CN108335269A - X线图像的散射修正方法、装置、控制设备及存储介质 - Google Patents
X线图像的散射修正方法、装置、控制设备及存储介质 Download PDFInfo
- Publication number
- CN108335269A CN108335269A CN201810038883.3A CN201810038883A CN108335269A CN 108335269 A CN108335269 A CN 108335269A CN 201810038883 A CN201810038883 A CN 201810038883A CN 108335269 A CN108335269 A CN 108335269A
- Authority
- CN
- China
- Prior art keywords
- image
- correction
- scattering
- local
- thickness
- 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
- 238000012937 correction Methods 0.000 title claims abstract description 240
- 238000000034 method Methods 0.000 title claims abstract description 48
- 230000008569 process Effects 0.000 claims description 16
- 238000010586 diagram Methods 0.000 claims description 15
- 238000001514 detection method Methods 0.000 claims description 14
- 238000005259 measurement Methods 0.000 claims description 9
- 238000012549 training Methods 0.000 claims description 7
- 238000004458 analytical method Methods 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 5
- 238000010276 construction Methods 0.000 claims description 4
- 241000208340 Araliaceae Species 0.000 claims description 2
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 claims description 2
- 235000003140 Panax quinquefolius Nutrition 0.000 claims description 2
- 230000005540 biological transmission Effects 0.000 claims description 2
- 235000008434 ginseng Nutrition 0.000 claims description 2
- 108010001267 Protein Subunits Proteins 0.000 claims 1
- 230000000694 effects Effects 0.000 abstract description 10
- 230000006870 function Effects 0.000 description 16
- 208000019300 CLIPPERS Diseases 0.000 description 5
- 208000021930 chronic lymphocytic inflammation with pontine perivascular enhancement responsive to steroids Diseases 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 238000003384 imaging method Methods 0.000 description 5
- 238000012545 processing Methods 0.000 description 4
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 description 2
- 230000004888 barrier function Effects 0.000 description 2
- 230000000903 blocking effect Effects 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 238000002059 diagnostic imaging Methods 0.000 description 2
- 239000006185 dispersion Substances 0.000 description 2
- 235000013399 edible fruits Nutrition 0.000 description 2
- 210000004197 pelvis Anatomy 0.000 description 2
- 230000006399 behavior Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 239000000686 essence Substances 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000002715 modification method Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 210000000056 organ Anatomy 0.000 description 1
- 229910052704 radon Inorganic materials 0.000 description 1
- SYUHGPGVQRZVTB-UHFFFAOYSA-N radon atom Chemical compound [Rn] SYUHGPGVQRZVTB-UHFFFAOYSA-N 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Classifications
-
- G06T5/94—
-
- 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
- G06T2207/10116—X-ray image
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
Landscapes
- Image Processing (AREA)
Abstract
本申请公开了X线图像的散射修正方法、装置、控制设备及存储介质，所述方法包括：获得所述被检体的厚度；根据所述厚度查找散射模型库，获得与所述厚度对应的初始散射修正参数；通过所述初始散射修正参数对所述X线图像进行初始散射修正，获得初始修正图像；基于所述初始修正图像进行局部散射修正，获得针对感兴趣区域的局部修正图像。本申请实施例通过对感兴趣区域的局部散射修正增加重要部位的修正效果，从而增强了X线图像整体散射修正的均匀性，使得修正后的X线图像整体效果一致，图像质量提升。
Description
技术领域
本申请涉及医学成像技术领域，特别涉及X线图像的散射修正方法、装置、控制设备及存储介质。
背景技术
X射线成像技术广泛应用在医疗成像领域。应用X射线成像技术的X线设备可以拍摄到被检体的X线图像，X线图像是X射线束穿透被检体某一部位的不同密度和厚度组织结构后的投影数据总和，是该穿透路径上各层X射线束投影相互叠加在一起的影像。由于X射线成像过程中存在散射干扰，且X射线穿过被检体的不同组织时，其散射情况不一致，因此会对X线图像的质量造成影响。
相关技术中，可以通过软件栅的方式对散射干扰进行修正，但是该方式中使用单一散射核，在针对包含多个被检组织的被检体进行X线扫描时，容易导致散射修正不均匀，使得修正后的X线图像整体效果不一致，图像质量不佳。
发明内容
本申请提供图像散射修正方法、装置、控制设备及存储介质，以提高X线图像的散射修正质量。
具体地，本申请是通过如下技术方案实现的：
第一方面，提供一种X线图像的散射修正方法，所述X线图像为通过X线设备扫描被检体得到的图像，所述方法包括：
获得所述被检体的厚度；
根据所述厚度查找散射模型库，获得与所述厚度对应的初始散射修正参数；
通过所述初始散射修正参数对所述X线图像进行初始散射修正，获得初始修正图像；
基于所述初始修正图像进行局部散射修正，获得针对感兴趣区域的局部修正图像。
第二方面，提供一种X线图像的散射修正装置，所述X线图像为通过X线设备扫描被检体得到的图像，所述装置包括：
获得单元，用于获得所述被检体的厚度；
查找单元，用于根据所述厚度查找散射模型库，获得与所述厚度对应的初始散射修正参数；
初始修正单元，用于通过所述初始散射修正参数对所述X线图像进行初始散射修正，获得初始修正图像；
局部修正单元，用于基于所述初始修正图像进行局部散射修正，获得针对感兴趣区域的局部修正图像。
第三方面，提供一种控制设备，包括：内部总线，以及通过内部总线连接的存储器、处理器和外部接口；其中，
所述外部接口，用于连接X线设备，所述X线设备用于扫描被检体得到X线图像；
所述存储器，用于存储散射修正的控制逻辑对应的机器可读指令；
所述处理器，用于读取所述存储器上的所述机器可读指令，并执行所述指令以实现如下操作：
获得所述被检体的厚度；
根据所述厚度查找散射模型库，获得与所述厚度对应的初始散射修正参数；
通过所述初始散射修正参数对所述X线图像进行初始散射修正，获得初始修正图像；
基于所述初始修正图像进行局部散射修正，获得针对感兴趣区域的局部修正图像。
第四方面，提供一种机器可读存储介质，所述机器可读存储介质上存储有若干计算机指令，所述计算机指令被执行时进行如下处理：
获得被检体的厚度；
根据所述厚度查找散射模型库，获得与所述厚度对应的初始散射修正参数；
通过所述初始散射修正参数对X线图像进行初始散射修正，获得初始修正图像；
基于所述初始修正图像进行局部散射修正，获得针对感兴趣区域的局部修正图像。
应用本申请提供的散射修正实施例，在通过初始散射修正参数对X线图像进行初始散射修正，并获得初始修正图像后，可以针对初始修正图像中的感兴趣区域进行进一步的局部散射修正。本申请实施例不再采用单一散射核进行散射修正，通过初次散射修正可以完成对X线图像的整体修正，并进一步通过对感兴趣区域的局部散射修正增加重要部位的修正效果，从而增强了X线图像散射修正的均匀性，使得修正后的X线图像整体效果一致，图像质量提升。
附图说明
图1是本申请一示例性实施例示出的一种X线系统的结构示意图；
图2是本申请一示例性实施例示出的一种散射修正方法的流程图；
图3A是本申请一示例性实施例示出的另一种散射修正方法的流程图；
图3B是本申请一示例性实施例示出的铅边图像示意图；
图4是本申请一示例性实施例示出的一种散射修正装置的示意图；
图5是本申请一示例性实施例示出的另一种散射修正装置的示意图；
图6是本申请一示例性实施例示出的一种控制设备的结构示意图。
具体实施方式
这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。
参见图1，为本申请一个例子中的X线系统的结构示意图，该X线系统可以包括X线设备10和控制设备20。其中，X线设备10可以包括X线球管11、限束器12、红外传感测距装置13、数字平板探测器14、床板15和红外传感器束16，需要说明的是，在实际应用中，红外传感测距装置13和红外传感器束16可以择一进行设置，对此本申请实施例不进行限制，应用红外传感测距装置13和红外传感器束16测量被检体厚度的过程在后续实施例里进行描述。
本申请实施例中，可以预先保存散射模型库和灰度值关系模型，其中散射模型库中保存了不同模体的模体厚度、拍摄条件、及散射修正参数之间的对应关系，灰度值关系模型表征了等效厚度、曝光参数及单位灰度值之间的对应关系。当被检体30(如图1中所示为人体)平躺在床板15上后，X线设备10可以拍摄得到被检体30的X线图像，并且通过红外传感测距装置13或红外传感器束16可以测量得到被检体30的厚度，在当前的拍摄条件下根据厚度查找散射模型库，获得与厚度对应的初始散射修正参数，通过初始散射修正参数对X线图像进行初始散射修正，获得初始修正图像，然后可以基于初始修正图像和灰度值关系模型对初始修正图像进行局部散射修正，获得针对感兴趣区域的局部修正图像。
本申请实施例由于不再采用单一散射核进行散射修正，而是通过初次散射修正完成对X线图像的整体修正后，进一步通过对感兴趣区域的局部散射修正增加重要部位的修正效果，例如，对于包含多个器官的复杂X线图像，由此可以增强X线图像散射修正的均匀性，使得修正后的X线图像整体效果一致，图像质量获得提升。下面结合附图对本申请实施例进行详细说明。
参见图2，为本申请X线图像的散射修正方法的一个实施例流程图，该实施例可以应用在X线系统的控制设备上，用于对通过X线设备拍摄的X线图像进行散射修正，该实施例包括以下步骤：
步骤201：获得被检体的厚度。
结合图1所示系统，本步骤中，控制设备可以向X线设备发送测量指令，以控制X线设备上设置的红外传感装置测量被检体，并根据红外传感装置的测量结果计算被检体的厚度。本实施例中的被检体可以主要指人体。
其中，红外传感装置可以是图1中的红外传感测距装置或红外传感器束，在利用红外传感测距装置测量被检体厚度时，可以先测量得到红外传感测距装置距离床板的高度，控制红外传感测距装置向下运动到距离被检体的最小安全距离时，记录红外传感测距装置下降的距离，则被检体厚度＝红外传感测距装置距离床板的高度-红外传感测距装置下降的距离-最小安全距离；在利用红外传感器束测量被检体厚度时，限束器的一侧作为传感器的发射端，另一侧作为传感器的接收端，可以确定从床板向上，接收端可以开始接收到发射端所发射信号的位置，该位置与床板之间的距离即为被检体的厚度。
步骤202：根据该厚度查找散射模型库，获得与该厚度对应的初始散射修正参数。
本实施例中，可以预先创建散射模型库，该散射模型库中包含了不同的模体厚度、拍摄条件与散射修正参数之间的对应关系。其中，散射模型库可以由控制设备创建并保存在控制设备本地；也可以由其他计算设备创建并保存，在实际应用中，可以由控制设备与其他计算设备进行通信以使用该散射模型库，对此本实施例不进行限制。
本步骤中，在确定了X线设备的拍摄条件，以及被检体的厚度后，可以根据以上两类参数查找散射模型库，获得与被检体的厚度对应的散射修正参数，作为本实施例中的初始散射修正参数。
步骤203：通过初始散射修正参数对X线图像进行初始散射修正，获得初始修正图像。
本实施例中，可以预先选择一种散射修正模型用于散射修正，该散射修正模型可以是现有技术中的任一散射修正模型，例如，基于点扩散函数的散射修正模型，对此本实施例不进行限制。
步骤204：基于初始修正图像进行局部散射修正，获得针对感兴趣区域的局部修正图像。
本步骤中，可以首先根据被检体的类型，获得与该类型对应的局部修正的修正次数及感兴趣区域，其中被检体的类型可以包括X线设备的扫描部位，例如，胸部、腰椎、骨盆等，本实施例中可以预先定义不同扫描部位所需要的修正次数以及感兴趣区域；然后将初始修正图像作为输入图像，开始执行与修正次数一致的，且针对感兴趣区域的局部修正过程，其中除了首次局部修正将初始修正图像作为输入图像外，后续可以将执行每一次局部修正后得到的图像作为下一次局部修正的输入图像。
在一个可选的例子中，上述每一次局部修正过程可以包括：分析输入图像中感兴趣区域的单位灰度值；调用灰度值关系模型，该灰度值关系模型表征了等效厚度、曝光参数及单位灰度值之间的对应关系，根据分析得到的单位灰度值和输入图像的曝光参数计算感兴趣区域的等效厚度；根据等效厚度查找散射模型库，获得与等效厚度对应的局部散射修正参数，并利用该局部散射修正参数对图像进行局部散射修正。
由上述实施例可见，该实施例不再采用单一散射核进行散射修正，通过初次散射修正可以完成对X线图像的整体修正，并进一步通过对感兴趣区域的局部散射修正增加重要部位的修正效果，从而增强了X线图像散射修正的均匀性，使得修正后的X线图像整体效果一致，图像质量提升。
参见图3A，为本申请X线图像的散射修正方法的另一个实施例流程图，该实施例可以应用在X线系统的控制设备上，该实施例包括以下步骤：
步骤301：预先构建散射模型库，以及预先训练灰度值关系模型。
本实施例中，控制设备可以采用如下方式构建散射模型库：
首先，获得铅边图像集，该铅边图像集中包含X线设备在不同拍摄条件下对多个模体进行拍摄所获得的图像。
其中，可以预先设置多个测量模体，通常这些模体可以为仿人体的模体，每个模体具有不同的厚度。对于每个模体，在拍摄前可以用指定厚度的铅板遮挡住模体的一半，然后使用X线设备在指定的拍摄条件下进行拍摄，本实施例中X线设备的拍摄条件可以包括不同的拍摄参数，例如，X线球管的管电压kv，X线球管的管电流mA，以及X线球管的输出功率mAs等。由于铅板遮挡，X射线不会透过被铅板遮挡的模体部分，因此可以拍摄得到如图3B所示的铅边图像；对每个模体重复上述过程，即可以得到多个模体的铅边图像。
其次，根据铅边图像集得到不同模体厚度和拍摄条件下的散射修正参数。
其中，对于每个铅边图像，可以根据铅边图像中，X线成像区域和非X线成像区域的交界测定边缘扩散函数，并根据上述交界计算出铅边图像中散射图像占整个图像的比例，例如，计算交界两边的灰度值的比值，得到作为散射修正参数的散射比例参数，本实施例中称为fraction；然后通过边缘扩散函数计算线扩散函数，并根据线扩散函数计算出作为散射修正参数的散射范围参数，本实施例中称为σ。
在一个例子中，可以对如图3B所示的铅边图像进行行方向投影，从而得到边缘扩散函数(ESF)，其计算公式如下公式(1)所示：
上述公式(1)中，C表示铅边图像中所有列的中心列，默认为感兴趣区域的中点；u表示中点左侧的采样点个数；d表示中点右侧的采样点个数；是比例因子，用于计算每一行投影的均值；o是偏置项，可以设为默认值0。
接下来对边缘扩散函数求差分，可以得到线扩散函数(LSF)，其计算公式如下公式(2)所示：
上述公式(2)中，Δ表示esf函数的输入值y的变化量，一般取小于5的数值。
基于前述ESF和LSF，在计算调制传递函数(PSF)时，可以使用如下公式(3)和公式(4)示出的任一PSF模型：
上述公式(3)和公式(4)中，μx和μy分别表示PSF窗口的中心，rx和ry表示PSF窗口宽度和高度的一半，σ为产生PSF的散射范围参数。
可以通过如下公式(5)或公式(6)计算得到PSF的参数，即σ的误差值，其中公式(5)利用esf函数计算得到PSF的参数，公式(6)利用lsf函数计算得到PSF的参数：
上述公式(5)中，esfQ *(σ)是根据输入的σ求出的PSF在一个象限内的ESF的值，esfQ表示从图像中估计出的PSF在同样象限内的ESF的值。在实际计算过程中，可以采用遍历的方式，设定σ从固定阈值开始逐渐增加，根据上述公式(5)，计算每次得到的误差值，直到所求的误差值达到要求，或者σ达到固定的最大阈值停止，将此时的σ确定为产生PSF的散射范围参数。
上述公式(6)中，lsfQ *(σ)是根据输入的σ求出的PSF在一个象限内的LSF的值，lsfQ表示从图像中估计出的PSF在同样象限内的LSF的值。在实际计算过程中，可以采用遍历的方式，设定σ从固定阈值开始逐渐增加，根据上述公式(6)，计算每次得到的误差值，直到所求的误差值达到要求，或者σ达到固定的最大阈值停止，将此时的σ确定为产生PSF的散射范围参数。
最后，保存散射模型库，散射模型库中包含体模体厚度、拍摄条件、及散射修正参数之间的对应关系。
根据前述描述可知，散射修正参数可以包括散射比例参数和散射范围参数，相应的，散射模型库可以包括散射比例模型库和散射范围模型库。本实施例中，拍摄条件包含的拍摄参数以kv值为例进行说明。
如下表1所示的一个例子，散射比例模型库中包含了不同的模体厚度、kv值与散射比例参数之间的对应关系：
表1
如下表2所示的一个例子，散射范围模型库中包含了不同的模体厚度、kv值与散射范围参数之间的对应关系：
表2
本实施例中，控制设备可以按照如下方式训练灰度值关系模型：
首先，获得曝光图像集，曝光图像集中包含X线设备根据不同曝光参数对多个模体进行曝光所生成的图像。
其中，多个模体仍然可以为具有不同厚度的仿人体的模体，曝光参数可以包括kv和mAs。
其次，根据曝光参数计算每个图像的中心区域的单位灰度值。
其中，对于曝光图像集中的每个图像，可以统计其中心区域的灰度值Gray，并利用如下公式(6)计算中心区域的单位灰度值：
最后，通过多项式拟合的方式获得灰度值关系模型，该灰度值关系模型表征了等效厚度radThick与曝光参数kv及单位灰度值UnitGray之间的对应关系。
其中，灰度值关系模型可以如下公式(7)所示：
radThick＝f(kv,UnitGray) (7)
步骤302：获得被检体的厚度。
如图1所示，当被检体在X线设备的床板上准备就绪后，本步骤中可以通过如下可选方式测量被检体的厚度：
方式一：可以通过红外传感测距装置13对被检体的厚度进行测量。
红外传感测距装置13中设置有红外传感器，通常红外传感器有一个安全距离，当该红外传感器距离障碍物达到安全距离时，红外传感器发射的光线会被障碍物反射，从而被红外传感器接收到，红外传感器据此产生电信号，并通过这个电信号控制红外测距装置的制动。
在红外传感测距装置13开始制动前，可以测量得到红外传感测距装置13距离床板的高度，记为H1，当被检体平躺在床板上后，可以将红外传感测距装置13对准被检体感兴趣区域的中心，然后控制红外传感测距装置13向下运动，并记录红外传感测距装置13下降的距离，当红外传感测距装置13距离人体达到安全距离时，红外传感器产生电信号，红外传感测距装置13停止制动，此时记录得到的红外传感测距装置13下降的距离为H2，且红外传感测距装置13内红外传感器的安全距离为H3，则可以通过如下公式计算被检体厚度H：H＝H1-H2-H3。
方式二：可以通过红外传感器束16对被检体的厚度进行测量。
红外传感器束16可以安装在床板两侧，其高度要高于被检体厚度，即可以完全遮挡住被检体。其中，红外传感器束16的一侧作为传感器的发射端，另一侧作为传感器的接收端，在红外传感器束16的下方，由于被检体的遮挡，发射端发射的信号无法被接收端接收到。因此可以测量从床板向上，接收端可以开始接收到信号的位置，该位置与床板之间的距离即为被检体的厚度。
步骤303：根据该厚度查找散射模型库，获得与该厚度对应的初始散射修正参数。
本步骤中，在确定了X线设备的拍摄条件，以及被检体的厚度后，可以根据以上两类参数查找如表1和表2所示的散射比例模型库和散射范围模型库，分别获得与被检体的厚度对应的散射比例参数fraction和散射范围参数σ，作为初始散射参数。
步骤304：通过初始散射修正参数对X线图像进行初始散射修正，获得初始修正图像。
本步骤中，假设X线图像表示为m，则m可以通过如下公式(8)表示：
m＝c×k+p*k+ε (8)
上述公式(8)中，k表示不存在散射时的图像，即本步骤中需要求得的初始修正图像；c表示直射比例参数，c＝1-fraction；p*k表示所形成的散射，p表示点扩散函数，*表示卷积，ε表示噪声；由于时域卷积等于频域乘积，因此将时域上的散射p*k对应到频域上表示为Scatter，Scatter可以采用如下公式(9)计算：
上述公式(9)中，F-1表示傅里叶逆变换；P和M分别是p和m的傅里叶变换。其中，p可以采用现有的任一点扩散函数，以如下公式(10)所示的Gaussian函数模型为例：
上述公式(10)中，x和y分别表示图像中像素点的坐标。
在将初始散射比例参数fraction和初始散射范围参数σ代入上述公式后，可以求得初始修正图像
在一个可选的实现方式中，当通过X线设备对被检体进行拍摄时，如图1所示，由于限束器可能存在遮挡，因此可以在拍摄前对限束器进行检测，检测方式可以采用现有技术中的雷顿变换检测方式，从而避免限束器对X线图像的拍摄产生影响。
在另一个可选的实现方式中，针对X线图像中被检体的检测部位的不同，可以在进行散射修正前，先对散射比例参数进行修正。在一个例子中，对于面积较小的部位，例如，手、肘部、脚部等，可以预先为这些部位分别设置散射比例修正经验值，从而控制散射修正的强度。当X线图像中包含上述部位时，可以先将通过查找散射比例模型库获得的散射比例参数与这些部位的散射比例经验值相乘，从而得到修正后的散射比例参数，并利用修正后的散射比例参数执行前述的初始散射修正过程。
步骤305：检测初始修正图像是否满足预设条件，若满足，则执行步骤307；否则，执行步骤306。
为了避免初始散射修正参数过大可能导致初始散射修正图出现过曝光的情况，在完成初始散射修正后，可以对初始修正图像进行散射修正的合理性检测，从而在检测到过曝光时，调整散射修正参数。
本步骤中，可以先确定初始修正图像中灰度值为负值的像素，并将这些像素的灰度值设置为0，然后分析初始修正图像的直方图，如果直方图中0所占的比例超过阈值，则确定散射修正后的图像不满足预设条件。
步骤306：按照预设的步长值减小初始散射修正参数，返回步骤304。
本步骤中，在确定散射修正后的图像不满足预设条件后，可以对初始散射修正参数中的散射比例参数进行调整，即按照预设的步长值，比如0.05，减小散射比例参数。
步骤307：根据被检体的类型，获得与该类型对应的局部修正的修正次数及感兴趣区域。
本实施例中，被检体的类型可以包括X线设备的扫描部位，例如，胸部、腰椎、骨盆等，本实施例中可以预先定义并保存不同扫描部位所需要的修正次数以及感兴趣区域。
步骤308：获得输入图像。
本步骤中，当局部修正的修正次数为1时，则输入图像即为初始修正图像；当局部修正的修正次数大于1时，则首次获得的输入图像为初始修正图像，后续每一次局部修正获得的输入图像均为前一次局部修正后得到的局部修正图像。
步骤309：分析输入图像中感兴趣区域的单位灰度值。
在医疗图像中，通常会定位该图像中的某个组织区域作为分析的重点，该区域称为感兴趣区域(ROI)。本步骤中，可以采用前述公式(6)计算输入图像中感兴趣区域的单位灰度值。
步骤310：调用灰度值关系模型，根据单位灰度值和输入图像的曝光参数计算感兴趣区域的等效厚度。
本步骤中，可以调用如公式(7)中示出的灰度值关系模型，根据前述步骤309中计算得到的单位灰度值，以及拍摄输入图像时的kv，通过公式(7)计算出感兴趣区域的等效厚度。
步骤311：根据等效厚度查找散射模型库，获得与等效厚度对应的局部散射修正参数。
步骤312：利用局部散射修正参数对输入图像进行局部散射修正，获得局部散射修正图像。
上述步骤311和步骤312中根据等效厚度获得局部散射修正参数，并进行局部散射修正的过程与前述步骤303和步骤304的描述一致，在此不再赘述。
步骤313：检测局部散射修正图像是否满足预设条件，若满足，则执行步骤315；否则，执行步骤314。
步骤314：按照预设的步长值减小局部散射修正参数，返回步骤312。
上述步骤313和步骤314中，对局部散射修正图像是否满足预设条件的检测，以及对散射修正参数的调整过程与前述步骤305和步骤306中的描述一致，不同仅在于检测对象为针对感兴趣区域的局部散射修正图像，相应的调整参数为局部散射修正参数，因此不再赘述。
步骤315：判断是否完成与修正次数一致的修正过程，若是，则结束当前流程；否则返回步骤308。
由上述实施例可见，该实施例不再采用单一散射核进行散射修正，通过初次散射修正可以完成对X线图像的整体修正，并进一步通过对感兴趣区域的局部散射修正增加重要部位的修正效果，从而增强了X线图像散射修正的均匀性，使得修正后的X线图像整体效果一致，图像质量提升；并且，上述实施例通过散射修正后的合理性检测，可以进一步提升每一次散射修正的效果。
上述图2和图3A所示流程中的各个步骤，其执行顺序不限制于流程图中的顺序。此外，各个步骤的描述，可以实现为软件、硬件或者其结合的形式，例如，本领域技术人员可以将其实现为软件代码的形式，可以为能够实现所述步骤对应的逻辑功能的计算机可执行指令。当其以软件的方式实现时，所述的可执行指令可以存储在存储器中，并被设备中的处理器执行。
与前述X线图像的散射修正方法的实施例相对应，本申请还提供了散射修正装置、控制设备及存储介质的实施例。
参见图4，为本申请X线图像的散射修正装置的一个实施例框图，该装置可以应用在X线系统的控制设备，X线图像为通过X线设备扫描被检体得到的图像，该装置包括：获得单元410、查找单元420、初始修正单元430和局部修正单元440。
其中，获得单元410，用于获得所述被检体的厚度；
查找单元420，用于根据所述厚度查找散射模型库，获得与所述厚度对应的初始散射修正参数；
初始修正单元430，用于通过所述初始散射修正参数对所述X线图像进行初始散射修正，获得初始修正图像；
局部修正单元440，用于基于所述初始修正图像进行局部散射修正，获得针对感兴趣区域的局部修正图像。
参见图5，为本申请X线图像的散射修正装置的另一个实施例框图，该装置可以应用在X线系统的控制设备，X线图像为通过X线设备扫描被检体得到的图像，该装置包括：构建单元510、训练单元520、获得单元530、查找单元540、初始修正单元550、局部修正单元560、检测单元570、调整单元580和触发单元590。
其中，构建单元510，用于预先构建所述散射模型库；
训练单元520，用于用于预先训练所述灰度值关系模型；
获得单元530，用于获得所述被检体的厚度；
查找单元540，用于根据所述厚度查找散射模型库，获得与所述厚度对应的初始散射修正参数；
初始修正单元550，用于通过所述初始散射修正参数对所述X线图像进行初始散射修正，获得初始修正图像；
局部修正单元560，用于基于所述初始修正图像进行局部散射修正，获得针对感兴趣区域的局部修正图像；
检测单元570，用于检测散射修正后的图像是否满足预设条件，其中，所述散射修正后的图像包括：所述初始修正图像，和/或所述局部散射修正图像；
调整单元580，用于如果不满足预设条件，则调整相应的散射修正参数；
触发单元590，用于触发所述初始修正单元550，和/或所述局部修正单元560根据调整后的散射修正参数重新执行散射修正，直至散射修正后的图像满足预设条件。
在一个可选的实现方式中，所述构建单元510可以包括(图5中未示出)：
铅边图像集获得子单元，用于获得铅边图像集，所述铅边图像集中包含X线设备在不同拍摄条件下对多个模体进行拍摄所获得的图像；
参数获得子单元，用于根据所述铅边图像集得到不同模体厚度和拍摄条件下的散射修正参数；
模型库保存子单元，用于保存散射模型库，所述散射模型库中包含体模体厚度、拍摄条件、及散射修正参数之间的对应关系。
在另一个可选的实现方式，所述训练单元520可以包括(图5中未示出)：
曝光图像集获得子单元，用于获得曝光图像集，所述曝光图像集中包含X线设备根据不同曝光参数对多个模体进行曝光所生成的图像；
单位灰度值计算子单元，用于根据所述曝光参数计算每个图像的中心区域的单位灰度值；
灰度值关系模型拟合子单元，用于通过多项式拟合的方式获得灰度值关系模型，所述灰度值关系模型表征了等效厚度与曝光参数及单位灰度值之间的对应关系。
在另一个可选的实现方式中，所述获得单元530可以包括(图5中未示出)：
指令发送子单元，用于向所述X线设备发送测量指令，以控制所述X线设备上设置的红外传感装置测量所述被检体；
厚度计算子单元，用于根据所述红外传感装置的测量结果计算所述被检体的厚度。
在另一个可选的实现方式中，所述局部修正单元560可以包括(图5中未示出)：
信息获得子单元，用于根据所述被检体的类型，获得与所述类型对应的局部修正的修正次数及感兴趣区域；
修正执行子单元，用于将所述初始修正图像作为输入图像，开始执行与所述修正次数一致的，针对所述感兴趣区域的局部修正过程，其中执行每一次局部修正后得到的图像为下一次局部修正的输入图像。
在一个例子中，所述修正执行子单元，可以具体用于在执行每一次局部修正过程时，分析所述输入图像中感兴趣区域的单位灰度值，调用灰度值关系模型，根据所述单位灰度值和所述输入图像的曝光参数计算所述感兴趣区域的等效厚度，根据所述等效厚度查找所述散射模型库，获得与所述等效厚度对应的局部散射修正参数，并利用所述局部散射修正参数对所述输入图像进行局部散射修正。
在另一个可选的实现方式中，所述检测单元570可以包括(图5中未示出)：
灰度值设置子单元，用于确定所述散射修正后的图像中灰度值为负值的像素，并将所述像素的灰度值设置为0；
直方图分析子单元，用于分析所述散射修正后的图像的直方图，如果所述直方图中0所占的比例超过阈值，则确定所述散射修正后的图像不满足预设条件；
相应的，所述调整单元580，可以具体用于按照预设步长值减小散射修正参数。
参见图6，为本申请控制设备的一个实施例示意图，该控制设备可以包括：通过内部总线610连接的存储器620、处理器630和外部接口640。
其中，所述外部接口640，用于连接X线设备，所述X线设备用于扫描被检体得到X线图像；
所述存储器620，用于存储散射修正的控制逻辑对应的机器可读指令；
所述处理器630，用于读取所述存储器上的所述机器可读指令，并执行所述指令以实现如下操作：
获得所述被检体的厚度；
根据所述厚度查找散射模型库，获得与所述厚度对应的初始散射修正参数；
通过所述初始散射修正参数对所述X线图像进行初始散射修正，获得初始修正图像；
基于所述初始修正图像进行局部散射修正，获得针对感兴趣区域的局部修正图像。
此外，本申请实施例示出的时间校正流程还可以被包括在计算机可读存储介质中，该存储介质可以与执行指令的处理设备连接，该存储介质上存储有散射修正控制逻辑对应的机器可读指令，这些指令能够被处理设备执行，上述机器可读指令用于实现如下操作：
获得被检体的厚度；
根据所述厚度查找散射模型库，获得与所述厚度对应的初始散射修正参数；
通过所述初始散射修正参数对X线图像进行初始散射修正，获得初始修正图像；
基于所述初始修正图像进行局部散射修正，获得针对感兴趣区域的局部修正图像。
在本申请实施例中，计算机可读存储介质可以是多种形式，比如，在不同的例子中，所述机器可读存储介质可以是：RAM(Radom Access Memory，随机存取存储器)、易失存储器、非易失性存储器、闪存、存储驱动器(如硬盘驱动器)、固态硬盘、任何类型的存储盘(如光盘、dvd等)，或者类似的存储介质，或者它们的组合。特殊的，所述的计算机可读介质还可以是纸张或者其他合适的能够打印程序的介质。使用这些介质，这些程序可以被通过电学的方式获取到(例如，光学扫描)、可以被以合适的方式编译、解释和处理，然后可以被存储到计算机介质中。
以上所述仅为本申请的较佳实施例而已，并不用以限制本申请，凡在本申请的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本申请保护的范围之内。
Claims (18)
1.一种X线图像的散射修正方法，其特征在于，所述X线图像为通过X线设备扫描被检体得到的图像，所述方法包括：
获得所述被检体的厚度；
根据所述厚度查找散射模型库，获得与所述厚度对应的初始散射修正参数；
通过所述初始散射修正参数对所述X线图像进行初始散射修正，获得初始修正图像；
基于所述初始修正图像进行局部散射修正，获得针对感兴趣区域的局部修正图像。
2.根据权利要求1所述的方法，其特征在于，所述方法还包括：预先构建散射模型库；
所述预先构建散射模型库，包括：
获得铅边图像集，所述铅边图像集中包含X线设备在不同拍摄条件下对多个模体进行拍摄所获得的图像；
根据所述铅边图像集得到不同模体厚度和拍摄条件下的散射修正参数；
保存散射模型库，所述散射模型库中包含体模体厚度、拍摄条件、及散射修正参数之间的对应关系。
3.根据权利要求1所述的方法，其特征在于，所述获得所述被检体的厚度，包括：
向所述X线设备发送测量指令，以控制所述X线设备上设置的红外传感装置测量所述被检体；
根据所述红外传感装置的测量结果计算所述被检体的厚度。
4.根据权利要求1所述的方法，其特征在于，所述基于所述初始修正图像进行局部散射修正，获得针对感兴趣区域的局部修正图像，包括：
根据所述被检体的类型，获得与所述类型对应的局部修正的修正次数及感兴趣区域；
将所述初始修正图像作为输入图像，开始执行与所述修正次数一致的，针对所述感兴趣区域的局部修正过程，其中执行每一次局部修正后得到的图像为下一次局部修正的输入图像。
5.根据权利要求4所述的方法，其特征在于，每一次局部修正过程包括：
分析所述输入图像中感兴趣区域的单位灰度值；
调用灰度值关系模型，根据所述单位灰度值和所述输入图像的曝光参数计算所述感兴趣区域的等效厚度；
根据所述等效厚度查找所述散射模型库，获得与所述等效厚度对应的局部散射修正参数；
利用所述局部散射修正参数对所述输入图像进行局部散射修正。
6.根据权利要求5所述的方法，其特征在于，所述方法还包括：预先训练所述灰度值关系模型；
所述预先训练灰度值关系模型包括：
获得曝光图像集，所述曝光图像集中包含X线设备根据不同曝光参数对多个模体进行曝光所生成的图像；
根据所述曝光参数计算每个图像的中心区域的单位灰度值；
通过多项式拟合的方式获得灰度值关系模型，所述灰度值关系模型表征了等效厚度与曝光参数及单位灰度值之间的对应关系。
7.根据权利要求1所述的方法，其特征在于，所述方法还包括：
检测散射修正后的图像是否满足预设条件，其中，所述散射修正后的图像包括：所述初始修正图像，和/或所述局部散射修正图像；
如果不满足预设条件，则调整相应的散射修正参数；
根据调整后的散射修正参数重新执行散射修正，直至散射修正后的图像满足所述预设条件。
8.根据权利要求7所述的方法，其特征在于，所述检测所述散射修正后的图像是否满足预设条件，包括：
确定所述散射修正后的图像中灰度值为负值的像素，并将所述像素的灰度值设置为0；
分析所述散射修正后的图像的直方图；
如果所述直方图中0所占的比例超过阈值，则确定所述散射修正后的图像不满足预设条件；
所述调整相应的散射修正参数包括：按照预设步长值减小散射修正参数。
9.一种X线图像的散射修正装置，其特征在于，所述X线图像为通过X线设备扫描被检体得到的图像，所述装置包括：
获得单元，用于获得所述被检体的厚度；
查找单元，用于根据所述厚度查找散射模型库，获得与所述厚度对应的初始散射修正参数；
初始修正单元，用于通过所述初始散射修正参数对所述X线图像进行初始散射修正，获得初始修正图像；
局部修正单元，用于基于所述初始修正图像进行局部散射修正，获得针对感兴趣区域的局部修正图像。
10.根据权利要求9所述的装置，其特征在于，所述装置还包括：
构建单元，用于预先构建所述散射模型库；
所述构建单元包括：
铅边图像集获得子单元，用于获得铅边图像集，所述铅边图像集中包含X线设备在不同拍摄条件下对多个模体进行拍摄所获得的图像；
参数获得子单元，用于根据所述铅边图像集得到不同模体厚度和拍摄条件下的散射修正参数；
模型库保存子单元，用于保存散射模型库，所述散射模型库中包含体模体厚度、拍摄条件、及散射修正参数之间的对应关系。
11.根据权利要求9所述的装置，其特征在于，所述获得单元包括：
指令发送子单元，用于向所述X线设备发送测量指令，以控制所述X线设备上设置的红外传感装置测量所述被检体；
厚度计算子单元，用于根据所述红外传感装置的测量结果计算所述被检体的厚度。
12.根据权利要求9所述的装置，其特征在于，所述局部修正单元包括：
信息获得子单元，用于根据所述被检体的类型，获得与所述类型对应的局部修正的修正次数及感兴趣区域；
修正执行子单元，用于将所述初始修正图像作为输入图像，开始执行与所述修正次数一致的，针对所述感兴趣区域的局部修正过程，其中执行每一次局部修正后得到的图像为下一次局部修正的输入图像。
13.根据权利要求12所述的装置，其特征在于，
所述修正执行子单元，具体用于在执行每一次局部修正过程时，分析所述输入图像中感兴趣区域的单位灰度值，调用灰度值关系模型，根据所述单位灰度值和所述输入图像的曝光参数计算所述感兴趣区域的等效厚度，根据所述等效厚度查找所述散射模型库，获得与所述等效厚度对应的局部散射修正参数，并利用所述局部散射修正参数对所述输入图像进行局部散射修正。
14.根据权利要求13所述的装置，其特征在于，所述装置还包括：
训练单元，用于预先训练所述灰度值关系模型；
所述训练单元包括：
曝光图像集获得子单元，用于获得曝光图像集，所述曝光图像集中包含X线设备根据不同曝光参数对多个模体进行曝光所生成的图像；
单位灰度值计算子单元，用于根据所述曝光参数计算每个图像的中心区域的单位灰度值；
灰度值关系模型拟合子单元，用于通过多项式拟合的方式获得灰度值关系模型，所述灰度值关系模型表征了等效厚度与曝光参数及单位灰度值之间的对应关系。
15.根据权利要求9所述的装置，其特征在于，所述装置还包括：
检测单元，用于检测散射修正后的图像是否满足预设条件，其中，所述散射修正后的图像包括：所述初始修正图像，和/或所述局部散射修正图像；
调整单元，用于如果不满足预设条件，则调整相应的散射修正参数；
触发单元，用于触发所述初始修正单元，和/或所述局部修正单元根据调整后的散射修正参数重新执行散射修正，直至散射修正后的图像满足预设条件。
16.根据权利要求15所述的装置，其特征在于，所述检测单元包括：
灰度值设置子单元，用于确定所述散射修正后的图像中灰度值为负值的像素，并将所述像素的灰度值设置为0；
直方图分析子单元，用于分析所述散射修正后的图像的直方图，如果所述直方图中0所占的比例超过阈值，则确定所述散射修正后的图像不满足预设条件；
所述调整单元，具体用于按照预设步长值减小散射修正参数。
17.一种控制设备，其特征在于，包括：内部总线，以及通过内部总线连接的存储器、处理器和外部接口；其中，
所述外部接口，用于连接X线设备，所述X线设备用于扫描被检体得到X线图像；
所述存储器，用于存储散射修正的控制逻辑对应的机器可读指令；
所述处理器，用于读取所述存储器上的所述机器可读指令，并执行所述指令以实现如下操作：
获得所述被检体的厚度；
根据所述厚度查找散射模型库，获得与所述厚度对应的初始散射修正参数；
通过所述初始散射修正参数对所述X线图像进行初始散射修正，获得初始修正图像；
基于所述初始修正图像进行局部散射修正，获得针对感兴趣区域的局部修正图像。
18.一种机器可读存储介质，其特征在于，所述机器可读存储介质上存储有若干计算机指令，所述计算机指令被执行时进行如下处理：
获得被检体的厚度；
根据所述厚度查找散射模型库，获得与所述厚度对应的初始散射修正参数；
通过所述初始散射修正参数对X线图像进行初始散射修正，获得初始修正图像；
基于所述初始修正图像进行局部散射修正，获得针对感兴趣区域的局部修正图像。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810038883.3A CN108335269B (zh) | 2018-01-16 | 2018-01-16 | X线图像的散射修正方法、装置、控制设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810038883.3A CN108335269B (zh) | 2018-01-16 | 2018-01-16 | X线图像的散射修正方法、装置、控制设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN108335269A true CN108335269A (zh) | 2018-07-27 |
| CN108335269B CN108335269B (zh) | 2022-03-04 |
Family
ID=62925044
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810038883.3A Active CN108335269B (zh) | 2018-01-16 | 2018-01-16 | X线图像的散射修正方法、装置、控制设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108335269B (zh) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108577872A (zh) * | 2017-12-29 | 2018-09-28 | 上海联影医疗科技有限公司 | 医学图像的去散射方法、系统及存储介质 |
| WO2019128731A1 (en) * | 2017-12-29 | 2019-07-04 | Shenzhen United Imaging Healthcare Co., Ltd. | Systems and methods for scatter correction of image |
| CN110246096A (zh) * | 2019-05-30 | 2019-09-17 | 深圳市安健科技股份有限公司 | 一种x光散射线拟合校正方法及装置 |
| CN110672044A (zh) * | 2019-10-10 | 2020-01-10 | 辽宁工程技术大学 | 基于x光数据的钢丝绳芯输送带剩余厚度计算矫正方法 |
| CN113409414A (zh) * | 2021-06-08 | 2021-09-17 | 江苏一影医疗设备有限公司 | X线图像的散射修正方法、装置、电子设备、存储介质 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101347338A (zh) * | 2007-07-18 | 2009-01-21 | 株式会社东芝 | X射线摄影装置 |
| EP1553407B1 (en) * | 2004-01-07 | 2009-08-05 | GE Medical Systems Global Technology Company LLC | Scatter measurement method, scatter correction method, and x-ray CT apparatus |
| CN104616251A (zh) * | 2014-12-31 | 2015-05-13 | 沈阳东软医疗系统有限公司 | 一种数字x线图像散射修正的方法及装置 |
| CN105433967A (zh) * | 2014-09-24 | 2016-03-30 | 富士胶片株式会社 | 放射线图像分析装置及方法以及程序 |
| US20160307304A1 (en) * | 2015-04-20 | 2016-10-20 | Kabushiki Kaisha Toshiba | Image processing apparatus and x-ray diagnostic apparatus |
| CN106413236A (zh) * | 2016-09-08 | 2017-02-15 | 沈阳东软医疗系统有限公司 | 一种曝光参数调整方法和装置 |
-
2018
- 2018-01-16 CN CN201810038883.3A patent/CN108335269B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP1553407B1 (en) * | 2004-01-07 | 2009-08-05 | GE Medical Systems Global Technology Company LLC | Scatter measurement method, scatter correction method, and x-ray CT apparatus |
| CN101347338A (zh) * | 2007-07-18 | 2009-01-21 | 株式会社东芝 | X射线摄影装置 |
| CN105433967A (zh) * | 2014-09-24 | 2016-03-30 | 富士胶片株式会社 | 放射线图像分析装置及方法以及程序 |
| CN104616251A (zh) * | 2014-12-31 | 2015-05-13 | 沈阳东软医疗系统有限公司 | 一种数字x线图像散射修正的方法及装置 |
| US20160307304A1 (en) * | 2015-04-20 | 2016-10-20 | Kabushiki Kaisha Toshiba | Image processing apparatus and x-ray diagnostic apparatus |
| CN106413236A (zh) * | 2016-09-08 | 2017-02-15 | 沈阳东软医疗系统有限公司 | 一种曝光参数调整方法和装置 |
Non-Patent Citations (1)
| Title |
|---|
| DINKO E.GONZALEZ TROTTER等: "Thickness-dependent Scatter Correction Algorithm for Digital Mammography", 《PROCEEDINGS OF SPIE》 * |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108577872A (zh) * | 2017-12-29 | 2018-09-28 | 上海联影医疗科技有限公司 | 医学图像的去散射方法、系统及存储介质 |
| WO2019128731A1 (en) * | 2017-12-29 | 2019-07-04 | Shenzhen United Imaging Healthcare Co., Ltd. | Systems and methods for scatter correction of image |
| CN108577872B (zh) * | 2017-12-29 | 2021-07-16 | 上海联影医疗科技股份有限公司 | 医学图像的去散射方法、系统及存储介质 |
| US11538160B2 (en) | 2017-12-29 | 2022-12-27 | Shanghai United Imaging Healthcare Co., Ltd. | Systems and methods for scatter correction of image |
| CN110246096A (zh) * | 2019-05-30 | 2019-09-17 | 深圳市安健科技股份有限公司 | 一种x光散射线拟合校正方法及装置 |
| CN110246096B (zh) * | 2019-05-30 | 2023-03-10 | 深圳市安健科技股份有限公司 | 一种x光散射线拟合校正方法及装置 |
| CN110672044A (zh) * | 2019-10-10 | 2020-01-10 | 辽宁工程技术大学 | 基于x光数据的钢丝绳芯输送带剩余厚度计算矫正方法 |
| CN113409414A (zh) * | 2021-06-08 | 2021-09-17 | 江苏一影医疗设备有限公司 | X线图像的散射修正方法、装置、电子设备、存储介质 |
| CN113409414B (zh) * | 2021-06-08 | 2024-03-26 | 江苏一影医疗设备有限公司 | X线图像的散射修正方法、装置、电子设备、存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN108335269B (zh) | 2022-03-04 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108335269A (zh) | X线图像的散射修正方法、装置、控制设备及存储介质 | |
| US7391844B2 (en) | Method and apparatus for correcting for beam hardening in CT images | |
| US8000435B2 (en) | Method and system for error compensation | |
| US7558439B2 (en) | Motion artifact correction of tomographical images | |
| US9947101B2 (en) | Radiographic image analysis device and method, and recording medium having program recorded therein | |
| US9188549B2 (en) | Method and apparatus for controlling dose in computed X-ray imaging | |
| EP2036038A1 (en) | Method and system for error compensation | |
| US9734574B2 (en) | Image processor, treatment system, and image processing method | |
| CN104599234B (zh) | 图像处理设备、放射线成像系统和图像处理方法 | |
| CN111627083B (zh) | 骨硬化伪影校正方法、装置、计算机设备和可读存储介质 | |
| US10758201B2 (en) | Variance reduction for monte carlo-based scatter estimation | |
| JP6446361B2 (ja) | Ｘ線ｃｔ装置および補正処理装置 | |
| US10002423B2 (en) | Medical image processing apparatus, medical image processing method, and medical image processing system | |
| US11663756B2 (en) | Scatter correction for X-ray imaging | |
| CN110123352B (zh) | 成像参数的基于谱拓扑图的确定 | |
| US7561665B2 (en) | Dual pulse imaging | |
| US7711170B2 (en) | Method and system for filtering scan data | |
| JP2010269165A (ja) | Ｘ線ｃｔ装置 | |
| WO2019021543A1 (ja) | Ｘ線ｃｔ装置、画像生成方法および画像生成プログラム | |
| EP2595115A1 (en) | Method and apparatus for X-ray scattering estimation and reconstruction in digital tomosynthesis system | |
| KR20180063753A (ko) | 의료 영상 장치 및 동작 방법 | |
| CN113313649A (zh) | 图像重建方法及装置 | |
| US20230390583A1 (en) | Dose distribution creating program in consideration of influence of magnetic field, dose distribution creating method in consideration of influence of magnetic field, and dose distribution creating apparatus | |
| US20240041419A1 (en) | Adaptive dual-energy x-ray imaging using pre-calibrated weighting factors | |
| JP5117792B2 (ja) | 記憶媒体及びｘ線ｃｔシステム |
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 | ||
| CB02 | Change of applicant information | ||
| CB02 | Change of applicant information |
Address after: 110167 No. 177-1 Innovation Road, Hunnan District, Shenyang City, Liaoning Province Applicant after: DongSoft Medical System Co., Ltd. Address before: 110167 No. 177-1 Innovation Road, Hunnan District, Shenyang City, Liaoning Province Applicant before: Dongruan Medical Systems Co., Ltd., Shenyang |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant |