CN117177712A - 宽覆盖轴向ct扫描的规划 - Google Patents
宽覆盖轴向ct扫描的规划 Download PDFInfo
- Publication number
- CN117177712A CN117177712A CN202280029791.3A CN202280029791A CN117177712A CN 117177712 A CN117177712 A CN 117177712A CN 202280029791 A CN202280029791 A CN 202280029791A CN 117177712 A CN117177712 A CN 117177712A
- Authority
- CN
- China
- Prior art keywords
- image
- scan range
- scan
- range limit
- threshold
- 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
- 238000002591 computed tomography Methods 0.000 title claims description 68
- 238000000034 method Methods 0.000 claims abstract description 99
- 238000004590 computer program Methods 0.000 claims abstract description 6
- 238000013519 translation Methods 0.000 claims description 6
- 241001465754 Metazoa Species 0.000 claims description 5
- 238000011835 investigation Methods 0.000 claims description 5
- 238000003384 imaging method Methods 0.000 description 35
- 230000008901 benefit Effects 0.000 description 18
- 230000005855 radiation Effects 0.000 description 13
- 210000003128 head Anatomy 0.000 description 10
- 230000008569 process Effects 0.000 description 7
- 210000004556 brain Anatomy 0.000 description 6
- 230000033001 locomotion Effects 0.000 description 6
- 238000012937 correction Methods 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 230000001419 dependent effect Effects 0.000 description 4
- 238000001514 detection method Methods 0.000 description 4
- 210000003484 anatomy Anatomy 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 230000000875 corresponding effect Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000010801 machine learning Methods 0.000 description 3
- 210000003625 skull Anatomy 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 230000009466 transformation Effects 0.000 description 3
- 210000000746 body region Anatomy 0.000 description 2
- 230000000747 cardiac effect Effects 0.000 description 2
- 230000003788 cerebral perfusion Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 239000002872 contrast media Substances 0.000 description 2
- 230000002596 correlated effect Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000002452 interceptive effect Effects 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 238000002610 neuroimaging Methods 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 230000035945 sensitivity Effects 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 230000003595 spectral effect Effects 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 230000007704 transition Effects 0.000 description 2
- OYPRJOBELJOOCE-UHFFFAOYSA-N Calcium Chemical compound [Ca] OYPRJOBELJOOCE-UHFFFAOYSA-N 0.000 description 1
- 238000012952 Resampling Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000037237 body shape Effects 0.000 description 1
- 230000037396 body weight Effects 0.000 description 1
- 210000000988 bone and bone Anatomy 0.000 description 1
- 229910052791 calcium Inorganic materials 0.000 description 1
- 239000011575 calcium Substances 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 238000000295 emission spectrum Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000011065 in-situ storage Methods 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000007935 neutral effect Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 210000003695 paranasal sinus Anatomy 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 210000002345 respiratory system Anatomy 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 238000000844 transformation Methods 0.000 description 1
- 210000005166 vasculature Anatomy 0.000 description 1
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
- A61B6/02—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
- A61B6/46—Arrangements for interfacing with the operator or the patient
- A61B6/467—Arrangements for interfacing with the operator or the patient characterised by special input means
- A61B6/469—Arrangements for interfacing with the operator or the patient characterised by special input means for selecting a region of interest [ROI]
-
- 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
- A61B6/48—Diagnostic techniques
- A61B6/488—Diagnostic techniques involving pre-scan acquisition
-
- 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
- A61B6/54—Control of apparatus or devices for radiation diagnosis
- A61B6/545—Control of apparatus or devices for radiation diagnosis involving automatic set-up of acquisition parameters
-
- 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
- A61B6/46—Arrangements for interfacing with the operator or the patient
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Radiology & Medical Imaging (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- High Energy & Nuclear Physics (AREA)
- Veterinary Medicine (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Optics & Photonics (AREA)
- Pathology (AREA)
- Public Health (AREA)
- Physics & Mathematics (AREA)
- Heart & Thoracic Surgery (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Pulmonology (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Human Computer Interaction (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
本发明涉及一种用于规划由CT扫描仪(20)进行的获取的设备(10)及相关方法和计算机程序产品。该设备通过输入端(12)从扫描仪接收物体的预扫描图像。在该设备的使用中,处理器(16)基于预扫描图像获得参数选择,其中该参数选择至少包含物体的待扫描区域的轴向的上扫描范围界限和下扫描范围界限。处理器确定指示在预扫描图像中在上扫描范围界限和/或下扫描范围界限处或其预定邻域内的图像梯度或梯度分量的值。如果该值超过阈值,则通过输出端(18)告知用户所选择的扫描范围不满足用于重建的质量标准,和/或通过重新定位、调整大小和/或改变所选择的待扫描区域的取向来确定新的参数选择。
Description
技术领域
本发明涉及计算机断层扫描领域,更具体地说,本发明涉及一种用于准确地规划宽检测器计算机断层扫描仪的轴向图像获取的方法和相关设备。
背景技术
在计算机断层扫描(CT)领域,在CT系统中有朝着更多数量的检测器排数发展的趋势,除其他优点外,这还可导致图像获取时间减少。虽然多检测器计算机断层扫描技术的发展始于4排检测器系统,但该技术已迅速越过16排和64排系统发展到256排技术,甚至更高的数量(如320、512......)。例如,具有320排检测器且检测器元件宽度约为0.5mm的系统可以覆盖16cm的范围,在成像过程中不需要患者平移,例如在与螺旋成像方案相对比的轴向成像模式中。
宽检测器系统,例如沿纵向轴线(通常与颅尾轴线基本对齐)覆盖16cm或更大,可用于比如心脏成像和神经成像等应用,因为整个心脏和/或(至少大部分)大脑的体积成像可在(例如)少于一秒或几秒内完成,并且在图像获取期间无需来回移动患者。这可以减少运动伪影,降低造影剂的用量和/或减少被成像患者的辐射剂量。例如,可受益于宽覆盖CT系统及其上述优点的两种重要的临床应用是单激发轴向心脏CT和脑灌注CT
然而,沿纵向轴线提供此类宽覆盖的系统会受到与锥束几何形状相关的伪影的影响。虽然这些伪影至少在一定程度上可以通过适当的处理算法(如二次重建方法)来减少,但检测器(尤其是在纵向方向上的第一排和最后一排)的边缘附近的信号质量的降低无法仅通过处理来完全补偿。轴向获取根本无法提供足够的数据用于在被位于被覆盖范围的极限附近的检测器覆盖的整个纵向范围上进行精确重建。具体而言,如果强梯度位于投影锥内但在可被重建的区域之外,则二次重建方法可能会失效。
图4示出了模拟的头部的宽覆盖轴向CT扫描,以说明这一问题以及与之相关的伪影。左侧的图像61示出了基准真值图像(ground truth image)的矢状视图和冠状视图。标准的名义孔径加权的楔形重建(其结果被显示在中间的图像62中)通常会产生各种锥束伪影,如图像中通过箭头所强调的。这些锥束伪影可以通过使用二次校正方法来减少,例如减少约一个数量级,如在右侧的图像63中所示。然而,由于缺少关于超出可被重建的覆盖范围的物体结构的信息,二次方法在头部的顶部处明显失效(参见通过箭头强调的残留伪影)。
美国专利申请US2008/205587涉及一种CT中锥束重建的替代性方法。如已经提及的,使用二维矩阵式CT检测器和成像X射线束沿纵向轴线的扩散(从而将锥束投射到宽阔的检测器上)带来了独特的挑战(与传统的扇形束成像相比)。这些挑战在传统的扇形束成像中并不是问题,传统的扇形束成像只涉及一排或几排检测器。然而,使用线-圆重建技术而不是传统的圆形锥束重建技术可以减少锥束伪影。在所述申请中公开的方法中,以圆扫描模式获取的数据(轴向获取数据)被补充了线扫描数据。在提及的申请中,用于增强重建的线扫描数据被与用于规划成像过程的平片扫描一起有利地获取。
在计算机断层扫描(CT)成像中,扫描参数通常是基于平片扫描(surview scan)来确定的,平片扫描也可被称为先导扫描、概览扫描、侦察扫描或预扫描图像。这可包括简单的投影视图、两个或更多个互补投影视图的组合,或者甚至是快速(低剂量)断层扫描。要应用于成像的参数可取决于各种因素,例如断层扫描图像获取的预期目的、待成像物体的位置及其尺寸,例如患者的体重、体形和/或体积。这些参数尤其包括扫描范围和视场的选择,例如通过基于平片扫描选择待成像的框。针对该选择,操作员可以根据一般准则来确定待成像的合适体积,且在牢记扫描的预期目的(例如,使具体的身体区域、生理和/或解剖状况,和/或具体的疑似疾病可视化)的情况下确定其他扫描参数。因此,可以使用图形用户界面,以规定的方式针对可识别的解剖学界标放置规划框,例如在平片扫描的顶部绘制的覆盖框。
然而,在基于平片扫描选择合适的扫描范围时,锥束几何形状对图像重建的影响可能并不以直接的方式很明显,且可能需要经验丰富的操作员,其熟悉所使用的设备,意识到潜在的问题,并在需要时注意这些细节。具体地,操作员需要意识到,待选择的扫描范围和/或边界框不仅取决于临床要求,而且还可能受到技术需求的影响,即避免或减少潜在的伪影。
美国专利申请US2011150173A1公开了一种X射线CT系统,其确定第一和第二成像区域,以实现针对每个所述成像区域获得的辐射场。
发明内容
本发明的实施例的目的是提供良好、准确和/或快速的断层扫描规划,例如,用于为轴向扫描(例如,宽锥轴向扫描)选择合适的扫描区域和/或其他成像参数。
本发明的实施例的一个优点是,可以基于先前获取的图像(如平片扫描)来规划图像获取。另一个优点是,操作员选择的扫描范围(例如基于这种平片扫描)可被调整以考虑图像质量。
本发明的实施例的一个优点是,可以根据确定的规划,使用具有宽覆盖范围的CT扫描仪对身体部位进行成像,而无需在扫描过程中(例如在轴向扫描模式下)来回移动被扫描的患者,同时实现图像重建的良好质量。
本发明的实施例的一个优点是,通过使用具有较大的纵(z-)轴覆盖范围的轴向扫描方案,可以避免伪影,例如运动伪影和/或阶梯伪影。
本发明的实施例的一个优点是,可以有效地、可靠地对具有强图像梯度的身体区域进行成像。
本发明的实施例的一个优点是可以避免或减少轴向成像中与锥束几何形状相关的伪影。本发明的实施例的一个优点是,可以(可靠且有效地)将二次图像重建算法应用于所获取的图像数据,以校正(或减少)与锥束几何形状相关的伪影。
本发明的实施例的一个优点是,避免或减少了位于束锥内但在能够可靠地重建的区域之外且可导致重建伪影的强图像梯度。
本发明的实施例的一个优点是,在大覆盖范围的头部轴向CT扫描中,可避免因脑-颅、颅-皮肤和皮肤-空气过渡而产生的此类伪影。
本发明的实施例的一个优点是,可以避免或减少为补偿此类图像伪影而给患者增加的剂量。
根据本发明的实施例的一种系统和方法实现了上述目的。
在第一方面中,本发明涉及一种用于规划待由计算机断层扫描仪成像的物体的图像获取的方法。该方法包括使用计算机断层扫描仪获得被研究的物体的预扫描图像,以及基于预扫描图像获得用于规划中的图像获取的参数选择。参数选择至少包括物体的待扫描区域的轴向方向上的上扫描范围界限和下扫描范围界限的选择。
该方法还包括确定指示在预扫描图像中在上扫描范围界限和/或下扫描范围界限处和/或上扫描范围界限和/或下扫描范围界限的预定邻域内的至少一个图像梯度和/或图像梯度分量的值,并确定该值是否超过阈值,例如预定阈值。图像梯度是指预扫描图像内的图像值或图像值分量的局部变化,即每个长度单位的图像值(分量)的差异。
该方法包括,如果所述值超过所述阈值,则通知用户所选择的上扫描范围界限/下扫描范围界限不满足用于重建的质量标准,和/或通过重新定位上扫描范围界限/下扫描范围界限和/或调整扫描范围的大小和/或改变待扫描区域的取向,确定新的参数选择,以避免图像梯度超过阈值。
在根据本发明的实施例的方法中,所述阈值可以是固定的,或者可以是可配置的。例如,可以使用方案选择(例如作为输入由用户提供的)来确定合适的阈值,例如使用查找表。以这种方式,对于脑成像方案来说应用的阈值可以(例如)比颅骨成像方案更紧。
在根据本发明的实施例的方法中,阈值可以是可由用户配置的,例如通过选择潜在伪影的容忍度或通过直接调整阈值。
在根据本发明的实施例的方法中,阈值可通过校准(其可取决于具体成像方案或不取决于具体成像方案,例如,不同的成像方案可使用不同的校准)来确定,例如,通过在不同的扫描范围内对参考假体进行成像,评估指示边缘处或附近的梯度特性的值,并评估重建中的伪影水平,以确定合适的阈值。
同样,在根据本发明的实施例的方法中,边缘的邻域(如边距(margin)宽度)可以是固定的,可以是可配置的,和/或可以通过校准来确定。
在根据本发明的实施例的方法中,规划中的图像获取可以是人或动物受试者的头部的计算机断层扫描图像获取。
在根据本发明的实施例的方法中,规划中的图像获取可以是轴向扫描,其中对物体的在轴向方向上覆盖至少8cm的体积进行成像,且因此在图像获取期间不需要在扫描仪和物体之间的相对轴向平移。
在根据本发明的实施例的方法中,预扫描图像可包含二维投影图像、二维投影图像的组合或三维体积图像。
在根据本发明的实施例的方法中,获得参数选择可包括从用户接收手动参数选择。
在根据本发明的实施例的方法中,获得参数选择可包括基于预扫描图像的一个或多个参数的自动选择。
在根据本发明的实施例的方法中,确定所述值可包括计算上扫描范围边缘和/或下扫描范围边缘上和/或其所述预定邻域上的平均值、中位数或具有中心趋势的其他度量、最大值或分位数和/或另一统计度量。
在根据本发明的实施例的方法中,当所述值超过所述阈值时,可通过用户界面中的区别性显示样式告知用户上扫描范围界限/下扫描范围界限的所述状态。这种区别性显示样式可不同于在所述值低于所述阈值时展现出的所述上扫描范围界限/下扫描范围界限的显示样式。
在根据本发明的实施例的方法中,所确定的新的上扫描范围界限/下扫描范围界限可作为建议的替代方案提供给用户,以避免或减少重建伪影。
在根据本发明的实施例的方法中,新的上扫描范围界限/下扫描范围界限可通过使在参数选择中获得的上扫描范围界限/下扫描范围界限沿轴向方向远离扫描范围的中心移动来确定。
在根据本发明的实施例的方法中,确定所述值和确定该值是否超过所述阈值可被合并为单个操作,而不必明确地计算中间值。
在根据本发明的实施例的方法中,确定所述值可包括应用机器学习技术,其接收作为输入的图像或从该图像得出的特征,并产生指示在预扫描图像中在上扫描范围界限/下扫描范围界限处和/或上扫描范围界限/下扫描范围界限的预定邻域内的至少一个图像梯度和/或图像梯度分量的值。
在第二方面中,本发明涉及一种用于规划由计算机断层扫描仪进行的物体的图像获取的设备。该设备包括用于从计算机断层扫描仪接收物体的预扫描图像的输入端、处理器和输出端。
处理器适于基于预扫描图像获得用于规划中的图像获取的参数选择,其中该参数选择至少包括物体的待扫描区域的轴向方向上的上扫描范围界限和下扫描范围界限的选择。
处理器适于确定指示在预扫描图像中在上扫描范围界限/下扫描范围界限处和/或在所述上扫描范围界限/下扫描范围界限的预定邻域内的至少一个图像梯度和/或图像梯度分量的值。
处理器适于确定所述值是否超过预定阈值,且如果所述值超过所述阈值,则:
a)通过所述输出端告知用户所选择的上扫描范围界限/下扫描范围界限不满足用于重建的质量标准,和/或
b)通过重新定位上扫描范围界限/下扫描范围界限和/或调整扫描范围的大小和/或改变所选择的待扫描区域的取向,确定并经由所述输出端提供新的参数选择,以避免图像梯度超过阈值。
根据本发明的实施例的设备可包括用于从用户接收输入的用户界面。用户界面可包括所述输出端。因此,用户可以使用用户界面交互式地规划图像获取和/或核查所确定的新的参数选择。
在根据本发明的实施例的设备中,处理器可适于在所述值超过所述阈值时通过用户界面中的区别性显示样式告知用户上扫描范围界限/下扫描范围界限。这种区别性显示样式与所述值低于所述阈值时所述上扫描范围界限/下扫描范围界限的显示样式不同。
根据本发明的实施例的设备可包括计算机断层扫描仪,其中计算机断层扫描仪可包括二维检测器阵列,其在轴向方向上延伸至少8cm。
在第三方面中,本发明涉及一种计算机程序产品,其用于在被于计算机上执行时执行根据本发明的第一方面的实施例所述的方法。
独立权利要求和从属权利要求描述了本发明的具体和优选特征。从属权利要求中的特征可以与独立权利要求中的特征以及其他从属权利要求中的特征相结合,只要认为合适即可,而不必仅在权利要求中明确表述。
附图说明
图1示出了根据本发明的实施例的方法。
图2示出了根据本发明的实施例的设备。
图3示出根据本发明的实施例的计算机断层扫描仪。
图4示出了模拟中的宽覆盖CT的二次重建中的图像伪影,其是由重建范围的边缘处和/或重建范围外的强梯度引起的,以说明现有技术方法中遇到的问题和本发明的实施例的优点。
图5示出了预扫描图像,在该预扫描图像上叠加了例示性的手动选择的扫描范围,以说明本发明的实施例。
图6示出了预扫描图像,在该预扫描图像上叠加了基于图5的在先手动选择的自动调整的扫描范围,以说明本发明的实施例。
图7示出了模拟中的宽覆盖CT的二次重建中的图像伪影(或无图像伪影),以说明本发明的实施例的优势。
图8示出了预扫描图像,在该预扫描图像上叠加了另一例示性的手动选择的扫描范围,以说明本发明的实施例。
图9示出了预扫描图像,在该预扫描图像上叠加了基于图8的在先手动选择的自动调整的扫描范围,以说明本发明的实施例。
附图是示意性的而不是限制性的。图中的要素不必按比例绘示。本发明不必限于图中所示的本发明的具体实施例。
具体实施方式
参照图1,示出了根据本发明的实施例的方法100的示例。根据本发明的实施例的方法可以是计算机实现的方法。
方法100是一种用于规划待由计算机断层扫描(CT)扫描仪获取的计算机断层扫描(CT)图像获取的方法,用于检查关注物体(例如用于诊断或研究目的的人或动物受试者)的内部结构。
方法100可尤其适于规划人或动物受试者的头部的CT图像获取。规划中的CT图像获取可以是轴向扫描,例如宽锥轴向扫描(或大覆盖范围的轴向扫描)。具体地,CT扫描仪可适于在单次门架旋转或更少的门架旋转内对在轴向方向上(和在等中心处)覆盖至少8cm,例如至少12cm,例如至少16cm的体积进行成像。规划中的CT图像获取可以是宽锥轴向扫描,用于在单次门架旋转或更少的门架旋转内对在轴向方向上(和在等中心处)覆盖至少8cm、例如至少12cm、例如至少16cm的体积进行成像。然而,这不必排除在成像过程中不止单次旋转,例如多次旋转,例如为了进行动态(4D)扫描的目的,例如使用造影剂检查颅脉管系统。非轴向扫描也不必排除在外。例如,本发明的原理可同样适用于使用宽锥(例如与低或极低的螺距相结合)的螺旋或半螺旋扫描。
CT扫描仪可典型地被配置成将来自X射线源的锥形X射线束穿过被研究的物体投射到二维检测器阵列(例如形成检测器元件矩阵)上。2D检测器阵列可包括多排(如N排)一维检测器阵列,其中这些排在纵向方向(也称为轴向方向或Z轴方向)上彼此相邻布置。在使用中,纵向方向通常(如典型地)沿着待检查的患者的尾颅向(身体轴线)定向(不限于此)。
一个优点是,可以避免或减少在使用宽锥成像配置时成像锥的边缘(在轴向方向上)附近可能产生的图像伪影。在该边缘区域内的强图像梯度附近,如在头部扫描中的空气、皮肤和骨界面附近,这种伪影可尤其成问题。然而,实施例不必局限于此。纵向扫描范围的边缘附近的强图像梯度可潜在地导致类似伪影的解剖区域的其他示例包括:足部(例如足跟处)、肩部、胸膈、骨盆和鼻旁窦附近。然而,在颅顶附近和颅底附近,这一问题可能会相当严重。此外,尽管其他应用领域是可想到的,因此本身并不排除,但头部成像(例如,为研究头骨、上呼吸道和/或大脑)可能是在实践中将出现这种具体问题的最常见的情形之一。
方法100包括获得110被研究的物体的预扫描图像,以帮助规划。预扫描图像通常由同一CT扫描仪获取,例如紧接在执行规划中的图像获取之前。这样,就可以确定扫描仪的位置、取向和其他空间特性与被研究的物体之间的几何关系,使得用于被研究的物体的特征将以较高或至少可接受的确定度在所获取的图像数据中呈现出。这对于柔性、可变形和/或其他动态的物体,和/或特征在于样本之间具有高度可变性的物体来说尤为重要,且如果这种可变性仅靠外部观察并不明显,则更为重要。动物和人受试者显然是可变形、非静态和可变的。
预扫描图像可包括投影图像、投影图像的组合或断层扫描(体积)图像。例如,如本领域所知,预扫描图像可以是平片扫描(先导;侦察)图像。预扫描图像可以是二维投影图像,例如2D平片扫描图像,类似于传统的投影X射线图像,例如前后或侧面投影射线照片。如本领域所知,这种投影图像可以通过相对于CT扫描仪的门架平移物体(例如使用自动平移诊察台)来获取,而无需旋转门架。然而,预扫描图像也可以(例如,替代性地)是三维断层扫描图像,例如,与规划中的图像获取类似,但(通常)在所应用的图像获取参数方面截然不同。例如,3D平片扫描图像可包括(或可以是)低剂量体积CT扫描,由于隐含的低图像质量(例如较低的信噪比、较低的分辨率和/或较低的图像对比度),这种扫描本身可能(但不一定)不适合用于诊断目的。
超低剂量的3D CT平片扫描与传统的2D平片扫描相比可提供多项优势。例如,物体的内部几何构造(如解剖结构)可在3D平片中显示,而不会由于投影重叠而丢失信息。
预扫描图像通常可使用用于执行规划中的图像获取的CT扫描仪来获取。例如,通过该扫描仪在原位获取预扫描图像(如平片扫描),然后基于预扫描图像来规划过程,且随后执行规划的成像操作,例如尽量减少或避免待成像的物体(如患者)相对于扫描仪的位置、取向和/或空间配置的任何变化。
方法100包括获得120用于规划中的断层扫描(体积)图像获取的参数选择,其中该参数选择至少包括预扫描图像的子区域和/或子体积的定义,例如至少包括由预扫描图像表示的空间维度中的上扫描范围界限和下扫描范围界限,例如尤其至少是待扫描区域的轴向方向上的极限。
获得120参数选择可包括从用户(例如CT扫描仪的操作员)接收手动参数选择。例如,该方法可包括向用户可视地展现预扫描图像或由此得出的图像,并向用户提供(例如交互式)用户界面,以从用户接收参数选择。例如,该用户界面可允许用户在预扫描图像上选择轴向扫描范围(例如,轴向方向上的上端点和下端点)、矩形区域和/或(通常为箱形的)体积(不受限制),其中该范围/区域/体积旨在限定规划中的图像获取将扫描物体的哪一部分(例如,身体部位)。因此,预扫描图像可用于限定规划中的图像获取的参数,其中该参数至少包括一维(轴向方向)的扫描范围。待扫描的扫描范围或(2D或3D)边界框可由用户在显示的预扫描图像上进行交互式标记。
这种交互还可包括由操作员选择扫描体积的取向,例如围绕一个或多个轴旋转(2D或3D)边界框,以选择待成像的区域或体积。例如,参数选择还可包括选择门架的倾斜角(例如,在CT扫描仪能够自动调整门架平面的情况下),和/或将待成像的物体定位于其上的支撑件(诊察台)的倾斜角。虽然这种相对成角度会影响本发明的实施例的多个方面,但技术认为将意识到,考虑这种门架或支撑件的倾斜所需的任何调整通常都不是很重要和/或容易实施。例如,通过对预扫描图像重新采样(在应用图像旋转之后),和/或在计算图像梯度时将倾斜方向考虑在内,和/或通过其他补偿措施,可以很容易地补偿倾斜的门架(或基本等效的倾斜的诊察台)的影响。
还可选择其他成像参数,如X射线管参数,如射束峰值能量、过滤、管电流,或一般来说在图像获取期间影响CT扫描仪配置的任何其他参数,如目标剂量设置等。
获得120参数选择还可包括基于预扫描图像的自动参数选择。因此,规划获取可包括自动过程,其中参数是基于预扫描图像确定的,例如取决于所选的成像过程类型。例如,可以应用本领域已知的算法来确定用于具体目的(例如对患者的大脑进行成像)的合适的成像参数。例如,这可包括检测图像特征,如具体的解剖界标,并基于检测到的图像特征确定合适的扫描区域。此外,获得120参数选择还可包括通过此类算法进行的参数选择和人工干预(例如交互式或引导式参数选择过程)的结合。例如,可以自动选择初始扫描区域,然后由用户进行细化,或者用户可以选择具体的界标或具体界标附近的点,自动过程据此确定合适的扫描范围。本领域中已知许多用于自动或半自动选择成像参数和/或扫描区域的算法和方法,且根据本发明的实施例的方法通常可在获得120参数选择的步骤中包括任何此类已知的算法或方法,只要适合并与根据本发明的实施例的方法的其他特征兼容,如下文进一步给出的。
方法100包括确定130(例如使用处理器自动确定)指示在预扫描图像中在限制轴向方向上的扫描范围的已定义的子区域和/或子体积的边缘处或附近的至少一个图像梯度分量(例如基于一个或多个方向上的离散一阶空间微分)的值。
指示图像梯度分量的值可包括在边缘(例如,在形成预扫描图像的选定子区域和/或子体积的轴向方向上的上界限和/或下界限的线段(或平面,例如,在预扫描图像是体积图像时))上计算的平均值、中位数或具有中心趋势的其他度量。同样,可以使用另一统计度量,如分位数(如第三四分位数、90%百分位数等)和/或最大值。具有中心趋势的度量或其他统计度量(例如包括最大值)可以在形成所述边缘的像素上计算出,或者可以在边缘周围(或以边缘为终点)的边距(margin)中计算出,例如沿边缘延伸并包括边缘的5个像素宽的边距。例如,该边距的宽度可以小于25个像素,例如在0个(即仅落在边缘上的像素)到25个像素的范围内,例如在0个到10个像素的范围内,例如在0个到5个像素的范围内。替代性地,边距的宽度可以在等中心校准的宽度方面来表示,例如边距的宽度可以在0到1cm的范围内,例如在0到0.5cm的范围内,例如在0到0.1cm的范围内。该边距可以是对称的或不对称的。例如,边距可以主要由选定区域/体积外但靠近边缘的像素组成,或者可以主要由选定区域/体积内(且靠近边缘)的像素组成,或者两者的组合。
图像梯度分量(例如,据此计算边缘上或边缘周围的边距上的汇总统计量)可以是指空间图像梯度的一个或多个笛卡尔分量。优选地,图像梯度分量至少包括在轴向方向上(即在门架旋转轴线的纵向方向上)计算的分量。然而,应理解的是,计算梯度所沿着的方向并不需要与纵向方向完全对应以充分指示该方向上的图像梯度。例如,当选择了倾斜角时(但预扫描图像是在门架没有这样倾斜的情况下获取的),可以通过计算沿着倾斜门架的轴向方向的梯度分量来考虑这一点,或者可以通过计算没有倾斜的中性轴向方向上的梯度分量来忽略这一点(例如,假设倾斜角不会产生实质性影响)。
分量可通过梯度分量的直接(离散)近似来获得,例如通过相邻像素(在定义梯度的预期分量的方向上相邻)的减法计算,或通过其他合适的离散估计方法获得,例如通过应用索贝尔滤波器或类似的数值方法。指示图像梯度的值可包括变换,如绝对值、平方值或其他类似变换,以获得指示一个或多个分量的量度的(如无符号的)值。
指示至少一个梯度分量的值也可以指的是梯度量度,例如两个(例如,对于2D预扫描图像来说)或三个(例如,对于3D预扫描图像来说)正交方向上的梯度分量平方和(的根,任选地),或基于这种梯度量度的值(例如,包括在边缘上或边缘周围的边距上计算的统计量,如上文所述)。然而,应注意的是,计算轴向方向(例如z轴方向(或接近所述轴线的方向))上的梯度分量可能更优选,因为通过本发明的实施例减少或避免的伪影主要与该方向上的被成像区域的轴向边缘处和/或附近存在强梯度有关。从上文的描述中可以清楚地看出,这还可包括计算在边缘上或包括边缘或与边缘邻接的边距上的图像梯度的这种z分量的平均值、最大值或其他合适的汇总统计量(或其绝对值、平方或其他运算以产生无符号的值),以获得所述值(或在经过简单变换,如缩放、添加常数、对数或指数、幂运算或根运算、离散量化或类似运算后获得该值)。
指示预扫描图像中的至少一个图像梯度分量的值可在限制轴向方向上的扫描范围的已定义的子区域和/或子体积的一个边缘(例如轴向方向上已定义的扫描区域的上边缘)处或附近确定。例如,在CT扫描仪的正常使用中,该上边缘可用于定义待检查的患者的解剖结构的一部分的颅界限或上界限。根据检查类型,对于已定义的扫描区域的下边缘,本发明的实施例也可以同样相关。
指示预扫描图像中的至少一个图像梯度分量的值也可在限制轴向方向上的扫描范围的已定义的子区域和/或子体积的两个边缘(即选定的扫描范围的上边缘和下边缘)处或附近确定130。可以例如通过计算组合的两个边缘(在可能的情况下,包括这些边缘周围的适当边距)上的平均值、最大值或其他合适的统计量来计算出单个值,或者可以针对每个边缘计算出单独的值。
应理解的是,指示边缘处或边缘区域内的梯度或梯度分量的值也可以在没有明确地计算梯度(分量)的情况下获得。例如,可以使用机器学习技术(如支持向量机或神经网络)将图像信息(原始图像数据、图像特征或从输入图像或图像中的边缘区域得出的其他合适的值)作为输入,并产生指示在边缘附近与梯度相关的伪影预测存在的值。即使没有使用明确计算,很明显所产生的输出仍会与在边缘或边缘区域上考虑的梯度或梯度分量(或其绝对值)强相关(但不必是线性相关,例如具有高互信息(high mutual information)的意义上),以获得预期的结果,因此可被视为指示边缘或边缘附近的梯度(分量)的值。
该方法还包括确定140所述值是否超过预定阈值。预定阈值可以是可配置的,例如作为通过用户界面控制的参数,或者可以是固定的。预定阈值可被定义为绝对值,或者可在一个或多个其他图像特征方面进行定义,例如图像的动态范围的一部分。例如,如果预扫描图像被归一化处理,例如被归一化到Hounsfield标度(或其简单(例如线性)变换),则阈值可被定义为(作为说明性示例)至少500HU/体素,例如在每体素500到1500HU的范围内的梯度阈值,例如在每体素750到1250HU的范围内,或者以每单位距离的Hounsfield单位数为单位的类似定义,例如在每毫米500到1500HU的范围内的阈值。然而,当预扫描图像仅由一个(或仅几个)投影图像组成时,即不是基于断层扫描重建,则图像强度的归一化处理可以不那么标准化,且技术人员可根据系统特性和预扫描图像预处理(例如,其可包括系统特定的归一化处理)来选择合适的阈值,而无需进行创造性的努力。例如,阈值可被选择为在测试预扫描图像中获得的参考图像梯度值的很大一部分(例如在0.5到0.95的范围内,例如在0.6到0.9的范围内),其中该参考值(以与所述确定130的值相同的方式计算的)可以通过从固体骨样材料(如钙假体)到空气的急剧转变(sharp transition)(例如在小于5mm的距离内,优选地在小于1mm的距离内,例如基本上是突然的)来创建。这概述了一种例示说明性的校准方法,其并不旨在是限制性的,即,技术人员可以很容易地设想出这种方法的等同变体。
还应理解的是,确定所述值和确定所述值是否超过阈值可以结合在单个操作中,例如,不需要明确地计算对照着阈值进行评估的底层值。这方面的示例将包括机器学习分类器,其可直接基于图像输入(或从图像输入中得出的适当特征)输出布尔值,以指示是否超过阈值。这将被理解为完全等同,因此也被本发明的实施例涵盖。然而,还应理解的是,确定非布尔值(例如实数或整数非布尔数)并对照着阈值对其进行测试可以仍然是优选的,因为这样允许在不改变底层机制(例如重新训练机器学习模型)的情况下容易地校准和/或配置合适的阈值。
如果该值超过了预定阈值,则操作员将被告知150已定义的子区域/体积不满足用于重建的质量标准,并且/或者通过重新定位和/或调整选择120的大小,自动确定160新的子区域和/或子体积,例如,取代在先选择和/或作为建议的替代方案提供给操作员。
如果获得120参数选择的步骤包括或包含自动参数选择,则应理解的是,这种自动参数选择可以与确定指示强边缘梯度的值的步骤、将该值与阈值进行比较的步骤以及自动确定160新的子区域和/或子体积的步骤集成。换句话说,在选定范围的一个或多个边缘处或边缘附近检查强图像梯度的标准可被集成到用于自动或半自动确定合适的扫描范围的现有算法中,使得现有方法的扫描范围选择通过添加附加的约束条件而被进一步细化,该约束条件避免沿着正由该算法确定的扫描区域/体积的至少一个边缘(或面)的强图像梯度。
可通过用户界面(例如,其也可被用于显示预扫描图像和/或定义选择120)发出警报告知150操作员。警报可以是明确的文本或语音消息、警告声音、触觉反馈信号和/或其组合。此外或替代性地,可通过改变所选择的子区域/体积和/或预扫描图像的显示模式来告知150操作员。例如,可以改变表示所选择的子区域/体积的规划框(例如,叠加在预扫描图像上)的显示颜色,例如,从白色或绿色线条颜色变到红色线条颜色(不限于该示例)。代替线条颜色的改变或除线条颜色的改变之外,可以调整规划框的其他显示特性,如线条样式、线条宽度等,或区域样式,如规划框区域的不透明度、阴影和/或颜色。应理解的是,可以将多个这样的例示性显示特性结合起来,以确保显示样式的变化吸引操作员的注意力。换句话说,(例如,手动)选择120的覆盖窗口可以用颜色编码(或以其他方式明显地样式化)来指示信号覆盖状态,例如,指示窗口选择是否无法在边缘附近提供足够的覆盖,因此可能由于在该边缘(或多个边缘)附近的强图像梯度而无法产生高质量的重建。
此外或替代性地,可以基于在先选择120的子区域/体积,例如通过重新定位和/或调整在先选择120的大小,自动确定160新的子区域和/或子体积。当阈值测试140为正值时,可自动执行这种调整160,以自动校正规划的扫描范围,或者可等待来自用户的确认或指令,以提出160将克服该检测到的问题的新的扫描范围。所提出的校正可以与原始(例如手动)选择一起显示,例如作为建议的替代方案,或者可以取代在先的(例如手动)选择。
自动调整可包括应用预定的平移,例如上移或下移,和/或预定的放大系数,其中这种移动和/或重新缩放被认为足以克服检测到的边缘梯度问题。在该方法始终应用于明确定义的应用设置(例如仅用于头部轴向扫描)的情况下,这可以是一种简单直接的方法。这并不一定意味着该方法在这种情况下不能应用于其他类型的检查。例如,在检测到这种边缘梯度问题时,可以考虑成像过程的类型的知识来选择合适的平移步长和/或重新缩放系数。在规划获取时,用户可以容易地将这些知识作为方案或过程选择选项来接收。
例如,检测到这种梯度问题的边缘(如所选择的扫描范围的上界限或下界限)可自动移动例如在1至100个像素的范围内的值,例如5个像素、10个像素、50个像素(非限制性示例)。这种移动可以是固定的,或者可以是可配置的,例如通过接口参数。这种移动的方向可以是预定的,例如上边界向上移动,下边界向下移动,或者可以取决于具体的过程或设置。另一个边界可以以同样的方式移动,例如使得扫描范围宽度保持相同,或者另一个边界可保持固定,例如使得扫描范围伴随着增大。
通过应用预定的放大系数,例如在需要时放大扫描范围,可以达到类似的结果。然而,需要考虑的是,这并不总是一个选项,例如,在初始参数选择中,扫描范围(覆盖范围)可能已被设置为单次旋转轴向扫描的其最大可实现宽度。尽管如此,该方法仍可进行调整,以考虑不同的选项,例如改变不同的参数,以避免在扫描范围的边缘附近的强图像梯度。调整除了边缘位置(例如纵向方向上的移动)和/或扫描范围宽度之外的参数以将边缘梯度值减小到预定阈值以下的实施例不必被排除在外,例如可调整门架倾斜角作为替代性的或附加的可调整设置。
优选地,被重新定位的边缘可远离所选择的范围的中心移动,例如,上边缘可向上移动,下边缘可向下移动。这样避免排除操作员在提供初始(手动)扫描范围时认为与诊断目的相关的信息。这就意味着,当另一个边缘保持固定或也(类似地)沿相反方向移动时,扫描范围可优选地(略微)增加。优选地,可对自动确定的扫描范围的最大增幅施加限值,例如扫描范围的最大增幅为10%,优选为5%,或甚至更低,例如最大增幅为2%或1%。这种限值可以是明确施加的(例如,通过检查所提出的新的扫描范围是否不超过该限值),或者可以是隐含地获得的(例如,当该方法检测到有问题的强图像梯度时,通过对边缘应用预定的和固定的移位,其中该预定的移位不超过所述限值)。这种限值(在明确实行时)同样可以用距离的自然单位(如毫米)或图像单位(如像素数)来表示。
如已经提及的,在一些情况下,将边缘远离所选择的范围的中心移动可能是不可行的,例如,在已经达到了最大覆盖宽度的情况下。在这种情况下,可以实施根据本发明的实施例的方法,以便在可行的情况下优选放大扫描范围,且在不可行的情况下移动扫描范围,并将其设置为其最大宽度(例如,将两个相对的边缘沿同一方向移动)。任选地,该方法可告知操作员(例如通过用户界面发出另外的警报),当接受新提出的扫描范围时可能会丢失一些信息(例如,沿着与被移动的边缘相对的边缘,以避免强梯度)。例如,可在用户界面上强调新提出的扫描区域与初始选择的不同(如在集合差异的意义上),使得操作员的注意力被吸引到在所指示的区域内可能会丢失一些图像信息的事实上。
代替对所选择的扫描范围施加预定的(例如固定的)移动或重新缩放以便定义新提出的扫描范围,可以针对不同的候选边缘确定指示图像梯度的值,以便确定所提出的子区域/体积的新边缘(对其而言,计算值不超过预定阈值)。例如,该方法可包括迭代调整,例如使用相对较小的步长,如每步移动一个像素,在此过程中重复这种调整,直到指示边缘梯度的值落在预定阈值下方。
该方法还可包括根据确定的参数执行170CT图像获取,例如,根据提出160的新扫描范围(优选在操作员确认接受之后)和/或对所提出的新扫描范围的进一步手动细化和/或在考虑了该方法提供的反馈信息150之后操作员的新手动选择。
图5和图6示出了本发明的实施例。在这个(模拟)示例中,获得110的预扫描图像包括对人类受试者的头部的侧向侦查扫描。用户选择120一个看似合适的扫描范围用于对大脑成像,例如,用于规划脑灌注CT,其将受益于在单次门架旋转中获取基本上整个大脑。根据本发明的实施例,然后计算130指示在所选择的扫描范围的上边缘处或附近(至少)的图像梯度分量的值,例如由处理器和/或计算机计算,并与预定阈值进行比较140。在该示例中,检测到由于头骨顶部的存在,在所选择的扫描范围的上边缘附近存在强图像梯度,因此可以认为基于根据该所选择的扫描范围获取的数据进行的重建可能(或将会)导致在扫描范围顶部附近产生伪影,即使在应用本领域已知的用于宽覆盖轴向锥束投影的重建的二次校正时也是如此。因此,如图5所示,根据本发明的实施例的方法通过在顶侧的所显示的扫描范围的不同线条样式来指示这种状态,以告知150操作员成像状态不佳。在上边缘(与下边缘相对(如图所示))处的这种不同的样式还可包括或包含(例如)红色线条颜色,与(例如)绿色线条颜色相对。此外,根据本发明的实施例的方法可以通过如图6所示调整160所选择的图像范围,使得这种强梯度落在(例如有一定边距)收集到足够数据的体积内,例如可被重建的体积内,从而对这种检测到的问题做出反应。
使用原始扫描范围选择(见图5)将产生的伪影在图4中示出,并已在上文中在背景技术部分中进行了详细讨论。图7示出了应用(图6的)调整后的扫描范围的有利效果。左侧图像71显示了基准真值图像,中间图像72显示了名义孔径加权楔形重建后的结果,右侧图像73显示了附加的二次校正后的结果,分别参见图4中的图像61、62、63。通过比较图4和图7中的示例,可以清楚地看到,根据本发明的实施例的方法可以有效防止或至少大大减少被成像体积的顶部处的伪影,例如图像62中存在而图像72中基本不存在。在根据本发明的实施例调整扫描范围后,在第一次重建72中,大脑顶部没有保持可辨识的伪影,通过二次校正73也不会产生此类伪影。
可以对不止一个边缘进行评估,以确保在所选择的扫描范围的界限处或附近不存在强梯度。具体地,可对所选择的扫描范围的纵向(轴向)方向上的上边缘和下边缘两者进行分析。例如,可以对照着预定阈值独立地检查指示图像梯度的值,例如单独地用于每个相应边缘的值(不限于此)。用户可被以允许区分出哪个(如果有的话)边缘被定位于有问题的区域内的方式告知检测到的问题,例如,通过对检测到有问题的(具体而言)边缘(或多个边缘)应用不同的显示样式,如不同的颜色。此外或替代性地,可以根据需要自动调整每个有问题的边缘(如果有的话)(或者可以提出由此确定的替代性定位,以用于批准或进一步手动调整)。例如,检测到有问题的每个边缘可以独立地移动,以避免该边缘附近的强梯度。然而,两个边缘的调整不必是独立的。例如,可以通过直接搜索和/或数值优化来确定扫描范围,该扫描范围不超过用于指示边缘区域内的图像梯度的相应值的预定阈值,且伴随着尽可能接近原始(例如手动)选择。
例如,在图8和图9所示的示例中,同样模拟的头部侧向侦察扫描被再次用作预扫描图像。在这个说明性示例中,操作员选择120另一个看似合适的扫描范围。根据本发明的实施例,计算130指示所选择的扫描范围的上边缘处或附近的图像梯度分量的值,以及指示所选择的扫描范围的下边缘处或附近的图像梯度分量的值。通过对照着预定阈值检查这些值,得出的结论是:在两侧(即针对上边缘和下边缘两者)恰好在扫描覆盖范围外存在强图像梯度。
因此,如图8所示,通过对所显示的扫描范围的下边缘和上边缘两者应用区别性显示样式,给用户提供警告(例如,参见图5中应用于下边缘的不同样式,该下边缘没有发现有潜在的问题)。根据本发明的实施例的方法还可以(另外或替代性地)调整160(例如放大)所选择的扫描范围,如图9所示,使检测到的强梯度完全落在扫描范围内,例如,使得可获取足够的成像数据用于重建。也可以调整扫描范围,使检测到的强梯度落在扫描范围之外(有一定安全边距),例如通过缩小扫描范围。在这种方法中,可以避免强梯度出现在覆盖范围的界限处或接近覆盖范围的界限。然而,应理解的是,这可能是一种不太优选的方法,尽管在实施例中不必排除在外。一般来说,相对于手动选择,减小所选择的扫描范围可能不太优选,因为这样带有排除潜在地与诊断目的相关的信息的风险,而(略微)扩大所选择的扫描范围显然风险较小。尽管通过扩大扫描范围增加了给患者的剂量,但应指出的是在实践中这将是忽略不计的。
在第二方面中,本发明涉及一种用于规划待由计算机断层扫描仪成像的物体的CT图像获取的设备。图2示意性地示出了根据本发明的实施例的例示性设备10。
鉴于上文提供的与根据本发明的实施例的方法相关的描述,根据本发明的实施例的设备的特征或特征细节应是清楚的,例如,该设备可具体适用于执行上文所讨论的方法。
用于规划由计算机断层扫描仪20进行的物体的图像获取的设备10包括用于从计算机断层扫描仪接收物体的预扫描图像的输入端12、处理器16和输出端18。
该设备可包括用于接收来自用户的输入的用户界面17,其中该用户界面包括输出端18,使得用户通过使用该用户界面可以交互式地规划图像获取和/或核查由设备建议的新的参数选择。
预扫描图像可包括三维断层扫描图像,例如3D平片图像(例如低剂量3D平片图像),或投影(2D)图像(例如传统的侦察扫描图像)。输入端可接收来自(同一)断层成像扫描仪的预扫描图像(旨在用于规划的图像获取中)。
CT扫描仪20可被包含在该设备中,或者可以位于该设备外部,并例如通过网络接口或专用数据通信系统(如总线接口)与其操作性地连接。
CT扫描仪20可以是宽覆盖CT扫描仪,例如,其中二维检测器阵列在轴向方向上覆盖至少8cm(除了对着沿旋转门架系统的角旋转方向的弧之外)。
处理器16可包括计算机或其他适于执行下文描述的功能的处理设备。该设备可包括可执行指令,例如存储在存储器中的指令,以执行这些功能。处理器可在硬件中被专门设计,和/或通过软件编程,以执行下述功能。
处理器适于获得用于规划中的图像获取的参数选择,该图像获取是基于预扫描图像。这种参数选择至少包括物体的待扫描区域的轴向方向上的上扫描范围界限和下扫描范围界限的选择。
处理器还适于确定指示在预扫描图像中在上扫描范围界限/下扫描范围界限处和/或在所述上扫描范围界限/下扫描范围界限的预定邻域内的至少一个图像梯度和/或图像梯度分量的值。
处理器进一步适于确定该值是否超过预定阈值。如果该值超过阈值,则处理器通过输出端18告知用户,所选择的上扫描范围界限/下扫描范围界限不满足用于重建的质量标准(如由梯度值阈值测试的),和/或通过重新定位上扫描范围界限/下扫描范围界限、调整扫描范围的大小和/或改变所选择的待扫描区域的取向来避免在扫描范围的上边缘和/或下边缘处或附近检测到的强图像梯度,来确定和通过输出端提供新的参数选择。
在根据本发明的实施例的设备中,当所述值超过所述阈值时,处理器16可以在用户界面中以区别性显示方式告知用户上扫描范围界限和/或下扫描范围界限,其中这种区别性显示方式不同于在该值低于阈值时的上扫描范围界限/下扫描范围界限的显示方式。
图3示意性地示出了本领域已知的示例性计算机断层扫描仪20。CT扫描仪可包括通常固定的固定门架51和旋转门架52。旋转门架52可由固定门架51可旋转地支撑,并可围绕检查区域53绕纵轴Z旋转。
辐射源54(例如X射线管)可由旋转门架52可旋转地支撑,例如以便随旋转门架52旋转,并可适于发出穿过检查区域53的多能辐射。辐射源54可包括或由单个宽谱X射线管组成。替代性地,辐射源可适于在扫描期间在至少两个不同的光子发射光谱之间可控地切换,例如在至少两个不同的峰值发射电压(如80kVp、140kVp等)之间切换。在另一种变体中,辐射源54可包括两个或更多个X射线管,其被配置为发射具有不同平均光谱的辐射。
辐射敏感检测器阵列55可对着在检查区域53对过与辐射源54相对的角弧。阵列55可包括沿Z轴(轴向)方向相对于彼此布置的多排检测器元件。该CT系统可以是宽覆盖系统,例如,其中该阵列包括足够数量的排数以覆盖至少8cm的轴向范围,且不需要沿着Z轴重新定位。
阵列55可适于检测穿过检查区域53的辐射,并生成指示该辐射的信号。阵列55可包括具有多个像素化的辐射敏感检测器元件的检测器。可选地,不同的检测元件可具有不同的X射线能量灵敏度,例如,至少两个闪烁体和至少两个具有相应光学灵敏度的相应光敏元件和/或直接转换检测元件(直接能量分辨检测器元件),例如,允许对不同(平均)光子能量进行消歧(disambiguation),以允许光谱图像检测。此外或替代性地,可以通过在不同能量设置之间切换辐射源54来获得光谱信息。
该系统可包括用于重建由检测器阵列55输出的信号的重建器56。重建器56可适于重建断层扫描图像,如横截面图像(如垂直于Z轴)。
该系统可包括受试者支撑件57,如诊察台,用于在检查区域内支撑物体或受试者。该系统还可包括操作员控制台58,例如通用计算机,其被编程以用于控制或监控扫描仪系统和/或为操作员提供用户界面。控制台可包括人类可读输出装置,如监视器或显示器,以及输入装置,如键盘和鼠标。驻留在控制台上的软件可允许操作员通过图形用户界面(GUI)或其他方式与扫描仪进行交互。这种交互可包括选择成像方案、启动扫描等。
CT扫描仪可被可操作地连接到工作站,例如计算机之类的计算系统,该工作站可包括输入/输出(I/O)接口,其用于促进与CT扫描仪的通信。该工作站可包括根据本发明的实施例的设备10。扫描仪系统可包括作为系统级集成部件的计算系统,或者CT扫描仪可适于与独立的计算系统通信,例如将图像数据传输到计算系统。计算系统还可包括输出装置。一个或多个输出装置可包括例如显示监视器、胶片打印机、纸张打印机和/或用于音频反馈的音频输出装置。计算系统还可包括一个或多个输入装置,例如鼠标、键盘、触摸界面和/或语音识别接口。计算系统还可包括至少一个处理器,例如中央处理器(CPU)、微处理器、用于处理的专用集成电路(ASIC)和/或适当配置的可编程硬件处理器,例如现场可编程门阵列。计算系统可包括计算机可读存储介质,例如非暂时性存储器,如物理数字存储器。计算机可读存储介质可存储计算机可读指令和数据。该至少一个处理器可适于执行计算机可读指令。该至少一个处理器还可以执行由信号、载波或其他暂时性介质承载的计算机可读指令。替代性地或另外,该至少一个处理器还可以在物理上被配置成包含指令(例如全部或部分),而不一定需要存储器来存储这些指令,例如通过专门设计成用于执行至少部分指令的现场可编程门阵列或ASIC的构造。
例如,可以根据计算机可读指令对计算系统进行编程,该计算机可读指令包括用于执行上文所公开的方法的指令,以实现根据本发明的实施例的系统10。
在第三方面中,本发明还涉及一种计算机程序产品,例如,其包括上文提及的计算机可读指令,在被于计算机上执行时,该计算机可读指令用于执行根据本发明的第一方面的实施例所述的方法。本发明的实施例还可涉及包含所述计算机程序产品的数据载体或其它非暂时性介质,和/或涉及承载计算机程序产品的暂时性介质,例如数字网络传输信号。
权利要求中使用的“包括”一词并不限于下文所述的特征、要素或步骤,也不排除附加的特征、要素或步骤。因此,这只指出了所提及的特征的存在,而并不排除一个或多个特征的进一步存在或添加。
在该具体实施方式部分中,给出了各种具体细节。本发明的实施例可以在没有这些具体细节的情况下执行。此外,为使本发明公开清楚简洁,不必详细描述众所周知的特征、要素和/或步骤。
在第一方面中,本发明涉及一种方法,其用于基于物体的预扫描图像来规划待由计算机断层扫描仪成像的物体的图像获取。
Claims (15)
1.一种用于规划由计算机断层扫描仪(20)进行的物体的图像获取的设备(10),所述设备包括:
输入端(12),其用于从所述计算机断层扫描仪接收所述物体的预扫描图像;
处理器(16),以及
输出端(18);
其中,所述处理器适于:
基于所述预扫描图像,获得用于规划中的所述图像获取的参数选择,其中所述参数选择至少包括所述物体的待扫描区域的轴向方向上的上扫描范围界限和下扫描范围界限的选择;
确定指示在所述预扫描图像中在所述上扫描范围界限和/或所述下扫描范围界限处和/或所述上扫描范围界限和/或所述下扫描范围界限的预定邻域内的至少一个图像梯度和/或图像梯度分量的值;
确定所述值是否超过阈值,且如果所述值超过所述阈值,则:
a)通过所述输出端告知用户所选择的所述上扫描范围界限和/或所述下扫描范围界限不满足用于重建的质量标准,和/或
b)通过重新定位所述上扫描范围界限和/或所述下扫描范围界限和/或调整所述扫描范围的大小和/或改变所选择的所述待扫描区域的取向,确定并通过所述输出端提供新的参数选择,以避免所述图像梯度超过所述阈值。
2.根据权利要求1所述的设备,其中,所述设备包括用户界面(17),其用于从所述用户接收输入且包括所述输出端(18),使得所述用户使用所述用户界面能够交互式地规划所述图像获取和/或核查所确定的所述新的参数选择。
3.根据权利要求2所述的设备,其中,所述处理器(16)适于在所述值超过所述阈值时,在所述用户界面(17)中通过区别性显示样式告知所述用户所述上扫描范围界限和/或所述下扫描范围界限,所述区别性显示样式与在所述值低于所述阈值时的所述上扫描范围界限和/或所述下扫描范围界限的显示样式不同。
4.根据前述权利要求中的任一项所述的设备,其中,所述设备所述包括所述计算机断层扫描仪(20),其中所述计算机断层扫描仪(20)包括二维检测器阵列,所述二维检测器阵列在所述轴向方向上延伸至少8cm。
5.一种用于规划由计算机断层扫描仪进行的物体的图像获取的方法(100),所述方法包括:
使用所述计算机断层扫描仪获得(110)被研究的所述物体的预扫描图像;
基于所述预扫描图像获得(120)用于规划中的所述图像获取的参数选择,其中所述参数选择至少包括所述物体的待扫描区域的轴向方向上的上扫描范围界限和下扫描范围界限的选择;
确定(130)指示在所述预扫描图像中在所述上扫描范围界限和/或所述下扫描范围界限处和/或在所述上扫描范围界限和/或所述下扫描范围界限的预定邻域内的至少一个图像梯度和/或图像梯度分量的值;
确定(140)所述值是否超过阈值,且如果所述值超过所述阈值,则:
告知(150)用户所选择的所述上扫描范围界限和/或所述下扫描范围界限不满足用于重建的质量标准,和/或
通过重新定位所述上扫描范围界限和/或所述下扫描范围界限和/或调整所述扫描范围的大小和/或改变所述待扫描区域的取向,确定(160)新的参数选择,以避免所述图像梯度超过所述阈值。
6.根据权利要求5所述的方法,其中,规划中的所述图像获取是人或动物受试者的头部的计算机断层扫描图像获取。
7.根据权利要求5或权利要求6所述的方法,其中,规划中的所述图像获取是轴向扫描,其中对所述物体的在所述轴向方向上覆盖至少8cm的体积进行成像,且不需要在所述图像获取期间在所述扫描仪和所述物体之间的相对轴向平移。
8.根据权利要求5至7中的任一项所述的方法,其中,所述预扫描图像包含二维投影图像、二维投影图像的组合或三维体积图像。
9.根据权利要求5至8中的任一项所述的方法,其中,获得(120)所述参数选择包括从用户接收手动参数选择。
10.根据权利要求5至9中的任一项所述的方法,其中,获得(120)所述参数选择包括基于所述预扫描图像的一个或多个参数的自动选择。
11.根据权利要求5至10中的任一项所述的方法,其中,确定(130)所述值包括计算所述上扫描范围边缘和/或所述下扫描范围边缘和/或其所述预定邻域上的平均值、中位数或具有中心趋势的中心度量、最大值或分位数和/或另一统计度量。
12.根据权利要求5至11中的任一项所述的方法,其中,当所述值超过所述阈值时,通过用户界面中的区别性显示样式告知(150)所述用户所述上扫描范围界限和/或所述下扫描范围界限,其中所述区别性显示样式不同于在所述值低于所述阈值时的所述上扫描范围界限和/或所述下扫描范围界限的显示样式。
13.根据权利要求5至12中的任一项所述的方法,其中,所确定(160)的新的上扫描范围界限和/或下扫描范围界限被作为建议的替代方案呈现给所述用户,以避免或减少重建伪影。
14.根据权利要求5至13中的任一项所述的方法,其中,所述新的上扫描范围界限和/或下扫描范围界限是通过将在所述参数选择中获得(120)的所述上扫描范围界限和/或所述下扫描范围界限在所述轴向方向上远离所述扫描范围的中心移动来确定(160)的。
15.一种计算机程序产品,其用于在被于计算机上执行时执行根据权利要求5至14中的任一项所述的方法。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
EP21169685.1A EP4079226A1 (en) | 2021-04-21 | 2021-04-21 | Planning of wide-coverage axial ct scans |
EP21169685.1 | 2021-04-21 | ||
PCT/EP2022/059119 WO2022223296A1 (en) | 2021-04-21 | 2022-04-06 | Planning of wide-coverage axial ct scans |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117177712A true CN117177712A (zh) | 2023-12-05 |
Family
ID=75639677
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202280029791.3A Pending CN117177712A (zh) | 2021-04-21 | 2022-04-06 | 宽覆盖轴向ct扫描的规划 |
Country Status (3)
Country | Link |
---|---|
EP (2) | EP4079226A1 (zh) |
CN (1) | CN117177712A (zh) |
WO (1) | WO2022223296A1 (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP4311494A1 (en) * | 2022-07-28 | 2024-01-31 | Koninklijke Philips N.V. | A ct scanner and a scanning method for performing a brain scan |
CN116982999A (zh) * | 2023-08-03 | 2023-11-03 | 华西精创医疗科技(成都)有限公司 | 多模态ct影像同质化辅助方法和系统 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1825811B1 (en) * | 2006-02-27 | 2015-08-26 | Kabushiki Kaisha Toshiba | Image display apparatus and x-ray computed tomography apparatus |
JP2008237886A (ja) | 2007-02-28 | 2008-10-09 | Toshiba Corp | X線ct装置及びその制御方法 |
JP2008302099A (ja) * | 2007-06-11 | 2008-12-18 | Ge Medical Systems Global Technology Co Llc | X線断層撮影装置 |
JP5479069B2 (ja) * | 2009-12-17 | 2014-04-23 | 株式会社東芝 | X線ct装置及びx線ct装置の制御方法 |
EP3912557B1 (en) * | 2014-01-27 | 2024-06-12 | Epica International Inc. | Radiological imaging device with advanced sensors |
-
2021
- 2021-04-21 EP EP21169685.1A patent/EP4079226A1/en not_active Withdrawn
-
2022
- 2022-04-06 CN CN202280029791.3A patent/CN117177712A/zh active Pending
- 2022-04-06 WO PCT/EP2022/059119 patent/WO2022223296A1/en active Application Filing
- 2022-04-06 EP EP22721043.2A patent/EP4326154A1/en active Pending
Also Published As
Publication number | Publication date |
---|---|
WO2022223296A1 (en) | 2022-10-27 |
EP4079226A1 (en) | 2022-10-26 |
EP4326154A1 (en) | 2024-02-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US7177453B2 (en) | Method and apparatus for partitioning a volume | |
EP2490593B1 (en) | Acquisition protocol assessment apparatus | |
JP5192372B2 (ja) | X線ct装置 | |
US8649480B2 (en) | X-ray CT apparatus and tomography method | |
EP2428163B1 (en) | Methods and systems for dynamically modifying acquisition parameter during image acquisition | |
US10638993B2 (en) | Computed tomography apparatus and control method for the same | |
US10130320B2 (en) | X-ray CT apparatus and image diagnostic apparatus | |
US20190266729A1 (en) | Medical image processing apparatus, medical image processing method, and x-ray ct apparatus | |
US9008274B2 (en) | Systems and methods for selecting image display parameters | |
JP5028528B2 (ja) | X線ct装置 | |
US11497459B2 (en) | Methods and system for optimizing an imaging scan based on a prior scan | |
US10881373B2 (en) | X-ray CT apparatus | |
CN117177712A (zh) | 宽覆盖轴向ct扫描的规划 | |
JP2007181623A (ja) | X線ct装置 | |
US10593022B2 (en) | Medical image processing apparatus and medical image diagnostic apparatus | |
JP2016026556A (ja) | X線ct装置及び画像処理装置 | |
US10945697B2 (en) | X-ray CT apparatus | |
US9826952B2 (en) | X-ray CT apparatus and scanning method | |
WO2006090321A1 (en) | Determination of the coverage of a ct scan | |
JP5042533B2 (ja) | 医用画像表示装置 | |
JP5806812B2 (ja) | X線ct装置 | |
CN113940691A (zh) | 用于图像采集的患者定位的系统和方法 | |
WO2015020981A2 (en) | Systems and methods for determining radiation dose in computed tomography scans | |
JP2023090527A (ja) | 医用画像処理装置、医用画像処理方法、およびプログラム | |
CN112513925A (zh) | 为ct虚拟单色提供自动自适应能量设置的方法 |
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 |