CN104408753B - 锥束ct的自适应迭代散射修正方法 - Google Patents
锥束ct的自适应迭代散射修正方法 Download PDFInfo
- Publication number
- CN104408753B CN104408753B CN201410583570.8A CN201410583570A CN104408753B CN 104408753 B CN104408753 B CN 104408753B CN 201410583570 A CN201410583570 A CN 201410583570A CN 104408753 B CN104408753 B CN 104408753B
- Authority
- CN
- China
- Prior art keywords
- projection
- images
- cone
- scattering
- gray
- 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
- 238000012937 correction Methods 0.000 title claims abstract description 57
- 238000000034 method Methods 0.000 title claims abstract description 43
- 238000005259 measurement Methods 0.000 claims abstract description 20
- 238000004422 calculation algorithm Methods 0.000 claims description 21
- 230000003044 adaptive effect Effects 0.000 claims description 17
- 238000005516 engineering process Methods 0.000 claims description 6
- 230000001629 suppression Effects 0.000 claims description 6
- 238000011088 calibration curve Methods 0.000 claims description 5
- 230000008520 organization Effects 0.000 claims description 4
- 230000009471 action Effects 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 2
- 238000002591 computed tomography Methods 0.000 description 55
- 210000001519 tissue Anatomy 0.000 description 10
- 238000009826 distribution Methods 0.000 description 7
- 238000004458 analytical method Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 239000000203 mixture Substances 0.000 description 3
- 238000000342 Monte Carlo simulation Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000007812 deficiency Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 239000003814 drug Substances 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 230000007704 transition Effects 0.000 description 2
- 241001515806 Stictis Species 0.000 description 1
- 210000003484 anatomy Anatomy 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 210000000988 bone and bone Anatomy 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 238000013170 computed tomography imaging Methods 0.000 description 1
- 238000007408 cone-beam computed tomography Methods 0.000 description 1
- 238000002247 constant time method Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000002059 diagnostic imaging Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 238000002786 image-guided radiation therapy Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 210000003205 muscle Anatomy 0.000 description 1
- 230000003387 muscular Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000000704 physical effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 238000001959 radiotherapy Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000010561 standard procedure Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
Landscapes
- Apparatus For Radiation Diagnosis (AREA)
Abstract
本发明公开了一种锥束CT的自适应迭代散射修正方法，包括：(1)根据实测投影构建CT图像；(2)以所述的CT图像作为对象进行散射修正得到修正图像；(3)计算所述修正图像的灰度均匀度，并将计算得到的灰度均匀度与预设的均匀度阈值进行比较：若灰度均匀度小于或等于预设的均匀度阈值，则以该修正图像作为散射修正结果；否则，以该修正图像作为对象返回执行步骤(2)。本发明的散射修正方法中逐次循环中自适应的修正散射伪影，且不依赖设备的软硬件条件支持，易于实现，适用范围广，可用于各类锥束CT设备的散射伪影或类似的阴影伪影修正。
Description
技术领域
本发明涉及医学工程技术领域，具体涉及一种锥束CT的自适应迭代散射修正方法。
背景技术
在过去二十年里，锥束CT成像技术一直处于医学成像研究领域的前沿。锥束CT具有在治疗位置进行X线透视、摄片和容积成像的多重功能，成为目前图像引导放射治疗开发和应用的热点。在使用锥束CT进行透射线成像过程中，到达探测器的X射线包括两种成分，即：初始射线和散射射线。初始射线产生信号进而形成图像，散射射线产生噪声和图像伪影(主要表现为杯状伪影和条纹伪影)，降低图像对比度，导致重建CT值的不精确。因此，通常需要对获取的CT图形进行散射修正，按照应用范围，目前的散射修正算法可以分为专用型和通用型两大类。
当前放射治疗的一个显著特点是采用计划CT进行放疗计划制定。计划CT图像质量很好，主要是小锥角入射带来的固有散射抑制、探测器各通道高均匀度和超过三十年的伪影修正技术研发。因此，近年来人们开始研究基于计划CT的专用锥束CT散射伪影消除策略。该策略一般分为两类，一类借助图像变形配准技术对齐同一病人两组CT图像中解剖结构，再用计划CT灰度值取代锥束CT值做剂量计算等应用。这类“替代”算法的明显缺陷是完全依赖变形配准精度，而精确的变形配准很难做到，在很多情况下甚至理论上证明不可行。这样锥束CT投影中与病人直接相关的最新信息没有用到，最终图像信息完全被计划CT主导，无法发挥锥束CT的治疗监控特性。
另一类方法基于对锥束CT中阴影伪影的空间频率特征观察，假设该伪影在图像域中主要是低频分布信号，通过计划CT产生图像域修正映射图，对锥束CT灰度值进行数字图像校正。这类方法可以保持锥束CT中病患信息，但严格意义上来说，散射信号的空间低频特性仅存在投影域中，重建图像域中往往含有高频伪影(如骨结构附近)，故其修正效果不佳。
通用型算法针对常规锥束CT自身物理特点设计，可以用于各类大锥角CT 的散射抑制，未过多考虑放射治疗的应用特点。这方面例子包括：减少探测器对光源所张立体角(即加大空气隙法)、抑制散射光子的准直器法(即反散射线栅法)、解析法、蒙特卡洛模拟、散射信号测量算法和源信号调制方法等。前两种方法往往不单独使用，因为它们方法只能在一定程度上降低散射污染影响，需要增加病患辐射剂量以补偿投影信号信噪比损失。解析法在临床实践中倍受关注，因为它实现简洁且计算高效；但遇到复杂物体时散射估计精度会变差，主要是因为散射核被认为是线性或平移不变的。蒙特卡洛模拟方法通过统计方法估算散射分布，其精度很高但计算量很重，通常要与解析法合用以实现高效实用的散射修正算法。散射测量方法通过在光源与物体之间放置小尺寸射束阻挡器来衰减源信号，然后测量探测器阴影区内信号作为散射分布抽样。基于散射信号空间低频分布特性，全场散射分布通过对上述抽样进行插值得到。这种方法实现精确的散射分布，但代价是造成源信号损失，因而通常需要在每幅投影中采集两组数据，一组有阻挡器而另一组没有。源调制方法根据散射和源信号对调制器不同响应特征分离它们，然而该方法严重依赖系统标定精度，需要根据临床环境进行算法优化设计。
发明内容
针对现有技术的不足，本发明提出了一种锥束CT的自适应迭代散射修正方法。
一种锥束CT的自适应迭代散射修正方法，包括：
(1)根据实测投影构建CT图像；
(2)以所述的CT图像作为对象进行散射修正得到修正图像；
(3)计算所述修正图像的灰度均匀度，并将计算得到的灰度均匀度与预设的均匀度阈值进行比较：
若灰度均匀度小于或等于预设的均匀度阈值，则以该修正图像作为散射修正结果；
否则，以该修正图像作为对象返回执行步骤(2)。
单次循环不能完全消除散射伪影，该过程被设计为迭代循环修正，在每次迭代循环中都对散射伪影进行一定程度抑制，最终循环结束后完全校正散射伪影。
由于散射污染导致CT图像整体灰度值下降，采用灰度值标定的方法将CT图像灰度基线调整至正常范围。对迭代结果的控制方法可以计算图像的整 体均匀度，即选择同一组织的不同空间位置计算各自的灰度值，再获取取样的标准偏差，当标准偏差低于阈值时迭代停止。
可采用任何CT重建算法，作为优选，所述步骤(1)采用滤波反投影算法根据实测投影构建CT图像。滤波反投影算法是业内公认的标准方法，计算速度快，精度适中。
所述步骤(2)包括如下步骤：
(2-1)采用全变分最小化技术增强所述对象的分段常数特性，得到伪影抑制CT图像；
(2-2)使用快速投影算法对所述的伪影抑制CT图像进行正向投影，以正向投影结果作为近似源投影；
(2-3)根据近似源投影与实测投影之间的关系对所述的实测投影进行修正得到修正投影，并根据所述的修正投影构建得到修正图像。
CT图像通常呈现出分段常数特性，即不断组织之间存在CT数跃变，而组织内部近似保持常数。这一特性在数学上可以用CT图像的全变分量(即一阶导数的L1范数)进行定量评估，较小的全变分量意味着CT图像的灰度值越接近分段常数分布。
作为优选，所述步骤(2-1)具体作法如下：
(2-11)使用最速降算法降低所述的对象的全变分，得到中间对象；
(2-12)将所述中间对象的灰度值恢复至灰度值基线得到伪影抑制CT图像。
散射污染后的CT图像则表现出杯状阴影伪影，严重偏离正常医学CT图灰度值分布特性，本发明中通过降低散射污染CT图的全变分，在一定程度上抑制散射伪影。该操作在数学上可以采用最速降算法实现。
由于全变分量主要是为抑制图像中高频伪影成分所设计，对于杯状低频伪影效果有限，因此，全变分量在抑制CT图像阴影伪影方面存在不足。
为克服该不足，进一步优选，所述步骤(2-11)可以被如下步骤替换：
先采用伪影抑制技术对图像进行离散余弦变换，将离散余弦变换后的频率分量进行取舍，舍去强度较低的高频分量，保留高强度的低频分量，使得CT图像的阴影区逐渐抬升。
本发明中低频指归一化频率小于0.05，高频指指归一化频率大于或等于0.05。实际应用时，低频与高频的划分界值可以适当调整，且通常在低频与高频之间存在中频过渡段。
所述步骤(2-12)具体包括如下步骤：
(a)从所述中间对象中选择2～3种组织作为目标组织；
(b)根据各个目标组织在对应峰值电压下的CT标准值对相应目标组织在所述中间对象的CT值进行线性拟合得到标定曲线；
(c)利用所述的标定曲线将进行将灰度值恢复至灰度值基线。
其中对应的峰值电压指获取实测投影的CT仪的峰值电压，通常为100kVp～140kVp。该峰值电压下的CT标准值通过查询相应电压下的国际标准获取。
所述的灰度值基线为人体组织所对应的标准CT数。
所述步骤(2-3)通过如下步骤计算修正投影：
(2-31)用实测投影减去近似源投影得到差值投影，对所述的差值投影进行低通滤波得到散射信号；
(2-32)以所述的实测投影减去散射信号即得到修正投影。
本发明中采用最速降算法在CT图上抑制散射伪影后对得到的CT图像(即伪影抑制CT图像)做正向投影近似源信号分布，再与原始投影相减，对差值做低通滤波以去除高频干扰，从而完成散射估计得到相应的散射信号，并进一步得到相应的修正图像。
得到修正投影后，采用与步骤(1)相同的方法(即滤波反投影算法)，根据修正投影构建得到修正图像。
所述步骤(3)中通过如下步骤计算修正图像的灰度均匀度：
在修正图像中的同一组织选取多个目标区，计算各个目标区的灰度均值，再算出这些均值的标准偏差与灰度均值的比值即为灰度均匀度。
该组织可以为人体组织(如肌肉或脂肪等人体内常见组织)，也可以为空气，选取的目标区通常为2～5个。
作为优选，所述的均匀度阈值为3～5％。
该均匀度阈值实际上为通过统计分析获取的同一组织的CT数的平均差异。在无外部因素干扰情况下，人体的同一种组织应呈现一致的CT数。换句话说，当CT图像中的同一组织存在显著的灰度值差别时，就意味着该图像受到了外部因素干扰，包括散射、射束硬化等。因此，均匀度阈值的设置利用了上述物体的自然属性，使用起来简易便捷。
与现有技术相比，本发明的优点在于：
从数字图像处理角度设计通用方案，在逐次循环中自适应的修正散射伪影。 且不依赖设备的软硬件条件支持，易于实现，适用范围广，可用于各类锥束CT设备的散射伪影或类似的阴影伪影修正。
附图说明
图1为本实施例的锥束CT的自适应迭代散射修正方法的流程图；
图2(a)为未进行散射修正的CT图像；
图2(b)为采用自适应迭代散射修正方法进行散射修正，循环迭代次数为8次；
图2(c)为采用自适应迭代散射修正方法进行散射修正，循环迭代次数为20次；
图2(d)为标准CT图像。
具体实施方式
下面将结合附图和具体实施例对本发明进行详细说明。
图1为本实施例的锥束CT的自适应迭代散射修正方法的流程图，包括如下步骤：
(1)采用滤波反投影算法根据实测投影重建CT图像；
(2)以CT图像作为对象进行散射修正得到修正图像：
(2-1)采用全变分最小化技术增强所述对象的分段常数特性，得到伪影抑制CT图像，具体如下：
(2-11)使用最速降算法降低该对象的全变分得到中间对象；
(2-12)从所述中间对象中选择3种组织作为目标组织，根据各个目标组织在对应峰值电压下的CT标准值对相应目标组织在所述中间对象的CT值进行线性拟合得到标定曲线，利用所述的标定曲线将中间对象的灰度值恢复至灰度值基线，得到伪影抑制CT图像。其中，灰度值基线为人体组成材料所对应CT数。
本实施例中峰值电压为100kVp，对应的CT标准值为软组织是0.021mm-1。
(2-2)使用快速投影算法对伪影抑制CT图像进行正向投影，以正向投影结果作为近似源投影；
(2-3)根据近似源投影与实测投影之间的关系对实测投影进行修正得到修正投影，并根据该修正投影采用滤波反投影算法构建得到修正图像，其 中，得到修正投影进行如下操作：
(2-31)用实测投影减去近似源投影得到差值投影，对所述的差值投影进行低通滤波得到散射信号；
(2-32)以所述的实测投影减去散射信号即得到修正图像。
(3)计算修正图像的灰度均匀度，并将计算得到的灰度均匀度与预设的均匀度阈值进行比较：
若灰度均匀度小于或等于预设的均匀度阈值(本实施例中均匀度阈值为3％)，则以该修正图像作为散射修正结果；
否则，以该修正图像作为对象返回执行步骤(2)。
本实施例中中通过如下步骤计算修正图像的灰度均匀度：
在修正图像中的同一组织选取多个目标区，计算各个目标区的灰度均值，再算出这些均值的标准偏差与灰度均值的比值即为灰度均匀度。
本实施例中从肌肉组织中选取的5个目标区。
利用本实施例的散射修正方法对在匹配瓦里安公司硬件系统的桌面锥束CT机上采集得到CT图像进行散射修正。
图2(a)为未进行散射修正的CT图像(即循环迭代次数为0)，图2(b)和(c)为采用本实施例的散射修正方法得到的散射修正结果，其中图2(b)中循环迭代次数为8次，图2(c)中循环迭代次数为20次。图2(d)为标准CT图(即扇束标准图像，由扇束位形硬件散射抑制)。
通过对比可以看出，随着循环迭代次数增加，CT图像质量的改进，当循环迭代到20次时，散射修正结果的质量已经与标准图无异。
以上所述仅为本发明的最优选实施例，并不用于限制本发明，凡在本发明的原则范围内所做的任何修改、补充和等同替换等，均应包含在本发明的保护范围之内。
Claims (8)
1.一种锥束CT的自适应迭代散射修正方法，其特征在于，包括：
(1)根据实测投影构建CT图像；
(2)以所述的CT图像作为对象进行散射修正得到修正图像；
(3)计算所述修正图像的灰度均匀度，并将计算得到的灰度均匀度与预设的均匀度阈值进行比较：
若灰度均匀度小于或等于预设的均匀度阈值，则以该修正图像作为散射修正结果；
否则，以该修正图像作为对象返回执行步骤(2)；
步骤(2)包括如下步骤：
(2-1)采用全变分最小化技术增强所述对象的分段常数特性，得到伪影抑制CT图像；
(2-2)使用快速投影算法对所述的伪影抑制CT图像进行正向投影，以正向投影结果作为近似源投影；
(2-3)根据近似源投影与实测投影之间的关系对所述的实测投影进行修正得到修正投影，并根据所述的修正投影构建得到修正图像。
2.如权利要求1所述的锥束CT的自适应迭代散射修正方法，其特征在于，所述步骤(1)采用滤波反投影算法根据实测投影构建CT图像。
3.如权利要求1所述的锥束CT的自适应迭代散射修正方法，其特征在于，所述步骤(2-1)具体作法如下：
(2-11)使用最速降算法降低所述的对象的全变分，得到中间对象；
(2-12)将所述中间对象的灰度值恢复至灰度值基线得到伪影抑制CT图像。
4.如权利要求3所述的锥束CT的自适应迭代散射修正方法，其特征在于，所述的灰度值基线为人体组织所对应的标准CT数。
5.如权利要求3所述的锥束CT的自适应迭代散射修正方法，其特征在于，所述步骤(2-12)具体包括如下步骤：
(a)从所述中间对象中选择2～3种组织作为目标组织；
(b)根据各个目标组织在对应峰值电压下的CT标准值对相应目标组织在所述中间对象的CT值进行线性拟合得到标定曲线；
(c)利用所述的标定曲线将进行将灰度值恢复至灰度值基线。
6.如权利要求1～5中任意一项所述的锥束CT的自适应迭代散射修正方法，其特征在于，所述步骤(2-3)具体如下：
(2-31)用实测投影减去近似源投影得到差值投影，对所述的差值投影进行低通滤波得到散射信号；
(2-32)以所述的实测投影减去散射信号即得到修正图像。
7.如权利要求6所述的锥束CT的自适应迭代散射修正方法，所述步骤(3)中通过如下步骤计算修正图像的灰度均匀度：
在修正图像中的同一组织选取多个目标区，计算各个目标区的灰度均值，再算出这些均值的标准偏差与灰度均值的比值即为灰度均匀度。
8.如权利要求7所述的锥束CT的自适应迭代散射修正方法，其特征在于，所述的均匀度阈值为3～5％。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201410583570.8A CN104408753B (zh) | 2014-10-27 | 2014-10-27 | 锥束ct的自适应迭代散射修正方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201410583570.8A CN104408753B (zh) | 2014-10-27 | 2014-10-27 | 锥束ct的自适应迭代散射修正方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN104408753A CN104408753A (zh) | 2015-03-11 |
| CN104408753B true CN104408753B (zh) | 2017-04-12 |
Family
ID=52646381
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201410583570.8A Active CN104408753B (zh) | 2014-10-27 | 2014-10-27 | 锥束ct的自适应迭代散射修正方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN104408753B (zh) |
Families Citing this family (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
| CN106408543B (zh) * | 2016-11-07 | 2019-04-23 | 深圳先进技术研究院 | 一种用于锥束ct图像散射修正的阻挡光栅优化方法及装置 |
| CN108065944B (zh) * | 2016-11-14 | 2021-10-22 | 上海西门子医疗器械有限公司 | 平板探测器与滤线栅的适配方法和设备及医疗成像系统 |
| JP6707046B2 (ja) | 2017-03-17 | 2020-06-10 | 富士フイルム株式会社 | 断層像処理装置、方法およびプログラム |
| CN110782502B (zh) * | 2018-07-31 | 2023-11-03 | 通用电气公司 | 基于深度学习的pet散射估计系统和使用感知神经网络模型的方法 |
| CN109712212B (zh) * | 2018-12-20 | 2022-12-13 | 中国兵器科学研究院宁波分院 | 一种工业ct伪影校正方法 |
| CN109949411B (zh) * | 2019-03-22 | 2022-12-27 | 电子科技大学 | 一种基于三维加权滤波反投影和统计迭代的图像重建方法 |
| CN110378982B (zh) * | 2019-07-23 | 2023-09-12 | 上海联影医疗科技股份有限公司 | 重建图像处理方法、装置、设备及存储介质 |
| CN110956259B (zh) * | 2019-11-22 | 2023-05-12 | 联合微电子中心有限责任公司 | 一种基于正向传播的光子神经网络训练方法 |
| CN113034636B (zh) * | 2021-03-09 | 2022-04-29 | 浙江大学 | 基于跨尺度多能谱ct标签的锥束ct图像质量改善方法和装置 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
| CN103955894A (zh) * | 2014-04-14 | 2014-07-30 | 武汉科技大学 | 一种量子启发的医学超声图像去斑方法 |
| CN104039233B (zh) * | 2012-01-10 | 2016-10-12 | 东芝医疗系统株式会社 | 使用迭代近似法的x射线计算机断层摄影装置(x射线ct装置) |
-
2014
- 2014-10-27 CN CN201410583570.8A patent/CN104408753B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
| CN104039233B (zh) * | 2012-01-10 | 2016-10-12 | 东芝医疗系统株式会社 | 使用迭代近似法的x射线计算机断层摄影装置(x射线ct装置) |
| CN103955894A (zh) * | 2014-04-14 | 2014-07-30 | 武汉科技大学 | 一种量子启发的医学超声图像去斑方法 |
Non-Patent Citations (1)
| Title |
|---|
| Low-dose Quantitative Cone-beam CT Imaging in;Tianye Niu, Lei Zhu;《Nuclear Science Symposiwn and Medical Imaging Conference Record (NSS/MIC)》;20121027;全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN104408753A (zh) | 2015-03-11 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104408753B (zh) | 锥束ct的自适应迭代散射修正方法 | |
| Gjesteby et al. | Metal artifact reduction in CT: where are we after four decades? | |
| Bal et al. | Metal artifact reduction in CT using tissue‐class modeling and adaptive prefiltering | |
| Meyer et al. | Frequency split metal artifact reduction (FSMAR) in computed tomography | |
| Niu et al. | Quantitative cone‐beam CT imaging in radiation therapy using planning CT as a prior: first patient studies | |
| Zhu et al. | Scatter correction for cone‐beam CT in radiation therapy | |
| Kuchenbecker et al. | Dual energy CT: how well can pseudo‐monochromatic imaging reduce metal artifacts? | |
| Abdoli et al. | Metal artifact reduction strategies for improved attenuation correction in hybrid PET/CT imaging | |
| Van Slambrouck et al. | Metal artifact reduction in computed tomography using local models in an image block‐iterative scheme | |
| Wang et al. | Dose reduction for kilovotage cone-beam computed tomography in radiation therapy | |
| Gang et al. | Image quality and dose for a multisource cone‐beam CT extremity scanner | |
| Meilinger et al. | Metal artifact reduction in cone beam computed tomography using forward projected reconstruction information | |
| Joemai et al. | Metal artifact reduction for CT: Development, implementation, and clinical comparison of a generic and a scanner‐specific technique | |
| Wu et al. | Metal artifact correction for x‐ray computed tomography using kV and selective MV imaging | |
| CN111656405A (zh) | 使用深度学习来减少金属伪影 | |
| Brock et al. | Reconstruction of a cone‐beam CT image via forward iterative projection matching | |
| Puvanasunthararajah et al. | The application of metal artifact reduction methods on computed tomography scans for radiotherapy applications: A literature review | |
| Szczykutowicz et al. | Experimental realization of fluence field modulated CT using digital beam attenuation | |
| Abdoli et al. | Assessment of metal artifact reduction methods in pelvic CT | |
| Chen et al. | Low dose CBCT reconstruction via prior contour based total variation (PCTV) regularization: a feasibility study | |
| Park et al. | Motion‐map constrained image reconstruction (MCIR): application to four‐dimensional cone‐beam computed tomography | |
| Van Der Heyden et al. | A Monte Carlo based scatter removal method for non-isocentric cone-beam CT acquisitions using a deep convolutional autoencoder | |
| Lim et al. | Evaluation of dual energy CT and iterative metal artefact reduction (iMAR) for artefact reduction in radiation therapy | |
| Zhang et al. | Known‐component 3D image reconstruction for improved intraoperative imaging in spine surgery: A clinical pilot study | |
| Shi et al. | X‐ray scatter correction for dedicated cone beam breast CT using a forward‐projection model |
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 | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20180425 Address after: 215009 13, 302-1, Jinfeng Road, science and Technology City, Suzhou high tech Zone, Jiangsu, China, 302-1 Patentee after: Suzhou motion picture Mdt InfoTech Ltd Address before: 310027 No. 38, Zhejiang Road, Hangzhou, Zhejiang, Xihu District Patentee before: Zhejiang University |
|
| TR01 | Transfer of patent right |