CN111553958B - 图像矩阵大小的计算 - Google Patents
图像矩阵大小的计算 Download PDFInfo
- Publication number
- CN111553958B CN111553958B CN202010082888.3A CN202010082888A CN111553958B CN 111553958 B CN111553958 B CN 111553958B CN 202010082888 A CN202010082888 A CN 202010082888A CN 111553958 B CN111553958 B CN 111553958B
- Authority
- CN
- China
- Prior art keywords
- image
- matrix size
- image matrix
- data
- calculated
- 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
- 239000011159 matrix material Substances 0.000 title claims abstract description 107
- 238000004364 calculation method Methods 0.000 title claims description 23
- 238000000034 method Methods 0.000 claims abstract description 53
- 238000002591 computed tomography Methods 0.000 claims abstract description 44
- 230000005855 radiation Effects 0.000 claims abstract description 8
- 230000006870 function Effects 0.000 claims description 28
- 238000012546 transfer Methods 0.000 claims description 22
- 230000015654 memory Effects 0.000 claims description 16
- 210000000746 body region Anatomy 0.000 claims description 13
- 238000004422 calculation algorithm Methods 0.000 claims description 11
- 238000005259 measurement Methods 0.000 claims description 8
- IAZDPXIOMUYVGZ-UHFFFAOYSA-N Dimethylsulphoxide Chemical compound CS(C)=O IAZDPXIOMUYVGZ-UHFFFAOYSA-N 0.000 claims description 2
- 238000004590 computer program Methods 0.000 description 17
- 238000003384 imaging method Methods 0.000 description 9
- 210000000056 organ Anatomy 0.000 description 9
- 210000001519 tissue Anatomy 0.000 description 7
- 210000001015 abdomen Anatomy 0.000 description 5
- 238000004891 communication Methods 0.000 description 5
- 238000012545 processing Methods 0.000 description 4
- 210000003484 anatomy Anatomy 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 230000002238 attenuated effect Effects 0.000 description 2
- 238000002059 diagnostic imaging Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 239000002184 metal Substances 0.000 description 2
- 210000000988 bone and bone Anatomy 0.000 description 1
- 230000000747 cardiac effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000003759 clinical diagnosis Methods 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 239000002872 contrast media Substances 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 239000007943 implant Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 210000004072 lung Anatomy 0.000 description 1
- 230000001902 propagating effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 238000010561 standard procedure Methods 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 230000003936 working memory Effects 0.000 description 1
Classifications
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/003—Reconstruction from projections, e.g. tomography
- G06T11/005—Specific pre-processing for tomographic reconstruction, e.g. calibration, source positioning, rebinning, scatter correction, retrospective gating
-
- 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
- G06T11/006—Inverse problem, transformation from projection-space into object-space, e.g. transform methods, back-projection, algebraic methods
-
- 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
- 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
- G06T2210/00—Indexing scheme for image generation or computer graphics
- G06T2210/41—Medical
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2211/00—Image generation
- G06T2211/40—Computed tomography
- G06T2211/421—Filtered back projection [FBP]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2211/00—Image generation
- G06T2211/40—Computed tomography
- G06T2211/424—Iterative
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Mathematical Physics (AREA)
- Pure & Applied Mathematics (AREA)
- Algebra (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
本发明涉及一种用于计算对于从投影数据重建检查对象的图像数据的图像矩阵大小的方法。在计算机断层扫描系统的辐射源与检查对象之间的相对旋转运动期间获取投影数据。根据计算机断层扫描系统的轴向图像场的范围以及待重建的图像数据中的清晰度值来计算图像矩阵大小。向重建单元提供所计算的图像矩阵大小,以用于从投影数据重建图像数据。
Description
技术领域
本发明涉及一种用于计算对于重建医学图像数据的图像矩阵大小的手段。特别地,本发明涉及来自计算机断层扫描的临床图像记录形式的医学图像数据。
背景技术
本身已知的计算机断层扫描设备包括测量系统,该测量系统包括(尽可能)大量的可用探测器通道以及尽可能小的管焦点。如果使用带来较高的空间分辨率的较大的图像矩阵来从借助于探测器通道所获取的X射线投影数据重建医学图像记录,则可以更有效地使用计算机断层扫描设备。从而可以改善图像质量。因此,在胸部成像时可以用高的对比度减少甚至避免锐利边缘上的阶梯状伪影。但是,随着图像矩阵大小的增大,不仅图像质量提高,而且所需的重建时间以及所需的存储器空间也增加。就这点而言,对于每次检查需要权衡对于检查类型的最佳矩阵大小和其他所提到的参数。
已知通常使用大小为512×512的预设的矩阵。这意味着从投影数据生成二维(层)图像记录,该二维(层)图像记录在两个空间维度中分别具有512个图像元素(即像素)。在其他情况下,操作者可以手动选择256×256的矩阵,例如用于心多相重建。在这样的采集中会产生非常大量的图像,其中这些图像主要用于说明随时间的变化。因此,在这种检查类型中,空间梯度与时间梯度相比较不重要。因此,随之而来的空间分辨率减小对于这种检查类型是可接受的。如果在这里保留了常用的512×512的矩阵大小,则在图像档案(例如,PACS)中所需的存储器空间会过高。
发明内容
本发明的目的是提供备选的手段,其使得能够自动确定和设置对于检查类型的最佳矩阵大小,而不需要操作者的输入和操作者的相应背景知识。
该目的通过根据本发明的一种用于计算图像矩阵大小的方法、相应的计算单元、相应的计算机断层扫描系统、计算机程序以及相应的计算机可读介质来实现。优选地和/或备选地,有利的实施方式的变型也是本发明的主题。
下面参考所要求保护的方法以及所要求保护的设备,描述该目的根据本发明的解决方案。在这里所提到的特征、优点或备选实施方式还可以被转用到所要求保护的其他主题上,反之亦然。换句话说,(例如针对方法的)主题相关的权利要求还可以使用结合设备中的一个设备所描述的或所要求保护的特征来改进。该方法的相应功能特征由相应的具体模块或单元形成。
在第一方面,本发明涉及一种用于计算对于从投影数据重建检查对象的图像数据的图像矩阵大小的方法。在计算机断层扫描系统的辐射源与检查对象之间的相对旋转运动期间获取投影数据。向重建单元提供所计算的图像矩阵大小,用于从投影数据重建图像数据。
本发明基于以下认识:根据计算机断层扫描系统的轴向图像场和待重建的图像数据中的清晰度值来计算图像矩阵大小。优选地,图像矩阵大小取决于轴向图像场的范围和清晰度值的乘积。
轴向图像场或其范围表示在获取投影数据期间计算机断层扫描系统的视场的在垂直于计算机断层扫描系统的旋转轴线的方向上的空间延伸。轴向图像场可以被设计为不可改变的或者通过X射线源或借助于至少一个光圈设备可调节的。轴向图像场限定检查对象的身体段或身体部位或身体区域的大小,该身体段或身体部位或身体区域借助于投影数据被成像并且被X射线穿透。轴向视场可以覆盖例如大约40cm,从而使得能够在患者的整个宽度上获取投影数据。一种可能的应用是对整个腹部的计算机断层扫描检查。在另一个示例中,如果仅单个器官(特别是心脏)需要被成像,则轴向视场例如仅覆盖几厘米。
待重建的图像数据中的清晰度值表示所期望的预设的最大空间频率或空间分辨率,该最大空间频率或空间分辨率必须存在于所重建的图像数据中。清晰度值对应于如下的空间频率,在这样的空间频率处调制传递函数或对比度传递函数达到特定值。该函数通常描述对象的图像的细节对比度与对象本身的细节对比度之间的关系,该关系取决于对象的空间频率。换句话说,调制传递函数描述了对于成像系统的成像质量的量度。调制传递函数的值越高,物体通过成像系统的成像越好。在这种意义上,清晰度值被认为是空间频率,在该空间频率处调制传递函数具有特定值(例如10%或0.1)。就这点而言,代替直接规定清晰度值,还可以规定或预设调制传递函数的值。清晰度值可以直接通过调制传递函数与空间频率的相关性得出。
特别地,清晰度值可以用每毫米的线对(lp/mm)作为单位给出。特别地,清晰度值通过医学问题确定,放射学检查以该医学问题为基础,并且该医学问题将借助于所重建的图像数据来回答。清晰度值还可以通过所成像的身体区域和其中存在的组织成分来预限定。
根据本发明自动地进行计算,并且无需操作者帮助。可以有利地规定:对于每个检查或每个图像数据重建,操作者可以单独地设定是应该自动计算图像矩阵大小还是相对于默认设置来优化图像矩阵大小。此外,可以有利地规定:例如如果在开始时已知仅有限的存储器容量可用于所重建的图像数据,则将最高的(即最大的)图像矩阵大小预设为上限。例如,一开始可以排除1024的图像矩阵大小。
由计算得出的图像矩阵大小(在下文中也简称为矩阵大小)既可以大于也可以小于通常使用的512×512图像元素(即像素)的矩阵大小。这使得能够显著改善系统性能,例如在实时检查(诸如团注追踪(Bolus-Tracking)或者一般地在造影剂影响下的成像)时,因为这样可以减小从投影数据重建图像数据的持续时间。
在本发明的意义上,投影数据应当理解为检查对象的X射线衰减曲线或X射线投影测量数据,当检查对象被X射线照射时会产生该X射线衰减曲线或X射线投影测量数据,该X射线在其强度上由检查对象的解剖结构衰减并且在其能谱上被改变。投影数据通常包括大量单个投影,这些单个投影在其观察方向或者其穿过检查对象地角度上有所不同。因此,投影数据与投影空间有关或在投影空间中被获取。在检查对象的至少一个二维截面图像或至少一个体积数据组意义上的图像数据可以借助于重建算法从各个投影中计算出来。
在本发明的意义上,检查对象是患者,其中患者通常是人类。原则上,患者还可以是动物。因此,在下文中同义地使用这两个术语“检查对象”和“患者”。
在本发明的意义上,重建算法应当理解为用于从投影数据重建图像数据的已知方法。在这点而言,图像数据涉及图像空间或存在于图像空间中。对于图像重建的一种标准方法是滤波反投影方法(Filtered Back Projection,FBP)。在获取投影数据之后,首先执行所谓的“重新绑定(Rebinning)”步骤,在该步骤中,利用从源传播的扇形的射线所产生的投影数据被重新排列,使得其呈现如同探测器被平行地射向探测器的X射线撞击一样的形式。然后,数据被变换到频域。在频域中进行滤波,并且随后经滤波的数据被逆变换。借助于以这种方式被重新分类和滤波的数据来进行到感兴趣的体积内的单个体素的反投影。但是,FBP方法的近似手段导致低频锥束伪影和螺旋伪影。此外,图像清晰度与图像噪声有关。与此相反,优选迭代重建方法。在这里,首先从投影数据或投影测量数据重建初始图像数据。为此,可以使用例如卷积反投影方法。在数学上尽可能好地描绘测量系统的“投影算子”(即投影运算符)投影初始图像数据,以便生成合成投影数据。用与投影算子共轭的运算符反投影与原始投影数据的差,然后重建残差图像,利用该残差图像更新初始图像。经更新的图像数据可以再次被使用,以便在下一个迭代步骤中,借助于投影运算符产生新的合成投影数据,从中再次形成与测量信号的差并且计算新的残差图像,用该新的残差图像改善当前迭代等级的图像数据,等等。利用这样的方法可以重建图像数据,该图像数据在低图像噪声下具有改善的图像清晰度。对于迭代重建方法的示例是代数重建技术(ART)、同时代数重建技术(SART)、迭代滤波反投影(IFBP)或统计迭代图像重建技术。可以与根据本发明的方法一起应用的优选的重建方法是例如基于正弦图的迭代重建或基于模型的迭代重建。
在该方法的一个实施方案中,根据对于图像矩阵大小的最小步长来计算图像矩阵大小。最小步长描述了预设的数量的图像元素(特别是像素),以便可以增大或减小待计算的图像矩阵大小。最小步长可以优选地为32、64、128(特别优选地256)个图像元素。换句话说,图像矩阵大小可以有利地仅递增地被改变。最小步长被选择得越小,图像矩阵大小就可以越好地考虑在计算中包括的各个参数。但是,与无级图像矩阵大小相比,根据本发明的引入最小步长简化了计算步骤。
特别有利地,最小步长可以由操作者在X射线检查之前单独调节。
在该方法的另一个实施方案中,通过考虑重建算法的至少一个参数和/或该重建算法的重建核来计算图像矩阵大小。考虑重建参数或重建核有利地影响性能,特别是重建过程的速度或持续时间。无论是从操作者的角度还是从患者的角度来看,使图像矩阵大小适应于待进行的重建的参数都可以有利地缩短检查时间。
在本发明的意义上,重建核对应于在图像数据的重建中所使用的卷积核。重建核应用于投影数据。重建核可以是平滑的或对比度增强的。特别地,可以根据检查类型、检查所基于的医学问题和/或待检查的身体区域来选择或调整重建核。例如,对比度增强的重建核已知专门用于显示骨骼组织或肺组织。重建核的选择对所重建的图像数据的质量有决定性影响。适用于待诊断的组织的重建核也可以有利地减少必要的辐射剂量,而没有质量损失。
如上面所提到的,重建算法优选地是迭代重建算法。
重建算法的参数可以是例如在重建期间所遍历的前向投影循环和反投影循环的数目或伪影校正循环或噪声最小化循环的数目。这些参数通常针对所检查的身体区域或所成像的器官或组织,这些身体区域或器官或组织在与X射线的交互作用方面可以显著不同。
在该方法的另一个实施方案中,通过考虑图像数据的要达到的最小图像质量来计算图像矩阵大小。图像质量不仅包括应当保证的所期望的空间最小分辨率,而且还包括有关最大可容忍的图像误差或伪影(诸如例如图像噪声或金属伪影,该金属伪影可以由所成像的身体区域中的金属植入物引起)的规定。
在该方法的另一个实施方案中,通过考虑获取投影数据所基于的医学问题和/或对于获取投影数据所使用的测量协议的至少一个参数和/或表示所成像的身体区域或其中所包括的组织的参数来计算图像矩阵大小。在本发明的意义上,医学问题应当理解为临床初步怀疑、分配任务等,由此得出对检查对象进行放射学检查的原因。在该实施方式中,有利地考虑到医学问题、所检查的身体区域和/或所使用的测量协议可能会需要特定的图像矩阵大小,或者可能会规定对于图像矩阵大小的上限或下限。
在该方法的一个实施方案中,通过考虑对于所重建的图像数据可用的存储器容量来计算图像矩阵大小。本发明的该实施方式考虑了以下认识:仅有限的存储器空间可以用于所重建的图像数据。换句话说,例如在医疗机构的PACS系统(图片存档与通信系统)中,用于检查的所重建的图像数据的总和可能会大于可用的存储器容量。在这里,图像矩阵大小从一开始就被调整为最大可存储数据量。
在该方法的另一个实施方案中,根据以下规则计算图像矩阵大小:
其中,N表示所计算的图像矩阵大小(在一个空间维度中),
ΔN表示最小步长,
Fax表示轴向图像场,
ρc表示清晰度值,并且
a表示自由缩放因子。
如在开始时已经提到的,在本发明的意义上,轴向图像场应当理解为计算机断层扫描系统的图像场的范围,该图像场垂直于其旋转轴线延伸。同样如在开始时所提到的,清晰度值应当理解为所重建的图像数据中的所期望的最大空间频率(lp/mm)。在该实施方式中,轴向图像场与清晰度值的乘积被除以最小步长。在优选的实施方案中,自由缩放因子a可以被设计为比例常数,其优选地取a≈1的值。等式中向下开口的括号表示在必要时所包括的项被向上取整为最接近的整数。取整操作是可选的。
在该方法的另一个实施方案中,根据以下规则计算图像矩阵大小:
其中,N表示所计算的图像矩阵大小,
ΔN表示最小步长,
Nmax表示允许的最大图像矩阵大小,
Nmin表示允许的最小图像矩阵大小,
Fax表示轴向图像场,
ρc表示清晰度值,
f表示自由缩放因子,并且
c表示自由偏置参数。
在该实施方案中,除了允许的最大图像矩阵大小Nmax之外,还预先限定了允许的最小图像矩阵大小Nmin。这可以取决于检查类型、医学问题、所检查的身体区域或所检查的组织或器官(例如心脏)和/或类似物,并且可以对应于对于所重建的图像数据的可靠诊断所需的最小的图像矩阵大小。优选地,可以分别例如凭经验从对已经完成的大量重建任务的重建参数的分析中确定自由缩放因子f以及自由偏置参数c。为此,例如,可以评估来自制造商的位于现场的计算机断层扫描系统的所有可用的重建任务。通过自由缩放因子f以及自由偏置参数c可以影响图像矩阵大小之间的切换点,使得实现例如图像质量与重建性能(特别是重建速度)之间的平衡关系。在这里,等式中的向下开口的括号也表示在必要时所包括的项被向上取整为最接近的整数。在这里,取整操作也是可选的。在该实施方式的变型中,首先从预设的允许的最小图像矩阵大小Nmin以及从轴向图像场的大小、清晰度值、缩放因子、偏置参数和最小步长根据所得出的图像矩阵大小的组中确定最大值。随后,将该比较的所确定的最大值与允许的最大图像矩阵大小Nmax比较,并且确定这两个值中的较小者。以这种方式所确定的值对应于所计算的图像矩阵大小。
在该方法的另一个实施方案中,通过考虑计算机断层扫描系统的调制传递函数的功能来计算清晰度值。
如在开始时已经提到的,调制传递函数或对比度传递函数描述了图像对比度与对象对比度的比率。它是成像系统(在这里是计算机断层扫描系统)特有的。该比率取决于对象的实际空间频率。空间频率越高,图像对比度与对象对比度的比率通常越差,换句话说,图像对比度和图像清晰度越低。
代替仅在一个点处(在该点处,调制传递函数取得期望值,例如10%)表示调制传递函数的具体的清晰度值,可以将一般的分配以函数的形式用于计算图像矩阵大小,该分配考虑整个调制传递函数,例如以ρc=F[MTF]的形式,其中MTF代表调制传递函数。在该实施方式的变型中,可以有利地考虑整个空间频率响应。备选地,可以仅考虑某些所选择的空间频率。换句话说,在该实施方式中较好地考虑了对于成像系统特有的调制传递函数的实际曲线。根据一个示例,可以从两个频率计算平均值,以便产生清晰度值,例如其中ρ50和ρ10分别对应于调制传递函数达到值50%和10%的频率。代替调制传递函数的两个离散值,可以通过该函数考虑任意数量的离散值。可以规定,所有相应的空间频率以加权因子接收,该加权因子对于所有频率值可以是相同的或不同的。最终,在另一个优选的实施方式的变型中,可以考虑调制传递函数随清晰度值的整个曲线,使得将整个调制传递函数包括在清晰度值的计算中。
总而言之,本发明使得操作者在选择对于检查对象的检查而言最佳的图像矩阵大小时不必在各个影响因素之间权衡,这种权衡有时是困难的。必要的存储器容量仍可以限制为最小值。
在另一个方面中,本发明涉及一种用于计算对于从投影数据重建检查对象的图像数据的图像矩阵大小的计算单元,其中该计算单元被设计为,
-获取投影数据,该投影数据在计算机断层扫描系统的辐射源与检查对象之间的相对旋转运动期间被获取,
-根据依据本发明的方法的步骤计算图像矩阵大小。
在一个优选的实施方式中,计算单元还包括重建单元,该重建单元被设计为获取所计算的图像矩阵大小,并且利用该图像矩阵大小从投影数据重建图像数据。
计算单元有利地集成在计算机断层扫描系统中。备选地,计算单元还可以被布置为遥远的或偏僻的。计算单元可以被设计为为计算机断层扫描系统或为大量的设备执行根据本发明的整个方法,例如在包括多个计算机断层扫描系统的放射中心或医院中。
在另一个方面中,本发明涉及一种用于计算对于从投影数据重建检查对象的图像数据的图像矩阵大小的计算机断层扫描系统,该计算机断层扫描系统包括:
-根据本发明的计算单元,以及
-用于从投影数据重建图像数据的重建单元,该图像数据具有计算出的图像矩阵大小。
该计算机断层扫描系统还可以有利地包括用于获取投影数据的获取单元。获取单元可以被设计为直接或间接转换的X射线探测器。获取单元可以具有到计算单元的接口,投影数据通过该接口被传递到计算单元上。
重建单元可以有利地被计算机断层扫描系统的计算单元包含。它们可以分别被设计为单个或多个组件(即处理器或计算机),此外,这些组件在空间上可以被布置为相连的,但也可以被布置为彼此分离的。计算单元和重建单元可以特别优选地位于云中。
该计算机断层扫描系统还可以有利地包括显示装置,在该显示装置上可以直接显示为观察者所重建的图像数据。
在另一个方面中,本发明涉及一种计算机程序,该计算机程序可直接加载到根据本发明的计算单元的存储器单元中,并且具有程序部分,以便当计算机程序在计算单元中被执行时,执行根据本发明的方法的步骤。
在另一个方面中,本发明涉及一种计算机可读介质,由根据本发明的计算单元可读取和可执行的程序部分被存储在该计算机可读介质上,以便当程序部分由计算单元执行时,执行根据本发明的方法的所有步骤。
本发明的以计算机程序或包括根据本发明的计算机程序的程序代码的计算机可读数据载体形式的实施方式提供了以下优点:现有的计算机系统或计算单元可以通过软件更新容易地被调整,以便获得根据本发明的功能。
备选地,计算机程序可以被设计为计算机程序产品的形式,并且具有附加单元。该附加单元可以被设计为硬件,例如被设计为其上存储计算机程序的存储器介质和/或硬件密钥,以便能够使用计算机程序。备选地或附加地,该附件单元可以被设计为软件,例如被设计为程序文档或软件密钥,以便能够使用计算机程序。
附图说明
结合以下实施例的描述,可以更清楚地理解本发明的上面所描述的特性、特征和优点以及实现它们的方式方法,结合附图进一步说明这些实施例。该描述并不将本发明限制于这些实施例。在不同的附图中,相同的组件设置有相同的附图标记。这些附图通常未按比例绘制。
图1示出了根据本发明的一个实施例的根据本发明的方法的示意图,
图2示出了对于器官特征“腹部”的根据所属的图像矩阵大小的大量检查的直方图,
图3示出了对于器官特征“腹部”的根据所属的图像矩阵大小的大量检查的另一幅直方图,
图4示出了计算机断层扫描系统形式的医学成像系统,该系统包括根据本发明另一个实施例的根据本发明的计算单元。
具体实施方式
图1在一个实施例中示出了根据本发明的方法的示意图。在第一步骤S1中获取投影数据,在检查患者3期间利用计算机断层扫描系统产生该投影数据。例如使用计算单元12进行获取,如将参照图4进一步描述的。
投影数据可以通过本身已知的连接例如直接从记录单元17传输到计算单元12上,该记录单元17包括计算机断层扫描系统1的X射线探测器9。
在第二步骤S2中,获取或确定计算机断层扫描系统1的轴向图像场,该轴向图像场在获取投影数据期间被使用或设置。由计算单元12或通过相应的通信接口进行获取或确定。该信息可以例如由用户借助于输入单元7手动输入,或者可以自动被调用或导出。轴向图像场的范围通常对应于患者3的所成像的身体区域在一个空间维度中的大小。轴向图像场的范围可以例如由所计划的检查类型和/或单独的患者解剖结构得出,和/或在记录协议规划过程中在获取投影数据之前根据现有的初步怀疑被设置,并且与记录协议一起被存储。在这点而言,在本发明的意义上,计算单元12还可以与计算机断层扫描系统的调节单元或控制单元进行数据通信,并且可以将轴向图像场的范围获取到所获取的投影数据中。
在第二步骤S2中,还获取待重建的图像数据的清晰度值。该值是对于所重建的图像数据中所成像的解剖结构的细节清晰度的量度,必须至少遵守该值,所重建的图像数据因此使得能够根据医学问题或初步怀疑进行临床诊断。该所需的清晰度值可以例如根据记录协议被预设,并且对于计算单元12可调用地(例如以查找表的形式)被存储在计算单元的存储器22中。在所描述的实施方式的一个变型中,清晰度值可以备选地作为对于计算机断层扫描系统特有的调制传递函数的函数由计算单元计算。对此的前提条件是知道计算机断层扫描系统的调制传递函数。
可选地,步骤S2还可以包括为待计算的图像矩阵大小获取或确定最小步长。最小步长可以例如由用户通过输入单元7手动输入,或者可以作为预设的大小从存储器22中被调用。最小步长限定最小增量,图像矩阵大小可以以该最小增量被改变。特别地,最小步长是32的倍数,即例如64、128、256、516等。
在步骤S2中,还可以可选地规定评估由重建单元23所应用的重建算法。该评估包括确定重建核和/或另外的重建参数,这些重建参数特别地对重建算法的速度或所重建的图像数据的图像质量有决定性影响。较大的图像矩阵大小通常会导致较长的重建时间。通过考虑重建核或至少一个重建参数,同时通过考虑另外的影响因素,图像矩阵大小可以有利地被选择为小的。
可选地,步骤S2还可以包括获取或确定最小图像矩阵大小和/或最大图像矩阵大小。最大图像矩阵大小可以例如由可用的存储器容量和/或由重建性能限定。最小图像矩阵大小可以例如由所使用的X射线探测器9的清晰度值和/或像素元素大小规定。
在第三步骤S3中,根据轴向图像场的范围以及所需的清晰度值来计算图像矩阵大小。
计算图像矩阵大小包括由轴向图像场的范围和所需的清晰度值产生乘积。
在一个实施例中,可以根据以下等式(1)进行计算:
比例常数a优选地取在1的范围中的值,其可以例如在0.5与1.5之间,特别优选的是a=0.8。比例常数可以优选地凭经验被确定。在另一个实施例中,可以根据以下等式(2)进行计算:
自由缩放因子f基本上对应于根据等式(1)的备选计算规则的比例常数a,并且在相应的值范围中变化。自由偏置参数c可以用于根据所适用的最小步长调整对于图像矩阵大小的两个相邻值之间的切换点。如在备选计算规则中一样,自由偏置参数c可以备选地被设置为零。
诸如重建核、重建参数、检查类型,所成像的身体区域、所成像的器官等的影响因素可以单独地或组合地通过比例常数a、自由缩放因子f以及自由偏置参数c来考虑。检查类型例如是具有时间上彼此紧密相连的大量的单个记录的多图像记录,该多图像记录在重建之后必须直接用于例如在显示单元11上的显示,而没有明显的时间延迟。特别地,所提到的变量可以从数据库或查找表得出,该数据库或查找表可以被存储在存储器22中。数据库可以包括大量的放射学检查和所属的重建任务,该重建任务包括所分别使用的图像矩阵大小。特别地,大量数据可以基于对患者进行的真实检查。可以根据所成像的身体区域或其中所包括的至少一个器官或组织对大量数据进行分类,一个数据类别例如可以包括与腹部有关的检查,另一个数据类别例如可以包括与头部有关的检查,或者又一个数据类别可以包括与心脏有关的检查。
因此,比例常数a、自由缩放因子f和/或自由偏置参数c根据可用或可调用的影响因素优选地凭经验得出。
图2和图3分别示例性地示出了对于器官特征“腹部”待重建的图像数据的计算得出的图像矩阵大小的示意性直方图分析,在这里对于根据等式(2)的计算方法,图2和图3具有32像素的箱宽度。关于从上面所举出的影响因素所得出的图像矩阵大小,绘制了放射学检查的频率以及所属的重建过程。在该示例中,重建任务的图像矩阵大小可以采用离散值512、768或1024。换句话说,在这里,最小图像矩阵大小为512,最大图像矩阵大小为1024,最小步长为256。通过自由参数f和c影响切换点,使得在图像质量与重建性能之间获得平衡的关系。图2和图3的不同之处在于自由参数f的值以及由此所引起的直方图曲线的偏移。这导致在图3中具有512的图像矩阵大小的重建任务的数目增大。
图2和图3所示的直方图无法得出关于具有其他器官特征的直方图的任何结论。
在另一个步骤S4中,对于重建过程已经设置了如此计算出的图像矩阵大小。特别地,可以规定数据处理单元16将图像矩阵大小传输到重建单元23上。
随后,可以用所计算的图像矩阵大小来重建图像数据。
图4示出了计算机断层扫描系统1形式的医学成像系统1。这里所示的计算机断层扫描仪1具有记录单元17,该记录单元17包括X射线辐射源8以及X射线辐射探测器或X射线探测器9。该X射线探测器9可以被设计为直接转换或间接转换的X射线探测器9。在记录投影数据或X射线投影期间,记录单元17围绕系统轴线5(计算机断层扫描系统1的旋转轴线)旋转,并且在记录期间,X射线源8发射X射线2,这些X射线2至少在患者3的身体的一部分区域中穿过患者3,并且因此被衰减并且撞击到X射线探测器9上。
在记录投影数据时,患者3躺在患者床6上。患者床6连接到床座4,使得床座4支撑患者床6与患者3。患者床6被设计为使患者3沿着记录方向移动穿过记录单元17的开口10。记录方向通常由系统轴线5给定,在记录投影数据期间,记录单元17围绕该系统轴线5旋转。在该示例中,患者3的身体轴线与系统轴线5相同。在螺旋记录的情况下,在记录单元17围绕患者3旋转并且记录投影数据期间,患者床6连续地移动穿过开口10。因此,X射线2在患者3的表面上描绘出螺旋线。患者3在检查期间可以但不必移动。
计算机断层扫描系统1具有计算机形式的计算单元12,该计算单元12连接到显示单元11以及输入单元7,该显示单元11例如用于图形显示具有先前所计算的图像矩阵大小的所重建的图像数据,例如以医学图像记录的形式,在这里特别地以计算机断层扫描记录或对于计算机断层扫描系统1的控制菜单的形式。显示单元11可以是例如LCD屏幕、等离子屏幕或OLED屏幕。此外,显示单元可以是触敏屏幕,该触敏屏幕也被设计作为输入单元7。这样的触敏屏幕可以被集成在成像装置中或者可以被设计作为移动装置的一部分。输入单元7例如是键盘、鼠标、所谓的“触摸屏”或用于语音输入的麦克风。输入单元7可以被设置为识别用户的动作,并且将其转换为相应的命令。借助于输入单元7(特别是通过语音或键盘)用户可以例如输入与医学问题、对患者3的初步怀疑等有关的信息。用户还可以通过输入单元7输入允许的最大图像矩阵大小Nmax或允许的最小图像矩阵大小Nmin或最小步长ΔN。
计算单元12连接到可旋转的记录单元17用于数据交换。通过连接间14一方面可以将用于数据采集或图像数据获取的控制信号从计算机12传输到记录单元17上。另一方面,对于患者3所记录的投影数据可以借助于常用的重建方法传输到计算机12上用于图像重建。连接14以已知的方式有线或无线地实现。此外,与医学问题、所使用的记录协议、患者的待检查的身体区域等有关的信息可以通过连接14传输到计算单元上。备选地,这些信息通过移动的本身已知的计算机可读的数据载体、通过PACS、医院信息系统或放射学信息系统(HIS或RIS)或者通过互联网,例如从云存储器以本身已知的方式特别是自动馈入到计算单元12,或者被设置为随时可调用的。
计算机形式的根据该实施例的计算单元12包括数据处理单元16。特别地,如在开始时参照图1已经描述的,该计算单元12被设置为执行与根据本发明的用于确定图像矩阵大小的方法有关的所有计算步骤。
在该实施例中,计算单元12还包括用于根据所计算的图像矩阵大小从投影数据重建图像数据的重建单元23。
这两个单元16和23可以被设计为分离的处理单元,但是还可以被设计为一起在一个单元中。在第一种情况下,单元16和23至少处于数据连接中,以便将由单元16计算出的图像矩阵大小传输到重建单元23上用于进行进一步处理。
特别地,计算单元12可以通过“DICOM标准交换协议”与所提到的组件或单元通信,也可以考虑其他的通信协议或通信标准以及数据格式。
计算单元12可以与计算机可读数据载体13合作,特别是为了通过具有程序代码的计算机程序来执行根据本发明的方法。此外,计算机程序可以可调用地被存储在机器可读数据载体上。特别地,机器可读载体可以是CD、DVD、蓝光光盘、记忆棒或硬盘。计算单元12可以被设计为硬件形式或软件形式,并且因此其子组件也可以被设计为硬件形式或软件形式。例如,计算单元12被设计为所谓的FPGA(英语“Field Programmable Gate Array”的缩写)或包括算术逻辑单元。备选地,计算单元12、计算单元的各个或所有子组件可以分散地被布置,例如,方法的各个计算步骤可以在医疗服务机构(例如医院)的中央计算中心或在云中被执行。在这里,在数据交换时必须特别地考虑数据保护和患者保护。计算单元12可以被设计为计算机断层扫描系统1的组件或基于云的计算机。
在这里所示的实施方案中,至少一个计算机程序被存储在计算单元12的存储器22中,当计算机程序在计算机12上被执行时,该计算机程序执行根据本发明的方法的所有方法步骤。用于执行根据本发明的方法的方法步骤的计算机程序包括程序代码。此外,计算机程序可以被设计为可执行文件和/或可以被存储在除计算机12之外的其他计算系统上。例如,计算机断层扫描系统1可以被设计为使得计算机12通过内网或通过互联网将计算机程序加载到其内部工作存储器中用于执行根据本发明的方法。
如果未明确发生,但是有意义并且在本发明的意义中,可以将各个实施例、其各个部分方面或特征彼此组合或交换,而不脱离本发明的范围。本发明的参考实施例所描述的优点,如果可转用的,即使未明确提及也可适用于其他实施例。
Claims (10)
1.一种用于计算对于从投影数据重建检查对象(3)的图像数据的图像矩阵大小N的方法,其中
-在计算机断层扫描系统(1)的辐射源(8)与所述检查对象之间的相对旋转运动期间,获取所述投影数据,
-根据所述计算机断层扫描系统的轴向图像场Fax的范围以及待重建的所述图像数据中的清晰度值ρc来计算所述图像矩阵大小N,并且
-向重建单元(23)提供所计算的所述图像矩阵大小,以用于从所述投影数据重建所述图像数据,
其中根据对于所述图像矩阵大小的最小步长ΔN来计算所述图像矩阵大小N,
其中根据下式计算所述图像矩阵大小N:
或
其中,N表示所计算的所述图像矩阵大小,
ΔN表示所述最小步长,
Fax表示所述轴向图像场,
ρc表示所述清晰度值,
a表示比例常数,
Nmax表示允许的最大图像矩阵大小,
Nmin表示允许的最小图像矩阵大小,
f表示自由缩放因子,并且
c表示自由偏置参数。
2.根据权利要求1所述的方法,其中通过考虑重建算法的至少一个参数和/或所述重建算法的重建核来计算所述图像矩阵大小N。
3.根据权利要求1或2所述的方法,其中通过考虑要达到的最小图像质量来计算所述图像矩阵大小N。
4.根据权利要求1或2所述的方法,其中通过考虑获取投影数据所基于的医学问题和/或对于获取投影数据所使用的测量协议的至少一个参数和/或表示所成像的身体区域的参数来计算所述图像矩阵大小N。
5.根据权利要求1或2所述的方法,其中通过考虑可用的存储器容量来计算所述图像矩阵大小N。
6.根据权利要求1或2所述的方法,其中通过考虑所述计算机断层扫描系统的调制传递函数的功能来计算所述清晰度值。
7.一种用于计算对于从投影数据重建检查对象(3)的图像数据的图像矩阵大小N的计算单元(12),其中所述计算单元被设计为,
-获取投影数据,所述投影数据在计算机断层扫描系统(1)的辐射源(8)与所述检查对象之间的相对旋转运动期间被获取,
-根据权利要求1至6中任一项所述的方法来计算所述图像矩阵大小N。
8.根据权利要求7所述的计算单元(12),包括重建单元(23),所述重建单元被设计为获取所计算的所述图像矩阵大小N,并且利用所述图像矩阵大小N从所述投影数据重建所述图像数据。
9.一种用于计算对于从投影数据重建检查对象(3)的图像数据的图像矩阵大小N的计算机断层扫描系统(1),所述计算机断层扫描系统包括:
-根据权利要求7所述的计算单元(12),以及
-用于从所述投影数据重建图像数据的重建单元(23),所述图像数据具有计算出的所述图像矩阵大小N。
10.一种计算机可读介质(13),由根据权利要求7所述的计算单元(12)可读取和可执行的程序部分被存储在所述计算机可读介质上,以便当所述程序部分由所述计算单元执行时,执行根据权利要求1至6中任一项所述的方法的所有步骤。
Applications Claiming Priority (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
EP19156188 | 2019-02-08 | ||
EP19156188.5 | 2019-02-08 | ||
EP19159454.8A EP3693928B1 (de) | 2019-02-08 | 2019-02-26 | Berechnung einer bildmatrixgrösse |
EP19159454.8 | 2019-02-26 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111553958A CN111553958A (zh) | 2020-08-18 |
CN111553958B true CN111553958B (zh) | 2023-11-03 |
Family
ID=65365850
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010082888.3A Active CN111553958B (zh) | 2019-02-08 | 2020-02-07 | 图像矩阵大小的计算 |
Country Status (3)
Country | Link |
---|---|
US (1) | US11080853B2 (zh) |
EP (1) | EP3693928B1 (zh) |
CN (1) | CN111553958B (zh) |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1295308A (zh) * | 1999-11-05 | 2001-05-16 | 株式会社理光 | 图像处理方法及其装置 |
CN1600274A (zh) * | 2003-09-24 | 2005-03-30 | 株式会社东芝 | 超析像处理装置与医用图像诊断装置 |
US6907102B1 (en) * | 2002-12-16 | 2005-06-14 | Ken Sauer | Iterative reconstruction methods for multi-slice computed tomography |
CN102360498A (zh) * | 2011-10-27 | 2012-02-22 | 江苏省邮电规划设计院有限责任公司 | 图像超分辨率重建方法 |
CN102842141A (zh) * | 2012-07-03 | 2012-12-26 | 东南大学 | 一种旋转x射线造影图像迭代重建方法 |
CN103026382A (zh) * | 2010-07-22 | 2013-04-03 | 皇家飞利浦电子股份有限公司 | 多个图像的融合 |
AU2014277796A1 (en) * | 2005-06-20 | 2015-01-22 | Lazer Safe Pty Ltd | Imaging and safety system & method for an industrial machine |
CN104685545A (zh) * | 2012-10-01 | 2015-06-03 | 西门子公司 | 图像数据的各向同性重建 |
AU2015258162A1 (en) * | 2012-02-29 | 2015-12-03 | Sony Corporation | Image Processing Device and Method |
CN106251295A (zh) * | 2015-06-15 | 2016-12-21 | 西门子医疗有限公司 | 考虑轮廓显著性数据的结果图像的重建 |
CN106296764A (zh) * | 2016-08-02 | 2017-01-04 | 上海联影医疗科技有限公司 | 图像重建方法及系统 |
CN107491631A (zh) * | 2016-06-10 | 2017-12-19 | 西门子医疗有限公司 | 用于控制向客户端设备传送双能量ct图像数据的控制对象 |
CN108961163A (zh) * | 2018-06-28 | 2018-12-07 | 长光卫星技术有限公司 | 一种高分辨率卫星影像超分辨重建方法 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4420312B2 (ja) * | 2002-12-04 | 2010-02-24 | 株式会社東芝 | X線コンピュータ断層撮影装置及び画像処理装置 |
US7853309B2 (en) * | 2005-03-10 | 2010-12-14 | Toshiba Medical Systems Corporation | X-ray CT apparatus and myocardial perfusion image generating system |
US7970214B2 (en) * | 2007-01-25 | 2011-06-28 | University Of Utah Research Foundation | Rotate and slant projector for fast fully-3D iterative tomographic reconstruction |
US8686727B2 (en) * | 2010-07-20 | 2014-04-01 | The Trustees Of The University Of Pennsylvania | CEST MRI methods for imaging of metabolites and the use of same as biomarkers |
US20150287222A1 (en) * | 2014-04-02 | 2015-10-08 | University Of Virginia Patent Foundation | Systems and methods for accelerated parameter mapping |
US9449385B2 (en) * | 2014-06-02 | 2016-09-20 | Toshiba Medical Systems Corporation | Reconstruction of computed tomography images using combined third-generation and fourth-generation projection data |
-
2019
- 2019-02-26 EP EP19159454.8A patent/EP3693928B1/de active Active
-
2020
- 2020-01-29 US US16/775,362 patent/US11080853B2/en active Active
- 2020-02-07 CN CN202010082888.3A patent/CN111553958B/zh active Active
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1295308A (zh) * | 1999-11-05 | 2001-05-16 | 株式会社理光 | 图像处理方法及其装置 |
US6907102B1 (en) * | 2002-12-16 | 2005-06-14 | Ken Sauer | Iterative reconstruction methods for multi-slice computed tomography |
CN1600274A (zh) * | 2003-09-24 | 2005-03-30 | 株式会社东芝 | 超析像处理装置与医用图像诊断装置 |
AU2014277796A1 (en) * | 2005-06-20 | 2015-01-22 | Lazer Safe Pty Ltd | Imaging and safety system & method for an industrial machine |
CN103026382A (zh) * | 2010-07-22 | 2013-04-03 | 皇家飞利浦电子股份有限公司 | 多个图像的融合 |
CN102360498A (zh) * | 2011-10-27 | 2012-02-22 | 江苏省邮电规划设计院有限责任公司 | 图像超分辨率重建方法 |
AU2015258162A1 (en) * | 2012-02-29 | 2015-12-03 | Sony Corporation | Image Processing Device and Method |
CN102842141A (zh) * | 2012-07-03 | 2012-12-26 | 东南大学 | 一种旋转x射线造影图像迭代重建方法 |
CN104685545A (zh) * | 2012-10-01 | 2015-06-03 | 西门子公司 | 图像数据的各向同性重建 |
CN106251295A (zh) * | 2015-06-15 | 2016-12-21 | 西门子医疗有限公司 | 考虑轮廓显著性数据的结果图像的重建 |
CN107491631A (zh) * | 2016-06-10 | 2017-12-19 | 西门子医疗有限公司 | 用于控制向客户端设备传送双能量ct图像数据的控制对象 |
CN106296764A (zh) * | 2016-08-02 | 2017-01-04 | 上海联影医疗科技有限公司 | 图像重建方法及系统 |
CN108961163A (zh) * | 2018-06-28 | 2018-12-07 | 长光卫星技术有限公司 | 一种高分辨率卫星影像超分辨重建方法 |
Non-Patent Citations (2)
Title |
---|
Burstein P.《A GUIDE TO COMPUTED TOMOGRAPHY SYSTEM SPECIFICATIONS》.《ResearchGate》.1990,全文. * |
Hata.《Effect of Matrix Size on the Image Quality of Ultra-high-resolution CT of the Lung: Comparison of 512 × 512, 1024 × 1024, and 2048 × 2048》.《Academic radiology》.全文. * |
Also Published As
Publication number | Publication date |
---|---|
US11080853B2 (en) | 2021-08-03 |
EP3693928B1 (de) | 2022-06-01 |
EP3693928A1 (de) | 2020-08-12 |
US20200258221A1 (en) | 2020-08-13 |
CN111553958A (zh) | 2020-08-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Stiller | Basics of iterative reconstruction methods in computed tomography: a vendor-independent overview | |
Baumueller et al. | Low-dose CT of the lung: potential value of iterative reconstructions | |
JP6100772B2 (ja) | 画像処理方法及びコンピューティング装置 | |
CN109602435B (zh) | 用来取得预期图像质量的ct成像系统和方法 | |
US10085698B2 (en) | Methods and systems for automated tube current modulation | |
US9140803B2 (en) | Acquisition protocol assessment apparatus | |
EP2979636B1 (en) | Radiation image processing device, radiation image processing method and program | |
Singh et al. | Radiation dose optimization and thoracic computed tomography | |
US20130051516A1 (en) | Noise suppression for low x-ray dose cone-beam image reconstruction | |
CN102013089A (zh) | 用于噪声减少的迭代ct图像滤波器 | |
CN111317493B (zh) | 基于多能量x射线成像单独调整生成虚拟图像数据 | |
JPWO2010038536A1 (ja) | X線ct装置 | |
CN102270349A (zh) | 在没有调节项的情况下对ct 图像的迭代重建 | |
US20230306657A1 (en) | Noise suppression using deep convolutional networks | |
CN102327124A (zh) | 选择在x射线管上设置的电压值的方法、设备和数据载体 | |
US20160292878A1 (en) | Methods and systems for automatic segmentation | |
EP4235581A1 (en) | Medical image processing method, medical image processing apparatus, program, method for producing a trained machine learning model, apparatus for producing a trained machine learning model and computer-readable storage medium | |
JPWO2016132880A1 (ja) | 演算装置、x線ct装置、及び画像再構成方法 | |
CN111553958B (zh) | 图像矩阵大小的计算 | |
WO2016097981A1 (en) | Penalized maximum likelihood material decomposition | |
US11270477B2 (en) | Systems and methods for tailored image texture in iterative image reconstruction | |
WO2016186746A1 (en) | Methods and systems for automatic segmentation | |
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 | |
KR20190140345A (ko) | 단층 영상의 생성 방법 및 그에 따른 엑스선 영상 장치 | |
EP4365828A1 (en) | System and method for employing residual noise in deep learning denoising for x-ray imaging |
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 | ||
TR01 | Transfer of patent right |
Effective date of registration: 20240903 Address after: German Phu F Haim Patentee after: Siemens Medical AG Country or region after: Germany Address before: Erlangen Patentee before: Siemens Healthineers AG Country or region before: Germany |
|
TR01 | Transfer of patent right |