CN109998578A - 预测计算机断层成像的空气校正表的方法和装置 - Google Patents
预测计算机断层成像的空气校正表的方法和装置 Download PDFInfo
- Publication number
- CN109998578A CN109998578A CN201910251107.6A CN201910251107A CN109998578A CN 109998578 A CN109998578 A CN 109998578A CN 201910251107 A CN201910251107 A CN 201910251107A CN 109998578 A CN109998578 A CN 109998578A
- Authority
- CN
- China
- Prior art keywords
- correction table
- air correction
- history
- environment parameter
- computer tomography
- 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
- 238000012937 correction Methods 0.000 title claims abstract description 180
- 238000002591 computed tomography Methods 0.000 title claims abstract description 106
- 238000000034 method Methods 0.000 title claims abstract description 69
- 230000006870 function Effects 0.000 claims description 38
- 230000007613 environmental effect Effects 0.000 claims description 26
- 241000208340 Araliaceae Species 0.000 claims description 3
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 claims description 3
- 235000003140 Panax quinquefolius Nutrition 0.000 claims description 3
- 235000008434 ginseng Nutrition 0.000 claims description 3
- 238000012545 processing Methods 0.000 description 32
- 239000000523 sample Substances 0.000 description 19
- 238000004891 communication Methods 0.000 description 18
- 230000008569 process Effects 0.000 description 15
- 230000008859 change Effects 0.000 description 12
- 238000010586 diagram Methods 0.000 description 8
- 230000002285 radioactive effect Effects 0.000 description 8
- 230000003190 augmentative effect Effects 0.000 description 6
- 238000003384 imaging method Methods 0.000 description 6
- 238000012986 modification Methods 0.000 description 6
- 230000004048 modification Effects 0.000 description 6
- 238000012360 testing method Methods 0.000 description 5
- 238000000429 assembly Methods 0.000 description 4
- 230000000712 assembly Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 4
- 238000003860 storage Methods 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 238000012512 characterization method Methods 0.000 description 3
- 230000006378 damage Effects 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 239000011521 glass Substances 0.000 description 3
- 238000010606 normalization Methods 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 3
- 208000027418 Wounds and injury Diseases 0.000 description 2
- 239000003990 capacitor Substances 0.000 description 2
- 125000004122 cyclic group Chemical group 0.000 description 2
- VJYFKVYYMZPMAB-UHFFFAOYSA-N ethoprophos Chemical compound CCCSP(=O)(OCC)SCCC VJYFKVYYMZPMAB-UHFFFAOYSA-N 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 208000014674 injury Diseases 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 238000010408 sweeping Methods 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 238000003325 tomography Methods 0.000 description 2
- 102000006822 Agouti Signaling Protein Human genes 0.000 description 1
- 108010072151 Agouti Signaling Protein Proteins 0.000 description 1
- 208000019155 Radiation injury Diseases 0.000 description 1
- 238000005299 abrasion Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000000151 deposition Methods 0.000 description 1
- 238000002059 diagnostic imaging Methods 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 239000004615 ingredient Substances 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 210000005036 nerve Anatomy 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 238000002603 single-photon emission computed tomography Methods 0.000 description 1
- 239000000126 substance Substances 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]
- 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
- A61B6/58—Testing, adjusting or calibrating thereof
- A61B6/582—Calibration
- A61B6/585—Calibration of detector units
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Optics & Photonics (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- High Energy & Nuclear Physics (AREA)
- Veterinary Medicine (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Public Health (AREA)
- Pathology (AREA)
- Radiology & Medical Imaging (AREA)
- Physics & Mathematics (AREA)
- Heart & Thoracic Surgery (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Pulmonology (AREA)
- Theoretical Computer Science (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
本发明提供了一种预测计算机断层成像的空气校正表的方法，包括：获得计算机断层成像设备的历史空气校正表，该历史空气校正表对应第一环境参数；检测预设时刻的第二环境参数；根据历史空气校正表、第一环境参数和第二环境参数获得预测空气校正表；其中第一环境参数和第二环境参数分别包括温度、湿度或其组合。根据本发明的方法在每次进行计算机断层扫描时对空气校正表进行预测，同时考虑环境、计算机断层成像设备的历史曝光数据和球管状态等因素，对扫描结果进行校正，可以减少重建图像中出现伪影的概率。
Description
技术领域
本发明主要涉及计算机断层成像领域，尤其涉及一种预测计算机断层成像的空气校正表的方法和装置。
背景技术
计算机断层成像(Computed Tomography，简称CT)是用X射线对人体的特定部位按一定厚度的层面进行扫描，由于不同的人体组织对X射线的吸收能力不同，可以用计算机重建出断层面的影像。
计算机断层成像设备中，探测器是一个重要的部件，用于获取穿过人体后的X射线信号。在探测器的生产过程中，不可能做到所有像素单元都是严格相同的，像素单元的尺寸、表面的平整度、像素单元间的反射层、光电转换器件的响应、数据获取电子系统的噪声等等，所有这些因素综合起来将导致探测器的像素单元的增益(gain)不同。此外，探测器增益可能随时间变化。如果对探测器增益不进行校正，就会产生环状或带状伪影。
为了补偿探测器不同通道和不同时间的增益变化，传统上每隔一段时间进行一次空气扫描，扫描一组视野中没有任何物体时的数据，计算探测器单元的增益，从而得到一整套空气校正表。在图像重建中使用该空气校正表，补偿探测器的增益。
但是，当最近一次空气扫描的时间较长时，使用其对应的空气校正表进行校正，准确度会下降。
发明内容
本发明要解决的技术问题是提供一种预测计算机断层成像的空气校正表的方法和装置，可以使用历史空气校正表和一些参数预测当前空气校正表。
为解决上述技术问题，本发明提供了一种预测计算机断层成像的空气校正表的方法，包括以下步骤：获得计算机断层成像设备的历史空气校正表，所述历史空气校正表对应第一环境参数；检测预设时刻的第二环境参数；根据所述历史空气校正表、第一环境参数和第二环境参数获得预测空气校正表；其中所述第一环境参数和第二环境参数分别包括温度、湿度或其组合。
可选地，所述历史空气校正表为最近一次空气校正表。
可选地，所述预设时刻为计算机断层扫描的时刻，所述预测空气校正表与所述计算机断层扫描关联。
可选地，还包括获得所述计算机断层成像设备的历史曝光数据，且根据所述历史空气校正表、第一环境参数、第二环境参数和历史曝光数据获得预测空气校正表。
可选地，还包括获得所述计算机断层成像设备的与所述历史空气校正表对应的第一球管状态和所述预设时刻的第二球管状态，且根据所述历史空气校正表、第一环境参数、第二环境参数、第一球管状态和第二球管状态获得预测空气校正表。
可选地，还包括获得所述计算机断层成像设备的与所述历史空气校正表对应的第一球管状态和所述预设时刻的第二球管状态，且根据所述历史空气校正表、第一环境参数、第二环境参数、历史曝光数据、第一球管状态和第二球管状态获得预测空气校正表。
可选地，所述历史曝光数据包括球管电压、曝光剂量和曝光时刻。
可选地，所述第一球管状态和第二球管状态分别包括焦点位置、球管阳极的转速或其组合。
可选地，还包括预先获得空气校正表与环境参数的第一关系函数，且根据所述历史空气校正表、第一环境参数和第二环境参数获得预测空气校正表的步骤使用所述第一关系函数。
可选地，还包括预先获得空气校正表与环境参数的第一关系函数，以及空气校正表与历史曝光数据的第二关系函数，且根据所述历史空气校正表、第一环境参数、第二环境参数和历史曝光数据获得预测空气校正表的步骤使用所述第一关系函数和第二关系函数。
可选地，还包括预先获得空气校正表与环境参数的第一关系函数，空气校正表与历史曝光数据的第二关系函数以及空气校正表与球管状态的第三关系函数，且根据所述历史空气校正表、第一环境参数、第二环境参数、第一球管状态和第二球管状态获得预测空气校正表的步骤使用所述第一关系函数、第二关系函数和第三关系函数。
为解决上述技术问题，本发明还提供了一种计算机断层成像的重建方法，包括：使用上述的方法预测空气校正表；以及使用所预测的空气校正表进行图像重建。
为解决上述技术问题，本发明还提供了一种预测计算机断层成像的空气校正表的装置，包括：存储器，用于存储可由处理器执行的指令；处理器，用于执行所述指令以实现上述的方法。
与现有技术相比，本发明的预测计算机断层成像的空气校正表的方法在每次进行计算机断层扫描时对空气校正表进行预测，可以减少对计算机断层成像设备进行空气扫描的次数，在用户不能及时更新空气校正表时，也能够保证获得较好的图像质量；同时考虑环境、计算机断层成像设备的历史曝光数据和球管状态等因素，对扫描结果进行校正，可以减少重建图像中出现伪影的概率。
附图说明
图1是根据本发明一些实施例的示例性计算机断层成像设备的示意图；
图2是根据本发明一些实施例的可以在其上实现处理引擎的示例性计算设备的示例性硬件和/或软件组件的示意图；
图3是根据本发明一些实施例的可以在其上实现终端的示例性移动设备的示例性硬件和/或软件组件的示意图；
图4是根据本发明一些实施例的示例性处理引擎的示意图；
图5是根据本发明一些实施例的一种预测计算机断层成像的空气校正表的示例性方法的流程图；
图6是根据本发明一些实施例的一种预测计算机断层成像的空气校正表的示例性方法的流程图；
图7是根据本发明一些实施例的一种预测计算机断层成像的空气校正表的示例性方法的流程图；
图8是根据本发明一些实施例的一种预测计算机断层成像的空气校正表的示例性方法的流程图。
具体实施方式
为了更清楚地说明本申请的实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单的介绍。显而易见地，下面描述中的附图仅仅是本申请的一些示例或实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图将本申请应用于其他类似情景。除非从语言环境中显而易见或另做说明，图中相同标号代表相同结构或操作。
如本申请和权利要求书中所示，除非上下文明确提示例外情形，“一”、“一个”、“一种”和/或“该”等词并非特指单数，也可包括复数。一般说来，术语“包括”与“包含”仅提示包括已明确标识的步骤和元素，而这些步骤和元素不构成一个排它性的罗列，方法或者设备也可能包含其他的步骤或元素。
虽然本申请对根据本申请的实施例的系统中的某些模块做出了各种引用，然而，任何数量的不同模块可以被使用并运行在成像系统和/或处理器上。所述模块仅是说明性的，并且所述系统和方法的不同方面可以使用不同模块。
本申请中使用了流程图用来说明根据本申请的实施例的系统所执行的操作。应当理解的是，前面或下面操作不一定按照顺序来精确地执行。相反，可以按照倒序或同时处理各种步骤。同时，或将其他操作添加到这些过程中，或从这些过程移除某一步或数步操作。
图1是根据本发明的一些实施例的示例性计算机断层成像设备100的示意图。参考图1所示，计算机断层成像设备100可包括扫描仪110、网络120、一个或多个终端130、处理引擎140、以及存储器150。计算机断层成像设备100中的所有组件都可以通过网络120互相连接。
扫描仪110可扫描对象并且生成与该对象相关的扫描数据。在一些实施例中，扫描仪110可以是医学成像设备，例如CT设备、PET设备、SPECT设备、MRI设备等或其任意组合(例如，PET-CT设备、PET-MRI设备或CT-MRI设备)。在本发明中，该医学成像设备优选地为CT设备。
本发明中提到的“图像”可以指2D图像、3D图像、4D图像和/或任何相关数据(例如，CT数据、对应于CT数据的投影数据)。这并不是为了限制本发明的范围。对于本领域的技术人员来说，在本发明的指导下可以进行各种修正和改变。
扫描仪110可包括机架111、探测器112、探测区域113和工作台114。在一些实施例中，扫描仪110还可包括放射性扫描源115。机架111可支承探测器112和放射性扫描源115。对象可被置于工作台114上以用于扫描。放射性扫描源115可向该对象发射放射性射线。探测器112可以探测从探测区域113发射的辐射事件(例如，γ光子)。在一些实施例中，扫描仪110可以是MRI扫描设备，并且探测器112可以包括用于探测和接收RF信号的电路。
网络120可包括任意合适的网络，该网络能协助计算机断层成像设备100交换信息和/或数据。在一些实施例中，计算机断层成像设备100的一个或多个组件(例如，扫描仪110、终端130、处理引擎140、存储器150等)可通过网络120与计算机断层成像设备100的一个或多个其他组件传递信息和/或数据。例如，处理引擎140可通过网络120从扫描仪110获得图像数据。作为另一示例，处理引擎140可通过网络120从终端130获得用户指令。网络120可以是/或包括公共网络(例如，因特网)、专用网络(例如，局域网(LAN)、广域网(WAN)等)、有线网络(例如，以太网)、无线网络(例如，802.11网络、Wi-Fi网络等)、蜂窝网络(例如，长期演进(LTE)网络)、帧中继网络、虚拟专用网(“VPN”)、卫星网络、电话网络、路由器、集线器、交换机、服务器计算机和/或其任意组合。仅作为示例，网络120可包括电缆网络、有线网络、光纤网络、电信网络、内联网、无线局域网(WLAN)、城域网(MAN)、公共电话交换网(PSTN)、蓝牙TM网络、ZigBeeTM网络、近场通信(NFC)网络等或者其任意组合。在一些实施例中，网络120可包括一个或多个网络接入点。例如，网络120可包括有线和/或无线网络接入点，诸如基站和/或因特网交换点，计算机断层成像设备100的一个或多个组件可通过这些接入点来连接到网络120以交换数据和/或信息。
一个或多个终端130包括移动设备130-1、平板电脑130-2、笔记本电脑130-3等或其任意组合。在一些实施例中，移动设备130-1可包括智能家用设备、可穿戴设备、移动设备、虚拟现实设备、增强现实设备等或其任意组合。在一些实施例中，智能家用设备可包括智能照明设备、智能电器的控制设备、智能监视设备、智能电视、智能摄像机、互联电话等或其任意组合。在一些实施例中，可穿戴设备可包括手环、鞋袜、眼镜、头盔、手表、衣物、背包、智能饰物等或其任意组合。在一些实施例中，移动设备可包括移动电话、个人数字助理(PDA)、游戏设备、导航设备、销售点(POS)设备、笔记本电脑、平板电脑、台式机等或者其任意组合。在一些实施例中，虚拟现实设备和/或增强现实设备可包括虚拟现实头盔、虚拟现实眼镜、虚拟现实眼罩、增强现实头盔、增强现实眼镜、增强现实眼罩等或其任意组合。例如，虚拟现实设备和/或增强现实设备可包括GoogleGlassTM、Oculus RiftTM、HololensTM、Gear VRTM等。在一些实施例中，终端130可以是处理引擎140的一部分。
处理引擎140可以处理从扫描仪110、终端130和/或存储器150获得的数据和/或信息。在一些实施例中，处理引擎140可以是单个服务器或服务器组。服务器组可以是集中式的或者分布式的。在一些实施例中，处理引擎140可以是本地的或远程的。例如，处理引擎140可通过网络120来访问存储在扫描仪110、终端130和/或存储器150中的信息和/或数据。作为另一示例，处理引擎140可以直接连接到扫描仪110、终端130和/或存储器150以访问所存储的信息和/或数据。在一些实施例中，处理引擎140可在云平台上实现。仅作为示例，云平台可包括私有云、公共云、混合云、社区云、分布式云、互联云、多重云等或者其任意组合。在一些实施例中，处理引擎140可由图2中所示的具有一个或多个组件的计算设备200来实现。
存储器150可存储数据、指令、和/或任何其他信息。在一些实施例中，存储器150可以存储从终端130和/或处理引擎140获得的数据。在一些实施例中，存储器150可存储数据和/或指令，处理引擎140可以执行或使用该数据和/或指令以执行本发明中所描述的示例性方法。在一些实施例中，存储器150可包括大容量存储设备、可移动存储设备、易失性读写存储器、只读存储器(ROM)等或其任意组合。示例性的大容量存储设备可包括磁盘、光盘、固态驱动器等。示例性的可移动存储器可包括闪存驱动器、软盘、光盘、存储器卡、压缩盘、磁带等。示例性的易失性读写存储器可包括随机存取存储器(RAM)。示例性的RAM可包括动态RAM(DRAM)、双倍数据率同步动态RAM(DDR SDRAM)、静态RAM(SRAM)、晶闸管RAM(T-RAM)和零电容器RAM(Z-RAM)等。示例性的ROM可包括掩模ROM(MROM)、可编程ROM(PROM)、可擦除可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)、光盘ROM(CD-ROM)、以及数字多用磁盘ROM等。在一些实施例中，存储器150可在云平台上实现。仅作为示例，云平台可包括私有云、公共云、混合云、社区云、分布式云、互联云、多重云等或者其任意组合。
在一些实施例中，存储器150可连接到网络120，以便与计算机断层成像设备100中的一个或多个其他组件(例如，处理引擎140、终端130等)通信。计算机断层成像设备100中的一个或多个组件可通过网络120来访问存储在存储器150中的数据或指令。在一些实施例中，存储器150可直接连接到计算机断层成像设备100中的一个或多个其他组件(例如，处理引擎140、终端130等)或与这些组件通信。在一些实施例中，存储器150可以是处理引擎140的一部分。
图2是根据本发明的一些实施例的可以在其上实现处理引擎140的示例性计算设备200的示例性硬件和/或软件组件的示意图。如图2所示，计算设备200可以包括内部通信总线210、处理器(processor)220、只读存储器(ROM)230、随机存取存储器(RAM)240、通信端口250、输入/输出组件260、硬盘270以及用户界面280。
内部通信总线210可以实现计算设备200组件间的数据通信。
处理器220可根据本文所描述的技术来执行计算机指令(例如，程序代码)并执行处理引擎140的各功能。计算机指令可包括例如执行本文所描述的特定功能的例程、程序、对象、组件、数据结构、过程、模块以及函数。例如，处理器220可以处理从扫描仪110、终端130、存储器150、和/或计算机断层成像设备100的任何其他组件获得的图像数据。在一些实施例中，处理器220可包括一个或多个硬件处理器，诸如微控制器、微处理器、精简指令集计算机(RISC)、专用集成电路(ASIC)、专用指令集处理器(ASIP)、中央处理单元(CPU)、图形处理单元(GPU)、物理处理单元(PPU)、微控制器单元、数字信号处理器(DSP)、现场可编程门阵列(FPGA)、高级RISC机(ARM)、可编程逻辑器件(PLD)、能够执行一个或多个功能的任意电路或处理器等或其任意组合。
仅为了说明，在计算设备200中仅描述了一个处理器。然而，应当注意，本发明中的计算设备200也可包括多个处理器，因此本发明中所描述的由一个处理器执行的操作和/或方法步骤也可由多个处理器联合地或分别地执行。
只读存储器(ROM)230和随机存取存储器(RAM)240可存储从扫描仪110、终端130、存储器150、和/或计算机断层成像设备100的任何其他组件获得的数据/信息。只读存储器(ROM)230可包括掩模ROM(MROM)、可编程ROM(PROM)、可擦除可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)、光盘ROM(CD-ROM)、以及数字多用磁盘ROM等。随机存取存储器(RAM)240可包括动态RAM(DRAM)、双倍数据率同步动态RAM(DDR SDRAM)、静态RAM(SRAM)、晶闸管RAM(T-RAM)和零电容器RAM(Z-RAM)等。在一些实施例中，只读存储器(ROM)230和随机存取存储器(RAM)240可存储用于执行本发明中所描述的示例性方法的一个或多个程序和/或指令。
通信端口250可连接到网络(例如，网络120)以协助数据通信。通信端口250可在处理引擎140和扫描仪110、终端130和/或存储器150之间建立连接。该连接可以是有线连接、无线连接、能够实现数据传送和/或接收的任意其他通信连接、和/或这些连接的任意组合。有线连接可包括例如电缆、光缆、电话线等或者其任意组合。无线连接可包括例如蓝牙TM链路、Wi-FiTM链路、WiMaxTM链路、WLAN链路、ZigBee链路、移动网络链路(例如，3G，4G，5G等)等或其组合。在一些实施例中，通信端口250可以是包括标准化通信端口，诸如RS232、RS485等。在一些实施例中，通信端口250可以是专门设计的通信端口。例如，通信端口250可根据医学数字成像和通信(DICOM)协议来设计。
输入/输出组件260支持计算设备200与其他部件之间的输入/输出数据流。在一些实施例中，输入/输出组件260可包括输入设备和输出设备。输入设备的示例可包括键盘、鼠标、触摸屏、话筒等或其组合。输出设备的示例可包括显示设备、扬声器、打印机、投影仪等或其组合。显示设备的示例可包括液晶显示器(LCD)、基于发光二极管(LED)的显示器、平板显示器、曲面屏幕、电视设备、阴极射线管(CRT)、触摸屏等或其组合。
计算设备200还可以包括不同形式的程序储存单元以及数据储存单元，例如硬盘270，能够存储计算机处理和/或通信使用的各种数据文件，以及处理器220所执行的可能的程序指令。
用户界面280可以实现计算设备200和用户之间的交互和信息交换。
图3是根据本发明的一些实施例的可以在其上实现终端130的示例性移动设备300的示例性硬件和/或软件组件的示意图。如图3所示，移动设备300可包括天线310、显示器320、图形处理单元(GPU)330、中央处理单元(CPU)340、I/O 350、内存360以及存储器390。在一些实施例中，移动设备300中还可包括任何其他合适的组件，包括但不限于系统总线或控制器(未示出)。在一些实施例中，移动操作系统370(例如，iOSTM、AndroidTM、WindowsPhoneTM等)和一个或多个应用380可从存储器390被加载到内存360中以便由CPU 340执行。应用380可包括浏览器或任意其它合适的移动应用以用于接收和绘制与图像处理相关的信息或来自处理引擎140的其它信息。用户与信息流的交互可通过I/O 350来实现并通过网络120提供给处理引擎140和/或计算机断层成像设备100的其他组件。
为了实现本发明中所描述的各种模块、单元及其功能，计算机硬件平台可被用作本文所描述的一个或多个元件的(诸)硬件平台。具有用户界面元件的计算机可被用于当作个人计算机(PC)或任何其他类型的工作站或终端设备。如果进行适当的编程，计算机也可以充当服务器。
图4是根据本发明的一些实施例所示的一种示例性处理引擎140的示意图。如图4所示，处理引擎140可以包括获取模块410、校正模块420、存储模块430和重建模块440。
获取模块410可以从计算机断层成像设备100的一个或多个组件(例如，扫描仪110、终端130、存储器150等)获取数据，也可以通过网络120从其他设备接收数据。获取模块410可以获取与扫描过程相关的数据(例如，扫描物体的一个扫描过程)、与计算机断层成像设备100相关的数据和/或与计算机断层成像设备100所处的环境相关的数据。在一些实施例中，与扫描过程相关的数据可以包括物体的一般信息，例如年龄、身高、体重、性别、病史等，或其任意组合。在一些实施例中，与计算机断层成像设备100相关的数据可以包括扫描方案、原始扫描数据、探测器温度、校正参数、X射线的强度、球管状态等或其任意组合。在一些实施例中，操作者可以在终端130设置一个温度测量装置(图中未示出)以获取探测器112的温度，并将探测器温度从终端130传输到获取模块410。在另一些实施例中，在探测器112上安装有温度传感器，当探测器112中包含多个探测单元(图中未示出)时，则相应的为每个探测单元都安装对应的温度传感器，可以单独测量每一个探测单元的温度。该温度传感器可以将所测量到的探测器温度传输到获取模块410。在一些实施例中，与计算机断层成像设备100所处的环境相关的数据包括环境中的温度、湿度等或其组合。
获取模块410所获取的图像数据可以是原始图像数据，也可以是重建之后的图像数据或图像。
在一些实施例中，获取模块410可以将获取的数据发送到校正模块420、存储模块430和/或重建模块440。在一些实施例中，获取模块410将获取的数据发送到校正模块420以校正该数据。在一些实施例中，获取模块410将获取的原始图像数据传输到重建模块440以重建图像，并且可以进一步将重建图像传输到校正模块420以校正该重建图像。
在一些实施例中，校正模块420可以从获取模块410和存储模块430获取数据并校正该数据。在一些实施例中，校正模块420可以用于在图像重建过程中对图像进行校正。在一些实施例中，校正可以包括气体校正(空气校正)、中心校正、水校正、排归一化校正等或其任意组合。空气校正和水校正可以基于在空气或水切片内的扫描(例如，CT扫描)，产生预扫描数据。之后，可以在后续扫描中从物体的扫描数据中减去该预扫描数据，以获取物体的校正扫描数据。
在一些实施例中，校正模块420可以进行空气扫描，该空气扫描可以在计算机断层成像设备100中的工作台114上没有物体时进行。例如，校正模块420可以通过空气扫描生成空气校正表。该空气校正表包括多个空气校正参数。这些空气校正参数是对探测器单元增益进行调整的参数。该空气校正表可以基于探测器112中的一个或多个参考探测单元生成，也可以针对探测器112中的每一个探测单元生成。空气校正表可以与环境参数、扫描仪110的放射性扫描源115的状态等关联。
以CT设备为例，CT设备中扫描仪110的放射性扫描源115为CT设备的球管，从该球管发射出X射线到扫描对象，该X射线经过扫描对象之后由探测器112接收。环境参数可以包括算机断层成像设备100和/或探测器112所处环境的温度和/或湿度等。该环境参数对探测器112的增益也具有较大的影响。探测器112的球管状态可以包括焦点位置、球管阳极的转速等或其组合。当CT球管工作时，由于靶内产生巨大的热量，阳极靶轴承的热胀冷缩将使轴承发生形变，使焦点的大小和位置发生变化，如果在后续的图像重建中仍采用原来的球管焦点位置会造成重建图像的伪影。球管阳极的转速越高，球管阳极轴承的磨损也会越严重，会造成球管内管芯松动而发生焦点偏移等问题。因此，通过进行空气扫描获得空气校正表就是为了补偿探测器112的增益损失以及球管状态造成的测量偏差。
在一些实施例中，还可以记录并保存探测器112的历史曝光数据。历史曝光数据可以包括在历史曝光时刻中球管的电压强度和探测器112所受到的曝光剂量等。探测器112的历史曝光时刻指探测器112在某一段时间内执行扫描事件的时刻。球管的电压强度是指该球管在某一历史曝光时刻进行扫描时的电压强度，该电压强度的设置取决于扫描目的，每一次扫描的球管电压强度可能相同也可能不同。探测器112所受到的历史曝光剂量指探测器112在某一历史曝光时刻所受照射的强度和持续时间，该历史曝光剂量取决于球管的电压强度、照射持续时间长度等因素。探测器112所受到的历史曝光剂量反映了探测器112在使用过程中所受到的损伤程度，该损伤程度直接影响探测器112和/或每一个探测单元的增益。
可以理解的是，当前的扫描时刻距离上一次探测器112校正时刻越久，那么所获得扫描数据的偏差就会越大。因此，理想情况下，应当在每一次利用计算机断层成像设备100进行扫描时都对探测器112进行一次校正。但是这样会加长每一次扫描所需的时间，出于工作效率以及成本计划的考虑，在实际应用中还不能做到如此理想的校正。本发明所采用的预测空气校正表的方法可以减少用户对计算机断层成像设备100进行空气扫描以生成空气校正表的次数。
在一些实施例中，可以基于多个参考值更新空气校正表。该参考值可以通过神经网络、机器学习或深度学习获得。该空气校正表可以存储在存储模块430中。在一些实施例中，校正模块420可以将经过校正之后的数据传输至重建模块440以重建图像。
存储模块430可以存储数据和/或信息。仅作为示例，存储模块430可以存储由获取模块410、校正模块420和/或重建模块440接收的信息。所述信息可以包括扫描方案、扫描参数、原始数据、神经网络、空气校正表、空气校正参数、排归一化校正表、重建后的图像、参考值等，或其任何组合。在一些实施例中，存储模块430可以存储一个或多个程序和/或指令，所述程序和/或指令可以由处理引擎140的(多个)处理器进行，以进行在本申请中描述的示例性方法。例如，存储模块430可以存储(多个)程序和/或指令，所述程序和/或指令可以由处理引擎140的(多个)处理器获取原始数据，基于原始数据重建CT图像和/或显示任何中间结果或合成图像。在一些实施例中，存储模块430可以包括一个或多个组件，所述组件可以包括硬盘驱动器、磁带、可移动存储驱动器(例如，相变可重写光盘驱动器、磁光驱动器、USB可移动硬盘等)、微驱动器等或其组合。
重建模块440可以用于重建扫描物体的计算机断层扫描图像。在一些实施例中，图像重建模块440可以通过从获取模块410获取的原始数据和/或来自校正模块420的校正数据重建图像。在一些实施例中，重建模块440可以根据来自存储模块430的数据生成图像。在一些实施例中，重建模块440可以处理所述重建后的图像。所述处理可以包括平滑化、灰度归一化等、及其任何组合。例如，在图像重建期间，图像中的组织的表面可以被平滑化。在一些实施例中，重建模块440可以根据重建参数来重建图像。重建参数可以包括重建视野、重建矩阵、卷积核/重建滤波器等，或其任何组合。仅作为例子，图像重建可以基于利用傅里叶切片定理、滤波反投影算法、扇形波束重建、迭代重建等的方法。
应当注意的是，对处理引擎140的上述描述仅仅是为了说明的目的，而非限制本发明的范围。对于本领域的技术人员，在本发明的教导下可以进行各种修正和改变。然而，各种修正和改变并没有脱离本发明的范围。例如，可以省略校正模块420，并且扫描仪110和/或终端130可以被配置为执行本发明中所描述的校正模块420的一个或多个功能。
在一些实施例中，在计算机断层成像设备100对某一对象进行扫描时，校正模块420根据本发明的方法预测计算机断层成像的空气校正表，并将该预测的空气校正表存储在存储模块430中再由重建模块440从中获得，或者直接传输给重建模块440。重建模块440利用预测的空气校正表对所要用于重建的数据/图像数据进行校正，再根据校正后的数据/图像数据生成重建图像。
本发明中所包括的一种预测计算机断层成像的空气校正表的装置所包括的存储器和处理器可以包括在图1-图4所示的计算机断层成像设备100中。例如，该装置的存储器可以是计算机断层成像设备100中的存储器150，该装置的处理器可以是处理引擎140中的处理器220。当然，该计算机断层成像的空气校正表的装置也可以是一个单独存在的装置。其存储器用于存储可由处理器执行的指令，这些指令是用于预测计算机断层成像的空气校正表。其处理器用于执行这些指令以实现预测计算机断层成像的空气校正表。具体的预测计算机断层成像的空气校正表的方法将在后文中详述。
图5是根据本发明一些实施例的一种预测计算机断层成像的空气校正表的示例性方法的流程图。在一些实施例中，过程500的至少一部分可以由图1所示的计算机断层成像设备100的一个或多个组件进行或实现。
在步骤502中，获得计算机断层成像设备100的历史空气校正表，历史空气校正表对应第一环境参数。在一些实施例中，该计算机断层成像设备100的历史空气校正表及其对应的第一环境参数可以存储在处理引擎140中的存储模块430中。由获取模块410从存储模块430中获取该历史空气校正表和第一环境参数。该历史空气校正表来自于过去某一时刻(例如，半年前)，通过该计算机断层成像设备100对空气进行扫描，利用该空气扫描数据生成。优选地，该历史空气校正表为最近一次执行空气扫描所获得的空气校正表，也就是说，对于该计算机断层成像设备100来说最新的空气校正表。该空气校正表对应该计算机断层成设备100中各个组件近期的性能状态。利用最近一次的空气校正表的有益效果在于，由于利用了最近一次的历史数据，当前计算机断层成设备100性能状态与最近一次的性能状态的变化相对较小，因此，可以加快预测当前状态下的空气校正表的速度。
在一些实施例中，计算机断层成像设备100的探测器112中包含多个探测单元。由于受到多个因素的影响，探测单元间增益可能不一致。这些因素可以包括像素单元的尺寸、表面平滑度、像素单元之间的反射、光电转换器件响应以及电子系统的数据采集过程中的噪声。在一些实施例中，探测单元间增益可以随时间和温度变化。这些变化可能包括温度变化、辐射损伤、通信链路的变化。探测单元间增益的不一致可能在图像重建期间造成环状伪影。因此，利用空气校正表来消除探测器间增益的不一致。在一些实施例中，空气校正表包括空气校正参数，例如探测器的返回值、X射线的强度等。
在一些实施例中，空气校正表是在预设温度和预设扫描方案下生成的。该扫描方案可以包括多个参数。仅作为示例，该参数可以是与准直器孔径、探测器孔径、X射线管电压和/或电流、扫描模式、表索引速度、台架速度、重建视场(FoV)、内核等或其任意组合。
该第一环境参数至少包括在生成该历史空气校正表时，计算机断层成像设备100所处环境的温度、湿度等或其组合。该第一环境参数可以由独立存在的环境参数检测器测量，也可以结合在计算机断层成像设备100中。并且能够将所测量得到的第一环境参数存储在存储模块430中，由获取模块410获得。
在步骤504中，检测预设时刻的第二环境参数。该预设时刻是指需要使用计算机断层成像设备100对某一对象进行扫描的时刻。相应地，利用本方法预测的预测空气校正表与所要进行的计算机断层扫描是相关联的。也就是说，该预测空气校正表是要用于所要进行的计算机断层扫描，在基于该计算机断层扫描进行图像重建时会使用该预测空气校正表来补偿探测器112的增益。在一些实施例中，该预设时刻可以在进行计算机断层扫描之前发生。在另一些实施例中，该预设时刻可以与该计算机断层扫描同时进行。
该第二环境参数至少包括在预设时刻计算机断层成像设备100所处环境的温度、湿度等及其组合。该第二环境参数可以由独立存在的环境参数检测器测量，也可以结合在计算机断层成像设备100中。并且能够将所测量得到的第二环境参数存储在存储模块430中，由获取模块410获得。
在步骤506中，根据历史空气校正表、第一环境参数和第二环境参数获得预测空气校正表。在一些实施例中，在一个计算机断层成像设备100出厂前对该计算机断层成像设备100进行一系列的测试，其中包括测试历史空气校正表、第一环境参数和第二环境参数之间的相互影响和变化的规律，从而得到历史空气校正表、第一环境参数和第二环境参数之间的关系。例如，分别改变探测器112和/或每一个探测单元的温度、湿度，与此同时，采集扫描仪110扫描空气得到的扫描数据，建立起温度、湿度和扫描数据之间的函数关系。假设获得历史空气校正表的时刻为t1，即将开始进行计算机断层扫描的预设时刻为t2。对于某一个探测单元来说，设其空气校正系数为G，环境温度为T，环境湿度为H。则在这些实施例中，t2时刻某一探测单元的空气校正系数G(t2)为：
G(t2)＝F1(T(t2),T(t1),G(t1))+F2(H(t2),H(t1),G(t1)) (1)
在式(1)中，G(t1)为t1时刻获得的历史空气校正表中的空气校正系数，G(t2)为t2时刻获得的空气校正系数，T(t1)为t1时刻的环境温度，T(t2)为t2时刻的环境温度，F1表征T(t1)、T(t2)、G(t1)和G(t2)之间的函数关系；H(t1)为t1时刻的环境湿度，H(t2)为t2时刻的环境湿度，F2表征H(t1)、H(t2)、G(t1)和G(t2)之间的函数关系。T(t1)、H(t1)为步骤502中所述的第一环境参数，T(t2)、H(t2)为步骤504中所述的第二环境参数。F1和F2可以通过对计算机断层成像设备100进行出厂前测试获得。F1和F2被称为第一关系函数。式(1)表征了预设时刻t2的空气校正表中的空气校正系数G(t2)与环境参数之间的关系，该环境参数包括第一环境参数和第二环境参数。
在一些实施例中，F1可以是下面具体示例所给出的函数关系：
G(t2)＝G(t1)+CT*(T(t2)-T(t1))+CC
其中，CT和CC分别是和温度增益变化相关的一次项系数和常数项系数。
F2可以是下面具体示例所给出的函数关系：
G(t2)＝G(t1)+F2table(H(t2),H(t1))
其中，F2table是通过实验得到的湿度影响增益的查找表。
在这些实施例中，考虑了环境参数对计算机断层成像设备100产生的影响，可以通过式(1)来预测空气校正表，对每一个探测单元所获得的扫描数据进行校正，以去除环境参数的影响。
可以理解的是，步骤502和步骤504可以放在一个步骤中进行，或者该两个步骤的顺序可以相反，不会影响执行本实施例所示方法的结果。
图6是根据本发明一些实施例的一种预测计算机断层成像的空气校正表的示例性方法的流程图。在一些实施例中，过程600的至少一部分可以由图1所示的计算机断层成像设备100的一个或多个组件进行或实现。
在步骤602中，与步骤502相比，除了获得计算机断层成像设备100在第一环境参数下的历史空气校正表之外，还要获得计算机断层成像设备100的历史曝光数据。在一些实施例中，该历史空气校正表、第一环境参数以及历史曝光数据可以存储在处理引擎140中的存储模块430中。在需要的时候，由获取模块410从存储模块430中获取这些数据。
历史曝光数据可以包括球管电压、曝光剂量和曝光时刻等数据。如前文所述，历史曝光数据反映了计算机断层成像设备100中的放射性扫描源115(如CT球管)以及探测器112的受损程度。
在步骤604中，检测预设时刻的第二环境参数。该步骤与步骤504相同。
在步骤606中，根据历史空气校正表、第一环境参数、第二环境参数和历史曝光数据获得预测空气校正表。在一些实施例中，参考步骤506所述，假设e是历史曝光的次数(例如，每分钟或小时内产生曝光的次数)，t(e)是历史曝光时刻，kV(e)是历史曝光产生时的球管电压，I(e)是历史曝光时探测器112所受到的曝光剂量强度。在这些实施例中，t2时刻某一探测单元的空气校正系数G(t2)为：
在式(2)中，F3表征kV(e)、t(e)、t2、G(t1)和G(t2)之间的函数关系，F4表征I(e)、t(e)、t2、G(t1)和G(t2)之间的函数关系。F3和F4可以通过周期性将空气校正表中的空气校正系数G和历史曝光数据结合起来，通过机器学习或解析方法获得。F3和F4被成为第二关系函数。式(2)表征了预设时刻t2的空气校正表中的空气校正系数G(t2)与环境参数以及历史曝光数据之间的关系，其中既包含第一关系函数F1和F2，也包含第二关系函数F3和F4。
在一些实施例中，F3可以是下面具体示例所给出的函数关系：
G(t2)＝G(t1)*exp(-kVval*coeffkV)
其中，KVval是某次曝光的球管电压数值，coeffkV是与球管电压相关的影响系数。
F4可以是下面具体示例所给出的函数关系：
G(t2)＝G(t1)*exp(-Ival*coeffI)
其中，Ival是某次曝光的累积剂量强度数值，coeffI是与曝光剂量强度相关的影响系数。
在这些实施例中，同时考虑了环境参数和历史曝光数据对计算机断层成像设备100产生的影响，可以通过式(2)来预测空气校正表，对每一个探测单元所获得的扫描数据进行校正，去除环境参数和历史曝光数据的影响。
可以理解的是，步骤602和步骤604可以放在一个步骤中进行，或者该两个步骤的顺序可以相反，不会影响执行本实施例所示方法的结果。
图7是根据本发明一些实施例的一种预测计算机断层成像的空气校正表的示例性方法的流程图。在一些实施例中，过程700的至少一部分可以由图1所示的计算机断层成像设备100的一个或多个组件进行或实现。
在步骤702中，与步骤502相比，除了获得计算机断层成像设备100在第一环境参数下的历史空气校正表之外，还要获得计算机断层成像设备100的与所述历史空气校正表对应的第一球管状态和所述预设时刻的第二球管状态。在一些实施例中，该历史空气校正表、第一环境参数以及第一球管状态、第二球管状态可以存储在处理引擎140中的存储模块430中。在需要的时候，由获取模块410从存储模块430中获取这些数据。
第一球管状态和第二球管状态分别包括焦点位置、球管阳极的转速等或其组合。如前文所述，经过一段时间的使用，CT球管的焦点位置会发生改变，从而会影响重建图像的质量。球管阳极的转速和球管的损耗相关。焦点位置和球管阳极的转速都与测量结果的偏差相关。
在步骤704中，检测预设时刻的第二环境参数。该步骤与步骤504相同。
在步骤706中，根据历史空气校正表、第一环境参数、第二环境参数、第一球管状态和第二球管状态获得预测空气校正表。在一些实施例中，参考步骤506所述，用Focus表示焦点位置，用Anode表示球管阳极的状态，如转速等。在这些实施例中，t2时刻某一探测单元的空气校正系数G(t2)为：
G(t2)＝F1(T(t2),T(t1),G(t1))+F2(H(t2),H(t1),G(t1))+F5(G(t1),Focus(t2),Focus(t1),Anode(t2),Anode(t1))(3)
在式(3)中，F5表征了t1时刻的焦点位置Focus(t1)、t2时刻的焦点位置Focus(t2)、t1时刻的阳极转速Anode(t1)、t2时刻的阳极转速Anode(t2)和G(t2)之间的函数关系。为了得到F5，可以通过定制的协议，扫描不同焦点位置和阳极转速时的空气数据，生成查找表或多项式拟合方式，建立F5的映射关系。F5被称为第三函数关系。式(3)表征了预设时刻t2的空气校正表中的空气校正系数G(t2)与环境参数以及第一球管状态和第二球管状态之间的关系，其中既包含了第一关系函数F1和F2，还包含了第三函数关系F5。
在一些实施例中，F5可以是下面具体示例所给出的函数关系：
G(t2)＝G(t1)*F5table(focus(t2),focus(t1))
其中，F5table是通过实验得到的焦点位置影响增益的查找表。
在这些实施例中，同时考虑了环境参数和球管状态对计算机断层成像设备100产生的影响，可以通过式(3)来预测空气校正表，对每一个探测单元所获得的扫描数据进行校正，去除环境参数和球管状态的影响。
可以理解的是，步骤702和步骤704可以放在一个步骤中进行，或者该两个步骤的顺序可以相反，不会影响执行本实施例所示方法的结果。
图8是根据本发明一些实施例的一种预测计算机断层成像的空气校正表的示例性方法的流程图。在一些实施例中，过程800的至少一部分可以由图1所示的计算机断层成像设备100的一个或多个组件进行或实现。
在步骤802中，与步骤702相比，除了获得计算机断层成像设备100在第一环境参数下的历史空气校正表、第一球管状态和第二球管状态之外，还要获得计算机断层成像设备100的历史曝光数据。在一些实施例中，该历史空气校正表、第一环境参数、第一球管状态、第二球管状态和历史曝光数据可以存储在处理引擎140中的存储模块430中。在需要的时候，由获取模块410从存储模块430中获取这些数据。
在这些实施例中，同时考虑了环境参数、球管状态以及历史曝光数据对计算机断层成像设备100中的放射性扫描源115(如CT球管)以及探测器112的性能产生的影响。
在步骤804中，检测预设时刻的第二环境参数。该步骤与步骤504相同。
在步骤806中，根据历史空气校正表、第一环境参数、第二环境参数、第一球管状态、第二球管状态和历史曝光数据获得预测空气校正表。在这些实施例中，t2时刻某一探测单元的空气校正系数G(t2)为：
式(4)表征了预设时刻t2的空气校正表中的空气校正系数G(t2)与环境参数、球管状态和历史曝光数据之间的关系，其中包含了第一关系函数F1和F2，第二函数关系F3和F4，以及第三函数关系F5。
在这些实施例中，同时考虑了环境参数、球管状态以及历史曝光数据对计算机断层成像设备100产生的影响，可以通过式(4)来预测空气校正表，对每一个探测单元所获得的扫描数据进行校正，去除环境参数、历史曝光数据和球管状态的影响。。
可以理解的是，步骤802和步骤804可以放在一个步骤中进行，或者该两个步骤的顺序可以相反，不会影响执行本实施例所示方法的结果。
本发明还包括一种计算机断层成像的重建方法，该方法可以利用图5-图8所示的任意一种方法所获得的预测空气校正表来对计算机断层成像设备所获得的数据进行图像重建，可以减少重建图像中的伪影，获得较好的图像质量。
上文已对基本概念做了描述，显然，对于本领域技术人员来说，上述发明披露仅仅作为示例，而并不构成对本申请的限定。虽然此处并没有明确说明，本领域技术人员可能会对本申请进行各种修改、改进和修正。该类修改、改进和修正在本申请中被建议，所以该类修改、改进、修正仍属于本申请示范实施例的精神和范围。
同时，本申请使用了特定词语来描述本申请的实施例。如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本申请至少一个实施例相关的某一特征、结构或特点。因此，应强调并注意的是，本说明书中在不同位置两次或多次提及的“一实施例”或“一个实施例”或“一替代性实施例”并不一定是指同一实施例。此外，本申请的一个或多个实施例中的某些特征、结构或特点可以进行适当的组合。
此外，本领域技术人员可以理解，本申请的各方面可以通过若干具有可专利性的种类或情况进行说明和描述，包括任何新的和有用的工序、机器、产品或物质的组合，或对他们的任何新的和有用的改进。相应地，本申请的各个方面可以完全由硬件执行、可以完全由软件(包括固件、常驻软件、微码等)执行、也可以由硬件和软件组合执行。以上硬件或软件均可被称为“数据块”、“模块”、“引擎”、“单元”、“组件”或“系统”。此外，本申请的各方面可能表现为位于一个或多个计算机可读介质中的计算机产品，该产品包括计算机可读程序编码。
同理，应当注意的是，为了简化本申请披露的表述，从而帮助对一个或多个发明实施例的理解，前文对本申请实施例的描述中，有时会将多种特征归并至一个实施例、附图或对其的描述中。但是，这种披露方法并不意味着本申请对象所需要的特征比权利要求中提及的特征多。实际上，实施例的特征要少于上述披露的单个实施例的全部特征。
一些实施例中使用了描述成分、属性数量的数字，应当理解的是，此类用于实施例描述的数字，在一些示例中使用了修饰词“大约”、“近似”或“大体上”来修饰。除非另外说明，“大约”、“近似”或“大体上”表明所述数字允许有±20％的变化。相应地，在一些实施例中，说明书和权利要求中使用的数值参数均为近似值，该近似值根据个别实施例所需特点可以发生改变。在一些实施例中，数值参数应考虑规定的有效数位并采用一般位数保留的方法。尽管本申请一些实施例中用于确认其范围广度的数值域和参数为近似值，在具体实施例中，此类数值的设定在可行范围内尽可能精确。
虽然本发明已参照当前的具体实施例来描述，但是本技术领域中的普通技术人员应当认识到，以上的实施例仅是用来说明本发明，在没有脱离本发明精神的情况下还可做出各种等效的变化或替换，因此，只要在本发明的实质精神范围内对上述实施例的变化、变型都将落在本申请的权利要求书的范围内。
Claims (13)
1.一种预测计算机断层成像的空气校正表的方法，包括以下步骤：
获得计算机断层成像设备的历史空气校正表，所述历史空气校正表对应第一环境参数；
检测预设时刻的第二环境参数；
根据所述历史空气校正表、第一环境参数和第二环境参数获得预测空气校正表；
其中所述第一环境参数和第二环境参数分别包括温度、湿度或其组合。
2.如权利要求1所述的方法，其特征在于，所述历史空气校正表为最近一次空气校正表。
3.如权利要求1所述的方法，其特征在于，所述预设时刻为计算机断层扫描的时刻，所述预测空气校正表与所述计算机断层扫描关联。
4.如权利要求1所述的方法，其特征在于，还包括获得所述计算机断层成像设备的历史曝光数据，且根据所述历史空气校正表、第一环境参数、第二环境参数和历史曝光数据获得预测空气校正表。
5.如权利要求1所述的方法，其特征在于，还包括获得所述计算机断层成像设备的与所述历史空气校正表对应的第一球管状态和所述预设时刻的第二球管状态，且根据所述历史空气校正表、第一环境参数、第二环境参数、第一球管状态和第二球管状态获得预测空气校正表。
6.如权利要求4所述的方法，其特征在于，还包括获得所述计算机断层成像设备的与所述历史空气校正表对应的第一球管状态和所述预设时刻的第二球管状态，且根据所述历史空气校正表、第一环境参数、第二环境参数、历史曝光数据、第一球管状态和第二球管状态获得预测空气校正表。
7.如权利要求4所述的方法，其特征在于，所述历史曝光数据包括球管电压、曝光剂量和曝光时刻。
8.如权利要求5或6所述的方法，其特征在于，所述第一球管状态和第二球管状态分别包括焦点位置、球管阳极的转速或其组合。
9.如权利要求1所述的方法，其特征在于，还包括预先获得空气校正表与环境参数的第一关系函数，且根据所述历史空气校正表、第一环境参数和第二环境参数获得预测空气校正表的步骤使用所述第一关系函数。
10.如权利要求4所述的方法，其特征在于，还包括预先获得空气校正表与环境参数的第一关系函数，以及空气校正表与历史曝光数据的第二关系函数，且根据所述历史空气校正表、第一环境参数、第二环境参数和历史曝光数据获得预测空气校正表的步骤使用所述第一关系函数和第二关系函数。
11.如权利要求6所述的方法，其特征在于，还包括预先获得空气校正表与环境参数的第一关系函数，空气校正表与历史曝光数据的第二关系函数以及空气校正表与球管状态的第三关系函数，且根据所述历史空气校正表、第一环境参数、第二环境参数、第一球管状态和第二球管状态获得预测空气校正表的步骤使用所述第一关系函数、第二关系函数和第三关系函数。
12.一种计算机断层成像的重建方法，包括：
使用如权利要求1-10任一项所述的方法预测空气校正表；以及
使用所预测的空气校正表进行图像重建。
13.一种预测计算机断层成像的空气校正表的装置，包括：
存储器，用于存储可由处理器执行的指令；
处理器，用于执行所述指令以实现如权利要求1-10任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910251107.6A CN109998578B (zh) | 2019-03-29 | 2019-03-29 | 预测计算机断层成像的空气校正表的方法和装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910251107.6A CN109998578B (zh) | 2019-03-29 | 2019-03-29 | 预测计算机断层成像的空气校正表的方法和装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109998578A true CN109998578A (zh) | 2019-07-12 |
| CN109998578B CN109998578B (zh) | 2023-07-14 |
Family
ID=67169018
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910251107.6A Active CN109998578B (zh) | 2019-03-29 | 2019-03-29 | 预测计算机断层成像的空气校正表的方法和装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109998578B (zh) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110916704A (zh) * | 2019-11-13 | 2020-03-27 | 上海联影医疗科技有限公司 | 校正方法、装置及存储介质 |
| CN111297383A (zh) * | 2019-12-24 | 2020-06-19 | 上海联影医疗科技有限公司 | X射线成像的校正方法、装置及存储介质 |
| CN111798534A (zh) * | 2020-07-17 | 2020-10-20 | 沈阳先进医疗设备技术孵化中心有限公司 | 图像重建方法、装置、控制台设备及ct系统 |
| CN113313649A (zh) * | 2021-06-01 | 2021-08-27 | 上海联影医疗科技股份有限公司 | 图像重建方法及装置 |
| CN116807502A (zh) * | 2023-06-28 | 2023-09-29 | 赛诺威盛医疗科技(扬州)有限公司 | 用于校正计算机断层扫描设备的扫描数据的方法及装置 |
| CN116842321A (zh) * | 2023-07-11 | 2023-10-03 | 赛诺威盛医疗科技(扬州)有限公司 | 计算机断层扫描设备的扫描数据的校正方法及校正装置 |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6256404B1 (en) * | 1997-10-10 | 2001-07-03 | Analogic Corporation | Computed tomography scanning apparatus and method using adaptive reconstruction window |
| JP2010252951A (ja) * | 2009-04-23 | 2010-11-11 | Hitachi Medical Corp | Ｘ線ｃｔ装置およびこれを用いたデータ取得方法 |
| JP2011139786A (ja) * | 2010-01-07 | 2011-07-21 | Hitachi Medical Corp | Ｘ線ｃｔ装置 |
| CN105496437A (zh) * | 2015-12-01 | 2016-04-20 | 沈阳东软医疗系统有限公司 | 一种空气校正方法和装置 |
| CN106539590A (zh) * | 2015-09-18 | 2017-03-29 | 上海联影医疗科技有限公司 | 计算机断层成像校正方法及计算机断层成像系统 |
| CN106551703A (zh) * | 2015-09-30 | 2017-04-05 | 上海联影医疗科技有限公司 | 计算机断层成像方法和计算机断层成像系统 |
| CN106687045A (zh) * | 2014-10-22 | 2017-05-17 | 株式会社日立制作所 | 数据处理装置、x射线ct装置以及参考校正方法 |
| US20170325775A1 (en) * | 2015-09-18 | 2017-11-16 | Shanghai United Imaging Healthcare Co., Ltd. | System and method for computer tomography |
| CN108030502A (zh) * | 2017-07-12 | 2018-05-15 | 深圳联影医疗科技有限公司 | 用于空气校正的系统和方法 |
| CN109480891A (zh) * | 2018-12-29 | 2019-03-19 | 上海联影医疗科技有限公司 | 计算机断层扫描系统和计算机断层扫描图像的生成方法 |
-
2019
- 2019-03-29 CN CN201910251107.6A patent/CN109998578B/zh active Active
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6256404B1 (en) * | 1997-10-10 | 2001-07-03 | Analogic Corporation | Computed tomography scanning apparatus and method using adaptive reconstruction window |
| JP2010252951A (ja) * | 2009-04-23 | 2010-11-11 | Hitachi Medical Corp | Ｘ線ｃｔ装置およびこれを用いたデータ取得方法 |
| JP2011139786A (ja) * | 2010-01-07 | 2011-07-21 | Hitachi Medical Corp | Ｘ線ｃｔ装置 |
| CN106687045A (zh) * | 2014-10-22 | 2017-05-17 | 株式会社日立制作所 | 数据处理装置、x射线ct装置以及参考校正方法 |
| CN106539590A (zh) * | 2015-09-18 | 2017-03-29 | 上海联影医疗科技有限公司 | 计算机断层成像校正方法及计算机断层成像系统 |
| US20170325775A1 (en) * | 2015-09-18 | 2017-11-16 | Shanghai United Imaging Healthcare Co., Ltd. | System and method for computer tomography |
| CN106551703A (zh) * | 2015-09-30 | 2017-04-05 | 上海联影医疗科技有限公司 | 计算机断层成像方法和计算机断层成像系统 |
| CN105496437A (zh) * | 2015-12-01 | 2016-04-20 | 沈阳东软医疗系统有限公司 | 一种空气校正方法和装置 |
| CN108030502A (zh) * | 2017-07-12 | 2018-05-15 | 深圳联影医疗科技有限公司 | 用于空气校正的系统和方法 |
| CN109480891A (zh) * | 2018-12-29 | 2019-03-19 | 上海联影医疗科技有限公司 | 计算机断层扫描系统和计算机断层扫描图像的生成方法 |
Cited By (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110916704A (zh) * | 2019-11-13 | 2020-03-27 | 上海联影医疗科技有限公司 | 校正方法、装置及存储介质 |
| CN110916704B (zh) * | 2019-11-13 | 2023-09-01 | 上海联影医疗科技股份有限公司 | 校正方法、装置及存储介质 |
| CN111297383A (zh) * | 2019-12-24 | 2020-06-19 | 上海联影医疗科技有限公司 | X射线成像的校正方法、装置及存储介质 |
| CN111798534A (zh) * | 2020-07-17 | 2020-10-20 | 沈阳先进医疗设备技术孵化中心有限公司 | 图像重建方法、装置、控制台设备及ct系统 |
| CN111798534B (zh) * | 2020-07-17 | 2024-03-08 | 东软医疗系统股份有限公司 | 图像重建方法、装置、控制台设备及ct系统 |
| CN113313649A (zh) * | 2021-06-01 | 2021-08-27 | 上海联影医疗科技股份有限公司 | 图像重建方法及装置 |
| CN113313649B (zh) * | 2021-06-01 | 2022-09-16 | 上海联影医疗科技股份有限公司 | 图像重建方法及装置 |
| CN116807502A (zh) * | 2023-06-28 | 2023-09-29 | 赛诺威盛医疗科技(扬州)有限公司 | 用于校正计算机断层扫描设备的扫描数据的方法及装置 |
| CN116807502B (zh) * | 2023-06-28 | 2024-03-15 | 赛诺威盛医疗科技(扬州)有限公司 | 用于校正计算机断层扫描设备的扫描数据的方法及装置 |
| CN116842321A (zh) * | 2023-07-11 | 2023-10-03 | 赛诺威盛医疗科技(扬州)有限公司 | 计算机断层扫描设备的扫描数据的校正方法及校正装置 |
| CN116842321B (zh) * | 2023-07-11 | 2024-03-15 | 赛诺威盛医疗科技(扬州)有限公司 | 计算机断层扫描设备的扫描数据的校正方法及校正装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109998578B (zh) | 2023-07-14 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109998578A (zh) | 预测计算机断层成像的空气校正表的方法和装置 | |
| US11893738B2 (en) | System and method for splicing images | |
| US20210272337A1 (en) | Systems and methods for determining parameters for medical image processing | |
| US10204427B2 (en) | System and method for air correction | |
| CN111462020B (zh) | 心脏图像的运动伪影校正方法、系统、存储介质和设备 | |
| CN109961489A (zh) | Ct图像重建方法和装置 | |
| US11348290B2 (en) | Systems and methods for image correction | |
| US11974874B2 (en) | System and method for locating a target subject | |
| CN108389242A (zh) | 投影图像的校正方法及装置 | |
| CN109060849A (zh) | 一种确定辐射剂量调制线的方法、系统和装置 | |
| CN107346555A (zh) | 电子计算机断层扫描图像数据处理方法 | |
| US11875433B2 (en) | System and method for scatter correction | |
| CN107895390A (zh) | 电子计算机断层扫描图像数据处理系统及方法 | |
| CN109124666A (zh) | 一种确定辐射剂量调制线的方法、系统和装置 | |
| US11410351B2 (en) | Method and system for improving CT image quality | |
| US11501944B2 (en) | Method and system for adjusting focal point position | |
| CN108986182A (zh) | 一种重建ct图像的方法、系统及存储介质 | |
| CN109671033A (zh) | 一种图像暗场校正方法和系统 | |
| CN109077746A (zh) | 一种确定辐射剂量调制线的方法、系统和装置 | |
| US11538160B2 (en) | Systems and methods for scatter correction of image | |
| CN110853742B (zh) | 一种图像重建方法、系统、装置及存储介质 | |
| CN109431528A (zh) | 校正投影图像的系统和方法 | |
| US11972565B2 (en) | Systems and methods for scanning data processing | |
| CN109044389B (zh) | 用于确定旋转角度的系统和方法 | |
| CN109255825A (zh) | 用于实现正投影的方法、装置、存储介质以及图像重建方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| CB02 | Change of applicant information |
Address after: 201807 Shanghai City, north of the city of Jiading District Road No. 2258 Applicant after: Shanghai Lianying Medical Technology Co.,Ltd. Address before: 201807 Shanghai City, north of the city of Jiading District Road No. 2258 Applicant before: SHANGHAI UNITED IMAGING HEALTHCARE Co.,Ltd. |
|
| CB02 | Change of applicant information | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |