JP2015024155A - 画像処理装置 - Google Patents

画像処理装置 Download PDF

Info

Publication number
JP2015024155A
JP2015024155A JP2014184554A JP2014184554A JP2015024155A JP 2015024155 A JP2015024155 A JP 2015024155A JP 2014184554 A JP2014184554 A JP 2014184554A JP 2014184554 A JP2014184554 A JP 2014184554A JP 2015024155 A JP2015024155 A JP 2015024155A
Authority
JP
Japan
Prior art keywords
image
noise
processing apparatus
psd
image processing
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
Application number
JP2014184554A
Other languages
English (en)
Other versions
JP6038850B2 (ja
Inventor
ジー ヤン
Yong Xie
ジー ヤン
アレキサンダー ザミャチン
Alexander Zamyatin
アレキサンダー ザミャチン
大石 悟
Satoru Oishi
悟 大石
ナタラジャン アヌシャ ムトゥ
Muthu-Natarajan Anusha
ナタラジャン アヌシャ ムトゥ
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Toshiba Corp
Canon Medical Systems Corp
Original Assignee
Toshiba Corp
Toshiba Medical Systems Corp
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Toshiba Corp, Toshiba Medical Systems Corp filed Critical Toshiba Corp
Publication of JP2015024155A publication Critical patent/JP2015024155A/ja
Application granted granted Critical
Publication of JP6038850B2 publication Critical patent/JP6038850B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/002D [Two Dimensional] image generation
    • G06T11/003Reconstruction from projections, e.g. tomography
    • G06T11/008Specific post-processing after tomographic reconstruction, e.g. voxelisation, metal artifact correction

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Apparatus For Radiation Diagnosis (AREA)
  • Image Processing (AREA)
  • Image Analysis (AREA)
  • Facsimile Image Signal Circuits (AREA)

Abstract

【課題】簡易な手法にして実質的にすべての画像診断モダリティについて人間の介入なしで信頼性の高いノイズインデックスを推定すること。
【解決手段】本実施形態に係る画像処理装置は、画像内の複数の局所領域にそれぞれに対応する複数の局所ノイズインデックスを計算する計算部と、前記計算されたノイズインデックスからノイズレベルと度数との対応を表すヒストグラムを作成する作成部と、前記作成されたヒストグラムに基づいて前記画像に関するノイズインデックスとして前記局所領域の標準偏差又は擬似標準偏差を推定する推定部とを有する。
【選択図】図2

Description

本発明は、画像のノイズレベルを推定する画像処理装置に関する。
ノイズレベルの信頼性は画像品質評価に重要である。ノイズレベルの評価には、主観的視覚的評価を必要とする。主観的評価に必要な関心領域内のノイズレベルの測定には複雑な手動操作を必要とする。主観的評価は、時間がかかり、高価であり、均一な判断基準を欠く。言い替えると、主観的評価は、オペレータに依存的である。さらに、ノイズ評価の手動方法は、一般に主観的評価のための自動プロセスと互換でもない。
ある種のノイズは画像全体を十分には表さない。たとえば、標準偏差(SD)などはある種の画像では信頼性が低い。これに関して、1つの例示的技法は、画像にラプラシアンを適用してエッジ画素を除去し、エッジを除いた画像から平均値または分散のいずれかによって計算される。ラプラシアン法は、原画像から直接的ではなく、画像処理を介してノイズを計算する。
他の従来技術の自動ノイズ査定技法では、ノイズが画像診断モダリティに依存すると仮定されるが、そのノイズモデルは複雑であった。対画像減算法(twin image subtraction method)などの他のより単純な従来技術の自動ノイズ査定技法は、CT収集シーケンスの奇数ビューと偶数ビューとからの2つの再構成を必要としたが、これは、画像ノイズが反復ごとに変化する反復処理についてこの技法を実現性のないものにする。
目的は、簡易な手法にして実質的にすべての画像診断モダリティについて人間の介入なしで信頼性の高いノイズインデックスを推定する画像処理装置を提供することにある。
本実施形態に係る画像ノイズ推定方法は、まず、画像内の複数の局所領域にそれぞれに対応する複数の局所ノイズインデックスを計算する。計算されたノイズインデックスからノイズレベルと度数との対応を表すヒストグラムが作成される。作成されたヒストグラムに基づいて画像に関するノイズインデックスが推定される。
また、本実施形態に係る画像処理装置は、画像内の複数の局所領域にそれぞれに対応する複数の局所ノイズインデックスを計算する計算部と、前記計算されたノイズインデックスからノイズレベルと度数との対応を表すヒストグラムを作成する作成部と、前記作成されたヒストグラムに基づいて前記画像に関するノイズインデックスとして前記局所領域の標準偏差又は擬似標準偏差を推定する推定部とを有する。
本発明の一実施形態によるマルチスライスX線CT装置の構成を示す図。 本実施形態によるノイズ推定デバイスによって実行される処理手順の全体的な流れを示す図。 本実施形態によるノイズ推定デバイスによって実行される処理手順の詳細を示す流れ図。 本実施形態において、標準偏差を計算する際に元の画像の平均値をとることによって元信号を平滑化するいくつかのステップを示す流れ図。 本実施形態において、心筋領域内の2つのROI(関心領域)を有する肺CT画像を示す図。 本実施形態において、図4Aの肺CT画像を利用するPSDに基づいて単一のノイズインデックスを計算するためのヒストグラム。 本実施形態において、3つのROI(関心領域)を有する頭部CT画像。 本実施形態において、図5Aの頭部CT画像を利用するPSDに基づいて単一のノイズインデックスを計算するためのヒストグラム。 本実施形態において、1つのROI(関心領域)を有する例示的な腹部CT画像。 本実施形態において、図6Aの腹部CT画像を利用するPSDに基づいて単一のノイズインデックスを計算するためのヒストグラム。 本実施形態において、頭部領域内のCTスライスにまたがるPSD値とSD値との比較を示すグラフ。 本実施形態において、腹部領域内のCTスライスにまたがるPSD値とSD値との比較を示すグラフ。 本実施形態において、心臓領域内のCTスライスにまたがるPSD値とSD値との比較を示すグラフ。 本実施形態において、画像全体の等しいサイズの領域に関する複数の中間PSD値を示す図。 本実施形態において、サイズにおいて等しくない領域に関する複数の中間PSD値を示す図。 本実施形態において、計算されるPSDベースのノイズ推定値の利用という全般的な概念を示す図。 本実施形態において、画像(原画像)の一例を示す図。 本実施形態において、図12の原画像に対する局所フィルタリングにより発生される局所平均値画像を示す図。 本実施形態において、図13の局所平均値画像と原画像との差画像を示す図。 本実施形態において、図14の差画像に関する二乗画像の一例を示す図。 本実施形態において、図15の二乗画像に対する畳み込み演算により発生される畳み込み画像を示す図。 本実施形態において、図16の畳み込み画像に関する平方根画像を示す図。
本実施形態は、画像に関する高信頼性のノイズインデックスを発生するために、ノイズインデックスの信頼性を低下させる領域内の画素の影響を抑制し、又はノイズインデックスの信頼性を高める領域(特徴領域)を対象としてノイズインデックスを決定する。特徴領域は、画像内に必ずしも明瞭に存在するわけではない。特徴領域は、局所の平均値またはその時間変化により探索される。例えば平均値は、画像内又は局所の画素値中央である。したがって、本実施形態は、ほとんどの種類の画像で実質的に信頼できるノイズインデックスを計算するために、最もノイズを知覚できる画素の中でノイズレベルを評価する方法とシステムとを対象とする。
本実施形態では、ノイズインデックスの計算は、システムノイズの低い組織領域を対象に実行されることが好ましい。組織領域は、一般に、CT画像又は超音波画像では軟部組織として比較的容易に特定される。CT画像では、軟部組織領域は、HU範囲((−1000HU〜1000HU)の中央内(−100HU〜100HU)に対応する。その一方で、肺画像内の極小構造は、ノイズインデックスの計算上やっかいである。腫瘍および外傷は、一般に周囲の健全な組織に対して低いコントラストを有するので、診断の観点からはより狭い表示範囲または表示ウィンドウを要求する。CT画像は、画像内の組織領域を特定するのに都合がよい。超音波画像の場合には、統計的に安定したスペックルノイズが明確に展開される軟部組織領域内の画素を対象にノイズインデックスが計算される。
信頼性のあるノイズインデックスの計算は、ノイズフィルタの有効性評価に重要である。ノイズフィルタは、一般に、画像内のある種のノイズまたはアーチファクトを減らすために適用される。しかし、ノイズフィルタの有効性評価は、主観に左右されることが多い。他の状況では、ある種のノイズを減らすフィルタが、ターゲットノイズを実質的に減らすが、同一のノイズフィルタが、画像に別の種類のノイズまたはアーチファクトを生じさせることがある。これらの理由から、信頼できるノイズインデックスの計算は、ノイズを減らすフィルタの有効性を評価するために重要である。
信頼できるノイズインデックスは、反復ノイズ低減(iterative noise reduction)プロセスの終了基準にも使われる。ノイズインデックスは、中央レベル輝度でゆっくり変化する平均値を有する画素(有効画素)を使って計算される。これらの有効画素は、一般的には、画像内の画素の大多数である。
本実施形態は、信頼性が高く実用的なノイズインデックスを計算(推定)するために、擬似標準偏差(PSD:pseudo−standard deviation)とヒストグラム手法とを導入する。
ヒストグラム手法は、上記有効画素を識別する。エッジ、線、または小さいパッチなどのすばやく変化する領域と比較して、ゆっくり変化する領域は、通常は大きく、より多くの画素母集団を形成する。これらの要因は、ゆっくり変化する領域を分離するためのヒストグラム手法を正当化し、分離された領域がノイズレベル分析をうけることを可能にする。ヒストグラム手法において、頻度計数の区分(ビンサイズ)は、ノイズ画像に関する最終的なインデックス計算結果の頑健性および正確さに影響する。一般に、大きいビンは、ヒストグラム手法を安定させるが、より不正確にする。その一方で、小さいビンは、計算を正確にするが、より不安定にする。本実施形態では、当初は比較的小さいビンサイズが利用され、その後、ビン位置の精度を維持しながら移動平均を利用することによって、ビンサイズが拡大される。
一般に、不規則ノイズの影響を大きく受けたデータは、本実施形態においては、再構成画像データである。本実施形態では、再構成画像データを使って、ノイズインデックスとしてPSDが計算される。画像データ内のノイズインデックス(PSD)を計算する方法は、例えば測定データ内のノイズインデックス(PSD)を計算する方法に実質的に適用可能である。
画像データの使用は、本実施形態のいくつかの態様によれば、測定されたデータに対するいくつかの実用的利益を有する。画像データは、検出器などの入力デバイスに関わらず、画素値の集合体という統一的な性質を有する。従って画像データは、測定データより一般的であり、多用途である。少なくともこれらの理由から、画像領域内の画像データの使用は、完全に自動的で機能的な単純なノイズ画像に関する最終的なインデックス計算方法を実施する際に有利である。
図1に示すように、本実施形態のマルチスライスX線CT装置は、ガントリ100と他のデバイスまたはユニットとを有する。ガントリ100は、X線管101と、環状フレーム102と、マルチロウタイプ(多列型)または2次元アレイタイプのX線検出器103とを備える。X線管101およびX線検出器103は、環状フレーム102上に被検体Sを挟んで対向に取り付けられる。環状フレーム102は、軸RAの回りで回転する。回転ユニット107は、被検体Sが回転軸RAに沿って移動される間に0.4秒/回転などの高速でフレーム102を連続的に回転させる。
マルチスライスX線CT装置は、電流調整器113と、X線管101からX線を発生させるためにX線管101にランプ電圧を印加する高電圧発生器109とを有する。例えば、高電圧発生器109は、フレーム102に取り付けられる。X線は、被検体Sに向かって放射される。被検体Sの断面は、円に近似的である。X線検出器103は、被検体Sを透過したX線を検出するために、被検体Sを介してX線管101に対向する。
X線検出器103からの検出信号を処理するための他のデバイスが設けられる。データ収集回路またはデータ収集システム(DAS)104は、チャネルごとにX線検出器103からの出力信号を電圧信号に変換し、これを増幅し、さらに、これをディジタル信号に変換する。X線検出器103およびDAS104は、1回転あたりの膨大な投影データセットを処理するように構成される。
DAS104の出力データは、非接触データ送信器105を介して、ガントリ100の外部のコンソール内に収容された前処理デバイス106に送られる。前処理デバイス106は、生データに対して、感度補正などのある種の補正を実行する。その後、ストレージデバイス112は、再構成処理の直前段階にある投影データとも呼ばれるデータを格納する。ストレージデバイス112は、再構成デバイス114、表示デバイス116、入力デバイス115、およびスキャンプランサポート装置200と一緒に、データ/制御バスを介してシステムコントローラ110に接続される。スキャンプランサポート装置200は、スキャンプランを開発するために画像診断技師をサポートする機能を含む。
ノイズ推定デバイス117は、さまざまなソフトウェアモジュールとハードウェアコンポーネントとの組合せからなる。ノイズ推定デバイス117は、ノイズインデックスと擬似標準偏差(PSD)とヒストグラムの関連機能を備える。ノイズ推定デバイス117は、データ/制御バスを介して再構成デバイス114とストレージデバイス112とに接続される。再構成デバイス114は、ストレージデバイス112に格納される投影データに基づいて、画像を再構成する。投影データは、検出器103の出力に基づいてデータ収集システム104と前処理デバイス106とにより発生される。画像データと測定データは画像信号と測定信号にそれぞれ同義である。単にデータ、信号というときは、それぞれ画像データと測定データを表している。
ノイズ推定デバイス117は、再構成デバイス114および/またはストレージデバイス112から再構成画像データを受け取る。再構成された画像のデータは、すでに画像領域にあるので、ノイズ推定デバイス117は、画像データを用いたノイズ画像に関する最終的なインデックス計算処理以外の追加処理を必要としない。
ノイズ推定デバイス117が再構成デバイス114および/または112から測定データを受け取るとき、測定データは再構成処理前のデータであるので、ノイズ推定デバイス117はノイズ画像に関する最終的なインデックス計算処理以外の追加処理を必要とするかもしれない。
ノイズ推定デバイス117は、実質的に人間の介入なしで、ノイズインデックスとしてのPSDを計算する際に、受け取られた信号に対してタスクの所定のセットを実行する。自動プロセスまたは自動方法は、ヒストグラム分析のビンサイズおよび望まれない背景データを除去するためのしきい値などのパラメータの所定の条件データセットを要する。さらに、パラメータは、ノイズインデックスとしてPSDを計算する際に信号またはデータをフィルタリングの処理単位(局所)を規定するカーネルのサイズまたは特性も定義する。
図2には、本実施形態によるノイズ推定デバイス117の処理手順が示されている。ステップS10では、元の信号D1は、所定の一様カーネルKIを畳み込まれる。それにより元の信号D1は、平滑化される。原画像D1を構成する画素各々を中心とした局所にカーネルKIが適用される。局所内の画素の画素値にカーネルKIの構成要素が乗算され、合計される。この計算結果が、当該局所の中心画素の元の画素値から置き換えられる。全ての画素について同様の局所処理が実行される。元の信号D1は、測定データまたは画像データのいずれかである。カーネルKIは、典型的にはN×Nなどの正方形カーネルである。カーネルKIの他の例は、N×Mなどの長方形カーネルである。NとMはともに整数である。ステップS10での畳込みにより画像は平滑化される。ステップS20では、ステップS10による平滑化信号(一次平滑化画像)と元の信号(原画像)D1との間の差が計算される。平滑化画像を構成する複数の画素各々に対して原画像D1上の同位置にある画素との間で、画素値の差が計算される。この計算結果は、必要に応じて「差画像」という。
次にノイズ推定デバイス117は、ステップS30を実行する。ステップS30では、ステップS20で計算された差信号が、二乗される。画像であれば、差画像を構成する画素の画素値がそれぞれ二乗される。この計算結果は、必要に応じて「二乗画像」という。
ステップS40は、2回目の平滑化処理である。ステップS40では、ステップS30の二乗結果(二乗画像)に対して、所定の一様カーネルKIIを用いて畳み込むことによってもう一度平滑化される。二乗画像を構成する画素各々を中心とした局所にカーネルKIIが適用される。局所内の画素の画素値にカーネルKIIの構成要素が乗算され、合計される。この計算結果が、当該局所の中心画素の元の画素値から置き換えられる。全ての画素について同様の局所処理が実行される。2回目の平滑化処理により、二次平滑化画像が発生される。カーネルKIIは、典型的にはP×Pなどの正方形カーネルである。カーネルKIIの他の例は、P×Qなどの長方形カーネルである。PとQはともに整数である。カーネルKIとKIIは、典型的には相違するが、同一であることは否定されない。
ステップS50では、ステップS40からの二次平滑化画像を構成する画素各々の画素値の平方根が計算される。これら一連S10−S50の計算処理により、ノイズインデックスとしての疑似標準偏差(PSD)が計算される。計算結果は、全体としてPSD分布を示す。
ヒストグラムを生成するために、PSD分布を構成する複数のPSDは、例えば昇順で並び替えられる。PSDデータは、1次元(1D)ベクトルデータとして記録される(D3)。次に、PSD全範囲を均等に分割された複数のヒストグラムビン(複数のブラケット、複数の区分ともいう)各々に含まれるPSDの個数が計数される。垂直軸は、PSDの個数または出現度数であり、水平軸は、ヒストグラムビン列、つまり各ヒストグラムビンのPSD範囲又は中心値の配列軸である。
ステップS60では、ヒストグラムの対象から画像の背景領域を示す画素が除去される。背景画素は、他の有用な組織画素と比較して、ノイズインデックスの変動に対する影響は大きい。言い替えると、これらの望ましくない背景画素の選択的除去の失敗は、ヒストグラム内のいくつかの誤ったピークをもたらす可能性があり、つまり画像に関する最終的なノイズインデックスの信頼性を、臨床的に関連しない背景を反映するこれらの誤ったピークにより低下させるおそれがある。最後に、ステップS70では、画像に関する最終的なノイズインデックスとしてのPSDベースのノイズレベルが、ヒストグラムに基づく分布モードとして決定される。
ノイズインデックス推定方法の上述の方法は、ゆっくり変化する領域内の画素母集団が、エッジなどのすばやく変化する領域内の画素母集団よりノイズインデックスの信頼性向上に有用であると仮定するものである。分布モードを選択することによって、最も一般的なまたは頻繁に発生する擬似標準偏差(PSD)の値が、画像全体または信号全体の実質的に真のノイズレベルを表す単一のノイズインデックスとして選択される。
図3Aには、本実施形態によるノイズ推定デバイス117によって実行されるノイズ推定処理手順の詳細が示されている。一般に、ノイズは、光子計数での量子ノイズと、データ収集システム(DAS)104での電子ノイズと、アナログ−ディジタル変換(A/D)での量子化ノイズと、再構成処理の近似誤差と、その他の発生源に起因して生じる。I(x,y)が、ある加法性ノイズによって壊された画像を表すと仮定すると、画像データI(x,y)は、次の式(1)によって表される。
ここで、Iは、ノイズのない真値画像であり、nは様々なノイズ発生源に起因して真値に加算されたノイズ成分である。xおよびyは、画素の2次元座標である。図3Aの流れ図に含まれるステップは、所定のノイズインデックスPSDを計算するために、式(2)で要約される。
ここで、
は、畳込み演算子を表し、w(x,y)は、正規化された一様な移動平均カーネルである。ブラケットの内部の移動平均は、各画素近傍の平均値を計算するが、ブラケットの外部の移動平均は、平均二乗誤差(MSE)の近傍平均値を計算する。MSEが、標準偏差の公式が普通に行うようにサンプルの信号平均値を減算するのではなく、フィルタリングされたサンプルを減算することによって計算されることに留意されたい。PSDは、(1)の仮定が有効である時に「真の」標準偏差に接近する。PSDは、標準偏差(SD)の直接計算の計算効率を改善するために使用される。
ヒストグラム手法は、領域を分離し、ノイズレベルを分析するのに利用されてきた。この手法は、ゆっくり変化する領域が、通常は大きく、エッジ、線、または小さいパッチなどのすばやく変化する領域より大幅に大きい画素母集団を有するという、ほとんどの画像または信号での一般的な発見に基づく。ヒストグラム手法を用いると、ビンサイズは、ノイズ画像に関する最終的なインデックス計算結果の頑健性と正確さとにとって重要である。上述したように、ビンサイズは、ノイズ画像に関する最終的なインデックス計算の安定性と正確さとのトレードオフを有するので、比較的小さいビンサイズが、当初にヒストグラムを入手するのに使用され、移動平均が、その後、ビン位置の精度を保ちながらビンサイズを拡大するために適用される。これに関して、h(u)がヒストグラムであり、m(u)が、1D正規化された移動平均カーネルであると仮定すると、フィルタリングされたヒストグラムH(u)は、下の式(3)のように畳込みによって定義される。
ここで、uは、PDS値内のビン位置である。移動平均ウィンドウの長さ(L)は、ヒストグラム内の最大値の位置(Umax)の単調増加関数である。
長さLは、次の式(4)を用いて計算される。
なお、Lは{Umax/K}を超える最も近い奇数の整数である。ここで、係数kは、データノイズレベルの関数でもある。Umaxが10未満である時に、k=5は、Umaxが90を超える間に安定した解を保証し、k=3は、安定した解を保証する。その一方で、Umaxが10と90との間である時には、kは、次の単調減少する式(5)を使用して選択されなければならない。
kの選択は、比較的静かなヒストグラムを軽いカーネルによってまたは平滑化カーネルなしで処理しながら、ノイズの多いヒストグラムをより重い平滑化カーネルによって処理することを可能にする。
さらに、正確なノイズ画像に関する最終的なインデックス計算を保証するために、上の手順の複数のパスが、オプションで、本実施形態のある種の例示的な方法とシステムとで実行される。一般に、2パスが十分である。第1のパスでは、第1のヒストグラムピークでのカウントが、平滑化マスクw(u,v)の最良のサイズを判断するのに使用される。より大きいマスクが、大きいカウントについて選択され、逆も同様である。マスクサイズに関する経験的に導き出されたセットの一例は次の通りである。
カウント<5000、マスクサイズ=7×7
カウント>10000、マスクサイズ=11×11
さらに図3Aを参照すると、ステップS80では、元の画像Iが、その画像の移動平均をとることによって平滑化される。すなわち、所定のサイズの正規化された一様移動平均カーネルが、適用されている。破線は、近傍の外の画像の広がりを示し、実線は、中心画素及びその近傍の画素とからなる局所画素群を示す。これに関して、この例でのD1の局所は、9画素を含む3×3近傍である。画像Iにわたって移動平均をとることによって、新しい画像IMAが作成される。この画像IMAを構成する画素各々の値は、その3×3近傍の平均値である。特定の近傍領域D1について、対応する移動平均結果は、D4である。図2に関して既に述べたように、ステップS80での正規化された一様カーネルを用いる畳込み処理の結果は、ここでは、各画素での画像の近傍平均値である。ステップS20では、マイナス記号によって示されるように、ステップS80からのD4内の値のうちの対応するものと元の信号D1との間の差が、計算される。さらに、ステップS30では、差を二乗する。ステップS80Aでは、二乗された差の近傍平均が、正規化された一様移動平均カーネルを適用することによって計算される。最後に、ステップS50で、ステップS80Aからの結果の平方根が計算される。したがって、画像内の各画素の擬似標準偏差(PSD)が計算された。ステップS80およびS80Aでの正規化された一様移動平均カーネルは、オプションで、1つの方法では同一であり、もう1つの方法では異なる。
図3Bを参照すると、画像Iは、複数のブロックに分割される。ブロックサイズはD1に等価である。ステップS90では、各ブロック内の画素平均値が計算される。平均値は、D5内のすべての3×3近傍画素に割り当てられる。ステップ100では、ステップS90からの平均値と元の信号D1との間の差(誤差)が計算される。さらに、ステップS110では、誤差が二乗される。ステップS90Aでは、二乗された誤差のブロック平均が計算される。最後に、ステップS120で、ステップS90Aからの結果の平方根が、計算される。つまり局所領域ごとに通常の標準偏差(SD)が計算されている。
通常のSDに対してPSDは利点がある。PSDは標準偏差の計算処理対象からエッジ変動要因を除外することによって、SDが本質的に備えるエッジ変動による信頼性の低下を抑制できる。PSDは、画像が一定の平均値またはゆっくり変化する平均値を有する領域内で、SDに近づく。
ファントムデータおよび患者データを含む多数のデータセットに上述のノイズ推定方法を適用して推定されたノイズインデックスは、注意深い手動操作を介入させて計算された標準偏差に等価な結果を示す。手動評価では、手動で選択された最良の関心領域(ROI)が、究極の判断基準として使用される。上で説明したように、次の例示的画像は、再構成されたCT画像であるが、本実施形態によるノイズ推定の方法および実施形態は、再構成されたCT画像に限定されず、CTからの他の測定されたデータおよび他のモダリティに適用可能である。
ここで図4Aおよび4Bを参照すると、本実施形態によるPSDベースの汎用ノイズ推定値を計算する上で説明された例示的方法が、肺CT画像に適用されている。図4Aは、心筋領域内の白線によって示される2つの注意深く選択されたROI(関心領域)を有する例示的なズームされた肺CT画像である。手動ノイズ画像に関する最終的なインデックス計算が、ROI11とROI12とを含む2つのROI内で行われた。測定されたノイズの標準偏差(SD)は、ROI11内では33.25HUであり、ROI12内では33.79HUであった。これらのSD値は、本実施形態による上で説明された例示的方法に基づく同一の肺画像のPSDのノイズインデックスと比較される。
ここで図4Bを参照すると、本実施形態の上で説明された例示的方法による、図4Aの肺CT画像を利用するPSDに基づいて単一のノイズインデックスを計算するためのヒストグラムが、生成される。このヒストグラムは、肺CT画像内の画素ごとに計算されたPSDから生成される。33HUの弱いピークが、最も頻繁に発生するノイズ値を表すので、このピークが単一の推定されたノイズインデックスとして自動的に選択される。自動的に計算されるノイズレベルは、図4AのROI11とROI12との手動測定された結果と実質的に一致する33HUである。
ここで図5Aおよび5Bを参照すると、本実施形態によるPSDベースの汎用ノイズ推定値を計算する上で説明された例示的方法が、肺CT画像に適用されている。図5Aは、白線によって示される3つの注意深く選択されたROI(関心領域)を有する例示的な頭部CT画像である。手動ノイズ画像に関する最終的なインデックス計算が、ROI11とROI12とROI13とを含む3つのROI内で行われた。測定されたノイズの標準偏差(SD)は、ROI11内では21.49HUであり、ROI12内では21.76HUであり、ROI13内では23.70HUであった。これらのSD値は、本実施形態による上で説明された例示的方法に基づく同一の頭部画像のPSDのノイズインデックスと比較される。
ここで図5Bを参照すると、本実施形態の上で説明された例示的方法による、図5Aの頭部CT画像を利用するPSDに基づいて単一のノイズインデックスを計算するためのヒストグラムが、生成される。このヒストグラムは、頭部CT画像内の画素ごとに計算されたPSDから生成される。22HUの弱いピークが、最も頻繁に発生するノイズ値を表すので、このピークが単一の推定されたノイズインデックスとして自動的に選択される。自動的に計算されるノイズレベルは、図5AのROI11とROI11とROI13との手動測定された結果と実質的に一致する22HUである。
ここで図6Aおよび6Bを参照すると、本実施形態によるPSDベースの汎用ノイズ推定値を計算する上で説明された例示的方法が、腹部CT画像に適用されている。図6Aは、白線によって示される1つの注意深く選択されたROI(関心領域)を有する例示的な腹部CT画像である。手動ノイズ画像に関する最終的なインデックス計算が、ROI内で行われた。測定されたノイズの標準偏差(SD)は、11.77HUであった。このSD値は、本実施形態による上で説明された例示的方法に基づく同一の腹部画像のPSDのノイズインデックスと比較される。
ここで図6Bを参照すると、本実施形態の上で説明された例示的方法による、図6Aの腹部CT画像を利用するPSDに基づいて単一のノイズインデックスを計算するためのヒストグラムが、生成される。このヒストグラムは、腹部CT画像内の画素ごとに計算されたPSDから生成される。13HUの弱いピークが、最も頻繁に発生するノイズ値を表すので、このピークが単一の推定されたノイズインデックスとして自動的に選択される。自動的に計算されるノイズレベルは、図6AのROIの手動測定された結果と実質的に一致する13HUである。
上で説明したROI手法に加えて、PSD値は、CT画像内の異なる身体領域内の体積全体を通じてスライス上の対応する標準偏差(SD)と比較される。図7は、頭部領域内のCTスライスにまたがるPSD値とSD値との比較を示すグラフである。x軸は、スライス番号を示し、y軸は、PSD値またはSD値のいずれかを示す。実線は、対応するスライス上の自動計算されたPSD値を示し、正方形を伴う実線は、手動計算されたSD値を示す。体積全体の頭部内のスライス全体を通じて、自動計算されたPSD値は、手動計算されたSD値と実質的に一致する。
図8は、腹部領域内のCTスライスにまたがるPSD値とSD値との比較を示すグラフである。x軸は、スライス番号を示し、y軸は、PSD値またはSD値のいずれかを示す。実線は、対応するスライス上の自動計算されたPSD値を示し、正方形を伴う実線は、手動計算されたSD値を示す。体積全体の腹部内のスライス全体を通じて、自動計算されたPSD値は、手動計算されたSD値と実質的に一致する。
図9は、心臓領域内のCTスライスにまたがるPSD値とSD値との比較を示すグラフである。x軸は、スライス番号を示し、y軸は、PSD値またはSD値のいずれかを示す。実線は、対応するスライス上の自動計算されたPSD値を示し、正方形を伴う実線は、手動計算されたSD値を示す。体積全体の心臓内のスライス全体を通じて、自動計算されたPSD値は、手動計算されたSD値と実質的に一致する。
単一のノイズ推定インデックスを計算する上で説明された方法では、最も代表的なPSD値が、本実施形態による例示的な方法またはシステムで、画像全体、体積全体、またはデータの完全なセットについて自動的に選択される。単一選択手法を保護するために、本実施形態によるもう1つの例示的な方法またはシステムでは、画像全体、体積全体、またはデータの完全なセットではなく、より特定の関心領域または関心区域内で、複数のノイズ推定インデックス値がPSD値から計算される。
ここで図10Aおよび10Bを参照すると、図に、本実施形態によるもう1つの例示的な方法またはシステムでより特定の関心領域または関心区域内でPSDから選択される複数のノイズ推定インデックス値が示されている。図10Aに、画像全体の等しいサイズの領域の複数の中間PSD値を示す。画像画素区域I1全体が、9つの等しいサイズの部分A1からA9に分割される。PSD値は、最初に、本実施形態による上で説明された方法とシステムとに従って画像I1内の画素ごとに計算される。その後、単一の最も代表的なPSD値が、画像I1全体ではなく所定の等しいサイズの部分A1からA9のそれぞれで自動的に選択される。複数のPSD値は、部分A1からA9のそれぞれの実質的に局所的なノイズ特性を保持するので、選択されたPSDノイズ推定値のそれぞれが、オプションで、ある種の状況で計算される。複数の中間ノイズ推定値は、背景ノイズを手動で除去する必要を有利になくすことができる。有利なことに、複数の中間ノイズ推定値は、エッジなどのすばやく変化する画素母集団を有力に含む画像内にある可能性がある。
ここで図10Bを参照すると、図に、サイズにおいて等しくない領域の複数の中間PSD値が示されている。画像画素区域I2全体が、所定の個数の等しくないサイズの部分B1とB2とに分割される。たとえば、等しくないサイズの部分B1とB2とは、それぞれ、1つの関心領域(ROI)であり、それぞれが医療的に関心を持たれる特定の構造を含む。PSD値は、最初に、本実施形態による上で説明された方法とシステムとに従って画像I2内の画素ごとに計算される。その後、単一の最も代表的なPSD値が、画像I2全体ではなく所定の等しくないサイズの部分B1とB2とのそれぞれで自動的に選択される。複数のPSD値は、医療的に重要な区域B1とB2とのそれぞれの実質的に局所的なノイズ特性を保持するので、選択されたPSDノイズ推定値のそれぞれが、オプションで、ある種の状況で計算される。複数の中間ノイズ推定値は、背景ノイズを手動で除去する必要を有利になくすことができる。有利なことに、複数の中間ノイズ推定値は、エッジなどのすばやく変化する画素母集団を有力に含む画像内にある可能性がある。
ここで図11を参照すると、図に、本実施形態の上で説明された例示的な方法とシステムとによって計算されるPSDベースのノイズ推定値の利用という全般的な概念が示されている。この概念は、PSD値が本実施形態に従って画像全体の画素のそれぞれについて計算された後に、それらのPSD値を処理する流れで示されてもいる。ステップS100では、PSD値が、所定の画素近傍サイズに従って画素のそれぞれについて計算される。これらのPSD値のそれぞれは、実質的に局所データに敏感なので、これらのPSD値を、ステップS100に示されているように局所PSD値と称する。
後続のステップS110では、中間PSD値が、オプションで、ステップS100の局所PSD値に基づいて計算される。図10Aと10Bとに関して説明したように、中間PSD値は、ルールの所定のセットに従って計算される。例で示したように、中間PSD値は、オプションで、画像の等しいサイズまたは等しくないサイズの部分について選択される。どの場合でも、中間PSD値は、画像全体、体積全体、スライス全体、またはデータ全体の単一の代表的なノイズ推定値ではない。中間PSD値の計算を実施する際には、複数のヒストグラムが、本実施形態に従って、画像全体、体積全体、スライス全体、またはデータ全体の諸部分または諸区域について生成される。複数のPSDベースの値は、上の判断基準に限定されず、オプションで、測定された信号の角度依存性などの他のデータ特性に基づいて計算される。
さらに図11を参照すると、単一の代表的なPSD値が、オプションで、ステップS100の局所PSD値および/またはステップS110の中間PSD値に基づいて計算される。図10Aと10Bとに関して説明したように、中間PSD値は、ルールの所定のセットに従って計算される。例で示したように、複数の中間PSD値が、オプションで、画像の等しいサイズまたは等しくないサイズの部分について選択される。対照的に、単一の代表的なPSD値は、本実施形態のもう1つの実施形態に従って、画像全体、体積全体、スライス全体、またはデータ全体に広域的なPSDベースのノイズインデックスとして割り当てられる。広域的なPSDベースのノイズインデックスは、オプションで、中間PSD値と組み合わせて計算される。代替案では、広域的なPSDベースのノイズインデックスは、オプションで、単一のノイズ推定インデックスとして計算される。
上記式(2)について具体的に説明する。ここでは図12に示す画像(原画像)を例示する。原画像I(x,y)の局所にフィルタw(x,y)が畳み込まれる。フィルタw(x,y)は、3×3画素のサイズであり、各要素は1/9である。フィルタされた画像の各画素は、3×3画素の局所内の平均値を示す。図12に破線で示す局所の平均値は、7.7であり、図13に示すように当該平均値が当該局所の中心画素(ハッチングされた画素)の元値から置き換えられる。図14に示すように、局所平均値と、当該中心画素の元値との差が計算される。差は、式(2)で[]内の値を示す。
当該差の二乗による二乗画像を図15に示す。二乗画像をフィルタw(x、y)で畳み込み処理をすると、図16に示す画像が得られる。その平方根としてのPSD分布は図17に示している。
図12−図17の例では、組織境界がPSD計算単位(破線で示す局所)を横断している。仮に通常の手順でSDを計算すると2.35を示す。これは境界もノイズと同様に誤差として貢献するからである。しかしPSDは画素毎に周りの平均値を求めているので、境界の影響をより受け難いと言う特徴がある。
PSD以外のノイズフィッティングを求めても良い。例えばPSDの代わりにSDを使用してもよい。SDを使用することにより、組織境界でもSD値が大きくなるが、ヒストグラムを計算すると、組織境界は画像全体の中で一部分しかないので、PSDによる結果とSDによる結果はほぼ同じになる。あるいは画像に対しノイズ低減フィルターをかける、高次の関数でフィッティングするなどしてノイズ分布を求めても良い。ノイズ低減フィルターは、拡散フィルター(Diffusion Filter)、コヒーレントフィルター(Coherent Filter)、中央値フィルター(Median Filter)、ガウスフィルター(Gauss Filter)、平均値フィルターなどから任意に選択される。フィッティング方法としては、例えばB−splineでフィッティングする、3次元関数でフィッティングするなどし任意の種類のフィッティングが用いられる。このようにしてノイズ分布を元にSDを計算することで局所のノイズインデックスを求めても良い。
しかし、本発明の構造と機能との詳細と一緒に、本発明の多数の特性と特徴とが、前述の説明で示されたが、本開示が例示にすぎないことと、詳細において、特に部分の形状、サイズ、および配置の問題とソフトウェア、ハードウェア、または両方の組合せでの実施において、変更を行うことができるが、その変更が、添付の特許請求の範囲がその中で表される用語の広義の一般的な意味によって示される完全な範囲までの本発明の原理に含まれることを理解されたい。

Claims (14)

  1. 画像内の複数の局所領域にそれぞれに対応する複数の局所ノイズインデックスを計算する計算部と、
    前記計算されたノイズインデックスからノイズレベルと度数との対応を表すヒストグラムを作成する作成部と、
    前記作成されたヒストグラムに基づいて前記画像に関するノイズインデックスとして前記局所領域の標準偏差又は擬似標準偏差を推定する推定部とを有することを特徴とする画像処理装置。
  2. 前記計算部は、前記画像から平滑化画像を発生することを特徴とする請求項1記載の画像処理装置。
  3. 前記擬似標準偏差は、前記画像と前記平滑化画像との差画像に対して画素毎に二乗処理、平滑化処理、平方根処理を順にかけることにより発生されることを特徴とする請求項2記載の画像処理装置。
  4. 前記作成されたヒストグラムに基づいて前記局所領域のサイズの良否を決定する決定部をさらに有することを特徴とする請求項1記載の画像処理装置。
  5. 前記複数の局所領域は同サイズを有する請求項1記載の画像処理装置。
  6. 前記複数の局所領域は異なるサイズを有する請求項1記載の画像処理装置。
  7. 前記複数の局所領域は臨床的に重要な構造を含む請求項1記載の画像処理装置。
  8. 前記計算部は、前記画像をノイズ低減画像に変換し、前記ノイズ低減画像と前記画像とを引き算してノイズ画像を発生し、前記ノイズ画像の標準偏差を計算することを特徴とする請求項1記載の画像処理装置。
  9. 前記ノイズ低減画像は、前記画像にノイズ低減フィルタをかけることにより発生される請求項1記載の画像処理装置。
  10. 前記ノイズ低減画像は、前記画像を特定の関数にフィッティングすることにより発生される請求項1記載の画像処理装置。
  11. 前記推定部は、前記作成されたヒストグラムから前記画像の背景部分に対応する度数を除外する請求項1記載の画像処理装置。
  12. 前記背景部分は、視野外の部分と骨に対応する部分を含む請求項11記載の画像処理装置。
  13. 前記作成部は、前記ヒストグラムの最高度数に基づいて前記局所領域のサイズが調整される請求項1記載の画像処理装置。
  14. 前記画像は3次元画像であり、
    前記複数の局所ノイズインデックスは、前記3次元画像を構成する複数の2次元画像に対して計算され、
    前記ヒストグラムは、前記複数の2次元画像に対して計算された全ての前記複数の局所ノイズインデックスを対象として作成され、
    前記3次元画像に関するノイズインデックスが、前記作成されたヒストグラムに基づいて推定される請求項1記載の画像処理装置。
JP2014184554A 2011-06-14 2014-09-10 画像処理装置 Active JP6038850B2 (ja)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US13/160,111 US8761540B2 (en) 2011-06-14 2011-06-14 Method and system for estimating noise level
US13/160,111 2011-06-14

Related Parent Applications (1)

Application Number Title Priority Date Filing Date
JP2012535270A Division JPWO2012173205A1 (ja) 2011-06-14 2012-06-14 画像のノイズレベルを推定する方法

Publications (2)

Publication Number Publication Date
JP2015024155A true JP2015024155A (ja) 2015-02-05
JP6038850B2 JP6038850B2 (ja) 2016-12-07

Family

ID=47353699

Family Applications (2)

Application Number Title Priority Date Filing Date
JP2012535270A Pending JPWO2012173205A1 (ja) 2011-06-14 2012-06-14 画像のノイズレベルを推定する方法
JP2014184554A Active JP6038850B2 (ja) 2011-06-14 2014-09-10 画像処理装置

Family Applications Before (1)

Application Number Title Priority Date Filing Date
JP2012535270A Pending JPWO2012173205A1 (ja) 2011-06-14 2012-06-14 画像のノイズレベルを推定する方法

Country Status (4)

Country Link
US (1) US8761540B2 (ja)
JP (2) JPWO2012173205A1 (ja)
CN (1) CN103026379B (ja)
WO (1) WO2012173205A1 (ja)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2016159379A1 (ja) * 2015-04-02 2016-10-06 イービーエム株式会社 血管形状構築装置、その方法及びコンピュータソフトウエアプログラム
JP2020516345A (ja) * 2017-04-05 2020-06-11 ゼネラル・エレクトリック・カンパニイ 深層学習に基づくトモグラフィ再構成

Families Citing this family (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140056536A1 (en) * 2012-08-27 2014-02-27 Toshiba Medical Systems Corporation Method and system for substantially removing dot noise
US9031297B2 (en) * 2013-02-01 2015-05-12 Kabushiki Kaisha Toshiba Alternative noise map estimation methods for CT images
US9208591B2 (en) 2013-04-18 2015-12-08 International Business Machines Corporation Providing user controlled ability to determine data level of detail in a graph
CN103442266B (zh) * 2013-08-16 2017-02-08 北京视博数字电视科技有限公司 一种获得图像源数据的方法与装置
JP6252750B2 (ja) * 2013-12-03 2017-12-27 株式会社島津製作所 骨梁解析装置
US9406107B2 (en) * 2013-12-18 2016-08-02 General Electric Company System and method of computed tomography signal restoration via noise reduction
JP6333551B2 (ja) * 2013-12-27 2018-05-30 キヤノンメディカルシステムズ株式会社 医用画像診断装置及び画像処理装置
JP6341059B2 (ja) 2014-10-31 2018-06-13 オムロン株式会社 文字認識装置、文字認識方法、およびプログラム
US10984564B2 (en) 2016-12-06 2021-04-20 Koninklijke Philips N.V. Image noise estimation using alternating negation
US10674045B2 (en) 2017-05-31 2020-06-02 Google Llc Mutual noise estimation for videos
JP7233850B2 (ja) * 2018-04-25 2023-03-07 キヤノンメディカルシステムズ株式会社 医用画像処理装置、x線診断装置及び医用画像処理プログラム
US11449979B2 (en) * 2020-10-09 2022-09-20 Applied Materials Israel Ltd. Measuring a pattern

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0696200A (ja) * 1992-06-19 1994-04-08 Agfa Gevaert Nv ノイズ減少方法および装置
JP2002133410A (ja) * 2000-10-25 2002-05-10 Fuji Photo Film Co Ltd ノイズ抑制処理装置並びに記録媒体
WO2002086821A1 (fr) * 2001-04-19 2002-10-31 Kabushiki Kaisha Toshiba Procede et dispositif de traitement d'image
JP2003319261A (ja) * 2002-02-22 2003-11-07 Agfa Gevaert Nv ノイズ低減方法
JP2007260292A (ja) * 2006-03-29 2007-10-11 Toshiba Corp 画像処理装置及びプログラム
JP2009090054A (ja) * 2007-10-12 2009-04-30 Infocom Corp 胸部正面x線画像の検像方法及び検像装置
WO2011064683A2 (en) * 2009-11-25 2011-06-03 Koninklijke Philips Electronics N.V. Enhanced image data/dose reduction

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1526480A1 (en) 2000-10-17 2005-04-27 Fuji Photo Film Co., Ltd Apparatus for suppressing noise by adapting filter characteristics to input image signal based on characteristics of input image signal
US7167598B2 (en) 2002-02-22 2007-01-23 Agfa-Gevaert N.V. Noise reduction method
EP1566935B1 (fr) * 2004-02-19 2012-07-25 St Microelectronics S.A. Dispositif et procédé de suppression d'interférences impulsionnelles dans un signal
JP3930493B2 (ja) * 2004-05-17 2007-06-13 ジーイー・メディカル・システムズ・グローバル・テクノロジー・カンパニー・エルエルシー 画像処理方法、画像処理装置およびx線ct装置
JP4869653B2 (ja) 2005-08-03 2012-02-08 オリンパス株式会社 画像処理装置
JP2009541838A (ja) * 2006-06-23 2009-11-26 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 画像値を含む画像において閾値を定めるための方法、システム及び計算機プログラム
US7706497B2 (en) * 2008-03-14 2010-04-27 General Electric Company Methods and apparatus for noise estimation for multi-resolution anisotropic diffusion filtering

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0696200A (ja) * 1992-06-19 1994-04-08 Agfa Gevaert Nv ノイズ減少方法および装置
JP2002133410A (ja) * 2000-10-25 2002-05-10 Fuji Photo Film Co Ltd ノイズ抑制処理装置並びに記録媒体
WO2002086821A1 (fr) * 2001-04-19 2002-10-31 Kabushiki Kaisha Toshiba Procede et dispositif de traitement d'image
JP2003319261A (ja) * 2002-02-22 2003-11-07 Agfa Gevaert Nv ノイズ低減方法
JP2007260292A (ja) * 2006-03-29 2007-10-11 Toshiba Corp 画像処理装置及びプログラム
JP2009090054A (ja) * 2007-10-12 2009-04-30 Infocom Corp 胸部正面x線画像の検像方法及び検像装置
WO2011064683A2 (en) * 2009-11-25 2011-06-03 Koninklijke Philips Electronics N.V. Enhanced image data/dose reduction

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2016159379A1 (ja) * 2015-04-02 2016-10-06 イービーエム株式会社 血管形状構築装置、その方法及びコンピュータソフトウエアプログラム
JPWO2016159379A1 (ja) * 2015-04-02 2018-02-01 イービーエム株式会社 血管形状構築装置、その方法及びコンピュータソフトウエアプログラム
JP2020516345A (ja) * 2017-04-05 2020-06-11 ゼネラル・エレクトリック・カンパニイ 深層学習に基づくトモグラフィ再構成
JP7187476B2 (ja) 2017-04-05 2022-12-12 ゼネラル・エレクトリック・カンパニイ 深層学習に基づくトモグラフィ再構成

Also Published As

Publication number Publication date
US20120321157A1 (en) 2012-12-20
CN103026379B (zh) 2016-08-31
US8761540B2 (en) 2014-06-24
CN103026379A (zh) 2013-04-03
WO2012173205A1 (ja) 2012-12-20
JP6038850B2 (ja) 2016-12-07
JPWO2012173205A1 (ja) 2015-02-23

Similar Documents

Publication Publication Date Title
JP6038850B2 (ja) 画像処理装置
JP4820582B2 (ja) ヘリカルマルチスライスctのための回復ノイズを伴うヘリカルウィンドミルアーチファクトを低減する方法
US6810102B2 (en) Methods and apparatus for truncation compensation
US8938110B2 (en) Enhanced image data/dose reduction
US7460700B2 (en) Image processing method and computer-readable recording medium containing image processing program
JP2019516460A (ja) 空間とスペクトル情報に基づく複数エネルギーのct画像におけるノイズ制御のためのシステムと方法
US7254259B2 (en) Methods and apparatus for truncation compensation
JP2010527741A (ja) 画像再構成において利得変動の補正を容易にする方法及びシステム
US20110286651A1 (en) Projection-Space Denoising with Bilateral Filtering in Computed Tomography
JP2005511128A (ja) 灌流測定のための低レベル信号の補正
CN111524200B (zh) 在投影图像中分割金属对象的方法、设备和介质
EP1716537B1 (en) Apparatus and method for the processing of sectional images
Ke et al. Multiscale wiener filtering method for low-dose CT images
CN112842370A (zh) 用于x射线成像中的参数噪声调制的方法和系统
EP3349655B1 (en) Tomography apparatus and controlling method for the same
JP2019515255A (ja) 医療画像処理
US20050018889A1 (en) Systems and methods for filtering images
CN113313649B (zh) 图像重建方法及装置
Brunner et al. Investigation of a method to estimate the MTF and NPS of CT towards creating an international standard
WO2008056305A1 (en) Noise reduction of an image signal
CN106875342B (zh) 一种计算机断层图像处理方法和装置
CN113256542B (zh) 一种用于ct扫描仪的噪声抑制方法、系统及介质
EP3893205A1 (en) Suppression of motion artifacts in computed tomography imaging
Kratz et al. Quality evaluation for metal influenced CT data

Legal Events

Date Code Title Description
A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20150520

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20150602

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20150803

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20160202

A711 Notification of change in applicant

Free format text: JAPANESE INTERMEDIATE CODE: A711

Effective date: 20160511

TRDD Decision of grant or rejection written
A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20161004

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20161102

R150 Certificate of patent or registration of utility model

Ref document number: 6038850

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150

S533 Written request for registration of change of name

Free format text: JAPANESE INTERMEDIATE CODE: R313533

R350 Written notification of registration of transfer

Free format text: JAPANESE INTERMEDIATE CODE: R350