CN117679067A - 散射伪影校正方法、装置、医学成像设备及存储介质 - Google Patents
散射伪影校正方法、装置、医学成像设备及存储介质 Download PDFInfo
- Publication number
- CN117679067A CN117679067A CN202311781320.0A CN202311781320A CN117679067A CN 117679067 A CN117679067 A CN 117679067A CN 202311781320 A CN202311781320 A CN 202311781320A CN 117679067 A CN117679067 A CN 117679067A
- Authority
- CN
- China
- Prior art keywords
- target
- data
- scattering
- attribute data
- correction
- 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
- 238000012937 correction Methods 0.000 title claims abstract description 165
- 238000000034 method Methods 0.000 title claims abstract description 51
- 238000002059 diagnostic imaging Methods 0.000 title claims abstract description 16
- 238000003860 storage Methods 0.000 title claims abstract description 8
- 238000004088 simulation Methods 0.000 claims description 73
- 239000000463 material Substances 0.000 claims description 68
- 238000013507 mapping Methods 0.000 claims description 41
- 238000002156 mixing Methods 0.000 claims description 30
- 230000037237 body shape Effects 0.000 claims description 29
- 238000004590 computer program Methods 0.000 claims description 10
- 230000008520 organization Effects 0.000 claims description 4
- 230000000694 effects Effects 0.000 abstract description 21
- 238000003384 imaging method Methods 0.000 abstract description 12
- 210000001519 tissue Anatomy 0.000 description 54
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 11
- 238000012545 processing Methods 0.000 description 10
- 210000000988 bone and bone Anatomy 0.000 description 8
- 238000002591 computed tomography Methods 0.000 description 8
- 230000005855 radiation Effects 0.000 description 8
- 238000004422 calculation algorithm Methods 0.000 description 6
- 238000000342 Monte Carlo simulation Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 210000004072 lung Anatomy 0.000 description 4
- 238000013473 artificial intelligence Methods 0.000 description 3
- 238000010276 construction Methods 0.000 description 3
- 238000009826 distribution Methods 0.000 description 3
- 230000000877 morphologic effect Effects 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- 229920002430 Fibre-reinforced plastic Polymers 0.000 description 2
- 239000002131 composite material Substances 0.000 description 2
- 238000005094 computer simulation Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 239000011151 fibre-reinforced plastic Substances 0.000 description 2
- 238000002595 magnetic resonance imaging Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 210000000577 adipose tissue Anatomy 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000003759 clinical diagnosis Methods 0.000 description 1
- 239000002872 contrast media Substances 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 238000011478 gradient descent method Methods 0.000 description 1
- 210000003128 head Anatomy 0.000 description 1
- 210000002216 heart Anatomy 0.000 description 1
- 210000004185 liver Anatomy 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 210000000056 organ Anatomy 0.000 description 1
- 230000000704 physical effect Effects 0.000 description 1
- 238000002922 simulated annealing Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Landscapes
- Apparatus For Radiation Diagnosis (AREA)
Abstract
本发明公开了一种散射伪影校正方法、装置、医学成像设备及存储介质。首先确定受检者的目标扫描对象的分类型属性数据。接着,构建与分类型属性数据匹配的目标散射系数,以获得更适应个体化的目标散射系数。然后,利用目标散射系数对扫描目标产生的接收数据进行散射校正,得到校正后数据,可以提高散射校正效果,同时在保持稳定快速的基础上实现更好的成像效果,进而提高图像的清晰度和质量。
Description
技术领域
本发明涉及医学影像技术领域,尤其涉及一种散射伪影校正方法、装置、医学成像设备及存储介质。
背景技术
随着CT(Computed Tomography,计算机断层扫描)的发展,单次曝光在轴向上覆盖的范围越来越广。但同时也容易受到散射伪影的影响,从而导致图像CT值不准确以及图像对比度降低等问题。因此,有必要提供一种散射伪影校正方法,提高散射校正效果。
发明内容
本说明书实施方式旨在至少在一定程度上解决相关技术中的技术问题之一。为此,本说明书实施方式提出一种散射伪影校正方法、装置、医学成像设备及存储介质。
本说明书实施方式提供一种散射伪影校正方法,所述方法包括:
确定受检者的目标扫描对象的分类型属性数据;
构建与所述分类型属性数据匹配的目标散射系数;
利用所述目标散射系数,对扫描所述目标扫描对象产生的接收数据进行散射校正,得到校正后数据。
在其中一个实施方式中,所述分类型属性数据包括所述受检者的身形特征、所述目标扫描对象所处的目标身体部位、射线在所述目标扫描对象中所经过的区域的目标结构成分数据中的至少一个属性数据。
在其中一个实施方式中,所述分类型属性数据包括第一属性数据和第二属性数据,所述第一属性数据不同于所述第二属性数据,所述第一属性数据和所述第二属性数据分别包括所述受检者的身形特征、所述目标扫描对象所处的目标身体部位、射线在所述目标扫描对象中所经过的区域的目标结构成分数据中的至少一个属性数据;所述构建与所述分类型属性数据匹配的目标散射系数,包括:
根据所述第一属性数据确定对应的基准散射系数;
根据所述第二属性数据调整所述基准散射系数,得到所述目标散射系数。
在其中一个实施方式中,根据所述第二属性数据调整所述基准散射系数,得到所述目标散射系数,包括:
根据所述第二属性数据和散射修正映射关系,确定所述第二属性数据对应的目标修正系数;其中,所述散射修正映射关系用于表征第二属性数据与修正用系数之间的对应关系;
基于所述基准散射系数构建所述目标散射系数,包括:
基于所述目标修正系数和所述基准散射系数构建所述目标散射系数。
在其中一个实施方式中,通过以下方式得到所述散射修正映射关系:
构建多种模拟组织类型各自对应的模拟扫描对象;其中,所述模拟扫描对象具有在任一模拟组织类型下的多个不同模拟参数值,所述模拟参数值用于描述模拟射线在模拟扫描对象的经过的区域的第二属性数据;
获取每个模拟参数值在所述任一模拟组织类型下对应的衰减数据;其中,所述衰减数据用于表征模拟射线经过模拟扫描对象后的衰减情况;
基于所述多个不同模拟参数值以及所述每个模拟参数值对应的衰减数据进行拟合,得到所述任一模拟组织类型下的模拟类型映射关系;
基于所述多种模拟组织类型各自对应的模拟类型映射关系构建所述散射修正映射关系。
在其中一个实施方式中,所述模拟组织类型包括以下情况中的至少一个:
不同厚度的均质材料;其中,所述模拟参数值对应为厚度;
不同厚度和不同混合比例的混合材料;其中,所述模拟参数值对应为厚度和混合比例;
不同形状的材料;其中,所述模拟参数值对应为形状;
不同摆放位置的材料;其中,所述模拟参数值对应为偏心数据;
不同的发射角度;其中,所述模拟参数值对应为发射角度。
在其中一个实施方式中,所述第一属性数据为所述目标扫描对象所处的目标身体部位,所述第二属性数据为目标结构成分数据。
在其中一个实施方式中,通过以下方式确定所述目标结构成分数据,包括:
获取所述目标扫描对象的扫描数据;其中,所述扫描数据包括平片数据和/或轴扫数据;
基于所述扫描数据对所述目标扫描对象的结构成分进行预估,得到所述目标结构成分数据。
在其中一个实施方式中,所述利用所述目标散射系数,对扫描所述目标扫描对象产生的接收数据进行散射校正,得到校正后数据,包括:
利用所述目标散射系数与所述接收数据进行卷积处理,得到散射数据;
从所述接收数据中减去所述散射数据,得到所述校正后数据。
本说明书实施方式提供一种散射伪影校正装置,所述装置包括:
分类型属性确定模块,用于确定受检者的目标扫描对象的分类型属性数据;
目标散射系数匹配模块,用于构建与所述分类型属性数据匹配的目标散射系数;
接收数据校正模块,用于利用所述目标散射系数,对扫描所述目标扫描对象产生的接收数据进行散射校正,得到校正后数据。
本说明书实施方式提供一种医学成像设备,所述医学成像设备包括:存储器,以及与所述存储器通信连接的一个或多个处理器;所述存储器中存储有可被所述一个或多个处理器执行的指令,所述指令被所述一个或多个处理器执行,以使所述一个或多个处理器实现上述任一项实施方式所述的方法的步骤。
本说明书实施方式提供计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现上述任一项实施方式所述的方法的步骤。
本说明书实施方式提供一种计算机程序产品,所述计算机程序产品中包括指令,所述指令被计算机设备的处理器执行时,使得所述计算机设备能够执行上述任一项实施方式所述的方法的步骤。
上述说明书实施方式中,首先确定受检者的目标扫描对象的分类型属性数据。接着,构建与分类型属性数据匹配的目标散射系数,以获得更适应个体化的目标散射系数。然后,利用目标散射系数对扫描目标产生的接收数据进行散射校正,得到校正后数据,可以提高散射校正效果,同时在保持稳定快速的基础上实现更好的成像效果,进而提高图像的清晰度和质量。
附图说明
图1a为本说明书实施方式提供的散射伪影校正方法的流程图;
图1b为本说明书实施方式提供的散射伪影校正方法的流程图;
图2a为本说明书实施方式提供的构建目标散射系数的流程示意图;
图2b为本说明书实施方式提供的构建目标卷积核的流程示意图;
图3为本说明书实施方式提供的构建目标散射系数的流程示意图;
图4为本说明书实施方式提供的构建目标卷积核的流程示意图;
图5为本说明书实施方式提供的得到目标卷积核的流程示意图;
图6为本说明书实施方式提供的得到目标结构成分数据的流程示意图;
图7a为本说明书实施方式提供的得到校正后数据的流程示意图;
图7b为本说明书实施方式提供的得到校正后数据的流程示意图;
图8为本说明书实施方式提供的得到散射修正映射关系的流程示意图;
图9为本说明书实施方式提供的散射伪影校正方法的流程示意图;
图10为本说明书实施方式提供的散射伪影校正装置的示意图。
具体实施方式
下面详细描述本发明的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,旨在用于解释本发明,而不能理解为对本发明的限制。
随着CT(Computed Tomography,计算机断层扫描)的发展,单次曝光在轴向上覆盖的范围越来越广。但同时也容易受到散射伪影的影响,从而导致图像CT值不准确以及图像对比度降低等问题。
相关技术中,可以通过空气间隙法、防散栅法等硬件方法实现散射伪影校正。然而,上述硬件方法会增加设备成本,同时可能引入其他的伪影。
相关技术中,可以通过卷积法、反卷积法等软件方法实现散射伪影校正。然而,卷积法、反卷积法依赖卷积核的构造,但由于卷积核的设计难度,导致得到的散射数据的准确度有待提高。
相关技术中,可以通过蒙特卡洛模拟法实现散射伪影校正。具体地,蒙特卡洛模拟法基于平片数据或者轴扫数据,构建三维图像信息。然后,模拟散射效应,把散射信号从接受信号中剔除,以实现散射伪影校正。然而,蒙特卡洛模拟法由于涉及蒙卡模拟,计算耗时,在临床使用时会存在问题。
相关技术中,可以基于人工智能(AI)训练的方法实现散射伪影校正。具体地,首先获取扫描对象的定位像,接着基于训练好的散射校正模型,根据定位像,确定扫描对象的散射分布估计信息,然后基于定位像获取扫描对象的扫描信息,最后根据散射分布估计信息对扫描信息进行散射校正。或者,首先获取扫描对象的定位扫描数据。接着获取所述扫描对象的断层扫描数据。然后基于所述断层扫描数据,确定所述扫描对象的散射估计数据,最后基于所述散射估计数据以及目标匹配条件,确定目标数据,所述目标匹配条件与所述定位扫描数据有关。然而,由于实际扫描患者体型和部位众多,并且存在各种不确定的临床因素,很难评估所有情况下的各个角度散射信息。
相关技术中,首先基于定位片构建三维图像信息,接着将三维图像信息通过蒙特卡罗算法计算散射信号集,然后将散射信号集从扫描投影IT中剔除,获取校正数据IP,最后基于校正数据IP获取校正图像。然而,上述实施方式计算耗时,且在临床使用时会存在问题。
基于此,本说明书实施方式提供一种散射伪影校正方法。首先确定受检者的目标扫描对象的分类型属性数据。接着,构建与分类型属性数据匹配的目标散射系数,以获得更适应个体化的目标散射系数。然后,利用目标散射系数对扫描目标产生的接收数据进行散射校正,得到校正后数据,可以提高散射校正效果,同时在保持稳定快速的基础上实现更好的成像效果,进而提高图像的清晰度和质量。
本说明书实施方式提供一种散射伪影校正方法,请参阅图1a,该散射伪影校正方法可以包括以下步骤:
S110a、确定受检者的目标扫描对象的分类型属性数据。
S120a、构建与分类型属性数据匹配的目标散射系数。
S130a、利用目标散射系数,对扫描目标扫描对象产生的接收数据进行散射校正,得到校正后数据。
其中,受检者可以是接收医学影像检查的人群。目标扫描对象可以是受检者的心脏、肺、头部或者肝部等。分类型属性数据可以是用于描述目标扫描对象所属类型的属性数据。比如分类型属性数据可以用于描述受检者的身形情况,比如分类型属性数据可以用于描述目标扫描对象所处的身体部位,比如分类型属性数据可以用于描述目标扫描对象中不同组织或材料的成分信息。不同的分类型属性数据对应不同的目标散射系数,进而利用目标散射系数,可以实现近似“一对一”的特异性散射校正,提升校正数据的准确性。
其中,目标散射系数可以是用于散射校正所用到的校正系数。一般情况下,目标散射系数可以采用目标卷积核或者目标散射核的形式进行表示。目标散射系数可以是一个倒V形曲线,V性曲线的端部接近于零或等于零,中间接近1或等于1。
在一些情况下,由于个体之间的差异化,可以得知不同受检者的相同的目标扫描对象的分类型属性数据可能是不相同的。因此,需要确定目标扫描对象的分类型属性数据,以确定更适用于目标扫描对象的用于散射校正的散射系数。由于个体之间的差异化,因此,需要确定受检者的目标扫描对象的分类型属性数据,以使用与分类型属性数据匹配的目标散射系数进行散射校正。
具体地,在向受检者照射射线之前,不仅需要确定需要照射的目标扫描对象,而且需要获取到受检者的生物特征信息,比如年龄、性别、身高、体重、腰围、体脂率、脂肪分布、体型比例等中至少部分信息,还需要确定目标扫对象所处的身体部位,可以基于目标扫描对象所处的身体部位和/或受检者的生物特征信息确定受检者的目标扫描对象的分类型属性数据。
进一步地,在确定目标扫描对象的分类型属性数据后,为了能够针对受检者的实际情况确定与受检者匹配的散射系数,从而能够有针对性准确地进行散射校正,所以构建与分类型属性数据匹配的目标散射系数。在确定目标散射系数后,利用目标散射系数,对扫描目标扫描对象产生的接收数据进行散射校正,以抑制或消除散射造成的伪影效应,得到校正后数据。校正后数据应当相对于原始数据来说,具有更高的质量和更准确的成像信息,能够更好地反映扫描对象的真实结构和特征。
上述实施方式中,首先确定受检者的目标扫描对象的分类型属性数据。接着,构建与分类型属性数据匹配的目标散射系数,以获得更适应个体化的目标散射系数。然后,利用目标散射系数对扫描目标产生的接收数据进行散射校正,得到校正后数据,可以提高散射校正效果,同时在保持稳定快速的基础上实现更好的成像效果,进而提高图像的清晰度和质量。
在一些实施方式中,分类型属性数据包括受检者的身形特征、目标扫描对象所处的目标身体部位、射线在目标扫描对象中所经过的区域的目标结构成分数据中的至少一个属性数据。
可以理解的是,可以构建与目标身体部位匹配的目标散射系数。可以构建与受检者的身形特征匹配的目标散射系数。可以构建与目标结构成分数据匹配的目标散射系数。可以构建与目标身体部位、受检者的身形特征匹配的目标散射系数。可以构建与受检者的身形特征、目标结构成分数据匹配的目标散射系数。可以构建与目标身体部位、目标结构成分数据匹配的目标散射系数。
具体地,目标散射系数可以采用目标卷积核。请参阅图1b,该散射伪影校正方法可以包括以下步骤:
S110b、确定受检者的目标扫描对象的分类型属性数据。
其中,分类型属性数据包括受检者的身形特征、目标扫描对象所处的目标身体部位、射线在目标扫描对象中所经过的区域的目标结构成分数据中的至少一个。目标结构成分数据可以指的是目标扫描对象中不同组织或材料的成分信息,这些特征对应着不同的物理性质和影像特征,比如目标结构成分数据可以包括目标身体部位的密度、脂肪比例等。身形特征可能会涉及到受检者的身高、体重、肢体比例等方面的信息。比如,对于儿童和成人来说,由于身高和体重往往存在明显的差异,则身形特征也会不同,这些数据可以作为身形特征的一种衡量指标。
具体地,根据具体的需求和实际情况,确定可以影响散射校正的结构成分数据。在确定能够影响散射校正的结构成分数据后,可以通过直接或间接的方法确定受检者的身形特征、目标扫描对象所处的目标身体部位、射线在目标扫描对象中所经过的区域的目标结构成分数据中的至少一个。
在一些实施方式中,在需要进行正式扫描之前,可以基于扫描目的确定目标扫描对象,并进一步地将目标扫描对象所处的身体部位作为目标身体部位,从而得到目标扫描对象的分类型属性数据。比如,若一次扫描的扫描目的是检测肺部情况,则目标扫描对象为肺部,又由于肺位于胸部部位,则确定胸部部位为目标身体部位,即此次扫描的目标扫描对象的分类型属性数据为胸部部位,以确定与胸部部位匹配的目标卷积核。
在另一些实施方式中,不同受检者对应有不同的身形特征,因此,为了确定与扫描对象匹配的目标卷积核,需要确定受检者对应的身形特征。进而根据受检者的身形特征,匹配与之对应的目标卷积核。具体地,可以收集受检者的基本信息,包括年龄、性别、身高、体重等,基于收集到的受检者的基本信息确定受检者的身形特征,并作为目标扫描对象的分类型属性数据。示例性地,将受检者的身高体重数据与相应年龄段的标准身高体重数据进行比较,以确定受检者的身形特征。进一步地根据受检者的身形特征,匹配与之对应的目标卷积核。比如,根据受检者的年龄确定成人年龄段,将受检者的身高体重数据与相应年龄段的成人标准身高体重数据进行比较,以确定受检者的身形特征。根据受检者的年龄确定儿童年龄段,将受检者的身高体重数据与相应年龄段的儿童标准身高体重数据进行比较,以确定受检者的身形特征。
在又一些实施方式中,不同扫描对象对应有不同的形状,不同扫描对象对应有不同的组织成分,因此,为了确定与扫描对象匹配的目标卷积核,需要确定扫描对象对应的结构成分数据。具体地,可以预先建立扫描对象与结构成分数据之间的对应关系,在确定目标扫描对象后,利用目标扫描对象在扫描对象与结构成分数据之间的对应关系中进行查找,得到射线在所述目标扫描对象中所经过的区域的目标结构成分数据,作为目标扫描对象的分类型属性数据。也可以预先建立身体部位与结构成分数据之间的对应关系,在确定目标扫描对象所处的目标身体部位后,利用目标身体部位在身体部位与结构成分数据之间的对应关系中进行查找,得到射线在所述目标扫描对象中所经过的区域的目标结构成分数据,作为目标扫描对象的分类型属性数据。
S120b、构建与分类型属性数据匹配的目标卷积核。
S130b、利用目标卷积核,对扫描目标扫描对象产生的接收数据进行散射校正,得到校正后数据。
具体地,在确定目标扫描对象的分类型属性数据后,可以根据目标扫描对象所处的目标身体部位确定与之对应的卷积核作为目标卷积核。也可以根据受检者的身形特征确定与之对应的卷积核作为目标卷积核。在另一些实施方式中,可以在根据目标扫描对象所处的目标身体部位或者根据受检者的身形特征确定与之对应的卷积核后,再根据射线在目标扫描对象中所经过的区域的目标结构成分数据确定目标结构成分数据对应的修正系数。根据目标结构成分数据对应的修正系数对目标身体部位对应的卷积核进行修正,得到目标卷积核。在又一些实施方式中,在误差允许的范围内,可以将一个通用的、不随具体目标扫描对象或目标身体部位变化而变化的卷积核作为目标扫描对象所处的目标身体部位对应的初始卷积核,然后根据射线在目标扫描对象中所经过的区域的目标结构成分数据确定目标结构成分数据对应的修正系数。根据目标结构成分数据对应的修正系数对初始卷积核进行修正,得到目标卷积核。在确定目标卷积核后,利用目标卷积核,对扫描目标扫描对象产生的接收数据进行散射校正,得到校正后数据。
上述实施方式中,根据受检者的身形特征、目标扫描对象所处的目标身体部位、射线在目标扫描对象中所经过的区域的目标结构成分数据中的至少一个,确定受检者的目标扫描对象的分类型属性数据。接着,构建与分类型属性数据匹配的目标卷积核,以获得更适应个体化的目标卷积核。然后,利用目标卷积核对扫描目标产生的接收数据进行散射校正,得到校正后数据,可以提高散射校正效果,同时在保持稳定快速的基础上实现更好的成像效果,进而提高图像的清晰度和质量。
在一些实施方式中,分类型属性数据包括第一属性数据和第二属性数据,第一属性数据不同于第二属性数据。第一属性数据和第二属性数据分别包括受检者的身形特征、目标扫描对象所处的目标身体部位、射线在目标扫描对象中所经过的区域的目标结构成分数据中的至少一个属性数据。请参阅图2a,构建与分类型属性数据匹配的目标散射系数,可以包括以下步骤:
S210a、根据第一属性数据确定对应的基准散射系数。
S220a、根据第二属性数据调整基准散射系数,得到目标散射系数。
具体地,若第一属性数据可以为受检者的身形特征,则第二属性数据为目标扫描对象所处的目标身体部位和/或目标结构成分数据。确定与受检者的身形特征对应的基准散射系数,利用目标扫描对象所处的目标身体部位和/或目标结构成分数据对基准散射系数进行调整,得到目标散射系数。
若第一属性数据可以为目标扫描对象所处的目标身体部位,则第二属性数据为受检者的身形特征和/或目标结构成分数据。确定与目标扫描对象所处的目标身体部位对应的基准散射系数,利用受检者的身形特征和/或目标结构成分数据对基准散射系数进行调整,得到目标散射系数。
若第一属性数据可以为目标结构成分数据,则第二属性数据为受检者的身形特征和/或目标扫描对象所处的目标身体部位。确定与目标结构成分数据对应的基准散射系数,利用受检者的身形特征和/或目标扫描对象所处的目标身体部位对基准散射系数进行调整,得到目标散射系数。
若第一属性数据可以为目标结构成分数据和受检者的身形特征,则第二属性数据为目标扫描对象所处的目标身体部位。确定与目标结构成分数据和受检者的身形特征对应的基准散射系数,利用目标扫描对象所处的目标身体部位对基准散射系数进行调整,得到目标散射系数。
若第一属性数据可以为目标结构成分数据和目标扫描对象所处的目标身体部位,则第二属性数据为受检者的身形特征。确定与目标结构成分数据和目标扫描对象所处的目标身体部位对应的基准散射系数,利用受检者的身形特征对基准散射系数进行调整,得到目标散射系数。
若第一属性数据可以为目标扫描对象所处的目标身体部位和受检者的身形特征,则第二属性数据为目标结构成分数据。确定与目标扫描对象所处的目标身体部位和受检者的身形特征对应的基准散射系数,利用目标结构成分数据对基准散射系数进行调整,得到目标散射系数。
上述实施方式中,根据第一属性数据确定对应的基准散射系数。可以个性化的确定基准散射系数,也可以更精准地确定基准散射系数。根据第二属性数据调整基准散射系数,得到目标散射系数,可以提高散射校正效果。
示例性地,基准散射系数可以采用基准卷积核。目标散射系数可以采用目标卷积核。请参阅图2b,若分类型属性数据包括目标身体部位,构建与分类型属性数据匹配的目标卷积核,可以包括以下步骤:
S210b、根据目标身体部位确定对应的基准卷积核。
S220b、基于基准卷积核构建目标卷积核。
其中,目标身体部位可以是射线所穿过的人体部位,比如目标身体部位可以是大脑。
具体地,根据目标身体部位的信号特征和结构成分数据,可以确定与目标身体部位对应的基准卷积核,以实现基准卷积核与目标身体部位的匹配。在一些实施方式中,可以将基准卷积核直接作为目标卷积核。在另一些实施方式中,可以利用优化算法在大量数据上进行高效搜索,找到可以提升基准卷积核性能的参数,以最大化与目标身体部位的匹配度。示例性地,优化算法可以是梯度下降法、遗传算法、模拟退火算法等。在又一实施方式中,可以基于受检者的身形特征和/或目标结构成分数据对基准卷积核进行调整,以构建目标卷积核。
在一些实施方式中,在计算机设备中预先存储有身体部位与卷积核之间的对应关系数据。在确定目标身体部位后,可以在身体部位与卷积核之间的对应关系数据中进行查找,确定目标身体部位对应的卷积核为基准卷积核。在另一些实施方式中,在计算机设备中预先存储有身体部位的厚度、材料与卷积核之间的对应关系数据。在确定目标部位后,可以通过AI识别方式确定目标部位的材料以及厚度,从而在身体部位的厚度、材料与卷积核之间的对应关系数据进行查找,确定目标身体部位对应的卷积核为基准卷积核。
上述实施方式中,根据目标身体部位确定对应的基准卷积核,可以个性化的确定基准卷积核,也可以更精准地确定基准卷积核。基于基准卷积核构建目标卷积核,可以提高散射校正效果。
在一些实施方式中,请参阅图3,根据第二属性数据调整基准散射系数,得到目标散射系数,包括:
S310、根据第二属性数据和散射修正映射关系,确定第二属性数据对应的目标修正系数。
基于基准散射系数构建目标散射系数,包括:
S320、基于目标修正系数和基准散射系数构建目标散射系数。
其中,散射修正映射关系用于表征结构成分数据与修正用系数之间的对应关系。目标修正系数用于调整基准散射系数以适应目标结构成分数据的参数。
具体地,根据第一属性数据确定对应的基准散射系数,即不同的第一属性数据对应不同的基准散射系数。将第二属性数据代入散射修正映射关系中,可以确定第二属性数据对应的目标修正系数。利用目标修正系数对基准散射系数进行调整,得到适用于目标扫描对象的目标散射系数。
示例性地,若第一属性数据可以为受检者的身形特征,则第二属性数据为所述目标扫描对象所处的目标身体部位和/或目标结构成分数据。确定与受检者的身形特征对应的基准散射系数后,将目标扫描对象所处的目标身体部位和/或目标结构成分数据代入散射修正映射关系中,可以确定与目标扫描对象所处的目标身体部位和/或目标结构成分数据对应的目标修正系数,利用目标修正系数对所述基准散射系数进行调整,得到所述目标散射系数。
上述实施方式中,根据目标结构成分数据和散射修正映射关系确定目标结构成分数据对应的目标修正系数,基于目标修正系数对基准修正系数进行调整,可以得到更为准确的目标修正系数,从而提高散射校正效果。
示例性地,基准散射系数可以采用基准卷积核。目标散射系数可以采用目标卷积核。第一属性数据为目标扫描对象所处的目标身体部位,第二属性数据为目标结构成分数据。请参阅图4,若分类型属性数据还包括目标结构成分数据,在基于基准卷积核构建目标卷积核之前,该方法还可以包括:
S410、根据目标结构成分数据和散射修正映射关系,确定目标结构成分数据对应的目标修正系数。
基于基准卷积核构建目标卷积核,包括:
S420、基于目标修正系数和基准卷积核构建目标卷积核。
具体地,根据目标身体部位确定对应的基准卷积核,即不同的目标身体部位对应不同的基准卷积核。从目标结构成分数据中,逐一提取每一个结构成分数据的数值。将任一结构成分数据的数值代入散射修正映射关系中该结构成分数据与修正用系数之间的对应关系中,可以确定该结构成分数据的数值对应的目标修正系数。对于每一个结构成分数据的数值,重复上述操作,直到所有结构成分数据的数值都经过了匹配并确定对应的目标修正系数。利用目标修正系数对基准卷积核进行调整,得到适用于目标扫描对象的目标卷积核。
示例性地,散射修正映射关系包括结构成分数据厚度与修正用系数之间的对应关系,可以表示为y=f(x)。散射修正映射关系包括结构成分数据混合比例与修正用系数之间的对应关系,可以表示为y=f1(x)。目标身体部位A对应的目标结构成分数据可以包括厚度a1。目标身体部位B对应的目标结构成分数据可以包括厚度b1和混合比例r1。目标身体部位A对应的基准卷积核为kernel_baseA,目标身体部位B对应的基准卷积核为kernel_baseB。
将目标身体部位A对应的目标结构成分数据中的厚度a1带入y=f(x)进行计算,可以得到厚度a1对应的目标修正系数f(a1)。将目标身体部位B对应的目标结构成分数据中的厚度b1带入y=f(x)进行计算,可以得到厚度b1对应的目标修正系数f(b1)。将目标身体部位B对应的目标结构成分数据中的混合比例r1带入y=f1(x)进行计算,可以得到混合比例r1对应的目标修正系数f1(r1)。
将基准卷积核kernel_baseA与目标修正系数f(a1)进行卷积处理,可以实现对目标身体部位A对应的基准卷积核的调整,得到目标身体部位A对应的目标卷积核即目标卷积核等于f(a1)**kernel_baseA。
将基准卷积核kernel_baseB与目标修正系数f(b1)和f1(r1)进行卷积处理,可以实现对目标身体部位B对应的基准卷积核的调整,得到目标身体部位B对应的目标卷积核即目标卷积核等于f(b1)*f1(r1)**kernel_baseB。
上述实施方式中,根据目标结构成分数据和散射修正映射关系确定目标结构成分数据对应的目标修正系数,基于目标修正系数对基准卷积核进行调整,可以得到更为准确的目标卷积核,从而提高散射校正效果。
示例性地,基准散射系数可以采用基准卷积核。目标散射系数可以采用目标卷积核。在一些实施方式中,请参阅图5,若分类型属性数据包括目标结构成分数据,构建与分类型属性数据匹配的目标卷积核,可以包括以下步骤:
S510、根据目标结构成分数据和散射修正映射关系确定目标结构成分数据对应的目标修正系数。
S520、基于目标修正系数对基准卷积核进行调整,得到目标卷积核。
其中,散射修正映射关系用于表征结构成分数据与修正用系数之间的对应关系。
具体地,基准卷积核可以是一个通用的、不随具体目标扫描对象或目标身体部位变化而变化的卷积核,即不同的目标身体部位对应同一个基准卷积核。在确定目标结构成分数据后,从目标结构成分数据中,逐一提取每一个结构成分数据的数值。将任一结构成分数据的数值代入散射修正映射关系中该结构成分数据与修正用系数之间的对应关系中,可以确定该结构成分数据的数值对应的目标修正系数。对于每一个结构成分数据的数值,重复上述操作,直到所有结构成分数据的数值都经过了匹配并确定对应的目标修正系数。利用目标修正系数对基准卷积核进行调整,得到适用于目标扫描对象的目标卷积核。
示例性地,散射修正映射关系包括结构成分数据厚度与修正用系数之间的对应关系,可以表示为y=f(x)。散射修正映射关系包括结构成分数据混合比例与修正用系数之间的对应关系,可以表示为y=f1(x)。目标身体部位C对应的目标结构成分数据可以包括厚度c1。目标身体部位D对应的目标结构成分数据可以包括厚度d1和混合比例r2。目标身体部位C对应的基准卷积核为kernel_constant,目标身体部位D对应的基准卷积核为kernel_constant。
将目标身体部位C对应的目标结构成分数据中的厚度c1代入y=f(x)进行计算,可以得到厚度c1对应的目标修正系数f(c1)。将目标身体部位D对应的目标结构成分数据中的厚度d1带入y=f(x)进行计算,可以得到厚度d1对应的目标修正系数f(d1)。将目标身体部位D对应的目标结构成分数据中的混合比例r2带入y=f1(x)进行计算,可以得到混合比例r2对应的目标修正系数f1(r2)。
将基准卷积核kernel_constant与目标修正系数f(c1)进行卷积处理,可以实现对目标身体部位C对应的基准卷积核的调整,得到目标身体部位C对应的目标卷积核即目标卷积核等于f(c1)**kernel_constant。
将基准卷积核kernel_constant与目标修正系数f(d1)和f1(r2)进行卷积处理,可以实现对目标身体部位D对应的基准卷积核的调整,得到目标身体部位D对应的目标卷积核即目标卷积核等于f(d1)*f1(r2)**kernel_constant。
上述实施方式中,根据目标结构成分数据和散射修正映射关系确定目标结构成分数据对应的目标修正系数,基于目标修正系数对基准卷积核进行调整,可以得到更为准确的目标卷积核,从而提高散射校正效果。
在一些实施方式中,请参阅图6,通过以下方式确定目标结构成分数据,可以包括以下步骤:
S610、获取目标扫描对象的扫描数据。
S620、基于扫描数据对目标扫描对象的结构成分进行预估,得到目标结构成分数据。
其中,扫描数据包括平片数据和/或轴扫数据。平片数据可以指的是二维X光片、放射造影剂图像等。平片数据提供了人体内部结构的静态影像。轴扫数据可以是通过CT(计算机断层扫描)或MRI(磁共振成像)等技术获得的三维断层图像数据。相比于平片数据,轴扫数据能够提供更为详细的器官组织结构,具有更高的分辨率和临床诊断的精准性。
具体地,当目标扫描对象进入到医学成像设备所能检测到的区域范围时,通过医学成像设备可以获得目标扫描对象的扫描数据。也可以将医学成像设备对目标扫描对象进行采集得到的扫描数据存储至计算机设备中。需要时,从中读取所需的目标扫描对象的扫描数据。针对不同类型的扫描数据,可以采用不同的识别算法或特征提取技术,对目标扫描对象的扫描数据进行结构成分的预估,以得到目标结构成分数据。
示例性地,目标扫描对象的扫描数据可以是平片数据,对目标扫描对象的平片数据进行结构成分的预估,可以得到Z向不同位置的目标扫描对象的宽度、厚度、偏心数据、发射角度以及水骨比例等目标结构成分数据。其中,宽度和厚度可以预估目标扫描对象的长短轴比例,偏心数据可以预估目标扫描对象远离射线发射设备的程度和所在角度。
在一些实施方式中,可以通过人工智能(AI)的方式间接的对目标扫描对象的扫描数据进行结构成分的预估。在另一些实施方式中,可以直接通过目标扫描对象的扫描数据确定目标结构成分数据。
上述实施方式中,获取目标扫描对象的扫描数据,基于扫描数据对目标扫描对象的结构成分进行预估,得到目标结构成分数据,为后续获得目标卷积核提供数据支持。
在一些实施方式中,请参阅图7a,利用目标散射系数,对扫描目标扫描对象产生的接收数据进行散射校正,得到校正后数据,可以包括以下步骤:
S710a、利用目标散射系数与接收数据进行卷积处理,得到散射数据。
S720a、从接收数据中减去散射数据,得到校正后数据。
其中,散射数据可以指的是相对于目标扫描对象的散射成分。当X射线或其他成像辐射束与目标扫描对象发生作用时,部分辐射会发生散射现象,其中一部分被探测器接收到并记录为散射数据。
具体地,扫描目标扫描对象时,探测器接收到的数据为接收数据。为了后续校正处理,对修正后的散射系数即目标散射系数与接收数据进行卷积运算,得到散射数据,以分离出散射成分。为了消除或减少散射对成像质量的影响,从而得到更准确的成像结果,可以从接收数据中减去散射数据,得到校正后数据。
上述实施方式中,利用目标散射系数与接收数据进行卷积处理,得到散射数据,从接收数据中减去散射数据,得到校正后数据,减少散射对成像质量的影响,从而提高医学成像的质量和准确性。
示例性地,基准散射系数可以采用基准卷积核。目标散射系数可以采用目标卷积核。在一些实施方式中,请参阅图7b,利用目标卷积核,对扫描目标扫描对象产生的接收数据进行散射校正,得到校正后数据,可以包括以下步骤:
S710b、利用目标卷积核与接收数据进行卷积处理,得到散射数据。
S720b、从接收数据中减去散射数据,得到校正后数据。
具体地,利用目标卷积核,对扫描目标扫描对象产生的接收数据进行卷积处理,得到散射数据,然后从接收数据中减去散射数据,得到校正后数据的公式如下所示:
Is=Im*ul**kernel
Im’=Im-Is
ul=log(Io)-log(Im’)
其中,Is可以是散射数据,Im可以是射线穿过目标扫描对象之后探测器接收到的数据即接收数据,ul可以是射线穿过目标扫描对象的衰减数据,kernel可以是目标卷积核,Im’可以是校正后数据,Io可以是扫描空气时探测器接收到的数据。
在一些实施方式中,在第一次得到散射数据时,所利用的接收数据和衰减数据是包含散射的,因此在第一次进行散射校正得到的散射数据在数值上会产生较大误差。因此,通过校正后数据,可以确定新的衰减数据。将得到的校正后数据作为新的接收数据以实现数据的优化。通过新的衰减数据与新的接收数据,可以得到相对于第一次得到的散射数据,数据准确度有所提高的新的散射数据。可以继续重复上述操作即通过迭代的方式,可以得到更为准确的衰减数据,从而得到更为准确的散射数据。
上述实施方式中,利用目标卷积核与接收数据进行卷积处理,得到散射数据,从接收数据中减去散射数据,得到校正后数据,减少散射对成像质量的影响,从而提高医学成像的质量和准确性。
在一些实施方式中,请参阅图8,通过以下方式得到散射修正映射关系:
S810、构建多种模拟组织类型各自对应的模拟扫描对象。
其中,模拟扫描对象具有在任一模拟组织类型下的多个不同模拟参数值,模拟扫描对象可以是指通过计算机模拟技术构建的用于模拟医学成像过程的虚拟对象。模拟参数值用于描述模拟射线在模拟扫描对象的经过的区域的第二属性数据,比如模拟参数值用于描述模拟射线在模拟扫描对象的经过的区域的结构成分数据,示例性地,模拟参数值可以是密度、材料。模拟组织类型可以是指通过计算机模拟的方式来模拟人体组织或其他材料的特性和行为。
具体地,首先需要确定所涉及的模拟组织类型,例如不同厚度和不同混合比例的混合材料。基于所选定的模拟组织类型,构建与该模拟组织类型对应的模拟扫描对象。对于该模拟组织类型,确定该模拟组织类型需要考虑的多个模拟参数值,比如厚度、混合比例。重复上述操作,可以构建多种模拟组织类型各自对应的模拟扫描对象。
示例性地,可以确定所涉及的模拟组织类型为不同厚度的均质材料。均质材料可以是水。针对均质材料水,构建与之对应的模拟扫描对象。模拟扫描对象在不同厚度的水的模拟组织类型情况下,模拟参数值可以为水的厚度。
可以确定所涉及的模拟组织类型为不同厚度和不同混合比例的混合材料。混合材料可以为水骨混合材料。针对水骨混合材料,构建与之对应的模拟扫描对象。模拟扫描对象在不同厚度和不同混合比例的水骨混合材料的模拟组织类型情况下,模拟参数值可以为水骨混合材料的厚度或者水骨混合材料的混合比例。
S820、获取每个模拟参数值在任一模拟组织类型下对应的衰减数据。
其中,衰减数据用于表征模拟射线经过模拟扫描对象后的衰减情况。
具体地,首先获取医学成像设备在扫描空气时探测器接收到的数据,接着获取在任一模拟组织类型对应的模拟扫描对象下,射线经过任一模拟参数值下的模拟扫描对象时探测器接收到的数据。根据如下所示公式进行计算,可以得到每个模拟参数值在任一模拟组织类型下对应的衰减数据。
ul=log(Io)-log(Imc)
其中,ul可以是衰减数据,Io可以是扫描空气时探测器接收到的数据,Imc可以是在任一模拟组织类型对应的模拟扫描对象下,射线经过任一模拟参数值下的模拟扫描对象时探测器接收到的数据。
S830、基于多个不同模拟参数值以及每个模拟参数值对应的衰减数据进行拟合,得到任一模拟组织类型下的模拟类型映射关系。
S840、基于多种模拟组织类型各自对应的模拟类型映射关系构建散射修正映射关系。
其中,模拟类型映射关系可以用于表征任一模拟组织类型下的模拟参数值与修正用系数之间的对应关系。
具体地,在获取每个模拟参数值在任一模拟组织类型下对应的衰减数据后,可以根据具体情况选择适合的拟合模型(比如指数函数拟合、对数函数拟合、线性插值)。根据所选择的拟合模型对每个模拟参数值和与每个模拟参数值各自对应的衰减数据进行拟合处理,可以得到每个模拟参数值与修正用系数之间的对应关系,以便在任意给定的模拟参数值下,能够预测出对应的修正用系数。基于任一模拟组织类型下的多个不同模拟参数值与修正用系数之间的对应关系,可以构成任一模拟组织类型下的模拟类型映射关系。然后在多种模拟组织类型的情况下,基于每一种模拟组织类型下的模拟类型映射关系,可以构建散射修正映射关系。
示例性地,在不同厚度的均质材料的模拟组织类型情况下,可以获取不同厚度的均质材料对应的衰减数据。可以从不同厚度的均质材料中选取一个厚度作为基准厚度,将其他厚度与基准厚度进行对比,确定其他厚度的均质材料对应的衰减数据与基准厚度的均质材料对应的衰减数据之间的差异数据。基于差距数据对基准厚度对应的衰减数据进行调整,可以得到在不同厚度的均值材料的模拟组织类型下模拟参数值厚度与修正用系数之间的对应关系。通过上述方式,可以得到任一模拟组织类型下的模拟类型映射关系。比如,在不同厚度和不同混合比例的混合材料的模拟组织类型情况下,可以得到模拟参数值厚度和混合比例与修正用系数之间的对应关系。在不同形状的材料的模拟组织类型情况下,可以得到模拟参数值形状与修正用系数之间的对应关系。在不同摆放位置的材料的模拟组织类型情况下,可以得到模拟参数值偏心数据与修正用系数之间的对应关系。在不同的发射角度的模拟组织类型情况下,可以得到模拟参数值发射角度与修正用系数之间的对应关系。
上述实施方式中,构建多种模拟组织类型各自对应的模拟扫描对象,获取每个模拟参数值在任一模拟组织类型下对应的衰减数据,基于多个不同模拟参数值以及每个模拟参数值对应的衰减数据进行拟合,得到任一模拟组织类型下的模拟类型映射关系,基于多种模拟组织类型各自对应的模拟类型映射关系构建散射修正映射关系,为确定目标结构成分数据对应的目标修正系数提供数据支持。
在一些实施方式中,模拟组织类型包括以下情况中的至少一个:
不同厚度的均质材料,或者不同厚度和不同混合比例的混合材料,或者不同形状的材料,或者不同摆放位置的材料,或者不同的发射角度。
其中,在不同厚度的均质材料的模拟组织类型情况中,模拟参数值对应为厚度。在不同厚度和不同混合比例的混合材料的模拟组织类型情况中,模拟参数值对应为厚度和混合比例。在不同形状的材料的模拟组织类型情况中,模拟参数值对应为形状。在不同摆放位置的材料的模拟组织类型情况中,模拟参数值对应为偏心数据。在不同的发射角度的模拟组织类型情况中,模拟参数值对应为发射角度。均质材料可以是一些具有均匀特性的物质,比如水和骨等。混合比例是指在混合材料中各组成部分的比例关系,比如水骨比例。摆放位置可以是材料距离射线发射装置的位置。发射角度可以是射线穿过形状过滤器和其他滤过的长度不同所产生的角度。
具体地,当模拟组织类型为均质材料的情况下,模拟参数值对应着均质材料的厚度。通过调整均质材料的厚度参数,可以模拟出不同厚度的均质材料对数据的影响,从而更好地理解均质材料厚度的影响。
当模拟组织类型为混合材料的情况下,模拟参数值对应着混合材料的厚度和混合比例。在混合材料的厚度一定的情况下,通过调整混合材料的混合比例参数,可以模拟出不同混合比例的混合材料对数据的影响。在混合材料的混合比例一定的情况下,通过调整混合材料的厚度参数,可以模拟出不同厚度的混合材料对数据的影响。从而更好地理解混合材料厚度和混合比例的影响。
模拟参数值对应着材料的形状。通过调整材料的形状参数,可以模拟出不同形状的材料对数据的影响,从而更好地理解材料形状的影响。
模拟参数值对应着材料的偏心数据。通过调整材料的摆放位置,可以达到调整偏心数据的目的,可以模拟出不同摆放位置的材料对数据的影响,从而更好地理解材料摆放位置的影响。
模拟参数值对应着发射角度。通过调整形状过滤器和其他滤过的开口大小,可以达到调整发射角度的目的,可以模拟出不同发射角度对数据的影响,从而更好地理解发射角度的影响。
示例性地,可以通过蒙特卡罗模拟实现各模拟组织类型,比如可以通过geant4工具实现蒙特卡罗模拟。
在一些实施方式中,可以增加栅格/射线箱等实际对散射有影响的物理硬件,提高散射模拟的准确性。
上述实施方式中,通过构建多种模拟组织类型,有助于提高数据的多样性和适用性,并为后续获得目标修正系数提供基础。
本说明书实施方式还提供一种散射伪影校正方法,示例性地,请参阅图9,该散射伪影校正方法可以包括以下步骤:
S902、确定目标扫描对象的分类型属性数据。
其中,分类型属性数据包括受检者的身形特征、目标扫描对象所处的目标身体部位、射线在目标扫描对象中所经过的区域的目标结构成分数据中的至少一个。
具体地,通过以下方式确定目标结构成分数据:获取目标扫描对象的扫描数据,其中,扫描数据包括平片数据和/或轴扫数据;基于扫描数据对目标扫描对象的结构成分进行预估,得到目标结构成分数据。
S904、根据目标身体部位确定对应的基准卷积核。
S906、根据目标结构成分数据和散射修正映射关系,确定目标结构成分数据对应的目标修正系数。
其中,散射修正映射关系用于表征结构成分数据与修正用系数之间的对应关系。
S908、基于目标修正系数和基准卷积核构建目标卷积核。
S910、获取目标扫描对象的周围环境状态数据。
S912、基于周围环境状态数据对目标卷积核进行微调,得到微调后卷积核。
S914、通过微调后卷积核对接收数据进行散射校正,得到校正后数据。
本说明书实施方式提供一种散射伪影校正装置1000,请参阅图10,散射伪影校正装置1000包括:分类型属性确定模块1010、目标散射系数匹配模块1020、接收数据校正模块1030。
分类型属性确定模块1010,用于确定受检者的目标扫描对象的分类型属性数据;
目标散射系数匹配模块1020,用于构建与所述分类型属性数据匹配的目标散射系数;
接收数据校正模块1030,用于利用所述目标散射系数,对扫描所述目标扫描对象产生的接收数据进行散射校正,得到校正后数据。
关于散射伪影校正装置的具体描述,可以参见上文中对散射伪影校正方法的描述,在此不再赘述。
在一些实施方式中,提供了一种医学成像设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现上述实施方式中的方法步骤。
本说明书实施方式提供一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现上述任一项实施方式中的方法的步骤。
本说明书的一个实施方式提供一种计算机程序产品,计算机程序产品中包括指令,指令被计算机设备的处理器执行时,使得计算机设备能够执行上述任一项实施方式的方法的步骤。
需要说明的是,在流程图中表示或在此以其他方式描述的逻辑和/或步骤,例如,可以被认为是用于实现逻辑功能的可执行指令的定序列表,可以具体实现在任何计算机可读介质中,以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用,或结合这些指令执行系统、装置或设备而使用。就本说明书而言,"计算机可读介质"可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下:具有一个或多个布线的电连接部(电子装置),便携式计算机盘盒(磁装置),随机存取存储器(RAM),只读存储器(ROM),可擦除可编辑只读存储器(EPROM或闪速存储器),光纤装置,以及便携式光盘只读存储器(CDROM)。另外,计算机可读介质甚至可以是可在其上打印程序的纸或其他合适的介质,因为可以例如通过对纸或其他介质进行光学扫描,接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得程序,然后将其存储在计算机存储器中。
Claims (12)
1.一种散射伪影校正方法,其特征在于,所述方法包括:
确定受检者的目标扫描对象的分类型属性数据;
构建与所述分类型属性数据匹配的目标散射系数;
利用所述目标散射系数,对扫描所述目标扫描对象产生的接收数据进行散射校正,得到校正后数据。
2.根据权利要求1所述的方法,其特征在于,所述分类型属性数据包括所述受检者的身形特征、所述目标扫描对象所处的目标身体部位、射线在所述目标扫描对象中所经过的区域的目标结构成分数据中的至少一个属性数据。
3.根据权利要求2所述的方法,其特征在于,所述分类型属性数据包括第一属性数据和第二属性数据,所述第一属性数据不同于所述第二属性数据,所述第一属性数据和所述第二属性数据分别包括所述受检者的身形特征、所述目标扫描对象所处的目标身体部位、射线在所述目标扫描对象中所经过的区域的目标结构成分数据中的至少一个属性数据;所述构建与所述分类型属性数据匹配的目标散射系数,包括:
根据所述第一属性数据确定对应的基准散射系数;
根据所述第二属性数据调整所述基准散射系数,得到所述目标散射系数。
4.根据权利要求3所述的方法,其特征在于,根据所述第二属性数据调整所述基准散射系数,得到所述目标散射系数,包括:
根据所述第二属性数据和散射修正映射关系,确定所述第二属性数据对应的目标修正系数;其中,所述散射修正映射关系用于表征第二属性数据与修正用系数之间的对应关系;
基于所述基准散射系数构建所述目标散射系数,包括:
基于所述目标修正系数和所述基准散射系数构建所述目标散射系数。
5.根据权利要求4所述的方法,其特征在于,通过以下方式得到所述散射修正映射关系:
构建多种模拟组织类型各自对应的模拟扫描对象;其中,所述模拟扫描对象具有在任一模拟组织类型下的多个不同模拟参数值,所述模拟参数值用于描述模拟射线在模拟扫描对象的经过的区域的第二属性数据;
获取每个模拟参数值在所述任一模拟组织类型下对应的衰减数据;其中,所述衰减数据用于表征模拟射线经过模拟扫描对象后的衰减情况;
基于所述多个不同模拟参数值以及所述每个模拟参数值对应的衰减数据进行拟合,得到所述任一模拟组织类型下的模拟类型映射关系;
基于所述多种模拟组织类型各自对应的模拟类型映射关系构建所述散射修正映射关系。
6.根据权利要求5所述的方法,其特征在于,所述模拟组织类型包括以下情况中的至少一个:
不同厚度的均质材料;其中,所述模拟参数值对应为厚度;
不同厚度和不同混合比例的混合材料;其中,所述模拟参数值对应为厚度和混合比例;
不同形状的材料;其中,所述模拟参数值对应为形状;
不同摆放位置的材料;其中,所述模拟参数值对应为偏心数据;
不同的发射角度;其中,所述模拟参数值对应为发射角度。
7.根据权利要求3-6任一项所述的方法,其特征在于,所述第一属性数据为所述目标扫描对象所处的目标身体部位,所述第二属性数据为目标结构成分数据。
8.根据权利要求2-6任一项所述的方法,其特征在于,通过以下方式确定所述目标结构成分数据,包括:
获取所述目标扫描对象的扫描数据;其中,所述扫描数据包括平片数据和/或轴扫数据;
基于所述扫描数据对所述目标扫描对象的结构成分进行预估,得到所述目标结构成分数据。
9.根据权利要求1所述的方法,其特征在于,所述利用所述目标散射系数,对扫描所述目标扫描对象产生的接收数据进行散射校正,得到校正后数据,包括:
利用所述目标散射系数与所述接收数据进行卷积处理,得到散射数据;
从所述接收数据中减去所述散射数据,得到所述校正后数据。
10.一种散射伪影校正装置,其特征在于,所述装置包括:
分类型属性确定模块,用于确定受检者的目标扫描对象的分类型属性数据;
目标散射系数匹配模块,用于构建与所述分类型属性数据匹配的目标散射系数;
接收数据校正模块,用于利用所述目标散射系数,对扫描所述目标扫描对象产生的接收数据进行散射校正,得到校正后数据。
11.一种医学成像设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至9中任一项所述的方法的步骤。
12.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至9中任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311781320.0A CN117679067A (zh) | 2023-12-21 | 2023-12-21 | 散射伪影校正方法、装置、医学成像设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311781320.0A CN117679067A (zh) | 2023-12-21 | 2023-12-21 | 散射伪影校正方法、装置、医学成像设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117679067A true CN117679067A (zh) | 2024-03-12 |
Family
ID=90136928
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311781320.0A Pending CN117679067A (zh) | 2023-12-21 | 2023-12-21 | 散射伪影校正方法、装置、医学成像设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117679067A (zh) |
-
2023
- 2023-12-21 CN CN202311781320.0A patent/CN117679067A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zhang et al. | A technique for estimating 4D‐CBCT using prior knowledge and limited‐angle projections | |
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 | |
US7327138B2 (en) | Method for generating an MR atlas and for MR imaging using same | |
CN110522466B (zh) | 确定患者重量和/或体重指数的方法和装置 | |
CN110636796B (zh) | X射线暗场成像中的射束硬化校正 | |
WO2015015744A1 (ja) | 放射線画像解析装置および方法並びにプログラム | |
US10605933B2 (en) | X-ray spectral calibration technique for cone-beam CT | |
CN111627083B (zh) | 骨硬化伪影校正方法、装置、计算机设备和可读存储介质 | |
CN104939848A (zh) | 单色图像的生成 | |
US7031427B2 (en) | Method for estimating a scattered radiation, particularly to correct tomography or bone densitometry measurements | |
CN110720940A (zh) | 一种模体及其在ct检测系统中的应用 | |
US7433086B2 (en) | Edge detection and correcting system and method | |
JP6373952B2 (ja) | 放射線画像解析装置および方法並びにプログラム | |
CN112204607B (zh) | 用于x射线成像的散射校正 | |
CN117679067A (zh) | 散射伪影校正方法、装置、医学成像设备及存储介质 | |
CN111839574B (zh) | Ct超低剂量自动三维定位扫描方法及系统 | |
US20130108010A1 (en) | Method and apparatus for performing tomographic reconstruction | |
KR101886235B1 (ko) | Ct 영상 기반의 신체크기 특이적 피폭선량 및 화질지수 제공 장치 및 방법 | |
US11954769B2 (en) | System for reconstructing an image of an object | |
Hsieh | A novel simulation‐driven reconstruction approach for x‐ray computed tomography | |
CN108065950A (zh) | 一种放射成像方法及其系统 | |
CN114638907B (zh) | 基于深度学习的骨硬化伪影校正方法及装置 | |
US20200410673A1 (en) | System and method for image decomposition of a projection image | |
Pai | Exploring constraints on CycleGAN-based CBCT enhancement for adaptive radiotherapy | |
Lee et al. | 6 JOURNAL ARTICLE D-PROOF OF PRINCIPLE OPTIMISATION |
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 |