CN112842370A - 用于x射线成像中的参数噪声调制的方法和*** - Google Patents
用于x射线成像中的参数噪声调制的方法和*** Download PDFInfo
- Publication number
- CN112842370A CN112842370A CN202011282170.5A CN202011282170A CN112842370A CN 112842370 A CN112842370 A CN 112842370A CN 202011282170 A CN202011282170 A CN 202011282170A CN 112842370 A CN112842370 A CN 112842370A
- Authority
- CN
- China
- Prior art keywords
- image
- noise
- parameters
- generate
- pixel
- 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
- 238000000034 method Methods 0.000 title claims abstract description 104
- 238000003384 imaging method Methods 0.000 title abstract description 46
- 230000009467 reduction Effects 0.000 claims description 20
- 238000001914 filtration Methods 0.000 claims description 15
- 238000012545 processing Methods 0.000 claims description 13
- 238000012417 linear regression Methods 0.000 claims description 12
- 230000003595 spectral effect Effects 0.000 claims description 12
- 238000013136 deep learning model Methods 0.000 claims description 9
- 238000007781 pre-processing Methods 0.000 claims description 6
- 230000008569 process Effects 0.000 claims description 4
- 238000002156 mixing Methods 0.000 claims description 2
- 238000010606 normalization Methods 0.000 claims description 2
- 230000005855 radiation Effects 0.000 abstract description 16
- 230000002829 reductive effect Effects 0.000 abstract description 6
- 238000002591 computed tomography Methods 0.000 description 12
- 230000000694 effects Effects 0.000 description 8
- 230000000670 limiting effect Effects 0.000 description 8
- 239000000463 material Substances 0.000 description 8
- 238000003860 storage Methods 0.000 description 7
- 230000000875 corresponding effect Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 210000004072 lung Anatomy 0.000 description 5
- 230000009977 dual effect Effects 0.000 description 4
- 230000007246 mechanism Effects 0.000 description 4
- 230000003187 abdominal effect Effects 0.000 description 3
- 230000002238 attenuated effect Effects 0.000 description 3
- 239000002872 contrast media Substances 0.000 description 3
- 238000009826 distribution Methods 0.000 description 3
- 230000001965 increasing effect Effects 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 238000007476 Maximum Likelihood Methods 0.000 description 2
- 210000001015 abdomen Anatomy 0.000 description 2
- 210000003484 anatomy Anatomy 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 210000000988 bone and bone Anatomy 0.000 description 2
- 210000000038 chest Anatomy 0.000 description 2
- 238000013170 computed tomography imaging Methods 0.000 description 2
- 230000001747 exhibiting effect Effects 0.000 description 2
- 210000000056 organ Anatomy 0.000 description 2
- 238000002600 positron emission tomography Methods 0.000 description 2
- 238000009877 rendering Methods 0.000 description 2
- 210000004872 soft tissue Anatomy 0.000 description 2
- 230000001629 suppression Effects 0.000 description 2
- 238000003325 tomography Methods 0.000 description 2
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- ZOKXTWBITQBERF-UHFFFAOYSA-N Molybdenum Chemical compound [Mo] ZOKXTWBITQBERF-UHFFFAOYSA-N 0.000 description 1
- WPPDFTBPZNZZRP-UHFFFAOYSA-N aluminum copper Chemical compound [Al].[Cu] WPPDFTBPZNZZRP-UHFFFAOYSA-N 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 210000000481 breast Anatomy 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000000701 chemical imaging Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 229910052802 copper Inorganic materials 0.000 description 1
- 239000010949 copper Substances 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 239000004053 dental implant Substances 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000002059 diagnostic imaging Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000007717 exclusion Effects 0.000 description 1
- 238000002594 fluoroscopy Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 239000010437 gem Substances 0.000 description 1
- 229910001751 gemstone Inorganic materials 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000003902 lesion Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 229910052750 molybdenum Inorganic materials 0.000 description 1
- 239000011733 molybdenum Substances 0.000 description 1
- 230000035515 penetration Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 238000012549 training 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
- G06T5/70—Denoising; Smoothing
-
- 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
- A61B6/5258—Devices using data or image processing specially adapted for radiation diagnosis involving detection or reduction of artifacts or noise
-
- 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
- A61B6/5217—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data extracting a diagnostic or physiological parameter from medical diagnostic data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration using local operators
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/60—Image enhancement or restoration using machine learning, e.g. neural networks
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10116—X-ray image
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20084—Artificial neural networks [ANN]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Medical Informatics (AREA)
- Radiology & Medical Imaging (AREA)
- Surgery (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Optics & Photonics (AREA)
- Pathology (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Molecular Biology (AREA)
- High Energy & Nuclear Physics (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physiology (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
本发明题为“用于X射线成像中的参数噪声调制的方法和***”。本发明提供了用于x射线成像的各种方法和***。在一个实施方案中,一种方法包括:采集受检者的图像;基于图像和多个参数生成包括图像的每个像素中的噪声估计量的噪声调制图;基于噪声调制图选择性地降低图像中的噪声以生成最终图像;以及显示最终图像。这样,可降低成像期间的辐射剂量,同时保持或甚至改善图像质量。
Description
相关申请的交叉引用
本专利申请要求2019年11月27日提交的美国临时专利申请号62/941,696的优先权,该文献全文以引用方式并入本文。
背景技术
本文所公开的主题的实施方案涉及x射线成像。
诸如x射线成像的成像技术允许非侵入性采集诸如患者等受检者的内部结构或特征的图像。数字x射线成像***产生可以重建为放射线图像的数字数据。在数字x射线成像***中,来自源的辐射朝向受检者。辐射的一部分穿过受检者并冲击检测器。检测器包括离散图片元素或检测器像素的阵列,并且基于冲击每个像素区域的辐射的量或强度来生成输出信号。随后处理输出信号以生成可显示以供查看的图像。这些图像用于识别和/或检查患者体内的内部结构和器官。
发明内容
在一个实施方案中,一种方法包括:采集受检者的图像;基于图像和多个参数生成包括图像的每个像素中的噪声估计量的噪声调制图;基于噪声调制图选择性地降低图像中的噪声以生成最终图像;以及显示最终图像。这样,可降低成像期间的辐射剂量,同时保持或甚至改善图像质量。
应当理解,提供上面的简要描述来以简化的形式介绍在具体实施方式中进一步描述的精选概念。这并不意味着识别所要求保护的主题的关键或必要特征,该主题的范围由具体实施方式后的权利要求书唯一地限定。此外,所要求保护的主题不限于解决上文或本公开的任何部分中提到的任何缺点的实施方式。
附图说明
通过参考附图阅读以下对非限制性实施方案的描述将更好地理解本发明,其中以下:
图1示出了根据一个实施方案的成像***的绘画视图;
图2示出了根据一个实施方案的示例性成像***的方框示意图;
图3示出了例示根据一个实施方案的示例性噪声调制图生成器的框图;
图4示出了例示根据一个实施方案的用于图像降噪的参数噪声调制的示例性方法的高级流程图;
图5示出了根据一个实施方案的未应用降噪的示例性原始图像;
图6示出了根据一个实施方案的由图5的原始图像生成的示例性噪声调制图;
图7示出了根据一个实施方案的由图5的原始图像生成的示例性处理图像;
图8示出了根据一个实施方案的由图7的处理图像生成的示例性降噪图像;
图9示出了根据一个实施方案的由图7的处理图像和图8的降噪图像生成的示例性噪声图像;并且
图10示出了根据一个实施方案的基于图6的噪声调制图,由图9的噪声图像和图8的降噪图像生成的示例性噪声调制图像。
具体实施方式
以下描述涉及x射线成像的各种实施方案。具体地,提供了用于x射线成像的参数降噪的***和方法。x射线成像***,诸如图1和图2所描绘的成像***,可使用x射线源和x射线检测器来采集受检者诸如患者的放射摄影图像。此类放射摄影图像通常表现出由量子源和电子源产生的噪声,这导致图像亮度的随机变化,从而使图像具有斑点纹状、颗粒状、纹理状或雪花状外观。尽管噪声使图像具有通常不期望的外观,但最显著的影响是噪声可能覆盖或降低图像内某些特征的可见度。除了增大对患者的剂量以改善图像质量之外,还可经由图像处理技术来降低噪声。整个x射线图像上的所得感知噪声是不等同的。例如,在典型的x射线胸部检查中,低光子计数区域(诸如腹部)可能表现出比其中较高光子计数已注册在所采集的原始图像中的较低衰减区域(诸如肺部)更多的噪声。此外,观察屏幕上显示的像素大小也影响噪声的出现。用于选择性地调制噪声抑制的***诸如图3所描绘的***包括噪声调制图生成器,该噪声调制图生成器基于多个参数在采集图像中逐个像素地对噪声度量进行建模。如图4所描绘的方法所示,可使用这样采集到的噪声调制图,以根据估计噪声度量选择性地降低整个图像的噪声。本文提供的用于基于各种参数选择性地调制噪声的方法通过图5至图10所示的示例性图像例示。
虽然参照x射线成像技术描述了本文提供的***和方法,但应当理解,本文提供的技术也可应用于各种成像模式,包括各种x射线成像模式(例如单能量、双能量、X线断层摄影、图像粘贴、荧光镜透视检查、乳腺钼靶等)、计算机X线断层摄影(CT)和正电子发射断层摄影。
图1示出了被配置用于CT成像的示例性CT***100。具体地,CT***100被配置为对受检者112(诸如患者、无生命对象、一个或多个制造部件)和/或外来对象(诸如存在于身体内的牙科植入物、支架和/或造影剂)进行成像。在一个实施方案中,CT***100包括机架102,该机架102继而还可以包括至少一个x射线源104,该至少一个x射线源104被配置为投射x射线辐射束106以用于对受检者112进行成像。具体地,x射线源104被配置为将x射线106朝向定位在机架102的相对侧上的检测器阵列108投射。尽管图1仅示出了单个x射线源104,但是在某些实施方案中,可以采用多个x射线辐射源和检测器来投射多条x射线106,以便在对应于患者的不同能量水平采集投影数据。在一些实施方案中,x射线源104可以通过快速峰值千伏电压(kVp)切换来实现双能量宝石能谱成像(GSI)。在一些实施方案中,所采用的x射线检测器是能够区分不同能量的x射线光子的光子计数检测器。在其他实施方案中,使用两组x射线管检测器来生成双能量投影,其中一组x射线管设置为低kVp并且另一组设置为高kVp。因此应当理解的是,本文所述的方法可用单能量采集技术以及双能量采集技术来实现。
在某些实施方案中,CT***100还包括图像处理器单元110,该图像处理器单元被配置为使用迭代或分析图像重建方法来重建受检者112的靶体积的图像。例如,图像处理器单元110可以使用诸如滤波反投影(FBP)的分析图像重建方法来重建患者的靶体积的图像。作为另一示例,图像处理器单元110可以使用迭代图像重建方法(诸如高级统计迭代重建(advanced statistical iterative reconstruction,ASIR)、共轭梯度(conjugategradient,CG)、最大似然期望最大化(maximum likelihood expectation maximization,MLEM)、基于模型的迭代重建(model-based iterative reconstruction,MBIR)等等)来重建受检者112的靶体积的图像。如本文进一步所述,在一些示例中,除了迭代图像重建方法之外,图像处理器单元110还可使用分析图像重建方法(诸如FBP)。
在一些CT成像***配置中,辐射源投射锥形射束,该锥形射束被准直成位于笛卡尔坐标系的X-Y-Z平面内并且通常被称为“成像平面”。辐射束穿过正在成像的对象,诸如患者或受检者112。射束在被对象衰减之后照射在辐射检测器阵列上。在检测器阵列处接收的衰减辐射束的强度取决于对象对辐射束的衰减。阵列的每个检测器元件产生单独的电信号,该单独的电信号是检测器位置处的射束衰减的量度。单独地采集来自所有检测器元件的衰减测量值,以产生传输分布。
在一些CT***中,使用机架使辐射源和检测器阵列在成像平面内围绕待成像的对象旋转,使得辐射束与对象相交的角度不断变化。在一个机架角度下来自检测器阵列的一组辐射衰减测量值(例如,投影数据)被称为“视图”。对象的“扫描”包括在辐射源和检测器的一次旋转期间在不同的机架角度或视角下制得的一组视图。可以设想的是,本文所述的方法的益处源于CT之外的医疗成像模态,因此如本文所用,术语“视图”不限于上文关于来自一个机架角度的投影数据所述的用途。术语“视图”用于意指每当存在来自不同角度的多个数据采集(无论是来自CT、正电子发射断层扫描(PET)还是单光子发射CT(SPECT)采集)时的一个数据采集,和/或任何其他模态(包括尚待开发的模态)以及它们在融合实施方案中的组合。
处理投影数据以重建与通过对象获取的二维切片相对应的图像,或在投影数据包括多个视图或扫描的一些示例中,重建与对象的三维渲染相对应的图像。一种用于由一组投影数据重建图像的方法在本领域中称为滤波反投影技术。传输和发射断层摄影重建技术还包括统计迭代方法,诸如最大似然期望最大化(MLEM)和有序子集期望重建技术以及迭代重建技术。该方法将来自扫描的衰减测量值转换成称为“CT数”或“亨氏单位”的整数,该整数用于控制显示设备上的对应像素的亮度。
为了减少总扫描时间,可执行“螺旋”扫描。为了执行“螺旋”扫描,在采集到规定数量的切片的数据时,移动患者。此类***从锥形束螺旋扫描产生单个螺旋。由锥形束绘制出(mapped out)的螺旋产生了投影数据,根据该投影数据可重建每个规定切片中的图像。
如本文所用,短语“重建图像”并非旨在排除其中生成表示图像的数据而非可视图像的本发明的实施方案。因此,如本文所用,术语“图像”广义地是指可视图像和表示可视图像的数据两者。然而,许多实施方案生成(或被配置为生成)至少一个可视图像。
图2示出了类似于图1的CT***100的示例性成像***200。根据本公开的各方面,成像***200被配置用于对受检者204(例如,图1的受检者112)进行成像。在一个实施方案中,成像***200包括检测器阵列108(参见图1)。检测器阵列108还包括多个检测器元件202,所述多个检测器元件一起感测穿过受检者204(诸如患者)的x射线束106(参见图1)以采集对应的投影数据。因此,在一个实施方案中,以包括多行单元或检测器元件202的多切片配置来制造检测器阵列108。在此类配置中,一个或多个附加行的检测器元件202以并行配置布置,以用于采集投影数据。
在某些实施方案中,成像***200被配置为遍历受检者204周围的不同角位置以采集所需的投影数据。因此,机架102和安装在其上的部件可以被配置为围绕旋转中心206旋转,以采集例如不同能级下的投影数据。另选地,在相对于受检者204的投影角度随时间的推移变化的实施方案中,所安装的部件可被配置为沿大致曲线而不是沿一段圆周移动。
因此,当x射线源104和检测器阵列108旋转时,检测器阵列108收集衰减的x射线束的数据。然后,由检测器阵列108收集的数据经历预处理和校准以对数据进行调节以表示所扫描的受检者204的衰减系数的线积分。经处理的数据通常被称为投影。
在一些示例中,检测器阵列108中的单独检测器或检测器元件202可包括光子计数检测器,该光子计数检测器将单独光子的交互寄存到一个或多个能量区间(energy bin)中。应当理解,本文所述的方法还可使用能量积分检测器来实现。
所采集的投影数据集可用于基础材料分解(BMD)。在BMD期间,将所测量的投影转换为一组材料密度投影。可将材料密度投影重建以形成每种相应的基础材料的一对或一组材料密度标测图或图像(诸如骨、软组织和/或造影剂标测图)。密度图或图像可继而相关联以形成对成像体积中的基础材料(例如骨、软组织和/或造影剂)的体绘制。
一旦重建,由成像***200产生的基础材料图像就显示出以两种基础材料的密度表示的受检者204的内部特征。可显示密度图像以展示这些特征。在诊断医学病症(诸如疾病状态),并且更一般地诊断医学事件的传统方法中,放射科医生或医师将考虑密度图像的硬拷贝或显示以辨别感兴趣的特性特征。此类特征可以包括特定解剖结构或器官的病灶、尺寸和形状,以及基于个体从业者的技能和知识应在图像中可辨别的其他特征。
在一个实施方案中,成像***200包括控制机构208,以控制部件的运动,诸如机架102的旋转和x射线源104的操作。在某些实施方案中,控制机构208还包括x射线控制器210,该x射线控制器被配置为向x射线源104提供功率和定时信号。另外,控制机构208包括机架马达控制器212,该机架马达控制器被配置为基于成像要求来控制机架102的旋转速度和/或位置。
在某些实施方案中,控制机构208还包括数据采集***(DAS)214,该DAS被配置为对从检测器元件202接收的模拟数据进行采样,并将模拟数据转换为数字信号以用于后续处理。DAS 214还可以被配置为选择性地将来自检测器元件202的子集的模拟数据聚集到所谓的宏检测器中,如本文进一步描述的。将由DAS214采样和数字化的数据传输到计算机或计算设备216。在一个示例中,计算设备216将数据存储在存储设备或大容量存储装置218中。例如,存储设备218可以包括硬盘驱动器、软盘驱动器、光盘-读/写(CD-R/W)驱动器、数字通用光碟(DVD)驱动器、闪存驱动器,以及/或者固态存储驱动器。
另外,计算设备216向DAS 214、x射线控制器210和机架马达控制器212中的一者或多者提供命令和参数,以控制***操作,诸如数据采集和/或处理。在某些实施方案中,计算设备216基于操作员输入来控制***操作。计算设备216经由可操作地耦接到计算设备216的操作员控制台220来接收操作员输入,该操作员输入例如包括命令和/或扫描参数。操作员控制台220可以包括键盘(未示出)或触摸屏,以允许操作员指定命令和/或扫描参数。
虽然图2仅示出了一个操作员控制台220,但是多于一个操作员控制台可以耦接到成像***200,例如以用于输入或输出***参数、请求检查、绘制数据和/或查看图像。此外,在某些实施方案中,成像***200可以经由一个或多个可配置的有线和/或无线网络(诸如互联网和/或虚拟专用网络、无线电话网络、无线局域网、有线局域网、无线广域网、有线广域网等)耦接到例如在机构或医院内或者处于完全不同位置的本地或远程地定位的多个显示器、打印机、工作站和/或类似设备。
在一个实施方案中,例如,成像***200包括图片存档和通信***(PACS)224或者耦接到PACS。在一个示例性实施方式中,PACS 224进一步耦接到远程***(诸如放射科信息***、医院信息***)和/或耦接到内部或外部网络(未示出),以允许处于不同位置的操作员供应命令和参数和/或获得对图像数据的访问。
计算设备216使用操作员供应的和/或***定义的命令和参数来操作检查台马达控制器226,该检查台马达控制器又可控制检查台228,该检查台可以是电动检查台。具体地,检查台马达控制器226可以移动检查台228以将受检者204适当地定位在机架102中,以采集与受检者204的靶体积相对应的投影数据。
如前所述,DAS 214对由检测器元件202采集的投影数据进行采样和数字化。随后,图像重建器230使用所采样和数字化的x射线数据来执行高速重建。虽然图2将图像重建器230示出为单独实体,但在某些实施方案中,图像重建器230可以形成计算设备216的一部分。另选地,图像重建器230可以不存在于成像***200中,并且替代地计算设备216可以执行图像重建器230的一种或多种功能。此外,图像重建器230可以本地或远程地定位,并且可以使用有线或无线网络来可操作地连接到成像***200。具体地,一个示例性实施方案可以使用“云”网络集群中的计算资源来用于图像重建器230。
在一个实施方案中,图像重建器230将重建的图像存储在存储设备218中。另选地,图像重建器230可将重建的图像传输到计算设备216,以生成用于诊断和评估的可用患者信息。在某些实施方案中,计算设备216可将重建的图像和/或患者信息传输到显示器或显示设备232,该显示器或显示设备通信地耦接到计算设备216和/或图像重建器230。在一些实施方案中,重建的图像可以从计算设备216或图像重建器230传输到存储设备218,以进行短期或长期存储。
本文进一步所述的各种方法和过程(诸如以下参考图4描述的方法)可作为可执行指令存储在成像***200中的计算设备(或控制器)上的非暂态存储器中。在一个实施方案中,图像重建器230可在非暂态存储器中包括此类可执行指令,并且可应用本文所述的方法来由扫描数据重建图像。在另一个实施方案中,计算设备216可在非暂态存储器中包括指令,并且可在从图像重建器230接收到重建的图像之后至少部分地将本文所述的方法应用于该重建的图像。在另一个实施方案中,本文所述的方法和过程可分布在图像重建器230和计算设备216上。
在一个实施方案中,显示器232允许操作员评估成像的解剖结构。显示器232还可允许操作员例如经由图形用户界面(GUI)来选择感兴趣的体积(VOI)和/或请求患者信息,以供后续扫描或处理。
图3示出了例示根据一个实施方案的示例性噪声调制图生成器305的框图。噪声调制图生成器305基于原始图像302生成噪声调制图307。具体地,噪声调制图生成器305基于一个或多个采集参数310、显示参数330和受检者参数340来估计噪声调制图307,该噪声调制图包括针对原始图像302的逐个像素的噪声度量。噪声调制图生成器305可在例如成像***200的计算设备216中或在***100的图像处理器单元110中实现。在一些示例中,噪声调制图生成器305可包括受过训练的深度学习模型,诸如深度神经网络,或被配置为接受原始图像302和多个参数作为输入并输出噪声调制图307的另一类型的深度学习模型。在其他示例中,噪声调制图生成器305可包括被配置为接受原始图像302和多个参数作为输入并输出噪声调制图307的线性或非线性回归模型。
作为例示性和非限制性示例,噪声度量可包括原始图像302中的每个像素位置处的信噪比(SNR)的估计值。又如,噪声度量可包括例如原始图像302中的每个像素位置处的对比度噪声比(CNR)的估计值。
噪声调制图307因此包括原始图像302的每个像素中存在多少噪声的估计。如本文进一步所述,噪声调制图307用于确定要从图像中去除多少噪声。例如,当噪声度量包括SNR时,噪声度量的范围是从零到一,其中值为零表明像素完全是噪声而不含x射线信号,并且其中值为一表明像素完全是x射线信号而不含噪声。通过使用噪声调制图307来调制图像中的降噪分布,与具有高SNR的像素相比,从具有低SNR的像素中去除更多噪声。这样,噪声抑制在整个图像上是不等同的或全局性的,而是取决于原始图像302的信号电平。
虽然可仅通过原始图像302来确定噪声度量诸如SNR的估计值,但噪声调制图生成器305基于可能进一步影响噪声的另外参数诸如采集参数310、显示参数330和受检者参数340噪声度量进行建模。
采集参数310包括与可能影响图像噪声的原始图像302的采集相关的参数。例如,采集参数310可包括但不限于下列中的一者或多者:管峰值千伏电压(kVp)312、管电流(mA)314、焦点尺寸316、源到图像距离(SID)318、光谱过滤320、栅格尺寸322和检测器像素324。kVp 312例如对噪声水平具有强烈影响,因为由较高kVp 312产生的x射线将具有比由较低kVp 312产生的x射线更高的能量,并且因此将具有对应更高的穿透功率,从而提升整个图像的SNR。类似地,mA 314可具有强烈影响,因为较高mA 314产生的x射线的量大于较低mA314产生的x射线的量。焦点尺寸316影响噪声水平,因为焦点尺寸316确定了检测器上的成像区域。SID318影响噪声水平,因为SID 318确定了x射线从x射线源行进到x射线检测器的距离,因此对于较大的SID 318,可散射更多x射线,使得相对于较小的SID 318,SNR可减小。光谱过滤320影响噪声水平,因为光谱过滤320的类型(例如铜过滤、铝铜过滤等)影响x射线的光谱,从而也改变检测器的响应。增强光谱过滤320导致x射线计数减小,因此对于增强的光谱过滤320,SNR可减小。栅格尺寸322包括定位在x射线检测器的检测表面前方的防散射栅格的尺寸,因此防散射栅格的栅格尺寸322通过影响x射线检测器检测到的散射x射线的量来影响SNR。检测器像素324影响噪声水平,因为大检测器像素的噪声特性不同于小检测器像素的噪声特性,对于相同的剂量,大检测器像素由于其与小检测器像素相比面积增大而接收更多x射线计数,因此SNR可根据检测器像素324的尺寸而增大或减小。
显示参数330包括与可能影响图像噪声的供用户查看的图像的显示相关的参数。例如,显示参数330可包括但不限于显示设备332、图像处理334和视场(FOV)336中的一者或多者。显示设备332的类型影响图像噪声,因为与显示设备332相关联的不同屏幕技术、帧速率等影响用户可能感知图像的方式。类似地,图像处理器334影响图像噪声,因为不同类型的处理可能增大或减小视在图像噪声。FOV 336影响图像噪声,因为对于较小的FOV,较小的FOV中的像素被放大或缩放到全窗屏幕尺寸,因此显示的像素大小受到FOV 336的影响。例如,对于较小的FOV 336,噪声可基本上被放大。通过考虑如何基于显示参数330将图像显示给用户,噪声调制图生成器305可更有效地对可应用的噪声调制方式进行建模。
受检者参数340包括与可能影响图像噪声的在原始图像302中成像的受检者相关的参数。例如,受检者参数340可包括但不限于患者厚度342。患者厚度342影响噪声水平,因为具有更大患者厚度342的患者将使x射线发生强烈衰减,从而降低SNR。
在一些示例中,噪声调制图生成器305可基于采集参数310、显示参数330、受检者参数340和原始图像302中的全部来生成噪声调制图307。在其他示例中,根据对每个参数的噪声水平的相对影响,噪声调制图生成器305可基于采集参数310、显示参数330、受检者参数340和原始图像302的加权组合对噪声进行建模。在另一些其他示例中,噪声调制图生成器305可基于原始图像302和图3中所示参数的子集来生成噪声调制图307。例如,噪声调制图生成器305可基于原始图像302、kVp 312和检测器像素324来生成噪声调制图307。
因此,噪声调制是从所采集x射线图像的量子统计值以及各种参数得出的模型,各种参数诸如kVp、SID、光谱过滤、患者厚度、栅格尺寸、焦点尺寸、检测器量子效率、检测器像素大小、显示设备和FOV。噪声调制模型尝试估计图像中每个像素位置处的SNR。该模型通过使用一系列采集参数对大量x射线采集进行线性或非线性回归而获得。SNR模型也可通过用所采集的数据集训练深度学习模型以估计局部SNR值而获得。通过模型图如此获得的噪声调制图逐个像素地标测出在x射线图像的每个位置处有多少噪声受到抑制。如本文进一步所述,对于胸部检查,表现出较低SNR的腹部区域将去除噪声的较大部分,而表现出较高SNR的肺部区域将在最终图像中保留其噪声的较大部分。虽然作为确定要在最终图像中抑制或保留多少噪声的噪声度量选项而讨论了SNR,但应当理解,在不脱离本公开的范围的情况下,可使用其他噪声度量诸如CNR。
图4示出了例示根据一个实施方案的用于图像降噪的参数噪声调制的示例性方法400的高级流程图。具体地,方法400涉及基于各种参数对整个图像中的噪声分布进行建模,以及调制整个图像中的降噪量。参照图1至图3的***和部件描述了方法400,但应当理解,方法400可在不脱离本公开的范围的情况下用其他***和部件来实现。作为例示性示例,方法400可实现为计算设备216的非暂态存储器中的指令,该指令可由计算设备216执行以进行本文所述的操作。
方法400在405处开始。在405处,方法400确定采集协议和显示协议。采集协议包括与图像采集相关的一组采集参数,诸如采集参数310。显示协议包括与图像显示方式相关的一组显示参数,诸如显示参数330。在一些示例中,经由操作员控制台220,成像***200的用户可从多个采集协议和显示协议中选择采集协议和显示协议。另选地,方法400可基于针对受检者成像的临床任务或基于采集协议和/或显示协议的默认设置来自动确定采集协议和/或显示协议。此外,在一些示例中,方法400可另外确定与待成像受检者相关的一个或多个受检者参数,诸如受检者参数340。
在410处继续,方法400根据采集协议控制成像***以采集原始图像。例如,方法400可根据采集协议的采集参数控制成像***200的x射线源104和检测器阵列108,以采集受检者204的原始图像。作为例示性和非限制性示例,图5示出了未应用任何处理的示例性原始图像500。由于原始图像500描绘了每个像素的光子计数,因此图例505表明光子计数较高则描绘为白色,而光子计数较低则描绘为黑色,分别指出了发生较低或较高x射线衰减的区域。
在采集原始图像之后,方法400继续到415。在415处,方法400基于原始图像和多个参数生成噪声调制图。例如,方法400将在410处采集的原始图像连同通过采集协议确定的一个或多个采集参数310、通过显示协议确定的显示参数330以及一个或多个受检者参数340输入噪声调制图生成器305,以生成噪声调制图307。作为例示性和非限制性示例,图6示出了由原始图像500生成的示例性噪声调制图600。噪声调制图600包括针对原始图像500的每个像素的噪声度量诸如SNR的估计值,该噪声度量的范围为零至一,如图例605所示。因此,值为一的像素对应于x射线信号基本上超过噪声的区域,而值为零的像素对应于噪声基本上超过x射线信号的区域。
继续在420处,方法400处理在410处采集的原始图像以生成处理图像。例如,方法400可处理原始图像以归一化光子计数,从而改变像素强度值的范围以及/或者将光子计数标测成像素值。作为例示性和非限制性示例,图7示出了由原始图像500生成的示例性处理图像700,其中图例705表明像素值范围为零至0.4。与原始图像500相比,通过将光子计数归一化并重新标测成处理图像700中所描绘的像素值,内部结构更易看见。
在预处理原始图像以生成处理图像之后,方法400继续到425。在425处,方法400对处理图像应用降噪以生成平滑图像。例如,降噪可包括应用于处理图像中的噪声滤波器,或使处理图像变得平滑的另一类型的降噪技术。对处理图像应用降噪全局地降低了整个处理图像中的噪声。作为例示性和非限制性示例,图8示出了由处理图像700生成的示例性降噪或平滑图像800,其中图例805表明像素值与处理图像700的像素值相对一致。
方法400不是简单地输出在425处获得的平滑图像,而是使用在415处获得的噪声调制图来调制图像中的噪声分布。为此,在430处,方法400从处理图像中减去平滑图像以生成噪声图像。因此,噪声图像包括从平滑图像中的处理图像中去除的噪声。作为例示性和非限制性示例,图9示出了由处理图像700和降噪图像800生成的示例性噪声图像900。图例905描绘了在425处全局噪声滤波期间从处理图像700中去除的噪声的范围。
继续在435处,方法400基于噪声调制图将噪声图像与平滑图像混合以生成最终图像。例如,方法400可将噪声图像与噪声调制图相乘以调制噪声。方法400可随后将调制噪声加入平滑图像中,以选择性地将从处理图像中去除的至少一些噪声重新引入平滑图像中。作为例示性和非限制性示例,图10示出了基于噪声调制图600由噪声图像900和平滑图像800生成的示例性噪声调制图像1000。图例1005表明像素值的范围与平滑图像800一致。如噪声调制图600所描绘,肺部中的SNR显著高于成像受检者腹部中的SNR。因此,从肺部区域过滤出的噪声可能实际上包括有效信号而不是噪声,并且因此当将噪声图像900乘以噪声调制图600并将调制噪声重新加入平滑图像800中时,该信号也被重新加入肺部区域中。相反,从腹部区域过滤出的噪声可能对应于实际噪声而不是x射线信号,并且因此腹部区域中的噪声调制图600的较低SNR值导致噪声图像900中更少的噪声被重新加入平滑图像800中。
在440处,方法400根据显示协议显示最终图像,诸如噪声调制图像1000。在基于显示协议生成噪声调制图的示例中,最终图像的噪声得到改善。然后,方法400返回。
因此,用于x射线成像的方法包括基于噪声度量诸如SNR自适应地降低噪声,使得低SNR区域比高SNR区域受到更高的噪声抑制。例如,使用如本文所述的噪声调制图允许在降噪期间将强滤波器内核应用于图像,而噪声的调制在低SNR区域中实现了有效降噪并且限制了强效平滑操作在图像的高SNR区域中的效果。
本公开的技术效果包括基于噪声度量在整个图像上进行的降噪调制。本公开的另一个技术效果包括基于采集参数对图像中的噪声进行的选择性调制。本公开的另一个技术效果包括x射线图像中信噪比的改善的估计值。本公开的又一个技术效果包括改善的图像质量。本公开的另一个技术效果包括在保持图像质量的同时降低辐射剂量。
在一个实施方案中,一种方法包括:采集受检者的图像;基于图像和多个参数生成包括图像的每个像素中的噪声估计量的噪声调制图;基于噪声调制图选择性地降低图像中的噪声以生成最终图像;以及显示最终图像。
在该方法的第一示例中,生成噪声调制图包括将图像和多个参数输入到输出噪声调制图的噪声调制模型中。在该方法的任选地包括第一示例的第二示例中,噪声调制模型包括受过训练的深度学***滑图像,以及从该图像中减去平滑图像以生成噪声图像,其中基于噪声调制图选择性地降低该图像中的噪声以生成最终图像包括根据噪声调制图将噪声图像与平滑图像混合。
在另一个实施方案中,一种方法包括:控制x射线源和x射线检测器以采集受检者的图像;基于该图像和多个参数来测量该图像的每个像素中的噪声估计量;在整个图像中应用降噪以生成平滑图像;从该图像中减去平滑图像以生成噪声图像;将噪声调制图与噪声图像相乘以生成调制噪声图像;将调制噪声图像加入平滑图像中以生成最终图像;以及显示最终图像。
在该方法的第一示例中,测量图像的每个像素中的噪声估计量包括将图像和多个参数输入到噪声调制模型中,该噪声调制模型输出图像的每个像素中的噪声估计量。在该方法的任选地包括第一示例的第二示例中,图像的每个像素中的噪声估计量包括基于图像和多个参数针对每个像素确定的信噪比的估计值。在该方法的任选地包括第一示例和第二示例中的一者或多者的第三示例中,噪声调制模型包括受过训练的深度学习模型、线性回归模型或非线性回归模型中的一者。在该方法的任选地包括第一示例至第三示例中的一者或多者的第四示例中,多个参数包括在采集图像期间施加到x射线源的峰值管千伏电压、以及x射线检测器的检测器像素的大小。在该方法的任选地包括第一示例至第四示例中的一者或多者的第五示例中,多个参数还包括下列中的一者或多者:在图像采集期间施加到x射线源的管电流、焦点尺寸、x射线源与x射线检测器之间的距离、光谱过滤量、设置在x射线检测器前方的防散射栅格的尺寸、用于显示最终图像的显示设备的类型、图像处理技术、用于显示最终图像的视场、以及受检者的厚度。
在又一个实施方案中,一种***包括:x射线源,该x射线源用于生成x射线;x射线检测器,该x射线检测器被配置为检测x射线;显示设备;以及处理器,该处理器在非暂态存储器中配置有指令,这些指令在执行时致使处理器:采集受检者的图像;基于该图像和多个参数生成噪声调制图,该噪声调制图包括图像的每个像素中的噪声估计量;基于噪声调制图选择性地降低图像中的噪声以生成最终图像;以及经由显示设备显示最终图像。
在该***的第一示例中,为了生成噪声调制图,处理器在非暂态存储器中配置有指令,该指令在执行时致使处理器将图像和多个参数输入到输出噪声调制图的噪声调制模型中。在该***的任选地包括第一示例的第二示例中,噪声调制模型包括受过训练的深度学***滑图像;从处理图像中减去平滑图像以生成噪声图像;将噪声调制图与噪声图像相乘以生成调制噪声图像;以及将调制噪声图像加入平滑图像中以生成最终图像。
如本文所用,以单数形式列举并且以单词“一个”或“一种”开头的元件或步骤应当被理解为不排除多个所述元件或步骤,除非明确说明此类排除。此外,对本发明的“一个实施方案”的引用不旨在被解释为排除也包含所引用特征的附加实施方案的存在。此外,除非明确地相反说明,否则“包含”、“包括”或“具有”具有特定特性的元件或多个元件的实施方案可包括不具有该特性的附加此类元件。术语“包括”和“在...中”用作相应的术语“包含”和“其中”的简明语言等同形式。此外,术语“第一”、“第二”和“第三”等仅用作标记,而不旨在对其对象施加数字要求或特定位置次序。
该书面描述使用示例来公开本发明,包括最佳模式,并且还使相关领域中的普通技术人员能够实践本发明,包括制造和使用任何设备或***以及执行任何包含的方法。本发明可取得专利权的范围由权利要求书限定,并且可包括本领域普通技术人员想到的其他示例。如果此类其他示例具有与权利要求书的字面语言没有区别的结构元件,或者如果它们包括与权利要求书的字面语言具有微小差别的等效结构元件,则此类其他示例旨在落入权利要求书的范围内。
Claims (20)
1.一种方法,包括:
采集受检者的图像;
基于所述图像和多个参数生成噪声调制图,所述噪声调制图包括所述图像的每个像素中的噪声估计量;
基于所述噪声调制图选择性地降低所述图像中的噪声以生成最终图像;以及
显示所述最终图像。
2.根据权利要求1所述的方法,其中生成所述噪声调制图包括将所述图像和所述多个参数输入到输出所述噪声调制图的噪声调制模型中。
3.根据权利要求2所述的方法,其中所述噪声调制模型包括受过训练的深度学习模型。
4.根据权利要求2所述的方法,其中所述噪声调制模型包括线性或非线性回归模型。
5.根据权利要求2所述的方法,其中所述多个参数包括选自下列的至少两个参数:与所述图像的所述采集相关的采集参数、与所述最终图像的所述显示相关的显示参数、以及与被成像的所述受检者相关的受检者参数。
6.根据权利要求5所述的方法,其中所述采集参数包括下列中的一者或多者:在图像采集期间施加到x射线源的管电压、在图像采集期间施加到所述x射线源的管电流、焦点尺寸、所述x射线源与x射线检测器之间的距离、光谱过滤量、设置在所述x射线检测器前方的防散射栅格的尺寸、以及所述x射线检测器的检测器像素。
7.根据权利要求5所述的方法,其中所述显示参数包括下列中的一者或多者:用于显示所述最终图像的显示设备的类型、图像处理技术和视场。
8.根据权利要求5所述的方法,其中所述受检者参数包括所述受检者的厚度。
9.根据权利要求1所述的方法,所述方法还包括对所述图像应用降噪以生成平滑图像,以及从所述图像中减去所述平滑图像以生成噪声图像,其中基于所述噪声调制图选择性地降低所述图像中的噪声以生成所述最终图像包括根据所述噪声调制图将所述噪声图像与所述平滑图像混合。
10.一种方法,包括:
控制x射线源和x射线检测器以采集受检者的图像;
基于所述图像和多个参数来测量所述图像的每个像素中的噪声估计量;
对整个所述图像应用降噪以生成平滑图像;
从所述图像中减去所述平滑图像以生成噪声图像;
将所述图像的每个像素中的所述噪声估计量与所述噪声图像相乘以生成调制噪声图像;
将所述调制噪声图像加入所述平滑图像中以生成最终图像;以及
显示所述最终图像。
11.根据权利要求10所述的方法,其中测量所述图像的每个像素中的所述噪声估计量包括将所述图像和所述多个参数输入到噪声调制模型中,所述噪声调制模型输出所述图像的每个像素中的所述噪声估计量。
12.根据权利要求11所述的方法,其中所述图像的每个像素中的所述噪声估计量包括基于所述图像和所述多个参数针对每个像素确定的信噪比的估计值。
13.根据权利要求11所述的方法,其中所述噪声调制模型包括受过训练的深度学习模型、线性回归模型或非线性回归模型中的一者。
14.根据权利要求10所述的方法,其中所述多个参数包括在所述图像的采集期间施加到所述x射线源的峰值管千伏电压、以及所述x射线检测器的检测器像素的大小。
15.根据权利要求14所述的方法,其中所述多个参数还包括下列中的一者或多者:在图像采集期间施加到所述x射线源的管电流、焦点尺寸、所述x射线源与所述x射线检测器之间的距离、光谱过滤量、设置在所述x射线检测器前方的防散射栅格的尺寸、用于显示所述最终图像的显示设备的类型、图像处理技术、用于显示所述最终图像的视场、以及所述受检者的厚度。
16.一种***,包括:
x射线源,所述x射线源用于生成x射线;
x射线检测器,所述x射线检测器被配置为检测所述x射线;
显示设备;以及
处理器,所述处理器在非暂态存储器中配置有指令,所述指令在执行时致使所述处理器:
采集受检者的图像;
基于所述图像和多个参数生成噪声调制图,所述噪声调制图包括所述图像的每个像素中的噪声估计量;
基于所述噪声调制图选择性地降低所述图像中的噪声以生成最终图像;以及
经由所述显示设备显示所述最终图像。
17.根据权利要求16所述的***,其中为了生成所述噪声调制图,所述处理器在所述非暂态存储器中配置有指令,所述指令在执行时致使所述处理器将所述图像和所述多个参数输入到输出所述噪声调制图的噪声调制模型中。
18.根据权利要求17所述的***,其中所述噪声调制模型包括受过训练的深度学习模型、线性回归模型和非线性回归模型中的一者或多者。
19.根据权利要求16所述的***,其中所述多个参数包括下列中的两者或更多者:在图像采集期间施加到所述x射线源的峰值管千伏电压、在图像采集期间施加到所述x射线源的管电流、焦点尺寸、所述x射线源与所述x射线检测器之间的距离、光谱过滤量、设置在所述x射线检测器前方的防散射栅格的尺寸、所述x射线检测器中的检测器像素的大小、用于显示所述最终图像的所述显示设备的类型、用于处理所述图像的图像处理技术、用于显示所述最终图像的视场、以及所述受检者的厚度。
20.根据权利要求16所述的***,其中所述处理器在所述非暂态存储器中进一步配置有指令,所述指令在执行时致使所述处理器:
预处理所述图像以生成处理图像,所述预处理包括至少对光子计数的归一化;
对整个所述处理图像应用降噪以生成平滑图像;
从所述处理图像中减去所述平滑图像以生成噪声图像;
将所述噪声调制图与所述噪声图像相乘以生成调制噪声图像;以及
将所述调制噪声图像加入所述平滑图像中以生成最终图像。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201962941696P | 2019-11-27 | 2019-11-27 | |
US62/941,696 | 2019-11-27 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112842370A true CN112842370A (zh) | 2021-05-28 |
Family
ID=75974109
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011282170.5A Pending CN112842370A (zh) | 2019-11-27 | 2020-11-16 | 用于x射线成像中的参数噪声调制的方法和*** |
Country Status (2)
Country | Link |
---|---|
US (1) | US11288775B2 (zh) |
CN (1) | CN112842370A (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20230049231A (ko) * | 2021-10-06 | 2023-04-13 | 삼성전자주식회사 | 영상 개선 방법 및 장치 |
US11940512B2 (en) | 2022-08-18 | 2024-03-26 | GE Precision Healthcare LLC | Systems and methods for body coil air cooling |
US20240144441A1 (en) | 2022-10-28 | 2024-05-02 | GE Precision Healthcare LLC | System and Method for Employing Residual Noise in Deep Learning Denoising for X-Ray Imaging |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100215230A1 (en) * | 2009-02-11 | 2010-08-26 | Mats Danielsson | Image quality in photon counting-mode detector systems |
US20110019094A1 (en) * | 2009-07-21 | 2011-01-27 | Francois Rossignol | System and method for random noise estimation in a sequence of images |
CN102013089A (zh) * | 2009-09-03 | 2011-04-13 | 西门子公司 | 用于噪声减少的迭代ct图像滤波器 |
CN102203826A (zh) * | 2008-12-25 | 2011-09-28 | 梅迪奇视觉成像解决方案有限公司 | 医学图像的降噪 |
CN102667852A (zh) * | 2009-11-25 | 2012-09-12 | 皇家飞利浦电子股份有限公司 | 增强图像数据/剂量减小 |
US20130116554A1 (en) * | 2010-07-12 | 2013-05-09 | Ge Healthcare As | X-ray imaging at low contrast agent concentrations and/or low dose radiation |
CN105144241A (zh) * | 2013-04-10 | 2015-12-09 | 皇家飞利浦有限公司 | 图像质量指数和/或基于其的成像参数推荐 |
US20200311878A1 (en) * | 2019-04-01 | 2020-10-01 | Canon Medical Systems Corporation | Apparatus and method for image reconstruction using feature-aware deep learning |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5867555A (en) | 1997-03-04 | 1999-02-02 | Siemens Aktiengesellschaft | Adaptive dose modulation during CT scanning |
JP2004173924A (ja) | 2002-11-27 | 2004-06-24 | Ge Medical Systems Global Technology Co Llc | X線制御方法およびx線画像撮影装置 |
WO2010064740A1 (en) * | 2008-12-01 | 2010-06-10 | Korea Hydro & Nuclear Power Co., Ltd. | Apparatus and method for automatically and remotely measuring the internal gap of a reactor |
BR112012009113A2 (pt) * | 2009-10-22 | 2020-08-18 | Koninklijke Philips Electronics N.V | método e aparelho de avaliação do protocolo de aquisição |
CN103069432A (zh) * | 2010-06-30 | 2013-04-24 | 梅迪奇视觉成像解决方案有限公司 | 医学图像的非线性分辨率降低方法 |
EP2760367A4 (en) * | 2011-09-30 | 2015-07-15 | Childrens Hosp Medical Center | METHOD FOR THE CONSISTENT AND TESTABLE OPTIMIZATION OF A CT RADIATION DOSE |
EA201200255A1 (ru) | 2012-02-22 | 2013-08-30 | Закрытое Акционерное Общество "Импульс" | Способ подавления шума цифровых рентгенограмм |
CN111226257B (zh) * | 2017-09-22 | 2024-03-01 | 豪夫迈·罗氏有限公司 | 组织图像中的伪像移除 |
US20210074036A1 (en) * | 2018-03-23 | 2021-03-11 | Memorial Sloan Kettering Cancer Center | Deep encoder-decoder models for reconstructing biomedical images |
US11049294B2 (en) * | 2018-10-02 | 2021-06-29 | Canon Medical Systems Corporation | Activity-dependent, spatially-varying regularization parameter design for regularized image reconstruction |
-
2020
- 2020-07-28 US US16/941,081 patent/US11288775B2/en active Active
- 2020-11-16 CN CN202011282170.5A patent/CN112842370A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102203826A (zh) * | 2008-12-25 | 2011-09-28 | 梅迪奇视觉成像解决方案有限公司 | 医学图像的降噪 |
US20100215230A1 (en) * | 2009-02-11 | 2010-08-26 | Mats Danielsson | Image quality in photon counting-mode detector systems |
US20110019094A1 (en) * | 2009-07-21 | 2011-01-27 | Francois Rossignol | System and method for random noise estimation in a sequence of images |
CN102013089A (zh) * | 2009-09-03 | 2011-04-13 | 西门子公司 | 用于噪声减少的迭代ct图像滤波器 |
CN102667852A (zh) * | 2009-11-25 | 2012-09-12 | 皇家飞利浦电子股份有限公司 | 增强图像数据/剂量减小 |
US20130116554A1 (en) * | 2010-07-12 | 2013-05-09 | Ge Healthcare As | X-ray imaging at low contrast agent concentrations and/or low dose radiation |
CN105144241A (zh) * | 2013-04-10 | 2015-12-09 | 皇家飞利浦有限公司 | 图像质量指数和/或基于其的成像参数推荐 |
US20200311878A1 (en) * | 2019-04-01 | 2020-10-01 | Canon Medical Systems Corporation | Apparatus and method for image reconstruction using feature-aware deep learning |
Also Published As
Publication number | Publication date |
---|---|
US20210158486A1 (en) | 2021-05-27 |
US11288775B2 (en) | 2022-03-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US8965078B2 (en) | Projection-space denoising with bilateral filtering in computed tomography | |
US7142633B2 (en) | Enhanced X-ray imaging system and method | |
US8111889B2 (en) | Method and apparatus for efficient calculation and use of reconstructed pixel variance in tomography images | |
WO2018034881A1 (en) | Methods and systems for computed tomography | |
US20070076842A1 (en) | Adaptable energy discriminating computed tomography system | |
US11288775B2 (en) | Methods and systems for parametric noise modulation in x-ray imaging | |
JP2019516460A (ja) | 空間とスペクトル情報に基づく複数エネルギーのct画像におけるノイズ制御のためのシステムと方法 | |
JP7199813B2 (ja) | 放射線撮影装置 | |
US11419566B2 (en) | Systems and methods for improving image quality with three-dimensional scout | |
US20240029207A1 (en) | Systems and methods for adaptive blending in computed tomography imaging | |
US11580678B2 (en) | Systems and methods for interpolation with resolution preservation | |
JP7199399B2 (ja) | デュアルエネルギー撮像における自動管電位選択のためのシステムおよび方法 | |
US20160292878A1 (en) | Methods and systems for automatic segmentation | |
US10383589B2 (en) | Direct monochromatic image generation for spectral computed tomography | |
US9858688B2 (en) | Methods and systems for computed tomography motion compensation | |
US11337671B2 (en) | Methods and systems for improved spectral fidelity for material decomposition | |
US9836862B2 (en) | Methods and systems for contrast enhanced imaging with single energy acquisition | |
US10552992B2 (en) | Poly-energetic reconstruction method for metal artifacts reduction | |
US20230145920A1 (en) | Systems and methods for motion detection in medical images | |
US20050018889A1 (en) | Systems and methods for filtering images | |
JP2016198504A (ja) | 画像生成装置、x線コンピュータ断層撮影装置及び画像生成方法 | |
US11270477B2 (en) | Systems and methods for tailored image texture in iterative image reconstruction | |
WO2016186746A1 (en) | Methods and systems for automatic segmentation | |
KR20190002960A (ko) | 신체인식을 이용한 작업 기반 ct 이미지 재구성 프로토콜 최적화 방법 | |
WO2018116791A1 (ja) | 医用画像処理装置及びそれを備えたx線ct装置、医用画像処理方法 |
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 |