CN111127477B - 一种ct多色谱体素仿真方法 - Google Patents
一种ct多色谱体素仿真方法 Download PDFInfo
- Publication number
- CN111127477B CN111127477B CN201911277974.3A CN201911277974A CN111127477B CN 111127477 B CN111127477 B CN 111127477B CN 201911277974 A CN201911277974 A CN 201911277974A CN 111127477 B CN111127477 B CN 111127477B
- Authority
- CN
- China
- Prior art keywords
- simulation
- bone
- polychromatic
- voxel
- dividing
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/40—Filling a planar surface by adding surface attributes, e.g. colour or texture
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/155—Segmentation; Edge detection involving morphological operators
-
- 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
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30008—Bone
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
本发明提供了一种CT多色谱体素仿真方法,涉及医学影像技术领域,包括对CT体素数据进行预校正;分割预校正后的CT体素数据,分割出不同材质;然后进行材质映射和多色谱仿真。本发明提供一种使用单色谱的体素获得多色谱仿真结果的方法,对体素数据进行预校正,校正CT采集和重建过程中带来的CT值偏离。用脚本化的方式设置阈值分割脚本,可以按照需求设置分割阈值和材质;利用阈值分割的方式自动分割出水、肌肉、骨骼、金属等物体,分别进行多色谱映射,从而获得多色谱仿真的结果。对于特殊材质和某些伪影敏感的物体,采用可以选择特殊的分割方式进行自动分割,除阈值分割方法以外,还使用了区域生长法、图像形态学,然后做映射,增加仿真的准确性。
Description
技术领域
本发明涉及医学影像技术领域,尤其涉及一种CT多色谱体素仿真方法。
背景技术
CT仿真是利用数学建模在计算机中建立CT的数学模型用以模拟现实的CT数据生成和获取的过程,是整个CT研发流程中重要的一环,其作用主要有:
1、辅助CT系统设计,利用建模和计算评估和对比PET系统设计的模块、尺寸、参数等设计要素,达到系统设计的最优化。
2、评估和比较CT重建和校正算法的有效性和结果,优化重建、校正参数。因为CT仿真可以有所选择的生成理想数据或者半理想化数据,针对不同的物理或者机械缺陷分别建模,这样可以验证针对这些问题的校正算法是否有效并评估重建算法的结果,优化这些算法的开发工作。
3、仿真可以作为实际CT生成数据的补充,在研发早期或者特定需求的数据不足时,可以用仿真去模拟出相对真实的数据作为补充。
因此,CT仿真是CT研发流程中非常重要的一环。目前,CT仿真在色谱建模方面主要分为单色谱建模和多色谱建模,按照模体建模又可以分为几何体建模(GeometricPhantom)和体素建模(Voxelized Phantom)。
单色谱建模和多色谱建模的区别在于是否对球管发出的宽能谱x光的多色谱能谱分布进行建模,多色谱建模可以模拟更加接近真实物理能谱效应下的过程,因为球管的物理原理导致大多数球管都是宽能谱分布的,而物质的衰减系数在不同色谱下有着不同的取值。所以对于追求真实物理效应,能够在获得只有在多色谱情况下才能获得的伪影或者效应,应该使用多色谱建模,而单色谱建模往往在一些不追求色谱效应的仿真下进行应用。参考图1和图2。
几何体仿真和体素的仿真的建模区别在于,对于投影物体的建模是以基本几何体构成还是以体素的方式构成,前者投影原理计算的是射线与几何体的交点并推算射线在几何体内部穿行的距离,后者的投影原理则是计算射线与体素中穿行的距离并累计投影结果。前者计算精确、计算速度快,但模体看起来较为理想化而不真实主要用于算法校验,后者计算有一定近似、计算速度较慢,模体主要采用实际数据生成的体素模体所以投影结果更加接近真实数据,主要用于数据补充。参考图3和图4。
目前,因为计算机计算速度的提升,并且并行计算以及GPU计算手段的引入,使得体素仿真的计算速度得到了提升,同时在计算速度提升的前提下,能够使用增加计算量的方式获得更为精细的结果以减少因为模型近似而带来的失真,从而进一步提升体素方式的精确性和适用范围。加上体素仿真和真实数据采集的数据比较相似,所以目前在很多应用场合体素仿真逐渐取代几何体仿真的应用场合,特别是对于人工智能训练的数据补充等场合,因为无法区分细节还是伪影,不得不使用体素仿真进行数据仿真。但是现有技术中在体素仿真中实现多色谱仿真则会遇到以下几个问题:
1、首先,大多数体素模体都来自CT扫描实际采集重建后的图像域数据,而这种数据是一种单色数据,包含物质的多色谱信息的材质信息在目前大多数采集(双能CT能够获取一部分物质的多色谱材质信息,但这类CT数量较少,且保存成的最终数据也是单色谱数据)和重建手段中,都无法保留。那么对于体素仿真来说,要实现多色谱仿真就存在一个从物质的单色谱信息到多色谱信息的映射过程。
2、其次,在CT的校正和重建过程中,因为CT影像的最终结果只能保存成单色谱或者窄能谱数据,但CT的球管,物质的衰减系数,探测器都是针对宽能谱或者多色谱进行设计的,因此,CT的校正重建过程中会有多个校正过程将宽能谱响应校正成窄能谱响应,这种校正会改变物质的CT值。具体原因是:体素仿真的数据获取往往来自真实的数据采集并通过重建获得的图像域数据。而这种数据,通常的数据获取手段生成的往往是一种单色数据,因为传统CT(区别多能谱CT或者双能CT)的探测器获取的信息是一小段时间内从球管发出的多能谱光子在物体内穿行后到达探测器累积的能量值,是一个单一结果,所以探测器无法区分是获取的是来自哪个能谱的光子的能量而不得不将这个宽光谱造成的响应映射到一个窄能谱上也就是单色谱上去做校正和重建,包含物质的多色谱信息的材质信息在采集和重建过程中,丢失了!从而从这种途径获得的体素只能对应一个值也就是CT值或者叫做HU值,这个单一值只能对应物质的衰减系数列表中某一个能谱下的近似衰减系数,而对于物质的多能谱信息则包含这个物质在不同能谱下的不同衰减系数,前者只是后者的一个子集或者特例。简单来说,现有技术在体素仿真方面,实现多色谱仿真存在材质的色谱信息丢失问题。参考图5。对于目前的CT系统来说,由于目前使用的校正和重建手段只能保证某种物质在CT值和CT均匀性方面的准确性,一般来说,因为水占人体成分的70%,所以一般这种物质选择的是水。其他物质在经过这些校正和重建步骤之后,会有CT值偏离和杯状伪影,特别是骨骼的CT值。因为骨伪影在CT中是一个非常重要的伪影,其成像原理决定该伪影在仿真中只有采用多色谱仿真才能获得,但是骨骼结构在CT的重建校正过程中,CT值非常容易被偏离。因此,在使用CT影像结果转化为体素进行仿真之前,除了需要解决单色谱到多色谱的映射问题,还需要解决非水区的物质的CT值偏离问题。
3、再次,骨骼的解剖结构问题。骨骼的解剖结构表明,骨骼由骨疏质和骨密质构成,骨密质的密度较软组织高,但骨疏质则较为复杂,会呈现高低不同的密度,有些密度甚至比人体软组织或者病患组织小,所以使用阈值分割等简单的算法很容易把骨疏质分割到软组织去从而导致仿真结果的不准确。
基于此,做出本申请。
发明内容
为了解决现有技术中存在的上述缺陷,本发明提供了一种CT多色谱体素仿真方法,是一种从单色谱的体素信息中获得多色谱信息的一种方法,近似的获得和真实数据更接近的仿真数据。
为了实现上述目的,本发明采取的技术方案如下:
一种CT多色谱体素仿真方法,包括如下:
(1)对CT体素数据进行预校正;
(2)分割预校正后的CT体素数据,分割出不同材质;
(3)进行材质映射;
(4)多色谱仿真。
所述步骤(2)中,采用区域生长法分割出病床;采用阈值分割分割出骨骼软组织;采用图像形态学分割骨密质和骨疏质。
所述步骤(1)具体包括以下步骤:
使用仿真phantom脚本设置两个phantom对预校正模体进行定义;
两个脚本Phantom1和Phantom2的材质列表互为倒置,将两者进行多色谱仿真后重建,得到校正模体1和校正模体2;
将两个模体的相同物质的重建结果值平均化并与理想的CT值分布做对照;
对数据进行分段直线拟合获得校正公式,计算得到预校正后的CT值。
所述步骤(2)采用阈值分割分割出骨骼软组织具体包括以下步骤:
根据不同材质预设多个脚本,对应材质会在材质文件夹下查找对应材质文件,材质文件中包含对应物质在多色能谱下的衰减系数列表;材质的单色衰减系数的计算公式为
其中为物质衰减系数特征值,记录在材质文件中,查表获得后乘以脚本中的密度值。
确定阈值:先对于材质脚本中的每一行所表示的材质,计算这个材质下的单色衰减系数;然后设置相邻材质的阈值。相邻材质的阈值为thres=mu1(mono)*weight+mu2(mono)*(1-weight)
其中weight是一个可以定义的权重值取值范围0~1,表示在相邻的两种材质之间进行划分的一个分解归一化值。
所述步骤(2)具体包括以下步骤:
区域生长法分离人体与病床;
阈值分割法对软组织和骨骼做初步分割;
对分割出来的骨骼使用形态学孔洞填充并生产MASK;
使用MASK重新分割骨骼和软组织,得到更为精确的包含骨疏质的骨骼组织以及软组织;
对阈值分割法分离的骨组织A和形态学分割法分离出来的骨组织B做相减运算,得到骨疏质C。
所述步骤(4)具体仿真方式为体素正投,同时获取球管的色谱分布信息,在将球管的宽色谱采样成窄色谱以后,针对每个窄色谱分别查材质文件中存储的对应衰减系数,最后根据线性衰减公式计算出投影结果。
本发明的原理:本发明提供一种使用单色谱的体素,获得多色谱仿真结果的方法,对体素数据进行预校正,校正CT采集和重建过程中带来的CT值偏离。用脚本化的方式设置阈值分割脚本,可以按照需求设置分割阈值和材质;利用阈值分割的方式自动分割出水、肌肉、骨骼、金属等物体,分别进行多色谱映射,从而获得多色谱仿真的结果。对于特殊材质和某些伪影敏感的物体,比如骨头和病床,采用可以选择特殊的分割方式进行自动分割,除阈值分割方法以外,还使用了区域生长法、形态学孔洞填充,然后再做映射,增加仿真的准确性。
本发明能实现如下技术效果:
(1)本发明创立了一种单色谱体素到多色谱材质之间的映射方法,从而在体素正投中实现了多色谱仿真,从而获得多色谱仿真才能获得的更为真实的物理效应的模拟。
(2)本发明引入校正过程,让阈值分割更为准确。
(3)本发明阈值分割可以随意定义脚本,按照需求进行多材质划分。
(4)本发明引入形态学分割,让某些特殊仿真应用更为准确。
附图说明
图1为球管的多色谱分布图;
图2为重建图中产生的相关伪影;
图3为典型头部几何模体图;
图4为头部体素模体重建结果图
图5为骨、水、肌肉在不同能谱下的衰减系数图;
图6为本实施例数据流程图;
图7为模体1和模体2进行多色谱仿真以后重建结果图(从左到右依次为校正模体1、校正模体2、理想对照模体);
图8为模体侧视CT值分布图,(从左到右依次为校正模体1、校正模体2、理想对照模体);
图9为校正数据拟合图;
图10为病床分割CT影像图;
图11为阈值分割法分割骨骼软组织过程的CT影像图;
图12为分离小腿和病床过程的CT影像图;
图13为阈值分割小腿的骨骼和软组织过程的CT影像图;
图14为附加形态学分割出软组织和骨骼(包含骨疏质和骨密质)过程的CT影像图;
图15为阈值分割附加形态学区分骨密质和骨疏质(骨髓)过程的CT影像图;
图16为体素与多色谱仿真结果对比图(左边体素,仿真结果)。
具体实施方式
为了使本发明的技术手段及其所能达到的技术效果,能够更清楚更完善的披露,兹提供了以下实施例,并结合附图作如下详细说明:
如图6所示,本实施例的一种CT多色谱体素仿真方法,包括如下步骤:
(1)对CT体素数据进行预校正,需要生成预校正列表:
因为CT在图像重建和校正过程中,涉及光谱的校正、重建内核的选取,去噪算法的选择都很容易对CT值的分布有所影响,虽然CT这些算法尽量保证了水区的CT值的准确性,但不可避免对骨区、病灶区等其他与水区衰减系数相差较大的区域的CT值造成偏离,更重要的是,这些算法原理导致这种偏离会与FOV内的位置有关,也就是俗称的杯装伪影。因此选择使用这类数据充当体素进行仿真时候,会因为这些效应带来误差或者错误,特别的,在单色谱向多色谱映射的过程中,会因为这些效应导致映射的不准确从而导致多色谱仿真的结果不准确,因此,需要在使用CT的影像数据充当体素模体的时候,对CT的影像数据做一次预校正。预校正的校正内核生成和校正步骤如下:
1)使用仿真phantom脚本设置两个phantom,形状为大小嵌套不同材质的圆柱体,材质列表分别如下:
表1、材质列表
模体1 | 模体2 |
水 | 颅骨 |
软组织 | 高密度骨 |
骨疏质 | 中密度骨 |
低密度骨 | 低密度骨 |
中密度骨 | 骨疏质 |
高密度骨 | 软组织 |
颅骨 | 水 |
模体1和模体2的材质列表互为倒置,将两者进行多色谱仿真以后重建结果(关闭骨伪影校正)如图7所示。从左到右分别为校正模体1、校正模体2、理想对照模体。
2)将相同对应的物质平均化以减少杯状伪影的效应并与理想的CT值分布做对照:
如图8和表2所示:图8模体侧视剖面分布,从左到右分别为校正模体1、校正模体2、里偶像对照模体。
表2、模体重建结果取值与理想值对照表
3)一般,医学在重建结果中定义骨骼的CT值分界点一般是500,所以以
500为界对数据进行分段直线拟合,拟合的结果如图9所示。
两个校正表达式为y1=α1x1+c1
y2=α2x2+c2
翻转表达式为x1=β1y1+d1
x2=β2y2+d2
综上,校正公式为x=β1y+d1(x<500)
x=β2y+d2(x>500)
利用该校正公式作为体素使用的CT值做预校正就可以得到,消除了因为重建校正带来的CT值偏离的近似校正值。
(2)分割预校正后的CT体素数据,分割出不同材质;
在对输入图像进行预校正以后,我们进一步对CT图像进行分割并从单一CT值映射为多色谱材质,分割的方法主要有:
1)区域生长法分割病床
因为病床的材质一般为碳纤维,其CT值分布和人体软组织重叠,因此需要用较为特殊的办法把病床分割出来,本实施例使用区域生长法分割病床,分割出来的结果如图10所示。
2)阈值分割法分割骨骼软组织
按照阈值对单一的CT图像进行分割是较为简单的分割办法,我们这里用预设脚本的方式按照需求将原始图像划分为不同的部分,预设脚本类似:
{"G"{$m=water$rho=1.060}
{"F"{$m=soft_tissue$rho=1.5}
{"E"{$m=osteoporosis$rho=1.600}
{"D"{$m=bone$rho=1.800}
{"C"{$m=bone$rho=2}
{"B"{$m=bone_compact$rho=2.2}
{"A"{$m=bone_cortical$rho=2.4}
这是一个材质预设脚本,其中,m对应物体的材质,rho对应物体的密度,记录的是在这次体素仿真中一共会区分出哪几种材质,对应材质会在材质文件夹下查找对应材质文件,文件中对应物质在多色能谱下的衰减系数列表。
对于阈值分割来说,阈值是这样确定的:
在CT采集,校正和重建中,我们需要设置一个单一色谱频率(窄带),将采集到的多色谱频率(宽带)映射成一个单色谱结果,这一步在CT中叫做水校正,这个水校正能谱一般选择为球管最高能谱的一半,一般为60keV。
所以对于材质分割,这个分割阈值是从上述脚本中按照如下步骤进行分割的:
对于材质脚本中的每一行所表示的材质,计算这个材质下的单色衰减系数,计算方式为
为物质衰减系数特征值,记录在材质文件中,查表获得后乘以脚本中的密度值。
设置相邻材质的阈值
thres=mu1(mono)*weight+mu2(mono)*(1-weight)
这里weight是一个可以定义的权重值取值范围0~1,表示在相邻的两种材质之间进行划分的一个分解归一化值。
下面是一个对于一个具体的体素材质进行水和骨头两种材质进行划分的结果(实际的划分其实是区分了空气,水和骨头,但是空气rho值为0,所以默认不需要划分),之所以选择两种材质划分是因为人体内的70%左右的材质的衰减系数接近水,25%左右的物质衰减系数接近骨骼,如果仿真可以区分出两种材质则可以显示出大多数和能谱相关的伪影。
分割脚本为:
{"A"{$m=water$rho=1.0}
{"B"{$m=bone$rho=2}
分割结果如图11所示。
3)可选择的形态学分割
上述区域生长法和阈值分割法已经可以区分出病床和大部分应用需求下的骨骼、软组织分割。但是对于需要区分骨密质和骨疏质的一些应用,则还需要增加一些分割方法进一步区分出材质,如本实施例图12所示。图12是一个小腿的CT影像,可以发现,骨疏质占骨骼的大部分比例,在这种情况下,单纯把骨疏质当做骨骼和水进行处理都不够准确。比较好的办法是把骨疏质和骨密质区分出来,然后专门生产骨疏质的衰减系数列表进行仿真。
如图13所示,可以看到,如果采用阈值分割法,那么因为骨疏质和人体软组织的CT值比较接近,所以用单纯的阈值分割法没有能够分割出骨疏质来,对于骨疏质,需要附加特殊的分割方式。因此本实施例增加了可选的形态学分割法分割骨疏质和骨密质,使用形态学分割法的依据是,骨疏质一般都是被骨密质包含在一个封闭区域中,具体步骤为:如图14和图15所示。
①区域生长法分离人体与病床;
②阈值分割法对软组织和骨骼做初步分割;
③对分割出来的骨骼使用形态学孔洞填充并生产MASK(遮蔽层);
④使用MASK重新分割骨骼和软组织,得到更为精确的包含骨疏质的骨骼组织以及软组织;
⑤对阈值分割法分离的骨组织A和形态学分割法分离出来的骨组织B做相减运算,得到骨疏质C。
(3)进行材质映射;材质按照脚本阈值划分之后,会按照脚本对于材质做映射,将单一CT值与包含多色谱衰减系数信息的材质文件做映射,等待多色谱投影仿真。
(4)多色谱仿真。
在CT图像经过校正、分割和材质映射之后,我们就可以对其进行多色谱仿真。具体仿真方式为体素正投,同时获取球管的色谱分布信息,在将球管的宽色谱采样成窄色谱以后,针对每个窄色谱分别查材质文件中存储的对应衰减系数,最后根据线性衰减公式计算出投影结果。
如图16所示,使用体素进行单色谱到多色谱映射以后的仿真结果如图(右侧),与原始数据对照,仿真结果(右侧)与原体素(左侧)对比清晰的仿真出了多色谱骨伪影。
以上内容是结合本发明的优选实施方式对所提供技术方案所作的进一步详细说明,不能认定本发明具体实施只局限于上述这些说明,对于本发明所属技术领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干简单推演或替换,都应当视为属于本发明的保护范围。
Claims (1)
1.一种CT多色谱体素仿真方法,包括如下:
(1)对CT体素数据进行预校正;
(2)分割预校正后的CT体素数据,分割出不同材质;
(3)进行材质映射:将单一CT值的CT体素数据与包含多色谱衰减系数信息的材质文件做映射;
(4)进行多色谱仿真:仿真方式为体素正投,同时获取球管的色谱分布信息,在将球管的宽色谱采样成窄色谱以后,针对每个窄色谱分别查材质文件中存储的对应衰减系数,最后根据线性衰减公式计算出投影结果;
所述步骤(2)中,采用区域生长法分割出病床;采用阈值分割分割出骨骼软组织;采用图像形态学分割骨密质和骨疏质;
所述步骤(2)采用阈值分割分割出骨骼软组织具体包括以下步骤:根据不同材质预设多个脚本,对应材质会在材质文件夹下查找对应材质文件,材质文件中包含对应物质在多色能谱下的衰减系数列表;确定阈值:先对于材质脚本中的每一行所表示的材质,计算这个材质下的单色衰减系数;然后设置相邻材质的阈值;
材质的单色衰减系数的计算公式为
其中为物质衰减系数特征值,记录在材质文件中,查表获得后乘以脚本中的密度值;
相邻材质的阈值为thres=mu1(mono)*weight+mu2(mono)*(1-weight)
其中weight是一个可以定义的权重值取值范围0~1,表示在相邻的两种材质之间进行划分的一个分解归一化值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911277974.3A CN111127477B (zh) | 2019-12-12 | 2019-12-12 | 一种ct多色谱体素仿真方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911277974.3A CN111127477B (zh) | 2019-12-12 | 2019-12-12 | 一种ct多色谱体素仿真方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111127477A CN111127477A (zh) | 2020-05-08 |
CN111127477B true CN111127477B (zh) | 2023-10-20 |
Family
ID=70498576
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911277974.3A Active CN111127477B (zh) | 2019-12-12 | 2019-12-12 | 一种ct多色谱体素仿真方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111127477B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113034532B (zh) * | 2021-03-02 | 2023-02-03 | 四川大学 | 一种基于无网格模型的整形手术术后软组织形变预测方法 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101126722A (zh) * | 2007-09-30 | 2008-02-20 | 西北工业大学 | 基于配准模型仿真的锥束ct射束硬化校正方法 |
CN103472074A (zh) * | 2013-06-19 | 2013-12-25 | 清华大学 | Ct成像系统和方法 |
CN103559699A (zh) * | 2013-11-18 | 2014-02-05 | 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 |
CN105931280A (zh) * | 2016-03-29 | 2016-09-07 | 中北大学 | 基于gpu的快速三维ct迭代重建方法 |
CN106960429A (zh) * | 2017-02-16 | 2017-07-18 | 中国科学院苏州生物医学工程技术研究所 | 一种ct图像金属伪影校正方法及装置 |
CN107481242A (zh) * | 2017-08-17 | 2017-12-15 | 重庆青信科技有限公司 | 一种能谱ct图像的分割方法及系统 |
CN108010099A (zh) * | 2017-12-04 | 2018-05-08 | 首都师范大学 | 一种x射线多能谱ct有限角扫描和图像迭代重建方法 |
CN109460691A (zh) * | 2017-09-06 | 2019-03-12 | 深圳市海梁科技有限公司 | 一种利用光标定的无人驾驶车障碍物视觉检测方法与装置 |
CN110390701A (zh) * | 2019-07-08 | 2019-10-29 | 东软医疗系统股份有限公司 | 一种伪影的校正方法、伪影校正系数的仿真方法及装置 |
CN110461235A (zh) * | 2017-03-24 | 2019-11-15 | 皇家飞利浦有限公司 | 心肌ct灌注图像合成 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102007046359B4 (de) * | 2007-09-27 | 2016-02-04 | Siemens Aktiengesellschaft | Verfahren und Vorrichtung für die Erstellung von materialselektiven Volumenbildern |
-
2019
- 2019-12-12 CN CN201911277974.3A patent/CN111127477B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101126722A (zh) * | 2007-09-30 | 2008-02-20 | 西北工业大学 | 基于配准模型仿真的锥束ct射束硬化校正方法 |
CN103472074A (zh) * | 2013-06-19 | 2013-12-25 | 清华大学 | Ct成像系统和方法 |
CN103559699A (zh) * | 2013-11-18 | 2014-02-05 | 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 |
CN105931280A (zh) * | 2016-03-29 | 2016-09-07 | 中北大学 | 基于gpu的快速三维ct迭代重建方法 |
CN106960429A (zh) * | 2017-02-16 | 2017-07-18 | 中国科学院苏州生物医学工程技术研究所 | 一种ct图像金属伪影校正方法及装置 |
CN110461235A (zh) * | 2017-03-24 | 2019-11-15 | 皇家飞利浦有限公司 | 心肌ct灌注图像合成 |
CN107481242A (zh) * | 2017-08-17 | 2017-12-15 | 重庆青信科技有限公司 | 一种能谱ct图像的分割方法及系统 |
CN109460691A (zh) * | 2017-09-06 | 2019-03-12 | 深圳市海梁科技有限公司 | 一种利用光标定的无人驾驶车障碍物视觉检测方法与装置 |
CN108010099A (zh) * | 2017-12-04 | 2018-05-08 | 首都师范大学 | 一种x射线多能谱ct有限角扫描和图像迭代重建方法 |
CN110390701A (zh) * | 2019-07-08 | 2019-10-29 | 东软医疗系统股份有限公司 | 一种伪影的校正方法、伪影校正系数的仿真方法及装置 |
Non-Patent Citations (3)
Title |
---|
Christopher J. Bateman 等.Segmentation enhances material analysis in multi-energy CT: A simulation study.《IEEE》.2013,全文. * |
傅健 等.基于原始投影正弦图的 X-CT 硬化校正.《北京航空航天大学学报》.2006,全文. * |
张辉. 高强度运动下的人体动作图像识别方法研究.《计算机仿真》.2019,全文. * |
Also Published As
Publication number | Publication date |
---|---|
CN111127477A (zh) | 2020-05-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US7391844B2 (en) | Method and apparatus for correcting for beam hardening in CT images | |
US9332907B2 (en) | Extracting application dependent extra modal information from an anatomical imaging modality for use in reconstruction of functional imaging data | |
Van Slambrouck et al. | Metal artifact reduction in computed tomography using local models in an image block‐iterative scheme | |
US9025815B2 (en) | System and method for multi-material correction of image data | |
CN109146994B (zh) | 一种面向多能谱x射线ct成像的金属伪影校正方法 | |
CN110811660B (zh) | 一种校正ct射线束硬化伪影的方法 | |
CN106815813B (zh) | 用于处理多能量计算机断层扫描图像数据集的方法和图像数据处理设备 | |
CN111656405A (zh) | 使用深度学习来减少金属伪影 | |
CN105469366B (zh) | 一种消减ct图像金属伪影的解析方法 | |
CN112017131B (zh) | Ct图像金属伪影去除方法、装置及计算机可读存储介质 | |
US20230007835A1 (en) | Composition-guided post processing for x-ray images | |
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 | |
EP1716537B1 (en) | Apparatus and method for the processing of sectional images | |
US20160134852A1 (en) | System and method for multi-material correction of image data | |
US11580678B2 (en) | Systems and methods for interpolation with resolution preservation | |
CN110458913B (zh) | 一种多阈值分割ct图像校正图像重建中骨硬化伪影的方法 | |
CN111127477B (zh) | 一种ct多色谱体素仿真方法 | |
CN110599530B (zh) | 基于双正则约束的mvct图像纹理增强方法 | |
Anhaus et al. | A nonlinear scaling‐based normalized metal artifact reduction to reduce low‐frequency artifacts in energy‐integrating and photon‐counting CT | |
KR20200021156A (ko) | 사전 영상을 이용하는 고품질의 4차원 콘빔 전산화 단층 촬영 시스템 | |
Bilger et al. | Threshold calculation for segmented attenuation correction in PET with histogram fitting | |
CN112513925B (zh) | 图像处理系统、成像装置和图像处理的方法 | |
CN110731788B (zh) | 一种基于双能ct扫描仪对基物质进行快速分解的方法 | |
Guleng | Radiation dose and image quality in CT-evaluation of how slice thickness, tube current modulation and reconstruction algorithms affect radiation dose and image noise | |
CN110840479B (zh) | 一种骨成分确定方法、装置、设备及存储介质 |
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 |