CN110060316B - 一种用于ct重建中多区域分割的环伪影校正方法 - Google Patents
一种用于ct重建中多区域分割的环伪影校正方法 Download PDFInfo
- Publication number
- CN110060316B CN110060316B CN201910356591.9A CN201910356591A CN110060316B CN 110060316 B CN110060316 B CN 110060316B CN 201910356591 A CN201910356591 A CN 201910356591A CN 110060316 B CN110060316 B CN 110060316B
- Authority
- CN
- China
- Prior art keywords
- ring
- image
- artifact
- correction
- artifacts
- 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 44
- 238000000034 method Methods 0.000 title claims abstract description 41
- 230000011218 segmentation Effects 0.000 title claims abstract description 13
- 238000001914 filtration Methods 0.000 claims abstract description 13
- 230000010365 information processing Effects 0.000 claims abstract description 3
- 230000009469 supplementation Effects 0.000 claims abstract description 3
- 239000011159 matrix material Substances 0.000 claims description 21
- 238000004364 calculation method Methods 0.000 claims description 15
- 238000003491 array Methods 0.000 claims description 11
- 238000001514 detection method Methods 0.000 claims description 7
- 238000005192 partition Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 abstract description 9
- 230000009466 transformation Effects 0.000 abstract description 7
- 238000012545 processing Methods 0.000 abstract description 4
- 238000002591 computed tomography Methods 0.000 description 17
- 238000012805 post-processing Methods 0.000 description 9
- 238000007781 pre-processing Methods 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 241000321520 Leptomitales Species 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
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
- 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]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
本发明涉及一种用于CT重建中多区域分割的环伪影校正方法,属于图像处理技术领域。该方法包括以下步骤:S1:环伪影区划分;S2:创建直角坐标系;S3:针对不同区域设计识别滤波器;S4:滤波并将信息存储至两个矩阵;S5:伪影信息处理、校正和补充。本发明由于无需进行两次坐标变换,图像边缘不会出现严重的失真现象。同时通过将图像分成多区域进行校正,可大大缩短校正时间,且计算量相对于直接校正投影正弦图更小、方法流程较现有方法更加简便。在校正过程中加入了伪影及图像边缘识别区分的算法,很好的避免了非伪影被误认为伪影。由于该方法通过对像素值进行逐一校正,其校正相对于已有的滤波校正更为彻底。
Description
技术领域
本发明属于图像处理技术领域,涉及一种用于CT重建中多区域分割的环伪影校正方法。
背景技术
计算机断层成像技术,即CT(Computed Tomography)在20世纪临床医学领域得到了广泛的应用。自CT诞生以来,CT探测系统从平行束扫描,发展到现如今多探测器扇形束旋转扫描系统。而现阶段算法,大部分CT重建流程包括:预处理、图像重建、图像后处理。其中探测器通道之间的响应存在很大差异,在对X射线进行探测时,其衰减测量的不确定性以及球管打火、机架凹陷、滤波核选择不合适等原因均会在最终成像产生明显的环形伪影。
而现如今在对环伪影校正的方法中大多均在预处理步骤中进行初步校正,采用迭代滤波的图像处理方式滤掉环状伪影,或在图像后处理步骤中通过坐标转换将直角坐标系中的环状伪影变为线状伪影,对图像进行多维滤波处理再转换为直角坐标系,如图1、图2所示。
南方医科大学的专利申请(公开号:CN101178808A)公开了一种改进的锥形束CT环形伪影的消除方法。该方法及采用了在后处理中将重建好的图像进行坐标转换,将环伪影变为直线,并通过滤波器设置阈值识别消除伪影,再通过图像坐标变换输出校正后重建图像。及为第二种在后处理中经过多次坐标变换流程进行识别滤波的流程。此外专利公开号为CN101178808A的专利申请方案中对含环伪影图像进行了至少对图像进行两次坐标转换,这会导致图像的边缘可能存在失真等问题。
现阶段在预处理流程过程使用的环伪影校正方法存在着迭代算法子集或处理顺序、分级次数的不确定、相关参数的不易确定,计算量过大,且校正时间较长等因素;在对于复杂的投影正弦图进行校正,其阈值不易选择,无法十分准确的区分伪影以及伪影背景。
在图像后处理操作中采用极坐标变化多维滤波一系列操作,其需要将整幅含有环伪影的重建图进行极坐标变换,在将环伪影线性化过程中,可能会因阈值设定不妥当,将非伪影的像素误认为伪影。且采用两次坐标变换过后会导致图像边缘失真等问题。
以上由两种现有环伪影校正所产生的问题均可通过本发明描述的医用CT重建中多区域分割的环伪影校正方法解决。
发明内容
有鉴于此,本发明的目的在于提供一种用于CT重建中多区域分割的环伪影校正方法。
为达到上述目的,本发明提供如下技术方案:
一种用于CT重建中多区域分割的环伪影校正方法,该方法包括以下步骤:
S1:环伪影区划分;
S2:创建直角坐标系;
S3:针对不同区域设计识别滤波器;
S4:滤波并将信息存储至两个矩阵;
S5:伪影信息处理、校正和补充。
进一步,所述步骤S1具体为:通过将图片划分多个区域,并在每个区域中利用识别算法检测识别微小的弧型伪影,方像素为单位确定每个像素所属的弧或者通道,通过识别多个区域弧形伪影检测而不是环形伪影检测。
进一步,所述步骤S2具体为:以图像的等中心点为原点建立直角坐标,将基于matlab的i和j坐标转换为基于图像中心的直角坐标系的ax和ay。
进一步,所述步骤S3具体为:通过距等中心点的径向距离乘以一个比例系数Scale确定其确定其每个像素的弧,计算公式为
进一步,所述步骤S4具体为:将相对的每一个区域组成一组数组,然后再对每组数组设计相应的伪影识别滤波器对每一对数组进行弧伪影检测,再根据各区域所形成的数组通过采用不同的识别滤波器进行图像边缘及环伪影的判定计算,计算如下:
Edge=2.5×so-sc
其中sc为中心像素CT值之和,so为边缘像素的CT值之和;
如果点计算的绝对值很高,则处于图像的边缘处,不需要进行环伪影校正;
如果点计算值绝对值较小,则处于环位置,则需要进行环伪影校正。
进一步,所述步骤S5具体为:如果检测到一个环,则将检测信息储存在两个矩阵中:环信息矩阵detected(num_channels,num_sections)与有效信息矩阵valid_area(num_channels,num_sections);在环信息矩阵存储之前定义的每个区域每个像素单元的环值之和,而在有效信息矩阵统计每个分区中每个通道检测到的环总数;
其中对中心像素来说,由于判定时的弧伪影要小得多,求和结果也会更小,需要对中心像素数据加权以进行适当的校正;通过梯形校正平滑图中环伪影,向图像数值矩阵中增加用于抵消环像素点图像数值差异的补偿值获得更加平滑的图像;补偿到每一个通道的值由有效信息矩阵和环信息矩阵共同确定,计算式如下:
补偿因子factor是本团基于对实际环形伪影图像大量采样拟合获得的经验值,Factor因子具体定义为factor=0.3*x2+0.2*x+0.2。
本发明的有益效果在于:
本发明相对于现已有的两种环伪影校正方式,由于无需进行两次坐标变换,图像边缘不会出现严重的失真现象。同时通过将图像分成多区域进行校正,可大大缩短校正时间,且计算量相对于直接校正投影正弦图更小、方法流程较现有方法更加简便。在校正过程中加入了伪影及图像边缘识别区分的算法,很好的避免了非伪影被误认为伪影。由于该方法通过对像素值进行逐一校正,其校正相对于已有的滤波校正更为彻底。
本发明的其他优点、目标和特征在某种程度上将在随后的说明书中进行阐述,并且在某种程度上,基于对下文的考察研究对本领域技术人员而言将是显而易见的,或者可以从本发明的实践中得到教导。本发明的目标和其他优点可以通过下面的说明书来实现和获得。
附图说明
为了使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明作优选的详细描述,以划分8区域为例,其中:
图1为预处理中对正弦图迭代滤波流程;
图2为后处理中对重建图像多维滤波流程;
图3为对水模所存在的环伪影进行划分区域;
图4为环形伪影校正的坐标转换;
图5为区域分割图像及对应伪影识别滤波器;
图6为一组图像数组的示意图;
图7为后处理中多区域分割的环伪影校正流程图。
具体实施方式
以下通过特定的具体实例说明本发明的实施方式,本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用,本说明书中的各项细节也可以基于不同观点与应用,在没有背离本发明的精神下进行各种修饰或改变。需要说明的是,以下实施例中所提供的图示仅以示意方式说明本发明的基本构想,在不冲突的情况下,以下实施例及实施例中的特征可以相互组合。
其中,附图仅用于示例性说明,表示的仅是示意图,而非实物图,不能理解为对本发明的限制;为了更好地说明本发明的实施例,附图某些部件会有省略、放大或缩小,并不代表实际产品的尺寸;对本领域技术人员来说,附图中某些公知结构及其说明可能省略是可以理解的。
本发明实施例的附图中相同或相似的标号对应相同或相似的部件;在本发明的描述中,需要理解的是,若有术语“上”、“下”、“左”、“右”、“前”、“后”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此附图中描述位置关系的用语仅用于示例性说明,不能理解为对本发明的限制,对于本领域的普通技术人员而言,可以根据具体情况理解上述术语的具体含义。
本发明提出了一种用于医用CT重建中多区域分割的环伪影校正方法,其实施方案如下:
1.以对图像进行八分割区域校正为例。如图3所示,通过将图片划分八个区域,并在每个区域中利用识别算法检测识别微小的弧型伪影,与第二种在图像后处理流程所不同的是,该方像素为单位确定每个像素所属的弧或者通道,由其法是通过识别八个区域弧形伪影检测而不是环形伪影检测,大大提高了对伪影与伪影背景的区分度。
2.以图像的等中心点为原点建立直角坐标,如图4所示,将基于matlab的i和j坐标转换为基于图像中心的直角坐标系的ax和ay。
4.将相对的每一个区域组成一组数组,如图5所示。
然后再对每组数组设计相应的伪影识别滤波器对每一对数组进行弧伪影检测。再根据各区域所形成的数组通过采用不同的识别滤波器进行图像边缘及环伪影的判定计算,其计算如下:
Edge=2.5×so-sc
如图6所示,其中sc为中心像素CT值之和,so为边缘像素的CT值之和。
其结果如果该点计算的绝对值很高(很亮或很暗),则处于图像的边缘处,不需要进行环伪影校正。如果其计算值绝对值较小,则处于环位置,则需要进行环伪影校正。在所设计的环伪影判定算法中,判定阈值是由滤波反投影重建图像所采用的滤波器所决定的,而重建滤波器的改变会相应地改变环和边的深度位置,因此判定阈值需要根据重建滤波器来确定。通过改变阈值大小,可以校正图像中更少或更多细微的环。
5.如果检测到一个环,则将检测信息储存在两个矩阵中:环信息矩阵detected(num_channels,num_sections)与有效信息矩阵valid_area(num_channels,num_sections)。在环信息矩阵存储之前定义的每个区域每个像素单元的环值之和。而在有效信息矩阵统计每个分区中每个通道检测到的环总数。其中对中心像素来说,由于判定时的弧伪影要小得多,求和结果也会更小,因此需要对中心像素数据加权以进行适当的校正。通过梯形校正平滑图中环伪影,向图像数值矩阵中增加用于抵消环像素点图像数值差异的补偿值可以获得更加平滑的图像。其补偿到每一个通道的值由有效信息矩阵和环信息矩阵共同确定。计算式如下:
补偿因子factor是本团基于对实际环形伪影图像大量采样拟合获得的经验值。Factor因子具体定义为
factor=0.3*x2+0.2*x+0.2
本发明所设计的环形伪影校正流程如图7所示。
本发明所提出的一种用于医用CT重建中多区域分割的环伪影校正方法,其方案可做以下改变也能抑制环伪影:
1.在图像进行划分区域的过程中可将图片划分为4区域、8区域、16区域或2N个区域(N=1,2,3…)。
2.在通过对各区域进行识别滤波的时候可先通过高通滤波器。
本发明的技术关键点在于:
1.本发明所描述的是一种在重建完图像后的多区域分割的环伪影校正后处理操作。
2.根据划分不同区域设计不同的别滤波器进行图像边缘及环伪影的判定计算。
3.识别到环伪影时需要将创建两个矩阵分别储存环伪影信息以及图像有效信息。
最后说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本技术方案的宗旨和范围,其均应涵盖在本发明的权利要求范围当中。
Claims (4)
1.一种用于CT重建中多区域分割的环伪影校正方法,其特征在于:该方法包括以下步骤:
S1:环伪影区划分;
S2:创建直角坐标系;
S3:针对不同区域设计识别滤波器;
S4:滤波并将信息存储至两个矩阵;
S5:伪影信息处理、校正和补充;
所述步骤S1具体为:通过将图片划分多个区域,并在每个区域中利用识别算法检测识别微小的弧型伪影,方像素为单位确定每个像素所属的弧或者通道,通过识别多个区域弧形伪影检测而不是环形伪影检测;
所述步骤S4具体为:将相对的每一个区域组成一组数组,然后再对每组数组设计相应的伪影识别滤波器对每一对数组进行弧伪影检测,再根据各区域所形成的数组通过采用不同的识别滤波器进行图像边缘及环伪影的判定计算,计算如下:
Edge=2.5×so-sc
其中sc为中心像素CT值之和,so为边缘像素的CT值之和;
如果点计算的绝对值很高,则处于图像的边缘处,不需要进行环伪影校正;
如果点计算值绝对值较小,则处于环位置,则需要进行环伪影校正。
2.根据权利要求1所述的一种用于CT重建中多区域分割的环伪影校正方法,其特征在于:所述步骤S2具体为:以图像的等中心点为原点建立直角坐标,将基于matlab的i和j坐标转换为基于图像中心的直角坐标系的ax和ay。
4.根据权利要求1所述的一种用于CT重建中多区域分割的环伪影校正方法,其特征在于:所述步骤S5具体为:如果检测到一个环,则将检测信息储存在两个矩阵中:环信息矩阵detected(num_channels,num_sections)与有效信息矩阵valid_area(num_channels,num_sections);在环信息矩阵存储之前定义的每个区域每个像素单元的环值之和,而在有效信息矩阵统计每个分区中每个通道检测到的环总数;
其中对中心像素来说,由于判定时的弧伪影要小得多,求和结果也会更小,需要对中心像素数据加权以进行适当的校正;通过梯形校正平滑图中环伪影,向图像数值矩阵中增加用于抵消环像素点图像数值差异的补偿值获得更加平滑的图像;补偿到每一个通道的值由有效信息矩阵和环信息矩阵共同确定,计算式如下:
补偿因子factor是本团基于对实际环形伪影图像大量采样拟合获得的经验值,Factor因子具体定义为factor=0.3*x2+0.2*x+0.2。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910356591.9A CN110060316B (zh) | 2019-04-29 | 2019-04-29 | 一种用于ct重建中多区域分割的环伪影校正方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910356591.9A CN110060316B (zh) | 2019-04-29 | 2019-04-29 | 一种用于ct重建中多区域分割的环伪影校正方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110060316A CN110060316A (zh) | 2019-07-26 |
CN110060316B true CN110060316B (zh) | 2023-03-03 |
Family
ID=67321621
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910356591.9A Active CN110060316B (zh) | 2019-04-29 | 2019-04-29 | 一种用于ct重建中多区域分割的环伪影校正方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110060316B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110889878B (zh) * | 2019-11-08 | 2023-06-09 | 湖北科技学院 | 结合图像平滑处理的ct图像环形伪影抑制方法 |
CN111047659B (zh) * | 2019-11-08 | 2023-06-30 | 湖北科技学院 | 结合滤波方法的ct环形伪影的校正方法 |
CN111563949B (zh) * | 2020-07-17 | 2020-10-20 | 南京理工大学智能计算成像研究院有限公司 | 一种基于区域增长的相位级次错误补偿方法 |
CN112037301A (zh) * | 2020-08-27 | 2020-12-04 | 上海联影医疗科技股份有限公司 | 重建图像的校正方法、装置和存储介质 |
CN115439353B (zh) * | 2022-08-23 | 2023-11-07 | 南方医科大学南方医院 | Ct图像环形伪影校正方法、系统及存储介质 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4670840A (en) * | 1983-03-09 | 1987-06-02 | Elscint, Inc. | Ring artifact correction for computerized tomography |
US6115445A (en) * | 1999-01-12 | 2000-09-05 | Analogic Corporation | Progressive correction of ring artifacts in a computed tomography system |
CN101178808A (zh) * | 2007-11-15 | 2008-05-14 | 南方医科大学 | 一种改进的锥形束ct环形伪影的消除方法 |
CN102521801A (zh) * | 2011-11-23 | 2012-06-27 | 中国科学院深圳先进技术研究院 | Ct图像的环形伪影及弧形伪影校正方法 |
CN102800073A (zh) * | 2012-06-28 | 2012-11-28 | 西北工业大学 | 一种锥束ct环形伪影的自动判别与校正方法 |
CN103593826A (zh) * | 2013-10-22 | 2014-02-19 | 南方医科大学 | 图像环形伪影校正方法 |
CN105321155A (zh) * | 2015-10-29 | 2016-02-10 | 北京理工大学 | 一种cbct图像环形伪影消除方法 |
CN106296763A (zh) * | 2016-07-20 | 2017-01-04 | 中国兵器科学研究院宁波分院 | 一种金属材料工业ct图像质量快速校正方法 |
CN106886982A (zh) * | 2017-02-20 | 2017-06-23 | 江苏美伦影像系统有限公司 | Cbct图像环形伪影去除方法 |
CN107194899A (zh) * | 2017-06-20 | 2017-09-22 | 广州华端科技有限公司 | Ct图像的伪影校正方法和系统 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102004044698A1 (de) * | 2004-09-15 | 2006-03-30 | Siemens Ag | Verfahren zur Beseitigung von Ringartefakten aus mit einem Computertomographiegerät erzeugten Schichtbildern |
US8260017B2 (en) * | 2009-02-19 | 2012-09-04 | Kabushiki Kaisha Toshiba | Rotation center identifying method and apparatus, ring artifact correction method, and X-ray diagnostic apparatus employing the same |
CN101908204B (zh) * | 2010-05-25 | 2012-01-04 | 南方医科大学 | 一种用于消除磁共振图像Gibbs环形伪影的逆扩散方法 |
CN105125231B (zh) * | 2015-09-18 | 2018-02-16 | 沈阳东软医疗系统有限公司 | 一种pet图像环状伪影的去除方法和装置 |
-
2019
- 2019-04-29 CN CN201910356591.9A patent/CN110060316B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4670840A (en) * | 1983-03-09 | 1987-06-02 | Elscint, Inc. | Ring artifact correction for computerized tomography |
US6115445A (en) * | 1999-01-12 | 2000-09-05 | Analogic Corporation | Progressive correction of ring artifacts in a computed tomography system |
CN101178808A (zh) * | 2007-11-15 | 2008-05-14 | 南方医科大学 | 一种改进的锥形束ct环形伪影的消除方法 |
CN102521801A (zh) * | 2011-11-23 | 2012-06-27 | 中国科学院深圳先进技术研究院 | Ct图像的环形伪影及弧形伪影校正方法 |
CN102800073A (zh) * | 2012-06-28 | 2012-11-28 | 西北工业大学 | 一种锥束ct环形伪影的自动判别与校正方法 |
CN103593826A (zh) * | 2013-10-22 | 2014-02-19 | 南方医科大学 | 图像环形伪影校正方法 |
CN105321155A (zh) * | 2015-10-29 | 2016-02-10 | 北京理工大学 | 一种cbct图像环形伪影消除方法 |
CN106296763A (zh) * | 2016-07-20 | 2017-01-04 | 中国兵器科学研究院宁波分院 | 一种金属材料工业ct图像质量快速校正方法 |
CN106886982A (zh) * | 2017-02-20 | 2017-06-23 | 江苏美伦影像系统有限公司 | Cbct图像环形伪影去除方法 |
CN107194899A (zh) * | 2017-06-20 | 2017-09-22 | 广州华端科技有限公司 | Ct图像的伪影校正方法和系统 |
Also Published As
Publication number | Publication date |
---|---|
CN110060316A (zh) | 2019-07-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110060316B (zh) | 一种用于ct重建中多区域分割的环伪影校正方法 | |
CN105528800B (zh) | 一种计算机断层成像伪影校正方法及装置 | |
US9659390B2 (en) | Tomosynthesis reconstruction with rib suppression | |
CN103593826B (zh) | 图像环形伪影校正方法 | |
CN101976436B (zh) | 一种基于差分图修正的像素级多聚焦图像融合方法 | |
CN106886982A (zh) | Cbct图像环形伪影去除方法 | |
CN110458859B (zh) | 一种基于多序列mri的多发性骨髓瘤病灶的分割系统 | |
CN113989407B (zh) | Ct影像中肢体部位识别模型训练方法及系统 | |
CN109741376A (zh) | 一种基于改进ransac算法的中、长波红外图像配准方法 | |
US6751341B2 (en) | Image position matching method and apparatus | |
CN106296763A (zh) | 一种金属材料工业ct图像质量快速校正方法 | |
CN117094917B (zh) | 一种心血管3d打印数据处理方法 | |
CN108364297A (zh) | 血管图像分割方法、终端、存储介质 | |
CN116416268B (zh) | 基于递归二分法的锂电池极片边缘位置检测方法及装置 | |
CN105678750B (zh) | 医学图像的灰度映射曲线生成方法及装置 | |
CN111161182B (zh) | Mr结构信息约束的非局部均值引导的pet图像部分容积校正方法 | |
CN111553849A (zh) | 基于局部特征匹配的锥束ct几何伪影去除方法及装置 | |
CN103400361A (zh) | 一种口腔ct中基于阈值的增益校正算法 | |
CN110264475A (zh) | 基于ct图像的脊椎三维建模方法及装置 | |
CN115273114A (zh) | 文档图像优化方法和介质 | |
US20020106118A1 (en) | Detection of ribcage boundary from digital chest image | |
KR101146006B1 (ko) | 엑스선 씨티에서의 링 아티팩트 제거방법 및 장치 | |
CN109636872B (zh) | 基于滑动窗口差值和条带噪声检测的cbct环形伪影消除方法 | |
CN111553960A (zh) | 一种基于投影均值图像的环状伪影快速校正方法 | |
Arata et al. | Correction of organ motion in SPECT using reprojection data |
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 |