CN109939365B - 自动产生针对医学成像设备的校正数据的体积模型的方法 - Google Patents
自动产生针对医学成像设备的校正数据的体积模型的方法 Download PDFInfo
- Publication number
- CN109939365B CN109939365B CN201811553336.5A CN201811553336A CN109939365B CN 109939365 B CN109939365 B CN 109939365B CN 201811553336 A CN201811553336 A CN 201811553336A CN 109939365 B CN109939365 B CN 109939365B
- Authority
- CN
- China
- Prior art keywords
- volume model
- volume
- contour
- model
- ray
- 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.)
- Active
Links
- 238000012937 correction Methods 0.000 title claims abstract description 50
- 238000000034 method Methods 0.000 title claims abstract description 30
- 238000002059 diagnostic imaging Methods 0.000 title claims abstract description 15
- 210000000746 body region Anatomy 0.000 claims abstract description 27
- 239000007943 implant Substances 0.000 claims description 10
- 238000012545 processing Methods 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 5
- 210000001519 tissue Anatomy 0.000 description 26
- 238000001959 radiotherapy Methods 0.000 description 15
- 238000010521 absorption reaction Methods 0.000 description 13
- 230000005855 radiation Effects 0.000 description 8
- 238000002591 computed tomography Methods 0.000 description 7
- 206010028980 Neoplasm Diseases 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 230000009466 transformation Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 230000001427 coherent effect Effects 0.000 description 3
- 238000003384 imaging method Methods 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- 206010002329 Aneurysm Diseases 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000008030 elimination Effects 0.000 description 2
- 238000003379 elimination reaction Methods 0.000 description 2
- 238000010348 incorporation Methods 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 230000002411 adverse Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000004071 biological effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 210000000988 bone and bone Anatomy 0.000 description 1
- 230000000747 cardiac effect Effects 0.000 description 1
- 239000000919 ceramic Substances 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 229910052704 radon Inorganic materials 0.000 description 1
- SYUHGPGVQRZVTB-UHFFFAOYSA-N radon atom Chemical compound [Rn] SYUHGPGVQRZVTB-UHFFFAOYSA-N 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000003325 tomography Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
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
- A61B6/52—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
- A61B6/5282—Devices using data or image processing specially adapted for radiation diagnosis involving detection or reduction of artifacts or noise due to scatter
-
- 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
- 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
- A61B6/12—Arrangements for detecting or locating foreign bodies
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T15/00—3D [Three Dimensional] image rendering
- G06T15/08—Volume rendering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-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
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10116—X-ray image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30052—Implant; Prosthesis
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- Medical Informatics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Biomedical Technology (AREA)
- Animal Behavior & Ethology (AREA)
- Optics & Photonics (AREA)
- Pathology (AREA)
- Radiology & Medical Imaging (AREA)
- High Energy & Nuclear Physics (AREA)
- Heart & Thoracic Surgery (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Biophysics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computer Graphics (AREA)
- Pulmonology (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
本发明涉及一种用于自动地产生针对基于X射线的医学成像设备(1)的校正数据(48)的体积模型的方法(30),其中分别从不同的位置出发拍摄(S1)待检查的患者的身体区域(10)的多个X射线图像(32),其中根据多个X射线图像产生(S2)身体区域的第一体积模型(34),其中在第一体积模型中根据多个X射线图像校正图像伪影(40),并且由此产生(S3)经校正的体积模型(36),其中根据经校正的体积模型在第一体积模型中确定(S5)与图像伪影相关的伪影体积的轮廓(42),并且伪影体积的轮廓被定义为校正数据的体积模型,并且其中校正数据的体积模型存储在数据载体(50)上和/或通过接口(52)输出(S9)。
Description
技术领域
本发明涉及一种用于自动地产生针对基于X射线的医学成像设备的校正数据的体积模型的方法,其中,分别从不同的位置出发,拍摄待检查的患者的身体区域的多个X射线图像,并且其中,根据多个X射线图像产生身体区域的第一体积模型。本发明此外还涉及一种用于自动地处理医学图像数据的体积模型以计算辐照的方法,其中,针对患者的身体区域产生第一体积模型,并且其中,在第一体积模型中分割分别相应于不同的组织结构的各个区域。
背景技术
在如其例如用于消除肿瘤的放射治疗的规划中,通常基于大多通过计算机断层造影设备(CT)产生的医学图像数据确定辐照的物理特征参量,例如射入角度、辐射剂量和射束轮廓。在此,针对该规划,在图像数据中识别分别相应于不同的组织结构的各个区域,组织结构也包含肿瘤组织。通过不同的组织结构的空间分布的知识,在此应该计算出针对治疗的尽可能最佳的剂量分布,也就是说,在另外的组织结构中施加尽可能小的辐射剂量,而在肿瘤组织中辐照尽可能最大的剂量,其中,针对剂量分布此外可以根据当前的辐射敏感性进行特别的区分。
针对符合提到的剂量分布的标准的规划,因此,提供的图像数据的再现质量是特别重要的。然而如果在针对放射治疗的规划通过CT成像的身体组织中存在异物(其具有相对周围的身体组织明显不同的X射线辐射的吸收),那么由CT输出的图像数据可能具有伪影,其不相应于在成像的身体组织中的实际情况。这种异物例如可以通过医学植入物,例如骨头植入物、关节植入物或耳蜗植入物或牙齿填充物、心脏起搏器、动脉瘤线圈或动脉瘤夹等给出。这种异物通常具有比包围该异物的身体组织明显更高的密度,从而在拍摄单个X射线图像时关于从CT的X射线源被异物遮住的区域由于通过异物导致的明显更高的吸收而不再能够给出明智的结论。通过从多个这种X射线图像(在其中,更大的区域不再提供可供使用的吸收信息)重建待检查的身体区域的体积模型,在体积模型中不仅在异物本身的位置中形成相应于假定高的吸收的区域。基于有错误的吸收信息,也可以在异物周围,在体积模型中形成假定更高的或更低的吸收或假定不均匀的组织的区域。
为了也可以基于这种有伪影的图像数据有效地规划放射治疗,现在存在用户环境,在其中不同的体积的边界可以手动或半自动地通过确认建议标出。因此标出的区域现在可以与应该能够实现具体的剂量计算的不同的特性相关联,例如在相应的体积元素(体素)上利用特定的HU值手动覆盖相应的CT图像数据。然而这是非常麻烦的。此外,在有伪影的图像数据中正确地识别各个边界和边界面需要很高程度的经验。人为的错误在此在最差情况下会导致没有正确地识别并且因此利用过高的剂量辐照由伪影覆盖的高敏感的组织。
此外,现在也存在特别是针对金属异物尽量校正图像数据中的伪影的可能性。然而在使用该经校正的图像数据时,放射治疗的规划的质量完全依赖于校正的质量。此外存在在初始的图像数据中通过伪影覆盖关键的身体组织的剩余风险,然而这在校正伪影之后可能在经校正的图像数据中不再能够识别出这种风险。出于该原因,仅基于经伪影校正的图像数据的放射治疗的规划经常被拒绝。
发明内容
因此,本发明所要解决的技术问题在于,提供一种用于产生医学的、特别是三维的图像数据的校正数据的方法,其自身在存在图像伪影时允许放射治疗的尽可能最佳的规划。此外,本发明所要解决的技术问题在于,提供一种用于处理三维图像数据以计算辐照的方法。
开头提到的技术问题根据本发明通过用于自动地产生用于基于X射线的医学成像设备的校正数据的体积模型的方法来解决,其中,分别从不同的位置出发,从待检查的患者的身体区域拍摄多个X射线图像,其中,根据多个X射线图像产生身体区域的第一体积模型,并且其中,在第一体积模型中根据多个X射线图像校正图像伪影,并且由此产生经校正的体积模型。在此设置,根据经校正的体积模型在第一体积模型中确定与图像伪影相关的伪影体积的轮廓,伪影体积的轮廓被定义为校正数据的体积模型,并且校正数据的体积模型存储在数据载体上和/或通过接口输出。该方法的有利的、部分本身的根据本发明的设计方案是本发明和随后的描述的主题。
自动地产生校正数据的体积模型特别是理解为,所有方法步骤都能够在计算机上和通过计算机实施。基于X射线的医学成像设备理解为如下设备:该设备为了其成像使用其物理基本原理形成X射线辐射和其吸收通过身体组织的模态。在此特别是包括CT或类似的模态,在其中,借助重建方法通过从多个单个拍摄反变换获得三维图像数据。
体积模型在此特别是理解为依赖于三个位置自变量的函数,其中,在体积内的特定的点上的具体的函数值在第一体积模型中和在经校正的体积模型中通过代表X射线辐射在相关的点上的吸收度的刻度给出。该刻度的值的图形图示提供通过X射线图像成像的身体区域的三维图像数据。然而,用于校正数据的体积模型的函数值是二元性质,并且仅涉及区分三维的位置空间内的特定的点是否位于伪影体积的轮廓内。位置空间在此特别是可以在细微的划分中离散化,其中,分辨率的下边界可以通过X射线探测器的图像分辨率在拍摄各个X射线图像时给出。在该情况下特别是可以提到体积元素(体素),其中,体积元素形成最小的、通过医学成像设备还可分辨的体积单元。
身体区域的多个X射线图像特别是分别从X射线源相对于患者的不同的角度位置和/或轴向位置拍摄。根据多个X射线图像产生身体区域的第一体积模型优选通过断层造影的反变换实现,如其例如在反向的Radon变换中给出。在该情况下存在CT的常见的重建。
第一体积模型中的图像伪影在此特别是理解为如下图像信息,其不相应于在身体区域中实际存在的组织结构,而是只有通过用于从多个X射线照片产生第一体积模型的重建来形成。在此特别地,针对各个X射线图像的图像伪影的图像信息是不一致的。第一体积模型的校正在此例如可以根据经验值和统计方法实现,其中特别地,针对各个体积元素的图像值可以被迭代地校正。这包括,首先确定针对一定数量的体积元素校正的图像值,检验并且必要时重新调整其兼容性和与尚未校正的另外的体积元素的图像值的一致性。经校正的体积模型理解为针对各个体积元素的图像信息的整体,其在相应的部位上具有经校正的图像值,并且针对(在其中未进行图像值的校正的)体积元素保留第一体积模型的初始的图像值。
第一体积模型中的伪影体积在此特别是理解为其图像值具有伪影、即特别是没有反映在待成像的身体区域中实际存在的组织结构的体积元素的整体。伪影体积的轮廓在此特别是理解为在通过体积元素给出的分辨率边界的范围内简单连贯的面积在其内部存在有伪影的体积元素。特别是在此,多个分别简单连贯的面积也可以被定义为轮廓。随后,优选仅形成轮廓的各个体积元素的位置信息被定义为校正数据的体积模型,并且相应存储或输出校正数据的体积模型。
此外,提到的方式允许在放射治疗的规划中使用初始的三维图像数据,如其在第一体积模型中表示的,然而其中,现在提供如下附加信息:在图像数据的哪些区域内会存在图像伪影,并且因此在解释图像数据时以及在以分割各个组织结构的形式等进一步处理时特别谨慎。相反地,校正数据的体积模型也允许推断出,在伪影体积的轮廓之外,在第一体积模型中提供的图像信息不具有值得提及的图像伪影,而是允许假定为相应的组织结构的足够准确的再现。这也明显简化了放射治疗的规划,因为在这些区域中绝对不再需要手动的或半自动的校正,此外这导致节约时间。
优选地,伪影体积的轮廓附加地根据多个X射线图像确定。在X射线图像中,如其在重建之前对于第一体积模型存在的,根据特别是在重建时导致伪影的错误的类型,仍然可以包含如下信息,其虽然不允许仅基于X射线图像进行独立的无伪影的重建,但却仍然可以考虑用于附加地检验根据经校正的体积模型确定的、特别是以伪影体积的轮廓的形式的校正数据。这种信息例如在残留的吸收反差中给出,吸收反差由于所有出现的吸收值的大的差异而对于反投影没有影响力,然而可以用于检验伪影体积的轮廓的可信性。
合适地,为了产生经校正的体积模型,在第一体积模型中校正由至少一个异物导致的图像伪影。异物在此理解为身体区域内的不是由身体组织给出的结构,即特别是医学植入物,但也理解为首饰等。在此特别地,异物由于其材料成分具有与周围的身体组织相比明显更大的对X射线辐射的吸收。针对这种异物,由于遮住X射线辐射,在从各个X射线图像进行三维重建时在特别的范围内出现图像伪影。
证实是有利的是,在此根据经校正的体积模型,并且特别是附加地也根据多个X射线图像和/或伪影体积,在第一体积模型中确定异物的第一轮廓,并且异物的第一轮廓被纳入校正数据的体积模型中。这能够实现,在放射治疗的规划中,在包含未经校正的三维图像数据的第一体积模型中不仅识别可能存在图像伪影的区域,而且还可以考虑导致图像伪影的异物的位置和空间尺寸。由此,例如可以在放射治疗期间预防通过异物导致的遮住效应,遮住效应可以对剂量分布产生不利的影响。将第一轮廓纳入校正数据的体积模型中在此可以以与伪影体积的轮廓类似的方式进行。
在此合适地,在异物的第一轮廓内,并且特别是根据经校正的体积模型,确定异物的均匀区域的第二轮廓,并且均匀区域的第二轮廓被纳入校正数据的体积模型中。均匀区域在此特别是包含异物中的由统一的材料制成的区域。由此提供关于异物的内部结构的附加信息。在均匀区域中,异物具有统一的吸收特性,可以附加地在放射治疗的规划中考虑这一点。将第二轮廓纳入校正数据的体积模型中在此可以以与伪影体积的轮廓类似的方式进行。在此优选地,在分割相应于组织结构的图像区域时针对放射治疗的规划可以考虑体积模型中的涉及第一轮廓和(如果存在的话)也涉及第二轮廓的校正数据。
优选地,医学植入物的轮廓被确定为第一轮廓。这对于导致从多个X射线图像重建的三维图像数据中的图像伪影的异物来说特别常见的情况,因为医学植入物(不同于许多形式的首饰地)针对X射线成像大多不能够从身体组织移除。
在本发明的进一步有利的设计方案中,根据第一体积模型和经校正的体积模型形成校正深度的函数,其中,伪影体积的轮廓通过比较校正深度的函数与预设的边界值来确定。确定校正深度的函数首先允许做出关于应用的校正的渐进的陈述,并且特别是也使其可视化。边界值在此可以特别是依据校正深度的函数、并且特别优选依据其值范围来预设。在超过边界值时,针对相应的体积元素设置二进制值,其表示存在图像伪影。所有这种体积元素的整体形成伪影体积,并且特别是简单连贯的面积(其包围伪影体积,并且因此必要时也可以包括其相应的二进制值表示没有图像伪影的体积元素)可以视为相应的轮廓。
在此合适地,在每个体积元素中的校正深度的函数,特别是按体素地,由体积元素中的第一体积模型的值和经校正的体积模型的值的差的绝对值形成。该函数可以在数学上特别简单地实现,并且由于差绝对值中的线性大多提供足够准确的结果。
提到的第二技术问题根据本发明通过用于自动地处理医学图像数据的体积模型以计算辐照的方法解决,其中,针对患者的身体区域,第一体积模型和校正数据的体积模型通过根据之前描述的任一项的方法产生,其中,在第一体积模型中,分别相应于不同的组织结构的各个区域特别是通过计算机来分割,并且其中,校正数据的体积模型为了计算辐照被结合到分割区域中。在此充分利用的情况是,在第一体积模型中成像的组织结构为了放射治疗的有意义的规划可被分割,以便此外可以在计量计算时相同地处理具有相同的生物特性的组织。包含特别是关于异物的第一和可能的第二轮廓的体积信息允许在计算对于特定的射束轮廓的计量分布时直接考虑这种异物。
本发明此外涉及具有程序代码的计算机程序产品,用于当在计算机上实施计算机程序时执行之前描述的用于自动地产生针对基于X射线的医学成像设备的校正数据的体积模型的方法。针对该方法和针对其改进方案说明的优点在此可以相应地转用到计算机程序产品。
此外,本发明还涉及基于X射线的医学成像设备,其包括用于产生X射线束的至少一个X射线源、用于拍摄X射线图像的X射线探测器和计算单元,其设计为用于执行之前描述的用于自动地产生校正数据的体积模型的方法。优选地,基于X射线的医学成像设备在其常规的运行中根据待检查的患者的身体区域的多个X射线照片产生身体区域的体积模型。特别地,基于X射线的医学成像设备可以构造为CT。这样设计的设备具有如下优点:在在产生未处理的X射线照片相同位置处产生校正数据的体积模型,并且其因此能够还在没有质量损失的情况下提供。在医学图像数据的随后的处理过程中,特别是在从多个X射线照片进行三维重建之后,X射线照片经常为了减小所需的存储容量不再或仅还以压缩方式存在。
附图说明
随后根据附图详细阐述本发明的实施例。在此分别示意性地:
图1以横截面图示出了计算机断层造影设备;和
图2以方框图示出了用于产生针对根据图1的CT的校正数据的体积模型的方法的流程。
彼此相应的部分和参量在所有附图中分别设有相同的附图标记。
具体实施方式
图1示意性地以横截面图示出了基于X射线的医学成像设备1,其当前设计为计算机断层造影设备2。在计算机断层造影设备2中,通过X射线源4利用X射线束12辐照定位在计算机断层造影设备2的旋转环8的内部空间6内的患者的身体区域10。未由患者的身体区域10吸收的X射线束12的部分在相对于X射线源4的内部空间6对置的侧上通过X射线探测器14测量,并且处理为单个X射线图像。为了完整成像,在此记录不同的X射线图像,其中为此,X射线源4和X射线探测器14为了单独拍摄而围绕垂直于图像平面的轴线16旋转,并且此外也可以沿轴线16进行X射线源4和X射线探测器14的轴向移动。因此,X射线源4和X射线探测器14执行离散化地覆盖柱形周侧的运动。各个X射线图像于是被传递至保持框架17,在那里,通过反投影建立身体区域10的三维体积模型。
现在如果在待检查的体积区域10中存在异物18,如其例如可以通过医学植入物给出的那样,那么异物18根据X射线源4和X射线探测器14的角度位置遮住一部分X射线束12,从而借助X射线束12不再呈现关于相对于X射线源4被遮住的组织20的正确的吸收信息。在X射线图像中的整个这种遮住效应可以在三维重建中导致图像伪影,其除了别的之外可以明显妨碍例如用于消除肿瘤的放射治疗的规划。
在图2中示意性地以方框图示出方法30的流程,该方法在根据图1的计算机断层造影设备2中执行。在第一步骤S1中,分别从不同的角度和轴向位置,从待检查的患者的身体区域10拍摄多个X射线图像32。X射线图像32分别从旋转环8传递至保持框架17,在那里在下一步骤S2中,通过反变换产生身体区域10的三维的第一体积模型34。第一体积模型现在已经可以通过医生或医疗医师鉴定。如果在第一体积模型34中由于待成像的身体区域10内的异物18而存在图像伪影,那么该图像伪影在校正步骤S3中根据X射线图像32的信息被校正。该校正的结果是经校正的体积模型36。在下一步骤S4中,针对每个单个体积元素、即按体素地形成第一体积模型34和经校正的体积模型36的图像值的差,并且得到绝对值。该绝对值与预设的边界值38比较,从而在超过其时可以推断出在该体积元素中存在图像伪影40。
随后,在步骤S5中确定轮廓42,其作为连贯的面积包围所有与图像伪影40相关的体积元素的整体。
根据经校正的体积模型36以及根据X射线图像32和包围图像伪影40的轮廓42,在步骤S6中,在第一体积模型34中确定异物18的第一轮廓44。这意味着,第一轮廓44在第一体积模型34中包围在身体区域中相应于异物18的那些体积元素。现在在步骤S7中,根据迄今为止获得的信息在异物18的第一轮廓内确定异物18内的在其材料成分方面均匀的区域的第二轮廓46。这例如可以在由金属和陶瓷成分形成的医学植入物中是两个提到的成分中的一种。现在在步骤S8中,包围图像伪影40的轮廓42、异物18的第一轮廓44以及在异物18中代表均匀区域的第二轮廓46被定义为校正数据48,并且随后在步骤S9中存储在数据载体50上,并且通过计算机断层造影设备2的接口52输出。通过接口52的输出在此可以在应该在其上进行放射治疗的实际的规划的单独的计算机上进行。
虽然本发明在细节上通过优选的实施例详细说明和描述,但本发明并不局限于该实施例。可以由本领域技术人员从中导出另外的变型方案,而不会脱离本发明的保护范围。
Claims (11)
1.一种用于自动地产生针对基于X射线的医学成像设备(1)的校正数据(48)的体积模型的方法(30),其中,分别从不同的位置出发,拍摄(S1)待检查的患者的身体区域(10)的多个X射线图像(32),
其中,根据多个X射线图像(32)产生(S2)身体区域(10)的第一体积模型(34),
其中,在第一体积模型(34)中,根据多个X射线图像(32)校正图像伪影(40),并且由此产生(S3)经校正的体积模型(36),
其中,根据经校正的体积模型(36)在第一体积模型(34)中确定(S5)与图像伪影(40)相关的伪影体积的轮廓(42),并且伪影体积的轮廓(42)被定义(S8)为校正数据(48)的体积模型,并且
其中,校正数据(48)的体积模型存储在数据载体(50)上和/或通过接口(52)输出(S9)。
2.根据权利要求1所述的方法(30),
其中,附加地根据多个X射线图像(32)确定伪影体积的轮廓(42)。
3.根据权利要求1或权利要求2所述的方法(30),
其中,为了产生经校正的体积模型(36),在第一体积模型(34)中校正通过至少一个异物(18)导致的图像伪影(40)。
4.根据权利要求3所述的方法(30),
其中,根据经校正的体积模型(36)在第一体积模型(34)中确定(S6)异物(18)的第一轮廓(44),并且异物(18)的第一轮廓(44)被纳入校正数据(48)的体积模型中。
5.根据权利要求4所述的方法(30),
其中,在异物(18)的第一轮廓(44)内确定(S7)异物(18)的均匀区域的第二轮廓(46),并且均匀区域的第二轮廓(46)被纳入校正数据(48)的体积模型中。
6.根据权利要求4或权利要求5所述的方法(30),
其中,医学植入物的轮廓被确定为第一轮廓(44)。
7.根据权利要求1或权利要求2所述的方法(30),
其中,根据第一体积模型(34)和经校正的体积模型(36)形成校正深度的函数,并且
其中,通过将校正深度的函数与预设的边界值相比较来确定(S4)伪影体积的轮廓。
8.根据权利要求7所述的方法(30),
其中,每个体积元素中的校正深度的函数由在体积元素中的第一体积模型(34)的值与经校正的体积模型(36)的值之间的差的绝对值形成。
9.一种用于自动地处理医学图像数据(34)的体积模型以计算辐照的方法,
其中,针对患者的身体区域(10),通过根据前述权利要求中任一项所述的方法(30)产生第一体积模型(34)和校正数据(48)的体积模型,
其中,在第一体积模型(34)中,分别相应于不同的组织结构的各个区域被分割,并且
其中,校正数据(48)的体积模型为了计算辐照被结合到分割区域中。
10.一种具有程序代码的计算机程序产品,用于当在计算机上实施计算机程序时执行根据权利要求1至8中任一项所述的用于自动地产生针对基于X射线的医学成像设备(1)的校正数据(48)的体积模型的方法(30)。
11.一种基于X射线的医学成像设备(1),其包括用于产生X射线束(12)的至少一个X射线源(4)、用于拍摄X射线图像(32)的X射线探测器(14)和计算单元,该计算单元设计为用于执行根据权利要求1至8中任一项所述的方法(30)。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE102017223604.3 | 2017-12-21 | ||
DE102017223604.3A DE102017223604B4 (de) | 2017-12-21 | 2017-12-21 | Verfahren zur automatisierten Erzeugung eines Volumenmodells von Korrekturdaten für ein röntgenbasiertes bildgebendes medizinisches Gerät |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109939365A CN109939365A (zh) | 2019-06-28 |
CN109939365B true CN109939365B (zh) | 2020-10-13 |
Family
ID=66767890
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811553336.5A Active CN109939365B (zh) | 2017-12-21 | 2018-12-19 | 自动产生针对医学成像设备的校正数据的体积模型的方法 |
Country Status (3)
Country | Link |
---|---|
US (1) | US20190192103A1 (zh) |
CN (1) | CN109939365B (zh) |
DE (1) | DE102017223604B4 (zh) |
Family Cites Families (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7756324B2 (en) * | 2004-11-24 | 2010-07-13 | Kabushiki Kaisha Toshiba | 3-dimensional image processing apparatus |
DE102008038357B3 (de) * | 2008-08-19 | 2010-01-14 | Siemens Aktiengesellschaft | Verfahren zur Erzeugung von 2D-Schnittbildern aus 3D-Projektionsdaten, die mittels eines CT-Systems von einem metallische Anteile enthaltenden Untersuchungsobjekt erfasst wurden |
DE102013220663A1 (de) * | 2013-10-14 | 2015-04-16 | Siemens Aktiengesellschaft | Rekonstruktion von Bilddaten mittels Konturdaten |
DE102014206720A1 (de) * | 2014-04-08 | 2015-10-08 | Siemens Aktiengesellschaft | Rauschreduktion in Tomogrammen |
DE102014007095A1 (de) * | 2014-05-14 | 2015-11-19 | Universität Zu Lübeck | Verfahren und Vorrichtung zur Reduktion von Artefakten in computertomographischen Bildern |
JP6485278B2 (ja) * | 2015-08-07 | 2019-03-20 | 株式会社島津製作所 | 画像処理方法およびx線透視撮影装置 |
US10524756B2 (en) * | 2015-08-27 | 2020-01-07 | Varian Medical Systems International | Methods and systems for image artifacts reduction |
DE102016202434A1 (de) * | 2016-02-17 | 2017-08-17 | Siemens Healthcare Gmbh | Auswahlverfahren für einen Artefaktkorrekturalgorithmus, Datenverarbeitungseinrichtung zur Ausführung des Verfahrens und medizinische Bildgebungsanlage |
DE102016204226A1 (de) * | 2016-03-15 | 2017-09-21 | Siemens Healthcare Gmbh | Vorrichtung und Verfahren zum Abgrenzen eines Metallobjekts für eine Artefaktreduktion in Tomographiebildern |
JP7336984B2 (ja) * | 2016-03-24 | 2023-09-01 | エヌビュー メディカル インク | 画像再構築のためのシステム及び方法 |
EP3628230A1 (en) * | 2018-09-27 | 2020-04-01 | Koninklijke Philips N.V. | X-ray imaging system with foreign object reduction |
-
2017
- 2017-12-21 DE DE102017223604.3A patent/DE102017223604B4/de active Active
-
2018
- 2018-12-19 CN CN201811553336.5A patent/CN109939365B/zh active Active
- 2018-12-19 US US16/225,933 patent/US20190192103A1/en not_active Abandoned
Also Published As
Publication number | Publication date |
---|---|
DE102017223604B4 (de) | 2020-01-09 |
CN109939365A (zh) | 2019-06-28 |
DE102017223604A1 (de) | 2019-06-27 |
US20190192103A1 (en) | 2019-06-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10939887B2 (en) | System and method of artifact correction in 3D imaging | |
US9934597B2 (en) | Metal artifacts reduction in cone beam reconstruction | |
EP3054390A1 (en) | Radiography imaging parameter selection based on extant patient information | |
US11497459B2 (en) | Methods and system for optimizing an imaging scan based on a prior scan | |
CN111656405A (zh) | 使用深度学习来减少金属伪影 | |
US10467746B2 (en) | Method for producing teeth surface from x-ray scan of a negative impression | |
US20170150937A1 (en) | Method and apparatus for reducing artefacts in computed tomography images | |
US9098896B2 (en) | Method for correcting metal artifacts in x-ray imaging, and x-ray device | |
EP3867871B1 (en) | System and method for automatic delineation of scanned images | |
EP4160538A1 (en) | Metal artifact reduction in computed tomography | |
CN109939365B (zh) | 自动产生针对医学成像设备的校正数据的体积模型的方法 | |
US11986326B2 (en) | Computed tomography (CT) imaging artifact reduction technique making use of tilted scans | |
EP3725227B1 (en) | Method of calibrating x-ray projection geometry in x-ray cone beam computed tomography | |
US8526757B2 (en) | Imaging system and imaging method for imaging a region of interest | |
US11786193B2 (en) | Metal artifacts reduction in cone beam reconstruction | |
EP4160539A1 (en) | Adaptive auto-segmentation in computed tomography | |
US12115017B2 (en) | Method of calibrating x-ray projection geometry in x-ray cone beam computed tomography | |
CN110121300B (zh) | 缩放式射线照相重建 | |
JP7258474B2 (ja) | X線ct装置及び放射線治療システム | |
Oonsiri | Metal artifact reduction in computed tomography at head and neck region | |
Lindgren-Ruby | SCHOOL OF MEDICINE–GRADUATE STUDIES | |
Verburg | Proton Radiotherapy Treatment Planning for Patients with Metallic Implants: Correction and Dosimetric Impact of Computed Tomography Artifacts | |
Xing et al. | Three-and Four-Dimensional Morphological Imaging for Adaptive Radiation Therapy Planning | |
Griffin | MegaVoltage Cone Beam CT: Potential for Application in Radiation Therapy Treatment Planning |
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 | ||
TR01 | Transfer of patent right |
Effective date of registration: 20240902 Address after: German Phu F Haim Patentee after: Siemens Medical AG Country or region after: Germany Address before: Erlangen Patentee before: SIEMENS HEALTHCARE GmbH Country or region before: Germany |
|
TR01 | Transfer of patent right |