CN108511043A - 基于数值模拟的x-ct虚拟数据采集及图像重建方法及系统 - Google Patents
基于数值模拟的x-ct虚拟数据采集及图像重建方法及系统 Download PDFInfo
- Publication number
- CN108511043A CN108511043A CN201810161341.5A CN201810161341A CN108511043A CN 108511043 A CN108511043 A CN 108511043A CN 201810161341 A CN201810161341 A CN 201810161341A CN 108511043 A CN108511043 A CN 108511043A
- Authority
- CN
- China
- Prior art keywords
- model
- data
- acquisition
- image
- voxel
- 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
- 238000000034 method Methods 0.000 title claims abstract description 43
- 238000004088 simulation Methods 0.000 title claims abstract description 17
- 238000013178 mathematical model Methods 0.000 claims abstract description 26
- 238000013499 data model Methods 0.000 claims abstract description 24
- 239000011159 matrix material Substances 0.000 claims description 34
- 238000002591 computed tomography Methods 0.000 claims description 32
- 238000010276 construction Methods 0.000 claims description 21
- 210000004556 brain Anatomy 0.000 claims description 6
- 230000006378 damage Effects 0.000 claims description 5
- 239000013077 target material Substances 0.000 claims description 4
- 230000002596 correlated effect Effects 0.000 claims description 3
- 238000006467 substitution reaction Methods 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 abstract description 10
- 208000019155 Radiation injury Diseases 0.000 abstract description 3
- 238000012549 training Methods 0.000 abstract description 3
- 230000000694 effects Effects 0.000 description 71
- 238000002474 experimental method Methods 0.000 description 9
- 230000000875 corresponding effect Effects 0.000 description 8
- 210000001519 tissue Anatomy 0.000 description 7
- XAGFODPZIPBFFR-UHFFFAOYSA-N aluminium Chemical compound [Al] XAGFODPZIPBFFR-UHFFFAOYSA-N 0.000 description 6
- 229910052782 aluminium Inorganic materials 0.000 description 6
- 230000018109 developmental process Effects 0.000 description 5
- 238000013170 computed tomography imaging Methods 0.000 description 4
- 238000011161 development Methods 0.000 description 4
- 238000003745 diagnosis Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000003384 imaging method Methods 0.000 description 4
- 239000000126 substance Substances 0.000 description 4
- 238000012360 testing method Methods 0.000 description 4
- 239000000047 product Substances 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- 241000282412 Homo Species 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 238000010168 coupling process Methods 0.000 description 2
- 238000005859 coupling reaction Methods 0.000 description 2
- 201000010099 disease Diseases 0.000 description 2
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 2
- 235000013399 edible fruits Nutrition 0.000 description 2
- 230000014509 gene expression Effects 0.000 description 2
- 238000002595 magnetic resonance imaging Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000013011 mating Effects 0.000 description 2
- 239000000178 monomer Substances 0.000 description 2
- 230000008520 organization Effects 0.000 description 2
- 238000004540 process dynamic Methods 0.000 description 2
- 230000001105 regulatory effect Effects 0.000 description 2
- WFKWXMTUELFFGS-UHFFFAOYSA-N tungsten Chemical compound [W] WFKWXMTUELFFGS-UHFFFAOYSA-N 0.000 description 2
- 229910052721 tungsten Inorganic materials 0.000 description 2
- 239000010937 tungsten Substances 0.000 description 2
- 238000012800 visualization Methods 0.000 description 2
- 241000208340 Araliaceae Species 0.000 description 1
- 241001269238 Data Species 0.000 description 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 1
- 235000003140 Panax quinquefolius Nutrition 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 210000000593 adipose tissue white Anatomy 0.000 description 1
- 210000004369 blood Anatomy 0.000 description 1
- 239000008280 blood Substances 0.000 description 1
- 210000000988 bone and bone Anatomy 0.000 description 1
- 210000001175 cerebrospinal fluid Anatomy 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 238000013016 damping Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 235000008434 ginseng Nutrition 0.000 description 1
- 210000004884 grey matter Anatomy 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 210000003205 muscle Anatomy 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 238000003325 tomography Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H30/00—ICT specially adapted for the handling or processing of medical images
- G16H30/20—ICT specially adapted for the handling or processing of medical images for handling medical images, e.g. DICOM, HL7 or PACS
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
-
- G—PHYSICS
- G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
- G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
- G09B23/00—Models for scientific, medical, or mathematical purposes, e.g. full-sized devices for demonstration purposes
- G09B23/28—Models for scientific, medical, or mathematical purposes, e.g. full-sized devices for demonstration purposes for medicine
- G09B23/286—Models for scientific, medical, or mathematical purposes, e.g. full-sized devices for demonstration purposes for medicine for scanning or photography techniques, e.g. X-rays, ultrasonics
-
- G—PHYSICS
- G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
- G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
- G09B9/00—Simulators for teaching or training purposes
-
- 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]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Educational Technology (AREA)
- Business, Economics & Management (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- General Health & Medical Sciences (AREA)
- Radiology & Medical Imaging (AREA)
- Medical Informatics (AREA)
- Educational Administration (AREA)
- Computational Mathematics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Physics (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Analysis (AREA)
- Chemical & Material Sciences (AREA)
- Algebra (AREA)
- Medicinal Chemistry (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- Public Health (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
本发明提出一种基于数值模拟的X‑CT虚拟数据采集及图像重建方法及系统,所述方法包括:根据不同目的构建样品信息模型;构建X‑CT设备硬件参数模型;构建不同数据采集方法下的物理模型和数学模型;构建CT设备原始数据采集物理模型和数学模型,完成原始数据的模拟采集;然后将原始数据进行图像重建。本发明还进一步包括构建伪影数据模型。本发明创设的将虚拟数字人技术与虚拟CT技术相结合的仿真分析方法及系统,无需昂贵庞大的硬件设备,避开辐射伤害,可广泛用于涉及大型昂贵设备及高新技术相关教学培训等各方面。
Description
技术领域
本发明涉及CT成像技术领域,具体涉及一种基于数值模拟的X-CT仿真虚拟数据采集及图像重建方法及成像系统。
背景技术
X射线CT技术在现代医院诊断中处于重要的地位。其快速清晰的人体内部断层图像和其他专门成像技术,对于疾病的准确诊断提供了直观的诊断依据,在临床中得到越来越重要的使用。
CT的装机量每年保持1000台的量级,这对于生产、安装、操作使用和维修技术人员的需求也是很大的。因此对于技术人员的培养尤其是实验和实践的培养尤其重要。
但X射线CT的批量化规范化规模化实验教学一直没有得到有效开展,其原因有设备大型化,昂贵,占地多,有辐射伤害,实验条件限制多等,所以目前的实验主要形式是单台设备下的演示性和医院的参观实验;要实现批量话规范化规模化的实操实验,有两个基础条件,或者说是两个发展趋势,一是从大型真机实验到小型专门实验仪;二是从真机操作到虚拟设备操作。
发明内容
本发明公开了一种基于数值模拟的X-CT虚拟数据采集和图像重建方法及系统。通过本发明所述X-CT仿真方法及系统可以实现对构建的不同样品模型,按照X-CT成像理论模型进行虚拟数据采集和图像重建显示功能。
本发明提出的基于数值模拟的X-CT虚拟数据采集和图像重建方法,所述方法包括:步骤1:构建模拟样品信息模型;步骤2:构建X-CT设备硬件参数模型;步骤3:基于CT扫描模式构建物理模型和数学模型;步骤4:基于前述步骤构建得到的所述模拟样品信息模型、所述硬件参数、以及所述基于CT扫描模式构建的物理模型和数学模型,将所述模拟样品信息中的密度值代入所述硬件参数模型中计算得到每个体素的衰减强度,再按照所述基于CT扫描模式构建的物理模型和数学模型进行旋转角度的投影,得到原始数据矩阵;再根据需要进行随机噪声叠加,完成原始数据的模拟采集;步骤5:将前述采集的原始数据进行图像重建。
所述步骤1,构建模拟样品信息模型
根据不同目的构建的样品信息模型,所述样品信息模型包括单点体素模型、多点不同密度体素模型、块状模型、空间分辨率模型、密度分辨率模型、颅脑模型、人体部位模型、自定义模型等;所述模型是一个二维或三维的数据矩阵,分别表示断面(X,Y位置信息)和层面信息(Z位置),具体的值为模拟样品的密度值(g/cm^3)。
所述步骤2,构建X-CT设备相关硬件参数
构建X-CT设备相关的硬件参数,所述硬件参数包括靶物质材料、管电压kV,管电流mA,曝光时间S;等。
所述步骤3,基于不同CT扫描模式,构建不同数据采集方法的物理模型和数学模型
构建不同数据采集方法(即不同CT扫描模式)的物理模型和数学模型。在一具体实施方案中,采用笔形束扫描(第一代CT扫描模式)。在另一具体实施方案中,采用扇形束扫描模型(第三代CT扫描模式,目前主流)。本发明还可以采用其余第二代扫描模式的窄扇形束扫描、第四代的全圆扫描。还可以按照类似的模式进行推广应用。
所述步骤4,完成原始数据的模拟采集。
将上述步骤1、2、3所构建得到的模拟样品信息、硬件参数和不同扫描模式下的参数物理模型和数据模型结合在一起,构建CT设备原始数据(正弦图)采集物理模型和数学模型,将模拟样品信息中的密度值代入硬件参数模型中计算得到每个体素的衰减强度后,再按照步骤3的物理数学模型进行旋转角度的投影(沿某个角度进行衰减强度的叠加),得到原始数据矩阵,即正弦图。然后,可根据需要进行随机噪声叠加,完成原始数据的模拟采集。
所述步骤5,图像重建。
基于不同重建算法,对步骤5中采集的原始数据进行图像重建。
优选地,所述图像重建算法可采用本领域现有技术进行。优选地,采用滤波反投影重建算法。优选地,本发明采用滤波反投影(FBP)和迭代重建(ART)两种算法来实现图像重建,可比较重建效果和速度。
优选地,所述重建的图像用DICOM格式进行保存,输出作为他用。
本发明中,所述模拟样品信息模型包括单点体素模型、多点不同密度体素模型、块状模型、空间分辨率模型、密度分辨率模型、颅脑模型、人体部位模型、自定义模型。具体地,本发明构建了10种模型(a-j)、自定义模型、数字人体模型。
本发明中,所述构建的X-CT设备相关硬件参数,包括靶物质材料、kV范围(20kV-150kV),mA(20mA-800mA)、S(10mS到2S)等。并建立kV,mA,S,样品参数对CT值对比度和灰度的影响模型构建,包括相对强度和衰减系数。
相对强度为:int=K*Z*mA*S*kV^2;
衰减系数att包括光电效应衰减att-p和康普顿衰减att-c两部分,即att=att-p+att-c。
其中:
att-p=k*rou*ZMa*Na*lamada.^3*Zmean.^3.05/(hc.^3);
att-c=re.^2*{(1+alpha)/alpha.^3*[2*alpha*(1+alpha)/(1+2*alpha)-
log(1+2%alpha)]+log(1+2*alpha)/(2*alpha)-(1-
3*alpha)/(1+2*alpha).^2}*k*rou*ZMa*Na
其中,alpha=hc*kV/15.841*10.^10;相关含义分别是:K为射线强度系数;Z为钨靶原子系数为74;rou为物质密度(此处的rou就是模拟样品信息模型构建中的体素的密度信息);Zmean为物质平均原子序数;ZMa为物质平均原子系数与其原子量比值;Na为阿伏伽德罗常数;k为光电系数;h为普朗克常量;c为光速;re为第一电子轨道半径;kV为管电压;mA为管电流;S为曝光时间。
本发明中,构建不同数据采集方法(不同CT扫描模式)的物理模型和数学模型,本发明给出的两种实例为笔形束扫描(第一代CT扫描模式)和扇形束扫描模型(第三代CT扫描模式,目前主流)。还可以包括其他模式。
进一步地,本发明方法中还包括步骤:构建伪影数据模型。
伪影数据模型的构建,可以在步骤1模拟样品信息模型构建之时进行,还可以在原始数据的模拟采集之后再进行。
伪影数据模型构建之后,在后续步骤中重建图像即可得到相应伪影。
在构建伪影数据模型的步骤中,构建硬件相关的误差因素用于产生相关的伪影图像。优选地,所述伪影数据模型包括探测器损坏模型、DAS增益校正不一致模型、金属异物模型、球管打火模型。同样,其他相关模型也可类似构建。
探测器损坏模型:采样数据过程中将对应损坏的探测器的通道数据置0;最终正弦图上体现出一条黑色线,表示该探测器损坏,无法检测数据;
DAS增益校正不一致模型:采样数据过程中将对应的DAS增益不一致的通道数据乘以不同系数(如0.9或更小表示增益偏小,1.1或更大表示增益偏大);最终正弦图上体现出一条弱线或亮线;
金属异物模型:正弦图采集后,将表示有金属异物位置的数值增大100倍,表示该处的吸收系数比人体组织衰减系数要大得多;
球管打火模型:将最终正弦图对应球管打火时刻(对应正弦图横坐标)处设置一条亮的竖线;表示此时球管打火,kV降低,mA也降低,射线输出降低(或者认为没有入射射线),但是检测器端认为是被高密度组织全部吸收了,故体现出高亮投影值。
本发明中,进一步地,基于前述步骤构建得到的样品信息、硬件参数、扫描模式的物理模型和数学模型、以及伪影的数据模型,结合在一起,构建CT设备原始数据(正弦图)采集物理模型和数学模型,将样品信息中的密度值代入硬件参数模型中计算得到每个体素的衰减强度后,再按照步骤3的物理数学模型进行旋转角度的投影(沿某个角度进行衰减强度的叠加),得到原始数据矩阵,即正弦图。完成原始数据的模拟采集。进一步地,也可以根据伪影模型在正弦图数据采集前或后进行伪影数据的模拟设置。进一步地,可根据需要进行随机噪声叠加。然后,基于不同重建算法将前述采集的原始数据进行图像重建,其中也包括了伪影图像的重建。
本发明还提出一种基于数值模拟的X-CT虚拟数据采集及图像重建系统,其包括:样品信息模型构建模块,用于构建样品信息模型;X-CT设备硬件参数构建模块,用于构建X-CT相关硬件参数;基于CT扫描模式的物理模型和数学模型构建模块,用于构建基于不同数据采集方法即不同CT扫描模式的参数的物理模型和数学模型;原始数据的模拟采集模块,用于结合所述样品信息模型、所述硬件参数以及所述参数的物理模型和数学模型,将样品信息中的密度值代入硬件参数模型中计算得到每个体素的衰减强度后,再按照基于CT扫描模式的物理数学模型进行旋转角度的投影(沿某个角度进行衰减强度的叠加),得到原始数据矩阵即正弦图;进一步地,可根据需要进行随机噪声叠加;完成CT设备原始数据的模拟采集;图像重建模块,基于不同重建算法进行图像重建。
本发明中,进一步包括:伪影数据模型的构建模块,用于构建硬件相关误差因素产生的伪影数据模型。
本发明创新及有益效果包括:
本发明将虚拟数字人成果与虚拟CT技术相结合。虚拟数字人与CT成像技术都是医学临床应用和科研的重要工具。本项目将二者进行结合,必然产生更大的价值。对于虚拟数字人而言,本项目产品将极大丰富原来虚拟数字人图谱的种类和数量。对于CT成像技术而言,本产品对于CT从业人员,包括诊断医师,操作技师还是工程师,都可以提供更多信息,帮助从业人员更好的发挥CT设备的潜力,提高诊断效果。
本发明属于仿真技术,但仿真的不是表象,而是本质。虚拟仿真技术是当前的发展热点。虚拟技术应用于大型昂贵设备和高新技术的教学培训是必然趋势。与通常意义上的基于结构和过程的形象化仿真虚拟技术不同,本项目将极其抽象晦涩的CT成像理论全部用数学公式进行表达,通过程序进行实现。最终的软件可以完全摆脱硬件,而实现与硬件仪器一模一样的实验效果。换言之,通常的虚拟技术主要用基于动画设计等技术,本项目开发则是CT理论本质和计算机程序开发技术的完美结合。因此本项目是技术仿真,在仿真效果上注重本质相同,而非结构形象化。
本发明创新提出了虚拟样品模型和CT数字人模型。本发明中提出的虚拟CT数字人模型是一个以三维坐标为数组维度的人体素(0.5mm*0.5mm*1mm)的组织类型(比如肌肉、脂肪、白质、灰质、脑脊液、骨骼、血液等)分布数据库。每种组织类型包含组织密度(PD)信息,以及有效原子系数等信息,因此是一个多维数据库。这与目前国际国内开展的虚拟数字人或标准脑图谱不同,除了应用目的不同,其表现形式也不同。虚拟数字人主要给出的是全身断层CT、MRI和实际组织断层照片,只给出图像灰度或色彩信息。因此本项目在虚拟数字人的数据基础上延伸开发的虚拟CT数字人数据模型涉及影响CT对比信号的物理信息。
本发明构建一种基于数值模拟的X-CT数据采集与图像重建仿真系统、方法以及设备,其可作为一般X射线CT课程的配套虚拟实验实训平台,或用于CT技师自学操作训练。本发明有益效果包括:无需庞大的硬件配套下,可获得与CT设备相仿的实验效果,避免硬件成像教学仪对硬件的高要求;没有任何辐射伤害的自由开放的学习CT技术原理以及参数对图像的影响规律;补充实验台数的不足,使大部分学习者都可亲自实践CT成像这一门技术。
附图说明
图1A为本发明方法的流程示意图。
图1B为本发明实施例的流程示意图。
图2为本发明中所构建的模拟样品信息模型(a-j)示意图,a-j表示不同的模型。
图3为本发明中用于进行数据采集的样品矩阵和探测器存储数据模型。
图4表示本发明不同投影角度的效果,其中,a表示重建过程动态显示;b表示150度扫描重建结果;c表示120度扫描重建结果。
图5表示本发明不同步进角度的效果,其中,a、b表示步进角为2度时的采集数据和重建图像;c、d表示步进角为6度时的采集数据和重建图像;e、f表示步进角为18度时的采集数据和重建图像。
图6表示本发明的空间分辨率模型效果,a、b分别空间分辨率在256*256重建矩阵下的图像显示效果以及截面灰度显示。
图7表示本发明的密度分辨率模型效果,a、b分别表示密度分辨率在256*256重建矩阵下的图像显示效果以及截面灰度显示。
图8表示本发明的自定义模型效果a、b分别表示为原始数据(正弦图)和重建后图像效果。
图9表示本发明的探测器blanking后的伪影效果,a、b、c、d、e、f分别表示探测器消隐位置分别为40,80,120时的正弦图信号和重建图像。
图10表示本发明的不同源心距的效果,a、c、d、e、b分别表示源心距为200mm和400mm采集的正弦图以及重建图像效果,以及扇形束重建过程。
图11表示本发明的不同探测器宽度的效果,a、c、b、d、e、f表示探测器宽度为1,0.5和0.2时采集数据和重建图像。
图12表示本发明的X射线的质(调节kV)对图像对比度的影像效果,a、b、c、d表示kV分别为20,40,80,150的采集数据和重建图像效果。
图13表示本发明的窗宽窗位调节效果,a、b、c分别表示窗宽窗位分别为(500,50),(200,50),(1000,200)时图像显示效果。
图14表示本发明的不同人体断面的扫描效果。
图15表示本发明的倾斜断面扫描效果。
图16为笔形束扫描功能模块,其包括参数设置,样品选择,伪影设置,采集动画,原始数据采集显示,重建显示和重建结果显示。
图17为扇形束扫描模块,其包括参数设置,样品选择,伪影设置,采集动画,原始数据采集显示,重建显示和重建结果显示。
图18为数字人扫描模块,其包括硬件参数、探测器参数、数据采集、图像重建和显示、窗宽窗位调整,人体断面选择,图像显示等。
图19为第60号探测器失效的投影数据效果和伪影图像效果,其中,a表示投影数据效果,b表示伪影图像效果。
图20为第64号DAS通道增益不一致的投影数据及伪影图像效果,其中,a表示投影数据效果,b表示伪影图像效果。
图21为第60,60处有金属异物的投影数据及伪影图像效果,其中,a表示投影数据效果,b表示伪影图像效果。
图22为采集第56序号处出球管灯火的投影数据及伪影图像效果,其中,a表示投影数据效果,b表示伪影图像效果。
图23为本发明系统的结构示意图。
具体实施方式
结合以下具体实施例和附图,对本发明作进一步的详细说明。实施本发明的过程、条件、实验方法等,除以下专门提及的内容之外,均为本领域的普遍知识和公知常识,本发明没有特别限制内容。
本发明提出的一种基于数值模拟的X-CT虚拟数据采集及图像重建方法,如图1A、图1B所示,所述方法包括:
步骤1:根据不同目的构建模拟样品信息模型;
步骤2:构建X-CT设备相关硬件参数;
步骤3:构建基于不同数据采集方法(不同CT扫描模式)的物理模型和数学模型;接着,基于前述步骤构建得到的所述模拟样品信息模型、所述硬件参数、以及所述基于CT扫描模式构建的物理模型和数学模型,构建CT设备原始数据的采集物理模型和数学模型,将模拟样品信息中的密度值代入所述硬件参数模型中计算得到每个体素的衰减强度,然后,再按照所述基于CT扫描模式构建的物理数学模型进行旋转角度的投影(沿某个角度进行衰减强度的叠加),得到原始数据矩阵,即正弦图。再可根据需要进行随机噪声叠加,完成原始数据的模拟采集。
具体地,将模拟样品信息模型中的每个体素的密度值,作为硬件参数构建模块里所需的rou值,与硬件参数kV,mA和S等进行计算,得出每个体素衰减强度值。利用不同扫描模式的采集方法的物理和数学模型,进行某个旋转角度的投影(即衰减强度的叠加),即可得到正弦图的一列数组,数组的个数取决于探测器的宽度(如果一个探测器宽度对应一个体素,那么数组个数就是FOV内的体素个数;如果一个探测器宽度对应半个体素,那么数组个数就是FOV内的体素个数的2倍;依次类推);旋转1度(也可以是其他值如0.5度或2度等)后,再进行投影(即衰减强度沿旋转1度后的方向叠加),可得到正弦图的第二列。依次旋转直至到180度(笔形束扫描模式)或360度(扇形束扫描模式),分别得到180列(每次旋转步进角度为1度)或360列数据。形成一个二维数据矩阵,该矩阵即为原始数据,又称为正弦图。为实现与真实仪器采集数据的逼真,根据不同需要,可对该二维数据矩阵进行一定功率谱密度的模拟噪声叠加。
步骤4:然后,基于不同重建算法将采集的原始数据进行图像重建。
进一步地,如图1A、图1B所示,本发明基于数值模拟的X-CT虚拟数据采集及图像重建方法还包括:构建伪影数据模型。
在构建伪影数据模型之后,将所述样品信息模型、所述硬件参数、所述不同CT扫描模式的物理模型和数学模型、以及所述伪影数据模型结合起来,将模拟样品信息中的密度值代入硬件参数模型中计算得到每个体素的衰减强度后,再按照步骤3构建的物理数学模型进行旋转角度的投影(沿某个角度进行衰减强度的叠加),得到原始数据矩阵,即正弦图。再可根据需要进行随机噪声叠加,完成CT设备原始数据的模拟采集。然后,基于重建算法将所采集的原始数据进行图像重建,得到重建后的图像,包括伪影图像。
伪影数据模型的建立可以在数据采集之前的样品模型中构建,比如金属异物,可以在样品模型中制定位置设置密度值远高于正常密度值的体素以实现。伪影数据模型的建立也可以在原始数据采集之后,进行设置,比如球管打火导致的伪影,可在采集的正弦图内相应的角度处设置该列数据强度为整个正弦图内最大衰减强度投影的10倍。其理由是,球管打火时,X射线球管可认为是没有X射线输出,探测器一端检测不到射线,误以为是射线都被高衰减强度的体素所吸收,因此得到的投影值是高强度衰减投影,故设置为最大衰减强度投影的10倍。
如图19,20,21,22所示,如图19所示的第60号探测器失效的投影数据效果和伪影图像效果。如图20所示的第64号DAS通道增益不一致的投影数据及伪影图像。如图21所示的第60,60处有金属异物的投影数据及伪影图像。如图22所示的采集第56序号处出球管灯火的投影数据及伪影图像。
具体地,本发明中,所述模拟样品信息模型包括单点体素模型、多点不同密度体素模型、块状模型、空间分辨率模型、密度分辨率模型、颅脑模型、人体部位模型、自定义模型。具体地,本发明构建了10种模型(a-j)、自定义模型、数字人体模型,如图2所示,图2中a-j分别表示以下模型a-j。
a,中心单体素模型。如图2a所示,在128*128(矩阵大小不限)的矩阵中,正中心有一个2*2的矩阵表示一个体素,体素的值为1g/cm^3(具体密度值不限)。该模型用以显示正弦图为一条直线;
b,非中心单体素模型。如图2b所示,将a中的体素位置离开中心,一个实例为位置在(X=96,Y=64,具体位置不限)。该模型用以显示原始采集数据为半个正弦线;
c,非中心不同密度双体素模型。如图2c所示,两个体素位于视野矩阵中的横轴左右侧,位置分别为(X=32,Y=64;X=96,Y=64),密度值分别为1g/cm^3和2g/cm^3.该模型用以显示原始采集数据的正弦线的初始相位相差180度,且数据的灰度有差异,高密度对应高灰度;
d,非中心不同密度双体素模型。如图2d所示,两个体素位于视野矩阵中的横轴和纵轴,位置分别为(X=32,Y=64;X=64,Y=32);该模型用以显示原始采集数据的正弦线的初始相位相差90度;且数据的灰度有差异,高密度对应高灰度;
e,不同密度多体素模型。如图2e所示,多个代表不同密度的体素离散位于视野矩阵中的不同位置。一个实例如图2g所示,中心为高密度体素,其余8个低密度体素均匀分布在圆周上;该模型用以同时显示不同位置的体素正弦线的形状和初始相位的差异,以及灰度差异;
f,不同密度模块模型。如图2f所示,由不同密度体素形成的模块模型,一个实例如2h所示,低密度体素组成字母C,高密度体素组成字母T;该模型用以显示模块的正弦图是由很多个体素正弦线的叠加,显示为杂乱的正弦图;
g,多密度复杂模型(颅内)。如图2g所示,颅脑结构多种组织(不同密度值)的模型;该模型用以显示复杂模型的原始数据为多个体素投影值叠加形成的复杂的正弦图;
h,高空间分辨率模型。如图2h所示,横纵两组亮线和暗线(分别代表密度为1和0的测试铝条和间隔的空气。亮线和空间的宽度均为1)。该模型模拟高空间分辨率测试模型;在低重建矩阵(如128*128)下,铝条和空气间隙融为一体,无法区分;在高重建矩阵(256*256或更高)时,可以区分铝条和空气间歇。
i,低空间分辨率模型。如图2i所示,横纵两组亮线和暗线(分别代表密度为1和0的测试铝条和间隔的空气。亮线和空间的宽度均为2)。该模型模拟低空间分辨率测试模型;在低重建矩阵(如64*64)下,铝条和空气间隙融为一体,无法区分;在高重建矩阵(128*128或更高)时,可以区分铝条和空气间歇。
j,密度分辨率模型。如图2j所示,由20组(或其他值)表示不同密度值的体素模块组成;密度值的变化从1g/cm^3到11g/cm^3,步进值为0.5g/cm^3。
自定义模型:自定义模型可以在128*128矩阵的每个点的不同的密度值(从1g/cm^3到128g/cm^3);
数字人体模型:通过对正常人体或疾病人体进行三位容积MRI扫描,进行组织分割后,对不同组织类别赋密度值的得到的三维数据库。或者由其他手段得到的人体密度值分布数据库。
构建的模拟样品信息,包括如前面的点体素,块体素等;也包括有真实的样品构建的,比如人体部位模型,是将人体部位图像进行分割后赋密度值得到。
本发明中,所述构建的X-CT设备相关硬件参数,包括靶物质材料、kV范围(20kV-150kV),mA(20mA-800mA)以及S(10mS到2S)。并建立kV,mA.S,样品参数对CT值对比度和灰度的影响模型构建,包括相对强度和衰减系数。相对强度为:int=K*Z*mA*S*kV^2;衰减系数att包括光电效应衰减att-p和康普顿衰减att-c两部分,即att=att-p+att-c。其中:
att-p=k*rou*ZMa*Na*lamada^3*Zmean.^3.05/(hc^3);
att-c=re.^2*{(1+alpha)/alpha.^3*[2*alpha*(1+alpha)/(1+2*alpha)-log(1+2%alpha)]+log(1+2*alpha)/(2*alpha)-(1-3*alpha)/(1+2*alpha)^2}*k*rou*ZMa*Na
其中,alpha=hc*kV/15.841*10^10;相关含义分别是:K为射线强度系数;Z为钨靶原子系数为74;rou为物质密度;Zmean为物质平均原子序数;ZMa为物质平均原子系数与其原子量比值;Na为阿伏伽德罗常数;k为光电系数;h为普朗克常量;c为光速;re为第一电子轨道半径;kV为管电压;mA为管电流;S为曝光时间。
本发明中,构建不同数据采集方法(不同CT扫描模式下)的物理模型和数学模型,CT扫描模式可采用笔形束扫描、扇形束扫描模型等。
构建不同数据采集方法(即不同扫描模式)的物理模型和数学模型的步骤中,构建扫描和数据采集模型;如图3所示:
(a)以步骤2中构建的N×N二维样品矩阵模板(每个矩阵元代表体素)经过步骤3进行衰减系数校正后的值作为原始样品体素的像素值,和一维至少√2N项的数据采集矩阵用于模拟探测器功能,并以矩阵中心为原点建立二维模板矩阵坐标,探测器矩阵原点也取矩阵中心;
(b)模拟X射线平行束入射过程,沿平行于y轴反方向入射,遍历并累加射线经过的体素的像素值,将累加结果对应的填充于相同X坐标的探测器矩阵元上,此时探测器记录为0度投影值;
(c)模拟探测器旋转过程,等效为样品矩阵旋转,如样品顺时针旋转为角度α,则等效为探测器逆时针旋转角度α,则根据相关公式,旋转后样品矩阵元的新坐标(x,y)在和旋转前的坐标(x0,y0)为x=x0cosα+y0sinα,则以新坐标为基准重复第(b)步,获得相应旋转角度的投影值;
(d)若旋转后的坐标值不能与探测器坐标值对应相等,则此时不能直接投影,还需要投影值进行最临近插值,以得到对应的探测器投影值为,其中x’为探测器上坐标I(x′)=(x-x′)I(x-1)+(x′-x+1)I(x-1)。
(e)以此循环将样品由0度旋转至180度,每旋转1度采集投影数据;
(f)以上为笔形束采集过程;扇形束采集过程中,只需要修改步骤(b)中遍历并累加射线经过的体素时,增加一项y*sin(theta)的修正,表示遍历的体素与其Y位置相关,theta为不同X位置的扇角;同时对步骤(e),将“从0度旋转至180度”修正为“从0度旋转至360度”。
基于不同CT扫描模式下,如图16所示的笔形束扫描功能模块,其包括参数设置,样品选择,伪影设置,采集动画,原始数据采集显示,重建显示和重建结果显示。如图17所示的扇形束扫描模块,其包括参数设置,样品选择,伪影设置,采集动画,原始数据采集显示,重建显示和重建结果显示。如图18所示的数字人扫描模块,其包括硬件参数、探测器参数、数据采集、图像重建和显示、窗宽窗位调整,人体断面选择,图像显示等。
本发明还提出一种基于数值模拟的X-CT虚拟数据采集及图像重建系统,如图23所示,其包括:模拟样品信息模型构建模块、X-CT设备硬件参数构建模块,基于CT扫描模式的物理模型和数学模型构建模块,原始数据的采集模块以及图像重建模块。进一步包括伪影数据模型构建模块。
如图23,本发明系统中,模拟样品信息模型构建模块,用于构建样品信息模型;X-CT设备硬件参数构建模块,用于构建X-CT设备相关硬件参数;基于CT扫描模式的物理模型和数学模型构建模块,用于构建基于不同CT扫描模式的不同数据采集方法的物理模型和数学模型;原始数据的采集模块,用于结合模拟样品信息模型、硬件参数以及基于CT扫描模式的参数的物理模型和数学模型,将模拟样品信息中的密度值代入所述硬件参数模型中计算得到每个体素的衰减强度,然后,再按照所述基于CT扫描模式构建的物理数学模型进行旋转角度的投影(沿某个角度进行衰减强度的叠加),得到原始数据矩阵,即正弦图。再可根据需要进行随机噪声叠加,用于完成CT设备原始数据的模拟采集;以及图像重建模块,用于依据不同重建算法进行图像重建。
本发明进一步包括:伪影数据模型构建模块,其用于构建硬件相关误差因素产生的伪影数据模型。
本发明方法及系统在具体实施例中的效果,包括如下:
不同投影角度的效果
在penbeam功能界面下,分别设置150度和120度旋转采集,重建过程和图像效果如图4所示;图4表示,a,重建过程动态显示;b,150度扫描重建结果;c,120度扫描重建结果。
不同步进角度的效果
在penbeam功能界面下,分别设置步进角度为2度、6度和18度旋转采集,重建图像效果如图5所示,a、b表示步进角为2度时的采集数据和重建图像;c、d表示步进角为6度时的采集数据和重建图像;e、f表示步进角为18度时的采集数据和重建图像。
空间分辨率模型效果
如图6所示,a、b分别表示空间分辨率在256*256重建矩阵下的图像显示效果以及截面灰度显示。
密度分辨率模型效果
如图7所示,a、b分别表示密度分辨率在256*256重建矩阵下的图像显示效果以及截面灰度显示。
自定义模型效果
如图8所示,自定义了一个汉字“勇”,包含了两种密度,a、b分别表示为原始数据(正弦图)和重建后图像效果。
探测器blanking后的伪影效果
在penbeam功能界面下,分别设置探测器blanking位置为40,80,120,采集重建图像效果如图9所示;图9中的a、b、c、d、e、f分别表示探测器消隐位置分别为40,80,120时的正弦图信号和重建图像。
不同源心距的效果
在fanbeam功能界面下,分别设置步进源心距为200mm和400mm采集,采集数据和重建图像效果如图10所示;图10中的a、c、d、e、b分别表示源心距为200mm和400mm采集的正弦图以及重建图像效果,以及扇形束重建过程。
不同探测器宽度的效果
在fanbeam功能界面下,分别设置探测器宽度为1,0.5和0.2,采集数据和重建图像效果如图11所示;图11中的a、c、b、d、e、f表示探测器宽度为1,0.5和0.2时采集数据和重建图像。
X射线的质(调节kV)对图像对比度的影像效果
在humanscan功能界面下,分别设置kV为20,40,80,150采集,采集数据和重建图像效果如图12所示;图12中的a、b、c、d表示kV分别为20,40,80,150的采集数据和重建图像效果。
窗宽窗位调节效果
在上述图像中,分别更改不同的窗宽窗位后得到的显示效果如图13所示;图13中的a、b、c分别表示窗宽窗位分别为(500,50),(200,50),(1000,200)时图像显示效果。
不同人体断面的扫描效果
选择不同的人体断面,扫描后得到效果如图14所示;图14表示9层连续扫描图像效果。
倾斜断面扫描效果
对不同断面进行机架倾斜角度后的扫描效果如图15所示;图15表示倾斜15度时的连续成像效果。
本发明的保护内容不局限于以上实施例。在不背离本发明构思的精神和范围下,本领域技术人员能够想到的变化和优点都被包括在本发明中,并且以所附的权利要求书为保护范围。
Claims (9)
1.一种基于数值模拟的X-CT虚拟数据采集及图像重建方法,其特征在于,所述方法包括:
步骤1:构建模拟样品信息模型;
步骤2:构建X-CT设备硬件参数模型;
步骤3:基于CT扫描模式构建物理模型和数学模型;
步骤4:基于前述步骤构建得到的所述模拟样品信息模型、所述硬件参数、以及所述基于CT扫描模式构建的物理模型和数学模型,将所述模拟样品信息中的密度值代入所述硬件参数模型中计算得到每个体素的衰减强度,再按照所述基于CT扫描模式构建的物理模型和数学模型进行旋转角度的投影,得到原始数据矩阵;再根据需要进行随机噪声叠加,完成原始数据的模拟采集;
步骤5:将前述采集的原始数据进行图像重建。
2.如权利要求1所述的方法,其特征在于,所述模拟样品信息模型包括单点体素模型、多点不同密度体素模型、块状模型、空间分辨率模型、密度分辨率模型、颅脑模型、人体部位模型、自定义模型。
3.如权利要求1所述的方法,其特征在于,所述X-CT设备硬件参数包括靶物质材料、kV范围、mA、S。
4.如权利要求1所述的方法,其特征在于,所述CT扫描模式包括笔形束扫描模式、扇形束扫描模式。
5.如权利要求1所述的方法,其特征在于,所述重建的图像用DICOM格式进行保存。
6.如权利要求1所述的方法,其特征在于,进一步包括:构建伪影数据模型。
7.如权利要求6所述的方法,其特征在于,所述伪影数据模型包括探测器损坏模型、DAS增益校正不一致模型、金属异物模型、球管打火模型。
8.一种基于数值模拟的X-CT虚拟数据采集及图像重建系统,其特征在于,所述系统包括:
模拟样品信息模型构建模块,用于构建样品信息模型;
X-CT设备硬件参数构建模块,用于构建X-CT设备相关硬件参数;
基于CT扫描模式的物理模型和数学模型构建模块,用于构建基于CT扫描模式的物理模型和数学模型;
原始数据的模拟采集模块,用于结合模拟样品信息模型、硬件参数以及基于CT扫描模式的物理模型和数学模型,将模拟样品信息中的密度值代入硬件参数模型中计算得到每个体素的衰减强度,然后,再按照基于CT扫描模式的物理模型和数学模型进行旋转角度的投影,得到原始数据矩阵,再根据需要进行随机噪声叠加,完成原始数据的模拟采集;以及,
图像重建模块,用于图像重建。
9.如权利要求8所述的系统,其特征在于,进一步包括:
伪影数据模型的构建模块,用于构建硬件相关误差因素产生的伪影数据模型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810161341.5A CN108511043B (zh) | 2018-02-27 | 2018-02-27 | 基于数值模拟的x-ct虚拟数据采集及图像重建方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810161341.5A CN108511043B (zh) | 2018-02-27 | 2018-02-27 | 基于数值模拟的x-ct虚拟数据采集及图像重建方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108511043A true CN108511043A (zh) | 2018-09-07 |
CN108511043B CN108511043B (zh) | 2022-06-03 |
Family
ID=63375382
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810161341.5A Active CN108511043B (zh) | 2018-02-27 | 2018-02-27 | 基于数值模拟的x-ct虚拟数据采集及图像重建方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108511043B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109872269A (zh) * | 2019-01-08 | 2019-06-11 | 中国科学院高能物理研究所 | 一种基于鱼眼图像校正的康普顿相机图像融合方法 |
CN111596242A (zh) * | 2020-06-04 | 2020-08-28 | 京东方科技集团股份有限公司 | 一种样本模拟扫描设备以及使用方法 |
CN112258612A (zh) * | 2019-08-01 | 2021-01-22 | 北京灵医灵科技有限公司 | 一种基于断层图像的虚拟解剖对象观察方法和系统 |
CN112435554A (zh) * | 2020-11-25 | 2021-03-02 | 皖南医学院 | 一种ct教学模拟系统及其控制方法 |
CN112666194A (zh) * | 2020-12-22 | 2021-04-16 | 上海培云教育科技有限公司 | 一种虚拟数字dr图像的生成方法及dr虚拟仿真仪器 |
CN113379860A (zh) * | 2021-04-25 | 2021-09-10 | 上海索骥信息科技有限公司 | 基于数字物体的带标记物的医学影像数据生成方法和系统 |
CN114565515A (zh) * | 2022-03-01 | 2022-05-31 | 佛山读图科技有限公司 | 一种实现投影图数据降噪与分辨率恢复的系统的构建方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20080113310A (ko) * | 2007-05-03 | 2008-12-30 | 목포과학대학산학협력단 | 씨티 시뮬레이션 장치 및 방법, 그것을 기록한 기록매체와프로그램 |
US20100322375A1 (en) * | 2008-02-25 | 2010-12-23 | Hitachi Medical Corporation | X-ray ct scan simulator and x-ray ct scan apparatus |
CN103295455A (zh) * | 2013-06-19 | 2013-09-11 | 北京理工大学 | 基于ct影像模拟与定位的超声培训系统 |
CN103493055A (zh) * | 2010-11-18 | 2014-01-01 | 马萨科学英国有限公司 | 系统和方法 |
-
2018
- 2018-02-27 CN CN201810161341.5A patent/CN108511043B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20080113310A (ko) * | 2007-05-03 | 2008-12-30 | 목포과학대학산학협력단 | 씨티 시뮬레이션 장치 및 방법, 그것을 기록한 기록매체와프로그램 |
US20100322375A1 (en) * | 2008-02-25 | 2010-12-23 | Hitachi Medical Corporation | X-ray ct scan simulator and x-ray ct scan apparatus |
CN103493055A (zh) * | 2010-11-18 | 2014-01-01 | 马萨科学英国有限公司 | 系统和方法 |
CN103295455A (zh) * | 2013-06-19 | 2013-09-11 | 北京理工大学 | 基于ct影像模拟与定位的超声培训系统 |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109872269A (zh) * | 2019-01-08 | 2019-06-11 | 中国科学院高能物理研究所 | 一种基于鱼眼图像校正的康普顿相机图像融合方法 |
CN109872269B (zh) * | 2019-01-08 | 2020-07-21 | 中国科学院高能物理研究所 | 一种基于鱼眼图像校正的康普顿相机图像融合方法 |
CN112258612A (zh) * | 2019-08-01 | 2021-01-22 | 北京灵医灵科技有限公司 | 一种基于断层图像的虚拟解剖对象观察方法和系统 |
CN111596242A (zh) * | 2020-06-04 | 2020-08-28 | 京东方科技集团股份有限公司 | 一种样本模拟扫描设备以及使用方法 |
CN112435554A (zh) * | 2020-11-25 | 2021-03-02 | 皖南医学院 | 一种ct教学模拟系统及其控制方法 |
CN112666194A (zh) * | 2020-12-22 | 2021-04-16 | 上海培云教育科技有限公司 | 一种虚拟数字dr图像的生成方法及dr虚拟仿真仪器 |
CN113379860A (zh) * | 2021-04-25 | 2021-09-10 | 上海索骥信息科技有限公司 | 基于数字物体的带标记物的医学影像数据生成方法和系统 |
CN113379860B (zh) * | 2021-04-25 | 2023-03-14 | 上海索骥信息科技有限公司 | 基于数字物体的带标记物的医学影像数据生成方法和系统 |
CN114565515A (zh) * | 2022-03-01 | 2022-05-31 | 佛山读图科技有限公司 | 一种实现投影图数据降噪与分辨率恢复的系统的构建方法 |
Also Published As
Publication number | Publication date |
---|---|
CN108511043B (zh) | 2022-06-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108511043A (zh) | 基于数值模拟的x-ct虚拟数据采集及图像重建方法及系统 | |
Segars et al. | Realistic CT simulation using the 4D XCAT phantom | |
Leng et al. | Streaking artifacts reduction in four‐dimensional cone‐beam computed tomography | |
Rietzel et al. | Four‐dimensional computed tomography: image formation and clinical protocol | |
CN109300166A (zh) | 重建ct图像的方法和设备以及存储介质 | |
Seeram | Computed tomography: physical principles and recent technical advances | |
US9192301B2 (en) | Radiological simulation | |
CN106232007B (zh) | X射线ct装置和处理装置 | |
US6829323B2 (en) | Method and system for low dose image simulation for imaging systems | |
CN106725565B (zh) | 一种稀疏投影下的锥束xct成像质量评估方法 | |
CN102016923A (zh) | 图像伪影的减少 | |
JP2001149365A (ja) | コンピュータ断層撮影システムおよび方法 | |
Segars et al. | Extension of the 4D NCAT phantom to dynamic x-ray CT simulation | |
US7602879B2 (en) | Method for increasing the resolution of a CT image during image reconstruction | |
CN109146987A (zh) | 一种基于gpu的快速锥束计算机断层成像重建方法 | |
Gregoriou et al. | Effect of truncated projections on defect detection in attenuation-compensated fanbeam cardiac SPECT | |
CN112652054B (zh) | 一种dr/ct数字物体构建方法和系统 | |
CN106706681A (zh) | 一种基于x射线源阵列成像的投影图像恢复方法 | |
CN106097411B (zh) | Ct机图像重建方法及高分辨ct扫描机 | |
JP4571622B2 (ja) | 周期的運動をする対象のコンピュータ断層撮影法 | |
He et al. | CTSim: a numerical simulator of computed tomography for high-quality radiological education | |
US20140049542A1 (en) | Layer Display of Volume Data | |
CN103239256A (zh) | 人体骨关节虚拟x线成像方法及系统 | |
Miao et al. | Implementation of FDK reconstruction algorithm in cone-beam CT based on the 3D Shepp-Logan Model | |
CN106651985A (zh) | Ct图像的重建方法和装置 |
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 |