CN103793890A - 一种能谱ct图像的恢复处理方法 - Google Patents
一种能谱ct图像的恢复处理方法 Download PDFInfo
- Publication number
- CN103793890A CN103793890A CN201410079693.8A CN201410079693A CN103793890A CN 103793890 A CN103793890 A CN 103793890A CN 201410079693 A CN201410079693 A CN 201410079693A CN 103793890 A CN103793890 A CN 103793890A
- Authority
- CN
- China
- Prior art keywords
- image
- low
- energy
- pixel
- yield
- 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
Images
Landscapes
- Apparatus For Radiation Diagnosis (AREA)
Abstract
本发明公开一种能谱CT图像的恢复处理方法,其包括步骤:获取低能量CT投影数据ylow和高能量CT投影数据yhigh,分别对低能量CT投影数据ylow和高能量CT投影数据yhigh进行CT图像重建,获得低能量CT图像μlow和高能量CT图像μhigh;将低能量CT图像μlow和高能量CT图像μhigh进行合成处理,得到合成CT图像μcom;设置加权平均滤波器,利用加权平均滤波器结合合成CT图像μcom分别对低能量CT图像μlow和高能量CT图像μhigh进行加权平均滤波处理,分别获得恢复后最终的高能量CT图像μlow(restored)和低能量CT图像μhigh(restored)。本发明能够快速高效地获取到高质量的能谱CT图像,在使用低剂量发射的同时,仍能保证产生高质量的CT图像,具有很好的鲁棒性,能够有效的消除图像噪声和抑制伪影。
Description
技术领域
本发明涉及医学图像处理技术,尤其是涉及一种能谱CT图像的恢复处理方法。
背景技术
近些年来,病人接受CT检查时所接受的放射剂量及其相关的癌症风险,正越来越受到关注。随着能谱CT在临床中广泛应用,新的CT设备的使用造成更大的X射线使用剂量,使得人们越来越关注于CT剂量对人体的潜在危害以及如何在保证图像质量的前提下最大限度地降低X射线使用剂量。
低剂量条件下的能谱CT成像才能具有临床生命力,所以我们必须寻找高效的低剂量成像的方法。当前,从硬件上,探测器高效的X线利用率,良好的光电匹配性能以及高精度的数据采集***都有助于剂量的降低。从重建技术角度,在重建过程中合理选择滤波函数或者迭代约束项,重建图像域恢复。具体到恢复方法,目前较为流行的包括TV最小化的恢复方法、基于偏微方程的恢复方法等。这些方法都能重建出更低噪声、更高分辨率的图像,同样有助于降低X线剂量,但不可避免地带来图像模糊和图像细节的损失,而且,由于能谱CT投影数据量庞大,重建计算耗时长,难以满足临床中实时交互的要求。因此,研究新的图像处理算法对于提高能谱CT图像质量同时保持细节信息十分重要。
近些年,随着数学理论和图像分析技术的发展,基于冗余数据和图像相似性的恢复方法迅速得到了人们的关注。最具代表性的是A.Buades提出的非局部均值方法,它采用了图像的自然冗余,利用每幅图像中相似区域进行去噪,可以对细节和边缘信息得到了较好的保留。目前,有关利用非局部均值的图像恢复技术方案,已有较多专利申请如CN201110091450、CN201010271499和CN200810125299等“。但是这些方法均根据图像自身的冗余性进行去噪处理,没有引入合适的先验图像。另外,CN200720077448提出了一种基于标准剂量图像冗余信息的低剂量CT图像重建方法,该方法由先前的扫描数据给出一幅正常剂量的图像,再进行一次低剂量CT扫描,并将正常剂量的图像和低剂量CT图像进行配准,然后再通过图像块之间的相似性进行去噪。
综上,现有的实现低剂量能谱CT图像成像的方法主要有两类。其中一个简单的方法是在数据采集过程中尽可能的降低毫安秒(mAs)或千伏峰值参数(或减少所投射到身体的X射线能量)。毫安秒的降低会导致能谱投影数据中光子噪声强度大幅度增加且电子噪声的影响更为突出;千伏峰值参数的降低则会因X射线的穿透力下降而造成重建图像中射束硬化伪影的产生。另一个是利用投影数据噪声的统计特性对实际的低剂量成像***进行建模,采用迭代算法对测量数据进行重建,改善最终图像的噪声,提高重建图像的空间分辨率。由于能谱CT投影数据量庞大,造成计算量太大,重建时间非常长,其中最耗时的部分是***光学模型的建立,虽然可以改善最终图像的噪声,但是还是难以满足临床中实时交互的要求。
发明内容
本发明提出一种计算简单、实现快速、具有很好的鲁棒性且在噪声消除和伪影抑制两方面性能优良的能谱CT图像的恢复处理方法,以解决目前能谱CT图像恢复存在计算量大和重建时间非常长等缺陷的技术问题。
本发明采用如下技术方案实现:一种能谱CT图像的恢复处理方法,其包括步骤:
获取低能量CT投影数据ylow和高能量CT投影数据yhigh,分别对低能量CT投影数据ylow和高能量CT投影数据yhigh进行CT图像重建,获得低能量CT图像μlow和高能量CT图像μhigh;
将低能量CT图像μlow和高能量CT图像μhigh进行合成处理,得到合成CT图像μcom;
设置加权平均滤波器,利用加权平均滤波器结合合成CT图像μcom分别对低能量CT图像μlow和高能量CT图像μhigh进行加权平均滤波处理,分别获得恢复后最终的高能量CT图像μlow(restored)和低能量CT图像μhigh(restored)。
其中,设置加权平均滤波器的计算公式为μrestored=w·μcom,μrestored为低能量CT图像μlow或高能量CT图像μhigh时就能分别计算出最终的高能量CT图像μlow(restored)和低能量CT图像μhigh(restored);
其中,w为权重因子。
其中,权重因子w为非局部权重。
其中,确定权重因子w的计算包括:
(a)在初始能量图像和合成图像中分别选择一个相同的包含图像中几何信息的大方形邻域,在每个大方形邻域内选择一个位置且大小相同的小正方形邻域,通过相似性测度计算两个小正方形邻域的欧氏距离;
(b)在选定的小正方形邻域内进行两像素间的灰度值比较同时,利用两像素间的相似性来刻画两像素关系中的权值量。
其中,相似性测度采用两像素点邻域内所有像素点灰度值的加权欧几里德距离的反比例函数。
其中,权重因子w与初始能量图像和合成CT图像μcom的关系为:
其中,C定义为区域补偿因子,μ(Vi)和μcom(Vj)为此两个小方形邻域中所有像素灰度值数组,Nj表示合成能量图像中像素点j处能够包含图像几何结构信息的大方形邻域,所述的大方形领域以像素点j为中心;wij为三维权值矩阵中的一个值,其中x,y轴坐标为像素点i所在合成图像中的坐标,z轴为以像素点i为中心的方形邻域中像素点j的位置,通过图像间两像素点间的欧几里德距离反比例函数确定;Vi和Vj表示初始能量图像中像素i和合成能量图像中像素j为中心的小方形邻域,所述的小方形领域分别以像素点i和像素点j为中心;||·||代表此两个像素点所在区域的加权欧几里德距离;参数h表示计算像素点间权值的指数函数同邻域相似性测度的反比例衰减关系。
其中,几何信息包括边缘、拐角和纹理。
其中,低能量CT投影数据ylow和高能量CT投影数据yhigh在位置上存在偏移时,采用数据配准的方法将低能量CT投影数据ylow和高能量CT投影数据yhigh进行配准处理。
其中,CT图像重建的方法设置为滤波反投影方法。
其中,合成处理的方法包括如下其中一种:(1)求低能量CT图像μlow和高能量CT图像μhigh的加权平均图像;(2)求低能量CT图像μlow和高能量CT图像μhigh的最大密度图像;(3)放慢旋转速度,在一定的旋转区间内采集更多的投影角度数,以获取质量较好的能谱CT图像,再获取得到合成CT图像。
与现有技术相比,本发明具有如下有益效果:
本发明通过获取低剂量的能谱CT扫描高能量CT图像和低能量CT图像,采用两者的合成图像作为先验,利用合成图像和每个能量CT图像的分块相似性,使得图像恢复效果得到大幅度提升。并且,本发明能够快速高效地获取到高质量的能谱CT图像,在使用低剂量发射的同时,仍能保证产生高质量的CT图像。另外,本发明还具有很好的鲁棒性,能够有效的消除图像噪声和抑制伪影。
附图说明
图1是本发明一个优选实施例的流程示意图。
图2a和图2b分别是Clock体模低能量低剂量数据、高能量低剂量数据采用FBP算法直接重建后的图像示意图。
图3a和图3b分别是图2a和图2b使用本发明方法恢复处理后的示意图。
具体实施方式
本发明的工作原理为:在能谱CT扫描过程中,一次扫描可以获得高低能量下相同部分的图像,由于扫描的同时性,且扫描位置、扫描状态、扫描角度等均基本一致,所以两幅图像整体结构基本是一致的;而且,高低能量图像的合成图像的噪声水平相对比较低。当合成图像和每个能量的图像分成小的图像块进行处理和匹配时,它们是高度相似的;因此,本发明则利用了这些图像块的相似性,对于待恢复低剂量能谱CT图像利用合成图像中的大量冗余信息来优化非局部权值矩阵计算,然后进行加权平均处理,从而达到恢复目的。由于合成图像具有良好的图像质量,因此本发明可以有效改善能谱CT图像的质量。
如图1所示,本发明的一个优选实施例包括如下实现步骤:
步骤S1、获取CT设备的***参数,以及不同能量扫描协议下的低剂量的低能量CT投影数据ylow和高能量CT投影数据yhigh。
保存成像对象不同能量能谱CT扫描的投影数据,并用滤波反投影方法进行图像重建,得到不同能量下的能谱CT投影数据,即低能量CT投影数据ylow和高能量CT投影数据yhigh。
步骤S2、对步骤S1获取的不同能量扫描协议下CT投影数据,采用CT图像重建方法(比如,滤波反投影方法(Filtered Back-Projection,FBP))分别对低能量CT投影数据ylow和高能量CT投影数据yhigh进行CT图像重建,获得低能量CT图像μlow和高能量CT图像μhigh。
步骤S3、将低能量CT图像μlow和高能量CT图像μhigh求合成图像,获取合成CT图像μcom。
其中,可以通过以下几种方式获取到合成CT图像μcom:
(1)求低能量CT图像μlow和高能量CT图像μhigh的加权平均图像;
(2)求低能量CT图像μlow和高能量CT图像μhigh的最大密度图像;
(3)放慢旋转速度,在一定的旋转区间内采集更多的投影角度数,以获取质量较好的能谱CT图像,再获取得到合成CT图像;
(4)其他可以获得合成图像的手段。
在一个优选实施例中,采用的方法是加权平均处理,具体过程为:低能量CT图像μlow和高能量CT图像μhigh求平均值,得到了本发明方法中要使用的合成CT图像μcom。
步骤S4、分别构建低能量CT图像μlow的非局部权值wlow和高能量CT图像μhigh的非局部权值whigh。
非局部权重值w的计算过程为:
(a)在每个能量条件下,在初始能量图像和合成图像中分别选择一个相同的包含图像边缘,拐角和纹理等几何信息的大方形邻域,在每个大方形邻域内选择一个位置且大小相同的小正方形邻域,通过相似性测度计算两个小正方形邻域的欧氏距离,其中相似性测度采用两像素点邻域内所有像素点灰度值的加权欧几里德距离的反比例函数。
(b)在选定的小正方形邻域内进行两像素间的灰度值比较同时,利用两像素间的相似性来刻画两像素关系中的权值量。
其中,非局部权重值w与初始能量图像和合成CT图像μcom之间的关系为:
其中,本发明中μ(Vi)和μcom(Vj)为此两个小方形邻域中所有像素灰度值数组,E(μ(Vi))和E(μcom(Vj))为此两个小方形邻域中所有像素灰度值的期望值;Nj表示合成CT图像μcom中像素点j处能够包含图像几何信息(比如边缘、拐角和纹理)的大方形邻域,所述的大方形领域以像素点j为中心;wij为三维权值矩阵中的一个值,其中x、y轴坐标为像素点i所在合成图像中的坐标,z轴为以像素点i为中心的方形邻域中像素点j的位置,通过相似性测度图像间两像素点间的欧几里德距离反比例函数确定;Vi和Vj表示初始能量图像中像素i和合成CT图像μcom中像素j为中心的小方形邻域,所述的小方形领域分别以像素点i和像素点j为中心;||·||代表此两个像素点所在区域的加权欧几里德距离;参数h表示计算像素点间权值的指数函数同邻域相似性测度的反比例衰减关系。
所述的相似性测度是采用两像素点邻域内所有像素点灰度值的加权欧几里德距离的反比例函数。
通过实验及综合处理效果和计算复杂度的考虑,相似邻域窗和搜索邻域窗优选设为7×7和11×11。
步骤S5、设置加权平均滤波器。
设置加权平均滤波器的计算公式为μrestored=w·μcom,其中μcom为步骤S3中获得的合成CT图像,μrestored为每个能量下图像恢复后的结果,w为权重因子。
步骤S6、利用加权平均滤波器进行加权平均滤波处理,获得最终恢复后的高能量CT图像μlow(restored)和低能量CT图像μhigh(restored)。
将步骤S2中的低能量CT图像μlow和高能量CT图像μhigh,以及步骤S3中的合成CT图像μcom分别代入加权平均滤波器的计算公式,所得到的运算结果为最终恢复后的图像数据μlow(restored)和μhigh(restored)。
其中,低能量图像加权平均滤波器定义为μlow(restored)=wlow·μcom,其中μcom为合成CT图像,μlow(restored)为低能量CT图像μlow恢复后的结果图像(简称为“低能量恢复图像”)。高能量图像加权平均滤波器定义为μhigh(restored)=whigh·μcom,其中μcom为中获得的合成图像数据,μhigh(restored)为高能量CT图像μhigh恢复后的结果(简称为“高能量恢复图像”)。
需要说明的是,本发明所公开的模型,还可以为其他计算机断层成像领域,比如磁共振成像,正电子发射成像,多能量CT成像等;本发明所公开的模型,还适应于其它的方式获取的低剂量CT图像的恢复,获取方式还可以是降低X射线球管电流和减少扫描时间等。
综上,与现有最好技术相比,本发明的优点在于:
1.本发明利用能谱CT中高低能量图像的合成CT图像中大量冗余信息来优化非局部权值矩阵计算,不需要将当前低剂量CT图像和合成CT图像进行配准。
2.本发明可以使用低剂量发射的同时,仍能保证产生高质量的能谱CT图像,本发明方法具有很好的鲁棒性,在噪声消除和伪影抑制两方面均有上佳表现。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种能谱CT图像的恢复处理方法,其特征在于,包括步骤:
获取低能量CT投影数据ylow和高能量CT投影数据yhigh,分别对低能量CT投影数据ylow和高能量CT投影数据yhigh进行CT图像重建,获得低能量CT图像μlow和高能量CT图像μhigh;
将低能量CT图像μlow和高能量CT图像μhigh进行合成处理,得到合成CT图像μcom;
设置加权平均滤波器,利用加权平均滤波器结合合成CT图像μcom分别对低能量CT图像μlow和高能量CT图像μhigh进行加权平均滤波处理,分别获得恢复后最终的高能量CT图像μlow(restored)和低能量CT图像μhigh(restored)。
2.根据权利要求1所述一种能谱CT图像的恢复处理方法,其特征在于,设置加权平均滤波器的计算公式为μrestored=w·μcom,μrestored为低能量CT图像μlow或高能量CT图像μhigh时就能分别计算出最终的高能量CT图像μlow(restored)和低能量CT图像μhigh(restored);
其中,w为权重因子。
3.根据权利要求2所述一种能谱CT图像的恢复处理方法,其特征在于,权重因子w为非局部权重。
4.根据权利要求2所述一种能谱CT图像的恢复处理方法,其特征在于,确定权重因子w的计算包括:
(a)在初始能量图像和合成图像中分别选择一个相同的包含图像中几何信息的大方形邻域,在每个大方形邻域内选择一个位置且大小相同的小正方形邻域,通过相似性测度计算两个小正方形邻域的欧氏距离;
(b)在选定的小正方形邻域内进行两像素间的灰度值比较同时,利用两像素间的相似性来刻画两像素关系中的权值量。
5.根据权利要求4所述一种能谱CT图像的恢复处理方法,其特征在于,相似性测度采用两像素点邻域内所有像素点灰度值的加权欧几里德距离的反比例函数。
6.根据权利要求4所述一种能谱CT图像的恢复处理方法,其特征在于,权重因子w与初始能量图像和合成CT图像μcom的关系为:
其中,C定义为区域补偿因子,μ(Vi)和μcom(Vj)为此两个小方形邻域中所有像素灰度值数组,Nj表示合成能量图像中像素点j处能够包含图像几何结构信息的大方形邻域,所述的大方形领域以像素点j为中心;wij为三维权值矩阵中的一个值,其中x,y轴坐标为像素点i所在合成图像中的坐标,z轴为以像素点i为中心的方形邻域中像素点j的位置,通过图像间两像素点间的欧几里德距离反比例函数确定;Vi和Vj表示初始能量图像中像素i和合成能量图像中像素j为中心的小方形邻域,所述的小方形领域分别以像素点i和像素点j为中心;||·||代表此两个像素点所在区域的加权欧几里德距离;参数h表示计算像素点间权值的指数函数同邻域相似性测度的反比例衰减关系。
7.根据权利要求6所述一种能谱CT图像的恢复处理方法,其特征在于,几何信息包括边缘、拐角和纹理。
8.根据权利要求1所述一种能谱CT图像的恢复处理方法,其特征在于,低能量CT投影数据ylow和高能量CT投影数据yhigh在位置上存在偏移时,采用数据配准的方法将低能量CT投影数据ylow和高能量CT投影数据yhigh进行配准处理。
9.根据权利要求1所述一种能谱CT图像的恢复处理方法,其特征在于,CT图像重建的方法设置为滤波反投影方法。
10.根据权利要求1所述一种能谱CT图像的恢复处理方法,其特征在于,合成处理的方法包括如下其中一种:(1)求低能量CT图像μlow和高能量CT图像μhigh的加权平均图像;(2)求低能量CT图像μlow和高能量CT图像μhigh的最大密度图像;(3)放慢旋转速度,在一定的旋转区间内采集更多的投影角度数,以获取质量较好的能谱CT图像,再获取得到合成CT图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410079693.8A CN103793890A (zh) | 2014-03-05 | 2014-03-05 | 一种能谱ct图像的恢复处理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410079693.8A CN103793890A (zh) | 2014-03-05 | 2014-03-05 | 一种能谱ct图像的恢复处理方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN103793890A true CN103793890A (zh) | 2014-05-14 |
Family
ID=50669516
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410079693.8A Pending CN103793890A (zh) | 2014-03-05 | 2014-03-05 | 一种能谱ct图像的恢复处理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103793890A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104616296A (zh) * | 2015-01-23 | 2015-05-13 | 上海联影医疗科技有限公司 | 提高放射治疗影像质量的方法及装置、放射治疗*** |
CN106910227A (zh) * | 2015-12-23 | 2017-06-30 | 通用电气公司 | 一种恢复低可信度的ct数据的方法及装置 |
CN106910163A (zh) * | 2015-12-23 | 2017-06-30 | 通用电气公司 | 原始ct投影数据的数据修复装置及方法、ct成像*** |
CN106910165A (zh) * | 2015-12-23 | 2017-06-30 | 通用电气公司 | 修复原始ct投影数据的方法及装置、ct成像*** |
CN107209946A (zh) * | 2015-01-20 | 2017-09-26 | 皇家飞利浦有限公司 | 图像数据分割和显示 |
CN110270015A (zh) * | 2019-05-08 | 2019-09-24 | 中国科学技术大学 | 一种基于多序列MRI的sCT生成方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101300600A (zh) * | 2005-07-08 | 2008-11-05 | 威斯康星校友研究基金会 | 用于ct成像的反投影重构方法 |
CN102737392A (zh) * | 2012-06-07 | 2012-10-17 | 南方医科大学 | 一种低剂量x线ct图像的非局部正则化先验重建方法 |
-
2014
- 2014-03-05 CN CN201410079693.8A patent/CN103793890A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101300600A (zh) * | 2005-07-08 | 2008-11-05 | 威斯康星校友研究基金会 | 用于ct成像的反投影重构方法 |
CN102737392A (zh) * | 2012-06-07 | 2012-10-17 | 南方医科大学 | 一种低剂量x线ct图像的非局部正则化先验重建方法 |
Non-Patent Citations (1)
Title |
---|
JIANHUA MA等: "Low-dose computed tomography image restoration using previous normal-dose scan", 《MEDICAL PHYSICS》, vol. 38, no. 10, 31 October 2011 (2011-10-31), pages 5713 - 5731, XP012153023, DOI: 10.1118/1.3638125 * |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107209946A (zh) * | 2015-01-20 | 2017-09-26 | 皇家飞利浦有限公司 | 图像数据分割和显示 |
CN107209946B (zh) * | 2015-01-20 | 2020-09-25 | 皇家飞利浦有限公司 | 图像数据分割和显示 |
CN104616296A (zh) * | 2015-01-23 | 2015-05-13 | 上海联影医疗科技有限公司 | 提高放射治疗影像质量的方法及装置、放射治疗*** |
CN106910227A (zh) * | 2015-12-23 | 2017-06-30 | 通用电气公司 | 一种恢复低可信度的ct数据的方法及装置 |
CN106910163A (zh) * | 2015-12-23 | 2017-06-30 | 通用电气公司 | 原始ct投影数据的数据修复装置及方法、ct成像*** |
CN106910165A (zh) * | 2015-12-23 | 2017-06-30 | 通用电气公司 | 修复原始ct投影数据的方法及装置、ct成像*** |
CN106910163B (zh) * | 2015-12-23 | 2022-06-21 | 通用电气公司 | 原始ct投影数据的数据修复装置及方法、ct成像*** |
CN106910227B (zh) * | 2015-12-23 | 2023-06-13 | 通用电气公司 | 一种恢复低可信度的ct数据的方法及装置 |
CN106910165B (zh) * | 2015-12-23 | 2023-06-30 | 通用电气公司 | 修复原始ct投影数据的方法及装置、ct成像*** |
CN110270015A (zh) * | 2019-05-08 | 2019-09-24 | 中国科学技术大学 | 一种基于多序列MRI的sCT生成方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Xu et al. | A practical cone-beam CT scatter correction method with optimized Monte Carlo simulations for image-guided radiation therapy | |
Jia et al. | GPU-based fast low-dose cone beam CT reconstruction via total variation | |
CN108898642A (zh) | 一种基于卷积神经网络的稀疏角度ct成像方法 | |
CN103793890A (zh) | 一种能谱ct图像的恢复处理方法 | |
Xie et al. | Deep efficient end-to-end reconstruction (DEER) network for few-view breast CT image reconstruction | |
CN103810734B (zh) | 一种低剂量x射线ct投影数据恢复方法 | |
CN101980302A (zh) | 投影数据恢复导引的非局部平均低剂量ct重建方法 | |
CN104408758A (zh) | 一种低剂量能谱ct图像处理方法 | |
CN103679706B (zh) | 一种基于图像各向异性边缘检测的ct稀疏角度重建方法 | |
CN104751429B (zh) | 一种基于字典学习的低剂量能谱ct图像处理方法 | |
CN103020928A (zh) | 锥束ct***的金属伪影校正方法 | |
CN104574416A (zh) | 一种低剂量能谱ct图像去噪方法 | |
CN102024251A (zh) | 用于双源ct的基于多图像虚拟非对比图像增强的***和方法 | |
Zhang et al. | Limited angle CT reconstruction by simultaneous spatial and Radon domain regularization based on TV and data-driven tight frame | |
Jiang et al. | Enhancing digital tomosynthesis (DTS) for lung radiotherapy guidance using patient-specific deep learning model | |
CN113870138A (zh) | 基于三维U-net的低剂量CT图像去噪方法及*** | |
Li et al. | Multienergy cone-beam computed tomography reconstruction with a spatial spectral nonlocal means algorithm | |
Dillon et al. | Evaluating reconstruction algorithms for respiratory motion guided acquisition | |
Xia et al. | RegFormer: A Local–Nonlocal Regularization-Based Model for Sparse-View CT Reconstruction | |
CN117813055A (zh) | 用于从快速spect扫描和ct图像合成spect图像的多模态和多尺度特征聚合 | |
Pan et al. | Iterative residual optimization network for limited-angle tomographic reconstruction | |
Li et al. | Eliminating CT radiation for clinical PET examination using deep learning | |
CN112001978B (zh) | 一种基于生成对抗网络的双能双90°ct扫描重建图像的方法及装置 | |
CN105844678A (zh) | 基于全广义变分正则化的低剂量x射线ct图像重建方法 | |
Kim et al. | CNN-based CT denoising with an accurate image domain noise insertion technique |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20140514 |