CN110113996A - 用于暗场成像的系统和方法 - Google Patents
用于暗场成像的系统和方法 Download PDFInfo
- Publication number
- CN110113996A CN110113996A CN201780078650.XA CN201780078650A CN110113996A CN 110113996 A CN110113996 A CN 110113996A CN 201780078650 A CN201780078650 A CN 201780078650A CN 110113996 A CN110113996 A CN 110113996A
- Authority
- CN
- China
- Prior art keywords
- image
- input picture
- combination
- width
- lung
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 41
- 238000003384 imaging method Methods 0.000 title claims abstract description 40
- 238000012545 processing Methods 0.000 claims abstract description 24
- 210000004072 lung Anatomy 0.000 claims description 90
- 210000000988 bone and bone Anatomy 0.000 claims description 30
- 210000001519 tissue Anatomy 0.000 claims description 29
- 238000004590 computer program Methods 0.000 claims description 17
- 239000000463 material Substances 0.000 claims description 16
- 230000008859 change Effects 0.000 claims description 13
- 239000004615 ingredient Substances 0.000 claims description 13
- 239000000203 mixture Substances 0.000 claims description 12
- 238000003672 processing method Methods 0.000 claims description 11
- 230000000694 effects Effects 0.000 claims description 9
- 238000005259 measurement Methods 0.000 description 14
- 210000000481 breast Anatomy 0.000 description 9
- 238000010521 absorption reaction Methods 0.000 description 8
- 210000003484 anatomy Anatomy 0.000 description 5
- 235000009508 confectionery Nutrition 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 206010014561 Emphysema Diseases 0.000 description 4
- 230000008901 benefit Effects 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 230000005855 radiation Effects 0.000 description 4
- 210000000038 chest Anatomy 0.000 description 3
- 230000001419 dependent effect Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000002474 experimental method Methods 0.000 description 3
- 238000010606 normalization Methods 0.000 description 3
- 238000000926 separation method Methods 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 241000124008 Mammalia Species 0.000 description 2
- 241001465754 Metazoa Species 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 238000001727 in vivo Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000008520 organization Effects 0.000 description 2
- 238000012913 prioritisation Methods 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 102000003712 Complement factor B Human genes 0.000 description 1
- 108090000056 Complement factor B Proteins 0.000 description 1
- 241000150100 Margo Species 0.000 description 1
- XUIMIQQOPSSXEZ-UHFFFAOYSA-N Silicon Chemical compound [Si] XUIMIQQOPSSXEZ-UHFFFAOYSA-N 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000001427 coherent effect Effects 0.000 description 1
- 230000000112 colonic effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 239000013078 crystal Substances 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 208000002925 dental caries Diseases 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000002059 diagnostic imaging Methods 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 description 1
- 239000010931 gold Substances 0.000 description 1
- 229910052737 gold Inorganic materials 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000000338 in vitro Methods 0.000 description 1
- 238000003780 insertion Methods 0.000 description 1
- 230000037431 insertion Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 230000006651 lactation Effects 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000002156 mixing Methods 0.000 description 1
- 238000001259 photo etching Methods 0.000 description 1
- 238000000746 purification Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 229910052710 silicon Inorganic materials 0.000 description 1
- 239000010703 silicon Substances 0.000 description 1
- 210000004872 soft tissue Anatomy 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000002195 synergetic effect Effects 0.000 description 1
- 210000000115 thoracic cavity Anatomy 0.000 description 1
- 201000008827 tuberculosis Diseases 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 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
- A61B6/52—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
-
- 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
- A61B6/484—Diagnostic techniques involving phase contrast X-ray 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
-
- 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
- A61B6/5211—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data
- A61B6/5229—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data combining image data of a patient, e.g. combining a functional image with an anatomical image
- A61B6/5235—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data combining image data of a patient, e.g. combining a functional image with an anatomical image combining images from the same or different ionising radiation imaging techniques, e.g. PET and CT
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/90—Dynamic range modification of images or parts thereof
- G06T5/94—Dynamic range modification of images or parts thereof based on local image properties, e.g. for local contrast enhancement
-
- 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]
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20092—Interactive image processing based on input by user
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20212—Image combination
-
- 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
- G06T2207/30008—Bone
-
- 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
- G06T2207/30061—Lung
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Physics & Mathematics (AREA)
- Heart & Thoracic Surgery (AREA)
- General Health & Medical Sciences (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Optics & Photonics (AREA)
- Pathology (AREA)
- Radiology & Medical Imaging (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- High Energy & Nuclear Physics (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Dentistry (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Orthopedic Medicine & Surgery (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
一种图像处理系统(IPS)和相关的方法。所述系统包括输入接口(IN),所述输入接口用于接收两幅或更多幅输入图像,所述两幅或更多幅输入图像分别包括成像对象的衰减信号和所述对象的暗场信号。组合器(COM)被配置为在线性组合操作中组合所述两幅或更多幅输入图像以形成组合图像,输出(OUT)端口被配置为输出所述组合图像。
Description
技术领域
本发明涉及图像处理系统、图像处理方法、计算机可读介质和计算机程序单元。
背景技术
干涉测仪设置中的暗场成像引起了很大兴趣,特别是在医学领域。然而,暗场成像实验仍可能导致信噪比(SNR)低于衰减图像的暗场图像中。
A Yaroshenko等人在“Pulmonary Emphysema Diagnosis with a PreclinicalSmall-Animal X-ray Dark-Field Scatter-Contrast Scanner”,Radiology,vol 269,No2(2013年11月)中报道了用小鼠进行的实验性暗场成像。
发明内容
因此可能需要改善图像质量,特别是在暗场成像中。
本发明的目标通过独立权利要求的主题得以解决,其中,在从属权利要求中并入了另外的实施例。应当注意,以下描述的本发明的方面同样地应用于图像处理方法计算机程序单元以及计算机可读介质。
根据本发明的第一方面,提供了一种图像处理系统,包括:
输入接口,其用于接收两幅或更多幅输入图像,所述两幅或更多幅输入图像分别包括被成像对象的衰减信号和所述对象的暗场信号;
组合器,其被配置为在线性组合操作中组合所述两幅或更多幅输入图像以形成组合图像,其中,所述组合操作包括将加权因子应用于所述输入图像中的至少一幅,其中,所述加权因子被配置为减少包括所述暗场信号的所述输入图像中的康普顿散射串扰或者减小包括所述暗场信号的所述输入图像中的射束硬化效应;以及
输出端口,其被配置为输出所述组合图像。
线性地组合两个输入图像允许“混合”具有诊断价值的新的和有用的图像,特别是在诸如胸部成像的医学领域中。
这在胸部成像中特别有用,其中对象包括相对低密度的材料,例如靠近高密度材料(例如骨)的肺组织。在所提出的组合图像中,可以减少硬化效应和/或可以减少康普顿散射信号和暗场信号之间的串扰,以便更好地分离两个散射贡献。
在一个实施例中,可以形成组合图像,其中,确定加权因子以便在组合图像中关于一种材料成分降低对比度,并关于至少一种其他材料成分保持或增加对比度。例如,可以将加权因子调整为组合图像包括肺组织的较高对比度,而骨对比度至少在对应于肺组织的区域中基本上被消除。或者,基本上消除的是肺组织对比度而骨骼对比度保持或增加。
在一个实施例中,组合操作包括对所述输入图像取对数。采用该算法可以更好地适应图像中的图像值的范围。替代地,输入图像已经是对数化的。
在一个实施例中,所述系统包括用户接口,特别是图形用户接口,用于调整加权因子。因此,用户可以通过优选的实时视觉反馈来实验地找到合适的加权因子。
在一个实施例中,所述系统包括加权因子确定器,所述加权因子确定器被配置为通过以下方式来确定所述加权因子:形成针对对象的一个材料成分的边缘图像并改变候选加权因子,以便基于边缘量度来减小边缘图像中的边缘对比度。这些图像中的SNR也可以通过这种方式得到改善。除了低对比度之外,申请人已经观察到暗场信号中的噪声低于衰减图像中的噪声。这在小鼠图像中已经在一定程度上观察到,但在猪的体内暗场成像中更加明显。不仅存在量子噪声,而且还存在其他解剖结构的影响,这些结构与肺部的读数无关。在这个意义上,有机结构可以被描述为“解剖学噪声”。特别地,当对肺进行成像时,骨可以被视为解剖学噪声,并且所提出的方法有助于减少这种影响,特别是改善暗场信号中的对比度和/或SNR。其他解剖学噪声源于肺的外部但位于肺附近的空气腔(例如气管)。
在一个实施例中,通过加权因子确定器来形成边缘图像包括线性地拟合两幅输入图像中的相应邻域中的信号。
在一个实施例中,所述系统包括可视化器,所述可视化器被配置为在显示单元上对组合图像进行可视化。
在一个实施例中,所述两幅图像由干涉X射线成像装置提供。特别地,使用包括一个或多个光栅的劳-泰伯干涉仪。
在一个实施例中,所述至少一种成分具有多孔或海绵状结构和/或其中,所述至少两种成分中的一种是骨,并且所述至少一种其他成分是肺组织。
根据第二方面,提供了一种图像处理方法,包括以下步骤:
接收两幅或更多幅输入图像,所两幅或更多幅述输入图像分别包括对象的衰减信号图像和所述对象的暗场信号图像;
在线性组合操作中组合所述两幅或更多幅输入图像以形成组合图像,其中,所述组合包括将加权因子应用于所述输入图像中的至少一幅,其中,所述加权因子被配置为减少包括所述暗场信号的所述输入图像中的康普顿串扰或者减小包括所述暗场信号的所述输入图像中的射束硬化效应;以及
输出所述组合图像。
在一个实施例中,组合步骤包括向所述输入图像中的至少一幅应用加权因子。
在一个实施例中,确定所述加权因子的步骤包括:
形成针对所述对象的一种材料成分的边缘图像;以及
改变候选加权因子,以便基于边缘量度来减小边缘图像中的边缘对比度。
在一个实施例中,所述图像处理方法包括在显示设备上对所述组合图像进行可视化。
根据第三方面,提供了一种计算机程序单元,所述计算机程序单元适于在由处理单元执行时执行所述方法的步骤。
根据第四方面,提供了一种其上存储有程序单元的计算机可读介质。
附图说明
现在将参考附图描述本发明的示范性实施例,其中,
图1示出了图像处理装置;
图2示出了图像处理方法;
图3示出了干涉成像中暗场信号与衰减信号之间关系的曲线图;
图4示出了图2的方法中用于形成边缘图像的方法步骤;
图5示出了图2的方法中用于定义边缘量度的方法步骤;
图6示出了边缘量度对加权系数的绘制的曲线图;并且
图7示出了与未处理的图像相比使用所提出的方法可获得的图像。
具体实施方式
参考图1,示出了图像处理装置的示意性框图,所述图像处理装置包括计算机化的图像处理系统IPS,并且在一个实施例中(但不一定是所有实施例中)包括X射线成像装置IA。
图像处理系统IPS在一个或多个处理单元PU上运行,例如一个或多个计算机、服务器等。
宽泛地讲,成像处理系统IPS处理由成像装置IA产生的图像,并以新颖的方式组合图像以构造组合图像,所述组合图像然后可以显示在显示单元DU上或者可以存储在存储器中供以后查看,或者可以以其他方式进一步处理。
更具体地,图像处理系统是被配置为接收由对象OB的成像器IA采集的衰减图像和暗场图像的IPS。暗场图像和衰减图像被组合为组合图像。在组合图像中,对象OB的至少两种材料成分中的一种以比另一得成分更好的对比度被显示。这里在一个实施例中设想,用户可以选择性地将输入图像与不同的加权因子组合在不同的组合中,以便强调一种成分或另一种成分的对比度。为了明确起见,特别设想图像处理用于医学成像,特别是胸部成像。对象OB例如是人或动物(例如,哺乳动物)患者的胸部。已经发现所提出的成像系统特别相关,其中一个部件具有带有空气囊的肺海绵或多孔结构,例如肺组织。所述图像处理系统还可以有益于其他组织成分使用,并且实际上也可以用于非医学环境中,其中对嵌入至少部分无孔成分中的多孔成分的成像是感兴趣的。
在本文主要设想的医学背景中,所述两种成分特别包括肺组织和周围骨组织。在一个实施例中,然后第一变体中的组合图像被配置为在排除或显著降低肺对比度的情况下编码高对比度的骨对比度,或者在第二变体中,组合图像以高对比度编码肺对比度,但是现在排除或大大降低骨对比度。组合图像的第一变体在本文中可称为“无肺图像”(NL),而第二变体在本文中可称为“无骨图像”(NB)。更具体地,在减少或消除肺的前方或后方(相对于X射线束传播)的骨对比度的意义上,图像是“无骨”的。
尽管在图1中设想成像设备IA通过无线或有线连接将图像直接提供给图像处理系统IPS,但可能不是在所有实施例中都这样。例如,可以首先将图像存储在诸如HIS的PACS之类的存储器中,或者通过IPS在稍后阶段(例如,在用户请求时)检索要处理的图像,然后处理该图像。
本文特别设想将暗场图像和衰减图像组合成线性组合。将加权因子应用于一幅或两幅图像(特别是仅应用于其中一个)以构建组合图像。如果适当地调整加权因子,则可以根据需要分别生成例如NB图像或NL。同样,在下文中,我们将参考胸部成像来解释本发明,但是这不应排除其他应用,并且不应被解释为必然限制本文所述的内容。
可由图像处理系统IPS获得的组合图像具有进一步的益处,即可以减少从康普顿散射贡献到暗场信号的串扰。换句话说,在组合图像中,可以实现康普顿散射与瑞利散射之间的更好分离。还发现,射束硬化对暗场信号的影响也可以被降低。这种效果在这里特别相关,因为低密度肺结构被胸腔的高密度骨包围。线性组合的图像可以对用户(例如临床医师)具有额外的诊断价值,因为与它们各自的周围相比,不同的组织类型(骨或肺)以更大的对比度显示。我们怀疑,在体内成像时,两种效应,康普顿散射和射束硬化共同作用导致暗场信号中出乎意料地差的肺对比度。
输入图像(暗场图像和衰减图像)优选地由干涉成像装置AI提供。然而,也可以使用能够产生两个信号的其他非干涉成像系统。
在优选的实施例中,成像设备AI包括X射线源XR和X射线敏感探测器D。成像器IA可以是2D或3D的(例如CT扫描器)。在X射线源X与和探测器D之间限定了成像区域,其中待成像的对象OB(例如,对象的胸部)在成像期间驻留。在成像区域中还布置有干涉仪IF,其包括单个、两个或更多个光栅结构。光栅的周期性、纵横比等使得它们引起X射线束的衍射。可以使用吸收和相位光栅。在一个实施例中,通过光刻或在硅晶片中进行切割以限定沟槽的周期性图案来形成光栅。沟槽之间的间隙可以用用于吸收光栅的铅或金填充。代替这种光栅,可以使用晶体结构。
在一个实施例中,在探测器d与对象OB之间布置另外的光栅结构,而在对象OB与X射线源X之间布置另一个光栅。在一些实施例中,在X射线源不能生成原生相干辐射的情况下,还存在布置在X射线源处的额外光栅。如果X射线源产生非相干辐射(通常是这种情况),X射线源(也称为源光栅)的(吸收)光栅会将来自X射线源的X射线变换为至少部分相干的辐射束XB。
至少部分相干的辐射束XB传播通过成像区域并与干涉仪和对象OB相互作用。在所述相互作用之后,然后在探测器D处检测辐射。通常,当X辐射与材料相互作用时,它经历衰减和折射。另一方面,衰减可以分解为源自光电吸收和散射衰减的衰减。散射贡献继而可以分解为康普顿散射和瑞利散射。对于目前的目的,感兴趣的是瑞利散射(或者有时称为小角散射)。在暗场信号中被调制的是瑞利散射的量。
衰减可以理解为其中,μL是肺组织的吸收常数,并且h_lungs是通过肺的组织内路径长度。然后,衰减图像中记录的衰减信号T=I/I0,I0是进入肺组织之前的初始强度,并且I是在探测器D处实际记录的强度。
可以将暗场贡献建模为可见度其中,εL是肺组织的扩散常数,z=h_lung是如上所述的组织内路径长度,并且V0是没有肺组织相互作用的可见性。然后,在暗场图像中记录的暗场信号是D=V/V0。
传统的射线照相系统通常不能将检测到的信号分解为折射和暗场贡献。但是,通过使用如图1所示的干涉仪,可以将这些贡献转换成可由信号处理系统SPU分析的条纹强度模式。SPU在计算上将检测到的条纹图案分成三个贡献或信号,即折射贡献(也称为相位对比度信号)、暗场信号分量和剩余衰减分量。理想情况下,在暗场信号中的瑞利散射与在衰减信道中捕获的康普顿散射和吸收之间应该有明显的分离。
探测器处的探测到的强度在三个信号通道中的信号处理(相位对比度、暗场和衰减)已经在其他地方得到了应用,例如F Pfeiffer等人的“Hard-X-ray dark-fieldimaging using a grating interferometer”,Nature Materials 7,第134-137页(2008)。在Pfeiffer等人和本文在一些实施例中设想的其他类似技术中,傅里叶技术用于分析在探测器D处检测到的条纹图案。更具体地,在一个实施例中,正弦信号模型适合于条纹图案,而运动是在X射线束XB与干涉仪和/或对象之间引起的。例如,分析器光栅(即,布置在对象与探测器之间的光栅)相对于X射线束的光轴横向移动(“扫描”)。该运动引起条纹图案的变化,而条纹图案继而可以针对运动的每个步骤(“相位步进”)以相应的系列记录。然后可以分析这一系列测量结果,例如通过将测量结果拟合到正弦模型,如Pfeiffer等人所述。在正弦模型中包括三个或更多个参数,分别表示三个贡献相位对比度、暗场信号和衰减。相位对比度信号虽然在某种程度上本身是感兴趣的,但在此将被忽略,并且只有暗场信号分量和衰减分量两者被转发到所提出的图像处理系统IPS。尽管这里优选基于光栅的X射线成像,但是本文还设想了能够提供暗场信号和衰减信号的其他非光栅技术。
两个通道中的暗场信号和衰减信号被排列为数字的有序集合,例如在图像值的各阵列中。这些图像值或像素值分别表示在探测器平面的相应位置处感测到的暗场信号和衰减的对比度。更具体地,在特定像素位置(x,y)处,暗场图像中存在特定值,并且该值表示在探测器平面的相应位置x,y处观察到的小散射的量。另一方面,衰减图像中的相同像素位置x,y表示由康普顿散射(和光电吸收)引起的衰减的量。换句话说,两幅图像通常具有相同的尺寸并且自然地彼此配准,使得各个像素位置各自代表两个物理现象,即两幅图像中的瑞利散射和衰减(由于康普顿散射和吸收)。
如前面简要提到的,已经观察到,在从小鼠获得的离体图像中,与相关的衰减信号相比,暗场信号对比度低和/或SNR偶尔不令人满意。具体而言,在猪的胸部成像中,肺几乎是不可见的,尽管肺是多孔结构应该在暗场图像信号中显示出更多的对比度。这里怀疑低对比度是由于从康普顿散射到暗场信号的串扰。换句话说,看起来康普顿散射没有与瑞利散射正确分离。另外,或作为替代解释,令人惊讶的低对比度也可能是由于周围组织(例如骨骼和其中嵌入肺部的其他脂肪/肌肉组织)引起的束硬化。本文提出并且如上所述简要提及地将两幅图像处理成组合图像,其中至少肺的对比度以骨骼为代价得到改善,或者选择性地,与肺对比度相比,骨骼对比度得到改善。申请人已经观察到,通过所提出的方法,在NL图像中基本上消除了肺对比度,其中骨对比度保持(或至少增加),而在NB中,基本上消除了骨对比度而肺对比度保持或甚至增加。而且,与衰减图像相比,尤其在NB图像中的SNR得到改善。
为了形成组合图像,图像处理系统包括组合器COM,其优选地用作具有对数化器级LOG的对数组合器。任何对数底数,如10或(e≈2.72...)可以被使用。
更详细地,在信号处理系统SPS的输入端口IN处接收输入图像、暗场图像D和衰减图像T。然后通过分别在每个像素位置处形成两幅图像值(暗场和衰减)的对数线性组合,在组合的COM中按像素方式组合两幅图像。对数线性组合可以以不同的方式形成。在优选的实施例中,接收的输入图像首先通过对数化器LOG级,以逐像素地形成各自的对数图像,这里称为Log(T)和Log(D)。然后,在组合器级COM的运算阶段,根据对数输入图像log(T)、log(D)中的各图像位置x,y处的各个对数图像值(针对2D的像素或针对3D或更高维度的或体素,都在本文中设想),逐像素地作为线性组合形成组合图像C:
C(x,y)=λ*log(T)(x,y)+/-μ*log(D)(x,y) (1)
然后使用加权因子λ、μ来实现无骨图像或无肺图像。
Ansatz(1)可以通过乘法简化来仅使用单个加权因子制定(1),例如:
C(x,y)=log(T)(x,y)+/-w*log(D)(x,y) (2)
替代地,可以重新定制公式(1),使得公式(2)中的加权因子仅应用于衰减图像log(T)。在下文中,我们将使用公式(2)而不排除其他实施方案,即(1),或者w仅应用于log(T)的情况。实验上已经发现加权因子w在1到10之间,但是这当然精确的幅度取决于图像值的精确编码方式(即,映射到灰度或颜色值调色板等)。在根据(2)的一个实施例中,加权因子的绝对值大于单位值|w|>1或者至少|w|>0.5,例如0.8。加权因子可以是正数或负数,因此COM的组合操作实际上是加法或减法。对于NL图像,3<w<4,特别是在针对小鼠或猪图像的一个实施例中w=3.4。对于NB图像,申请人己发现0.5<w<15。然而,NL和NB的确切边界范围取决于肺的状况,并且取决于干涉仪IF的灵敏度等。
从概念上讲,要求|w|>1可以理解如下:因为似乎存在康普顿对暗场信号的串扰贡献,我们需要相对于衰减信号增加暗场信号的权重。但是,如果加权因子仅应用于衰减项而不是暗场项,则加权因子为|w|<1减小相对于暗场通道的衰减通道。在这个意义上,所提出的方法也可以理解为康普顿校正方法。
换句话说,|w|是暗场信号与衰减信号之间的相对强度之间的比率的度量。针对健康的肺,幅值|w|大于针对比肺气肿(比肺部健康更具弹性)的肺。幅值|w|也可以与组合图像C一起显示,作为肺病状态的量度。还发现了|w|离体肺成像(其中,肺组织悬浮在诸如容器中的水的液体中)比在体内成像中大约4倍。
另外,所提出的方法还用于减少暗场信号中的束硬化伪影。特别是可以减少暗场图像中不希望的骨骼对比度。
射束硬化和康普顿校正的加权因子通常是相同的。幅值似乎取决于相关X射线谱中骨的衰减因子。换句话说,总能找到一个特定的w(kV),它取决于管XR电压kV。因此可以针对每个kV或kV范围预先计算因子,并且然后可以根据成像协议的要求将相应的因子w(kV)用于不同的kV。
在此还设想,加权因子可以由用户改变,优选地通过图形界面UI交互地改变。例如,对数线性组合中给定权重的组合图像C由图形界面UI的窗口小部件的窗格中的可视化器VIS呈现。图1A中的示例性实施例在插图中示意性地示出。滑块小部件(未示出)或一个或多个按钮小部件NL、NB允许用户分别连续地或分步地改变加权因子,以产生所得组合图像的对比度的变化。优选地,用户改变或调整加权因子来实时地绘制组合图像。在如图1中所示的一个实施例中,用户接口UI包括两个不同的按钮NL和NB,并且用户可以通过选择性地操作按钮NL、NB中对应的一个来切换或“触发”无肺NL图像和无骨NB图像。可以通过触摸屏动作或诸如触笔或计算机鼠标之类的指针工具来操作按钮小部件或滑动小部件。还设想了除图形之外的用户接口UI,其中用户在文本框中指定加权因子并通过击键或其他非图形输入器件来调度。
如上所述,线性组合的加权因子w可以通过实验确定并且可以由用户改变或者可以由加权因子确定器WFD自动计算。现在参考图2,下面将更详细地解释其操作。
具体地,图2示出了所提出的图像处理方法的流程图,所述图像处理方法是图1的图像处理系统IPS的操作的基础。然而,应该理解,以下描述的方法步骤本身构成了教导,并且不一定与图1中所示的特定架构相关联。
在步骤S210,接收暗场图像和衰减图像,不一定同时接收。图像可以直接从成像器AI,特别是干涉成像器提供,或者可以从诸如PACS的图像存储器/存储器/数据库或其他图像中检索。
已经采集了相同对象的暗场图像和衰减图像,特别是诸如包括骨和肺组织的哺乳动物胸部的多成分对象。
至少一些部分(例如肺)包括小空气囊和/或具有多孔结构。然后预期多孔结构特别是在暗视场图像中以高对比度显示,然而由于康普顿散射或光束硬化效应的假象串扰贡献,情况并非总是如此。所提出的方法允许至少改善暗场图像中的对比度,以便更好地将暗场信号与康普顿散射信号分离。
为了实现这种更好的分离,在步骤S230,根据如上所述的公式(1)、(2)或它们的变型,从两个输入图像形成线性组合。虽然原则上可以使用两个因子μ、λ,如在(1)中所示,一个用于衰减图像并且一个用于暗场图像,但仅将加权因子应用于两幅图像之一在计算上更有效,例如,如在(2)中仅应用到暗场图像,或者仅应用到衰减图像(这里未示出)。加权因子w或者通过实验确定,或者可以在步骤S220自动确定。下面将在图3-5中更详细地解释步骤220。
步骤S230的组合操作特别是对数线性组合。特别地,首先从两个输入图像中的每一个形成对数,然后根据公式(1)、(2)组合如此获得的对数图像。其中,首先取对数,然后将加权因子应用于log(T)或log(D)或两者,然后执行减法或加法。
但是,也可以使用对数定律、取幂运算和乘法运算:
C(x,y)=log[T(x,y)*D(x,y)w] (3)
在该实施例中,首先逐点地将两个输入图像相乘以获得乘积图像。然后正是然后从该乘积图像取对数。加权因子的应用可以通过逐点地将暗场或衰减图像或两者升高到相应的幂w来实现。然而,优选地,首先取对象,然后根据(1)、(2)来对对数图像进行相加/相减。无论是否使用方程(1)、(2)或(3),我们都将w称为加权“因子”。
还应当理解,取决于图像值编码(HU或其他单位),加权因子可以是正的或负的,使得公式(1-3)中的组合操作是加法或减法。
在步骤S240,然后输出组合图像,例如分别提交到存储器和/或在便携式或固定设备(例如平板电脑/智能电话/膝上型电脑或工作站)的显示设备上在步骤S250中可视化。优选地,组合图像C显示在与成像器1A相关联的工作站上。
优选地,所述方法实时使用,因为图像由成像器提供,但也可以在离线环境中使用,其中在从数据库或其他存储器检索之后检查图像。
如上所述,所提出的方法可用于确定加权系数w,使得(仅)一种成分的对比度以另一种材料成分为代价。例如,在胸部成像中,可以在组合图像C中选择因子w,使得显示骨结构,但不显示肺结构,或者相反,仅有肺结构对比但没有骨对比。
在下文中,更详细地描述确定加权因子的步骤S220。将在胸部成像的背景下(但不限于)描述该方法以确定针对无肺图像NL的加权因子wNL,但是将理解,类似的过程也可用于针对无骨图像NB计算加权因子wNB。
基本理念如下。如果组合图像是无肺图像NL,则特别是对于肺的外部轮廓应该没有对比度或边缘(但是仍可能存在骨骼对比度)。换句话说,如果我们利用候选加权因子w形成线性组合并且我们改变因子w,那么我们应该能够实现肺对比度消失而骨骼结构保持不变。如果我们然后定义测量肺边缘强度的边缘量度并且如果该边缘量度与所述候选因子w之间存在函数关系,则我们可以手动地或优选地在优化方案中改变相同以最小化边缘量度。一旦达到最小值,就输出相关的候选因子并将其应用于公式(1-3)中的任何一个以实现组合图像C。
图3中的图表还有助于激发所提出的确定加权因子的方法。该曲线图示出了水平轴上的衰减值的对数log(T)对垂直轴上示出的暗场信号的对数log(D)的曲线图。具体地,图3是来自如上所述的Yaroshenko等报道的暗场检查的小鼠肺组织的散点图。散点图示出了三个点云:左上角的球形,表示背景图像值对的分布。另外两个点云是椭圆形的。较为细长的椭圆形对应于取自健康对照肺的log(T)-log(D)图像值对,而较厚的椭圆由取自肺气肿肺的值形成。由于与健康肺组织相比较大的气腔,肺气肿肺“更像海绵”并因此导致较弱的暗场信号。换句话说,当对不健康的肺进行成像时,康普顿散射或射束硬化引起较低的对比度和/或较低的SNR,我们在暗场和衰减之间具有较弱的线性相关性(即,椭圆的长轴的斜率更接近于零)。鉴于此,申请人提出对暗场和衰减值的局部分布进行线性拟合。然后申请人发现拟合线的相应线性曲线的斜率对应于无肺图像的期望加权因子wNL。我们可以使用线的斜率作为暗场信号强度的度量。
现在参考图4和5,其中更详细地描述加权因子确定步骤S220(根据一个实施例)。该方法的启发来自上面关于图3的观察结果。
步骤大致如下。在步骤S220_1中,针对感兴趣的材料成分(在这种情况下为肺)形成边缘图像。在边缘图像中,我们希望完全消除或完全去除不需要的肺部对比度。
一旦形成了边缘图像,则在步骤S220_2中改变估计的(候选)加权因子,以便根据边缘量度来降低对比度。一旦找到边缘量度的最小值,则当前候选加权因子对应于期望的加权因子,并且然后将其输出并应用于组合图像以构建无肺图像。
现在首先更详细地参考图4转到步骤S220_1,在步骤S4_1中,执行两个输入图像Log T和Log D中的小邻域的局部线性拟合。这可以通过定义内核大小K来完成(例如,K等于7个像素,然后定义7x7=49像素的邻域)。内核形状可以是矩形(不一定是正方形)或圆形。
然后在相应的图像log(T)、log(D)上连续地滑动内核K以提取相应的图像值。然后,这些Log(T)和Log(D)图像值在局部散点图中形成对。然后,对于相应的核心位置处的邻域K执行根据已知方法的线性拟合,并且然后在“斜率”图像SI中针对相应的核心位置记录相应拟合线的斜率。
在步骤S4_2,然后对斜率图像进行阈值处理以得到肺图LEM。任选地,或者代替形成斜率图像,在每个核心窗口K中计算相关系数以形成相关图像CI。然后可以再次对图像CI进行阈值处理以得到相关图像CM。
然后,作为步骤S4_4,将所需的边缘图LM作为LEM图或CM图输出。
或者,可以通过仅选择来自C和LEM的均位于共同阈值之上的那些值来组合两个映射LEM和CM。换句话说,对两幅图像CM和LEM逐点地执行逻辑AND操作,以便构建边缘图像LM。
在这些实施例的任何一个中,如果只有相应的图像值高于单个或共同的阈值,则边缘图像(这里称为胸部成像上下文中的肺部图)可以表示为有在特定像素位置的条目的位图(或“掩模”)。该肺图是如上所述的边缘图像的一个实施例,但是方法步骤S220_1可以应用于其他组织类型或外部医学场景。
边缘图像(肺地图)然后在步骤S220_2用来然后找到针对无肺图像NL的最佳的加权因子wNL。现在在图5中更详细地解释这一点。
在步骤S5_1中,使用加权因子W的初始猜测来形成暗场图像Log D和衰减图像LogT的线性组合(根据公式1-3或其变体中的任何一个)。利用W的该线性组合是针对C的估计NL(W)。
然后使用如图4中形成的肺图LM来定位估计图像NL(W)中的边缘的位置。
然后在步骤S5_3应用边缘测量以根据肺图LM来测量各个位置处的边缘的强度。在一个实施例中,这可以通过计算统计方差或通过计算梯度或其他方式来完成。根据图LM,在边缘点附近的邻域中计算统计方差。
然后输出边缘量度(“var_lungs”)。现在可以在步骤S5-6使用优化方案,例如牛顿-拉夫逊或共轭梯度等,以改变初始猜测W,从而找到正确的加权因子wNL,其中作为步骤S5_3的输出的边缘量度是最小值或者落在预设的优化阈值之下。
在一个实施例中,肺图在另外的可选步骤S5_5处被取反,并且还与步骤S5_3类似地计算取反的肺图中的变化。通过将1映射到0并且将0记得映射到1来实现取反。然后根据步骤S5_3、S5_5从两个方差形成比率,然后将该比率用作要优化的边缘量度。比率的形成构成了方差的归一化,以形成更鲁棒的归一化边缘量度。应当理解,归一化也可以用于除方差之外的量(例如,梯度等)。
图3、4和5中的上述过程也可以应用于找到无骨NB图像。在这种情况下,将在上述步骤中创建骨图。换句话说,所提出的方法提供了已知骨抑制算法的替代方案。
总之,“无骨”NB或“无肺”图像NL被构造为相应的线性组合,以便减少康普顿散射的束硬化和串扰对暗场信号的影响,以更好地分离两种散射类型。
应当理解,在步骤S220_2中,原则上根据边缘图来评估单个边缘位置并且仅针对该位置处的W进行优化是足够的。或者,可以选择边缘图上的多个位置,并且人们在每个位置分别针对W进行优化,然后形成平均值以得到正确的因子。在显示边缘图时,可以随机地或由用户选择边缘图像中的单个或多个位置。
在其他实施例中,优化可以在沿着边缘图的所有点上的额外循环中(以合适的步长)进行,并且一个在整个边缘图像上进行优化。
图6示出了根据图4、5的方法步骤的测试运行的示例。在该图中,如上所述,相对于方差比(沿垂直轴)绘制加权因子W(沿水平轴)。在这种情况下,边缘测量值W的最小值在约W=8时达到。
图4、5中的方法仅仅是一个实施例,不排除其他实施例。例如,在替代的实施例中,步骤S220_1可以替代地通过参数化的分段方案来实现。该参数表示分割中的局部边缘强度,然后对其进行优化,使得边缘强度最小(或低于某个阈值),从而找到线性组合图像C的最佳权重。
图7显示了从猪获得的示例性图像,以说明所提出方法的益处。具体而言,图7示出了猪的体内胸部成像。图像A)示出衰减图像,B)示出了暗场图像通道而没有所提出的处理。
根据A),肺部区域中的图像信号(显示为三角形图像区域)主要来自多孔肺结构。然而,诸如骨骼中的其他空气囊可能引起类似的信号。换句话说,从干涉X射线设备获得的未处理的衰减图像显示规则的组织和肺组织,但也显示肺外的空气腔。在未处理的暗场图像B)中的情况是不同的,其中示出了规则的组织肺但没有空气腔。换句话说,肺部区域内的信号完全来自肺部内部,而不是来自肺部组织本身。肺气肿肺部的多孔结构导致重的瑞利散射,这表现为对比度,而较大的气腔几乎不会引起任何对比度。
图7中的下排在C)、D)处示出了在与正确的加权因子w线性组合之后的图像A)B)。具体而言,C)显示仅肺图像,没有规则(即非肺组织)对比度但仅有肺组织对比度但在肺外没有气腔对比度。图像D)示出了仅骨骼图像,其是康普顿散射或束硬化校正的暗场图像B)。显示了规则的空气腔,但不显示肺组织本身。例如,箭头X将气管显示为空气外壳,而箭头Y指向另一个气腔。这可以解释如下:肺的(太)基本解剖模型将对应于以下描述:“肺组织充满空气”。但是这个简单的模型只能解释肺在衰减图像中的表现:在传统的灰度值映射方案中,肺部是暗的。但是,在暗场成像中提出的上述数据要求更精细的模型来解释图7中的成像器。该精制模型将肺描述为包括“形成肺泡的肺组织,其继而肺泡充满空气”。这个更详细的模型解释了为什么肺部出现在暗场图像中,而其他腔体却没有出现。这就是为什么气管X和结肠腔Y出现在“无肺部图像”D中的原因。换句话说,肺泡具有产生暗场信号的正确微结构。
在所提出的方法中,通过在两个通道的线性组合中选择合适的加权因子(暗场和衰减),组合图像中的空气对比度可以分成肺组织内的空气和肺组织外的身体其他部位的空气(如上图D中箭头X处的气管)。空气腔在D)中显示出显著更高的对比度和/或更高的SNR(编码为暗结构),并且可以比由于在C)左侧仅肺部图像中不存在而更容易识别。在C)、D)的情况下,发现w因子以使肺相对于其周围的对比度最小化。由于log(T)图像中的信号是负的(肺=较少的软组织)而暗场图像中的信号(肺=更多瑞利散射)为正,因此使用正w因子来添加对数图像。在实施例C)、D)中,发现w约为3.4。
图像C)是NB图像,而图像D)是NL图像。图像D)还示出了肺部外的空气(例如在气管中)未被移除,而小的空气填充的肺泡(其主要导致哺乳动物解剖结构的该部分中的暗场信号)被移除。作为进一步的结果,气管(尽管是空气场)在NB图像C)中不产生任何对比度。在图像D)中,与B)或A)相比,SNR增加。
图像处理系统IPS可以实现为单个软件套装中的软件模块或例程,并且在通用计算单元PU上运行,例如与成像器IA相关联的工作站或与一组成像器相关联的服务器计算机。或者,图像处理系统IPS可以布置在分布式架构中并且在合适的通信网络中连接。
替代地,IPS的一些或所有部件可以被布置为诸如适当编程的FPGA(现场可编程门阵列)的硬件或者被布置为为硬连线的IC芯片。
在本发明的另一示范性实施例中,提供了一种计算机程序或计算机程序单元,其特征在于,其适于在合适的系统上执行根据前述实施例中的一个的方法的方法步骤。
计算机程序单元因此可以存储在计算单元上,其也可以是本发明的实施例的部分。该计算单元可以适于执行上述方法的步骤或引起上述方法的步骤的执行。此外,其也可以适于操作以上描述的装置的部件。所述计算单元可以适于自动地操作和/或执行用户的命令。计算机程序可被加载到数据处理器的工作存储器中。数据处理器因此可以被装备为实施本发明的方法。
本发明的该示例性实施例覆盖了从最开始使用本发明的计算机程序和借助于更新将现有程序转变为使用本发明的程序的计算机程序。
另外,计算机程序单元可以能够提供所有必要的步骤来完成如以上所描述的方法的示范性实施例的流程。
根据本发明的另一范例性实施例,提出了一种计算机可读介质,诸如CD-ROM,其中,所述计算机可读介质具有存储在其上的计算机程序单元,所述计算机程序单元由前一部分所描述。
计算机程序可以存储和/或分布在与其它硬件一起或作为其它硬件的部分来提供的合适的介质(特别是,但不一定是非瞬态介质)中,例如光存储介质或固态介质,但也可以用其它形式来发布,例如经由互联网或者其它有线或无线电信系统。
但是,也可通过类似万维网的网络提供计算机程序,并且能够从这样的网络将计算机程序下载到数据处理器的工作存储器中。根据本发明的另外的示范性实施例,提供了一种用于使得计算机程序单元可供下载的介质,所述计算机程序单元被布置为执行本发明的先前描述的实施例中的一个。
必须指出,本发明的实施例参考不同主题进行描述。具体而言,一些实施例是参考方法型权利要求描述的,而其他实施例是参照设备型权利要求描述的。然而,本领域技术人员以上和以下描述可以得出,除非另行指出,除了属于同一类型的主题的特任的任何组合之外,涉及不同主题的特征之间的任何组合也被认为由本申请公开。然而,所有特征能够被组合,提供超过所述特征的简单加和的协同效应。
尽管已经在附图和前面的描述中详细图示和描述了本发明,但是这样的图示和描述应当被认为是说明性或示范性的,而非限制性的。本发明不限于所公开的实施例。本领域技术人员通过研究附图、公开内容以及从属权利要求,在实践请求保护的本发明时能够理解并且实现对所公开的实施例的其他变型。
在权利要求书中,词语“包括”不排除其他元件或步骤,并且词语“一”或“一个”不排除多个。单个处理器或其他单元可以实现在权利要求中记载的若干项目的功能。尽管在互相不同的从属权利要求中列举了特定措施,但是这并不指示不能有利地使用这些措施的组合。权利要求书中的任何附图标记不应被解释为对范围的限制。
Claims (15)
1.一种图像处理系统(IPS),包括:
输入接口(IN),其用于接收两幅或更多幅输入图像,所述两幅或更多幅输入图像分别包括被成像对象的衰减信号和所述对象的暗场信号;
组合器(COM),其被配置为在线性组合操作中组合所述两幅或更多幅输入图像以形成组合图像;以及
输出(OUT)端口,其被配置为输出所述组合图像,
其中,所述组合操作包括将加权因子应用于所述输入图像中的至少一幅,其中,所述加权因子被配置为减少包括所述暗场信号的所述输入图像中的康普顿散射串扰或者减小包括所述暗场信号的所述输入图像中的射束硬化效应。
2.根据权利要求1所述的系统,其中,所述组合操作包括对所述输入图像取对数。
3.根据权利要求1-2中的任一项所述的系统,包括用户接口(UI),特别是图形用户接口,用于调整所述加权因子。
4.根据权利要求2或3所述的系统,包括加权因子确定器(WFD),所述加权因子确定器被配置为通过以下来确定所述加权因子:形成针对所述对象的一种材料成分的边缘图像并改变候选加权因子,以便基于边缘量度来减小所述边缘图像中的边缘对比度。
5.根据权利要求4所述的系统,其中,通过加权因子确定器(WFD)来形成所述边缘图像包括线性地拟合所述两幅输入图像中的相应邻域中的信号。
6.根据前述权利要求中的任一项所述的系统,包括可视化器(VIZ),所述可视化器被配置为在显示单元(DU)上对所述组合图像进行可视化。
7.根据前述权利要求中的任一项所述的系统,其中,所述两幅图像由干涉X射线成像装置(IA)提供。
8.根据前述权利要求中的任一项所述的系统,其中,所述对象包括至少两种材料成分,其中,所述加权因子被确定为使得降低所述组合图像中关于所述材料成分中的一种的对比度并保持或增加关于至少一种其他材料成分的对比度。
9.根据前述权利要求中的任一项所述的系统,其中,所述成分中的至少一种具有多孔或海绵状结构,和/或其中,所述至少两种成分中的一种是骨,并且所述至少一种其他成分是肺组织。
10.一种图像处理方法,包括以下步骤:
接收(S210)两幅或更多幅输入图像,所两幅或更多幅述输入图像分别包括对象的衰减信号图像和所述对象的暗场信号图像;
在线性组合操作中组合(S230)所述两幅或更多幅输入图像以形成组合图像,其中,所述组合包括将加权因子应用于所述输入图像中的至少一幅,其中,所述加权因子被配置为减少包括所述暗场信号的所述输入图像中的康普顿散射串扰或者减小包括所述暗场信号的所述输入图像中的射束硬化效应;以及
输出(S240)所述组合图像。
11.根据权利要求10的图像处理方法,其中,所述组合步骤包括:向所述输入图像中的至少一幅应用加权因子。
12.根据权利要求11的图像处理方法,包括:
通过以下来确定(S220)所述加权因子:
形成(S220_1)针对所述对象的一种材料成分的边缘图像;以及
改变(S220_2)候选加权因子,以便基于边缘量度来减小所述边缘图像中的边缘对比度。
13.根据权利要求10-12中的任一项所述的图像处理方法,包括:
在显示设备上对所述组合图像进行可视化(S250)。
14.一种计算机程序单元,其适于在由处理单元(PU)执行时执行根据权利要求10-13中的任一项所述的方法的步骤。
15.一种计算机可读介质,其具有存储于其上的根据权利要求14所述的程序单元。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
EP16205068 | 2016-12-19 | ||
EP16205068.6 | 2016-12-19 | ||
PCT/EP2017/082734 WO2018114553A1 (en) | 2016-12-19 | 2017-12-14 | System and method for dark-field-imaging |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110113996A true CN110113996A (zh) | 2019-08-09 |
Family
ID=57570706
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201780078650.XA Pending CN110113996A (zh) | 2016-12-19 | 2017-12-14 | 用于暗场成像的系统和方法 |
Country Status (4)
Country | Link |
---|---|
US (1) | US11039807B2 (zh) |
EP (1) | EP3554369A1 (zh) |
CN (1) | CN110113996A (zh) |
WO (1) | WO2018114553A1 (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3427664A1 (en) * | 2017-07-13 | 2019-01-16 | Koninklijke Philips N.V. | A device for scatter correction in an x-ray image and a method for scatter correction in an xray image |
EP3494885A1 (en) | 2017-12-07 | 2019-06-12 | Koninklijke Philips N.V. | Apparatus for presentation of dark field x-ray image information |
EP3622891A1 (en) | 2018-09-13 | 2020-03-18 | Koninklijke Philips N.V. | Calculation device for determining ventilation defects |
US11710227B2 (en) | 2020-06-19 | 2023-07-25 | Kla Corporation | Design-to-wafer image correlation by combining information from multiple collection channels |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150131777A1 (en) * | 2012-06-11 | 2015-05-14 | Konica Minolta, Inc. | Medical imaging system and medical image processing apparatus |
US20150178905A1 (en) * | 2013-12-23 | 2015-06-25 | Canon Kabushiki Kaisha | Modulation guided phase unwrapping |
WO2016078958A1 (en) * | 2014-11-20 | 2016-05-26 | Koninklijke Philips N.V. | Method for generation of synthetic mammograms from tomosynthesis data |
US20160242726A1 (en) * | 2013-11-08 | 2016-08-25 | Koninklijke Philips N.V. | Empirical beam hardening correction for differential phase contrast ct |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5428657A (en) * | 1994-03-22 | 1995-06-27 | Georgia Tech Research Corporation | X-ray monitoring system |
AU2003276658A1 (en) * | 2002-11-04 | 2004-06-07 | V-Target Technologies Ltd. | Apparatus and methods for imaging and attenuation correction |
US20050122508A1 (en) * | 2003-10-31 | 2005-06-09 | Sachio Uto | Method and apparatus for reviewing defects |
US7583779B2 (en) * | 2004-11-24 | 2009-09-01 | General Electric Company | System and method for acquisition and reconstruction of contrast-enhanced, artifact-reduced CT images |
WO2011077334A1 (en) * | 2009-12-22 | 2011-06-30 | Koninklijke Philips Electronics N.V. | Bone suppression in x-ray radiograms |
US10485492B2 (en) * | 2014-11-11 | 2019-11-26 | Koninklijke Philips N.V. | Source-detector arrangement |
JP6214819B1 (ja) * | 2015-05-06 | 2017-10-18 | コーニンクレッカ フィリップス エヌ ヴェKoninklijke Philips N.V. | 微分位相コントラストx線撮像における暗視野信号の最適なエネルギ加重 |
WO2016205419A1 (en) * | 2015-06-15 | 2016-12-22 | Flir Systems Ab | Contrast-enhanced combined image generation systems and methods |
WO2017063569A1 (en) * | 2015-10-14 | 2017-04-20 | Shanghai United Imaging Healthcare Co., Ltd. | System and method for image correction |
CN108780571B (zh) * | 2015-12-31 | 2022-05-31 | 上海联影医疗科技股份有限公司 | 一种图像处理方法和系统 |
-
2017
- 2017-12-14 CN CN201780078650.XA patent/CN110113996A/zh active Pending
- 2017-12-14 EP EP17812261.0A patent/EP3554369A1/en not_active Withdrawn
- 2017-12-14 WO PCT/EP2017/082734 patent/WO2018114553A1/en active Application Filing
- 2017-12-14 US US16/470,997 patent/US11039807B2/en active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150131777A1 (en) * | 2012-06-11 | 2015-05-14 | Konica Minolta, Inc. | Medical imaging system and medical image processing apparatus |
US20160242726A1 (en) * | 2013-11-08 | 2016-08-25 | Koninklijke Philips N.V. | Empirical beam hardening correction for differential phase contrast ct |
US20150178905A1 (en) * | 2013-12-23 | 2015-06-25 | Canon Kabushiki Kaisha | Modulation guided phase unwrapping |
WO2016078958A1 (en) * | 2014-11-20 | 2016-05-26 | Koninklijke Philips N.V. | Method for generation of synthetic mammograms from tomosynthesis data |
Also Published As
Publication number | Publication date |
---|---|
EP3554369A1 (en) | 2019-10-23 |
WO2018114553A1 (en) | 2018-06-28 |
US20200022668A1 (en) | 2020-01-23 |
US11039807B2 (en) | 2021-06-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105452852B (zh) | 通过使用相衬ct的单色衰减对比图像生成 | |
EP3065642B1 (en) | Empirical beam hardening correction for differential phase contrast ct | |
CN110113996A (zh) | 用于暗场成像的系统和方法 | |
US8311181B2 (en) | Apparatus and method of visualizing multi-energy imaging data | |
CN110522466B (zh) | 确定患者重量和/或体重指数的方法和装置 | |
US20130267841A1 (en) | Extracting Application Dependent Extra Modal Information from an Anatomical Imaging Modality for use in Reconstruction of Functional Imaging Data | |
CN103796587B (zh) | 无校准双能量射线照相方法 | |
US11257261B2 (en) | Computed tomography visualization adjustment | |
CN104939848B (zh) | 单色图像的生成 | |
CN105793894B (zh) | 根据图像数据来进行骨骼分割 | |
JP2013545575A (ja) | X線画像処理システム及び情報提供方法 | |
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 | |
US8532744B2 (en) | Method and system for design of spectral filter to classify tissue and material from multi-energy images | |
CN108348204A (zh) | 生成肺状况图 | |
EP3471054B1 (en) | Method for determining at least one object feature of an object | |
KR20120041557A (ko) | 영상을 처리하는 방법, 이를 수행하는 영상처리장치 및 의료영상시스템 | |
Gomes et al. | Accuracy of ITK-SNAP software for 3D analysis of a non-regular topography structure | |
JP2007521905A (ja) | 断面画像の処理装置及び方法 | |
Longo et al. | Investigation of an Egyptian mummy board by using clinical multi-slice computed tomography | |
JP6564075B2 (ja) | 医用画像を表示するための伝達関数の選択 | |
WO2012080900A1 (en) | Method and device for analysing a region of interest in an object using x-rays | |
KR101886235B1 (ko) | Ct 영상 기반의 신체크기 특이적 피폭선량 및 화질지수 제공 장치 및 방법 | |
JP2022098469A (ja) | 医用画像診断装置、医用イメージング方法、トレーニング方法、およびプログラム | |
CN115428025A (zh) | 用于生成对象的增强图像的装置 | |
US20220296192A1 (en) | Bone trabeculae index for x-ray dark-field radiography |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20190809 |