CN110958856A - 根据谱ct数据集的电子密度数据集的创建 - Google Patents

根据谱ct数据集的电子密度数据集的创建 Download PDF

Info

Publication number
CN110958856A
CN110958856A CN201880048285.2A CN201880048285A CN110958856A CN 110958856 A CN110958856 A CN 110958856A CN 201880048285 A CN201880048285 A CN 201880048285A CN 110958856 A CN110958856 A CN 110958856A
Authority
CN
China
Prior art keywords
electron density
material mixture
attenuation
function
spectral
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.)
Granted
Application number
CN201880048285.2A
Other languages
English (en)
Other versions
CN110958856B (zh
Inventor
N·H·沙皮拉
A·阿尔特曼
Y·亚吉尔
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.)
Koninklijke Philips NV
Original Assignee
Koninklijke Philips NV
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 Koninklijke Philips NV filed Critical Koninklijke Philips NV
Publication of CN110958856A publication Critical patent/CN110958856A/zh
Application granted granted Critical
Publication of CN110958856B publication Critical patent/CN110958856B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0059—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence
    • A61B5/0073—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence by tomography, i.e. reconstruction of 3D images from 2D projections
    • 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
    • A61B6/48—Diagnostic techniques
    • 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
    • A61B6/50—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/52—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
    • 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
    • A61N—ELECTROTHERAPY; MAGNETOTHERAPY; RADIATION THERAPY; ULTRASOUND THERAPY
    • A61N5/00—Radiation therapy
    • A61N5/10—X-ray therapy; Gamma-ray therapy; Particle-irradiation therapy
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2223/00—Investigating materials by wave or particle radiation
    • G01N2223/40—Imaging
    • G01N2223/419—Imaging computed tomograph
    • 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

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Medical Informatics (AREA)
  • Physics & Mathematics (AREA)
  • Heart & Thoracic Surgery (AREA)
  • General Health & Medical Sciences (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Veterinary Medicine (AREA)
  • Pathology (AREA)
  • Radiology & Medical Imaging (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Public Health (AREA)
  • High Energy & Nuclear Physics (AREA)
  • Optics & Photonics (AREA)
  • Theoretical Computer Science (AREA)
  • Pulmonology (AREA)
  • General Physics & Mathematics (AREA)
  • Dentistry (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Apparatus For Radiation Diagnosis (AREA)
  • Radiation-Therapy Devices (AREA)

Abstract

一种关于医学图像形成或辐射处置规划的领域中的应用的用于将谱CT数据集转换为电子密度数据集的方法。所述方法包括基于获得的电子密度值(诸如组织代用品上的数据)拟合一般化电子密度预测模型的自由参数的准备方法，以及分别使用所述拟合参数预测模型和谱分解CT数据作为第一输入和第二输入的转换方法。所述方法在双能量CT中并且更具体而言在双层探测器CT系统中是特别有用的。

Description

根据谱CT数据集的电子密度数据集的创建
技术领域
本发明总体涉及计算机断层摄影(CT)扫描系统中的图像重建的领域，并且具体涉及双能量计算机断层摄影扫描系统中的电子密度图像的创建。
背景技术
计算机断层摄影(CT)扫描系统是在现今的现代医学健康护理基础设施中无所不在的诊断工具。CT扫描器基于X射线吸收特性来实施医学成像技术并且因此允许对位于身体内部的解剖结构(例如，骨骼、组织、器官等)的解剖结构的无创检查。现代工业技术还寻求非破坏性检查系统，其导致工业CT扫描系统的开发。其通常被用于对材料(例如，焊接金属件)的质量控制，诸如，例如探测和表征归因于多孔性、结构缺陷、裂纹等的潜在风险。
然而，从历史视角看，已经针对人类的医学筛查开发了CT扫描器。这由在标准温度和压力条件下的水和空气的线性衰减系数方面定义的医学CT应用中所使用的标准亨氏放射密度单位(HU)反映。在人体组织的大的部分中自然地发现这两种形式的物质。与生物物质相比较，替代地，身体内的金属结构(诸如髋关节植入物、支架或螺丝)示出非常不同的吸收行为。实际上，在CT文献中已知的是：身体内部的金属的存在常常引起重建图像中的图像拖尾和杯状伪影，因此，急剧降低其诊断有用性。这些伪影部分地归因于每当多色X射线束的较低能量谱分量经历比较高能量谱含量更强的吸收时发生的射束硬化(BH)，这导致射束的平均谱能量的向上偏移。射束硬化特别地对于金属材料是强的，而且在某种程度上对于有机材料(诸如骨骼)并且对于常用造影剂(诸如碘)存在是强的。BH伪影并且因此标准CT放射密度单位(HU)取决于X射线束的谱宽度以及患者的位置、大小和内部解剖结构。对标准CT扫描中的BH和金属伪影的限制贡献进行校正不仅仅改善图像准确度和对比度，而且贡献于基于来自标准CT扫描的输入数据而模拟或规划的更准确的放射治疗处置。该方面中的特别相关的是，找到质子治疗中的质子停止功率的计算所依据的准确电子密度图像的创建。
通常，谱CT并且特别是双能量CT收集由多色X射线束照射的组织的额外谱信息。利用X射线光子的衰减的众所周知的材料和能量相关性，谱CT方法实现了允许在固有材料衰减与局部密度之间进行区分的谱图像分解。谱CT方案已经发现许多感兴趣应用是在等效材料分解模型上建立的，例如，肾结石分化、组织分化、生物组织的材料分解、结肠镜检查CT和息肉检测、K边缘检测、来自低浓度造影剂的增强信号、BH校正、金属伪影减少等。为了便于其实施、处理速度和计算资源的适度需求，意识到了在后处理步骤中执行的分解模型，因为其常常以用于求解线性方程组的矩阵形式来说明。更重要地，谱CT技术允许辐射剂量和注入造影剂的减少。存在采集双能量CT图像的四种常见技术：快速kVp切换、双源CT、双层传感器CT以及顺序CT扫描。
谱CT的技术进步以及所提供的其相关的额外谱信息还具有质子放射治疗处置的益处，因为更准确的电子密度图像的创建导致对质子停止功率的更准确的计算并且因此导致辐射剂量的较低施予并且导致避开周围组织的更靶向的辐照斑点。
EP2749219A1(TSINGHUA UNIVERSITY,NUCTECH COMPANY LIMITED)公开了一种多能量CT设备以及一种用于获得电子密度图像的成像方法。所述电子密度图像是通过将分解模型应用到后处理流程中的混合重建多能量CT图像的衰减系数并且通过将电子密度预测为由相应分解系数加权的已知基材料电子密度的总和来创建的。假定预测电子密度与分解系数之间的固定关系。不利的是，通过这样的受限关系计算的电子密度在具有不同构成的各种各样的组织(诸如软组织和骨骼)上并且对于选定的基材料对可能不是同样准确的。
发明内容
本发明的实施例的目标是提供一种用于将CT数据集转换为电子密度数据集的准确的方法和设备。
为了实现上文所提到的目标，在第一方面中，本发明提供一种用于预测电子密度的准备方法以及一种用于将谱CT数据集转换为电子密度数据集的方法。
所述准备方法包括以下步骤。在第一步骤中，表示至少一种材料混合物的衰减特性的第一衰减系数被建模为：针对归因于衰减的物理现象的至少两个不同值(例如，至少两个不同X射线光子能量值)的第一集合的所述至少一种材料混合物的构成元素的第二衰减系数的组合。在第二步骤中，确定针对所述至少一种材料混合物中的每种材料混合物的材料分解模型的基分量，每个基分量是所述第一衰减系数的函数。所述确定是通过对使所述第一衰减系数与由归因于衰减的物理现象的至少两个不同值(例如，两个不同X射线光子能量值)的第二集合所确定的已知基材料衰减系数的组合相关的方程组进行求解来执行的。在第三步骤中，两个基分量的参数化函数被拟合到所述材料混合物的所获得的电子密度，因此，获得具有预测所述材料混合物的电子密度的拟合参数的集合的函数。
在本发明的一些实施例中，归因于衰减的物理现象的第一集合和第二集合可以是相同的，例如，在两个不同能量值处的X射线的衰减。在备选实施例中，归因于衰减的物理现象的集合中的一个或者这两者可以由质子或中子的衰减测量结果给出。
用于将谱CT数据集转换为电子密度数据集的所述方法包括以下步骤。第一，至少获得预测材料混合物的电子密度的函数的拟合参数的集合，例如是从存储介质取回的，由此，拟合参数的集合是通过执行如上文所阐述的准备方法的步骤获得的。第二，获得包括多个测量点的谱CT数据集，并且针对所述CT数据集内的每个测量点来提取基分量。最后，具有拟合参数的集合的函数被应用到所提取的基分量，由此获得电子密度数据集。
用于获得具有预测材料混合物的电子密度的拟合参数的集合的函数的准备方法可以紧接地跟随有将该函数应用到所提取的基分量以便获得所述电子密度数据集，但是情况不必是这样。在备选实施例中，获得所述电子密度数据集可以基于具有预测材料混合物的电子密度的拟合参数的集合的函数来完成，该函数是借助于先前执行的准备方法获得的。定义函数以及拟合参数的集合可以出于该目的被存储在适合的计算机可读存储介质上。
在本发明的特定实施例中，一种用于将谱CT数据集转换为电子密度数据集的方法因此可以包括：
将表示至少一种材料混合物的衰减特性的第一衰减系数建模为：针对归因于衰减的物理现象的至少两个不同值的所述至少一种材料混合物的构成元素的第二衰减系数的组合；
确定针对所述至少一种材料混合物中的每种材料混合物的材料分解模型的基分量，每个分量是所述第一衰减系数的函数，所述确定是通过对使所述第一衰减系数与归因于衰减的物理现象的至少两个不同值的已知基材料衰减系数的组合相关的方程组进行求解来执行的；
将所述两个基分量的参数化函数拟合到所述材料混合物的所获得的电子密度，由此获得具有预测所述材料混合物的电子密度的拟合参数的集合的函数；
获得包括多个测量点的谱CT数据集，提取所述CT数据集内的每个测量点的基分量，并且将具有拟合参数的集合的函数应用到所提取的基分量，由此获得电子密度数据集。
在根据本发明的实施例的方法中，所述至少一种材料混合物的构成元素的第二衰减系数的组合可以是线性叠加。所述至少一种材料混合物的构成元素的第二衰减系数可以被表达为：加权质量衰减系数；与所述材料混合物中的构成元素的给定质量部分相对应的权重。
在根据本发明的实施例的方法中，所述至少一种材料混合物的构成元素的第二衰减系数可以从关于组织组成的所获得的数据以及关于质量衰减系数的所获得的数据来推断。
在根据本发明的实施例的方法中，使所述第一衰减系数与归因于衰减的物理现象的至少两个不同值处的已知基材料衰减系数的组合相关的方程组可以是线性方程组。
在本发明的实施例中，将所述两个基分量的参数化函数拟合到所述材料混合物的所获得的电子密度可以涉及将所述两个基分量的多项式函数拟合到所述材料混合物的所获得的电子密度。所述多项式函数可以具有一阶。
在本发明的一些实施例中，因此，多项式模型可以被用作预测电子密度的函数，例如，具体可以使用线性函数。这对评价速度(其是实时CT成像中的临界参数)具有积极影响。此外，这允许较快的模型优化(即参数拟合)以及模型质量检查。实际上，能够在针对不同CT应用的不同模型之间快速地切换或者快速地选择较好模型或者甚至模型包中的最好的模型。
在本发明的一些实施例中，所述参数拟合策略依赖于在低于给定误差阈值的L1范数下减小残差的总和。L1范数也被称为最小绝对偏差或最小绝对误差。其基本上使目标值(所获得的值)与所述预测值之间的绝对差的总和最小化。将L1范数选取为针对预测值与所获得的值之间的电子密度中的绝对差的误差范数具有降低归因于异常值的重要性的益处。此外，其有意地将额外权重转移到具有高期望电子密度的组织，诸如电子密度准确度在辐射规划中最显著的骨骼。
在本发明的一些实施例中，所采集的谱CT数据集可以通过双能量CT(并且更具体而言通过双层探测器CT系统)获得。后者既不要求额外的次级源也不要求重复的扫描。其还足以将所述传感器校准到仅一个X射线源并且所述视场恒定。无需特别注意归因于在这样的系统中的图像配准和内插方案，其连同在螺旋CT扫描器中的快速扫描一起使针对移动器官(例如，心脏)的实时监测称为有吸引力的候选，或者研究药物或造影剂的摄取。
在本发明的实施例中，所述分解模型可以是双基材料分解。这对于在速度和资源方面的计算效率特别有益，因为这些基材料分解模型可以以描述需要求解的线性方程组的矩阵形式容易地实施。此外，基材料分解模型已经成功实施以便在所述造影剂仅具有低浓度或者另外所述局部组织组成中的小差异难以斑点化的情况下增加所述图像对比度。这对早期诊断和决策制定具有许多积极影响。
在第二方面中，本发明提供一种用于将谱CT数据集转换为电子密度数据集的数据处理设备。所述数据处理设备包括：
输入端口，其用于至少接收预测材料混合物的电子密度的函数的拟合参数的集合；所述拟合参数的集合是通过执行本发明的准备方法的实施例的步骤来获得的，
输入端口，其用于接收包括多个测量点的谱CT数据集，以及
处理设备，其用于提取针对所述CT数据集内的每个测量点的基分量，并且将接收到具有拟合参数的集合的函数应用到所提取的基分量，由此获得电子密度数据集。
所述数据处理设备还可以包括用于存储数据并且用于允许从其取回数据的存储单元。其可以包括用于执行根据本发明的第一方面的实施例的转换方法的步骤的设备。
在本发明的实施例中，所述数据处理设备可以是计算机、计算机集群、GPU阵列、微处理器或FPGA，因此被布置为执行根据本发明的第一方面的方法实施例。本发明的实施例的优点在于：所述转换方法可以容易地并行化并且分布在计算硬件上，使得可以快速地获得电子密度数据集以及其虚拟化。
在第三方面中，本发明提供了一种包括使得根据本发明的第二方面的实施例的数据处理设备执行根据本发明的第一方面的实施例的转换方法的步骤的指令的计算机程序产品。
在本发明的实施例中，所述计算机程序产品可以被存储在数据载体上，并且本发明包括数据载体，诸如CD-ROM、存储器键、软盘、USB棒、CD或DVD、SD卡，其以机器可读形式来存储所述计算机产品并且其在数据处理设备上被运行时执行本发明的方法中的至少一种方法。
在第四方面中，本发明提供了一种经由压缩存储介质(例如，USB棒、CD、SD卡或DVD)或者通过网络(诸如，例如因特网)对数据的传输，其使得根据本发明的第二方面的数据处理设备执行根据本发明的第一方面的转换方法的步骤。这样的传输进行用于将CT数据集转换为主要可用于医学健康护理领域中的诊所和机构和企业的电子密度数据集的转换方法，其可以使用所部署的软件来获得更准确的电子密度估计，例如作为放射治疗规划系统或软件的输入。这继而导致对质子停止功率的更准确的计算，例如，其对于患者具有许多益处，例如所施予的剂量的降低、或者避开周围健康组织的质子束的经改善的聚焦。
在随附的独立权利要求和从属权利要求中阐述了本发明的特定和优选方面。来自从属权利要求的特征可以与独立权利要求的特征并且酌情与其他从属权利要求的特征组合而不仅仅是如在权利要求中明确阐述的。
出于概述本发明的目的并且在现有技术上实现的优点，上文在本文中已经描述了本发明的某些目标和优点。当然，应当理解，所有这样的目标或优点不必可以根据本发明的任何特定实施例实现。因此，例如，本领域技术人员将认识到，本发明可以以实现或优化如在本文中所教导的一个优点或优点组的方式实现或执行而不必实现如在本文中可以教导或建议的其他目标或优点。
本发明的以上和其他方面将根据在下文中所描述的(一个或多个)实施例而显而易见并且参考在下文中所描述的(一个或多个)实施例得以阐述。
附图说明
现在将参考附图仅通过范例的方式来描述本发明，在附图中：
图1示出了图示根据本发明的实施例的准备方法和转换方法两者的步骤的过程流程图；
图2显示了用于ICRU 44组织代用品的大集合的线性电子密度预测函数的参考值和拟合结果；并且
图3至图6显示了针对组织表征体模的两个不同剂量水平(250mA和500mA)处的实验获得和计算的电子密度之间的绝对差和相对差；图3和图4分别示出了针对两个剂量水平的绝对差和相对差；并且图5和图6图示了被分离为不同剂量水平的相对差。
具体实施方式
本发明将关于特定实施例并且参考某些附图来描述，但是本发明并不限于此，而是仅由权利要求来限定。
说明书和权利要求中的术语第一、第二等被用于在相似元件之间进行区分而不一定用于以排名或者以任何其他方式来时间地或空间地描述序列。将理解到，这样使用的术语在适当的情况下是可交换的，并且在本文中所描述的本发明的实施例能够进行除了在本文中所描述或所图示的之外的其他顺序的操作。
将注意到，在权利要求中所使用的术语“包括”不应当被解读为限于此后列出的单元；其不排除其他元件或步骤。因此，其将被解读为指定如提到的说明特征、整体、步骤或部件的存在，但是不排除一个或多个其他特征、整体、步骤或部件或者其组的存在或添加。因此，表达“一种设备包括单元A和B”的范围不应当限于仅包括部件A和B的设备。其意指相对于本发明，设备的仅相关部件是A和B。
贯穿本说明书对“一个实施例”或“实施例”的引用意指结合实施例所描述的特定特征、结构或特点被包括在本发明的至少一个实施例中。因此，贯穿本说明书的各个地方中的短语“在一个实施例中”或“在实施例中”的出现不必但是可能全部指代相同实施例。此外，在一个或多个实施例中，特定特征、结构或特性可以以任何适合的方式来组合，如从本公开对于本领域普通技术人员将明显的。
类似地，应当意识到，在本发明的示范性实施例的描述中，出于使本公开合理化并且辅助对各种发明方面中的一个或多个发明方面的理解的目的，本发明的各种特征有时一起分组在单个实施例、附图或者其描述中。然而，本公开的该方法将不被解读为反映要求保护的本发明要求比每个权利要求中明确记载的更多的特征的意图。相反，如以下权利要求反映，发明方面在于单小于前述所公开的实施例的所有特征。因此，在详细描述之后的权利要求由此明确地并入该详细描述中，其中，每个权利要求其自己作为本发明的单独实施例。
此外，尽管在本文中所描述的一些实施例包括一些但是非包括在其他实施例中的其他特征，但是不同实施例的特征的组合旨在在本发明的范围之内，并且形成不同实施例，如将由本领域技术人员理解的。例如，在以下权利要求中，能够以任何组合使用要求保护的实施例中的任意实施例。
在本文中所提供的描述中，阐述了许多特定细节。然而，将理解到，可以在没有这些特定细节的情况下实践本发明的实施例。在其他实例中，众所周知的方法、结构和技术尚未详细示出以便不使本描述的理解模糊。
图1的流程图概述了根据本发明的实施例的准备方法100和转换方法101的主要步骤。准备方法100旨在获得参数化函数连同作为对后续转换方法101的第一输入的参数的特定集合，转换方法101将CT数据集转换为电子密度数据集。本发明的实施例的优点在于：转换方法101使用谱CT数据集(例如，由双层探测器CT扫描记录的数据集)作为第二输入，并且由此高效地利用由这样的扫描传达的额外谱能量信息内容。利用额外谱能量维度的一种方式是分解模型的引入。该模型将可以由来自标准CT亨氏单位的扫描器特定校准曲线获得的测量衰减系数分解为在测试下表示生物组织或物质的两个或更多个等效分解系数作为已知和表征的基材料的等效混合物。双能量应用中的常见模型是在等式1中数学地表达的线性双基材料分解模型：
μx,CT(r,E)＝c1(r)μb1(E)+c2(r)μb,2(E) (等式1)
线性双基材料分解模型的特殊特征是其将来自未知材料组成的CT数据点的测量衰减系数的空间和能量相关性分解成与已知基材料(b1、b2)的质量密度和能量相关固有衰减项有关的仅空间相关系数的能力。应当看到，这样的分解模型可以被用于克服标准CT亨氏单位的定性属性并且引入执行CT扫描的更定量的方式；质量密度和局部固有材料构成可以由这样的模型成功地识别。
取决于所扫描的身体区域或医学检查，如果目标是增加在骨骼和软组织发生重叠或者人们可能希望从图像当中去掉骨骼的区域中的图像对比度，则可以选择不同的基材料，例如软组织和骨骼。另一范例可以是对肾结石的区分，在这种情况下，人们可以选择将针对尿酸的射线可透的低原子数混合物很好地与针对草酸钙的不透射线的较高原子数混合物相区分的基材料对。使用本发明的实施例中的材料分解CT数据集是有利的，因为这常常允许在患者扫描期间的剂量降低。应用迭代的前向校正方法以便减少金属伪影、减少噪声和扫描贡献并且补偿BH效果的可能性构成使用本发明的实施例中的材料分解CT数据集的另一重要优点。
从等式1明显的是，如果这样的等式是针对至少两个不同能量值建立的，则可以导出可以对应于临床CT运行中的体素的大小上平均的扫描身体区域的空间相关分解系数c1、c2。这两个能量值常常被称为双能量CT中的能量对。在本发明的特定实施例中，该能量对或多个能量值可以是kVp切换或双X射线源的平均能量值，例如，针对80keV和140keV管电压的45keV和80keV。在备选实施例中，可以从谱双层X射线探测器或光子计数能量分辨像素探测器阵列获得该能量对或多个能量值。通常，双X射线源和双层X射线探测器以这样的方式来设计：其试图增加或最大化X射线能量带的分离；谱X射线带的最小重叠可以实际上增加电子密度预测准确度。如果在超过两个能量值处建立等式1，或者如果应用额外约束(例如，质量转换)，如果等式1被扩展为包括其他基材料项，则可以导出超过两个分解系数，例如三个分解系数。本发明的实施例的优点在于：在没有大量的计算时间和负载添加的情况下，等式1的矩阵形式的线性方程组可以通过高效建立算法(例如，LU分解或Cholesky因式分解)针对每个数据点处的分解系数来求解。这与迭代非线性分解技术(例如不可分离的ρ-Z分解方法)相反，其要求大量的计算努力并且常常被实施为使用前向投射校正的预处理步骤。除了空间上的相关性之外，分解系数取决于在研究下的未知组织或材料混合物并且位于空间变量暗示的该特定数据点处。因此，不同组织组成和类型引起经由其特定衰减系数μx；CT的分解系数的不同值集。因此，本发明的实施例的优点在于：关于在这些数据点处的电子密度估计利用在每个数据点处的分解系数的导出的值集中编码的组织组成信息(例如，关于材料混合物的信息)。在理论和实验处置中，通常假定线性衰减系数和电子密度彼此成正比。该方案在现有技术研究和发明中反映了试图将双基材料分解模型的益处与从双能量CT扫描获得电子密度估计的可能性相组合：与等式1一致并且在固定比例常数的假定下，双基材料分解的估计电子密度ρ被表达为在等式1中所指示的。
ρx,CT(r)＝c1(r)ρb1+c2(r)ρb,2 (等式2)
等式2是电子密度的近似。尽管以易于评价的便利形式说明并且在一些情况中满意，但是可能需要进一步改善预测电子密度值，例如，用于依赖于准确的电子密度图像的精确放射治疗规划系统。在临床X射线能量处的光子散射截面的近似表达中找到对衰减系数与电子密度之间的比例的假定。然而，还真实的是，比例的系数不是常量，而是取决于X射线光子能量以及原子数Z。取决于组织是否具有一致的有效原子数或者包括来自高Z数材料的贡献，从等式2导出的电子密度估计将是更准确或更不准确的。如果基材料电子密度值或分解系数是通过实验手段获得的，则被包含在通过平均能量值和测量噪声贡献描述的多色X射线束中的能量上的平均效果最终导致在等式2中未计算出的其他非线性和不精确度。克服特定类型的组织中的高原子数贡献的影响的一种建议的方式是切换基材料对。然而，切换阈值以及通过第二基材料对替换第一基材料对是经验选择并且在特定情况下可能不满足期望的性能准则。还需要第二基材料对的仔细表征。在本发明的实施例中，准确的电子密度估计是通过对等式2的函数关系一般化来获得的，以便引入针对电子密度预测的更灵活的模型。本发明的特定实施例的优点在于：双基材料分解模型的独有基材料对能够被用于获得准确的电子密度估计。此外，本发明的实施例的优点在于：一般化模型可以部分或全部补偿若干提到的误差贡献，诸如X射线谱能量范围相关性、归因于衰减系数与电子密度之间的比例的假定的近似误差以及测量噪声、伪影和非线性。在本发明的特定实施例中，一般化模型将是多项式模型，包括线性模型；这在具有gij作为多项式系数的等式3中所描述的。对于这样的特定实施例，在没有大量的计算负载或时间的情况下，容易计算电子密度估计。此外，并且与根据图2的方案相反，不需要提供关于可能难以获得或表征的基材料对的电子密度值的先验信息。
Figure BDA0002374473300000111
在本发明的实施例中，所述准备方法旨在提供被部署在后续转换方法中作为对预测电子密度估计的函数(例如，等式3的函数)的第一输入的拟合参数的集合，例如多项式系数。所述转换方法适于CT数据集并且创建电子密度数据集。在本发明的实施例中，CT数据集可以包括分解模型的分解系数被分配(例如，反映体素体积内部的两个选定的基材料的两个等效质量密度的双基材料分解模型c1、c2的系数)的体素的序列。对于这样的实施例，所述转换方法使用例如等式3将CT数据集的每个体素的分解系数(对电子密度预测函数的第二输入)映射到针对完全相同体素的电子密度估计。由此获得的电子密度估计的序列被包括在可以被可视化并且解读为一幅或多幅电子密度图像的电子密度数据集中。
使所述准备方法输出拟合参数的集合作为对预测电子密度估计的函数的第一输入，需要适合的拟合程序。在本发明的实施例中，这样的拟合流程可以包括以函数的预测输出接近于指定目标值的方式来适配参数。在这种情况下“接近”意指在预定义误差容限内并且符合适合的误差量度。在特定实施例中，所述目标值可以是针对相应材料混合物(例如，身体组织，诸如脂肪或皮层骨等)的电子密度的所获得的参考值。针对电子密度的这样的参考值可以是通过表征先前进行的实验获得的，或者其可以从出版报告中取回，例如ICRU 44报告“Tissue Substitutes in Radiation Dosimetry and Measurement”，Report 44 ofthe International Commission on Radiation Units and Measurements(ICRU)，Bethesda，MD。这样的特定实施例的优点是参考组织代用品的报告的电子密度值，因为那些报告的值通常是在消除将以其他方式导致较高不确定性并且将传播到拟合函数的较不准确的电子密度预测结果的许多有害误差源的高实验标准下获得的。对于这样的实施例，适合的误差量度可以是在给定组织代用品的电子密度的所有取回参考值的L1范数下的残差的总和，如在等式4中所指示的，其中，ρi,CT是针对报告的给定组织代用品“i”的等式3的一般化模型的输出值。在稍后阶段处解释在其针对报告的这样的给定组织代用品“i”输入等式3中时确定分解系数的方式。
Figure BDA0002374473300000121
这样的特定实施例的优点在于：对应于均方误差的残差和(使目标值(获得的值)与预测值之间的差的平方的总和最小化)的共同L2范数上的L1范数，因为L1范数不将额外权重归因于可能的异常值。此外，特定优点是减小了低于给定误差容限的绝对电子密度差中的误差的残差和，而不是使用例如降低将导致调查的电子密度值的范围上的更均匀分布误差的相对电子密度差(比)中的误差的残差和的更常见方案。因此，原因可以是旨在将额外权重转移到具有高期望电子密度的组织，例如骨组织，因为这些组织的准确度对于辐射规划具有较高重要性。图2示出了预测电子密度的一阶多项式的拟合流程实现如由ICRU 44报告给出的组织代用品(圆形)的报告电子密度值与针对那些组织代用品(实线)(甚至针对具有高电子密度(以水中的电子密度为单位的图xx中所测量的)的组织代用品)的预测电子密度值之间的良好的一致。
然而，在一些实施例中，所述转换方法使用以可以通过求解针对给定能量对和基材料对如在等式1中所指示的线性方程组从测量到的CT衰减系数获得的CT数据集的形式提供的分解系数，所述准备方法要求针对给定材料混合物集合(例如，ICRU 44报告的所有组织代用品)提供分解系数作为对一般化预测模型(例如，等式3中的模型)的输入的单元。在本发明的特定实施例中，类似于等式1，这是通过建立针对给定能量对(E1、E2)和基材料对的线性方程组，但是通过由特定于所述能量E1、E2处的报告组织代用品μi,报告的衰减系数的获得的参考值替换由CT扫描μx,CT测量的衰减系数，来求解的。然后，针对分解系统c1、c2来求解该线性方程组。然而，可以实施分解系数与所获得的参考衰减系数之间的其他函数关系，例如，非线性拟合参数模型。本发明的特定实施例的优点在于：用于提供分解系数作为对一般化预测模型(例如，等式3中的模型)的输入的选定的基材料对b1、b2可以与在基于记录的CT数据集的电子密度预测基础上由转换方法使用的相同基材料对。这是有用的，因为不要求关于其他基材料选定的另外的校准步骤。本发明的实施例可以使用水和CaCl2溶液作为基材料对。另外，其证明对于使用例如通过组织表征体模来表征和校准的基材料用于其用在双能量CT中，因为其包括影响分解系数的值并且因此对实际CT数据集的预测电子密度值具有影响的相关测量方面。这样的效果可以包括X射线束的多色谱和探测器的能量谱响应。在本发明的备选实施例中，可以使用其衰减系数可以是从报告数据获得的纯理论基材料对。这可以是数值研究中的优点：不必严格匹配到实验CT条件。在本发明的特定实施例中，由于等式5中所指示的关系，因而特定于至少两个能量E1、E2处的报告组织代用品μi,报告的衰减系数是从NIST XCOM数据中列出的组织成分的列表质量衰减系数μm,j和从在ICRU 44报告中列出的组织成分的相应质量分数ωj推断的。
Figure BDA0002374473300000131
已经针对本发明的实施例实验地验证电子密度的良好预测准确度。对于这样的实施例，已经使用具有根据在上文中已经描述的准备方法的实施例适配的三个自由参数的线性电子密度预测模型，例如在等式3中所指示的类型的模型。在实验中，拟合线性模型已经被用作将来自在两个不同剂量水平处的Gammex 467组织表征体膜上执行的六个双能量CT扫描在250mA处的3次扫描(CTDIvol＝28.9mGy)以及在500mA处的3次扫描(CTDIvol＝57.8mGy)的数据转换为包括皮层骨、胸部、脂肪和肺LN300的总计十三个组织代用品的电子密度估计的转换方法的输入。图3至图6涉及相对于水的电子密度的测量电子密度与预测电子密度之间的绝对差和相对差。电子密度中的绝对差通常在水的电子密度的±1.5％的范围内，其中，大多数组织类型具有包括高电子密度组织代用品(诸如内骨、骨盐和CaCO3)的±0.5％范围内的第一和第三四分位数。中值电子密度中的相对差通常相对于水的电子密度低于±0.5％，仅有的例外是肝和肺。从图5与图6之间的比较还应当看到，当仅与250mA的较低剂量相比较时，500mA处的较高剂量扫描降低如从针对大多数组织代用品的多个扫描重复获得的误差裕量。
在本发明的实施例中，通过执行准备方法的步骤所获得的拟合参数可以被存储在存储介质上，诸如计算机可读介质，其包括CD-ROM、DVD、软盘、USB设备、SD卡、硬盘驱动器、闪盘驱动器、DRAM等。这些参数可以被复制并且分布以用在试图将多能量CT数据集转换为电子密度数据集的CT扫描系统中。在一些实施例中，CT扫描系统可以包括数据处理设备，例如计算机、计算机群、GPU阵列、微处理器或FPGA，其首先从计算机可读介质读取存储的拟合参数并且将其用作针对还可以由所述处理设备执行的转换方法的输入。在本发明的其他实施例中，所述拟合参数可以是当在处理设备上运行时执行转换方法的步骤的计算机程序的部分。在这样的实施例中，一般化模型的拟合参数是安装的计算机程序的部分并且在任何时候可以由其取回。所述计算机程序将通常接收由CT扫描硬件获得的在线数据或离线数据，在该CT扫描硬件上，其操作转换方法以便获得可以被可视化或显示为电子密度图像的电子密度数据集。这些图像可以被用作对后续放射治疗规划系统或离子停止功率计算的输入。在本发明的其他实施例中，处理设备可以接收所述准备方法的存储的拟合参数值、CT数据集或者这两者作为网络链路上的传输信号并且此后将CT数据集转换为电子密度数据集，执行可以被安装在所述计算机上或者也可以经由所述网络链路接收的转换方法的指令。
尽管已经在附图和前述描述中详细图示和描述了本发明，但是这样的图示和描述将被认为是说明性或示范性而非限制性的。前述描述详述本发明的某些实施例。然而，将意识到，无论前述内容在文本中如何详细出现，本发明可以以许多方式来实践。本发明并不限于所公开的实施例。
通过研究附图、说明书和随附的权利要求书，本领域技术人员在实践所主张的本发明时可以理解和实现所公开的实施例的其他变型。在权利要求中，词语“包括”不排除其他元件或者步骤，并且量词“一”或“一个”不排除多个。

Claims (12)

1.一种用于将谱CT数据集转换(110)为电子密度数据集的方法，所述方法包括：
至少取回预测材料混合物的电子密度的函数的拟合参数的集合，所述拟合参数的集合是通过执行准备方法(100)来获得的，所述准备方法包括以下步骤：
将表示至少一种材料混合物的衰减特性的第一衰减系数建模为：针对归因于衰减的物理现象的至少两个不同值的第一集合的所述至少一种材料混合物的构成元素的第二衰减系数的组合；
确定针对所述至少一种材料混合物中的每种材料混合物的材料分解模型的基分量，每个分量是所述第一衰减系数的函数，所述确定是通过对使所述第一衰减系数与由归因于衰减的物理现象的至少两个不同值的第二集合确定的已知基材料衰减系数的组合相关的方程组进行求解来执行的；
将两个基分量的参数化函数拟合到针对所述材料混合物的所述电子密度的获得的参考值，由此获得具有预测所述材料混合物的电子密度的拟合参数的集合的函数；用于转换谱CT数据集的所述方法还包括：
获得包括多个测量点的谱CT数据集，提取针对所述CT数据集内的每个测量点的基分量，并且将具有所述拟合参数的集合的所述函数应用到所提取的基分量，由此获得电子密度数据集，其中，将所述两个基分量的参数化函数拟合到所述材料混合物的获得的电子密度涉及将所述两个基分量的高阶多项式函数拟合到所述材料混合物的获得的电子密度。
2.根据前述权利要求所述的方法，其中，所述至少一种材料混合物的构成元素的第二衰减系数的所述组合是线性叠加。
3.根据权利要求2所述的方法，其中，所述至少一种材料混合物的构成元素的所述第二衰减系数被表达为加权质量衰减系数；权重对应于所述材料混合物中的构成元素的给定质量部分。
4.根据前述权利要求中的任一项所述的方法，其中，所述至少一种材料混合物的构成元素的所述第二衰减系数是根据获得的关于组织组成的数据和获得的关于质量衰减系数的数据来推断的。
5.根据前述权利要求中的任一项所述的方法，其中，使所述第一衰减系数与归因于衰减的物理现象的所述至少两个不同值的已知基材料衰减系数的组合相关的所述方程组是线性方程组。
6.根据前述权利要求中的任一项所述的方法，其中，将所述两个基分量的参数化函数拟合到所述材料混合物的获得的电子密度是通过以下操作实现的：适配函数参数以使得所述材料混合物的预测的电子密度与所述材料混合物的所述获得的电子密度之间的残差的总和低于根据误差量度的阈值。
7.根据权利要求6所述的方法，其中，针对所述材料混合物的所述预测的电子密度与所述材料混合物的所述获得的电子密度之间的残差的所述总和的所述误差量度是L1误差范数。
8.一种用于将谱CT数据集转换为电子密度数据集的数据处理设备，所述设备包括：
用于至少接收预测材料混合物的电子密度的函数的拟合参数的集合的输入端口；所述拟合参数的集合是通过执行根据权利要求1-8中的任一项所述的准备方法的步骤获得的，
用于接收包括多个测量点的谱CT数据集的输入端口，以及
处理设备，其用于提取针对所述CT数据集内的每个测量点的基分量，并且将接收到的具有所述拟合参数的集合的函数应用到所提取的基分量，由此获得电子密度数据集。
9.一种包括指令的计算机程序产品，所述指令使得根据权利要求9所述的数据处理设备执行根据权利要求1至8中的任一项所述的方法的步骤。
10.一种在其上存储有根据权利要求9所述的计算机程序产品的计算机可读数据载体。
11.一种使得根据权利要求8所述的设备执行根据权利要求1至7中的任一项所述的方法的步骤的通过网络对数据的传输。
12.一种根据权利要求10所述的计算机程序产品在质子放射治疗规划系统中的用途。
CN201880048285.2A 2017-07-21 2018-07-27 根据谱ct数据集的电子密度数据集的创建 Active CN110958856B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
EP17182477.4A EP3431007B1 (en) 2017-07-21 2017-07-21 Creation of electron density datasets from spectral ct datasets
PCT/EP2018/070490 WO2019016413A1 (en) 2017-07-21 2018-07-27 CREATING ELECTRON DENSITY DATA SETS FROM SPECTRUM TOMODENSITOMETRY DATA SETS

Publications (2)

Publication Number Publication Date
CN110958856A true CN110958856A (zh) 2020-04-03
CN110958856B CN110958856B (zh) 2023-08-29

Family

ID=59399258

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201880048285.2A Active CN110958856B (zh) 2017-07-21 2018-07-27 根据谱ct数据集的电子密度数据集的创建

Country Status (5)

Country Link
US (1) US11089960B2 (zh)
EP (1) EP3431007B1 (zh)
JP (1) JP6786006B2 (zh)
CN (1) CN110958856B (zh)
WO (1) WO2019016413A1 (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112950572A (zh) * 2021-02-26 2021-06-11 西安交通大学 一种数据处理及迭代矫正方法、系统、介质及设备
WO2023036334A1 (en) * 2021-09-13 2023-03-16 Shanghai United Imaging Healthcare Co., Ltd. Methods and systems for image processing

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20060109949A1 (en) * 2004-11-24 2006-05-25 Tkaczyk J E System and method for acquisition and reconstruction of contrast-enhanced, artifact-reduced ct images
CN103649990A (zh) * 2011-07-15 2014-03-19 皇家飞利浦有限公司 用于谱ct的图像处理
WO2015171056A1 (en) * 2014-05-04 2015-11-12 Spectronic Ab Method for generating synthetic electron density information for dose calculations based on mri
CN106133790A (zh) * 2014-03-28 2016-11-16 皇家飞利浦有限公司 用于在组织种类分离的帮助下基于磁共振图像生成一幅或多幅计算机断层摄影图像的方法和设备
CN106473761A (zh) * 2016-10-14 2017-03-08 山东大学 一种医学双能ct 电子密度图像的重建与数值校准方法
CN106537456A (zh) * 2014-07-17 2017-03-22 皇家飞利浦有限公司 用于谱学、相位对比成像的迭代重建
CN107004284A (zh) * 2014-12-11 2017-08-01 通用电气公司 用于光谱ct成像的方法和系统

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4029963A (en) * 1976-07-30 1977-06-14 The Board Of Trustees Of Leland Stanford Junior University X-ray spectral decomposition imaging system
US6904118B2 (en) 2002-07-23 2005-06-07 General Electric Company Method and apparatus for generating a density map using dual-energy CT
JP5317291B2 (ja) 2007-06-20 2013-10-16 国立大学法人豊橋技術科学大学 核酸を有する微粒子の計測方法および装置
US20090080597A1 (en) * 2007-09-26 2009-03-26 Samit Kumar Basu System and method for performing material decomposition using an overdetermined system of equations
US8194961B2 (en) 2008-04-21 2012-06-05 Kabushiki Kaisha Toshiba Method, apparatus, and computer-readable medium for pre-reconstruction decomposition and calibration in dual energy computed tomography
CN103913779B (zh) 2012-12-31 2017-07-07 清华大学 多能ct成像系统以及成像方法
CN103559699B (zh) 2013-11-18 2016-09-28 首都师范大学 一种基于投影估计的多能谱ct图像重建方法
JP6665158B2 (ja) * 2015-03-19 2020-03-13 株式会社日立製作所 Ｘ線ｃｔ装置

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20060109949A1 (en) * 2004-11-24 2006-05-25 Tkaczyk J E System and method for acquisition and reconstruction of contrast-enhanced, artifact-reduced ct images
CN103649990A (zh) * 2011-07-15 2014-03-19 皇家飞利浦有限公司 用于谱ct的图像处理
CN106133790A (zh) * 2014-03-28 2016-11-16 皇家飞利浦有限公司 用于在组织种类分离的帮助下基于磁共振图像生成一幅或多幅计算机断层摄影图像的方法和设备
WO2015171056A1 (en) * 2014-05-04 2015-11-12 Spectronic Ab Method for generating synthetic electron density information for dose calculations based on mri
CN106537456A (zh) * 2014-07-17 2017-03-22 皇家飞利浦有限公司 用于谱学、相位对比成像的迭代重建
CN107004284A (zh) * 2014-12-11 2017-08-01 通用电气公司 用于光谱ct成像的方法和系统
CN106473761A (zh) * 2016-10-14 2017-03-08 山东大学 一种医学双能ct 电子密度图像的重建与数值校准方法

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112950572A (zh) * 2021-02-26 2021-06-11 西安交通大学 一种数据处理及迭代矫正方法、系统、介质及设备
CN112950572B (zh) * 2021-02-26 2024-04-05 西安交通大学 一种数据处理及迭代矫正方法、系统、介质及设备
WO2023036334A1 (en) * 2021-09-13 2023-03-16 Shanghai United Imaging Healthcare Co., Ltd. Methods and systems for image processing

Also Published As

Publication number Publication date
US20200155007A1 (en) 2020-05-21
JP2020526351A (ja) 2020-08-31
EP3431007B1 (en) 2020-06-17
JP6786006B2 (ja) 2020-11-18
CN110958856B (zh) 2023-08-29
WO2019016413A1 (en) 2019-01-24
US11089960B2 (en) 2021-08-17
EP3431007A1 (en) 2019-01-23

Similar Documents

Publication Publication Date Title
US10147168B2 (en) Spectral CT
Li et al. Adaptive nonlocal means filtering based on local noise level for CT denoising
US11850081B2 (en) Monochromatic CT image reconstruction from current-integrating data via machine learning
US7782996B2 (en) Method for combined bone hardening and scattered radiation correction in X-ray computed tomography
JP6526669B2 (ja) 画像データからの骨の区分化
CN110175957B (zh) 多能量ct基材料物质分解方法
JP2019111346A (ja) 医用処理装置及び放射線診断装置
Lin et al. An efficient polyenergetic SART (pSART) reconstruction algorithm for quantitative myocardial CT perfusion
JP7341879B2 (ja) 医用画像処理装置、ｘ線コンピュータ断層撮影装置及びプログラム
US20160134852A1 (en) System and method for multi-material correction of image data
CN110958856B (zh) 根据谱ct数据集的电子密度数据集的创建
US20240135603A1 (en) Metal Artifact Reduction Algorithm for CT-Guided Interventional Procedures
Clark et al. MCR toolkit: A GPU‐based toolkit for multi‐channel reconstruction of preclinical and clinical x‐ray CT data
Fujiwara et al. Virtual computed-tomography system for deep-learning-based material decomposition
Scholey et al. Improved accuracy of relative electron density and proton stopping power ratio through CycleGAN machine learning
Pautasso et al. Deep learning for x‐ray scatter correction in dedicated breast CT
Gomi et al. Development of a denoising convolutional neural network-based algorithm for metal artifact reduction in digital tomosynthesis for arthroplasty: A phantom study
CN112513925B (zh) 图像处理系统、成像装置和图像处理的方法
Jacobson et al. Abbreviated on-treatment CBCT using roughness penalized mono-energization of kV-MV data and a multi-layer MV imager
Yang et al. Multi-material beam hardening correction (mmbhc) in computed tomography
Mei Advanced ultra-low-dose CT assessment of bone fracture risks in patient with osteoporosis with novel acquisitions and reconstruction schemes
Chen Alternating minimization algorithms for dual-energy x-ray CT imaging and information optimization
EP4322856A1 (en) Systems, methods, and media for generating low-energy virtual monoenergetic images from multi-energy computed tomography data
Völgyes Image quality in forensic CT imaging
Tian Prospective Estimation of Radiation Dose and Image Quality for Optimized CT Performance

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant