CN111914392A - X射线成像设备和x射线图像的建模方法、装置 - Google Patents
X射线成像设备和x射线图像的建模方法、装置 Download PDFInfo
- Publication number
- CN111914392A CN111914392A CN202010580387.8A CN202010580387A CN111914392A CN 111914392 A CN111914392 A CN 111914392A CN 202010580387 A CN202010580387 A CN 202010580387A CN 111914392 A CN111914392 A CN 111914392A
- Authority
- CN
- China
- Prior art keywords
- ray
- initial
- optimal
- energy
- modeling
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000003384 imaging method Methods 0.000 title claims abstract description 112
- 238000000034 method Methods 0.000 title claims abstract description 67
- 238000001228 spectrum Methods 0.000 claims abstract description 133
- 238000006243 chemical reaction Methods 0.000 claims abstract description 116
- 230000000149 penetrating effect Effects 0.000 claims abstract description 19
- 230000006870 function Effects 0.000 claims description 91
- 238000009826 distribution Methods 0.000 claims description 73
- 239000011159 matrix material Substances 0.000 claims description 68
- 230000004907 flux Effects 0.000 claims description 58
- 230000009466 transformation Effects 0.000 claims description 31
- 238000012546 transfer Methods 0.000 claims description 28
- 230000002238 attenuated effect Effects 0.000 claims description 22
- 238000004422 calculation algorithm Methods 0.000 claims description 16
- 238000002474 experimental method Methods 0.000 claims description 4
- 238000004088 simulation Methods 0.000 description 12
- 210000000481 breast Anatomy 0.000 description 10
- 238000001914 filtration Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 239000000463 material Substances 0.000 description 7
- 229920003229 poly(methyl methacrylate) Polymers 0.000 description 7
- 239000004926 polymethyl methacrylate Substances 0.000 description 7
- 238000005259 measurement Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 4
- 238000005315 distribution function Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 238000012937 correction Methods 0.000 description 3
- 238000010801 machine learning Methods 0.000 description 3
- 230000005855 radiation Effects 0.000 description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 3
- BQCADISMDOOEFD-UHFFFAOYSA-N Silver Chemical compound [Ag] BQCADISMDOOEFD-UHFFFAOYSA-N 0.000 description 2
- 238000002591 computed tomography Methods 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 239000013078 crystal Substances 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000005684 electric field Effects 0.000 description 2
- 229910052751 metal Inorganic materials 0.000 description 2
- 239000002184 metal Substances 0.000 description 2
- 229910052703 rhodium Inorganic materials 0.000 description 2
- 239000010948 rhodium Substances 0.000 description 2
- MHOVAHRLVXNVSD-UHFFFAOYSA-N rhodium atom Chemical compound [Rh] MHOVAHRLVXNVSD-UHFFFAOYSA-N 0.000 description 2
- 229910052709 silver Inorganic materials 0.000 description 2
- 239000004332 silver Substances 0.000 description 2
- WFKWXMTUELFFGS-UHFFFAOYSA-N tungsten Chemical compound [W] WFKWXMTUELFFGS-UHFFFAOYSA-N 0.000 description 2
- 229910052721 tungsten Inorganic materials 0.000 description 2
- 239000010937 tungsten Substances 0.000 description 2
- 208000004434 Calcinosis Diseases 0.000 description 1
- ZOKXTWBITQBERF-UHFFFAOYSA-N Molybdenum Chemical compound [Mo] ZOKXTWBITQBERF-UHFFFAOYSA-N 0.000 description 1
- 206010028980 Neoplasm Diseases 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- 238000000862 absorption spectrum Methods 0.000 description 1
- 230000002308 calcification Effects 0.000 description 1
- 238000002059 diagnostic imaging Methods 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 230000003902 lesion Effects 0.000 description 1
- 238000009607 mammography Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 229910052750 molybdenum Inorganic materials 0.000 description 1
- 239000011733 molybdenum Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000035515 penetration Effects 0.000 description 1
- 238000005067 remediation Methods 0.000 description 1
- 239000013077 target material Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/10—Numerical modelling
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
本发明涉及一种X射线成像设备的建模方法、X射线图像的建模方法及X射线成像设备的建模装置。一种X射线成像设备的建模方法，所述X射线成像设备包括用于发出X射线的X射线源以及用于将穿透扫描对象的X射线转换为X射线图像的探测器；所述建模方法包括：获取所述X射线源发出的X射线的最优能谱；获取所述探测器的最优转换函数；以及根据所述最优能谱对所述X射线源进行建模，并根据所述最优转换函数对所述探测器进行建模，以得到所述X射线成像设备的模型。上述建模方法，减少了利用蒙卡软件模拟的部分，使得提高建模效率。
Description
技术领域
本发明涉及医学影像技术领域，特别是涉及一种X射线成像设备的建模方法、X射线图像的建模方法及X射线成像设备的建模装置。
背景技术
目前，在需要计算和分析X射线成像设备产生的X射线剂量分布以及图像时需要对X射线成像设备进行建模。传统的做法是使用蒙卡软件模拟X射线成像设备。但是，使用蒙卡软件模拟X射线成像设备的效率很低。
例如，在X射线成像设备为乳腺机时，乳腺机有范围为20KV～40KV之间的21档电压选项和两种滤过(铑滤过和银滤过)，所以理论上乳腺机可能会产生42种能谱。若想要计算和分析乳腺机产生的剂量分布以及产生的图像，需要建模乳腺机。传统的做法是使用蒙卡软件模拟乳腺机整个设备，在固定电压和滤过前提下，如果模拟出的图像与实测图像一致，则可认为当前对乳腺机的模拟方案是正确的。而实际上，由于乳腺机的电压较低，根据实验，16台四核电脑采用蒙卡软件模拟乳腺机并行两天三夜生成的X射线图像精度也只是勉强可用，效率较低。
发明内容
针对上述技术问题，本申请实施例提供了一种X射线成像设备的建模方法、X射线图像的建模方法及X射线成像设备的建模装置。
一种X射线成像设备的建模方法，所述X射线成像设备包括用于发出X射线的X射线源以及用于将穿透扫描对象的X射线转换为X射线图像的探测器；所述建模方法包括：
获取所述X射线源发出的X射线的最优能谱；
获取所述探测器的最优转换函数；以及
根据所述最优能谱对所述X射线源进行建模，并根据所述最优转换函数对所述探测器进行建模，以得到所述X射线成像设备的模型。
在其中一个实施例中，所述获取所述X射线源发出的X射线的最优能谱和获取所述探测器对所述X射线的最优转换函数，包括：
获取初始能谱和第一初始转换矩阵；
获取单能剂量核；
基于所述初始能谱，将多个不同的单能剂量核拼成多能剂量核；
获取所述多能剂量核的X射线在所述扫描对象内的剂量分布；
根据所述第一初始转换矩阵和所述剂量分布，得到所述扫描对象的X射线图像；以及
获取实测图像，并找到与所述实测图像最接近的所述X射线图像，以在多个所述初始能谱中确定所述最优能谱和在多个所述第一初始转换矩阵中确定最优转换矩阵；
其中，所述最优转换函数表示所述探测器将所述剂量分布转换为所述X射线图像的转换关系，所述最优转换矩阵为所述最优转换函数中的系数。
在其中一个实施例中，所述获取初始能谱和第一初始转换矩阵，包括：
根据所述X射线成像设备的性能参数，配置所述初始能谱和所述第一初始转换矩阵。
在其中一个实施例中，所述获取所述多能剂量核的X射线在所述扫描对象内的剂量分布，包括：
根据所述X射线成像设备的性能参数，配置通量矩阵；
获取光子通量分布初值，并根据所述光子通量分布初值，得到所述多能剂量核的X射线的光子通量分布；所述光子通量分布初值为各所述单能剂量核的X射线的光子通量分布；
根据衰减规律、所述通量矩阵以及所述多能剂量核的X射线的光子通量分布，得到穿透所述扫描对象衰减后的光子通量分布；以及
对所述衰减后的光子通量分布和所述多能剂量核进行卷积，以得到所述剂量分布。
在其中一个实施例中，所述获取所述X射线源发出的X射线的最优能谱和获取所述探测器对所述X射线的最优转换函数，包括：
获取初始能谱和初始转换函数；
获取单能剂量核；
基于所述初始能谱，将多个不同的单能剂量核拼成多能剂量核；
获取所述多能剂量核的X射线在穿透所述扫描对象衰减后的通量分布；
根据所述初始转换函数和所述衰减后的通量分布，得到所述扫描对象的X射线图像；
获取实测图像，并找到与所述实测图像最接近的所述X射线图像，以在多个所述初始能谱中确定所述最优能谱和在多个所述初始转换函数中确定所述最优转换函数；
其中，所述最优转换函数表示所述探测器将穿透所述扫描对象衰减后的多能剂量核的X射线转换为X射线图像的转换关系。
在其中一个实施例中，所述获取初始转换函数，包括：
根据所述探测器的图纸得到所述探测器对每个单能光子的转换函数初值；
获取穿透所述扫描对象的衰减X射线能谱；以及
基于所述衰减X射线能谱，将多个所述单能光子拼接成所述多能剂量核的X射线，并根据所述转换函数初值，得到所述初始转换函数。
在其中一个实施例中，所述获取所述探测器对所述X射线的最优转换函数，包括：
分别获取每个厚度的所述扫描对象的第二初始转换矩阵；
根据所述最优能谱对所述X射线源进行建模，并根据所述第二初始转换矩阵对所述探测器进行建模，以得到所述扫描对象的X射线图像；
获取实测图像，并找到与所述实测图像最接近的所述X射线图像，以在所述第二初始转换矩阵中确定各不同厚度的所述扫描对象对应的最优转换矩阵；
其中，所述最优转换函数表示所述探测器将所述X射线源发出的X射线转换为所述扫描对象的X射线图像的转换关系，所述最优转换矩阵为所述最优转换函数中的系数。
在其中一个实施例中，所述获取所述X射线源发出的X射线的最优能谱，包括：
利用蒙特卡罗算法模拟所述X射线源，以获取所述最优能谱；
或者，利用所述X射线成像设备的所述X射线源进行试验，以获取所述最优能谱。
一种X射线图像的建模方法，包括：
利用如上任一所述的X射线成像设备的建模方法，得到X射线成像设备的模型；以及
利用所述X射线成像设备的模型，得到所述扫描对象的X射线图像。
一种X射线成像设备的建模装置，所述X射线成像设备包括用于发出X射线的X射线源以及用于将穿透扫描对象的X射线转换为X射线图像的探测器；所述建模装置包括：
能谱获取模块，用于获取所述X射线源发出的X射线的最优能谱；
转换函数获取模块，用于获取所述探测器对所述X射线的最优转换函数；以及
建模模块，用于根据所述最优能谱对所述X射线源进行建模，并根据所述最优转换函数对所述探测器进行建模，以得到所述X射线成像设备的模型。
上述X射线成像设备的建模方法、X射线图像的建模方法及X射线成像设备的建模装置，根据获取的X射线源发出的X射线的最优能谱对X射线源进行建模，并根据获取的探测器对X射线的最优转换函数对探测器进行建模，从而得到X射线成像设备的模型，根据该X射线成像设备的模型可以获得更加接近实测图像的X射线图像，从而有利于对X射线成像设备进行分析。并且，上述建模方法采用最优转换函数表示对X射线和图像灰度的转换关系，以替代传统的蒙特软件模拟方法中的对探测器的模拟部分，减少了利用蒙卡软件模拟的部分，使得提高建模效率。
附图说明
图1为一实施例中的X射线成像设备的建模方法流程图。
图2为一具体实施例中的X射线成像设备的建模方法流程图。
图3为一实施例中获取多能剂量核的X射线在扫描对象内的剂量分布的具体步骤流程图。
图4为一实施例中的多能剂量核的X射线的光子通量分布的函数图像。
图5a为一实施例中第一初始转换矩阵的示意图。
图5b为一实施例中第一初始转换矩阵对多能剂量核的X射线在扫描对象内的剂量分布的拟合效果示意图。
图6为另一具体实施例中的X射线成像设备的建模方法流程图。
图7为一实施例中获取初始转换函数的具体步骤流程图。
图8为又一具体实施例中的X射线成像设备的建模方法流程图。
图9为一实施例中X射线成像设备的建模装置的结构框图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
本申请提供一种X射线成像设备的建模方法，以建立X射线成像设备的模型。例如，X射线成像设备包括直接数字平板X射线成像系统(DR，Digital Radiography)、电子计算机断层扫描(CT，Computed Tomography)、锥形束CT(CBCT，Cone beam CT)等。根据建立的X射线成像设备的模型可以得到X射线源产生的X射线的光子通量分布、X射线在扫描对象内的剂量分布、扫描对象的X射线图像等，从而对X射线成像设备进行分析，以对其进行优化，有利于减少对扫描对象辐射、提升X射线图像的质量等。
X射线成像设备可以包括X射线源和探测器。在成像过程中，扫描对象位于X射线源和探测器之间，X射线源向扫描对象发出X射线，探测器将穿透扫描对象的X射线转换为X射线图像。例如，X射线成像设备在对乳房成像时，由于X射线在穿透正常乳腺组织、肿瘤、钙化点等的衰减程度不同，穿透扫描对象的X射线到达探测器时携带的信息也不同，因此在探测器转换得到的X射线图像上也会呈现出差别，从而便于分辨乳房中病灶的位置、形状和大小。
图1为一实施例中的X射线成像设备的建模方法流程图。如图1所示，X射线成像设备的建模方法包括以下步骤：
步骤S11，获取X射线源发出的X射线的最优能谱。
具体地，最优能谱可以与X射线成像设备的性能参数有关，根据最优能谱建立的X射线源模型能够很好的反映X射线成像设备的特性，从而有利于对X射线成像设备的分析。例如，可以基于蒙特卡罗算法模拟X射线源或者基于X射线成像设备试验直接获取X射线源发出的X射线的最优能谱，或者，也可以通过计算间接获取X射线源发出的X射线的最优能谱。
步骤S12，获取探测器对X射线的最优转换函数。
具体的，获取探测器的最优转换函数。最优转换函数可以表示探测器将X射线源发出的X射线直接转换为扫描对象的X射线图像的转换关系，此时，转换函数可以与扫描对象相关，具体与扫描对象的扫描部位的厚度、密度等相关，因此，根据最优转换函数建立的探测器模型能够很好的体现扫描对象的特性，从而有利于对扫描对象的分析；最优转换函数也可以表示探测器将穿透扫描对象的X射线转换为扫描对象的X射线图像的转换关系，或者X射线源发出的X射线在扫描对象内的剂量分布转换为扫描对象的X射线图像的转换关系，此时，转换函数可以与X射线成像设备的性能参数相关，根据最优转换函数对探测器进行建模，探测器模型能够很好的反映X射线成像设备的特性，从而有利于对X射线成像设备的分析。
步骤S13，根据最优能谱对X射线源进行建模，并根据最优转换函数对探测器进行建模，以得到X射线成像设备的模型。
具体的，根据最优能谱对X射线源进行建模后可以得到X射线源模型，根据最优转换函数对探测器进行建模后可以得到探测器模型，从而能够得到完整的X射线成像设备的模型。
上述X射线成像设备的建模方法，根据获取的X射线源发出的X射线的最优能谱对X射线源进行建模，并根据获取的探测器对X射线的最优转换函数对探测器进行建模，从而得到X射线成像设备的模型，根据该X射线成像设备的模型可以获得更加接近实测图像的X射线图像，从而有利于对X射线成像设备进行分析。
此外，传统的蒙卡软件模拟X射线成像设备的效率很低，并且由于探测器生成图像是与每个探测器晶体接收的光子的能级和能量有关的，并非完全的线性关系，比如一个探测器晶体接收到10个20KeV的光子和接收到20个10KeV的光子，虽然接收的总能量都是200KeV，但最后产生的图像灰度是有些不同的，因此，传统的蒙卡软件方法在模拟X射线成像设备时需要分别模拟X射线源和探测器，在根据模拟的X射线成像设备得到的X射线图像与实测图像不一致时，可能是模拟的X射线源和模拟的探测器中任意一个出错或者两个都出错，需要找到出错原因并且需要重新模拟X射线成像设备以得到新的X射线图像，使得进一步降低建模效率。相对于传统的蒙卡软件模拟方法，上述建模方法采用最优转换函数表示对X射线或X射线在扫描对象内的剂量分布与X射线图像的转换关系，以替代传统的蒙特软件模拟方法中的对探测器的模拟部分，减少了利用蒙卡软件模拟的部分，使得提高建模效率。
图2为一具体实施例中的X射线成像设备的建模方法流程图。如图2所示，X射线成像设备的建模方法具体包括以下步骤，其中图1实施例中步骤S11和步骤S12均包括步骤S21至S26。
步骤S21，获取初始能谱和第一初始转换矩阵；
具体的，根据X射线成像设备的性能参数，配置初始能谱和第一初始转换矩阵。X射线源包括球管和附加滤片。性能参数包括球管的阴极和阳极之间的电压档位及附加滤片的材料，根据球管的阴极和阳极之间的电压档位及附加滤片材料可以配置X射线源发出的X射线的初始能谱和探测器的第一初始转换矩阵。
在X射线源中，阳极通常由高原子序数的金属靶材料(如钼、钨等)制成，阴极具有由钨等材料制成的灯丝，通过加热阴极的灯丝释放电子，并在阴极和阳极之间施加高压电场，以对阴极释放的电子加速，加速后的电子轰击阳极的金属靶面，从而产生X射线。球管阴极与阳极之间的电压档位指阴极与阳极之间高压电场的电压大小。例如，对于乳腺机，球管的阴极与阳极之间的电压档位大致分为20KV～40KV之间的21档电压，不同的电压档位可以产生不同的X射线。
位于球管和扫描对象之间的附加滤片用于滤除球管发出的X射线中的一部分不必要的X射线，不同材料的附加滤片能够滤除不同X射线，从而减少患者对不必要X射线的辐射吸收剂量。例如，对于乳腺机，可以采用铑滤过、银滤过，不同的附加滤片材料可以得到不同的X射线。
本实施例中，在X射线成像设备为乳腺机时，X射线成像系统的性能参数可以是这21个电压档位和两种滤过的各种组合，并为每种组合分别配置对应的初始能谱和对应的第一初始转换矩阵。在其他实施例中，由于一些特殊形状的附加滤片还可以产生特定光谱的X射线，在某种程度上就可以与扫描物体的扫描部位的吸收光谱相匹配，从而选择性的增加扫描对象的扫描部位中各部分的对比强度，因此，也可以根据球管的阴极与阳极之间电压档位和附加滤片的形状配置对应的初始能谱和对应的第一初始转换矩阵。
步骤S22，获取单能剂量核。
具体的，可以利用蒙特卡罗算法模拟多个不同的单能剂量核，相对于直接模拟整个X射线源，模拟效率更高。例如，可以采用EGSnrc、Geant4等蒙卡软件进行模拟，也可以基于自己研发的蒙特卡罗算法进行模拟。单能剂量核的X射线为单能X射线。
步骤S23，基于初始能谱，将多个不同的单能剂量核拼接成多能剂量核。
具体的，初始能谱为X射线源发出的X射线的能谱，而X射线源发出的X射线为多能X射线，即多能剂量核的X射线，因此初始能谱也是多能剂量核的X射线的能谱。以蒙特卡罗算法模拟多个不同的单能剂量核得到的单能X射线的能谱作为初值，基于初始能谱，对多个不同的单能剂量核进行组合得到多能剂量核。
步骤S24，获取多能剂量核的X射线在扫描对象内的剂量分布。
具体的，多能剂量核的X射线在扫描对象内的剂量分布与X射线源发出的X射线即多能剂量核的X射线与扫描对象相关，根据多能剂量核和扫描对象的特性可以计算多能剂量核的X射线在扫描对象内的剂量分布。
示例性的，如图3所示，步骤S24中获取多能剂量核的X射线在扫描对象内的剂量分布具体包括步骤S241至S244。
步骤S241，根据X射线成像设备的性能参数，配置通量矩阵。
具体的，X射线的成像设备的性能参数可以包括球管的阴极与阳极之间的电压档位和附加滤片的材料。本实施例中，同样为每种电压档位和滤过组合配置对应的通量矩阵。
步骤S242，获取光子通量分布初值，并根据光子通量分布初值，得到多能剂量核的X射线的光子通量分布。
具体的，光子通量分布初值为各单能剂量核的X射线的光子通量分布。以蒙特卡罗算法模拟的单能剂量核的X射线的光子通量分布作为光子通量分布初值，利用多项式拟合多能剂量核的X射线的光子通量分布函数，在多项式中分别代入几组光子通量分布初值，可以计算得到多项式中各单项式的系数，从而可以得到光子通量分布函数。例如，在X射线成像设备为乳腺机时，利用多项式拟合多能剂量核的X射线的光子通量分布。多项式为：
f(x,y)＝p0+p1*(x-p2)2+p3*y+p4*y*y+p5*y*y*y
其中，p0为常数项，p1为变量x的二次项的因数，p3、p4以及p5分别为变量y的一次项、二次项以及三次项的因数。(x-p2)2平方项是考虑到乳腺机是对称结构，所以光子通量分布也应该是关于中心轴对称的，p2为光子通量分布函数图像y方向中心轴坐标。利用光子通量分布初值可以解出p0至p5的值，从而得到多能剂量核的X射线的光子通量分布函数，多能剂量核的X射线的光子通量分布的函数图像参见图4。
步骤S243，根据衰减规律、通量矩阵以及多能剂量核的X射线的光子通量分布，得到穿透扫描对象衰减后的光子通量分布。
具体的，衰减规律可以是传统的建模方法中X射线穿透扫描对象时采用的线性衰减规律。将通量矩阵与多能剂量核的X射线的光子通量分布相乘，再利用线性衰减规律计算穿透扫描对象衰减后的光子通量分布。
步骤S244，对衰减后的光子通量分布和多能剂量核进行卷积，以得到剂量分布。
具体的，对衰减后的光子通量分布和多能剂量核进行卷积，以得到X射线源发出的X射线即多能剂量核的X射线在扫描对象内的剂量分布。
步骤S25，根据第一初始转换矩阵和剂量分布，得到扫描对象的X射线图像。
具体的，将第一初始转换矩阵与多能剂量核的X射线在扫描对象内的剂量分布相乘，计算得到扫描对象的X射线图像。第一初始转换矩阵示意图参见图5a，第一初始转换矩阵对多能剂量核的X射线在扫描对象内的剂量分布的拟合效果参见图5b。
步骤S26，获取实测图像，并找到与实测图像最接近的X射线图像，以在多个初始能谱中确定最优能谱和在第一初始转换矩阵中确定最优转换矩阵。
具体的，可以利用X射线成像设备对模拟扫描对象的扫描部位的模体进行扫描成像，以获取实测图像，也可以在患者的病历中找到符合条件的扫描图像作为实测图像。模体可以采用聚甲基丙烯酸甲酯(PMMA)模体、均匀的水膜等，模体形状根据实际需求设置即可。例如，在X射线成像设备为乳腺机时，可以采用圆柱体模体、长方体模体、半球形模体等。
每个X射线成像设备的性能参数均可以对应配置有多个初始能谱和多个第一初始转换矩阵，初始能谱和第一初始转换矩阵可以根据经验得到，并分别根据这些初始能谱合初始转换函数得到多个X射线图像，在这些X射线图像中找到与实测图像最接近的一个，以该X射线图像对应的初始能谱作为最优能谱和以该X射线图像对应的第一初始转换矩阵作为最优转换矩阵。本实施例中，最优转换函数表示探测器将剂量分布转换为X射线图像的转换关系，最优转换矩阵为最优转换函数中的系数。具体的，可以是将剂量分布转换为X射线图像中的灰度，从而将扫描对象的扫描部位内的不同部分以不同的图像灰度值呈现以进行区别。
在其他实施例中，还可以只为同一种X射线成像设备的系统参数设置一个初始能谱和一个第一初始转换矩阵，并利用该初始能谱和该第一初始转换矩阵得到X射线图像。将得到的X射线图像与实测图像进行对比，若它们之间的误差超出阈值，对初始能谱和第一初始转换矩阵进行修正后再建模并得到新的X射线图像，直到X射线图像与实测图像之间的误差小于等于阈值。在对初始能谱和第一初始转换矩阵进行修正时可以基于机器学习算法等进行修正，使得到的X射线图像越来越接近实测图像。
步骤S27，根据最优能谱对X射线源进行建模，并根据最优转换矩阵对探测器进行建模，以得到X射线成像设备的模型。
本实施例中，利用单能剂量核拼接成多能剂量核的方式减少建模过程中的蒙特卡罗算法模拟部分，使得进一步提高建模效率；利用最优转换矩阵建立探测器模型，简化模型，方便针对X射线成像设备的分析和计算；并且，为每档电压和每个滤过的组合分别配置一个最优转换矩阵、最优能谱和通量矩阵，使得提高拟合精度；此外，根据X射线成像设备的建模方法建立的X射线成像设备模型可以得到多个厚度的扫描对象的X射线图像，在需要通过判断多个厚度的扫描对象的X射线图像与实测图像集同时一致才表示当前建模方案正确时，可以兼顾多个调节参数。
图6为另一具体实施例中的X射线成像设备的建模方法流程图。如图6所示，X射线成像设备的建模方法具体包括以下步骤，其中图1实施例中步骤S11和步骤S12均包括步骤S61至S66：
步骤S61，获取初始能谱和初始转换函数。
具体的，根据X射线成像设备的性能参数，配置初始能谱。X射线源包括球管和附加滤片。性能参数包括球管的阴极和阳极之间的电压档位及附加滤片的材料，根据球管的阴极和阳极之间的电压档位及附加滤片材料可以配置X射线源发出的X射线的初始能谱。
本实施例中，初始转换函数表示探测器将穿透扫描对象衰减后的X射线转换为扫描对象的X射线的转换关系。获取初始转换函数的过程可以与单能剂量核拼接多能剂量核的原理类似，具体的，如图7所示，获取初始转换函数包括步骤S611至步骤S613。
步骤S611，根据探测器的图纸得到探测器对每个单能光子的转换函数初值。
具体的，根据探测器的图纸得到穿透扫描对象的每个单能光子到达探测器后被探测器转换为X射线图像的转换函数初值。转换函数初值即表示穿透扫描对象后的每个单能光子与X射线图像的转换关系。
步骤S612，获取穿透扫描对象的衰减后的衰减X射线能谱。
具体的，衰减X射线能谱为多能剂量核的X射线经过扫描对象，被扫描对象吸收一部分衰减后X射线的能谱。获取穿透扫描对象衰减后的衰减X射线能谱可以根据X射线源发出的X射线即多能剂量核的X射线的能谱和X射线经过扫描对象的衰减规律得到，例如可以采用初始能谱作为X射线源发出的X射线的能谱，根据衰减规律计算衰减X射线能谱。
步骤S613，基于衰减X射线能谱，将多个单能光子进行拼接成多能剂量核的X射线，并根据转换函数初值，得到初始转换函数。
具体的，基于衰减X射线能谱即衰减后的多能剂量核的X射线的能谱，对多个不同的单能光子进行组合以得到多能剂量核衰减后的衰减多能X射线，根据这些不同的单能光子的转换函数初值，得到初始转换函数。
步骤S62，获取单能剂量核。
具体的，可以利用蒙特卡罗算法模拟多个不同的单能剂量核，相对于直接模拟整个X射线源，模拟效率更高。例如，可以采用EGSnrc、Geant4等蒙卡软件进行模拟，也可以基于自己研发的蒙特卡罗算法进行模拟。单能剂量核的X射线为单能X射线。
步骤S63，基于初始能谱，将多个不同的单能剂量核拼接成多能剂量核。
具体的，初始能谱为X射线源发出的X射线的能谱，而X射线源发出的X射线为多能X射线，即多能剂量核的X射线，因此初始能谱也是多能剂量核的X射线的能谱。以蒙特卡罗算法模拟多个不同的单能剂量核得到的单能X射线的能谱作为初值，基于初始能谱，对多个不同的单能剂量核进行组合得到多能剂量核。
步骤S64，获取多能剂量核的X射线在穿透扫描对象衰减后的光子通量分布。
步骤S65，根据初始转换函数和衰减后的光子通量分布，得到扫描对象的X射线图像。
具体的，可以采用与步骤S242中类似的方法计算多能剂量核的X射线在衰减前的光子通量分布，并利用衰减规律计算多能剂量核的X射线在衰减后的光子通量分布。本实施例中，最优转换函数和初始转换函数均表示探测器对穿透扫描对象衰减后的多能剂量核的X射线转换为X射线图像的灰度转换关系。根据初始转换函数和衰减后的光子通量分布，计算扫描对象的X射线图像。
步骤S66，获取实测图像，并找到与实测图像最接近的X射线图像，以在多个初始能谱中确定最优能谱和在多个初始转换函数中确定最优转换函数。
具体的，可以利用X射线成像设备对模拟扫描对象的扫描部位的模体进行扫描成像，以获取实测图像，也可以在患者的病历中找到符合条件的扫描图像作为实测图像。模体可以采用聚甲基丙烯酸甲酯(PMMA)模体、均匀的水膜等，模体形状根据实际需求设置即可。例如，在X射线成像设备为乳腺机时，可以采用圆柱体模体、长方体模体、半球形模体等。
每个X射线成像设备的性能参数均可以对应配置有多个初始能谱，根据步骤S611至S613获取多个第一初始转换矩阵，并分别根据这些初始能谱和初始转换函数得到多个X射线图像，在这些X射线图像中找到与实测图像最接近的一个，以该X射线图像对应的初始能谱作为最优能谱和以该X射线图像对应的初始转换函数作为最优转换函数。
在其他实施例中，还可以只为同一种X射线成像设备的系统参数设置一个初始能谱，根据步骤S611至613确定一个初始转换函数，并利用该初始能谱和该初始转换函数得到X射线图像。将得到的X射线图像与实测图像进行对比，若它们之间的误差超出阈值，对初始能谱和初始转换函数进行修正后再建模并得到新的X射线图像，直到X射线图像与实测图像之间的误差小于等于阈值。在对初始能谱和初始转换函数进行修正时可以基于机器学习算法等进行修正，使得到的X射线图像越来越接近实测图像。
步骤S67，根据最优能谱对X射线源进行建模，并根据最优转换函数对探测器进行建模，以得到X射线成像设备的模型。
图8为又一具体实施例中的X射线成像设备的建模方法流程图。如图8所示，X射线成像设备的建模方法包括以下步骤，其中，步骤S11包括步骤S81，步骤S12包括步骤S82至步骤S84。
步骤S81，利用蒙特卡罗算法模拟X射线源，以获取最优能谱。
具体的，利用蒙特卡罗算法模拟X射线源，以获取最优能谱。在其他实施例中，也可以利用X射线成像设备的X射线源进行试验，以获取最优能谱。
步骤S82，分别获取每个厚度的扫描对象的第二初始转换矩阵。
具体的，第二初始转换矩阵可以直接将X射线源发出的X射线直接转换为扫描对象的X射线图像。具体可以根据经验设置每个厚度的扫描对象的第二初始转换矩阵。例如，在X射线成像设备为乳腺机时，将PMMA模体的厚度分为0cm～7cm的八个厚度等级，并为每个厚度的PMMA模体分别配置对应的第二初始转换矩阵。其中0cm代表空拍图像。
步骤S83，根据最优能谱对X射线源进行建模，并根据第二初始转换矩阵对探测器进行建模，以得到扫描对象的X射线图像。
具体的，由于最优能谱已经确定，因此根据最优能谱对X射线源进行建模能够得到比较准确的X射线模型，只需要确定建立探测器模型所需要的最优转换函数即可，本实施例中由于最优转换函数表示探测器将X射线源发出的X射线转换为扫描对象的X射线图像的转换关系，最优转换矩阵为最优转换函数中的系数，因此只需要确定最优转换矩阵即可。利用最优能谱建立的X射线源模型和第二转化矩阵建立的探测器模型可以得到扫描对象的X射线图像。
步骤S84，获取实测图像，并找到与实测图像最接近的X射线图像，以在第二初始转换矩阵中确定各不同厚度的扫描对象对应的最优转换矩阵。
具体的，可以利用X射线成像设备对模拟扫描对象的扫描部位的模体进行扫描成像，以获取实测图像，也可以在患者的病历中找到符合条件的扫描图像作为实测图像。模体可以采用PMMA模体、均匀的水膜等，模体形状根据实际需求设置即可。例如，在X射线成像设备为乳腺机时，可以采用圆柱体模体、长方体模体、半球形模体等。
每个厚度的扫描对象均可以对应配置有多个第二初始转换矩阵，并分别最优能谱建立的X射线源模型和这些第二初始转换矩阵建立的探测器模型分别得到多个X射线图像，在这些X射线图像中找到与实测图像最接近的一个，以该X射线图像对应的第二初始转换矩阵作为最优转换矩阵。
在其他实施例中，还可以为同一个厚度的扫描对象只设置一个第二初始转换矩阵，并利用该X射线源模型和该第二初始转换矩阵建立的探测器模型得到X射线图像。将得到的X射线图像与实测图像进行对比，若它们之间的误差超出阈值，对第二初始转换矩阵进行修正后再建模并得到新的X射线图像，直到X射线图像与实测图像之间的误差小于等于阈值。在对第二初始转换矩阵进行修正时可以基于机器学习算法等进行修正，使得到的X射线图像越来越接近实测图像。
步骤S85，根据最优能谱对X射线源进行建模，并根据最优转换矩阵对探测器进行建模，以得到X射线成像设备的模型
需要说明的是，上述各具体的X射线成像设备的建模方法实施例中的各步骤可以进行任意合理的组合，从而形成更多X射线成像设备的建模方法的实施方式。例如将第一个具体建模方法中的初始能谱直接用第三个具体建模方法中获取的最优能谱替代，此处只是一个示例性的举例，其余各种组合方式不再赘述。
本申请还提供一种X射线图像的建模方法，包括：
利用如上任一实施例中的X射线成像设备的建模方法，得到X射线成像设备的模型；以及
利用X射线成像设备的模型，得到扫描对象的X射线图像。
本申请还提供一种X射线成像设备的建模装置，X射线成像设备包括用于发出X射线的X射线源以及用于将穿透扫描对象的X射线转换为X射线图像的探测器。如图9所示，建模装置900包括能谱获取模块910、转换函数获取模块920以及建模模块930。
能谱获取模块910用于获取X射线源发出的X射线的最优能谱。转换函数获取模块920用于获取探测器对X射线的最优转换函数。建模模块930用于根据最优能谱对X射线源进行建模，并根据最优转换函数对所述探测器进行建模，以得到X射线成像设备的模型。本实施例中的能谱获取模块910、转换函数获取模块920以及建模模块930可以对应实现上述X射线成像设备的建模方法各实施例中的对应步骤，此处不再赘述。
本申请还提供一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器执行时可以使得处理器执行上述任意一个实施例中辐射控制修复方法的步骤。
上述对于计算机可读存存储介质的限定可以参见上文中对于方法的具体限定，在此不再赘述。
需要说明的是，本领域普通技术人员可以理解实现上述方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，该程序可存储于一计算机可读取存储介质中；上述的程序在执行时，可包括如上述各方法的实施例的流程。其中，上述存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，简称ROM)或随机存储记忆体(Random Access Memory，简称RAM)等。
以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种X射线成像设备的建模方法，所述X射线成像设备包括用于发出X射线的X射线源以及用于将穿透扫描对象的X射线转换为X射线图像的探测器；其特征在于，所述建模方法包括：
获取所述X射线源发出的X射线的最优能谱；
获取所述探测器的最优转换函数；以及
根据所述最优能谱对所述X射线源进行建模，并根据所述最优转换函数对所述探测器进行建模，以得到所述X射线成像设备的模型。
2.根据权利要求1所述的建模方法，其特征在于，所述获取所述X射线源发出的X射线的最优能谱和获取所述探测器对所述X射线的最优转换函数，包括：
获取初始能谱和第一初始转换矩阵；
获取单能剂量核；
基于所述初始能谱，将多个不同的单能剂量核拼接成多能剂量核；
获取所述多能剂量核的X射线在所述扫描对象内的剂量分布；
根据所述第一初始转换矩阵和所述剂量分布，得到所述扫描对象的X射线图像；以及
获取实测图像，并找到与所述实测图像最接近的所述X射线图像，以在多个所述初始能谱中确定所述最优能谱和在多个所述第一初始转换矩阵中确定最优转换矩阵；
其中，所述最优转换函数表示所述探测器将所述剂量分布转换为所述X射线图像的转换关系，所述最优转换矩阵为所述最优转换函数中的系数。
3.根据权利要求2所述的建模方法，其特征在于，所述获取初始能谱和第一初始转换矩阵，包括：
根据所述X射线成像设备的性能参数，配置所述初始能谱和所述第一初始转换矩阵。
4.根据权利要求2或3所述的建模方法，其特征在于，所述获取所述多能剂量核的X射线在所述扫描对象内的剂量分布，包括：
根据所述X射线成像设备的性能参数，配置通量矩阵；
获取光子通量分布初值，并根据所述光子通量分布初值，得到所述多能剂量核的X射线的光子通量分布；所述光子通量分布初值为各所述单能剂量核的X射线的光子通量分布；
根据衰减规律、所述通量矩阵以及所述多能剂量核的X射线的光子通量分布，得到穿透所述扫描对象衰减后的光子通量分布；以及
对所述衰减后的光子通量分布和所述多能剂量核进行卷积，以得到所述剂量分布。
5.根据权利要求1所述的建模方法，其特征在于，所述获取所述X射线源发出的X射线的最优能谱和获取所述探测器对所述X射线的最优转换函数，包括：
获取初始能谱和初始转换函数；
获取单能剂量核；
基于所述初始能谱，将多个不同的单能剂量核拼接成多能剂量核；
获取所述多能剂量核的X射线在穿透所述扫描对象衰减后的光子通量分布；
根据所述初始转换函数和所述衰减后的光子通量分布，得到所述扫描对象的X射线图像；
获取实测图像，并找到与所述实测图像最接近的所述X射线图像，以在多个所述初始能谱中确定所述最优能谱和在多个所述初始转换函数中确定所述最优转换函数；
其中，所述最优转换函数表示所述探测器将穿透所述扫描对象衰减后的多能剂量核的X射线转换为X射线图像的转换关系。
6.根据权利要求5所述的建模方法，其特征在于，所述获取初始转换函数，包括：
根据所述探测器的图纸得到所述探测器对每个单能光子的转换函数初值；
获取穿透所述扫描对象的衰减X射线能谱；以及
基于所述衰减X射线能谱，将多个所述单能光子拼接成所述多能剂量核衰减后的X射线，并根据所述转换函数初值，得到所述初始转换函数。
7.根据权利要求1所述的建模方法，其特征在于，所述获取所述探测器对所述X射线的最优转换函数，包括：
分别获取每个厚度的所述扫描对象的第二初始转换矩阵；
根据所述最优能谱对所述X射线源进行建模，并根据所述第二初始转换矩阵对所述探测器进行建模，以得到所述扫描对象的X射线图像；
获取实测图像，并找到与所述实测图像最接近的所述X射线图像，以在所述第二初始转换矩阵中确定各不同厚度的所述扫描对象对应的最优转换矩阵；
其中，所述最优转换函数表示所述探测器将所述X射线源发出的X射线转换为所述扫描对象的X射线图像的转换关系，所述最优转换矩阵为所述最优转换函数中的系数。
8.根据权利要求1或7所述的建模方法，其特征在于，所述获取所述X射线源发出的X射线的最优能谱，包括：
利用蒙特卡罗算法模拟所述X射线源，以获取所述最优能谱；
或者，利用所述X射线成像设备的所述X射线源进行试验，以获取所述最优能谱。
9.一种X射线图像的建模方法，其特征在于，包括：
利用如权利要求1至8任一所述的X射线成像设备的建模方法，得到X射线成像设备的模型；以及
利用所述X射线成像设备的模型，得到所述扫描对象的X射线图像。
10.一种X射线成像设备的建模装置，所述X射线成像设备包括用于发出X射线的X射线源以及用于将穿透扫描对象的X射线转换为X射线图像的探测器；其特征在于，所述建模装置包括：
能谱获取模块，用于获取所述X射线源发出的X射线的最优能谱；
转换函数获取模块，用于获取所述探测器对所述X射线的最优转换函数；以及
建模模块，用于根据所述最优能谱对所述X射线源进行建模，并根据所述最优转换函数对所述探测器进行建模，以得到所述X射线成像设备的模型。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010580387.8A CN111914392B (zh) | 2020-06-23 | 2020-06-23 | X射线成像设备和x射线图像的建模方法、装置 |
| PCT/CN2021/101923 WO2021259339A1 (zh) | 2020-06-23 | 2021-06-23 | 一种x射线成像设备的建模方法和装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010580387.8A CN111914392B (zh) | 2020-06-23 | 2020-06-23 | X射线成像设备和x射线图像的建模方法、装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111914392A true CN111914392A (zh) | 2020-11-10 |
| CN111914392B CN111914392B (zh) | 2024-05-24 |
Family
ID=73227842
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010580387.8A Active CN111914392B (zh) | 2020-06-23 | 2020-06-23 | X射线成像设备和x射线图像的建模方法、装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111914392B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2021259339A1 (zh) * | 2020-06-23 | 2021-12-30 | 上海联影医疗科技股份有限公司 | 一种x射线成像设备的建模方法和装置 |
| CN116188619A (zh) * | 2023-04-26 | 2023-05-30 | 北京唯迈医疗设备有限公司 | 一种生成用于训练的x射线图像对的方法、装置和介质 |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO1994021189A2 (de) * | 1993-03-22 | 1994-09-29 | Siemens Aktiengesellschaft | Verfahren zur bildgebenden darstellung einer partie des menschlichen körpers |
| US20140185748A1 (en) * | 2012-12-28 | 2014-07-03 | Samsung Electronics Co., Ltd. | X-ray imaging apparatus, x-ray detection device, and x-ray image generation method |
| US20150301202A1 (en) * | 2014-04-18 | 2015-10-22 | Hitachi, Ltd. | X-ray energy spectrum measurement method, x-ray energy spectrum measurement apparatus, and x-ray ct apparatus |
| CN105628718A (zh) * | 2014-11-04 | 2016-06-01 | 同方威视技术股份有限公司 | 多能谱x射线光栅成像系统与成像方法 |
| WO2016128828A1 (en) * | 2015-02-13 | 2016-08-18 | Align Technology, Inc. | Three-dimensional tooth modeling using a two-dimensional x-ray image |
| CN106057050A (zh) * | 2016-08-16 | 2016-10-26 | 东北大学 | 一种基于gate平台的荧光ct系统模拟方法 |
| CN106651982A (zh) * | 2016-12-16 | 2017-05-10 | 西安交通大学 | 一种基于阵列x射线源和探测器的ct图像重建方法 |
| CN107315019A (zh) * | 2017-07-25 | 2017-11-03 | 清华大学 | 射线透射和荧光ct成像系统和成像方法 |
| CN108281191A (zh) * | 2017-12-29 | 2018-07-13 | 深圳大学 | 一种能谱计算机断层扫描剂量的蒙特卡罗模拟方法及系统 |
| CN110009988A (zh) * | 2019-04-26 | 2019-07-12 | 安徽核芯电子科技有限公司 | 一种射线源及探测器系统模拟器 |
-
2020
- 2020-06-23 CN CN202010580387.8A patent/CN111914392B/zh active Active
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO1994021189A2 (de) * | 1993-03-22 | 1994-09-29 | Siemens Aktiengesellschaft | Verfahren zur bildgebenden darstellung einer partie des menschlichen körpers |
| US20140185748A1 (en) * | 2012-12-28 | 2014-07-03 | Samsung Electronics Co., Ltd. | X-ray imaging apparatus, x-ray detection device, and x-ray image generation method |
| US20150301202A1 (en) * | 2014-04-18 | 2015-10-22 | Hitachi, Ltd. | X-ray energy spectrum measurement method, x-ray energy spectrum measurement apparatus, and x-ray ct apparatus |
| CN105628718A (zh) * | 2014-11-04 | 2016-06-01 | 同方威视技术股份有限公司 | 多能谱x射线光栅成像系统与成像方法 |
| WO2016128828A1 (en) * | 2015-02-13 | 2016-08-18 | Align Technology, Inc. | Three-dimensional tooth modeling using a two-dimensional x-ray image |
| CN106057050A (zh) * | 2016-08-16 | 2016-10-26 | 东北大学 | 一种基于gate平台的荧光ct系统模拟方法 |
| CN106651982A (zh) * | 2016-12-16 | 2017-05-10 | 西安交通大学 | 一种基于阵列x射线源和探测器的ct图像重建方法 |
| CN107315019A (zh) * | 2017-07-25 | 2017-11-03 | 清华大学 | 射线透射和荧光ct成像系统和成像方法 |
| CN108281191A (zh) * | 2017-12-29 | 2018-07-13 | 深圳大学 | 一种能谱计算机断层扫描剂量的蒙特卡罗模拟方法及系统 |
| CN110009988A (zh) * | 2019-04-26 | 2019-07-12 | 安徽核芯电子科技有限公司 | 一种射线源及探测器系统模拟器 |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2021259339A1 (zh) * | 2020-06-23 | 2021-12-30 | 上海联影医疗科技股份有限公司 | 一种x射线成像设备的建模方法和装置 |
| CN116188619A (zh) * | 2023-04-26 | 2023-05-30 | 北京唯迈医疗设备有限公司 | 一种生成用于训练的x射线图像对的方法、装置和介质 |
| CN116188619B (zh) * | 2023-04-26 | 2023-09-01 | 北京唯迈医疗设备有限公司 | 一种生成用于训练的x射线图像对的方法、装置和介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111914392B (zh) | 2024-05-24 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR102020221B1 (ko) | 치과용 콘-빔 ｃｔ의 산란선 보정방법 및 보정장치 | |
| EP2321009B1 (en) | Radiotherapy apparatus | |
| Wu et al. | Metal artifact correction for x‐ray computed tomography using kV and selective MV imaging | |
| DE102010042388A1 (de) | Verfahren zur Kalibrierung eines CT-Systems mit zumindest einer Fokus-Detektor-Kombination mit einem quantenzählenden Detektor | |
| DE102009053664A1 (de) | Verfahren zur empirischen Bestimmung einer Korrekturfunktion zur Korrektur von Strahlungsaufhärtungs- und Streustrahleneffekten in der Projektionsradiografie und in der Computertomografie | |
| Starman et al. | Investigation into the optimal linear time‐invariant lag correction for radar artifact removal | |
| Paudel et al. | Evaluation of normalized metal artifact reduction (NMAR) in kVCT using MVCT prior images for radiotherapy treatment planning | |
| CN111914392A (zh) | X射线成像设备和x射线图像的建模方法、装置 | |
| DE102012222714A1 (de) | Ermittlung eines Mehrfachenergie-Bildes | |
| US8938104B2 (en) | Systems and methods for adaptive filtering | |
| Robar et al. | Volume‐of‐interest cone‐beam CT using a 2.35 MV beam generated with a carbon target | |
| Verellen et al. | On-line portal imaging: image quality defining parameters for pelvic fields—a clinical evaluation | |
| Mettivier et al. | Evaluation of scattering in cone-beam breast computed tomography: A Monte Carlo and experimental phantom study | |
| CN104586416B (zh) | 衰减图及正电子发射断层图像生成方法和装置 | |
| CN106709913B (zh) | 锥束ct入射强度计算方法和装置 | |
| Schreiner et al. | Metal artifact suppression in megavoltage computed tomography | |
| KR101937651B1 (ko) | 인광판을 삽입한 팬텀을 이용한 토모테라피 장치 | |
| DE102010061884B4 (de) | Verfahren zur Dosiseinstellung für ein Röntgensystem und Röntgensystem | |
| Huck | Development and validation of two novel x-ray filters in computed tomography with focus on fluence modulation for region-of-interest imaging | |
| CN109846501B (zh) | 散射线校正方法及终端 | |
| CN115251958A (zh) | 曝光异常预警方法、装置、计算机设备和存储介质 | |
| Cantù | A system for verifying the repeatability of dose delivery based on simultaneous acceleration of Helium and Carbon ions | |
| Mobini | An Evaluation of Kilo Voltage Image Quality Produced by an On-Board Imager System | |
| CN117771563A (zh) | 运动管理下的离子束照射反馈方法、装置、设备及介质 | |
| CN103764037B (zh) | 医用图像处理装置及x射线计算机断层摄影装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| 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 | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant |