CN107087393B - 用于将多个采集的对比度归一化的方法和系统 - Google Patents

用于将多个采集的对比度归一化的方法和系统 Download PDF

Info

Publication number
CN107087393B
CN107087393B CN201580057547.8A CN201580057547A CN107087393B CN 107087393 B CN107087393 B CN 107087393B CN 201580057547 A CN201580057547 A CN 201580057547A CN 107087393 B CN107087393 B CN 107087393B
Authority
CN
China
Prior art keywords
image
mask
subvolume
original image
correction
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
CN201580057547.8A
Other languages
English (en)
Other versions
CN107087393A (zh
Inventor
B.E.内特
C.苗
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.)
General Electric Co
Original Assignee
General Electric Co
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 General Electric Co filed Critical General Electric Co
Publication of CN107087393A publication Critical patent/CN107087393A/zh
Application granted granted Critical
Publication of CN107087393B publication Critical patent/CN107087393B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/12—Edge-based segmentation
    • 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
    • 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
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B34/00—Computer-aided surgery; Manipulators or robots specially adapted for use in surgery
    • A61B34/10—Computer-aided planning, simulation or modelling of surgical operations
    • 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
    • A61B6/481—Diagnostic techniques involving the use of contrast agents
    • 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
    • A61B6/5258—Devices using data or image processing specially adapted for radiation diagnosis involving detection or reduction of artifacts or noise
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B90/00—Instruments, implements or accessories specially adapted for surgery or diagnosis and not covered by any of the groups A61B1/00 - A61B50/00, e.g. for luxation treatment or for protecting wound edges
    • A61B90/36—Image-producing devices or illumination devices not otherwise provided for
    • A61B90/37—Surgical systems with images on a monitor during operation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/90—Dynamic range modification of images or parts thereof
    • G06T5/94—Dynamic range modification of images or parts thereof based on local image properties, e.g. for local contrast enhancement
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B90/00—Instruments, implements or accessories specially adapted for surgery or diagnosis and not covered by any of the groups A61B1/00 - A61B50/00, e.g. for luxation treatment or for protecting wound edges
    • A61B90/36—Image-producing devices or illumination devices not otherwise provided for
    • A61B90/37—Surgical systems with images on a monitor during operation
    • A61B2090/374—NMR or MRI
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B90/00—Instruments, implements or accessories specially adapted for surgery or diagnosis and not covered by any of the groups A61B1/00 - A61B50/00, e.g. for luxation treatment or for protecting wound edges
    • A61B90/36—Image-producing devices or illumination devices not otherwise provided for
    • A61B90/37—Surgical systems with images on a monitor during operation
    • A61B2090/376—Surgical systems with images on a monitor during operation using X-rays, e.g. fluoroscopy
    • A61B2090/3762—Surgical systems with images on a monitor during operation using X-rays, e.g. fluoroscopy using computed tomography systems [CT]
    • A61B2090/3764—Surgical systems with images on a monitor during operation using X-rays, e.g. fluoroscopy using computed tomography systems [CT] with a rotating C-arm having a cone beam emitting source
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B90/00—Instruments, implements or accessories specially adapted for surgery or diagnosis and not covered by any of the groups A61B1/00 - A61B50/00, e.g. for luxation treatment or for protecting wound edges
    • A61B90/36—Image-producing devices or illumination devices not otherwise provided for
    • A61B90/37—Surgical systems with images on a monitor during operation
    • A61B2090/378—Surgical systems with images on a monitor during operation using ultrasound
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B2576/00—Medical imaging apparatus involving image processing or analysis
    • 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]
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20212—Image combination
    • G06T2207/20224—Image subtraction

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Medical Informatics (AREA)
  • Physics & Mathematics (AREA)
  • Surgery (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Public Health (AREA)
  • Biomedical Technology (AREA)
  • Molecular Biology (AREA)
  • Veterinary Medicine (AREA)
  • Animal Behavior & Ethology (AREA)
  • General Health & Medical Sciences (AREA)
  • Pathology (AREA)
  • Radiology & Medical Imaging (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • High Energy & Nuclear Physics (AREA)
  • Biophysics (AREA)
  • Optics & Photonics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Gynecology & Obstetrics (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Robotics (AREA)
  • Apparatus For Radiation Diagnosis (AREA)
  • Image Processing (AREA)

Abstract

本发明提供了用于在重建图像的多个采集中校正造影带状伪影的方法和系统。在一个实施例中，用于计算机断层扫描成像的方法包括：生成包括多个子体的原始图像；按每个子体的不同结构分割所述原始图像；选择性地对子体中包括连续结构的每个区域应用基于掩模的校正，以产生更新图像；以及在所述原始图像与所述更新图像之间执行条纹校正，以产生最终图像。通过这种方式，可以在不调整图像中的解剖结构的情况下改进图像质量。

Description

用于将多个采集的对比度归一化的方法和系统
技术领域
本说明书中公开的主题的实施例涉及无创成像(non-invasive imaging)，并且确切地说，涉及校正图像重建期间产生的造影带状伪影(contrast banding artifacts)。
背景技术
在计算机断层扫描(CT)和荧光镜透视检查成像系统中，X射线辐射将横跨患者等相关对象，一部分辐射将撞击收集图像数据的检测器或摄影底片。于是一些X射线系统中使用摄影底片进行显影以产生图像，供放射科医师或主治医师用于诊断。在数字X射线系统中，光检测器会产生用来表示撞击在检测器表面的离散像素区上的辐射量或辐射强度的信号。然后可处理所述信号来生成图像，以供显示并查看。在CT系统中，当扫描架围绕患者移位时，包括一系列检测器元件的检测器阵列通过多个位置产生类似的信号。
在由此类系统产生的图像中，基于当X射线穿透患者组织时遇到的材料所引起不同程度的X射线衰减而建立造影。通常，材料原子的原子序数越大，X射线衰减越高。因此，诸如骨等组织相对于诸如脂肪组织等其他组织而言可产生相对较高的对比度。一些用于CT和荧光镜透视检查成像技术采用造影剂(contrast agent)在血管等通常不具有相对较高对比度的区域中建立人工造影。所述造影剂可包括能够以相对较高效率使X射线衰减的一种或多种原子，例如碘。例如，在 CT血管造影术中，通常先将造影剂注射到患者体内，然后再进行CT 成像。所述造影剂通常灌注到所述患者的特定组织，并且所得的CT 图像包含与灌注造影剂的区域相对应的造影增强区域。
所述系统产生的图像可包括在不同时间采集的数据。由于造影剂需要时间进行灌注，因此每次数据采集期间的对比度可能不同。因此，使用多个采集进行重建的图像可能包括造影带状伪影(contrast banding artifacts)。所述伪影可能导致查看最终图像的医师和患者产生困惑。
发明内容
在一个实施例中，用于计算机断层扫描成像的方法包括：产生包括多个子体(subvolume)的原始图像；针对每个子体，根据不同结构分割所述原始图像；选择性地向子体中包括连续结构的每个区域应用基于掩模的校正，以产生更新图像；以及在所述原始图像与所述更新图像之间执行条纹校正，以产生最终图像。通过这种方式，可以在不调整图像中的解剖结构的情况下改进图像质量。
应了解，上述简要说明旨在以简化的方式介绍将在具体实施方式中进一步详述的一系列概念。而无意于确定本发明主题的关键特征或主要特征，本发明的范围仅由具体实施方式之后的权利要求书来限定。此外，本发明的主题并不限于解决以上所述的或本公开案任何部分中指出的任何缺点的实施方式。
附图说明
参考附图以下非限定性实施例使本发明更易理解，其中：
图1是根据本发明一个实施例的CT系统的示意简图。
图2是根据本发明一个实施例的示例性成像系统的方框示意图。
图3是高级流程图，示出了根据本发明一个实施例的用于多板造影剂(multi-slabcontrast agent)DC校正的示例性方法。
图4是根据本发明一个实施例的多板造影剂DC校正的概图。
图5是高级流程图，示出了根据本发明一个实施例的用于应用粗略分割的示例性方法。
图6示出了根据本发明一个实施例的粗略分割的概图。
图7是高级流程图，示出了根据本发明一个实施例的用于基于掩模的局部DC校正的示例性方法。
图8是高级流程图，示出了根据本发明一个实施例的用于沿指定切片应用掩模的示例性方法。
图9示出了根据本发明一个实施例的基于掩模的局部DC校正的概图。
图10是高级流程图，示出了根据本发明一个实施例的用于低频条纹校正的示例性方法。
图11示出了根据本发明一个实施例的低频条纹校正的概图。
具体实施方式
以下说明涉及医疗成像系统的多个实施例。尤其提供了用于重建图像的多个采集中校正造影带状伪影的方法和系统。例如，校正造影带状伪影可包括使用基于掩模的方法调整图像的DC或零频分量。图 1和图2中提供了计算机断层扫描(CT)成像系统的一个实例，所述计算机断层成像系统可用于获取根据现有技术处理的图像。尽管CT 系统是以示例的方式进行描述的，但是应了解，现有技术还可用于使用其他成像方式采集的图像，例如使用层析X射线照相组合 (tomosynthesis)、MRI、PET、SPECT、C形臂血管造影术、乳腺X 线摄影术、超声造影等采集的图像。本说明书中所述的CT成像方式仅作为一个合适的成像方式的实例。
图1和图2中所示的CT系统可配置成使用来自多个采集的数据来重建图像。每个采集可能捕获成像对象体内的不同对比度，从而在重建图像中产生造影带状伪影。用于去除造影带状伪影的后处理方法包括粗略分割图像体(image volume)；移动一个小掩模穿过所述图像体并且调整所述图像体的DC值；以及执行条纹校正，如图3和图 4中所示。可使用简单分割来隔离所述图像体中的相关对象，如图5 和图6中所示。如图7、8和9中所示，基于掩模的局部DC校正(MBLDCC)算法可归一化多个采集的DC值，在下文中也被称为子体或平板(slabs)。由于MBLDCC方法中的掩模运动，可能会将低频条纹伪影引入归一化图像体中。用于执行条纹校正的方法包括将 MBLDCC期间附带去除的低频分量添加到归一化图像体中，如图10 和图11所示。尽管本发明全文中将使用CT成像系统的心脏成像作为非限定性的说明性实例，但是受益于本发明的所属领域的普通技术人员可轻易地认识到，本发明技术的新颖特征可扩展到多种成像系统并且可应用于多种对象。
图1示出了示例性CT系统100，所述系统配置成可实现快速迭代的图像重建。确切地说，CT系统100配置成对诸如患者、无生命对象、一个或多个制造零件等对象以及/或者牙科植入物、支架和/或造影剂等体内存在的异物进行成像。在一个实施例中，CT系统100 包括扫描架102，所述扫描架又可进一步包括至少一个X射线辐射源 104，所述X射线辐射源配置成投射X射线辐射束106，以用于对患者进行成像。确切地说，辐射源104配置成向设置于扫描架102相对侧上的检测器阵列108投射X射线106。尽管图1仅示出了一个辐射源104，但是在特定实施例中，可采用多个辐射源来投射多个X射线 106，以在不同能量级下采集与患者相对应的投影数据。
在特定实施例中，CT系统100进一步包括图像处理单元110，所述图像处理单元配置成使用迭代或解析图像重建方法来重建患者目标体的图像。例如，图像处理单元110可使用诸如滤波背投影(FBP) 等解析图像重建方法来重建患者目标体的图像。再如，图像处理单元 110可使用诸如共轭梯度(CG)、最大似然期望最大化(MLEM)或基于模型的迭代重建(MBIR)等迭代图像重建方法来重建患者目标体的图像。
在一些实施例中，重建图像可包括来自在离散时间取得的多个采集的数据，在本说明书中有时又称为平板或子体。在CT系统100配置成对对象内的造影剂进行成像的实例中，每个平板可包括造影剂在灌注过程中的不同时间形成的但具有相同下层解剖结构的不同对比度。在所述实例中，CT系统100可归一化对所有采集或平板的对比度。例如，如本说明书中的进一步描述，CT系统100可通过相对于参考平板调整一个或多个平板的DC分量来执行对比度校正。
图2示出了与图1中的CT系统100类似的示例性成像系统200。根据本发明的多个方面，系统200配置成归一化对重建图像体中的多个采集的对比度。在一个实施例中，系统200包括检测器阵列108(参见图1)。检测器阵列108进一步包括多个检测器元件202，这些检测器元件共同感测穿过诸如患者等对象204的X射线束106(参见图 1)，以采集对应的投影数据。相应地，在一个实施例中，检测器阵列108制造成多切片构造，包括多排单元或检测器元件202。在所述构造中，一排或多排额外的检测器元件202以平行构造布置，用于采集投影数据。
在特定实施例中，系统200配置成横穿围绕对象204的不同角位置，以采集所需的投影数据。因此，扫描架102以及其上安装的部件可配置成围绕旋转中心206旋转，以在例如不同的能量水平下采集投影数据。或者，在相对于对象204的投影角随时间变化的实施例中，所安装的部件可配置成沿一般曲线而不是沿圆周线的一段进行移动。
在一个实施例中，系统200包括控制机构208，用于控制部件的移动，例如扫描架102的旋转和X射线辐射源104的操作。在特定实施例中，控制机构208进一步包括X射线控制器210，所述X射线控制器配置成向辐射源104提供功率信号和定时信号。此外，控制机构208包括扫描架电动机控制器212，所述扫描架电动机控制器配置成基于成像要求控制扫描架102的转速和/或位置。
在特定实施例中，控制机构208进一步包括数据采集系统(DAS) 214，所述数据采集系统配置成对从检测器元件202接收的模拟数据进行采样，并且将所述模拟数据转换成数字数据以进行后续处理。由 DAS 214采样和数字化的数据将传输到计算装置216。在一个实例中，计算装置216将数据存储在存储装置218中。例如，存储装置218可包括硬盘驱动器、软盘驱动器、光盘读/写(CD-R/W)驱动机、数字通用磁盘(DVD)驱动器、闪存驱动器和/或固态存储装置。
此外，计算装置216向DAS 214、X射线控制器210和扫描架电动机控制器212中的一者或多者提供命令和参数，以控制数据采集和 /或处理等系统操作。在特定实施例中，计算装置216基于操作员的输入控制系统操作。计算装置216通过操作员控制台220接收操作员输入，例如，包括命令和/或扫描参数，所述操作员控制台可操作地连接到计算装置216。操作员控制台220可包括键盘(未图示)或触摸屏，以供操作员指定命令和/或扫描参数。
尽管图2仅示出了一个操作员控制台220，但是多个操作员控制台可连接到系统200，例如，用于输入或输出系统参数、请求进行检查并且/或者查看图像。此外，在特定实施例中，系统200可通过诸如互联网和/或虚拟专用网等一个或多个可配置的有线和/或无线网络 222连接到多个位于本地或远程位置的显示器、打印机、工作站和/或类似装置，例如，位于某一机构或医院内，或者在完全不同的位置。
在一个实施例中，例如，系统200可包括或者连接到图像存档和通信系统(PACS)224。在一个示例性实现中，PACS 224进一步连接到放射科信息系统、医院信息系统等远程系统以及/或者内部或外部网络(未图示)，以便处于不同位置的操作员提供命令和参数并且/ 或者获得访问图像数据的权限。
计算装置216使用操作员提供的以及/或者系统定义的命令和参数来操作工作台电动机控制器226，该工作台电动机控制器又可控制电动工作台228。确切地说，工作台电动机控制器226可移动工作台 228，以适当地将对象204定位在扫描架102中，从而采集与对象204 的目标体相对应的投影数据。
如上所述，DAS 214对检测器元件202采集的投影数据进行采样和数字化。之后，图像重建器230使用采样和数字化的X射线束数据来执行高速重建。尽管图2中将图像重建器230图示为单独的实体，但是在特定实施例中，图像重建器230可构成计算装置216的一部分。或者，图像重建器230可不存在于系统200中，而由计算装置216执行图像重建器230的一个或多个功能。此外，图像重建器230可以位于本地或远程，并且可以使用有线或无线网络可操作地连接到系统 100。确切地说，一个示例性实施例可将“云”网络群集中的计算资源用作图像重建器230。
在一个实施例中，图像重建器230存储存储装置218中重建的图像。或者，图像重建器230将重建图像传输到计算装置216，以生成对诊断和评估有用的患者信息。在特定实施例中，计算装置216将重建图像和/或患者信息传输到显示器232，所述显示器以通信方式连接到计算装置216和/或图像重建器230。
系统200可启用后处理方法以校正重建图像上的对比度。例如，图像重建器230可从在离散时间进行的多个数据采集来重建图像。因此，由于数据采集期间的造影剂灌注，不同平板之间的对比度可能不同。本说明书中参考图3进一步描述了用于归一化重建图像中多个平板的对比度的方法。
本说明书中进一步描述的各种方法和过程可作为可执行指令存储在系统200计算装置的非瞬时存储器中。在一个实施例中，图像重建器230可包括非瞬时存储器中的所述指令，并且可在使用扫描数据重建图像之后应用所述方法。在另一个实施例中，计算装置216可包括非瞬时存储器中的指令，并且可在从图像重建器230接收重建图像之后对重建图像应用所述方法。在又一个实施例中，本说明书中所述的方法和过程可应用于图像重建器230和计算装置216。例如，图像重建器230可对重建图像应用粗略分割，然后将重建图像传输到计算装置216，并且计算装置216可对分割的图像应用基于掩模的局部DC 校正。
在一个实施例中，显示器232允许操作员评估成像的解剖结构。显示器232还能使操作员例如通过图形用户界面(GUI)等选择关注体体(VOI)和/或请求患者信息，以进行后续扫描或处理。
图3是高级流程图，示出了根据本发明一个实施例的用于多板造影剂DC校正的示例性方法300。确切地说，方法300包括后处理方法，用于在图像重建之后归一化不同采集或平板的对比度，以改进图像质量。方法300可由计算装置216执行，并且作为可执行指令存储在存储装置218的非瞬时存储器中。
通常，方法300设计为将一个平板处理成参考平板，仅调整平板之间的DC差异，以便所述方法不会更改为诊断提供重要细节的高频分量，也不会更改成像的解剖结构，例如心脏解剖结构中的冠状动脉。尽管心脏成像用作本发明的非限定性说明实例，但是方法300还可用于诸如肺部成像等其他器官解剖结构成像的造影剂校正。此外，尽管器官解剖组织成像用作本发明的非限定性说明实例，但是受益于本发明的所属领域中的普通技术人员可轻易地认识到，配置成对一个或多个任何结构成像的其他任何成像系统也可使用方法300来执行对比度校正。
方法300可从305开始。在305处，方法300可包括生成图像。生成图像可包括通过系统200使用一个或多个采集的数据集重建图像。重建图像可包括应用本说明书中上文所述的并且所属领域中已知的迭代或解析图像重建方法。所述图像可使用在不同时间执行的多个数据采集进行重建，因此可包括不同平板，由于造影剂的灌注是逐渐进行的，因此每个平板具有不同的对比度。
在310中，方法300可包括对图像应用粗略分割。所述方法可能不太依赖于具体分割，因为心腔难以分割，并且依赖于分割的方法可能导致校正错误。心腔的粗略分割(即，碘化造影剂)可在从原始图像中减去梯度图像之后执行，以便更好地分隔不同的心腔。此步骤的目的在于通过选择两个阈值(下限和上限)来使用造影剂粗略地分割心腔，其中下限阈值排除空气、脂肪、软组织等，而上限阈值排除金属材料。分割之后，可以标记3D体中不同的连通分量。本说明书中参考图5进一步描述了粗略分割方法。
在315中，方法300可包括对分割的图像应用基于掩模的局部 DC校正(MBLDCC)。所述MBLDCC算法可应用到每个连通分量。在此步骤中，选择跨整个体的小长方体掩模，并且将其移动穿过x-y 平面。基于参考平板中的包含在所述掩模中的区域的DC分量，调整包含在所述掩模内的区域的DC分量。通过使用局部求和而非一次性补偿整个连通分量，此方法可避免对体中的每个造影剂区域进行高难度的直接分割。本说明书中参考图7进一步描述了MBLDCC方法。
在320中，方法300可包括对经过对比度校正的图像应用低频条纹校正。MBLDCC算法可粗略地将平板的DC分量调整到可接受的水平。但是，掩模的移动方向可能引入一些低频条纹伪影。为克服该难题，使用零DC分量分量差异图像来改进结果，所述零DC分量差异图像是原始图像与调整后图像(即，具有正确DC，但可能存在条纹伪影的图像)之间的差异。本说明书中参考图10进一步描述了低频条纹校正方法。
在325中，方法300可包括输出图像。方法300随后可结束。
图4是根据本发明一个实施例的用于多板造影剂DC校正的概图 400。确切地说，概图400示出了上文参考图3所述的方法300。
原始图像405包括在图像重建期间使用离散时间采集的多个数据集形成的多个子体。由于时间的离散性，原始图像405可能由于不同子体之间的对比度不同而包括造影带状伪影。
过程410可通过归一化每个子体的零频分量以与参考子体的零频率部分匹配去除造影带状伪影。如上所述，过程410因此可包括对原始图像410应用粗略分割和MBLDCC，以生成对比归一化图像415。
由于掩模的定向移动，过程410可能对图像引入条纹伪影，如对比度归一化的图像415中所示。过程420包括减去图像中的条纹，以生成最终的条纹校正和对比度归一化图像425。
图5是高级流程图，示出了根据本发明一个实施例的用于应用粗略分割的示例性方法500。确切地说，方法500涉及粗略分割图像，以将包含造影剂的分量与非造影剂增强分量区分开来。方法500可由计算装置216执行，并作为可执行指令存储在存储装置218的非瞬时存储器中。
在505中，方法500可包括接收图像输入。接收图像输入可包括接收重建图像。在一个实施例中，接收图像输入可包括接收重建图像的单个子体，其中所述子体包括来自单个数据采集的数据，而在另一个实施例中，接收图像输入可包括接收重建图像的所有子体，其中每个子体与不同的采集相对应。无论在505中接收的子体的数量多少，方法500的后续步骤均可应用到每个子体。
在510中，方法500可包括计算上限和下限阈值。所述上限阈值可根据经验选择，以排除高亨斯菲尔德单位(HU)的材料，例如金属和高密度漩涡状对比材料。下限阈值可使用Gonzalez&Woods算法等进行计算，以排除低HU材料，例如软组织、脂肪、空气等。例如，为使用Gonzalez&Woods算法计算图像的阈值，计算装置可使用初始阈值T0对阈值T初始化，该初始阈值包括图像的最大值和最小值的平均值。之后，计算装置可使用初始阈值T0分割图像，以生成两组图像像素，一组的图像像素小于或等于初始阈值T0，而另一组的图像像素大于初始阈值T0。之后，计算装置可计算这两组的平均像素值。之后，计算装置可计算新阈值T1，该阈值是这两组的平均值的均值。计算装置可使用新阈值T1作为初始阈值来重复以上步骤。计算装置可重复以上步骤N次，直到新阈值TN+1与当前阈值TN的绝对差小于指定数字。之后，计算装置可使用所获得的最终阈值作为下限阈值。
在计算上限阈值和下限阈值之后，方法500可继续执行515。在 515中，方法500可包括使用所计算的阈值对所述图像应用简单分割。分割图像可包括将图像划分成不同的对象。例如，可使用这两个阈值粗略分割填充造影剂的心腔和大血管。在一个实例中，基于原始图像体与梯度图像体之间的差异图像体执行简单分割。分割会产生与输入图像体的尺寸相同的二进制图像体。
继续520，方法500可包括逐片对分割的图像应用二进制掩模。基于所述二进制图像体，可去除非心腔区域的小对象，并且逐片填充主要位于心腔区域中的掩模中的小孔。在525中，方法500可包括删除面积小于像素数Nad的区域。在530中，方法500可包括填充面积小于像素数Nhf的孔洞。
在535中，方法500可包括对最终3D二进制图像体中的隔开分量进行标记。标记隔开的分量之后，分割图像就可以应用MBLDCC 了。在540中，方法500可包括输出分割图像。方法500可在此结束。
图6是概图600，示出了根据本发明一个实施例的用于粗略分割的方法。确切地说，概图600示出了图5中所示的方法500的步骤。
原始图像体605包括未经过任何重建后处理的重建图像。可使用原始图像体605确定上限和下限阈值。如图5中的步骤510所述计算上限和下限阈值之后，这些阈值用于使用步骤515粗略地分割原始图像，从而产生粗略分割的图像体615。
步骤620包括生成适当尺寸的二进制掩模625，以覆盖图像体中的相关分量。步骤520包括对粗略分割的图像体615应用二进制掩模 625，以去除分割图像容器中位于二进制掩模区域之外的分量，如掩模图像体635所示。
步骤525可应用到掩模图像体635，以删除掩模图像体635中面积小于像素数Nad的区域，从而产生图像体645。之后，步骤530可应用到图像体645，以删除图像体645中面积大于像素数Nhf的区域，从而产生最终图像体655。
最终图像体655包括分割图像体，所述图像体包括造影剂增强分量。每个独立分量可标上对象索引，以识别每个不同的部件。标记相关分量之后，准备图像体655进行基于掩模的局部DC校正，如本说明书中图7所示。
图7是高级流程图，示出了根据本发明一个实施例的用于基于掩模的局部DC校正的示例性方法700。确切地说，方法700涉及使重建图像中每个子体或平板的零频率或DC分量归一化。方法700 可由计算装置216执行，并且作为可执行指令存储在存储装置218的非瞬时存储器中。
方法700可从705开始。在705中，方法700可包括接收分割的图像体。所述分割的图像体可以根据图5中所示以及本说明书上文中所述的方法500进行分割。但是，所述分割的图像体可在不脱离本发明的范围的前提下，依据不同的分割方法进行分割。
在710中，方法700可包括选择参考平板(RS)。在一个实例中，可基于预先确定的平板顺序自动选择所述参考平板。在另一个实例中，可基于每个平板的对比度自动选择所述参考平板，其中选择特定平板作为参考平板基于预定范围内的特定平板的对比度。在又一个实例中，所述参考平板可由系统200的操作员手动选择，例如，使用操作员控制台220。DC分量包括分割图像的每个其他平板的DC分量可基于RS的DC分量进行调整。关于术语，相对于RS主动校正的平板在下文中可能被称为本平板(TS)。
在715中，方法700可包括选择在本平板(TS)中要调整的对象。如本说明书中参考图5所示，可标记图像体的各个独立分量。但是，并非所有分量均需要校正。为选择待调整的对象并且排除不需要调整的对象，计算装置可计算TS和TS中每个对象的立体像素(voxelnumbers)。如果两个平板的立体像素大于零，则所考虑的对象可能需要校正。如果RS或TS中指定对象的立体像素等于零，则计算装置可不对对象应用MBLDC，因为RS中没有可用的参考DC，也无需校正 TS中的DC分量。
继续720，方法700可包括逐片对每个对象索引应用盘式过滤器。对于在步骤715中选择用于校正的每个3D对象，指定半径的2D盘式过滤器可逐片应用到所述对象的对象索引。通过这种方式应用盘式过滤器可确保对象边界与背景之间的平稳变化。如不将所述盘式过滤器应用于对象索引，则对象边界与小孔边界可能存在尖锐变化。
在725中，方法700可包括通过整个x-y平面对TS应用MBLDCC 掩模。在726中，方法700可包括分隔掩模下的TS中的块。在727 中，方法700可包括调整每个块的DC等级。在728中，方法700可包括处理记录的掩模。本说明书参考图8进一步描述了用于对指定y 值应用MBLDCC的方法。
在对TS应用MBLDCC掩模之后，方法700便可结束。可对每个平板重复执行方法700。本说明书参见图9进一步描述了一种用于向每个平板应用方法700的示例性工作流程。
图8是高级流程图，示出了根据本发明一个实施例的用于沿指定切片应用掩模的示例性方法800。确切地说，方法800涉及在y值给定的情况下根据方法700校正平板的DC等级。方法800可由计算装置216执行，并且作为可执行指令存储在存储装置218的非瞬时存储器中。
方法800可从805开始。在805中，方法800可包括在y值给定的情况下，将掩模移动时的DC分量数计数，或者DCNRS设置成等于零。
在810中，方法800可包括提供掩模。在815中，方法800可包括确定当前掩模下的TS中的像素数，或者pNTS mask是否大于零。如果 PNTS mask大于零，则可由MBLDCC校正底层对象。但是，如果PNTS mask等于零，可能不需要校正TS中的DC分量，因为在掩模的该位置不存在任何要校正的对象。
因此，如果PNTS mask大于零，则方法800可继续执行820。在820 中，方法800可包括确定当前掩模下的RS中的像素数，或PNRS mask是否大于零，或者与小于当前掩模下的边界定义的平板边界接触的切片内的TS的像素数，或者PNRSBD mask是否大于零。如果PNRS mask等于零，则RS中可能不存在参考DC值。如果PNRSBD mask大于零，则对象可以接触并且/或者穿过RS与TS之间的平板边界。
如果PNRS mask和PNRSBD mask均大于零，方法800可以继续执行825。在825中，方法800可以将DCNRS增加一，以指示在掩模移动时， RS中的DC分量数已经增加。
在830中，方法800可包括分隔掩模下的TS中的块。如果TS中的掩模下仅有一个块，则步骤830为非重要步骤。但是，TS中可能存在两个或更多个具有不同DC分量的块。使用相同参考值调整TS中两个或更多个块的DC分量可能导致错误。
在835中，方法800可包括调整每个块的DC等级或零频分量。如果存在接触平板边界的块，则可通过RS中的DC分量调整该块的 DC分量。如果存在不接触平板边界的块，则可基于RS中的平均DC 分量调整该块的DC分量。
在840中，方法800可确定指定掩模是否是该y值的最后一个掩模。如果是，则方法800可继续执行845，其中方法800可以包括处理记录的掩模。处理记录的掩模可包括调整任何未经调整的块，因为 RS中的平均DC分量值无法用于调整该块。方法800可在此结束。
返回到840，如果指定掩模不是该y值的最后一个掩模，则方法 800可继续执行850，该步骤中，指定下一个掩模。之后，方法800 可返回到步骤810，如图所示。
返回到820，如果PNRS mask和PNRSBD mask均不大于零，则可能不存在可用于调整TS中的块的RS DC分量值，并且方法800可继续执行 855。在855中，方法800可包括确定DCNRS是否大于零。如果DCNRS大于零，则RS的平均DC分量值可用于调整TS中的块，并且方法 800可继续执行860，其中方法800可包括分隔TS中的块。在865中，方法800可包括调整每个块的DC分量。调整每个块的DC分量可包括使用来自RS的平均DC分量调整TS中的块的DC分量。之后，方法800可继续执行步骤840，并且如上所述继续执行。
返回到855，如果DCNRS不大于零，则方法800可包括在870中记录掩模。记录掩模包括保存该掩模以供后续处理，例如，在845中，可使用平均DC分量值调整所保存的掩模下的块的DC分量。
之后，方法800可继续执行875，以确定指定掩模是否是该y值的最后一个掩模。如果在875中，指定掩模是该y值的最后一个掩模，则方法800可继续到845，在该步骤中，所述方法可以包括处理记录的掩模，然后结束。如果指定掩模不是该y值的最后一个掩模，则方法800可继续执行880，在该步骤中，指定下一个掩模。
返回到815，如果PNTS mask不大于零，则该掩模下没有需要调整的块。方法800可继续执行步骤875，并且如上所述继续执行。
图9是概图900，示出了根据本发明一个实施例的基于掩模的局部DC校正。确切地说，概图900示出了图7和图8中的方法如何按顺序应用到多个平板。概图900示出了图像体910，所述图像体包括四个子体或平板，在图9中图示为第一平板901、第二平板902、第三平板903和第四平板904。但是，在其他实例中，图像体可包括超过四个平板或少于四个平板。
在步骤915中，参考平板(RS)选自四个平板。确切地说，选择第二平板902作为RS。图像体920的阴影部分示出了本说明书中参考图7和图8所述的MBLDCC方法可应用的地方。第二平板902的阴影部分921作为RS ，而第三平板903的阴影部分922作为本平板 (TS)。RS921紧邻TS 922，以在平板边界处提供连续的DC值。
对TS 922应用基于掩模的局部DC校正之后，步骤925选择第三平板903作为图像体930的RS并且选择第四平板904作为该图像体的TS，其中图像体930包括第三平板903的DC校正。确切地说，第三平板903的阴影部分931是RS，并且第四平板904的阴影部分932 是TS。MBLDCC使用RS 931应用到TS 932，直到第四平板904的所有DC值均已校正。
在对第三平板903 应用MBLDCC之后，步骤935选择第二平板 902作为图像体940的RS并且选择第一平板901作为该图像体的TS，其中图像体940包括第三平板903和第四平板904的DC校正。确切地说，第二平板902的阴影部分941作为RS，并且第一平板901的阴影部分942作为TS，其中RS 941紧邻TS 942。使用RS 941的DC 分量值调整TS 942的DC分量值可确保第一平板901与第二部分902 之间的平板边界的DC值是连续的。
在应用MBLDCC对多个平板的对比度进行归一化之后，校正后的图像在矢状视图中可能具有更高的质量。但是，轴向图像可包括由掩模的移动方向引起的条纹伪影。改变掩模的移动方向可校正轴向图像中的所述伪影。但是，以所述方式校正轴向图像中的条纹伪影可能在冠状图像中引入类似的条纹伪影。如本说明书中参考图10和图11 进一步所述，低频条纹校正可确保仅去除DC分量，从而去除由 MBLDCC方法的移动掩模所引起的所有条纹伪影。
图10是高级流程图，示出了根据本发明一个实施例的用于低频条纹校正的示例性方法1000。确切地说，方法1000涉及从使用 MBLDCC加以校正的图像中去除低频条纹伪影。方法1000可由计算装置216执行，并且作为可执行指令存储在存储装置218的非瞬时存储器中。
方法1000可从1005开始。在1005中，方法1000可包括从原始图像中抽取对象索引以创建第一图像。例如，所述对象索引可包括使用方法500获得的已分割和已标记对象。因此，第一图像可包括与一个或多个已标记对象相对应的原始未校正图像的一部分。
在1010中，方法1000可包括从校正图像中抽取对象索引以创建第二图像。与第一图像类似，第二图像可包括与一个或多个已标记对象相对应的校正图像的一部分。
继续1015，方法1000可包括从第一图像中减去第二图像以创建不同的图像。差异图像可包括原始图像与校正图像之间的差异。
在1020中，方法1000可包括从差异图像中减去DC分量以创建零DC图像。通过从差异图像中减去DC分量，零DC图像包括第一图像与第二图像之间的低频差异，同时排除DC分量校正。
在1025中，方法1000可包括将零DC图像添加到第二图像以产生最终图像。通过将零DC图像添加到第二图像，可将MBLDCC期间附带去除的低频分量添加回校正后的图像。因此，最终图像包括未触及图像非零频率分量的DC校正图像，从而保留了解剖结构。方法1000可在此结束。
图11示出了根据本发明一个实施例的低频条纹校正的概图1100。确切地说，概图1100示出了上文参考图10所述的方法1000。
对象索引图像1105包括隔离的对象索引。可将本说明书中参考图10所述的步骤1005应用到原始图像。例如，对象索引图像1105 可作为掩模应用到原始图像，以去除所有图像数据，对象的图像数据除外。如图像1115所示，从原始图像中抽取对象索引，以隔离原始图像的对象索引。
将步骤1010应用到校正图像。例如，对象索引图像1105可作为掩模应用到校正图像，以去除所有图像数据，对象的图像数据除外。如图像1125所示，从校正图像中抽取对象索引，以隔离校正图像的对象索引。
将步骤1015应用到图像1115和图像1125。确切地说，从原始图像1115减去校正图像1125，以产生差异图像1135。
之后，将步骤1020应用到差异图像1135。如图所示，从差异图像中减去零频分量，以产生零频差异图像1145。零频差异图像1145 包括通过MBLDCC从原始图像中附带去除的图像分量。
之后，将步骤1025应用到零频差异图像1145。确切地说，将零频差异图像1145添加到校正图像1125，以产生条纹校正图像1155。除了零频差异图像1145中所示的低频图像数据之外，条纹校正图像 1155还包括图像1125中所示的DC校正。通过这种方式，可以在不进一步调整DC分量的情况下，从最终校正图像中消除条纹伪影。
本发明的技术效果可包括使用多个采集的归一化对比度创建重建图像。本发明的另一个技术效果可包括从归一化图像中去除条纹伪影。
在一个实施例中，用于计算机断层扫描成像的方法，所述方法包括：生成包括多个子体的原始图像；针对每个子体，根据器官的不同结构分割所述原始图像；选择性地对子体中的包括器官结构的每个区域应用基于掩模的校正，以产生更新图像；以及在所述原始图像与所述更新图像之间执行条纹校正，以产生最终图像。所述方法进一步包括基于所述原始图像选择上限阈值和下限阈值。分割原始图像包括基于所述上限阈值和下限阈值应用简单分割。
在一个实例中，分割原始图像进一步包括删除原始图像中面积小于第一像素数的区域。在另一个实例中，分割原始图像进一步包括填充原始图像中面积小于第二像素数的孔洞。在又一个实例中，分割原始图像进一步包括标记所述器官的不同结构。
在一个实例中，选择性地应用基于掩模的校正包括对参考子体的一部分和所选子体的一部分应用三维掩模，以及基于所述掩模内的参考子体的第二值，调整所述掩模内的所选子体的第一值。例如，第一值和第二值包括图像的零频分量。
所述方法进一步包括选择所选子体的所述部分中的对象。基于第二值调整第一值是基于所述对象与参考子体之间的距离的。
在一个实例中，预先自动选择参考子体。在另一个实例中，参考子体由操作员手动选择。
在一个实例中，执行条纹校正包括从原始图像中减去更新图像，以生成差异图像；从差异图像中减去零频分量，以生成低频图像；以及将所述低频图像添加到所述更新图像。
在另一个实施例中，用于医疗成像程序的工作流方法包括：从成像装置接收图像数据到计算机中，其中所述图像数据包括与不同图像采集时间相对应的子体；基于所述子体的对比度确定图像数据是否包括造影带状伪影；应用图像校正算法以使所述子体的对比度归一化；以及显示校正图像数据。在一个实例中，应用所述图像校正算法包括调整图像数据的一个或多个零频分量。
在又一个实施例中，系统包括：存储一个或多个例程的数据存储装置；以及计算装置，所述计算装置配置成执行存储在所述数据存储装置中的一个或多个例程，其中所述一个或多个例程在被所述计算装置执行时，使所述计算装置：生成包括多个子体的原始图像；针对每个子体，根据不同的结构分割所述原始图像；选择性地对子体中的包括连续结构的每个区域应用基于掩模的校正，以生成更新图像；以及执行原始图像与更新图像之间的条纹校正，以生成最终图像。所述一个或多个例程在被所述计算装置执行时，进一步使所述计算装置基于所述原始图像计算上限阈值和下限阈值，并且其中将所述图像分割成不同结构是基于所述上限阈值和下限阈值的。
在一个实例中，选择性地应用基于掩模的校正包括对参考子体的一部分和所选子体的一部分应用三维掩模，以及基于所述掩模内的参考子体的第二值，调整所述掩模内的所选子体的第一值。例如，第一值和第二值包括图像的零频分量。
在另一个实例中，所述计算机经进一步编程为选择所选子体的所述部分中的对象。在所述实例中，基于第二值调整第一值是基于所述对象与参考子体之间的距离的。在一个实例中，预先自动选择参考子体。
在又一个实例中，执行条纹校正包括从原始图像中减去更新图像，以生成差异图像；从差异图像中减去零频分量，以生成低频图像；以及将所述低频图像添加到所述更新图像。
如本说明书中所使用，除非明确排除，否则以单数形式表示并前跟字词“一个”或“一种”的元件或步骤应理解为不排除多个所述元件或步骤。此外，对本发明的“一个实施例”的参考并不旨在解释为排除存在同样包含所述特征的额外实施例。此外，除非明确指出相反情况，否则“包含”、“包括”或“拥有”具有特定性质的某个元件或多个元件的实施例可包括不具有所述性质的其他此类元件。术语“包括(including)”和“其中(in which)”用作对应术语“包括(comprising)”和“其中(wherein)”的简明语言等效物。另外，术语“第一”、“第二”和“第三”等仅用作标签，并且并不旨在对它们的对象强加数字要求或特定位置顺序。
本说明书使用多个实例来公开本发明(包括最佳模式)，并且还使得所属领域的技术人员能够实践本发明，包括制造和使用任何装置或系统以及执行所涵盖的任何方法。本发明的保护范围由权利要求书界定，并可包含所属领域的普通技术人员想出的其他实例。如果其他此类实例的结构要素与权利要求书的字面意义相同，或如果此类实例包括的等效结构要素与权利要求书的字面意义无实质差别，则此类实例也应在权利要求书的范围内。

Claims (20)

1.一种成像方法，包括：
生成包括多个子体的原始图像；
将所述原始图像分割成不同的结构给每个子体；
选择性地对子体中包括连续结构的每个区域应用基于掩模的校正，以生成更新图像；以及
在所述原始图像与所述更新图像之间执行条纹校正，以生成最终图像。
2.根据权利要求1所述的方法，进一步包括基于所述原始图像选择上限阈值和下限阈值，并且其中分割所述原始图像包括基于所述上限阈值和所述下限阈值应用简单分割。
3.根据权利要求2所述的方法，其中分割所述原始图像进一步包括删除所述原始图像中面积小于第一像素数的区域。
4.根据权利要求2所述的方法，其中分割所述原始图像进一步包括填充所述原始图像中面积小于第二像素数的孔洞。
5.根据权利要求1所述的方法，其中分割所述原始图像进一步包括标记所述不同结构。
6.根据权利要求1所述的方法，其中选择性地应用基于掩模的校正包括对参考子体的一部分和所选子体的一部分应用三维掩模，以及基于所述掩模内的所述参考子体的第二值调整所述掩模内的所选子体的第一值。
7.根据权利要求6所述的方法，其中所述第一值和所述第二值包括所述原始图像的零频分量。
8.根据权利要求6所述的方法，进一步包括选择所选子体的所述部分中的对象，并且其中基于所述第二值调整所述第一值是基于所述对象与所述参考子体之间的距离。
9.根据权利要求6所述的方法，其中所述参考子体是自动预选的。
10.根据权利要求6所述的方法，其中所述参考子体是由操作员手动选择的。
11.根据权利要求1所述的方法，其中执行条纹校正包括从所述原始图像中减去所述更新图像，以生成差异图像；从所述差异图像中减去零频分量，以生成低频图像；以及将所述低频图像添加到所述更新图像。
12.一种用于医疗成像程序的工作流程方法，所述方法包括：
从成像装置接收图像数据传到计算机，其中所述图像数据包括与不同图像采集时间相对应的子体；
基于所述子体的对比度确定所述图像数据是否包括造影带状伪影；
应用图像校正算法以归一化所述子体的所述对比度；以及
显示经过校正的图像数据。
13.根据权利要求12所述的工作流程方法，其中应用所述图像校正算法包括调整所述图像数据的一个或多个零频分量。
14.一种医疗成像系统，包括：
数据存储装置，用于存储一个或多个例程；以及
计算装置，所述计算装置配置成执行存储在所述数据存储装置中的所述一个或多个例程，其中所述一个或多个例程在由所述计算装置执行时，使所述计算装置：
生成包括多个子体的原始图像；
将所述原始图像分割成不同的结构给每个子体；
选择性地对子体中包括连续结构的每个区域应用基于掩模的校正，以生成更新图像；以及
在所述原始图像与所述更新图像之间执行条纹校正，以生成最终图像。
15.根据权利要求14所述的医疗成像系统，其中所述一个或多个例程在由所述计算装置执行时，进一步使所述计算装置基于所述原始图像计算上限阈值和下限阈值，并且其中根据所述不同结构分割所述原始图像是基于所述上限阈值和下限阈值的。
16.根据权利要求14所述的医疗成像系统，其中选择性地应用基于掩模的校正包括对参考子体的一部分和所选子体的一部分应用三维掩模，以及基于所述掩模内的所述参考子体的第二值调整所述掩模内的所选子体的第一值。
17.根据权利要求16所述的医疗成像系统，其中所述第一值和所述第二值包括所述原始图像的零频分量。
18.根据权利要求16所述的医疗成像系统，其中所述一个或多个例程在由所述计算装置执行时，进一步使所述计算装置选择所选子体的所述部分中的对象，并且其中基于所述第二值调整所述第一值是基于所述对象与所述参考子体之间的距离的。
19.根据权利要求16所述的医疗成像系统，其中所述参考子体是自动预选的。
20.根据权利要求14所述的医疗成像系统，其中执行条纹校正包括从所述原始图像中减去所述更新图像，以生成差异图像；从所述差异图像中减去零频分量，以生成低频图像；以及将所述低频图像添加到所述更新图像。
CN201580057547.8A 2014-10-21 2015-09-17 用于将多个采集的对比度归一化的方法和系统 Active CN107087393B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US14/520190 2014-10-21
US14/520,190 US9619889B2 (en) 2014-10-21 2014-10-21 Methods and systems for normalizing contrast across multiple acquisitions
PCT/US2015/050705 WO2016064497A1 (en) 2014-10-21 2015-09-17 Methods and systems for normalizing contrast across multiple acquisitions

Publications (2)

Publication Number Publication Date
CN107087393A CN107087393A (zh) 2017-08-22
CN107087393B true CN107087393B (zh) 2020-08-04

Family

ID=54207805

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201580057547.8A Active CN107087393B (zh) 2014-10-21 2015-09-17 用于将多个采集的对比度归一化的方法和系统

Country Status (6)

Country Link
US (1) US9619889B2 (zh)
EP (1) EP3209207B1 (zh)
JP (1) JP2017537674A (zh)
KR (1) KR102493193B1 (zh)
CN (1) CN107087393B (zh)
WO (1) WO2016064497A1 (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11361380B2 (en) * 2016-09-21 2022-06-14 Allstate Insurance Company Enhanced image capture and analysis of damaged tangible objects
CN107669289B (zh) * 2017-11-07 2020-09-11 上海联影医疗科技有限公司 焦点拖尾校正装置、方法、成像方法及计算机可读媒质
JP6962165B2 (ja) * 2017-12-11 2021-11-05 株式会社島津製作所 Ｘ線透視撮影装置
WO2019222897A1 (en) * 2018-05-21 2019-11-28 Shanghai United Imaging Healthcare Co., Ltd. System and method for multi-contrast magnetic resonance imaging
US11341616B2 (en) * 2020-03-23 2022-05-24 Ge Precision Healthcare Methods and system for selective removal of streak artifacts and noise from images using deep neural networks

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20030031299A1 (en) * 2001-06-21 2003-02-13 Kabushiki Kaisha Toshiba Image processing involving correction of beam hardening
CN103860185A (zh) * 2012-12-11 2014-06-18 西门子公司 多能量图像的确定

Family Cites Families (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH07239933A (ja) * 1994-03-01 1995-09-12 Toshiba Medical Eng Co Ltd 画像処理装置
JPH08140964A (ja) * 1994-11-22 1996-06-04 Hitachi Medical Corp Ｘ線ｃｔ装置
US5848117A (en) 1996-11-27 1998-12-08 Analogic Corporation Apparatus and method for computed tomography scanning using halfscan reconstruction with asymmetric detector system
JP2003150954A (ja) 2001-11-14 2003-05-23 Fuji Photo Film Co Ltd 周期的パターン抑制処理方法および装置
KR100470308B1 (ko) * 2002-01-17 2005-02-05 주식회사바텍 선택적 필터 적용을 통한 디지털 엑스레이 영상의 향상방법 및 장치
JP2005296332A (ja) * 2004-04-12 2005-10-27 Toshiba Corp Ｘ線診断装置、画像生成装置及び画像生成方法
US7636462B2 (en) * 2004-09-17 2009-12-22 General Electric Company Method and system for filtering in medical imaging
US8364244B2 (en) * 2005-11-23 2013-01-29 General Electric Company Methods and systems to facilitate reducing banding artifacts in images
US8036456B2 (en) * 2006-09-13 2011-10-11 Hewlett-Packard Development Company, L.P. Masking a visual defect
JP5010637B2 (ja) * 2009-03-31 2012-08-29 富士フイルム株式会社 画像補正方法および画像補正装置
CA2768296C (en) * 2009-07-17 2018-08-07 David P. Rohler Extended low contrast detectability for radiographic imaging systems
US20140072108A1 (en) * 2010-07-16 2014-03-13 David P. Rohler Methods and apparatus for extended low contrast detectability for radiographic imaging systems
US20110026791A1 (en) * 2009-07-29 2011-02-03 Icad, Inc. Systems, computer-readable media, and methods for classifying and displaying breast density
US8639006B2 (en) * 2010-08-12 2014-01-28 Viewray Incorporated Correction of saturation banding artifacts in magnetic resonance imaging
WO2012153231A2 (en) * 2011-05-10 2012-11-15 Koninklijke Philips Electronics N.V. Myocardial clusterification and orientation
CN103764034B (zh) * 2011-09-27 2016-03-02 株式会社日立医疗器械 X射线ct装置及图像补正方法
EP2754122B1 (en) * 2011-11-08 2019-01-23 Koninklijke Philips N.V. Adaptive application of metal artifact correction algorithms
KR101307031B1 (ko) * 2011-12-26 2013-09-11 경희대학교 산학협력단 영상 방향을 고려한 국부 콘트라스트 향상 방법
US9036885B2 (en) 2012-10-28 2015-05-19 Technion Research & Development Foundation Limited Image reconstruction in computed tomography

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20030031299A1 (en) * 2001-06-21 2003-02-13 Kabushiki Kaisha Toshiba Image processing involving correction of beam hardening
CN103860185A (zh) * 2012-12-11 2014-06-18 西门子公司 多能量图像的确定

Also Published As

Publication number Publication date
JP2017537674A (ja) 2017-12-21
EP3209207A1 (en) 2017-08-30
US20160110892A1 (en) 2016-04-21
KR102493193B1 (ko) 2023-01-27
KR20170073640A (ko) 2017-06-28
US9619889B2 (en) 2017-04-11
WO2016064497A1 (en) 2016-04-28
CN107087393A (zh) 2017-08-22
EP3209207B1 (en) 2018-09-12

Similar Documents

Publication Publication Date Title
US20220117570A1 (en) Systems and methods for contrast flow modeling with deep learning
US9934597B2 (en) Metal artifacts reduction in cone beam reconstruction
US10229517B2 (en) Method and apparatus for automated determination of contours in iterative reconstruction of image data
US10561391B2 (en) Methods and systems for computed tomography
JP2019051315A (ja) 医用画像処理装置、医用画像撮像装置及び医用画像処理プログラム
CN107087393B (zh) 用于将多个采集的对比度归一化的方法和系统
EP2443614B1 (en) Imaging procedure planning
US10143433B2 (en) Computed tomography apparatus and method of reconstructing a computed tomography image by the computed tomography apparatus
KR20130069506A (ko) 화상 처리 장치, 화상 처리 방법 및 컴퓨터 판독 가능 저장 매체
US20150178917A1 (en) Metal artifacts reduction for cone beam ct using image stacking
US11419566B2 (en) Systems and methods for improving image quality with three-dimensional scout
US9984476B2 (en) Methods and systems for automatic segmentation
KR101783964B1 (ko) 단층 촬영 장치 및 그에 따른 단층 영상 복원 방법
US9836862B2 (en) Methods and systems for contrast enhanced imaging with single energy acquisition
US20240029207A1 (en) Systems and methods for adaptive blending in computed tomography imaging
US11580678B2 (en) Systems and methods for interpolation with resolution preservation
US20160292874A1 (en) Methods and systems for automatic segmentation
US20220375038A1 (en) Systems and methods for computed tomography image denoising with a bias-reducing loss function
EP3404618B1 (en) Poly-energetic reconstruction method for metal artifacts reduction
WO2016186746A1 (en) Methods and systems for automatic segmentation
US11270477B2 (en) Systems and methods for tailored image texture in iterative image reconstruction
CN110730977A (zh) 低剂量成像方法及装置
US20230048231A1 (en) Method and systems for aliasing artifact reduction in computed tomography imaging
US20240144470A1 (en) System and Method for Restoring Projection Data from CT/DBT Scans with Improved Image Quality

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