CN106886982A - Cbct图像环形伪影去除方法 - Google Patents
Cbct图像环形伪影去除方法 Download PDFInfo
- Publication number
- CN106886982A CN106886982A CN201710090657.5A CN201710090657A CN106886982A CN 106886982 A CN106886982 A CN 106886982A CN 201710090657 A CN201710090657 A CN 201710090657A CN 106886982 A CN106886982 A CN 106886982A
- Authority
- CN
- China
- Prior art keywords
- image
- original image
- projection
- hfs
- chart picture
- 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
- 238000007408 cone-beam computed tomography Methods 0.000 title claims abstract description 13
- 238000005516 engineering process Methods 0.000 title claims abstract description 12
- 238000012937 correction Methods 0.000 claims abstract description 35
- 238000000034 method Methods 0.000 claims abstract description 34
- 239000002184 metal Substances 0.000 claims abstract description 25
- 230000008569 process Effects 0.000 claims abstract description 11
- 238000012545 processing Methods 0.000 claims abstract description 10
- 239000011159 matrix material Substances 0.000 claims abstract description 8
- 230000004927 fusion Effects 0.000 claims abstract description 4
- 238000010606 normalization Methods 0.000 claims abstract description 4
- 238000001914 filtration Methods 0.000 claims description 7
- 210000000988 bone and bone Anatomy 0.000 abstract description 4
- 230000008859 change Effects 0.000 description 4
- 238000003384 imaging method Methods 0.000 description 4
- 239000000729 antidote Substances 0.000 description 2
- 238000013170 computed tomography imaging Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000003702 image correction Methods 0.000 description 1
- 239000007943 implant Substances 0.000 description 1
- 238000003064 k means clustering Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000026676 system process Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
- G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
- G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
-
- 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]
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Probability & Statistics with Applications (AREA)
- Image Processing (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
本发明公开了一种CBCT图像环形伪影去除方法,步骤包括:对采集的原始数据进行预处理,然后重建出原始图像;对所述原始图像进行分割得到金属图像;对所述金属图像进行强度平滑性的低通滤波并归一化得到权值矩阵;对所述原始图像进行分频处理得到原始图像的高频部分;对所述原始图像进行归一化校正处理得到校正图像;对所述校正图像进行分频处理得到校正图像的高频部分和低频部分;将所述原始图像的高频部分、权值矩阵、以及校正图像的高频部分和低频部分进行加权融合得到最终校正图像。本发明不仅能够有效解决插值法会带来新伪影的问题,还能解决插值法会导致金属附近区域信息和骨骼信息丢失的问题。
Description
技术领域
本发明涉及医学仪器成像领域,具体涉及一种CBCT图像环形伪影去除方法。
背景技术
近年来,锥形束计算机断层成像系统(Cone-beamComputedTomography)在临床诊断、3D植入物等医疗领域得到了广泛的应用。作为断层成像的一种,锥形束CT具有成像精准、对射线利用率高等众多优点。但是,由于系统工艺、设计以及重建方法等多重因素的限制,锥形束CT图像中往往存在有一系列以重建中心为圆心且灰度值区别于周围像素的同心圆环,即环形伪影。环形伪影的出现严重的影响了图像的质量与真实性,干扰了进一步的临床诊断与处理。由此,如何在不影响图像分辨率的情况下对环形伪影进行去除成为了目前业界研究的重点。
现有技术中,去除环形伪影的方法包括:
(1)基于硬件的矫正方法,在该方法中,比较常见的为平场校正方法中的“两点校正法”。在这个过程中,将进行两次图像的采样。首先得到一张无样本的系统暗本底CBCT图像,在无偏差的情况下,这张平场图像应该是均匀的,由此这张图像实际代表了每个探测元之间的偏移,即不一致性。然后,再在均匀的光照条件下对被测物体进行一次成像。最后,将均匀光场图像与暗场图像做差,再用相对标定的方法对图像进行校正。
(2)基于投影正弦图的校正方法,在早期的伪影去除领域,业界提出了基于传统傅里叶变换的滤波方式。其基本思想为在空间域上对被测物体的投影正弦图做离散傅里叶变换,由于在频域中,图像的原始信息多表现为低频信号,而伪影和部分细节则表现为高频信号,由此只要通过低频滤波的方式就可以去除图像中的高频信息。其后再将处理后图像变换回空间域,就达到了去除投影正弦图中条纹型伪影的目的。
(3)基于重建图像的校正方法,为了节省存储空间,提高伪影去除的效率,使图像的矫正结果有着更加直观的体现。近年来,业界逐渐出现了多种针对于重建图像的后处理方法。与基于投影正弦图的前处理方法相似,为了改变环形伪影的几何特性,减少伪影检测与去除过程中的难度,需首先对重建后图像进行极坐标变换。根据此类变换的数学性质,笛卡尔坐标系中的环状伪影将在极坐标系中表现为条纹型伪影,经过后续的一系列处理以及逆坐标变换,就可以得到环形伪影校正后的重建CT图像。
现有的环形伪影去除方法存在如下缺点:(1)基于硬件的矫正方法,由于方法本身的局限性,在现代的CT成像系统中,这个方法很难对环形伪影进行有效的去除,而另一种方法则比较特殊,其通过在CT成像过程中改变单个探测器的排列顺序以达到补偿探测器响应不一致的问题,虽然也起到了一定的效果,但对硬件加工工艺有着一定的要求,由此造价比较昂贵;(2)基于投影正弦图的校正方法,这种方法的缺点在于进行平滑低通滤波的同时也去除了图像的部分细信息,从而造成重建后图像的模糊与观察质量的明显下降。
发明内容
本发明的发明目的是提供一种CBCT图像环形伪影去除方法,不仅能够有效解决插值法会带来新伪影的问题,还能解决插值法会导致金属附近区域信息和骨骼信息丢失的问题。
为达到上述发明目的,本发明采用的技术方案是:一种CBCT图像环形伪影去除方法,包括如下步骤:
步骤一、通过全变分自适应滤波对采集的原始数据进行预处理,然后重建出含金属伪影的原始图像;
步骤二、对所述原始图像进行分割得到金属图像;
步骤三、对所述金属图像进行强度平滑性的低通滤波并归一化得到权值矩阵;
步骤四、对所述原始图像进行分频处理得到原始图像的高频部分;
步骤五、对所述原始图像进行归一化校正处理得到校正图像;
步骤六、对所述校正图像进行分频处理得到校正图像的高频部分和低频部分;
步骤七、将所述原始图像的高频部分、权值矩阵、以及校正图像的高频部分和低频部分进行加权融合得到最终校正图像。
进一步地,所述步骤五中的对原始图像进行归一化校正处理包括如下步骤:
(1)对所述原始图像进行均值聚类得到先验图像模型再投影;
(2)对所述原始图像进行投影,通过利用原始图像投影除以先验图像投影得到归一化投影;
(3)对所述金属图像再投影,由金属图像投影确定插值区域;
(4)对归一化的投影进行线性插值后通过乘以先验图像投影做去归一化处理得到校正投影;
(5)对校正投影进行重建得到校正图像。
优选地,步骤(1)中所述的均值聚类为k均值聚类。
由于上述技术方案运用,本发明与现有技术相比具有下列优点:
本发明通过结合归一化方法解决了插值法会带来新伪影的问题,在重建图像之前通过自适应滤波滤除原始数据的噪声成分以减少重建后图像的条纹伪影,并加权了重建后图像的高频成分解决了插值法会导致金属附近区域信息和骨骼信息丢失的问题。
附图说明
图1是本发明实施例一的算法流程图。
图2是本发明实施例二中去除环形伪影前的图像示意。
图3是本发明实施例二中去除环形伪影后的图像示意。
具体实施方式
下面结合附图及实施例对本发明作进一步描述:
实施例一:
参见图1所示,一种CBCT图像环形伪影去除方法,包括如下步骤:
步骤一、通过全变分自适应滤波对采集的原始数据进行预处理,然后重建出含金属伪影的原始图像;
步骤二、对所述原始图像进行分割得到金属图像;
步骤三、对所述金属图像进行强度平滑性的低通滤波并归一化得到权值矩阵;
步骤四、对所述原始图像进行分频处理得到原始图像的高频部分;
步骤五、对所述原始图像进行归一化校正处理得到校正图像;
步骤六、对所述校正图像进行分频处理得到校正图像的高频部分和低频部分;
步骤七、将所述原始图像的高频部分、权值矩阵、以及校正图像的高频部分和低频部分进行加权融合得到最终校正图像。
本实施例中,所述步骤五中的对原始图像进行归一化校正处理包括如下步骤:
(1)对所述原始图像进行均值聚类得到先验图像模型再投影;
(2)对所述原始图像进行投影,通过利用原始图像投影除以先验图像投影得到归一化投影;
(3)对所述金属图像再投影,由金属图像投影确定插值区域;
(4)对归一化的投影进行线性插值后通过乘以先验图像投影做去归一化处理得到校正投影;
(5)对校正投影进行重建得到校正图像。
其中,步骤(1)中所述的均值聚类为k均值聚类。
k均值聚类算法具体为:先随机选取k个对象作为初始的聚类中心。然后计算每个对象与各个种子聚类中心之间的距离,把每个对象分配给距离它最近的聚类中心。聚类中心以及分配给他们的对象就代表一个聚类。一旦全部对象都被分配了,每个聚类的聚类中心会根据聚类中现有的对象被重新计算。这个过程将不断重复直到满足某个终止条件。终止条件可以是以下任何一个:1、没有(或最小数目)对象被重新分配给不同的聚类;2、没有(或最小数目)聚类中心再发生变化;3、误差平方和局部最小。
本发明基于分频去除CT金属伪影,通过结合归一化方法解决了插值法会带来新伪影的问题,在重建图像之前通过自适应滤波滤除原始数据的噪声成分以减少重建后图像的条纹伪影,并加权了重建后图像的高频成分解决了插值法会导致金属附近区域信息和骨骼信息丢失的问题。
实施例二:
通过实测数据验证本发明的环形伪影去除算法的有效性和可靠性,具体为,扫描参数为120kv,层厚为0.6mm,重建FOV为500mm,滤波反投影重建的图像大小为512×512,环形伪影去除前后对比参见图2和3所示,可以看出,图3中恢复了清晰的边缘信息和结构信息,本发明能够在完全去除金属伪影的同时保留金属区域更多的细节信息。
因此,本发明对金属伪影的去除取得了非常好的效果,对临床诊断应用具有很大的实用价值,是一种能够真正用于实际工程中多成份、简便有效、易实现的金属伪影校正方法。
Claims (3)
1.一种CBCT图像环形伪影去除方法,其特征在于,包括如下步骤:
步骤一、通过全变分自适应滤波对采集的原始数据进行预处理,然后重建出含金属伪影的原始图像;
步骤二、对所述原始图像进行分割得到金属图像;
步骤三、对所述金属图像进行强度平滑性的低通滤波并归一化得到权值矩阵;
步骤四、对所述原始图像进行分频处理得到原始图像的高频部分;
步骤五、对所述原始图像进行归一化校正处理得到校正图像;
步骤六、对所述校正图像进行分频处理得到校正图像的高频部分和低频部分;
步骤七、将所述原始图像的高频部分、权值矩阵、以及校正图像的高频部分和低频部分进行加权融合得到最终校正图像。
2.根据权利要求1所述的CBCT图像环形伪影去除方法,其特征在于:所述步骤五中的对原始图像进行归一化校正处理包括如下步骤:
(1)对所述原始图像进行均值聚类得到先验图像模型再投影;
(2)对所述原始图像进行投影,通过利用原始图像投影除以先验图像投影得到归一化投影;
(3)对所述金属图像再投影,由金属图像投影确定插值区域;
(4)对归一化的投影进行线性插值后通过乘以先验图像投影做去归一化处理得到校正投影;
(5)对校正投影进行重建得到校正图像。
3.根据权利要求2所述的CBCT图像环形伪影去除方法,其特征在于:步骤(1)中所述的均值聚类为k均值聚类。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710090657.5A CN106886982A (zh) | 2017-02-20 | 2017-02-20 | Cbct图像环形伪影去除方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710090657.5A CN106886982A (zh) | 2017-02-20 | 2017-02-20 | Cbct图像环形伪影去除方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106886982A true CN106886982A (zh) | 2017-06-23 |
Family
ID=59179880
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710090657.5A Pending CN106886982A (zh) | 2017-02-20 | 2017-02-20 | Cbct图像环形伪影去除方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106886982A (zh) |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110060316A (zh) * | 2019-04-29 | 2019-07-26 | 重庆邮电大学 | 一种用于ct重建中多区域分割的环伪影校正方法 |
CN111047659A (zh) * | 2019-11-08 | 2020-04-21 | 湖北科技学院 | 结合滤波方法的ct环形伪影的校正方法 |
CN111402150A (zh) * | 2020-03-09 | 2020-07-10 | 北京灵医灵科技有限公司 | 一种ct图像金属伪影去除方法及装置 |
CN111553960A (zh) * | 2020-04-24 | 2020-08-18 | 重庆大学 | 一种基于投影均值图像的环状伪影快速校正方法 |
CN112785520A (zh) * | 2021-01-14 | 2021-05-11 | 明峰医疗系统股份有限公司 | Ct图像伪影去除方法 |
CN113269733A (zh) * | 2021-05-14 | 2021-08-17 | 成都真实维度科技有限公司 | 一种断层扫描图像中放射粒子的伪影检测方法 |
CN113643393A (zh) * | 2021-06-28 | 2021-11-12 | 南京邮电大学 | 一种基于引导图滤波的cbct图像金属伪影校正方法 |
CN113781595A (zh) * | 2021-08-26 | 2021-12-10 | 深圳市菲森科技有限公司 | 一种口腔锥形束ct图像的金属伪影去除方法和系统 |
CN114332270A (zh) * | 2021-12-02 | 2022-04-12 | 赛诺威盛科技(北京)股份有限公司 | 用于微创介入手术的ct图像金属伪影去除方法及装置 |
WO2023202285A1 (zh) * | 2022-04-19 | 2023-10-26 | 腾讯科技(深圳)有限公司 | 图像处理方法、装置、计算机设备及存储介质 |
CN117152014A (zh) * | 2023-09-05 | 2023-12-01 | 珠海圣美生物诊断技术有限公司 | 针对多通道荧光显微镜的平场校正方法和装置 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103268597A (zh) * | 2013-06-04 | 2013-08-28 | 东南大学 | 一种图像畸变的校正方法 |
CN104809703A (zh) * | 2015-04-22 | 2015-07-29 | 上海理工大学 | 一种简单的图像角度校正方法 |
CN105225208A (zh) * | 2015-10-14 | 2016-01-06 | 上海联影医疗科技有限公司 | 一种计算机断层成像金属伪影校正方法及装置 |
-
2017
- 2017-02-20 CN CN201710090657.5A patent/CN106886982A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103268597A (zh) * | 2013-06-04 | 2013-08-28 | 东南大学 | 一种图像畸变的校正方法 |
CN104809703A (zh) * | 2015-04-22 | 2015-07-29 | 上海理工大学 | 一种简单的图像角度校正方法 |
CN105225208A (zh) * | 2015-10-14 | 2016-01-06 | 上海联影医疗科技有限公司 | 一种计算机断层成像金属伪影校正方法及装置 |
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110060316A (zh) * | 2019-04-29 | 2019-07-26 | 重庆邮电大学 | 一种用于ct重建中多区域分割的环伪影校正方法 |
CN110060316B (zh) * | 2019-04-29 | 2023-03-03 | 重庆邮电大学 | 一种用于ct重建中多区域分割的环伪影校正方法 |
CN111047659A (zh) * | 2019-11-08 | 2020-04-21 | 湖北科技学院 | 结合滤波方法的ct环形伪影的校正方法 |
CN111402150A (zh) * | 2020-03-09 | 2020-07-10 | 北京灵医灵科技有限公司 | 一种ct图像金属伪影去除方法及装置 |
CN111402150B (zh) * | 2020-03-09 | 2023-07-28 | 北京灵医灵科技有限公司 | 一种ct图像金属伪影去除方法及装置 |
CN111553960A (zh) * | 2020-04-24 | 2020-08-18 | 重庆大学 | 一种基于投影均值图像的环状伪影快速校正方法 |
CN112785520A (zh) * | 2021-01-14 | 2021-05-11 | 明峰医疗系统股份有限公司 | Ct图像伪影去除方法 |
CN113269733A (zh) * | 2021-05-14 | 2021-08-17 | 成都真实维度科技有限公司 | 一种断层扫描图像中放射粒子的伪影检测方法 |
CN113269733B (zh) * | 2021-05-14 | 2024-04-16 | 成都真实维度科技有限公司 | 一种断层扫描图像中放射粒子的伪影检测方法 |
CN113643393A (zh) * | 2021-06-28 | 2021-11-12 | 南京邮电大学 | 一种基于引导图滤波的cbct图像金属伪影校正方法 |
CN113643393B (zh) * | 2021-06-28 | 2023-06-16 | 南京邮电大学 | 一种基于引导图滤波的cbct图像金属伪影校正方法 |
CN113781595A (zh) * | 2021-08-26 | 2021-12-10 | 深圳市菲森科技有限公司 | 一种口腔锥形束ct图像的金属伪影去除方法和系统 |
CN113781595B (zh) * | 2021-08-26 | 2024-03-08 | 深圳市菲森科技有限公司 | 一种口腔锥形束ct图像的金属伪影去除方法和系统 |
CN114332270A (zh) * | 2021-12-02 | 2022-04-12 | 赛诺威盛科技(北京)股份有限公司 | 用于微创介入手术的ct图像金属伪影去除方法及装置 |
WO2023202285A1 (zh) * | 2022-04-19 | 2023-10-26 | 腾讯科技(深圳)有限公司 | 图像处理方法、装置、计算机设备及存储介质 |
CN117152014A (zh) * | 2023-09-05 | 2023-12-01 | 珠海圣美生物诊断技术有限公司 | 针对多通道荧光显微镜的平场校正方法和装置 |
CN117152014B (zh) * | 2023-09-05 | 2024-05-28 | 珠海圣美生物诊断技术有限公司 | 针对多通道荧光显微镜的平场校正方法和装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106886982A (zh) | Cbct图像环形伪影去除方法 | |
JP7324195B2 (ja) | ディープイメージングを使用したポジトロンエミッショントモグラフィシステム設計の最適化 | |
CN105528800B (zh) | 一种计算机断层成像伪影校正方法及装置 | |
Meilinger et al. | Metal artifact reduction in cone beam computed tomography using forward projected reconstruction information | |
US8805037B2 (en) | Method and system for reconstruction of tomographic images | |
CN105321155A (zh) | 一种cbct图像环形伪影消除方法 | |
CN106530236B (zh) | 一种医学图像处理方法及系统 | |
CN103026379A (zh) | 推算图像噪音水平的方法 | |
CN110060316B (zh) | 一种用于ct重建中多区域分割的环伪影校正方法 | |
US20130004041A1 (en) | Methods and apparatus for texture based filter fusion for cbct system and cone-beam image reconstruction | |
CN110717956A (zh) | 一种有限角投影超像素引导的l0范数最优化重建方法 | |
CN111553849B (zh) | 基于局部特征匹配的锥束ct几何伪影去除方法及装置 | |
CN111325678B (zh) | 三维体图像数据的伪影校正方法 | |
CN109523458B (zh) | 一种结合稀疏诱导动态引导滤波的高精度稀疏角度ct重建方法 | |
JP2021530331A (ja) | 心臓灌流磁気共鳴イメージングを使用して虚血性心疾患を検出するために完全定量ピクセル単位心筋血流および心筋血流予備能マップを自動的に生成および分析するための方法およびシステム | |
Johansson et al. | Rigid‐body motion correction of the liver in image reconstruction for golden‐angle stack‐of‐stars DCE MRI | |
CN111009032A (zh) | 基于改进外极线约束匹配的血管三维重建方法 | |
US8634620B2 (en) | Method for supplying a 3D X-ray image data record for a moving object with highly absorbent material | |
CN109816747A (zh) | 一种头部ct图像的金属伪影校正方法 | |
CN102013116B (zh) | 基于脑血管旋转造影术进行三维重建的方法 | |
US20170256076A1 (en) | Method for removing streak from detector cell with performance difference | |
CN113192155B (zh) | 螺旋ct锥束扫描图像重建方法、扫描系统及存储介质 | |
CN118648025A (zh) | 一种使用计算机断层扫描图像重建三维口腔扫描数据的装置和方法 | |
CN111899312B (zh) | 一种迭代补偿的有限角度ct投影重建方法 | |
CN112669406B (zh) | 一种基于投影估计的相控阵线圈磁共振图像非均匀性校正方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170623 |