CN110914868B - 用于散射校准的系统和方法 - Google Patents
用于散射校准的系统和方法 Download PDFInfo
- Publication number
- CN110914868B CN110914868B CN201880043750.3A CN201880043750A CN110914868B CN 110914868 B CN110914868 B CN 110914868B CN 201880043750 A CN201880043750 A CN 201880043750A CN 110914868 B CN110914868 B CN 110914868B
- Authority
- CN
- China
- Prior art keywords
- projection data
- image
- determining
- region
- scatter
- 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
- 238000000034 method Methods 0.000 title claims abstract description 148
- 238000003384 imaging method Methods 0.000 claims abstract description 135
- 238000012545 processing Methods 0.000 claims abstract description 59
- 230000005855 radiation Effects 0.000 claims abstract description 36
- 238000003860 storage Methods 0.000 claims description 75
- 238000009826 distribution Methods 0.000 claims description 65
- 230000008569 process Effects 0.000 claims description 61
- 239000000463 material Substances 0.000 claims description 55
- 238000001228 spectrum Methods 0.000 claims description 53
- 238000007408 cone-beam computed tomography Methods 0.000 claims description 43
- 238000002591 computed tomography Methods 0.000 claims description 41
- 230000004044 response Effects 0.000 claims description 35
- 239000011159 matrix material Substances 0.000 claims description 30
- 238000004891 communication Methods 0.000 claims description 20
- 239000000470 constituent Substances 0.000 claims description 5
- 238000000638 solvent extraction Methods 0.000 claims 4
- 238000005259 measurement Methods 0.000 claims 2
- 210000003484 anatomy Anatomy 0.000 description 28
- 238000004422 calculation algorithm Methods 0.000 description 22
- 230000004048 modification Effects 0.000 description 17
- 238000012986 modification Methods 0.000 description 17
- 238000005315 distribution function Methods 0.000 description 13
- 230000006870 function Effects 0.000 description 13
- 238000002786 image-guided radiation therapy Methods 0.000 description 13
- 210000001519 tissue Anatomy 0.000 description 12
- 238000001914 filtration Methods 0.000 description 11
- 230000002238 attenuated effect Effects 0.000 description 9
- 238000010586 diagram Methods 0.000 description 9
- 210000000056 organ Anatomy 0.000 description 9
- 238000001959 radiotherapy Methods 0.000 description 9
- 238000009499 grossing Methods 0.000 description 8
- 230000000670 limiting effect Effects 0.000 description 8
- 206010028980 Neoplasm Diseases 0.000 description 7
- 230000003287 optical effect Effects 0.000 description 7
- 230000003190 augmentative effect Effects 0.000 description 6
- 239000000203 mixture Substances 0.000 description 5
- 230000002829 reductive effect Effects 0.000 description 5
- 238000012795 verification Methods 0.000 description 5
- 230000033001 locomotion Effects 0.000 description 4
- 238000002600 positron emission tomography Methods 0.000 description 4
- 230000000241 respiratory effect Effects 0.000 description 4
- 239000007787 solid Substances 0.000 description 4
- 230000001225 therapeutic effect Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 238000004590 computer program Methods 0.000 description 3
- 230000001186 cumulative effect Effects 0.000 description 3
- 239000011521 glass Substances 0.000 description 3
- 238000001727 in vivo Methods 0.000 description 3
- 230000000644 propagated effect Effects 0.000 description 3
- 238000002604 ultrasonography Methods 0.000 description 3
- 238000010521 absorption reaction Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 201000010099 disease Diseases 0.000 description 2
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 2
- 230000009977 dual effect Effects 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 230000014509 gene expression Effects 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 239000007788 liquid Substances 0.000 description 2
- 210000004072 lung Anatomy 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 230000003595 spectral effect Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 239000004575 stone Substances 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 230000005461 Bremsstrahlung Effects 0.000 description 1
- 241000579895 Chlorostilbon Species 0.000 description 1
- 238000000342 Monte Carlo simulation Methods 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000000712 assembly Effects 0.000 description 1
- 238000000429 assembly Methods 0.000 description 1
- 235000013405 beer Nutrition 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 210000000988 bone and bone Anatomy 0.000 description 1
- 210000005013 brain tissue Anatomy 0.000 description 1
- 210000004027 cell Anatomy 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000013170 computed tomography imaging Methods 0.000 description 1
- 230000006837 decompression Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000002059 diagnostic imaging Methods 0.000 description 1
- 239000010976 emerald Substances 0.000 description 1
- 229910052876 emerald Inorganic materials 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000013213 extrapolation Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 239000010977 jade Substances 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000004060 metabolic process Effects 0.000 description 1
- 239000003607 modifier Substances 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 210000003205 muscle Anatomy 0.000 description 1
- 230000036961 partial effect Effects 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- ZLIBICFPKPWGIZ-UHFFFAOYSA-N pyrimethanil Chemical compound CC1=CC(C)=NC(NC=2C=CC=CC=2)=N1 ZLIBICFPKPWGIZ-UHFFFAOYSA-N 0.000 description 1
- 239000010979 ruby Substances 0.000 description 1
- 229910001750 ruby Inorganic materials 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 210000004872 soft tissue Anatomy 0.000 description 1
- 230000001502 supplementing effect Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 239000011800 void material Substances 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
- A61B6/02—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
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/003—Reconstruction from projections, e.g. tomography
- G06T11/005—Specific pre-processing for tomographic reconstruction, e.g. calibration, source positioning, rebinning, scatter correction, retrospective gating
-
- 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
- A61B6/48—Diagnostic techniques
- A61B6/482—Diagnostic techniques involving multiple energy imaging
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/52—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
- A61B6/5282—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
- A61N—ELECTROTHERAPY; MAGNETOTHERAPY; RADIATION THERAPY; ULTRASOUND THERAPY
- A61N5/00—Radiation therapy
- A61N5/10—X-ray therapy; Gamma-ray therapy; Particle-irradiation therapy
- A61N5/103—Treatment planning systems
- A61N5/1039—Treatment planning systems using functional images, e.g. PET or MRI
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61N—ELECTROTHERAPY; MAGNETOTHERAPY; RADIATION THERAPY; ULTRASOUND THERAPY
- A61N5/00—Radiation therapy
- A61N5/10—X-ray therapy; Gamma-ray therapy; Particle-irradiation therapy
- A61N5/1048—Monitoring, verifying, controlling systems and methods
- A61N5/1049—Monitoring, verifying, controlling systems and methods for verifying the position of the patient with respect to the radiation beam
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61N—ELECTROTHERAPY; MAGNETOTHERAPY; RADIATION THERAPY; ULTRASOUND THERAPY
- A61N5/00—Radiation therapy
- A61N5/10—X-ray therapy; Gamma-ray therapy; Particle-irradiation therapy
- A61N5/1048—Monitoring, verifying, controlling systems and methods
- A61N5/1064—Monitoring, verifying, controlling systems and methods for adjusting radiation treatment in response to monitoring
- A61N5/1065—Beam adjustment
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/003—Reconstruction from projections, e.g. tomography
- G06T11/008—Specific post-processing after tomographic reconstruction, e.g. voxelisation, metal artifact correction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61N—ELECTROTHERAPY; MAGNETOTHERAPY; RADIATION THERAPY; ULTRASOUND THERAPY
- A61N5/00—Radiation therapy
- A61N5/10—X-ray therapy; Gamma-ray therapy; Particle-irradiation therapy
- A61N5/1048—Monitoring, verifying, controlling systems and methods
- A61N5/1049—Monitoring, verifying, controlling systems and methods for verifying the position of the patient with respect to the radiation beam
- A61N2005/1061—Monitoring, verifying, controlling systems and methods for verifying the position of the patient with respect to the radiation beam using an x-ray imaging system having a separate imaging source
-
- 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]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2211/00—Image generation
- G06T2211/40—Computed tomography
- G06T2211/424—Iterative
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biomedical Technology (AREA)
- Medical Informatics (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Animal Behavior & Ethology (AREA)
- Pathology (AREA)
- Radiology & Medical Imaging (AREA)
- Theoretical Computer Science (AREA)
- Heart & Thoracic Surgery (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Optics & Photonics (AREA)
- High Energy & Nuclear Physics (AREA)
- Biophysics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Pulmonology (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
本申请提供了一种处理投影数据的方法。所述方法可以包括通过第一成像设备获取通过对对象执行第一扫描生成的第一图像(502);基于第一图像确定第一投影数据,第一投影数据对应于对象的第一区域(504);通过使用第二成像设备执行对象的第二扫描获取第二投影数据,第二投影数据对应于对象的第二区域,第一区域与第二区域在重叠区域中至少部分重叠(506);通过根据重叠区域,将第一投影数据配准到第二投影数据,确定配准的第一投影数据(508);基于配准的第一投影数据和第二投影数据,确定散射分量(510),所述散射分量包括低频散射辐射信号。
Description
技术领域
本申请一般涉及成像处理中的散射校准的系统和方法,更具体地,涉及用于基于先前的无散射图像校准计算机断层扫描(CT)投影数据的散射辐射信号的系统和方法。
背景技术
除了在医学诊断成像中的广泛应用之外,计算机断层扫描(CT)已经越来越多地应用于图像引导放射治疗(IGRT)中的患者定位和验证。由于大的放射视场,CT投影数据可能在很大程度上被散射辐射信号污染。增强的散射辐射信号可能会降低影像反差、CT值精度,并且可能导致在重建图像中严重的杯状伪影,这限制了用于自适应放射治疗中剂量计算和肿瘤描绘的潜在用途。
发明内容
根据本申请的一个方面,提供了一种系统被配置为处理投影数据。所述系统可以包括至少一个非暂时性存储介质,其包括一组指令;以及至少一个处理器与至少一个非暂时性存储介质通信。当执行所述指令时,所述至少一个处理器可以被配置为用于系统通过第一成像设备获取通过对对象执行第一扫描生成的第一图像;基于所述第一图像确定第一投影数据,所述第一投影数据对应于所述对象的第一区域;通过使用第二成像设备执行所述对象的第二扫描获取第二投影数据,所述第二投影数据对应于所述对象的第二区域,所述第一区域与所述第二区域在重叠区域中至少部分重叠;通过根据所述重叠区域,将第一投影数据配准到第二投影数据,确定配准的第一投影数据;基于配准的第一投影数据和第二投影数据,确定散射分量,所述散射分量包括低频散射辐射信号;并且基于散射分量和第二投影数据,确定校准的第二投影数据。
在一些实施例中,为了基于第一图像确定第一投影数据,可以进一步将所述至少一个处理器配置为用于系统:基于与第一图像相关的物理密度分布和与第一图像相关的材料分布,确定第一投影数据。
在一些实施例中,基于第一图像的CT值,可以确定与第一图像相关的物理密度分布。
在一些实施例中,为了确定与第一图像相关的材料分布,可以进一步将所述至少一个处理器配置为用于系统:基于与第一图像相关的物理密度分布或第一图像的CT值,将第一图像分割成一个或以上区域,所述一个或以上区域的每一个区域对应于对象的成分类别;并且基于与对象的成分类别对应的一个或以上区域,确定与第一图像相关的材料分布。
在一些实施例中,使用第二设备生成的一个或以上能谱的能量射束可以执行第二扫描,基于第二设备的能谱和探测器能量响应可以进一步确定第一投影数据,并且基于第一图像和第二设备的能谱和探测器能量响应可以确定第一投影数据,所述至少一个处理器可以进一步用于:基于能量范围度量标准,划分与第二扫描相关的能量射束的能谱到一个或以上的区间中,每个区间对应一个能量范围;对于一个或以上的区间中的每个区间,基于第一图像和与区间对应的能量范围,确定模拟投影数据;并且合并一个或以上区间的模拟投影数据生成第一投影数据。
在一些实施例中,一个或以上的区间中的每个区间的模拟投影数据可以对应于至少两个体素,并且确定对应于区间的模拟投影数据,所述至少一个处理器可以进一步被配置为用于所述系统:将第一图像转换为物理密度分布;基于物理密度分布或第一图像的CT值,将第一图像分割成一个或以上类别;并且对于一个或以上区间中的每个区间,基于一个或以上类别和对应于区间的能量范围,确定对应于区间的至少两个体素的质量衰减系数矩阵;基于质量衰减系数矩阵和物理密度分布,确定对应于区间的线性衰减系数矩阵;并且基于线性衰减系数矩阵,确定区间的模拟投影数据。
在一些实施例中,对于一个或以上区间中的每个区间,至少一个处理器进一步用于:基于对应于能量范围的探测器能量响应,确定模拟投影数据。
在某些实施例中,第一投影数据到第二投影数据的配准可以是二维配准。
在一些实施例中,第一图像可以包括第一等中心信息,并且基于第一等中心信息执行第二扫描。
在某些实施例中,基于第一等中心信息,可以确定第一投影数据。
在一些实施例中,基于散射分量和第二投影数据,确定校准的第二投影数据,至少一个处理器可以进一步被配置为用于系统:划分散射分量成一个或以上组;对于一个或以上组中的每一个组,确定组是否满足第一条件;基于组的散射分量和确定的结果,生成可信散射分量;并且基于可信散射分量,确定校准的第二投影数据。
在一些实施例中,第一条件可以是每个组的散射分量是正的且低于阈值。
在某些实施例中,第一条件可以是每个组的散射分量的梯度低于阈值。
在一些实施例中,第一条件可以是组中配准的第一投影数据与组中散射分量之和与组中第二投影数据的比率在一定范围内。
在一些实施例中,第一成像设备可以是一种多探测器计算机断层扫描设备,并且第二成像设备可以是一种锥形束计算机断层扫描设备。
根据本申请的一个方面,提供了一种系统被配置为处理投影数据。所述系统可以包括至少一个非暂时性存储介质,包括一组指令;至少一个处理器与至少一个非暂时性存储介质通信。当执行所述指令时,所述至少一个处理器可以被配置为用于系统获取对应于对象的第一区域的第一图像;获取与锥形束计算机断层扫描的能谱和探测器能量响应相关的第二投影数据,第二投影数据对应于对象的第二区域,第一区域与第二区域在重叠区域中至少部分重叠;基于第一图像、锥形束计算机断层扫描的能谱和探测器能量响应,确定第一投影数据;基于第一投影数据和第二投影数据,确定散射分量。
根据本申请的一个方面,提供了一种系统被配置为处理投影数据。所述系统可以包括至少一个非暂时性存储介质,包括一组指令;至少一个处理器与至少一个非暂时性存储介质通信。当执行所述指令时,至少一个处理器可以被配置为用于系统通过锥形束计算机断层扫描获取初始投影数据;基于初始投影数据,重建一个或以上未校准的图像;基于一个或以上未校准的图像,确定模拟投影数据;基于模拟投影数据和初始投影数据,通过从初始投影数据中减去模拟投影数据,确定散射分数;通过从初始投影数据中减去散射分量,校准初始投影数据,以生成校准的初始投影数据;执行一个或以上迭代,一个或以上迭代中的每个当前迭代包括:将最后一次迭代更正的初始投影数据指定为当前迭代的初始投影数据;根据用于校准初始投影数据的过程,在每个当前迭代中校准初始投影数据,以生成校准的初始投影数据。
根据本申请的一个方面,提供了一种用于处理投影数据的方法。所述方法可以在至少一台机器上实现,每台机器具有至少一个处理器和存储器。所述方法可以包括通过第一成像设备获取通过对对象执行第一扫描生成的第一图像;基于第一图像确定第一投影数据,第一投影数据对应于对象的第一区域;通过使用第二成像设备执行对象的第二扫描获取第二投影数据,第二投影数据对应于对象的第二区域,第一区域与第二区域在重叠区域中至少部分重叠;通过根据重叠区域,将第一投影数据配准到第二投影数据,确定配准的第一投影数据;基于配准的第一投影数据和第二投影数据,确定散射分量,所述散射分量包括低频散射辐射信号;并且,基于散射分量和第二投影数据,确定校准的第二投影数据。
根据本申请的一个方面,提供了一种用于处理图像数据的方法。所述方法可以在至少一台机器上实现,每台机器具有至少一个处理器和存储器。所述方法可以包括获取对应于对象的第一区域的第一图像;获取与锥形束计算机断层扫描的能谱和探测器能量响应相关的第二投影数据,第二投影数据对应于对象的第二区域,第一区域与第二区域在重叠区域中至少部分重叠;基于第一图像、锥形束计算机断层扫描的能谱和探测器能量响应,确定第一投影数据;基于第一投影数据和第二投影数据,确定散射分量。
根据本申请的一个方面,提供了一种用于处理图像数据的方法。所述方法可以在至少一台机器上实现,每台机器具有至少一个处理器和存储器。所述方法可以包括通过锥形束计算机断层扫描获取初始投影数据;基于初始投影数据,重建一个或以上未校准的图像;基于一个或以上未校准的图像,确定模拟投影数据;基于模拟投影数据和初始投影数据,通过从初始投影数据中减去模拟投影数据,确定散射分数;通过从初始投影数据中减去散射分量,校准初始投影数据,以生成校准的初始投影数据;执行一个或以上迭代,一个或以上迭代中的每个当前迭代包括:将最后一次迭代更正的初始投影数据指定为当前迭代的初始投影数据;根据用于校准初始投影数据的过程,在每个当前迭代中校准初始投影数据,以生成校准的初始投影数据。
本申请的一部分附加特性可以在下面的描述中进行说明。通过对以下描述和相应附图的研究或者对实施例的生产或操作的了解,本申请的一部分附加特性对于本领域技术人员是明显的。本申请的特征可以通过对以下描述的具体实施例的各种方面的方法、手段和组合的实践或使用得以实现和达到。
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是根据本申请的一些实施例所示的示例性成像系统的示意图;
图2是根据本申请的一些实施例所示的可在其上实施的示例性计算设备的示意图;
图3是根据本申请的一些实施例所示的示例性移动设备的硬件和/或软件组件的示意图;
图4是根据本申请的一些实施例所示的示例性处理设备的框图;
图5是根据本申请的一些实施例所示的用于基于校准的投影数据重建图像的示例性过程的流程图。
图6根据本申请的一些实施例所示的用于基于图像确定投影数据的示例性过程的流程图;
图7根据本申请的一些实施例所示的用于基于图像确定投影数据的示例性过程的流程图;
图8根据本申请的一些实施例所示的用于基于散射分量确定校准的投影数据的示例性过程的流程图;
图9是说明X射线通过对象的一部分的示意图;以及
图10是根据本申请的一些实施例所示的用于基于原始投影数据重建图像的示例性过程的流程图。
具体实施方式
为了更清楚地说明本申请的实施例的技术方案,下面将对实施例描述中所需要使用的附图作简单的介绍。然而,本领域技术人员应该明白,可以在没有这些细节的情况下实施本申请。在其他情况下,为了避免不必要地模糊本申请的一些方面,本申请已经以相对高级别概略地描述了公知的方法、程序、系统、组件和/或电路。对于本领域的普通技术人员来讲,显然可以对所披露的实施例作出各种改变,并且在不偏离本申请的原则和范围的情况下,本申请中所定义的普遍原则可以适用于其他实施例和应用场景。因此,本申请不限于所示的实施例,而是符合与申请专利范围一致的最广泛范围。
应该理解,这里使用的术语“系统”、“引擎”、“单元”、“模块”和/或“块”是区间分升级中不同级别的不同组件、元件、部件、部分或组件的一种方法。然而,如果其他词语可以实现相同的目的,则可通过其他表达来替换所述词语。
通常,这里使用的词语“模块”、“单元”或“块”是指体现在硬件或固件中的逻辑,或者是软件指令的集合。这里描述的模块,单元或块可以实现为软件和/或硬件,并且可以存储在任何类型的非暂时性计算机可读介质或另一个存储设备中。在一些实施例中,可以编译软件模块/单元/块并将其链接到可执行程序中。应该理解,软件模块可以从其他模块/单元/块或从它们自身调用,和/或可以在检测到的事件或中断时调用。配置用于在计算设备上执行的软件模块/单元/块(例如,如图2所示的处理器210)可以在计算机可读介质上提供,例如光盘、数字视频盘、闪存驱动器、磁盘,或任何其他有形介质,或作为数字下载(并且最初可以以压缩或可安装的格式存储,在执行之前需要安装,解压缩或解密)。这里的软件代码可以被部分的或全部的储存在执行操作的计算设备的存储设备中,并应用在计算设备的操作之中。软件指令可以嵌入在固件中,例如可擦除可编程只读内存(EPROM)。将进一步理解,硬件模块/单元/块可以包括连接的逻辑组件,例如门和触发器,和/或可以包括可编程单元,例如可编程门阵列或处理器。本文描述的模块/单元/块或计算设备功能可以实现为软件模块/单元/块,但是可以用硬件或固件表示。通常,这里描述的模块/单元/块指的是逻辑模块/单元/块,其可以与其他模块/单元/块组合或者分成子模块/子单元/子块,尽管它们的物理组织或存储。
应该理解,当单元、发动机、模块,或块被称为“接通”、“连接到”,或“耦合到”另一个单元、发动机、模块,或块时,除非上下文另有明确说明,否则它可以直接在其他单元、发动机、模块,或块上,连接或耦合到或与其通信,或者可以存在中间单元、引擎、模块,或块。在本申请中,术语“和/或”可包括任何一个或以上相关所列条目或其组合。
本文使用的术语仅用于描述特定实施例和实施例的目的,而不是限制性的。如本申请使用的单数形式“一”、“一个”及“该”可以同样包括复数形式,除非上下文明确提示例外情形。将进一步理解,术语“包括”和/或“包括”,当在此使用时,指定整数、设备、行为、陈述的特征、步骤、元素、操作,和/或组件的存在,但不排除一个或以上其他整数、设备、行为、特征、步骤、元素、操作、组件,和/或组的存在或添加。
本文提供用于成像的系统和方法,诸如用于疾病诊断、身体检查、或疾病治疗。例如,本申请中提供的成像系统和方法可以用于内部检查(例如,非侵入性内部检查),包括对于一个或以上组织或一个或以上器官的解剖结构、一个或以上组织或一个或以上器官的新陈代谢、一个或以上组织或一个或以上器官的功能。成像系统可以在除医疗领域之外的不同领域中找到其应用。例如,成像系统可以用于一个或以上组件的内部检查(例如,非侵入性内部检查)。例如,本申请中提供的成像系统和方法可以用于机器组件的缺陷检测、包或行李区间安全扫描、故障分析、计量、装配分析、空洞检测、壁厚评估等,或其任意组合。
本申请的一些实施例提供了用于校准CT投影数据的系统和方法。在一些实施例中,可以优先获取对象先前的无散射图像。先前的无散射图像可以用于生成仅包含主放射信号的投影数据,其可以与CT投影数据一起配准。为了基于先前的无散射图像生成仅包含主放射信号的投影数据,可以考虑对象的材料类别、探测器能量响应和/或用于产生主放射信号的X射线束的能谱,这可以提高前向投影的准确度。所述探测器能量响应和能谱的信息来自锥形束计算机断层扫描系统。基于配准之后仅包含主放射信号的投影数据和CT投影数据,可以确定校准的CT投影数据。配准可以是二维的,与三维图像配准相比,这可以减少配准时间。在一些实施例中,基于校准的投影数据,可以随后重建校准的图像。然后,校准的图像或校准的投影数据可以用于基于电子射野影像设备(EPID)的体内剂量验证。
提供以下描述以便于更好地理解CT投影数据校准方法和/或系统。本申请中使用的术语“图像”可以指2D图像、3D图像、4D图像,和/或任何相关图像数据(例如,投影数据和/或相应图像数据)。图像数据可以对应于对象(例如,患者)的不同解剖结构对X射线射束的吸收程度的分布。对应于图像数据的投影数据可以指沿着至少两个X射线射束方向的线性衰减系数的和/或积分。
结合CBCT成像系统的以下描述是出于说明目的而提供的。应理解,这并非旨在限制本申请的范围。对于具有普通技能的本领域的人,可以在本申请的指导下扣除一定量的变化、变化和/或修改。这些变化,改变和/或修改不脱离本申请的范围。
图1是根据本申请的一些实施例所示的示例性成像系统100的示意图。成像系统100可以包括一个或以上成像设备110、网络120、一个或以上终端130、处理设备140和存储设备150。
一个或以上成像设备110可以包括第一图像设备和/或第二成像设备。成像设备110可以是计算机断层扫描(CT)成像设备、磁共振图像(MRI)设备或正电子发射断层扫描(PET)成像设备等。第一成像设备的散射辐射可以小于第二成像设备,因此第一成像设备可以获取更好质量的图像。仅作为示例,第一成像设备可以是多探测器计算机断层扫描(MDCT)成像设备,第二成像设备可以是锥形束计算机断层扫描(CBCT)成像设备。例如,一个或以上成像设备是CT成像设备(例如,MDCT成像设备或CBCT成像设备),成像设备110可以包括台架113、探测器112、桌子114和扫描源115。台架113可以支撑探测器112和扫描源115。可以将对象放置在桌子114上以进行扫描。扫描源115可以向对象发射X射线。探测器112可以检测衰减的X射线。可以进一步处理衰减的X射线并将其转换为用于图像重建的图像数据。仅作为示例,参考成像系统100,X射线可以由扫描源115根据轫致辐射原理产生,并且通常X射线的能谱可以是连续的。探测器112可以包括半导体探测器、气体探测器或闪烁探测器等。在一些实施例中,探测器112可以包括至少两个探测器单元,并且至少两个探测器单元可以以任何合适的方式布置。例如,至少两个探测器单元可以布置在平面上,并且探测器112可以是平板探测器。又例如,至少两个探测器单元可以布置在弧形表面上,并且探测器112可以是弧形探测器。
在某些实施例中,一些X射线可能被对象本身或成像设备110的一个或以上组件散射,因此,探测器112可以接收散射的辐射,这可能导致由来自成像设备110的信号转换的图像中的成像质量下降。例如,散射辐射可能导致散射伪像(例如,阴影/杯状伪影)。
在一些实施例中,可以将处理设备(图中未示出)添加到成像系统100中。治疗设备可以包括治疗辐射源、台架、准直器等,或其任意组合。治疗辐射源可以是线性加速器(LINAC)。准直器可以控制由治疗放射源产生的放射线的形状。在一些实施例中,成像设备110和治疗设备可以共用相同的台架。例如,治疗辐射源可以安装在台架113上。可以将对象放在桌子114上进行治疗和/或扫描。仅参考放射治疗设备作为示例,成像系统100可以是RT-CT系统。这里描述的成像设备110可以应用于图像引导放射治疗(IGRT)中的对象定位和/或验证。基于由成像设备110的探测器112检测到的衰减的X射线处理/转换的图像数据,可以生成用于引导放射疗法的图像。
网络120可以包括可以促进成像系统100的信息和/或数据交换的任何合适的网络。在一些实施例中,成像系统100的一个或以上组件(例如,成像设备110、终端130、处理设备140、存储设备150等)可以通过网络120与成像系统100的一个或以上其他组件或外部设备(例如,外部存储设备)交换信息和/或数据。例如,处理设备140可以通过网络120从成像设备110获取投影数据。又例如,处理设备140可以通过网络120从终端130获取用户指令。网络120可以是和/或包括公共网络(例如,因特网)、专用网络(例如,局部区域网络(LAN)、广域网(WAN))、有线网络(例如,以太网网络),无线网络(例如,702.11网络、Wi-Fi网络)、蜂窝网络(例如,长期演进(LTE)网络)、帧中继网络、虚拟专用网络(“VPN”)、卫星网络、电话网络、路由器、集线器、交换机、服务器计算机和/或其任意组合。仅作为示例,网络120可以包括电缆网络、有线网络、光纤网络、电信网络、内联网、无线局部区域网络(WLAN)、城域网(MAN)、公共电话交换网络(PSTN)、蓝牙TM网络、ZigBeeTM网络、近场通信(NFC)网络等,或其任意组合。在一些实施例中,网络120可以包括一个或以上网络接入点。例如,网络120可以包括有线和/或无线网络接入点,诸如基站和/或互联网交换点,成像系统100的一个或以上组件可以通过它们连接到网络120以交换数据和/或信息。
终端130可以包括移动设备131、平板计算机132、膝上型计算机133等,或其任意组合。在一些实施例中,移动设备131可以包括智能家居设备、可穿戴设备、智能移动设备、虚拟现实设备、增强现实设备等,或其任意组合。仅作为示例,终端130可以包括如图3所示的移动设备。在一些实施例中,智能家居设备可以包括智能照明设备、智能电器控制设备、智能监控设备、智能电视、智能摄像机、对讲机等,或其任意组合。在一些实施例中,可穿戴设备可以包括手环、鞋袜、眼镜、头盔、手表、衣物、背包、智慧配饰等,或其任意组合。在一些实施例中,移动设备可以包括移动电话、个人数字助理(PDA)、游戏设备、导航设备、销售点(POS)设备、膝上型电脑、平板电脑、桌面等,或其任意组合。在一些实施例中,虚拟现实设备和/或增强现实设备包括虚拟现实头盔、虚拟现实眼镜、虚拟现实眼罩、增强现实头盔、增强现实眼镜、增强现实眼罩等,或其任意组合。例如,虚拟现实设备和/或增强现实设备可以包括Google GlassTM、Oculus RiftTM、HololensTM、Gear VRTM等。在一些实施例中,终端130可以是处理设备140的一部分。
处理设备140可以处理从成像设备110、终端130、存储设备150、外部设备等获取的数据、图像和/或信息。在一些实施例中,处理设备140可以是单个服务器或服务器组。服务器组可以是集中式的或分布式的。在一些实施例中,处理设备140可以是本地的或远程的。例如,处理设备140可以经由网络120访问存储在成像设备110、终端130、存储设备150、外部设备等中的数据、图像和/或信息。又例如,处理设备140可以直接连接到成像设备110、终端130和/或存储设备150,以访问存储的数据、图像和/或信息。在一些实施例中,处理设备140可以在云平台上实现。仅作为示例,该云平台可以包括私有云、公共云、混合云、社区间云、分布云、内部云、多层云等,或其任意组合。在一些实施例中,处理设备140可以如图2所示由具有一个或以上组件的计算设备200实现。
存储设备150可以存储数据、指令和/或任何其他信息。在一些实施例中,存储设备150可以存储从终端130和/或处理设备140获取的数据。在一些实施例中,存储设备150可以存储处理设备140可以执行或用于执行本申请中描述的示例性方法的数据和/或指令。在一些实施例中,存储设备150可以包括大容量存储器、可移动存储器、易失性读写内存、只读内存(ROM)等,或其任意组合。示例性的大容量存储器可以包括磁盘、光盘、固态磁盘等。示例性可移动存储器可以包括闪存驱动器、软盘、光盘、内存卡、压缩盘、磁带等。示例性易失性读写存储器可以包括随机存取内存(RAM)。示例性RAM可包括动态随机存取内存(DRAM)、双倍数据速率同步动态随机存取内存(DDR SDRAM)、静态随机存取内存(SRAM)、晶闸管随机存取内存(T-RAM)和零电容随机存取内存(Z-RAM)等。示例性只读存储器可以包括掩模型只读内存(MROM)、可编程只读内存(PROM)、可擦除可编程只读内存(EPROM)、电可擦除可编程只读内存(EEPROM)、光盘只读内存(CD-ROM)和数字多功能磁盘只读内存等。在一些实施例中,所述存储设备150可以在云平台上实现。仅作为示例,该云平台可以包括私有云、公共云、混合云、社区间云、分布云、内部云、多层云等,或其任意组合。
在一些实施例中,存储设备150可以连接到网络120以与成像系统100的一个或以上其他组件(例如,处理设备140、终端130)通信。成像系统100的一个或以上组件可以经由网络120访问存储设备150中存储的数据或指令。在一些实施例中,存储设备150可以直接连接到成像系统100的一个或以上其他组件(例如,处理设备140、终端130),或与之通信。在一些实施例中,存储设备150可以是处理设备140的一部分。
图2是根据本申请的一些实施例所示的示例性计算设备200的示意图,在所述计算设备200上可以实现成像系统100的至少一部分。如图2所示,计算设备200可以包括处理器210、存储器220、输入/输出(I/O)230和通信端口240。
处理器210可以执行计算机指令(例如,程序代码)并根据本文描述的技术执行处理设备140的功能。所述计算机指令可以包括例如执行在此描述的特定功能的常规、程序、对象、组件、数据结构、过程、模块和功能。例如,处理器210可以处理从成像设备110、终端130、存储设备150和/或成像系统100的任何其他组件获取的投影数据。又例如,处理器210可以处理从一个或以上终端130、存储设备150和/或成像系统100的任何其他组件获取的图像。在一些实施例中,处理器210可以包括一个或以上硬件处理器,诸如微控制器、微处理器、精简指令集计算机(RISC)、特定应用集成电路(ASIC)、特定应用指令集处理器(ASIP)、中央处理单元(CPU)、图形处理单元(GPU)、物理处理单元(PPU)、微控制器单元、数字信号处理器(DSP)、现场可编程门阵列(FPGA)、高阶RISC机器(ARM)、可编程逻辑设备(PLD)、能够执行一个或以上功能的任何电路或处理器等,或其任意组合。
仅仅为了说明,在计算设备200中仅描述了一个处理器。然而,应该注意,本申请中的计算设备200还可以包括多个处理器。因此,由本申请中描述的一个处理器执行的操作和/或方法步骤也可以由多个处理器联合或单独执行。例如,如果在本申请中计算设备200的处理器执行操作A和操作B两者,则应该理解,操作A和操作B也可以由计算设备中的两个或以上不同的处理器共同地或单独地执行(例如,第一处理器执行操作A且第二处理器执行操作B,或者第一处理器和第二处理器共同执行操作A和B)。
存储器220可以存储从成像设备110、终端130、存储设备150和/或成像系统100的任何其他组件、外部设备等获取的数据/信息。在一些实施例中,存储器220可包括大容量存储器、可移动存储器、易失性读写内存、只读内存(ROM)等,或其任意组合。例如,大容量存储器可以包括磁盘、光盘、固态驱动器等。可移动存储器可以包括闪存驱动器、软盘、光盘、内存卡、压缩盘和磁带等。易失性读取和写入内存可以包括随机存取内存(RAM)。RAM可以包括动态RAM(DRAM)、双倍速率同步动态RAM(DDR SDRAM)、静态RAM(SRAM)、晶闸管RAM(T-RAM)和零电容(Z-RAM)等。只读存储器可以包括掩模型只读内存(MROM)、可编程只读内存(PROM)、可擦除可编程只读内存(EPROM)、电可擦除可编程只读内存(EEPROM)、光盘只读内存(CD-ROM)和数字多功能磁盘只读内存等。在一些实施例中,存储器220可以存储一个或以上程序和/或指令以执行在本申请中描述的示例性方法。例如,存储器220可以存储用于处理设备140的程序以用于散射校准。
I/O 230可以输入和/或输出信号、数据、信息等。在一些实施例中,I/O 230可以使用户能够与处理设备140进行交互。在一些实施例中,I/O230可以包括输入设备和输出设备。示例性的输入设备可以包括键盘、鼠标、触控屏幕、麦克风等,或其任意组合。示例性的输出设备可以包括显示设备、扬声器、打印机、投影机等,或其任意组合。显示设备的示例可以包括液晶显示器(LCD)、基于发光二极管(LED)的显示器、平板显示器、弯曲屏幕、电视设备、阴极射线管(CRT)、触控屏幕等,或其任意组合。
通信端口240可以连接到网络(例如,网络120)以促进数据通信。通信端口240可以在处理设备140和成像设备110、终端130和/或存储设备150之间建立连接。连接可以是有线连接、无线连接、可以启用数据传输和/或接收的任何其他通信连接和/或这些连接的任何组合。有线连接可以包括例如电缆、光缆、电话线等或其任意组合。无线连接可以包括例如蓝牙TM链路、Wi-FiTM链路、WiMaxTM链路、WLAN链路、ZigBee链路、移动网络链路(例如3G、4G、5G等)等,或其组合。在一些实施例中,通信端口240可以是和/或包括标准化通信端口,诸如RS232、RS485等。在一些实施例中,通信端口240可以是专门设计的通信端口。例如,通信端口240可以根据数字成像和医学通信(DICOM)协议来设计。
图3是根据本申请的一些实施例所示的示例性移动设备300的示例性硬件和/或软件组件的示意图,在所述示例性移动设备300上可以实现终端130。如图3所示,移动设备300可以包括通信平台310、显示器320、图形处理单元(GPU)330、中央处理单元(CPU)340、I/O350、内存360和存储器390。在一些实施例中,任何其他合适的组件,包括但不限于系统总线或控制器(未示出),也可以包括在移动设备300内。在一些实施例中,操作系统370(例如,iOSTM、AndroidTM、Windows PhoneTM等)和一个或以上应用程序380可从存储器390下载至内存360以及由CPU 340执行。应用程序380可以包括浏览器或任何其他合适的移动应用程序,用于从处理设备140接收和呈现与成像处理或其他信息有关的信息。用户与信息流的交互可以经由I/O 350实现,并且经由网络120提供给处理设备140和/或成像系统100的其他组件。
为了实施本申请描述的各种模块、单元及其功能,计算机硬件平台可以用作本文中描述的一个或以上组件的硬件平台。具有用户接口组件的计算机可用于实施个人计算机(PC)或任何其他类型的工作站或终端设备。若程控得当,计算机亦可用作服务器。
图4是根据本申请的一些实施例所示的示例性处理设备140的框图。处理设备140可以包括获取模块410、投影数据确定模块420、投影数据配准模块430、保护组件确定模块440和校准投影数据确定模块450。处理设备140可以在各种组件上实现(例如,如图2所示的计算设备200、如图3所示的移动设备300)。
获取模块410可以被配置为通过使用由第一成像设备生成的能量射束执行对象的第一扫描来获取至少两个第一图像。本申请中的第一图像可以指具有比待校准图像相对更少的散射伪像的参考图像,并且可以基于第一图像作为先验信息校准待校准图像的散射伪像。第一图像可以包括CT图像、荧光透视图像、超声图像、PET图像、或MRI图像等。仅作为关于放射治疗的示例,第一图像可以是根据其制定治疗计划的计划图像。治疗计划可以描述如何对对象(例如,患者)进行放射治疗。在一些实施例中,第一成像设备可以是多探测器计算机断层扫描(MDCT)设备,并且第一扫描是MDCT扫描。由于具有比CBCT设备更少的散射辐射信号,MDCT扫描可以用于放射治疗计划。例如,在图像引导的放射疗法(IGRT)中,MDCT由于其提供的高图像质量,可以用于生成治疗计划确定的计划图像,并且CBCT由于其提供的相对忠实的准确性和较短的成像时间,可以用于在IGRT的执行期间提供位置信息。根据本申请的一些实施例,MDCT图像(例如,第一图像)可以用作校准CBCT图像的先验信息。
在一些实施例中,第一图像可以涉及由医生或物理学家指定的治疗等中心。在粗略初始患者定位之后,第一图像的治疗等中心可以靠近第二成像设备的机器等中心,在所述机器等中心处从不同台架角度发射的能量射束相交。
在一些实施例中,第一图像可以由MDCT成像设备预先生成,并且可以存储在存储设备150中。在一些实施例中,获取模块410可以经由网络120从存储设备150获取第一图像。在一些实施例中,第一图像通常可以指没有或具有较少散射辐射信号的对象的任何重建图像。
在一些实施例中,获取模块410可以被配置为通过使用第二成像设备执行对象的第二扫描获取第二投影数据。可以基于第二投影数据重建至少两个第二图像。本申请中的第二图像可以指具有比第一图像相对更多的散射分量的待校准图像,因为待校准图像的投影数据可以包括如上所述的散射分量,并且可以基于第一图像作为先验信息来校准第二图像的散射分量。在某些实施例中,第二成像设备可以是锥形束计算机断层扫描(CBCT)设备。可以基于由CBCT设备的探测器(例如,如图1所示的成像设备110的探测器112)采样的信号生成第二投影数据。CBCT图像可以用于在IGRT期间提供位置信息。CBCT投影数据或CBCT图像可以用于基于电子射野影像设备(EPID)的体内剂量验证。
在一些实施例中,第一图像(例如,MDCT图像)的治疗等中心可以与第二成像设备(例如,CBCT设备)的机器等中心很好地对准,并且第二成像设备的第一图像和等中心的处理中心可以基本相同。在生成第一投影数据期间,第一图像的治疗等中心可以被设置为与第一投影数据相关的体积原点,使得与第一投影数据相关的体积原点与第二投影数据相关联的体积原点一致。因此,包括图像重建(例如,第一遍重建)、三维图像配准时间和在线前向投影时间的耗时计算过程被消除,而仅需要二维配准,这可能会显著减少配准时间和配准的计算成本。
在一些实施例中,第一投影数据或至少两个第一图像可以对应于对象的第一区域。第一区域可以包括对象的解剖结构。第二投影数据可以对应于对象的第二区域,并且第一区域可以在重叠区域中与第二区域至少部分地重叠。在某些实施例中,第一区域可以与第二区域基本相同。第一区域和第二区域可以包括相同的解剖结构。本申请中的术语“解剖结构”可以指患者体内的气体(例如空气)、患者体内的液体(例如水)、患者体内的固体(例如石头)、对象的一个或以上细胞、对象的一个或以上组织、对象的一个或以上器官,或其任意组合,其显示在至少两个图像中(例如,至少两个第一图像,或将在本申请的其他地方描述的至少两个第二图像等。)。在一些实施例中,解剖结构可以是对象感兴趣的解剖结构(ASI)。本申请中的术语“感兴趣的解剖结构”(ASI)可以指在放射治疗期间(例如,IGRT)需要跟踪的某种解剖结构。在某些实施例中,ASI可能需要通过放射疗法进行治疗。在一些实施例中,ASI可以是细胞、组织、器官,或其任意组合。在一些实施例中,ASI可以是肿瘤,或具有肿瘤的器官,或具有肿瘤的组织。在一些实施例中,第一投影数据可以存储在存储设备150中。在一些实施例中,获取模块410可以经由网络120从成像设备110(例如,CBCT设备)获取第二投影数据。在一些实施例中,由成像设备110获取的第二投影数据可以存储在存储设备150中。
投影数据确定模块420可以被配置为基于至少两个第一图像确定第一投影数据。至少两个第一图像或第一投影数据可以涉及至少两个第一图像中包括的解剖结构。
通过前向投影,基于至少两个第一图像,可以确定第一投影数据。在一些实施例中,散射分量的校准可以在投影域或图像域中进行。仅作为说明,本申请提供了一种用于校准投影域中的散射分量的方法。投影数据的待校准图像可以包括主要分量和散射分量。主要分量可以表示通过对象的能量射束(例如,x射线射束)的衰减。散射分量可能导致散射伪影,并且主要分量可以没有散射分量。由于第一成像设备(例如,MDCT设备)的优点(例如,更少的散射辐射信号),至少两个第一图像(例如,MDCT图像)的第一投影数据可以包括没有散射分量的主要投影数据。
如上所述,可以基于线性衰减系数μ(x,y)的分布函数来确定图像(例如,第一图像)的投影数据(例如,第一投影数据,也称为模拟投影数据)。线性衰减系数μ(x,y)的分布函数可以基于图像的至少两个像素点的像素点值(例如,第一图像)来确定。线性衰减系数μ(x,y)的分布函数可以与由图像表示的解剖结构的一个或以上材料相关,因为不同材料或成分的线性衰减系数是不同的。在一些实施例中,线性衰减系数μ(x,y)可以基于对应于图像中显示的解剖结构的一个或以上材料或成分的一个或以上材料类别(例如,肺组织、脑组织、肌肉组织、骨骼、脂肪等)。
图像(例如,第一图像)的投影数据(例如,第一投影数据)也可以涉及第二成像设备的能量射束(例如,x射线束)的能谱。对象的线性衰减系数μ(x,y)可以涉及质量衰减系数和材料的密度。材料的质量衰减系数可以是能量射束的能级的函数。例如,如果能量射束是多色光束(例如,具有能谱范围的x射线束),则能谱的不同组份在穿过对象时可以不均匀地衰减。当穿过对象的密集部分时,多色光束的较低能量组份可以更容易衰减。
图像(例如,第一图像)的投影数据(例如,第一投影数据)还可以涉及第二成像设备的图像接收器能量响应。投影数据的像素点值可以是图像受体能量响应的函数。例如,当穿过对象的不同能量的光子到达图像接收器的表面时,不同能量光子对投影图像的贡献是不同的,因为从光子到最终电子的转换系数在不同的能量范围内变化。例如,图像接收器能量响应可以通过蒙特卡罗模拟获取或通过实验计算。作为示例性实施例,图像接收器能量响应在中国专利申请No.201811087948.X中有所描述。这些申请的内容在此引用并并入本申请中。
投影数据配准模块430可以被配置为通过根据重叠区域配准第一投影数据和第二投影数据确定配准的第一投影数据。在一些实施例中,投影数据配准模块430可以经由网络120从存储设备150获取第一投影数据和第二投影数据。投影数据配准模块430可以采用不同的配准方法来根据重叠区域向第二投影数据配准第一投影数据。示例性配准方法可以包括基于交互信息的配准、基于表面的配准、基于几何矩的配准等的最大化。当第一投影数据与第二投影数据一起配准时,第二投影数据可以被固定为目标并第一投影数据可以被配准到第二投影数据,或者第一投影数据可以被固定为目标并第二投影数据可以被配准到第一投影数据,或者可以执行两者的组合。优选地,第二投影数据是固定的,并且第一投影数据被配准到第二投影数据。所述配准可以最小化由解剖结构引起的第一投影数据和第二投影数据之间的模拟误差。在一些实施例中,投影数据配准模块430是可选的。
散射分量确定模块440可以基于所配准的第一投影数据和第二投影数据被配置用于确定散射分量。作为配准的结果,散射分量可能主要是由于第二投影数据中包含的散射辐射数据。散射分量可以表示与第二投影数据相关的散射分布。大多数散射伪像是由投影数据中的低频散射分量产生的。在一些实施例中,散射分量可以通过从配准的第一投影数据中减去第二投影数据来确定,然后低频滤波(也称为低通滤波)或平滑可以应用于减法结果以确定散射分量。在一些实施例中,可以通过从第二投影数据中减去所配准的第一投影数据来确定散射分量,然后可以对减法结果应用低频滤波或平滑以确定散射分量。例如,低通高斯滤波器可以应用于散射分量而不影响投影数据中的低频主要分量。在一些实施例中,由于第一成像设备和/或第二成像设备的非完美几何对准和对象的呼吸运动,可能需要校准散射分量。
校准投影数据确定模块450可以被配置用于基于散射分量和第二投影数据确定校准的第二投影数据。在一些实施例中,校准投影数据确定模块450可以经由网络120从存储设备150获取散射分量和第二投影数据。校准投影数据确定模块450可以通过从第二投影数据中减去散射分量来确定校准的第二投影数据。在某些实施例中,可以通过从第二投影数据中减去校准的散射分量来确定校准的第二投影数据。因此,校准的第二投影数据可以是无散射的。在一些实施例中,校准的第二投影数据可以存储在存储设备150中。
在一些实施例中,图4中所示的一个或以上模块可以在如图1所示的示例性成像系统100的至少一部分中实现。例如,获取模块410、投影数据确定模块420、投影数据配准模块430、散射分量确定模块440、校准投影数据确定模块450,可以用用户界面组件集成到控制台(未示出)中。通过控制台,用户可以设置用于扫描对象、控制成像过程、控制用于重建图像的参数、查看重建图像、提供关于治疗计划或其一部分的递送的指令的参数等。在一些实施例中,控制台可以通过处理设备140和/或终端130来实现。
应当注意以上对处理设备140的描述是出于说明的目的而提供的,并不旨在限制本申请的范围。对于本领域普通技术人员来说,在不背离本申请原则的前提下,可以对上述方法及系统的应用进行各种形式和细节的改进和改变。仅作为示例,处理设备140可以包括一个或以上其他模块。然而,这些变化和修改亦落于本申请的范围内。
图5是根据本申请的一些实施例所示的用于基于先验信息校准投影数据中的散射分量的示例性过程的流程图。在一些实施例中,过程500的至少一部分可以由处理设备140执行(例如,在图2中所示的计算设备200中实现)。例如,过程500可以以指令(例如,应用程序)的形式存储在存储设备(例如,存储设备150、存储器220、存储器390)中,并由处理设备140(例如,图2中所示的处理器210、图3中所示的CPU 340、或图4中所示的处理设备140中的一个或以上模块)调用和/或执行。以下所示过程的操作仅出于说明的目的。在一些实施例中,过程500可以利用未描述的一个或以上附加操作,和/或没有所讨论的一个或以上操作来完成。另外,如图5所示和下面描述的过程500的操作的顺序不是限制性的。
在502中,可以获取至少两个第一图像。操作502可以由获取模块410执行。通过使用由第一成像设备生成的能量射束执行对象的第一扫描可以获取至少两个第一图像。第一图像体积可以包括在至少两个第一图像中。图像体积可以包括对象的至少两个体素。本申请中使用的第一图像可以指具有比待校准图像相对更少的散射伪像的参考图像,并且可以基于第一图像作为先验信息来校准待校准图像的散射伪像。第一图像可以包括CT图像、EPID图像、荧光透视图像、超声图像、或PET图像等。仅作为关于放射治疗的示例,第一图像可以是根据其制定治疗计划的计划图像。治疗计划可以描述如何对对象(例如,患者)进行放射治疗。仅作为示例,第一成像设备可以是多探测器计算机断层扫描(MDCT)设备,并且第一扫描是MDCT扫描。利用比CBCT设备更少的散射辐射区域,可以执行MDCT扫描以用于放射治疗计划。例如,在图像引导的放射疗法(IGRT)中,MDCT由于其提供的高图像质量,可以用于生成治疗计划确定的计划图像,并且CBCT由于其提供的相对忠实的准确性和较短的成像时间,可以用于在IGRT的执行期间提供位置信息。根据本申请的一些实施例,MDCT图像(例如,第一图像)可以用作关于相同对象校准CBCT图像的先验信息。
在一些实施例中,第一图像可以涉及由医生或物理学家指定的治疗等中心。在粗略定位之后,第一图像的治疗等中心可以靠近第二成像设备的机器等中心,在所述机器等中心处从不同台架角度发射的能量射束相交。
在一些实施例中,第一图像可以由MDCT成像设备预先生成,并且存储在存储设备150中。在一些实施例中,获取模块410可以通过例如网络120从存储设备150获取第一图像。在一些实施例中,第一图像通常可以指具有减少的或没有散射辐射信号的对象的任何重建图像。
在504中,基于至少两个第一图像,可以确定第一投影数据。在某些实施例中,第一投影数据可以由投影数据确定模块420确定。在一些实施例中,第一投影数据或至少两个第一图像可以对应于对象的第一区域。第一区域可以包括对象的解剖结构。至少两个第一图像或第一投影数据可以涉及至少两个第一图像中表示的解剖结构。本申请中的术语“解剖结构”可以指对象中的气体(例如,空气)、对象中的液体(例如,水)、对象中的固体(例如,石头)、对象的一个或以上细胞、对象的一个或以上组织、对象的一个或以上器官,或其一部分,或其任意组合,其在至少两个图像(例如,至少两个第一图像,或本申请中其他地方描述的至少两个第二图像等)中表示。对象可以包括患者。在一些实施例中,解剖结构可以是对象感兴趣的解剖结构(ASI)。本申请中的术语“感兴趣的解剖结构”(ASI)可以指在放射疗法期间需要跟踪的某种解剖结构(例如,IGRT)。在某些实施例中,ASI可能需要通过放射疗法进行治疗。在一些实施例中,ASI可以是细胞、组织、器官,或其部分,或其任意组合。在一些实施例中,ASI可以是肿瘤,或具有肿瘤的器官,或具有肿瘤的组织。在一些实施例中,第一投影数据可以存储在存储设备150中。
通过前向投影,基于至少两个第一图像,可以确定第一投影数据。在一些实施例中,可以在投影域或图像域中执行散射伪像的校准。仅仅作为说明,本申请提供了一种用于通过投影域校准散射伪像的方法。投影数据的待校准图像可以包括主要分量和散射分量。散射分量可能导致散射伪影,并且在主要投影数据中,散射分量可以被移除或减少。由于第一成像设备(例如,MDCT设备)的优点(例如,更少的散射辐射信号),至少两个第一图像(例如,MDCT图像)的第一投影数据可以包括具有减少的或没有散射分量的主要投影数据。
仅仅作为说明,可以通过前向投影技术基于至少两个第一图像来确定第一投影数据。示例性前向投影技术可以包括射线驱动技术和距离驱动技术。在一些实施例中,Siddon的射线追踪算法可以用于执行第一图像(例如,MDCT图像)的前向投影。作为2D图像情况中的示例,其他射线驱动技术可以包括通过对于与投影线相交的每一行或列在两个像素点之间执行线性插值、使用最近邻或无插值球面基函数和自然像素点来计算线积分。在3D图像的情况下,例如,可以类似地使用三线性插值来在体素之间进行插值。
如本文所用,投影数据可以表示通过对象的能量射束(例如,x射线束)的衰减。投影数据可以是沿能量射束的特定方向的线性衰减系数的和或线积分。以X射线射束为例,如图9所示,x-y平面可以是X射线线束穿过的对象的一部分。线L可以是穿过对象的部分的能量射束(例如,X射线线束)的路径。角度φ的互补角可以是X射线射束与x轴之间的角度。假设能量射束源的强度(以X射线射束为例,能量射束源可以是如图1所示的成像设备110的扫描源115)是I0,通过对象后X射线射束的强度为I,对象由具有线性衰减系数μ的均匀材料成分,I0和I可以遵循比尔定律。当对象由非均匀材料成分时,假设μ(x,y)是对象切片的线性衰减系数的分布函数,则投影数据I可以遵循如下表达式:
I=I0exp(-∫Lμ(x,y)dl), (1)
其中I0表示没有任何物体的空中投影值。如果考虑能谱和图像接收器能量响应,则上述等式可表示如下:
I=I0exp(-∫Lμ(x,y)dl), (2)
其中,是k区间处的能谱的权值,ηk是k区间处的图像接收器能量响应的权值,μ(k,l)是k区间处的对象的截面的线性衰减系数的分布函数。
如上所述,可以基于线性衰减系数μ(x,y)的分布函数来确定图像(例如,第一图像)的投影数据(例如,第一投影数据)。基于图像(例如,第一图像)的至少两个像素点的像素点值,可以确定线性衰减系数μ(x,y)的分布函数。线性衰减系数μ(x,y)的分布函数可以涉及由图像表示的解剖结构的一个或多种材料或成分(例如,材料分布),因为不同材料或成分的线性衰减系数是不同。在一些实施例中,基于对应于图像中显示的解剖结构的一个或以上材料或成分的一个或以上材料(或成分)类别,可以确定线性衰减系数μ(x,y)。更多关于基于材料(或成分)类别(例如,材料分布)确定线性衰减系数μ(x,y)的描述可以在本申请的其他地方找到。例如,参见图6及其描述。
图像(例如,第一图像)的投影数据(例如,第一投影数据)还可以涉及能量射束的能量水平或光谱(例如,X射线射束)。对象的线性衰减系数μ(x,y)可以涉及质量衰减系数和材料的密度。材料(或成分)的质量衰减系数可以是能量射束的能级的函数。例如,如果能量射束是多色束(例如,能级落在能谱范围内的X射线射束),则能量谱的不同能级的组份在穿过对象时可以非均匀地衰减。当穿过对象的密集部分(具有更高密度的部分)时,多色光束的较低能量组份可以更多地衰减。关于基于能量射束的能谱确定线性衰减系数μ(x,y)的更多描述可以在本申请的其他地方找到。例如,参见图7及其描述。
在506中,可以获取第二投影数据。操作506可以由获取模块410执行。可以通过使用第二成像设备执行对象的第二扫描来获取第二投影数据。可以基于第二投影数据重建至少两个第二图像。本申请中的第二图像可以指的是具有比第一图像相对更多的散射伪像的待校准图像,因为待校准图像的投影数据可以包括比本申请其他地方所述的第一投影数据更多的散射分量,并且可以基于用作先验信息的第一图像来校准第二图像的散射伪像。第二图像可以包括CT图像、EPID图像、荧光透视图像、超声图像、PET图像、或MRI图像等。在某些实施例中,第二成像设备可以是锥形束计算机断层扫描(CBCT)设备。第二投影数据可以由CBCT设备的探测器(例如,如图1所示的成像设备110的探测器112)采样。CBCT图像可以用于在IGRT期间提供定位信息。
第二投影数据可以涉及第二成像设备的机器等中心。第二成像设备的机器等中心可以是从不同台架角度发射的能量射束相交的点。在一些实施例中,第二成像设备的机器等中心和第一图像的治疗等中心可以很好地对准且基本上相同。因此,与第一投影数据相关的体积原点和与第二投影数据相关的体积原点可以基本相同。
第二投影数据可以对应于对象的第二区域,并且第一区域可以在重叠区域中与第二区域至少部分地重叠。在某些实施例中,第一区域可以与第二区域基本相同。第一区域和第二区域可以包括相同的解剖结构(例如,ASI)。在一些实施例中,获取模块410可以经由网络120从成像设备110(例如,CBCT设备)获取第二投影数据。在一些实施例中,由成像设备110获取的第二投影数据可以存储在存储设备150中。
在508中,可以执行第一投影数据与第二投影数据的配准。可以根据重叠区域执行配准。操作508可以由投影数据配准模块430执行。在一些实施例中,投影数据配准模块430可以通过例如网络120从存储设备150中检索第一投影数据和第二投影数据。投影数据配准模块430可以采用不同的配准技术来根据重叠区域向第二投影数据配准第一投影数据。示例性配准技术可以包括基于交互信息的配准、基于表面的配准、基于几何矩的配准等的最大化。为了执行配准,可以固定第二投影数据作为参考并可以针对第二投影数据配准第一投影数据以获取已配准的第一投影数据,并且或者可以将第一投影数据固定为参考并可以针对第一投影数据配准第二投影数据以获取已配准的第二投影数据,或其两者组合。在某些实施例中,第二投影数据被固定为参考,第一投影数据被配准到第二投影数据。所述配准可以减少或最小化由解剖结构引起的第一投影数据和第二投影数据之间的模拟误差。在一些实施例中,第二成像设备的治疗等中心可以是基本相同的,因此操作508可以是可选的。
在一些实施例中,第一图像(例如,MDCT图像)的治疗等中心可以与第二成像设备(例如,CBCT设备)的机器等中心很好地对准,第一成像设备的治疗等中心和第二成像设备的机器等中心可以基本相同。例如,第一成像设备的治疗等中心与第二成像设备的机器等中心之间的距离可以小于阈值,例如1厘米、0.5毫米等。在生成第一投影数据期间,第一图像的治疗等中心可以被设置为与第一投影数据相关的体积原点,使得与第一投影数据相关的体积原点与第二投影数据相关的体积原点一致。因此,避免了包括第一通道重建、三维图像配准时间和在线前向投影时间的耗时计算过程,同时仅需要投影数据的二维配准,这可以显著减少配准时间和配准的计算成本。在一些实施例中,配准的第一投影数据可以存储在存储设备150中。
在510中,散射分量可以在它们配准之后基于第一投影数据和第二投影数据来确定。仅作为示例,可以使用第二投影数据作为参考,相对于第二投影数据配准第一投影数据。应当理解,散射分量也可以基于配准来确定,其中使用第一投影数据作为参考,相对于第一投影数据配准第二投影数据。操作510可以由散射分量确定模块440执行。作为操作508中的配准的结果,散射分量可以主要归因于第二投影数据中包含的散射辐射数据。散射分量可以表示第二投影数据中的散射分布。大多数散射伪像可能源于投影数据中的低频散射分量。在一些实施例中,可以通过从配准的第一投影数据中减去第二投影数据来确定散射分量,然后可以对减法结果应用低频滤波或平滑以确定散射分量。在一些实施例中,可以通过从第二投影数据中减去所配准的第一投影数据来确定散射分量,然后可以对减法结果应用低频滤波或平滑以确定散射分量。例如,低通高斯滤波器可以应用于散射分量而不影响投影数据中的低频散射分量。在一些实施例中,由于例如第一成像设备与第二成像设备的几何形状错位、对象的呼吸运动等或其组合,可能需要校准散射分量。关于散射分量校准的更多描述可以在本申请的其他地方找到。例如参见图8及其描述。在一些实施例中,散射分量可以由散射分量确定模块440确定和/或存储在存储设备150中。
在512中,可以基于散射分量和第二投影数据来确定校准的第二投影数据。操作512可以由校准投影数据确定模块450执行。在一些实施例中,校准投影数据确定模块450可以经由例如网络120从存储设备150检索散射分量和第二投影数据。校准投影数据确定模块450可以通过从第二投影数据中减去散射分量来确定校准的第二投影数据。在某些实施例中,可以通过从第二投影数据中减去散射分量来确定校准的第二投影数据。因此,校准的第二投影数据可以基本上没有分散。在一些实施例中,校准的第二投影数据可以存储在存储设备150中。
在一些实施例中,可以基于校准的第二投影数据重建校准图像。在一些实施例中,可以从存储设备150中检索校准的第二投影数据。可以采用不同的重建算法来基于对象的校准的第二投影数据来重建校准的图像。示例性重建算法可以包括直接矩阵求逆算法、迭代算法、傅立叶重建算法、反投影算法、滤波反投影算法等。
应注意,过程500的以上描述仅出于说明性目的,并不意欲限制本申请的范围。对于本领域普通技术人员来说,在不背离本申请原则的前提下,可以对上述方法及系统的应用进行各种形式和细节的改进和改变。在一些实施例中,过程500可以包括一个或以上其他操作。然而,这些变化和修改亦落于本申请的范围内。
图6是根据本申请的一些实施例所示的的用于基于第一图像确定第一投影数据的示例性过程的流程图。在一些实施例中,过程600的至少一部分可以由处理设备140执行(在例如图2中所示的计算设备200中实现)。例如,过程600可以以指令(例如,应用程序)的形式存储在存储设备(例如,存储设备150、存储器220、存储器390)中,并且由处理设备140调用和/或执行(例如,图2中所示的处理器210、图3中所示的CPU 340、或图4中所示的处理设备140中的一个或以上模块)。以下所示过程的操作仅出于说明的目的。在一些实施例中,过程600可以利用未描述的一个或以上附加操作和/或没有所讨论的一个或以上操作来完成。另外,如图6中所示和下面描述的过程600的操作的顺序不是限制性的。考虑到不同的材料(或成分)类别可能具有能量射束(例如,X射线束)的固有的不同线性衰减系数,当基于第一图像确定第一投影数据时,可以考虑材料(或成分)类别(例如,材料分布)。
在602中,可以基于至少两个第一图像确定与至少两个第一图像相关的物理密度分布。操作602可以由投影数据确定模块420执行。物理密度分布可以表示由至少两个第一图像表示的解剖结构的密度分布。在一些实施例中,如果第一扫描设备是双能量CT设备,则可以直接获取与至少两个第一图像相关的密度分布。在一些实施例中,确定模块420可以基于第一图像确定与第一图像相关的物理密度分布。第一图像可以包括至少两个像素点。像素点可以包括一个或以上像素点值。像素点值可以指像素点的属性值。例如,像素点值可以指像素点的CT值、像素点的亮度值、像素点的灰度值、像素点的颜色或RGB值、像素点的饱和度值等或其组合。当第一图像是CT图像时,像素点值(例如,CT值)可以反映由第一图像反射的对象(例如,患者)的解剖结构对能量射束(例如,x射线束)的吸收程度。例如,第一图像可以反映对象的解剖结构的CT值分布。可以通过搜索CT值-物理密度图来获取从CT值分布到物理密度分布的转换。CT值-物理密度图可以记录像素点的CT值与对应于解剖结构中的点的像素点的物理密度之间的对应关系。例如,如果第一图像的像素点具有CT值A,则确定模块420可以根据CT值-物理密度图确定像素点的物理密度为B。在一些实施例中,可以通过使用第一成像设备扫描电子密度体模来获取CT值-物理密度图。
在604中,可以确定与至少两个第一图像相关的材料分布。操作604可以由投影数据确定模块420执行。在一些实施例中,如果第一扫描设备是双能量CT设备,则可以直接获取与至少两个第一图像相关的材料分布。在一些实施例中,投影数据确定模块420可以基于物理密度分布或至少两个第一图像的CT值将第一图像分割成一个或以上部分,其中每个部分对应于材料(或成分)类别,并且基于一个或以上部分确定材料分布。所述一个或以上部分可以包括空气部分、肺组织部分、软组织部分和硬组织部分。例如,如果至少两个像素点的物理密度和/或CT值在预定范围内,则投影数据确定模块420可以将第一图像的至少两个像素点分割成空气部分。
在606中,可以基于材料分布和物理密度分布确定第一投影数据。操作606可以由投影数据确定模块420执行。因为对于能量射束(例如,X射线)的给定光子,对象的材料(或成分)类别的线性衰减系数与对象的材料(或成分)类别中的物理密度值成比例,物理密度分布可以与线性衰减系数的分布成比例。基于一个或以上部分或相应的材料(或成分)类别(例如,材料分布)和物理密度分布可以确定线性衰减系数μ(x,y)的分布函数,然后可以确定第一投影数据。
如上所述,图像(例如,第一图像)的投影数据(例如,第一投影数据)还可以涉及能量射束(例如,X射线线束)的能谱。物体的线性衰减系数μ(x,y)可以涉及质量衰减系数和材料的密度。材料(或成分)的质量衰减系数可以是能量射束的能级的函数。例如,如果能量射束是多色射束(例如,其能级落在能谱内的X射线束),当通过对象时,能谱的不同能级的组分可以不均匀地衰减。当穿过对象的密集部分时,多色射束的较低能量组份可以更容易衰减。与基于能量射束的能谱确定线性衰减系数μ(x,y)相关的更多描述可以在本申请的其他地方找到。例如,参见图7及其描述。
应注意,过程600的以上描述仅出于说明性目的,并不意欲限制本申请的范围。对于本领域普通技术人员来说,在不背离本申请原则的前提下,可以对上述方法及系统的应用进行各种形式和细节的改进和改变。在一些实施例中,过程600可以包括一个或以上其他操作。然而,这些变化和修改亦落于本申请的范围内。
图7是根据本申请的一些实施例所示的用于基于第一图像确定第一投影数据的示例性过程的流程图。在一些实施例中,过程700的至少一部分可以由处理设备140执行(在例如图2中所示的计算设备200中实现)。例如,过程700可以以指令(例如,应用程序)的形式存储在存储设备(例如,存储设备150、存储器220、存储器390)中,并且由处理设备140(例如,图2中所示的处理器210、图3中所示的CPU 340、或图4中所示的处理设备140中的一个或以上模块)调用和/或执行。以下所示过程的操作仅出于说明的目的。在一些实施例中,过程700可以利用未描述的一个或以上附加操作和/或没有所讨论的一个或以上操作来完成。另外,如图7所示和下面描述的过程700的操作的顺序不是限制性的。
在702中,基于能量范围的度量,与第二扫描相关的X射线射束的能谱可以被划分为一个或以上的区间。操作702可以由投影数据确定模块420执行。每个区间可以对应于能量范围。在一些实施例中,与第二扫描相关的X射线束的能谱可以分为一个或以上规则(例如,均匀分布的)区间。例如,x射线束的能谱的能量范围可以是1keV至100keV。X射线束的能谱可以分成20个规则区间。区间1可以对应于1keV至5keV的能量范围,区间2可以对应于5keV至10keV的能量范围,......区间20可以对应于95keV至100keV的能量范围。在这种情况下,可以将相同的权值或不同的权值分配给一个或以上的区间。在一些实施例中,可以基于光束内的每个能量区间中的光子的普遍性来分配权值。
在一些实施例中,与第二扫描相关的x射线束的能谱可以分成一个或以上不规则(例如,非均匀分布的)区间。例如,x射线束的能谱的能量范围可以是0keV至120keV。对应于0至80keV的能量范围的x射线束的能谱可以被分成8个规则区间,并且每个区间可以对应于能量范围,例如0到10keV,10keV到20keV,……,70keV至80keV。对应于80至120KeV的能量范围的x射线束的能谱可以被分成8个规则区间,并且每个区间可以对应于能量范围,例如80keV至85keV,85keV至90keV,……,115keV至120keV。在这种情况下,可以将相同的权值或不同的权值分配给一个或以上的区间。例如,所有16个能量区间可以是同等的权值,并且所分配的权值可以是1/16。在一些实施例中,投影数据确定模块420可以基于能量范围度量标准将与第二扫描相关的x射线束的能谱分成一个或以上的区间,每个区间可以对应于能量范围。投影数据确定模块420可以采用任何合适的方式将与第一图像相关的x射线束的能谱分成一个或以上的区间。以上描述仅用于说明目的,并不意图限制本申请的范围。
能量区间的宽度可以例如根据x射线能量的相对发生来划分。例如,累积能谱分布函数可以通过将能谱相对于能量积分来确定。例如,如果要创建10个区间,则可以从累积分布函数中选择9个等间距纵坐标,即0.1、0.2、0.3、0.4、0.5、0.6、0.7、0.8、0.9。通过反向查找累积分布函数横坐标点,这产生了9个能量区间限制,每个区间包含光束中存在的大约或恰好十分之一的X射线光子。在这种情况下,当从单色投影组份形成多色投影时,可以对每个区间应用基本相等的权值。因此,图像接收器能量响应可以以相同的方法划分。例如,如果探测器响应的能量区间的宽度与能谱的宽度相同。作为示例性实施例,在中国专利申请No.20181108794.X中描述了图像接收器能量响应。这些申请的内容在此引用并并入本申请中。
在704中,对于一个或以上区间中的每一个区间,可以基于至少两个第一图像中的第一图像和对应于区间的能量范围来确定模拟投影数据。可以在操作704中确定在代表特定能量区间的能量下由x射线束穿过的特定材料的线性衰减系数。操作704可以由投影数据确定模块420执行。在一些实施例中,投影数据确定模块420可以基于第一图像和对应于区间的能量范围来确定模拟的投影数据。对应于区间k的模拟投影数据可以基于以下等式确定:
其中,是k区间处能谱的权值,ηk是k区间处图像接收器能量响应的权值,μ(k,l)是k区间处对象截面的线性衰减系数的分布函数。
如果对象由具有线性衰减系数μ_k的均匀材料或成分制成,模拟投影数据判断单元540可以根据等式(2)或等式(3)基于第一图像和对应于区间的能量范围来确定模拟投影数据。
在某些实施例中,在对象由非均匀材料或成分制成的情况下,模拟投影数据判断单元540可以确定考虑材料或成分类别(例如,材料分布)和X射线射束的能谱的模拟投影数据。参考图6中所示的过程600,第一图像可以被分割成一个或以上的部分,并且可以通过搜索CT值-物理密度图来获取对应于第一图像的物理密度分布。对于一个或以上区间中的每一个区间,模拟投影数据判断单元540可以基于一个或以上部分、对应材料或成分类别以及对应于区间的能量范围来确定对应于区间的至少两个体素的质量衰减系数矩阵。通过搜索查找表或质量衰减系数表可以获取对应于区间的至少两个体素的质量衰减系数矩阵。根据质量衰减系数、X射线束能级与材料或成分的原子序数之间的关系可以构造查找表。可以制作不同材料或成分的质量衰减系数表。模拟投影数据判断单元540可以基于质量衰减系数矩阵和物理密度分布确定对应于区间的线性衰减系数矩阵。对应于区间的线性衰减系数矩阵可以通过质量衰减系数矩阵与相应的材料物理密度的乘积来获取。模拟投影数据判断单元540可以基于线性衰减系数矩阵确定区间的模拟投影数据。
在706中,可以将一个或以上区间的模拟投影数据相加以生成第一投影数据。操作706可以由投影数据确定模块420执行。在某些实施例中,第一投影数据判断单元550可以对一个或以上区间的模拟投影数据求和以产生第一投影数据。
应注意,过程700的以上描述仅出于说明性目的,并不意欲限制本申请之范围。对于本领域普通技术人员来说,在不背离本申请原则的前提下,可以对上述方法及系统的应用进行各种形式和细节的改进和改变。在一些实施例中,过程700可以包括一个或以上其他操作。然而,这些变化和修改亦落于本申请的范围内。
图8根据本申请的一些实施例所示的用于校准散射分量的示例性过程的流程图。在一些实施例中,过程800的至少一部分可以由处理设备140执行(例如,在图2中所示的计算设备200中实现)。例如,过程800可以以指令(例如,应用程序)的形式存储在存储设备(例如,存储设备150、存储器220、存储器390)中,并且由处理设备140(例如,图2中所示的处理器210、图3中所示的CPU 340、或图4中所示的处理设备140中的一个或以上模块)调用和/或执行。以下所示过程的操作仅出于说明的目的。在一些实施例中,过程800可以利用未描述的一个或以上附加操作和/或没有所讨论的一个或以上操作来完成。另外,如图8所示和下面描述的过程800的操作的顺序不是限制性的。
在802中,散射分量可以分为一个或以上组的投影数据。操作802可以由校准投影数据确定模块450执行。基于配准后的第一投影数据和第二投影数据可以获取散射分量。例如,可以通过低频滤波或平滑从第二投影数据中减去配准的第一投影数据来获取散射分量。关于散射分量的确定的更多描述可以在本申请的其他地方找到(例如,操作510及其描述)。由于例如第一成像设备和/或第二成像设备的几何形状错位、对象的呼吸运动等,散射分量的某些部分可能无法忠实地表示实际的散射分布。在一些实施例中,校准投影数据确定模块450可以将散射分量划分为一个或以上组以确定投影数据的哪个组精确地表示散射分布,并且可以从散射分量中移除投影数据的不可信组。在一些实施例中,第一投影数据和第二投影数据也可以分为对应于散射分量的一个或以上的组,也就是说,组中的散射分量是基于组中的第一投影数据和组中的第二投影数据来确定的。例如,校准投影数据确定模块450可以基于部分或相应的材料(或成分)类别将散射分量分成一个或以上的组,并且可以将对应于相同材料(或成分)类别的散射分量分配给组。又例如,校准投影数据确定模块450可以基于不同的区域(例如,边缘区域、低强度梯度区域、高强度梯度区域等)将散射分量划分为一个或以上的组。对应于相同区域的散射分量可以被分配给一个组。
在804中,对于一个或以上组中的每一个组,可以确定所述组的投影数据是否满足第一条件。操作804可以由校准投影数据确定模块450执行。在一些实施例中,校准投影数据确定模块450可以确定一组投影数据是否满足第一条件。满足第一条件的一组投影数据可以被认为是可信投影数据,其被认为精确地表示分散分布的。不满足第一条件的一组投影数据可被视为不可信投影数据,其被认为不能忠实地表示实际的分散分布。在一些实施例中,第一条件可以是组中的配准的第一投影数据与组中的散射分量之和与组中的第二投影数据的比率在一定范围内。例如,某个范围可以是[0.91,1]。在一些实施例中,所述组中的散射分量可以是正的且低于第一阈值。通常,源自散射的散射分量可以是正的。如果散射分量超过第一阈值,所述组中的散射分量可能是由于第一成像设备和/或第二成像设备的几何不对准、空气区域在第二图像中的影响等,而不是散射。第一条件还可以是组中散射分量的梯度低于第二阈值。如果组中散射分量的梯度超过第二阈值,组中的散射分量可以由第二图像中的对象的轮廓(对象的身体边缘)或对象的呼吸运动产生,而不是散射。在一些实施例中,如果满足所有上述第一条件的组中的散射分量,则所述组中的散射分量可以被认为是可信数据。
在806中,可以基于组的散射分量和确定结果生成可信散射分量。操作806可以由校准投影数据确定模块450执行。在一些实施例中,校准投影数据确定模块450可以将满足上述第一条件中的任何一个或其组合或全部的组的散射分量指定为可信散射分量。可以通过从散射分量中去除一个或以上组的所有不可信投影数据来确定可信散射分量。
在808中,基于可信散射分量可以确定校准的第二投影数据。从散射分量中移除不受信任的投影数据可以导致与散射分量相比存在可信散射分量的一个或以上空白部分,因此,可以补充可信散射分量的一个或以上空白部分以确定完整的散射分布。通过补充可信散射分量的一个或以上空白部分可以确定校准的第二投影数据。在一些实施例中,可以基于散射内核技术(诸如散射内核叠加技术或蒙特卡罗技术等)来补充一个或以上空白部分。例如,校准投影数据确定模块450可以确定第二图像中与一个或以上空白部分相对应的一个或以上区域,并且通过散射内核确定对应于一个或以上空白部分的散射分量。散射内核可以包括传递函数,其涉及对象内的点处的能量射束积分通量和对象内的点的散射分布。在一些实施例中,可以基于外推技术来补充一个或以上空白部分,例如中值滤波技术、高斯滤波技术等。例如,一个或以上空白部分的像素点值可以首先设置为零。然后,中值滤波器(例如,44×44-像素点中值滤波器)可以应用于可信散射分量。最后,高斯滤波器(例如,具有8像素点标准偏差的51×51-像素点高斯滤波器,或具有20像素点标准偏差的51×51-像素点高斯滤波器)可以应用于可信散射分量。在可信散射分量的一个或以上空白部分被补充之后,可信赖的散射分量可以用于根据本申请的一些实施例(例如,操作510及其描述)确定校准的第二投影数据。
应注意,过程800的以上描述仅出于说明性目的,并不意欲限制本申请的范围。对于本领域普通技术人员来说,在不背离本申请原则的前提下,可以对上述方法及系统的应用进行各种形式和细节的改进和改变。在一些实施例中,过程800可以包括一个或以上其他操作。然而,这些变化和修改亦落于本申请的范围内。
图10是根据本申请的一些实施例所示的用于基于原始投影数据重建图像的示例性过程的流程图。在一些实施例中,过程1000的至少一部分可以由处理设备140执行(例如,在图2中所示的计算设备200中实现)。例如,过程1000可以以指令(例如,应用程序)的形式存储在存储设备(例如,存储设备150、存储器220、存储器390)中,并由处理设备140(例如,图2中所示的处理器210、图3中所示的CPU 340、或图4中所示的处理设备140中的一个或以上模块)调用和/或执行。以下所示过程的操作仅出于说明的目的。在一些实施例中,过程1000可以利用未描述的一个或以上附加操作和/或没有所讨论的一个或以上操作来完成。另外,如图10中所示和下面描述的过程1000的操作的顺序不是限制性的。
当先验信息(例如,MDCT图像)不可用时,可以通过以下迭代操作来校准投影数据的散射分量,直到迭代满足预定条件(例如,实现期望的准确度、实现收敛、迭代次数超过默认阈值等)。
对于第一次迭代,迭代次数n可以等于1。
在1002中,可以获取原始投影数据。操作1002可以由获取模块410执行。通过使用第二成像设备执行对象的扫描可以获取原始投影数据。在某些实施例中,第二成像设备可以是锥形束计算机断层扫描(CBCT)设备。原始投影数据可以由CBCT设备的探测器(例如,如图1所示的成像设备110的探测器112)采样。如这里所使用的,原始投影数据可以指具有相对更多散射伪像的待校准投影数据。在一些实施例中,原始投影数据可以存储在存储设备150中。
在1004中,可以基于原始投影数据重建更新的图像。操作1004可以由散射分量确定模块440执行。可以采用不同的重建算法来基于原始投影数据重建更新的图像。示例性重建算法可以包括直接矩阵求逆算法、迭代算法、傅立叶重建算法、反投影算法、滤波反投影算法等。
在1006中,可以基于更新的图像确定模拟的主要投影数据。操作1006可以由散射分量确定模块440执行。在一些实施例中,通过前向投影,基于更新的图像,可以确定模拟的主要投影数据。关于前向投影的更多细节可以在图5中找到,并且可以在其描述中找到。
在1008中,可以基于模拟的主投影数据和原始投影数据确定散射分量。操作1008可以由散射分量确定模块440执行。可以通过从原始投影数据中减去模拟的主投影数据确定散射分量,然后可以对减法结果应用低频滤波或平滑以确定散射分量。在一些实施例中,散射分量可以通过从模拟的主投影数据中减去原始投影数据确定,然后低频滤波或平滑可以应用于减法结果以确定散射分量。
在1010中,可以确定迭代是否满足预定条件。操作1010可以由散射分量确定模块440执行。预定条件可以包括实现期望的准确度。预定条件可以包括实现收敛。预定条件还可以包括迭代次数超过默认阈值,例如,默认阈值可以是1000的数量。响应于确定迭代满足预定条件,过程1000可以进行到1016。响应于确定迭代不满足预定条件,过程1000可以进行到1012。
在1012中,可以基于散射分量和原始投影数据获取迭代的投影数据。操作1012可以由散射分量确定模块440执行。在某些实施例中,可以通过从原始投影数据中减去散射分量获取重复的投影数据。
对于第二次迭代,迭代次数n=1+1=2。
在1014中,迭代的投影数据可以被指定为原始投影数据。如上所述,可以重复操作1004-1010。类似地,然后可以基于迭代的投影数据来重建更新的图像。如图5所示,通过前向投影,基于更新的图像,可以确定模拟的主要投影数据。散射分量可以通过从迭代的投影数据中减去模拟的主投影数据确定,然后低频滤波或平滑可以应用于减法结果以确定散射分量。可以迭代上述操作,直到达到期望的精度,或者实现收敛,或者迭代次数超过阈值。在迭代停止之后,最终散射分量可以由散射分量确定模块440确定,并且可以存储在存储设备150中。
在1016中,可以基于最终散射分量和原始投影数据确定校准的投影数据。操作1016可以由校准投影数据确定模块450执行。在一些实施例中,校准投影数据确定模块450可以从步骤1008检索最终散射分量,并且从步骤1002检索原始投影数据,其中最终散射分量和原始投影数据可以通过例如网络120从存储设备150中检索。校准投影数据确定模块450可以通过从步骤1002的原始投影数据中减去步骤1008的最终散射分量确定校准的投影数据。因此,校准的投影数据可以基本上无散射。在一些实施例中,校准的投影数据可以存储在存储设备150中。
校准的投影数据可以在能量射束的递送之前、期间、或之后使用。在一些实施例中,可以基于校准的投影数据重建校准的图像。在一些实施例中,可以从存储设备150中检索校准的投影数据。可以采用不同的重建算法来基于对象的校准的第二投影数据重建校准的图像。示例性重建算法可以包括直接矩阵求逆算法、迭代算法、傅立叶重建算法、反投影算法、滤波反投影算法等。在一些实施例中,校准的图像或校准的投影数据可以用于基于电子射野影像设备(EPID)的体内剂量验证。在一些实施例中,校准的图像或校准的投影数据可用于在IGRT期间提供位置信息。
应注意,过程1000的以上描述仅出于说明性目的,并不意欲限制本申请的范围。对于本领域普通技术人员来说,在不背离本申请原则的前提下,可以对上述方法及系统的应用进行各种形式和细节的改进和改变。在一些实施例中,过程1000可以包括一个或以上其他操作。然而,这些变化和修改亦落于本申请的范围内。
上文已对基本概念做了描述,显然,对于阅读此申请后的本领域的普通技术人员来说,上述发明披露仅作为示例,并不构成对本申请的限制。虽然此处并未明确说明,但本领域的普通技术人员可能会对本申请进行各种修改、改进和校准。该类修改、改进和校准在本申请中被建议,所以该类修改、改进、校准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。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、结构或特性。因此,应当强调并注意的是,本说明书中在不同位置两次或以上提及的“一实施例”或“一个实施例”或“一替代性实施例”并不一定是指同一实施例。此外,本申请的一个或以上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,本领域的普通技术人员可以理解,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过程、机器、产品或物质的组合,或对其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(包括韧体、常驻软件、微代码等)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“单元”、“模块”或“系统”。此外,本申请的各方面可以采取体现在一个或以上计算机可读介质中的计算机程序产品的形式,其中计算机可读程序代码包含在其中。
计算机可读信号介质可能包含一个内含有计算机程序代码的传播数据信号,例如在基带上或作为载波的一部分。此类传播信号可以有多种形式,包括电磁形式、光形式等或任何合适的组合。计算机可读信号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信、传播或传输供使用的程序。位于计算机可读信号介质上的程序代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等,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代码可以用任意一种或以上程序设计语言编写,包括面向对象程序设计语言如Java、Scala、Smalltalk、Eiffel、JADE、Emerald、C++、C#、VB.NET、Python等,常规程序化程序设计语言如C程序设计语言、Visual Basic、Fortran2103、Perl、COBOL 2102、PHP、ABAP,动态程序设计语言如Python、Ruby,和Groovy,或其他程序设计语言等。该程序代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校准和等价组合。例如,虽然上述各种组件的实现可以体现在硬件设备中,但是它也可以实现为仅软件解决方案,例如,在现有服务器或移动设备上的安装。
同理,应当注意的是,为了简化本申请披露的表述,从而帮助对一个或以上发明实施例的理解,前文对本申请的实施例的描述中,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。然而,本申请的该方法不应被解释为反映所声称的待扫描对象物质需要比每个权利要求中明确记载的更多特征的意图。相反,发明的对象应具备比上述单一实施例更少的特征。
一些实施例中使用了描述成分、属性数量的数字,应当理解的是,此类用于实施例描述的数字,在一些示例中使用了修饰词“大约”、“近似”或“大体上”来修饰。除非另外说明,“大约”、“近似”或“大体上”表明所述数字允许有±20%的变化。相应地,在一些实施例中,说明书和权利要求中使用的数值参数均为近似值,该近似值根据个别实施例所需特点可以发生改变。在一些实施例中,数值参数应考虑规定的有效数位并采用一般位数保留的方法。尽管本申请一些实施例中用于确认其范围广度的数值域和参数为近似值,在具体实施例中,此类数值的设定在可行范围内尽可能精确。
本文中提及的所有专利、专利申请、专利申请公布和其他材料(如论文、书籍、说明书、出版物、配准、事物和/或类似的东西)均在此通过引用的方式全部并入本文以达到所有目的,与上述文件相关的任何起诉文档配准、与本文件不一致或冲突的任何上述文件或对迟早与本文件相关的权利要求书的广泛范畴有限定作用的任何上述文件除外。举例来说,如果在描述、定义和/或与任何所结合的材料相关联的术语的使用和与本文件相关联的术语之间存在任何不一致或冲突,则描述、定义和/或在本文件中使用的术语以本文件为准。
最后,应当理解的是,本申请中所述实施例仅用以说明本申请实施例的原则。其他的变形也可能属于本申请的范围。因此,作为示例而非限制,本申请实施例的替代配置可视为与本申请的教导一致。相应地,本申请的实施例不仅限于本申请明确介绍和描述的实施例。
Claims (50)
1.一种系统被配置为处理投影数据,包括:
至少一种非暂时性存储介质,包括一组指令;以及
至少一个处理器与所述至少一种非暂时性存储介质通信,其中,当执行所述指令时,所述至少一个处理器被配置为用于所述系统:
通过第一成像设备获取通过对对象执行第一扫描生成的第一图像;
基于所述第一图像确定第一投影数据,所述第一投影数据对应于所述对象的第一区域;
通过使用第二成像设备执行对所述对象的第二扫描获取第二投影数据,所述第二投影数据对应于所述对象的第二区域,所述第一区域与所述第二区域在重叠区域中至少部分重叠;
通过根据所述重叠区域,将所述第一投影数据配准到所述第二投影数据,确定配准的第一投影数据;
基于所述配准的第一投影数据和所述第二投影数据,确定散射分量,所述散射分量包括低频散射辐射信号;以及
基于所述散射分量和所述第二投影数据,确定校准的第二投影数据,包括:
划分所述散射分量成两个或以上组;
对于所述两个或以上组中的每一个组,
基于组的散射分量,生成可信散射分量;以及
基于所述可信散射分量,确定所述校准的第二投影数据。
2.根据权利要求1所述的系统,其特征在于,基于所述第一图像,确定所述第一投影数据,所述至少一个处理器进一步被配置为用于所述系统:
基于与所述第一图像相关的物理密度分布和与所述第一图像相关的材料分布,确定所述第一投影数据。
3.根据权利要求2所述的系统,其特征在于,基于所述第一图像的CT值,确定与所述第一图像相关的所述物理密度分布。
4.根据权利要求2所述的系统,其特征在于,确定与所述第一图像相关的所述材料分布,所述至少有一个处理器进一步被配置为用于所述系统:
基于与所述第一图像相关的所述物理密度分布或所述第一图像的CT值,将所述第一图像分割成一个或一个以上区域,所述一个或以上区域的每一个区域对应于所述对象的成分类别;以及
基于与所述对象的成分类别对应的所述一个或以上区域,确定与所述第一图像相关的所述材料分布。
5.根据权利要求1所述的系统,其特征在于,使用所述第二成像设备生成的一个或以上能谱的能量射束执行所述第二扫描,基于所述第二成像设备的所述能谱和探测器能量响应进一步确定所述第一投影数据,以及基于所述第一图像和所述第二成像设备的所述能谱和探测器能量响应确定第一投影数据,所述至少一个处理器进一步用于:
基于能量范围度量标准,划分与所述第二扫描相关的所述能量射束的所述能谱到一个或以上的区间中,每个区间对应一个能量范围;
对于所述一个或以上的区间中的每个区间,基于所述第一图像和与所述区间对应的能量范围,确定模拟投影数据;以及
合并所述一个或以上区间的所述模拟投影数据生成所述第一投影数据。
6.根据权利要求5所述的系统,其特征在于,所述一个或以上的区间中的每个区间的所述模拟投影数据对应于至少两个体素,以及确定对应于区间的所述模拟投影数据,所述至少一个处理器进一步被配置为用于所述系统:
将所述第一图像转换为物理密度分布;
基于所述物理密度分布或所述第一图像的CT值,将所述第一图像分割成一个或以上类别;以及
对于所述一个或以上区间中的每个区间,
基于所述一个或以上类别和对应于所述区间的所述能量范围,确定对应于所述区间的所述至少两个体素的质量衰减系数矩阵;
基于所述质量衰减系数矩阵和所述物理密度分布,确定对应于所述区间的线性衰减系数矩阵;以及
基于所述线性衰减系数矩阵,确定所述区间的所述模拟投影数据。
7.根据权利要求5所述的系统,其特征在于,对于所述一个或以上区间中的每个区间,所述至少一个处理器进一步用于:
基于对应于所述能量范围的探测器能量响应,确定所述模拟投影数据。
8.根据权利要求1所述的系统,其特征在于,所述第一投影数据到所述第二投影数据的所述配准是二维配准。
9.根据权利要求1所述的系统,其特征在于,所述第一图像包括第一等中心信息,以及基于所述第一等中心信息执行所述第二扫描。
10.根据权利要求9所述的系统,其特征在于,基于所述第一等中心信息,确定所述第一投影数据。
11.根据权利要求1所述的系统,其特征在于,基于组的散射分量,生成可信散射分量,所述至少一个处理器进一步被配置为用于所述系统:
确定所述组是否满足第一条件;
基于所述组的所述散射分量和确定结果,生成可信散射分量,所述第一条件是所述每个组的所述散射分量是正的且低于阈值。
12.根据权利要求11所述的系统,其特征在于,所述第一条件是所述每个组的所述散射分量的梯度低于阈值。
13.根据权利要求11所述的系统,其特征在于,所述第一条件是组中所述配准的第一投影数据与所述组中所述散射分量之和与所述组中所述第二投影数据的比率在一定范围内。
14.根据权利要求1所述的系统,其特征在于,所述第一成像设备是一种多探测器计算机断层扫描设备,以及所述第二成像设备是一种锥形束计算机断层扫描设备。
15.一种系统被配置为处理投影数据,包括:
至少一种非暂时性存储介质,包括一组指令;以及
至少一个处理器与所述至少一种非暂时性存储介质通信,其中,当执行所述指令时,所述至少一个处理器被配置为用于所述系统:
获取对应于对象的第一区域的第一图像;
获取与锥形束计算机断层扫描的能谱和探测器能量响应相关的第二投影数据,所述第二投影数据对应于所述对象的第二区域,所述第一区域与所述第二区域在重叠区域中至少部分重叠;
基于所述第一图像、锥形束计算机断层扫描的能谱和探测器能量响应,确定第一投影数据;
基于所述第一投影数据和所述第二投影数据,确定散射分量;
基于所述散射分量,校准所述第二投影数据,包括:
划分所述散射分量成两个或以上组;
对于所述两个或以上组中的每一个组,
基于组的散射分量,生成可信散射分量;以及
基于所述可信散射分量,校准所述第二投影数据。
16.根据权利要求15所述的系统,其特征在于,所述处理器进一步被配置为:
通过根据所述重叠区域,将所述第一投影数据配准到所述第二投影数据,用于所述系统确定配准的第一投影数据。
17.根据权利要求15所述的系统,其特征在于,所述第一图像包括第一等中心信息,以及所述第二投影数据与所述第一等中心信息相关。
18.根据权利要求17所述的系统,其特征在于,基于所述第一等中心信息,确定所述第一投影数据。
19.根据权利要求15所述的系统,其特征在于,确定所述第一投影数据,所述至少一个处理器还用于:
基于能量范围度量标准,划分所述能谱到一个或以上的区间中,每个区间对应一个能量范围;
对于所述一个或以上的区间中的每个区间,基于所述第一图像和与所述区间对应的能量范围,确定模拟投影数据;以及
合并所述一个或以上区间的所述模拟投影数据生成所述第一投影数据。
20.根据权利要求19所述的系统,其特征在于,所述一个或以上的区间中的每个区间的所述模拟投影数据对应于至少两个体素,以及确定对应于区间的所述模拟投影数据,所述至少一个处理器进一步被配置为用于所述系统:
将所述第一图像转换为物理密度分布;
基于所述物理密度分布或所述第一图像的CT值,将所述第一图像分割成一个或以上类别;以及
对于所述一个或以上区间中的每个区间,
基于所述一个或以上类别和对应于所述区间的所述能量范围,确定对应于所述区间的所述至少两个体素的质量衰减系数矩阵;
基于所述质量衰减系数矩阵和所述物理密度分布,确定对应于所述区间的线性衰减系数矩阵;以及
基于所述线性衰减系数矩阵,确定所述区间的所述模拟投影数据。
21.根据权利要求19所述的系统,其特征在于,对于所述一个或以上区间中的每个区间,所述至少一个处理器进一步用于:
基于对应于所述能量范围的探测器能量响应,确定所述模拟投影数据。
22.根据权利要求15所述的系统,其特征在于,基于组的散射分量,生成可信散射分量,所述至少一个处理器进一步被配置为用于所述系统:
确定所述组是否满足第一条件;
基于所述组的所述散射分量和确定结果,生成可信散射分量,所述第一条件是所述每个组的所述散射分量是正的且低于阈值。
23.根据权利要求22所述的系统,其特征在于,所述第一条件是所述每个组的所述散射分量的梯度低于阈值。
24.根据权利要求22所述的系统,其特征在于,所述第一条件是组中配准的第一投影数据与所述组中所述散射分量之和与所述组中所述第二投影数据的比率在一定范围内。
25.一种用于在具有至少一个处理器和非暂时性存储介质的计算设备上实现的处理投影数据的方法,所述方法包括:
通过第一成像设备获取通过对对象执行第一扫描生成的第一图像;
基于所述第一图像确定第一投影数据,所述第一投影数据对应于所述对象的第一区域;
通过使用第二成像设备执行对所述对象的第二扫描获取第二投影数据,所述第二投影数据对应于所述对象的第二区域,所述第一区域与所述第二区域在重叠区域中至少部分重叠;
通过根据所述重叠区域,将所述第一投影数据配准到所述第二投影数据,确定配准的第一投影数据;
基于所述配准的第一投影数据和所述第二投影数据,确定散射分量,所述散射分量包括低频散射辐射信号;以及
基于所述散射分量和所述第二投影数据,确定校准的第二投影数据,包括:
划分所述散射分量成两个或以上组;
对于所述两个或以上组中的每一个组,
基于组的散射分量,生成可信散射分量;以及
基于所述可信散射分量,确定所述校准的第二投影数据。
26.根据权利要求25所述的方法,其特征在于,基于所述第一图像,确定所述第一投影数据进一步包括:
基于与所述第一图像相关的物理密度分布和与所述第一图像相关的材料分布,确定所述第一投影数据。
27.根据权利要求26所述的方法,其特征在于,基于所述第一图像的CT值,确定与所述第一图像相关的所述物理密度分布。
28.根据权利要求26所述的方法,其特征在于,确定与所述第一图像相关的所述材料分布进一步包括:
基于与所述第一图像相关的所述物理密度分布或所述第一图像的CT值,将所述第一图像分割成一个或以上区域,所述一个或以上区域的每一个区域对应于所述对象的成分类别;以及
基于与所述对象的成分类别对应的所述一个或以上区域,确定与所述第一图像相关的所述材料分布。
29.根据权利要求25所述的方法,其特征在于,使用所述第二成像设备生成的一个或以上能谱的能量射束执行所述第二扫描,基于所述第二成像设备的所述能谱和探测器能量响应进一步确定所述第一投影数据,以及基于所述第一图像和所述第二成像设备的所述能谱和探测器能量响应确定第一投影数据进一步包括:
基于能量范围度量标准,划分与所述第二扫描相关的所述能量射束的所述能谱到一个或以上的区间中,每个区间对应一个能量范围;
对于所述一个或以上的区间中的每个区间,基于所述第一图像和与所述区间对应的能量范围,确定模拟投影数据;以及
合并所述一个或以上区间的所述模拟投影数据生成所述第一投影数据。
30.根据权利要求29所述的方法,其特征在于,所述一个或以上的区间中的每个区间的所述模拟投影数据对应于至少两个体素,以及确定对应于区间的所述模拟投影数据进一步包括:
将所述第一图像转换为物理密度分布;
基于所述物理密度分布或所述第一图像的CT值,将所述第一图像分割成一个或以上类别;以及
对于所述一个或以上区间中的每个区间,
基于所述一个或以上类别和对应于所述区间的所述能量范围,确定对应于所述区间的所述至少两个体素的质量衰减系数矩阵;
基于所述质量衰减系数矩阵和所述物理密度分布,确定对应于所述区间的线性衰减系数矩阵;以及
基于所述线性衰减系数矩阵,确定所述区间的所述模拟投影数据。
31.根据权利要求29所述的方法,其特征在于,所述方法进一步包括:
基于对应于所述能量范围的探测器能量响应,确定所述模拟投影数据。
32.根据权利要求25所述的方法,其特征在于,所述第一投影数据到所述第二投影数据的所述配准是二维配准。
33.根据权利要求25所述的方法,其特征在于,所述第一图像包括第一等中心信息,以及基于所述第一等中心信息执行所述第二扫描。
34.根据权利要求33所述的方法,其特征在于,基于所述第一等中心信息,确定所述第一投影数据。
35.根据权利要求25所述的方法,其特征在于,所述基于组的散射分量,生成可信散射分量包括:
确定所述组是否满足第一条件;
基于所述组的所述散射分量和确定结果,生成可信散射分量,所述第一条件是所述每个组的所述散射分量是正的且低于阈值。
36.根据权利要求35所述的方法,其特征在于,所述第一条件是所述每个组的所述散射分量的梯度低于阈值。
37.根据权利要求35所述的方法,其特征在于,所述第一条件是组中所述配准的第一投影数据与所述组中所述散射分量之和与所述组中所述第二投影数据的比率在一定范围内。
38.根据权利要求25所述的方法,其特征在于,所述第一成像设备是一种多探测器计算机断层扫描设备,以及所述第二成像设备是一种锥形束计算机断层扫描设备。
39.一种用于在具有至少一个处理器和非暂时性存储介质的计算设备上实现的处理投影数据的方法,所述方法包括:
获取对应于对象的第一区域的第一图像;
获取与锥形束计算机断层扫描的能谱和探测器能量响应相关的第二投影数据,所述第二投影数据对应于所述对象的第二区域,所述第一区域与所述第二区域在重叠区域中至少部分重叠;
基于所述第一图像、锥形束计算机断层扫描的能谱和探测器能量响应,确定第一投影数据;
基于所述第一投影数据和所述第二投影数据,确定散射分量;
基于所述散射分量,校准所述第二投影数据,包括:
划分所述散射分量成两个或以上组;
对于所述两个或以上组中的每一个组,
基于组的散射分量,生成可信散射分量;以及
基于所述可信散射分量,校准所述第二投影数据。
40.根据权利要求39所述的方法,其特征在于,所述方法进一步包括:
通过根据所述重叠区域,将所述第一投影数据配准到所述第二投影数据,确定配准的第一投影数据。
41.根据权利要求39所述的方法,其特征在于,所述第一图像包括第一等中心信息,所述第二投影数据与所述第一等中心信息相关。
42.根据权利要求41所述的方法,其特征在于,基于所述第一等中心信息,确定所述第一投影数据。
43.根据权利要求39所述的方法,其特征在于,确定所述第一投影数据进一步包括:
基于能量范围度量标准,划分所述能谱到一个或以上的区间中,每个区间对应一个能量范围;
对于所述一个或以上的区间中的每个区间,基于所述第一图像和与所述区间对应的能量范围,确定模拟投影数据;以及
合并所述一个或以上区间的所述模拟投影数据生成所述第一投影数据。
44.根据权利要求43所述的方法,其特征在于,所述一个或以上的区间中的每个区间的所述模拟投影数据对应于至少两个体素,以及确定对应于区间的所述模拟投影数据进一步包括:
将所述第一图像转换为物理密度分布;
基于所述物理密度分布或所述第一图像的CT值,将所述第一图像分割成一个或以上类别;以及
对于所述一个或以上区间中的每个区间,
基于所述一个或以上类别和对应于所述区间的所述能量范围,确定对应于所述区间的所述至少两个体素的质量衰减系数矩阵;
基于所述质量衰减系数矩阵和所述物理密度分布,确定对应于所述区间的线性衰减系数矩阵;以及
基于所述线性衰减系数矩阵,确定所述区间的所述模拟投影数据。
45.根据权利要求43所述的方法,其特征在于,对于所述一个或以上区间中的每个区间,所述方法进一步包括:
基于对应于所述能量范围的探测器能量响应,确定所述模拟投影数据。
46.根据权利要求39所述的方法,其特征在于,所述基于组的散射分量,生成可信散射分量包括:
确定所述组是否满足第一条件;
基于所述组的所述散射分量和确定结果,生成可信散射分量,所述第一条件是所述每个组的所述散射分量是正的且低于阈值。
47.根据权利要求46所述的方法,其特征在于,所述第一条件是所述每个组的所述散射分量的梯度低于阈值。
48.根据权利要求46所述的方法,其特征在于,所述第一条件是组中配准的第一投影数据与所述组中所述散射分量之和与所述组中所述第二投影数据的比率在一定范围内。
49.一种非暂时性计算机可读介质,包括可执行指令,其特征在于,当由至少一个处理器执行时,所述可执行指令使所述至少一个处理器实现方法包括:
通过第一成像设备获取通过对对象执行第一扫描生成的第一图像;
基于所述第一图像确定第一投影数据,所述第一投影数据对应于所述对象的第一区域;
通过使用第二成像设备执行对所述对象的第二扫描获取第二投影数据,所述第二投影数据对应于所述对象的第二区域,所述第一区域与所述第二区域在重叠区域中至少部分重叠;
通过根据所述重叠区域,将所述第一投影数据配准到所述第二投影数据,确定配准的第一投影数据;
基于所述配准的第一投影数据和所述第二投影数据,确定散射分量,所述散射分量包括低频散射辐射信号;以及
基于所述散射分量和所述第二投影数据,确定校准的第二投影数据,包括:
划分所述散射分量成两个或以上组;
对于所述两个或以上组中的每一个组,
基于组的散射分量,生成可信散射分量;以及
基于所述可信散射分量,确定所述校准的第二投影数据。
50.一种非暂时性计算机可读介质,包括可执行指令,其特征在于,当由至少一个处理器执行时,所述可执行指令使所述至少一个处理器实现方法包括:
获取对应于对象的第一区域的第一图像;
获取与锥形束计算机断层扫描的能谱和探测器能量响应相关的第二投影数据,所述第二投影数据对应于所述对象的第二区域,所述第一区域与所述第二区域在重叠区域中至少部分重叠;
基于所述第一图像、锥形束计算机断层扫描的能谱和探测器能量响应,确定第一投影数据;
基于所述第一投影数据和所述第二投影数据,确定散射分量;
基于所述散射分量,校准所述第二投影数据,包括:
划分所述散射分量成两个或以上组;
对于所述两个或以上组中的每一个组,
基于组的散射分量,生成可信散射分量;以及
基于所述可信散射分量,校准所述第二投影数据。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410339225.3A CN118236087A (zh) | 2018-10-25 | 2018-10-25 | 用于散射校准的系统和方法 |
CN202410339564.1A CN118236088A (zh) | 2018-10-25 | 2018-10-25 | 用于散射校准的系统和方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/CN2018/111764 WO2020082280A1 (en) | 2018-10-25 | 2018-10-25 | System and method for scatter correction |
Related Child Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410339564.1A Division CN118236088A (zh) | 2018-10-25 | 2018-10-25 | 用于散射校准的系统和方法 |
CN202410339225.3A Division CN118236087A (zh) | 2018-10-25 | 2018-10-25 | 用于散射校准的系统和方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110914868A CN110914868A (zh) | 2020-03-24 |
CN110914868B true CN110914868B (zh) | 2024-02-23 |
Family
ID=69814587
Family Applications (3)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410339564.1A Pending CN118236088A (zh) | 2018-10-25 | 2018-10-25 | 用于散射校准的系统和方法 |
CN201880043750.3A Active CN110914868B (zh) | 2018-10-25 | 2018-10-25 | 用于散射校准的系统和方法 |
CN202410339225.3A Pending CN118236087A (zh) | 2018-10-25 | 2018-10-25 | 用于散射校准的系统和方法 |
Family Applications Before (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410339564.1A Pending CN118236088A (zh) | 2018-10-25 | 2018-10-25 | 用于散射校准的系统和方法 |
Family Applications After (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410339225.3A Pending CN118236087A (zh) | 2018-10-25 | 2018-10-25 | 用于散射校准的系统和方法 |
Country Status (3)
Country | Link |
---|---|
US (2) | US11087507B2 (zh) |
CN (3) | CN118236088A (zh) |
WO (1) | WO2020082280A1 (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP4153056A4 (en) * | 2020-06-22 | 2023-10-11 | Shanghai United Imaging Healthcare Co., Ltd. | X-RAY IMAGING SYSTEMS AND METHODS |
US11311747B2 (en) * | 2020-07-16 | 2022-04-26 | Uih America, Inc. | Systems and methods for isocenter calibration |
US11880986B2 (en) * | 2021-06-09 | 2024-01-23 | Siemens Medical Solutions Usa, Inc. | Gantry alignment of a medical scanner |
CN113361632A (zh) * | 2021-06-25 | 2021-09-07 | 西门子数字医疗科技(上海)有限公司 | 图像中确定生物组织类别方法、装置、计算机设备和介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101109719A (zh) * | 2006-05-08 | 2008-01-23 | Ge医疗系统环球技术有限公司 | 辐射成像装置和辐射成像方法 |
CN108351429A (zh) * | 2015-10-28 | 2018-07-31 | 皇家飞利浦有限公司 | Ct系统和ct方法 |
CN108389242A (zh) * | 2018-04-10 | 2018-08-10 | 上海联影医疗科技有限公司 | 投影图像的校正方法及装置 |
Family Cites Families (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6678346B2 (en) * | 2001-10-11 | 2004-01-13 | Ge Medical Systems Global Technology Company Llc | Cone-beam CT scanner with image reconstruction using multiple sub-images |
US8144829B2 (en) * | 2008-02-27 | 2012-03-27 | The Board Of Trustees Of The Leland Stanford Junior University | Cone-beam CT imaging scheme |
US9332907B2 (en) * | 2009-02-11 | 2016-05-10 | Siemens Medical Solutions Usa, Inc. | Extracting application dependent extra modal information from an anatomical imaging modality for use in reconstruction of functional imaging data |
US8311182B2 (en) * | 2010-09-22 | 2012-11-13 | General Electric Company | System and method of notch filtration for dual energy CT |
DE102011004598B4 (de) * | 2011-02-23 | 2019-07-11 | Siemens Healthcare Gmbh | Verfahren und Computersystem zur Streustrahlkorrektur in einem Multi-Source-CT |
US8705827B2 (en) * | 2011-04-15 | 2014-04-22 | Georgia Tech Research Corporation | Scatter correction methods |
US8818065B2 (en) * | 2011-07-01 | 2014-08-26 | Carestream Health, Inc. | Methods and apparatus for scatter correction for CBCT system and cone-beam image reconstruction |
JP6747787B2 (ja) * | 2014-08-22 | 2020-08-26 | キヤノンメディカルシステムズ株式会社 | 光子計数型x線ct装置 |
US20170116762A1 (en) * | 2015-10-21 | 2017-04-27 | Carestream Health, Inc. | Apparatus and method for scattered radiation correction |
CN105574828B (zh) * | 2015-12-22 | 2019-01-25 | 沈阳东软医疗系统有限公司 | 图像散射校正方法、装置及设备 |
US10111638B2 (en) * | 2016-05-24 | 2018-10-30 | Toshiba Medical Systems Corporation | Apparatus and method for registration and reprojection-based material decomposition for spectrally resolved computed tomography |
US10402972B2 (en) * | 2017-08-04 | 2019-09-03 | Varian Medical Systems International Ag | Methods and systems for radiation dose estimation |
US10706596B2 (en) * | 2017-09-12 | 2020-07-07 | Canon Medical Systems Corporation | X-ray computed tomography apparatus and image generation apparatus |
CN108542414B (zh) * | 2018-05-14 | 2019-08-23 | 广州华端科技有限公司 | 计算机断层图像的散射校正方法以及装置 |
CN108957515B (zh) | 2018-09-18 | 2020-09-08 | 上海联影医疗科技有限公司 | 确定探测器的能量响应函数的方法、装置和成像系统 |
-
2018
- 2018-10-25 CN CN202410339564.1A patent/CN118236088A/zh active Pending
- 2018-10-25 CN CN201880043750.3A patent/CN110914868B/zh active Active
- 2018-10-25 CN CN202410339225.3A patent/CN118236087A/zh active Pending
- 2018-10-25 WO PCT/CN2018/111764 patent/WO2020082280A1/en active Application Filing
- 2018-12-25 US US16/232,016 patent/US11087507B2/en active Active
-
2021
- 2021-08-09 US US17/444,744 patent/US11875433B2/en active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101109719A (zh) * | 2006-05-08 | 2008-01-23 | Ge医疗系统环球技术有限公司 | 辐射成像装置和辐射成像方法 |
CN108351429A (zh) * | 2015-10-28 | 2018-07-31 | 皇家飞利浦有限公司 | Ct系统和ct方法 |
CN108389242A (zh) * | 2018-04-10 | 2018-08-10 | 上海联影医疗科技有限公司 | 投影图像的校正方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
US20200134885A1 (en) | 2020-04-30 |
CN110914868A (zh) | 2020-03-24 |
CN118236087A (zh) | 2024-06-25 |
US20210366167A1 (en) | 2021-11-25 |
CN118236088A (zh) | 2024-06-25 |
US11875433B2 (en) | 2024-01-16 |
US11087507B2 (en) | 2021-08-10 |
WO2020082280A1 (en) | 2020-04-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Dinkla et al. | MR-only brain radiation therapy: dosimetric evaluation of synthetic CTs generated by a dilated convolutional neural network | |
CN110914868B (zh) | 用于散射校准的系统和方法 | |
Niu et al. | Shading correction for on‐board cone‐beam CT in radiation therapy using planning MDCT images | |
US8615118B2 (en) | Techniques for tomographic image by background subtraction | |
US10706594B2 (en) | Systems and methods for image data processing in computerized tomography | |
WO2021190276A1 (en) | Systems and methods for projection data simulation | |
CN108986182B (zh) | 一种重建ct图像的方法、系统及存储介质 | |
CN114010963B (zh) | 剂量确定的系统、方法及计算机可读存储介质 | |
CN113289274B (zh) | 放射治疗剂量测量的系统和方法 | |
CN108389242A (zh) | 投影图像的校正方法及装置 | |
Hu et al. | Characterization of an advanced cone beam CT (CBCT) reconstruction algorithm used for dose calculation on Varian Halcyon linear accelerators | |
Peterlik et al. | Reducing residual‐motion artifacts in iterative 3D CBCT reconstruction in image‐guided radiation therapy | |
CN111679311B (zh) | 放射治疗中剂量测量的系统和方法 | |
US11538160B2 (en) | Systems and methods for scatter correction of image | |
CN109431528B (zh) | 校正投影图像的系统和方法 | |
WO2019091087A1 (en) | Systems and methods for correcting projection images in computed tomography image reconstruction | |
CN114093463A (zh) | 图像处理的系统和方法 | |
CN112437949B (zh) | 一种用于合成投影图像的方法和系统 | |
Cui et al. | Local-filtration based scatter correction for conebeam ct using planning ct as a prior | |
US20230298233A1 (en) | Systems and methods for material decomposition | |
Myronakis et al. | MV‐based relative electron density estimation (iMREDe) for MR‐LINAC dose calculation | |
Oonsiri | Metal artifact reduction in computed tomography at head and neck region | |
Markwell | MegaVoltage Cone Beam Computed Tomography with a standard medical linear accelerator |
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 |