CN104700389A - 双能ct扫描图像中的对象识别方法 - Google Patents
双能ct扫描图像中的对象识别方法 Download PDFInfo
- Publication number
- CN104700389A CN104700389A CN201310660019.4A CN201310660019A CN104700389A CN 104700389 A CN104700389 A CN 104700389A CN 201310660019 A CN201310660019 A CN 201310660019A CN 104700389 A CN104700389 A CN 104700389A
- Authority
- CN
- China
- Prior art keywords
- pixel
- groups
- value
- pixel groups
- decomposition
- 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.)
- Granted
Links
- 238000002591 computed tomography Methods 0.000 title claims abstract description 49
- 238000000034 method Methods 0.000 title claims abstract description 44
- 238000000354 decomposition reaction Methods 0.000 claims abstract description 54
- 238000001914 filtration Methods 0.000 claims abstract description 7
- 230000009977 dual effect Effects 0.000 claims description 55
- 238000002360 preparation method Methods 0.000 claims description 51
- 238000010586 diagram Methods 0.000 claims description 30
- 210000000988 bone and bone Anatomy 0.000 claims description 17
- 239000000126 substance Substances 0.000 claims description 17
- 239000000758 substrate Substances 0.000 claims description 4
- 230000000875 corresponding effect Effects 0.000 description 44
- 238000010521 absorption reaction Methods 0.000 description 8
- ZCYVEMRRCGMTRW-UHFFFAOYSA-N 7553-56-2 Chemical compound [I] ZCYVEMRRCGMTRW-UHFFFAOYSA-N 0.000 description 2
- 235000007926 Craterellus fallax Nutrition 0.000 description 2
- 240000007175 Datura inoxia Species 0.000 description 2
- 230000002708 enhancing effect Effects 0.000 description 2
- 229910052740 iodine Inorganic materials 0.000 description 2
- 239000011630 iodine Substances 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 210000001519 tissue Anatomy 0.000 description 2
- 238000003325 tomography Methods 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 231100000987 absorbed dose Toxicity 0.000 description 1
- 239000008280 blood Substances 0.000 description 1
- 210000004369 blood Anatomy 0.000 description 1
- 210000004204 blood vessel Anatomy 0.000 description 1
- 230000002308 calcification Effects 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 239000004615 ingredient Substances 0.000 description 1
- 230000007170 pathology Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000003014 reinforcing effect Effects 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
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
- A61B6/48—Diagnostic techniques
- A61B6/481—Diagnostic techniques involving the use of contrast agents
-
- 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
- A61B6/52—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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/174—Segmentation; Edge detection involving the use of two or more images
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10072—Tomographic images
- G06T2207/10081—Computed x-ray tomography [CT]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30101—Blood vessel; Artery; Vein; Vascular
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Medical Informatics (AREA)
- Physics & Mathematics (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Pathology (AREA)
- Radiology & Medical Imaging (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Heart & Thoracic Surgery (AREA)
- Molecular Biology (AREA)
- Optics & Photonics (AREA)
- Veterinary Medicine (AREA)
- Animal Behavior & Ethology (AREA)
- Biophysics (AREA)
- High Energy & Nuclear Physics (AREA)
- Surgery (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Physiology (AREA)
- Primary Health Care (AREA)
- Epidemiology (AREA)
- Databases & Information Systems (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Data Mining & Analysis (AREA)
- Quality & Reliability (AREA)
Abstract
本发明提供了双能CT扫描图像的处理方法，所述方法包括：对双能CT扫描图像中的像素进行过滤，以得到待分组的像素；根据待分组的像素的在双能CT扫描图像中的位置来将待分组的像素分组到多个像素组中；对每个像素组中的像素进行物质分解；根据物质分解的结果来确定每个像素组所对应的对象。因此，减小了扫描执行时间和辐射到目标（例如，待诊断的用户）的X射线的剂量。
Description
技术领域
本发明通常涉及计算机化断层扫描（CT）领域，更具体地讲，涉及一种双能CT扫描图像中的对象识别方法。
背景技术
计算机化断层扫描（CT）技术得到的目标对象的扫描图像包括多个灰度不同的像素。像素的灰度与待扫描目标的密度成比例。待扫描目标的密度不同的区域对于X射线的吸收程度不同，因此，在CT扫描图像中，以灰度较低的像素表示对X射线的吸收程度较低的低密度区域，以灰度较高的像素表示对X射线的吸收程度较高的高密度区域。通常，用CT值（单位：Hu）来表示CT扫描图像中的像素。例如，将与具有较高的X射线吸收程度的对象或组织对应的像素的CT值设定为高于具有较低的X射线吸收程度的对象或组织的CT值，例如，将与骨组织对应的像素的CT值设定为+1000Hu，将与水对应的像素的CT值定为0Hu，将与空气对应的像素的CT值定为-1000Hu，等等。
当前，已经提出了一种双能CT技术，该技术以两种能量的X射线对待扫描目标进行扫描，并因此得到待扫描目标的双能CT扫描图像。这样的双能CT扫描图像包含的信息比传统的仅以一种能量的X射线对扫描目标进行扫描的单能量CT技术所得到的扫描图像包含的信息更为丰富。
然而，在单能量CT扫描图像以及双能CT扫描图像中，待扫描目标中的不同的对象可能具有相同或相近的X射线吸收程度。例如，骨组织和诸如血管或其他的组织的因病变而导致的钙化部位可能具有相同或相近的X射线吸收程度，并因此可能具有相同或相近的CT值。因此，难以在CT扫描图像中将由相同或相似的灰度值的像素表示的对象区分开。
另外，为了突出显示待扫描目标中的不同的对象，在进行CT扫描之前，向待扫描目标施加（例如，注入）造影剂。对施加有造影剂的待扫描对象进行CT扫描也被称为CT造影剂增强扫描，所得到的CT扫描图像也被称为CT造影剂增强扫描图像。
然而，因为CT造影剂增强扫描图像中的与造影剂对应的像素的CT值相对较高，所以难以在CT造影剂增强扫描图像中将与造影剂对应的像素和与诸如骨组织等具有较高的密度和较高的X射线吸收程度的像素区分开。在现有技术中，存在一种通过将在施加造影剂之前进行CT扫描（平扫）而得到的CT扫描图像（平扫图像）和CT造影剂增强扫描图像（增强扫图像）进行对比来识别与造影剂对应的像素的方法。但是，这样的方法需要对待扫描目标进行两次CT扫描，这样会增加待扫描目标的X射线吸收剂量。
因此，期望一种能够识别CT扫描图像中的不同的对象的方法。
发明内容
本发明的示例性实施例的目的在于克服现有技术中的上述的和/或其他的问题。因此，本发明的示例性实施例提供了一种能够在双能CT扫描图像中容易地区分目不同的对象的双能CT扫描图像处理方法。
根据本发明的示例性实施例，一种双能CT造影剂增强扫描图像包括：对双能CT造影剂增强扫描图像中的像素进行过滤，以得到待分组的像素；根据待分组的像素的在双能CT造影剂增强扫描图像中的位置来将待分组的像素分组到多个像素组中；对每个像素组中的像素进行物质分解；根据物质分解的结果来确定所述多个像素组中的与造影剂对应的像素组。
根据本发明的示例性实施例，一种双能CT扫描图像的处理方法包括：对双能CT扫描图像中的像素进行过滤，以得到待分组的像素；根据待分组的像素的在双能CT扫描图像中的位置来将待分组的像素分组到多个像素组中；对每个像素组中的像素进行物质分解；根据物质分解的结果来确定每个像素组所对应的对象。
附图说明
通过结合附图对于本发明的示例性实施例进行描述，可以更好地理解本发明，在附图中：
图1是示出了根据示例性实施例的双能CT造影剂增强扫描图像中的造影剂识别方法的流程图；
图2是示出了根据示例性实施例的双能CT造影剂增强扫描图像的示例；
图3是示出了根据示例性实施例的经过滤的扫描图像的示例；
图4和图5是示出了根据示例性实施例的与不同的像素组对应的分解散点图的示例；
图6是示出了根据示例性实施例的经处理的包括CT值减小的像素的扫描图像的示例；
图7是示出根据另一示例性实施例的双能CT扫描图像中的对象识别方法的流程图。
具体实施方式
以下将描述本发明的具体实施方式，需要指出的是，在这些实施方式的具体描述过程中，为了进行简明扼要的描述，本说明书不可能对实际的实施方式的所有特征均作详尽的描述。应当可以理解的是，在任意一种实施方式的实际实施过程中，正如在任意一个工程项目或者设计项目的过程中，为了实现开发者的具体目标，为了满足***相关的或者商业相关的限制，常常会做出各种各样的具体决策，而这也会从一种实施方式到另一种实施方式之间发生改变。此外，还可以理解的是，虽然这种开发过程中所作出的努力可能是复杂并且冗长的，然而对于与本发明公开的内容相关的本领域的普通技术人员而言，在本公开揭露的技术内容的基础上进行的一些设计，制造或者生产等变更只是常规的技术手段，不应当理解为本公开的内容不充分。
除非另作定义，权利要求书和说明书中使用的技术术语或者科学术语应当为本发明所属技术领域内具有一般技能的人士所理解的通常意义。本发明专利申请说明书以及权利要求书中使用的“第一”、“第二”以及类似的词语并不表示任何顺序、数量或者重要性，而只是用来区分不同的组成部分。“一个”或者“一”等类似词语并不表示数量限制，而是表示存在至少一个。“包括”或者“包含”等类似的词语意指出现在“包括”或者“包含”前面的元件或者物件涵盖出现在“包括”或者“包含”后面列举的元件或者物件及其等同元件，并不排除其他元件或者物件。“连接”或者“相连”等类似的词语并非限定于物理的或者机械的连接，也不限于是直接的还是间接的连接。
图1是示出了根据示例性实施例的双能CT造影剂增强扫描图像中的造影剂识别方法的流程图。
如图1中所示，在操作S110中，可以对目标（例如，待诊断的用户）的双能CT造影剂增强扫描图像进行过滤。图2是示出了根据示例性实施例的双能CT造影剂增强扫描图像的示例。当进行图像过滤时，可以确定如图2中所示的双能CT造影剂增强扫描图像中的各个像素的CT值是否大于参考CT值，并可以将CT值大于参考CT值的像素确定为经过滤的像素。因为将在进行过滤之后对经过滤的像素进行分组（这将在下面进行详细描述），所以经过滤的像素也可以被称为待分组的像素。这里，参考CT值可以为预先选择的值。在当前的示例性实施例中，为了将与造影剂和诸如骨组织等的其他对象对应的像素区分开，可以将参考CT值选择为100Hu。然而，示例性实施例不限于此，可以以不同的参考CT值对双能CT造影剂增强扫描图像进行过滤。例如，可以将小于参考CT值的像素确定为待分组的像素，或者可以将大于第一参考CT值并小于第二参考CT值的像素确定为待分组的像素（其中，第一参考CT值小于第二参考CT值）。
图3是示出了根据示例性实施例的经过滤的扫描图像的示例。
在以100Hu的参考CT值对图2中示出的双能CT造影剂增强扫描图像进行过滤之后，可以得到的仅包括待分组的像素的经过滤的扫描图像，如图3中所示。图3中的A部分可以是与骨组织对应的像素，B部分可以是与造影剂（例如，包含在血液中的造影剂）对应的像素。
返回参照图1，在对双能CT造影剂增强扫描图像进行过滤之后，可以将过滤得到的待分组像素进行分组（S130）。可以根据待分组的像素的在双能CT造影剂增强扫描图像中的位置来自动或手动地将待分组的像素分组到多个像素组中。例如，当自动地对待分组像素进行分组时，可以首先选择（例如，任意地选择）一个待分组像素，然后，可以将与该选择的待分组像素相邻的待分组像素分组到与该选择的待分组像素相同的组中。然后，可以重复上述过程，直到将所有的待分组像素分组到对应的像素组中为止。这样，可以自动地将待分组的像素中的位置彼此相邻的像素分组到同一个像素组中。
参照图1，在对待分组像素进行了分组之后，可以对每个像素组中的像素进行物质分解（S150）。因为双能CT扫描图像可以提供比单能CT扫描图像所提供的信息更为丰富的信息，所以可以进行这样的物质分解，从而对每个像素来说，可以得到至少两个分解值。这里，每个像素的两个分解值可以分别是彼此不同的两种基物质的等效密度值，或者可以分别是与执行双能CT扫描所采用的彼此不同的两种能量对应的CT值。在下文中，将描述每个像素的两个分解值分别是水的等效密度值和造影剂包含的碘的等效密度值的示例性实施例。
如图1中所示，在对每个像素组中的像素的CT值进行物质分解之后，可以根据物质分解的结果来确定所述多个像素组中的与目标的不同的对象（例如、骨组织、造影剂等）对应的像素组（S170）。
例如，可以根据每个像素组中的像素的分解值来建立表示该像素组中的每个像素的两个分解值之间的关系的分解值散点图。图4和图5是示出了根据示例性实施例的与不同的像素组对应的分解散点图的示例，其中，图4是与图1中的A部分对应的像素组（A组）的分解散点图，图5是与图1中的B部分对应的像素组（B组）的分解散点图。
因为A组和B组所代表的对象（即，骨组织和造影剂）不同，所以如图4和图5中所示，A组和B组中的像素在分解散点图中的分布可以彼此不同。因此，可以根据像素组的像素在分解值散点图中的位置来手动地或自动地确定每个像素组所对应的对象（S170）。
例如，当自动地确定每个像素组所对应的对象时，可以计算像素组的像素在分解值散点图中的位置与代表不同的对象的特征曲线之间的平均距离，并且在与某个特征曲线之间平均距离小于或等于参考值时，可以将该像素组确定为与该特征曲线所代表的对象对应。可以预先确定这样的特征曲线和参考值。然而，示例性实施例不限于此，在其他的示例性实施例中，可以计算像素组的像素在分解值散点图中的位置与代表特定对象（例如，造影剂）的特定对象的特征曲线（例如，造影剂特征曲线）之间的平均距离以及与代表双能CT造影剂增强扫描图像中的除了该特定对象（例如，造影剂）之外的其他对象的特征曲线之间的平均距离，并且在像素组的像素在分解值散点图中的位置与该特定的对象（例如，造影剂）的特征曲线之间的平均距离小于该像素组的像素在分解值散点图中的位置与代表其他对象的特征曲线之间的平均距离时，将该像素组确定为与该特定的对象（例如，造影剂）对应。
在图4和图5中示出了代表骨组织的特征曲线C1和代表造影剂的特征曲线C2的示例。如图4中所示，A组的像素与代表骨组织的特征曲线C1之间的平均距离可以小于参考值，而A组的像素与代表造影剂的特征曲线C2之间的平均距离可以大于参考值。因此，可以将A组确定为与骨组织对应。如图5中所示，B组的像素与代表骨组织的特征曲线C1之间的平均距离可以大于参考值，而B组的像素与代表造影剂的特征曲线C2之间的平均距离可以小于参考值。因此，可以将B组确定为与造影剂对应。
可选择地，因为与A组的像素距代表造影剂的特征曲线C2之间的平均距离相比，A组的像素与代表骨组织的特征曲线C1之间的平均距离可以更小，所以可以将A组的像素确定为与骨组织对应。相似地，因为与B组的像素距代表骨组织的特征曲线C1之间的平均距离相比，B组的像素与代表造影剂的特征曲线C2之间的平均距离可以更小，所以可以将B组的像素确定为与造影剂对应。
因此，根据示例性实施例，可以自动地或手动地区分并识别双能CT扫描图像中的不同的对象。例如，可以准确地在双能CT造影剂增强扫描图像中识别出造影剂。
此外，在可选的示例性实施例中，当确定了像素组所对应的对象之后，可以改变双能CT扫描图像中的像素的CT值。例如，可以选择所述多个像素组中的与特定的对象（例如，造影剂）对应的像素组，并且可以减小选择的（例如，与造影剂对应的）像素组中的像素的CT值。在一个示例性实施例中，可以这样减小像素的CT值，即，当选择的（例如，与造影剂）对应的像素组中的像素的作为两个分解值之一的碘的等效密度大于例如2mg/cc时，可以将其替换为2mg/cc。
图6是示出了根据示例性实施例的经处理的包括CT值减小的像素的扫描图像的示例。如图6中所示，被确定为与造影剂对应的B区域的像素的灰度级因CT值的减小而减小，因此，在图6中的经处理的图像中，不再以较高的亮度来显示与造影剂对应的B区域，且仅以较高的亮度来显示与骨组织对应的A区域。换句话说，通过如上所述的处理，可以得到非造影剂增强扫描图像（平扫图像）。换句话说，可以根据双能CT造影剂增强扫描图像（增强扫图像）来得到非增强扫描图像（平扫图像）。因此，可以通过对目标仅执行一次双能CT造影剂增强扫描来得到增强扫图像和平扫图像，从而减小了扫描执行时间和辐射到目标（例如，待诊断的用户）的X射线的量。
上面描述了根据造影剂增强扫描图像来得到非造影剂增强扫描图像的示例，然而，示例性实施例不限于此，如下面所要描述，在另一示例性实施例中，可以在双能CT扫描图像中识别不同的对象，并根据识别的结果来处理双能CT扫描图像。
图7是示出根据另一示例性实施例的双能CT扫描图像中的对象识别方法的流程图。这里，将不再对与上面的实施例中的元件或特征相同的或相似的元件或特征进行重复性的描述。
首先，可以对双能CT扫描图像中的像素进行过滤，以得到待分组的像素（S710）。例如，可以将像素的CT值与参考CT值进行比较，并可以将CT值大于参考CT值的像素确定为待分组的像素。
然后，可以根据待分组的像素的在双能CT扫描图像中的位置来手动地或自动地将待分组的像素分组到多个像素组中（S730）。例如，当自动地进行分组时，可以将待分组的像素中的位置彼此相邻的像素分组到同一个像素组中。
接下来，可以对每个像素组中的像素进行物质分解（S750）。像素的物质分解的结果可以是彼此不同的两种基物质的等效密度值，或者可以是与执行双能CT扫描所采用的彼此不同的两种能量对应的CT值。
然后，基于每个像素组中的像素的分解结果，可以自动地或手动地确定每个像素组所对应的对象（S770）。例如，可以建立表示该像素组中的每个像素的物质分解的结果之间的关系的分解值散点图，并可以根据像素组的像素在分解值散点图中的位置来自动地或手动地确定该像素组所对应的对象。当自动地确定像素组对应的对象时，可以计算像素组的像素在分解值散点图中的位置分别与代表不同对象的特征曲线之间的平均距离，并可以将平均距离最小的特征曲线所代表的对象确定为该像素组所对应的对象。可选择地，可以计算像素组的像素在分解值散点图中的位置与代表不同对象的特征曲线之间的平均距离，并且当像素组的像素与代表特定对象的特征曲线之间的平均距离小于或等于参考值时，可以将该像素组确定为与该对象对应。这里，代表不同对象的特征曲线可以包括代表骨组织、造影剂或其他对象的特征曲线。
此外，在可选的示例性实施例中，可以根据每个像素组所对应的对象的确定结果来改变双能CT扫描图像中的像素的CT值。例如，可以选择所述多个像素组中的与特定的对象对应的像素组，并可以改变选择的像素组中的像素的CT值。在一个示例性实施例中，可以减小选择的像素组中的像素的CT值。
根据示例性实施例，可以从双能CT扫描图像中识别出与各个对象对应的像素，并可以因此改变与造影剂对应的像素的CT值。因此，可以根据需要来改变双能CT扫描图像中的与各个对象对应的像素的灰度。因此，可以通过对目标仅执行一次双能CT扫描来得到分别强调了不同的对象的图像，从而减小了扫描执行时间和辐射到目标（例如，待诊断的用户）的X射线的剂量。
上面已经描述了一些示例性实施例。然而，应该理解的是，可以做出各种修改。例如，如果所描述的技术以不同的顺序执行和/或如果所描述的***、架构、设备或电路中的组件以不同方式被组合和/或被另外的组件或其等同物替代或补充，则可以实现合适的结果。相应地，其他实施方式也落入权利要求的保护范围内。
Claims (18)
1.一种双能CT造影剂增强扫描图像中的造影剂识别方法，其特征在于，所述方法包括：
对双能CT造影剂增强扫描图像中的像素进行过滤，以得到待分组的像素；
根据待分组的像素的在双能CT造影剂增强扫描图像中的位置来将待分组的像素分组到多个像素组中；
对每个像素组中的像素进行物质分解；
根据物质分解的结果来确定所述多个像素组中的与造影剂对应的像素组。
2.如权利要求1所述的方法，其特征在于，过滤的步骤包括：
确定像素的CT值是否大于参考CT值；
将CT值大于参考CT值的像素确定为待分组的像素。
3.如权利要求1所述的方法，其特征在于，对待分组的像素进行分组的步骤包括：
将待分组的像素中的位置彼此相邻的像素分组到同一个像素组中。
4.如权利要求1所述的方法，其特征在于，确定与造影剂对应的像素组的步骤包括：
根据每个像素组中的像素的分解结果来建立表示该像素组中的每个像素的物质分解的结果之间的关系的分解值散点图；
根据像素组的像素在分解值散点图中的位置来确定该像素组是否与造影剂对应。
5.如权利要求4所述的方法，其特征在于，确定像素组是否与造影剂对应的步骤包括：
计算像素组的像素在分解值散点图中的位置与代表造影剂的造影剂特征曲线之间的平均距离；
当计算的平均距离小于或等于参考值时，将该像素组确定为与造影剂对应。
6.如权利要求4所述的方法，其特征在于，确定像素组是否与造影剂对应的步骤包括：
计算像素组的像素在分解值散点图中的位置与代表造影剂的造影剂特征曲线之间的平均距离以及与代表双能CT造影剂增强扫描图像中的除了造影剂之外的其他对象的特征曲线之间的平均距离；
当像素组的像素在分解值散点图中的位置与造影剂特征曲线之间的平均距离小于该像素组的像素在分解值散点图中的位置与代表其他对象的特征曲线之间的平均距离时，将该像素组确定为与造影剂对应。
7.如权利要求6所述的方法，其特征在于，代表其他对象的特征曲线包括代表骨组织的特征曲线。
8.如权利要求3所述的方法，其特征在于，像素的两个特征值分别是彼此不同的两种基物质的等效密度值，或者分别是与为得到双能CT造影剂增强扫描图像而执行的双能CT扫描所采用的彼此不同的两种能量对应的CT值。
9.如权利要求1所述的方法，其特征在于，参考CT值为100Hu。
10.如权利要求1所述的方法，其特征在于，所述方法还包括：
根据与造影剂对应的像素组的确定结果来改变与造影剂对应的像素组的CT值。
11.一种双能CT扫描图像中的对象识别方法，其特征在于，所述方法包括：
对双能CT扫描图像中的像素进行过滤，以得到待分组的像素；
根据待分组的像素的在双能CT扫描图像中的位置来将待分组的像素分组到多个像素组中；
对每个像素组中的像素进行物质分解；
根据物质分解的结果来确定每个像素组所对应的对象。
12.如权利要求11所述的方法，其特征在于，过滤的步骤包括：
确定像素的CT值是否大于参考CT值；
将CT值大于参考CT值的像素确定为待分组的像素。
13.如权利要求11所述的方法，其特征在于，对待分组的像素进行分组的步骤包括：
将待分组的像素中的位置彼此相邻的像素分组到同一个像素组中。
14.如权利要求11所述的方法，其特征在于，确定每个像素组所对应的对象的步骤包括：
根据每个像素组中的像素的分解结果来建立表示该像素组中的每个像素的物质分解的结果之间的关系的分解值散点图；
根据像素组的像素在分解值散点图中的位置来确定该像素组所对应的对象。
15.如权利要求14所述的方法，其特征在于，确定像素组所对应的对象的步骤包括：
计算像素组的像素在分解值散点图中的位置分别与代表不同的对象的特征曲线之间的平均距离；
当像素组的像素在分解值散点图中的位置与代表特定的对象的特征曲线之间的平均距离小于或等于参考值时，将该像素组确定为与该特定的对象对应。
16.如权利要求14所述的方法，其特征在于，确定像素组所对应的对象的步骤包括：
计算像素组的像素在分解值散点图中的位置分别与代表不同的对象的特征曲线之间的平均距离；
将与最小的平均距离对应的特征曲线所代表的对象确定为该像素组所对应的对象。
17.如权利要求13所述的方法，其特征在于，像素的两个特征值分别是彼此不同的两种基物质的等效密度值，或者分别是与为得到双能CT造影剂增强扫描图像而执行的双能CT扫描所采用的彼此不同的两种能量对应的CT值。
18.如权利要求11所述的方法，其特征在于，所述方法还包括：
根据每个像素组所对应的对象的确定结果来改变双能CT扫描图像中的像素的CT值。
Priority Applications (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201310660019.4A CN104700389B (zh) | 2013-12-09 | 2013-12-09 | 双能ct扫描图像中的对象识别方法 |
| US14/548,848 US10452948B2 (en) | 2013-12-09 | 2014-11-20 | Object identification method in dual-energy CT scan images |
| JP2014246381A JP6438752B2 (ja) | 2013-12-09 | 2014-12-05 | 二重エネルギーｃｔスキャン画像における物体識別方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201310660019.4A CN104700389B (zh) | 2013-12-09 | 2013-12-09 | 双能ct扫描图像中的对象识别方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN104700389A true CN104700389A (zh) | 2015-06-10 |
| CN104700389B CN104700389B (zh) | 2019-08-13 |
Family
ID=53271694
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201310660019.4A Active CN104700389B (zh) | 2013-12-09 | 2013-12-09 | 双能ct扫描图像中的对象识别方法 |
Country Status (3)
| Country | Link |
|---|---|
| US (1) | US10452948B2 (zh) |
| JP (1) | JP6438752B2 (zh) |
| CN (1) | CN104700389B (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106473761A (zh) * | 2016-10-14 | 2017-03-08 | 山东大学 | 一种医学双能ct 电子密度图像的重建与数值校准方法 |
| CN110547821A (zh) * | 2018-05-31 | 2019-12-10 | 通用电气公司 | 追踪目标介入物的ct***、方法及相关计算机可读介质 |
| CN114916950A (zh) * | 2022-07-21 | 2022-08-19 | 中国科学院深圳先进技术研究院 | 基于多层平板探测器的高空间分辨能谱ct图像重建方法 |
Families Citing this family (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20180061097A1 (en) * | 2015-03-30 | 2018-03-01 | Hitachi, Ltd. | Image generation apparatus, image generation method, and x-ray ct apparatus |
| JP7258744B2 (ja) * | 2016-07-13 | 2023-04-17 | コーニンクレッカ フィリップス エヌ ヴェ | スペクトルコンピュータ断層撮影フィンガープリンティング |
| US10769822B2 (en) * | 2017-04-13 | 2020-09-08 | Canon Medical Systems Corporation | X-ray CT apparatus |
| CN107527057B (zh) * | 2017-09-07 | 2020-03-31 | 国能日新科技股份有限公司 | 一种风速功率异常数据剔除方法及装置 |
| CN109959669B (zh) * | 2017-12-26 | 2021-02-23 | 清华大学 | 基材料分解方法和装置及计算机可读存储介质 |
| US11295487B2 (en) * | 2018-09-07 | 2022-04-05 | Canon Medical Systems Corporation | X-ray CT apparatus, medical image processing apparatus, and X-ray CT system |
| WO2021194358A1 (en) * | 2020-03-23 | 2021-09-30 | Mars Bioimaging Limited | Segmentation in multi-energy ct data |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2004098649A2 (en) * | 2003-05-06 | 2004-11-18 | Philips Intellectual Property & Standards Gmbh | Apparatus and method for examining an object by means of elastically scattered x-ray radiation and contrast agent |
| US20060285737A1 (en) * | 2005-06-17 | 2006-12-21 | Hamill James J | Image-based artifact reduction in PET/CT imaging |
| CN1940992A (zh) * | 2005-06-17 | 2007-04-04 | Cti分子成像公司 | Pet/ct成像中基于图像的伪影降低 |
| US8294717B2 (en) * | 2009-06-26 | 2012-10-23 | Kabushiki Kaisha Toshiba | Advanced clustering method for material separation in dual energy CT |
Family Cites Families (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6999549B2 (en) | 2002-11-27 | 2006-02-14 | Ge Medical Systems Global Technology, Llc | Method and apparatus for quantifying tissue fat content |
| US6898263B2 (en) | 2002-11-27 | 2005-05-24 | Ge Medical Systems Global Technology Company, Llc | Method and apparatus for soft-tissue volume visualization |
| DE102005037367B3 (de) | 2005-08-08 | 2007-04-05 | Siemens Ag | Verfahren für eine Röntgeneinrichtung |
| DE102005049586A1 (de) | 2005-10-17 | 2007-04-26 | Siemens Ag | Verfahren zur Erzeugung von CT-Darstellungen in der Röntgen-Computertomographie |
| EP2054856B1 (en) | 2006-08-15 | 2010-10-06 | Koninklijke Philips Electronics N.V. | Motion compensation in energy-sensitive computed tomography |
| US8837677B2 (en) * | 2007-04-11 | 2014-09-16 | The Invention Science Fund I Llc | Method and system for compton scattered X-ray depth visualization, imaging, or information provider |
| JP5260036B2 (ja) | 2007-12-17 | 2013-08-14 | ジーイー・メディカル・システムズ・グローバル・テクノロジー・カンパニー・エルエルシー | Ｘ線ｃｔ装置 |
-
2013
- 2013-12-09 CN CN201310660019.4A patent/CN104700389B/zh active Active
-
2014
- 2014-11-20 US US14/548,848 patent/US10452948B2/en active Active
- 2014-12-05 JP JP2014246381A patent/JP6438752B2/ja active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2004098649A2 (en) * | 2003-05-06 | 2004-11-18 | Philips Intellectual Property & Standards Gmbh | Apparatus and method for examining an object by means of elastically scattered x-ray radiation and contrast agent |
| US20060285737A1 (en) * | 2005-06-17 | 2006-12-21 | Hamill James J | Image-based artifact reduction in PET/CT imaging |
| CN1940992A (zh) * | 2005-06-17 | 2007-04-04 | Cti分子成像公司 | Pet/ct成像中基于图像的伪影降低 |
| US8294717B2 (en) * | 2009-06-26 | 2012-10-23 | Kabushiki Kaisha Toshiba | Advanced clustering method for material separation in dual energy CT |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106473761A (zh) * | 2016-10-14 | 2017-03-08 | 山东大学 | 一种医学双能ct 电子密度图像的重建与数值校准方法 |
| CN110547821A (zh) * | 2018-05-31 | 2019-12-10 | 通用电气公司 | 追踪目标介入物的ct***、方法及相关计算机可读介质 |
| CN110547821B (zh) * | 2018-05-31 | 2024-04-26 | 通用电气公司 | 追踪目标介入物的ct***、方法及相关计算机可读介质 |
| CN114916950A (zh) * | 2022-07-21 | 2022-08-19 | 中国科学院深圳先进技术研究院 | 基于多层平板探测器的高空间分辨能谱ct图像重建方法 |
| CN114916950B (zh) * | 2022-07-21 | 2022-11-01 | 中国科学院深圳先进技术研究院 | 基于多层平板探测器的高空间分辨能谱ct图像重建方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| US20150161787A1 (en) | 2015-06-11 |
| US10452948B2 (en) | 2019-10-22 |
| JP6438752B2 (ja) | 2018-12-19 |
| JP2015112481A (ja) | 2015-06-22 |
| CN104700389B (zh) | 2019-08-13 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104700389A (zh) | 双能ct扫描图像中的对象识别方法 | |
| CN104700390A (zh) | 双能ct造影剂增强扫描图像中的钙化部分识别方法 | |
| CN105559813B (zh) | 医用图像诊断装置以及医用图像处理装置 | |
| JP5260892B2 (ja) | 放射線医学的徴候の検出のためのトモシンセシスにおける放射線画像の処理方法 | |
| Brun et al. | Pore3D: A software library for quantitative analysis of porous media | |
| JP4751495B2 (ja) | 構造画像成分を識別する方法及び装置 | |
| KR20180115725A (ko) | 이미지 내의 대상의 시각화와 특징화를 위한 시스템 및 방법 | |
| CN101002231B (zh) | 基于区域竞争可变形网格适配的分割 | |
| US9349184B2 (en) | Method and apparatus for identifying regions of interest in a medical image | |
| US7920669B2 (en) | Methods, apparatuses and computer readable mediums for generating images based on multi-energy computed tomography data | |
| JP6345881B2 (ja) | 画像データ用のテクスチャ解析マップ | |
| Hashemi et al. | Adaptively tuned iterative low dose CT image denoising | |
| Bär et al. | Improving radiotherapy planning in patients with metallic implants using the iterative metal artifact reduction (iMAR) algorithm | |
| JP2012228404A (ja) | 放射線画像処理方法および放射線画像処理装置 | |
| Dawood et al. | The importance of contrast enhancement in medical images analysis and diagnosis | |
| Kang et al. | Anatomy-guided PET reconstruction using l 1 bowsher prior | |
| US10964094B1 (en) | Visualization system that transforms 2D images of objects slices into 3D point clouds | |
| Zeegers et al. | A tomographic workflow to enable deep learning for X-ray based foreign object detection | |
| US20200013171A1 (en) | Method for quantification of uncertainty of contours in manual & auto segmenting algorithms | |
| Pua et al. | An image-based reduction of metal artifacts in computed tomography | |
| US20060045371A1 (en) | Methods and systems for enhancing images | |
| CN109602430B (zh) | 骨科射线成像机 | |
| JP2023547526A (ja) | 断層撮影画像データの画像レンダリング方法 | |
| DE112007002348B4 (de) | Robuste Segmentierung eines Massenkandidaten in digitalen Mammographiebildern | |
| Yang et al. | Edge-preserving bilateral filtering for images containing dense objects in CT |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |