CN110264559A - 一种骨断层图像重建方法及*** - Google Patents

一种骨断层图像重建方法及*** Download PDF

Info

Publication number
CN110264559A
CN110264559A CN201910257289.8A CN201910257289A CN110264559A CN 110264559 A CN110264559 A CN 110264559A CN 201910257289 A CN201910257289 A CN 201910257289A CN 110264559 A CN110264559 A CN 110264559A
Authority
CN
China
Prior art keywords
bone
image
gamma
plain film
template
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
CN201910257289.8A
Other languages
English (en)
Other versions
CN110264559B (zh
Inventor
陈思
姜苏青
蔡奉岐
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.)
Foshan Map Reading Technology Co Ltd
Foshan Atomic Medical Equipment Co Ltd
Original Assignee
Foshan Map Reading Technology Co Ltd
Foshan Atomic Medical Equipment Co Ltd
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 Foshan Map Reading Technology Co Ltd, Foshan Atomic Medical Equipment Co Ltd filed Critical Foshan Map Reading Technology Co Ltd
Priority to CN201910257289.8A priority Critical patent/CN110264559B/zh
Publication of CN110264559A publication Critical patent/CN110264559A/zh
Application granted granted Critical
Publication of CN110264559B publication Critical patent/CN110264559B/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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • 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
    • 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
    • G06T2207/30008—Bone

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Graphics (AREA)
  • Geometry (AREA)
  • Software Systems (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Image Processing (AREA)
  • Nuclear Medicine (AREA)
  • Apparatus For Radiation Diagnosis (AREA)

Abstract

本发明公开了一种骨断层图像重建方法及***，其方法包括以下步骤：S1：获取三维骨骼CT图像模板；S2：生成局部二维骨伽玛平片图像模板；S3：匹配全身骨伽玛平片图像，获得最匹配的局部二维骨伽玛平片图像；S4：进一步优化三维骨骼CT图像模板，使其对应的二维骨伽玛平片图像模板完全覆盖局部骨伽玛平片图像感兴趣区域；S5：基于模板重建出定量的局部骨伽马断层图像；S6：将局部骨伽马断层图像与CT断层图像进行融合显示。通过本发明的方法及***，融合后可以达到与常规SPECT断层采集和重建获得的断层图像质量接近的水平，便于医生更加直观的进行分析和诊断，对于部分患者的临床检查，避免了额外的断层采集，提高了效率。

Description

一种骨断层图像重建方法及***
技术领域
本发明涉及核医学成像技术领域，尤其涉及一种骨断层图像重建方法及***。
背景技术
临床上以SPECT(Single-Photon Emission Computed Tomography，单光子发射计算机断层成像术)进行恶性肿瘤骨转移、骨伤、骨骼炎症等相关疾病的检查时，通常进行全身骨扫描规程，获得全身骨伽马前位与后位两幅平片图像，由医师进行读片解析。对于某些病情复杂的患者，可能需要由医师基于全身骨伽马平片图像进一步决定行局部断层X射线CT扫描，获取某部位的CT断层图像用于辅助诊断。对于骨平片图像结合CT局部断层图像仍存有疑问的，可进一步行相同部位的SPECT断层扫描，并将SPECT断层图像与CT图像进行融合显示，用于临床诊断。相对于骨伽马平片图像，SPECT断层图像有三个优点，一是三维空间分布没有交叠，二是基于CT的衰减校正提高了体内深部异常病灶的图像检测灵敏度，三是SPECT与CT的图像融合更为清晰直观；而其劣势在于扫描时间翻倍。在临床的骨伽马平片图像中，通常仅有骨骼和肾等少数器官和组织具有较高的放射性摄取和图像对比度，因此其图像数据稀疏性较强，经验丰富的医师能够进行骨骼解剖结构的辨识并与同一结构的CT图像进行对应，这个过程是在医师的思维中完成的，尚无方法可以实现直观的骨伽马平片图像与对应部位的CT断层图像的配准与融合显示。
发明内容
本发明的目的在于提出一种骨断层图像重建方法，可以达到与常规SPECT断层采集和重建获得的断层图像质量接近的水平，便于医生更加直观的进行分析和诊断，对于部分患者的临床检查，避免了额外的断层采集，提高了效率。
为达此目的，本发明采用以下技术方案：
一种骨断层图像重建方法，其特征在于，包括以下步骤：
S1：获取CT局部断层图像中三维骨骼CT图像模板；
S2：根据三维骨骼CT图像模板生成局部二维骨伽马平片图像模板；
S3：在全身骨伽马平片图像中搜索与局部二维骨伽马平片图像模板最匹配的局部骨伽马平片图像；
S4：根据全身骨伽马平片采集图像与局部二维骨伽马平片图像模板的匹配程度，对三维骨骼CT图像模板的尺寸和范围采用图像形态学算法微调，使局部二维骨伽马平片图像模板覆盖全身骨伽马平片图像的感兴趣区域；
S5：将调整后的三维骨骼CT图像模板作为图像的初始估计与先验信息，将局部骨伽马平片图像输入迭代图像重建算法，并通过三维骨骼CT图像模板进行衰减校正，得出定量的局部骨伽马断层图像；
S6：将得到的局部骨伽马断层图像与CT断层图像进行融合显示。
通过本发明的基于全身骨伽马平片扫描图像与CT局部断层图像实现骨断层图像重建的方法，融合后可以达到与常规SPECT断层采集和重建获得的断层图像质量接近的水平，便于医生更加直观的进行分析和诊断，对于部分患者的临床检查，避免了额外的断层采集，提高了效率。
优选的，在步骤S1中，采用图像分割算法获取CT局部断层图像中骨骼组织的三维体数据模板。
通过图像分割算法获取CT局部断层图像中三维骨骼CT图像，图像分割算法为将图像分成若干个特定的、具有独特性质的区域并提出感兴趣目标的技术和过程，三维骨骼CT图像模板为骨骼组织的三维体数据模板。
优选的，在步骤S2中，对所述三维骨骼CT图像模板按临床采集角度方向进行模拟计算，生成局部二维骨伽马平片图像模板。
由于在SPECT对患者全身进行扫描时，会采集出患者的全身骨伽马前位与后位两幅平片图像，因此，将此两幅平面图像通过模拟计算，即可生成局部的二维骨伽马平片图像模板。
优选的，所述全身骨伽马平片图像通过SPECT显像对患者的全身骨扫描获得。
SPECT显像是借助于单光子核素标记药物来实现体内功能和代谢显像的仪器，采用SPECT显像能较高特异性地显示脏器或病变的血流、功能和代谢的改变，有利于疾病的早期诊断及特异性诊断。
一种骨断层图像重建***，其特征在于，包括三维骨骼CT图像模板获取模块、二维骨伽马平片图像模板生成模块、局部骨伽马平片图像匹配模块、感兴趣区域覆盖模块、重建衰减模块和融合模块；
三维骨骼CT图像模板获取模块：用于获取CT局部断层图像中三维骨骼CT图像模板；
二维骨伽马平片图像模板生成模块：用于根据三维骨骼CT图像模板生成局部二维骨伽马平片图像模板；
局部骨伽马平片图像匹配模块：用于在全身骨伽马平片图像中比对与局部二维骨伽马平片图像模板最匹配的局部骨伽马平片图像；
感兴趣区域覆盖模块：用于根据全身骨伽马平片采集图像与局部二维骨伽马平片图像模板的匹配程度，对三维骨骼CT图像模板的尺寸和范围采用迭代算法微调，使局部二维骨伽马平片图像模板覆盖全身骨伽马平片图像的感兴趣区域；
重建衰减模块：用于将调整后的三维骨骼CT图像模板作为图像的初始估计与先验信息，将局部骨伽马平片图像输入迭代图像重建算法，并通过三维骨骼CT图像模板进行衰减校正，得出定量的局部骨伽马断层图像；
融合模块：用于将得到的局部骨伽马断层图像与CT断层图像进行融合显示。
通过本发明的基于全身骨伽马平片扫描图像与CT局部断层图像实现骨断层图像重建的***，融合后可以达到与常规SPECT断层采集和重建获得的断层图像质量接近的水平，便于医生更加直观的进行分析和诊断，对于部分患者的临床检查，避免了额外的断层采集，提高了效率。
优选的，所述三维骨骼CT图像模板获取模块采用图像分割算法获取CT局部断层图像中骨骼组织的三维骨骼CT图像模板。
通过图像分割算法获取获取CT局部断层图像中三维骨骼CT图像，图像分割算法为将图像分成若干个特定的、具有独特性质的区域并提出感兴趣目标的技术和过程，三维骨骼CT图像模板为骨骼组织的三维体数据模板。
优选的，所述二维骨伽马平片图像模板生成模块具体用于根据伽马平片数据采集的数学模型，将所述骨骼组织的三维体数据模板按临床采集方向进行模拟计算，生成局部二维骨伽马平片图像模板。
由于在SPECT对患者全身进行扫描时，会采集出患者的全身骨伽马前位与后位两幅平片图像，因此，将此两幅平面图像通过模拟计算，即可生成局部的二维骨伽马平片图像模板。
优选的，所述全身骨伽马平片图像通过SPECT显像对患者的全身骨扫描获得。
SPECT显像是借助于单光子核素标记药物来实现体内功能和代谢显像的仪器，采用SPECT显像能较高特异性地显示脏器或病变的血流、功能和代谢的改变，有利于疾病的早期诊断及特异性诊断。
本发明的有益效果为:通过本发明的基于全身骨伽马平片扫描图像与CT局部断层图像实现骨断层图像重建的方法及***，融合后可以达到与常规SPECT断层采集和重建获得的断层图像质量接近的水平，便于医生更加直观的进行分析和诊断，对于部分患者的临床检查，避免了额外的断层采集，提高了效率。
附图说明
附图对本发明做进一步说明，但附图中的内容不构成对本发明的任何限制。
图1是本发明其中一个实施例的顺序流程图；
图2是本发明其中一个实施例的三维骨骼CT图像模板；
图3是本发明其中一个实施例的局部二维骨伽马平片图像模板；
图4是本发明其中一个实施例的全身骨伽马平片；
图5是本发明其中一个实施例的局部骨伽马断层图像；
图6是本发明其中一个实施例的局部骨伽马断层图像与CT断层图像融合显示的图像。
具体实施方式
下面结合附图并通过具体实施方式来进一步说明本发明的技术方案。
实施例1
一种骨断层图像重建方法，包括以下步骤：
S1：获取CT局部断层图像中三维骨骼CT图像模板；
S2：根据三维骨骼CT图像模板生成局部二维骨伽马平片图像模板；
S3：在全身骨伽马平片图像中搜索与局部二维骨伽马平片图像模板最匹配的局部骨伽马平片图像；
S4：根据全身骨伽马平片采集图像与局部二维骨伽马平片图像模板的匹配程度，对三维骨骼CT图像模板的尺寸和范围采用图像形态学算法微调，使局部二维骨伽马平片图像模板覆盖全身骨伽马平片图像的感兴趣区域；
S5：将调整后的三维骨骼CT图像模板作为图像的初始估计与先验信息，将局部骨伽马平片图像输入迭代图像重建算法，并通过三维骨骼CT图像模板进行衰减校正，得出定量的局部骨伽马断层图像；
S6：将得到的局部骨伽马断层图像与CT断层图像进行融合显示。
通过本发明的基于全身骨伽马平片扫描图像与CT局部断层图像实现骨断层图像重建的方法，融合后可以达到与常规SPECT断层采集和重建获得的断层图像质量接近的水平，便于医生更加直观的进行分析和诊断，对于部分患者的临床检查，避免了额外的断层采集，提高了效率。
采用图像形态学算法——如膨胀、填充等操作——对三维骨骼图像模板处理是为了使对应二维平片图像模板覆盖全身骨伽马平片图像的所有骨骼和病灶等感兴趣区域。感兴趣区域为骨骼和病灶等医师用于临床判断的区域。
迭代图像重建算法是以调整后的三维骨骼图像模板，采用逐步逼近的方式，获得局部骨伽马断层图像，再通过对三维骨骼CT图像进行衰减校正，从而获得定量的局部骨伽马断层图像。
图2为患者的三维骨骼CT图像模板，图2(a)(b)(c)分别为不同解剖位置的二维断层图像；图3为患者的局部二维骨伽马平片图像模板，由三维骨骼CT图像模板按临床采集方向进行模拟计算生成，其中图3(a)为前位的局部二维骨伽马平片图像，图3(b)为后位的局部二维骨伽马平片图像；图4为患者的全身骨伽马平片图像，其中图4(a)为前位的全身骨伽马平片图像，图4(b)为后位的全身骨伽马平片图像；图5为局部骨伽马断层图像，图5(a)(b)(c)分别为三个轴向断层、矢状位与冠状位方向的感兴趣区域的视图；图6为局部骨伽马断层图像与CT断层图像进行融合显示的图像，图6(a)(b)(c)分别与图5(a)(b)(c)的方向及空间坐标位置相同。
优选的，在步骤S1中，采用图像分割算法获取CT局部断层图像中骨骼组织的三维体数据模板。
通过图像分割算法获取CT局部断层图像中三维骨骼CT图像，图像分割算法为将图像分成若干个特定的、具有独特性质的区域并提出感兴趣目标的技术和过程，三维骨骼CT图像模板为骨骼组织的三维体数据模板。
优选的，在步骤S2中，对所述三维骨骼CT图像模板按临床采集角度方向进行模拟计算，生成局部二维骨伽马平片图像模板。
由于在SPECT(Single-Photon Emission Computed Tomography，单光子发射计算机断层成像术)对患者全身进行扫描时，会采集出患者的全身骨伽马前位与后位两幅平片图像，因此，将此两幅平面图像通过模拟计算，即可生成局部的二维骨伽马平片图像模板。
优选的，所述全身骨伽马平片图像通过SPECT显像对患者的全身骨扫描获得。
SPECT显像是借助于单光子核素标记药物来实现体内功能和代谢显像的仪器，采用SPECT显像能较高特异性地显示脏器或病变的血流、功能和代谢的改变，有利于疾病的早期诊断及特异性诊断。
实施例2
一种骨断层图像重建***，包括三维骨骼CT图像模板获取模块、二维骨伽马平片图像模板生成模块、局部骨伽马平片图像匹配模块、感兴趣区域覆盖模块、重建衰减模块和融合模块；
三维骨骼CT图像模板获取模块：用于获取CT局部断层图像中三维骨骼CT图像模板；
二维骨伽马平片图像模板生成模块：用于根据三维骨骼CT图像模板生成局部二维骨伽马平片图像模板；
局部骨伽马平片图像匹配模块：用于在全身骨伽马平片图像中搜索与局部二维骨伽马平片图像模板最匹配的局部骨伽马平片图像；
感兴趣区域覆盖模块：用于根据全身骨伽马平片采集图像与局部二维骨伽马平片图像模板的匹配程度，对三维骨骼CT图像模板的尺寸和范围采用图像形态学算法微调，使局部二维骨伽马平片图像模板覆盖全身骨伽马平片图像的感兴趣区域；
重建衰减模块：用于将调整后的三维骨骼CT图像模板作为图像的初始估计与先验信息，将局部骨伽马平片图像输入迭代图像重建算法，并通过三维骨骼CT图像模板进行衰减校正，得出定量的局部骨伽马断层图像；
融合模块：用于将得到的局部骨伽马断层图像与CT断层图像进行融合显示。
通过本发明的基于全身骨伽马平片扫描图像与CT局部断层图像实现骨断层图像重建的***，融合后可以达到与常规SPECT断层采集和重建获得的断层图像质量接近的水平，便于医生更加直观的进行分析和诊断，对于部分患者的临床检查，避免了额外的断层采集，提高了效率。
优选的，所述三维骨骼CT图像模板获取模块采用图像分割算法获取CT局部断层图像中骨骼组织的三维骨骼CT图像模板。
通过图像分割算法获取获取CT局部断层图像中三维骨骼CT图像，图像分割算法为将图像分成若干个特定的、具有独特性质的区域并提出感兴趣目标的技术和过程，三维骨骼CT图像模板为骨骼组织的三维体数据模板。
优选的，所述二维骨伽马平片图像模板生成模块具体用于根据伽马平片数据采集的数学模型，将所述骨骼组织的三维体数据模板按临床采集角度方向进行模拟计算，生成局部二维骨伽马平片图像模板。
由于在SPECT(Single-Photon Emission Computed Tomography，单光子发射计算机断层成像术)对患者全身进行扫描时，会采集出患者的全身骨伽马前位与后位两幅平片图像，因此，将此两幅平面图像通过模拟计算，即可生成局部的二维骨伽马平片图像模板。
优选的，所述全身骨伽马平片图像通过SPECT显像对患者的全身骨扫描获得。
SPECT显像是借助于单光子核素标记药物来实现体内功能和代谢显像的仪器，采用SPECT显像能较高特异性地显示脏器或病变的血流、功能和代谢的改变，有利于疾病的早期诊断及特异性诊断。
以上结合具体实施例描述了本发明的技术原理。这些描述只是为了解释本发明的原理，而不能以任何方式解释为对本发明保护范围的限制。基于此处的解释，本领域的技术人员不需要付出创造性的劳动即可联想到本发明的其它具体实施方式，这些方式都将落入本发明的保护范围之内。

Claims (8)

1.一种骨断层图像重建方法，其特征在于，包括以下步骤：
S1：获取CT局部断层图像中三维骨骼CT图像模板；
S2：根据三维骨骼CT图像模板生成局部二维骨伽马平片图像模板；
S3：在全身骨伽马平片图像中搜索与局部二维骨伽马平片图像模板最匹配的局部骨伽马平片图像；
S4：根据全身骨伽马平片采集图像与局部二维骨伽马平片图像模板的匹配程度，对三维骨骼CT图像模板的尺寸和范围采用图像形态学算法微调，使局部二维骨伽马平片图像模板覆盖全身骨伽马平片图像的感兴趣区域；
S5：将调整后的三维骨骼CT图像模板作为图像的初始估计与先验信息，将局部骨伽马平片图像输入迭代图像重建算法，并通过三维骨骼CT图像模板进行衰减校正，得出定量的局部骨伽马断层图像；
S6：将得到的局部骨伽马断层图像与CT断层图像进行融合显示。
2.根据权利要求1所述的一种骨断层图像重建方法，其特征在于，在步骤S1中，采用图像分割算法获取CT局部断层图像中骨骼组织的三维体数据模板。
3.根据权利要求1所述的一种骨断层图像重建方法，其特征在于，在步骤S2中，对所述三维骨骼CT图像模板按临床采集角度方向进行模拟计算，生成局部二维骨伽马平片图像模板。
4.根据权利要求1所述的一种骨断层图像重建方法，其特征在于，所述全身骨伽马平片图像通过SPECT显像对患者的全身骨扫描获得。
5.一种骨断层图像重建***，其特征在于，包括三维骨骼CT图像模板获取模块、二维骨伽马平片图像模板生成模块、局部骨伽马平片图像匹配模块、感兴趣区域覆盖模块、重建衰减模块和融合模块；
三维骨骼CT图像模板获取模块：用于获取CT局部断层图像中三维骨骼CT图像模板；
二维骨伽马平片图像模板生成模块：用于根据三维骨骼CT图像模板生成局部二维骨伽马平片图像模板；
局部骨伽马平片图像匹配模块：用于在全身骨伽马平片图像中搜索与局部二维骨伽马平片图像模板最匹配的局部骨伽马平片图像；
感兴趣区域覆盖模块：用于根据全身骨伽马平片采集图像与局部二维骨伽马平片图像模板的匹配程度，对三维骨骼CT图像模板的尺寸和范围采用图像形态学算法微调，使局部二维骨伽马平片图像模板覆盖全身骨伽马平片图像的感兴趣区域；
重建衰减模块：用于将调整后的三维骨骼CT图像模板作为图像的初始估计与先验信息，将局部骨伽马平片图像输入迭代图像重建算法，并通过三维骨骼CT图像模板进行衰减校正，得出定量的局部骨伽马断层图像；
融合模块：用于将得到的局部骨伽马断层图像与CT断层图像进行融合显示。
6.根据权利要求5所述的一种骨断层图像重建***，其特征在于，所述三维骨骼CT图像模板获取模块采用图像分割算法获取CT局部断层图像中骨骼组织的三维骨骼CT图像模板。
7.根据权利要求5所述的一种骨断层图像重建***，其特征在于，所述二维骨伽马平片图像模板生成模块具体用于根据伽马平片数据采集的数学模型，将所述骨骼组织的三维体数据模板按临床采集角度方向进行模拟计算，生成局部二维骨伽马平片图像模板。
8.根据权利要求5所述的一种骨断层图像重建***，其特征在于，所述全身骨伽马平片图像通过SPECT显像对患者的全身骨扫描获得。
CN201910257289.8A 2019-04-01 2019-04-01 一种骨断层图像重建方法及*** Active CN110264559B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910257289.8A CN110264559B (zh) 2019-04-01 2019-04-01 一种骨断层图像重建方法及***

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910257289.8A CN110264559B (zh) 2019-04-01 2019-04-01 一种骨断层图像重建方法及***

Publications (2)

Publication Number Publication Date
CN110264559A true CN110264559A (zh) 2019-09-20
CN110264559B CN110264559B (zh) 2021-02-19

Family

ID=67913085

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910257289.8A Active CN110264559B (zh) 2019-04-01 2019-04-01 一种骨断层图像重建方法及***

Country Status (1)

Country Link
CN (1) CN110264559B (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109646035A (zh) * 2019-01-04 2019-04-19 北京永新医疗设备有限公司 骨断层图像重建方法及***
CN111557732A (zh) * 2020-05-06 2020-08-21 重庆市九龙坡区中医院 一种足弓影像模型重建方法
CN111728627A (zh) * 2020-06-02 2020-10-02 北京昆仑医云科技有限公司 辅助诊断方法和辅助诊断装置
CN112102339A (zh) * 2020-09-21 2020-12-18 四川大学 一种基于图集配准的全身骨显像骨骼分割方法
CN112381741A (zh) * 2020-11-24 2021-02-19 佛山读图科技有限公司 基于spect数据采样与噪声特性的断层图像重建方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106204511A (zh) * 2016-07-15 2016-12-07 西安交通大学第附属医院 一种二维图像与ct、mr图像的三维融合方法
CN107945278A (zh) * 2017-12-14 2018-04-20 桂林电子科技大学 一种生物体结构的三维重构与有限元分析方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106204511A (zh) * 2016-07-15 2016-12-07 西安交通大学第附属医院 一种二维图像与ct、mr图像的三维融合方法
CN107945278A (zh) * 2017-12-14 2018-04-20 桂林电子科技大学 一种生物体结构的三维重构与有限元分析方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
吴涛: "CT扫描在肿瘤患者SPECT全身骨显像诊断中的增益价值", 《中国中西医结合影像学杂志》 *
张欣韵等: "足踝慢性疼痛SPECT/CT断层骨显像融合图像特征", 《中国医学影像技术》 *
高桂珠等: "SPECT/CT同机图像融合诊断股骨头缺血性坏死", 《中国骨与关节损伤杂志》 *

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109646035A (zh) * 2019-01-04 2019-04-19 北京永新医疗设备有限公司 骨断层图像重建方法及***
CN109646035B (zh) * 2019-01-04 2022-04-22 北京永新医疗设备有限公司 骨断层图像重建方法及***
CN111557732A (zh) * 2020-05-06 2020-08-21 重庆市九龙坡区中医院 一种足弓影像模型重建方法
CN111557732B (zh) * 2020-05-06 2023-05-26 重庆市九龙坡区中医院 一种足弓影像模型重建方法
CN111728627A (zh) * 2020-06-02 2020-10-02 北京昆仑医云科技有限公司 辅助诊断方法和辅助诊断装置
CN112102339A (zh) * 2020-09-21 2020-12-18 四川大学 一种基于图集配准的全身骨显像骨骼分割方法
CN112102339B (zh) * 2020-09-21 2023-07-07 四川大学 一种基于图集配准的全身骨显像骨骼分割方法
CN112381741A (zh) * 2020-11-24 2021-02-19 佛山读图科技有限公司 基于spect数据采样与噪声特性的断层图像重建方法

Also Published As

Publication number Publication date
CN110264559B (zh) 2021-02-19

Similar Documents

Publication Publication Date Title
Shi et al. Deep learning-based attenuation map generation for myocardial perfusion SPECT
US9342885B2 (en) Method of generating a multi-modality anatomical atlas
CN110264559A (zh) 一种骨断层图像重建方法及***
Segars et al. 4D XCAT phantom for multimodality imaging research
Basu et al. Novel quantitative techniques for assessing regional and global function and structure based on modern imaging modalities: implications for normal variation, aging and diseased states
US11189374B2 (en) Method and system for calculating SUV normalization coefficient in a SPECT quantitative tomographic image
US10803354B2 (en) Cross-modality image synthesis
US20150043774A1 (en) Automatic Planning For Medical Imaging
US20030233039A1 (en) Physiological model based non-rigid image registration
US20220207791A1 (en) Method and system for generating attenuation map from spect emission data
US8588498B2 (en) System and method for segmenting bones on MR images
CN111915696A (zh) 三维图像数据辅助的低剂量扫描数据重建方法及电子介质
US20100284598A1 (en) Image registration alignment metric
CN109961419B (zh) 对pet活度分布图像进行衰减校正的校正信息获取方法
US9675311B2 (en) Follow up image acquisition planning and/or post processing
CN112950595B (zh) 一种基于spect成像的人体部位切分方法及***
US8391573B2 (en) Method and apparatus for motion correcting medical images
CN114943714A (zh) 医学图像处理***、装置、电子设备及存储介质
Li et al. Pulmonary CT image registration and warping for tracking tissue deformation during the respiratory cycle through 3D consistent image registration
US11495346B2 (en) External device-enabled imaging support
US11317875B2 (en) Reconstruction of flow data
JP4997575B2 (ja) 減弱係数マップ作成装置、減弱係数マップ作成方法およびプログラム
CN115300809A (zh) 图像处理方法及装置、计算机设备和存储介质
EP2711738A1 (en) A method and a device to generate virtual X-ray computed tomographic image data
Rodríguez Colmeiro et al. Towards a whole body [18 F] FDG positron emission tomography attenuation correction map synthesizing using deep neural networks

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