CN116704068A - 一种用于双源ct设备的图像校正方法、成像方法和系统 - Google Patents
一种用于双源ct设备的图像校正方法、成像方法和系统 Download PDFInfo
- Publication number
- CN116704068A CN116704068A CN202310764103.4A CN202310764103A CN116704068A CN 116704068 A CN116704068 A CN 116704068A CN 202310764103 A CN202310764103 A CN 202310764103A CN 116704068 A CN116704068 A CN 116704068A
- Authority
- CN
- China
- Prior art keywords
- target object
- target
- data
- source
- dual
- 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
- 238000003384 imaging method Methods 0.000 title claims abstract description 70
- 238000000034 method Methods 0.000 title claims abstract description 57
- 238000003702 image correction Methods 0.000 title claims abstract description 12
- 230000009977 dual effect Effects 0.000 claims abstract description 58
- 238000012937 correction Methods 0.000 claims description 41
- 238000012549 training Methods 0.000 claims description 35
- 238000013136 deep learning model Methods 0.000 claims description 7
- 238000002591 computed tomography Methods 0.000 description 92
- 238000012545 processing Methods 0.000 description 40
- 230000008569 process Effects 0.000 description 17
- 238000012986 modification Methods 0.000 description 16
- 230000004048 modification Effects 0.000 description 16
- 238000003745 diagnosis Methods 0.000 description 9
- 238000004458 analytical method Methods 0.000 description 7
- 230000000670 limiting effect Effects 0.000 description 6
- 230000000747 cardiac effect Effects 0.000 description 5
- 238000004088 simulation Methods 0.000 description 5
- 238000013527 convolutional neural network Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000010801 machine learning Methods 0.000 description 4
- 238000002595 magnetic resonance imaging Methods 0.000 description 4
- 230000036961 partial effect Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 230000006872 improvement Effects 0.000 description 3
- 238000003062 neural network model Methods 0.000 description 3
- 230000002829 reductive effect Effects 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 238000002604 ultrasonography Methods 0.000 description 3
- 238000004497 NIR spectroscopy Methods 0.000 description 2
- 210000001015 abdomen Anatomy 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 210000004351 coronary vessel Anatomy 0.000 description 2
- 238000003066 decision tree Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000002059 diagnostic imaging Methods 0.000 description 2
- 210000003734 kidney Anatomy 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000012014 optical coherence tomography Methods 0.000 description 2
- 210000000056 organ Anatomy 0.000 description 2
- 238000002601 radiography Methods 0.000 description 2
- 230000002787 reinforcement Effects 0.000 description 2
- 230000002441 reversible effect Effects 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 238000004846 x-ray emission Methods 0.000 description 2
- 206010028980 Neoplasm Diseases 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 238000002583 angiography Methods 0.000 description 1
- 230000000712 assembly Effects 0.000 description 1
- 238000000429 assembly Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 210000000038 chest Anatomy 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000002608 intravascular ultrasound Methods 0.000 description 1
- 210000004185 liver Anatomy 0.000 description 1
- 210000004072 lung Anatomy 0.000 description 1
- 230000004199 lung function Effects 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 239000003607 modifier Substances 0.000 description 1
- 210000000214 mouth Anatomy 0.000 description 1
- 210000003739 neck Anatomy 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 210000000496 pancreas Anatomy 0.000 description 1
- 230000010349 pulsation Effects 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 230000029058 respiratory gaseous exchange Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
- G06T2210/00—Indexing scheme for image generation or computer graphics
- G06T2210/41—Medical
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
本说明书实施例中提供一种用于双源CT设备的图像校正方法、成像方法和系统。所述图像校正方法包括:通过双源CT设备获取目标对象的扫描数据;基于扫描数据,利用训练好的运动确定模型确定目标对象的运动信息,所述运动信息至少包括目标对象的运动方向;基于运动信息对扫描数据进行校正,获得目标图像。
Description
技术领域
本说明书涉及图像处理领域,特别涉及一种用于双源CT设备的图像校正方法、成像方法和系统。
背景技术
伪影是指在成像过程或信息处理过程中由于某种原因出现了扫描对象本身不存在的致使图像质量下降的图像。运动伪影是指由于扫描对象的运动导致的伪影。以扫描对象为心脏为例,心脏运动伪影会对观察心脏的正常状况造成影响。因此,减少运动伪影在图像处理过程中越来越重要。
因此,希望提供一种用于双源CT设备的图像校正方法,有效识别伪影并进行校正,从而提高图像质量。
发明内容
本说明书一个方面提供一种用于双源CT设备的图像校正方法,包括:通过所述双源CT设备获取目标对象的扫描数据;基于所述扫描数据,利用训练好的运动确定模型确定所述目标对象的运动信息,所述运动信息至少包括所述目标对象的运动方向;基于所述运动信息对所述扫描数据进行校正,获得目标图像。
在一些实施例中,所述通过所述双源CT设备获取所述目标对象的扫描数据包括:获取所述目标对象的心电信号和所述双源CT设备的机架角度;基于所述心电信号和所述机架角度,确定目标扫描时间;通过所述双源CT设备在所述目标扫描时间对所述目标对象进行扫描,以获取所述目标对象的扫描数据。
在一些实施例中,所述目标扫描时间能够使所述双源CT设备在单时相内完成对所述目标对象的扫描。
在一些实施例中,所述基于所述运动信息对所述扫描数据进行校正,获得目标图像包括:将所述运动信息和所述扫描数据输入伪影校正模型,获得目标图像;或基于所述运动信息确定目标校正模型,将所述扫描数据输入所述目标校正模型,获得所述目标图像。
在一些实施例中,所述基于所述运动信息对所述扫描数据进行校正,获得目标图像包括:基于所述运动信息,生成相应的分段运动向量场;基于所述分段运动向量场对所述扫描数据进行校正,获得所述目标图像。
在一些实施例中,所述训练好的运动确定模型通过以下方式获得:基于所述运动信息的不同和所述双源CT设备的起始角度的不同,确定多组参数组;基于所述多组参数组,获取多组样本扫描数据;将所述多组样本扫描数据作为输入数据,所述多组样本扫描数据对应的运动信息作为标签,对初始深度学习模型进行训练,获得训练好的运动确定模型。
在一些实施例中,所述多组样本扫描数据中包括运动信息相同但伪影轨迹不同的样本扫描数据。
本说明书另一个方面提供一种双源CT设备的成像方法,包括:获取目标对象的心电信号和所述双源CT设备的机架角度;基于所述心电信号和所述机架角度,确定目标扫描时间,所述目标扫描时间能够使所述双源CT设备在单时相内完成对所述目标对象的扫描;通过所述双源CT设备在所述目标扫描时间对所述目标对象进行扫描,以获取所述目标对象的扫描数据。
本说明书另一个方面提供一种双源CT设备的成像系统,包括:获取模块,用于通过所述双源CT设备获取目标对象的扫描数据;确定模块,用于基于所述扫描数据,利用训练好的运动确定模型确定所述目标对象的运动信息,所述运动信息至少包括所述目标对象的运动方向;校正模块,用于基于所述运动信息对所述扫描数据进行校正,获得目标图像。
本说明书另一个方面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,当计算机读取存储介质中的计算机指令后,计算机执行如前所述的方法。
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示例性成像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示例性双源CT设备的成像系统的模块示意图;
图3是根据本说明书一些实施例所示的示例性用于双源CT设备的图像校正方法的流程图;
图4是根据本说明书一些实施例所示的示例性双源CT设备的成像方法的流程图;
图5是根据本说明书一些实施例所示的示例性确定目标扫描时间的示意图;
图6是根据本说明书一些实施例所示的示例性确定运动确定模型的方法的流程图;
图7是根据本说明书一些实施例所示的示例性包含伪影的重建图像的示意图。
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,相关描述是为帮助更好地理解控制方法和/或系统。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。
本说明书中,术语“图像”可指2D图像、3D图像或4D图像。在一些实施例中,术语“图像”可指患者的区域(例如,感兴趣区域(ROI))的图像。图像可以是CT图像、荧光透视图像、超声图像、PET图像、MR图像等。
成像设备可以用于获得目标对象的内部结构的医学图像。作为非侵入性检测装置的医学成像设备捕获并处理人体内的结构细节、内部组织和流体的图像,并向用户提供扫描获得的医学图像。诸如医生的用户可以通过使用从医学成像设备输出的医学图像来诊断患者的健康状况和疾病。
以计算机断层扫描(CT)成像设备为例,其可以提供目标对象的横截面图像,并且可以清楚地显示目标对象的内部结构(例如,诸如肾脏和肺部的器官)而不相互重叠。在CT扫描期间,扫描部位或患者的运动将导致在最终重建图像中产生运动伪影,导致图像质量下降。例如,冠状动脉(以下简称冠脉)CTA检查中,由于冠脉的搏动通常会导致重建图像上存在运动伪影,因而影响诊断结果。为了防止运动伪影,可以使用在胸部或腹部的CT扫描期间要求患者屏住他/她的呼吸的方法。如果患者不能屏住呼吸,图像质量下降,使得诊断困难。特别是,由于高端仪器,例如用于心脏成像的仪器,并不总是用于胸腹成像,因此扫描速度可能不高,患者可能需要长时间屏住呼吸。此外,肺功能异常或老年患者或婴儿患者在进行成像的过程中可能无法屏住呼吸超过10秒。
本说明书实施例中提供一种用于双源CT设备的图像校正方法,通过双源CT设备获取目标对象的扫描数据,并基于扫描数据,利用训练好的运动确定模型确定目标对象的运动信息,基于运动信息对扫描数据进行校正,可以有效地消除由于患者的呼吸或身体中的运动而发生的运动伪影,同时提升时间分辨率,从而获得高质量的目标图像,帮助提高诊断效率和诊断结果准确性。
图1是根据本说明书一些实施例所示的示例性成像系统的应用场景示意图。
如图1所示,成像系统100可以包括成像设备110、心电信号采集设备112、处理设备120、终端设备130、存储设备140和网络150。在一些实施例中,处理设备120可以是成像设备110的一部分。成像系统100中的组件之间的连接可以是可变的。如图1所示,在一些实施例中,成像设备110可以通过网络150连接到处理设备120。又例如,成像设备110可以直接连接到处理设备120,如连接成像设备110和处理设备120的虚线双向箭头所指示的。再例如,存储设备140可以直接或通过网络150连接到处理设备120。作为示例,终端设备130可以直接连接到处理设备120(如连接终端设备130和处理设备120的虚线箭头所示),也可以通过网络150连接到处理设备120。
成像设备110可以对检测区域或扫描区域内的目标对象(扫描对象)进行扫描,得到该目标对象的扫描数据(例如,投影数据、重建图像)。例如,成像设备110可以使用高能射线(如X射线等)对目标对象进行扫描以收集与目标对象有关的扫描数据,如三维影像。目标对象可以包括生物的或非生物的。仅作为示例,目标对象可以包括患者、人造物体(例如人造模体)等。又例如,目标对象可以包括患者的特定部位、器官和/或组织(例如头部、耳鼻、口腔、颈部、胸部、腹部、肝胆胰脾、肾脏、脊柱、心脏或肿瘤组织等)。
在一些实施例中,成像设备110可以包括单模态扫描仪和/或多模态扫描仪。单模态扫描仪可以包括例如X射线扫描仪、计算机断层扫描(CT)扫描仪、核磁共振成像(MRI)扫描仪、正电子发射计算机断层扫描(PET)扫描仪、光学相干断层扫描(OCT)扫描仪、超声(US)扫描仪、血管内超声(IVUS)扫描仪、近红外光谱(NIRS)扫描仪、远红外(FIR)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)扫描仪等。多模态扫描仪可以包括例如X射线成像-核磁共振成像(X射线-MRI)扫描仪、正电子发射断层扫描-X射线成像(PET-X射线)扫描仪、单光子发射计算机断层扫描-核磁共振成像(SPECT-MRI)扫描仪、正电子发射断层扫描-计算机断层摄影(PET-CT)扫描仪、数字减影血管造影-核磁共振成像(DSA-MRI)扫描仪等。上述成像设备的相关描述仅用于说明目的,而无意限制本说明书的范围。
在一些实施例中,成像设备110可以包括医疗床115。医疗床115可以用于放置目标对象,以便对目标对象进行扫描获取重建图像。在一些实施例中,医疗床115可以包括自动医疗床和/或手推医疗床。在一些实施例中,医疗床115可以独立于成像设备110。
在一些实施例中,成像设备110可以包括显示设备。显示设备可以用于显示目标对象的扫描图像(例如,重建图像、目标图像等)。
在一些实施例中,成像设备110可以包括双源CT设备。
双源CT(Dual Source CT)设备是一种通过两套X射线系统和两套探测器系统同时采集目标对象的图像的CT装置。其中,X射线系统可以用于向目标对象发射X射线,探测器系统可以接收从X射线系统发出的放射线。两套X射线系统和两套探测器系统一一对应,构成两组数据采集与重建系统。例如,数据采集与重建系统A可以包括高压发生器A、球管A、探测器A和数据采集装置A,数据采集与重建系统B可以包括高压发生器B、球管B、探测器B和数据采集装置B。其中,高压发生器和球管组成X射线系统,探测器和数据采集装置组成探测器系统。
在一些实施例中,两套X射线系统的发生装置(例如,球管A和球管B)和两套探测器系统的探测器(例如,探测器A、探测器B)可以呈一定角度安装在同一平面,进行同步扫描。在一些实施例中,双源CT设备的工作模式可以包括单源模式和双源模式。仅作为示例,单源模式下,双源CT设备的其中一套数据采集与重建系统A工作,另一数据采集与重建系统B处于关闭状态。双源模式下,双源CT设备的两套数据采集与重建系统同时工作,例如,两套数据采集与重建系统各自独立发射及接收射线,独立完成图像处理,但在图像重建时,由两套数据采集系统获得的数据既可以重建出两组独立的图像,也可以重建出一组融合的图像。
心电信号采集设备112可以用于采集目标对象的心电信号。在一些实施例中,心电信号采集设备112可以包括动圈式记录器、位置反馈记录器、点阵热敏式记录器等。在一些实施例中,心电信号采集设备112可以为成像设备110的一部分,或独立于成像设备110的设备。
处理设备120可以处理从成像设备110、终端设备130、存储设备140或成像系统100的其他组件获取的数据和/或信息。例如,处理设备120可以获取成像设备110采集的目标对象的扫描数据(例如,投影数据),基于扫描数据,利用训练好的运动确定模型确定目标对象的运动信息,并基于运动信息对扫描数据(例如,投影数据或重建图像)进行校正,获得目标图像。又如,处理设备120可以获取目标对象的心电信号和成像设备110的机架角度,基于心电信号和机架角度,确定目标扫描时间,通过成像设备110在目标扫描时间对目标对象进行扫描,以获取目标对象的扫描数据。
在一些实施例中,处理设备120和成像设备110可以集成为一体。在一些实施例中,处理设备120和成像设备110可以直接或间接相连接,联合作用实现本说明书所述的方法和/或功能。
在一些实施例中,处理设备120可以包括输入装置和/或输出装置。通过输入装置和/或输出装置,可以实现与用户的交互(例如,显示重建图像、目标图像等)。在一些实施例中,输入装置和/或输出装置可以包括显示屏、键盘、鼠标、麦克风等或其任意组合。
终端设备130可以与成像设备110、处理设备120和/或存储设备140连接和/或通信。例如,终端设备130可以从处理设备120获取重建图像并显示。在一些实施例中,终端设备130可以包括移动设备131、平板电脑132、笔记本电脑133等或其任意组合。在一些实施例中,终端设备130(或其全部或部分功能)可以集成在处理设备120中。
存储设备140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140可以存储从成像设备110和/或处理设备120获取的数据(例如,重建图像等)。在一些实施例中,存储设备140可以存储用于实现能谱扫描数据采集方法的计算机指令等。
在一些实施例中,存储设备140可以包括一个或多个存储组件,每个存储组件可以是一个独立的设备,也可以是其他设备的一部分。在一些实施例中,存储设备140可包括随机存取存储器(RAM)、只读存储器(ROM)、大容量存储器、可移动存储器、易失性读写存储器等或其任意组合。示例性的,大容量储存器可以包括磁盘、光盘、固态磁盘等。RAM可以包括动态RAM(DRAM)、双倍速率同步动态RAM(DDR SDRAM)、静态RAM(SRAM)、晶闸管RAM(T-RAM)和零电容(Z-RAM)等。ROM可以包括掩模ROM(MROM)、可编程ROM(PROM)、可擦除可编程ROM(PEROM)、电可擦除可编程ROM(EEPROM)、光盘ROM(CD-ROM)和数字通用盘ROM等。在一些实施例中,存储设备140可在云平台上实现。
网络150可以包括能够促进信息和/或数据交换的任何合适的网络。在一些实施例中,成像系统100的至少一个组件(例如,成像设备110、处理设备120、终端设备130、存储设备140)可以通过网络150与成像系统100中至少一个其他组件交换信息和/或数据。例如,处理设备120可以通过网络150从成像设备110获取重建图像。
应当注意,成像系统100仅仅是为了说明的目的而提供的,并不意图限制本说明书的范围。对于本领域的普通技术人员来说,可以根据本说明书的描述,做出多种修改或变化。例如,成像系统100可以在其它设备上实现类似或不同的功能。然而,这些变化和修改不会背离本说明书的范围。
图2是根据本说明书一些实施例所示的示例性双源CT设备的成像系统的模块示意图。
如图2所示,在一些实施例中,双源CT设备的成像系统200可以包括获取模块210、确定模块220和校正模块230。在一些实施例中,双源CT设备的成像系统200可以集成在处理设备120。
获取模块210,可以用于通过双源CT设备获取目标对象的扫描数据。
在一些实施例中,获取模块210可以获取目标对象的心电信号和双源CT设备的机架角度;基于心电信号和机架角度,确定目标扫描时间;通过双源CT设备在目标扫描时间对目标对象进行扫描,以获取目标对象的扫描数据。
确定模块220,可以用于基于扫描数据,利用训练好的运动确定模型确定目标对象的运动信息,所述运动信息至少包括目标对象的运动方向。
校正模块230,可以用于基于运动信息对扫描数据(例如,投影数据、重建图像)进行校正,获得目标图像。
在一些实施例中,校正模块230可以将运动信息和扫描数据输入伪影校正模型,获得目标图像;或基于运动信息确定目标校正模型,将扫描数据输入目标校正模型,获得目标图像。在一些实施例中,校正模块230可以基于运动信息,生成相应的分段运动向量场;基于分段运动向量场对扫描数据进行校正,获得目标图像。
更多关于获取模块210、确定模块220和校正模块230的内容可以参见图3中描述,此处不再赘述。
在一些实施例中,双源CT设备的成像系统200还可以包括训练模块(图中未示出),用于训练获得运动确定模型和/或扫描时间确定模型。例如,训练模块可以基于运动信息的不同和双源CT设备的起始角度的不同,确定多组参数组;基于多组参数组,获取多组样本扫描数据;将多组样本扫描数据作为输入数据,多组样本扫描数据对应的运动信息作为标签,对初始深度学习模型进行训练,获得训练好的运动确定模型。
应当注意,关于双源CT设备的成像系统200的以上描述仅是出于说明的目的而提供的,并且无意于限制本说明书的范围。对于本领域的普通技术人员来说,可以根据本说明书的描述,做出各种各样的变化和修改。然而,这些变化和修改不脱离本说明书的范围。
图3是根据本说明书一些实施例所示的示例性用于双源CT设备的图像校正方法的流程图。
在一些实施例中,流程300可以由处理设备120或双源CT设备的成像系统200执行。下面呈现的流程300的操作示意图是说明性的。在一些实施例中,可以利用一个或以上未描述的附加操作和/或未讨论的一个或以上操作来完成该过程。另外,图3中示出的和下面描述的流程300的操作的顺序不旨在是限制性的。
步骤310,通过双源CT设备获取目标对象的扫描数据。在一些实施例中,步骤310可以由处理设备120或获取模块210执行。
结合上文,双源CT设备的工作模式可以包括单源模式和双源模式。在一些实施例中,可以通过双源CT设备,使用双源模式获取目标对象的扫描数据。
在一些实施例中,扫描数据可以包括原始数据或重建图像。
原始数据指成像设备(例如,双源CT设备)的探测器采集的生数据。生数据是与已经通过目标对象的X射线的强度对应的一组数据值,其可以包括投影数据或正弦图。
重建图像指基于成像设备(例如,双源CT设备)的探测器采集的原始数据通过图像重建获得的图像。在一些实施例中,图像重建方法可以包括但不限于反投影法、迭代重建算法和解析法。例如,解析法可以包括滤波反投影法和傅里叶变换法。示例性地,通过使用关于发射X射线的角度的信息,对采集的原始数据进行背投影(back projection)可以获得经历背投影的数据。通过使用包括原始数据的背投影的图像重建技术,可以获得断层成像图像,即重建图像。在一些实施例中,重建图像可以包括图像对。例如,重建图像可以为在双源CT两个机架角度固定的情况下,基于同时放线扫描的两个数据源分别重建得到的图像对。
在一些实施例中,双源CT设备的两组数据采集与重建系统可以采集不同角度部分的原始数据。在一些实施例中,双源CT设备的两组数据采集系统采集的数据可以组成目标对象的足够进行诊断的完整数据。例如,数据采集与重建系统A旋转90b,获取部分角度的原始数据,数据采集与重建系统B旋转90b,获取部分角度的原始数据,两组数据采集与重建系统采集的原始数据组合,可以获得180b的目标对象的原始数据。又如,数据采集与重建系统A旋转120b,获取部分角度的原始数据,数据采集与重建系统B旋转60b,获取部分角度的原始数据,两组数据采集与重建系统采集的原始数据组合,可以获得180b的目标对象的原始数据。再如,数据采集与重建系统A旋转120b,获取部分角度的原始数据,数据采集与重建系统B旋转120b,获取部分角度的原始数据,两组数据采集与重建系统采集的原始数据组合,可以获得180b的目标对象的原始数据。此种情况下,两组数据采集与重建系统采集的原始数据存在重叠部分,在进行图像重建时,需要先进行数据处理,获得完整(例如,180b的原始数据)无重复的原始数据。
在一些实施例中,可以基于目标对象的心电信号和双源CT设备的机架角度,确定目标扫描时间,通过双源CT设备在目标扫描时间对目标对象进行扫描,以获取目标对象的扫描数据。更多详细内容可以参见图4中描述。
步骤320,基于扫描数据,利用训练好的运动确定模型确定目标对象的运动信息。在一些实施例中,步骤320可以由处理设备120或确定模块220执行。
运动信息可以反映扫描部位(例如,冠脉)的运动情况。
在一些实施例中,运动信息可以包括目标对象的运动方向。需要注意的是,这里的目标对象的运动方向可以指扫描部位的运动方向。在一些实施例中,运动信息还可以包括扫描部位的运动幅度。
运动方向和/或运动幅度可以包括,扫描部位在以成像设备建立的坐标系上的运动方向和/或幅度。例如图1中所示,y轴表示成像设备110的中心轴线的方向,成像设备110的机架可以沿该中心轴线旋转,从而实现对目标对象的扫描;x轴表示平行于成像设备110的旋转平面的方向,z轴表示垂直于成像设备110的中心轴线的方向,运动信息可以包括扫描部位在x轴、y轴、和/或z轴上的运动速度和/或运动幅度。在一些实施例中,运动信息可以包括扫描部位在重建图像中的运动方向和/或幅度。
在一些实施例中,可以基于目标对象的重建图像确定目标对象的运动信息。例如,基于原始数据获得目标对象的重建图像后,可以进一步确定重建图像的特征信息,基于该特征信息确定目标对象的运动信息。在一些实施例中,重建图像的特征信息可以通过训练好的运动确定模型或其他方式获取。
在一些实施例中,可以将扫描数据(例如,重建图像或重建图像的特征信息)输入训练好的运动确定模型,运动确定模型通过分析处理,输出目标对象的运动信息。在一些实施例中,运动确定模型的输出可以包括带有目标对象的运动方向和/或运动幅度的标记的图像,例如,通过线条等方式在重建图像上标记目标对象的运动方向和/或幅度。在一些实施例中,运动确定模型的输出可以包括参数化的运动方向和/或运动幅度,例如,输出是在以成像设备建立的三维坐标系中,初始坐标和运动后坐标,或坐标变化量等。
在一些实施例中,运动确定模型可以通过使用多组样本扫描数据(例如,多张样本重建图像)对初始深度学习模型进行训练获得,更多内容参见图6中描述。
步骤330,基于运动信息对扫描数据进行校正,获得目标图像。在一些实施例中,步骤330可以由处理设备120或校正模块230执行。
目标图像可以指校正后的不含伪影的目标对象的重建图像。
在一些实施例中,可以基于目标对象的运动信息生成校正参数,基于校正参数对扫描数据进行校正,获得目标图像。在一些实施例中,可以基于校正参数对目标对象的原始数据进行校正,基于校正后的原始数据通过图像重建获得目标对象的目标图像。在一些实施例中,可以基于校正参数对目标对象的重建图像进行校正,获得目标图像。
在一些实施例中,可以将目标对象的运动信息和扫描数据(例如,原始数据、重建图像)输入伪影校正模型,获得目标图像。例如,可以将运动确定模型输出的带有运动信息标记的重建图像输入伪影校正模型,伪影校正模型通过分析处理,输出校正后的重建图像,即目标图像。又如,可以将运动确定模型输出的运动信息相关的参数和步骤310中获得的投影数据输入伪影校正模型,伪影校正模型通过分析处理,输出校正后的投影数据,基于校正后的投影数据通过图像重建获得目标图像。
在一些实施例中,伪影校正模型可以通过使用第一训练样本对初始机器学习模型进行训练获得。例如,可以获取历史重建图像(或历史原始数据)、历史重建图像对应的运动信息以及校正后图像(或校正后数据),将其组成第一训练样本,将历史重建图像(或历史原始数据)及其对应的运动信息作为训练输入,历史重建图像对应的校正后图像(或历史原始数据对应的校正后数据)作为训练输出,对初始机器学习模型进行训练,获得训练好的伪影校正模型。在一些实施例中,伪影校正模型可以包括但不限于神经网络模型、支持向量机模型、k近邻模型、决策树模型等一种或多种的组合。其中,神经网络模型可以包括但不限于卷积神经网络(Convolutional Neural Network,CNN)、LeNet、GoogLeNeT、ImageNet、AlexNet、VGG网络(Visual Geometry Group Network)、ResNet等一种或多种的组合。
在一些实施例中,可以基于运动信息确定目标校正模型,将扫描数据(例如,原始数据、重建图像)输入目标校正模型,获得目标图像。例如,可以预先训练针对不同运动情形的多个校正模型,当确定目标对象的运动信息后,从多个校正模型中选择与目标对象的运动信息匹配的校正模型为目标校正模型,将步骤310中获得的目标对象的重建图像或投影数据输入目标校正模型,目标校正模型通过分析,输出校正后的重建图像或投影数据。
在一些实施例中,多个校正模型可以基于样本数据训练获得。例如,可以获取不同运动情形的历史重建图像(或历史原始数据),以及历史重建图像对应的校正后图像(或历史原始数据对应的校正后数据),将每种情形对应的多张历史重建图像及其校正后图像(或历史原始数据及其校正后数据)组成相应的多组样本数据,使用每组样本数据分别对不同的初始机器学习模型进行训练,获得训练好的多个校正模型。其中,每组样本数据中历史重建图像(或历史原始数据)为训练输入,样本重建图像对应的校正后图像(或历史原始数据对应的校正后数据)为训练输出。在一些实施例中,校正模型可以包括但不限于神经网络模型、支持向量机模型、k近邻模型、决策树模型等一种或多种的组合。
在一些实施例中,可以基于目标对象的运动信息,生成相应的分段运动向量场;基于分段运动向量场对扫描数据(例如,原始数据或重建图像)进行校正,获得目标图像。
在一些实施例中,可以通过任意可行的方式确定分段运动向量场,本说明书对此不做限制。例如,可以提取重建图像中管状结构的中心线,基于中心线和运动信息,确定分段运动向量场。又如,可以将预设时间段分成多个子时间段,基于运动信息,确定每个子时间段的分段运动向量场。
在一些实施例中,可以基于分段运动向量场和分段重建图像,获得目标图像。例如,可以基于分段运动向量场,获取相应的分段重建图像,基于分段运动向量场对分段重建图像进行校正,从而获得目标图像。
双源CT设备可以获得高分辨率的扫描图像,基于双源CT设备的重建图像利用运动确定模型确定运动信息,可以高效准确的确定扫描部位的运动方向和/或运动幅度等运动信息,基于该运动信息对重建图像或原始数据进行校正,可以降低图像伪影,同时提升图像的分辨率,从而提高重建图像的图像质量,帮助提高诊断结果准确性和诊断效率。
应当注意,关于流程300的以上描述仅是出于说明的目的而提供的,并且无意于限制本说明书的范围。对于本领域的普通技术人员来说,可以根据本说明书的描述,做出各种各样的变化和修改。例如,在步骤310中,可以通过多源CT设备获取目标对象的投影数据。相应地,在步骤320-步骤330中,可以确定多源CT设备获得的重建图像的运动信息,并基于运动信息对该重建图像进行校正,从而获得多源CT设备对应的目标图像。然而,这些变化和修改不脱离本说明书的范围。
图4是根据本说明书一些实施例所示的示例性双源CT设备的成像方法的流程图。在一些实施例中,流程400可以由处理设备120或双源CT设备的成像系统200执行。下面呈现的流程400的操作示意图是说明性的。在一些实施例中,可以利用一个或以上未描述的附加操作和/或未讨论的一个或以上操作来完成该过程。另外,图4中示出的和下面描述的流程400的操作的顺序不旨在是限制性的。
步骤410,获取目标对象的心电信号和双源CT设备的机架角度。在一些实施例中,步骤410可以由处理设备120执行。
心电信号即目标对象的心电图(electrocardiogram,ECG),其可以记录心脏每一心动周期所产生的电活动变化。
使用CT设备进行心脏扫描时,可以通过检测患者ECG产生门控触发信号(trigger),作为图像重建或者实时扫描的参考基准,以减少运动伪影。
在一些实施例中,可以通过心电信号采集设备(例如,心电信号采集设备112)获取目标对象的心电信号。在一些实施例中,可以实时或在执行扫描前获取目标对象的心电信号。
CT设备可以通过机架旋转带动球管和探测器转动,从而采集目标对象在不同角度的原始数据,而通过对不同角度的原始数据进行图像重建,可以获得目标对象的重建图像。机架角度可以反映成像设备(例如,双源CT设备)采集原始数据时,球管和/或探测器的旋转角度,基于此可以获得相应角度下采集的原始数据与目标对象的相对位置关系,从而结合原始数据对应的机架角度,获得目标对象的重建图像。
在一些实施例中,可以基于扫描协议、扫描部位等获取双源CT设备的机架角度。例如,可以基于扫描部位,确定双源CT设备在进行数据采集时对应的多个机架角度。基于机架角度可以获得两套数据采集与重建系统在进行数据采集时与目标对象的相对位置,从而获得采集的原始数据与目标对象的对应关系。
步骤420,基于心电信号和机架角度,确定目标扫描时间。在一些实施例中,步骤320可以由处理设备120执行。
临床上常用的心脏扫描方式分为回顾式和前瞻式两种。回顾式扫描会持续放线进行数据采集,最终根据门控信号来选择需要的数据片段进行重建。前瞻式则根据门控信号触发扫描放线,通常会有一个固定的延迟时间来执行扫描。本实施例中,目标扫描时间是指前瞻式扫描对应的扫描时间。
可以理解,当X射线的放射方向与扫描部位的运动方向一致时,采集的原始数据受到扫描部位的运动的影响较小,从而基于该原始数据获得的重建图像的伪影也相对较少,图像质量较佳。
目标扫描时间可以指,当前机架角度下,X射线的放射方向与目标对象的运动方向一致的时刻。
在一些实施例中,目标扫描时间能够使双源CT设备在单时相内完成对目标对象的扫描。
单时相可以指执行一次扫描时,获得最完整的投影数据对应的最小旋转角度。例如,若单源CT至少需要旋转180度才能获得足够的数据(例如,扫描部位的完整数据)重建出目标对象的图像,则单时相为180度。双源CT扫描时,单时相可以指两套数据采集与重建系统的组合最小角度。例如,若单源CT至少需要旋转180度才能获得足够的数据(例如,扫描部位的完整数据)重建出目标对象的图像,则双源CT设备对应的单时相可以指,两套数据采集与重建系统的旋转角度的和达到180度。例如,数据采集与重建系统A旋转100度,数据采集与重建系统B旋转80度;或数据采集与重建系统A和B均旋转90度;或数据采集与重建系统A旋转60度,数据采集与重建系统B旋转120度等。
在一些实施例中,可以基于心电信号和机架角度,利用扫描时间确定模型确定目标扫描时间。仅作为示例,如图5中所示,在一些实施例中,可以将心电信号513和双源CT设备的机架角度515输入训练好的扫描时间确定模型520,扫描时间确定模型520通过分析,输出目标扫描时间530。
在一些实施例中,扫描时间确定模型可以基于第二训练样本训练获得。如图5中所示,在一些实施例中,第二训练样本540可以包括样本心电信号和样本机架角度。在一些实施例中,第二训练样本可以包括多个不同的样本机架角度和/或不同的样本心电信号。在一些实施例中,第二训练样本还可以包括样本双源重建图像。样本双源重建图像可以基于同一时间放线的两个放线源对应的数据重建获得。在一些实施例中,样本双源重建图像可以基于样本心电信号和样本机架角度对应的投影数据获得。例如,样本双源重建图像可以为通过对,基于样本心电信号确定的不同扫描时间在样本机架角度下进行扫描,获得的投影数据进行重建获得的图像。
在一些实施例中,可以将样本心电信号和样本机架角度作为训练输入,对初始机器学习模型进行训练,获得训练好的扫描时间确定模型。在一些实施例中,扫描时间确定模型可以通过强化学习,训练获得。其中,强化学习的奖赏(评估)可以为模型基于样本心电信号和样本机架角度预估的样本扫描时间,对应的双源重建图像的质量评分。例如,可以通过人工或系统自动,对基于样本机架角度和样本心电信号的不同时间点扫描得到的双源重建图像的图像质量进行评分(例如,伪影越多分值越低)。训练过程中,行动网络模块每输出一个预估扫描时间,将得到评估网络模块对该预估扫描时间对应的双源重建图像的评分,基于评分不断更新,直至输出数据对应的双源重建图像的评分达到预设分值或最高,获得训练好的扫描时间确定模型。
在一些实施例中,可以基于预设比例(例如,8:2、7:3、6:4等),将第二训练样本划分为训练集和测试集,训练集用于进行模型训练,测试集用于对模型效果进行测试。例如,可以将测试集中的样本心电信号和样本机架角度输入初始扫描时间确定模型,基于模型输出的目标扫描时间和相应的样本扫描时间构建损失函数,以对初始扫描时间确定模型进行调整,使得模型输出结果接近或基本接近样本扫描时间。
在一些实施例中,扫描时间确定模型可以包括马尔可夫决策过程(MarkovDecision Process,MDP)等。
步骤430,通过双源CT设备在目标扫描时间对目标对象进行扫描,以获取目标对象的扫描数据。在一些实施例中,步骤430可以由处理设备120执行。
在一些实施例中,可以通过双源CT设备,在确定的目标扫描时间向目标对象放射X射线,以对目标对象进行扫描。在一些实施例中,可以基于双源CT设备的探测器系统在目标扫描时间采集的原始数据,通过图像重建获得目标对象的重建图像。例如,可以基于原始数据结合该原始数据对应的机架角度,进行图像重建,从而获得目标对象的重建图像。在一些实施例中,图像重建方法可以包括但不限于反投影法、迭代重建算法和解析法。
通过基于心电信号和机架角度,确定能够实现单时相扫描的目标扫描时间,可以在提高扫描效率的同时,降低运动对图像质量的影响,从而提高诊断效率。
在一些实施例中,可以进一步判断在目标扫描时间获得的重建图像中是否包含伪影,若是,则执行步骤440-步骤450,对重建图像进行校正;否则,将重建图像作为目标图像输出,例如,发送给终端设备130,以输出展示给用户。
步骤440,基于扫描数据,利用训练好的运动确定模型确定目标对象的运动信息。更多内容可以参见步骤320中描述。
步骤450,基于运动信息对扫描数据进行校正,获得目标图像。更多内容可以参见步骤330中描述。
通过对基于目标扫描时间获得的重建图像进行伪影判断,当存在伪影时进行校正,可以进一步提高重建图像的图像质量,从而提高诊断结果的准确性。
应当注意,关于流程400的以上描述仅是出于说明的目的而提供的,并且无意于限制本说明书的范围。对于本领域的普通技术人员来说,可以根据本说明书的描述,做,出各种各样的变化和修改。例如,在步骤410中,可以获取目标对象的心电信号和多源CT设备的机架角度。相应地,在步骤420-步骤430中,可以确定多源CT设备对应的目标扫描时间,并通过多源CT设备在目标扫描时间对目标对象进行扫描,以获取相应的重建图像。又如,可以省略步骤440-450。然而,这些变化和修改不脱离本说明书的范围。
图6是根据本说明书一些实施例所示的示例性确定运动确定模型的方法的流程图。在一些实施例中,流程600可以由处理设备120或双源CT设备的成像系统200(例如,训练模块)执行。下面呈现的流程600的操作示意图是说明性的。在一些实施例中,可以利用一个或以上未描述的附加操作和/或未讨论的一个或以上操作来完成该过程。另外,图6中示出的和下面描述的流程600的操作的顺序不旨在是限制性的。
步骤610,基于运动信息的不同和双源CT设备的起始角度的不同,确定多组参数组。在一些实施例中,步骤610可以由处理设备120或训练模块执行。
不同的运动信息可以包括运动方向和/或运动幅度的不同。
双源CT设备的起始角度可以指初始的机架角度。
在一些实施例中,可以将不同的运动信息和不同的起始角度进行组合,确定多组参数组。例如,运动信息P1和起始角度Q1组成参数组1,运动信息P2和起始角度Q1组成参数组2,运动信息P1和起始角度Q2组成参数组3,运动信息P2和起始角度Q2组成参数组4等。
当双源CT设备的两组数据采集与重建系统的角度间隔(例如,球管A、探测器A与球管B、探测器B的角度间隔)固定时,对于每一种运动情形(例如,不同运动方向和/或运动幅度),对双源CT设备采集的原始数据分别使用图像重建算法(例如,FBP算法)重建时,同一时刻下的双源反投角度存在间隔,所以会产生不同形态的伪影(例如图7中所示)。
由于双源CT设备获得的重建图像(例如,冠脉图像)的伪影在该系统下,仅由扫描时单源(即单个数据采集与重建系统)的起始角度和扫描部位(例如,心脏)的运动模式(例如,运动方向和运动幅度)确定,通过基于双源CT设备下扫描部位的运动信息的不同(例如,不同心脏运动情况)和双源CT设备的起始角度的不同进行组合,可以确定多组不同的参数组,基于多组不同的参数组,可以获取到多种不同运动情况对应的各种伪影的重建图像。
步骤620,基于多组参数组,获取多组样本扫描数据。在一些实施例中,步骤620可以由处理设备120或训练模块执行。
在一些实施例中,多组样本扫描数据中可以包括多张运动信息不同但起始角度相同的样本重建图像、多张运动信息相同但起始角度不同的样本重建图像、或多张运动信息和起始角度均不同的样本重建图像等,或其任意组合。在一些实施例中,多张样本重建图像中可以包括运动信息相同但伪影轨迹不同的样本重建图像。
在一些实施例中,可以基于多组参数组,通过模拟,获得相应的多张样本重建图像。例如,可以基于多组参数组,模拟获得多张运动信息相同但伪影轨迹不同的样本重建图像。又如,可以基于多组参数组,模拟获得多张运动信息不同、起始角度相同的样本重建图像。再如,可以基于多组参数组,模拟获得多张运动信息相同、起始角度不同的样本重建图像。
步骤630,将多组样本扫描数据作为输入数据,多组样本扫描数据对应的运动信息作为标签,对初始深度学习模型进行训练,获得训练好的运动确定模型。在一些实施例中,步骤630可以由处理设备120或训练模块执行。
在一些实施例中,可以将步骤620中获得的多张样本重建图像作为训练输入,样本重建图像对应的运动信息作为标签,对初始深度学习模型进行训练,从而获得训练好的运动确定模型。在一些实施例中,可以基于目标损失函数对模型进行调整,获得训练好的运动确定模型。
在一些实施例中,深度学习模型可以包括但不限于卷积神经网络模型、深度信任网络模型、堆栈自编码网络模型等或其任意组合。
通过对于双源CT设备下不同运动信息以及不同起始角度的参数组合模拟,可以获取到多种不同运动情况对应的包含伪影的模拟图像,将模拟图像作为样本重建图像,训练获得的运动确定模型,可以用于确定各种情形的重建图像对应的伪影运动信息,从而帮助提高伪影校正效果。此外,样本重建图像中包含运动信息相同但伪影轨迹不同的重建图像,基于该样本重建图像训练获得的运动确定模型,可以有效提高运动校正的成功率和模型鲁棒性。
应当注意,关于流程600的以上描述仅是出于说明的目的而提供的,并且无意于限制本说明书的范围。对于本领域的普通技术人员来说,可以根据本说明书的描述,做出各种各样的变化和修改。例如,在一些实施例中,可以从数据库中获取多张不同运动信息和/或不同起始角度对应的历史重建图像,将历史重建图像作为训练样本进行训练,以获得运动确定模型。然而,这些变化和修改不脱离本说明书的范围。
本说明书另一个方面提供一种计算机设备,包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序。其中,当所述处理器执行所述计算机程序时实现如前所述的图像校正和/或成像方法(例如,流程300-流程600)。
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。
针对本说明书引用的每个专利、专利申请、专利申请公开物和其他材料,如文章、书籍、说明书、出版物、文档等,特此将其全部内容并入本说明书作为参考。与本说明书内容不一致或产生冲突的申请历史文件除外,对本说明书权利要求最广范围有限制的文件(当前或之后附加于本说明书中的)也除外。需要说明的是,如果本说明书附属材料中的描述、定义、和/或术语的使用与本说明书所述内容有不一致或冲突的地方,以本说明书的描述、定义和/或术语的使用为准。
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)
1.一种用于双源CT设备的图像校正方法,包括:
通过所述双源CT设备获取目标对象的扫描数据;
基于所述扫描数据,利用训练好的运动确定模型确定所述目标对象的运动信息,所述运动信息至少包括所述目标对象的运动方向;
基于所述运动信息对所述扫描数据进行校正,获得目标图像。
2.根据权利要求1所述的方法,所述通过所述双源CT设备获取所述目标对象的扫描数据包括:
获取所述目标对象的心电信号和所述双源CT设备的机架角度;
基于所述心电信号和所述机架角度,确定目标扫描时间;
通过所述双源CT设备在所述目标扫描时间对所述目标对象进行扫描,以获取所述目标对象的扫描数据。
3.根据权利要求2所述的方法,所述目标扫描时间能够使所述双源CT设备在单时相内完成对所述目标对象的扫描。
4.根据权利要求1所述的方法,所述基于所述运动信息对所述扫描数据进行校正,获得目标图像包括:
将所述运动信息和所述扫描数据输入伪影校正模型,获得目标图像;或
基于所述运动信息确定目标校正模型,将所述扫描数据输入所述目标校正模型,获得所述目标图像。
5.根据权利要求1所述的方法,所述基于所述运动信息对所述扫描数据进行校正,获得目标图像包括:
基于所述运动信息,生成相应的分段运动向量场;
基于所述分段运动向量场对所述扫描数据进行校正,获得所述目标图像。
6.根据权利要求1所述的方法,所述训练好的运动确定模型通过以下方式获得:
基于所述运动信息的不同和所述双源CT设备的起始角度的不同,确定多组参数组;
基于所述多组参数组,获取多组样本扫描数据;
将所述多组样本扫描数据作为输入数据,所述多组样本扫描数据对应的运动信息作为标签,对初始深度学习模型进行训练,获得训练好的运动确定模型。
7.根据权利要求6所述的方法,所述多组样本扫描数据中包括运动信息相同但伪影轨迹不同的样本扫描数据。
8.一种双源CT设备的成像方法,包括:
获取目标对象的心电信号和所述双源CT设备的机架角度;
基于所述心电信号和所述机架角度,确定目标扫描时间,所述目标扫描时间能够使所述双源CT设备在单时相内完成对所述目标对象的扫描;
通过所述双源CT设备在所述目标扫描时间对所述目标对象进行扫描,以获取所述目标对象的扫描数据。
9.一种双源CT设备的成像系统,包括:
获取模块,用于通过所述双源CT设备获取目标对象的扫描数据;
确定模块,用于基于所述扫描数据,利用训练好的运动确定模型确定所述目标对象的运动信息,所述运动信息至少包括所述目标对象的运动方向;
校正模块,用于基于所述运动信息对所述扫描数据进行校正,获得目标图像。
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,当计算机读取存储介质中的计算机指令后,计算机执行如权利要求1~8中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310764103.4A CN116704068A (zh) | 2023-06-26 | 2023-06-26 | 一种用于双源ct设备的图像校正方法、成像方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310764103.4A CN116704068A (zh) | 2023-06-26 | 2023-06-26 | 一种用于双源ct设备的图像校正方法、成像方法和系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116704068A true CN116704068A (zh) | 2023-09-05 |
Family
ID=87844960
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310764103.4A Pending CN116704068A (zh) | 2023-06-26 | 2023-06-26 | 一种用于双源ct设备的图像校正方法、成像方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116704068A (zh) |
-
2023
- 2023-06-26 CN CN202310764103.4A patent/CN116704068A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP5345947B2 (ja) | 対象物を撮像する撮像システム及び撮像方法 | |
JP4468353B2 (ja) | 管状組織の三次元モデリングのための方法 | |
US8811707B2 (en) | System and method for distributed processing of tomographic images | |
KR20210020990A (ko) | 폐-용적-게이팅형 엑스레이 촬상을 위한 시스템 및 방법 | |
US8351565B2 (en) | X-ray CT apparatus | |
CN108289651A (zh) | 用于跟踪身体部位中的超声探头的系统 | |
US8655040B2 (en) | Integrated image registration and motion estimation for medical imaging applications | |
CN101902967B (zh) | 心脏ct中非自主呼吸运动的校正 | |
US7443946B2 (en) | Methods and apparatus for 4DCT imaging systems | |
JP2009517113A (ja) | 高コントラスト対象の動き補償ct再構成 | |
US20080170654A1 (en) | Method and apparatus of ct cardiac diagnostic imaging using a priori motion information from 3d ultrasound and ecg gating | |
US10657621B2 (en) | Moving structure motion compensation in imaging | |
US12070348B2 (en) | Methods and systems for computed tomography | |
US8855391B2 (en) | Operating method for an imaging system for the time-resolved mapping of an iteratively moving examination object | |
JP2023512139A (ja) | 放射線パラメータを判定するためのシステムおよび方法 | |
JP6929695B2 (ja) | 医用画像診断装置及び管理装置 | |
CN107945850A (zh) | 用于处理医学图像的方法和装置 | |
KR20170105876A (ko) | 단층 촬영 장치 및 그에 따른 단층 영상 재구성 방법 | |
US10475216B2 (en) | Imaging system and method using learned phase acquisition to acquire images | |
CN116704068A (zh) | 一种用于双源ct设备的图像校正方法、成像方法和系统 | |
US12039703B2 (en) | Provision of an optimum subtraction data set | |
WO2024067629A1 (en) | Methods, systems, and mediums for scanning | |
EP4198904A1 (en) | Gating-free motion compensation | |
JP7179497B2 (ja) | X線ct装置及び画像生成方法 | |
CN118043854A (zh) | 与诊断医疗成像中的调查扫描有关的方法 |
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 |