CN111526796A - 用于图像散射校正的系统和方法 - Google Patents

用于图像散射校正的系统和方法 Download PDF

Info

Publication number
CN111526796A
CN111526796A CN201880084682.5A CN201880084682A CN111526796A CN 111526796 A CN111526796 A CN 111526796A CN 201880084682 A CN201880084682 A CN 201880084682A CN 111526796 A CN111526796 A CN 111526796A
Authority
CN
China
Prior art keywords
pixel
interest
correction
candidate
image
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
CN201880084682.5A
Other languages
English (en)
Other versions
CN111526796B (zh
Inventor
姚鹏
袁洲
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.)
Shanghai United Imaging Healthcare Co Ltd
Original Assignee
Shanghai United Imaging Healthcare Co Ltd
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
Priority claimed from CN201711489188.0A external-priority patent/CN108577872B/zh
Priority claimed from CN201711489052.XA external-priority patent/CN107928690B/zh
Application filed by Shanghai United Imaging Healthcare Co Ltd filed Critical Shanghai United Imaging Healthcare Co Ltd
Publication of CN111526796A publication Critical patent/CN111526796A/zh
Application granted granted Critical
Publication of CN111526796B publication Critical patent/CN111526796B/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
    • 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
    • A61B6/5211—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data
    • A61B6/5229—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data combining image data of a patient, e.g. combining a functional image with an anatomical image
    • A61B6/5235—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data combining image data of a patient, e.g. combining a functional image with an anatomical image combining images from the same or different ionising radiation imaging techniques, e.g. PET and CT
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0012—Biomedical image inspection
    • G06T7/0014—Biomedical image inspection using an image reference approach
    • 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
    • A61B6/52—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
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/54—Control of apparatus or devices for radiation diagnosis
    • A61B6/542—Control of apparatus or devices for radiation diagnosis involving control of exposure
    • 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
    • A61B6/58—Testing, adjusting or calibrating thereof
    • A61B6/582—Calibration
    • A61B6/583—Calibration using calibration phantoms
    • 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
    • G06T5/00—Image enhancement or restoration
    • G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/70—Denoising; Smoothing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/174—Segmentation; Edge detection involving the use of two or more images
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • 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
    • A61B6/56—Details of data transmission or power supply, e.g. use of slip rings
    • A61B6/563—Details of data transmission or power supply, e.g. use of slip rings involving image data transmission via a network
    • 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
    • G06T2207/10—Image acquisition modality
    • G06T2207/10116—X-ray image
    • 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
    • G06T2207/30168—Image quality inspection

Landscapes

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

Abstract

本申请涉及一种用于图像散射校正的方法。该方法可以包括获取受试体的图像和空气的参考图像。该方法还可以包括从图像识别感兴趣对象，该感兴趣对象包括一个或以上像素。对于感兴趣对象的一个或以上像素中的每个像素，该方法还可以包括基于每个像素的像素值和参考图像中确定与每个像素对应的感兴趣对象的等效厚度，以及至少部分地基于与每个像素对应的感兴趣对象的等效厚度，确定每个像素的散射校正系数。该方法可以进一步包括对于感兴趣对象的一个或以上像素中的每个像素，使用对应的散射校正系数来校正每个像素的像素值。

Description

用于图像散射校正的系统和方法
相关申请的交叉引用
本申请要求2017年12月29日提交的申请号为No.201711489052.X的中国申请的优先权和2017年12月29日提交的申请号为201711489188.0的中国申请的优先权。上面引用的每个申请的全部内容通过引用明确地并入本文。
技术领域
本申请主要涉及图像处理，更具体地，涉及用于图像散射校正的系统和方法。
背景技术
高能射线(例如，X射线，γ射线)被广泛用于医学成像。例如，X射线被用于计算机断层扫描(CT)设备或数字射线成像(DR)设备中，以生成受试体的图像。在由成像设备执行的扫描过程中，照射在受试体上的X射线可以穿过受试体，并被一个或多个探测器检测到。但是，X射线穿过受试体时可能会散射，由此可能导致基于扫描生成的图像中出现散射噪声。通常，可以在成像装置上组装格栅，以限制在扫描期间散射的X射线到达探测器。然而，只有一部分散射X射线会受到格栅的限制。而且，主X射线也可能受到格栅的限制，导致成像质量降低。为了提高成像质量，需要增加扫描的辐射剂量，而受试体可能会受到不必要的辐射的影响。因此，期望提供一种用于校正图像的机制，以减少或消除图像的散射噪声，提高成像质量，避免对扫描受试体带来不必要的辐射。
发明内容
在本申请的一个方面，提供了一种系统，该系统可以包括至少一个存储设备，其包括用于图像散射校正的一组指令，和至少一个处理器，其被配置为与该至少一个存储设备通信。当执行指令时，至少一个处理器可以被配置为指示该系统获取受试体的图像，所述图像是根据由X射线成像设备获得的受试体的扫描数据生成；获取空气的参考图像，所述参考图像是根据由X射线成像设备获得的空气的扫描数据生成；从图像中识别出感兴趣对象(OOI)，该感兴趣对象包括一个或以上像素；对于感兴趣对象的一个或以上像素中的每个像素，基于每个像素的像素值和参考图像，确定与每个像素对应的感兴趣对象的等效厚度；至少部分地基于与每个像素对应的感兴趣对象的等效厚度，确定每个像素的散射校正系数；以及使用对应的散射校正系数来校正每个像素的像素值。
在一些实施例中，为了确定与每个像素对应的感兴趣对象的等效厚度，至少一个处理器可以进一步被配置为指示该系统：对于感兴趣对象中的一个或多个候选像素中的每个候选像素，基于候选像素的像素值和参考图像，确定与候选像素对应的感兴趣对象的厚度；基于与一个或以上候选像素对应的感兴趣对象的厚度，确定与一个或以上候选像素对应的感兴趣对象的平均厚度；以及将与一个或以上候选像素对应的感兴趣对象的平均厚度指定为与每个像素对应的感兴趣对象的等效厚度。
在一些实施例中，为了基于候选像素的像素值和参考图像，确定与候选像素对应的感兴趣对象的厚度，至少一个处理器可以进一步被配置为指示该系统：确定受试体的图像中候选像素的像素值和参考图像中与该候选像素对应的像素的像素值的比率；以及基于该比率和感兴趣对象的线性衰减系数，确定与感兴趣对象对应的感兴趣对象的厚度。
在一些实施例中，为了确定与每个像素对应的感兴趣对象的等效厚度，至少一个处理器可以进一步被配置为指示该系统将感兴趣对象确定为至少两个子区域；对于所述子区域中的每个子区域，对于该子区域中的一个或以上候选像素中的每个候选像素，基于候选像素的像素值和参考图像，确定与候选像素对应的感兴趣对象的厚度；基于与子区域中的一个或以上候选像素对应的感兴趣对象的厚度，确定与子区域中的一个或以上候选像素对应的子区域中的平均厚度；以及将与子区域中的一个或以上候选像素对应的子区域的平均厚度，指定为与子区域中的每个像素对应的感兴趣对象的等效厚度。
在一些实施例中，对于感兴趣对象的一个或以上像素的每个像素，为了至少部分地基于与每个像素对应的感兴趣对象的等效厚度，确定每个像素的散射校正系数，至少一个处理器可以进一步被配置为指示该系统：获取对应于目标等效厚度的校正模板，所述目标等效厚度为与每个像素对应的感兴趣对象的等效厚度，所述校正模板包括与X射线成像设备的至少两个探测器单元对应的至少两个散射校正系数；以及将用于获取所述扫描数据的一部分的探测器单元的散射校正系数指定为所述每个像素的散射校正系数，所述扫描数据的一部分对应所述每个像素。
在一些实施例中，对应于目标等效厚度的校正模板是根据校正模板生成过程生成的，该校正模板生成过程包括：获取与模体的扫描有关的光子信息，所述光子信息与至少两个光子有关，该至少两个光子是X射线成像设备的至少两个探测器单元在扫描期间检测到的，所述模体的厚度基本等于目标等效厚度，所述模体的衰减特性基本上等于感兴趣对象的衰减特性，所述光子信息包括至少两个光子中每个光子在至少两个探测器单元上的入射角，和至少两个光子中每个光子的光子能量；基于光子信息，确定至少两个光子中的一个或以上散射光子；以及基于光子信息和确定的一个或以上散射光子，确定与至少两个探测器单元对应的至少两个散射校正系数。
在一些实施例中，校正模板是根据蒙特卡洛模拟技术生成的。
在一些实施例中，受试体的扫描数据由X射线成像设备在目标成像条件以下获得，并且为了获取对应于目标等效厚度的校正模板，至少一个处理器可以进一步被配置为指示该系统：获取与目标等效厚度对应的至少两个候选校正模板，候选校正模板中的每个候选校正模板对应成像条件；以及在至少两个候选校正模板中选择与目标成像条件对应的候选校正模板，作为对应于目标等效厚度的校正模板。
在一些实施例中，至少一个处理器可以进一步被配置为指示该系统：从图像中确定至少两个感兴趣对象，所述感兴趣对象中的每个感兴趣对象包括一个或以上像素；对于至少两个感兴趣对象中的每个感兴趣对象，基于每个感兴趣对象中的每个像素的像素值和参考图像，确定与每个感兴趣对象中的每个像素对应的每个感兴趣对象的等效厚度；至少部分地基于与每个感兴趣对象中的每个像素对应的每个感兴趣对象的等效厚度，确定每个感兴趣对象中的每个像素的散射校正系数；以及使用对应的散射校正系数来校正每个感兴趣对象中的每个像素的像素值；以及通过组合至少两个校正的感兴趣对象来生成校正图像。
在一些实施例中，散射校正系数包括散射主射比(SPR)、散射比、或主射比中的至少一种。
在一些实施例中，感兴趣对象包括受试体的器官或组织中的至少一个。
在本申请的另一方面，提供了一种系统，该系统可以包括至少一个存储设备，其包括用于图像散射校正的一组指令，和至少一个处理器，其被配置为与至少一个存储设备通信。当执行一组指令时，至少一个处理器可以被配置为指示该系统：获取与至少两次扫描相关的光子信息，该至少两次扫描中的每次扫描在成像条件下对模体进行，所述扫描的光子信息与至少两个光子有关，该至少两个光子是X射线成像设备的至少两个探测器单元在对应模体的扫描期间检测到的，所述光子信息包括至少两个光子中每个光子在至少两个探测器单元上的入射角，和至少两个光子中每个光子的光子能量；以及对于至少两次扫描中的每次扫描，基于对应的光子信息，在X射线成像设备的至少两个探测器单元检测到的对应的至少两个光子中，确定一个或以上散射光子；以及基于对应的光子信息和对应的散射光子，确定与执行所述扫描的成像条件对应的候选校正模板，所述候选校正模板包括至少两个散射校正系数，每个散射校正系数对应于至少两个探测器单元中的每个探测器单元。
在一些实施例中，至少一个处理器可以被进一步配置为指示该系统获取受试体的图像，图像是根据由X射线成像设备在目标成像条件下获得的受试体的扫描数据生成；在与成像条件对应的至少两个候选校正模板中，选择与目标成像条件对应的校正模板；以及使用与目标成像条件对应的校正模板校正图像的至少一部分。
在一些实施例中，为了使用与目标成像条件对应的校正模板校正图像的至少一部分，至少一个处理器可以进一步被配置指示该系统：对于图片中的至少一个像素，从与目标成像条件对应的校正模板中，确定用于获取所述扫描数据的一部分的探测器单元的散射校正系数，所述扫描数据的一部分对应所述至少一个像素；以及使用确定的散射校正系数来校正至少一个像素的像素值。
在一些实施例中，至少两次扫描中的每次扫描在对应的具有厚度的模体上执行，并且至少一个处理器可以进一步被配置为指示该系统：获取受试体的图像，所述图像是根据由X射线成像设备在目标成像条件下获得的受试体的扫描数据生成；获取空气的参考图像，所述参考图像是根据由所述X射线成像设备在目标成像条件下获得的空气的扫描数据生成；从图像中识别出感兴趣对象(OOI)，所述感兴趣对象包括一个或以上像素；对于感兴趣对象的一个或以上像素中的每个像素，基于每个像素的像素值和参考图像，确定与每个像素对应的感兴趣对象的等效厚度；在与成像条件对应的至少两个候选校正模板中选择与目标成像条件对应的校正模板，该校正模板是根据模体的扫描生成的，所述模体的厚度基本等于与每个像素对应的感兴趣对象的等效厚度；以及使用对应的校正模板来校正像素的像素值。
在一些实施例中，为了使用对应的校正模板来校正每个像素的像素值，至少一个处理器可以进一步被配置为指示该系统：从所述对应的校正模板中确定用于获取所述扫描数据的一部分的探测器单元的散射校正系数，所述扫描数据的一部分对应所述像素；使用确定的散射校正系数校正像素的像素值。
在本申请的另一方面，提供了一种方法，该方法可以在具有一个或多个处理器和一个或多个存储介质的计算设备上实现。该方法可以包括：获得受试体的图像，所述图像是根据由X射线成像设备获得的受试体的扫描数据生成；获取空气的参考图像，所述参考图像是根据由所述X射线成像设备获得的空气的扫描数据生成；从图像中识别出感兴趣对象(OOI)，所述感兴趣对象包括一个或以上像素；对于感兴趣对象的一个或以上像素中的每个像素，基于每个像素的像素值和参考图像，确定与每个像素对应的感兴趣对象的等效厚度；至少部分地基于与每个像素对应的感兴趣对象的等效厚度，确定每个像素的散射校正系数；以及使用对应的散射校正系数校正每个像素的像素值。
在本申请的另一方面，提供了一种方法，该方法可以在具有一个或多个处理器和一个或多个存储介质的计算设备上实现。该方法可以包括：获取与至少两次扫描相关的光子信息，所述至少两次扫描中的每次扫描在成像条件下对模体进行，所述扫描的光子信息与至少两个光子有关，该至少两个光子是X射线成像设备的至少两个探测器单元在对应模体的扫描期间检测到的，所述光子信息包括至少两个光子中每个光子在至少两个探测器单元上的入射角，和至少两个光子中每个光子的光子能量；以及对于至少两次扫描中的每次扫描，基于对应的光子信息，在X射线成像设备的至少两个探测器单元检测到的对应的至少两个光子中，确定一个或以上散射光子；以及基于对应的光子信息和对应的散射光子，确定与执行所述扫描的成像条件对应的候选校正模板，所述候选校正模板包括至少两个散射校正系数，每个散射校正系数对应于至少两个探测器单元中的每个探测器单元。
在本申请的另一方面，提供了一种非暂时性计算机可读存储介质，该非暂时性计算机可读存储介质可以存储指令。当系统的至少一个处理器执行指令时，该非暂时性计算机可读存储介质可以使该系统执行一种方法，该方法可以包括：获取受试体的图像，所述图像是根据由X射线成像设备获得的受试体的扫描数据生成；获取空气的参考图像，所述参考图像是根据由X射线成像设备获得的空气的扫描数据生成；从图像中识别出感兴趣对象(OOI)，所述感兴趣对象包括一个或以上像素；对于感兴趣对象的一个或以上像素中的每个像素，基于每个像素的像素值和参考图像，确定与每个像素对应的感兴趣对象的等效厚度；至少部分地基于与每个像素对应的感兴趣对象的等效厚度，确定每个像素的散射校正系数；以及使用对应的散射校正系数来校正每个像素的像素值。
在本申请的另一方面，提供了体现计算机程序产品的非暂时性计算机可读存储介质，该非暂时性计算机可读存储介质可以存储指令。当系统的至少一个处理器执行指令时，该非暂时性计算机可读存储介质可以使该系统执行一种方法，该方法可以包括：获取与至少两次扫描相关的光子信息，所述至少两次扫描中的每次扫描在成像条件下对模体进行，所述扫描的光子信息与至少两个光子有关，该至少两个光子是X射线成像设备的至少两个探测器单元在对应模体的扫描期间检测到的，所述光子信息包括至少两个光子中每个光子在至少两个探测器单元上的入射角，和至少两个光子中每个光子的光子能量；以及对于至少两次扫描中的每次扫描，基于对应的光子信息，在X射线成像设备的至少两个探测器单元检测到的对应的至少两个光子中，确定一个或以上散射光子；以及基于对应的光子信息和对应的散射光子，确定与执行所述扫描的成像条件对应的候选校正模板，所述候选校正模板包括至少两个散射校正系数，每个散射校正系数对应于至少两个探测器单元中的每个探测器单元。
在本申请的另一方面，提供了一种系统，该系统可以包括至少一个存储设备，其包括用于图像散射校正的一组指令，和至少一个处理器，其被配置为与至少一个存储设备通信。当执行一组指令时，至少一个处理器可以被配置为指示该系统获取受试体的图像，所述图像是根据由X射线成像设备在目标成像条件下获得的受试体的扫描数据生成；获得与至少两个成像条件对应的至少两个候选校正模板，所述至少两个候选校正模板中的每个候选校正模板包括与X射线成像设备的至少两个探测器单元对应的至少两个散射校正系数；在至少两个候选校正模板中选择与目标成像条件相对应的校正模板；以及使用与目标校正模板对应的校正模板中的至少两个散射校正系数中的至少一个散射校正系数来校正图像的至少一部分。
在一些实施例中，X射线成像设备在获取受试体的扫描数据的过程中未使用格栅。
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实践或使用下述详细示例中阐述的方法、手段和组合的各个方面来实现和获得。
附图说明
本申请将通过示例性实施例进行进一步描述。这些示例性实施例将通过附图进行详细描述。这些实施例是非限制性的示例性实施例，其中贯穿附图的所有视图，相似的附图标记表示相似的结构，并且其中：
图1是根据本申请的一些实施例所示的示例性X射线成像系统的示意图；
图2是根据本申请的一些实施例所示的示例性计算设备的示例性硬件和/或软件组件的示意图；
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示例性硬件和/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图像散射校正的示例性过程的流程图；
图6是根据本申请的一些实施例所示的确定感兴趣对象的等效厚度的示例性过程的流程图；
图7是根据本申请的一些实施例所示的确定像素的散射校正系数的的示例性过程的流程图；
图8是根据本申请的一些实施例所示的生成对应于目标等效厚度的校正模板的示例性过程的流程图；以及
图9是根据本申请的一些实施例所示的确定与不同成像条件对应的至少两个校正模板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。在其它情况下，为了避免不必要地使本申请的各方面变得晦涩难懂，已经在较高的层次上描述了众所周知的方法、过程、系统、组件和/或电路。对于所公开的实施例的各种修改对于本领域技术人员而言将是显而易见的，并且在不脱离本申请的精神和范围的情况下，本文中定义的一般原理可以应用于其他实施例和应用。因此，本申请不限于所示出的实施例，而是与符合权利要求的最宽范围相一致。
本文所使用的术语仅出于描述特定实施例的目的，并且不旨在限制本发明的示例性实施例。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。如本文所用，术语“和/或”和“至少一个”包括相关所列项目的一个或多个的任何和所有组合。将进一步理解的是，当在本文中使用时，术语“包括”和/或“包含”指存在所述特征、符号、步骤、操作、要素和/或组件。但不排除存在或添加一个或以上其他特征、整体、步骤、操作、元素、组件和/或其组合的情况。同样，术语“示例性”旨在表示示例或说明。
应当理解的是，本文中使用的术语“系统”、“引擎”、“单元”、“模块”和/或“区块”是一种用于按升序区分不同级别的不同构件、元素、部件、零件、部分或组件的方法。但是，如果这些术语达到相同的目的，则可以被其他表达式替换。
通常，本文所使用的词“模块”、“单元”或“块”是指体现在硬件或固件中的逻辑或软件指令的集合。本文描述的模块、单元或块可以被实现为软件和/或硬件，并且可以被存储在任何类型的非暂时性计算机可读介质或其他存储设备中。在一些实施例中，软件模块/单元/块可以被编译并链接到可执行程序中。要意识到，软件模块可以是可从其他模块/单元/块或从其自身调用的，和/或可以响应于检测到的事件或中断而被调用。可以在计算机可读介质上提供被配置为在计算设备(例如，如图2所示的处理器210)上执行的软件模块/单元/块，例如光盘、数字视频光盘、闪存驱动器、磁盘或任何其他有形介质，或作为数字下载(并且可以最初以压缩或可安装的格式存储，需要在执行之前进行安装、解压缩或解密)。这里的软件代码可以被部分地或全部地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EPROM。还要意识到，硬件模块/单元/块可以被包括在连接的逻辑组件中，例如门和触发器，和/或可以包括在可编程单元中，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被实现为软件模块/单元/块，但是可以以硬件或固件来表示。通常，本文描述的模块/单元/块是指可以与其他模块/单元/块组合或者被划分为子模块/子单元/子块的逻辑模块/单元/块，不管其物理组织或存储如何。该描述可以适用于系统、发动机或其一部分。
应当理解的是，尽管术语“第一”、“第二”、“第三”等在本文中可用于描述各种元素，但是这些元素不应受这些术语的限制。这些术语仅用于区分一个元素和另一个元素。例如，在不脱离本发明的示例实施例的范围的情况下，第一元素可以被称为第二元素，并且类似地，第二元素可以被称为第一元素。除非上下文另有明确说明，当一个单元、引擎、模块或块被“位于”、“连接”、或“耦合到”另一个单元、引擎、模块或块时，它可以直接位于、连接或耦合上，或与其他单元、引擎、模块或模块进行通信，或者可能存在中间单元、引擎、模块或模块。本申请所使用的术语“和/或”包括一个或多个相关联的所列项的任何和所有组合。
根据以下对附图的描述，本申请的这些和其他的特征、特点以及相关结构元件的功能和操作方法，以及部件组合和制造经济性，可以变得更加显而易见，这些附图都构成本申请说明书的一部分。然而，应当理解的是，附图仅仅是为了说明和描述的目的，并不旨在限制本申请的范围。应当理解的是，附图并不是按比例绘制的。
出于说明的目的，提供以下描述以帮助更好地理解成像过程。应当理解，这并非旨在限制本申请的范围。对于具有本领域普通技能的人员，可以在本申请的指导下扣除一定数量的变更、更改和/或修改。那些变化、改变和/或修改不脱离本申请的范围。
本申请的一个方面涉及用于对受试体图像进行散射校正的系统和方法。受试体的图像可以根据X射线成像设备获得的受试体的扫描数据生成。在受试体的扫描中，穿过受试体(或其部分)的X射线光子的衰减可能受各种因素的影响，例如被X射线光子穿过的受试体(或其部分)的衰减特性和/或X射线光子的穿行距离。需要考虑这些因素以提供更有效的散射校正方法。为此，所述系统和方法可以获得空气的参考图像，该空气的参考图像是基于X射线成像设备获取的空气扫描数据生成。所述系统和方法可以进一步从图像识别感兴趣对象，例如器官和/或组织。对于感兴趣对象的每个像素，所述系统和方法可以确定对应于该像素的感兴趣对象的等效厚度，并且至少部分地基于对应于像素的感兴趣对象的等效厚度来确定像素的散射校正系数。然后，所述系统和方法可以使用相应的散射校正系数来校正感兴趣对象的每个像素的像素值。与传统方式相比，本申请公开的系统和方法可以在不增加格栅和/或不增加辐射剂量的情况下实现。这样可以降低设备成本，减少或消除图像的散射噪声，提高成像质量，避免对扫描的受试体产生不必要的辐射。
图1是根据本申请的一些实施例所示的示例性X射线成像系统的示意图。如图所示，X射线成像系统100可以包括X射线成像设备110，网络120，一个或多个终端130，处理设备140和存储设备150。X射线成像系统100中的组件之间的连接可以是可变的。如图1所示，X射线成像设备110可以通过网络120连接到处理设备140。又例如，X射线成像设备110可以直接连接到处理设备140，如连接X射线成像设备110和处理设备140的虚线双向箭头所指示的。再例如，存储设备150可以直接或通过网络120连接到处理设备140。作为又一示例，终端130可以直接连接到处理设备140(如连接终端130和处理设备140的虚线箭头所示)，也可以通过网络120连接到处理设备140。
X射线成像设备110可以被配置为使用X射线扫描受试体以收集与受试体有关的扫描数据。扫描数据可用于生成受试体的一个或以上图像。在一些实施例中，X射线成像设备110可以包括计算机断层扫描(CT)扫描仪，数字放射线摄影(DR)扫描仪(例如，移动数字放射线摄影)，数字减影血管造影(DSA)扫描仪，动态空间重建(DSR)扫描仪，X射线显微镜扫描仪，多模态扫描仪等或其组合。示例性多模态扫描仪可以包括计算机断层摄影-正电子发射断层扫描(CT-PET)扫描仪，计算机断层摄影-磁共振成像(CT-MRI)扫描仪等。受试体可以是生物的或非生物的。仅作为示例，受试体可能包括患者，人造物体(例如模体)等。又例如，受试体可以包括患者的特定部位、器官和/或组织。
如图1所示，X射线成像设备110可以包括机架111，探测器112，检测区域113，工作台114和放射源115。机架111可以支撑探测器112和放射源115。可以在工作台114上放置受试体以进行扫描。放射源115可以向受试体发射放射线。探测器112可以检测从检测区域113发出的放射线(例如，X射线)。在一些实施例中，探测器112可以包括一个或以上探测器单元。探测器单元可以包括闪烁探测器(例如，碘化铯探测器)、气体探测器等。探测器单元可以包括单行探测器和/或多行探测器。
网络120可以包括可以促进X射线成像系统100的信息和/或数据的交换的任何合适的网络。在一些实施例中，一个或多个X射线成像系统100的组件(例如，X射线成像设备110，终端130，处理设备140，存储设备150)可以通过网络120彼此交换信息和/或数据。例如，处理设备140可以经由网络120从X射线成像设备110获得图像数据。又例如，处理设备140可以经由网络120从终端130获得用户指令。
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))等)、有线网络(例如，以太网络、无线网络(例如802.11网络、Wi-Fi网络等)、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/或其任何组合。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)、公用电话交换网络(PSTN)、蓝牙TM网络、ZigBee TM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可以包括一个或多个网络接入点。例如，网络120可以包括诸如基站和/或互联网交换点之类的有线和/或无线网络接入点，通过它们，X射线成像系统100的一个或多个组件可以连接到网络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、移动设备、虚拟现实设备、增强现实设备等，或其任意组合。在一些实施例中，智能家居设备可以包括智能照明设备、智能电气设备的控制设备、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、智能配饰等或其任意组合。在一些实施例中，移动设备可能包括手机、个人数字助理(PDA)、游戏设备、导航设备、销售点(POS)设备、笔记本电脑、平板电脑、台式机等，或其任何组合。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X射线成像设备110、终端130和/或存储设备150获得的数据和/或信息。例如，处理设备140可以对图像执行散射校正。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X射线成像设备110、终端130和/或存储设备150中的信息和/或数据。又例如，处理设备140可以直接连接到X射线成像设备110、终端130和/或存储设备150以访问存储的信息和/或数据。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，云平台可以包括私有云、公共云、混合云、社区云、分布式云、云间、多云等，或其任意组合。在一些实施例中，处理设备140可以由具有如图2所示的一个或多个组件的计算设备200或具有如图3所示的一个或多个组件的移动设备300来实现。
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获得的数据。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包括大容量存储设备、可移动存储设备、易失性读写内存、只读内存(ROM)等，或其任意组合。示例性大容量存储设备可以包括磁盘、光盘、固态驱动器等。示例性可移动存储设备可以包括闪存驱动器、软盘、光盘、内存卡、压缩盘、磁带等。示例性易失性读写内存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动态访问内存(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ROM可以包括重新分配的原型内存(MROM)、扩展分区内存(PROM)、可扩展的分区内存(EPROM)、电可替换的分区内存(EEPROM)、光盘只读内存(CD-ROM)和数字多功能磁盘重新分配内存等。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，云平台可以包括私有云、公共云、混合云、社区云、分布式云、云间、多云等，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X射线成像系统100中的一个或多个其他组件(例如，处理设备140、终端130)通信。X射线成像系统100中的一个或多个组件可以经由网络120访问存储在存储设备150中的数据或指令。在一些实施例中，存储设备150可以直接连接到X射线成像系统100中的一个或多个其他组件或与之通信(例如，处理设备140、终端130)。在一些实施例中，存储设备150可以是处理设备140的一部分。
关于X射线成像系统100的描述旨在是说明性的，而不是限制本申请的范围。许多替代、修改和变化对本领域普通技术人员将是显而易见的。本申请描述的示例性实施方式的特征、结构、方法和其它特征可以以各种方式组合以获得另外的和/或替代的示例性实施例。例如，处理设备140和X射线成像设备110可以被集成到单个设备中。然而，这些变化和修改不会背离本申请的范围。
图2是根据本申请的一些实施例所示的示例性计算设备的示例性硬件和/或软件组件的示意图，其中处理设备140可以在所述计算设备上实施。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可以根据本文描述的技术执行计算机指令(例如，程序代码)并执行处理设备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、流程、模块和功能。例如，处理器210可以处理从X射线成像设备110、终端130、存储设备150和/或X射线成像系统100的任何其他组件获得的图像数据。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)、专用集成电路(ASIC)、专用指令集处理器(ASIP)、中央处理单元(CPU)、图像处理单元(GPU)、物理运算处理单元(PPU)、微控制器单元、数字信号处理器(DSP)、现场可编程门阵列(FPGA)、高级RISC机(ARM)、可编程逻辑器件(PLD)以及能够执行一个或以上功能的任何电路和处理器等，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。但是，应注意，本申请中的计算设备200也可以包括多个处理器。因此，如本申请中所述由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共同或分别执行。例如，如果在本申请中，计算设备200的处理器执行步骤A和步骤B，应当理解的是，步骤A和步骤B也可以由计算设备200的两个或以上不同的处理器共同地或独立地执行(例如，第一处理器执行步骤A，第二处理器执行步骤B，或者第一和第二处理器共同地执行步骤A和步骤B)。
存储器220可以存储从X射线成像设备110、终端130、存储设备150和/或X射线成像系统100的任何其他组件获得的数据/信息。在一些实施例中，存储器220可以包括大容量存储设备、可移动存储设备、易失性读写存储器、只读存储器(ROM)等或其任意组合。例如，大容量存储设备可以包括磁盘、光盘、固态驱动器等。可移动存储设备可以包括闪存驱动器、软盘、光盘、内存卡、压缩盘和磁带等。易失性读写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RAM(Z-RAM)等。ROM可以包括掩模型ROM(MROM)、可编程ROM(PROM)、可擦拭可编程ROM(EPROM)、电可擦拭可编程ROM(EEPROM)、光盘ROM(CD-ROM)和数字多功能磁盘ROM等。在一些实施例中，存储器220可以存储一个或以上程序和/或指令以执行本申请中描述的示例性方法。例如，存储器220可以存储被处理设备140执行的程序，该程序用于处理投影数据或图像数据。
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可以实现用户与处理设备140的交互。在一些实施例中，I/O 230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，或其任何组合。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，或其任何组合。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、曲面屏幕、电视设备、阴极射线管(CRT)、触摸屏屏幕等或其组合。
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X射线成像设备110、终端130和/或存储设备150之间建立连接。该连接可以是有线连接、无线连接、可以实现数据传输和/或接收的任何其它通信连接和/或这些连接的组合。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连接、Wi-FiTM连接、WiMaxTM连接、WLAN连线、紫蜂TM连接、移动网络连接(例如3G，4G，5G等)等组合。在一些实施例中，通信端口240可以是和/或包括标准化的通信端口，例如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可以根据医学数字成像和通信(DICOM)协议来设计。
图3是根据本申请的一些实施例所示的终端130可以在其上实施的示例性移动设备的示例性硬件和/或软件组件的示意图。
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/O 350、内存360以及存储器390。在一些实施例中，任意其它合适的组件，包括但不限于系统总线或控制器(未示出)，也可以被包括于移动设备300中。在一些实施例中，移动操作系统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下载到内存360并由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接收和浏览与图像处理有关的信息或其他信息。可以经由I/O 350实现与信息流的用户交互，并经由网络120将其提供给处理设备140和/或X射线成像系统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，计算机硬件平台可用作本申请中描述的一个或以上组件的硬件平台。具有用户界面元素的计算机可用于实现个人计算机(PC)或任何其他类型的工作站或终端设备。若计算机被适当的程序化，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的框图。处理设备140可以包括获取模块410、识别模块420、确定模块430和校正模块440。
获取模块410可以被配置为获取与X射线成像系统100有关的数据和/或信息。由获取模块410获取的示例性数据和/或信息可以包括受试体的图像、与扫描有关的扫描数据、空气的参考图像、校正模板等或其任意组合。在一些实施例中，获取模块410可以从X射线成像系统100的一个或多个组件中，例如X射线成像设备110和/或存储设备150获取与X射线成像系统100有关的数据和/或信息。附加地或替代地，获取模块410可以经由网络120从外部源获取与X射线成像系统100有关的数据和/或信息。
识别模块420可以被配置为从受试体的图像中识别感兴趣对象。感兴趣对象可能包含一个或以上像素。感兴趣对象可以指受试体的任何物理部分，例如器官、组织等，或其任何组合。“从图像识别感兴趣对象”可以指的是“在图像中识别与感兴趣对象相对应的区域”。在一些实施例中，识别模块420可以通过从图像中分割感兴趣对象来从图像中识别感兴趣对象。可以根据一个或多个图像分割算法来执行感兴趣对象的分割。关于图像分割的更多描述可以在本申请的其他地方找到。参见，例如操作530及其相关描述。
确定模块430可以被配置为可以确定与感兴趣对象的像素相对应的感兴趣对象的等效厚度。对应于像素的感兴趣对象的等效厚度可以指的是对应于像素的辐射光子穿过受试体的穿行距离。在一些实施例中，可以基于像素的像素值(例如，灰度值)、空气的参考图像和/或感兴趣对象的衰减特性来确定与像素相对应的感兴趣对象的等效厚度。关于确定与感兴趣对象的像素相对应的感兴趣对象的等效厚度的更多描述，可以在本申请书的其他地方找到。参见，例如操作540及其相关描述。
附加地或替代地，确定模块430可以被配置为至少部分地基于与像素相对应的感兴趣对象的等效厚度来确定像素中的散射校正系数。在一些实施例中，确定模块430可以基于与目标等效厚度相对应的校正模板来确定像素中的散射校正系数。目标等效厚度是指与像素对应的感兴趣对象的等效厚度。关于确定像素中的散射校正系数的更多描述，可以在本申请的其他地方找到。参见，例如操作550及其相关描述。
在一些实施例中，确定模块430可以被配置为基于与模体扫描有关的光子信息来生成校正模板。光子信息可以与在对模体的扫描期间由X射线成像设备110的至少两个探测器单元检测到的至少两个光子有关。在一些实施例中，确定模块430可以生成对应于不同成像条件和/或不同模体(例如，具有不同的厚度和/或不同的衰减特性的不同模体)的至少两个校正模板。关于校正模板的更多描述可以在本申请的其他地方找到。参见，例如图8及其相关描述。
校正模块440可以被配置为使用对应的散射校正系数来校正像素中的像素值。在一些实施例中，如果像素的散射校正系数是主射比，校正模块440可以通过将其像素值(例如，灰度值)乘以主射比来校正像素。在一些实施例中，如果像素的散射校正系数是散射比，校正模块440可以通过将其像素值(例如，灰度值)乘以1与散射比之间的差来校正像素。
关于处理设备140的以上描述仅用于说明目的，而无意限制本申请的范围。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。然而，这些变化和修改不会背离本申请的范围。在一些实施例中，处理设备140可以包括一个或多个其他模块。附加地或替代地，可以省略上述所述的处理设备140的一个或多个模块。例如，处理设备140可以包括存储模块，以存储由处理设备140的模块所生成的数据。又例如，处理设备140可以包括被配置为生成一个或以上校正模板的生成模块。在一些实施例中，处理设备140的模块可以分为两个或以上子模块。
图5是根据本申请的一些实施例所示的图像散射校正的示例性过程的流程图。在一些实施例中，图5所示过程500的一个或多个操作可以在图1所示的X射线成像系统100中实现。例如，图5所示的过程500可以以指令的形式存储在X射线成像系统100的存储设备中(例如，存储设备150、存储器220、存储设备390)，并被处理设备140(例如，在图2所示的计算设备的处理器210中执行)或终端130(例如，在图3所示的移动设备300的CPU 340中执行)调用和/或执行。
在510中，获取模块410可以获取受试体的图像。该图像可以根据由X射线成像设备110获得的受试体的扫描数据生成。
受试者可以是生物体或非生物体。仅作为示例，受试体可以包括患者、患者的器官、患者的组织、或患者的任何身体部位，或其任意组合。又例如，受试体可以是人造的受试体，例如水模、人体器官或组织的模体。
在一些实施例中，可以操控X射线成像设备110对受试体进行扫描，以生成受试体的扫描数据。在受试体的扫描期间，放射源115可以向受试体发射X射线光子。至少一部分辐射光子可以直接穿过受试体，被受试体吸收，或被受试体散射。如本文所使用的，直接穿过受试体的辐射光子可以被称为主要光子，而被受试体散射的辐射光子可以被称为散射光子。可以通过X射线成像设备110中的至少两个探测器单元来检测穿过受试体的主要光子以及散射光子。探测器单元中的每一个都可以响应于检测到的辐射光子，采集受试体的扫描数据的一部分。探测器单元采集的一部分扫描数据可用于确定受试体图像中像素的像素值(例如，灰度值)。为了便于描述，可以认为像素对应于用于获取对应于该像素的扫描数据的探测器单元，并且对应于由其所对应的探测器单元检测到的辐射光子。在一些实施例中，在获取受试体的扫描数据期间，X射线成像设备110可以在没有格栅的情况下运行。
在一些实施例中，对受试体的扫描可以由X射线成像设备110在目标成像条件以下进行。目标成像条件可以由一个或多个成像参数定义，例如X射线成像设备110的视场(FOV)的大小、受试体与探测器112之间的距离、受试体与放射源115之间的距离、探测器112与放射源115之间的距离、放射线剂量、扫描时间、球管电压、球管电流等，或其任意组合。在一些实施例中，在扫描受试体时，X射线成像设备110的球管可以向受试体发射锥形束。在一些实施例中，可以用准直仪将锥形光束准直成矩形光束，例如，在通过受试体之前。矩形光束可以照射在探测器112上。矩形光束在探测器112上的照射区域的尺寸(或矩形光束在探测器112上的投影)可以称为X射线成像设备110的FOV的尺寸。
在一些实施例中，受试体的图像可以是2D图像，例如，DR成像设备生成的X射线图像，或CT成像设备生成的切片图像。在一些实施例中，获取模块410可以从X射线成像系统100的一个或多个组件中获取受试体的图像，例如X射线成像设备110、存储设备150和/或存储器220。附加地或替代地，获取模块410可以通过网络120从外部源(例如，医学数据库)获取受试体的图像。
在520，获取模块410可以获取空气的参考图像。参考图像可以根据由X射线成像设备110获得的空气的扫描数据生成。
在一些实施例中，可操控X射线成像设备110对空气进行扫描，以产生空气的扫描数据。可选地，空气扫描的成像条件可以与操作510所述的受试体扫描的成像条件相同。在一些实施例中，获取模块410可以通过网络120从X射线成像设备110中或从外部源(例如，医学数据库)中获取空气的参考图像。可替代地，参考图像可以被预先生成并存储在X射线成像系统100的存储设备中，例如存储设备150和/或存储器220。获取模块410可以访问存储设备并获取存储在其中的空气的参考图像。例如，可以操作X射线成像设备110在不同的成像条件(例如，在X射线成像设备110的不同FOV下、在放射源115和探测器112之间的不同距离下)下对空气的进行至少两次扫描，以生成对应于不同成像条件的空气的扫描数据。处理设备140和/或另一个计算设备可以生成与不同成像条件对应的至少两个空气的参考图像，并且将与不同成像条件对应的参考图像存储在X射线成像系统100的存储设备中。在520中，获取模块410可以访问存储设备，并获取在与目标成像条件相同的成像条件下生成的空气的参考图像。
在530中，识别模块420可以从受试体的图像中识别出感兴趣对象。感兴趣对象可以包含一个或以上像素。
如本文所用，感兴趣对象可以指受试体的任何物理部分，例如器官，组织等，或其任何组合。“从图像中识别感兴趣对象”可以指“在图像中识别与感兴趣对象对应的区域”。另外，出于说明目的，感兴趣对象也可以指与受试体的物理部分对应的图像区域。受试体的示例性器官可以包括心脏、大脑、肺、心脏、胃、脾等。受试体的示例性组织可以包括脂肪组织、结缔组织、神经组织、上皮组织、肌肉组织、骨骼和骨骼组织等，或其任意组合。在一些实施例中，所识别的感兴趣对象可以包括单一类型的器官或组织。通常，受试体的不同类型的器官和/或组织可以具有不同的衰减特性。器官或组织的衰减特性可以由诸如线性衰减系数、质量衰减系数、CT值等，或其任意组合表示。因此，在某些实施例中，可能需要考虑不同类型的器官和/或组织的衰减特性来分别校正不同类型的器官和/或组织。
在一些实施例中，识别模块420可以通过从受试体的图像中分割出感兴趣对象，来从受试体的图像中识别出感兴趣对象。可以根据一个或多个图像分割算法来执行感兴趣对象的分割。示例性图像分割算法可以包括基于阈值的分割算法、基于边缘的分割算法、基于区域的分割算法、基于聚类的算法、基于小波变换的图像分割算法、基于数学形态学的图像分割算法、以及基于人工神经网络的图像分割算法等，或其任意组合。
在一些实施例中，识别模块420可以在感兴趣对象的识别中获取图像中感兴趣对象的每个像素的位置信息。仅作为示例，图像可以由矩阵表示。矩阵可以包括至少两个元素，每个元素对应于图像中的像素。感兴趣对象的像素的位置可以用矩阵中对应元素的位置来表示，例如矩阵中的第N行和第M列。N和M可以具有任何正值。
在540中，对于感兴趣对象中的一个或以上像素中的每个像素，确定模块430可以基于像素的像素值和参考图像确定与像素对应的感兴趣对象的等效厚度。
如本文所使用的，与像素相对应的感兴趣对象的等效厚度可以指与像素对应的辐射光子穿过受试体的穿行距离。对应的辐射光子的穿行距离和/或感兴趣对象的特性(例如衰减特性、密度)可能会影响受试体的扫描过程中辐射光子的衰减，这反过来又可能会影响受试体的图像中像素的像素值(例如，灰度值)。因此，在校正像素的像素值时，可能需要考虑与像素对应的感兴趣对象的等效厚度和/或感兴趣对象的特性。
在一些实施例中，可以基于所述像素的像素值(例如，灰度值)、参考图像和/或感兴趣对象的衰减特性来确定与像素对应的感兴趣对象的等效厚度。关于确定与感兴趣对象的每个像素对应的感兴趣对象的等效厚度的更多描述，可以在本申请书的其他地方找到。参见，例如图6及其相关描述。
在550中，对于感兴趣对象中的一个或以上像素中的每个像素，确定模块430可以至少部分地基于与像素对应的感兴趣对象的等效厚度，确定像素的散射校正系数。
如操作510所描述的，像素的像素值(例如，灰度值)可能受到由与像素对应的探测器单元检测到的主要光子和/或散射光子的影响。像素的散射校正系数可用于减少或消除散射光子对像素的像素值(例如，灰度值)的影响。
在一些实施例中，为了确定像素的散射校正系数，确定模块430可以获取对应与目标等效厚度的校正模板。所述目标等效厚度可以是与像素对应的感兴趣对象的等效厚度。如本申请中所使用的，除非另有说明，否则如果第一值和第二值之间的差在一定范围内，例如，第二值的±0.1％，±1％，±5％，或±10％内，则可以认为第一值基本上等于第二值。校正模板可以包括与X射线成像设备110的至少两个探测器单元对应的至少两个散射校正系数。每个散射校正系数可以对应于其中一个探测器单元，并用于校正与探测器单元对应的像素的像素值(例如，灰度值)。与探测器单元对应的散射校正系数可以包括例如散射主射比(SPR)、散射比、主射比，或任何其他用于散射校正的系数。例如，探测器单元可以在扫描期间检测到至少两个光子(包括散射光子和/或主要光子)。散射比可以指检测到的散射光子的光子能量与检测到的光子的总光子能量之比。主射比可以指检测到的主要光子的光子能量与检测到的光子的总光子能量之比。散射主射比可以指所检测的散射光子的光子能量与所检测的主要光子的光子能量的比率。对于探测器单元，对应的主射比可以等于1与对应的散射比之差，散射主射比可以等于对应的散射比和对应的主射比的商。在一些实施例中，不同的探测器单元可以对应于相同类型或不同类型的散射校正系数。
在一些实施例中，确定模块430可以通过考虑与像素对应的感兴趣对象的等效厚度之外的其他因素来确定像素中的散射校正系数。仅作为示例，因为在受试体的扫描过程中X射线光子的衰减也可能受到感兴趣对象的衰减特性和/或目标成像条件的影响。确定模块430可以基于感兴趣对象的衰减特性和/或受试体的扫描的目标成像条件来确定像素的散射校正系数。例如，确定模块430可以通过查找基于与感兴趣对象具有基本相似的衰减特性的模体而生成的校正模板来确定像素的散射校正系数。附加地或替代地，确定模块430可以通过查找在与目标成像条件相同的成像条件下生成的校正模板来确定像素中的散射校正系数。关于校正模板和确定像素的散射校正系数的更多描述，可以在本申请书的其他地方找到。参见，图7和图8及其相关描述。
在560中，对于感兴趣对象的一个或多个像素中的每个像素，校正模块440可以使用对应的散射校正系数来校正像素的像素值。
在一些实施例中，如果像素的散射校正系数是主射比，则校正模块440可以通过将其像素值(例如，灰度值)乘以主射比来校正像素。在一些实施例中，如果像素的散射校正系数是散射比，则校正模块440可以通过将其像素值(例如，灰度值)乘以1与散射比之差来校正像素。
应当注意，关于过程500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。对于具有本领域普通技能的人，可以根据本申请将多种变化和修改转化为实践。然而，这些变化和修改不会背离本申请的范围。在一些实施例中，可以省略过程500的一个或以上操作和/或增加一个或以上附加操作。例如，识别模块420可以从图像中识别至少两个感兴趣对象。至少两个感兴趣对象可以包括受试体的不同器官和/或组织，并且每个感兴趣对象可以包括一个或以上像素。对于每个感兴趣对象，处理设备140可以执行操作540至560以校正每个感兴趣对象中像素的像素值。处理设备140可以通过组合至少两个校正的感兴趣对象来进一步生成校正图像。在一些实施例中，可以基于图像中每个感兴趣对象的位置信息来进行校正的感兴趣对象的组合。在一些实施例中，过程500的操作可以以任何合适的顺序执行。仅作为示例，可以同时执行操作510和520，或者可以在操作510之前执行操作520。
在一些实施例中，对于包括一个或多个切片图像的3D CT图像，处理设备140可以对每个切片图像执行过程500以校正每个切片图像。然后，处理设备140可以通过组合校正后的切片图像来生成校正的3D CT图像。
图6是根据本申请的一些实施例所示的确定与像素对应的感兴趣对象的等效厚度的示例性过程的流程图。在一些实施例中，图6所示的过程600的一个或多个操作可以在图1所示的X射线成像系统100中实现。例如，图6所示的过程600可以以指令的形式存储在X射线成像系统100的存储设备中(例如，存储设备150、存储器220、存储器390)，并被处理设备140(例如，在图2所示的计算设备的处理器210中执行)或终端130(例如，在图3所示的移动设备300的CPU 340中执行)调用和/或执行。在一些实施例中，可以执行过程600的部分或全部以实现过程500中的操作540。
在610中，对于感兴趣对象中的一个或以上候选像素中的每个候选像素，确定模块430可以基于候选像素的像素值和参考图像，确定与候选像素对应的感兴趣对象的厚度。
候选像素可以是感兴趣对象的任何像素。在一些实施例中，候选像素可以是感兴趣对象的全部像素，也可以是感兴趣对象的全部像素的选定部分。在一些实施例中，可以根据等式(1)确定与感兴趣对象中的候选像素对应的感兴趣对象的厚度：
Figure BDA0002560838040000221
其中，L1表示与候选像素对应的感兴趣对象的厚度，I0表示参考图像中与候选像素对应的像素的像素值(例如，灰度值)，I1表示受试体的图像中的候选像素的像素值(例如，灰度值)，mv1表示感兴趣对象的线性衰减系数。如本文中所使用的，参考图像中与候选像素对应的像素在参考图像中的位置与候选像素在受试体的图像中的位置相同。感兴趣对象的线性衰减系数可以与感兴趣对象的器官或组织类型有关。在一些实施例中，具有不同器官或组织类型的不同感兴趣对象可以具有不同的线性衰减系数。在一些实施例中，感兴趣对象的线性衰减系数可以通过查找记录不同物质(例如，器官和/或组织)的线性衰减系数的表格来确定。需要注意的使，上面的等式(1)仅用于说明目的，而无意限制本申请的范围。具有本领域普通技能的人员可以进行各种修改和更改，并且这些修改和更改也属于本申请的范围。仅作为示例，线性衰减系数可以用例如感兴趣对象的质量衰减系数和感兴趣对象的密度的乘积来代替。
在620中，确定模块430可以基于与候选像素对应的感兴趣对象的厚度确定与候选像素对应的感兴趣对象的平均厚度。可以通过将候选像素对应的感兴趣对象的厚度之和除以候选像素的总数来确定与感兴趣对象中的候选像素对应的感兴趣对象的平均厚度。
在630中，确定模块430可以将与候选像素对应的感兴趣对象的平均厚度指定为与感兴趣对象中的每个像素对应的感兴趣对象的等效厚度。
在一些实施例中，在操作610之前，识别模块420可以将感兴趣对象分割或划分为至少两个子区域，每个子区域包括一个或以上像素。不同子区域中像素的数量可以相同或不同。不同的子区域可以具有不同的形状和/或大小。因为感兴趣对象的不同部分的厚度可以不同，所以确定模块430可以分别确定与不同子区域中的像素对应的感兴趣对象的等效厚度。在一些实施例中，确定模块430可以针对每个子区域执行与操作610至630类似的操作。对于每个子区域中的一个或以上候选像素，确定模块430可以确定与子区域中的每个候选像素对应的感兴趣对象的厚度。确定模块430然后可以确定与子区域中候选像素对应的子区域的平均厚度，并且将与子区域中候选像素对应的子区域的平均厚度指定为与子区域中每个像素对应的感兴趣对象的等效厚度。
应当注意，关于过程600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。对于具有本领域普通技能的人，可以根据本申请将多种变化和修改转化为实践。然而，这些变化和修改不会背离本申请的范围。例如，在操作620中，确定模块430可以确定用于测量与感兴趣对象中的候选像素对应的感兴趣对象的厚度的另一参数(例如，中值厚度或众数厚度)。在630中，可以将该参数指定为与感兴趣对象中每个像素对应的感兴趣对象的等效厚度。
图7是根据本申请的一些实施例所示的确定像素的散射校正系数的示例性过程的流程图。在一些实施例中，图7所示的过程700的一个或多个操作可以在图1所示的X射线成像系统100中实现。例如，图7所示的过程700可以以指令的形式存储在X射线成像系统100的存储设备中(例如，存储设备150、存储器220、存储器390)，并被处理设备140(例如，在图2所示的计算设备的处理器210中执行)或终端130(例如，在图3所示的移动设备300的CPU 340中执行)调用和/或执行。
在一些实施例中，可以执行过程700的部分或全部以实现过程500中的操作550。例如，处理设备140可以对感兴趣对象的一个或以上像素中的每个像素执行过程700，以确定与每个像素对应的感兴趣对象的等效厚度。为了简洁和说明的目的，针对一个像素(例如，感兴趣对象的像素中的任何一个)来描述过程700的实施。
在710，获取模块410可以获取对应于目标等效厚度的校正模板。目标等效厚度可以是与像素对应感兴趣对象的等效厚度。校正模板可以包括与X射线成像设备110的至少两个探测器单元对应的至少两个散射校正系数。在一些实施例中，校正模板可以以各种形式存储在X射线成像系统100的存储设备(例如，存储设备150)中。例如，校正模板可以以表格的形式表示，该表格记录探测器单元及其对应散射校正系数的标识(或坐标)。又例如，校正模板可以以图(或矩阵)的形式表示。图(或矩阵)的不同位置可以代表不同的探测器单元，每个位置可以记录对应探测器单元的散射校正系数。
在一些实施例中，可以基于对模体的扫描来生成与目标等效厚度对应的校正模板。模体的厚度可以等于或基本上等于目标等效厚度。如本文所使用的，模体的厚度可以指沿放射源115和探测器112之间的方向的厚度。在一些实施例中，模体沿放射源115和探测器112之间的方向可以具有均匀或基本均匀的厚度。附加地或替代地，模体的衰减特性可以类似于、等于或基本上等于感兴趣对象的衰减特性。在一些实施例中，可以根据如图8所描述的校正模板生成过程来生成与目标等效厚度对应的校正模板。
在一些实施例中，对应于目标等效厚度的校正模板可以预先生成并存储在X射线成像系统100的存储设备(例如，存储设备150和/或存储器220)中。获取模块410可以访问存储设备，获取存储在其中的对应与目标等效厚度的校正模板。例如，可以操作X射线成像设备110对模体进行一次或以上次扫描。模体可以有一个或以上的厚度。例如，第一模体可以具有第一厚度，而第二模体可以具有与第一厚度不同的第二厚度。在一些实施例中，模体的厚度可以具有在一定范围内的值，以使得感兴趣对象的每个等效厚度可以有其对应的模体，该模体的厚度基本上等于感兴趣对象的等效厚度。根据具有该厚度的模体的扫描，处理设备140或其他计算设备可以生成一个或多个与该厚度对应的校正模板，并将校正模板存储在X射线成像系统100的存储设备。在710中，获取模块410可以访问存储设备，并获取校正模板，该校正模板是基于模体生成，所述模体的厚度基本上等于目标等效厚度。
在一些实施例中，如操作510所描述的，可以在目标成像条件下进行受试体的扫描。在获取对应于目标等效厚度的校正模板时，可以考虑目标成像条件。例如，获取模块410可以获取对应于目标等效厚度的至少两个候选校正模板。每个候选校正模板可对应成像条件，是根据在该成像条件下进行的一个或以上模体的扫描生成。所述模体的厚度可以等于或基本等于目标等效厚度。附加地或可替代地，模体可以具有与感兴趣对象相同或基本相同的衰减特性。在一些实施例中，可以通过执行图9所描述过程900的一个或多个操作来生成候选校正模板，并且将其存储在X射线成像系统100的存储设备(例如，存储设备150和/或存储器220)中。获取模块410可以访问存储设备并获取存储在其中的候选校正模板。
在获取候选校正模板之后，确定模块430可以在候选校正模板中选择与目标成像条件对应的候选校正模板。所选择的候选校正模板可以被指定为对应于目标等效厚度的校正模板。可以根据定义成像条件和目标成像条件的一个或以上成像参数来进行选择。例如，如果候选校正模板是在与目标成像条件相同的成像参数下生成的，则可以将其选择为对应于目标等效厚度的校正模板。又例如，确定模块430可以比较目标成像条件和与每个候选校正模板对应的成像条件，例如通过比较成像参数的值。确定模块430然后可以选择对应的成像条件与目标成像条件相差最小的候选校正模板，并且将所选择的候选校正模板指定为对应于目标等效厚度的校正模板。
在720中，确定模块430可以在所获取的校正模板中，将用于获取对应于所述扫描数据的一部分的探测器单元的散射校正系数指定为像素的散射校正系数，所述扫描数据的一部分对应于所述像素。如图5所描述的，所述扫描数据中像素所对应的一部分可以由探测器单元获取。像素的像素值可以根据对应的探测器单元的散射校正系数进行校正。在一些实施例中，确定模块430可以首先识别与像素对应的探测器单元，然后例如通过查找表示该校正模板的表格或图来确定对应的散射校正系数。
图8是根据本申请的一些实施例所示的生成对应于目标等效厚度的校正模板的示例性过程的流程图。在一些实施例中，图8所示的过程800的一个或多个操作可以在图1所示的X射线成像系统100中实现。例如，图8所示的过程800可以以指令的形式存储在X射线成像系统100的存储设备中(例如，存储设备150、存储器220、存储器390)，并被处理设备140(例如，在图2所示的计算设备的处理器210中执行)或终端130(例如，在图3所示的移动设备300的CPU 340中执行)调用和/或执行。在一些实施例中，在操作550中可以使用对应于目标等效厚度的校正模板来确定像素的散射校正系数。如操作550所描述的，目标等效厚度可以是指与像素对应的感兴趣对象的等效厚度。在一些实施例中，可以执行过程800的部分或全部以实现过程700中的操作710。
在810中，获取模块410可以获取与模体的扫描有关的光子信息。光子信息可以与至少两个光子有关，所述至少两个光子是X射线成像设备110的至少两个探测器单元在扫描期间检测到的。模体的厚度可以等于或基本上等于目标等效厚度。附加地或替代地，模体的衰减特性可以与感兴趣对象的衰减特性相同或基本上相同。仅作为示例，如果感兴趣对象是肺且目标等效厚度是10cm，则在操作810中获得的光子信息可以与针对厚度为10cm且衰减特性与肺基本相似的模体进行的扫描有关。在一些实施例中，所述模体可以是水模体、聚甲基丙烯酸甲酯(PMMA)模体，或任何其他类型的模体。模体可以具有任何合适的形状和/或大小。在一些实施例中，模体的大小可能大于感兴趣对象的大小。附加地或替代地，模体沿放射源115和探测器112之间的方向可以具有均匀或基本均匀的厚度。
与光子有关的光子信息可以包括每个光子在至少两个探测器单元上的入射角和每个光子的光子能量。光子在探测器单元上的入射角可以指光子轨迹与探测器单元形成的探测器平面之间的夹角。在一些实施例中，可以基于蒙特卡洛模拟技术获取光子信息。例如，蒙特卡洛模拟技术可以根据模体的物理属性(例如，衰减特性)和/或在对其执行扫描的成像系统(例如，X射线成像系统100)的几何特性建立概率分布模型，来模拟模体的扫描。概率分布模型可用于估计模体与辐射源发射的光子之间的相互作用、扫描过程中光子的轨迹、以及与光子有关的一个或多个参数(例如，入射角和/或光子能量)。在一些实施例中，可以用蒙特卡洛软件(例如，软件工具包EGSnrc或Geant4)来模拟模体的扫描。
在820中，确定模块430可以基于至少两个光子的光子信息确定一个或以上散射光子。
在一些实施例中，可以基于光子的入射角、探测器单元的位置和/或放射源115的位置来确定散射光子。例如，对于光子，探测器平面和连接放射源115和检测光子的探测器单元的连线可以形成角度，并且可以将入射角与所形成的角度进行比较。如果光子的入射角不等于所形成的角度，则可以推测光子通过模体时会发生偏转和/或散射。如果光子的入射角等于所形成的角度，则可以推测光子直接穿过模体而没有散射。附加地或可替代地，可以基于如操作810所述的光子的模拟轨迹来确定散射光子。如果光子通过模体时发生偏转，则可以将其确定为散射光子。如果光子直接通过模体而没有发生偏转，则可以将其确定为主要光子。
在830中，确定模块430可以基于光子信息和所确定的一个或以上散射光子，确定与至少两个探测器单元对应的至少两个散射校正系数。
如操作550所描述的，与探测器单元对应的散射校正系数可以包括例如散射主射比、散射比、主射比等。对于每个探测器单元，确定模块430可以基于由探测器单元检测到的光子的类型和光子能量来确定对应的散射校正系数。以探测器单元的主射比为例，确定模块430可以确定由探测器单元检测到的主要光子的总光子能量、由探测器单元检测到的所有光子(包括主要光子和散射光子)的总光子能量，然后用主要光子的总光子能量除以所有光子的总光子能量。在一些实施例中，不同的探测器单元可能对应于相同或不同的散射校正系数。在一些实施例中，对于厚度不同的模体，可以确定探测器单元的不同组校正系数。
应当注意，关于过程800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。对于具有本领域普通技能的人，可以根据本申请将多种变化和修改转化为实践。然而，这些变化和修改不会背离本申请的范围。在一些实施例中，过程800可以由处理设备140以外的计算设备执行。在一些实施例中，操作510中的受试体的扫描可以在目标成像条件下进行。操作810中的模体的扫描也可以在目标成像条件下进行，以生成与目标成像条件对应的校正模板。在一些实施例中，可以在扫描受试体之前进行模体的扫描。例如，可以在扫描受试体之前对一个或以上模体进行扫描。模体可以有一个或以上的厚度。附加地或可替代地，可以在一个或以上成像条件下进行扫描。这样，可以生成与厚度和/或成像条件对应的一个或多个校正模板，并将其存储在X射线成像系统100的存储设备(例如，存储设备150和/或存储器220)中。在散射校正中，处理设备140(例如，获取模块410)可以访问存储设备，并从存储设备中获取先前生成的校正模板中的合适的校正模板。
在一些实施例中，可以通过在相同模体上进行第一扫描和第二扫描来确定与探测器单元对应的散射校正系数。可以操控X射线成像设备110对模体进行第一扫描，并且可以通过仪表测量第一扫描中每个探测器单元检测到的第一光子能量。当将阻挡装置放置在模体和X射线成像设备110的探测器112之间时，可以进行第二扫描。可以通过仪表测量第二扫描中每个探测器单元检测到的第二光子能量。阻挡装置可以由特殊材料(例如，铅)制成，在第二次扫描期间被配置为完全或部分阻挡通过模体的散射光子。由探测器单元检测到的第一光子能量可以是探测器单元检测到的主要光子和由散射光子的总光子能量。探测器单元检测到的第二光子能量可以是探测器单元探测到的主要光子的总光子能量。因此，处理设备140可以通过将探测器单元的第二光子能量除以探测器单元的第一光子能量来确定与探测器单元对应的主射比。
图9是根据本申请的一些实施例所示的确定与不同成像条件对应的至少两个校正模板的示例性过程的流程图。在一些实施例中，图9所示过程900的一个或多个操作可以在图1所示的X射线成像系统100中实现。例如，图9所示的过程900可以以指令的形式存储在X射线成像系统100的存储设备中(例如，存储设备150、存储器220、存储器390)，并被处理设备140(例如，在图2所示的计算设备的处理器210中执行)或终端130(例如，在图3所示的移动设备300的CPU 340中执行)调用和/或执行。
在910，获取模块410可以获取与至少两次扫描相关的光子信息。至少两次扫描中的每次扫描都可以在特定成像条件下对模体进行。扫描的成像条件可以由一个或多个成像参数定义，例如X射线成像设备110的FOV的大小、模体与探测器112之间的距离、模体与放射源115之间的距离、在探测器112和放射源115之间的距离、辐射剂量、扫描时间、球管电压、球管电流等，或其任意组合。扫描的光子信息可以与至少两个光子有关，该至少两个光子是X射线成像设备110的至少两个探测器单元在对应模体的扫描期间检测到的。光子信息可以包括至少两个光子中的每个光子在探测器单元上的入射角和每个光子的光子能量。
在一些实施例中，可以以在不同的成像条件下进行至少两次扫描，从而可以基于与扫描相关的光子信息来生成与不同的成像条件对应的至少两个候选校正模板。与某个成像条件对应的候选校正模板可用于对在与该成像条件相同或基本相同的成像条件下获取的图像进行散射校正。在一些实施例中，至少两次扫描可以在不同的成像条件(例如，X射线成像设备110的不同FOV和/或模体和探测器112之间的不同距离)下进行，使得每个成像条件可以对应于受试体的特定部位(例如，器官或组织)被执行的成像条件。
附加或可替代地，可以对不同的模体进行至少两次扫描，使得可以基于与扫描相关的光子信息，生成与不同的模体对应的至少两个候选校正模板。不同的模体可以包括不同器官和/或组织的模体，具有不同厚度的模体等，或其任意组合。器官或组织的模体可以具有与对应器官或组织相似或基本相似的特征(例如，衰减特性、密度和/或大小)。仅作为示例，可以在具有不同厚度的至少两个肝脏模体、具有不同厚度的至少两个心脏模体、具有不同厚度的至少两个脂肪组织模体等，或其组合上进行至少两次扫描。在一些实施例中，可以将对应于特定器官或组织的候选校正模板用于对特定器官或组织的图像进行散射校正。与器官或组织的特定厚度对应的候选校正模板可用于对器官或组织图像中的像素进行散射校正，其中，像素的对应等效厚度可等于或基本等于该特定厚度。
在一些实施例中，对于每次扫描，获取模块410可以以类似于操作810所描述的方式来获取对应的光子信息。
在920中，对于至少两次扫描中的每次扫描，确定模块430可以基于对应的光子信息，在X射线成像设备110的探测器单元检测到的对应光子中确定一个或以上的散射光子。在一些实施例中，对于每次扫描，确定模块430可以以类似于操作820所述的方式，从扫描中检测的光子中确定散射光子。
在930中，对于至少两次扫描中的每次扫描，确定模块430可以基于对应的光子信息和对应的散射光子，确定与进行扫描的成像条件对应的候选校正模板。与成像条件对应的候选校正模板可以包括至少两个散射校正系数，其中，每个散射校正系数可以对应于探测器单元。在一些实施例中，对于每次扫描，确定模块430可以以类似于操作830所描述的方式来确定对应的校正模板的散射校正系数。
在一些实施例中，与不同的成像条件对应的至少两个候选校正模板可以用于图像的散射校正。例如，获取模块410可以获取受试体的图像(例如，如操作510所述的受试体的图像)。图像可以根据X射线成像设备110在目标成像条件下获取的受试体的扫描数据生成。确定模块430可以在至少两个候选校正模板中选择与目标成像条件对应的校正模板。关于选择与目标成像条件对应的校正模板的更多描述可以在本申请的其他地方找到。参见，例如操作710及其相关描述。然后，校正模块440可以使用与目标成像条件对应的校正模板来校正图像的至少一部分。例如，对于图像中的至少一个像素，校正模块440可以从与目标成像条件对应的校正模板中确定与至少一个像素对应的探测器单元的散射校正系数。与像素对应的探测器单元可以获取对应于至少一个像素的部分扫描数据。校正模块440可以使用所确定的散射校正系数来进一步校正至少一个像素的像素值。
在一些实施例中，可以分别校正受试体的不同器官和/或组织，如本申请的其他地方所述(例如，图5及其相关描述)。获取模块410可以获取受试体的图像和空气的参考图像。受试体的图像和参考图像都可以根据X射线成像设备110在目标成像条件下获取的扫描数据生成。识别模块420可以从受试体的图像中识别感兴趣对象(例如，器官和/或组织)。感兴趣对象可以包含一个或以上像素。对于感兴趣对象中一个或多个像素中的每个像素，确定模块430可以基于像素的像素值和参考图像来确定与像素对应的感兴趣对象的等效厚度。确定模块430可以在至少两个候选校正模板中进一步选择校正模板。所选择的校正模板可以对应于目标成像条件，并且根据模体的扫描而生成，该模体的厚度等于或基本上等于与像素对应的感兴趣对象的等效厚度。校正模块440可以以例如类似于图8所述的方式，使用对应的校正模板来校正像素的像素值。例如，校正模块440可以确定探测器单元的散射校正系数，获取与像素对应的部分扫描数据，并使用所确定的散射校正系数来校正像素的像素值。
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、改进和修正。该类修改、改进和修正在本申请中被建议，所以该类修改、改进、修正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、结构或特点。因此，应当强调并且应当理解，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“模块”、“单元”、“组件”、“设备”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。
在一些实施例中，使用了描述和要求保护本申请的某些实施例的表示数量或性质的数字，应当理解的是，在一些示例中使用了修饰词“大约”、“近似”或“大体上”。例如，除非另外说明，否则“大约”、“近似”或“大体上”可以指示其所描述的值的某些变化(例如，±1％，±5％，±10％或±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。
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修正和等价组合。例如，尽管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纯软件解决方案，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申明的客体需要比每个权利要求中明确记载的更多特征的意图。相反，发明的主体应具备比上述单一实施例更少的特征。

Claims (38)

1.一种系统，包括：
至少一个存储设备，包括用于图像散射校正的一组指令；以及
至少一个处理器，被配置为与所述至少一个存储设备通信，其中，当执行所述一组指令时，所述至少一个处理器被配置为指示所述系统：
获取受试体的图像，所述图像是根据由X射线成像设备获得的所述受试体的扫描数据生成；
获取空气的参考图像，所述参考图像是根据由所述X射线成像设备获得的空气的扫描数据生成；
从所述图像中识别出感兴趣对象(OOI)，所述感兴趣对象包括一个或以上像素；对于所述感兴趣对象的一个或以上像素中的每个像素，
基于所述每个像素的像素值和所述参考图像，确定与所述每个像素对应的感兴趣对象的等效厚度；
至少部分地基于与所述每个像素对应的感兴趣对象的等效厚度，确定所述每个像素的散射校正系数；以及
使用所述对应的散射校正系数来校正所述每个像素的像素值。
2.根据权利要求1所述的系统，其特征在于，为了确定与所述每个像素对应的感兴趣对象的等效厚度，所述至少一个处理器进一步被配置为指示所述系统：
对于所述感兴趣对象中的一个或多个候选像素中的每个候选像素，基于所述候选像素的像素值和所述参考图像，确定与所述候选像素对应的感兴趣对象的厚度；
基于与所述一个或以上候选像素对应的感兴趣对象的厚度，确定与所述一个或以上候选像素对应的感兴趣对象的平均厚度；以及
将与所述一个或以上候选像素对应的感兴趣对象的平均厚度指定为与所述每个像素对应的感兴趣对象的等效厚度。
3.根据权利要求2所述的系统，其特征在于，为了基于所述候选像素的像素值和所述参考图像，确定与所述候选像素对应的感兴趣对象的厚度，所述至少一个处理器为进一步被配置指示所述系统：
确定所述受试体的图像中所述候选像素的像素值和参考图像中与该候选像素对应的像素的像素值的比率；以及
基于所述比率和所述感兴趣对象的线性衰减系数，确定与所述感兴趣对象对应的感兴趣对象的厚度。
4.根据权利要求1所述的系统，其特征在于，为了确定与所述每个像素对应的感兴趣对象的等效厚度，所述至少一个处理器进一步被配置为指示所述系统：
将所述感兴趣对象确定为至少两个子区域；
对于所述子区域中的每个子区域，
对于所述子区域中的一个或以上候选像素中的每个候选像素，基于所述候选像素的像素值和所述参考图像，确定与所述候选像素对应的感兴趣对象的厚度；
基于与所述子区域中的所述一个或以上候选像素对应的感兴趣对象的厚度，确定与所述子区域中的所述一个或以上候选像素对应的子区域中的平均厚度；以及
将与所述子区域中的所述一个或以上候选像素对应的子区域的平均厚度，指定为与所述子区域中的每个像素对应的感兴趣对象的等效厚度。
5.根据权利要求1所述的系统，其特征在于，对于所述感兴趣对象的所述一个或以上像素的每个像素，为了至少部分地基于与所述每个像素对应的感兴趣对象的等效厚度，确定所述每个像素的散射校正系数，所述至少一个处理器进一步被配置为指示所述系统：
获取对应于目标等效厚度的校正模板，所述目标等效厚度为与所述每个像素对应的感兴趣对象的等效厚度，所述校正模板包括与所述X射线成像设备的至少两个探测器单元对应的至少两个散射校正系数；以及
将用于获取所述扫描数据的一部分的探测器单元的散射校正系数指定为所述每个像素的散射校正系数，所述扫描数据的一部分对应所述每个像素。
6.根据权利要求5所述的系统，其特征在于，所述对应于目标等效厚度的校正模板是根据校正模板生成过程生成的，该校正模板生成过程包括：
获取与模体的扫描有关的光子信息，所述光子信息与至少两个光子有关，该至少两个光子是所述X射线成像设备的所述至少两个探测器单元在所述扫描期间检测到的，所述模体的厚度基本等于所述目标等效厚度，所述模体的衰减特性基本上等于所述感兴趣对象的衰减特性，所述光子信息包括所述至少两个光子中每个光子在所述至少两个探测器单元上的入射角，和所述至少两个光子中每个光子的光子能量；
基于所述光子信息，确定所述至少两个光子中的一个或以上散射光子；以及
基于所述光子信息和所述确定的一个或以上散射光子，确定与所述至少两个探测器单元对应的所述至少两个散射校正系数。
7.根据权利要求6所述的系统，其特征在于，所述校正模板是根据蒙特卡洛模拟技术生成的。
8.根据权利要求5所述的系统，其特征在于，所述受试体的所述扫描数据由所述X射线成像设备在目标成像条件以下获得，并且
为了获取对应于所述目标等效厚度的校正模板，所述至少一个处理器进一步被配置为指示所述系统：
获取与所述目标等效厚度对应的至少两个候选校正模板，所述候选校正模板中的每个候选校正模板对应成像条件；以及
在所述至少两个候选校正模板中选择与所述目标成像条件对应的候选校正模板，作为对应于所述目标等效厚度的校正模板。
9.根据权利要求1所述的系统，其特征在于，所述至少一个处理器进一步被配置为指示所述系统：
从所述图像中确定至少两个感兴趣对象，所述感兴趣对象中的每个感兴趣对象包括一个或以上像素；
对于所述至少两个感兴趣对象中的每个感兴趣对象，
基于所述每个感兴趣对象中的每个像素的像素值和所述参考图像，确定与所述每个感兴趣对象中的每个像素对应的所述每个感兴趣对象的等效厚度；
至少部分地基于与所述每个感兴趣对象中的每个像素对应的每个感兴趣对象的等效厚度，确定所述每个感兴趣对象中的每个像素的散射校正系数；以及
使用对应的散射校正系数来校正所述每个感兴趣对象中的每个像素的像素值；以及
通过组合所述至少两个校正的感兴趣对象来生成校正图像。
10.根据权利要求1所述的系统，其特征在于，所述散射校正系数包括散射主射比(SPR)、散射比、或主射比中的至少一种。
11.根据权利要求1所述的系统，其特征在于、所述感兴趣对象包括所述受试体的器官或组织中的至少一个。
12.一种系统，包括：
至少一个存储设备，包括用于图像散射校正的一组指令；以及
至少一个处理器，被配置为与所述至少一个存储设备通信，其中，当执行所述一组指令时，所述至少一个处理器被配置为指示所述系统：
获取与至少两次扫描相关的光子信息，所述至少两次扫描中的每次扫描在成像条件下对模体进行，所述扫描的光子信息与至少两个光子有关，该至少两个光子是X射线成像设备的至少两个探测器单元在所述对应模体的所述扫描期间检测到的，所述光子信息包括所述至少两个光子中每个光子在所述至少两个探测器单元上的入射角，和所述至少两个光子中每个光子的光子能量；以及
对于所述至少两次扫描中的每次扫描，
基于所述对应的光子信息，在所述X射线成像设备的至少两个探测器单元检测到的对应的至少两个光子中，确定一个或以上散射光子；以及
基于所述对应的光子信息和所述对应的散射光子，确定与执行所述扫描的成像条件对应的候选校正模板，所述候选校正模板包括至少两个散射校正系数，每个散射校正系数对应于所述至少两个探测器单元中的每个探测器单元。
13.根据权利要求12所述的系统，其特征在于，所述至少一个处理器被进一步配置为指示所述系统：
获取受试体的图像，所述图像是根据由X射线成像设备在目标成像条件下获得的所述受试体的扫描数据生成；
在与所述成像条件对应的至少两个候选校正模板中，选择与所述目标成像条件对应的校正模板；以及
使用与所述目标成像条件对应的校正模板校正所述图像的至少一部分。
14.根据权利要求13所述的系统，其特征在于，为了使用与所述目标成像条件对应的校正模板校正所述图像的至少一部分，所述至少一个处理器进一步被配置指示所述系统：
对于所述图片中的至少一个像素，
从与所述目标成像条件对应的校正模板中，确定用于获取所述扫描数据的一部分的探测器单元的散射校正系数，所述扫描数据的一部分对应所述至少一个像素；以及
使用所述确定的散射校正系数来校正所述至少一个像素的像素值。
15.根据权利要求12所述的系统，其特征在于，所述至少两次扫描中的每次扫描在对应的具有厚度的模体上执行，并且所述至少一个处理器进一步被配置为指示所述系统：
获取受试体的图像，所述图像是根据由X射线成像设备在目标成像条件下获得的所述受试体的扫描数据生成；
获取空气的参考图像，所述参考图像是根据由所述X射线成像设备在目标成像条件下获得的空气的扫描数据生成；
从所述图像中识别出感兴趣对象(OOI)，所述感兴趣对象包括一个或以上像素；对于所述感兴趣对象的一个或以上像素中的每个像素，
基于所述每个像素的像素值和所述参考图像，确定与所述每个像素对应的感兴趣对象的等效厚度；
在与所述成像条件对应的至少两个候选校正模板中选择与所述目标成像条件对应的校正模板，该校正模板是根据模体的扫描生成的，所述模体的厚度基本等于与所述每个像素对应的感兴趣对象的等效厚度；以及
使用所述对应的校正模板来校正所述像素的像素值。
16.根据权利要求15所述的系统，其特征在于，为了使用所述对应的校正模板来校正所述每个像素的像素值，所述至少一个处理器进一步被配置为指示所述系统：
从所述对应的校正模板中确定用于获取所述扫描数据的一部分的探测器单元的散射校正系数，所述扫描数据的一部分对应所述像素；
使用所述确定的散射校正系数校正所述像素的像素值。
17.一种在具有一个或多个处理器和一个或多个存储介质的计算设备上实现的方法，所述方法包括：
获得受试体的图像，所述图像是根据由X射线成像设备获得的所述受试体的扫描数据生成；
获取空气的参考图像，所述参考图像是根据由所述X射线成像设备获得的空气的扫描数据生成；
从所述图像中识别出感兴趣对象(OOI)，所述感兴趣对象包括一个或以上像素；对于所述感兴趣对象的一个或以上像素中的每个像素，
基于所述每个像素的像素值和所述参考图像，确定与所述每个像素对应的感兴趣对象的等效厚度；
至少部分地基于与所述每个像素对应的感兴趣对象的等效厚度，确定所述每个像素的散射校正系数；以及
使用所述对应的散射校正系数校正所述每个像素的像素值。
18.根据权利要求17所述的方法，其特征在于，所述确定与所述每个像素对应的感兴趣对象的等效厚度还包括：
对于所述感兴趣对象中的一个或多个候选像素中的每个候选像素，基于所述候选像素的像素值和所述参考图像，确定与所述候选像素对应的感兴趣对象的厚度；
基于与所述一个或以上候选像素对应的感兴趣对象的厚度，确定与所述一个或以上候选像素对应的感兴趣对象的平均厚度；以及
将与所述一个或以上候选像素对应的感兴趣对象的所述平均厚度指定为于所述每个像素对应的感兴趣对象的等效厚度。
19.根据权利要求17所述的方法，其特征在于，所述确定与所述每个像素对应的感兴趣对象的等效厚度还包括：
将所述感兴趣对象确定为至少两个子区域；
对于所述子区域中的每个子区域，
对于所述子区域中的一个或以上候选像素中的每个候选像素，基于所述候选像素的像素值和所述参考图像，确定与所述候选像素对应的感兴趣对象的厚度；
基于与所述子区域中的所述一个或以上候选像素对应的感兴趣对象的厚度，确定与所述子区域中的所述一个或以上候选像素对应的子区域中的平均厚度；以及
将与所述子区域中的所述一个或以上候选像素对应的子区域的平均厚度，指定为与所述子区域中的每个像素对应的感兴趣对象的等效厚度。
20.根据权利要求17所述的方法，其特征在于，对于所述感兴趣对象的所述一个或以上像素的每个像素，所述至少部分地基于与所述每个像素对应的感兴趣对象的等效厚度，确定所述每个像素的散射校正系数还包括：
获取对应于目标等效厚度的校正模板，所述目标等效厚度为与所述每个像素对应的感兴趣对象的等效厚度，所述校正模板包括与所述X射线成像设备的至少两个探测器单元对应的至少两个散射校正系数；以及
将用于获取所述扫描数据的一部分的探测器单元的散射校正系数指定为所述每个像素的散射校正系数，所述扫描数据的一部分对应所述每个像素。
21.根据权利要求20所述的方法，其特征在于，所述对应于目标等效厚度的校正模板是根据校正模板生成过程生成的，该校正模板生成过程包括：
获取与模体的扫描有关的光子信息，所述光子信息与至少两个光子有关，该至少两个光子是所述X射线成像设备的所述至少两个探测器单元在所述扫描期间检测到的，所述模体的厚度基本等于所述目标等效厚度，所述模体的衰减特性基本上等于所述感兴趣对象的衰减特性，所述光子信息包括所述至少两个光子中每个光子在所述至少两个探测器单元上的入射角，和所述至少两个光子中每个光子的光子能量；
基于所述光子信息，确定所述至少两个光子中的一个或以上散射光子；以及
基于所述光子信息和所述确定的一个或以上散射光子，确定与所述至少两个探测器单元对应的所述至少两个散射校正系数。
22.根据权利要求21所述的方法，其特征在于，所述校正模板是根据蒙特卡洛模拟技术生成的。
23.根据权利要求20所述的方法，其特征在于，所述受试体的所述扫描数据由所述X射线成像设备在目标成像条件以下获得，所述获取对应于所述目标等效厚度的校正模板还包括：
获取与所述目标等效厚度对应的至少两个候选校正模板，所述候选校正模板中的每个候选校正模板对应成像条件；以及
在所述至少两个候选校正模板中选择与所述目标成像条件对应的候选校正模板，作为对应于所述目标等效厚度的校正模板。
24.根据权利要求17所述的方法，还包括：
从所述图像中确定至少两个感兴趣对象，所述感兴趣对象中的每个感兴趣对象包括一个或以上像素；
对于所述至少两个感兴趣对象中的每个感兴趣对象，
基于所述每个感兴趣对象中的每个像素的像素值和所述参考图像，确定与所述每个感兴趣对象中的每个像素对应的所述每个感兴趣对象的等效厚度；
至少部分地基于与所述每个感兴趣对象中的每个像素对应的每个感兴趣对象的等效厚度，确定所述每个感兴趣对象中的每个像素的散射校正系数；以及
使用对应的散射校正系数来校正所述每个感兴趣对象中的每个像素的像素值；以及
通过组合所述至少两个校正的感兴趣对象来生成校正图像。
25.根据权利要求17所述的方法，其特征在于，所述散射校正系数包括散射主射比(SPR)、散射比、或主射比中的至少一种。
26.根据权利要求17所述的方法，其特征在于，所述感兴趣对象包括所述受试体的器官或组织中的至少一种。
27.一种在具有一个或多个处理器和一个或多个存储介质的计算设备上实现的方法，所述方法包括：
获取与至少两次扫描相关的光子信息，所述至少两次扫描中的每次扫描在成像条件下对模体进行，所述扫描的光子信息与至少两个光子有关，该至少两个光子是X射线成像设备的至少两个探测器单元在所述对应模体的所述扫描期间检测到的，所述光子信息包括所述至少两个光子中每个光子在所述至少两个探测器单元上的入射角，和所述至少两个光子中每个光子的光子能量；以及
对于所述至少两次扫描中的每次扫描，
基于所述对应的光子信息，在所述X射线成像设备的至少两个探测器单元检测到的对应的至少两个光子中，确定一个或以上散射光子；以及
基于所述对应的光子信息和所述对应的散射光子，确定与执行所述扫描的成像条件对应的候选校正模板，所述扫描是在所述成像条件下进行的，所述候选校正模板包括至少两个散射校正系数，每个散射校正系数对应于所述至少两个探测器单元中的每个探测器单元。
28.根据权利要求27所述的方法，还包括：
获取受试体的图像，所述图像是根据由X射线成像设备在目标成像条件下获得的所述受试体的扫描数据生成的；
在与所述成像条件对应的至少两个候选校正模板中，选择与所述目标成像条件对应的校正模板；以及
使用与所述目标成像条件对应的校正模板校正所述图像的至少一部分。
29.根据权利要求28所述的方法，其特征在于，所述使用与所述目标成像条件对应的校正模板校正所述图像的至少一部分还包括：
对于所述图片中的每个像素，
从与所述目标成像条件对应的校正模板中，确定用于获取所述扫描数据的一部分的探测器单元的散射校正系数，所述扫描数据的一部分对应所述至少一个像素；以及
使用所述确定的散射校正系数来校正所述每个像素的像素值。
30.根据权利要求27所述的方法，其特征在于，所述至少两次扫描中的每次扫描在对应的具有厚度的模体上执行，所述方法还包括：
获取受试体的图像，所述图像是根据由X射线成像设备在目标成像条件下获得的所述受试体的扫描数据生成；
获取空气的参考图像，所述参考图像是根据由所述X射线成像设备在目标成像条件下获得的空气的扫描数据生成；
从所述图像中识别出感兴趣对象(OOI)，所述感兴趣对象包括一个或以上像素；对于所述感兴趣对象的一个或以上像素中的每个像素，
基于所述每个像素的像素值和所述参考图像，确定与所述每个像素对应的感兴趣对象的等效厚度；
在与所述成像条件对应的至少两个候选校正模板中选择与所述目标成像条件对应的校正模板，该校正模板是根据模体的扫描生成的，所述模体的厚度基本等于与所述每个像素对应的感兴趣对象的等效厚度；以及
使用所述对应的校正模板来校正所述像素的像素值。
31.根据权利要求30所述的方法，其特征在于，所述使用所述对应的校正模板来校正所述像素的像素值，进一步包括：
从所述对应的校正模板中确定用于获取所述扫描数据的一部分的探测器单元的散射校正系数，所述扫描数据的一部分对应所述像素；
使用所述确定的散射校正系数校正所述像素的像素值。
32.一种存储指令的非暂时性计算机可读存储介质，该指令在由系统的至少一个处理器执行时使所述系统执行一种方法，所述方法包括：
获取受试体的图像，所述图像是根据由X射线成像设备获得的所述受试体的扫描数据生成；
获取空气的参考图像，所述参考图像是根据由所述X射线成像设备获得的空气的扫描数据生成；
从所述图像中识别出感兴趣对象(OOI)，所述感兴趣对象包括一个或以上像素；对于所述感兴趣对象的一个或以上像素中的每个像素，
基于所述每个像素的像素值和所述参考图像，确定与所述每个像素对应的感兴趣对象的等效厚度；
至少部分地基于与所述每个像素对应的感兴趣对象的等效厚度，确定所述每个像素的散射校正系数；以及
使用所述对应的散射校正系数来校正所述每个像素的像素值。
33.一种存储指令的非暂时性计算机可读存储介质，该指令在由系统的至少一个处理器执行时使所述系统执行一种方法，所述方法包括：
获取与至少两次扫描相关的光子信息，所述至少两次扫描中的每次扫描在成像条件下对模体进行，所述扫描的光子信息与至少两个光子有关，该至少两个光子是X射线成像设备的至少两个探测器单元在所述对应模体的所述扫描期间检测到的，所述光子信息包括所述至少两个光子中每个光子在所述至少两个探测器单元上的入射角，和所述至少两个光子中每个光子的光子能量；以及
对于所述至少两次扫描中的每次扫描，
基于所述对应的光子信息，在所述X射线成像设备的至少两个探测器单元检测到的对应的至少两个光子中，确定一个或以上散射光子；以及
基于所述对应的光子信息和所述对应的散射光子，确定与执行所述扫描的成像条件对应的候选校正模板，所述扫描是在所述成像条件下进行的，所述候选校正模板包括至少两个散射校正系数，每个散射校正系数对应于所述至少两个探测器单元中的每个探测器单元。
34.一种系统，包括：
至少一个存储设备，包括用于图像散射校正的一组指令；以及
至少一个处理器被配置为与所述至少一个存储设备通信，其中，当执行所述一组指令时，所述至少一个处理器被配置为指示所述系统：
获取受试体的图像，所述图像是根据由X射线成像设备在目标成像条件下获得的所述受试体的扫描数据生成；
获得与至少两个成像条件对应的至少两个候选校正模板，所述至少两个候选校正模板中的每个候选校正模板包括与所述X射线成像设备的至少两个探测器单元对应的至少两个散射校正系数；
在所述至少两个候选校正模板中选择与所述目标成像条件相对应的所述校正模板；以及
使用与所述目标校正模板对应的校正模板中的至少两个散射校正系数中的至少一个散射校正系数来校正图像的至少一部分。
35.根据权利要求34所述的系统，其特征在于，所述X射线成像设备在获取所述受试体的所述扫描数据的过程中未使用格栅。
36.根据权利要求34所述的系统，其特征在于，为了校正所述图像的至少一部分，所述至少一个处理器进一步被配置为指示所述系统：
对于所述图片中的至少一个像素，
从与所述目标成像条件对应的校正模板中，确定用于获取所述扫描数据的一部分的探测器单元的散射校正系数，所述扫描数据的一部分对应于所述至少一个像素；以及
使用所述确定的散射校正系数来校正所述至少一个像素的像素值。
37.根据权利要求34所述的系统，其特征在于，所述至少两个候选校正模板是基于至少两次扫描产生的，所述至少两次扫描中的每次扫描在对应的具有厚度的模体上执行，所述至少一个处理器进一步被配置为指示所述系统：
获取空气的参考图像，所述参考图像是根据由所述X射线成像设备在目标成像条件下获得的空气的扫描数据生成；
从所述图像中识别出感兴趣对象(OOI)，所述感兴趣对象包括一个或以上像素；对于所述感兴趣对象的一个或以上像素中的每个像素，
基于所述每个像素的像素值和所述参考图像，确定与所述每个像素对应的感兴趣对象的等效厚度；
在与所述成像条件对应的至少两个候选校正模板中选择与所述目标成像条件对应的校正模板，该校正模板是根据模体的所扫描生成的，所述模体的厚度基本等于与所述每个像素对应的感兴趣对象的等效厚度；以及
使用所述对应的校正模板来校正所述像素的像素值。
38.根据权利要求37所述的系统，其特征在于，使用所述对应的校正模板来校正所述每个像素的像素值，所述至少一个处理器进一步被配置为指示所述系统：
从所述对应的校正模板中确定用于获取所述扫描数据的一部分的探测器单元的散射校正系数，所述扫描数据的一部分对应于所述像素；
使用所述确定的散射校正系数校正所述像素的像素值。
CN201880084682.5A 2017-12-29 2018-12-14 用于图像散射校正的系统和方法 Active CN111526796B (zh)

Applications Claiming Priority (5)

Application Number Priority Date Filing Date Title
CN201711489052X 2017-12-29
CN201711489188.0A CN108577872B (zh) 2017-12-29 2017-12-29 医学图像的去散射方法、系统及存储介质
CN2017114891880 2017-12-29
CN201711489052.XA CN107928690B (zh) 2017-12-29 2017-12-29 确定主射线比例方法及图像去散射方法、系统及存储介质
PCT/CN2018/121049 WO2019128731A1 (en) 2017-12-29 2018-12-14 Systems and methods for scatter correction of image

Publications (2)

Publication Number Publication Date
CN111526796A true CN111526796A (zh) 2020-08-11
CN111526796B CN111526796B (zh) 2023-08-25

Family

ID=67066510

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201880084682.5A Active CN111526796B (zh) 2017-12-29 2018-12-14 用于图像散射校正的系统和方法

Country Status (4)

Country Link
US (1) US11538160B2 (zh)
EP (1) EP3731759A4 (zh)
CN (1) CN111526796B (zh)
WO (1) WO2019128731A1 (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113554632A (zh) * 2021-07-30 2021-10-26 沭阳天勤工具有限公司 基于人工智能的浑浊水体中工件检测优化方法
CN114723844B (zh) * 2022-06-10 2022-08-19 中国医学科学院北京协和医院 经盐水造影校正的搏动灌注图像重建方法、系统及设备

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20030072409A1 (en) * 2001-10-12 2003-04-17 Kaufhold John Patrick Methods and apparatus for estimating a material composition of an imaged object
US20040202280A1 (en) * 2003-04-11 2004-10-14 Besson Guy M. Signal profiling for medical imaging systems
JP2006090752A (ja) * 2004-09-21 2006-04-06 Toshiba Corp 放射線診断装置および減弱補正方法
US20080013673A1 (en) * 2004-06-16 2008-01-17 Ernst-Peter Ruhmschopf Apparatus and Method for Scatter Correction in Projection Radiography
US20080107229A1 (en) * 2006-11-02 2008-05-08 General Electric Company Methods and systems for attenuation correction in medical imaging
CN101810488A (zh) * 2009-01-29 2010-08-25 皇家飞利浦电子股份有限公司 探测值校正设备
CN101987021A (zh) * 2010-12-06 2011-03-23 中国科学院深圳先进技术研究院 Ct系统的散射校正方法及ct系统
DE102009051634A1 (de) * 2009-11-02 2011-05-05 Siemens Aktiengesellschaft Streustrahlkorrektur mit Multibandfilterung bei der CT-Bildrekonstruktion
US20120041685A1 (en) * 2010-07-13 2012-02-16 Vanderbilt University System and method for estimating radiation dose and distribution using medium-dependent-correction based algorithms (mdc)
CN104616251A (zh) * 2014-12-31 2015-05-13 沈阳东软医疗系统有限公司 一种数字x线图像散射修正的方法及装置
CN107093198A (zh) * 2016-02-17 2017-08-25 西门子医疗有限公司 用于伪影校正算法的选择方法、用于执行该方法的数据处理设备和医学成像系统
CN107202805A (zh) * 2017-05-31 2017-09-26 中国人民解放军信息工程大学 基于卷积核的锥束ct散射伪影校正方法

Family Cites Families (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6163589A (en) 1998-06-13 2000-12-19 General Electric Company Monte Carlo scatter correction method for computed tomography of general object geometries
JP3919724B2 (ja) 2003-09-19 2007-05-30 ジーイー・メディカル・システムズ・グローバル・テクノロジー・カンパニー・エルエルシー 放射線計算断層画像装置および断層像データ生成方法
US20080253515A1 (en) 2005-02-01 2008-10-16 Koninklijke Philips Electronics, N.V. Apparatus and Method for Correction of Extension of X-Ray Projections
US9226722B2 (en) 2005-09-19 2016-01-05 Yongwang Li Medical imaging system and method with separate primary and scattered components
WO2007116333A2 (en) 2006-04-11 2007-10-18 Philips Intellectual Property & Standards Gmbh Production of x-ray images containing a reduced proportion of scattered radiation
JP5214942B2 (ja) 2007-10-02 2013-06-19 東芝メディカルシステムズ株式会社 多管球ｘ線ｃｔにおける散乱線強度分布のスケーリング方法および多管球ｘ線ｃｔ装置
CN101158653B (zh) 2007-11-16 2010-12-15 西北工业大学 一种锥束ct系统的散射测定和校正方法
US8290116B2 (en) * 2008-09-16 2012-10-16 Koninklijke Philips Electronics, N.V. Imaging apparatus including correction unit for scattered radiation
CN101566590B (zh) 2009-04-20 2011-07-20 西北工业大学 面阵探测器射线数字成像中的散射强度分布获取方法
JP5815048B2 (ja) 2011-12-12 2015-11-17 株式会社日立メディコ Ｘ線ｃｔ装置
JP6165695B2 (ja) * 2014-09-24 2017-07-19 富士フイルム株式会社 放射線画像解析装置および方法並びにプログラム
CN104840211B (zh) * 2015-05-18 2018-12-25 上海联影医疗科技有限公司 一种投影图像的散射矫正方法及装置
CN106485680B (zh) * 2016-10-13 2017-11-28 上海联影医疗科技有限公司 图像校正方法及装置
US11382589B2 (en) * 2017-04-20 2022-07-12 Shimadzu Corporation Radiation image processing device and radiation image processing method
CN107802280B (zh) 2017-11-08 2021-02-19 上海联影医疗科技股份有限公司 校正曲线生成方法、投影图像的校正方法、系统及存储介质
CN108577872B (zh) * 2017-12-29 2021-07-16 上海联影医疗科技股份有限公司 医学图像的去散射方法、系统及存储介质
CN107928690B (zh) * 2017-12-29 2021-06-22 上海联影医疗科技股份有限公司 确定主射线比例方法及图像去散射方法、系统及存储介质
CN108335269B (zh) * 2018-01-16 2022-03-04 东软医疗系统股份有限公司 X线图像的散射修正方法、装置、控制设备及存储介质

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20030072409A1 (en) * 2001-10-12 2003-04-17 Kaufhold John Patrick Methods and apparatus for estimating a material composition of an imaged object
US20040202280A1 (en) * 2003-04-11 2004-10-14 Besson Guy M. Signal profiling for medical imaging systems
US20080013673A1 (en) * 2004-06-16 2008-01-17 Ernst-Peter Ruhmschopf Apparatus and Method for Scatter Correction in Projection Radiography
JP2006090752A (ja) * 2004-09-21 2006-04-06 Toshiba Corp 放射線診断装置および減弱補正方法
US20080107229A1 (en) * 2006-11-02 2008-05-08 General Electric Company Methods and systems for attenuation correction in medical imaging
CN101810488A (zh) * 2009-01-29 2010-08-25 皇家飞利浦电子股份有限公司 探测值校正设备
DE102009051634A1 (de) * 2009-11-02 2011-05-05 Siemens Aktiengesellschaft Streustrahlkorrektur mit Multibandfilterung bei der CT-Bildrekonstruktion
US20120041685A1 (en) * 2010-07-13 2012-02-16 Vanderbilt University System and method for estimating radiation dose and distribution using medium-dependent-correction based algorithms (mdc)
CN101987021A (zh) * 2010-12-06 2011-03-23 中国科学院深圳先进技术研究院 Ct系统的散射校正方法及ct系统
CN104616251A (zh) * 2014-12-31 2015-05-13 沈阳东软医疗系统有限公司 一种数字x线图像散射修正的方法及装置
CN107093198A (zh) * 2016-02-17 2017-08-25 西门子医疗有限公司 用于伪影校正算法的选择方法、用于执行该方法的数据处理设备和医学成像系统
CN107202805A (zh) * 2017-05-31 2017-09-26 中国人民解放军信息工程大学 基于卷积核的锥束ct散射伪影校正方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
李艳玲 等: "用基于厚度估计的卷积算法校正X线图像散射的方法", 光散射学报, vol. 17, no. 04, pages 388 - 395 *
王玉: "锥形束CT图像的散射校正", 中国博士学位论文全文数据库信息科技辑, no. 09, pages 138 - 38 *

Also Published As

Publication number Publication date
WO2019128731A1 (en) 2019-07-04
EP3731759A1 (en) 2020-11-04
US20200327672A1 (en) 2020-10-15
CN111526796B (zh) 2023-08-25
EP3731759A4 (en) 2021-01-20
US11538160B2 (en) 2022-12-27

Similar Documents

Publication Publication Date Title
CN109741284B (zh) 用于校正pet成像中由呼吸运动引起的失配的系统和方法
US11893738B2 (en) System and method for splicing images
US12070351B2 (en) Imaging systems and methods thereof
US20210196224A1 (en) Systems and methods for image acquisition
US11776170B2 (en) Systems and methods for medical imaging
CN107346555B (zh) 电子计算机断层扫描图像数据处理方法
CN111542827B (zh) 一种患者定位的系统和方法
US11877873B2 (en) Systems and methods for determining scanning parameter in imaging
CN107895390B (zh) 电子计算机断层扫描图像数据处理系统及方法
US20200303151A1 (en) Method and system for adjusting focal point position
US11538160B2 (en) Systems and methods for scatter correction of image
US20190156527A1 (en) Systems and methods for correcting projection images in computed tomography image reconstruction
CN115153608A (zh) 校正投影图像的系统和方法
CN112437949B (zh) 一种用于合成投影图像的方法和系统
WO2023087260A1 (en) Systems and methods for data processing

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