CN112767265A - 用于ct图像的去金属伪影分割图像校正方法、***及计算机可读存储介质 - Google Patents
用于ct图像的去金属伪影分割图像校正方法、***及计算机可读存储介质 Download PDFInfo
- Publication number
- CN112767265A CN112767265A CN202110029440.XA CN202110029440A CN112767265A CN 112767265 A CN112767265 A CN 112767265A CN 202110029440 A CN202110029440 A CN 202110029440A CN 112767265 A CN112767265 A CN 112767265A
- Authority
- CN
- China
- Prior art keywords
- image
- metal
- segmentation
- segmented
- segmentation image
- 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.)
- Pending
Links
- 239000002184 metal Substances 0.000 title claims abstract description 140
- 238000000034 method Methods 0.000 title claims abstract description 36
- 230000011218 segmentation Effects 0.000 claims abstract description 118
- 210000004872 soft tissue Anatomy 0.000 claims abstract description 47
- 238000012545 processing Methods 0.000 claims abstract description 19
- 238000003709 image segmentation Methods 0.000 claims abstract description 4
- 238000012937 correction Methods 0.000 claims description 31
- 210000000988 bone and bone Anatomy 0.000 claims description 29
- 238000001914 filtration Methods 0.000 claims description 7
- 238000003702 image correction Methods 0.000 claims description 4
- 238000004590 computer program Methods 0.000 claims description 3
- 230000008859 change Effects 0.000 claims description 2
- 238000004422 calculation algorithm Methods 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 210000001519 tissue Anatomy 0.000 description 3
- 230000003044 adaptive effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000747 cardiac effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000007943 implant Substances 0.000 description 1
- 210000004072 lung Anatomy 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 229910001220 stainless steel Inorganic materials 0.000 description 1
- 239000010935 stainless steel Substances 0.000 description 1
- 238000003325 tomography Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 238000007631 vascular surgery Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/80—Geometric correction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/4023—Scaling of whole images or parts thereof, e.g. expanding or contracting based on decimating pixels or lines of pixels; based on inserting pixels or lines of pixels
-
- 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
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- 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]
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
本发明公开了一种用于CT图像的去金属伪影分割图像校正方法、***及计算机可读存储介质,所述方法包括如下步骤:在带有金属伪影的初始分割图像上获取金属分布的感兴趣区域;在所述感兴趣区域内,获取划分有空气和软组织的第一分割图像,在所述第一分割图像中,金属伪影被划分为软组织;获取所述分割图像在金属轨迹上的投影数据,对所述投影数据进行插值处理获取第二分割图像,在所述第二分割图像中,所述第一分割图像中被划分为空气的部分像素点被划分为软组织。本发明在分割图像的基础上,对分割结果进行优化,使亮的和暗的金属伪影能被准确的分割为软组织,从而提高所述第二分割图像的分割精度,使得最终得到的CT图像的质量较高。
Description
技术领域
本发明涉及CT图像处理技术领域,尤其涉及一种用于CT图像的去金属伪影分割图像校正方法、***及计算机可读存储介质。
背景技术
在临床诊疗中,患者体内有时会存在金属植入物,如假牙,心脏起搏器,血管手术后留下的金属夹、金属支架等,固定腰椎和假肢的不锈钢金属等。
CT断层扫描是作为一种常规的医学检查手段,当患者体内有植入金属的时候,在重建图像上产生金属伪影,主要表现为从金属发出的亮的和暗的条纹以及充满图像的细条纹。金属伪影的产生是多种效应的组合,包括射束硬化,散射,低信号及部分容积效应,其中前两者是主要原因。严重的金属伪影会遮盖图像的细节,甚至掩盖病灶,影响医生的临床判断。
目前处理金属伪影的算法主要有:迭代重建,双能扫描,投影域插值,图像域后处理等,其中投影域插值算法(如NMAR)能在金属和软组织边缘获得较好的平滑过渡,处理效果好,且计算效率高,较为临床接受,但结果不准确,亮的和暗的金属伪影将极大的影响分割精度。另有使用复杂度高的分割算法,但计算效率低。再有使用分割校正算法,但校正不全面。
发明内容
为了克服上述技术缺陷,本发明的目的在于提供一种可减少金属伪影的生成和引入的用于CT图像的去金属伪影分割图像校正方法、***及计算机可读存储介质。
本发明公开了一种用于CT图像的去金属伪影分割图像校正方法,包括如下步骤:在带有金属伪影的初始分割图像上获取金属分布的感兴趣区域,所述感兴趣区域为距离金属预设距离的区域;调整所述感兴趣区域内用于划分空气、软组织和骨头的阈值,获取划分有空气、软组织、骨头的第一分割图像;获取所述第一分割图像在金属轨迹上的投影数据,对所述投影数据进行插值处理获取第二分割图像;将所述第二分割图像与所述初始分割图像进行对比,获取校正标准,应用所述校正标准对所述初始分割图像进行校正获取最终分割图像。
优选地,所述获取所述第一分割图像在金属轨迹上的投影数据,对所述投影数据进行插值处理获取第二分割图像还包括:对进行所述插值处理后的所述投影数据进行滤波反投影重建;对所述重建图像进行图像分割获取所述第二分割图像。
优选地,所述金属周围距离最近的金属距离小于T,T=coeff×r×f1(M)×f2(S),其中,r为所述感兴趣区域的半径,r=f3(N),M为金属的CT值属性,S为金属像素的方差。
优选地,所述调整所述感兴趣区域内用于划分空气、软组织和骨头的阈值,获取划分有空气、软组织、骨头的第一分割图像包括:所述阈值包括第一亮度阈值和第二亮度阈值,所述第一亮度阈值小于所述第二亮度阈值;小于所述第一亮度阈值的阈值范围为空气划分范围,大于等于所述第一亮度阈值且小于所述第二亮度阈值的阈值范围为软组织划分范围,大于等于所述第二亮度阈值的阈值范围为骨头划分范围;调整所述第一亮度阈值和所述第二亮度阈值,改变所述空气划分范围、所述软组织划分范围和所述骨头划分范围。
优选地,所述在带有金属伪影的初始分割图像上获取金属分布的感兴趣区域包括:将所述初始分割图像划分为金属图像和带有金属伪影的图像,从所述带有金属伪影的图像上获取金属分布的感兴趣区域。
优选地,所述获取所述第一分割图像在金属轨迹上的投影数据包括:对所述金属图像通过正向投影获取金属的投影轨迹;结合所述第一分割图像和所述金属的投影轨迹以获取所述投影数据。
优选地,所述将所述初始分割图像划分为金属图像和带有金属伪影的图像这一步骤之前还包括;获取原始CT图像,通过自适应滤波去除所述原始CT图像中的噪声和部分条状伪影,获取所述初始分割图像。
优选地,所述校正标准包括在所述初始分割图像中被划分为空气、骨头的区域在所述第二分割图像中被划分为软组织。
一种用于CT图像的去金属伪影分割图像校正***,包括分割模块和校正模块;通过所述分割模块在带有金属伪影的初始分割图像上获取金属分布的感兴趣区域,所述感兴趣区域为距离金属预设距离的区域;调整所述感兴趣区域内用于划分空气、软组织和骨头的阈值,获取划分有空气、软组织、骨头的第一分割图像;通过所述校正模块获取所述第一分割图像在金属轨迹上的投影数据,对所述投影数据进行插值处理获取第二分割图像;将所述第二分割图像与所述初始分割图像进行对比,获取校正标准,应用所述校正标准对所述初始分割图像进行校正获取最终分割图像。
一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现上述任一所述的方法的步骤。
采用了上述技术方案后,与现有技术相比,具有以下有益效果:
1.本发明在分割图像的基础上,对分割结果进行优化,使亮的和暗的金属伪影能被准确的分割为软组织,从而提高所述第二分割图像的分割精度,使得最终得到的CT图像的质量较高;而现有技术只处理暗的伪影,将感兴趣区域内的空气直接变为软组织,分割粗糙,不准确;
2.本发明充分利用金属在图像中的位置信息及在投影数据中的轨迹信息,包括大小、分布和属性,计算获取分割伪影的感兴趣区域,以提高分割精度,从而减少金属伪影的生成和引入;而现有技术根据预设的值直接在距离场中划分感兴趣区域,准确度不佳;
附图说明
图1本发明提供了用于CT图像的去金属伪影分割图像校正方法流程图;
图2本发明提供了用于CT图像的去金属伪影分割图像校正方法流程框图;
图3本发明提供了用于CT图像的去金属伪影分割图像校正方法的带有金属伪影的原始图像;
图4本发明提供了用于CT图像的去金属伪影分割图像校正方法的金属分布的感兴趣区域;
图5本发明提供了用于CT图像的去金属伪影分割图像校正方法的第一分割图像;
图6本发明提供了用于CT图像的去金属伪影分割图像校正方法的插值处理后的图像;
图7本发明提供了用于CT图像的去金属伪影分割图像校正方法中对重建结果再次进行分割后得到的图像;
图8本发明提供了用于CT图像的去金属伪影分割图像校正方法的最终分割图像。
具体实施方式
以下结合附图与具体实施例进一步阐述本发明的优点。
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
在本公开使用的术语是仅仅出于描述特定实施例的目的,而非旨在限制本公开。在本公开和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式,除非上下文清楚地表示其他含义。还应当理解,本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
应当理解,尽管在本公开可能采用术语第一、第二、第三等来描述各种信息,但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如,在不脱离本公开范围的情况下,第一信息也可以被称为第二信息,类似地,第二信息也可以被称为第一信息。取决于语境,如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”。
在本发明的描述中,需要理解的是,术语“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。
在本发明的描述中,除非另有规定和限定,需要说明的是,术语“安装”、“相连”、“连接”应做广义理解,例如,可以是机械连接或电连接,也可以是两个元件内部的连通,可以是直接相连,也可以通过中间媒介间接相连,对于本领域的普通技术人员而言,可以根据具体情况理解上述术语的具体含义。
在后续的描述中,使用用于表示元件的诸如“模块”、“部件”或“单元”的后缀仅为了有利于本发明的说明,其本身并没有特定的意义。因此,“模块”与“部件”可以混合地使用。
参见附图1,本发明提供了一种用于CT图像的去金属伪影分割图像校正方法,包括如下步骤:
S1、在带有金属伪影的初始分割图像上获取金属分布的感兴趣区域,感兴趣区域为距离金属预设距离的区域;
S2、调整感兴趣区域内用于划分空气、软组织和骨头的阈值,获取划分有空气、软组织、骨头的第一分割图像;
S3、获取第一分割图像在金属轨迹上的投影数据,对投影数据进行插值处理获取第二分割图像;
S4、将第二分割图像与初始分割图像进行对比,获取校正标准,应用校正标准对初始分割图像进行校正获取最终分割图像。
本发明先在初始分割图像上计算出金属伪影可能的分布区域,即感兴趣区域,接着在感兴趣区域内,通过改变空气和软组织的阈值,使金属造成的暗的和亮的条状伪影在第一分割图像中被分为软组织。此时还存在一些距离金属较近、但CT值极低、甚至接近空气的暗伪影区域不能被正确分割,尤其是在肺部区域,如果直接根据金属的远近将其划分为软组织,很有可能将原本是空气的区域也分割为软组织,此时需要通过插值处理对分割结果进行校正,即在金属的投影上进行插值处理,将受金属影响较大、CT值接近空气的在第一分割图像中被分为空气的暗的伪影和被分为骨头的亮的伪影被分割为软组织,实现对第一分割图像的结果校正,以此获得分割精度较高的CT图像。
较佳地,S3步骤中,对投影数据进行插值处理后的图像参见附图6,还需对该图像进行滤波反投影重建以获取重建图像,参见附图7,对重建结果再次进行分割后可得到在第二分割图像中被划分为软组织,而在第一分割图像中划分为空气的部分,被纠正恢复成软组织的图像。
较佳地,S1步骤中,通过金属的位置、大小、分布和属性来计算感兴趣区域的大小。具体的,在每一张带有金属的图像上,通过阈值分割可得到金属的位置;金属像素点的个数N则表示金属的大小;金属像素点的像素值的均值M则表示金属的CT值属性;金属像素点的像素值的方差S表示金属的密度分布。
感兴趣区域定义为金属周围距离的组织和距离其最近的金属距离,该金属距离小于T的为感兴趣区域。具体的,根据公式T=coeff×r×f1(M)×f2(S)计算获取T,从而获取感兴趣区域。其中,r为感兴趣区域的半径,根据金属像素点的个数N计算获得,r=f3(N),T与r、M、S成正比。
较佳地,S2步骤中,阈值包括第一亮度阈值和第二亮度阈值,第一亮度阈值小于第二亮度阈值。小于第一亮度阈值的阈值范围为空气划分范围,大于等于第一亮度阈值且小于第二亮度阈值的阈值范围为软组织划分范围,大于等于第二亮度阈值的阈值范围为骨头划分范围,通过第一亮度阈值和第二亮度阈值的划分即可实现对空气、骨头、软组织区域的划分。调整第一亮度阈值和第二亮度阈值,改变空气划分范围、软组织划分范围和骨头划分范围。具体的,提高第一亮度阈值,使受金属影响变暗的软组织划分为软组织,提高第二亮度阈值阈值,可使受金属伪影影响变亮的软组织划分为软组织,以此实现第一步的分割校正。
通过各种分割算法,如阈值分割,K-means聚类分割,水平集分割,区域生长等获取第一分割图像。
较佳地,S1步骤中,在获取金属分布的感兴趣区域之前还需将附图3所示的初始分割图像通过聚类的方法划分为金属图像和带有金属伪影的图像,而从带有金属伪影的图像上获取金属分布的感兴趣区域,参见附图4。
进一步地,获取分割图像在金属轨迹上的投影数据具体包括:对初始分割图像划分的金属图像通过正向投影获取金属的投影轨迹,再结合第一分割图像和金属的投影轨迹以获取投影数据。参见附图5,第一分割图像包含不同组织区域,包括骨骼区域、软组织区域、空气区域和金属区域,为后面的插值处理提供更准确的信息。
较佳地,S1步骤中,为了去除原始CT图像中的噪声和部分条状伪影,将初始分割图像划分为金属图像和带有金属伪影的图像这一步骤之前还需对原始CT图像进行图像自适应滤波获取初始分割图像。
较佳地,S4步骤中,校正标准包括在初始分割图像中被划分为空气、骨头的区域在第二分割图像中被划分为软组织。具体的,由于第二分割图像为粗图像,不可直接应用,故需要将第二分割图像与初始分割图像对比后获取的校正标准应用到初始分割图像中以对初始分割图像进行校正获取最终可以直接使用的最终分割图像。第二分割图像中,有的区域在第二分割图像中被划分为软组织而在初始分割图像中被划分为空气、骨头,此时需要在初始分割图像中将该部分进行校正为正确的区域。
参见附图2,本发明首先通过图像自适应滤波进行预处理,得到去除了噪声和部分条状伪影的原始的初始分割图像;然后通过聚类的方法将原始重构图像进行分割,得到金属图像和带有金属伪影的图像。将分割出的金属图像通过正投影得到其在投影域中的位置;接下来根据先前得到的金属图像在投影域中的位置用第一分割图像的投影域数据替代原始的初始分割图像的投影域数据,得到分割图像在金属轨迹上的投影数据,此时获得分割图像的投影数据需要进行校正,通过插值处理进行校正,将经插值处理校正后的投影数据投影数据通过滤波反投影得到第二分割图像。在该分割图像中,恢复了原来在第一分割图像中被划分为空气的部分像素点,使其被划分为正确的软组织。提高分割图像的精度,可校正更多伪影,实现了减少金属伪影的生成和引入的目的。将第二分割图像与初始分割图像进行对比,获取校正标准,应用校正标准对初始分割图像进行校正获取最终分割图像。参见附图8,可见最终分割图像中的金属伪影被明显去除,金属周围组织结构清晰,且没有引入新的伪影。
本发明还提供了一种用于CT图像的去金属伪影分割图像校正***,包括分割模块和校正模块。
通过分割模块在带有金属伪影的初始分割图像上获取金属分布的感兴趣区域,感兴趣区域为距离金属预设距离的区域;调整感兴趣区域内用于划分空气、软组织和骨头的阈值,获取划分有空气、软组织、骨头的第一分割图像。
通过校正模块获取第一分割图像在金属轨迹上的投影数据,对投影数据进行插值处理获取第二分割图像;将第二分割图像与初始分割图像进行对比,获取校正标准,应用校正标准对初始分割图像进行校正获取最终分割图像。
一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现上述任一的方法的步骤。
应当注意的是,本发明的实施例有较佳的实施性,且并非对本发明作任何形式的限制,任何熟悉该领域的技术人员可能利用上述揭示的技术内容变更或修饰为等同的有效实施例,但凡未脱离本发明技术方案的内容,依据本发明的技术实质对以上实施例所作的任何修改或等同变化及修饰,均仍属于本发明技术方案的范围内。
Claims (10)
1.一种用于CT图像的去金属伪影分割图像校正方法,其特征在于,包括如下步骤:
在带有金属伪影的初始分割图像上获取金属分布的感兴趣区域,所述感兴趣区域为距离金属预设距离的区域;
调整所述感兴趣区域内用于划分空气、软组织和骨头的阈值,获取划分有空气、软组织、骨头的第一分割图像;
获取所述第一分割图像在金属轨迹上的投影数据,对所述投影数据进行插值处理获取第二分割图像;
将所述第二分割图像与所述初始分割图像进行对比,获取校正标准,应用所述校正标准对所述初始分割图像进行校正获取最终分割图像。
2.根据权利要求1所述的去金属伪影分割图像校正方法,其特征在于,所述获取所述第一分割图像在金属轨迹上的投影数据,对所述投影数据进行插值处理获取第二分割图像还包括:
对进行所述插值处理后的所述投影数据进行滤波反投影重建;
对所述重建图像进行图像分割获取所述第二分割图像。
3.根据权利要求1所述的去金属伪影分割图像校正方法,其特征在于,所述金属周围距离最近的金属距离小于T,T=coeff×r×f1(M)×f2(S),其中,r为所述感兴趣区域的半径,r=f3(N),M为金属的CT值属性,S为金属像素的方差。
4.根据权利要求1所述的去金属伪影分割图像校正方法,其特征在于,所述调整所述感兴趣区域内用于划分空气、软组织和骨头的阈值,获取划分有空气、软组织、骨头的第一分割图像包括:
所述阈值包括第一亮度阈值和第二亮度阈值,所述第一亮度阈值小于所述第二亮度阈值;小于所述第一亮度阈值的阈值范围为空气划分范围,大于等于所述第一亮度阈值且小于所述第二亮度阈值的阈值范围为软组织划分范围,大于等于所述第二亮度阈值的阈值范围为骨头划分范围;调整所述第一亮度阈值和所述第二亮度阈值,改变所述空气划分范围、所述软组织划分范围和所述骨头划分范围。
5.根据权利要求1所述的去金属伪影分割图像校正方法,其特征在于,所述在带有金属伪影的初始分割图像上获取金属分布的感兴趣区域包括:
将所述初始分割图像划分为金属图像和带有金属伪影的图像,从所述带有金属伪影的图像上获取金属分布的感兴趣区域。
6.根据权利要求5所述的去金属伪影分割图像校正方法,其特征在于,所述获取所述第一分割图像在金属轨迹上的投影数据包括:
对所述金属图像通过正向投影获取金属的投影轨迹;
结合所述第一分割图像和所述金属的投影轨迹以获取所述投影数据。
7.根据权利要求5所述的去金属伪影分割图像校正方法,其特征在于,所述将所述初始分割图像划分为金属图像和带有金属伪影的图像这一步骤之前还包括;
获取原始CT图像,通过自适应滤波去除所述原始CT图像中的噪声和部分条状伪影,获取所述初始分割图像。
8.根据权利要求1所述的去金属伪影分割图像校正方法,其特征在于,所述校正标准包括在所述初始分割图像中被划分为空气、骨头的区域在所述第二分割图像中被划分为软组织。
9.一种用于CT图像的去金属伪影分割图像校正***,其特征在于,包括分割模块和校正模块;
通过所述分割模块在带有金属伪影的初始分割图像上获取金属分布的感兴趣区域,所述感兴趣区域为距离金属预设距离的区域;调整所述感兴趣区域内用于划分空气、软组织和骨头的阈值,获取划分有空气、软组织、骨头的第一分割图像;
通过所述校正模块获取所述第一分割图像在金属轨迹上的投影数据,对所述投影数据进行插值处理获取第二分割图像;将所述第二分割图像与所述初始分割图像进行对比,获取校正标准,应用所述校正标准对所述初始分割图像进行校正获取最终分割图像。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1-8中任一所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110029440.XA CN112767265A (zh) | 2021-01-11 | 2021-01-11 | 用于ct图像的去金属伪影分割图像校正方法、***及计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110029440.XA CN112767265A (zh) | 2021-01-11 | 2021-01-11 | 用于ct图像的去金属伪影分割图像校正方法、***及计算机可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112767265A true CN112767265A (zh) | 2021-05-07 |
Family
ID=75701247
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110029440.XA Pending CN112767265A (zh) | 2021-01-11 | 2021-01-11 | 用于ct图像的去金属伪影分割图像校正方法、***及计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112767265A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113554563A (zh) * | 2021-07-23 | 2021-10-26 | 上海友脉科技有限责任公司 | 一种医学图像处理方法、介质及电子设备 |
WO2024103412A1 (zh) * | 2022-11-18 | 2024-05-23 | 上海联影医疗科技股份有限公司 | 一种金属伪影校正方法和*** |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103679642A (zh) * | 2012-09-26 | 2014-03-26 | 上海联影医疗科技有限公司 | 一种ct图像金属伪影校正方法、装置及ct设备 |
CN104992409A (zh) * | 2014-09-30 | 2015-10-21 | 中国科学院苏州生物医学工程技术研究所 | 一种ct图像的金属伪影校正方法 |
EP3561778A1 (en) * | 2018-04-26 | 2019-10-30 | Promaton Holding B.V. | Automated correction of metal affected voxel representations of x-ray data using deep learning techniques |
CN111402150A (zh) * | 2020-03-09 | 2020-07-10 | 北京灵医灵科技有限公司 | 一种ct图像金属伪影去除方法及装置 |
-
2021
- 2021-01-11 CN CN202110029440.XA patent/CN112767265A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103679642A (zh) * | 2012-09-26 | 2014-03-26 | 上海联影医疗科技有限公司 | 一种ct图像金属伪影校正方法、装置及ct设备 |
CN104992409A (zh) * | 2014-09-30 | 2015-10-21 | 中国科学院苏州生物医学工程技术研究所 | 一种ct图像的金属伪影校正方法 |
EP3561778A1 (en) * | 2018-04-26 | 2019-10-30 | Promaton Holding B.V. | Automated correction of metal affected voxel representations of x-ray data using deep learning techniques |
CN111402150A (zh) * | 2020-03-09 | 2020-07-10 | 北京灵医灵科技有限公司 | 一种ct图像金属伪影去除方法及装置 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113554563A (zh) * | 2021-07-23 | 2021-10-26 | 上海友脉科技有限责任公司 | 一种医学图像处理方法、介质及电子设备 |
CN113554563B (zh) * | 2021-07-23 | 2024-05-14 | 上海友脉科技有限责任公司 | 一种医学图像处理方法、介质及电子设备 |
WO2024103412A1 (zh) * | 2022-11-18 | 2024-05-23 | 上海联影医疗科技股份有限公司 | 一种金属伪影校正方法和*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Gjesteby et al. | Metal artifact reduction in CT: where are we after four decades? | |
Bal et al. | Metal artifact reduction in CT using tissue‐class modeling and adaptive prefiltering | |
Meilinger et al. | Metal artifact reduction in cone beam computed tomography using forward projected reconstruction information | |
CN106651986B (zh) | 计算机断层成像伪影校正方法 | |
US6801646B1 (en) | System and method for reducing or eliminating streak artifacts and illumination inhomogeneity in CT imaging | |
EP1804667A1 (en) | Method and apparatus for metal artifact reduction in computed tomography | |
WO2012173205A1 (ja) | 画像のノイズレベルを推定する方法 | |
CN105701778A (zh) | 一种从ct图像中去除金属伪影的方法 | |
CN112767265A (zh) | 用于ct图像的去金属伪影分割图像校正方法、***及计算机可读存储介质 | |
CN112017131B (zh) | Ct图像金属伪影去除方法、装置及计算机可读存储介质 | |
CN106530236B (zh) | 一种医学图像处理方法及*** | |
CN105118030B (zh) | 医学图像金属伪影的校正方法及装置 | |
TW201219013A (en) | Method for generating bone mask | |
US11580678B2 (en) | Systems and methods for interpolation with resolution preservation | |
CN115272372A (zh) | 一种基于3D-UNet的膝关节CT图像分割方法及*** | |
US20120275656A1 (en) | Method for supplying a 3d x-ray image data record for a moving object with highly absorbent material | |
CN113160248A (zh) | 一种图像处理方法、装置、设备及可读存储介质 | |
CN117522747A (zh) | 一种用于ct图像的金属伪影校正方法与*** | |
Anhaus et al. | Nonlinearly scaled prior image‐controlled frequency split for high‐frequency metal artifact reduction in computed tomography | |
Bilger et al. | Threshold calculation for segmented attenuation correction in PET with histogram fitting | |
CN112634394A (zh) | 一种适用于牙科ct的金属伪影校正方法 | |
Rodríguez-Gallo et al. | Inpainting-filtering for metal artifact reduction (IMIF-MAR) in computed tomography | |
CN107316277B (zh) | 一种医学锥束ct图像中运动伪影修正方法 | |
CN106875342B (zh) | 一种计算机断层图像处理方法和装置 | |
Anhaus et al. | A New Iterative Metal Artifact Reduction Algorithm for Both Energy-Integrating and Photon-Counting CT Systems |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210507 |