JP2020127708A5 - - Google Patents

Download PDF

Info

Publication number
JP2020127708A5
JP2020127708A5 JP2019227416A JP2019227416A JP2020127708A5 JP 2020127708 A5 JP2020127708 A5 JP 2020127708A5 JP 2019227416 A JP2019227416 A JP 2019227416A JP 2019227416 A JP2019227416 A JP 2019227416A JP 2020127708 A5 JP2020127708 A5 JP 2020127708A5
Authority
JP
Japan
Prior art keywords
detector
ray
positioning device
ray image
image
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
JP2019227416A
Other languages
English (en)
Other versions
JP2020127708A (ja
JP6881827B2 (ja
Filing date
Publication date
Priority claimed from EP19156195.0A external-priority patent/EP3692918B1/de
Application filed filed Critical
Publication of JP2020127708A publication Critical patent/JP2020127708A/ja
Publication of JP2020127708A5 publication Critical patent/JP2020127708A5/ja
Application granted granted Critical
Publication of JP6881827B2 publication Critical patent/JP6881827B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Claims (13)

  1. 位置決め装置(3、5)と、検出器(2)と、前記検出器(2)の前方のビーム経路内に備えられた散乱防止グリッド(4)と、を有する、X線システムの機能を訓練するための方法であって、
    前記検出器(2)を多数の異なる位置において位置決め(POS)するステップであって、前記位置決め装置(3、5)が曲げられるおよび/またはねじられるステップと、
    前記位置のそれぞれで、それぞれ少なくとも1つのX線画像を撮影(PIC1)するステップと、
    第1学習ステップにおける機能のための全てのX線画像から、前記散乱防止グリッド(4)によって生成されるアーチファクトを機械学習(ML)するステップと、
    を含むことを特徴とする方法。
  2. 前記検出器(2)をそれぞれ位置決め(POS)するステップの際に、前記X線システムのそれぞれの装置の幾何学的データが提供され、これが前記機械学習(ML)するステップのための入力変数として機能する、請求項1に記載の方法。
  3. 前記検出器(2)の前記異なる位置のそれぞれに、前記機械学習(ML)するステップのために前記位置決め装置(3、5)が数回接触する、請求項1または2に記載の方法。
  4. 各位置が、異なる方向から接触される、請求項3に記載の方法。
  5. 前記検出器(2)の前記多数の異なる位置が、前記X線システムのシステムに起因する移動空間全体にわたって均一に分布して配置されている、請求項1から4のいずれか1項に記載の方法。
  6. 前記機械学習(ML)するステップが、前記第1の学習ステップに加えて、前記第1の学習ステップと同じであるが、前記検出器(2)から前記散乱防止グリッド(4)が取り外され、前記ビーム経路から除去(SSR)される第2の学習ステップを含む、請求項1から5のいずれか1項に記載の方法。
  7. 前記散乱線を生成しないファントム(7)が、前記X線画像撮影時にビーム経路に配置される、請求項1から6のいずれか1項に記載の方法。
  8. シミュレーション(SIM)によって仮想訓練画像を得ることができ、前記X線画像に加えて、前記機械学習(ML)するステップで使用される、請求項1から7のいずれか1項に記載の方法。
  9. 対象物から対象物のX線画像が得られ(PC2)、この対象物のX線画像における前記散乱線線グリッド(4)のアーチファクトが、訓練された機能を用いて減少または除去される、請求項1から8のいずれか1項に記載の方法。
  10. 位置決め装置(3、5)と検出器(2)と、前記検出器(2)の前方のビーム経路内に備えられた散乱防止グリッド(4)と、を有するX線システムの作動方法であって、
    前記検出器(2)を1つの位置において位置決めするステップであって、前記位置決め装置(3、5)が曲げられるおよび/またはねじられるステップと、
    前記位置で、X線画像を撮影(PIC1)するステップと、
    X線画像で、請求項1から9のいずれか1項に対応して学習されたアーチファクトを用いて、前記散乱防止グリッド(4)によって引き起こされる、前記位置決め装置(3、5)が曲げられおよび/またはねじられた際に発生するアーチファクトを補正(REDA)するステップと、
    を有することを特徴とする方法。
  11. 対象物のX線画像を受信するステップと、
    請求項9に記載の方法による機能を前記対象物のX線画像に適用して補正された対象物のX線画像を作成するステップと、
    前記補正された対象物のX線画像を対象物画像データとして提供するステップと、
    を含む、対象物の画像データを生成するためのコンピュータ実装方法。
  12. 位置決め装置(3、5)と、
    検出器(2)、および、前記検出器(2)前方のビーム経路内の散乱防止グリッド(4)を有する撮影装置(1,2,4)と、を備え、
    前記検出器(2)および前記散乱防止グリッド(4)は、前記位置決め装置(3、5)に取り付けられている、X線システムであって、
    前記位置決め装置(3、5)を用いて、前記位置決め装置(3、5)が位置に応じて曲げられおよび/またはねじられる複数の異なる位置に前記検出器(2)を位置決めすることができ、
    前記撮影装置(1、2、4)を用いて、前記位置のそれぞれに少なくとも1つのX線画像を作成することができ、
    前記X線システムは、第1の学習ステップにおいて、全てのX線画像から前記散乱防止グリッドによって生成されたアーチファクトを機械学習するための計算装置を備えている、
    X線システム。
  13. CアームX線システム、またはロボットアームベースのX線システムとして構成されている、請求項12に記載のX線システム。
JP2019227416A 2019-02-08 2019-12-17 X線撮像におけるグリッドアーチファクトの学習に基づく補正 Active JP6881827B2 (ja)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
EP19156195 2019-02-08
EP19156195.0A EP3692918B1 (de) 2019-02-08 2019-02-08 Lernbasierte korrektur von rasterartefakten in der röntgenbildgebung

Publications (3)

Publication Number Publication Date
JP2020127708A JP2020127708A (ja) 2020-08-27
JP2020127708A5 true JP2020127708A5 (ja) 2020-10-08
JP6881827B2 JP6881827B2 (ja) 2021-06-02

Family

ID=65365853

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2019227416A Active JP6881827B2 (ja) 2019-02-08 2019-12-17 X線撮像におけるグリッドアーチファクトの学習に基づく補正

Country Status (4)

Country Link
US (1) US10861155B2 (ja)
EP (1) EP3692918B1 (ja)
JP (1) JP6881827B2 (ja)
CN (1) CN111544018B (ja)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3936052A1 (en) * 2020-07-07 2022-01-12 Koninklijke Philips N.V. User interface for x-ray tube-detector alignment
KR102454975B1 (ko) 2020-11-17 2022-10-18 (주)자비스 딥러닝 기반 고화질 엑스레이 영상 생성 방법, 장치 및 프로그램
EP4011293A1 (en) 2020-12-14 2022-06-15 Koninklijke Philips N.V. X-ray imaging systems for reducing artefacts associated with anti-scatter grids and methods of operating the same.

Family Cites Families (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7050618B2 (en) 2002-02-08 2006-05-23 Eastman Kodak Company Method for antiscatter stationary grid artifacts detection and attenuation in digital radiographic images
JP2004242749A (ja) * 2003-02-12 2004-09-02 Fuji Photo Film Co Ltd Qcファントム
EP1696366B1 (en) * 2005-02-24 2009-12-23 Agfa HealthCare NV Process of checking the presence of a grid pattern in an X-ray image
DE102005052992A1 (de) * 2005-11-07 2007-05-16 Siemens Ag Streustrahlenraster zur Reduktion einer Streustrahlung in einem Röntgengerät und Röntgengerät mit einem Streustrahlenraster
JP5375655B2 (ja) * 2010-02-18 2013-12-25 株式会社島津製作所 放射線撮影装置
DE102011080279A1 (de) * 2011-08-02 2013-02-07 Siemens Aktiengesellschaft Verfahren und Vorrichtung zum Einsatz eines Streustrahlenrasters bei der periodischen Aufnahme von Röntgenbildern
JP6216770B2 (ja) * 2012-04-23 2017-10-18 コーニンクレッカ フィリップス エヌ ヴェKoninklijke Philips N.V. 形状検知によるアーティファクト除去
US10470733B2 (en) * 2016-05-09 2019-11-12 Canon Medical Systems Corporation X-ray CT device and medical information management device
DE102016217984A1 (de) * 2016-09-20 2018-04-05 Siemens Healthcare Gmbh Sinogrammbasierte Streustrahlenkorrektur in der Computertomographie
JP6831673B2 (ja) * 2016-10-31 2021-02-17 ゼネラル・エレクトリック・カンパニイ 放射線断層撮影装置およびプログラム
DE102016221658B4 (de) * 2016-11-04 2024-05-08 Siemens Healthineers Ag Streustrahlungskompensation für ein bildgebendes medizinisches Gerät
CN107595312B (zh) * 2017-08-31 2020-12-04 上海联影医疗科技股份有限公司 模型生成方法、图像处理方法及医学成像设备

Similar Documents

Publication Publication Date Title
JP2020127708A5 (ja)
Shieh et al. SPARE: Sparse‐view reconstruction challenge for 4D cone‐beam CT from a 1‐min scan
KR102033743B1 (ko) 딥러닝 기반 ct 이미지 잡음 저감 장치 및 방법
JP2020534929A (ja) 深層学習ベースの散乱補正
CN107837090B (zh) 计算机断层成像中基于正弦图的散射射线校正
JP2017535344A5 (ja)
CN105682558B (zh) 具有运动补偿的计算机断层摄影术
US10078894B2 (en) Method and apparatus for restoring image
JP2016537110A5 (ja) 医療画像表示装置、x線画像ナビゲーション情報提供方法、コンピュータプログラム要素及び記憶媒体
JP7106307B2 (ja) 医用画像診断装置、医用信号復元方法、医用信号復元プログラム、モデル学習方法、モデル学習プログラム、および磁気共鳴イメージング装置
CN105574828A (zh) 图像散射校正方法、装置及设备
JP2013085955A5 (ja)
US20230097849A1 (en) Creation method of trained model, image generation method, and image processing device
Hong et al. Ultrafast elastic motion correction via motion deblurring
JP2013543784A5 (ja)
US20220318998A1 (en) Image processing device, learning device, radiography system, image processing method, learning method, image processing program, and learning program
JP6881827B2 (ja) X線撮像におけるグリッドアーチファクトの学習に基づく補正
JP2020531083A (ja) 撮像システム拡張視野
EP4235581A1 (en) Medical image processing method, medical image processing apparatus, program, method for producing a trained machine learning model, apparatus for producing a trained machine learning model and computer-readable storage medium
JP2020005706A (ja) 画像表示装置、方法およびプログラム
Birklein et al. Motion correction for separate mandibular and cranial movements in cone beam CT reconstructions
JP6185023B2 (ja) 断層画像生成装置、方法およびプログラム
JP6707046B2 (ja) 断層像処理装置、方法およびプログラム
JPWO2021182229A5 (ja)
EP3378042B1 (en) Methods and apparatuses for penetrating imaging