CN107004284B - 用于光谱ct成像的方法和系统 - Google Patents
用于光谱ct成像的方法和系统 Download PDFInfo
- Publication number
- CN107004284B CN107004284B CN201580067425.7A CN201580067425A CN107004284B CN 107004284 B CN107004284 B CN 107004284B CN 201580067425 A CN201580067425 A CN 201580067425A CN 107004284 B CN107004284 B CN 107004284B
- Authority
- CN
- China
- Prior art keywords
- dataset
- data set
- energy
- generating
- image
- 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
- 238000000034 method Methods 0.000 title claims abstract description 100
- 238000013170 computed tomography imaging Methods 0.000 title abstract description 10
- 230000003595 spectral effect Effects 0.000 title abstract description 5
- 238000003384 imaging method Methods 0.000 claims abstract description 17
- 230000009977 dual effect Effects 0.000 claims abstract description 16
- 239000000463 material Substances 0.000 claims description 121
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 23
- ZCYVEMRRCGMTRW-UHFFFAOYSA-N 7553-56-2 Chemical compound [I] ZCYVEMRRCGMTRW-UHFFFAOYSA-N 0.000 claims description 14
- 239000011630 iodine Substances 0.000 claims description 14
- 229910052740 iodine Inorganic materials 0.000 claims description 13
- 238000005457 optimization Methods 0.000 claims description 6
- 230000002238 attenuated effect Effects 0.000 claims description 5
- 238000012512 characterization method Methods 0.000 claims description 4
- 235000003642 hunger Nutrition 0.000 abstract description 7
- 230000037351 starvation Effects 0.000 abstract description 7
- 238000002591 computed tomography Methods 0.000 description 17
- 238000010586 diagram Methods 0.000 description 11
- 238000000354 decomposition reaction Methods 0.000 description 7
- 238000004422 calculation algorithm Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 6
- 238000001228 spectrum Methods 0.000 description 6
- 230000004907 flux Effects 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 230000002194 synthesizing effect Effects 0.000 description 4
- 239000008280 blood Substances 0.000 description 3
- 210000004369 blood Anatomy 0.000 description 3
- 150000001875 compounds Chemical class 0.000 description 3
- 230000000875 corresponding effect Effects 0.000 description 3
- 239000010410 layer Substances 0.000 description 3
- 238000011084 recovery Methods 0.000 description 3
- 210000000988 bone and bone Anatomy 0.000 description 2
- 238000000701 chemical imaging Methods 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 239000002872 contrast media Substances 0.000 description 2
- 230000002596 correlated effect Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 230000003902 lesion Effects 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 230000005855 radiation Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 210000004872 soft tissue Anatomy 0.000 description 2
- WFKWXMTUELFFGS-UHFFFAOYSA-N tungsten Chemical compound [W] WFKWXMTUELFFGS-UHFFFAOYSA-N 0.000 description 2
- 229910052721 tungsten Inorganic materials 0.000 description 2
- 239000010937 tungsten Substances 0.000 description 2
- 241000282412 Homo Species 0.000 description 1
- 238000002083 X-ray spectrum Methods 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 210000003484 anatomy Anatomy 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 210000004351 coronary vessel Anatomy 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000002059 diagnostic imaging Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 239000002355 dual-layer Substances 0.000 description 1
- 230000005670 electromagnetic radiation Effects 0.000 description 1
- 230000007717 exclusion Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- PNDPGZBMCMUPRI-UHFFFAOYSA-N iodine Chemical compound II PNDPGZBMCMUPRI-UHFFFAOYSA-N 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 210000000056 organ Anatomy 0.000 description 1
- 231100000289 photo-effect Toxicity 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/48—Diagnostic techniques
- A61B6/482—Diagnostic techniques involving multiple energy imaging
-
- 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 or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/02—Arrangements for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
- A61B6/03—Computed tomography [CT]
- A61B6/032—Transmission computed tomography [CT]
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2211/00—Image generation
- G06T2211/40—Computed tomography
- G06T2211/408—Dual energy
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Radiology & Medical Imaging (AREA)
- Veterinary Medicine (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Biophysics (AREA)
- High Energy & Nuclear Physics (AREA)
- Animal Behavior & Ethology (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Optics & Photonics (AREA)
- Pathology (AREA)
- Surgery (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Algebra (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Mathematical Physics (AREA)
- Pulmonology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
本发明提供了用于双能量光谱计算机断层照相成像的各种方法和系统。在一个实施例中,用于双能量成像的方法包括从较高能量数据集和更新的较低能量数据集生成图像,其中,所述更新的较低能量数据集包括较低能量数据集和从所述较高能量数据集生成的伪投影数据集的组合。以此方式,可以恢复微弱的低能量信号,从而尽管光子饥饿和稀疏视图,使能够实现图像重构。
Description
技术领域
本发明中公开的主题的实施例涉及诊断成像,并且更具体地涉及用于双能量光谱成像的图像重构(reconstruction)。
背景技术
双能量或多能量光谱计算机断层照相(Computed Tomography;CT)系统可以揭示物体中不同材料的密度,并生成在多个单色X射线能级获得的图像。在缺乏物体散射时,基于来自光谱中两个区域的光子能量的信号:入射的X射线光谱的低能量和高能量部分,系统导出不同能量下的行为。在医学CT的给定的能量区中,两个物理过程主导X射线衰减:康普顿散射(Compton scattering)和光电子效应(photoelectric effect)。来自两个能量区的被检测信号提供足够的信息以解析(resolve)被成像的材料的能量依从性。来自两个能量区的被检测信号提供足够的信息以确定由两种假设材料组成的物体的相对组分。
然而,在一些情况下,由于低的光子通量或光子饥饿(photon starvation),当在检测器处的衰减的X射线光束微弱时,被检测的信号可能不能提供足够的信息以解析被成像的材料的能量依从性。例如,由于与高能量X射线光束相比生成的数目减少的光子,对于低能量X射线光束,可能出现光子饥饿。结果,低能量数据比高能量数据可能噪声更大,且较不可靠,这又可能使得在从该数据重构的图像中的大的伪像。低能量数据的此问题还被稀疏视图(sparse view)数据获取进一步加剧,其中,数据在较少的视图获取,因此总体存在较少的低能量数据。
发明内容
在一个实施例中,用于双能量成像(dual energy imaging)的方法包括:从较高能量数据集和更新的(updated)较低能量数据集生成图像,其中,所述更新的较低能量数据集包括较低能量数据集和从所述较高能量数据集生成的伪投影数据集(pseudo projectiondataset)的组合。以此方式,可以恢复微弱的低能量信号,从而尽管光子饥饿和稀疏视图,能够实现图像重构。
应当理解,提供上文的简要描述以简化形式介绍在详细描述中还要描述的挑选出的构思。不想要标识要求保护的主题的关键或基本特征,其范围唯一地由详细描述之后的权利要求定义。而且,要求保护的主题不局限于解决上文提到的或在此公开的任何部分的任何缺点的实施方式。
附图说明
通过参照附图阅读对非限制性实施例的下文的描述,会更好地理解本发明,附图如下:
图1是根据本发明的实施例的成像系统的示图。
图2是根据本发明的实施例的示例性成像系统的框图示意图。
图3是图解说明根据本发明的实施例用于低能量信号恢复的示例性方法的高级流程图。
图4是图解说明根据本发明的实施例用于从高能量投影数据合成低能量投影数据的示例性方法的高级流程图。
图5是图解说明根据本发明的实施例用于从高能量投影数据直接合成低能量投影数据的示例性方法的高级流程图。
图6是图解说明根据本发明的实施例用于加权合成的和测量的低能量投影数据的示例性方法的高级流程图。
图7是图解说明根据本发明的实施例用于将合成的和测量的低能量投影数据与基于正则化的迭代优化组合的示例性方法的高级流程图。
具体实施方式
以下描述涉及用于双能量光谱成像的图像重构的各个实施例。具体地,公开了用于低能量信号恢复的方法和系统。参照64片层(sixty-four-slice)计算机断层照相(CT)系统(诸如图1和2中示出的CT成像系统)描述本发明的操作环境。不过,本领域技术人员会认识到本发明同样适合用于其它多片层配置。而且,将参照X射线的检测和变换描述本发明。不过,本领域技术人员还会认识到本发明同样适用于其它高频电磁辐射的检测和变换。将参照“第三代”CT扫描器描述本发明,不过本发明同样适用于其它CT系统。
参照图1和2,CT成像系统10显示为包括代表“第三代”CT扫描器的托台(gantry)12。托台12具有X射线源14,X射线源14朝在托台12的相对侧上的检测器组件或准直仪(collimator)18投射X射线光束16。检测器组件18由多个检测器20和数据获取系统(DataAcquisition System;DAS)32形成。多个检测器(detectors)20感测通过医学患者22传输的投影的X射线,DAS 32将数据变换成数字信号以用于后续处理。每个检测器20产生模拟电信号,该模拟电信号代表撞击的X射线光束的强度,因此代表通过患者22传输的衰减的光束。在扫描以获取X射线投影数据的过程中,托台12和在其上安装的部件绕旋转中心24旋转。
托台12的旋转和X射线源14的操作由CT系统10的控制机构26管理。控制机构26包括X射线控制器28和托台电动机控制器30,X射线控制器28向X射线源14提供功率和定时信号;托台电动机控制器30控制托台12的旋转速度和位置。图像重构器(reconstructor)34从DAS 32接收采样的和数字化的X射线数据,并执行高速重构。重构的图像作为输入被施加到计算机36,计算机36在大容量存储装置38中存储该图像。
计算机36还从操作员经由控制台40接收命令和扫描参数,控制台40具有一些形式的操作员界面,诸如键盘、鼠标、语音激活的控制器或任何其它适当的输入设备。关联的显示器42允许操作员观察来自计算机36的重构的图像和其它数据。操作员提供的命令和参数被计算机36使用,以向DAS 32、X射线控制器28和托台电动机控制器30提供控制信号和信息。此外,计算机36操作工作台电动机控制器44,工作台电动机控制器44控制电动工作台46以定位患者22和托台12。具体地,工作台46使患者22完全或部分地移动通过图1的托台开口48。
每个检测器20可以被设计成将射线照片能量直接地变换成包含能量鉴别或光子计数数据的电信号。因此,在一个实施例中,每个检测器20包括由CZT制造的半导体层。每个检测器20还包括附着到半导体层的多个金属化阳极。这些检测器20可以包括其上具有多个比较器的电路,其可以降低由于多个能量事件的堆积造成的统计误差。
现在关于分解算法提出讨论。计算图像或片层,其在某些模式下可以包括(incorporate)小于或超过360度的投影数据以构造图像。使用X射线源前面的钨刀片(tungsten blades)和不同的检测器孔,图像可以被校准到期望尺寸。准直仪通常定义从X射线源14发射的X射线光束16的大小和形状,蝴蝶结型滤波器(bowtie filter)可以包括在系统10中,以进一步控制给患者22的剂量。典型的蝴蝶结型滤波器衰减X射线光束16,以适应被成像的身体部分,诸如头或躯干,使得通常对于通过或接近患者22的等深点传输的X射线,提供较少的衰减。蝴蝶结型滤波器在成像过程中根据感兴趣区域(Region-of-Interest;ROI)、视场(Field of View;FOV)和/或被成像的患者22的目标区域成形X射线强度。
当X射线源14和检测器阵列18旋转时,检测器阵列18采集衰减的X射线光束的数据。由检测器阵列18采集的数据经历预处理和校准以调理数据,从而代表被扫描的物体或患者22的衰减系数(attenuation coefficient)的线积分。处理过的数据通常称作投影。
在双能量或多能量成像中,对于被成像物体,通常使用检测器阵列18的能量解析检测器获得在不同的管峰值(tube peak)千伏电压(kilovoltage;kVp)水平(这改变包括发射的X射线光束的能量的峰值和能量谱)或替代性地在单个管峰值千伏电压(kVp)水平或光谱的投影数据的两个或更多个集合。关于术语,在较高管kVp水平获得的投影数据的集合可以在本发明中可互换地称作高kVp数据集或高能量数据集,而在较低管kVp水平获得的投影数据的集合在本发明中可互换地称作低kVp数据集或低能量数据集。
获得的投影数据的集合可以用于基础材料分解(Basis MaterialDecomposition;BMD)。在BMD中,测量的投影被变换成密度线积分(density line-integral)投影的集合。密度线积分投影可以被重构以形成每个相应的基础材料(诸如骨头、软组织和/或对比剂图)的密度图或图像。密度图或图像又可以被关联以形成在成像的体积中的基础材料(例如骨头、软组织和/或对比剂)的体积渲染。
一旦被重构,由CT系统10产生的基础材料图像揭示以两个基础材料的密度表示的患者22的内部特征。密度图像可以被显示以示出这些特征。在传统的医疗状况(诸如疾病状态)和更通常的医疗事件的诊断的传统方法中,放射医生或内科医生会考虑密度图像的硬拷贝或显示,以察觉感兴趣的特性特征。这些特征可以包括特定的解剖或器官的损伤(lesions)、大小和形状以及基于个别医生的技能和知识,在图像中可察觉的其它特征。
除了CT数目或豪恩斯弗尔德值(Hounsfield value)之外,能量选择CT系统能够提供关于材料的原子数目和密度的附加信息。此信息可能对医学临床应用特别有用,其中,不同材料的CT数目可以是相似的,但原子数目可能是非常不同的。例如,钙化斑块(calcifiedplaque)和碘对比增强血液(iodine-contrast enhanced blood)可以一起位于冠状动脉或其它血管中。本领域技术人员会认识到,钙化斑块和碘对比增强血液是已知的具有明显不同的原子数目,但在某些密度下,这两种材料单独由CT数目是不可区别的。
分解算法(decomposition algorithm)是可使用的,以从能量敏感X射线测量值生成原子数目和密度信息。多能量技术包括双能量、光子计数能量鉴别、双层闪烁和/或被设计成测量在两个或更多个不同的能量范围内X射线衰减的一个或多个其它技术。举一个示例,用多能量技术测量的材料的化合物或混合物可以表示为具有相同的X射线能量衰减特性的假定材料。此假定材料可以被分配有效的原子数目Z。与元素的原子数目不同,化合物的有效的原子数目由X射线衰减特性定义,并且其不一定是整数。此有效的Z表示性质(representation property)源自众所周知的事实,即在诊断X射线成像有用的能量范围内X射线衰减与化合物的电子密度强相关,这也称作材料的原子数目。
本公开的基础是在高能量和低能量上扫描相同的物体22。对于双能量数据获取,通常低密度材料和高密度材料(诸如水和碘)被选择为两种基础材料。水的材料密度由在高能量获取的投影数据主导,而碘的材料密度由在低能量获取的投影数据主导。不过,除了关于低密度材料(诸如水)的数据之外,获取的高能量数据集仍然可以包含关于高密度材料(诸如碘)的数据。因此,如本发明中还描述的,关于高能量数据集中高密度材料的数据可以用来补偿低能量数据集的低信号强度。这种方法可以大大地提高使用双能量成像技术生成的图像,尤其是对于低能量光子的低光子通量的情况。
在一些示例中,CT系统10可以被配置用于稀疏视图数据获取和图像重构。在这些示例中,X射线源14和检测器阵列18可以被配置成获取与典型的扫描相比数目减小的视图的数据,从而降低辐射剂量。本发明中还描述的用于恢复低能量信号的各种方法可以使得能够实现双能量或多能量光谱CT成像的稀疏视图配置。例如,可以使用来自高能量数据的信息补偿由于光子饥饿和/或稀疏视图数据获取造成的低能量数据的缺乏。
图3是根据本发明的实施例用于低能量信号恢复的示例性方法300的高级流程图。具体地,方法300涉及从材料密度图像生成单色图像(monochromatic image),其中,材料密度图像基于较高能量数据集和更新的较低能量数据集。如本发明中还描述的,更新的低能量数据集可以包括使用较高能量数据集恢复的较低能量数据。以此方式,用于低能量数据获取的低光子通量可以被补偿。结果,针对受到光子饥饿或被配置用于稀疏视图数据获取的CT成像系统,可以提高CT图像的图像质量。可以参照图1和2中示出的系统和组件,描述方法300,不过,在不偏离本公开的范围下,该方法可以适用于其它系统。
方法300可以在305开始。在305,方法300可以包括获取高kVp数据集和低kVp数据集。可以使用任何双能量技术获取较高能量数据集和较低能量数据集,双能量技术包括但不限于快速kV切换、双管双检测器(,two-tube two-detector;2T2D)、双层、旋转-旋转(rot-rot)、光子计数等等。在获取数据集之后,方法300可以继续到310。
在310,方法300可以包括准备较高kVp数据集和较低kVp数据集以用于处理。准备较高kVp数据集和较低kVp数据集以用于处理可以包括例如时间对准视图、插入丢失的数据、应用增益标准化、应用数据校正用于检测器伪像等等。在准备数据集用于处理之后,方法300可以继续到315。
在315,方法300可以包括生成伪投影数据集。在一个示例中,生成伪投影数据集可以包括从较高kVp数据集或较高kVp数据集和较低kVp数据集的组合重构中间图像,在中间图像中表征(characterizing)高密度材料,以及在中间图像中前向投影高密度材料。由前向投影(forward projection)产生的投影数据集可以包括伪投影数据集。在本发明中还关于图4描述用于使用中间图像重构和前向投影生成伪投影数据集的方法。
在另一示例中,生成伪投影数据集可以包括从较高kVp数据集直接地生成伪投影数据集。具体地,通过假设在被扫描的物体中的所有材料是单一材料(single material),从较高kVp数据集直接地生成伪投影数据集可以包括由单一材料在较低能量的衰减系数与单一材料在较高能量的衰减系数的比率缩放(scaling)高kVp数据集。单一材料可以例如由用户选择。在一个示例中,选择的单一材料可以包括水。选择水作为单一材料包括假设在被扫描的物体中的所有材料对于人体是等同于水的。在其它示例中,可以选择除了水的单一材料,例如当对非人体的物体(诸如行李)成像时。在本发明中还关于图5描述用于从较高kVp数据集直接地生成伪投影数据集的方法。
在320,方法300可以包括将伪投影数据集与测量的较低kVp数据集组合成更新的较低kVp数据集。在一个示例中,更新的较低kVp数据集可以包括伪投影数据集和测量的较低kVp数据集的加权组合。在本发明中还关于图6描述用于将伪投影数据集和测量的较低kVp数据集组合的这种方法。在另一示例中,可以使用基于正则化的迭代优化(regularization-based iterative optimization)组合伪投影数据集和测量的较低kVp数据集。在本发明中还关于图7描述用于将伪投影数据集和测量的较低kVp数据集组合的这种方法。
在生成更新的较低kVp数据集之后,方法300可以继续到325。在325,方法300可以包括将较高kVp数据集和更新的较低kVp数据集分解成第一材料基础(material basis)投影数据集和第二材料基础投影数据集。例如可以使用基础材料分解(BMD)执行分解过程,其中,测量的投影被变换成如本发明上面描述及本领域已知的密度线积分投影的集合。材料基础可以包括例如水基(water basis)和碘基(iodine basis)。在其它示例中,材料基础可以包括材料的不同组合。
在330,方法300可以包括将第一材料基础投影数据集和第二材料基础投影数据集转换成相应的材料密度图像(material density images)。将数据集转换成相应的密度图像可以包括向数据集应用图像重构算法,诸如滤波后向投影(filtered backprojection),以将数据从投影空间转换到图像空间。
在335,方法300可以包括对材料密度图像求和以生成最终的单色图像。在340,方法300可以包括输出最终的单色图像。单色图像可以被输出到存储器以用于以后检索。举另一示例,单色图像可以被输出到显示装置以显示给用户。然后方法300可以结束。
图4是图解说明根据本发明的实施例用于从高能量投影数据合成低能量投影数据的示例性方法400的高级流程图。具体地,方法400涉及使用图像重构和前向投影生成伪投影数据集。而且,方法400可以作为图3中示出的方法300的子例程。具体地,方法400可以包括生成伪投影数据集的步骤315。可以参照图1和2中示出的系统和组件描述方法400,不过应当理解,在不偏离本公开的范围下,该方法可以应用于其它系统。
方法400可以在405开始。在405,方法400可以包括从较高kVp数据集重构中间图像(intermediate image)。可以使用任何适当的图像重构算法(包括但不限于前向、后向投影)重构中间图像。
在410,方法400可以可选地包括从较低kVp数据集重构中间图像。可以使用任何适当的图像重构算法(包括但不限于前向后向投影)重构中间图像。此中间图像可以提供后续步骤中的附加准确度,不过方法400可以不包括如本发明中描述的步骤410充分地生成伪投影数据集。
继续415,方法400可以包括在重构的中间图像中表征高密度材料。在不执行步骤410的示例中,只有在405从较高kVp数据集重构的中间图像可以被用于材料表征。在执行步骤410的示例中,在405从较高kVp数据集重构的中间图像和在410从较低kVp数据集重构的中间图像都可以用于材料表征。例如可以使用材料分段表征高密度材料。附加地或者替代性地,材料分解可以施加到中间图像以估计高密度材料。
在420,方法400可以包括使用前向投影将重构的图像中的高密度材料转换到投影域,从而产生包含高密度材料的前向投影数据集。
在425,方法400可以包括从前向投影数据集和测量的(measured)较高kVp数据集的组合生成伪投影数据集。举一个非限制性示例,可以按水的厚度Lw和碘的厚度Lio的函数对高能量投影数据Ph建模:
其中,Sh(E)是作为能量E的函数的高能量光谱,μw(E)是作为能量的函数的水的衰减系数,并且μio是碘的衰减系数。类似地,通过用低能量光谱Sl(E)替代高能量光谱Sh(E),可以根据如上对低能量投影数据Pl建模。在水衰减之后的有效碘投影因此可以计算为:
Pio(Lw,Lio)=Ph(Lw,Lio)-Ph(Lw,0)。
碘投影Pio和高能量投影Ph然后可以用来计算低能量投影Pl:
其中,α包括从系统校准确定的系数。在一些示例中,可以使用仿真数据和上文的表达式计算多项式系统系数α。
认识到上文描述的低能量投影数据和高能量投影数据之间的关系,伪投影数据集Ppp可以使用如下计算:
其中,Pfwd包括在420计算的前向投影数据集。注意,前向投影数据集包括如上文讨论的有效的碘投影。
因此,基于前向投影数据集和测量的较高kVp数据集的组合生成伪投影数据集可以包括将前向投影数据集和较高kVp数据集输入到上文给出的伪投影集Ppp的多项式近似中。在生成伪投影数据集之后,然后方法400可以结束。然后可以如本发明上面关于图3描述的使用伪投影数据集。
尽管方法400提供用于生成伪投影数据集的鲁棒性(robust)方法,但重构中间图像、表征高密度材料和前向投影中间图像的过程可以提高总CT成像工作流的计算开销。如本发明中关于图5描述的,对方法400的一阶近似可以以计算资源和时间的最小增加提供伪投影数据集。
图5是图解说明根据本发明的实施例用于从高能量投影数据直接地合成低能量投影数据的示例性方法500的高级流程图。方法500可以作为图3中示出的方法300的子例程。具体地,方法500可以包括生成伪投影数据集的步骤315。可以参照图1和2中示出的系统和组件描述方法500,不过,应当理解,在不偏离本公开的范围下,该方法可以适用于其它系统。
方法500可以在505开始。在505,方法500可以包括从较高kVp数据集直接地生成伪投影数据集。例如,可以通过假设在被成像的主体中的所有材料是单一材料,从较高kVp数据集直接地生成伪投影数据集。单一材料的选择例如可以由用户选择。在一些示例中,可以存在针对单一材料的默认选择。例如,默认选择可以包括水,所以可以通过假设在被成像主体中的所有材料是等同于水的或者被扫描的物体只包含水,从较高kVp数据集直接地生成伪投影数据集。鉴于人体主要包括水,这种假设是合理的。而且,不管材料或材料的深度如何,在低能量下通过材料的深度的光子通量与在高能量下通过相同材料的相同深度的光子通量的比率大致是恒定的。认识到这一点,可以由以下生成伪投影数据集:
其中,分子包括在有效高能量下扫描物体中主导材料(例如对于人体是水)的衰减,分母包括在有效低能量下主导材料的衰减。换言之,可以通过用选择的材料(例如对于人体是水)在低和高能量下的衰减系数的比率缩放高能量数据集,生成伪投影数据集。然后方法500可以结束。
图6是图解说明根据本发明的实施例用于加权合成的和测量的低能量投影数据的示例性方法的高级流程图。方法600可以作为图3中示出的方法300的子例程。具体地,方法600可以包括将伪投影数据集与较低kVp数据集组合成更新的较低kVp数据集的步骤320。可以参照图1和2中示出的系统和组件描述方法600,不过,应当理解在不偏离本公开的范围下,该方法可以适用于其它系统。
方法600可以在605开始。在605,方法600可以包括将伪投影数据集和测量的较低kVp数据集组合。可以根据投影值、噪声和沿投影射线高密度材料的存在,加权每个数据集。例如,可以使用如下公式从伪投影数据集Ppp和原始的较低kVp数据集Porig生成更新的较低kVp数据集P’:
P′=wPpp+(1-w)Porig,
权重w定义为:
其中,T是阈值,K是恒定窗口,函数g(Pio)可以被设计成当更多高密度材料处于整个投影射线中时给伪低kVp数据更多的权重。例如,函数g(Pio)可以被定义为:
其中,PT包括阈值。随着投影射线中碘的数量向阈值PT增加,给予伪投影数据的权重增大。当在投影射线中的碘的数量大于或等于阈值PT时,由于原始投影数据与加权函数的(1-w)依从性(dependence),基本上更多的权重被给予伪投影数据。然后方法600可以结束。
图7是图解说明根据本发明的实施例用于将合成的(synthesized)和测量的低能量投影数据与基于正则化的迭代优化组合的示例性方法700的高级流程图。方法700可以作为图3中示出的方法300的子例程。具体地,方法700可以包括将伪投影数据集与较低kVp数据集组合成更新的较低kVp数据集的步骤320。可以参照图1和2中示出的系统和组件描述方法700,不过,在不偏离本公开的范围下,该方法可以适用于其它系统。
方法700可以在705开始。在705,方法700可以包括将伪投影数据集和测量的较低kVp数据集组合。可以使用基于正则化的迭代优化组合伪投影数据集和测量的较低kVp数据集。特别是,可以使用包括由以下给出的L2正则化的最小化函数,获得更新的较低kVp数据集:
其中,使用方差σ将线性系数ρ定义为:
本公开的技术效果可以包括在低能量CT数据获取中对光子饥饿的补偿。本公开的另一技术效果可以包括在不增加辐射剂量下,由双能量CT成像系统生成的图像的提高的图像质量。例如,光子饥饿的补偿可以降低阴影伪影、偏置伪影等在重构的图像中的存在。本公开的又一技术效果可以包括从用CT成像系统的稀疏视图配置获取的数据生成的图像的提高的图像质量。
在一个实施例中,一种用于双能量成像的方法包括:从较高能量数据集和更新的较低能量数据集生成图像。所述更新的较低能量数据集包括较低能量数据集和从所述较高能量数据集生成的伪投影数据集的组合。
在一个示例中,从所述较高能量数据集生成所述伪投影数据集包括:从所述较高能量数据集重构中间图像;在所述中间图像中表征高密度材料;基于所述中间图像中的所述高密度材料生成前向投影数据集;以及将所述前向投影数据集和所述较高能量数据集组合成所述伪投影数据集。在一个示例中,从所述较高能量数据集生成所述伪投影数据集还包括从所述较低能量数据集重构第二中间图像。在此示例中,生成所述前向投影数据集还基于所述高密度材料在所述第二中间图像中的表征。在一些示例中,所述中间图像是使用滤波后向投影重构的。
在另一示例中,通过用选择的材料在较低能量和较高能量的衰减系数的比率缩放所述较高能量数据集,直接从所述较高能量数据集生成所述伪投影数据集。在一个示例中,所述选择的材料包括水(例如当对人体成像时)。
在又一示例中,所述较低能量数据集和所述伪投影数据集的组合包括所述较低能量数据集和所述伪投影数据集的加权和(weighted sum)。替代性地,所述较低能量数据集和所述伪投影数据集是使用基于正则化的迭代优化被组合的。
在一个示例中,从所述较高能量数据集和所述更新的较低能量数据集生成所述图像包括:将所述较高能量数据集和所述更新的较低能量数据集分解成材料基础数据集;将所述材料基础数据集转换成相应的材料密度图像;以及对所述材料密度图像求和,以生成所述图像。
在另一示例中,一种用于双能量成像的方法包括:获得较高能量数据集和较低能量数据集;从所述较高能量数据集直接生成伪投影数据集;基于所述较低能量数据集和所述伪投影数据集的加权组合生成更新的较低能量数据集;以及基于所述较高能量数据集和所述更新的较低能量数据集生成图像。
在一个示例中,从所述较高能量数据集直接生成所述伪投影数据集包括用选择的材料在较低能量和较高能量的衰减系数的比率缩放所述较高能量数据集。例如,选择的材料可以包括对于人体的水。举另一示例,当高密度材料处于投影射线中时,所述加权组合向所述伪投影数据集施加较大权重(larger weight)。
在一个示例中,生成所述图像包括:将所述较高能量数据集和所述更新的较低能量数据集分解成材料基础数据集;将所述材料基础数据集转换成材料密度图像;对所述材料密度图像求和;以及将所述求和的材料密度图像输出到显示器。在一个示例中,所述材料基础数据集的材料基础包括碘和水。举另一示例,所述转换包括滤波后向投影。
在又一实施例中,一种成像系统包括:X射线源,所述X射线源向要被成像的物体发射X射线光束,所述X射线源被配置成发射具有高能量和低能量的X射线;检测器,所述检测器接收由所述物体衰减的X射线;数据获取系统(DAS),所述数据获取系统(DAS)可操作连接至所述检测器。所述系统还包括计算机,所述计算机可操作连接至所述DAS,并用非瞬态存储器中的指令编程(programmed with instructions),所述指令被执行时使所述计算机:基于从所述DAS接收的较高能量数据生成伪投影数据;以及基于所述较高能量数据和所述伪投影数据生成图像。
在一个示例中,所述计算机还用非瞬态存储器中的指令编程,所述指令被执行时使所述计算机:将所述伪投影数据和从所述DAS接收的较低能量数据组合;将组合的数据和所述较高能量数据分解成材料基础数据集;并将所述材料基础数据集转换成材料密度图像。在此示例中,生成所述图像包括对所述材料密度图像求和。
在另一示例中,所述计算机还用非瞬态存储器中的指令编程,所述指令被执行时使所述计算机:将所述伪投影数据和所述较高能量数据分解成材料基础数据集;将所述材料基础数据集转换成材料密度图像;以及对所述材料密度图像求和,以生成所述图像。
在一个示例中,所述检测器和所述X射线源被配置成在稀疏视图模式中(in asparse view mode)获取数据。在另一示例中,所述X射线源被配置成在高峰值千伏电压(high peak kilovoltage)和低峰值千伏电压之间切换,以相应生成较高能量数据和较低能量数据。
如本发明中使用的,以单数陈述的并用词语“一(a)”或“一(an)”开头的元件或步骤应当理解为不排除多个所述元件或步骤,除非这种排除是明确指出的。而且,提到本发明的“一个实施例”不旨在被解释为排除还包括所陈述特征的附加实施例的存在。而且,除非明确指示为相反,否则“包括(comprising)”、“包括(including)”或“具有(having)”一个元件或多个元件(其具有特殊性质)的实施例可以包括不具有该性质的附加的这些元件。术语“包括”和“其中”被用作相应术语“包括”和“其中”的普通语言等同物。而且,术语“第一”、“第二”和“第三”等只用作标记,不旨在对其物体强加数字要求或特殊的位置顺序。
本书面说明书使用示例来公开本发明(包括最佳模式),还使得相关领域的技术人员可能够实践本发明(包括制造和使用任意装置或系统和执行任意结合的方法)。本发明的专利范围由权利要求书限定,并且可以包括本领域技术人员想到的其他示例。如果这样的其他示例具有与权利要求书的文字语言并非不同的结构元件、或者如果这样的其他示例包括与权利要求书的文字语言具有非实质性区别的等同结构元件,则这样的其他示例意欲落入权利要求的范围内。
Claims (15)
1.一种用于双能量成像的方法,包括:
获取较高能量数据集和较低能量数据集;
从所述较高能量数据集生成伪投影数据集;
生成更新的较低能量数据集,包括较低能量数据集和所述伪投影数据集的组合;
从所述较高能量数据集和所述更新的较低能量数据集生成图像,所述生成图像包括将组合的数据和所述较高能量数据分解成材料基础数据集,并将所述材料基础数据集转换成材料密度图像,对所述材料密度图像求和。
2.根据权利要求1所述的方法,其特征在于:从所述较高能量数据集生成所述伪投影数据集包括:
从所述较高能量数据集重构中间图像;
在所述中间图像中表征高密度材料;
基于所述中间图像中的所述高密度材料生成前向投影数据集;以及
将所述前向投影数据集和所述较高能量数据集组合成所述伪投影数据集。
3.根据权利要求2所述的方法,其特征在于:从所述较高能量数据集生成所述伪投影数据集还包括从所述较低能量数据集重构第二中间图像,并且其中,生成所述前向投影数据集还基于所述高密度材料在所述第二中间图像中的表征。
4.根据权利要求2所述的方法,其特征在于:所述中间图像是使用滤波后向投影重构的。
5.根据权利要求1所述的方法,其特征在于:通过用选择的材料在较低能量和较高能量的衰减系数的比率缩放所述较高能量数据集,直接从所述较高能量数据集生成所述伪投影数据集。
6.根据权利要求5所述的方法,其特征在于:所述选择的材料包括水。
7.根据权利要求1所述的方法,其特征在于:所述较低能量数据集和所述伪投影数据集的组合包括所述较低能量数据集和所述伪投影数据集的加权和。
8.根据权利要求1所述的方法,其特征在于:所述较低能量数据集和所述伪投影数据集是使用基于正则化的迭代优化被组合的。
9.一种用于双能量成像的方法,包括:
获得较高能量数据集和较低能量数据集;
从所述较高能量数据集直接生成伪投影数据集;
基于所述较低能量数据集和所述伪投影数据集的加权组合生成更新的较低能量数据集;以及
基于所述较高能量数据集和所述更新的较低能量数据集生成图像,所述生成图像包括将组合的数据和所述较高能量数据分解成材料基础数据集,并将所述材料基础数据集转换成材料密度图像,对所述材料密度图像求和。
10.根据权利要求9所述的方法,其特征在于:从所述较高能量数据集直接生成所述伪投影数据集包括用选择的材料在较低能量和较高能量的衰减系数的比率缩放所述较高能量数据集。
11.根据权利要求9所述的方法,其特征在于:当高密度材料处于投影射线中时,所述加权组合向所述伪投影数据集施加较大权重。
12.根据权利要求11所述的方法,其特征在于:所述材料基础数据集的材料基础包括碘和水。
13.一种成像系统,包括:
X射线源,所述X射线源向要被成像的物体发射X射线光束,所述X射线源被配置成发射具有高能量和低能量的X射线;
检测器,所述检测器接收由所述物体衰减的X射线;
数据获取系统DAS,所述数据获取系统DAS可操作连接至所述检测器,以及
计算机,所述计算机可操作连接至所述DAS,并用非瞬态存储器中的指令编程,所述指令被执行时使所述计算机:
基于从所述DAS接收的较高能量数据生成伪投影数据;
将所述伪投影数据和从所述数据获取系统接收的较低能量数据组合;以及
基于所述较高能量数据和所述组合的数据生成图像,所述生成图像包括将组合的数据和所述较高能量数据分解成材料基础数据集,并将所述材料基础数据集转换成材料密度图像,对所述材料密度图像求和。
14.根据权利要求13所述的系统,其特征在于:所述检测器和所述X射线源被配置成在稀疏视图模式中获得数据。
15.根据权利要求13所述的系统,其特征在于:所述X射线源被配置成在高峰值千伏电压和低峰值千伏电压之间切换,以相应地生成所述较高能量数据和较低能量数据。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US14/567,828 US9585626B2 (en) | 2014-12-11 | 2014-12-11 | Methods and systems for spectral CT imaging |
US14/567828 | 2014-12-11 | ||
PCT/US2015/050864 WO2016093917A1 (en) | 2014-12-11 | 2015-09-18 | Methods and systems for spectral ct imaging |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107004284A CN107004284A (zh) | 2017-08-01 |
CN107004284B true CN107004284B (zh) | 2021-04-06 |
Family
ID=54292910
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201580067425.7A Active CN107004284B (zh) | 2014-12-11 | 2015-09-18 | 用于光谱ct成像的方法和系统 |
Country Status (4)
Country | Link |
---|---|
US (1) | US9585626B2 (zh) |
EP (1) | EP3230953B1 (zh) |
CN (1) | CN107004284B (zh) |
WO (1) | WO2016093917A1 (zh) |
Families Citing this family (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101725099B1 (ko) * | 2014-12-05 | 2017-04-26 | 삼성전자주식회사 | 컴퓨터 단층 촬영장치 및 그 제어방법 |
WO2017019554A1 (en) * | 2015-07-24 | 2017-02-02 | Photo Diagnostic Systems, Inc. | Method and apparatus for performing multi-energy (including dual energy) computed tomography (ct) imaging |
CN106530366B (zh) * | 2015-09-09 | 2019-04-16 | 清华大学 | 能谱ct图像重建方法及能谱ct成像系统 |
US10165996B2 (en) * | 2015-09-30 | 2019-01-01 | General Electric Company | Systems and methods for dual-energy computed tomography imaging |
US10531854B2 (en) * | 2015-12-01 | 2020-01-14 | Canon Medical Systems Corporation | X-ray CT apparatus |
JP6590773B2 (ja) * | 2016-09-08 | 2019-10-16 | 富士フイルム株式会社 | 画像処理装置、方法およびプログラム |
KR102325343B1 (ko) * | 2016-10-31 | 2021-11-11 | 삼성전자주식회사 | 의료 영상 장치 및 의료 영상 처리 방법 |
US10573030B2 (en) | 2017-04-07 | 2020-02-25 | Photo Diagnostic Systems, Inc. | Method for artifact reduction using monoenergetic data in computed tomography |
EP3431007B1 (en) * | 2017-07-21 | 2020-06-17 | Koninklijke Philips N.V. | Creation of electron density datasets from spectral ct datasets |
US10610173B2 (en) * | 2018-01-16 | 2020-04-07 | General Electric Company | System and method to improve spatial resolution in computed tomography |
US10893839B2 (en) | 2018-06-06 | 2021-01-19 | General Electric Company | Computed tomography system and method configured to image at different energy levels and focal spot positions |
EP3605448A1 (en) * | 2018-08-01 | 2020-02-05 | Koninklijke Philips N.V. | Method for providing automatic adaptive energy setting for ct virtual monochromatic imaging |
US11176642B2 (en) * | 2019-07-09 | 2021-11-16 | GE Precision Healthcare LLC | System and method for processing data acquired utilizing multi-energy computed tomography imaging |
Family Cites Families (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6950492B2 (en) * | 2003-06-25 | 2005-09-27 | Besson Guy M | Dynamic multi-spectral X-ray projection imaging |
RU2386981C2 (ru) * | 2005-04-26 | 2010-04-20 | Конинклейке Филипс Электроникс Н.В. | Улучшенная детекторная матрица для спектральной компьютерной томографии |
JP2008006032A (ja) * | 2006-06-29 | 2008-01-17 | Ge Medical Systems Global Technology Co Llc | X線ct装置およびx線ct撮影方法 |
US7724865B2 (en) * | 2007-08-22 | 2010-05-25 | General Electric Company | System and method of optimizing a monochromatic representation of basis material decomposed CT images |
WO2009102996A2 (en) * | 2008-02-15 | 2009-08-20 | Mayo Foundation For Medical Education And Research | System and method for quantitative imaging of chemical composition to decompose more than two materials |
US8218837B2 (en) * | 2008-06-06 | 2012-07-10 | General Electric Company | Material composition detection from effective atomic number computation |
US8165264B2 (en) | 2009-01-28 | 2012-04-24 | Kabushiki Kaisha Toshiba | Method of pre-reconstruction decomposition for fast kV-switching acquisition in dual energy computed tomography (CT) |
US8050479B2 (en) | 2009-02-26 | 2011-11-01 | General Electric Company | Method and system for generating a computed tomography image |
US7995702B2 (en) * | 2009-08-25 | 2011-08-09 | General Electric Company | System and method of data interpolation in fast kVp switching dual energy CT |
US8363917B2 (en) * | 2009-10-14 | 2013-01-29 | General Electric Company | System and method of image artifact reduction in fast kVp switching CT |
US8862206B2 (en) * | 2009-11-12 | 2014-10-14 | Virginia Tech Intellectual Properties, Inc. | Extended interior methods and systems for spectral, optical, and photoacoustic imaging |
US8199874B2 (en) * | 2009-12-11 | 2012-06-12 | General Electric Company | System and method of mitigating low signal data for dual energy CT |
US9693742B2 (en) * | 2011-01-18 | 2017-07-04 | Siemens Aktiengesellschaft | Method for generating a contrast medium-assisted X-ray image and X-ray system |
RU2579815C2 (ru) * | 2011-02-01 | 2016-04-10 | Конинклейке Филипс Н.В. | Способ и система для восстановления изображения компьютерной томографии двойной энергии |
CN103443824B (zh) * | 2011-03-15 | 2016-11-16 | 皇家飞利浦有限公司 | 用于可视化图像配准映射的系统、方法和装置 |
US20120236987A1 (en) * | 2011-03-18 | 2012-09-20 | David Ruimi | Multiple energy ct scanner |
US8532744B2 (en) * | 2011-08-23 | 2013-09-10 | General Electric Company | Method and system for design of spectral filter to classify tissue and material from multi-energy images |
WO2013165396A1 (en) | 2012-05-01 | 2013-11-07 | Analogic Corporation | Determination of z-effective value for set of voxels using ct density image and sparse multi-energy data |
US8855385B2 (en) * | 2012-07-06 | 2014-10-07 | General Electric Company | Apparatus and method for multi-energy tissue quantification |
CN103247061B (zh) * | 2013-02-05 | 2017-02-15 | 南方医科大学 | 一种x射线ct图像的增广拉格朗日迭代重建方法 |
US9220469B2 (en) * | 2013-12-31 | 2015-12-29 | General Electric Company | Systems and methods for correcting detector errors in computed tomography imaging |
-
2014
- 2014-12-11 US US14/567,828 patent/US9585626B2/en active Active
-
2015
- 2015-09-18 WO PCT/US2015/050864 patent/WO2016093917A1/en active Application Filing
- 2015-09-18 EP EP15778803.5A patent/EP3230953B1/en active Active
- 2015-09-18 CN CN201580067425.7A patent/CN107004284B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN107004284A (zh) | 2017-08-01 |
EP3230953A1 (en) | 2017-10-18 |
EP3230953B1 (en) | 2020-11-25 |
US9585626B2 (en) | 2017-03-07 |
US20160166221A1 (en) | 2016-06-16 |
WO2016093917A1 (en) | 2016-06-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107004284B (zh) | 用于光谱ct成像的方法和系统 | |
US9498179B1 (en) | Methods and systems for metal artifact reduction in spectral CT imaging | |
US8055039B2 (en) | System and method to obtain noise mitigated monochromatic representation for varying energy level | |
US7734076B2 (en) | Material decomposition image noise reduction | |
US7760848B2 (en) | Method and system for generating a multi-spectral image of an object | |
US6904118B2 (en) | Method and apparatus for generating a density map using dual-energy CT | |
US8787519B2 (en) | System and method of optimizing a representation of dual energy spectral CT images | |
US9036879B2 (en) | Multi-material decomposition using dual energy computed tomography | |
US9074986B2 (en) | System and method for reducing high density artifacts in computed tomography imaging | |
US9943279B2 (en) | Methods and systems for task-based data generation and weighting for CT spectral imaging | |
US11419566B2 (en) | Systems and methods for improving image quality with three-dimensional scout | |
CN110636796B (zh) | X射线暗场成像中的射束硬化校正 | |
CN110811660B (zh) | 一种校正ct射线束硬化伪影的方法 | |
WO2010015953A2 (en) | Spectral imaging | |
US20100310036A1 (en) | Computed tomography method and apparatus | |
US9984476B2 (en) | Methods and systems for automatic segmentation | |
US9836862B2 (en) | Methods and systems for contrast enhanced imaging with single energy acquisition | |
CN107212898B (zh) | 图像重建方法 | |
US10383589B2 (en) | Direct monochromatic image generation for spectral computed tomography | |
EP3821811B1 (en) | Systems and methods for coherent scatter imaging using a segmented photon-counting detector for computed tomography | |
US11361415B2 (en) | Material-selective adaptive blending of volumeiric image data | |
US11270477B2 (en) | Systems and methods for tailored image texture in iterative image reconstruction | |
WO2016186746A1 (en) | Methods and systems for automatic segmentation | |
Lee et al. | Comparison study of image quality and effective dose in dual energy chest digital tomosynthesis | |
CN114746019A (zh) | 基于造影剂的血管成像 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |