CN1885347A - 用动态数字模型检测ct血管造影术重建算法性能的方法 - Google Patents
用动态数字模型检测ct血管造影术重建算法性能的方法 Download PDFInfo
- Publication number
- CN1885347A CN1885347A CN 200610028637 CN200610028637A CN1885347A CN 1885347 A CN1885347 A CN 1885347A CN 200610028637 CN200610028637 CN 200610028637 CN 200610028637 A CN200610028637 A CN 200610028637A CN 1885347 A CN1885347 A CN 1885347A
- Authority
- CN
- China
- Prior art keywords
- density
- lim
- model
- reconstruction algorithm
- centre coordinate
- 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.)
- Granted
Links
Landscapes
- Apparatus For Radiation Diagnosis (AREA)
Abstract
一种生物医学成像技术领域的用动态数字模型检测CT血管造影术重建算法性能的方法。本发明采用包含运动的造影剂团注和简单的几何结构构成的三维动态数字模型,利用计算机按实际设备中的参数设置对模型进行仿真数据采集,再用得到的仿真数据按算法重建,最后比较重建图像与模型之间的差异,以检测算法的性能。所述三维动态数字仿真模型,包括模拟造影剂团注的动态椭球,其各轴长固定,椭球中心坐标是一个随时间变化的函数,表示为X=x(t),Y=y(t),Z=z(t);以及由4个半圆柱和2个圆柱组成的柱状模型。本发明便于操作和重复定量执行地检测CT血管造影术重建算法,以判断不同重建算法的优劣或同一种算法在不同的参数条件下的性能差异,进而找出最佳参数设置。
Description
技术领域
本发明涉及的是一种生物医学成像技术领域的方法,具体地说,是一种用动态数字模型检测CT血管造影术重建算法性能的方法。
背景技术
CT血管造影术的主要原理是:在目标周围静脉内以一定速度注入团注造影剂,经时间延迟,至靶血管内造影剂充盈至高峰期,用CT设备对其进行高速、连续的容积数据采集,然后通过适当的图像重建算法做后处理完成二维及三维图像的重建。最终重建图像的质量受到造影剂的剂量,注射速度,延迟时间,CT设备和重建算法这多方面的影响。
经对现有技术的文献检索发现,M.Piotin等在CT angiography,MRangiography and rotational digital subtraction angiography forvolumetric assessment of intracranial aneurysms.An experimental study(CT血管造影术,MR血管造影术,数字减影血管造影术对颅内动脉瘤体成像的初步研究),Neuroradioragy(神经放射学),2003,Vol.45,No.6,pp:404-409中通过对实物血管模型进行实验,从而对不同的血管造影术重建算法的性能进行了比较。采用实物血管模型的不足指出在于:实物模型架设复杂,且对硬件设备要求高;对实物模型的清洁和维护麻烦;每次实验的初始状态和参数不易控制,存在人为误差,最终影响算法性能指标间的可比性。
发明内容
本发明的目的在于针对现有技术的不足,提供一种用动态数字模型检测CT血管造影术重建算法性能的方法。本发明采用三维动态数字模型,便于操作和重复定量执行地检测CT血管造影术重建算法,以判断不同重建算法的优劣或同一种算法在不同的参数条件下的性能差异,进而找出最佳参数设置。
本发明是通过以下技术方案实现的,本发明采用包含运动的造影剂团注和简单的几何结构构成的三维动态数字模型,利用计算机按实际设备中的参数设置对模型进行仿真数据采集,再用得到的仿真数据按算法重建,最后比较重建图像与模型之间的差异,以检测算法的性能。
本发明包括以下步骤:
(1)用椭球和半圆柱体组合构成三维动态数字仿真模型。所述三维动态数字仿真模型,包括模拟造影剂团注的动态椭球,其各轴长固定,椭球中心坐标是一个随时间变化的函数,可表示为X=x(t),Y=y(t),Z=z(t);以及由4个半圆柱和2个圆柱组成的柱状模型。
所述的椭球、半圆柱体和圆柱体组合构成三维动态数字仿真模型,其具体过程如下:
设该数字模型整体为一长方体结构,定义其三维直角坐标系的原点位于该长方体的中心,X轴、Y轴、Z轴分别延长方体各棱,并以LX、LY、LZ分别代表长方体X轴、Y轴和Z轴的各棱长。以下所表示的各几何结构的参数均以该坐标系内归一化数值描述。
所述归一化数值a是指,
其中P指是指坐标系中某一分量的实际坐标值,L指该分量P所属的坐标轴的半棱长。
●定义空间椭球方程为:
一般情况下,椭球中心坐标位于(EX,EY,EZ),A、B、C分别代表椭球各轴长。
●定义空间半圆柱方程为:
或
一般情况下,半圆中心坐标位于(CX,CY,CZ),R代表圆的半径长。
●定义空间圆柱方程为:
一般情况下,半圆中心坐标位于(CX,CY,CZ),R代表圆的半径长。
●以方程
建立上半圆柱,半圆柱中心坐标为(0,0,0);半径R=0.8;ZLim=1.0;密度d=d1。
所述的密度d代表各组织的相对平均密度结构,不同的密度对应的不同组织在模型中将反映为不同的灰度级,这里定义人骨的密度为2.00,其它各组织密度参考此密度给出。
●以方程
建立下半圆柱,半圆柱中心坐标为(0,0,0);半径R=0.8;ZLim=1.0;密度d=d2。
●以方程
建立上半圆柱,半圆柱中心坐标为(0.4,0,0);半径R=0.4;ZLim=1.0;密度d=d3。
●以方程
建立下半圆柱,半圆柱中心坐标为(-0.4,0,0);半径R=0.4;ZLim=1.0;密度d=d4。
●以圆柱体建立血管一,圆柱体的中心坐标为(0.4,0,0);半径R=0.1;ZLim=1.0;密度d=d5。
●以圆柱体建立血管二,圆柱体的中心坐标为(-0.4,0,0);半径R=0.1;ZLim=1.0;密度d=d6。
●以运动的椭球体构成造影剂团注一,其各轴长A=0.1,B=0.1,C=0.3;椭球体的中心坐标为与时间有关的函数,其中X=0.4,Y=0,Z=z(t);密度d=d7。
●以运动的椭球体构成造影剂团注二,其各轴长A=0.1,B=0.1,C=0.3;椭球体的中心坐标为与时间有关的函数,其中X=-0.4,Y=0,Z=z(t);密度d=d8。
(2)根据需要检测的CT血管造影术重建算法所要求的数据采集方式(如基于团注追踪的多层螺旋CT扫描方式),根据实际X射线采集原理,利用公式p=∫ρ·dl(其中,dl为空间内某一X射线经过的路径,ρ为该路径上所经过的物体密度,p则为采得的数据),用数字方法计算X射线路经,并用模型密度替换实际物体密度,对公式离散化处理后按扫描模式获得三维动态数字仿真模型在不同时刻下的仿真投影数据。
所述的仿真投影是根据实际投影数据采集原理,用解析式或数值积分的方法获取仿真投影数据的过程。
(3)用需要检测的CT血管造影术重建算法,对第(2)步中获得的仿真投影数据进行图像重建。
(4)利用第(3)步中获得的重建结果与模型原始图像进行比较分析,对需要检测的CT血管造影术重建算法的性能指标给出评定,如用重建图像与模型之间的标准差以检测重建图像的空间分辨率,标准差越小说明图像质量越高。具体所选用的性能指标和其数值随重建算法不同和实际需要而变化。
(5)改变模型中的用于描述模型的参数(如造影剂密度和团注运动速度)和重建算法中的参数,重复(1)-(4)步,进一步检测重建算法在不同参数条件下性能变化情况。
本发明用动态数字模型检测CT血管造影术重建算法性能的方法的原理在于:用动态的虚拟数字模型模拟造影剂团注在血管中扩散的过程,并通过计算机模拟实际数据采集过程,获取仿真投影,并对仿真投影数据进行重建,最后通过重建图像与数字模型间的比较和分析,给出对重建算法优劣和适用条件的检测结果。
本发明的有益效果是:(1)采用数字模型检测算法性能,可以放弃实物模型,从而降低成本。(2)数字模型的初始状态和参数设置不会引入人为误差,对算法检测的可重复性和可比较性提高。(3)数字模型中参数调整简单,可以对算法进行全方位的检测。
附图说明
图1模型截面三视图,其中:图1-a为模型横截面图;图1-b为模型失状截面图;图1-c为模型冠状截面图
其中,1:血管1;2:血管2;3:团注1;4:团注2。
为更好地理解本发明的技术方案,以下结合附图及具体的实施例作进一步描述,实施例中的被检测重建算法为最大密度投影法(MIP),使用的扫描模式为基于团注追踪的多层螺旋CT扫描方式,实施例的具体步骤如下:
1.建立三维动态数字模型。
建立空间直角坐标系,设该数字模型整体为一长方体结构,空间直角坐标系的中心为于该长方体的中心,长方体各棱长分别为:X轴方向棱长256(像素),Y轴方向棱长256(像素),Z轴方向棱长256(像素)。
按下列各表参数依次建立模型:
注:表中各参数均为归一化数值,其中表二中t的单位为秒。
表1模型中各柱状结构
序号 | 名称 | 形状 | 参数 | 密度 | ||||
CX | CY | CZ | R | ZLim | ||||
1 | 半圆柱1 | 上半圆柱0≤y≤R | 0 | 0 | 0 | 0.8 | 1.0 | 1.00 |
2 | 半圆柱2 | 下半圆柱-R≤y≤0 | 0 | 0 | 0 | 0.8 | 1.0 | 0.95 |
3 | 半圆柱3 | 上半圆柱0≤y≤R | 0.4 | 0 | 0 | 0.4 | 1.0 | 0.95 |
4 | 半圆柱4 | 下半圆柱-R≤y≤0 | -0.4 | 0 | 0 | 0.4 | 1.0 | 1.00 |
5 | 血管1 | 圆柱 | 0.4 | 0 | 0 | 0.1 | 1.0 | 0.98 |
6 | 血管2 | 圆柱 | -0.4 | 0 | 0 | 0.1 | 1.0 | 0.98 |
表2造影剂团注模型参数表
序号 | 名称 | 形状 | A | B | C | EX(t) | EY(t) | EZ(t) | 密度 |
7 | 团注1 | 椭球 | 0.1 | 0.1 | 0.3 | 0.4 | 0 | 4t+2sint | 1.2 |
8 | 团注2 | 椭球 | 0.1 | 0.1 | 0.3 | -0.4 | 0 | 5t+2sint | 1.2 |
模型实际效果如图1中所示,按标号,依次为:1为血管1;2为血管2;3为团注1;4为团注2。
2.采用基于团注追踪(延迟时间4秒)的4层螺旋CT扫描方式,用公式:p=∫ρ·dl(其中,dl为空间内某一X射线经过的路径,ρ为该路径上所经过的模型密度,p则为采得的数据)对每条X射线计算仿真投影p(x,y,θ,t),(x,y)代表投影平面内某一点的位置,θ为投影平面内射线的角度参数,t为时刻。设螺旋CT的螺距为1,进床速度为4毫米/每圈。
3.采用最大密度投影法(MIP)对上步中的虚拟投影数据经过多层螺旋CT虑波反投影重建算法获得图像进行血管造影重建。
4.将重建后的三维体数据与数字模型进行比较,重建的血管结构较清晰,通过计算得到两者间的标准差为2.032。
5.增大螺旋CT的螺距至4,重复1-4步,发现血管结构较上步中模糊,重新计算得标准差为6.341,说明图像质量下降。
6.改变团注1中EZ(t)的方程为8t+4sint,螺旋CT的螺距仍未4,重复1-4步,重建结果中血管结构清晰,模型与重建结果间的标准差为2.134。从而说明,只有当造影剂注射速度与螺旋CT的螺距较好的匹配时,该算法才能发挥其作用,获得清晰的血管结构。
通过此例可发现,本发明可以检测不同参数设置对重建算法性能的影响,从而可以找出都应与算法的最适参数或判断算法是否适用一些特定情况。由于本方法中采用了数字模型,可以不用实物模型,进而降低了检验算法的成本。同时,模型的参数设置不会引入人为误差,并可重复实现,提高了对算法检测结果的可信性。
Claims (3)
1、一种用动态数字模型检测CT血管造影术重建算法性能的方法,其特征在于:包括以下步骤:
(1)用椭球和半圆柱体组合构成三维动态数字仿真模型,所述三维动态数字仿真模型,包括模拟造影剂团注的动态椭球,其各轴长固定,椭球中心坐标是一个随时间变化的函数,表示为X=x(t),Y=y(t),Z=z(t);以及由4个半圆柱和2个圆柱组成的柱状模型;
(2)根据需要检测的CT血管造影术重建算法所要求的数据采集方式,根据实际X射线采集原理,利用公式p=∫ρ·dl,其中,dl为空间内某一X射线经过的路径,ρ为该路径上所经过的物体密度,p则为采得的数据,用数字方法计算X射线路经,并用模型密度替换实际物体密度,对公式离散化处理后按扫描模式获得三维动态数字仿真模型在不同时刻下的仿真投影数据;
(3)用需要检测的CT血管造影术重建算法,对第(2)步中获得的仿真投影数据进行图像重建;
(4)利用第(3)步中获得的重建结果与模型原始图像进行比较分析,对需要检测的CT血管造影术重建算法的性能指标给出评定,具体所选用的性能指标和其数值随重建算法而变化;
(5)改变模型中的用于描述模型的参数和重建算法中的参数,重复(1)-(4)步,进一步检测重建算法在不同参数条件下性能变化情况。
2、根据权利要求1所述的用动态数字模型检测CT血管造影术重建算法性能的方法,其特征是:所述的椭球、半圆柱体和圆柱体组合构成三维动态数字仿真模型,其具体过程如下:
设该数字模型整体为一长方体结构,定义其三维直角坐标系的原点位于该长方体的中心,X轴、Y轴、Z轴分别延长方体各棱,并以LX、LY、LZ分别代表长方体X轴、Y轴和Z轴的各棱长,以下所表示的各几何结构的参数均以该坐标系内归一化数值描述;
所述归一化数值a是指,
其中P指是指坐标系中某一分量的实际坐标值,L指该分量P所属的坐标轴的半棱长;
●定义空间椭球方程为:
椭球中心坐标位于(EX,EY,EZ),A、B、C分别代表椭球各轴长;
●定义空间半圆柱方程为:
或
半圆中心坐标位于(CX,CY,CZ),R代表圆的半径长;
●定义空间圆柱方程为:
半圆中心坐标位于(CX,CY,CZ),R代表圆的半径长;
●以方程
建立上半圆柱,半圆柱中心坐标为(0,0,0);半径R=0.8;ZLim=1.0;密度d=d1;所述的密度d代表各组织的相对平均密度结构,这里定义人骨的密度为2.00;
●以方程
建立下半圆柱,半圆柱中心坐标为(0,0,0);半径R=0.8;ZLim=1.0;密度d=d2。
●以方程
建立上半圆柱,半圆柱中心坐标为(0.4,0,0);半径R=0.4;ZLim=1.0;密度d=d3。
●以方程
建立下半圆柱,半圆柱中心坐标为(-0.4,0,0);半径R=0.4;ZLim=1.0;密度d=d4。
●以圆柱体建立血管一,圆柱体的中心坐标为(0.4,0,0);半径R=0.1;ZLim=1.0;密度d=d5。
●以圆柱体建立血管二,圆柱体的中心坐标为(-0.4,0,0);半径R=0.1;ZLim=1.0;密度d=d6。
●以运动的椭球体构成造影剂团注一,其各轴长A=0.1,B=0.1,C=0.3;椭球体的中心坐标为与时间有关的函数,其中X=0.4,Y=0,Z=z(t);密度d=d7。
●以运动的椭球体构成造影剂团注二,其各轴长A=0.1,B=0.1,C=0.3;椭球体的中心坐标为与时间有关的函数,其中X=-0.4,Y=0,Z=z(t);密度d=d8。
3、根据权利要求1所述的用动态数字模型检测CT血管造影术重建算法性能的方法,其特征是:所述的仿真投影是根据实际投影数据采集原理,用解析式或数值积分的方法获取仿真投影数据的过程。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CNB2006100286377A CN100399359C (zh) | 2006-07-06 | 2006-07-06 | 用动态数字模型检测ct血管造影术重建算法性能的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CNB2006100286377A CN100399359C (zh) | 2006-07-06 | 2006-07-06 | 用动态数字模型检测ct血管造影术重建算法性能的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN1885347A true CN1885347A (zh) | 2006-12-27 |
CN100399359C CN100399359C (zh) | 2008-07-02 |
Family
ID=37583486
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CNB2006100286377A Expired - Fee Related CN100399359C (zh) | 2006-07-06 | 2006-07-06 | 用动态数字模型检测ct血管造影术重建算法性能的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN100399359C (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101393644B (zh) * | 2008-08-15 | 2010-08-04 | 华中科技大学 | 一种肝门静脉血管树建模方法及其系统 |
CN104224206A (zh) * | 2013-06-17 | 2014-12-24 | 南京普爱射线影像设备有限公司 | 一种x光机成像性能检测方法 |
CN115905135A (zh) * | 2023-03-14 | 2023-04-04 | 武汉芯云道数据科技有限公司 | 多帧3d文件处理方法及装置 |
CN117038064A (zh) * | 2023-10-07 | 2023-11-10 | 之江实验室 | 一种辅助分析算法的评估方法、装置、存储介质及设备 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6389104B1 (en) * | 2000-06-30 | 2002-05-14 | Siemens Corporate Research, Inc. | Fluoroscopy based 3-D neural navigation based on 3-D angiography reconstruction data |
US7225011B2 (en) * | 2001-04-02 | 2007-05-29 | Koninklijke Philips Electronics, N.V. | Heart modeling using a template |
JP2005528157A (ja) * | 2002-06-04 | 2005-09-22 | コーニンクレッカ フィリップス エレクトロニクス エヌ ヴィ | 回転血管造影法に基づく冠状動脈構造のハイブリッド3d再構成 |
-
2006
- 2006-07-06 CN CNB2006100286377A patent/CN100399359C/zh not_active Expired - Fee Related
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101393644B (zh) * | 2008-08-15 | 2010-08-04 | 华中科技大学 | 一种肝门静脉血管树建模方法及其系统 |
CN104224206A (zh) * | 2013-06-17 | 2014-12-24 | 南京普爱射线影像设备有限公司 | 一种x光机成像性能检测方法 |
CN115905135A (zh) * | 2023-03-14 | 2023-04-04 | 武汉芯云道数据科技有限公司 | 多帧3d文件处理方法及装置 |
CN117038064A (zh) * | 2023-10-07 | 2023-11-10 | 之江实验室 | 一种辅助分析算法的评估方法、装置、存储介质及设备 |
CN117038064B (zh) * | 2023-10-07 | 2024-01-09 | 之江实验室 | 一种辅助分析算法的评估方法、装置、存储介质及设备 |
Also Published As
Publication number | Publication date |
---|---|
CN100399359C (zh) | 2008-07-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6949040B2 (ja) | Ect画像を再構成するシステムおよび方法 | |
US8075183B2 (en) | Method of evaluating the resolution of a volumetric imaging system and image phantom used during the resolution evaluation | |
Shaw et al. | A k-space model of movement artefacts: application to segmentation augmentation and artefact removal | |
CN1194812A (zh) | 测量心脏图心肌层的方法及设备 | |
CN1107290C (zh) | 计算机层析x射线摄影机的图像再现方法 | |
CN103150744A (zh) | 一种x射线多能谱ct投影数据处理与图像重建方法 | |
CN1885347A (zh) | 用动态数字模型检测ct血管造影术重建算法性能的方法 | |
CN111951344A (zh) | 一种基于级联并行卷积网络的磁共振图像重建方法 | |
CN111445546A (zh) | 图像重建方法、装置、电子设备、存储介质 | |
CN110310347A (zh) | 一种x射线光栅相衬成像滤波迭代重建方法和系统 | |
Ma et al. | An encoder-decoder network for direct image reconstruction on sinograms of a long axial field of view PET | |
CN100410972C (zh) | 用动态胸部数字仿真模型检测图像重建算法性能的方法 | |
Wang et al. | Fluorescence molecular tomography reconstruction of small targets using stacked auto-encoder neural networks | |
Mohebbian et al. | Classifying MRI motion severity using a stacked ensemble approach | |
Sato et al. | Limits on the accuracy of 3-D thickness measurement in magnetic resonance images-effects of voxel anisotropy | |
Xuanhao et al. | Effect of the number of projections in X-ray CT imaging on image quality and digital volume correlation measurement | |
Rouwane et al. | Architecture-Driven Digital Volume Correlation: application to the analysis of in-situ crushing of a polyurethane foam | |
CN1632830A (zh) | 脑缺血病灶区的自动分割方法 | |
Baumann et al. | Discrete tomography methods for nondestructive testing | |
Sun et al. | Tumor photoacoustic image reconstruction method based on deep learning | |
Okamoto et al. | Patch-based artifact reduction for three-dimensional volume projection data of sparse-view micro-computed tomography | |
CN109752549B (zh) | 基于靶向代谢组学数据分析的模型建立方法 | |
Schanz et al. | AI-Powered Defect Segmentation in Industrial CT Data | |
Naughton et al. | Connecting diffusion MRI to skeletal muscle microstructure: Leveraging meta-models and GPU-acceleration | |
Sun et al. | Design of imaging system and tomography detection method for radial tires structure under X-ray short-scan mode |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
C17 | Cessation of patent right | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20080702 Termination date: 20110706 |