JP2021534950A - X線撮像システム - Google Patents
X線撮像システム Download PDFInfo
- Publication number
- JP2021534950A JP2021534950A JP2021536421A JP2021536421A JP2021534950A JP 2021534950 A JP2021534950 A JP 2021534950A JP 2021536421 A JP2021536421 A JP 2021536421A JP 2021536421 A JP2021536421 A JP 2021536421A JP 2021534950 A JP2021534950 A JP 2021534950A
- Authority
- JP
- Japan
- Prior art keywords
- image
- model
- simulated
- ray
- sample
- 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
- 238000003384 imaging method Methods 0.000 title claims description 26
- 238000000034 method Methods 0.000 claims abstract description 150
- 238000012937 correction Methods 0.000 claims abstract description 29
- 238000012545 processing Methods 0.000 claims abstract description 24
- 238000011156 evaluation Methods 0.000 claims abstract description 8
- 239000000523 sample Substances 0.000 claims description 117
- 239000000463 material Substances 0.000 claims description 102
- 230000006870 function Effects 0.000 claims description 85
- 239000000203 mixture Substances 0.000 claims description 85
- 239000000126 substance Substances 0.000 claims description 82
- 230000008569 process Effects 0.000 claims description 66
- 238000012546 transfer Methods 0.000 claims description 58
- 238000005259 measurement Methods 0.000 claims description 48
- 238000013334 tissue model Methods 0.000 claims description 44
- 210000004872 soft tissue Anatomy 0.000 claims description 33
- 210000001519 tissue Anatomy 0.000 claims description 27
- 238000001914 filtration Methods 0.000 claims description 23
- 210000000988 bone and bone Anatomy 0.000 claims description 15
- 238000013519 translation Methods 0.000 claims description 11
- 238000012854 evaluation process Methods 0.000 claims description 5
- 238000012887 quadratic function Methods 0.000 claims description 5
- 238000003702 image correction Methods 0.000 claims description 4
- 238000007620 mathematical function Methods 0.000 claims description 4
- 238000001514 detection method Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 abstract 1
- 239000000956 alloy Substances 0.000 description 62
- 229910045601 alloy Inorganic materials 0.000 description 62
- 238000004088 simulation Methods 0.000 description 44
- 230000006872 improvement Effects 0.000 description 24
- 238000013459 approach Methods 0.000 description 21
- 238000004422 calculation algorithm Methods 0.000 description 11
- 238000004364 calculation method Methods 0.000 description 10
- 230000005855 radiation Effects 0.000 description 7
- 239000002131 composite material Substances 0.000 description 6
- 238000012360 testing method Methods 0.000 description 6
- 238000010521 absorption reaction Methods 0.000 description 5
- 230000003993 interaction Effects 0.000 description 5
- 238000001228 spectrum Methods 0.000 description 5
- 238000012549 training Methods 0.000 description 4
- 238000012935 Averaging Methods 0.000 description 3
- XAGFODPZIPBFFR-UHFFFAOYSA-N aluminium Chemical compound [Al] XAGFODPZIPBFFR-UHFFFAOYSA-N 0.000 description 3
- 229910052782 aluminium Inorganic materials 0.000 description 3
- 230000037182 bone density Effects 0.000 description 3
- 230000009977 dual effect Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000002085 persistent effect Effects 0.000 description 3
- 229920003229 poly(methyl methacrylate) Polymers 0.000 description 3
- 239000004926 polymethyl methacrylate Substances 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- 230000006399 behavior Effects 0.000 description 2
- 238000002059 diagnostic imaging Methods 0.000 description 2
- 238000003708 edge detection Methods 0.000 description 2
- 229910052500 inorganic mineral Inorganic materials 0.000 description 2
- 239000011707 mineral Substances 0.000 description 2
- 238000012821 model calculation Methods 0.000 description 2
- 238000012805 post-processing Methods 0.000 description 2
- 230000007480 spreading Effects 0.000 description 2
- 238000000342 Monte Carlo simulation Methods 0.000 description 1
- OMOVVBIIQSXZSZ-UHFFFAOYSA-N [6-(4-acetyloxy-5,9a-dimethyl-2,7-dioxo-4,5a,6,9-tetrahydro-3h-pyrano[3,4-b]oxepin-5-yl)-5-formyloxy-3-(furan-3-yl)-3a-methyl-7-methylidene-1a,2,3,4,5,6-hexahydroindeno[1,7a-b]oxiren-4-yl] 2-hydroxy-3-methylpentanoate Chemical compound CC12C(OC(=O)C(O)C(C)CC)C(OC=O)C(C3(C)C(CC(=O)OC4(C)COC(=O)CC43)OC(C)=O)C(=C)C32OC3CC1C=1C=COC=1 OMOVVBIIQSXZSZ-UHFFFAOYSA-N 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 210000000746 body region Anatomy 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000001454 recorded image Methods 0.000 description 1
- 238000007670 refining Methods 0.000 description 1
- 230000001172 regenerating effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/73—Deblurring; Sharpening
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/50—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications
- A61B6/505—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications for diagnosis of bone
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
- A61B6/5211—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data
- A61B6/5217—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data extracting a diagnostic or physiological parameter from medical diagnostic data
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
- A61B6/5258—Devices using data or image processing specially adapted for radiation diagnosis involving detection or reduction of artifacts or noise
- A61B6/5282—Devices using data or image processing specially adapted for radiation diagnosis involving detection or reduction of artifacts or noise due to scatter
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/4007—Scaling of whole images or parts thereof, e.g. expanding or contracting based on interpolation, e.g. bilinear interpolation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- 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
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
- G06T7/0014—Biomedical image inspection using an image reference approach
-
- 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
- G06T2207/10116—X-ray image
-
- 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
- G06T2207/20212—Image combination
- G06T2207/20224—Image subtraction
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- Medical Informatics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Radiology & Medical Imaging (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- General Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Surgery (AREA)
- High Energy & Nuclear Physics (AREA)
- Pathology (AREA)
- Veterinary Medicine (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Molecular Biology (AREA)
- Biophysics (AREA)
- Animal Behavior & Ethology (AREA)
- Optics & Photonics (AREA)
- Public Health (AREA)
- Quality & Reliability (AREA)
- Physiology (AREA)
- Orthopedic Medicine & Surgery (AREA)
- Dentistry (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Analysing Materials By The Use Of Radiation (AREA)
- Image Processing (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
Description
本発明の実施形態は、X線ビームが被験物によって散乱されることによる影像効果をなくすために、被験物(例えば、画像診断シナリオの状況にある患者)のX線画像を処理するためのシステムを提供する。提案される実施形態は、散乱線除去グリッド及び/またはMAPの必要性をなくすことができ、それによって、患者線量を減らし、画像品質を改善する。また、説明されるアプローチは、被験物に関する正確な組成情報を決定し、この組成情報を使用して、散乱を予測しその散乱を除去でき、より効果的な散乱除去方法をもたらし、散乱線除去グリッドに関連付けられるアーチファクトを生じることなく、画像を返す。また、説明される技術は、アライメント制約または幾何学的制約がないため、散乱線除去グリッドを使用するよりも順応性があり得る。
撮像プロセスのシミュレーションは、サンプリングされる組織の組織モデルによって決まる。様々なモデルアプローチは、3次元サンプルの全体にわたって異なる組織タイプ、密度等の分布をモデル化するために使用され得るが、高度な単純化モデルは、シミュレーション結果の効率的な算出を可能にし、改良ループ204のステップ214において発生する組織モデルを改良するための探索空間を減らすことが好まれる。
−「厚さ」の値(tで示される);これは、そのボクセルにおけるサンプルの厚さ(すなわち、ビーム方向におけるその空間広がり)を示す。
−「合金」の値(μで示される);これは、0〜1の値のように、合計厚さに対する2つの物質AまたはBの1つの比または割合として、そのボクセルの物質組成を示す。本明細書の例では、合金は、軟組織であるボクセルの物質比を示す。
図4は、物質402,404,406,408の4つのボクセルと、4つの対応するシミュレート済出力画素410とを使用する、簡略化された場合の組織モデルを示す。
1.元の獲得画像の画像特性に基づいて、反復改良プロセスの開始点として最初の組織モデルを導出する。具体的には、これは、合金及び厚さのモデルパラメータの最初の推定値を導出することを含む(例では、これは、1の合金値(すなわち、100%の軟組織組成)を有する過去の画素の分類に基づいて行われる)。
2.シミュレート済X線画像の改善の観察に基づいて導かれる組織モデル(具体的には、合金及び厚さの推定値)の反復改良(図2のステップ214参照)。
1つのアプローチでは、被験物(例えば、組織モデルから導出される)の所与の3Dモデルに基づいて、物質を通るX線の経路を算出することによって、レイトレーシングに基づくアプローチを使用して、直接ビーム及び散乱の推定値を発生し得る。これは、モンテカルロシミュレータのサンプルの所与の3Dモデルを構築することと、次に、画素位置ごとの直接成分及び散乱成分をシミュレートすることとを含み得る。しかしながら、このアプローチは、一般的に、かなり算出に手が掛かる(シミュレートされるイベントの数を減らすペンシルビームよりもむしろ、特に、組織モデルの反復改良中に何回もシミュレーションを繰り返し得ることを考慮すると、また、このアプローチが発散ビームを使用して、所与のサンプルから生じるX線画像をシミュレートすることが必要であり得ることを考慮すると、手が掛かることが分かる)。
上記に説明した改良ループは、撮像組織の組織モデルに基づくシミュレーションが、実獲得画像の散乱補正のためにシミュレート済散乱推定値を使用できることが十分に正確であると見なされるタイミングを決定するとき、シミュレート済画像データと実際の獲得画像との比較によって決まる。
−PMMA:5,10,15,20,25cm
−Al:1,2,3,4,5cm
図7Aは、一実施形態による、組織モデルを発生させる及び反復的に改良するためのプロセスの概要を提供する。本プロセスは、前述に説明した較正プロセスの出力(具体的には、散乱カーネル及び伝達関数のデータベース)と一緒に、入力X線画像702に基づくものである。
1.散乱推定値をアップサンプリングした後、合金画像及び厚さ画像の要求される最終解像度にダウンサンプリングされる(低解像度にする場合)。
2.Ic(補正画像)はこの中間解像度で作成される。
3.Icをこの解像度の直接ビームデータベースと比較することによって、合金値及び厚さ値の高信頼性セットを識別する(メイン改良ループの実行中の更新モデルの発生に関して以下に説明される)。
4.空間モデルを使用して、これらのセットを各画素で単一の推定値に改良する。
5.次に、この解像度で、合金及び厚さの推定値を出力する。
最初の組織モデルの推定(すなわち、厚さ値及び合金値の最初のセット)は、過去の画像画素の分類に基づいて、100%の軟組織(すなわち、1の合金値)に対応する可能性が高くなるように決定される。その理由として、これらの値は、概して、中間合金値よりも検出し易いためである。複数の実施形態は、記録画像の画素強度値の閾値を使用して、(かなり明るい領域は100%の軟組織である可能性が高いという仮定の下で)100%の軟組織に対応すると仮定される画像の領域を識別し得る。加えて、エッジ検出またはニューラルネットワーク等の機械視覚技術を使用し得る。
図8Bは、一実施形態による、より詳細に図2の改良ループ204を示す。ステップ840において、プロセスは開始し、組織モデルの最初の推定(すなわち、合金値及び厚さ値の最初のセット、μ0,t0)を使用する。実際の応答が最初の推定値に近くなるにつれて、アルゴリズムの収束がより速くなるはずである。上記に説明したように、組織モデルの最初の推定値を導出し、ひいては、μ0は、過去に分類した100%の軟組織画素(μ=1)に基づいた情報を含み、非100%の軟組織画素は最良の推測の厚さ値及び合金値を有する。
図9は、例えば、説明されるアルゴリズムを実施するために使用され得る画像処理サーバ900の形態の例示的なコンピュータシステムを示す。サーバ900は、1つ以上のプロセッサ(複数可)902、ソフトウェア実行中にソフトウェアならびにデータを記憶するための揮発性メモリ(RAM)904、及び他のデバイス(例えば、図1に示される、検出器106、ユーザインターフェースデバイス114、及び外部ストレージ116)と通信するためのネットワークインターフェース906を含む。
−散乱線除去グリッドに関連付けられるアーチファクトがない画像品質の改善。
−同じ患者線量の画像全体にわたるノイズ比までの信号の増加。
−随意に、同じ画像品質に患者線量を減少する。用量は、同じ画像品質を保持しながら、半分以上の量だけ減少でき得ることを推定している。
−本システムは身体組成情報を提供でき、身体組成情報を使用して、良好に組織タイプを区別できる、または骨量密度等の定量的測度を計算できる。
Claims (40)
- X線画像の散乱補正を行うための方法であって、
X線検出器を使用して獲得されたサンプルのソースX線画像に基づいて処理するための入力画像を取得することと、
前記入力画像に基づいて、前記サンプルのモデルを決定することと、
プロセスによって前記モデルを評価することであって、
前記モデルに基づいて、シミュレート済X線画像データを算出することと、
前記入力画像に対してシミュレート済画像データを評価し、収束基準を満足しているかどうかを決定することと、
前記収束基準を満足していない場合、前記サンプルの更新モデルを発生させることと、を含む、評価することと、を含み、
前記方法は、前記収束基準が最後の反復で満足されるまで、1つ以上の連続的更新モデルに基づいて、モデル評価プロセスを繰り返すことと、
前記最後の反復中に算出されたシミュレート済画像データを使用して、前記ソースX線画像の散乱補正を行うことと、
を含む、方法。 - 前記モデルは、複数の位置のそれぞれで、好ましくは、前記入力画像の少なくとも1つの画素及び/または前記サンプルの少なくとも1つのボリュームエレメントに対応するそれぞれの位置において、
前記位置における前記サンプルの厚さを示す厚さ値、及び
前記位置における前記サンプルの物質組成を示す物質値、
の一方または両方を含み、
好ましくは、前記サンプルは第1の物質タイプ及び第2の物質タイプから成るようにモデル化され、前記物質値は、好ましくは前記位置における前記第1の物質タイプ及び前記第2の物質タイプの1つの割合を示すことによって、前記第1の物質タイプ及び前記第2の物質タイプに関する物質組成を示す、請求項1に記載の方法。 - 前記シミュレート済画像データは、
散乱することがなく、前記サンプルを通過するX線光子から、前記入力画像への寄与の推定を示す直接ビーム画像と、
前記サンプルによって散乱されたX線光子から前記入力画像への寄与の推定を示す、散乱画像と、
を含む、請求項1または2に記載の方法。 - 前記シミュレート済画像データを算出することは、前記モデルの前記位置に関して規定された物質組成値及び厚さ値に基づいて、前記入力画像の各画像位置におけるシミュレート済直接ビーム画像データを算出することと、他の複数の画像位置に関する前記モデルに規定された物質組成値及び厚さ値に基づいて、各画像位置におけるシミュレート済散乱画像データを算出することとを含む、請求項1〜3のいずれかに記載の方法。
- 前記シミュレート済画像データを算出することは、複数の散乱カーネルを決定することであって、好ましくは、複数の前記散乱カーネルのそれぞれは、1つ以上の追加位置における画像画素への第1の位置におけるサンプル物質による散乱寄与を規定している、決定することと、複数の前記散乱カーネルを組み合わせることに基づいて、散乱画像を発生させることとを含み、前記散乱カーネルは、随意に、好ましくは、事前算出した1つ以上の散乱カーネルを読み出すことによって及び/または事前算出した散乱カーネルを補間することによって、前記モデルに基づいて散乱カーネルデータベースから導出され、前記方法は、随意に、散乱光線経路に沿ってボリュームエレメントに関する前記モデルによって規定された前記物質組成に従って、前記散乱カーネルを修正することを含む、請求項1〜4のいずれかに記載の方法。
- 好ましくは前記ソースX線画像からの前記散乱画像に基づいて決定された画像補正を減算することによって、前記シミュレート済画像データの散乱画像に基づいて、散乱補正を行い、随意に、前記ソースX線画像を縮小することによって、前記入力画像を取得し、前記散乱画像を前記ソースX線画像の解像度に拡大することによって前記画像補正を決定する、請求項1〜5のいずれかに記載の方法。
- 前記入力画像に対して前記シミュレート済画像データを評価することは、伝達関数を前記シミュレート済画像データ及び前記入力画像の1つに適用することと、前記伝達関数の適用後、前記評価を行うこととを含み、好ましくは、前記伝達関数は、シミュレート済X線データと、検出器を使用して取得されたX線データとの間の並進を定義し、前記シミュレート済X線データを、前記検出器を使用して取得されたX線データと比較可能にする、請求項1〜6のいずれかに記載の方法。
- 前記伝達関数は、シミュレート済画像ドメインと実画像ドメインとの間で強度値を並進するために、前記入力画像及び前記シミュレート済X線データの各画素位置における各々の並進を定義し、前記並進は、随意に、多項式関数、好ましくは、少なくとも二次関数、または他の数学関数の形式である、請求項7に記載の方法。
- 好ましくは、既知の物質サンプルのために獲得されたX線画像のセットと、シミュレータによって既知のサンプルのために発生した対応するシミュレート済画像のセットとを分析することに基づいて、前記伝達関数を経験的に決定する、請求項7または8に記載の方法。
- 前記入力画像に対して前記シミュレート済画像データを評価することは、随意に、前記散乱画像及び前記直接ビーム画像を前記入力画像から減算することによって、前記シミュレート済画像データ及び前記入力画像に基づいてエラー画像を算出することを含み、随意に、前記エラー画像は、前記減算に基づいて、各々の画素に関する複数のエラー値を含む、請求項1〜9のいずれかに記載の方法。
- 前記シミュレート済画像データを評価することは、さらに、前記エラー画像に基づいてエラー測定値を算出することを含み、前記エラー測定値は、好ましくは、ゼロ画像に対する前記エラー画像の相違の程度を示し、前記エラー測定値は、随意に、前記エラー画像の個々の画素によって規定されたエラー値の合計に基づいて算出される、請求項10に記載の方法。
- 前記シミュレート済画像データを評価することは、さらに、前記エラー測定値を閾値と比較することを含み、前記収束基準は、好ましくは前記閾値に基づき、前記方法は、好ましくは、前記エラー測定値が前記閾値を下回る場合、前記収束基準が満たされていることを決定することを含む、請求項11に記載の方法。
- 前記入力画像に基づいて前記サンプルのモデルを決定することは、好ましくは画素強度及び/または特性検出に基づいて、前記入力画像を分析して、1つ以上の画素を既知の物質組成に対応するものとして分類することと、前記分類された画素を使用して、前記モデルを決定することとを含み、随意に、前記既知の物質組成は、前記画素位置における単一物質から成る前記サンプルに対応する、請求項1〜12のいずれかに記載の方法。
- 前記サンプルの更新モデルを発生させることは、前記シミュレート済画像データに基づいて、前記入力画像の散乱補正を行うことと、散乱補正した前記入力画像に基づいて前記更新モデルを発生させることとを含み、請求項1〜13のいずれかに記載の方法。
- 画像のモデル発生プロセスを行うことを含む方法であって、前記モデル発生プロセスは、
前記画像の1つ以上の画素を所与の物質組成に対応するものとしての分類を取得することであって、前記分類は随意に前記画素の強度値(複数可)と閾値との比較に基づく、取得することと、
随意に、前記所与の物質組成を有する画素の厚さの予想値を定義するデータに基づいて、前記1つ以上の分類された画素のそれぞれごとに物質厚の推定値を決定することと、
前記分類された画素の厚さの推定値に基づいて、厚さ関数を前記画像に適合させることであって、前記厚さ関数は前記画像の画素ごとに物質厚の推定値を示す、適合させることと、
前記厚さ関数によって規定された前記物質厚の推定値に基づいて、画素ごとに物質組成値を推定することであって、随意に、前記画素の前記物質厚値に基づいて、画素ごとに、高信頼性の物質組成値のセットを決定し、前記画素の前記物質組成値を高信頼性の前記物質値のセットから導出させることによって、随意に、高信頼性の前記物質値のセットを平均化することによって、物質組成値を推定することと、
画素ごとに、前記物質組成の推定値及び前記物質厚の推定値に基づいて、物質組成値及び厚さ値を含むモデルを決定することと、
を含む、請求項1〜14のいずれかに記載の方法。 - 前記モデル発生プロセスを前記入力画像に適用することによって、前記入力画像に基づいて、前記サンプルのモデルを決定するステップを行うことを含む、請求項15に記載の方法。
- 前記シミュレート済画像データを使用して前記入力画像の散乱補正バージョンを算出することによって(好ましくは、シミュレート済散乱画像を前記入力画像から除去することによって)、前記サンプルの更新モデルを発生させるステップを行うことと、前記モデル発生プロセスを散乱補正した前記入力画像に適用することとを含む、請求項15または16に記載の方法。
- 前記サンプルの前記更新モデルを発生させた後、前記更新モデルに基づいて、新しいシミュレート済画像データを算出することと、前記モデルに基づいて算出された前記シミュレート済画像データに対して新しい前記シミュレート済画像データを評価することと、新しい前記シミュレート済画像データが前記シミュレート済画像データよりも前記入力画像に近いシミュレート済X線画像を表す場合、モデル評価プロセスの後続の反復で使用される前記更新モデルを選択することと、を含む、請求項1〜17のいずれかに記載の方法。
- 前記シミュレート済画像データが新しい前記シミュレート済画像データよりも前記入力画像に近いシミュレート済X線画像を表す場合、前記更新モデル及び過去の反復で決定した選択モデルに基づいて、更新モデルの改正版を算出することと、前記後続の反復で使用される前記更新モデルの改正版を選択することと、を含み、好ましくは、前記選択された過去のモデルは、前記入力画像に対するシミュレート済画像データを評価するとき、低い(好ましくは、最低の)大きさのエラー測定値(好ましくは、反対符号の値)を生成するモデルである、請求項18に記載の方法。
- 前記入力画像は前記ソースX線画像である、もしくは前記ソースX線画像の事前処理された好ましくはダウンサンプリングされたバージョンである、及び/または前記シミュレート済画像データは前記入力画像の解像度で発生する、請求項1〜19のいずれかに記載の方法。
- 散乱補正した前記ソースX線画像と、
好ましくは、前記最後の反復中に前記収束基準を満たすために決定された前記シミュレート済画像データを発生させるために使用される前記サンプルの前記モデルに基づく、前記サンプルのモデルデータ、好ましくは、厚さデータ及び/または物質組成データと、
の1つ以上を出力することを含む、請求項1〜20のいずれかに記載の方法。 - 前記サンプルは生物組織を含み及び/または前記モデルは組織モデルを含み、随意に、前記組織モデルは、前記サンプルを、組織サンプルの各々のボリュームエレメントに関する複数の厚さ値及び複数の組成値として定義し、好ましくは、前記組成値は、ボリュームエレメントの物質組成を、前記ボリュームエレメントの2つの既定の物質タイプの1つの相対量または小数量として規定し、前記既定の物質タイプは、随意に、軟組織及び骨である、請求項1〜21のいずれかに記載の方法。
- X線撮像システムと、シミュレート済X線画像データを発生させるためのシミュレータとを含む、X線画像処理システムを構成する方法であって、
好ましくは、少なくとも2つの物質タイプのサンプルを含む複数のサンプルのシミュレート済X線画像を発生させることであって、サンプルごとに、シミュレート済X線画像データは、前記X線撮像システムの複数の個々の構成のそれぞれに発生する、発生させることと、
前記X線撮像システムを使用して獲得された複数の前記サンプルのそれぞれごとに、実X線画像にアクセスすることと、
前記構成のそれぞれごとに、前記実X線画像とシミュレート済X線画像との間で伝達関数を適合させることであって、前記伝達関数は実画像データとシミュレート済画像データとの間の並進を定義している、適合させることと、
構成ごとに、前記伝達関数に基づいて、シミュレート済画像と実画像との類似性測定を決定することと、
前記類似性測定に基づいて、所与の構成及び関連の前記伝達関数を選択することと、
前記選択された構成及び伝達関数に基づいて、前記X線画像処理システムを構成することと、
を含む、方法。 - 複数の前記構成は、
随意にエミッタ電圧として規定された複数の個々のX線出力設定と、
随意に、前記撮像システムに使用されるろ過材の厚さとして規定された複数の個々のろ過設定と、
出力設定及びろ過設定の複数の個々の組み合わせと、
のうちの1つを含む、請求項23に記載の方法。 - 前記サンプルは、前記少なくとも2つの物質タイプのそれぞれごとに、複数の個々の厚さの物質サンプルを含む、請求項23または24に記載の方法。
- 前記伝達関数は、好ましくは2次多項式または高次多項式に基づく数学関数を含む、請求項23〜25のいずれかに記載の方法。
- 前記伝達関数は前記画像にわたって変わる並進関数を定義する、請求項23〜26のいずれかに記載の方法。
- 前記伝達関数は、前記画像の画素ごとの各々の並進を定義する、請求項27に記載の方法。
- 前記実X線画像及び前記シミュレート済X線画像は、複数の画素位置のそれぞれに規定された強度値を含み、前記伝達関数を適合させることは、前記強度値の対数に基づく前記伝達関数を適合させることを含む、請求項23〜28のいずれかに記載の方法。
- 前記画像処理システムを構成することは、前記選択された構成に基づいて、前記シミュレート済画像データを発生させる前記シミュレータを構成することを含み、随意に、所与の出力設定及びろ過設定を含む、請求項23〜29のいずれかに記載の方法。
- 前記画像処理システムを構成することは、好ましくは、前記伝達関数をシミュレート済画像データまたは実画像データに適用し、実画像ドメインとシミュレート済画像ドメインとの間で画像データを並進することによって及び/または実画像データとシミュレート済画像データとの比較を可能にすることによって、前記伝達関数を使用して、前記実X線画像に対する前記シミュレート済画像を評価する前記画像処理システムを構成することを含む、請求項23〜30のいずれかに記載の方法。
- X線画像に基づいてサンプルに関する組成情報を発生させる方法であって、
X線検出器を使用して獲得されたサンプルのソースX線画像に基づいて処理するための入力画像を取得することと、
前記入力画像に基づいて、前記サンプルのモデルを決定することと、
プロセスによって前記モデルを評価することであって、
前記モデルに基づいて、シミュレート済X線画像データを算出することと、
前記入力画像に対してシミュレート済画像データを評価し、収束基準を満足しているかどうかを決定することと、
前記収束基準を満足していない場合、前記サンプルの更新モデルを発生させることであって、前記シミュレート済画像データを使用して、好ましくは、前記シミュレート済画像データを使用して発生した前記入力画像の散乱補正バージョンを使用して、前記更新モデルを発生させる、発生させることと、
を含む、評価することと、を含み、
前記方法は、前記収束基準が最後の反復で満足されるまで、1つ以上の連続的更新モデルに基づいて、モデル評価プロセスを繰り返すことと、
好ましくは、前記最後の反復中に前記収束基準を満たすために決定された前記シミュレート済画像データを発生させるために使用される前記サンプルの前記モデルに基づいて、前記入力画像の各々の領域または画素のサンプルに関する組成情報(好ましくは、厚さデータ及び/または物質組成データ)を出力することと、
を含む、方法。 - 前記モデルは、複数の位置のそれぞれで、好ましくは、前記入力画像の少なくとも1つの画素及び/または前記サンプルの少なくとも1つのボリュームエレメントに対応するそれぞれの位置において、
前記位置における前記サンプルの厚さを示す厚さ値、及び
前記位置における前記サンプルの物質組成を示す物質値、
の一方または両方を含み、
好ましくは、前記サンプルは第1の物質タイプ及び第2の物質タイプから成るようにモデル化され、前記物質値は、好ましくは前記位置における前記第1の物質タイプ及び前記第2の物質タイプの1つの割合を示すことによって、前記第1の物質タイプ及び前記第2の物質タイプに関する物質組成を示す、請求項32に記載の方法。 - 前記シミュレート済画像データを算出することは、前記モデルの前記位置に関して規定された物質組成値及び厚さ値に基づいて、前記入力画像の各画像位置におけるシミュレート済直接ビーム画像データを算出することと、他の複数の画像位置に関する前記モデルに規定された物質組成値及び厚さ値に基づいて、各画像位置におけるシミュレート済散乱画像データを算出することとを含む、請求項32または33に記載の方法。
- 前記入力画像に対して前記シミュレート済画像データを評価することは、伝達関数を前記シミュレート済画像データ及び前記入力画像の1つに適用することと、前記伝達関数の適用後、前記評価を行うこととを含み、好ましくは、前記伝達関数は、シミュレート済X線データと、検出器を使用して取得されたX線データとの間の並進を定義し、前記シミュレート済X線データを、前記検出器を使用して取得されたX線データと比較可能にする、請求項32〜34のいずれかに記載の方法。
- 画像のモデル発生プロセスを行うことを含む方法であって、前記モデル発生プロセスは、
前記画像の1つ以上の画素を所与の物質組成に対応するものとしての分類を取得することであって、前記分類は随意に前記画素の強度値(複数可)と閾値との比較に基づく、取得することと、
随意に、前記所与の物質組成を有する画素の厚さの予想値を定義するデータに基づいて、前記1つ以上の分類された画素のそれぞれごとに物質厚の推定値を決定することと、
前記分類された画素の厚さの推定値に基づいて、厚さ関数を前記画像に適合させることであって、前記厚さ関数は前記画像の画素ごとに物質厚の推定値を示す、適合させることと、
前記厚さ関数によって規定された前記物質厚の推定値に基づいて、画素ごとに物質組成値を推定することであって、随意に、前記画素の前記物質厚値に基づいて、画素ごとに、高信頼性の物質組成値のセットを決定し、前記画素の前記物質組成値を高信頼性の前記物質値のセットから導出することによって、随意に、高信頼性の前記物質値のセットを平均化することによって、物質組成値を推定することと、
画素ごとに、前記物質組成の推定値及び前記物質厚の推定値に基づいて、物質組成値及び厚さ値を含むモデルを決定することと、
を含む、請求項32〜35のいずれかに記載の方法。 - 前記サンプルは生物組織を含み及び/または前記モデルは組織モデルを含み、随意に、前記組織モデルは、前記サンプルを、組織サンプルの各々のボリュームエレメントに関する複数の厚さ値及び複数の組成値として定義し、好ましくは、前記組成値は、ボリュームエレメントの物質組成を、前記ボリュームエレメントの2つの既定の物質タイプの1つの相対量または小数量として規定し、前記既定の物質タイプは、随意に、軟組織及び骨である、請求項32〜36のいずれかに記載の方法。
- 前記方法は、さらに、請求項1〜31のいずれかに定義される追加のステップまたは関数のいずれかを含む、請求項32〜37のいずれかに記載の方法。
- 随意に、請求項1〜38のいずれかに記載される方法を行うために、関連のメモリを有するプロセッサの形態の手段を有するシステム。
- 実行時、請求項1〜38のいずれかに記載される方法を行うように配置される、ソフトウェアコードを含むコンピュータ可読媒体。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
GB1814238.0 | 2018-08-31 | ||
GB1814238.0A GB2576772B (en) | 2018-08-31 | 2018-08-31 | X-ray Imaging system |
PCT/GB2019/052439 WO2020044060A1 (en) | 2018-08-31 | 2019-08-30 | X-ray imaging system |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2021534950A true JP2021534950A (ja) | 2021-12-16 |
JP7408664B2 JP7408664B2 (ja) | 2024-01-05 |
Family
ID=63920880
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2021536421A Active JP7408664B2 (ja) | 2018-08-31 | 2019-08-30 | X線撮像システム |
Country Status (6)
Country | Link |
---|---|
US (1) | US11992356B2 (ja) |
EP (1) | EP3844709A1 (ja) |
JP (1) | JP7408664B2 (ja) |
KR (1) | KR20210046790A (ja) |
GB (2) | GB2608900B (ja) |
WO (1) | WO2020044060A1 (ja) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11413002B2 (en) * | 2018-11-30 | 2022-08-16 | Accuray Inc. | Apparatus and methods for scalable field of view imaging using a multi-source system |
IT201900001225A1 (it) * | 2019-01-28 | 2020-07-28 | General Medical Merate S P A | Metodo predittivo per controllare un'apparecchiatura radiologica e apparecchiatura radiologica che lo implementa |
WO2022021030A1 (zh) * | 2020-07-27 | 2022-02-03 | 西安大医集团股份有限公司 | 追踪方法及设备 |
CN112749746A (zh) * | 2021-01-12 | 2021-05-04 | 云南电网有限责任公司电力科学研究院 | 一种缺陷样本迭代更新方法、系统及装置 |
KR102543990B1 (ko) * | 2021-02-26 | 2023-06-15 | 주식회사 뷰웍스 | X선 영상의 산란 보정 방법 및 장치 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0614911A (ja) * | 1992-07-02 | 1994-01-25 | Toshiba Corp | X線診断方法及びその装置 |
JP2003175026A (ja) * | 2001-10-12 | 2003-06-24 | General Electric Co <Ge> | イメージング・システムを較正する方法及び装置 |
JP2015043959A (ja) * | 2013-07-31 | 2015-03-12 | 富士フイルム株式会社 | 放射線画像解析装置および方法並びにプログラム |
JP2015181649A (ja) * | 2014-03-24 | 2015-10-22 | 富士フイルム株式会社 | 放射線画像処理装置および方法並びにプログラム |
Family Cites Families (46)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
SU962797A1 (ru) | 1981-03-19 | 1982-09-30 | Научно-Исследовательский Институт Интроскопии | Радиационный дефектоскоп |
US4413353A (en) | 1981-09-03 | 1983-11-01 | Albert Macovski | X-Ray encoding system using an optical grating |
NL8503151A (nl) | 1985-11-15 | 1987-06-01 | Optische Ind De Oude Delft Nv | Piezo-elektrisch verzwakkingstongenstelsel voor een inrichting voor spleetradiografie. |
JPS6382627A (ja) | 1986-09-29 | 1988-04-13 | 株式会社東芝 | X線診断装置 |
JPH05303154A (ja) | 1992-04-24 | 1993-11-16 | Yokogawa Medical Syst Ltd | 放射線画像表示装置 |
US5440647A (en) | 1993-04-22 | 1995-08-08 | Duke University | X-ray procedure for removing scattered radiation and enhancing signal-to-noise ratio (SNR) |
US5878108A (en) | 1995-11-30 | 1999-03-02 | Hitachi Medical Corporation | Method for generating X-ray image and apparatus therefor |
JP3540914B2 (ja) | 1997-05-19 | 2004-07-07 | 株式会社日立メディコ | X線撮影装置 |
JP3839059B2 (ja) | 1996-02-14 | 2006-11-01 | コーニンクレッカ フィリップス エレクトロニクス エヌ ヴイ | X線フィルタを有するx線検査装置 |
EP1522958B1 (en) * | 2003-10-07 | 2007-01-24 | Bruker AXS GmbH | Determining parameters of a sample by X-ray scattering applying an extended genetic algorithm with truncated use of the mutation operator |
CN100458563C (zh) | 2003-11-20 | 2009-02-04 | Ge医疗系统环球技术有限公司 | 准直器及x光照射装置和x光摄影装置 |
DE10355616B4 (de) | 2003-11-28 | 2007-02-22 | Siemens Ag | Vorrichtung zur Strahlungsbildaufnahme |
DE102004029010A1 (de) | 2004-06-16 | 2006-01-19 | Siemens Ag | Vorrichtung und Verfahren für die Streustrahlungskorrektur in der Projektionsradiographie, insbesondere der Mammographie |
DE102004029009A1 (de) | 2004-06-16 | 2006-01-19 | Siemens Ag | Vorrichtung und Verfahren für die Streustrahlungskorrektur in der Computer-Tomographie |
JP2008528168A (ja) * | 2005-02-01 | 2008-07-31 | 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 | X線投影の補正又は拡張を行う装置及び方法 |
US7680241B2 (en) | 2006-06-22 | 2010-03-16 | Koninklijke Philips Electronics N.V. | Multi-tube imaging system scatter correction |
DE102006046732B4 (de) | 2006-09-29 | 2014-12-31 | Siemens Aktiengesellschaft | Verfahren für die Streustrahlungskorrektur und eine Vorrichtung für die Aufnahme von Schwächungsbildern |
CN100510725C (zh) | 2006-11-14 | 2009-07-08 | 北京国药恒瑞美联信息技术有限公司 | 用于消除散射辐射影响的虚拟滤线栅成像方法及其系统 |
US7742568B2 (en) | 2007-06-09 | 2010-06-22 | Spectrum San Diego, Inc. | Automobile scanning system |
WO2009004523A2 (en) * | 2007-06-29 | 2009-01-08 | Philips Intellectual Property & Standards Gmbh | Method for eliminating scatter artefacts in computed tomography |
JP2009018110A (ja) | 2007-07-13 | 2009-01-29 | Toshiba Corp | グリッド揺動装置および乳房x線撮影装置 |
EP2276408B1 (en) | 2008-05-08 | 2019-07-10 | Arineta Ltd. | X ray imaging system with scatter radiation correction and method of using same |
RU2010152244A (ru) * | 2008-05-21 | 2012-06-27 | Конинклейке Филипс Электроникс Н.В. (Nl) | Способ и устройство коррекции рассеяния |
US8326011B2 (en) | 2008-05-21 | 2012-12-04 | Varian Medical Systems, Inc. | Methods, systems, and computer-program products for estimating scattered radiation in radiographic projections |
US7907697B2 (en) | 2008-08-21 | 2011-03-15 | Siemens Medical Solutions Usa, Inc. | System to estimate X-ray scatter |
US8976928B2 (en) | 2009-09-02 | 2015-03-10 | Shimadzu Corporation | Radiographic apparatus and image acquiring method |
WO2011058612A1 (ja) | 2009-11-13 | 2011-05-19 | 株式会社島津製作所 | 放射線撮影装置 |
US8287187B2 (en) | 2010-06-21 | 2012-10-16 | Miller Zachary A | Adjustable dynamic X-ray filter |
US8433154B2 (en) | 2010-12-13 | 2013-04-30 | Carestream Health, Inc. | Enhanced contrast for scatter compensation in X-ray imaging |
WO2012114199A2 (en) * | 2011-02-25 | 2012-08-30 | Smiths Heimann Gmbh | Image reconstruction based on parametric models |
US8824638B2 (en) | 2011-08-17 | 2014-09-02 | General Electric Company | Systems and methods for making and using multi-blade collimators |
GB201119257D0 (en) | 2011-11-08 | 2011-12-21 | Eshtech Ltd | X-ray detection apparatus |
CN103284734B (zh) | 2012-03-05 | 2015-07-22 | 上海联影医疗科技有限公司 | 一种校正辐射成像中散射影响的方法及装置 |
DE102012204980B4 (de) | 2012-03-28 | 2021-09-30 | Siemens Healthcare Gmbh | Verfahren zur Rekonstruktion von CT-Bildern mit Streustrahlenkorrektur, insbesondere für Dual-Source CT-Geräte |
US9615808B2 (en) | 2014-05-27 | 2017-04-11 | Koninklijke Philips N.V. | Method and radiography system for grid-like contrast enhancement |
KR20150145633A (ko) | 2014-06-20 | 2015-12-30 | 삼성전자주식회사 | 엑스선 영상 장치 및 그 제어 방법 |
JP6165695B2 (ja) * | 2014-09-24 | 2017-07-19 | 富士フイルム株式会社 | 放射線画像解析装置および方法並びにプログラム |
KR20170080594A (ko) | 2014-10-04 | 2017-07-10 | 아이벡스 이노베이션스 리미티드 | 스캐터링을 개선한 엑스레이 장치 및 그의 사용방법 |
GB2547727B (en) * | 2016-02-29 | 2022-05-04 | Gold Standard Phantoms Ltd | Perfusion phantom |
JP2017169715A (ja) * | 2016-03-22 | 2017-09-28 | 富士フイルム株式会社 | 画像処理装置、放射線画像撮影システム、画像処理方法、及び画像処理プログラム |
JP6653629B2 (ja) * | 2016-06-21 | 2020-02-26 | 富士フイルム株式会社 | 放射線画像処理装置、方法およびプログラム |
US10271811B2 (en) * | 2016-07-14 | 2019-04-30 | Toshiba Medical Systems Corporation | Scatter simulation with a radiative transfer equation using direct integral spherical harmonics method for computed tomography |
KR102399148B1 (ko) | 2016-11-25 | 2022-05-19 | 삼성전자주식회사 | 엑스선 장치 및 이의 의료 영상 획득 |
GB201703291D0 (en) | 2017-03-01 | 2017-04-12 | Ibex Innovations Ltd | Apparatus and method for the correction of scatter in a radiographic system |
US10631815B2 (en) | 2017-05-10 | 2020-04-28 | General Electric Company | Scatter correction technique for use with a radiation detector |
US10593070B2 (en) * | 2017-12-22 | 2020-03-17 | Canon Medical Systems Corporation | Model-based scatter correction for computed tomography |
-
2018
- 2018-08-31 GB GB2210634.8A patent/GB2608900B/en active Active
- 2018-08-31 GB GB1814238.0A patent/GB2576772B/en active Active
-
2019
- 2019-08-30 WO PCT/GB2019/052439 patent/WO2020044060A1/en unknown
- 2019-08-30 JP JP2021536421A patent/JP7408664B2/ja active Active
- 2019-08-30 US US17/271,722 patent/US11992356B2/en active Active
- 2019-08-30 EP EP19765309.0A patent/EP3844709A1/en active Pending
- 2019-08-30 KR KR1020217009321A patent/KR20210046790A/ko not_active Application Discontinuation
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0614911A (ja) * | 1992-07-02 | 1994-01-25 | Toshiba Corp | X線診断方法及びその装置 |
JP2003175026A (ja) * | 2001-10-12 | 2003-06-24 | General Electric Co <Ge> | イメージング・システムを較正する方法及び装置 |
JP2015043959A (ja) * | 2013-07-31 | 2015-03-12 | 富士フイルム株式会社 | 放射線画像解析装置および方法並びにプログラム |
JP2015181649A (ja) * | 2014-03-24 | 2015-10-22 | 富士フイルム株式会社 | 放射線画像処理装置および方法並びにプログラム |
Also Published As
Publication number | Publication date |
---|---|
EP3844709A1 (en) | 2021-07-07 |
GB2608900A (en) | 2023-01-18 |
JP7408664B2 (ja) | 2024-01-05 |
KR20210046790A (ko) | 2021-04-28 |
US11992356B2 (en) | 2024-05-28 |
GB2576772A (en) | 2020-03-04 |
GB201814238D0 (en) | 2018-10-17 |
GB2576772B (en) | 2023-01-25 |
GB2608900B (en) | 2023-05-31 |
US20210307714A1 (en) | 2021-10-07 |
GB202210634D0 (en) | 2022-08-31 |
WO2020044060A1 (en) | 2020-03-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7408664B2 (ja) | X線撮像システム | |
EP3688723B1 (en) | Deep learning based scatter correction | |
CN108877892B (zh) | 自动估算和减少计算机断层成像扫描中的散射 | |
JP5264268B2 (ja) | 単位面積質量画像の作成方法 | |
JP7185236B2 (ja) | 放射線撮影システムで散乱を補正するための装置および方法 | |
JP7504561B2 (ja) | 医用処理装置及び放射線診断装置 | |
US20230007835A1 (en) | Composition-guided post processing for x-ray images | |
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 | |
Staub et al. | A digitally reconstructed radiograph algorithm calculated from first principles | |
WO2011036436A1 (en) | X-ray imaging | |
Wang et al. | Inner-ear augmented metal artifact reduction with simulation-based 3D generative adversarial networks | |
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 | |
Massera et al. | Breast glandularity and mean glandular dose assessment using a deep learning framework: Virtual patients study | |
Son et al. | X-ray imaging optimization using virtual phantoms and computerized observer modelling | |
US20240268779A1 (en) | X-ray imaging system | |
Goebel et al. | Noise estimation in panoramic X-ray images: An application analysis approach | |
GB2611231A (en) | X-ray imaging system | |
Kolehmainen et al. | Bayesian inversion method for 3D dental X-ray imaging | |
GB2612044A (en) | System and method for digital tomosynthesis | |
Goussard | 3D Reconstruction in X‐Ray Tomography: Approach Example for Clinical Data Processing | |
Kum | Novel Computational Approaches for Understanding Computed Tomography (CT) Images and Their Applications | |
Kolehmainen et al. | Bayes' sche Inversion für dreidimensionale Röntgentomografie in der Zahnmedizin |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220815 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20230523 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230530 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230830 |
|
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: 20231121 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20231220 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7408664 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |