CN110998662A - 成像系统扩展视场 - Google Patents
成像系统扩展视场 Download PDFInfo
- Publication number
- CN110998662A CN110998662A CN201880052806.1A CN201880052806A CN110998662A CN 110998662 A CN110998662 A CN 110998662A CN 201880052806 A CN201880052806 A CN 201880052806A CN 110998662 A CN110998662 A CN 110998662A
- Authority
- CN
- China
- Prior art keywords
- view
- truncated
- views
- sinogram
- bore
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000003384 imaging method Methods 0.000 title claims abstract description 11
- 230000005855 radiation Effects 0.000 claims abstract description 22
- 238000000034 method Methods 0.000 claims description 20
- 238000005070 sampling Methods 0.000 claims description 11
- 230000006870 function Effects 0.000 description 7
- 238000013170 computed tomography imaging Methods 0.000 description 6
- 239000000523 sample Substances 0.000 description 5
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 4
- 238000002591 computed tomography Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000004590 computer program Methods 0.000 description 2
- 230000001419 dependent effect Effects 0.000 description 1
- 238000002059 diagnostic imaging Methods 0.000 description 1
- 238000013213 extrapolation Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000002156 mixing Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000000644 propagated effect Effects 0.000 description 1
- 238000001959 radiotherapy Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 210000004872 soft tissue Anatomy 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Images
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
-
- 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
- A61B6/02—Arrangements for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
- A61B6/03—Computed tomography [CT]
- A61B6/032—Transmission computed tomography [CT]
- A61B6/035—Mechanical aspects of CT
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2211/00—Image generation
- G06T2211/40—Computed tomography
- G06T2211/432—Truncation
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Medical Informatics (AREA)
- General Physics & Mathematics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Pulmonology (AREA)
- Optics & Photonics (AREA)
- Pathology (AREA)
- Radiology & Medical Imaging (AREA)
- High Energy & Nuclear Physics (AREA)
- Heart & Thoracic Surgery (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
一种成像系统(100),包括:具有膛(150)的旋转机架(212);以及由所述旋转机架支撑的辐射源(100),所述辐射源围绕所述膛旋转并且发射穿过所述膛的至少一部分的X射线辐射。与所述X射线辐射源相对定位的由所述旋转机架支撑的探测器阵列(120)探测已经穿过被定位于所述膛内的对象(110)的X射线辐射并且生成指示探测到的X射线辐射的投影数据,其中,所述投影数据包括正弦图(216、316、412)。处理器通过将曲线(400)拟合到从与正弦图中的对象的一组截断视图(314)相邻的正弦图中的对象的多个视图(324)采样的数据(320、322)来估计所述正弦图中截断(402)的对象的部分,并且基于所估计的截断的对象的部分和所生成的投影数据来重建所述对象的图像(252)。
Description
技术领域
以下总体上涉及成像,并且更具体地涉及估计视场外部的对象或者受检者的一部分,并且具体应用于计算机断层摄影(CT)医学成像来描述,但是其还涉及其他成像模态。
背景技术
在图1中示出了范例CT成像设备。CT成像设备包括源100,源100发射穿过受检者或对象110的一部分并且由探测器120、d0 122、...dn 124探测的X射线辐射105。对于体积扫描,源100和探测器120关于对象110协调旋转。当其旋转时,探测器120探测沿着旋转路径的预定多个弧(采集间隔)处的辐射。对于每个采集间隔,每个探测器di探测入射在其上的X射线辐射并且生成指示沿着从源100到探测器120的路径的总X射线衰减的电信号(线积分或投影数据)。针对采集间隔的一组线积分被称为投影或者视图。
视场(FOV)140由源100和探测器120的相对位置和探测器120的长度定义,其可以由开口或膛150的孔径的大小约束。FOV 140可以被认为是与膛150的中心X同心的虚圆内的区并且以在源100和探测器120旋转时从源100穿过到外部探测器d0和dn的外围X射线105(其与虚圆相切)为界限。即,FOV 140包括通常由来自每个投影视图的不同旋转位置的发射辐射穿过的膛150的区域。对于FOV 140外部的受检者和/或对象170的一部分,不完全数据被采集,因为一些数据未针对对于至少180度加上扇角的该区域采集,其导致当投影数据被重建为体积图像数据时的部分扫描伪影。遗憾的是,部分扫描伪影可以绘制不适合于诊断或者处置规划目的的体积图像数据中的FOV 140外部的对象170。
如由J.Hsieh等人在“A novel reconstruction algorithm to extend the CTscan field-of-view”(2004)中指示的解决截断伪影的一种方法是建立具有较大膛150和较大FOV 140的CT成像系统,使得对象110完全拟合在FOV 140内。由Hsieh描述的另一方法是使用部分水圆柱将线拟合到针对每个截断视图ki探测的衰减值。然而,该方法不对于所有目标形状准确,并且能够导致伪影。由S.Hsieh在“An algorithm to estimate theobject support in truncated images”(2014)中描述的另一方法试图通过迭代方法估计对象的截断部分。遗憾的是,这能够是耗时并且计算昂贵的。以下发明提供了用于直接在正弦图域中估计对象延伸的快速和准确的方法。
发明内容
本文所描述的方法解决上文提到的问题和其他问题。
以下描述用于通过将曲线拟合到跨正弦图中的多个视图的受检者的部分的采样边缘估计扩展视场中的受检者的延伸的系统和方法的实施例。受检者的采样部分可以包括在一组视图中截断的受检者的部分的前导和/或拖尾缘。受检者的估计延伸可以反转并且反向投影到图像域作为掩模。掩模可以利用图像域中的其他算法细化。可以通过使用图像域中的掩模或者通过使用由投影域中的拟合曲线估计的延伸来生成受检者的图像。
在一个方面中,成像系统包括具有膛的旋转机架;以及由所述旋转机架支撑的X射线辐射源,其围绕所述膛旋转并且发射穿过所述膛的至少一部分的X射线辐射。与所述X射线辐射源相对定位的由所述旋转机架支撑的探测器阵列探测已经穿过被定位于所述膛内的对象的X射线辐射并且生成指示探测到的X射线辐射的投影数据。所述投影数据包括正弦图。处理器通过将曲线拟合到从与所述正弦图中的对象的一组截断视图相邻的正弦图中的对象的多个视图采样的数据来估计所述正弦图中截断的对象的部分,并且基于所估计的截断的对象的部分和所生成的投影数据来重建所述对象的图像。
在另一方面中,用于成像的方法包括接收由探测器阵列生成的对象的正弦图。所述正弦图中截断的对象的部分通过将曲线拟合到从与所述正弦图中的对象的一组截断视图相邻的正弦图中的对象的多个视图采样的数据来估计。所述对象的图像基于所估计的截断的对象的部分和所述正弦图来重建。
在另一方面中,承载指令的非瞬态计算机可读存储介质控制一个或多个处理器以接收由探测器阵列生成的对象的正弦图并且通过将曲线拟合到从与所述正弦图中的对象的一组截断对象相邻的正弦图中的对象的多个视图采样的数据来估计所述正弦图中截断的对象的部分。所述一个或多个处理器还被控制以基于所估计的截断的对象的部分和所述正弦图来重建所述对象的图像。
本发明的这些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)实施例得到阐述。
附图说明
本发明可以采取各种部件和部件的布置的形式,并且可以采取各种步骤和步骤安排的形式。附图仅出于图示优选的实施例的目的而不应被解释为对本发明的限制。
图1示意性地图示了现有技术视场;
图2图示了估计扩展视场内的对象或受检者的延伸的CT系统的实施例;
图3图示了具有截断的对象或受检者的范例模拟二维正弦图;
图4图示了具有用于增加截断数据以提供扩展视场内的完整数据的虚拟数据的对象和/或受检者的模拟二维正弦图的范例部分;
图5图示了从由投影域中的拟合曲线估计的延伸传播的图像域中的范例图像掩模;
图6图示了拟合到跨正弦图中的多个视图的对象或受检者的部分的采样边缘的范例曲线;
图7图示了包括估计延伸的范例投影域掩模;并且
图8图示了根据本文中的(一个或多个)实施例的流程图。
具体实施方式
参考图2,示意性地图示了估计扩展视场(eFOV)160内的视场(FOV)140外部的对象或受检者110的延伸的系统200的实施例。FOV 140包括通常在每个旋转位置处探测的膛150的区域。eFOV 160包括不包括FOV 140并且在至少一个旋转位置处探测的膛150内的第二区域。
系统200可以包括CT成像设备210,其包括由固定机架214支撑的旋转机架212。旋转机架支撑源100和探测器120。探测器120生成对象110的投影数据,其可以存储和/或显示为正弦图216。正弦图216是被布置为投影/视图(ki)对探测器d0、...dn的衰减值的2-D阵列。正弦图216中的视图由旋转位置(例如,连续旋转位置)排序。探测器120可以包括个体探测器的MxN阵列,其中,M和N是等于或大于一的整数,M沿着“z”方向,并且N沿着横向于“z”方向(例如,在x-y平面内)的方向。以下使用探测器120的1xN阵列描述,其可扩展到MxN阵列。
截断标识符220识别一系列或一组截断视图314(ks到ke)。在图3的模拟正弦图316中图示了截断视图314的范例。每组截断视图314表示包括连续旋转位置的视图组。在图3中,视图330在垂直轴上表示,并且探测器340在水平轴上表示,并且识别截断,其中,前导探测器d0从指示空气的衰减值改变到指示非空气的衰减值,诸如指示皮肤、软组织的值、或其他预定值,或者其中,拖尾探测器dn从指示空气的衰减值改变为指示非空气的衰减值。所识别的截断视图314(ks到ke)对应于一个截断的开始和结束。这些截断视图314表示何处对象或受检者170的部分离开探测辐射的路径并且然后当源100和探测器120旋转时重新进入探测到的辐射的路径。
参考图2和3,截断标识符230分别识别跨识别的截断的视图之前和/或之后的多个视图324的对象或受检者170的部分的前导缘320和/或拖尾缘322的探测器。例如,截断标识符240识别针对视图的前导缘320(ks-1到ks-p),其中,p是视图的预定整数,并且探测器120的初始探测器d0在旋转的方向上。p的值可以是预定值、统计采样准则、其组合和/或其他值。前导缘320的视图324的每个视图中的探测器包括第一探测器dj,其中,从第一探测器dj到相同视图中的下一探测器dj-1的衰减值从空气(或其他预定值)改变为对象或受检者170的部分。类似地识别拖尾缘322。前导缘320和/或拖尾缘322对应于旋转的方向上的探测器阵列120(诸如第一探测器(d0,...dp))中的外部探测器和/或跟随旋转的方向的最后探测器(dn-p,...,dn)。
参考图2-4,曲线拟合器230将曲线400拟合到识别的视图作为对象110的前导缘320、对象110的拖尾缘或其组合的识别的探测器位置的函数。在图4中,针对虚拟探测器414在部分模拟正弦图412中图示了拟合曲线400。拟合曲线400使用虚拟探测器414定义扩展视场160中的对象或受检者170的部分的延伸402。即,延伸402包括拟合线400与截断视图314的边缘处的初始探测器的线之间的区,诸如d0或dn。拟合曲线400基于包括正弦图120中的前导缘320和/或拖尾缘322的采样探测器位置的样本集来拟合。这样的线适于对象或受检者170的所识别的每组截断视图314。
参考图2-5,掩模生成器240可以生成从具有由拟合线400定义并且反向投影到图像域的扩展视场中的延伸的正弦图216传播的图像掩模242(图5)。图像掩模242(诸如二进制图像掩模(例如,黑色和一个其他值))包括指示对象110的第一值500和指示空气或非受检者的第二值510。第一值500和第二值510在图像域的x-y坐标系中表示。图像掩模242可以被用于使用图像重建的当前方法细化其他图像域掩模244。例如,图像掩模242可以使用图像掩模242和其他图像域掩模244的相交细化。图像掩模242可以填充有衰减值,诸如水或其他预定值。
继续参考图2-5,图像重建器250基于由拟合线400和正弦图216定义的对象110的延伸402来重建对象110的图像252。在一个实施例中,图像重建器250使用延伸402作为额外约束以进一步改进投影域中的数据外插技术。例如,从拟合部分水圆柱到个体视图的线可以使用拟合线400平滑。
在一些实施例中,图像重建器250在重建或者迭代重建中使用图像掩模242或其细化。例如,由重建图像252中的图像掩模242定义的扩展视场中的受检者170的部分可以填充有估计亨氏单位(HU),诸如指示水或其他材料。在一些实例中,eFOV 160中的填充部分为一些放射治疗应用提供足够质量的计算上快速的估计。细化通过径向外插FOV 140内的图像细节使过渡平滑并且然后使用估计HU将结果与eFOV 160中填充的重建图像混合。
进一步的细化可以通过以下将额外细节添加到eFOV 160:将细化图像正向投影到投影域中并且使用利用虚拟探测器414和正弦图216表示的eFOV 160中的正向投影的部分以使用虚拟探测器414创建具有对象110或延伸402的估计部分的细化正弦图。具有延伸402的细化正弦图然后可以反向投影以生成重建图像252。在一些实例中,进一步的细化可以提供eFOV160中的对象的额外细节。
继续参考图2,用户接口260可以将重建图像252显示在显示设备262上和/或将图像252存储在存储子系统中,诸如影像归档和通信系统(PACS)、放射信息系统(RIS)、电子病历(EMR)等。
截断标识符220、曲线拟合器230、掩模生成器240、图像重建器250和用户接口260适合地由配置的计算机处理器264实现,诸如数字处理器、微处理器、电子处理器、光学处理器、多处理器、处理器的分布,包括对等或者协同操作处理器、处理器的客户端-服务器布置等并且被配置为识别截断视图,识别并且采样前导缘320和/或拖尾缘322,拟合曲线400,生成图像掩模242,重建图像252,并且操作显示设备262和一个或多个输入设备266。
配置的计算机处理器执行被存储在计算机可读存储介质268中的至少一个计算机可读指令,诸如光盘、磁盘、具有配置的处理器的计算设备的半导体存储器,其不包括瞬态介质并且包括物理存储器和/或其他非瞬态介质以执行所公开的技术。配置的处理器还可以执行由载波、信号或其他瞬态介质承载的一个或多个计算机可读指令。图2的示图中表示的部件之间的线表示通信路径。
配置的处理器264、显示设备262和(一个或多个)输入设备266可以包括计算设备270,诸如控制台、膝上型计算机、台式计算机、平板计算机、智能电话、体佩计算设备、服务器、计算设备的分布式或协同布置等。显示设备262适合地由计算机显示器、智能电话显示器、投影仪、体佩显示器、电视(TV)、其组合等实现。输入设备266适合地由键盘、鼠标、轨迹球、麦克风、其组合等实现。
正弦图216、图像掩模242、其他图像域掩模244和重建图像252适合地由电子或计算机存储器实现,电子或计算机存储器可以包括数据结构、文件结构、数据库组织、图像格式等。
在一些实施例中,截断标识符220、曲线拟合器230、掩模生成器240、图像重建器250和用户接口260适合地被实现为计算机程序产品。
参考图6,图解地图示了拟合到跨模拟正弦图412中的多个视图的对象110的部分的采样边缘320、322的范例曲线。在图6中,第一正弦曲线600拟合到跨第一采样多个视图602的前导缘320。第二正弦曲线610拟合到跨第二采样多个视图612的拖尾缘322。样本集可以被表示为其中,其中,是视图标识符并且是探测器标识符或位置。
正弦函数可以包括:其中,a表示振幅,b表示频率,k是视图,c表示相位,N是视图数每转,并且s是与旋转中心的偏移。目标函数针对拟合正弦与样本集之间的均方误差定义为可以使用数值方法算法找到使目标函数最小化的a、b、c的值,诸如Nelder-Mead单形算法或其他数值方法或其他算法。
第一正弦曲线600和第二正弦曲线610可以内插以产生拟合曲线400。例如,拟合曲线400可以使用第一正弦曲线600和第二正弦曲线610的平均、加权平均或其他函数逐点内插。由两组参数(a1,b1,c1)和(a2,b2,c2)定义的两条曲线之间的内插的一个数学表达式由 给出,其中,nk表达从ks到ke的截断视图的数目。
参考图7,图示了具有延伸402的范例投影域掩模或者正弦图掩模700。正弦图掩模700图示了使用虚拟探测器414的eFOV 160中的延伸。正弦图掩模700包括不贡献于图像并且仅穿过空气的探测到的X射线的第一区域710。正弦图掩模700包括贡献于图像并且穿过对象110的某个部分的探测到的X射线的第二区域720。
具有延伸402的正弦图掩模700可以反向并且反向投影到图像域。得到的掩模图像识别穿过空气的射线贡献于图像的区和不贡献于图像的所有其他区。第二反转产生指示图像域中的对象110的区的图像掩模,诸如在图5中所图示的。
图8图示了根据本文中的(一个或多个)实施例的流程图。
在800处,接收受检者的正弦图216。正弦图216可以直接从CT成像设备210接收并且由CT成像设备210生成,或者间接从存储子系统接收。正弦图216包括投影数据。例如,每行表示来自有序旋转位置的对象110的视图并且每列表示空间排序的探测器阵列的探测器。
在810处,在接收的正弦图216中识别多组截断视图314。多组截断视图314可以由具有高于预定阈值的衰减值的前导或者拖尾探测器识别,所述预定阈值为诸如高于空气的值的值。
在820处,对于每组截断视图314,正弦图216中表示的对象1110的边缘跨多个视图采样。采样边缘包括对象110的前导缘320和/或拖尾缘322的探测器位置和视图标识符。前导缘320紧接地在一组截断视图314之后。拖尾缘322紧接地在一组截断视图314之前。
在830处,对于每组截断视图314,曲线400拟合到采样边缘。拟合曲线400包括扩展到虚拟探测器414的探测器位置或者位置作为视图的函数。拟合曲线400可以包括两条拟合曲线600、610(拟合到采样前导缘320的第一曲线600和拟合到采样拖尾缘322的第二曲线610)的内插。预期了其他拟合曲线。
在840处,正弦图掩模700被生成并且传播到具有由针对每组截断视图314的拟合曲线400定义的延伸402的图像域作为图像掩模242。图像掩模242可以使用其他图像域掩模244细化,其定义由视场140和扩展视场160内的对象110占据的空间区或体积。在一些实施例中,图像掩模242可以省略并且由投影域中的拟合曲线400定义的延伸402用于进一步细化定义投影域内的延伸402的其他技术。
在850处,对象110的图像252可以基于由拟合曲线400定义的延伸402根据正弦图212重建。图像252可以使用图像域中的图像掩模242和正弦图252重建。图像252可以使用由拟合曲线400定义的投影数据重建或者利用由拟合曲线400的延伸402细化。
在860处,重建图像252可以被显示在显示设备262上和/或存储在存储子系统中。
以上可以通过编码或嵌入在计算机可读存储介质上的计算机可读指令实施,所述计算机可读指令当由(一个或多个)处理器运行时,使(一个或多个)处理器执行所描述的动作。额外地或者备选地,计算机可读指令中的至少一个由信号、载波或其他瞬态介质承载。
以上步骤可以以不同次序执行和/或一些步骤可以省略。
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;本发明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,本领域的技术人员在实践请求保护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,并且词语“一”或“一个”不排除多个。单个处理器或其他单元可以实现权利要求中记载的若干项的功能。互不相同的从属权利要求中记载了特定措施的仅有事实并不指示不能有利地使用这些措施的组合。
计算机程序可以被存储/被分布在适合的介质(诸如连同其他硬件一起或作为其一部分供应的光学存储介质或固态介质),而且可以以其他形式分布(诸如经由因特网或其他有线或无线电信系统)。权利要求中的任何附图标记不应当被解释为对范围的限制。
Claims (20)
1.一种成像系统(100),包括:
旋转机架(212),其具有膛(150);
X射线辐射源(100),其由所述旋转机架支撑,并且被配置为围绕所述膛旋转并且发射穿过所述膛的至少部分的X射线辐射;
探测器阵列(120),其由所述旋转机架支撑,被定位为与所述X射线辐射源相对,并且被配置为检测已经穿过被定位在所述膛内的对象(110)的所述X射线辐射并且生成指示探测到的X射线辐射的投影数据,其中,所述投影数据包括正弦图(216、316、412);以及
处理器,其被配置为:
通过将曲线(400)拟合到从与所述正弦图中的所述对象的一组截断视图(314)相邻的所述正弦图中的所述对象的多个视图(324)采样的数据(320、322)来估计所述正弦图中截断(402)的所述对象的部分;并且
基于所估计的截断的所述对象的部分和所生成的投影数据来重建所述对象的图像(252)。
2.根据权利要求1所述的系统,其中,所述处理器还被配置为将所述多个视图确定为包括所述对象的至少一个采样边缘(320、322),其中,所述至少一个采样边缘包括选自具有以下项的组的至少一项的探测器位置和视图标识符:与所述一组截断视图相邻的所述对象的前导缘(320)和所述对象的拖尾缘(322)。
3.根据权利要求2所述的系统,其中,所述处理器还被配置为:
将第一正弦曲线(600)拟合到所述对象的所述前导缘;
将第二正弦曲线(610)拟合到所述对象的所述拖尾缘;并且
在所述第一正弦曲线与所述第二正弦曲线之间进行内插以拟合所述曲线。
4.根据权利要求1所述的系统,其中,所述处理器还被配置为:
根据每条拟合曲线来估计每组截断视图中被定位在视场外部并且在扩展视场(160)中的所述对象的每个延伸(402),其中,通常在每个旋转位置处探测的所述膛内的区域定义视场,其中,不包括至少一个旋转位置处探测的所述视场的所述膛的第二区域定义扩展视场,其中,每个旋转位置处的所生成的投影数据定义视图。
5.根据权利要求2所述的系统,其中,所述处理器还被配置为:
探测所述对象的一组截断视图(314),其中,所述至少一个采样边缘包括与所述对象的所述一组截断视图相邻的一组视图(324)。
6.根据权利要求1所述的系统,其中,所述拟合曲线包括作为所述视图的函数的探测器位置,其中,所述拟合曲线的所述探测器位置包括虚拟探测器(414)的位置。
7.根据权利要求1所述的系统,其中,所述处理器还被配置为:
基于根据所述拟合曲线所估计的在所述正弦图中截断的所述对象的部分来生成图像域的坐标系内的图像掩模(242),其中,所述图像掩模表示所述对象在所述图像域内的视场和扩展视场内的区或体积。
8.一种用于成像的方法,包括:
接收(800)由探测器阵列(120)生成的对象(110)的正弦图(216、316、412);
通过将曲线(400)拟合到从与所述正弦图中的所述对象的一组截断视图(314)相邻的所述正弦图中的所述对象的多个视图(324)采样的数据来估计(830)所述正弦图中截断(402)的所述对象的部分;并且
基于所估计的截断的所述对象的部分和所述正弦图来重建(850)所述对象的图像(252)。
9.根据权利要求8所述的方法,还包括:
将所述多个视图确定(820)为包括所述对象的至少一个采样边缘(320、322),其中,所述至少一个采样边缘包括选自具有以下项的组的至少一项的探测器位置和视图标识符:与所述一组截断视图相邻的所述对象的前导缘(320)和所述对象的拖尾缘(322)。
10.根据权利要求9所述的方法,其中,估计所述曲线包括:
将第一正弦曲线拟合到所述对象的所述前导缘;
将第二正弦曲线拟合到所述对象的所述拖尾缘;并且
在所述第一正弦曲线与所述第二正弦曲线之间进行内插。
11.根据权利要求8所述的方法,其中,估计所述曲线包括:
根据每条拟合曲线来估计每组截断视图中被定位在视场外部并且在扩展视场(160)中的所述对象的每个延伸(402),其中,通常在所述探测器阵列的每个旋转位置处探测的成像设备的膛内的区域和围绕所述膛的源(100)定义视场,其中,不包括至少一个旋转位置处探测的所述视场的所述膛的第二区域定义扩展视场,其中,每个旋转位置处的所生成的投影数据定义视图。
12.根据权利要求8所述的方法,还包括:
探测(810)所述对象的所述一组截断视图(314),其中,所述至少一个采样边缘包括与所述对象的所述一组截断视图相邻的一组视图(324)。
13.根据权利要求8所述的方法,其中,所述拟合曲线是作为所述视图的函数的探测器位置,其中,所述拟合曲线的所述探测器位置包括虚拟探测器(414)的位置。
14.根据权利要求8所述的方法,还包括:
基于根据所述拟合曲线所估计的在所述正弦图中截断的所述对象的部分来生成图像域的坐标系内的图像掩模(242),其中,所述掩模表示所述对象在所述图像域内的视场和扩展视场内的区或体积。
15.一种承载指令的非瞬态计算机可读存储介质(268),所述指令控制一个或多个处理器以执行以下操作:
接收(800)由探测器阵列(120)生成的对象(110)的正弦图(216、316、412);
通过将曲线(400)拟合到从与所述正弦图中的所述对象的一组截断视图(314)相邻的所述正弦图中的所述对象的多个视图(324)采样的数据来估计(830)所述正弦图中截断(402)的所述对象的部分;并且
基于所估计的截断的所述对象的部分和所述正弦图来重建(850)所述对象的图像(252)。
16.根据权利要求15所述的非瞬态计算机可读存储介质,其中,所述一个或多个处理器还被配置为:
将所述多个视图确定(820)为包括所述对象的至少一个采样边缘(320、322),其中,所述至少一个采样边缘包括选自具有以下项的组的至少一项的探测器位置和视图标识符:与所述一组截断视图相邻的所述对象的前导缘(320)和所述对象的拖尾缘(322)。
17.根据权利要求16所述的非瞬态计算机可读存储介质,其中,所述一个或多个处理器还被控制为:
将第一正弦曲线拟合到所述对象的所述前导缘;
将第二正弦曲线拟合到所述对象的所述拖尾缘;并且
在所述第一正弦曲线与所述第二正弦曲线之间进行内插。
18.根据权利要求15所述的非瞬态计算机可读存储介质,其中,所述一个或多个处理器还被控制为:
基于根据所述拟合曲线所估计的在所述正弦图中截断的所述对象的部分来生成图像域的坐标系内的图像掩模(242),其中,所述图像掩模表示所述对象在所述图像域内的视场和扩展视场内的区或体积。
19.根据权利要求15所述的非瞬态计算机可读存储介质,其中,所述一个或多个处理器还被控制为:
根据每条拟合曲线来估计每组截断视图中被定位在视场外部并且在扩展视场(160)中的所述对象的每个延伸(402),其中,通常在所述探测器阵列的每个旋转位置处探测的成像设备的膛内的区域和围绕所述膛的源(100)定义视场,其中,不包括至少一个旋转位置处探测的所述视场的所述膛的第二区域定义扩展视场,其中,每个旋转位置处的所生成的投影数据定义视图。
20.根据权利要求15所述的非瞬态计算机可读存储介质,其中,所述一个或多个处理器还被控制为:
探测(810)所述对象的所述一组截断视图(314),其中,所述至少一个采样边缘包括与所述对象的所述一组截断视图相邻的一组视图(324)。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201762545520P | 2017-08-15 | 2017-08-15 | |
US62/545,520 | 2017-08-15 | ||
PCT/EP2018/071440 WO2019034486A1 (en) | 2017-08-15 | 2018-08-08 | EXTENDED FIELD IMAGING SYSTEM |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110998662A true CN110998662A (zh) | 2020-04-10 |
Family
ID=63168406
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201880052806.1A Pending CN110998662A (zh) | 2017-08-15 | 2018-08-08 | 成像系统扩展视场 |
Country Status (5)
Country | Link |
---|---|
US (1) | US11238625B2 (zh) |
EP (1) | EP3669328A1 (zh) |
JP (1) | JP2020531083A (zh) |
CN (1) | CN110998662A (zh) |
WO (1) | WO2019034486A1 (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111631741A (zh) * | 2020-05-29 | 2020-09-08 | 上海联影医疗科技有限公司 | 图像截断伪影校正方法、装置、设备和存储介质 |
CN112598760A (zh) * | 2020-12-18 | 2021-04-02 | 上海联影医疗科技股份有限公司 | 一种图像截断伪影校正方法和系统 |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10969771B2 (en) * | 2019-06-12 | 2021-04-06 | Edison Welding Institute, Inc. | Computed tomography for non-destructive evaluation of manufactured parts |
US11393100B2 (en) | 2020-08-07 | 2022-07-19 | Adobe Inc. | Automatically generating a trimap segmentation for a digital image by utilizing a trimap generation neural network |
US11651477B2 (en) * | 2020-08-07 | 2023-05-16 | Adobe Inc. | Generating an image mask for a digital image by utilizing a multi-branch masking pipeline with neural networks |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7515676B2 (en) * | 2006-04-28 | 2009-04-07 | Kabushiki Kaisha Toshiba | Method, apparatus, and computer program product for sinogram completion |
US20110096968A1 (en) * | 2009-10-23 | 2011-04-28 | Analogic Corporation | Extension of the field of view of a computed tomography system in the presence of interfering objects |
CN102110288A (zh) * | 2011-02-14 | 2011-06-29 | 东南大学 | 一种ct图像的投影弦图修补方法 |
CN104751502A (zh) * | 2015-04-17 | 2015-07-01 | 北京锐视康科技发展有限公司 | 一种用于扩大视野的ct图像重建方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105761226B (zh) | 2016-02-24 | 2018-05-18 | 赛诺威盛科技(北京)有限公司 | 一种超视野ct扫描图像的补偿重建方法 |
-
2018
- 2018-08-08 US US16/637,947 patent/US11238625B2/en active Active
- 2018-08-08 EP EP18753144.7A patent/EP3669328A1/en not_active Withdrawn
- 2018-08-08 CN CN201880052806.1A patent/CN110998662A/zh active Pending
- 2018-08-08 JP JP2020508393A patent/JP2020531083A/ja not_active Withdrawn
- 2018-08-08 WO PCT/EP2018/071440 patent/WO2019034486A1/en unknown
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7515676B2 (en) * | 2006-04-28 | 2009-04-07 | Kabushiki Kaisha Toshiba | Method, apparatus, and computer program product for sinogram completion |
US20110096968A1 (en) * | 2009-10-23 | 2011-04-28 | Analogic Corporation | Extension of the field of view of a computed tomography system in the presence of interfering objects |
CN102110288A (zh) * | 2011-02-14 | 2011-06-29 | 东南大学 | 一种ct图像的投影弦图修补方法 |
CN104751502A (zh) * | 2015-04-17 | 2015-07-01 | 北京锐视康科技发展有限公司 | 一种用于扩大视野的ct图像重建方法 |
Non-Patent Citations (1)
Title |
---|
傅健 等: ""X射线显微镜纳米CT旋转中心随机偏移的校正"" * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111631741A (zh) * | 2020-05-29 | 2020-09-08 | 上海联影医疗科技有限公司 | 图像截断伪影校正方法、装置、设备和存储介质 |
CN111631741B (zh) * | 2020-05-29 | 2023-06-06 | 上海联影医疗科技股份有限公司 | 图像截断伪影校正方法、装置、设备和存储介质 |
CN112598760A (zh) * | 2020-12-18 | 2021-04-02 | 上海联影医疗科技股份有限公司 | 一种图像截断伪影校正方法和系统 |
CN112598760B (zh) * | 2020-12-18 | 2023-07-04 | 上海联影医疗科技股份有限公司 | 一种图像截断伪影校正方法和系统 |
Also Published As
Publication number | Publication date |
---|---|
WO2019034486A1 (en) | 2019-02-21 |
US20200175730A1 (en) | 2020-06-04 |
US11238625B2 (en) | 2022-02-01 |
EP3669328A1 (en) | 2020-06-24 |
JP2020531083A (ja) | 2020-11-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11238625B2 (en) | Imaging system extended field-of-view | |
JP6223990B2 (ja) | イメージ領域のノイズ除去 | |
CN104252714B (zh) | 时变数据的重建 | |
CN103907132B (zh) | 图像数据处理 | |
US10789738B2 (en) | Method and apparatus to reduce artifacts in a computed-tomography (CT) image by iterative reconstruction (IR) using a cost function with a de-emphasis operator | |
US9600924B2 (en) | Iterative reconstruction of image data in CT | |
CN111540025B (zh) | 预测用于图像处理的图像 | |
Kim et al. | Cardiac motion correction based on partial angle reconstructed images in x‐ray CT | |
US20190287275A1 (en) | Time-of-flight (tof) pet image reconstruction using locally modified tof kernels | |
US20160242721A1 (en) | Apparatus and method for fast iterative reconstruction in computed tomography | |
CN108242067B (zh) | 计算具有可变空间分辨率的四维dsa数据组 | |
De Man et al. | A two‐dimensional feasibility study of deep learning‐based feature detection and characterization directly from CT sinograms | |
CN104471615B (zh) | 利用正则化的迭代图像重建 | |
JP2013085955A (ja) | 連続マルチスケール再構成において詳細画像を補うx線コンピュータ断層撮像装置(x線ct装置)、医用画像処理装置及び医用画像処理方法 | |
Lv et al. | A back‐projection‐and‐filtering‐like (BPF‐like) reconstruction method with the deep learning filtration from listmode data in TOF‐PET | |
US20190385345A1 (en) | Image noise estimation using alternating negation | |
JP7187131B2 (ja) | 画像生成装置、x線コンピュータ断層撮影装置及び画像生成方法 | |
Hsieh et al. | An algorithm to estimate the object support in truncated images | |
Johnston et al. | Phase-selective image reconstruction of the lungs in small animals using Micro-CT | |
Shamul et al. | Change detection in sparse repeat CT scans with non-rigid deformations | |
CN117203670A (zh) | 处理由计算机断层扫描仪产生的投影域数据 | |
CN118435228A (zh) | 处理由计算机断层摄影扫描器产生的投影数据 | |
CN117830187A (zh) | 医学图像处理方法、装置以及医疗设备 | |
Fränkel et al. | Total variation regularization in digital breast tomosynthesis | |
Meng | Artifacts Reduction Techniques in X-Ray Cone-Beam Computed Tomography Reconstruction |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20200410 |
|
WD01 | Invention patent application deemed withdrawn after publication |