CN110458913B - 一种多阈值分割ct图像校正图像重建中骨硬化伪影的方法 - Google Patents
一种多阈值分割ct图像校正图像重建中骨硬化伪影的方法 Download PDFInfo
- Publication number
- CN110458913B CN110458913B CN201910738421.7A CN201910738421A CN110458913B CN 110458913 B CN110458913 B CN 110458913B CN 201910738421 A CN201910738421 A CN 201910738421A CN 110458913 B CN110458913 B CN 110458913B
- Authority
- CN
- China
- Prior art keywords
- image
- bone
- projection data
- orthographic projection
- hardening
- 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.)
- Active
Links
Images
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
- G06T11/008—Specific post-processing after tomographic reconstruction, e.g. voxelisation, metal artifact correction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2211/00—Image generation
- G06T2211/40—Computed tomography
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2211/00—Image generation
- G06T2211/40—Computed tomography
- G06T2211/421—Filtered back projection [FBP]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
本发明公开了一种多阈值分割CT图像校正图像重建中骨硬化伪影的方法,即:由原始扫描数据P0重建生成原始图像I0和最大FOV图像I1;对重建的最大FOV图像I1进行多阈值分割,得到n幅不同CT值范围的骨图像Ik;对n幅骨图像Ik进行正投影获得各骨图像正投影数据Pk;对各骨图像正投影数据Pk和最大FOV图像I1的正投影数据进行拟合、加权处理,得到补偿图像的投影数据P;根据最终补偿项投影数据P重建最大FOV的骨硬化补偿图像I2;将重建最大FOV的骨硬化补偿图像I2图像转化为与原始图像I0大小相同的骨硬化补偿图像I3;将骨硬化补偿图像I3与原始图像I0相加得到骨硬化校正后的目标图像。本发明有效地校正骨硬化伪影,确保图像质量,保证临床诊断的准确性。
Description
技术领域
本发明涉及一种校正CT图像重建中骨硬化伪影的方法,具体地说,本发明涉及一种通过多阈值分割CT图像校正CT图像重建中骨硬化伪影的方法。本发明属于医学图像处理技术领域。
背景技术
在CT设备中,球管(即光源)和探测器是其最主要的构成部件,球管发射X射线(即X光)全程覆盖设定的扫描范围;探测器扫描设定范围,采集患者的投影数据,最后重建得到所需厚度的患者断层图像。
在CT机成像***中,CT图像重建算法是基于假设球管发射的X光为单能谱光,在单能谱情况下,X光的射线强度随被扫描物体的厚度遵循Beer定律衰减;然而,在实际应用中CT机球管发射的X光是多能谱光,这样就出现同一种材料对于不同能量的X光子吸收系数不同,低能X光子比高能X光子更易被大多数材料吸收,因此,当X光穿过人体组织后,X光中的高能成分比例增加,随着X光穿透的厚度增加,X光的频谱分布峰值向高能方向移动,从而使得高能X光子更容易穿透,即出现了射束硬化现象。由于射线硬化引起实际的CT重建图像与理想重建结果之间的差异,在重建图像中会导致强度呈杯状,这种杯状伪影酷似某种病例特征,从而会导致医生误诊!
为了减小CT图像重建中硬化伪影的影响,通常需要通过软硬件结合的方式解决。在硬件方面增加平板过滤器先滤掉低能X光谱,以减弱射线硬化的影响。对于CT机来说,仅仅通过增加平板过滤器还不能满足临床的需求,同时,还需要通过软件进行校正,利用水模模拟人体扫描衰减特性,通过实际测得水模投影数据和理想水模正投影结果的差异,求得硬化补偿的拟合系数,对扫描人体的投影数据进行拟合修正校正硬化伪影。
另外,由于射线穿过不同密度的物体衰减的程度不同,密度大的物体对射线更易被吸收,因此,在CT扫描过程中,射线穿过高密度物体后射线更容易***。人体骨骼的密度相对较高,在扫描含有大量骨骼的部位,引起的硬化伪影较明显。当对头部进行扫描时,通常有两类伪影,一个是致密物体之间的暗色条带,这是由穿过一个物体的射线与穿过多个物体的射线之间的差异造成的,阴影伪像主要沿着链接这些物体的路径分布;另一类伪影是退化的骨脑界面,界面的软组织区域的图像CT值被抬高,产生一个模糊的边界。这样的伪影会影响医生确诊脑出血或水肿等相关病变。
对于骨硬化伪影的软件校正方法通常是在目标图像中提取骨骼图像进行正投影,对骨的正投影数据进行拟合得到骨硬化引起的误差投影数据,利用误差数据采用与目标图像相同重建参数进行重建获得骨硬化引起的误差图像,利用误差图像补偿目标图像进而获取校正后的图像。
这种通过软件校正的方法存在的缺陷是:当偏心建像或重建FOV小于实际扫描部位覆盖的范围,重建CT图像时,使得重建的CT图像中只包含了一部分实际扫描中的骨骼,进而拟合骨骼投影误差数据只包含了部分骨骼硬化误差,再进行反投影得到的不是真实的骨伪影补偿信息,从而造成骨硬化伪影去除不干净或引入新的伪影。为了解决这个问题,专利号为201110455891的专利“一种CT图像重建中骨硬化伪影的校正方法”中采用大FOV重建目标图像,在目标图像中校正骨伪影,上述缺陷可以得到解决。
实际上,通常的骨硬化伪影校正方法除存在上述缺陷外还存在另外一个严重的缺陷,即:在拟合骨伪影补偿项时没有考虑不同密度骨头对硬化影响的差异。不同患者、不同扫描部位、甚至对于同一个患者同一个扫描部位的不同层面硬化伪影校正的效果也存在差异,如果不考虑其差异可能造成有的层面硬化伪影校正的不足仍然存在没有校正掉的硬化伪影,或有的层面校正过度带来新的伪影,或有的部位校正的不足还有硬化伪影留存,或有的部位校正过度带来新的伪影,或同一个部位同一个层面有的患者的图像校正的不足还有硬化伪影存在,或有的患者的图像校正的过度带来新的伪影等问题。
发明内容
为了解决现有技术中存在的上述问题,本发明的目的是提供一种多阈值分割CT图像校正图像重建中骨硬化伪影的方法。该方法根据多个阈值区间分割人体骨骼图像,不同CT值范围内的骨骼图像分别投影,根据不同骨骼密度的影响程度不同,加不同的权重进行拟合补偿,校正骨硬化伪影。
为实现上述目的,本发明采用以下技术方案:一种多阈值分割CT图像校正图像重建中骨硬化伪影的方法,它包括如下步骤:
S1:由原始扫描数据P0重建生成没有进行骨硬化校正的原始图像I0;
S2:由原始扫描数据P0重建***支持的最大扫描范围图像I1,简称最大FOV图像I1,
S3:将重建的最大FOV图像I1中的骨骼根据n个不同阈值区间划分,得到n幅不同CT值范围的骨图像Ik,图像提取如下:
其中:n为骨骼分割区间的总数;k为选择的第k个阈值,k∈[1,n]自然数;Clk,Chk分别为第k个阈值区间的上下限;xij为原始图像I0第i行j列对应的CT值;yij为根据第k个阈值提取得到的第k幅骨图像Ik(k=1…n)的第i行j列对应的CT值;
S4:分别对获得的n幅骨图像Ik(k=1…n)进行正投影,获得各骨图像正投影数据Pk(k=1…n);
S7:根据最终补偿项投影数据P重建最大FOV的骨硬化补偿图像I2;
S8:根据选择的建像条件,将重建最大FOV的骨硬化补偿图像I2图像转化为与原始图像I0大小相同的骨硬化补偿图像I3;
S9:将骨硬化补偿图像I3与原始图像I0相加得到骨硬化校正后的目标图像。
在本发明较佳实施例中,所述步骤S3中的骨骼分割区间总数n的取值范围为3-5。
其中:k表示第k个阈值,k∈[1,n]自然数;Pk为第k个骨图像的正投影数据;Pfk为第k个骨图像的正投影数据拟合的结果;为最大FOV图像I1的正投影数据,ak,bk,ck分别为骨投影数据二次项系数、骨投影与最大FOV图像I1投影乘积项系数以及常数项系数,ak,bk,ck取值范围在10e-7~10e-5之间;
其中:P为最终补偿项的投影数据,k表示第k个阈值,k∈[1,n];n为骨骼分割区间的总数;Pfk为第k个骨图像的正投影数据二次项拟合的结果;mk为拟合结果的加权系数,mk等于第k个划分区间范围内骨头占总体骨头的比例值。
在本发明较佳实施例中,在对步骤S3处理得到的n幅不同CT值范围的骨图像Ik进行正投影之前,进行5×5平滑滤波处理,得到平滑后的骨图像Imk(k=1…n)后,再进行正投影,得到各骨图像正投影数据Pk(k=1…n)。
附图说明
图1是本发明多阈值分割CT图像校正骨硬化伪影的方法流程图;
图2为根据原始扫描数据重建的人体头部原始图像;
图3为根据原始扫描数据重建的人体头部最大FOV图像;
图4为CT值分布在100—500之间的人体头骨分割图;
图5为CT值分布在500—900之间的人体头骨分割图;
图6为CT值分布在大于900的人体头骨分割图;
图7为重建的人体头部最大FOV骨硬化补偿图像;
图8为与原始图像建像条件相同的人体头部最大FOV骨硬化补偿图像;
图9为骨硬化伪影校正后的重建的人体头部图像。
具体实施方式
下面结合附图和实施例对本发明的结构及特征进行详细说明。需要说明的是,可以对此处公开的实施例做出各种修改,因此,说明书中公开的实施例不应该视为对本发明的限制,而仅是作为实施例的范例,其目的是使本发明的特征显而易见。
人体不同部位骨骼的密度不同,不同部位成像骨头的CT值范围不同,所以,同一个人其成像骨头的CT值范围比较大,通常成像骨头的CT值分布从几百到几千。另外,不同人以及同一个人不同部位的骨骼密度不同,不同骨骼密度对骨硬化的影响不同,如果利用单一阈值划分CT图像重建中的骨硬化伪影造成的结果为:有时骨硬化伪影校正的不足,有时过校正。本发明提出一种多阈值分割CT图像校正图像重建中骨硬化伪影的方法,一方面更有效地校正CT图像骨硬化伪影;另一方面有效地克服不同患者、不同部位骨骼的骨骼密度不同对骨硬化校正效果的影响。
为实现本发明的发明目的,本发明提出了一种多阈值分割CT图像校正图像重建中骨硬化伪影的方法,如图1所示,该方法包括如下步骤:
S1:由原始扫描数据P0重建生成没有进行骨硬化校正的原始图像I0。
图2为根据原始扫描数据重建的人体头部原始图像。
S2:由原始扫描数据P0重建***支持的最大扫描范围图像I1(简称最大FOV图像I1),如图3所示。
该图像重建视野为CT机所支持的最大扫描视野,重建卷积核为临床所选择的标准卷积核,建像中心为CT机扫描中心,建像矩阵为建像软件支持的最大矩阵。
重建最大FOV图像I1是为了克服偏心建像或重建的FOV图像小于实际扫描部位覆盖的范围,避免重建图像只包含了一部分实际扫描中的骨骼,进而拟合骨骼投影误差数据只包含了部分骨骼硬化误差,再进行反投影得到的不是真实的骨伪影补偿信息,从而造成骨硬化伪影去除不干净或引入新的伪影。
S3:将重建的最大FOV图像I1中的骨骼根据n个不同阈值区间划分,得到n幅不同CT值范围的骨图像Ik,图像提取如下:
其中:n为骨骼分割区间的总数;k为选择的第k个阈值,k∈[1,n]自然数;Clk,Chk分别为第k个阈值区间的上下限;xij为原始图像I0第i行j列对应的CT值;yij为根据第k个阈值提取得到的第k幅骨图像Ik(k=1…n)的第i行j列对应的CT值。
CT机球管发射的X射线穿过不同密度的物体衰减的程度不同,因此,X射线穿过不同密度的物体后能谱分布的改变不同,即X射线穿过不同密度的骨头时对射线硬化程度影响不同,为了更精准的拟合射线通过骨头的造成的射线硬化影响,本发明采用的是多阈值分割骨头,分别拟合不同密度骨头对射线硬化的影响,更精准的估计出射线硬化影响,减小由于骨头密度不同引起的误差。骨头的密度区间划分的越小(即n的取值越大)拟合的结果越精确,同时,考虑到计算量的问题,本发明推荐n的取值范围为3-5。
如图4所示为CT值分布在100—500之间的人体头骨分割图;如图5所示为CT值分布在500—900之间的人体头骨分割图;如图6所示为CT值分布在大于900的人体头骨分割图。
S4:分别对获得的n幅骨图像Ik(k=1…n)进行5×5平滑滤波处理得到平滑后的骨图像Imk(k=1…n)。
平滑滤波的目的是防止骨骼图像边缘处正投影后的拟合曲线有突变点,在进行滤波反投影生成误差图像时引入新的伪影。
S5:分别对平滑滤波后的骨图像Imk(k=1…n)进行正投影,获得各骨图像正投影数据Pk(k=1…n),骨图像正投影选择的参数要与CT实际扫描过程中的参数一致。
其中:k表示第k个阈值,k∈[1,n]自然数;Pk为第k个骨图像的正投影数据;Pfk为第k个骨图像的正投影数据拟合的结果;为最大FOV图像I1的正投影数据,ak,bk,ck分别为骨投影数据二次项系数、骨投影与最大FOV图像I1投影乘积项系数以及常数项系数,ak,bk,ck取值范围在10e-7~10e-5之间。
人体在进行CT扫描过程中,射线穿过骨头的同时也穿过软组织,在射线穿过软组织也会引起射线能谱分布的改变,因此,为了更准确的估计骨硬化伪影,不但要考虑不同骨头密度的影响,同时要考虑射线穿过软组织的影响,为此,为了更精准的估计骨伪影的影响在采用多阈值分割后的骨头投影数据和包括软组织投影数据拟合硬化伪影补偿投影值。
其中:P为最终补偿项的投影数据,k表示第k个阈值,k∈[1,n];n为骨骼分割区间的总数,n为3-5的自然数;Pfk为第k个骨图像的正投影数据二次项拟合的结果;mk为拟合结果的加权系数,利用第k个划分区间范围内骨头占总体骨头比例值确定mk的取值。
S9:根据最终补偿项投影数据P重建最大FOV的骨硬化补偿图像I2,如图7所示。
S10:根据选择的建像条件,将重建最大FOV的骨硬化补偿图像I2图像转化为与原始图像I0大小相同的骨硬化补偿图像I3,如图8所示。
S11:将骨硬化补偿图像I3与原始图像I0相加得到骨硬化校正后的目标图像,如图9所示。
本发明的发明点在于,考虑到不同患者以及同一患者不同扫描部位的骨骼密度不同,不同骨骼密度对骨硬化影响的不同,设定多个不同阈值区间分割CT图像,提取多个不同CT值范围的骨骼图像,然后分别进行正投影,进行多项式拟合,加不同的权重求和得到最终的拟合结果,将最终正投影的拟合结果进行滤波反投影得到硬化伪影的修正图像,硬化伪影修正图像与原始图像求和得到最终的校正后的CT图像。
本发明的优点在于:不仅可以更有效地校正骨硬化伪影,同时克服了由于不同患者和不同扫描部位骨骼密度差异对骨硬化校正的影响,确保图像质量,保证临床诊断的准确性。
最后应说明的是:以上所述的各实施例仅用于说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述实施例所记载的技术方案进行修改,或者对其中部分或全部技术特征进行等同替换;而这些修改或替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (4)
1.一种多阈值分割CT图像校正图像重建中骨硬化伪影的方法,其特征在于:它包括如下步骤:
S1:由原始扫描数据P0重建生成没有进行骨硬化校正的原始图像I0;
S2:由原始扫描数据P0重建***支持的最大扫描范围图像I1,简称最大FOV图像I1,
S3:将重建的最大FOV图像I1中的骨骼根据n个不同阈值区间划分,得到n幅不同CT值范围的骨图像Ik,图像提取如下:
其中:n为骨骼分割区间的总数;k为选择的第k个阈值,k∈[1,n]自然数;Clk,Chk分别为第k个阈值区间的上下限;xij为原始图像I0第i行j列对应的CT值;yij为根据第k个阈值提取得到的第k幅骨图像Ik(k=1…n)的第i行j列对应的CT值;
S4:分别对获得的n幅骨图像Ik(k=1…n)进行正投影,获得各骨图像正投影数据Pk(k=1…n);
S7:根据最终补偿项投影数据P重建最大FOV的骨硬化补偿图像I2;
S8:根据选择的建像条件,将重建最大FOV的骨硬化补偿图像I2图像转化为与原始图像I0大小相同的骨硬化补偿图像I3;
S9:将骨硬化补偿图像I3与原始图像I0相加得到骨硬化校正后的目标图像。
2.根据权利要求1所述的一种多阈值分割CT图像校正图像重建中骨硬化伪影的方法,其特征在于:所述步骤S3中的骨骼分割区间总数n的取值范围为3-5。
3.根据权利要求1所述的一种多阈值分割CT图像校正图像重建中骨硬化伪影的方法,其特征在于:所述步骤S6对各骨图像正投影数据Pk和最大FOV图像I1的正投影数据PI1进行拟合、加权处理,得到补偿图像的投影数据P的方法:
其中:k表示第k个阈值,k∈[1,n]自然数;Pk为第k个骨图像的正投影数据;Pfk为第k个骨图像的正投影数据拟合的结果;为最大FOV图像I1的正投影数据,ak,bk,ck分别为骨投影数据二次项系数、骨投影与最大FOV图像I1投影乘积项系数以及常数项系数,ak,bk,ck取值范围在10e-7~10e-5之间;
其中:P为最终补偿项的投影数据,k表示第k个阈值,k∈[1,n];n为骨骼分割区间的总数;Pfk为第k个骨图像的正投影数据二次项拟合的结果;mk为拟合结果的加权系数,mk等于第k个划分区间范围内骨头占总体骨头的比例值。
4.根据权利要求3所述的一种多阈值分割CT图像校正图像重建中骨硬化伪影的方法,其特征在于:在对步骤S3处理得到的n幅不同CT值范围的骨图像Ik进行正投影之前,进行5×5平滑滤波处理,得到平滑后的骨图像Imk(k=1…n)后,再进行正投影,得到各骨图像正投影数据Pk(k=1…n)。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910738421.7A CN110458913B (zh) | 2019-08-12 | 2019-08-12 | 一种多阈值分割ct图像校正图像重建中骨硬化伪影的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910738421.7A CN110458913B (zh) | 2019-08-12 | 2019-08-12 | 一种多阈值分割ct图像校正图像重建中骨硬化伪影的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110458913A CN110458913A (zh) | 2019-11-15 |
CN110458913B true CN110458913B (zh) | 2022-12-09 |
Family
ID=68485847
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910738421.7A Active CN110458913B (zh) | 2019-08-12 | 2019-08-12 | 一种多阈值分割ct图像校正图像重建中骨硬化伪影的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110458913B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111754436B (zh) * | 2020-06-24 | 2024-05-03 | 上海联影医疗科技股份有限公司 | 医学图像伪影校正的加速方法、计算机设备和存储介质 |
CN112562030A (zh) * | 2020-12-08 | 2021-03-26 | 赛诺威盛科技(北京)有限公司 | 图像重建方法、装置和电子设备 |
CN112914729A (zh) * | 2021-03-25 | 2021-06-08 | 江苏集萃复合材料装备研究所有限公司 | 智能辅助定位骨科手术机器人***及其操作方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103186883A (zh) * | 2011-12-29 | 2013-07-03 | 上海联影医疗科技有限公司 | 一种ct图像重建中骨硬化伪影的校正方法 |
CN103366389A (zh) * | 2013-04-27 | 2013-10-23 | 中国人民解放军北京军区总医院 | Ct图像重建方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106551702B (zh) * | 2015-09-30 | 2021-05-14 | 通用电气公司 | Ct图像的射束硬化伪影校正装置及方法 |
-
2019
- 2019-08-12 CN CN201910738421.7A patent/CN110458913B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103186883A (zh) * | 2011-12-29 | 2013-07-03 | 上海联影医疗科技有限公司 | 一种ct图像重建中骨硬化伪影的校正方法 |
CN103366389A (zh) * | 2013-04-27 | 2013-10-23 | 中国人民解放军北京军区总医院 | Ct图像重建方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110458913A (zh) | 2019-11-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US6891918B2 (en) | Methods and apparatus for acquiring perfusion data | |
US7391844B2 (en) | Method and apparatus for correcting for beam hardening in CT images | |
US8218715B2 (en) | Methods and systems to facilitate correcting gain fluctuations in iterative image reconstruction | |
CN110811660B (zh) | 一种校正ct射线束硬化伪影的方法 | |
US8144829B2 (en) | Cone-beam CT imaging scheme | |
US20210056688A1 (en) | Using deep learning to reduce metal artifacts | |
CN110458913B (zh) | 一种多阈值分割ct图像校正图像重建中骨硬化伪影的方法 | |
US20090074278A1 (en) | Method and apparatus for metal artifact reduction in computed tomography | |
JP6492005B2 (ja) | X線ct装置、再構成演算装置、及び再構成演算方法 | |
US7747057B2 (en) | Methods and apparatus for BIS correction | |
US20060285737A1 (en) | Image-based artifact reduction in PET/CT imaging | |
US11419566B2 (en) | Systems and methods for improving image quality with three-dimensional scout | |
CN112204607B (zh) | 用于x射线成像的散射校正 | |
EP3404618B1 (en) | Poly-energetic reconstruction method for metal artifacts reduction | |
US20050018889A1 (en) | Systems and methods for filtering images | |
CN115067981A (zh) | 双能ct物质分解方法、装置、***、电子设备及存储介质 | |
Chen et al. | Low dose cone-beam computed tomography reconstruction via hybrid prior contour based total variation regularization (hybrid-PCTV) | |
US11213260B2 (en) | Method and apparatus for correcting cone-beam artifact in cone-beam computed tomography image, and cone-beam computed tomography apparatus including the same | |
CN110840479B (zh) | 一种骨成分确定方法、装置、设备及存储介质 | |
Sai et al. | Reduction of Noise in Medical Imaging Quality | |
KR102399792B1 (ko) | 인공지능 기반 Hounsfield unit (HU) 정규화 및 디노이징 (Denoising)을 통한 전처리 장치 및 방법 | |
Willson | CT and SPECT/CT Artefacts | |
Kwon et al. | Dental panoramic imaging by use of CBCT projection data | |
Ahmad et al. | Optimization of four-dimensional cone-beam computed tomography in image-guided radiation therapy of the lung | |
Martin | Improvements in four-dimensional and dual energy computed tomography |
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 | ||
CB02 | Change of applicant information | ||
CB02 | Change of applicant information |
Address after: 100176 1st floor, building 8, 11 Kangding street, Beijing Economic and Technological Development Zone, Daxing District, Beijing Applicant after: Sinovision Technology (Beijing) Co.,Ltd. Address before: 100176 1st floor, building 8, 11 Kangding street, Beijing Economic and Technological Development Zone, Daxing District, Beijing Applicant before: SAINUO WEISHENG TECHNOLOGY (BEIJING) Co.,Ltd. |
|
GR01 | Patent grant | ||
GR01 | Patent grant |