CN103339652A - 靠近伪影源的诊断图像特征 - Google Patents
靠近伪影源的诊断图像特征 Download PDFInfo
- Publication number
- CN103339652A CN103339652A CN2011800664878A CN201180066487A CN103339652A CN 103339652 A CN103339652 A CN 103339652A CN 2011800664878 A CN2011800664878 A CN 2011800664878A CN 201180066487 A CN201180066487 A CN 201180066487A CN 103339652 A CN103339652 A CN 103339652A
- Authority
- CN
- China
- Prior art keywords
- image
- confidence
- data
- attenuation
- correction
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000012937 correction Methods 0.000 claims abstract description 68
- 238000000034 method Methods 0.000 claims abstract description 65
- 238000002591 computed tomography Methods 0.000 claims abstract description 27
- 238000002600 positron emission tomography Methods 0.000 claims description 22
- 238000005259 measurement Methods 0.000 claims description 14
- 238000003325 tomography Methods 0.000 claims description 14
- 238000002603 single-photon emission computed tomography Methods 0.000 claims description 12
- 230000037182 bone density Effects 0.000 claims description 10
- 210000000988 bone and bone Anatomy 0.000 claims description 9
- 238000007408 cone-beam computed tomography Methods 0.000 claims description 9
- 230000006872 improvement Effects 0.000 claims description 9
- 238000012935 Averaging Methods 0.000 claims description 8
- 238000002595 magnetic resonance imaging Methods 0.000 claims description 4
- 238000003860 storage Methods 0.000 claims description 4
- 238000012876 topography Methods 0.000 claims description 4
- 230000001105 regulatory effect Effects 0.000 claims description 2
- 239000003086 colorant Substances 0.000 claims 3
- 239000007943 implant Substances 0.000 description 39
- 239000002184 metal Substances 0.000 description 8
- 230000006870 function Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 5
- 238000003384 imaging method Methods 0.000 description 5
- 230000002503 metabolic effect Effects 0.000 description 5
- 230000009471 action Effects 0.000 description 4
- 230000008901 benefit Effects 0.000 description 4
- 210000003484 anatomy Anatomy 0.000 description 3
- 238000013459 approach Methods 0.000 description 3
- 238000003745 diagnosis Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 2
- 230000007850 degeneration Effects 0.000 description 2
- 238000002224 dissection Methods 0.000 description 2
- 230000014759 maintenance of location Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000009206 nuclear medicine Methods 0.000 description 2
- 239000000700 radioactive tracer Substances 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 210000001519 tissue Anatomy 0.000 description 2
- 108010022579 ATP dependent 26S protease Proteins 0.000 description 1
- 206010060766 Heteroplasia Diseases 0.000 description 1
- 206010060872 Transplant failure Diseases 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 230000004060 metabolic process Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000035479 physiological effects, processes and functions Effects 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 230000002285 radioactive effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000008521 reorganization Effects 0.000 description 1
- 230000000007 visual effect Effects 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
-
- 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
- G06T11/008—Specific post-processing after tomographic reconstruction, e.g. voxelisation, metal artifact correction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10072—Tomographic images
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Medical Informatics (AREA)
- Biomedical Technology (AREA)
- Animal Behavior & Ethology (AREA)
- Optics & Photonics (AREA)
- Pathology (AREA)
- Radiology & Medical Imaging (AREA)
- High Energy & Nuclear Physics (AREA)
- Heart & Thoracic Surgery (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Biophysics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Nuclear Medicine (AREA)
- Magnetic Resonance Imaging Apparatus (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
在校正衰减图上由计算机断层摄影图像中的伪影源导致的伪影时，将核图像重建两次或更多次，每次使用不同的校正技术或未校正的衰减数据。对比重建图像中的对应体素以识别变化，即易受影响因此置信度低，的局部区域，以及在多个重建图像间不变化或表现出极小变化并从而赋予更高置信度的区域。利用颜色编码叠加重建的核图像，所述颜色编码指示赋予通过衰减校正的断层摄影重建获得的每个体素值的置信度的量。
Description
技术领域
本创新适用于断层摄影成像系统，尤其是关于其中的伪影减少。不过，要认识到，所述技术也可以应用于其他成像系统中，其他伪影减少的情形，其他图像质量改进技术等。
背景技术
对于断层摄影模态而言，例如计算机断层摄影（CT）、正电子发射断层摄影（PET）或单光子发射计算机断层摄影（SPECT），断层摄影重建提供了来自患者体内的局部测量结果。从诸如放射性示踪剂的摄取或X射线衰减和这些值的空间分布的定量和定性信息获得诊断信息，该信息即重建图像数据。对于所有断层摄影模态，已知存在伪影源，其可能导致图像质量劣化或可靠定量信息的全部损失。显著的伪影源，例如金属植入物和其他高度不透明的结构，导致所有以上模态的图像质量下降，造成的图像伪影对植入物局部附近（例如散晕）和其他图像区域中（例如条纹）都有影响。
对于一些临床应用而言，接近伪影源的图像数据是主要感兴趣内容。一个范例是骨科植入物和其宿主骨环境的长期稳定性的评估。组合式PET-CT扫描可以以双重方式揭示植入物与骨骼的固定的退化：植入物周围局部PET示踪剂浓度的增加指示包括退化的骨重组的代谢过程；接近植入物的CT信号降低表示骨密度的损失。总之，此信息允许评估植入失败的风险。对于这样的应用而言，接近植入物的图像信息是主要感兴趣内容，但由于植入物是伪影源，该图像信息也是非常不可靠的。
本申请提供了新的改进系统和方法，其用于评估并减少在存在图像伪影时进行的有或者没有衰减校正的断层摄影重建后的结构和功能图像数据中的不确定性，其克服了上文提及的问题和其他问题。
发明内容
据一个方面，一种改进断层摄影图像质量的方法包括：基于根据伪影源定义的应用特异性的箱（bin），对断层摄影值自动分箱（binning）；通过调节重建图像中受伪影影响的体素值来校正所述重建图像中的伪影；以及生成置信度图，所述置信度图包括针对每个所述箱中的已调节体素的置信度值。
根据另一方面，一种针对已利用结构图像数据进行衰减校正的核发射图像生成置信度图的方法包括：从原始采集的结构图像数据生成第一衰减图；对所述结构图像数据执行伪影减少方法，以生成伪影减少的结构图像数据；并且从所述伪影减少的结构图像数据生成第二衰减图。该方法还包括执行第一衰减校正重建协议，所述第一衰减校正重建协议利用所述第一衰减图重建一组核发射扫描数据，以生成第一衰减校正的重建核图像；执行第二衰减校正重建协议，所述第二衰减校正重建协议利用所述第二衰减图重建一组核发射扫描数据，以生成第二衰减校正的重建核图像；并且比较所述第一衰减校正的重建核图像和所述第二衰减校正的重建核图像，以识别其中由所述结构图像数据中的伪影引起的局部差异。此外，该方法包括针对所述衰减校正的核图像生成置信度图，所述置信度图包括针对所述第二衰减校正的核图像中每个校正图像元素的局部置信度值，根据所述第一重建核发射数据和第二重建核发射数据中的差异和一个或多个用户选择的参数识别所述局部置信度值；以及向用户显示叠加在第一或第二衰减校正的核图像上的置信度图。
根据另一方面，一种便于针对已利用结构扫描数据进行衰减校正的核图像生成置信度图的系统包括：处理器，其被编程为执行计算机可读介质中存储的核置信度图生成模块，并包括指令，所述指令用于：从采集的结构图像数据生成第一衰减图；以及对所述结构图像数据执行伪影减少协议，以生成伪影减少的结构图像数据。所述指令还包括从所述伪影校正的结构图像数据生成第二衰减图；执行第一衰减校正重建协议，其利用所述第一衰减图重建一组核发射扫描数据，以生成第一衰减校正的重建核图像；以及执行第二衰减校正重建协议，其利用所述第二衰减图重建所述一组核发射扫描数据，以生成第二衰减校正的重建核图像。此外，所述指令包括比较所述第一衰减校正的重建核图像和第二衰减校正的重建核图像，以识别其中由所述结构图像数据中的伪影引起的局部差异；以及针对所述第一或第二衰减校正的核图像生成置信度图，所述置信度图包括针对所述第二衰减校正的核图像中每个校正体素的局部置信度值，根据两个重建核发射图像中的局部差异和一个或多个用户选择的参数识别所述局部置信度值。此外，所述指令还包括在显示器上向用户显示叠加于第一或第二衰减校正的核图像上的置信度图。
根据另一方面，一种用于改进伪影源附近断层摄影图像数据的数据可靠性的方法包括：分割包括伪影源的解剖学图像；将伪影源的影响估计为图像体素值中置信度的局部损失；识别图像中不受伪影源影响的信任区域；以及选择分箱策略，以根据临床应用以及一个或多个用户选择的参数将重建图像中的相似区域分箱在一起。该方法还包括识别所述分箱策略生成的多个箱的每个中的所有体素；对每个箱中所有体素的贡献估计值求平均，在求平均值期间利用局部置信度值作为加权；以及在显示器上向用户呈现分箱的图像数据。
根据另一方面，一种用于为包括置信度值低的体素的区域提供改进的测量结果的方法包括：分割包括伪影源的解剖学图像；将伪影源的影响估计为图像体素值中置信度的局部损失；以及选择分箱策略，以根据临床应用以及一个或多个用户选择的参数将重建图像中的相似区域分箱在一起。该方法还包括从输入投影数据收集通过低置信度区域的投影射线；为每条投影射线分配置信度值；以及通过如下方式针对所述低置信度区域计算一组新测量值：移除所述低置信度区域外部的重建图像数据对所述投影射线的所有贡献，将剩余的贡献分配到所述低置信度区域，并且针对所述低置信度区域的最终测量结果计算为所述一组新测量值和图像区域值的加权平均；可以从分配给图像区域的置信度值确定加权平均中使用的加权函数，例如，如果图像区域的置信度低，则向图像区域分配更低的权重并且向射线贡献分配更高权重，和/或从分配给每条投影射线的置信度值确定加权函数，例如向穿过显著量金属的射线分配更低的置信度。
一个优点是，可以向用户显示特定重建图像区域的定量精确度的置信度。
另一个优点是改进了图像质量和定量图像精确度。
另一个优点是可以针对受伪影影响的图像区域执行改进的量化。
在阅读和理解以下详细描述之后，本领域普通技术人员将认识到本主题创新的其他优点。
附图说明
附图仅仅为了例示各个方面，不应被解释为限制。
图1图示了了有助于改进伪影源（例如，金属植入物等）附近的断层摄影图像数据的数据可靠性或置信度的系统。
图2示出了一般置信度图模块，其生成指示紧邻以及远离伪影源的图像数据的局部可靠性的置信度图。
图3是核发射图像置信度图模块的图示，所述核发射图像置信度图模块被用于重建核发射数据，其中，输入结构图像数据以进行衰减校正。
图4图示了临床应用模块或算法的范例，利用所述模块或算法可以采用前面图中的系统和方法。
图5图示了用于改进伪影源附近的断层摄影数据的数据可靠性或置信度的方法。
图6A-6C图示了利用所描述的系统和方法处理的数据的范例。
图7是用户界面的截屏，其中，呈现给用户的曲线图示出了依赖于距植入物的相应距离的像素的骨密度（以霍斯菲尔德单位(Hounsfield Unit)值），其表示在不同区域中的植入物固定情况。
图8图示了用于改进伪影源附近的断层摄影图像数据的数据可靠性的方法。
具体实施方式
所描述系统和方法基于由感兴趣对象（该感兴趣对象也是伪影源）所界定的应用特异性的箱以及当前的应用，通过对断层摄影值自动分箱来补偿与诊断意义上重要的伪影源邻近的图像信息的可靠性下降。在一个范例中，处理应用可以额外地根据到植入物的距离呈现骨密度，并且根据到植入物的距离呈现代谢活动。采用本文中所述的方法，这种分箱可以在由图像伪影影响的测量中重新引入可靠性。
更一般地，本创新涉及生成断层摄影结构或解剖信息的成像模态（X射线计算机断层摄影CT、锥形射束或平板X射线计算机断层摄影CBCT、磁共振成像MRI等），通常是来自一组投影输入数据。此外，提供了核发射成像模态以从一组发射输入数据生成断层摄影功能信息或发射信息（SPECT或PET）。对于断层摄影发射图像重建而言，期望被成像对象或患者内辐射的局部衰减信息。这种信息由为创建衰减图而输入的结构或解剖断层摄影图像提供。然后将这种衰减图输入到发射数据的衰减校正的断层摄影重建。此处也将断层摄影数据称为重建的图像数据。
对于所有断层摄影模态而言，金属植入物和其他高度不透明的物体，导致伪影和图像质量下降，特别是在不透明物体的紧邻区域中。这是许多临床应用中存在问题，例如在评估骨植入物周围的骨质量中。为克服这一问题，所述系统和方法向用户提供关于图像数据可靠性的信息作为额外的诊断辅助。这种置信度或可靠性度量是由以下所述的不同方法计算的。通过对包括受影响和不受影响区域的更大区域的图像数据进行统计分箱，在存在临床应用的情况下，提高可靠性或置信度。例如，针对“根据到植入物的距离的平均骨密度”和针对“根据到植入物的距离的平均代谢活动”的曲线图可以在受图像伪影影响的测量结果中重新引入可靠性。可以采用若干临床工作站应用实现所述系统和方法，并且其有利于组合模态，诸如SPECT-CT、PET-CT等。
图1图示了有助于改进伪影源（例如，金属植入物等）附近的断层摄影图像数据可靠性或置信度的系统10。系统10包括一个或多个扫描受试者或患者以采集扫描数据的断层摄影扫描机（例如，CT，CBCT，MRI，PET，SPECT等）。处理器14执行，并且存储器16存储，本文中描述的用于执行各种功能、方法、技术等的计算机可执行指令。该系统还包括工作站18，用户通过其输入和/或操纵系统中的数据并通过其向用户显示信息。
处理器14执行存储在存储器16中的采集模块20（例如，一组计算机可执行指令、例程、程序等）以采集受试者的断层摄影扫描数据。重建处理器22执行存储在存储器16中的重建模块或算法24以将采集的图像数据重建为重建图像26。处理器执行一个或多个伪影减少模块28以减少重建图像中的伪影，由此生成伪影减少的结构图像数据29。处理器还执行通用置信度图生成模块30和核置信度图生成模块32中的一个或多个，以生成在重建图像数据的图像值中示出置信度水平的置信度图33。在工作站18的显示器（未示出）上向用户显示置信度图时，将其用颜色编码并叠加在重建图像上。在处理器采用置信度图和一个或多个用户选定的标准执行应用置信度图以增加临床应用的可靠性的临床应用模块34时，也采用置信度图。关于图2-4更详细地描述了置信度图生成模块30、32和临床应用模块34。
根据范例，采集结构图像数据，这里优选是感兴趣体积的CT扫描数据，并从重建的结构图像数据生成第一衰减图。例如，由伪影减少模块28减少采集的结构数据中的图像伪影，并从该数据生成第二衰减图36。然后采用衰减图35、36两次重建所采集的感兴趣体积的核发射扫描数据38（例如，PET,SPECT等）：一次使用第一衰减图，并再次使用第二衰减图以分别生成第一重建核发射图像40和第二重建核发射图像42。比较核图像以检测他们之间的局部差异，所述差异可能由最初采集的结构图像数据中的伪影造成。核置信度图生成模块32根据所检测的局部差异生成置信度图33，所述置信度图33包括与第二核图像中的校正体素可靠的可能性相关的信息。在另一实施例中，采用两种不同的重建方法或伪影减少技术生成第一和第二衰减图。
应该理解，处理器14执行，并且存储器16存储，本文中描述的用于执行各种功能和/或方法的计算机可执行指令。存储器16可以是将控制程序存储于其上的计算机可读介质，例如磁盘、硬盘驱动器等。计算机可读介质的常见形式包括，例如，软盘、柔性磁盘、硬盘、磁带或任何其他磁性存储介质，CD-ROM、DVD或任何其它光学介质，RAM、ROM、PROM、EPROM、FLASH EPROM、其变体，其他存储器芯片或盒式磁带，或处理器14可以从其读取并执行的任何其他有形介质。在该背景下，可以在通用计算机、专用计算机、编程的微处理器或微控制器和外围集成电路元件、ASIC或其他集成电路、数字信号处理器、诸如分立元件电路的硬连线的电子设备或逻辑电路、诸如PLD、PLA、FPGA、图形处理单元（GPU）或PAL等的可编程逻辑器件中的一个或多个上实现系统10或将系统10实现为它们中的一个或多个。
图2图示了通用置信度图生成模块30，其生成表示紧挨着或远离伪影源的图像数据的局部可靠性的置信度图。将重建图像数据101和任选的投影数据102输入不同处理模块或算法，所述处理模块或算法提取图像数据中降低的置信度的不同方面。本文中使用的“模块”指由处理器执行的一组计算机可执行指令、计算机例程或子例程、计算机程序等，其用于执行本文中描述的各种功能、技术、方法等。生理和解剖可信性测试模块103将重建的图像体素数据（例如，针对CT采集的霍斯菲尔德值（Hounsfieldvalue））与现有的图像体素数据和患者解剖的期望值对比。测试模块比较局部图像值106与图集数据和期望图像值，识别不可信的局部图像值106。专用伪影模式识别模块104在图像101中搜索指示或类似于由现有图像中已知或假定的伪影源创建的条纹和/或散晕伪影107或其他结构。此外，可以通过减少图像中的可见伪影的可见伪影减少模块105将将己知的任何最新方法应用于图像。将所得的伪影减少的衰减数据108与原始的输入数据101比较以确定图像值中的局部差异或校正110。将由可见伪影减少造成的检测的不可信的图像值、伪影模式和变化输入到置信度生成模块111，所述置信度生成模块111将这些个体贡献融合为置信度112的局部度量并生成包括每一体素的置信度值的置信度图，所述置信度值根据个体贡献和一个或多个用户选择的参数确定，所述一个或多个用户选择的参数控制如何对来自不可信的局部值106、检测的伪影107和应用的局部校正110中的每一个的贡献加权或组合以生成最终置信度度量。然后将置信度图叠加在重建图像的一个或多个上并呈现给用户。
图3是核发射数据（例如，PET或SPECT）32的置信度图生成模块的图示，其中，利用从结构成像获得的衰减校正图作为额外输入重建核发射数据。核医学数据常常包括值随局部组织状态（例如，密度或其他组织性质、代谢活动等）变化的低分辨率数据，使得诸如解剖学可信性或伪影检测的标准是困难的。将重建的结构图像数据101和核投影数据201输入到第一衰减校正（AC）的重建算法或模块202以生成第一衰减校正的重建核图像。将核投影数据201和伪影减少的衰减数据108输入到第二AC重建算法或模块203以生成第二衰减校正的重建核图像。因而采用原始的和伪影减少的衰减数据作为输入，对核发射投影数据201重建了两次202、203。比较模块204比较这两个独立的重建以揭示由衰减图中的伪影所引入的局部差异205。将局部差异205输入置信度生成模块206，所述置信度生成模块206基于两个重建的核发射图像中的局部差异和一个或多个用户选定的参数，确定局部置信度度量或值207，所述局部置信度度量或值207指示由衰减图（即重建图像101和伪影减少的衰减数据108）上的伪影在核图像重建中导致的不确定性。置信度生成模块206生成包括每一体素的置信度值的置信度图33（图1），所述置信度值根据两个重建的核发射图像中的局部差异和用户选定的参数确定。所述一个或多个用户选定的参数确定如何将两个重建中的差异解释为重建的图像体素值中的置信度的局部减少。然后将置信度图叠加在衰减校正的核断层摄影图像中的一个或两者上并呈现给用户。
图4示出了临床应用模块或算法34的范例，使用其可以采用前面的图中的系统和方法。例如，作为例示性范例，临床应用可以应用于接近在CT中成像的整体髋内假体的骨密度或质量的评估。尽管在此范例中关于CT进行了描述，但是该模块或算法34代表以相似的方式适用于与SPECT、PET或CBCT数据和与需要接近伪影源的图像数据的定量或半定量评估的各种临床应用的协议。可以在从一个或多个扫描机接收图像数据的临床工作站上实现这种应用，如上文结合图1所述。针对此方法，输入重建图像数据301和局部置信度度量306。将植入物，或者更一般地，伪影源，从该图像数据302分割以提供重建数据303中植入物的3D轮廓。在一个实施例中，使用植入物的模型以鲁棒而精确地检测植入物。该临床应用的基本思想是通过分箱能够在统计意义上实现鲁棒平均化的区域来提供接近伪影源的可靠测量结果。以应用特异性和植入物特异性的方式执行子集生成模块304，使得即使在大的研究区（ROI）上求平均值时，也提取出诊断上重要的信息。在本范例中，将植入物沿轴长度（上轴，下轴等）分为几个区域，并针对每一植入物区域将与植入物表面有相似距离的体素分箱在一起。这些分箱的ROI305的精确形状和组织取决于应用和植入物形状。通过对由局部置信度图306加权的分箱的ROI中的图像值307求平均值，提取诊断上重要的信息。
图5示出了用于改进伪影源附近的断层摄影图像数据的数据可靠性或置信度的方法，例如可以由图1的系统执行。在将用于伪影去除的一种或多种现有并且已知的措施应用于断层摄影数据后，执行图5的方法。不过，即使在伪影去除后，诸如散晕和条纹的局部和全局伪影也可能影响测量结果。因此，在402，在重建和允许最好地勾勒其的输入投影数据（在适用时）中，分割伪影源和感兴趣对象。对于将PET或SPECT与CT或CBCT成像组合的模态而言，将放射线投影任选地用作额外输入。伪影源的勾勒可以使用多种包括基于强度或模型的分割、与感兴趣对象的几何模型的对准或交互式勾勒的已知方法。然后将伪影源轮廓形式的分割结果传输到所有输入数据（例如，SPECT投影、X射线投影、正弦图形式的PET响应线等）。
在检测和分割伪影源后，在404将伪影源对图像数据的影响估计为“图像值中的置信度局部损失”。用来识别图像中的剩余条纹、阴影或散晕的方法是已知。伪影源的影响还取决于如对象厚度、边缘和可以被模型化的对象厚度的梯度的已知性质，尤其是如果已知伪影源的形状。因此，识别图像中的所有可信区不受伪影影响，并且可以将此信息用于更新或修改由模块30或32提供的局部置信度图。
在406，选择分箱策略。第一实施例将到感兴趣对象的距离用作分箱标准，以便将到伪影源距离相同的所有体素分箱到一起。在另一实施例中，此分箱策略还可以是应用和/对象特异的。在髋内假体的应用范例中，该分箱可以基于到假体轴（即伪影源）的骨植入界面表面的距离并且额外地基于沿轴的轴向位置。每一分箱策略导致一组数据箱，其中，对可靠性降低的图像数据求平均，以获得更高可靠性的最终度量。通过这种方式，选定的分箱策略便于基于根据伪影源（例如，到伪影源的距离或某种其他适当标准）定义的特定箱对断层摄影值自动分箱。
此时，可以应用额外的应用特异性的伪影减少。在408，针对这些箱中的每个，识别对箱中的重建体素有贡献的所有射线（CT和CBCT中的线积分、PET中的响应线等）。在410，针对这些射线中的每一条，然后估计对接近伪影的重建图像的贡献。从投影数据进行线积分（射线上的活动或衰减），然后减去来自此区域外部的所有图像数据的贡献。对于穿过被伪影影响的区域的射线的剩余部分而言，提供了平均图像值，其也被解剖学噪声（即沿射线的局部结构）影响并具有降低的置信度。根据一个实施例，从投影数据获得的值的这种平均可以包括分配给投影射线的置信度值，并且射线穿过伪影源的距离是射线中的置信度的度量。
在412，对箱中的所有估计值求平均，以获得相比于单个重建的体素，受图像伪影影响更少的测量值。优选通过伪影影响的局部置信度度量和/或射线穿过伪影源的距离对从投影射线获得的箱和额外度量中所有体素的平均加权。在414，除重建数据之外，将对象和伪影引导的分箱图像数据，优选与用于箱测量的区域视觉呈现一起，（例如，在显示器、工作站上等）呈现给用户。对于示范性应用和第一实施例而言，这些是两个曲线图：“取决于到植入物距离的骨密度”和“取决于到植入物距离的代谢活动”。
在另一实施例中，呈现了两个平面概览图像，其中，可以采用颜色编码以使骨密度和代谢活动可视化，优选与植入物的轴的图像相邻。对于这两个实施例而言，分箱测量的用户选择（例如，在曲线图或概览图像中的鼠标点击）都可以造成突出显示对这种测量有贡献的重建图像或投影中的区域。除了该突出显示以外，还可以将置信度度量作为为图像中的每一点标识其受图像伪影多少影响的图呈现给用户。
可以在临床工作站应用中实现图5的方法并且其在将核医学扫描器(SPECT或PET)与为识别解剖学和其他对象而提供图像数据的扫描器（例如，CT、CBCT或MR）相组合的组合模态中是有用的。
图6A-6C示出了采用所述系统和方法处理的数据范例。在图6A中，示出了具有导致强金属伪影的整体髋内假体的CT切片450。大伪影452在CT切片450中是可见的。如由图6B的CT切片460中的减少的伪影462所示，已知金属伪影减少技术产生主观视觉改进。在图6C中，采用与诊断图像一起呈现的叠加图示出了具有颜色编码的置信度值472、474、476的CT切片470（例如，分别采用红色、黄色、绿色，其中，关于相应区域的数据精度，红色代表极低置信度，黄色代表中等置信度，并且绿色代表高置信度等）。
图7是用户界面的截屏480，其中，呈现给用户的曲线图482、484示出了依赖于他们距植入物各自距离的像素的骨密度（霍斯菲尔德单位值），其指示不同区域（例如，植入物的上或下轴）中的植入物固定。还示出了颜色编码的置信度值472、474、476，其根据相应像素与植入物或引起伪影的源486的距离描述针对衰减校正的像素的置信水平。
在该示范性实施例中，在观察应用中将植入物的分割结果和局部置信度显示为叠加图。这种用户界面也可以包括用户交互工具，以修改或校正自动分割或置信度分配的结果。在示出了植入物轮廓、已被图像化了的区域和得到的测量结果的应用标签或窗口中呈现了该结果，在此情况下骨密度依赖于距植入物的距离。在图示的范例中，在区域2中很好地锚定了植入物，但原始图像中的金属伪影将很可能已使区域1中所示的骨与植入物之间的间隙模糊。
图8示出了用于改进伪影源附近的断层摄影图像数据的数据可靠性的方法。在500，分割包括伪影源的解剖图像。在502，将伪影源的影响估计为图像体素值中置信度的局部损失，例如采用本文中所述的方法和/或基于分割的伪影源。在504，识别不受伪影源影响的图像的可信区。在506，选择分箱策略，用于根据临床应用和一个或多个用户选定的参数，将重建图像中的相似区域分箱在一起。应该理解，以与图5的动作402、404和406相似的方式执行动作500、502和506。在508，在由分箱策略生成的多个箱的每一个中识别所有像素。在510，估计每个箱中的所有像素的贡献估计。在512，利用局部置信度作为加权标准，针每个箱对相应箱中的所有体素的估计结果求平均。在514，在显示器上将分箱的图像数据呈现给用户。
要认识到，在一些实施例中，可以将本方中所述的不同系统、方法、算法等中的两个或多个进行组合。例如，如关于图5所描述地使用投影数据局部测量结果，并且然后将应用特异性的感兴趣区域的值分箱到一起，如关于图8所描述。还要认识到，结合图5和图8的方法所描述的动作不限于以所述次序发生，而是可以按照实现所述结果的任何次序发生。本文所述的特征或动作的其他组合和/或转换对于本领域的技术人员而言将是显而易见的。
已经参考几个实施例描述了本创新。他人在阅读和理解以上详细描述之后可能想到修改和变更。应当将本创新解释为包括所有这样的修改和变更，只要它们落在权利要求或其等价方案的范围之内。
Claims (31)
1.一种改进断层摄影图像质量的方法，包括：
基于根据伪影源（486）定义的应用特异性的箱，对断层摄影值自动分箱；
通过调节重建图像（101）中受伪影影响的体素值来校正所述重建图像中的伪影（107）；以及
生成置信度图，所述置信度图包括针对每个所述箱中的已调节体素的置信度值。
2.根据权利要求1所述的方法，其中，还根据用于确定与所述伪影源相邻的骨骼的骨密度的临床应用，定义所述应用特异性的箱。
3.根据权利要求1或2中任一项所述的方法，其中，根据到骨组织和所述伪影源之间界面的距离定义所述应用特异性的箱。
4.根据前述权利要求中任一项所述的方法，还包括对所述置信度图进行颜色编码，使得不同颜色表示已调节的体素值中不同水平的置信度。
5.根据前述权利要求中任一项所述的方法，还包括将所述重建图像（101）中的实测图像体素值与预期的图像体素值比较，以便识别不可信的局部图像体素值（106）。
6.根据前述权利要求中任一项所述的方法，还包括通过执行伪影模式识别程序（104）来检测所述伪影（107）。
7.根据前述权利要求中任一项所述的方法，还包括执行可见伪影减少程序（105）以生成所述校正图像（108）。
8.根据前述权利要求中任一项所述的方法，还包括以下中的至少一项：
显示叠加在校正图像（108）上的置信度图（33）；以及
显示与校正图像（108）相邻的置信度图（33）。
9.根据前述权利要求中任一项所述的方法，其中，所述体素值是霍斯菲尔德值。
10.根据前述权利要求中任一项所述的方法，其中，所述体素值是发射断层摄影扫描的标准摄取值（SUV）。
11.根据前述权利要求中任一项所述的方法，其中，所述重建图像是计算机断层摄影（CT）图像、锥形射束或平板CT（CBCT）图像、磁共振图像（MRI）、正电子发射断层摄影（PET）图像和单光子发射计算机断层摄影（SPECT）图像之一。
12.根据前述权利要求中任一项所述的方法，还包括：
将校正图像（108）与所述重建图像（101）比较，以识别体素值中的局部差异（110）；
将来自不可信的局部图像体素值（106）、检测到的伪影（107）和体素值中局部差异（110）的每个的体素值贡献相组合，以便生成针对所述校正图像（108）的所述置信度图（33）；以及
向用户显示所述置信度图（33）和所述校正图像（108）中的至少一个。
13.根据权利要求12所述的方法，还包括在生成所述校正图像（108）的所述置信度图（33）时，对从所述局部差异（110）确定的局部校正加权。
14.根据权利要求12或13所述的方法，其中，根据所述体素值贡献和一个或多个用户选择的参数，确定所述置信度值。
15.一种承载了软件的计算机可读介质（16），所述软件用于控制处理器（14）以执行根据前述权利要求中任一项所述的方法。
16.一种针对已利用结构图像数据进行了衰减校正的核发射图像生成置信度图的方法，包括：
从采集的结构图像数据生成第一衰减图；
对所述结构图像数据执行伪影减少方法，以生成伪影减少的结构图像数据；
从所述伪影减少的结构图像数据生成第二衰减图；
执行第一衰减校正重建协议（202），其利用所述第一衰减图重建一组核发射扫描数据（201），以生成第一衰减校正的重建核图像；
执行第二衰减校正重建协议（203），其利用所述第二衰减图重建所述一组核发射扫描数据（201），以生成第二衰减校正的重建核图像；
比较所述第一衰减校正的重建核图像和所述第二衰减校正的重建核图像，以识别其中由所述结构图像数据中的伪影引起的局部差异；
针对所述衰减校正的核图像生成置信度图（33），所述置信度图包括针对所述第二衰减校正的核图像中每个校正体素的局部置信度值，根据所述第一重建核发射数据和所述第二重建核发射数据中的差异和一个或多个用户选择的参数识别所述局部置信度值；以及
向所述用户显示所述置信度图（33）和所述第一衰减校正的核图像或所述第二衰减校正的核图像中的至少一个。
17.根据权利要求16所述的方法，还包括对所述置信度图（33）进行颜色编码，使得不同颜色表示校正体素中不同水平的置信度。
18.根据权利要求16-17中任一项所述的方法，其中，所述结构图像数据是常规X射线CT数据、锥形射束或平板CT（CBCT）数据或MRI数据之一，并且其中，所述核扫描数据是正电子发射断层摄影（PET）数据和单光子发射计算机断层摄影（SPECT）数据之一。
19.根据权利要求16-18中任一项所述的方法，还包括以下中的至少一项：
显示叠加在所述第一衰减校正的核图像或所述第二衰减校正的核图像上的所述置信度图（33）；以及
显示与所述第一衰减校正的核图像或所述第二衰减校正的核图像相邻的所述置信度图（33）。
20.一种承载了软件的计算机可读介质（16），所述软件用于控制处理器（14）以执行根据权利要求16-19中任一项所述的方法。
21.一种便于针对已利用结构扫描数据进行了衰减校正的核图像生成置信度图（33）的系统，包括：
处理器（14），其被编程为执行计算机可读介质（16）中存储的核置信度图生成模块（32），并且包括如下用途的指令：
从采集的结构图像数据生成第一衰减图；
对所述结构图像数据执行伪影减少协议，以生成伪影减少的结构图像数据；
从伪影校正的结构图像数据生成第二衰减图；
执行第一衰减校正重建协议（202），其利用所述第一衰减图重建一组核发射扫描数据（201），以生成第一衰减校正的重建核图像；
执行第二衰减校正重建协议（203），其利用所述第二衰减图重建所述一组核发射扫描数据（201），以生成第二衰减校正的重建核图像；
比较所述第一衰减校正的重建核图像和所述第二衰减校正的重建核图像，以识别其中由所述结构图像数据中的伪影引起的局部差异；
针对所述第一衰减校正的核图像或所述第二衰减校正的核图像生成置信度图（33），所述置信度图包括针对所述第二衰减校正的核图像中每个校正体素的局部置信度值，根据两个重建核发射数据中的局部差异和一个或多个用户选择的参数识别所述局部置信度值；以及
在显示器上向所述用户显示所述置信度图（33）和所述第一衰减校正的核图像或所述第二衰减校正的核图像中的至少一个。
22.根据权利要求21所述的系统，所述指令还包括对所述置信度图（33）进行颜色编码，使得不同颜色表示校正体素中不同水平的置信度。
23.根据权利要求21-22中任一项所述的系统，其中，所述结构图像数据是常规X射线CT数据、锥形射束或平板CT（CBCT）数据和磁共振成像（MRI）数据之一，并且其中，所述核扫描数据是正电子发射断层摄影（PET）数据和单光子发射计算机断层摄影（SPECT）数据之一。
24.根据权利要求21-23中任一项所述的方法，所述指令还包括以下中的至少一项：
显示叠加在所述第一衰减校正的核图像或所述第二衰减校正的核图像上的所述置信度图（33）；以及
显示与所述第一衰减校正的核图像或所述第二衰减校正的核图像相邻的所述置信度图（33）。
25.一种用于改进伪影源附近断层摄影图像数据的数据可靠性的方法，包括：
分割包括伪影源的解剖学图像；
将所述伪影源的影响估计为图像体素值中置信度的局部损失；
选择分箱策略，以根据临床应用以及一个或多个用户选择的参数将重建图像中的相似区域分箱在一起；
识别所述分箱策略生成的多个箱中的每个中的所有图像元素；
对每个箱中所有体素的贡献估计值求平均，在求平均期间利用局部置信度值作为加权；以及
在显示器上向用户呈现经分箱的图像数据。
26.一种承载了软件的计算机可读介质（16），所述软件用于控制处理器（14）以执行根据权利要求25所述的方法。
27.一种用于为包括置低信度值的体素的区域提供改进的测量结果的方法，包括：
分割包括伪影源的解剖学图像；
将所述伪影源的影响估计为图像体素值中置信度的局部损失；
选择分箱策略，以根据临床应用以及一个或多个用户选择的参数将重建图像中的相似区域分箱在一起；
从输入投影数据收集通过低置信度区域的投影射线；
向每条投影射线分配置信度值；以及
通过如下方式为所述低置信度区域计算一组新测量结果：移除所述低置信度区域外部的重建图像数据对所述投影射线的所有贡献，并且将剩余的贡献分配给所述低置信度区域，以及将针对所述低置信度区域的最终测量结果计算为一组新测量结果的加权平均；
其中，向每条投影射线分配置信度值作为加权函数。
28.根据权利要求27所述的方法，其中，所述用户选择的参数是每条射线通过所述伪影源行进的距离。
29.根据权利要求27-28中任一项所述的方法，其中，所述置信度值是射线通过所述伪影源行进的所述距离的函数。
30.根据权利要求27-29中任一项所述的方法，其中，所述置信度值与射线通过所述伪影源行进的所述距离成反比，使得更大距离对应于更低的置信度值。
31.一种承载了软件的计算机可读介质（16），所述软件用于控制处理器（14）以执行根据权利要求27-30中任一项所述的方法。
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US41842010P | 2010-12-01 | 2010-12-01 | |
| US61/418,420 | 2010-12-01 | ||
| PCT/IB2011/055233 WO2012073151A2 (en) | 2010-12-01 | 2011-11-22 | Diagnostic image features close to artifact sources |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN103339652A true CN103339652A (zh) | 2013-10-02 |
Family
ID=45218779
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN2011800664878A Pending CN103339652A (zh) | 2010-12-01 | 2011-11-22 | 靠近伪影源的诊断图像特征 |
Country Status (5)
| Country | Link |
|---|---|
| US (1) | US9153012B2 (zh) |
| EP (1) | EP2646977A2 (zh) |
| CN (1) | CN103339652A (zh) |
| RU (1) | RU2013129865A (zh) |
| WO (1) | WO2012073151A2 (zh) |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108027960A (zh) * | 2015-06-30 | 2018-05-11 | 通用电气公司 | 用于磁共振图像的环形伪影修复的方法和设备 |
| CN108430330A (zh) * | 2015-12-03 | 2018-08-21 | 西门子保健有限责任公司 | 产生血管系统的体积图像的序列的断层造影设备和方法 |
| CN111542859A (zh) * | 2018-01-02 | 2020-08-14 | 皇家飞利浦有限公司 | 用于正则化重建的基于学习的体素进化 |
| CN111656405A (zh) * | 2018-01-26 | 2020-09-11 | 皇家飞利浦有限公司 | 使用深度学习来减少金属伪影 |
| CN113096061A (zh) * | 2019-12-23 | 2021-07-09 | 株式会社日立制作所 | 图像诊断辅助装置、医用图像取得装置以及计算机可读记录介质 |
| CN113196340A (zh) * | 2018-11-13 | 2021-07-30 | 皇家飞利浦有限公司 | 用于正电子发射断层摄影(pet)的基于人工智能(ai)的标准化摄取值(suv)校正和变化评估 |
| CN113597765A (zh) * | 2019-03-18 | 2021-11-02 | 谷歌有限责任公司 | 用于编码伪像的帧叠层 |
Families Citing this family (26)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP2715670B1 (en) * | 2011-05-27 | 2020-07-08 | GE Sensing & Inspection Technologies GmbH | Computed tomography method, computer software, computing device and computed tomography system for determining a volumetric representation of a sample |
| US8891847B2 (en) * | 2012-01-23 | 2014-11-18 | Medtronic Navigation, Inc. | Automatic implant detection from image artifacts |
| JP2016533838A (ja) | 2013-09-10 | 2016-11-04 | コーニンクレッカ フィリップス エヌ ヴェＫｏｎｉｎｋｌｉｊｋｅ Ｐｈｉｌｉｐｓ Ｎ．Ｖ． | 金属耐性ｍｒイメージング |
| US9659350B2 (en) * | 2014-01-31 | 2017-05-23 | Morpho, Inc. | Image processing device and image processing method for image correction, and non-transitory computer readable recording medium thereof |
| KR20150108701A (ko) * | 2014-03-18 | 2015-09-30 | 삼성전자주식회사 | 의료 영상 내 해부학적 요소 시각화 시스템 및 방법 |
| US8958623B1 (en) * | 2014-04-29 | 2015-02-17 | Heartflow, Inc. | Systems and methods for correction of artificial deformation in anatomic modeling |
| US9474495B2 (en) * | 2014-12-22 | 2016-10-25 | General Electric Company | System and method for joint estimation of attenuation and activity information |
| CN107743588B (zh) | 2015-06-12 | 2020-11-27 | 皇家飞利浦有限公司 | 在磁共振成像中使用b0不均匀性图的骨骼成像 |
| CN106551702B (zh) * | 2015-09-30 | 2021-05-14 | 通用电气公司 | Ct图像的射束硬化伪影校正装置及方法 |
| US20170109903A1 (en) * | 2015-10-20 | 2017-04-20 | Michal Kulon | Method for Reduction of Artifacts and Preservation of Soft Tissue Contrast and Conspicuity of Iodinated Materials on Computed Tomography Images by means of Adaptive Fusion of Input Images Obtained from Dual-Energy CT Scans, and Use of differences in Voxel intensities between high and low-energy images in estimation of artifact magnitude |
| US10163028B2 (en) * | 2016-01-25 | 2018-12-25 | Koninklijke Philips N.V. | Image data pre-processing |
| DE102016202434A1 (de) * | 2016-02-17 | 2017-08-17 | Siemens Healthcare Gmbh | Auswahlverfahren für einen Artefaktkorrekturalgorithmus, Datenverarbeitungseinrichtung zur Ausführung des Verfahrens und medizinische Bildgebungsanlage |
| US20170365047A1 (en) * | 2016-06-15 | 2017-12-21 | General Electric Company | Artifact management in imaging |
| US9706972B1 (en) | 2016-09-28 | 2017-07-18 | General Electric Company | Systems and methods for reconstruction of emission activity image |
| US10169851B2 (en) * | 2017-05-02 | 2019-01-01 | Color Enhanced Detection, Llc | Methods for color enhanced detection of bone density from CT images and methods for opportunistic screening using same |
| CN111684492B (zh) * | 2017-06-26 | 2024-03-15 | 医科达有限公司 | 使用深度卷积神经网络来改善锥形束ct图像质量的方法 |
| WO2019002904A1 (en) * | 2017-06-30 | 2019-01-03 | Trophy | X-RAY TOMODENSITOMETRY IMAGING METHOD, INTERFACE SYSTEM, AND APPARATUS |
| US11100632B2 (en) | 2018-04-13 | 2021-08-24 | Elekta, Inc. | Image synthesis using adversarial networks such as for radiation therapy |
| US11501438B2 (en) | 2018-04-26 | 2022-11-15 | Elekta, Inc. | Cone-beam CT image enhancement using generative adversarial networks |
| EP3637365B1 (de) * | 2018-10-11 | 2020-12-02 | Siemens Healthcare GmbH | Verfahren zum bewerten einer verlässlichkeit eines ct-volumenbildes, computerprogramm und computerlesbares speichermedium |
| EP3644275A1 (en) * | 2018-10-22 | 2020-04-29 | Koninklijke Philips N.V. | Predicting correctness of algorithmic segmentation |
| US12067654B2 (en) * | 2019-06-24 | 2024-08-20 | University Of Johannesburg | Methods and systems for reducing artefacts in image reconstruction |
| US11151703B2 (en) * | 2019-09-12 | 2021-10-19 | International Business Machines Corporation | Artifact removal in medical imaging |
| CN110916697B (zh) * | 2019-11-11 | 2023-05-02 | 东软医疗系统股份有限公司 | 成像方法、装置及图像处理设备 |
| CN111754436B (zh) * | 2020-06-24 | 2024-05-03 | 上海联影医疗科技股份有限公司 | 医学图像伪影校正的加速方法、计算机设备和存储介质 |
| GB2605459A (en) * | 2021-04-01 | 2022-10-05 | Bates Tomographic Imaging Ltd | Method of non-invasive medical tomographic imaging with uncertainty estimation |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20030156684A1 (en) * | 2002-02-20 | 2003-08-21 | Fessler Jeffrey A. | Method for statistically reconstructing images from a plurality of transmission measurements having energy diversity and image reconstructor apparatus utilizing the method |
| US20060210131A1 (en) * | 2005-03-15 | 2006-09-21 | Wheeler Frederick W Jr | Tomographic computer aided diagnosis (CAD) with multiple reconstructions |
| CN1940992A (zh) * | 2005-06-17 | 2007-04-04 | Cti分子成像公司 | Pet/ct成像中基于图像的伪影降低 |
| US20070133736A1 (en) * | 2005-10-17 | 2007-06-14 | Siemens Corporate Research Inc | Devices, systems, and methods for imaging |
| US20080267474A1 (en) * | 2007-04-24 | 2008-10-30 | Siemens Corporate Research, Inc. | Layer Reconstruction From Dual-Energy Image Pairs |
| US20090136112A1 (en) * | 2007-11-23 | 2009-05-28 | Vincent Bismuth | Method for the processing of images in interventional radioscopy |
| CN101777177A (zh) * | 2009-12-29 | 2010-07-14 | 上海维宏电子科技有限公司 | 基于衰减滤波的ct图像去金属伪影混合重建法 |
Family Cites Families (17)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6691134B1 (en) | 1999-11-24 | 2004-02-10 | Ge Medical Technology Services, Inc. | Image-based artifact troubleshooting for medical systems |
| US7660453B2 (en) * | 2000-10-11 | 2010-02-09 | Imaging Therapeutics, Inc. | Methods and devices for analysis of x-ray images |
| JP2004005364A (ja) | 2002-04-03 | 2004-01-08 | Fuji Photo Film Co Ltd | 類似画像検索システム |
| US7227982B2 (en) * | 2002-04-15 | 2007-06-05 | General Electric Company | Three-dimensional reprojection and backprojection methods and algorithms for implementation thereof |
| WO2005055148A1 (en) * | 2003-11-29 | 2005-06-16 | Vital Images, Inc. | Segmented volume rendering using a programmable graphics pipeline |
| US9470801B2 (en) * | 2004-01-13 | 2016-10-18 | Spectrum Dynamics Llc | Gating with anatomically varying durations |
| US20070003118A1 (en) * | 2005-06-30 | 2007-01-04 | Wheeler Frederick W | Method and system for projective comparative image analysis and diagnosis |
| US7876938B2 (en) * | 2005-10-06 | 2011-01-25 | Siemens Medical Solutions Usa, Inc. | System and method for whole body landmark detection, segmentation and change quantification in digital images |
| US7720931B2 (en) | 2006-10-13 | 2010-05-18 | International Business Machines Corporation | System and method of remotely managing and loading artifacts |
| US8223143B2 (en) * | 2006-10-27 | 2012-07-17 | Carl Zeiss Meditec, Inc. | User interface for efficiently displaying relevant OCT imaging data |
| US7869566B2 (en) * | 2007-06-29 | 2011-01-11 | Morpho Detection, Inc. | Integrated multi-sensor systems for and methods of explosives detection |
| US8812240B2 (en) * | 2008-03-13 | 2014-08-19 | Siemens Medical Solutions Usa, Inc. | Dose distribution modeling by region from functional imaging |
| US8131044B2 (en) * | 2008-04-08 | 2012-03-06 | General Electric Company | Method and apparatus for determining the effectiveness of an image transformation process |
| US8238639B2 (en) * | 2008-04-09 | 2012-08-07 | Cognex Corporation | Method and system for dynamic feature detection |
| US8488881B2 (en) * | 2010-07-27 | 2013-07-16 | International Business Machines Corporation | Object segmentation at a self-checkout |
| US9129426B2 (en) * | 2010-08-31 | 2015-09-08 | General Electric Company | Motion compensation in image processing |
| US8483471B2 (en) * | 2011-06-30 | 2013-07-09 | General Electric Company | Method and system for scatter correction in X-ray imaging |
-
2011
- 2011-11-22 WO PCT/IB2011/055233 patent/WO2012073151A2/en active Application Filing
- 2011-11-22 CN CN2011800664878A patent/CN103339652A/zh active Pending
- 2011-11-22 EP EP11712016.2A patent/EP2646977A2/en not_active Withdrawn
- 2011-11-22 RU RU2013129865/08A patent/RU2013129865A/ru not_active Application Discontinuation
- 2011-11-22 US US13/989,152 patent/US9153012B2/en not_active Expired - Fee Related
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20030156684A1 (en) * | 2002-02-20 | 2003-08-21 | Fessler Jeffrey A. | Method for statistically reconstructing images from a plurality of transmission measurements having energy diversity and image reconstructor apparatus utilizing the method |
| US20060210131A1 (en) * | 2005-03-15 | 2006-09-21 | Wheeler Frederick W Jr | Tomographic computer aided diagnosis (CAD) with multiple reconstructions |
| CN1940992A (zh) * | 2005-06-17 | 2007-04-04 | Cti分子成像公司 | Pet/ct成像中基于图像的伪影降低 |
| US20070133736A1 (en) * | 2005-10-17 | 2007-06-14 | Siemens Corporate Research Inc | Devices, systems, and methods for imaging |
| US20080267474A1 (en) * | 2007-04-24 | 2008-10-30 | Siemens Corporate Research, Inc. | Layer Reconstruction From Dual-Energy Image Pairs |
| US20090136112A1 (en) * | 2007-11-23 | 2009-05-28 | Vincent Bismuth | Method for the processing of images in interventional radioscopy |
| CN101777177A (zh) * | 2009-12-29 | 2010-07-14 | 上海维宏电子科技有限公司 | 基于衰减滤波的ct图像去金属伪影混合重建法 |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108027960A (zh) * | 2015-06-30 | 2018-05-11 | 通用电气公司 | 用于磁共振图像的环形伪影修复的方法和设备 |
| CN108430330A (zh) * | 2015-12-03 | 2018-08-21 | 西门子保健有限责任公司 | 产生血管系统的体积图像的序列的断层造影设备和方法 |
| CN108430330B (zh) * | 2015-12-03 | 2021-10-01 | 西门子保健有限责任公司 | 产生血管系统的体积图像的序列的断层造影设备和方法 |
| CN111542859A (zh) * | 2018-01-02 | 2020-08-14 | 皇家飞利浦有限公司 | 用于正则化重建的基于学习的体素进化 |
| CN111656405A (zh) * | 2018-01-26 | 2020-09-11 | 皇家飞利浦有限公司 | 使用深度学习来减少金属伪影 |
| CN113196340A (zh) * | 2018-11-13 | 2021-07-30 | 皇家飞利浦有限公司 | 用于正电子发射断层摄影(pet)的基于人工智能(ai)的标准化摄取值(suv)校正和变化评估 |
| CN113597765A (zh) * | 2019-03-18 | 2021-11-02 | 谷歌有限责任公司 | 用于编码伪像的帧叠层 |
| CN113096061A (zh) * | 2019-12-23 | 2021-07-09 | 株式会社日立制作所 | 图像诊断辅助装置、医用图像取得装置以及计算机可读记录介质 |
| CN113096061B (zh) * | 2019-12-23 | 2023-09-15 | 富士胶片医疗健康株式会社 | 图像诊断辅助装置、医用图像取得装置以及计算机可读记录介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| RU2013129865A (ru) | 2015-01-10 |
| WO2012073151A3 (en) | 2012-08-16 |
| WO2012073151A2 (en) | 2012-06-07 |
| EP2646977A2 (en) | 2013-10-09 |
| US20130243298A1 (en) | 2013-09-19 |
| US9153012B2 (en) | 2015-10-06 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN103339652A (zh) | 靠近伪影源的诊断图像特征 | |
| US8611628B2 (en) | Using non-attenuation corrected PET emission images to compensate for incomplete anatomic images | |
| CN108242068B (zh) | 用于成像系统的方法和ct/pet系统 | |
| CN102934143B (zh) | 用于在pet-mr中产生衰减图的方法 | |
| US8406495B2 (en) | MR segmentation using transmission data in hybrid nuclear/MR imaging | |
| US8958620B2 (en) | Region of interest definition in cardiac imaging | |
| CN103415779B (zh) | 利用混合式核成像/mr中的核发射数据进行mr分割的系统及方法 | |
| CN103562960B (zh) | 用于生成图像的图像区域与元素类之间的分配的装置 | |
| US9324167B2 (en) | Apparatus and method for generating an attenuation correction map | |
| JP2016116843A (ja) | 画像処理装置、画像処理方法および画像処理プログラム | |
| US20160166220A1 (en) | Method and system for defining a volume of interest in a physiological image | |
| US8831323B2 (en) | Method and apparatus for measuring activity of a tracer | |
| AU2012315669A1 (en) | Variable-depth stereotactic surface projections | |
| US20140341452A1 (en) | System and method for efficient assessment of lesion development | |
| US8552387B2 (en) | Method for determining radiation attenuation by an examination object in a positron emission tomography scanner | |
| EP2882343B1 (en) | Chronic obstructive pulmonary disease (copd) phantom for computed tomography (ct) and methods of using the same | |
| Vermandel et al. | Combining MIP images and fuzzy set principles for vessels segmentation: application to TOF MRA and CE-MRA | |
| CN117530709A (zh) | 用于pet-ct图像伪影评估和校正的系统和方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| AD01 | Patent right deemed abandoned |
Effective date of abandoning: 20170208 |
|
| C20 | Patent right or utility model deemed to be abandoned or is abandoned |