JP2020179146A - 医用画像処理装置、x線コンピュータ断層撮影装置及びプログラム - Google Patents
医用画像処理装置、x線コンピュータ断層撮影装置及びプログラム Download PDFInfo
- Publication number
- JP2020179146A JP2020179146A JP2019231616A JP2019231616A JP2020179146A JP 2020179146 A JP2020179146 A JP 2020179146A JP 2019231616 A JP2019231616 A JP 2019231616A JP 2019231616 A JP2019231616 A JP 2019231616A JP 2020179146 A JP2020179146 A JP 2020179146A
- Authority
- JP
- Japan
- Prior art keywords
- ray
- scattered
- resolution
- subject
- scattering
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000012545 processing Methods 0.000 title claims abstract description 60
- 238000002591 computed tomography Methods 0.000 title claims description 109
- 230000004907 flux Effects 0.000 claims abstract description 175
- 238000000034 method Methods 0.000 claims abstract description 123
- 238000004088 simulation Methods 0.000 claims abstract description 113
- 230000005855 radiation Effects 0.000 claims abstract description 39
- 230000001133 acceleration Effects 0.000 claims abstract description 30
- 238000000333 X-ray scattering Methods 0.000 claims abstract description 26
- 238000012546 transfer Methods 0.000 claims abstract description 9
- 239000000463 material Substances 0.000 claims description 27
- 238000004364 calculation method Methods 0.000 claims description 21
- 238000013507 mapping Methods 0.000 claims description 16
- 230000003044 adaptive effect Effects 0.000 claims description 12
- 230000011218 segmentation Effects 0.000 claims description 10
- 238000012549 training Methods 0.000 claims description 10
- 230000001902 propagating effect Effects 0.000 claims description 2
- 239000000470 constituent Substances 0.000 claims 1
- 238000013459 approach Methods 0.000 description 26
- 230000009977 dual effect Effects 0.000 description 18
- 238000012937 correction Methods 0.000 description 14
- 230000006870 function Effects 0.000 description 13
- 230000001939 inductive effect Effects 0.000 description 13
- 239000011295 pitch Substances 0.000 description 13
- 230000008569 process Effects 0.000 description 13
- 210000000988 bone and bone Anatomy 0.000 description 11
- 239000007787 solid Substances 0.000 description 11
- 210000001519 tissue Anatomy 0.000 description 10
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 10
- 238000010586 diagram Methods 0.000 description 9
- 230000000694 effects Effects 0.000 description 8
- 238000000342 Monte Carlo simulation Methods 0.000 description 6
- 238000013528 artificial neural network Methods 0.000 description 6
- 238000009826 distribution Methods 0.000 description 6
- 238000011161 development Methods 0.000 description 5
- 230000018109 developmental process Effects 0.000 description 5
- 230000006872 improvement Effects 0.000 description 5
- 238000010801 machine learning Methods 0.000 description 5
- 210000000056 organ Anatomy 0.000 description 5
- 230000002411 adverse Effects 0.000 description 4
- 230000001054 cortical effect Effects 0.000 description 4
- 238000011156 evaluation Methods 0.000 description 4
- 230000010354 integration Effects 0.000 description 4
- 230000007246 mechanism Effects 0.000 description 4
- 239000000203 mixture Substances 0.000 description 4
- 210000003484 anatomy Anatomy 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 3
- 238000003384 imaging method Methods 0.000 description 3
- 230000003993 interaction Effects 0.000 description 3
- 210000005228 liver tissue Anatomy 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- 210000003625 skull Anatomy 0.000 description 3
- 239000000126 substance Substances 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000007906 compression Methods 0.000 description 2
- 230000006835 compression Effects 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 230000001419 dependent effect Effects 0.000 description 2
- 238000003708 edge detection Methods 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 238000009877 rendering Methods 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 238000001228 spectrum Methods 0.000 description 2
- 238000003325 tomography Methods 0.000 description 2
- 239000013598 vector Substances 0.000 description 2
- 238000002083 X-ray spectrum Methods 0.000 description 1
- 210000005013 brain tissue Anatomy 0.000 description 1
- 210000003710 cerebral cortex Anatomy 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000013742 energy transducer activity Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 230000003902 lesion Effects 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 230000003278 mimic effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000009828 non-uniform distribution Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 210000002330 subarachnoid space Anatomy 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 238000009827 uniform distribution Methods 0.000 description 1
- 229910052724 xenon Inorganic materials 0.000 description 1
- FHNFHKCVQCLJFQ-UHFFFAOYSA-N xenon atom Chemical compound [Xe] FHNFHKCVQCLJFQ-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N23/00—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00
- G01N23/02—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by transmitting the radiation through the material
- G01N23/04—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by transmitting the radiation through the material and forming images of the material
- G01N23/046—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by transmitting the radiation through the material and forming images of the material using tomography, e.g. computed tomography [CT]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2223/00—Investigating materials by wave or particle radiation
- G01N2223/40—Imaging
- G01N2223/401—Imaging image processing
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2223/00—Investigating materials by wave or particle radiation
- G01N2223/40—Imaging
- G01N2223/413—Imaging sensor array [CCD]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Software Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Mathematical Physics (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Biochemistry (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Pulmonology (AREA)
- Radiology & Medical Imaging (AREA)
- Analytical Chemistry (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Molecular Biology (AREA)
- Computational Linguistics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
Description
前記処理回路は、被検体を通過し且つ複数の検出器素子で検出されたX線放射の強度を表す投影データを取得する。前記投影データは前記被検体に関して個別の投影角に対応する複数のビューについて取得されている。
前記処理回路は、前記投影データを使用して、前記被検体からのX線散乱の空間モデルを生成するために前記被検体の画像を再構成する。
前記処理回路は、前記複数のビューのうちの一つ以上のビューについて、放射輸送方程式(radiative transfer equation:RTE)及びRTEを不均一に離散化することを含む加速法を用いることで、前記複数の検出器素子で検出された散乱したX線放射の強度を表す前記一つ以上のビューの散乱X線束をシミュレートする。
前記処理回路は、前記一つ以上のビューの前記シミュレートされた散乱X線束を使用して、前記複数のビューのうちのプライマリX線束を決定する。前記プライマリX線束は前記複数の検出器素子上に入射され、散乱しなかったX線の強度を表す。
(C1)一連の球面調和として拡張した、散乱したフィールドをシミュレートする場合に球面グリッドへと補間するアプローチ。
(C2-1)RTEの空間離散化に対する第一の解像度を使用して、第一のオーダー散乱X線束をシミュレートすること。
(C2-2)RTEの空間離散化に対する第二の解像度を使用して、より高いオーダー散乱X線束をシミュレートすること。但し、第二の解像度は第一の解像度に比べてより粗い。
CTに対して、改善された画質は、推定することができるプライマリビームP(x,y)を使用する画像再構成を実行することにより達成することができる。画像再構成には、例えば散乱ビームS(x,y)を推定するために投影データT(x,y)を使用することと、その後、プライマリビームP(x,y)を取得するために投影データT(x,y)から推定された散乱ビームS(x,y)を除去することと、によるものである。その場合に、総投影データT(x,y)というよりも、プライマリビームP(x,y)が断層撮影再構成のために使用され、それにより散乱S(x,y)から生じる撮像アーチファクトを回避する。
101 X線源
102 ボウタイ
103 ファントム
104 複数の検出器素子
105 プライマリX線束
106 散乱除去グリッド
110 第一の散乱X線束
115 多重散乱X線束
321 デカルト座標
322 球面グリッド
323 ボクセル
517 均一な空間離散化グリッド
518 改良又は粗大化された空間離散化グリッド
521 外側の境界
522 内側の境界
523 内側の低解像度領域
524 中解像度領域
525 高解像度領域
526 外側の低解像度領域
850 放射線ガントリ
851 X線管
852 環状フレーム
853 X線検出器
854 DAS
855 非接触データ送信装置
856 前処理回路
858 スリップリング
859 高電圧発生器
860 システムコントローラ
861 データ/制御バス
862 メモリ
863 電流調整器
864 再構成回路
865 入力インタフェース
866 ディスプレイ
857 回転ユニット
OBJ 被検体
Claims (19)
- 被検体を通過し且つ複数の検出器素子で検出されたX線放射の強度を表す投影データを取得し、前記投影データは、前記被検体に関して個別の投影角に対応する複数のビューについて取得されており、
前記投影データを使用して、前記被検体からのX線散乱の空間モデルを生成するために、前記被検体の画像を再構成し、
前記複数のビューのうちの一つ以上のビューについて、放射輸送方程式(radiative transfer equation:RTE)及びRTEを不均一に離散化することを含む加速法を用いることで、前記投影データにおいて散乱したX線放射の強度を表す散乱X線束をシミュレートし、
前記一つ以上のビューについて前記シミュレートされた散乱X線束を使用して、前記複数のビューのプライマリX線束を決定し、前記プライマリX線束は、前記複数の検出器素子上に入射され、散乱しなかったX線の強度を表す、
よう構成された処理回路を具備する医用画像処理装置。 - 前記散乱X線束を前記シミュレートすることは、(A)前記RTEのエネルギー座標、(B)前記RTEの一つ以上の角座標、(C)前記RTEの空間座標、のリストのうちの一つ以上の不均一な離散化を含む請求項1記載の医用画像処理装置。
- 前記RTEの前記一つ以上の角座標が不均一に離散化された場合に、前記散乱X線束を前記シミュレートすることは、
前記被検体における点の間の前記散乱X線束の角度離散化に対する第一の解像度を使用することと、
前記複数の検出器素子上に入射する前記散乱X線束の角度離散化に対する第二の解像度を使用することと、前記第一の解像度は前記第二の解像度に比べてより粗い、
により前記RTEを不均一に離散化することを含む請求項2記載の医用画像処理装置。 - 前記RTEの前記空間座標が不均一に離散化された場合に、前記被検体における散乱点は、デカルト座標を使用して離散化され、且つ前記散乱点へと収束するX線束は、球面座標を使用して離散化される請求項2記載の医用画像処理装置。
- 前記RTEの前記空間座標が不均一に離散化された場合に、前記散乱X線束を前記シミュレートすることは、
前記RTEの空間離散化に対する第一の解像度を使用して、第一のオーダー散乱X線束をシミュレートすることと、
前記RTEの前記空間離散化に対する第二の解像度を使用して、より高いオーダー散乱X線束をシミュレートすることと、前記第二の解像度は前記第一の解像度に比べてより粗い、
を含む請求項2記載の医用画像処理装置。 - 前記RTEの前記空間座標が不均一に離散化された場合に、前記散乱X線束を前記シミュレートすることは、前記被検体の再構成画像から、前記X線散乱の空間モデルの空間離散化に対して空間的に変化する解像度へとマッピングすることを含む請求項2記載の医用画像処理装置。
- 前記空間的に変化する解像度は、(i)前記被検体の前記再構成画像の放射線濃度、(ii)前記被検体の前記再構成画像の物質弁別、(iii)前記被検体の前記再構成画像のセグメンテーション、及び(iv)前記被検体の前記再構成画像の画像処理、のうちの一つ以上に依存する請求項6記載の医用画像処理装置。
- 前記被検体の前記再構成画像から前記空間的に変化する解像度への前記マッピングは、個別の学習画像と前記学習画像から導出された個別の散乱モデルとに対応する複数の不均一なグリッドに基づいており、前記複数の不均一なグリッドの各々は、散乱シミュレーションにおける計算数を減らしながら前記散乱シミュレーションに関して所定の精度を維持する前記個別の学習画像に対応する前記空間的に変化する解像度を発見するために、前記散乱モデルのうちの個別の散乱モデルを離散化する、個別の不均一なグリッドの個別の領域における解像度を局所的に粗くする及び/又は細かくする適応的メッシュ法を使用して取得されている請求項6記載の医用画像処理装置。
- 前記RTEの前記エネルギー座標が不均一に離散化された場合に、前記散乱X線束を前記シミュレートすることは、
第一のX線エネルギーに対応する前記エネルギー座標の部分を離散化するために第一の解像度が使用されることと、
第二のX線エネルギーに対応する前記エネルギー座標の部分を離散化するために第二の解像度が使用されることと、
を更に含んでおり、
前記第一の解像度は前記第二の解像度に比べてより粗く、且つ前記第一のX線エネルギーは前記第二のX線エネルギーに比べてより大きい請求項2記載の医用画像処理装置。 - 撮影される被検体を収容するよう構成された被検体空間を通過するX線を放射するよう構成されたX線源と、
前記被検体空間にわたり且つ前記X線源に対向して配置された複数の検出器素子と、前記複数の検出器素子は、前記X線源からの前記X線を検出するよう構成されており、且つ前記複数の検出器素子は、前記放射されたX線の強度を表す投影データを生成するよう構成されており、
処理回路と、
を具備する装置であり、
前記処理回路は、
前記投影データを使用して、前記被検体からのX線散乱の空間モデルを生成するために、前記被検体の画像を再構成し、
複数のビューのうちの一つ以上のビューについて、放射輸送方程式(radiative transfer equation:RTE)及びRTEを不均一に離散化することを含む加速法を用いることで、前記複数の検出器素子で検出された散乱したX線放射の強度を表す前記一つ以上のビューの散乱X線束をシミュレートし、
前記一つ以上のビューの前記シミュレートされた散乱X線束を使用して、前記複数のビューのプライマリX線束を決定し、前記プライマリX線束は、前記複数の検出器素子上の入射である散乱しなかったX線の強度を表す、
ように構成されたX線コンピュータ断層撮影装置。 - コンピュータに、
被検体を通過し且つ複数の検出器素子で検出されたX線放射の強度を表す投影データを取得することと、前記投影データは、前記被検体に関して個別の投影角に対応する複数のビューに対して取得されており、
前記投影データを使用して、前記被検体からのX線散乱の空間モデルを生成するために、前記被検体の画像を再構成することと、
前記複数のビューのうちの一つ以上のビューについて、放射輸送方程式(radiative transfer equation:RTE)及びRTEを不均一に離散化することを含む加速法を用いることで、前記投影データにおいて散乱したX線放射の強度を表す散乱X線束をシミュレートすることと、
一つ以上のビューの前記シミュレートした散乱X線束を使用して、前記複数のビューのプライマリX線束を決定することと、前記プライマリX線束は、前記複数の検出器素子上の入射である散乱しなかったX線の強度を表す、
を実行させるためのプログラム。 - 前記散乱X線束を前記シミュレートすることは、(A)前記RTEのエネルギー座標、(B)前記RTEの一つ以上の角座標、(C)前記RTEの空間座標、のリストのうちの一つ以上を不均一に離散化することを具備する請求項11記載のプログラム。
- 前記RTEの前記一つ以上の角座標が不均一に離散化された場合に、前記散乱X線束を前記シミュレートすることは、
前記被検体における点の間に伝播する前記散乱X線束の角度離散化に対する第一の解像度を使用することと、
前記複数の検出器素子上の入射である前記散乱X線束の角度離散化に対する第二の解像度を使用することと、前記第一の解像度は前記第二の解像度に比べてより粗い、
により、前記RTEを不均一に離散化することを具備する請求項12記載のプログラム。 - 前記RTEの前記空間座標が不均一に離散化された場合に、前記被検体における散乱点は、デカルト座標を使用して離散化され、且つ前記散乱点へと収束するX線束は、球面座標を使用して離散化される請求項13記載のプログラム。
- 前記RTEの前記空間座標が不均一に離散化された場合に、前記散乱X線束を前記シミュレートすることは、
前記RTEの空間離散化に対する第一の解像度を使用して、第一のオーダー散乱X線束をシミュレートすることと、
前記RTEの前記空間離散化に対する第二の解像度を使用して、より高いオーダー散乱X線束をシミュレートすることと、前記第二の解像度は前記第一の解像度に比べてより粗い、
を具備する請求項13記載のプログラム。 - 前記RTEの前記空間座標が不均一に離散化された場合に、前記散乱X線束を前記シミュレートすることは、前記被検体の再構成画像から、前記X線散乱の空間モデルの空間離散化に対して空間的に変化する解像度へとマッピングすることを具備する請求項13記載のプログラム。
- 前記RTEの前記空間座標が不均一に離散化された場合に、前記空間的に変化する解像度は、(i)前記被検体の前記再構成画像の放射線濃度、(ii)前記被検体の前記再構成画像の物質弁別、(iii)前記被検体の前記再構成画像のセグメンテーション、及び(iv)前記被検体の前記再構成画像の画像処理、のうちの一つ以上に依存する請求項16記載のプログラム。
- 前記被検体の前記再構成画像から前記空間的に変化する解像度への前記マッピングは、個別の学習画像と前記学習画像から導出された個別の散乱モデルとに対応する複数の不均一なグリッドに基づいており、前記複数の不均一なグリッドの各々は、散乱シミュレーションにおける計算数を減らしながら、前記散乱シミュレーションに関して所定の精度を維持する前記個別の学習画像に対応する前記空間的に変化する解像度を発見するために、散乱モデルのうちの個別の散乱モデルを離散化する個別の不均一なグリッドの個別の領域における解像度を局所的に粗くする及び/又は細かくする適応的メッシュ法を使用して取得されている請求項16記載のプログラム。
- 前記RTEの前記エネルギー座標が不均一に離散化された場合に、前記散乱X線束を前記シミュレートすることは、
第一のX線エネルギーに対応する前記エネルギー座標の部分を第一の解像度で離散化することと、
第二のX線エネルギーに対応する前記エネルギー座標の部分を第二の解像度で離散化することと、
を更に備え、
前記第一の解像度は前記第二の解像度に比べてより粗く、且つ前記第一のX線エネルギーは前記第二のX線エネルギーに比べてより大きい請求項12記載のプログラム。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US16/392,177 | 2019-04-23 | ||
US16/392,177 US11060987B2 (en) | 2019-04-23 | 2019-04-23 | Method and apparatus for fast scatter simulation and correction in computed tomography (CT) |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2020179146A true JP2020179146A (ja) | 2020-11-05 |
JP7341879B2 JP7341879B2 (ja) | 2023-09-11 |
Family
ID=72916736
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019231616A Active JP7341879B2 (ja) | 2019-04-23 | 2019-12-23 | 医用画像処理装置、x線コンピュータ断層撮影装置及びプログラム |
Country Status (2)
Country | Link |
---|---|
US (1) | US11060987B2 (ja) |
JP (1) | JP7341879B2 (ja) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
FR3087035B1 (fr) * | 2018-10-09 | 2020-10-30 | Commissariat Energie Atomique | Procede de correction d'une image spectrale |
US11060987B2 (en) * | 2019-04-23 | 2021-07-13 | Canon Medical Systems Corporation | Method and apparatus for fast scatter simulation and correction in computed tomography (CT) |
US11276209B2 (en) * | 2020-04-28 | 2022-03-15 | Canon Medical Systems Corporation | Method and apparatus for scatter estimation in positron emission tomography |
US11759162B2 (en) * | 2021-06-11 | 2023-09-19 | Canon Medical Systems Corporation | Total SPECT scatter estimation and correction using radiative transfer equation |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2287757A1 (en) * | 2009-08-20 | 2011-02-23 | Fujitsu Limited | Multilevel-Multigrid simulation techniques |
JP2018008061A (ja) * | 2016-07-14 | 2018-01-18 | 東芝メディカルシステムズ株式会社 | 医用画像処理装置及び医用画像診断装置 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2009592B1 (de) * | 2007-06-25 | 2013-03-06 | EMPA Eidgenössische Materialprüfungs- und Forschungsanstalt | Verfahren zur Streukorrektur von röntgentomografischen Daten |
EP2215617A4 (en) | 2007-09-27 | 2014-11-19 | Westinghouse Electric Corp | REACTOR DOSIMETRY APPLICATIONS USING THIRD DIMENSIONAL PARALLEL RADIATION TRANSPORT CODE |
US10572441B2 (en) * | 2015-08-19 | 2020-02-25 | Global Engineering Research and Technologies, LLC | Applications of peridynamic differential operator |
US10716527B2 (en) * | 2017-02-17 | 2020-07-21 | Canon Medical Systems Corporation | Combined sinogram- and image-domain material decomposition for spectral computed tomography (CT) |
US10593070B2 (en) * | 2017-12-22 | 2020-03-17 | Canon Medical Systems Corporation | Model-based scatter correction for computed tomography |
US10937206B2 (en) * | 2019-01-18 | 2021-03-02 | Canon Medical Systems Corporation | Deep-learning-based scatter estimation and correction for X-ray projection data and computer tomography (CT) |
US11060987B2 (en) * | 2019-04-23 | 2021-07-13 | Canon Medical Systems Corporation | Method and apparatus for fast scatter simulation and correction in computed tomography (CT) |
-
2019
- 2019-04-23 US US16/392,177 patent/US11060987B2/en active Active
- 2019-12-23 JP JP2019231616A patent/JP7341879B2/ja active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2287757A1 (en) * | 2009-08-20 | 2011-02-23 | Fujitsu Limited | Multilevel-Multigrid simulation techniques |
JP2018008061A (ja) * | 2016-07-14 | 2018-01-18 | 東芝メディカルシステムズ株式会社 | 医用画像処理装置及び医用画像診断装置 |
Also Published As
Publication number | Publication date |
---|---|
US20200340932A1 (en) | 2020-10-29 |
US11060987B2 (en) | 2021-07-13 |
JP7341879B2 (ja) | 2023-09-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7337679B2 (ja) | 医用処理装置、医用処理方法及び記憶媒体 | |
Abadi et al. | DukeSim: a realistic, rapid, and scanner-specific simulation framework in computed tomography | |
JP7341879B2 (ja) | 医用画像処理装置、x線コンピュータ断層撮影装置及びプログラム | |
JP7139119B2 (ja) | 医用画像生成装置及び医用画像生成方法 | |
JP6873852B2 (ja) | 医用画像処理装置及び医用画像診断装置 | |
US10593070B2 (en) | Model-based scatter correction for computed tomography | |
US8594407B2 (en) | Plane-by-plane iterative reconstruction for digital breast tomosynthesis | |
US20130051516A1 (en) | Noise suppression for low x-ray dose cone-beam image reconstruction | |
JP2020163124A (ja) | 医用画像処理装置及び学習用画像の取得方法 | |
US9261467B2 (en) | System and method of iterative image reconstruction for computed tomography | |
US20200151921A1 (en) | Methods for metal artifact reduction in cone beam reconstruction | |
US20110044559A1 (en) | Image artifact reduction | |
JP7062444B2 (ja) | 医用画像生成装置及び医用画像生成方法 | |
Schnurr et al. | Simulation-based deep artifact correction with convolutional neural networks for limited angle artifacts | |
JP5635732B2 (ja) | 複数繰り返しアルゴリズムの進行的な収束 | |
JP6878147B2 (ja) | X線コンピュータ断層撮影装置及び医用画像処理装置 | |
Liang et al. | Shading correction for volumetric CT using deep convolutional neural network and adaptive filter | |
Liang et al. | Quantitative cone-beam CT imaging in radiotherapy: Parallel computation and comprehensive evaluation on the TrueBeam system | |
US8259896B2 (en) | Efficient correction of polychromy effects in image reconstruction | |
JP2017221339A (ja) | X線ct画像再構成方法およびコンピュータプログラム | |
JP7362460B2 (ja) | 医用画像処理装置、方法及び記憶媒体 | |
EP3404618B1 (en) | Poly-energetic reconstruction method for metal artifacts reduction | |
US20230274473A1 (en) | Artificial intelligence based 3d reconstruction | |
Van Slambrouck et al. | A patchwork (back) projector to accelerate artifact reduction in CT reconstruction | |
JP2020081837A (ja) | X線画像処理装置、x線診断装置およびx線画像処理方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220830 |
|
RD01 | Notification of change of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7421 Effective date: 20230106 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20230428 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230509 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230704 |
|
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: 20230801 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20230830 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7341879 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |