | 中国工程物理研究院化工材料研究所 | 用于表征材料内部结构及成分的ct检测装置和成像方法 |
Also Published As
Publication number | Publication date |
---|---|
CN103810712B (zh) | 2017-05-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11116471B2 (en) | Methods and apparatus for extended low contrast detectability for radiographic imaging systems | |
US11328391B2 (en) | System and method for controlling noise in multi-energy computed tomography images based on spatio-spectral information | |
US7804988B2 (en) | Method for filtering of tomographic 3D displays on the basis of the reconstruction of volume data | |
US8346011B2 (en) | Reducing noise in an image | |
CN103810712A (zh) | 一种能谱ct图像质量的评价方法 | |
US10281544B2 (en) | Method and device for accurate quantification of T2 relaxation times based on fast multi spin-echo NMR sequences | |
Malkus et al. | A method to extract image noise level from patient images in CT | |
EP3612095B1 (en) | Beam hardening correction in x-ray dark-field imaging | |
Thompson et al. | Fast three-dimensional phase retrieval in propagation-based x-ray tomography | |
Pahn et al. | Toward standardized quantitative image quality (IQ) assessment in computed tomography (CT): A comprehensive framework for automated and comparative IQ analysis based on ICRU Report 87 | |
Delbany et al. | One‐millimeter isotropic breast diffusion‐weighted imaging: Evaluation of a superresolution strategy in terms of signal‐to‐noise ratio, sharpness and apparent diffusion coefficient | |
Hernandez et al. | Effects of kV, filtration, dose, and object size on soft tissue and iodine contrast in dedicated breast CT | |
Andria et al. | A statistical approach for MR and CT images comparison | |
JP2020049237A (ja) | 微細構造解析データのデータ品質を評価し向上させる方法 | |
Brunner et al. | Investigation of a method to estimate the MTF and NPS of CT towards creating an international standard | |
Choi et al. | Integration of 2D iteration and a 3D CNN-based model for multi-type artifact suppression in C-arm cone-beam CT | |
Li et al. | Detection performance study for cone-beam differential phase contrast CT | |
Siewerdsen et al. | Cone-beam CT image quality | |
Lee et al. | Human observer performance on in-plane digital breast tomosynthesis images: Effects of reconstruction filters and data acquisition angles on signal detection | |
Liu et al. | A comparative study of assessment methods for medical image quality | |
Choi et al. | Investigation of human and model observer performance of mass detection in a prototype digital breast tomosynthesis system | |
Lyu et al. | Model observer performance in contrast‐enhanced lesions in breast CT: The influence of contrast concentration on detectability | |
Haase et al. | Estimation of statistical weights for model-based iterative CT reconstruction | |
Haeusele et al. | Dark-field for human CT–Sample data processing at the first clinical prototype | |
Glick et al. | Filtering of SPECT reconstructions made using Bellini's attenuation correction method: a comparison of three pre-reconstruction filters and a post-reconstruction Wiener filter |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |