CN105144241B - 图像质量指数和/或基于其的成像参数推荐 - Google Patents
图像质量指数和/或基于其的成像参数推荐 Download PDFInfo
- Publication number
- CN105144241B CN105144241B CN201480020677.XA CN201480020677A CN105144241B CN 105144241 B CN105144241 B CN 105144241B CN 201480020677 A CN201480020677 A CN 201480020677A CN 105144241 B CN105144241 B CN 105144241B
- Authority
- CN
- China
- Prior art keywords
- quality index
- image quality
- image
- scan
- low contrast
- 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
- 238000003384 imaging method Methods 0.000 title claims description 16
- 238000000034 method Methods 0.000 claims abstract description 18
- 238000004422 calculation algorithm Methods 0.000 claims description 14
- 230000004044 response Effects 0.000 claims description 3
- 238000003325 tomography Methods 0.000 claims 3
- 238000013507 mapping Methods 0.000 abstract description 8
- 230000008859 change Effects 0.000 description 11
- 230000005855 radiation Effects 0.000 description 6
- 210000001519 tissue Anatomy 0.000 description 5
- 238000002591 computed tomography Methods 0.000 description 4
- 230000003902 lesion Effects 0.000 description 4
- 210000004185 liver Anatomy 0.000 description 4
- 230000000007 visual effect Effects 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 210000000988 bone and bone Anatomy 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 206010019695 Hepatic neoplasm Diseases 0.000 description 2
- 230000004075 alteration Effects 0.000 description 2
- 238000013459 approach Methods 0.000 description 2
- 238000013170 computed tomography imaging Methods 0.000 description 2
- 238000005094 computer simulation Methods 0.000 description 2
- 230000003247 decreasing effect Effects 0.000 description 2
- 208000014018 liver neoplasm Diseases 0.000 description 2
- 210000005228 liver tissue Anatomy 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 206010016654 Fibrosis Diseases 0.000 description 1
- 206010028980 Neoplasm Diseases 0.000 description 1
- 238000013475 authorization Methods 0.000 description 1
- 230000000740 bleeding effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000007882 cirrhosis Effects 0.000 description 1
- 208000019425 cirrhosis of liver Diseases 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000013442 quality metrics Methods 0.000 description 1
- 230000001225 therapeutic effect Effects 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
Images
Classifications
-
- G06T5/70—
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/003—Reconstruction from projections, e.g. tomography
- G06T11/005—Specific pre-processing for tomographic reconstruction, e.g. calibration, source positioning, rebinning, scatter correction, retrospective gating
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus for radiation diagnosis, e.g. 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
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/003—Reconstruction from projections, e.g. tomography
-
- 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]
Abstract
一种方法包括确定扫描的低对比可探测性并且基于所确定的低对比可探测性来生成图像质量指数。另一方法包括：识别感兴趣图像质量指数，基于图像质量指数和在图像质量指数与采集参数以及重建参数之间的预先确定的映射来识别采集和/或重建参数，并且显示识别的采集和/或重建参数。一种系统(100)包括：度量确定器(122)，其基于扫描的低对比可探测性或扫描的投影域噪声中的至少一个来确定扫描的第一图像质量指数；和/或参数推荐器(126)，其基于第二图像质量指数来推荐扫描的采集或重建参数中的至少一个；以及显示器(114)，其可视化地呈现第一图像质量指数或第二图像质量指数。
Description
技术领域
下文总体上涉及成像，并且具体结合计算机断层摄影(CT)的应用进行描述。然而，下文也适于其他模态。
背景技术
在CT成像中，采集和/或重建参数的选择能够非常特定于在手边的成像任务。例如，一个扫描可以是针对诸如肝肿瘤的低对比组织，而另一扫描可以是针对骨骼，其是高对比组织。这意味着放射科医师和/或技术专家需要在临床指示(即，原因)和参数之间转化。然而，成像员工的训练的变化性可能导致图像的参数选择和因此诊断质量的变化性。另外，个体放射科医师可以具有对于给定类型的研究变化的不同偏好。
此外，用非传统重建算法，例如去噪重建算法，传统成像权衡可以不再适用。例如，当传统图像重建算法被使用在CT成像中时，在得到图像中的噪声通常是图像的质量的良好指标。在许多情况下，图像噪声是用于表示图像质量的仅有指标，例如剂量调制算法旨在将图像体积中的均匀图像噪声来作为实现对比图像质量的方式。然而，从图像中去除的噪声中的一些或全部之后，读者不再具有可视化噪声提示，所述可视化噪声提示指示应当被置于图像中的图像的质量或置信度水平。
此外，传统图像质量度量倾向于考虑在最终图像和/或图像空间分辨率中的噪声。当与去噪重建算法一起使用时，这样的度量可以提供误导信息，这是因为用不同剂量水平采集的两个图像数据集可以导致具有类似图像噪声的图像，尽管他们对应于不同质量的采集，例如，剂量的减少可以导致低对比探测能力的显著改变。此外，基于空间分辨率的度量倾向于强调高对比目标，例如骨骼，其一般不易受剂量减少影响。
发明内容
本文中描述的各方面解决了以上提到的问题和其他问题。
下文描述了其中临床指示和/或低对比可探测性(即，检测低对比目标的能力)被用于识别采集或重建参数中的至少一个和/或计算指示采集(例如，剂量)的质量和/或在结果图像数据中检测低对比目标的能力的置信度的指数的途径。
在一个方面中，一种方法包括确定扫描的低对比可探测性，并且基于所确定的低对比可探测性来生成图像质量指数。
在另一方面中，一种方法包括识别感兴趣图像质量指数，基于图像质量指数、被扫描的目标、以及在图像质量指数与采集参数以及重建参数之间的预定的映射来识别采集和/或重建参数的集合，并且显示识别的采集和/或重建参数。
在另一方面中，一种系统包括：度量确定器，其基于扫描的低对比可探测性或扫描的投影域噪声中的至少一个来确定扫描的第一图像质量指数；和/或参数推荐器，其基于第二图像质量指数来推荐扫描的采集或重建参数中的至少一个；以及显示器，其可视化地呈现第一图像质量指数或第二图像质量指数。
本发明可以采用各种部件和各部件的布置，以及各种步骤和各步骤的安排的形式。附图仅出于图示优选实施例的目的，并不应被解释为对本发明的限制。
附图说明
图1示意性地图示了与度量确定器和参数推荐器连接的成像系统。
图2图示了度量确定器的非限制性范例。
图3图示了度量确定器的另一非限制性范例。
图4图示了用于确定成像采集的图像质量指数的示范性方法。
图5图示了用于利用图像质量指数来确定采集和/或重建参数的示范性方法。
具体实施方式
如下面更详细地描述，临床指示和/或低对比可探测性被用于识别采集或重建参数中的至少一个和/或计算指示采集的质量和/或在得到的图像数据中检测低对比目标的能力的置信度的指数。因为图像质量指数提供关于通过重建去除可视噪声的信息，该途径很适合于去噪重建算法。
图1图示了包括诸如计算机断层摄影(CT)扫描器的成像装置101的系统100。成像装置101包括大体固定机架102和旋转机架104。旋转机架104由固定机架102可旋转地支撑并且围绕检查区域关于纵轴或z-轴旋转。患者支撑物106(例如卧榻)支撑检查区域中的目标或对象，例如人类患者。
辐射源108，例如X-射线管，由旋转机架104可旋转地支撑。辐射源108随旋转机架104旋转，并且发出穿过检查区域的辐射。辐射敏感探测器阵列110在检查区域对面与辐射源108相对，对向一角度弧。探测器阵列110包括沿着z-轴方向延伸的探测器行，所述探测器行探测穿过检查区域的辐射，并且生成投影数据。
通用计算系统或计算机充当操作者控制台112并且包括(一个或多个)输入设备(例如鼠标、键盘等)和(一个或多个)输出设备(例如显示监控器114、胶片器等)。控制台112允许操作者与系统100交互，和/或控制系统100的操作。这包括提供信息，例如临床指示、感兴趣图像质量指数、阅读放射科医师识别、和/或其他信息。
重建器113重建投影数据，生成指示定位于成像区域106的对象或目标的被扫描部分的体积图像数据。重建器113能够采用各种重建算法116，包括但不限于，滤波反投影(FBP)、迭代和/或其他重建算法。这包括采用传统(或非去噪)和/或去噪，包括迭代、重建算法。
系统100还包括具有计算机处理器和计算机可读指令的模拟器120，所述计算机可读指令存储在计算机可读存储介质上，所述计算机可读指令在由计算机处理器执行时，令所述处理器模拟扫描。这包括接收采集和/或重建参数(例如，由用户输入的和/或接受的计算机建议参数)以及生成模拟投影数据和/或图像数据。模拟器120能够是控制台112的部分和/或单独的计算系统。
系统100还包括度量确定器122，其确定针对扫描和/或模拟扫描的至少一个度量。在该图示性实施例中，度量确定器122基于投影数据、图像数据或低对比可探测性中的一个或多个来确定度量。投影数据和/或图像数据能够从成像装置101和/或模拟器120获得，和/或从输入到控制台112的参数导出，并且低对比可探测性能够从查找表(LUT)121和/或以其他方式获得。
图2和3图示了度量确定器122的非限制性范例。
在图2中，投影数据噪声确定器202接收投影数据作为输入，并且基于其来确定投影域噪声。图像数据噪声确定器204接收图像数据作为输入，并且基于其来确定图像域噪声。图像分辨率确定器206也接收图像数据作为输入，而基于其来确定图像分辨率。低对比可探测性检索器208接收信息，例如目标尺寸、目标对比、剂量/噪声等作为输入，并且利用该信息来从LUT121识别低对比可探测性。
能够以各种方式生成低对比可探测性LUT 121。例如，基于由观察具有已知目标对比和不同噪声水平、目标尺寸等的训练图像集的(一个或多个)读者的阅读能够确定低对比可探测性。一般地，增加噪声和/或减少目标尺寸导致更低百分比的正确阅读，其转化成更低置信度水平，而减少噪声和/或增加目标尺寸导致更高百分比的正确阅读，其转化成更高置信度水平。
然后在阅读结果和目标尺寸、噪声/剂量等之间的关系能够被用于生成低对比可探测性LUT 121，其中，因素中的每个组合与LUT 121中的条目相关联，其存储可探测性或置信度水平。在变型中，基于来自读者的结果生成计算机模型。然后计算机微处理器执行计算机模型以读取输入的图像集，结果被用于生成低对比可探测性LUT 121。
图像质量指数确定器210基于投影域噪声、图像域噪声、图像分辨率或低对比可探测性中的一个或多个的输出，使用(一种或多种)算法212来确定图像质量指数。在图示的实施例中，权重214的集合能够被用于在确定中相对于其他输出而影响这些输出中的任一个的效果。在图示的范例中，用户输入能够被用于识别，若有的话，关于其他输出应当更高地加权输出中的哪个，同样地，或更低地加权输出中的哪个。
例如，如果用户对低对比可探测性(例如，当寻找肝病变时)的高置信度感兴趣，输入可以指示以比其他输入更高地加权低对比可探测性输入，或仅仅使用低对比可探测性输入。同样地，如果扫描的相对剂量是感兴趣，输入指示应当更高地加权投影数据噪声。例如，归因于去噪重建算法，这可以是两个不同剂量水平产生具有相同噪声水平的图像的情况。该信息能够备选地是用户可编程的。
图3图示了图2的变型，其中，低对比可探测性确定器302根据需要或按需，实时(即，在正在确定图像质量指数的时间)确定低对比可探测性置信度。在该变型中，低对比可探测性确定器302能够处理正被规划的扫描的数据(例如，目标尺寸、范围、kV、mAs)和/或从其中导出的数据(例如，噪声、剂量等)，和/或评估以上讨论的训练的图像集。
返回到图1，度量确定器122能够经由显示器114可视化地呈现确定的图像质量指数，和/或将图像质量指数传送到一个或多个其他部件。如本文讨论的，度量能够提供扫描的质量的指示(例如，采集的剂量)，甚至在利用去噪算法使得不存在噪声可视化提示中。而且，度量能够指示其中在关于低对比目标的图像中读者能够具有的置信度。
在一个范例中，图像质量指数是在一(1)和十(10)之间的值，其中，一(1)指示低质量和/或低置信度，并且十(10)指示高质量和/或高置信度。也能够利用其他数值范围。而且，能够利用其他标记。例如，在另一实例中，通过词语，例如“低”、“中”和“高”表示图像质量指数。本文预期再其他的标记。
一般地，取决于临床指示和/或应用，具体值可以具有不同的意义。就是说，值五(5)可以指示对于临床指示“A”和/或应用“A”的好的质量和置信度，而对于临床指示“B”和/或应用“B”的不可接受的质量和置信度。例如，应用“A”可以涉及将骨骼组织进行分割，其具有高对比边缘，而应用“B”可以涉及确定在肝组织中的病变的存在，其中，病变和肝组织具有相似的对比。
图像质量指数能够被叠加在显示的图像上，和/或嵌入到图像中。在胶片上输出图像的地方，图像质量指数能够是硬拷贝胶片的部分。用电子文件，图像质量指数能够包括文件头(例如，DICOM头)和/或以其他方式用文件包含。在图形用户界面(GUI)中也能够显示图像质量指数连同采集和/或重建参数，和/或其他信息。
在图示的范例中，图像质量指数被提供到临床决策支持系统(CDSS)124，临床决策支持系统(CDSS)124采用计算机辅助决策支持来识别潜在的发现和/或推荐患者的下(一个或多个)动作。例如，在CDSS 124指示肿瘤等的存在时，CDSS 124也能够基于图像质量指数来指示发现的置信度水平。通过范例的方式，在图像质量指数为高的地方，CDSS 124能够指示其发现具有高的置信度，并且在图像质量指数为低的地方，CDSS 124能够指示其发现具有低的置信度。
参数推荐器126为目标的扫描推荐采集或重建参数中的至少一个。到采集和/或重建参数确定器128的输入(来自在图示实施例中的控制台112)包括，但不限于，临床指示、感兴趣图像质量指数、放射科医师识别和/或其他信息中的至少一个。临床指示的范例包括肝肿瘤、肝出血、肝硬化和/或肝脏和/或其他解剖组织和/或感兴趣组织的定位的其他临床指示。
在图示实施例中，参数推荐器126通过从采集和/或重建参数查找表128中识别预定参数集来进行推荐，其将临床指示和/或图像质量指数映射到采集和/或重建参数。由此，如果用户想到具体临床指示(例如，肝病变)，和/或想到具体置信度水平(例如，经由图像质量指数表达的高置信度)，则用户能够输入这些参数，这些参数确定采集和/或重建参数。
一般地，查找表128能够是预定的并且被存储或模拟并且能够基于后续扫描进行修改。在采集和/或重建参数查找表128包括对于相同图像质量指数和/或临床指示的采集和/或重建参数的不同组合的多个输入时，参数推荐器126能够列出参数的候选集合中的每个，和/或组合候选集合中的一个或多个来推导最佳集合。用户能够选择列出的候选，包括导出的候选，和/或参数的另一集合。
任选地，参数推荐器126也具有对读者(即，放射科医师)配置文件130的访问。在该实例中，参数推荐器126能够使用读者识别来定位对于当前读者的在读者配置文件130中的读者配置文件，并且然后利用该信息来推荐采集和/或重建参数。例如，不同的读者可以具有在相同图像中对于噪声水平的不同偏好。在另一范例中，基于临床指示，具体读者可以具有对噪声水平的不同偏好。
对于跟进(例如，结合治疗处置)和/或其中放射科医师将相同图像质量指数作为先前扫描或模拟扫描的其他扫描，如所示，对于先前扫描的度量确定器122的输出被提供作为到参数推荐器126的输入。这可以促进比较在多个扫描中的感兴趣组织。在对于后续扫描期望增加的图像质量指数时，例如，在当前扫描质量和/或低对比可探测性被认为太低时，度量确定器122的输出能够被提供作为具有添加到其的余裕图像质量指数的基线图像质量指数。
度量确定器122也能够基于输入到控制台112的参数(例如，目标的尺寸、感兴趣剂量、感兴趣噪声等)来提供估计的图像质量指数，并且该图像质量指数能够被提供到参数推荐器126以导出采集和/或重建参数。如本文讨论的，输入参数能够被微调，直到图像质量指数在感兴趣范围内，该范围的采集和/或重建参数被用于执行扫描。
经由控制台112接口，用户能够接受、拒绝和/或改变推荐采集和/或重建参数。经由具有预定参数值的图形下拉菜单、刻度盘、滑动条和/或其他图形控制、键盘输入、声音识别和/或其他输入能够改变参数。类似地，通过这样的控制能够改变图像质量指数。在该实例中，图像质量指数的改变将包括任何采集和/或重建参数的改变的显示。
在一个实例中，用户能够指示响应于图像质量指数的改变哪个参数能够改变。在该实例中，如果需要，仅仅被识别为允许改变的那些参数将改变，而其他参数将不改变。在另一实例中，一些参数(例如，剂量)可以具有限制，并且仅仅能够改变直到达到限制。推荐器126的输出能够包括与kV、mAs、间距、图像分辨率、图像矩阵尺寸、体素分辨率、估计的输出噪声水平、估计的沉积剂量等有关的参数。
在推荐的采集参数被估计为导致超过阈值水平的剂量水平时，参数推荐器126能够呈现剂量以及可视化警告或消息。阈值水平能够是用户的感兴趣水平或最大限制，其不能够被超过和/或要被超过时需要授权。授权人员可以能够由合适的授权者允许而改写警告或消息。也可以在没有任何警告或消息的情况下能够提供剂量。
在图示的实施例中，用户能够采用控制台112来初始设置扫描。所述信息能够由度量确定器122处理，度量确定器122基于该信息计算图像质量指数。如果图像质量指数被认为是满意的，初始设置能够被用于对目标进行扫描。如果不，用户能够手动改变参数，并且重新运行图像质量指数计算。备选地，参数推荐器126能够被用于基于可允许的图像质量指数来推荐设置参数。
应当认识到，通过计算机可读指令的方式能够实施至少度量确定器122和/或参数推荐器126，所述计算机可读指令编码或嵌入在计算机可读存储介质(即，物理内存和其他非暂态介质)上，所述计算机可读指令在由(一个或多个)微处理器执行时，令(一个或多个)处理器执行所描述的其功能。额外地或备选地，计算机可读指令中的至少一个由信号、载波和其他暂态介质运载。
图4图示了用于确定成像采集的图像质量指数的范例方法。
应当认识到，动作顺序并非是限制性的。这样，本文预期其他顺序。另外，可以省略一个或多个动作和/或可以包括一个或多个额外的动作。
在402处，执行对目标的成像采集，生成投影数据。所述扫描能够是实际扫描或模拟扫描。
在404处，重建投影数据，生成图像数据。
在406处，基于投影数据确定投影域噪声水平。
在408处，任选地，基于图像数据确定图像域噪声水平。
在410处，任选地，基于图像数据确定图像分辨率。
在变型中，基于针对扫描的采集和/或重建参数，能够模拟和/或估计投影域噪声水平、图像域噪声水平和/或图像分辨率。
在412处，获得扫描目标的尺寸。这能够通过平片、被提供为输入手动测量、和/或其他方式来实现。
在414处，基于噪声水平和尺寸以及在低对比可探测性和目标尺寸以及噪声水平之间的映射来针对采集确定低对比可探测性。映射能够是基于训练数据、模型等的预定和手动存储和/或计算机生成的映射，或基于图像数据生成的映射。
在416处，基于低对比可探测性(和/或投影域噪声水平、图像域噪声水平或图像分辨率中的一个或多个)来生成采集的图像质量指数。
如本文描述的，图像质量指数指示采集的质量(例如，剂量、噪声等)或探测在图像数据中的低对比目标的能力的置信度中的至少一个。
在418处，与图像数据一起可视化地显示图像质量指数。图像质量指数能够被叠加在图像数据上，被包括在电子文件的头部或其他部分中，用图像数据的部分制成胶片等。
在420处，任选地，图像数据和图像质量指数被提供到临床决策支持系统，其评估图像数据，建议发现，并且基于图像质量指数指示发现的置信度水平。
以上动作可以以计算机可读指令的方式实施，所述计算机可读指令被编码或嵌入在计算机可读存储介质(即，物理内存和其他非暂态介质)上，所述计算机可读指令在由(一个或多个)微处理器执行时，令(一个或多个)处理器执行所描述的动作。额外地或备选地，计算机可读指令中的至少一个由信号、载波和其他暂态介质承载。
图5图示了用于利用图像质量指数来确定采集和/或重建参数的范例方法。
应当认识到，动作顺序并非是限制性的。这样，本文预期其他顺序。另外，可以省略一个或多个动作和/或可以包括一个或多个额外的动作。
在502处，接收感兴趣临床指示。
在504处，临床指示被使用以基于在临床指示和图像质量指数之间的映射来识别图像质量指数。
在变型中，接收感兴趣图像质量指数而非感兴趣临床指示。
在506处，任选地，获得放射科医师的阅读配置文件，所述放射科医师将阅读采集的结果图像数据。如本文讨论的，配置文件可以包含放射科医师的图像噪声水平偏好和/或容忍度。
在508处，图像质量指数(和任选地阅读配置文件)被使用以基于在图像质量指数与采集和重建参数之间的映射来识别采集或重建参数中的至少一个。
在510处，可视化地呈现识别的图像质量指数和识别的采集和重建参数。
在512处，任选地，基于指示对图像质量指数的用户改变的输入，能够改变识别的图像质量指数，其中，基于所述改变来更新所述可视化显示的采集和重建参数。
在514处，接受或拒绝所述可视化地呈现的识别的图像质量指数和识别的采集和重建参数。
在516处，在成像采集或重建中的至少一个期间，采用所述接受的采集和重建参数。
以上动作可以以计算机可读指令的方式实施，所述计算机可读指令被编码或嵌入在计算机可读存储介质(即，物理内存和其他非暂态介质)上，所述计算机可读指令在由(一个或多个)微处理器执行时，令(一个或多个)处理器执行所描述的动作。额外地或备选地，计算机可读指令中的至少一个由信号、载波和其他暂态介质运载。
已经参考优选实施例描述了本发明。他人在阅读和理解上述详细描述之后可以进行修改和变型。目的是本发明被解释为包括所有这样的修改和变型，只要它们落入权利要求及其等价方案的范围之内。
Claims (15)
1.一种用于成像的计算机实施的方法，包括：
确定断层摄影扫描的低对比可探测性；
确定根据所述断层摄影扫描生成的投影数据的投影域噪声；
通过使用去噪重建算法重建所述投影数据来重建图像数据；
基于所确定的低对比可探测性和所述投影域噪声的组合来生成针对所述断层摄影扫描的图像质量指数；并且
使用临床决策支持系统基于所述图像质量指数来生成指示根据所述图像数据所识别的潜在发现的置信度的标记。
2.根据权利要求1所述的方法，还包括：
确定所述图像数据的图像域噪声；
确定所述图像数据的图像分辨率；并且
基于所述低对比可探测性、所述投影域噪声、所述图像域噪声和所述图像分辨率的组合来生成所述图像质量指数。
3.根据权利要求2所述的方法，还包括：
接收输入，所述输入指示针对在对所述图像质量指数的确定中的所述低对比可探测性、所述投影域噪声、所述图像域噪声以及所述图像分辨率的加权函数。
4.根据权利要求2至3中的任一项所述的方法，其中，所述图像质量指数指示探测图像数据中的低对比目标的能力的置信度。
5.根据权利要求1至3中的任一项所述的方法，还包括：
接收候选采集参数的集合；
确定针对接收到的采集参数的集合的第二图像质量指数；并且
响应于确认所述第二图像质量指数而使用所述候选采集参数的集合。
6.根据权利要求5所述的方法，还包括：
改变第二图像质量指数，其更新所述候选采集参数；并且
使用经更新的候选采集参数的集合。
7.根据权利要求1至3中的任一项所述的方法，其中，所述图像质量指数指示所述断层摄影扫描的采集的质量。
8.根据权利要求1至3中的任一项所述的方法，其中，所述图像质量指数指示所述断层摄影扫描的患者尺寸归一化的剂量。
9.一种被编码有计算机可读指令的计算机可读存储介质，所述计算机可读指令在由处理器运行时，令所述处理器：
确定扫描的低对比可探测性；
确定根据所述扫描生成的投影数据的投影域噪声；
通过使用去噪重建算法重建所述投影数据来重建图像数据；
评价所述图像数据以产生指示发现的结果；
基于所确定的低对比可探测性和所述投影域噪声的组合来生成针对所述扫描的图像质量指数；并且
基于所述图像质量指数来生成指示所述发现的置信度的标记。
10.根据权利要求9所述的计算机可读存储介质，其中，所述计算机可读指令还令所述处理器：
确定所述图像数据的图像域噪声；
确定所述图像数据的图像分辨率；并且
基于所述低对比可探测性、所述投影域噪声、所述图像域噪声和所述图像分辨率的组合来生成所述图像质量指数。
11.根据权利要求10所述的计算机可读存储介质，其中，所述计算机可读指令还令所述处理器：
接收输入，所述输入指示针对在对所述图像质量指数的所述确定中的所述低对比可探测性、所述投影域噪声、所述图像域噪声和所述图像分辨率的加权函数。
12.根据权利要求10至11中的任一项所述的计算机可读存储介质，其中，所述图像质量指数指示探测在所述图像数据中的低对比目标的能力的置信度。
13.根据权利要求9至11中的任一项所述的计算机可读存储介质，其中，所述计算机可读指令还令所述处理器：
接收候选采集参数的集合；
确定针对接收到的采集参数的集合的第二图像质量指数；并且
响应于确认所述第二图像质量指数而使用所述候选采集参数的集合。
14.根据权利要求13所述的计算机可读存储介质，其中，所述计算机可读指令还令所述处理器：
改变第二图像质量指数，其更新所述候选采集参数；并且
使用经更新的候选采集参数的集合。
15.根据权利要求9至11中的任一项所述的计算机可读存储介质，其中，所述图像质量指数指示所述扫描的采集的质量或所述扫描的患者尺寸归一化的剂量中的至少一个。
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US201361810417P | 2013-04-10 | 2013-04-10 | |
| US61/810,417 | 2013-04-10 | ||
| PCT/IB2014/060401 WO2014167463A2 (en) | 2013-04-10 | 2014-04-03 | Image quality index and/or imaging parameter recommendation based thereon |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN105144241A CN105144241A (zh) | 2015-12-09 |
| CN105144241B true CN105144241B (zh) | 2020-09-01 |
Family
ID=50685985
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201480020677.XA Active CN105144241B (zh) | 2013-04-10 | 2014-04-03 | 图像质量指数和/或基于其的成像参数推荐 |
Country Status (5)
| Country | Link |
|---|---|
| US (1) | US10706506B2 (zh) |
| EP (1) | EP2984632B1 (zh) |
| JP (1) | JP6423857B2 (zh) |
| CN (1) | CN105144241B (zh) |
| WO (1) | WO2014167463A2 (zh) |
Families Citing this family (19)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20140072108A1 (en) * | 2010-07-16 | 2014-03-13 | David P. Rohler | Methods and apparatus for extended low contrast detectability for radiographic imaging systems |
| DE102013221603A1 (de) * | 2013-10-24 | 2015-04-30 | Siemens Aktiengesellschaft | CT-System mit Recheneinheit und Verfahren zur Rekonstruktion und Befundung von CT-Bilddarstellungen |
| JP6815074B2 (ja) * | 2015-09-30 | 2021-01-20 | キヤノンメディカルシステムズ株式会社 | Ｘ線ｃｔ装置及び画像処理装置 |
| DE102016220093A1 (de) * | 2016-10-14 | 2018-04-19 | Siemens Healthcare Gmbh | Bestimmen eines Aufnahmeparameters für ein bildgebendes Verfahren |
| CN109963514B (zh) * | 2016-11-17 | 2023-04-04 | 皇家飞利浦有限公司 | 具有受控的图像显示质量的远程超声诊断 |
| EP3363364A1 (en) * | 2017-02-20 | 2018-08-22 | Koninklijke Philips N.V. | Apparatus for providing mammography quality analytics |
| CN106859679B (zh) * | 2017-01-25 | 2023-11-03 | 泰山医学院 | 一种pet-mr质量评估方法、服务器、终端及系统 |
| US10973489B2 (en) * | 2017-09-29 | 2021-04-13 | General Electric Company | CT imaging system and method using a task-based image quality metric to achieve a desired image quality |
| WO2019141651A1 (en) * | 2018-01-22 | 2019-07-25 | Koninklijke Philips N.V. | Deep learning based image figure of merit prediction |
| KR20210036962A (ko) * | 2018-08-28 | 2021-04-05 | 에이에스엠엘 네델란즈 비.브이. | 최적의 계측 안내 시스템들 및 방법들 |
| DE102018215958A1 (de) * | 2018-09-19 | 2020-03-19 | Siemens Healthcare Gmbh | Verfahren zur Ermittlung eines Befähigungsvorgangs, diesen nutzenden Verfahren zur Einstellung eines dosisbezogenen Aufnahmeparameters, Röntgeneinrichtung, Computerprogramm und elektronisch lesbarer Datenträger |
| US10937155B2 (en) * | 2018-12-10 | 2021-03-02 | General Electric Company | Imaging system and method for generating a medical image |
| US11064977B2 (en) * | 2019-01-04 | 2021-07-20 | Shenzhen Mindray Bio-Medical Electronics Co., Ltd. | Preset free imaging for ultrasound device |
| CN111616723B (zh) | 2019-02-27 | 2024-01-02 | 佳能医疗系统株式会社 | 扫描协议调整装置以及扫描协议调整方法 |
| US10839514B2 (en) * | 2019-04-16 | 2020-11-17 | International Medical Solutions, Inc. | Methods and systems for dynamically training and applying neural network analyses to medical images |
| CN111493908A (zh) * | 2020-04-30 | 2020-08-07 | 上海联影医疗科技有限公司 | 医学图像扫描方法、装置、计算机设备和存储介质 |
| CN113261940B (zh) * | 2021-02-23 | 2024-03-15 | 上海市医疗器械检验研究院 | 一种磁共振图像质量的检测方法及装置 |
| EP4261775A1 (en) * | 2022-04-14 | 2023-10-18 | Koninklijke Philips N.V. | Monitoring medical images using a neural network generated image assessment |
| CN115778412B (zh) * | 2023-02-09 | 2023-04-28 | 之江实验室 | X光声成像中造影剂剂量的优化方法、装置及存储介质 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101028194A (zh) * | 2006-02-28 | 2007-09-05 | 东芝医疗系统株式会社 | X射线诊断装置 |
| CN102428495A (zh) * | 2009-05-05 | 2012-04-25 | 皇家飞利浦电子股份有限公司 | 对成像数据的置信度的自动评估 |
| CN102462504A (zh) * | 2010-11-08 | 2012-05-23 | 通用电气公司 | 用于分析和可视化能谱ct数据的系统和方法 |
| CN102498438A (zh) * | 2009-07-17 | 2012-06-13 | D·P·罗勒 | 放射线成像系统的扩展低对比度可检测性 |
| WO2013049818A1 (en) * | 2011-09-30 | 2013-04-04 | Cincinnati Children's Hospital Medical Center | Method for consistent and verifiable optimization of computed tomography (ct) radiation dose |
Family Cites Families (28)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP1040449A1 (en) | 1998-07-28 | 2000-10-04 | General Electric Company | Method and apparatus for calibrating a non-contact range sensor |
| US6285741B1 (en) | 1998-08-25 | 2001-09-04 | General Electric Company | Methods and apparatus for automatic image noise reduction |
| US6959106B1 (en) | 2002-04-16 | 2005-10-25 | General Electric Company | Method and apparatus for detecting low contrast object in a diagnostic image |
| EP1874554A4 (en) * | 2005-04-25 | 2009-01-21 | Univ Rochester | METHOD AND DEVICE FOR GLOBAL EXPERIENCE FOR CT IMAGING |
| EP1878239A2 (en) * | 2005-04-28 | 2008-01-16 | Bruce Reiner | Method and apparatus for automated quality assurance in medical imaging |
| US7489825B2 (en) | 2005-07-13 | 2009-02-10 | Ge Medical Systems | Method and apparatus for creating a multi-resolution framework for improving medical imaging workflow |
| EP1934942B1 (en) | 2005-09-26 | 2016-05-04 | Koninklijke Philips N.V. | Iterative reconstruction with enhanced noise control filtering |
| US7756312B2 (en) | 2006-10-19 | 2010-07-13 | General Electric Company | Methods and apparatus for noise estimation |
| TW200828983A (en) | 2006-12-27 | 2008-07-01 | Altek Corp | Method of eliminating image noise |
| EP2156408B1 (en) | 2007-05-30 | 2021-03-17 | Koninklijke Philips N.V. | Pet local tomography |
| WO2009083864A2 (en) | 2007-12-20 | 2009-07-09 | Philips Intellectual Property & Standards Gmbh | Iterative reconstruction of polyhedral objects from few projections |
| EP2240906B1 (en) | 2008-01-14 | 2013-12-11 | Wisconsin Alumni Research Foundation | Method for prior image constrained progressive image reconstruction |
| US7977943B2 (en) | 2008-04-10 | 2011-07-12 | General Electric Company | Method and system for reconstructing images |
| US8472688B2 (en) | 2008-04-17 | 2013-06-25 | Wisconsin Alumni Research Foundation | Method for image reconstruction employing sparsity-constrained iterative correction |
| DE102008052690B4 (de) | 2008-10-22 | 2019-10-31 | Siemens Healthcare Gmbh | Vorrichtung und Verfahren zur Rekonstruktion und Visualisierung von Projektionsdaten |
| DE102008052691A1 (de) | 2008-10-22 | 2010-04-29 | Siemens Aktiengesellschaft | Vorrichtung und Verfahren zur Rekonstruktion und Visualisierung von Volumendaten auf der Basis allgemeiner Projektionsdaten |
| US8660636B2 (en) | 2009-01-19 | 2014-02-25 | Koninklijke Philips N.V. | Regional reconstruction and quantitative assessment in list mode PET imaging |
| DE102009039987A1 (de) | 2009-09-03 | 2011-03-17 | Siemens Aktiengesellschaft | Iterativer CT-Bildfilter zur Rauschreduktion |
| US8705831B2 (en) | 2009-09-24 | 2014-04-22 | Koninklijke Philips N.V. | System and method for generating an image of a region of interest |
| EP2489011B1 (en) | 2009-10-14 | 2020-04-29 | 3Mensio Medical Imaging B.V. | A method, a graphic user interface, a system and a computer program for optimizing workflow of a medical intervention |
| US8862206B2 (en) | 2009-11-12 | 2014-10-14 | Virginia Tech Intellectual Properties, Inc. | Extended interior methods and systems for spectral, optical, and photoacoustic imaging |
| US9129044B2 (en) * | 2010-04-30 | 2015-09-08 | Cornell University | System and method for radiation dose reporting |
| EP2385494A1 (en) | 2010-05-07 | 2011-11-09 | IBBT vzw | A method and device for estimating noise in a reconstructed image |
| DE102010029187A1 (de) | 2010-05-20 | 2011-11-24 | Siemens Aktiengesellschaft | Verfahren zur Rekonstruktion eines einer Schnittebene durch ein aufgenommenes Objekt entsprechenden zweidimensionalen Schichtbildes und Röntgeneinrichtung |
| WO2012007456A1 (en) * | 2010-07-12 | 2012-01-19 | Ge Healthcare As | X-ray imaging at low contrast agent concentrations and/or low dose radiation |
| US8629404B2 (en) | 2010-07-21 | 2014-01-14 | Siemens Medical Solutions Usa, Inc. | Method and apparatus to optimize injected dose and scan time in SPECT imaging |
| EP2691932B1 (en) | 2011-03-28 | 2019-07-24 | Koninklijke Philips N.V. | Contrast-dependent resolution image |
| US9076237B2 (en) * | 2013-03-12 | 2015-07-07 | Wisconsin Alumni Research Foundation | System and method for estimating a statistical noise map in x-ray imaging applications |
-
2014
- 2014-04-03 JP JP2016507085A patent/JP6423857B2/ja active Active
- 2014-04-03 EP EP14722756.5A patent/EP2984632B1/en active Active
- 2014-04-03 US US14/782,727 patent/US10706506B2/en active Active
- 2014-04-03 CN CN201480020677.XA patent/CN105144241B/zh active Active
- 2014-04-03 WO PCT/IB2014/060401 patent/WO2014167463A2/en active Application Filing
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101028194A (zh) * | 2006-02-28 | 2007-09-05 | 东芝医疗系统株式会社 | X射线诊断装置 |
| CN102428495A (zh) * | 2009-05-05 | 2012-04-25 | 皇家飞利浦电子股份有限公司 | 对成像数据的置信度的自动评估 |
| CN102498438A (zh) * | 2009-07-17 | 2012-06-13 | D·P·罗勒 | 放射线成像系统的扩展低对比度可检测性 |
| CN102462504A (zh) * | 2010-11-08 | 2012-05-23 | 通用电气公司 | 用于分析和可视化能谱ct数据的系统和方法 |
| WO2013049818A1 (en) * | 2011-09-30 | 2013-04-04 | Cincinnati Children's Hospital Medical Center | Method for consistent and verifiable optimization of computed tomography (ct) radiation dose |
Non-Patent Citations (1)
| Title |
|---|
| Management of pediatric radiation dose using GE fluoroscopic equipment;BARRY BELANGER等;《PEDIATIRC RADIOLOGY》;20060722;第2卷(第22期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN105144241A (zh) | 2015-12-09 |
| WO2014167463A2 (en) | 2014-10-16 |
| US20160042499A1 (en) | 2016-02-11 |
| EP2984632B1 (en) | 2020-10-07 |
| WO2014167463A3 (en) | 2015-03-05 |
| JP6423857B2 (ja) | 2018-11-14 |
| US10706506B2 (en) | 2020-07-07 |
| JP2016514614A (ja) | 2016-05-23 |
| EP2984632A2 (en) | 2016-02-17 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN105144241B (zh) | 图像质量指数和/或基于其的成像参数推荐 | |
| US10327725B2 (en) | Systems and methods for emulating DEXA scores based on CT images | |
| US8229200B2 (en) | Methods and systems for monitoring tumor burden | |
| von Falck et al. | Informatics in radiology: sliding-thin-slab averaging for improved depiction of low-contrast lesions with radiation dose savings at thin-section CT | |
| Doo et al. | Accuracy of lung nodule volumetry in low-dose CT with iterative reconstruction: an anthropomorphic thoracic phantom study | |
| US20100278409A1 (en) | Hardware tumor phantom for improved computer-aided diagnosis | |
| US10275946B2 (en) | Visualization of imaging uncertainty | |
| EP3203914B1 (en) | Radiation dose applied to different anatomical stages | |
| JP2015515296A (ja) | 対象物の画像情報の提供 | |
| JP2012179360A (ja) | 医用画像処理装置、ｘ線コンピュータ断層撮像装置及び医用画像処理プログラム | |
| KR101946576B1 (ko) | 의료 영상 장치 및 의료 영상 처리 방법 | |
| CN111630562A (zh) | 用于评估肺部图像的系统 | |
| US9600875B2 (en) | Tissue surface roughness quantification based on image data and determination of a presence of disease based thereon | |
| EP3597107A1 (en) | Topogram-based fat quantification for a computed tomography examination | |
| CN109688931B (zh) | 谱计算机断层扫描指纹识别 | |
| JP2014171883A (ja) | 医用画像処理装置及び医用画像処理方法 | |
| CN109475338B (zh) | 识别脂肪组织的类型 | |
| WO2023117735A1 (en) | System and method for determining customized viewing windows for medical images | |
| EP3447734A1 (en) | Method for creating a pseudo ct image | |
| WO2023088986A1 (en) | Optimized 2-d projection from 3-d ct image data |
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 |