CN110910465B - 一种运动伪影校正方法和系统 - Google Patents

一种运动伪影校正方法和系统 Download PDF

Info

Publication number
CN110910465B
CN110910465B CN201911146934.5A CN201911146934A CN110910465B CN 110910465 B CN110910465 B CN 110910465B CN 201911146934 A CN201911146934 A CN 201911146934A CN 110910465 B CN110910465 B CN 110910465B
Authority
CN
China
Prior art keywords
motion artifact
artifact correction
image sequences
time
reconstructed image
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
CN201911146934.5A
Other languages
English (en)
Other versions
CN110910465A (zh
Inventor
全国涛
王毅
田皎
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.)
Shanghai United Imaging Healthcare Co Ltd
Original Assignee
Shanghai United Imaging Healthcare Co Ltd
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 Shanghai United Imaging Healthcare Co Ltd filed Critical Shanghai United Imaging Healthcare Co Ltd
Priority to CN201911146934.5A priority Critical patent/CN110910465B/zh
Publication of CN110910465A publication Critical patent/CN110910465A/zh
Priority to US17/100,820 priority patent/US11842465B2/en
Priority to US18/536,152 priority patent/US20240135516A1/en
Application granted granted Critical
Publication of CN110910465B publication Critical patent/CN110910465B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06T11/008—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
    • G06T5/00—Image enhancement or restoration
    • G06T5/77—Retouching; Inpainting; Scratch removal
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7203—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal
    • A61B5/7207—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal of noise induced by motion artifacts
    • A61B5/7214—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal of noise induced by motion artifacts using signal cancellation, e.g. based on input of two identical physiological sensors spaced apart, or based on two signals derived from the same sensor, for different optical wavelengths
    • 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
    • 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
    • A61B6/486—Diagnostic techniques involving generating temporal series of image 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
    • A61B6/5205—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
    • A61B6/5258—Devices using data or image processing specially adapted for radiation diagnosis involving detection or reduction of artifacts or noise
    • A61B6/5264—Devices using data or image processing specially adapted for radiation diagnosis involving detection or reduction of artifacts or noise due to motion
    • 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
    • A61B6/5264—Devices using data or image processing specially adapted for radiation diagnosis involving detection or reduction of artifacts or noise due to motion
    • A61B6/527—Devices using data or image processing specially adapted for radiation diagnosis involving detection or reduction of artifacts or noise due to motion using data from a motion artifact sensor
    • 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
    • A61B6/54—Control of apparatus or devices for radiation diagnosis
    • A61B6/541—Control of apparatus or devices for radiation diagnosis involving acquisition triggered by a physiological signal
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G06N3/084—Backpropagation, e.g. using gradient descent
    • 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
    • G06T5/60—Image enhancement or restoration using machine learning, e.g. neural networks
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0012—Biomedical image inspection
    • G06T7/0014—Biomedical image inspection using an image reference approach
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B2576/00—Medical imaging apparatus involving image processing or analysis
    • A61B2576/02—Medical imaging apparatus involving image processing or analysis specially adapted for a particular organ or body part
    • A61B2576/023—Medical imaging apparatus involving image processing or analysis specially adapted for a particular organ or body part for the heart
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0033—Features or image-related aspects of imaging apparatus classified in A61B5/00, e.g. for MRI, optical tomography or impedance tomography apparatus; arrangements of imaging apparatus in a room
    • A61B5/004—Features or image-related aspects of imaging apparatus classified in A61B5/00, e.g. for MRI, optical tomography or impedance tomography apparatus; arrangements of imaging apparatus in a room adapted for image acquisition of a particular organ or body part
    • A61B5/0044—Features or image-related aspects of imaging apparatus classified in A61B5/00, e.g. for MRI, optical tomography or impedance tomography apparatus; arrangements of imaging apparatus in a room adapted for image acquisition of a particular organ or body part for the heart
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/05—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves 
    • A61B5/055—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves  involving electronic [EMR] or nuclear [NMR] magnetic resonance, e.g. magnetic resonance 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
    • A61B6/02—Arrangements for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
    • A61B6/03—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
    • A61B6/02—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
    • A61B6/02—Arrangements for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
    • A61B6/03—Computed tomography [CT]
    • A61B6/037—Emission tomography
    • 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
    • A61B6/44—Constructional features of apparatus for radiation diagnosis
    • A61B6/4417—Constructional features of apparatus for radiation diagnosis related to combined acquisition of different diagnostic modalities
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/52—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/5269—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving detection or reduction of artifacts
    • A61B8/5276—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving detection or reduction of artifacts due to motion
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • 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
    • G06T2207/10016—Video; Image sequence
    • 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
    • G06T2207/20081—Training; Learning
    • 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
    • G06T2207/20084—Artificial neural networks [ANN]
    • 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
    • G06T2207/30048—Heart; Cardiac
    • 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

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Medical Informatics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Biomedical Technology (AREA)
  • Molecular Biology (AREA)
  • Biophysics (AREA)
  • Radiology & Medical Imaging (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Surgery (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Pathology (AREA)
  • Public Health (AREA)
  • Veterinary Medicine (AREA)
  • Optics & Photonics (AREA)
  • High Energy & Nuclear Physics (AREA)
  • Multimedia (AREA)
  • Artificial Intelligence (AREA)
  • Signal Processing (AREA)
  • Physiology (AREA)
  • Quality & Reliability (AREA)
  • Computing Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Computational Linguistics (AREA)
  • Evolutionary Computation (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Psychiatry (AREA)
  • Mathematical Physics (AREA)
  • Apparatus For Radiation Diagnosis (AREA)
  • Image Processing (AREA)
  • Magnetic Resonance Imaging Apparatus (AREA)

Abstract

本申请实施例公开了一种运动伪影校正方法和系统。所述运动伪影校正方法包括：获取与连续的N个第一时间片段分别对应的N个重建后的图像序列，其中N为大于或等于2的整数，每个重建后的图像序列包括对应第一时间片段下重建后的多张图像；基于所述N个重建后的图像序列，利用经过训练的运动伪影校正模型确定校正后的图像序列。

Description

一种运动伪影校正方法和系统
技术领域
本申请涉及医学图像处理领域，特别涉及一种运动伪影校正方法和系统。
背景技术
伪影是指在成像过程或信息处理过程中由于某种原因出现了扫描物体本身不存在的致使图像质量下降的图像。运动伪影是指由于扫描物体的宏观运动导致的伪影。以扫描物体为心脏为例，心脏运动伪影会对观察心脏的正常状况造成影响。目前，传统的解决方法是通过运动伪影校正算法来校正包含心脏运动伪影的图像。然而，这类算法通常较为复杂因而耗费的计算时间较长，且在一些复杂的心脏运动状态下(例如，心律不齐)下这类算法的校正效果还会受到限制。
因此，希望提供一种快速有效的运动伪影校正方案。
发明内容
本申请实施例之一提供一种运动伪影校正方法，所述方法包括：获取与连续的N个第一时间片段分别对应的N个重建后的图像序列，其中N为大于或等于2的整数，每个重建后的图像序列包括对应第一时间片段下重建后的多张图像；基于所述N个重建后的图像序列，利用经过训练的运动伪影校正模型确定校正后的图像序列。
本申请实施例之一提供一种运动伪影校正系统，所述系统包括获取模块和校正模块；所述获取模块用于获取与连续的N个第一时间片段分别对应的N个重建后的图像序列，其中N为大于或等于2的整数，每个重建后的图像序列包括对应第一时间片段下重建后的多张图像；所述校正模块用于基于所述N个重建后的图像序列，利用经过训练的运动伪影校正模型确定校正后的图像序列。
本申请实施例之一提供一种运动伪影校正装置，包括处理器，所述处理器用于执行如本申请任一实施例所述的运动伪影校正方法。
本申请实施例之一提供一种计算机可读存储介质，所述存储介质存储计算机指令，当计算机读取存储介质中的计算机指令后，计算机执行如本申请任一实施例所述的运动伪影校正方法。
附图说明
本申请将以示例性实施例的方式进一步说明，这些示例性实施例将通过附图进行详细描述。这些实施例并非限制性的，在这些实施例中，相同的编号表示相同的结构，其中：
图1是根据本申请一些实施例所示的运动伪影校正方法的示例性流程图；
图2是根据本申请一些实施例所示的运动伪影校正模型的训练方法的示例性流程示意图；
图3是根据本申请一些实施例所示的运动伪影校正系统的模块图；
图4是根据本申请一些实施例所示的运动伪影校正的实例对照图。
具体实施方式
为了更清楚地说明本申请实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单的介绍。显而易见地，下面描述中的附图仅仅是本申请的一些示例或实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图将本申请应用于其它类似情景。除非从语言环境中显而易见或另做说明，图中相同标号代表相同结构或操作。
应当理解，本文使用的“系统”、“装置”、“单元”和/或“模组”是用于区分不同级别的不同组件、元件、部件、部分或装配的一种方法。然而，如果其他词语可实现相同的目的，则可通过其他表达来替换所述词语。
如本申请和权利要求书中所示，除非上下文明确提示例外情形，“一”、“一个”、“一种”和/或“该”等词并非特指单数，也可包括复数。一般说来，术语“包括”与“包含”仅提示包括已明确标识的步骤和元素，而这些步骤和元素不构成一个排它性的罗列，方法或者设备也可能包含其它的步骤或元素。
本申请中使用了流程图用来说明根据本申请的实施例的系统所执行的操作。应当理解的是，前面或后面操作不一定按照顺序来精确地执行。相反，可以按照倒序或同时处理各个步骤。同时，也可以将其他操作添加到这些过程中，或从这些过程移除某一步或数步操作。
本申请的实施例涉及运动伪影的校正方法和系统。该运动伪影校正方法和系统可以应用于医学成像(如CT、X射线机、MRI、PET等)中的运动伪影校正。例如，该运动伪影校正方法和系统可以应用于心脏运动伪影校正、呼吸运动伪影校正等，能够对医学成像设备在拍摄心脏、肺等器官和/或组织时所产生的伪影进行校正。应当理解的是，本申请的系统及方法的应用场景仅仅是本申请的一些示例或实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图将本申请应用于其它类似情景。虽然本申请主要以心脏、肺为例进行了描述，但需要注意的是，本申请的原理也可应用于更多的生物器官或组织，如骨骼、血管、神经、脾脏、胃等。
图1是根据本申请一些实施例所示的运动伪影校正方法的示例性流程图。在一些实施例中，该运动伪影校正方法可以由图3所示的运动伪影校正系统300执行。如图1所示，该运动伪影校正方法100可以包括：
步骤110，获取与连续的N个第一时间片段分别对应的N个重建后的图像序列，其中N为大于或等于2的整数，每个重建后的图像序列包括对应第一时间片段下重建后的多张图像。在一些实施例中，步骤110可以由获取模块310执行。
在一些实施例中，图像可以是针对扫描物体的医学扫描图像。扫描物体可以包括生物体的组织、器官等。例如，组织可以包括上皮组织、结缔组织、肌肉组织、神经组织等中的一种或多种的组合。又例如，器官可以包括心脏、肝脏、脾脏、肺、胃等中的一种或多种的组合。图像可以通过医学成像设备(如CT、X射线机、MRI、PET、超声扫描设备等)获取。在本申请的实施例中，扫描物体可以包括心脏、肺等在图像拍摄过程中具有运动(如呼吸运动、心脏跳动)的组织/器官。由于扫描物体的运动，有可能会使得所拍摄的医学图像产生伪影(运动伪影)。
由于生物体的组织、器官等扫描物体的运动具有连续性，因此可以由扫描物体在至少两个时间点的运动状态来判断扫描物体的运动状态在所述至少两个时间点之间的变化情况(如运动轨迹)，进而根据此变化情况以及参照时间点(例如所述至少两个时间点)的运动状态来恢复扫描物体在所述至少两个时间点之间的某一时间点的运动状态，以校正扫描物体在所述至少两个时间点之间的某一时间点的图像。值得注意的是，所述时间点可以指相对扫描物体的运动周期而言较短的时间片段(如第一时间片段)，该时间片段下扫描物体的运动状态可以由一个状态表示。以运动周期约为1s的心脏为例，第一时间片段的长度范围可以为0～0.3秒(如0.05秒、0.1秒、0.2秒、0.3秒等)。在一些实施例中，第一时间片段可以对应扫描设备的扫描周期。例如，扫描设备可以在第一时间片段内对扫描物体进行多角度扫描，以重建获得扫描物体的扫描图像(如三维扫描图像)。
在一些实施例中，重建后的图像序列可以包括根据扫描设备在第一时间片段内对扫描物体的扫描数据而重建后的多张图像。该图像序列中的多张图像可以反映该扫描物体在第一时间片段内不同断层的情况，从而该图像序列可以反映该扫描物体在该第一时间片段内的整体情况。
在一些实施例中，获取模块310可以获取与连续的N个第一时间片段分别对应的N个重建后的图像序列。其中N为大于或等于2的整数，例如，N可以等于2、3、5、8、10、15等。该N个第一时间片段为连续的时间片段。例如，假设心脏的跳动周期为1秒，第一时间片段的长度为0.05秒，N为3，则该连续的3个第一时间片段可以为以任意时间点为0点的0～0.05秒、0.05～0.1秒、0.1～0.15秒的三个时间片段。
在一些实施例中，获取模块310可以获取扫描物体(如心脏)运动过程中任意的连续N个第一时间片段对应的N个重建后的图像序列。在一些实施例中，获取模块310可以获取扫描物体运动过程中运动幅度最小的连续N个第一时间片段对应的N个重建后的图像序列。例如，获取模块310可以先获得扫描物体运动过程中连续的多个第一时间片段对应的重建后的图像序列，再从中筛选出运动幅度最低的连续N个图像序列或是运动幅度低于设定阈值的连续N个图像序列。在一些实施例中，获取模块310可以通过衡量相邻图像序列之间的变化来确定扫描物体的运动幅度。在一些实施例中，获取模块310也可以根据扫描物体的运动规律选择其运动幅度最低时的连续时间片段并获取该连续时间片段对应的图像序列。由于扫描物体在运动幅度最低时所获得的图像的运动伪影相对较少，所以对其进行运动伪影校正后的图像效果也可以更好。
步骤120，基于N个重建后的图像序列，利用经过训练的运动伪影校正模型确定校正后的图像序列。在一些实施例中，步骤120可以由校正模块320执行。
在一些实施例中，校正后的图像序列可以为对应于某个时间片段(或时间点)的图像序列。在一些实施例中，校正后的图像序列也可以包括对应于多个时间片段(或多个时间点)的多个图像序列。在一些实施例中，校正后的图像序列对应的时间片段可以表示为第二时间片段。第二时间片段可以理解为某个时间点、一个或多个第一时间片段、某个与第一时间片段时间长度相同的片段，或者是某个与第一时间片段时间长度不相同的片段。
在一些实施例中，校正后的图像序列可以包括N个，该N个校正后的图像序列分别对应N个第二时间片段，且该N个第二时间片段与N个第一时间片段一一对应。例如，当N＝2时，假设N个重建后的图像序列为：0～0.05秒和0.05～0.1秒的两个第一时间片段分别对应的两个重建后的图像序列，则其校正后的图像序列也可以包括该两个第一时间片段(此时第一时间片段与第二时间片段相同)分别对应的图像序列。在此情况下，可以理解为：第一个重建后的图像序列在获得其校正后的图像序列时采用了第二个重建后的图像序列的信息；同时，第二个重建后的图像序列在获得其校正后的图像序列时也采用了第一个重建后的图像序列的信息。
在一些实施例中，校正后的图像序列对应的第二时间片段可以位于N个第一时间片段之间。例如，当N＝2时，假设N个重建后的图像序列为：0～0.05秒和0.05～0.1秒的两个第一时间片段分别对应的两个重建后的图像序列，此时校正后的图像序列可以仅包括一组图像序列，该组图像序列对应的第二时间片段可以为两个第一时间片段之间的某一相同时间长度的时间片段(如0.025～0.075秒)；或者该组图像序列对应的第二时间片段可以为两个第一时间片段之间的某一不同时间长度的时间片段(如0.03～0.07秒)；或者，该组图像序列对应的第二时间片段可以为两个第一时间片段之间的某一时间点(如0.05秒时刻)。在一些实施例中，当N大于或等于3时，第二时间片段可以为N个第一时间片段中除起始时间片段和终止时间片段外的第一时间片段。例如，当N＝3时，假设N个重建后的图像序列为：0～0.05秒(对应起始时间片段)、0.05～0.1秒和0.1秒～0.15秒(对应终止时间片段)的3个第一时间片段分别对应的3个重建后的图像序列，此时校正后的图像序列可以仅包括一组图像序列，该组图像序列对应的第二时间片段可以为3个第一时间片段中除起始时间片段和终止时间片段外的第一时间片段(也即中间的第一时间片段0.05～0.1秒)。又例如，当N＝4时，校正后的图像序列可以包括两组图像序列，该两组图像序列分别对应的第二时间片段可以为4个第一时间片段中除起始时间片段和终止时间片段外的第一时间片段(也即中间的两个第一时间片段)。
在一些实施例中，运动伪影校正模型可以包括深度学习模型、机器学习模型等。例如，运动伪影校正模型可以包括但不限于U-NET(U型网络)、神经网络模型等。在一些实施例中，模型训练模块330可以根据多个重建后的图像序列和对应的校正后的图像序列对运动伪影校正模型进行训练。例如，模型训练模块330可以获取样本集，所述样本集包括多个样本对，每个样本对包括：作为输入的与连续的M个第三时间片段分别对应的M个重建后的图像序列和作为标识的所述M个重建后的图像序列对应的校正后的图像序列，其中M为大于或等于2的整数；以及，模型训练模块330可以采用样本集对待训练的运动伪影校正模型进行训练，得到经过训练的运动伪影校正模型。关于训练运动伪影校正模型的更多细节可以参见图2及其相关描述。
在一些实施例中，运动伪影校正系统300还可以将校正后的图像序列发送至显示设备，以对校正后的图像序列进行显示。进一步地，系统300可以将校正前后的图像序列一并发送给显示设备，以比对分析模型的校正效果。
图2是根据本申请一些实施例所示的运动伪影校正模型的训练方法的示例性流程示意图。在一些实施例中，该训练方法200可以由模型训练模块330执行。该训练方法200包括以下步骤：
步骤210，获取样本集。
在一些实施例中，样本集可包括多个样本对。每个样本对可以包括作为输入的重建后的图像序列和作为标识的校正后的图像序列。例如，每个样本对可以包括作为输入的与连续的M个第三时间片段分别对应的M个重建后的图像序列和作为标识的所述M个重建后的图像序列对应的校正后的图像序列，其中M为大于或等于2的整数。
在一些实施例中，作为输入的重建后的图像序列可以包括对应第三时间片段下重建后的多张图像。图像可以通过医学成像设备(如CT、X射线机、MRI、PET、超声扫描设备等)获取。在一些实施例中，作为输入的重建后的图像序列可以从疾病检测中心、医院等机构获取。在一些实施例中，作为输入的重建后的图像序列可以从医学影像的开源数据库中获取。开源数据库包括但不限于Github、ISBI、LIDC-IDRI、DDSM MIAS、Cancer Imaging Archive、OsiriX、NITRC等数据库。在一些实施例中，作为输入的样本图像序列也可以从志愿者和/或志愿者机构获取。在一些替代性实施例中，作为输入的样本图像序列还可以从其他途径获取，本申请对此不做限制。
在一些实施例中，校正后的图像序列可以与待校正的图像序列(即作为输入的重建后的图像序列)一起通过现有途径直接获取。在一些实施例中，可以先通过现有途径获取待校正的图像序列，再利用运动伪影校正技术对其进行校正，得到校正后的样本图像序列。运动伪影校正的方法可以包括任意合理的校正方法，如基于运动补偿的校正方法、基于运动轨迹的校正方法等。在一具体实施例中，运动伪影校正算法可以包括：对待校正的图像序列进行图像分割，并通过对分割后的图像序列进行图像配准以确定扫描物体的运动轨迹，进而根据该运动轨迹进行运动伪影校正，以得到校正后的图像序列。
在一些实施例中，第三时间片段可以与第一时间片段相同。例如，以运动周期约为1s的心脏为例，第三时间片段的长度范围可以为0～0.3秒(如0.05秒、0.1秒、0.2秒、0.3秒等)。在一些实施例中，第三时间片段可以对应扫描设备的扫描周期。在一些实施例中，作为标识的校正后的图像序列对应的第四时间片段可以与第二时间片段相同。第二时间片段可以理解为某个时间点、一个或多个第三时间片段、某个与第三时间片段时间长度相同的片段，或者是某个与第三时间片段时间长度不相同的片段。
在一些实施例中，如图2所示，模型训练模块330可以将上述样本集划分为训练集201和测试集202。训练集201可以用于训练得到运动伪影校正模型；测试集202可以用于对训练得到的运动伪影校正模型进行测试。具体地，运动伪影校正系统300可以对样本图像按一定比例随机进行划分。例如，训练集和测试集的比例可以为8：2、9：1、9.5：0.5等。
步骤220，将训练集输入到初始运动伪影校正模型中进行训练，获得运动伪影校正模型。
在一些实施例中，初始运动伪影校正模型可以包括但不限于深度学习模型、机器学习模型等。例如，运动伪影校正模型可以包括但不限于U-NET(U型网络)、神经网络模型等。
步骤230，测试运动伪影校正模型。
模型训练模块330可以将测试集202中样本对的输入导入步骤220所得的训练后的运动伪影校正模型，获得输出的校正后的图像序列。模型训练模块330可以进一步对比模型输出的校正后的图像序列与测试集202中样本对的标识是否一致。例如，运动伪影校正系统300可以计算对比模型输出的校正后的图像序列与测试集202中样本对的标识的相似度，当该相似度达到设定阈值(如，90％、97％、99％等)时，则可以认为两者一致。
步骤240，判断运动伪影校正模型是否符合要求。
在此步骤中，模型训练模块330可以统计运动伪影校正模型测试结果的正确率(测试结果指示模型输出的校正后的图像序列与测试集202中样本对的标识一致时即认为测试结果为正确)，并基于该正确率判断模型是否符合要求。具体的，当模型测试结果的正确率超过预设阈值(如85％、90％、95％、98％等)时，模型训练模块330可以认为该训练后的模型通过测试，训练方法200可以进行步骤250。当模型测试结果的正确率低于预设阈值时，模型训练模块330可以认为该训练后的模型没有通过测试，模型训练方法200可以重新进行步骤220。
步骤250，输出经过训练的运动伪影校正模型。
在一些实施例中，上述经过训练的模型可以包括能够对心脏、肺等多种组织/器官进行运动伪影校正的模型。在一些替代性实施例中，该经过训练的模型也可以是针对特定的组织/器官进行运动伪影校正的模型。例如，该经过训练的模型可以包括心脏运动伪影校正模型、肺运动伪影校正模型等。
应当注意的是，上述有关训练方法200的描述仅仅是为了示例和说明，而不限定本申请的适用范围。对于本领域技术人员来说，在本申请的指导下可以对训练方法200进行各种修正和改变。然而，这些修正和改变仍在本申请的范围之内。例如，模型训练模块330可以将标注好的样本图像分为训练集、验证集和测试集，当运动伪影校正模型初步训练完成之后，模型训练模块330可以使用验证集对模型进行验证。又例如，模型训练模块330可以基于模型在使用过程中的情况(如用户对模型处理结果的反馈)对模型进行定期或不定期更新。
图3是根据本申请一些实施例所示的运动伪影校正系统300的模块图。
如图3所示，该运动伪影校正系统300可以包括获取模块310、校正模块320和模型训练模块330。
获取模块310可以用于获取运动伪影校正过程中相关的信息/数据。在一些实施例中，获取模块310可以用于获取重建后的图像序列。例如，获取模块310可以获取连续的N个第一时间片段分别对应的N个重建后的图像序列，其中N为大于或等于2的整数，每个重建后的图像序列包括对应第一时间片段下重建后的多张图像。
校正模块320可以用于对图像/图像序列进行运动伪影校正。例如，校正模型320可以基于N个重建后的图像序列，利用经过训练的运动伪影校正模型确定校正后的图像序列。
模型训练模块330可以用于训练运动伪影校正模型。例如，模型训练模型330可以获取样本集。模型训练模型330可以将训练集输入到初始运动伪影校正模型中进行训练，获得运动伪影校正模型。模型训练模型330可以测试运动伪影校正模型。模型训练模型330可以判断运动伪影校正模型是否符合要求。模型训练模型330可以输出经过训练的运动伪影校正模型。
应当理解，图3所示的系统及其模块可以利用各种方式来实现。例如，在一些实施例中，系统及其模块可以通过硬件(如处理器)、软件或者软件和硬件的结合来实现。其中，硬件部分可以利用专用逻辑来实现；软件部分则可以存储在存储器中，由适当的指令执行系统，例如微处理器或者专用设计硬件来执行。本领域技术人员可以理解上述的方法和系统可以使用计算机可执行指令和/或包含在处理器控制代码中来实现，例如在诸如磁盘、CD或DVD-ROM的载体介质、诸如只读存储器(固件)的可编程的存储器或者诸如光学或电子信号载体的数据载体上提供了这样的代码。本申请的系统及其模块不仅可以有诸如超大规模集成电路或门阵列、诸如逻辑芯片、晶体管等的半导体、或者诸如现场可编程门阵列、可编程逻辑设备等的可编程硬件设备的硬件电路实现，也可以用例如由各种类型的处理器所执行的软件实现，还可以由上述硬件电路和软件的结合(例如，固件)来实现。
需要注意的是，以上对于运动伪影校正系统及其模块的描述，仅为描述方便，并不能把本申请限制在所举实施例范围之内。可以理解，对于本领域的技术人员来说，在了解该系统的原理后，可能在不背离这一原理的情况下，对各个模块进行任意组合，或者构成子系统与其他模块连接。例如，在一些实施例中，例如，图3中披露的获取模块310和校正模块320可以是一个系统中的不同模块，也可以是一个模块实现上述的两个模块的功能。例如，各个模块可以共用一个存储模块，各个模块也可以分别具有各自的存储模块。诸如此类的变形，均在本申请的保护范围之内。
图4是根据本申请一些实施例所示的运动伪影校正的实例对照图。
如图4所示，412、414、416和418分别表示4个图像序列。该4个图像序列分别为心脏跳动过程中69％、72％、75％和78％四个时间点的图像序列。其中，假设心脏跳动的周期为1秒，则69％表示心脏跳动0.69秒的时间点，其对应的图像序列为心脏跳动0.675-0.705秒的时间片段的图像序列。将上述4个图像序列输入到经过训练的运动伪影校正模型中，即可获得校正后的图像序列420。从图4中可以看出，与利用传统的运动伪影校正方法(基于运动轨迹的校正方法)获得的图像序列430相比，利用本申请的运动伪影校正模型获得的校正后的图像序列420效果更好。
本申请实施例可能带来的有益效果包括但不限于：(1)运动伪影校正的效果更好；(2)运动伪影校正的效率更高；(3)能够适用于多种不同组织/器官的伪影校正。需要说明的是，不同实施例可能产生的有益效果不同，在不同的实施例里，可能产生的有益效果可以是以上任意一种或几种的组合，也可以是其他任何可能获得的有益效果。
上文已对基本概念做了描述，显然，对于本领域技术人员来说，上述详细披露仅仅作为示例，而并不构成对本申请的限定。虽然此处并没有明确说明，本领域技术人员可能会对本申请进行各种修改、改进和修正。该类修改、改进和修正在本申请中被建议，所以该类修改、改进、修正仍属于本申请示范实施例的精神和范围。
同时，本申请使用了特定词语来描述本申请的实施例。如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本申请至少一个实施例相关的某一特征、结构或特点。因此，应强调并注意的是，本说明书中在不同位置两次或多次提及的“一实施例”或“一个实施例”或“一个替代性实施例”并不一定是指同一实施例。此外，本申请的一个或多个实施例中的某些特征、结构或特点可以进行适当的组合。
此外，本领域技术人员可以理解，本申请的各方面可以通过若干具有可专利性的种类或情况进行说明和描述，包括任何新的和有用的工序、机器、产品或物质的组合，或对他们的任何新的和有用的改进。相应地，本申请的各个方面可以完全由硬件执行、可以完全由软件(包括固件、常驻软件、微码等)执行、也可以由硬件和软件组合执行。以上硬件或软件均可被称为“数据块”、“模块”、“引擎”、“单元”、“组件”或“系统”。此外，本申请的各方面可能表现为位于一个或多个计算机可读介质中的计算机产品，该产品包括计算机可读程序编码。
计算机存储介质可能包含一个内含有计算机程序编码的传播数据信号，例如在基带上或作为载波的一部分。该传播信号可能有多种表现形式，包括电磁形式、光形式等，或合适的组合形式。计算机存储介质可以是除计算机可读存储介质之外的任何计算机可读介质，该介质可以通过连接至一个指令执行系统、装置或设备以实现通讯、传播或传输供使用的程序。位于计算机存储介质上的程序编码可以通过任何合适的介质进行传播，包括无线电、电缆、光纤电缆、RF、或类似介质，或任何上述介质的组合。
本申请各部分操作所需的计算机程序编码可以用任意一种或多种程序语言编写，包括面向对象编程语言如Java、Scala、Smalltalk、Eiffel、JADE、Emerald、C++、C#、VB.NET、Python等，常规程序化编程语言如C语言、Visual Basic、Fortran 3003、Perl、COBOL 3002、PHP、ABAP，动态编程语言如Python、Ruby和Groovy，或其他编程语言等。该程序编码可以完全在用户计算机上运行、或作为独立的软件包在用户计算机上运行、或部分在用户计算机上运行部分在远程计算机运行、或完全在远程计算机或服务器上运行。在后种情况下，远程计算机可以通过任何网络形式与用户计算机连接，比如局域网(LAN)或广域网(WAN)，或连接至外部计算机(例如通过因特网)，或在云计算环境中，或作为服务使用如软件即服务(SaaS)。
此外，除非权利要求中明确说明，本申请所述处理元素和序列的顺序、数字字母的使用、或其他名称的使用，并非用于限定本申请流程和方法的顺序。尽管上述披露中通过各种示例讨论了一些目前认为有用的发明实施例，但应当理解的是，该类细节仅起到说明的目的，附加的权利要求并不仅限于披露的实施例，相反，权利要求旨在覆盖所有符合本申请实施例实质和范围的修正和等价组合。例如，虽然以上所描述的系统组件可以通过硬件设备实现，但是也可以只通过软件的解决方案得以实现，如在现有的服务器或移动设备上安装所描述的系统。
同理，应当注意的是，为了简化本申请披露的表述，从而帮助对一个或多个发明实施例的理解，前文对本申请实施例的描述中，有时会将多种特征归并至一个实施例、附图或对其的描述中。但是，这种披露方法并不意味着本申请对象所需要的特征比权利要求中提及的特征多。实际上，实施例的特征要少于上述披露的单个实施例的全部特征。

Claims (9)

1.一种运动伪影校正方法，其特征在于，包括：
获取与连续的N个第一时间片段分别对应的N个重建后的图像序列，其中N为大于或等于2的整数，每个重建后的图像序列包括对应第一时间片段下重建后的多张图像；
基于所述N个重建后的图像序列，利用经过训练的运动伪影校正模型确定校正后的图像序列；
其中，所述校正后的图像序列对应的第二时间片段位于所述N个第一时间片段之间。
2.根据权利要求1所述的运动伪影校正方法，其特征在于，所述N大于或等于3，所述第二时间片段为所述N个第一时间片段中除起始时间片段和终止时间片段外的第一时间片段。
3.根据权利要求1所述的运动伪影校正方法，其特征在于，所述运动伪影校正模型的训练方法包括：
获取样本集，所述样本集包括多个样本对，每个样本对包括：作为输入的与连续的M个第三时间片段分别对应的M个重建后的图像序列和作为标识的所述M个重建后的图像序列对应的校正后的图像序列，其中M为大于或等于2的整数；
采用所述样本集对待训练的运动伪影校正模型进行训练，得到经过训练的运动伪影校正模型。
4.根据权利要求3所述的运动伪影校正方法，其特征在于，所述每个样本对中标识的获取方法包括：
对所述M个重建后的图像序列进行图像分割，得到M个分割后的图像序列；
对所述M个分割后的图像序列进行图像配准，得到物体运动轨迹；
根据所述物体运动轨迹和所述M个重建后图像序列，确定所述M个重建后的图像序列对应的校正后的图像序列。
5.根据权利要求1-4中任一项所述的运动伪影校正方法，其特征在于，所述运动伪影校正模型包括深度学习模型。
6.一种运动伪影校正系统，其特征在于，包括获取模块和校正模块；
所述获取模块用于获取与连续的N个第一时间片段分别对应的N个重建后的图像序列，其中N为大于或等于2的整数，每个重建后的图像序列包括对应第一时间片段下重建后的多张图像；
所述校正模块用于基于所述N个重建后的图像序列，利用经过训练的运动伪影校正模型确定校正后的图像序列；
其中，所述校正后的图像序列对应的第二时间片段位于所述N个第一时间片段之间。
7.根据权利要求6所述的运动伪影校正系统，其特征在于，所述系统还包括用于训练运动伪影校正模型的模型训练模块；所述模型训练模块用于：
获取样本集，所述样本集包括多个样本对，每个样本对包括：作为输入的与连续的M个第三时间片段分别对应的M个重建后的图像序列和作为标识的所述M个重建后的图像序列对应的校正后的图像序列，其中M为大于或等于2的整数；
采用所述样本集对待训练的运动伪影校正模型进行训练，得到经过训练的运动伪影校正模型。
8.一种运动伪影校正装置，包括处理器，其特征在于，所述处理器用于执行权利要求1～5中任一项所述的运动伪影校正方法。
9.一种计算机可读存储介质，所述存储介质存储计算机指令，其特征在于，当计算机读取存储介质中的计算机指令后，计算机执行如权利要求1～5中任一项所述的运动伪影校正方法。
CN201911146934.5A 2019-11-21 2019-11-21 一种运动伪影校正方法和系统 Active CN110910465B (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
CN201911146934.5A CN110910465B (zh) 2019-11-21 2019-11-21 一种运动伪影校正方法和系统
US17/100,820 US11842465B2 (en) 2019-11-21 2020-11-21 Systems and methods for motion correction in medical imaging
US18/536,152 US20240135516A1 (en) 2019-11-21 2023-12-11 Systems and methods for motion correction in medical imaging

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911146934.5A CN110910465B (zh) 2019-11-21 2019-11-21 一种运动伪影校正方法和系统

Publications (2)

Publication Number Publication Date
CN110910465A CN110910465A (zh) 2020-03-24
CN110910465B true CN110910465B (zh) 2023-12-26

Family

ID=69818500

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911146934.5A Active CN110910465B (zh) 2019-11-21 2019-11-21 一种运动伪影校正方法和系统

Country Status (2)

Country Link
US (2) US11842465B2 (zh)
CN (1) CN110910465B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111612867B (zh) * 2020-06-01 2023-08-15 上海联影医疗科技股份有限公司 运动伪影校正方法、装置、计算机设备和可读存储介质
WO2022184736A1 (en) * 2021-03-05 2022-09-09 Koninklijke Philips N.V. Processing medical imaging data generated by a medical imaging device
CN116721045B (zh) * 2023-08-09 2023-12-19 经智信息科技(山东)有限公司 一种多ct图像融合的方法及装置
CN116831623B (zh) * 2023-08-29 2024-01-12 深圳开立生物医疗科技股份有限公司 超声图像校正方法和装置、电子设备和存储介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106163405A (zh) * 2014-02-12 2016-11-23 三星电子株式会社 断层扫描设备及由断层扫描设备显示断层扫描图像的方法
CN107945132A (zh) * 2017-11-29 2018-04-20 深圳安科高技术股份有限公司 一种基于神经网络的ct图像的伪影校正方法及装置
CN108663646A (zh) * 2017-03-27 2018-10-16 西门子保健有限责任公司 2d导航技术
WO2019086337A1 (en) * 2017-10-31 2019-05-09 Koninklijke Philips N.V. Motion artifact prediction during data acquisition

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106456095B (zh) * 2014-06-19 2019-05-31 株式会社日立制作所 X射线ct装置以及图像重建方法
US20170365047A1 (en) * 2016-06-15 2017-12-21 General Electric Company Artifact management in imaging
US10909730B2 (en) * 2017-01-13 2021-02-02 Washington University Free-breathing and self-navigated MRI method for deformable motion derivation
US10489907B2 (en) * 2017-11-13 2019-11-26 Siemens Healthcare Gmbh Artifact identification and/or correction for medical imaging
WO2019218000A1 (en) * 2018-05-15 2019-11-21 Monash University Method and system of motion correction for magnetic resonance imaging
EP3920780A4 (en) * 2019-02-07 2023-02-22 Cedars-Sinai Medical Center ACCURATE NEEDLESS ASSESSMENT METHODS OF MYOCARDIAL OXYGENATION

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106163405A (zh) * 2014-02-12 2016-11-23 三星电子株式会社 断层扫描设备及由断层扫描设备显示断层扫描图像的方法
CN108663646A (zh) * 2017-03-27 2018-10-16 西门子保健有限责任公司 2d导航技术
WO2019086337A1 (en) * 2017-10-31 2019-05-09 Koninklijke Philips N.V. Motion artifact prediction during data acquisition
CN107945132A (zh) * 2017-11-29 2018-04-20 深圳安科高技术股份有限公司 一种基于神经网络的ct图像的伪影校正方法及装置

Also Published As

Publication number Publication date
US11842465B2 (en) 2023-12-12
US20210158492A1 (en) 2021-05-27
CN110910465A (zh) 2020-03-24
US20240135516A1 (en) 2024-04-25

Similar Documents

Publication Publication Date Title
CN110910465B (zh) 一种运动伪影校正方法和系统
US10088544B2 (en) Tractography framework with magnetic resonance imaging for brain connectivity analysis
CN110391014B (zh) 利用使用深度学习的序列预测的医学图像采集方法和系统
RU2703344C1 (ru) Формирование псевдо-кт по мр-данным с использованием регрессионной модели на основе признаков
CN109567843B (zh) 一种成像扫描自动定位方法、装置、设备及介质
US20200364864A1 (en) Systems and methods for generating normative imaging data for medical image processing using deep learning
CN109872312B (zh) 医学图像分割方法、装置、系统及图像分割方法
US20240032815A1 (en) Target identification method, target identification device, electronic apparatus, storage medium and neuromodulation apparatus
EP3869446A1 (en) Apparatus and method for deep learning-based ct image noise reduction
CN113367679B (zh) 靶点确定方法、装置、设备及存储介质
CN113367680B (zh) 靶点确定方法、装置、设备及存储介质
KR20140088434A (ko) 환자별 특성을 기반으로 한 ｍｒｉ 다변수 영상 획득 지원 장치 및 방법
US11275141B2 (en) Magnetic resonance diffusion tensor imaging method and device, and fiber tracking method and device
CN116071401B (zh) 基于深度学习的虚拟ct图像的生成方法及装置
JP2020039507A (ja) 磁気共鳴撮像装置、画像処理装置、及び、画像処理方法
CN113012246A (zh) 产生合成图像数据和提供经训练的函数的方法及处理系统
KR102067412B1 (ko) 치매 평가 방법 및 이를 이용한 장치
CN114972266A (zh) 基于自注意机制和稳定学习的淋巴瘤超声图像语义分割方法
CN114202516A (zh) 一种异物检测方法、装置、电子设备及存储介质
JP7492769B2 (ja) 認知症診断に必要な情報の提供方法及び装置
KR102317713B1 (ko) 기능적 연결성을 사용한 피험자 내 및 피험자 간 변동성 기반 예측 모델 생성 방법 및 그 장치
KR102027773B1 (ko) 자기공명영상의 왜곡 보정을 위한 방법 및 이를 적용한 자기공명영상 장치
CN113538419B (zh) 一种图像处理方法和系统
CN114596225A (zh) 一种运动伪影模拟方法和系统
KR102319326B1 (ko) 구조적 자기공명영상을 이용한 피험자 내 및 피험자 간 변동성 기반 예측 모델 생성 방법 및 그 장치

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
CB02 Change of applicant information
CB02 Change of applicant information

Address after: 201807 Shanghai City, north of the city of Jiading District Road No. 2258

Applicant after: Shanghai Lianying Medical Technology Co.,Ltd.

Address before: 201807 Shanghai City, north of the city of Jiading District Road No. 2258

Applicant before: SHANGHAI UNITED IMAGING HEALTHCARE Co.,Ltd.

GR01 Patent grant
GR01 Patent grant