CN113361632A - 图像中确定生物组织类别方法、装置、计算机设备和介质 - Google Patents

图像中确定生物组织类别方法、装置、计算机设备和介质 Download PDF

Info

Publication number
CN113361632A
CN113361632A CN202110713148.XA CN202110713148A CN113361632A CN 113361632 A CN113361632 A CN 113361632A CN 202110713148 A CN202110713148 A CN 202110713148A CN 113361632 A CN113361632 A CN 113361632A
Authority
CN
China
Prior art keywords
image
ratio
ray attenuation
attenuation coefficient
ray
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
Application number
CN202110713148.XA
Other languages
English (en)
Inventor
赵喜
吴佳星
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.)
Siemens Digital Medical Technology Shanghai Co Ltd
Original Assignee
Siemens Digital Medical Technology Shanghai 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 Siemens Digital Medical Technology Shanghai Co Ltd filed Critical Siemens Digital Medical Technology Shanghai Co Ltd
Priority to CN202110713148.XA priority Critical patent/CN113361632A/zh
Publication of CN113361632A publication Critical patent/CN113361632A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
    • G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20212—Image combination
    • G06T2207/20221—Image fusion; Image merging

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Artificial Intelligence (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Apparatus For Radiation Diagnosis (AREA)

Abstract

本公开提供了一种图像中确定组织类别方法、装置等。该图像中确定生物组织类别方法，包括：获取被检测对象的对应于不同能量的CT射线扫描的至少两组CT扫描数据；对各CT扫描数据进行图像配准以确定各CT扫描数据之间对应位置，计算对应位置的射线衰减系数比率或斜率关系，其中对应位置在接收不同能量的CT射线扫描时得到相应射线衰减系数；基于射线衰减系数比率或斜率关系生成比率图像，并借助于对应不同生物组织的先验射线衰减系数比率或斜率关系的范围在比率图像中确定组织的类别。根据本方法公开的图像中确定生物组织类别方法，借助双能CT的扫描同时在图像中确定不同的生物组织类别，且较传统的减影法降低射线剂量。

Description

图像中确定生物组织类别方法、装置、计算机设备和介质
技术领域
本公开涉及医学成像及医学图像处理技术领域，特别涉及一种图像中确定生物组织类别方法、装置、计算机设备、可读存储介质和计算机程序产品。
背景技术
传统的单一能量的计算机断层扫描(Computed Tomography，CT)无法在相同CT值(Hounsfield值，即HU值)下区分图像中的组织，例如含钙组织和含碘组织。双能量CT成像具有不同的操作方法，通常基于原始数据或图像空间中的专门的操作以分离出特殊的组织，例如含碘的物质。基于上述传统方法，通常无法同时识别或分离两种高致密性的组织。
还可应用减影法(Subtraction)识别图像中不同的生物组织，当该方法需要应用到CT增强数据和平扫数据，即通过提取在CT增强数据/图像中密度增高的组织，而在平扫和增强扫描中均为高密度的组织会因之被减去，这使应用减影法需要进行两次扫描，导致辐射剂量更高，增加病患在做医学影像检查时所受的射线剂量。另外，由于患者在两次扫描之间的一些运动会使配置失败，影响减影效果。
发明内容
有鉴于此，本公开提出了一种图像中确定生物组织类别方法、装置、计算机设备、可读存储介质和计算机程序产品。该图像中确定生物组织类别方法可借助于双能CT获得的CT扫描数据或图像同时确定被检测对象的不同生物组织的类别，且较之传统图像方法有效减少在CT扫描数据采集中所遭受的射线剂量。
本公开实施例的一方面，提出了一种图像中确定生物组织类别方法，包括：获取被检测对象的对应于不同能量的CT射线扫描的至少两组CT扫描数据；对各所述CT扫描数据进行图像配准以确定各所述CT扫描数据之间对应位置，基于对应位置计算射线衰减系数比率，其中，所述对应位置在接收不同能量的CT射线扫描时得到相应射线衰减系数；遍历获取各对应位置的射线衰减系数比率生成按所述射线衰减系数比率渲染的比率图像，并借助于对应不同生物组织的先验射线衰减系数比率的一段或多段范围在所述比率图像中确定组织的类别和/或分布。
本公开实施例的另一方面，提出了一种图像中确定生物组织类别装置，包括：断层扫描单元，配置为获取被检测对象的对应于不同能量的CT射线扫描的至少两组CT扫描数据；计算单元，被配置为对各所述CT扫描数据进行图像配准以确定各所述CT扫描数据之间对应位置，计算对应位置的射线衰减系数比率，其中，对应位置在接收不同能量的CT射线扫描时得到相应射线衰减系数；图像生成单元，被配置为遍历获得各对应位置的射线衰减系数比率生成按所述射线衰减系数力渲染的比率图像，并借助于对应不同生物组织的先验射线衰减系数比率的一段或多段范围在所述比率图像中确定组织的类别和/或分布。
根据本公开实施例的另一方面，提出了一种计算机设备，包括：存储器、处理器以及存储在所述存储器上的计算机程序，其中所述处理器被配置为执行所述计算机程序以实现根据本公开实施例的方法。
根据本公开实施例的另一方面，提出了一种非暂态计算机可读存储介质，其上存储有计算机程序，其中所述计算机程序被处理器执行时实现根据本公开实施例的方法。
根据本公开实施例的另一方面，提出了一种计算机程序产品，包括计算机程序，其中所述计算机程序被处理器执行时实现根据本公开实施例的方法。
根据本公开的一个或多个实施例，通过双能量CT对被检测对象进行扫描获得至少两组对应不同能量的CT扫描数据，利用图像配准技术在不同的CT扫描数据之间确定对应的位置或体素，并据此按各位置或体素表示对不同能量的X射线接收而得到相应射线衰减系数计算例如CT值比率或CT值斜率关系，以生成基于CT比率值的比率图像，最后借助于体模和已知双能量的CT射线组合可以先验的多种生物组织的CT比率值的取值范围可确定比率图像中各位置的组织种类，且该方法可以改善传统方法中无法识别高致密性的组织的种类以及基于减影法依赖的更高的射线剂量的问题。
应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图示例性地示出了实施例并且构成说明说的一部分，与说明书的文字描述一起用于讲解实施例的示例性实施方式。所示出的实施例仅出于例示的目的，并不限制权利要求的范围。在所有附图中，相同的附图标记指代类似但不一定相同的要素。
下面将通过参照附图详细描述本公开的实施例，使本领域的普通技术人员更清楚本公开的上述及其它特征和优点，附图中：
图1为根据本公开实施例的图像中确定生物组织类别方法的流程图；
图2为根据本公开实施例的双能量CT扫描数据的图像配准和计算对应体素的CT值比率或CT值斜率关系的方法的示例性流程图；
图3为根据本公开实施例的在比率图像中确定生物组织类别方法的示例性流程图；
图4为根据本公开实施例的图像中确定生物组织类别装置的示意性框架图；
图5为根据本公开实施例的借助多段对应于不同生物组织的先验的CT值比率或CT值斜率关系范围渲染的比率图像；
图6为根据本公开实施例的呈现脂肪、肌肉组织的比率图像；以及
图7示出了能够用于实现本公开实施例的示例性计算机设备的结构框图。
其中，附图标记如下：
10 比率图像
50 多色或多灰阶表
60 单色或单灰阶表
100 图像中确定生物组织类别装置
102 断层扫描单元
104 计算单元
106 图像生成单元
108 图像重建单元
具体实施方式
为了对本公开的技术特征、目的和效果有更加清楚的理解，现对照附图说明本公开的具体实施方式，在各图中相同的标号表示相同的部分。
在本文中，“示意性”表示“充当实例、例子或说明”，不应将在本文中被描述为“示意性”的任何图示、实施方式解释为一种更优选的或更具优点的技术方案。
为使图面简洁，各图中只示意性地表示出了与本公开相关的部分，它们并不代表其作为产品的实际结构。另外，以使图面简洁便于理解，在有些图中具有相同结构或功能的部件，仅示意性地绘示了其中的一个，或仅标出了其中的一个。
在本文中，“一个”不仅表示“仅此一个”，也可以表示“多于一个”的情形。在本文中，“第一”、“第二”等仅用于彼此的区分，而非表示它们的重要程度及顺序、以及互为存在的前提等。
根据本公开实施例的一个方面，提供了一种借助于双能CT扫描以采集至少两组CT扫描数据以图像中确定生物组织类别方法。下面结合附图详细描述本公开的示例性实施例。
参看图1示出了根据本公开实施例的图像中确定生物组织类别方法的流程图。如图1所示，图像中确定生物组织类别方法S100包括：
步骤S110：获取被检测对象的对应于不同能量的CT射线扫描的至少两组CT扫描数据。
双能量CT(Dual-Energy CT，DECT)可以对被测对象出射不同能量的X射线，在探测端可以分别接收到经同一被测对象的生物组织不同能量的X射线得到各CT扫描数据，并记录不同能量的X射线经该生物组织后被吸收或接收的射线衰减系数，该射线衰减系数可以CT值(CT Number)的形式被定义，以HU(Hounsfield Unit)为单位。在图像重建端可基于CT扫描数据分别应用图像重建算法得到第一图像和第二图像，所述第一图像和第二图像分别对应于不同能量的X射线得以重建，图像重建算法可基于迭代重建算法、滤波反投影算法等。在一实施例中，双能量CT分别向被测对象出射能量为80kV的第一射线以及能量为140kV的第二射线，被测对象的各生物组织对不同能量的X射线的吸收或接收的特性各异，因而考察各生物组织在接收不同能量的X射线计算其CT值的比率以反映各生物组织的种类在被检测对象中的特定解剖位置或成像面等。另外，在双能量CT中其他较为常见的两组不同能量的X射线的组合包括并不限于：80/Sn140kV，100/Sn140kV，90/Sn150kV及Au/Sn120kV等，在此不再赘述。
步骤S120：对各CT扫描数据进行图像配准以确定各CT扫描数据之间的对应位置，计算对应位置的射线衰减系数比率，其中通过对应位置在接收不同能量的CT射线扫描时得到相应射线衰减系数。
在步骤S120中，射线衰减系数比率分别包括：CT值比率或CT值斜率关系，其中通过转换对应位置在接收不同能量的CT射线扫描时得到相应射线衰减系数为相应CT值，基于相应CT值计算所述对应位置的CT值比率或CT值斜率关系。例如，可通过以下方式将射线衰减系数μ转换为相应的CT值(或HU-Hounsfield Unit)：
Figure BDA0003133749180000041
其中，μwater和μair分别表示水和空气的射线衰减系数。需要说明的是，对于计算对应位置的射线衰减系数比率可以基于该对应位置在接收不同CT射线扫描时得到相应的射线衰减系数μ1和μ2得到。另外，射线衰减系数比率还可理解为或等价为射线衰减系数之间的斜率关系。
在步骤S120中，借助于图像配准对基于各CT扫描数据得到的第一图像和第二图像之间的对应位置相匹配，例如利用图像配准可对第一图像和第二图像相对应的体素加以关联，从而可以知道该体素在分别接收第一射线和第二射线所得到相应射线衰减系数，例如转换为CT值，以计算该体素的例如CT值比率或CT值斜率关系：
Figure BDA0003133749180000051
其中，Vratio表示体素的CT值比率或CT值斜率关系，HUlow表示该体素接收一能量较低的X射线所记录的CT值的衰减系数，HUhigh表示该体素接收一能量较高的X射线所记录的CT值的衰减系数。
步骤S130：遍历获取各对应位置的射线衰减系数比率生成按射线衰减系数比率渲染的比率图像，并借助于对应不同生物组织的先验射线衰减系数比率的一段或多段范围在比率图像中确定生物组织的类别和/或分布。
在步骤S130中，例如借助于对应不同生物组织的先验CT值比率或CT值斜率关系的取值范围可以在比率图像中同时识别出多种生物组织的种类及其分布。
在一些实施例中，基于设定CT值比率或CT值斜率关系的多段范围遍历比率图像中的体素按颜色或灰度阶进行渲染，在此，在设定CT值比率或CT值斜率关系的一段或多段范围时可参考对应于不同生物组织的先验CT值比率或CT值斜率关系的范围。
下面参考图2，根据本公开的示例性实施例，对步骤S120中涉及的双能量CT扫描数据的图像配准和计算对应体素的CT值比率或CT值斜率关系的示例性介绍。根据一些实施例，对双能量CT扫描数据的图像配准和基于图像配准得到对应位置或体素并据此计算对应位置或体素的CT值比率或CT值斜率关系包括：
步骤S210：对各CT扫描数据应用图像重建获得第一图像和第二图像。其中第一图像和第二图像可分别对应于双能量CT扫描获得的两组CT扫描数据，通过图像重建算法而获得。
步骤S220：借助于弹性配准对第一图像和第二图像之间对应位置按体素进行配准，以获得融合图像。
在步骤S220中，根据一些实施例，通过不同能量X射线对被检测对象进行扫描后得到的各CT扫描数据借助于图像重建得到至少第一图像和第二图像，其中第一图像、第二图像分别对应于不同的射线能量，进而借助于弹性配准将第一图像和第二图像之间按位置或体素一一对应从而可以得到一融合的图像。
在步骤S220中，可对融合图像中的各体素作光滑处理。
步骤S230：在融合图像中基于各体素对应于不同能量的CT射线扫描时得到的第一CT值HUhigh与第二CT值HUlow计算各体素的CT值比率或CT值斜率关系，即利用公式(2)计算各体素Vratio的CT值比率或CT值斜率关系。
下面参考图3，根据本公开的示例性实施例，对步骤S130中涉及的基于生成的比率图像识别生物组织的类别及分布的示例性介绍，该示例性介绍以射线衰减系数比率基于CT值比率或CT值斜率关系为例。根据一些实施例，在比率图像中确定生物组织类别包括：
步骤S310：借助于已知双能CT射线的能量组合和体模确定不同生物组织的先验CT值比率或CT值斜率关系的一个或多个范围。
步骤S320：基于设定CT值比率或CT值斜率关系的一个或多段范围对比率图像中的体素按颜色或灰度阶进行渲染。
根据一些实施例，可借助于步骤S310，即借助已知双能量CT射线的能量组合和体模获得的关于不同生物组织的先验CT值比率或CT值斜率关系的范围来设定CT值比率或CT值斜率关系的一个或多段范围，并按此一个或多段CT值比率或CT值斜率关系的范围对比率图像中的体素按颜色或灰度进行渲染，同时确定多种生物组织的类别和/或分布或一种特定生物组织的类别和/或分布，例如脂肪、肌肉组织等。比率图像可以提供丰富层次的生物组织的种类信息和分布信息。
步骤S330：基于对应不同生物组织的所述先验CT值比率或CT值斜率关系的一段或多段范围在所述比率图像中确定组织的类别和/或分布。
参考图5，示出了按多段CT值比率或CT值斜率关系的范围划分并呈现的比率图像10，使不同生物组织的类别和/或分布在比率图像10中呈现，且不同生物组织对应的体素可按先验确定的CT值比率或CT值斜率关系的(取值)多个范围按颜色或灰阶渲染，例如借助多色或多灰阶表50识别比率图像中不同生物组织类别和分布。参考图6，示出了按脂肪、肌肉组织的CT值比率或CT值斜率关系的范围以呈现的比率图像10，即仅对落入脂肪、肌肉等组织的先验的CT值比率或CT值斜率关系的范围体素进行渲染得到图像，例如单色或单灰阶表60识别比率图像10中特定生物组织类别和分布。
根据本公开实施例的另一方面，提供了一种图像中确定生物组织类别装置。
图4示出了根据本公开实施例的图像中确定生物组织类别装置的示意性框图。如图4所示，图像中确定生物组织类别装置100包括：断层扫描单元102，配置为获取被检测对象的对应于不同能量的CT射线扫描的至少两组CT扫描数据；计算单元104，被配置为对CT扫描数据进行图像配准以确定各CT扫描数据之间对应位置，基于对应位置计算射线衰减系数比率，其中对应位置在接收不同能量的CT射线扫描时得到相应射线衰减系数；图像生成单元106，被配置为遍历获取各对应位置的射线衰减系数比率生成按射线衰减系数比率渲染的比率图像，并借助于对应不同生物组织的先验射线衰减系数比率的范围在所述比率图像中确定组织的类别和/或分布。在此，如前所述射线衰减系数比率分别包括：CT值比率或CT值斜率关系，其中计算单元104还配置为通过转换对应位置在接收不同能量的CT射线扫描时得到相应射线衰减系数为相应CT值，基于相应CT值计算对应位置的CT值比率或CT值斜率关系。
在一些实施例中，图像中确定生物组织类别装置100还包括：图像重建单元108可配置为基于CT扫描数据分别应用图像重建算法得到第一图像和第二图像，所述第一图像和第二图像分别对应于不同能量的X射线得以重建。
在一些实施例中，计算单元104被进一步配置为借助于弹性配准对各CT扫描数据之间对应位置按体素进行配准，以基于各CT扫描数据获得融合图像。计算单元104可基于第一图像和第二图像之间对应的体素应用弹性配准进行配准以获得双能量的融合图像。
在一些实施例中，计算单元104被进一步配置为对所述融合图像的各体素作光滑处理，并基于各体素对应于不同能量的CT射线扫描时得到相应射线衰减系数，例如将第一射线衰减系数μ1和第二衰减系数μ2分别转换为第一CT值HUhigh与第二CT值HUlow，计算各体素的CT值比率或CT值斜率关系，即利用公式(1)计算各体素Vratio的CT值比率或CT值斜率关系。
在一些实施例中，图像生成单元106被进一步配置为借助于已知双能CT射线的能量组合和体模确定不同生物组织的先验射线衰减系数比率的范围，例如确定不同生物组织CT值比率或CT值斜率关系的一段或多段范围，并基于对应不同生物组织的先验射线衰减系数比率的一段或多段范围，例如通过先验的或通过实验确定的CT值比率或CT值斜率关系的一端或多段的范围在比率图像中确定组织的类别和/或分布。
在一些实施例中，图像生成单元106被进一步配置为基于设定射线衰减系数比率的一段或多段范围对比率图像中的体素按颜色或灰度阶进行渲染。例如，图像生成单元106可借助已知双能量CT射线的能量组合和体模获得的关于不同生物组织的先验CT值比率或CT值斜率关系的范围来设定CT值比率或CT值斜率关系的一段或多段范围，并按此多段CT值比率或CT值斜率关系的范围或一段CT至比率的范围对比率图像中的体素按不同颜色或灰阶度进行渲染。
根据本公开的一方面，提供了一种计算机设备，其包括存储器、处理器以及存储在存储器上的计算机程序。该处理器被配置为执行计算机程序以实现上文描述的任一方法实施例的步骤。
根据本公开的一方面，提供了一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上文描述的任一方法实施例的步骤。
根据本公开的一方面，提供了一种计算机程序产品，其包括计算机程序，该计算机程序被处理器执行时实现上文描述的任一方法实施例的步骤。
在下文中，结合图7描述这样的计算机设备、非暂态计算机可读存储介质和计算机程序产品的说明性示例。
图7示出了可以被用来实施本文所描述的方法的计算机设备700的示例配置。举例来说，图4中所示的计算单元104可以包括类似于计算机设备700的架构。上述图像中确定生物组织类别方法也可以全部或至少部分地由计算机设备700或类似设备或***实现。
计算机设备700可以是各种不同类型的设备，例如服务提供商的服务器、与客户端(例如，客户端设备)相关联的设备、片上***、和/或任何其它合适的计算机设备或计算***。计算机设备700的示例包括但不限于：台式计算机、服务器计算机、笔记本电脑或上网本计算机、移动设备(例如，平板电脑、蜂窝或其他无线电话(例如，智能电话)、记事本计算机、移动台)、可穿戴设备(例如，眼镜、手表)、娱乐设备(例如，娱乐器具、通信地耦合到显示设备的机顶盒、游戏机)、电视或其他显示设备、汽车计算机等等。因此，计算机设备700的范围可以从具有大量存储器和处理器资源的全资源设备(例如，个人计算机、游戏控制台)到具有有限的存储器和/或处理资源的低资源设备(例如，传统的机顶盒、手持游戏控制台)。
计算机设备700可以包括能够诸如通过***总线714或其他适当的连接彼此通信的至少一个处理器702、存储器704、(多个)通信接口706、显示设备708、其他输入/输出(I/O)设备710以及一个或更多大容量存储设备712。
处理器702可以是单个处理单元或多个处理单元，所有处理单元可以包括单个或多个计算单元或者多个核心。处理器702可以被实施成一个或更多微处理器、微型计算机、微控制器、数字信号处理器、中央处理单元、状态机、逻辑电路和/或基于操作指令来操纵信号的任何设备。除了其他能力之外，处理器702可以被配置成获取并且执行存储在存储器704、大容量存储设备712或者其他计算机可读介质中的计算机可读指令，诸如操作***716的程序代码、应用程序718的程序代码、其他程序720的程序代码等。
存储器704和大容量存储设备712是用于存储指令的计算机可读存储介质的示例，所述指令由处理器702执行来实施前面所描述的各种功能。举例来说，存储器704一般可以包括易失性存储器和非易失性存储器二者(例如RAM、ROM等等)。此外，大容量存储设备712一般可以包括硬盘驱动器、固态驱动器、可移除介质、包括外部和可移除驱动器、存储器卡、闪存、软盘、光盘(例如CD、DVD)、存储阵列、网络附属存储、存储区域网等等。存储器704和大容量存储设备712在本文中都可以被统称为存储器或计算机可读存储介质，并且可以是能够把计算机可读、处理器可执行程序指令存储为计算机程序代码的非暂态介质，所述计算机程序代码可以由处理器702作为被配置成实施在本文的示例中所描述的操作和功能的特定机器来执行。
多个程序模块可以存储在大容量存储设备712上。这些程序包括操作***716、一个或多个应用程序718、其他程序720和程序数据722，并且它们可以被加载到存储器704以供执行。这样的应用程序或程序模块的示例可以包括例如用于实现本公开实施例的图像中确定生物组织类别方法的计算机程序逻辑(例如，计算机程序代码或指令)。
虽然在图7中被图示成存储在计算机设备700的存储器704中，但是模块716、718、720和722或者其部分可以使用可由计算机设备700访问的任何形式的计算机可读介质来实施。如本文所使用的，“计算机可读介质”至少包括两种类型的计算机可读介质，也就是计算机存储介质和通信介质。
计算机存储介质包括通过用于存储信息的任何方法或技术实施的易失性和非易失性、可移除和不可移除介质，所述信息诸如是计算机可读指令、数据结构、程序模块或者其他数据。计算机存储介质包括而不限于RAM、ROM、EEPROM、闪存或其他存储器技术，CD-ROM、数字通用盘(DVD)、或其他光学存储装置，磁盒、磁带、磁盘存储装置或其他磁性存储设备，或者可以被用来存储信息以供计算机设备访问的任何其他非传送介质。
与此相对，通信介质可以在诸如载波或其他传送机制之类的已调数据信号中具体实现计算机可读指令、数据结构、程序模块或其他数据。本文所定义的计算机存储介质不包括通信介质。
计算机设备700还可以包括一个或更多通信接口706，以用于诸如通过网络、直接连接等等与其他设备交换数据，正如前面所讨论的那样。这样的通信接口可以是以下各项中的一个或多个：任何类型的网络接口(例如，网络接口卡(NIC))、有线或无线(诸如IEEE802.11无线LAN(WLAN))无线接口、全球微波接入互操作(Wi-MAX)接口、以太网接口、通用串行总线(USB)接口、蜂窝网络接口、BluetoothTM接口、近场通信(NFC)接口等。通信接口706可以促进在多种网络和协议类型内的通信，其中包括有线网络(例如LAN、电缆等等)和无线网络(例如WLAN、蜂窝、卫星等等)、因特网等等。通信接口706还可以提供与诸如存储阵列、网络附属存储、存储区域网等等中的外部存储装置(未示出)的通信。
在一些示例中，可以包括诸如监视器之类的显示设备708，以用于向用户显示信息和图像。其他I/O设备710可以是接收来自用户的各种输入并且向用户提供各种输出的设备，并且可以包括触摸输入设备、手势输入设备、摄影机、键盘、遥控器、鼠标、打印机、音频输入/输出设备等等。
以上所述仅为本公开的实施例而已，并不用以限制本公开，凡在本公开的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本公开的保护范围之内。

Claims (15)

1.一种图像中确定生物组织类别方法，其特征在于，包括：
获取被检测对象的对应于不同能量的CT射线扫描的至少两组CT扫描数据；
对各所述CT扫描数据进行图像配准以确定各所述CT扫描数据之间对应位置，计算对应位置的射线衰减系数比率，其中，通过所述对应位置在接收不同能量的CT射线扫描时得到相应射线衰减系数；
遍历获取各对应位置的射线衰减系数比率生成按所述射线衰减系数比率渲染的比率图像，并借助于对应不同生物组织的先验射线衰减系数比率的一段或多段范围在所述比率图像中确定组织的类别和/或分布。
2.根据权利要求1所述的方法，其中，所述对各所述CT扫描数据进行图像配准以确定各所述CT扫描数据之间对应位置，计算对应位置射线衰减系数比率包括：
对各所述CT扫描数据应用图像重建获得第一图像和第二图像；
借助于弹性配准对所述第一图像和第二图像之间对应位置按体素进行配准，以获得融合图像；
在所述融合图像中基于各所述体素对应接收不同能量的CT射线扫描时得到相应的第一射线衰减系数值与第二射线衰减系数，计算各体素的射线衰减系数比率。
3.根据权利要求1所述的方法，其中，所述遍历获取各对应位置的射线衰减系数比率生成按所述射线衰减系数比率渲染的比率图像，并借助于对应不同生物组织的先验射线衰减系数比率的一段或多段范围在所述比率图像中确定组织的类别和/或分布包括：
借助于已知双能CT射线的能量组合和体模确定不同生物组织的先验射线衰减系数比率的一段或多段范围；
基于对应不同生物组织的所述先验射线衰减系数比率的一段或多段范围在所述比率图像中确定组织的类别。
4.根据权利要求1所述的方法，其中，所述遍历获取各对应位置的射线衰减系数比率生成按所述射线衰减系数比率渲染的比率图像包括：
基于设定射线衰减系数比率的一段或多段范围对所述比率图像中的体素按颜色或灰度阶进行渲染。
5.根据权利要求1至4任一项所述的方法，其中，所述射线衰减系数比率分别包括：CT值比率或CT值斜率关系，其中，通过转换所述对应位置在接收不同能量的CT射线扫描时得到相应射线衰减系数为相应CT值，基于相应所述CT值计算所述对应位置的CT值比率或CT值斜率关系。
6.一种图像中确定生物组织类别装置，其特征在于，包括：
断层扫描单元(102)，配置为获取被检测对象的对应于不同能量的CT射线扫描的至少两组CT扫描数据；
计算单元(104)，被配置为对各所述CT扫描数据进行图像配准以确定各所述CT扫描数据之间对应位置，计算对应位置的射线衰减系数比率，其中，对应位置在接收不同能量的CT射线扫描时得到相应射线衰减系数；
图像生成单元(106)，被配置为遍历获得各对应位置的射线衰减系数比率生成按所述射线衰减系数力渲染的比率图像，并借助于对应不同生物组织的先验射线衰减系数比率的一段或多段范围在所述比率图像中确定组织的类别和/或分布。
7.根据权利要求8所述的装置，其中，还包括重建单元(108)，配置为对各所述CT扫描数据应用图像重建获得第一图像和第二图像；以及所述计算单元被进一步配置为借助于弹性配准对各所述第一图像和所述第二图像之间对应位置按体素进行配准，以获得融合图像。
8.根据权利要求7所述的装置，其中所述计算单元(104)被进一步配置为基于各所述体素接收对应于不同能量的CT射线扫描时得到的第一射线衰减系数与第二射线衰减系数，计算各体素的射线衰减系数比率。
9.根据权利要求7所述的装置，其中，所述计算单元(104)被进一步配置为对所述融合图像的各体素作光滑处理。
10.根据权利要求6所述的装置，其中，所述图像生成单元(106)被进一步配置为借助于已知双能CT射线的能量组合和体模确定不同生物组织的先验射线衰减系数比率的一段或多段范围，并基于对应不同生物组织的所述先验射线衰减系数比率的一段或多段范围在所述比率图像中确定组织的类别和/或分布。
11.根据权利要求6所述的装置，其中，所述图像生成单元(106)被进一步配置为基于设定射线衰减系数比率的一段或多段范围对所述比率图像中的体素按颜色或灰度阶进行渲染。
12.根据权利要求6至11任一项所述的装置，其中，所述射线衰减系数比率分别包括：CT值比率或CT值斜率关系，其中，所述计算单元(104)还配置为通过转换所述对应位置在接收不同能量的CT射线扫描时得到相应射线衰减系数为相应CT值，基于相应所述CT值计算所述对应位置的CT值比率或CT值斜率关系。
13.一种计算机设备，包括：
存储器、处理器以及存储在所述存储器上的计算机程序，
其中，所述处理器被配置为执行所述计算机程序以实现权利要求1至5中任一项所述方法的步骤。
14.一种非暂态计算机可读存储介质，其上存储有计算机程序，其中，所述计算机程序被处理器执行时实现权利要求1至5中任一项所述方法的步骤。
15.一种计算机程序产品，包括计算机程序，其中，所述计算机程序被处理器执行时实现权利要求1至5中任一项所述方法的步骤。
CN202110713148.XA 2021-06-25 2021-06-25 图像中确定生物组织类别方法、装置、计算机设备和介质 Pending CN113361632A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110713148.XA CN113361632A (zh) 2021-06-25 2021-06-25 图像中确定生物组织类别方法、装置、计算机设备和介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110713148.XA CN113361632A (zh) 2021-06-25 2021-06-25 图像中确定生物组织类别方法、装置、计算机设备和介质

Publications (1)

Publication Number Publication Date
CN113361632A true CN113361632A (zh) 2021-09-07

Family

ID=77536486

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110713148.XA Pending CN113361632A (zh) 2021-06-25 2021-06-25 图像中确定生物组织类别方法、装置、计算机设备和介质

Country Status (1)

Country Link
CN (1) CN113361632A (zh)

Citations (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1827045A (zh) * 2006-01-26 2006-09-06 北京海思威科技有限公司 双能谱真三维容积成像装置
WO2008142048A1 (de) * 2007-05-24 2008-11-27 Siemens Aktiengesellschaft Auswahlverfahren für zwei kontrastmittel zur verwendung in einer dual-energy-ct-untersuchung, kontrastmittelkombination und erzeugung von ct-aufnahmen mit einer kontrastmittelkombination mit unterschiedlichen energiespektren
CN101598686A (zh) * 2008-06-06 2009-12-09 通用电气公司 源于有效原子序数计算的材料成分检测
CN102124361A (zh) * 2008-08-15 2011-07-13 皇家飞利浦电子股份有限公司 使用磁共振波谱图像数据对pet或spect核成像***的衰减校正
CN102573634A (zh) * 2010-10-13 2012-07-11 株式会社东芝 医用图像处理装置、x射线计算机断层摄影装置以及医用图像处理方法
CN103327901A (zh) * 2011-09-28 2013-09-25 株式会社东芝 X射线ct装置、物质确定方法及图像处理装置
US20130267841A1 (en) * 2009-02-11 2013-10-10 Siemens Medical Solutions Usa, Inc. Extracting Application Dependent Extra Modal Information from an Anatomical Imaging Modality for use in Reconstruction of Functional Imaging Data
CN103622717A (zh) * 2013-09-30 2014-03-12 天津大学 由单源单次扫描x光ct图像生成双能x光ct图像方法
CN103961125A (zh) * 2013-01-31 2014-08-06 东北大学 一种用于锥束ct的ct值校正方法
CN106997594A (zh) * 2016-01-26 2017-08-01 上海联影医疗科技有限公司 一种眼部组织的定位方法及装置
CN107019496A (zh) * 2017-04-12 2017-08-08 上海联影医疗科技有限公司 电子密度信息获取方法、装置及设备
CN108805947A (zh) * 2018-05-22 2018-11-13 上海联影医疗科技有限公司 Pet数据处理方法和设备、pet成像***
CN110914868A (zh) * 2018-10-25 2020-03-24 上海联影医疗科技有限公司 用于散射校准的***和方法
CN111479506A (zh) * 2017-08-25 2020-07-31 J·S·席尔德克劳特 用于局部x-射线骨密度断层扫描的方法
CN112237435A (zh) * 2019-07-16 2021-01-19 西门子医疗有限公司 用于在计算机断层扫描中成像的方法和装置

Patent Citations (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1827045A (zh) * 2006-01-26 2006-09-06 北京海思威科技有限公司 双能谱真三维容积成像装置
WO2008142048A1 (de) * 2007-05-24 2008-11-27 Siemens Aktiengesellschaft Auswahlverfahren für zwei kontrastmittel zur verwendung in einer dual-energy-ct-untersuchung, kontrastmittelkombination und erzeugung von ct-aufnahmen mit einer kontrastmittelkombination mit unterschiedlichen energiespektren
CN101598686A (zh) * 2008-06-06 2009-12-09 通用电气公司 源于有效原子序数计算的材料成分检测
CN102124361A (zh) * 2008-08-15 2011-07-13 皇家飞利浦电子股份有限公司 使用磁共振波谱图像数据对pet或spect核成像***的衰减校正
US20130267841A1 (en) * 2009-02-11 2013-10-10 Siemens Medical Solutions Usa, Inc. Extracting Application Dependent Extra Modal Information from an Anatomical Imaging Modality for use in Reconstruction of Functional Imaging Data
CN102573634A (zh) * 2010-10-13 2012-07-11 株式会社东芝 医用图像处理装置、x射线计算机断层摄影装置以及医用图像处理方法
CN103327901A (zh) * 2011-09-28 2013-09-25 株式会社东芝 X射线ct装置、物质确定方法及图像处理装置
CN103961125A (zh) * 2013-01-31 2014-08-06 东北大学 一种用于锥束ct的ct值校正方法
CN103622717A (zh) * 2013-09-30 2014-03-12 天津大学 由单源单次扫描x光ct图像生成双能x光ct图像方法
CN106997594A (zh) * 2016-01-26 2017-08-01 上海联影医疗科技有限公司 一种眼部组织的定位方法及装置
CN107019496A (zh) * 2017-04-12 2017-08-08 上海联影医疗科技有限公司 电子密度信息获取方法、装置及设备
CN111479506A (zh) * 2017-08-25 2020-07-31 J·S·席尔德克劳特 用于局部x-射线骨密度断层扫描的方法
CN108805947A (zh) * 2018-05-22 2018-11-13 上海联影医疗科技有限公司 Pet数据处理方法和设备、pet成像***
CN110914868A (zh) * 2018-10-25 2020-03-24 上海联影医疗科技有限公司 用于散射校准的***和方法
CN112237435A (zh) * 2019-07-16 2021-01-19 西门子医疗有限公司 用于在计算机断层扫描中成像的方法和装置

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
GUOJIN ZHANG等: "Epidermal growth factor receptor mutations in lung adenocarcinoma: associations between dual‑energy spectral CT measurements and histologic results", 《JOURNAL OF CANCER RESEARCH AND CLINICAL ONCOLOGY》, 26 September 2020 (2020-09-26), pages 1 - 10 *
代召刚: "双源CT双能量成像技术在肾结石定性分析中的应用价值", 《中国优秀硕士学位论文全文数据库 医药卫生科技辑》, no. 2020, 15 August 2020 (2020-08-15), pages 067 - 13 *
王艳翔: "双能X射线物质识别***的研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》, no. 2017, 15 August 2017 (2017-08-15), pages 138 - 482 *
陈志强等: "高能双能X 射线DR 成像及物质识别技术综述", 《CT 理论与应用研究》, vol. 23, no. 5, 30 September 2014 (2014-09-30), pages 731 - 742 *

Similar Documents

Publication Publication Date Title
CN109961491B (zh) 多模态图像截断补偿方法、装置、计算机设备和介质
Seeram Computed tomography: a technical review
CN112770838B (zh) 使用自关注深度学习进行图像增强的***和方法
Christianson et al. Automated technique to measure noise in clinical CT examinations
CN110570492A (zh) 神经网络训练方法和设备、图像处理方法和设备以及介质
Grunz et al. Image quality assessment for clinical cadmium telluride-based photon-counting computed tomography detector in cadaveric wrist imaging
Leuschner et al. The lodopab-ct dataset: A benchmark dataset for low-dose ct reconstruction methods
US10143433B2 (en) Computed tomography apparatus and method of reconstructing a computed tomography image by the computed tomography apparatus
US11900594B2 (en) Methods and systems for displaying a region of interest of a medical image
CN111540025B (zh) 预测用于图像处理的图像
CN111598989B (zh) 一种图像渲染参数设置方法、装置、电子设备及存储介质
CN110400617A (zh) 医学成像中的成像和报告的结合
US20140016847A1 (en) Multi-phase computed tomography image reconstruction
Silverman et al. Investigation of lung nodule detectability in low‐dose 320‐slice computed tomography
US10929974B2 (en) Determining calcium content from spectral CT data
CN109691105B (zh) 图像处理设备、***和方法
Pelc et al. Volume Rendering of Tendon—Bone Relationships Using Unenhanced CT
CN113361632A (zh) 图像中确定生物组织类别方法、装置、计算机设备和介质
CN112669405B (zh) 图像重建方法、***、可读存储介质和设备
CN113100803B (zh) 用于显示静脉血栓的方法、装置、计算机设备和介质
CN113393551A (zh) 一种基于云服务器的影像***
EP3628214A1 (en) Reconstruction of a low-energy image based on a computer tomography image
CN113100803A (zh) 用于显示静脉血栓的方法、装置、计算机设备和介质
Aurumskjöld Optimisation of image quality and radiation dose in computed tomography using iterative image reconstruction
CN109685867A (zh) 一种ct***、图像重建方法、装置、设备及介质

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