CN105225208B - 一种计算机断层成像金属伪影校正方法及装置 - Google Patents

一种计算机断层成像金属伪影校正方法及装置 Download PDF

Info

Publication number
CN105225208B
CN105225208B CN201510660920.0A CN201510660920A CN105225208B CN 105225208 B CN105225208 B CN 105225208B CN 201510660920 A CN201510660920 A CN 201510660920A CN 105225208 B CN105225208 B CN 105225208B
Authority
CN
China
Prior art keywords
projection
data
image
metal
corrected
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
CN201510660920.0A
Other languages
English (en)
Other versions
CN105225208A (zh
Inventor
王毅
曹文静
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.)
Shanghai United Imaging Healthcare Co Ltd
Original Assignee
Shanghai United Imaging Healthcare Co Ltd
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 Shanghai United Imaging Healthcare Co Ltd filed Critical Shanghai United Imaging Healthcare Co Ltd
Priority to CN201510660920.0A priority Critical patent/CN105225208B/zh
Publication of CN105225208A publication Critical patent/CN105225208A/zh
Priority to GB1710505.7A priority patent/GB2548303B/en
Priority to PL16854945T priority patent/PL3362987T3/pl
Priority to PCT/CN2016/102005 priority patent/WO2017063569A1/en
Priority to US15/323,062 priority patent/US10521886B2/en
Priority to EP16854945.9A priority patent/EP3362987B1/en
Application granted granted Critical
Publication of CN105225208B publication Critical patent/CN105225208B/zh
Priority to US16/729,515 priority patent/US11232543B2/en
Priority to US17/648,678 priority patent/US11756164B2/en
Priority to US18/465,141 priority patent/US20230419455A1/en
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Landscapes

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

Abstract

本发明公开了一种计算机断层成像金属伪影校正方法,包括输入待校正图像;获取待校正图像的第一投影数据;对所述待校正图像进行第一校正,根据第一校正结果获取第二投影数据;对所述第一及第二投影数据进行加权处理,获取第三投影数据;根据第三投影数据获得校正后图像。本发明还公开一种金属伪影校正装置。本发明所提供方法及装置能够在保留原始图像可使用信息的前提下,进一步减少伪影,提高图像质量。

Description

一种计算机断层成像金属伪影校正方法及装置
【技术领域】
本发明涉及计算机断层成像技术领域,尤其涉及一种计算机断层成像金属伪影的校正方法及装置。
【背景技术】
计算机断层成像是用射线对人体的特定部位按一定厚度的层面进行扫描,根据不同的人体组织对射线的吸收能力不同,利用计算机重建出断层面图像的技术。
在计算机断层扫描过程中,因被扫描物体中含有金属导致重建后的图像中存在的伪影称为金属伪影。金属伪影的存在会降低图像质量,并且可能会影响医生的诊断。因此,在计算机断层扫描的成像中,去金属伪影(Metal Artifact Reduction,MAR)即金属伪影校正,所要解决的就是去除由于金属的存在而引入的伪影,恢复被伪影破坏或掩盖的组织。
现有技术中,存在各种金属伪影的校正方法.这些校正方法大致可以分为迭代重建方法(迭代法)及投影插值方法(插值法)。其中,迭代法假设图像是均匀的,开始时可设置矩阵中的值为任意值,然后将理论计算值与实测投影值进行比较,并对二者之间的差进行修正。如此不断重复,直至假设值与测量值相同或在可接受的误差范围内为止,但迭代法运算量非常大,速度慢,难以被实际应用。而插值法的基本思想是:通过插值算法把破坏的数据拟合出来,通常认为金属经过的数据即为被破坏的数据,插值就是用“假”数据替换金属经过的原始数据。插值法具有计算量小,速度快,实用性更高的特点,是目前主流的金属伪影去除方法。但事实上,因金属经过的区域的原始数据中会包含一部分可以使用的数据,而插值法这种完全替换的方式会使重建后的图像丢失原有的信息,并且也有可能有引入新的伪影、破坏组织结构的潜在风险。
因此,需要提出一种新的计算机断层成像金属伪影校正方法,能够在保留原始图像可使用信息的前提下,进一步减少伪影,提高图像质量。
【发明内容】
本发明解决的是计算机断层成像中出现金属伪影的问题。
为解决上述问题,本发明提出一种计算机断层成像金属伪影校正方法,包括:输入待校正图像;获取所述待校正图像的第一投影数据;对所述待校正图像进行第一校正,根据第一校正结果获取第二投影数据;对所述第一及第二投影数据进行加权处理,获取第三投影数据;根据第三投影数据获得校正后图像。
可选地,所述进行第一校正包括:对所述待校正图像进行分割,获得金属图像;对所述待校正图像及金属图像进行投影,并根据投影数据进行插值校正。
可选地,在所述加权处理中,根据金属图像的投影值确定所述第一及第二投影数据的权重。
可选地,还包括:对所述第三投影数据进行第二校正,根据第二校正结果获得校正图像。
可选地,所述第二校正包括:根据所述第三投影数据对所述第一投影数据进行平滑化处理及插值处理以获得第四投影数据;所述根据第二校正结果获得校正图像包括:对第一投影数据与所述第四投影数据进行加权处理,获得第五投影数据;对第五投影数据进行反投影,获得所述校正后图像。
可选地,根据金属图像形态确定所述加权处理的强度。
可选地,所述金属图像形态,由所述金属图像在投影域的投影值所确定的形态指数表征。
可选地,所述形态指数与所述加权处理强度的对应关系为:当所述形态指数不大于第一阈值时,加权处理的强度为第一强度;当所述形态指数大于第一阈值且不大于第二阈值时,加权处理的强度为第二强度;当所述形态指数大于第二阈值时,加权处理的强度为第三强度。
可选地,还包括对校正后图像进行信息补偿处理。
本发明还提供一种计算机断层成像金属伪影校正装置,包括:
图像输入单元,用于输入待校正图像;第一图像投影单元,用于获取待校正图像的第一投影数据;第二图像投影单元,用于对所述待校正图像进行校正,并根据校正结果生成第二投影数据;加权单元,用于将第一及第二投影数据进行加权处理,生成第三投影数据;图像生成单元,用于对第三投影数据进行处理,以生成校正后图像。
本发明相比现有技术有如下的有益效果:
把含有可使用信息的待校正图像投影数据和经过初始校正后的投影数据通过不同的权重结合在一起形成新的校正数据,该方法可以在保留原始信息的同时去除伪影,更真实的还原了图像信息,提升了金属伪影校正的质量。
进一步地,在本发明的可选实施方式中,可以根据金属形态信息判断是否需要进行加权及加权的强度,因加权强度可以根据金属形态做自适应的改变,从而能够灵活适用多种形态金属的应用场景。
【附图说明】
图1是本发明的计算机断层成像系统的结构示意图;
图2是本发明实施例一的金属伪影校正方法流程示意图;
图3是本发明实施例一的第一校正的流程示意图;
图4是本发明实施例一的加权强度确定方法的流程示意图;
图5是本发明实施例二的金属伪影校正方法流程示意图;
图6是本发明金属伪影校正装置结构示意图。
【具体实施方式】
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图对本发明的具体实施方式做详细的说明。
图1是一种计算机断层成像系统的结构示意图,如图1所示,计算机断层成像系统100包括机架110,所述机架110具有围绕系统轴线旋转的可旋转的部分130。可旋转的部分130具有相对设置的X射线源131和X射线探测器132的X射线系统。
计算机断层成像系统100还具有检查床120,在进行检查时,患者在该检查床120上可以沿着Z轴方向被推入到扫描腔体中。X射线源131绕S轴旋转,探测器132相对于X射线源131一起运动,以采集投影测量数据,这些数据在之后被用于重建图像。还可以进行螺旋扫描,在螺旋扫描期间,通过患者沿着S轴的连续运动和X射线源131的同时旋转,X射线源131相对于患者产生螺旋轨迹。
所述计算机断层成像系统100还可以包括控制单元和图像重建单元,所述控制单元用于在扫描过程中根据特定的扫描协议控制计算机断层成像系统100的各部件。所述图像重建单元用于根据探测器132采样的待校正数据重建出图像。
以上,仅以示例方式阐释了可使用本发明所提供金属伪影校正方法的计算机断层成像设备,本领域技术人员理解,如使用X射线的C型臂系统等设备,或组合式医学成像系统(例如:组合式正电子发射断层成像-计算机断层成像,Positron Emission Tomography-Computed tomography Tomography,PET-CT),或使用其它类型射线的断层成像设备等,均可适用本发明所述校正方法及装置,本发明对计算机断层成像设备的类型与结构并不做具体限定。
当受检对象在上述任一种类的计算机断层成像设备中进行扫描成像时,因金属物体的存在会导致伪影的存在,影响图像成像质量及导致阅图不便,因而需对此类伪影进行校正。以下,是根据本发明公布方案对金属伪影进行校正的具体实施方式举例:
实施例一
图2示出了实施例一的金属伪影校正方法流程示意图。在该实施例中,执行步骤S1,首先输入待校正图像,该图像由上述计算机断层成像设备获得。该输入图像可以是图像重建流程中正常FoV(field of view,视场)的图像,若正常FoV图像覆盖不到金属区域整体,也可将一副全FoV的图像作为输入,或者将正常FoV图像与全FoV图像同时作为输入,此外还可输入在重建过程中经过滤波以去除噪声的图像,以提升校正质量。本实施例对输入图像的格式、种类、FoV大小及分辨率等并不做具体限定,只要图像存在需校正的金属伪影,均可作为本实施例的校正对象。
执行步骤S2,获取待校正图像的第一投影数据。第一投影数据是指待校正图像的原始投影数据,可通过对待校正图像进行投影的方式获得,此外,如前文所述,待校正图像往往是计算机断层成像设备通过图像反投影重建所获得的图像(即图像域数据),因而也可直接通过读取图像重建前的投影数据以获得。此处所述投影,即以虚拟或现实投射线的方式,获得被扫描对象或已重建图像在选定的投影面(即对应的投影角及投影通道)上二维数据(即投影域数据)的过程。
执行步骤S3,对待校正图像进行第一校正。此处第一校正,可使用任一种或多种金属伪影去除(MAR)方法实现,可在投影域(包括以图像重建前投影或重建后重新投影)进行校正,也可在图像域进行校正。因本发明的目的在于改善现有MAR算法在校正过程中不能充分利用待校正图像原始数据中的有用信息而造成图像校正质量的缺陷,故任一种MAR方法或多种MAR方法的组合,只要存在金属伪影校正质量进一步提升的空间和可能,均可作为本发明所提供方案的第一校正方式。
例如,在实施例一中,可具体地以一种基于插值的重建图像MAR方式实现:图3示出了本实施例中第一校正所使用MAR方法的流程。如该图所示,首先执行S301步骤,对待校正图像进行图像分割,以找到将待校正图像中的金属图像区域,此处分割的方法可使用包括但不限于阈值分割的任一种图像分割算法进行,例如,本实施例中使用阈值分割的方法对待校正图像进行分割,所述阈值分割的分割公式可设定为:
其中,lmetal为金属图像像素点的值的集合,lori为未校正图像像素点的值的集合,T_metal为金属图像分割阈值,此阈值可根据待校正图像的实际情况如扫描部位、扫描电压和重建卷积核进行调整,例如,对于体部120kev的电压、平滑类的卷积核的待校正图像,阈值的取值范围可为2500-2800亨氏单位,超过此阈值的像素点可认为是金属区域的像素。
继续如图3所示,分割出金属图像后,执行步骤S302,对金属图像进行投影操作(即图像投影),获得只包含金属图像区域的投影数据,以及对待校正图像进行投影处理所获得的投影数据(即第一投影数据)。因金属图像投影数据及待校正图像的第一投影数据均是经过图像重建后重新进行投影所获得的数据,其几何参数可保持较高的一致性,有利于后续的图像校正实现。
继续如图3所示,图像投影操作后,执行步骤S303,可通过比较第一投影数据与金属图像区域的投影数据,确定金属图像区域的轨迹。再执行步骤S304,即根据金属图像区域的轨迹,在第一投影数据与金属图像投影数据的差值上(或者也可直接在第一投影数据上),进行线性插值操作,其中线性插值操作的公式可为:
其中,插值沿投影角P方向进行。S代表金属区域轨迹所在起点通道,E代表金属区域轨迹终点通道,K代表金属区域轨迹所在通道中某一通道,Pcorr1p,k代表投影角为P的K通道插值后的投影数据,Pdiffp,S代表投影投影角为P的S通道投影数据,Pdiffp,E代表投影角为P的E通道的投影数据。若第一校正仅采用插值的方式来进行金属伪影校正,还可使用其它如高阶插值的方法以获得更好的校正效果,在此不予赘述。
经过上述校正后,即可获得待校正图像经过第一校正后的投影数据(即第二投影数据)。值得说明的是,因本实施例使用了插值MAR进行图像校正,为较优地保证几何参数的一致性,其校正过程本身即是在投影域所进行的,因而在校正过程中可直接获得第二投影数据。若采用其他MAR方法进行校正,也可在获得校正图像后重新进行投影以获得第二投影数据,本领域技术人员理解,第二投影数据的生成时间及方式因第一校正所使用方法的不同会有所差异,但此差异并不影响本发明的实质,均在本发明保护范围之内。
参照图2,第二投影数据是经过校正处理后形成的投影数据,其金属经过部分的原始数据已经被替换或修正,但因原始数据中依然包含部分可利用数据,为充分利用此部分可利用数据尽可能真实的还原图像,可进一步执行步骤S4,对第一及第二投影数据进行加权处理,即将第二投影数据与第一投影数据通过加权的方式进行融合。加权公式可为:
Pcorrp,k=Wp,kPcorr1p,k+(1-Wp,k)Porip,K
公式中,Wp,k代表投影角为P、通道为K的经过第一校正后的投影数据Pcorr1p,k(投影角为P,通道为K的第二投影数据)的权重,Porip,K代表投影角为P,通道为K的第一投影数据,Pcorrp,K代表加权处理后的投影角为P、通道为K的投影数据(即第三投影数据)。
加权的权重Wp,k可依据第一校正使用方法的具体情况或经验值进行设置,例如,对校正后数据确定统一的权重为定值。又如,也可设置权重根据金属图像的形态进行变化。以下,举例阐释权重Wp,k一种较优的确定方式。理论上,仅当金属为一规则圆形时,校正可通过完全替换原有数据的方式(即加权强度为零的方式)有效去除金属伪影。而实际中很少有规则的金属,如常见的脊柱钉子等植入物的形状多以不规则形态呈现,而不规则的金属物所引起的伪影很大程度上和入射方向有关,当射线对金属的入射距离较小时,其对应的数据破坏的并不严重,依然有可以使用的信息,可尽可能多的使用未校正的数据,反之,投影数据受破坏的比较严重,则尽可能多的使用校正后的数据。因而,在第一投影数据及第二投影数据融合的过程中,某一投影角及通道投影数据的权重可较优地依据金属图像投影数据及经验系数来进行确定:
式中,w0为一经验系数,决定着使用未校正投影数据最大的比例,在本实施例中可设定w0为1。Pmetelp,K为一投影角P、通道k所在位置的金属图像投影数据,max(Pmetel)表示金属图像中投影数据的最大值。
此外,因金属形态信息影响到数据破坏的程度,在实际应用中,作为一种优选的方式,加权的强度还可依据金属的形态进行适应调节。例如,可依据金属形态信息调整w0的大小以实现对加权强度的适应调节。
较优地,金属形态信息可用形态指数来进行表征:在某一断层面中,射线经过该断层面一规则的圆形物体,则无论从任一角度进行投影,其面积均是一致的,可将此理想的金属投影域面积定义为理想面积,并作为判断金属形态的一项参照,其获取公式可为:
该公式中,SImetal指的是金属图像中像素个数;Spacechannel为通道分辨率,Spacepixel像素分辨率,Nview为投影角个数,SIdealPmetal是指规则金属图像(金属图像域像素个数和实际金属图像的金属像素个数相同)投影后的非零像素个数(即理想面积)。
通过比较金属图像投影数据的理想面积与实际面积可获得金属形态指数。进一步地,设SPmetal为实际金属图像投影后的非零像素个数(即金属图像实际面积),则金属形态指数RD的获取公式为:
根据金属图像的形态指数,可对第一投影数据及第二投影数据的加权强度进行调整,若金属图像实际面积与理想面积较为接近(如金属形态指数RD小于或接近于1),则进行较少强度的加权甚至强度为零的加权,若与理想面积相差较大(如金属形态指数RD为2左右),则进行较高强度的加权校正。
例如,图4示出了本发明一实施例中确定加权强度的流程,在该实施例中,通过判定金属形态指数与特定阈值的大小,确定进行加权操作的强度:首先根据上述方式确定金属图像的形态指数,对金属形态指数进行判定,若形态指数不大于第一阈值,则进行第一强度的加权;若形态指数大于第一阈值,则判断是否大于第二阈值,若大于第一阈值但小于或等于第二阈值,则进行第二强度的加权,若大于第二阈值,则进行第三强度的加权。
更具体地,本实施例中的第一阈值可设定为1至1.8,第二阈值可设置为1.8至2.2,第一强度可设置为0(亦可理解为进行强度为0的加权,亦即不加权处理,直接采用校正后数据),第二强度可设置为w0为0-0.5之间,第三强度可设置为w0为0.5-1之间。值得说明的是,上述阈值及加权强度的设定仅用以举例说明本发明加权处理方案可根据金属形态确定加权强度,根据本发明所公布的方案,本领域技术人员还可对金属形态指数在特定阈值条件下所对应的加权强度等参数,根据据实际情况进行调整,例如设置三个以上的形态指数阈值,进行四种以上加权强度的选择等。
继续参照图2,通过上述方式获得第三投影数据后,执行步骤S5,即对第三投影数据进行处理已获得校正后图像。例如,根据本实施例,可以对第三投影数据进行反投影操作以获得校正后图像;或者,根据本实施例的一个变化例,还可以将第一投影数据与第三投影数据的差值进行反投影操作,以获得伪影图像,再在待校正图像中去除伪影图像及金属图像,即可得到校正后图像。因第三投影数据综合了校正图像及未校正图像的信息,在其基础上形成的待校正图像可获得更好的质量。
实施例二
为获得更优的校正效果,在根据第三投影数据获取校正后图像的过程中,还可根据第三投影数据进行进一步的校正,即第二校正。根据第二校正的结果,可进一步以其它MAR方法,或者以本发明所披露的加权校正的方式进行再校正以获得校正后图像。
例如,图5示出了本发明实施例二的流程图。该实施例中,对第三投影数据进行了第二校正,并根据第二校正结果在投影域进行进一步的加权处理及信息补偿等操作,生成了校正后图像。
具体地,参见图5所示:首先,输入待校正图像(步骤S501)并对待校正图像进行第一校正操作(步骤S502),获得第一投影数据及第二投影数据并进行第一加权处理(S503)以获得第三投影数据。此处,从输入待校正图像到获得第三投影数据的过程,可选择采用实施例一中例举方式进行实现,在此不予赘述。
其次,执行步骤S504,根据第三投影数据进行第二校正。所述第二校正可包括:根据第三投影数据对第一投影数据进行平滑化处理及插值处理,以获得第四投影数据。
可选地,所述平滑处理包括:将第一投影数据与第三投影数据的差值进行反投影操作,以获得伪影图像,再在待校正图像中去除伪影图像及金属图像得到中间校正图像,并对中间校正图像进行分割以获得模板图像(此处分割可选择采用阈值分割的方式进行,例如将中间校正图像分为空气、软组织及骨以上组织的区域进行分割)。根据模板图像进行投影,获得模板图像投影数据。再将第一投影数据与模板图像投影数据取差,获取平滑化处理后投影数据。平滑化处理的目的在于平缓数据,因此,其它平缓数据的方式(如,将第一投影数据与模板图像投影数据取商的方式)也可利用于此。本发明对平滑化处理的方式并不做限定。
平滑化处理后,可基于模板图像投影数据及平滑化处理后投影数据及金属图像投影数据进行插值操作(插值方式可选择实施例一中第一校正所使用的插值校正方式),并将获得的插值数据与模板投影数据进行逆运算(此处的逆运算是指对平滑化处理的逆运算。具体地,如平滑化处理采用取差的方式,则此逆运算可为将插值数据与模板图像投影数据取和;如平滑化处理采用取商的方式,则此逆运算可为将插值数据与模版图像投影数据取乘积),以获得第二校正后的投影数据(即第四投影数据)。
继续参见图5,获得第四投影数据后,执行判断步骤,即根据金属形态信息,判断是否需要将第一投影数据及第四投影数据进行加权及加权的强度。与实施例一类似,金属形态信息可由金属形态指数进行表征,并根据金属形态指数来判定是否需要加权或加权的强度,此处不予赘述。
若判断需要进行加权处理,则执行步骤S505,进行投影域第二加权,即将第一投影数据与第四投影数据进行加权。在此步骤中,可使用如实施例一中第一投影数据及第二投影数据加权处理中的权重(加权曲线)确定方式,确定第四投影数据与第一投影数据的加权权重。加权处理后,获得第五投影数据,可执行步骤S506,根据第五投影数据,获得校正后图像。
若根据金属形态指数判定不需要进行加权(即加权强度为0),则可直接根据第四投影数据获得校正后图像。
根据第四或第五投影数据获得校正后图像,可参照根据第三投影数据获得投影图像进行。例如,可以对投影数据进行反投影操作以获得校正后图像;或者,还可以将第一投影数据与第四或第五投影数据的差值进行反投影操作,以获得伪影图像,再在待校正图像中去除伪影图像及金属图像,即可得到校正后图像。
实施例二在实施例一的基础上对第三投影数据进行了进一步校正,以获得更好的校正效果。实际上,在实施例二的基础上,还可继续进行对第五投影数据或校正后图像的进一步校正(如第三、四、五次校正),也包括但不限于至少一次的使用本发明所披露的加权方式进行的校正,在计算能力允许的情况下,更多次数的校正有利于提高图像的校正质量。
此外,还可根据投影数据进行信息补偿,以获得更精确的校正结果。一般而言,金属伪影多属于低频伪影,而组织边沿的细节为高频信息。因实施例一中可选择对待校正图像进行高频滤波,这种滤波导致高频信息可能会产生丢失,因而,对校正后图像进行信息补偿可实现保留更多图像细节,更好还原图像信息且同时去除伪影的效果。
例如,可对待校正图像进行频率分割,获得对应的高频图像信息,通过将待校正图像的高频信息,校正后图像的低频信息,校正后图像的高频信息通过加权的方式进行融合,可实现补偿的效果。
本发明上述实施例的金属伪影校正方法可以在例如计算机软件、硬件或计算机软件与硬件的组合的计算机可读取介质中加以实施。对于硬件实施而言,本发明中所描述的实施例可在一个或多个专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理器件(DAPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、处理器、控制器、微控制器、微处理器、用于执行上述功能的其它电子装置或上述装置的选择组合来加以实施。在部分情况下,这类实施例可以通过控制器进行实施。
对软件实施而言,本发明中所描述的实施例可通过诸如程序模块(procedures)和函数模块(functions)等独立的软件模块来加以实施,其中每一个模块执行一个或多个本文中描述的功能和操作。软件代码可通过在适当编程语言中编写的应用软件来加以实施,可以储存在内存中,由控制器或处理器执行。例如根据本发明实施例所提出的一种计算机断层成像金属伪影校正装置,如图6所示,该金属伪影校正装置600包括:图像输入单元601,用于输入待校正图像;第一图像投影单元602,用于获取所述待校正图像的第一投影数据;第二图像投影单元603,用于对所述待校正图像进行校正,并根据校正结果生成第二投影数据;加权单元604,用于将第一及第二投影数据进行加权处理,生成第三投影数据;图像生成单元60.5,用于对第三投影数据进行处理,以生成校正后图像。
具体地,如图6所示,图像输入单元601可为包括信息传输接口、输入设备或存储设备中至少一种的半导体模块,用户可通过该模块完成对待校正图像的输入,此单元包括但不限于选择、搜索、临时性或永久性存储待校正图像等功能;
第一图像投影单元602用于获得待校正图像的第一投影数据,该单元可与图像输入单元601连接并可进行数据交换或通讯(单向或双向),可由具备计算、存储能力的半导体模块实现,例如,含有包括但不限于存储单元、处理器、通讯模块的功能单元;
第二图像投影单元603用于对待校正图像进行校正及投影,该单元可与图像输入单元601、第一图像投影单元602连接并可进行数据交换或通讯(单向或双向),可由具备计算、存储能力的半导体模块实现,例如,含有包括但不限于存储单元、处理器、通讯模块的功能单元;
加权单元604,用于将第一及第二投影数据进行加权处理,生成第三投影数据,该单元可与第一图像投影单元602及第二图像投影单元603相连接并可进行数据交换或通讯(单向或双向),可由具备计算、存储能力的半导体模块实现,例如,含有包括但不限于存储单元、处理器、通讯模块的功能单元;
图像生成单元605,用于对第三投影数据进行处理,以生成校正后图像,该单元可与图像输入单元、第一图像投影单元及第二图像投影单元相连接并可进行数据交换或通讯(单向或双向),可由具备计算、存储能力的半导体模块实现,例如,含有包括但不限于存储单元、处理器、通讯模块的功能单元。
此金属伪影校正装置600可以功能模块的方式嵌入计算机断层成像设备或工作站设备,或单独设置于成像设备或计算设备之外用于图像校正。实施例一或二所例举的金属伪影校正方法,均可在本校正装置上予以实现。
本发明虽然已以较佳实施例公开如上,但其并不是用来限定本发明,任何本领域技术人员在不脱离本发明的精神和范围内,都可以利用上述揭示的方法和技术内容对本发明技术方案做出可能的变动和修改,因此,凡是未脱离本发明技术方案的内容,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、等同变化及修饰,均属于本发明技术方案的保护范围。

Claims (9)

1.一种计算机断层成像金属伪影校正方法,其特征在于,包括:
输入待校正图像;
获取所述待校正图像的第一投影数据;
对所述待校正图像进行第一校正,根据第一校正结果获取第二投影数据;
对所述第一及第二投影数据进行加权处理,获取第三投影数据;
根据第三投影数据获得校正后图像;
其中,所述对所述待校正图像进行第一校正,根据第一校正结果获取第二投影数据,包括:
对所述待校正图像进行图像分割,以找到所述待校正图像中的金属图像区域;
对金属图像区域进行图像投影,获得只包含金属图像区域的投影数据,以及对待校正图像进行投影处理所获得的第一投影数据;
比较所述第一投影数据与所述金属图像区域的投影数据,确定所述金属图像区域的轨迹;
根据所述金属图像区域的轨迹,在所述第一投影数据与所述金属图像区域的投影数据的差值上进行线性插值操作,得到第二投影数据。
2.根据权利要求1所述的金属伪影校正方法,其特征在于,在所述加权处理中,根据金属图像的投影值确定所述第一及第二投影数据的权重。
3.根据权利要求1所述的金属伪影校正方法,其特征在于,还包括:对所述第三投影数据进行第二校正,根据第二校正结果获得校正图像。
4.根据权利要求3所述的金属伪影校正方法,所述第二校正包括:根据所述第三投影数据对所述第一投影数据进行平滑化处理及插值处理以获得第四投影数据;
所述根据第二校正结果获得校正图像包括:
对第一投影数据与所述第四投影数据进行加权处理,获得第五投影数据;
对第五投影数据进行反投影,获得所述校正后图像。
5.根据权利要求1所述的金属伪影校正方法,其特征在于,根据金属图像形态确定所述加权处理的强度。
6.根据权利要求5所述的金属伪影校正方法,其特征在于,所述金属图像形态,由所述金属图像在投影域的投影值所确定的形态指数表征。
7.根据权利要求6所述的金属伪影校正方法,其特征在于,所述形态指数与所述加权处理强度的对应关系为:当所述形态指数不大于第一阈值时,加权处理的强度为第一强度;
当所述形态指数大于第一阈值且不大于第二阈值时,加权处理的强度为第二强度;
当所述形态指数大于第二阈值时,加权处理的强度为第三强度。
8.根据权利要求1所述的金属伪影校正方法,其特征在于,还包括对校正后图像进行信息补偿处理。
9.一种计算机断层成像金属伪影校正装置,包括:
图像输入单元,用于输入待校正图像;
第一图像投影单元,用于获取第一投影数据;
第二图像投影单元,用于对所述待校正图像进行校正,并根据校正结果生成第二投影数据;
加权单元,用于将第一及第二投影数据进行加权处理,生成第三投影数据;
图像生成单元,用于对第三投影数据进行处理,以生成校正后图像;
所述第二图像投影单元,具体用于对所述待校正图像进行图像分割,以找到所述待校正图像中的金属图像区域;对金属图像区域进行图像投影,获得只包含金属图像区域的投影数据,以及对待校正图像进行投影处理所获得的第一投影数据;比较所述第一投影数据与所述金属图像区域的投影数据,确定所述金属图像区域的轨迹;根据所述金属图像区域的轨迹,在所述第一投影数据与所述金属图像区域的投影数据的差值上进行线性插值操作,得到第二投影数据。
CN201510660920.0A 2015-10-14 2015-10-14 一种计算机断层成像金属伪影校正方法及装置 Active CN105225208B (zh)

Priority Applications (9)

Application Number Priority Date Filing Date Title
CN201510660920.0A CN105225208B (zh) 2015-10-14 2015-10-14 一种计算机断层成像金属伪影校正方法及装置
US15/323,062 US10521886B2 (en) 2015-10-14 2016-10-13 System and method for image correction
PL16854945T PL3362987T3 (pl) 2015-10-14 2016-10-13 Układ i sposób korekcji obrazu
PCT/CN2016/102005 WO2017063569A1 (en) 2015-10-14 2016-10-13 System and method for image correction
GB1710505.7A GB2548303B (en) 2015-10-14 2016-10-13 System and method for image correction
EP16854945.9A EP3362987B1 (en) 2015-10-14 2016-10-13 System and method for image correction
US16/729,515 US11232543B2 (en) 2015-10-14 2019-12-30 System and method for image correction
US17/648,678 US11756164B2 (en) 2015-10-14 2022-01-23 System and method for image correction
US18/465,141 US20230419455A1 (en) 2015-10-14 2023-09-11 System and method for image correction

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201510660920.0A CN105225208B (zh) 2015-10-14 2015-10-14 一种计算机断层成像金属伪影校正方法及装置

Publications (2)

Publication Number Publication Date
CN105225208A CN105225208A (zh) 2016-01-06
CN105225208B true CN105225208B (zh) 2017-10-03

Family

ID=54994160

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510660920.0A Active CN105225208B (zh) 2015-10-14 2015-10-14 一种计算机断层成像金属伪影校正方法及装置

Country Status (1)

Country Link
CN (1) CN105225208B (zh)

Families Citing this family (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2017063569A1 (en) * 2015-10-14 2017-04-20 Shanghai United Imaging Healthcare Co., Ltd. System and method for image correction
CN105528800B (zh) * 2016-01-21 2017-04-05 上海联影医疗科技有限公司 一种计算机断层成像伪影校正方法及装置
CN111443318B (zh) * 2019-01-16 2022-08-02 上海联影智能医疗科技有限公司 磁共振图像处理方法、装置、存储介质和磁共振成像系统
CN106296615B (zh) * 2016-08-16 2017-09-29 广州华端科技有限公司 Ct图像中校正金属伪影的方法和系统
CN106886982A (zh) * 2017-02-20 2017-06-23 江苏美伦影像系统有限公司 Cbct图像环形伪影去除方法
CN107978003B (zh) * 2017-10-30 2021-03-30 东软医疗系统股份有限公司 一种ct图像金属伪影的处理方法及装置
CN108389242A (zh) * 2018-04-10 2018-08-10 上海联影医疗科技有限公司 投影图像的校正方法及装置
EP3582184B1 (en) * 2018-06-13 2021-11-03 Siemens Healthcare GmbH Multi-energy metal artefact reduction
DE102018221943A1 (de) * 2018-12-17 2020-06-18 Siemens Healthcare Gmbh Verfahren zur Artefaktkorrektur von dreidimensionalen Volumenbilddaten
JP7317651B2 (ja) * 2019-09-24 2023-07-31 富士フイルムヘルスケア株式会社 医用画像処理装置および医用画像処理方法
CN113516612B (zh) * 2020-04-13 2022-06-14 阿里巴巴集团控股有限公司 数据处理方法、装置、设备和存储介质
CN112734877B (zh) * 2021-01-13 2023-04-07 上海联影医疗科技股份有限公司 一种校正伪影的方法和系统
CN117808718B (zh) * 2024-02-29 2024-05-24 江西科技学院 基于互联网的提升医学影像数据质量的方法及系统

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103918004A (zh) * 2011-11-08 2014-07-09 皇家飞利浦有限公司 金属伪影校正算法的自适应应用
CN104504655A (zh) * 2014-12-04 2015-04-08 沈阳东软医疗系统有限公司 一种ct金属伪影处理方法和装置

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103918004A (zh) * 2011-11-08 2014-07-09 皇家飞利浦有限公司 金属伪影校正算法的自适应应用
CN104504655A (zh) * 2014-12-04 2015-04-08 沈阳东软医疗系统有限公司 一种ct金属伪影处理方法和装置

Also Published As

Publication number Publication date
CN105225208A (zh) 2016-01-06

Similar Documents

Publication Publication Date Title
CN105225208B (zh) 一种计算机断层成像金属伪影校正方法及装置
Jin et al. A model-based image reconstruction algorithm with simultaneous beam hardening correction for X-ray CT
CN105528800B (zh) 一种计算机断层成像伪影校正方法及装置
US20240037732A1 (en) Method for enhancing quality and resolution of ct images based on deep learning
CN104318536B (zh) Ct图像的校正方法及装置
Meilinger et al. Metal artifact reduction in cone beam computed tomography using forward projected reconstruction information
US9159122B2 (en) Image domain de-noising
US20090074278A1 (en) Method and apparatus for metal artifact reduction in computed tomography
Joemai et al. Metal artifact reduction for CT: Development, implementation, and clinical comparison of a generic and a scanner‐specific technique
US11872070B2 (en) Deep neural network for CT metal artifact reduction
CN102024251B (zh) 用于双源ct的基于多图像虚拟非对比图像增强的系统和方法
CN109785243A (zh) 基于对抗生成网络未配准低剂量ct的去噪方法、计算机
JP2007014759A (ja) Pet/ct撮像における画像ベースのアーティファクト低減方法
CN107958471A (zh) 基于欠采样数据的ct成像方法、装置、ct设备及存储介质
CN106909947A (zh) 基于Mean Shift算法的CT图像金属伪影消除方法及消除系统
Li et al. Metal artifact suppression from reformatted projections in multislice helical CT using dual‐front active contours
KR102472464B1 (ko) 영상처리방법 및 이를 이용한 영상처리장치
CN107240140A (zh) 一种图像重建的方法及装置
CN116894783A (zh) 基于时变约束的对抗生成网络模型的金属伪影去除方法
JP5317612B2 (ja) 断層像処理装置、x線ct装置およびプログラム
US20220414832A1 (en) X-ray imaging restoration using deep learning algorithms
CN110084866B (zh) 一种计算机断层成像方法和装置
KR102342954B1 (ko) 인공지능 기반의 단층촬영 영상 인공음영 제거 방법 및 장치
Heußer et al. CT data completion based on prior scans
Sun et al. A method to reduce the data-redundancy artifacts for arbitrary source trajectories in CT imaging

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
CP01 Change in the name or title of a patent holder

Address after: 201807 Shanghai city Jiading District Industrial Zone Jiading Road No. 2258

Patentee after: Shanghai Lianying Medical Technology Co., Ltd

Address before: 201807 Shanghai city Jiading District Industrial Zone Jiading Road No. 2258

Patentee before: SHANGHAI UNITED IMAGING HEALTHCARE Co.,Ltd.

CP01 Change in the name or title of a patent holder