CN111223159A - 锥形束成像方法、装置、计算机设备和存储介质 - Google Patents
锥形束成像方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN111223159A CN111223159A CN201911419545.5A CN201911419545A CN111223159A CN 111223159 A CN111223159 A CN 111223159A CN 201911419545 A CN201911419545 A CN 201911419545A CN 111223159 A CN111223159 A CN 111223159A
- Authority
- CN
- China
- Prior art keywords
- image
- steel ball
- projection
- correction
- projection images
- 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
Links
- 238000003384 imaging method Methods 0.000 title claims abstract description 117
- 229910000831 Steel Inorganic materials 0.000 claims abstract description 138
- 239000010959 steel Substances 0.000 claims abstract description 138
- 238000012937 correction Methods 0.000 claims abstract description 90
- 238000000034 method Methods 0.000 claims abstract description 27
- 239000011159 matrix material Substances 0.000 claims description 40
- 230000014509 gene expression Effects 0.000 claims description 37
- 238000013507 mapping Methods 0.000 claims description 32
- 238000004590 computer program Methods 0.000 claims description 25
- 230000009466 transformation Effects 0.000 claims description 24
- 238000001514 detection method Methods 0.000 claims description 20
- 238000000354 decomposition reaction Methods 0.000 claims description 18
- 238000006243 chemical reaction Methods 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 5
- 238000010586 diagram Methods 0.000 description 8
- 230000005855 radiation Effects 0.000 description 7
- 238000007408 cone-beam computed tomography Methods 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 4
- 239000000463 material Substances 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000013170 computed tomography imaging Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000003068 static effect 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
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
-
- 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]
Abstract
本申请涉及一种锥形束成像方法、装置、计算机设备和存储介质。所述方法包括：获取对成像物体和旋转的校正模体进行扫描得到的各角度的投影图像；所述成像物体静止放置于所述校正模体内部；分别从各所述投影图像中，确定各所述投影图像包括的钢珠的中心坐标；基于各所述投影图像对应的中心坐标进行几何校正，得到各所述投影图像对应的校正几何参数；根据各所述校正几何参数对各所述投影图像进行图像重建，得到成像图。采用本方法能够提高重建图像质量。
Description
技术领域
本申请涉及医学图像处理技术领域，特别是涉及一种锥形束成像方法、装置、计算机设备和存储介质。
背景技术
CBCT(Cone beam Computed Tomography,锥形束CT)成像系统是利用平板探测器在多个角度收集被测物体的X光投影数据并重建出被测物体高分辨率的断层图像，高的空间分辨率必然对应着更高的安装精度。在理想的情况下，射线源的中心射线应垂直经过旋转轴并落在平板探测器的中心位置，且垂直于平板探测器。但是，在CBCT的设计和安装调试过程中，由于机械设计和安装水平等原因，通常会导致系统的几何结构和理想的几何结构之间存在一定程度的几何偏移，从而使得重建图像中产生几何伪影。而几何伪影的出现会降低图像的对比度和分辨率，严重影响了重建图像的质量。因此，为了提高重建图像的质量，需要对CBCT系统中的几何参数进行校准，进而实现几何伪影的校正。
现有国内外针对如何减轻几何伪影对CT成像质量的影响已经开展了大量的研究工作，并且已经提出了许多可以取得一定校正效果的校正方法。例如常用的基于投影图像的校正方法。然而，由于基于投影图像的校正算法容易引起部分弦图对应的投影缺失，进而因为投影缺失产生新的伪影，从而降低了重建图像的质量。
发明内容
基于此，有必要针对上述技术问题，提供一种能够提高重建图像质量的锥形束成像方法、装置、计算机设备和存储介质。
一种锥形束成像方法，所述方法包括：
获取对成像物体和旋转的校正模体进行扫描得到的各角度的投影图像；所述成像物体静止放置于所述校正模体内部；
分别从各所述投影图像中，确定各所述投影图像包括的钢珠的中心坐标；
基于各所述投影图像对应的中心坐标进行几何校正，得到各所述投影图像对应的校正几何参数；
根据各所述校正几何参数对各所述投影图像进行图像重建，得到成像图。
在其中一个实施例中，所述分别从各所述投影图像中，确定各所述投影图像包括的钢珠的中心坐标，包括：
分别对各所述投影图像进行图像检测，确定各所述投影图像中包括钢珠的钢珠区域；
获取所述钢珠区域的中心坐标。
在其中一个实施例中，所述分别从各所述投影图像中，确定各所述投影图像包括的钢珠的中心坐标之前，还包括：
对各所述投影图像进行负对数变换，得到负对数变换后的投影图像。
在其中一个实施例中，所述基于各所述投影图像对应的中心坐标进行几何校正，得到各所述投影图像对应的校正几何参数，包括：
获取所述投影图像中钢珠的空间坐标；
基于所述投影图像中钢珠的空间坐标和所述中心坐标，计算得到所述投影图像对应的校正几何参数。
在其中一个实施例中，所述基于所述投影图像中钢珠的空间坐标和所述中心坐标，计算得到所述投影图像对应的校正几何参数，包括：
确定所述空间坐标和所述中心坐标的几何映射关系式；
消除所述映射匹配关系式的距离权重因子；
对已消除距离权重因子的所述映射匹配关系式进行格式转化，得到所述映射匹配关系式对应的矩阵表达式；
基于所述矩阵表达式进行奇异值分解和正交三角分解，得到校正几何参数。
在其中一个实施例中，所述根据各所述校正几何参数对各所述投影图像进行图像重建，得到成像图，包括：
获取各所述投影图像对应的钢珠区域；
从所述投影图像中分割出所述钢珠区域，得到不包含钢珠的投影图像；
根据各所述校正几何参数对不包含钢珠的各所述投影图像进行图像重建，得到成像图。
在其中一个实施例中，所述分别对各所述投影图像进行图像检测，确定各所述投影图像中的钢珠区域，包括：
利用霍夫曼变换分别对各所述投影图像进行图像检测，确定各所述投影图像中的钢珠区域。
一种锥形束成像装置，所述装置包括：
获取模块，用于获取对成像物体和旋转的校正模体进行扫描得到的各角度的投影图像；所述成像物体静止放置于所述校正模体内部；
确定模块，用于分别从各所述投影图像中，确定各所述投影图像包括的钢珠点的中心坐标；
计算模块，用于基于各所述投影图像对应的中心坐标进行几何校正，得到各所述投影图像对应的校正几何参数；
重建模块，用于根据各所述几何参数对各所述投影图像进行图像重建，得到成像图。
一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述任一项锥形束成像方法的步骤。
一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述任一项锥形束成像方法的步骤。
上述锥形束成像方法、装置、计算机设备和存储介质，首先获取对静止放置于校正模体内部的成像物体和旋转的校正模体进行扫描得到的各角度的投影图像。进而基于各角度投影图像中钢珠点的中心坐标计算得到各不同角度投影图像的校正几何参数后，利用校正几何参数对投影图像进行图像重建。该方法由于校正模体在采集投影图像时发生自旋转，使得不同角度的投影采集时校正模体在不同角度，可以有效避免投影图像内容的缺失，从而防止因投影缺失造成的伪影影响重建图像的质量。同时在通过几何校正得到校正几何参数之后可以直接进行图像重建，无需再次扫描，消除了多次扫描的几何参数信息不相等的影响，由此进一步提高图像重建的质量。
附图说明
图1为一个实施例中锥形束成像方法的应用环境图；
图2为一个实施例中锥形束成像方法的流程示意图；
图3为一个实施例中基于投影图像中钢珠的空间坐标和中心坐标，计算得到投影图像对应的校正几何参数步骤的流程示意图；
图4为一个实施例中经过负对数变之后的投影图像的示意图；
图5为一个实施例中钢珠区域的放大图像的示意图；
图6a为一个实施例中仿真结果的对比示意图；
图6b为一个实施例中重建结果的灰度值比较示意图；
图7为一个实施例中锥形束成像装置的结构框图；
图8为一个实施例中锥形束成像系统的结构示意图；
图9为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
本申请提供的锥形束成像方法，可以应用于如图1所示的应用环境中。其中，锥形束扫描设备102与锥形束成像装置104连接。当锥形束成像装置104获取锥形束扫描设备102发送的对成像物体和旋转的校正模体进行扫描得到的各角度的投影图像之后，由锥形束成像装置104根据投影图像单独实现上述锥形束成像方法。其中，成像物体静止的放置于校正模体内部。具体地，锥形束成像装置104获取对成像物体和旋转的校正模体进行扫描得到的各角度的投影图像；锥形束成像装置104分别从各投影图像中，确定各投影图像包括的钢珠的中心坐标；锥形束成像装置104基于各投影图像对应的中心坐标进行几何校正，得到各投影图像对应的校正几何参数；根据各校正几何参数对各投影图像进行图像重建，得到成像图。其中，锥形束成像装置104可以是终端或者服务器，终端可以但不限于是各种个人计算机、笔记本电脑、智能手机和平板电脑，服务器可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
在一个实施例中，如图2所示，提供了一种锥形束成像方法，以该方法应用于图1中的锥形束成像装置为例进行说明，包括以下步骤：
步骤S202，获取对成像物体和旋转的校正模体进行扫描得到的各角度的投影图像，成像物体静止放置于校正模体内部。
具体地，成像物体是指需要进行锥形束成像的物体。当将成像物体放入校正模体内部之后，可通过启动旋转装置带动校正模体进行慢速旋转。然后，锥形束扫描设备对成像物体和慢速旋转的校正模体发射X射线，得到经过X射线形成的各种角度的投影图像并发送给锥形束成像装置。锥形束成像装置由此接收到对内部包括成像物体且旋转的校正模体进行扫描得到的各角度的投影图像。应当理解的是，成像物体仅仅只是放置于校正模体的内部，是处于静止的，并不会因为校正模体的旋转而带动成像物体旋转。
步骤S204，分别从各投影图像中，确定各投影图像包括的钢珠的中心坐标。
其中，中心坐标是校正模体上各钢珠在对应投影图像上的中心二维坐标。可以理解为，由于校正模体上的钢珠经过投影在投影图像中是一个对应的圆形区域，该圆形区域的圆点即为钢珠的中心二维坐标。
具体地，当锥形束扫描设备将扫描得到的各个角度的投影图像发送给锥形束成像装置之后，锥形束成像装置分别对各个角度的投影图像进行图像检测，确定各个投影图像所包括钢珠的钢珠区域。然后进一步定位确定各钢珠区域的中心坐标，得到钢珠的中心坐标。
在一个实施例中，分别从各投影图像中，确定各投影图像包括的钢珠的中心坐标，包括：分别对各投影图像进行图像检测，确定各投影图像中包括钢珠的钢珠区域；获取钢珠区域的中心坐标。
具体地，锥形束成像装置可以利用计算机视觉算法对各个角度的投影图像进行图像检测，确定各投影图像中包括钢珠的钢珠区域。进而获取检测出的钢珠区域的中心坐标，得到钢珠的中心坐标。计算视觉算法可采用任意一种，例如利用神经网络或者深度神经网络对投影图像进行图像检测。
步骤S206，基于各投影图像对应的中心坐标进行几何校正，得到各投影图像对应的校正几何参数。
其中，几何校正一般是指通过一系列的数学模型来改正和消除遥感影像成像时因各中因素原因导致的原始图像上各物体的几何位置、形状、尺寸以及方位等特征与表达要求不一致产生的变形。几何参数是锥形束成像系统在重建图像时需要获取的几何参量。通过几何参数重建图像能够提高重建图像的质量，防止出现几何伪影。不同的成像系统因为具体结构的不同，几何参数也是不同的。然而不准确的几何参数去进行图像重建也会导致出现几何伪影。因此，在本实施例中，通过各钢珠的中线坐标对成像系统的几何参数进行校正，得到校正后的几何参数。
具体地，当进行几何校正时，锥形束成像装置首先获取到投影图像中钢珠的空间坐标。根据投影图像中各钢珠的空间坐标和中心坐标的几何映射关系进行几何校正的计算，得到校正后的校正几何参数。其中，钢珠的空间坐标可以理解为是钢珠的三维坐标，即钢珠在校正模体上的坐标。因此，当钢珠设置于校正模体上时，已经可以直接确定其空间坐标。所以钢珠的空间坐标可以预先保存至锥形束成像装置，锥形束成像装置可以直接获取已存的空间坐标。
步骤S208，根据各校正几何参数对各投影图像进行图像重建，得到成像图。
具体地，当得到校正几何参数后，去除各角度投影图像中的钢珠区域，得到不包括钢珠区域的各角度的投影图像。利用得到的各个钢珠的校正几何参数对已经去除钢珠区域的各个角度的投影图像进行图像重建，也就是所有的校正几何参数同时对所有去除钢珠区域的投影图像进行图像重建，得到三维的成像图。图像重建可以采用任意一种方式。
上述锥形束成像方法，首先获取对静止放置于校正模体内部的成像物体和旋转的校正模体一起进行扫描得到的各角度的投影图像。进而基于各角度投影图像中钢珠点的中心坐标计算得到各不同角度投影图像的校正几何参数后，利用校正几何参数对投影图像进行图像重建。该方法由于校正模体在采集投影图像时发生自旋转，使得不同角度的投影采集时校正模体在不同角度，可以有效避免投影图像内容的缺失，从而防止因投影缺失造成的伪影影响重建图像的质量。同时在进行几何校正得到几何参数之后直接进行图像重建，消除了分前后两次扫描的几何参数不相等的影响，由此进一步提高图像重建的质量。
在一个实施例中，如图3所示，根据投影图像中各钢珠的空间坐标和中心坐标进行几何校正的计算，得到校正后的校正几何参数包括以下步骤：
步骤S302，确定空间坐标和中心坐标的几何映射关系式。
具体地，在锥形束成像系统，例如CBCT系统中，射线源以锥形束的形状像探测器发射射线，对于空间上的某一点(m，n，r)，经过射线的投射，可以在探测器上得到其对应的投影坐标(U，V)。例如校正模体上钢珠的三维空间坐标和二维空间坐标。空间坐标和投影坐标对应的几何映射关系式如下：
P是3*4的映射矩阵，w是距离权重因子。T是4*4的旋转矩阵。旋转矩阵T是复原由模体自身轴的慢匀速运动对校正模体中空间点(m，n，r)产生的坐标带来的影响。假设，以探测器描述的帧数为a帧每秒，当前对第b帧图像进行几何校正，那么扫描到第b帧的扫描时间为s＝b/a，对应校正模体以自身中心轴每秒c度旋转。那么可以得到在第b帧扫描时刻模体自身旋转了d弧度，具体关系式如下：
PI表示圆周率。由此可以得到T矩阵为：
而因为d为已知值，所以矩阵T是一个已知矩阵，所有空间上的点(m，n，r)通过T矩阵均可以转换为点(x，y，z)，即点(x，y，z)的表达式为：
那么，几何映射关系式可以转换如下：
因此，当得到各钢珠的三维空间坐标(xi，yi，zi)和二维中心坐标(ui，vi)时，i＝1,2,……，n，表示钢珠的个数。通过几何映射关系式可以得到空间坐标和中心坐标的几何映射关系式，如下：
步骤S304，消除所述映射匹配关系式的加权因子。
具体地，当得到钢珠的空间坐标和中心坐标的几何映射关系式之后，由于关系式中均包括距离权重因子w。因此，可以消除该几何映射关系中的距离权重因子w，消除距离权重因子w后的方程表达式如下：
步骤S306，对已消除加权因子的映射匹配关系式进行格式转化，得到映射匹配关系式对应的矩阵表达式。
具体地，将已经消除距离权重因子w后的方程表达式中的两个方程格式化为矩阵形式的矩阵表达式，如下：
Mip＝0
转换后的Mi是个2*12的矩阵：
转换后的P是包含12个元素的列向量：
p＝[P11 P12 P13 P14 P21 P22 P23 P24 P31 P32 P33 P34]T
n个钢珠的三维空间坐标和其对应的二维中心坐标，可以通过一个2n*12矩阵堆叠制定，i＝1,2,……，n。因此上述矩阵表达式可以表达为如下形式的方程：
Mp＝0
步骤S308，基于矩阵表达式进行奇异值分解和正交三角分解，得到校正几何参数。
具体地，通过矩阵表达式中的M矩阵进行奇异值分解和正交三角分解(QR分解)，从而对矩阵表达式进行有效的求解得到校正几何参数。
M矩阵的奇异值分解表达式如下：
M＝UDVT
其中，若M为k*j阶矩阵，U即为k*k阶的酉矩阵，D为k*j阶的对角矩阵，V为j*j阶的酉矩阵。通过M矩阵的奇异值分解表达式可知，矩阵V最后一列即为矩阵表达式中P矩阵的解。
进一步的，将P矩阵进行QR分解为P＝KR，K表示为内矩阵，R表示为上三角矩阵。通过QR分解求解的P矩阵为：
因此可得校正几何参数：
(u0,v0)为发射源垂直于探测器的坐标、SID为发射源到探测器的距离。
在一个实施例中，在步骤S204之前，还包括对各投影图像进行负对数变换，得到负对数变换后的投影图像的步骤。
具体地，当锥形束成像装置获取到各个角度的投影图像之后，首先通过对各个投影图像进行负对数变换的图像处理。经过负对数变换后的投影图像能够提高图像对比度，从而能够使得投影图像中的钢珠区域高亮显示。后续能够提高从经过负对数变换的投影图像中确定钢珠的中心坐标的准确性。参考图4，提供一种经过负对数变之后的投影图像示意图。在本实施例中，通过对各角度的投影图像进行负对数变换能够提高识别钢珠区域的准确度。
在一个实施例中，分别对各投影图像进行图像检测，确定各投影图像中的钢珠区域，包括：利用霍夫曼变换分别对各投影图像进行图像检测，确定各投影图像中的钢珠区域。
具体地，霍夫曼变换是一种特征检测的算法。在本实施例中，利用霍夫曼变换检测投影图像中所包括的钢珠区域。参考图5，提供一种钢珠区域的放大示意图。如图5所示的圆形的钢珠区域的圆点即为钢珠的中心坐标。在本实施例中，通过霍夫曼变换能够准确检测出钢珠区域，提高检测的准确度。
在一个实施例中，根据各校正几何参数对各投影图像进行图像重建，得到成像图，包括：获取各投影图像对应的钢珠区域；从投影图像中分割出钢珠区域，得到不包含钢珠的投影图像；根据各校正几何参数对不包含钢珠的各投影图像进行图像重建，得到成像图。
具体地，由于前期获取钢珠的中心点坐标时，已经经过图像检测确定钢珠区域了。例如已经利用霍夫曼变换确定钢珠区域了，那么直接获取霍夫曼变换确定的钢珠区域的区域坐标。根据区域坐标从投影图像中将钢珠区域分割出来，可以理解为从投影图像中去除钢珠区域的图像，得到不包含钢珠区域的投影图像。然后，利用得到校正集合参数对不包含钢珠区域的投影图像进行图像重建，得到三维的锥形束成像图。
如图6a-6b所示，参考图6a，为本申请重建图像与理想几何参数重建图像的仿真对比结果。(a)为理想投影重建的结果，即只对物体进行投影然后利用理想的几何参数重建的结果。(b)为校正模体和物体一起成像后，利用霍夫曼变换分割钢珠点，然后对剩下的物体投影使用理想参数重建的结果。(c)为校正模体和物体一起成像后，利用霍夫曼变换分割钢珠点，然后对剩下的物体投影使用本申请中几何校正得出来的校正几何参数重建的结果。根据(a)和(b)可知，(a)和(b)并无显著差异，由此可知本申请能够很好重建扣掉钢珠点部分的投影图像。同时(b)和(c)也无显著差异，由此可知本申请螺旋校正模体计算出来的用于物体重建的几何参数和(b)中理想的几何参数无太大差异，同样能够使得几何校正达到了较高的精度。参考图6b，为图6a中(a)图中竖线位置三种重建结果的灰度值比较图。综上，本申请的锥形束成像方法相比传统方法不仅能够提高图像重建质量，并且重建图像的质量能够达到理想几何参数重建图像的精度。
应该理解的是，虽然图2-3的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图2-3中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中，如图7所示，提供一种锥形束成像装置，包括：获取模块702、确定模块704、计算模块706和重建模块708，其中：
获取模块702，用于获取对成像物体和旋转的校正模体进行扫描得到的各角度的投影图像；成像物体静止放置于校正模体内部。
确定模块704，用于分别从各投影图像中，确定各投影图像包括的钢珠点的中心坐标。
计算模块706，用于基于各投影图像对应的中心坐标进行几何校正，得到各投影图像对应的校正几何参数。
重建模块708，用于根据各几何参数对各所述投影图像进行图像重建，得到成像图。
在一个实施例中，确定模块704还用于分别对各投影图像进行图像检测，确定各投影图像中包括钢珠的钢珠区域；获取钢珠区域的中心坐标。
在一个实施例中，确定模块704还用于对各投影图像进行负对数变换，得到负对数变换后的投影图像。
在一个实施例中，计算模块706还用于获取投影图像中钢珠的空间坐标；基于投影图像中钢珠的空间坐标和中心坐标，计算得到投影图像对应的校正几何参数。
在一个实施例中，计算模块706还用于确定空间坐标和中心坐标的几何映射关系式；消除映射匹配关系式的距离权重因子；对已消除距离权重因子的映射匹配关系式进行格式转化，得到映射匹配关系式对应的矩阵表达式；基述矩阵表达式进行奇异值分解和正交三角分解，得到校正几何参数。
在一个实施例中，重建模块708还用于获取各投影图像对应的钢珠区域；从投影图像中分割出钢珠区域，得到不包含钢珠的投影图像；根据各校正几何参数对不包含钢珠的各投影图像进行图像重建，得到成像图。
在一个实施例中，确定模块704还用于利用霍夫曼变换分别对各投影图像进行图像检测，确定各投影图像中的钢珠区域。
关于锥形束成像装置的具体限定可以参见上文中对于锥形束成像锥形束成像方法的限定，在此不再赘述。上述锥形束成像装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，如图8所示，提供一种锥形束成像系统。参考图8，锥形束成像系统包括锥形束成像装置104、锥形束扫描设备102以及可旋转校正模体106。其中，锥形束扫描设备102包括射线源21和探测器22。探测器22与锥形束成像装置104连接，将投影图像发送给锥形束成像装置104。
其中，射线源21和探测器22相对设置，且校正模体106设于射线源21和探测器22中间。在本实施例中，射线源到旋转中心距离和到探测器的距离分别为100cm和150cm。探测器22大小优选为40cm×30cm，分辨率优选为2048×1536。射线源21从0～360°，每隔1.5个角度采集一次投影，一共可以采集240张投影。高压发生器电压范围为40kV到140kV，管电流范围为10mA-120mA。
可旋转校正模体106内部空间用于放置成像物体。可旋转校正模体106是由钢珠(图示圆柱上的黑圆心)和双开口空心圆柱组成，钢珠随机螺旋固定于空心圆柱的表面。双开口空心圆柱材质和大小可根据实际成像物体大小进行设定，钢珠数量和大小可根据空心圆柱材质大小进行设定。在本实施例中，空心圆柱优选为低密度材料制成，内径为500mm，外径为600mm，高度为800mm。钢珠优选为18个直径2.5mm的钢珠。
具体地，当将成像物体放入可旋转校正模体106内部之后，通过步进电机使可旋转校正模体106进行慢速旋转，成像物体在校正模体中保持静止状态。然后，锥形束扫描设备102中的射线源21对静止放置于校正模体106中的成像物体和慢速旋转的校正模体106发射X射线。而经过静止的成像物体和可旋转校正模体106的X射线投影到探测器22上，从而得到投影图像。由于是对旋转的校正模体106进行扫描，因此能够得到各个不同旋转角度对应的各个角度的投影图像。然后，锥形束扫描设备102中的探测器22将得到的各个角度的投影图像发送给锥形束成像装置104。锥形束成像装置104获取到各角度的投影图像之后，分别从各投影图像中，确定各投影图像包括的钢珠点的中心坐标；锥形束成像装置104基于各投影图像对应的中心坐标进行几何校正，得到各投影图像对应的校正几何参数；锥形束成像装置104根据各校正几何参数对各所述投影图像进行图像重建，得到成像图。
在一个实施例中，参考图8，锥形束扫描设备102还可以包括轨道23，射线源21和探测器22均设于轨道23上。可旋转校正模体106设于由轨道22形成的密闭空间的中心处，且处于射线源21和探测器22中间。
具体地，在内部包括成像物体的可旋转校正模体106处于静止时，射线源21和探测器22可以于轨道24上进行同方向同速度旋转。射线源21和探测器22在旋转中持续对静止于轨道22内部中心且内部放置成像物体的可旋转校正模体106进行旋转扫描，得到各角度的投影图像。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是锥形束成像装置，其内部结构图可以如图9所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口、显示屏和输入装置。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种锥形束成像方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解，图9中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现以下步骤：
获取对成像物体和旋转的校正模体进行扫描得到的各角度的投影图像；成像物体静止放置于校正模体内部；
分别从各投影图像中，确定各投影图像包括的钢珠点的中心坐标；
基于各投影图像对应的中心坐标进行几何校正，得到各投影图像对应的校正几何参数；
根据各几何参数对各所述投影图像进行图像重建，得到成像图。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：分别对各投影图像进行图像检测，确定各投影图像中包括钢珠的钢珠区域；获取钢珠区域的中心坐标。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：对各投影图像进行负对数变换，得到负对数变换后的投影图像。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：获取投影图像中钢珠的空间坐标；基于投影图像中钢珠的空间坐标和中心坐标，计算得到投影图像对应的校正几何参数。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：确定空间坐标和中心坐标的几何映射关系式；消除映射匹配关系式的距离权重因子；对已消除距离权重因子的映射匹配关系式进行格式转化，得到映射匹配关系式对应的矩阵表达式；基述矩阵表达式进行奇异值分解和正交三角分解，得到校正几何参数。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：获取各投影图像对应的钢珠区域；从投影图像中分割出钢珠区域，得到不包含钢珠的投影图像；根据各校正几何参数对不包含钢珠的各投影图像进行图像重建，得到成像图。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：利用霍夫曼变换分别对各投影图像进行图像检测，确定各投影图像中的钢珠区域。
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：
获取对成像物体和旋转的校正模体进行扫描得到的各角度的投影图像；成像物体静止放置于校正模体内部；
分别从各投影图像中，确定各投影图像包括的钢珠点的中心坐标；
基于各投影图像对应的中心坐标进行几何校正，得到各投影图像对应的校正几何参数；
根据各几何参数对各所述投影图像进行图像重建，得到成像图。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：分别对各投影图像进行图像检测，确定各投影图像中包括钢珠的钢珠区域；获取钢珠区域的中心坐标。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：对各投影图像进行负对数变换，得到负对数变换后的投影图像。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：获取投影图像中钢珠的空间坐标；基于投影图像中钢珠的空间坐标和中心坐标，计算得到投影图像对应的校正几何参数。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：确定空间坐标和中心坐标的几何映射关系式；消除映射匹配关系式的距离权重因子；对已消除距离权重因子的映射匹配关系式进行格式转化，得到映射匹配关系式对应的矩阵表达式；基述矩阵表达式进行奇异值分解和正交三角分解，得到校正几何参数。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：获取各投影图像对应的钢珠区域；从投影图像中分割出钢珠区域，得到不包含钢珠的投影图像；根据各校正几何参数对不包含钢珠的各投影图像进行图像重建，得到成像图。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：利用霍夫曼变换分别对各投影图像进行图像检测，确定各投影图像中的钢珠区域。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种锥形束成像方法，所述方法包括：
获取对成像物体和旋转的校正模体进行扫描得到的各角度的投影图像；所述成像物体静止放置于所述校正模体内部；
分别从各所述投影图像中，确定各所述投影图像包括的钢珠的中心坐标；
基于各所述投影图像对应的中心坐标进行几何校正，得到各所述投影图像对应的校正几何参数；
根据各所述校正几何参数对各所述投影图像进行图像重建，得到成像图。
2.根据权利要求1所述的方法，其特征在于，所述分别从各所述投影图像中，确定各所述投影图像包括的钢珠的中心坐标，包括：
分别对各所述投影图像进行图像检测，确定各所述投影图像中包括钢珠的钢珠区域；
获取所述钢珠区域的中心坐标。
3.根据权利要求1所述的方法，其特征在于，所述分别从各所述投影图像中，确定各所述投影图像包括的钢珠的中心坐标之前，还包括：
对各所述投影图像进行负对数变换，得到负对数变换后的投影图像。
4.根据权利要求1所述的方法，其特征在于，所述基于各所述投影图像对应的中心坐标进行几何校正，得到各所述投影图像对应的校正几何参数，包括：
获取所述投影图像中钢珠的空间坐标；
基于所述投影图像中钢珠的空间坐标和所述中心坐标，计算得到所述投影图像对应的校正几何参数。
5.根据权利要求4所述的方法，其特征在于，所述基于所述投影图像中钢珠的空间坐标和所述中心坐标，计算得到所述投影图像对应的校正几何参数，包括：
确定所述空间坐标和所述中心坐标的几何映射关系式；
消除所述映射匹配关系式的距离权重因子；
对已消除距离权重因子的所述映射匹配关系式进行格式转化，得到所述映射匹配关系式对应的矩阵表达式；
基于所述矩阵表达式进行奇异值分解和正交三角分解，得到校正几何参数。
6.根据权利要求1所述的方法，其特征在于，所述根据各所述校正几何参数对各所述投影图像进行图像重建，得到成像图，包括：
获取各所述投影图像对应的钢珠区域；
从所述投影图像中分割出所述钢珠区域，得到不包含钢珠的投影图像；
根据各所述校正几何参数对不包含钢珠的各所述投影图像进行图像重建，得到成像图。
7.根据权利要求2所述的方法，其特征在于，所述分别对各所述投影图像进行图像检测，确定各所述投影图像中的钢珠区域，包括：
利用霍夫曼变换分别对各所述投影图像进行图像检测，确定各所述投影图像中的钢珠区域。
8.一种锥形束成像装置，其特征在于，所述装置包括：
获取模块，用于获取对成像物体和旋转的校正模体进行扫描得到的各角度的投影图像；所述成像物体静止放置于所述校正模体内部；
确定模块，用于分别从各所述投影图像中，确定各所述投影图像包括的钢珠点的中心坐标；
计算模块，用于基于各所述投影图像对应的中心坐标进行几何校正，得到各所述投影图像对应的校正几何参数；
重建模块，用于根据各所述几何参数对各所述投影图像进行图像重建，得到成像图。
9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911419545.5A CN111223159B (zh) | 2019-12-31 | 2019-12-31 | 锥形束成像方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911419545.5A CN111223159B (zh) | 2019-12-31 | 2019-12-31 | 锥形束成像方法、装置、计算机设备和存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111223159A true CN111223159A (zh) | 2020-06-02 |
| CN111223159B CN111223159B (zh) | 2023-12-01 |
Family
ID=70828045
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911419545.5A Active CN111223159B (zh) | 2019-12-31 | 2019-12-31 | 锥形束成像方法、装置、计算机设备和存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111223159B (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113782174A (zh) * | 2021-11-12 | 2021-12-10 | 极限人工智能有限公司 | Ct机的校验方法、装置、电子设备及可读存储介质 |
| CN113963056A (zh) * | 2021-09-07 | 2022-01-21 | 于留青 | Ct图像重建方法、装置、电子设备以及存储介质 |
| CN116758183A (zh) * | 2023-08-18 | 2023-09-15 | 有方（合肥）医疗科技有限公司 | 一种cbct图像重建方法 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109671128A (zh) * | 2018-12-07 | 2019-04-23 | 广州华端科技有限公司 | 图像重建过程中的数据处理、图像重建方法和装置 |
| CN109717889A (zh) * | 2018-12-14 | 2019-05-07 | 深圳市深图医学影像设备有限公司 | 口腔锥束ct系统几何参数校正模型、方法及系统 |
| CN110533597A (zh) * | 2019-03-26 | 2019-12-03 | 北京东软医疗设备有限公司 | 伪影处理及旋转中心确定方法、装置与设备、存储介质 |
-
2019
- 2019-12-31 CN CN201911419545.5A patent/CN111223159B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109671128A (zh) * | 2018-12-07 | 2019-04-23 | 广州华端科技有限公司 | 图像重建过程中的数据处理、图像重建方法和装置 |
| CN109717889A (zh) * | 2018-12-14 | 2019-05-07 | 深圳市深图医学影像设备有限公司 | 口腔锥束ct系统几何参数校正模型、方法及系统 |
| CN110533597A (zh) * | 2019-03-26 | 2019-12-03 | 北京东软医疗设备有限公司 | 伪影处理及旋转中心确定方法、装置与设备、存储介质 |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113963056A (zh) * | 2021-09-07 | 2022-01-21 | 于留青 | Ct图像重建方法、装置、电子设备以及存储介质 |
| CN113782174A (zh) * | 2021-11-12 | 2021-12-10 | 极限人工智能有限公司 | Ct机的校验方法、装置、电子设备及可读存储介质 |
| CN113782174B (zh) * | 2021-11-12 | 2022-02-18 | 极限人工智能有限公司 | Ct机的校验方法、装置、电子设备及可读存储介质 |
| CN116758183A (zh) * | 2023-08-18 | 2023-09-15 | 有方（合肥）医疗科技有限公司 | 一种cbct图像重建方法 |
| CN116758183B (zh) * | 2023-08-18 | 2023-11-07 | 有方（合肥）医疗科技有限公司 | 一种cbct图像重建方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111223159B (zh) | 2023-12-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN105931202B (zh) | 几何校正模体的校正方法和系统 | |
| CN111223159A (zh) | 锥形束成像方法、装置、计算机设备和存储介质 | |
| CN109671128B (zh) | 图像重建过程中的数据处理、图像重建方法和装置 | |
| US11475611B2 (en) | System and method for image reconstruction | |
| KR20120099082A (ko) | 엑스선 이미지들 내의 마커 위치들로부터의 환자 모션 벡터들의 추출 | |
| CN110057847B (zh) | Tr层析扫描投影重排方法及装置 | |
| CN110298447B (zh) | 用于处理机器学习方法的参数的方法以及重建方法 | |
| CN110570483A (zh) | 扫描方法、装置、计算机设备和存储介质 | |
| CN111179372A (zh) | 图像衰减校正方法、装置、计算机设备和存储介质 | |
| US11557071B2 (en) | Systems and methods for determining at least one artifact calibration coefficient | |
| CN113538372B (zh) | 三维目标检测方法、装置、计算机设备和存储介质 | |
| CN111583099A (zh) | 图像摆正方法、计算机设备和存储介质 | |
| Cierniak et al. | A practical statistical approach to the reconstruction problem using a single slice rebinning method | |
| US9949711B2 (en) | X-ray computed tomography apparatus | |
| CN109146800B (zh) | 锥束计算机断层成像图像校正方法和系统 | |
| CN107233105B (zh) | 一种用于ct图像重建的修正方法及修正系统 | |
| CN112001979B (zh) | 运动伪影处理方法、系统、可读存储介质和设备 | |
| CN112150485A (zh) | 图像分割方法、装置、计算机设备和存储介质 | |
| Guo et al. | Iterative image reconstruction for limited-angle CT using optimized initial image | |
| JP2016087458A (ja) | Ｘ線コンピュータ断層撮影装置 | |
| CN115375840A (zh) | 图像重建方法、装置、系统、计算机设备和存储介质 | |
| US9508164B2 (en) | Fast iterative image reconstruction method for 3D computed tomography | |
| CN112957059A (zh) | 医学成像方法、装置、设备、系统和存储介质 | |
| CN113520426B (zh) | 同轴度测量方法、医疗设备机架调整方法、设备和介质 | |
| CN114324423B (zh) | 焦点校正方法、装置、系统、计算机设备和可读存储介质 |
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 |