CN107257660A - 身体扫描中的生理状态确定方法 - Google Patents

身体扫描中的生理状态确定方法 Download PDF

Info

Publication number
CN107257660A
CN107257660A CN201680012077.8A CN201680012077A CN107257660A CN 107257660 A CN107257660 A CN 107257660A CN 201680012077 A CN201680012077 A CN 201680012077A CN 107257660 A CN107257660 A CN 107257660A
Authority
CN
China
Prior art keywords
target
main fatty
patient
area
fat
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.)
Granted
Application number
CN201680012077.8A
Other languages
English (en)
Other versions
CN107257660B (zh
Inventor
K·威尔逊
T·凯利
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.)
Hologic Inc
Original Assignee
Hologic Inc
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 Hologic Inc filed Critical Hologic Inc
Publication of CN107257660A publication Critical patent/CN107257660A/zh
Application granted granted Critical
Publication of CN107257660B publication Critical patent/CN107257660B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • 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
    • A61B6/40—Arrangements for generating radiation specially adapted for radiation diagnosis
    • A61B6/405—Source units specially adapted to modify characteristics of the beam during the data acquisition process
    • 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
    • A61B6/50—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications
    • 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
    • A61B6/5211—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data
    • A61B6/5217—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data extracting a diagnostic or physiological parameter from medical diagnostic data
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
    • 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
    • A61B6/40—Arrangements for generating radiation specially adapted for radiation diagnosis
    • A61B6/4035—Arrangements for generating radiation specially adapted for radiation diagnosis the source being combined with a filter or grating
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0012—Biomedical image inspection

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • Pathology (AREA)
  • General Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Surgery (AREA)
  • Optics & Photonics (AREA)
  • Radiology & Medical Imaging (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Molecular Biology (AREA)
  • Physics & Mathematics (AREA)
  • Animal Behavior & Ethology (AREA)
  • High Energy & Nuclear Physics (AREA)
  • Biophysics (AREA)
  • Veterinary Medicine (AREA)
  • Dentistry (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Physiology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Epidemiology (AREA)
  • Primary Health Care (AREA)
  • Apparatus For Radiation Diagnosis (AREA)
  • Analysing Materials By The Use Of Radiation (AREA)

Abstract

一种用于测量患者的肌肉质量的系统，具有双能辐射发射源。辐射探测器被配置成用于探测从双能辐射发射源发的、穿过患者的辐射。处理器具有用于存储指令的存储器，这些指令在由处理器执行时会执行一组操作。这些操作包括：接收辐射探测数据；生成扫描表示；识别主脂肪目标；确定主脂肪目标内的脂肪量；将主脂肪目标内的脂肪量与参考量进行比较；并且基于该比较，对瘦肉组织的估计量进行校正以生成经校正的肌肉质量值。

Description

身体扫描中的生理状态确定方法
本申请于2016年2月25日提交作为PCT国际专利申请，并且要求2015年2月26日提交的美国临时专利申请62/121,197的优先权，该临时专利申请的公开内容通过引用的方式全文并入本文。
本申请涉及2014年11月25日提交的、题目为“Bone Densitometer”的美国专利申请序列No.14/553,533，该专利申请的公开内容以引用的方式全文并入本文。
背景技术
扫描射线照相设备不同于常规的射线照相，因为它采用狭窄的准直辐射射束，典型的是形成为例如笔形射束、窄角扇形射束或宽角扇形射束，而不是宽区域锥形射束(broad area cone beam)的X射线。紧凑的射束尺寸允许以小面积的电子探测器元件阵列来代替常规射线照相设备所使用的射线照相胶片的图像形成片材。此外，与以单一X射线锥形射束来实施的扫描相比，该扫描允许在更广阔的区域内收集数据。用于接收透射的辐射的电子探测器元件产生如下的电信号，该电信号可以根据脉冲高度被划分到各种脉冲高度仓(bin)内，并且进行计数或电荷收集并由模数转换器转换成数字值，以用于图像的后续开发或者用于由计算机设备进行的其它处理。
发明内容
隐含于数字化中的对透射辐射的测量结果进行量化的能力不仅允许形成射线照相“衰减”图像，而且还允许通过双能技术对衰减材料的组成进行数学分析。这样的双能技术对两种能量下的辐射的衰减进行定量比较，以对例如骨骼和软组织或者脂肪组织和瘦肉组织(lean tissue)进行区分。从身体或其某些部分的扫描中得出的信息可被用来确定各种生理状况(诸如，水肿)，并且使用这些生理状况来校正诸如肌肉之类的瘦弱组织的测量或确定结果。该确定可被用来准确诊断身体的病理状态。
在一个方面，该技术涉及一种用于测量患者的肌肉质量的系统，该系统具有：双能辐射发射源；辐射探测器，被配置成用于探测从所述双能辐射发射源发射的、穿过所述患者的辐射；至少一个处理器；以及与所述至少一个处理器耦接的存储器，所述存储器存储指令，所述指令在由所述至少一个处理器执行时执行一组操作，所述一组操作包括：接收来自所述辐射探测器的辐射探测数据；基于所述辐射探测数据，生成扫描表示；识别所述扫描表示中的主脂肪目标；确定所述主脂肪目标内的脂肪量；将所述主脂肪目标内的所述脂肪量与参考量进行比较；并且基于所述比较，对瘦肉组织的估计量进行校正以生成经校正的肌肉质量值。在一种实施例中，所述主脂肪目标处于感兴趣区域内，并且所述经校正的肌肉质量值是所述感兴趣区域的肌肉质量值。在另一种实施例中，所述主脂肪目标是所述患者的第一区域的主脂肪目标，并且所述经校正的肌肉质量值是所述患者的第二区域的肌肉质量值。在又一种实施例中，所述第一区域是所述患者的躯干区，并且所述第二区域是所述患者的附肢。
在另一个方面，该技术涉及一种用于测量患者的肌肉质量的系统，该系统具有：双能辐射发射源；辐射探测器，被配置成用于探测从所述双能辐射发射源发射的、穿过所述患者的辐射；至少一个处理器；以及与所述至少一个处理器耦接的存储器，所述存储器存储指令，所述指令在由所述至少一个处理器执行时执行一组操作，所述一组操作包括：接收来自所述辐射探测器的辐射探测数据；基于所述辐射探测数据，生成扫描表示；估计在感兴趣区域内的瘦肉组织的量；在所述扫描表示中识别所述感兴趣区域内的主脂肪目标；确定所述主脂肪目标内的脂肪组织的量；确定所述主脂肪目标内的瘦肉组织的量；并且基于所述主脂肪目标内的所述瘦肉组织的量来校正在所述感兴趣区域内的所述瘦肉组织的估计量，以生成经校正的肌肉质量值。
在另一个方面，该技术涉及一种用于测量患者的肌肉质量的系统，该系统具有：双能辐射发射源；辐射探测器，被配置成用于探测从所述双能辐射发射源发射的、穿过所述患者的辐射；至少一个处理器；以及与所述至少一个处理器耦接的存储器，所述存储器存储指令，所述指令在由所述至少一个处理器执行时执行一组操作，所述一组操作包括：接收来自所述辐射探测器的辐射探测数据；基于所述辐射探测数据，生成扫描表示；估计在感兴趣区域内的瘦肉组织的量；在所述扫描表示中识别所述感兴趣区域内的主脂肪目标；确定所述主脂肪目标内的脂肪组织的量；确定所述主脂肪目标内的瘦肉组织的量；使用所述主脂肪目标内的所述瘦肉质量和脂肪质量来确定对于所述脂肪质量的水合的校正(Ef)以及对于所述瘦肉质量的水合的校正(El)；并且基于从Ef与所述感兴趣区域内的所述瘦肉组织的估计量的乘积中减去Ef与所述脂肪组织的确定量的乘积来校正所述瘦肉组织的估计量。在一种实施例中，所述一组操作还包括将所述主脂肪目标内的所述脂肪组织的量与参考量进行比较。在另一种实施例中，所述一组操作还包括，基于所述比较，对所述感兴趣区域内的所述瘦肉组织的估计量进行校正，以生成经校正的肌肉质量值。在又一种实施例中，所述感兴趣区域是附肢。在另外一种实施例中，所述主脂肪目标是皮下脂肪区。在另一种实施例中，所述一组操作还包括：对所述皮下脂肪层进行建模；并且从所述瘦肉组织的估计量中去除所述皮下脂肪层。
在另一个方面，该技术涉及一种用于确定患者的肌肉质量的方法，该方法包括：通过辐射探测器来探测来自密度计的、穿过所述患者的辐射发射；基于所述探测到的辐射发射，生成所述患者的感兴趣区域的扫描表示，所述扫描表示包含一个或多个像素；通过处理器来确定在所述感兴趣区域内的瘦肉组织的估计量；通过所述处理器来识别在所述感兴趣区域内的主脂肪目标；通过所述处理器在所述扫描表示中识别表示所述主脂肪目标的像素；通过所述处理器来分析所述主脂肪目标的所述像素表示，以确定在所述主脂肪目标内的脂肪量；通过所述处理器对所确定的脂肪量与参考量进行比较；通过所述处理器至少部分地基于所述比较来校正所述瘦肉组织的估计量，以生成所述患者的所述感兴趣区域的经校正的肌肉质量值；并且显示所述感兴趣区域的所述经校正的肌肉质量值。在一种实施例中，该方法还包括分析所述主脂肪目标的所述像素表示以确定存在于所述主脂肪目标内的水量。在另一种实施例中，该方法还包括：至少基于所述主脂肪目标的深度来确定所述主脂肪目标的模型；并且从所述瘦肉组织的估计量中减去所述模型化的主脂肪目标。
在另一个方面，该技术涉及一种用于识别患者的状况的方法，该方法包括：通过探测器探测已经通过所述患者的辐射射束；基于所述探测到的辐射射束，生成包含一个或多个像素的扫描表示；通过所述处理器识别在所述扫描表示中的主脂肪目标；通过所述处理器来分析在所述扫描表示中的至少一个像素，以确定在所述主脂肪目标内的脂肪和水当中的至少一项的量；通过所述处理器对所确定的量与参考量进行比较；基于所述比较，由所述处理器生成状况指标；并且将所述状况指标显示于用户界面上。在一种实施例中，所述状况指标对应于在所述患者的感兴趣区域内的局部水肿。在另一种实施例中，所述状况指标被显示于操作地与密度计耦接的用户界面上。在又一种实施例中，所述感兴趣区域是附肢。在另外一种实施例中，所述参考量根据一组抽样人员来确定。在另一种实施例中，所述主脂肪目标是皮下脂肪区。
上述总结被提供用于以简化的形式来介绍一系列概念，这些概念将在下面的具体实施方式部分进一步描述。上述总结并非旨在确定所要求权利保护的主题的关键特征或基本特征，也并非旨在用于限定所要求权利保护的主题的范围。
附图说明
在所有附图中，相同的附图标记表示相同的元件或者相同类型的元件。
图1示出了根据本技术的一种实施例的横向扫描密度计的透视图。
图2示出了图1的横向扫描密度计的表格的俯视图。
图3示出了根据本技术的实施例的在横向扫描过程中生成图像的方法。
图4示出了来自对相对健康但超重的年轻男性的扫描的图像，以用于示出其中的组织组分。
图5示出了与三组分的分子模型相比的身体组成五组分的分子模型。
图6A示出了用于校正诸如水肿之类的生理状况的方法。
图6B示出了用于对主脂肪目标进行建模的几何模型。
图6C示出了逐个像素的脂肪百分比的曲线图。
图7示出了用于识别诸如水肿之类的生理状况的方法。
图8示出了本示例的一个或多个示例可以在其中实施的合适的操作环境的一个示例。
图9是本文所公开的各种系统和方法可以在其中操作的网络的实施例。
具体实施方式
用于对身体或其某些部分进行成像的各种系统和方法并使用从所述系统和方法中收集到的信息进行分析的非限制性示例包括：
·2014年11月25日提交的、题目为“Bone Densitometer”的美国专利申请序列No.14/553,533。
·美国专利No.6,081,582、7,725,153、8,792,689和9,179,873
·美国公开专利申请No.2011/0235886和2010/0234719
·WEAR,James等,“CZT detector for dual energy x-ray absorptiometry(DEXA)”,Proceedings of SPIE Vol.4142,Penetrating Radiation Systems andApplications II,(2000-12-18):175-188
·LEHMANN,L.A.等,“Generalized image combinations in dual KVP digitalradiology”,Medical Physics,Vol.8,No.5,1981-09/10：659-667
·SORENSON,James A.等,“Simulation studies of dual-energy x-rayabsorptiometry”,Medical Physics,Vol.16.No.1,1989-01/02:75-80
上述每个专利及公开发表的文献的公开内容通过引用的方式全文并入本文。
在本申请中所描述的病理和生理状况还在下列文献中进行了描述：
·LUSTGARTEN,M.S.等,“Assessment of analytical methods used to measurechanges in body composition in the elderly and recommendations for their usein Phase II clinical trials”,J.Nutr.Health Aging,2011-05,15(5):368-375
·SAYER,Avan Aihie等,“New horizons in the pathogenesis,diagnosis andmanagement of sarcopenia”,Age and Ageing,2013-01-11,42:145-150
上述每个专利及公开发表的文献的公开内容通过引用的方式全文并入本文。
本技术提供了适用于对患者的至少一部分进行横向扫描以便确定患者体内各种组织(脂肪、瘦肉)和骨骼的量的系统和方法。以此信息，可以准确地确定患者的生理状况。本文所描述的技术可以与其它类型的成像过程一起使用。实际上，用于将多个图像合并成单个图像的任何成像过程都可以获益于本文所描述的技术。尽管以下所描述的成像系统一般地涉及对例如脂肪和瘦肉之类的软组织的身体组成进行成像和确定，但是其它类型的组织也可以被探测并且该信息如本文所描述的那样被利用。
图1示出了根据本技术的一种实施例的横向扫描密度计100的透视图。密度计100在本文中还可以被称为双能X射线吸收确定法(DXA)机器。密度计100包含具有由垂直杆118隔开的垂直相对的水平臂114和116的支撑臂112。水平平面式患者支撑台120被布置于水平臂114、116之间，并且沿着纵轴122延伸。本技术领域所熟知的那种皮带驱动系统124允许支撑臂112沿着纵轴122纵向运动支撑台120的长度。在其它实施例中，可以使用其它类型的驱动系统，包括齿条和齿轮。支撑台120的纵轴122一般地基本上平行于躺在支撑台120上的患者的纵轴。
X射线源126位于下臂116内。X射线源发射向上穿过支撑台120的X射线的准直扇形射束128。射束128由线性探测器130探测或以其它方式接收。扇形射束128被定向成使得其最窄的宽度(extent)128a沿着横轴132，并且其最宽的宽度沿着纵轴122。支撑台120一般是辐射可穿透的，以便提供不会显著影响扇形射束128的衰减的支撑面。
X射线源126和线性探测器130可以沿着横轴132横向移动。X射线源126和线性探测器130被配置为以便沿着臂114和116移动。该移动允许对支撑台120上的患者进行横向扫描。如本领域技术人员所熟知的，X射线源126和探测器130的运动通过皮带驱动致动机构121来同步。对于以上所述的皮带驱动系统124，还可以使用其它类型的驱动机构来代替皮带驱动致动机构124。
图2示出了图1的横向扫描密度计的支撑台120的俯视图。出于清晰起见，在图2中没有示出以上所描述的某些构件。扇形射束128可以在支撑台120的表面上进行扫描，并因此可以扫描患者134的整个身体，以便生成一系列横向延伸的扫描图像，这些扫描图像可以合并成单个合成图像或数据集。作为选择，多个扫描图像可以合并成针对特定身体结构或部分的单个合成图像。例如，第一扫描图像可以依次包含区域A1、A2、A3和A4。以上所描述的X射线源和线性探测器可以根据需要横向移动，沿着各个顺序区域发射并接收X射线能量。在此次扫描结束时，可以执行以上所描述的支撑臂的沿纵向移动。例如，支撑臂可以朝患者的脚部移动，以便于与患者的第二区域对准，使得探测器可以执行第二扫描图像。第二扫描图像可以按照区域B4、B3、B2和B1的顺序。作为选择，支撑臂可以返回到支撑台120的其开始第一图像扫描的那侧，并且扫描区域B1、B2、B3和B4。因为患者134的横向宽度大大小于患者的头顶至脚底的高度，所以每个扫描图像(例如，路径A或路径B各自的全部区域1-4)在与其相邻扫描图像相近的时间被采集，从而可以大幅减小患者移动的风险以及患者移动的量。这是相对于沿患者的纵向执行扫描的成像系统的几个显著优点之一。
在其它实施例中，可以执行特定身体部分的横向扫描。在一个示例中，胸腔的完整横向扫描可以包括沿着扫描路径E、F、G和H的扫描。同样可以执行没有延伸跨过整个横向扫描路径的单个身体部分的横向扫描。例如，左股骨可以通过对区域I1、I2、J2、J1、K1和K2进行成像来扫描。其它横向扫描路径也可想得到。
辐射源126可以是在恒定电压下运行以产生多能辐射射束的放射性同位素或X射线管。射束可以随后用K边滤波器来滤波以形成两种能量模式。作为选择，辐射源126可以是运行于切换电压模式下的X射线管，在该模式中X射线管上的电压在高电压与低电压之间周期性变化，从而使所产生的X射线射束的能谱移位。数据通过宽带探测器130来采集，并且依次为高能和低能数据，该数据可以用于双能测量中。包括旋转滤波轮等在内的其它技术也可以被用来产生顺序的双能射束。探测器130还可以包含用于探测高能辐射的探测元件以及用于探测低能辐射的探测元件。如同本文所讨论的，用户界面包含显示器，并且其它输入/输出选项(诸如下面参照图8-9所讨论的那些)可以在操作上与密度计100耦接，以用于显示结果或者由密度计收集或生成的其它信息。例如，用户界面可以通过网络或有线连接在操作上耦接至密度计100。
图3示出了根据本技术的实施例的用于在横向扫描过程中生成图像的方法300。方法300提供具有辐射源的扫描密度计，该辐射源被准直以产生或发射穿过患者指向电子辐射探测器的辐射射束，该电子辐射探测器接收、探测或以其它方式测量穿过患者的辐射射束。扫描组件沿着横穿患者的纵轴的至少一条扫描路径移动辐射源和辐射探测器，操作302。在移动的同时，辐射源发射辐射射束，操作304，该辐射射束由辐射探测器探测，操作306。探测到的射束然后被处理，以便形成图像，操作308。由于射束具有预定义的宽度，因而每个图像的尺寸均基于射束宽度以及扫描组件的行程长度。在扫描组件沿着横向扫描路径行进时，可以形成任意数量的离散图像。在扫描组件横向于扫描路径移动时，一个或多个传感器确定扫描组件的位置。如果扫描路径的末尾还没有达到，如操作310所示，则流程转至“否(NO)”分支，并且扫描组件的移动(以及操作302-308)继续进行，从而生成沿着扫描路径的多个图像。一旦在操作410达到扫描路径的末尾，则流程转至“是(YES)”分支，在该“是”分支中，然后于操作312处确定图像对准度。
在某些实施例中，相邻图像的相邻部分的图像对准被确定。相邻部分的尺寸可以基于例如图像中的像素数、图像总面积的百分比或其它因素来确定。这些相邻图像的相邻部分可以被调整，操作314，以便允许不同程度的重叠以更好地将图像内具有各种高度的结构匹配于患者内。图像对准度可以只评估图像的骨骼部分，只评估图像的瘦肉组织部分，只评估图像的脂肪组织部分，或者上述三部分的任意组合。方法400可以通过消除其匹配不重要的诸如软组织之类的结构来提高匹配图像的能力。在其它实施例中，确定图像对准度可以包括基于辐射射束的已知散度及所确定的重叠来确定结构高度，从而提高图像的对准。高度可以被用来在合并相邻扫描图像之前缩放每个扫描图像。因而，本文所描述的系统和方法可以采用相邻扫描图像之间的重叠差异来校正图像的放大倍数。之后，相邻图像在重叠区域进行合并，操作316，以形成包含所有组合的相邻图像的合成图像。在合并之前，图像可以进行加权以便消除图像中的冗余数据的任何不成比例的影响。无论如何，所提出的技术并不仅依赖于加权，因为这样的方法可能会造成合并图像模糊。如本文所述的，图像的模糊可以通过校正图像的重叠来降低或消除。该合成图像具有与多个扫描图像的最佳匹配对应的重叠。在操作318中，如本文所述的，合成图像然后可以被存储、被显示和/或以其它方式被用于标记和分析组织。
患者支撑台可以支撑仰卧的患者，患者的头和脚沿纵轴平躺，并且扫描组件可以沿着横过患者的、基本上垂直于纵轴的一系列横向扫描路径移动辐射源和电子探测器，以采集扫描图像。这样的方法包括与图3所示的那些操作类似的操作。在达到扫描路径的末尾时，系统然后可以横贯基本上与第一横向扫描路径平行的第二横向扫描路径。沿第二横向扫描路径获得的图像被如同在图3中所描述的那样处理，操作312-316。但是，图像对准度可以针对同一扫描路径上的两个相邻图像，以及相邻扫描路径上的相邻图像来确定。这样的处理可以产生包含所有扫描路径上的所有图像的主合成图像，该主合成图像然后可以如本文所描述的那样被使用。
从各种成像系统(诸如本文所提及的那些成像系统)获得的图像可以将身体划分成三个组分：脂肪组织、瘦肉(“无脂型软组织”)组织和骨矿物质含量(“BMC”)。用于在成像或扫描序列中发射双能量的系统一般地可以被用来一次最多识别这些组分中的两种。例如，在骨骼主要位于其内的身体区域内，如同本文所一般描述的，可以识别BMC。在无骨骼的区域内，可以识别脂肪组织和瘦肉。同样地，在基本上没有瘦肉组织的主脂肪区(诸如皮下脂肪区)内，可以识别脂肪组织和非脂肪材料。在这些主脂肪区内，非脂肪材料主要由水组成。
作为示例，图4示出了相对健康但超重的年轻男性的扫描，在其中示出了这样的组分。不同的散点(stippling)和散列线(hashed lines)标识出脂肪组织(散列线402)，瘦肉组织(散点404)和BMC(白区406)。这种类似扫描的样品彩色版本可见于Carla M.M.Prado、Steven B.Heymsfield的《Lean Tissue Imaging:A New Era for NutritionalAssessment and Intervention》(JPEN J Parenter Enteral Nutr.2014,38(8):940-953)中，该文献的公开内容通过引用的方式全文并入本文。但是，将人体简化成三个组分或类别是一种不完美的近似，因为人体是复杂。但是，这样的近似有助于进行一些确定，诸如，瘦肉组织和骨骼的相对位置、骨密度等。但是，这种近似确实在使用上述参考系统来识别其它生理状况或正确确定在具有这些生理状况的患者内的组织量方面有局限。例如，图5示出了在将组织类型仅近似到三个类别中的一些复杂性和潜在错误。有关图5的附加信息可见于IAEA Human Health Series No.15“Dual Energy X-ray for bone density and bodycomposition assessment”(见于www.iaea.org/Publications/index.html)中，该文献的公开内容由此通过引用方式全文并入本文。
在对瘦肉组织的量进行近似时，对于理解瘦肉组织主要由水组成是有用的。在具有相当稳定的水和(hydration)水平的患者内，以上所讨论的瘦肉组织确定作为肌肉质量的替代工作得相当良好。但是，各种病理状况和情况会导致瘦肉组织确定不再是肌肉质量的良好替代。例如，在患者的附肢(诸如腿和手臂)中的水肿可能会在附肢中局部地引起肉瘦组织确定和肌肉质量的显著差异。当其它疾病的分析或治疗依赖于瘦肉组织确定时，这些分析由于误差将同样是不准确的。例如，这种误差对于骨骼肌减少症(Sarcopenia)的诊断尤其成问题，骨骼肌减少症是骨骼肌肉质量、品质和力量的退行性损失。骨骼肌减少症是脆弱综合症(frailty syndrome)的一个组成部分，并且与衰老及其它病症相关。骨骼肌减少症的准确诊断取决于对老年人肢体的肌肉质量的精确测量。但是，这部分人群通常会患有水肿，从而混淆了由成像系统(诸如本文所引用和描述的那些成像系统)获得的测量结果。
本文进一步描述的技术允许对肌肉质量更准确的测量，包括在腿和手臂内的肌肉质量，甚至是在存在水肿的情况下。在身体内，没有叠加有肌肉组织的、主要为脂肪组织的区域可以使用上述双能辐射技术来分析，以识别脂肪组织的量和水的量(可能代表水肿)。在大多数人中，体内都具有正好在皮肤下的几乎为纯脂肪细胞的层，术语为“皮下脂肪”。在图4的投影图像中，皮下脂肪部分408是基本上没有肌肉的。皮下脂肪通常是用于分析的良好的主脂肪目标。水量或水肿程度基于对主脂肪目标的分析来确定，并且该确定被用来针对水肿或水量来校正瘦肉组织测量结果。值得注意的是，在脂肪组织内的脂肪细胞并不是100％的脂质，因为它们含有水和其它非脂质组分。
在一个示例中，针对存在水肿情况的校正可以通过确定在患者的附肢(诸如手臂或腿)内的皮下脂肪层的脂肪量或脂肪百分比来获得。将脂肪量或脂肪百分比的确定与预定的或预定义的标准进行比较。这样的标准可以是例如已知没有水肿的个体的皮下脂肪的预期脂肪百分比或脂肪量，或者在同一患者的身体的另一部分(诸如腹部区域的皮下脂肪)内测得的脂肪百分比或脂肪量。标准脂肪量或者脂肪百分比标准在此称为“参考量”。
基于具体患者的脂肪量或脂肪百分比与参考量的比较，针对水肿或其它生理状况的校正可以针对主脂肪目标位于其内的附肢内的测量结果的瘦肉组分来进行。例如，具体附肢的瘦肉质量可以基于所测得的患者的皮下组织的脂肪百分比与参考量脂肪百分比之差来校正。在某些示例中，校正是基于在所测得的脂肪百分比与参考量脂肪百分比之间的函数关系乘以肢体的瘦肉组织的乘数因子。例如，下式提供用于校正瘦肉组织确定的一个示例：
LC＝f(Fp，FS)×LE (1)
其中：
LC是经校正的瘦肉组织量；
Fp是患者的主脂肪目标的脂肪量或脂肪百分比；
FS是标准脂肪量或标准脂肪百分比；以及
LE是在校正之前所估计的瘦肉组织量。
经校正的瘦肉组织量在本文中还可以被称为肌肉质量。在特定的实施例中，用来校正所估计的瘦肉质量的量的公式如下：
用来校正所估计的瘦肉质量的量的其它公式和关系同样是可想到的。
图6示出了用于通过校正所估计的瘦肉质量来确定患者的肌肉质量的方法600。在操作602，对从密度计或双能辐射器件发射出的辐射进行探测。例如，该辐射可以是已经穿过患者并由探测器(诸如以上所描述的线性探测器130)探测到的射束。一般地，成像系统可以在逐个像素的基础上测量脂肪百分比和总质量，或者脂肪和瘦肉质量，但是也可以使用其它面积测量，例如，平方厘米。基于检测到的辐射发射，在操作604生成扫描表示。扫描表示可以针对患者的特定感兴趣区域，诸如，像手臂或腿那样的附肢或者手臂或腿的某些部分。例如，因为水肿通常出现于下附肢内，所以感兴趣区域可以是腿的在膝部以下的部分。类似于图4中的扫描表示，扫描表示还可以是患者的整个身体的扫描表示。在某些示例中，扫描表示可以不是图像，而是其它类型的表示，诸如，图表、曲线或其它模型。
在操作606，在扫描表示中识别出主脂肪目标。主脂肪目标可以是身体的不是主要由肌肉占据的任意部分。例如，如同以上所讨论的，患者的皮下脂肪区是合适的主脂肪目标。识别主脂肪目标还可以包括在扫描表示中识别表示主脂肪区的至少一个像素。例如，在图4所示的扫描表示中，主脂肪目标可以是如该图中所标识的皮下脂肪区408。形成皮下脂肪区的表示的每个像素都可以在操作606中进行标识，或者可以确定这些像素的子集。在操作608，可以对主脂肪目标进行建模，以确定主脂肪目标的质量、体积或其它特性。另外，作为操作608的一部分，还可以确定主脂肪目标的总的水或瘦肉组织的水平。值得注意的是，在主脂肪目标内的瘦肉组织主要是水，而不是肌肉。通过根据扫描表示来确定主脂肪目标的深度或平均深度，可以对主脂肪目标进行建模。作为选择或除此之外，脂肪深度还可以进行外推，以便生成主脂肪目标的基本上为环形的体积(例如，360°地包围附肢)。其它对内脏脂肪的建模的详细示例被提供于美国专利No.7,725,153以及美国专利公开2010/0234,719和US 2011/0235,886中，这些专利的公开通过引用的方式全文并入本文。
作为示例，图6B示出了与对主脂肪目标进行建模相关的几何形状。感兴趣区域的轮廓由椭圆630近似，并且主脂肪目标的内部轮廓由同心的内椭圆640近似。主脂肪目标位于这两个椭圆之间。如同以上所讨论的，在皮下脂肪区为附肢的皮下脂肪区的情况下，该皮下脂肪区一般包围着附肢，类似于椭圆。令射线i为将X射线的扇形射束的源点(xs,ys)连接至探测器点(xd,yd)的直线。该直线与同心椭圆相交的部分的总长度由下式给出：
L＝L1s+L2s+Lv (3)
其中L1s+L2s＝Ls是直线i穿过皮下脂肪的总长度，而Lv是同一直线i穿过由皮下脂肪包围的组织的长度。相关的线长度可以如下文所讨论那样来计算或估算，或者按照某些别的方式基于诸如射线源和探测器相对于椭圆630和640的位置之类的已知参数来计算或估算。
对应于图像中的像素的双能X射线测量结果的、在沿着直线i的且从源焦点到探测器位置的射线路径上的中心区域内的脂肪百分比(％Fatvi)将是：
％Fatvi＝(total％fat)iLv/L (4)
用于公式4中的量(total％Fat)i根据使用已知的DXA处理针对射线路径获得的双能X射线测量结果来估计。
内椭圆52可以由主轴ax和ay定义，而外椭圆由bx和by定义。然后，参数可以根据如图6C所示的脂肪百分比对像素数的分布曲线来估计，同时需要考虑与使用X射线的扇形射束相关的几何因子。皮下脂肪区的总长度(L1s，L2s)可以根据下式来计算：
该公式可以使用许多数学技巧来求解，包括在美国专利No.7,725,153中讨论的那些数学技巧。例如，代表公式5的右侧的下列方程组可以被用来根据诸如图6C中所示的曲线的数据来求解这些长度。
方程组6
方程组7
方程组8
方程组9
另外，如同下文所讨论的，皮下脂肪区的前段和后段的宽度可以通过分析诸如图4所示的代表性扫描来确定。然后，可以使用这样的宽度通过各种数学技术对图6B中所示的椭圆进行近似。
图6C示出了根据对于在DXA图像内的像素位置的DXA测量结果估计的脂肪百分比。横轴是DXA图像中跨患者的感兴趣区域的宽度的像素数。纵轴是脂肪百分比。横轴表示各个像素位置的总体脂肪百分比，并且从而通常地包括整个感兴趣区域，诸如附肢。例如，它是在沿着从射线源到与图像中的像素对应的X射线探测器元件的X射线射束路径的组织内的脂肪的百分比。在650、660、670和680之间的曲线的肩状区(shoulder)代表患者的皮下脂肪区。在像素宽度已知的情况下，可以确定皮下区的宽度。另外，皮下区的瘦肉组织的百分比还可以通过从所显示的脂肪百分比中减去的方式根据图6C中的曲线来确定，因为皮下脂肪区应当仅包含脂肪组织和瘦肉组织。
返回到图6A，在操作610，瘦肉组织的估计量被确定。瘦肉组织的估计量还可以至少部分基于在操作608中生成的主脂肪目标模型。
作为示例，在肢体的后侧(p)和前侧(a)于肢体的从诸如脚趾或手指或者脚或手的远端到躯干的每个高度(H)处确定诸如皮下脂肪区的主脂肪目标的宽度。例如，对于腿部，皮下脂肪区的宽度在踝部、髋部或膝部之间不同。因此，对脂肪层的宽度的测量或估计可以在不同的高度处进行，以更准确地预测皮下脂肪区的形状和整体尺寸。在后侧的特定水平处的皮下脂肪区的宽度可以被表示为ws p(H)，而在前侧的特定水平处的皮下脂肪区的宽度可以表示为ws a(H)。在某些实施例中，在特定水平处的肢体的宽度(wl(H))根据图像来测量。在这样的实施例中，在每个水平处的骨骼肌的宽度(wm(H))可以通过下式来估计：
wm(H)＝wl(L)–[ws p(H)+ws a(H)] (10)
在水平L处的骨骼肌的瘦肉组织可以用DXA机器通过分析代表骨骼肌的像素来估计。通过在确定瘦弱质量时仅包含骨骼肌像素，瘦肉质量估计更可能代表肌肉质量。
另外，在给定水平处的肢体的脂肪质量可以由椭圆的环形来近似，因为DXA机器能够以相当高的准确性来测量厚度(t)和宽度。基于所确定或测量的宽度或厚度，皮下脂肪可以以模型表示为包围骨骼肌的脂肪环。
在另一个示例中，确定瘦肉组织的估计量可以包括，在分析扫描表示之前去除模型化的主脂肪目标以确定瘦肉组织的估计量。例如，由于皮下脂肪围绕着骨骼肌，瘦肉组织(主要是水)可以包含于总的瘦肉质量估计中，因为辐射穿过整个感兴趣区域。因此，从分析中去除模型化的皮下脂肪区改善了对肌肉重量的估计。同样地，确定瘦肉组织的估计量还可以包括去除被确定为在主脂肪目标内的水或瘦肉组织的量，因为否则该水或瘦肉组织可能会在不经意间被包含于瘦肉质量确定中并最终包含于肌肉质量的估计中。
在操作610，主脂肪目标的像素被分析，以确定在主脂肪目标内的脂肪含量。在某些实施例中，可以对在扫描表示的主脂肪目标部分内的单个像素进行分析，以确定该像素的脂肪量或脂肪百分比。在其它实施例中，主脂肪目标的附加像素表示同样被分析，以确定这些像素的脂肪量或脂肪百分比。在这样的实施例中，可以对每个像素的脂肪量求和，和/或可以对每个像素的脂肪百分比求平均，以确定主脂肪目标的总体脂肪百分比。
一旦主脂肪目标的脂肪量或脂肪百分比被确定，就在操作614将该脂肪量或脂肪百分比与参考量进行比较。如同以上所讨论的，参考量可以根据没有水肿的患者的样本确定。参考量还可以来自患者体内已知不存在水肿的另一部分。例如，在许多老年患者中，皮下脂肪可能位于患者的躯干或上腹部附近，而附肢缺少皮下脂肪。在这样的情况下，主脂肪目标可能接近于躯干，并且与从附肢获得的参考量进行比较。其它参考量也可以被确定，以便表示没有水肿的相对健康的个体。参考量还可以来自患者以前的扫描，在那时已知该患者并没有水肿。
基于在操作614中的比较，在操作616中校正瘦肉组织的估计量。通过校正瘦肉组织的估计量，可生成关于患者的肌肉质量的更准确表示。对瘦肉组织的估计量的校正可以通过使用以上所讨论的公式(1)或(2)或者它们的变型来完成。基于操作614中的比较的其它合适的校正因子同样是可想到的。例如，瘦肉组织估计可以基于下式来校正：
其中E是通过将主脂肪目标的脂肪百分比与参考量(诸如通过测量已知没有水肿的一群人而得出的值，或者通过测量此人的没有水肿的或者至少与被测附肢相比水肿少得多的其它部位的脂肪而获得的值)进行比较得出的水肿校正。
在某些实施例中，可以不执行比较操作614，并且对瘦肉质量估计的校正可以在不依靠此类比较的情况下做出。例如，可以使用对于脂肪质量的水合的校正(Ef)以及对于瘦肉质量的水合的校正(El)。校正值Ef和El从主脂肪目标的脂肪百分比或脂肪量的确定中得出。肌肉质量(MM)可以根据下式来确定：
MM＝M1-MfE′f (12)
其中Ml是估计的瘦肉质量，Mf是由DXA机器确定的所估计脂肪质量，并且E′f是在主脂肪目标内的瘦肉质量的百分比。在某些实施例中，可以使用对于瘦肉质量的水合的校正(El)。下式代表这样的实施例：
MM＝E1(M1-MfE′f)＝MlEl-MfEf (13)
在实施例中，对于脂肪质量的水合的校正(Ef)以及对于瘦肉质量的水合的校正(El)可以是相互成比例的。在脂肪质量的水合与肌肉质量的水合相似的实施例中，Ef和El二者可以由E′f表示。在这样的实施例中，肌肉质量可以由下式确定：
MM＝MlE′f-Mf(E′f)2 (14)
图7示出了用于识别生理状况(例如，水肿)的方法。在操作702，对从密度计或双能辐射器件发射出的辐射进行探测。例如，辐射可以是已经穿过患者并由探测器(诸如以上所描述的线性探测器130)探测到的射束。一般地，成像系统可以在逐个像素的基础上测量脂肪百分比和总质量，或者脂肪和瘦肉质量，但是也可以使用其它面积测量，诸如，平方厘米。基于检测到的辐射发射，在操作704生成扫描表示。扫描表示可以针对患者的特定感兴趣区域，诸如，像手臂或腿那样的附肢。类似于图4中的扫描表示，扫描表示还可以是患者的整个身体。在某些实施例中，扫描表示可以不是图像，而是其它类型的表示，诸如，图表、曲线或其它模型。
在操作706，在扫描表示中识别出主脂肪目标。主脂肪目标可以是身体内不是主要由肌肉占据的任意部分。例如，如同以上所讨论的，患者的皮下脂肪区是合适的主脂肪目标。识别主脂肪目标还可以包括，在扫描表示中识别出代表主脂肪区的至少一个像素。例如，在图4所示的扫描表示中，主脂肪目标可以是如该图中所标识的皮下脂肪区。在操作706中可以识别形成了皮下脂肪区的表示的每个像素，或者可以识别这些像素的子集。
在操作708，主脂肪目标的像素被分析，以确定在主脂肪目标内的脂肪含量或含水量。脂肪含量可以是脂肪量或脂肪百分比。含水量可以是水量或者水的百分比。在某些实施例中，可以对在扫描表示的主脂肪目标部分内的单个像素进行分析，以确定该像素的脂肪含量或含水量。在其它实施例中，主脂肪目标的附加像素表示同样被分析，以确定这些像素的脂肪含量或含水量。在这样的实施例中，可以对每个像素的脂肪含量或含水量求和，和/或可以对像素的脂肪百分比求平均，以确定主脂肪目标的总体脂肪百分比。
然后在在操作710，将在操作708中确定的脂肪含量或含水量与参考量进行比较。如同以上所讨论的，参考量可以根据不具有该生理状况的患者的样本来确定。参考量还可以来自已知没有显示出该状况(例如，如同以上关于在躯干区内的皮下脂肪，而非关于在附肢内的脂肪所描述的)的患者的另一部分。其它参考量也可以被确定，以便表示没有该生理状况的相对健康的个体。参考量还可以来自患者以前的扫描，在那时已知该患者并没有该生理状况。
基于该比较的结果，在操作712生成状况指标。该状况指标指示出患者是否具有正在测试的生理状况。例如，如果在操作710的比较的结果揭示出在主脂肪目标内的脂肪含量低于参考脂肪量，则可以生成用于指示患者具有水肿的状况指标。在某些实施例中，在指示水肿的状况指标将被生成之前，脂肪含量必须是低于参考脂肪量的特定量。例如，只有脂肪含量是低于参考脂肪量的标准偏差，才可以生成水肿状况指标。在正在只针对感兴趣区域测试主脂肪目标的情况下，该状况指标指示患者在感兴趣区域内具有局部水肿。同样地，如果含水量高于参考水量，则可以生成用于指示患者具有水肿的状况指标。在某些实施例中，在指示水肿的状况指标将被生成之前，含水量必须是高于参考水量的特定量。例如，只有脂肪含量是高于参考水量的标准偏差，才可以生成水肿状况指标。状况指标可以是用户界面内的屏幕项或者适合于传达患者的生理状况的其它指标。
如同以上所讨论的，方法600和方法700可以针对患者的感兴趣区域或者针对患者的整个身体来执行。在方法针对感兴趣区域来执行的实施例中，主脂肪目标及相关的瘦肉组织位于同一感兴趣区域内，诸如患者的手臂。在方法针对整个身体来执行的实施例中，主脂肪目标和相关的瘦肉组织可以位于身体的任意部分内。但是，某些患者可能不具有在感兴趣区域内的合适的主脂肪目标。例如，老年患者可能在其腿部具有最少的皮下脂肪以至没有皮下脂肪。对于这样的患者，主脂肪目标可以是腹部的皮下脂肪，并且如上所述，从腹部脂肪的分析中获得的结果可以被用来校正在诸如腿部的单独感兴趣区域内的所估计的瘦肉组织量。
用于针对水肿来校正瘦肉质量估计的其它技术可以基于软组织的形状与例如同一组织的期望形状的比较。也就是，与不存在水肿的肢体相比，存在水肿的肢体看起来将会是肿胀的。骨骼标志也可以被用作校正的基础。例如，膝部相对于腿部的外轮廓的位置同样可以指示水肿的存在。
用于针对存在水肿的情况进行校正的其它技术包括测量踝部周围的、在骨骼之外的软组织区域。然后，可以将该测量结果与大腿的形状进行比较，以检测因水肿所致的肿胀并对其进行校正。在其它技术中，多频生物电阻抗可以被用来测量腿部和/或手臂的含水量，并且使用该含水量来进行水肿校正。还有另一种技术使用“水稀释”，其可以非常准确地测量整个身体的水，以便对瘦肉质量执行总体水合校正。在水稀释中，患者饮用已知量的氘化水，并且在让所饮用的氘化水分散到全身的合适时间之后，获取唾液样品，并且可以将唾液样品中氘化水的百分比连同患者的质量一起用来测量总体水合。
图8示出了其中可以实施本发明的一个或多个实施例的适用操作环境500的一个示例。该操作环境可以直接并入到扫描系统内，或者可以并入与本文所描述的扫描系统分立但又用于控制该扫描系统的计算机系统内。这只是适用操作环境的一个示例，并且并非旨在暗示对使用范围或功能的任何限制。可以适合于使用的其它众所周知的计算系统、环境和/或配置包括，但并不限于，个人计算机、服务器计算机、手持式或膝上型设备、多处理器系统、基于微处理器的系统、可编程式消费电子器件(诸如智能手机)、网络PC、小型计算机、大型计算机、平板电脑、包含任意上述系统或设备的分布式计算环境等。
在其最基本的配置中，操作环境800典型地包含至少一个处理单元802和存储器804。依赖于计算设备的确切配置和类型，存储器804(除其它外，用于存储指令以执行本文所公开的图像采集和处理方法)可以是易失性的(如RAM)，非易失性的(如ROM、闪存等)，或者该二者的某种结合。这种最基本的配置在图8中由虚线806示出。此外，环境800还可以包含存储器件(可移动的，808，和/或不可移动的，810)，包括但并不限于磁盘或磁带或者光盘或光学此磁带。同样地，环境800还可以具有输入设备814，例如，触摸屏、键盘、鼠标、手写笔、语音输入等，和/或输出设备816，例如显示器、扬声器、打印机等。在该环境中还能够包含一个或多个通信连接812，例如，LAN、WAN、点对点(P2P)、蓝牙(Bluetooth)、RF等。
操作环境800典型地至少包含某种形式的计算机可读介质。计算机可读介质可以是任意可用介质，该介质可以由处理单元802或者包含操作环境的其它器件访问。举例来说，且不作限定，计算机可读介质可以包括计算机存储介质和通信介质。计算机存储介质包括以用于存储诸如计算机可读指令、数据结构、过程模块或其它数据的信息的任意方法或技术实现的易失性和非易失性介质、可移动和不可移动介质。计算机存储介质包括RAM、ROM、EEPROM、闪存或其它存储器技术、CD-ROM、数字多用光盘(DVD)或其它光学存储、磁带盒、磁带、磁盘存储或其它磁存储器件、固态存储，或者能够用来存储所需信息的任意其它有形介质。通信介质以经调制的数据信号(诸如载波或其它传输机制)来体现计算机可读指令、数据结构、过程模块或其它数据，并且包括任何信息传递介质包括任何信息传递介质。术语“模型化的数据信号”意指具有其特征集内的一个或多个特征的或者按照将信息编码于信号中的方式来改变的信号。举例来说，但不作限定，通信介质包括有线介质，例如，有线网络或直线连接，以及无线介质，例如，声波、RF、红外及其它无线介质。上述任意项的组合同样可以包含于计算机可读介质的范围内。
操作环境800可以是运行于使用与一台或多台远程计算机间的逻辑连接的网络化环境中的单一计算机。远程计算机能够是个人计算机、服务器、路由器、网络PC、对等设备或其它共同网络节点，并且典型地包含以上所述的许多或全部元件以及其它未提及的元件。逻辑连接能够包括由可用通信介质支撑的任意方法。这样的网络化环境在办公室、企业级计算机网络、内联网和因特网内是很常见的。
在某些实施例中，本文所描述的构件包含此类可由计算机系统800执行的模块或指令，这些模块或指令能够存储于计算机存储介质和其它有形介质上并且在通信介质中传输。计算机存储介质包括以用于存储诸如计算机可读指令、数据结构、过程模块或其它数据的信息的任意方法或技术实现的易失性和非易失性介质、可移动和不可移动介质。上述任意项的结合同样应当包含于可读介质的范围内。在某些实施例中，计算机系统800是用于将数据存储于远程存储介质内以由其使用的网络的一部分。
图9是本文所公开的各种系统和方法可以运行于其中的网络900的实施例。在实施例中，诸如客户端设备902的客户端设备可以经由网络908与一台或多台服务器(诸如服务器904和906)通信。在实施例中，客户端设备可以是笔记本电脑、个人计算机、智能手机、PDA、上网本，或者其它任何类型的计算设备(诸如在图8中的计算设备)。在实施例中，服务器904和906可以是任何类型的计算设备(诸如图8中所示的计算设备)。网络908可以是能够促进客户端设备与一台或多台服务器904和906之间的通信的任意类型的网络。这样的网络的示例包括，但并不限于，LAN、WAN、蜂窝网络和/或因特网。
在实施例中，本文所公开的各种系统和方法可以通过一台或多台服务器设备来执行。例如，在一种实施例中，可以采用单一服务器(诸如服务器904)来执行本文所公开的系统和方法，诸如，用于描述和图像处理的方法。客户端设备902可以经由网络908与服务器904交互。在更多的实施例中，客户端设备902还可以执行本文所公开的功能，例如，扫描和图像处理，其结果然后可以被提供给服务器904和/或906。
在可替换的实施例中，本文所公开的方法和系统可以使用分布式计算机网络或云网络来执行。在这样的实施例中，本文所公开的方法和系统可以由两个或更多服务器(诸如服务器904和906)执行。尽管本文公开了特定的网络实施例，但是本领域技术人员应当意识到，本文所公开的系统和方法可以使用其它类型的网络和/或网络配置来执行。
本文所描述的实施例可以这样采用，即使用软件、硬件或者软件和硬件的结合来实现并执行本文所公开的系统和方法。尽管特定的器件在本公开通篇中被引用为执行特定功能的，但是本领域技术人员应当意识到，这些器件是出于说明性的目的而提供的，并且在不脱离本公开的范围的情况下能够采用其它器件来执行本文所公开的功能。
本公开参考附图描述了本技术的某些实施例，在附图中仅示出部分的潜在实施例。但是，其它方面也能够以许多不同的形式来实现，并且不应被理解为对本文所阐述的实施例的限定。相反，这些实施例被提供以使本公开更透彻更全面，并将潜在实施例的范围完全传达给本领域技术人员。
尽管本文已经描述了特定的实施例，但是本技术的范围并不限定于这些特定的实施例。本领域技术人员应当可辨认出属于本技术的范围之内的其它实施例或改进。因此，特定的结构、操作(act)或介质仅作为说明性的实施例而公开。根据本发明的实施例同样可以结合一般地公开但并没有明确结合起来进行例示的实施例的元件或构件，除非文中另有说明。本技术的范围由后面的权利要求及其中的任意等价项界定。

Claims (20)

1.一种用于测量患者的肌肉质量的系统，所述系统包含：
双能辐射发射源；
辐射探测器，被配置成以便于探测从所述双能辐射发射源发射的、穿过所述患者的辐射；
至少一个处理器；以及
与所述至少一个处理器耦接的存储器，所述存储器存储指令，所述指令在由所述至少一个处理器执行时执行一组操作，所述一组操作包括：
接收来自所述辐射探测器的辐射探测数据；
基于所述辐射探测数据，生成扫描表示；
识别所述扫描表示中的主脂肪目标；
确定所述主脂肪目标内的脂肪量；
将所述主脂肪目标内的所述脂肪量与参考量进行比较；并且
基于所述比较，对瘦肉组织的估计量进行校正以生成经校正的肌肉质量值。
2.根据权利要求1所述的系统，其中，所述主脂肪目标处于感兴趣区域内，并且所述经校正的肌肉质量值是针对所述感兴趣区域的。
3.根据权利要求1所述的系统，其中，所述主脂肪目标是针对所述患者的第一区域的，并且所述经校正的肌肉质量值是针对所述患者的第二区域的。
4.根据权利要求3所述的系统，其中，所述第一区域是所述患者的躯干区，并且所述第二区域是所述患者的附肢。
5.一种用于测量患者的肌肉质量的系统，所述系统包含：
双能辐射发射源；
辐射探测器，被配置成以便于探测从所述双能辐射发射源发射的、穿过所述患者的辐射；
至少一个处理器；以及
与所述至少一个处理器耦接的存储器，所述存储器存储指令，所述指令在由所述至少一个处理器执行时执行一组操作，所述一组操作包括：
接收来自所述辐射探测器的辐射探测数据；
基于所述辐射探测数据，生成扫描表示；
估计在感兴趣区域内的瘦肉组织的量；
在所述扫描表示中识别所述感兴趣区域内的主脂肪目标；
确定所述主脂肪目标内的脂肪组织的量；
确定所述主脂肪目标内的瘦肉组织的量；并且
基于所述主脂肪目标内的所述瘦肉组织的量来校正在所述感兴趣区域内的所述瘦肉组织的估计量，以生成经校正的肌肉质量值。
6.一种用于测量患者的肌肉质量的系统，所述系统包含：
双能辐射发射源；
辐射探测器，被配置成以便于探测从所述双能辐射发射源发射的、穿过所述患者的辐射；
至少一个处理器；以及
与所述至少一个处理器耦接的存储器，所述存储器存储指令，所述指令在由所述至少一个处理器执行时执行一组操作，所述一组操作包括：
接收来自所述辐射探测器的辐射探测数据；
基于所述辐射探测数据，生成扫描表示；
估计在感兴趣区域内的瘦肉组织的量；
在所述扫描表示中识别所述感兴趣区域内的主脂肪目标；
确定所述主脂肪目标内的脂肪组织的量；
确定所述主脂肪目标内的瘦肉组织的量；
使用所述主脂肪目标内的所述瘦肉质量和脂肪质量来确定对于所述脂肪质量的水合的校正Ef以及对于所述瘦肉质量的水合的校正El；并且
基于从Ef与所述感兴趣区域内的所述瘦肉组织的估计量的乘积中减去Ef与所述脂肪组织的确定量的乘积来校正所述瘦肉组织的估计量。
7.根据权利要求5或6所述的系统，其中，所述一组操作还包括将所述主脂肪目标内的所述脂肪组织的量与参考量进行比较。
8.根据权利要求7所述的系统，其中，所述一组操作还包括，基于所述比较，对所述感兴趣区域内的所述瘦肉组织的估计量进行校正，以生成经校正的肌肉质量值。
9.根据权利要求2、5或6-8中的任一项所述的系统，其中，所述感兴趣区域是附肢。
10.根据权利要求2、5或6-9中的任一项所述的系统，其中，所述主脂肪目标是皮下脂肪区。
11.根据权利要求10所述的系统，其中，所述一组操作还包括：
对所述皮下脂肪层进行建模；并且
从所述瘦肉组织的估计量中去除所述皮下脂肪层。
12.一种用于确定患者的肌肉质量的方法，所述方法包括：
通过辐射探测器来探测来自密度计的、穿过所述患者的辐射发射；
基于所述探测到的辐射发射，生成所述患者的感兴趣区域的扫描表示，所述扫描表示包含一个或多个像素；
通过处理器来确定在所述感兴趣区域内的瘦肉组织的估计量；
通过所述处理器来识别在所述感兴趣区域内的主脂肪目标；
通过所述处理器在所述扫描表示中识别表示所述主脂肪目标的像素；
通过所述处理器分析所述主脂肪目标的所述像素表示，以确定在所述主脂肪目标内的脂肪量；
通过所述处理器对所确定的脂肪量与参考量进行比较；
通过所述处理器至少部分地基于所述比较来校正所述瘦肉组织的估计量，以生成所述患者的所述感兴趣区域的经校正的肌肉质量值；并且
显示所述感兴趣区域的所述经校正的肌肉质量值。
13.根据权利要求12所述的方法，还包括分析所述主脂肪目标的所述像素表示以确定存在于所述主脂肪目标内的水量。
14.根据权利要求12或13所述的方法，还包括：
至少基于所述主脂肪目标的深度来确定所述主脂肪目标的模型；并且
从所述瘦肉组织的估计量中减去所述模型化的主脂肪目标。
15.一种用于识别患者的状况的方法，所述方法包括：
通过探测器探测已经穿过所述患者的辐射射束；
基于所探测到的辐射射束，生成包含一个或多个像素的扫描表示；
通过所述处理器识别在所述扫描表示中的主脂肪目标；
通过所述处理器分析在所述扫描表示中的至少一个像素，以确定在所述主脂肪目标内的脂肪和水中的至少一项的量；
通过所述处理器对所确定的量与参考量进行比较；
基于所述比较，由所述处理器生成状况指标；并且
将所述状况指标显示于用户界面上。
16.根据权利要求15所述的方法，其中，所述状况指标对应于在所述患者的感兴趣区域内的局部水肿。
17.根据权利要求16所述的方法，其中，所述状况指标被显示于可操作地与密度计耦接的用户界面上。
18.根据权利要求15-17中的任一项所述的方法，其中，所述感兴趣区域是附肢。
19.根据权利要求15-18中的任一项所述的方法，其中，所述参考量是根据一组样本人员来确定的。
20.根据权利要求15-19中的任一项所述的方法，其中，所述主脂肪目标是皮下脂肪区。
CN201680012077.8A 2015-02-26 2016-02-25 身体扫描中的生理状态确定方法 Active CN107257660B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US201562121197P 2015-02-26 2015-02-26
US62/121,197 2015-02-26
PCT/US2016/019562 WO2016138262A1 (en) 2015-02-26 2016-02-25 Methods for physiological state determination in body scans

Publications (2)

Publication Number Publication Date
CN107257660A true CN107257660A (zh) 2017-10-17
CN107257660B CN107257660B (zh) 2021-05-11

Family

ID=55661538

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201680012077.8A Active CN107257660B (zh) 2015-02-26 2016-02-25 身体扫描中的生理状态确定方法

Country Status (7)

Country Link
US (4) US10499865B2 (zh)
EP (1) EP3261541B1 (zh)
JP (1) JP6783783B2 (zh)
CN (1) CN107257660B (zh)
AU (1) AU2016222642B2 (zh)
ES (1) ES2795430T3 (zh)
WO (1) WO2016138262A1 (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113878590A (zh) * 2021-04-22 2022-01-04 北京邮电大学 一种具备自动规划抽脂功能的机器人系统

Families Citing this family (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9865050B2 (en) 2010-03-23 2018-01-09 Hologic, Inc. Measuring intramuscular fat
US9642585B2 (en) 2013-11-25 2017-05-09 Hologic, Inc. Bone densitometer
EP3261541B1 (en) 2015-02-26 2020-04-15 Hologic, Inc. Methods for physiological state determination in body scans
CN105389788B (zh) * 2015-10-13 2019-03-05 沈阳东软医疗系统有限公司 Pet多床位图像的重建方法及装置、合并方法及装置
IT201600109999A1 (it) * 2016-11-02 2018-05-02 Eurotec Medical Systems S R L Apparato per densitometria ossea a raggi-x
US10485502B2 (en) * 2016-12-20 2019-11-26 General Electric Company System and method for assessing muscle function of a patient
FR3062048B1 (fr) * 2017-01-24 2019-04-19 Diagnostic Medical Systems Procede et dispositif d'estimation de graisse viscerale d'un corps vivant
EP3919000A4 (en) 2019-02-01 2022-03-23 FUJIFILM Corporation PHOTOGRAPHIC SUBJECT INFORMATION ACQUISITION DEVICE, METHOD OF OPERATION, AND PHOTOGRAPHIC SUBJECT INFORMATION ACQUISITION PROGRAM
JP7454511B2 (ja) * 2019-02-14 2024-03-22 富士フイルム株式会社 骨折リスク評価値取得装置及びその作動方法並びに骨折リスク評価値取得プログラム
JP7241000B2 (ja) * 2019-10-18 2023-03-16 富士フイルム株式会社 情報処理装置、情報処理方法、及び情報処理プログラム
US20230358904A1 (en) 2020-09-25 2023-11-09 Hologic, Inc. Photon flux modulation to improve dynamic range in photon counting detectors

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20060074288A1 (en) * 2004-10-04 2006-04-06 Thomas Kelly Estimating visceral fat by dual-energy x-ray absorptiometry
CN1767788A (zh) * 2003-04-08 2006-05-03 株式会社日产医药 医用图像诊断支援装置及方法
JP2011024773A (ja) * 2009-07-24 2011-02-10 National Institute Of Advanced Industrial Science & Technology Ｘ線成分計測装置
US20110158386A1 (en) * 2009-09-10 2011-06-30 General Electric Company Method and system for measuring visceral fat mass using dual energy x-ray absorptiometry
US20110235886A1 (en) * 2004-10-04 2011-09-29 Kelly Thomas L Visceral fat measurement
CN202723867U (zh) * 2012-08-29 2013-02-13 天津利银医疗器械科技发展有限公司 X射线骨密度测量仪

Family Cites Families (57)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4831527A (en) * 1986-08-11 1989-05-16 Clark Lloyd D Dynamic measuring system for determining the amount of excess body fat
US6031892A (en) 1989-12-05 2000-02-29 University Of Massachusetts Medical Center System for quantitative radiographic imaging
US6160866A (en) 1991-02-13 2000-12-12 Lunar Corporation Apparatus for bilateral femur measurement
JPH04263842A (ja) 1991-02-19 1992-09-18 Hitachi Medical Corp Ｄｅｘａ機能を持つｃｔ装置
US6081582A (en) 1992-09-14 2000-06-27 Lunar Corporation Transverse scanning densitometer
US5305368A (en) 1992-09-14 1994-04-19 Lunar Corporation Method and apparatus for piece-wise radiographic scanning
US5432834A (en) 1993-11-22 1995-07-11 Hologic, Inc. Whole-body dual-energy bone densitometry using a narrow angle fan beam to cover the entire body in successive scans
US6315445B1 (en) 1996-02-21 2001-11-13 Lunar Corporation Densitometry adapter for compact x-ray fluoroscopy machine
US6215846B1 (en) 1996-02-21 2001-04-10 Lunar Corporation Densitometry adapter for compact x-ray fluoroscopy machine
US6102567A (en) 1996-05-17 2000-08-15 Hologic, Inc. X-ray bone densitometry using a vertically scanning gantry
US5949846A (en) 1997-02-03 1999-09-07 Hologic, Inc. Bone densitometry using x-ray imaging systems
JP3453085B2 (ja) 1998-07-23 2003-10-06 ジーイー横河メディカルシステム株式会社 Ｘ線ｃｔ装置
EP1137366A1 (en) 1998-11-13 2001-10-04 Mars Uk Limited Body fat measurement system
US6315447B1 (en) 1998-12-22 2001-11-13 Bio-Imaging Technologies, Inc. Variable composition phantom simulating varying degrees of body fat for dual energy x-ray machine calibration
US6173034B1 (en) * 1999-01-25 2001-01-09 Advanced Optical Technologies, Inc. Method for improved breast x-ray imaging
US6233473B1 (en) 1999-02-16 2001-05-15 Hologic, Inc. Determining body composition using fan beam dual-energy x-ray absorptiometry
US6468209B1 (en) 1999-05-27 2002-10-22 Tanita Corporation Method and apparatus for estimating body fat
EP1357832B1 (en) 2000-11-08 2011-01-19 The John Hopkins University Techniques for deriving tissue structure from multiple projection dual-energy x-ray absorptiometry
US7595043B2 (en) 2001-12-07 2009-09-29 Cytori Therapeutics, Inc. Method for processing and using adipose-derived stem cells
JP4405716B2 (ja) 2002-08-26 2010-01-27 ジーイー・メディカル・システムズ・グローバル・テクノロジー・カンパニー・エルエルシー 画像処理装置およびｘ線ｃｔシステム
US6999549B2 (en) 2002-11-27 2006-02-14 Ge Medical Systems Global Technology, Llc Method and apparatus for quantifying tissue fat content
JP2007524438A (ja) 2003-03-25 2007-08-30 イメージング セラピューティクス，インコーポレーテッド 放射線画像処理技術における補償の方法
JP4914913B2 (ja) * 2003-04-25 2012-04-11 勝三 川西 健康指標推定装置、方法、及びプログラム
US8014575B2 (en) 2004-03-11 2011-09-06 Weiss Kenneth L Automated neuroaxis (brain and spine) imaging with iterative scan prescriptions, analysis, reconstructions, labeling, surface localization and guided intervention
US20050215882A1 (en) * 2004-03-23 2005-09-29 The Regents Of The University Of Michigan Noninvasive method to determine fat content of tissues using MRI
US7444961B1 (en) 2005-04-11 2008-11-04 Ellis James S Animal sorting and grading system using an internal evaluation to predict maximum value
US7949171B2 (en) 2005-10-19 2011-05-24 Siemens Corporation System and method for tracing rib posterior in chest CT volumes
EP1968431B2 (en) 2005-12-22 2022-06-01 Visen Medical, Inc. Combined x-ray and optical tomographic imaging system
EP1882447A1 (en) 2006-07-24 2008-01-30 Nutromnia S.R.L. Device for the determination of anthropometric parameters and body composition
EP2091415B1 (en) 2006-11-14 2015-07-08 Medizinische Universität Graz Determining a thickness of a layer of fat of an organism
CA2670293C (en) * 2006-11-30 2017-01-03 Impedimed Limited Measurement apparatus
US8792698B2 (en) 2008-02-25 2014-07-29 Hitachi Medical Corporation Medical imaging processing device, medical image processing method, and program
JP4492886B2 (ja) 2008-04-03 2010-06-30 富士フイルム株式会社 ３次元腹腔内領域検出装置、方法、およびプログラム
JP4891956B2 (ja) 2008-08-12 2012-03-07 日立アロカメディカル株式会社 画像処理装置
US8406865B2 (en) 2008-09-30 2013-03-26 Covidien Lp Bioimpedance system and sensor and technique for using the same
JP5657553B2 (ja) 2008-11-10 2015-01-21 インぺディメッド リミテッドＩｍｐｅｄｉｍｅｄ Ｌｉｍｉｔｅｄ インピーダンス測定を実施する際に使用される装置、浮腫の有無または程度を診断する際に使用される装置、及び身体組成分析において使用される装置
CN102355855B (zh) 2009-02-20 2014-09-10 欧姆龙健康医疗事业株式会社 生体信息测定装置、生体信息测定方法及体成分测定装置
JP2010253049A (ja) 2009-04-24 2010-11-11 Toshiba Corp 放射線治療装置および放射線透視装置
JP5330076B2 (ja) 2009-04-27 2013-10-30 株式会社 資生堂 「肌あれ」のリスク評価法
US8300911B1 (en) * 2009-09-10 2012-10-30 General Electric Company Methods and apparatus for measuring visceral fat mass
RU2569698C2 (ru) 2010-01-06 2015-11-27 Хилл`С Пет Ньютришн, Инк. Способ управления состоянием массы тела у животного
US9865050B2 (en) 2010-03-23 2018-01-09 Hologic, Inc. Measuring intramuscular fat
US8792689B2 (en) 2010-03-23 2014-07-29 Hologic, Inc. Measuring intramuscular fat
US8848868B2 (en) 2011-08-24 2014-09-30 Albert Davydov X-ray system and method of using thereof
IN2014CN03896A (zh) 2011-11-23 2015-10-16 Koninkl Philips Nv
US9119542B2 (en) 2012-05-18 2015-09-01 Hologic, Inc. Patient support pads for use in detecting lymphedema through x-ray scans
EP2911587B1 (en) 2012-10-26 2018-10-17 Varian Medical Systems, Inc. Nir image guided targeting
US8983571B2 (en) * 2013-06-12 2015-03-17 General Electric Company Method for measuring liver fat mass using dual-energy X-ray absorptiometry
US9642585B2 (en) 2013-11-25 2017-05-09 Hologic, Inc. Bone densitometer
US10456102B2 (en) 2013-11-27 2019-10-29 Washington University Automated apparatus to improve image quality in x-ray and associated method of use
EP2937039B1 (en) * 2014-04-25 2022-04-20 AMRA Medical AB Lean tissue water concentration quantification
US20170135655A1 (en) 2014-08-08 2017-05-18 Carestream Health, Inc. Facial texture mapping to volume image
EP3261541B1 (en) 2015-02-26 2020-04-15 Hologic, Inc. Methods for physiological state determination in body scans
FR3035785B1 (fr) 2015-05-07 2017-06-02 Arts Procede d'estimation de la repartition de la densite minerale osseuse dans au moins une partie de squelette d'un individu
BR112019019952A2 (pt) 2017-03-31 2020-04-28 Hologic Inc análise de composição corpórea de modalidade múltipla
KR20190021027A (ko) 2017-08-22 2019-03-05 삼성전자주식회사 엑스선 영상 장치 및 그 제어 방법
US11721014B2 (en) 2019-11-15 2023-08-08 GE Precision Healthcare LLC Methods and systems for a field-of-view preview

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1767788A (zh) * 2003-04-08 2006-05-03 株式会社日产医药 医用图像诊断支援装置及方法
US20060074288A1 (en) * 2004-10-04 2006-04-06 Thomas Kelly Estimating visceral fat by dual-energy x-ray absorptiometry
US20110235886A1 (en) * 2004-10-04 2011-09-29 Kelly Thomas L Visceral fat measurement
JP2011024773A (ja) * 2009-07-24 2011-02-10 National Institute Of Advanced Industrial Science & Technology Ｘ線成分計測装置
US20110158386A1 (en) * 2009-09-10 2011-06-30 General Electric Company Method and system for measuring visceral fat mass using dual energy x-ray absorptiometry
CN202723867U (zh) * 2012-08-29 2013-02-13 天津利银医疗器械科技发展有限公司 X射线骨密度测量仪

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113878590A (zh) * 2021-04-22 2022-01-04 北京邮电大学 一种具备自动规划抽脂功能的机器人系统

Also Published As

Publication number Publication date
US20210361251A1 (en) 2021-11-25
US10499865B2 (en) 2019-12-10
ES2795430T3 (es) 2020-11-23
JP6783783B2 (ja) 2020-11-11
US20180049710A1 (en) 2018-02-22
US11058380B2 (en) 2021-07-13
AU2016222642A1 (en) 2017-08-17
US20200060636A1 (en) 2020-02-27
US11717244B2 (en) 2023-08-08
CN107257660B (zh) 2021-05-11
EP3261541B1 (en) 2020-04-15
AU2016222642B2 (en) 2021-07-15
WO2016138262A1 (en) 2016-09-01
JP2018506385A (ja) 2018-03-08
EP3261541A1 (en) 2018-01-03
US20230404507A1 (en) 2023-12-21

Similar Documents

Publication Publication Date Title
CN107257660A (zh) 身体扫描中的生理状态确定方法
US11127175B2 (en) Monochromatic CT image reconstruction from current-integrating data via machine learning
CN102711617B (zh) 扫描规划视场调整器、确定器和/或质量评估器
CN109938764A (zh) 一种基于深度学习的自适应多部位扫描成像方法及其系统
US11701079B2 (en) Bone densitometer
CN104939848B (zh) 单色图像的生成
CN105962959A (zh) 对于虚拟x射线量子能量分布产生图像的方法和拍摄装置
US20150317777A1 (en) Image processing apparatus and method for filtering an image
US11963820B2 (en) Systems and methods for presenting complex medical condition diagnoses
CN105793894A (zh) 根据图像数据来进行骨骼分割
WO2022251701A1 (en) X-ray imaging system and method
JP2019536538A (ja) スペクトルｃｔにおける骨及びハードプラークのセグメンテーション
KR20140000823A (ko) 다파장 영상 복원 방법
US20220296192A1 (en) Bone trabeculae index for x-ray dark-field radiography
US20240237956A1 (en) Systems, Methods, and Media for Generating Low-Energy Virtual Monoenergetic Images from Multi-Energy Computed Tomography Data
Hagen Edge illumination X-ray phase contrast CT

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