CN116188326B - 一种ct系统噪声功率谱校正方法 - Google Patents
一种ct系统噪声功率谱校正方法 Download PDFInfo
- Publication number
- CN116188326B CN116188326B CN202310419438.2A CN202310419438A CN116188326B CN 116188326 B CN116188326 B CN 116188326B CN 202310419438 A CN202310419438 A CN 202310419438A CN 116188326 B CN116188326 B CN 116188326B
- Authority
- CN
- China
- Prior art keywords
- power spectrum
- curve
- noise power
- image
- sub
- 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.)
- Active
Links
- 238000001228 spectrum Methods 0.000 title claims abstract description 182
- 238000000034 method Methods 0.000 title claims abstract description 57
- 238000012937 correction Methods 0.000 title claims abstract description 17
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 52
- 238000012545 processing Methods 0.000 claims description 19
- 238000004364 calculation method Methods 0.000 claims description 8
- 238000009499 grossing Methods 0.000 claims description 8
- 238000012935 Averaging Methods 0.000 claims description 7
- 238000010606 normalization Methods 0.000 claims description 6
- 238000010183 spectrum analysis Methods 0.000 claims description 5
- 238000012360 testing method Methods 0.000 abstract description 16
- 239000011159 matrix material Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 230000003595 spectral effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- 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
- A61B6/02—Arrangements for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
- A61B6/03—Computed tomography [CT]
- A61B6/032—Transmission computed tomography [CT]
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/80—Geometric correction
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20212—Image combination
- G06T2207/20216—Image averaging
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Medical Informatics (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Biomedical Technology (AREA)
- Surgery (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Optics & Photonics (AREA)
- Pathology (AREA)
- Radiology & Medical Imaging (AREA)
- Biophysics (AREA)
- Heart & Thoracic Surgery (AREA)
- Molecular Biology (AREA)
- High Energy & Nuclear Physics (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Pulmonology (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
本发明提供了一种CT系统噪声功率谱校正方法,其通过扫描水模图像进行噪声功率谱测试,与标准噪声功率谱曲线进行比较,根据与标准噪声功率谱曲线的差异,进行自动调整重建算法的卷积核曲线,重新重建水模图像直到测试噪声功率谱曲线与标准噪声功率谱曲线差异达到一定要求,噪声功率谱自动校正结束,生成的新的重建卷积核曲线作为该设备图像重建默认的重建算法,通过噪声功率谱的校正有效的消除不同设备之间的差异,使噪声大小与风格保持一致,保证不同设备之间图像风格的一致性。
Description
技术领域
本发明属于医学技术领域,特别涉及一种CT系统噪声功率谱校正方法。
背景技术
CT图像噪声大小主要由扫描条件剂量的大小决定,但由于各零部件之间的差异以及装配误差的影响,即使利用相同的扫描条件,重建得到的图像噪声也会有差异,从而影响图像质量。CT图像噪声的大小通常利用图像的标准差测试,标准差可以反映噪声的强度大小,但是不能反映噪声的纹理,即使两幅图像的标准差完全相同,其图像风格也会差异很大。因此,通过标准差评价图像噪声无法反映图像的风格。噪声功率谱测试不但可以反映图像的噪声大小噪声的纹理,如果噪声功率谱高频成分多,图像更加细腻;如果噪声功率谱低频成分更多时,图像噪声聚焦成较大的颗粒,使得图像变得特别粗糙。
发明内容
基于上述问题,本发明提出了一种CT系统噪声功率谱校正方法,通过噪声功率谱校正消除不同设备之间图像噪声与风格的差异,保证不同设备之间图像风格的一致性。
根据本发明一方面,提出了一种CT系统噪声功率谱校正方法,该方法包括以下步骤:
1) 扫描水模:利用相同的预设条件对水模进行两次扫描,其中,两次水模扫描为同一个位置;
2)重建水模图像:对步骤1)中两次扫描得到的水模,分别重建得到水模图像I1与I2,对重建得到的图像I1与I2做差,得到其差分图像I3,对差分图像I3进行处理后得到噪声图像I4;
3)计算噪声图像:在噪声图像I4上取K个子图像,并对每个子图像进行二维功率谱计算,得到二维噪声功率谱图像;
4)噪声功率谱分析:以所述的二维噪声功率谱图像的中心为原点,沿圆周方向取平均得到一维噪声功率谱曲线L1;对所述一维噪声功率谱曲线L1进行平滑处理后得到噪声功率谱曲线L2,对所述的噪声功率谱曲线L2与标准噪声功率谱曲线L0做差,得到二者的差值曲线L3;利用所述的差值曲线L3计算所述的噪声功率谱曲线L2与标准噪声功率谱曲线的L0的均方根误差Er;
5)阈值比较:比较均方根误差Er与预设值En,如果Er的值小于预设值En,直接执行8);如果Er的值大于等于预设值En,执行步骤6);
6)调整卷积核曲线:对所述的差值曲线L3进行归一化处理得到噪声功率谱差值曲线L4,利用归一化后的噪声功率谱差值曲线L4,生成卷积核调整系数曲线S,利用卷积核调整系数曲线S,生成新的卷积核曲线;
7)更新卷积核曲线:更新卷积核曲线,再次进行图像重建,得到更新后的水模图像I1、I2,并重复以上3)-5)处理步骤;
8)保存新的卷积核曲线,校正结束。
可选地,步骤1)中所述预设条件包括扫描管电压、管电流、bowtie的类型、准直开口大小、机架旋转速度以及重建图像的层厚、重建视野大小、重建卷积核曲线、重建矩阵大小等,其中I1与I2是利用相同的条件,扫描水模同一个位置得到的图像。
可选地,步骤2)中分别重建得到水模图像I1与I2后还包括:识别图像I1的水模中心坐标为(x0,y0);对水模图像先进行阈值分割并将图像二值化,然后,检测水模壁的边缘,通过水模壁边缘拟合得到水模的中心坐标;
可选地,步骤2)中得到差分图像I3的具体实现方法如下:
I3(m,n)=I1(m,n)–I2(m,n)
其中:I1、I2分别是第一、二次扫描重建得到的图像,I3为差分图像,m为图像的行序号,n为图像的列序号。
可选地,步骤2)中对差分图像I3进行处理后得到噪声图像I4具体为:为了噪声功率谱分析减少低频信息的影响,差分图像I3像素值减去差分图像I3像素值的平均值得到去除低频成分的噪声图像I4;具体实现方法如下:
I4(m,n)=I3(m,n)-mean(I3)
其中:m为图像的行序号,m为图像的列序号,mean(I3)为差分图像I3的平均值。
可选地,步骤3)中在噪声图像I4上取K个子图像具体为:以噪声图像I4的中心坐标(x0,y0)为中心,以R为半径,其中R取值范围为[50-100],沿着圆周方向的不同位置在噪声图像I4上取K个子图像,每个子图像的大小为,子图像集记作:
其中:IROI为子图像,k是子图像的序号,K为子图像的总数,K的取值范围为[6,12]。
可选地,步骤3)中在图像I3上取K个子图像后,为了防止噪声功率计算时引入次生伪影,先对各噪声子图像进行加窗函数处理,得到加窗函数后的子图像;加窗后的子图像集记作:
其中:IWR01(k)表示第k个加窗函数处理后的子图像,{}表示集合,k是加窗函数后子图像的序号,K为加窗函数后子图像的总数。
可选地,加窗函数的计算方法如下:
其中:IWROI(k)表示第k个加窗函数处理后的子图像,IROI为子图像,k为子图像的序号,i为子图像的行序号,j为子图像的列序号,Nx为子图像的总行数,Ny为子图像的总列数。
可选地,步骤3)中功率谱计算公式如下:
其中:INPS为二维噪声功率谱,k为子图像序号,fx为二维噪声功率谱图像行方向序号,fy为二维噪声功率谱图像列方向序号,Nx为子图像的总行数,Ny为子图像的总列数,DFT2D为二维傅里叶变换,IWROI为加窗函数后的子图像,为子图像行方向的宽度,/>为子图像行方向的宽度。
可选地,步骤3)中在得到二维噪声功率谱图像后还包括:对各子图像的二维噪声功率谱图像进行平均得到平均的二维噪声功率谱图像;
其中:INPS为二维噪声功率谱图像,INPSM平均二维噪声功率谱图像,k是子图像的序号,K为子图像的总数。
可选地,步骤4)中以所述的二维噪声功率谱图像的中心为原点,沿圆周方向取平均得到一维的噪声功率谱曲线L1,具体为:
其中:L1为一维噪声功率谱曲线,INPSM平均二维噪声功率谱,m为圆周方向抽样序号,M为圆周方向抽样的总个数,INPS为二维噪声功率谱图像,k为径向抽样序号,im(k)为圆周第m个抽样、径向第k个抽样对应平均二维噪声功率谱图像行序号,jm(k)为圆周第m个抽样、径向第k个抽样对应平均二维噪声功率谱图像列的序号。
可选地,步骤4)中对噪声功率谱曲线L1进行平滑处理后得到噪声功率谱曲线L2,具体为:
其中:i为功率谱曲线位置序号,k为平滑窗位置序号,n为平滑窗宽度参数。
可选地,步骤4)中,对所述的噪声功率谱曲线L2与标准噪声功率谱曲线L0做差,得到二者的差值曲线L3,具体为:
其中:i为噪声功率谱曲线上点的序号。
可选地,步骤4)中,均方根误差的计算方法如下:
其中:Er为测试得到的噪声功率谱曲线与标准噪声功率谱曲线的均方根误差,L3为差值曲线,i为噪声功率谱曲线上点的序号,M功率谱曲线的总点数。
可选地,步骤6)中,对所述的差值曲线L3进行归一化处理得到噪声功率谱差值曲线L4,具体为:利用差值曲线L3的绝对值最大值,对差值曲线L3进行归一化,得到归一化后的噪声功率谱差值曲线L4;具体实现方法如下:
可选地,步骤6)中,利用归一化后的噪声功率谱差值曲线L4,生成卷积核调整系数曲线S,具体为:
其中:L4为归一化后的噪声功率谱差值曲线,i为噪声功率谱曲线上点的序号,j为调制函数位置序号,d为调制函数的宽带参数。
可选地,步骤6)中,利用卷积核调整系数曲线S,生成新的卷积核曲线,具体为:
相对于现有技术,本申请具有如下有益效果:本发明先利用规定的扫描条件进行扫描水模图像,然后测试水模图像的噪声功率谱,分析测得的噪声功率谱曲线与标准的噪声功率谱曲线的差异,自动调整相应重建卷积核曲线,通过卷积核曲线的改变进而改变水模的噪声功率谱的分布,使测得的噪声功率谱更加与标准功率谱趋于一致,当测得的噪声功率谱与标准噪声功率谱曲线误差很小时,自动校正结束,最后生成的卷积核曲线即为校正的结果,作为该设备的默认重建卷积曲线,使得该系统噪声功率分布标准曲线的趋于一致,同时,使得图像风格也趋于一致,保证不同设备之间图像风格的一致性。
附图说明
通过结合附图对本发明实施例进行更详细的描述,本发明的上述以及其它目的、特征和优势将变得更加明显。附图用来提供对本发明实施例的进一步理解,并且构成说明书的一部分,与本发明实施例一起用于解释本发明,并不构成对本发明的限制。在附图中,相同的参考标号通常代表相同部件或步骤。
图1示出根据本发明一个实施例的噪声功率谱校正方法流程图;
图2示出根据本发明一个实施例的功率谱曲线对比图;
图3示出根据本发明一个实施例的卷积核曲线对比图;
图4示出根据本发明一个实施例的原始水模图像;
图5示出根据本发明一个实施例的校正后的水模图像。
具体实施方式
为了使得本发明的目的、技术方案和优点更为明显,下面将参照附图详细描述根据本发明的示例实施例。显然,所描述的实施例仅仅是本发明的一部分实施例,而不是本发明的全部实施例,应理解,本发明不受这里描述的示例实施例的限制。基于本发明中描述的本发明实施例,本领域技术人员在没有付出创造性劳动的情况下所得到的所有其它实施例都应落入本发明的保护范围之内。
实施例,本发明通过扫描水模图像进行噪声功率谱测试,与标准噪声功率谱曲线进行比较,根据与标准噪声功率谱曲线的差异,进行自动调整重建算法的卷积核曲线,重新重建水模图像直到测试噪声功率谱曲线与标准噪声功率谱曲线差异达到一定要求,噪声功率谱自动校正结束,生成的新的重建卷积核曲线作为该设备图像重建默认的重建算法,通过噪声功率谱的校正有效的消除不同设备之间的差异,使噪声大小与风格保持一致。
参考图1,本发明提出了一种CT系统噪声功率谱校正方法,该方法包括以下步骤:
1) 扫描水模:利用相同的预设条件对水模进行两次扫描,其中,两次水模扫描为同一个位置;
在步骤1)中所述预设条件包括扫描管电压、管电流、bowtie的类型、准直开口大小、机架旋转速度以及重建图像的层厚、重建视野大小、重建卷积核曲线、重建矩阵大小等,其中I1与I2是利用相同的条件,扫描水模同一个位置得到的图像。
2)重建水模图像:对步骤1)中两次扫描得到的水模,分别重建得到水模图像I1与I2,对重建得到的图像I1与I2做差,得到其差分图像I3,对差分图像I3进行处理后得到噪声图像I4;
在该步骤2)中分别重建得到水模图像I1与I2后还包括:识别图像I1的水模中心坐标为(x0,y0);对水模图像先进行阈值分割并将图像二值化,然后,检测水模壁的边缘,通过水模壁边缘拟合得到水模的中心坐标;
其中得到差分图像I3的具体实现方法如下:
I3(m,n)=I1(m,n)–I2(m,n)
其中:I1、I2分别是第一、二次扫描重建得到的图像,I3为差分图像,m为图像的行序号,n为图像的列序号。
对差分图像I3进行处理后得到噪声图像I4具体为:为了噪声功率谱分析减少低频信息的影响,差分图像I3像素值减去差分图像I3像素值的平均值得到去除低频成分的噪声图像I4;具体实现方法如下:
I4(m,n)=I3(m,n)-mean(I3)
其中:m为图像的行序号,n为图像的列序号,mean(I3)为差分图像I3像素的平均值。
3)计算噪声图像:在噪声图像I4上取K个子图像,并对每个子图像进行二维功率谱计算,得到二维噪声功率谱图像;
步骤3)中在噪声图像I4上取K个子图像具体为:以噪声图像I4的中心坐标(x0,y0)为中心,以R为半径,其中R取值范围为[50-100],沿着圆周方向的不同位置在噪声图像I4上取K个子图像,每个子图像的大小为,子图像集记作:
其中:k是子图像的序号,K为子图像的总数,,K的取值范围为[6,12]。
在图像I3上取K个子图像后,为了防止噪声功率计算时引入次生伪影,先对各噪声子图像进行加窗函数处理,得到加窗函数后的子图像;加窗后的子图像集记作:
其中:IROI为子图像,k是加窗函数后子图像的序号,K为加窗函数后子图像的总数。
其中加窗函数的计算方法如下:
其中:IWROI为加窗函数后的子图像,IROI为子图像,k为子图像的序号,i为子图像的行序号,j为子图像的列序号,Nx为子图像的总行数,Ny为子图像的总列数。
其中功率谱计算公式如下:
其中:INPS为二维噪声功率谱,k为子图像序号,fx为二维噪声功率谱图像行方向序号,fy为二维噪声功率谱图像列方向序号,Nx为子图像的总行数,Ny为子图像的总列数,DFT2D为二维傅里叶变换,IWROI为加窗函数后的子图像,为子图像行方向的宽度,/>为子图像行方向的宽度。
在得到二维噪声功率谱图像后还包括:对各子图像的二维噪声功率谱图像进行平均得到平均的二维噪声功率谱图像;
其中:INPS为二维噪声功率谱图像,INPSM平均二维噪声功率谱图像,k是子图像的序号,K为子图像的总数。
4)噪声功率谱分析:以所述的二维噪声功率谱图像的中心为原点,沿圆周方向取平均得到一维噪声功率谱曲线L1;对所述一维噪声功率谱曲线L1进行平滑处理后得到噪声功率谱曲线L2,对所述的噪声功率谱曲线L2与标准噪声功率谱曲线L0做差,得到二者的差值曲线L3;利用所述的差值曲线L3计算所述的噪声功率谱曲线L2与标准噪声功率谱曲线的L0的均方根误差Er;
步骤4)中以所述的二维噪声功率谱图像的中心为原点,沿圆周方向取平均得到一维的噪声功率谱曲线L1,具体为:
其中:L1为一维噪声功率谱曲线,INPSM平均二维噪声功率谱,m为圆周方向抽样序号,M为圆周方向抽样的总个数,INPS为二维噪声功率谱图像,k为径向抽样序号,im(k)为圆周第m个抽样、径向第k个抽样对应平均二维噪声功率谱图像行序号,jm(k)为圆周第m个抽样、径向第k个抽样对应平均二维噪声功率谱图像列的序号。
对噪声功率谱曲线L1进行平滑处理后得到噪声功率谱曲线L2,具体为:
其中:i为功率谱曲线位置序号,k为平滑窗位置序号,n为平滑窗宽度参数。
对所述的噪声功率谱曲线L2与标准噪声功率谱曲线L0做差,得到二者的差值曲线L3,具体为:
其中:i为噪声功率谱曲线上点的序号。
均方根误差的计算方法如下:
其中:Er为测试得到的噪声功率谱曲线与标准噪声功率谱曲线的均方根误差,L3为差值曲线,i为噪声功率谱曲线上点的序号,M功率谱曲线的总点数。
5)阈值比较:比较均方根误差Er与预设值En,如果Er的值小于预设值En,直接执行8);如果Er的值大于等于预设值En,执行步骤6);
6)调整卷积核曲线:对所述的差值曲线L3进行归一化处理得到噪声功率谱差值曲线L4,利用归一化后的噪声功率谱差值曲线L4,生成卷积核调整系数曲线S,利用卷积核调整系数曲线S,生成新的卷积核曲线;
对所述的差值曲线L3进行归一化处理得到噪声功率谱差值曲线L4,具体为:利用差值曲线L3的绝对值的最大值,对差值曲线L3进行归一化,得到归一化后的噪声功率谱差值曲线L4;具体实现方法如下:
利用归一化后的噪声功率谱差值曲线L4,生成卷积核调整系数曲线S,具体为:
其中:L4为归一化后的噪声功率谱差值曲线,i为噪声功率谱曲线上点的序号,j为调制函数位置序号,d为调制函数的宽带参数。
利用卷积核调整系数曲线S,生成新的卷积核曲线,具体为:
7)更新卷积核曲线:更新卷积核曲线,再次进行图像重建,得到更新后的水模图像I1、I2,并重复以上3)-5)处理步骤;
8)保存新的卷积核曲线,校正结束。
图2-图5示出了本申请提出的CT系统噪声功率谱校正方法所达到的效果,由附图2可以看出,调整后的噪声功率谱曲线基本接近于参考标准噪声功率谱曲线,即在采用本发明的技术方案校正后,不同设备之间的图像风格能够保持一致;图3中可以看出调整后的卷积核曲线相比于原始卷积核曲线低频部分保持一致,高频成分明显增强,由此使得图5中调整后的水模图像相比于图4中原始水模图像更加细腻,会使图像的细节更加清晰。
综上,本发明提出的一种通过测试利用相同扫描条件扫描水模图像的噪声功率谱,分析实际测试噪声功率谱与标准的噪声功率谱曲线的差异,根据测试得到的差异自动校正,使噪声功率谱与标准噪声功率谱相同,通过噪声功率谱的校正使得不同设备之间图像噪声水平和图像风格保持一致。本发明通过扫描水模图像进行噪声功率谱测试,与标准噪声功率谱曲线进行比较,根据与标准噪声功率谱曲线的差异,进行自动调整重建算法的卷积核曲线,重新重建水模图像直到测试噪声功率谱曲线与标准噪声功率谱曲线差异达到一定要求,噪声功率谱自动校正结束,生成的新的重建卷积核曲线作为该设备图像重建默认的重建算法,通过噪声功率谱的校正有效的消除不同设备之间的差异,使噪声大小与风格保持一致。
尽管本文已经参考附图描述了示例实施例,应理解上述示例实施例仅仅是示例性的,并且不意图将本发明的范围限制于此。本领域普通技术人员可以在其中进行各种改变和修改,而不偏离本发明的范围和精神。所有这些改变和修改意在被包括在所附权利要求所要求的本发明的范围之内。
在此处所提供的说明书中,说明了大量具体细节。然而,能够理解,本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中,并未详细示出公知的方法、结构和技术,以便不模糊对本说明书的理解。
类似地,应当理解,为了精简本发明并帮助理解各个发明方面中的一个或多个,在对本发明的示例性实施例的描述中,本发明的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而,并不应将该本发明的方法解释成反映如下意图:即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说,如相应的权利要求书所反映的那样,其发明点在于可以用少于某个公开的单个实施例的所有特征的特征来解决相应的技术问题。因此,遵循具体实施方式的权利要求书由此明确地并入该具体实施方式,其中每个权利要求本身都作为本发明的单独实施例。本领域的技术人员可以理解,除了特征之间相互排斥之外,可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述,本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。
此外,本领域的技术人员能够理解,尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征,但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如,在权利要求书中,所要求保护的实施例的任意之一都可以以任意的组合方式来使用。
应该注意的是上述实施例对本发明进行说明而不是对本发明进行限制,并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中,不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的组件或步骤。位于组件之前的单词“一”或“一个”不排除存在多个这样的组件。本发明可以借助于包括有若干不同组件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中,这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。
以上所述,仅为本发明的具体实施方式或对具体实施方式的说明,本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。本发明的保护范围应以权利要求的保护范围为准。
Claims (8)
1.一种CT系统噪声功率谱校正方法,其特征在于,该方法包括以下步骤:
1)扫描水模:利用相同的预设条件对水模进行两次扫描,其中,两次水模扫描为同一个位置;
2)重建水模图像:对步骤1)中两次扫描得到的水模,分别重建得到水模图像I1与I2,对重建得到的图像I1与I2做差,得到其差分图像I3,对差分图像I3进行处理后得到噪声图像I4;
3)计算噪声图像:在噪声图像I4上取K个子图像,并对每个子图像进行二维功率谱计算,得到二维噪声功率谱图像,其中
在噪声图像I4上取K个子图像后,对所述K个子图像进行加窗函数处理,得到加窗函数处理后的子图像,加窗函数处理后的子图像集记作:
其中:IWR01(k)表示第k个加窗函数处理后的子图像,{}表示集合,k是加窗函数处理后子图像的序号,K为加窗函数处理后子图像的总数,
功率谱计算公式如下:
其中:INPS为二维噪声功率谱,k为子图像序号,fx为二维噪声功率谱图像行方向序号,fy为二维噪声功率谱图像列方向序号,Nx为子图像的总行数,Ny为子图像的总列数,DFT2D为二维傅里叶变换,IWROI为加窗函数处理后的子图像,∆x为子图像行方向的宽度,∆y为子图像行方向的宽度;
4)噪声功率谱分析:以所述二维噪声功率谱图像的中心为原点,沿圆周方向取平均得到一维噪声功率谱曲线L1;对所述一维噪声功率谱曲线L1进行平滑处理后得到噪声功率谱曲线L2,对所述的噪声功率谱曲线L2与标准噪声功率谱曲线L0做差,得到二者的差值曲线L3;利用所述的差值曲线L3计算所述的噪声功率谱曲线L2与标准噪声功率谱曲线的L0的均方根误差Er;
5)阈值比较:比较均方根误差Er与预设值En,如果Er的值小于预设值En,直接执行8);如果Er的值大于等于预设值En,执行步骤6);
6)调整卷积核曲线:对所述的差值曲线L3进行归一化处理得到噪声功率谱差值曲线L4,利用归一化后的噪声功率谱差值曲线L4,生成卷积核调整系数曲线S,利用卷积核调整系数曲线S,生成新的卷积核曲线;
7)更新卷积核曲线:更新卷积核曲线,再次进行图像重建,得到更新后的水模图像I1、I2,并重复以上3)-5)处理步骤;
8)保存新的卷积核曲线,校正结束。
2.如权利要求1所述的一种CT系统噪声功率谱校正方法,其特征在于:步骤2)中对差分图像I3进行处理后得到噪声图像I4具体为:差分图像I3像素值减去差分图像I3像素值的平均值得到去除低频成分的噪声图像I4;具体实现方法如下:
I4(m,n)=I3(m,n) -mean(I3)
其中:m为图像像素点的行序号,n为图像像素点的列序号,mean(I3)为差分图像I3像素值的平均值。
6.如权利要求1所述的一种CT系统噪声功率谱校正方法,其特征在于:步骤6)中对所述的差值曲线L3进行归一化处理得到噪声功率谱差值曲线L4,具体为:利用差值曲线L3的绝对值的最大值,对差值曲线L3进行归一化,得到归一化后的噪声功率谱差值曲线L4;其实现方法如下:
L4(i)= L3(i) /max(L3),
其中:max(L3)为差值曲线L3的绝对值的最大值,i为噪声功率谱曲线上点的序号。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310419438.2A CN116188326B (zh) | 2023-04-19 | 2023-04-19 | 一种ct系统噪声功率谱校正方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310419438.2A CN116188326B (zh) | 2023-04-19 | 2023-04-19 | 一种ct系统噪声功率谱校正方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116188326A CN116188326A (zh) | 2023-05-30 |
CN116188326B true CN116188326B (zh) | 2023-07-11 |
Family
ID=86450860
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310419438.2A Active CN116188326B (zh) | 2023-04-19 | 2023-04-19 | 一种ct系统噪声功率谱校正方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116188326B (zh) |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9326008B2 (en) * | 2012-04-10 | 2016-04-26 | Google Inc. | Noise reduction for image sequences |
CN103961125B (zh) * | 2013-01-31 | 2016-01-20 | 东北大学 | 一种用于锥束ct的ct值校正方法 |
CN106994021B (zh) * | 2016-01-22 | 2022-10-14 | 通用电气公司 | 一种计算ct影像上的噪声的方法及装置 |
CN112686933B (zh) * | 2020-12-29 | 2024-03-08 | 中国科学院长春光学精密机械与物理研究所 | 基于改进互功率谱的星上图像配准叠加增强方法及系统 |
CN112869762B (zh) * | 2021-01-18 | 2023-03-07 | 深圳市菲森科技有限公司 | 一种口腔锥形束cbct的ct值校正方法及装置 |
-
2023
- 2023-04-19 CN CN202310419438.2A patent/CN116188326B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN116188326A (zh) | 2023-05-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109816742B (zh) | 基于全连接卷积神经网络的锥束ct几何伪影去除方法 | |
Bal et al. | Metal artifact reduction in CT using tissue‐class modeling and adaptive prefiltering | |
CN104200442B (zh) | 基于改进的canny边缘检测的非局部均值MRI图像去噪方法 | |
Altunbas et al. | A post‐reconstruction method to correct cupping artifacts in cone beam breast computed tomography | |
US20200402274A1 (en) | A limited-angle ct reconstruction method based on anisotropic total variation | |
CN106651986A (zh) | 计算机断层成像伪影校正方法 | |
CN116630762B (zh) | 一种基于深度学习的多模态医学图像融合方法 | |
CN117094917B (zh) | 一种心血管3d打印数据处理方法 | |
CN111553960B (zh) | 一种基于投影均值图像的环状伪影快速校正方法 | |
CN111553849A (zh) | 基于局部特征匹配的锥束ct几何伪影去除方法及装置 | |
CN116188326B (zh) | 一种ct系统噪声功率谱校正方法 | |
KR100844057B1 (ko) | 이미지에서의 노이즈 감소 | |
US8989462B2 (en) | Systems, methods and computer readable storage mediums storing instructions for applying multiscale bilateral filtering to magnetic resonance (RI) images | |
Vegas-Sánchez-Ferrero et al. | Statistical characterization of noise for spatial standardization of CT scans: enabling comparison with multiple kernels and doses | |
Yang et al. | Image artifacts and noise reduction algorithm for cone-beam computed tomography with low-signal projections | |
US9613437B2 (en) | Image producing apparatus, radiation tomography apparatus, and program | |
CN109884090B (zh) | 一种改进圆盘卡法的ct空间分辨率测量方法 | |
Sizikov | Estimating the point-spread function from the spectrum of a distorted tomographic image | |
CN111415365A (zh) | 图像检测方法及装置 | |
EP3433832B1 (en) | Image reconstruction | |
Yuan et al. | A deep learning-based ring artifact correction method for x-ray CT | |
WO2014141630A1 (en) | Extended field iterative reconstruction technique (efirt) for correlated noise removal | |
CN111445492A (zh) | 一种磁共振影像与放疗定位影像的三维融合标定方法 | |
Shen et al. | Exterior computed tomography image reconstruction based on anisotropic relative total variation in polar coordinates | |
CN117392122B (zh) | 基于超声波技术的螺栓无损检测方法 |
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 |