CN115552471A - 计算机断层扫描成像中的运动伪影的抑制 - Google Patents
计算机断层扫描成像中的运动伪影的抑制 Download PDFInfo
- Publication number
- CN115552471A CN115552471A CN202180034674.1A CN202180034674A CN115552471A CN 115552471 A CN115552471 A CN 115552471A CN 202180034674 A CN202180034674 A CN 202180034674A CN 115552471 A CN115552471 A CN 115552471A
- Authority
- CN
- China
- Prior art keywords
- image
- motion
- input
- input image
- projection data
- 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
- 238000013170 computed tomography imaging Methods 0.000 title claims description 4
- 230000001629 suppression Effects 0.000 title description 3
- 238000003384 imaging method Methods 0.000 claims abstract description 43
- 238000000034 method Methods 0.000 claims abstract description 33
- 230000009467 reduction Effects 0.000 claims abstract description 23
- 238000004590 computer program Methods 0.000 claims description 17
- 238000012545 processing Methods 0.000 claims description 14
- 230000006735 deficit Effects 0.000 claims description 3
- 230000006870 function Effects 0.000 description 22
- 238000004422 calculation algorithm Methods 0.000 description 16
- 238000002591 computed tomography Methods 0.000 description 8
- 238000004458 analytical method Methods 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 5
- 230000005855 radiation Effects 0.000 description 5
- 230000003595 spectral effect Effects 0.000 description 5
- 210000003484 anatomy Anatomy 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000000747 cardiac effect Effects 0.000 description 3
- 239000003638 chemical reducing agent Substances 0.000 description 3
- 230000015654 memory Effects 0.000 description 3
- 230000000241 respiratory effect Effects 0.000 description 3
- 206010011224 Cough Diseases 0.000 description 2
- 241001465754 Metazoa Species 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000000701 chemical imaging Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000001419 dependent effect Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000002059 diagnostic imaging Methods 0.000 description 2
- 238000002156 mixing Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000003936 working memory Effects 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 208000031361 Hiccup Diseases 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 210000000481 breast Anatomy 0.000 description 1
- 210000000038 chest Anatomy 0.000 description 1
- 230000001143 conditioned effect Effects 0.000 description 1
- 239000002872 contrast media Substances 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000005314 correlation function Methods 0.000 description 1
- 230000001066 destructive effect Effects 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012886 linear function Methods 0.000 description 1
- 210000004072 lung Anatomy 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000000644 propagated effect Effects 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 230000002195 synergetic effect Effects 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000003325 tomography Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 230000002747 voluntary effect Effects 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
- G06T11/006—Inverse problem, transformation from projection-space into object-space, e.g. transform methods, back-projection, algebraic methods
-
- 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
- A61B6/44—Constructional features of apparatus for radiation diagnosis
- A61B6/4429—Constructional features of apparatus for radiation diagnosis related to the mounting of source units and detector units
- A61B6/4435—Constructional features of apparatus for radiation diagnosis related to the mounting of source units and detector units the source unit and the detector unit being coupled by a rigid structure
- A61B6/4441—Constructional features of apparatus for radiation diagnosis related to the mounting of source units and detector units the source unit and the detector unit being coupled by a rigid structure the rigid structure being a C-arm or U-arm
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
- A61B6/5258—Devices using data or image processing specially adapted for radiation diagnosis involving detection or reduction of artifacts or noise
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
- A61B6/5258—Devices using data or image processing specially adapted for radiation diagnosis involving detection or reduction of artifacts or noise
- A61B6/5264—Devices using data or image processing specially adapted for radiation diagnosis involving detection or reduction of artifacts or noise due to motion
-
- 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
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- 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
- A61B6/56—Details of data transmission or power supply, e.g. use of slip rings
- A61B6/563—Details of data transmission or power supply, e.g. use of slip rings involving image data transmission via a network
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10072—Tomographic images
- G06T2207/10081—Computed x-ray tomography [CT]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2211/00—Image generation
- G06T2211/40—Computed tomography
- G06T2211/412—Dynamic
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Medical Informatics (AREA)
- Physics & Mathematics (AREA)
- Molecular Biology (AREA)
- Animal Behavior & Ethology (AREA)
- Biophysics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Optics & Photonics (AREA)
- Pathology (AREA)
- Radiology & Medical Imaging (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Theoretical Computer Science (AREA)
- Surgery (AREA)
- High Energy & Nuclear Physics (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Pulmonology (AREA)
- Algebra (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Mathematical Physics (AREA)
- Pure & Applied Mathematics (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
一种用于X射线成像中的运动伪影减少的系统(SYS)和相关方法。该系统(SYS)包括输入接口(IN),其用于接收物体(PAT)的根据第一组投影数据重建的第一输入图像(i1,I1),以及物体的根据第二组投影数据重建的第二输入图像(i2,I2)。第二组比第一组小。运动分析器(MA)基于两个输入图像来确定运动破坏的估计值。选择性组合器(Σ)基于运动估计值以及基于第一输入图像(i1,I1)和/或第二输入图像(i2,I2)中的图像信息来计算增强图像(I1+I2,i1+i2)的图像值。
Description
技术领域
本发明涉及用于X射线成像中的运动伪影减少的系统、一种用于X射线成像中的运动伪影减少的方法、一种成像装置、一种计算机程序单元以及一种计算机可读介质。
背景技术
胸部的计算机断层扫描(CT)成像在放射学中是最频繁的CT应用之一。大量的检查受运动伪影的影响,例如,由于患者无法屏住呼吸或由于打嗝或咳嗽。由于运动伪影,图像可能变得不具诊断性,或至少图像质量有所下降。可能需要重拍图像,这在时间、计算资源以及由患者和/或工作人员承受的剂量方面带来了附加的成本。
为了纠正运动伪影,提出了运动补偿重建算法。示例是M Grass等人在“Motioncompensation for non-gated helical CT:application to lung imaging(发表于Proc.SPIE 10573,Medical Imaging 2018,Physics of Medical Imaging,105733H(2018年3月9日))”中的方法讨论。
然而,一些运动补偿重建方案的计算开销可能相当大。
发明内容
因此,可能需要改进X射线成像。具体而言,可能需要一种在计算上更便宜的方式来减少运动伪影。
本发明的目的由独立权利要求的主题来解决,其中进一步的实施例被纳入从属权利要求中。应注意的是,本发明的以下描述方面同样适于用于X射线成像中的运动伪影减少的方法、成像装置、计算机程序单元和计算机可读介质。
根据本发明的第一方面,提供了一种用于X射线成像中的运动伪影减少的系统,包括:
一个或多个输入接口,其用于接收物体的根据第一组投影数据重建的第一输入图像,以及物体的根据第二组投影数据重建的第二输入图像,第二组比第一组小,和/或与第一组相比,第二组包括较少的冗余数据;
运动分析器,其被配置成基于两个输入图像来确定运动破坏的估计值;以及
选择性组合器,其被配置成基于运动估计值以及基于第一输入图像和/或第二输入图像中的图像信息,计算增强图像的图像值。
优选地,运动分析器的操作是基于形成两个输入图像之间的差值图像,并分析做出该差值图像的差值。(绝对)差值越大,在给定图像位置处就有越多的运动破坏。
通过根据来自一些图像位置处的两个输入图像中的任一个的图像信息组合成增强图像,或通过组合或“混合”来自一些其他图像位置处的两个输入图像的图像信息(每个取决于每个图像位置的相应的运动估计值),组合器以选择性的方式操作。
在实施例中,选择性组合器被配置成组合来自输入图像中的一者或两者的图像信息,使得来自两个输入图像的图像信息的相对贡献随着运动估计值变化。
在实施例中,选择性组合器被配置成组合来自输入图像中的一者或两者的图像信息,使得在以分别来自第二输入图像和第一输入图像的图像信息的贡献为代价的情况下,来自第一输入图像或第二输入图像的图像信息的贡献随着运动估计值变化。
在实施例中,来自第二图像的信息的贡献越高,由运动估计值指示的运动破坏的程度就越高,且来自第一图像的信息的贡献越高,由运动估计值指示的运动破坏的程度就越低。
更具体地说,在实施例中,相对贡献是由硬阈值方案或软阈值方案确定的。在硬阈值方案中,运动分析器对给定图像位置处是否存在运动破坏提供二进制分析。如果存在,则来自第二图像的相应图像值被作为增强图像的图像值。如果不存在运动(或运动低于“硬”阈值),则来自第一图像的相应图像值被作为在所述图像位置处的增强图像的图像值。在软阈值方案中,针对给定图像位置,增强图像的图像值由来自两个输入图像的图像值基于由估计值确定的运动量按比例混合而成。
在实施例中,该系统包括去噪器,其被应用于初始输入图像,以获得在一个或多个输入接口处接收到的两个输入图像。换句话说,首先对输入图像进行去噪,然后由运动分析器对经过如此去噪的图像进行分析,以确定估计值。首先进行去噪允许获得更稳健的运动估计值。
在实施例中,投影数据是通过计算机断层扫描成像设备获得的。
在另一方面,提供了一种用于X射线成像中的运动伪影减少的方法,包括以下步骤:
接收物体的根据第一组投影数据重建的第一输入图像,以及物体的根据第二组投影数据重建的第二输入图像,第二组比第一组小;
基于两个输入图像确定运动破坏的估计值;以及
基于运动估计值以及基于第一输入图像和/或第二输入图像中的图像信息,计算增强图像的图像值。
在实施例中,该方法包括以下步骤:首先对两个输入图像中的一者或两者进行去噪,然后基于两个(现已去噪的)输入图像来确定估计值。
在另一方面,提供了一种图像装置,包括:
根据前述实施例中的任一个所述的系统;和
成像设备。
在另一方面,提供了一种计算机程序单元,其在被至少一个处理单元执行时适于使处理单元执行根据上述实施例中的任一个所述的方法。
在另一方面,还提供了一种计算机可读介质,其上已存储有该程序单元。
在实施例中,第二组投影数据可以是第一组的子集。第一组可包括由断层扫描或断层合成成像设备在扫描操作中收集的所有可用的投影数据,而第二组是其一部分。然而,在所有的实施例中,第一组并没有必要包括所有收集的投影数据。一些投影数据被收集是为了包括冗余,例如在锥形束CT或其他(发散)扫描几何形状或技术中。第一组被设想到与第二组相比包括更多(或在一些实施例中包括所有)的冗余数据。在实施例中,第二组不包括冗余。
本文所提出的是一种减少或抑制运动伪影的新方法。运动可以被减少,而不需要执行在计算上昂贵的运动补偿重建。取而代之的是,在所提出的系统中,首先使用来自收集的投影数据中的一些或所有可用的冗余数据来重建原始图像。为了抑制或至少减少该图像中的锥形束伪影(CBA),可以使用分频(FS)重建方法(将在下面更充分地描述)。此外,与用于重建原始图像的投影数据相比,使用较少数量的可用冗余投影数据来重建第二图像。该第二图像中的运动伪影通常比原始图像中的运动伪影更小(小得多)。对这两个图像进行去噪和比较,有助于检测原始(第一)图像受到由运动(例如患者的运动或成像设备的被忽略的运动)引起的运动伪影影响的图像位置。增强图像是由两个输入图像组合成的混合体。在运动破坏的图像位置(例如,区域)中增强图像更类似于第二图像,但在所有其他图像位置中增强图像更类似于原始图像。
所提出的方法和系统的实施更快、更简单且更稳健,因为它不需要任何复杂的计算步骤(否则在运动补偿重建(“MCR”)算法中需要):具体地,所提出的方法和系统不需要(弹性)图像配准和/或运动场的估计。所提出的方法是稳健的,因为在没有或只有少量运动被检测到的区域,增强图像等于(或至少类似于)原始的标称图像,且因此保持不变。
虽然在MCR中CBA可扭曲运动场的所需估计,但在所提出的方法和系统中,运动分析器对运动伪影破坏区域的检测对CBA在很大程度上不敏感,尤其是(但不只是)当使用FS重建时。
所提出的系统改善了肺部和胸部图像的质量,否则其可能会受到呼吸或心脏运动伪影的影响。
定义
“用户”涉及操作成像设备或监督成像过程的人,如医务人员或其他。换句话说,用户一般不是患者。
“物体”在一般意义上在本文中用于包括有生命的“物体”,如人类或动物患者,或其解剖部位,但也包括无生命的物体,如安检中的行李或非破坏性测试中的产品。然而,本文将主要参考医学领域来讨论所提出的系统,因此我们将把“物体”称为“患者”和关注的位置或区域(“ROI”)(其是患者的特定解剖结构或一组解剖结构)。
术语“第一”和“第二”(图像、子集等)纯粹是为了命名和区分的目的,并不意味着时间性或层级性的关系。
本文所用的“图像位置”可指示单个像素/体素的位置,或者可以指示更大的图像部分或图像区域的位置,包括多个像素/体素,如铺满相应图像的任何形状和大小的片块、邻域。
附图说明
现在将参考以下附图来描述本发明的示例性实施例,以下附图是不按比例的(除非另有说明),其中:
图1示出了成像装置的示意性框图;
图2示出了用于减少图像集中的运动伪影的图像处理系统的框图;以及
图3是用于减少运动伪影的图像处理方法的流程图。
具体实施方式
参考图1,示出了实施例中的本文设想到的一种成像装置IA。
成像装置IA包括X射线成像设备XI,其被配置成获取物体PAT(如人类或动物患者)的图像。
由成像设备获取的图像或可从其得到的图像集可由计算机化图像处理系统IPS进行处理,以产生增强图像集,如下文详细解释的。
增强图像集可通过通信接口CI传送以被存储在存储器DB中,例如在数据库系统中,或者可以由显示设备DD上的可视化器VIS来可视化,或者可以以其他方式来处理。
本文设想到的成像设备XI(“成像器”)具体是属于断层扫描类型。
在这种类型的成像(也被称为旋转式成像)中,投影图像λ是由成像器针对患者PAT的ROI获取的。然后,投影图像可由重建器RECON重建为轴向或截面图像或“切片”。轴向图像集可显示有关ROI的内部结构的信息,以便告知临床医生进行的符合待实现的临床目标或目的的检查和诊断。具体地,本文设想到的是基于X射线的成像器,如计算机断层扫描(CT)扫描仪或C型臂/U型臂成像器(可移动或被固定地安装在手术室内)等。
成像器XI包括X射线源XS和X射线敏感检测器D。成像器XI可被配置成用于能量集成成像或光谱成像(也被称为能量分辨成像)。因此,检测器D可以是能量集成型的,或者是能量分辨型的,如光子计数检测器。光谱(体积)图像数据可包括例如低能量高对比度图像、有效Z(原子数)图像、虚拟单色图像、对比剂定量图、虚拟非对比度图像、电子密度图像和/或其他类型的光谱图像。对于光谱成像,成像器XI可包括用于获取多能量投影数据的部件。所述部件可包括双X射线源XS、XS'(未示出),且检测器D可被布置为双层检测器,或作为所述光子计数检测器。图像处理系统IPS的光谱图像处理部件可将多能量投影数据处理成光谱图像集。
在图像获取过程中,患者PAT停留在源XS和检测器D之间的检查区域ER内。在实施例中,源X射线在围绕成像轴线Z的旋转平面内沿成像轨道或扫描路径移动。也设想到螺旋形扫描路径。旋转可以通过让成像器XI包括固定门架FG和旋转门架MG来实现。旋转门架MG由固定门架FG可旋转地支撑。旋转门架RG围绕检查区域ER和其中的受试者PAT的至少一部分旋转,并围绕成像轴线Z旋转。辐射源XS,如x射线管,由旋转门架MG支撑并围绕检查区域ER旋转。成像轴线通过ROI。优选地,患者的纵向轴线与成像轴线Z对齐,可以设想到其他的布置结构和几何形状。
本文设想到的成像几何形状包括平行束CT几何形状,且优选是发散束几何形状(即扇形或锥形束几何形状)。在源XS围绕ROI沿至少180°的弧旋转的情况下的成像轨道构成了一个完整的扫描。然而,有时由于时间或空间限制或其他原因,只进行有限角度的扫描。在这样的有限角度的扫描中,扫描路径对着小于180°的旋转角。
在旋转过程中,源XS发出X射线束XB并照射ROI。在旋转过程中,在检测器D处从不同的方向q获取投影图像。X射线束XB沿着不同的方向通过患者PAT,尤其是通过ROI。X射线束与关注区域内的物质相互作用。相互作用导致束XB被改变。被改变的辐射在患者的远端处出现,然后撞击到X射线敏感检测器D上。检测器中的电路将被改变的和撞击的辐射转换成电信号。然后,电信号可被放大或以其他方式调节,然后被数字化以获得(数字)投影图像集λ,然后该图像集可由重建器RECON重建成轴向截面图像集。
重建器RECON是计算机实现的模块,其运行重建算法,如FBP(滤波反投影)、基于傅里叶域的重建算法、代数(ART)重建算法或迭代重建算法。也设想到最近的基于机器学习(“ML”)的重建算法,如经过适当训练的人工神经网络(具体是卷积神经网络)。
在实施例中,使用锥形束重建算法。在实施例中,重建算法适于螺旋形扫描路径。
重建器RECON模块可被布置在硬件或软件中,或者两者中。重建器RECON将在检测器D的投影域中获取的投影图像λ转换为图像域中的轴向截面图像集。图像域包括成像期间患者所在的检查区域内的那部分空间。相比之下,投影域位于X射线检测器D的X射线辐射敏感表面或层中。在图像域中,重建的图像集被定义在平行于轨道的旋转平面和垂直于成像轴线Z的截面平面上。可以获取不同截面平面内的不同轴向图像,这些图像一起形成3D图像体积,即ROI的3D图像表示。3D体积可通过在成像期间推进患者PAT停留在其上的支撑台TB来获取,例如沿着螺旋形扫描路径。替代性地或另外,固定门架FG被平移。患者PAT与源XS沿Z轴的相对平移运动和放射源XS绕Z轴的旋转产生了一定节距的螺旋形扫描路径。这个节距可以是固定的,或者是用户可调整的。在非螺旋形扫描中,扫描路径一般对着高达或基本上等于180°的弧度(加上扇形角)。
在扫描中获取的投影数据λ包括多个不同的投影图像,或“帧”。具体地,在扫描路径上源XS的每个位置qi对应与该位置相关联的关联投影帧。
在一些成像几何形状中,如螺旋形几何形状,获取的投影数据λ包括由于节距、束锥的宽度(通过锥角测量)和检测器表面的宽度而产生的冗余。这是因为一些检测器的像素在不同的投影帧中会记录相同的强度,因为曝光是沿着同一几何射线从不同的扫描轨道位置qi、qj穿过被成像物体OB进行的。
当患者在获取投影数据λ期间发生运动时,在重建的图像集中会产生运动伪影。患者的运动可能是自愿的,但最常见的是非自愿的,如由咳嗽或由心脏和/或呼吸活动引起的运动。运动伪影是不代表实际组织或解剖结构的图像结构。在极端情况下,严重的运动伪影会使重建的图像失去作用,从而导致不必要的重拍时间和用于附加重建的计算资源。
为了减轻重建图像中的运动伪影,所提出的图像处理系统IPS包括运动伪影减少或抑制系统SYS。宽泛地说,运动伪影减少器SYS将可能被运动伪影破坏的输入图像I转换成具有较少或没有这种运动相关伪影的增强图像I'。
所提出的运动伪影减少系统SYS(在本文中也被简称为“运动减少器”)实现了一种双通道方法,其中重建图像的两种样式i1、i2被接收作为输入并被处理成增强图像I'。
两个输入图像i1、i2是从原始投影数据λ的不同子集λ1、λ2重建的。具体地,与第二图像I2(在本文中被称为“瘦图像”)相比,第一图像i1(在本文中也被称为“胖图像”)是从较大的一组投影数据λ1重建的,而第二图像是从较小的子集重建的。更具体地,正如下文将充分探讨的那样,重建胖图像i1所根据的投影数据集λ1比重建瘦图像i2所根据的较小子集λ2包括更多的冗余数据。在本文主要设想到的一个实施例中(但不必是所有的实施例),胖图像i1是根据所有的投影数据λ1=λ重建的,而瘦图像i2是根据原始投影数据λ1=λ的子集λ2重建的。即使λ1不包括所有的数据λ,λ2仍可以是λ1的子集。
宽泛地说,运动减少系统SYS操作,以形成增强图像I',作为从两个输入图像i1、i2中得到的混合图像。来自两个输入图像I1、I2的图像信息被选择性地组合到混合图像I'中。
更具体地,基于扫描期间获取的原始投影数据λ的两个不同的子集λ1、λ2进行两次重建。更具体地,除了“标称(nominal)”重建,胖图像i1,我们在本文中重建第二图像,瘦图像i2,但这次只使用了(小)部分可用的冗余数据。通过比较这两个图像i1、i2(优选在去噪后),我们可以检测出原始胖图像i1中遭受患者运动/运动伪影破坏的图像位置。相对于图像去噪后留下的残余噪声,患者的运动可以更容易被区分出来。在这些位置处,我们在检测到的图像位置中用第二图像i2的图像值替换i1中的原始图像值,从而组合出增强图像。在一些或所有其他区域中,我们避免这种替换,从而保持低水平的残余噪声。替代性地,使用较软的阈值或替换方案,其中增强图像的图像值被计算为来自两个图像i1、i2的加权和,每个i1、i2都有相应的贡献,并作为检测到的运动量的函数。
具体地,在选择性地组合来自两个输入图像i1、i2的图像信息的过程中,所提出的运动减少系统SYS使用适当的选择策略来协调以下两个相反的效果:由于胖图像i1是根据包括更多冗余的较大的投影数据集λ1重建的,i1更容易受到运动伪影的影响,但同时也包括较少的噪声,而瘦图像i2是根据具有较少冗余的较小的投影数据集重建的,且在对抗运动伪影上更稳健,但作为不利的一面,包括更多的图像噪声。
所提出的运动减少系统SYS明智地组合了来自两个输入图像的信息,以减少增强图像中的运动伪影,但同时也不会导致更多的噪声。根据一个选择策略,对于被运动图像破坏较多的图像位置,使用更多来自瘦图像i2的信息,而对于具有较少运动破坏的图像位置,在以i2为代价的情况下使用更多来自胖图像i1的图像信息。
现在参考图2的框图来更详细地解释运动减少系统SYS的操作。根据相应的不同投影数据子集λ1、λ2重建的两个输入图像,胖图像i1和瘦图像i2,在一个或多个输入端口IN处被接收到。
运动分析器MA分析两个输入图像i1、i2,以确定每个图像位置(像素、体素或邻域/片块)是否存在或没有(或可忽略不计)运动破坏。这样,分析产生二进制运动图。在其他实施例中,但不是全部,运动分析器MA对一些或每个位置j处的运动破坏的量进行量化。换句话说,运动分析器MA输出运动破坏图,其针对每个图像位置对运动破坏的量进行量化。
基于这个运动图(二进制或量化的),选择性组合器∑然后选择性地组合来自两个输入图像i1、i2的图像信息,以形成增强图像I',其现在包括比输入图像更少的运动破坏伪影。优选地,在增强图像中根本没有运动伪影。
可选地且优选地,存在去噪器DN,它首先将去噪算法应用于分别根据两个投影数据集λ1、λ2重建的相应的胖重建i1和瘦重建i2,以获得去噪的胖重建I1和瘦重建I2,然后由运动分析器MA对去噪的胖重建I1和瘦重建I2进行分析。这样的去噪是优选的,因为它允许降低噪声水平,使得运动分析器MA可以更稳健地量化和区分来自运动的贡献。在下文中,在解释运动减少器MA的操作和相关方法(在图3处)时,主要参考两个去噪的样式I1,I2。然而,去噪器DN(实际上是优选的)是可选的,且下面关于I1、I2的所有解释和说明被理解为同样适用于i1、i2。
选择性组合器∑的组合操作可以基于硬阈值选择策略或软阈值选择策略。在硬阈值中,运动图基本上是二进制图,其基于阈值来指示每个图像位置是否存在运动破坏。例如,这可以通过将值“1”分配给没有运动破坏的情况,并在存在运动破坏时编码为“0”来完成。也设想到其他的编码方式。在这种简单的硬阈值方案中,在存在运动破坏的一定的图像位置处,给定图像位置处的相应图像值被从第二图像I2中复制。但是,如果按照该图在给定图像位置处没有运动损坏,则该图像位置的图像值就从原始重建I1中复制。
优选地,代替这样的硬阈值,使用软阈值,其中增强图像I'的图像值是从两个输入图像I1、I2混合成的,这取决于运动伪影破坏的量,在图像位置处的运动越少,从胖图像I1中提取的图像信息就给予更多的权重,而从瘦图像中提取的图像信息给予更少的权重,且如果由运动分析器MA确定的运动量较高,则反之亦然。
在实施例中,这种混合是通过计算增强图像I'作为输入图像的加权和I'=αI1+βI2来完成的,其中权重α、β一般随每个图像位置j的运动破坏而变化。权重是正数。具体地,在图像位置j处的给定图像值yj∈I'被计算为加权和其中图像位置j的权重为αj、βj,且x指示从位置j处的两个输入图像I1、I2中提取的相应图像值。在这个实施例中,运动图包括权重αj、βj,其可被概念化为权重图像Iw。权重α、β(为了便于记述,我们可以偶尔放弃位置索引j)可以被归一化,或者实例被配置成加起来是常数值,如单位“1”。权重α、β衡量在给定图像位置处的运动破坏的优势。具体地,权重衡量由运动分析器MA检测到的运动的量。存在的运动越多,在给定图像位置处从第二图像I2提取的贡献就越高,相反地,从原始图像I1提取的贡献就越低,且在给定图像位置处几乎没有图像损坏的情况下反之亦然。换句话说,在给定位置处,来自两个图像I1、I2中的一个的给定贡献是以来自另一图像I2、I1的贡献为代价的,且这种不利的关系反映在权重上:一个权重越高,另一个就越低。权重α、β和运动的记录量之间的函数关系可以是线性的,或者可以是基于任何其他单调函数,如软最大函数,或正弦函数的一部分,或其他。下面在现在参考的图3处进一步讨论用于计算混合图像的这种运动与权重的关系的具体示例。
具体地,图3是用于运动伪影减少的基于图像的方法的流程图。虽然下面更详细讨论的方法步骤可被理解为实现上述的运动减少系统SYS的一种方式,但也可以理解为该方法不必与上面讨论的图1、图2中的系统的架构相关联。具体地,以下步骤可被理解为其本身的教导,不必与图1、图2中的架构相关联。
在步骤S310处,根据在步骤S305处接收到的相应的投影数据λ1、λ2重建两个输入图像,即胖图像i1和瘦图像i2。优选地,胖图像i1是根据所有可用的投影数据重建的,具体包括所有可用的冗余数据。瘦图像i2是根据所有可用的投影数据λ的子集重建的。具体地,较小的集λ2包括比λ1少的冗余数据。然而,应理解的是,不必根据所有可用的(冗余)投影数据λ来重建i1。只要子集λ1包括比小的子集λ2更多的冗余数据,那么λ1是真正的子集就足以。
尤其是对于本文主要设想到的锥形束重建,在步骤S310处,可以使用特定的重建算法来减少锥形束类型的伪影(“CBA”)。一类具有CBA伪影减少的重建算法包括分频(“FS”)型重建方法(“FSR”)。例如参见G Schechter等人的“The frequency split method forhelical con-beam reconstruction(发表于Med.31(8),2004年8月,pp 2230-2236)”。在FS型重建中,高和低两个空间频段的图像信息通过滤波反投影被分别重建为两个图像。在每种情况下,使用不同的滤波器。这样获得的两个图像,即高频范围图像和低频范围图像,然后相加。FS方法有助于减少CBA。本文设想到FS重建算法类型或相关的重建算法用于重建胖图像i1。如前所述,优选地将所有可用的冗余数据λ1用于i1的重建,或与用于瘦图像i2的重建相比使用至少更多的冗余数据。减少CBA有助于在步骤S340处(将在下面更充分地讨论)的运动分析中避免假阳性检测。
瘦图像i2可以根据投影数据的子集(具体是具有较少或没有冗余)来重建。在FSR的情形下,这个较小的子集λ2可被选择为与用于重建低频范围图像的平行投影的角度子范围相关联的帧。对于约为1或更低的典型扫描节距值,这种平行投影λ2的范围不包含或只包含一小部分的冗余数据。因此,运动伪影在瘦图像i2中比在胖图像i1中不那么明显。然而,两个图像i1、i2的重建并不局限于FSR,也设想到其他重建方案(优选地具有较低的CBA)。子集λ2的选择可以通过其他方案来完成,而不是像在基于FSR的实施例中那样的平行投影重构。选择可以通过随机来进行,或者通过从λ中选择每第k帧来进行,步长k足够大以避免重叠,等等。
在可选的步骤S330处,两个重建的输入图像i1,i2被通过去噪算法进行去噪,以降低噪声水平,并得出i1、i1的去噪样式,即胖图像I1 de-noised和瘦图像I2 de-noised。设想到去噪步骤S330的不同实施例。
在一个实施例中,去噪是基于结构的。更详细地说,执行图像结构计算S320以隔离图像结构,如过渡部、边界等。在步骤S320处的结构计算的结果是体积结构ST。结构计算S320可以是基于分割的。优选地,结构ST是在瘦图像i2中计算的。与在胖图像i1中计算结构ST相比,预计结构ST将被更清楚地限定,但在替代性实施例中仍可从i1中计算结构ST。
在基于结构的去噪中,噪声贡献是基于在步骤S320中计算的图像结构ST(如边缘、边界等)来计算的。然后,从输入图像i1、i2中减去或以其他方式去除被确认为源于噪声的图像贡献,以得到去噪的样式I1=i1 de-noised和I2=i2 de-noised。在一个实施例中,基于在瘦图像i2本身中计算的体积结构ST,基于结构的去噪在步骤S330c处对瘦图像i2进行,以得到瘦图像i2的瘦的去噪样式I2。
替代性地或另外,在步骤S330B处,基于源自瘦图像i2的结构ST,对胖图像i1进行基于结构传播的去噪。换句话说,在步骤S330b处执行基于结构传播的去噪。胖图像i1是基于从另一图像(即瘦图像i2)传播的图像信息ST进行去噪的。基于结构传播的去噪在申请人的US 10,282,820中有描述。
作为这种结构传播的变体,在步骤S330a处执行“标称”去噪,该去噪是自然地基于i1本身的结构,而不求助于来自图像i2的附加信息。在实施例中,标称图像可以通过基于迭代模型(IMR)的重建来计算。步骤S330A导致产生标称去噪图像(在图3中表示为)。
胖图像i1的标称去噪和/或瘦或胖图像的去噪不必是基于结构的,也可以设想到任何其他合适的去噪算法。因此,结构计算步骤S320是可选的。
然后,在步骤S335处接收(原始)胖图像i1和瘦图像i2,或去噪的胖图像I1和瘦图像I2,并在步骤S340处用于确定运动破坏的量。在一个实施例中,这可以通过将i1、i2或I1、I2相减来形成逐个图像位置(如逐个像素)的差值图像ID来完成。减法的顺序并不重要。在下文中,在不失一般性的情况下,逐个像素的处理将被假设为在片块和邻域方面更粗略的处理,可能会有适当的平均化,这也是实施例中设想到的。逐个像素的绝对差值与运动相关。差值越大,运动的量就越大。因此,逐个像素的差值是运动的测度。可以基于逐个像素的差值进行二进制阈值化,以决定每个位置处是否存在运动。可以提供二进制图,其指示每个图像位置是否存在运动。
在软阈值化的一实施例中,在可选的步骤S350中,基于差值图像ID,计算每个图像位置的权重w=α,β。这些权重可被组织在运动图或权重图像Iw中。由于权重wi是按图像位置(像素、体素、片块/邻域)计算的,它们可以被组织成权重图像Iw或非二进制运动图。
权重决定了从两个图像中提取的图像信息的优势,作为测量的运动量的函数。因此,每个图像位置xi有两个权重wi=(αi,βi),一个用于I1,另一个用于I2。图Iw控制从胖图像I1和瘦图像I2中提取的图像信息的比例,以建立增强图像I'=IH。
然后,在步骤S360处,基于权重Iw执行选择性组合,以得出混合图像I'=IH。在实施例中,增强图像I'是胖图像和瘦图像的线性组合。具体地,I'是作为两个图像的像素相关的加权和。更详细地说,设想到组合步骤S360的不同实施例。
在一替代性实施例中,且如图3中箭头组合“b”、“a”所示,基于按照Iw的权重,I2=i2 de-noised图像与I1=i1 de-noised图像进行线性组合,索引i指示图像位置:
Ihybrid(i)=w(i)·I1(i)+(1-w(i))·I2(i) (2)
在步骤S370处,增强图像IH被输出。增强图像IH可被显示、存储在存储器中,或者可以根据需要以其他方式处理或传输。
现在更详细地参考权重生成步骤S350,这可以是基于由运动分析步骤S340提供的运动测量。运动或运动伪影分析步骤是映射FM:I1,I2->m,其中m是正数,其随着运动的量变化。如前所述,在一些实施例中,m=FM=|I1-I2|=ID(或ID=|i1-i2|,在没有进行去噪的情况下)是胖图像和瘦图像的逐个像素的绝对差值,或其函数f(I1-I2|),如平方差FM=(I1-I2)t,t=2或其他的幂t>2。可以使用范数或其p次幂。
权重生成步骤S340基于函数Iw:m->α,β∈[a,b]将运动测度m映射到一组权重。这些权重优选被归一化,以便加起来达到常数,例如一(unity)。在不失一般性的情况下,权重区间[a,b]可被视为单位区间[0,1]。对于I'中的给定图像位置j来说,权重α,β∈[0,1]衡量作为运动m的函数的来自两个输入图像I1、I2的贡献比例。
函数Iw优选地在[0,1]上是单调的。函数Iw可以基于差值图像ID=FM=|I1-I2|中的动态范围。更具体地,最小和最大的图像值被确定,且权重被剪切到这个范围,使得例如最小和最大的值被映射到单位区间的边界。
更详细地说,在实施例中,差值图像ID中相对于去噪后留下的残余噪声水平而言绝对值较大的值,位于原始图像I1受到患者运动影响的体积区域处。利用这种推理,我们构建了被分配有在0和1之间的实值的权重图像Iw。按照惯例,可以采用以下编码:接近“1”的权重对应于ID中类似于或小于残余噪声水平的绝对值,也就是对应于没有观察到患者运动的图像位置,而接近“0”的权重指示越来越多的运动。在0、1之间的值指示存在位于两个极端之间的运动。还可设想到其他的编码,其中“0”、“1”的角色是相反的,或其他的。
权重的计算可以像下面的(3)或(4)中那样逐个像素地进行。可选地,为了更好的结果,可以将获得的权重与2D或3D平滑滤波器进行卷积。
合适的单调权重函数Iw是例如正弦曲线的正截面,如[0,π]上的余弦函数cos()或字母S形函数,在单位区间的边界处的切线斜率为零,如softmax函数或相关函数。以下两个示例例示说明了权重函数Iw,且在一些实施例中被设想到:
在(3)和(4)中,ID(i)代表在给定图像位置(例如,体素的像素)i处的两个去噪图像之间的差值。在(3)中的参数D1和D2对应于图像动态范围。这两个参数例如是两个正HU级,其通常可被分别设置为15和50。在(4)中用于δ和Δ的示例范围的典型值分别为30HU和5HU。范围参数D1、D2/δ、Δ不是限制性的,且仅作为例示说明。
在(1)、(2)处的函数是权重函数Iw的示例性实施例,且也设想到在单位区间的至少一个边界处具有零切线斜率的其他单调函数。这种具有零斜率的函数允许在边界处有更真实的具有平滑行为的建模。但是,本文也不排除其他函数Iw,例如线性函数。
所提出的运动伪影减少方法不需要任何形式的心脏或呼吸门控。
所提出的运动伪影减少方法允许减少计算开销,否则在运动补偿重建中需要。
在步骤S340处计算的用于控制组合操作S360的运动或权重图Iw可以一次性执行,且可被重新用于其他后续重建。在计算各种类型的光谱图像时,权重重用可能是特别有益的。
运动减少系统SYS的部件可被实现为一个或多个软件模块,在一个或多个通用处理单元PU上(如与成像器XI相关的工作站)运行,或在与一组成像器相关的服务器计算机上运行。
替代性地,运动减少系统SYS的一些或全部部件可被布置在硬件中,如被适当编程的微控制器或微处理器,如FPGA(现场可编程门阵列)或硬接线的IC芯片、专用集成电路(ASIC),其被集成到成像系统XI内。在另一个实施例中,运动减少系统SYS可以在软件和硬件两者中实现,部分在软件中,部分在硬件中。
运动减少系统SYS的不同部件可以在单个数据处理单元PU上实现。替代性地,一些或更多个部件在不同的处理单元PU上实现,可能以分布式架构远程布置,并可在适当的通信网络中连接,如在云设置或客户端-服务器设置等中。
本文描述的一个或多个特征可被配置或实现为/具有在计算机可读介质内编码的电路和/或其组合。电路可包括分立和/或集成电路、片上系统(SOC)及其组合、机器、计算机系统、处理器和存储器、计算机程序。
在本发明的另一示例性实施例中,提供了一种计算机程序或计算机程序单元,其特征在于适于在适当的系统上执行根据前述实施例之一所述的方法的方法步骤。
因此,计算机程序单元可被存储在计算机单元上,该计算机单元也可以是本发明的实施例的一部分。该计算单元可适于执行或诱发执行上述方法的步骤。此外,它可适于操作上述设备的部件。计算单元可适于自动操作和/或执行用户的命令。可以将计算机程序加载到数据处理器的工作存储器中。因此,数据处理器可以被装备以执行本发明的方法。
本发明的该示例性实施例既覆盖从一开始就使用本发明的计算机程序,也覆盖通过更新的方式将现有程序变成使用本发明的程序的计算机程序。
此外,计算机程序单元能够提供所有必要的步骤来完成如上所述的方法的示例性实施例的操作。
根据本发明的另一示例性实施例,提出了一种计算机可读介质,例如CD-ROM,其中该计算机可读介质具有存储在其上的计算机程序单元,该计算机程序单元通过前述部分进行了描述。
计算机程序可以被存储和/或分布在适合的介质(尤其是,但不必是,非暂时性介质)上,例如与其他硬件一起或作为其他硬件的一部分提供的光学存储介质或固态介质,但也可以以其他形式分布,例如通过互联网或其他有线或无线电信系统。
然而,计算机程序也可以通过像万维网这样的网络提供,并可以从这样的网络下载到数据处理器的工作存储器中。根据本发明的另一示例性实施例,提供了一种用于使计算机程序单元可供下载的介质,该计算机程序单元被安排成执行根据本发明的前述实施例之一所述的方法。
必须注意的是,参考不同主题描述了本发明的实施例。具体而言,参考方法类型的权利要求描述了一些实施例,而参考装置类型的权利要求描述了其它实施例。然而,本领域技术人员将从上文和下文描述中得出,除非另有指示,否则除了属于一种类型的主题的特征的任何组合之外,与不同主题相关的特征之间的任何组合被认为由本申请公开。然而,所有特征都可以组合,从而提供多于特征的简单求和的协同效果。
虽然已在附图及前面的描述中详细例示说明和描述了本发明,但这种例示说明和描述应被视为是例示说明性或示例性而非限制性的。本发明不限于所公开的实施例。根据对附图、本公开及从属权利要求的研究,本领域技术人员在实施所要求保护的发明的过程中可以理解并实现所公开的实施例的其它变型。
在权利要求中,词语“包括”不排除其它元件或步骤,且不定冠词“一”或“一个”不排除多个。单个处理器或其它单元可完成权利要求中所记载的数项的功能。仅在互不相同的从属权利要求中记载了某些措施并不表示不能使用这些措施的组合来发挥优势。权利要求中的任何附图标记不应被解释为限制范围。
Claims (11)
1.一种用于X射线成像中的运动伪影减少的系统(SYS),包括:
一个或多个输入接口(IN),其用于接收物体(PAT)的根据第一组投影数据重建的第一输入图像(i1,I1),以及所述物体的根据第二组投影数据重建的第二输入图像(i2,I2),所述第二组比所述第一组小;
运动分析器(MA),其被配置成基于两个输入图像确定运动破坏的估计值;以及
选择性组合器(Σ),其被配置成基于运动估计值以及基于所述第一输入图像(i1,I1)和/或所述第二输入图像(i2,I2)中的图像信息来计算增强图像(I1+I2,i1+i2)的图像值。
2.根据权利要求1所述的系统,其中,所述选择性组合器(Σ)被配置成将来自所述输入图像(i1,I1,i2,I2)中的一者或两者的所述图像信息组合起来,使得来自所述两个输入图像的图像信息的相对贡献随着所述运动估计值变化。
3.根据权利要求1或2所述的系统,其中,所述选择性组合器(Σ)被配置成将来自所述输入图像(i1,I1,i2,I2)中的一者或两者的所述图像信息组合起来,使得在以分别来自所述第二输入图像和所述第一输入图像的图像信息的贡献为代价的情况下,来自所述第一输入图像或所述第二输入图像的图像信息的贡献随着所述运动估计值变化。
4.根据权利要求3所述的系统,其中,来自所述第二图像的信息的贡献越高,由所述运动估计值指示的运动破坏的程度就越高;且来自所述第一图像的信息的贡献越高,由所述运动估计值指示的运动破坏的程度就越低。
5.根据前述权利要求中的任一项所述的系统,其中,所述相对贡献是由硬阈值方案或软阈值方案来确定的。
6.根据前述权利要求中的任一项所述的系统,其中,所述系统包括去噪器(DN),其被应用于初始输入图像(i1,i2),以获得在所述一个或多个输入接口(IN')处接收到的所述两个输入图像(I1,I2)。
7.根据前述权利要求中的任一项所述的系统,其中,所述投影数据是通过计算机断层扫描成像设备(XI)获得的。
8.用于X射线成像中的运动伪影减少的方法,包括以下步骤:
接收(S335)物体(PAT)的根据第一组投影数据重建的第一输入图像(i1,I1),以及所述物体的根据第二组投影数据重建的第二输入图像(i2,I2),所述第二组比所述第一组小;
基于两个输入图像确定(S340)运动破坏的估计值;以及
基于所述运动估计值以及基于所述第一输入图像(i1,I1)和/或所述第二输入图像(i2,I2)中的图像信息,计算(S360)增强图像(I1+I2,i1+i2)的图像值。
9.一种图像装置(IA),包括:
根据前述权利要求1-7中的任一项所述的系统;以及
成像设备(XI)。
10.一种计算机程序单元,其在被至少一个处理单元(PU)执行时,适于使所述至少一个处理单元(PU)执行根据权利要求8所述的方法。
11.一种计算机可读介质,其上已存储有根据权利要求10所述的程序单元。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
EP20168618.5A EP3893205A1 (en) | 2020-04-08 | 2020-04-08 | Suppression of motion artifacts in computed tomography imaging |
EP20168618.5 | 2020-04-08 | ||
PCT/EP2021/058829 WO2021204737A1 (en) | 2020-04-08 | 2021-04-06 | Suppression of motion artifacts in computed tomography imaging |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115552471A true CN115552471A (zh) | 2022-12-30 |
Family
ID=70227931
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202180034674.1A Pending CN115552471A (zh) | 2020-04-08 | 2021-04-06 | 计算机断层扫描成像中的运动伪影的抑制 |
Country Status (5)
Country | Link |
---|---|
US (1) | US20230148983A1 (zh) |
EP (2) | EP3893205A1 (zh) |
JP (1) | JP2023522850A (zh) |
CN (1) | CN115552471A (zh) |
WO (1) | WO2021204737A1 (zh) |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6879656B2 (en) * | 2002-07-23 | 2005-04-12 | General Electric Company | Method and apparatus for deriving motion information from projection data |
US20080051648A1 (en) * | 2006-08-25 | 2008-02-28 | Suri Jasjit S | Medical image enhancement system |
US8761478B2 (en) * | 2009-12-15 | 2014-06-24 | General Electric Company | System and method for tomographic data acquisition and image reconstruction |
US10282820B2 (en) | 2013-02-21 | 2019-05-07 | Koninklijke Philips N.V. | Structure propagation restoration for spectral CT |
WO2019143333A1 (en) * | 2018-01-17 | 2019-07-25 | Analogic Corporation | Automated phase selection for cardiac axial ct scans |
-
2020
- 2020-04-08 EP EP20168618.5A patent/EP3893205A1/en not_active Withdrawn
-
2021
- 2021-04-06 WO PCT/EP2021/058829 patent/WO2021204737A1/en unknown
- 2021-04-06 US US17/916,959 patent/US20230148983A1/en active Pending
- 2021-04-06 EP EP21716429.2A patent/EP4133461A1/en active Pending
- 2021-04-06 JP JP2022561143A patent/JP2023522850A/ja active Pending
- 2021-04-06 CN CN202180034674.1A patent/CN115552471A/zh active Pending
Also Published As
Publication number | Publication date |
---|---|
WO2021204737A1 (en) | 2021-10-14 |
EP4133461A1 (en) | 2023-02-15 |
US20230148983A1 (en) | 2023-05-18 |
JP2023522850A (ja) | 2023-06-01 |
EP3893205A1 (en) | 2021-10-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10147168B2 (en) | Spectral CT | |
JP4402435B2 (ja) | 軟組織空間の視覚化の方法及び装置 | |
Liu et al. | The impact of respiratory motion on tumor quantification and delineation in static PET/CT imaging | |
JP5498787B2 (ja) | エネルギー感受性コンピュータ断層撮影における動き補償 | |
JP2020168352A (ja) | 医用装置及びプログラム | |
CN105593905B (zh) | 针对完全3d迭代ct重建中的图像质量优化用于对正则化参数的局部调节的方法 | |
JP6925868B2 (ja) | X線コンピュータ断層撮影装置及び医用画像処理装置 | |
JP2019516460A (ja) | 空間とスペクトル情報に基づく複数エネルギーのct画像におけるノイズ制御のためのシステムと方法 | |
US20110007956A1 (en) | Sinogram processing to reduce metal artifacts in computed tomography | |
AU2019271915A1 (en) | Method and system for motion correction in CT imaging | |
JP7346429B2 (ja) | スペクトルコンピュータ断層撮影(ct)スキャナによって生成される画質が向上したバーチャル非造影画像 | |
CN111524200B (zh) | 在投影图像中分割金属对象的方法、设备和介质 | |
JP2011156302A (ja) | X線ct画像処理方法,x線ctプログラムおよび該プログラムが搭載されたx線ct装置 | |
CN109416833B (zh) | 根据谱ct数据确定钙含量 | |
US9858688B2 (en) | Methods and systems for computed tomography motion compensation | |
Stille et al. | Influence of metal segmentation on the quality of metal artifact reduction methods | |
Lu et al. | Reduction of motion blurring artifacts using respiratory gated CT in sinogram space: a quantitative evaluation | |
CN115552471A (zh) | 计算机断层扫描成像中的运动伪影的抑制 | |
Tekchandani et al. | An overview-artifacts and their reduction techniques in cardiac computed tomography | |
Mei | Advanced ultra-low-dose CT assessment of bone fracture risks in patient with osteoporosis with novel acquisitions and reconstruction schemes | |
Martin | Improvements in four-dimensional and dual energy computed tomography | |
Zamyatin et al. | Extension of the reconstruction field-of-view using sinogram decomposition |
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 |