CN105796121A - 一种ct和x射线激发荧光双模同步断层成像方法 - Google Patents
一种ct和x射线激发荧光双模同步断层成像方法 Download PDFInfo
- Publication number
- CN105796121A CN105796121A CN201610118084.8A CN201610118084A CN105796121A CN 105796121 A CN105796121 A CN 105796121A CN 201610118084 A CN201610118084 A CN 201610118084A CN 105796121 A CN105796121 A CN 105796121A
- Authority
- CN
- China
- Prior art keywords
- projection
- xlct
- image
- data
- imaging
- 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
- 238000000034 method Methods 0.000 title claims abstract description 40
- 230000001360 synchronised effect Effects 0.000 title claims abstract description 11
- 238000003325 tomography Methods 0.000 title abstract 5
- 238000004875 x-ray luminescence Methods 0.000 title abstract 4
- 238000003384 imaging method Methods 0.000 claims abstract description 51
- 239000011159 matrix material Substances 0.000 claims abstract description 36
- 230000008569 process Effects 0.000 claims abstract description 14
- 230000009466 transformation Effects 0.000 claims abstract description 5
- 230000010354 integration Effects 0.000 claims description 15
- 230000009977 dual effect Effects 0.000 claims description 14
- 230000005284 excitation Effects 0.000 claims description 13
- 238000012937 correction Methods 0.000 claims description 9
- 238000002372 labelling Methods 0.000 claims description 5
- 238000011478 gradient descent method Methods 0.000 claims description 4
- 238000002247 constant time method Methods 0.000 claims description 3
- 239000007850 fluorescent dye Substances 0.000 claims description 3
- 239000000523 sample Substances 0.000 claims description 3
- 230000003044 adaptive effect Effects 0.000 claims description 2
- 238000000354 decomposition reaction Methods 0.000 claims description 2
- 238000009792 diffusion process Methods 0.000 claims description 2
- 230000008676 import Effects 0.000 claims description 2
- 238000002591 computed tomography Methods 0.000 abstract description 11
- 230000004927 fusion Effects 0.000 abstract description 3
- 210000003484 anatomy Anatomy 0.000 abstract description 2
- 230000005855 radiation Effects 0.000 abstract description 2
- 230000003247 decreasing effect Effects 0.000 abstract 2
- 230000003750 conditioning effect Effects 0.000 abstract 1
- 238000002474 experimental method Methods 0.000 description 3
- 206010028980 Neoplasm Diseases 0.000 description 2
- 230000001419 dependent effect Effects 0.000 description 2
- 239000011521 glass Substances 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 241000699670 Mus sp. Species 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 239000008267 milk Substances 0.000 description 1
- 210000004080 milk Anatomy 0.000 description 1
- 235000013336 milk Nutrition 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 108090000623 proteins and genes Proteins 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
- A61B6/482—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
-
- 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
- A61B6/44—Constructional features of apparatus for radiation diagnosis
- A61B6/4417—Constructional features of apparatus for radiation diagnosis related to combined acquisition of different diagnostic modalities
-
- 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
- A61B6/5229—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data combining image data of a patient, e.g. combining a functional image with an anatomical image
- A61B6/5235—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data combining image data of a patient, e.g. combining a functional image with an anatomical image combining images from the same or different ionising radiation imaging techniques, e.g. PET and CT
- A61B6/5241—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data combining image data of a patient, e.g. combining a functional image with an anatomical image combining images from the same or different ionising radiation imaging techniques, e.g. PET and CT combining overlapping images of the same imaging modality, e.g. by stitching
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Radiology & Medical Imaging (AREA)
- Molecular Biology (AREA)
- Biophysics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Optics & Photonics (AREA)
- Pathology (AREA)
- Physics & Mathematics (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- High Energy & Nuclear Physics (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Analysing Materials By The Use Of Radiation (AREA)
Abstract
本发明公开了一种CT和X射线激发荧光双模同步断层成像方法,可同步实现小动物X射线激发荧光断层成像和CT成像,提供更准确的成像物体解剖结构和分子影像信息。通过减少CT投影角度数并设置CT投影角度数与XLCT相同或成倍数,保证XLCT投影与CT投影同地点同时刻采集;同时利用压缩感知原理,对CT投影采用图像总变差最小化的少角度重建算法,对XLCT迭代重建引入预条件矩阵和小波变换以降低重建的病态性。本方法的实施可实现CT/XLCT的同步成像,简化双模成像流程,降低实验难度,减少成像时间,减少实验失败率,降低辐射剂量,避免成像过程中物体移动引起的误差,降低图像配准和融合难度。
Description
技术领域
本发明属于物理数学、生物医学工程和计算机多学科交叉领域,尤其涉及一种CT和X射线激发荧光双模同步断层成像方法。
背景技术
X射线计算机断层成像(ComputedTomography,CT)已经广泛应用于小动物高分辨率解剖结构成像,但是因其缺乏生物分子影像信息,应用领域受到限制。近年来,随着X射线纳米荧光探针的发展,X射线激发荧光断层成像(x-rayLuminescenceComputedTomography,XLCT)作为一种融合了X射线和光学成像的分子断层成像新方法,有望实现深部肿瘤在***置的标记、跟踪和肿瘤大小的判断。CT/XLCT双模成像,两者均借助X射线,前者可提供小动物解剖结构信息,后者可通过与纳米发光材料的结合,提供有关细胞、基因和分子水平的影像信息。由于X射线穿透深、荧光探针丰富、***成本低、实现简单,CT/XLCT成为一种很有潜力的新型结构-功能成像方式。
但是,由于CT、XLCT两者采集条件和数据要求不同,目前CT/XLCT双模均是分立的成像和重建,即首先进行XLCT数据采集,然后进行CT数据采集,再分别进行XLCT重建和CT重建,最后两者图像配准融合。由于CT重建和XLCT重建对投影数据的需求有很大不同,前者需要对360度范围内的上百个投影角度采集,总的采集时间可达几分钟;而后者需要几十个角度采集,总共需要几十秒或者几分钟;同时两者单个角度下采集时间不同,前者短,后者较长。两次分立采集导致整个成像过程时间长,剂量高,过程复杂。最重要的是容易带来小动物反复麻醉、死亡率高、位移变化、实验失败、剂量影响等风险。
现有的CT/XLCT双模成像分立采集、流程复杂、剂量高、时间长。
发明内容
本发明的目的在于提供一种CT和X射线激发荧光双模同步断层成像方法,旨在解决CT/XLCT双模成像分立采集、流程复杂、剂量高、时间长的问题。
本发明是这样实现的,一种CT和X射线激发荧光双模同步断层成像方法,该CT和X射线激发荧光双模同步断层成像方法通过减少CT投影角度数并设置CT投影角度数与XLCT相同或成倍数,同时调整单幅投影采集时间,使双模数据同步采集;同时利用压缩感知原理,对CT投影采用保证成像质量的图像总变差最小化的少角度重建算法,对XLCT重建引入提高重建质量的预条件矩阵和小波变换以降低光学重建的病态性。通过基于标记点的刚性配准方法对重建得到的CT和XLCT断层图像进行配准并融合,实现CT和XLCT的同步断层成像。
进一步,所述CT和X射线激发荧光双模同步断层成像方法包括以下步骤:
步骤一、设置CT/XLCT同步成像参数:设置CT在360度范围内采集的投影数为M(10≤M≤30),XLCT荧光采集投影数为J,保证M=qJ,其中M、J和q均为正整数,并设置单幅投影采集时间r秒,CT投影采集所用平板探测器积分时间为s秒,XLCT投影采集所用CCD相机积分时间为h秒,s<=r,h<=r,同时根据成像物体的需求设置X射线源的电压、电流;
步骤二、CT暗场数据和亮场数据采集:在关闭X射线源状态下,利用平板探测器按照s秒积分时间采集暗场数据;打开X射线源,利用平板探测器按照s秒积分时间采集亮场数据;
步骤三、成像物体准备:将成像物体注入荧光探针后置于转台上,固定好;
步骤四、白光数据采集:在关闭X射线源状态下,打开外界光源,在360度范围内均匀采集Q幅成像物体的白光图像并保存;
步骤五、CT/XLCT投影数据同步采集:关闭外界光源,打开X射线源,利用转台控制成像物体的旋转,在360度范围内均匀采集M幅CT投影数据,同时均匀采集J幅XLCT投影,采集完成后两套数据均保存至计算机,并关闭X射线源等相关成像设备。整个采集过程仅需覆盖一次360度,且XLCT的J副投影满足如下要求:在XLCT的J幅投影对应的物***置下,均有CT投影的采集。
步骤六、CT投影数据预处理并重建:利用亮场、暗场数据及平板探测器自带的坏像素表,对CT投影数据进行亮场校正,暗场校正以及坏像素校正,生成待重建投影,对待重建投影利用图像总变差最小化方法进行少角度重建,得到CT断层图像;
步骤七、XLCT投影数据预处理并重建:对步骤五采集到的XLCT投影数据进行预处理,去除图像中的孤立亮点和坏点,利用步骤四中采集得到的白光数据构建物体轮廓并剖分,将各个角度下的经过预处理之后的XLCT少角度投影进行小波变换,得到变换之后的投影并映射到构建好的轮廓表面,得到表面光强分布矩阵,对***矩阵和表面光强分布矩阵采用预条件矩阵处理,建立***矩阵与表面光强分布矩阵之间的联系,采用迭代重建算法得到XLCT荧光断层图像;
步骤八、图像融合:对步骤六和步骤七得到的CT断层图像和XLCT荧光断层图像根据基于标记点的刚性配准方法进行配准并融合,得到融合后的图像。
进一步,所述图像总变差最小化的少角度CT重建方法包括以下步骤:
a)采用锥束滤波反投影算法得到初始图像u0:对CT待重建的M幅投影采用滤波反投影算法重建,将重建后图像u0作为初始图像;
b)令k=0,k为迭代次数(k=0,1,2…K-1),将u0作为迭代初始图像u(0),采用代数迭代法(algebraicreconstructiontechnique,ART)更新图像:
其中,k为迭代次数(k=0,1,2…K),即为第k+1次迭代后更新的图像,为更新前图像,j代表图像角标,pi为第i个探测器单元的投影值,min代表图像中第n个像素值对探测器单元i的贡献大小,λ为松弛因子,取值范围0~2之间;
c)对上步中得到的图像进行非负值约束:对上步中所有小于0的值赋值为零,即如果则令
d)根据梯度下降法对u(k+1)求图像总变差最小化后的图像:
其中l为梯度下降法的迭代次数(l=0,1…L-1),a为步长因子;
e)令k=k+1,u(k)=u(k,L+1),重复步骤b)-d),直到满足迭代次数要求。
进一步,所述XLCT少角度重建方法包括以下步骤:
a)对所有XLCT投影数据进行预处理,采用自适应中值滤波方法去除数据中的孤立亮点和坏点;
b)利用CCD拍摄得到的一组白光图像反投影重建出成像物体的三维表面,并导入COMSOL中进行网格剖分;
c)将预处理之后的数据映射到剖分之后的三维表面,得到物体表面光强分布矩阵Φ;
d)利用有限元方法针对剖分后的网格建立光学扩散方程的***矩阵W,利用小波变换方法对采集到的XLCT投影进行变换,得到变换后的表面光强分布矩阵Φ,建立表面光强分布矩阵Φ和***矩阵W之间的关系:
Φ=Wρ;
对上式两边同时采用预条件矩阵处理:
其中预条件矩阵为:
其中I为X射线强度分布,Λ,UT为W的奇异值分解结果,γ为正则化参数。利用迭代重建恢复出纳米荧光探针的分布ρ。
本发明通过单次360度范围内同步采集CT和XLCT投影,从而减少成像物体的旋转次数减少了CT/XLCT投影的总的采集时间。在CT/XLCT单次360度范围内的投影采集中,减少CT投影角度数至30副以下,与传统CT上百副投影的采集相比,大大缩短了时间,采用图像总变差最小化的少角度CT重建方法保证少角度CT投影下的重建质量;同时XLCT的投影角度数也减至CT投影数的1/q,采用预条件矩阵和小波变换方法进行XLCT少角度迭代重建,以降低XLCT少角度重建的病态性。单次360度范围内CT和XLCT同步少角度成像,使得CT/XLCT的投影在相同时刻相同位置下采集,不仅简化双模成像流程,降低实验难度,减少成像时间,减少实验失败率,而且降低辐射剂量,同时可以避免成像过程中物体移动而引起的误差,降低图像配准和融合难度。
附图说明
图1是本发明实施例提供的CT/XLCT双模成像流程图。
图2是本发明实施例提供的CT数据预处理和少角度重建过程图。
图3是本发明实施例提供的XLCT数据预处理和少角度重建过程图。
图4是本发明实施例提供的CT断层重建图、XLCT断层重建图和两者融合图像。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。
下面结合具体实施例对本发明的应用原理作进一步描述。
采用本实验室CT/XLCT双模成像***同步采集仿体的CT和XLCT投影数据。该***X射线源为牛津仪器的微焦斑X射线源(UltraBright,OxfordInstruments,andU.K.),X射线平板探测器为Dexela2923(Dexela2923CMOSX-raydetector),CCD相机采用电子倍增式CCD(iXonDU-897,Andor,UnitedKingdom)。该***采用转台旋转带动成像物体旋转,X射线源和探测器不动的方式采集多个投影的数据。如附图1所示,数据采集过程如下:
1)、在X射线电压为50kV,功率为50w(电流1mA)时,设定CT的投影角度为24副,即15度采集一副,积分时间200毫秒;同时设定CCD积分时间为2秒,投影角度为24副;考虑两者积分时间,设定每个角度下采集时间为2.1秒。
2)打开X射线源,在电压50kV,电流1mA,X射线平板探测器积分时间为200毫秒时采集亮场数据并保存;关闭X射线源,同样在探测器积分时间为200毫秒时采集暗场数据并保存;
3)将细玻璃管内装有荧光粉的圆柱玻璃试管仿体置于转台上,试管内装有脂肪乳用于模拟小鼠的组织。
4)在关闭X射线源状态下,打开外界光源,在360度范围内均匀采集72幅仿体的白光图像并保存。
5)关闭外界光源,打开X射线源,利用转台控制仿体旋转,在360度范围内均匀采集24幅CT投影数据,同时均匀采集24幅XLCT投影,两套数据均保存至计算机。由于X射线平板探测器积分时间小于CCD积分时间,在采集CT投影数据时,单个角度下采集10副投影平均后作为该角度下的投影,这样不仅充分利用X射线,而且可以降低CT的投影噪声。
6)关闭X射线源等相关成像设备。参考附图2,对CT投影数据处理并重建:利用步骤2)中采集的亮场、暗场数据及平板探测器自带的坏像素表,对CT投影数据进行亮场校正,暗场校正以及坏像素校正,生成待重建投影。对待重建投影利用上述图像总变差最小化方法进行少角度重建,重建后CT断层图像如图4(a)所示。
7)对XLCT投影数据处理并重建:参考附图3,采集到的XLCT投影数据进行预理,去除图像中的孤立亮点和坏点。利用步骤4)中采集得到的白光数据构建物体轮廓并剖分,将各个角度下的经过预处理之后的XLCT投影映射到构建好的轮廓表面,得到表面光强分布矩阵,对***矩阵和得到表面光强分布矩阵采用预条件矩阵处理,建立***矩阵与得到表面光强分布矩阵之间的联系,采用迭代重建算法得到XLCT断层重建结果。重建后XLCT断层图像如图4(b)所示。
8)对步骤6)和步骤7)得到的CT断层图像和XLCT荧光断层图像进行配准并融合,得到融合后图像如图4(c)所示。
以上实施例中CT/XLCT第五步两者同步采集的时间仅需50.4s,结合本发明所提的CT和XLCT少角度重建方法,可以满足小动物在体双模断层成像的需求。若两者分立采集,并利用传统算法重建,按照CT采集720副投影,XLCT采集36副投影计算,实现两者采集需要至少216s,可见本发明所提方法可以减少将近80%的CT/XLCT投影时间。由于实施步骤五所需时间远大于其他步骤,故认为步骤五的所用时间近似等同于整个方案实施所用的时间。
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 (4)
1.一种CT和X射线激发荧光双模同步断层成像方法,其特征在于,该CT和X射线激发荧光双模同步断层成像方法通过减少CT投影角度数并设置CT投影角度数与XLCT相同或成倍数,同时调整单幅投影采集时间,使双模数据同步采集;利用压缩感知原理,对CT投影采用图像总变差最小化的少角度重建算法,对XLCT重建引入提高重建质量的预条件矩阵和小波变换以降低光学重建的病态性;通过基于标记点的刚性配准方法对重建得到的CT和XLCT断层图像进行配准并融合,实现CT和XLCT的同步断层成像。
2.如权利要求1所述的CT和X射线激发荧光双模同步断层成像方法,其特征在于,所述CT和X射线激发荧光双模同步断层成像方法包括以下步骤:
步骤一、设置CT/XLCT同步成像参数:设置CT在360度范围内采集的投影数为M,10≤M≤30,XLCT荧光采集投影数为J,M=qJ,其中M、J和q均为正整数,并设置单幅投影采集时间r秒,CT投影采集所用平板探测器积分时间为s秒,XLCT投影采集所用CCD相机积分时间为h秒,s<=r,h<=r,同时根据成像物体的需求设置X射线源的电压、电流;
步骤二、CT暗场数据和亮场数据采集:在关闭X射线源状态下,利用平板探测器按照s秒积分时间采集暗场数据;打开X射线源,利用平板探测器按照s秒积分时间采集亮场数据;
步骤三、成像物体准备:将成像物体注入荧光探针后置于转台上,固定好;
步骤四、白光数据采集:在关闭X射线源状态下,打开外界光源,在360度范围内均匀采集Q幅成像物体的白光图像并保存;
步骤五、CT/XLCT投影数据同步采集:关闭外界光源,打开X射线源,利用转台控制物体的旋转,在360度范围内均匀采集M幅CT投影数据,同时均匀采集J幅XLCT投影,采集完成后两套数据均保存至计算机,并关闭X射线源的成像设备;
步骤六、CT投影数据预处理并重建:利用亮场、暗场数据及平板探测器自带的坏像素表,对CT投影数据进行亮场校正,暗场校正以及坏像素校正,生成待重建投影,对待重建投影利用图像总变差最小化方法进行少角度重建,得到CT断层图像;
步骤七、XLCT投影数据预处理并重建:对步骤五采集到的XLCT投影数据进行预处理,去除图像中的孤立亮点和坏点,利用步骤四中采集得到的白光数据构建物体轮廓并剖分,将各个角度下的经过预处理之后的XLCT少角度投影进行小波变换,得到变换之后的投影并映射到构建好的轮廓表面,得到表面光强分布矩阵,对***矩阵和表面光强分布矩阵采用预条件矩阵处理,建立***矩阵与表面光强分布矩阵之间的联系,采用迭代重建算法得到XLCT荧光断层图像;
步骤八、图像融合:对步骤六和步骤七得到的CT断层图像和XLCT荧光断层图像根据基于标记点的刚性配准方法进行配准并融合,得到融合后的图像。
3.如权利要求1所述的CT和X射线激发荧光双模同步断层成像方法,其特征在于,所述图像总变差最小化的少角度CT重建方法包括以下步骤:
第一步,采用锥束滤波反投影算法得到初始图像u0:对CT待重建的M幅投影采用滤波反投影算法重建,将重建后图像u0作为初始图像;
第二步,令k=0,k为迭代次数(k=0,1,2…K-1),将u0作为迭代初始图像u(0),采用代数迭代法(algebraicreconstructiontechnique,ART)更新图像:
其中,k为迭代次数(k=0,1,2…K),即为第k+1次迭代后更新的图像,为更新前图像,j代表图像角标,pi为第i个探测器单元的投影值,min代表图像中第n个像素值对探测器单元i的贡献大小,λ为松弛因子,取值范围0~2之间;
第三步,对得到的图像进行非负值约束:对上步中所有小于0的值赋值为零,即如果 则令
第四步,根据梯度下降法对u(k+1)求图像总变差最小化后的图像:
其中l为梯度下降法的迭代次数(l=0,1…L-1),a为步长因子;
第五步,令k=k+1,u(k)=u(k,L+1),重复步第二步-第四步,直到满足迭代次数要求。
4.如权利要求1所述的CT和X射线激发荧光双模同步断层成像方法,其特征在于,所述XLCT少角度重建方法包括以下步骤:
第一步,对所有XLCT投影数据进行预处理,采用自适应中值滤波方法去除数据中的孤立亮点和坏点;
第二步,利用CCD拍摄得到的一组白光图像反投影重建出成像物体的三维表面,并导入COMSOL中进行网格剖分;
第三步,将预处理之后的数据映射到剖分之后的三维表面,得到物体表面光强分布矩阵Φ;
第四步,利用有限元方法针对剖分后的网格建立光学扩散方程的***矩阵W,利用小波变换方法对采集到的XLCT投影进行变换,得到变换后的表面光强分布矩阵Φ,建立表面光强分布矩阵Φ和***矩阵W之间的关系:
Φ=Wρ;
对上式两边同时采用预条件矩阵处理:
其中预条件矩阵为:
其中I为X射线强度分布,Λ,UT为W的奇异值分解结果,γ为正则化参数,利用迭代重建恢复出纳米荧光探针的分布ρ。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610118084.8A CN105796121B (zh) | 2016-03-02 | 2016-03-02 | 一种ct和x射线激发荧光双模同步断层成像方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610118084.8A CN105796121B (zh) | 2016-03-02 | 2016-03-02 | 一种ct和x射线激发荧光双模同步断层成像方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105796121A true CN105796121A (zh) | 2016-07-27 |
CN105796121B CN105796121B (zh) | 2018-12-28 |
Family
ID=56466531
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610118084.8A Active CN105796121B (zh) | 2016-03-02 | 2016-03-02 | 一种ct和x射线激发荧光双模同步断层成像方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105796121B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107147840A (zh) * | 2017-03-31 | 2017-09-08 | 上海品臻影像科技有限公司 | 一种x射线影像***图像获取方法及装置 |
WO2018121325A1 (zh) * | 2016-12-29 | 2018-07-05 | 同方威视技术股份有限公司 | 多视角成像数据处理方法和设备 |
CN109646032A (zh) * | 2018-11-14 | 2019-04-19 | 天津大学 | 一种基于加权调制的多光束x射线激发发光断层成像方法 |
CN109917361A (zh) * | 2019-04-02 | 2019-06-21 | 电子科技大学 | 一种基于双基雷达的三维未知场景成像方法 |
CN111595875A (zh) * | 2020-04-21 | 2020-08-28 | 中国工程物理研究院应用电子学研究所 | 一种大视场ct成像重建方法 |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114945326A (zh) * | 2020-02-26 | 2022-08-26 | 深圳帧观德芯科技有限公司 | 使用x射线荧光的成像*** |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103385696A (zh) * | 2013-07-24 | 2013-11-13 | 中国科学院自动化研究所 | 一种激发荧光实时成像***及方法 |
US20150157286A1 (en) * | 2013-12-06 | 2015-06-11 | Rensselaer Polytechnic Institute | Stored luminescence computed tomography |
CN104873212A (zh) * | 2015-04-05 | 2015-09-02 | 清华大学 | 双模同轴在体成像方法与*** |
-
2016
- 2016-03-02 CN CN201610118084.8A patent/CN105796121B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103385696A (zh) * | 2013-07-24 | 2013-11-13 | 中国科学院自动化研究所 | 一种激发荧光实时成像***及方法 |
US20150157286A1 (en) * | 2013-12-06 | 2015-06-11 | Rensselaer Polytechnic Institute | Stored luminescence computed tomography |
CN104873212A (zh) * | 2015-04-05 | 2015-09-02 | 清华大学 | 双模同轴在体成像方法与*** |
Non-Patent Citations (3)
Title |
---|
XIN LIU ET AL.: "A wavelet-based single-view reconstruction approach for cone beam x-ray luminescence tomography imaging", 《BIOMEDICAL OPTICS EXPRESS》 * |
中国科学技术协会主编: "《2012-2013体视学学科发展报告》", 30 April 2014 * |
邹晶等: "由少量投影数据快速重建图像的迭代算法", 《光学学报》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018121325A1 (zh) * | 2016-12-29 | 2018-07-05 | 同方威视技术股份有限公司 | 多视角成像数据处理方法和设备 |
CN107147840A (zh) * | 2017-03-31 | 2017-09-08 | 上海品臻影像科技有限公司 | 一种x射线影像***图像获取方法及装置 |
CN109646032A (zh) * | 2018-11-14 | 2019-04-19 | 天津大学 | 一种基于加权调制的多光束x射线激发发光断层成像方法 |
CN109646032B (zh) * | 2018-11-14 | 2022-06-10 | 天津大学 | 一种基于加权调制的多光束x射线激发发光断层成像方法 |
CN109917361A (zh) * | 2019-04-02 | 2019-06-21 | 电子科技大学 | 一种基于双基雷达的三维未知场景成像方法 |
CN109917361B (zh) * | 2019-04-02 | 2023-04-25 | 电子科技大学 | 一种基于双基雷达的三维未知场景成像方法 |
CN111595875A (zh) * | 2020-04-21 | 2020-08-28 | 中国工程物理研究院应用电子学研究所 | 一种大视场ct成像重建方法 |
Also Published As
Publication number | Publication date |
---|---|
CN105796121B (zh) | 2018-12-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105796121A (zh) | 一种ct和x射线激发荧光双模同步断层成像方法 | |
Haaga et al. | CT and MRI of the whole body | |
Kim et al. | SPIE medical imaging | |
US11020077B2 (en) | Simultaneous CT-MRI image reconstruction | |
CN102254310B (zh) | 用于减少ct图像数据中的图像伪影、尤其是金属伪影的方法 | |
CN108577876B (zh) | 一种多边形静止ct及其工作方法 | |
Niu et al. | Accelerated barrier optimization compressed sensing (ABOCS) reconstruction for cone‐beam CT: phantom studies | |
CN102346924B (zh) | 用于x射线图像的重建的***和方法 | |
CN103339657B (zh) | 用于双能量ct图像重建的方法和*** | |
CN103315760B (zh) | 用于核医疗成像中基于发射数据进行衰减补偿的***和方法 | |
Wu et al. | Spatial-temporal total variation regularization (STTVR) for 4D-CT reconstruction | |
CN103156629A (zh) | 图像处理设备和图像处理方法 | |
CN103606177B (zh) | 稀疏角度的ct图像迭代重建方法 | |
Qi et al. | Extraction of tumor motion trajectories using PICCS‐4DCBCT: a validation study | |
CN103271723A (zh) | 一种生物发光断层成像重建方法 | |
Lin et al. | An efficient polyenergetic SART (pSART) reconstruction algorithm for quantitative myocardial CT perfusion | |
CN107822652B (zh) | 用于重建光谱结果图像数据的方法 | |
CN105962959A (zh) | 对于虚拟x射线量子能量分布产生图像的方法和拍摄装置 | |
CN109272472A (zh) | 面向医用能谱ct图像的噪声及伪影消除方法 | |
CN105455780A (zh) | 基于双网格的有限投影的荧光分子断层成像重建方法 | |
CN103505207A (zh) | 一种基于压缩感知技术的快速有效的动态磁共振成像方法 | |
Zhang et al. | Accurate and robust sparse‐view angle CT image reconstruction using deep learning and prior image constrained compressed sensing (DL‐PICCS) | |
CN106097441A (zh) | 基于l1范数与tv范数的复合正则化生物发光断层成像重建方法 | |
CN112419303A (zh) | 神经网络训练方法、***、可读存储介质和设备 | |
CN109961489A (zh) | Ct图像重建方法和装置 |
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 |