CN105608717A - 一种ct系统和ct图像重建方法 - Google Patents
一种ct系统和ct图像重建方法 Download PDFInfo
- Publication number
- CN105608717A CN105608717A CN201510967686.6A CN201510967686A CN105608717A CN 105608717 A CN105608717 A CN 105608717A CN 201510967686 A CN201510967686 A CN 201510967686A CN 105608717 A CN105608717 A CN 105608717A
- Authority
- CN
- China
- Prior art keywords
- image
- negative
- module
- target image
- projection
- 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
Links
Classifications
-
- 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
-
- 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
- G06T11/006—Inverse problem, transformation from projection-space into object-space, e.g. transform methods, back-projection, algebraic methods
Abstract
本发明公开了一种CT系统及CT图像重建方法,射线探测器通过探测到射线源的射线并转换成信号传输到数据采集模块,数据采集模块将接受的信号传输到处理器模块,数据采集模块获取CT扫描采集的投影数据。通过对目标图像进行非负处理,获取目标图像的非负图像,然后对非负图像进行非线性分解,获取第一非负图像和第二非负图像,最后对第一非负图像和第二非负图像进行稀疏化处理,获取最优化稀疏解,根据该最优化稀疏解实现CT图像重建,降低了运算过程中的图像矩阵的维数,提高了图像重建的效率。
Description
技术领域
本发明属于X光计算机断层成像技术领域,尤其涉及一种CT系统及CT图像重建方法。
背景技术
计算机断层成像(CT)是通过无损方式获取物体内部结构信息的一种重要成像手段,它拥有高分辨率、高灵敏度以及多层次等众多优点,是我国装机量最大的医疗影像诊断设备之一,被广泛应用于各个医疗临床检查领域。然而,由于CT扫描过程中需要使用X射线,因此CT扫描中X射线的辐射剂量问题越来越受到人们的重视。合理使用低剂量(AsLowAsReasonablyAchievable,ALARA)原则要求在满足临床诊断的前提下,尽量降低对患者的辐射剂量。
传统CT的实现是基于X光机和高能加速器等X射线源对受检物体进行照射,并在对应的探测器采集数据,在扫描过程中通过CT系统的旋转架等的旋转平移等而使X射线在不同角度下穿过受检物体,从而得到受检物体不同位置的光强数据(也即扫描数据,又可称为投影数据),利用所得到的扫描数据可以重建出受检物体的断层图像。传统CT系统需要精确地控制扫描过程中受检物体和加速器以及探测器的相对位置,以满足对断层图像重建所需的数据条件。目前,传统的CT扫描和成像方法,耗时较长,因此对人体仍存在一定程度的辐射危害。
发明内容
本发明的目的在于提供一种CT系统及CT图像重建方法,旨在解决现有的CT图像重建的速度低,CT扫描时间长,X射线对人体的辐射剂量大的问题。
本发明是这样实现的,一种CT系统,包括统射线源、射线探测器、数据采集模块、处理器模块、目标图像获取模块、非负图像获取模块、分解模块、稀疏化处理模块和重建模块;所述射线探测器通过探测到射线源的射线并转换成信号传输到数据采集模块,所述数据采集模块将接受的信号传输到处理器模块,所述数据采集模块获取CT扫描采集的投影数据;所述数据采集模块、目标图像获取模块、非负图像获取模块、分解模块和重建模块依次连接;
所述数据采集模块,用于获取CT扫描采集的投影数据;
所述处理器模块,用于对所述数据采集模块才几点数据信息进行处理;
所述目标图像获取模块,用于根据所述投影数据进行迭代处理,以获取目标图像;
所述非负图像获取模块,用于对所述目标图像进行非负处理,获取所述目标图像的非负图像;
所述分解模块,用于对所述非负图像进行非线性分解,获取主成分图像和次成分图像;
所述稀疏化处理模块,用于对所述第一非负图像和第二非负图像进行稀疏化处理,获取满足预定条件的最优化稀疏解;
所述重建模块,用于根据所述最优化稀疏解获取CT重建图像。
进一步,所述目标图像获取模块还用于基于CT图像的成像模型,获得依据所述投影数据计算目标图像的迭代模型,所述迭代模型的公式表示为:
其中,X为所述目标图像,M为系统矩阵,G为所述投影数据,i表示迭代次数,Xi表示第i次迭代后得的迭代结果;λ表示收敛系数,且λ∈(0,1),MT表示对矩阵M的转置;设置所述目标图像的初始值,并根据预先设置的迭代次数利用所述迭代模型对所述目标图像中的每个像素点进行迭代更新,获取最终的目标图像,所述迭代模型中的像素点的当前灰度值与前次迭代的灰度值一致逼近。
进一步,所述稀疏化处理模块包括:图像块提取模块,用于从所述第一非负图像和所述第二非负图像中提取可以部分重叠的多个图像块;稀疏系数获取模块,用于获取所述多个图像块对应的稀疏系数;最优化求解模块,用于对对所述第一非负图像和所述第二非负图像进行最优化求解,得到满足所述目标函数的最优化稀疏解。
本发明的另一目的在于提供一种CT图像重建方法,该方法包括:
固定好所述射线源和射线探测器;
获取CT扫描的投影数据;
根据所述投影数据进行迭代处理,以获取目标图像;
对所述目标图像进行非负处理,获取所述目标图像的非负图像;
对所述非负图像进行非线性分解,获取第一非负图像和第二非负图像;
对所述第一非负图像和所述第二非负图像进行稀疏化处理,获取满足目标函数的最优化稀疏解;
根据所述最优化稀疏解获取CT重建图像。
进一步,所述根据所述投影数据进行迭代处理以获取目标图像的步骤包括:
基于CT图像的成像模型,获得依据所述投影数据计算目标图像的迭代模型,所述迭代模型的公式表示为:
其中,X为所述目标图像,M为系统矩阵,G为所述投影数据,i表示迭代次数,Xi表示第i次迭代后得到的迭代结果;λ表示收敛系数,且λ∈(0,1),MT表示对矩阵M的转置;
设置所述目标图像的初始值,并根据预先设置的迭代次数利用所述迭代模型对所述目标图像中的每个像素点进行迭代更新,获取所述目标图像,所述迭代模型中的像素点的当前灰度值与前次迭代的灰度值一致逼近。
进一步,所述对所述目标图像进行非负处理将所述目标图像中灰度值小于0的像素点置零,投影数据之前获取CT扫描的投影图像序列集,对所述投影图像序列集进行检测优化并建立图像的显著模型,从图像显著模型中获取所述投影数据,建立图像的显著性模型包括:
利用预定过分割算法对所述图像进行过分割,和模板参数提取,对整个输入图像,以8*8个像素为单元,计算每个单元的平均灰度值和每个单元的最大灰度值,得到至少一个区域,同一个所述区域中各个像素点的颜色值相同;
确定每个所述区域的颜色值和质心;
根据各个区域所对应的颜色值以及各个区域的质心,建立所述显著性模型并计算出每一个像素的梯度及角度值φ,将0°-180°平均分成9个区间,根据计算的每一个像素的梯度和角度φ,按照线性距离的概念投影到这9个区间,每个像素对所影响的上下两个区间的权重分别定义为幅度*该角度到区间中心角度的归一化线性距离。
进一步,所述所述显著性模型为:
其中,Sij为区域Ri中任一像素点的显著性值,w(Rj)为区域Rj中的像素点的个数,DS(Ri,Rj)用于表征所述区域Ri和所述区域Rj之间空间位置差异的度量值,DC(Ri,Rj)用于表征所述区域Ri和所述区域Rj之间颜色差异的度量值,N为对所述图像进行过分割后得到的区域的总个数,DS(Ri,Ri)为: Center(Ri)为所述区域Ri的质心,Center(Rj)为所述区域Rj的质心,当所述图像中各个像素点的坐标均归一化到[0,1]时;
进一步,对所述第一非负图像和所述第二非负图像进行稀疏化处理的步骤包括:
从所述第一非负图像和所述第二非负图像中提取可以部分重叠的多个图像块;获取所述多个图像块对应的稀疏系数;对所述第一非负图像和所述第二非负图像进行最优化求解,得到满足所述目标函数的最优化稀疏解。
本发明提供的CT系统和图像重建方法,通过对目标图像进行非负处理,获取目标图像的非负图像,然后对非负图像进行非线性分解,获取第一非负图像和第二非负图像,最后对第一非负图像和第二非负图像进行稀疏化处理,获取最优化稀疏解,根据该最优化稀疏解实现CT图像重建,降低了运算过程中的图像矩阵的维数,提高了图像重建的效率。
附图说明
图1为本发明实施例中CT图像重建方法的流程图;
图2为本发明实施例中CT系统的结构示意图;
图3为本发明实施例中根据投影数据进行迭代处理的流程图;
图4为本发明实施例中稀疏化处理模块的结构框图。
图中:1、射线源;2、射线探测器;3、数据采集模块;4、处理器模块;5、目标图像获取模块;6、非负图像获取模块;7、分解模块;8、稀疏化处理模块;8-1、图像块提取模块;8-2、稀疏系数获取模块;8-3、最优化求解模块;9、重建模块;10、预处理模块。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
下面结合附图及具体实施例对本发明的应用原理作进一步描述。
如图1:一种CT图像重建方法,所述方法包括:
S101、固定好所述射线源和射线探测器;
S102、获取CT扫描的投影数据;
S103、根据所述投影数据进行迭代处理,以获取目标图像;
S104、对所述目标图像进行非负处理,获取所述目标图像的非负图像;
S105、对所述非负图像进行非线性分解,获取第一非负图像和第二非负图像;
S106、对所述第一非负图像和所述第二非负图像进行稀疏化处理,获取满足目标函数的最优化稀疏解;
S107、根据所述最优化稀疏解获取CT重建图像。
所述根据所述投影数据进行迭代处理以获取目标图像的步骤包括:
基于CT图像的成像模型,获得依据所述投影数据计算目标图像的迭代模型,所述迭代模型的公式表示为:
其中,X为所述目标图像,M为系统矩阵,G为所述投影数据,i表示迭代次数,Xi表示第i次迭代后得到的迭代结果;λ表示收敛系数,且λ∈(0,1),MT表示对矩阵M的转置;
设置所述目标图像的初始值,并根据预先设置的迭代次数利用所述迭代模型对所述目标图像中的每个像素点进行迭代更新,获取所述目标图像,所述迭代模型中的像素点的当前灰度值与前次迭代的灰度值一致逼近。
进一步,所述对所述目标图像进行非负处理将所述目标图像中灰度值小于0的像素点置零,投影数据之前获取CT扫描的投影图像序列集,对所述投影图像序列集进行检测优化并建立图像的显著模型,从图像显著模型中获取所述投影数据,建立图像的显著性模型包括:
利用预定过分割算法对所述图像进行过分割,和模板参数提取,对整个输入图像,以8*8个像素为单元,计算每个单元的平均灰度值和每个单元的最大灰度值,得到至少一个区域,同一个所述区域中各个像素点的颜色值相同;
确定每个所述区域的颜色值和质心;
根据各个区域所对应的颜色值以及各个区域的质心,建立所述显著性模型并计算出每一个像素的梯度及角度值φ,将0°-180°平均分成9个区间,根据计算的每一个像素的梯度和角度φ,按照线性距离的概念投影到这9个区间,每个像素对所影响的上下两个区间的权重分别定义为幅度*该角度到区间中心角度的归一化线性距离。
进一步,所述所述显著性模型为:
其中,Sij为区域Ri中任一像素点的显著性值,w(Rj)为区域Rj中的像素点的个数,DS(Ri,Rj)用于表征所述区域Ri和所述区域Rj之间空间位置差异的度量值,DC(Ri,Rj)用于表征所述区域Ri和所述区域Rj之间颜色差异的度量值,N为对所述图像进行过分割后得到的区域的总个数,DS(Ri,Rj)为: Center(Ri)为所述区域Ri的质心,Center(Rj)为所述区域Rj的质心,当所述图像中各个像素点的坐标均归一化到[0,1]时;
对所述目标图像进行非负处理的步骤包括:将所述目标图像中灰度值小于0的像素点置零。
所述获取CT扫描的投影数据的步骤之前,所述方法还包括:获取CT扫描的投影图像序列集,对所述投影图像序列集进行预处理获取所述投影数据。
对所述第一非负图像和所述第二非负图像进行稀疏化处理的步骤包括:
从所述第一非负图像和所述第二非负图像中提取可以部分重叠的多个图像块;获取所述多个图像块对应的稀疏系数;对所述第一非负图像和所述第二非负图像进行最优化求解,得到满足所述目标函数的最优化稀疏解。
如图2所示,一种CT系统,该CT系统包括统射线源1、射线探测器2、数据采集模块3、处理器模块4、目标图像获取模块5、非负图像获取模块6、分解模块7、稀疏化处理模块8和重建模块9,所述射线探测器2通过探测到射线源1的射线并转换成信号传输到数据采集模块3,所述数据采集模块3将接受的信号传输到处理器模块4,所述数据采集模块3获取CT扫描采集的投影数据;所述数据采集模块3、目标图像获取模块5、非负图像获取模块6、分解模块7、稀疏化处理模块8和重建模块9依次连接;
所述数据采集模块3,用于获取CT扫描采集的投影数据;
所述处理器模块4,用于对所述数据采集模块3才几点数据信息进行处理;
所述目标图像获取模块5,用于根据所述投影数据进行迭代处理,以获取目标图像;
所述非负图像获取模块6,用于对所述目标图像进行非负处理,获取所述目标图像的非负图像;
所述分解模块7,用于对所述非负图像进行非线性分解,获取主成分图像和次成分图像;
所述稀疏化处理模块8,用于对所述第一非负图像和第二非负图像进行稀疏化处理,获取满足预定条件的最优化稀疏解;
所述重建模块9,用于根据所述最优化稀疏解获取CT重建图像。
所述目标图像获取模块5还用于基于CT图像的成像模型,获得依据所述投影数据计算目标图像的迭代模型,所述迭代模型的公式表示为:
其中,X为所述目标图像,M为系统矩阵,G为所述投影数据,i表示迭代次数,Xi表示第i次迭代后得的迭代结果;λ表示收敛系数,且λ∈(0,1),MT表示对矩阵M的转置;设置所述目标图像的初始值,并根据预先设置的迭代次数利用所述迭代模型对所述目标图像中的每个像素点进行迭代更新,获取最终的目标图像,所述迭代模型中的像素点的当前灰度值与前次迭代的灰度值一致逼近。
如图4:所述稀疏化处理模块8包括:图像块提取模块8-1,用于从所述第一非负图像和所述第二非负图像中提取可以部分重叠的多个图像块;稀疏系数获取模块8-2,用于获取所述多个图像块对应的稀疏系数;最优化求解模块8-3,用于对对所述第一非负图像和所述第二非负图像进行最优化求解,得到满足所述目标函数的最优化稀疏解。
所述非负图像获取模块6还用于将所述目标图像中灰度值小于0的像素点置零。
所述CT系统还包括预处理模块10,所述预处理模块10用于对CT扫描获取的投影图像序列集进行预处理以获取所述投影数据。
下面结合实施对本发明的的CT图像重建的实现过程进一步描述:
在步骤S102中,获取CT扫描的投影数据。
在本发明的其中一些实施例中,在开始CT扫描前,根据被扫描物体的性质来设定扫描参数,被扫描物体的性质可以是尺寸大小、密度、组成元素等物理性质,例如,被扫描物体可以金属工件、人体、昆虫、动物、植物、电路板等不同性质的物体。因此对于不同的被扫描物体,需要设定不同的扫描参数,扫描参数包括投影放大比、探测器的数据采集方式、射线源的电压以及功率等,并且所有的扫描参数在后续的数据采集过程中保持不变。例如,如果被扫描物体是老鼠,则设定投影放大比为1∶1,探测器的数据采集方式为连续,射线源的电压为80kv,功率为15w;如果被扫描物体是蚂蚁,则设定投影放大比为1∶10,探测器的数据采集方式为连续,射线源的电压为20kv,功率为10w。
分别采集暗场图像及亮场图像,并通过求和平均得到平均暗场图像和平均亮场图像。成像视场中不放置被扫描物体,不打开光源获取若干幅暗场图像,例如可采集5~10幅暗场图像,对暗场图像按照对应像素灰度值叠加求和并取平均得到平均暗场图像。打开光源采集若干幅亮场图像,并对亮场图像按照像素灰度叠加求和并取平均得到平均亮场图像,通过暗场图像及亮场图像有效地降低了重建图像中噪声的影响。
测量处于成像视场中的被扫描物体旋转中心到射线源的距离以及射线源到探测器的距离。将被扫描物体置于成像视场中,测量由被扫描物体的放置中心到射线源的距离以及射线源到探测器的距离,以便于进行图像重建。对被扫描物体进行等角度间隔圆周扫描,得到投影图像序列集。对被扫描物体进行等角度间隔扫描的步骤为:将转台连续等角度间隔地转动一周,并在每一次转动后对被扫描物体进行扫描。例如,等角度间隔扫描的过程可以是:将被扫描物体置于转台上,连续转动360次,每次转动1度,每转动一次就进行一次拍摄,直至转台旋转一周,得到投影图像序列集。
在步骤S103中,根据投影数据进行迭代处理,以获取目标图像。
在本发明的其中一些实施例中,目标图像是指初始的待重建图像。利用预先设定的迭代模型对上述步骤S102获取的预处理后的CT扫描投影数据进行迭代处理,获取用于重建的目标图像。
如图3所示,在一个实施例中,根据投影数据进行迭代处理以获取目标图像的步骤包括:
在步骤S103-1中,基于CT图像的成像模型,获得依据投影数据计算目标图像的迭代模型。
在本发明的其中一些实施例中,CT图像的成像模型可以采用以下公式表示:G=MX,其中,G为投影数据,M为系统矩阵,X为目标图像。
步骤S103-2,设置目标图像的初始值,并根据预先设置的迭代次数利用迭代模型对目标图像中的每个像素点进行迭代更新,获取最终的目标图像。
步骤S104,对目标图像进行非负处理,获取目标图像的非负图像。
在本发明的其中一些实施例中,非负处理是指去除目标图像中灰度值小于零的像素点,这样可以降低目标图像矩阵的维度,提高重建的效率。
步骤S105,对非负图像进行非线性分解,获取第一非负图像和第二非负图像。
在本发明的其中一些实施例中,第一非负图像是指代表非负图像矩阵中基向量的部分,第二非负图像表示非负图像矩阵的权重系数。依据预先设定的分解模型对非负图像进行分解可以将原有的复杂数据降维,从而提高图像重建的速度。非线性分解的模型可以采用奇异值分解算法、三角分解法、QR分解法和非负矩阵分解法等等。
具体的,在本发明的其中一些实施例中,将上述步骤获取的非负图像X+采用非负矩阵分解算法进行分解:X+=W*H,其中,W表示第一非负图像,即X+中的一列向量可以解释为对左矩阵W中所有列向量的加权和,H表示第二非负图像,即右矩阵H中对应列向量中的元素为权重系数。
步骤S106,对第一非负图像和第二非负图像进行稀疏化处理,获取满足目标函数的最优化稀疏解。
步骤S107,根据最优化稀疏解获取CT重建图像。
基于上述的实施例,根据上述步骤获得最优化稀疏解稀疏解后,便可以根据上述步骤的分解模型,获得最终的CT重建图像可以为以下三种情形:
(1)、第一非负图像W的最优化稀疏解WDL和原第二非负图像的乘积,即X=WDL*H:
(2)、原第一非负图像W和第二非负图像的最优化稀疏解HDL的乘积,即X=W*HDL:
(3)、第一非负图像W的最优化稀疏解WDL和第二非负图像的最优化稀疏解HDL的乘积,即X=WDL*HDL。
上述的CT图像重建方法,通过对目标图像进行非负处理,获取目标图像的非负图像,然后对非负图像进行分解,获取第一非负图像和第二非负图像,最后对第一非负图像和第二非负图像进行稀疏化处理,获取最优化稀疏解,根据该最优化稀疏解实现CT图像重建,降低了运算过程中的图像矩阵的维数,提高了图像重建的效率。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (8)
1.一种CT系统,其特征在于,该CT系统包括统射线源、射线探测器、数据采集模块、处理器模块、目标图像获取模块、非负图像获取模块、分解模块、稀疏化处理模块和重建模块;所述射线探测器通过探测到射线源的射线并转换成信号传输到数据采集模块,所述数据采集模块将接受的信号传输到处理器模块,所述数据采集模块获取CT扫描采集的投影数据;所述数据采集模块、目标图像获取模块、非负图像获取模块、分解模块和重建模块依次连接;
所述数据采集模块,用于获取CT扫描采集的投影数据;
所述处理器模块,用于对所述数据采集模块才几点数据信息进行处理;
所述目标图像获取模块,用于根据所述投影数据进行迭代处理,以获取目标图像;
所述非负图像获取模块,用于对所述目标图像进行非负处理,获取所述目标图像的非负图像;
所述分解模块,用于对所述非负图像进行非线性分解,获取主成分图像和次成分图像;
所述稀疏化处理模块,用于对所述第一非负图像和第二非负图像进行稀疏化处理,获取满足预定条件的最优化稀疏解;
所述重建模块,用于根据所述最优化稀疏解获取CT重建图像。
2.如权利要求1所述的CT系统,其特征在于,所述目标图像获取模块还用于基于CT图像的成像模型,获得依据所述投影数据计算目标图像的迭代模型,所述迭代模型的公式表示为:
其中,X为所述目标图像,M为系统矩阵,G为所述投影数据,i表示迭代次数,Xi表示第i次迭代后得的迭代结果;λ表示收敛系数,且λ∈(0,1),MT表示对矩阵M的转置;设置所述目标图像的初始值,并根据预先设置的迭代次数利用所述迭代模型对所述目标图像中的每个像素点进行迭代更新,获取最终的目标图像,所述迭代模型中的像素点的当前灰度值与前次迭代的灰度值一致逼近。
3.如权利要求1所述的CT系统,其特征在于,所述稀疏化处理模块包括:图像块提取模块,用于从所述第一非负图像和所述第二非负图像中提取可以部分重叠的多个图像块;稀疏系数获取模块,用于获取所述多个图像块对应的稀疏系数;最优化求解模块,用于对对所述第一非负图像和所述第二非负图像进行最优化求解,得到满足所述目标函数的最优化稀疏解。
4.一种CT图像重建方法,其特征在于,所述方法包括:
固定好所述射线源和射线探测器;
获取CT扫描的投影数据;
根据所述投影数据进行迭代处理,以获取目标图像;
对所述目标图像进行非负处理,获取所述目标图像的非负图像;
对所述非负图像进行非线性分解,获取第一非负图像和第二非负图像;
对所述第一非负图像和所述第二非负图像进行稀疏化处理,获取满足目标函数的最优化稀疏解;
根据所述最优化稀疏解获取CT重建图像。
5.如权利要求4所述的CT图像重建方法,其特征在于,所述根据所述投影数据进行迭代处理以获取目标图像的步骤包括:
基于CT图像的成像模型,获得依据所述投影数据计算目标图像的迭代模型,所述迭代模型的公式表示为:
其中,X为所述目标图像,M为系统矩阵,G为所述投影数据,i表示迭代次数,Xi表示第i次迭代后得到的迭代结果;λ表示收敛系数,且λ∈(0,1),MT表示对矩阵M的转置;
设置所述目标图像的初始值,并根据预先设置的迭代次数利用所述迭代模型对所述目标图像中的每个像素点进行迭代更新,获取所述目标图像,所述迭代模型中的像素点的当前灰度值与前次迭代的灰度值一致逼近。
6.如权利要求4所述的CT图像重建方法,其特征在于,所述对所述目标图像进行非负处理将所述目标图像中灰度值小于0的像素点置零,投影数据之前获取CT扫描的投影图像序列集,对所述投影图像序列集进行检测优化并建立图像的显著模型,从图像显著模型中获取所述投影数据,建立图像的显著性模型包括:
利用预定过分割算法对所述图像进行过分割,和模板参数提取,对整个输入图像,以8*8个像素为单元,计算每个单元的平均灰度值和每个单元的最大灰度值,得到至少一个区域,同一个所述区域中各个像素点的颜色值相同;
确定每个所述区域的颜色值和质心;
根据各个区域所对应的颜色值以及各个区域的质心,建立所述显著性模型并计算出每一个像素的梯度及角度值φ,将0°-180°平均分成9个区间,根据计算的每一个像素的梯度和角度φ,按照线性距离的概念投影到这9个区间,每个像素对所影响的上下两个区间的权重分别定义为幅度*该角度到区间中心角度的归一化线性距离。
7.如权利要求6所述的CT图像重建方法,其特征在于,所述所述显著性模型为:
其中,为区域Ri中任一像素点的显著性值,w(Rj)为区域Rj中的像素点的个数,DS(Ri,Rj)用于表征所述区域Ri和所述区域Rj之间空间位置差异的度量值,用于表征所述区域Ri和所述区域Rj之间颜色差异的度量值,N为对所述图像进行过分割后得到的区域的总个数,DS(Ri,Rj)为:Center(Ri)为所述区域Ri的质心,Center(Rj)为所述区域Rj的质心,当所述图像中各个像素点的坐标均归一化到[0,1]时;
8.如权利要求4所述的CT图像重建方法,其特征在于,对所述第一非负图像和所述第二非负图像进行稀疏化处理的步骤包括:
从所述第一非负图像和所述第二非负图像中提取可以部分重叠的多个图像块;获取所述多个图像块对应的稀疏系数;对所述第一非负图像和所述第二非负图像进行最优化求解,得到满足所述目标函数的最优化稀疏解。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510967686.6A CN105608717A (zh) | 2015-12-22 | 2015-12-22 | 一种ct系统和ct图像重建方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510967686.6A CN105608717A (zh) | 2015-12-22 | 2015-12-22 | 一种ct系统和ct图像重建方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105608717A true CN105608717A (zh) | 2016-05-25 |
Family
ID=55988632
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510967686.6A Pending CN105608717A (zh) | 2015-12-22 | 2015-12-22 | 一种ct系统和ct图像重建方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105608717A (zh) |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106264597A (zh) * | 2016-10-08 | 2017-01-04 | 张秀芸 | 一种儿童用ct防护衣 |
CN106333742A (zh) * | 2016-10-19 | 2017-01-18 | 张登峰 | 一种骨科取钉装置 |
CN106510803A (zh) * | 2016-11-11 | 2017-03-22 | 韩晓东 | 一种基于互联网的彩超骨科穿刺双引导控制系统 |
CN106650302A (zh) * | 2017-02-24 | 2017-05-10 | 民勤县人民医院 | 一种基于物联网的3d根管治疗计划控制系统 |
CN107633873A (zh) * | 2017-10-11 | 2018-01-26 | 丁才学 | 一种基于互联网的泌尿外科体外碎石机控制方法 |
CN107632018A (zh) * | 2017-08-22 | 2018-01-26 | 甘肃农业大学 | 一种食品微生物快速检测系统及方法 |
CN107650713A (zh) * | 2017-09-25 | 2018-02-02 | 盐城工学院 | 一种汽车无线充电发射模块的方法及系统 |
CN107860781A (zh) * | 2017-10-12 | 2018-03-30 | 兰州职业技术学院 | 一种食品微生物定性与定量的检测方法 |
CN108122263A (zh) * | 2017-04-28 | 2018-06-05 | 上海联影医疗科技有限公司 | 图像重建系统及方法 |
CN108261240A (zh) * | 2018-01-16 | 2018-07-10 | 六盘水市人民医院 | 微创心脏外科手术的术前规划及手术虚拟现实模拟系统 |
CN109124962A (zh) * | 2018-07-27 | 2019-01-04 | 刘兆勇 | 一种智能骨科手术台 |
CN112562030A (zh) * | 2020-12-08 | 2021-03-26 | 赛诺威盛科技(北京)有限公司 | 图像重建方法、装置和电子设备 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102062740A (zh) * | 2010-12-01 | 2011-05-18 | 中国科学院深圳先进技术研究院 | 锥束ct扫描成像方法及系统 |
US20130016805A1 (en) * | 2011-07-15 | 2013-01-17 | Toshiba Medical Systems Corporation | Method and system for acquiring sparse channel data and for image processing utilizing iterative reconstruction algorithms |
CN103996189A (zh) * | 2014-05-05 | 2014-08-20 | 小米科技有限责任公司 | 图像分割方法及装置 |
CN104050481A (zh) * | 2014-06-17 | 2014-09-17 | 权东晓 | 多模板轮廓特征和灰度相结合的红外图像实时行人检测 |
CN104103086A (zh) * | 2014-06-06 | 2014-10-15 | 华南理工大学 | 一种稀疏采样角度下基于变分不等式的ct图像重建方法 |
CN104933744A (zh) * | 2015-06-19 | 2015-09-23 | 深圳先进技术研究院 | Ct图像重建方法和系统 |
CN104992457A (zh) * | 2015-06-19 | 2015-10-21 | 深圳先进技术研究院 | Ct图像重建方法和系统 |
-
2015
- 2015-12-22 CN CN201510967686.6A patent/CN105608717A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102062740A (zh) * | 2010-12-01 | 2011-05-18 | 中国科学院深圳先进技术研究院 | 锥束ct扫描成像方法及系统 |
US20130016805A1 (en) * | 2011-07-15 | 2013-01-17 | Toshiba Medical Systems Corporation | Method and system for acquiring sparse channel data and for image processing utilizing iterative reconstruction algorithms |
CN103996189A (zh) * | 2014-05-05 | 2014-08-20 | 小米科技有限责任公司 | 图像分割方法及装置 |
CN104103086A (zh) * | 2014-06-06 | 2014-10-15 | 华南理工大学 | 一种稀疏采样角度下基于变分不等式的ct图像重建方法 |
CN104050481A (zh) * | 2014-06-17 | 2014-09-17 | 权东晓 | 多模板轮廓特征和灰度相结合的红外图像实时行人检测 |
CN104933744A (zh) * | 2015-06-19 | 2015-09-23 | 深圳先进技术研究院 | Ct图像重建方法和系统 |
CN104992457A (zh) * | 2015-06-19 | 2015-10-21 | 深圳先进技术研究院 | Ct图像重建方法和系统 |
Non-Patent Citations (5)
Title |
---|
仇媛媛: "基于视觉显著性的物体检测方法研究", 《中国优秀硕士学位论文全文数据库信息科技辑》 * |
张颖颖 等: "融合对比度和分布性的图像显著性区域检测", 《光学精密工程》 * |
徐燕: "锥束CT的投影图像优化方法研究", 《万方数据企业知识服务平台》 * |
李海青等: "《特种检测技术及应用》", 30 June 2000, 《浙江大学出版社》 * |
黄力宇 等: "《医学断层图像重建仿真实验》", 31 January 2015, 《西安电子科技大学出版社》 * |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106264597A (zh) * | 2016-10-08 | 2017-01-04 | 张秀芸 | 一种儿童用ct防护衣 |
CN106333742A (zh) * | 2016-10-19 | 2017-01-18 | 张登峰 | 一种骨科取钉装置 |
CN106510803A (zh) * | 2016-11-11 | 2017-03-22 | 韩晓东 | 一种基于互联网的彩超骨科穿刺双引导控制系统 |
CN106650302A (zh) * | 2017-02-24 | 2017-05-10 | 民勤县人民医院 | 一种基于物联网的3d根管治疗计划控制系统 |
CN108122263A (zh) * | 2017-04-28 | 2018-06-05 | 上海联影医疗科技有限公司 | 图像重建系统及方法 |
US11455756B2 (en) | 2017-04-28 | 2022-09-27 | Shanghai United Imaging Healthcare Co., Ltd. | System and method for image reconstruction |
US11062487B2 (en) | 2017-04-28 | 2021-07-13 | Shanghai United Imaging Healthcare Co., Ltd. | System and method for image reconstruction |
CN107632018A (zh) * | 2017-08-22 | 2018-01-26 | 甘肃农业大学 | 一种食品微生物快速检测系统及方法 |
CN107650713A (zh) * | 2017-09-25 | 2018-02-02 | 盐城工学院 | 一种汽车无线充电发射模块的方法及系统 |
CN107633873A (zh) * | 2017-10-11 | 2018-01-26 | 丁才学 | 一种基于互联网的泌尿外科体外碎石机控制方法 |
CN107860781A (zh) * | 2017-10-12 | 2018-03-30 | 兰州职业技术学院 | 一种食品微生物定性与定量的检测方法 |
CN108261240A (zh) * | 2018-01-16 | 2018-07-10 | 六盘水市人民医院 | 微创心脏外科手术的术前规划及手术虚拟现实模拟系统 |
CN109124962A (zh) * | 2018-07-27 | 2019-01-04 | 刘兆勇 | 一种智能骨科手术台 |
CN112562030A (zh) * | 2020-12-08 | 2021-03-26 | 赛诺威盛科技(北京)有限公司 | 图像重建方法、装置和电子设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105608717A (zh) | 一种ct系统和ct图像重建方法 | |
CN105027163B (zh) | 扫描区域确定装置 | |
Jia et al. | GPU-based fast low-dose cone beam CT reconstruction via total variation | |
CN112568923B (zh) | X射线相位衬度图像提取方法、装置、终端及存储介质 | |
US11823384B2 (en) | CT image generation method for attenuation correction of pet images | |
CN101917906A (zh) | 通过将物体的围绕物用作动态约束在断层扫描中减少剂量并增强图像 | |
CN104933744A (zh) | Ct图像重建方法和系统 | |
CN109632844B (zh) | 基于直线扫描轨迹的双能ct成像系统及方法 | |
CN102631208A (zh) | 用于数字合成体层成像系统几何误差校正的装置及方法 | |
US11672496B2 (en) | Imaging systems and methods | |
CN103648390A (zh) | 后续图像采集规划和/或后处理 | |
Ma et al. | An encoder-decoder network for direct image reconstruction on sinograms of a long axial field of view PET | |
CN103065342A (zh) | 一种ct图像的重建方法 | |
CN107146263B (zh) | 一种基于张量字典约束的动态pet图像重建方法 | |
CN103793890A (zh) | 一种能谱ct图像的恢复处理方法 | |
Qi et al. | Iterative image reconstruction using modified non-local means filtering for limited-angle computed tomography | |
CN110197515A (zh) | 基于康普顿背散射扫描的医学ct机的图像重建方法和系统 | |
CN102488528A (zh) | 一种层析成像几何参数的校准方法 | |
CN105528771A (zh) | 一种使用能量函数方法的锥束ct中杯状伪影的校正方法 | |
CN105578963A (zh) | 用于组织剂量估计的图像数据z轴覆盖范围延伸 | |
CN106264597A (zh) | 一种儿童用ct防护衣 | |
CN104992457A (zh) | Ct图像重建方法和系统 | |
WO2005076038A1 (en) | Method and apparatus for providing high-resolution reconstruction of an observed object | |
CN112001978B (zh) | 一种基于生成对抗网络的双能双90°ct扫描重建图像的方法及装置 | |
CN107320123A (zh) | 基于扫描前端与成像后端分离的ct影像链重组方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20160525 |
|
RJ01 | Rejection of invention patent application after publication |