CN108352078A - 图像重建系统和方法 - Google Patents

图像重建系统和方法 Download PDF

Info

Publication number
CN108352078A
CN108352078A CN201680053776.7A CN201680053776A CN108352078A CN 108352078 A CN108352078 A CN 108352078A CN 201680053776 A CN201680053776 A CN 201680053776A CN 108352078 A CN108352078 A CN 108352078A
Authority
CN
China
Prior art keywords
image
artifact
projected image
edge
projection
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
CN201680053776.7A
Other languages
English (en)
Other versions
CN108352078B (zh
Inventor
杨乐
周海华
冯娟
崔凯
齐季
张娜
陈皓
牛杰
韩业成
滕万里
马艳歌
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.)
Shanghai United Imaging Healthcare Co Ltd
Original Assignee
Shanghai United Imaging Healthcare Co Ltd
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
Priority claimed from CN201510583366.0A external-priority patent/CN105078492B/zh
Priority claimed from CN201510583397.6A external-priority patent/CN105184835B/zh
Priority claimed from CN201610066684.4A external-priority patent/CN105761217A/zh
Application filed by Shanghai United Imaging Healthcare Co Ltd filed Critical Shanghai United Imaging Healthcare Co Ltd
Publication of CN108352078A publication Critical patent/CN108352078A/zh
Application granted granted Critical
Publication of CN108352078B publication Critical patent/CN108352078B/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
    • A61B6/02—Arrangements for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
    • A61B6/025—Tomosynthesis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/00—2D [Two Dimensional] image generation
    • G06T11/003—Reconstruction from projections, e.g. tomography
    • G06T11/008—Specific post-processing after tomographic reconstruction, e.g. voxelisation, metal artifact correction
    • 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
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/01—Measuring temperature of body parts ; Diagnostic temperature sensing, e.g. for malignant or inflamed tissue
    • A61B5/015—By temperature mapping of body part
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/026—Measuring blood flow
    • A61B5/0263—Measuring blood flow using NMR
    • 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
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/02—Arrangements for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
    • A61B6/03—Computed tomography [CT]
    • A61B6/032—Transmission computed tomography [CT]
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/02—Arrangements for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
    • A61B6/03—Computed tomography [CT]
    • A61B6/037—Emission tomography
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/50—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
    • A61B6/502—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 for diagnosis of breast, i.e. mammography
    • 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
    • A61B6/504—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 for diagnosis of blood vessels, e.g. by angiography
    • 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
    • A61B6/5205—Devices using data or image processing specially adapted for radiation diagnosis involving processing of raw data to produce diagnostic data
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
    • A61B6/5258—Devices using data or image processing specially adapted for radiation diagnosis involving detection or reduction of artifacts or noise
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/08—Detecting organic movements or changes, e.g. tumours, cysts, swellings
    • A61B8/0883—Detecting organic movements or changes, e.g. tumours, cysts, swellings for diagnosis of the heart
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/48—Diagnostic techniques
    • A61B8/485—Diagnostic techniques involving measuring strain or elastic properties
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/00—2D [Two Dimensional] image generation
    • G06T11/003—Reconstruction from projections, e.g. tomography
    • G06T11/005—Specific pre-processing for tomographic reconstruction, e.g. calibration, source positioning, rebinning, scatter correction, retrospective gating
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/00—2D [Two Dimensional] image generation
    • G06T11/003—Reconstruction from projections, e.g. tomography
    • G06T11/006—Inverse problem, transformation from projection-space into object-space, e.g. transform methods, back-projection, algebraic methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/174—Segmentation; Edge detection involving the use of two or more images
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10072—Tomographic images
    • G06T2207/10081—Computed x-ray tomography [CT]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20112—Image segmentation details
    • G06T2207/20156—Automatic seed setting
    • 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
    • G06T2207/30068—Mammography; Breast
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2211/00—Image generation
    • G06T2211/40—Computed tomography
    • G06T2211/421—Filtered back projection [FBP]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/12—Edge-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge detection

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • Biophysics (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Veterinary Medicine (AREA)
  • Animal Behavior & Ethology (AREA)
  • Pathology (AREA)
  • Surgery (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Theoretical Computer Science (AREA)
  • Optics & Photonics (AREA)
  • High Energy & Nuclear Physics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Dentistry (AREA)
  • Cardiology (AREA)
  • Algebra (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Physics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Vascular Medicine (AREA)
  • Acoustics & Sound (AREA)
  • Hematology (AREA)
  • Pulmonology (AREA)
  • Physiology (AREA)
  • Apparatus For Radiation Diagnosis (AREA)
  • Multimedia (AREA)
  • Image Processing (AREA)

Abstract

本申请提供了图像重建方法和系统。可以获取投影对象的投影图像(420)。基于投影图像，通过一个或多个预处理操作可以生成处理后的投影图像(430)。基于所述处理后的投影图像可以重建包括伪影的重建图像(440)。所述伪影可以是探测器边缘伪影、投影对象边缘伪影、和锯齿伪影。所述探测器边缘伪影、所述投影对象边缘伪影和锯齿伪影可以从重建图像中去除(450)。

Description

图像重建系统和方法
相关申请的交叉引用
本申请要求2015年9月15日提交的中国申请No.201510583366.0、2015年9月15日提交的中国申请No.201510583397.6和2016年1月29号提交的中国申请No.201610066684.4的优先权，其全部内容通过引用结合于此。
技术领域
本申请涉及图像处理，更具体地涉及图像重建系统和方法。
背景技术
图像重建技术广泛用于疾病诊断。然而，重建图像可能包括多种伪影，这可能会导致误诊。因此，希望开发可以去除或减少伪影的图像重建方法和系统，以改进重建图像的质量。
发明内容
本申请涉及图像处理。本申请的一方面涉及图像重建方法。所述方法可以包括一个或多个下列操作。可以获取投影对象的投影图像。根据对投影图像的一个或多个预处理操作，可以生成处理后的投影图像。例如，所述预处理投影图像可以包括分割所述投影图像，以生成分割投影图像。基于处理后的投影图像可以生成包括伪影的重建图像。所述伪影可以从所述重建图像中去除。
在一些实施例中，所述预处理投影图像可以进一步地包括生成所述分割投影图像的负片，以及校正所述分割投影图像的负片的几何误差。
在一些实施例中，所述重建处理后的投影图像，以生成重建图像可以包括对所述处理后的投影图像进行滤波，以生成包含高亮伪影和X射线衰减伪影的滤波投影图像，校正所述滤波投影图像中的所述高亮伪影和所述X射线衰减伪影，以生成第一图像，以及对所述第一图像进行反投影，以生成所述重建图像。
在一些实施例中，所述伪影可以包括与探测器边缘有关的探测器边缘伪影、与投影对象边缘有关的投影对象边缘伪影、和锯齿伪影。
在一些实施例中，所述探测器边缘伪影、投影对象边缘伪影和锯齿伪影可以从所述重建图像中去除。
在一些实施例中，所述重建图像可以包括断层图像。
在一些实施例中，所述从断层图像中去除锯齿伪影可以包括一个或多个下列操作。可以确定所述断层图像中，探测器边缘的映射位置。可以确定所述断层图像中的投影对象边缘。可以确定所述投影对象边缘与所述探测器边缘的映射位置对应的交点。基于所述交点与所述锯齿伪影，可以确定所述交点的错位信息。基于所述交点及其错位信息，可以去除所述锯齿伪影。
在一些实施例中，所述确定断层图像中，探测器边缘的映射位置可以包括一个或多个下列操作。可以确定射线源与所述探测器之间的第一几何位置关系。可以确定所述投影图像与所述断层图像之间的第二几何位置关系。基于所述第一几何位置关系与所述第二几何位置关系，可以确定所述投影图像中像素的映射坐标。基于所述投影图像中像素的映射坐标和投影图像中探测器的成像区域，可以确定所述探测器边缘的所述映射位置。
在一些实施例中，所述交点的错位信息是所述交点与位于所述锯齿伪影的边缘的点之间的水平距离。
在一些实施例中，所述基于交点与交点的错位信息，去除锯齿伪影可以包括一个或多个下列操作。可以创建所述断层图像的投影对象模板。所述锯齿伪影可以从所述投影对象模板中去除，以获取校正后的投影对象模板。基于所述校正后的投影对象模板，可以去除所述断层图像中的锯齿伪影。
在一些实施例中，所述分割投影图像，以生成分割投影图像可以包括一个或多个下列操作。可以确定所述投影图像中一个或多个像素的平均灰度值。对所述所述投影图像的一个或多个像素中的每一个像素，基于该像素的灰度值与所述平均灰度值，可以分配标记A或标记B。基于分配给所述投影图像的一个或多个像素中每个像素的标记，可以确定感兴趣区域的边缘。
在一些实施例中，所述感兴趣区域的边缘是基于种子填充法确定的。
本申请的另一方面涉及包括可执行指令的非临时性计算机可读介质。当由至少一个处理器执行所述指令时，所述指令可以使所述至少一个处理器实行图像重建方法。在一些实施例中，非临时性计算机可读介质可以包括使计算机实行本申请描述的方法的指令。
本申请的另一方面涉及图像重建系统。所述系统可以包括预处理模块，用于预处理投影图像来生成处理后的投影图像。在一些实施例中，所述预处理模块可以包括分割单元、负片单元和几何误差校正单元。所述系统可以进一步包括重建模块，用于重建所述处理后的投影图像以生成包含伪影的重建图像。在一些实施例中，所述伪影可以是与探测器边缘有关的探测器边缘伪影、与投影对象边缘有关的投影对象边缘伪影、和锯齿伪影。所述系统可以进一步包括用于去除所述伪影的伪影去除模块。
附加特征将在下文的描述中部分地阐述，并且对于本领域技术人员在查阅下文和附图时将在某种程度上变得显而易见，或者可以通过示例的产生或操作来了解。本申请的特征可以通过实践或使用下文讨论的详细示例中阐述的方法、手段和组合的各个方面来实现和获得。
附图说明
本申请通过示例性实施例来展开进一步描述。这些示例性实施例参考附图来展开详细描述。这些附图没有按比例绘制。这些实施例是非限制性的示例性实施例，其中相同的附图标记在附图的多个视图中表示相似的结构，并且其中：
图1示出了根据本申请的一些实施例的图像重建系统100的示意图；
图2A示出了根据本申请的一些实施例的示例性成像设备；
图2B示出了计算机的体系结构，该计算机可以用来实施包含本教导的专用系统；
图3A示出了根据本申请的一些实施例的示例性图像处理设备；
图3B示出了根据本申请的一些实施例的示例性预处理模块的框图；
图3C示出了根据本申请的一些实施例的示例性重建模块的框图；
图3D示出了根据本申请的一些实施例的示例性伪影去除模块的框图；
图4示出了根据本申请的一些实施例所示的图像重建的示例性过程的流程图；
图5是根据本申请的一些实施例所示的预处理投影图像的示例性过程的流程图；
图6是根据本申请的一些实施例所示的分割投影图像的示例性过程的流程图；
图7是根据本申请的一些实施例所示的确定感兴趣区域边缘的示例性过程的流程图；
图8是根据本申请的一些实施例所示的生成重建图像的示例性过程的流程图；
图9是根据本申请的一些实施例所示的去除重建图像中伪影的示例性过程的流程图；
图10是根据本申请的一些实施例所示的去除锯齿伪影的示例性过程的流程图；
图11是根据本申请的一些实施例所示的去除锯齿伪影的示例性过程的流程图；
图12示出了乳腺重建图像；
图13示出了示例性乳腺重建图像；
图14示出了未进行锯齿伪影校正的示例性乳腺重建图像；
图15A和图15B示出了具有锯齿伪影的示例性乳腺重建图像；
图16A到图16D示出了示例性乳腺模板；
图17示出了示例性乳腺重建图像；
图18示出了示例性乳腺投影图像；
图19示出了根据本申请的实施例的通过合并多个感兴趣区域生成分割区域的过程；
图20示出了根据本申请的一些实施例的基于矩形分割算法生成分割区域的过程；以及
图21示出了示例性乳腺重建图像。
具体实施方式
在下文的详细描述中，为了透彻理解相关申请，通过示例阐述了许多具体细节。然而，对于本领域技术人员来说显而易见的是，可以在没有这些细节的情况下实施本申请。在其他情形中，为了避免不必要地模糊本申请的各方面，众所周知的方法、过程、系统、组件和/或电路已被以相对较高标准描述了，未详细描述。对于本领域技术人员而言，对所公开的实施例的各种修改将是显而易见的，并且在不脱离本申请的精神和范围的情况下，可将本文中定义的一般原理应用于其他实施例和应用。因此，本申请不限于所示的实施例，而是符合与权利要求一致的最宽范围。
应该理解，这里使用的术语“系统”、引擎“引擎”、“单元”、“模块”、和/或“块”是用于按升序级别区分不同的构件、元件、零件、部件或组件。但是，如果可以达到相同的目的，这些术语可能会被其他表达所取代。
应该理解的是，当单元、引擎、模块或块被称为“在”、“连接到”、或“耦合到”另一单元、引擎、模块或块上时，可以是直接地在、连接到或耦合到另一个单元、引擎、模块或块上，或与另一个单元、引擎、模块或块通信。或者除非上下文另有明确指示，可以存在中间单元、引擎、模块或块。如本文所使用的，术语“和/或”包括一个或多个相关所列项目的任意和所有组合。
这里使用的术语仅用于描述特定示例和实施例，而不旨在限制。如本文所使用的，除非上下文另外明确指出，否则单数形式“一个”，“一种”和“该”也可以意图包括复数形式。将进一步理解的是，当在本申请中使用术语“包含”和/或“包括”时，指定整体、设备、行为、陈述的特征、步骤、元件、操作和/或构件的存在，但不排除存在或增加一个或多个其它整体、设备、行为、特征、步骤、元件、操作、构件和/或其组合。
本文提供的本申请涉及一种图像重建系统。具体地，本申请涉及重建图像的系统和方法。根据本申请的一些实施例，该方法可以包括预处理投影图像，以生成处理后的投影图像。所述预处理投影图像可以包括分割所述投影图像，以生成分割投影图像。可以重建所述预处理投影图像，以生成包含伪影的重建图像。所述方法可以进一步包括去除所述重建图像中的所述伪影。所述去除重建图像中的伪影包括去除探测器边缘伪影、去除投影对象边缘伪影、和去除锯齿伪影。
图1示出了根据本申请的一些实施例的图像重建系统100的示意图。图像重建系统100可以包括成像设备110、图像处理设备120、终端130、显示器140、数据库150、和网络160。在一些实施例中，图像处理设备120的至少一部分可以在如图2B所示的计算机200上实施。
成像设备110可以获取图像。所述图像可以是三维(3D)图像、二维(2D)图像等，或其组合。所述图像可以是投影图像、再投影图像等，或其组合。所述图像可以是数字乳腺断层摄影(DBT)图像、全数字化乳腺摄影(FFDM)系统图像、和磁共振(MR)图像等，或其组合。所述图像可以是某对象的图像。例如，所述图像可以是乳腺的3D投影图像。所述图像可以是乳腺的2D投影图像。在一些实施例中，3D图像可以对应于一堆2D图像。一张2D图像可以被称为断层图像或切片图像。例如，乳腺的3D数字图象可以对应于一堆乳腺的2D断层图像。
成像设备110可以利用多种成像技术。成像技术可以是非侵入式成像技术或侵入式成像技术。该技术可以基于或涉及放射线照相术(例如，荧光透视，投影放射线照相术等)、磁共振成像(MRI)、核医学(例如，闪烁照相术，单光子发射计算机断层成像(SPECT)、正电子发射断层成像(PET)等)、超声波(例如，超声扫描(US)等)、弹性成像(例如，准静态弹性成像/应变成像、剪切波弹性成像(SWEI)、声辐射力脉冲成像(ARFI)、超声剪切成像(SSI)和瞬时弹性成像等)、触觉成像、光声成像、热成像、断层摄影、常规断层成像、计算机辅助断层成像(例如，X射线计算机断层成像(CT)、正电子发射断层成像(PET)MRI)、超声心动图、功能近红外光谱(FNIR)、数字减影血管造影(DSA)、计算机断层扫描血管造影(CTA)、数字辐射(DR)、磁共振血管造影术(MRA)等，或其组合。
在一些实施例中，成像设备110可以包括X射线源和放射探测器(图1未显示)。成像设备110可以使用低剂量X射线，以创建乳房的三维图像。例如，成像设备110可以是图2A所示的数字乳腺断层成像(DBT)。
图像处理设备120可以处理图像。例如，图像处理设备120可以重建图像以生成重建图像，增强图像以生成增强图像，从图像提取信息，去除图像伪影等，或其组合。所述图像可以由成像设备110获取或者从另一来源(例如，数据库150、存储器等)中获取。所述重建图像可以包括一个或多个断层图像。例如，基于由成像设备110获取的一个或多个乳腺投影图像，图像处理设备120可以重建乳腺3D断层图像。
图像处理设备120可以是能处理图像的任何类型的设备。例如，图像处理设备120可以包括专用于图像处理或事物处理的高性能计算机、个人计算机、便携式设备、服务器、微处理器、集成芯片、数字信号处理器(DSP)、平板电脑、PDA等，或其组合。在一些实施例中，图像处理设备120可以在图2B所示的计算机200上实施。
图像处理可以包括对图像进行一个或多个操作。所述操作可以包括图像控制(例如，旋转、翻转、改变大小、裁剪等)、图像分割、图像重建、图像滤波、图像二值化、图像重叠、图像匹配、图像负片、图像伪影消除、颜色校正、几何变换、图像降噪、图像增强、图像压缩等，或其组合。在一些实施例中，图像处理设备120可以分割图像以得到感兴趣区域，并且对感兴趣区域进行图像重建操作。
用于图像处理的方法可以包括图像重建法、图像分割法、图像二值化法、去除图像伪影法等，或其组合。如本文所使用的，“去除”伪影可以指完全或部分地去除存在的伪影或被图象处理技术或方法识别的伪影。
图像重建方法可以包括滤波反投影(FBP)、同时迭代重建技术(SIRT)、矩阵反转层析(MITS)、迭代最大后验统计重建、基于贝叶斯的交互式重建等，或其组合。关于滤波反投影的更多描述可以在本申请的其他地方找到。例如，图4和图8及其描述。
图像分割法可以包括边缘检测法、阈值分割法、基于直方图的方法、聚类法、基于压缩法、区域生长法、图分区法等，或其组合。关于区域生长法的更多详情描述可以在本申请的其他地方找到。例如，图6和图7及其描述。
图像伪影去除方法可以包括多项式内插法、迭代去模糊法、期望最大化法、代数重建技术、马尔可夫随机场法、小波法、有序子集凸面迭代法、光束阻挡技术、扫描铅条技术等，或其组合。关于图像伪影去除方法的更多详情描述可以在本申请的其他地方找到。例如，图10和图11及其描述。
终端130可以连接于图像处理设备120或与图像处理设备120通信，并且使一个或多个操作者控制显示器140上的图像的生成和/或显示。终端130可以包括输入设备、输出设备、控制板(图中未显示)等，或其组合。输入设备可以是键盘、触摸屏、鼠标、远距离控制器、可佩带设备等，或其组合。输入设备可以包括可以经由键盘、触摸屏(例如，具有触觉或触觉反馈)、语音输入、眼睛跟踪输入、大脑监测系统或任何其他可比较的输入机制。通过输入设备接收的输入信息可以经由网络160发送至图像处理设备120，用于进行进一步处理。另一类型的输入设备可以包括光标控制设备(例如，鼠标、轨迹球或光标方向键)，用于将指示信息和命令选择传送给，例如图像处理设备120并且以控制显示器140或者另一个显示设备上的光标移动。
显示器140可以显示信息。所述信息可以包括未经处理的图像和/或经处理后的图像、与图像获取和/或处理有关的输入请求或参数等，或其组合。显示装置可以包括液晶显示器(LCD)、基于发光二极管(LED)的显示器、平板显示器或曲面屏(或电视)、阴极射线管(CRT)等，或其组合。
数据库150可以存储图像和/或相关的信息或者参数。示例性的参数可以包括射线源的坐标、射线源的照射角度、射线源的旋转中心的坐标、投影图像的像素尺寸、投影图像的宽度、投影图像的高度、投影图像中像素的坐标向量、重建图像的宽度、重建图像的高度、重建图像的像素尺寸、重建图像中像素的坐标向量等，或其组合。
网络160可以建立系统100中不同单元之间的连接。网络160可以是单个网络，或多种网络的组合。网络160可以是有线网络或无线网络。有线网络可以包括使用局域网(LAN)、广域网(WAN)、蓝牙、无线个域网(ZigBee)、近场通讯(NFC)等，或其组合。无线网络可以是蓝牙、近场通讯(NFC)、无线局域网(WLAN)、无线网络、无线广域网(WWAN)等，或其组合。
应当注意的是，提供以上关于图像重建系统100的描述是为了说明，而不是为了限制本申请的范围。对于本领域普通技术人员来说，可以根据本申请的技术构思进行各种变化和修改。然而，这些变化和修改不脱离本申请的范围。例如，成像设备110获得的图像的部分或全部可以由终端130处理。在一些实施例中，成像设备110可以在图像数据发送到图像处理设备120用于进一步处理之前，预处理获得的图像。在一些实施例中，终端130和显示器140可以与图像处理设备120集成为单个设备。类似的修改应该落入本申请的范围内。
图2A示出了根据本申请的一些实施例的示例性成像设备110。成像设备110可以获取投影对象的投影图像。投影对象可以是有机体和器官(例如，乳腺、手、头、肺等)等，或其组合。投影图像可以进一步由图像处理设备120(图1和图3A所示)或计算机200(图2B所示)处理。成像设备110可以包括射线源201、探测器203和加压板202。
射线源201可以发出辐射。辐射可以是电磁辐射(例如X射线、γ辐射、可见光等)、粒子辐射(例如，α辐射、β辐射、中子辐射等)、声辐射(例如超声)、重力辐射等，或其组合。在一些实施例中，射线源201可以是X射线源。在一些实施例中，射线源201可以配置为能发出X辐射的球管。
射线源201可以包括偶数个(例如，2、4、8、16、30等)子源或奇数个(例如，1、3、5、31等等)子源。如本文所使用的，射线源201的子源(在图2A中示出为201-1至201-N)可以包括能发出辐射的设备或结构部件。例如，子源可以包括能发出辐射的球管。在一些实施例中，射线源201中子源的数量可以是一。在一些实施例中，射线源201的子源的数量可以是大于一。射线源201的多个子源中至少两个可以在类型上相同或不同(例如，X射线源，γ射线源等)。射线源201的至少两个子源可以具有相同或不同的特征参数(例如，体积、形状、功率、管电流、几何放大率、总放大率、聚焦端口尺寸、辐射防护等)。
仅作为示例，子射线源201-1至201-4可以提供X射线辐射，并且子射线源201-N可以提供伽马辐射。在一些实施例中，子射线源201-1的功率可以是3W，并且子射线源201-2到201-N的功率可以是5W。射线源到图像接收器的距离(SID)可以是任何长度(例如，0.5m、0.8m、1.0m、1.5m等)。如本文所使用的，SID可以参考射线源201和投影图像接收器(例如，探测器203等)之间的距离。如果射线源201包括多个子源，SID可以参考射线源201的子源和投影图像接收器(例如，探测器203等)之间的距离。子源201-1到201-N的SID可以相同或不同。
在一些实施例中，子射线源201-1到201-N可以设置为直线。两个相邻子射线源201之间的距离可以相同或不同。在一些实施例中，所有的子射线源201-1至201-N可以布置设置在同一条线上，并且每两个相邻子射线源之间(例如，在子射线源201-1和子射线源201-2之间，在子射线源201-2和子射线源201-3之间，在子射线源201-3和子射线源201-4之间等)的距离可以相同。在一些实施例中，子射线源201-1至201-N可以设置成曲线，并且相邻子射线源之间(例如，子射线源201-1和子射线源201-2之间，子射线源201-2和子射线源201-3之间等)的至少两个弧长相同或不同。
在一些实施例中，射线源201可以设置为整个以投影对象(例如，乳腺)为圆心的圆形或其一部分。
一个或多个子射线源201-1到201-N的位置可以是固定的或可移动的。在一些实施例中，一个或多个子射线源201-1到201-N的位置可以是如上所述的固定的。在一些实施例中，一个或多个子射线源201-1到201-N的位置可以根据图像重建系统100的构成而改变。例如，射线源201(或子射线源)可以围绕投影对象旋转，以获取一个或多个投影图像。当垂直方向表示为0°时，射线源201(或子射线源)可围绕投影对象在任何角度范围(例如-15°至+15°、-25°至+25°、-40°至+65°、-65°至+90°等)内旋转，负角度表示逆时针旋转，正角度表示顺时针旋转。射线源201(或子射线源)可以以每任意角度的固定频率(例如，每隔1°，每2°，每5°和每10°等)发出辐射。例如，射线源201(或子射线源)可以以每5°的固定频率，在-15°到+15°的角度范围(即在-15°、-10°、-5°、0°、+5°、+10°、+15°)内发出辐射。射线源201(或子射线源)可以以角度的可变频率发出辐射。例如，射线源201(或子射线源)可以在1°、4°、10°、30°和90°时发出辐射。
仅作为示例，射线源201(或子射线源)可以在-15°到+15°之间围绕投影对象旋转，并且每隔1°发出辐射。在这种情况下，31张投影图像可以生成。又例如，射线源201(或子射线源)可以在-25°到+25°之间围绕投影对象旋转，并且每隔2°发出辐射。在这种情况下，26张投影图像可以生成。
加压板202和探测器203可以从两个相反(或基本相反)的方向支撑投影对象。加压板202可以由刚性材料制成。加压板202可以是平的或弯曲的。在一些实施例中，加压板202可以是由辐射(例如，X射线等)可穿透的材料制成。加压板202可以平行于(或基本上平行于)探测器203(图2A所示)。
探测器203可以测量辐射的通量、空间分布、频谱和/或其他特性。由射线源201发出的辐射可以穿过投影对象并且到达探测器203，以在探测器203上生成投影图像。探测器203可以是直接半导体探测器、充气探测器、闪烁探测器等，或其组合。探测器203可以具有包括例如125eV、145eV、165eV、180eV、190eV、205eV、225eV等的能量分辨率。探测器203可以具有例如6mm2、7mm2、13mm2、25mm2等的探测面积。探测器203可以具有例如200μm、300μm、450μm、500μm、700μm等的厚度。探测器203可以具有例如11.2μs、32μs、44.8μs等的峰值时间。
在一些实施例中，投影对象可以是乳腺。投影图像可以是乳腺的投影图像。射线源201可以是X射线源。探测器203可以是X射线探测器。
如图1所示，由成像设备110拍摄的投影图像可以经由网络160发送到图像处理设备120、数据库150、显示器140、和/或终端130。在一些实施例中，由成像设备110拍摄的投影图像可以发送到图像处理设备120。图像处理设备120可以处理投影图像。例如，图像处理设备120可以基于多个投影图像生成3D重建图像。在一些实施例中，投影图像可以是乳腺的投影图像。图像处理设备120可以基于乳腺的多个投影图像生成乳腺的3D重建图像。所述3D乳腺重建图像可以包括一个或多个乳腺断层图像。
应当注意的是，提供以上关于成像设备110的描述是为了说明，而不是为了限制本申请的范围。对于本领域普通技术人员来说，可以根据本申请的技术构思进行各种变化和修改。然而，这些变化和修改不脱离本申请的范围。
图2B示出了计算机200的体系结构，该计算机可以用来实施包含本教导的专用系统。结合本教导的这种专用系统具有包括硬件平台的功能框图，该硬件平台包括用户接口元件。计算机200可以是通用计算机或专用计算机。这两者均可以用于实施本教导的专用系统。计算机200可用于实施本文描述的图像处理的任意构件。例如，图像处理设备120等可以经由计算机(例如，计算机200)的硬件、软件程序、固件，或其组合在该计算机上实施。尽管仅示出了一个这样的计算机，但是为了方便起见，与在此描述的图像处理有关的计算机功能可以以分布式的方式在多个类似的平台上实施，以分配处理负载。在一些实施例中，计算机200可以用作图1所示的图像处理设备120。
例如，计算机200可以包括连接到网络且从网络接入的COM端口211，以促进数据通信。计算机200还可以包括一个或多个处理器形式的中央处理器(CPU)205，用于执行程序指令。示例性计算机平台可以包括内部通信总线204，程序存储器和不同形式的数据存储装置，例如磁盘208，只读存储器(ROM)206或随机存取存储器(RAM)207，应用于各种由计算机处理和/或通信的文件，以及可能由CPU205执行的程序指令。计算机200还可以包括I/O构件209，用于支持计算机与其中的其他构件，例如，用户接口元件213之间的输入/输出流。计算机200也可以经由网络通信接收程序和数据。.
因此，如本文所述的图像处理和/或其他过程的方法的各方面可以在编程中体现。该技术的程序方面可以被认为是“产品”或“制造品”，通常以可执行代码和/或关联数据的形式在机器可读介质中或在机器可读介质上实现或体现。有形的非暂时性“存储”型介质包括计算机、处理器等或其相关模块的任意一个或全部内存或其他存储器(例如各种半导体存储器、磁带驱动器、磁盘驱动器等)，可以随时为软件编程提供存储。
有时通过网络(例如，因特网或各种其他电信网络)，软件的全部或部分可以通信。例如，此类通信可以使得软件从一个计算机或处理器加载到另一个计算机或处理器中，例如从调度系统的管理服务器或主机计算机加载到计算环境、或实施计算环境或者与图像处理有关的类似功能的其他系统的硬件平台。因此，可以支持软件元件的另一种类型的介质包括例如光波、电波和电磁波，这些光波、电波和电磁波可以通过有线及光学地上网络(optical landline networks)、经过各种空中链接，穿过本地装置之间的物理接口而使用。承载此类波的物理元件(例如有线或无线链路、光学链路等)也可被认为是承载软件的介质。如本文所使用的，除非限于有形的“存储”介质，计算机或机器“可读介质”等术语是指参与向处理器提供执行指令的任何介质。
因此，机器可读介质可以采取许多形式，包括但不限于有形存储介质、载波介质或物理传输介质。例如，非易失性存储介质包括光盘或磁盘(例如，可以用于实施附图中示出的系统或者其任何组件的任何计算机中的任何存储设备等)。易失性存储介质可以包括动态内存(例如，计算机平台的主内存)。有形传输介质可以包括同轴电缆、包含在计算机系统内形成总线的电线的铜线和光纤。载波传输介质可以采取电信号或电磁信号的形式，或者例如在射频(RF)和红外线(IR)数据通信期间产生的声波或光波的形式。计算机可读介质的常见形式可以包括例如：软盘、软磁盘、硬盘、磁带、任何其他磁介质、CD-ROM、DVD或DVD-ROM、任何其他光学介质、穿孔卡片、纸带、具有孔样式的任何其他物理存储介质、RAM、PROM和EPROM，FLASH-EPROM、任何其他存储器芯片或盒式磁带、传输数据或指令的载波、传输这种载波的电缆或链路或计算机可以从中读取编程代码和/或数据的任何其他介质。计算机可读介质中的许多形式可以涉及将一个或多个指令的一个或多个序列携带到物理处理器以供执行。
本领域技术人员将认识到，本教导适用于各种修改和/或改进。例如，尽管本文描述的各种构件的实施可以体现在硬件设备中，但其也可以在软件中实施——例如，安装到现有服务器上。另外，如本文公开的图像处理可以作为固件、固件/软件组合、固件/硬件组合或者硬件/固件/软件组合来实施。
图3A示出了根据本申请的一些实施例的示例性图像处理设备120。图像处理设备120可以包括初始化模块310、预处理模块320、重建模块330和伪影去除模块340。图像处理设备120中的构件可以彼此连接或通信，也可以和图像重建系统100中的其他构件(例如，成像设备110、终端130、显示器140、数据库150等或其组合)连接或通信。
初始化模块310可以初始化或调节与图像重建系统100的构成有关的一个或多个参数。例如，所述参数可以与成像设备110、图像处理设备120和终端130等，或其组合有关。所述参数可以从成像设备110、图像处理设备120、终端130、数据库150等，或其组合获得。所述参数可以基于从成像设备110、图像处理设备120、终端130、数据库150等，或其组合获得的数据来确定。
所述参数可以包括射线源坐标、射线源的照射角、射线源的旋转中心的坐标、投影图像的像素尺寸、投影图像的宽度、投影图像的高度、投影图像的像素的坐标向量等，或其组合。
在一些实施例中，参数可以是图像重建系统100的物理坐标(例如，射线源坐标、射线源的照射角、射线源的旋转中心的坐标等)和投影图像的图像参数(例如，投影图像的像素尺寸、投影图像的宽度和投影图像的高度等)。
预处理模块320可以预处理图像。所述图像可以由成像设备110获取或者从另一来源(例如，数据库150、存储器等)中获取。预处理模块320可以对图像进行一个或多个预处理操作。所述预处理操作可以包括，例如，图像分割、图像负片生成、几何误差去除、颜色校正、几何变换、图像降噪、图像增强、图像压缩等，或其组合。
如图3B所示，预处理模块320可以包括分割单元321、负片单元323和几何误差校正单元325。分割单元321可以分割投影图像，以生成分割投影图像。负片单元323可以生成图像(例如，分割投影图像等)的负片。几何误差校正单元325可以校正图像(例如，分割投影图像的负片等)的几何误差。
图像分割可以基于例如，边缘检测法、阈值分割法、基于直方图的方法、聚类法、基于压缩的方法、区域生长法、图分区法(graph partitioning method)等，或其组合来确定。图像分割操作可以由分割单元321来执行。在一些实施例中，图像分割可以基于区域生长法，也可以被称为种子填充法来进行。关于种子填充法的更多描述可以在本申请的其他地方找到。例如，图6和图7及其描述。
在一些实施例中，投影图像可以是乳腺的投影图像(或称为乳腺投影图像)。乳腺投影图像可以通过一个或多个预处理操作来进行预处理，所述预处理操作可以包括，例如，图像分割、图像负片生成、几何误差去除等，或其组合。
预处理模块320可以生成处理后的图像。所述处理后的图像可以发送到图像处理设备120中的一个或多个其他构件(例如，重建模块330、伪影去除模块340等，或其组合)。所述处理后的图像可以发送到重建系统100中的一个或多个其他构件(例如，终端130、显示器140、数据库150等，或其组合)。
在一些实施例中，预处理模块320可以预处理乳腺投影图像。投影图像可以由成像设备110获取或者从另一来源(例如，一个数据库150、存储器等)中获取。预处理模块320可以生成处理后的乳腺投影图像。所述处理后的乳腺投影图像可以发送到，例如，重建模块330、伪影去除模块340等，或其组合。
重建模块330可以进行图像重建。被重建的图像可以是投影图像(例如，乳腺投影图像等)或处理后的投影图像(例如处理后的乳腺投影图像等)等，或者它们的组合。投影图像可以由成像设备110生成或者从另一来源(例如，数据库150、存储器等)中获取。所述处理后的投影图像可以由预处理模块320生成或者从另一来源(例如，数据库150、存储器等)中获取。在一些实施例中，投影图像可以由成像设备110生成，并且所述处理后的图像可以由预处理模块320生成。在一些实施例中，投影图像可以是由图像设备110获得的乳腺投影图像，并且所述处理后的图像可以是由预处理模块320生成的处理后的乳腺图像。
如图3C所示，重建模块330可以包括滤波投影图像生成单元331、伪影校正单元333和反投影单元335。滤波投影图像生成单元331可以生成包含高亮伪影和X射线衰减伪影的滤波投影图像。伪影校正单元333可以校正滤波投影图像中的高亮伪影和X射线衰减伪影，以生成第一图像。反投影单元335可以对所述第一图像进行反投影，以生成重建图像。
重建模块330可以基于获取的图像生成重建图像。所述重建图像可以包括一个或多个断层图像。所述重建图像可以是3D图像。在一些实施例中，所述重建图像可以是3D层析乳腺重建图像。由重建模块330生成的重建图像可以发送到图像处理设备120中其他构件中(例如，预处理模块320、伪影去除模块340等，或其组合)。所述重建图像可以被发送到重建系统100中的一个或多个其他构件(例如，终端130、显示器140、数据库150等，或其组合)。
重建模块330可以基于图像重建法进行图像重建。所述图像重建法可以包括滤波反投影(FBP)、同时迭代重建技术(SIRT)、矩阵反转层析(MITS)、迭代最大后验统计重建、基于贝叶斯的交互式重建法等，或其组合。在一些实施例中，重建模块330可以使用滤波反投影法重建乳腺重建图像。关于滤波反投影的更多描述可以在本申请的其他地方找到。例如，图4和图8及其描述。
如图3D所示，伪影去除模块340可以包括探测器边缘伪影去除单元341、乳腺边缘伪影去除单元343和锯齿伪影去除单元345。探测器边缘伪影去除单元341、乳腺边缘伪影去除单元343和锯齿伪影去除单元345可以相互连接或相互通信。伪影去除模块340可以与图像处理设备120中的其他构件(例如，初始化模块310、预处理模块320或重建模块330等，或其组合)连接或通信。伪影去除模块340可以与重建系统100中的单元(例如，终端130、显示器140、数据库150等，或其组合)连接或通信。
伪影去除模块340可以去除重建图像中的伪影。所述重建图像可以由重建模块330生成或者从另一来源(例如，数据库150、存储器等)中获取。所述重建图像可以包括显示投影对象的一个或多个层的一个或多个断层图像。在一些实施例中，所述重建图像可以是乳腺重建图像。
伪影可以是重建图像中可感知或呈现的任何错误。所述伪影可以包括探测器边缘伪影、乳腺边缘伪影、移动患者造成的伪影、金属伪影、射线源(例如，球管等)电弧造成的伪影、探测器偏离正常工作状态造成的伪影等，或其组合。伪影可以是规则形状(例如，条纹、环状、锯齿状等)或者不规则形状等，或其组合。在一些实施例中，伪影可以包括探测器边缘伪影、乳腺边缘伪影、锯齿伪影等，或其组合。
伪影去除模块340可以使用多种伪影去除法去除伪影。伪影去除法可以包括多项式内插法、迭代去模糊法、期望最大化法、代数重建技术、马尔可夫随机场法、小波法、有序子集凸面迭代法、光束阻挡技术、扫描铅条技术等，或其组合。
探测器边缘伪影去除单元341可以去除探测器边缘伪影。探测器边缘伪影可以是带状，如图12中区域1210所示。探测器边缘伪影可以由暗电流、增益、非线性误差、放射损伤、响应不均匀性、探测器余辉等或其组合造成。探测器边缘伪影可以通过基于探测器边缘伪影的邻域中的像素的灰度值，在探测器边缘伪影的区域中设置灰度值来移除。关于去除探测器边缘伪影的更多描述可以在本申请的其他地方找到。例如，图9及其描述。
对于探测器边缘伪影已经被探测器边缘伪影去除单元341去除的乳腺断层图像来说，可能仍包括锯齿伪影，如图14中区域1410所示。锯齿伪影可以由锯齿伪影去除单元345去除。在一些实施例中，锯齿伪影可以基于探测器边缘和乳腺边缘对应的交点，以及对应的错位信息来去除。关于去除锯齿伪影的更多描述可以在本申请的其他地方找到。例如，图10和图11及其描述。
乳腺边缘伪影去除单元343可以去除乳腺边缘伪影。图21示出了乳腺重建图像。如图21所示，在区域2110和区域2130中存在乳腺边缘伪影。关于去除乳腺边缘伪影的更多描述可以在本申请的其他地方找到。例如，图9及其描述。
应当注意的是，提供以上关于图像处理设备120的描述是为了说明，而不是为了限制本申请的范围。对于本领域普通技术人员来说，可以根据本申请的技术构思进行各种变化和修改。然而，这些变化和修改不脱离本申请的范围。例如，重建模块330可以包括滤波反投影单元(图中未示出)，用于对乳腺投影图像进行滤波反投影。又例如，伪影去除模块340可以包括一个或多个其他的伪影去除单元(图中未示出)，用于去除一个或多个其他种类的伪影(例如，由移动患者，扫描患者时患者佩戴的金属制品，灯泡电弧以及探测器偏离正常工作状态等造成的伪影)。在一些实施例中，投影对象可以是有机体、器官(例如，乳腺、手、头、肺等)等，或其组合。
图4是根据本申请的一些实施例所示的图像重建的示例性过程400的流程图。在一些实施例中，过程400可以由图像重建系统100(图1所示)中的一个或多个设备(例如，图像处理设备120)以及图像处理设备120(图3A所示)执行。在一些实施例中，过程400的至少部分可以通过如图2B所示的计算机200执行。
在410中，一个或多个参数可以被初始化或调节。410中的参数初始化或调节可以通过图3A的初始化模块310执行。所述参数可以与图像重建系统100的构成有关。例如，所述参数可以与成像设备110、图像处理设备120和终端130等，或其组合有关。
所述参数可以从成像设备110、图像处理设备120、终端130、数据库150等，或其组合获得。所述参数可以基于从例如成像设备110、图像处理设备120、终端130、数据库150等，或其组合获得的数据来确定。关于参数的详细描述可以在本申请的其他地方找到。例如，图3A及其描述。在一些实施例中，参数可以是图像重建系统100的物理坐标和投影图像的图像参数。
在420中，可以获取一个或多个投影图像。所述投影图像可以由成像设备110获取或者从另一来源(例如，数据库150、存储器等)中获取。在一些实施例中，所述投影图像可以是乳腺投影图像。
在430中，投影图像可以是已经进行一个或多个预处理操作的处理后投影图像。430中的预处理可以由图3A示出的预处理模块320执行。投影图像可以使用预处理方法来预处理，所述预处理方法包括，例如，图像分割、图像负片生成、几何误差去除、颜色校正、几何变换、图像降噪、图像增强、图像压缩等，或其组合。在一些实施例中，投影图像可以是乳腺投影图像。关于预处理投影图像方法的更多描述可以在本申请的其他地方找到。例如，图5及其描述。
在440中，可以重建处理后的投影图像，以生成重建图像。440中的图像重建可以由图3A的重建模块330执行。所述重建图像可以包括显示投影对象的一个或多个层的一个或多个断层图像。所述处理后的投影图像可以使用重建法来重建。示例性重建法可以包括滤波反投影、同时迭代重建技术(SIRT)、矩阵反转层析(MITS)、迭代最大后验统计重建、基于贝叶斯的交互式重建法等，或其组合。
仅作为示例，处理后的投影图像可以是处理后的乳腺投影图像，并且重建图像可以是乳腺重建图像。处理后的乳腺投影图像可以使用滤波反投影来重建。关于反投影重建法的更多描述可以在本申请的其他地方找到。例如，图8及其描述。
在450中，可以去除重建图像中的伪影。450中的伪影去除可以由图3A的伪影去除模块340执行。所述伪影可以是任意形状和/或类型。关于伪影的更多描述可以在本申请的其他地方找到。例如，图3A及其描述。
重建图像中的伪影可以使用伪影去除法来去除。所述伪影去除法可以包括多项式内插法、迭代去模糊法、期望最大化法、代数重建技术、马尔可夫随机场法、小波法、有序子集凸面迭代法、光束阻挡技术、扫描铅条技术等，或其组合。
在一些实施例中，重建图像可以是乳腺重建图像。重建图像中的伪影可以包括探测器边缘伪影、乳腺边缘伪影、锯齿伪影等，或其组合。关于伪影去除方法的更多描述可以在本申请的其他地方找到。例如，图9及其描述。
应当注意的是，提供上述过程400是为了说明，而不是为了限制本申请的范围。显然对于本领域普通技术人员来说，可以根据本申请的技术构思进行许多变化和修改。然而，这些变化和修改不脱离本申请的保护范围。在一些实施例中，一些步骤可以去除或增加。例如，430可以省略。重建图像可以基于未预处理的原始投影图像生成。又例如，450可以省略。在一些实施例中，投影对象可以是有机体、器官(例如，乳腺、手、头、肺等)等，或其组合。类似的修改应该落入本申请的范围内。
图5是根据本申请的一些实施例所示的预处理投影图像的示例性过程500的流程图。在一些实施例中，过程500可以由图像处理设备120(如图3A and图3B所示)中的预处理模块320执行。在一些实施例中，参考图5描述的过程500可以是实现图4所示的430的示例性过程。
在510中，投影图像可以被分割，以获取包括感兴趣区域的分割投影图像。510中的图像分割可以由图3B的分割单元321执行。投影图像可以由成像设备110获取或者从另一来源(例如，一个数据库150、存储器等)中获取。投影图像可以使用图像分割法来分割。所述图像分割法可以包括边缘检测法、阈值分割法、基于直方图的方法、聚类法、基于压缩的方法、区域生长法、图分区法等，或其组合。
可以基于边缘检测算法来执行边缘检测法。边缘检测算法可以包括例如，Sobel边缘检测算法、Canny边缘检测算法、基于相位一致性的算法等，或其组合。
阈值分割法可以通过基于一固定的像素值对图像中的像素进行分类来执行。例如，如果像素的像素值超过所述固定像素值，该像素可被认为是黑色像素；如果像素的像素值小于所述固定像素值，该像素可被认为是白色像素。
区域生长法也可以被称为种子填充法。区域生长法可以通过选择一个或多个种子点，并判断是否将所选种子点的一个或多个相邻像素添加到该区域来执行。
基于直方图的方法可以通过基于图像中的像素的灰度值确定灰度值直方图来执行。直方图中的一个或多个峰和谷可用于确定图像中感兴趣区域的边缘。
在一些实施例中，投影图像可以是乳腺投影图像。所述乳腺投影图像可以被分割，以获取乳腺区域。所述乳腺投影图像可以使用区域生长法，也可以被称为种子填充法来分割。关于所述区域生长法的更多描述可以在本申请的其他地方找到。例如，图7及其描述。
在520中，可以处理分割投影图像，以生成负片。520中的负片操作可以由图3B的负片单元323执行。负片可以是图像，该图像中投影对象的一部分暗度与胶片或图像中的相同部分的暗度相反。例如，在负片中，投影对象的最亮区域在胶片中最暗，而投影物体的最暗区域在该胶片中最亮。
在一些实施例中，520可以包括一个或多个下列操作。可以确定分割投影图像中的最大灰度值Max_A。分割投影图像中的每个像素的校正灰度值可以通过从Max_A中减去其灰度值来确定。像素的校正灰度值可以被分配给该像素，以作为该像素的灰度值。
在530中，可以校正分割投影图像的负片的几何误差。530中的几何误差校正操作可以由图3B的几何误差校正单元325执行。几何误差可以包括，例如，探测器的平移误差、探测器的旋转误差等，或其组合。
探测器的平移误差可以由探测器在水平方向上的平移造成。如本文所使用的，“水平方向”可以指的是沿图2A所示的x-y平面的方向。在一些实施例中，探测器的平移误差可以通过一个或多个下列操作来去除。可以获得第一坐标系中的分割投影图像中的像素的坐标矩阵。可以确定第一坐标系和第二坐标系中的像素的平移向量。在一些实施例中，平移向量可以通过从第二坐标系中的像素坐标减去第一坐标系中的像素坐标来确定。可以基于第一坐标系的坐标矩阵和平移向量，确定第二坐标系中的分割投影图像的像素的校正坐标矩阵。
探测器的旋转误差可以由探测器围绕垂直方向旋转造成。如本文所使用的，“垂直方向”可以指的是沿图2A所示的z轴的方向。在一些实施例中，探测器的旋转误差可以通过一个或多个下列操作来去除。可以确定第一坐标系中的分割投影图像中的像素的坐标矩阵与第二坐标系中其坐标系之间的映射关系。第二坐标系中的各像素的坐标可以基于所述映射关系来确定。所述分割投影图像中的各像素的灰度值可以通过使用插值算法来确定。所述插值算法可以包括图像插值算法、双线性插值算法、近场插值算法等，或其组合。
应当注意的是，提供上述过程500是为了说明，而不是为了限制本申请的范围。显然对于本领域普通技术人员来说，可以根据本申请的技术构思进行许多变化和修改。然而，这些变化和修改不脱离本申请的保护范围。在一些实施例中，一些步骤可以去除或增加。例如，520可以省略。又例如，530可以省略。在一些实施例中，510、520和530可以以任意顺序执行。例如，520可以在510之前执行。投影图像可以先被处理，以生成负片，然后被分割。再例如，530可以在510和520之前执行。类似的修改应该落入本申请的范围内。
图6是根据本申请的一些实施例所述的分割投影图像的示例性过程的流程图。在一些实施例中，过程600可以由图像处理设备120(如图3A所示)中的预处理模块320执行。在一些实施例中，参考图6描述的过程600可以是实现图5所示的510的示例性过程。
在610中，可以确定投影图像中的一个或多个像素的平均灰度值。所述投影图像可以由成像设备110获取或者从另一来源(例如，一个数据库150、存储器等)中获取。在一些实施例中，投影图像可以是乳腺投影图像。
在630中，基于像素的灰度值和平均灰度值之间的关系，可以将两个标记中的一个(例如，标记A或标记B)分配给投影图像的一个或多个像素。仅作为示例，标记A可以为0，标记B可以为1。
像素的灰度值和平均灰度值之间的关系可以根据任意规则确定。在一些实施例中，所述关系可以根据像素的灰度值和平均灰度值的数值确定。例如，当像素的灰度值小于平均灰度值时，A可以被分配给该像素。当像素的灰度值不小于平均灰度值时，B可以被分配给该像素。又例如，当像素的灰度值和平均灰度值之间的差值不小于第一数(例如，1或5或10等)时，A可以被分配给该像素。当像素的灰度值和平均灰度值之间的差值小于第二数(例如，1或4或7等)时，B可以被分配给该像素。第一数可以与第二数相同或不同。
在650中，感兴趣区域的边界可以基于投影图像中像素的标记确定。感兴趣区域也可以被称为目标区域。在一些实施例中，感兴趣区域可以是投影图像中乳腺的区域。感兴趣区域的边界可以使用边缘检测法、阈值分割法、基于直方图的方法、聚类法、基于压缩的方法、区域生长法、图分区法等，或其组合来确定。关于区域生长法的更多描述可以在本申请的其他地方找到。例如，图7及其描述。
在一些实施例中，分割投影图像可以包括由过程600确定的感兴趣区域。在一些实施例中，分割投影图像可以包括基于多个感兴趣区域的分割区域。所述多个感兴趣区域可以各自通过过程600基于多个投影图像来确定。
分割区域可以通过各种方式来确定。在一些实施例中，分割区域可以是多个感兴趣区域的集合。如图19所示，a1、a2和a3示出了三个感兴趣区域，并且b示出了a1、a2和a3的重叠部分。分割区域为区域c，其为a1、a2和a3的集合。在一些实施例中，分割区域可以基于感兴趣区域中的像素坐标而确定。如图20所示，分割区域可以是矩形S，其对角顶点可以是M(X1，Y1)和N(X2，Y2)。X1可以是多个感兴趣区域的全部像素中的最大横坐标值。Y1可以是多个感兴趣区域的全部像素中的最小纵坐标值。X2可以是多个感兴趣区域的全部像素中的最小横坐标值。Y2可以是多个感兴趣区域的全部像素中的最大纵坐标值。在一些实施例中，如果在患者站立时拍摄投影图像，则X2可以为0。在一些实施例中，如果在患者躺着时拍摄投影图像，则Y1可以为0。在一些实施例中，X1可以是多个感兴趣区域的全部像素中的最大横坐标值。Y1和X2可以是0。Y2可以是多个投影图像的最大高度。
应当注意的是，提供上述过程600是为了说明，而不是为了限制本申请的范围。显然对于本领域普通技术人员来说，可以根据本申请的技术构思进行许多变化和修改。然而，这些变化和修改不脱离本申请的保护范围。在一些实施例中，在610中，投影图像的一个或多个像素的灰度值的中值或众数或任何其他统计值可以基于投影图像的一个或多个像素的灰度值来确定。在630中，基于像素的灰度值与投影图像的一个或多个像素的灰度值的中值或众数或任何其他统计参数之间的关系，可以将标记分配给投影图像的该像素。在一些实施例中，在630中，可以基于像素的灰度值和平均灰度值之间的关系将任意数量的标记分配给投影图像的像素。例如，被分配给像素的标记的数量可以是三、四、五等或其组合。类似的修改应该落入本申请的范围内。
图7是根据本申请的一些实施例所示的确定感兴趣区域边缘的示例性过程700的流程图。过程700也可以被称为区域生长法或种子填充法。在一些实施例中，过程700可以由图像处理设备120中的预处理模块320执行。在一些实施例中，参考图7描述的过程700是实现图6所示的650的示例性过程。
在710中，种子像素、或称为种子，可以根据投影图像的一个或多个像素确定。所述种子像素可以是投影图像中的任意像素。在一些实施例中，所述种子像素可以是灰度值不小于平均灰度值的像素，根据上述示例该像素可以被分配标记B。在一些实施例中，所述种子像素可以是投影图像的左下角或左上角的像素，并且其标记是B。
在720中，可以搜索种子像素的M×N×Q邻域中的像素。M、N和Q可以是任意正整数值。M、N和Q中至少两个可以彼此相等、或彼此不同。在一些实施例中，M、N和Q可以等于3。可以搜索种子像素的M×N×Q邻域中的一些或全部像素。仅作为示例，8个像素可以在种子像素的M×N×Q邻域中搜索到。又例如，4个像素可以在种子像素的M×N×Q邻域中搜索到。
在730中，可以判断在种子像素的M×N×Q邻域中是否存在标记为A的像素。根据已经描述的示例，当灰度值小于平均灰度值时(参照630)，像素可以是被分配为标记A。如果在种子像素的M×N×Q邻域中存在被分配了标记A的像素，则可以执行740。否则，可以执行750。
在740中，种子像素的M×N×Q邻域中的被分配了标记A的像素可以被记录为边界像素。所述边界像素可以位于感兴趣区域的边缘。
在750中，种子像素的M×N×Q邻域中的像素可以记录为内部像素。所述内部像素可以位于感兴趣区域内部。
在760中，可以判断在种子像素的M×N×Q邻域中是否存在被分配了标记B，并且还没有被记录为内部像素或边界像素的像素。参考630所述，当像素的灰度值不小于平均灰度值时，该像素被分配标记B。如果种子像素的M×N×Q邻域中存在像素被分配了标记为B并且没有被记录为内部像素或边界像素，则可以执行780。否则，可以执行770。
在770中，可以结束对种子像素的M×N×Q邻域中的像素的搜索。
在780中，种子像素的M×N×Q邻域中被标记为B并且未被记录的像素可以被指定为种子像素。可以重复720到770中的操作，直到种子像素的M×N×Q邻域中的所有像素已被记录并且搜索可以终止。
过程700可以识别投影图像中一个或多个边界像素。感兴趣区域的边界可以通过连接相邻边界像素确定。在一些实施例中，感兴趣区域的边界可以是连接相邻边界像素的最大边界。例如，如果连接两个相邻边界像素的方式不止一种，则最短连接可以被指定为连接两个相邻边界像素的边界部分。又例如，如果连接两个相邻边界像素的方式不止一种，则生成的感兴趣区域面积最大的连接可以被指定为连接两个相邻边界像素的边界部分。
在一些实施例中，过程中的投影图像可以是乳腺投影图像。投影图像中的乳腺边界可以是通过执行过程700确定。
应当注意的是，提供上述过程700是为了说明，而不是为了限制本申请的范围。显然对于本领域普通技术人员来说，可以根据本申请的技术构思进行许多变化和修改。然而，这些变化和修改不脱离本申请的保护范围。在一些实施例中，可以从投影图像的一个或多个像素中确定任何数量的种子像素(例如，3、5、10等)。
图8是根据本申请的一些实施例所示的生成重建图像的示例性过程800的流程图。过程800也可以被称为滤波反投影。在一些实施例中，过程800可以由图像处理设备120的重建模块330(如图3A和3C)执行。在一些实施例中，参考图8描述的过程800可以是实现图4所示的440的示例性过程。
在810中，可以对一个或多个投影角生成的投影图像进行滤波，以生成滤波投影图像。810中的滤波投影图像生成操作可以由图3C的滤波投影图像生成单元331执行。投影图像可以根据滤波算法进行滤波。滤波算法可以包括Ramp-Lak滤波算法、Shepp-Logan滤波算法、Hamming滤波算法等，或其组合。在一些实施例中，滤波投影图像可以包括伪影，例如，高亮伪影、X射线衰减伪影、探测器边缘伪影、乳房边缘伪影、锯齿伪影等，或其组合。
在830中，可以校正滤波投影图像中的所述高亮伪影。830中的高亮伪影校正操作可以由图3C的伪影校正单元执行。所述高亮伪影可以表现为围绕投影图像中的投影对象的高亮边缘。所述高亮伪影可能是由滤波造成。
在850中，可以校正滤波投影图像中的X射线衰减伪影。850中的X射线衰减伪影校正操作可以通过图3C的伪影校正单元333执行。所述X射线衰减伪影可能由X射线光子之间的活动差异造成。如图2所述，由射线源201发出的辐射可以穿过投影对象并且到达探测器203，以在探测器203上生成投影图像。对于穿透投影对象的X射线，低能X射线光子可能会衰减得更多，而其余的高能光子可能会衰减得比低能光子少。光子衰减的这种差异可能会导致投影图像中的X射线衰减伪像。
在870中，可以通过对滤波投影图像进行反投影，生成重建图像。870中的反投影操作可以通过图3C的反投影单元335执行。所述重建图像可以包括一个或多个断层图像。所述反投影可以基于对每个视图在滤波投影图像最初获取的方向上进行逆变换来执行。如本文所使用的，“视图”可以指获得投影图像的角度。
在一些实施例中，过程800中的投影图像可以是乳腺投影图像。重建图像可以是重建乳腺投影图像。多个乳腺投影图像可以基于滤波反向投影操作来处理，以生成重建乳腺投影图像。
应当注意的是，提供上述过程800是为了说明，而不是为了限制本申请的范围。显然对于本领域普通技术人员来说，可以根据本申请的技术构思进行许多变化和修改。然而，这些变化和修改不脱离本申请的保护范围。在一些实施例中，一些步骤可以省略或增加。例如，830或850可以省略。在一些实施例中，810、830和850可以以任意顺序执行。例如，830和850可以同时执行。又例如，850可以在830之前执行。再例如，830和/或850可以在810之前执行。在一些实施例中，投影对象可以是有机体、器官(例如，乳腺、手、头、肺等)等，或其组合。
图9是根据本申请的一些实施例所示的去除重建图像中伪影的示例性过程900的流程图。在一些实施例中，过程900可以由图像处理设备120的伪影去除模块340(如图3A和图3D所示)执行。在一些实施例中，参考图9描述的过程900可以是实现图4所示的450的示例性过程。
在910中，可以去除探测器边缘伪影。910中的伪影去除可以通过探测器边缘伪影去除单元341执行。关于探测器边缘伪影的更多描述可以在本申请的其他地方找到。例如，图3A及其描述。
可以通过基于探测器边缘伪影区域的邻域中的像素的灰度值，设置探测器边缘伪影中的像素的灰度值，以去除探测器边缘伪影。在一些实施例中，去除探测器边缘误差的过程可以包括一个或多个下列操作。探测器边缘伪影的邻域区域可以被确定。所述邻域区域可以是靠近探测器边缘伪影并且在探测器边缘伪影之外的区域。所述邻域区域可以是任意大小或形状的区域。所述邻域区域中像素的平均灰度值可以被确定。在一些实施例中，可以将断层图像(例如，CT图像的相同切片等)中的探测器边缘伪影中的像素分配相同的灰度值。例如，可以给探测器边缘伪影中像素的灰度值分配邻域区域中像素的平均灰度值。
在930中，可以去除投影对象边缘伪影。在一些实施例中，所述投影对象可以包括乳腺。在一些实施例中，所述投影对象边缘可以包括乳腺边缘。在一些实施例中，去除乳腺边缘伪影的过程可以包括一个或多个下列操作。一个或多个视图下的一个或多个投影图像中的投影对象边界可以通过边缘检测算法确定。所述边缘检测算法可以包括例如，Sobel边缘检测算法、Canny边缘检测算法、基于相位一致性的算法、OTSU算法等或其组合。例如，所述投影对象边界可以首先通过OTSU算法，再通过Sobel边缘检测算法来检测。3D投影对象表面可以使用同时代数重建方法(SART)，基于一个或多个视图下的一个或多个投影图像来生成。每个投影视图的投影图像的像素值分布可以基于投影图像的边界来更新。在投影对象区域之外的像素的灰度值可以在用SART进行每次迭代后设定为0。基于3D投影对象表面，可以将像素确定为位于投影对象的区域之外。
在一些实施例中，投影对象可以是乳腺。930中的伪影去除可以通过乳腺边缘伪影去除单元343执行。
在950中，可以去除锯齿伪影。950中的伪影去除可以通过图3A的锯齿伪影去除单元345执行。关于锯齿伪影去除方法的更多描述可以在本申请的其他地方找到。例如，图10和图11及其描述。
应当注意的是，提供上述过程900是为了说明，而不是为了限制本申请的范围。显然对于本领域普通技术人员来说，可以根据本申请的技术构思进行许多变化和修改。然而，这些变化和修改不脱离本申请的保护范围。在一些实施例中，一些步骤可以去除或增加。例如，930可以省略。在一些实施例中，930和910可以同时执行。在一些实施例中，930可以在910之前执行。在一些实施例中，可以增加一个或多个步骤，以去除一个或多个其他伪影，所述伪影包括，例如，移动患者造成的伪影、当扫描患者时患者身上穿戴的金属、射线源(例如，球管等)电弧造成的伪影、探测器偏离正常工作状态造成的伪影等，或其组合。在一些实施例中，投影对象可以是有机体、器官(例如，乳腺、手、头、肺等)等，或其组合。
图10是根据本申请的一些实施例所示的去除锯齿伪影的示例性过程1000的流程图。在一些实施例中，过程1000可以由图像处理设备120的锯齿伪影去除单元345(如图3A所示)执行。在一些实施例中，参考图10描述的过程1000可以是实现图9所示的950的示例性过程。
在一些实施例中，锯齿伪影可以存在于重建图像中。图13示出了乳腺重建图像。如图13所示，锯齿伪影存在于区域1310中。图14示出了未进行锯齿伪影校正的乳腺重建图像。如图14所示，锯齿伪影存在于区域1410和区域1420中。图15A和图15B示出的乳腺重建图像包括锯齿伪影S(例如，S1、S2、S3、S4、S1’、S2’、S3’、S4’)。
在1010中，可以确定一投影视图下的投影图像中探测器边缘在对应的断层图像中探测器边缘的映射位置。断层图像可以是重建图像的部分。重建图像可以包括一个或多个断层图像。一张断层图像可以显示投影对象的一层。在一些实施例中，断层图像可以是显示乳腺层的乳腺断层图像。图15A显示乳腺的上部，图15B显示乳腺的下部。水平虚线L1-L4和L1’-L4’表示探测器边缘的映射位置。
在一些实施例中，1010可以包括一个或多个下列操作。可以确定射线源201与探测器203(如图2A所示)之间的第一几何位置关系。可以确定投影视图下的投影图像与对应的断层图像之间的第二几何位置关系。可以基于第一几何位置关系和第二几何位置关系，确定投影图像中的像素相对于对应断层图像中的对应像素的映射坐标。如本文所使用的，投影图像中的像素和对应断层图像中的对应像素可以与投影对象的相同部分(例如，相同点等)有关。投影图像中的像素相对于断层图像中对应像素的映射坐标可以使用，例如，图像插值算法、双线性插值算法、近场插值算法等，或其组合来确定。根据双线性插值算法，像素的映射坐标可以基于两个相邻像素的坐标来确定。在近场插值算法中，像素的映射坐标可以基于最接近该像素的邻近像素的坐标来确定。投影图像中探测器边缘相对于对应断层图像中探测器边缘的映射位置可以基于投影图像中探测器成像区域和投影图像中探测器边缘像素的映射坐标来确定。
例如，投影图像的分辨率可以是1000*1000。投影图像中的像素相对于对应断层图像中的对应像素的映射坐标可以小于0或大于1000。映射坐标小于0或大于1000的像素可以是在探测器成像区域之外的像素。探测器边缘可以通过临界值(例如，0和1000)确定。如图15A和图15B所示，线L(例如，L1、L2、L3、L4、L1’、L2’、L3’和L4’)包括对应于探测器边缘的映射位置。在一些实施例中，在线L上的点(x,y)可以描述为二维阵列。例如，(1,2)可以描述为线L上水平坐标为1且垂直坐标为2的点。
在1020中，可以确定断层图像中的投影对象边缘。投影对象边缘可以是投影对象区域与直接曝光区域之间的边界。如本文所使用的，直接曝光区域可以指空气区域(例如投影对象外的区域等)。
在一些实施例中，投影对象可以是乳腺。断层图像中的乳腺边缘可以是乳腺区域与乳腺之外区域(即，直接曝光区域)之间的区域。例如，如图15A所示，灰色区域可以表示对应于乳腺的区域(即，乳腺区域)，暗色区域可以表示乳腺之外的区域(即，直接曝光区域)。在灰色区域和暗色区域之间存在锯齿线边界。乳腺边缘可以是灰色区域和暗色区域之间的边界。
在1030中，可以确定投影对象边缘与对应于探测器边缘的映射位置的对应的交点。
如图15A所示，点P(例如，P1、P2、P3和P4)是乳腺边缘(灰色区域和暗色区域之间的边界)和对应于探测器边缘(水平虚线L1、L2、L3和L4)的映射位置对应的交点。伪影S(例如，S1、S2、S3和S4)为锯齿状，并且被称为锯齿伪影。点P1、P2、P3和P4可以大致平行于锯齿伪影S1、S2、S3和S4。
在1040中，各交点的错位信息可以基于交点和探测器边缘的映射位置来确定。所述错位信息可以是交点与所对应的锯齿伪影的边缘点之间的距离。所述对应的锯齿伪影可以是大致平行于交点的锯齿伪影。
例如，在图15A中，交点P1对应的锯齿伪影可以是锯齿伪影S1。交点P1的错位信息可以是交点P1与锯齿伪影S1的边缘点之间的距离，表示为D1。
在1050中，基于所述交点及错位信息，可以去除所述锯齿伪影。所述锯齿伪影可以通过将其边缘朝着投影对象区域(例如，乳腺等)移动一段距离来去除。
在一些实施例中，距离可以等于交点的错位信息。在一些实施例中，距离可以是基于多个交点的错位信息确定的统计值。例如，所述距离可以是重建图像中一个或多个交点的错位信息的平均值。又例如，所述距离可以是重建图像中一个或多个交点的错位信息的中值。
在一些实施例中，如图15A所示，可以通过将其边缘朝向乳腺区域(灰色区域)移动与交点P1的错位信息相等的距离，以去除锯齿伪影S1。关于基于交点和对应错位信息去除锯齿伪影的方法可以在本申请的其他地方找到。例如，图11及其描述。
应当注意的是，提供上述过程1000是为了说明，而不是为了限制本申请的范围。显然对于本领域普通技术人员来说，可以根据本申请的技术构思进行许多变化和修改。然而，这些变化和修改不脱离本申请的保护范围。在一些实施例中，1010和1020可以同时执行。在一些实施例中，1020可以在1010之前执行。在一些实施例中，投影对象可以是有机体、器官(例如，乳腺、手、头、肺等)等，或其组合。
图11是根据本申请的一些实施例所示的基于交点和相关错位信息去除锯齿伪影的示例性过程1100的流程图。在一些实施例中，过程1100可以由如图3A所示的图像处理设备120中锯齿伪影去除单元345执行。在一些实施例中，参考图11描述的过程1100可以是实现图10所示的1050的示例性过程。
在1110中，可以生成断层图像中的投影对象模板。所述投影对象模板可以降低图像处理成本。所述投影对象模板可以通过设定断层图像的多个不同区域中像素的灰度值而生成。在一些实施例中，断层图像可以有两个不同区域(例如，投影对象区域和直接曝光区域)，并且可以使用二进制投影对象模板。例如，投影对象区域中像素灰度值可以设为E，直接曝光区域之外的像素灰度值可以设为F。例如，E可以是1，F可以是0。在一些实施例中，断层图像可以有大于两个不同区域，并且可以使用多值投影对象模板。例如，断层图像可以有三个不同区域(例如，软组织区域、骨区域和直接曝光区域)，并且可以使用三值投影对象模板。不同区域的数量可以是任意整数(例如，1、2、3、4等)。
在一些实施例中，投影对象可以是乳腺，可以使用乳腺模板。如图16A所示，乳腺区域中像素灰度值可以设为1，直接曝光区域中像素灰度值可以设为0。以此方式，乳腺区域可以表示为白色，直接曝光区域可以表示为黑色。
在1130中，可以去除所述投影对象模板中的锯齿伪影，以生成无锯齿伪影的校正后投影对象模板。锯齿伪影可以以任意顺序被去除。在一些实施例中，可以首先去除模板中与靠近投影对象中心的投影对象区域相对应的锯齿伪影，随后可以去除模板中与靠近投影对象边缘的投影对象区域相对应的锯齿伪影。在一些实施例中，可以首先去除模板中与靠近投影对象边缘的投影对象区域相对应的锯齿伪影，随后可以去除模板中与靠近投影对象中心的投影对象区域相对应的锯齿伪影。
在一些实施例中，投影对象可以是乳腺，可以使用乳腺模板。如图16A和图16B所示，S(例如，S1、S2、S3、S4、S1’、S2’、S3’和S4’)可以是锯齿伪影，E(例如，E1、E2、E3和E4)可以是锯齿伪影边缘。L(例如，L1、L2、L3和L4)可以是对应于探测器边缘的映射位置。P(例如，P1、P2、P3和P4)可以是对应于乳腺边缘的交点(例如，灰色区域和暗色区域之间的边界)。D(例如，D1、D2、D3和D4)可以是对应交点的错位信息。
图16A中锯齿伪影S1到S4可以以任意顺序去除(例如，从S1到S4的连续顺序，从S4到S1的相反顺序等)。仅作为示例，可以首先去除锯齿伪影S1，接着可以去除S2、S3和S4。锯齿伪影S1可以通过将其边缘E1朝着与位于图16A中E1左侧的乳腺中心对应的图像部分移动距离D1来去除。移动后的锯齿伪影边缘为图16B所示的E1’。在E1和E1’之间的区域的像素灰度值可以设为0，使得E1和E1’之间的区域可以是黑色(参照图16C)。以此方式，锯齿伪影S1可被去除，以获得无锯齿伪影S1的校正后乳腺边缘。
图16C中的光区域和暗区域之间的边界可以表示去除锯齿伪影S1之后的校正后乳腺边缘。可以重复确定校正后的乳腺边缘与对应于探测器边缘的映射位置之间的交点。如图16D所示，P2’为校正的后乳腺边缘和对应于探测器边缘L2的映射位置之间的交点。锯齿伪影S2至S4可以使用与去除锯齿伪影S1相同的方式连续被去除。
在1150中，基于断层图像和去除锯齿伪影(或被称为无锯齿伪影)的校正后投影对象模板可以生成校正后的断层图像。根据校正后投影对象模板，可以获得投影对象之外的校正区域(在校正后投影对象模板中的暗色区域)。可以将断层图像中投影对象之外的对应区域中的像素的灰度值设置为0。以此方式，可以去除断层图像中的锯齿状伪影，以生成校正后的断层图像。投影对象边缘在校正后断层摄影图像中可以是平滑的或基本平滑的。
在一些实施例中，投影对象可以是乳腺。如图17所示，在锯齿伪影去除之前，在区域1710中乳腺边缘存在锯齿伪影，在锯齿伪影去除后，在区域1730中沿着乳腺边缘没有可见的锯齿伪影。在一些实施例中，投影对象可以是有机体、器官(例如，乳腺、手、头、肺等)等，或其组合。
示例
以下示例是出于说明目的而被提供，而不旨在限制本申请的范围。
示例1
图12示出了乳腺重建图像。如图12所示，在区域1210中存在探测器边缘伪影。所述探测器边缘伪影为带状。探测器边缘伪影的存在可能会影响诊断结果。在一些实施例中，探测器边缘伪影可以根据图9描述的过程900来去除。
示例2
图13示出了示例性乳腺重建图像。如图13所示，在区域1310中存在锯齿伪影。所述锯齿伪影的存在可能会影响诊断结果。在一些实施例中，所述锯齿伪影可以根据图10和图11描述的过程1000和过程1100来去除。
示例3
图14示出了未进行锯齿伪影校正的示例性乳腺重建图像。如图14所示，图14的上部表示乳腺的上部，图14的底部表示乳腺的下部。区域1410(乳腺重建图像的上边缘)和区域1420(乳腺重建图像的下边缘)存在锯齿伪影。
示例4
图15A和图15B示出了具有锯齿伪影的乳腺重建图像。图15A表示乳腺的上部。图15B表示乳腺的下部。锯齿伪影(例如，S1、S2、S3、S4、S1’、S2’、S3’和S4’)为锯齿状。线L(例如，L1、L2、L3、L4、L1’、L2’、L3’和L4’)为对应于探测器边缘的映射位置。点P(例如，P1、P2、P3、P4、P1’、P2’、P3’和P4’)为乳腺边缘(灰色区域和暗色区域之间的边界)与线L的交点。D(例如，D1、D2、D3、D4、D1’、D2’、D3’和D4’)为交点P的错位信息，其为交点P与相对应的锯齿伪影的边缘点之间的距离。
示例5
图16A到图16D示出了示例性乳腺模板。图16A和图16B示出了锯齿伪影去除之前的乳腺模板。图16C和图16D示出了锯齿伪影S1去除之后的乳腺模板。如图16A到16D所示，线L(例如，L1、L2、L3和L4)为对应于探测器边缘的映射位置。P(例如，P1、P2、P3、P4和P2’)为乳腺边缘(灰色区域和暗色区域之间的边界)与线L的交点。D(例如，D1)为交点P的错位信息，其为交点P与相对应的锯齿伪影的边缘点之间的距离。E(例如，E1、E2、E3和E4)为锯齿伪影的边缘。E’(例如E1)是校正后的伪影边缘，它是通过将边缘E向左移动等于相应交点P的错位信息的距离而获得。例如，E1’是通过将E1向左移动D1的距离而获得的。P’(例如，P2’)是线L与锯齿状伪影去除后的校正后乳腺边缘的交点。
示例6
图17示出了示例性乳腺重建图像。图17的左部在锯齿伪影去除之前生成。图17的右部在锯齿伪影去除之后生成。如图17所示，在锯齿伪影去除之前，在区域1710中沿着乳腺边缘存在锯齿状伪影，在锯齿伪影去除后，在区域1730中的乳腺边缘没有可见的锯齿伪影。
示例7
图18示出了示例性乳腺投影图像。图18可以通过根据本申请的一些实施例的成像设备110而生成。如图18所示，区域1810中的乳腺具有比投影图像的右部更高的灰度值。标记区域1820的投影图像的右部为背景，具有比投影图像的左部低的灰度值。
示例8
图19示出了根据本申请的实施例的通过合并多个感兴趣区域生成分割区域的过程。如图19所示，a1、a2和a3是三个感兴趣区域，并且b为通过覆盖a1、a2和a3而生成的区域。C为分割区域，为a1、a2和a3的合集。
示例9
图20示出了根据本申请的一些实施例的基于矩形分割算法生成分割区域的过程。如图19所示，灰色区域为乳腺区域，即感兴趣区域。分割区域可以是矩形S，其对角顶点为M(X1，Y1)和N(X2，Y2)。X1为多个感兴趣区域的全部像素的最大横坐标。Y1为多个感兴趣区域的全部像素的最小纵坐标。X2为多个感兴趣区域的全部像素的最小横坐标。Y1为多个感兴趣区域的全部像素的最大纵坐标。
示例10
图21示出了示例性乳腺重建图像。如图21所示，在区域2110和区域2130中存在乳腺边缘伪影。
上文已对基本概念做了描述，显然，对于本领域技术人员来说，上述发明披露仅仅作为示例，而并不构成对本申请的限定。虽然此处并没有明确说明，本领域技术人员可能会对本申请进行各种修改、改进和修正。该类修改、改进和修正在本申请中被建议，所以该类修改、改进和修正仍属于本申请示范实施例的精神和范围。
同时，本申请使用了特定词语来描述本申请的实施例。如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本申请至少一个实施例相关的某一特征、结构或特点。因此，应强调并注意的是，本说明书中在不同位置两次或多次提及的“一实施例”或“一个实施例”或“一替代性实施例”并不一定是指同一实施例。此外，本申请的一个或多个实施例中的某些特征、结构或特点可以进行适当的组合。
此外，本领域技术人员可以理解，本申请的各方面可以通过若干具有可专利性的种类或情况进行说明和描述，包括任何新的和有用的工序、机器、产品或物质的组合，或对他们的任何新的和有用的改进。相应地，本申请的各个方面可以完全由硬件执行、可以完全由软件(包括固件、常驻软件、微码等)执行、或由硬件和软件组合执行。以上硬件或软件均可被称为“块”、“模块”、“引擎”、“单元”、“组件”或“系统”。此外，本申请的各方面可能表现为位于一个或多个计算机可读介质中的计算机产品，该产品包括计算机可读程序编码。
计算机可读信号介质可能包含一个内含有计算机程序编码的传播数据信号，例如在基带上或作为载波的一部分。该传播信号可能有多种表现形式，包括电磁形式、光形式等等、或合适的组合形式。计算机可读信号介质可以是除计算机可读存储介质之外的任何计算机可读介质，该介质可以通过连接至一个指令执行系统、装置或设备以实现通信、传播或传输供使用的程序。位于计算机可读信号介质上的程序编码可以通过任何合适的介质进行传播，包括无线电、电缆、光纤电缆、RF、或类似介质、或任何上述介质的组合。
本申请各部分操作所需的计算机程序编码可以用任意一种或多种程序语言编写，包括面向对象编程语言如Java、Scala、Smalltalk、Eiffel、JADE、Emerald、C++、C#、VB.NET和Python等，常规程序化编程语言如C语言、Visual Basic、Fortran 2003、Perl、COBOL2002、PHP和ABAP，动态编程语言如Python、Ruby和Groovy，或其他编程语言等。该程序编码可以完全在用户计算机上运行、或作为独立的软件包在用户计算机上运行、或部分在用户计算机上运行部分在远程计算机运行、或完全在远程计算机或服务器上运行。在后种情况下，远程计算机可以通过任何网络形式与用户计算机连接，比如局域网(LAN)或广域网(WAN)，或连接至外部计算机(例如通过因特网)，或在云计算环境中，或作为服务使用如软件即服务(SaaS)。
此外，除非权利要求中明确说明，本申请所述处理元素和序列的顺序、数字字母的使用、或其他名称的使用，并非用于限定本申请流程和方法的顺序。尽管上述披露中通过各种示例讨论了一些目前认为有用的发明实施例，但应当理解的是，该类细节仅起到说明的目的，附加的权利要求并不仅限于披露的实施例，相反，权利要求旨在覆盖所有符合本申请实施例实质和范围的修正和等价组合。例如，虽然以上所描述的系统组件可以通过硬件设备实现，但是也可以只通过软件的解决方案得以实现，如在现有的服务器或移动设备上安装所描述的系统。
同理，应当注意的是，为了简化本申请披露的表述，从而帮助对一个或多个发明实施例的理解，前文对本申请实施例的描述中，有时会将多种特征归并至一个实施例、附图或对其的描述中。但是，这种披露方法并不意味着本申请对象所需要的特征比权利要求中提及的特征多。实际上，实施例的特征要少于上述披露的单个实施例的全部特征。
一些实施例中使用了描述成分、属性数量的数字，应当理解的是，此类用于实施例描述的数字，在一些示例中使用了修饰词“大约”、“近似”或“大体上”来修饰。除非另外说明，“大约”、“近似”或“大体上”表明所述数字允许有±20％的变化。相应地，在一些实施例中，说明书和权利要求中使用的数值参数均为近似值，该近似值根据个别实施例所需特点可以发生改变。在一些实施例中，数值参数应考虑规定的有效数位并采用一般位数保留的方法。尽管本申请一些实施例中用于确认其范围广度的数值域和参数为近似值，在具体实施例中，此类数值的设定在可行范围内尽可能精确。
针对本申请引用的每个专利、专利申请、专利申请公开物和其他材料，如文章、书籍、说明书、出版物、文档或物件等，特此将其全部内容并入本申请作为参考。与本申请内容不一致或产生冲突的申请历史文件除外，对本申请权利要求最广范围有限制的文件(当前或之后附加于本申请中的)也除外。需要说明的是，如果本申请附属材料中的描述、定义和/或术语的使用与本申请所述内容有不一致或冲突的地方，以本申请的描述、定义和/或术语的使用为准。
最后，应当理解的是，本申请中所述实施例仅用以说明本申请实施例的原则。其他的变形也可能属于本申请的范围。因此，作为示例而非限制，本申请实施例的替代配置可视为与本申请的教导一致。相应地，本申请的实施例不仅限于本申请明确介绍和描述的实施例。

Claims (20)

1.一种方法，包括：
获取投影对象的投影图像；
对所述投影图像进行预处理，以生成处理后的投影图像；
重建所述处理后的投影图像，以生成包含伪影的重建图像；以及
去除所述重建图像中的所述伪影，
所述预处理投影图像包括分割所述投影图像，以生成分割投影图像。
2.如权利要求1所述的方法，所述预处理投影图像进一步包括：
生成所述分割投影图像的负片；以及
校正所述分割投影图像的负片的几何误差。
3.如权利要求1所述的方法，所述重建处理后的投影图像，以生成重建图像进一步包括：
对所述处理后的投影图像进行滤波，以生成包含高亮伪影和X射线衰减伪影的滤波投影图像；
校正所述滤波投影图像中的所述高亮伪影和所述X射线衰减伪影，以生成第一图像；以及
对所述第一图像进行反投影，以生成所述重建图像。
4.如权利要求1所述的方法，所述伪影包括与探测器边缘有关的探测器边缘伪影、与投影对象边缘有关的投影对象边缘伪影、和锯齿伪影，以及所述去除重建图像中的伪影包括：
去除所述探测器边缘伪影；
去除所述投影对象边缘伪影；以及
去除所述锯齿伪影。
5.如权利要求4所述的方法，所述重建图像包括断层图像，以及所述去除锯齿伪影包括：
确定所述断层图像中，探测器边缘的映射位置；
确定所述断层图像中的所述投影对象边缘；
确定所述投影对象边缘与所述探测器边缘的映射位置对应的交点；
基于所述交点与所述锯齿伪影，确定所述交点的错位信息；以及
基于所述交点及其错位信息，去除所述锯齿伪影。
6.如权利要求5所述的方法，所述确定断层图像中，探测器边缘的映射位置包括：
确定射线源与所述探测器之间的第一几何位置关系；
确定所述投影图像与所述断层图像之间的第二几何位置关系；
基于所述第一几何位置关系与所述第二几何位置关系，确定所述投影图像中像素的映射坐标；以及
基于所述投影图像中像素的映射坐标和投影图像中探测器的成像区域，确定所述探测器边缘的所述映射位置。
7.如权利要求5所述的方法，所述交点的错位信息是所述交点与位于所述锯齿伪影的边缘的点之间的水平距离。
8.如权利要求5所述的方法，所述基于交点与交点的错位信息，去除锯齿伪影包括：
创建所述断层图像的投影对象模板；
去除所述投影对象模板中的锯齿伪影，以生成校正后的投影对象模板，以及
基于所述校正后的投影对象模板，去除所述断层图像中的锯齿伪影。
9.如权利要求1所述的方法，所述分割投影图像，以生成分割投影图像包括：确定所述投影图像中一个或多个像素的平均灰度值；
对所述投影图像的所述一个或多个像素中的每一个像素，基于该像素的灰度值与所述平均灰度值，分配标记A或标记B；以及
基于分配给所述投影图像的一个或多个像素中每个像素的标记，确定感兴趣区域的边缘。
10.如权利要求9所述的方法，所述感兴趣区域的边缘是基于种子填充法确定的。
11.一种包括可执行指令的非暂时性计算机可读介质，当由至少一个处理器执行时，所述指令使所述至少一个处理器执行方法，该方法包括：
获取投影对象的投影图像；
对所述投影图像进行预处理，以生成处理后的投影图像；
重建所述处理后的投影图像，以生成包含伪影的重建图像；以及
去除所述重建图像中的所述伪影，
所述预处理投影图像包括分割所述投影图像，以生成分割投影图像。
12.一种系统，包括：
预处理模块，其配置为预处理投影图像，以生成处理后的投影图像，所述预处理模块包括分割单元，其配置为生成分割投影图像；
重建模块，其配置为重建所述处理后的投影图像，以生成包含伪影的重建图像；以及
伪影去除模块，其配置为去除所述伪影。
13.如权利要求12所述的系统，所述预处理模块进一步包括：
负片单元，其配置为生成所述分割投影图像的负片；以及
几何误差校正单元，其配置为校正所述分割投影图像的负片的几何误差。
14.如权利要求12所述的系统，所述重建模块进一步包括滤波投影图像生成单元、伪影校正单元和反投影单元，
所述滤波投影图像生成单元配置为生成包含高亮伪影和X射线衰减伪影的滤波投影图像；
所述伪影校正单元配置为校正所述滤波投影图像中的所述高亮伪影和所述X射线衰减伪影，以生成第一图像；以及
所述反投影单元配置为对所述第一图像进行反投影，以生成所述重建图像。
15.如权利要求14所述的系统，所述重建图像包括断层图像，所述断层图像包括锯齿伪影，以及所述去除锯齿伪影包括：
确定所述断层图像中，探测器边缘的映射位置；
确定所述断层图像中的所述投影对象边缘；
确定所述投影对象边缘与所述探测器边缘的映射位置对应的交点；
基于所述交点与所述锯齿伪影，确定所述交点的错位信息；以及
基于所述交点及其错位信息，去除所述锯齿伪影。
16.如权利要求15所述的系统，所述确定断层图像中，探测器边缘的映射位置包括：
确定射线源与所述探测器之间的第一几何位置关系；
确定所述投影图像与所述断层图像之间的第二几何位置关系；
基于所述第一几何位置关系与所述第二几何位置关系，确定所述投影图像中像素的映射坐标；以及
基于所述投影图像中像素的映射坐标和投影图像中探测器的成像区域，确定所述探测器边缘的所述映射位置。
17.如权利要求15所述的系统，其中所述交点的错位信息是所述交点与位于所述锯齿伪影的边缘的点之间的水平距离。
18.如权利要求15所述的系统，所述基于交点与交点的错位信息，去除锯齿伪影包括：
创建所述断层图像的投影对象模板；
去除所述投影对象模板中的锯齿伪影，以生成校正后的投影对象模板；以及
基于所述校正后的投影对象模板，去除所述断层图像中的锯齿伪影。
19.如权利要求12所述的系统，所述伪影包括与探测器边缘有关的探测器边缘伪影、与投影对象边缘有关的投影对象边缘伪影、和锯齿伪影。
20.如权利要求19所述的系统，其中所述伪影去除模块配置为去除所述探测器边缘伪影、所述投影对象边缘伪影和锯齿伪影。
CN201680053776.7A 2015-09-15 2016-09-14 图像重建系统和方法 Active CN108352078B (zh)

Applications Claiming Priority (7)

Application Number Priority Date Filing Date Title
CN201510583366.0A CN105078492B (zh) 2015-09-15 2015-09-15 数字乳腺断层重建中锯齿伪影的校正方法及装置
CN201510583397.6A CN105184835B (zh) 2015-09-15 2015-09-15 乳腺断层图像重建方法和装置
CN2015105833660 2015-09-15
CN2015105833976 2015-09-15
CN2016100666844 2016-01-29
CN201610066684.4A CN105761217A (zh) 2016-01-29 2016-01-29 图像重建方法及装置
PCT/CN2016/099061 WO2017045618A1 (en) 2015-09-15 2016-09-14 Image reconstruction system and method

Publications (2)

Publication Number Publication Date
CN108352078A true CN108352078A (zh) 2018-07-31
CN108352078B CN108352078B (zh) 2022-03-15

Family

ID=58288056

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201680053776.7A Active CN108352078B (zh) 2015-09-15 2016-09-14 图像重建系统和方法

Country Status (4)

Country Link
US (4) US10140735B2 (zh)
CN (1) CN108352078B (zh)
GB (1) GB2547360B (zh)
WO (1) WO2017045618A1 (zh)

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108720860A (zh) * 2018-08-13 2018-11-02 脱浩东 用于处理乳腺数据的方法、可穿戴设备和终端设备
CN109124585A (zh) * 2018-08-13 2019-01-04 脱浩东 用于处理乳腺数据的方法、设备和系统
CN109979588A (zh) * 2019-01-22 2019-07-05 北京金智拓科技有限公司 图像扫描病理切片系统
CN110796605A (zh) * 2018-08-01 2020-02-14 上海西门子医疗器械有限公司 图像处理方法和装置、存储介质、处理器和终端
CN111553960A (zh) * 2020-04-24 2020-08-18 重庆大学 一种基于投影均值图像的环状伪影快速校正方法
CN111563940A (zh) * 2020-07-15 2020-08-21 南京安科医疗科技有限公司 一种步进轴扫ct重建中拼接伪影的去除方法及电子介质
CN111815730A (zh) * 2020-07-15 2020-10-23 大连东软教育科技集团有限公司 生成含有运动伪影的ct图像的方法、装置及存储介质
CN113092346A (zh) * 2021-04-06 2021-07-09 中国水利水电科学研究院 一种藻类细胞计数检测系统及其检测方法
WO2022253223A1 (en) * 2021-06-01 2022-12-08 Shanghai United Imaging Healthcare Co., Ltd. Systems and methods for image reconstruction
CN116309923A (zh) * 2023-05-24 2023-06-23 吉林大学 基于图神经网络的ct金属伪影消除方法及系统

Families Citing this family (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10663565B2 (en) 2017-09-19 2020-05-26 Rockwell Automation Technologies, Inc. Pulsed-based time of flight methods and system
US11002836B2 (en) 2018-05-14 2021-05-11 Rockwell Automation Technologies, Inc. Permutation of measuring capacitors in a time-of-flight sensor
US10996324B2 (en) 2018-05-14 2021-05-04 Rockwell Automation Technologies, Inc. Time of flight system and method using multiple measuring sequences
US10969476B2 (en) 2018-07-10 2021-04-06 Rockwell Automation Technologies, Inc. High dynamic range for sensing systems and methods
US10789506B2 (en) * 2018-09-24 2020-09-29 Rockwell Automation Technologies, Inc. Object intrusion detection system and method
CN110533597B (zh) * 2019-03-26 2022-06-28 北京东软医疗设备有限公司 伪影处理及旋转中心确定方法、装置与设备、存储介质
CN110458909A (zh) * 2019-08-05 2019-11-15 薄涛 处理投影图像的方法、服务器、教学系统和介质
US11585766B2 (en) * 2020-05-29 2023-02-21 James R. Glidewell Dental Ceramics, Inc. CT scanner calibration
CN113808232A (zh) * 2021-09-22 2021-12-17 北京万东医疗科技股份有限公司 一种滤线栅伪影抑制方法、装置、电子设备及存储介质
CA3237136A1 (en) * 2021-11-05 2023-05-11 Memorial Sloan Kettering Cancer Center Systems and methods for generating a corrected planar scintigraphy image (cpsi)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1913831A (zh) * 2004-02-02 2007-02-14 株式会社日立医药 断层成像设备及其方法
US20110097007A1 (en) * 2009-10-28 2011-04-28 General Electric Company Iterative Reconstruction
CN103942818A (zh) * 2013-01-22 2014-07-23 上海联影医疗科技有限公司 Ct图像重建方法
CN104135931A (zh) * 2012-02-22 2014-11-05 皇家飞利浦有限公司 用于减少成像数据中的局部伪影的方法和系统
CN104240210A (zh) * 2014-07-21 2014-12-24 南京邮电大学 基于压缩感知的ct图像迭代重建方法
CN104599239A (zh) * 2013-10-31 2015-05-06 通用电气公司 一种医学图像中的金属伪影消除方法及装置
CN104794744A (zh) * 2014-01-16 2015-07-22 上海联影医疗科技有限公司 一种医学图像的多平面重建成像方法

Family Cites Families (25)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4666129B2 (ja) 2001-07-30 2011-04-06 日本電気株式会社 発声速度正規化分析を用いた音声認識装置
US7092482B2 (en) 2003-04-11 2006-08-15 Fischer Imaging Corporation Signal profiling for medical imaging systems
US7023951B2 (en) * 2003-12-09 2006-04-04 General Electric Company Method and apparatus for reduction of artifacts in computed tomography images
US7653229B2 (en) * 2003-12-23 2010-01-26 General Electric Company Methods and apparatus for reconstruction of volume data from projection data
US7415145B2 (en) * 2003-12-30 2008-08-19 General Electric Company Methods and apparatus for artifact reduction
FR2897182A1 (fr) 2006-02-09 2007-08-10 Gen Electric Procede de traitement d'images de projection en tomosynthese pour une detection de signes radiologiques
US20080008372A1 (en) 2006-07-07 2008-01-10 General Electric Company A method and system for reducing artifacts in a tomosynthesis imaging system
DE102006041033B4 (de) * 2006-09-01 2017-01-19 Siemens Healthcare Gmbh Verfahren zur Rekonstruktion eines dreidimensionalen Bildvolumens
KR100791388B1 (ko) * 2006-12-11 2008-01-07 삼성전자주식회사 영상의 선명도 향상을 위한 장치 및 방법
US8086002B2 (en) 2007-04-27 2011-12-27 Three Palm Software Algorithms for selecting mass density candidates from digital mammograms
CN101842052B (zh) 2007-07-19 2013-11-20 北卡罗来纳大学查珀尔希尔分校 固定x射线数字化乳房断层合成系统和相关方法
WO2009027889A2 (en) * 2007-08-31 2009-03-05 Koninklijke Philips Electronics N.V. Uncertainty maps for segmentation in the presence of metal artifacts
FR2932286B1 (fr) 2008-06-06 2011-07-15 Gen Electric Procede d'extrapolation d'une image bidimensionnelle en niveaux de gris dans un dispositif de radiographie
US9392986B2 (en) 2011-02-14 2016-07-19 University Of Rochester Method and apparatus for cone beam breast CT image-based computer-aided detection and diagnosis
US8712134B2 (en) 2011-10-18 2014-04-29 Kabushiki Kaisha Toshiba Method and system for expanding axial coverage in iterative reconstruction in computer tomography (CT)
CN103186886B (zh) 2011-12-31 2017-04-05 西门子(深圳)磁共振有限公司 磁共振成像的图像重建方法及图像重建装置
CN102800073B (zh) 2012-06-28 2015-01-28 西北工业大学 一种锥束ct环形伪影的自动判别与校正方法
CN102768759B (zh) 2012-07-04 2014-11-26 深圳安科高技术股份有限公司 一种术中ct图像射束硬化伪影校正方法及装置
US20140016847A1 (en) * 2012-07-13 2014-01-16 General Electric Company Multi-phase computed tomography image reconstruction
CN103559695A (zh) 2013-09-29 2014-02-05 哈尔滨工程大学 一种自适应分块压缩传感重建方法
US9613440B2 (en) 2014-02-12 2017-04-04 General Electric Company Digital breast Tomosynthesis reconstruction using adaptive voxel grid
US9483851B2 (en) 2014-07-14 2016-11-01 General Electric Company Systems and methods for filtering for image generation
CN105761217A (zh) * 2016-01-29 2016-07-13 上海联影医疗科技有限公司 图像重建方法及装置
CN105184835B (zh) * 2015-09-15 2018-11-06 上海联影医疗科技有限公司 乳腺断层图像重建方法和装置
CN105078492B (zh) * 2015-09-15 2018-01-16 上海联影医疗科技有限公司 数字乳腺断层重建中锯齿伪影的校正方法及装置

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1913831A (zh) * 2004-02-02 2007-02-14 株式会社日立医药 断层成像设备及其方法
US20110097007A1 (en) * 2009-10-28 2011-04-28 General Electric Company Iterative Reconstruction
CN104135931A (zh) * 2012-02-22 2014-11-05 皇家飞利浦有限公司 用于减少成像数据中的局部伪影的方法和系统
CN103942818A (zh) * 2013-01-22 2014-07-23 上海联影医疗科技有限公司 Ct图像重建方法
CN104599239A (zh) * 2013-10-31 2015-05-06 通用电气公司 一种医学图像中的金属伪影消除方法及装置
CN104794744A (zh) * 2014-01-16 2015-07-22 上海联影医疗科技有限公司 一种医学图像的多平面重建成像方法
CN104240210A (zh) * 2014-07-21 2014-12-24 南京邮电大学 基于压缩感知的ct图像迭代重建方法

Cited By (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110796605A (zh) * 2018-08-01 2020-02-14 上海西门子医疗器械有限公司 图像处理方法和装置、存储介质、处理器和终端
CN110796605B (zh) * 2018-08-01 2024-04-23 上海西门子医疗器械有限公司 图像处理方法和装置、存储介质、处理器和终端
CN108720860A (zh) * 2018-08-13 2018-11-02 脱浩东 用于处理乳腺数据的方法、可穿戴设备和终端设备
CN109124585A (zh) * 2018-08-13 2019-01-04 脱浩东 用于处理乳腺数据的方法、设备和系统
CN109979588A (zh) * 2019-01-22 2019-07-05 北京金智拓科技有限公司 图像扫描病理切片系统
CN111553960A (zh) * 2020-04-24 2020-08-18 重庆大学 一种基于投影均值图像的环状伪影快速校正方法
CN111563940A (zh) * 2020-07-15 2020-08-21 南京安科医疗科技有限公司 一种步进轴扫ct重建中拼接伪影的去除方法及电子介质
CN111815730A (zh) * 2020-07-15 2020-10-23 大连东软教育科技集团有限公司 生成含有运动伪影的ct图像的方法、装置及存储介质
CN111815730B (zh) * 2020-07-15 2024-03-29 东软教育科技集团有限公司 生成含有运动伪影的ct图像的方法、装置及存储介质
CN113092346A (zh) * 2021-04-06 2021-07-09 中国水利水电科学研究院 一种藻类细胞计数检测系统及其检测方法
WO2022253223A1 (en) * 2021-06-01 2022-12-08 Shanghai United Imaging Healthcare Co., Ltd. Systems and methods for image reconstruction
CN116309923A (zh) * 2023-05-24 2023-06-23 吉林大学 基于图神经网络的ct金属伪影消除方法及系统

Also Published As

Publication number Publication date
GB2547360B (en) 2018-02-14
CN108352078B (zh) 2022-03-15
US20200226803A1 (en) 2020-07-16
US10140735B2 (en) 2018-11-27
WO2017045618A1 (en) 2017-03-23
US20190108660A1 (en) 2019-04-11
US20190108661A1 (en) 2019-04-11
GB2547360A (en) 2017-08-16
US10600214B2 (en) 2020-03-24
US11335041B2 (en) 2022-05-17
US10586355B2 (en) 2020-03-10
US20170301114A1 (en) 2017-10-19
GB201706273D0 (en) 2017-06-07

Similar Documents

Publication Publication Date Title
CN108352078A (zh) 图像重建系统和方法
US9754390B2 (en) Reconstruction of time-varying data
US20200143521A1 (en) System and method for image correction
US8457380B2 (en) PET local tomography
CN109493951A (zh) 用于降低辐射剂量的系统和方法
US9600924B2 (en) Iterative reconstruction of image data in CT
US9875558B2 (en) Image reconstruction system and method
CN111540025B (zh) 预测用于图像处理的图像
US10143433B2 (en) Computed tomography apparatus and method of reconstructing a computed tomography image by the computed tomography apparatus
JP2015029838A (ja) 医用画像処理装置、医用画像処理方法、及び、医用画像処理システム
Xu et al. Statistical iterative reconstruction to improve image quality for digital breast tomosynthesis
CN105103194B (zh) 经重建图像数据可视化
US9965875B2 (en) Virtual projection image method
EP3552181B1 (en) Image noise estimation using alternating negation
Heil et al. Metal artifact reduction in x-ray computed tomography: Inpainting versus missing value
US20230419455A1 (en) System and method for image correction
Sooriyajeevan Applications of optical principles in clinical X-ray visualization

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: 201807 Shanghai City, north of the city of Jiading District Road No. 2258

Applicant after: Shanghai Lianying Medical Technology Co., Ltd

Address before: 201807 Shanghai City, north of the city of Jiading District Road No. 2258

Applicant before: SHANGHAI UNITED IMAGING HEALTHCARE Co.,Ltd.

GR01 Patent grant
GR01 Patent grant