CN110023997B - 从光谱计算机断层扫描数据再现常规计算机断层扫描图像 - Google Patents

从光谱计算机断层扫描数据再现常规计算机断层扫描图像 Download PDF

Info

Publication number
CN110023997B
CN110023997B CN201680091320.XA CN201680091320A CN110023997B CN 110023997 B CN110023997 B CN 110023997B CN 201680091320 A CN201680091320 A CN 201680091320A CN 110023997 B CN110023997 B CN 110023997B
Authority
CN
China
Prior art keywords
basis
image data
spectral
spectral image
imaged
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
Application number
CN201680091320.XA
Other languages
English (en)
Other versions
CN110023997A (zh
Inventor
弗雷德里克·格伦贝格
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Prismatic Sensors AB
Original Assignee
Prismatic Sensors AB
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Prismatic Sensors AB filed Critical Prismatic Sensors AB
Publication of CN110023997A publication Critical patent/CN110023997A/zh
Application granted granted Critical
Publication of CN110023997B publication Critical patent/CN110023997B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • G06T11/005—Specific pre-processing for tomographic reconstruction, e.g. calibration, source positioning, rebinning, scatter correction, retrospective gating
    • 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
    • G06T11/006—Inverse problem, transformation from projection-space into object-space, e.g. transform methods, back-projection, algebraic methods
    • 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
    • A61B6/4208—Arrangements for detecting radiation specially adapted for radiation diagnosis characterised by using a particular type of detector
    • A61B6/4241—Arrangements for detecting radiation specially adapted for radiation diagnosis characterised by using a particular type of detector using energy resolving detectors, e.g. photon counting
    • 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
    • A61B6/50—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications
    • A61B6/505—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications for diagnosis of bone
    • 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
    • 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
    • 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
    • A61B6/583—Calibration using calibration phantoms
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2223/00—Investigating materials by wave or particle radiation
    • G01N2223/40—Imaging
    • G01N2223/423—Imaging multispectral imaging-multiple energy imaging
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N23/00—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00
    • G01N23/02—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by transmitting the radiation through the material
    • G01N23/06—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by transmitting the radiation through the material and measuring the absorption
    • G01N23/083—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by transmitting the radiation through the material and measuring the absorption the radiation being X-rays
    • G01N23/087—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by transmitting the radiation through the material and measuring the absorption the radiation being X-rays using polyenergetic X-rays
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2210/00—Indexing scheme for image generation or computer graphics
    • G06T2210/41—Medical
    • 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

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Medical Informatics (AREA)
  • Physics & Mathematics (AREA)
  • Public Health (AREA)
  • General Health & Medical Sciences (AREA)
  • Pathology (AREA)
  • Biomedical Technology (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Molecular Biology (AREA)
  • Optics & Photonics (AREA)
  • High Energy & Nuclear Physics (AREA)
  • Radiology & Medical Imaging (AREA)
  • Biophysics (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Veterinary Medicine (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Pulmonology (AREA)
  • Physiology (AREA)
  • Orthopedic Medicine & Surgery (AREA)
  • Dentistry (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Data Mining & Analysis (AREA)
  • Epidemiology (AREA)
  • Databases & Information Systems (AREA)
  • Primary Health Care (AREA)
  • Immunology (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • Chemical & Material Sciences (AREA)
  • Toxicology (AREA)
  • Algebra (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Physics (AREA)

Abstract

提供一种用于基于针对至少两种不同的有效能量而获得的光谱图像数据来重构图像的方法及相应装置。该方法包括：获得与待成像对象相关的第一组光谱图像数据和与包括至少一种参考物质的校准体模相关的第二组光谱图像数据(S1)；基于第一组光谱图像数据执行基础分解，以根据相关联的基础函数提供待成像对象的估计的基础图像(S2)；基于第二组光谱图像数据执行基础分解，以提供与所述至少一种参考物质相应的参考基系数的校准估计(S3)；并且基于待仿真的成像系统的系统模型、已估计的基础图像及其相关联的基础函数、以及参考基系数的校准估计，来确定表示待成像对象的图像值(S4)。

Description

从光谱计算机断层扫描数据再现常规计算机断层扫描图像
技术领域
所提出的技术整体涉及x射线成像，并且更具体地，涉及一种利用新的成像技术产生的数据模仿或模拟常规的x射线检测器产生的图像的方法，以在技术转型期利用X射线学领域中的大量的经验和知识。
具体地，所提出的技术涉及一种用于图像重构的方法和系统、相应的x射线成像系统、计算机断层扫描CT系统、以及相应的计算机程序和计算机程序产品的方法与系统。
背景技术
诸如x射线成像等X射线成像技术已经在医疗应用及非破坏性的测试中使用多年。
通常，x射线成像系统包括x射线源和由多个检测器元件构成的x射线检测器。x射线源发射x射线，x射线穿过待成像的对象(subject)或对象，然后由检测器检测。因为一些物质比其他物质吸收x射线的更大部分，所以图像由物体或对象构成。
常规x射线检测器是能量整合，因此，从每个检测到的光子至检测信号的贡献与其能量成比例，并且在常规CT中，获取对单一有效能量的测量。因此，通过常规CT系统生成的图像具有特定的特点，其中，不同的组织和物质在某些范围内显示典型值。
光谱CT是CT成像技术的统一术语，CT成像技术通过多种有效能量获取测量数据。光谱CT数据中的能量信息允许创建新的各种各样的图像，其中，新的信息是可用的并且能够除去常规技术中固有的图像伪影。
为了利用使用常规设备的多年经验累积的知识和经验法则，希望与新的图像一起从模拟常规CT图像特性的光谱CT数据生成单一图像。
在现有技术中，存在出于其他目的使用图像混合技术的方法，诸如，对于给定任务优化对比度噪声比或检测能力[4,5]。[3]中提供了与本申请中提供的方法具有相同目的的方法，但是，缺少用于准确结果的关键步骤。
发明内容
当通过常规CT系统对组织进行成像时，它们最终以每个组织的典型范围内的(灰度)像素值进行显示。随着光谱CT技术的出现，希望利用所有相关组织的相同特性(灰度)值来模拟常规的CT图像，以易于技术转变。
对于给定的组织，常规CT图像中的典型灰度值的范围取决于物质本身、系统参数，而且还取决于诸如高度衰减组织的大小和存在性等对象参数。光谱CT技术能够消除对对象参数的依赖性。因此，为了从其中获益并且还模拟常规的系统，有必要导出仅取决于系统参数的物质特定(灰度)值。举例说明，实现此的简单方式是考虑薄样本，其中，将所得到的值称为理想的亨氏单位。
可以使用光谱CT数据执行所谓的基础分解。在理论上，其表明可以以特定方式加权所得到的数据集，以再现所有组织的理想亨氏单位，实际上是在模拟常规CT系统。实践中，事实证明，使用两个基函数以再现基础分解中的组织的标准选择导致了偏差值(灰度)，因此在基础分解结果中，不能准确地再现理想的亨氏单位。
通过增加基础函数的数量，至少能够部分解决此问题，但是，因为噪音也增加，所以这不是个令人满意的方案。发明人意识到，通过引入包括诸如水和空气等参考物质的体模的校准测量，可以在代表性的(灰度)值计算中考虑偏差值，并且当使用诸如两个基础函数等较小数量的基础函数时，也能够实现理想亨氏单位的准确再现。
该方法能够仿真常规CT系统的多个不同系统参数。熟悉一组特定参数的放射科医师可以选择仿真该特定组，同时，还获益于可能通过光谱CT技术实现了图像质量改进。
根据所提出的技术，提供一种基于来自x射线检测器的图像数据来提供或重构图像的方法与相应装置。换言之，提供一种用于图像重构的方法和系统。
根据第一方面，提供一种基于针对至少两种不同的有效能量而获取的光谱图像数据来重构图像的方法。该方法包括：获得与待成像对象相关的第一组光谱图像数据和与包括至少一种参考物质的校准体模相关的第二组光谱图像数据。方法还包括：基于第一组光谱图像数据执行基础分解，以提供相对于相关联的基础函数的待成像对象的估计的基础图像；并且基于第二组光谱图像数据执行基础分解，以提供与所述至少一种参考物质相应的参考基系数的校准估计。进一步地，方法包括：基于待仿真的成像系统的系统模型、估计基础图像及其相关联的基础函数、以及参考基系数的校准估计，来确定表示待成像对象的图像值。
根据第二方面，提供一种装置，装置被配置为基于针对至少两种不同的有效能量而获取的光谱图像数据来重构图像。该装置被配置为获得与待成像对象相关的第一组光谱图像数据和与包括至少一种参考物质的校准体模相关的第二组光谱图像数据。该装置被配置为基于第一组光谱图像数据执行基础分解，以提供相对于相关联的基础函数的待成像对象的估计的基础图像。该装置还被配置为基于第二组光谱图像数据执行基础分解，以提供与所述至少一种参考物质相应的参考基系数的校准估计。进一步地，装置被配置为基于待仿真的成像系统的系统模型、估计基础图像及其相关联的基础函数、以及参考基系数的校准估计，来确定表示待成像对象的图像值。
根据第三方面，提供一种包括该装置的x射线成像系统。
举例说明，x射线成像系统可以是CT系统。
根据第四方面，提供一种包括指令的计算机程序，当通过至少一个处理器运行指令时，该指令致使至少一个处理器：
-获得与待成像对象相关的第一组光谱图像数据和与包括至少一种参考物质的校准体模相关的第二组光谱图像数据；
-基于第一组光谱图像数据执行基础分解，以提供相对于相关联的基础函数的待成像对象的估计的基础图像；
-基于第二组光谱图像数据执行基础分解，以提供与所述至少一种参考物质相应的参考基系数的校准估计；并且
-基于待仿真的成像系统的系统模型、估计基础图像及其相关联的基础函数、以及参考基系数的校准估计确定表示待成像对象的图像值。
根据第五方面，提供一种相应的计算机程序产品。
当读取细节描述时，将认识到其他优点。
附图说明
通过参考与所附附图一起展开的下列描述，可以与进一步的对象及其优点一起很好地理解实施方式，其中：
图1是示出了成像系统设置的实施例的示意图，该成像系统示出了从源穿过对象至检测器的投影线。
图2是示出x射线成像系统的实施例的示意图。
图3是示出x射线系统的具体实施例的示意图。
图4是示出根据实施方式的用于图像重构的方法的实施例的示意性流程图。
图5是示出整个系统的实施例的示意图，还显示了相关子系统的输入和输出的实施例。
图6是示出根据实施方式的计算机实现方式的实施例的示意图。
具体实施方式
为了更好地理解所提出的技术，通过简要地描述成像系统的非限制性实施例开始可能是有用的。
图1是示出了成像系统设置的实施例的示意图，该成像系统示出了从源穿过对象至检测器的投影线。
如图2中的实施例示出的，x射线成像系统包括：x射线源10，发射x射线；x射线检测器20，在x射线穿过对象之后，对x射线进行检测；模拟处理电路30，对来自检测器的原始电信号进行处理并且对其进行数字化；数字处理电路40，可以对测量数据进行进一步的处理操作，诸如，应用校正、对其进行临时存储、或过滤等；以及数字计算机50，存储已处理的数据并且可以执行进一步的后处理和/或图像重构。整个检测器可以被视为x射线检测器20、或与相关联的模拟处理电路30相结合的x射线检测器20。包括数字处理电路40和/或计算机50的数字器件可以被视为图像重构系统100/200，图像重构系统100/200基于来自x射线检测器的图像数据执行图像重构。由此，图像重构系统100/200可以被视为计算机50、或可替代地数字处理电路40与计算机50的结合系统、或可能是数字处理电路40自身(如果数字处理电路还进一步针对图像重构被专业化)。x射线源10和/或x射线检测器20可以被布置成例如安装在CT龙门(gantry)中的计算机断层扫描(CT)系统的一部分。
图3是示出x射线系统的具体实施例的示意图。在本实施例中，系统包括x射线源和安装在龙门上能够相对于患者手术台旋转的x射线检测器组件。例如，配置可以基于配备有光子计数的x射线检测器的CT扫描仪。举例说明，x射线检测器组件能够具有如美国专利号8,183,535 B2中公开的整体配置。
在下面，将参考实现方式的非限制性实施例对所提出的技术进行描述。
光谱CT的各个实现方式能够被划分成两类，一类能够在投影域中执行物质基础分解(material basis decomposition)并且另一类仅能够在图像域中进行此操作。下列实施例适用于前一类。
在本具体实施例中，将提供理论框架。框架通过引入数量的推导而开始模拟或仿真。
理想的亨氏单位(Hounsfield Units)
通常，以亨氏单位显示常规的x射线CT图像，被定义为：
Figure BDA0002080543940000071
其中，μeff(x)是像素x中的组织或物质的有效线性衰减系数，并且
Figure BDA0002080543940000072
和
Figure BDA0002080543940000073
是针对具体系统确定的水和空气的有效线性衰减系数。这些量从常规的x射线检测器测量数据的负对数推导出：
Figure BDA0002080543940000074
其中，
Figure BDA0002080543940000076
表示投影线，并且
Figure BDA0002080543940000077
和
Figure BDA0002080543940000078
分别表示存在和不存在对象的投影线中的测量信号。
在医学x射线成像中，组织表征为其能量相关的线性衰减系数μ(E)。因此，能够通过线性衰减系数μ(x,E)的空间分布表示已成像的对象。通过由系数参数确定(待仿真的系统)的能量相关函数wl(E)的积分给出无对象情况下的测量信号，
Figure BDA0002080543940000075
Figure BDA0002080543940000079
的典型模型如下：
Figure BDA0002080543940000082
其中，
Figure BDA0002080543940000083
表示投影线
Figure BDA0002080543940000084
中具有能量E的入射光子的数量，DE(E)表示检测器的检测效率，R(E)表示检测器响应函数，对于能量积分系统，R(E)等于光子能量E。还可以在
Figure BDA0002080543940000085
中对其他效果进行建模。对于x射线射束中存在的对象，朗伯-比耳定律(Lambert-Beer law)规定了通过下列式子给出测量信号：
Figure BDA0002080543940000081
其中，
Figure BDA0002080543940000086
表示μ(x,E)沿着投影线
Figure BDA0002080543940000087
的线积分。将(1.1)中的有效线性衰减系数μeff(x)表示为投影数据的逆投影，即，对于每条投影线
Figure BDA0002080543940000088
空间函数满足：
Figure BDA0002080543940000089
在二维空间中，通过所熟知的投影数据的逆拉冬变换(inverse Radontransform)给出μeff(x)。其表明对于任何给定的投影线
Figure BDA00020805439400000810
存在有效能量Eeff，使得：
Figure BDA00020805439400000811
有效能量Eeff取决于系统参数，但是，由于所谓的射束硬化，还取决于对象。穿过高衰减物质或非常厚的对象的投影线将以更高的有效能量进行重构，从而在重构图像中产生伪影(artifacts)。
通常，对重构图像应用用于除去射束硬化伪影的方法。在成像非常薄的组织样本的意义上，模拟的合适量是在没有射束硬化效果的情况下的有效线性衰减系数。推导该量的直接方法是考虑由具有线性衰减系数μ(E)和厚度Δl的单一物质构成的一维样本，在极限情况下，Δl趋于零。由此，将理想的有效线性衰减系数定义为：
Figure BDA0002080543940000091
该数量仅取决于物质具体的
Figure BDA0002080543940000094
和μ(E)中包含的系统参数、而不取决于任何其他对象参数。由此，通过(1.2)、(1.3)、以及(1.5)：
Figure BDA0002080543940000092
在步骤a)和b)中，申请人使用标准的泰勒展开式(Taylor expansions)：
Figure BDA0002080543940000093
其中，o(x)包括在x趋于零时比x更快地变成零的项。由此，
Figure BDA0002080543940000101
对于紧凑的符号，申请人利用加权函数w将函数f的归一化加权内积定义为：
Figure BDA0002080543940000102
利用该符号，通过下列式子给出理想的有效线性衰减系数：
Figure BDA0002080543940000103
并且与(1.1)相似，对于给定组织，相应的理想亨氏单位可以计算为：
Figure BDA0002080543940000104
下列步骤的目的是以其理想的亨氏单位计算显示组织的图像。
基础分解
能够使用光谱CT数据执行所谓的基础分解[1,6]。通过假设成像对象中存在的一组线性衰减系数可以由一组较小的基础函数跨越，能够将线性衰减系数分布μ(x,E)分解成：
Figure BDA0002080543940000111
其中，fk(E)表示第k个基础函数并且ak(x)表示相应的空间基础系数分布，也被称为基础图像。例如，通过最大似然方法[2,6]能够获得基础图像估计
Figure BDA0002080543940000112
由此，通过应用(1.13)至(1.15)，由下列式子给出理想的有效线性系数分布：
Figure BDA0002080543940000113
这意味着：可以通过形成具有<fk>w给出的权重的已估计的基础图像
Figure BDA0002080543940000114
的加权和、能够获得对
Figure BDA0002080543940000115
的估计，其中，fk(E)是已知的基础函数并且w(E)对申请人希望模拟的系统进行建模。
在参考文献[3]中，与(1.1)相似，假设能够将光谱亨氏单位(也被称为合成亨氏单位)计算为：
Figure BDA0002080543940000116
其中，
Figure BDA0002080543940000117
和
Figure BDA0002080543940000118
是从已知的基础函数fk(E)及水和空气的已知线性衰减系数中确定的水和空气的已知基系数。然而，在实现方式中，发现(1.17)不能复制由(1.14)给出的理想亨氏单位，这使得申请人做出下列变形。
校准
在基础分解算法的实现方式中，通常选择两个基础函数来跨越人体中的组织的集合。在两个基础函数很好地逼近该集合(尽管不是很完美)的意义上，其是个很好的选择，并且选择更多基础函数导致噪声基础图像[2]。事实上，需要两个以上的基础函数来完全逼近集合。这具有从两个基础分解获得的基础图像存在略微的偏差的效果[2]，从而波及所提出的合成亨氏单位(1.17)。
这可以通过增加基础函数的数量来解决此问题，但是，这通常不是令人满意的方案。发明人意识到，通过引入对包括诸如水和空气等参考物质的体模(phantom)的校准测量，能够获得就与对象的基础图像的偏差等同的意义而言的水和空气的基系数。以相应的估计
Figure BDA0002080543940000121
和
Figure BDA0002080543940000122
取代(1.17)中的
Figure BDA0002080543940000123
和
Figure BDA0002080543940000124
得到已修改或已校准的合成亨氏单位：
Figure BDA0002080543940000125
当使用较小数量的基础函数(例如，两个基础函数)时，其也准确地复制了由(1.14)给出的所有组织的的理想亨氏单位。
实际上，例如，该理论框架可以被实现或转化成用于按照下列方式确定图像(灰度)值的方法及相应系统。
图4是示出根据所提出技术的第一方面的实施方式的用于图像重构的方法的实施例的示意性流程图。在该具体实施例中，方法包括下列步骤：
S1：获得与待成像对象相关的第一组光谱图像数据和与包括参考物质的校准体模相关的第二组光谱图像数据；
S2：基于第一组光谱图像数据执行基础分解，以提供相对于相关联的基础函数的待成像对象的估计的基础图像；
S3：基于第二组光谱图像数据执行基础分解，以提供与所述至少一种参考物质相应的参考基系数的校准估计；并且
S4：基于待仿真的成像系统的系统模型、估计的基础图像及其相关联的基础函数、以及参考基系数的校准估计，确定表示待成像对象的图像值。
在步骤S1中，优选从相同的光谱成像系统中获得第一组光谱图像数据和第二组光谱图像数据。
应当理解的是，出于基础分解和成像之目的，可以简单地提供光谱图像数据作为输入。
举例说明，可以从光谱计算机断层扫描CT系统获取光谱图像数据。
例如，待仿真的成像系统可以是常规的非光谱CT系统。
在具体实施例中，使用两个基础函数执行步骤S2：基于第一组光谱图像数据执行基础分解；和/或步骤S3：基于第二组光谱图像数据执行基础分解。
作为实施例，参考物质可以包括水和空气，并且由此，参考基系数的校准估计与水和空气对应。应当理解的是，可以使用其他类型的合适参考物质。
在具体实施例中，以修改的合成亨氏单位表示所确定的图像值。
例如，经修改的合成亨氏单位可以是基于基础分解并且相对于参考基系数的校准估计而确定的亨氏单位。
应当认识到，能够通过各种方式实现、组合、以及重新布置此处描述的方法及装置。
例如，实施方式可以用硬件实现、或由合适的处理电路运行的软件实现、或其组合实现。
使用任何常规的技术，诸如，离散电路或集成电路技术，包括通用电子电路和专用电路，可以在硬件中实现此处描述的步骤、功能、过程、模块、和/或块。
可替代地，或作为补充，可以在诸如由诸如一个或多个处理器或者处理单元等合适的处理电路运行的计算机程序等软件中实现此处描述的至少一些步骤、功能、过程、模块、和/或块。
处理电路的实施例包括但不限于，一个或多个微处理器、一个或多个数字信号处理器(DSP)、一个或多个中央处理单元(CPU)、视频加速硬件、和/或诸如一个或多个场可编程门阵列(FPGA)或者一个或多个可编程逻辑控制器(PLC)等任何合适的可编程逻辑电路。
还应当理解的是，可以再利用其中实现所提出技术的任何常规设备或单元的一般处理能力。例如，通过重编已有软件的程序或通过添加新的软件部件，也可以再利用已有的软件。
还可以提供一种基于硬件和软件的结合的方案。基于包括处理速度、实现成本、以及其他需求的多种因素，系统设计者可以确定实际的硬件-软件划分。
根据第二方面，提供一种被配置为基于针对至少两种不同的有效能量而获取的光谱图像数据来重构图像的装置。该装置被配置为获得与待成像的对象相关的第一组光谱图像数据和与包括至少一种参考物质的校准体模相关的第二组光谱图像数据。该装置被配置为基于第一组光谱图像数据的执行基础分解，以根据相关联的基本函数提供待成像的估计的基础图像。该装置还被配置为基于第二组光谱图像数据执行基础分解，以提供与所述至少一种参考物质相应的参考基系数的校准估计。进一步地，该装置被配置为基于待仿真的成像系统的系统模型、估计的基础图像及其相关联的基础函数、以及参考基系数的校准估计，来确定表示待成像的对象的图像值。
举例说明，装置可以被配置为从光谱计算机断层扫描CT系统中获取光谱图像数据。
例如，待仿真的成像系统可以是常规的非光谱CT系统。
在具体实施例中，装置被配置为使用两个基础函数基于第一组光谱图像数据执行基础分解和/或基于第二组光谱图像数据执行基础分解。
作为实施例，参考物质可以包括水和空气，并且由此，该装置被配置为提供与水和空气相应的参考基系数的校准估计。
在具体实施例中，该装置被配置为以修改的合成亨氏单位确定表示待成像的对象的图像值。
例如，经修改的合成亨氏单位可以是基于基础分解并且相对于参考基系数的校准估计而确定的亨氏单位。
图5是示出整个系统的实施例的示意图，还示出了相关子系统的输入和输出的实施例。
在核心处，能够发现用于基于仿真的图像确定的系统部分，即，被配置为执行上述所述步骤S4，例如，生成修改后的合成亨氏单位图像。换言之，用于基于仿真的图像确定的装置或模块110接收对象的基础图像、校准基础图像或其表示(诸如已校准的参考基系数)、以及相应的基础函数、以及描述待仿真的(常规)系统的系统模型，该系统模型作为用于确定表示待成像的对象的图像值的输入。
整个图像重构系统100/200的实施例通常包括用于基于仿真的图像确定的上述所述模块110、用于基础分解的模块120、以及用于提供系统模型的模块130。举例说明，用于提供系统模型的模块130可以被实现为具有相关联数据检索功能的系统模型库，用于提供待仿真的系统的模型。
例如，如下面将要描述的，整个图像重构系统100/200可以是计算机实现方式。
图5还示意性地示出了整个x射线成像系统300(例如光谱CT系统)的实施例，该系统涉及用于基于对象和/或校准体模的x射线测量获得光谱CT数据的检测器20。然后，可以将光谱CT数据作为输入转发至图像重构系统100/200。
图6是示出根据实施方式的计算机实现方式200的实施例的示意图。在该具体实施例中，在被加载到存储器220中、由包括一个或多个处理器210的处理电路运行的计算机程序225、235中实现此处描述的至少一些步骤、功能、过程、模块、和/或块。处理器210与存储器220彼此互连，以能够实现正常的软件运行。可选的输入/输出设备240还可以互连至处理器210和/或存储器220，以能够实现相关数据(诸如输入参数和/或合成输出参数等)的输入和/输出。
就一般意义而言，术语‘处理器’应被解释为能够运行程序代码或计算机程序指令、以执行具体的处理、确定或计算任务的任何系统或设备。
由此，包括一个或多个处理器210的处理电路被配置为在运行计算机程序225时执行诸如此处描述的定义明确的处理任务。
具体地，存储器220包括指令，当通过至少一个处理器210运行指令时，指令致使至少一个处理器210基于光谱图像数据来重构图像。
相应地，提供一种包括指令的计算机程序225、235，当通过至少一个处理器210运行计算机程序225、235时，致使至少一个处理器210：
-获得与待成像的对象相关的第一组光谱图像数据和与包括至少一种参考物质的校准体模相关的第二组光谱图像数据；
-基于第一组光谱图像数据执行基础分解，以根据相关联的基础函数提供待成像的对象的估计的基础图像；
-基于第二组光谱图像数据执行基础分解，以提供与所述至少一种参考物质相应的参考基系数的校准估计；并且
-基于待仿真的成像系统的系统模型、估计的基础图像及其相关联的基础函数、以及参考基系数的校准估计，确定表示待成像的对象的图像值。
处理电路不必被专业化为仅运行上述所述步骤、功能、程序、和/或块，而且还可以运行其他任务。
所提出的技术还提供了一种包括携带此处描述的计算机程序的计算机可读存储介质的计算机程序产品。
举例说明，软件或计算机程序225、235可以被实现为计算机程序产品，即，通常被携带或存储在计算机可读介质220、230上，具体地，非易失性介质。计算机可读介质可以包括一个或多个可移除的或非可移除的存储设备，包括但不限于，只读存储器(ROM)、随机访问存储器(RAM)、压密盘(CD)、数字通用盘(DVD)、蓝光盘、通用串行总线(USB)存储器、硬盘驱动(HDD)存储设备、闪存存储器、磁带、或任何其他常规的存储设备。由此，计算机程序可以被加载到由其处理电路运行的计算机或等同处理设备的操作存储器中。
此处提供的程序流可以被视为由一个或多个处理器执行的计算机流。相应装置可以被限定为一组功能模块，其中，由处理器执行的每个步骤与功能模块相应。在这种情况下，将功能模块实现为在处理器上运行的计算机程序。
由此，寄存在存储器中的计算机程序可以被构建成适当的功能模块，即，在由处理器运行时，被配置为执行此处描述的步骤和/或任务的至少一部分。
仅给出了上述所述实施方式作为实施例，并且应当理解的是，所提出的技术并不局限于此。本领域技术人员应当理解的是，在不背离所附权利要求限定的本范围的情况下，可以对实施方式做出各种改造、组合、以及改变。具体地，如果技术可能，则能够将不同实施方式中的不同部分方案与其他配置结合。
参考文献
[1]Alvarez,Robert E.,and Albert Macovski."Energy-selectivereconstructions in x-ray computerised tomography."Physics in medicine andbiology 21.5(1976):733.
[2]Alvarez,Robert E."Dimensionality and noise in energy selective x-ray imaging."Medical physics 40.11(2013):111909.
[3]Bornefalk,Hans."Synthetic Hounsfield units from spectral CT data."Physics in medicine and biology 57.7(2012):N83.
[4]Holmes,David R.,et al."Evaluation of non-linear blending in dual-energy computed tomography."European journal of radiology 68.3(2008):409-413.
[5]Kim,Kyung Su,et al."Image fusion in dual energy computedtomography for detection of hypervascular liver hepatocellular carcinoma:phantom and preliminary studies."Investigative radiology 45.3(2010):149-157.
[6]Schlomka,JPea,et al."Experimental feasibility of multi-energyphoton-counting K-edge imaging in pre-clinical computed tomography."Physicsin medicine and biology 53.15(2008):4031.

Claims (11)

1.一种基于针对至少两种不同的有效能量而获得的光谱图像数据来重构图像的方法，其中，所述光谱图像数据是从光谱计算机断层扫描CT系统中获取的，其中，所述方法包括：
-获得与待成像对象相关的第一组光谱图像数据和与包括至少一种参考物质的校准体模相关的第二组光谱图像数据（S1）；
-基于所述第一组光谱图像数据执行基础分解，以提供相对于相关联的基础函数的、所述待成像对象的估计的基础图像（S2）；
-基于所述第二组光谱图像数据执行所述基础分解，以提供与所述至少一种参考物质相应的参考基系数的校准估计（S3）；并且
-基于待仿真的成像系统的系统模型、所述估计的基础图像及其相关联的基础函数、以及所述参考基系数的校准估计，来确定表示所述待成像对象的图像值，其中，所述待仿真的成像系统是常规的非光谱CT系统（S4），
其中，所确定的图像值由经过修改的合成亨氏单位表示，所述经过修改的合成亨氏单位是基于基础分解并且相对于所述参考基系数的所述校准估计而确定的亨氏单位。
2.根据权利要求1所述的方法，其中，从相同的光谱成像系统中获得所述第一组光谱图像数据和所述第二组光谱图像数据。
3.根据权利要求1至2中任一项所述的方法，其中，使用两个基础函数执行：基于所述第一组光谱图像数据执行基础分解的步骤（S2）；和/或基于所述第二组光谱图像数据执行基础分解的步骤（S3）。
4.根据权利要求1至2中任一项所述的方法，其中，所述至少一种参考物质包括水和空气，并且所述参考基系数的校准估计与水和空气相应。
5.一种被配置为基于针对至少两种不同的有效能量而获得的光谱图像数据来重构图像的装置（100/200），
其中，所述装置（100/200）被配置为从光谱计算机断层扫描CT系统中获取所述光谱图像数据;
其中，所述装置（100/200）被配置为：获得与待成像对象相关的第一组光谱图像数据和与包括至少一种参考物质的校准体模相关的第二组光谱图像数据；
其中，所述装置（100/200）被配置为基于所述第一组光谱图像数据执行基础分解，以提供相对于相关联的基础函数的待成像对象的估计的基础图像；
其中，所述装置（100/200）被配置为基于所述第二组光谱图像数据执行所述基础分解，以提供与所述至少一种参考物质相应的参考基系数的校准估计；并且
其中，所述装置（100/200）被配置为：基于待仿真的成像系统的系统模型、所述估计的基础图像及其相关联的基础函数、以及参考基系数的校准估计，来确定表示所述待成像对象的图像值，其中，所述待仿真的成像系统是常规的非光谱CT系统，
其中，所述装置（100/200）被配置为以经过修改的合成亨氏单位确定表示所述待成像对象的图像值，所述经过修改的合成亨氏单位是基于基础分解并且相对于所述参考基系数的所述校准估计确定的亨氏单位。
6.根据权利要求5所述的装置，其中，所述装置（100/200）被配置为使用两个基础函数来：基于所述第一组光谱图像数据执行基础分解和/或基于所述第二组光谱图像数据执行基础分解。
7.根据权利要求5至6中任一项所述的装置，其中，所述至少一种参考物质包括水和空气，并且所述装置（100/200）被配置为提供与水和空气相应的参考基系数的校准估计。
8.根据权利要求5至6中任一项所述的装置，其中，所述装置（100/200）包括至少一个处理器（210）和存储器（220），所述存储器（220）包括指令，当所述指令通过所述至少一个处理器（210）执行时，使所述至少一个处理器（210）基于光谱图像数据来重构图像。
9.一种x射线成像系统（300），包括根据权利要求5至8中任一项所述的装置（100/200）。
10.根据权利要求9所述的x射线成像系统（300），其中，所述x射线成像系统是计算机断层扫描CT系统。
11.一种计算机可读介质，其上存储有包括指令的计算机程序（225；235），当所述指令由至少一个处理器（210）执行时，使所述至少一个处理器（210）：
-获得与待成像对象相关的第一组光谱图像数据和与包括至少一种参考物质的校准体模相关的第二组光谱图像数据；其中，所述光谱图像数据是从光谱计算机断层扫描CT系统中获取的；
-基于所述第一组光谱图像数据执行基础分解，以提供相对于相关联的基础函数的、所述待成像对象的估计的基础图像；
-基于所述第二组光谱图像数据执行所述基础分解，以提供与所述至少一种参考物质相应的参考基系数的校准估计；并且
-基于待仿真的成像系统的系统模型、所述估计的基础图像及其相关联的基础函数、以及所述参考基系数的校准估计，来确定表示所述待成像对象的图像值，其中，所述待仿真的成像系统是常规的非光谱CT系统，
其中，所确定的图像值由经过修改的合成亨氏单位表示，所述经过修改的合成亨氏单位是基于基础分解并且相对于所述参考基系数的所述校准估计而确定的亨氏单位。
CN201680091320.XA 2016-12-16 2016-12-16 从光谱计算机断层扫描数据再现常规计算机断层扫描图像 Active CN110023997B (zh)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/SE2016/051277 WO2018111164A1 (en) 2016-12-16 2016-12-16 Reproduction of conventional computed tomography images from spectral computed tomography data

Publications (2)

Publication Number Publication Date
CN110023997A CN110023997A (zh) 2019-07-16
CN110023997B true CN110023997B (zh) 2023-05-02

Family

ID=59752881

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201680091320.XA Active CN110023997B (zh) 2016-12-16 2016-12-16 从光谱计算机断层扫描数据再现常规计算机断层扫描图像

Country Status (7)

Country Link
US (1) US9761022B1 (zh)
EP (1) EP3555858B1 (zh)
JP (1) JP6878590B2 (zh)
KR (1) KR102621507B1 (zh)
CN (1) CN110023997B (zh)
IL (1) IL267174A (zh)
WO (1) WO2018111164A1 (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3667370A1 (en) * 2018-12-11 2020-06-17 Koninklijke Philips N.V. Energy weighting of photon counts for conventional imaging
WO2020167200A1 (en) * 2019-02-14 2020-08-20 Prismatic Sensors Ab Calibration of an x-ray imaging system

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101810490A (zh) * 2008-11-28 2010-08-25 通用电气公司 使用双能计算机断层造影的多材料分解

Family Cites Families (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6848827B2 (en) * 2003-05-13 2005-02-01 General Electric Company Method and apparatus for calibrating detector spectral response
US7224763B2 (en) 2004-07-27 2007-05-29 Analogic Corporation Method of and system for X-ray spectral correction in multi-energy computed tomography
US7983463B2 (en) * 2006-11-22 2011-07-19 General Electric Company Methods and apparatus for suppressing tagging material in prepless CT colonography
US7801264B2 (en) * 2007-12-19 2010-09-21 General Electric Company Method for calibrating a dual -spectral computed tomography (CT) system
US8194961B2 (en) * 2008-04-21 2012-06-05 Kabushiki Kaisha Toshiba Method, apparatus, and computer-readable medium for pre-reconstruction decomposition and calibration in dual energy computed tomography
US8260023B2 (en) * 2008-11-26 2012-09-04 General Electric Company Forward projection for the generation of computed tomography images at arbitrary spectra
US8183535B2 (en) 2009-02-11 2012-05-22 Mats Danielsson Silicon detector assembly for X-ray imaging
US8611627B2 (en) * 2009-12-23 2013-12-17 General Electric Company CT spectral calibration
US8315352B2 (en) * 2010-09-16 2012-11-20 General Electric Company System and method of spectral calibration and basis material decomposition for X-ray CT systems
DE102010042388A1 (de) * 2010-10-13 2012-04-19 Siemens Aktiengesellschaft Verfahren zur Kalibrierung eines CT-Systems mit zumindest einer Fokus-Detektor-Kombination mit einem quantenzählenden Detektor
US8309910B2 (en) 2010-12-15 2012-11-13 General Electric Company Phantom for spectral CT image system calibration
US20120163557A1 (en) * 2010-12-23 2012-06-28 Jiang Hsieh Methods and phantoms for calibrating an imaging system
WO2014034888A1 (ja) * 2012-08-30 2014-03-06 株式会社東芝 Ｘ線ｃｔ装置、画像処理装置、及び画像処理方法
US9750471B2 (en) * 2013-05-10 2017-09-05 Koninklijke Philips N.V. Photon-counting detector calibration
JP6462262B2 (ja) * 2013-08-30 2019-01-30 キヤノンメディカルシステムズ株式会社 Ｘ線コンピュータ断層撮影装置及びフォトンカウンティングｃｔ装置
EP3129957B1 (en) * 2014-04-07 2019-06-12 Prismatic Sensors AB Spectral x-ray imaging
JP2016067943A (ja) * 2014-10-01 2016-05-09 株式会社東芝 フォトンカウンティング装置
US20160217594A1 (en) * 2015-01-22 2016-07-28 Kabushiki Kaisha Toshiba Cost-function based method and apparatus for projection-domain basis decomposition in spectral computed tomography
JP6585182B2 (ja) * 2015-03-18 2019-10-02 プリズマティック、センサーズ、アクチボラグＰｒｉｓｍａｔｉｃ Ｓｅｎｓｏｒｓ Ａｂ フォトンカウンティングマルチビン検出器からのエネルギー分解画像データに基づく画像再構成
CN107427276B (zh) * 2015-03-30 2021-01-26 株式会社日立制作所 图像生成装置、图像生成方法以及x射线ct装置

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101810490A (zh) * 2008-11-28 2010-08-25 通用电气公司 使用双能计算机断层造影的多材料分解

Also Published As

Publication number Publication date
IL267174A (en) 2019-08-29
KR102621507B1 (ko) 2024-01-05
WO2018111164A1 (en) 2018-06-21
EP3555858B1 (en) 2021-07-07
KR20190097166A (ko) 2019-08-20
EP3555858A1 (en) 2019-10-23
CN110023997A (zh) 2019-07-16
JP6878590B2 (ja) 2021-05-26
JP2020503101A (ja) 2020-01-30
US9761022B1 (en) 2017-09-12
EP3555858A4 (en) 2020-07-01

Similar Documents

Publication Publication Date Title
US10034646B2 (en) Material decomposition of multi-spectral X-ray projections using neural networks
TWI259411B (en) Computed tomography
US20180252657A1 (en) System and method for spectral x-ray imaging
JP2020534929A (ja) 深層学習ベースの散乱補正
CN107430778A (zh) 基于来自光子计数多仓检测器的能量分辨的图像数据的图像重建
JP7106307B2 (ja) 医用画像診断装置、医用信号復元方法、医用信号復元プログラム、モデル学習方法、モデル学習プログラム、および磁気共鳴イメージング装置
Hashemi et al. Adaptively tuned iterative low dose CT image denoising
Stute et al. Analytical simulations of dynamic PET scans with realistic count rates properties
Hamelin et al. Design of iterative ROI transmission tomography reconstruction procedures and image quality analysis
Zhao et al. A unified material decomposition framework for quantitative dual‐and triple‐energy CT imaging
Kesner et al. Gating, enhanced gating, and beyond: information utilization strategies for motion management, applied to preclinical PET
CN110023997B (zh) 从光谱计算机断层扫描数据再现常规计算机断层扫描图像
CN110268441B (zh) 获得物体的多个部件的3d模型数据的方法
Naziroglu et al. Simulation of scanner-and patient-specific low-dose CT imaging from existing CT images
JP7014648B2 (ja) 信号復元装置、信号復元方法、信号復元プログラム、モデル学習方法、およびモデル学習プログラム
GB2558022A (en) Method for projected regularization of audio data
US20110075899A1 (en) Efficient correction of polychromy effects in image reconstruction
Iskender et al. A physics-motivated DNN for X-ray CT scatter correction
van den Boom et al. A 4D digital phantom for patient‐specific simulation of brain CT perfusion protocols
Ikejimba et al. Rapid generation of structured physical phantoms for mammography and digital breast tomosynthesis
Dong et al. Prior image constrained low-rank matrix decomposition method in limited-angle reverse helical cone-beam CT
Divel et al. Method for decreasing CT simulation time of complex phantoms and systems through separation of material specific projection data
Mason et al. A Monte Carlo framework for low dose CT reconstruction testing
US20230274473A1 (en) Artificial intelligence based 3d reconstruction
Liu et al. Fourier diffusion for sparse CT reconstruction

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