JP2021511608A - 金属アーチファクトを低減するための深層学習の使用 - Google Patents
金属アーチファクトを低減するための深層学習の使用 Download PDFInfo
- Publication number
- JP2021511608A JP2021511608A JP2020560551A JP2020560551A JP2021511608A JP 2021511608 A JP2021511608 A JP 2021511608A JP 2020560551 A JP2020560551 A JP 2020560551A JP 2020560551 A JP2020560551 A JP 2020560551A JP 2021511608 A JP2021511608 A JP 2021511608A
- Authority
- JP
- Japan
- Prior art keywords
- image
- ray
- uncorrected
- metal
- ray 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.)
- Pending
Links
- 239000002184 metal Substances 0.000 title claims abstract description 174
- 229910052751 metal Inorganic materials 0.000 title claims abstract description 174
- 238000013135 deep learning Methods 0.000 title 1
- 238000003384 imaging method Methods 0.000 claims abstract description 60
- 238000013528 artificial neural network Methods 0.000 claims abstract description 48
- 238000000034 method Methods 0.000 claims abstract description 38
- 238000003702 image correction Methods 0.000 claims abstract description 6
- 238000012549 training Methods 0.000 claims description 37
- 238000013527 convolutional neural network Methods 0.000 claims description 18
- 238000002591 computed tomography Methods 0.000 claims description 16
- 238000002600 positron emission tomography Methods 0.000 claims description 12
- 238000012937 correction Methods 0.000 claims description 8
- 238000012545 processing Methods 0.000 claims description 5
- 238000013170 computed tomography imaging Methods 0.000 claims description 4
- 238000002601 radiography Methods 0.000 claims description 3
- 230000008901 benefit Effects 0.000 description 9
- 230000001629 suppression Effects 0.000 description 9
- 230000006870 function Effects 0.000 description 8
- 238000012360 testing method Methods 0.000 description 7
- RTAQQCXQSZGOHL-UHFFFAOYSA-N Titanium Chemical compound [Ti] RTAQQCXQSZGOHL-UHFFFAOYSA-N 0.000 description 6
- 238000004088 simulation Methods 0.000 description 6
- 238000012986 modification Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 239000004677 Nylon Substances 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 3
- 239000007943 implant Substances 0.000 description 3
- 239000000203 mixture Substances 0.000 description 3
- 229920001778 nylon Polymers 0.000 description 3
- 229910001220 stainless steel Inorganic materials 0.000 description 3
- 239000010935 stainless steel Substances 0.000 description 3
- 239000010936 titanium Substances 0.000 description 3
- 229910052719 titanium Inorganic materials 0.000 description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 3
- 238000012879 PET imaging Methods 0.000 description 2
- 238000002083 X-ray spectrum Methods 0.000 description 2
- 230000000747 cardiac effect Effects 0.000 description 2
- 230000007812 deficiency Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000009472 formulation Methods 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 239000007769 metal material Substances 0.000 description 2
- 150000002739 metals Chemical class 0.000 description 2
- 230000003278 mimic effect Effects 0.000 description 2
- 230000000399 orthopedic effect Effects 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 238000001356 surgical procedure Methods 0.000 description 2
- 238000002560 therapeutic procedure Methods 0.000 description 2
- 238000013519 translation Methods 0.000 description 2
- 238000010521 absorption reaction Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000001574 biopsy Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000003759 clinical diagnosis Methods 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 210000003127 knee Anatomy 0.000 description 1
- 238000010859 live-cell imaging Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000000704 physical effect Effects 0.000 description 1
- 238000011176 pooling Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 230000001225 therapeutic effect Effects 0.000 description 1
- 238000003325 tomography Methods 0.000 description 1
- 238000011541 total hip replacement 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
- G06T11/008—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
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- 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
- G06T2207/10081—Computed x-ray tomography [CT]
-
- 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
- G06T2207/10104—Positron emission tomography [PET]
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20084—Artificial neural networks [ANN]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- General Health & Medical Sciences (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Quality & Reliability (AREA)
- Health & Medical Sciences (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Nuclear Medicine (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
Description
I=∫EI0(E)exp(−∫lμ(E)dl)dE (2)
に従ってシミュレートされた。ここで、I0(E)は、入射X線スペクトルを光子エネルギーEの関数として表し、Iは、全透過強度であり、lは、カスタムのグラフィカルプロセッサユニット(GPU)ベースのフォワードプロジェクタを使用して計算された経路長である。次いで、シミュレートされた単色及び多色投影は3次元(3D)フィルタ逆投影(FBP)を使用して再構成されて、それぞれ、「モノ」画像(グラウンドトゥルースと見なされる)及び「ポリ」画像(金属アーチファクトを含む)が形成される。「ポリ」画像は入力信号sとして使用された。「モノ」と「ポリ」との間の差画像が、CNNの訓練で残差信号rとして使用された。再構成画像は、スライスごとに512×512ピクセル及び250mmのFOVを有する。
Claims (23)
- 画像再構成方法を実行するための電子プロセッサにより読取り可能及び実行可能な命令を格納する非一時的記憶媒体であって、前記画像再構成方法が、
未補正X線画像を発生するためにX線投影データを再構成することと、
金属アーチファクト画像を発生するために前記未補正X線画像にニューラルネットワークを適用することと、
前記未補正X線画像から前記金属アーチファクト画像を減じることによって、補正されたX線画像を発生することと
を含み、
前記ニューラルネットワークが、金属アーチファクトを含む画像コンテンツを抽出するように訓練されている、非一時的記憶媒体。 - 多色訓練X線画像pjを変換するように前記ニューラルネットワークを訓練するためのニューラルネットワーク訓練方法を実行するための、前記電子プロセッサにより読取り可能及び実行可能な命令をさらに格納し、ここで、jは、それぞれの金属アーチファクト画像ajと一致するように前記多色訓練X線画像をインデクス付けし、ここで、pj=mj+ajであり、成分mjは金属アーチファクトのないX線画像である、請求項1に記載の非一時的記憶媒体。
- 前記ニューラルネットワークが、前記未補正X線画像にわたってグローバル接続を行うのに有効な層数及びカーネルサイズを有する、請求項1から3のいずれか一項に記載の非一時的記憶媒体。
- 前記画像再構成方法が、補正された前記X線画像をディスプレイに表示することをさらに含む、請求項1から3のいずれか一項に記載の非一時的記憶媒体。
- 前記画像再構成方法が、前記金属アーチファクト画像、又は前記金属アーチファクト画像から導出された画像を、前記ディスプレイに表示することをさらに含む、請求項4に記載の非一時的記憶媒体。
- 前記画像再構成方法が、金属タイプに応じて前記金属アーチファクト画像を分類することをさらに含む、請求項1から5のいずれか一項に記載の非一時的記憶媒体。
- 前記画像再構成方法が、前記金属アーチファクト画像によって描かれた金属物体を形状に基づいて識別することをさらに含む、請求項1から6のいずれか一項に記載の非一時的記憶媒体。
- 前記ニューラルネットワークが、畳み込みニューラルネットワークを含む、請求項1から7のいずれか一項に記載の非一時的記憶媒体。
- 前記画像再構成方法には、前記未補正X線画像に前記ニューラルネットワークを適用して前記金属アーチファクト画像を発生し、前記未補正X線画像から前記金属アーチファクト画像を減じることによって補正された前記X線画像を発生することによるもの以外のいかなる金属アーチファクト補正も含まれない、請求項1から8のいずれか一項に記載の非一時的記憶媒体。
- 前記未補正X線画像が3次元未補正X線画像であり、前記ニューラルネットワークが、前記金属アーチファクト画像を3次元金属アーチファクト画像として発生するために前記3次元未補正X線画像に適用される、請求項1から9のいずれか一項に記載の非一時的記憶媒体。
- 未補正X線画像を取得するX線イメージングデバイスと、
画像再構成デバイスとを含む、イメージングデバイスであって、
前記画像再構成デバイスは、電子プロセッサと、画像補正方法を実行するための、前記電子プロセッサにより読取り可能及び実行可能な命令を格納する非一時的記憶媒体とを含み、前記画像補正方法が、
金属アーチファクト画像を発生するために前記未補正X線画像にニューラルネットワークを適用することであって、前記ニューラルネットワークが、金属アーチファクトを含む残差画像コンテンツを抽出するように訓練されている、適用すること、及び
前記未補正X線画像から前記金属アーチファクト画像を減じることによって、補正されたX線画像を発生すること
を含む、イメージングデバイス。 - 前記非一時的記憶媒体が、多エネルギー訓練X線画像pjを変換するように前記ニューラルネットワークを訓練するためのニューラルネットワーク訓練方法を実行するための、前記電子プロセッサにより読取り可能及び実行可能な命令をさらに格納し、ここで、jは、それぞれの金属アーチファクト画像ajと一致するように前記訓練X線画像をインデクス付けし、ここで、pj=mj+ajであり、成分mjは金属アーチファクトのないX線画像である、請求項11に記載のイメージングデバイス。
- 前記ニューラルネットワークが、前記未補正X線画像にわたってグローバル接続を行うのに有効な層数及びカーネルサイズを有する、請求項11又は12に記載のイメージングデバイス。
- ディスプレイデバイス
をさらに含み、
前記画像再構成方法が、補正された前記X線画像を前記ディスプレイデバイスに表示することをさらに含む、請求項11から13のいずれか一項に記載のイメージングデバイス。 - 前記画像再構成方法が、前記金属アーチファクト画像、又は前記金属アーチファクト画像から導出された画像を、前記ディスプレイデバイスに表示することをさらに含む、請求項14に記載のイメージングデバイス。
- 前記画像再構成方法が、前記金属アーチファクト画像によって描かれた金属物体に関する情報を決定するために前記金属アーチファクト画像を処理することをさらに含む、請求項11から15のいずれか一項に記載のイメージングデバイス。
- 前記X線イメージングデバイスが、コンピュータ断層撮影イメージングデバイス、Cアームイメージングデバイス、又はデジタルラジオグラフィデバイスを含む、請求項11から16のいずれか一項に記載のイメージングデバイス。
- 前記X線イメージングデバイスが、前記未補正X線画像を取得するコンピュータ断層撮影ガントリと、陽電子放出断層撮影ガントリとを有する陽電子放出断層撮影/コンピュータ断層撮影イメージングデバイスを含み、
前記非一時的記憶媒体が、前記陽電子放出断層撮影ガントリによって実行される陽電子放出断層撮影イメージングにおける減衰補正で使用するために補正された前記X線画像から減衰マップを発生するための前記電子プロセッサにより読取り可能及び実行可能な命令をさらに格納する、請求項11から16のいずれか一項に記載のイメージングデバイス。 - X線イメージングデバイスを使用して、未補正X線画像を取得するステップと、
金属アーチファクト画像を発生するために前記未補正X線画像に訓練されたニューラルネットワークを適用するステップと、
前記未補正X線画像から前記金属アーチファクト画像を減じることによって、補正されたX線画像を発生するステップと
を有するイメージング方法であって、
前記取得するステップ、前記適用するステップ、及び前記発生するステップが、電子プロセッサによって実行される、イメージング方法。 - 前記ニューラルネットワークが、前記未補正X線画像にわたってグローバル接続を行うのに有効な層数及びカーネルサイズを有する、請求項19に記載のイメージング方法。
- 前記イメージング方法には、前記未補正X線画像に訓練された前記ニューラルネットワークを適用して前記金属アーチファクト画像を発生し、前記未補正X線画像から前記金属アーチファクト画像を減じることによって補正された前記X線画像を発生することによるもの以外のいかなる金属アーチファクト補正も含まれない、請求項19又は20に記載のイメージング方法。
- 前記未補正X線画像が3次元未補正X線画像であり、訓練された前記ニューラルネットワークが、前記金属アーチファクト画像を3次元金属アーチファクト画像として発生するために前記3次元未補正X線画像に適用され、補正された前記X線画像が、前記3次元未補正X線画像から前記3次元金属アーチファクト画像を減じることによって発生される、請求項19から21のいずれか一項に記載のイメージング方法。
- 多エネルギー訓練X線画像pjを変換するように前記ニューラルネットワークを訓練するステップをさらに有し、ここで、jはそれぞれの金属アーチファクト画像ajと一致するように前記訓練X線画像をインデクス付けし、pj=mj+ajであり、ここで、画像成分mjは、金属アーチファクトのないX線画像である、請求項19から22のいずれか一項に記載のイメージング方法。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201862622170P | 2018-01-26 | 2018-01-26 | |
US62/622,170 | 2018-01-26 | ||
PCT/EP2019/050469 WO2019145149A1 (en) | 2018-01-26 | 2019-01-09 | Using deep learning to reduce metal artifacts |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2021511608A true JP2021511608A (ja) | 2021-05-06 |
JPWO2019145149A5 JPWO2019145149A5 (ja) | 2022-01-18 |
Family
ID=65012026
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020560551A Pending JP2021511608A (ja) | 2018-01-26 | 2019-01-09 | 金属アーチファクトを低減するための深層学習の使用 |
Country Status (5)
Country | Link |
---|---|
US (1) | US20210056688A1 (ja) |
EP (1) | EP3743889A1 (ja) |
JP (1) | JP2021511608A (ja) |
CN (1) | CN111656405A (ja) |
WO (1) | WO2019145149A1 (ja) |
Families Citing this family (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2019173452A1 (en) * | 2018-03-07 | 2019-09-12 | Rensselaer Polytechnic Institute | Deep neural network for ct metal artifact reduction |
US11154268B2 (en) * | 2018-03-19 | 2021-10-26 | Siemens Medical Solutions Usa, Inc. | High-resolution anti-pinhole PET scan |
EP3693921B1 (en) * | 2019-02-05 | 2022-04-20 | Siemens Healthcare GmbH | Method for segmenting metal objects in projection images, evaluation device, computer program and electronically readable storage medium |
DE102020203741A1 (de) * | 2020-03-24 | 2021-09-30 | Siemens Healthcare Gmbh | Verfahren und Vorrichtung zum Bereitstellen eines artefaktreduzierten Röntgenbilddatensatzes |
US11890124B2 (en) | 2021-02-01 | 2024-02-06 | Medtronic Navigation, Inc. | Systems and methods for low-dose AI-based imaging |
KR102591665B1 (ko) * | 2021-02-17 | 2023-10-18 | 연세대학교 산학협력단 | 인공 신경망을 이용한 ct 영상 보정 장치 및 방법 |
CN113112490B (zh) * | 2021-04-23 | 2022-09-30 | 上海卓昕医疗科技有限公司 | 一种三维医学影像标记点提取方法及系统 |
CN113256529B (zh) * | 2021-06-09 | 2021-10-15 | 腾讯科技(深圳)有限公司 | 图像处理方法、装置、计算机设备及存储介质 |
CN113554563B (zh) * | 2021-07-23 | 2024-05-14 | 上海友脉科技有限责任公司 | 一种医学图像处理方法、介质及电子设备 |
CN113744320B (zh) * | 2021-09-10 | 2024-03-29 | 中国科学院近代物理研究所 | 一种智能型的离子束自适应放疗系统、存储介质及设备 |
DE102022203101B3 (de) | 2022-03-30 | 2023-09-21 | Siemens Healthcare Gmbh | Verfahren zur Artefaktkorrektur in einem Computertomographiebilddatensatz, Computertomographieeinrichtung, Computerprogramm und elektronisch lesbarer Datenträger |
WO2024008764A1 (en) * | 2022-07-07 | 2024-01-11 | Koninklijke Philips N.V. | Cone beam artifact reduction |
CN116309923A (zh) * | 2023-05-24 | 2023-06-23 | 吉林大学 | 基于图神经网络的ct金属伪影消除方法及系统 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017223560A1 (en) * | 2016-06-24 | 2017-12-28 | Rensselaer Polytechnic Institute | Tomographic image reconstruction via machine learning |
JP2018500970A (ja) * | 2014-12-04 | 2018-01-18 | ゼネラル・エレクトリック・カンパニイ | 構成材料の分類を改善するための方法およびシステム |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
RU2534393C2 (ru) | 2009-05-13 | 2014-11-27 | Конинклейке Филипс Электроникс, Н.В. | Способ и система для визуализации пациентов с персональным медицинским устройством |
CN103339652A (zh) * | 2010-12-01 | 2013-10-02 | 皇家飞利浦电子股份有限公司 | 靠近伪影源的诊断图像特征 |
US20170362585A1 (en) * | 2016-06-15 | 2017-12-21 | Rensselaer Polytechnic Institute | Methods and apparatus for x-genetics |
-
2019
- 2019-01-09 JP JP2020560551A patent/JP2021511608A/ja active Pending
- 2019-01-09 EP EP19700282.7A patent/EP3743889A1/en not_active Withdrawn
- 2019-01-09 CN CN201980010147.XA patent/CN111656405A/zh active Pending
- 2019-01-09 US US16/964,675 patent/US20210056688A1/en not_active Abandoned
- 2019-01-09 WO PCT/EP2019/050469 patent/WO2019145149A1/en unknown
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2018500970A (ja) * | 2014-12-04 | 2018-01-18 | ゼネラル・エレクトリック・カンパニイ | 構成材料の分類を改善するための方法およびシステム |
WO2017223560A1 (en) * | 2016-06-24 | 2017-12-28 | Rensselaer Polytechnic Institute | Tomographic image reconstruction via machine learning |
Non-Patent Citations (2)
Title |
---|
HYUNG SUK PARK ET AL.: "Machine-learning-based nonlinear decomposition of CT images for metal artifact reduction", [ONLINE], JPN6023003298, 1 August 2017 (2017-08-01), ISSN: 0004979542 * |
KAI ZHANG ET AL.: "Beyond a Gaussian Denoiser: Residual Learning of Deep CNN for Image Denoising", IEEE TRANSACTIONS ON IMAGE PROCESSING VOLUME: 26, ISSUE: 7, JPN6023003299, 31 July 2017 (2017-07-31), ISSN: 0004979543 * |
Also Published As
Publication number | Publication date |
---|---|
WO2019145149A1 (en) | 2019-08-01 |
US20210056688A1 (en) | 2021-02-25 |
EP3743889A1 (en) | 2020-12-02 |
CN111656405A (zh) | 2020-09-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP2021511608A (ja) | 金属アーチファクトを低減するための深層学習の使用 | |
Prell et al. | A novel forward projection-based metal artifact reduction method for flat-detector computed tomography | |
KR101728046B1 (ko) | 단층 영상 복원 장치 및 그에 따른 단층 영상 복원 방법 | |
US9934597B2 (en) | Metal artifacts reduction in cone beam reconstruction | |
US9317661B2 (en) | Automatic implant detection from image artifacts | |
KR101576703B1 (ko) | 화상 처리 장치, 화상 처리 방법 및 컴퓨터 판독 가능 저장 매체 | |
JP5635730B2 (ja) | 画像から関心のある特徴部を抽出するためのシステム及び方法 | |
US7978886B2 (en) | System and method for anatomy based reconstruction | |
JP6242631B2 (ja) | 医用画像処理装置及びx線コンピュータ断層撮影装置 | |
EP3654289A1 (en) | Methods for metal artifact reduction in cone beam reconstruction | |
KR20170088681A (ko) | 단층 촬영 장치 및 그에 따른 단층 영상 복원 방법 | |
JP3987024B2 (ja) | 横方向のフィルタリング処理を用いたトモシンセシス画像を強調する方法及びシステム | |
KR20150095140A (ko) | 컴퓨터 단층 촬영 장치 및 그에 따른 ct 영상 복원 방법 | |
US20230097849A1 (en) | Creation method of trained model, image generation method, and image processing device | |
US20160100814A1 (en) | Reconstruction of a cone beam scanned object | |
KR101783964B1 (ko) | 단층 촬영 장치 및 그에 따른 단층 영상 복원 방법 | |
Do et al. | A decomposition-based CT reconstruction formulation for reducing blooming artifacts | |
CN117522747A (zh) | 一种用于ct图像的金属伪影校正方法与系统 | |
KR20170032818A (ko) | 단층 촬영 장치 및 단층 촬영 장치의 제어 방법 | |
US20210272336A1 (en) | Systems and methods for interpolation with resolution preservation | |
FI3725227T3 (fi) | Menetelmä röntgenprojektion geometrian kalibroimiseksi kartiokeilatietokonetomografiassa | |
US11786193B2 (en) | Metal artifacts reduction in cone beam reconstruction | |
EP3404618B1 (en) | Poly-energetic reconstruction method for metal artifacts reduction | |
KR20180063753A (ko) | 의료 영상 장치 및 동작 방법 | |
CN113226184A (zh) | 在x射线牙科体积断层扫描中金属伪影减少的方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220107 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220107 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20230124 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230201 |
|
A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20230905 |