CN108618797A - 光谱ct图像数据的对比度增强再现 - Google Patents
光谱ct图像数据的对比度增强再现 Download PDFInfo
- Publication number
- CN108618797A CN108618797A CN201810235569.4A CN201810235569A CN108618797A CN 108618797 A CN108618797 A CN 108618797A CN 201810235569 A CN201810235569 A CN 201810235569A CN 108618797 A CN108618797 A CN 108618797A
- Authority
- CN
- China
- Prior art keywords
- image data
- data set
- multispectral image
- contrast
- examined
- 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
- 230000003595 spectral effect Effects 0.000 title abstract description 10
- 230000002708 enhancing effect Effects 0.000 title abstract description 3
- 238000000034 method Methods 0.000 claims abstract description 70
- 238000002591 computed tomography Methods 0.000 claims abstract description 15
- 238000007689 inspection Methods 0.000 claims abstract description 12
- 238000013170 computed tomography imaging Methods 0.000 claims abstract description 9
- 238000005259 measurement Methods 0.000 claims description 20
- 238000004590 computer program Methods 0.000 claims description 15
- 230000003902 lesion Effects 0.000 claims description 14
- 238000001514 detection method Methods 0.000 claims description 10
- 238000012549 training Methods 0.000 claims description 5
- 238000012937 correction Methods 0.000 claims description 2
- 230000009466 transformation Effects 0.000 claims description 2
- 238000003384 imaging method Methods 0.000 description 10
- ZCYVEMRRCGMTRW-UHFFFAOYSA-N 7553-56-2 Chemical compound [I] ZCYVEMRRCGMTRW-UHFFFAOYSA-N 0.000 description 7
- 229910052740 iodine Inorganic materials 0.000 description 7
- 239000011630 iodine Substances 0.000 description 7
- 230000008569 process Effects 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 238000012986 modification Methods 0.000 description 5
- 230000005855 radiation Effects 0.000 description 5
- 238000010521 absorption reaction Methods 0.000 description 4
- 210000004204 blood vessel Anatomy 0.000 description 4
- 238000001228 spectrum Methods 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000003325 tomography Methods 0.000 description 3
- 238000012800 visualization Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 239000002872 contrast media Substances 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 230000001419 dependent effect Effects 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000000691 measurement method Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 210000000056 organ Anatomy 0.000 description 2
- 241001269238 Data Species 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 210000003484 anatomy Anatomy 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 210000000988 bone and bone Anatomy 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000001839 endoscopy Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000008676 import Effects 0.000 description 1
- 239000000193 iodinated contrast media Substances 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 210000004400 mucous membrane Anatomy 0.000 description 1
- 238000004393 prognosis Methods 0.000 description 1
- 230000002285 radioactive effect Effects 0.000 description 1
- 238000010187 selection method Methods 0.000 description 1
- 238000004611 spectroscopical analysis Methods 0.000 description 1
- 238000010186 staining Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
- A61B6/03—Computed tomography [CT]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/90—Dynamic range modification of images or parts thereof
- G06T5/92—Dynamic range modification of images or parts thereof based on global image properties
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
-
- 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
- A61B6/42—Arrangements for detecting radiation specially adapted for radiation diagnosis
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/48—Diagnostic techniques
- A61B6/481—Diagnostic techniques involving the use of contrast agents
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/48—Diagnostic techniques
- A61B6/482—Diagnostic techniques involving multiple energy imaging
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/52—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
- A61B6/5211—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data
- A61B6/5217—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data extracting a diagnostic or physiological parameter from medical diagnostic data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/90—Dynamic range modification of images or parts thereof
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
-
- 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
- G06T2207/20081—Training; Learning
-
- 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
- G06T2207/20172—Image enhancement details
- G06T2207/20208—High dynamic range [HDR] image processing
-
- 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
- G06T2207/30096—Tumor; Lesion
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Medical Informatics (AREA)
- Physics & Mathematics (AREA)
- Radiology & Medical Imaging (AREA)
- General Health & Medical Sciences (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Theoretical Computer Science (AREA)
- Heart & Thoracic Surgery (AREA)
- Veterinary Medicine (AREA)
- Biomedical Technology (AREA)
- Optics & Photonics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- High Energy & Nuclear Physics (AREA)
- Public Health (AREA)
- Pathology (AREA)
- Biophysics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physiology (AREA)
- Pulmonology (AREA)
- Quality & Reliability (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
本公开涉及光谱CT图像数据的对比度增强再现。描述了一种用于设置多能量CT图像表示的对比度的方法。在方法中,接收患者(O)的检查区域的多个多光谱图像数据集(BD)。此外,基于多光谱图像数据集(BD)实现要被检查的结构(ST)的自动识别,并且不同加权的多光谱图像数据集(BD)的自动组合被实现,使得与统一加权相比,要被检查的结构(ST)与其环境之间的对比度得到改善。此外,描述了多能量CT成像方法。还描述了图像设置设备(30)。此外,描述了计算机断层摄影系统(1)。
Description
技术领域
本发明涉及一种用于设置多能量CT图像表示的对比度的方法。本发明还涉及一种多能量CT成像方法。本发明还涉及一种设置设备。此外,本发明涉及一种计算机断层摄影系统。
背景技术
现有的成像技术常常被用来帮助生成二维图像数据或三维图像数据,二维图像数据或三维图像数据可以用于可视化所成像的检查对象,除此之外也可以用于其他应用。
成像技术通常基于对X射线辐射的检测,在该过程期间,主要数据得以生成,主要数据被称为投影测量数据。例如,可以借助于计算机断层摄影系统(CT系统)来获取投影测量数据。在CT系统中,布置在台架上的X射线源和相对布置的X射线检测器的组合通常围绕测量室旋转,检查对象(在下文中被称为患者而不丧失普遍性)位于该测量室中。在该布置中,旋转中心(也称为“等中心点”)与一个轴线重合,该轴线被称为系统轴线z。在一次或多次旋转的过程中,利用来自X射线源的X射线辐射对患者进行照射,借助相对布置的X射线探测器来捕获投影测量数据或X射线投影数据。
特别地,所生成的投影测量数据取决于X射线探测器的设计。典型地,X射线探测器包括多个检测单元,这些检测单元在大多数情况下以常规像素阵列的形式被布置。每个检测单元生成入射到相应检测单元上的X射线辐射的检测信号,在特定时刻在X射线辐射的强度和光谱分布方面分析所述检测信号,以便得出关于检查对象的推论,并生成投影测量数据。
测量的强度对应于被称为衰减值的量,其用所谓的Hounsfield单位(缩写为HU)表示。衰减值的数值等值在正向范围内位于-1000到几千之间。在CT成像中,给所述HU值分配灰度值。由于人类不能区分如此大量的灰度,所以引入了被称为“窗口化”的技术,其中HU尺度的一个可选部分被线性地映射到从白色到黑色的灰度。用户可以自由设置特定的窗口化参数,窗口的中心和宽度以HU指定。然后将窗口内的所有HU值映射到可用的灰度级别,在该可用的灰度级别中人眼能够区分大约60个值。在这样的情况下,针对中心和宽度所选择的HU值适合于相应的检查区域和检查目的。例如,对HU值的选择取决于待检查的器官以及与其相关联的临床相关密度值。根据应用领域,这些临床上被设置为“窗口”的值之间存在相当大的差异。
CT成像的新形式是称为光谱CT成像的技术。由此,根据X射线能量来检测并分辨X射线束。由于不同能量的光子被不同材料不同地吸收,所以可以凭借这样的成像方法分离地检测不同的材料。一个这样的示例是血管中占据的造影剂的分布的可视化。假彩色还原(false color redition)正如被称呼的那样,被生成以用于这样的可视化。
给定四个或更多个分辨的光子能量,产生图像表示,其中根据能带的加权生成完全不同的图像。与窗口化相比,在各个能带的加权中存在的是多维问题,而不是灰度值转换中的线性的一维问题。因此,对于用户而言,设置对于他或她的目的而言理想的对比度是非常困难的或几乎不可能的。
在摄影成像中,存在对比度选择方法,其中借助于滤色片吸收有色光谱的某些部分,以突出光谱的其他部分中的对比度。例如,在黑白摄影中,使用黄滤色片来渲染云,使得天空看起来更暗,并且白色云更清晰地展现出来。但是,即使在人类视觉的三色系统的情况下,这样的对比度选择也只适用于少数应用。
在内窥镜检查中,借助被称为“窄带成像”的技术来实现成像。在
https://www.olympus.de/medical/de/medical_systems/applications/gastroenterology_1/narrow_band_imaging__nbi__in_gastroenterology/narrow_band_imaging__nbi_2.jsp中描述了这样的技术。这需要过滤掉某些能带,使得剩余的能量分量对于某些结构产生最大的对比度,血管对照粘膜。这样的方法在胃肠病学中效果良好,因为在所有情况下都需要相同的对比度。
然而,上述类型的“统一滤波器”不适用于放射学,这是因为在放射学中要被可视化的结构(例如病变)的可变性更大。
发明内容
因此,本发明的目的是公开一种方法和布置,用于基于多能量CT成像来设置加权图像的表示的合适对比度。
该目的通过根据权利要求1所述的用于设置多能量CT图像表示的对比度的方法、根据权利要求12所述的多能量CT成像方法、根据权利要求13所述的图像设置设备和根据权利要求14所述的计算机断层摄影系统来实现。
在本发明的用于设置多能量CT图像表示的对比度的方法中,接收患者的检查区域的多个多光谱图像数据集。多光谱图像数据集可以例如当前已经在成像方法的范围内被获取,并且由重建单元重建,并且随后借助于本发明的方法被进一步直接处理。备选地,多光谱图像数据集也可以源自数据库或数据存储器,在数据库或数据存储器中多光谱图像数据集已经被缓存了相当长的一段时间。然后以自动的方式基于多光谱图像数据集识别要被检查的结构。对于识别而言,要理解的是,结构的位置已经被确定,并且所述结构被分配给预定的类别。结构应该被理解为患者的检查区域中的一个子区域,该子区域与其环境不同。最后,自动地组合已被分配不同加权的多光谱图像数据集,使得与均匀加权相比,要被检查的结构与其环境之间的对比度得到改善。有利地,辨识要被检查的结构的能力得到改善,同时自动化程序加速并且简化了预处理和编辑过程。在多个光谱图像数据集的情况下,由于即使对于最少的四个光子能量的光谱分辨率而言也存在多种变化可能性,所以手动实现各个图像数据集的最佳加权变得耗力又耗时,并且实际上不可能实现。有利地,本发明的设置方法还允许快速地设置多能量CT图像表示的对比度,所述表示具有多个不同X射线能量谱。由于本发明的方法的执行是自动的,所以当没有专门人员可用于评估图像时也可以应用该方法。
在本发明的多能量CT成像方法中,获取检查区域的多个多光谱投影测量数据集。之后是基于多光谱投影测量数据集重建多个多光谱图像数据集。此外,使用本发明的用于设置多能量CT图像表示的对比度的方法,基于重建的多光谱图像数据集生成在对比度方面得到改善的图像表示。
本发明的图像设置设备具有输入接口,用于接收检查区域的多个多光谱图像数据集。本发明的图像设置设备还包括识别单元,实现基于多光谱图像数据集自动识别要被检查的结构。并且,本发明的图像设置设备的一部分组合单元,用于自动组合不同加权的多光谱图像数据集,使得与统一加权相比,要被检查的结构与其环境之间的对比度得到改善。
本发明的计算机断层摄影系统包括扫描单元,用于获取患者的检查区域的投影测量数据。本发明的X射线成像设备的一部分是控制设备,用于控制扫描单元并且用于基于所获取的投影测量数据生成图像数据。本发明的X射线成像设备还包括本发明的图像设置设备。
本发明的图像设置设备的大部分主要部件可以以软件部件的形式来实施。这特别地涉及识别单元和组合单元。然而,原则上,这些部件中的一些部件也可以以软件辅助硬件的形式实现,例如FPGA等,尤其是当需要特别快速的计算时。类似地,所需的接口可以被实施为软件接口,例如当仅仅是从其他软件部件导入数据的问题时。但是,所需的接口也可以被实现为由适当软件控制的基于硬件的接口。
大部分基于软件的实现具有的优点是:先前在现有技术中已经使用的计算机断层摄影系统也可以通过软件更新而被容易地升级,以便按照根据本发明的方式进行操作。在这方面,该目的还通过对应的计算机程序产品来实现,计算机程序产品具有计算机程序,计算机程序可以被直接加载到计算机断层摄影系统的存储器设备中,并且计算机程序产品具有程序段,以用于当在计算机断层摄影系统中执行计算机程序时,执行本发明的方法的所有步骤。
与计算机程序一样,这样的计算机程序产品在适当的情况下可以包括附加组成部分,诸如例如文档和/或附加部件,包括诸如例如硬件密钥(加密狗等)的硬件部件,以允许使用软件。
其上存储了能够被计算机单元读入并执行的计算机程序的程序段的计算机可读介质(例如存储棒、硬盘或其他可移动或永久安装的数据载体)可以被用于将计算机程序产品传送到这样的计算机断层摄影系统的存储器设备,和/或用于将计算机程序产品存储在计算机断层摄影系统上。为此目的,计算机单元可以具有例如一个或多个协作微处理器等。
从属权利要求和以下描述分别包含本发明的特别有利的实施例和变形。特别地,一个权利要求类别的权利要求还可以类似于不同权利要求类别的从属权利要求或者说明书的相关联部分,而被同时变形。此外,不同示例性实施例和权利要求的各种特征也可以在本发明的范围内被组合,以创建新的示例性实施例。
在本发明的用于设置多能量CT图像表示的对比度的方法的变型中,要被检查的结构包括病变。
如果与环境相比病变的对比度有所改善,则可以更容易地对病变进行分类,从而就其严重程度而言更容易达到预后。
备选地,结构还可以包括解剖结构,例如器官、血管结构或骨结构。
在本发明的用于设置多能量CT图像表示的对比度的方法的变型中,借助于基于机器学习的方法来识别要被检查的结构。例如可以借助于相对大量的注释图像数据集来训练这样的基于机器学习的方法,以便实现自动检测图像中的预定结构,例如病变。这样的训练阶段允许自动识别方法,以根据用于训练的数据库以灵活的方式指定与识别相关的特征。
因此,这样的方法的可应用性特别广泛,因为它不依赖于事先指定的严格规则或模型。
在本发明的用于设置多能量CT图像表示的对比度的方法中,优选地借助于基于计算机辅助检测的方法来识别要被检查的结构。这类方法有助于如下过程:在从计算机断层摄影扫描获得的图像数据中搜索典型模式。
在本发明的用于设置多能量CT图像表示的对比度的方法的一个特别有利的实施例中,基于学习系统确定多光谱图像数据集的组合的不同加权,该学习系统是借助于用户进行的校正而被训练的。在这样的情况下所应用的学习过程也被称为“深度学习”或“机器学习”。有利地,通过训练过程事先获得的对比度设置可以被定制化,以适合用户的个人需求和偏好。
在本发明的用于设置多能量CT图像表示的对比度的方法的优选变型的范围内,使用基于规则的方法来确定多光谱图像数据集的组合的不同加权。被理解为基于规则的加权的方法是如下方法:其至少部分地基于预先指定的模型。有利地,这样系统可以被快速部署,因为它基于固定的规则,并且不必首先被训练。
在本发明的用于设置多能量CT图像表示的对比度的方法的另一变型中,对多光谱图像数据集的不同加权组合包括对多光谱图像数据集的加权相加。例如,通过在成像之前进行注射,病变可能已经被碘染色。在这样的情况下,如果尽可能接近碘的K吸收边缘(即在大约为33kev的能量处)的光谱数据部分比其他光谱分量被更重地加权以进行相加,则可以增强所述病变的对比度。
在本发明的用于设置多能量CT图像表示的对比度的方法的特定变型中,对多光谱图像数据集的不同加权组合包括对多光谱图像数据集的加权相减。减法可能是有用的,例如用于从图像中去移除或至少减少背景结构。例如,如果希望仅可视化碘对比图像表示中的碘分布,则可以通过不同光谱分量的相减来消除背景区域。
在本发明的用于设置多能量CT图像表示的对比度的方法的一个实施例中,对多光谱图像数据集的加权组合包括非线性变换。这样的一个示例是,图像数据集的要被使用的数据仅仅是与信号强度超过定义的阈值的体素相关联的数据。另一示例存在于以下情况中:第一图像数据集中的、信号强度超过定义的阈值的所有体素只从第二图像数据集获得其对比度,并且强度低所述阈值的所有体素都从第三图像数据集接收其对比度。
在本发明的用于设置多能量CT图像表示的对比度的方法的一个实施例中,不同加权的多光谱图像数据集被组合,使得要被检查的结构与其环境之间的对比度被优化。在该变型中,通过多光谱图像数据集的组合有利地实现最佳的可能对比度结果。为此,例如可以应用自动优化方法,其借助数学算法确定具有最佳对比度(例如要被检查的结构与其环境之间的最大可实现对比度)的图像表示。
在本发明的用于设置多能量CT图像表示的对比度的方法的变型中,多光谱图像数据集附加地与计算的图像数据组合。计算的图像数据的示例是所谓的碘图,其中针对每个体素的含碘造影剂的含量被确定,并以假彩色被表示。另一示例是FFR计算(FFR=流量储备分数),其中通过流动模拟来计算血管的流动阻力,并且同样以假彩色还原来表示。以这种方式,附加信息可以有利地被显示在单个图像表示中,从而便于评估以达到诊断。
附图说明
下文借助示例性实施例并参考附图再次更详细地解释本发明,在附图中:
图1示出的流程图图示了根据本发明的示例性实施例的用于设置多能量CT图像表示的对比度的方法,
图2示出了根据本发明的示例性实施例的图像设置设备的示意图,
图3示出了根据本发明的示例性实施例的计算机断层摄影系统的示意图。
具体实施方式
图1示出的流程图100图示了根据本发明的示例性实施例的用于设置多能量CT图像表示的对比度的方法。首先,在步骤1.I处,获取患者的检查区域的多个多光谱投影测量数据集PMD。接下来,在步骤1.II处,基于多光谱投影测量数据集PMD重建多个多光谱图像数据集BD。在步骤1.III处,基于多光谱图像数据集BD以自动的方式识别要被检查的病变L。可以借助于识别步骤来实现识别,识别步骤已经借助于机器学习过程而被训练,以通过自动化手段检测异常,在这种情况下为病变L。在步骤1.IV处,然后对多光谱图像数据集进行加权,使得与统一加权相比,病变L与其环境之间的对比度增加。例如,这样的病变L可以含有作为造影剂的碘。在这样的情况下,如果与碘的K吸收边缘尽可能接近的光谱分量被加权得更重,则对比度会提高。该加权可以是基于规则的,但也可以通过学习系统来完成,学习系统借助于用户反馈被持续训练。在步骤1.IV处,因此生成组合的图像数据集KBD,该图像数据集KBD在病变L与其环境之间呈现优化的对比度。
图2示出了根据本发明的示例性实施例的图像设置设备30的示意图。图像设置设备30包括输入接口31,用于接收检查区域的多个多光谱图像数据集BD。图像数据BD从输入接口31被传送到识别单元32,识别单元32被配置为基于多光谱图像数据集BD来识别要被检查的结构ST,例如病变L。在识别出的结构ST已经被标记之后,图像数据BD被转发到组合单元33。组合单元33被配置为执行对多光谱图像数据集BD的加权组合,使得与与统一加权相比,要被检查的结构ST与其环境之间的对比度得到改善。
图3示出了计算机断层摄影系统1,其包括图2中详细示出的图像设置设备30。在这样的情况下,CT系统1基本上包括常规扫描单元10,在扫描单元10中,投影数据获取单元5围绕测量室12旋转,投影数据获取单元5被安装在台架11上,并且包括量子计数检测器16以及X射线源15,X射线源与量子计数检测器16相对设置。量子计数检测器具有根据X射线量子的能量分辨所捕获的X射线束的能力。通过这样的量子计数检测器,可以同时测量X射线辐射的不同光谱分量的吸收,并且根据X射线能量来分辨所述吸收。位于扫描单元10前面的是患者支撑设备3或患者台3,患者支撑设备3或患者台3的上部2可以与其上定位的患者O一起被操纵朝向扫描单元10,以便使患者O相对于检测器系统16移动通过测量室12。通过控制设备20来控制扫描单元10和患者台3,从控制设备20经由常规的控制接口24发送获取控制信号AS,以便以传统的方式根据预定的测量协议来控制整个系统。在螺旋获取的情况下,患者O沿z方向(其对应于纵向穿过测量室12的系统轴线z)的移动以及X射线源15的同时旋转,导致在测量期间产生X射线源15相对于患者O的螺旋形轨迹。并行地,检测器16也持续地与X射线源15相对地共同旋转,以便获取投影测量数据PMD,然后该投影测量数据PMD用于重建体积和/或切片图像数据。类似地,也可以执行顺序测量方法,在顺序测量方法中,接近z方向上的固定位置,然后在一个旋转、部分旋转或几个旋转期间在相关的z位置处获取所需的投影测量数据PMD,以便重建所述z位置处的切片图像,或以便根据多个z位置的投影测量数据PMD重建图像数据BD。本发明的方法基本上也适用于在其他CT系统上使用,例如,具有多个X射线源和/或检测器和/或具有形成完整环的一个检测器的系统。例如,本发明的方法也可以应用于具有固定式患者台和在z方向上移动的台架(也称为滑动台架)的系统。
由检测器16获取的投影测量数据PMD(在下文中也被称为原始数据)经由原始数据接口23被传送到控制设备20。在合适的适当的预处理(例如,滤波和/或束硬化校正)之后,然后在图像重建设备25中进一步处理所述原始数据PMD,在本示例性实施例中图像重建设备25以软件形式被实现在控制设备20中的处理器上。所述图像重建设备25借助于重建方法基于原始数据PMD来重建图像数据BD。例如,基于滤波反投影的重建方法可以用作重建方法。
如图2中详细示出的,重建的图像数据BD随后被传送到图像设置设备30。基于重建的图像数据BD,图像设置设备30生成组合的图像数据KBD,组合的图像数据KBD以结合图1和图2描述的方式被加权。
由图像设置设备30生成的组合的图像数据KBD然后被存储在控制设备20的存储器22中和/或以常规方式被输出到控制设备20的屏幕上。所述数据还可以经由接口(未在图3中示出)被馈送到与计算机断层摄影系统1连接的网络(例如放射性信息系统(RIS))中,并且被存储在网络处可访问的大容量存储设备中,或者在网络处所连接的打印机拍摄站上被输出为图像。因此可以以任何期望的方式进一步处理数据,并且然后对其进行存储或输出。
图像设置设备30的大部分部件或全部部件可以以软件元素的形式被实现在合适的处理器上。特别地,这些部件之间的接口也可以专门以软件来实现。所需要的是提供访问合适存储区的手段,在该合适存储区中数据可以被适当地缓存,并可以随时被检索和更新。
总之,再一次指出,前面描述的方法和设备仅仅是本发明的优选示例性实施例,并且本领域技术人员可以改变本发明而不脱离由权利要求所限定的本发明的范围。为了完整起见,还指出量词“一”或“一个”的使用不排除所讨论的特征也可能出现一次以上的可能性。类似地,术语“单元”不排除其由多个部件组成的可能性,这些部件在必要时也可以分布在空间中。
Claims (16)
1.一种用于设置一个多能量CT图像表示的对比度的方法,包括以下多个步骤:
-接收一个患者(O)的一个检查区域的多个多光谱图像数据集(BD),
-基于所述多个多光谱图像数据集(BD),自动识别要被检查的一个结构(ST),
-自动组合被不同加权的所述多个多光谱图像数据集(BD),使得与统一加权相比,要被检查的所述结构(ST)与所述结构(ST)的环境之间的所述对比度被改善。
2.根据权利要求1所述的方法,其中要被检查的所述结构(ST)包括一个病变(L)。
3.根据权利要求1或2所述的方法,其中要被检查的所述结构(ST)借助于一种基于机器学习的方法而被识别。
4.根据前述权利要求中任一项所述的方法,其中要被检查的所述结构(ST)借助一种基于计算机辅助检测的方法而被识别。
5.根据前述权利要求中任一项所述的方法,其中多个多光谱图像数据集(BD)的所述组合的所述不同加权基于一个学习系统而被确定,所述学习系统借助于用户的多个校正而被训练。
6.根据权利要求1至4中任一项所述的方法,其中多个多光谱图像数据集(BD)的所述组合的所述不同加权使用一种基于规则的方法而被确定。
7.根据前述权利要求中任一项所述的方法,其中对所述多个多光谱图像数据集(BD)的所述不同加权组合包括对所述多个多光谱图像数据集(BD)的加权相加。
8.根据前述权利要求中任一项所述的方法,其中对所述多个多光谱图像数据集(BD)的所述不同加权组合包括对所述多个多光谱图像数据集(BD)的加权相减。
9.根据前述权利要求中任一项所述的方法,其中对所述多个多光谱图像数据集(BD)的所述加权组合包括一个非线性变换。
10.根据前述权利要求中任一项所述的方法,其中对所述多个多光谱图像数据集(BD)的所述不同加权组合被完成,使得要被检查的所述结构(ST)与所述结构(ST)的环境之间的所述对比度被优化。
11.根据前述权利要求中任一项所述的方法,其中所述多个多光谱图像数据集(BD)附加地与所计算的图像数据(BD)组合。
12.一种多能量CT成像方法,包括以下多个步骤:
-获取一个患者(O)的一个检查区域的多个多光谱投影测量数据集(PMD),
-基于所述多个多光谱投影测量数据集(PMD)来重建多个多光谱图像数据集(BD),
-使用根据权利要求1至11中任一项所述的方法,基于所重建的所述多光谱图像数据集(BD)来生成一个图像表示(KBD),所述图像表示(KBD)在对比度方面被改善。
13.一种图像设置设备(30),包括:
-一个输入接口(31),用于接收一个接收患者(O)的一个检查区域的多个多光谱图像数据集(BD),
-一个识别单元(32),实现基于所述多个多光谱图像数据集(BD)来自动识别要被检查的一个结构(ST),
-一个组合单元(33),实现自动组合被不同加权的所述多个多光谱图像数据集(BD),使得与统一加权相比,要被检查的所述结构(ST)与所述结构(ST)的环境之间的对比度被改善。
14.一种计算机断层摄影系统(1),包括:
-一个扫描单元(10),用于获取一个患者(P)的一个检查区域的投影测量数据(PMD),
-一个控制设备(20),用于控制所述扫描单元(10)并且用于基于所获取的所述投影测量数据(PMD)来生成图像数据(BD),-根据权利要求13所述的一个图像设置设备(30)。
15.一种计算机程序产品,所述计算机程序产品具有一个计算机程序,所述计算机程序能够被直接加载到一个计算机断层摄影系统(1)的一个存储器单元中,并且所述计算机程序产品具有多个程序段,用于当所述计算机程序在所述计算机断层摄影系统(1)中被执行时,执行根据权利要求1至12中任一项所述的方法的所有步骤。
16.一种计算机可读介质,在所述计算机可读介质上存储有多个程序段,所述多个程序区段可由一个计算机单元执行,以便当所述多个程序段由所述计算机单元执行时执行根据权利要求1至12中任一项所述的方法的所有步骤。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
EP17162007.3 | 2017-03-21 | ||
EP17162007.3A EP3379487B1 (de) | 2017-03-21 | 2017-03-21 | Kontrastverstärkte wiedergabe von spektralen ct-bilddaten |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108618797A true CN108618797A (zh) | 2018-10-09 |
CN108618797B CN108618797B (zh) | 2022-08-09 |
Family
ID=58448332
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810235569.4A Active CN108618797B (zh) | 2017-03-21 | 2018-03-21 | 用于设置多能量ct图像表示的对比度的方法和相关设备 |
Country Status (3)
Country | Link |
---|---|
US (1) | US10699392B2 (zh) |
EP (1) | EP3379487B1 (zh) |
CN (1) | CN108618797B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102019202878B4 (de) * | 2019-03-04 | 2022-11-03 | Siemens Healthcare Gmbh | Verfahren zur Rauschreduzierung in Computertomographiedaten, Röntgeneinrichtung, Computerprogramm und elektronisch lesbarer Datenträger |
JP7185596B2 (ja) * | 2019-06-11 | 2022-12-07 | キヤノン株式会社 | 画像処理装置および画像処理方法、プログラム |
WO2022268618A1 (en) * | 2021-06-24 | 2022-12-29 | Koninklijke Philips N.V. | Multi-energy x-ray imaging with anatomical intelligence |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060109949A1 (en) * | 2004-11-24 | 2006-05-25 | Tkaczyk J E | System and method for acquisition and reconstruction of contrast-enhanced, artifact-reduced ct images |
CN1880949A (zh) * | 2005-06-14 | 2006-12-20 | 西门子公司 | 计算吸收物质加权系数和改善图像对比度-噪声比的方法 |
US20090257549A1 (en) * | 2008-04-10 | 2009-10-15 | Bjorn Heismann | Method for preparing reconstructed CT image data records and CT system |
US20120301002A1 (en) * | 2011-05-24 | 2012-11-29 | Siemens Aktiengesellschaft | Method and computed tomography system for generating tomographic image datasets |
CN104380066A (zh) * | 2013-03-19 | 2015-02-25 | 皇家飞利浦有限公司 | 用于在可见光中高光谱成像的系统,用于记录高光谱图像并且在可见光中显示高光谱图像的方法 |
CN105640577A (zh) * | 2015-12-16 | 2016-06-08 | 深圳市智影医疗科技有限公司 | 一种自动检测放射影像中局部性病变的方法和系统 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102004004295A1 (de) * | 2004-01-28 | 2005-08-25 | Siemens Ag | Verfahren zur Bilddatenaufnahme und -auswertung mit einem Tomographiegerät |
US7724865B2 (en) * | 2007-08-22 | 2010-05-25 | General Electric Company | System and method of optimizing a monochromatic representation of basis material decomposed CT images |
WO2013058841A1 (en) * | 2011-10-21 | 2013-04-25 | Accuray, Inc. | Apparatus for generating multi-energy x-ray images and methods of using the same |
DE102015212953A1 (de) * | 2015-07-10 | 2017-01-12 | Siemens Healthcare Gmbh | Künstliche neuronale Netze zur Klassifizierung von medizinischen Bilddatensätzen |
-
2017
- 2017-03-21 EP EP17162007.3A patent/EP3379487B1/de active Active
-
2018
- 2018-03-19 US US15/924,470 patent/US10699392B2/en active Active
- 2018-03-21 CN CN201810235569.4A patent/CN108618797B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060109949A1 (en) * | 2004-11-24 | 2006-05-25 | Tkaczyk J E | System and method for acquisition and reconstruction of contrast-enhanced, artifact-reduced ct images |
CN1880949A (zh) * | 2005-06-14 | 2006-12-20 | 西门子公司 | 计算吸收物质加权系数和改善图像对比度-噪声比的方法 |
US20090257549A1 (en) * | 2008-04-10 | 2009-10-15 | Bjorn Heismann | Method for preparing reconstructed CT image data records and CT system |
US20120301002A1 (en) * | 2011-05-24 | 2012-11-29 | Siemens Aktiengesellschaft | Method and computed tomography system for generating tomographic image datasets |
CN104380066A (zh) * | 2013-03-19 | 2015-02-25 | 皇家飞利浦有限公司 | 用于在可见光中高光谱成像的系统,用于记录高光谱图像并且在可见光中显示高光谱图像的方法 |
CN105640577A (zh) * | 2015-12-16 | 2016-06-08 | 深圳市智影医疗科技有限公司 | 一种自动检测放射影像中局部性病变的方法和系统 |
Non-Patent Citations (4)
Title |
---|
B. J. HEISMANN等: "Density and atomic number measurements with spectral x-ray attenuation method", 《JOURNAL OF APPLIED PHYSICS》, vol. 94, no. 3, 1 August 2003 (2003-08-01), pages 2073 - 2079, XP012059916, DOI: 10.1063/1.1586963 * |
RAJBHANDARY等: ""Conventional" CT images from spectral measurements", 《MEDICAL IMAGING 2016: PHYSICS OF MEDICAL IMAGING》, vol. 9783, 31 December 2016 (2016-12-31), pages 1 - 8 * |
TALY GILAT SCHMIDT等: "Optimal "image-based" weighting for energy-resolved CT", 《MEDICAL PHYSICS,》, vol. 36, no. 7, 31 July 2009 (2009-07-31), pages 3018 - 3027, XP012130093, DOI: 10.1118/1.3148535 * |
章新友等: "《医学图形图像处理》", 30 April 2015, 北京:中国中医药出版社, pages: 305 - 306 * |
Also Published As
Publication number | Publication date |
---|---|
US10699392B2 (en) | 2020-06-30 |
EP3379487B1 (de) | 2023-10-04 |
US20180276802A1 (en) | 2018-09-27 |
EP3379487C0 (de) | 2023-10-04 |
EP3379487A1 (de) | 2018-09-26 |
CN108618797B (zh) | 2022-08-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112204620B (zh) | 使用生成式对抗网络的图像增强 | |
JP7245364B2 (ja) | 変形可能な層を有するCycleGANを用いたsCT画像生成 | |
CN110337673A (zh) | 基于深度学习的对在断层摄影重建中使用的数据的估计 | |
US11589834B2 (en) | Deep neural network for CT metal artifact reduction | |
EP3324846B1 (en) | Computed tomography visualization adjustment | |
JP6296942B2 (ja) | Ct画像評価装置及びct画像評価方法 | |
US9254110B2 (en) | Automatically obtaining optimized output data | |
US20180368781A1 (en) | System and method for characterizing anatomical features | |
CN110944586A (zh) | 来自x射线图像数据的炎症估计 | |
CN111462112A (zh) | 一种判断图像质量的方法和系统 | |
CN108618797A (zh) | 光谱ct图像数据的对比度增强再现 | |
US11039807B2 (en) | System and method for dark-field-imaging | |
DE102016215105A1 (de) | Verfahren und Datenverarbeitungseinheit zum Ermitteln eines Akquisitionsdatenverarbeitungsalgorithmus | |
CN109727660A (zh) | 在医学成像中针对血液动力学量化的不确定性或敏感性的机器学习预测 | |
KR101587720B1 (ko) | 의료 영상의 분산 이미지 노이즈를 활용한 골밀도 진단 장치 및 이의 골밀도 진단 정보 제공 방법 | |
CN115428025A (zh) | 用于生成对象的增强图像的装置 | |
US20190076027A1 (en) | Processing apparatus and processing method concerning medical images | |
EP4104767A1 (en) | Controlling an alert signal for spectral computed tomography imaging | |
US20240090862A1 (en) | An x-ray imaging system and method | |
Völgyes | Image quality in forensic CT imaging | |
US12002204B2 (en) | Patient anatomy and task specific automatic exposure control in computed tomography | |
US20230080631A1 (en) | Patient anatomy and task specific automatic exposure control in computed tomography | |
US20240087751A1 (en) | Systems and methods for organ shape analysis for disease diagnosis and risk assessment | |
Ding et al. | Medical Image Quality Assessment | |
CA2534701A1 (en) | High energy soft tissue imaging using diffraction enhanced imaging |
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 |