DE112015002831B4 - Tomographische rekonstruktion mehrerer ansichten - Google Patents
Tomographische rekonstruktion mehrerer ansichten Download PDFInfo
- Publication number
- DE112015002831B4 DE112015002831B4 DE112015002831.5T DE112015002831T DE112015002831B4 DE 112015002831 B4 DE112015002831 B4 DE 112015002831B4 DE 112015002831 T DE112015002831 T DE 112015002831T DE 112015002831 B4 DE112015002831 B4 DE 112015002831B4
- Authority
- DE
- Germany
- Prior art keywords
- image
- view
- mlem
- updating
- views
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 claims abstract description 64
- 238000007476 Maximum Likelihood Methods 0.000 claims abstract description 12
- 230000009466 transformation Effects 0.000 claims abstract description 11
- 230000001131 transforming effect Effects 0.000 claims abstract description 9
- 238000013499 data model Methods 0.000 claims description 17
- 238000012545 processing Methods 0.000 claims description 16
- 238000012937 correction Methods 0.000 claims description 15
- 238000010606 normalization Methods 0.000 claims description 11
- 238000002603 single-photon emission computed tomography Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 8
- 238000003384 imaging method Methods 0.000 description 7
- 239000011159 matrix material Substances 0.000 description 6
- 238000002591 computed tomography Methods 0.000 description 5
- 238000003325 tomography Methods 0.000 description 5
- 238000002059 diagnostic imaging Methods 0.000 description 3
- 238000002600 positron emission tomography Methods 0.000 description 3
- 238000013459 approach Methods 0.000 description 2
- 238000002599 functional magnetic resonance imaging Methods 0.000 description 2
- 238000009206 nuclear medicine Methods 0.000 description 2
- 238000013170 computed tomography imaging Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000005714 functional activity Effects 0.000 description 1
- 230000002503 metabolic effect Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000005316 response function Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
Images
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
- G06T11/006—Inverse problem, transformation from projection-space into object-space, e.g. transform methods, back-projection, algebraic methods
-
- 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
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/003—Reconstruction from projections, e.g. tomography
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10072—Tomographic images
- G06T2207/10108—Single photon emission computed tomography [SPECT]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2211/00—Image generation
- G06T2211/40—Computed tomography
- G06T2211/424—Iterative
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2211/00—Image generation
- G06T2211/40—Computed tomography
- G06T2211/436—Limited angle
Abstract
Verfahren (400, 500) zur Erzeugung eines dreidimensionalen (3D) Bildes, wobei das Verfahren Folgendes umfasst:Erfassen (510) von Projektionsdaten für einen Abschnitt des Körpers eines Patienten (145) in mehreren Ansichten unter Verwendung eines oder mehrerer Detektoren (130), wobei die Projektionsdaten mehrere zweidimensionale (2D) Projektionen beinhalten;Initialisieren (410, 520) eines 3D-Bildes;für jede Ansicht aus den mehreren Ansichten, Transformieren (420, 530) des 3D-Bildes unter Verwendung einer Ansichtstransformation, welche der Ansicht entspricht, zum Erzeugen eines ursprünglichen transformierten Bildes, welches der Ansicht entspricht, und Durchführen (430) mehrerer Iterationen eines MLEM (Maximum Likelihood Expectation Maximization) -Prozesses basierend auf mindestens dem ursprünglichen transformierten Bild und den Projektionsdaten, wobei der MLEM-Prozess mit dem ursprünglichen transformierten Bild initialisiert wird, undAktualisieren (410, 540) des 3D-Bildes basierend auf einer Ausgabe des MLEM-Prozesses.
Description
- GEBIET DER ERFINDUNG
- Aspekte der vorliegenden Offenbarung betreffen im Allgemeinen die medizinische Bildgebung und im Besonderen eine verbesserte Einzelphotonen-Emissionscomputertomographie (SPECT - single photon emission computed tomography) -Rekonstruktion von 3D-Bildern. Ein alternativer Algorithmus zur Wahrscheinlichkeitsmaximierung für vollständig geordnete Teilmengen und für eine schnelle Bildrekonstruktion mit maximaler Wahrscheinlichkeit in der Emissionstomographie bei Anwendung in einem Phantom wird in folgender Veröffentlichung dargestellt: Hsiao, Tsung et al., „An accelerated convergent ordered subsets algorithm for emission tomography“, Physics in Medicine & Biology, 2004, 49. Jg., Nr. 11, S. 2145
- ALLGEMEINER STAND DER TECHNIK
- Die medizinische Bildgebung der metabolischen und biochemischen Aktivität innerhalb eines Patienten ist als funktionelle Bildgebung bekannt. Zu funktionellen Bildgebungstechniken zählen zum Beispiel die nuklearmedizinische Bildgebung, wie z.B. Positronenemissionstomographie (PET - Positron Emission Tomography), Einzelphotonen-Computertomographie (SPECT - Single Photon Computed Tomography), funktionelle Magnetresonanztomographie (fMRT - Functional Magnetic Resonance Imaging) und funktionelle Computertomographie (fCT - Functional Computed Tomography). Ein Überblick über SPECT- und PET-Systeme, ihre Kombination mit Computertomographie (CT) -Systemen sowie iterative Bildrekonstruktion für die Emissionstomographie ist in Kapitel 7, Kapitel 11 und Kapitel 21 von M. Wernick und J. Aarsvold, „Emission tomography: the fundamentals of PET and SPECT“, Elsevier Academic Press, 2004 gegeben.
- Im Allgemeinen erfolgt die SPECT-Bildgebung durch Verwendung einer Gammakamera zum Erfassen mehrerer zweidimensionaler (2D) Projektionen und die anschließende Verwendung eines Computers zum Durchführen einer tomographischen Bildrekonstruktion zum Erhalten eines dreidimensionalen (3D) Bildes. Zum Beispiel kann ein Gammaphotonen-emittierendes Radioisotop in den Körper eines Patienten eingeführt werden, und eine von verschiedenen Techniken kann verwendet werden, um das Radioisotop an einen Ort von Interesse in dem Körper zu binden. Der Patient liegt auf einem Bett, und eine oder mehrere Gammakameras sind an der Gantry angebracht, welche sich dreht, wodurch veranlasst wird, dass sich die Gammakamera(s) um den Patienten dreht/drehen. Detektoren der Gammakamera(s) erfassen Projektionsdaten in jeder Ausrichtung durch das Erkennen von Gammaphotonen, die durch das Radioisotop emittiert werden.
- SPECT-Bildgebungsgeräte sind im Allgemeinen mit einem Kollimator ausgestattet, wie z.B. einem Parallelloch- , Fächerstrahl- oder Kegelstrahl-Kollimator oder einem Kollimator mit codierter Apertur (CA - coded aperture). Im Fall der Parallelloch-Kollimation konzentriert sich die Punktantwortfunktion auf einen kleinen Bereich, sodass jedes Detektorpixel hauptsächlich Photonen aus dem ankommenden Gammaphotonenstrahl in der normalen (d.h. senkrechten) Richtung empfängt. Im Fall der CA-Kollimation wird ein dünner Schirm mit zahlreichen Löchern (Aperturen), die in einem bestimmten Muster gebohrt sind, parallel zu der Oberfläche eines Detektors platziert. Bei der CA-Kollimation empfängt ein Detektorpixel einen Fluss von verschiedenen Stellen, sodass die Projektionen von unterschiedlichen Regionen der Quelle überlappen, wodurch Komplexitäten in die Aufgabe der tomographischen Bildrekonstruktion eingeführt werden.
- KURZDARSTELLUNG DER ERFINDUNG
- In einigen Ausführungsformen der vorliegenden Offenbarung beinhaltet ein Verfahren zur Erzeugung eines dreidimensionalen (3D) Bildes das Erfassen von Projektionsdaten für einen Abschnitt des Körpers eines Patienten in mehreren Ansichten unter Verwendung eines oder mehrerer Detektoren, wobei die Projektionsdaten mehrere zweidimensionale (2D) Projektionen beinhalten. Ein 3D-Bild wird initialisiert. Für jede Ansicht unter den mehreren Ansichten wird das 3D-Bild unter Verwendung einer Ansichtstransformation, die der Ansicht entspricht, transformiert, um ein ursprüngliches transformiertes Bild zu erzeugen, das der Ansicht entspricht, und mehrere Iterationen eines MLEM-Prozesses werden basierend auf mindestens dem ursprünglichen transformierten Bild und den Projektionsdaten durchgeführt. Der MLEM-Prozess wird mit dem ursprünglichen transformierten Bild initialisiert. Das 3D-Bild wird basierend auf einer Ausgabe des MLEM-Prozesses aktualisiert.
- In einigen Ausführungsformen der vorliegenden Offenbarung beinhaltet ein Verfahren zur Bildverarbeitung das Transformieren eines ersten 3D-Bildes unter Verwendung einer Ansichtstransformation, die einer Ansicht entspricht, zum Erzeugen eines transformierten Bildes. Ein zweites 3D-Bild wird mit dem transformierten Bild initialisiert. Für jede Iteration von mehreren N Iterationen, wobei N eine ganze Zahl größer als Eins ist, erfolgt eine MLEM (Maximum Likelihood Expectation Maximization - Maximierung der maximalen Wahrscheinlichkeitserwartung) -Verarbeitung. Die iterative MLEM-Verarbeitung verfeinert das zweite 3D-Bild durch Folgendes: Vorwärtsprojizieren des zweiten 3D-Bildes zum Erzeugen eines Datenmodells; Vergleichen des Datenmodells mit einem zweidimensionalen (2D) Projektionsdatensatz, welcher der Ansicht entspricht, zum Erzeugen eines Korrekturfaktors, welcher der Ansicht entspricht; Zurückprojizieren des Korrekturfaktors, welcher der Ansicht entspricht; Anwenden eines Normalisierungsfaktors im Bildraum zum Erzeugen eines Bildaktualisierungsfaktors, welcher der Ansicht und der Iteration entspricht; und Aktualisieren des zweiten 3D-Bildes unter Verwendung des Bildaktualisierungsfaktors, welcher der Ansicht und der Iteration entspricht. Der Verarbeitungsablauf fährt dann mit der nächsten Iteration fort.
- In einigen Ausführungsformen verkörpert ein maschinenlesbares Speichermedium greifbar ein Programm von Anweisungen, die durch einen Prozessor ausführbar sind, um den Prozessor zu veranlassen, Operationen der oben beschriebenen Bildverarbeitungs-/Bilderzeugungsverfahren durchzuführen.
- Figurenliste
- Das Folgende wird aus Elementen der Figuren offensichtlich sein, die zu Veranschaulichungszwecken vorgesehen und nicht notwendigerweise maßstabsgerecht sind.
-
1 ist ein Diagramm eines SPECT-Scannersystems 110 in Übereinstimmung mit einigen Ausführungsformen der vorliegenden Offenbarung. -
2 ist eine Veranschaulichung einer Maske zum Filtern von Gammaphotonen in Übereinstimmung mit einigen Ausführungsformen in der Seitenansicht. -
3 ist eine Veranschaulichung eines Beispiels einer codierten Aperturplatte 300 in der Frontansicht. -
4 ist ein Flussdiagramm eines tomographischen Bildrekonstruktionsprozesses 400 in Übereinstimmung mit einigen Ausführungsformen. -
5 ist ein Flussdiagramm eines Prozesses in Übereinstimmung mit einigen Ausführungsformen. -
6 ist ein Flussdiagramm eines Prozesses in Übereinstimmung mit einigen Ausführungsformen. - DETAILLIERTE BESCHREIBUNG
- Diese Beschreibung der beispielhaften Ausführungsformen soll in Verbindung mit den beigefügten Zeichnungen gelesen werden, welche als Teil der gesamten schriftlichen Beschreibung anzusehen sind.
-
1 ist ein Diagramm eines SPECT-Scannersystems 110 in Übereinstimmung mit einigen Ausführungsformen der vorliegenden Offenbarung. Das SPECT-Scannersystem 110 beinhaltet eine Gantry 120, an welcher eine oder mehrere Gammakameras angebracht sind. Zwei Gammakameras 130a, 130b (gemeinsam die Gammakameras 130) sind in1 gezeigt, obwohl auch eine andere Anzahl an Gammakameras verwendet werden kann. Detektoren in den Gammakameras erkennen Gammaphotonen 140, die durch ein Radioisotop innerhalb des Körpers eines Patienten 145, der auf einem Bett 150 liegt, emittiert werden. Ein Computer 151 kann den Betrieb der Gammakameras steuern. Ein Abschnitt des Körpers des Patienten 145 befindet sich zwischen den Gammakameras 130 und kann dadurch abgebildet werden. Die Gammakameras 130 drehen sich um den Körper des Patienten, wie durch die gekrümmten Pfeile in1 gezeigt. 2D-Projektionsdaten werden an definierten Punkten während der Drehung erfasst und in einem Speicher 158 des Computers 151 gespeichert. Der Computer 151 kann auch einen Prozessor 152, ein nichttransitorisches computerlesbares Speichermedium 154 und eine Anzeige 156 beinhalten. Der Prozessor 152 führt Anweisungen (weiter unten beschrieben) aus, die auf dem Speichermedium 154 gespeichert sind, und manipuliert Daten, die in dem Speicher 158 gespeichert sind, um ein 3D-Bild aus den erfassten Projektionsdaten zu rekonstruieren. Das rekonstruierte 3D-Bild kann auf einer Anzeige 156 angezeigt werden. - Bezugnehmend auf
2 ist in einigen Ausführungsformen eine Platte 210, die mehrere Aperturen (Löcher) aufweist, vor und parallel zu der Oberfläche des Detektors 220 positioniert, bei welchem es sich um jeden beliebigen der Detektoren in dem SPECT-Scannersystem 110 handeln kann. Die Platte 210 dient als eine Maske, die ankommende Gammaphotonen filtert, die durch eine Punktquelle 200 emittiert werden.2 zeigt die Platte 210 und den Detektor 220 hochkant, d.h. von der Seite.3 ist eine Veranschaulichung eines Beispiels einer codierten Aperturplatte 300 in der Frontansicht. Ein 3D-Objekt kann als eine Reihe von Bildscheiben in der Richtung senkrecht zu dem Detektor behandelt werden. Bei Durchführung einer Projektion korreliert jede Scheibe mit einer tiefenabhängigen codierten Apertur-Matrix. Die Tiefe ist in2 als z bezeichnet und kann durch Anpassung der Position des Detektors 220 variiert werden. Die abschließende Projektion ist die Summe aller Scheibenprojektionen, d.h. die Summe der Projektionen für jede Tiefe. Unterschiedliche Ansichten können durch entsprechende Anpassung (z.B. Drehen und/oder Verschieben) der Gammakamera(s) 130, die an der Gantry 120 angebracht ist/sind, erreicht werden. - Bei der Bildrekonstruktion werden Objektraum und Datenraum durch eine Systemmatrix miteinander in Beziehung gesetzt. So kann für jeden Projektionsvorgang die entsprechende Systemmatrix und ihre Transponierte zum Transformieren von Objekten zwischen Objektraum und Datenraum verwendet werden. Im Allgemeinen ist eine Vorwärtsprojektion eine Anwendung der entsprechenden Systemmatrix auf ein Objekt im Objektraum. Das Ergebnis einer Vorwärtsprojektion ist ein „projiziertes Objekt“ im Datenraum. Als ein Beispiel bei der nuklearmedizinischen Bildgebung ist eine Vorwärtsprojektion der lineare Vorgang, welcher die funktionelle Aktivitätsdichte in das Gesamtdatenmodell vorhergesagter Erkennungsereignisse transformiert. Entsprechend der Vorwärtsprojektion kann die Rückwärtsprojektion aus dem Datenraum in den Objektraum als eine Anwendung der Transponierten der entsprechenden Systemmatrix beschrieben werden.
- In einigen Ausführungsformen werden Projektionsdaten für einen Abschnitt des Körpers von Patient 145 in mehreren Ansichten, z.B. M Ansichten, unter Verwendung des/der Detektors/en 130 erfasst. Jede Ansicht entspricht einer bestimmten Drehung und/oder Verschiebung eines Detektors, der mit der Gantry 120 verbunden ist. Die Projektionsdaten beinhalten mehrere 2D-Projektionen.
-
4 ist ein Flussdiagramm eines tomographischen Bildrekonstruktionsprozesses 400 in Übereinstimmung mit einigen Ausführungsformen. In Block 410 wird ein 3D-Bild (bezeichnet mit I) initialisiert. In einigen Ausführungsformen wird I basierend auf einer 3D-Bildmaske, welche die Grenze des Körpers des Patienten definiert, initialisiert. Die Bildmaske kann zum Beispiel basierend auf 3D-CT-Bildgebung erhalten werden. Ein einzelner Wert (z.B. der Wert von I) kann bei jedem Voxel von I, das sich innerhalb der Bildmaske befindet, zugewiesen werden. Eine erste Ansicht aus den M Ansichten wird ausgewählt. Das Bild I wird unter Verwendung einer Ansichtstransformation, welche der ersten Ansicht entspricht, transformiert, um ein ursprüngliches transformiertes Bild, welches der ersten Ansicht entspricht, z.B. wie Folgt zu erzeugen: - In Gleichung (1) ist Jv 0 das ursprüngliche transformierte Bild und Tv ist die Ansichtstransformation, welche der ersten Ansicht entspricht. Weil das tiefgestellte Zeichen v für die Terme Jv 0 und Tv den Ansichtsindex bezeichnet und weil die erste Ansicht ausgewählt wurde, ist v an dieser Stelle gleich 1.
- Es werden mehrere Iterationen, z.B. N Iterationen, eines MLEM (Maximum Likelihood Expectation Maximization) -Prozesses 430 durchgeführt. Die MLEM ist z.B. in L.A. Shepp und Y. Vardi, „Maximum Likelihood Reconstruction for Emission Tomography“, IEEE Transactions on Medical Imaging, Band 1, S. 113-122 (1982) beschrieben. Innerhalb des MLEM-Prozesses 430 wird ein 3D-Bild J mit dem ursprünglichen transformierten Bild initialisiert (Block 432), d.h.:
-
- In Gleichung (3) stellt qv das Datenmodell dar, welches der aktuellen Ansicht entspricht, und Hv ist eine Systemmatrix, welche der aktuellen Ansicht entspricht.
- In Block 436 wird das Datenmodell, welches der aktuellen Ansicht entspricht (d.h. v = 1), mit Projektionsdaten, welche der aktuellen Ansicht entsprechen, verglichen, um einen Korrekturfaktor zu erzeugen, welcher der aktuellen Ansicht entspricht. Dieser Vergleich kann im Datenraum auf einer Pixel-für-Pixel-Basis stattfinden, z.B. durch Berechnung eines Verhältnisses der Datenmodell- und Projektionsdaten wie Folgt:
- In Gleichung (4) stellt pv die Projektionsdaten dar, welche der aktuellen Ansicht entsprechen, und rv stellt den Korrekturfaktor dar, welcher der aktuellen Ansicht entspricht.
-
- In Gleichung (5) ist Fv der Bildaktualisierungsfaktor, Hv T ist die Transponierte von Hv und Nv ist ein Normalisierungsfaktor, z.B. eine Konstante in Abhängigkeit von der aktuellen Ansicht. Der Einfachheit halber ist die Abhängigkeit von der Iteration in dem Symbol Fv nicht bezeichnet.
-
- Dann fährt der Verarbeitungsablauf mit der nächsten Iteration der MLEM-Schleife 430 fort. Auf diese Weise werden N Iterationen der MLEM-Schleife 430 durchgeführt, um das Bild J zu verfeinern.
-
- Mit anderen Worten, ein abschließender Bildaktualisierungsfaktor für jede Ansicht kann als ein Verhältnis, auf einer Pro-Voxel-Basis, der abschließenden Version von Bild J (d.h. nach N Iterationen des MLEM-Prozesses 430) zu der ursprünglichen Version von J berechnet werden.
- Dann wird eine nächste Ansicht ausgewählt und die Abfolge fährt mit Block 420 fort. Auf diese Weise erfolgt eine ähnliche Verarbeitung wie oben beschrieben für jede Ansicht aus den M Ansichten. Nachdem Block 440 für die M-te Ansicht durchgeführt wurde, werden die abschließenden Bildaktualisierungsfaktoren, welche sämtlichen Ansichten entsprechen, kombiniert, z.B. wie Folgt:
- In Gleichung (8) ist Nalle eine Konstante, die als ein Normalisierungsfaktor verwendet wird. Dies ist eine mögliche Implementierung der Normalisierung und andere Techniken zur Normalisierung können auch verwendet werden.
-
- So wird das Bild I durch die äußerste Schleife in
4 verfeinert, und eine zusätzliche Verfeinerung von I wird durch zusätzliche Iterationen dieser äußersten Schleife, z.B. 50-200 Iterationen in einigen Ausführungsformen, erreicht. Diese äußerste Schleife ist selbst eine Implementierung der MLEM. So beinhaltet der Rekonstruktionsprozess 400 eine äußere MLEM-Schleife und eine innere MLEM-Schleife. Für jede Ansicht werden N Iterationen der inneren MLEM-Schleife 430 durchgeführt. Bei traditionellen Rekonstruktionsansätzen wurde die MLEM nur ein Mal für eine gegebene Ansicht durchgeführt und es wurde keine mehrmalige (N Mal) Einzelansicht-MLEM vor dem Summieren der Ergebnisse wie in verschiedenen Ausführungsformen der vorliegenden Offenbarung durchgeführt. Außerdem wurde bei traditionellen Rekonstruktionsansätzen keine Kombination einer äußeren MLEM-Schleife und einer inneren MLEM-Schleife verwendet. In verschiedenen Ausführungsformen werden Tiefeninformationen umfassender als bei Rekonstruktionstechniken des Standes der Technik genutzt, z.B. aufgrund der inneren Schleife 430 von4 , welche iterativ die MLEM für jede Ansicht durchführt. Insbesondere werden durch die Verwendung eines Codierungs- und Decodierungsschemas, das im Kontext der codierten Apertur zur Verfügung steht, in verschiedenen Ausführungsformen, im Vergleich zu Parallelloch-Kollimatoren, mehr Tiefeninformationen genutzt (d.h. es können unterschiedliche Bildscheiben in unterschiedlicher Tiefe erhalten und verwendet werden). -
5 ist ein Flussdiagramm eines Prozesses 500 in Übereinstimmung mit einigen Ausführungsformen. Der Prozess 500 beinhaltet das Erfassen (Block 510) von Projektionsdaten für einen Abschnitt des Körpers eines Patienten in mehreren Ansichten unter Verwendung eines oder mehrerer Detektoren, wobei die Projektionsdaten mehrere zweidimensionale (2D) Projektionen beinhalten. Ein 3D-Bild wird initialisiert (Block 520). In Block 530 wird für jede Ansicht aus den mehreren Ansichten das 3D-Bild unter Verwendung einer Ansichtstransformation, welche der Ansicht entspricht, transformiert, um ein ursprüngliches transformiertes Bild zu erzeugen, welches der Ansicht entspricht, und mehrere Iterationen eines MLEM-Prozesses werden basierend auf mindestens dem ursprünglichen transformierten Bild und den Projektionsdaten durchgeführt. Der MLEM-Prozess wird mit dem ursprünglichen transformierten Bild initialisiert. Das 3D-Bild wird basierend auf einer Ausgabe des MLEM-Prozesses aktualisiert (Block 540). -
6 ist ein Flussdiagramm eines Prozesses 600 in Übereinstimmung mit einigen Ausführungsformen. Der Prozess 600 beinhaltet das Transformieren (Block 610) eines ersten 3D-Bildes unter Verwendung einer Ansichtstransformation, welche einer Ansicht entspricht, zum Erzeugen eines transformierten Bildes. Ein zweites 3D-Bild wird mit dem transformierten Bild initialisiert (Block 620). Für jede Iteration von mehreren N Iterationen, wobei N eine ganze Zahl größer als Eins ist, erfolgt eine MLEM (Maximum Likelihood Expectation Maximization) - Verarbeitung. Die iterative Implementierung ist in6 mit Block 630 (Initialisieren eines Zählers) und 640 (Testen einer Schleifenbedingung) gezeigt, obwohl auch andere Implementierungen verwendet werden können. Die iterative MLEM-Verarbeitung verfeinert das zweite 3D-Bild durch Folgendes: Vorwärtsprojizieren des zweiten 3D-Bildes zum Erzeugen eines Datenmodells (Block 650); Vergleichen des Datenmodells mit einem zweidimensionalen (2D) Projektionsdatensatz, welcher der Ansicht entspricht, zum Erzeugen eines Korrekturfaktors, welcher der Ansicht entspricht (Block 660); Zurückprojizieren des Korrekturfaktors, welcher der Ansicht entspricht; Anwenden eines Normalisierungsfaktors im Bildraum, zum Erzeugen eines Bildaktualisierungsfaktors, welcher der Ansicht und der Iteration entspricht (Block 670); und Aktualisieren des zweiten 3D-Bildes unter Verwendung des Bildaktualisierungsfaktors, welcher der Ansicht und der Iteration entspricht (Block 680). Der Verarbeitungsablauf fährt dann mit der nächsten Iteration fort, wie in6 gezeigt. - In einigen Ausführungsformen verkörpert das Speichermedium 154 greifbar ein Programm von Anweisungen, die durch einen Prozessor 152 ausführbar sind, um den Prozessor 152 zu veranlassen, Operationen in den Prozessen 500 und 600 sowie verschiedene andere hierin beschriebene Verarbeitungsschritte durchzuführen.
- Mit dem Gebiet Vertraute werden verstehen, dass hierin beschriebene Techniken in Hardware, Firmware oder Software codiert (z.B. als Anweisungen, die durch einen Prozessor ausführbar sind) auf einem nichttransitorischen computerlesbaren Speichermedium implementiert sein können.
- Die Vorrichtungen und Prozesse sind nicht auf die spezifischen hierin beschriebenen Ausführungsformen beschränkt. Außerdem können Komponenten jeder Vorrichtung und jedes Prozesses in der Praxis unabhängig und getrennt von anderen hierin beschriebenen Komponenten und Prozessen angewandt werden.
Claims (20)
- Verfahren (400, 500) zur Erzeugung eines dreidimensionalen (3D) Bildes, wobei das Verfahren Folgendes umfasst: Erfassen (510) von Projektionsdaten für einen Abschnitt des Körpers eines Patienten (145) in mehreren Ansichten unter Verwendung eines oder mehrerer Detektoren (130), wobei die Projektionsdaten mehrere zweidimensionale (2D) Projektionen beinhalten; Initialisieren (410, 520) eines 3D-Bildes; für jede Ansicht aus den mehreren Ansichten, Transformieren (420, 530) des 3D-Bildes unter Verwendung einer Ansichtstransformation, welche der Ansicht entspricht, zum Erzeugen eines ursprünglichen transformierten Bildes, welches der Ansicht entspricht, und Durchführen (430) mehrerer Iterationen eines MLEM (Maximum Likelihood Expectation Maximization) -Prozesses basierend auf mindestens dem ursprünglichen transformierten Bild und den Projektionsdaten, wobei der MLEM-Prozess mit dem ursprünglichen transformierten Bild initialisiert wird, und Aktualisieren (410, 540) des 3D-Bildes basierend auf einer Ausgabe des MLEM-Prozesses.
- Verfahren (400, 500) nach
Anspruch 1 , wobei das Durchführen (430) jeder Iteration des MLEM-Prozesses ein aktualisiertes transformiertes Bild erzeugt, wobei das Verfahren (400, 500) ferner Folgendes umfasst: für jede Ansicht, basierend auf dem aktualisierten transformierten Bild und dem ursprünglichen transformierten Bild, welche der Ansicht entsprechen, Berechnen (440) eines Bildaktualisierungsfaktors, welcher der Ansicht entspricht. - Verfahren (400, 500) nach
Anspruch 2 , wobei das Aktualisieren (410) des 3D-Bildes das Aktualisieren des 3D-Bildes basierend auf den Bildaktualisierungsfaktoren, welche entsprechenden der mehreren Ansichten entsprechen, beinhaltet. - Verfahren (400, 500) nach
Anspruch 1 , wobei der eine oder die mehreren Detektoren (130) an einer Gantry (120) angebracht sind und jede Ansicht einer entsprechenden Drehposition der Gantry (120) entspricht. - Verfahren (400, 500) nach
Anspruch 1 , wobei das Transformieren (420, 530) des 3D-Bildes für jede Ansicht, das Durchführen (430) mehrerer Iterationen des MLEM-Prozesses für jede Ansicht und das Aktualisieren des 3D-Bildes jeweils mehrfach durchgeführt werden, um das 3D-Bild schrittweise zu verfeinern. - Verfahren (400, 500) nach
Anspruch 1 , wobei das 3D-Bild ein erstes 3D-Bild ist und der MLEM-Prozess für jede Ansicht Folgendes beinhaltet: Initialisieren (432) eines zweiten 3D-Bildes mit dem ursprünglichen transformierten Bild, welches der Ansicht entspricht; und für jede von N Iterationen, wobei N eine ganze Zahl größer als Eins ist, Durchführen (430) einer MLEM (Maximum Likelihood Expectation Maximization) - Verarbeitung zum Verfeinern des zweiten 3D-Bildes durch Folgendes: Vorwärtsprojizieren (434) des zweiten 3D-Bildes zum Erzeugen eines Datenmodells, welches der Ansicht entspricht; Vergleichen (436) des Datenmodells, welches der Ansicht entspricht, mit Projektionsdaten, welche der Ansicht entsprechen, zum Erzeugen eines Korrekturfaktors, welcher der Ansicht entspricht; Zurückprojizieren (438) des Korrekturfaktors, welcher der Ansicht entspricht, und Anwenden eines Normalisierungsfaktors im Bildraum zum Erzeugen eines Bildaktualisierungsfaktors, welcher der Ansicht und der Iteration entspricht; und Aktualisieren (432) des zweiten 3D-Bildes unter Verwendung des Bildaktualisierungsfaktors, welcher der Ansicht und der Iteration entspricht. - Verfahren (400, 500) nach
Anspruch 6 , wobei das erste 3D-Bild basierend auf mindestens mehreren abschließenden Bildaktualisierungsfaktoren, welche entsprechenden der mehreren Ansichten entsprechen, aktualisiert wird (410). - Verfahren (600) zur Bildverarbeitung, wobei das Verfahren Folgendes umfasst: (a) Transformieren (610) eines ersten 3D-Bildes unter Verwendung einer Ansichtstransformation, welche einer Ansicht entspricht, zum Erzeugen eines transformierten Bildes; (b) Initialisieren (620) eines zweiten 3D-Bildes mit dem transformierten Bild; (c) für jede Iteration von mehreren N Iterationen, wobei N eine ganze Zahl größer als Eins ist, Durchführen (640) einer MLEM (Maximum Likelihood Expectation Maximization) -Verarbeitung zum Verfeinern des zweiten 3D-Bildes durch Folgendes: Vorwärtsprojizieren (650) des zweiten 3D-Bildes zum Erzeugen eines Datenmodells, Vergleichen (660) des Datenmodells mit einem zweidimensionalen (2D) Projektionsdatensatz, welcher der Ansicht entspricht, zum Erzeugen eines Korrekturfaktors, welcher der Ansicht entspricht, Zurückprojizieren (670) des Korrekturfaktors, welcher der Ansicht entspricht, und Anwenden eines Normalisierungsfaktors im Bildraum zum Erzeugen eines Bildaktualisierungsfaktors, welcher der Ansicht und der Iteration entspricht, und Aktualisieren (680) des zweiten 3D-Bildes unter Verwendung des Bildaktualisierungsfaktors, welcher der Ansicht und der Iteration entspricht.
- Verfahren (600) nach
Anspruch 8 , welches ferner Folgendes umfasst: (d) Aktualisieren (410) des ersten 3D-Bildes unter Verwendung mindestens eines abschließenden Bildaktualisierungsfaktors, welcher der Ansicht entspricht. - Verfahren (600) nach
Anspruch 8 , wobei die Ansicht eine erste Ansicht aus mehreren M Ansichten ist, wobei M eine ganze Zahl ist, wobei das Verfahren ferner das Durchführen der Schritte (a), (b) und (c) für zusätzliche M-1 Ansichten beinhaltet. - Verfahren (600) nach
Anspruch 10 , welches ferner Folgendes umfasst: (d) Aktualisieren (410) des ersten 3D-Bildes unter Verwendung mindestens mehrerer abschließender Bildaktualisierungsfaktoren, welche entsprechenden Ansichten entsprechen. - Maschinenlesbares Speichermedium (154), welches ein Programm von Anweisungen greifbar verkörpert, welche durch einen Prozessor (152) ausführbar sind, um den Prozessor (152) zu veranlassen, Operationen durchzuführen, welche Folgendes umfassen: Erfassen (510) von Projektionsdaten für einen Abschnitt des Körpers eines Patienten (145) in mehreren Ansichten unter Verwendung eines oder mehrerer Detektoren (130), wobei die Projektionsdaten mehrere zweidimensionale (2D) Projektionen beinhalten; Initialisieren (410, 520) eines 3D-Bildes; für jede Ansicht aus den mehreren Ansichten, Transformieren (420, 530) des 3D-Bildes unter Verwendung einer Ansichtstransformation, welche der Ansicht entspricht, zum Erzeugen eines ursprünglichen transformierten Bildes, welches der Ansicht entspricht, und Durchführen (430) mehrerer Iterationen eines MLEM (Maximum Likelihood Expectation Maximization) -Prozesses basierend auf mindestens dem ursprünglichen transformierten Bild und den Projektionsdaten, wobei der MLEM-Prozess mit dem ursprünglichen transformierten Bild initialisiert wird, und Aktualisieren (410, 540) des 3D-Bildes basierend auf einer Ausgabe des MLEM-Prozesses.
- Speichermedium (154) nach
Anspruch 12 , wobei das Durchführen (430) jeder Iteration des MLEM-Prozesses ein aktualisiertes transformiertes Bild erzeugt und die Anweisungen ferner durch den Prozessor (152) ausführbar sind, um den Prozessor (152) zu veranlassen, Operationen durchzuführen, welche Folgendes umfassen: für jede Ansicht, basierend auf dem aktualisierten transformierten Bild und dem ursprünglichen transformierten Bild, welche der Ansicht entsprechen, Berechnen (440) eines Bildaktualisierungsfaktors, welcher der Ansicht entspricht. - Speichermedium (154) nach
Anspruch 13 , wobei das Aktualisieren (410, 540) des 3D-Bildes das Aktualisieren des 3D-Bildes basierend auf den Bildaktualisierungsfaktoren, welche entsprechenden der mehreren Ansichten entsprechen, beinhaltet. - Speichermedium (154) nach
Anspruch 12 , wobei die Anweisungen durch einen Prozessor (152) ausführbar sind, um den Prozessor (152) zu veranlassen, jedes des Transformierens des 3D-Bildes für jede Ansicht, des Durchführens (430) mehrerer Iterationen des MLEM-Prozesses für jede Ansicht und des mehrmaligen Aktualisierens des 3D-Bildes zum schrittweisen Verfeinern des 3D-Bildes durchzuführen. - Speichermedium (154) nach
Anspruch 12 , wobei das 3D-Bild ein erstes 3D-Bild ist und der MLEM-Prozess für jede Ansicht Folgendes beinhaltet: Initialisieren (432) eines zweiten 3D-Bildes mit dem ursprünglichen transformierten Bild, welches der Ansicht entspricht; und für jede von N Iterationen, wobei N eine ganze Zahl größer als Eins ist, Durchführen (430) einer MLEM (Maximum Likelihood Expectation Maximization) - Verarbeitung zum Verfeinern des zweiten 3D-Bildes durch Folgendes: Vorwärtsprojizieren (434) des zweiten 3D-Bildes zum Erzeugen eines Datenmodells, welches der Ansicht entspricht; Vergleichen (436) des Datenmodells, welches der Ansicht entspricht, mit Projektionsdaten, welche der Ansicht entsprechen, zum Erzeugen eines Korrekturfaktors, welcher der Ansicht entspricht; Zurückprojizieren (438) des Korrekturfaktors, welcher der Ansicht entspricht, und Anwenden eines Normalisierungsfaktors im Bildraum zum Erzeugen eines Bildaktualisierungsfaktors, welcher der Ansicht und der Iteration entspricht; und Aktualisieren (432) des zweiten 3D-Bildes unter Verwendung des Bildaktualisierungsfaktors, welcher der Ansicht und der Iteration entspricht. - Speichermedium (154) nach
Anspruch 16 , wobei das Aktualisieren (410, 540) des 3D-Bildes das Aktualisieren (410, 540) des 3D-Bildes basierend auf mindestens mehreren abschließenden Bildaktualisierungsfaktoren, welche entsprechenden der mehreren Ansichten entsprechen, beinhaltet. - Maschinenlesbares Speichermedium (154), welches ein Programm von Anweisungen greifbar verkörpert, welche durch einen Prozessor (152) ausführbar sind, um den Prozessor (152) zu veranlassen, Operationen durchzuführen, welche Folgendes umfassen: (a) Transformieren (610) eines ersten 3D-Bildes unter Verwendung einer Ansichtstransformation, welche einer Ansicht entspricht, zum Erzeugen eines transformierten Bildes; (b) Initialisieren (620) eines zweiten 3D-Bildes mit dem transformierten Bild; (c) für jede Iteration von mehreren N Iterationen, wobei N eine ganze Zahl größer als Eins ist, Durchführen (640) einer MLEM (Maximum Likelihood Expectation Maximization) -Verarbeitung zum Verfeinern des zweiten 3D-Bildes durch Folgendes: Vorwärtsprojizieren (650) des zweiten 3D-Bildes zum Erzeugen eines Datenmodells, Vergleichen (660) des Datenmodells mit einem zweidimensionalen (2D) Projektionsdatensatz, welcher der Ansicht entspricht, zum Erzeugen eines Korrekturfaktors, welcher der Ansicht entspricht, Zurückprojizieren (670) des Korrekturfaktors, welcher der Ansicht entspricht, und Anwenden eines Normalisierungsfaktors im Bildraum zum Erzeugen eines Bildaktualisierungsfaktors, welcher der Ansicht und der Iteration entspricht, und Aktualisieren (680) des zweiten 3D-Bildes unter Verwendung des Bildaktualisierungsfaktors, welcher der Ansicht und der Iteration entspricht.
- Speichermedium (154) nach
Anspruch 18 , wobei die Anweisungen ferner durch den Prozessor (152) ausführbar sind, um den Prozessor (152) zu veranlassen, Operationen durchzuführen, welche Folgendes umfassen: (d) Aktualisieren (410) des ersten 3D-Bildes unter Verwendung mindestens eines abschließenden Bildaktualisierungsfaktors, welcher der Ansicht entspricht. - Speichermedium (154) nach
Anspruch 18 , wobei die Ansicht eine erste Ansicht aus mehreren M Ansichten ist, wobei M eine ganze Zahl ist, und wobei die Anweisungen ferner durch den Prozessor (152) ausführbar sind, um den Prozessor (152) zu veranlassen, die Operationen (a), (b) und (c) für zusätzliche M-1 Ansichten durchzuführen.
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201462012445P | 2014-06-16 | 2014-06-16 | |
US62/012,445 | 2014-06-16 | ||
PCT/IB2015/054533 WO2015193802A1 (en) | 2014-06-16 | 2015-06-16 | Multi-view tomographic reconstruction |
Publications (2)
Publication Number | Publication Date |
---|---|
DE112015002831T5 DE112015002831T5 (de) | 2017-04-27 |
DE112015002831B4 true DE112015002831B4 (de) | 2023-01-19 |
Family
ID=53525218
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
DE112015002831.5T Active DE112015002831B4 (de) | 2014-06-16 | 2015-06-16 | Tomographische rekonstruktion mehrerer ansichten |
Country Status (5)
Country | Link |
---|---|
US (1) | US10217250B2 (de) |
CN (1) | CN106462988B (de) |
DE (1) | DE112015002831B4 (de) |
HU (1) | HU231354B1 (de) |
WO (1) | WO2015193802A1 (de) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106462987B (zh) * | 2014-06-13 | 2019-11-19 | 美国西门子医疗解决公司 | 基于投影数据集的用于体积的改进图像重构 |
US11348292B2 (en) | 2019-02-18 | 2022-05-31 | Argospect Technologies Inc. | Image reconstruction method for collimator and detector based medical imaging systems |
US11574184B2 (en) * | 2019-09-13 | 2023-02-07 | Siemens Medical Solutions Usa, Inc. | Multi-modal reconstruction network |
Family Cites Families (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030190065A1 (en) * | 2002-03-26 | 2003-10-09 | Cti Pet Systems, Inc. | Fast iterative image reconstruction from linograms |
US7120283B2 (en) * | 2004-01-12 | 2006-10-10 | Mercury Computer Systems, Inc. | Methods and apparatus for back-projection and forward-projection |
HUP0400894A2 (en) | 2004-04-29 | 2006-08-28 | Lorant Szabo | Method and device 3d digital photograph drawing |
HU226835B1 (en) | 2004-09-20 | 2009-12-28 | Attila Dr Balogh | Method for 3 dimensional scanning of parts of human body and for electronic recording and playing back of scanned surface information |
EP1797535A1 (de) | 2004-09-28 | 2007-06-20 | Koninklijke Philips Electronics N.V. | Bildverarbeitungsvorrichtung und -verfahren |
US8086011B2 (en) * | 2007-10-31 | 2011-12-27 | Siemens Medical Solutions Usa, Inc. | Reconstructing a tomographic image |
US8094898B2 (en) * | 2008-07-16 | 2012-01-10 | Siemens Medical Solutions Usa, Inc. | Functional image quality assessment |
SG189284A1 (en) | 2010-10-07 | 2013-05-31 | Sungevity | Rapid 3d modeling |
JP6214128B2 (ja) | 2010-11-22 | 2017-10-18 | キヤノン株式会社 | 画像処理装置、画像処理方法、及び記憶媒体 |
CN102364524A (zh) * | 2011-10-26 | 2012-02-29 | 清华大学 | 一种基于变光照多视角间差采样的三维重建方法和装置 |
HUP1200013A2 (en) | 2012-01-06 | 2013-07-29 | Leonar3Do Internat Zrt | System and method for 3 dimension display |
US20160166218A1 (en) * | 2012-10-18 | 2016-06-16 | University Of Virginia Patent Foundation | System and method for expectation maximization reconstruction for gamma emission breast tomosynthesis |
US9001962B2 (en) * | 2012-12-20 | 2015-04-07 | Triple Ring Technologies, Inc. | Method and apparatus for multiple X-ray imaging applications |
-
2015
- 2015-06-16 US US15/315,719 patent/US10217250B2/en active Active
- 2015-06-16 HU HUP1700011A patent/HU231354B1/hu unknown
- 2015-06-16 WO PCT/IB2015/054533 patent/WO2015193802A1/en active Application Filing
- 2015-06-16 CN CN201580032113.2A patent/CN106462988B/zh active Active
- 2015-06-16 DE DE112015002831.5T patent/DE112015002831B4/de active Active
Non-Patent Citations (1)
Title |
---|
HSIAO, Tsung [et al.]: An accelerated convergent ordered subsets algorithm for emission tomography. Physics in Medicine & Biology, 2004, 49. Jg., Nr. 11, S. 2145 |
Also Published As
Publication number | Publication date |
---|---|
US10217250B2 (en) | 2019-02-26 |
HU231354B1 (hu) | 2023-02-28 |
US20170098316A1 (en) | 2017-04-06 |
DE112015002831T5 (de) | 2017-04-27 |
HUP1700011A2 (en) | 2017-05-29 |
CN106462988A (zh) | 2017-02-22 |
CN106462988B (zh) | 2019-08-20 |
WO2015193802A1 (en) | 2015-12-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Yokota et al. | Dynamic PET image reconstruction using nonnegative matrix factorization incorporated with deep image prior | |
DE102013217351B4 (de) | Bildbasierte Bewegungskompensation von Bilddaten | |
US7680240B2 (en) | Iterative reconstruction of tomographic image data method and system | |
DE102009048302B4 (de) | Korrektur von Trunkierungen bei einer MR-Bildgebung | |
DE112015002802B4 (de) | Verbesserte bildrekonstruktion für ein volumen basierend auf projektionsdatensätzen | |
DE102013106467A1 (de) | Verfahren und Vorrichtung zur iterativen Rekonstruktion | |
DE102007028828A1 (de) | System und Verfahren zur iterativen Bilderkonstruktion | |
DE102012110497A1 (de) | Verfahren und Vorrichtung für iterative Rekonstruktion | |
DE102012101142A1 (de) | Verfahren zur Erfassung der Morphologie einer Brust | |
DE102010029281A1 (de) | Verfahren und Bildrekonstruktionseinrichtung zur Rekonstruktion von Bilddaten | |
DE102011086771A1 (de) | Computertomographieanlage und Verfahren zum Ermitteln von Volumeninformationen zu einem Körper | |
DE69723314T2 (de) | Direkte tomographische rekonstruktion | |
DE102014200303B4 (de) | Verfahren zur Durchführung einer Positronenemissionstomographie in einer Hybridanlage und entsprechende Hybridanlage | |
DE112015002935B4 (de) | Rekonstruktion mit mehreren Photopeaks in quantitativer Einzelphotonen-Emissionscomputertomographie | |
DE112015002809T5 (de) | Multiple Emissionsenergien bei Einzelphotonen-Emissionscomputertomographie | |
DE112015002831B4 (de) | Tomographische rekonstruktion mehrerer ansichten | |
DE102012105331A1 (de) | Artefaktbeseitigung in Nuklearbildern | |
DE102011005715A1 (de) | Verfahren zum Gewinnen eines von Spuren eines Metallobjektes befreiten 3D-Bilddatensatzes | |
DE60311249T2 (de) | Organspezifische rückprojektion | |
DE102020212113A1 (de) | Generieren modifizierter medizinischer Bilder und Erkennen abnormaler Strukturen | |
DE112014005888T5 (de) | Verfahren und Vorrichtung zur bereichsspezifischen MR-basierten Abschwächungskorrektur von zeitbereichsgefilterten PET-Studien | |
Zhang et al. | Deep generalized learning model for PET image reconstruction | |
JP6495615B2 (ja) | 画像処理装置および画像処理方法 | |
DE102015216780A1 (de) | Verfahren und Vorrichtung zur Bestimmung eines Streustrahlungsbeitrags für eine Streustrahlungskorrektur eines Röntgenbildes | |
DE102010023847A1 (de) | Verfahren zur Bestimmung einer Strahlungsschwächung eines Untersuchungsobjekts in einem Positronenmissionstomographen |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
R012 | Request for examination validly filed | ||
R016 | Response to examination communication | ||
R016 | Response to examination communication | ||
R082 | Change of representative |
Representative=s name: BALS & VOGEL PATENTANWAELTE PARTG MBB, DE |
|
R018 | Grant decision by examination section/examining division | ||
R020 | Patent grant now final |