RU2598334C2 - Устройство повышения отношения контраст-шум (к/ш) - Google Patents

Устройство повышения отношения контраст-шум (к/ш) Download PDF

Info

Publication number
RU2598334C2
RU2598334C2 RU2013135000/08A RU2013135000A RU2598334C2 RU 2598334 C2 RU2598334 C2 RU 2598334C2 RU 2013135000/08 A RU2013135000/08 A RU 2013135000/08A RU 2013135000 A RU2013135000 A RU 2013135000A RU 2598334 C2 RU2598334 C2 RU 2598334C2
Authority
RU
Russia
Prior art keywords
image data
contrast
contrast medium
ratio
determining
Prior art date
Application number
RU2013135000/08A
Other languages
English (en)
Other versions
RU2013135000A (ru
Inventor
Лиран ГОШЕН
Ашер ГРИНГАУЗ
Йехиэль ЛАМАШ
Андрей ФЕЛЬДМАН
Гвидо ПАРДО-РОКЕ
Джонатан САПИР
Original Assignee
Конинклейке Филипс Электроникс Н.В.
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Конинклейке Филипс Электроникс Н.В. filed Critical Конинклейке Филипс Электроникс Н.В.
Publication of RU2013135000A publication Critical patent/RU2013135000A/ru
Application granted granted Critical
Publication of RU2598334C2 publication Critical patent/RU2598334C2/ru

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/90—Dynamic range modification of images or parts thereof
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/20—Image enhancement or restoration using local operators
    • 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

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Apparatus For Radiation Diagnosis (AREA)
  • Image Processing (AREA)

Abstract

Изобретение относится к визуализации. Техническим результатом является уменьшение количества контрастного вещества, используемого при сканировании пациентов. Способ содержит этапы, на которых: определяют кусочно-линейную аппроксимацию данных изображения; определяют костную маску на основании данных изображения; определяют карту распределения контрастного вещества на основании кусочно-линейной аппроксимации и костной маски; определяют усиленную карту распределения контрастного вещества на основании карты распределения контрастного вещества и, по меньшей мере, одного из параметров; определяют данные, дополнительные к кусочно-линейной аппроксимации, на основании данных изображения и кусочно-линейной аппроксимации; и определяют данные изображения с повышенным отношением К/Ш на основании дополнительных данных и усиленной карты распределения контрастного вещества для кусочно-линейной аппроксимации. 2 н. и 12 з.п. ф-лы, 5 ил.

Description

120%
ОБЛАСТЬ ТЕХНИКИ
Нижеописанное изобретение относится, в общем, к визуализации и, в частности, к повышению отношения контраст-шум (отношения К/Ш) изображения и описано с конкретным применением к компьютерной томографии (КТ); однако нижеописанное изобретение применимо также к другим методам визуализации, например, позитронной эмиссионной томографии (ПЭТ), однофотонной эмиссионной компьютерной томографии (ОФЭКТ), магнитно-резонансной томографии (МРТ), рентгенорадиологии и/или другим методам визуализации.
ПРЕДШЕСТВУЮЩИЙ УРОВЕНЬ ТЕХНИКИ
Компьютерный томографический (КТ) сканер содержит рентгеновскую трубку, которая испускает излучение, которое проходит через область исследования и сквозь участок объекта или субъекта в данной области. Детектор детектирует излучение, проходящее через область исследования, и формирует данные проекций, характеризующие детектированное излучение. Блок реконструкции реконструирует данные проекций и формирует данные объемного изображения, характеризующие участок объекта или субъекта в области исследования.
Перед сканированием вводится контрастное вещество (например, йодированные агенты) (сканирование с повышенной контрастностью) для улучшения визуализации ткани во время диагностического обследования посредством визуализации методами КТ, ангиографии, флюороскопии, МРТ и множеством других методов визуализации, интервенционных клинических процедур, лечебных процедур, например, чрескожной транслюминальной коронарной ангиопластики (PTCA) и т.п., и/или процедур визуализации. В литературе указано, что каждый год выполняют десятки миллионов радиологических исследований с использованием йодированных контрастных веществ.
В общем, большой объем контрастного вещества дает, в результате, изображения с повышенным отношением контраст-шум (отношением К/Ш), а меньший объем контрастного вещества приводит к изображениям с меньшим отношением К/Ш. К сожалению, когда объем контрастного вещества увеличивают, повышаются также сопутствующие риски. Например, после парентерального введения контрастного вещества многие пациенты могут ощущать идиосинкразические воздействия, например ощущение жара, тошноту, зуд и воздействия других типов. Некоторые пациенты могут испытывать тяжелые и потенциально опасные для жизни аллергические реакции на контрастное вещество. Контрастное вещество может также вызывать поражение почек (контраст-индуцированную нефропатию (CIN)), так как у некоторых пациентов может развиваться острое ухудшение функции почек вследствие того, что йодированное контрастное вещество выводится через почки.
Так как количество контрастного вещества, вводимого пациенту, вызывает озабоченность, то разработан набор технологических вспомогательных методов для уменьшения использования контрастного вещества. Примеры упомянутых вспомогательных методов включают в себя инъекционные устройства с электронным управлением, метод высокоскоростного вытеснения физиологическим раствором, сокращение времени вращения, расширение зоны обзора, программное обеспечение для слежения за болюсом и применение протоколов с уменьшенным ускоряющим напряжением. Кроме того, разработаны неионные и низкоосмолярные средства, которые легче переносятся пациентами с точки зрения идиосинкразических действий, но обычно стоят дороже. Тем не менее сохраняется неудовлетворенная потребность в новых и неочевидных подходах, которые помогают уменьшить количество контрастного вещества, используемого для сканирования пациентов, при обеспечении изображений диагностического качества.
КРАТКОЕ ИЗЛОЖЕНИЕ СУЩНОСТИ ИЗОБРЕТЕНИЯ
Аспекты настоящей заявки решают вышеупомянутые и другие проблемы.
В соответствии с одним аспектом, способ содержит этап повышения отношения контраст-шум (отношения К/Ш) данных изображения, этап формирования данных изображения с повышенным отношением К/Ш, при этом данные изображения с повышенным отношением К/Ш имеют, по существу, такое же качество изображения, как данные изображения.
В соответствии с другим аспектом, компьютерная система содержит компьютерно-читаемый носитель данных, кодированный компьютерно-читаемыми командами для повышения отношения контраст-шум (отношения К/Ш) данных изображения и, по меньшей мере, один из процессоров, который, при исполнении компьютерно-считываемых команд, побуждает компьютерную систему повышать отношение К/Ш данных изображения.
В соответствии с другим аспектом, способ содержит этап формирования данных изображения с повышенным отношением К/Ш, при этом данные изображения с повышенным отношением К/Ш имеют, по существу, такие же качество изображения, шумовой спектр и пространственную разрешающую способность, как данные изображения.
КРАТКОЕ ОПИСАНИЕ ЧЕРТЕЖЕЙ
Изобретение может быть выполнено в форме различных компонентов и схем расположения компонентов и различных этапов и последовательности этапов. Чертежи предназначены только для иллюстрации предпочтительных вариантов осуществления и не подлежат истолкованию в смысле ограничения изобретения.
Фиг. 1 изображает систему визуализации в связи с модулем повышения отношения контраст-шум (отношения К/Ш) данных изображения.
Фиг. 2 изображает пример устройства повышения отношения К/Ш.
Фиг. 3 изображает другой пример устройства повышения отношения К/Ш.
Фиг. 4 изображает способ повышения отношения К/Ш в данных изображения.
Фиг. 5 изображает другой способ повышения отношения К/Ш в данных изображения.
ОПИСАНИЕ ПРЕДПОЧТИТЕЛЬНЫХ ВАРИАНТОВ ОСУЩЕСТВЛЕНИЯ
Нижеописанное изобретение относится к облегчению задачи уменьшения количества контрастного вещества, применяемого для данной процедуры визуализации с повышенной контрастностью, при сохранении качества изображения как можно ближе к качеству соответствующего сканирования с полным объемом контрастного вещества. Процедура визуализации может быть любой процедурой визуализации, во время которой применяют контрастное вещество, подобной визуализации, выполняемой таким методом визуализации, как, например, компьютерная томография (КТ), позитронная эмиссионная томография (ПЭТ), однофотонная эмиссионная компьютерная томография (ОФЭКТ), магнитно-резонансная томография (МРТ), рентгенорадиология и/или другие методы визуализации. Однако для краткости и с целью разъяснения нижеследующее описание приведено в связи с КТ-сканером.
На фиг. 1 изображена система визуализации, а именно компьютерный томографический (КТ) сканер 100.
Сканер 100 включает в себя стационарный гентри 102 и поворотный гентри 104, который установлен с возможностью поворота на стационарном гентри 102. Поворотный гентри 104 поворачивается вокруг области 106 исследования относительно продольной или z-оси. Опора 108 пациента, например стол, поддерживает пациента в области 106 исследования и может перемещаться вдоль z-оси согласованно с поворотом поворотного гентри 104 для поддержки спиральной, аксиальной или других требуемых траекторий сканирования.
Источник 110 излучения, например рентгеновская трубка, установлен на поворотном гентри 104 и поворачивается совместно с ним вокруг области 106 исследования. Источник 110 излучения испускает излучение, которое коллимируется коллиматором источника для формирования, в общем, веерообразного, клиновидного или конусообразного пучка, который проходит через область 106 исследования. Детекторная матрица 112, чувствительная к излучению, регистрирует излучение, которое проходит через область 106 исследования и формирует данные проекций, характеризующие детектированное излучение.
Блок 114 реконструкции реконструирует данные проекций и формирует данные объемного изображения, характеризующие область 106 исследования. Универсальная компьютерная система выполняет функцию операторского пульта 116 и включает в себя устройство вывода, например дисплей, и устройство ввода, например клавиатуру, мышь и/или что-либо подобное. Резидентное программное обеспечение пульта 116 дает оператору возможность управлять работой системы 100, например, дает оператору возможность включать сканирование и т.п.
Компьютерная система 118, например, рабочая станция, компьютер или что-то подобное, сконфигурирована с возможностью обработки данных изображения. Компьютерная система 118 включает в себя, по меньшей мере, один процессор 120 и компьютерно-читаемый носитель 122 данных (например, физическую память), с закодированными или встроенными компьютерно-читаемыми командами (например, программами системы программного обеспечения), которые, при исполнении, по меньшей мере, одним процессором 120, побуждают компьютерную систему 118 выполнять различные функции. Носитель 122 данных также сохраняет данные 124.
Упомянутые команды включают в себя команды для реализации устройства 126 повышения отношения контраст-шум (отношения К/Ш). Как подробно поясняется в дальнейшем, устройство 126 повышения отношения К/Ш, при исполнении процессором(ами) 120, повышает отношение К/Ш данных изображения, например, данных изображения, сформированных блоком 114 реконструкции или иным способом. Упомянутое улучшение качества позволяет уменьшить объем контрастного вещества, вводимого пациенту для процедуры визуализации (например, на 80%), с получением при этом качества изображения, которое обеспечивалось бы с использованием назначенного объема контрастного вещества без использования устройства 126 повышения отношения К/Ш.
В одном варианте осуществления команды задействуют визуальное представление интерактивного графического пользовательского интерфейса (GUI), с которым может взаимодействовать клинический врач, чтобы, помимо прочего, задавать величину уменьшения объема контрастного вещества для конкретного сканирования, при этом модуль 126 повышения отношения К/Ш компенсирует заданное уменьшение. Интерфейс GUI можно также использовать как инструментальное средство для выделения структуры и/или получения пробного изображения. В данном случае клинический врач может немного скорректировать, по меньшей мере, один параметр, чтобы опробовать изображения и/или получить требуемые и/или желательные результаты визуализации.
Кроме того или в качестве альтернативы устройство 126 повышения отношения К/Ш можно использовать для повышения отношения К/Ш в процедурах визуализации, при которых время внесения контрастного вещества пропущено, что может исключить необходимость введения еще одного объема контрастного вещества и/или выполнения еще одного сканирования. Кроме того или в качестве альтернативы устройство 126 повышения отношения К/Ш можно использовать для повышения отношения К/Ш, при сохранении уровня шума и/или шумового спектра (NPS) для исследований, предусматривающих различение мягких тканей, различение серого и белого вещества головного мозга и/или различение других малоконтрастных структур.
По меньшей мере, один коммуникационный порт 128 сконфигурирован для связи с, по меньшей мере, одним устройством ввода (например, клавиатурой, мышью и т.п.), по меньшей мере, одним устройством вывода (например, дисплеем, принтером и т.п.), по меньшей мере, одним устройством (например, компьютерной системой, портативным запоминающим устройством и т.п.), по меньшей мере, одним хранилищем данных, системой 100 (например, пультом 116 и/или блоком 114 реконструкции) и т.п. Графический контроллер 130 обрабатывает данные для представления на мониторе, например, дисплее 132, в удобочитаемом для человека формате.
Хотя носитель 122 данных изображен в виде одного компонента, следует понимать, что носитель 122 данных может включать в себя множество запоминающих устройств, в том числе локальное запоминающее устройство компьютерной системы 118 и/или запоминающее устройство, внешнее относительно компьютерной системы 118. Аналогично процессоры 120 могут быть распределены по разным вычислительным системам. Кроме того, компьютерная система 118 может входить в состав пульта 116 или наоборот или может быть удалена от системы 100. Кроме того, по меньшей мере, один процессор 120 может дополнительно или в качестве альтернативы исполнять команды, содержащиеся на временном носителе, например, сигнале или несущей частоте.
На фиг. 2 представлено примерное устройство 126 повышения отношения К/Ш, который обрабатывает данные и формирует данные изображения с повышенным отношением К/Ш.
Устройство 126 повышения отношения К/Ш включает в себя блок 202 оценки малоконтрастного изображения, который обладает высокой чувствительностью к малоконтрастным структурам и очень точно сохраняет малоконтрастные структуры, с сохранением значений плотности в единицах Хаунсфилдта (HU)/интенсивности малоконтрастных областей. Показанный блок 202 оценки малоконтрастного изображения включает в себя блок 204 оценки шума, блок 206 оценки локальных структур, аппроксиматор 208 малоконтрастных структур и блок 210 вычитания.
Блок 204 оценки шума оценивает данные изображения и определяет оценку картины распределения шумов (например, модель шумов) в данных изображения. Для оценки картины распределения шумов можно применить различные известные методы. Примеры подходящих методов включают в себя оценку методом Монте-Карло, аналитическую оценку, оценку по изображению и/или другой метод.
Блок 206 оценки локальных структур оценивает локальную структуру, имеющую улучшенное отношение К/Ш, например, установлением различия между шумовым слоем и нижележащими исследуемыми структурами на основании полученной картины распределения шумов. Для оценки локальных структур можно применить различные известные методы. Примеры подходящих методов включают в себя двухстороннюю фильтрацию, диффузионную фильтрацию, подавления шумов полной вариации, фильтр среднего смещения и/или другой метод.
Следует отметить, что вышеперечисленные подходы эффективно подавляют шумы и обладают способностью значительно повышать отношения К/Ш, но не обеспечивают высокую чувствительность и способность полностью сохранять значения интенсивности малоконтрастных областей, особенно при наличии сильных шумов.
Аппроксиматор 208 малоконтрастных структур формирует кусочно-гладкую (PWS) аппроксимацию. В одном неограничивающем примере данная аппроксимация выполняется по исходным данным изображения, с использованием локальных структур, полученных блоком 206 оценки локальных структур, и модели шумов, полученной блоком 204 оценки шума. Оценка локальной структуры определяется достаточно точно и обладает повышенным отношением К/Ш. Кроме того, поскольку упомянутая аппроксимация выполняется по исходным данным изображения, то значения интенсивности малоконтрастных областей сохраняются очень точно.
Дополнительный вариант состоит в формировании новой модели шумов в качестве альтернативы модели шумов, полученной блоком 204 оценки шума. Новая модель шумов оценивается на основании оценки локальных структур, полученной блоком 206 оценки локальных структур.
Для формирования кусочно-гладкой (PWS) аппроксимации можно применить различные известные методы. Примеры подходящих методов включают в себя фильтрацию методом среднего сдвига, двухстороннюю фильтрацию, диффузионную фильтрацию и/или другой метод, который может формировать кусочно-гладкую (PWS) аппроксимацию на основании входной оценки локальных структур и модели локальных шумов.
При использовании алгоритма среднего смещения ядро настраивают по параметру диапазона частот и расстояниям между значением текущего пикселя и его окрестностью. Параметр локального диапазона частот задает чувствительность алгоритма к уровню сигнала и может быть настроен в виде функции локального уровня шумов.
Расстояния между свойствами обработанного пикселя и окрестностью задают относительное пространственное положение пикселей, т.е. задают локальную структуру. При приведенном примере упомянутые расстояния устанавливают в соответствии с расстояниями при оценке локальных структур с повышенным локальным отношением К/Ш и используют для формирования кусочно-гладкой (PWS) аппроксимации.
В дополнительном варианте кусочно-гладкую (PWS) аппроксимацию определяют с использованием итерационного алгоритма, в котором результат вычисления на каждой итерации используют для уточнения модели шумов и оценки локальной структуры, что может приводить к более точной кусочно-гладкой (PWS) аппроксимации.
Результат вычисления блока 202 оценки малоконтрастного изображения является кусочно-гладкой (PWS) аппроксимацией и данными изображения, дополнительными к кусочно-гладкой (PWS) части, которые определяют на основании входных данных изображения и кусочно-гладкой (PWS) аппроксимации, например, путем вычитания кусочно-гладкой (PWS) аппроксимации из входных данных изображения посредством блока 210 вычитания. Дополнение к кусочно-гладкой (PWS) части содержит главным образом шумы, артефакты и/или мелкомасштабные повторяющиеся детали.
Блок 212 определения маски определяет маску на основании данных изображения. В приведенном примере блок 212 определения маски идентифицирует и сегментирует костную структуру в данных изображения, и сегментированную кость используют для формирования костной маски по всей области обследования или ее предварительно заданному участку. Для сегментации костной структуры можно применить различные известные методы. Примеры подходящих методов включают в себя морфологический метод, методы на основе атласа, на основе модели и/или другие методы.
Блок 214 оценки карты распределения контрастного вещества оценивает карту (CMmap) распределения контрастного вещества (КВ) на основании костной маски и кусочно-гладкой (PWS) аппроксимации. Карта распределения КВ обычно представляет собой карту в единицах HU (единицах Хаунсфилдта), которая представляет собой изменения значений HU из-за присутствия КВ. В приведенном примере карту распределения КВ аппроксимируют на основании сравнения значений кусочно-гладкой (PWS) аппроксимации с опорным значением, которое представляет типичное значение для мягкой ткани в данных изображения.
Узкий динамический диапазон мягкой ткани облегчает оценку и гарантирует относительно небольшую погрешность оценки. Кроме того, костную маску используют для предотвращения неправильной оценки контрастного вещества в областях костной ткани.
Блок 216 усиления карты распределения контрастного вещества усиливает области контрастного вещества на карте, чтобы компенсировать любое уменьшение объема контрастного вещества. В приведенном примере блок 216 усиления карты распределения контрастного вещества, на основании линейной зависимости между концентрацией контрастного вещества и значениями HU в данных изображения, компенсирует области контрастного вещества в соответствии с уравнением 1:
УРАВНЕНИЕ 1:
C M m a p + = ( α − 1 ) C M m a p
Figure 00000001
 ,
где C M m a p +
Figure 00000002
 означает усиленную карту распределения контрастного вещества (т.е. величину усиления для каждого пикселя), и α означает параметр умножения при усилении.
В общем, параметр α определяют как величину, обратную уменьшению объема контрастного вещества. Например, когда объем контрастного вещества уменьшен на 50%, то параметр α настраивают на равенство двум (2) (т.е. 1/0,5). С использованием данной настройки отношение К/Ш будет почти таким, как при соответствующем обследовании с полным объемом контрастного вещества.
В дополнительном варианте блок 216 усиления карты распределения контрастного вещества обладает возможностью ограничения величины усиления. Упомянутая возможность ограничения позволяет повысить надежность при разных сценариях, например, ошибочной настройке параметра α, ограничения усиления эффектов частичного объема (PVE) при кальцинозе, случаях применения алгоритма при обследованиях с полным объемом контрастного вещества и т.п.
Для данного варианта блок 216 усиления карты распределения контрастного вещества компенсирует области контрастного вещества в соответствии с уравнением 2:
УРАВНЕНИЕ 2:
C M m a p + = { ( α − 1 ) C M m a p , C M m a p ≤ ω ( α − 1 ) ω − β ( C M m a p − ω ) , C M m a p > ω     и     C M m a p < ω ( 1 + α − 1 β ) ,
Figure 00000003
где ω означает ширину диапазона усиления, и β означает степень ослабления усиления, которую применяют вне ширины ω диапазона усиления. Следует отметить, что при C M m a p ≥ ω ( 1 + α − 1 β )
Figure 00000004
 усиление не выполняется.
В качестве альтернативы вышеупомянутому параметру ω можно применить верхний порог значений HU для усиления. Верхний порог можно устанавливать для данных изображения и/или для данных изображения после усиления. В каждом случае параметр ω можно вывести из упомянутых верхних порогов и использовать с уравнением 2.
Так как КТ системы имеют ограниченную пространственную разрешающую способность, то алгоритм обладает также дополнительной необязательной способностью моделировать эффекты частичного объема (PVE) по усиленным областям. Эффекты частичного объема (PVE) можно моделировать применением низкочастотной фильтрации по всей усиленной карте C M m a p +
Figure 00000002
 распределения контрастного вещества.
Как кратко описано выше, устройство 126 повышения отношения К/Ш можно использовать с интерактивным интерфейсом GUI для выделения структуры и/или получения пробного изображения. Пользователь может применять интерактивный интерфейс GUI, чтобы немного скорректировать, по меньшей мере, один из вышеупомянутых параметров усиления (т.е. α, β и/или ω/верхние пороги) для опробования изображения и/или получения оптимального и/или требуемого усиления. Небольшую ручную коррекцию можно выполнять с помощью мыши, клавиатуры или любого другого устройства пользовательского интерфейса.
Блок 218 улучшения качества кусочно-гладкой (PWS) аппроксимации формирует кусочно-гладкую (PWS) аппроксимацию улучшенного качества на основе усиленной карты C M m a p +
Figure 00000002
 распределения контрастного вещества. Например, в показанном варианте осуществления блок 218 улучшения качества кусочно-гладкой (PWS) аппроксимации суммирует или складывает усиленную карту C M m a p +
Figure 00000002
 распределения контрастного вещества с кусочно-гладкой (PWS) аппроксимацией.
Блок 220 улучшения качества данных изображения формирует данные изображения с повышенным отношением К/Ш. В приведенном примере блок 220 улучшения качества данных изображения формирует данные изображения с повышенным отношением К/Ш посредством суммирования или сложения части данных изображения, дополнительных к кусочно-гладкой (PWS) аппроксимации, (вычисленной блоком 210 вычитания) и кусочно-гладкой (PWS) аппроксимации улучшенного качества (вычисленной блоком 218 улучшения качества кусочно-гладкой (PWS) аппроксимации).
Следует отметить, что поскольку улучшение качества выполняется по кусочно-гладкой (PWS) аппроксимации, то улучшение качества не усиливает шум данных изображения и не изменяет шумовой спектр (NPS) или пространственную разрешающую способность. По существу, данные изображения улучшенного качества имеют такое же качество изображения (т.е. шум, шумовой спектр (NPS) и разрешающую способность), как входные данные изображения. В общем, поскольку уровень шумов сохраняется, а контраст повышается, то алгоритм повышает отношение К/Ш данных изображения.
На фиг. 3 изображен альтернативный вариант осуществления, в котором маскирование кости и ограничение верхним порогом можно получать методом, который использует низкую концентрацию йода и отделяет его от кальция. В приведенном примере кусочно-гладкая (PWS) аппроксимация и часть, дополнительная к кусочно-гладкой (PWS) аппроксимации, могут быть вычислены блоком 202 оценки малоконтрастного изображения, как описано выше в связи с фигурой 2.
Блок 302 уменьшения значений пикселей контрастного вещества уменьшает значения пикселей контрастного вещества в кусочно-гладкой (PWS) аппроксимации до предварительно заданного опорного значения мягкой ткани, при минимальном изменении значений для кости и кальция. В показанном варианте осуществления блок 302 уменьшения значений пикселей контрастного вещества использует итерационный метод. В одном случае итерационный метод основан на уравнении 3:
УРАВНЕНИЕ 3:
I t + 1 = I t ( 1 − d t 1 + ( I t K ) 2 )
Figure 00000005
 ,
где K и dt являются предварительно заданными параметрами.
Условие завершения можно определять по разности между последовательными итерациями, удовлетворяющей предварительно заданному порогу, и/или другим критериям завершения. Пользователь может использовать интерактивный интерфейс GUI для оптимизации параметров посредством маркировки области интереса (ROI) на данных изображения.
Блок 304 оценки неконтрастного изображения оценивает данные неконтрастного изображения на основании данных, дополнительных к кусочно-гладкой (PWS) аппроксимации, и кусочно-гладкой (PWS) аппроксимации для уменьшенного объема контрастного вещества. В показанном примере блок 304 оценки неконтрастного изображения оценивает данные неконтрастного изображения посредством суммирования или сложения данных, дополнительных к кусочно-гладкой (PWS) аппроксимации, и кусочно-гладкой (PWS) аппроксимации уменьшенного объема контрастного вещества.
Блок 306 определения карты распределения контрастного вещества определяет карту распределения контрастного вещества на основании входных данных изображения и оценки данных неконтрастного изображения. В показанном примере блок 306 определения карты распределения контрастного вещества определяет карту распределения контрастного вещества посредством вычитания оценки данных неконтрастного изображения из входных данных изображения. Данная оценка основана на том, что мягкая ткань имеет узкий диапазон КТ значений, и, следовательно, погрешность оценки мало влияет на данные изображения.
Блок 308 определения погрешности визуализации определяет погрешность визуализации на основании карты распределения контрастного вещества и различных параметров, например, погрешности оценки, усилении и ширине окна и/или другого(их) параметра(ов), которые могут быть введены и/или модифицированы пользователем посредством интерфейса GUI. В показанном варианте осуществления блок 308 определения погрешности (EVisual) визуализации определяет погрешность визуализации на основании уравнения 4.
УРАВНЕНИЕ 4;
E V i s u a l = 1 N 2 ∑ x ∈ X ( I N C ( x ) − I ^ n o n − c o n t r a s t ( x ) ) 2 w ( α − 1 )
Figure 00000006
 ,
где I N C , I ^ n o n − c o n t r a s t
Figure 00000007
 , соответственно, означают реальное изображение и оценку неконтрастного изображения, α означает коэффициент усиления контрастного вещества, w означает ширину окна, и X означает множество оцененных пикселей. В общем, типичная ошибка обычно меньше чем 5%.
Блок 220 улучшения качества данных изображения (фиг. 2) формирует данные изображения с повышенным отношением К/Ш на основании входных данных изображения и погрешности (EVisual) визуализации. В показанном примере блок 220 улучшения качества данных изображения формирует данные изображения с повышенным отношением К/Ш посредством суммирования или сложения входных данных изображения и погрешности (EVisual) визуализации.
На фиг. 4 приведен примерный способ повышения отношения контраст-шум данных изображения.
На этапе 402 формируют кусочно-гладкую (PWS) аппроксимацию по данным изображения. Как поясняется в настоящей заявке, упомянутое формирование можно выполнить оценкой модели шумов на основании данных изображения, определением оценки локальных структур на основании модели шумов и определением кусочно-гладкой (PWS) аппроксимации на основании оценки локальных структур и по желанию новой модели шумов, сформированной на основании оценки локальных структур.
На этапе 404 формируют данные, дополнительные к кусочно-гладкой (PWS) аппроксимации. Как поясняется в настоящей заявке, упомянутое формирование можно выполнить вычитанием кусочно-гладкой (PWS) аппроксимации из данных изображения.
На этапе 406 формируют костную маску на основании данных изображения. Как поясняется в настоящей заявке, упомянутое формирование можно выполнить сегментацией костной структуры в данных изображения.
На этапе 408 оценивают карту распределения контрастного вещества на основании кусочно-гладкой (PWS) аппроксимации и костной маски. Как поясняется в настоящей заявке, упомянутую оценку можно получить сравнением кусочно-гладкой (PWS) аппроксимации с опорным значением, которое представляет типичное значение для мягкой ткани в данных изображения, при этом костную маску используют для предотвращения неправильной оценки контрастного вещества в областях костной ткани.
На этапе 410 оценивают усиленную карту распределения контрастного вещества на основании карты распределения контрастного вещества и различных конфигурируемых параметров. Как поясняется в настоящей заявке, примеры упомянутых параметров включают в себя параметр (α) умножения при усилении, ширину диапазона параметра (ω) усиления и параметр (β) ослабления усиления.
На этапе 412 формируют данные изображения с повышенным отношением К/Ш на основании данных, дополнительных к кусочно-гладкой (PWS) аппроксимации, и усиленной карты распределения контрастного вещества. Как поясняется в настоящей заявке, упомянутое формирование можно выполнить суммированием или сложением данных, дополнительных к кусочно-гладкой (PWS) аппроксимации, и усиленной карты распределения контрастного вещества.
Следует понимать, что порядок следования вышеописанных этапов не является ограничивающим. По существу, в настоящем изобретении предполагается возможность других порядков следования. Кроме того, может отсутствовать, по меньшей мере, один этап и/или может содержаться, по меньшей мере, один дополнительный этап.
На фиг. 5 изображен примерный способ повышения отношения контраст-шум в данных изображения.
На этапе 502 формируют кусочно-гладкую (PWS) аппроксимацию по данным изображения. Как поясняется в настоящей заявке, упомянутое формирование можно выполнить оценкой модели шумов на основании данных изображения, определением оценки локальных структур на основании модели шумов и определением кусочно-гладкой (PWS) аппроксимации на основании оценки локальных структур и по желанию новой модели шумов, сформированной на основании оценки локальных структур.
На этапе 504 формируют данные, дополнительные к кусочно-гладкой (PWS) аппроксимации. Как поясняется в настоящей заявке, упомянутое формирование можно выполнить вычитанием кусочно-гладкой (PWS) аппроксимации из данных изображения.
На этапе 506 уменьшают значения пикселей контрастного вещества до опорного значения мягкой ткани, при минимальном изменении значений для кости и кальция. Как поясняется в настоящей заявке, упомянутое уменьшение можно выполнить посредством итерационной процедуры с использованием различных критериев завершения.
На этапе 508 оценивают данные неконтрастного изображения на основании данных, дополнительных к кусочно-гладкой (PWS) аппроксимации, и уменьшенных данных пикселей контрастного вещества. Как поясняется в настоящей заявке, упомянутую оценку можно выполнить суммированием или сложением данных, дополнительных к кусочно-гладкой (PWS) аппроксимации, и уменьшенных данных пикселей контрастного вещества.
На этапе 510 оценивают карту распределения контрастного вещества на основании оценки данных неконтрастного изображения и исходных данных изображения. Как поясняется в настоящей заявке, упомянутую оценку можно выполнить вычитанием оценки данных неконтрастного изображения из исходных данных изображения.
На этапе 512 формируют погрешность визуализации на основании карты распределения контрастного вещества и различных параметров. Примеры упомянутых параметров включают в себя коэффициент (α) усиления контрастного вещества, ширину (w) окна и множество оцененных пикселей (X).
На этапе 514 формируют данные изображения с повышенным отношением К/Ш на основании исходных данных изображения и погрешности визуализации. В показанном примере данные изображения с повышенным контрастом формируют суммированием или сложением исходных данных изображения и погрешности визуализации.
Следует понимать, что порядок следования вышеописанных этапов не является ограничивающим. По существу, в настоящем изобретении предполагается возможность других порядков следования. Кроме того, может отсутствовать, по меньшей мере, один этап и/или может содержаться, по меньшей мере, один дополнительный этап.
Вышеописанные способы могут быть реализованы посредством компьютерно-читаемых команд, которые, при исполнении процессором(ами) компьютера, побуждают процессор(ы) выполнять описанные этапы. В данном случае команды хранятся на компьютерно-читаемом носителе информации, связанном с соответствующим компьютером или иначе доступном упомянутому компьютеру. Этапы не обязательно должны выполняться одновременно со сбором данных.
Следует понимать, что аппроксиматор 208 малоконтрастных структур можно также использовать как общий алгоритм подавления шумов и сохранения контуров. То есть аппроксиматор 208 может быть, сам по себе, очень эффективным и точным алгоритмом подавления шумов, так как, например, упомянутый аппроксиматор обладает очень полезной способностью очень точного сохранения малоконтрастных структур, т.е. сохранения значений HU/интенсивности малоконтрастных областей.
Выше приведено описание изобретения на примере различных вариантов осуществления. После прочтения настоящего описания специалистами могут быть созданы модификации и внесены изменения. Предполагается, что изобретение следует интерпретировать как включающее в себя все упомянутые модификации и изменения, насколько они находятся в пределах объема охраны прилагаемой формулы изобретения или ее эквивалентов.

Claims (14)

1. Способ повышения отношения контраст-шум (отношения К/Ш) данных изображения, содержащий этапы, на которых:
определяют кусочно-линейную аппроксимацию данных изображения;
определяют костную маску на основании данных изображения;
определяют карту распределения контрастного вещества на основании кусочно-линейной аппроксимации и костной маски;
определяют усиленную карту распределения контрастного вещества на основании карты распределения контрастного вещества и, по меньшей мере, одного из параметров;
определяют данные, дополнительные к кусочно-линейной аппроксимации, на основании данных изображения и кусочно-линейной аппроксимации; и
определяют данные изображения с повышенным отношением К/Ш на основании дополнительных данных и усиленной карты распределения контрастного вещества для кусочно-линейной аппроксимации.
2. Способ по п. 1, в котором повышение отношения К/Ш не повышает уровень шума данных изображения, шумовой спектр данных изображения и пространственную разрешающую способность данных изображения.
3. Способ по п. 1 или 2, в котором данные изображения соответствуют процедуре визуализации с повышенной контрастностью, при которой объем контрастного вещества уменьшен относительно предварительно заданного назначенного объема контрастного вещества, и повышение отношения К/Ш данных изображения компенсирует уменьшенный объем контрастного вещества таким образом, что качество изображения данных изображения с повышенным отношением К/Ш является, по существу, таким же, как качество изображения при предварительно заданном назначенном объеме контрастного вещества.
4. Способ по п. 3, в котором величина уменьшения объема контрастного вещества основана на входных данных, характеризующих объем интереса пользователя.
5. Способ по п. 1 или 2, в котором данные изображения соответствуют процедуре визуализации с повышенной контрастностью, при которой время внесения контрастного вещества пропускают, и повышение отношения К/Ш данных изображения компенсирует уменьшенный объем контрастного вещества таким образом, что качество изображения данных изображения с повышенным отношением К/Ш является, по существу, таким же, как качество изображения в отсутствие пропуска времени внесения контрастного вещества.
6. Способ по п. 1 или 2, в котором данные изображения соответствуют процедуре визуализации с повышенной контрастностью, при которой повышают отношение К/Ш мягкой ткани для различения мягких тканей, имеющих сходные характеристики контрастности.
7. Способ по п. 1 или 2, в котором величину уменьшения объема контрастного вещества селективно изменяют до тех пор, пока не получают представляющую интерес визуализацию.
8. Способ по п. 1, в котором этап определения кусочно-линейной аппроксимации содержит этапы, на которых:
оценивают модель шумов на основании данных изображения;
определяют оценку локальных структур на основании модели шумов; и
определяют кусочно-линейную аппроксимацию на основании оценки локальных структур и модели шумов.
9. Способ по п. 8, в котором кусочно-линейную аппроксимацию определяют на основании оценки локальных структур и новой модели шумов, сформированной на основании оценки локальных структур.
10. Способ по п. 1, в котором, по меньшей мере, один из параметров включает в себя, по меньшей мере, один из параметра умножения при усилении, ширины диапазона параметра усиления и параметра ослабления усиления.
11. Способ по п. 1, в котором, по меньшей мере, на одном из этапов определения данных изображения с повышенным отношением К/Ш суммируют данные, дополнительные к кусочно-линейной аппроксимации, и усиленную карту распределения контрастного вещества, или определения данных, дополнительных к кусочно-линейной аппроксимации вычитают кусочно-линейную аппроксимацию из данных изображения.
12. Способ по п. 1 или 2, в котором этап повышения отношения К/Ш содержит этапы, на которых:
уменьшают значения пикселей контрастного вещества в кусочно-линейной аппроксимации до опорного значения мягкой ткани;
определяют данные неконтрастного изображения на основании дополнительных данных и данных пикселей уменьшенного объема контрастного вещества;
определяют карту распределения контрастного вещества на основании оцененных данных неконтрастного изображения и исходных данных изображения;
определяют погрешность визуализации на основании карты распределения контрастного вещества и различных параметров; и
определяют данные изображения с повышенным отношением К/Ш на основании погрешности визуализации и данных изображения.
13. Способ по п. 12, в котором, по меньшей мере, на одном из этапов определения данных неконтрастного изображения суммируют дополнительные данные и данные пикселей уменьшенного объема контрастного вещества, или определения карты распределения контрастного вещества вычитают оцененные данные неконтрастного изображения из данных изображения.
14. Способ повышения отношения контраст-шум (отношения К/Ш) данных изображения, содержащий этапы, на которых:
определяют кусочно-линейную аппроксимацию на основании данных изображения;
определяют данные, дополнительные к кусочно-линейной аппроксимации, на основании данных изображения и кусочно-линейной аппроксимации;
уменьшают значения пикселей контрастного вещества в кусочно-линейной аппроксимации до опорного значения мягкой ткани;
определяют данные неконтрастного изображения на основании дополнительных данных и данных пикселей уменьшенного объема контрастного вещества;
определяют карту распределения контрастного вещества на основании оцененных данных неконтрастного изображения и исходных данных изображения;
определяют погрешность визуализации на основании карты распределения контрастного вещества и различных параметров; и
определяют данные изображения с повышенным отношением К/Ш на основании погрешности визуализации и данных изображения.
RU2013135000/08A 2010-12-01 2011-11-16 Устройство повышения отношения контраст-шум (к/ш) RU2598334C2 (ru)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US41842210P 2010-12-01 2010-12-01
US61/418,422 2010-12-01
PCT/IB2011/055122 WO2012073140A1 (en) 2010-12-01 2011-11-16 Contrast to noise ratio (cnr) enhancer

Publications (2)

Publication Number Publication Date
RU2013135000A RU2013135000A (ru) 2015-01-27
RU2598334C2 true RU2598334C2 (ru) 2016-09-20

Family

ID=45562371

Family Applications (1)

Application Number Title Priority Date Filing Date
RU2013135000/08A RU2598334C2 (ru) 2010-12-01 2011-11-16 Устройство повышения отношения контраст-шум (к/ш)

Country Status (5)

Country Link
US (1) US9159124B2 (ru)
EP (1) EP2646975B1 (ru)
CN (1) CN103229209B (ru)
RU (1) RU2598334C2 (ru)
WO (1) WO2012073140A1 (ru)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103339657B (zh) 2011-02-01 2016-08-31 皇家飞利浦有限公司 用于双能量ct图像重建的方法和系统
JP6100772B2 (ja) 2011-07-15 2017-03-22 コーニンクレッカ フィリップス エヌ ヴェＫｏｎｉｎｋｌｉｊｋｅ Ｐｈｉｌｉｐｓ Ｎ．Ｖ． 画像処理方法及びコンピューティング装置
CA3126986A1 (en) 2019-02-06 2020-08-13 William E. Butler Spatiotemporal reconstruction of a moving vascular pulse wave from a plurality of lower dimensional angiographic projections
US20200245961A1 (en) * 2019-02-06 2020-08-06 William E. Butler Methods for angiography
US11291422B2 (en) 2019-03-27 2022-04-05 William E. Butler Reconstructing cardiac frequency phenomena in angiographic data
EP3946030A4 (en) 2019-04-04 2022-12-28 William E. Butler OPTICAL CROSS-CORELATED WAVELET ANGIOGRAPHY WITH INTRINSIC CONTRAST
WO2024081800A1 (en) * 2022-10-12 2024-04-18 Octave Bioscience, Inc. Measuring brain volumes for modeling neurological disease state

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6512807B1 (en) * 2001-11-21 2003-01-28 Koninklijke Philips Electronics, N.V. Low signal correction for perfusion measurements
US20070263915A1 (en) * 2006-01-10 2007-11-15 Adi Mashiach System and method for segmenting structures in a series of images
RU2381525C2 (ru) * 2004-09-30 2010-02-10 Тагуспарки-Сосьедади Ди-Промосан-И-Дезенвольвименто Ду-Парки Ди-Сьенсьяш-И-Текноложья Да-Ареа Ди-Лисбоа, С.А. Система позитрон-эмиссионной томографии

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6466687B1 (en) * 1997-02-12 2002-10-15 The University Of Iowa Research Foundation Method and apparatus for analyzing CT images to determine the presence of pulmonary tissue pathology
DE10107765A1 (de) * 2001-02-17 2002-08-29 Siemens Ag Verfahren zur Bildbearbeitung ausgehend von einem unter Verwendung eines Kontrastmittels aufgenommenen Computertomographie(CT)-Bildes einer Lunge und CT-Gerät zur Durchführung eines solchen Verfahrens
US7983383B2 (en) * 2006-12-20 2011-07-19 Hitachi Medical Corporation X-ray CT apparatus
JP4992433B2 (ja) * 2007-01-17 2012-08-08 ソニー株式会社 画像処理装置、画像処理方法、画像処理方法のプログラム及び画像処理方法のプログラムを記録した記録媒体
US20090226057A1 (en) * 2008-03-04 2009-09-10 Adi Mashiach Segmentation device and method
JP5694357B2 (ja) * 2009-11-25 2015-04-01 コーニンクレッカ フィリップス エヌ ヴェ 向上された画像データ／線量低減

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6512807B1 (en) * 2001-11-21 2003-01-28 Koninklijke Philips Electronics, N.V. Low signal correction for perfusion measurements
RU2381525C2 (ru) * 2004-09-30 2010-02-10 Тагуспарки-Сосьедади Ди-Промосан-И-Дезенвольвименто Ду-Парки Ди-Сьенсьяш-И-Текноложья Да-Ареа Ди-Лисбоа, С.А. Система позитрон-эмиссионной томографии
US20070263915A1 (en) * 2006-01-10 2007-11-15 Adi Mashiach System and method for segmenting structures in a series of images

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
Kump Kenneth S. "Digital substruction peripheral angiography using image stacking: Initial clinical results", Medical Physics, July 2001. *

Also Published As

Publication number Publication date
CN103229209A (zh) 2013-07-31
RU2013135000A (ru) 2015-01-27
WO2012073140A1 (en) 2012-06-07
CN103229209B (zh) 2016-03-09
US9159124B2 (en) 2015-10-13
EP2646975B1 (en) 2018-07-18
US20130243348A1 (en) 2013-09-19
EP2646975A1 (en) 2013-10-09

Similar Documents

Publication Publication Date Title
US10147168B2 (en) Spectral CT
RU2598334C2 (ru) Устройство повышения отношения контраст-шум (к/ш)
EP2605211B1 (en) Image processing apparatus, image processing method, and program
US10282820B2 (en) Structure propagation restoration for spectral CT
US8615120B2 (en) Spectral imaging
US10740932B2 (en) Method for the reconstruction of quantitative iodine maps using energy resolved tomography
Tao et al. Low dose dynamic CT myocardial perfusion imaging using a statistical iterative reconstruction method
Lee et al. Edge enhancement algorithm for low-dose X-ray fluoroscopic imaging
US10169848B2 (en) Restoration of low contrast structure in de-noise image data
Mirsadraee et al. Feasibility of radiation dose reduction using AIDR-3D in dynamic pulmonary CT perfusion
US20170014069A1 (en) Spectral imaging based fluid volume map
CN113205461A (zh) 一种低剂量ct影像去噪模型训练方法、去噪方法及装置
Sarno et al. Real-time algorithm for Poissonian noise reduction in low-dose fluoroscopy: performance evaluation
Modgil et al. Variable temporal sampling and tube current modulation for myocardial blood flow estimation from dose-reduced dynamic computed tomography
US10898150B2 (en) Vessel cross-sectional area measurement using CT angiography
Kim et al. Comparison study of various beam modulation schemes on image quality in chest digital tomosynthesis (CDT) system
US10332252B2 (en) Slope constrained cubic interpolation
CN106875342B (zh) 一种计算机断层图像处理方法和装置
You et al. Exploring the Low-Dose Limit for Focal Hepatic Lesion Detection with a Deep Learning-Based CT Reconstruction Algorithm: A Simulation Study on Patient Images
Chan et al. Minimum cross-entropy reconstruction of PET images with anatomically based anisotropic median-diffusion filtering
Babykala et al. Noise reduction in CT lung images

Legal Events

Date Code Title Description
MM4A The patent is invalid due to non-payment of fees

Effective date: 20171117