CN114494503A - 一种基于测量对象约束的透射图像迭代重建方法 - Google Patents

一种基于测量对象约束的透射图像迭代重建方法 Download PDF

Info

Publication number
CN114494503A
CN114494503A CN202210352590.9A CN202210352590A CN114494503A CN 114494503 A CN114494503 A CN 114494503A CN 202210352590 A CN202210352590 A CN 202210352590A CN 114494503 A CN114494503 A CN 114494503A
Authority
CN
China
Prior art keywords
image
attenuation coefficient
transmission
pixel matrix
reconstructed
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202210352590.9A
Other languages
English (en)
Other versions
CN114494503B (zh
Inventor
白怀勇
庞成果
赵德山
苏明
李永明
熊忠华
夏斌元
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Institute of Materials of CAEP
Original Assignee
Institute of Materials of CAEP
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Institute of Materials of CAEP filed Critical Institute of Materials of CAEP
Priority to CN202210352590.9A priority Critical patent/CN114494503B/zh
Publication of CN114494503A publication Critical patent/CN114494503A/zh
Application granted granted Critical
Publication of CN114494503B publication Critical patent/CN114494503B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/00—2D [Two Dimensional] image generation
    • G06T11/003—Reconstruction from projections, e.g. tomography
    • 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
    • A61B6/5211—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data
    • 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)
  • Life Sciences & Earth Sciences (AREA)
  • Medical Informatics (AREA)
  • Physics & Mathematics (AREA)
  • Radiology & Medical Imaging (AREA)
  • Heart & Thoracic Surgery (AREA)
  • High Energy & Nuclear Physics (AREA)
  • Theoretical Computer Science (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Optics & Photonics (AREA)
  • Pathology (AREA)
  • Veterinary Medicine (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • General Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Pulmonology (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Analysing Materials By The Use Of Radiation (AREA)

Abstract

本发明涉及一种基于测量对象约束的透射图像迭代重建方法，属于图像重建技术领域。先根据测量对象所包括的物质种类建立衰减系数库，衰减系数库包括测量对象所包含的每一种物质对透射射线的衰减系数，以获取测量对象的物质信息。然后在衰减系数库的约束下进行图像迭代重建，从而将测量对象的物质信息作为已知量代入图像重建过程以对重建图像进行约束，进而获得更高质量的重建图像。

Description

一种基于测量对象约束的透射图像迭代重建方法
技术领域
本发明涉及图像重建技术领域，具体是涉及一种基于测量对象约束的透射图像迭代重建方法。
背景技术
基于X射线、γ射线和中子的成像检测技术在医疗、工业探伤、无损检测等方面应用十分广泛，而决定重建图像质量的关键因素之一是图像重建技术。目前应用较为广泛的图像重建技术有滤波反投影技术和迭代重建技术，且两种重建技术各有优劣。在投影角度较多、数据完备的前提下，利用滤波反投影技术通常能获得更高质量的重建图像，而在投影角度较少或数据不完备时，利用迭代重建技术通常能获得更高质量的重建图像。
考虑到X射线会对人体造成伤害，医疗CT的一个研究核心就是在保证诊断准确度的前提下尽可能减少人体所承受的射线剂量，于是，相关领域的许多科研人员都对迭代图像重建算法进行了研究并取得了丰硕的成果，大幅减少了人体所承受的剂量，同时也减少了图像重建所需要的时间。而在工业探伤和无损检测方面，受成本、测量时间等限制，测量的投影角度通常有限，因而迭代图像重建算法应用也成为重点研究方向。
当前，图像重建技术通常仅利用了测量数据，导致在投影角度较少或数据不完备时，重建图像的精度通常不高，鉴于此，亟需提出一种能够提高重建精度的迭代重建方法。考虑到绝大部分情况下，人体的各种组织（包括病灶）的成分、密度总是限制在一定范围内，所以可以计算出人体内各组织对X射线的衰减能力。而工业探伤及无损检测等对象的成分、密度通常更加单一，绝大部分情况下只有一两种或数种，其对所用射线的衰减能力也可通过计算获得。如能将这些信息代入迭代重建算法以对重建图像进行约束，图像重建算法极可能会因已知信息更加丰富而呈现更高质量的重建图像。
发明内容
本发明的目的是提供一种基于测量对象约束的透射图像迭代重建方法，其将测量对象的物质信息作为已知量代入图像重建过程以对重建图像进行约束，从而获得更高质量的重建图像。该迭代重建方法可应用于医疗CT诊断、高能X/γ成像检测、中子成像检测等。
为实现上述目的，本发明提供了如下方案：
一种基于测量对象约束的透射图像迭代重建方法，利用衰减系数库对图像重建过程进行约束，所述迭代重建方法包括：
S1.根据测量对象所包括的物质种类建立衰减系数库；所述衰减系数库包括所述测量对象所包含的每一种物质对透射射线的衰减系数；
S2.在所述衰减系数库的约束下，对所述测量对象对应的待重建透射图像进行迭代重建，得到重建图像。
根据本发明提供的具体实施例，本发明公开了以下技术效果：
本发明用于提供一种基于测量对象约束的透射图像迭代重建方法，先根据测量对象所包括的物质种类建立衰减系数库，衰减系数库包括测量对象所包含的每一种物质对透射射线的衰减系数，以获取测量对象的物质信息。然后在衰减系数库的约束下，对测量对象对应的待重建透射图像进行迭代重建，得到重建图像，从而将测量对象的物质信息作为已知量代入图像重建过程以对重建图像进行约束，从而获得更高质量的重建图像，重建精度高。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明所提供的迭代重建方法的方法流程图；
图2为本发明所提供的不同迭代次数下的重建图像示意图，其中(a)为原图，(b)为迭代100次的重建图，(c)为迭代500次的重建图；
图3为本发明所提供的已有SART图像重建方法在不同投影角度下的重建图像示意图，其中(a)为无约束时60个投影角度的迭代结果；(b)为增加像素约束条件为0到衰减系数库中最大值的1.2倍后60个投影角度的迭代结果；(c)为180个投影角度的迭代结果。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
如图1所示，本发明提供一种基于测量对象约束的透射图像迭代重建方法，具体包括：
S1.根据测量对象所包括的物质种类建立衰减系数库，其包括测量对象所包含的每一种物质对透射射线的衰减系数；
S1的具体实施方法为：
（1）确定测量对象内所包括的物质种类，物质种类可为如人体组织、金属、塑料、环境中的空气等。
测量对象是指被测量对象，比如人体某个部分，或者需要检测的物件。测量对象所包括的物质种类和测量对象有关，比如不锈钢部件，其就只有不锈钢，如果是人体，就有各个器官、水分、骨等。
（2）利用衰减系数计算公式计算测量对象所包含的每一种物质对透射射线的衰减系数，并将其加入衰减系数库。
衰减系数计算公式为：
Figure 366589DEST_PATH_IMAGE001
；
其中，w为衰减系数，i为物质包含的第i种核素，E max 为透射射线的能量上限，
Figure 736259DEST_PATH_IMAGE002
为第i种核素的原子个数密度，即单位体积内第i种核素的原子个数，
Figure 453679DEST_PATH_IMAGE003
为透射射线的能量分布，
Figure 176785DEST_PATH_IMAGE004
为第i种核素与能量为E的透射射线发生相互作用的全截面；d为微分符号。
当核素种类、原子个数密度、能量分布或者全截面不能精确获得，导致w无法精确求取时，则可将利用衰减系数计算公式计算得到的衰减系数及其附近的离散值均加入衰减系数库。例如，w的不确定度为x%时，则可将w(1−3x%)、w(1−2x%)、w(1−x%)、w、w(1+x%)、w(1+2x%)和w(1+3x%)这7个衰减系数均加入衰减系数库。
（3）将衰减系数库中的所有衰减系数按照从小到大的顺序或者按照从大到小的顺序进行排序。
S2.在所述衰减系数库的约束下，对所述测量对象对应的待重建透射图像进行迭代重建，得到重建图像。
S2可以包括：
（1）根据成像系统的几何布局（包括源、样品和探测器）计算每一个投影角度下的每一条透射射线与待重建透射图像的每一像素的相交长度，并以此建立计算矩阵R，其中，第i条透射射线与第j个像素相交的长度用R i,j表示。如果第i条透射射线未穿过第j个像素，则R i,j为0；否则R i,j为第i条透射射线与第j个像素重叠的线段长度，计算透射射线与各个像素相交线段的长度为现有方法，本实施例对此不再进行赘述。
成像系统是指由源、样品、探测器组成的系统，透射射线从源出发，穿过样品后被探测器探测，所有探测器测到的数据称一个投影角度对应的透射曲线。在测完一个投影角度对应的透射曲线后，将样品旋转一个角度（即投影间隔角度），然后测量第二个投影角度对应的透射曲线，如此循环，直到得到全部投影角度对应的透射曲线。透射射线即为源与每一探测器的连线，则对于每一投影角度，透射射线的数目等于探测器的数目，则计算矩阵的行数等于投影角度个数*探测器个数，列数等于待重建透射图像的像素个数。
（2）判断衰减系数库的元素个数是奇数还是偶数，若是奇数，则选取位于衰减系数库中间的一个衰减系数作为中间值；若是偶数，则选取位于衰减系数库中间的两个衰减系数的平均值作为中间值。而后，令待重建透射图像的每一像素的像素值均取衰减系数库的中间值，以对待重建透射图像进行初始化，得到初始化图像。
（3）构建初始化图像对应的像素矩阵，并利用联合代数迭代算法SART调整像素矩阵的元素值，得到调整后像素矩阵；调整过程中，像素矩阵所有元素的取值范围均为[0，1.2a]（a为衰减系数库的最大值），其具体步骤可以包括：
（3.1）构建初始化图像对应的像素矩阵，其第i行第j列的元素值即为初始化图像第i行第j列的像素值。
（3.2）将像素矩阵按列进行头尾相连，构成一个列向量，该列向量的第bm+c个元素即为像素矩阵第b+1列第c行的元素，其中m为像素矩阵的行数。
（3.3）利用联合代数迭代算法SART对上述列向量的每一个值进行调整，该算法通过不断更新每个元素的值，使计算得到的计算透射曲线与测量得到的测量透射曲线之间的相对偏差尽可能小，直到相对偏差小于预设阈值或者迭代次数达到预设迭代次数，从而获得各个元素值的最优解。在调整过程中，列向量各个元素值的约束条件为0到衰减系数库中最大值的1.2倍，预设迭代次数可根据需要进行调整，例如10次、50次或200次等。需要指出，也可利用其它迭代重建算法对上述列向量的每一个值进行调整，如最小二乘法。
（3.4）根据（3.3）迭代得到的列向量的值调整像素矩阵，使像素矩阵的第b+1列第c行的元素为列向量的第bm+c个元素，得到调整后像素矩阵。
（4）对调整后像素矩阵进行一次迭代调整，得到迭代后像素矩阵；同时迭代次数加1，迭代次数的初始值为0；
可以采用SART对调整后像素矩阵进行一次迭代调整，即重复步骤（3.2）、（3.3）和（3.4），在执行步骤（3.3）时，将预设迭代次数设为1，以得到迭代后像素矩阵。
（5）将平滑矩阵与迭代后像素矩阵做卷积以对迭代后像素矩阵进行平滑，得到平滑后像素矩阵。而后，根据平滑后像素矩阵对初始化图像进行更新，使其第i行第j列的像素值为平滑后像素矩阵的第i行第j列的元素值，得到更新后图像。平滑矩阵可为[0.0751，0.1238，0.0751；0.1238，0.2043，0.1238；0.0751，0.1238，0.0751]或高斯矩阵等。
（6）对于平滑后像素矩阵的第一行、最后一行、第一列和最后一列以外的其它元素，依次求取该元素与其周围8个元素（共9个元素）的平均值。如果这9个元素值与其平均值的相对偏差均小于设定阈值（例如3%），则更新后图像对应于这9个元素的像素值均变为衰减系数库中与该平均值最为接近的衰减系数，以利用衰减系数库对更新后图像进行约束，得到重建图像。
（7）根据计算矩阵和重建图像获取计算透射曲线，并计算该计算透射曲线与测量透射曲线之间的相对偏差e。计算透射曲线Iter_Cur的获取方法为：Iter_Cur=R×V_IM，其中R为上文中建立的计算矩阵，V_IM是重建图像对应的列向量。测量透射曲线由所有投影角度的透射曲线首尾相连组合而成。V_IM的建立方法为：建立列向量，该列向量的第bm+c个元素为重建图像第b+1列第c行的像素值，其中m为重建图像的行数。
（8）判断相对偏差e是否小于预设阈值，且判断当前迭代次数是否达到预设迭代次数。若相对偏差e小于预设阈值（例如1%），或者当前迭代次数达到预设迭代次数（例如200次），则迭代结束，得到重建图像IM；否则，重复步骤（4）至（8），直至相对偏差e小于预设阈值或当前迭代次数达到预设迭代次数，从而得到重建图像IM。
为了对提供的基于测量对象约束的透射图像迭代重建方法的效果予以说明，下面将以下述实施例作简单地介绍：
(1)200个探测器，以源为中心呈扇形分布，探测器之间的夹角为0.25°，样品模型为Sheep-Slogan；(2)探测器与源的间距为250 cm，样品中心与源的间距为30 cm；(3)投影角度间隔6°，数目为60个；射线从源出发，穿过样品后被探测器探测，所有探测器测到的数据称一个投影角度对应的透射曲线，在获得第一个投影角度对应的透射曲线后，将样品旋转6°，然后获得第二个投影角度对应的透射曲线，如此重复，直至获取60个投影角度对应的透射曲线，然后将其首尾相连，组成一个透射曲线的列向量，即为测量透射曲线；(4)待重建透射图像的像素点为128×128，尺寸为25 cm×25 cm。
利用本发明提供的重建方法得到的重建图像如图2所示，其中图2(a)为Sheep-Slogan模型的原图（即待重建透射图像），图2(b)为迭代100次的重建图像，其与原图的SSIM（结构相似度）为0.85，图2(c)为迭代500次的重建图像，其与原图的结构相似度达0.93。基于上述实施例，在迭代500次的前提下，采用现有广泛应用的SART迭代重建方法获得的重建图像伪影较为严重，如图3(a)所示。在增加重建图像像素之值为0到衰减系数库中最大值的1.2倍的约束条件后，采用SART迭代重建方法获得的重建图像的还原度明显增加，与原图的结构相似度达到了0.90，如图3(b)所示，但仍低于本方法的0.93。为了使重建图像与原图的结构相似度与本方法相近，投影角度间隔需降低至2°，投影数目增加至180个。此时用SART迭代重建方法得到的重建图像与原图的结构相似度才能达到0.92，如图3(c)所示。这说明，以Sheep-Slogan模型为参照时，在重建图像还原度相当的前提下，本方法的迭代结果可将投影角度的数目缩减至原来的1/3，相应的辐射剂量也可以缩减至原来的1/3。60个投影角度的迭代重建图像表明，本方法能将重建图像与原始图像的结构相似度由0.90提高至0.93。
需要指出，本文中应用了具体案例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。

Claims (3)

1.一种基于测量对象约束的透射图像迭代重建方法，其特征在于，利用衰减系数库对图像重建过程进行约束，所述迭代重建方法包括：
S1.根据测量对象所包括的物质种类建立衰减系数库；所述衰减系数库包括所述测量对象所包含的每一种物质对透射射线的衰减系数；
S2.在所述衰减系数库的约束下，对所述测量对象对应的待重建透射图像进行迭代重建，得到重建图像。
2.根据权利要求1所述的迭代重建方法，其特征在于，S1具体包括：
（1）确定测量对象所包括的物质种类；
（2）利用衰减系数计算公式计算所述测量对象所包含的每一种物质对透射射线的衰减系数，并将所述衰减系数加入衰减系数库；
所述衰减系数计算公式为：
Figure 849418DEST_PATH_IMAGE001
；
其中，w为衰减系数，i为物质包含的第i种核素，E max 为透射射线的能量上限，
Figure 858831DEST_PATH_IMAGE002
为第i种核素的原子个数密度，
Figure 532389DEST_PATH_IMAGE003
为透射射线的能量分布，
Figure 652661DEST_PATH_IMAGE004
为第i种核素与能量为E的透射射线发生相互作用的全截面；d为微分符号；
（3）将所述衰减系数库中的所有衰减系数按照从小到大的顺序或者按照从大到小的顺序进行排序。
3.根据权利要求1所述的迭代重建方法，其特征在于，S2具体包括：
（1）根据成像系统的几何布局计算每一个投影角度下的每一条透射射线与所述测量对象对应的待重建透射图像的每一像素的相交长度，以建立计算矩阵；
（2）令所述待重建透射图像的每一像素的像素值均取所述衰减系数库的中间值，以对所述待重建透射图像进行初始化，得到初始化图像；
（3）构建所述初始化图像对应的像素矩阵，并利用联合代数迭代算法SART调整所述像素矩阵的元素值，得到调整后像素矩阵；
（4）对所述调整后像素矩阵进行一次迭代调整，得到迭代后像素矩阵；同时迭代次数加1；
（5）平滑所述迭代后像素矩阵，得到平滑后像素矩阵；根据所述平滑后像素矩阵对所述初始化图像进行更新，使其第i行第j列的像素值为所述平滑后像素矩阵的第i行第j列的元素值，得到更新后图像；
（6）对于所述平滑后像素矩阵的第一行、最后一行、第一列和最后一列以外的其它元素，依次求取该元素与其周围8个元素的平均值，如果这9个元素值与该平均值的相对偏差均小于设定阈值，则所述更新后图像对应于这9个元素的像素值均变为所述衰减系数库中与该平均值最为接近的衰减系数，以利用所述衰减系数库对所述更新后图像进行约束，得到重建图像；
（7）根据所述计算矩阵和所述重建图像获取计算透射曲线，并计算所述计算透射曲线与测量透射曲线之间的相对偏差e；
（8）判断所述相对偏差e是否小于预设阈值，且判断当前迭代次数是否达到预设迭代次数；若所述相对偏差e小于预设阈值，或者当前迭代次数达到预设迭代次数，则迭代结束，得到重建图像；否则，以所述重建图像作为初始化图像，以所述重建图像对应的像素矩阵作为调整后像素矩阵，重复步骤（4）至（8），直至所述相对偏差e小于预设阈值或当前迭代次数达到预设迭代次数。
CN202210352590.9A 2022-04-06 2022-04-06 一种基于测量对象约束的透射图像迭代重建方法 Active CN114494503B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210352590.9A CN114494503B (zh) 2022-04-06 2022-04-06 一种基于测量对象约束的透射图像迭代重建方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210352590.9A CN114494503B (zh) 2022-04-06 2022-04-06 一种基于测量对象约束的透射图像迭代重建方法

Publications (2)

Publication Number Publication Date
CN114494503A true CN114494503A (zh) 2022-05-13
CN114494503B CN114494503B (zh) 2022-07-01

Family

ID=81487580

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210352590.9A Active CN114494503B (zh) 2022-04-06 2022-04-06 一种基于测量对象约束的透射图像迭代重建方法

Country Status (1)

Country Link
CN (1) CN114494503B (zh)

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101156780A (zh) * 2007-09-04 2008-04-09 陈武凡 在pet成像中最大后验优化图像重建方法
JP2011220719A (ja) * 2010-04-05 2011-11-04 Toshiba Corp 核医学診断装置、医用画像処理装置および医用画像診断装置
CN102324089A (zh) * 2011-07-13 2012-01-18 南方医科大学 基于广义熵与mr先验的pet图像最大后验重建方法
CN103366389A (zh) * 2013-04-27 2013-10-23 中国人民解放军北京军区总医院 Ct图像重建方法
CN103400403A (zh) * 2013-07-30 2013-11-20 浙江大学 一种pet浓度与衰减系数的同时重建方法
CN104865275A (zh) * 2015-05-21 2015-08-26 中国原子能科学研究院 针对分层伽玛扫描技术透射重建失真现象提供的修正方法
CN105976413A (zh) * 2016-06-28 2016-09-28 明峰医疗系统股份有限公司 基于ct图像获取pet线性衰减系数的方法及装置
WO2019040930A1 (en) * 2017-08-25 2019-02-28 Schildkraut Jay S LOCAL X-RAY BONE DENSITY TOMOGRAPHY METHOD
CN109523605A (zh) * 2018-11-29 2019-03-26 上海联影医疗科技有限公司 一种ct图像重建的方法、装置、设备及介质
CN110533734A (zh) * 2019-04-25 2019-12-03 南方医科大学 基于传统单能ct的多能谱分段稀疏扫描迭代重建方法
CN113284210A (zh) * 2021-06-07 2021-08-20 中国原子能科学研究院 Tgs透射图像重建方法、装置、介质和电子设备
CN113552608A (zh) * 2021-07-22 2021-10-26 中国核动力研究设计院 Sgs效率刻度函数模型及构建方法、刻度方法、应用

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101156780A (zh) * 2007-09-04 2008-04-09 陈武凡 在pet成像中最大后验优化图像重建方法
JP2011220719A (ja) * 2010-04-05 2011-11-04 Toshiba Corp 核医学診断装置、医用画像処理装置および医用画像診断装置
CN102324089A (zh) * 2011-07-13 2012-01-18 南方医科大学 基于广义熵与mr先验的pet图像最大后验重建方法
CN103366389A (zh) * 2013-04-27 2013-10-23 中国人民解放军北京军区总医院 Ct图像重建方法
CN103400403A (zh) * 2013-07-30 2013-11-20 浙江大学 一种pet浓度与衰减系数的同时重建方法
CN104865275A (zh) * 2015-05-21 2015-08-26 中国原子能科学研究院 针对分层伽玛扫描技术透射重建失真现象提供的修正方法
CN105976413A (zh) * 2016-06-28 2016-09-28 明峰医疗系统股份有限公司 基于ct图像获取pet线性衰减系数的方法及装置
WO2019040930A1 (en) * 2017-08-25 2019-02-28 Schildkraut Jay S LOCAL X-RAY BONE DENSITY TOMOGRAPHY METHOD
CN109523605A (zh) * 2018-11-29 2019-03-26 上海联影医疗科技有限公司 一种ct图像重建的方法、装置、设备及介质
CN110533734A (zh) * 2019-04-25 2019-12-03 南方医科大学 基于传统单能ct的多能谱分段稀疏扫描迭代重建方法
CN113284210A (zh) * 2021-06-07 2021-08-20 中国原子能科学研究院 Tgs透射图像重建方法、装置、介质和电子设备
CN113552608A (zh) * 2021-07-22 2021-10-26 中国核动力研究设计院 Sgs效率刻度函数模型及构建方法、刻度方法、应用

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
SAXBY BROWN 等: "Investigation of the relationship between linear attenuation coefficients and CT Hounsfield units using radionuclides for SPECT", 《SCIENCEDIRECT》 *
翁文庆: "层析γ扫描透射图像重建算法研究", 《中国优秀硕士论文电子期刊网 工程科技Ⅱ辑》 *

Also Published As

Publication number Publication date
CN114494503B (zh) 2022-07-01

Similar Documents

Publication Publication Date Title
US6470070B2 (en) Image reconstruction using multiple X-ray projections
Herman et al. Fast image reconstruction based on a Radon inversion formula appropriate for rapidly collected data
Floyd et al. Inverse Monte Carlo as a unified reconstruction algorithm for ECT
Frey et al. A fast projector-backprojector pair modeling the asymmetric, spatially varying scatter response function for scatter compensation in SPECT imaging
Thibault et al. A three‐dimensional statistical approach to improved image quality for multislice helical CT
CN108292428B (zh) 图像重建的系统和方法
US5909476A (en) Iterative process for reconstructing cone-beam tomographic images
Hsieh et al. An iterative approach to the beam hardening correction in cone beam CT
US6507633B1 (en) Method for statistically reconstructing a polyenergetic X-ray computed tomography image and image reconstructor apparatus utilizing the method
US6907102B1 (en) Iterative reconstruction methods for multi-slice computed tomography
Macovski Physical problems of computerized tomography
US10049446B2 (en) Accelerated statistical iterative reconstruction
US7737972B2 (en) Systems and methods for digital volumetric laminar tomography
Natterer et al. Past and future directions in x‐ray computed tomography (CT)
US6921902B2 (en) Scatter correction device for radiative tomographic scanner
Kohli et al. Comparison of frequency-distance relationship and Gaussian-diffusion-based methods of compensation for distance-dependent spatial resolution in SPECT imaging
Cassell et al. The implementation of a generalised Batho inhomogeneity correction for radiotherapy planning with direct use of CT numbers
CN114494503B (zh) 一种基于测量对象约束的透射图像迭代重建方法
Qiu et al. Evaluating iterative algebraic algorithms in terms of convergence and image quality for cone beam CT
Zeng Noise‐weighted spatial domain FBP algorithm
Elbakri et al. Statistical x-ray-computed tomography image reconstruction with beam hardening correction
Laurette et al. Comparison of three applications of ConTraSPECT
Landmann et al. Simultaneous iterative reconstruction of emission and attenuation images in positron emission tomography from emission data only
US10573029B2 (en) Fast iterative image reconstruction method for emission tomography
Lalush et al. Attenuation and detector response compensations used with Gibbs prior distributions for maximum a posteriori SPECT reconstruction

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