CN104835140A - 医用ct模体图像量化评价方法 - Google Patents

医用ct模体图像量化评价方法 Download PDF

Info

Publication number
CN104835140A
CN104835140A CN201510097276.0A CN201510097276A CN104835140A CN 104835140 A CN104835140 A CN 104835140A CN 201510097276 A CN201510097276 A CN 201510097276A CN 104835140 A CN104835140 A CN 104835140A
Authority
CN
China
Prior art keywords
medical
gray
evaluation method
image
die body
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.)
Pending
Application number
CN201510097276.0A
Other languages
English (en)
Inventor
张璞
刘文丽
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.)
National Institute of Metrology
Original Assignee
National Institute of Metrology
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 National Institute of Metrology filed Critical National Institute of Metrology
Priority to CN201510097276.0A priority Critical patent/CN104835140A/zh
Publication of CN104835140A publication Critical patent/CN104835140A/zh
Pending legal-status Critical Current

Links

Landscapes

  • Apparatus For Radiation Diagnosis (AREA)
  • Image Processing (AREA)

Abstract

本发明是关于一种医用CT模体图像量化评价方法，其中，空间分辨力的测量包括：取提图像中的线对的信息；以及将线对的信息以直方图显示，确定所能分辨的最高一级线对；密度分辨力的测量包括：标记图像中各低密度孔的位置；计算每个低密度孔的灰度平均值；计算图像中比每个低密度孔的直径大三个像素并与每个低密度孔同心的圆形区域的灰度平均值；将每个低密度孔的这两个灰度值做差得到一灰度差值；比较每个灰度差值是否大于1，如果大于1，则认为所对应的低密度孔能够分辨；以及确定各对比度系列中所能分辨的最小一级孔径。因此本发明可以避免人眼直接观察判断的不确定性，通过定量分析确定CT设备的空间分辨力和密度分辨力。

Description

医用CT模体图像量化评价方法
技术领域
本发明涉及放射医学计量检测领域，特别是涉及一种医用CT模体图像量化评价方法。
背景技术
CT(Computed Tomography)是一种计算机断层扫描技术，于1972年由亨斯费尔德(Hounsfield)博士发明X射线计算机断层扫描成像的方法进入临床使用，它将传统的X光成像技术提高到了一个新的水平，与仅仅显示骨胳和器官的轮廓不同，CT扫描可以构建完整的人体内部三维计算机模型。当今X射线计算机断层扫描成像(CT)已成为医疗诊断最重要辅助手段之一，为了保证CT设备提供高质量的图像以满足临床诊断的需要，必须定期对CT设备进行检测。评价一台CT设备图像质量的性能指标主要有：层厚、CT值线性、均匀性、噪声水平、空间分辨力(也称为高对比度分辨力)和密度分辨力(也称为低对比度分辨力)等。
目前，对CT设备图像质量性能指标的测量通常是利用CT设备自带的读图软件读取CT模体的DICOM图像来进行。其中在通过CT设备自带的读图软件读取CT模体的DICOM图像测量空间分辨力和密度分辨力时，只能通过检测人员直接观察图像，凭借经验来判定CT设备的空间分辨力和密度分辨力所能达到的量级，由于不同检测人员的视觉存在差异，因此通过这种方法得到的测量结果往往存在一定的误差。
请参阅如图1A及图1B所示，是不同检测人员通过观察同一CT模体的图像判定空间分辨力的示意图。以图中中间偏下的那组最宽的线对为1LP/cm算起，第二组是2LP/cm，以此类推，我们可以认为图1A中以圆圈圈起的一组线对是6LP/cm，图1B中以圆圈圈起的一组线对是7LP/cm。由于两个检测人员的视觉存在差异，一个检测人员通过观察图像认为其所能分辨的最高一级线对是6LP/cm(如图1A)，则判定CT设备的空间分辨力为6LP/cm，而另一个检测人员通过观察图像认为其所能分辨的最高一级线对 是7LP/cm(如图1B)，因此判定CT设备的空间分辨力为7LP/cm。可见，这种目测的方法在进行判断时由于要将图片放大很多，而且要不停调整窗宽和窗位，测量结果见仁见智，存在着不确定性。
发明内容
有鉴于此，本发明的目的在于，克服现有技术存在的缺陷，而提供一种新的医用CT模体图像量化评价方法，使其可以避免人眼直接观察判断空间分辨力和密度分辨力的不确定性，通过定量分析确定CT设备的空间分辨力和密度分辨力。
本发明的目的及解决其技术问题是采用以下技术方案来实现的。依据本发明提出的一种医用CT模体图像量化评价方法，其中，空间分辨力的测量包括以下步骤：提取图像中的线对的信息；以及将线对的信息以直方图显示，确定所能分辨的最高一级线对；密度分辨力的测量包括以下步骤：标记图像中各低密度孔的位置；计算每个低密度孔的灰度平均值，作为第一灰度值；计算图像中比每个低密度孔的直径大三个像素并与每个低密度孔同心的圆形区域的灰度平均值，作为第二灰度值；用每个低密度孔的第一灰度值减去第二灰度值得到一灰度差值；比较每个灰度差值是否大于1，如果大于1，则认为所对应的低密度孔能够分辨；以及确定各对比度系列中所能分辨的最小一级孔径。
本发明的目的及解决其技术问题还可采用以下技术措施进一步实现。
前述的医用CT模体图像量化评价方法，其中图像中线对的信息的提取是根据图像特征提取的原理。
前述的医用CT模体图像量化评价方法，其中在提取图像中的线对的信息后还包括：通过一组十字光标确定图像中线对的信息显示的起点和方向；以及放大显示线对的信息。
前述的医用CT模体图像量化评价方法，其中在空间分辨力的测量时，只需放大显示几组线对的信息，并将这几组线对的信息以直方图显示。
前述的医用CT模体图像量化评价方法，其中直方图的横轴为线对组的横坐标位置，纵轴为灰度值。
前述的医用CT模体图像量化评价方法，其中标记图像中各低密度孔的位置是通过一组十字光标在图像中最清晰的直径最大的低密度孔内双击利 用区域生长的原理实现。
前述的医用CT模体图像量化评价方法，其中各低密度孔的第一灰度值与第二灰度值的灰度差值被记录在一个excel表中。
前述的医用CT模体图像量化评价方法，其中CT值线性的测量包括以下步骤：通过一组十字光标确定图像中样本的位置；以及计算面积为100平方毫米的圆圈内样本的信息熵、CT值均值和标准偏差。
前述的医用CT模体图像量化评价方法，其中均匀性的测量包括以下步骤：通过一组十字光标在图像中确定距离图像的边界为1cm的位于12点、3点、6点、9点及中心位置的面积为100平方毫米的圆圈；以及计算距离图像的边界为1cm的位于12点、3点、6点、9点及中心位置的面积为100平方毫米的圆圈内区域的信息熵、CT值均值和标准偏差。
前述的医用CT模体图像量化评价方法，其中在进行CT模体图像量化评价时，每张图片都是以最佳的窗宽和窗位显示。
本发明与现有技术相比具有明显的优点和有益效果。借由上述技术方案，本发明医用CT模体图像量化评价方法至少具有下列优点及有益效果：本发明可以避免人眼直接观察判断空间分辨力和密度分辨力的不确定性，通过定量分析确定CT设备的空间分辨力和密度分辨力。
上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其他目的、特征和优点能够更明显易懂，以下特举较佳实施例，并配合附图,详细说明如下。
附图说明
图1A及图1B是不同检测人员通过观察同一CT模体的图像判定空间分辨力的示意图。
图2A至图2B是使用本发明的医用CT模体图像量化评价方法判断空间分辨力的示意图。
图2C-1至图2C-6分别是使用本发明的医用CT模体图像量化评价方法判断空间分辨力时4LP/cm～9LP/cm的信息大显示的示意图。
图2C-7至图2C-12是分别与图2C-1至图2C-6对应的4LP/cm～9LP/cm的信息的直方图。
图3A至图3B是使用本发明的医用CT模体图像量化评价方法判断密度分辨力的示意图。
图4A至图4B是使用本发明的医用CT模体图像量化评价方测量CT值的示意图。
图5A至图5B是使用本发明的医用CT模体图像量化评价方测量均匀性的示意图。
具体实施方式
为更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效,以下结合附图及较佳实施例，对依据本发明提出的医用CT模体图像量化评价方法其具体实施方式、方法、步骤、特征及其功效，详细说明如后。
通过CT设备对CT模体进行扫描可以得到用于评价CT设备图像质量性能指标的图片，其中CT设备一次扫描大概可以产生30张以上的图片，本发明的医用CT模体图像量化评价方法通过从所有CT设备一次扫描的图片中选择四类检测(CT值、均匀性、空间分辨力和密度分辨力)的图片，并将所有选中的图片保存到一个文件夹里，可以分别对所选择的图片进行分析计算检测CT设备的CT值、均匀性、空间分辨力和密度分辨力。其中每类检测的图片最多同时选择两张保存，以用于在不清晰的时候进行配准，例如在测量空间分辨力时，将所保存的空间分辨力图片调出来，如果图片清晰就用这张图片即可，而如果图片不清晰，则选择两张图片进行配准。并且本发明的医用CT模体图像量化评价方法可以使每张图片都以最佳的窗宽和窗位显示出来，无需手动再调节窗宽和窗位。
请参阅图2A至图2B、图2C-1至图2C-12所示，是使用本发明的医用CT模体图像量化评价方法判断空间分辨力的示意图。在测量空间分辨力时，本发明的医用CT模体图像量化评价方法会调取所保存的空间分辨力图片进行显示(如图2A)，并提取所显示的图像中线对的信息，其中图像中线对的信息的提取是根据图像特征提取的原理；然后将线对的信息以直方图显示出来(如图2C-7至图2C-12)，确定所能分辨的最高一级线对，其中直方图的横轴为线对组的横坐标位置，即线对组从左到右的位置，纵轴为灰度值，从图2C-7至图2C-12的直方图中我们可以看出，CT设备的密度分辨力为6LP/cm。这样通过直方图显示线对的灰度情况就可以避免通过检测人员直接 观察空间分辨力图片来确定空间分辨力无法确定是否能分辨的不确定性。
图2A至图2B是以美国体模实验室(The phantom laboratory)制造的CT性能检测模体catphan500作为检测工具检测CT设备的空间分辨力的例子，其中本发明的医用CT模体图像量化评价方法在将所显示的图像中一圈线对的信息提取出来后，在图像上会出现一组十字光标X1、Y1(如图2B)，通过利用这组十字光标X1、Y1选择1LP/cm附近的一个点，之后沿着这个圆环的走向再选择一个点，可以确定图像中线对的信息显示的起点和方向；然后将图像中线对的信息放大显示出来(如图2C-1至图2C-6)。因为catphan500的线对是从1LP/cm～21LP/cm，但一般CT设备只能分辨6LP/cm～9LP/cm，因此在实际应用中，只需要将我们最关注的几组线对的信息，即4LP/cm～9LP/cm的信息都放大显示出来，同时显示这几组线对的信息的直方图即可(如图2C-7至图2C-12)。
请参阅图3A至图3B所示，是使用本发明的医用CT模体图像量化评价方法判断密度分辨力的示意图。在测量密度分辨力时，本发明的医用CT模体图像量化评价方法会调取所保存的密度分辨力图片进行显示(如图3A)，并标记所显示的图像中各低密度孔的位置(如图3B)；然后计算每个低密度孔的灰度平均值，作为第一灰度值，以及计算图像中比每个低密度孔的直径大三个像素并与每个低密度孔同心的圆形区域的灰度平均值，作为第二灰度值，并用每个低密度孔的第一灰度值减去第二灰度值得到一灰度差值，其中这些灰度差值被记录在一个excel表中(如表1)；之后比较每个灰度差值是否大于1，如果大于1，则认为所对应的低密度孔能够分辨；最后确定各对比度系列中所能分辨的最小一级孔径。这样通过灰度差值情况就可以避免通过检测人员直接观察密度分辨力图片来确定密度分辨力无法确定是否能分辨的不确定性。
其中，在标记各低密度孔的位置时，在图像上会出现一组十字光标，通过这组十字光标在图像中最清晰的直径最大的低密度孔内双击两下，利用区域生长的原理可以标记出各低密度孔的位置。
将灰度差值与1比较进行判断，是结合主观评价所得到的一般判断结论，从计算角度：0.3％(对比度)*256(灰度级)＝0.768，0.5％(对比度)*256(灰度级)＝1.28，1.0％(对比度)*256(灰度级)＝2.56，所以从计算上来说，差值大于0.768灰度就可以分辨，但是对于数字图像1个灰度 是最小分辨率，所得到的灰度差值有小数点是因为要计算灰度平均值而产生的，因此我们以1作为进行判断的比较对象。
图3A至图3B是以美国体模实验室(The phantom laboratory)制造的CT性能检测模体catphan500作为检测工具检测CT设备的密度分辨力的例子，其中，在图3B中我们将图像的外层孔阵中三个对比度系列(1.0％、0.5％、0.3％)的九个低密度孔分别命名为A、B、C大组，其直径为2、3、4、5、6、7、8、9、15mm；将内层孔中三个对比度系列(1.0％、0.5％、0.3％)的四个低密度孔分别命名为D、E、F小组，其直径为3、5、7、9mm；所得到的灰度差值表为表1。
表1
  A大组 B大组 C大组 D小组 E小组 F小组
灰度差值 1.7273 0.9418 0.4409 -0.6482 -0.2209 0.0242
灰度差值 1.8697 1.4145 0.8308 0.2389 -0.3497 -0.1959
灰度差值 2.2820 0.9698 1.3033 0.2840 -0.2875 -0.6499
灰度差值 1.3678 0.7961 0.3335 1.0764 0.6532 1.5029
灰度差值 2.4374 0.9288 1.7698 ———— ———— ————
灰度差值 1.9319 0.1571 0.5481 ———— ———— ————
灰度差值 1.6676 0.5897 2.2201 ———— ———— ————
灰度差值 -0.9276 0.7575 1.4483 ———— ———— ————
灰度差值 0.8845 -1.6981 1.7857 ———— ———— ————
由于密度分辨力的判断要部分结合主观评价，即视觉效果，因此从表1中我们看到：在A大组中所能分辨的低密度孔为第8孔，即直径为3mm的低密度孔；在B大组中所能分辨的低密度孔为第3孔，即直径为8mm的低密度孔；而C大组、D、E、F小组这四组均不能分辨，虽然在C大组、D、E、F小组中均有差值超过1，但这是由于统计误差造成的，而且这些差值超过1的基本上都出现在直径很小的低密度孔上，而实际上这些低密度孔已经被噪声湮没了。
请参阅图4A至图4B所示，是使用本发明的医用CT模体图像量化评价方测量CT值的示意图。在测量CT值时，本发明的医用CT模体图像量化评价方法会调取所保存的CT值图片进行显示(如图4A)；然后在所显示的图 像上会出现一组十字光标X2、Y2，通过这组十字光标X2、Y2可以确定图像中样本的位置(如图4B)；之后计算面积为100平方毫米的圆圈内样本的信息熵、CT值均值和标准偏差并保存。
请参阅图5A至图5B所示，是使用本发明的医用CT模体图像量化评价方测量均匀性的示意图。在测量均匀性时，本发明的医用CT模体图像量化评价方法会调取所保存的均匀性图片进行显示(如图5A)；然后在所显示的图像上会出现一组十字光标X3、Y3，通过这组十字光标X3、Y3在图像中确定距离图像的边界为1cm的位于12点、3点、6点、9点及中心位置的面积为100平方毫米的圆圈(如图5B)；之后计算距离图像的边界为1cm的位于12点、3点、6点、9点及中心位置的面积为100平方毫米的圆圈内区域的信息熵、CT值均值和标准偏差并保存。
由于现有技术在使用CT设备自带的读图软件读取CT模体的DICOM图像测量CT值和均匀性时，需要标出几个面积相同，例如为100平方毫米的圆形区域，而CT设备自带的读图软件无法自动设置或者手动输入所使用的圆圈的面积，其只能靠手动调节圆圈的大小，这样每次操作都会存在有误差，所以几个圆圈的面积很难做到完全相同；另外在均匀性测量时，要求所选取的5个CT值读取区域分别位于图像的12点、3点、6点、9点的位置以及中心处，而CT设备自带的读图软件没有辅助定位用的十字或者网格线，无法准确确定所选取CT值读取区域的位置，因此在标出读取区域时，操作人员只能凭借感觉和经验去选取圆圈所在的位置，这样会产生较大的误差。而本法明的医用CT模体图像量化评价方法则可以通过十字光标的设置以及自动设置或者手动输入所使用的圆圈的面积在测量CT值和均匀性时避免上述误差的产生。
以上所述，仅是本发明的较佳实施例而已，并非对本发明作任何形式上的限制，虽然本发明已以较佳实施例揭露如上，然而并非用以限定本发明,任何熟悉本专业的技术人员，在不脱离本发明技术方案范围内,当可利用上述揭示的技术内容作出些许更动或修饰为等同变化的等效实施例,但凡是未脱离本发明技术方案内容，依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与修饰,均仍属于本发明技术方案的范围内。

Claims (10)

1.一种医用CT模体图像量化评价方法，其特征在于：
其中，空间分辨力的测量包括以下步骤：
取提图像中的线对的信息；以及
将线对的信息以直方图显示，确定所能分辨的最高一级线对；
密度分辨力的测量包括以下步骤：
标记图像中各低密度孔的位置；
计算每个低密度孔的灰度平均值，作为第一灰度值；
计算图像中比每个低密度孔的直径大三个像素并与每个低密度孔同心的圆形区域的灰度平均值，作为第二灰度值；
用每个低密度孔的第一灰度值减去第二灰度值得到一灰度差值；
比较每个灰度差值是否大于1，如果大于1，则认为所对应的低密度孔能够分辨；以及确定各对比度系列中所能分辨的最小一级孔径。
2.根据权利要求1所述的医用CT模体图像量化评价方法，其特征在于其中图像中线对的信息的提取是根据图像特征提取的原理。
3.根据权利要求1所述的医用CT模体图像量化评价方法，其特征在于其中在提取图像中的线对的信息后还包括：通过一组十字光标确定图像中线对的信息显示的起点和方向；以及放大显示线对的信息。
4.根据权利要求3所述的医用CT模体图像量化评价方法，其特征在于其中在空间分辨力的测量时，只需放大显示几组线对的信息，并将这几组线对的信息以直方图显示。
5.根据权利要求1所述的医用CT模体图像量化评价方法，其特征在于其中直方图的横轴为线对组的横坐标位置，纵轴为灰度值。
6.根据权利要求1所述的医用CT模体图像量化评价方法，其特征在于其中标记图像中各低密度孔的位置是通过一组十字光标在图像中最清晰的直径最大的低密度孔内双击利用区域生长的原理实现。
7.根据权利要求1所述的医用CT模体图像量化评价方法，其特征在于其中各低密度孔的第一灰度值与第二灰度值的灰度差值被记录在一个exce l表中。
8.根据权利要求1所述的医用CT模体图像量化评价方法，其特征在 于其中CT值线性的测量包括以下步骤：
通过一组十字光标确定图像中样本的位置；以及
计算面积为100平方毫米的圆圈内样本的信息熵、CT值均值和标准偏差。
9.根据权利要求1所述的医用CT模体图像量化评价方法，其特征在于其中均匀性的测量包括以下步骤：
通过一组十字光标在图像中确定距离图像的边界为1cm的位于12点、3点、6点、9点及中心位置的面积为100平方毫米的圆圈；以及
计算距离图像的边界为1cm的位于12点、3点、6点、9点及中心位置的面积为100平方毫米的圆圈内区域的信息熵、CT值均值和标准偏差。
10.根据权利要求1所述的医用CT模体图像量化评价方法，其特征在于其中在进行CT模体图像量化评价时，每张图片都是以最佳的窗宽和窗位显示。
CN201510097276.0A 2015-03-04 2015-03-04 医用ct模体图像量化评价方法 Pending CN104835140A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201510097276.0A CN104835140A (zh) 2015-03-04 2015-03-04 医用ct模体图像量化评价方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201510097276.0A CN104835140A (zh) 2015-03-04 2015-03-04 医用ct模体图像量化评价方法

Publications (1)

Publication Number Publication Date
CN104835140A true CN104835140A (zh) 2015-08-12

Family

ID=53813005

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510097276.0A Pending CN104835140A (zh) 2015-03-04 2015-03-04 医用ct模体图像量化评价方法

Country Status (1)

Country Link
CN (1) CN104835140A (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105590317A (zh) * 2015-12-15 2016-05-18 中国计量科学研究院 一种新颖的基于瑞利判据的图像高对比度分辨力客观评价方法及检测操作方法
CN106204548A (zh) * 2016-06-30 2016-12-07 上海联影医疗科技有限公司 图像分辨方法及装置
CN106618572A (zh) * 2016-12-16 2017-05-10 中国计量科学研究院 一种医用磁共振模体图像量化自动评价方法
CN107582088A (zh) * 2017-09-28 2018-01-16 江苏省计量科学研究院 一种用于pet/ct图像性能评价的复合型体模
CN110223261A (zh) * 2019-05-20 2019-09-10 上海联影医疗科技有限公司 医学图像处理方法和系统、存储介质及计算机设备
CN111696047A (zh) * 2019-03-14 2020-09-22 四川中测辐射科技有限公司 一种医用成像设备的成像质量确定方法及系统

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH09220222A (ja) * 1996-02-16 1997-08-26 Hitachi Medical Corp ファントム
CN103340643A (zh) * 2013-06-09 2013-10-09 成都军区昆明总医院 应用多功能标准体模对ct关键技术指标进行检测的方法
CN203506736U (zh) * 2013-09-27 2014-04-02 首都医科大学附属北京世纪坛医院 一种牙科ct图像空间分辨性能检测模体

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH09220222A (ja) * 1996-02-16 1997-08-26 Hitachi Medical Corp ファントム
CN103340643A (zh) * 2013-06-09 2013-10-09 成都军区昆明总医院 应用多功能标准体模对ct关键技术指标进行检测的方法
CN203506736U (zh) * 2013-09-27 2014-04-02 首都医科大学附属北京世纪坛医院 一种牙科ct图像空间分辨性能检测模体

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
KRISTINE GULLIKSRUD ET AL.: "How to measure CT image quality: Variation in CT-numbers, uniformity and low contrast resolution for a CT quality assurance phantom", 《PHYSICA MEDICA》 *
THE PHANTOM LABORATORY: ""Catphan 500 and 600 Manual Copyright 2006", 《THE PHANTOM LABORATORY》 *
李涛 等: "基于Matlab CT密度分辨力自动检测的研究", 《中国医学装备》 *

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105590317A (zh) * 2015-12-15 2016-05-18 中国计量科学研究院 一种新颖的基于瑞利判据的图像高对比度分辨力客观评价方法及检测操作方法
CN105590317B (zh) * 2015-12-15 2018-12-28 中国计量科学研究院 一种图像高对比度分辨力客观评价方法及检测操作方法
CN106204548A (zh) * 2016-06-30 2016-12-07 上海联影医疗科技有限公司 图像分辨方法及装置
CN106204548B (zh) * 2016-06-30 2021-09-28 上海联影医疗科技股份有限公司 图像分辨方法及装置
CN106618572A (zh) * 2016-12-16 2017-05-10 中国计量科学研究院 一种医用磁共振模体图像量化自动评价方法
CN107582088A (zh) * 2017-09-28 2018-01-16 江苏省计量科学研究院 一种用于pet/ct图像性能评价的复合型体模
CN111696047A (zh) * 2019-03-14 2020-09-22 四川中测辐射科技有限公司 一种医用成像设备的成像质量确定方法及系统
CN111696047B (zh) * 2019-03-14 2023-08-22 四川中测辐射科技有限公司 一种医用成像设备的成像质量确定方法及系统
CN110223261A (zh) * 2019-05-20 2019-09-10 上海联影医疗科技有限公司 医学图像处理方法和系统、存储介质及计算机设备
CN110223261B (zh) * 2019-05-20 2022-03-01 上海联影医疗科技股份有限公司 医学图像处理方法和系统、存储介质及计算机设备

Similar Documents

Publication Publication Date Title
CN104835140A (zh) 医用ct模体图像量化评价方法
TWI542328B (zh) 偵測與量化腦梗塞區域的方法
Chard et al. Reducing the impact of white matter lesions on automated measures of brain gray and white matter volumes
Davids et al. Fully-automated quality assurance in multi-center studies using MRI phantom measurements
US7680311B2 (en) System aid for digital radiographic image quality verification
De Rosa et al. Differentiation of periapical granuloma from radicular cyst using cone beam computed tomography images texture analysis
Malkus et al. A method to extract image noise level from patient images in CT
Gennaro et al. Quality controls in digital mammography protocol of the EFOMP Mammo Working group
CN106535740A (zh) 分级角膜荧光素染色
US10249037B2 (en) Echogenicity quantification method and calibration method for ultrasonic device using echogenicity index
US20110148861A1 (en) Pet data processing system, an arrangement, a method and a computer program product for determining a distribution of a tracer uptake
JP4383352B2 (ja) 核多形性の組織学的評価
Heinzl et al. Optimal specimen placement in cone beam X-ray computed tomography
Balta et al. A model observer study using acquired mammographic images of an anthropomorphic breast phantom
Grippo et al. Correct determination of the enhancement curve is critical to ensure accurate diagnosis using the Kaiser score as a clinical decision rule for breast MRI
US10255675B2 (en) Medical image processing apparatus and analysis region setting method of texture analysis
Li et al. Influence of feature calculating parameters on the reproducibility of CT radiomic features: a thoracic phantom study
Goodkin et al. FLAIR-only joint volumetric analysis of brain lesions and atrophy in clinically isolated syndrome (CIS) suggestive of multiple sclerosis
JP2018187384A (ja) 医用情報処理システム及び医用情報処理装置
Yanagawa et al. Commercially available computer-aided detection system for pulmonary nodules on thin-section images using 64 detectors-row CT: preliminary study of 48 cases
US9754383B1 (en) Automated methods for assessment of celiac disease
Heidinger et al. “Rounding” the size of pulmonary nodules: impact of rounding methods on nodule management, as defined by the 2017 Fleischner Society guidelines
US9454811B2 (en) Image processing apparatus, image processing method and computer-readable storage medium storing program
Celler et al. An investigation of potential sources of artifacts in SPECT-CT myocardial perfusion studies
Graf et al. Intra‐and inter‐site reproducibility of human brain single‐voxel proton MRS at 3 T

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
EXSB Decision made by sipo to initiate substantive examination
SE01 Entry into force of request for substantive examination
WD01 Invention patent application deemed withdrawn after publication
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20150812