CN104039262A - 用于计算机断层成像(ct)辐射剂量的一致性和可验证的优化方法 - Google Patents
用于计算机断层成像(ct)辐射剂量的一致性和可验证的优化方法 Download PDFInfo
- Publication number
- CN104039262A CN104039262A CN201280057495.0A CN201280057495A CN104039262A CN 104039262 A CN104039262 A CN 104039262A CN 201280057495 A CN201280057495 A CN 201280057495A CN 104039262 A CN104039262 A CN 104039262A
- Authority
- CN
- China
- Prior art keywords
- noise
- parameter
- patient
- methods
- scan
- 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
- 238000000034 method Methods 0.000 title claims abstract description 130
- 238000002591 computed tomography Methods 0.000 title claims abstract description 106
- 230000005855 radiation Effects 0.000 title claims abstract description 64
- 238000005457 optimization Methods 0.000 title abstract description 13
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 99
- 238000010586 diagram Methods 0.000 claims description 52
- 230000014509 gene expression Effects 0.000 claims description 29
- 238000005259 measurement Methods 0.000 claims description 20
- 230000000007 visual effect Effects 0.000 claims description 15
- 230000008569 process Effects 0.000 claims description 14
- 238000011156 evaluation Methods 0.000 claims description 11
- 230000006870 function Effects 0.000 claims description 11
- 238000012545 processing Methods 0.000 claims description 11
- 238000004364 calculation method Methods 0.000 claims description 7
- 238000009795 derivation Methods 0.000 claims description 7
- 238000001914 filtration Methods 0.000 claims description 7
- 238000003860 storage Methods 0.000 claims description 7
- 230000003321 amplification Effects 0.000 claims description 6
- 238000003199 nucleic acid amplification method Methods 0.000 claims description 6
- 238000007689 inspection Methods 0.000 claims description 5
- 230000035945 sensitivity Effects 0.000 claims description 4
- 230000007786 learning performance Effects 0.000 claims description 3
- 230000002685 pulmonary effect Effects 0.000 claims description 2
- 238000013178 mathematical model Methods 0.000 abstract description 7
- 238000012544 monitoring process Methods 0.000 abstract description 7
- 230000026676 system process Effects 0.000 abstract 1
- 238000012795 verification Methods 0.000 abstract 1
- 230000008520 organization Effects 0.000 description 24
- 238000004458 analytical method Methods 0.000 description 14
- 230000008859 change Effects 0.000 description 11
- 238000004891 communication Methods 0.000 description 11
- 230000003187 abdominal effect Effects 0.000 description 8
- 230000007246 mechanism Effects 0.000 description 8
- 238000004422 calculation algorithm Methods 0.000 description 7
- 238000013442 quality metrics Methods 0.000 description 7
- 238000012937 correction Methods 0.000 description 6
- 238000012360 testing method Methods 0.000 description 6
- 210000001519 tissue Anatomy 0.000 description 6
- 238000013480 data collection Methods 0.000 description 5
- 230000015654 memory Effects 0.000 description 5
- 210000004197 pelvis Anatomy 0.000 description 5
- 210000000038 chest Anatomy 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 239000011159 matrix material Substances 0.000 description 4
- 230000037396 body weight Effects 0.000 description 3
- 238000004980 dosimetry Methods 0.000 description 3
- 230000036541 health Effects 0.000 description 3
- 238000012423 maintenance Methods 0.000 description 3
- 238000013507 mapping Methods 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- 229920003229 poly(methyl methacrylate) Polymers 0.000 description 3
- 239000004926 polymethyl methacrylate Substances 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 238000002372 labelling Methods 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 238000012015 optical character recognition Methods 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 241001269238 Data Species 0.000 description 1
- SEQDDYPDSLOBDC-UHFFFAOYSA-N Temazepam Chemical compound N=1C(O)C(=O)N(C)C2=CC=C(Cl)C=C2C=1C1=CC=CC=C1 SEQDDYPDSLOBDC-UHFFFAOYSA-N 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 210000000746 body region Anatomy 0.000 description 1
- 230000010267 cellular communication Effects 0.000 description 1
- 230000019771 cognition Effects 0.000 description 1
- 230000001149 cognitive effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000013499 data model Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000001815 facial effect Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000005304 joining Methods 0.000 description 1
- 210000004185 liver Anatomy 0.000 description 1
- 239000003550 marker Substances 0.000 description 1
- 230000013011 mating Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 210000000056 organ Anatomy 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 210000004872 soft tissue Anatomy 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000011870 unpaired t-test Methods 0.000 description 1
Classifications
-
- 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
- G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
- G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
- G16H40/63—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices for local operation
-
- 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
-
- 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
- A61B6/40—Arrangements for generating radiation specially adapted for radiation diagnosis
- A61B6/405—Source units specially adapted to modify characteristics of the beam during the data acquisition process
-
- 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
- A61B6/46—Arrangements for interfacing with the operator or the patient
- A61B6/461—Displaying means of special interest
- A61B6/463—Displaying means of special interest characterised by displaying multiple images or images and diagnostic data on one display
-
- 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
- A61B6/488—Diagnostic techniques involving pre-scan acquisition
-
- 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
- A61B6/54—Control of apparatus or devices for radiation diagnosis
- A61B6/542—Control of apparatus or devices for radiation diagnosis involving control of exposure
- A61B6/544—Control of apparatus or devices for radiation diagnosis involving control of exposure dependent on patient size
-
- 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
- A61B6/54—Control of apparatus or devices for radiation diagnosis
- A61B6/545—Control of apparatus or devices for radiation diagnosis involving automatic set-up of acquisition parameters
-
- 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
-
- 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
- A61B6/56—Details of data transmission or power supply, e.g. use of slip rings
- A61B6/563—Details of data transmission or power supply, e.g. use of slip rings involving image data transmission via a network
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F04—POSITIVE - DISPLACEMENT MACHINES FOR LIQUIDS; PUMPS FOR LIQUIDS OR ELASTIC FLUIDS
- F04C—ROTARY-PISTON, OR OSCILLATING-PISTON, POSITIVE-DISPLACEMENT MACHINES FOR LIQUIDS; ROTARY-PISTON, OR OSCILLATING-PISTON, POSITIVE-DISPLACEMENT PUMPS
- F04C2270/00—Control; Monitoring or safety arrangements
- F04C2270/04—Force
- F04C2270/041—Controlled or regulated
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Biomedical Technology (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Heart & Thoracic Surgery (AREA)
- Veterinary Medicine (AREA)
- Physics & Mathematics (AREA)
- Animal Behavior & Ethology (AREA)
- Biophysics (AREA)
- High Energy & Nuclear Physics (AREA)
- Surgery (AREA)
- Optics & Photonics (AREA)
- Pathology (AREA)
- Radiology & Medical Imaging (AREA)
- Molecular Biology (AREA)
- Human Computer Interaction (AREA)
- Pulmonology (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Primary Health Care (AREA)
- Business, Economics & Management (AREA)
- General Business, Economics & Management (AREA)
- Epidemiology (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
公开了用于在临床环境中一致性地和可验证地优化计算机断层成像(CT)辐射剂量的***和方法。数学模型允许根据数字图像数据和放射科医生的偏好来估算患者体型、图像噪声、特定体型的辐射剂量和图像质量目标值。预测模型估算扫描仪的管电流调制并在一定的患者体型范围内预测图像噪声和特定体型的辐射剂量。优化模型计算以可行的最小辐射剂量获取目标图像质量所需的具体扫描仪设置。自动***根据数学模型处理图像和剂量数据并存储和显示信息,实现一致性剂量优化的验证和持续监测。
Description
相关申请的参见
本申请要求2011年9月30提交的申请号为61/541,671的美国临时申请的受益权,在此以参见方式将其引入。
技术领域
本公开涉及用于优化辐射剂量的计算机断层成像(CT)方法。本公开还涉及一种集成***,用于在组织机构中始终基于个体患者通过最小化与定量图像质量目标值的偏差来提供一致性的CT辐射剂量优化。
背景技术
医院已经响应颁布的健康指引而开始监测CT辐射剂量。在接受包括计算机断层成像(CT)在内的医疗辐射照射时,指导原则是合理可行尽量低(AsLow As Reasonably Achievable,ALARA)。因此,成像仪需要使用实现诊断图像质量所必需的最小辐射剂量。过低的辐射剂量生成的图像质量不佳。过高的辐射剂量将患者置于危险中且并未提高诊断质量。因此,CT中的ALARA问题可以被视为图像质量优化问题再加上辐射剂量优化问题。具体地,成像仪的优化剂量的能力取决于在CT检查之前准确地预测图像质量以及按预期使用辐射剂量参数从而得到恰好高于诊断阈值的图像质量的能力。
所有其他条件相同时,CT扫描仪的辐射剂量越高,得到的图像就越清楚。在操作人员的直接控制下影响辐射剂量的两个主要因素是:测量为管电压(kV)的射束能级,以及测量为管电流和时间的函数(mAs)的量子注量。输送至患者的辐射剂量与注量成正比且与管电流的平方大致成正比。降低剂量会减少到达检测仪的量子数量并导致图像更粗糙或噪声更大。对体型较胖的患者保持图像质量所需的剂量水平较高,且对体型较瘦的患者所需的剂量水平较低。对于操作人员来说,目标是使用尽可能最低的辐射剂量来生成诊断质量的图像。至今,用于临床检查的图像质量测量手段对于放射科医生来说通常都不可用。
对于低对比度应用例如腹部/骨盆CT来说,限制图像质量的特征可能是结合了空间分辨率和对比度分辨率估算的低对比度可检测性(LCD)。用于本公开的测量图像质量的方法是图像噪声,图像噪声由于提供了单一的图像质量量度而能够用作LCD的代表。CT参数必须在检查之前设置;因此,如果参数是基于最低图像质量,那么用户必须知晓应该使用哪些参数才能得到可用于生成诊断质量图像的最低辐射剂量的先验知识。
包括剂量调制在内的若干种辐射减少技术被结合到大多数的现代CT扫描仪中。但是,辐射剂量仍然在操作人员的控制之下,操作人员保留了设置剂量调制检查所用的扫描参数例如kV、mA和可接受的“噪声系数”等参数的能力。然而放射科医生当前仍然在很多方面受限,包括以下的内容:
a)图像质量即使是通过目视检查也难以量化;因此标准的图像质量体系尚未很好地建立。
b)图像质量取决于扫描参数和患者体型;关于这些因素的互相作用如何影响图像质量的量化模型尚未很好地建立。
c)即使是能够无预测模型地测量,图像质量也只能在扫描完成之后评估,限制了其有效性。
d)最小的图像质量阈值尚未建立。
此外,CT的使用在近年来显著增加。很多扫描仪每天都要由CT技术人员操作、由放射科医生监督、在康复医生(physicist)的帮助下执行很多次检查,目前这些人都没有针对优化图像质量或放射剂量获得补偿。希望这些人投入大量的时间来确保图像质量/剂量优化是不合理的。因此,即使开发出量化图像质量的方法,除非是将其以最小的干扰集成到当前的工作流程中并且易于使用,否则也不太可能得到广泛的采用。
很多当前围绕CT剂量优化的挑战都涉及图像质量和剂量验证的问题。如果没有自动***,那么由于获取、分析、汇总和报告来自个体扫描的数据方面的困难,确信或声称自己已优化剂量的放射科医生即使可行也只能以很高的代价来进行验证。
因此,尽管量化图像质量的评估是一项重要因素,但是***还必须要实用。具体地,***应该满足以下几项原则:
1、预测:***应该根据扫描参数和患者体型来预测图像质量。
2、优化:***应该推荐预计以最少的可行剂量生成期望质量图像(ALARA)的扫描参数。
3、评估:***应该评估个体扫描与其他扫描相比多好地实现了ALARA的目标。
4、监测:***应该使管理器能够确保对组织机构中所有扫描仪的所有学习都一致性地实现ALARA。
5、验证/报告:***应该使企业能够以可量化的方式报告其性能。
6、自动化/集成:在可行的范围内,***应该自动工作,只需最小的人工数据输入。
7、透明性:同时,***应该尽可能透明,告知操作人员和管理人员个体和总体的学习性能。
8、可控性:尽管***应该自动工作,但是也应该随时允许操作人员超驰控制。
9、便于使用:***应该直观且尽可能地使用简单。
发明内容
示范性实施例提供了一种在组织机构中用于计算机断层成像(CT)扫描仪的一致性基础上利用量化的图像质量评估和辐射剂量估算来实现合理可行尽量低(ALARA)的辐射剂量水平的***和方法。
在一个实施例中,公开了一种用于生成CT扫描仪所用的扫描参数的方法。所述方法首先获取患者体型数据。接下来,所述方法建立用于单个放射科医生或放射科医生群组的图像质量偏好曲线,所述图像质量偏好曲线是图像质量和患者体型数据的函数。接下来,所述方法建立根据所述图像质量偏好曲线导出的目标噪声公式。接下来,针对测量噪声公式应用所述目标噪声公式以导出用于指定扫描的扫描参数,所述测量噪声公式是患者体型数据的函数。在一个更加详细的实施例中,针对测量噪声公式应用目标噪声公式以导出用于指定扫描的扫描参数的步骤可以包括设置目标噪声公式与用于患者体型数据的测量噪声公式相等并求解辐射剂量参数的步骤。在进一步的详细实施例中,已知其他的扫描仪参数,则辐射剂量参数可以包括mAs。在进一步的详细实施例中,所述图像质量偏好曲线的公式可以是:
其中S是图像质量偏好评分,DW是患者体型数据,且A,B和C是根据经验导出的常数。在进一步的详细实施例中,目标噪声公式根据图像质量偏好曲线公式导出并且可以是:
其中σT是目标噪声,cT,aT和bT是根据经验导出的常数,并且其中DW是构成用于患者的水当量直径(water-equivalent diameter)的患者体型数据。并且在进一步的详细实施例中,测量噪声公式可以是:
其中c0,c1,c2,c3,c4和cme是根据经验导出的常数并且me是有效mAs。求解辐射剂量参数的步骤可以是迭代处理。图像质量偏好曲线公式可以至少部分地根据一名或多名放射科医生对合适的图像质量的主观评估来建立。
可选地或附加地,患者体型数据可以是患者的水当量直径DW。可选地或附加地,测量噪声公式可以根据取自锥形水假体的噪声测量数据导出。可选地或附加地,图像质量偏好曲线公式可以被用于导出在一定的患者体型范围内维持恒定的图像质量偏好评分的目标噪声公式。可选地或附加地,图像质量偏好评分根据用于特定CT应用例如身体目标应用、肺部目标应用和/或骨骼目标应用的期望图像质量进行选择。可选地或附加地,患者体型数据可以是在扫描轴上针对患者获取的水当量直径的平均值,并且水当量直径的平均值例如可以通过沿扫描轴针对每一个剖面等级执行信息位置图示图像数据(topogram image data)的逐行集成而导出。可选地或附加地,扫描参数可以包括扫描模式、kV、mA和/或剂量调制设置、转速、节距、领结式滤波和/或焦点尺寸。可选地或附加地,所述方法进一步包括利用一个或多个导出的扫描参数执行来自CT扫描的图像数据和元数据的步骤。可选地或附加地,所述方法可以进一步包括在跟CT扫描相关联的数据库记录中存储导出的扫描参数和患者体型数据用于后续数据分析的步骤。可选地或附加地,所述方法可以进一步包括显示扫描数据的步骤,所述扫描数据包括逐块(slice-by-slice)的患者体型数据、有效mAs数据以及叠加在信息位置图示图像上的导出图像噪声数据。可选地或附加地,所述方法可以进一步包括发信号指示是否有一个或多个导出的扫描参数落在选择的扫描参数集合以外的步骤。
在另一个实施例中,一种用于在使用扫描仪的计算机断层成像(CT)扫描中确定患者所用的特定体型辐射剂量(SSDE)的方法,包括以下步骤:估算患者的水当量直径(DW);至少部分地基于DW建立用于扫描的目标图像质量参数;从数据库中检索扫描仪参数;基于目标图像质量参数和扫描仪参数确定SSDE;推荐SSDE;利用至少部分地基于推荐SSDE的辐射剂量来扫描患者;显示扫描图像;测量扫描图像获取噪声信息;然后更新数据库。在一个更加详细的实施例中,所述方法可以进一步包括通过扫描水假体处理水假体图像以得到扫描仪参数并在数据库中保存图像噪声信息和扫描仪参数。可选地或附加地,扫描患者的步骤可以包括管理已确定的SSDE。可选地或附加地,估算DW的步骤可以包括利用定位扫描(scout scan)来扫描患者,以及利用定位扫描来创建信息位置图示。
可选地或附加地,所述方法可以进一步包括:由扫描仪执行信息位置图示的逐行集成以确定用于沿z轴的每一个剖面等级的分块所用的水当量直径(DW_net),并将DW_net映射至信息位置图示。另外,所述方法可以进一步包括在每一个分块计算以算出估算噪声并将估算噪声映射至信息位置图示。
可选地或附加地,估算患者体型DW的步骤可以通过以下步骤完成:利用定位扫描来扫描患者以获取患者的厚度TW;并且使用TW以交叉引用数据库中对应的DW。
可选地或附加地,更新数据库的步骤可以包括利用SSDE信息、噪声信息、扫描仪参数和/或DW来汇总数据库中的参数。
可选地或附加地,扫描仪参数可以包括扫描仪常数和扫描仪性能数据。另外,所述方法可以包括以下步骤:通过利用至少一种扫描仪设置和模式执行至少一次水假体扫描而导出扫描仪参数;测量噪声;利用合适的公式求解选定的常数;然后将设置参数和图像噪声存入数据库。另外,扫描仪特征可以通过扫描水假体并测量噪声值而导出,其中水假体可以是台上式(on atable)或离台式(off a table)。水假体可以是填充水的锥形对象,具有约5cm至40cm的直径范围。
可选地或附加地,扫描仪参数针对至少一种模式和一种设置可以包括:cscout;放大系数(m.f.);目标噪声常数cT、aT和bT;噪声常数c0、cc、rc、cr、rr和cem;a、b;对比灵敏度;以及空间分辨率;和/或剂量kV、mA、mAs;剂量CTDIvol;剂量长度乘积(DLP)。所述方法可以进一步包括以下步骤:通过扫描具有已知厚度TW的水假体导出用于扫描仪的cscout;求解TW=cscoutDU时的cscout,其中DU是密度单位,并将cscout存入数据库;然后将常数cscout用于确定DW,其中
可选地或附加地,cT、aT和bT可以通过以下步骤导出:扫描具有直径DW的水假体;测量水假体扫描中的噪声;求解公式:
然后将cT、aT和bT的值送入数据库。可选地或附加地,常数c0、cc、rc、cr、rr和cem可以通过以下步骤导出:扫描具有直径DW的水假体;测量水假体扫描中的噪声;求解公式:
然后将c0、cc、rc、cr、rr和cem的值送入数据库。
可选地或附加地,所述方法可以进一步包括提供显示输出以图形化示出用于扫描的CT图像质量的量度。可选地或附加地,目标图像质量参数可以基于目标视觉噪声参数。建立用于CT扫描的目标视觉噪声参数的步骤可以包括确定剂量调制噪声曲线与目标噪声曲线相等的点的步骤。剂量调制噪声曲线可以根据以下公式建模:
并且常数c0、cc、rc、cr、rr和cem是数据库中的汇总扫描仪参数,且其中SD是可变的目标噪声扫描仪设置。目标图像噪声曲线可以根据以下公式建立:
其中cT、aT和bT是在数据库中得到的扫描仪参数。所述方法可以进一步包括根据目标图像曲线向操作人员推荐扫描参数。
可选地或附加地,确定SSDE的步骤可以包括使用DW并求解以下公式:
所述方法可以进一步包括计算剂量-长度乘积(DLP),其中DLP是根据针对每一个分块n计算CTDIvol而得出的CTDIvol和扫描长度的乘积,然后将DLP存入数据库。
可选地或附加地,所述方法可以进一步包括:(i)针对下述的一个或多个参数计算包括最小值、平均值和最大值在内的统计数据用于学习:剂量中的量子流量(mA)、水当量直径(DW)、用于分块的水当量直径(DW_net)、辐射剂量估算值(CTDIvol)、剂量长度乘积、CTDIvol和扫描长度的乘积(DLP)、SSDE和噪声;(ii)将一个或多个参数送入数据库;以及(iii)从DICOM文件头信息中检索包括患者姓名、编号、病历编号、出生日期、检查日期、扫描仪、医疗中心和/或检查名称在内的数据。
可选地或附加地,所述方法可以进一步包括:接收用于可接受的图像质量参数范围的操作人员输入;结合DW和扫描仪参数以计算用于可接受的图像质量数值范围的SSDE;推荐可生成具有可接受图像质量参数的图像的SSDE;允许操作人员人工设置SSDE;然后显示关于预期图像质量是否落在可接受的图像质量参数内的输出。所述方法可以进一步包括接收用于目标图像质量参数的输入;利用输入的图像质量参数计算学习值;然后推荐具体的扫描参数,包括以下的至少一种:kV、mA以及用于实现输入图像质量的剂量调制设置。可选地或附加地,所述方法可以包括:在SSDE高于或低于推荐的SSDE时提供报警;以及如果预期图像质量落在可接受的图像质量参数以外则提供报警。可选地或附加地,所述方法可以包括显示落在预期图像质量参数以内的扫描与落在预期图像质量参数以外的扫描的对比图。
可选地或附加地,所述方法可以进一步包括:在核心数据库中维护用于多个扫描仪的扫描协议;并且将核心协议管理器与多个扫描仪对接以更新用于多个扫描仪的协议改变。
可选地或附加地,所述方法可以包括根据先前获取的数据推荐用于体型为DW的患者的协议。
另一个实施例涉及一种能够执行上述方法的***,用于最小化辐射剂量同时实现CT扫描要求的图像质量。这样的***可以包括协议管理器,所述协议管理器包括处理器;与扫描仪通信的学习性能数据库,数据库包括扫描仪参数;能够定位扫描和CT断层扫描的扫描仪;剂量登记库;以及协议数据库。
公开的方法处理水假体图像以得到关联水当量直径和图像噪声的数据。视觉噪声可以根据水假体测量,原因在于水已知密度均匀并且直径可测也能改变。利用这些水假体,噪声可以针对直径作图。所述的***或方法可以自动处理水假体图像以得到关联水当量直径和图像噪声的数据。视觉噪声可以根据水假体测量,原因在于水已知密度均匀并且直径可测也能改变。利用这些水假体,噪声可以针对直径作图。
所述方法可以利用放射科医生对图像质量与患者水当量直径和图像噪声相比的充分性的认知来建立目标图像质量。放射科医生能够容许用于不同体型患者以及身体不同部分的不同噪声级。通常,患者越胖,放射科医生能够容许的噪声级就越高。所述***能够利用放射科医生对图像质量与患者水当量直径和图像噪声相比的充分性的标准认知来建立目标图像质量。通常,放射科医生能够容许用于不同体型患者以及身体不同部分的不同噪声级。这对于执业的放射科医生和CT制造商来说是已知的。数学模型可以用于在所有的扫描模式和设置中根据水当量直径和有效mAs预测图像噪声。利用从实验中测量的水假体噪声即可获得数据模型:
该数学模型可以在CT扫描中用于预测噪声。可选地,用于在所有的扫描模式和设置中根据水当量直径和剂量调制设置来预测图像噪声的数学模型可以被描述为:
所述方法可以处理信息位置图示图像以在每一个z轴等级定量地测量患者体型,并且可以将处理器用于执行信息位置图示的逐行集成以确定用于沿z轴的每一个剖面等级的DW_net,而且可以使用DICOM文件头并将其映射至信息位置图示。
***可以结合患者体型特征、已知的扫描仪性能数据和扫描参数以针对用于所有扫描模式和设置的每一张图像提供CT图像质量的量度。估算噪声可以在每一个分块算出并映射至信息位置图示。估算噪声可以在每一个分块算出并映射至信息位置图示。
***可以处理信息位置图示图像以在每一个z轴等级定量地测量患者体型。处理器可以执行信息位置图示的逐行集成以确定用于沿z轴的每一个剖面等级的DW_net,而且可以使用DICOM文件头并将其映射至信息位置图示。
剂量调制参数可以生成被设置用于目标噪声曲线以获得最优目标噪声的公式。***可以根据患者体型调制剂量。数学模型可以被设置用于通过确定管电流、剂量调制设置以及使预测图像噪声与目标图像噪声相匹配所需的其他设置而优化辐射剂量设置。目标噪声可以通过将
设置为
以优化剂量而获得(找到它们的交点)。曲线可以利用这些公式建模,然后利用这些曲线逆推以给出在噪声(Noise)=目标噪声(target noise)时的设置。EmAs-迭代求解。
在另一个实施例中,公开了一种***。***结合了上述优化扫描的方法,并将其集成为综合***。***处理由扫描仪获取的数据并随后向扫描仪提供反馈。***根据多次扫描的患者体型特征汇总图像质量的量度以评估与其他的扫描相比图像质量如何。学习分析页面收集并显示信息和图表,然后比较多次的学习以在一张图中绘制所有的学习情况。***给目标图像曲线建模,然后利用针对收集数据的曲线图显示汇总数据。
在扫描之前,***可以结合患者体型特征和获取的扫描仪性能数据来推荐特定的扫描参数,包括kV、mA和剂量调制设置,以实现具有期望图像质量的学习。***提供关于预期图像质量是否落在期望参数内的信息。
***可以在辐射剂量高于或低于推荐的预测剂量时推荐扫描参数或提供报警。***可以在给定患者体型特征时推荐能够利用落在期望参数内的预期图像质量值生成图像的扫描参数。
在一次或多次扫描之后,***可以显示哪些扫描落在预期的图像质量参数以内以及哪些扫描落在预期的图像质量参数以外。***可以计算、作图和显示分析页面,并且在图示中包括曲线图和报告。
***可以在汇总扫描的图像质量的偏差已改变或开始落在期望参数以外时提供报警。
***可以在单个数据库内集中维护用于企业中所有扫描仪的所有扫描协议,具有与指定组织机构中的所有扫描仪对接以更新用于所有扫描仪的协议改变的能力。***还可以在组织机构内或组织机构外报告例如医院是否需要一天时间向管理部门报告这些情况。
***可以针对每一种扫描协议报告在一定的患者体型范围内的预期图像质量量度,并且将各种扫描或扫描学习汇总到一起以显示用于一定的患者体型范围的质量以及其他参数和统计数据。***可以根据患者体型推荐协议。
***可以用电子或打印形式报告跟组织机构中执行的扫描相关的图像质量量度和剂量。***可以用电子或打印形式报告用于个人或组织机构的、组织机构内部或外部的扫描协议的预期图像质量量度。
***可以根据多次扫描的患者体型特征汇总图像质量的量度以评估与其他的扫描相比图像质量如何。图31示出了收集和显示绘制到一张图内的信息和图表的学习分析页面。
***可以比较基于患者体型特征的图像质量汇总量度与同样结合了患者体型特征的目标图像质量曲线。
***可以按预期结合患者体型特征和已知的扫描仪性能数据来推荐特定的扫描参数,包括kV、mA和剂量调制设置,以实现具有期望图像质量的学习。一旦目标图像曲线建立且***运行计算,***就可以向CT技术人员推荐扫描参数。采用这些步骤以找到用于患者的准确剂量。
***可以基于患者体型特征和扫描参数按预期告知操作人员预期的图像质量是否落在期望参数以内。***可以在辐射剂量高于或低于推荐的剂量时向CT技术人员推荐扫描参数或提供报警。
***可以在给定患者体型特征时按预期推荐能够利用落在期望参数内的预期图像质量值生成图像的扫描参数。***可以推荐用于CT的扫描参数。
如果预期的图像质量落在期望参数以外,那么***可以基于患者体型特征和扫描参数按预期警告操作人员。所有参数都能控制目标噪声参数(SD)设置(最大、最小、SD、自动)。***可以推荐剂量参数设置。
***可以根据患者体型回溯地示出哪些扫描落在预期图像质量参数以内以及哪些扫描落在预期图像质量参数以外。***还可以将分析页面汇总到一起并且包括图表和报告。
***可以计算图像质量落在期望参数以外的扫描本应使用的参数,目的是为了实现图像质量落在期望参数以内的扫描。数据库应用程序随后能够分析扫描并向操作人员告知操作人员做过什么和操作人员应该做什么。
如果汇总扫描的图像质量的偏差已改变或开始落在期望参数以外或者在汇总扫描的图像质量的偏差已改变或开始落在期望参数以外时,***可以警告用户。应用程序可以如图33所示在图表中将这种扫描质量信息组织得不太令人生畏和更加透明。
***可以在单个数据库内维护用于指定企业的所有扫描仪的所有扫描协议,具有与指定组织机构中的所有扫描仪对接以更新用于所有扫描仪的协议改变的能力。单个核心数据库和协议管理器可以被用于组织机构以使组织机构中的所有扫描仪都能访问从而代替每一个扫描仪中的协议。各家机构可以设置其自身的标准。
***可以在一定的患者体型范围内针对每一种扫描协议按预期示出预期的图像质量量度。应用程序能够将这些学习汇总到一起以示出患者体型比较起来如何不同。基于协议,***可以根据患者体型推荐协议。
***可以用电子或打印形式报告跟组织机构中执行的扫描相关的图像质量量度和剂量。***可以在一家组织机构中对接数据库并在该组织机构中报告。
***可以用电子或打印形式报告用于个人或组织机构的、组织机构内部或外部的扫描协议的预期图像质量量度。***可以在组织机构外报告例如医院是否需要一天时间向管理部门报告这些情况。***可以用自动方式执行包括图像处理、数据存储、分析和监测的上述动作以用于最小地干扰工作流程。
附图说明
根据仅作为图解给出而不是要限制本发明的附图,本发明可以变得更加显而易见。应该理解这些附图仅根据本公开示出了几个实施例,并且因此不应被认为是限制了本公开的范围,通过使用附图,本公开可以被描述为具有更多的特征和细节。
在附图中:
图1示出了具有X射线源的计算机断层成像设备的基本示意图;
图2示出了示例性的信息位置图示;
图3是在100kV测量的DUsum(密度单位)和用于锥形水假体直径的DW(水当量直径)之间功率关系的曲线图;
图4示出了在投影到信息位置图示上的每一个等级计算的DW;
图5是示出了台高和放大系数m.f.之间关系的曲线图;
图6示出了基于辐射剂量的图像质量;
图7示出了测量为标准差的视觉噪声;
图8示出了图像噪声的质心以及该区域的标准差;
图9示出了从锥形假体测量的噪声的曲线图;
图10示出了噪声的曲线图,包括测量数据以及拟合的模型曲线;
图11示出了用于水当量直径的预测图像质量的曲线图;
图12示出了基于患者体型的目标图像质量的曲线图;
图13示出了已知图像噪声和DW的计分情况的曲线图;
图14根据偏好评分示出了一系列目标图像噪声曲线;
图15示出了映射为曲线图的噪声与按质量计分的放射科医生偏好;
图16示出了在一定的患者体型范围内的目标图像质量曲线集合;
图17示出了预测应用程序的截屏;
图18示出了预测应用程序的截屏;
图19示出了在每一个分块图示的有效mAs示出了示例性AP信息位置图示;
图20示出了在每一个分块计算的估算噪声的示例性AP信息位置图示;
图21示出了在单张图上映射至示例性AP信息位置图示的DW、mAs和估算噪声;
图22示出了映射有DW和噪声的侧向头部信息位置图示;
图23示出了旋转后的侧向头部信息位置图示;
图24示出了学习集合的示例性界面的截屏;
图25示出了包括搜索页面的学习分析的屏幕截图;
图26示出了学习数据与患者DW相比较的显示图的截屏;
图27示出了个体学习的示例性选择;
图28示出了编辑用于指定学习的有关信息的截屏;
图29是用于***的一种框图;
图30是用于***的一种可选框图;
图31示出了变尺寸的三种水假体;
图33示出了锥形水假体的信息位置图示;
图34将图像噪声示出为CT单位的标准差;
图33示出了锥形水假体的轴向分块;
具体实施方式
***提供量化的图像质量评估以在一致性的基础上实现用于组织机构中所有CT扫描仪的合理可行尽量低(ALARA)。以下在实施例中介绍的***允许计算机断层成像(CT)扫描仪将扫描仪参数和患者体型结合到计算中以准确地确定实现诊断图像质量所必须的最小辐射剂量。最后,以下的实施例提供了一种综合、透明的***以自动地分析和监测CT扫描的完整历史从而确保组织机构中的准确剂量和图像质量。
估算模型
图1示出了具有X射线源102和X射线探测器106的CT设备100的基本示意图,其中I0是X射线源的初始强度,I是在穿过厚度为t的对象104后在X射线探测器处的强度。Beer-Lambert定律描述了强度为I0的x射线束在行进穿过厚度为t的介质104时的衰减特征:
I=I0e-αt
其中I是x射线束在行进穿过介质104之后的强度且α是介质的线性衰减系数。因此射束的衰减I/I0是材料厚度和材料衰减密度的函数,这在CT中以亨氏单位测量。图像质量是射束撞击探测器106时的射束强度的函数。
患者的厚度或密度各不相同。因此,如果x射线源的强度未被适当地调节,那么剂量就会高于所需;源的强度必须适合于患者特有的衰减特征。衰减是环绕患者的患者厚度和组织密度的函数。水的半值厚度在对应于临床CT的典型射束能量60keV下约为3.4cm。换句话说,为了让I保持恒定,源强度I0必须每隔3.4cm就加倍。因此,即使是患者体型的相对较小的差异也会导致保持恒定图像质量所必须的剂量的较大差异。为此,合适的剂量必须在患者体型方面有所表示。
患者体型的估算
图2示出了示例性的信息位置图示200。为了CT的目的,患者体型可以根据估算为组织的平均CT密度和患者的截面积的函数的水当量直径(DW)测量为单一的单位。DW是与扫描的身体区域202具有相同的平均x射线衰减的水柱的直径。
DW可以如Menke所述根据通过定位执行的图2中的学习信息位置图示200来估算(Menke J.Comparison of different body size parametersfor individual dose adaptation in body CT of adults.Radiology.2005Aug;236(2):565-71.PubMed PMID:16040914)。信息位置图示图像200基于可以作为密度单位(DU)处理的离散数据矩阵,具有较高的数值则表示x射线束增加衰减。这些单位是此时对材料的水当量厚度(TW)的预测。例如,对于Toshiba Aquilion扫描仪,所述关系是线性的,并且能够根据以下公式建模:
Tw=cscoutDU
DU乘以定位线性宽度的逐行集成得到密度单位乘以每一行所用距离的总和(DUsum)。常数cscout可以利用根据锥形水假体的CT学习得到的信息位置图示导出。每一个等级的DUsum可以在每一个等级针对已知直径绘制以根据以下公式生成将DUsum与DW关联的公式:
DUsum与DW之间的基于锥形水假体的关系示例在图3中示出。图3示出了在100kV测量的DUsum(密度单位)和基于锥形水假体直径的DW(水当量直径)之间的功率关系300。cscout依赖于kV,因此cscout必须针对每一个kV计算。但是,cscout可以独立于在信息定位图示中使用的mA,正如Toshiba Aquilion扫描仪中的情形。
图4示出了在投影到信息位置图示400上的每一个等级计算的DW。在人体402的截面直径沿z轴变化时,DW也沿z轴变化。信息位置图示数据DW在每一个等级进行计算,并且随后投影到信息位置图示图像404上。平均值DW_mean被计算为图像中所有DW值的算术平均值。加权平均值(DW_mean_wt)可以根据以下的公式计算:
其中n是用于计算DW_wt的行数。
图5是示出了台高ht和放大系数m.f.之间关系500的曲线图。对于包括CT台(也就是CT床)的扫描,前位-后位(AP)的信息位置图示数据由扫描台以及患者反映x射线的衰减。扫描台衰减从DUsum中减去以得到随后被用于计算除台以外的患者水当量直径的净密度单位(DUsum_net),或DW_net。但是,扫描台会根据其垂直位置经历放大效应。扫描台的垂直高度(ht)和放大系数(m.f.)之间的关系是根据经验确定,并且能够表达为以下的公式:
m.f.=aht 2+bht+c
其中a,b和c是根据经验确定的用于每一个扫描仪的常数且m.f.是:
wtable_actual=m.f.·wtable_proj
wtable_actual是实际台宽且wtable_proj是实际台宽。来自空台衰减的密度单位(DUtable)被根据经验测量用于每一个kV。衰减单位的总和(DUsum_table)被计算为:
DUsum_table=wtable_proj·DUtable
从DUsum中减去DUsum_table以得到DUsum_net。
对于仅包括主要在头部CT中出现的侧向信息位置图示的扫描,水当量直径由于头部支架而不必扣除衰减,原因是头部支架的尺寸或形状不统一且不会经历与扫描台相同程度的放大效应。因此,缘于支架的衰减数据能够可靠地从图像中去除。
为了从信息位置图示中获得患者体型DWnet,首先要得到缘于放大的台的总密度单位(DU):
其中Tw_proj是投影台宽,Tw_actual是实际测量台宽,且mf是放大系数。
mf=α·Th 2+b·Th+c
其中Th是台高(在扫描仪上/dicom中测量/报告),并且a,b和c是常数。
DUtable_sum=Tw_proj·Tdn
其中:
DUtable_sum是由扫描台代表的密度单位的总和,
Tw_proj是投影台高,且
Tdn是空台的平均密度
注意:如果Tw_proj>ScFOV(其中ScFOV是定位视野或宽度),那么Tw_proj=ScFOV
DUsum_net=DUsum-DUtable_sum
其中:
DUsum_net是定位密度单位减去扫描台得到的和值,且DUsum是定位密度单位之和。
其中Dwnet是以DW(cm)表示的患者平均体型,且cscout是专用于不同kV值但对于Toshiba Aquilion扫描仪所用的不同mA值保持不变的定位常数。
上述计算通过在可靠地完成AP信息位置图示并且可靠地包括例如胸部、腹部和骨盆的CT扫描所用的CT台的位置学习来执行。对于经常仅包括侧向信息位置图示视图的头部和颈部CT,扫描台未被减除。还应该注意的是如果扫描台已被减除,那就必须使用通过台上式假体开发出的噪声模型。如果使用未减除的DW,那就必须使用通过脱离扫描台端的假体开发出的噪声模型。参见用于常数的并且例如在文件“Guidance app prototype”或“CCMCTO1 Model Constants 20110727”中的表单Agl_Mod_Const_AP和Agl_mod_Const_Lat。对于剂量计算,参见同一文件中的表单DoseCalculations。利用AAPM的204号报告“SSDE in Pediatric andAdult Body CT Examinations”计算SSDE。
从CTDI32到CTDI16的转换依赖于使用根据用于16cm和32cm假体的设置公式导出的常数的DW。参见用于公式和示例的Ag1_Dose_Calculations表单。
图像噪声和辐射剂量估算
有助于诊断图像质量的几项要素包括:对比灵敏度、空间分辨率、视觉噪声、细节的模糊/可见度以及伪影。对于绝大部分情况,伪影和细节的模糊/可见度反映了扫描仪设计和患者的特征并且通常不直接涉及用于扫描的剂量设置。受扫描辐射剂量直接影响的要素包括对比灵敏度、空间分辨率和视觉噪声。这些因素被综合为可检测能力,这可能是确定CT图像质量的主要考虑因素。低对比度可检测能力(LCD)决定了组织之间的对比度差异较小时例如用于腹部和骨盆的CT的图像质量,这也是使用最高有效辐射剂量的检查。
图6示出了基于辐射剂量600的图像质量。参见http://www.impactscan.org/slides/impactcourse/noise_and_low_contrast_resolution/index.html。指定CT图像的质量取决于多种因素,但是为了最小化辐射剂量的目的,图像质量要依赖于辐射剂量。随着辐射剂量减少,量子斑点效应增加,通过增加视觉噪声反映出的下降的图像质量降低了目标的可检测能力。因此,视觉噪声是一种量化图像质量的合理方法,并且是本文使用的方法。
如图7所示,视觉噪声或噪声可以被测量和图示为用标记700表示的在已知x射线密度均匀的区域中CT单位的标准差,参见http://www.impactscan.org/slides/impactcourse/noise_and_low_contrast_resolution/index.html。
为了确定图像噪声、管电流和DW之间的关系,如图8中的标记800所示,以恒定的kV和有效mAs扫描锥形水假体并且在测量的剖面直径处测量在5mm分块的等中心点周围关注的3cm直径的圆形区域中测量噪声。图像噪声被定义为关注区域中亨氏单位(HU)的标准差。图像利用滤过反向投影技术和标准软组织卷积核生成,未进行降噪或其他的获取数据后配准的图像处理。随后根据经验导出数学模型并拟合数据以在一定的患者体型和辐射剂量范围内提供图像质量估算值。
锥形假体噪声测量在不同的电压电位(80,100,120,135kV)和管电流设置(50,100,150,…,500mA)下执行并且使用不同的扫描模式和参数设置执行,包括获取模式、焦点尺寸和领结式滤波。合适的常数通过在每一种设置下用模型拟合数据来生成。相关系数被用于在每一种设置下评估模型的准确性。
图9示出了在各种mAs水平下从水当量直径的锥形假体测量的噪声。噪声可以从通过扫描已知直径的柱形或锥形水假体获得的图像直接测量。从锥形水假体获得的噪声测量值根据以下的公式建模为900:
其中σ是噪声,c0,c1,c2,c3,c4和cme是根据经验导出的常数并且me是有效 如图10的示例所示,其中包括图9示出的测量数据和拟合的模型1000。用于模型常数的术语是主观性的并且可以改变。
噪声是辐射剂量参数(包括kV和mAs)、对象的水当量直径以及扫描仪特征例如扫描模式、领结式滤波、焦点尺寸、检测仪效率等的函数。这些因素的一部分是扫描仪固有的,并且因此对于扫描仪上的所有扫描都是固定的。其他的因素例如kV、扫描模式、领结式滤波和焦点尺寸可以改变。因此,可以针对每一种设置导出不同的常数集合。图11在曲线图1100中示出了用于50cm视野的图像质量。参见Seuss C,in Mahesh M,MDCT Physics:The Basics,2009,p135。
经验性的测量表明c0,c1,c2,c3和c4能够以相对少量的误差作为用于扫描仪的常数处理。但是,c0和cme根据设置而改变。例如,在ToshibaAquilion One中,这些数值针对不同的kV水平(4种设置)、不同的扫描模式(3种设置)和不同的数据收集直径(5种设置)而改变。为了避免导出c0和cme的不同数值,对于这些设置的60种组合,还通过将两个校正系数cfc0和cfcme与c0和cme相乘以将这两个校正系数cfc0和cfcme分别加入到模型中。这通过针对主观选择的例如包括特定的kV、扫描模式和数据收集直径设置的“标准扫描设置”建立常数来完成。合适的c0和cme的数值针对每一种设置在保持所有其他设置不变的情况下导出。例如,对于Toshiba AquilionOne,用于模型的“典型扫描”设置是模式=螺旋,kV=100且数据收集直径=32cm。得到用于这种设置的c0和cme的数值分别是1.41和0.0242。得到用于120kV的校正系数cfc0和cfcme分别是1.24和1.90,然后将这校正系数与标准c0和cme的数值相乘,得到校正后的c0和cme分别是1.75和0.0460。
对于使用前位-后位(AP)信息位置图示的学习,上述方法并未将CT台加入到水当量直径的计算中。因此,对于这些学习,噪声模型中的常数可以从使用台上式假体的图像中获得。但是,对于仅仅依赖于侧向信息位置图示的学习,噪声模型中的常数可以从延伸脱离扫描台端的假体获得。
在开发出图像噪声估算模型之后,从信息位置图示中提取患者体型数据并随后与剂量参数相结合以估算每一种扫描等级的图像噪声。为了对模拟的患者验证这些估算,对构造用于模拟儿童和成人躯干的分别具有14.1cm和21.3cm平均水当量直径的两个初级拟人假体执行轴向扫描。6cm直径的水柱被通过假体的中心纵向注入,并且在剖面的等中心点处获取图像噪声的测量值。根据上述的噪声模型比较实际的噪声测量值和预测噪声。针对儿童和成人假体、针对100kV和120kV下的两台扫描仪、有和没有剂量调制地并且在不同的管电流设置下执行该过程16次。未配对的t测试被用于比较儿童和成人假体的图像噪声预测、320探测器行扫描仪和64探测器行扫描仪以及调制和固定管电流的精度。
表1列出了在初级拟人假体的验证扫描中预测噪声和测量噪声的对比结果。整体上,模型的预测与噪声偏离约0.74(+/-0.66)SD HU,这等价于测量噪声的5.7%(+/-4.5%)。在320探测器行扫描仪和64探测器行扫描仪之间或者在调制和固定的管电流之间的预测精度上没有明显的差异。成人假体的模型预测比儿童假体的模型预测偏离噪声更多。
表1
CT剂量指数(体积)或CTDIvol是指定用于接受CT的个人的辐射剂量估算值。CTDIvol的计算是基于16cm或32cm的聚甲基丙烯酸甲酯(PMMA)假体。对于本公开来说,所有的CTDIvol计算都是基于或转化为基于32cm的PMMA假体。CTDIvol由扫描仪在剂量报告中报告,在CT学习结束时生成图像。但是,这种信息经常不可用作DICOM文件头,并且因此使用光学字符识别(OCR)应用程序来进行自动数据获取。此外,剂量报告可能并不准确,原因是报告的CTDIvol可能无法准确地说明在剂量调制中出现的剂量波动。
模型将特定体型辐射剂量(SSDE)用于根据以下的公式通过估算的患者体型和CT剂量指数(CTDIvol)导出的辐射剂量估算值的量度。(Boone AAPM TG204 2011)
模型对CTDIvol的估算根据制造商的估算导出。对于扫描模型、电压电位、领结式滤波和焦点尺寸的每一种组合,CTDIvol与有效mAs的比值被确定并加入到模型中,目的是为了根据DICOM元数据中的可用信息估算个体学***均学习CTDIvol被用于320探测器行扫描仪且最大CTDIvol被用于64探测器行扫描仪,目的是为了重现在制造商剂量报告中提供的信息。
在用于验证CTDIvol估算精度的30次CT胸部、腹部和骨盆学***均估算的CTDIvol是6.10+/-3.10mGy。由制造商剂量表报告的平均CTDIvol是6.06+/-3.02mGy。估算和报告的CTDIvol之间的平均差异是0.04+/-0.10mGy。估算和报告的CTDIvol之间的平均百分比差异是0.8%+/-1.8%。要注意的是,通过在64探测器行扫描仪中使用最大而不是平均CTDIvol,制造商将CTDIvol过高估算了平均0.85mGy,对应于15.0%的过高估算平均百分比。
目标图像噪声估算
CT制造商已经介绍了在执业放射科医生中的可重复现象:放射科医生能够容忍用于不同体型患者的不同噪声水平。例如,图12示出了西门子的CARE Dose***的自动曝光控制。这很可能是由于以下事实:较胖的患者具有较大的器官,不需要太精细的空间分辨率,并且较胖的患者倾向于具有较高的脂肪含量,提供了更大的对比度分辨率。图12示出了根据患者体型导出的目标图像质量的剂量1200。图像质量被按预期估算并且用于图像质量的参数被按预期确定。
因此,不变的噪声不能被用于建立目标图像质量。相反,目标图像噪声曲线应该在一定的患者体型范围上建立。为了确定目标图像噪声曲线,应该建立放射科医生的图像质量偏好。为了量化放射科医生的偏好,可以使用根据表2得到的5分制计分***。
表2
放射科医生可以评价已知的噪声和DW的图像以为图像分配图像质量偏好评分。
一定患者体型范围的图像和图像质量可以由放射科医生根据5分制计分***评价。这些评分可以从个别的放射科医生处获得和/或对一组放射科医生取平均。可以根据要应用目标图像噪声曲线的典型测试来选择病例。病例被提交用于根据临床环境中可应用的所有图像后处理技术来计分。已知图像噪声和DW的计分病例可以绘制为如图13所示的1300。
使用最小绝对偏差方法,计分的病例可以被拟合为图像质量偏好曲线公式:
其中S是图像质量偏好计分,σ是图像噪声,DW是患者体型数据,且A,B和C是根据经验导出的常数。该公式根据偏好评分得到如图14所示的一系列目标图像噪声曲线1400。这可以被映射为如图15所示的计分病例数据1500。
根据指定标记或协议的检查所用的期望图像质量,图16示出的目标曲线1600可以根据以下公式通过在一定的患者体型范围上建立一致的图像质量偏好评分来建立:
其中cT,aT和bT是根据经验导出的常数。独立的目标噪声曲线及其对应常数被导出用于每一种临床标记或协议组。这些曲线可以基于放射科医生对该公式所用的合适图像质量的主观判断。
因为放射科医生可能具有不同的噪声耐受水平,所以可针对每一位放射科医生生成唯一的图像质量偏好曲线。通过将所有放射科医生对每一张图像的评分取平均并拟合模型来创建一组图像质量偏好曲线。通过确定个体放射科医生的偏好曲线的平均分对应于科室用于DW=10至40cm的“3”分偏好曲线,即可将每一位放射科医生的曲线与整个科室的曲线做比较。这些数值之间的差异被称作相对可接受性(RAP)评分。负分表示放射科医生能够容忍的噪声小于组平均数,并且正分表示放射科医生能够容忍的噪声大于组平均数。
预测和优化模型
剂量调制估算
大多数现代CT扫描仪都能够应用管电流剂量调制以在台架移动时为了最小化辐射剂量而自动改变管电流。z轴管电流调制可以在患者移动经过台架时应用,而角度或x-y调制可以在台架围绕患者旋转时应用。操作人员设定所有其他的设置以及管电流调制设置例如目标噪声设置和最大及最小mA,然后CT扫描仪根据来自信息位置图示的衰减数据确定最优辐射剂量。尽管剂量调制允许剂量优化,但是不能确保这一点,原因是剂量的关键驱动因素-管电流-仍然在操作人员通过目标噪声设置的控制之下。
剂量调制算法被编程写入扫描仪。如果制造商不提供用于加入到本***中的该算法,那么可以通过以包括kV和mAs的各种扫描仪设置扫描各种尺寸的椭圆形假体来经验性地确定近似值。最小和最大mA值可以针对每一种假体尺寸和每一种设置来确定,并且被估算用于确定剂量调制算法所用的近似值。
可变尺寸的椭圆形假体被用于导出扫描仪的剂量调制算法模型,在特定剂量调制参数设置下预测用于指定患者体型的平均mA。上述的图像噪声估算模型被用于开发预测模型,在指定患者体型和扫描参数时实现图像噪声和SSDE的估算。迭代的非线性优化过程(Excel,Microsoft Corp,Redmond,WA)使得模型还能够实现逆推:在指定期望图像质量目标和患者体型时提供推荐的剂量参数。模型加入了能够根据定位信息位置图示图像导出、能够直接输入、或者能够基于患者体重(在此情况下模型基于指定的体重估算患者体型)的患者体型。模型还考虑了扫描仪特有的特定参数。管电流设置可以被输入为固定的mA或剂量调制参数。用户还可以明确目标噪声设置或图像质量偏好曲线。根据提供的信息,模型随后预测图像噪声和剂量估算值并推荐实现期望图像质量所需的包括管电流和剂量调制设置在内的协议参数。图像噪声和SSDE也在一定的患者体型范围内预测。
图像噪声和剂量预测模型
单个模型可以被用于根据患者体型和扫描仪参数预测图像噪声。剂量调制算法被加入模型中以根据剂量调制和其他扫描参数以及输入模型的患者体型预测mAs。图像噪声公式可以被用于根据mAs和其他扫描参数以及患者体型预测图像噪声。目标曲线公式可以被加入模型中以比较预测图像噪声与实际图像噪声。图像噪声在一定的患者体型范围内估算。该模型被加入到单个应用程序中。图17示出了应用程序的截屏1700。同时还利用固定的mA输入和剂量调制设置来估算图像噪声。
同一个应用程序可以被用于根据扫描参数和患者体型预测SSDE。CTDIvol和SSDE公式被加入预测应用程序。SSDE可以在一定的患者体型范围内以各种工作模式估算。得到最低SSDE同时保持图像噪声稳定的扫描模式被认为是最低剂量模式。一旦建立了最低剂量模式,用于其他扫描参数的数值即被输入到应用程序中。如图17所示,SSDE以指定的扫描参数设置在一定的患者体型范围内估算。
通过在43次例行的胸部、腹部和骨盆检查中比较预测和实际的平均有效mAs、SSDE和估算图像噪声,包括剂量调制算法的预测模型在三个扫描仪上执行的43次例行CT腹部和骨盆学习的样本上验证。在320探测器行扫描仪上执行20次学习且在64探测器行扫描仪上执行23次学习。在100kv执行25次学习且在120kV执行18次学习。所有的验证学习都以螺旋模型执行。利用未配对的t测试来评估扫描仪和管电势设置之间预测精度的统计显著性。
用于验证预测模型的43次CT检查的样本包括利用范围分别是16.3-37.3cm、30-169mAs、3.4-16.1mGy和9.4-38.2SD HU的患者体型、有效mAs、SSDE以及估算图像噪声值来学***均差异分别是-0.7+/-6.9(SD)mAs、-0.2+/-0.9mGy和-0.1+/-0.8HU。预测值和实际值之间的百分比差异分别是-0.9%+/-9.3%、-1.8%+/-10.6%和-0.5%+/-4.4%。在两个扫描仪之间或者在100kV和120kV之间的预测精度没有明显的统计差异。
图像质量和剂量优化/指导模型
图像噪声可以在特定的患者体型范围内利用图像噪声和剂量预测模型通过在目标图像噪声曲线上叠加预测图像噪声曲线来进行优化。如图18所示,图像噪声通过调节剂量调制参数预测,直到图像噪声与图像噪声曲线1800相匹配为止。
这种优化通过使用非线性优化过程在特定的患者体型范围内通过改变剂量调制参数而最小化目标图像噪声和预测图像噪声之间的差异来自动进行。通过相同的优化过程,应用程序还推荐被预测用于得到跟单一的期望图像噪声或目标图像噪声曲线相匹配的特定管电流调制设置和固定mA设置。
如图18所示,在优化的图像质量设置下显示和绘制预测的SSDE。在该优化模型中的约束条件是图像噪声而不是辐射剂量。因此,模型并不改变扫描参数以匹配期望SSDE;相反,SSDE是建立用于匹配期望图像噪声目标值的扫描参数的结果。
扫描参数从预测/优化应用程序导出以优化用于患者体型范围的剂量,从而基于临床指示匹配适当的目标图像噪声曲线。这些扫描参数被用于确定输入到扫描仪中的扫描协议。表3示出了一组协议的示例。
表3
预测/优化模型可以加入由用户输入的DW值或范围。可选地,用户可以明确患者的体重或体重范围。模型使用查询表以基于患者体重根据来自患者人群的数据确定预期的DW。可选地,用户可以直接从定位信息位置图示图像中获取患者体型,这一步在轴向获取之前执行。预测/优化应用程序包含将密度单位从信息位置图示转化为患者体型的公式。如图18所示,操作人员可以从信息位置图示中选择关注的矩形区域并向模型内输入平均密度单位值以及定位kV、台高和定位宽度。随后可以根据上述方法计算特定的患者体型。模型随后根据目标噪声曲线计算优化的管电流调制参数,操作人员可以在执行轴向获取之前将目标噪声曲线输入到扫描仪中。
优化模型可以被编程为图18中的预测/指导应用程序1800。应用程序加入优化模型中的所有要素,提供能够根据mA、剂量调制设置、特定目标噪声预测图像质量和剂量的实用工具,并且根据指定的患者体型提供图像质量偏好曲线。上方左侧的图分别基于mA、剂量调制设置和目标噪声相对于图像质量偏好曲线预测图像噪声。上方右侧和下方右侧的图分别基于剂量调制模型和相对于图像质量偏好曲线在一定的患者体型范围内预测图像噪声和SSDE。
如图18所示,在100kV下,DW为10-40cm的患者范围内且恒定的噪声系数(SD)设置为10.0时的预测噪声的变化范围是从9到55SD HU。对于图示的示例,噪声在10cm到16cm之间保持相对恒定,在17cm到21cm之间增加,在21cm到26cm之间保持相对恒定,然后在27cm到33cm之间快速增加(其中调制管电流的长轴通过最大mA设置限制),并且在34cm及以上增加得更快(其中管电流沿两轴均达到最大设置)。在与“3.0”目标噪声曲线对比时,预测噪声对于在10cm到15cm之间的DW来说过高,对于在16cm到20cm之间的DW来说合适,对于在21cm到36cm之间的DW来说低于必需值,并且对于36cm以上的DW来说同样过高。相应地,SSDE对于噪声低于必需值的范围来说高于必需值,反之亦然。
图像质量和剂量性能评估,显示和监测
图像处理
示范性图像处理应用程序(处理器)自动打开文件夹中的每一个文件并且根据医学数字成像和通信(DICOM)标签确定其是否表示信息位置图示并随后评估图像的其他特征例如其取向、分块厚度和获取图像的时间。一旦处理器确定图像是信息位置图示,那么只要存在例如以上在图4中示出的前后位(AP)信息位置图示400处理器就将其选中。如果不存在AP信息位置图示,那么处理器就选择例如图22所示的侧向信息位置图示2200,这经常对应于头部CT的情况。
示范性处理器随后执行信息位置图示的逐行集成以确定沿z轴用于每一个剖面层级的DW_net。应用程序使用DICOM文件头信息以将矩阵的行与患者身上的物理位置相关联,随后再与轴向分块位置相关联。还要计算平均DW并将其映射至如图4所示的信息位置图示图像400。
示范性处理器随后评估学习中的每一个序列并执行算法以确定合适的轴向图像在确定剂量的计算中使用。例如,处理器弃用所有不代表CT图像的文件。处理器还弃用所有的头部、径向和其他的非轴向图像。处理器评估执行学习的时间以确定多个序列是否构成了同一次获取数据的重构图像。如果是,那就确定哪些序列位于间隔最接近5mm的分块。如果有多个序列剩余,那就选择第一次执行的重构序列。
示范性处理器随后评估跟每一张轴向图像相关联的剂量参数。处理器评估分块位置、kV、mA、曝光时间、节距系数(如果可用)、扫描模式和数据收集直径。处理器还评估对哪一台扫描仪进行了学***均。
图19示出了将有效mAs在每一个分块确定为mA、曝光时间和节距系数的乘积1903的信息位置图示1900。处理器还可以沿z轴计算学习中mAs等于最大mAs的百分比(这就意味着剂量调制设置是否已被优化或者最大mA相对于SD设置是否被设定的过低)。
图20示出了在每一个分块计算并映射至信息位置图示2000的估算噪声2002的AP信息位置图示2000。患者的DW2104、mAs2106和估算噪声2102随后全部被映射为图21所示的单一图像2100中的信息位置图示。该图像被保存在专用文件夹中并且处理器保留图像的地址。
图22示出了示例性的侧向头部信息位置图示2200。对于仅有侧向信息位置图示可用的情况,应用程序执行计算并将结果2204和2206映射至例如图22所示的侧向信息位置图示,其中有若干例外。首先,因为在侧向图像中不存在扫描台,所以应用程序并不减除来自扫描台的背景衰减。用于这些学***行于蝶骨平台的平面内获取图像。图23示出了通过映射体型、剂量和质量数据来旋转侧向头部信息位置图示2300。如图23所示,处理器通过首先将图像2300旋转对应的角度并随后映射体型2304、剂量和图像质量数据2306来进行补偿。
因为某些学习在同一次学习中需要多于一次扫描或“辐射事件”(例如腹部的无对比或对比后阶段的CT,用于在单次学习中评估肝脏质量),所以上述计算应针对每一次辐射事件执行。处理器能够通过在DICOM文件头信息中查询扫描日期和时间来区分辐射事件。
数据存储
示范性处理器针对每一次学***均值和最大值:mA、mAs、DW、DW_net、CTDIvol、DLP、SSDE和噪声。处理器还从DICOM文件头信息中查询其他的相应数据,包括患者姓名、编号、病历编号、出生日期、检查日期、扫描仪、医疗中心和检查名称等。
在一个示范性实施例中,这些数据被发送至以下称作指导数据库的数据库中对应的域。叠加有患者体型图、有效mAs和图像噪声数据的信息位置图示也被发送至数据库。这种关系数据库包含有唯一性用于学习的记录所用的表、序列(也就是单次辐射事件)和实例(单个轴向分块)。这些记录与每一张表中的唯一标识符关联。
示范性处理器根据扫描模式、kV、mA、曝光时间、节距系数和焦点尺寸评估用于每一个分块的CTDIvol。通过对用于每一个分块的CTDIvol取平均来计算用于学***均CTDIvol(CTDIvol平均值)。剂量-长度乘积(DLP)、扫描的CTDIvol和长度的乘积也基于算出的用于每一个分块的CTDIvol而被计算用于学***均来计算用于学***均SSDE。
在一个示范性实施例中,用于上述的患者体型计算、图像噪声和辐射估算以及目标图像噪声评估的所有公式都被包含其中并由处理器使用。
数据分析显示和监测
图24和图25示出了示范性学习分析应用程序的截屏图像2400和2500。根据指导数据库,学习分析应用程序被用于个体和整体地实现学习的分析。应用程序包含搜索页,实现用于个体学习的搜索或用于整体学习的查询。
除了选择个体学***均图像噪声、CTDIvol、DLP和SSDE的示图。图形化的学习与查询页中相同,用户可以在两种视图之间来回切换。因此,用户能够通过改变查询搜索和过滤参数来过滤图中示出的数据。用户选择的目标曲线可以被映射至图像噪声图。每一张图上的数据点可以根据选择的标准通过颜色区分。选择其中的一个点运行用于该学习的学习分析页。
从搜索页中选择的个体学习运行如图27和图28所示的学习分析页,其中显示指定学习的所有相关信息2700和2800,包括患者的人口统计数据、学习获取信息、计算的图像质量和剂量值以及映射的信息位置图示图像。在图27中,截屏2700示出了由应用程序计算并且包含在学习分析页中的目标噪声以及能够得到目标噪声的mA和有效mAs。根据这些参数,应用程序计算残留噪声(目标图像噪声除以实际图像噪声)。应用程序还评估是否许可mA、SD设置或最大mA的改变。
在图28中,截屏2800示出了由应用程序计算并且包含在学习分析页中的目标噪声。根据这些参数,应用程序计算残留噪声(实际图像噪声减去目标图像噪声)。
学***均的学习图像噪声和剂量信息。搜索中包含的其他学习也在用于比较的同一张图中绘出。选择的目标图像噪声曲线也可以被叠加在图像噪声曲线上。用这种方式,用户能够根据来自选择学习的实际图像噪声多好地匹配了目标图像噪声,以及与统一类型的其他学习相比如何。
监测和报告
示范性处理器应用程序允许用户对图像噪声数据设定限制以根据对每一种协议或学***均学***均造成超出了预期的范围。
查询获得的数据能够被输出到外部数据文件中。该文件包括数据库中所有的学习数据而不仅是由学习分析应用程序显示的那些数据。这些数据可以被用于研究、内部监测或报告。数据可以被去标识并传输给内部和外部复核员或复核组织例如国家数据登记库或管理机构。通过与这样的组织机构合作,可以开发出自动报告并定期发送给相关组织机构。
协议集中化
***可以在单个数据库内维护用于指定企业的所有扫描仪的所有扫描协议,具有与指定组织机构中的所有扫描仪对接以更新用于所有扫描仪的协议改变的能力。***可以包含其中含有用于组织机构中每一台CT扫描仪的协议相关信息的数据库。因此,如果组织机构选择由组织机构控制用于所有扫描仪的所有扫描协议,那么无论是在一家还是多家医院,都可以被集中到一个位置。图29示出了数据库中包含的用于组织机构中每一台CT扫描仪的CT扫描参数2900,包括mA、kV、节距、扫描长度。包括mA、kV、节距、扫描长度等的所有相关CT扫描参数都被包含在数据库中。包括年龄或体重参数的患者保准也被包含在数据库中。用于CT放射科医生的特定指示也被包含在数据库中。因此,该数据库变成用于整个组织机构中所有CT协议的中央储存库。
对应于每一种协议的汇总数据都可以被关联为数据库中的协议形式。因此,在显示协议时,还要如截屏2900所示显示对应于该协议的汇总数据。***也可以能够根据***中的历史数据或代表患者的提供给机构的数据文件来预测图像质量和剂量性能。因此,协议改变能够被模拟并且其对剂量和图像质量的影响能够被预测。
***的自动化
图30和图31示出了用于***的框图3000和3100。示范性***使用软件应用程序来利用上述计算自动处理图像。脚本就位以从CT扫描仪或者从图像归档与通信***(PACS)向独立的临时服务器自动发送图像。来自学习的所有图像都发送至临时服务器中的学习专用文件夹。图像处理应用程序在由用户确定的周期基础上处理图像。
示范性***自动化图像处理、数据存储、分析、显示、监测和报告。
用于实施本发明各种应用的示范性环境可以包括能够安装在CT扫描***中或与之有效关联或者可以完全独立于CT扫描***运行的一台或多台计算机。计算机可以包括处理单元、***存储器和***总线。计算机***总线将包括但不限于***存储器的***组件耦合至处理单元。处理单元可以是各种可商用处理器中的任何一种。双微处理器和其他的多处理器架构也可以用作处理单元。
***总线可以是能够进一步互连至使用各种可商用总线架构的存储器总线(具有或没有存储控制器)、外部总线和局域总线的几种总线架构类型中的任何一种。***存储器可以包括只读存储器(ROM)和/或随机存取存储器(RAM)。基本输入/输出***(BIOS)被存储在非易失性存储器例如ROM、EPROM、EEPROM中,该BIOS含有例如在启动期间帮助在计算机内的元件之间传输信息的基本子程序。RAM也可以包括高速RAM例如用于缓存数据的静态RAM。
计算机可以进一步包括:内部硬盘驱动器(HDD)(例如EIDE,SATA),该内部硬盘驱动器还可以被设置用于在合适的机架中外部使用;磁性软盘驱动器(FDD)(例如用于从可移除磁盘中读写);以及光盘驱动器(例如读取CD-ROM盘或者从其他的大容量光学介质例如DVD读写)。硬盘驱动器、磁盘驱动器和光盘驱动器可以分别通过硬盘驱动器接口、磁盘驱动器接口和光盘驱动器接口连接至***总线。用于外部驱动装置的接口包括通用串行总线(USB)和IEEE1394接口技术中的至少一种或两种。
驱动器及其相关计算机可读取介质可以提供数据、数据结构、计算机可执行指令等的非易失性存储。对于计算机,驱动器和介质以合适的数字形式容纳存储的任何数据。尽管以上的计算机可读取介质的说明涉及HDD、可移除磁盘和可移除光学介质例如CD或DVD,但是本领域技术人员应该意识到其他类型的计算机可读取介质例如zip驱动器、磁带、闪存卡、编码带等也可以在示范性操作环境中使用,并且进一步地,任何这样的介质都可以包含用于执行本发明所述方法的计算机可执行指令。
多个程序模块可以被存储在驱动器和RAM中,其中包括操作***、一个或多个应用程序、其他的程序模块和程序数据。全部或一部分的操作***、应用程序、模块和/或数据也可以被缓存在RAM中。应该意识到本发明可以用各种可商用的操作***或操作***的组合来实施。
用户可以通过一种或多种有线/无线输入设备例如触摸屏、键盘和/或点击设备例如鼠标向计算机内输入指令和信息,这都落在本公开的范围内。其他的输入设备可以包括麦克风(跟所属领域的普通技术人员已知适合的语言处理/识别软件结合使用)、IR遥控、操纵杆、游戏摇杆、记录笔等。各种输入设备经常通过耦合至***总线的输入设备接口连接至处理单元,但是也可以通过其他的接口例如并行端口、IEEE1394串行端口、游戏端口、USB端口、IR接口等连接。
显示监视器或其他类型的显示设备还可以通过接口例如视频适配器连接至***总线。除了监视器以外,计算机可以包括其他的外部输出设备例如扬声器、打印机等。
计算机可以在网络环境中利用逻辑连接通过与一台或多台远程计算机的有线和/或无线通信来操作。远程计算机可以是工作站、服务器计算机、路由器、个人计算机、笔记本电脑、个人数字助理、蜂窝通信设备、基于微处理器的娱乐设备、对等设备或其他公用网络节点,并且可以包括相对于计算机介绍的多种或全部要素。示出的逻辑连接包括用于局域网(LAN)和/或更大网络例如广域网(WAN)的有线/无线连接。这样的LAN和WAN网络环境是办公室和公司内的常用环境,并且有助于企业级的计算机网络例如内联网,所有这些网络均可连接至全球通信网络例如互联网。
计算机可操作用于跟任何无线设备或有效设置为无线通信的实体例如打印机、扫描仪、台式计算机和/或笔记本电脑、便携数据助理、通信卫星、或者跟无线可检测标记相关联的任意设备区段或位置(例如自助服务终端、报亭、休息室)和电话通信。这至少包括Wi-Fi(例如IEEE802.11x(a,b,g,n等))和BluetoothTM无线技术。因此,通信可以是例如常规网络所用的预定义结构或简单地是至少两个设备之间的无线自组织网络(ad hoc)通信。
***还可以包括一台或多台服务器。服务器也可以是硬件和/或软件(例如线程、进程、计算设备)。服务器例如可以封装线程以通过使用本发明的应用来执行转换。一种可行的客户端和服务器之间的通信可以是适用于在两个或多个计算机进程之间传输的数据包。数据包例如可以包括缓存和/或相关的上下文信息。***可以包括能够用于帮助在客户端和服务器之间通信的通信架构(例如全球通信网络例如因特网)。
模型常数的扫描仪特定偏差
图32示出了变尺寸的三种水假体3200。为了评估每一种扫描仪在相关设置例如模式、kV、数据收集直径和mAs下的性能,可以如图32所示用约5cm至50cm的直径范围对锥形假体3202执行测试扫描。假体也可以是椭圆形假体3204或拟人的成人或儿童假体3206。可以用扫描仪在每一种相关模式下对台上式假体以及离台式假体执行轴向扫描。图33和图34分别示出了根据这些扫描得到的信息位置图示3300和轴向图像3400的示例。图35示出了图像噪声被定义为CT单位在位于水假体图像3500的中心的3cm直径的圆中的标准差。
在一个实施例中,为了避免必须根据每一张图像人工测量噪声,软件应用程序(校正器)打开图像文件并逐一地处理这些图像。对于每一张轴向图像800,校正器创建定义了图像区域之间边界的掩模以定义区别于周围空气的假体。校正器确定该形状的有效直径(DW)并寻找形心。如以上的图8所示,校正器创建圆心在形心的3cm直径的圆并计算该区域的标准差。
信息位置图示图像可以被转化为数据矩阵。执行DU乘以像素高度的逐行集成以提供用于每一行的DUsum。校正器应用程序将所有这些数据点输出到单个数据文件中,其中包括信息位置图示数据矩阵、DUsum、DW、用于每一张图像的噪声以及扫描参数和设置。
数据文件可以随后由另一个应用程序即模型发生器处理,如图9所示组织数据并绘制为900。对于每一个点,模型发生器可以根据上述的噪声公式以虚拟常数开始计算预期图像噪声。计算每一个点和模型之间的误差,并将所有的误差求和。模型发生器执行求解子程序,通过改变常数c0,c1,c2,c3,c4和cme最小化误差总和,得到图10中的曲线图1000。该过程可以针对每一种设置执行。
在一个实施例中,用于每一种设置的求和误差被求和作为全局误差总和。所有的设置都基于c0,c1,c2,c3,c4和cme的一个集合,其中每一种设置都包含如前所述的c0和cme校正系数。针对所有设置再次同时执行求解子程序,通过改变模型的设定常数c0,c1,c2,c3,c4和cme以及每一种设置的校正系数c0和cee最小化全局误差,同时生成图10和图11中的剂量/噪声曲线图1000和1100。
在一个实施例中,模型发生器还如上所述通过关联DUsum和已知的假体直径来获得用于每一种设置的cscout。
根据以上的说明内容和发明概述,应该对本领域技术人员显而易见的是:尽管本文中介绍的方法和装置构成了本发明的示范性实施例,但是要理解本文包含的发明并不局限于上述的具体实施例并且无需背离本发明的保护范围即可做出修改。类似地,应该理解不必为了落入本发明的保护范围而满足任意或全部已列出的本发明的优点或目标,原因在于即使可能并未在本文中明确讨论,但是本发明仍然可能存在固有和/或尚未预见的优点。
Claims (62)
1.一种用于生成CT扫描仪所用的扫描参数的方法,包括:
获取患者体型数据;
建立目标噪声公式,所述目标噪声公式是患者体型数据的函数;并且
针对测量噪声公式应用目标噪声公式以导出用于指定CT扫描的CT扫描参数,所述测量噪声公式是患者体型数据的函数。
2.如权利要求1所述的方法,其中针对测量噪声公式应用目标噪声公式以导出用于指定CT扫描的CT扫描参数的步骤包括设置目标噪声公式与用于患者体型数据的测量噪声公式相等并求解辐射剂量参数的步骤。
3.如权利要求2所述的方法,其中辐射剂量参数包括mAs。
4.如权利要求3所述的方法,其中目标噪声公式是:
其中cT,aT和bT是根据经验导出的常数,并且其中DW是患者体型数据。
5.如权利要求1所述的方法,其中患者体型数据DW是患者体重和患者水当量直径中的一种。
6.如权利要求4所述的方法,其中测量噪声公式是:
其中c0,cc,rc,cr,rr和cem是根据经验导出的常数且em是有效mAs。
7.如权利要求4所述的方法,其中测量噪声公式是:
其中σ是图像噪声,me是有效mAs,DW是患者的水当量直径,且c0,c1,c2,c3,c4和cme是常数。
8.如权利要求2所述的方法,其中求解辐射剂量参数的步骤是迭代处理。
9.如权利要求1所述的方法,其中目标噪声公式至少部分地根据一名或多名放射科医生对合适的图像质量的主观评估来建立。
10.如权利要求1所述的方法,其中:
测量噪声公式是剂量调制噪声公式;
针对测量噪声公式应用目标噪声公式以导出用于指定CT扫描的CT扫描参数的步骤包括设置目标噪声公式与用于患者体型数据的剂量调制噪声公式相等并求解辐射剂量参数的步骤。
11.如权利要求10所述的方法,其中剂量调制噪声公式是:
其中c0,cc,rc,cr,rr和cSD是根据经验导出的常数且其中DW是根据水当量直径得出的患者体型数据;并且
其中辐射剂量参数是目标噪声参数SD。
12.如权利要求1所述的方法,其中测量噪声公式根据取自水假体的噪声测量数据导出。
13.如权利要求12所述的方法,其中水假体是锥形水假体、人形水假体和椭圆形水假体中的一种。
14.如权利要求1所述的方法,其中目标噪声公式和测量噪声公式选自根据期望的CT应用组织的相应公式组。
15.如权利要求14所述的方法,其中所述公式组包括用于一种或多种下述CT应用的公式:
身体目标应用;
肺部目标应用;和
骨骼目标应用。
16.如权利要求1所述的方法,其中患者体型数据是在扫描轴上针对患者获取的水当量直径的平均值。
17.如权利要求16所述的方法,其中水当量直径的平均值通过沿扫描轴针对每一个剖面等级执行信息位置图示图像数据的逐行集成而导出。
18.如权利要求1所述的方法,其中CT扫描参数包括kV、mAs和剂量调制设置中的一种或多种。
19.如权利要求1所述的方法,进一步包括利用一个或多个导出的CT扫描参数执行CT扫描的步骤。
20.如权利要求19所述的方法,进一步包括在跟CT扫描相关联的数据库记录中存储导出的CT扫描参数和患者体型数据用于后续数据分析的步骤。
21.如权利要求1所述的方法,进一步包括发信号指示是否有一个或多个导出的CT扫描参数落在选择的CT扫描参数集合以外的步骤。
22.一种用于在使用扫描仪的计算机断层成像(CT)扫描中扫描患者的方法,包括以下步骤:
估算患者体型;
至少部分地基于患者体型建立用于扫描的目标图像质量参数;
从数据库中检索扫描仪参数信息;
基于目标图像质量参数和扫描仪参数信息确定扫描协议;
推荐扫描协议;
利用一定的辐射剂量扫描患者;
显示扫描图像;
测量扫描图像以获取噪声信息;并且
更新数据库。
23.如权利要求22所述的方法,其中确定扫描协议包括确定特定体型的辐射剂量估算值(SSDE)。
24.如权利要求23所述的方法,其中辐射剂量至少部分地基于确定的SSDE。
25.如权利要求22所述的方法,其中确定扫描协议包括确定扫描仪的设置。
26.如权利要求22所述的方法,其中扫描患者的步骤包括以确定的扫描仪设置来设置扫描仪。
27.如权利要求22所述的方法,进一步包括通过扫描水假体处理水假体图像以得到扫描仪参数并在数据库中保存图像噪声信息和扫描仪参数。
28.如权利要求22所述的方法,其中扫描患者的步骤包括管理已确定的SSDE。
29.如权利要求22所述的方法,进一步包括基于目标图像质量参数确定扫描仪参数。
30.如权利要求22所述的方法,其中估算DW的步骤包括利用定位扫描(scout scan)来扫描患者,以及利用定位扫描来创建信息位置图示。
31.如权利要求30所述的方法,进一步包括:
由扫描仪执行信息位置图示的逐行集成以针对沿z轴的每一个剖面等级确定用于分块的水当量直径(DW_net);并且
将DW_net映射至信息位置图示。
32.如权利要求31所述的方法,进一步包括在每一个分块计算以算出估算噪声并将估算噪声映射至信息位置图示。
33.如权利要求22所述的方法,其中估算患者体型的步骤通过以下步骤完成:
利用定位扫描来扫描患者以获取患者的厚度TW;并且
随后将TW用于从数据库中交叉引用表达为水当量直径DW的对应患者体型。
34.如权利要求22所述的方法,其中更新数据库的步骤包括利用SSDE信息、噪声信息、扫描仪参数和患者体型中的至少一种来汇总数据库中的参数。
35.如权利要求22所述的方法,其中扫描仪参数包括扫描仪常数和扫描仪性能数据。
36.如权利要求35所述的方法,进一步包括:
通过利用至少一种扫描仪设置和模式执行至少一次水假体扫描而导出扫描仪参数;
测量噪声;
利用合适的公式求解选定的常数;并且
将设置参数和图像噪声存入数据库。
37.如权利要求36所述的方法,其中扫描仪特征通过扫描水假体并测量噪声值而导出,其中水假体是台上式和离台式中的一种。
38.如权利要求36所述的方法,其中水假体是填充水的对象。
39.如权利要求38所述的方法,其中水假体是锥形水假体、人形水假体和椭圆形水假体中的一种。
40.如权利要求38所述的方法,其中水假体是锥形假体,具有约5cm至50cm的直径范围。
41.如权利要求22所述的方法,其中扫描仪参数针对至少一种模式和一种设置包括以下参数中的至少一种:
cscout;放大系数(m.f.);目标噪声常数cT、aT和bT;噪声常数c0、cc、rc、cr、rr和cem;a、b;对比灵敏度;以及空间分辨率;和
剂量kV、mA、mAs;剂量CTDIvol;CTDIvol与有效mAs的比值;剂量长度乘积(DLP)。
42.如权利要求41所述的方法,其中扫描仪设置包括电压电位、领结式滤波和焦点尺寸中的至少一种。
43.如权利要求41所述的方法,进一步包括:
通过扫描具有已知厚度TW的水假体导出用于扫描仪的cscout;
求解TW=cscoutDU时的cscout,其中DU是密度单位,并将cscout存入数据库;并且
将常数cscout用于通过水当量直径DW确定患者体型,其中
44.如权利要求41所述的方法,其中cT、aT和bT通过以下步骤导出:
扫描具有直径DW的水假体;
测量水假体扫描中的噪声;
求解公式:
并且将cT、aT和bT的值送入数据库。
45.如权利要求41所述的方法,其中常数c0、cc、rc、cr、rr和cem通过以下步骤导出:
扫描具有直径DW的水假体;
测量水假体扫描中的噪声;
求解公式:
并且将DW、c0、cc、rc、cr、rr和cem的值送入数据库。
46.如权利要求21所述的方法,进一步包括:
提供显示输出以图形化示出用于扫描的CT图像质量的量度。
47.如权利要求22所述的方法,其中目标图像质量参数基于目标视觉噪声参数。
48.如权利要求47所述的方法,其中建立用于CT扫描的目标视觉噪声参数的步骤包括确定剂量调制噪声曲线与目标噪声曲线相等的点。
49.如权利要求48所述的方法,其中剂量调制噪声曲线根据以下公式建模:
并且常数c0、cc、rc、cr、rr和cem是数据库中的汇总扫描仪参数,DW是表达为患者的水当量直径的患者体型,且其中SD是可变的目标噪声扫描仪设置。
50.如权利要求48所述的方法,其中测量噪声公式是:
其中σ是图像噪声,me是有效mAs,DW是表达为患者的水当量直径的患者体型,且c0,c1,c2,c3,c4和cme是常数。
51.如权利要求48所述的方法,其中目标图像噪声曲线根据以下公式建立:
其中cT、aT和bT是在数据库中得到的扫描仪参数,且DW是根据水当量直径得到的患者体型。
52.如权利要求47所述的方法,进一步包括:
根据目标图像曲线向操作人员推荐扫描参数。
53.如权利要求22所述的方法,其中确定SSDE的步骤包括使用表达为水当量直径DW的患者体型并求解以下公式:
54.如权利要求53所述的方法,进一步包括计算剂量-长度乘积(DLP),其中DLP是根据针对每一个分块n计算的CTDIvol而得出的CTDIvol和扫描长度的乘积,然后将DLP存入数据库。
55.如权利要求22所述的方法,进一步包括:
针对下述的一个或多个参数计算包括最小值、平均值和最大值在内的统计数据用于学习:
剂量中的量子流量(mA)、表达为水当量直径(DW)的患者体型、用于分块的水当量直径(DW_net)、辐射剂量估算值(CTDIvol)、剂量长度乘积、CTDIvol和扫描长度的乘积(DLP)、SSDE和噪声;
将一个或多个参数送入数据库;以及
从DICOM文件头信息中检索包括患者姓名、编号、病历编号、出生日期、检查日期、扫描仪、医疗中心和检查名称之一的数据。
56.如权利要求22所述的方法,进一步包括:
接收用于可接受的图像质量参数范围的操作人员输入;
结合表达为水当量直径DW的患者体型和扫描仪参数以计算用于可接受的图像质量数值范围的SSDE;
推荐将生成具有可接受图像质量参数的图像的SSDE;
允许操作人员人工设置SSDE;并且
显示关于预期图像质量是否落在可接受的图像质量参数内的输出。
57.如权利要求56所述的方法,进一步包括:
接收用于目标图像质量参数的输入;
利用输入的图像质量参数计算学习值;并且
推荐具体的扫描参数,包括以下的至少一种:kV、mA以及用于实现输入图像质量的剂量调制设置。
58.如权利要求56所述的方法,进一步包括:
在SSDE高于或低于推荐的SSDE时提供报警;并且
如果预期图像质量落在可接受的图像质量参数以外则提供报警。
59.如权利要求56所述的方法,进一步包括:
显示落在预期图像质量参数以内的扫描与落在预期图像质量参数以外的扫描的对比图。
60.如权利要求22所述的方法,进一步包括:
在核心数据库中维护用于多个扫描仪的扫描协议;
将核心协议管理器与多个扫描仪对接以更新用于多个扫描仪的协议改变。
61.如权利要求22所述的方法,进一步包括:
根据先前获取的数据推荐用于患者体型的协议。
62.一种能够执行如权利要求22所述的方法的***,用于最小化辐射剂量同时实现构成CT扫描的图像质量,包括:
协议管理器,所述协议管理器包括处理器;
与扫描仪通信的学习性能数据库,所述数据库包括扫描仪参数;
能够定位扫描和CT断层扫描的扫描仪;
剂量登记库;以及
协议数据库。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201161541671P | 2011-09-30 | 2011-09-30 | |
US61/541,671 | 2011-09-30 | ||
PCT/US2012/058310 WO2013049818A1 (en) | 2011-09-30 | 2012-10-01 | Method for consistent and verifiable optimization of computed tomography (ct) radiation dose |
Publications (1)
Publication Number | Publication Date |
---|---|
CN104039262A true CN104039262A (zh) | 2014-09-10 |
Family
ID=47996511
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201280057495.0A Pending CN104039262A (zh) | 2011-09-30 | 2012-10-01 | 用于计算机断层成像(ct)辐射剂量的一致性和可验证的优化方法 |
Country Status (12)
Country | Link |
---|---|
US (1) | US9592022B2 (zh) |
EP (1) | EP2760367A4 (zh) |
JP (1) | JP2014528284A (zh) |
KR (1) | KR20140082721A (zh) |
CN (1) | CN104039262A (zh) |
AU (1) | AU2012315530A1 (zh) |
BR (1) | BR112014007695A2 (zh) |
CA (1) | CA2850374A1 (zh) |
IL (1) | IL231749A0 (zh) |
MX (1) | MX2014003685A (zh) |
RU (1) | RU2014117689A (zh) |
WO (1) | WO2013049818A1 (zh) |
Cited By (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104545980A (zh) * | 2015-01-23 | 2015-04-29 | 浙江医学高等专科学校 | 一种ct扫描参数的快速设置方法 |
CN105534543A (zh) * | 2014-12-31 | 2016-05-04 | 沈阳东软医疗***有限公司 | 一种ct扫描参数优化方法及装置 |
CN108065952A (zh) * | 2018-01-03 | 2018-05-25 | 沈阳东软医疗***有限公司 | 一种剂量调制方法及装置 |
CN108324303A (zh) * | 2017-01-20 | 2018-07-27 | 台达电子工业股份有限公司 | 计算机断层***的造影方法 |
CN108471996A (zh) * | 2015-12-17 | 2018-08-31 | 皇家飞利浦有限公司 | 用于估计在计算机断层摄影扫描期间由器官接收的辐射剂量的方法 |
CN108685589A (zh) * | 2017-04-05 | 2018-10-23 | 西门子保健有限责任公司 | 确定计算机断层成像的参考剂量参数 |
CN108770373A (zh) * | 2015-10-13 | 2018-11-06 | 医科达有限公司 | 使用特征回归模型根据mr数据的伪ct生成 |
CN108968993A (zh) * | 2018-05-31 | 2018-12-11 | 深海精密科技(深圳)有限公司 | X射线机曝光控制方法、装置及电子设备 |
CN109247949A (zh) * | 2017-07-12 | 2019-01-22 | 西门子保健有限责任公司 | 在头-脚方向上位置分辨的wed确定 |
CN109414547A (zh) * | 2016-05-11 | 2019-03-01 | 塞塔多斯公司 | 放射性给药***和方法 |
CN109549659A (zh) * | 2019-01-08 | 2019-04-02 | 沈阳东软医疗***有限公司 | 一种自动获得扫描部位定位片的方法和*** |
CN109567841A (zh) * | 2018-12-06 | 2019-04-05 | 余姚德诚科技咨询有限公司 | 辐射超标分析平台 |
CN109602435A (zh) * | 2017-09-29 | 2019-04-12 | 通用电气公司 | 用来取得预期图像质量的ct成像***和方法 |
CN109717887A (zh) * | 2017-10-27 | 2019-05-07 | 学校法人日本大学 | 医疗用x射线ct拍摄装置及其条件设定方法和存储介质 |
CN109788926A (zh) * | 2016-09-22 | 2019-05-21 | 通用电气公司 | 光谱计算机断层扫描(ct)的光谱校准 |
CN110664421A (zh) * | 2019-10-14 | 2020-01-10 | 上海联影医疗科技有限公司 | 一种扫描剂量的确定方法、装置、医疗设备及存储介质 |
CN110916692A (zh) * | 2018-09-19 | 2020-03-27 | 西门子医疗有限公司 | 确定能力关系、用能力关系设置参数的方法和x射线设备 |
CN112353409A (zh) * | 2020-08-14 | 2021-02-12 | 北京大学深圳医院 | 根据部位和诊断要求的分段进行管电流调制的ct扫描方法 |
CN112386271A (zh) * | 2019-08-16 | 2021-02-23 | 通用电气精准医疗有限责任公司 | 用于x射线管调节的方法和*** |
Families Citing this family (66)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140072108A1 (en) * | 2010-07-16 | 2014-03-13 | David P. Rohler | Methods and apparatus for extended low contrast detectability for radiographic imaging systems |
US9492136B2 (en) * | 2012-01-06 | 2016-11-15 | Indiana University Research And Technology Corporation | Method and apparatus that automates tube current and voltage selection for CT scans |
WO2014167463A2 (en) * | 2013-04-10 | 2014-10-16 | Koninklijke Philips N.V. | Image quality index and/or imaging parameter recommendation based thereon |
US9409039B2 (en) * | 2013-05-21 | 2016-08-09 | Varian Medical Systems International Ag | Systems and methods for automatic creation of dose prediction models and therapy treatment plans as a cloud service |
CN104182925B (zh) * | 2013-05-22 | 2019-04-09 | 东芝医疗***株式会社 | 图像处理装置、图像处理方法和医学图像设备 |
KR102154734B1 (ko) | 2013-06-10 | 2020-09-10 | 삼성전자주식회사 | 의료 영상 촬영 방법 및 장치, 및 개인화된 파라미터 값의 생성 방법 |
US9848846B2 (en) | 2013-08-05 | 2017-12-26 | Cedars-Sinai Medical Center | Systems and methods for determining radiation dose in computed tomography scans |
DE102013223958A1 (de) * | 2013-11-22 | 2015-05-28 | Sirona Dental Systems Gmbh | Verfahren und Vorrichtung zur dentalen Bildgebung |
US10346586B2 (en) * | 2014-06-05 | 2019-07-09 | Siemens Healthcare Gmbh | Protocol management system (PROMS) |
CN105326514A (zh) * | 2014-06-10 | 2016-02-17 | 上海西门子医疗器械有限公司 | X射线设备 |
US10278666B2 (en) | 2014-06-13 | 2019-05-07 | Palodex Group Oy | Systems and methods of automated dose control in x-ray imaging |
CN104644203B (zh) * | 2014-09-02 | 2018-01-23 | 沈阳东软医疗***有限公司 | 一种剂量调制扫描方法和装置 |
CN104287768A (zh) * | 2014-09-30 | 2015-01-21 | 沈阳东软医疗***有限公司 | 一种ct扫描剂量控制方法及*** |
US20160220221A1 (en) * | 2015-02-03 | 2016-08-04 | The Uab Research Foundation | Apparatuses And Methods For Determining The Beam Width Of A Computed Tomography Scanner |
CA3020507A1 (en) * | 2015-04-13 | 2016-10-20 | Accumetra, Llc | Automated scan quality monitoring system |
US9895130B2 (en) * | 2015-11-19 | 2018-02-20 | General Electric Company | Water equivalent diameter determination from scout images |
DE102015225735A1 (de) * | 2015-12-17 | 2017-06-22 | Siemens Healthcare Gmbh | Verfahren zum Verarbeiten von Dosisinformationsbildern |
US10368825B2 (en) | 2016-01-20 | 2019-08-06 | General Electric Company | Methods and systems for computed tomography |
US10085698B2 (en) | 2016-01-26 | 2018-10-02 | Genereal Electric Company | Methods and systems for automated tube current modulation |
WO2017158634A1 (en) | 2016-03-18 | 2017-09-21 | Ospedale Pediatrico Bambino Gesu' | System and method for experimental determination of dosimetric quantities with ct scanners |
WO2018018087A1 (en) * | 2016-07-27 | 2018-02-01 | Charles Sturt University | A method and system for automating radiation dose parameters |
KR101934737B1 (ko) | 2016-11-11 | 2019-01-07 | 삼성전자주식회사 | 의료 영상 장치 및 그 제어방법 |
JP6670509B2 (ja) * | 2017-01-20 | 2020-03-25 | 台達電子工業股▲ふん▼有限公司Delta Electronics,Inc. | コンピュータ断層撮像システムの造影方法 |
CN110337272B (zh) * | 2017-02-24 | 2023-11-07 | 拜耳医药保健有限公司 | 用于生成模拟计算机断层扫描(ct)图像的***和方法 |
US10709409B2 (en) * | 2017-03-17 | 2020-07-14 | General Electric Company | System and method for conveying one or more predictive indicators of an imaging control parameter |
US10688320B2 (en) | 2017-05-30 | 2020-06-23 | Reflexion Medical, Inc. | Methods for real-time image guided radiation therapy |
US10796585B2 (en) * | 2017-06-12 | 2020-10-06 | United States Of America As Represented By The Administrator Of Nasa | Device for providing real-time rotorcraft noise abatement information |
US11276208B2 (en) | 2017-06-12 | 2022-03-15 | The Research Foundation For The State University Of New York | System, method and computer-accessible medium for ultralow dose computed tomography image reconstruction |
WO2018237328A1 (en) | 2017-06-22 | 2018-12-27 | Reflexion Medical, Inc. | SYSTEMS AND METHODS FOR BIOLOGICAL ADAPTIVE RADIOTHERAPY |
EP3229160A3 (en) * | 2017-07-19 | 2017-11-29 | Siemens Healthcare GmbH | Method for configuring a medical instrument, system for con-figuring a medical instrument, computer program product and computer readable medium |
US11013474B2 (en) | 2017-08-08 | 2021-05-25 | Canon Medical Systems Corporation | X-ray computed tomography apparatus |
US20200286614A1 (en) * | 2017-09-08 | 2020-09-10 | The General Hospital Corporation | A system and method for automated labeling and annotating unstructured medical datasets |
JP7005240B2 (ja) | 2017-09-11 | 2022-01-21 | キヤノンメディカルシステムズ株式会社 | 医用画像診断装置 |
JP7249567B2 (ja) * | 2017-10-27 | 2023-03-31 | 学校法人日本大学 | 歯科用x線ct撮影装置及びx線ct撮影条件設定プログラム |
US10426424B2 (en) * | 2017-11-21 | 2019-10-01 | General Electric Company | System and method for generating and performing imaging protocol simulations |
EP3503112B1 (en) | 2017-12-21 | 2023-06-07 | Siemens Healthcare GmbH | Method and system for validating parameters in a medical study |
US10492751B2 (en) * | 2018-02-13 | 2019-12-03 | FMI Medical Systems Co., Ltd. | Method and apparatus for modulating x-ray tube current in computed tomography |
US11640682B2 (en) | 2018-03-22 | 2023-05-02 | The University Of North Carolina At Chapel Hill | Methods, systems, and computer readable media for processing digital subtraction angiography (DSA) and computed tomography (CT) images for reducing radiation exposure in DSA and CT subjects |
US10891720B2 (en) | 2018-04-04 | 2021-01-12 | AlgoMedica, Inc. | Cross directional bilateral filter for CT radiation dose reduction |
US11080898B2 (en) * | 2018-04-06 | 2021-08-03 | AlgoMedica, Inc. | Adaptive processing of medical images to reduce noise magnitude |
EP3571997B1 (de) * | 2018-05-23 | 2022-11-23 | Siemens Healthcare GmbH | Verfahren und vorrichtung zum bestimmen eines patientenge-wichts und/oder eines body-mass-index |
EP3597106A1 (en) * | 2018-07-19 | 2020-01-22 | Koninklijke Philips N.V. | Ct scan parameter optimization |
WO2019243396A1 (en) | 2018-06-19 | 2019-12-26 | Koninklijke Philips N.V. | Ct scan parameter optimization |
US10888296B2 (en) | 2018-06-29 | 2021-01-12 | Shanghai United Imaging Healthcare Co., Ltd. | Methods and systems for modulating radiation dose |
CN109077746B (zh) * | 2018-06-29 | 2022-08-02 | 上海联影医疗科技股份有限公司 | 一种确定辐射剂量调制线的方法、***和装置 |
EP3597107B1 (en) * | 2018-12-06 | 2021-02-17 | Siemens Healthcare GmbH | Topogram-based fat quantification for a computed tomography examination |
WO2020150505A1 (en) | 2019-01-16 | 2020-07-23 | Reflexion Medical, Inc. | Methods for setup corrections in radiation therapy |
CN111616723B (zh) * | 2019-02-27 | 2024-01-02 | 佳能医疗***株式会社 | 扫描协议调整装置以及扫描协议调整方法 |
US11576643B2 (en) | 2019-02-27 | 2023-02-14 | Canon Medical Systems Corporation | Imaging planning apparatus and imaging planning method |
US11246555B2 (en) | 2019-05-17 | 2022-02-15 | GE Precision Healthcare LLC | Systems and methods for automatic tube potential selection in dual energy imaging |
DE102019217421A1 (de) * | 2019-11-12 | 2021-05-12 | Siemens Healthcare Gmbh | Verfahren zur automatischen Regelung von Strahlendosen medizinischer Röntgengeräte |
US11288775B2 (en) * | 2019-11-27 | 2022-03-29 | GE Precision Healthcare LLC | Methods and systems for parametric noise modulation in x-ray imaging |
EP3858241B1 (en) | 2020-01-30 | 2024-03-20 | Siemens Healthineers AG | Computer-implemented method for determining at least one main acquisition parameter and method for acquiring a main x-ray image |
JP2021137189A (ja) * | 2020-03-03 | 2021-09-16 | キヤノンメディカルシステムズ株式会社 | 医用情報処理装置、医用画像診断装置及び医用情報処理方法 |
EP3923293A1 (en) * | 2020-06-09 | 2021-12-15 | Koninklijke Philips N.V. | System and method for analysis of medical image data based on an interaction of quality metrics |
US20220022838A1 (en) * | 2020-07-27 | 2022-01-27 | Canon Medical Systems Corporation | Evaluation apparatus, evaluation method, and evaluation system |
US11672498B2 (en) | 2020-07-29 | 2023-06-13 | Canon Medical Systems Corporation | Information processing method, medical image diagnostic apparatus, and information processing system |
US20220061792A1 (en) * | 2020-08-31 | 2022-03-03 | Vatech Co., Ltd. | X-ray imaging apparatus |
DE102020213497A1 (de) * | 2020-10-27 | 2022-04-28 | Siemens Healthcare Gmbh | Verbessertes Dosisdatenmanagementsystem und -verfahren |
CN112690810B (zh) * | 2020-12-22 | 2023-08-15 | 上海联影医疗科技股份有限公司 | 基于先验信息的扫描方法和医学扫描*** |
US11813107B2 (en) | 2021-01-29 | 2023-11-14 | Raduxtion, Llc | Medical imaging system |
US12016718B2 (en) | 2022-03-11 | 2024-06-25 | Canon Medical Systems Corporation | Apparatus and methods for image quality improvement based on noise and dose optimization |
WO2024054586A1 (en) | 2022-09-08 | 2024-03-14 | Bayer Healthcare Llc | Systems and methods for generating protocols embodying contrast and radiation dose management techniques |
EP4371496A1 (en) * | 2023-03-10 | 2024-05-22 | Siemens Healthineers AG | Computer-implemented method for preparing a computed tomography scan, computer program, computer-readable storage medium, and computed tomography system |
US11931196B1 (en) | 2023-09-18 | 2024-03-19 | Raduxtion, Llc | Medical imaging systems for reducing radiation exposure |
CN117770850B (zh) * | 2024-02-26 | 2024-06-04 | 赛诺威盛科技(北京)股份有限公司 | 一种射线源辐射剂量自适应方法、ct*** |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1695557A (zh) * | 2004-05-13 | 2005-11-16 | 株式会社东芝 | X-射线计算断层摄影扫描仪 |
US20070081630A1 (en) * | 2003-11-25 | 2007-04-12 | Koninklijke Philips Electronics Nv | Automatic dose adaptation as a function of patient body mass index in ct calcium scoring |
US20080118032A1 (en) * | 2006-10-06 | 2008-05-22 | Graham Sean A | Optimized aperture selection imaging computed tomography system and method |
CN101897595A (zh) * | 2009-05-28 | 2010-12-01 | 株式会社东芝 | X射线计算机断层摄影*** |
WO2011008296A1 (en) * | 2009-07-17 | 2011-01-20 | Rohler David P | Extended low contrast detectability for radiographic imaging systems |
Family Cites Families (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6307912B1 (en) | 1999-11-29 | 2001-10-23 | General Electric Company | Methods and apparatus for optimizing CT image quality with optimized data acquisition |
JP2002102217A (ja) * | 2000-09-28 | 2002-04-09 | Ge Medical Systems Global Technology Co Llc | X線ctシステム、ガントリ装置、コンソール端末及びその制御方法及び記憶媒体 |
US6987834B2 (en) * | 2003-01-09 | 2006-01-17 | Ge Medical Systems Global Technology Company, Llc | Optimized record technique selection in radiography and fluoroscopy applications |
JP4490645B2 (ja) | 2003-04-09 | 2010-06-30 | 株式会社東芝 | X線コンピュータ断層撮影装置 |
US7039163B2 (en) * | 2003-09-11 | 2006-05-02 | Siemens Aktiengesellschaft | Method for automatically setting an X-ray dosage for producing an X-ray tomographic image |
DE102005004383B4 (de) * | 2005-01-31 | 2007-04-12 | Siemens Ag | Verfahren und Vorrichtung zur Steuerung einer bildgebenden Modalität |
JP5283839B2 (ja) * | 2005-11-25 | 2013-09-04 | 東芝メディカルシステムズ株式会社 | 医用画像診断システム |
KR100830198B1 (ko) * | 2006-04-20 | 2008-05-16 | 허감 | 관상동맥 ct 혈관조영술에서의 ct번호의 표준편차를이용한 방사선량 조절방법 및 장치 |
CN101467888B (zh) * | 2007-12-28 | 2013-03-27 | Ge医疗***环球技术有限公司 | X射线ct装置和x射线管电流确定方法 |
DE102008014738A1 (de) * | 2008-03-18 | 2009-09-24 | Siemens Aktiengesellschaft | Verfahren zur medizinischen Bildgebung sowie medizinische Bildgebungsvorrichtung |
JP5514450B2 (ja) * | 2009-02-23 | 2014-06-04 | 株式会社日立メディコ | X線ct装置 |
-
2012
- 2012-10-01 JP JP2014533473A patent/JP2014528284A/ja active Pending
- 2012-10-01 BR BR112014007695A patent/BR112014007695A2/pt not_active IP Right Cessation
- 2012-10-01 RU RU2014117689/14A patent/RU2014117689A/ru not_active Application Discontinuation
- 2012-10-01 CA CA2850374A patent/CA2850374A1/en not_active Abandoned
- 2012-10-01 US US14/348,216 patent/US9592022B2/en not_active Expired - Fee Related
- 2012-10-01 AU AU2012315530A patent/AU2012315530A1/en not_active Abandoned
- 2012-10-01 CN CN201280057495.0A patent/CN104039262A/zh active Pending
- 2012-10-01 WO PCT/US2012/058310 patent/WO2013049818A1/en active Application Filing
- 2012-10-01 KR KR1020147010807A patent/KR20140082721A/ko not_active Application Discontinuation
- 2012-10-01 MX MX2014003685A patent/MX2014003685A/es unknown
- 2012-10-01 EP EP12834992.5A patent/EP2760367A4/en not_active Withdrawn
-
2014
- 2014-03-27 IL IL231749A patent/IL231749A0/en unknown
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070081630A1 (en) * | 2003-11-25 | 2007-04-12 | Koninklijke Philips Electronics Nv | Automatic dose adaptation as a function of patient body mass index in ct calcium scoring |
CN1695557A (zh) * | 2004-05-13 | 2005-11-16 | 株式会社东芝 | X-射线计算断层摄影扫描仪 |
US20080118032A1 (en) * | 2006-10-06 | 2008-05-22 | Graham Sean A | Optimized aperture selection imaging computed tomography system and method |
CN101897595A (zh) * | 2009-05-28 | 2010-12-01 | 株式会社东芝 | X射线计算机断层摄影*** |
WO2011008296A1 (en) * | 2009-07-17 | 2011-01-20 | Rohler David P | Extended low contrast detectability for radiographic imaging systems |
Cited By (29)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105534543A (zh) * | 2014-12-31 | 2016-05-04 | 沈阳东软医疗***有限公司 | 一种ct扫描参数优化方法及装置 |
US10420526B2 (en) | 2014-12-31 | 2019-09-24 | Shenyang Neusoft Medical Systems Co., Ltd. | Optimizing CT scanning parameter |
CN105534543B (zh) * | 2014-12-31 | 2019-09-10 | 东软医疗***股份有限公司 | 一种ct扫描参数优化方法及装置 |
CN104545980A (zh) * | 2015-01-23 | 2015-04-29 | 浙江医学高等专科学校 | 一种ct扫描参数的快速设置方法 |
US11944463B2 (en) | 2015-10-13 | 2024-04-02 | Elekta, Inc. | Pseudo-CT generation from MR data using a feature regression model |
CN108770373B (zh) * | 2015-10-13 | 2022-08-19 | 医科达有限公司 | 使用特征回归模型根据mr数据的伪ct生成 |
CN108770373A (zh) * | 2015-10-13 | 2018-11-06 | 医科达有限公司 | 使用特征回归模型根据mr数据的伪ct生成 |
US11234654B2 (en) | 2015-10-13 | 2022-02-01 | Elekta, Inc. | Pseudo-CT generation from MR data using a feature regression model |
CN108471996A (zh) * | 2015-12-17 | 2018-08-31 | 皇家飞利浦有限公司 | 用于估计在计算机断层摄影扫描期间由器官接收的辐射剂量的方法 |
CN109414547B (zh) * | 2016-05-11 | 2022-09-13 | 塞塔多斯公司 | 放射性给药***和方法 |
CN109414547A (zh) * | 2016-05-11 | 2019-03-01 | 塞塔多斯公司 | 放射性给药***和方法 |
CN109788926A (zh) * | 2016-09-22 | 2019-05-21 | 通用电气公司 | 光谱计算机断层扫描(ct)的光谱校准 |
CN108324303B (zh) * | 2017-01-20 | 2021-10-08 | 台达电子工业股份有限公司 | 计算机断层***的造影方法 |
CN108324303A (zh) * | 2017-01-20 | 2018-07-27 | 台达电子工业股份有限公司 | 计算机断层***的造影方法 |
CN108685589A (zh) * | 2017-04-05 | 2018-10-23 | 西门子保健有限责任公司 | 确定计算机断层成像的参考剂量参数 |
CN109247949A (zh) * | 2017-07-12 | 2019-01-22 | 西门子保健有限责任公司 | 在头-脚方向上位置分辨的wed确定 |
CN109602435B (zh) * | 2017-09-29 | 2022-09-16 | 通用电气公司 | 用来取得预期图像质量的ct成像***和方法 |
CN109602435A (zh) * | 2017-09-29 | 2019-04-12 | 通用电气公司 | 用来取得预期图像质量的ct成像***和方法 |
CN109717887A (zh) * | 2017-10-27 | 2019-05-07 | 学校法人日本大学 | 医疗用x射线ct拍摄装置及其条件设定方法和存储介质 |
CN108065952A (zh) * | 2018-01-03 | 2018-05-25 | 沈阳东软医疗***有限公司 | 一种剂量调制方法及装置 |
CN108968993A (zh) * | 2018-05-31 | 2018-12-11 | 深海精密科技(深圳)有限公司 | X射线机曝光控制方法、装置及电子设备 |
CN110916692A (zh) * | 2018-09-19 | 2020-03-27 | 西门子医疗有限公司 | 确定能力关系、用能力关系设置参数的方法和x射线设备 |
US11717251B2 (en) | 2018-09-19 | 2023-08-08 | Siemens Healthcare Gmbh | Determining a competency relationship, setting dose-related recording parameter using competency relationship |
CN110916692B (zh) * | 2018-09-19 | 2024-04-05 | 西门子医疗有限公司 | 确定能力关系、用能力关系设置参数的方法和x射线设备 |
CN109567841A (zh) * | 2018-12-06 | 2019-04-05 | 余姚德诚科技咨询有限公司 | 辐射超标分析平台 |
CN109549659A (zh) * | 2019-01-08 | 2019-04-02 | 沈阳东软医疗***有限公司 | 一种自动获得扫描部位定位片的方法和*** |
CN112386271A (zh) * | 2019-08-16 | 2021-02-23 | 通用电气精准医疗有限责任公司 | 用于x射线管调节的方法和*** |
CN110664421A (zh) * | 2019-10-14 | 2020-01-10 | 上海联影医疗科技有限公司 | 一种扫描剂量的确定方法、装置、医疗设备及存储介质 |
CN112353409A (zh) * | 2020-08-14 | 2021-02-12 | 北京大学深圳医院 | 根据部位和诊断要求的分段进行管电流调制的ct扫描方法 |
Also Published As
Publication number | Publication date |
---|---|
KR20140082721A (ko) | 2014-07-02 |
WO2013049818A1 (en) | 2013-04-04 |
AU2012315530A1 (en) | 2014-04-17 |
RU2014117689A (ru) | 2015-11-10 |
JP2014528284A (ja) | 2014-10-27 |
IL231749A0 (en) | 2014-05-28 |
US9592022B2 (en) | 2017-03-14 |
US20140270053A1 (en) | 2014-09-18 |
EP2760367A4 (en) | 2015-07-15 |
MX2014003685A (es) | 2015-05-11 |
CA2850374A1 (en) | 2013-04-04 |
BR112014007695A2 (pt) | 2017-06-13 |
EP2760367A1 (en) | 2014-08-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104039262A (zh) | 用于计算机断层成像(ct)辐射剂量的一致性和可验证的优化方法 | |
Samei et al. | Medical imaging dose optimisation from ground up: expert opinion of an international summit | |
JP6189468B2 (ja) | 医療用撮像スキャンに起因する患者の放射線量を予測するための適切なモデルの作成 | |
KR102536168B1 (ko) | 시뮬레이션된 컴퓨터 단층 촬영(ct) 이미지들을 생성하기 위한 시스템들 및 방법들 | |
CN110114834A (zh) | 用于医疗程序的深度学习医疗***和方法 | |
CN100530165C (zh) | 医疗设备预测性维护方法和设备 | |
CN110121749A (zh) | 用于图像采集的深度学习医疗***和方法 | |
CN105144241A (zh) | 图像质量指数和/或基于其的成像参数推荐 | |
CN101023885A (zh) | 用于跟踪疾病的进展及治疗的***、方法和设备 | |
Galbusera et al. | Exploring the potential of generative adversarial networks for synthesizing radiological images of the spine to be used in in silico trials | |
CN104125841A (zh) | 控制方法和控制*** | |
CN103608843A (zh) | 图像显示装置 | |
US20220076430A1 (en) | Heatmap and atlas | |
Yang | Evaluation of impact of factors affecting CT radiation dose for optimizing patient dose levels | |
Xie et al. | Construction of patient‐specific computational models for organ dose estimation in radiological imaging | |
Martin et al. | Factors affecting implementation of radiological protection aspects of imaging in radiotherapy | |
CN105578958B (zh) | 用于背景感知成像的***和方法 | |
WO2023223060A1 (en) | Method for training a system adapted for aiding evaluation of a medical image | |
Zhang et al. | Automated detection of z-axis coverage with abdomen-pelvis computed tomography examinations | |
Pirpinia et al. | Evolutionary machine learning for multi-objective class solutions in medical deformable image registration | |
Rohleder et al. | Cross-domain metal segmentation for CBCT metal artifact reduction | |
CN110568471A (zh) | 确定能带的阈值的方法、计算单元和医学成像设备 | |
Kusk et al. | Potential for Dose Reduction in CT-Derived Left Ventricular Ejection Fraction: A Simulation Study | |
CN108039202A (zh) | 一种校正表的升级方法、医学图像重建方法及*** | |
Huntenburg | A core organizing axis of the human cerebral cortex |
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: 20170315 |
|
C20 | Patent right or utility model deemed to be abandoned or is abandoned |