KR20110097670A - 보정 및 재구성된 컴퓨터 단층 이미지를 제공하는 방법 - Google Patents
보정 및 재구성된 컴퓨터 단층 이미지를 제공하는 방법 Download PDFInfo
- Publication number
- KR20110097670A KR20110097670A KR1020110015609A KR20110015609A KR20110097670A KR 20110097670 A KR20110097670 A KR 20110097670A KR 1020110015609 A KR1020110015609 A KR 1020110015609A KR 20110015609 A KR20110015609 A KR 20110015609A KR 20110097670 A KR20110097670 A KR 20110097670A
- Authority
- KR
- South Korea
- Prior art keywords
- image
- computed tomography
- high density
- reconstructed
- sinogram
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 88
- 230000009467 reduction Effects 0.000 title description 13
- 238000007408 cone-beam computed tomography Methods 0.000 title description 2
- 238000002591 computed tomography Methods 0.000 claims abstract description 87
- 210000001519 tissue Anatomy 0.000 claims description 20
- 210000004268 dentin Anatomy 0.000 claims description 11
- 210000000988 bone and bone Anatomy 0.000 claims description 4
- 210000003298 dental enamel Anatomy 0.000 claims description 2
- 229910052751 metal Inorganic materials 0.000 description 66
- 239000002184 metal Substances 0.000 description 66
- 238000012545 processing Methods 0.000 description 26
- 239000000945 filler Substances 0.000 description 18
- 230000008569 process Effects 0.000 description 15
- 238000001514 detection method Methods 0.000 description 11
- 238000004590 computer program Methods 0.000 description 10
- 239000000463 material Substances 0.000 description 9
- 230000008901 benefit Effects 0.000 description 8
- 238000012937 correction Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 6
- 210000004262 dental pulp cavity Anatomy 0.000 description 5
- 238000003325 tomography Methods 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 238000011156 evaluation Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000005259 measurement Methods 0.000 description 4
- 150000002739 metals Chemical class 0.000 description 4
- 238000013459 approach Methods 0.000 description 3
- 238000007796 conventional method Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000003384 imaging method Methods 0.000 description 3
- 230000003993 interaction Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000003672 processing method Methods 0.000 description 3
- 229910052704 radon Inorganic materials 0.000 description 3
- SYUHGPGVQRZVTB-UHFFFAOYSA-N radon atom Chemical compound [Rn] SYUHGPGVQRZVTB-UHFFFAOYSA-N 0.000 description 3
- 229910052782 aluminium Inorganic materials 0.000 description 2
- XAGFODPZIPBFFR-UHFFFAOYSA-N aluminium Chemical compound [Al] XAGFODPZIPBFFR-UHFFFAOYSA-N 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 239000007943 implant Substances 0.000 description 2
- 230000002411 adverse Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000013170 computed tomography imaging Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000002059 diagnostic imaging Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 235000003642 hunger Nutrition 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 229910052755 nonmetal Inorganic materials 0.000 description 1
- 238000004321 preservation Methods 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 210000004872 soft tissue Anatomy 0.000 description 1
- 230000037351 starvation Effects 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
- 230000008685 targeting Effects 0.000 description 1
- 239000010409 thin film Substances 0.000 description 1
- 238000011426 transformation method Methods 0.000 description 1
Images
Classifications
-
- 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
-
- 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
- A61B6/02—Arrangements for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
- A61B6/03—Computed tomography [CT]
-
- 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
- A61B6/51—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 dentistry
-
- 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
-
- 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
- G06T11/005—Specific pre-processing for tomographic reconstruction, e.g. calibration, source positioning, rebinning, scatter correction, retrospective gating
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
-
- 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]
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Medical Informatics (AREA)
- Physics & Mathematics (AREA)
- Radiology & Medical Imaging (AREA)
- General Health & Medical Sciences (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Biomedical Technology (AREA)
- High Energy & Nuclear Physics (AREA)
- Optics & Photonics (AREA)
- Heart & Thoracic Surgery (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Pathology (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Biophysics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- Dentistry (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
보정 및 재구성된 컴퓨터 단층 이미지를 제공하는 방법으로서, 먼저, 일 대상의 복수의 컴퓨터 단층 이미지에 대한 이미지 데이터를 액세스한다. 이어서, 하나 이상의 고밀도 특징부를 포함하는 상기 컴퓨터 단층 이미지들로 구성된 서브세트를 식별한다. 상기 식별된 서브세트 각각에서 적어도 하나의 고밀도 특징부를 검출한다. 하나 이상의 특징부 특성에 따라서 상기 적어도 하나의 고밀도 특징부를 분류한다. 조직(tissue)을 대표하는 픽셀들을 상기 적어도 하나의 분류된 고밀도 특징부에 걸쳐서 분포시킴으로써 하나 이상의 보상 이미지를 형성한다. 최초의 이미지의 제 2 사이노그램(sinogram)으로부터 상기 적어도 하나의 분류된 고밀도 특징부의 제 1 사이노그램을 감산함으로써 상기 식별된 서브세트 내의 각 이미지에 대한 차 사이노그램(difference sinogram)을 생성한다. 상기 하나 이상의 보상 이미지에 따라서 생성된 제 3 사이노그램을 상기 차 사이노그램에 가산함으로써 상기 식별된 서브세트 내의 각 이미지에 대한 최종적인 사이노그램을 생성한다.상기 식별된 서브세트 내의 각 이미지에 대해 생성된 상기 최종적인 사이노그램에 따라서 보정 및 재구성된 컴퓨터 단층 이미지를 형성한다.
Description
본 발명은 전반적으로 엑스선 컴퓨터 단층 촬영(x-ray computed tomography(CT)) 시에 이미지 프로세싱에 관한 것이며, 특히 금속 또는 다른 고밀도 물질로 인해서 이미지 재구성 시에 발생하는 이미지 아티팩트(image artifact)를 저감하는 분야에 관한 것이다.
가령 CBCT(cone beam CT) 및 나선형 엑스선 CT와 같은 컴퓨터 단층 촬영 기술에 대해 특정되는 다양한 아티팩트가 존재한다. 일 문헌("Artifacts in Spiral X-ray CT Scanners: Problems and Solutions" Proceedings Of World Academy Of Science, Engineering and Technology, Volume 26, December 2007, pp. 376-380)에서, 연구자 Mehran Yazdi 3 분류의 아티팩트, 즉 물리 기반 아티팩트, 환자 기반 아티팩트 및 스캐너 기반 아티팩트를 기술하고 있다. 물리 기반 아티팩트는 가령 빔 경화 현상(beam hardening), 광자 고갈 현상(photon starvation) 및 언더샘플링(under-sampling)에 의해서 초래될 수 있다. 환자 기반 아티팩트는 고밀도 객체 및 의도하지 않는 움직임에 의해서 초래될 수 있다. 스캐너 기반 아티팩트는 검출기 민감성 및 기계적 불안정성에 의해서 초래될 수 있다.
금속 및 다른 고밀도 물질에 의해서 초래되는 아티팩트는 컴퓨터 단층 촬영 시스템의 성능에 영향을 주게 되므로 큰 문제 거리이다. 금속 특징부는 통상적으로 스캐닝된 대상 내의 금속성 객체로부터 발산되는 고주파수 줄무늬 또는 아티팩트를 최종 생성된 이미지 내에 초래하게 된다. 이러한 아티팩트는 금속 객체에 의해서 감쇠가 크게 발생하고 이로써 CT 시스템의 검출기에 도달하는 광자의 개수가 감소함으로써 발생하게 된다. 또한, 이는 신호 대 잡음 비를 불량하게 한다. 또한, 금속 객체들은 에너지 특정 방식으로 엑스선을 감쇠시킴으로써 엑스선 빔을 경화시킨다. 이로써 발생하는 투사 데이터에서의 비선형 변화는 금속 객체들 주변에서의 또는 금속 객체와 다른 고밀도 객체 간에서의 저 주파수 테일 아티팩트(tail artifact)로 나타난다. 가령, 의료 진단 화상 촬영 시에, 내장된 금속 객체들에 의해서 초래되는 줄무늬들은 주변 연조직(soft tissue) 구조 및 뼈대 구조에 액세스할 수 있는 능력을 제한시킨다. 치과용 콘 빔 컴퓨터 단층 촬영 시에, 치과용 충전재(가령, 치과용 픽스츄어(dental fixture))에 의해서 초래되는 아티팩트로 인해서 주변 치아 구조, 뼈 구조 또는 조직 구조가 적합하게 표현되지 못한다. 금속 및 다른 고밀도 특징부가 노출되어 있는 환자 또는 다른 대상을 통과할 때에 엑스선 빔을 감쇠시키기 때문에 정확한 3차원 재구성 작업을 복잡하게 하고 종종 원하지 않은 이미지 아티팩트가 발생되기도 한다.
컴퓨터 단층 촬영 재구성 시에 이러한 고밀도 객체의 악영향을 완화시키기 위해서 다양한 방법들이 사용되어 왔다. 하나의 간단한 방법은 낮은 엑스선 감쇠 계수를 갖는 충전재 및 복원재를 사용하고 보다 작은 단면적을 갖는 임플란트 및 다른 디바이스들을 개발 및 사용하는 것이었다. 다른 방법은 엑스선 에너지를 증가시켜서 빔 통과 정도를 개선시켜서 고밀도 특징부로부터 발생하는 유실된 투사 데이터를 감소시키는 것이다. 이러한 방법들은 금속 또는 다른 고밀도 특징부의 영향을 저감/최소화시키는데 도움을 주지만, 언제나 적절한 방식인 것은 아니다. 가령, 엑스선 에너지를 증가시키는 방식은 환자에게 매우 위험한 방식이므로 상술한 문제들에 대하여 빈약한 해법으로 간주된다.
이러한 문제들을 처리하기 위해서 이미지 프로세싱 방법들이 개발되었다. 고밀도 특징부로 인해서 발생하는 아티팩트를 처리하기 위한 일 방법은 축방향 CT 이미지 데이터를 새로운 내삽된 축방향, 직교 방향 또는 경사형 이미지들로 변환하는(reformatting) 것이다. 스캐닝 면이 아닌 면으로 이미지를 변환하게 되면, 인접하는 축방향 이미지들 간을 적분할 때에 실 이미지 신호(true image singal)가 랜덤하게 분산된 의사 아티팩트 신호에 대해서 가중 처리된다(최초의 축방향 이미지가 면 변환 방식에 의해서 평균화된다). 다른 이미지 프로세싱 방식으로서, 재구성 후 필터링 동작이 잡음을 갖는 이미지에 직접 적용되어서 이미지 품질을 개선할 수 있다.
아티팩트를 저감하고 유실된 투사 데이터를 재생성하기 위해 사용될 수 있는 이미지 프로세싱 방법들은 일반적으로 투사 내삽 방식과 반복적 재구성 방식으로 분류된다. 반복적 재구성 방식의 일 실례로서, Man에게 허여된 미국 특허 제7,023,951호 "Method and Apparatus for Reduction of Artifacts in Computed Tomography Images"는 각 사이노그램(sinogram) 요소와 연관된 가중치에 기초하여서 개선된 재구성된 CT 이미지를 생성하기 위해서 보정된 사이노그램 데이터를 반복적으로 재구성함으로써 CT 이미지에서의 아티팩트를 저감시키는 방법을 개시하고 있다. 상기 보정된 사이노그램 데이터는 가령 CT 스캐너로부터 획득된 최초의 사이노그램인 측정된 사이노그램을 내삽함으로써 생성된다.
한편, 비반복적인 사이노그램 내삽 기술들이 상술한 문제를 처리하기 위해서 제안되었다. 가령, Naidu 등에 허여된 미국 특허 제6,721,387호 "Method and System for Reducing Metal Artifacts in Images Generated by X-ray Scanning Devices"은 예비 이미지 내에서 금속 객체를 식별하고 이 식별된 금속 객체로부터 금속 투사 성분을 생성하고 입력된 투사 데이터로부터 이 금속 투사 성분을 감산하여서 보정된 투사 데이터를 산출하는 방식을 개시하고 있다. 이어서, 최종적으로 보정된 이미지가 상기 보정된 투사 데이터로부터 재구성된다. Naidu 등은 이 387 특허에서 박막 고밀도 객체들을 보존하는 바를 개시하고 있다.
금속 아티팩트 문제를 다루는 통상적인 이미지 프로세싱 방법들은 아티팩트를 완화시키기 위해서 식별된 고밀도 객체에 이웃하는 요소들로부터 추출된 정보를 사용한다. 이러한 방법들은 몇몇 장점들을 가지고 있지만, 치과용 콘 빔 CT 이미지에 있어서 정확한 아티팩티 보상을 위해서 필요한 사항이 부족하다. 이러한 치과용 컴퓨터 단층 촬영 시에 만나게 되는 다수의 문제점은 이러한 치과용 단층 화상 촬영 애플리케이션에서만 나타나지 다른 종류의 단층 화상 촬영 애플리케이션에서는 나타나지 않는다. 가령, 다른 종류의 단층 화상 촬영 애플리케이션에서와는 달리, 치과용 단층 화상 촬영 애플리케이션에서는, 뼈, 상아질, 에나멜질 및 잇몸 조직과 같은 다양한 범위의 연조직 및 경조직뿐만 아니라 충전재, 임플란트, 크라운 및 다른 복원 구조물에서 사용되는 다양한 금속 및 다른 고밀도 재료들이 개입되게 된다. Naidu 등의 상기 387 특허에서 개시된 바와 같은 내삽 방법은 금속 객체가 실질적으로 균질한 구역 내에 내장된 경우에 사용될 수 있지만, 금속 객체 또는 충전재가 주변의 조직과는 크게 상이한 특성을 갖는 영역들에 존재하게 되는 치과용 단층 화상 촬영 환경에서는 매우 불량한 결과를 낳는다. 일반적으로, 자동 금속 검출 절차는 계산 집중적이되, 연산을 최적화하기 위해서 환자와 관련된 정보를 사용하지는 않는다.
이로써, 본 발명자들은 CBCT 스캐닝 및 다른 CT 스캐닝, 특히 치과용 CT 스캐닝 시에 금속 또는 고밀도 재료로 인해서 발생하는 아티팩트를 보상하는 방법이 필요하다는 것을 인식하게 되었다.
본 발명의 목적은 컴퓨터 단층 이미지 재구성 시에 사용되는 금속 아티팩트 저감 기술을 개선하는데 있다. 이 목적을 달성하기 위해서, 본 발명은 적어도 부분적으로는 컴퓨터 프로세서상에서 실행되는, 보정 및 재구성된 컴퓨터 단층 이미지를 제공하는 방법을 제공한다. 이 방법은 일 대상의 복수의 컴퓨터 단층 이미지에 대한 이미지 데이터에 액세스하는 단계와, 하나 이상의 고밀도 특징부를 포함하는 상기 컴퓨터 단층 이미지들로 구성된 서브세트를 식별하는 단계와, 상기 식별된 서브세트 각각에서 적어도 하나의 고밀도 특징부를 검출하는 단계와, 하나 이상의 특징부 특성에 따라서 상기 적어도 하나의 고밀도 특징부를 분류하는 단계와, 조직을 나타내는 픽셀들을 상기 적어도 하나의 분류된 고밀도 특징부에 걸쳐서 분포시킴으로써 하나 이상의 보상 이미지를 형성하는 단계와, 최초의 이미지의 제 2 사이노그램(sinogram)으로부터 상기 적어도 하나의 분류된 고밀도 특징부의 제 1 사이노그램을 감산함으로써 상기 식별된 서브세트 내의 각 이미지에 대한 차 사이노그램(difference sinogram)을 생성하는 단계와, 상기 하나 이상의 보상 이미지에 따라서 생성된 제 3 사이노그램을 상기 차 사이노그램에 가산함으로써 상기 식별된 서브세트 내의 각 이미지에 대한 최종적인 사이노그램을 생성하는 단계와, 상기 식별된 서브세트 내의 각 이미지에 대해 생성된 상기 최종적인 사이노그램에 따라서 보정 및 재구성된 컴퓨터 단층 이미지를 형성하는 단계를 포함한다.
본 발명의 특징은 조작자와 상호 작용하여서 환자 특성에 따른 아티팩트 보상을 위한 특정 구역을 화상 촬영 시스템에 알리는 것이다.
본 발명의 장점은 금속 아티팩트 보정 프로세싱을 이 프로세싱이 요구되는 재구성된 CT 이미지의 부분에만 적용되게 할 수 있다는 것이다.
본 발명의 실시예들은 금속 아티팩트를 저감시키기 위해 상기 화상 촬영 시스템의 인간 조작자의 기량 및 환자 이력에 대한 정보를 컴퓨터의 역량에 시너지 방식으로 통합시킬 수 있다. 본 발명의 실시예들은 창조성, 체험 학습성, 융통성 및 판단 능력과 같은 인간의 기량을 이용하여 이들을 신속한 계산 속도, 철저하고 정확한 프로세싱, 및 보고 및 데이터 액세스 능력과 같은 컴퓨터의 장점과 결합시킨다.
본 발명의 이러한 측면, 장점 및 특징과 다른 측면, 장점 및 특징이 바람직한 실시예들에 대한 다음의 상세한 설명 부분 및 청구 범위를 첨부된 도면을 참조하여 독해하면 보다 명백하게 이해될 것이다.
본 발명의 전술한 목적, 특징 및 장점과 다른 목적, 특징 및 장점은 첨부 도면에서 예시되는 바와 같은 본 발명의 실시예들에 대한 다음의 보다 구체적인 설명으로부터 명백해질 것이다.
도 1은 본 발명의 일 실시예에 따른 프로세스를 나타내는 논리적 흐름도이다.
도 2는 본 발명의 일 실시예에 따른 고밀도 특징부를 갖는 이미지들로 구성된 서브세트를 검출하는 프로세스를 나타내는 논리적 흐름도이다.
도 3은 고밀도 특징부로 인해서 발생하는 아티팩트를 갖는 재구성된 CBCT 이미지를 나타내고 있다.
도 4는 재구성 CBCT 체적 내의 이미지들의 순서 통계량(order statistics)의 최대 강도에 대한 비(ratio)들로부터 형성된 표면을 나타내고 있다.
도 5는 고밀도 특징부 이미지의 실례를 나타내고 있다.
도 6은 고밀도 특징부를 나타내는 예시적인 치 체적(dental volume)을 나타내고 있다.
도 7은 도 5의 고밀도 특징부 이미지를 사용하여서 형성된 보상 이미지의 실례를 나타내고 있다.
도 8은 본 발명의 일 실시예에 따른 재구성 방법을 나타내는 논리적 흐름도이다.
도 9a는 고밀도 특징부에 대한 보정 이전에 최초의 CT 이미지의 사이노그램을 나타내고 있다.
도 9b는 고밀도 특징부 이미지의 사이노그램을 나타내고 있다.
도 9c는 보상 이미지의 사이노그램을 나타내고 있다.
도 9d는 새로운 이미지를 재구성하기 위해서 사용되는 보정된 사이노그램을 나타내고 있다.
도 10a는 고밀도 특징부 아티팩트를 갖는 치과용 CT 이미지를 나타내고 있다.
도 10b는 아티팩트 보정이 적용된 도 10a의 치과용 CT 이미지를 나타내고 있다.
도 11은 조작자와의 상호작용을 사용하는 본 발명의 실시예들의 단계들을 나타내는 논리적 흐름도이다.
도 12a는 이미지 구역을 선택하고 프로세싱을 위한 환자 정보를 제공하기 위한 기능들을 갖는 터치스크린 조작자 콘솔을 나타내는 평면도이다.
도 12b는 분류 단계 시에 사용되는 정보를 제공하기 위한 기능을 갖는 터치스크린 조작자 콘솔을 나타내는 평면도이다.
도 1은 본 발명의 일 실시예에 따른 프로세스를 나타내는 논리적 흐름도이다.
도 2는 본 발명의 일 실시예에 따른 고밀도 특징부를 갖는 이미지들로 구성된 서브세트를 검출하는 프로세스를 나타내는 논리적 흐름도이다.
도 3은 고밀도 특징부로 인해서 발생하는 아티팩트를 갖는 재구성된 CBCT 이미지를 나타내고 있다.
도 4는 재구성 CBCT 체적 내의 이미지들의 순서 통계량(order statistics)의 최대 강도에 대한 비(ratio)들로부터 형성된 표면을 나타내고 있다.
도 5는 고밀도 특징부 이미지의 실례를 나타내고 있다.
도 6은 고밀도 특징부를 나타내는 예시적인 치 체적(dental volume)을 나타내고 있다.
도 7은 도 5의 고밀도 특징부 이미지를 사용하여서 형성된 보상 이미지의 실례를 나타내고 있다.
도 8은 본 발명의 일 실시예에 따른 재구성 방법을 나타내는 논리적 흐름도이다.
도 9a는 고밀도 특징부에 대한 보정 이전에 최초의 CT 이미지의 사이노그램을 나타내고 있다.
도 9b는 고밀도 특징부 이미지의 사이노그램을 나타내고 있다.
도 9c는 보상 이미지의 사이노그램을 나타내고 있다.
도 9d는 새로운 이미지를 재구성하기 위해서 사용되는 보정된 사이노그램을 나타내고 있다.
도 10a는 고밀도 특징부 아티팩트를 갖는 치과용 CT 이미지를 나타내고 있다.
도 10b는 아티팩트 보정이 적용된 도 10a의 치과용 CT 이미지를 나타내고 있다.
도 11은 조작자와의 상호작용을 사용하는 본 발명의 실시예들의 단계들을 나타내는 논리적 흐름도이다.
도 12a는 이미지 구역을 선택하고 프로세싱을 위한 환자 정보를 제공하기 위한 기능들을 갖는 터치스크린 조작자 콘솔을 나타내는 평면도이다.
도 12b는 분류 단계 시에 사용되는 정보를 제공하기 위한 기능을 갖는 터치스크린 조작자 콘솔을 나타내는 평면도이다.
본 발명의 실시예들에 대한 다음의 상세한 설명 부분에서는 도면들이 참조될 것이며 이 연속하는 도면들에서는 동일한 참조 부호가 동일한 요소들에 부여된다. 이들 도면은 본 발명의 실시예들에 따른 전반적인 기능들 및 관계들을 예시적으로 설명하기 위해서 제공되었지 실제 크기 또는 실체 축척을 나타내기 위해서 제공된 것은 아니다.
본 발명의 문맥에서, 서술 용어 "고밀도 특징부"는 일반적으로 주변 조직의 밀도를 초과하고 숙련된 조작자에 의해서 고밀도 특징부로서 식별될 수 있는 충전재와 같은 영역, 질량, 금속 객체 또는 다른 재료를 말한다. 고밀도 재료에 대한 단지 하나의 실례를 들자면, 알루미늄은 약 2.7 g/㎤ 을 초과한 밀도를 갖는다. 그러나, 투입량에 있어서의 차이로 인해서, 고밀도를 규정하기 위한 임의의 타입의 절대적 임계치를 정하는 것은 비실용적이다. 임의의 특정 이미지 내에서, 고밀도 특징부는 알루미늄 또는 다른 금속들이 발휘하는 밀도보다 매우 낮은 재료 밀도 값을 가질 수 있다. 또한, 다음의 상세한 설명 부분은 주로 금속 특징부를 기술하지만, 비금속 고밀도 재료에 대해서 역시 고밀도 특징부의 검출 및 이에 대응하는 아티팩트의 보정 방식이 동일하게 적용될 수 있다.
일 세트의 요소들 또는 멤버들로 구성된 집합이라는 개념이 기초 수학에서 널리 이해되고 있는 바와 같이, 본 명세서에서 사용되는 용어 "세트"는 공집합이 아닌 세트를 말한다. 달리 명시적으로 기술되지 않는다면, 본 명세서에서 사용되는 용어 "서브세트"는 공집합이 아닌 적절한 하위 집합을 말하며 즉 하나 이상의 구성 요소들을 갖는, 대집합의 하위 집합을 말한다. 세트 S에 대해서, 서브세트는 전체 세트 S를 포함할 수도 있다. 그러나, 엄밀하게 말하자면, 세트 S의 "적합한 서브세트"는 세트 S 내에 포함되며 세트 S의 구성 요소들 중 적어도 하나는 포함하지 않고 있다.
"제 1" 및 "제 2", "제 3" 등등이 본 명세서에서 사용될 때에는 이들은 임의의 순서를 특정하지 않으며 우선 순위를 특정하지 않으며 단지 구성 요소들 간을 서로 명확하게 구별하기 위해서 사용된다.
본 발명의 주제는 디지털 이미지를 인식하고 이로써 유용한 정보를 인간이 이해할 수 있는 객체들, 속성들 또는 상태들에 대해 할당하고 이어서 이 디지털 이미지의 후속 프로세싱 시에 획득된 결과들을 활용하기 위해서 이 디지털 이미지로부터의 데이터를 디지털 방식으로 프로세싱하는 기술들을 의미하는 바로 이해되는 디지털 이미지 프로세싱 및 컴퓨터 비전 기술들에 관한 것이다. 디지털 이미지 프로세싱 시에 이미지를 형성하는 프로세스는 이미지 데이터를 형성하는 단계와, 이 형성된 이미지 데이터를 후속 프로세싱 및 디스플레이와 같은 후속 액세스를 위해서 전자적 메모리 내에 저장하는 단계를 포함한다.
금속 및 다른 고밀도 특징부에 의해서 CT 화상 촬영 시에 발생하는 문제점들을 해결하기 위한 통상적인 방법과는 달리, 본 발명에 따른 방법은 고밀도 특징부가 점유한 영역들을 분류함으로써 고밀도 특징부에 의해서 초래된 아티팩트를 저감시켜서 최초의 투사 이미지를 보정하고 이어서 이 보정된 투사 이미지를 사용하여서 CT 이미지를 재구성한다.
도 1의 논리적 흐름도에서는, 본 발명의 일 실시예에 따라서 치과용 CBCT 체적에 대하여 금속 아티팩트를 저감시키기 위해서 사용되는 일련의 단계들이 나타나 있다. 이 체적은 하나 이상의 이미지(또는 균등론적으로는 슬라이스)를 위한 이미지 데이터를 포함한다. 최초의 재구성된 CT 체적(102)은 CT 스캐너로부터 획득된 다수의 투사 데이터 또는 사이노그램을 사용하는 표준 재구성 알고리즘을 사용하여서, 전자적으로 저장된 이미지 데이터로부터 형성된다. 정상적으로는, 이 체적을 형성하는 이미지들의 오직 일부 또는 서브세트만이 고밀도 객체 또는 금속성 객체를 포함하고, 이 CT 재구성된 체적의 나머지 부분들은 이 금속 고밀도 특징부 또는 다른 고밀도 특징부가 없는 치아 조직 또는 연성 조직을 정확하게 나타낸다. 금속 아티팩트 저감 절차는 시간 및 필요한 계산 자원들의 측면에서 상대적으로 비용이 들기 때문에 오직 몇 개의 선택된 이미지들에 대해서만 요구된다. 이러한 금속 아티팩트 저감 절차를 위해서 이미지 서브세트를 선택하는 동작이 이미지 선택 단계(104)에서 수행된다. 금속 특징부 검출 단계(106)에서, 단계(104)로부터 선택된 이미지들 각각 내에서 금속 객체 특징부가 검출된다. 이어서, 통상적인 방법과는 달리, 단계(110)에서 아티팩트를 저감시키기 위해서 사용되기 이전에, 상기 검출된 금속 특징부가 점유하는 영역들이 분류 단계(108)에서 분류된다. 이러한 프로세스의 최종 결과는 저감된 아티팩트를 이미지 프로세싱의 출력으로서 갖는 재구성된 체적(112)이다.
이미지들로 구성된 서브세트를 선택하는 단계
본 발명의 실시예들은 오직 고밀도 특징부를 포함하는 이미지들로 구성된 서브세트만을 CT 재구성 시에 사용되도록 타겟팅(targeting)함으로써 아티팩트 저감에 있어서의 전반적인 효율 및 효과를 개선시킨다. 이 서브세트는 본 부분에서 기술되는 자동화 기술을 사용하여서 식별되거나 이후에 기술되는 시스템 조작자로부터의 인스트럭션들에 의해서 식별될 수 있다.
상술한 흐름도에서의 이미지 선택 단계(104)의 자동화 방법은 도 2에서 도시된 흐름도를 참조하여서 보다 상세하게 기술된다. 이 절차는 최초의 재구성된 CT 체적(102)으로부터 획득된 순서 통계량을 이용한다. 순서 통계량은 인구 구성 분석과 같은 데이터 분석 문제점을 처리하는데 사용되는 미모수적 검증(non-parametric statistical) 툴을 제공한다. 이러한 순서 통계량을 사용하는 기술들은 값의 순서에 따라서 배열된 샘플링된 변수들을 고려한다. 이미지 분석의 경우에, 순서 통계량은 최초의 재구성된 CT 체적(102) 내의 이미지 (또는 슬라이스)에 대한 각 픽셀 값 k (0 내지 n에 이름)을, 강도 값의 순서에 따라서 배열된 폴(poll)로부터의 샘플들로 구성된 집합 또는 세트 중의 하나의 샘플로서 고려한다. 이어서, 본 발명의 실시예들은 이 순서 통계량을 프로세싱 및 분석하여서 이미지가 금속 객체 또는 다른 고밀도 객체를 포함하는지의 여부를 판정한다.
도 2에서는, 체적 내의 각 이미지를 후보 이미지로서 하여서 서브세트의 구성 요소로서 선택하기 위해서 이 후보 이미지에 대해서 실행되는 일련의 단계들이 나타나 있다. 계산 단계(202)에서, 각 후보 이미지 내의 픽셀들이 먼저 그들의 강도 값에 따라서 분류 또는 순서화되며 이로써 이 값들이 순서 통계량의 형태로 제공된다. 이어서, 후속 프로세스를 위해서 단계(202)에서 다수의 순서 통계량이 계산된다. 본 발명의 실시예들에서 사용되는 예시적인 순서 통계량은 설정된 최대 값과 설정된 중간값(median)을 포함한다. 이어서, 비율 계산 단계(204)에서 2 개의 순서 통계량의 비가 계산된다. 평가 단계(206)에서, 설정된 최대치를 그 자체로 포함하는, 설정된 최대치의 비들에 대한 순서화된 집합 및 다른 계산된 순서 통계량이 조사되고, 이미지 콘텐츠에 대한 유용한 정보를 제공하기 위해서 후보 이미지가 평가된다. 이러한 평가의 결과로서, 후보 이미지가 고밀도 특징부를 포함하는 이미지들로 구성된 서브세트의 구성 요소로서 선택될 수 있다.
예시적으로, 도 3, 도 4 및 도 5의 시퀀스는 자동화 프로세스를 사용하여서 적합한 재구성된 CT 체적(102)을 선택하기 위해서 도 1의 이미지 선택 단계(104)가 실행되는 방식을 나타내고 있다. 도 3은 선택된 최초의 재구성된 CT 이미지(702)를 도시하며 이는 치과용 충전재 및 이에 대응하는 이미지 아티팩트가 보이는 예시적인 치과용 이미지이다. 재구성된 CT 체적의 각 슬라이스에 대해서, 이 단계는 순서적으로 배열된 강도 값들로 구성된 순서화된 세트를 생성하고 이 세트에 대한 최대치, 중간값 및 다른 값들을 계산한다. 이어서, 단계(204)에서, 이 순서 통계량으로 구성된 세트 내의 각 값의 최대치에 대한 비가 계산된다.
도 4는 재구성된 CT 체적 중 슬라이스 1 내지 470에 대해서 순서 통계량들의 상기 세트 최대치에 대한 비들의 곡선으로 형성된 표면의 일부의 3 차원 그래프(1002)를 나타내고 있으며, 여기서는 위에서 세트 중간값까지의 값만이 고려되고 있다. 종축은 계산된 비를 나타낸다. 수 0 내지 500으로 표시된 축은 체적 내의 각 슬라이스에 대한 슬라이스 번호를 나타낸다. 이 종축과 직교하면서 1000, 2000, 3000으로 표시된 축은 각 대응하는 (k 번째) 순서 통계량에 적용되는 인덱스(k)를 비에 대해서 제공한다. 도 4의 그래프에서, 각 슬라이스에 대해서 비 데이터의 오직 상부만이 나타난다. 즉, 세트 중간값 아래에서의 순서 통계량과 세트 최대치 간의 비는 덜 중요하기 때문에 나타나지 않는다. 도 4로부터, 각 곡선은 값 1로부터 시작하여서 점점 감쇠하며 추가된 값들에 대해서 비가 감소할 때에 곡률도 변함을 할 수 있다. 상이한 슬라이스들에 대한 곡선들은 체적 내에서 동일한 이미지가 존재하지 않는다면 통상적으로 서로 상이하다.
도 4를 사용하여서 시각적으로 기술된 분석 작업은 금속성 특징부 또는 다른 고밀도 특징부를 포함하는 슬라이스들을 식별하는 것을 돕는다. 표면에 있어서의 움푹 패인 부분 또는 골은 고밀도 특징부를 나타낸다. 도 4에서, 약 슬라이스 90에서 약 슬라이스 300까지 연장된 골은 엑스선 방사에 대해 밀도가 있는 치과용 충전재를 포함하는 CT 체적의 일부에 대응한다. 이미지가 고밀도 객체를 포함하는지의 여부를 자동으로 판정하기 위해서 이와 같은 타입의 분석을 행할 시에, 세트 최대치 및 세트 중간값의 비가 도 2에서의 평가 단계(206)를 실행하기 위한 기준으로서 사용된다. 일 이미지에 대해서 세트 최대치 및 세트 중간값의 비가 가령 0.2의 임계치보다 낮으면, 이 이미지는 금속 특징부 또는 다른 고밀도 특징부를 포함할 가능성이 높으며, 따라서 이후 단계에서 프로세싱될 이미지들로 구성된 서브세트 내의 구성 요소가 될 수 있는 양호한 후보 이미지가 된다. 도 3에 도시된 이미지(702)는 치과용 충전재가 보이는 예시적인 치과용 이미지이다. 하나 이상의 순서 통계량에 대한 비들을 계산하는 것은 후보 이미지가 고밀도 특징부를 포함하는 이미지들로 구성된 서브세트의 일부가 될 수 있는 지의 여부를 신속하게 판정하기 위한 유용한 방법들 중 하나이다. 경험적으로, 0.2 근처의 임계치가 이러한 비를 사용할 때에 고밀도 특징부가 있음을 알리는 유용한 표시자가 될 수 있다. 그러나, 다른 임계치가 역시 사용될 수 있다. 각 체적 슬라이스 내에서의 픽셀 값들을 프로파일링하고 평가하는 다른 방법이 역시 사용될 수 있다.
다시 도 1을 참조하면, 금속 특징부 또는 다른 고밀도 특징부를 포함하는 이미지들로 구성된 서브세트가 선택되면 다수의 단계가 진행된다. 단계(104)에서 선택된 이미지는 검출 단계(106)에서 금속 특징부 또는 다른 고밀도 특징부를 검출하기 위해서 프로세싱된다. 금속 객체 특징부 또는 금속 객체 영역은 이 특징부 또는 영역 내의 임의의 픽셀도 이 특징부 또는 영역 내의 다른 픽셀에 대해서 사전 규정된 거리 내에 위치하는 특성을 갖는 금속 객체 픽셀들로 구성된 비공집합 세트이다. 이 사전 규정된 거리의 일 예시적인 값은 1.0 픽셀이다.
임계치 방식은 금속 객체 특징부 또는 다른 고밀도 금속 객체 특징부를 식별하기 위한 일 방법을 제공한다. 가령, 사전 결정된 강도 임계치보다 큰 강도 값을 갖는 도 3의 이미지(702) 내의 픽셀은 고밀도 특징부 이미지의 일부로서 저장된다. 일 실시예에서, 임계치는 해당 특정 이미지에 있어서 세트 최대치의 소정의 백분율로서 설정된다. 예시적인 백분율은 90%가 될 수 있으며 이 임계치는 최대 강도 값의 0.9 배와 동등하다. 도 3에 도시된 예시적인 이미지에 있어서, 도 5에 도시된 최종 결과적인 고밀도 특징부 이미지(704)는 금속 검출 단계(106)를 이미지(702)에 적용함으로써 생성된 금속 특징부 또는 다른 고밀도 특징부를 나타낸다. 도시된 바와 같이, 도 5에서의 고밀도 특징부 이미지(704)는 다수의 고밀도 객체 특징부 또는 영역, 본 실례에서는 치과용 충전재를 포함한다. 이는 후속 단계들에서 유용한 이미지 분할을 위한 기준을 제공한다.
분류 단계
치과용 CBCT 애플리케이션에서 통상적인 금속 아티팩트 저감 기술을 사용할 때의 일 문제점은 치과용 화상 촬영 시에 개입되는 다양한 타입의 조직과 관련된다. 배경 기술 분야에서 이미 언급한 바와 같이, 이러한 통상적인 기술은 금속 객체들에 의해서 초래되는 아티팩트를 저감시키기 위해서 고밀도 객체들의 인접하는 픽셀들로부터 추출된 정보를 사용한다. 통상적인 방식에서는, 오류성 투사 성분(mis-projection)(즉, 금속 객체에 의해서 방해되는 엑스선 경로를 따르는 적분 결과)이 그에 인접하는 투사 성분들(즉, 금속 객체에 의해서 방해를 받지 않은 엑스선 경로를 따르는 적분 결과)을 사용하여서 내삽된다. 이러한 방식은 금속 객체에 의해서 대체되거나 덮어지는 조직들이 이 금속 객체를 바로 둘러싸는 조직들과 동일한 특성을 갖는 상황에서는 효과가 있다. 그러나, 이러한 방식은 이미 배경 기술 분야에서 언급한 바와 같이 치과용 충전재의 경우에는 효과적이지 않다. 그 일 실례가 치근관 충전이다. 충전 재료에 의해서 점유되거나 덮어지는 치근관 조직은 주변 조직(즉, 상아질 조직)과는 전적으로 상이하다. 따라서, 내삽 프로세스에서 사용되는 투사 성분은 서로 양립하지 않는 밀도들을 갖는 성분들을 포함하게 된다.
도 6은 본 발명의 분류 단계가 다루게 되는 문제를 보여주기 위한 예시적인 치과용 체적 또는 치 체적(dental volume)의 3 차원 디스플레이(902)를 나타내고 있다. 이 디스플레이(902)는 2 개의 타입의 고밀도 금속 특징부를 포함한다. 가령, 특징부(906)는 상아질 충전으로서 분류될 수 있는 충전 영역이다. 제 2 타입의 특징부(904)는 치근관 충전으로서 분류될 수 있는 충전 영역을 나타낸다. 고밀도 특징부를 자동으로 분류하기 위해서 사용되는 기준 요소는 특징부의 규모상의 측정치, 위치상의 측정치 및 기하학상의 측정 사항을 포함하는 다양한 특징부 특성들을 포함한다. 이 기준 요소는 가령 치아의 다른 특징부 또는 영역에 대한 또는 치 체적 그 자체에 대한 특징부 규모, 특징부 길이, 특징부 배향 및 특징부 위치를 포함한다.
측정된 위치상의 특성, 기하학상의 특성 또는 다른 특성에 따라서 검출되는 각 고밀도 특징부를 평가하는 자동화 프로세스를 사용하여서 분류 결과가 제공된다. 이와 달리, 조작자가 입력한 정보에 따라서 분류 결과가 획득될 수 있다. 일단 특정 고밀도 특징부가 분류되었으면, 적합한 아티팩트 보정 프로세스가 적용될 수 있다.
보상 이미지 형성 단계
일단 고밀도 특징부(들)를 갖는 이미지들로 구성된 서브세트가 식별되고 고밀도 특징부 이미지(704)가 획득되며 특징부 분류 결과가 획득되었으면, 아티팩트 저감 시에 사용할 보상 이미지가 형성된다. 도 7에서는, 고밀도 특징부 이미지(704)의 분할된 구역들에 걸쳐서 상아질 픽셀을 분포시킴으로써 형성된 보상 이미지(804)가 나타나 있다. 이를 위해서, 대체할 대표적인 상아질 픽셀들의 샘플 값들이 다수의 치과용 이미지들로부터 미리 수집되어 보상 이미지(804)를 생성하는데 사용된다. 샘플 상아질 픽셀들은 가령 저장된 치과용 샘플 이미지들로 구성된 라이브러리로부터 패치(patch)로서 크랍핑된다(cropped). 샘플 상아질 픽셀들은 이미지(704) 내의 픽셀들에 대응하는 영역 내의 이미지(804) 내에 랜덤하게 인쇄된다. 일반적으로, 보상 이미지 내에 대표적인 대체 픽셀들을 제공하기 위해서 통계적 학습을 통해서 알게 된 값들이 사용될 수 있다.
아티팩트
보정을 갖는 재구성 단계
도 8의 논리적 흐름도는 본 발명의 일 실시예에 따라서 CT 이미지들을 재구성할 시에 아티팩트 보정을 적용하기 위한 시퀀스를 나타내고 있다. 이 시퀀스는 일반적으로 도 1의 아티팩트 저감 단계(110)에서 개입되는 프로세싱 활동에 상응한다. 이 시퀀스에서 필요한 초기 이미지 프로세싱은, 상술한 바와 같이, 최초의 재구성된 CT 이미지들(702) 중 금속 특징부를 포함하는 서브세트를 획득하는 단계와, 이 서브세트로부터 고밀도 특징부 이미지(704)를 생성하는 단계와, 이 서브세트에 대한 보상 이미지(804)를 형성하는 단계를 포함한다.
도 8의 시퀀스 및 도 9a의 이미지를 참조하면, 단계(302)에서, 입력 이미지 슬라이스들로 구성된 선택된 서브세트로부터 각 최초 이미지(702)에 대하여 사이노그램 W(1202)가 적합한 이미지 프로세싱 호스트 상에서 실행되는 Radon 변환을 사용하여서 생성된다. 사이노그램 이미지를 형성하기 위한 Radon 변환 및 이의 역 연산은 본 기술 분야인 진단 이미지 프로세싱 분야의 당업자에게 잘 알려진 계산 프로세스이다. 도 9b에 도시된 바와 같이, 단계(304)에서, (도 3 및 도 10a에서의 이미지(702)에 대응하는) 입력 이미지들로 구성된 동일한 선택된 서브세트에 대한 이미지 데이터로부터 각 대응하는 고밀도 특징부 이미지(704)에 대해서 사이노그램 M(1204)가 생성된다. 마찬가지로, 도 9c에서 도시된 바와 같이, 단계(306)에서, (이미지(702)에 대응하는) 입력 이미지들로 구성된 동일한 선택된 서브세트로부터 각 대응하는 보상 이미지(804)에 대해서 사이노그램 P(1206)가 생성된다. 감산 단계(308)에서, 사이노그램 W(1202)으로부터 사이노그램 M(1204)을 감산함으로써 차 사이노그램(difference sinogram) WsM이 생성된다. 합산 단계(310)에서, 보상 이미지 사이노그램 P(1206)과 상기 차 사이노그램 WsM이 서로 합산되어서 도 9d에 도시된 바와 같은 최종 사이노그램 WsMaP(1208)이 생성된다. 프로세싱 단계(312)에서, 각 각도에서 역 Radon 변환을 사이노그램 WsMaP에 적용함으로써 보정된 CT 이미지가 재구성된다. 사이노그램 W 또는 P 내의 요소들에 대응하는 대역 내에 상주하는 사이노그램 WsMaP 내의 요소들은 이 대역 경계에 바로 인접하여서 놓인 사이노그램 WsMaP 내의 요소들을 사용하여서 내삽된다. 단계(312)인 거의 최종의 단계에서, 고밀도 특징부 이미지(704) 내의 특징부들이 최종 재구성된 이미지(1102)(도 10b 참조) 내의 대응하는 위치들로 다시 이식된다. 이미지(1102) 내의 이러한 특징부들의 경계 픽셀들은 매끈하게 된다. 이어서, 보정된 CT 이미지들이 단계(312)에서 실제적으로 재구성된다.
예시적으로, 도 10a 및 도 10b는 본 발명에 따른 방법을 사용하여서 금속 아티팩트를 저감시킨 결과를 나타내고 있다. 최초의 CT 이미지(702) 내의 구역(1104)은 치아 내의 금속 특징부와 관련된 다수의 아티팩트를 갖는 치아 구조 이미지를 나타내고 있다. 프로세싱된 이미지(1102) 내의 대응하는 구역(1106)은 본 발명에 따른 방법이 도 8의 프로세싱을 사용함으로써 금속 객체를 보상하고 아티팩트를 완화시키는 방식을 나타내고 있다. 도 10b의 구역(1106)이 나타내는 바와 같이, 최종의 재구성된 이미지(1102)는 최초의 이미지(702) 내의 고밀도 객체들 간의 암흑 지점에서의 픽셀들을 적어도 부분적으로 복구한다.
환자에 대한 선행 지식을 사용하는 바에 대하여
상술한 특징부 분류 단계 이외에, 아티팩트 식별 및 억제는 환자 상태 또는 이력으로부터의 정보를 사용하여서 보조를 받을 수 있다. 환자에 대한 선행 지식은 유실된 데이터를 복구하기 위해서 사용될 수 있는 하나 이상의 보상 이미지를 생성하는데 사용될 수 있다. 이러한 선행 지식은 가령 환자 이력으로부터의 충전재의 개수, 위치 및 조성을 포함한다.
다시 도 5를 참조하면, 고밀도 특징부 이미지(704)는 금속 검출 단계(106)를 이미지(702)(도 3 참조)에 적용함으로써 식별되는 치과용 충전재들을 나타내고 있다. 도 5의 고밀도 특징부 이미지(704)는 이 도면에서 백색으로 표시되는 다수의 고밀도 특징부를 포함한다. 상술된 방법과는 달리, 검출된 금속 객체 특징부 또는 검출된 다른 고밀도 특징부는 다수의 종류로 더 분류된다. 도 5 및 도 6에서의 데이터에 대한 분류 기술을 사용할 시에, 특징부(904)는 치근관 종류에 속하고, 특징부(906)는 상아질 종류에 속한다. 이와 달리, 분류 시에 사용되는 기준 요소들은 특징부들의 기하학적 측정 사항과 관련될 수 있다. 따라서, 도 5의 고밀도 특징부 이미지(704) 내의 특징부들은 상아질 충전재 특징부로서 분류된다. 이어서, 이러한 분류 사항은 차후 단계에서 사용된다.
조작자와의 상호 작용에 대하여
본 발명의 실시예들은 환자에 대한 유용한 정보를 획득 및 사용하여서 이미지 서브세트를 선택하고 특징부를 분류하고 다른 기능을 수행하는 것과 같은 여러 동작들의 전반적인 효율을 개선하기 위해서 작업자와의 상호 작용을 이용한다.
일반적으로, 콘 빔 체적의 오직 일부분만이 금속 특징부 또는 다른 고밀도 특징부를 포함한다. 계산 집약적이며 상당한 프로세싱 자원들을 요하는 아티팩트 보정은 오직 고밀도 특징부를 나타내는 이미지들에 대해서만 수행될 필요가 있다. 환자에 대한 선행 지식은 이러한 금속 객체 또는 다른 고밀도 객체에 의해서 영향을 받게 되는 그러한 이미지들에 대해서만 보상 활동을 집중시켜서 분류 동작을 용이하게 하고 계산 자원을 보다 효과적으로 사용하기 위해서 사용된다.
도 11의 논리적 흐름도에서는, 환자가 치과용 충전재를 사용하고 있다는 사실이 조작자 또는 시스템 운영자에게 알려져 있는 상황에서 아티팩트 보상을 간소화하는 프로세스가 나타나 있다. 단계(502)에서, 하나 이상의 재구성된 이미지들이 획득된다. 이어서, 선택 단계(504)에서, 이후에 프로세싱될 이미지 슬라이스들로 구성된 서브세트를 검출하기 위해서 환자 이력에 대한 선행 정보가 효과적으로 사용된다. 이어서, 검출 단계(506)에서, 재구성된 이미지 내에서 치과용 충전재 또는 다른 특징부가 검출된다.
단계(504)에서 이미지 서브세트를 식별하고 단계(506)에서 치과용 충전재를 검출하는 프로세스는 도 12a에 도시된 바와 같은 조작자 인터페이스를 사용하거나 환자 이력 데이터베이스에 액세스함으로써 실행될 수 있다. 터치스크린 디스플레이로 도시된 조작자 콘솔(140)은 금속 아티팩트 제거를 위한 프로세싱 이전에 재구성된 CT 체적(142)을 나타낸다. 조작자 콘솔(140)은 조작자로 하여금 고밀도 아티팩트 보상 시에 관심 대상이 되는 재구성된 이미지 중의 그러한 부분들을 규정하는 관심 구역을 가령 손으로 또는 마우스 또는 다른 커서 조작 디바이스를 사용하여서 개략화할 수 있게 하는 다수의 제어 사항들(146)을 제공한다. 도시된 실례에서, 조작자는 도 11의 선택 단계(504)에서 필요한 이미지 슬라이스들로 구성된 서브세트를 효과적으로 선택할 수 있게 관심 특징부, 관심 영역 또는 관심 구역을 규정할 수 있다. 또한, 조작자는 도시된 바와 같은 메뉴 구동형 인터페이스를 사용하여서 개별 충전재 또는 다른 고밀도 특징부를 열거하고 표시하여서 도 11의 검출 단계(506)를 수행하게 된다.
도 12b는 디스플레이된 재구성된 이미지(148)로부터 고밀도 특징부 및 이를 둘러싸는 조직들을 조작자의 지원을 받아서 분류하기 위해서 사용되는 조작자 콘솔(140)을 나타내고 있다. 도 12a 및 도 12b는 오직 예시적으로 제시되었으며, 임의의 다수의 조작자 인터페이스 유틸리티가, 도 11에서 도시된 바와 같이, 단계(504)에서 이미지 서브세트를 식별하고 단계(506)에서 치과용 충전재 및 다른 특징부를 검출하며 분류 단계(508)에서 상기 검출된 특징부를 분류하기 위해서 사용될 수 있다. 이렇게 조작자의 지원을 받아서 식별 단계와 검출 단계를 수행하게 되면, 이미지 재구성 단계(510)에서 재구성된 이미지를 생성할 시에 고밀도 특징부로부터 기인되는 아티팩트가 저감될 수 있다.
본 발명의 실시예들은 금속 아티팩트 저감 시에 시스템의 인간 조작자의 기량을 컴퓨터의 역량에 시너지 방식으로 통합하는 것이 장점이 되는 실용적인 금속 아티팩트 저감 시스템을 제공한다. 본 발명의 실시예들은 창조성, 체험 학습성, 융통성 및 판단 능력과 같은 인간의 기량을 이용하여 이들을 신속한 계산 속도, 철저하고 정확한 프로세싱, 보고 및 데이터 액세스 능력 및 디스플레이 유연성과 같은 컴퓨터의 장점과 결합시킨다.
일 실시예에서, 본 발명은, 상술된 방법에 따라서, 전자 메모리로부터 액세스된 이미지 데이터에 대한 금속 아티팩트 저감을 수행하는 저장된 인스트럭션을 갖는 컴퓨터 프로그램을 제공한다. 이 저장된 인스트럭션은 금속 아티팩트 저감 프로세싱을 수행하는 프로세서를 형성하도록 컴퓨터를 구성한다. 본 기술 분야의 당업자는 잘 알 수 있는 바와 같이, 본 발명의 실시예의 컴퓨터 프로그램은 개인용 컴퓨터 또는 워크스테이션과 같은 적합한 범용 컴퓨터 시스템에 의해서 사용될 수 있다. 그러나, 네트워크 프로세서를 포함하여 수많은 다른 타입의 컴퓨터 시스템 또는 프로그램된 로직 프로세서들이 본 발명의 컴퓨터 프로그램을 실행하는데 사용될 수 있다. 본 발명의 방법을 수행하기 위한 컴퓨터 프로그램은 컴퓨터 판독가능한 저장 매체 내에 저장될 수 있다. 이러한 매체는 가령 자기 디스크(가령, 하드 드라이브) 또는 자기 테이프와 같은 자기 저장 매체; 광 디스크, 광 테이프 또는 머신 판독가능한 바 코드와 같은 광학 저장 매체; RAM 또는 ROM과 같은 고체상 전자 저장 디바이스; 및 컴퓨터 프로그램을 저장하기 위해서 채용되는 임의의 다른 물리적 디바이스 또는 매체를 포함한다. 또한, 본 발명에 따른 방법을 수행하기 위한 컴퓨터 프로그램은 인터넷 또는 다른 통신 매체를 통해서 이미지 프로세서에 접속되는 컴퓨터 판독 가능한 저장 매체 상에 저장될 수도 있다. 본 기술 분야의 당업자는 이러한 컴퓨터 프로그램 제품의 균등물이 하드웨어로서 구성될 수 있음을 용이하게 인식할 수 있을 것이다.
본 발명의 컴퓨터 프로그램 제품은 본 기술 분야에서 잘 알려진 다양한 이미지 조작 알고리즘 및 프로세스를 사용할 수 있다. 또한, 본 발명의 컴퓨터 프로그램 제품 실시예는 본 명세서에서는 구체적으로 명시되지 않았지만 구현상 유용한 알고리즘 및 프로세스를 실시할 수 있다. 이러한 알고리즘 및 프로세스는 이미지 프로세싱 기술 분야의 통상적인 기술에 속한 통상적인 유틸리티를 포함한다. 이러한 알고리즘 및 시스템에 대한 추가적인 실시예들 또는 측면들이나, 이러한 이미지를 생성하거나 이와 달리 프로세싱하거나 본 발명의 컴퓨터 프로그램 제품과 협력하여 동작하는 하드웨어 및/또는 소프트웨어에 대한 실시예들 또는 측면들은 본 명세서에서 구체적으로 기술되지 않았지만 본 기술 분야에서 잘 알려진 그러한 알고리즘, 시스템, 하드웨어 및 구성 요소로부터 선택될 수 있다. 또한, 컴퓨터 하드웨어는 특정 조건 하에서 사용되기 위해서 인덱싱되고 선택되는 정보들로 구성된 라이브러리 또는 데이터베이스를 유지 관리할 수 있는데, 가령 도 7의 재구성된 이미지(804)를 형성하기 위해서 사용되는데 적합한 조직 이미지(tissue image)로 구성된 라이브러리를 유지 관리한다.
지금까지, 본 발명이 본 바람직한 실시예들을 참조하여서 세부적으로 기술되었지만, 다양한 수정 및 변경이 본 발명의 범위 내에서 가능하다. 따라서, 본 개시된 실시예들은 본 발명을 예시적으로 설명하기 위한 것이지 본 발명을 한정하기 위한 것이 아니다. 본 발명의 범위는 다음의 청구 범위에 의해서 규정되며, 의미하는 바가 동일한 모든 균등 표현들은 본 청구 범위 내에 포함된다.
102: 재구성된 체적 104: 이미지 선택 단계
106: 검출 단계 108: 분류 단계
110: 아티팩트 저감 단계 112: 재구성된 체적
140: 조작자 콘솔 142: CT 체적
146: 제어 사항 148: 재구성된 이미지
202: 계산 단계 204: 비율 계산 단계
206: 평가 단계 302 내지 306: 단계
308: 감산 단계 310: 합산 단계
312: 프로세싱 단계 502: 단계
504: 선택 단계 506: 검출 단계
508: 분류 단계 510: 재구성 단계
702: 최초의 CT 이미지 704: 고밀도 특징부 이미지
804: 보상 이미지 902: 디스플레이
904: 상아질 영역에서의 특징부
906: 치근관 영역에서의 특징부
1002: 순서 통계량 그래프 1102: 재구성된 CT 이미지
1104: 구역 1202: 사이노그램 W
1204: 사이노그램 M 1206: 사이노그램 P
1208: 사이노그램 WsMaP
106: 검출 단계 108: 분류 단계
110: 아티팩트 저감 단계 112: 재구성된 체적
140: 조작자 콘솔 142: CT 체적
146: 제어 사항 148: 재구성된 이미지
202: 계산 단계 204: 비율 계산 단계
206: 평가 단계 302 내지 306: 단계
308: 감산 단계 310: 합산 단계
312: 프로세싱 단계 502: 단계
504: 선택 단계 506: 검출 단계
508: 분류 단계 510: 재구성 단계
702: 최초의 CT 이미지 704: 고밀도 특징부 이미지
804: 보상 이미지 902: 디스플레이
904: 상아질 영역에서의 특징부
906: 치근관 영역에서의 특징부
1002: 순서 통계량 그래프 1102: 재구성된 CT 이미지
1104: 구역 1202: 사이노그램 W
1204: 사이노그램 M 1206: 사이노그램 P
1208: 사이노그램 WsMaP
Claims (16)
- 보정 및 재구성된 컴퓨터 단층 이미지를 제공하는 방법으로서,
일 대상의 복수의 컴퓨터 단층 이미지에 대한 이미지 데이터에 액세스하는 단계와,
하나 이상의 고밀도 특징부를 포함하는 상기 컴퓨터 단층 이미지들로 구성된 서브세트를 식별하는 단계와,
상기 식별된 서브세트 각각에서 적어도 하나의 고밀도 특징부를 검출하는 단계와,
하나 이상의 특징부 특성에 따라서 상기 적어도 하나의 고밀도 특징부를 분류하는 단계와,
조직(tissue)을 대표하는 픽셀들을 상기 적어도 하나의 분류된 고밀도 특징부에 걸쳐서 분포시킴으로써 하나 이상의 보상 이미지를 형성하는 단계와,
최초의 이미지의 제 2 사이노그램(sinogram)으로부터 상기 적어도 하나의 분류된 고밀도 특징부의 제 1 사이노그램을 감산함으로써 상기 식별된 서브세트 내의 각 이미지에 대한 차 사이노그램(difference sinogram)을 생성하는 단계와,
상기 하나 이상의 보상 이미지에 따라서 생성된 제 3 사이노그램을 상기 차 사이노그램에 가산함으로써 상기 식별된 서브세트 내의 각 이미지에 대한 최종적인 사이노그램을 생성하는 단계와,
상기 식별된 서브세트 내의 각 이미지에 대해 생성된 상기 최종적인 사이노그램에 따라서 보정 및 재구성된 컴퓨터 단층 이미지를 형성하는 단계를 포함하는,
보정 및 재구성된 컴퓨터 단층 이미지를 제공하는 방법.
- 제 1 항에 있어서,
상기 식별 단계는 디스플레이된 최초의 재구성된 이미지에 따라서 입력된 하나 이상의 조작자 인스트럭션을 수용하는 단계를 포함하는,
보정 및 재구성된 컴퓨터 단층 이미지를 제공하는 방법.
- 제 1 항에 있어서,
상기 분류 단계는 디스플레이된 최초의 재구성된 이미지에 따라서 입력된 하나 이상의 조작자 인스트럭션을 수용하는 단계를 포함하는,
보정 및 재구성된 컴퓨터 단층 이미지를 제공하는 방법.
- 제 1 항에 있어서,
상기 식별 단계는 이미지 데이터를 순서 통계량(order statistics)으로서 구성하는 단계를 포함하는,
보정 및 재구성된 컴퓨터 단층 이미지를 제공하는 방법.
- 제 1 항에 있어서,
상기 하나 이상의 고밀도 특징부는 금속성 객체를 포함하는,
보정 및 재구성된 컴퓨터 단층 이미지를 제공하는 방법.
- 제 1 항에 있어서,
상기 하나 이상의 보상 이미지를 형성하는 단계는 하나 이상의 저장된 이미지로부터 대표적인 픽셀들을 획득하는 단계를 포함하는,
보정 및 재구성된 컴퓨터 단층 이미지를 제공하는 방법.
- 제 1 항에 있어서,
상기 컴퓨터 단층 이미지는 콘 빔 엑스선 스캐너(cone beam X-ray scanner)로부터 획득되는,
보정 및 재구성된 컴퓨터 단층 이미지를 제공하는 방법.
- 제 1 항에 있어서,
상기 적어도 하나의 고밀도 특징부를 검출하는 단계는 임계치를 사용하는 단계를 포함하는,
보정 및 재구성된 컴퓨터 단층 이미지를 제공하는 방법.
- 제 1 항에 있어서,
상기 분류 단계는 상기 고밀도 특징부의 위치와 규모 중 하나 이상을 사용하는 단계를 포함하는,
보정 및 재구성된 컴퓨터 단층 이미지를 제공하는 방법.
- 제 1 항에 있어서,
상기 분류 단계는 상기 고밀도 특징부를 둘러싸는 조직을 에나멜질, 상아질, 치근 조직 및 뼈 조직으로서 식별하는 단계를 포함하는,
보정 및 재구성된 컴퓨터 단층 이미지를 제공하는 방법.
- 제 1 항에 있어서,
상기 재구성된 컴퓨터 단층 이미지를 디스플레이하는 단계를 더 포함하는,
보정 및 재구성된 컴퓨터 단층 이미지를 제공하는 방법.
- 제 1 항에 있어서,
상기 식별 단계는 상기 대상에 대한 선행 지식을 사용하는 단계를 포함하는,
보정 및 재구성된 컴퓨터 단층 이미지를 제공하는 방법.
- 제 1 항에 있어서,
상기 식별 단계는,
(a) 상기 다수의 컴퓨터 단층 이미지로부터의 상기 대상의 컴퓨터 단층 이미지 중 적어도 하나를 후보 컴퓨터 단층 이미지로서 식별하는 단계와,
(b) 상기 식별된 후보 컴퓨터 단층 이미지 내의 픽셀 값들을 순서 통계량으로서 구성하는 단계와,
(c) 상기 식별된 후보 컴퓨터 단층 이미지를, 상기 순서 통계량으로부터 획득된 하나 이상의 값들에 따라서 하나 이상의 고밀도 특징부를 포함하는 컴퓨터 단층 이미지들로 구성된 서브세트의 구성 요소로서 선택하는 단계와,
(d) 상기 다수의 컴퓨터 단층 이미지로부터의 상기 대상의 컴퓨터 단층 이미지들 중 다른 이미지를 다음의 후보 컴퓨터 단층 이미지로서 식별하여서 상기 단계 (b) 및 단계 (c)를 반복하는 단계를 포함하는,
보정 및 재구성된 컴퓨터 단층 이미지를 제공하는 방법.
- 제 13 항에 있어서,
상기 순서 통계량으로부터 획득된 상기 하나 이상의 값들은 비(ratio)를 포함하는,
보정 및 재구성된 컴퓨터 단층 이미지를 제공하는 방법.
- 제 13 항에 있어서,
상기 순서 통계량으로부터 획득된 상기 하나 이상의 값들은 상기 후보 컴퓨터 단층 이미지 내의 최대 픽셀 값에 대한 상기 하나 이상의 순서 통계량의 비를 포함하는,
보정 및 재구성된 컴퓨터 단층 이미지를 제공하는 방법.
- 보정 및 재구성된 컴퓨터 단층 이미지를 제공하는 방법으로서,
일 대상의 복수의 컴퓨터 단층 이미지에 대한 이미지 데이터에 액세스하는 단계와,
이미지 값들을 순서 통계량으로서 구성한 결과에 따라서 하나 이상의 고밀도 특징부를 포함하는 상기 컴퓨터 단층 이미지들로 구성된 서브세트를 식별하는 단계와,
상기 식별된 서브세트 각각에서 적어도 하나의 고밀도 특징부를 검출하는 단계와,
하나 이상의 특징부 특성에 따라서 상기 적어도 하나의 고밀도 특징부를 분류하는 단계와,
조직(tissue)을 대표하는 픽셀들을 상기 적어도 하나의 분류된 고밀도 특징부에 걸쳐서 분포시킴으로써 하나 이상의 보상 이미지를 형성하는 단계와,
최초의 이미지의 제 2 사이노그램(sinogram)으로부터 상기 적어도 하나의 분류된 고밀도 특징부의 제 1 사이노그램을 감산함으로써 상기 식별된 서브세트 내의 각 이미지에 대한 차 사이노그램(difference sinogram)을 생성하는 단계와,
상기 하나 이상의 보상 이미지에 따라서 생성된 제 3 사이노그램을 상기 차 사이노그램에 가산함으로써 상기 식별된 서브세트 내의 각 이미지에 대한 최종적인 사이노그램을 생성하는 단계와,
상기 식별된 서브세트 내의 각 이미지에 대해 생성된 상기 최종적인 사이노그램에 따라서 보정 및 재구성된 컴퓨터 단층 이미지를 형성하는 단계와,
상기 재구성된 컴퓨터 단층 이미지를 디스플레이하는 단계를 포함하는,
보정 및 재구성된 컴퓨터 단층 이미지를 제공하는 방법.
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US12/710,522 US8768027B2 (en) | 2010-02-23 | 2010-02-23 | Method and system for cone beam computed tomography high density object artifact reduction |
| US12/710,522 | 2010-02-23 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR20110097670A true KR20110097670A (ko) | 2011-08-31 |
Family
ID=44021131
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020110015609A KR20110097670A (ko) | 2010-02-23 | 2011-02-22 | 보정 및 재구성된 컴퓨터 단층 이미지를 제공하는 방법 |
Country Status (4)
| Country | Link |
|---|---|
| US (1) | US8768027B2 (ko) |
| EP (1) | EP2362353A1 (ko) |
| JP (1) | JP5858625B2 (ko) |
| KR (1) | KR20110097670A (ko) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101245536B1 (ko) * | 2011-10-25 | 2013-03-21 | 한국전기연구원 | 저밀도 촬영상 ｃｔ 영상 재구성에서 줄 인공물 억제 방법 |
| US9245325B2 (en) | 2012-09-28 | 2016-01-26 | Samsung Electronics Co., Ltd. | Method and apparatus for generating image |
| KR20210028328A (ko) * | 2019-09-03 | 2021-03-12 | 오스템임플란트 주식회사 | 상악동 영역 분할방법 및 이를 위한 치과영상 처리장치 |
Families Citing this family (22)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9147269B2 (en) * | 2011-05-31 | 2015-09-29 | Shimadzu Corporation | Radiation tomographic image generating method, and radiation tomographic image generating program |
| RU2014123282A (ru) | 2011-11-08 | 2015-12-20 | Конинклейке Филипс Н.В. | Адаптивное применение алгоритмов коррекции металлических артефактов |
| CN103186889B (zh) * | 2011-12-30 | 2017-08-18 | Ge医疗系统环球技术有限公司 | 一种用于减少医学图像中的金属伪影的方法和设备 |
| DE102012205222B4 (de) * | 2012-03-30 | 2020-08-13 | Siemens Healthcare Gmbh | Verfahren zur Ermittlung eines artefaktreduzierten dreidimensionalen Bilddatensatzes und Röntgeneinrichtung |
| CN102768759B (zh) * | 2012-07-04 | 2014-11-26 | 深圳安科高技术股份有限公司 | 一种术中ct图像射束硬化伪影校正方法及装置 |
| CN104644200B (zh) * | 2013-11-25 | 2019-02-19 | Ge医疗系统环球技术有限公司 | 减少计算机断层扫描图像重构中伪像的方法和装置 |
| JP6142172B2 (ja) * | 2014-06-03 | 2017-06-07 | 朝日レントゲン工業株式会社 | ビームハードニング補正装置、ビームハードニング補正方法、及びｘ線撮影装置 |
| JP6482934B2 (ja) * | 2014-06-03 | 2019-03-13 | キヤノンメディカルシステムズ株式会社 | 画像処理装置、放射線検出装置および画像処理方法 |
| US9638631B2 (en) * | 2014-06-10 | 2017-05-02 | Cummins Emission Solutions, Inc. | Species spatial reconstruction for exhaust system using spectroscopy and tomography |
| US9655580B2 (en) * | 2014-10-24 | 2017-05-23 | General Electric Company | Systems and methods for metal artifact reduction |
| US10395396B2 (en) | 2015-04-01 | 2019-08-27 | Hitachi, Ltd. | X-ray CT apparatus, reconfiguration arithmetic apparatus, and X-ray CT image generation method |
| JP6413927B2 (ja) | 2015-05-25 | 2018-10-31 | コニカミノルタ株式会社 | 動態解析装置及び動態解析システム |
| JP6780948B2 (ja) * | 2016-03-28 | 2020-11-04 | キヤノンメディカルシステムズ株式会社 | Ｘ線ｃｔ装置 |
| US10249064B2 (en) | 2016-08-02 | 2019-04-02 | Toshiba Medical Systems Corporation | Motion estimation method and apparatus |
| US11593976B2 (en) * | 2017-01-09 | 2023-02-28 | Carestream Dental Technology Topco Limited | System for the detection and display of metal obscured regions in cone beam CT |
| WO2019002904A1 (en) * | 2017-06-30 | 2019-01-03 | Trophy | X-RAY TOMODENSITOMETRY IMAGING METHOD, INTERFACE SYSTEM, AND APPARATUS |
| EP3958742A4 (en) * | 2019-05-24 | 2022-06-29 | Shanghai United Imaging Healthcare Co., Ltd. | Systems and methods for processing x-ray images |
| US11269115B2 (en) * | 2019-09-04 | 2022-03-08 | Photogauge, Inc. | Speckled calibration artifact to calibrate metrology equipment |
| CN111882497A (zh) * | 2020-07-10 | 2020-11-03 | 深圳传音控股股份有限公司 | 一种图像矫正方法、拍摄方法、终端及计算机存储介质 |
| CN111803107B (zh) * | 2020-08-06 | 2023-09-12 | 上海联影医疗科技股份有限公司 | 一种金属检测方法、装置、设备及存储介质 |
| CN113706643B (zh) * | 2020-09-09 | 2023-06-30 | 南京邮电大学 | 一种基于同形适应学习的头部ct金属伪影校正方法 |
| CN113781595B (zh) * | 2021-08-26 | 2024-03-08 | 深圳市菲森科技有限公司 | 一种口腔锥形束ct图像的金属伪影去除方法和系统 |
Family Cites Families (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH0819533A (ja) * | 1994-07-05 | 1996-01-23 | Hitachi Medical Corp | Ｘ線ｃｔ装置 |
| IL121773A0 (en) * | 1997-09-15 | 1998-02-22 | Elscint Ltd | Method for improving CT images having high attenuation objects |
| JP2002153454A (ja) * | 2000-11-20 | 2002-05-28 | Hitachi Medical Corp | Ｘ線ｃｔ装置 |
| US6721387B1 (en) | 2001-06-13 | 2004-04-13 | Analogic Corporation | Method of and system for reducing metal artifacts in images generated by x-ray scanning devices |
| DE10155089C1 (de) * | 2001-11-09 | 2003-06-18 | Siemens Ag | Verfahren zur Entfernung von Ringen und Teilringen in Computertomographie-Bildern |
| US7023951B2 (en) * | 2003-12-09 | 2006-04-04 | General Electric Company | Method and apparatus for reduction of artifacts in computed tomography images |
| EP1714255B1 (en) * | 2004-02-05 | 2016-10-05 | Koninklijke Philips N.V. | Image-wide artifacts reduction caused by high attenuating objects in ct deploying voxel tissue class |
| WO2006082563A1 (en) | 2005-02-03 | 2006-08-10 | Koninklijke Philips Electronics N.V. | Radial adaptive filter for metal artifact correction |
-
2010
- 2010-02-23 US US12/710,522 patent/US8768027B2/en active Active
-
2011
- 2011-02-21 EP EP20110001412 patent/EP2362353A1/en not_active Withdrawn
- 2011-02-22 KR KR1020110015609A patent/KR20110097670A/ko not_active Application Discontinuation
- 2011-02-22 JP JP2011035464A patent/JP5858625B2/ja active Active
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101245536B1 (ko) * | 2011-10-25 | 2013-03-21 | 한국전기연구원 | 저밀도 촬영상 ｃｔ 영상 재구성에서 줄 인공물 억제 방법 |
| US9245325B2 (en) | 2012-09-28 | 2016-01-26 | Samsung Electronics Co., Ltd. | Method and apparatus for generating image |
| KR20210028328A (ko) * | 2019-09-03 | 2021-03-12 | 오스템임플란트 주식회사 | 상악동 영역 분할방법 및 이를 위한 치과영상 처리장치 |
Also Published As
| Publication number | Publication date |
|---|---|
| US8768027B2 (en) | 2014-07-01 |
| US20110206258A1 (en) | 2011-08-25 |
| EP2362353A1 (en) | 2011-08-31 |
| JP5858625B2 (ja) | 2016-02-10 |
| JP2011172926A (ja) | 2011-09-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR20110097670A (ko) | 보정 및 재구성된 컴퓨터 단층 이미지를 제공하는 방법 | |
| EP2102819B1 (en) | Apparatus, method and computer program for producing a corrected image of a region of interest from acquired projection data | |
| JP7494125B2 (ja) | ディープラーニング技法を用いたｘ線データの金属影響ボクセル表現の自動補正 | |
| EP1649421B1 (en) | Metal artifact correction in computed tomography | |
| Balda et al. | Ray contribution masks for structure adaptive sinogram filtering | |
| EP2504811B1 (en) | Enhanced image data/dose reduction | |
| US20210209771A1 (en) | Systems and methods for determining quality metrics of an image or images based on an edge gradient profile and characterizing regions of interest in an image or images | |
| NL1024855C2 (nl) | Werkwijze en inrichting voor zacht-weefselvolumevisualisatie. | |
| US10395397B2 (en) | Metal artifacts reduction for cone beam CT | |
| EP1728214B1 (en) | Artifact correction | |
| JP5662447B2 (ja) | 関心領域画像の再構成 | |
| US7623691B2 (en) | Method for helical windmill artifact reduction with noise restoration for helical multislice CT | |
| US7747057B2 (en) | Methods and apparatus for BIS correction | |
| GB2420641A (en) | Digital Medical Image Analysis | |
| EP3654289A1 (en) | Methods for metal artifact reduction in cone beam reconstruction | |
| US10937208B2 (en) | PET image reconstruction and processing using lesion proxies | |
| Amirkhanov et al. | Projection-based metal-artifact reduction for industrial 3D X-ray computed tomography | |
| JP6828061B2 (ja) | スペクトルｃｔデータからのカルシウム含有量の特定 | |
| NL1027643C2 (nl) | Werkwijze en systeem voor doelhoekhieleffectcompensatie. | |
| JP2009519074A (ja) | 複数繰り返しアルゴリズムの進行的な収束 | |
| EP3349655B1 (en) | Tomography apparatus and controlling method for the same | |
| Johari et al. | Metal artifact suppression in dental cone beam computed tomography images using image processing techniques | |
| EP3404618B1 (en) | Poly-energetic reconstruction method for metal artifacts reduction | |
| US20050018889A1 (en) | Systems and methods for filtering images | |
| CN112562030A (zh) | 图像重建方法、装置和电子设备 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| WITN | Application deemed withdrawn, e.g. because no request for examination was filed or no examination fee was paid |