CN110310307B - 计算机断层扫描(ct)到锥形束ct配准的方法和系统 - Google Patents
计算机断层扫描(ct)到锥形束ct配准的方法和系统 Download PDFInfo
- Publication number
- CN110310307B CN110310307B CN201910221179.6A CN201910221179A CN110310307B CN 110310307 B CN110310307 B CN 110310307B CN 201910221179 A CN201910221179 A CN 201910221179A CN 110310307 B CN110310307 B CN 110310307B
- Authority
- CN
- China
- Prior art keywords
- image
- cbct
- pixel
- registration
- dicom
- 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
- 238000002591 computed tomography Methods 0.000 title claims abstract description 128
- 238000000034 method Methods 0.000 title claims abstract description 56
- 238000007408 cone-beam computed tomography Methods 0.000 claims abstract description 217
- 238000003384 imaging method Methods 0.000 claims abstract description 7
- 239000003814 drug Substances 0.000 claims abstract description 6
- 210000000056 organ Anatomy 0.000 claims description 8
- 230000011218 segmentation Effects 0.000 claims description 2
- 230000008569 process Effects 0.000 description 23
- 239000002245 particle Substances 0.000 description 18
- 238000012545 processing Methods 0.000 description 10
- 206010028980 Neoplasm Diseases 0.000 description 6
- 230000033001 locomotion Effects 0.000 description 6
- 239000000463 material Substances 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 238000003860 storage Methods 0.000 description 5
- 238000005286 illumination Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 230000005855 radiation Effects 0.000 description 3
- 238000011282 treatment Methods 0.000 description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 3
- 238000009825 accumulation Methods 0.000 description 2
- 210000003484 anatomy Anatomy 0.000 description 2
- 238000013459 approach Methods 0.000 description 2
- 210000000746 body region Anatomy 0.000 description 2
- 230000008021 deposition Effects 0.000 description 2
- 230000004807 localization Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 210000000920 organ at risk Anatomy 0.000 description 2
- 238000010521 absorption reaction Methods 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 210000000988 bone and bone Anatomy 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 210000000845 cartilage Anatomy 0.000 description 1
- 230000001427 coherent effect Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 230000002074 deregulated effect Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 210000004072 lung Anatomy 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 210000003205 muscle Anatomy 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 230000008685 targeting Effects 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
- G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
- G06T7/337—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods involving reference images or patches
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
-
- 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
- A61B6/40—Arrangements for generating radiation specially adapted for radiation diagnosis
- A61B6/4064—Arrangements for generating radiation specially adapted for radiation diagnosis specially adapted for producing a particular type of beam
- A61B6/4085—Cone-beams
-
- 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
- G06T5/73—Deblurring; Sharpening
- G06T5/75—Unsharp masking
-
- 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
- G06T7/149—Segmentation; Edge detection involving deformable models, e.g. active contour models
-
- 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
- G16H30/00—ICT specially adapted for the handling or processing of medical images
- G16H30/20—ICT specially adapted for the handling or processing of medical images for handling medical images, e.g. DICOM, HL7 or PACS
-
- 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)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- Medical Informatics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Radiology & Medical Imaging (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Pathology (AREA)
- Animal Behavior & Ethology (AREA)
- Veterinary Medicine (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- High Energy & Nuclear Physics (AREA)
- Optics & Photonics (AREA)
- Biophysics (AREA)
- Pulmonology (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- Software Systems (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Image Processing (AREA)
Abstract
根据本公开的至少一些实施方案,公开了一种改进计算机断层扫描(CT)到锥形束计算机断层扫描(CBCT)配准的方法。所述方法可以包括接收通过对象的CT扫描生成的CT图像,并且接收通过所述对象的CBCT扫描生成的CBCT图像。所述方法可以包括基于从所述CBCT图像提取的医学数字成像和通信(DICOM)信息生成图像掩模。对于所述CBCT图像中的特定像素,所述图像掩模包含指示所述特定像素是否包含基于所述对象的CBCT扫描生成的图像数据的对应数据字段。所述方法还可以包括通过利用所述图像掩模来生成配准图像以执行所述CT图像与所述CBCT图像之间的DIR。
Description
技术领域
本公开的实施方案总体上涉及用于增强可变形图像配准的质量的全自动系统和方法。
背景技术
除非在本文中另外指出,否则在此部分中描述的方法不是本申请中的权利要求书的现有技术,且并不通过包括在此部分中被认为是现有技术。
计算机断层扫描(CT)图像到锥形束计算机断层扫描(CBCT)图像的可变形(非刚性)图像配准是例如治疗计划、监测和计划适应(plan adaptation)中的重要操作。可变形图像配准的目标是使一个图像变形或弯曲以尽可能准确地匹配另一个图像。在一些情况下,一个图像可以包含扫描对象的部分视野,或者具有错误地类似于皮肤与空气的界面的图像边界。当使用该图像和包含图像视野内的扫描对象的整个解剖结构的其它图像执行自动配准处理时,自动配准处理可能产生误导性提示并导致错误的配准结果。这样的结果将对治疗计划和监测中自动化步骤的准确性和可靠性产生重大影响。
附图简述
图1A示出了执行CT扫描操作的计算机断层扫描(CT)扫描仪;
图1B示出了执行CBCT扫描操作的锥形束计算机断层扫描(CBCT)扫描仪;
图2示出了展示被配置为提高CT到CBCT配准的示例性系统的框图;
图3展示了用于改进CT到CBCT配准的配准增强系统的细节;
图4展示了在增强的可变形图像配准(DIR)操作期间构造并利用图像掩模的实例案例;并且
图5示出了展示全部根据本公开的某些实施方案的改进CT到CBCT配准的过程的一个实施方案的流程图。
具体实施方式
在下面的具体实施方式中,参考形成具体实施方式的一部分的附图。在附图中,除非上下文另外指出,否则类似的符号通常标识类似的组件。在具体实施方式、附图和权利要求书中描述的说明性实施方案并不意味着是限制性的。可利用其它实施方案,可做出其它变化,而不脱离这里提出的主题的精神或范围。应容易理解,如本文中大体描述且如图式中所说明,本公开的各方面可以广泛多种不同配置来布置、替换、组合以及设计,所述配置都明确地涵盖在本文中。
图1A示出了根据本公开的某些实施方案的执行CT扫描操作的计算机断层扫描(CT)扫描仪。在整个公开中,术语“CT图像”可以广泛地指代包含从单个CT扫描操作生成的二维(2D)医疗数据的图形图像。“CT扫描操作”可以包括从多个角度/方向操作的多个“CT扫描询问(CT scanning interrogations)”,并且可以生成一组相应的CT投影。然后,CT重构过程可以基于这组CT投影生成一个或多个CT图像。同样,术语“CBCT图像”可以广泛地指代包含从单个CBCT扫描操作生成的2D医疗数据的图形图像,并且“CBCT扫描操作”可以包括从多个角度/方向操作的多个“CBCT扫描询问”,并且可以生成一组相应的CBCT投影。然后,CBCT重构过程可以基于这组CBCT投影生成一个或多个CBCT图像。
在一些实施方案中,CT扫描仪101可以具有(除其它组件之外)束源110和检测器面板130。束源110可以朝着放置在束源110与检测器面板130之间的扫描对象120(例如,患者)发射粒子束111(例如,光子和/或电子)。发射粒子可以通过光-电吸收、瑞利(Rayleigh)(或相干)散射和康普顿(Compton)(或非相干)散射与扫描对象120相互作用,并且之后可以通过或不通过检测器面板130进行检测。
在一些实施方案中,检测器面板130可以被配置用于感测通过扫描对象120和/或到达检测器面板130的那些粒子。检测器面板130可以包含形成长而窄的网格的多个像素。每个像素可以检测来自到达像素的粒子的放射性能量,并且检测器面板130可以利用由所有像素检测到的沉积能量来生成一个或多个CT投影。在一些情况下,检测器面板130可以是扁平的(如图1A所示),或者可以具有弧形形状。
在一些实施方案中,在单个CT扫描询问期间,束源110可以以特定角度/方向朝着检测器面板130投射粒子,并且CT扫描仪101可以基于检测器面板130检测到的粒子生成单个CT投影。每个CT投影可以包含2D图像数据,2D图像数据从特定角度/方向展示了扫描对象120的横截面内部结构。然后,束源-检测器面板(源-检测器对)可以旋转到不同角度/方向,以针对CT扫描仪101执行扫描对象120的另一圈CT扫描询问,从而生成另一个CT投影。
在一些实施方案中,从束源110投射的粒子可以形成在一个维度上具有窄的束宽度并且在另一个维度上具有宽的束宽度的扇形束(扇束)。CT扫描操作可以包括源-检测器对,该源-检测器对以螺旋/螺线方式旋转并行进以横穿整个扫描对象120并且生成一组CT投影。这组CT投影可以用在随后的重构过程中以生成一个或多个CT图像。
图1B示出了根据本公开的某些实施方案的执行CBCT扫描操作的锥形束计算机断层扫描(CBCT)扫描仪。类似于图1A的CT扫描仪101,CBCT扫描仪102可以具有(除其它组件之外)束源140和检测器面板160。束源140可以朝着放置在束源140与检测器面板160之间的扫描对象150(例如,患者)发射粒子束141。束源140和检测器面板160可以固定在龙门架上,该龙门架围绕位于龙门架中间附近的扫描对象150旋转。检测器面板160可以被配置用于感测通过扫描对象150和/或到达检测器面板160的那些粒子。检测器面板160可以包含形成大致上正方形网格的多个粒子感测像素,并且可以利用由像素检测到的沉积能量来生成CBCT投影。
在一些实施方案中,在单个CBCT扫描询问期间,束源140可以以特定角度/方向朝着检测器面板160投射粒子,并且CBCT扫描仪102可以基于检测器面板160检测到的粒子生成单个CBCT投影。每个CBCT投影可以包含从特定角度/方向表示扫描对象150的内部结构的2D图像数据。然后,束源-检测器面板(源-检测器对)可以旋转到不同角度/方向,以执行扫描对象150的另一圈CBCT扫描询问,从而允许CBCT扫描仪102生成另一个CBCT投影。CBCT扫描仪102可以控制源-检测器对在一个圆圈中围绕扫描对象150旋转,并且生成一组多个连续的平面CBCT投影。这组CBCT投影可以用在随后的重构过程中以生成一个或多个CBCT图像。
在一些实施方案中,如图1B所示,从束源140发射的粒子可以形成覆盖整个扫描对象150(或覆盖扫描对象150的整个感兴趣区域)的金字塔形或锥形束(锥束)。具体地,束141可以导致在检测器面板160上生成具有整个扫描对象150的视野(FOV)的平面投影。换句话说,由CBCT扫描仪102生成的每个CBCT投影可以整合扫描对象150的整个FOV,而由CT扫描仪101生成的每个CT投影可以仅示出FOV的切片。
在一些实施方案中,在CBCT扫描询问期间,CBCT扫描仪102的锥束可以在检测器面板160上形成大体上圆形的照亮区域161,因为从束源140发射的粒子可以在锥束的边界内并且大部分可以到达照亮区域161内的检测器面板160的这些像素。换句话说,在照亮区域161外侧的检测器面板160的像素可以不检测由光束源140产生的任何粒子,或者可以检测由扫描对象150反射或散射的那些粒子。因此,CBCT扫描仪102可以生成也具有这样的照亮区域的CBCT投影,并且CBCT投影中该照亮区域内侧的任何图像数据可以被视为是有意义的和有效的,并且CBCT投影中该照亮区域外侧的任何图像数据在可能被视为无效、偶然、无意义或不可靠的。
在一些实施方案中,照亮区域161还可以与CBCT扫描仪102利用的检测器面板160的尺寸相关。换句话说,检测器面板160不足以大到覆盖整个照亮区域161,从而间接地导致由CBCT扫描仪102生成的CBCT投影的有限FOV。在这种情况下,CBCT投影可能看起来具有稍微有限的“照亮区域”,因为在检测器面板160的覆盖范围之外的一些图像数据也可能是无效的和无意义的。
在一些实施方案中,一种生成CT图像的方法可以从通过螺旋进展(helicalprogression)获得的多个CT投影在算法上重构扫描对象120的三维(3D)体积,并且可以通过穿过该3D体积“切片”来生成CT图像。或者,另一个重构过程可以包括背投多个CT投影以生成相应的CT图像。同样,经由CBCT龙门架的一个旋转序列获得的多个CBCT投影可以经历类似的图像重构过程以生成一个或多个CBCT图像。无论重构过程如何,所生成的CT图像和/或CBCT图像总是会受到诸多因素的影响,诸如CT投影和CBCT投影中固有的全部或部分FOV和照亮区域。
在一些实施方案中,扫描对象120可以在CT扫描操作期间经受比在CBCT扫描操作期间更高量的辐射曝光。具体地,CBCT扫描仪102可以具有比CT扫描仪101的螺旋运动更快的旋转运动,从而在CBCT扫描操作期间导致更低剂量的辐射。此外,在CT扫描操作中,患者可能需要躺在扫描台上,而CBCT扫描操作可以允许患者在CBCT扫描仪的龙门架内自由站立。因此,当对同一扫描对象执行CT扫描操作和CBCT扫描操作时,可能需要在共同的坐标系下配准CT图像和CBCT图像。
图2示出了展示根据本公开的某些实施方案的被配置为提高CT-CBCT配准的示例性系统的框图。在图2中,CT扫描仪210可以对对象(例如,患者)执行CT扫描操作,并且生成一组CT图像230,并且CBCT扫描仪220可以对同一对象执行CBCT扫描操作以生成一组CBCT图像240。配准增强系统250可以将CT图像230和CBCT图像240作为输入,基于CT图像230和CBCT图像240执行可变形图像配准(DIR)操作,并生成一组具有增强质量的配准图像260。配准图像260可用于诊断目的和医学治疗,包括剂量累积、轮廓传播(contour propagation)、数学建模、自动分割和功能成像。
在一些实施方案中,配准增强系统250可以被配置为基于CT图像230和CBCT图像240执行增强的可变形图像配准(DIR)操作,并生成一个或多个配准图像260。“图像配准”或“配准”可以指代将不同的多组数据变换到一个坐标系中的过程。DIR可以指代将一个图像数据集局部配准到参考图像集中的过程。换句话说,DIR是在多组图像中的两组图像之间或多组图像中的点对点空间对应关系并且找到一个图像中的位置与另一个图像中的位置之间的映射的过程。例如,DIR过程可以找到时间、空间、模态甚至受试者不同的多组图像之间的几何对应关系。
在一些实施方案中,配准增强系统250可以执行DIR以将CT图像230中的一个与CBCT图像240中的对应一个映射,并生成包含多个变形矢量场(DVF)的一个对应的配准图像260,这些变形矢量场定义每个图像像素(或图像体素)从CT图像230到CBCT图像240的运动。或者,配准增强系统250可以执行反向DIR以将CBCT图像240中的一个与CT图像230中的对应一个映射,并生成包含DVF的对应的配准图像260,这些DVF定义每个图像像素(或图像体素)从CBCT图像240到CB图像230的运动。
在一些实施方案中,当执行DIR以将CT图像映射到CBCT图像时,配准增强系统250可能将CBCT图像的照亮区域之外的图像数据错误地识别为与水或空气相关联的有意义的图像数据,或将CBCT图像的照亮区域的边界误解为皮肤与空气的边界。这种错误识别或误解可能导致产生失调的配准图像。在一些实施方案中,配准增强系统250可以执行增强的DIR过程以减少或消除由于CBCT图像中受限制的照亮区域而导致的潜在的错误识别或误解。
在一些实施方案中,配准增强系统250可以包括一个或多个处理器251、存储器252和/或其它组件,使得它可以基于CT图像230和CBCT图像240执行增强的DIR操作。处理器251可以包括用于控制配准增强系统250的整体操作的中央处理单元(CPU)。处理器251可以通过执行存储在存储器252中的软件或固件来实现这一点。处理器251可以是或可以包括一个或多个可编程通用或专用微处理器、数字信号处理器(DSP)、可编程控制器、专用集成电路(ASIC)、可编程逻辑器件(PLD)、图形处理单元(GPU)等或这些器件的组合。存储器252可以表示任何形式的随机存取存储器(RAM)、只读存储器(ROM)、闪存(如上所述)等或这些器件的组合。在使用中,存储器252可以尤其包含当由处理器251执行时使得处理器251执行本公开的至少一些实施方案的一组非暂时性机器可读的指令。
图3示出了根据本公开的某些实施方案的用于提高CT到CBCT配准的配准增强系统的细节。在图3中,配准增强系统250可以被配置为对CT图像230和CBCT图像240执行增强的DIR操作。配准增强系统250可以包含(除其它元件之外)图像接收模块310、掩模生成模块320和DIR模块330。包含在配准增强系统250中的模块可以实施为在合适的计算机上运行的硬件组件或软件应用程序。此外,上述模块中的一些可以组合成单个模块,或者单个模块可以分成图3中未示出的附加子模块。为方便起见,CT图像230、CBCT图像240、配准增强系统250和配准图像260对应于图2中它们各自的对应物。
在一些实施方案中,配准增强系统250的图像接收模块310可以被配置为接收一组CT图像230和相应的一组CBCT图像240。可以基于共同的对象(例如,同一患者)生成CT图像230和CBCT图像240。具体地,CT图像230中的每一个可以与一个或多个CBCT图像240相关联。换句话说,CT图像230中的每一个可以包含与身体区域和器官相对应的图像数据,并且这样的图像数据可以匹配或补充包含在与相同身体区域和器官对应的一个或多个CBCT图像240中的图像数据。同样,每个CBCT图像240可以与CT图像230中的一个或多个相关联。
在一些实施方案中,图像接收模块310可以从CT图像230中选择特定的CT图像311并且从CBCT图像240中选择特定的CBCT图像313供DIR处理。在一些情况下,即使与相同的扫描对象相关联,CT图像311通常包含CT扫描仪的视野内的整个解剖结构,CBCT图像313可以包含受CBCT扫描仪的圆柱形体积限制的多个像素。图像接收模块310可以将CBCT图像313传送到掩模生成模块320以基于CBCT图像313生成图像掩模321。然后,图像接收模块310可以将CT图像311和CBCT图像313发送到DIR模块330,并且掩模生成模块320可以同时将图像掩模321发送到DIR模块330。然后,DIR模块330可以通过基于CT图像311、CBCT图像313和根据CBCT图像313生成的图像掩模321执行增强的DIR操作来生成对应的配准图像260。
图4示出了根据本公开的某些实施方案的在增强的DIR操作期间构造并利用图像掩模的实例案例。在图4中,配准增强系统(类似于图2的配准增强250)可以首先基于CBCT图像410生成(401)图像掩模420。然后,配准增强系统可以在CBCT图像410上应用图像掩模420以生成可以通过应用图像掩模的CBCT图像430来展示的输出。
在一些实施方案中,CBCT图像410可以包含2D像素集。每个“像素”可以包含2D空间中表示诸如亨斯菲尔德单位(Hounsfield Units)(HU)值的图形信息。如图4所示,CBCT图像410可以包括像素,诸如像素411、413和415。在一些实施方案中,CBCT图像410可以具有位于CBCT锥束的圆柱形体积内的照亮区域417。在本案中,在该照亮区域417内的像素可以包含实际图像数据,而在该照亮区域417外侧的像素可以包含无意义的图像数据。例如,像素413在照亮区域417内,因此包含基于穿过扫描对象的粒子生成的真实图像数据。像素415位于照亮区域417的外侧,并且具有无意义的值。相比之下,像素411可以位于圆柱形体积的边界处或附近,但是在照亮区域417内。尽管像素411可以在扫描对象之外并且包含表示空气或水的数据,但是仍应当将其视为包含有效图像数据。
在一些实施方案中,配准增强系统可以基于CBCT图像410生成图像掩模420。“图像掩码”可以包含与CBCT图像410中的像素集一一对应的一组数据字段。具体地,图像掩模420中的每个“数据字段”可以与CBCT图像410中的特定像素相关联,并且可以存储与该关联像素相关的各种信息。例如,图像掩码420中的每个数据字段可以存储CBCT图像410中的关联像素是否包含有意义的数据。换句话说,如果数据字段包含“无数据”值,则可能意味着关联像素不包含任何图像数据,或者关联像素中包含的任何图像数据都是无意义的并且应该被忽略。同样,如果数据字段包含“数据存在”值,则它可能意味着关联像素包含图像数据,或者包含在关联像素中的图像数据(即使等于零或为零)也应当视为有效且有意义的值。在图4的实例中,数据字段421可以是包含“无数据”值的数据字段,并且数据字段422可以是包含“数据存在”值的数据字段。
在一些实施方案中,配准增强系统可以基于存储在CBCT图像410中的医学数字成像和通信(DICOM)信息自动生成图像掩模420。具体地,配准增强系统可以从一个或多个CBCT图像410中提取DICOM信息,诸如“DICOM重构目标中心”和“DICOM重构直径”。DICOM重构目标中心423可以指代在CBCT扫描操作期间形成的圆形照亮区域的中心位置。DICOM重构直径425可以指代这种照亮区域的直径。
在一些实施方案中,基于从CBCT图像410提取的DICOM信息,配准增强系统可以通过将DICOM目标中心423作为圆的中心并且将DICOM直径425作为圆的直径来生成圆形重构区域427。重构区域427可以对应于CBCT图像410的照亮区域417,因为重构区域427可以在图像掩模420中具有与CBCT图像410中的照亮区域417的大小和位置大体上相同的大小和位置。换句话说,重构区域427可以在CBCT扫描操作期间模拟并重建照亮区域417对CBCT扫描仪的检测器面板的影响,以及模拟CBCT图像410中的有意义的图像数据的分布。
在一些实施方案中,配准增强系统然后可以将圆形重构区域427应用于2D数据字段,如图4所示。然后,图像掩模420中被重构区域427覆盖或在该重构区域的边界内的任何数据字段可以被视为具有有意义的图像数据,并且可以被赋予“数据存在”值。相比之下,图像掩模420中未被重构区域427覆盖或在该重构区域的边界之外的任何数据字段可以被视为具有无意义的图像数据,并且可以被指定为“无数据”值。因此,配准增强系统可以通过评估数据字段相对于图像掩模420中的重构区域427的相对位置将“无数据”值或“数据存在”值分配给图像掩模420中的每个数据字段。出于说明的目的,在图4中,具有“数据存在”值的那些数据字段被灰色填充,并且具有“无数据”值的那些数据字段被白色填充。
在一些实施方案中,配准增强系统还可以包括基于CBCT图像410中的像素的HU值的图像掩模420中的每个数据字段中的特定材料类型和密度值。数据字段的材料类型和密度值可以确定关联像素的x射线衰减和散射属性。示例性材料类型可包括(但不限于)空气、水、骨头、脂肪、肺、肌肉和软骨。然后可以根据材料类型的物理特性基于关联像素的材料类型确定数据字段的密度值。
在一些实施方案中,在单个CBCT扫描操作期间生成的多个CBCT图像410中的每一个可以包含相同的DICOM重构目标中心和DICOM重构直径信息。在这种情况下,配准增强系统可以基于多个CBCT图像410中的任何一个生成一个图像掩模420,并将这一个图像掩模420应用于所有的CBCT图像410。或者,在一个或多个CBCT扫描操作期间生成的多个CBCT图像410可以包含不同的DICOM信息。在这种情况下,配准增强系统可以为每个CBCT图像410生成特定图像掩模420,并将特定图像掩模420应用于对应的CBCT图像410。
在一些实施方案中,在基于CBCT图像410生成图像掩模420之后,配准增强系统可以在CT图像与CBCT图像410之间的DIR操作期间利用图像掩模420。具体地,当对CBCT图像410中的特定像素执行配准时,配准增强系统可以从图像掩模420提取与特定像素相关联的数据字段,并评估其中包含的数据。如果关联数据字段包含“无数据”(如数据字段421所示),则配准增强系统可以在DIR操作中绕过或忽略CBCT图像410的特定像素。或者,如果相关联数据字段包含“数据存在”(如数据字段422所示),则配准增强系统可以在随后的DIR操作中进一步处理CBCT图像410的特定像素。
在一些实施方案中,如上所述在DIR操作期间利用图像掩模的结果可以由图4中应用图像掩模的CBCT图像430来示出。例如,在DIR操作期间,配准增强系统可以将像素431快速地识别为具有图像数据的像素,并且确定像素433可以是没有图像数据的像素(或者具有无意义的图像数据)。在该方法中,配准增强系统可以通过忽略并消除不包含图像数据的任何像素的处理来改进DIR操作。
在一些实施方案中,当数据字段包含诸如材料类型和密度值的附加信息时,配准增强系统可以利用这些附加信息来更好地确定CT图像与CBCT图像之间的对应关系。具体地,当像素被视为具有图像数据时,配准增强系统可以从与像素相关联的数据字段中检索附加信息,并利用附加信息来进一步改进CT图像与CBCT图像之间的DIR操作。
在一些实施方案中,配准增强系统还可以利用与上述相同的增强过程来处理包含一组三维(3D)单元(或“体素”)的CT体积。体素表示3D空间中固定且规则的网格上的值,并且可以对应于多个3D结构中的一个,诸如(但不限于)立方体、长方体、六边形结构或任何各向同性/非各向同性形状和尺寸(例如,1厘米)的结构。在这种情况下,配准增强系统可以基于一组CT图像重构CT体积,并且基于一组CBCT图像重构CBCT体积。然后,配准增强系统可以生成3D图像掩模,该3D图像掩模包含与CBCT体积中的体素一对一地关联的3D数据字段。根据CBCT图像中的DICOM信息,3D数据字段可以用于指示CBCT体积中的对应体素是否具有“无数据”或“数据存在”值。然后,配准增强系统可以将3D图像掩模用于CT体积与CBCT体积之间的DIR处理。
在一些实施方案中,上述技术还可适用于任何模态的3D图像之间的配准,只要从包括如上所示的类似“照亮区域”的2D投影重构一个3D图像即可。换句话说,配准增强系统可以为具有照亮区域的3D图像生成3D图像掩模,并且将3D图像掩模用于没有照亮区域的3D图像与具有照亮区域的3D图像之间的DIR处理。此外,上述技术还可以应用于从MR图像到CBCT/CT图像的配准。
在一些实施方案中,配准增强系统可以利用嵌入在CBCT图像中的附加DICOM信息来生成非圆形图像掩模。具体地,配准增强系统可以提取与基于患者的坐标系有关的DICOM信息或利用其它处理装置,以便更好地确定CBCT图像中的扫描对象的形状。然后,配准增强系统可以生成能够进一步增强DIR处理的准确性的非圆形图像掩模。
图5示出了展示根据本公开的某些实施方案的改进CT到CBCT配准的过程501的一个实施方案的流程图。过程501阐述各种功能块或动作,这些功能块或动作可以被描述为可由硬件、软件和/或固件执行的处理步骤、功能操作、事件和/或动作。所属领域的技术人员根据本公开将认识到,图5中示出的功能块的众多替代方案可在各种实施中实践。在一些实施方案中,用于过程501的机器可执行指令可以存储在存储器中、由处理单元执行和/或在诸如图2的配准增强系统250的配准增强系统中实施。
所属领域的技术人员将认识到,对于本文中公开的此过程和其它过程和方法,在所述过程和方法中执行的功能可以不同次序实施。此外,所概述的步骤和操作仅提供作为实例,且在不偏离所公开的实施方案的本质的情况下,所述步骤和操作中的一些可为可选的,合并成更少的步骤和操作,或扩展成另外的步骤和操作。此外,所概述的步骤和操作中的一个或多个可并行地执行。
在方框510处,可以被配置成改进计算机断层摄影(CT)到锥形束计算机断层摄影(CBCT)配准的配准增强系统可以接收通过对象的CT扫描生成的CT图像。对象可以是患者或患者的感兴趣区域。
在方框520处,配准增强系统可以接收通过同一对象的CBCT扫描而生成的CBCT图像。
在方框530处,配准增强系统可以基于从CBCT图像提取的医学数字成像和通信(DICOM)信息生成图像掩模。在一些实施方案中,DICOM信息可以包括至少DICOM目标中心和DICOM重构直径。
在一些实施方案中,对于CBCT图像中的特定像素,图像掩模包含对应的数据字段,该对应的数据字段指示特定像素是否包含基于对象的CBCT扫描生成的图像数据。换句话说,如果包含在特定像素中的图像数据不是由从CBCT扫描仪的束源发射的锥束内的粒子产生的,或者如果特定像素在CBCT扫描仪的检测器面板上形成的照亮区域的外侧,则图像数据可以被视为不是基于对象的CBCT扫描生成的。否则,图像数据可以被视为是基于对象的CBCT扫描生成的。
在一些实施方案中,配准增强系统可以基于从CBCT图像提取的DICOM目标中心和DICOM重构直径来构建CBCT图像的重构区域。具体地,CBCT图像的重构区域可以对应于在CBCT扫描仪的检测器面板上形成并且在CBCT图像中显现的照亮区域。
在一些实施方案中,在确定特定像素在CBCT图像的重构区域外侧时,配准增强系统可以将无数据值分配给与特定像素相关联的图像掩模中的对应数据字段。或者,在确定特定像素在CBCT图像的重构区域内时,配准增强系统可以将数据存在值分配给与特定像素相关联的图像掩模中的对应数据字段。
在方框540处,配准增强系统可以通过利用图像掩模以在CT图像和CBCT图像之间执行DIR来生成配准图像。具体地,配准增强系统可以从CBCT图像选择第一像素,并从CT图像选择第二像素。然后,配准增强系统可以从图像掩模中提取与第一像素相关联的第一数据字段。在确定第一数据字段包含数据存在值时,配准增强系统可以在执行DIR期间使用第一像素。
在一些实施方案中,配准增强系统还可以从CBCT图像选择第三像素,并从CT图像选择第四像素。然后,配准增强系统可以从图像掩模中提取与第三像素相关联的第二数据字段。在确定第二数据字段包含无数据值时,配准增强系统可以在执行DIR期间忽略或跳过第三像素。
在方框550处,配准增强系统然后可以基于配准图像对对象执行自动剂量估计或轮廓传播。或者,配准增强系统可以将配准图像发送到任何第三方系统以进行进一步处理,诸如自动图像分割、器官和肿瘤定位、体积计算和患者定位。
在一些实施方案中,在CT和CBCT扫描操作期间发生的器官运动可能导致向肿瘤和有风险的器官的剂量递送的不确定性。典型的运动模式可以包括体积和形状变化。在这种情况下,配准增强系统可以执行上述增强的DIR操作以生成配准图像,这些配准图像可以用于执行肿瘤和有风险的器官的剂量累积和轮廓传播。具体地,配准增强系统可以利用配准图像以将从CT图像确定的肿瘤和器官的轮廓更好地传播到相应的CBCT图像上。同样,配准增强系统可以利用配准图像来更好地识别CT图像和CBCT图像中的肿瘤和器官的区域和面积,从而允许更好地估计这些肿瘤和器官在CT和CBCT扫描操作期间可能遇到的放射性剂量。
因此,已经描述了用于改进CT至CBCT配准的方法和系统。上文介绍的技术可用专用硬连线电路、用结合可编程电路的软件和/或固件或用其组合实施。专用硬连线电路可呈例如一个或多个专用集成电路(ASIC)、可编程逻辑装置(PLD)、现场可编程门阵列(FPGA)等等的形式。
前述详细描述已经由方框图、流程图和/或实例的使用来阐述装置和/或过程的各种实施方案。在此类方框图、流程图和/或实例包含一个或多个功能和/或操作的程度下,所属领域的技术人员应理解,此类方框图、流程图或实例内的每一功能和/或操作可个别地和/或共同地通过广泛范围的硬件、软件、固件或事实上通过其任何组合实施。所属领域的技术人员应认识到,本文中所公开的实施方案的一些方面可完全或部分地在集成电路中、作为在一个或多个计算机上运行的一个或多个计算机程序(例如,作为在一个或多个计算机系统上运行的一个或多个程序)、作为在一个或多个处理器上运行的一个或多个程序(例如,作为在一个或多个微处理器上运行的一个或多个程序)、作为固件、或事实上作为其任何组合等效地实施;且应认识到,设计电路和/或编写用于软件和或固件的代码将为所属领域的技术人员根据本公开所熟知的。
用以实施此处介绍的技术的软件和/或固件可存储在非暂时性机器可读存储介质上,其可通过一个或多个通用或专用可编程微处理器来执行。“机器可读存储介质”,在所述术语用于本文中时,包括以可通过机器(例如,计算机、网络装置、个人数字助理(PDA)、移动装置、制造工具、具有一个或多个处理器的集合的任何装置等)访问的形式提供(即,存储和/或发送)信息的任何机构。例如,机器可访问的存储介质包括可记录/不可记录的介质(例如,只读存储器(ROM)、随机存取存储器(RAM)、磁盘存储介质、光存储介质、闪存设备等)。
尽管已参考特定的示例性实施方案描述本公开,但应认识到,本公开不限于所描述的实施方案,而是可以用在所附权利要求的精神和范围的修改和变更来实践。因此,说明书和附图应被视为说明性意义而非限制性意义。
Claims (20)
1.一种改进计算机断层扫描(CT)到锥形束计算机断层扫描(CBCT)配准的方法,所述方法包括:
由可变形图像配准(DIR)系统接收通过对象的CT扫描生成的CT图像;
由所述DIR系统接收通过所述对象的CBCT扫描生成的CBCT图像;
由所述DIR系统基于从所述CBCT图像提取的医学数字成像和通信(DICOM)信息生成图像掩模,其中对于所述CBCT图像中的特定像素,所述图像掩模包含与所述特定像素对应的数据字段,所述数据字段指示所述特定像素是否包含基于所述对象的所述CBCT扫描生成的图像数据;以及
由所述DIR系统通过利用所述图像掩模执行所述CT图像与所述CBCT图像之间的DIR,来生成配准图像。
2.如权利要求1所述的方法,还包括:
基于所述配准图像对所述对象执行自动剂量估计或轮廓传播。
3.如权利要求1所述的方法,其中所述DICOM信息还包括DICOM重构目标中心和DICOM重构直径,其中所述DICOM重构目标中心指代在CBCT扫描操作期间形成的圆形照亮区域的中心位置,并且所述DICOM重构直径指代所述圆形照亮区域的直径。
4.如权利要求3所述的方法,其中所述图像掩模的生成还包括:
基于从所述CBCT图像提取的所述DICOM重构目标中心和DICOM重构直径来构建针对所述CBCT图像的重构区域;以及
在确定所述特定像素在针对所述CBCT图像的所述重构区域之外时,将无数据值分配给所述图像掩模中的与所述特定像素相关联的所述对应的数据字段。
5.如权利要求3所述的方法,其中所述图像掩模的生成还包括:
在确定所述特定像素在针对所述CBCT图像的所述重构区域之内时,将数据存在值分配给所述图像掩模中的与所述特定像素相关联的所述对应的数据字段。
6.如权利要求1所述的方法,其中所述配准图像的生成还包括:
从所述CBCT图像选择第一像素,并且从所述CT图像选择第二像素;
从所述图像掩模提取与所述第一像素相关联的第一数据字段;以及
在确定所述第一数据字段包含数据存在值时,在执行所述DIR期间使用所述第一像素。
7.如权利要求6所述的方法,其中所述配准图像的生成还包括:
从所述CBCT图像选择第三像素,并且从所述CT图像选择第四像素;
从所述图像掩模提取与所述第三像素相关联的第二数据字段;以及
在确定所述第二数据字段包含无数据值时,在执行所述DIR期间忽略所述第三像素。
8.一种改进计算机断层扫描(CT)到锥形束计算机断层扫描(CBCT)配准的方法,所述方法包括:
由可变形图像配准(DIR)系统接收通过对象的CT扫描生成的多个CT图像;
由所述DIR系统接收通过所述对象的CBCT扫描生成的多个CBCT图像;
由所述DIR系统基于从选自所述多个CBCT图像的特定CBCT图像提取的医学数字成像和通信(DICOM)信息生成图像掩模,其中对于所述特定CBCT图像中的特定像素,所述图像掩模包含指示所述特定像素是否包含基于所述对象的所述CBCT扫描生成的图像数据的对应的数据字段;以及
由所述DIR系统通过利用所述图像掩模执行所述多个CT图像与所述多个CBCT图像之间的DIR,来生成多个配准图像。
9.如权利要求8所述的方法,还包括:
基于所述多个配准图像对所述对象执行自动器官分割或轮廓传播。
10.如权利要求8所述的方法,其中从所述多个CBCT图像中的每一个提取的所述DICOM信息还包括具有相同的DICOM重构目标中心和DICOM重构直径,其中所述DICOM重构目标中心指代在CBCT扫描操作期间形成的圆形照亮区域的中心位置,并且所述DICOM重构直径指代所述圆形照亮区域的直径。
11.如权利要求10所述的方法,其中所述图像掩模的生成还包括:
基于所述DICOM重构目标中心和DICOM重构直径来构建针对所述特定CBCT图像的重构区域;以及
在确定所述特定像素在针对所述特定CBCT图像的所述重构区域之外时,将无数据值分配给所述图像掩模中的与所述特定像素相关联的所述对应的数据字段。
12.如权利要求11所述的方法,其中所述图像掩模的生成还包括:
在确定所述特定像素在针对所述特定CBCT图像的所述重构区域之内时,将数据存在值分配给所述图像掩模中的与所述特定像素相关联的所述对应的数据字段。
13.如权利要求8所述的方法,其中所述多个配准图像的生成还包括:
对于从所述多个CBCT图像选择的CBCT图像和从所述多个CT图像选择的CT图像,从所述CBCT图像选择第一像素并且从所述CT图像选择第二像素;
从所述图像掩模提取与所述第一像素相关联的第一数据字段;以及
在确定所述第一数据字段包含数据存在值时,在执行所述DIR期间使用所述第一像素。
14.如权利要求13所述的方法,其中所述多个配准图像的生成还包括:
从所述CBCT图像选择第三像素,并且从所述CT图像选择第四像素;
从所述图像掩模提取与所述第三像素相关联的第二数据字段;以及
在确定所述第二数据字段包含无数据值时,在执行所述DIR期间忽略所述第三像素。
15.一种被配置为改进计算机断层扫描(CT)到锥形束计算机断层扫描(CBCT)配准的配准增强系统,所述系统包括:
图像接收模块,其被配置为
接收通过对象的CT扫描生成的CT图像,并且
接收通过所述对象的CBCT扫描生成的CBCT图像;
掩模生成模块,其被配置为
基于从所述CBCT图像提取的医学数字成像和通信(DICOM)信息生成图像掩模,其中对于所述CBCT图像中的特定像素,所述图像掩模包含指示所述特定像素是否包含基于所述对象的所述CBCT扫描生成的图像数据的对应的数据字段;以及
可变形图像配准(DIR)模块,其被配置为
通过利用所述图像掩模执行所述CT图像与所述CBCT图像之间的DIR,来生成配准图像。
16.如权利要求15所述的配准增强系统,其中所述DICOM信息还包括DICOM重构目标中心和DICOM重构直径,其中所述DICOM重构目标中心指代在CBCT扫描操作期间形成的圆形照亮区域的中心位置,并且所述DICOM重构直径指代所述圆形照亮区域的直径。
17.如权利要求16所述的配准增强系统,其中所述掩模生成模块还被配置成:
基于从所述CBCT图像提取的所述DICOM重构目标中心和DICOM重构直径来构建针对所述CBCT图像的重构区域;并且
在确定所述特定像素在针对所述CBCT图像的所述重构区域之外时,将无数据值分配给所述图像掩模中的与所述特定像素相关联的所述对应的数据字段。
18.如权利要求17所述的配准增强系统,其中所述掩模生成模块还被配置成:
确定所述特定像素是否在针对所述CBCT图像的所述重构区域之内;并且
将数据存在值分配给所述图像掩模中的与所述特定像素相关联的所述对应的数据字段。
19.如权利要求15所述的配准增强系统,其中所述DIR模块还被配置成:
在执行所述DIR期间,从所述CBCT图像选择第一像素,并且从所述CT图像选择第二像素;
从所述图像掩模提取与所述第一像素相关联的第一数据字段;
确定所述第一数据字段是否包含数据存在值;并且
在执行所述DIR期间使用所述第一像素。
20.如权利要求15所述的配准增强系统,其中所述DIR模块还被配置成:
从所述CBCT图像选择第三像素,并且从所述CT图像选择第四像素;
从所述图像掩模提取与所述第三像素相关联的第二数据字段;
确定所述第二数据字段是否包含非数据值;并且
在执行所述DIR期间忽略所述第三像素。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US15/935,044 US10902621B2 (en) | 2018-03-25 | 2018-03-25 | Deformable image registration based on masked computed tomography (CT) image |
US15/935,044 | 2018-03-25 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110310307A CN110310307A (zh) | 2019-10-08 |
CN110310307B true CN110310307B (zh) | 2023-08-11 |
Family
ID=65801991
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910221179.6A Active CN110310307B (zh) | 2018-03-25 | 2019-03-22 | 计算机断层扫描(ct)到锥形束ct配准的方法和系统 |
Country Status (3)
Country | Link |
---|---|
US (2) | US10902621B2 (zh) |
EP (1) | EP3547257B1 (zh) |
CN (1) | CN110310307B (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10902621B2 (en) * | 2018-03-25 | 2021-01-26 | Varian Medical Systems International Ag | Deformable image registration based on masked computed tomography (CT) image |
TWI704904B (zh) * | 2018-07-20 | 2020-09-21 | 台灣基督長老教會馬偕醫療財團法人馬偕紀念醫院 | 用以產生對位影像的系統及方法 |
WO2022036633A1 (en) * | 2020-08-20 | 2022-02-24 | Shanghai United Imaging Healthcare Co., Ltd. | Systems and methods for image registration |
CN113034558B (zh) * | 2021-03-29 | 2022-09-20 | 上海交通大学医学院附属第九人民医院 | 基于影像辅助的医学诊断评估系统、方法、介质及终端 |
CN113469935B (zh) * | 2021-04-15 | 2023-06-13 | 卡本(深圳)医疗器械有限公司 | 一种基于ct图像的髂后上棘自动检测与定位方法 |
CN114820730B (zh) * | 2022-03-08 | 2023-04-07 | 安徽慧软科技有限公司 | 一种基于伪ct的ct与cbct配准方法 |
CN117495803A (zh) * | 2023-11-02 | 2024-02-02 | 上海市第四人民医院 | 腹腔积液超声影像分割方法、装置及系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101743568A (zh) * | 2007-05-17 | 2010-06-16 | 伊利克塔股份有限公司 | 在线锥形束ct重建 |
WO2016134127A1 (en) * | 2015-02-20 | 2016-08-25 | University Of Florida Research Foundation, Inc. | Common-mask guided image reconstruction for enhanced four-dimensional come-beam computed tomography |
CN107072595A (zh) * | 2013-12-31 | 2017-08-18 | 威斯康星州医药大学股份有限公司 | 基于多模态成像的自适应重计划 |
CN107403446A (zh) * | 2016-05-18 | 2017-11-28 | 西门子保健有限责任公司 | 用于使用智能人工代理的图像配准的方法和系统 |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9339243B2 (en) * | 2006-04-14 | 2016-05-17 | William Beaumont Hospital | Image guided radiotherapy with dual source and dual detector arrays tetrahedron beam computed tomography |
DE102010020770A1 (de) * | 2010-05-17 | 2011-11-17 | Siemens Aktiengesellschaft | Verfahren zur Reduzierung von Bildartefakten, insbesondere von Metallartefakten, in CT-Bilddaten |
US8705827B2 (en) * | 2011-04-15 | 2014-04-22 | Georgia Tech Research Corporation | Scatter correction methods |
US20140073907A1 (en) * | 2012-09-12 | 2014-03-13 | Convergent Life Sciences, Inc. | System and method for image guided medical procedures |
WO2015200300A1 (en) * | 2014-06-23 | 2015-12-30 | University Of Maryland, Baltimore | Techniques for suppression of motion artifacts in medical imaging |
DE102015007934A1 (de) * | 2015-06-19 | 2016-12-22 | Universität Stuttgart | Verfahren und Computerprogrammprodukt zum Erzeugen eines artefaktreduzierten Voxeldatensatzes |
KR102548188B1 (ko) * | 2016-12-13 | 2023-06-27 | 지브 봄존 | 전극위치가 변형 가능한 템플릿들로 최적화된 종양 치료장을 이용하여 환자들을 치료 |
US10485988B2 (en) * | 2016-12-30 | 2019-11-26 | Varian Medical Systems International Ag | Interactive dose manipulation using prioritized constraints |
US10902621B2 (en) * | 2018-03-25 | 2021-01-26 | Varian Medical Systems International Ag | Deformable image registration based on masked computed tomography (CT) image |
-
2018
- 2018-03-25 US US15/935,044 patent/US10902621B2/en active Active
-
2019
- 2019-03-13 EP EP19162526.8A patent/EP3547257B1/en active Active
- 2019-03-22 CN CN201910221179.6A patent/CN110310307B/zh active Active
-
2021
- 2021-01-23 US US17/156,575 patent/US11574411B2/en active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101743568A (zh) * | 2007-05-17 | 2010-06-16 | 伊利克塔股份有限公司 | 在线锥形束ct重建 |
CN107072595A (zh) * | 2013-12-31 | 2017-08-18 | 威斯康星州医药大学股份有限公司 | 基于多模态成像的自适应重计划 |
WO2016134127A1 (en) * | 2015-02-20 | 2016-08-25 | University Of Florida Research Foundation, Inc. | Common-mask guided image reconstruction for enhanced four-dimensional come-beam computed tomography |
CN107403446A (zh) * | 2016-05-18 | 2017-11-28 | 西门子保健有限责任公司 | 用于使用智能人工代理的图像配准的方法和系统 |
Non-Patent Citations (1)
Title |
---|
CT和信息缺失CBCT图像变形配准方法研究;甄鑫;《研究与开发》;20141231;全文 * |
Also Published As
Publication number | Publication date |
---|---|
US10902621B2 (en) | 2021-01-26 |
US20190295268A1 (en) | 2019-09-26 |
EP3547257B1 (en) | 2020-09-23 |
EP3547257A1 (en) | 2019-10-02 |
US20210142494A1 (en) | 2021-05-13 |
CN110310307A (zh) | 2019-10-08 |
US11574411B2 (en) | 2023-02-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110310307B (zh) | 计算机断层扫描(ct)到锥形束ct配准的方法和系统 | |
RU2699499C2 (ru) | Системы и способы сегментации медицинских изображений на основании признаков, основанных на анатомических ориентирах | |
CN113240719A (zh) | 用于表征医学图像中的解剖特征的方法和系统 | |
US11776172B2 (en) | Tomographic image analysis using artificial intelligence (AI) engines | |
US10672128B2 (en) | Online learning enhanced atlas-based auto-segmentation | |
ES2800032T3 (es) | Sistema de obtención de imágenes médicas con una red fija de detectores de rayos X y método para usarlo | |
JP2007325928A (ja) | 放射線医学的徴候の検出のためのトモシンセシスにおける放射線画像の処理方法 | |
CN108352077B (zh) | 图像重建的系统和方法 | |
WO2007148263A1 (en) | Method and system for error compensation | |
US11436766B2 (en) | Tomographic image reconstruction using artificial intelligence (AI) engines | |
EP2880594A2 (en) | Systems and methods for performing segmentation and visualization of multivariate medical images | |
JP2020531182A (ja) | 扁平な解剖学的構造を評定するための画像処理 | |
Kumar et al. | Lung nodule segmentation using 3-dimensional convolutional neural networks | |
EP3867871A1 (en) | System and method for automatic delineation of scanned images | |
US20180165806A1 (en) | System To Detect Features Using Multiple Reconstructions | |
CN116848549A (zh) | 经由降维投影的图像结构的检测 | |
CN113729747A (zh) | 一种球形金属标记的锥束ct金属伪影去除系统及去除方法 | |
WO2021122364A1 (en) | Tomographic image processing using artificial intelligence (ai) engines | |
Nasser | Accelerated Digitally Reconstructed Radiograph (DRR) Using Automatic Body Segmentation | |
Miao et al. | Intensity-based 3d-2d mesh-to-image registration using mesh-based digitally reconstructed radiography | |
Zimeras | Segmentation Techniques of Anatomical Structures with Application in Radiotherapy Treatment Planning | |
Chen et al. | Automatic 3D-2D image registration using partial digitally reconstructed radiographs along projected anatomic contours | |
Jihong et al. | CBCT-based synthetic CT generation using a hybrid approach for adaptive radiotherapy of nasopharyngeal carcinoma | |
QUOTATION | Monitoring of lung cancer patients during radiotherapy using combined texture and level set analysis of CBCT images |
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 | ||
REG | Reference to a national code |
Ref country code: HK Ref legal event code: DE Ref document number: 40009270 Country of ref document: HK |
|
GR01 | Patent grant | ||
GR01 | Patent grant |