CN108780573A - 图像重建 - Google Patents
图像重建 Download PDFInfo
- Publication number
- CN108780573A CN108780573A CN201780017913.6A CN201780017913A CN108780573A CN 108780573 A CN108780573 A CN 108780573A CN 201780017913 A CN201780017913 A CN 201780017913A CN 108780573 A CN108780573 A CN 108780573A
- Authority
- CN
- China
- Prior art keywords
- image data
- noise
- noise reduction
- round
- data
- 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
- 230000009467 reduction Effects 0.000 claims abstract description 56
- 238000002591 computed tomography Methods 0.000 claims abstract description 43
- 238000000034 method Methods 0.000 claims abstract description 29
- 230000009977 dual effect Effects 0.000 claims description 9
- 238000001228 spectrum Methods 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 4
- 230000003595 spectral effect Effects 0.000 claims description 4
- 238000003325 tomography Methods 0.000 claims description 2
- 241001269238 Data Species 0.000 abstract description 13
- 230000008569 process Effects 0.000 description 7
- 230000008901 benefit Effects 0.000 description 5
- 238000003384 imaging method Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 238000013139 quantization Methods 0.000 description 4
- 238000010191 image analysis Methods 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000013170 computed tomography imaging Methods 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 238000003706 image smoothing Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 210000000056 organ Anatomy 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- 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
-
- 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
-
- 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
- G06T2207/20212—Image combination
- G06T2207/20224—Image subtraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2211/00—Image generation
- G06T2211/40—Computed tomography
- G06T2211/408—Dual energy
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
在一种用于重建计算机断层摄影图像数据的方法和系统中，其中，CT图像数据被降噪。然后模拟噪声被添加，接着是另一降噪步骤以估计偏差。然后，所估计的偏差信息被用于校正原始经降噪的图像数据以得到第二轮图像数据。
Description
技术领域
本发明大体涉及用于重建计算机断层摄影图像数据的方法、系统和计算机程序产品。
背景技术
计算机断层摄影(CT)中的噪声降低是重建算法中的重要部分。对于谱和双能计算机断层摄影(CT)而言，这甚至更重要，因为反相关噪声起过度作用，与单能CT成像相比，降低了信噪比。
CT数据的图像处理包括若干非线性处理步骤，其中，过度噪声导致最终图像中的不期望的偏差。双能和谱CT特别适合于获得定量信息，但是偏差可以导致在不太可靠的定量信息中出现的不准确性，尤其是在偏差较大的情况下。由于偏差会随着噪声水平而增大，所以各种降噪算法在各种处理步骤中被应用，例如，在谱分解之前，在投影域中和图像域中的分解之后。尽管为了使最终图像中的残余偏差最小化，已经在对这些降噪算法进行优化和调谐中取得了相当大的进步，但是尚未实现充分地减小偏差。
发明内容
本发明旨在解决以上提到的缺陷等等。
根据本发明的实施例涉及一种用于重建计算机断层摄影图像数据的方法，其包括以下步骤：获得包括初始噪声数据的计算机断层摄影图像数据；对所述计算机断层摄影图像数据进行第一轮降噪以生成第一轮图像数据；将人工噪声数据添加到所述第一轮图像数据以生成模拟图像数据，其中，噪声分布与所述初始噪声数据匹配；对所述模拟图像数据进行第二轮降噪以生成经降噪的模拟图像数据；确定所述经降噪的模拟图像数据的偏差信息；基于所述经降噪的模拟图像数据的所确定的偏差信息来估计所述第一轮图像数据的偏差信息；基于所述第一轮图像数据的所估计的偏差信息来校正所述第一轮图像数据以生成第二轮图像数据。该方法允许确定由于第一次降噪步骤而引起的偏差的更好的指示并且使用这种知识来提供更可靠的第二轮图像数据，并且因此提供用于图像的量化的更好的基础。
所述初始噪声数据优选地包括噪声相关参数，诸如局部噪声方差估计、噪声功率谱、相关系数、使用的滤波器、切片厚度、或它们的估计。这些参数可根据图像数据或扫描设置而容易地获得或导出。
所述经降噪的模拟图像数据的所述偏差信息优选是通过从所述第一轮图像数据减去所述经降噪的模拟图像数据来确定的。所述第一轮图像数据的所述偏差信息优选被估计为与所述经降噪的模拟图像数据的所述偏差信息相同。所述第一轮图像数据优选是通过从所述第一轮图像数据减去所述第一轮图像数据的所估计的偏差信息来校正的。这些步骤都不需要额外的计算或建模，同时仍然会得到准确的结果。
在优选实施例中，所述方法是基于通过将不同的模拟噪声数据添加到所述第一轮图像数据而生成的模拟噪声图像数据的集合的。这允许对图像数据进行平均或者识别并且可能丢弃可能存在于单个噪声数据中的具有明显错误的信息。
在优选实施例中，所述计算机断层摄影图像数据是多能计算机断层摄影图像数据，优选是双能或谱计算机断层摄影图像数据。由于多能图像数据具有较低的信噪比，所以本发明的优势是特别相关的。此外，多能成像的强大优势是根据图像数据来获得定量信息的潜力。减小偏差增大该定量信息的准确性和可靠性。
本发明的另外的实施例涉及：一种计算机程序产品，其用于当在计算机上运行时执行本发明的方法；一种用于重建计算机断层摄影图像数据的重建系统；以及一种计算机断层摄影系统，其包括这样的重建系统。
本领域普通技术人员在阅读并理解以下详细描述后将认识到本发明的更进一步的方面和实施例。许多额外的优势和益处将在本领域普通技术人员阅读优选实施例的以下详细描述后对本领域普通技术人员变得明显。
附图说明
本发明将通过以下附图来说明：
图1示出了根据本发明的重建过程的流程图。
图2示出了根据本发明的重建过程的示例性结果。
图3示出了图2的偏差图像的放大版本。
图4示出了本发明与现有技术方法的偏差比较。
本发明可以采取各种部件和部件的布置以及各种过程操作和过程操作的安排的形式。附图仅用于说明优选实施例的目的并且不应被理解为对本发明的限制。为了更好的可视化，某些特征可以被省略并且尺寸可以不是按比例的。
具体实施方式
本发明使用双能CT图像数据来说明，但是本发明同样与谱CT图像数据和其他多能CT图像数据相关。本发明也与其他类型的多能X射线成像相关。此外，本发明甚至有益于单能X射线成像，但是由于反相关噪声的问题比多能成像更少，所以其效果也没那么明显。
图1以流程图的形式说明了本发明，该流程图示出了在重建过程的步骤期间的中间结果。要求保护的重建过程由重建系统执行。优选地，用于执行过程的系统部件中的至少一个被实施在处理器中，更优选地，多于一个被实施在处理器中，并且最优选地，所有步骤被实施在处理器中或若干连接的处理器中。
诸如患者或患者体内的器官的感兴趣对象使用CT设备1进行医学扫描以生成CT图像数据10。CT设备包括可旋转机架2，其在扫描期间围绕检查区域6旋转。机架容纳辐射源4和探测器5，其优选地能够生成多能图像数据10，诸如双能源45和/或双能或谱探测器6。感兴趣对象通常被放置在支撑物3上，该支撑物在扫描期间被平移通过检查区域6以获得感兴趣对象的CT图像数据10的切片。在多能图像数据中，可以获得各种类型的图像信息。例如，在图1中，对于每个步骤，示出了通过双能CT图像采集获得的两幅图像，一幅表示光电效应的贡献，另一幅表示康普顿散射对总X射线衰减的贡献。本发明的过程被应用于两幅图像，具有有利的结果。
重建系统从CT设备1获得101双能CT图像数据10，并且将第一轮降噪算法应用102到CT图像数据10以获得第一轮图像数据11。在已知的重建系统中，该第一轮数据被用于生成视觉图像和期望属性的量化。然而，尽管降噪算法多年来已经有了很大改进，但是它们一直基于模型和假设，并且本质上从来不是完美的。这导致不仅去除了噪声，而且去除了信号，换句话说：经降噪的图像具有偏差。这会导致不准确性和伪影，其负面地影响图像质量和由此导出的任何量化，特别是在诸如多能CT或较旧或低端CT或其他X射线设备的具有低信噪比的图像数据中。为了对这一点进行改进，根据本发明执行进一步的处理步骤来克服降噪算法的这种固有缺点。
CT图像数据10包括具有关于CT图像数据10中的噪声的信息的初始噪声数据。噪声数据可以包括表征噪声的参数，诸如局部噪声方差估计、噪声功率谱、相关系数。这些参数可以已经通过关于X射线管电压和电流、在重建期间使用的滤波器、切片厚度等的知识而获得。通常，局部噪声方差估计可以通过标准误差传播方法或通过图像分析来获得。基于降噪方法的大部分图像需要这样的局部噪声估计作为输入。
在当前要求保护的重建方法的第一额外步骤中，将人工噪声数据添加103到第一轮图像数据11以获得模拟图像数据12。人工噪声数据的噪声特性类似于初始噪声数据的噪声特性，诸如类似标准偏差、相关性、空间变化或这些中的一些或全部的组合。优选地，噪声模拟具有与CT图像数据10上的实际噪声具有相同的噪声参数。当然，仅仅能够使用不同的噪声实现，因为CT图像数据10上的实际噪声是未知的。在预处理尚未引入过度的强烈的非线性平滑的情况下，实际噪声数据可以根据使用相同重建参数(例如，视场、重建滤波器、切片厚度等)对无对象扫描的重建来获得，其中图像值最终被重新缩放以与局部噪声估计。
在下一步骤中，模拟图像数据12接收第二轮降噪104以获得经降噪的模拟图像数据。相同的或者不同的降噪算法可以被使用在对CT图像10的第一轮降噪中。
接下来，确定105经降噪的模拟图像数据的偏差信息。作为优选的且相对简单直接的方式，通过从第一轮图像数据11减去经降噪的模拟图像数据13来确定所述偏差信息。经降噪的模拟图像的所确定的偏差本身遭受噪声。为了降低该噪声，偏差可以根据模拟噪声图像数据12的系综来计算，每个被处理以生成经降噪的模拟图像数据的系综104，并且经降噪的模拟图像数据的偏差信息的代表值可以例如通过取偏差的均值或者加权平均来确定。
经降噪的模拟图像数据的所确定的偏差信息然后被用作估计105第一轮图像数据11的偏差信息105的输入。在一个良好的近似中，第一轮图像数据11的偏差信息14被估计106为与经降噪的模拟图像数据13的偏差信息相同。如果已知经降噪的模拟图像数据13的偏差信息的区域被低估或高估，则这可以在估计106中被考虑。第一轮图像数据102的所估计105的偏差信息14可以通过使用降噪总是需要在噪声与分辨率之间进行权衡并且因此第一轮图像数据11通常比未知的“真实”图像更平滑的知识来改进。例如，由于降噪步骤104的地面真值已知为第一轮图像11，所以可以推导出“最佳匹配”高通滤波器是这样的：当被应用于经降噪的模拟图像数据13时，会得到这些图像与地面真值图像的改进的相似度。
在最后的步骤中，基于第一轮图像数据11的所估计的偏差信息14来校正第一轮图像数据11以生成第二轮图像数据15。实现这一步的最简单直接的方式是通过从第一轮图像数据11减去第一轮图像数据11的所估计的偏差信息14。由于所估计的偏差信息14提供对实际偏差的改进的指示，所以第二轮图像数据15被更好地降噪，并且因此更接近“真实”情形。因此，第二轮图像数据15提供了改进的输入以供医师进行图像分析或者进行进一步的处理步骤，例如生成定量图像。
图2、图3和图4示出了本发明的效果并且与现有技术降噪方法相比，其的确得到了改进的降噪结果。
图2a示出了模拟对象。图2b和图2c分别示出了以100亨氏单位(HU)的窗口示出的模拟对象的第一轮图像数据和第二轮图像数据的分散图像，第一轮图像比第二轮图像平滑得多。
图2d和图2e示出了同样也以100HU的窗口示出的第一轮图像数据和第二轮图像数据的各自的偏差图像，并且其被放大示出在图3a和图3b中。在图3a和图3B中也包括剩余偏差的若干测量结果，并且与第一轮图像相比，第二轮图像中的剩余偏差明显减少。此外，由箭头表示的高对比度销表明，与第一轮图像相比，第二轮图象中的平滑降低。
图4a示出了模拟对象的第一轮图像的偏差。图4b示出了具有额外的布雷格曼迭代的第一轮图像，这是现有技术降噪算法[Goldstein&Osher，“The Split Bregman MethodFor L1 Regularized Problems”，PROBLEMS，SIAM J.Imaging Sci.，2(2)，323–343，2009]。与第一轮图像相比，经布雷格曼处置的图像的确较不平滑，但是如图4c中能够看到的，本发明中使用的第二轮图像示出了明显更好的结果，因此也形成用于图像的量化的更好的输入。
尽管已经在附图和前面的描述中详细说明和描述了本发明，但是这样的说明和描述应当被认为是说明性或示范性的，而非限制性的；本发明不限于所公开的实施例。
本领域技术人员通过研究附图、说明书以及权利要求书，在实践请求保护的本发明时能够理解并实现对所公开的实施例的其他变型。在权利要求书中，“包括”一词不排除其他元件或步骤，并且词语“一”或“一个”不排除多个。单个处理器或其他单元可以实现在权利要求中记载的若干项的功能。尽管某些措施被记载在互不相同的从属权利要求中，但是这并不指示不能有利地使用这些措施的组合。计算机程序可以被存储和/或被分布在合适的介质上，例如，与其他硬件一起或作为其他硬件的部分提供的光学存储介质或固态介质，但是也可以以其他形式被分布，例如，经由互联网或其他有线或无线的电信系统被分布。权利要求中的任何附图标记都不应被解释为对范围的限制。
Claims (15)
1.一种用于重建计算机断层摄影图像数据的方法，包括以下步骤：
获得(101)包括初始噪声数据的计算机断层摄影图像数据(10)；
对所述计算机断层摄影图像数据(10)进行第一轮降噪(102)以生成第一轮图像数据(11)；
将人工噪声数据添加(102)到所述第一轮图像数据(11)以生成模拟图像数据(12)，其中，噪声分布与所述初始噪声数据匹配；
对所述模拟图像数据(12)进行第二轮降噪(103)以生成经降噪的模拟图像数据(13)；
确定(105)所述经降噪的模拟图像数据的偏差信息；
基于所述经降噪的模拟图像数据(13)的所确定的偏差信息来估计(106)所述第一轮图像数据(11)的偏差信息(14)；
基于所述第一轮图像数据(11)的所估计的偏差信息(14)来校正(107)所述第一轮图像数据(11)以生成第二轮图像数据(15)。
2.根据权利要求1所述的方法，其中，所述初始噪声数据包括噪声相关参数，诸如局部噪声方差估计、噪声功率谱、相关系数、使用的滤波器、切片厚度、或它们的估计。
3.根据权利要求1或2所述的方法，其中，所述经降噪的模拟图像数据(104)的所述偏差信息是通过从所述第一轮图像数据减去所述经降噪的模拟图像数据来确定(105)的。
4.根据前述权利要求中的任一项所述的方法，其中，所述第一轮图像数据(11)的所述偏差信息(14)被估计(106)为与所述经降噪的模拟图像数据(13)的所述偏差信息相同。
5.根据前述权利要求中的任一项所述的方法，其中，所述第一轮图像数据(11)是通过从所述第一轮图像数据(11)减去所述第一轮图像数据(11)的所估计的偏差信息(14)来校正(107)的。
6.根据前述权利要求中的任一项所述的方法，其中，
通过将不同的模拟噪声数据添加到所述第一轮图像数据来生成模拟噪声图像数据的集合；
对所述模拟噪声图像数据的集合进行第二轮降噪以生成经降噪的模拟图像数据的集合；并且
基于所述经降噪的模拟图像数据的集合来估计所述第一轮图像数据的偏差信息。
7.根据前述权利要求中的任一项所述的方法，其中，所述计算机断层摄影图像数据(10)是多能计算机断层摄影图像数据，优选是双能或谱计算机断层摄影图像数据。
8.一种用于重建包括初始噪声数据的计算机断层摄影图像数据(10)的重建系统，包括以下部件：
第一降噪器，其被配置为对所述计算机断层摄影图像数据进行降噪以生成第一轮图像数据(11)；
模拟器，其被配置为将人工噪声数据添加到所述第一轮图像数据(11)以生成模拟图像数据(12)，其中，噪声分布与所述初始噪声数据匹配；
第二降噪器，其被配置为对所述模拟图像数据(12)进行降噪以生成经降噪的模拟图像数据(13)；
偏差信息确定器，其被配置为确定所述经降噪的模拟图像数据的偏差；
偏差信息估计器，其被配置为基于所述经降噪的模拟图像数据的所确定的偏差信息来估计所述第一轮图像数据(11)的偏差(14)；
校正器，其被配置为基于所述第一轮图像数据(11)的所估计的偏差信息(14)来校正所述第一轮图像数据(10)以生成第二轮图像数据(15)。
9.根据权利要求8所述的系统，其中，所述初始噪声数据包括噪声相关参数，诸如局部噪声方差估计、噪声功率谱、相关系数、使用的滤波器、切片厚度、或它们的估计。
10.根据权利要求8或9所述的系统，其中，所述经降噪的模拟图像数据的所述偏差信息是通过从所述第一轮图像数据减去所述经降噪的模拟图像数据来确定的。
11.根据权利要求8至10中的任一项所述的系统，其中，所述第一轮图像数据(11)是通过从所述第一轮图像数据(11)减去所述第一轮图像数据(11)的所估计的偏差信息(14)来校正的。
12.根据权利要求8-11中的任一项所述的系统，其中，所述部件中的至少一个被实施在处理器中。
13.一种计算机断层摄影系统(1)，包括根据权利要求8-12中的任一项所述的重建系统。
14.根据权利要求13所述的计算机断层摄影系统(1)，其被配置为采集多能计算机断层摄影图像数据，优选是双能或谱计算机断层摄影图像数据。
15.一种计算机程序产品，其用于当在计算机上运行时执行根据权利要求1至7中的任一项所述的方法。
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| EP16162480 | 2016-03-25 | ||
| EP16162480.4 | 2016-03-25 | ||
| PCT/EP2017/057090 WO2017162858A2 (en) | 2016-03-25 | 2017-03-24 | Image reconstruction |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN108780573A true CN108780573A (zh) | 2018-11-09 |
| CN108780573B CN108780573B (zh) | 2023-06-06 |
Family
ID=55646365
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201780017913.6A Active CN108780573B (zh) | 2016-03-25 | 2017-03-24 | 图像重建 |
Country Status (4)
| Country | Link |
|---|---|
| US (1) | US11222404B2 (zh) |
| EP (1) | EP3433832B1 (zh) |
| CN (1) | CN108780573B (zh) |
| WO (1) | WO2017162858A2 (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| FR3075437B1 (fr) * | 2017-12-14 | 2019-12-27 | Thales | Procede de synthese d'images |
Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6493416B1 (en) * | 2001-11-21 | 2002-12-10 | Ge Medical Systems Global Technology Company, Llc | Method and apparatus for noise reduction in computed tomographic systems |
| US20070165112A1 (en) * | 2006-01-16 | 2007-07-19 | Sony Corporation | Information processing apparatus, information processing method, learning apparatus and learning method and program |
| US20100061642A1 (en) * | 2006-09-28 | 2010-03-11 | Sony Corporation | Prediction coefficient operation device and method, image data operation device and method, program, and recording medium |
| US7840066B1 (en) * | 2005-11-15 | 2010-11-23 | University Of Tennessee Research Foundation | Method of enhancing a digital image by gray-level grouping |
| WO2011091079A1 (en) * | 2010-01-19 | 2011-07-28 | Pixar | Selective diffusion of filtered edges in images |
| US20110268328A1 (en) * | 2008-12-25 | 2011-11-03 | Ezer Bar-Aviv | Denoising medical images |
| US20120224760A1 (en) * | 2009-10-22 | 2012-09-06 | Koninklijke Philips Electronics N.V. | Enhanced image data/dose reduction |
| US20130051674A1 (en) * | 2010-05-07 | 2013-02-28 | Bart Goossens | Method and device for estimating noise in a reconstructed image |
| CN104217406A (zh) * | 2014-09-23 | 2014-12-17 | 重庆大学 | 一种基于剪切波系数处理的sar图像降噪方法 |
| EP2843619A2 (en) * | 2013-08-30 | 2015-03-04 | Thomson Licensing | Method and device for processing of non-aligned images and corresponding computer programme |
| US20150117596A1 (en) * | 2013-10-24 | 2015-04-30 | General Electric Company | System and method of noise deletion in computed tomography |
| WO2015115309A1 (ja) * | 2014-01-28 | 2015-08-06 | 株式会社 日立メディコ | Ｘ線ｃｔ装置、および、ｘ線ｃｔ装置用画像演算装置 |
Family Cites Families (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CA2309002A1 (en) * | 2000-05-23 | 2001-11-23 | Jonathan Martin Shekter | Digital film grain reduction |
| JP5446800B2 (ja) | 2009-12-04 | 2014-03-19 | ソニー株式会社 | 情報処理装置、情報処理方法、及びプログラム |
| US8396273B2 (en) | 2009-12-30 | 2013-03-12 | General Electric Company | Noise reduction method for dual-energy imaging |
| US20130202177A1 (en) * | 2010-06-30 | 2013-08-08 | Medic Vision - Imaging Solutions Ltd. | Non-linear resolution reduction for medical imagery |
| US8401266B2 (en) | 2010-11-29 | 2013-03-19 | General Electric Company | Method and system for correlated noise suppression in dual energy imaging |
| US8885903B2 (en) * | 2011-11-16 | 2014-11-11 | General Electric Company | Method and apparatus for statistical iterative reconstruction |
| US20130202079A1 (en) * | 2012-02-07 | 2013-08-08 | Lifeng Yu | System and Method for Controlling Radiation Dose for Radiological Applications |
| CN103927729A (zh) | 2013-01-10 | 2014-07-16 | 清华大学 | 图像处理方法及图像处理装置 |
| WO2016003957A2 (en) * | 2014-07-03 | 2016-01-07 | Duke University | Spectral estimation and poly-energetic reconstruction methods and x-ray systems |
| US10064591B2 (en) * | 2014-07-09 | 2018-09-04 | The Johns Hopkins University | System, method and computer readable medium for preview of low-dose x-ray projection and tomographic images |
| US10022098B2 (en) * | 2014-07-09 | 2018-07-17 | Siemens Aktiengesellschaft | Method and device for generating a low-dose X-ray image preview, imaging system and computer program product |
| US9953246B2 (en) * | 2014-12-16 | 2018-04-24 | The Regents Of The University Of California | Feature-preserving noise removal |
| EP3295202B1 (en) * | 2015-05-08 | 2018-07-25 | Max-Planck-Gesellschaft zur Förderung der Wissenschaften e.V. | Method and device for magnetic resonance imaging with improved sensitivity by noise reduction |
| EP3234919B1 (en) * | 2015-12-11 | 2021-03-17 | Shanghai United Imaging Healthcare Co., Ltd. | System and method for image reconstruction |
-
2017
- 2017-03-24 CN CN201780017913.6A patent/CN108780573B/zh active Active
- 2017-03-24 EP EP17714170.2A patent/EP3433832B1/en active Active
- 2017-03-24 US US16/078,239 patent/US11222404B2/en active Active
- 2017-03-24 WO PCT/EP2017/057090 patent/WO2017162858A2/en active Application Filing
Patent Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6493416B1 (en) * | 2001-11-21 | 2002-12-10 | Ge Medical Systems Global Technology Company, Llc | Method and apparatus for noise reduction in computed tomographic systems |
| US7840066B1 (en) * | 2005-11-15 | 2010-11-23 | University Of Tennessee Research Foundation | Method of enhancing a digital image by gray-level grouping |
| US20070165112A1 (en) * | 2006-01-16 | 2007-07-19 | Sony Corporation | Information processing apparatus, information processing method, learning apparatus and learning method and program |
| US20100061642A1 (en) * | 2006-09-28 | 2010-03-11 | Sony Corporation | Prediction coefficient operation device and method, image data operation device and method, program, and recording medium |
| US20110268328A1 (en) * | 2008-12-25 | 2011-11-03 | Ezer Bar-Aviv | Denoising medical images |
| US20120224760A1 (en) * | 2009-10-22 | 2012-09-06 | Koninklijke Philips Electronics N.V. | Enhanced image data/dose reduction |
| WO2011091079A1 (en) * | 2010-01-19 | 2011-07-28 | Pixar | Selective diffusion of filtered edges in images |
| US20130051674A1 (en) * | 2010-05-07 | 2013-02-28 | Bart Goossens | Method and device for estimating noise in a reconstructed image |
| EP2843619A2 (en) * | 2013-08-30 | 2015-03-04 | Thomson Licensing | Method and device for processing of non-aligned images and corresponding computer programme |
| US20150117596A1 (en) * | 2013-10-24 | 2015-04-30 | General Electric Company | System and method of noise deletion in computed tomography |
| WO2015115309A1 (ja) * | 2014-01-28 | 2015-08-06 | 株式会社 日立メディコ | Ｘ線ｃｔ装置、および、ｘ線ｃｔ装置用画像演算装置 |
| CN104217406A (zh) * | 2014-09-23 | 2014-12-17 | 重庆大学 | 一种基于剪切波系数处理的sar图像降噪方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| US20210217140A1 (en) | 2021-07-15 |
| US11222404B2 (en) | 2022-01-11 |
| EP3433832B1 (en) | 2021-03-10 |
| CN108780573B (zh) | 2023-06-06 |
| WO2017162858A2 (en) | 2017-09-28 |
| EP3433832A2 (en) | 2019-01-30 |
| WO2017162858A3 (en) | 2018-02-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110570492B (zh) | 一种基于神经网络的ct伪影抑制方法、设备以及介质 | |
| JP2019516460A (ja) | 空間とスペクトル情報に基づく複数エネルギーのｃｔ画像におけるノイズ制御のためのシステムと方法 | |
| US7747057B2 (en) | Methods and apparatus for BIS correction | |
| CN110175957B (zh) | 多能量ct基材料物质分解方法 | |
| US10605933B2 (en) | X-ray spectral calibration technique for cone-beam CT | |
| CN110636796B (zh) | X射线暗场成像中的射束硬化校正 | |
| CN111899188B (zh) | 一种神经网络学习的锥束ct噪声估计与抑制方法 | |
| US8532744B2 (en) | Method and system for design of spectral filter to classify tissue and material from multi-energy images | |
| US7086780B2 (en) | Methods for spectrally calibrating CT imaging apparatus detectors | |
| CN106530236B (zh) | 一种医学图像处理方法及系统 | |
| US20080144904A1 (en) | Apparatus and Method for the Processing of Sectional Images | |
| US8503755B2 (en) | Tomosynthesis method with an iterative maximum a posteriori reconstruction | |
| KR20200025598A (ko) | 가중 최소 자승 필터와 희소 표현을 이용한 영상 융합 장치 및 방법 | |
| US10210632B2 (en) | Structure-compliant noise reduction during multispectral computed tomography imaging | |
| CN107292847B (zh) | 一种数据降噪方法及系统 | |
| US20200359985A1 (en) | Method of data processing for computed tomography | |
| CN108780573A (zh) | 图像重建 | |
| CN105488824B (zh) | 一种重建pet图像的方法和装置 | |
| CN106875342B (zh) | 一种计算机断层图像处理方法和装置 | |
| Han et al. | Direct estimation of the noise power spectrum from patient data to generate synthesized CT noise for denoising network training | |
| CN111067561B (zh) | 能谱ct物质分解方法、装置、ct设备及ct系统 | |
| KR20150088561A (ko) | 컴퓨터 단층촬영 영상 처리 장치 및 방법 | |
| CN110840479B (zh) | 一种骨成分确定方法、装置、设备及存储介质 | |
| Yin et al. | Protocol optimization for functional cardiac CT imaging using noise emulation in the raw data domain | |
| Elyamani et al. | Adaptive image denoising approach for low-dose computed tomography |
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 |