CN115004232A - 使用人工智能的低剂量数字断层合成系统和方法 - Google Patents
使用人工智能的低剂量数字断层合成系统和方法 Download PDFInfo
- Publication number
- CN115004232A CN115004232A CN202180010309.7A CN202180010309A CN115004232A CN 115004232 A CN115004232 A CN 115004232A CN 202180010309 A CN202180010309 A CN 202180010309A CN 115004232 A CN115004232 A CN 115004232A
- Authority
- CN
- China
- Prior art keywords
- ray
- tomosynthesis
- projection images
- sparse
- image
- 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
Links
- 238000013473 artificial intelligence Methods 0.000 title claims abstract description 18
- 238000000034 method Methods 0.000 title claims description 64
- 239000003550 marker Substances 0.000 claims description 79
- 238000002601 radiography Methods 0.000 claims description 26
- 238000005070 sampling Methods 0.000 claims description 26
- 210000003484 anatomy Anatomy 0.000 claims description 24
- 230000005855 radiation Effects 0.000 claims description 22
- 238000012545 processing Methods 0.000 claims description 16
- 238000013528 artificial neural network Methods 0.000 claims description 11
- 230000007547 defect Effects 0.000 claims description 9
- 238000013527 convolutional neural network Methods 0.000 claims description 8
- 238000012549 training Methods 0.000 claims description 8
- 238000003672 processing method Methods 0.000 claims description 2
- 238000007408 cone-beam computed tomography Methods 0.000 claims 1
- 238000003384 imaging method Methods 0.000 description 57
- 239000000758 substrate Substances 0.000 description 26
- 238000010586 diagram Methods 0.000 description 15
- 230000006870 function Effects 0.000 description 13
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 11
- 239000002041 carbon nanotube Substances 0.000 description 11
- 229910021393 carbon nanotube Inorganic materials 0.000 description 11
- 238000003860 storage Methods 0.000 description 9
- 238000004590 computer program Methods 0.000 description 8
- 238000012937 correction Methods 0.000 description 8
- 230000004913 activation Effects 0.000 description 7
- 238000001514 detection method Methods 0.000 description 5
- 230000033001 locomotion Effects 0.000 description 5
- 230000008901 benefit Effects 0.000 description 4
- 238000013135 deep learning Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000010304 firing Methods 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- 238000003325 tomography Methods 0.000 description 3
- 206010014568 Empyema Diseases 0.000 description 2
- 238000013459 approach Methods 0.000 description 2
- 230000006399 behavior Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 210000000038 chest Anatomy 0.000 description 2
- 238000004140 cleaning Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 238000002059 diagnostic imaging Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 239000012530 fluid Substances 0.000 description 2
- 239000011521 glass Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 238000007639 printing Methods 0.000 description 2
- 238000000926 separation method Methods 0.000 description 2
- 208000028399 Critical Illness Diseases 0.000 description 1
- 206010019027 Haemothorax Diseases 0.000 description 1
- 206010048612 Hydrothorax Diseases 0.000 description 1
- 208000002151 Pleural effusion Diseases 0.000 description 1
- 208000007123 Pulmonary Atelectasis Diseases 0.000 description 1
- 208000033809 Suppuration Diseases 0.000 description 1
- 208000027418 Wounds and injury Diseases 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 230000035508 accumulation Effects 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 239000011324 bead Substances 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000008280 blood Substances 0.000 description 1
- 210000004369 blood Anatomy 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000011976 chest X-ray Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000007596 consolidation process Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000008021 deposition Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- 238000007687 exposure technique Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 208000014674 injury Diseases 0.000 description 1
- 210000003141 lower extremity Anatomy 0.000 description 1
- 210000004072 lung Anatomy 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 229910052751 metal Inorganic materials 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 150000002739 metals Chemical class 0.000 description 1
- 238000011369 optimal treatment Methods 0.000 description 1
- 230000007170 pathology Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 210000003281 pleural cavity Anatomy 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 210000004911 serous fluid Anatomy 0.000 description 1
- 238000007493 shaping process Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000011410 subtraction method Methods 0.000 description 1
- 230000002194 synthesizing effect Effects 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
- WFKWXMTUELFFGS-UHFFFAOYSA-N tungsten Chemical compound [W] WFKWXMTUELFFGS-UHFFFAOYSA-N 0.000 description 1
- 229910052721 tungsten Inorganic materials 0.000 description 1
- 239000010937 tungsten Substances 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
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
- G06T11/008—Specific post-processing after tomographic reconstruction, e.g. voxelisation, metal artifact correction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2211/00—Image generation
- G06T2211/40—Computed tomography
- G06T2211/436—Limited angle
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2211/00—Image generation
- G06T2211/40—Computed tomography
- G06T2211/441—AI-based methods, deep learning or artificial neural networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2211/00—Image generation
- G06T2211/40—Computed tomography
- G06T2211/444—Low dose acquisition or reduction of radiation dose
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
一种移动射线摄影设备配置成使用人工智能网络以及与X射线源机械地分离的数字射线摄影检测器来对射线摄影投影图像进行稀疏采样以生成高分辨率断层合成体积图像。人工智能网络被训练成校正根据稀疏采样的投影图像生成的体积图像,以生成高分辨率断层合成体积图像。
Description
技术领域
本公开一般涉及医学成像领域,并且特别地涉及移动射线摄影成像设备。更特别地,本公开涉及具有断层合成和人工智能能力的移动X射线成像系统。
背景技术
便携式射线摄影是被采用来用于对ICU中的患者进行成像以评估患者健康并且确定最佳治疗的常见模态。然而,ICU患者的便携式胸部X射线图像上的异常发现常常是非特异性的。非特异性的发现通常被可视化为肺中的具有不透明度的区域,但是关于病状是在气道中(肺萎陷)、气隙中(固结)还是在胸膜内(积液),没有任何明确指示。建立正确诊断对启动适当的患者管理至关重要。区分胸膜积液的类型是由ICU中的成像辅助的另一常见任务,并且可能对于患者护理而言是具有挑战性的并且是至关重要的。各种类型的流体可能引起多种积液,例如,血液(血胸)、脓(脓胸或积脓)以及水/浆液(水胸)。此外,每个原因要求不同的行动方案。因此,要求改进识别原因的能力。期望知道具有更大概率的原因,以加强患者护理。在其中发现便携式射线摄影不充分的情况下,因为CT提供完整3D图像,通常开具CT,然而这对于处于危重护理中的患者可能是破坏性的。在这样的情形下获得CT要求将不稳定的患者从ICU向外输送,这对于患者的已经危重的状况增加了风险。对于CT的备选方案可以是能够提供诸如数字断层合成之类的3D影像的形式的床边X射线成像系统,与标准便携式胸部射线摄影相比,该形式将改进发现的特异性。这样的系统将是有益的,因为它将减少输送不稳定的ICU患者以便进行CT检查的需要。
数字X射线断层合成是使用通常用于常规(单投影)射线摄影的大面积平板数字射线摄影检测器来实现对患者的三维成像的成像技术。通过使X射线管或X射线源、患者和检测器(通常是数字射线摄影(DR)检测器)的相对取向变化来采集在有限角度范围内(通常在20°与40°之间)的有限数量的投影图像。这通常通过使检测器和X射线源两者移动,或者通过使检测器或源的位置固定并且分别使X射线源或检测器移动来实现。根据捕获的投影来重建三维数据,并且可以以穿过患者解剖结构的任何数量的切片的形式来显示该三维数据,所述切片各自平行于检测器平面。有限角度扫描的结果是,深度(in-depth)分辨率低于重建的对象的平面内分辨率。
重建来自断层合成系统体积数据或3D X射线图像要求了解根本的捕获几何(geometry),包括检测器相对于X射线源的取向和空间位置、源相对于检测器的移动和位置以及潜在的患者运动。成像系统的精确几何信息(2D投影图像采集期间X射线管头相对于X射线检测器的相对位置以及X射线检测器的取向)影响重建的体积图像的图像质量。对象空间与采集的2D投影图像之间的误映射(mismapping)可能使空间分辨率降级,并且导致诸如环状伪影之类的图像缺陷。
在常规断层合成系统中,几何变量中的许多几何变量是已知的,因为检测器位置被精确地指定,并且源与检测器之间的关系也被良好地建立。对于静止成像扫描仪,由诸如C形臂配置或其它类型的台架布置中的源和检测器的机械耦合来固定采集几何。该几何的校准是直接的,在图像采集之前使用校准体模(phantom)。
然而,对于使用移动射线摄影设备的床边断层合成系统,检测器与X射线源机械地分离。因而,捕获几何不由系统机械来固定,并且可能难以在期望的准确性的情况下确定。用于断层合成的移动X射线成像扫描仪针对不能被输送到具有固定几何的静止成像扫描仪、步行到该静止成像扫描仪或者站立于该静止成像扫描仪前面的病重患者而设计。相反,为了对这些患者进行成像,检测器通常人工地定位于卧床不起的患者下方。在该采集环境中,在没有机械地固定的源到检测器几何的益处的情况下,需要其它途径以便实时地准确地确定几何信息。
上文的讨论仅仅针对一般背景信息而提供,并且不旨在用作在确定要求保护的主题的范围方面的帮助。
发明内容
移动射线摄影设备配置成使用人工智能网络以及与X射线源机械地分离的数字射线摄影检测器来对射线摄影投影图像进行稀疏采样以生成高分辨率断层合成体积图像。人工智能模块被训练成根据稀疏采样的投影图像生成高分辨率体积图像。可以在本发明的一些公开的实施例的实践中实现的优点是对患者的减少的辐射剂量。
在一个实施例中,计算机实现的射线摄影图像处理方法包括训练卷积神经网络以校正根据稀疏捕获的断层合成投影图像重建的图像体积中的图像缺陷。患者解剖结构的稀疏捕获的断层合成投影图像使用移动射线摄影设备以及与移动射线摄影设备机械地分离的便携式DR检测器来获得。患者解剖结构的稀疏体积图像使用稀疏捕获的断层合成投影图像来重建,以及训练的卷积神经网络校正稀疏体积图像并且输出校正的高分辨率稀疏体积图像。
在一个实施例中,移动射线摄影成像系统包括:移动底座;支承臂,其附接到移动底座;X射线管头,其附接到支承臂的一端;以及便携式DR检测器,其与X射线管头机械地分离。该系统配置成在角度范围内稀疏捕获患者解剖结构的断层合成投影图像。该系统的处理部分使用稀疏捕获的断层合成投影图像来重建患者解剖结构的稀疏体积图像。被训练成校正重建的稀疏体积图像的人工智能模块输出校正的高分辨率体积图像。
本公开描述了独特地设计用于在低剂量下对患者身体部分进行高速数字断层合成采集的方法和系统。此外,系统提供用于合成在3D(体积)重建之前或之后在角度范围内采集的系列断层合成投影的方法、根据包含在所述角度范围内的任何指定视角的患者身体部分的标准的一般射线摄影投影图像切片。
该系统的部件包括:便携式数字X射线机,其配备有具有高检测量子效率和快速读出速度能力的便携式数字射线摄影(DR)检测器;静止X射线源阵列,其被准直以使得X射线源阵列可用于根据变化的角度位置以快速序列使身体的区域暴露,或者暴露通过使单个X射线源快速地移动通过变化的角度位置来实现;以及基于深度学习的算法,其用于根据以下项来重建高质量断层合成体积图像:稀疏采样的系列投影图像、或在有限角度范围内捕获的投影图像、或在更宽的角度间距内捕获的投影图像、或在当与标称地捕获的数字射线摄影断层合成检查中的剂量水平相比时减少的剂量(能量水平)下捕获的投影图像。
这样的系统将使断层合成图像能够在危重患者的床边处被捕获,以作为替代标准便携式数字射线摄影的新护理标准,因为断层合成(3D)和一般投影图像两者可在与当前使用中的当前便携式数字射线摄影系统可比较的患者剂量水平下采集。常规断层合成利用每投影小于或等于一度的角度采样率。例如,标准胸部检查将使用跨+/-15度角度的总共六十个投影,角度采样率是每投影大约0.5度。在本公开中,一种稀疏采样技术在从大约二度至大约五度的范围的断层合成投影图像捕获中间使用宽角度间距,这将极大地减少需要捕获的断层合成投影的数量。这将极大地减少总采集时间和患者运动伪影。另外,常规断层合成系统中的暴露技术设定使患者暴露于在用于诊断的标准射线摄影的情况下的辐射暴露的大约五倍至二十倍。在本公开中,由于投影的数量显著地减少,因而与断层合成相关联的总暴露水平将在标准射线摄影的总暴露水平的从一倍至两倍的范围。
实现与一般射线摄影类似的断层合成剂量水平可通过采用用于图像重建的深度学习方法或者作为继常规重建方法之后的后处理步骤来实现。通过深度学习技术,当同时地减少每投影的辐射剂量时,可显著地减少投影图像的数量。通常,使用用于断层合成重建的普通手段,投影数量方面的显著减少将混杂的条纹化伪影引入,同时减少辐射剂量导致显著水平的噪声。然而,已表明深度学习方法克服对图像质量的这些限制。
数字地重建的射线摄影(DRR)可在去除条纹化伪影并且减少噪声之后根据重建的断层合成体积来合成。前向投影是可生成DRR的方法中的一个方法,然而该方法将不能够利用原始投影图像来进一步改进DRR空间分辨率。如本文中所公开的,使用AI方法来降低每个断层合成投影图像中的噪声水平,然后AI将使用重建的断层合成体积以及最接近DRR投影角度的投影图像中的可选地至少一个投影图像两者来创建改进的图像。
上文的概要描述不旨在描述其元件不可互换的个别的单独的实施例。实际上,描述为与特定实施例相关的元件中的许多元件可与其它描述的实施例的元件一起使用并且可能与其互换。在不脱离本发明的精神的情况下,可以在本发明的范围内作出许多改变和修改,并且本发明包括所有的这样的修改。
本发明的本简短描述仅旨在根据一个或多个说明性实施例提供本文中公开的主题的简短综述,并且不充当用于解释权利要求或者用于定义或限制本发明的范围的指南,本发明的范围仅由所附权利要求来定义。本简短描述被提供来以简明的形式介绍在下文详细描述中进一步描述的概念的说明性选择。本简短描述不旨在识别要求保护的主题的关键特征或基本特征,也不旨在用作在确定要求保护的主题的范围方面的帮助。要求保护的主题不限于解决在背景技术中指出的任何缺点或所有缺点的实现方式。
附图说明
为了能够理解本发明的特征的方式,可以通过参考某些实施例来对本发明进行详细描述,其中在附图中图示了所述实施例中的一些实施例。然而,要注意到,附图仅图示本发明的某些实施例,并且因此不要被认为是对其范围的限制,因为本发明的范围包含其它同等有效的实施例。下文的附图旨在既不按关于相对尺寸、角度关系、相对位置或时机关系的任何精确比例绘制,也不按关于所要求的实现方式的可互换性、替代或表示的任何组合关系绘制,重点一般放在图示本发明的某些实施例的特征上。在附图中,贯穿各种视图,同样的数字用于指示同样的部分。因而,为了进一步理解本发明,可以参考以下的详细描述,该详细描述与附图结合来阅读,在附图中:
图1是示出供作为用于断层合成或其它体积成像的便携式成像系统使用的移动射线摄影单元的一个实施例的透视图的简图。
图2是示出在用于体积成像的位置中的移动射线摄影设备的实施例的透视图。
图3A是示出当用于断层合成和其它体积成像时与针对移动放射设备的几何校准相关的图像捕获度量和行为的方面的一个实施例的透视图。
图3B是示出当用于断层合成和其它体积成像时与针对移动放射设备的几何校准相关的图像捕获度量和X射线头平移的附加方面的透视图。
图4是常规X射线管头的一部分的一个实施例的示意性横截面。
图5是示出准直器灯的一个实施例的功能的透视图,该准直器灯对光的图案进行投影以辅助患者到源的配准。
图6是示出用于移动射线摄影设备的自校准设备的部件的一个实施例的示意简图。
图7是示出用于移动射线摄影设备的校准的序列的一个实施例的逻辑流程简图,该移动射线摄影设备具有不机械地耦合到X射线源的检测器。
图8A-8E图示配置成紧固到管头的冷阴极或碳纳米管X射线源的布置。
图9图示不透射线标记的不同配置。
图10是示出定位于X射线束中的多不透射线标记表面和多源管头的一个实施例的示意简图。
图11是管头和标记定位的一个实施例的示意简图。
图12是管头和标记定位的另一实施例的示意简图。
图13是管头和标记定位的另一实施例的示意简图。
图14图示患者定位和多源管头的一个实施例。
图15图示患者定位和多源管头的一个实施例以及用于不透射线标记的备选安装件。
图16是标记支承保持器的一个实施例的示意。
图17A-17B图示用于断层合成投影图像的稀疏捕获技术。
图18图示确定角度范围的示例性方法。
图19图示用于人工智能网络或模块的一个示例性训练方法。
图20图示训练的人工智能网络或模块的一个示例性使用。
图21是基于稀疏采样的射线摄影投影图像而生成高分辨率断层合成体积图像的示例性方法的流程图。
具体实施方式
本专利申请要求以Wang等人的名义在2020年1月21日提交的标题为基于人工智能的低剂量数字断层合成系统和方法(LOW DOSE DIGITAL TOMOSYNTHESIS SYSTEM ANDMETHOD BASED ON ARTIFICIAL INTELLIGENCE)的美国序号为62/963586的美国临时申请的权益,并且是以Sehnert等人的名义在2020年12月9日提交的标题为用于X射线成像扫描仪的自校准技术(SELF-CALIBRATING TECHNIQUE FOR X-RAY IMAGING SCANNERS)的美国专利申请序号为17/115869的部分继续专利申请,该部分继续专利申请是以Sehnert等人的名义在2020年10月28日提交的标题为用于X射线成像扫描仪的自校准技术(SELF-CALIBRATINGTECHNIQUE FOR X-RAY IMAGING SCANNERS)的序号为17/082080的美国专利申请的部分继续专利申请。
下文是本发明的示例性实施例的描述,参考附图,在附图中,相同的参考编号识别若干图中的每个图中的结构的相同元件。在使用它们的情况下,用语“第一”、“第二”等不一定指代任何顺序关系或优先级关系,而是可以用于将一个元件或时间间隔与另一元件或时间间隔更清楚地区分。
便携式射线摄影系统常规地在医院中使用。与标准投影射线摄影相比,体积成像设备(诸如,断层合成设备)提供对由于重叠结构而在正常射线摄影中不可见的细微细节的改进的描绘。这些益处提供动力来开发可在重症监护室、急诊室以及手术室(在其中,由于伤害患者的风险,移动患者是不切实际的或不明智的)中利用的便携式体积成像系统。
重建的图像质量取决于对采集扫描几何的准确了解,包括X射线源和检测器针对每个投影的空间位置和角度位置。扫描几何中的不确定性可能导致重建的对象中的伪影和/或模糊。便携式体积成像系统的开发已受到在准确地确定采集扫描几何方面的困难的阻碍。依然存在对改进的X射线体积成像系统的需要,该X射线体积成像系统可制成便携式的或者是便携式的,并且在对患者大大减少的辐射剂量下仍然提供可靠的临床图像和数据。
图1是示出根据本文中所公开的本申请的实施例的移动射线摄影单元100和移动射线摄影设备100的透视图的简图,该移动射线摄影单元100可与与辐射源机械地分离的平板检测器或便携式射线摄影检测器一起使用。可采用图1的示例性移动X射线或射线摄影设备100以用于数字射线摄影(DR)成像和/或断层合成或断层摄影成像。如图1中所示出的,移动射线摄影设备100可包括可移动输送框架120,该可移动输送框架120包括:用于显示诸如所获得的图像和相关数据之类的相关信息的第一显示器110和可选的第二显示器110’,以及用于控制激发X射线管头140中的X射线源的操作者输入。如图1中所示出的,第二显示器110’可以可枢转地安装于X射线源、X射线管或X射线头140处,以便从360度区域是可察看/可触摸的。
显示器110、110’可为操作者提供用于实现或控制功能(诸如生成、存储、传送、修改和打印所获得或捕获的(一个或多个)X射线图像)的输入屏(例如,触摸屏),并且可包括用于辅助实现功能(诸如生成、存储、传送、修改和打印所获得或捕获的X射线图像)的集成控制面板(例如,触摸屏)或单独控制面板(未示出)。可选的触摸板150允许支持诸如操作者识别之类的功能。
针对移动性,移动射线摄影设备100可具有一个或多个轮115以及通常在腰部水平、手臂水平或手部水平处提供的一个或多个手柄把手125,其帮助操作者将移动射线摄影设备100移动且引导到其预期位置。自包含式电池组(例如,可再充电的)可提供源功率,这可减少或消除对在电源插座(power outlet)附近操作的需要。此外,自包含式电池组可配置成为电动轮提供电源,以将整个移动射线摄影单元100输送到其预期位置。
针对存储,移动射线摄影设备100可包括用于保持/存储一个或多个数字射线摄影(DR)检测器20或计算机射线摄影盒的区域/保持器134(图2)。区域/保持器134可以是设置于框架120上的存储区域,该框架120配置成可拆卸地保存至少一个数字射线摄影(DR)检测器20。存储区域134可配置成保持多个检测器20,并且还可配置成保持一个尺寸或多尺寸的DR检测器。
仍然参考图1,控制逻辑处理器130提供用于检测器20相对于管头140中的X射线源的位置的识别以及图像处理的控制逻辑。图像处理可由本身是移动射线摄影设备100的部分的控制逻辑处理器130来提供,或者可由与移动射线摄影设备100进行信号通信而联网的一个或多个外部计算机(诸如,控制操纵台)和其它处理器来提供。
安装到框架120的是支承X射线头140(其也称为X射线管、X射线管头或X射线生成器)的支承构件或柱135,X射线头140包括X射线源,并且可安装到支承构件或柱135。在图1中示出的实施例中,支承构件或柱135可包括以固定或可变的距离从竖直第一区段向外延伸的第二水平伸缩区段30,其中第二区段配置成骑在第一区段上面竖直地向上和向下到期望高度,以用于获得患者的射线摄影图像。另外,支承构件或柱135的竖直区段可旋转地附接到可移动框架120,以允许支承构件或柱135围绕竖直轴的人工旋转。在另一实施例中,管头140可以可旋转地耦合到支承柱135。在另一示例性实施例中,支承柱的在接头机构处弯曲的铰接构件可允许X射线管头140在竖直位置和水平位置的范围内移动。对于X射线管头140的高度设定可在以下的范围:从用于对足部和下肢进行成像的低高度至用于对各种位置中的患者的上身部分进行成像的肩部高度及以上高度。
图2的透视图示出在用于断层合成或断层摄影成像的位置中的移动射线摄影设备100。支承构件或柱135的伸缩水平区段30在线性方向201上远离支承构件或柱135的竖直区段可伸长,并且朝向该竖直区段可缩回。在DR检测器20相对于管头140中的X射线源装配于患者14后面的情况下,患者14正平躺在床或担架上。X射线管头140与检测器20之间不存在固有的机械连接或对准,并且因此在暴露之前对源/检测器几何进行常规校准是不可行的。通过伸长和/或缩回水平区段30将管头140中的X射线源移动到相对于便携式DR检测器20的若干成像位置或角度。在每个成像位置处在便携式DR检测器中捕获患者14的断层合成投影图像。
图3A和图3B的透视图示出当用于断层合成或其它体积成像时与针对移动放射设备100的几何校准相关的图像捕获度量和行为的方面。源到图像的距离SID可基于移动射线摄影设备100的已知因素(诸如床高度和柱高度)来近似。然而,即使在可以准确地识别SID的情况下,也存在必须获知的附加校准度量。这些包括诸如以下项之类的因素:检测器20相对于管头140中的X射线源的歪斜(如在图3A中示出)以及源和/或检测器在采集连续图像时的相对行进路径。如图3B中所示出的,对于管头140的线性行进,在支承构件135的水平部分30中使用伸缩输送设备对于在不同的相对角度下(如由管头140的虚线重影所示出的,如在管头140中的X射线源与检测器20之间)捕获患者的连续断层合成投影X射线图像可以是有利的。
图4的剖视横截面示意图示出具有X射线辐射源50的常规X射线管头140的一部分,该X射线辐射源50具有准直器22和准直器灯26。如本文中所提到的,管头140还可以包括滤波器、其它光源、多个X射线源(诸如,冷阴极(CC)或碳纳米管(CNT)X射线源)、用于一个或多个X射线源的真空密封的包封件、用于包封管头部件的壳体、可以包括触摸屏的显示屏、控制旋钮、用于将管头人工地操纵到位的手柄以及如本文中所描述的其它部件。准直器22通常具有两个准直器区段76a和76b,准直器区段76a和76b各自具有定位成用于使输出辐射束成形的叶片。准直器灯26(通常是灯泡或发光二极管(LED)或其它固态光源)安装于准直器22内部,并且用作用于瞄准X射线头140的取向的指南。反射镜24(其实质上对X射线透射,但对可见光反射)使准直器灯26的光路径与从X射线源延伸的X射线束32的辐射路径R组合,使得来自准直器灯26的光束的横截面面积与从X射线头140发射的准直辐射束的横截面面积匹配。
图5的透视图示出准直器灯26的功能,其通常对所照亮的图案23进行投影以辅助患者到源的配准,使得准直束被指引到恰当地位于检测器20的周界内的受试者区域。然而,如已强调的,出于诸如检测器放置和患者状况之类的原因,对于移动射线摄影应用,识别检测器20相对于来自X射线头140的X射线束32的精确位置和歪斜取向一般是不可行的。
根据本公开的实施例,源和检测器的几何校准使用采集的射线摄影图像内容来实行。不透射线标记40在X射线头140内或X射线头140外部沿辐射束32中的中心辐射路径R或接近该中心辐射路径R设置于固定位置处。在X射线检测器20处采集或由X射线检测器20捕获的图像内容包括标记40。标记在采集的X射线图像中的位置与X射线源50和检测器20的相对几何直接地相关,并且可用于在足够的准确性的条件下计算该几何,以便为成像的患者解剖结构提供可信任的对深度信息的重建。
参考图6的简化示意简图,相对于准直器灯26和X射线源50的位置而示出X射线头140的反射镜24。反射镜24已被修改成包括不透射线标记40的集合,每个标记40设置于指向检测器20的X射线辐射束32的路径R中。由于每个标记40是不透射线的,因而标记40在来自检测器20的X射线图像内容中被检测到,并且因此只要标记图像未被数字地去除或擦除,标记40就出现于对医务人员可见的捕获的X射线图像中。由检测器20成像的标记40的图案和所检测到的图案的总体几何提供足够的信息,以用于进行检测器20相对于X射线源50的位置的准确空间校准。
应当注意到,虽然反射镜24可以是用于将不透射线标记安装于X射线头140内的便利工具,但可以备选地使用位于辐射路径R中的X射线头140内的其它部件,例如,诸如滤波器。标记可以耦合到合适的射线透射或可透射线的支承表面,或者可以形成为该支承表面的部分,或者耦合到在辐射束和准直器光的路径中的某个其它特征。在一个实施例中,其中具有不透射线标记的可透射线的标记基底或支承表面可以插入到管头中或者以其它方式附接到管头。
存在与用于移动射线摄影设备的几何校准的标记使用相关的许多考虑,包括以下项:
(i)沿辐射场的外围的标记定位。标记40相对于检测器成像区域的外围位置一般是有利的。感兴趣的解剖信息一般以图像区域为中心;沿成像区域的边缘或在成像区域的外部的标记40不太可能干扰3D重建。
(ii)固定定位。标记位置可以固定于X射线头140的壳体内部或外部,并且它们的位置在管头140位置调整的情况下不相对于一个或多个X射线源而改变。如果像参考图4所公开的那样在反射镜24上提供标记40,则反射镜24应当在管头140内的固定位置中。
(iii)标记40到头140的校准。在将标记40用于针对患者图像的源/检测器校准之前,作为针对移动射线摄影设备的设定规程,实行标记40位置到头140和X射线源50的初始几何校准。不论该基底是反射镜24还是单独基底,该校准都可以包括标记基底上的标记40之间的间距距离。
(iv)阴影。标记40在采集的投影图像中生成阴影,即,标记图像出现于采集的X射线图像中。继几何校准之后,需要附加图像处理步骤,以便去除标记图像或阴影。可采用众所周知的图像处理规程(诸如,分割、内插以及内涂)来补偿阴影效应。
(v)高放大倍数。对于标记的几何放大倍数是相当大的。因而,应当使得标记40本身尽可能地小且独特。
(vi)标记形状。特殊形状的标记40促进标记检测和从投影图像中去除。例如,圆形、三角形或十字形形状的标记40可以是有利的。尽管标记形状可能增大标记尺寸,但独特形状可有助于使标记的中心的检测简化,从而允许容易的识别和去除。
(vii)可调整准直器。取决于X射线头140的设计,准直器22可以是可调整的。对于标记设计和定位,必须考虑该因素。具体准直器位置可以最佳地效力于标记效果的后续检测和去除。
标记位置的校准(上文中的项(iii))可以通过以下方式来实行:建立检测器20相对于X射线源50的精确位置坐标,并且从沿X射线头140的行进路径的两次或更多次暴露采集图像内容。然后,可以使用众所周知的三角测量和投影几何的方法,根据来自所得到的投影图像序列的位置信息和移动信息来计算标记位置的校准。
使用相对于X射线源50的初始地校准的标记40位置,诸如检测器20的SID、歪斜以及平面取向之类的度量可以使用众所周知的投影几何计算来容易地计算。
图7的逻辑流程简图示出用于移动射线摄影设备的校准的序列,该移动射线摄影设备具有不机械地耦合到X射线源的检测器,并且其中(i)该设备配置有标记,并且(ii)已实行对X射线源的标记校准。在图像采集步骤S710中,采集受试者的2D投影图像的集合以用于处理。然后,在识别步骤S720中,识别投影图像中的标记位置。然后,计算步骤S730使用众所周知的投影几何处理来基于所识别的标记位置而计算检测器/源几何。然后执行清除步骤S740,在清除步骤S740中,从投影图像中去除标记内容。如先前所指出的,清除步骤S740可以使用内插、内涂以及其它众所周知的过程,以便恢复图像内容并且去除标记阴影。这可以容易地实现,因为标记在每个采集的投影图像中具有相同位置。然后可以执行重建步骤S750,以便根据校正的2D投影图像生成3D体积图像。用于断层摄影和断层合成成像的重建方法是众所周知的,并且包括滤波反投影(FBP)和迭代重建方法,从而允许许多处理序列用于体积图像重建。然后,在显示步骤S760中,可以提取并显示所生成的3D体积图像的2D切片或其它部分或投影。
根据本公开的实施例,在步骤S730中,仅分析断层合成系列或断层摄影系列中的采集的投影图像的一部分,以用于源/检测器几何的计算和标记位置检测。
使用沿辐射路径嵌入的不透射线标记并且执行关于图7而概述的过程,本公开的实施例使得源/检测器几何能够根据采集的投影图像的集合来计算。因而,对于在其中成像检测器与辐射源机械地分离的移动射线摄影设备和其它射线摄影系统的情况下的校准使用,本公开的实施例是有利的。
如本文中所描述的,标记40可以由铅或其它不透射线材料(包括诸如钨之类的金属)形成。标记能够形成为三维体积珠、立方体,或者形成为某个其它在尺寸上合适的形状,诸如基本上平坦的十字形或圆形、正方形、三角形或某个其它形状,并且可以通过沉积来粘附、压印到射线透射或可透射线的表面上,或者嵌入到该表面中,或者以其它方式耦合到(诸如附接到)反射镜、滤波器或X射线管头140的其它永久特征。标记40可以耦合到在来自管头140中的一个或多个X射线源的准直X射线能量的路径中的射线透射的支承特征,诸如平面玻璃或者塑料表面或特征。
转到图8A-8D,管头140可以包括以附接到源支承构件810a-d的冷阴极或CNT X射线源801的形式的多X射线源。在一个实施例中,可以使用线性源支承构件810a来线性地布置六个X射线源801。在一个实施例中,可以使用成角度的源支承构件810b来成角度地布置七个X射线源801。在一个实施例中,可以使用矩形源支承构件810c来直线地布置十个X射线源801。在一个实施例中,可以使用圆形源支承构件810d来圆形地布置六个X射线源801。具有多个X射线源的X射线源布置可以配置成可控地激发X射线源中的一个或多个X射线源一次,或者按编程的序列激发,诸如以用于采集将在体积X射线图像重建中使用的许多投影X射线图像。在一个实施例中,在不要求使单源管头沿线性路径(诸如在图3B的实施例中示出的)移动的情况下,由线性支承构件801a支承的多个冷阴极或CNT源801可以按定时的序列可编程地激发,以迅速地捕获一系列X射线投影图像。图8E示出紧固到分别以十字形形状、三角形形状以及曲线形状的源支承构件810e、810f以及810g的X射线源801的附加示例性图案或布置,所述X射线源801可操作性地附接到与图8A-8D的实施例类似的管头140并且可与管头140一起使用。X射线源的布置或者每布置X射线源的数量不限于本文中所公开的示例,并且可以变化到任何期望的程度。
图9是示例性的具有由其支承的不透射线标记40的可透射线的平面标记基底940a、940b的侧视图的示意简图,如本文中所描述的。标记基底940a、940b可以由玻璃、塑料或其它合适的可透射线的材料制作。如本文中所公开的,不透射线标记40可以成形为沉积到标记基底940a的表面上、以任何期望的深度嵌入到标记基底940a的表面中、或以其它方式由标记基底940a支承的基本上平坦的圆形、三角形、正方形、十字形或其它形状标记40。类似地,不透射线标记40可以成形为嵌入到可透射线的基底中或以其它方式由标记基底940b支承的体积球体、立方体或其它三维形状标记40。在一个实施例中,不透射线标记40中的所选择的不透射线标记40之间的距离d是精确地已知的。在一个实施例中,由标记基底940a、940b支承的所有标记40之间的距离d是精确地已知的。
图10是包括管头1001的示例性成像系统的示意图,管头1001具有壳体1003,壳体1003包封多个CC或CNT X射线源801,CC或CNT X射线源801各自配置成当被激活时,朝向DR检测器20发射X射线束32,以捕获患者14的一部分的X射线投影图像。在图10的示例性实施例中,同时地使用两个可透射线的标记基底940,可透射线的标记基底940在由X射线源发射的X射线束32中各自具有由其支承的多个不透射线标记(标记未示出)。标记基底940中的每个标记基底940定位在距管头1001的不同距离处。被包括在管头1001中的CC或CNT X射线源801的数量可以包括对于断层合成成像在机电上可行的任何期望的数量。X射线源801中的全部或其子集可以被预先选择以用于激活来捕获患者14的断层合成图像。
图11是管头壳体1003的示意图,管头壳体1003包封各自配置成朝向DR检测器20发射X射线束32a、32b、32c的多个CC或CNT X射线源801。管头1001示出为具有十二个X射线源801,然而,可以包括任何其它期望数量的X射线源801。管头1001的准直器区段22选择性地使每个激活的X射线源801的X射线束32a-32c准直。X射线源801可以各自被包封于不同的真空室或真空管中,或如图11中所示出的,X射线源801可以全都被单个真空室1101包封或被密封于单个真空室1101中。X射线源801各自配置成当被激活时,发射X射线束32a、32b、32c,X射线束32a、32b、32c分别行进通过一个对应的可透射线的标记基底940x、940y、940z,所述一个对应的可透射线的标记基底940x、940y、940z在对应的X射线束32a、32b、32c中的每个X射线束内支承并且设置多个不透射线标记40,所述不透射线标记40在由DR检测器20采集的投影X射线图像中被捕获。在图11的示例性实施例中,标记40及它们对应的标记基底940x、940y、940z在管头壳体1003的外部紧固于对应的X射线束32a、32b、32c内的位置中。在图11的示例性实施例中,X射线源801按编程的序列一次一个地被激发,由此一次一个地发射X射线束32a、32b、32c,同时DR检测器20针对X射线源的每次激发而捕获一个投影X射线图像。在图11的示例性实施例中,X射线源801示出为沿线性源支承构件810a线性地布置,然而,合适的管头壳体1003可以用于包封本文中所公开的X射线源801的任何形状布置,诸如在图8B-8E中的。在图11的示例性实施例中,为了便于图示,示例性X射线源801中的仅三个X射线源被图示为与对应的可透射线的标记基底940协作而被激活。在实际操作中,图11中的十二个X射线源801中的每个X射线源可以按如由三个示例性的激活的X射线源801所图示的类似方式来配置。在断层合成成像扫描或断层合成成像检查期间,十二个X射线源801中的全部或其任何子集可以被预先选择,以用于编程的序列的激发。
图12是管头壳体1003的示意简图,管头壳体1003包封各自配置成朝向DR检测器20发射X射线束32a、32b、32c的多个CC或CNT X射线源801。管头1001示出为具有十二个X射线源801,然而,可以包括任何其它期望的数量的X射线源801。管头1001的准直器区段22选择性地使每个激活的X射线源801的X射线束32a-32c准直。X射线源801可以各自被包封于不同的真空室或真空管中,或如图12中所示出的,X射线源801可以全都被单个真空室1101包封或被密封于单个真空室1101中。X射线源801各自配置成当被激活时,发射X射线束32a、32b、32c,X射线束32a、32b、32c分别行进通过一个对应的可透射线的标记基底940m、940n、940o,所述一个对应的可透射线的标记基底940m、940n、940o在对应的X射线束32a、32b、32c中的每个X射线束内支承所述一个对应的可透射线的标记基底940m、940n、940o中的多个不透射线标记40,所述标记40在由DR检测器20采集的投影X射线图像中被捕获。在图12的示例性实施例中,标记40和它们对应的标记基底940m、940n、940o在管头壳体1003的内部紧固于对应的X射线束32a、32b、32c内的位置中。由于在图12的实施例中,标记基底940m、940n、940o定位得更靠近X射线源801,因而标记基底940m、940n、940o被设定尺寸成小于图11的实施例中的标记基底940x、940y、940z。标记基底940m、940n、940o可以附接到管头壳体1003的内部部分。在图12的示例性实施例中,类似于图11的实施例,X射线源801按编程的序列一次一个地被激发,由此一次一个地发射X射线束32a、32b、32c,同时DR检测器20针对X射线源801的每次激发而捕获一个投影X射线图像。在图12的示例性实施例中,X射线源801示出为沿线性源支承构件810a线性地布置,然而,合适的管头壳体1003可以用于包封本文中所公开的X射线源801的任何形状布置。在图12的示例性实施例中,为了便于图示,示例性X射线源801中的仅三个X射线源被图示为与对应的可透射线的标记基底940协作而被激活。在实际操作中,图12中的十二个X射线源801中的每个X射线源可以按如由三个示例性的激活的X射线源801所图示的类似方式来配置。在断层合成成像扫描或断层合成成像检查期间,十二个X射线源801中的全部或其任何子集可以被预先选择以用于编程的序列的激发。
图13是管头壳体1003的示意简图,管头壳体1003包封各自配置成朝向DR检测器20发射X射线束32a、32b、32c的多个CC或CNT X射线源801。管头1001示出为具有十二个X射线源801,然而,可以包括任何其它期望数量的X射线源801。管头1001的准直器区段22选择性地使每个激活的X射线源801的X射线束32a-32c准直。X射线源801可以各自被包封于不同的真空室或真空管中,或如图13中所示出的,X射线源801可以全都被单个真空室1101包封或被密封于单个真空室1101中。X射线源801各自配置成当被激活时,发射X射线束32a、32b、32c,X射线束32a、32b、32c行进通过支承多个不透射线标记40a-40f的可透射线的标记基底940。不透射线标记40a-40f的至少子集定位于X射线束32a、32b、32c中的每个X射线束中,在成像期间,X射线束32a、32b、32c中的所述标记40a-40f在由DR检测器20采集的投影X射线图像中被捕获。在优选实施例中,在图像捕获期间,不透射线标记40a-40f中的至少三个不透射线标记设置于来自X射线源801中的任何X射线源的激活的X射线束32a、32b、32c中,并且出现于由DR检测器20采集的每个射线摄影图像中。在一个示例性实施例中,在图像捕获期间,标记40a、40b以及至少一个其它标记可以定位于X射线束路径32a内。在另一示例性实施例中,在图像捕获期间,标记40c、40d以及至少一个其它标记可以定位于X射线束路径32b内。在另一示例性实施例中,在图像捕获期间,标记40e、40f以及至少一个其它标记可以定位于X射线束路径32c内。在另一示例性实施例中,标记40a-40f可以全都定位于示例性X射线束路径32a-32c中的每个X射线束路径内,以在由DR检测器20采集的对应的图像中被捕获。在图13的示例性实施例中,类似于图11的实施例,X射线源801按编程的序列一次一个地被激发,由此一次一个地发射X射线束32a、32b、32c,同时DR检测器20针对X射线源的每次激发而捕获一个投影X射线图像801,所述捕获的投影图像各自包括由出现于其中的基底940支承的不透射线标记中的至少三个不透射线标记。
在图13的示例性实施例中,标记基底940使用附接到管头1001的一部分的刚性支承臂1301来紧固于X射线束32a、32b、32c内的位置中,或支承臂1301可以附接到移动射线摄影设备100的另一部分,或它可以被独立地支承。在图13的示例性实施例中,X射线源801示出为沿线性源支承构件810a线性地布置,然而,管头壳体1003可以用于包封本文中所公开的X射线源801的任何形状布置。在图13的示例性实施例中,为了便于图示,示例性X射线源801中的仅三个X射线源被图示为与对应的可透射线的标记基底940协作而被激活。在实际操作中,图13中的十二个X射线源801中的每个X射线源可以按如由三个示例性的激活的X射线源801所图示的类似方式来激活。在断层合成成像扫描或断层合成成像检查期间,X射线源801中的全部或其任何子集可以被预先选择以用于编程的序列的激活。
图14是医学成像设施中被引导到患者14的床边处的位置中的移动射线摄影设备100的透视图。支承构件135的水平区段30包括管头1001,如本文中所描述的,管头1001附接到水平区段30。在图14的实施例中,管头1001内的X射线源配置成如本文中所描述的那样朝向DR检测器20或可移动的DR检测器1401中的任一个发射预先选择的多个X射线束32,以如本文中所描述的那样捕获患者14的一部分的断层合成投影图像。在图14的示例性实施例中,可移动的DR检测器1401可以在附接到患者床1400的电动基板(bucky)中定位于患者14底下,该电动基板可以在对患者14的编程的断层合成投影成像序列期间实现DR检测器1401沿尺寸1403的编程的移动。DR检测器1401可以通过马达控制来编程,以针对管头1001中的预先选择的X射线源801的每次序列的激发而移动到患者14底下的不同位置。
图15图示图14的布置,该布置具有刚性支承臂1501,刚性支承臂1501附接到支承构件135的水平区段30(图14)并且附接到可透射线的标记基底940,以如在本文中关于图13而描述的那样使由标记基底940支承的不透射线标记40在X射线束32的路径中(图14)紧固就位。在一个实施例中,支承臂1501可以附接到可透射线的标记基底940并且附接到移动射线摄影设备100的另一部分,诸如附接到支承构件135(图14)的竖直区段。在一个实施例中,在不附接到移动射线摄影设备的任何部分的情况下,可透射线的标记基底940可以附接到独立地固定就位的刚性支承臂1503,诸如,通过如图15中所示出的那样附接到X射线成像设施的地板,或者附接到X射线成像设施的诸如成像设施的天花板或墙壁1504之类的另一结构部分。
参考图16,刚性支承臂1503可以具有如图15中所示出的附接到刚性支承臂1503的标记基底940,或者附接到刚性支承臂1503的不同的标记支承结构。刚性支承臂1503可以通过使刚性支承臂1503滑动到中空支承柱1602中来刚性地附接到轮式输送框架1601。可以将输送框架1601连同紧固到输送框架1601的刚性支承臂1503一起以及附接到刚性支承臂1503的标记基底940或不同的标记支承结构人工地引导到患者床边处的位置中,以用于将不透射线标记40定位于X射线束的路径中,以便进行如本文中所描述的射线摄影成像。在一个实施例中,不透射线标记40可以各自个别地附接到可透射线的支承杆1603,可透射线的支承杆1603继而可移动地附接到支承框架1605,该支承框架1605刚性地附接到刚性支承臂1503。支承框架1605还可以由可透射线的材料制作。可透射线的支承杆1603中的每个支承杆可以如由图16中的箭头所示出的那样水平地和竖直地可移动,以便如所期望的那样人工地间隔开不透射线标记40。另外,不透射线标记40、可透射线的支承杆1603以及支承框架1605的组件可以从刚性支承臂1503拆卸,以便在标记基底940中更换。因而,不透射线标记40、可透射线的支承杆1603以及支承框架1605的组件可以附接到刚性支承臂1503以代替标记基底940,并且还被引导到如图15中所示出的患者床边处的位置中,以将不透射线标记40放置于X射线束的路径中,以便进行如本文中所描述的射线摄影成像。尽管示出了附接到三个可透射线的支承杆1603的三个不透射线标记40,但支承框架1605可以包括多于三个支承杆1603,支承杆1603各自具有附接到支承杆1603的不透射线标记40。
参考图17A-17B,存在操作具有如本文中所描述的管头1001的如本文中所描述的移动射线摄影设备100的所图示的示例性方法。图17A图示示例性稀疏采样、欠采样或子采样方法或技术,通过该方法或技术,可编程地序列地激活或激发五个X射线源801的预先选择的子集s,以在便携式DR检测器20中捕获患者14的多个断层合成投影图像。图17A还图示示例性稀疏采样方法,通过该方法,投影图像捕获之间的角度采样率减小了3x,或换而言之,成像间隔角度增大了3x,因为在图像捕获序列期间,预先选择X射线源801中的每第三个以用于激活。如本文中所提到的,用语稀疏采样、子采样或欠采样意味着可用于患者14的完整断层合成投影扫描或标准断层合成投影扫描的X射线源801的大约一半至大约十分之一被激活。用语断层合成投影图像的完整集合或标准集合可以用于指示可用于跨过完整角度范围使用的X射线源中的所有X射线源都用于捕获断层合成投影图像。因而,与稀疏集合相比,断层合成投影图像的完整集合或标准集合可以包含患者解剖结构的投影图像的数量的大约两倍至大约十倍,以用于患者解剖结构的体积(3D)图像重建。此外,用语稀疏体积图像或仅“稀疏”可以用于指与完整体积图像相反的、根据断层合成投影图像的稀疏集合重建的3D体积图像,或一般指由本文中所描述的稀疏采样技术产生的任何图像。类似地,用语完整体积图像或仅“完整”可以用于指根据断层合成投影图像的完整集合重建的3D体积图像,或一般指由本文中所描述的完整采样技术或标准采样技术产生的任何图像。如图17A的示例性方法中所示出的,出自十三个可用X射线源801的五个X射线源的子集s用于捕获患者14的断层合成投影图像。在该示例中,稀疏采样比是5/13,并且角度范围与可以用在使用图17A的管头1001中X射线源中的所有十三个X射线源的标准断层合成扫描中的角度范围相同。稀疏角度采样率可以被定义为完整角度采样率的三分之一,因为角度间距增大了3x。如本文中所使用的,角度采样率指的是相对于X射线检测器如在X射线源之间每平移角度捕获的投影图像的数量。
图17B图示示例性的稀疏采样、欠采样或子采样技术,通过该技术,可编程地激活或激发有限角度范围1701内的三个X射线源801的预先选择的子集s,以在DR检测器20中捕获患者14的多个断层合成投影图像。如本文中所提到的,具有有限角度范围的稀疏采样意味着使用可用于对患者14的完整断层合成投影扫描或标准断层合成投影扫描的角度范围的大约五分之二至大约五分之四。因而,与具有有限角度范围的稀疏采样相比,断层合成投影图像的完整角度范围或标准角度范围可以包含处于大约25%至大约250%的更大的角度范围的患者解剖结构的投影图像,以用于患者解剖结构的体积(3D)图像重建。如图17B的示例性方法中所示出的,如果使用所有五个X射线源801,则角度范围1701内的三个示例性的预先选择的X射线源s对着完整角度范围的大约四分之三(75%)的角度。在该示例中,稀疏样本是四分之三的有限角度范围,并且所使用的X射线源的数量也少于在使用图17B的管头1001中的所有X射线源801的标准断层合成扫描中可用的数量。
图18图示使用图17B的管头示例来确定角度范围或有限角度范围的示例性方法。来自将用于断层合成投影成像的X射线源801的中心位置中的X射线源1800的线1801垂直于管头1001而延伸到与便携式DR检测器20的平面的交点。线1803从管头1001的最外面的X射线源延伸到交点。这些线1803定义管头1001的完整角度范围。线1805从将用于使用有限角度范围的当前的断层合成投影成像序列的最外面的X射线源延伸到交点。这些线1805定义有限角度范围或稀疏角度范围。在图17B的示例中,稀疏角度范围略小于完整角度范围的75%或四分之三。
可以在本文中提到的另一稀疏采样技术包括在低剂量断层合成投影成像检查期间,与通常用于断层合成成像序列的标准或完整能量水平相比,降低X射线源801的每次激活或激发的能量水平。该降低的能量水平减少对于患者的辐射暴露。稀疏或低剂量的能量水平可以降低通常用于断层合成投影成像的完整能量水平的大约10%至大约50%。稀疏能量水平可以用于在采集完整数量的断层合成投影图像的同时,在完整角度范围内采集患者的断层合成投影图像。在一个实施例中,可以同时地使用稀疏采样技术的组合,诸如减少的X射线源能量水平(稀疏能量)和减少的角度范围(稀疏或有限角度范围)。在另一实施例中,稀疏能量可以与减少的(稀疏)数量的断层合成投影图像(稀疏采样)一起使用。本文中所描述的稀疏采样技术中的每个稀疏采样技术可能导致在从其生成的体积重建中可见的某些缺陷。这些缺陷可包括出现在体积重建中的过多噪声、条纹以及环状伪影。如本文中所描述的,可以实现诸如卷积神经网络之类的人工智能网络,以减少这样的图像缺陷,以在实现稀疏采样技术的同时提供高分辨率图像体积。如本文中所描述的,可以有意地实现稀疏采样技术,以将患者辐射剂量减少通常在常规断层合成系统中使用的剂量的20x(低至5%)那样多。
图19图示训练人工智能系统1904的示例性方法,人工智能系统1904包括人工智能网络或模块1905,以基于稀疏采样的投影图像而生成高分辨率断层合成体积图像。在图19的示例性方法中,通常被称为U-net 1905的卷积神经网络(CNN)将作为要被训练的示例性人工智能网络来使用。这样的神经网络是众所周知的,并且它们内部操作的细节未在本文中描述。为了训练U-net 1905,提供稀疏体积重建1901作为对U-net 1905的一个输入。该稀疏体积重建1901可以包括如本文中所描述的图像缺陷。在减法步骤1903中,完整体积重建1902与稀疏体积重建1901组合,以生成记录如完整体积重建1902与稀疏体积重建1901之间的实际或真实差异的差异文件1906。该差异文件1906作为比较输入来向系统1904提供。用于生成稀疏体积重建1901的投影图像的稀疏集合由从用于重建完整体积图像1902的投影图像的完整集合选择的投影图像的子集组成。
U-net 1905针对所输入的稀疏体积重建1901而输出所预测的校正1909,以从所输入的稀疏体积重建1901去除图像缺陷,然后,该所预测的校正1909与实际差异1906比较。该比较生成反映如所预测的校正1909与实际差异1906之间的误差值的损失函数1907。损失函数1907被反馈到U-net 1905,然后,U-net 1905使用损失函数来更新其预测的校正1909,以用于与实际差异1906的另一比较。预测-比较-误差-反馈的该序列迭代,直到实现足够低的损失函数为止,或直到达到另一合适的编程的终止标准为止,于是,神经网络1905的训练可以说被完成。
图20图示训练的神经网络或U-net 2005的使用。如本文中所描述的,可以使用稀疏采样技术来对患者进行放射摄影成像,以采集断层合成投影图像的稀疏集合。断层合成投影图像的稀疏集合用于重建稀疏图像体积2001。稀疏图像体积2001输入到训练的U-net2005,U-net 2005继而生成高度地准确的所预测的校正2003。所预测的校正2003被组合(例如,添加)到稀疏图像体积2001,以基于断层合成投影图像的稀疏采样的集合而生成最终的高分辨率体积图像2007。
图21是如在本文中参考图19-20而一般地描述的用于处理稀疏采样的断层合成投影图像的计算机实现的方法的示例性流程图。在步骤2101,训练神经网络的第一步骤包括采集断层合成投影图像的完整集合并且使用采集的图像来重建完整体积图像。如本文中所使用的,重建技术是众所周知的,并且未详细地描述。若干重建是迭代的,并且作为一个示例,可以包括滤波反投影。在步骤2102,稀疏体积图像根据采集的断层合成投影图像的完整集合的子集来重建。该子集可以诸如通过在周期性的角度间距下从完整集合选择断层合成投影图像来预先选择。子集的大小可以在从断层合成投影图像的完整集合的大约一半(50%)至大约十分之一(10%)的范围。在步骤2103,确定重建的完整体积图像与重建的稀疏体积图像之间的差异。这可以通过如在两个体积图像的对应的像素或体素之间的众所周知的减法方法来实现。可以存储与所确定的差异对应的差异图,以供以后使用。在步骤2104,重建的稀疏体积图像和所确定的差异图作为输入向神经网络提供,以用于如在本文中参考图19所描述的那样来训练神经网络。在步骤2105,在神经网络被训练之后,可以诸如在患者检查期间使用本文中所描述的任何一种或多种稀疏采样技术来捕获当前患者解剖结构的断层合成投影图像。当前患者解剖结构的稀疏体积图像使用所捕获的断层合成投影图像的稀疏集合来重建。通常,稀疏体积图像包含可以通过训练的神经网络来校正的图像缺陷。在步骤2106,重建的当前稀疏体积图像输入到训练的神经网络。训练的神经网络诸如通过添加校正图来将准确的所预测的校正应用于所输入的稀疏体积图像,并且输出重建的稀疏体积图像的高分辨率的校正版本,由此减少或消除初始稀疏体积图像中的缺陷。
如本领域技术人员将意识到的,本发明的方面可以体现为系统、方法或计算机程序产品。因此,本发明的方面可以采取全硬件实施例、全软件实施例(包括固件、驻留软件、微代码等)或者组合可全都一般在本文中被称为“服务”、“电路”、“电路系统”、“网络”、“模块”和/或“系统”的软件方面和硬件方面的实施例的形式。此外,本发明的方面可以采取在一个或多个计算机可读介质(其具有在其上体现的计算机可读程序代码)中体现的计算机程序产品的形式。
可以利用一个或多个计算机可读介质的任何组合。该计算机可读介质可以是计算机可读信号介质或计算机可读存储介质。计算机可读存储介质可以例如是但不限于电子、磁、光学、电磁、红外或半导体系统、设备或装置或前文的任何适合的组合。计算机可读存储介质的更多的具体示例(非全面列表)将包括以下项:具有一个或多个电线的电气连接、便携式计算机软盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或闪速存储器)、光纤、便携式致密盘只读存储器(CD-ROM)、光学存储装置、磁存储装置、或前文的任何适合的组合。在本文档的上下文中,计算机可读存储介质可以是可包含或存储用于供指令执行系统、设备或装置使用或者与其结合使用的程序的任何有形介质。
在计算机可读介质上体现的程序代码和/或可执行指令可以使用包括但不限于无线、有线、光纤缆线、RF等或前文的任何适合的组合的任何适当的介质来传送。
用于实施针对本发明的方面的操作的计算机程序代码可以用一种或多种编程语言的任何组合来编写,所述编程语言包括诸如Java、Python、Smalltalk、C++等面向对象的编程语言以及诸如“C”编程语言之类的常规规程编程语言或诸如Python之类的类似编程语言。程序代码可以完全地在用户的装置(移动射线摄影设备)上执行,部分地在用户的装置上执行,作为独立软件包执行,部分地在用户的装置上执行并且部分地在远程计算机上执行,或者完全地在远程计算机或服务器上执行。在后一种场景下,可以通过包括局域网(LAN)或广域网(WAN)的任何类型的网络来将远程计算机连接到用户的装置,或者可以对外部计算机进行连接(例如,通过使用互联网服务提供商的互联网)。
本发明的方面在本文中参考根据本发明的实施例的方法、设备(系统)和计算机程序产品的流程图图示和/或框图而描述。将理解到,流程图图示和/或框图的每个框以及流程图图示和/或框图中的框的组合可以由计算机程序指令来实现。这些计算机程序指令可以向通用计算机、专用计算机的处理器或者用于产生机器的其它可编程数据处理设备来提供,使得经由计算机或其它可编程数据处理设备的处理器来执行的指令创建用于实现在一个或多个流程图和/或框图框中指定的功能/动作的手段。
这些计算机程序指令还可以存储于可指导计算机、其它可编程数据处理设备或其它装置以特定方式运作的计算机可读介质中,使得存储于计算机可读介质中的指令产生包括实现在一个或多个流程图和/或框图框中指定的功能/动作的指令的制品。
计算机程序指令还可以加载到计算机、其它可编程数据处理设备或其它装置上,以引起在计算机、其它可编程设备或其它装置上实行的一系列操作步骤,以产生计算机实现的过程,使得在计算机或其它可编程设备上执行的指令提供用于实现在一个或多个流程图和/或框图框中指定的功能/动作的过程。
本书面描述使用示例来公开本发明(包括最佳模式),并且还使本领域中的任何技术人员能够实践本发明(包括制作和使用任何装置或系统以及实行任何并入的方法)。本发明的可专利性范围由权利要求来定义,并且可以包括本领域技术人员所想到的其它示例。如果这样的其它示例具有不异于权利要求的字面语言的结构元件,或如果它们包括与权利要求的字面语言无实质性差异的等同结构元件,则这样的其它示例旨在处于权利要求的范围内。
Claims (15)
1.一种计算机实现的射线摄影图像处理方法,所述方法包括:
训练卷积神经网络,以校正根据稀疏捕获的断层合成投影图像重建的图像体积中的图像缺陷;
使用附接到移动轮式射线摄影设备的至少一个X射线源以及与所述移动轮式射线摄影设备机械地分离的便携式DR检测器来稀疏捕获患者解剖结构的断层合成投影图像;
使用所述患者解剖结构的所述稀疏捕获的断层合成投影图像来重建所述患者解剖结构的稀疏体积图像,并且向训练的卷积神经网络提供所述患者解剖结构的重建的稀疏体积图像;以及
所述训练的神经网络输出所述患者解剖结构的校正的重建的稀疏体积图像。
2.根据权利要求1所述的方法,其中,所述训练的步骤包括:
根据采集的断层合成投影图像的完整集合重建完整断层合成体积图像;
根据采集的断层合成投影图像的所述完整集合中的预先选择的子集重建稀疏断层合成体积图像;
确定所述完整断层合成体积图像与所述稀疏断层合成体积图像之间的差异;以及
向所述卷积神经网络提供所述重建的稀疏断层合成体积图像和确定的所述差异。
3.根据权利要求2所述的方法,其中,所述稀疏捕获的步骤包括以下项中的至少一个:在预先选择的有限角度范围内捕获多个断层合成投影图像,以及在完整角度范围内捕获预先选择的稀疏数量的断层摄影投影图像。
4.根据权利要求3所述的方法,还包括在完整角度范围的大约三分之二至所述完整角度范围的大约五分之四之间的角度范围内稀疏捕获所述患者解剖结构的断层合成投影图像。
5.根据权利要求3所述的方法,还包括稀疏捕获所述患者解剖结构的断层合成投影图像的标准数量的大约三分之一至大约四分之一。
6.根据权利要求3所述的方法,还包括在预先选择的角度范围内以大约每两度至大约每五度稀疏捕获所述患者解剖结构的断层合成投影图像。
7. 根据权利要求1所述的方法,还包括:
将多个不透射线标记定位于用于所述稀疏捕获的步骤的X射线束的路径中;以及
根据所述不透射线标记在所述稀疏捕获的断层合成投影图像中的位置来计算所述便携式DR检测器相对于附接到所述移动轮式射线摄影设备的所述至少一个X射线源的位置。
8.根据权利要求7所述的方法,还包括将多个X射线源以线性或曲线图案附接到所述移动轮式射线摄影设备,以用于稀疏捕获所述患者解剖结构的所述断层合成投影图像的步骤。
9.根据权利要求1所述的方法,其中,所述稀疏捕获的步骤包括在至多大约二十三度的角度范围内,每投影图像至少大约一度的角度采样率。
10.一种移动射线摄影系统,包括:
轮式底座;
支承臂,其附接到所述移动底座;
X射线管头,其附接到所述支承臂的一端,所述X射线管头包括一个或多个X射线源;
便携式DR检测器,其与所述X射线管头机械地分离,所述便携式DR检测器和所述X射线管头配置成在角度范围内稀疏捕获患者解剖结构的断层合成投影图像;
处理系统,其用于使用稀疏捕获的断层合成投影图像来重建所述患者解剖结构的稀疏体积图像;以及
人工智能模块,其被训练成校正所述重建的稀疏体积图像并且输出校正的重建的稀疏体积图像。
11.根据权利要求10所述的系统,其中,所述管头包括按线性或曲线图案布置的多个X射线源。
12.根据权利要求10所述的系统,还包括多个不透射线标记,所述不透射线标记设置在各自从所述X射线源中的一个X射线源延伸到所述便携式DR检测器的一个或多个辐射路径中,并且其中所述处理系统被编程为根据出现在所述患者解剖结构的所述稀疏捕获的断层合成投影图像中的所述不透射线标记的位置来计算所述便携式DR检测器相对于所述一个或多个X射线源的位置。
13.根据权利要求12所述的系统,其中,所述处理系统进一步被编程为数字地去除出现在所述稀疏捕获的断层合成投影图像中的所述不透射线标记。
14.根据权利要求10所述的系统,其中,所述便携式DR检测器和所述X射线管头配置成在预先选择的有限角度范围内捕获多个断层合成投影图像,或者配置成在完整角度范围内捕获预先选择的稀疏数量的断层摄影投影图像。
15.根据权利要求10所述的系统,还包括移动锥束计算机断层摄影系统。
Applications Claiming Priority (7)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US202062963586P | 2020-01-21 | 2020-01-21 | |
US62/963586 | 2020-01-21 | ||
US17/082,080 US11464475B2 (en) | 2017-05-17 | 2020-10-28 | Self-calibrating technique for x-ray imaging scanners |
US17/082080 | 2020-10-28 | ||
US17/115869 | 2020-12-09 | ||
US17/115,869 US11432789B2 (en) | 2017-05-17 | 2020-12-09 | Self-calibrating technique for x-ray imaging scanners |
PCT/US2021/013879 WO2021150474A1 (en) | 2020-01-21 | 2021-01-19 | Low dose digital tomosynthesis system and method using artificial intelligence |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115004232A true CN115004232A (zh) | 2022-09-02 |
Family
ID=76991864
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202180010309.7A Pending CN115004232A (zh) | 2020-01-21 | 2021-01-19 | 使用人工智能的低剂量数字断层合成系统和方法 |
Country Status (3)
Country | Link |
---|---|
EP (1) | EP4094228A1 (zh) |
CN (1) | CN115004232A (zh) |
WO (1) | WO2021150474A1 (zh) |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10743822B2 (en) * | 2018-06-29 | 2020-08-18 | Carestream Health, Inc. | Fiducial marker for geometric calibration of bed-side mobile tomosynthesis system |
-
2021
- 2021-01-19 EP EP21705331.3A patent/EP4094228A1/en active Pending
- 2021-01-19 CN CN202180010309.7A patent/CN115004232A/zh active Pending
- 2021-01-19 WO PCT/US2021/013879 patent/WO2021150474A1/en unknown
Also Published As
Publication number | Publication date |
---|---|
WO2021150474A1 (en) | 2021-07-29 |
EP4094228A1 (en) | 2022-11-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11478213B2 (en) | Low dose digital tomosynthesis system and method using artificial intelligence | |
US11464475B2 (en) | Self-calibrating technique for x-ray imaging scanners | |
US11045162B2 (en) | Hybrid imaging apparatus and methods for interactive procedures | |
US10016173B2 (en) | Mobile radiographic apparatus/methods with tomosynthesis capability | |
JP6316307B2 (ja) | トモシンセシス移動型放射線装置用の走査ジオメトリ補正 | |
JP6297504B2 (ja) | デジタルラジオグラフィのための装置および方法 | |
JP5155304B2 (ja) | 撮像基準の幾何解析に基づく、4次元ctの呼吸位相への遡及的ソーティング | |
JP5782525B2 (ja) | コンピュータトモグラフィ及びトモシンセシスシステム | |
US9001962B2 (en) | Method and apparatus for multiple X-ray imaging applications | |
JP5209979B2 (ja) | 無較正の幾何学的構成における三次元撮像の方法及びシステム | |
US20210073999A1 (en) | Systems and methods for x-ray tomosynthesis image reconstruction | |
CN109475337B (zh) | 用于图像重建的系统和方法 | |
US11432789B2 (en) | Self-calibrating technique for x-ray imaging scanners | |
JP2012527289A (ja) | コンピュータ断層撮影における低線量インターベンションガイダンスのためのデータ収集及び可視化モード | |
US20050084147A1 (en) | Method and apparatus for image reconstruction with projection images acquired in a non-circular arc | |
CN115004232A (zh) | 使用人工智能的低剂量数字断层合成系统和方法 | |
EP3534797A1 (en) | Geometric calibration in a cone beam computed tomography system |
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 |