CN108520542A - 一种pet/ct数据时相匹配的重建方法 - Google Patents

一种pet/ct数据时相匹配的重建方法 Download PDF

Info

Publication number
CN108520542A
CN108520542A CN201810268898.9A CN201810268898A CN108520542A CN 108520542 A CN108520542 A CN 108520542A CN 201810268898 A CN201810268898 A CN 201810268898A CN 108520542 A CN108520542 A CN 108520542A
Authority
CN
China
Prior art keywords
image
pet
data
images
reconstructing
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
Application number
CN201810268898.9A
Other languages
English (en)
Other versions
CN108520542B (zh
Inventor
褚政
徐怿弘
叶宏伟
郭洪斌
江浩川
王瑶法
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
FMI Technologies Inc
Original Assignee
FMI Technologies Inc
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by FMI Technologies Inc filed Critical FMI Technologies Inc
Priority to CN201810268898.9A priority Critical patent/CN108520542B/zh
Publication of CN108520542A publication Critical patent/CN108520542A/zh
Application granted granted Critical
Publication of CN108520542B publication Critical patent/CN108520542B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/00—2D [Two Dimensional] image generation
    • G06T11/003—Reconstruction from projections, e.g. tomography
    • G06T11/005—Specific pre-processing for tomographic reconstruction, e.g. calibration, source positioning, rebinning, scatter correction, retrospective gating
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2211/00—Image generation
    • G06T2211/40—Computed tomography
    • G06T2211/416—Exact reconstruction

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Apparatus For Radiation Diagnosis (AREA)
  • Nuclear Medicine (AREA)
  • Image Processing (AREA)

Abstract

本发明公开了一种PET/CT数据时相匹配的重建方法，直接对PET符合数据的总集进行含衰减系数的重建，得到重建图像A，对子符合数据集进行不含衰减系数的重建得到图像数据集B1到BN共N组图像，对图像进行归一化，同时对B1‑N共N组图像选取特定亮度，对于B1‑BN中的任意一组图像n，计算通过A，AT，Bn，BnT的demon估计误差公式，通过最佳匹配PET门控图像作为参考图像，对其他图像进行匹配操作，获得相同门控下的其他图像，并进行图像合并操作，得到合并图像Bc，最终结果BF=BnAC/Bn*Bc，本发明提供了一种提升了CT与PET图像的匹配度的PET/CT数据时相匹配的重建方法。

Description

一种PET/CT数据时相匹配的重建方法
技术领域
本发明涉及CT领域，更具体涉及一种PET/CT数据时相匹配的重建方法。
背景技术
PET/CT是一种结合了CT（X射线计算机断层）和PET（正电子发射断层的设备。CT给予人体的基本结构特征，PET给予人体的潜在的病变特征。CT图像和PET图像会同步的融合显示，提供给临床医生评估病人病情。同时，在实际信号处理时，CT数据额外提供PET重建的衰减信息。
在PET呼吸重建中，扫描的符合数据会被划分为多个时相的子数据。每一个子数据对应病人的特定的呼吸相位。常用的CT扫描方法有两种：一种是直接利用CT快速扫描，直接将扫描的CT结果加载在PET上，PET图像与CT图像会容易出现融合错位的问题。另一种是在CT使用4D扫描方式，获取门控信息。这种方式能通过CT门控和PET门控匹配，达到减小运动伪影的目地，但会增大病人的X射线扫描剂量。
发明内容
针对现有技术的不足，本发明提供了一种提升了CT与PET图像的匹配度的PET/CT数据时相匹配的重建方法。
为实现上述目的，本发明提供了如下技术方案：一种PET/CT数据时相匹配的重建方法，其特征是：包括如下步骤
（1）CT图像在图像域转换为衰减系数分布；
（2）通过投影算法将步骤（1）中的衰减系数从图像域转化到投影域，其中投影算法是指按照PET检测器坐标，对于成对的检测器路径上的衰减值进行路径积分，之后进行指数运算获得；
（3）PET符合数据通过门控分为多个子符合数据集；
（4）直接对PET符合数据的总集进行含衰减系数的重建，得到重建图像A；
（5）对子符合数据集进行不含衰减系数的重建得到图像数据集B1到BN共N组图像；
（6）对图像A进行归一化操作，选取特定的亮度作为阈值点，对图像进行归一化，同时对B1-N共N组图像选取特定亮度，进行图像亮度归一化；
（7）对B1-BN进行噪声平滑操作；
（8）B1-BN分别对A进行互信息转化，得到B1T，B2T…到BNT共N组B的互信息转化图像，以及A1T…ANT这N组A的互信息转化图像；
对于两组图像上的特定亮度m和f,互信息的定义为
p(m,f)是m和f的联合概率分布，p(m)和p(f)是图像M，F在灰度域的分布，M，F是原始图像，当计算出I(M,F)后，M和F的互信息映射图像根据
计算；
（9）对于B1-BN中的任意一组图像n，计算通过A，AT，Bn，BnT的demon估计误差公式；
（10）提取E1-EN多组误差估计数，其中最小值所在的PET门控编号，即是CT图像与PET多组数据中对应的最佳门控位置；
（11）通过最佳匹配PET门控图像作为参考图像，对其他图像进行匹配操作，获得相同门控下的其他图像，并进行图像合并操作，得到合并图像Bc；
（12）步骤（2）的衰减数据对PET数据子集中的匹配门控数据进行衰减校正得到BnAC，这里对最佳的门控信号进行了与步骤（4）相同的重建，带有衰减校正，唯一的区别是把输入的PET符合数据的总集替换为最佳门控的符合信号；
（13）最终结果BF=BnAC/Bn*Bc，按照像素作为处理单元，一一对应地在图像域进行乘除法操作，其中BnAC/Bn项作为衰减因子，因为图像噪声的差异需要一定的平滑操作。
进一步的步骤（1）中的衰减系数分布通过对CT值进行在伽马光子频率内的吸收系数转换获得。
进一步的步骤（3）中的门控区分为通过呼吸机或者直接通过数据分析找到每个符合事件对应着的呼吸幅度，再通过不同幅度划分符合事件，形成若干个子集。
进一步的步骤（4）中对PET符合数据的总集进行含衰减系数的重建采用滤波反投影算法或者快速最大期望迭代方法实现，含衰减系数是指将步骤（2）中的衰减结果引进计算。
进一步的步骤（5）对子符合数据集进行不含衰减系数的重建采用滤波反投影算法或者快速最大期望迭代方法实现，不含衰减系数是指不将步骤2中的衰减结果引进计算。
进一步的步骤（6）中的图像亮度归一化采用图像均值作为阈值的步进，不断提升阈值，直到阈值高于数据中99%的非零点，作为图像的最大值，然后图像整体除以阈值，同时高于1的部分设置为1。
进一步的步骤（7）中的对B1-BN进行噪声平滑操作使用高斯卷积滤波，滤波核函数大小可以随着图像的像素大小改变。
进一步的步骤（8）中任意一组图像M，F可以通过公式产生互信息映射MT，FT，因为步骤5中门控产生N组B图像，所以每组图像有一组（Bn BnT A AnT），得到N组BnT，AnT。
进一步的步骤（9）中（Bn BnT A AnT）对应着公式内的M、MT、F、FT ，公式内的S为运动形变矩阵，U为更新矩阵。每一组数据的结果会是一个估计值，所以一共N组估计值。
进一步的步骤（11）中采用图像域的配准方法，把其他门控的图像配准到步骤10选择的最佳门控上。对于配准后的结果进行均值处理，获得Bc。
综上所述，本发明的有益效果如下：
1、使用快速CT扫描，不增大病人接受剂量。
2、提升了CT与PET图像的匹配度，也提高了衰减校正的精度。
3、将CT图像转化到PET结果中，提高分析的准确性。
4、使用了互信息计算不同亮度的数据，提高分析的可靠性。
附图说明
图1为门控PET数据选择流程图；
图2为PET/CT数据时相匹配的重建流程图。
具体实施方式
参照图1和图2对本发明一种PET/CT数据时相匹配的重建方法的实施例作进一步说明。
一种PET/CT数据时相匹配的重建方法，其特征是：包括如下步骤
（1）CT图像在图像域转换为衰减系数分布；
（2）通过投影算法将步骤（1）中的衰减系数从图像域转化到投影域，其中投影算法是指按照PET检测器坐标，对于成对的检测器路径上的衰减值进行路径积分，之后进行指数运算获得；
（3）PET符合数据通过门控分为多个子符合数据集；
（4）直接对PET符合数据的总集进行含衰减系数的重建，得到重建图像A；
（5）对子符合数据集进行不含衰减系数的重建得到图像数据集B1到BN共N组图像；
（6）对图像A进行归一化操作，选取特定的亮度作为阈值点，对图像进行归一化，同时对B1-N共N组图像选取特定亮度，进行图像亮度归一化；
（7）对B1-BN进行噪声平滑操作；
（8）B1-BN分别对A进行互信息转化，得到B1T，B2T…到BNT共N组B的互信息转化图像，以及A1T…ANT这N组A的互信息转化图像；
对于两组图像上的特定亮度m和f,互信息的定义为
p(m,f)是m和f的联合概率分布，p(m)和p(f)是图像M，F在灰度域的分布，M，F是原始图像，当计算出I(M,F)后，M和F的互信息映射图像根据
计算；
（9）对于B1-BN中的任意一组图像n，计算通过A，AT，Bn，BnT的demon估计误差公式；
（10）提取E1-EN多组误差估计数，其中最小值所在的PET门控编号，即是CT图像与PET多组数据中对应的最佳门控位置；
（11）通过最佳匹配PET门控图像作为参考图像，对其他图像进行匹配操作，获得相同门控下的其他图像，并进行图像合并操作，得到合并图像Bc；
（12）步骤（2）的衰减数据对PET数据子集中的匹配门控数据进行衰减校正得到BnAC，这里对最佳的门控信号进行了与步骤（4）相同的重建，带有衰减校正，唯一的区别是把输入的PET符合数据的总集替换为最佳门控的符合信号；
（13）最终结果BF=BnAC/Bn*Bc，按照像素作为处理单元，一一对应地在图像域进行乘除法操作，其中BnAC/Bn项作为衰减因子，因为图像噪声的差异需要一定的平滑操作。
进一步的步骤（1）中的衰减系数分布通过对CT值进行在伽马光子频率内的吸收系数转换获得。
本发明优选的步骤（3）中的门控区分为通过呼吸机或者直接通过数据分析找到每个符合事件对应着的呼吸幅度，再通过不同幅度划分符合事件，形成若干个子集。
本发明优选的步骤（4）中对PET符合数据的总集进行含衰减系数的重建采用滤波反投影算法或者快速最大期望迭代方法实现，含衰减系数是指将步骤（2）中的衰减结果引进计算。
本发明优选的步骤（5）对子符合数据集进行不含衰减系数的重建采用滤波反投影算法或者快速最大期望迭代方法实现，不含衰减系数是指不将步骤2中的衰减结果引进计算。
本发明优选的步骤（6）中的图像亮度归一化采用图像均值作为阈值的步进，不断提升阈值，直到阈值高于数据中99%的非零点，作为图像的最大值，然后图像整体除以阈值，同时高于1的部分设置为1。
本发明优选的步骤（7）中的对B1-BN进行噪声平滑操作使用高斯卷积滤波，滤波核函数大小可以随着图像的像素大小改变。
本发明优选的步骤（8）中任意一组图像M，F可以通过公式产生互信息映射MT，FT，因为步骤5中门控产生N组B图像，所以每组图像有一组（Bn BnT A AnT），得到N组BnT，AnT。
本发明优选的步骤（9）中（Bn BnT A AnT）对应着公式内的M、MT、F、FT ，公式内的S为运动形变矩阵，U为更新矩阵。每一组数据的结果会是一个估计值，所以一共N组估计值。
本发明优选的步骤（11）中采用图像域的配准方法，把其他门控的图像配准到步骤10选择的最佳门控上。对于配准后的结果进行均值处理，获得Bc。
本发明使用快速CT扫描，不增大病人接受剂量，提升了CT与PET图像的匹配度，也提高了衰减校正的精度，将CT图像转化到PET结果中，提高分析的准确性，使用了互信息计算不同亮度的数据，提高分析的可靠性。
以上所述仅是本发明的优选实施方式，本发明的保护范围并不仅局限于上述实施例，凡属于本发明思路下的技术方案均属于本发明的保护范围。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理前提下的若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (10)

1.一种PET/CT数据时相匹配的重建方法，其特征是：包括如下步骤
（1）CT图像在图像域转换为衰减系数分布；
（2）通过投影算法将步骤（1）中的衰减系数从图像域转化到投影域，其中投影算法是指按照PET检测器坐标，对于成对的检测器路径上的衰减值进行路径积分，之后进行指数运算获得；
（3）PET符合数据通过门控分为多个子符合数据集；
（4）直接对PET符合数据的总集进行含衰减系数的重建，得到重建图像A；
（5）对子符合数据集进行不含衰减系数的重建得到图像数据集B1到BN共N组图像；
（6）对图像A进行归一化操作，选取特定的亮度作为阈值点，对图像进行归一化，同时对B1-N共N组图像选取特定亮度，进行图像亮度归一化；
（7）对B1-BN进行噪声平滑操作；
（8）B1-BN分别对A进行互信息转化，得到B1T，B2T…到BNT共N组B的互信息转化图像，以及A1T…ANT这N组A的互信息转化图像；
对于两组图像上的特定亮度m和f,互信息的定义为
p(m,f)是m和f的联合概率分布，p(m)和p(f)是图像M，F在灰度域的分布，M，F是原始图像，当计算出I(M,F)后，M和F的互信息映射图像根据
计算；
（9）对于B1-BN中的任意一组图像n，计算通过A，AT，Bn，BnT的demon估计误差公式；
（10）提取E1-EN多组误差估计数，其中最小值所在的PET门控编号，即是CT图像与PET多组数据中对应的最佳门控位置；
（11）通过最佳匹配PET门控图像作为参考图像，对其他图像进行匹配操作，获得相同门控下的其他图像，并进行图像合并操作，得到合并图像Bc；
（12）步骤（2）的衰减数据对PET数据子集中的匹配门控数据进行衰减校正得到BnAC，这里对最佳的门控信号进行了与步骤（4）相同的重建，带有衰减校正，唯一的区别是把输入的PET符合数据的总集替换为最佳门控的符合信号；
（13）最终结果BF=BnAC/Bn*Bc，按照像素作为处理单元，一一对应地在图像域进行乘除法操作，其中BnAC/Bn项作为衰减因子，因为图像噪声的差异需要一定的平滑操作。
2.如权利要求1所述的一种PET/CT数据时相匹配的重建方法，其特征是：步骤（1）中的衰减系数分布通过对CT值进行在伽马光子频率内的吸收系数转换获得。
3.如权利要求1所述的一种PET/CT数据时相匹配的重建方法，其特征是：步骤（3）中的门控区分为通过呼吸机或者直接通过数据分析找到每个符合事件对应着的呼吸幅度，再通过不同幅度划分符合事件，形成若干个子集。
4.如权利要求1所述的一种PET/CT数据时相匹配的重建方法，其特征是：步骤（4）中对PET符合数据的总集进行含衰减系数的重建采用滤波反投影算法或者快速最大期望迭代方法实现，含衰减系数是指将步骤（2）中的衰减结果引进计算。
5.如权利要求1所述的一种PET/CT数据时相匹配的重建方法，其特征是：步骤（5）对子符合数据集进行不含衰减系数的重建采用滤波反投影算法或者快速最大期望迭代方法实现，不含衰减系数是指不将步骤2中的衰减结果引进计算。
6.如权利要求1所述的一种PET/CT数据时相匹配的重建方法，其特征是：步骤（6）中的图像亮度归一化采用图像均值作为阈值的步进，不断提升阈值，直到阈值高于数据中99%的非零点，作为图像的最大值，然后图像整体除以阈值，同时高于1的部分设置为1。
7.如权利要求1所述的一种PET/CT数据时相匹配的重建方法，其特征是：步骤（7）中的对B1-BN进行噪声平滑操作使用高斯卷积滤波，滤波核函数大小可以随着图像的像素大小改变。
8.如权利要求1所述的一种PET/CT数据时相匹配的重建方法，其特征是：步骤（8）中任意一组图像M，F可以通过公式产生互信息映射MT，FT，因为步骤5中门控产生N组B图像，所以每组图像有一组（Bn BnT A AnT），得到N组BnT，AnT。
9.如权利要求1所述的一种PET/CT数据时相匹配的重建方法，其特征是：步骤（9）中（BnBnT A AnT）对应着公式内的M、MT、F、FT ，公式内的S为运动形变矩阵，U为更新矩阵，每一组数据的结果会是一个估计值，所以一共N组估计值。
10.如权利要求1所述的一种PET/CT数据时相匹配的重建方法，其特征是：步骤（11）中采用图像域的配准方法，把其他门控的图像配准到步骤（10）选择的最佳门控上，对于配准后的结果进行均值处理，获得Bc。
CN201810268898.9A 2018-03-29 2018-03-29 一种pet/ct数据时相匹配的重建方法 Active CN108520542B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810268898.9A CN108520542B (zh) 2018-03-29 2018-03-29 一种pet/ct数据时相匹配的重建方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810268898.9A CN108520542B (zh) 2018-03-29 2018-03-29 一种pet/ct数据时相匹配的重建方法

Publications (2)

Publication Number Publication Date
CN108520542A true CN108520542A (zh) 2018-09-11
CN108520542B CN108520542B (zh) 2020-10-09

Family

ID=63431193

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810268898.9A Active CN108520542B (zh) 2018-03-29 2018-03-29 一种pet/ct数据时相匹配的重建方法

Country Status (1)

Country Link
CN (1) CN108520542B (zh)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109242925A (zh) * 2018-09-13 2019-01-18 明峰医疗***股份有限公司 一种基于门控数据的呼吸伪影校正方法
CN109961419A (zh) * 2019-03-26 2019-07-02 江苏赛诺格兰医疗科技有限公司 对pet活度分布图像进行衰减校正的校正信息获取方法
CN110192886A (zh) * 2019-05-29 2019-09-03 明峰医疗***股份有限公司 一种动态调用呼吸门控的重建方法
CN110223247A (zh) * 2019-05-20 2019-09-10 上海联影医疗科技有限公司 图像衰减校正方法、装置、计算机设备和存储介质
CN110660111A (zh) * 2019-09-18 2020-01-07 东软医疗***股份有限公司 Pet散射校正及图像重建方法、装置及设备
CN110687585A (zh) * 2019-09-23 2020-01-14 上海联影医疗科技有限公司 获取晶体效率的方法、装置、计算机设备和存储介质
CN112258642A (zh) * 2020-12-21 2021-01-22 之江实验室 基于深度学习的低剂量pet数据三维迭代更新重建方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103845073A (zh) * 2012-12-04 2014-06-11 美国西门子医疗解决公司 用于pet衰减校正的mr扫描选择
US20150071516A1 (en) * 2013-09-10 2015-03-12 Samsung Electronics Co., Ltd. Image processing apparatus and imaging processing method
CN106456098A (zh) * 2016-07-08 2017-02-22 上海联影医疗科技有限公司 衰减图的生成方法及***
CN206075356U (zh) * 2016-06-28 2017-04-05 明峰医疗***股份有限公司 基于ct图像获取pet线性衰减系数的装置
CN107638188A (zh) * 2017-09-28 2018-01-30 江苏赛诺格兰医疗科技有限公司 图像衰减校正方法及装置

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103845073A (zh) * 2012-12-04 2014-06-11 美国西门子医疗解决公司 用于pet衰减校正的mr扫描选择
US20150071516A1 (en) * 2013-09-10 2015-03-12 Samsung Electronics Co., Ltd. Image processing apparatus and imaging processing method
CN206075356U (zh) * 2016-06-28 2017-04-05 明峰医疗***股份有限公司 基于ct图像获取pet线性衰减系数的装置
CN106456098A (zh) * 2016-07-08 2017-02-22 上海联影医疗科技有限公司 衰减图的生成方法及***
CN107638188A (zh) * 2017-09-28 2018-01-30 江苏赛诺格兰医疗科技有限公司 图像衰减校正方法及装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
朱祥胜: "基于互信息法的多模医学图像配准研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 *

Cited By (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109242925A (zh) * 2018-09-13 2019-01-18 明峰医疗***股份有限公司 一种基于门控数据的呼吸伪影校正方法
CN109242925B (zh) * 2018-09-13 2023-05-23 明峰医疗***股份有限公司 一种基于门控数据的呼吸伪影校正方法
CN109961419A (zh) * 2019-03-26 2019-07-02 江苏赛诺格兰医疗科技有限公司 对pet活度分布图像进行衰减校正的校正信息获取方法
CN110223247A (zh) * 2019-05-20 2019-09-10 上海联影医疗科技有限公司 图像衰减校正方法、装置、计算机设备和存储介质
CN110192886A (zh) * 2019-05-29 2019-09-03 明峰医疗***股份有限公司 一种动态调用呼吸门控的重建方法
CN110192886B (zh) * 2019-05-29 2022-12-23 明峰医疗***股份有限公司 一种动态调用呼吸门控的重建方法
CN110660111A (zh) * 2019-09-18 2020-01-07 东软医疗***股份有限公司 Pet散射校正及图像重建方法、装置及设备
CN110660111B (zh) * 2019-09-18 2023-05-30 东软医疗***股份有限公司 Pet散射校正及图像重建方法、装置及设备
CN110687585A (zh) * 2019-09-23 2020-01-14 上海联影医疗科技有限公司 获取晶体效率的方法、装置、计算机设备和存储介质
CN110687585B (zh) * 2019-09-23 2021-05-11 上海联影医疗科技股份有限公司 获取晶体效率的方法、装置、计算机设备和存储介质
CN112258642A (zh) * 2020-12-21 2021-01-22 之江实验室 基于深度学习的低剂量pet数据三维迭代更新重建方法
CN112258642B (zh) * 2020-12-21 2021-04-09 之江实验室 基于深度学习的低剂量pet数据三维迭代更新重建方法

Also Published As

Publication number Publication date
CN108520542B (zh) 2020-10-09

Similar Documents

Publication Publication Date Title
CN108520542A (zh) 一种pet/ct数据时相匹配的重建方法
Yang et al. 4D‐CT motion estimation using deformable image registration and 5D respiratory motion modeling
CN107123095B (zh) 一种pet图像重建方法、成像***
Li et al. Enhanced 4D cone‐beam CT with inter‐phase motion model
JP5149192B2 (ja) 解剖学的リストモードマスクを用いるｐｅｔイメージング
US7599540B2 (en) Motion compensated reconstruction technique
US9295443B2 (en) Method and system for reducing localized artifacts in imaging data
US10489940B2 (en) System and computer-implemented method for improving image quality
CN106725570A (zh) 成像方法及***
EP1522045A2 (en) Motion artifact correction of tomographical images
Riblett et al. Data‐driven respiratory motion compensation for four‐dimensional cone‐beam computed tomography (4D‐CBCT) using groupwise deformable registration
Qi et al. Performance studies of four-dimensional cone beam computed tomography
Samavati et al. A hybrid biomechanical intensity based deformable image registration of lung 4DCT
CN104050631B (zh) 一种低剂量ct图像重建方法
US20100284598A1 (en) Image registration alignment metric
Wijesooriya et al. Quantifying the accuracy of automated structure segmentation in 4D CT images using a deformable image registration algorithm
Zhi et al. High‐quality initial image‐guided 4D CBCT reconstruction
Hamill et al. Respiratory‐gated CT as a tool for the simulation of breathing artifacts in PET and PET/CT
CN109741254B (zh) 字典训练及图像超分辨重建方法、***、设备及存储介质
US7653228B2 (en) Organ-specific backprojection
Badea et al. A registration based approach for 4D cardiac micro‐CT using combined prospective and retrospective gating
Zhang et al. Deep learning‐based motion compensation for four‐dimensional cone‐beam computed tomography (4D‐CBCT) reconstruction
CN107886554A (zh) 流数据的重构
Rashed et al. Probabilistic atlas prior for CT image reconstruction
CN107292351A (zh) 一种结节的匹配方法及装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant