CN114638910A - 一种散射校正方法、系统及可读存储介质 - Google Patents

一种散射校正方法、系统及可读存储介质 Download PDF

Info

Publication number
CN114638910A
CN114638910A CN202210357119.9A CN202210357119A CN114638910A CN 114638910 A CN114638910 A CN 114638910A CN 202210357119 A CN202210357119 A CN 202210357119A CN 114638910 A CN114638910 A CN 114638910A
Authority
CN
China
Prior art keywords
data
scatter
scattering
correction
determining
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.)
Pending
Application number
CN202210357119.9A
Other languages
English (en)
Inventor
胡仁芳
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai United Imaging Healthcare Co Ltd
Original Assignee
Shanghai United Imaging Healthcare Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shanghai United Imaging Healthcare Co Ltd filed Critical Shanghai United Imaging Healthcare Co Ltd
Priority to CN202210357119.9A priority Critical patent/CN114638910A/zh
Publication of CN114638910A publication Critical patent/CN114638910A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/002D [Two Dimensional] image generation
    • G06T11/003Reconstruction from projections, e.g. tomography
    • G06T11/005Specific pre-processing for tomographic reconstruction, e.g. calibration, source positioning, rebinning, scatter correction, retrospective gating
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00Pattern recognition
    • G06F18/20Analysing
    • G06F18/22Matching criteria, e.g. proximity measures
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/10Image acquisition modality
    • G06T2207/10072Tomographic images
    • G06T2207/10081Computed x-ray tomography [CT]
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/20Special algorithmic details
    • G06T2207/20081Training; Learning
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/20Special algorithmic details
    • G06T2207/20084Artificial neural networks [ANN]

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • General Physics & Mathematics (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Apparatus For Radiation Diagnosis (AREA)

Abstract

本说明书实施例提供了一种散射校正方法、系统及计算机可读存储介质。所述方法包括:获取扫描对象的定位扫描数据;获取所述扫描对象的断层扫描数据;基于所述断层扫描数据,确定所述扫描对象的散射估计数据;基于所述散射估计数据以及目标匹配条件,确定目标数据,所述目标匹配条件与所述定位扫描数据有关。

Description

一种散射校正方法、系统及可读存储介质
技术领域
本说明书涉及图像处理技术领域,特别涉及一种散射校正方法、系统及计算机可读存储介质。
背景技术
计算机断层扫描(Computed Tomography,CT)设备利用高能射线(如X射线、γ射线等)对扫描对象进行扫描,生成扫描图像。但是在扫描过程中,射线在穿过扫描对象时可能会发生散射,由此可能导致基于扫描生成的图像中,出现相应散射噪声,即生成的图像可能会出现发黑的条状、带状或者不均匀的杯状伪影,降低了扫描对象的软组织对比度和CT值准确性,从而影响图像质量。因此,有必要提供一种散射校正方法,提高散射校正效果。
发明内容
本说明书实施例之一提供一种散射校正方法,所述方法包括:获取扫描对象的定位扫描数据;获取所述扫描对象的断层扫描数据;基于所述断层扫描数据,确定所述扫描对象的散射估计数据;基于所述散射估计数据以及目标匹配条件,确定目标数据,所述目标匹配条件与所述定位扫描数据有关。
在一些实施例中,所述基于所述散射估计数据以及目标匹配条件,确定目标数据,包括:基于所述散射估计数据,确定散射校正数据;将所述散射校正数据中的至少部分与预设范围的定位数据进行比较,若比较结果满足阈值条件,则将所述散射校正数据确定为所述目标数据。
在一些实施例中,所述基于所述散射估计数据以及目标匹配条件,确定目标数据,包括:根据所述断层扫描数据,对所述散射估计数据进行迭代更新,直到满足所述目标匹配条件,并基于更新后的散射估计数据确定目标数据。
在一些实施例中,所述基于所述断层扫描数据,确定所述扫描对象的散射估计数据,包括:基于所述断层扫描数据,采用快速蒙特卡洛模拟算法、散射核叠加算法、深度学习网络模型中的至少一种方法,确定所述散射估计数据。
在一些实施例中,所述基于所述断层扫描数据,确定所述扫描对象的散射估计数据,进一步包括:基于设定的判断条件,对所述散射估计数据进行验证或修正。
在一些实施例中,所述判断条件为所述散射估计数据大于0且小于所述断层扫描数据与比例系数的乘积。
在一些实施例中,所述对所述散射估计数据进行迭代更新,直到满足所述目标匹配条件,包括:基于所述散射估计数据,确定所述扫描对象的散射校正数据;从所述散射校正数据与所述定位扫描数据中确定二者在相同采集角度和床码位置范围的合集投影内分别对应的散射校正投影数据与定位扫描投影数据;判断所述散射校正投影数据与所述定位扫描投影数据是否满足所述目标匹配条件。
在一些实施例中,所述判断所述散射校正投影数据与所述定位扫描投影数据是否满足所述目标匹配条件,包括:判断所述散射校正投影数据与所述定位扫描投影数据的差值平均值是否小于第一阈值,和/或判断所述散射校正投影数据与所述定位扫描投影数据的差值的总和是否小于第二阈值。
本说明书实施例之一提供一种散射校正系统,所述系统包括:定位扫描数据获取模块,用于获取扫描对象的定位扫描数据;断层扫描数据确定模块,用于获取所述扫描对象的断层扫描数据;散射估计数据确定模块,用于基于所述断层扫描数据,确定所述扫描对象的散射估计数据;校正模块,用于基于所述散射估计数据以及目标匹配条件,确定目标数据,所述目标匹配条件与所述定位扫描数据有关。
本说明书实施例之一提供一种计算机可读存储介质,所述存储介质存储计算机指令,当计算机读取所述计算机指令时,所述计算机执行如任一实施例所述的方法。
附图说明
本说明书将以示例性实施例的方式进一步说明,这些示例性实施例将通过附图进行详细描述。这些实施例并非限制性的,在这些实施例中,相同的编号表示相同的结构,其中:
图1是根据本说明书一些实施例所示的散射校正系统的应用场景示意图;
图2是根据本说明书一些实施例所示的散射校正方法的示例性流程图;
图3是根据本说明书一些实施例所示的确定散射估计数据过程的示例性流程图;
图4是根据本说明书一些实施例所示的对散射估计数据或散射校正数据进行迭代更新的示例性流程图;
图5是根据本说明书一些实施例所示的相同扫描角度下定位扫描数据与断层扫描数据的对应关系的示意图;
图6是根据本说明书一些实施例所示的散射校正系统的示例性模块图。
具体实施方式
为了更清楚地说明本说明书实施例的技术方案,下面将对实施例描述中所需要使用的附图作简单的介绍。显而易见地,下面描述中的附图仅仅是本说明书的一些示例或实施例,对于本领域的普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图将本说明书应用于其它类似情景。除非从语言环境中显而易见或另做说明,图中相同标号代表相同结构或操作。
应当理解,本文使用的“系统”、“装置”、“单元”和/或“模块”是用于区分不同级别的不同组件、元件、部件、部分或装配的一种方法。然而,如果其他词语可实现相同的目的,则可通过其他表达来替换所述词语。
如本说明书和权利要求书中所示,除非上下文明确提示例外情形,“一”、“一个”、“一种”和/或“该”等词并非特指单数,也可包括复数。一般说来,术语“包括”与“包含”仅提示包括已明确标识的步骤和元素,而这些步骤和元素不构成一个排它性的罗列,方法或者设备也可能包含其它的步骤或元素。
本说明书中使用了流程图用来说明根据本说明书的实施例的系统所执行的操作。应当理解的是,前面或后面操作不一定按照顺序来精确地执行。相反,可以按照倒序或同时处理各个步骤。同时,也可以将其他操作添加到这些过程中,或从这些过程移除某一步或数步操作。
因CT扫描中射线与物体相互作用,扫描图像多多少少会产生散射噪声,而这会直接影响扫描图像的图像质量,如何在针对扫描图像的散射校正处理中,提高校正准确性,优化校正效果,是关键的一环。定位扫描阶段,针对扫描对象获得的定位扫描数据通常是在极窄扫描光束下获得的,其散射噪声影响较小,或者说可以忽略不计。基于定位扫描数据的上述特点,通过设置与定位扫描数据有关的目标匹配条件,在基于扫描对象的断层扫描数据进行散射校正过程中,利用该优化的目标匹配条件,对根据断层扫描数据确定的散射估计数据,进行迭代更新,直至满足优化的目标匹配条件,最终获得的散射估计数据或散射校正数据准确度更高,也即提高了散射校正效率,优化了校正效果,由此使得散射校正处理后的图像,更靠近散射噪声较少的理想状态图像,大大降低了扫描图像的散射噪声影响,有效提高了图像质量。
图1是根据本说明书一些实施例所示的散射校正系统100的应用场景示意图。
散射校正系统100可以包括CT设备110、网络120、一个或多个终端130、处理设备140和存储设备150。散射校正系统100中的组件之间的连接可以是可变的。如图1所示,CT设备110可以通过网络120连接到处理设备140。又例如,CT设备110可以直接连接到处理设备140,如连接CT设备110和处理设备140的虚线双向箭头所指示的。再例如,存储设备150可以直接或通过网络120连接到处理设备140。作为示例,终端130可以直接连接到处理设备140(如连接终端130和处理设备140的虚线箭头所示),也可以通过网络120连接到处理设备140。
CT设备110可以被配置为使用高能射线(如X射线、γ射线等)对扫描对象进行扫描以收集与扫描对象有关的扫描数据。扫描数据可用于生成扫描对象的一个或以上图像。在一些实施例中,CT设备110可以包括计算机断层扫描(CT)扫描仪、数字放射线摄影(DR)扫描仪(例如,移动数字放射线摄影)、数字减影血管造影(DSA)扫描仪、动态空间重建(DSR)扫描仪、X射线显微镜扫描仪、多模态扫描仪等或其组合。示例性多模态扫描仪可以包括计算机断层摄影-正电子发射断层扫描(CT-PET)扫描仪、计算机断层摄影-磁共振成像(CT-MRI)扫描仪等。扫描对象可以是生物的或非生物的。仅作为示例,扫描对象可以包括患者、人造物体(例如模体)等。又例如,扫描对象可以包括患者的特定部位、器官和/或组织。
如图1所示,CT设备110可以包括机架111、探测器112、检测区域113、工作台114和放射源115。机架111可以支撑探测器112和放射源115。可以在工作台114上放置扫描对象以进行扫描。放射源115可以向扫描对象发射放射线。探测器112可以检测从放射源115发出的放射线(例如,X射线)。在一些实施例中,探测器112可以包括一个或以上探测器单元。探测器单元可以包括闪烁探测器(例如,碘化铯探测器)、气体探测器等。探测器单元可以包括单行探测器和/或多行探测器。
网络120可以包括可以促进散射校正系统100的信息和/或数据的交换的任何合适的网络。在一些实施例中,一个或多个散射校正系统100的组件(例如,CT设备110、终端130、处理设备140、存储设备150)可以通过网络120彼此交换信息和/或数据。例如,处理设备140可以经由网络120从CT设备110获得图像数据。又例如,处理设备140可以经由网络120从终端130获得用户指令。
网络120可以是和/或包括公共网络(例如,因特网)、专用网络(例如,局部区域网络(LAN)、广域网(WAN)等)、有线网络(例如,以太网络、无线网络(例如802.11网络、Wi-Fi网络等)、蜂窝网络(例如长期演进(LTE)网络)、帧中继网络、虚拟专用网络(“VPN”)、卫星网络、电话网络、路由器、集线器、交换机、服务器计算机和/或其任何组合。仅作为示例,网络120可以包括电缆网络、有线网络、光纤网络、电信网络、内联网、无线局部区域网络(WLAN)、城域网(MAN)、公用电话交换网络(PSTN)、蓝牙TM网络、ZigBee TM网络、近场通信(NFC)网络等或其任意组合。在一些实施例中,网络120可以包括一个或多个网络接入点。例如,网络120可以包括诸如基站和/或互联网交换点之类的有线和/或无线网络接入点,通过它们,散射校正系统100的一个或多个组件可以连接到网络120以交换数据和/或信息。
终端130可以包括移动设备131、平板计算机132、膝上型计算机133等,或其任意组合。在一些实施例中,移动设备131可以包括智能家居设备、可穿戴设备、移动设备、虚拟现实设备、增强现实设备等或其任意组合。在一些实施例中,智能家居设备可以包括智能照明设备、智能电气设备的控制设备、智能监控设备、智能电视、智能摄像机、对讲机等或其任意组合。在一些实施例中,移动设备可能包括手机、个人数字助理(PDA)、游戏设备、导航设备、销售点(POS)设备、笔记本电脑、平板电脑、台式机等或其任何组合。在一些实施例中,虚拟现实设备和/或增强现实设备包括虚拟现实头盔、虚拟现实眼镜、虚拟现实眼罩、增强现实头盔、增强现实眼镜、增强现实眼罩等或其任意组合。例如,虚拟现实设备和/或增强现实设备可以包括Google GlassTM,Oculus RiftTM,HololensTM,Gear VRTM等。在一些实施例中,终端130可以是处理设备140的一部分。
处理设备140可以处理从CT设备110、终端130和/或存储设备150获得的数据和/或信息。例如,处理设备140可以获取CT设备110获取的数据,并利用这些数据进行成像,并且对图像进行散射估计和/或散射校正。再例如,处理设备140可以从终端130获取定位扫描和/或断层扫描的扫描协议。
在一些实施例中,处理设备140可以是单个服务器或服务器组。服务器组可以是集中式或分布式的。在一些实施例中,处理设备140可以是本地的或远程的。例如,处理设备140可以经由网络120访问存储在CT设备110、终端130和/或存储设备150中的信息和/或数据。又例如,处理设备140可以直接连接到CT设备110、终端130和/或存储设备150以访问存储的信息和/或数据。在一些实施例中,处理设备140可以在云平台上实现。仅作为示例,云平台可以包括私有云、公共云、混合云、社区云、分布式云、云间、多云等或其任意组合。
存储设备150可以存储数据、指令和/或任何其他信息。在一些实施例中,存储设备150可以存储从CT设备110、终端130和/或处理设备140获得的数据。例如,存储设备150可以将从CT设备110获取的定位扫描数据和/或断层扫描数据进行存储。再例如,存储设备150可以将从终端130输入的扫描协议进行存储。再例如,存储设备150可以将处理设备140生成的数据(例如,定位片图像、断层扫描图像、散射估计数据、散射校正后的结果)进行存储。
在一些实施例中,存储设备150可以存储处理设备140可以执行或用于执行本说明书中描述的示例性方法的数据和/或指令。在一些实施例中,存储设备150包括大容量存储设备、可移动存储设备、易失性读写存储器、只读存储器(ROM)等或其任意组合。示例性大容量存储设备可以包括磁盘、光盘、固态驱动器等。示例性可移动存储设备可以包括闪存驱动器、软盘、光盘、内存卡、压缩盘、磁带等。示例性易失性读写存储器可以包括随机存取存储器(RAM)。示例性RAM可包括动态随机存取存储器(DRAM)、双倍数据速率同步动态访问存储器(DDR SDRAM)、静态随机存取存储器(SRAM)、晶闸管随机存取存储器(T-RAM)和零电容随机存取存储器(Z-RAM)等。示例性ROM可以包括掩膜式只读存储器(MROM)、可编程只读存储器(PROM)、可擦除可编程只读存储器(EPROM)、电可擦除可编程只读存储器(EEPROM)、光盘只读存储器(CD-ROM)和数字多功能磁盘重新分配存储器等。在一些实施例中,所述存储设备150可以在云平台上实现。仅作为示例,云平台可以包括私有云、公共云、混合云、社区云、分布式云、云间、多云等,或其任意组合。
在一些实施例中,存储设备150可以连接到网络120以与散射校正系统100中的一个或多个其他组件(例如,处理设备140、终端130)通信。散射校正系统100中的一个或多个组件可以经由网络120访问存储在存储设备150中的数据或指令。在一些实施例中,存储设备150可以直接连接到散射校正系统100中的一个或多个其他组件或与之通信(例如,处理设备140、终端130)。在一些实施例中,存储设备150可以是处理设备140的一部分。
关于散射校正系统100的描述旨在是说明性的,而不是限制本申请的范围。许多替代、修改和变化对本领域普通技术人员将是显而易见的。可以理解,对于本领域的技术人员来说,在了解该系统的原理后,可能在不背离这一原理的情况下,对各个模块进行任意组合,或者构成子系统与其他模块连接。在一些实施例中,图6中披露的定位扫描数据获取模块310、断层扫描数据获取模块320、散射估计数据确定模块330、校正模块340可以是一个系统中的不同模块,也可以是一个模块实现上述的两个或两个以上模块的功能。例如,各个模块可以共用一个存储模块,各个模块也可以分别具有各自的存储模块。本申请描述的示例性实施方式的特征、结构、方法和其它特征可以以各种方式组合以获得另外的和/或替代的示例性实施例。例如,处理设备140和CT设备110可以被集成到单个设备中。诸如此类的变形,均在本说明书的保护范围之内。
图2是根据本说明书一些实施例所示的散射校正方法200的示例性流程图。在一些实施例中,散射校正方法200的过程,可以由图1所示的散射校正系统100,或图6所示的散射校正系统300执行。例如,散射校正方法200可以以程序或指令的形式存储在存储设备(例如,存储设备150、处理设备140的存储单元)中,当处理设备140或图6所示的模块执行程序或指令时,可以实现散射校正方法200。在一些实施例中,散射校正方法200可以利用以下未描述的一个或以上附加操作,和/或不通过以下所讨论的一个或以上操作完成。另外,如图2所示的操作的顺序并非限制性的。
步骤210,可以获取扫描对象的定位扫描数据。在一些实施例中,步骤210可以由定位扫描数据获取模块310执行。
扫描对象可以是生物体或非生物体。在一些实施例中,扫描对象可以包括患者、患者的器官、患者的组织或患者的任何身体部位等或其任意组合。在一些实施例中,扫描对象可以是人造的扫描对象,例如水模、人体器官或组织的模体。
定位扫描数据是在针对扫描对象断层扫描前,进行定位扫描获取的扫描数据。在一些实施例中,定位扫描数据可以是定位片扫描数据。在一些实施例中,定位片扫描数据可以通过定位片扫描获取。在一些实施例中,在定位片扫描过程中,扫描光束可以设定为较窄范围,例如极窄的开缝宽度4*0.5mm。在一些实施例中,开缝宽度可以是CT设备110中准直器透过扫描光束(如X射线光束)的宽度参数。在一些实施例中,可以基于较窄的开缝宽度,设定定位片扫描的适当扫描协议参数。在一些实施例中,结合扫描功率参数,定位片扫描的扫描协议参数可以设定为120kv、30mAs、4*0.5mm。较窄扫描光束的定位扫描设置方式,能够尽可能降低扫描光束在扫描过程中产生的散射影响,可以认为在此较为理想状态没有散射,或散射影响可以忽略不计,由此获取的定位扫描数据,可以作为散射校正处理时的标准数据或参考数据。
在一些实施例中,可以设定多个定位片扫描角度来获取定位扫描数据,对于定位片扫描角度个数及其具体取值,本申请实施例不作特别限制,例如可以根据设定的若干定位片扫描角度(如0°、90°、180°、270°等),获得1~2组定位扫描数据,等等。在一些实施例中,定位片扫描角度可以设定为0°和270°,病床床码位置范围(即床码位置范围),可以为1000mm-1400mm。在一些实施例中,定位片扫描数据可以包括正位片扫描数据和/或侧位片扫描数据。在一些实施例中,正位片扫描数据的定位片扫描角度可以设定为:球管在扫描对象的正上方0°或正下方180°。在一些实施例中,侧位片扫描数据可以设定为:球管在扫描对象两个侧位方90°或270°。在一些实施例中,定位扫描数据可以表示为Itopo
在一些实施例中,步骤210可以实施为以下过程:医护人员将扫描对象在病床上完成摆位后,根据设定的定位扫描的扫描协议,执行相应定位片扫描,获得定位扫描数据。在一些实施例中,步骤210可以实施为以下过程:根据设定的定位扫描的扫描协议进行定位扫描,获得初始定位扫描数据;对初始定位扫描数据进行预处理,然后得到定位扫描数据。
步骤220,获取扫描对象的断层扫描数据。在一些实施例中,步骤220可以由断层扫描数据获取模块320执行。
断层扫描数据是在为了获取断层图像而进行断层扫描阶段获取的扫描数据。在一些实施例中,可以根据定位扫描数据确定断层扫描的扫描协议参数。仅作为示例,可以在定位扫描数据对应的图像上选择或确定扫描部位的扫描范围,并将其作为断层扫描的扫描范围。在一些实施例中,定位扫描数据的扫描范围,可以大于扫描部位所在区域的范围。在一些实施例中,断层扫描的扫描协议参数中的开缝宽度,可以大于定位片扫描的开缝宽度。在一些实施例中,断层扫描的开缝宽度可以设定为320*0.5mm。在一些实施例中,结合扫描功率参数,断层扫描的扫描协议参数可以设定为120kv、200mAs、320*0.5mm开缝宽度。
在一些实施例中,可以设定多个断层扫描角度来获取断层扫描数据,对于断层扫描角度个数及其具体取值不作特别限制,例如可以设定的若干断层扫描角度(如0°、90°、180°、270°等),获得200组断层扫描数据,等等。在一些实施例中,可以在多个断层扫描角度获取的总断层扫描数据中,全部或选取部分作为散射校正所要采用的断层扫描数据。仅作为示例,选取断层扫描数据的1/10等等,例如选取100组断层扫描数据中的10组。在一些实施例中,断层扫描角度取值范围可以设定为0°-360°,病床床码位置范围,即床码位置范围,可以为1000mm-1400mm。在一些实施例中,定位扫描数据中的至少部分与断层扫描数据中的至少部分之间具有相同的扫描角度和/或相同的病床床码位置范围,至于相同的扫描角度的个数,以及相同的病床床码位置范围的具体区间个数及其大小,本申请实施例不作特别限制。
在一些实施例中,步骤220可以实施为以下过程:根据设定的断层扫描的扫描协议,执行相应断层扫描,获得断层扫描数据。在一些实施例中,步骤220可以按以下方式实施:根据设定的断层扫描的扫描协议进行断层扫描,获得初始断层扫描数据;对初始断层扫描数据进行预处理,得到断层扫描数据。
在一些实施例中,针对定位扫描数据的预处理可以包括空气校正、坏通道校正等中的至少一种。在一些实施例中,针对断层扫描数据的预处理可以包括空气校正、坏通道校正等中的至少一种。在一些实施例中,针对定位扫描数据的预处理与针对断层扫描数据的预处理,可以执行相同或相似的操作。在一些实施例中,断层扫描数据(或经过预处理的断层扫描数据)可以是生数据形式的投影域数据。在一些实施例中,断层扫描数据(或经过预处理的断层扫描数据)可以是二维CT图像数据或三维CT图像数据,仅作为示例,可以以矩阵形式表示。在一些实施例中,断层扫描数据(或经过预处理的断层扫描数据)可以表示为It,其中可能包含了散射噪声。
在一些实施例中,空气校正可以通过空气扫描生成空气校正表。在一些实施例中,空气校正表可以包括一个或多个空气校正参数。在一些实施例中,可以基于多个参考值更新空气校正表。在一些实施例中,参考值的数据类型可以与校正表中的一个或多个空气校正参数的数据类型相同。在一些实施例中,坏通道校正可以通过获取损坏的通道周围可用通道的测量值,进行插值或者取平均值,通过估算坏通道实际的射线衰减值进行校正。在一些实施例中,可以针对初始定位扫描数据或初始断层扫描数据的坏通道待修复区域,进行待修复区域的修复操作。
步骤230,基于断层扫描数据(或经过预处理的断层扫描数据),确定扫描对象的散射估计数据。
散射估计数据是指对断层扫描过程中产生的散射大小估计参数。在一些实施例中,散射估计数据可以以矩阵形式表示,例如可以采用散射信号分布Is来表征。在一些实施例中,定位扫描数据Itopo的尺寸(例如,矩阵大小)可以大于断层扫描数据(或经过预处理的断层扫描数据)It的尺寸。在一些实施例中,断层扫描数据(或经过预处理的断层扫描数据)It的尺寸可以与散射估计数据Is的尺寸相同。
图3是根据本说明书一些实施例所示的确定散射估计数据过程的示例性流程图。
在一些实施例中,步骤230可以包括以下两个子步骤:
步骤231,采用预设散射估计方法确定散射估计数据;
步骤232,对散射估计数据进行验证或修正。
在一些实施例中,预设散射估计方法可以是投影域散射估计方法(即针对投影域数据进行散射校正)。在一些实施例中,预设散射估计方法可以包括快速蒙特卡洛模拟算法、散射核叠加算法、深度学习网络模型,或者其他任何可行的散射估计算法,如小波傅里叶变换方法等。
在一些实施例中,步骤231,采用预设散射估计方法确定散射估计数据,可以实施为以下过程:基于断层扫描数据,采用快速蒙特卡洛模拟算法、散射核叠加算法、深度学习网络模型中的至少一种方法,确定散射估计数据。
在一些实施例中,利用快速蒙特卡洛模拟算法确定散射估计数据,可以实施为以下过程:将断层扫描数据(或经过预处理的断层扫描数据)It和第一预设系统参数作为模拟输入,利用快速蒙特卡洛模拟算法模拟得到散射信号分布Is(即散射估计数据)。
在一些实施例中,第一预设系统参数可以包括开缝宽度、能谱参数、探测器位置及其响应参数等。在一些实施例中,能谱参数可以包括球管能谱及其强度分布数据。在一些实施例中,对于扫描次数较少、计算量较少的散射估计应用场景,可以选择采用快速蒙特卡洛模拟算法确定散射估计数据,使得计算精度高,花费时间又能控制在预期的合理范围,避免计算时间过长。
在一些实施例中,利用散射核叠加算法(Scatter Kernel Superposition,SKS)确定散射估计数据,可以实施为以下过程:将断层扫描数据(或经过预处理的断层扫描数据)It输入预设SKS模型,经过模型计算,输出散射信号分布Is
在一些实施例中,可以利用多套模拟拟合参数、多套总信号训练数据及其散射信号分布标签数据,进行模拟拟合,最终获得多套kernel,由此得到预设SKS模型。
在一些实施例中,多套拟合参数可以包括多套不同的能谱参数、开缝宽度以及扫描部位尺寸。在一些实施例中,能谱参数可以包括球管能谱及其强度分布数据。在一些实施例中,断层扫描数据可以包括含有散射信号分布数据It和去除散射信号数据Ip。
在一些实施例中,利用深度学习网络模型确定散射估计数据,可以实施为以下过程:将断层扫描数据(或经过预处理的断层扫描数据)It输入预设深度学习网络模型进行计算,输出散射信号分布Is。在一些实施例中,可以利用多套断层扫描训练数据(可以包括含有散射信号分布数据It和去除散射信号数据Ip)及其散射信号分布标签数据,进行训练得到预设深度学习网络模型。
在一些实施例中,为了避免出现异常结果,确保获得较准确的散射估计数据,步骤232中,可以对散射估计数据进行验证或修正,可以实施为以下过程:基于设定的判断条件,对散射估计数据进行验证或修正。
在一些实施例中,判断条件可以设为散射估计数据大于0且小于断层扫描数据与比例系数的乘积,更有效地避免散射估计数据出现负值或者数值过大的异常结果,从而获取更精准的散射估计数据。在一些实施例中,判断条件可以包括:散射信号分布Is的数值是否满足以下预设取值区间:0<Is≤q*It,其中q为比例系数。在一些实施例中,可以判断散射信号分布Is的数值是否满足判断条件,即判断是否满足前述预设取值区间,以进行散射信号分布Is的验证。在一些实施例中,当判断散射信号分布Is不满足前述预设取值区间时,可以利用预设赋值表达式对散射信号分布Is进行相应修正处理,即对散射信号分布Is进行满足前述预设取值区间的相应赋值,使得散射估计数据在期望取值区间内,确保散射估计数据的精准度。在一些实施例中,预设赋值表达式可以包括以下数学表达式(1):
Is=max(0,Is),Is=min(Is,q*It) (1)
在一些实施例中,比例系数q的具体取值可以根据第二预设系统参数来确定。在一些实施例中,第二预设系统参数可以包括能谱参数和开缝宽度。在一些实施例中,能谱参数可以包括球管能谱及其强度分布数据。在一些实施例中,比例系数q可以在区间范围内取值。在一些实施例中,比例系数q可以取值为0.97,在此比例系数取值下,能确保散射估计数据达到的期望取值区间较为合理,不至于出现数值较大的异常情况。在一些实施例中,比例系数q可以是散射校正系统100的默认设置,或由用户手动设置,或者由处理设备140根据实际需要调整。
步骤240,基于散射估计数据以及目标匹配条件,确定目标数据,其中,目标匹配条件与定位扫描数据有关。在一些实施例中,步骤240可以由校正模块340执行。
在一些实施例中,目标匹配条件可以包括阈值条件和迭代收敛条件。在一些实施例中,阈值条件可以包括预设范围的定位数据。在一些预设范围的定位数据可以基于上述210步骤获取的扫描对象的定位扫描数据确定。在一些实施例中,步骤240可以实施为以下过程:
基于散射估计数据,确定散射校正数据。至于基于散射估计数据确定散射校正数据的具体过程可参见下图4所述相关内容描述,在此不再赘述。
之后,将散射估计校正数据中的至少部分与预设范围的定位数据范围进行比较,若比较结果满足阈值条件,散射估计数据满足预设定位数据范围,则将散射校正估计数据确定为目标数据。在一些实施例中,选取的散射估计校正数据可以是至少一部分,也可以是全部数据。在一些实施例中,可以将确定的目标数据以散射校正结果数据输出。在一些实施例中,可以基于输出目标数据进行图像重建,例如包括断层扫描数据的重建处理等。在一些实施例中,若散射估计数据不满足预设定位数据范围,可以根据断层扫描数据,对散射估计数据进行迭代更新,直到满足目标匹配条件,并基于更新后的散射估计数据确定目标数据,这一过程具体可参加下图4相关内容描述,在此不再赘述。
在一些实施例中,步骤240中,对散射估计数据进行迭代更新,直到满足目标匹配条件,可以按以下方式实施:基于散射估计数据,确定扫描对象的散射校正数据;从散射校正数据与定位扫描数据中确定二者在相同采集角度和床码位置范围的合集投影内分别对应的散射校正投影数据与定位扫描投影数据;判断散射校正投影数据与定位扫描投影数据是否满足目标匹配条件。
图4是根据本说明书一些实施例所示的对散射估计数据或散射校正数据进行迭代更新的示例性流程图。
在一些实施例中,步骤240中,对散射估计数据进行迭代更新,直到满足目标匹配条件,可以实施为以下几个子步骤:
子步骤241,基于散射估计数据,确定扫描对象的散射校正数据。
在一些实施例中,子步骤241可以实施为以下过程:通过以下数学表达式(2),计算得到散射校正数据,散射校正数据可以表示为Ip
Ip=It-Is (2)
通过在断层扫描数据(或经过预处理的断层扫描数据)It中减去散射信号分布Is,即扣除散射分布数据,来获得扫描对象散射校正后的散射校正数据。
子步骤242,从散射校正数据与定位扫描数据中,确定二者在相同扫描角度和床码位置范围的合集投影内,分别对应的散射校正投影数据与定位扫描投影数据。
在一些实施例中,相同扫描角度和床码位置范围的合集投影,可以是散射校正数据与定位扫描数据二者的最小合集投影。在一些实施例中,可以从散射校正数据与定位扫描数据中,取出相同扫描角度和床码位置范围的最小合集投影。在一些实施例中,散射校正投影数据可以表示为Ip’,定位扫描投影数据可以表示为Itopo’。
图5是根据本说明书一些实施例所示的相同扫描角度下定位扫描数据与断层扫描数据的对应关系的示意图。其中n取值为大于2的整数。仅作为示例,定位片扫描角度为0°和270°,病床床码位置范围(即床码位置范围)为1000mm-1400mm;断层扫描角度取值范围为0°-360°,病床床码范围为1120mm-1280mm;则在散射校正数据Ip和定位扫描数据Itopo中分别取出相同扫描角度0°和270°且床码范围1120-1280的散射校正投影数据Ip’和定位扫描投影数据Itopo’。如图5所示,相同扫描角度下的定位扫描数据和断层扫描数据存在一一对应关系,以0°定位片和0°断层投影为例,即320*0.5开缝宽度的断层投影数据能与相同床码位置多个拼接的4*0.5mm开缝宽度的定位片对应。
由于定位扫描数据的获取过程中,定位片扫描采用的是极窄束扫描,其散射影响可以基本忽略不计,将定位扫描数据作为散射校正时标准和依据的考虑因素,就具有直接显著的有利性,能够提高散射校正的效率,尤其是校正精确度。
子步骤243,判断散射校正投影数据与定位扫描投影数据是否满足目标匹配条件。
在一些实施例中,与定位扫描数据有关的目标匹配条件可以采用与定位扫描数据有关的迭代收敛条件。在一些实施例中,与定位扫描数据有关的迭代收敛条件,可以设置为:散射校正投影数据与定位扫描投影数据的差值平均值是否小于第一阈值,或者,判断散射校正投影数据与定位扫描投影数据的差值的总和是否小于第二阈值。
在一些实施例中,子步骤243可以实施为以下过程:判断散射校正投影数据与定位扫描投影数据的差值平均值是否小于第一阈值,和/或,判断散射校正投影数据与定位扫描投影数据的差值的总和是否小于第二阈值。
在一些实施例中,第一阈值可以表示为ε1,第二阈值可以表示为ε2,迭代收敛条件,可以基于以下数学表达式(3)、(4)设置:
mean|Ip’i-Itopo’|≤ε1 (3)
sum|Ip’i-Itopo’|≤ε2 (4)
其中,i表示第i次迭代,取值可以是大于0的整数。
也就是说,在一些实施例中,子步骤243可以实施为以下过程:在迭代过程中,可以遍历判断散射校正投影数据Ip’与定位扫描投影数据Itopo’的差值平均值是否满足数学表达式(3)的区间范围,或者,可以遍历判断散射校正投影数据Ip’与定位扫描投影数据Itopo’的差值的总和是否满足数学表达式(4)的区间范围。
在一些实施例中,子步骤243中进行是否满足目标匹配条件的判断之后,若判断结果为是,进入子步骤244a;若判断结果为否,则进入子步骤244b。
子步骤244a,响应于目标匹配条件得到满足,则确定更新后的散射估计数据或更新后的散射校正数据为目标数据;
子步骤244b,响应于目标匹配条件没有得到满足,则将当前散射校正数据赋值给下一次迭代的断层扫描数据,并基于下一次迭代的断层扫描数据确定下一次迭代的散射估计数据,进行下一次迭代。
在一些实施例中,子步骤244b可以实施为以下过程:响应于目标匹配没有得到满足,则将当前散射校正数据Ip赋值给下一次迭代的断层扫描数据It,进行下一次迭代,即迭代过程中,当上一次不满足迭代收敛条件,下一次会根据更新后的断层扫描数据It进行迭代,以便更快速地满足目标匹配条件,从而结束迭代,完成散射校正。
在一些实施例中,步骤240中,对散射估计数据进行迭代更新,还可以进一步包括以下流程:判断迭代次数或当前散射校正数据或当前散射估计数据是否满足目标匹配条件。在一些实施例中,判断迭代次数或当前散射校正数据或当前散射估计数据是否满足迭代收敛条件,可以包括:判断迭代次数是否满足迭代阈值,和/或,当前散射校正数据与上一次迭代后产生的散射校正数据的差值平均值是否小于第三阈值,和/或,当前散射校正数据与上一次迭代后产生的散射校正数据的差值总和是否小于第四阈值,和/或,当前散射估计数据与上一次迭代后产生的散射估计数据的差值平均值是否小于第五阈值,和/或,当前散射估计数据与上一次迭代后产生的散射估计数据的差值总和是否小于第六阈值。在一些实施例中,第三阈值可以表示为ε3,第四阈值可以表示为ε4,第五阈值可以表示为ε5,第六阈值可以表示为ε6。在一些实施例中,目标匹配条件可以基于以下数学表达式(5)、(6)、(7)、(8)设置:
mean|Ipi-Ipi-1|≤ε3 (5)
sum|Ipi-Ipi-1|≤ε4 (6)
mean|Isi-Isi-1|≤ε5 (7)
sum|Isi-Isi-1|≤ε6 (8)
也就是说,在一些实施例中,对散射估计数据进行迭代更新,还可以进一步实施为以下过程:在迭代过程中判断是否满足目标匹配条件,除了基于散射校正投影数据Ip’与定位扫描投影数据Itopo’(例如,根据数学表达式(5)、(6))进行判断,还可以进一步基于迭代次数、当前散射校正数据和/或当前散射估计数据(例如,根据上述数学表达式(5)、(6)、(7)、(8)的目标匹配条件),遍历判断是否满足目标匹配条件;或者,在迭代过程中判断是否满足目标匹配条件,可以只基于迭代次数、当前散射校正数据和/或当前散射估计数据(例如,根据上述数学表达式(5)、(6)、(7)、(8)的目标匹配条件),遍历判断是否满足目标匹配条件,而无需基于散射校正投影数据Ip’与定位扫描投影数据Itopo’(例如,根据数学表达式(3)、(4))进行判断。在一些实施例中,在迭代过程中判断是否满足目标匹配条件,也可以只基于散射校正投影数据Ip’与定位扫描投影数据Itopo’(例如,根据数学表达式(3)、(4))进行判断,而无需基于迭代次数、当前散射校正数据和/或当前散射估计数据(例如,根据数学表达式(5)、(6)、(7)、(8))进行判断。
在一些实施例中,满足目标匹配条件后,可以将更新后的散射估计数据直接作为目标数据。可以进一步将该更新后的散射估计数据用于散射校正(例如,从断层扫描数据中去除该更新后的散射估计数据),以得到散射校正数据。在一些实施例中,完成步骤240中迭代更新后,可以将更新后的散射校正数据Ip,即去除了散射信号分布Is之后的数据,作为目标数据,这样就便以直接利用输出的散射校正数据Ip进行断层扫描数据的重建处理。
在一些实施例中,完成步骤240之后,可以继续进行其他校正及重建处理,得到最终的断层扫描图像,如CT断层图像等。
应当注意的是,上述有关流程200的描述仅仅是为了示例和说明,而不限定本说明书的适用范围。对于本领域技术人员来说,在本说明书的指导下可以对流程200进行各种修正和改变。然而,这些修正和改变仍在本说明书的范围之内。
图6是根据本说明书一些实施例所示的散射校正系统300的示例性模块图。如图6所示,散射校正系统300可以包括定位扫描数据获取模块310、断层扫描数据获取模块320、散射估计数据确定模块330、校正模块340。在一些实施例中,定位扫描数据获取模块310、断层扫描数据获取模块320、散射估计数据确定模块330、校正模块340可以在图1所示的散射校正系统100中实现,如在CT设备110中实现。
定位扫描数据获取模块310,用于获取扫描对象的定位扫描数据;断层扫描数据获取模块320,用于获取扫描对象的断层扫描数据。散射估计数据确定模块330,用于基于断层扫描数据,确定扫描对象的散射估计数据。校正模块340,用于基于散射估计数据以及目标匹配条件,确定目标数据,目标匹配条件与定位扫描数据有关。
需要说明的是,有关定位扫描数据获取模块310、断层扫描数据获取模块320、散射估计数据确定模块330、校正模块340执行相应流程或功能实现散射校正的更多技术细节,具体参见图1至图5所示的任一实施例描述的散射校正方法相关内容,在此不再赘述。
关于散射校正系统300的以上描述仅用于说明目的,而无意限制本申请的范围。对于本领域普通技术人员来说,在不背离本申请原则的前提下,可以对上述方法及系统的应用进行各种形式和细节的改进和改变。然而,这些变化和修改不会背离本申请的范围。在一些实施例中,散射校正系统300可以包括一个或多个其他模块。例如,散射校正系统300可以包括存储模块,以存储由散射校正系统300的模块所生成的数据。
本说明书一些实施例还提供了一种计算机可读存储介质,该存储介质存储计算机指令,当计算机读取计算机指令时,计算机执行如上述任一实施例的散射校正方法,具体参见图1至图5相关描述,在此不再赘述。
本说明书实施例提供的散射校正方法、系统及计算机可读存储介质,至少具有以下有益效果:基于极窄光束扫描使得散射噪声影响可忽略的特点,将定位扫描数据作为优化目标匹配条件的考虑因素,通过设置与定位扫描数据有关的目标匹配条件,在基于扫描对象的断层扫描数据进行散射校正过程中,利用该优化的目标匹配条件,对根据断层扫描数据确定的散射估计数据,进行迭代更新,直至满足优化的目标匹配条件,最终获得的散射估计数据或散射校正数据准确度更高,也即提高了散射校正效率,优化了校正效果,由此使得散射校正处理后的图像,更靠近散射噪声较少的理想状态图像,大大降低了扫描图像的散射噪声影响,有效提高了图像质量。
上文已对基本概念做了描述,显然,对于本领域技术人员来说,上述详细披露仅仅作为示例,而并不构成对本说明书的限定。虽然此处并没有明确说明,本领域技术人员可能会对本说明书进行各种修改、改进和修正。该类修改、改进和修正在本说明书中被建议,所以该类修改、改进、修正仍属于本说明书示范实施例的精神和范围。
同时,本说明书使用了特定词语来描述本说明书的实施例。如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本说明书至少一个实施例相关的某一特征、结构或特点。因此,应强调并注意的是,本说明书中在不同位置两次或多次提及的“一实施例”或“一个实施例”或“一个替代性实施例”并不一定是指同一实施例。此外,本说明书的一个或多个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,除非权利要求中明确说明,本说明书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,并非用于限定本说明书流程和方法的顺序。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说明书实施例实质和范围的修正和等价组合。例如,虽然以上所描述的系统组件可以通过硬件设备实现,但是也可以只通过软件的解决方案得以实现,如在现有的服务器或移动设备上安装所描述的系统。
同理,应当注意的是,为了简化本说明书披露的表述,从而帮助对一个或多个发明实施例的理解,前文对本说明书实施例的描述中,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。但是,这种披露方法并不意味着本说明书对象所需要的特征比权利要求中提及的特征多。实际上,实施例的特征要少于上述披露的单个实施例的全部特征。
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。尽管本说明书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。
最后,应当理解的是,本说明书中所述实施例仅用以说明本说明书实施例的原则。其他的变形也可能属于本说明书的范围。因此,作为示例而非限制,本说明书实施例的替代配置可视为与本说明书的教导一致。相应地,本说明书的实施例不仅限于本说明书明确介绍和描述的实施例。

Claims (10)

1.一种散射校正方法,其特征在于,所述方法包括:
获取扫描对象的定位扫描数据;
获取所述扫描对象的断层扫描数据;
基于所述断层扫描数据,确定所述扫描对象的散射估计数据;
基于所述散射估计数据以及目标匹配条件,确定目标数据,所述目标匹配条件与所述定位扫描数据有关。
2.根据权利要求1所述的方法,其特征在于,所述基于所述散射估计数据以及目标匹配条件,确定目标数据,包括:
基于所述散射估计数据,确定散射校正数据;
将所述散射校正数据中的至少部分与预设范围的定位数据进行比较,若比较结果满足阈值条件,则将所述散射校正数据确定为所述目标数据。
3.根据权利要求1所述的方法,其特征在于,所述基于所述散射估计数据以及目标匹配条件,确定目标数据,包括:
根据所述断层扫描数据,对所述散射估计数据进行迭代更新,直到满足所述目标匹配条件,并基于更新后的散射估计数据确定目标数据。
4.根据权利要求1所述的方法,其特征在于,所述基于所述断层扫描数据,确定所述扫描对象的散射估计数据,包括:
基于所述断层扫描数据,采用快速蒙特卡洛模拟算法、散射核叠加算法、深度学习网络模型中的至少一种方法,确定所述散射估计数据。
5.根据权利要求4所述的方法,其特征在于,所述基于所述断层扫描数据,确定所述扫描对象的散射估计数据,进一步包括:
基于设定的判断条件,对所述散射估计数据进行验证或修正。
6.根据权利要求5所述的方法,其特征在于,所述判断条件为所述散射估计数据大于0且小于所述断层扫描数据与比例系数的乘积。
7.根据权利要求3所述的方法,其特征在于,所述对所述散射估计数据进行迭代更新,直到满足所述目标匹配条件,包括:
基于所述散射估计数据,确定所述扫描对象的散射校正数据;
从所述散射校正数据与所述定位扫描数据中确定二者在相同采集角度和床码位置范围的合集投影内分别对应的散射校正投影数据与定位扫描投影数据;
判断所述散射校正投影数据与所述定位扫描投影数据是否满足所述目标匹配条件。
8.根据权利要求7所述的方法,其特征在于,所述判断所述散射校正投影数据与所述定位扫描投影数据是否满足所述目标匹配条件,包括:
判断所述散射校正投影数据与所述定位扫描投影数据的差值平均值是否小于第一阈值,和/或判断所述散射校正投影数据与所述定位扫描投影数据的差值的总和是否小于第二阈值。
9.一种散射校正系统,其特征在于,所述系统包括:
定位扫描数据获取模块,用于获取扫描对象的定位扫描数据;
断层扫描数据确定模块,用于获取所述扫描对象的断层扫描数据;
散射估计数据确定模块,用于基于所述断层扫描数据,确定所述扫描对象的散射估计数据;
校正模块,用于基于所述散射估计数据以及目标匹配条件,确定目标数据,所述目标匹配条件与所述定位扫描数据有关。
10.一种计算机可读存储介质,所述存储介质存储计算机指令,当计算机读取所述计算机指令时,所述计算机执行如权利要求1~8中任一项所述的方法。
CN202210357119.9A 2022-04-06 2022-04-06 一种散射校正方法、系统及可读存储介质 Pending CN114638910A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210357119.9A CN114638910A (zh) 2022-04-06 2022-04-06 一种散射校正方法、系统及可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210357119.9A CN114638910A (zh) 2022-04-06 2022-04-06 一种散射校正方法、系统及可读存储介质

Publications (1)

Publication Number Publication Date
CN114638910A true CN114638910A (zh) 2022-06-17

Family

ID=81951524

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210357119.9A Pending CN114638910A (zh) 2022-04-06 2022-04-06 一种散射校正方法、系统及可读存储介质

Country Status (1)

Country Link
CN (1) CN114638910A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115429299A (zh) * 2022-09-26 2022-12-06 明峰医疗系统股份有限公司 一种基于定位片的散射校正的方法、系统、设备及存储介质

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115429299A (zh) * 2022-09-26 2022-12-06 明峰医疗系统股份有限公司 一种基于定位片的散射校正的方法、系统、设备及存储介质

Similar Documents

Publication Publication Date Title
Hansen et al. ScatterNet: a convolutional neural network for cone‐beam CT intensity correction
US11341613B2 (en) System and method for image reconstruction
CN112512632B (zh) 一种放射治疗出射束监测方法和系统
CN109464756B (zh) 验证放射治疗剂量的方法、装置和放射治疗设备
Wang et al. Acuros CTS: A fast, linear Boltzmann transport equation solver for computed tomography scatter–Part II: System modeling, scatter correction, and optimization
CN109998578B (zh) 预测计算机断层成像的空气校正表的方法和装置
CN109060849B (zh) 一种确定辐射剂量调制线的方法、系统和装置
US10255696B2 (en) System and method for image reconstruction
US11957499B2 (en) Systems, methods, devices and storage mediums for obtaining a radiographic image
US11475611B2 (en) System and method for image reconstruction
US7086780B2 (en) Methods for spectrally calibrating CT imaging apparatus detectors
US10605933B2 (en) X-ray spectral calibration technique for cone-beam CT
CN110866959B (zh) 图像重建方法、系统、装置及存储介质
CN110914868B (zh) 用于散射校准的系统和方法
US20080118128A1 (en) Methods and systems for enhanced accuracy image noise addition
CN114638910A (zh) 一种散射校正方法、系统及可读存储介质
US20240138798A1 (en) Method for removing artifact in image, electronic device, and storage medium
CN110853742B (zh) 一种图像重建方法、系统、装置及存储介质
CN109431528B (zh) 校正投影图像的系统和方法
CN111526796A (zh) 用于图像散射校正的系统和方法
Khobragade et al. CT automated exposure control using a generalized detectability index
CN116262041A (zh) 被辐射剂量管理装置、被辐射剂量管理方法及存储介质
WO2024103412A1 (zh) 一种金属伪影校正方法和系统
WO2023231253A1 (zh) 质量保证的方法和系统
CN117838168A (zh) 一种ct成像方法和系统

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