CN111757703A - 用于图像生成的系统和方法 - Google Patents
用于图像生成的系统和方法 Download PDFInfo
- Publication number
- CN111757703A CN111757703A CN201880024675.6A CN201880024675A CN111757703A CN 111757703 A CN111757703 A CN 111757703A CN 201880024675 A CN201880024675 A CN 201880024675A CN 111757703 A CN111757703 A CN 111757703A
- Authority
- CN
- China
- Prior art keywords
- image
- projection data
- projection
- region
- voxel
- 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
- 238000000034 method Methods 0.000 title claims abstract description 84
- 230000001747 exhibiting effect Effects 0.000 claims abstract description 5
- 238000012545 processing Methods 0.000 claims description 117
- 230000005855 radiation Effects 0.000 claims description 82
- 238000003860 storage Methods 0.000 claims description 65
- 238000001914 filtration Methods 0.000 claims description 28
- 238000013213 extrapolation Methods 0.000 claims description 22
- 230000000873 masking effect Effects 0.000 claims description 20
- 238000004891 communication Methods 0.000 claims description 17
- 238000004590 computer program Methods 0.000 claims description 6
- 230000006870 function Effects 0.000 description 95
- 238000002591 computed tomography Methods 0.000 description 69
- 230000008569 process Effects 0.000 description 50
- 230000015654 memory Effects 0.000 description 30
- 238000010586 diagram Methods 0.000 description 21
- 238000003384 imaging method Methods 0.000 description 21
- 230000004048 modification Effects 0.000 description 17
- 238000012986 modification Methods 0.000 description 17
- 230000002829 reductive effect Effects 0.000 description 11
- 239000000463 material Substances 0.000 description 8
- 239000011159 matrix material Substances 0.000 description 7
- 238000010606 normalization Methods 0.000 description 7
- 230000008901 benefit Effects 0.000 description 6
- 230000000670 limiting effect Effects 0.000 description 6
- 210000004072 lung Anatomy 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 6
- 230000003190 augmentative effect Effects 0.000 description 5
- 210000000481 breast Anatomy 0.000 description 5
- 210000000988 bone and bone Anatomy 0.000 description 4
- 210000000056 organ Anatomy 0.000 description 4
- 238000007781 pre-processing Methods 0.000 description 4
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 4
- 210000000038 chest Anatomy 0.000 description 3
- 238000007408 cone-beam computed tomography Methods 0.000 description 3
- 239000011521 glass Substances 0.000 description 3
- 230000000644 propagated effect Effects 0.000 description 3
- 239000007787 solid Substances 0.000 description 3
- 210000001015 abdomen Anatomy 0.000 description 2
- DMSMPAJRVJJAGA-UHFFFAOYSA-N benzo[d]isothiazol-3-one Chemical compound C1=CC=C2C(=O)NSC2=C1 DMSMPAJRVJJAGA-UHFFFAOYSA-N 0.000 description 2
- 238000013075 data extraction Methods 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 210000000232 gallbladder Anatomy 0.000 description 2
- 238000009499 grossing Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000002595 magnetic resonance imaging Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 239000002245 particle Substances 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 210000000813 small intestine Anatomy 0.000 description 2
- 241000894007 species Species 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 230000001629 suppression Effects 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 210000001519 tissue Anatomy 0.000 description 2
- 206010028980 Neoplasm Diseases 0.000 description 1
- 108010001267 Protein Subunits Proteins 0.000 description 1
- MCVAAHQLXUXWLC-UHFFFAOYSA-N [O-2].[O-2].[S-2].[Gd+3].[Gd+3] Chemical compound [O-2].[O-2].[S-2].[Gd+3].[Gd+3] MCVAAHQLXUXWLC-UHFFFAOYSA-N 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000002583 angiography Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000000712 assembly Effects 0.000 description 1
- 238000000429 assembly Methods 0.000 description 1
- 230000005250 beta ray Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 210000004204 blood vessel Anatomy 0.000 description 1
- 210000000621 bronchi Anatomy 0.000 description 1
- XQPRBTXUXXVTKB-UHFFFAOYSA-M caesium iodide Chemical compound [I-].[Cs+] XQPRBTXUXXVTKB-UHFFFAOYSA-M 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 210000001072 colon Anatomy 0.000 description 1
- 230000006837 decompression Effects 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 210000003238 esophagus Anatomy 0.000 description 1
- 230000004907 flux Effects 0.000 description 1
- 230000005251 gamma ray Effects 0.000 description 1
- 210000003128 head Anatomy 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 210000000936 intestine Anatomy 0.000 description 1
- 150000002500 ions Chemical class 0.000 description 1
- 239000010977 jade Substances 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 210000001370 mediastinum Anatomy 0.000 description 1
- 229910052751 metal Inorganic materials 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 239000003607 modifier Substances 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 210000003101 oviduct Anatomy 0.000 description 1
- 230000036961 partial effect Effects 0.000 description 1
- 210000004224 pleura Anatomy 0.000 description 1
- 238000002600 positron emission tomography Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 150000003839 salts Chemical class 0.000 description 1
- 239000000523 sample Substances 0.000 description 1
- 238000002603 single-photon emission computed tomography Methods 0.000 description 1
- 239000004984 smart glass Substances 0.000 description 1
- 210000002784 stomach Anatomy 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 230000002194 synthesizing effect Effects 0.000 description 1
- 210000003437 trachea Anatomy 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
- 210000000626 ureter Anatomy 0.000 description 1
- 210000003932 urinary bladder Anatomy 0.000 description 1
- 210000004291 uterus Anatomy 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
- A61B6/5205—Devices using data or image processing specially adapted for radiation diagnosis involving processing of raw data to produce diagnostic data
-
- 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
-
- 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
-
- 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)
- Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Medical Informatics (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- High Energy & Nuclear Physics (AREA)
- Pathology (AREA)
- Radiology & Medical Imaging (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Biophysics (AREA)
- Surgery (AREA)
- Veterinary Medicine (AREA)
- Optics & Photonics (AREA)
- Public Health (AREA)
- Animal Behavior & Ethology (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Algebra (AREA)
- Mathematical Physics (AREA)
- Pure & Applied Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Pulmonology (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Image Processing (AREA)
Abstract
本申请涉及图像生成的系统和方法。所述方法可以包括获取由扫描仪生成的投影数据;基于第一权重函数,通过反投影投影数据生成第一图像,第一图像具有对应于物体的第一部分的第一区域;基于第二权重函数,通过反投影投影数据生成第二图像,第二图像具有对应于物体的第一部分的第二区域,第二图像的第二区域呈现出比第一图像的第一区域更好的CT值均匀度;以及基于第一图像和第二图像,生成第三图像。
Description
技术领域
本申请一般涉及用于生成图像的系统和方法,更具体地,涉及用于生成具有伪影减少的计算机断层摄影(CT)图像的系统和方法。
背景技术
通常,CT系统可以组合从各种角度拍摄的X射线图像以生成物体的截面图像,即,CT图像。CT图像的质量可能受到各种因素的影响,例如,CT图像中的伪影(例如,锥形束伪影)、CT图像中的CT值均匀性等。期望提供用于生成具有伪影减少的和CT值均匀性改善的CT图像的系统和方法。
发明内容
根据本申请的第一方面,提供了一种系统。所述系统可以包括至少一个存储设备,其包括一组指令,以及与所述至少一个存储设备通信的至少一个处理器。当执行指令时,所述至少一个处理器可以被配置为:使系统获取由扫描仪生成的投影数据;基于第一权重函数,通过反投影投影数据生成第一图像,并且第一图像可以具有对应于物体的第一部分的第一区域;基于第二权重函数,通过反投影投影数据生成第二图像,第二图像可以具有对应于物体的第一部分的第二区域,以及第二图像的第二区域可以呈现出比第一图像的第一区域更好的CT值均匀性;并且基于第一图像和第二图像,生成第三图像。所述至少一个处理器可以包括具有至少两个处理线程的并行硬件体系结构,并且相对于第一图像中的体素和第二图像中的相应体素,投影数据的反投影可以并行执行。
在一些实施例中,第一图像可以具有比第二图像更少的伪影。
在一些实施例中,第一图像可以包括比第二图像更好的高频分量。
在一些实施例中,扫描仪可以进一步包括辐射源,被配置用于沿着覆盖360°的角度范围的圆形轨迹扫描物体以生成投影数据。
在一些实施例中,物体的第一部分可以由辐射源在小于360°的角度范围内辐射,并且第一图像的第一区域可以包括比第二图像的第二区域更好的低频分量。
在一些实施例中,为了生成第三图像,可以将所述至少一个处理器配置为使系统通过彼此相减生成第一图像和第二图像的差异图像;并且基于差异图像和第一图像,确定第三图像。
在一些实施例中,为了确定第三图像,可以将所述至少一个处理器配置为使系统通过对差异图像执行屏蔽操作,生成第四图像;通过对第四图像执行数据外推操作,生成第五图像;通过对第五图像执行低通滤波操作,生成第六图像;并且组合第六图像和第一图像以生成第三图像。
在一些实施例中,第一图像可以具有至少两个第一体素,以生成第一图像,至少一个处理器可以被配置为使系统:对于至少两个第一体素的第一体素,根据第一权重函数,将权重因子应用于对应于至少两个投影角度中的每一个的第一投影数据,以获取第一体素的权重投影数据;并且背投影第一体素的权重投影数据,以获取第一体素的反投影数据;并且基于第一体素的反投影数据,获取第一图像。
在一些实施例中,应用于对应于投影角度的第一投影数据的权重因子可以与第一权重函数的第一值和第一权重函数的第二值相关联;第一权重函数的第一值可以与探测器上的第一投影点相关联,其中,来自辐射源的辐射以投影角度照射;第一权重函数的第二值可以与探测器上的第二投影点相关联,其中,来自辐射源的辐射以相反的投影角度照射。
在一些实施例中,并行硬件体系结构可以包括至少一个图形处理单元,并且至少一个图形处理单元可以包括至少两个标量处理器。
根据本申请的第二方面,提供了一种用于图像生成的方法。所述方法可以在至少一台机器上实现,每台机器包括至少一个处理器和至少一个存储设备。所述方法可以包括:获取由扫描仪生成的投影数据;基于第一权重函数,通过反投影投影数据生成第一图像,第一图像具有对应于物体的第一部分的第一区域;基于第二权重函数,通过反投影投影数据生成第二图像,第二图像具有对应于物体的第一部分的第二区域,第二图像的第二区域呈现出比第一图像的第一区域更好的CT值均匀度;基于第一图像和第二图像,生成第三图像,其中,所述至少一个处理器包括具有至少两个处理线程的并行硬件体系结构,并且相对于第一图像中的体素和第二图像中的相应体素,所述投影数据的反投影并行执行。
根据本申请的第三方面,提供了一种体现计算机程序产品的非暂时性计算机可读介质。计算机程序产品可以包括指令,被配置为使计算设备:获取由扫描仪生成的投影数据;基于第一权重函数,通过反投影投影数据生成第一图像,并且第一图像可以具有对应于物体的第一部分的第一区域;基于第二权重函数,通过反投影投影数据生成第二图像,第二图像可以具有对应于物体的第一部分的第二区域,并且第二图像的第二区域可以呈现出比第一图像的第一区域更好的CT值均匀性;并且基于第一图像和第二图像,生成第三图像。所述至少一个处理器可以包括具有至少两个处理线程的并行硬件体系结构,并且相对于第一图像中的体素和第二图像中的相应体素,投影数据的反投影可以并行执行。
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对以下描述的具体实施例的各种方面的方法、手段和组合的实践或使用得以实现和达到。
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,在这些实施例中,各图中相同的编号表示相似的结构,其中:
图1是根据本申请的一些实施例所示的示例性成像系统的示意图;
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移动设备的示例性硬件组件和/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示例性图像重建模块的框图;
图6是根据本申请的一些实施例所示的示例性图像生成模块的框图;
图7是根据本申请的一些实施例所示的用于生成图像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用于生成图像的示例性过程的流程图。
图9是根据本申请的一些实施例所示的用于生成图像的示例性过程的流程图。
图10是根据本申请的一些实施例所示的示例性扫描区域的示意图;
图11是根据本申请的一些实施例所示的用于扫描物体的示例性坐标系的示意图;
图12是根据本申请的一些实施例所示的示例性光圈权重函数的示意图;
图13-A是根据本申请的一些实施例所示的示例性图像;
图13-B是根据本申请的一些实施例所示的基于在图13-A上执行的数据外推操作而生成的示例性图像;
图13-C是根据本申请的一些实施例所示的基于在图13-B上执行的低滤波操作而生成的示例性图像;
图14-A至14-C是根据本申请的一些实施例所示的三个示例性图像;以及
图15-A至15-C是根据本申请的一些实施例所示的三个示例性图像。
具体实施方式
以下描述是为了使本领域的普通技术人员能够实施和利用本申请并且该描述是在特定的应用场景及其要求的环境下提供的。对于本领域的普通技术人员来讲,显然可以对所披露的实施例作出各种改变,并且在不偏离本申请的原则和范围的情况下,本申请中所定义的普遍原则可以适用于其他实施例和应用场景。因此,本申请并不限于所描述的实施例,而应该被给予与权利要求一致的最广泛的范围。
本申请中所使用的术语仅用于描述特定的示例性实施例,并不限制本申请的范围。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。还应当理解,如在本申请说明书中,术语“包括”、“包含”仅提示存在所述特征、整体、步骤、操作、组件和/或部件,但并不排除存在或添加一个或以上其他特征、整体、步骤、操作、组件、部件和/或其组合的情况。
应当理解,本申请使用的术语“系统”、“引擎”、“单元”和/或“模块”是用于区分不同级别的不同组件、元件、部件、部分或组件的一种方法。但是,如果这些术语达到同样的目的,则可能会被另一个术语所取代。
通常,这里使用的词语“模块”或“单元”指的是体现在硬件或固件中的逻辑,或者指代软件指令的集合。这里描述的模块或单元可以实现为软件和/或硬件,并且可以存储在任何类型的非暂时性计算机可读介质或另一个存储设备中。在一些实施例中,可以编译软件模块/单元并将其链接到可执行程序中。应当理解,软件模块可以从其他模块/单元或从它们自身调用,和/或可以响应检测到的事件或中断来调用。配置用于在计算设备上执行的软件模块/单元(例如,如图2所示的处理器210)可以提供在计算机可读介质上,例如光盘、数字视频盘、闪存驱动器、磁盘,或者任何其他有形介质,或者作为数字下载(并且最初可以以压缩或可安装的格式存储,在执行之前需要安装、解压缩或解密)。这里的软件代码可以被部分的或全部的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。软件指令可以嵌入固件中,例如EPROM。还应当理解,硬件模块/单元可以包括在连接的逻辑组件中,例如门和触发器,和/或可以包括可编程单元,例如可编程门阵列或处理器。这里描述的模块/单元或计算设备功能可以实现为软件模块/单元,但是可以用硬件或固件表示。通常,这里描述的模块/单元指的是逻辑模块/单元,其可以与其他模块/单元组合或者分成子模块/子单元,尽管它们的物理组织或存储。该描述可适用于系统,引擎或其一部分。
应当理解,当单元、发动机或模块被称为“接通”、“连接到”或“耦合到”另一个单元、发动机或模块时,它可以直接接通,连接或耦合到除非上下文另有明确说明,否则可以存在或与其他单元、发动机或模块通信,或者可以存在介入单元、发动机或模块。在本申请中,术语“和/或”可包括任何一个或以上相关所列条目或其组合。
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。
本申请中使用了流程图用来说明根据本申请的一些实施例的系统所执行的操作。应当理解的是,流程图中的操作可以不按顺序执行。相反,可以按照倒序或同时处理各种步骤。同时,也可以将一个或以上其他操作添加到这些流程图中。也可以从流程图中删除一个或以上操作。
在本申请中,物体(例如,组织、器官、肿瘤、身体等)或其一部分的图像(例如,对应于图像中的感兴趣的区域的部分)可以被称为“图像”、“部分图像”或物体本身。例如,为了简洁起见,肺的图像可以被称为肺图像或肺,并且对应于肺图像的感兴趣的区域可以被描述为“感兴趣的区域可以包括肺”。在一些实施例中,图像可以包括二维(2D)图像和/或三维(3D)图像。图像中最微小的可区分元素可以被称为像素点(在2D图像中)或体素(在3D图像中)。每个像素点或体素可以代表物体的对应点。为简单起见,物体的对应点可以描述为“像素点”或“体素”。例如,物体的对应点的投影数据可以被描述为“体素的投影数据”。
本申请的一些实施例涉及用于图像生成的系统和方法。利用本申请中披露的系统和方法,可以根据不同的算法基于相同的投影数据生成至少两个原始图像,并且处理和/或组合以生成最终图像。就第一特征而言,第一原始图像可能优于第二原始图像,而第二原始图像在第二特征方面优于第一原始图像。第一特征或第二特征可以涉及,例如,伪影、CT值均匀性等最终图像可以组合至少两个原始图像的优点。所述组合可以导致最终图像中的伪影减小和CT值均匀性提高。可以通过将权重函数应用于至少两个原始图像的相同投影数据获取第一特征或第二特征。分配给对应于投影角度的体素(例如,第一原始图像或第二原始图像的体素)的投影数据的权重函数的权重因子,可以是权重函数的第一值和权重函数的第二值的归一化值。归一化可以例如,为第一原始图像或第二原始图像提供良好的CT值均匀性。通过与并行硬件体系结构并行地重建至少两个原始图像,系统和方法也可以实现高效率。并行硬件体系结构可以获取相同的投影数据,然后分别基于相同的投影数据并行地重建至少两个原始图像,从而减少并行硬件体系结构从例如存储设备读取相同投影数据的次数。
图1是根据本申请的一些实施例所示的示例性成像系统100的示意图。如图所示,成像系统100可以包括扫描仪110、处理设备120、网络130、存储设备140和一个或以上终端设备150。在一些实施例中,扫描仪110、处理设备120、存储设备140和/或终端设备150可以通过无线连接(例如,网络130)、有线连接或其组合彼此连接和/或通信。成像系统100中的组件之间的连接可以是可变的。仅作为示例,扫描仪110可以如图1所示通过网络130连接到处理设备120。又例如,扫描仪110可以直接连接到处理设备120。作为另一个例子,存储设备140可以如图1所示通过网络130连接到处理设备120,或者直接连接到处理设备120。
扫描仪110可以通过扫描物体或物体的一部分生成或提供图像数据(例如,投影数据)。扫描仪110可以包括单模态扫描仪和/或多模态扫描仪。单模态扫描仪可以包括,例如,CT扫描仪、磁共振成像(MRI)扫描仪、正电子发射断层扫描(PET)扫描仪、单光子发射计算机断层扫描(SPECT)扫描仪、数字减影血管造影术(DSA)扫描仪等等。在一些实施例中,CT扫描仪可以包括锥形束CT(CBCT)扫描仪。多模态扫描仪可包括SPECT-CT扫描仪、PET-CT扫描仪、SPECT-PET扫描仪、DSA-MRI扫描仪等,或其任意组合。在一些实施例中,被扫描的物体可以包括身体的一部分、物质等,或其任意组合。例如,物体可以包括身体的特定部分,例如头部、胸部、腹部等,或其任意组合。又如,物体可以包括特定器官,例如食道、气管、支气管、胃、胆囊、小肠、结肠、膀胱、输尿管、子宫、输卵管等。
在一些实施例中,扫描仪110可以通过网络130将图像数据发送到处理设备120、存储设备140和/或终端设备150。例如,图像数据可以被发送到处理设备120以进行进一步处理,或者可以存储在存储设备140中。
出于说明目的,扫描仪110可以被描述为CT扫描仪。应当注意,在不同情况下,可以使用如上所述的其他类型的扫描仪来执行与CT扫描仪类似的功能(例如,获取图像数据)。如图1所示,扫描仪110可以包括辐射源112、探测器114和工作台116。辐射源112可以扫描位于工作台116上的物体或其一部分(例如,患者的头部,乳房等)。辐射源112可以被配置为生成和/或传递一个或以上辐射束到物体。示例性辐射束可以包括粒子束、光子束等,或其任意组合。粒子束可以包括中子流、质子、电子、重离子等,或其任意组合。光子束可以包括X射线束、γ射线束、β射线束、紫外束、激光束等,或其任意组合。辐射束可以具有线形、窄铅笔形、窄扇形、扇形、锥形、楔形、四面体形等,或其任意组合。在一些实施例中,辐射源112可以是CBCT辐射源,并且辐射束可以是锥形束。
探测器114可以检测从辐射源112发射或由物体散射的一个或以上辐射束以生成图像数据(例如,投影数据)。可以将图像数据发送到处理设备120以进行进一步处理。例如,处理设备120可以基于图像数据重建物体的图像或其一部分。
在一些实施例中,探测器114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体探测器(例如,碘化铯探测器、氧硫化钆探测器)、气体探测器等。在一些实施例中,探测器单元可以布置成单行、两行或任何其他数量的行。仅作为示例,探测器114可以是被配置为探测X射线的CT探测器。
处理设备120可以处理从扫描仪110、存储设备140和/或终端设备150获取的数据和/或信息。例如,处理设备120可以基于扫描仪110收集的投影数据重建一个或以上图像。在一些实施例中,处理设备120可以基于由扫描仪110通过扫描相同物体而获取的同一组投影数据来重建多于一个(例如,两个、三个)图像。在一些实施例中,可以由具有并行硬件体系结构的处理器重建与同一组投影数据相关联的多于一个图像。硬件体系结构可以以并行方式执行操作(例如,计算不同图像中体素的背投影(BP)值)。在一些实施例中,处理设备120可以通过例如图像过滤、消除图像中的盐化或噪声、图像组合等或其任意组合来进一步处理重建的图像。
在一些实施例中,处理设备120可以是单个服务器或服务器组。服务器组可以是集中的,也可以是分布式的。在一些实施例中,处理设备120可以是本地的或远程的。例如,处理设备120可以通过网络130访问存储在扫描仪110、存储设备140和/或终端设备150中的信息和/或数据。又例如,处理设备120可以直接连接到扫描仪110、存储设备140和/或终端设备150以访问存储的信息和/或数据。作为另一个例子,处理设备120可以集成在扫描仪110中。在一些实施例中,处理设备120可以在云平台上实现。仅作为示例,所述云平台可以包括私有云、公共云、混合云、社区云、分布云、内部云、多层云等,或其任意组合。在一些实施例中,处理设备120可以在计算设备200中实现,所述计算设备200具有本申请中的图2中所示的一个或以上组件。
网络130可以包括可以促进成像系统100的信息和/或数据交换的任何合适的网络。在一些实施例中,成像系统100的一个或以上组件(例如,扫描仪110、处理设备120、存储设备140和/或终端设备150)可以通过网络130与一个或以上成像系统100的其他组件通信信息和/或数据。例如,处理设备120可以通过网络130从扫描仪110获取图像数据。又例如,处理设备120可以通过网络130从终端设备150获取用户指令。网络130可以包括公共网络(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、巫婆、服务器计算机等,或其任意组合。例如,网络130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)、公共电话交换网络(PSTN)、蓝牙TM网络、ZigBeeTM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130可以包括一个或以上网络接入点。例如,网络130可以包括有线和/或无线网络接入点,诸如基站和/或互联网交换点,成像系统100的一个或以上组件可以通过它们连接到网络130以交换数据和/或信息。
存储设备140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140可以存储从扫描仪110、处理设备120和/或终端设备150获取的数据。在一些实施例中,存储设备140可以存储处理设备120可以执行或使用的数据和/或指令,以执行本申请中描述的示例性方法。例如,存储设备140可以存储从扫描仪110获取的投影数据。处理设备120可以进一步访问投影数据并基于投影数据重建一个或以上图像。
在一些实施例中,存储设备140可以包括大容量存储器、可移动存储器、易失性读写内存、只读内存(ROM)等,或其任意组合。示例性的大容量存储器可以包括磁盘、光盘、固态磁盘等。示例性可移动存储器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随机存取内存(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。示例性只读内存可以包括掩模型只读内存(MROM)、可编程只读内存(PROM)、可擦除可编程只读内存(EPROM)、电可擦除可编程只读内存(EEPROM)、光盘只读内存(CD-ROM)和数字多功能磁盘只读内存等。在一些实施例中,存储设备140可以在云平台上实现,如本申请中其他地方所述。
在一些实施例中,存储设备140可以连接到网络130以与成像系统100中的一个或以上其他组件(例如,扫描仪110、处理设备120或终端设备150)通信。成像系统100中的一个或以上组件可以通过网络130访问存储设备140中存储的数据或指令。在一些实施例中,存储设备140可以直接连接到成像系统100的一个或以上组件或与之通信(例如,处理设备120、终端设备150)。在一些实施例中,存储设备140可以是处理设备120的一部分。
终端设备150可以连接到扫描仪110、处理设备120、网络130和/或存储设备140和/或与扫描仪110、处理设备120和/或存储设备140通信。在一些实施例中,扫描仪110可以通过例如无线连接从终端设备150操作。在一些实施例中,终端设备150可以接收由用户输入的信息和/或指令,并且通过网络130将所接收的信息和/或指令发送到扫描仪110或处理设备120。在一些实施例中,终端设备150可以从处理设备120和/或扫描仪110接收数据和/或信息。例如,终端设备150可以从处理设备120接收处理后的图像。又例如,终端设备150可以获取通过扫描仪110获取的图像数据,并且将图像数据发送到处理设备120。在一些实施例中,终端设备150可以是处理设备120的一部分或与处理设备120通信。在一些实施例中,可以省略终端设备150。
在一些实施例中,终端设备150可以包括移动设备151、平板计算机152、膝上型计算机153等,或其任意组合。移动设备151可以包括智能家居设备、可穿戴设备、智能移动设备、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、智能电器控制设备、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智能手环、智能鞋袜、一副智能眼镜、智能头盔、智能手表、智能服装、智能背包、智能配件等,或其任意组合。在一些实施例中,智能移动设备可以包括智能电话、个人数字助理(PDA)、游戏设备、导航设备、销售点(POS)等,或其任意组合。在一些实施例中,虚拟现实设备和/或增强型虚拟现实设备可以包括虚拟现实头盔、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、OculusRiftTM、HololensTM、Gear VRTM等。
上述描述旨在说明,而不是限制本申请的范围。许多替代、修改和变化对于本领域普通技术人员来说是显而易见的。可以以各种方式组合本文描述的示例性实施例的特征、结构、方法和特性,以获取另外的和/或替代的示例性实施例。例如,存储设备140可以是包括云计算平台的数据存储,例如公共云、私有云、社区云、混合云等。在一些实施例中,处理设备120可以集成到扫描仪110中。但是,那些变化与修改不会脱离本申请的范围。
图2是根据本申请的一些实施例所示的示例性计算设备200的示例性硬件和/或软件组件的示意图,在所述计算设备200上可以实现处理设备120。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可以执行计算机指令(程序代码)并根据本文描述的技术执行处理设备120的功能。计算机指令可以包括执行本文所述的特定功能的指令,例如常规、程序、物体、组件、信号、数据结构、过程、模块和功能。在一些实施例中,处理器210可以处理从扫描仪110、存储设备140、终端设备150和/或成像系统100的任何其他组件获取的数据。例如,处理器210可以基于从扫描仪110获取的投影数据重建一个或以上图像。在一些实施例中,重建的图像可以存储在存储设备140、存储器220等中。在一些实施例中,重建的图像可以通过I/O 230显示在显示设备上。在一些实施例中,处理器210可以执行从终端设备150获取的指令。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)、特定应用集成电路(ASIC)、特定应用指令集处理器(ASIP)、中央处理单元(CPU)、图形处理单元(GPU)、物理处理单元(PPU)、微控制器单元、数字信号处理器(DSP)、现场可编程门阵列(FPGA)、高阶RISC机器(ARM)、可编程逻辑设备(PLD)等能够执行一个或以上功能的任何电路或处理器,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。然而,应该注意的是,本申请中的计算设备200还可以包括多个处理器,由此执行的操作和/或方法步骤如本申请中所描述的一个处理器也可以由多个处理器联合地或单独地执行。例如,如果在计算设备200的本申请处理器中执行过程A和过程B,应当理解,过程A和过程B也可以由计算设备200中的两个或以上不同的处理器联合或分开执行(例如,第一处理器执行处理A、第二处理器执行处理B,或者第一和第二处理器共同执行处理A和B)。
存储器220可以存储从扫描仪110、存储设备140、终端设备150或成像系统100的任何其他组件获取的数据/信息。在一些实施例中,存储设备220可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。例如,大容量存储器可以包括磁盘、光盘、固态驱动器等。可移动存储器可以包括闪存驱动器、软盘、光盘、内存卡、压缩盘和磁带等。易失性读取和写入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(Z-RAM)等。ROM可以包括掩模ROM(MROM)、可编程ROM(PROM)、可擦除可编程ROM(PEROM)、电可擦除可编程ROM(EEPROM)、光盘ROM(CD-ROM)和数字通用盘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/或指令以执行在本申请中描述的示例性方法。例如,存储器220可以存储程序或算法,当由处理设备120执行时,可以减少图像中的伪影。在一些实施例中,存储器220可以存储在图像重建过程期间生成的一个或以上中间结果。例如,存储器220可以存储根据投影数据计算的一个或以上BP值。存储的BP值可以由处理器210或图像系统110中的任何其他处理组件进一步检索,以进行进一步处理(例如,图像重建)。
I/O 230可以输入或输出信号、数据和/或信息。在一些实施例中,I/O 230可以使用户能够与处理设备120进行交互。在一些实施例中,I/O 230可以包括输入设备和输出设备。示例性输入设备可以包括键盘、鼠标、触摸屏、麦克风等,或其任意组合。示例性输出设备可以包括显示设备、扬声器、打印机、投影仪等,或其任意组合。示例性显示设备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、曲面显示器、电视设备、阴极射线管(CRT)等,或其任意组合。
通信端口240可以连接到网络(例如,网络130)以促进数据通信。通信端口240可以在处理设备120与扫描仪110、存储设备140或终端设备150之间建立连接。连接可以是有线连接、无线连接或两者的组合,其使得能够进行数据发送和接收。有线连接可以包括电缆、光缆、电话线等,或其任意组合。无线连接可以包括蓝牙TM、Wi-Fi、WiMax、WLAN、ZigBeeTM、移动网络(例如,3G、4G、5G等)等,或其任意组合。在一些实施例中,通信端口240可以是标准化端口,诸如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可以根据医疗数字影像传输(DICOM)协议来设计。
图3是根据本申请的一些实施例所示的示例性移动设备300的示例性硬件和/或软件组件的示意图。在一些实施例中,处理设备120和/或终端设备150可以通过其硬件、软件程序、固件或其任意组合在移动设备300上实现。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模块350、内存360和存储器390。在一些实施例中,任何其他合适的组件,包括但不限于系统总线或控制器(未示出),也可以包括在移动设备300内。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可以从存储器390下载至内存360以及由CPU340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120接收和呈现与图像处理或其他信息有关的信息。用户与信息流的交互可以通过I/O 350实现,并且通过网络120提供给处理设备120和/或成像系统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,计算机硬件平台可以用作本文中描述的一个或以上组件的硬件平台。一台包含用户界面元素的计算机能够被用作个人计算机(personal computer(PC))或其他类型的工作站或终端设备,被适当程序化后也可以作为服务器使用。可知,本领域技术人员应熟悉所述计算机设备的结构、程序设计和一般操作,因此,图对其应是不解自明的。
图4是根据本申请的一些实施例所示的示例性处理设备120的框图。处理设备120可以包括获取模块410、图像重建模块420和图像生成模块430。处理设备120的至少一部分可以在如图2所示的计算设备或如图3所示的移动设备上实现。
获取模块410可以获取投影数据。在一些实施例中,获取模块410可以从扫描仪110、存储设备140、终端设备150和/或外部数据源(未示出)获取投影数据。在一些实施例中,可以基于检测到的辐射束(例如,X射线束)生成投影数据,其中至少一些辐射束已经穿过在扫描仪110中辐射的物体。物体可以包括物质、组织、器官、样本、身体等,或其任意组合。在一些实施方案中,所述物体可以包括头部、乳房、肺、胸膜、纵隔、腹部、长肠、小肠、膀胱、胆囊、三重加热器、盆腔、骨干、肢体、骨骼、血管等,或其任意组合。在一些实施例中,投影数据可以被发送到图像重建模块420以进行进一步处理。图像重建模块420可以基于投影数据重建物体或其一部分的至少一个图像。在一些实施例中,投影数据可以被发送到处理设备120的存储模块以进行存储。
图像重建模块420可以基于投影数据(例如,从获取模块410、处理设备120的存储模块和/或存储设备140获取的投影数据)来重建一个或以上图像。在一些实施例中,图像重建模块420可以根据重建技术重建图像,所述重建技术包括例如迭代重建算法(例如,统计重建算法)、傅里叶切片定理算法、滤波背投影(FBP)算法、扇束重建算法、分析重建算法等或其任意组合。在一些实施例中,图像重建模块420可以根据权重函数基于物体的同一组投影数据重建至少一个(例如,两个、三个)图像。图像重建模块420可以将权重函数应用于物体的同一组投影数据以获取权重投影数据,并且背投影权重投影数据以生成物体的图像。在一些实施例中,与至少一个图像相关联的权重函数可以是不同的。在一些实施例中,可以由具有并行硬件体系结构的处理器重建与同一组投影数据相关联的至少一个图像。并行硬件体系结构可以以并行方式执行操作(例如,计算不同图像中的体素的BP值)。权重函数和/或图像重建的更多描述可以在本申请的其他地方找到(例如,图7和/或图9及其描述)。在一些实施例中,图像重建模块420可以在重建之前对投影数据执行预处理操作。示例性预处理操作可以包括投影数据归一化、投影数据平滑、投影数据抑制、投影数据编码(或解码)、初步去噪等。
图像生成模块430可以基于至少两个原始图像生成最终图像。在一些实施例中,图像生成模块430可以从图像重建模块420、处理设备120的存储模块、存储设备140或终端设备150获取至少两个原始图像。基于一个或以上操作包括,例如,图像减法操作、屏蔽操作、数据提取操作、低通滤波操作、图像组合操作等,图像生成模块430可以生成最终图像。就第一特征(例如,与伪影有关的特征)而言,第一原始图像可能优于第二原始图像,而第二原始图像在第二特征(例如,与CT值均匀性有关的特征)方面优于第一原始图像。最终图像可以组合至少两个原始图像的优点。例如,最终图像可以呈现减少伪影和改善CT值均匀性。关于最终图像的生成的更多描述可以在本申请的其他地方找到(例如,图8及其描述)。
在一些实施例中,图5中所示的一个或以上模块可以在如图1所示的成像系统100的至少一部分中实现。例如,获取模块410、图像重建模块420和/或图像生成模块430可以集成到控制台(未示出)中。通过控制台,用户可以设置用于扫描物体的参数、控制成像过程、调整用于重建图像的参数等。在一些实施例中,控制台可以通过处理设备120和/或终端设备150实现。
图5是根据本申请的一些实施例所示的示例性图像重建模块420的框图。图像重建模块420可以包括权重单元510和背投影单元520。图像重建模块420的至少一部分可以在如图2所示的计算设备或如图3所示的移动设备上实现。
权重单元510可以对投影数据执行权重操作。例如,权重单元510可以将权重因子分配给体素的投影数据,以获取体素的权重投影数据。在一些实施例中,可以根据权重函数确定权重因子。权重操作的更多描述可以在本申请的其他地方找到(例如,图9及其描述)。在一些实施例中,可以将权重的投影数据发送到反投影单元520以反投影权重投影数据。
反投影单元520可以反投影体素的投影数据。例如,反投影单元520可以反投影从权重单元510获取的体素的权重投影数据,以获取体素的反投影数据。在一些实施例中,反投影单元520可以通过将投影数据从投影域变换到图像域来执行反投影操作。
应该注意的是,上述仅出于说明性目的而提供,并不旨在限制本申请的范围。对于本领域的普通技术人员来说,可以根据本申请的描述,做出各种各样的变化和修改。然而,这些变化和修改不会背离本申请的范围。例如,权重单元510和反投影单元520可以集成到独立单元中。又例如,图像重建模块420可以包括存储单元。
图6是根据本申请的一些实施例所示的示例性图像生成模块430的框图。图像生成模块430可以包括图像减法单元610、图像掩蔽单元620、数据外推单元630、低通滤波单元640和图像组合单元650。图像生成模块430的至少一部分可以在如图2所示的计算设备或如图3所示的移动设备上实现。
图像减法单元610可以通过例如减法基于第一图像和第二图像生成差异图像。在一些实施例中,图像减法单元610可以从图像重建模块420、存储设备140、处理设备120的存储模块或外部存储设备获取第一图像和/或第二图像。在一些实施例中,图像减法单元610可以通过从另一个图像中减去一个图像生成差异图像。例如,图像减法单元610可以通过从第二图像中减去第一图像生成差异图像。又例如,图像减法单元610可以通过从第一图像中减去第二图像生成差异图像。减法的更多描述可以在本申请的其他地方找到(例如,图8及其描述)。在一些实施例中,可以将差异图像发送到图像掩蔽单元620,以对差异图像执行屏蔽操作。在一些实施例中,可以将第一图像发送到图像组合单元650,以将第一图像与另一图像合成。
图像掩蔽单元620可以对图像执行屏蔽操作。例如,图像掩蔽单元620可以通过对从图像减法单元610获取的差异图像执行屏蔽操作生成第四图像。在一些实施例中,屏蔽操作可以包括在差异图像上应用掩模(例如,二维矩阵、三维矩阵)。通过在差异图像上应用掩模(例如,使掩模乘以差异图像),图像掩蔽单元620可以重置在差异图像的某一区域中的像素点/体素的值(例如,灰度值)为默认值(例如,对于灰度值为“0”),并且差异图像的另一区域中的像素点/体素的值(例如,灰度值)可以保持不变。屏蔽操作的更多描述可以在本申请的其他地方找到(例如,图8及其描述)。在一些实施例中,可以将第四图像发送到数据外推单元630,以对第四图像执行数据外推操作。
数据外推单元630可以对图像执行数据外推操作。例如,数据外推单元630可以通过对从图像掩蔽单元620获取的第四图像执行数据外推操作生成第五图像。数据外推操作可以是基于空间中特定数据点附近的数据点的值来估计特定数据点的值的过程。通过对第四图像执行数据外推操作,数据外推单元630可以基于在第四图像的另一个区域中的像素点/体素的值(例如,灰度值)在第四图像的区域中分配像素点/体素的值(例如,灰度值)。数据外推操作的更多描述可以在本申请的其他地方找到(例如,图8及其描述)。在一些实施例中,可以将第五图像发送到低通滤波单元640,以对第五图像执行低滤波操作。
低通滤波单元640可以对图像执行低通滤波操作。例如,低通滤波单元640可以通过对从数据外推单元630获取的第五图像执行低通滤波操作生成第六图像。低通滤波单元640可以使用低通滤波器对第五图像执行低通滤波操作,诸如高斯低通滤波器、巴特沃斯低通滤波器、切比雪夫低通滤波器、3D盒式过滤器(例如,3×3×3盒式过滤器)等,或其任意组合。低通滤波操作的更多描述可以在本申请的其他地方找到(例如,图8及其描述)。在一些实施例中,可以将第六图像发送到图像合成单元650,以将第六图像与另一图像合成。
图像组合单元650可以组合至少两个图像。例如,图像合成单元650可以组合从低通滤波单元640获取的第六图像和从图像重建模块420获取的第一图像。图像组合可以指的是第六图像中的相应像素点/体素的数据(例如,灰度值)与第一图像的组合。在图像组合期间,图像生成模块430可以应用各种操作的一个或以上操作,包括,例如,加法运算、减法运算、乘法运算、除法运算,或其任意组合。
应该注意的是,上述仅出于说明性目的而提供,并不旨在限制本申请的范围。对于本领域的普通技术人员来说,可以根据本申请的描述,做出各种各样的变化和修改。然而,这些变化和修改不会背离本申请的范围。例如,图像生成模块430可以包括用于存储从图像减法单元610、图像掩蔽单元620、数据外推单元630、低通滤波单元640和/或图像组合单元650获取的图像的存储单元。
图7是根据本申请的一些实施例所示的用于生成图像的示例性过程700的流程图。过程700可以由成像系统100执行。例如,过程700可以以指令(例如,应用程序)的形式存储在存储设备140和/或存储器220中,并且由处理设备120(例如,图2中所示的处理器210或图4中所示的处理设备120中的一个或以上模块)调用和/或执行。以下所示过程的操作仅出于说明的目的。在一些实施例中,过程700可以利用未描述的一个或以上附加操作,和/或没有所讨论的一个或以上操作来完成。另外,如图7所示和下面描述的过程700的操作的顺序不是限制性的。
在710中,处理设备120(例如,获取模块410)可以获取由扫描仪生成的投影数据。例如,处理设备120可以通过例如网络130从扫描仪110获取投影数据。扫描仪可以通过扫描物体(例如,头部、乳房)获取投影数据。例如,扫描仪的辐射源(例如,扫描仪110的辐射源112)可以向物体发射辐射束(例如,X射线束)。扫描仪的探测器(例如,扫描仪110的探测器114)可以基于探测到的辐射束获取投影数据,其中至少一些辐射束可能已经穿过物体。
在一些实施例中,辐射源可以通过从不同的投影角度向物体发射辐射束扫描物体,以生成投影数据。不同的投影角度可以落在角度范围内。例如,辐射源可以沿着覆盖360°的角度范围的圆形轨迹扫描物体。又如,辐射源可以沿着覆盖小于360°(例如,90°、180°、240°)的角度范围的轨迹扫描物体。如这里所使用的,投影角度是连接辐射源与坐标系的原点的线和坐标系的轴(例如,坐标系的正X轴)之间的角度。例如,参见图11,其提供了用于扫描物体的示例性坐标系的示意图。如图11所示,扫描仪的辐射源可以沿圆形轨迹1103扫描物体1102。扫描仪可以是CBCT扫描仪,并且辐射源可以向物体1102发射锥形束。扫描器的等中心可以与坐标系的原点一致,所述坐标系是如图所示的XYZ坐标系。当辐射源位于位置1101时,它可以对应于投影角度β,投影角度β是连接辐射源的线与原点(即线)和XYZ坐标系的正X轴之间的角度。
在720中,处理设备120(例如,图像重建模块420)可以基于第一权重函数通过反投影投影数据生成第一图像。在一些实施例中,第一图像可以是2D图像、3D图像、四维(4D)图像等。
第一图像可以具有对应于物体的不同部分的不同区域。例如,第一图像可以具有对应于物体的特定部分的特定区域。在一些实施例中,由于从辐射源发射的辐射束的形状,物体的特定部分可能不会被辐射源从特定的投影角度辐射。
例如,图10是根据本申请的一些实施例所示的示例性扫描区域。如图10所示,扫描区域1002可以示出由沿着圆形轨迹移动的扫描仪的辐射源扫描的物体的横截面。圆形轨迹的旋转中心可以是扫描仪的等中心,在图10中用表示。圆形轨迹通过位置1001和1008,并且位于垂直于扫描区域1002的平面1003中。扫描仪可以是CBCT扫描仪,其辐射源发射锥形束。R可以表示位置1001处的辐射源与等中心之间的距离。
扫描区域1002可以包括四个角区域1004-1、1004-2、1004-3和1004-4,以及中心区域1006。四个角区域1004-1、1004-2、1004-3和1004-4中的每一个由扫描区域1002的平面(例如,物体的横截面)中的三角形表示,并且可以示出物体的第一部分位于图像或扫描区域1002的角区域中。中心区域1006可以示出位于扫描区域1002的中心区域中的物体的第二部分。为简洁起见,在扫描中位于扫描区域1002的角区域中的物体的一部分可以被称为物体的角落部分,并且在扫描中位于扫描区域1002的中心区域中的物体的一部分,可以被称为物体的中心部分。为简洁起见,扫描区域的角区域可以对应于基于通过扫描位于扫描区域中的物体获取的投影数据生成的图像的角区域。类似地,扫描区域的中心区域可以对应于基于通过扫描位于扫描区域中的物体获取的投影数据生成的图像的中心区域。为简洁起见,假设物体位于扫描区域中,使得物体的中心部分位于扫描区域的中心区域中,因此位于生成图像的中心区域,并且物体的角落部分位于扫描区域的角区域中,因此位于生成图像的角区域。当辐射源位于位置1001时,线1007和1009可以描绘由探测器探测的辐射束的边界。线1007和1009可以在图像1002的平面中形成锥角1005。角区域1004-1和1004-3不被辐射源从位置1001辐射;相反,角区域1004-2和1004-4以及中心区域1006由辐射源从位置1001辐射。类似地,当辐射源位于位置1008时,角区域1004-2和1004-4不被辐射源辐射,并且角区域1004-1、1004-3和中心区域1006由探测器辐射。因此,物体的角落部分可以由辐射源从小于360°的角度范围的角度辐射,并且物体的中心部分可以由辐射源从360°的角度范围中的角度辐射。
应当理解,在特定投影角度处缺少辐射可能导致物体的某个部分(例如,角落部分)的投影数据不足,并且在物体的重建图像中引起各种缺陷,例如,伪影、CT值均匀性的减少等。为了解决这些和其他缺陷,处理设备120可以将第一权重函数应用于物体的投影数据以获取第一权重投影数据,并且背投影第一权重投影数据以生成物体的第一图像。当处理设备120将第一权重函数应用于物体的投影数据时,对应于物体的中心部分的投影数据(例如,从仅通过物体的中心部分的辐射束生成的投影数据)可以分配到与对应于物体的角落部分的投影数据(例如,从通过物体的角落部分的辐射束生成的投影数据)不同的权重因子。例如,如图10所示,根据第一权重函数,由通过角区域1004-2和1004-4的辐射束生成的投影数据可以分配比从仅通过中心区域1006的辐射束生成的投影数据更低的权重因子。在一些实施例中,第一权重函数可以被描述为光圈权重函数。应用于投影数据的权重因子可以与对应于投影数据的投影角度相关联。光圈权重函数的更多描述可以在本申请的其他地方找到。参见例如图12及其描述。
在730中,基于第二权重函数,处理设备120(例如,图像重建模块420)通过反投影投影数据可以生成第二图像。在一些实施例中,第二图像可以是2D图像、3D图像、4D图像等。
第二图像可以显示与第一图像相同的物体部分。例如,第二图像还可以具有对应于物体的角落部分之一的角区域(例如,图10中所示的角区域1004-1、1004-2、1004-3或1004-4)。第二图像还可以具有对应于物体的中心部分的中心区域(例如,图10中所示的中心区域1006)。在一些实施例中,第一图像的大小可以与第二图像的大小相同。可选地或另外地,第一图像的体素(或像素点)计数可以与第二图像的相同。在一些实施例中,第一图像的大小可以与第二图像的大小不同。第一图像的至少一部分和第二图像的至少一部分可以对应于物体的相同部分。
类似于720中所示的第一图像的生成,处理设备120可以将第二权重函数应用于投影数据以获取第二权重投影数据,并且反投影第二权重投影数据生成物体的第二图像。当处理设备120将第二权重函数应用于物体的投影数据时,对应于物体的中心部分的投影数据(例如,从仅通过物体的中心部分的辐射束生成的投影数据)可以分配与对应于物体的角落部分的投影数据(例如,从通过物体的角落部分的辐射束生成的投影数据)不同的权重因子。
第一权重函数和第二权重函数可以影响第一图像和第二图像的质量(例如,伪影、CT值均匀性)。在一些实施例中,第一权重函数和第二权重函数可以从相同或不同的光圈权重函数导出。例如,当被赋予不同的值时,在相同光圈权重函数中的一个或以上参数可以分别生成第一权重函数和第二权重函数。仅作为示例,相同的光圈权重函数可以包括第一参数和第二参数。第一参数和第二参数的值可能影响第一图像和第二图像的质量。在一些实施例中,第一权重函数和第二权重函数可以被分配第二参数的相同值。另外,第一权重函数可以被分配比第二权重函数更小的第一参数值。因此,如本申请中其他地方所述,第一图像可以包括比第二图像更少的伪影和更好的高频分量。此外,第一图像的角区域可以包括比第二图像的对应角区域更好的低频分量。此外,第二图像可以呈现出比第一图像更好的CT值均匀性。第二图像的中心区域可以包括比第一图像的对应中心区域更好的低频分量。
在一些实施例中,处理设备120可以从存储设备140获取第一权重函数和/或第二权重函数。第一权重函数和第二权重函数可以被配置为强调和/或抑制对应于扫描区域的不同区域(并且物体的不同部分位于扫描区域的这些不同区域中)的投影数据的不同特征。例如,包括一个或以上光圈权重函数的至少两个权重函数可以以查找表的形式存储在存储设备140中,因此处理设备120可以从查找表中检索第一权重函数和/或第二权重函数。光圈权重函数的更多描述可以在本申请的其他地方找到。参见例如图12及其描述。
在一些实施例中,处理设备120可以包括并行硬件体系结构,其具有可以同时执行两个或以上操作的至少两个处理线程。例如,处理线程“A”和处理线程“B”可以同时执行操作720的至少一部分和操作730的至少一部分。为了说明的目的,在以特定投影角度获取对应于体素的投影数据之后,处理线程“A“和处理线程“B”可以分别并行地确定第一和第二图像中体素的值。具体地,处理线程“A”可以根据第一权重函数确定要应用于体素的权重因子,同时,处理线程“B”可以根据第二权重函数确定要应用于体素的权重因子。可选地或另外地,处理线程“A”可以根据第一权重函数相对于第一图像中的体素执行对投影数据的权重操作,同时,处理线程“B”可以根据第二权重函数相对于第二图像中的体素执行对投影数据的权重运算。可选地或另外地,处理线程“A”可以相对于第一图像中的体素对权重投影数据执行反投影操作,并且同时地,处理线程“B”可以相对于第二图像中的体素对权重投影数据执行反投影操作。在一些实施例中,并行硬件体系结构可以包括一个或以上图形处理单元。图形处理单元可以包括至少两个标量处理器。
在一些实施例中,第一图像和第二图像可以是CT图像。第一图像和第二图像可以在CT值均匀性方面呈现不同的质量。对于CT图像,CT值可以表明穿过物体的辐射束的衰减分布。CT图像的CT值均匀性可以指图像中均质材料(例如,水、骨)的CT值的一致性。在一些实施例中,CT值可以由亨氏单位(HU)表示。仅作为示例,水的CT值可以是0HU,并且空气的CT值可以是-1000HU。
在一些实施例中,第二图像可以呈现出比第一图像更好的CT值均匀性。图像的CT值均匀性(例如,第一图像、第二图像)可以表示为在图像的中心区域中的均质材料(例如,水、骨)的CT值的平均值和在图像的角区域中的均质材料的CT值的平均值之间差值的绝对值。例如,第二图像的CT值均匀性可以在±5HU内(绝对值是5HU),并且第一图像的CT值均匀性可以在±7HU内(绝对值是7HU))。因此,第二图像可以呈现比第一图像更好的CT值均匀性。
在一些实施例中,第二图像的角区域可以呈现出比第一图像的对应角区域更好的CT值均匀性。例如,第二图像的角区域的CT值均匀性可以在±5HU内(绝对值是5HU),并且第一图像的相应角区域的CT值均匀性可以在±7HU内(绝对值是7HU)。因此,第二图像的角区域可以呈现出比第一图像的对应角区域更好的CT值均匀性。
或者,在一些实施例中,可以根据等式(1)描述的第一图像(和/或第二图像)或其区域的CT值均匀性:
其中u表示第一图像或其区域的CT值均匀性,表示在第一图像或其区域中的均质材料(例如,水、骨)的最大CT值,表示第一图像或其区域中的均质材料的最小CT值。例如,根据等式(1),第二图像的一个区域(例如,中心区域)的CT值均匀性可以是90%,并且第一图像的相应区域(例如,中心区域)的CT值均匀性可以是50%。因此,第二图像的区域可以呈现出比第一图像的对应区域更好的CT值均匀性。又例如,根据等式(1),第二图像的CT值均匀性可以是90%,并且第一图像的CT值均匀性可以是50%。因此,第二图像可以呈现出比第一图像更好的CT值均匀性。
在一些实施例中,第一图像和第二图像之间的CT值均匀性的差异可以反映在第一图像和第二图像的亮度中。例如,与第二图像相比,第一图像的整体亮度可能相对不一致,因为第一图像的一部分(例如,左侧的部分)的亮度均值可能显著低于第一图像的另一部分(例如,右侧的一部分)。图15-A中所示的图像可以是示例性的第一图像,图15-C中的图像可以是示例性的第二图像,并且图15-B中的图像可以是将在图8中描述的与过程800连接的示例性组合图像。如图15-A所示,由箭头E指示的左区域的亮度均值显著低于由箭头F指示的右区域的亮度均值。如图15-C所示,由箭头E’指示的左区域的亮度均值相对接近箭头F’所示的右区域的亮度均值。因此,图15-C中的第二图像呈现出比图15-A中的第一图像更好的CT值均匀性。
在一些实施例中,第一图像可以具有比第二图像更少的伪影。伪影可以是图像中与被成像物体无关的失真或误差。第一图像和/或第二图像中的伪影可以包括例如,条纹伪影、环形伪影、运动伪影、金属伪影等,或其任意组合。如图15-C所示,在由箭头A’、B’和C’指示的区域中存在伪影(例如,条纹或暗带)。相反,图15-A中的图像包括中由箭头A、B和C指示的相应区域中显著减少的伪影。类似地,图14-A中的图像可以是示例性第一图像,并且图14-C中的图像可以是示例性第二图像。如图14-C所示,在由箭头A’和B’表示的区域中存在伪影。相反,图14-A中的图像中包括由箭头A和B指示的相应区域中显著减少的伪影。
在一些实施例中,第一图像可以包括比第二图像更好的高频分量。附加地或替代地,第一图像的角区域可以包括比第二图像的对应角区域更好的低频分量。如这里所使用的,当两个图像的每个区域对应于图像中表示的物体的相同部分时,图像的区域可以被称为对应于另一图像的区域。第二图像的中心区域可以包括比第一图像的对应中心区域更好的低频分量。图像的高频分量可以是体素/像素点值(例如,灰度值)从一个值快速变化到另一个值的分量。例如,图像中存在的锐边可以包括比具有纯色的区域更高的高频分量。图像的低频分量可以是体素/像素点值(例如,灰度值)缓慢且逐渐变化的分量。例如,具有纯色的区域可以包括比图像中呈现的锐边更多的低频分量。
图像的特定区域中的高频分量和/或低频分量的质量可以反映在特定区域中的伪影像中。例如,由图15-A(例如,第一图像)中的箭头A指示的区域包括比图15-C(例如,第二图像)中箭头A’指示的区域更少的伪影,因此,可以认为箭头A所示的区域中的高频分量优于箭头A’所示的区域中的高频分量。又例如,由图15-A(例如,第一图像)中的箭头C指示的区域包括比图15-C(例如,第二图像)中的箭头C’所指示的区域更少的伪影,因此由箭头C指示的区域中的低频分量可以被认为优于由箭头C’指示的区域中的低频分量。
在740中,处理设备120(例如,图像生成模块430)可以基于第一图像和第二图像生成第三图像。在一些实施例中,处理设备120可以基于一个或以上操作(包括,例如,图像减法操作、屏蔽操作、数据提取操作、低通滤波操作、图像组合操作等等)生成第三图像。在一些实施例中,可以通过执行如图8所示的一个或以上操作来实现操作740。第三图像可以组合第一图像和第二图像的优点。第三图像可以呈现出减少的伪影和改善的CT值均匀性。例如,第三图像和第二图像可以呈现比第一图像更好的CT值均匀性。又例如,第三图像和第一图像可以具有比第二图像更少的伪影。第三图像的更多描述可以在本申请的其他地方找到(例如,图8及其描述)。
应该注意的是,上述仅出于说明性目的而提供,并不旨在限制本申请的范围。对于本领域的普通技术人员来说,可以根据本申请的描述,做出各种各样的变化和修改。然而,这些变化和修改不会背离本申请的范围。例如,过程700可以包括用于在720之前预处理投影数据的操作。示例性预处理操作可以包括,例如,投影数据归一化、投影数据平滑、投影数据抑制、投影数据编码(或解码)、初步去噪等。
图8是根据本申请的一些实施例所示的用于生成图像的示例性过程800的流程图。过程800可以由成像系统100执行。例如,过程800可以以指令(例如,应用程序)的形式存储在存储设备140和/或存储器220中,并且由处理设备120(例如,图2中所示的处理器210或图4中所示的处理设备120中的一个或以上模块)调用和/或执行。以下所示过程的操作仅出于说明的目的。在一些实施例中,过程800可以利用未描述的一个或以上附加操作,和/或没有所讨论的一个或以上操作来完成。另外,如图8所示和下面描述的过程800的操作的顺序不是限制性的。在一些实施例中,可以通过执行过程800的一个或以上操作实现图7的操作740中所示的第三图像的生成。
在810中,图像生成模块430(例如,图像减法单元610)可以通过例如减法基于第一图像和第二图像生成差异图像。在一些实施例中,图像生成模块430可以通过执行如图7或图9所示的一个或以上操作获取物体的第一图像和/或第二图像。例如,可以结合如图7所示的操作720和/或操作730获取第一图像和/或第二图像。在一些实施例中,图像生成模块430可以从存储设备140、处理设备120的存储模块或外部存储设备获取第一图像和第二图像。
在一些实施例中,图像生成模块430可以通过从另一个图像中减去一个图像生成差异图像。例如,图像生成模块430可以通过从第二图像中减去第一图像生成差异图像。又如图所示,图像生成模块430可以通过从第一图像中减去第二图像生成差异图像。图像相减可以指第一图像与第二图像中的相应像素点/体素的数据(例如,灰度值)之间的减法操作。如这里所使用的,当两个图像的每个像素点/体素对应于图像中表示的物体的相同部分时,图像的像素点/体素可以被称为对应于另一图像的像素点/体素。例如,图像生成模块430可以将第一图像的角区域中的体素的灰度值减去第二图像的对应角区域中的对应体素的灰度值。如本申请中其他地方所述,第一图像可以包括比第二图像更好的高频分量,第一图像的角区域可以包括比第二图像的对应角区域更好的低频分量,以及第二图像的中心区域可以包括比第一图像的对应中心区域更好的低频分量。为了获取组合了上述第一图像和第二图像的优点的第三图像,图像生成模块430可以通过从第二图像中减去第一图像生成差异图像。通过执行减法运算和低通滤波操作(将在操作840中详细描述),图像生成模块430可以获取第三图像,所述第三图像包括与第一图像相比在中心区域中的更好的低频分量和与第二图像相比的更好的高频分量。
在820中,图像生成模块430(例如,图像掩蔽单元620)可以通过对差异图像执行屏蔽操作生成第四图像。物体的差异图像可以包括四个角区域(例如,图10中所示的四个角区域1004-1、1004-2、1004-3和1004-4)和中心区域(例如,如图10所示的中心区域1006)。在一些实施例中,四个角区域和中心区域之间的边界处可以是成像系统100的默认设置,或者在不同情况下可以是可调节的。在一些实施例中,边界处可以在差异图像的平面中形成形状。例如,如图10所示,边界处可以在图像区域1002的平面中形成两个锥形表面。
为了对差异图像执行屏蔽操作,图像生成模块430可以向差异图像提供掩模。掩模可以包括矩阵(例如,二维矩阵、三维矩阵)或二值图,其中像素点(或体素)的灰度值可以是“0”或“1”。仅作为示例,与差异图像的角区域对应的矩阵的元素具有值0,并且与差异图像的中心区域对应的矩阵的元素具有值1。通过在差异图像上应用掩模(例如,使掩模乘以差异图像),图像生成模块430可以将差异图像的四个角区域中的像素点/体素的值(例如,灰度值)重置为默认值(例如,对于灰度值为“0”),并且差异图像的中心区域处的像素点/体素的值(例如,灰度值)可以保持不变。
出于说明目的,根据本申请的一些实施例,提供图13-A中的图像作为示例性第四图像。如图13-A所示,由箭头A1、A2、A3和A4表示的四角区域中的像素点的灰度值被设置为“0”。
在830中,图像生成模块430(例如,数据外推单元630)可以通过对第四图像执行数据外推操作生成第五图像。数据外推操作可以是基于空间中特定数据点附近的数据点的值估计特定数据点的值的过程。通过对第四图像执行数据外推操作,基于第四图像的中心区域中的像素点/体素的值(例如,灰度值),图像生成模块430可以在第四图像的角区域中分配像素点/体素的值(例如,灰度值)。在一些实施例中,图像生成模块430可以根据在中心区域和最接近角区域(例如,在角区域和中心区域之间的边界处)中的像素点/体素的值在角区域中设置像素点/体素的值。例如,在角区域的垂直线段上的像素点的灰度值可以等于连接到垂直线段并且在角区域和中心区域之间的边界处的像素点的灰度值。
在840中,图像生成模块430(例如,低通滤波单元640)可以通过对第五图像执行低通滤波操作生成第六图像。图像生成模块430可以使用低通滤波器(诸如高斯低通滤波器、巴特沃斯低通滤波器、切比雪夫低通滤波器、3D盒式过滤器(例如,3×3×3盒式过滤器)等,或其任意组合)对第五图像执行低通滤波操作。通过执行低通滤波操作生成第六图像,图像生成模块430可以减少或去除第五图像的高频分量并保留第五图像的低频分量。在一些实施例中,图像生成模块430可以对第五图像执行一轮或以上轮次的低通滤波。不同轮次中的低通滤波的参数可以相同或不同。例如,不同轮次中的低通滤波的截止频率可以不同。
出于说明目的,根据本申请的一些实施例,提供图13-C中的图像作为示例性第六图像。与图13-B所示的第五图像中的箭头A1’、A2’、A3’和A4’所示的区域相比,由箭头A1”、A2”、A3”和A4”表示的区域中的高频分量被减少或去除。
在850中,图像生成模块430(例如,图像组合单元650)可以组合第六图像和第一图像以生成第三图像。图像组合可以指的是第六图像与第一图像中的相应像素点/体素的数据(例如,灰度值)组合。在图像组合期间,图像生成模块430可以应用各种操作中的一种或以上操作,包括,例如,加法运算、减法运算、乘法运算、除法运算,或其任意组合。在一些实施例中,处理设备120可以通过非线性组合组合第六图像和第一图像。可以根据探测到的第六图像和第一图像中的边缘信息和结构信息执行非线性组合。图像中的结构信息可以指图像的高频分量。例如,物体的第六图像或第一图像中的结构信息可以对应于物体的骨架、器官等。
第三图像可以显示与第一图像和第二图像相同的物体部分。例如,第三图像也可以具有示出物体的角落部分的角区域和示出物体的中心部分的中心区域。
如结合过程700中的操作740所述,第三图像可以组合第一图像和第二图像的优点。例如,第三图像和第一图像可以具有比第二图像更少的伪影。如图14-A至图14-C所示,图14-B(例如,第三图像)中箭头A”和B”所示的区域和图14-A(例如,第一图像)中箭头A和B所示的区域比图14-C(例如,第二图像)中的箭头A’和B’所指示的区域呈现更少的伪影。
另外,第三图像和第二图像可以呈现出比第一图像更好的CT值均匀性。如图15-A(例如,第一图像)所示,由箭头E指示的左区域的亮度均值显著低于由箭头F指示的右区域的亮度均值。如图15-B和15-C所示,由箭头E”(或E’)表示的左区域的亮度均值相对接近由箭头F”(或F’)表示的右区域的亮度均值。
此外,第三图像和第一图像可以呈现出比第二图像更好的高频分量。如图15-A(例如,第一图像)、图15-B(例如,第三图像)和图15-C(例如,第二图像)所示,由箭头A、A’或A”指示的区域具有若干高频分量。与箭头A’指示的区域相比,在箭头A”指示的区域中和/或箭头A指示的区域中的伪影减少了。此外,第三图像和/或第一图像中的角区域可以呈现出比第二图像的角区域更好的低频分量。如图15-A至15-C所示,由箭头C、C’或C”表示的区域具有若干低频分量。与箭头C’指示的区域相比,在由箭头C”指示的区域中和/或在由箭头C指示的区域中伪影减少了。类似地,第三图像和/或第二图像中的中心区域可以呈现出比第一图像中的中心区域更好的低频分量。例如,第三图像和/或第二图像中的中心区域的低频分量可以包括少于第一图像中的对应中心区域的低频分量。
应该注意的是,上述仅出于说明性目的而提供,并不旨在限制本申请的范围。对于本领域的普通技术人员来说,可以根据本申请的描述,做出各种各样的变化和修改。然而,这些变化和修改不会背离本申请的范围。例如,过程800可以包括用于在第三图像的生成期间存储中间结果(例如,差异图像、第四图像、第五图像等)的存储操作。
图9是根据本申请的一些实施例所示的用于生成图像的示例性过程900的流程图。过程900可以由成像系统100执行。例如,过程900可以以指令(例如,应用程序)的形式存储在存储设备140和/或存储器220中,并且由处理设备120调用和/或执行(例如,图2中所示的处理器210或图4中所示的处理设备120中的一个或以上模块)。以下所示过程的操作仅出于说明的目的。在一些实施例中,过程900可以利用未描述的一个或以上附加操作和/或没有所讨论的一个或以上操作来完成。另外,如图9所示和下面描述的过程900的操作的顺序不是限制性的。在一些实施例中,如图7的操作720中所示的生成第一图像和/或如图7的操作730中所示的生成第二图像可以通过执行过程900的一个或以上操作来实现。
在910中,图像重建模块420可以从对应于第一图像的至少两个第一体素中选择第一体素。在一些实施例中,第一图像可以包括至少两个第一体素。
在920中,根据第一权重函数,图像重建模块420(例如,权重单元510)可以将权重因子应用到对应于至少两个投影角度中的每一个的第一体素的第一投影数据,以获取第一体素的权重投影数据。
在一些实施例中,根据不同投影角度,应用于第一体素的第一投影数据的权重因子可以是不同的。如图11所示,辐射源可以沿圆形轨迹1103扫描物体1102。当辐射源位于位置1101(对应于β的投影角度)时,辐射射线1104(例如,X射线)可以从辐射源发射到探测器1105(例如,平坦探测器)。辐射射线1104可以穿过物体1102的体素1106(例如,第一体素)并在探测器1105上形成投影点1107。探测器1105可以与由原点、u轴以及v轴定义的局部坐标系相关联。如图所示,v轴的方向可以平行于XYZ坐标系的Z轴方向。局部坐标系的原点可以在原点的平面中。当辐射源沿着圆形轨迹移动时,体素1106可以由辐射源从至少两个投影角度辐射,从而在探测器1105上形成不同的投影点。在一些实施例中,应用于对应于特定投影角度的第一投影数据的权重因子可以与在特定投影角度上的投影点的位置相关联。例如,与位于探测器1105的中心点处的第一投影点相关联的第一权重因子可以大于与位于探测器1105的边缘点处的第二投影点相关联的第二权重因子。
为了更好地理解应用于第一投影数据的权重因子,下面提供示例性说明,其不旨在限制。
权重函数(例如,此处描述的第一权重函数)可以是如图12所示的光圈权重函数。在一些实施例中,光圈权重函数可以表示为等式(2):
其中,表示光圈权重函数,z表示在探测器1105上沿着图11中所示的v轴或Z轴的投影点的位置,表示为图12中Z轴的值,Q表示光圈权重函数的第一参数,E表示光圈权重函数的第二参数。应注意,当投影点位于探测器1105的中心范围内(即,-Q≤z≤Q)时,光圈权重函数的值是常数。当投影点位于探测器1105的中心范围之外时,光圈权重函数的值随着图12所示的投影点与中心点O之间的距离的增加而减小。第一参数Q可以与探测器的中心范围的维度相关联,并且第二参数E可以与超出中心范围的光圈权重函数的下降趋势的维度相关联。在一些实施例中,第一参数Q和第二参数E可以与探测器1105的宽度W成比例。例如,Q值可以是0.6×W,并且E值可以是1.1×W。为简洁起见,(Q,E)值可以表示为(0.6×W,1.1×W)。又例如,Q值可以是1.0×W,E值可以是1.1×W,并且(Q,E)值可以表示为(1.0×W,1.1×W)。
第一参数Q和第二参数E的不同值的分配可以生成不同的权重函数,诸如,结合过程700中的操作720和730所示的第一权重函数和第二函数。第一参数Q和第二参数E的值可能影响第一图像和第二图像的质量。在一些实施例中,第一权重函数和第二权重函数可以被分配第二参数E的相同值。另外,第一权重函数可以被分配比第二权重函数更小的第一参数Q的值。因此,如本申请中其他地方所述,第一图像可以包括比第二图像更少的伪影和更好的高频分量。此外,第一图像的角区域可以包括比第二图像的对应角区域更好的低频分量。此外,第二图像可以呈现出比第一图像更好的CT值均匀性。第二图像的中心区域可以包括比第一图像的对应中心区域更好的低频分量。
例如,在图14-A和14-C中,在重建图14-A中的图像(例如,第一图像)时分配的(Q,E)值是(0.0,1.1),并且在重建图14-C中的图像(例如,第二图像)时分配的值是(1.0,1.1)。如图14-A所示,与图14-C中箭头A’和B’指示的区域相比,在图14-A中箭头A和B指示的区域中,伪影减少。
又例如,图15-A和15-C中,在重建图15-A中的图像(例如第一图像)时分配的(Q,E)值是(0.0,1.1),并且在重建图15-C中的图像(例如,第二图像)时分配的(Q,E)值是(1.0,1.1)。如图15-A所示,由箭头E指示的左区域的亮度均值显著低于由箭头F指示的右区域。如图15-C所示,由箭头E’指示的左区域的亮度均值相对接近箭头F’指示的右区域。因此,图15-C中的图像呈现出比图15-A中的图像更好的CT值均匀性。
在一些实施例中,可以基于光圈权重函数的一个或以上值确定应用于对应于特定投影角度的第一投影数据的权重因子。例如,第一体素的第一投影数据的权重因子可以是光圈权重函数的第一值和第二值的归一化值。在一些实施例中,归一化可以为第一图像提供良好的CT值均匀性。在一些实施例中,归一化可以是线性归一化,其中,可以根据等式(3)来描述权重:
w=w1/(w1+w2), 等式(3)
其中,w表示应用于对应于投影角度的第一体素的第一投影数据的权重因子,w1表示光圈权重函数的第一值,并且w2表示光圈权重函数的第二值。
或者,可以根据等式(4)描述归一化:
w=w1/(w1+a2w2), 等式(4)
其中a表示可以由权重单元510确定或由用户手动设置的系数。
在一些实施例中,光圈权重函数的第一值w1可以与探测器上的第一投影点相关联,其中来自辐射源的辐射以投影角度照射,并且光圈权重函数的第二值w2可以与探测器上的第二投影点相关联,其中来自辐射源的辐射以相反的投影角度照射。相反投影角度和投影角度之间的差可以是180°或-180°。例如,如图11所示,当辐射源位于位置1101时,投影角度为β。穿过体素1106的放射线1104在探测器1105上形成第一投影点(即投影点1107)。投影角度β的相反投影角度为180°+β或β-180°。辐射源在相反投影角度的位置(例如,如图11所示的位置1109)和位置1101相对于图11所示的原点对称。当辐射源位于对应于相反投影角度的位置时,穿过体素1106的辐射射线在探测器1105上形成第二投影点(未示出)。如上所述,第一投影点和第二投影点可以分别对应于第一权重函数的第一值w1和第一权重函数的第二值w2。
在930中,图像重建模块420(例如,背投影单元520)可以反投影第一体素的权重投影数据,以获取第一体素的反投影数据。第一体素的反投影数据可以指第一体素的体素值。在一些实施例中,图像重建模块420可以为至少两个投影角度中的每一个确定第一体素的BP值。图像重建模块420可以将第一体素的所有BP值相加,每个BP值对应于至少两个投影角度中的一个,以获取第一体素的反投影数据。
在940中,图像重建模块420可以确定是否已经选择了与第一图像相对应的所有第一体素。如果不是所有的第一体素都被选择,则过程900可以返回到操作910以从剩余的第一体素中选择新的第一体素,并且重复操作920和930。如果已经选择了所有第一体素,则过程900可以进行到操作950,以基于第一体素的反投影数据获取第一图像。
在一些实施例中,图像重建模块420可以在并行硬件体系结构上实现。并行硬件体系结构可以包括至少两个处理线程(例如,处理线程“A”和处理线程“B”)以同时执行操作。处理线程“A”可以执行图9所示的操作中的至少一个以生成第一图像,同时,处理线程“B”可以执行图9所示的相应操作中的至少一个以生成第二图像。
应该注意的是,上述仅出于说明性目的而提供,并不旨在限制本申请的范围。对于本领域的普通技术人员来说,可以根据本申请的描述,做出各种各样的变化和修改。然而,这些变化和修改不会背离本申请的范围。例如,在操作930之前,过程900可以包括对第一体素的权重投影数据执行的卷积运算(例如,计算第一体素的权重投影数据和滤波函数(例如,S-L滤波函数)的卷积)以获取第一图像中的增强的边缘清晰度。又例如,图像重建模块420可以根据要重建的物体调整第一权重函数和/或第二权重函数的(Q,E)值。例如,对于患者的头部和乳房,处理设备120可以在第一权重函数和/或第二权重函数中应用不同的(Q,E)值。
实施例
提供以下实施例是为了说明的目的,而不是为了限制本申请的范围。
图13-A是根据本申请的一些实施例的示例性图像。所述图像是基于物体(例如,乳房)的投影数据生成的CT图像。箭头A1、A2、A3和A4指示对应于物体的角落部分的图像部分。箭头B指示对应于物体的中心部分的图像的一部分。由箭头A1、A2、A3和A4指示的图像部分中像素点的灰度值是“0”。
图13-B是根据本申请的一些实施例的基于在图13-A上执行的数据外推操作生成的示例性图像。箭头A1’、A2’、A3’和A4’指示对应于物体的角落部分的图像部分。箭头B’指示对应于物体中心部分的图像的一部分。
图13-C是根据本申请的一些实施例所示的基于在图13-B上执行的低滤波操作而生成的示例性图像。箭头A”、A2”、A3”和A4”指示对应于物体的角落部分的图像部分。箭头B”指示对应于物体的中心部分的图像的一部分。
图14-A至14-C是根据本申请的一些实施例所示的三个示例性图像。三个图像是与根据具有不同(Q,E)值的光圈权重函数重建的与胸部相关的矢状CT图像。重建图14-A中的图像时分配的(Q,E)值是(0.0,1.1),并且在重建图14-C中的图像时分配的(Q,E)值是(1.0,1.1)。通过执行如图8所示的过程800,基于图14-A中的图像和图14-C中的图像生成图14-B中的图像。
图15-A至15-C是根据本申请的一些实施例所示的三个示例性图像。所述三个图像是根据具有不同(Q,E)值的光圈权重函数重建的与胸部相关的轴向CT图像。重建图15-A中的图像时分配的(Q,E)值是(0.0,1.1),并且在重建图15-C中的图像时分配的(Q,E)值是(1.0,1.1)。通过执行图8所示的过程800,基于图15-A中的图像和图15-C中的图像生成图15-B中的图像。
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。这类修改、改进和修正在本申请中被建议,所以所述类修改、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、结构或特性。因此,应当强调并注意的是,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良。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“单元”、“模块”或“系统”。此外,本申请的各方面可以表现为位于一个或以上计算机可读介质中的计算机产品,所述产品包括计算机可读程序编码。
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,包括面向物体程序设计语言如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,比如局域网络(LAN)或广域网络(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声称的待扫描物体物质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。
一些实施例中使用了描述成分、属性数量的数字,应当理解的是,此类用于实施例描述的数字,在一些示例中使用了修饰词“大约”、“近似”或“大体上”来修饰。除非另外说明,“大约”、“近似”或“大体上”表明所述数字允许有±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。
本文中提及的所有专利、专利申请、专利申请公布和其他材料(如论文、书籍、说明书、出版物、记录、事物和/或类似的东西)均在此通过引用的方式全部并入本文以达到所有目的,与上述文件相关的任何起诉文档记录、与本文件不一致或冲突的任何上述文件或对迟早与本文件相关的权利要求书的广泛范畴有限定作用的任何上述文件除外。举例来说,如果在描述、定义和/或与任何所结合的材料相关联的术语的使用和与本文件相关联的术语之间存在任何不一致或冲突,则描述、定义和/或在本文件中使用的术语以本文件为准。
最后,应当理解的是,本申请中所述实施例仅用以说明本申请实施例的原则。其他的变形也可能属于本申请的范围。因此,作为示例而非限制,本申请实施例的替代配置可视为与本申请的教导一致。相应地,本申请的实施例不仅限于本申请明确介绍和描述的实施例。
Claims (20)
1.一种系统,包括:
至少一个存储设备,包括一组指令;以及
至少一个处理器,与所述至少一个存储设备通信,其中,当执行所述指令时,所述至少一个处理器被配置为使所述系统:
获取由扫描仪生成的投影数据;
基于第一权重函数,通过反投影所述投影数据生成第一图像,所述第一图像具有对应于所述物体的第一部分的第一区域;
基于第二权重函数,通过反投影所述投影数据生成第二图像,所述第二图像具有对应于所述物体的第一部分的第二区域,所述第二图像的所述第二区域呈现出比所述第一图像的所述第一区域更好的CT值均匀性;以及
基于所述第一图像和所述第二图像,生成第三图像,
其中,所述至少一个处理器包括具有至少两个处理线程的并行硬件体系结构,以及相对于所述第一图像中的体素和所述第二图像中的相应体素,所述投影数据的所述反投影并行进行。
2.根据权利要求1所述的系统,其特征在于,所述第一图像比所述第二图像具有更少的伪影。
3.根据权利要求1所述的系统,其特征在于,所述第一图像包括比所述第二图像更好的高频分量。
4.根据权利要求1所述的系统,其特征在于,所述扫描仪进一步包括:
辐射源被配置为沿着覆盖360°角度范围的圆形轨迹扫描所述物体以生成所述投影数据。
5.根据权利要求4所述的系统,其特征在于,所述物体的第一部分由所述辐射源在小于360°的角度范围内辐射,以及所述第一图像的所述第一区域包括比所述第二图像的所述第二区域更好的低频分量。
6.根据权利要求5所述的系统,其特征在于,为了生成第三图像,所述至少有一个处理器被配置为使所述系统:
通过彼此相减生成所述第一图像和所述第二图像的差异图像;以及
基于所述差异图像和所述第一图像,确定所述第三图像。
7.根据权利要求6所述的系统,其特征在于,为了确定所述第三图像,所述至少有一个处理器被配置为使所述系统:
通过对所述差异图像执行屏蔽操作,生成第四图像;
通过对所述第四图像执行数据外推操作,生成第五图像;
通过对所述第五图像执行低通滤波操作,生成第六图像;以及
组合所述第六图像和所述第一图像以生成所述第三图像。
8.根据权利要求7所述的系统,其特征在于,所述第一图像有至少两个第一体素,其中,为了生成所述第一图像,所述至少有一个处理器被配置为使所述系统:
对于所述至少两个第一体素的第一体素,
根据所述第一权重函数,将权重因子应用于对应于至少两个投影角度中的每一个的第一投影数据,以获取所述第一体素的权重投影数据;以及
反投影所述第一体素的所述权重投影数据,以获取所述第一体素的反投影数据;以及
基于所述第一体素的所述反投影数据,获取所述第一图像。
9.根据权利要求8所述的系统,其特征在于:
应用于对应于投影角度的所述第一投影数据的所述权重因子与所述第一权重函数的第一值和所述第一权重函数的第二值相关联;
所述第一权重函数的第一值与探测器上的第一投影点相关联,其中,来自所述辐射源的辐射以投影角度照射;以及
所述第一权重函数的第二值与所述探测器上的第二投影点相关联,其中,来自所述辐射源的辐射以相反的投影角度照射。
10.根据权利要求1所述的系统,其特征在于,所述并行硬件体系结构包括至少一个图形处理单元,以及所述至少一个图形处理单元包括至少两个标量处理器。
11.一种用于在至少一台机器上实现的图像生成的方法,每台机器包括至少一个处理器和至少一个存储设备,所述方法包括:
获取由扫描仪生成的投影数据;
基于第一权重函数,通过反投影所述投影数据生成第一图像,所述第一图像具有对应于所述物体的第一部分的第一区域;
基于第二权重函数,通过反投影所述投影数据生成第二图像,所述第二图像具有对应于所述物体的第一部分的第二区域,所述第二图像的所述第二区域呈现出比所述第一图像的所述第一区域更好的CT值均匀性;以及
基于所述第一图像和所述第二图像,生成第三图像,
其中,所述至少一个处理器包括具有至少两个处理线程的并行硬件体系结构,以及相对于所述第一图像中的体素和所述第二图像中的相应体素,所述投影数据的所述反投影并行进行。
12.根据权利要求11所述的方法,其特征在于,所述第一图像比所述第二图像具有更少的伪影。
13.根据权利要求11所述的方法,其特征在于,所述第一图像包含比所述第二图像更好的高频分量。
14.根据权利要求11所述的方法,其特征在于,所述扫描仪进一步包括:
辐射源被配置为沿着覆盖360°角度范围的圆形轨迹扫描所述物体以生成所述投影数据。
15.根据权利要求14所述的方法,其特征在于,所述物体的第一部分由所述辐射源在小于360°的角度范围内辐射,以及所述第一图像的所述第一区域包括比所述第二图像的所述第二区域更好的低频分量。
16.根据权利要求15所述的方法,其特征在于,生成第三图像包括:
通过彼此相减生成所述第一图像和所述第二图像的差异图像;以及
基于所述差异图像和所述第一图像,确定所述第三图像。
17.根据权利要求16所述的方法,其特征在于,所述确定所述第三图像包括:
通过在所述差异图像上执行屏蔽操作,生成第四图像;
通过对所述第四图像执行数据外推操作,生成第五图像;
通过对所述第五图像执行低通滤波操作,生成第六图像;以及
组合所述第六图像和所述第一图像以生成所述第三图像。
18.根据权利要求17所述的方法,其特征在于,所述第一图像具有至少两个第一体素,其中,所述生成所述第一图像包括:
对于所述至少两个第一体素的第一体素,
根据所述第一权重函数,将权重因子应用于对应于至少两个投影角度中的每一个的第一投影数据,以获取所述第一体素的权重投影数据;以及
反投影所述第一体素的所述权重投影数据,以获取所述第一体素的反投影数据;以及
基于所述第一体素的所述反投影数据,获取所述第一图像。
19.根据权利要求18所述的方法,其特征在于:
应用于对应于投影角度的所述第一投影数据的所述权重因子与所述第一权重函数的第一值和所述第一权重函数的第二值相关联;
所述第一权重函数的第一值与探测器上的第一投影点相关联,其中,来自所述辐射源的辐射以投影角度照射;以及
所述第一权重函数的第二值与所述探测器上的第二投影点相关联,其中,来自所述辐射源的辐射以相反的投影角度照射。
20.一种体现计算机程序产品的非暂时性计算机可读介质,所述计算机程序产品包括指令被配置为使计算设备:
获取由扫描仪生成的投影数据;
基于第一权重函数,通过背投影所述投影数据生成第一图像,所述第一图像具有对应于所述物体的第一部分的第一区域;
基于第二权重函数,通过背投影所述投影数据生成第二图像,所述第二图像具有对应于所述物体的第一部分的第二区域,所述第二图像的所述第二区域呈现出比所述第一图像的所述第一区域更好的CT值均匀性;以及
基于所述第一图像和所述第二图像,生成第三图像,
其中,所述计算设备包括至少一个处理器,所述至少一个处理器包括具有至少两个处理线程的并行硬件体系结构,以及相对于所述第一图像中的体素和所述第二图像中的相应体素,使所述至少一个处理器并行执行所述投影数据的所述反投影。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/CN2018/107614 WO2020061814A1 (en) | 2018-09-26 | 2018-09-26 | Systems and methods for image generation |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111757703A true CN111757703A (zh) | 2020-10-09 |
CN111757703B CN111757703B (zh) | 2023-04-07 |
Family
ID=69884696
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201880024675.6A Active CN111757703B (zh) | 2018-09-26 | 2018-09-26 | 用于图像生成的系统和方法 |
Country Status (3)
Country | Link |
---|---|
US (2) | US10959695B2 (zh) |
CN (1) | CN111757703B (zh) |
WO (1) | WO2020061814A1 (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111757703B (zh) * | 2018-09-26 | 2023-04-07 | 上海联影医疗科技股份有限公司 | 用于图像生成的系统和方法 |
US11710218B2 (en) * | 2021-03-17 | 2023-07-25 | GE Precision Healthcare LLC | System and method for normalizing dynamic range of data acquired utilizing medical imaging |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7180975B2 (en) * | 2003-02-14 | 2007-02-20 | Koninklijke Philips Electronics N.V. | System and method for exact image reconstruction for helical cone beam computed tomography including redundant data |
CN101536913A (zh) * | 2008-03-21 | 2009-09-23 | 通用电气公司 | 校正多模态成像数据的方法和装置 |
US20140086466A1 (en) * | 2012-09-24 | 2014-03-27 | Siemens Aktiengesellschaft | Method for reconstructing ct image data with weighted backprojection, including computation unit and ct system for the method |
US20150164464A1 (en) * | 2011-06-29 | 2015-06-18 | Board Of Regents Of The University Of Texas System | Device and method for deriving ct numbers in cone beam computed tomography |
CN105631909A (zh) * | 2015-12-23 | 2016-06-01 | 浙江大学 | 伪影修正辅助的cbct迭代重建方法 |
CN106353786A (zh) * | 2016-09-30 | 2017-01-25 | 上海联影医疗科技有限公司 | 正电子发射断层成像系统飞行时间性能检测方法及装置 |
CN108292428A (zh) * | 2015-12-11 | 2018-07-17 | 上海联影医疗科技有限公司 | 图像重建的系统和方法 |
Family Cites Families (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE10123798B4 (de) * | 2001-05-16 | 2007-04-19 | Siemens Ag | Verfahren für die Computertomographie |
WO2006116316A2 (en) * | 2005-04-22 | 2006-11-02 | University Of Chicago | Open source trajectory method and apparatus for interior imaging |
JP5525706B2 (ja) | 2007-07-25 | 2014-06-18 | 株式会社東芝 | X線コンピュータ断層撮影装置 |
EP2280650B1 (en) | 2008-05-21 | 2019-11-27 | Koninklijke Philips N.V. | Imaging apparatus for generating an image of a region of interest |
JP5595762B2 (ja) * | 2009-04-08 | 2014-09-24 | 株式会社東芝 | X線診断装置及び画像再構成処理装置 |
US8559687B2 (en) | 2009-10-30 | 2013-10-15 | Kabushiki Kaisha Toshiba | Method for circular scan reconstruction in computed tomography and computed tomographic device |
US8270561B2 (en) * | 2010-10-13 | 2012-09-18 | Kabushiki Kaisha Toshiba | Motion weighting in computed tomography (CT) with cone angle |
EP2761866B1 (en) * | 2011-09-30 | 2022-11-30 | Analogic Corporation | Photon count correction |
CN105787973A (zh) * | 2014-12-19 | 2016-07-20 | 合肥美亚光电技术股份有限公司 | Ct系统中投影图像的重建方法及装置 |
DE102015218928B4 (de) * | 2015-09-30 | 2022-05-12 | Siemens Healthcare Gmbh | Verfahren zur Erzeugung von Röntgenbilddaten eines Untersuchungsobjektes mit unterdrücktem Calcium-Signal |
CN111757703B (zh) * | 2018-09-26 | 2023-04-07 | 上海联影医疗科技股份有限公司 | 用于图像生成的系统和方法 |
-
2018
- 2018-09-26 CN CN201880024675.6A patent/CN111757703B/zh active Active
- 2018-09-26 WO PCT/CN2018/107614 patent/WO2020061814A1/en active Application Filing
- 2018-12-30 US US16/236,595 patent/US10959695B2/en active Active
-
2021
- 2021-03-29 US US17/215,114 patent/US11717248B2/en active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7180975B2 (en) * | 2003-02-14 | 2007-02-20 | Koninklijke Philips Electronics N.V. | System and method for exact image reconstruction for helical cone beam computed tomography including redundant data |
CN101536913A (zh) * | 2008-03-21 | 2009-09-23 | 通用电气公司 | 校正多模态成像数据的方法和装置 |
US20090238427A1 (en) * | 2008-03-21 | 2009-09-24 | General Electric Company | Method and Apparatus for Correcting Multi-Modality Imaging Data |
US20150164464A1 (en) * | 2011-06-29 | 2015-06-18 | Board Of Regents Of The University Of Texas System | Device and method for deriving ct numbers in cone beam computed tomography |
US20140086466A1 (en) * | 2012-09-24 | 2014-03-27 | Siemens Aktiengesellschaft | Method for reconstructing ct image data with weighted backprojection, including computation unit and ct system for the method |
CN108292428A (zh) * | 2015-12-11 | 2018-07-17 | 上海联影医疗科技有限公司 | 图像重建的系统和方法 |
CN105631909A (zh) * | 2015-12-23 | 2016-06-01 | 浙江大学 | 伪影修正辅助的cbct迭代重建方法 |
CN106353786A (zh) * | 2016-09-30 | 2017-01-25 | 上海联影医疗科技有限公司 | 正电子发射断层成像系统飞行时间性能检测方法及装置 |
Non-Patent Citations (1)
Title |
---|
ZHICONG YU ET.AL.: ""Axially Extended-Volume C-Arm CT Using a Reverse Helical Trajectory in the Interventional Room"" * |
Also Published As
Publication number | Publication date |
---|---|
US11717248B2 (en) | 2023-08-08 |
US20200093453A1 (en) | 2020-03-26 |
WO2020061814A1 (en) | 2020-04-02 |
CN111757703B (zh) | 2023-04-07 |
US20210212649A1 (en) | 2021-07-15 |
US10959695B2 (en) | 2021-03-30 |
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 | |
JP7106405B2 (ja) | 医用画像処理装置、医用画像撮像装置及び医用画像処理プログラム | |
US11776170B2 (en) | Systems and methods for medical imaging | |
JP7027438B2 (ja) | 画像取得システム及び方法 | |
JP7330703B2 (ja) | 医用画像処理装置及びx線ctシステム | |
US9600924B2 (en) | Iterative reconstruction of image data in CT | |
CN107909618B (zh) | 图像重建系统和方法 | |
CN107346555B (zh) | 电子计算机断层扫描图像数据处理方法 | |
US11094094B2 (en) | System and method for removing hard tissue in CT image | |
CN109272562B (zh) | 一种迭代重建的系统和方法 | |
EP3326533B1 (en) | Tomographic device and tomographic image processing method according to same | |
CN109242923B (zh) | 一种迭代重建的系统和方法 | |
US11717248B2 (en) | Systems and methods for image generation | |
US20230397899A1 (en) | Systems and methods for image generation | |
EP3404616B1 (en) | System and method for image denoising | |
US9947129B2 (en) | Method for enhanced display of image slices from 3-D volume image | |
US20210225046A1 (en) | Systems and methods for iterative reconstruction | |
WO2023125095A1 (en) | Systems and methods for image reconstruction | |
WO2019091087A1 (en) | Systems and methods for correcting projection images in computed tomography image reconstruction | |
CN110084866B (zh) | 一种计算机断层成像方法和装置 |
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 |
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. |
|
CB02 | Change of applicant information | ||
GR01 | Patent grant | ||
GR01 | Patent grant |