CN107847141A - 用于获取与多个图像数据集的位置位移有关的信息的设备、方法和程序 - Google Patents
用于获取与多个图像数据集的位置位移有关的信息的设备、方法和程序 Download PDFInfo
- Publication number
- CN107847141A CN107847141A CN201680040418.2A CN201680040418A CN107847141A CN 107847141 A CN107847141 A CN 107847141A CN 201680040418 A CN201680040418 A CN 201680040418A CN 107847141 A CN107847141 A CN 107847141A
- Authority
- CN
- China
- Prior art keywords
- data set
- data
- unit
- image data
- light irradiation
- 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
Links
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7203—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal
- A61B5/7207—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal of noise induced by motion artifacts
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
- G06T7/74—Determining position or orientation of objects or cameras using feature-based methods involving reference images or patches
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/0093—Detecting, measuring or recording by applying one single type of energy and measuring its conversion into another type of energy
- A61B5/0095—Detecting, measuring or recording by applying one single type of energy and measuring its conversion into another type of energy by applying light and detecting acoustic waves, i.e. photoacoustic measurements
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C11/00—Photogrammetry or videogrammetry, e.g. stereogrammetry; Photographic surveying
- G01C11/02—Picture taking arrangements specially adapted for photogrammetry or photographic surveying, e.g. controlling overlapping of pictures
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C11/00—Photogrammetry or videogrammetry, e.g. stereogrammetry; Photographic surveying
- G01C11/04—Interpretation of pictures
- G01C11/06—Interpretation of pictures by comparison of two or more pictures of the same area
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T1/00—General purpose image data processing
- G06T1/0007—Image acquisition
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Animal Behavior & Ethology (AREA)
- Signal Processing (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Biophysics (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Pathology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Acoustics & Sound (AREA)
- Artificial Intelligence (AREA)
- Physiology (AREA)
- Psychiatry (AREA)
- Ultra Sonic Daignosis Equipment (AREA)
Abstract
一种装置包括:第一获取单元,其获取第一多个图像数据集;第二获取单元,其使用第一多个图像数据集中的第一两个或更多个图像数据集来获取第一合成图像数据;第三获取单元,其使用第一多个图像数据集中的第二两个或更多个图像数据集来获取第二合成体数据,第二两个或更多个图像数据集是不同于第一两个或更多个图像数据集的组合;第四获取单元,其使用第一合成图像数据和第二合成图像数据来获取与第一合成体数据和第二合成体数据之间的位置位移有关的信息;以及第五获取单元,其使用与第一合成图像数据和第二合成图像数据之间的位置位移有关的信息来获取与第一多个图像数据集的位置位移有关的信息。
Description
技术领域
本发明涉及用于获取与多个图像数据集的位置位移有关的信息的技术。
背景技术
光声成像技术正被研究,在光声成像技术中,用光照射对象,并且使用由于光的能量被吸收而导致的光声效应所发射的声波(光声波)来获取对象的图像数据。在光声成像中存在对通过多次光照射而获取的对象的图像数据集进行合成的技术。
然而,存在对象和光声波接收单元之间的相对位置关系在光照射之间可能变化的可能性。这在与每次光照射相对应的图像数据中导致由于该变化引起的位置位移。结果是,包括位置位移的对象的图像数据集被相互合成,并且对象的合成图像数据集的质量降低。已知有通过将图像数据集相互进行比较、从而估计和校正图像数据集的位置位移来解决这个问题的技术。
PTL 1公开了通过将对象的图像数据集相互进行比较来估计位置位移量,并且在位置位移已经被校正之后合成对象的图像数据集。然而,存在对于进一步改进关于根据PTL1的位置位移估计方法的估计精度的需求。
引文列表
专利文献
PTL 1:日本专利公开No.2014-140716
非专利文献
NPL 1:Physical Review E 71,016706(2005)
NPL 2:Proc.of SPIE Vol.7561756117-1
发明内容
本发明提供了一种使用多个图像数据集来改进多个图像数据集的位置位移量的估计精度的技术。
根据本发明的装置包括:第一获取单元,其被配置为获取第一多个图像数据集;第二获取单元,其被配置为使用第一多个图像数据集中的第一两个或更多个图像数据集来获取第一合成图像数据;第三获取单元,其被配置为使用第一多个图像数据集中的第二两个或更多个图像数据集来获取第二合成图像数据,第二两个或更多个图像数据集是不同于第一两个或更多个图像数据集的组合;第四获取单元,其被配置为使用第一合成图像数据和第二合成图像数据来获取与第一合成图像数据和第二合成图像数据之间的位置位移有关的信息;以及第五获取单元,其被配置为使用与第一合成图像数据和第二合成图像数据之间的位置位移有关的信息来获取与第一多个图像数据集有关的信息。
根据本发明的装置包括:第一获取单元,其被配置为获取多个图像数据集;设置单元,其被配置为从所述多个图像数据集设置多对图像数据;以及第二获取单元,其被配置为对于所述多对中的每一对,获取表示构成该对的两个图像数据集的相对位置和这两个图像数据集的相似性之间的关系的相似性函数的信赖度;并且使用与所述多对相对应的相似性函数的信赖度来获取与所述多个图像数据集的位置位移有关的信息。
从以下参照附图对示例性实施例的描述,本发明的进一步的特征将变得清晰。
附图说明
图1是例示说明根据第一实施例的光声设备的示图。
图2是例示说明根据第一实施例的在每次光照射时接收单元的位置的示图。
图3是例示说明根据第一实施例的图像数据获取单元处的处理流程的流程图。
图4是例示说明根据第一实施例的脉冲体数据(volume data)集的示图。
图5是例示说明根据第一实施例的将被合成的脉冲体数据集的示图。
图6A是例示说明根据第一实施例的合成体数据集的示图。
图6B是例示说明根据第一实施例的合成体数据集的示图。
图6C是例示说明根据第一实施例的合成体数据集的示图。
图7是例示说明根据第一实施例的位置位移量获取流程的流程图。
图8是例示说明根据第一实施例的合成体数据集的位置位移量的示图。
图9A是例示说明根据第一实施例的脉冲体数据集的位置位移量的示图。
图9B是例示说明根据第一实施例的脉冲体数据集的位置位移量的示图。
图10A是用于描述根据第一实施例的脉冲体数据集的位置位移校正处理的示图。
图10B是用于描述根据第一实施例的脉冲体数据的位置位移校正处理的示图。
图10C是用于描述根据第一实施例的脉冲体数据的位置位移校正处理的示图。
图10D是用于描述根据第一实施例的脉冲体数据的位置位移校正处理的示图。
图10E是用于描述根据第一实施例的脉冲体数据的位置位移校正处理的示图。
图11是例示说明根据第一实施例的光声设备的不同配置的示图。
图12是根据第一实施例的不同处理流程图。
具体实施方式
在光声成像中,存在对象和光声波接收单元之间的相对位置关系在不同光照射之间可能变化的可能性。这在与每次光照射相对应的图像数据中导致由于该变化引起的位置位移。结果是,包括位置位移的对象的图像数据集被相互合成,并且对象的合成图像数据集的质量降低。已知有通过将图像数据集相互进行比较、从而估计和校正图像数据集的位置位移来解决这个问题的技术。
然而,光声波产生的声压与超声诊断装置中使用的发送声波的声压相比通常较弱。因此,通过一次光照射获得的对象的图像数据的信噪比(以下“S/N”)低于发送和接收超声的超声诊断装置获取的图像数据的S/N比。结果,通过将从一次光照射获取的对象的图像数据集相互进行比较而获得的、图像数据集之间的位置位移量的估计精度很低。PTL 1公开了通过将通过多次光照射获取的对象的图像数据集相互进行比较来高精度地估计位置位移量,并且在位置位移已经被校正之后合成对象的图像数据集。
然而,在PTL 1中也存在对象和光声波接收单元之间的相对位置关系在用于获取对象的一个图像数据集的多次光照射之间可能变化的可能性。也存在由于该变化而导致的降低的图像质量将出现在通过多次光照射获取的对象的一个图像数据集的图像数据中的可能性。因此,难以使用PTL 1中公开的方法来抑制由于在用于获取对象的一个图像数据集的多次光照射之间出现的该变化而导致的质量降低。
在以下实施例中将描述光声成像技术,在该光声成像技术中,即使在对象和光声波的接收单元之间的相对位置关系在多次执行光照射期间变化的情况下,也可以在该变化的影响已被抑制的情况下获取对象的图像数据。
将参照附图来更详细地描述本发明。注意,作为规则,相同的组件用相同的标号表示,并且冗余描述被省略。
第一实施例
将参照图1来描述根据本实施例的光声装置。根据本实施例的光声装置包括光照射单元100、接收单元200、驱动单元300、信号收集单元400、图像数据获取单元500、显示单元600、输入单元700以及控制单元800。下面将描述根据本实施例的光声装置的配置。
光照射单元100
光照射单元100包括光源110和光学系统120,光学系统120将从光源110发射的光引导到对象900。光源110可以是激光器、发光二极管等。多种多样的激光器可以被使用,包括固态激光器、气体激光器、染料激光器、半导体激光器等。脉冲激光器(比如Nd:YAG激光器、变石激光器等)可以用作光源110。此外,使用Nd:YAG激光器作为激发光的Ti:蓝宝石激光器或光学参数化振荡器(OPO)激光器可以用作光源110。
光源110可以是能够产生纳秒至微秒量级的脉冲光的脉冲光源。光的脉宽可以为大约1至100纳秒。光的波长可以在大约400nm至1600nm的范围内。在生物表面附近的血管的高分辨率成像的情况下,可以使用在其处血管的吸收大的波长(400nm或更高、700nm或更低)的光。另一方面,在生物组织的深部处成像的情况下,可以使用在其处背景组织(水、脂肪等)的吸收通常低的波长(700nm或更高、1100nm或更低)的光。在用多个波长照射对象的情况下,可以使用可以执行波长转换的光源。注意,可以准备产生波长相互不同的光的多个光源,并且用这些光源以交替的方式照射对象。在使用多个光源的情况下,这些将被统称为“光源”。
比如透镜、反射镜、光纤等的光学元件可以用于光学系统120。光学系统120的发光部分可以使用扩散板配置以使光扩散,使得以更宽的光束直径来执行照射。另一方面,在光声显微镜检查中,光学系统120的发光部分可以使用透镜等来配置以提高分辨率,并且可以通过使射束聚焦来执行照射。注意,可以进行如下布置:光照射单元100不具有光学系统120,并且用来自光源110的光直接照射对象900。
接收单元200
接收单元200包括接受器组210和支撑构件220,接受器组210由通过接收光声波输出电信号的接受器211至214构成,支撑构件220支撑接受器组210。
可以用于构成接受器211至214的材料包括压电陶瓷材料和聚合压电膜材料等,压电陶瓷材料的代表有锆钛酸铅(PZT),聚合压电膜材料的代表有聚偏二氟乙烯(PVDF)。例如,可以使用电容微加工超声换能器(CMUT)、使用法布里-珀罗(Fabry-Perot)干涉仪的换能器等。注意,任何换能器可以用作接受器,只要可以通过接收声波输出电信号即可。
支撑构件220优选使用具有高机械强度的金属材料配置。本实施例中的支撑构件220具有半球壳的形状,被配置为使得接受器组210可以在半球壳上受到支撑。在这种情况下,接受器的定向轴围绕半球体的曲率中心会聚。当使用从这些接受器输出的电信号组执行成像时,图像质量在曲率中心附近也较高。注意,支撑构件220可以具有任何配置,只要它能够支撑接受器组210即可。
驱动单元300
驱动单元300是改变对象900和接收单元200之间的相对位置的设备。本实施例中的驱动单元300是在X-Y方向上移动支撑构件220的设备,并且是配备有步进马达的电动XY载物台。
驱动单元300包括产生驱动力的马达(比如步进马达)、传送驱动力的驱动机构以及检测接收单元200的位置信息的位置传感器。导螺杆机构、连杆机构、齿轮机构、液压机构等可以用于驱动机构。位置传感器可以使用利用编码器、可变电阻器等的电位器等。
注意,驱动单元300不限于在X-Y方向上(二维地)改变对象900和接收单元200之间的相对位置,并且可以一维地或三维地改变相对位置。
注意,驱动单元300可以固定接收单元200并且移动对象900,只要可以改变对象900和接收单元200之间的相对位置即可。在移动对象900的情况下,可构想通过移动支撑对象900的对象支撑单元(从图示省去)来移动对象900的配置。可替代地,对象900和接收单元200都可以被移动。
驱动单元300可以连续地移动相对位置,或者可以逐步重复地移动相对位置。驱动单元300优选是电动载物台,但是可以是手动载物台。
信号收集单元400
信号收集单元400包括放大器和A/D转换器,放大器放大电信号,这些电信号是从接受器211至214输出的模拟信号,A/D转换器将从放大器输出的模拟信号转换为数字信号(放大器和A/D转换器都从图示省去)。从信号收集单元400输出的数字信号被存储在图像数据获取单元500内的存储单元510中。信号收集单元400也被称为数据获取系统(DAS)。在本说明书中,“电信号”是既包括模拟信号、又包括数字信号的概念。
图像数据获取单元500
图像数据获取单元500是存储从信号收集单元400输出的数字信号并且基于存储的数字信号来获取对象900的图像数据的设备。稍后将描述图像数据获取单元500执行的处理的细节。
如本实施例中使用的“图像数据”是用于二维或三维空间中的每个位置处的信息的共同术语,该信息是基于通过接收由光声效应产生的光声波而获取的电信号组获得的。具体地说,图像数据与以下各项有关:光声波的产生的声压(初始声压)(以Pa为单位表达)、光能吸收密度(以J/m3为单位表达)、光吸收系数(以1/m为单位表达)、与构成对象的物质的浓度有关的信息等。与物质的密度有关的信息是氧合血红蛋白密度、脱氧血红蛋白密度、总血红蛋白密度、氧饱和度等。总血红蛋白密度是氧合血红蛋白密度和脱氧血红蛋白密度的和。氧饱和度是氧合血红蛋白关于总血红蛋白的比率。
图像数据获取单元500包括存储单元510、重构单元520、选择单元530、合成单元540、投影数据获取单元550以及位置估计单元560。存储单元510可以使用非暂时性存储介质(比如磁盘或闪存等)来配置。存储单元510也可以是易失性介质,比如动态随机存取存储器(DRAM)等。注意,其中存储程序的存储介质是非暂时性存储介质。
处理重构单元520、选择单元530、合成单元540、投影数据获取单元550以及位置估计单元560的计算功能的单元可以使用处理器(比如中央处理单元(CPU)或图形处理单元(GPU)等)、计算电路(比如现场可编程门阵列(FPGA)芯片)等来配置。这些单元不限于被配置为单个处理器或计算电路,并且可以被配置为多个处理器或计算电路。
显示单元600
显示单元600是显示器,比如液晶显示器、有机电致发光(EL)显示器等,其用作显示基于从图像数据获取单元500获取的图像数据的图像、图像数据内的预定位置处的数值等的设备。显示单元600可以显示用于图像和设备的操作的用户界面(UI)。显示单元600可以与光声装置分开提供。
输入单元700
输入单元700可以使用用户可以操作的鼠标、键盘、触摸面板等来配置。注意,输入单元700可以与光声装置分开提供。
控制单元800
控制单元800从输入单元700接收由于各种类型的操作(比如开始成像等操作)而导致的信号,并且控制光声装置的各种配置。控制单元800读出存储在存储单元中的程序,并且控制光声装置的配置的操作。控制单元800使用计算元件(比如CPU等)来配置。
注意,光声装置的配置可以均被配置为单独的设备,或者可以被整体地配置为单个设备。此外,光声装置的多个配置可以被整体地配置为单个设备。
以下是根据本实施例的光声装置的操作的描述。光照射单元110重复地用20Hz重复频率的光130照射对象900。根据由于光130导致的光声效应在对象900内产生声波(光声波)。共振器211至214接收光声波,并且输出电信号,由此接收单元200输出电信号组。从接受器输出的电信号是指示已经到达每个接受器的光声波的压力的时间变化的时序信号。
在光照射单元100用光多次照射对象900时,驱动单元300移动接收单元200。也就是说,驱动单元300在多次执行光照射的时间段期间移动接收单元200。结果,驱动单元300可以移动接收单元200,以使得每次执行光照射时接收单元200在不同的位置处。图2表示接收单元200在光照射时的位置的例子。图2中的点已经被绘制在光照射时支撑构件220的基部的位置处。光照射单元100执行光照射N次,并且接收单元200在N个位置处接收光声波。光照射的次数在图2中为2050次,并且接收单元200在光照射之间的时间间隔的平均移动距离约为1.5mm。
接受器组210接收通过光照射单元100进行多次光照射而产生的光声波,从而输出与所述多次光照射中的每次光照射相对应的多个电信号组。也就是说,接受器组210输出与光照射单元100进行光照射的次数一样多的电信号组。以下,与相应的多次光照射相对应的多个电信号组将被简称为“电信号组”。
下面将描述执行N次光照射的情况。通过第i次光照射获得的接收信号组将被写为Pdp_i(i不小于1且不大于N)。具有后缀“i”的项是与第i次光照射相对应的项。这个i是正整数,并且也被称为“脉冲索引”。具有后缀“p”的项是与第一次光照射相对应的项。
信号收集单元400将所述多个电信号组转换为将被存储在存储单元510中的数字信号组,所述多个电信号组是从接受器组210输出的模拟信号组。
图像数据获取单元500基于存储在存储单元510中的多个电信号组来获取对象的图像数据。图像数据获取单元500将对象的图像数据发送到显示单元600,以便显示基于图像数据的图像、图像数据内的预定位置处的数值等。在图像数据是三维的情况下,图像数据获取单元500可以显示在任何截面剖开的断层图像、最大强度投影(MIP)图像、经过立体渲染的图像等。
以下,将参照图3所示的处理流程图来详细地描述图像数据获取单元500获取对象的图像数据的处理。
<S210:获取多个脉冲体数据集的过程>
重构单元520基于存储在存储单元510中的多个电信号组中的每个电信号组,获取均对应于多次光照射的对象的多个图像数据集。也就是说,重构单元520将表示压力的时间变化的电信号组转换为对象的图像数据。通过一次光照射获取的图像数据也将被称为脉冲体数据集。脉冲体数据是以体数据格式获取的,在体数据格式中,值被存储在二维或三维排列的体素(如果是二维的的话也被称为像素)的相应位置处。体数据也被称为二维或三维体积(volume)、二维或三维图像、或者二维或三维断层图像。
在本实施例中,重构单元520基于存储在存储单元510中的多个电信号组中的每个电信号组,获取与多次光照射中的每次光照射相对应的多个初始声压分布数据P0p_i集。所述多个初始声压分布数据P0p_i集被存储在存储单元510中。在本实施例中将描述获取初始声压的三维空间分布信息作为对象的图像数据的情况。每个位置处的初始声压分布数据的值用函数表达式(比如P0p_i(x,y,z))描述。以下,与多次光照射中的每次光照射相对应的多个初始声压分布数据P0p_i集也可以被简称为多个初始声压分布数据集。
已知的重构技术(比如时域重构技术、傅立叶域重构技术、基于模型的重构技术(迭代重构技术)等)可以用于重构技术。例如,可以利用NPL 1中描述的被称为通用反向投影(UBP)的时域重构技术。
除了多个电信号组之外,重构单元520还基于每次光照射时接受器的位置信息来获取多个初始声压分布数据集。重构单元520可以通过读出事先存储在存储单元510中的每次光照射时每个接受器的位置信息来获取位置信息。重构单元520还可以在光照射作为触发的情况下,通过从设置到驱动单元300的位置传感器接收接收单元200的位置信息来获取每个接受器的位置信息。
图4例示说明根据本实施例的脉冲体数据集中的一部分(P0p_1至P0p_30)。尽管根据本实施例的脉冲体数据是三维空间中的体数据,但是为方便书面描述,用X-Y平面来表示脉冲体数据。在本实施例中,重构区域被设置为使得时间上相邻的初始声压分布数据集至少部分重叠。在每个方向上为60mm并且以半球体的支撑构件220的曲率中心为中心的立方区域在本实施例中用作将基于一次光照射(即,一个电信号组)重构的重构区域。在这种情况下,重构区域的大小(60mm)与接收单元200在光照射之间的时间间隔中的移动量(1.5mm)相比更大。因此,如图4所示,与在时间上连续的光照射相对应的两个或更多个脉冲体数据集重叠。重构区域的大小和形状可以事先设置。可替代地,用户可以通过使用输入单元700来指定重构区域的大小和形状。关于参考位置O的附图中的每个脉冲体数据集的左上边缘处的位置是每个脉冲体数据集的位置。作为例子,在图4中例示说明了脉冲体数据集P0p_1的位置PosP0p_1。如图2所示,接收单元200的位置对于每次光照射是不同的,所以图4所示的在本实施例中获得的每个脉冲体数据集被定位在关于参考位置O相互不同的位置处。也就是说,在本实施例中,脉冲体数据集的位置是由光照射时接收单元200的位置决定的。注意,光照射时接收单元200的位置信息可以被获取,并且基于该位置信息,获取的脉冲体数据集的位置被决定。可替代地,可以基于光照射的位置来决定脉冲体数据集的位置。此外,可以事先设置在该过程中获取的脉冲体数据集的位置。
注意,在该过程中,重构单元520可以获取对象内的光积分通量分布数据Φ(J/m2)以及对象内的格律乃森(Gruneisen)系数分布数据Γ(Pa×m3/J)。重构单元520然后可以通过将初始声压分布数据除以光积分通量分布数据和Gruneisen系数分布数据来获取光吸收系数分布数据μa(1/m)。在这种情况下,光吸收系数分布数据可以被看作是脉冲体数据。
例如,重构单元520可以通过对如NPL 2中描述的光扩散方程求解来获取光积分通量分布数据。
已知的是,当对象的类型被确定时,Gruneisen系数的值被几乎唯一地确定,所以例如,Gruneisen系数分布数据Γ可以事先被存储在存储单元510中。重构单元520然后可以通过读出存储在存储单元510中的Gruneisen系数分布数据Γ来执行获取。
注意,接收单元200可以具有抓握部分,并且用户可以抓住该抓握部分以便移动接收单元200。可替代地,可以进行如下布置:接收单元200在多次光照射期间不被移动。重构单元520还可以基于通过一次光照射获得的电信号组来获取整个成像区域的图像数据,并且针对多次光照射对此进行重复。
<S220:选择脉冲体数据的过程>
选择单元530在存储在存储单元510中的多个脉冲体数据集中选择与在时间上连续的光照射相对应的两个或更多个脉冲体数据集。这里选择的两个或更多个脉冲体数据集将被统称为第一组数据Gg_1。
选择单元530选择与在时间上连续的光照射相对应的两个或更多个脉冲体数据集,关于这些光照射,脉冲体数据集的组合不同于第一组数据,并且还包括第一组数据中所包括的脉冲体数据集中的一部分。这里选择的两个或更多个脉冲体数据集将被统称为第二组数据Gg_2。
在本说明书中,第j组数据被写为Gg_j(j不小于1且不大于M)。具有后缀j的项指示这是与第j组数据相对应的项。这个j是正整数,并且也被称为组索引。具有后缀g的项指示这是与一个组数据相对应的项。
图5指示了本实施例中的选择脉冲体数据集的例子。选择单元530选择与第一次光照射至第十次光照射相对应的十个初始声压分布数据集P0p_1至P0p_10作为第一组数据Gg_1。选择单元530还选择与第六次光照射至第十五次光照射相对应的十个初始声压分布数据集P0p_6至P0p_15作为第二组数据Gg_2。这里,在每个组数据中,与第六次光照射至第十次光照射相对应的初始声压分布数据集被选为两个组数据共有的初始声压分布数据。以相同的方式,可以通过以下方式来选择多个组数据Gg_1至Gg_M:通过将选择的十次光照射所对应的十个初始声压分布数据集一次移位五次光照射来执行选择。也就是说,组数据Gg_j包括初始声压分布数据P0p_(5j-4)至P0p_(5j+5)。在本实施例的情况下,一个组数据由十个电信号组配置,并且多个组数据是通过一次移位五个电信号组而形成的。因此,合成体数据的数量(M)小于脉冲体数据的数量(N)。
注意,选择单元530可以基于每个脉冲体积的图像质量来选择脉冲体数据。选择单元530可以选择脉冲体数据,以使得选择的脉冲体数据在被合成时具有预定质量或更高质量。选择单元530可以选择与低图像质量的脉冲体数据集相比数量更少的高图像质量的脉冲体数据集作为一个组。如这里使用的图像质量意指体数据中的信号电平、S/N、对比度等。例如,在该脉冲体数据中将假定如下情况:强的强度值在截取的主体的一部分已经产生强光声波的区域中被观察到,而弱的强度值在其他区域处被观察到。选择单元530还可以计算该脉冲体数据内的亮度值的平均值,或者基于亮度值的变化来计算信号电平,等等。此外,可以进行如下布置:选择单元530基于脉冲体数据的亮度值来计算来自光声波的分量和噪声分量之间的比率,并且基于该比率来计算S/N。在这种情况下,例如,选择单元530执行关于该脉冲体数据的亮度值的空间频率分析。选择单元530然后可以将具有预定频率或更高频率的亮度值的分量看作噪声,并且将低于该频率的频率的亮度值的分量看作基于光声波的分量,从而根据这些分量的比率计算S/N。因此,可以根据每个脉冲体数据集的图像质量来适应性地改变将被合成的脉冲的数量。因此,可以产生图像质量达到或高于预定水平的体数据。
在身体移动的变化和对象的主题(thesis)已知的情况下,选择单元530可以基于身体移动的幅度来选择脉冲体数据集。具体地说,当身体移动大时,选择单元530可以减少将被选择的脉冲的数量,并且当身体移动小时,可以增加将被选择的脉冲的数量。因此,当主体的身体移动大时,在稍后描述的S230中合成较少的脉冲体数据集。这可以抑制由于身体移动的影响而导致的合成体数据中的模糊。另一方面,当主体的身体移动小时,在稍后描述的S230中合成较多的脉冲体数据集。这具有可以在脉冲体数据中所包括的噪声的影响已经被减小的情况下合成体数据的优点。
选择的脉冲体数据集被如稍后描述的那样合成。选择的脉冲体数据集之间的位置位移优选为小,以抑制体数据在合成之后模糊。因此,可以从在预定时间段内执行的光照射选择与两次或更多次光照射相对应的脉冲体数据集。与第一组数据相对应的预定时间段将被称为第一时间段,与第二组数据相对应的预定时间段将被称为第二时间段。预定时间段是根据位置位移的幅度和周期决定的。例如,可以选择包括在与位置位移的1/4周期相对应的时间段中的脉冲体数据集。在假定由于呼吸而导致位置位移的情况下,可以选择一秒内所包括的脉冲体数据集。在假定由于相对较快的呼吸而导致位置位移的情况下,可以选择0.5秒内所包括的脉冲体数据集。可以选择脉冲体数据集的任何组合,只要这些脉冲体数据集是在预定时间段内选择的即可。也就是说,选择的脉冲体数据集不必是在时间上连续的。
<S230:合成选择的脉冲体数据集的过程>
合成单元540通过合成在S220中选择的两个或更多个脉冲体数据集来获取合成体数据。
本实施例中的合成单元540合成选择单元530选择的第一组数据Gg_1中所包括的初始声压分布数据集P0p_1至P0p_10,从而获取初始声压分布数据集P0g_1。第一合成初始声压分布数据等同于第一合成体数据(第一合成图像数据)。为获取第一合成体数据而执行的合成将被称为第一合成。
图6A例示说明了通过第一合成获取的第一合成体数据P0g_1。在本实施例中,如下区域被看作是第一合成体数据P0g_1,该区域包含(envolop)将被合成的所有脉冲体数据集P0p_1至P0p_10,并且也是最小程度地小的矩形区域。注意,包含其中至少两个或更多个脉冲体数据集重叠的区域的任何区域可以被看作是合成体数据。也就是说,合成体数据的区域无需包含作为合成对象的所有脉冲体数据集。
以与脉冲体数据集相同的方式,关于参考位置O的附图中的左上边缘处的位置是第一体数据集的位置PosP0g_1。
合成单元540合成选择单元530选择的第二组数据中所包括的初始声压分布数据集P0p_6至P0p_15,并且获取第二合成第二合成初始声压分布数据P0g_2。通过合成第j组数据中所包括的初始声压分布数据而获得的第j合成初始声压分布数据被写为P0g_j。第二合成初始声压分布数据等同于第二合成体数据(第二合成图像数据)。为获取第二合成体数据而执行的合成将被称为第二合成。
图6B例示说明了基于图6A所示的脉冲体数据集P0p_1至P0p_30而获得的合成体数据P0g_1至P0g_5。图6B中的实线例示说明脉冲体数据集,而虚线指示合成体数据集。
图6C仅例示说明了图6B所示的合成体数据集P0g_1至P0g_5。图6B中的实线例示说明合成体数据集P0g_1、P0g_3和P0g_5,而虚线指示合成体数据集P0g_2和P0g_4。
本实施例中的合成单元540通过对选择的脉冲体数据集执行平均处理来获取合成体数据。该平均处理(平均化)是通过将关于其中脉冲体积重叠的区域的每个脉冲体积的亮度值相加并且除以重叠的脉冲体积的数量的计算来执行的。
合成单元540可以与合成体数据P0g_j一起获取权重体数据Wg_j(x,y,z)。权重体数据Wg_j是表示在合成体数据P0g_j中的每个位置处重叠的脉冲体数据集的数量(在执行平均处理的情况下,将被除的值)的体数据。认为在通过合成较多数量的脉冲体数据集获取的位置处合成体数据的值高。也就是说,权重体数据Wg_j被设想是表示每个位置处的合成体数据的信赖度的值。
注意,合成位置不限于平均处理,并且可以使用任何技术,只要可以获得与单个脉冲体数据集相比更准确地再现对象的特征的体数据即可。注意,然而,校正光照射之间的时间间隔期间对象900和接收单元200之间的相对位置的变化的处理(例如,改变脉冲体积的位置的处理)不包括在如本说明书中使用的“合成”中。
例如,合成单元540可以通过对将被合成的每个脉冲体数据集进行加权、其后将这些相加来执行合成。合成单元540还可以对包括很多噪声的值已经通过离群排除等被排除的脉冲体数据集计算相加值和平均值。这样的合成处理使得能够获得准确地再现对象的特征的合成体数据,其中脉冲体数据集中所包括的噪声已经被减小。
通过如本实施例中描述的那样在S230中选择在时间上连续的脉冲体数据集,在该过程中可以合成具有很小的时间变化的脉冲体数据集。因此,该过程使得能够获取对象和光声波的接收单元之间的相对位置在多次光照射期间的变化的影响已经被最小化的合成体数据。
具有改进质量的合成体数据可以通过合成每个脉冲体数据集的质量不高的多个脉冲体数据集来获取。然而,在该过程中获取的合成体数据包括对象和光声波的接收单元之间的相对位置在多次光照射期间的变化的影响。因此,存在合成体数据的质量可能由于该变化的影响而降低的可能性。接着将描述从合成体数据的估计位置估计脉冲体数据集的位置以抑制质量降低的处理。
注意,选择单元530可以基于在该过程中获取的合成体数据的图像质量来重新选择将被合成的脉冲体数据集。具体地说,在合成体数据的图像质量低于预定图像质量的情况下,选择单元530可以将用于合成的脉冲体数据集相加,并且重新选择。因此,合成体数据可以保持在预定图像质量或更高图像质量,所以稍后描述的S250中的合成体数据的位置的估计精度得到改进。此外,在合成体数据的图像质量高于预定图像质量的情况下,选择单元530可以重新选择将被合成的脉冲体数据集。因此,可以使实现预定图像质量或更高图像质量的脉冲体数据集的数量减少,从而抑制由于身体移动的影响而将模糊包括在合成体数据中。
重构单元520可以基于通过与S220中选择的两个或更多个脉冲体数据集相对应的光照射获取的两个或更多个电信号组来获取合成体数据。在这种情况下,可以以与在S220中描述的用于选择脉冲体数据集的方法相同的方式来选择电信号组。重构单元520还可以在不对每个电信号组产生脉冲体数据集的情况下从两个或更多个电信号组产生一个体数据集。如S210中所描述的,将被应用于一个电信号组的重构区域大小可以小于整个成像区域。可替代地,将被应用于一个电信号组的重构区域大小可以与整个成像区域的大小是相同的。也就是说,重构单元520可以将每个电信号组应用于整个成像区域。
<S240:选择合成体数据的过程>
位置估计单元560从在S230中获取的多个合成体数据集选择可选的一对合成体数据集。第k对被写为R_k。构成对R_k的合成体数据集中的一个被写为P0g_k1,另一个被写为P0g_k2。在本实施例中将描述K对被选择的情况。
注意,具有交叠区域的两个合成体数据集优选地被配对。这使得能够避免不具有任何共同特征的合成体数据集在稍后描述的S250中被比较的情形,所以可以减少冗余计算。将交叠区域大的合成体数据集配对甚至是更优选的。因此,位置估计单元560可以选择合成体数据集之间的交叠区域的体积是预定值或更大值的对。可替代地,例如,位置估计单元560可以选择关于合成体数据的交叠区域的体积百分比是预定值或更大值的对。此外,可以在合成体数据内选择具有大量重叠的脉冲体数据集的区域交叠的对。
可替代地,关于某个合成体数据,可以选择具有如下组索引的合成体数据集:该组索引包括在根据某个合成体数据的组索引的预定组索引范围中。或者,可以选择其组索引是连续的(即,在时间上连续的)合成体数据集来进行配对。
例如,本实施例中的位置估计单元560在与P0g_j的交叠区域为50%或更多的P0g_(j+1)至P0g_(j+60)中选择合成体数据集作为用于与P0g_j合成的对象。
<S250:估计合成体数据集的位置位移量的过程>
接着,估计在光照射之间的时间间隔内由于对象和光声波的接收单元之间的相对位置关系的变化而导致的每个合成体数据集的位置位移量。在本实施例中,位置估计单元560获取合成体数据集之间的位置位移量作为与合成体数据集之间的位置位移有关的信息。下面将参照图7来描述估计合成体数据集的位置位移量的图像处理方法的例子,其是S250的详细处理流程。
<S251:获取合成体数据集之间的相似性函数的过程>
位置估计单元560获取如表达式(1)所示的P0g_k1和P0g_k2之间的相似性函数F_k。
F_k(x,y,z)=fsimil(P0g_k,x,y,z)…表达式(1)
因此相似性函数F_k是计算平移作为对R_k之一的合成体数据P0g_k2关于另一个合成体数据P0g_k1的相对位置(x,y,z)的相似性的函数。注意,在图像之间的相似性高的情况下,这里的函数fsimil返回高值作为函数值。相似性函数F_k的获取意指在预定范围内离散地改变作为函数的变元的平移量(x,y,z)(即,改变图像之间的相对位置)的情况下获取函数值。例如,在将x、y和z中的每个的值作为-L至+L的范围内的整数值改变的情况下,这意指获取F_k对于每个返回的一组(2L+1)×(2L+1)×(2L+1)个值。作为进一步的发展,可以对该组(2L+1)×(2L+1)×(2L+1)个值进行双线性或双三次插值等,以推导作为更接近于连续函数的信息的相似性函数F_k,并且获得此。
注意,可以将已经被平移与P0g_k2关于P0g_k1的相对位置相当的量(接收单元200在光照射之间的时间间隔的移动量)的位置用作标准,并且在预定范围内离散地移动P0g_k2的位置的情况下可以获得函数值。
任何相似性度量可以用于计算相似性的函数,比如举例来说,方差和(SSD)、绝对差和(SAD)、互信息、互相关等。可替代地,可以从合成体数据提取具有特征的形式,并且可以通过测量其位置匹配程度来获得相似性函数。将被提取的特征可以是在一般用在图像处理领域中的已知技术中提取的特征,比如解剖特征(比如血管等)、边缘检测、拐角检测等。将被提取的特征也可以是高阶局部图像特征等,比如一般用在计算机视觉等技术领域中的加速鲁棒特征(SURF)或尺度不变特征变换(SIFT)特征。可设想这些方法可以使得可以关于合成体数据集之间的亮度分布的差异、噪声的包括等得到更鲁棒的相似性函数。
位置估计单元560可以通过用S240中描述的权重体数据Wg_j约束表达式(1)所示的每个位置处的相似性计算(在SSD的情况下计算每个像素值的差的平方)的结果来获取相似性函数。根据该处理,位置估计单元560可以获取强烈地反映合成体数据中信赖度高的区域的相似性函数。
在作为相似性计算的对象的合成体数据集之间的相似性不能被正确计算的情况下,其结果不必被用在后续处理中。相似性不能被正确计算的情况的可设想例子包括:无论什么平移、相似性都小的情况,相似性没有变化的情况等。根据该处理,可以在后续处理中选择性地使用相同特征充分显现的合成体数据集之间的比较结果(相似性函数)。
<S252:获取在其处相似性函数最大的平移量的过程>
接着,位置估计单元560如表达式(2)所示那样获取合成体数据P0g_k2关于合成体数据P0g_k1的平移量M_k(x,y,z),在M_k(x,y,z)处相似性函数F_k的函数值最大。
M_k(x,y,z)=argmax{F_k(x,y,z)}…表达式(2)
位置估计单元560对于每对获取相似性函数F_k的函数值最大的平移量M_k。
<S253:基于相似性函数来获取相似性函数的信赖度的过程>
接着,位置估计单元560基于相似性函数F_k来获取相似性函数F_k的信赖度S_k。相似性函数的信赖度是基于相似性函数获得的、表示在其处相似性函数最大的平移量(图像之间的相对位置)的可能性的参数。换句话说,相似性函数的信赖度是基于相似性函数获取的、表示将被比较的合成体数据集之间的位置关系的可能性的参数。例如,相似性函数的锐度(acutance)可以用作相似性函数的信赖度。也就是说,基于围绕在其处相似性函数最大的位置的相似性函数值的变化幅度(锐度)的值可以被看作是相似性。具体地说,位置估计单元560根据相似性函数F_k的二次微分值从表达式(3)获取表示锐度的相似性S_k。
[数学式1]
注意,位置估计单元560可以使用任何方法,只要可以基于相似性函数来获取表示在其处相似性函数最大的平移量(图像之间的相对位置)的可能性的参数即可。
<S254:基于相似性函数的信赖度来获取位置位移之后的合成体数据的位置信息的过程>
在估计合成体数据的位置的情况下,定义如下评估函数,在该评估函数中,作为对R_k的单个最佳值的平移量M_k被最大程度地保持。也就是说,定义如下评估函数:在该评估函数中,当P0g_k2关于P0g_k1的位置离平移量M_k越远时,值变得越低。此外,使用在S253中获取的相似性函数的信赖度S_k来对如此定义的该评估值进行加权。表达式(4)表示用相似性函数的S_k加权的评估值E_k的例子。
E_k=S_k×(M_k-(PosP0g_k1-PosP0g_k2))2=S_k(x)×(M_k(x)-(PosP0g_k1(x)-
PosP0g_k2(x)))2+S_k(y)×(M_k(y)-(PosP0g_k1(y)-PosP0∑_k2(y)))2+S_k(z)×
(M_k(z)-(PosP0g_k1(z)-PosP0g_k2(z)))2...表达式(4)
PosP0g_k1表示P0g_k1关于参考位置的位置。PosP0g_k2表示P0g_k2关于参考位置的位置。注意,在定义评估函数时,相似性函数F_k可以逼近拟合该相似性函数F_k的二次函数。在可以通过在平移量M_k附近遵循二次函数减小来逼近相似性函数F_k的情况下,表达式(3)是根据P0g_k1和P0g_k2之间的位置关系在平移量M_k附近逼近相似性函数F_k的值的函数。
接着,位置估计单元560获取当如表达式(5)中定义的成本函数E最小化时关于参考位置的所有合成体数据位置PosP’0g_j。
[数学式2]
当成本函数最小化时合成体数据关于参考位置的位置表示在由于对象900和接收单元200之间的相对位置关系的变化而导致的位置位移之后的、合成体数据的位置信息。
使用通过相似性函数的信赖度加权的评估函数使得能够获取强烈地反映包含共同结构的图像数据对的评估结果的位置信息。另一方面,可以获取不强烈地反映图像数据中不包含共同结构的图像数据对的评估的位置信息。也就是说,可以通过使用相似性函数的信赖度来精确地获取体数据的位置信息。
例如,位置估计单元560用线性最小二乘法来执行求解以求出使表达式(5)所示的成本函数E最小化(最接近地靠近零)的解。因此,每个合成体数据集的合成体数据位置PosP’0g_j可以被唯一地计算。因为每个合成体数据集的合成体数据位置PosP’0g_j可以在表达式(5)所示的成本函数中用线性最小二乘法唯一地计算,所以计算成本小。
上述用线性优化的成本函数优化不是限制性的;任何已知方法可以用于成本函数优化。例如,可以使用通过迭代计算的非线性优化法(比如最陡下降法、牛顿法等)来执行优化。也就是说,位置估计单元560通过对每个合成体数据搜索使成本函数最小化的位置来获取位置位移之后的合成体数据关于参考位置的位置信息。
注意,成本函数可以被定义为规范化每个合成体数据位置在光照射之间的间隔的预期变化(移动)。在对象是乳房的情况下,由于呼吸而导致的移动将被预计为是主导的。在这种情况下,对象的移动预计最多是几个毫米左右,并且其移动是连续的且平滑的。该移动还被预计为是循环的。可以执行规范化以便抑制计算与诸如上述的对象的预期移动相背离的移动。
任何方法可以用于规范化。例如,可以通过以下方式来执行规范化:通过将导出过程中的对象的移动量(移动距离)的总和乘以预定加权系数来计算成本函数。可替代地,可以将对象的变化的时间微分(加速度)的总和加到成本函数中。此外,可以将基于对象的变化的频率分量值计算的值加到成本函数中。而且,可以准备对象的典型变化的模型,其中关于该模型中的变化的差被作为成本加到成本函数中。
此外,“最小化成本函数”不限于成本函数严格处于最小值的情况,并且还包括当解候选被改变时成本函数的值等于或低于预定值的情况以及成本函数的变化量等于或低于预定值的情况。也就是说,位置估计单元560可以确定成本函数已经通过成本函数满足预定条件被最小化。此外,用户可以使用输入单元700来指示成本函数已经被最小化。在这种情况下,位置估计单元560在从输入单元700接收到指令时确定成本函数已经被最小化。
<S255:基于位置位移之后的位置信息来获取合成体数据的位置位移的过程>
接着,位置估计单元560关于在S230中获取的合成体数据获取在其处成本函数已经被最小化的合成体数据的位置位移量Mg_j。该位置位移量Mg_j表示由于对象900和接收单元200之间的相对位置关系变化而导致的每个合成体数据集处的位置位移。
图8例示说明了在S230中获取的合成体数据P0g_2的位置PosP0g_2以及在其处成本函数已经被最小化的合成体数据P’0g_2的位置PosP’0g_2(位置位移之后的位置)。图8用实线例示说明合成体数据P0g_2,并且用虚线例示说明成本函数已经被最小化的合成体数据P’0g_2。
合成体数据的位置位移之后的位置信息可以在S254中基于相似性函数的信赖度被精确地估计,所以合成体数据的位置位移量在S255中也被精确地获取。
注意,任何技术可以用在S250中,只要可以基于相似性函数的信赖度来获取由于对象900和接收单元200之间的相对位置的变化而导致的合成体数据集的位置位移量即可。使用质量与脉冲体数据相比已经得到改进的合成体数据被用在S250中,所以合成体数据的位置位移量可以被精确地估计。
<S260:估计脉冲体数据的位置位移量的过程>
位置估计单元560基于在S250中估计的合成体数据的位置位移量Mg_j来估计脉冲体数据的位置位移Mp_i。也就是说,位置估计单元560估计关于S210中设定的脉冲体数据的位置的位置位移。
位置估计单元560可以对与合成体数据相关的脉冲体数据的位置位移量分配在S250中估计的合成体数据的位置位移量。其他脉冲体数据的位置位移量可以通过位置估计单元560关于已经被分配的脉冲体数据的位置位移量执行插值处理来估计。已知技术(比如线性插值和样条插值等)可以用于插值技术。插值处理也可以以使得不计算与S250中描述的对象的预期移动相背离的移动的约束来执行。
作为合成对象的脉冲体数据集中的任何脉冲体数据集可以被看作是与合成体数据相关的脉冲体数据集。例如,在将被合成的脉冲体数据集的数量是奇数的情况下,可以将时间中心处的脉冲体数据集与合成体数据相关。
此外,在将被合成的脉冲体数据集的数量是偶数的情况下,可以将时间中心周围的任何脉冲体数据集与合成体数据相关。例如,在如本实施例中那样十个脉冲体数据集是合成对象的情况下,可以将合成体数据P0g_j的位置位移量Mg_j分配为脉冲体数据P0p_5j的位置位移量Mp_5i。
此外,在将被合成的脉冲体数据集的数量是偶数的情况下,可以将位于时间中心处的虚拟脉冲体数据集与合成体数据相关。例如,在如本实施例中那样十个脉冲体数据集是合成对象的情况下,可以将合成体数据P0g_j的位置位移量分配为脉冲索引为5.5j的虚拟脉冲体数据集的位置位移量。
此外,在用加权进行合成的情况下,可以将作为合成对象的所有脉冲体数据集中的已经被用最高加权系数加权的脉冲体数据集与合成体数据相关。可替代地,可以将作为合成对象的所有脉冲体数据集中的其加权系数是中间值的脉冲体数据与合成体数据相关。
图9例示说明了本实施例中的估计脉冲体数据的位置位移量的处理的例子。图9A是用箭头指示在执行稍后描述的位置位移校正之前、关于脉冲体数据的位置位移量的示图。首先,如图9A所示,位置估计单元560将合成体数据P0g_2的位置位移量Mg_2分配给阴影指示的脉冲体数据P0g_10的位置位移量Mg_10。位置估计单元560还将另一个合成体数据P0g_j的位置位移量Mg_j分配给脉冲体数据P0g_5j。Mg_1在本实施例中是0,所以Mg_5也是0。注意,图9A例示说明了脉冲体数据在位置位移之后的位置PosP’0g_10。
接着,如图9B所示,位置估计单元560通过位置位移量Mp_5j的线性插值来获取除了阴影指示的脉冲体数据P0g_5j之外的平移量。图9B用实线例示说明位置位移量Mp_5j,并且用点线例示说明除了位置位移量Mp_5j之外的已经通过插值估计的位置位移量。对位置位移量进行插值以便连接脉冲体数据在位置位移之后的位置PosP’0p_i使得能够估计每个脉冲体数据集的位置位移量。注意,可以将通过在优化之后对合成体数据P’0g_j的位置PosP’0p_j进行插值而获得的位置估计为脉冲体数据在位置位移之后的位置。此外,可以基于已经以这种方式获得的脉冲体数据在位置位移之后的位置来获得脉冲体数据的位置位移量。根据上述处理,可以基于每个合成体数据集的位置位移量来获取每个脉冲体数据集的位置位移量。
在该过程中,可以基于已经被高精度地估计的合成体数据的位置位移量来估计脉冲体数据的位置位移量。因此,与直接从低质量脉冲体数据估计位置位移量的情况相比,脉冲体数据的位置位移量的估计精度更高。
此外,如前所述,在本实施例中,合成体数据的数量(M)小于脉冲体数据的数量(N)。在这种情况下,与通过将脉冲体数据集相互进行比较来估计所有脉冲体数据的位置位移的技术相比,通过将合成体数据集相互进行比较来估计所有合成体数据的位置位移的技术需要更少的计算量。因此,与估计所有脉冲体数据的位置位移的前一种技术相比,基于通过后者获得的所有合成体数据的位置位移量来估计所有脉冲体数据的位置位移量的技术具有更低的计算成本。
<S270:在位置位移校正之后合成多个脉冲体数据集的过程>
在已经执行了用在S260中估计的位置位移量校正每个脉冲体数据集的位置的处理(平移处理)之后,合成单元540对这些进行合成以便获取第三合成体数据(第三合成图像数据)。也就是说,合成单元540对位于位置位移之后的位置处的脉冲体数据集进行合成以获取第三合成体数据。用于获取第三合成体数据的合成将被称为第三合成。
图10A至10E例示说明了该过程中的位置位移校正处理(平移处理)的例子。图10A例示说明了根据本实施例的平移处理之前的脉冲体数据集中的一部分(P0p_23至P0p_25)。虚线表示P0p_25的周边处以及P0p_25内的特征701。实线表示P0p_24的周边处以及P0p_24内的特征711。点线表示P0p_23的周边处以及P0p_23内的特征721。注意,特征701、特征711和特征721全都表示相同的特征。在图10A中的状态下,每个脉冲体数据集内的特征位于不同的位置处。
图10B例示说明了在已经将平移之前的脉冲体数据集P0p_25平移S260中估计的位置位移量Mp_25之后的脉冲体数据P’0p_25。图10C例示说明了在已经将平移之前的脉冲体数据集P0p_24平移S260中估计的位置位移量Mp_24之后的脉冲体数据P’0p_24。图10D例示说明了在已经将平移之前的脉冲体数据集P0p_23平移S260中估计的位置位移量Mp_23之后的脉冲体数据P’0p_23。
图10E例示说明了平移之后交叠的脉冲体数据P’0p_23、P’0p_24和P’0p_25。每个脉冲体数据集内的特征701、711和721在图10E中在大致相同的位置处交叠。合成单元540合成如图10E所示的已经经过平移处理的脉冲体数据集,因此可以获取定位的体数据。该定位的体数据等同于第三合成体数据。注意,“定位”意指既执行位置位移校正处理(平移处理)、又执行合成处理。
S240中描述的合成技术、只保留可选的脉冲体数据的合成技术等可以在该过程中被应用于其中脉冲体数据集重叠的区域。
可以基于使用合成体数据精确地估计的位置位移量来对脉冲体数据集进行位置位移校正,其后合成这些脉冲体数据集。因此,可以获取合成体数据中包括的对象和光声波的接收单元之间的相对位置关系在光照射之间的时间间隔处的变化的影响已经被抑制的图像数据(定位的体数据)。
即使在接收单元200在光照射之间不移动的情况下,也可以应用上述处理。也就是说,即使在光声装置不具有驱动单元300的情况下,也可以应用上述处理。在这种情况下同样地,可以获取对象和光声波的接收单元之间的相对位置关系在多次光照射之间的时间间隔处变化的影响已经被抑制的图像数据。
(考虑到旋转或变形的位置位移校正的例子)
在本实施例中关于平移作为对象和接收单元之间的相对位置关系的变化发生的情况的例子给出了描述。注意,然而,本发明可以应用于旋转和变形作为该变化发生的情况。也就是说,根据本实施例的装置可以获取与由于平移、旋转和变形中的至少一个而导致的位置位移有关的信息,作为与位置位移有关的信息。
例如,在考虑旋转的情况下,位置估计单元560可以在S250中除了平移量之外还使用旋转量作为变元(argument)来估计每个合成体数据集的位置和旋转量(位置位移量)。接着,位置估计单元560可以基于每个合成体数据集的位置和旋转量(位置位移量)来估计每个脉冲体数据集的位置和旋转量(位置位移量)。接着,位置估计单元560可以在S270中通过在基于估计的位置和旋转量对每个脉冲体数据集进行了刚体(rigid body)变换(位置位移校正处理)之后执行第三合成来获取第三合成体数据。可以进行如下布置:只有旋转量是位置位移量。
再次,例如,在考虑变形的情况下,位置估计单元560可以在S250中使用合成体数据中设定的每个点处的位移量(平移和旋转量中的至少一个)作为变元来估计位移。接着,位置估计单元560可以在S260中基于每个合成体数据集的每个点处的位移量来估计每个脉冲体数据集的每个点处的位移量。接着,在S270中,位置估计单元560基于估计的位移来执行每个脉冲体数据集的变形处理(位置位移校正处理),其后执行第三合成,从而可以获取第三合成体数据。可以通过表达变形(比如举例来说自由形式变形(以下称为“FFD”)和薄板样条)的技术来计算合成体数据集之间的位移量。这样的处理可以考虑到包括变形的高阶变化,从而可以获取高质量的第三合成体数据。
(保持对象的例子)
如图11所示,光声装置可以具有保持对象900的对象保持部分1000。在图11中,在床1100上以俯卧位躺着的活体1200的乳房是对象900。对象保持部分1000是用于抑制对象900的移动的构件。可以用于对象保持部分1000的材料的例子包括聚甲基戊烯、聚对苯二甲酸乙二醇酯等。在如图11所示那样经由对象保持部分1000用光130照射对象900的情况下,对象保持部分1000对于光130可以是透明的。对象保持部分1000可以被配置为使得对象保持部分1000的保持面和对象900的外形大体上匹配。
在对象900的移动被例如对象保持部分1000限制到特定方向的情况下,位置估计单元560可以仅在该特定方向上执行位置位移校正。也就是说,位置估计单元560可以在不考虑除了位置位移被对象保持部分1000抑制到的方向上之外的位置位移的情况下,获取位置位移之后的位置信息。这可以减少位置位移校正所必需的处理量。
尽管已经在图11中描述了在活体1200以俯卧位躺着的状态下对乳房进行成像的例子,但是根据本实施例的光声装置不限于俯卧位,并且对象900可以在任何位置上被成像。
(显示脉冲体数据的例子)
尽管在本实施例中已经描述了在通过全部光照射的光声波测量完成之后开始获取脉冲体数据的例子,但是可以在每次光照射时顺序地获取脉冲体数据。在后一种情况下,可以在显示单元600上顺序地显示获取的脉冲体数据。因此,已经获取的脉冲体数据可以在所有测量完成之前被用户确认。可以用S270中描述的合成技术来合成其中脉冲体数据集重叠的区域。
(基于MIP图像的位置估计的例子)
在三维图像数据被转换为二维投影数据之后,可以在S250中估计位置位移之后的每个合成体数据集关于参考位置的位置。以下是对此的描述。
投影数据获取单元550对合成初始声压分布数据P0g_j(x,y,z)获取MIP数据作为投影在X方向、Y方向和Z方向中的每个方向上的投影数据。投影在X方向上的MIP数据是用Y轴和Z轴表示的二维空间分布信息,并且被表达为Ixg_j(y,z)。投影在Y方向上的MIP数据是用Z轴和X轴表示的二维空间分布信息,并且被表达为Iyg_j(z,x)。投影在Z方向上的MIP数据是用X轴和Y轴表示的二维空间分布信息,并且被表达为Izg_j(x,y)。每个MIP数据集的每个位置处的值用函数表达式(比如Ixg_j(y,z)、Iyg_j(z,x)和Izg_j(x,y))表达。
注意,可以采用除了MIP图像之外的投影技术,只要可以将三维图像数据转换为二维数据即可。例如,代替MIP图像,可以产生并使用最小强度投影(MinP)图像。此外,可以添加投影方向上的多次滑动来获取投影数据。
接着,位置估计单元560针对X-Y平面、Y-Z平面和Z-X平面中的每个获取P0g_k1的MIP数据和P0g_k2的MIP数据之间的相似性。也就是说,位置估计单元560获取如表达式(6)至(8)所示的相似性。
FX_k(y,z)=fsimil(Ixg_k,y,z)…表达式(6)
FY_k(x,z)=fsimil(Iyg_k,x,z)…表达式(7)
FZ_k(x,y)=fsimil(Ixg_k,x,y)…表达式(8)
这里,FX_k(y,z)是对于用Y-Z平面表达的MIP数据计算将构成对R_k的一个MIP数据集关于另一个MIP数据集的相对位置平移(y,z)的情况下的相似性的函数。FY_k(x,z)是与Z-X平面有关的函数,FZ_k(x,y)是与X-Y平面有关的函数。注意,S250中描述的技术可以用于相似性计算技术。
接着,如表达式(9)至(11)所示,针对Y-Z平面、Z-X平面和X-Y平面中的每个计算在其处函数值最大的P0g_k关于P0g_k1的平移量MX_k、MY_k和MZ_k。
[数学式3]
[数学式4]
[数学式5]
例如,平移量MX_k、MY_k和MZ_k的坐标轴的分量的平均值是在其处相似性最大的P0g_k关于P0g_k1的三维平移量M_k的分量值,例如如表达式(12)所示。
[数学式6]
位置估计单元560还对每个坐标轴计算相似性函数F_k的二次微分值,从而获取如表达式(13)至(15)所示的作为相似性函数的信赖度的S_k(x)、S_k(y)和S_k(z)。
[数学式7]
[数学式8]
[数学式9]
接着,如S250中所描述的,位置估计单元560可以使用表达式(12)所示的平移量M_k以及表达式(13)至(15)所示的相似性函数的信赖度来估计当表达式(5)所示的成本函数最小化时合成体数据的位置。
根据上述处理,可以基于从三维数据转换的二维数据来获取合成体数据集关于参考位置的位置。将三维转换为二维使得与在没有转换的情况下对三维执行处理的情况相比,可以以更小的计算成本获取位置位移之后的合成体数据的位置。
(接收位置信息的位置位移校正的例子)
根据本实施例的光声装置可以在每次光照射时基于与每次光照射相对应的位置位移量来校正用于获取初始声压分布数据的接受器的位置信息。也就是说,根据本实施例的光声装置可以校正每次光照射时光声波的接收位置信息。将参照图12所示的处理流程图来详细描述校正接收位置信息的位置位移的处理。注意,与图3中的过程相同的过程用相同的符号表示,并且描述将被省略。
<S280:校正接受器的位置信息的过程>
首先,重构单元520获取每个接受器的位置信息而不考虑位置位移。例如,重构单元520可以通过读出已经事先存储在存储单元510中的每次光照射时接受器的位置信息来获取每个接受器的位置信息而不考虑位置位移。可替代地,重构单元520可以通过在光照射作为触发的情况下从设置到驱动单元300的位置传感器接受接收单元200的位置信息来获取每个接受器的位置信息而不考虑位置位移。
接着,重构单元520在不考虑照射时的位置位移的情况下对接收器的位置信息所对应的位置进行校正(平移处理)。因此,重构单元520可以获取每次光照射时经受了位置位移校正的接受器的位置信息。也就是说,重构单元520基于在S260中获取的脉冲体数据的位置位移量来获取接受器的位置位移之后的位置信息(与位置有关的信息)。
<S290:基于位置位移之后的接受器的位置信息来获取体数据的过程>
重构单元520基于存储在存储单元510中的多个电信号组以及已经在S280中获得的位置位移之后的接受器的位置信息来获取体数据的形式的图像数据。在该过程中,如S210中所描述的,重构单元520可以从与单次光照射相对应的电信号组重构小于整个成像区域的区域,并针对所有光照射对此进行重复,从而产生一个体数据集。重构单元520还可以通过从与每次光照射相对应的电信号组重构整个成像区域来产生一个体数据集。在这种情况下,在该过程中,重构单元520获取与多次光照射相对应的多个脉冲体数据集,并且合成单元540合成所述多个图像数据集。在本实施例中,在S210中获得的多个脉冲体数据集等同于第一多个图像数据集,而在S290中获得的多个脉冲体数据集等同于第二多个图像数据集。
注意,在本实施例中可以进行如下布置:在S210中不产生脉冲体数据,并且在S220中选择电信号组的期望组合,其中合成体数据在S230中使用选择的电信号组产生。在这种情况下,可以使用与S220中描述的选择脉冲体数据集相同的方法来选择电信号组。
(基于脉冲体数据的相似性函数的信赖度来获取位置位移之后的位置信息的例子)
根据本实施例的光声装置可以基于脉冲体数据集对的相似性函数的信赖度,来获取位置位移之后的脉冲体数据集的位置信息。也就是说,使用脉冲体数据集的信赖度信息获取位置信息的图像处理方法可以应用于脉冲体数据。注意,将经受本实施例的图像处理的图像数据可以是任何图像数据,只要可以获取图像数据集之间的相似性函数即可。
除了光声装置之外的例子
尽管已经以举例的方式使用光声装置描述了本发明的实施例,但是本发明的应用范围不限于此。实际上,本发明适用于获取多个图像数据集的位置信息的所有装置。例如,根据本发明的位置信息获取方法可以应用于通过发送和接收超声来获取图像数据的超声诊断装置所获取的多个超声图像数据集。此外,本发明不限于使用声波获得的图像数据,并且根据本发明的位置信息获取方法可以应用于在例如扩散光学断层扫描(DOT)装置或光学相干断层扫描(OCT)装置中使用光获取的多个图像数据集。此外,根据本发明的位置信息获取方法可以应用于在放射图像获取装置或断层扫描图像获取装置等中使用X射线获取的多个图像数据集。
其他实施例
还可以通过执行以下处理实现本发明。也就是说,实现上述实施例的功能的软件(程序)经由网络或各种类型的记录介质被供给系统或装置,并且该系统或该装置的计算机(或CPU、微处理器单元(MPU)等)读出并且执行该程序。
本发明的(一个或多个)实施例也可以由系统或装置的计算机来实现,该计算机读出并执行记录在存储介质(其也可以被更完整地称为“非暂时性计算机可读存储介质”)上的执行上述(一个或多个)实施例中的一个或多个的功能的计算机可执行指令(例如,一个或多个程序),和/或包括执行上述(一个或多个)实施例中的一个或多个的功能的一个或多个电路(例如,专用集成电路(ASIC)),并且本发明的(一个或多个)实施例也可以用系统或装置的计算机通过例如从存储介质读出执行上述(一个或多个)实施例中的一个或多个的功能的计算机可执行指令并且执行这些计算机可执行指令和/或控制所述一个或多个电路执行上述(一个或多个)实施例中的一个或多个的功能而执行的方法来实现。所述计算机可以包括一个或多个处理器(例如,中央处理单元(CPU)、微型处理单元(MPU)),并且可以包括读出并执行所述计算机可执行指令的独立计算机或独立处理器的网络。所述计算机可执行指令可以例如从网络或所述存储介质提供给所述计算机。所述存储介质可以包括例如以下中的一个或多个:硬盘、随机存取存储器(RAM)、只读存储器(ROM)、分布式计算系统的储存器、光学盘(比如紧凑盘(CD)、数字多功能盘(DVD)或蓝光盘(BD)TM)、闪存器件、内存卡等。
虽然已经参照示例性实施例描述了本发明,但是要理解本发明不限于所公开的示例性实施例。所附权利要求的范围应遵循最宽泛的解释以便包含所有这样的修改以及等同的结构和功能。
本申请要求2015年7月9日提交的日本专利申请No.2015-138112和2015年7月9日提交的日本专利申请No.2015-138113的权益,这些申请特此通过引用将其全部内容并入本文。
Claims (24)
1.一种装置,包括:
第一获取单元,所述第一获取单元被配置为获取第一多个图像数据集;
第二获取单元,所述第二获取单元被配置为使用所述第一多个图像数据集中的第一两个或更多个图像数据集来获取第一合成图像数据;
第三获取单元,所述第三获取单元被配置为使用所述第一多个图像数据集中的第二两个或更多个图像数据集来获取第二合成图像数据,所述第二两个或更多个图像数据集是不同于所述第一两个或更多个图像数据集的组合;
第四获取单元,所述第四获取单元被配置为使用所述第一合成图像数据和所述第二合成图像数据来获取与所述第一合成图像数据和所述第二合成图像数据之间的位置位移有关的信息;以及
第五获取单元,所述第五获取单元被配置为使用与所述第一合成图像数据和所述第二合成图像数据之间的位置位移有关的信息来获取与所述第一多个图像数据集的位置位移有关的信息。
2.根据权利要求1所述的装置,进一步包括:
第六获取单元,所述第六获取单元被配置为通过使用与所述第一多个图像数据集的位置位移有关的信息定位所述第一多个图像数据集,来获取第三合成图像数据。
3.根据权利要求1所述的装置,进一步包括:
接收单元,所述接收单元被配置为接收通过多次用光照射而从对象产生的声波;以及
信号获取单元,所述信号获取单元被配置为获取由已接收声波的所述接收单元输出的与所述多次的光照射相对应的多个信号;
其中,所述第一获取单元使用所述多个信号来获取所述第一多个图像数据集。
4.根据权利要求3所述的装置,
其中,所述第二获取单元从所述第一多个图像数据集选择与在第一时间段期间执行的两次或更多次光照射相对应的所述第一两个或更多个图像数据集,
以及其中,所述第三获取单元从所述第一多个图像数据集选择与在不同于所述第一时间段的第二时间段期间执行的两次或更多次光照射相对应的所述第二两个或更多个图像数据集。
5.根据权利要求4所述的装置,
其中,所述第二获取单元从所述多个图像数据集选择与在所述第一时间段内在时间上连续地执行的两次或更多次光照射相对应的所述第一两个或更多个图像数据集,
以及其中,所述第三获取单元从所述多个图像数据集选择与在所述第二时间段内在时间上连续地执行的两次或更多次光照射相对应的所述第二两个或更多个图像数据集。
6.根据权利要求4所述的装置,进一步包括:
第六获取单元,所述第六获取单元被配置为通过使用与所述第一多个图像数据集的位置位移有关的信息定位所述第一多个图像数据集,来获取第三合成图像数据,
其中,所述第二获取单元
使用所述第三合成图像数据来获取与所述第三合成图像数据的图像质量有关的信息,以及
使用与所述第三合成图像数据的图像质量有关的信息来从所述多个图像数据集选择所述第一两个或更多个图像数据集。
7.根据权利要求4所述的装置,
其中,所述第二获取单元
使用所述多个图像数据集来获取与所述多个图像数据集的图像质量有关的信息,以及
使用与所述多个图像数据集的图像质量有关的信息来从所述多个图像数据集选择所述第一两个或更多个图像数据集。
8.根据权利要求1所述的装置,
其中,所述第四获取单元获取与所述第一合成图像数据和所述第二合成图像数据之间的平移、旋转和变形中的至少一个位置位移有关的信息。
9.根据权利要求1所述的装置,
其中,所述第五获取单元关于与所述第一合成图像数据和所述第二合成图像数据之间的位置位移有关的信息执行插值处理,以获取与所述多个图像数据集的位置位移有关的信息。
10.根据权利要求3所述的装置,进一步包括:
第七获取单元,所述第七获取单元被配置为使用与所述第一多个图像数据集的位置位移有关的信息来获取与所述接收单元在所述多次的光照射期间的位置有关的信息,并且使用与位置有关的所述信息和所述多个信号来获取图像数据。
11.根据权利要求10所述的装置,
其中,所述第七获取单元
使用与位置有关的所述信息和所述多个信号来获取与所述多次的光照射相对应的第二多个图像数据集,以及
通过定位所述第二多个图像数据集来获取图像数据。
12.根据权利要求1所述的装置,
其中,所述第二获取单元和所述第三获取单元选择所述第一两个或更多个图像数据集和所述第二两个或更多个图像数据集,以使得所述第一合成体数据和所述第二合成图像数据交叠。
13.根据权利要求1所述的装置,
其中,所述第四获取单元
获取表示所述第一合成图像数据和所述第二合成图像数据之间的相对位置与所述第一合成图像数据和所述第二合成图像数据之间的相似性之间的关系的相似性函数的信赖度,以及
使用所述相似性函数的信赖度来获取与所述第一合成图像数据和所述第二合成图像数据之间的位置位移有关的信息。
14.根据权利要求1所述的装置,进一步包括:
光照射单元;以及
接收单元,所述接收单元被配置为通过接收从已被来自所述光照射单元的光照射的对象产生的声波来输出信号,
其中,所述光照射单元多次用光照射所述对象,
其中,所述接收单元通过接收根据所述多次的光照射从所述对象产生的光声波来输出与所述多次的光照射相对应的多个信号,
其中,所述第一获取单元基于所述多个信号来获取与所述多次的光照射相对应的所述对象的多个图像数据集,
其中,所述第二获取单元从所述多个图像数据集选择与在第一时间段期间执行的两次或更多次光照射相对应的所述第一两个或更多个图像数据集,
以及其中,所述第三获取单元从所述多个图像数据集选择与在不同于所述第一时间段的第二时间段期间执行的两次或更多次光照射相对应的所述第二两个或更多个图像数据集。
15.根据权利要求14所述的装置,进一步包括:
驱动单元,所述驱动单元被配置为在执行所述多次的光照射的时间段期间移动所述接收单元。
16.根据权利要求15所述的装置,
其中,所述第一获取单元通过使用与一次光照射相对应的信号获取比所述接收单元在光照射的时间间隔期间的移动量大的区域中的图像数据,来获取所述第一多个图像数据集。
17.根据权利要求14所述的装置,进一步包括:
保持单元,所述保持单元被配置为保持所述对象以便抑制所述对象在特定方向上的位置位移,
以及其中,所述第四获取单元在不考虑所述特定方向上的位置位移的情况下,获取与所述第一合成图像数据和所述第二合成图像数据之间的位置位移有关的信息。
18.一种装置,包括:
第一获取单元,所述第一获取单元被配置为获取多个图像数据集;
设置单元,所述设置单元被配置为从所述多个图像数据集设置多对图像数据;以及
第二获取单元,所述第二获取单元被配置为对于所述多对中的每一对,获取表示构成该对的两个图像数据集的相对位置和这两个图像数据集的相似性之间的关系的相似性函数的信赖度,并且使用与所述多对相对应的相似性函数的信赖度来获取与所述多个图像数据集的位置位移有关的信息。
19.根据权利要求18所述的装置,
其中,所述第二获取单元获取所述相似性函数在相似性最大的所述相对位置处的锐度,作为所述相似性函数的信赖度。
20.根据权利要求18所述的装置,
其中,所述第二获取单元获取所述相似性函数在相似性最大的所述相对位置处的二次微分,作为所述相似性函数的信赖度。
21.根据权利要求18所述的装置,
其中,所述第二获取单元获取与在其处成本函数最小的所述多个图像数据集的位置有关的信息,所述成本函数是通过用所述相似性的信赖度对评估函数进行加权而定义的,所述评估函数基于作为变元的所述相对位置和相似性最大的所述相对位置之间的差。
22.一种方法,包括:
获取第一多个图像数据集;
使用所述第一多个图像数据集中的第一两个或更多个图像数据集来获取第一合成图像数据;
使用所述第一多个图像数据集中的第二两个或更多个图像数据集来获取第二合成图像数据,所述第二两个或更多个图像数据集是不同于所述第一两个或更多个图像数据集的组合;
使用所述第一合成图像数据和所述第二合成图像数据来获取与所述第一合成图像数据和所述第二合成图像数据之间的位置位移有关的信息;以及
使用与所述第一合成图像数据和所述第二合成图像数据之间的位置位移有关的信息来获取与所述第一多个图像数据集的位置位移有关的信息。
23.一种方法,包括:
获取多个图像数据集;
从所述多个图像数据集设置多对图像数据;
对于所述多对中的每一对,获取表示构成该对的两个图像数据集的相对位置和这两个图像数据集的相似性之间的关系的相似性函数的信赖度;以及
使用与所述多对相对应的相似性函数的信赖度来获取与所述多个图像数据集的位置位移有关的信息。
24.一种执行根据权利要求22或23所述的方法的程序。
Applications Claiming Priority (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2015138112A JP2017018284A (ja) | 2015-07-09 | 2015-07-09 | 光音響装置 |
JP2015-138112 | 2015-07-09 | ||
JP2015-138113 | 2015-07-09 | ||
JP2015138113A JP6682207B2 (ja) | 2015-07-09 | 2015-07-09 | 光音響装置、画像処理方法、プログラム |
PCT/JP2016/003184 WO2017006555A1 (en) | 2015-07-09 | 2016-07-04 | Device for acquiring information relating to position displacement of multiple image data sets, method, and program |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107847141A true CN107847141A (zh) | 2018-03-27 |
CN107847141B CN107847141B (zh) | 2020-08-28 |
Family
ID=56567650
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201680040418.2A Active CN107847141B (zh) | 2015-07-09 | 2016-07-04 | 用于获取与多个图像数据集的位置位移有关的信息的设备、方法和程序 |
Country Status (4)
Country | Link |
---|---|
US (1) | US10445897B2 (zh) |
EP (1) | EP3319507B1 (zh) |
CN (1) | CN107847141B (zh) |
WO (1) | WO2017006555A1 (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109557509A (zh) * | 2018-11-23 | 2019-04-02 | 安徽四创电子股份有限公司 | 一种用于改善脉间干扰的双脉冲信号合成器 |
CN112509847A (zh) * | 2020-11-17 | 2021-03-16 | 广东电网有限责任公司计量中心 | 一种隔离开关 |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2018126389A (ja) * | 2017-02-09 | 2018-08-16 | キヤノン株式会社 | 情報処理装置、情報処理方法、およびプログラム |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070016036A1 (en) * | 2005-05-23 | 2007-01-18 | Kabushiki Kaisha Toshiba | Ultrasonic diagnostic apparatus and image processing method |
CN1905836A (zh) * | 2004-11-12 | 2007-01-31 | 株式会社东芝 | 磁共振成像装置、图像数据修正装置和图像数据修正方法 |
CN101005806A (zh) * | 2004-08-25 | 2007-07-25 | 株式会社日立医药 | 超声波诊断装置 |
CN101288102A (zh) * | 2005-08-01 | 2008-10-15 | 拜奥普蒂根公司 | 用于分析从样本所获得的三维数据集的方法、系统和计算机程序产品 |
CN101496064A (zh) * | 2006-04-06 | 2009-07-29 | 皇家飞利浦电子股份有限公司 | 用于重构图像的方法和用于重构图像的重构系统 |
CN101552872A (zh) * | 2008-04-03 | 2009-10-07 | 索尼株式会社 | 图像处理设备和方法、手抖模糊区域估计设备和方法 |
CN101904753A (zh) * | 2009-06-08 | 2010-12-08 | 株式会社东芝 | 超声波诊断装置、图像处理的装置及方法和图像显示方法 |
CN103080924A (zh) * | 2010-09-14 | 2013-05-01 | 国际商业机器公司 | 用于处理数据集的方法和布置、数据处理程序和计算机程序产品 |
US20140343424A1 (en) * | 2005-05-12 | 2014-11-20 | The Trustees Of Columbia University In The City Of New York | System and method for electromechanical wave imaging of body structures |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009131420A (ja) | 2007-11-29 | 2009-06-18 | Toshiba Corp | 超音波画像診断装置 |
JP5279435B2 (ja) | 2008-10-03 | 2013-09-04 | キヤノン株式会社 | 被検体情報取得装置、被検体情報取得装置の制御方法 |
JP5448785B2 (ja) | 2009-12-18 | 2014-03-19 | キヤノン株式会社 | 測定装置、移動制御方法及びプログラム |
JP6146956B2 (ja) * | 2012-03-13 | 2017-06-14 | キヤノン株式会社 | 装置、表示制御方法、及びプログラム |
KR101974580B1 (ko) * | 2012-05-03 | 2019-05-02 | 삼성전자주식회사 | 레이저 유도 초음파 장치 및 이를 이용한 영상 생성 방법 |
US20150351639A1 (en) * | 2012-12-28 | 2015-12-10 | Canon Kabushiki Kaisha | Subject information obtaining apparatus, method for controlling subject information obtaining apparatus, and program |
JP2015054025A (ja) * | 2013-09-11 | 2015-03-23 | キヤノン株式会社 | 被検体情報取得装置およびその制御方法 |
-
2016
- 2016-07-04 WO PCT/JP2016/003184 patent/WO2017006555A1/en active Application Filing
- 2016-07-04 EP EP16747630.8A patent/EP3319507B1/en active Active
- 2016-07-04 US US15/742,336 patent/US10445897B2/en active Active
- 2016-07-04 CN CN201680040418.2A patent/CN107847141B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101005806A (zh) * | 2004-08-25 | 2007-07-25 | 株式会社日立医药 | 超声波诊断装置 |
CN1905836A (zh) * | 2004-11-12 | 2007-01-31 | 株式会社东芝 | 磁共振成像装置、图像数据修正装置和图像数据修正方法 |
US20140343424A1 (en) * | 2005-05-12 | 2014-11-20 | The Trustees Of Columbia University In The City Of New York | System and method for electromechanical wave imaging of body structures |
US20070016036A1 (en) * | 2005-05-23 | 2007-01-18 | Kabushiki Kaisha Toshiba | Ultrasonic diagnostic apparatus and image processing method |
CN101288102A (zh) * | 2005-08-01 | 2008-10-15 | 拜奥普蒂根公司 | 用于分析从样本所获得的三维数据集的方法、系统和计算机程序产品 |
CN101496064A (zh) * | 2006-04-06 | 2009-07-29 | 皇家飞利浦电子股份有限公司 | 用于重构图像的方法和用于重构图像的重构系统 |
CN101552872A (zh) * | 2008-04-03 | 2009-10-07 | 索尼株式会社 | 图像处理设备和方法、手抖模糊区域估计设备和方法 |
CN101904753A (zh) * | 2009-06-08 | 2010-12-08 | 株式会社东芝 | 超声波诊断装置、图像处理的装置及方法和图像显示方法 |
CN103080924A (zh) * | 2010-09-14 | 2013-05-01 | 国际商业机器公司 | 用于处理数据集的方法和布置、数据处理程序和计算机程序产品 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109557509A (zh) * | 2018-11-23 | 2019-04-02 | 安徽四创电子股份有限公司 | 一种用于改善脉间干扰的双脉冲信号合成器 |
CN109557509B (zh) * | 2018-11-23 | 2020-08-11 | 安徽四创电子股份有限公司 | 一种用于改善脉间干扰的双脉冲信号合成器 |
CN112509847A (zh) * | 2020-11-17 | 2021-03-16 | 广东电网有限责任公司计量中心 | 一种隔离开关 |
Also Published As
Publication number | Publication date |
---|---|
CN107847141B (zh) | 2020-08-28 |
US10445897B2 (en) | 2019-10-15 |
EP3319507B1 (en) | 2019-09-11 |
EP3319507A1 (en) | 2018-05-16 |
WO2017006555A1 (en) | 2017-01-12 |
US20180204349A1 (en) | 2018-07-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Manwar et al. | Signal and image processing in biomedical photoacoustic imaging: a review | |
Deng et al. | Deep learning in photoacoustic imaging: a review | |
US20190133451A1 (en) | Apparatus for acquiring biofunctional information, method for acquiring biofunctional information, and program therefor | |
JP5528083B2 (ja) | 画像生成装置、画像生成方法、及び、プログラム | |
Awasthi et al. | Sinogram super-resolution and denoising convolutional neural network (SRCN) for limited data photoacoustic tomography | |
US20180344169A1 (en) | Photoacoustic apparatus, signal processing method of photoacoustic apparatus, and program | |
CN107865639B (zh) | 光声装置、信息处理方法和程序 | |
JP6289050B2 (ja) | 被検体情報取得装置、情報処理方法、およびプログラム | |
US10548477B2 (en) | Photoacoustic apparatus, information processing method, and storage medium | |
CN107847141A (zh) | 用于获取与多个图像数据集的位置位移有关的信息的设备、方法和程序 | |
Akhlaghi et al. | Multidomain computational modeling of photoacoustic imaging: verification, validation, and image quality prediction | |
Agrawal et al. | Optimal design of combined ultrasound and multispectral photoacoustic deep tissue imaging devices using hybrid simulation platform | |
US10578588B2 (en) | Photoacoustic apparatus, information processing method, and storage medium | |
Ai et al. | Investigation of photoacoustic tomography reconstruction with a limited view from linear array | |
JP6486056B2 (ja) | 光音響装置および光音響装置の処理方法 | |
Kalkhoran et al. | Sparse sampling and reconstruction for an optoacoustic ultrasound volumetric hand-held probe | |
CN108113650A (zh) | 显示控制装置、显示控制方法和存储介质 | |
Murad et al. | Periodic-net: an end-to-end data driven framework for diffuse optical imaging of breast cancer from noisy boundary data | |
JP6512969B2 (ja) | 処理装置、光音響装置、処理方法、及びプログラム | |
JP7479684B2 (ja) | 画像生成方法、画像生成プログラムおよび画像生成装置 | |
WO2023047601A1 (ja) | 画像生成方法、画像生成プログラムおよび画像生成装置 | |
JP6682207B2 (ja) | 光音響装置、画像処理方法、プログラム | |
JP6381718B2 (ja) | 装置および画像生成方法 | |
JP6113330B2 (ja) | 装置および画像生成方法 | |
JP2018161467A (ja) | 画像処理装置および画像処理方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |