CN104135931B - 用于减少成像数据中的局部伪影的方法和系统 - Google Patents

用于减少成像数据中的局部伪影的方法和系统 Download PDF

Info

Publication number
CN104135931B
CN104135931B CN201380010576.XA CN201380010576A CN104135931B CN 104135931 B CN104135931 B CN 104135931B CN 201380010576 A CN201380010576 A CN 201380010576A CN 104135931 B CN104135931 B CN 104135931B
Authority
CN
China
Prior art keywords
imaging data
artifact
imaging
region
value
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
Application number
CN201380010576.XA
Other languages
English (en)
Other versions
CN104135931A (zh
Inventor
A·A·伊索拉
E·S·汉西斯
J·维格特
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Koninklijke Philips NV
Original Assignee
Koninklijke Philips Electronics NV
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Koninklijke Philips Electronics NV filed Critical Koninklijke Philips Electronics NV
Publication of CN104135931A publication Critical patent/CN104135931A/zh
Application granted granted Critical
Publication of CN104135931B publication Critical patent/CN104135931B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/02Arrangements for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
    • A61B6/03Computed tomography [CT]
    • A61B6/032Transmission computed tomography [CT]
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/46Arrangements for interfacing with the operator or the patient
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/52Devices using data or image processing specially adapted for radiation diagnosis
    • A61B6/5211Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/52Devices using data or image processing specially adapted for radiation diagnosis
    • A61B6/5258Devices using data or image processing specially adapted for radiation diagnosis involving detection or reduction of artifacts or noise
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/52Devices using data or image processing specially adapted for radiation diagnosis
    • A61B6/5258Devices using data or image processing specially adapted for radiation diagnosis involving detection or reduction of artifacts or noise
    • A61B6/5264Devices using data or image processing specially adapted for radiation diagnosis involving detection or reduction of artifacts or noise due to motion
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00Pattern recognition
    • G06F18/20Analysing
    • G06F18/22Matching criteria, e.g. proximity measures
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00Pattern recognition
    • G06F18/20Analysing
    • G06F18/24Classification techniques
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/002D [Two Dimensional] image generation
    • G06T11/003Reconstruction from projections, e.g. tomography
    • G06T11/005Specific pre-processing for tomographic reconstruction, e.g. calibration, source positioning, rebinning, scatter correction, retrospective gating
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/002D [Two Dimensional] image generation
    • G06T11/003Reconstruction from projections, e.g. tomography
    • G06T11/008Specific post-processing after tomographic reconstruction, e.g. voxelisation, metal artifact correction
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00Image enhancement or restoration
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00Image enhancement or restoration
    • G06T5/77Retouching; Inpainting; Scratch removal
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/0002Inspection of images, e.g. flaw detection
    • G06T7/0012Biomedical image inspection
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/10Segmentation; Edge detection
    • G06T7/11Region-based segmentation
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/10Segmentation; Edge detection
    • G06T7/187Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/20Analysis of motion
    • G06T7/246Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
    • GPHYSICS
    • G16INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16HHEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/20ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/10Image acquisition modality
    • G06T2207/10072Tomographic images
    • G06T2207/10081Computed x-ray tomography [CT]
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/20Special algorithmic details
    • G06T2207/20172Image enhancement details
    • G06T2207/20182Noise reduction or smoothing in the temporal domain; Spatio-temporal filtering
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/20Special algorithmic details
    • G06T2207/20172Image enhancement details
    • G06T2207/20201Motion blur correction
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/30Subject of image; Context of image processing
    • G06T2207/30004Biomedical image processing
    • G06T2207/30008Bone

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Medical Informatics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Biomedical Technology (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Pathology (AREA)
  • Animal Behavior & Ethology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Optics & Photonics (AREA)
  • High Energy & Nuclear Physics (AREA)
  • Biophysics (AREA)
  • Veterinary Medicine (AREA)
  • Data Mining & Analysis (AREA)
  • Pulmonology (AREA)
  • Multimedia (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Human Computer Interaction (AREA)
  • Quality & Reliability (AREA)
  • Databases & Information Systems (AREA)
  • Epidemiology (AREA)
  • Primary Health Care (AREA)
  • Apparatus For Radiation Diagnosis (AREA)
  • Magnetic Resonance Imaging Apparatus (AREA)
  • Ultra Sonic Daignosis Equipment (AREA)

Abstract

提供了一种用于减少成像数据中的诸如运动伪影和骨骼条纹伪影的局部伪影的方法和系统。所述方法包括:分割所述成像数据以识别所述成像数据中的一个或多个可疑区域,预计在所述一个或多个可疑区域附近出现局部伪影;在每个可疑区域周围定义成像数据中的感兴趣的伪影包含区域;以及在所述伪影包含区域内应用局部偏置场以校正所述局部伪影。

Description

用于减少成像数据中的局部伪影的方法和系统
技术领域
本申请总体上涉及成像领域,并且更具体地涉及一种用于在医疗X射线计算机断层摄影(CT)成像中减少运动伪影的方法和系统。本申请主题还应用于涉及运动伪影的其他成像系统中,例如还应用于通用放射成像(GR)、磁共振成像(MR)、核医学(NM)以及其组合。核医学例如包括单光子发射计算机断层摄影(SPECT)成像系统和正电子发射断层摄影(PET)成像系统。
然而,在其更广泛的方面,本申请主题不限于医疗成像领域,并且可以适用于非医疗领域中的成像系统。这些成像系统通常收集关于诸如人类的对象的成像数据,并且记录该成像数据以供后续的分析和使用。这样的使用例如包括医疗诊断、跟踪人体内的肿瘤的生长或性质、出于安全目的寻找诸如枪和刀的非法或危险物品等。因此,尽管一个实施例是医疗成像并且以下描述的大部分涉及医疗成像领域,但本发明也适应于其他领域。
背景技术
成像研究通常遭受运动伪影。这是在由组合的SPECT/CT系统或使用平板X射线探测器的其他放疗系统记录的锥形束计算机断层摄影(CBCT)研究中的特有的问题。这样的研究通常用于对来自SPECT和CT成像模态的成像数据的衰减校正和定位,并且还用于图像引导的放疗中的目标定位。这些CBCT系统通常具有大约几秒或甚至几分钟的机架旋转时间,这使成像数据对来自患者运动的伪影敏感。这些伪影扰乱进行解读的医师、降低成像研究中的置信度并且可以损害衰减校正的准确度。
在成像采集期间通过成像空间内的患者的适当的准备,并且通过指导患者在记录成像数据的同时保持静止能够控制大多数自发的患者运动。然而,诸如心脏运动、在较长的成像扫描期间的呼吸、肠气运动等的非自发的患者运动不能如此容易地避免。特别地,患者肠道中的泡的运动能够引起强烈的运动伪影。因此,期望减少非自发的运动伪影的软件解决方案。
已经存在在CBCT重建以及其他成像技术期间减少运动伪影的若干方法。这些方法包括经运动补偿的重建、基于投影的运动补偿等。总体上,这些已知的方法需要估计(一个或多个)移动对象的形状和运动。它们通常额外地依赖于关于(一个或多个)移动对象的假设,例如刚性、平滑度或者运动的周期性。这样的已知方法通常关注大的对象运动或周期性对象运动。不能容易地将它们适用于肠气运动,其中,移动的泡是小的、形状是变化的并且以不可预料和非平滑的方式运动。另外,经运动补偿的重建和运动估计通常是非常需要计算量的。
发明内容
当前描述的方法克服了这些问题。它们不要求对运动向量场的估计,并且它们能够适用于诸如肠气泡的不规则形状的对象。能够在完全后重建的基础上实施该方法,以使它们计算高效。该方法导致运动伪影的视觉减少,并因此改进整体图像质量,增强研究的置信度,并且可以提高伴随的SPECT研究的衰减校正的准确度。另外,置信度的测量能够被导出并被呈现给用户,以识别可能受到运动伪影影响的成像数据区域。
根据本发明的一个方面,提供了一种用于减少成像数据中的局部伪影的方法。该方法包括:分割成像数据以识别成像数据中的一个或多个可疑区域,预计在所述可疑区域附近出现局部伪影;在每个可疑区域周围定义成像数据中的感兴趣的伪影包含区域;针对感兴趣的伪影包含区域的图像数据定义一个或多个类,并且将每个类与至少一个典型成像值相关联;将感兴趣的伪影包含区域内的图像数据的每项分配给这些类中的一个;确定伪影包含区域内的局部偏置场,所述局部偏置场针对伪影包含区域内的图像数据的每项描述了所计算的成像值与基于所述分类的成像典型值之间的差的;以及将局部偏置场应用到伪影包含区域内的成像数据以产生经伪影校正的成像数据。也提供了对应的系统。另外,能够确定置信度的局部度量以警告用户可能受到伪影影响的区域。
附图说明
在阅读以下详细描述的若干实施例后,许多优点和益处对于本领域技术人员将变得显而易见的。本发明可以采取各种部件和部件的布置,以及各种过程操作和过程操作的安排的形式。附图仅出于图示许多实施例的目的,并且不得被解释为对本发明的限制。
图1是示范性医疗CT成像系统100,其中固定机架的一部分被切除以披露机架内的旋转X射线源和数据测量系统;
图2图示了一种用于减少成像数据中的运动伪影的示范性方法200;
图3是经分割的重建数据的示意性典型图示;
图4是包括在肠气泡周围定义的伪影包含区域的经分割的重建数据的示意性典型图示;以及
图5是包括在骨骼区域周围定义的伪影包含区域的经分割的重建数据的示意性典型图示。
具体实施方式
本公开的主题与涉及运动伪影的任何成像系统结合使用,例如与CT成像系统结合使用。更具体地,参考图1,在一个实施例中成像系统100是医疗CT成像系统。CT成像采集系统102包括机架104和沿着z轴移动的诸如台子或卧榻的对象支撑物106。患者或其他待成像的对象(未示出)躺在或被放置在对象支撑物106上并被移动以被设置在机架104中的孔口108内。一旦患者或对象在孔口108内就位,X射线源110发射待由机架104内部的X射线数据测量系统112收集的X射线的投影。(在图1中切除了机架104的一部分114以显示容纳在机架104内部的X射线源110和X射线数据测量系统112)。X射线源110和数据测量系统112一起围绕孔口108旋转以采集并记录来自各位置的CT成像数据。在一些实施例中,这样的旋转可以在对象支撑物106静止时发生。在其他实施例中,在“螺旋”扫描中,这样的旋转可以连同沿着z轴的对象支撑物106的线性移动一起发生。所述旋转是可能的,因为X射线源110和数据测量系统112每个被安装到机架104内部的共同的转子(未示出)。
因此,CT成像采集系统102的数据测量系统112采集以探测到的X射线形式的CT成像数据。之后系统102通过通信链路101将采集到的CT成像数据传递到CT成像、处理以及显示系统116上。尽管系统102和116出于说明的目的在这里被示为并且被描述为单独的系统描述,但它们在其他实施例中可以作为单个系统的一部分。当系统102和106是单独的系统时,通信链路101可以是允许在各系统之间传递数据的任何链路,例如局域网,因特网,诸如计算机磁盘、CD-ROM或者闪存驱动器的存储器存储介质的物理传递等。通信链路101可以是有线的、无线的或其组合。因此,系统102和116能够位于不同的房间、不同的建筑物或者甚至不同的城市中。然而最典型地,系统102和116在同一房间中或在单独但邻近或连接的房间中。操作员则可以在成像采集过程期间使用系统116以控制的系统102。
经由通信链路101,所采集的CT成像数据传到在存储器120中存储所采集的CT成像数据的图像处理器118。图像处理器118可以应用众所周知的图像重建技术以电子方式处理所采集的CT成像数据并生成经重建的成像数据,所述经重建的成像数据包括被成像的患者或其他对象的数字图像。图像处理器118能够在相关联的显示器122上显示所得的经重建的成像数据。可以为用户提供诸如键盘和/或鼠标设备的用户输入124以控制处理器118。
成像系统100可以是只提供基于CT的成像的单独单元,如图1所示。尽管在这里未示出,连同基于CT的成像部件一起,成像系统100可以额外地包括用于PET和/或SPECT成像或其他成像模态的适当的部件。同样地,尽管图1的示范性系统是CT成像系统,本方法还适用于其他成像系统,例如PET系统、SPECT系统、MRI系统以及其组合。所有这样的系统具有成像采集部件(例如CT系统102)和成像处理部件(例如CT系统116)。成像采集部件生成、测量并记录关于成像对象的一个或多个不同类的所采集的成像数据。成像处理部件接收所采集的成像数据并且在一些情况下将其处理以生成能够在显示器上观看的经重建的成像数据。在其他情况下,这样的后采集处理可以不是必需的,以便显示由用户查阅的成像数据,或者其可以由不同的系统在稍后执行。
因此本文描述的功能能够被执行为软件逻辑。本文所使用的“逻辑”包括但不限于硬件、固件、软件和/或每个的组合以执行(一个或多个)功能或(一个或多个)动作,和/或以引起来自另一个部件的功能或动作。例如,基于期望的应用或需求,逻辑可以包括软件控制的微处理器、诸如专用集成电路(ASIC)的离散逻辑或其他编程的逻辑设备。逻辑还可以被完全实施为软件。
本文使用的“软件”包括但不限于一个或多个计算机可读和/或可执行指令,所述指令使计算机或其他电子设备以期望的方式执行功能、动作和/或行为。所述指令可以实施在诸如例程、算法、模块或包括来自动态链接库的单独应用或代码的程序的各种形式中。软件还可以被实施在诸如独立程序、函数调用、小服务程序、小应用程序、存储在诸如存储器120的存储器中的指令、操作系统的一部分或其他类型的可执行指令的各种形式中。本领域技术人员之一将认识到,软件的形式例如取决于期望应用的要求、其运行的环境和/或设计者/程序员的期望等。
本文描述的系统和方法能够被实施在各种平台上,所述平台包括例如网络控制系统和独立控制系统。另外,本文所示和所描述的逻辑优选地驻存在诸如存储器120的计算机可读介质中或上。不同计算机可读介质的范例包括闪存、只读存储器(ROM)、随机访问存储器(RAM)、可编程只读存储器(PROM)、电可编程只读存储器(EPROM)、电可擦可编程只读存储器(EEPROM)、磁盘或磁带、包括CD-ROM和DVD-ROM的光学可读介质等。更进一步地,本文描述的过程和逻辑能够被合并成一个大的过程流或被分成许多子过程流。本文已经描述的过程流的顺序不是决定性的,并且在仍然达到相同结果的同时能够被重新安排。确实,本文描述的过程流可以如所保证或所期望的在它们的实施方式中被重新安排、合并和/或重组。
通常,一个或多个技术员操作成像系统102和116以生成所采集的成像数据,并且还可能处理所采集的成像数据以生成经重建的成像数据。这些技术员通过他们的教育、培训和经验获得资格来操作成像系统并操纵成像数据。
因此,提供了用于减少成像数据中的运动伪影的方法。在图2中图示了示范性的这种方法。方法200以技术员实施202成像采集协议而开始。所述协议通常遵循由医生或其他专家已经确定的处方,所述医生或其他专家经与患者磋商已经确定成像扫描是可取的。该协议定义要被实施202以生成所采集的成像数据206的成像扫描。例如,该协议可以定义要成像的患者的身体的(一个或多个)区域和要执行的成像扫描的类型。在上述的医疗CT成像系统100的示范性实施例中,该协议将确定对象支撑物卧榻106以及X射线源110和X射线数据测量系统112的运动,以及在成像扫描期间要施加的X射线剂量。技术员通常可以实施202若干整个或部分预定义的成像采集协议中的任何一个或多个。在核医学成像中,实施202成像采集协议可以包括要求被成像的患者服用放射性药物,或者将放射性药物注射入患者的血流中。
在方法200的下一个步骤中,采集204成像数据。即,被成像的受试者位于成像装置内,并且根据所述协议执行成像扫描以记录所采集的成像数据206。
所得的采集的成像数据206可以任选地被重建208。根据正在使用的成像模态,在采集扫描204期间由成像设备直接记录的所采集的成像数据206可以是或可以不是确切的感兴趣的数据。在一些情况下,可能必需要使用许多众所周知的“重建”过程208中的任何一个或多个处理所采集的成像数据206,以生成由医学专业人员等使用的经重建的图像数据210。作为一个范例,由医疗CT成像系统100采集的X射线发射数据通常需要被重建以生成医疗有用的数据。这样的重建过程208例如包括滤波反投影方法、迭代方法以及其他重建方法。重建方法208通常是专门化的以考虑正在使用的成像系统的特定几何结构,例如在探测器偏置CBCT重建的情况下。经重建的成像数据210可以被布置在离散的项目中,例如成像数据的二维像素或三维体素。在下文的讨论中,假定经重建的成像数据210是三维的。但是本文描述的方法对较不复杂的二维背景的适用性对本领域的技术人员之一是显而易见的。
在许多情况下,初始成像采集协议将指定使用的重建过程208以从所采集的成像数据206中导出经重建的成像数据210。在那些情况下,可以在同一时间操作这两个步骤204和208。即,当成像系统在收集所采集的成像数据206时,可以同时地将重建方法208应用到已经采集的成像数据206。然而在其他情况下,初始成像采集协议可以不包括任何重建过程208。在那些情况下,在已经完成成像采集204并完整地生成数据206之后,确定并执行重建数据处理208。因此,可以使用诸如系统102的成像数据采集系统或者诸如系统116的后采集处理系统应用方法200。
重建步骤208是任选的。在一些情况下,直接采集的成像数据206就其本身而言可以是足够的而不需要对于医疗诊断或采集成像数据206所出于的其他任何目的有用的重建208。在那些情况下,在下文讨论中对经重建的成像数据210的引用应当被认为意指直接采集而不需要执行任何重建208的成像数据206。
分割212经重建的成像数据210以识别经重建的成像数据210的对应于诸如肠气泡的移动对象的部分。使用已知的分割方法可以在经重建的成像数据210内分割移动对象212。例如,一种已知的分割方法212是将一个或多个阈值应用到经重建的成像数据210。即,将分配给经三维重建的成像数据210中的每个体素的放射强度或衰减系数值(通常以亨氏单位测量)基于最小值与最大值的限定范围来分布在两个或更多个不同的经分割的数据组之间。经分割的经重建的成像数据214的数据组中的至少一个对应于诸如肠气泡的移动对象。经分割的经重建的成像数据214的其他潜在的数据组包括软组织、骨骼、肺中的气泡或者可能在实施的特定研究中是感兴趣的其他类型的区域。许多分割方法是已知的。不管应用哪种分割方法,经重建的成像数据210被分割212成各种数据组以及对应的感兴趣区域。
可以通过区域生长分割步骤将初始阈值分割补充为整体分割212的一部分。即,将初始区域性分类用作种子点,之后基于成像数据210内的紧邻周围区域的特性对其进行修改。关于感兴趣特征的知识,例如肠气泡的尺寸或位置,能够加强分割212并且帮助将肠气泡区别于肺中或患者的身体外的其他气泡。例如,肠气泡会位于患者隔膜之下,并且在患者的皮肤下面。
图3是经分割的经重建的成像数据214的示意性典型图示。图3表示垂直于图1中的Z轴取得的患者302的三维的经分割的经重建的成像数据214的二维横截面214Z。成像数据214Z被分割212成各种区域,包括肠气泡304、骨骼306(患者的脊椎)、肝脏308以及肾脏310,其中,其余部分简单地被表征为软组织312。可以使用相同方法类似地分割在不同的z轴值处的三维的经分割的经重建的成像数据214的其他部分。
返回图2的描述,经分割的经重建的成像数据214内的每个区域被分类为“移动”区域216或“非移动”区域218。这些是相对的而不是绝对的分类。即,在经分割的经重建的成像数据214中被分类为移动区域216的区域对应于被怀疑是引起运动伪影的对象。之后不符合移动区域216的任何区域被分类为非移动区域218。因此,在非移动区域中出现的对象很可能是正在移动的对象,但例如不能足够快地引起运动伪影。确实,最简单的分割212是可疑移动区域216与所有其他成像数据218之间的二值分割。
在图3的特定范例中,被怀疑引起运动伪影的唯一对象是肠气泡304。因此,在图示的成像数据214Z中,移动区域216对应于肠气泡304的集合。并且,非移动区域218对应于骨骼306、肝脏308、肾脏310以及软组织312区域的集合。
方法200的下一个步骤定义220每个移动区域216周围的感兴趣伪影包含区域222。假定运动伪影源自于移动区域216。因此,预计运动伪影通常随着与可疑移动区域216的距离的增大而幅度减少。因此,步骤220力图定义受到运动伪影影响的经分割的经重建的成像数据214的部分。每个伪影包含区域222的一个或多个内边界对应于在分割步骤212中识别的可疑移动区域216。每个伪影包含区域222的外边界由步骤220确定。
例如可以通过使用可疑移动区域216作为种子点的区域生长定义220感兴趣伪影包含区域222。设计区域生长的终止条件以区分受到运动伪影影响的区域和没有受到运动伪影影响的区域。例如,简单的终止条件可以定义围绕可疑移动区域216的组织的衰减系数值的“正常”范围。之后,通过从可疑移动区域216区域生长出去直到遇到正常衰减系数值的整个外边界来定义感兴趣伪影包含区域222。备选地或额外地,可以采用额外的终止条件。伪影包含区域定义步骤220也可以考虑伪影包含区域222的其他属性,例如空间连接性、轮廓平滑度、伪影的预计形状、关于感兴趣区域中的解剖结构的一般知识以及关于经分割的数据214中的不同组织类型的典型衰减系数的知识。
在图3的具体范例中,紧密围绕移动区域216的组织全部被分割为软组织312。因此,在该范例中,软组织的衰减系数值的正常范围可以被用作终止条件。额外的终止条件可以是遇到不同的分割区域,例如空气304、骨骼306、肝脏308、肾脏310或不是软组织312的任何其他分割区域。
图4是包括定义的伪影包含区域的经分割的经重建的成像数据214的示意性典型图示。图4是与如在图3中示出的相同的二维横截面214Z。在图4中,数据214Z被划分成三类:可疑移动区域216、伪影包含区域402以及无伪影区域404。可疑运动移动区域216包括来自分割212的被分类为移动区域304的每个区域。在图3和4的特定范例中,仅肠气泡304被定义为可疑移动区域216。之后那些可疑移动区域216中的每个由如在步骤220中确定的伪影包含区域402所围绕,这在图4中由虚线示出。之后,不在可疑移动区域216或伪影包含区域402中的所有其他成像数据被分类为无伪影区域404。如能够从图4中看出的,伪影包含区域402整体落入经分割的经重建的成像数据214Z的软组织部分312内。即,软组织部分312位于伪影包含区域402内或者无伪影区域404内。无伪影区域404不仅包括一些软组织312,而且包括骨骼306、肝脏308以及肾脏310。
之后定义224成像数据的一个或多个类划分以用于伪影包含区域222内的应用。每个类由衰减值系数的相互排除的范围限定,所述相互排除的范围由每个类的不同的最小值与最大值设定。类的数目以及每个类内的值的范围将总体上取决于哪个经分割的数据组214出现在区域222中。例如,在图3中,伪影包含区域222单独包括软组织312经分割的数据组。然而更一般地,区域222也可以足够大以包含不同类型的经分割的数据组214,例如软组织312和肝脏308两者。落入伪影包含区域222内的经分割的数据组214中的每一个被单独地划分成一个或多个类。
图3表示最简单的方案,在那里仅有一个这样的经分割的数据组214,在那种情况下其为软组织312。方便的是将全部软组织312视为仅在一个类224之下。例如,如果在区域222的内部与外部的软组织312之间的衰减系数值中几乎没有变化,则将软组织312的较高密度区域视为不同于软组织312的较低密度区域几乎没有优点。然而更通常地,在区域222的内部与外部的软组织312之间的衰减系数值中将会有显著的变化。在该更加典型的情况下,通常将软组织312划分成分别对应于水(最低衰减)、脂肪(中等衰减)以及肌肉(最高衰减)的三个类会是方便的。
然而更一般地,伪影包含区域222可以覆盖成像数据的经分割的区域214中的不只一个。在那种情况下,经分割的区域214中的每一个必须被单独地分析以确定那个区域的进一步的分类是否将会是有用的并且,如果有用,该分类可能是什么。
类的数目以及每个类的最小值与最大值可以以许多不同的方式定义。在第一实施例中,在采集204任何成像数据206之前预定义这些类。即,类划分224能够考虑关于解剖结构和各种感兴趣区域的典型的衰减系数的先验知识。这样的知识能够被单独地使用以确定类的数目以及定义类的范围。
在第二实施例中,至少部分通过分析分配给经分割的数据组214的经重建的成像数据210来定义该组214的类。这例如可以通过将模糊分割和分类分析应用到位于无伪影区域404内的组214的成像数据来实现。因此,如果在遍及整个无伪影区域404的软组织312之间的衰减系数值中几乎没有变化,则可以完全省略分类。使用来自无伪影区域404的数据从而避免可能由依赖于来自伪影包含区域402的数据而引起的破坏。
之后将每个图像数据类与一个或多个典型衰减系数相关联226。在一个实施例中,每个典型衰减系数被简单地定义为类的最小衰减系数值与最大衰减系数值的平均数。在替代实施例中,每个典型衰减系数是每个类的特定其他单个预定义的值,其可以独立于经分割的经重建的成像数据214的部分结果被确定为或者被确定为经分割的经重建的成像数据214的部分结果。在又进一步的实施例中,每个类可以被约束为具有落入值的范围内的衰减系数。典型衰减系数范围可以被定义为定义类的最小值和最大值,或者嵌合在那个类定义内的特定较小范围。
使用已知的方法将伪影包含区域402内的经重建的成像数据210的每个三维体素分配228到图像数据类中的一个。例如,Mohamed N.Ahmed等人的文章“A Modified FuzzyC-Means Algorithm for Bias Field Estimation and Segmentation of MRI Data”(IEEE Transactions on Medical Imaging,第21卷,第3号(2002年3月))确定了一种可以应用到本文内容的类似的方法。将Ahmed等人的公开内容通过引用完全并入本文中。
方法200的下一个步骤确定230伪影包含区域402内的局部偏置场232。局部偏置场232针对区域402内的每个体素描述经重建的体素衰减值210与根据分类分配228的预计体素衰减值之间的差。换言之,假定由分类分配228提供真实值,则局部偏置场232识别由运动伪影引入到经重建的体素值210的误差。如果类的典型衰减系数是单个数字,则局部偏置场232入口被定义为经重建的值与典型值之间的差(包括正/负方向)。如果类的典型衰减系数是值的范围,则在经重建的值落入该范围内的情况下,局部偏置场232入口被定义为零,否则被定义为经重建的值与该范围的最大或最小中较接近者之间的差(包括正/负方向)。局部偏置场确定230能够包括平滑步骤,该平滑步骤促成局部偏置场232的平滑并且降低噪声。备选地或额外地,能够将局部偏置场232局部地规则化以便促成伪影的局部预计的形状。这样的预计运动伪影形状例如可以是线状或具有定义的方向特性。
之后通过将局部偏置场232应用234到经重建的成像数据210的伪影包含区域402来减少经重建的成像数据210内的运动伪影。将局部偏置场232应用在伪影包含区域402内部以在视觉上减少运动伪影。局部偏置场的应用能够被配置为具有围绕其边界的渐变加权区域,使得不会由局部偏置场232应用在受到影响的区域的周围引入突发幅级。将校正限制到伪影包含区域402降低了应用该方法的整体风险,因为经重建的成像数据210的大多区域不受校正的影响。
应用234生成经运动校正的经重建的成像数据236。如果应用234还将经分割的肠气泡区域216/304从成像数据中移除,则可以将那些区域重新插入到成像数据中以便产生最终图像236。
尽管已经针对减少由于肠气运动引起的运动伪影的特定情况200描述了方法,但该方法可以被容易地应用到其他局部伪影。这样的其他局部伪影例如包括散射引起的骨骼的条纹偏离、来自探测器缺陷的伪影以及其他局部伪影。
以骨骼条纹为例,骨骼条纹伪影校正方法200′的第一步202到210与运动伪影校正方法200相同。然而分割步骤212′将至少包括经重建的成像数据210内的骨骼区域306的识别。之后所得的经分割的重建数据214被划分成可疑骨骼区域216′和非骨骼区域218′,而不是可疑移动区域216和非移动区域218。总体上,该方法的分割步骤识别数据214内的可疑区域,预计在该可疑区域附近出现感兴趣的局部伪影。移动对象创造局部运动伪影,并且骨骼组织创造骨骼条纹伪影。
转到伪影包含区域222的定义220′,假定骨骼条纹伪影源自于可疑骨骼区域216′。因此,预计骨骼条纹伪影通常随着与可疑骨骼区域216′的距离的增大而减少。因此,定义步骤220′力图定义经分割的经重建的成像数据214的可能受到骨骼条纹伪影影响的部分。每个伪影包含区域222的一个或多个内边界对应于在分割步骤212′中识别的可疑骨骼区域216′。每个伪影包含区域222的外边界由步骤220′确定,如已经在上文关于运动伪影描述的。伪影包含区域定义步骤220′还可以考虑散射引起的骨骼的偏离条纹的特有特性。例如,许多骨骼条纹伪影具有从可疑骨骼区域216′辐射开的线状外观,因此步骤220′可以特别注意经分割的经重建的成像数据214内的这样的特征。
图5是包括定义的伪影包含区域的经分割的经重建的数据214的示意性典型图示。图5是与如在图3中示出的相同的二维横截面214Z。在图5中,数据214Z被划分成三类:可疑骨区域216′、伪影包含区域502以及无伪影区域504。可疑骨区域216′包括来自分割212的被分类为骨区域306的每个区域。之后那些可疑骨区域216′中的每个由如在步骤220′中确定的伪影包含区域502所围绕,这在图5中由虚线示出。之后,不是可疑骨区域216′或伪影包含区域502的所有其他成像数据被分类为无伪影区域504。如能够从图5中看出的,伪影包含区域502整体落入经重建的成像数据214Z的软组织部分312内。即,软组织部分312位于伪影包含区域502内或者无伪影区域504内。无伪影区域504不仅包括一些软组织312,而且包括肠气泡304、肝脏308以及肾脏310。
以与如上文描述的运动伪影校正方法200相同的方式进行骨骼条纹伪影校正方法200′的其余步骤224到234。结果是针对局部骨骼条纹伪影校正的一组经重建的成像数据236′。
在又一额外的实施例中,能够使用本方法以通知用户成像数据可能包含诸如运动伪影、骨骼条纹伪影或其他这样的伪影的局部伪影。用户通知可以采取多种形式。在一个实施例中,系统可以简单地通知用户,用户正在访问的成像数据可能包含局部伪影。在另一个实施例中,系统可以额外地呈现给用户经伪影校正的经重建的成像数据集。在另一实施例中,系统可以识别经校正的或未经校正的经重建的图像数据集内的可能由局部伪影破坏的一个或多个区域,以指示较低置信度的区域。另外,能够将所估计的偏置场或所导出的度量作为置信度的局部度量与经重建的成像数据一起呈现给用户,以进一步地对可能低的置信度的区域进行量化。
已经参考若干实施例描述了本发明。明显地,其他人在阅读并理解前述详细描述后可以进行修改和变化。旨在将本发明解释为包括所有这样的修改和变化,只要它们落入权利要求书或其等价要件的范围内。本发明可以采取所公开的实施例的元件的各种组成、部件和布置、组合以及子组合的形式。

Claims (14)

1.一种用于减少成像数据中的局部伪影的方法(200),所述方法包括:
分割(212)所述成像数据以识别所述成像数据中的一个或多个可疑区域(216),预计在所述一个或多个可疑区域附近出现局部伪影;
在每个可疑区域周围定义(220)所述成像数据中的感兴趣的伪影包含区域(222);
针对所述感兴趣的伪影包含区域的所述成像数据定义(224)一个或多个类,并且将每个类与至少一个典型成像值相关联(226);
将所述伪影包含区域内的成像数据的每项分配(228)给所述类中的一个;
确定(230)所述伪影包含区域内的局部偏置场(232),所述局部偏置场针对所述伪影包含区域内的成像数据的每项描述了所计算的成像值与基于分类的所述典型成像值之间的差;以及
将所述局部偏置场应用(234)到所述伪影包含区域内的所述成像数据以产生经伪影校正的成像数据(236)。
2.如权利要求1所述的方法,其中,所述的分割步骤包括将一个或多个阈值应用到所述成像数据。
3.如权利要求1所述的方法,还包括针对所述感兴趣的伪影包含区域的所述成像数据的至少两个类,所述至少两个类由互斥的最小类值与最大类值定义。
4.如权利要求3所述的方法,还包括在采集(204)所述成像数据之前定义多个所述类以及所述最小类值与所述最大类值。
5.如权利要求3所述的方法,还包括至少部分通过分析所述成像数据来定义多个所述类以及所述最小类值与所述最大类值。
6.如权利要求3所述的方法,其中,所述伪影包含区域分类包括第一最低值类、第二中等值类以及第三高值类。
7.如权利要求1所述的方法,其中,所述局部偏置场确定包括平滑步骤,所述平滑步骤促成所述局部偏置场的平滑并且降低噪声。
8.一种成像系统,包括:
图像处理系统,其被配置为执行以下步骤以减少成像数据中的局部伪影:
分割(212)所述成像数据以识别所述成像数据中的一个或多个可疑区域(216),预计在所述一个或多个可疑区域附近出现局部伪影;
在每个可疑区域周围定义(220)所述成像数据中的感兴趣的伪影包含区域(222);
针对所述感兴趣的伪影包含区域的所述成像数据定义(224)一个或多个类,并且将每个类与至少一个典型成像值相关联(226);
将所述伪影包含区域内的成像数据的每项分配(228)给所述类中的一个;
确定(230)所述伪影包含区域内的局部偏置场(232),所述局部偏置场针对所述伪影包含区域内的成像数据的每项描述了所计算的成像值与基于分类的所述典型成像值之间的差;
将所述局部偏置场应用(234)到所述伪影包含区域内的所述成像数据以产生经伪影校正的成像数据(236);以及
显示系统,其被配置为显示经重建的所述经伪影校正的成像数据。
9.如权利要求8所述的成像系统,其中,所述的分割步骤包括将一个或多个阈值应用到所述成像数据。
10.如权利要求8所述的成像系统,还包括针对所述感兴趣的伪影包含区域的所述成像数据的至少两个类,所述至少两个类由互斥的最小类值与最大类值定义。
11.如权利要求10所述的成像系统,所述图像处理系统还被配置为在采集(204)所述成像数据之前定义多个所述类以及所述最小类值与所述最大类值。
12.如权利要求10所述的成像系统,所述图像处理系统还被配置为至少部分通过分析所述成像数据来定义多个所述类以及所述最小类值与所述最大类值。
13.如权利要求10所述的成像系统,其中,所述伪影包含区域分类包括第一最低值类、第二中等值类以及第三高值类。
14.如权利要求8所述的成像系统,其中,所述局部偏置场确定包括平滑步骤,所述平滑步骤促成所述局部偏置场的平滑并且降低噪声。
CN201380010576.XA 2012-02-22 2013-02-18 用于减少成像数据中的局部伪影的方法和系统 Active CN104135931B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US201261601693P 2012-02-22 2012-02-22
US61/601,693 2012-02-22
PCT/IB2013/051302 WO2013124777A1 (en) 2012-02-22 2013-02-18 Method and system for reducing localized artifacts in imaging data

Publications (2)

Publication Number Publication Date
CN104135931A CN104135931A (zh) 2014-11-05
CN104135931B true CN104135931B (zh) 2017-06-20

Family

ID=48095952

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201380010576.XA Active CN104135931B (zh) 2012-02-22 2013-02-18 用于减少成像数据中的局部伪影的方法和系统

Country Status (5)

Country Link
US (1) US9295443B2 (zh)
EP (1) EP2816955B1 (zh)
CN (1) CN104135931B (zh)
RU (1) RU2014138042A (zh)
WO (1) WO2013124777A1 (zh)

Families Citing this family (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6242631B2 (ja) * 2012-08-30 2017-12-06 東芝メディカルシステムズ株式会社 医用画像処理装置及びx線コンピュータ断層撮影装置
BR112016017331A2 (pt) * 2014-01-29 2017-08-08 Koninklijke Philips Nv Método, segmentador da estrutura de interesse em movimento, e mídia de armazenamento legível por computador
DE102015206630B4 (de) * 2015-04-14 2022-05-05 Siemens Healthcare Gmbh Multispektrale CT-Bildgebung
KR101725891B1 (ko) 2015-08-05 2017-04-11 삼성전자주식회사 단층 영상 장치 및 그에 따른 단층 영상 복원 방법
CN105184835B (zh) * 2015-09-15 2018-11-06 上海联影医疗科技有限公司 乳腺断层图像重建方法和装置
US10140735B2 (en) 2015-09-15 2018-11-27 Shanghai United Imaging Healthcare Co., Ltd. Image reconstruction system and method
US9697623B1 (en) 2015-09-15 2017-07-04 Shanghai United Imaging Healthcare Co., Ltd. Image reconstruction system and method
US20170109903A1 (en) * 2015-10-20 2017-04-20 Michal Kulon Method for Reduction of Artifacts and Preservation of Soft Tissue Contrast and Conspicuity of Iodinated Materials on Computed Tomography Images by means of Adaptive Fusion of Input Images Obtained from Dual-Energy CT Scans, and Use of differences in Voxel intensities between high and low-energy images in estimation of artifact magnitude
WO2017103238A1 (en) * 2015-12-17 2017-06-22 Koninklijke Philips N.V. Method for estimating the radiation dose received by an organ during a computed tomography scan
CN105574833B (zh) * 2015-12-23 2018-11-27 上海奕瑞光电子科技股份有限公司 探测器暗场图像模板中震颤或敲击伪影的识别及校正方法
BR112018015152B1 (pt) * 2016-01-25 2022-11-16 Adaptix Ltd Sistema de imageamento de raios x digital e método para construir uma imagem de raio x bidimensional
US10013780B2 (en) * 2016-02-29 2018-07-03 General Electric Company Systems and methods for artifact removal for computed tomography imaging
CN108074219B (zh) * 2016-11-11 2021-05-07 上海东软医疗科技有限公司 一种图像校正方法、装置及医疗设备
CN107316277B (zh) * 2017-04-24 2020-12-18 苏州动影信息科技有限公司 一种医学锥束ct图像中运动伪影修正方法
US10993689B2 (en) * 2017-08-31 2021-05-04 General Electric Company Method and system for motion assessment and correction in digital breast tomosynthesis
TWI714025B (zh) * 2019-03-19 2020-12-21 緯創資通股份有限公司 影像辨識方法及影像辨識裝置
CN112649773B (zh) * 2020-12-22 2023-05-26 上海联影医疗科技股份有限公司 磁共振扫描方法、装置、设备及存储介质
US11759658B2 (en) * 2021-03-31 2023-09-19 Siemens Healthineers International Ag Motion artifact reduction in computed tomography
CN113822820A (zh) * 2021-10-22 2021-12-21 上海电气(集团)总公司智惠医疗装备分公司 一种图像校正方法、装置及电子设备

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6208138B1 (en) * 1998-06-11 2001-03-27 Siemens Corporate Research, Inc. Bias field estimation for intensity inhomogeneity correction in MR images
CN1698540A (zh) * 2004-05-17 2005-11-23 Ge医疗系统环球技术有限公司 图像处理方法、图像处理系统以及x-射线ct系统
CN101379413A (zh) * 2006-02-03 2009-03-04 皇家飞利浦电子股份有限公司 创建基于ct的衰减图时对外来物体的说明
CN101909525A (zh) * 2008-01-11 2010-12-08 株式会社岛津制作所 图像处理方法、装置以及断层摄影装置

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7110588B2 (en) 2001-05-10 2006-09-19 Agfa-Gevaert N.V. Retrospective correction of inhomogeneities in radiographs

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6208138B1 (en) * 1998-06-11 2001-03-27 Siemens Corporate Research, Inc. Bias field estimation for intensity inhomogeneity correction in MR images
CN1698540A (zh) * 2004-05-17 2005-11-23 Ge医疗系统环球技术有限公司 图像处理方法、图像处理系统以及x-射线ct系统
CN101379413A (zh) * 2006-02-03 2009-03-04 皇家飞利浦电子股份有限公司 创建基于ct的衰减图时对外来物体的说明
CN101909525A (zh) * 2008-01-11 2010-12-08 株式会社岛津制作所 图像处理方法、装置以及断层摄影装置

Also Published As

Publication number Publication date
US20160007948A1 (en) 2016-01-14
EP2816955A1 (en) 2014-12-31
WO2013124777A1 (en) 2013-08-29
US9295443B2 (en) 2016-03-29
EP2816955B1 (en) 2022-10-19
RU2014138042A (ru) 2016-04-10
CN104135931A (zh) 2014-11-05

Similar Documents

Publication Publication Date Title
CN104135931B (zh) 用于减少成像数据中的局部伪影的方法和系统
CN109741284B (zh) 用于校正pet成像中由呼吸运动引起的失配的系统和方法
Kaplan et al. Full-dose PET image estimation from low-dose PET image using deep learning: a pilot study
CN109035355B (zh) 用于pet图像重建的系统和方法
JP2024054204A (ja) ニューラルネットワークの学習方法、プログラム、医用画像処理方法及び医用装置
CN105593905B (zh) 针对完全3d迭代ct重建中的图像质量优化用于对正则化参数的局部调节的方法
US20110007956A1 (en) Sinogram processing to reduce metal artifacts in computed tomography
US20190350538A1 (en) System-independent quantitative perfusion imaging
US20110052030A1 (en) Iterative ct image filter for noise reduction
US9165385B2 (en) Imaging procedure planning
US10937208B2 (en) PET image reconstruction and processing using lesion proxies
Stayman et al. Penalized-likelihood reconstruction for sparse data acquisitions with unregistered prior images and compressed sensing penalties
CN103717137B (zh) 图像生成装置
US20180040146A1 (en) A method for the reconstruction of quantitative iodine maps using energy resolved tomography
US11995745B2 (en) Systems and methods for correcting mismatch induced by respiratory motion in positron emission tomography image reconstruction
Mokri et al. PET image reconstruction incorporating 3D mean-median sinogram filtering
Toftegaard et al. Moving metal artifact reduction in cone‐beam CT scans with implanted cylindrical gold markers
CN108475419A (zh) 用于计算机断层摄影的数据处理的方法
KR102137765B1 (ko) 사전 영상을 이용하는 고품질의 4차원 콘빔 전산화 단층 촬영 시스템
Maier et al. Assessment of dedicated low‐dose cardiac micro‐CT reconstruction algorithms using the left ventricular volume of small rodents as a performance measure
JP7312820B2 (ja) 解剖学的データを用いた活動的な画像の再構成
Kot et al. U-Net and active contour methods for brain tumour segmentation and visualization
Fedrigo et al. Investigating tomographic reconstruction with a priori geometrical information
Cercos-Pita Computational Reconstruction of the Human Nasal Airway
Passand Quality assessment of clinical thorax CT images

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