JP2008048880A - Image forming method - Google Patents
Image forming method Download PDFInfo
- Publication number
- JP2008048880A JP2008048880A JP2006227675A JP2006227675A JP2008048880A JP 2008048880 A JP2008048880 A JP 2008048880A JP 2006227675 A JP2006227675 A JP 2006227675A JP 2006227675 A JP2006227675 A JP 2006227675A JP 2008048880 A JP2008048880 A JP 2008048880A
- Authority
- JP
- Japan
- Prior art keywords
- scan data
- virtual
- image
- ray
- data
- 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.)
- Withdrawn
Links
- 238000000034 method Methods 0.000 title claims abstract description 22
- 230000003902 lesion Effects 0.000 claims abstract description 28
- 239000002131 composite material Substances 0.000 claims description 11
- 238000002591 computed tomography Methods 0.000 description 22
- 238000012545 processing Methods 0.000 description 11
- 238000003384 imaging method Methods 0.000 description 9
- 206010058467 Lung neoplasm malignant Diseases 0.000 description 5
- 201000005202 lung cancer Diseases 0.000 description 5
- 208000020816 lung neoplasm Diseases 0.000 description 5
- 210000004072 lung Anatomy 0.000 description 4
- 210000000038 chest Anatomy 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 3
- 238000002474 experimental method Methods 0.000 description 3
- 238000012216 screening Methods 0.000 description 3
- 238000003860 storage Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 238000002360 preparation method Methods 0.000 description 2
- 238000009877 rendering Methods 0.000 description 2
- 235000001630 Pyrus pyrifolia var culta Nutrition 0.000 description 1
- 240000002609 Pyrus pyrifolia var. culta Species 0.000 description 1
- 210000001015 abdomen Anatomy 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000005337 ground glass Substances 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 230000001678 irradiating effect Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 210000000115 thoracic cavity Anatomy 0.000 description 1
- 238000003325 tomography Methods 0.000 description 1
Landscapes
- Apparatus For Radiation Diagnosis (AREA)
Abstract
Description
本発明は、画像作成方法に関し、特に、病変を有する人体の断層像を模擬した画像を作成する方法に関する。 The present invention relates to an image creation method, and more particularly, to a method for creating an image simulating a tomographic image of a human body having a lesion.
Ｘ線ＣＴ(Computed Tomography)装置は、被検体をＸ線でスキャン(scan)して得られたデータ(data)に基づいて断層像を再構成する。Ｘ線ＣＴ装置は肺癌検診にも重用される。肺癌検診用の最適な撮影条件は、ファントム(phantom)用いた撮影実験を通じて求められる。実験に使用されるファントムは、肺に病変（結節）を持つ人体に似せて作られた胸部模型である（例えば、非特許文献１参照）。
上記のファントムは、体格が一定で、病変の性状、形、大きさ、位置、個数等も固定である。これに対して、現実の被検体は体格が異なり、病変の性状、形、大きさ、位置、個数等もさまざまである。このため、ファントムについての実験だけでは、個々の被検体に最適な撮影条件を求めることは困難である。 The above phantom has a fixed physique, and the nature, shape, size, position, number, etc. of lesions are also fixed. On the other hand, actual subjects have different physiques, and the nature, shape, size, position, number, etc. of lesions vary. For this reason, it is difficult to obtain optimal imaging conditions for each subject only by experiments with phantoms.
ファントムの断層像は病変読影の学習等にも利用されるが、ファントムの固定的な性質により、学習効果は限定的なものとなる。ファントムの断層像をCAD (Computer Aided Detection)の性能評価に利用する場合も同様である。 Although the phantom tomogram is also used for learning of lesion interpretation, etc., the learning effect is limited due to the fixed nature of the phantom. The same applies when the phantom tomogram is used for performance evaluation of CAD (Computer Aided Detection).
そこで、本発明の課題は、病変を有する人体の断層像の模擬画像をファントムによらずに作成する方法を実現することである。 Accordingly, an object of the present invention is to realize a method for creating a simulated image of a tomographic image of a human body having a lesion without using a phantom.
課題を解決するための本発明は、Ｘ線ＣＴ装置によって収集された被検体の実スキャンデータを導入し、前記実スキャンデータを収集したＸ線ＣＴ装置と同一のジオメトリを持つＸ線ＣＴシミュレータにより、仮想的なスキャン空間に設定された仮想的な病変についての仮想スキャンデータを生成し、前記実スキャンデータと前記仮想スキャンデータを同一ビューごとに重畳して合成スキャンデータを形成し、前記合成スキャンデータに基づいて画像を再構成することを特徴とする画像作成方法である。 In order to solve the problem, the present invention introduces actual scan data of an object collected by an X-ray CT apparatus, and uses an X-ray CT simulator having the same geometry as the X-ray CT apparatus that collects the actual scan data. Generating virtual scan data for a virtual lesion set in a virtual scan space, superimposing the real scan data and the virtual scan data for each same view to form composite scan data, and the composite scan An image creation method is characterized in that an image is reconstructed based on data.
本発明によれば、Ｘ線ＣＴ装置によって収集された被検体の実スキャンデータを導入し、前記実スキャンデータを収集したＸ線ＣＴ装置と同一のジオメトリを持つＸ線ＣＴシミュレータにより、仮想的なスキャン空間に設定された仮想的な病変についての仮想スキャンデータを生成し、前記実スキャンデータと前記仮想スキャンデータを同一ビューごとに重畳して合成スキャンデータを形成し、前記合成スキャンデータに基づいて画像を再構成するので、病変を有する人体の断層像の模擬画像をファントムによらずに作成する方法を実現することができる。 According to the present invention, actual scan data of a subject collected by an X-ray CT apparatus is introduced, and an X-ray CT simulator having the same geometry as that of the X-ray CT apparatus that collects the actual scan data is used to virtually Generate virtual scan data for a virtual lesion set in a scan space, superimpose the real scan data and the virtual scan data for each same view to form composite scan data, and based on the composite scan data Since the image is reconstructed, a method for creating a simulated image of a tomographic image of a human body having a lesion without using a phantom can be realized.
以下、図面を参照して発明を実施するための最良の形態を説明する。なお、本発明は、発明を実施するための最良の形態に限定されるものではない。図１に画像作成装置の構成をブロック(block)図によって示す。画像作成装置の実体は画像処理用ワークステーション(work station)等である。 The best mode for carrying out the invention will be described below with reference to the drawings. Note that the present invention is not limited to the best mode for carrying out the invention. FIG. 1 is a block diagram showing the configuration of the image creating apparatus. The entity of the image creating apparatus is an image processing work station or the like.
図１に示すように、本装置は、データ処理部１０、表示部２０、操作部３０、記憶部４０および入出力部５０を有する。データ処理部１０は、表示部２０および操作部３０を通じてのユーザー(user)によるインタラクティブ(interactive)な操作に基づいて、記憶部４０に記憶されたデータについて画像作成用のデータ処理を行う。 As illustrated in FIG. 1, the apparatus includes a data processing unit 10, a display unit 20, an operation unit 30, a storage unit 40, and an input / output unit 50. The data processing unit 10 performs data processing for image creation on the data stored in the storage unit 40 based on an interactive operation by a user through the display unit 20 and the operation unit 30.
データ処理部１０は、また、入出力部５０を通じて外部装置に対するデータ入出力を行う。外部装置は例えばＸ線ＣＴ装置等である。なお、本装置はＸ線ＣＴ装置の一部であってもよい。その場合、入出力部５０は必ずしも必要でない。 The data processing unit 10 also inputs / outputs data to / from an external device through the input / output unit 50. The external apparatus is, for example, an X-ray CT apparatus. The apparatus may be a part of the X-ray CT apparatus. In that case, the input / output unit 50 is not necessarily required.
図２に、本装置による画像作成の工程を示す。本工程によって、画像作成方法に関する発明を実施するための最良の形態の一例が示される。図２に示すように、画像作成は４つの工程Ｐ１−Ｐ４によって行われる。 FIG. 2 shows a process of creating an image by this apparatus. This step shows an example of the best mode for carrying out the invention relating to the image creating method. As shown in FIG. 2, image creation is performed by four processes P1-P4.
工程Ｐ１は、実スキャンデータ(scan data)を導入する工程である。工程Ｐ１では、Ｘ線ＣＴ装置によって収集された被検体の実スキャンデータが導入される。
工程Ｐ２は、仮想スキャンデータを生成する工程である。工程Ｐ２では、実スキャンデータを収集したＸ線ＣＴ装置と同一のジオメトリ(geometry)を持つＸ線ＣＴシミュレータにより、仮想的なスキャン空間に設定された仮想的な病変についての仮想スキャンデータが生成される。
Step P1 is a step of introducing actual scan data. In step P1, actual scan data of the subject collected by the X-ray CT apparatus is introduced.
Step P2 is a step of generating virtual scan data. In step P2, virtual scan data for a virtual lesion set in a virtual scan space is generated by an X-ray CT simulator having the same geometry as the X-ray CT apparatus that collected the actual scan data. The
工程Ｐ３は、合成スキャンデータを形成する工程である。工程Ｐ３では、実スキャンデータと仮想スキャンデータを同一ビュー(view)ごとに重畳して合成スキャンデータが形成される。 Step P3 is a step of forming composite scan data. In step P3, the combined scan data is formed by superimposing the actual scan data and the virtual scan data for each same view.
工程Ｐ４は、画像再構成を行う工程である。工程Ｐ４では、合成スキャンデータに基づく画像再構成が行われる。
図３に、上記の画像作成の工程の詳細な(flow chart)フローチャートを示す。図３に示すように、ステップ(step)３１１で、実ＣＴで収集された被検体の生データを取込む。被検体の生データの取込みは、入出力部５０を通じて行われる。この生データに、ステップ３１２でノイズ(noise)を付加し、ステップ３１３で前処理を行い、ステップ３１４で-log処理を行う。これによって、被検体の実スキャンデータが得られる。ステップ３１１から３１４までの処理は工程Ｐ１に相当する。
Step P4 is a step of performing image reconstruction. In step P4, image reconstruction based on the composite scan data is performed.
FIG. 3 shows a detailed (flow chart) flowchart of the image creation process. As shown in FIG. 3, in step 311, the raw data of the subject collected by the actual CT is captured. The acquisition of the raw data of the subject is performed through the input / output unit 50. Noise is added to the raw data at step 312, preprocessing is performed at step 313, and -log processing is performed at step 314. Thereby, actual scan data of the subject is obtained. The processing from step 311 to step 314 corresponds to the process P1.
ステップ３２１で、仮想スキャン空間に仮想結節を設定する。仮想結節は仮想的な病変である。この設定はユーザーによりインタラクティブに行われる。すなわち、例えば、表示部２０に仮想スキャン空間を表示させ、この仮想スキャン空間内で仮想結節を操作部３０により設定する。 In step 321, a virtual nodule is set in the virtual scan space. A virtual nodule is a virtual lesion. This setting is performed interactively by the user. That is, for example, a virtual scan space is displayed on the display unit 20, and a virtual nodule is set by the operation unit 30 in this virtual scan space.
仮想スキャン空間は、次のステップでＣＴシミュレータ(simulator)によるスキャンが行われる仮想的な空間である。仮想スキャン空間は、２次元または３次元の空間である。ＣＴシミュレータでヘリカルスキャン(helical scan)を行うときは、仮想スキャン空間は３次元空間となる。仮想結節は仮想的な病変であって、任意の性状、大きさ、形を持つ結節が、仮想スキャン空間の任意の位置に任意の個数だけ設定される。 The virtual scan space is a virtual space in which scanning is performed by a CT simulator (simulator) in the next step. The virtual scan space is a two-dimensional or three-dimensional space. When performing a helical scan with a CT simulator, the virtual scan space is a three-dimensional space. A virtual nodule is a virtual lesion, and an arbitrary number of nodules having arbitrary properties, sizes, and shapes are set at arbitrary positions in the virtual scan space.
図４に、仮想結節の例を示す。図４に示すように、仮想結節としては、（ａ）に示すようなすりガラス状結節と、（ｂ）に示すような中心部に高濃度部を有するすりガラス状結節の２種類のうちのいずれかまたは両方が設定される。 FIG. 4 shows an example of a virtual nodule. As shown in FIG. 4, the virtual nodule is one of two types of ground glass-like nodules as shown in (a) and a ground glass-like nodule having a high-concentration portion at the center as shown in (b). Or both are set.
両結節はいずれも球形であり、全体径および高濃度部径は任意の値にすることができる。また、すりガラス部および高濃度部のＣＴ値も任意の値にすることができる。なお、結節の形状は球形に限らず、楕円、多角形、不定形等として良い。 Both nodules are spherical, and the overall diameter and the high concentration part diameter can be set to arbitrary values. Also, the CT values of the ground glass portion and the high concentration portion can be set to arbitrary values. The shape of the nodule is not limited to a spherical shape, and may be an ellipse, a polygon, an indefinite shape, or the like.
ステップ３２２で、ＣＴシミュレータで仮想スキャン空間をスキャンして生データを収集する。ＣＴシミュレータは、ステップ３１１で取込む生データを収集したＸ線ＣＴ装置と同一のジオメトリを有する。これによって、被検体の生データと同一のジオメトリで収集された病変の生データが得られる。この生データに、ステップ３２３で前処理を行い、ステップ３２４で-log処理を行う。これによって、仮想結節の仮想スキャンデータが得られる。ステップ３２１から３２４までの処理は工程Ｐ２に相当する。 In step 322, the virtual scan space is scanned by the CT simulator to collect raw data. The CT simulator has the same geometry as the X-ray CT apparatus that collected the raw data captured in step 311. Thereby, raw data of the lesion collected with the same geometry as the raw data of the subject is obtained. The raw data is preprocessed at step 323 and -log processing is performed at step 324. Thereby, virtual scan data of a virtual nodule is obtained. The processing from step 321 to 324 corresponds to the process P2.
ステップ３０５で、データ合成を行う。データ合成は、実スキャンデータと仮想スキャンデータを同一ビュー同士で重畳することにより行われる。これによって、合成スキャンデータが全ビューについて形成される。ステップ３０５は工程Ｐ３に相当する。 In step 305, data composition is performed. Data composition is performed by superimposing actual scan data and virtual scan data on the same view. As a result, composite scan data is formed for all views. Step 305 corresponds to process P3.
ステップ３０６で、画像再構成を行う。画像再構成は、合成スキャンデータに基づいて行われる。ステップ３０６は工程Ｐ４に相当する。合成スキャンデータは被検体の実スキャンデータに仮想結節の仮想スキャンデータを重畳したものなので、それに基づいて再構成された画像は、病変を有する人体の断層像を模擬した画像となる。 In step 306, image reconstruction is performed. Image reconstruction is performed based on the composite scan data. Step 306 corresponds to process P4. Since the composite scan data is obtained by superimposing virtual scan data of a virtual nodule on actual scan data of a subject, an image reconstructed based on the scan data is an image simulating a tomographic image of a human body having a lesion.
図５に、このようにして作成された画像の例を示す。図５の（ａ）に示すように、左右両肺の前部、中部、後部にそれぞれ仮想結節を持つ胸部断層が作成される。仮想結節の性状、大きさ、形、位置、個数はユーザーによって任意に設定されている。仮想結節は、図５の（ｂ）、（ｃ）、（ｄ）に示すように、肺尖部、肺門部、肺底部のいずれにも設けることができる。 FIG. 5 shows an example of an image created in this way. As shown in FIG. 5A, a thoracic tomography having virtual nodules at the front, middle, and rear of both left and right lungs is created. The nature, size, shape, position and number of virtual nodules are arbitrarily set by the user. Virtual nodules can be provided at any of the apex, hilar and bottom of the lung, as shown in FIGS. 5 (b), (c) and (d).
図６に、生データにノイズを付加したときの、再構成画像の画質変化の様子を示す。図６の（ａ）、（ｂ）、（ｃ）、（ｄ）の順に、付加したノイズが大きくなっている。ノイズの増大はＸ線管の管電流の減少に相当する。このため、付加するノイズのレベル(level)を調節することにより管電流変更の効果をシミュレーションすることができる。 FIG. 6 shows a change in the image quality of the reconstructed image when noise is added to the raw data. The added noise increases in the order of (a), (b), (c), and (d) in FIG. An increase in noise corresponds to a decrease in tube current of the X-ray tube. Therefore, the effect of changing the tube current can be simulated by adjusting the level of noise to be added.
図６においては、（ａ）、（ｂ）、（ｃ）、（ｄ）が、それぞれ、管電流が１００，５０，２０，１０ｍＡの場合についてのシミュレーションとなる。なお、ノイズ付加は、被検体の生データの代わりに、仮想結節の生データに対して行うようにしても良い。また、ノイズ付加の手法を応用して、再構成画像にアーティファクト(artifact)を生じさせることも可能である。 In FIG. 6, (a), (b), (c), and (d) are simulations for tube currents of 100, 50, 20, and 10 mA, respectively. Note that noise addition may be performed on the raw data of the virtual nodule instead of the raw data of the subject. It is also possible to apply artifacts to the reconstructed image by applying a noise addition technique.
このようにして、病変を有する人体の断層像の模擬画像を、ファントムによらずに得ることができる。あるいは、実ファントムによらずに仮想ファントムによって得られるといっても良い。 In this way, a simulated image of a tomographic image of a human body having a lesion can be obtained without using a phantom. Alternatively, it can be said that the virtual phantom is obtained without using the real phantom.
このように、いわば仮想ファントムを使用するので、仮想病変の性状、形、大きさ、位置、個数等をユーザーが任意に設定することができる。さらに、被検体の実スキャンデータをも利用するので、さまざまな体格についての画像を容易に作成することができる。なお、実スキャンデータは、ファントムの実スキャンデータであって良い。 Thus, since the virtual phantom is used, the user can arbitrarily set the properties, shape, size, position, number, etc. of the virtual lesion. Furthermore, since actual scan data of the subject is also used, images of various physiques can be easily created. The actual scan data may be phantom actual scan data.
このような画像を利用して、被検体に最適な撮影条件を個別に求めることができる。すなわち、仮想病変の性状、形、大きさ、位置、個数等をユーザーが任意に設定できることに加えて、ノイズ付加により管電流変更の影響をシミュレーションすることができるので、いろいろな撮影条件の下での画像を作成して比較することにより、目標とする病変を描出するための最適撮影条件を、実際にＸ線を照射することなく求めることができる。同様にして、目標とする病変が描出可能な最小の被曝線量を求めることができる。さらには、特定の撮影条件でしか描出できない病変の特徴を、実際に撮影することなく予知することができる。 Using such an image, it is possible to individually determine the optimal imaging conditions for the subject. In other words, the user can arbitrarily set the properties, shape, size, position, number, etc. of virtual lesions, and can also simulate the effect of tube current change by adding noise, so under various imaging conditions By creating and comparing these images, it is possible to obtain the optimum imaging conditions for rendering the target lesion without actually irradiating X-rays. Similarly, the minimum exposure dose that can depict the target lesion can be obtained. Furthermore, it is possible to predict the characteristics of a lesion that can be depicted only under specific imaging conditions without actually imaging.
このような画像は、また、画像読影を学習するため教材として最適である。すなわち、体格、仮想病変の性状、形、大きさ、位置、個数、撮影条件等が異なる画像をいくらでも作成できるので、さまざまなケース(case)の学習に役立てることができる。 Such images are also ideal as teaching materials for learning image interpretation. That is, any number of images with different physiques, virtual lesion properties, shapes, sizes, positions, numbers, imaging conditions, and the like can be created, which can be used for learning in various cases.
同じ理由で、CADの性能評価用の画像としても好適である。図７に、CADの結果の一例を示す。図７は、CADは肺の前部と中部の仮想結節は検出できたが、後部の仮想結節は検出できなかった例である。 For the same reason, it is also suitable as an image for CAD performance evaluation. FIG. 7 shows an example of the CAD result. FIG. 7 shows an example in which CAD was able to detect the virtual nodules of the front and middle of the lung but not the virtual nodules of the rear.
また、工程Ｐ４（ステップ３０６）における画像再構成を、複数通りの画像再構成関数でそれぞれ行って結果を比較することにより、特定の病変の描出に最適な画像再構成関数を求めることができる。再構成後の画像処理の最適化についても同様である。 In addition, by performing the image reconstruction in the process P4 (step 306) with a plurality of image reconstruction functions and comparing the results, an image reconstruction function optimal for rendering a specific lesion can be obtained. The same applies to optimization of image processing after reconstruction.
以上は、病変が肺癌である例であるが、病変は肺癌に限らずＸ線吸収量を変化させる他の病変であって良い。また、対象部位も胸部に限らず、頭部、腹部、四肢等、身体のどの部分であっても良い。 The above is an example in which the lesion is lung cancer, but the lesion is not limited to lung cancer but may be other lesions that change the amount of X-ray absorption. Further, the target part is not limited to the chest but may be any part of the body such as the head, abdomen, and extremities.
１０ データ処理部
２０ 表示部
３０ 操作部
４０ 記憶部
５０ 入出力部
10 data processing unit 20 display unit 30 operation unit 40 storage unit 50 input / output unit
Claims (1)
前記実スキャンデータを収集したＸ線ＣＴ装置と同一のジオメトリを持つＸ線ＣＴシミュレータにより、仮想的なスキャン空間に設定された仮想的な病変についての仮想スキャンデータを生成し、
前記実スキャンデータと前記仮想スキャンデータを同一ビューごとに重畳して合成スキャンデータを形成し、
前記合成スキャンデータに基づいて画像を再構成する
ことを特徴とする画像作成方法。 Introduce actual scan data of the subject collected by the X-ray CT system,
Generate virtual scan data for a virtual lesion set in a virtual scan space by an X-ray CT simulator having the same geometry as the X-ray CT apparatus that collected the actual scan data,
The actual scan data and the virtual scan data are superimposed for each same view to form composite scan data,
An image creating method, wherein an image is reconstructed based on the composite scan data.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2006227675A JP2008048880A (en) | 2006-08-24 | 2006-08-24 | Image forming method |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2006227675A JP2008048880A (en) | 2006-08-24 | 2006-08-24 | Image forming method |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JP2008048880A true JP2008048880A (en) | 2008-03-06 |
Family
ID=39233483
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2006227675A Withdrawn JP2008048880A (en) | 2006-08-24 | 2006-08-24 | Image forming method |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP2008048880A (en) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2009107658A1 (en) * | 2008-02-25 | 2009-09-03 | 株式会社 日立メディコ | X-ray ct scan simulator and x-ray ct device |
| JP2017029461A (en) * | 2015-08-03 | 2017-02-09 | 株式会社日立製作所 | Medical image processor and medical image processing method |
| JP2020519863A (en) * | 2017-05-01 | 2020-07-02 | コーニンクレッカ フィリップス エヌ ヴェＫｏｎｉｎｋｌｉｊｋｅ Ｐｈｉｌｉｐｓ Ｎ．Ｖ． | Generation of accurate hybrid datasets for quantitative molecular imaging |
| JPWO2021182229A1 (en) * | 2020-03-13 | 2021-09-16 | ||
| WO2022065061A1 (en) * | 2020-09-28 | 2022-03-31 | 富士フイルム株式会社 | Image processing device, image processing device operation method, and image processing device operation program |
-
2006
- 2006-08-24 JP JP2006227675A patent/JP2008048880A/en not_active Withdrawn
Cited By (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2009107658A1 (en) * | 2008-02-25 | 2009-09-03 | 株式会社 日立メディコ | X-ray ct scan simulator and x-ray ct device |
| JPWO2009107658A1 (en) * | 2008-02-25 | 2011-07-07 | 株式会社日立メディコ | X-ray CT scan simulator and X-ray CT apparatus |
| US8270560B2 (en) | 2008-02-25 | 2012-09-18 | Hitachi Medical Corporation | X-ray CT scan simulator and X-ray CT apparatus |
| JP5588859B2 (en) * | 2008-02-25 | 2014-09-10 | 株式会社日立メディコ | X-ray CT scan simulator and X-ray CT apparatus |
| JP2017029461A (en) * | 2015-08-03 | 2017-02-09 | 株式会社日立製作所 | Medical image processor and medical image processing method |
| JP2020519863A (en) * | 2017-05-01 | 2020-07-02 | コーニンクレッカ フィリップス エヌ ヴェＫｏｎｉｎｋｌｉｊｋｅ Ｐｈｉｌｉｐｓ Ｎ．Ｖ． | Generation of accurate hybrid datasets for quantitative molecular imaging |
| JP7326160B2 (en) | 2017-05-01 | 2023-08-15 | コーニンクレッカ フィリップス エヌ ヴェ | Generation of Accurate Hybrid Datasets for Quantitative Molecular Imaging |
| JPWO2021182229A1 (en) * | 2020-03-13 | 2021-09-16 | ||
| WO2021182229A1 (en) * | 2020-03-13 | 2021-09-16 | 富士フイルム株式会社 | Image generation device and program, learning device and program, and image processing device and program |
| WO2022065061A1 (en) * | 2020-09-28 | 2022-03-31 | 富士フイルム株式会社 | Image processing device, image processing device operation method, and image processing device operation program |
| JP7440655B2 (en) | 2020-09-28 | 2024-02-28 | 富士フイルム株式会社 | Image processing device, image processing device operating method, image processing device operating program |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Segars et al. | MCAT to XCAT: The evolution of 4-D computerized phantoms for imaging research | |
| AU2010295229B2 (en) | Particle image velocimetry suitable for X-ray projection imaging | |
| CN102125439B (en) | Image processing apparatus, X-ray computed tomography apparatus, and image processing method | |
| US8126224B2 (en) | Method and apparatus for instrument tracking on a scrolling series of 2D fluoroscopic images | |
| CN104066376B (en) | Equipment for digital radiation photograph and method | |
| Seeram | Computed tomography: physical principles and recent technical advances | |
| JP5348855B2 (en) | Object image reconstruction method and apparatus for performing the method | |
| CN104644200B (en) | The method and apparatus for reducing pseudomorphism in computed tomography images reconstruct | |
| EP2005394B1 (en) | Method for reconstruction images and reconstruction system for reconstructing images | |
| US10631800B2 (en) | Dual-energy cone-beam computed tomography with a multiple source, single-detector configuration | |
| JP6656910B2 (en) | Medical image processing device, medical image diagnostic device, and medical image processing program | |
| JP7043584B2 (en) | How to take an X-ray of a patient's organs | |
| CN108511043B (en) | X-CT virtual data acquisition and image reconstruction method and system based on numerical simulation | |
| CN103493101B (en) | Multi-energy imaging | |
| Badea et al. | 4D micro-CT for cardiac and perfusion applications with view under sampling | |
| JP5940356B2 (en) | Three-dimensional X-ray CT apparatus, three-dimensional CT image reconstruction method, and program | |
| JP3987024B2 (en) | Method and system for enhancing tomosynthesis images using lateral filtering | |
| Le Maitre et al. | Incorporating Patient-Specific Variability in the Simulation of Realistic Whole-Body $^{18}{\hbox {F-FDG}} $ Distributions for Oncology Applications | |
| CN115209808A (en) | Learning model creation method, image generation method, and image processing device | |
| JP2008048880A (en) | Image forming method | |
| Liu et al. | Top-level design and pilot analysis of low-end CT scanners based on linear scanning for developing countries | |
| McCollough et al. | Milestones in CT: past, present, and future | |
| JP5317612B2 (en) | Tomographic image processing apparatus, X-ray CT apparatus, and program | |
| Montúfar et al. | Perspective and orthogonal CBCT/CT digitally reconstructed radiographs compared to conventional cephalograms | |
| JP2007143954A (en) | Tomographic image reconstructing apparatus and x-ray imaging apparatus using it |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A300 | Application deemed to be withdrawn because no request for examination was validly filed |
Free format text: JAPANESE INTERMEDIATE CODE: A300 Effective date: 20091110 |