CN102415894A - 使用能谱ct分析的血管狭窄度可视化和量化的***及方法 - Google Patents
使用能谱ct分析的血管狭窄度可视化和量化的***及方法 Download PDFInfo
- Publication number
- CN102415894A CN102415894A CN2010106251753A CN201010625175A CN102415894A CN 102415894 A CN102415894 A CN 102415894A CN 2010106251753 A CN2010106251753 A CN 2010106251753A CN 201010625175 A CN201010625175 A CN 201010625175A CN 102415894 A CN102415894 A CN 102415894A
- Authority
- CN
- China
- Prior art keywords
- image
- interest
- data set
- image data
- speckle
- 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
- 210000004204 blood vessel Anatomy 0.000 title claims abstract description 45
- 238000000034 method Methods 0.000 title abstract description 31
- 238000011002 quantification Methods 0.000 title abstract description 5
- 208000031481 Pathologic Constriction Diseases 0.000 title abstract 2
- 208000037804 stenosis Diseases 0.000 title abstract 2
- 230000036262 stenosis Effects 0.000 title abstract 2
- 238000012800 visualization Methods 0.000 title abstract 2
- 238000004458 analytical method Methods 0.000 title description 3
- 230000003595 spectral effect Effects 0.000 title 1
- 239000000463 material Substances 0.000 claims abstract description 40
- 238000005259 measurement Methods 0.000 claims description 17
- 238000003384 imaging method Methods 0.000 claims description 15
- 238000012937 correction Methods 0.000 claims description 7
- 238000012986 modification Methods 0.000 claims description 2
- 230000004048 modification Effects 0.000 claims description 2
- 239000000126 substance Substances 0.000 claims 1
- 230000009977 dual effect Effects 0.000 abstract description 21
- 230000002238 attenuated effect Effects 0.000 abstract 1
- 238000000701 chemical imaging Methods 0.000 abstract 1
- 238000002591 computed tomography Methods 0.000 description 100
- 230000008021 deposition Effects 0.000 description 34
- 238000005516 engineering process Methods 0.000 description 23
- 230000000007 visual effect Effects 0.000 description 22
- 208000036626 Mental retardation Diseases 0.000 description 14
- 238000001228 spectrum Methods 0.000 description 14
- 230000000694 effects Effects 0.000 description 11
- 230000008569 process Effects 0.000 description 11
- OYPRJOBELJOOCE-UHFFFAOYSA-N Calcium Chemical compound [Ca] OYPRJOBELJOOCE-UHFFFAOYSA-N 0.000 description 9
- 229910052791 calcium Inorganic materials 0.000 description 9
- 239000011575 calcium Substances 0.000 description 9
- 238000013170 computed tomography imaging Methods 0.000 description 9
- 239000000758 substrate Substances 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 238000012856 packing Methods 0.000 description 4
- 238000004590 computer program Methods 0.000 description 3
- 206010035148 Plague Diseases 0.000 description 2
- 241000607479 Yersinia pestis Species 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 239000012141 concentrate Substances 0.000 description 2
- 239000002872 contrast media Substances 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 239000010410 layer Substances 0.000 description 2
- 230000008520 organization Effects 0.000 description 2
- 230000005855 radiation Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 125000004429 atom Chemical group 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 125000005843 halogen group Chemical group 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 239000002356 single layer Substances 0.000 description 1
Images
Classifications
-
- 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]
- A61B6/032—Transmission 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
- A61B6/48—Diagnostic techniques
- A61B6/482—Diagnostic techniques involving multiple energy imaging
-
- 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
- A61B6/504—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications for diagnosis of blood vessels, e.g. by angiography
-
- 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
- A61B6/507—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 determination of haemodynamic parameters, e.g. perfusion 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
- A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
- A61B6/5211—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data
- A61B6/5217—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data extracting a diagnostic or physiological parameter from medical diagnostic data
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
-
- 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
- A61B6/58—Testing, adjusting or calibrating thereof
- A61B6/582—Calibration
- A61B6/583—Calibration using calibration phantoms
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Pathology (AREA)
- Heart & Thoracic Surgery (AREA)
- Optics & Photonics (AREA)
- High Energy & Nuclear Physics (AREA)
- Radiology & Medical Imaging (AREA)
- Biophysics (AREA)
- Physics & Mathematics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Veterinary Medicine (AREA)
- Dentistry (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Physiology (AREA)
- Vascular Medicine (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Pulmonology (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
公开了一种双能谱CT成像的***和方法,其提供精确的血管的狭窄度可视化和量化。CT***(10)包括配置为朝着患者的感兴趣区域投射x射线的x射线源(14),该感兴趣区域包括了处在变窄状态并在其中具有斑块物质的血管。CT***(10)还包括:接收由x射线源(14)发射且由感兴趣区域衰减的x射线(16)的x射线探测器(18);可操作地连接到x射线探测器(18)上的数据采集***(DAS)(32);以及计算机(36),其编程为在第一色度能级上获得感兴趣区域的第一CT图像数据集,在高于所述第一色度能级的第二色度能级上获得感兴趣区域的第二CT图像数据集,以及通过分析第二CT图像数据集识别出感兴趣区域中的斑块物质。
Description
背景技术
本发明的实施例一般涉及诊断成像,并且更具体地是涉及双能CT能谱成像的方法和设备,该双能CT能谱成像提供精确血管狭窄度可视化和量化。
通常,在计算机断层扫描(CT)成像***中,x射线源朝着诸如患者或一件行李等对象或物体发射扇形射束。在下文中,术语“对象”和“物体”将包括能够被成像的任何事物。在由对象衰减之后,该射束撞击到辐射探测器阵列上。在探测器阵列接收的经衰减的射束辐射强度通常取决于该对象对x射线束的衰减。探测器阵列的每个探测器元件产生单独的电信号,其指示由每个探测器元件接收的经衰减的射束。该电信号传送至数据处理***供分析,最终产生图像。
由于在重构图像中出现的成像伪影(即射束硬化伪影)的存在,利用CT成像的一些成像程序会存在挑战。例如,血管狭窄度测量的精度是CT成像的难题,特别是在血管中存在包含高密度钙的斑块(plague)的情况下。血管中的高密度钙斑块引入了浮散效应(blooming effect),其过高估计了血管中斑块的真实范围并且显著地影响血管中真实对比流(contrast flow)的可视化。血管中斑块真实范围的该失真导致不精确的狭窄度测量。
因此,需要设计一种设备和方法,其通过减少重构CT图像中的高密度斑块的浮散现象来提供对血管中狭窄度更加精确的量化和可视化。
发明内容
本发明的实施例针对双能CT能谱成像方法和设备,该方法和设备提供对血管狭窄度的精确可视化和量化。分别在低和高色度能级上采集患者感兴趣区域的第一和第二CT图像数据集,该感兴趣区域包括处于变窄状态的血管,这样的话在血管中存在高密度斑块沉积物(plague deposit)。通过分析在高色度能级上采集的第二CT图像数据集识别出感兴趣区域中的斑块物质,使得能够精确地可视化斑块物质并且使得能够精确地量化血管狭窄度。
依照本发明的一个方面,一种CT***包括具有接收要扫描的患者的开口的可旋转扫描架(rotatable gantry)以及定位在该可旋转扫描架上并配置为朝着患者的感兴趣区域投射x射线的x射线源,该感兴趣区域包括处于变窄状态并在其中具有斑块物质的血管。所述CT***还包括定位在可旋转扫描架上并定位来接收由x射线源发射且由感兴趣区域衰减的x射线的x射线探测器以及可操作地连接到x射线探测器上的数据采集***(DAS)。CT***还包括计算器,其编程为在第一色度能级上获得感兴趣区域的第一CT图像数据集,在高于第一色度能级的第二色度能级上获得感兴趣区域的第二CT图像数据集,以及通过分析第二CT图像数据集识别出感兴趣区域中的斑块物质。
依照本发明的另一方面,非暂时计算机可读存储介质具有存储于其上的计算机程序,该程序包括指令,当该指令由计算机执行时,使计算机促使计算机断层扫描(CT)***的x射线源分别在第一色度能级和第二色度能级上在相应第一和第二次扫描期间朝着患者发射x射线,其中第二色度能级高于第一色度能级。指令还使得计算机从相应第一和第二次扫描获得患者的感兴趣区域的第一CT图像数据集和第二CT图像数据集,其中该感兴趣区域包括处于变窄状态、在其中包括高密度斑块物质的血管。该指令还使得计算机执行对第二CT图像数据集的分析以隔离对应于感兴趣区域中高密度斑块物质的像素,由包括至少血管图像的第一CT图像数据集重构该感兴趣区域的分图像和全图像之一,并将对应于高密度斑块物质的隔离像素应用到由第一CT图像数据集产生的该分图像和全图像之一以产生最终的感兴趣区域的图像。
依照本发明的又一方面,能谱计算机断层扫描(CT)成像的方法包括采集在低色度能级上关于患者感兴趣区域的第一CT图像数据集的步骤,其中感兴趣区域包括处于变窄状态并在其中具有高密度斑块物质的血管结构。该方法还包括采集在高色度能级上关于该感兴趣区域的第二CT图像数据集并分析第一CT图像数据集以识别对应于该感兴趣区域中血管结构的像素的步骤,相比该低色度能级,该高色度能级处在增加的能级上。该方法还包括分析第二CT图像数据集以识别对应于血管结构中的高密度斑块沉积物的像素以及由在第一CT数据集中识别的对应于血管结构的像素和在第二CT数据集中识别的对应于高密度斑块沉积物的像素重构感兴趣区域图像的步骤。
通过以下的详细描述和附图,使各种其它的特征和优点变得明显。
附图说明
附图示出当前预期用来实现本发明的优选实施例。
附图包括:
图1是用来与本发明实施例一同使用的双能CT成像***的示图。
图2是图1所示***的框示意图。
图3是CT***探测器阵列的一个实施例的透视图。
图4是探测器的一个实施例的透视图。
图5是依照本发明一个实施例的关于狭窄度可视化和量化的双能谱CT成像技术的流程图。
图6是依照本发明的另一个实施例的关于狭窄度可视化和量化的双能谱CT成像技术的流程图。
图7是依照本发明的另一个实施例的关于狭窄度可视化和量化的双能谱CT成像技术的流程图。
图8是依照本发明一个实施例的狭窄度测量修正技术的流程图。
具体实施方式
针对64层计算机断层扫描(CT)***来描述本发明的操作环境。然而,本领域技术人员会理解,本发明同样可适用于单层或其它多层配置。此外,将针对x射线的探测和转换来描述本发明。然而,本领域技术人员还会理解,本发明同样可适用于探测和转换其它的高频电磁能量。一种实现是与“第三代”CT扫描仪和/或其它CT***可配合使用的。
参考图1,示出的计算机断层扫描(CT)成像***10包括表示“第三代”CT扫描仪的扫描架12。依照本发明一个示范实施例,提供的CT***10为GE Healthcare的宝石能谱成像(GSI)双能CT***。扫描架12具有x射线源14,其朝着扫描架12的相对侧上的探测器组件或准直器18投射x射线束16。现参考图2,由多个探测器20和数据采集***(DAS)32形成探测器组件18。该多个探测器20感测穿过医疗患者22的投射x射线,且DAS 32将数据转换为数字信号供后续处理。每个探测器20产生表示照射x射线束、因而表示经过患者22的衰减射束的强度的模拟电信号。在采集x射线投射数据的扫描期间,扫描架12和安装在其上的部件围绕旋转中心24旋转。CT成像***10是双能***,其中能量以不同的色能态从x射线源14投射以便增强图像中的对比度分离(contrast separation)。
扫描架12的旋转和x射线源14的操作由CT***10的控制机构26管理。控制机构26包括x射线发生器28,其提供功率和定时信号给x射线源14和扫描架电机控制器30,该扫描架电机控制器30控制扫描架12的旋转速度和位置。图像重构器34接收来自DAS 32的采样和数字化x射线数据并执行高速重构。重构的图像作为输入施加到计算机36,计算机36在大容量存储装置38中存储图像。
计算机36还经由控制台40从操作员那里接收命令和扫描参数,操作台40具有某种形式的操作员界面,诸如键盘、鼠标、声音触发控制器,或任何其它适合的输入设备。相关联的显示器42允许操作员观察来自计算机36的重构图像和其它数据。由计算机36使用操作员提供的命令和参数来提供控制信号和信息给DAS 32、x射线发生器28和扫描架电机控制器30。另外,计算机36操作控制电动台架46的台架电机控制器44以定位患者22和扫描架12。特别地,台架46移动患者22整个或部分地通过图1的扫描架开口48。
如图3所示,探测器组件18包括轨道17,其具有放置在其间的准直叶片或板19。将板19定位成在这种射束照射在例如图4的探测器20上之前校准x射线16,探测器20定位在探测器组件18上。在一个实施例中,探测器组件18包括57个探测器20,每个探测器20具有64×16阵列尺寸的像素元件50。结果,探测器组件18具有64行和912个通道(16×57个探测器),其允许在扫描架12的每次旋转时收集64个同时层片的数据。
参考图4,探测器20包括DAS 20,每个探测器20包括许多排列在包装51中的探测器元件50。探测器20包括相对于探测器元件50定位在包装51中的销52。包装51定位在具有多个二极管59的背光式二极管阵列53上。背光式二极管阵列53进而定位在多层衬底54上。间隔装置55定位在多层衬底54上。探测器元件50光耦合到背光式二极管阵列53,且背光式二极管阵列53进而电耦合到多层衬底54。柔性电路56附连到多层衬底54的面57上并附连到DAS 32上。使用销52将探测器20定位在探测器组件18中。
在一个实施例的操作中,在探测器元件50内照射的x射线产生穿过包装51的光子,从而产生在背光式二极管阵列53中的二极管上探测的模拟信号。产生的模拟信号传送通过多层衬底54、通过柔性电路56,到达DAS 32,在那里该模拟信号转换为数字信号。
依照本发明的实施例,操作CT***10获得患者的感兴趣区域的CT图像,以便允许对血管进行精确血管狭窄度测量,其中该感兴趣区域包括因高密度斑块沉积物而部分变窄(即闭塞)的血管结构。当采集用于执行狭窄度测量的这类图像时,认识到引起狭窄的血管中高密度斑块(例如,钙斑块)的存在也阻碍在采集的CT图像中血管的开放性(patency)的可视化。斑块的射束硬化效应在CT图像中产生围绕血管的假晕圈(artificial halo)并且导致浮散现象,这在CT研究中过高估计斑块的量和体积。这是除了实际斑块沉积物的模糊效应(blurring)之外因为CT***固有的***传递函数所引起的。
如上文所提出的,CT成像***10操作为双能***,从而提供用于修正由高密度斑块引起的浮散或射束硬化。CT***10利用双能扫描来获得CT诊断图像,其通过采集在两个不同的管电压极(KV)上相同位置的数据来增强图像中的对比度分离。使用在双能CT扫描期间获得的图像,产生单色图像。即,能够在多个能级上产生单色图像,其中每个图像处于特定的x射线能量(KeV)。虽然下文所述的本发明的实施例描述了只在两个能级上产生单色图像,但是认识到能够在更多能级上产生单色图像,例如三个、四个或五个能级。因此,本发明的实施例并非限于只在两个能级上采集和产生单色图像(即只有一对“高”和“低”能量图像),并且在下文所作的讨论不构成限制。
使用双能CT,通过以不同的有效单色能级观看相同的物质能够使高密度斑块物质的射束硬化伪影的效应最小化。即,高单色能级减少斑块的强度和相应浮散现象,并且该信息能够用来有助于准确确定患者血管中斑块的范围。另外,血管中的造影剂在这些高能上所起作用将非常少并且因此在这些高能图像中高密度钙斑块沉积物的精确范围的可视化是可能的。通过在最佳高单色能级上获得CT图像,高密度斑块物质的射束硬化伪影将保持在确定的最小值,从而实现对高密度斑块物质的准确可视化以及血管狭窄度的精确量化。
现参考图5,显示了依照本发明的实施例经由双能谱CT成像减少CT图像中高密度斑块的浮散效应的技术60,使得提供对血管狭窄度的更加精确的量化和可视化。技术60为了最小化与血管中的高密度斑块相关的射束硬化或浮散而产生组合血管开放图像。依照技术60,在步骤62首先执行校准以识别出使斑块沉积物成像中的浮散现象/射束硬化为最小的最佳高单色能级。校准时,在步骤64依照双能扫描过程/图像获取,在低能设定和在确定的最佳高能设定上采集CT图像数据。因此,作为步骤64,例如可以在65KeV上采集低能图像并且在130KeV上采集高能图像,但是认识到还可以使用其它适合的能级,诸如基于校准结果选择的另一个最佳高能级。依照技术60的另外的实施例,还认识到能够在临床上接受的KeV设定(例如130KeV)上采集高能图像而不执行步骤62的校准或者在***建立期间可以做一次步骤62的校准,其中存储有关高密度钙样本行为的信息供以后与在步骤64获取的CT图像数据配合使用。
进一步关于步骤64的CT图像数据的获取,依照本发明的示范实施例,通过在两个不同的管电压级(KV)上的扫描来采集CT图像数据,其通过使用管电压的快速切换来改变包括发射的x射线束的入射光子能量的峰值和能谱(KeV)。作为旋转角度的函数来交织扫描,并且因此只需要围绕对象作一个扫描架旋转就可采集低能CT数据和高能CT数据。因此,有益地,相比于如果通过使用两个管子(即x射线源14,图1)或扫描架12(图1)的两个旋转采集低能和高能CT数据,关于低能和高能图像不存在患者身上的血管和斑块位置配准的问题。
在步骤64在低和高能级设定的每一个上获取CT图像数据时,从CT图像数据中选择血管像素和斑块区域像素,该CT图像数据是在关于提供CT图像中的对比度的最佳能级设定上采集的。依照本发明的示范实施例,由于在高能图像数据中浮散效应是极小的,所以从低能图像数据(例如,65KeV的图像)中选择血管像素以及从高能图像数据中选择斑块区域像素。因此,在技术60的下一个步骤中,在步骤66处理高能级图像数据以重构感兴趣区域的单色图像。然后在步骤68分析该高能级图像以从中识别和分割出斑块沉积物的像素。然后在步骤70使用这些识别出的斑块沉积物的像素产生图像遮罩,其将在产生低能级图像期间被应用。因此,在分割斑块沉积物区域的像素和产生图像遮罩之后,在步骤72处理低能级图像。在产生低能级图像过程中,应用由斑块沉积物的像素产生的图像遮罩使得将在生成低能级图像期间忽略被遮罩的像素。
在产生低能级图像时,在步骤74将来自高能级图像的斑块像素添加到血管的低能级图像上。从而,产生组合图像,其中血管和其它组织处于低能级并且高密度斑块处于高能级设定。这产生其中血管处于它的最佳对比度增强而斑块沉积物的浮散效应处于它的最低值的图像。这个图像可允许使用者看到血管中斑块的实际范围。能够对于任意的厚度、尺寸、核心、整个CT容积或它的一部分、渲染的重排层片以及甚至容积和最大强度投射图像来制成这个组合图像。斑块像素图像和其余图像还能够处于不同的核心设定。因此在步骤76斑块沉积物的精确可视化提供变窄区域(即斑块沉积物的区域)的精确测量,这种测量步骤或者由诸如计算机20等的CT***10自动执行,或者由***操作员手动执行。
依照本发明的另一个实施例,为了将与高密度斑块相关联的射束硬化减到最小,在图6中提供技术80用于产生血管开放图像。技术80开始于步骤82,在这里首先执行校准以识别出最佳高单色能级,其将斑块沉积物成像中的浮散现象/射束硬化减到最小。备选地,如上文关于技术60(图5)所述,认识到能够在临床上接受的KeV设定(例如130KeV)上采集高能图像而不执行校准。再次参考图6所示的技术80,在校准时,在步骤84依照双能扫描过程/图像获取,在低能设定和高能设定的每个上采集CT图像数据。例如,低能图像能够在65KeV上采集并且高能图像能够在130KeV上采集,但认识到还能够使用其它适合的能级。
在低能级和高能级的每个上采集CT图像数据时,在步骤86处理高能级图像数据以重构感兴趣区域的单色图像。然后在步骤88分析高能级图像以从高能图像中分割出斑块区域像素。由于在高能图像中浮散效应极小,所以从高能图像数据中选择出斑块区域像素。然后在步骤90处理低能级图像数据,以在低能设定(例如,65KeV)上产生整个CT图像,以便突出CT图像中血管/组织和造影剂的更好信噪比。即,在步骤90从低能级图像数据产生包括血管和其它组织以及高密度斑块沉积物的图像。这与图5所示的技术60相反,图5的技术60中选定的遮罩部分从低能级数据的图像重构中排除,使得只重构分图像。
在产生整个CT图像时,在步骤92处理从高能级图像数据分割出的斑块区域像素并将其覆盖到单色低能级图像上。依照示范实施例,处理从高能级图像数据分割出的斑块区域像素并将其覆盖到产生的彩色的单色低能级图像。在可视化期间,斑块区域的彩色覆盖能够用按键或按钮选择进行选择性的ON和OFF显示。例如,在使用者准备测量狭窄度时该覆盖变为工作的。在步骤94,执行变窄区域的测量,这种测量是通过使用者手动或自动(例如,通过图1的计算机20)基于彩色斑块覆盖区域的范围来进行的。
现在参考图7,阐明了技术100,其用于产生具有与血管中的高密度斑块相关联的最小化射束硬化的CT图像。依照技术100,首先在步骤102执行校准以识别出将斑块沉积物成像中的射束硬化减到最小的最佳高单色能级。然后在步骤104依照双能扫描过程/图像获取在低能设定和最佳高能设定的每一个上采集CT图像数据。例如,能够在65KeV上采集低能图像并且能够在130KeV上采集高能图像,但认识到还可以使用其它适合的能级。
在步骤106,从在最佳高能级上采集的CT数据中识别出斑块区域的像素。在识别出高能图像中的斑块区域的像素时,在步骤108将低能级图像数据中的斑块区域像素被隔离并重新投射到低能扫描数据使得产生“修改的低能图像数据”集。然后在步骤110通过重构该修改的低能级图像数据,诸如通过反投影技术,从而产生无斑块的图像。这种不包含斑块区域像素的低能级图像数据的重构将减少图像中的浮散效应或射束硬化,因为该图像由没有斑块数据的原始数据重构。在重构无斑块的图像时,在步骤112将来自高能级扫描的斑块像素添加到从低能级图像数据产生的无斑块的图像以作为IBO或射束硬化修正,从而产生提供更精确的狭窄度可视化的真实斑块修正的图像(或去除斑块的图像)。然后在步骤114基于重构图像进行对血管狭窄度的测量,这种测量步骤自动地或由***操作员手动地执行。
如上文所述,对于图5-7的技术60、80、100的每个来说,基于示出血管结构和斑块沉积物的重构图像能够进行血管狭窄度的测量。对于在技术60、80、100的每个中执行的狭窄度测量,或对于按标准采集的CT图像进行狭窄度的测量来说,可对狭窄度测量进行修正以修正重构图像中斑块沉积物数量的任何过高估计。即,通过修正在该图像能级通常看到的斑块沉积物的过高估计量,对CT图像上进行的狭窄度测量进行修改。通过使用双能CT关于在不同单色能级上产生的图像获得横跨斑块沉积物的轮廓(profile)的半最大全宽度(FWHM),并且比较那些FWHM轮廓与实际测量的斑块沉积物的尺寸,能够确定单色能级和浮散的量之间的关系。从使用双能CT,看出对于所有的情形FWHM随着更高的能级而减少。除了指示浮散效应的FWHM上的单色能级的影响之外,使用临床可视化设定(包含这些样本的图像的窗口宽度和高度)以分析斑块沉积物轮廓,这进一步增强了FWHM和斑块沉积物的实际尺寸之间的这种关系。
根据上文所述,通过考虑样本密度、尺寸以及可视化设定,能够预测在不同的单色能级上从斑块沉积物的实际测量值的斑块沉积物的轮廓测量值的误差。通过使用正确设计的仿真模型可容易地实验地将该信息制成列表,该仿真模型能够用作CT***的校准步骤。
现在参考图8,阐述了依照本发明的实施例用来修正狭窄度测量的技术120。依照技术120,在步骤122首先基于血管和其中斑块沉积物的重构CT图像进行血管狭窄度的测量,这种测量步骤或者自动地或者由***操作员手动地执行。在测量血管狭窄度时,在步骤124访问查找表,其关于在多个图像能级的每个上通常看到的斑块沉积物过高估计量。查找表中的这类相关性可基于先前的校准/试验,该校准/试验比较不同单色能级上产生的图像的横跨斑块沉积物的轮廓的FWHM和实际测量的斑块沉积物的尺寸,能够确定单色能级和浮散量之间的关系。查找表基于采集图像数据所处的图像能级提出了对血管狭窄度的建议性修正,并且在步骤126应用该修正以产生修正的血管狭窄度的测量。
依照技术120的一个备选实施例,认识到经由方程式而非访问查找表能够确定对测量的血管狭窄度的修正。这种方程式考虑了测量误差、使用的图像窗宽和窗高临床可视化设定、以houndsfield单位(HU)计的斑块物质密度以及测量的图像的能级之间的关系。
依照本发明的另一个实施例,认识到在图5-7的技术60、80、100的每个中能够执行另外的步骤(例如,除基于FWHM的技术之外)以细化识别/分割出的斑块沉积物的像素。例如,能够对识别/分割出的斑块沉积物像素执行去卷积过程以使得细化为***传递函数所细化的识别出的斑块物质。采用所使用的重构核心的点扩展函数来应用去卷积。因此,在隔离/分割所识别的钙区域之后在高能下对这样的识别的钙区域的去卷积修正或细化了识别的钙,然后将修正的信息加到低能图像,使得在最终图像中提供更加精确的高密度钙沉积物的尺寸,并且使得能执行更精确的狭窄度的测量。
在图5-7所阐述的技术60、80、100的每个中,认识到能够进行对技术的另外的精练和/或变更以改进狭窄度的可视化和量化过程。例如,可以使用来自低KeV图像的中心线信息,随同重新使用在其它能级上的其它共同点以便可视化和比较在不同方位的血管,而无需再处理具有在所有KeV设定下的对比度的血管中心线。能够使用最佳对比级图像以得到最精确的中心线跟踪,并且结果可用于所有其它KeV设定,从而允许对血管参数的改进量化。
对所公开方法和设备的技术贡献在于提供了用于双能CT能谱成像的计算机实现的方法和设备,该双能CT能谱成像提供了准确的血管狭窄可视化和量化。
本领域技术人员将理解本发明的实施例可以由具有存储于其上的计算机程序的计算机可读存储介质接口并控制。计算机可读存储介质包括多个元件,诸如一个或多个电子元件、硬件元件和/或计算机软件元件。这些元件可包括一个或多个计算机可读存储介质,其通常存储诸如软件、固件和/或用于执行序列的一个或多个实现或实施例的一个或多个部分的汇编语言的指令。这些计算机可读存储介质通常是非暂时的和/或有形的。这种计算机可读存储介质的实例包括计算机和/或存储装置的可记录数据存储介质。计算机可读存储介质例如可采用磁的、电的、光的、生物的和/或原子的数据存储介质中的一个或多个。另外,这类介质例如可以采用软盘、磁带、CD-ROM、DVD-ROM、硬盘驱动器和/或电子存储器的形式。本发明的实施例可以使用未列出的其它形式的非暂时的和/或有形的计算机可读存储介质。
在***的一种实现中能够组合或分开许多这类元件。另外,如本领域技术人员会理解,这类元件可包括一组及/或一系列的以许多编程语言的任一种编写或实现的计算机指令。
因此,依照本发明的一个实施例,CT***包括具有接收要扫描患者的开口的可旋转扫描架以及定位在可旋转扫描架上并配置为朝着患者的感兴趣区域投射x射线的x射线源,该感兴趣区域包括处于变窄状态并在其中具有斑块物质的血管。CT***还包括定位在可旋转扫描架上并定位来接收由x射线源发射且由感兴趣区域衰减的x射线的x射线探测器以及可操作地连接到x射线探测器上的数据采集***(DAS)。CT***还包括计算机,其编程为在第一色度能级上获得感兴趣区域的第一CT图像数据集,在高于第一色度能级的第二色度能级上获得感兴趣区域的第二CT图像数据集,以及通过分析第二CT图像数据集识别出感兴趣区域中的斑块物质。
依照本发明的另一个实施例,非暂时的计算机可读存储介质具有存储于其上的计算机程序,其包括指令,当指令由计算机执行时,使计算机引起计算机断层扫描(CT)***中的x射线源以第一色度能级和第二色度能级的每个在相应的第一和第二扫描期间朝着患者发射x射线,其中第二色度能级高于第一色度能级。指令还使得计算机从相应的第一和第二扫描获得关于患者感兴趣区域的第一CT图像数据集和第二CT图像数据集,其中该感兴趣区域包括处于变窄状态并在其中具有高密度斑块物质的血管。指令还使计算机执行对第二CT图像数据集的分析以隔离出对应于感兴趣区域中高密度斑块物质的像素,从包括至少血管图像的第一CT图像数据集重构感兴趣区域的分图像和全图像之一,并将对应于高密度斑块物质的隔离像素应用到由第一CT图像数据集产生的分图像和全图像之一以产生感兴趣区域的最终图像。
依照本发明的又一个实施例,一种能谱计算机断层扫描(CT)成像方法包括在低色度能级上采集患者感兴趣区域的第一CT图像数据集的步骤,其中感兴趣区域包括处于变窄状态并在其中具有高密度斑块物质的血管结构。该方法还包括在高色度能级上采集感兴趣区域的第二CT图像数据集以及分析第一CT图像数据集以识别对应于感兴趣区域中血管结构的像素的步骤,其中高色度能级相比低色度能级处在增加的能级上。该方法还包括分析第二CT图像数据集以识别对应于血管结构中高密度斑块沉积物的像素以及从第一CT图像数据集中识别出的对应于血管结构的像素和第二CT图像数据集中识别出的对应于高密度斑块沉积物的像素重构感兴趣区域图像的步骤。
该书面描述使用实例以公开本发明,包括最好的模式,也能够使本领域的任何技术人员实施本发明,包括制作和使用任何装置或***以及执行任何结合的方法。本发明可授权范围由权利要求限定,并且可包括本领域技术人员想到的其它实例。这种其它的实例,如果它们具有与权利要求的语言文字没有差别的结构元件,或如果它们包括与权利要求的语言文字无本质差别的等同结构元件,那么它们落入权利要求的范围内。
Claims (10)
1.一种CT***(10),包括:
具有接收要扫描的患者(22)的开口(48)的可旋转扫描架(12);
定位在可旋转扫描架(12)上并配置为朝着患者(22)的感兴趣区域投射X射线(16)的x射线源(14),所述感兴趣区域包括处于变窄状态并在其中具有斑块物质的血管;
定位在可旋转扫描架(12)上并定位为接收由x射线源(14)发射且由感兴趣区域衰减的x射线的x射线探测器(18);
可操作地连接到x射线探测器(18)上的数据采集***(DAS)(32);以及
计算机(36),其编程为:
在第一色度能级上获得感兴趣区域的第一CT图像数据集;
在高于所述第一色度能级的第二色度能级上获得感兴趣区域的第二CT图像数据集;以及
通过分析所述第二CT图像数据集识别出感兴趣区域中的斑块物质。
2.如权利要求1所述的CT***(10),其中计算机(36)还编程为:
执行CT***(10)的校准以确定色度能级,在该色度能级上与斑块物质成像相关的射束硬化为最小;以及
将所述第二色度能级设置在基于所述CT***(10)的校准、与斑块物质成像相关的射束硬化为最小的能级设置上。
3.如权利要求1所述的CT***(10),其中所述计算机(36)还编程为使用所述第一CT图像数据集和所述第二CT图像数据集的每个的一部分来重构感兴趣区域的组合图像,其中由所述第一CT图像数据集重构所述组合图像中的血管并且由所述第二CT图像数据集重构所述组合图像中的斑块物质。
4.如权利要求3所述的CT***(10),其中所述计算机(36)还编程为:
由所述第二CT图像数据集重构所述感兴趣区域的第一单色图像;
由所述重构的第一单色图像识别和分割出斑块物质像素;
由所述分割的斑块物质像素产生图像遮罩;
应用所述图像遮罩的同时由所述第一CT图像数据集重构所述感兴趣区域的第二单色图像,使得由所述图像遮罩掩盖的像素从所述第二单色图像的重构中排除;以及
将所述分割的斑块物质像素添加到所述第二图像以形成所述感兴趣区域的组合图像。
5.如权利要求1所述的CT***(10),其中所述计算机(36)还编程为使用所述第一CT图像数据集和所述第二CT图像数据集产生所述感兴趣区域的多层图像,其中由所述第一CT图像数据集重构所述感兴趣区域的完整图像并且从所述第二CT图像数据集重构所述斑块物质的选择性可显示的图像。
6.如权利要求5所述的CT***(10),其中所述计算机(36)还编程为:
由所述第二CT图像数据集重构所述感兴趣区域的第一单色图像;
由所述重构的第一单色图像识别和分割出斑块物质像素以产生斑块物质图像覆盖;
由所述第一CT图像数据集重构所述感兴趣区域的第二单色图像,所述第二单色图像包括整个的感兴趣区域的图像并包括血管和斑块物质;以及
在所述第二单色图像上以彩色选择性地显示所述斑块物质图像覆盖。
7.如权利要求1所述的CT***(10),其中所述计算机(36)还编程为:
识别所述第二CT图像数据集中的斑块物质像素;
将所识别出的斑块物质像素与所述第二CT图像数据集隔离;
将所隔离的斑块物质像素重新投射到所述第一CT图像数据集以产生修改的第一CT图像数据集;
由所述修改的第一CT图像数据集重构所述血管的无斑块单色图像;以及
将所述隔离的斑块物质像素添加到所述无斑块单色图像以产生斑块修正的图像。
8.如权利要求1所述的CT***(10),其中所述计算机(36)还编程为:
使用所述第一CT图像数据集和所述第二CT图像数据集的每个的至少一部分重构所述感兴趣区域的图像;
基于通过分析所述第二CT图像数据集识别出的斑块物质的量对所重构的图像中的血管执行狭窄度测量。
9.如权利要求8所述的CT***(10),其中所述计算机(36)还编程为:
访问查找表,其提供了用于扫描的色度能级和与这种色度能级相关联的斑块物质尺寸的过度估计误差之间的相关性;以及
基于所述查找表的相关性对所述狭窄度测量进行修正。
10.如权利要求1所述的CT***(10),其中所述计算机(36)还编程为在可旋转扫描架(12)的单次旋转期间并使用单个x射线源(14)获得所述第一和第二CT图像数据集。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US12/890,835 US8494244B2 (en) | 2010-09-27 | 2010-09-27 | System and method for blood vessel stenosis visualization and quantification using spectral CT analysis |
US12/890835 | 2010-09-27 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN102415894A true CN102415894A (zh) | 2012-04-18 |
Family
ID=44651339
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2010106251753A Pending CN102415894A (zh) | 2010-09-27 | 2010-12-27 | 使用能谱ct分析的血管狭窄度可视化和量化的***及方法 |
Country Status (4)
Country | Link |
---|---|
US (1) | US8494244B2 (zh) |
EP (1) | EP2433566B1 (zh) |
JP (1) | JP5980486B2 (zh) |
CN (1) | CN102415894A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103892859A (zh) * | 2012-12-28 | 2014-07-02 | Ge医疗***环球技术有限公司 | 基于多模式Scout扫描的CT成像方法和CT*** |
CN104379063A (zh) * | 2012-06-14 | 2015-02-25 | 皇家飞利浦有限公司 | 基于谱成像的决策支持、处置规划和/或介入引导 |
CN106999122A (zh) * | 2014-08-15 | 2017-08-01 | 牛津大学创新有限公司 | 血管周围组织表征方法 |
CN107753048A (zh) * | 2012-09-05 | 2018-03-06 | 三星电子株式会社 | X射线成像装置 |
CN113507888A (zh) * | 2019-01-25 | 2021-10-15 | 克莱利公司 | 表征高风险斑块的***和方法 |
Families Citing this family (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8494244B2 (en) * | 2010-09-27 | 2013-07-23 | General Electric Company | System and method for blood vessel stenosis visualization and quantification using spectral CT analysis |
US8761479B2 (en) * | 2010-11-08 | 2014-06-24 | General Electric Company | System and method for analyzing and visualizing spectral CT data |
US20140050378A1 (en) * | 2012-08-14 | 2014-02-20 | Instituto Do Coracao | System and method for detecting materials or disease states using multi-energy computed tomography |
KR101578770B1 (ko) | 2013-11-21 | 2015-12-18 | 삼성전자주식회사 | 의료 영상 처리 장치 및 그에 따른 의료 영상 처리 방법 |
US9311570B2 (en) * | 2013-12-06 | 2016-04-12 | Kabushiki Kaisha Toshiba | Method of, and apparatus for, segmentation of structures in medical images |
US9204852B2 (en) | 2013-12-31 | 2015-12-08 | General Electric Company | Systems and methods for increased energy separation in multi-energy X-ray imaging |
US9713452B2 (en) | 2014-03-31 | 2017-07-25 | General Electric Company | Generation of monochromatic images |
US10429323B2 (en) * | 2015-07-24 | 2019-10-01 | Photo Diagnostic Systems, Inc. | Method and apparatus for performing multi-energy (including dual energy) computed tomography (CT) imaging |
US9747701B2 (en) | 2015-08-20 | 2017-08-29 | General Electric Company | Systems and methods for emission tomography quantitation |
US10929974B2 (en) | 2016-06-15 | 2021-02-23 | Koninklijke Philips N.V. | Determining calcium content from spectral CT data |
KR101902883B1 (ko) * | 2017-02-22 | 2018-10-01 | 연세대학교 산학협력단 | 컴퓨터 단층촬영 영상에서 플라크를 분석하기 위한 방법 및 장치 |
US20200034968A1 (en) * | 2017-03-31 | 2020-01-30 | Koninklijke Philips N.V. | Spectral imaging ffr |
US10573030B2 (en) | 2017-04-07 | 2020-02-25 | Photo Diagnostic Systems, Inc. | Method for artifact reduction using monoenergetic data in computed tomography |
US11497457B2 (en) | 2018-04-25 | 2022-11-15 | Ge Healthcare As | Gadolinium deposition detection and quantification |
US11158095B2 (en) * | 2018-08-24 | 2021-10-26 | General Electric Company | System and method for reducing artifact bloom in a reconstructed object |
US11210779B2 (en) * | 2018-09-07 | 2021-12-28 | Siemens Healthcare Gmbh | Detection and quantification for traumatic bleeding using dual energy computed tomography |
EP4087486A4 (en) | 2020-01-07 | 2024-02-14 | Cleerly, Inc. | SYSTEMS, METHODS AND DEVICES FOR MEDICAL IMAGE ANALYSIS, DIAGNOSIS, RISK STRATIFICATION, DECISION-MAKING AND/OR DISEASE MONITORING |
US20220392065A1 (en) | 2020-01-07 | 2022-12-08 | Cleerly, Inc. | Systems, methods, and devices for medical image analysis, diagnosis, risk stratification, decision making and/or disease tracking |
US11969280B2 (en) | 2020-01-07 | 2024-04-30 | Cleerly, Inc. | Systems, methods, and devices for medical image analysis, diagnosis, risk stratification, decision making and/or disease tracking |
CN112508954B (zh) * | 2021-02-07 | 2021-05-14 | 南京景三医疗科技有限公司 | 一种管状结构狭窄度的计算方法、计算装置和电子设备 |
US20230289963A1 (en) | 2022-03-10 | 2023-09-14 | Cleerly, Inc. | Systems, devices, and methods for non-invasive image-based plaque analysis and risk determination |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070041490A1 (en) * | 2005-08-17 | 2007-02-22 | General Electric Company | Dual energy scanning protocols for motion mitigation and material differentiation |
DE102008010234A1 (de) * | 2008-02-21 | 2009-09-10 | Siemens Aktiengesellschaft | Verfahren für die Computertomographie zur Korrektur der Strahlungsaufhärtung |
US20100014737A1 (en) * | 2008-06-27 | 2010-01-21 | Ruehrnschopf Ernst-Peter | Method for generating image data relating to a virtually prescribable x-ray tube voltage from first and second CT image data |
Family Cites Families (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4541106A (en) * | 1984-02-22 | 1985-09-10 | General Electric Company | Dual energy rapid switching imaging system |
US6922462B2 (en) * | 2002-07-31 | 2005-07-26 | Ge Medical Systems Global Technology Company, Llc | Method, system and computer product for plaque characterization |
US7453976B1 (en) * | 2005-05-17 | 2008-11-18 | Fang-Fang Yin | Computerized tomography image reconstruction |
JP5042465B2 (ja) * | 2005-05-18 | 2012-10-03 | 株式会社日立メディコ | 放射線撮影装置、画像処理方法 |
EP1903944B1 (en) * | 2005-06-24 | 2017-04-19 | Volcano Corporation | Co-registration of graphical image data representing three-dimensional vascular features |
US8081809B2 (en) | 2006-11-22 | 2011-12-20 | General Electric Company | Methods and systems for optimizing high resolution image reconstruction |
US20080242977A1 (en) | 2007-03-30 | 2008-10-02 | General Electric Company | Systems, methods and apparatus for longitudinal/temporal analysis of plaque lesions |
JP5319180B2 (ja) * | 2007-07-10 | 2013-10-16 | 株式会社東芝 | X線撮影装置、画像処理装置および画像処理プログラム |
US9070181B2 (en) * | 2007-12-21 | 2015-06-30 | General Electric Company | System and method for extracting features of interest from an image |
JP2009178493A (ja) * | 2008-02-01 | 2009-08-13 | Ge Medical Systems Global Technology Co Llc | X線ct装置 |
JP2009195561A (ja) * | 2008-02-22 | 2009-09-03 | Toshiba Corp | X線ct装置、画像処理装置および画像処理プログラム |
US8031835B2 (en) * | 2008-08-07 | 2011-10-04 | Xcision Medical Systems Llc | Method and system for translational digital tomosynthesis mammography |
DE102008045633B4 (de) | 2008-09-03 | 2011-08-25 | Siemens Aktiengesellschaft, 80333 | Verfahren zur verbesserten Darstellung von Mehr-Energie-CT-Aufnahmen und zugehöriges Computersystem |
DE102009006831B3 (de) | 2009-01-30 | 2010-09-09 | Siemens Aktiengesellschaft | Verfahren und Vorrichtung zur Erzeugung eines CT-Bildes hoher Zeitauflösung |
US8194820B2 (en) * | 2009-02-06 | 2012-06-05 | The Board Of Trustees Of The Leland Stanford Junior University | Optimal weights for measuring spectral x-ray data |
DE102009043221A1 (de) * | 2009-09-30 | 2011-03-31 | Siemens Aktiengesellschaft | Multi-Source CT-System |
US8494244B2 (en) * | 2010-09-27 | 2013-07-23 | General Electric Company | System and method for blood vessel stenosis visualization and quantification using spectral CT analysis |
-
2010
- 2010-09-27 US US12/890,835 patent/US8494244B2/en active Active
- 2010-12-27 CN CN2010106251753A patent/CN102415894A/zh active Pending
-
2011
- 2011-08-31 JP JP2011188076A patent/JP5980486B2/ja active Active
- 2011-09-15 EP EP11181423.2A patent/EP2433566B1/en active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070041490A1 (en) * | 2005-08-17 | 2007-02-22 | General Electric Company | Dual energy scanning protocols for motion mitigation and material differentiation |
DE102008010234A1 (de) * | 2008-02-21 | 2009-09-10 | Siemens Aktiengesellschaft | Verfahren für die Computertomographie zur Korrektur der Strahlungsaufhärtung |
US20100014737A1 (en) * | 2008-06-27 | 2010-01-21 | Ruehrnschopf Ernst-Peter | Method for generating image data relating to a virtually prescribable x-ray tube voltage from first and second CT image data |
Non-Patent Citations (2)
Title |
---|
BALAZS RUZSICS, ET AL: "Dual-energy CT of the heart for diagnosing coronary artery stenosis and myocardial ischemia-initial experience", 《EUR RADIOL》 * |
CHRISTOPH THOMAS, ET AL: "Automatic lumen segmentation in calcified plaques: dual-energy CT versus standard reconstructions in comparison with digital subtraction angiography", 《AMERICAN JOURNAL OF ROENTGENOLOGY》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104379063A (zh) * | 2012-06-14 | 2015-02-25 | 皇家飞利浦有限公司 | 基于谱成像的决策支持、处置规划和/或介入引导 |
CN107753048A (zh) * | 2012-09-05 | 2018-03-06 | 三星电子株式会社 | X射线成像装置 |
CN107753048B (zh) * | 2012-09-05 | 2020-12-29 | 三星电子株式会社 | X射线成像装置 |
CN103892859A (zh) * | 2012-12-28 | 2014-07-02 | Ge医疗***环球技术有限公司 | 基于多模式Scout扫描的CT成像方法和CT*** |
CN106999122A (zh) * | 2014-08-15 | 2017-08-01 | 牛津大学创新有限公司 | 血管周围组织表征方法 |
CN106999122B (zh) * | 2014-08-15 | 2020-10-20 | 牛津大学创新有限公司 | 血管周围组织表征方法 |
CN113507888A (zh) * | 2019-01-25 | 2021-10-15 | 克莱利公司 | 表征高风险斑块的***和方法 |
Also Published As
Publication number | Publication date |
---|---|
US8494244B2 (en) | 2013-07-23 |
EP2433566B1 (en) | 2014-03-26 |
JP5980486B2 (ja) | 2016-08-31 |
JP2012071123A (ja) | 2012-04-12 |
EP2433566A3 (en) | 2012-11-07 |
US20120076377A1 (en) | 2012-03-29 |
EP2433566A2 (en) | 2012-03-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102415894A (zh) | 使用能谱ct分析的血管狭窄度可视化和量化的***及方法 | |
US7729467B2 (en) | Methods and systems for attentuation correction in medical imaging | |
US6904118B2 (en) | Method and apparatus for generating a density map using dual-energy CT | |
US9216302B2 (en) | Radiotherapy system and radiotherapy planning apparatus | |
US7734076B2 (en) | Material decomposition image noise reduction | |
US7620444B2 (en) | Systems and methods for improving usability of images for medical applications | |
US8315352B2 (en) | System and method of spectral calibration and basis material decomposition for X-ray CT systems | |
US11000701B2 (en) | Dual-layer detector for soft tissue motion tracking | |
Speidel et al. | Scanning‐beam digital x‐ray (SBDX) technology for interventional and diagnostic cardiac angiography | |
US8363917B2 (en) | System and method of image artifact reduction in fast kVp switching CT | |
US20080279328A1 (en) | Systems and Methods Using X-Ray Tube Spectra For Computed Tomography Applications | |
US20150003591A1 (en) | Nuclear imaging system | |
CN104939848B (zh) | 单色图像的生成 | |
CN105962959A (zh) | 对于虚拟x射线量子能量分布产生图像的方法和拍摄装置 | |
US20110284751A1 (en) | Nuclear image reconstruction | |
US6876718B2 (en) | Scatter correction methods and apparatus | |
US9943279B2 (en) | Methods and systems for task-based data generation and weighting for CT spectral imaging | |
CN106880902A (zh) | 基于单能量图像记录确定材料属性值的空间分布 | |
CN108135562A (zh) | 用于确定空间依赖的x射线通量退化和光子谱改变的设备 | |
CN105407805B (zh) | 用于提高多片层成像***的空间分辨率的***和方法 | |
US11058369B2 (en) | Systems and methods for coherent scatter imaging using a segmented photon-counting detector for computed tomography | |
US8854355B2 (en) | System and method of visualizing features in an image | |
Seeram et al. | Computed tomography: Physical principles, instrumentation, and quality control | |
EP3819675B1 (en) | Imaging of photon-counting ct system | |
JPH08304309A (ja) | 物体の放射線量分布図を該物体による減衰に対する補正の後に製作する方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C05 | Deemed withdrawal (patent law before 1993) | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20120418 |