Nothing Special   »   [go: up one dir, main page]

CN115564858A - 一种金属伪影的校正方法、系统和x射线图像重建方法 - Google Patents

一种金属伪影的校正方法、系统和x射线图像重建方法 Download PDF

Info

Publication number
CN115564858A
CN115564858A CN202211307598.XA CN202211307598A CN115564858A CN 115564858 A CN115564858 A CN 115564858A CN 202211307598 A CN202211307598 A CN 202211307598A CN 115564858 A CN115564858 A CN 115564858A
Authority
CN
China
Prior art keywords
data
image
metal
repaired
projection data
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
CN202211307598.XA
Other languages
English (en)
Inventor
周海华
闫晶
崔凯
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.)
Shanghai United Imaging Healthcare Co Ltd
Original Assignee
Shanghai United Imaging Healthcare 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 Shanghai United Imaging Healthcare Co Ltd filed Critical Shanghai United Imaging Healthcare Co Ltd
Priority to CN202211307598.XA priority Critical patent/CN115564858A/zh
Publication of CN115564858A publication Critical patent/CN115564858A/zh
Priority to US18/494,737 priority patent/US20240233214A9/en
Priority to EP23205813.1A priority patent/EP4369302A1/en
Pending legal-status Critical Current

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
    • G06T11/00—2D [Two Dimensional] image generation
    • G06T11/003—Reconstruction from projections, e.g. tomography
    • G06T11/005—Specific pre-processing for tomographic reconstruction, e.g. calibration, source positioning, rebinning, scatter correction, retrospective gating
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • 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
    • G06T5/70—Denoising; Smoothing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/77—Retouching; Inpainting; Scratch removal
    • 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]
    • 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
    • G06T2207/20081—Training; Learning
    • 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
    • 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
    • G06T2207/30241—Trajectory
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2211/00—Image generation
    • G06T2211/40—Computed tomography
    • G06T2211/441—AI-based methods, deep learning or artificial neural networks

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)
  • Image Processing (AREA)

Abstract

本说明书实施例中提供一种金属伪影的校正方法、系统和X射线图像重建方法。所述金属伪影的校正方法包括：获取含金属伪影的待处理图像；利用数据修复方法，对所述待处理图像中的金属轨迹部分进行数据修复，得到修复后投影数据；将所述修复后投影数据进行低通滤波，得到滤波后的修复后投影数据；基于所述滤波后的修复后投影数据，通过反投影重建，得到修复后图像。

Description

一种金属伪影的校正方法、系统和X射线图像重建方法
技术领域
本说明书涉及医疗技术领域，特别涉及一种金属伪影的校正方法、系统和X射线图像重建方法。
背景技术
由于金属对射线(例如，X射线)是高衰减的，使得射线被金属吸收的比例很大，在进行射线成像时探测器接收到的射线很少。因此，在射线成像的临床应用中，病人体内携带的金属植入物(如金属义齿、骨钉等)会对射线进行吸收，导致金属处的数据未被采集到，给重建图像带来严重的条状伪影，也称金属伪影，极大影响诊断准确性。
因此，希望提供一种医学图像中的金属伪影的校正方法，可以有效去除医学图像中的金属伪影，提高诊断准确性。
发明内容
本说明书一个方面提供一种医学图像中金属伪影的校正方法。所述方法包括：获取含金属伪影的待处理图像；利用数据修复方法，对所述待处理图像中的金属轨迹部分进行数据修复，得到修复后投影数据；将所述修复后投影数据进行低通滤波，得到滤波后的修复后投影数据；基于所述滤波后的修复后投影数据，通过反投影重建，得到修复后图像。
在一些实施例中，所述将所述修复后投影数据进行低通滤波，得到滤波后的修复后投影数据包括：将所述修复后投影数据划分为第一数据部分和第二数据部分，所述第一数据部分为未经过所述数据修复的原始数据，所述第二数据部分为经过所述数据修复的修复数据；将所述金属轨迹部分对应的所述修复数据进行低通滤波，得到所述滤波后的修复后投影数据。
在一些实施例中，所述利用数据修复方法，对所述待处理图像中的金属轨迹部分进行数据修复，得到修复后投影数据包括：基于所述待处理图像，确定金属图像；基于所述金属图像确定金属轨迹正弦图，所述金属轨迹正弦图反映所述金属轨迹在所述待处理图像中的位置；利用数据修复方法，基于所述金属轨迹正弦图进行数据修复，得到所述修复后投影数据。
本说明书另一个方面提供一种医学图像中金属伪影的校正系统。所述系统包括：获取模块，用于获取含金属伪影的待处理图像；数据修复模块，用于利用数据修复方法，对所述待处理图像中的金属轨迹部分进行数据修复，得到修复后投影数据；滤波模块，用于将所述修复后投影数据进行低通滤波，得到滤波后的修复后投影数据；图像生成模块，用于基于所述滤波后的修复后投影数据，通过反投影重建，得到修复后图像。
在一些实施例中，所述滤波模块用于：将所述修复后投影数据划分为第一数据部分和第二数据部分，所述第一数据部分为未经过所述数据修复的原始数据，所述第二数据部分为经过所述数据修复的修复数据；将所述金属轨迹部分对应的所述修复数据进行低通滤波，得到所述滤波后的修复后投影数据。
本说明书另一个方面提供一种金属伪影校正装置，包括：至少一个存储介质，存储计算机指令；至少一个处理器，执行所述计算机指令，以实现如前所述的金属伪影校正方法。
本说明书另一个方面提供一种计算机可读存储介质，所述存储介质存储计算机指令，当计算机读取存储介质中的计算机指令后，计算机执行如前所述的金属伪影的校正方法。
本说明书另一个方面提供一种X射线图像重建方法，由至少一个处理器执行，所述至少一个处理器与存储设备通信，所述存储设备存储可执行指令，当执行所述可执行指令时，指示所述至少一个处理器执行所述方法。所述方法包括：获取含金属伪影的X射线图像；利用数据修复方法，对所述X射线图像中的金属轨迹部分进行数据修复，得到修复后投影数据；将所述修复后投影数据进行低通滤波，得到滤波后的修复后投影数据；基于所述滤波后的修复后投影数据进行图像重建，得到修复后图像。
在一些实施例中，所述将所述修复后投影数据进行低通滤波，得到滤波后的修复后投影数据包括：将所述修复后投影数据划分为第一数据部分和第二数据部分，所述第一数据部分为未经过所述数据修复的原始数据，所述第二数据部分为经过所述数据修复的修复数据；将所述金属轨迹部分对应的所述修复数据进行低通滤波，得到所述滤波后的修复后投影数据。
在一些实施例中，所述利用数据修复方法，对所述X射线图像中的金属轨迹部分进行数据修复，得到修复后投影数据包括：基于所述X射线图像，确定金属图像；基于所述金属图像确定金属轨迹正弦图；利用数据修复方法，基于所述金属轨迹正弦图进行数据修复，得到所述修复后投影数据。
本说明书实施例中提供的方法和/或系统，通过对修复后投影数据进行低通滤波，可以在消除金属伪影的同时过滤掉数据修复过程中产生的高频数据，避免在基于修复后投影数据获得重建图像时产生高频伪影，提高重建图像的图像质量。
附图说明
本说明书将以示例性实施例的方式进一步说明，这些示例性实施例将通过附图进行详细描述。这些实施例并非限制性的，在这些实施例中，相同的编号表示相同的结构，其中：
图1是根据本说明书一些实施例所示的示例性金属伪影校正系统的应用场景示意图；
图2是根据本说明书一些实施例所示的示例性金属伪影校正系统的模块示意图；
图3是根据本说明书一些实施例所示的示例性金属伪影校正方法的流程示意图；
图4是根据本说明书一些实施例所示的示例性对修复数据滤波的流程示意图；
图5是根据本说明书一些实施例所示的示例性数据修复的流程示意图；
图6是根据本说明书一些实施例所示的示例性含金属伪影的图像的示意图；
图7是根据本说明书一些实施例所示的示例性数据修复的示意图；
图8是根据本说明书一些实施例所示的示例性图像校正前后的示意图。
具体实施方式
为了更清楚地说明本说明书实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单的介绍。显而易见地，下面描述中的附图仅仅是本说明书的一些示例或实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图将本说明书应用于其它类似情景。除非从语言环境中显而易见或另做说明，图中相同标号代表相同结构或操作。
应当理解，本文使用的“系统”、“装置”、“单元”和/或“模块”是用于区分不同级别的不同组件、元件、部件、部分或装配的一种方法。然而，如果其他词语可实现相同的目的，则可通过其他表达来替换所述词语。
通常，这里使用的词语“模块”、“单元”或“块”是指体现在硬件或固件中的逻辑，或者是软件指令的集合。本文中描述的模块、单元或块可以实现为软件和/或硬件，并且可以存储在任何类型的非暂时性计算机可读介质或另一存储设备中。在一些实施例中，可以编译软件模块/单元/块并将其链接到可执行程序中。应当理解，软件模块可以从其他模块/单元/块或从它们自身调用，和/或可以响应检测到的事件或中断来调用。可以在计算机可读介质(例如，光盘、数字视频盘、闪存驱动器、磁盘或任何其他有形介质)上提供配置为在计算设备上执行的软件模块/单元/块，或者作为数字下载(最初可以以压缩或可安装的格式存储，在执行之前需要安装、解压缩或解密)。这里的软件代码可以被部分的或全部的储存在执行操作的计算设备的存储设备中，并应用在计算设备的操作之中。软件指令可以嵌入固件中，例如EPROM。还应当理解，硬件模块/单元/块可以包括在连接的逻辑组件中，例如门和触发器，和/或可以包括可编程单元，例如可编程门阵列或处理器。这里描述的模块/单元/块或计算设备功能可以实现为软件模块/单元/块，但是可以用硬件或固件表示。通常，这里描述的模块/单元/块指的是逻辑模块/单元/块，其可以与其他模块/单元/块组合或者分成子模块/子单元/子块，尽管它们是物理组织或存储器件。该描述可适用于系统、引擎或其一部分。
可以理解的是，除非上下文另有明确说明，当单元、引擎、模块或块被称为在另一单元、引擎、模块或块“上”、“连接”或“耦合至”另一单元、引擎、模块或块时，其可以直接在其它单元、引擎、模块或块上，与其连接或耦合或与之通信，或者可能存在中间单元、引擎、模块或块。在本说明书中，术语“和/或”可包括任何一个或以上相关所列条目或其组合。本说明书中，术语“图像”可指2D图像、3D图像或4D图像。
根据以下对附图的描述，本说明书的这些和其它的特征、特点以及相关结构元件的功能和操作方法，以及部件组合和制造经济性，可以变得更加显而易见，这些都构成本说明书的一部分。然而，应当理解的是，附图仅仅是为了说明和描述的目的，并不旨在限制本说明书的范围。应当理解的是，附图并不是按比例绘制的。
如本说明书和权利要求书中所示，除非上下文明确提示例外情形，“一”、“一个”、“一种”和/或“该”等词并非特指单数，也可包括复数。一般说来，术语“包括”与“包含”仅提示包括已明确标识的步骤和元素，而这些步骤和元素不构成一个排它性的罗列，方法或者设备也可能包含其它的步骤或元素。
本说明书中使用了流程图用来说明根据本说明书的实施例的系统所执行的操作，相关描述是为帮助更好地理解磁共振成像方法和/或系统。应当理解的是，前面或后面操作不一定按照顺序来精确地执行。相反，可以按照倒序或同时处理各个步骤。同时，也可以将其他操作添加到这些过程中，或从这些过程移除某一步或数步操作。
图1是根据本说明书一些实施例所示的示例性金属伪影校正系统的应用场景示意图。
如图1所示，在一些实施例中，金属伪影校正系统100可以包括成像设备110、处理设备120、终端设备130、存储设备140和网络150。在一些实施例中，金属伪影校正系统100中的各个组件之间可以通过网络150互相连接或不通过网络150直接连接。例如，成像设备110和终端设备130可以通过网络150连接。又例如，成像设备110和处理设备120可以通过网络150连接或直接连接。又例如，成像设备120和终端设备130可以通过网络150连接或直接连接。
成像设备110可以用于扫描位于其检测区域内的目标对象或其一部分，并生成与该目标对象或其一部分有关的图像(例如，待处理图像)。在一些实施例中，目标对象可以是生物的或非生物的。例如，目标对象可以包括患者、人造物体等。在一些实施例中，目标对象可以包括身体的特定部分，例如头部、胸部、腹部等或其任意组合。在一些实施例中，目标对象可以包括特定器官，例如心脏、食道、气管、支气管、胃、胆囊、小肠、结肠、膀胱、输尿管、子宫、输卵管等或其任意组合。在一些实施例中，目标对象可以包括感兴趣区域(region ofinterest,ROI)，例如肿瘤、结节等。
在一些实施例中，成像设备110可以是或包括X射线成像设备。例如，X射线成像设备可以包括DSA(数字减影血管造影技术)、数字化X射线摄影设备(Digital Radiography，DR)、计算机X射线摄影设备(Computed Radiography，CR)、数字荧光X线摄影设备(DigitalFluorography，DF)、CT扫描仪、磁共振扫描仪、乳腺X线机、C形臂设备等。
处理设备120可以处理从成像设备110、终端设备130和/或存储设备140获得的数据和/或信息。例如，处理设备120可以对成像设备110扫描获得的含金属伪影的待处理图像进行数据修复、低通滤波、重建等处理，得到滤除高频金属伪影的修复后图像。在一些实施例中，处理设备120可以是单一服务器或服务器组。服务器组可以是集中式的或分布式的。在一些实施例中，处理设备120可以是本地或远程的。例如，处理设备120可以通过网络150从成像设备110、终端设备130和/或存储设备140访问信息和/或数据。又例如，处理设备120可以直接连接到成像设备110、终端设备130和/或存储设备140以访问信息和/或数据。在一些实施例中，处理设备120可以在云平台上实现。例如，云平台可以包括私有云、公共云、混合云、社区云、分布式云、云间云、多云等或其任意组合。
终端设备130可以包括移动设备131、平板电脑132、笔记本电脑133等或其任意组合。在一些实施例中，终端设备130可以通过网络150与金属伪影校正系统100中的其他组件交互。例如，终端设备130可以通过网络150向成像设备110发送一种或多种控制指令以控制成像设备110按照指令对目标对象进行扫描。又例如，终端设备130还可以通过网络150接收处理设备120生成的滤除高频金属伪影的修复后图像，并显示修复后图像以供操作者分析确认。在一些实施例中，移动设备131可以包括智能家居装置、可穿戴设备、移动装置、虚拟现实装置、增强现实装置等或其任意组合。
在一些实施例中，终端设备130可以是处理设备120的一部分。在一些实施例中，终端设备130可以与处理设备120整合为一体，作为成像设备110的操作台。例如，金属伪影校正系统100的用户/操作者(例如，医生或护士)可以通过该操作台控制成像设备110的运行，例如，对目标对象进行扫描等。在一些实施例中，处理设备120可以集成在成像设备110中。
存储设备140可以存储数据(例如，待处理图像、匹配模板、修复后图像等)、指令和/或任何其他信息。在一些实施例中，存储设备140可以存储从成像设备110、处理设备120和/或终端设备130处获取的数据。例如，存储设备140可以存储从成像设备110获取的目标对象的待处理图像等。又如，存储设备140可以存储从处理设备120获取的滤除高频金属伪影的修复后图像等。在一些实施例中，存储设备140可以存储处理设备120可以执行或使用的数据和/或指令，以执行本说明书中描述的示例性方法。
在一些实施例中，存储设备140可包括大容量存储器、可移除存储器、易失性读写存储器、只读存储器(ROM)等其中一种或几种的组合。在一些实施例中，存储设备140可以通过本说明书中描述的云平台实现。
在一些实施例中，存储设备140可以连接网络150，以与金属伪影校正系统100中的一个或多个组件(例如，处理设备120、终端设备130)之间实现通信。金属伪影校正系统100中的一个或多个组件可以通过网络150读取存储设备140中的数据或指令。在一些实施例中，存储设备140可以是处理设备120的一部分，也可以是独立的，与处理设备120直接或间接相连。
网络150可以包括能够促进金属伪影校正系统100的信息和/或数据交换的任何合适的网络。在一些实施例中，金属伪影校正系统100的一个或多个组件(例如，成像设备110、处理设备120、终端设备130、存储设备140)可以通过网络150与金属伪影校正系统100的一个或多个组件之间交换信息和/或数据。例如，处理设备120可以通过网络150从成像设备110中获取目标对象的待处理图像。在一些实施例中，网络150可以包括公共网络(例如，互联网)、私人网络(例如，局域网(LAN)、广域网(WAN))等)、有线网络(例如，以太网)、无线网络(例如，802.11网络、无线Wi-Fi网络等)、蜂窝网络(例如，长期演进(LTE)网络)、帧中继网络、虚拟专用网络(VPN)、卫星网络、电话网络、路由器、集线器、服务器计算机等其中一种或几种的组合。在一些实施例中，网络150可以包括一个或多个网络接入点。例如，网络150可以包括有线和/或无线网络接入点，例如基站和/或因特网交换点，通过接入点，金属伪影校正系统100的一个或多个组件可以连接网络150以交换数据和/或信息。
应该注意的是，上述描述仅出于说明性目的而提供，并不旨在限制本说明书的范围。对于本领域普通技术人员而言，在本说明书内容的指导下，可做出多种变化和修改。可以以各种方式组合本说明书描述的示例性实施例的特征、结构、方法和其他特征，以获取另外的和/或替代的示例性实施例。例如，系统100中还可以包括显示设备，用于输出显示经处理设备120生成的磁共振图像。然而，这些变化与修改不会背离本说明书的范围。
图2是根据本说明书一些实施例所示的示例性金属伪影校正系统的模块示意图。
如图2所示，在一些实施例中，金属伪影校正系统200可以包括获取模块210、数据修复模块220、滤波模块230和图像生成模块240。在一些实施例中，金属伪影校正系统200中的一个或以上模块可以相互连接。连接可以是无线的或有线的。金属伪影校正系统200的至少一部分可以在如图1所示的成像设备110、处理设备120或终端设备130上实现。
获取模块210可以用于获取含金属伪影的待处理图像。例如，待处理图像可以包括X射线成像图像。
数据修复模块220可以用于进行数据修复。在一些实施例中，数据修复模块220可以用于利用数据修复方法，对待处理图像中的金属轨迹部分进行数据修复，得到修复后投影数据。在一些实施例中，数据修复模块220可以用于基于待处理图像确定金属图像；基于金属图像确定金属轨迹正弦图；利用数据修复方法，基于金属轨迹正弦图进行数据修复，得到修复后投影数据。其中，金属轨迹正弦图可以反映金属轨迹在、待处理图像中的位置。
滤波模块230可以用于对修复后投影数据进行滤波。在一些实施例中，滤波模块230可以用于将修复后投影数据进行低通滤波，得到滤波后的修复后投影数据。在一些实施例中，滤波模块230可以用于将修复后投影数据划分为第一数据部分和第二数据部分，将金属轨迹部分对应的修复数据进行低通滤波，得到滤波后的修复后投影数据。其中，第一数据部分为未经过数据修复的原始数据，第二数据部分为经过数据修复的修复数据。
图像生成模块240可以用于生成重建图像。在一些实施例中，图像生成模块240可以用于基于滤波后的修复后投影数据，通过反投影重建，得到滤除高频金属伪影的修复后图像。
应当注意，对金属伪影校正系统200的以上描述仅出于说明的目的，而无意于限制本说明书的范围。对于本领域普通技术人员而言，可以根据本说明书进行各种变型和修改。然而，这些变化和修改不脱离本说明书的范围。例如，上述金属伪影校正系统200的一个或以上模块可以被省略或集成为单个模块。又例如，金属伪影校正系统200可以包括一个或以上附加模块，例如，用于数据存储的存储模块等。
图3是根据本说明书一些实施例所示的示例性金属伪影校正方法的流程示意图。
在一些实施例中，流程300可以由金属伪影校正系统100(例如，金属伪影校正系统100中成像设备110、处理设备120或终端设备130)或金属伪影校正系统200执行。例如，流程300可以被实现为指令(例如，应用程序)，并存储于例如存储设备140或金属伪影校正系统(例如，金属伪影校正系统100或金属伪影校正系统200)外部并且可由处理设备120或金属伪影校正系统访问的存储器中。处理设备120或金属伪影校正系统200可以执行指令，并且在执行指令时，可以将其配置为执行流程300。下面呈现的流程300的操作示意图是说明性的。在一些实施例中，可以利用一个或以上未描述的附加操作和/或未讨论的一个或以上操作来完成该过程。另外，图3中示出的和下面描述的流程300的操作顺序是非限制性的。
步骤310，获取含金属伪影的待处理图像。在一些实施例中，步骤310可以由处理设备120或获取模块210执行。
待处理图像可以指未经处理的含有金属伪影的初始扫描图像，例如，通过成像设备110扫描获得的图像。在一些实施例中，待处理图像可以包括含有金属伪影的射线成像图像。
成像设备对目标对象进行扫描时，来自射线源的射线通过射线过滤器被固定到目标对象上，穿过目标对象的射线被探测器检测为电信号，探测器的输出信号针对每个探测器通道被收集放大并转换成数字信号以产生投影数据。
射线(例如，X射线、α射线、β射线等)成像时，由于金属对射线是高衰减的，使得射线被金属吸收的比例很大，探测器接收到的射线很少。在临床应用中，对目标对象进行射线成像时，病人体内携带金属植入物(如金属义齿、骨钉等)，金属处对应的数据由于射线被金属植入物吸收掉大部分而没有采集到，导致获得的投影数据数据采集不足，读取的投影值与真实值相差甚远，从而在重建图像中形成金属伪影。金属伪影在正弦图上通常表现为一段没有实际信息的空白条带，即数据缺失(例如，图6(a)中610所示)，在重建后的图像中表现为严重的条状(例如，图6(b)中620所示)。
在一些实施例中，待处理图像可以包括投影数据(例如，图6(a)中所示的投影数据)或重建图像(例如，基于图6(a)中所示的投影数据通过投影重建获得的图6(b)中所示的重建图像)。在一些实施例中，可以从成像设备110和/或存储设备140获取含金属伪影的待处理图像。
步骤320，利用数据修复方法，对待处理图像中的金属轨迹部分进行数据修复，得到修复后投影数据。在一些实施例中，步骤320可以由处理设备120或数据修复模块220执行。
在一些实施例中，修复后投影数据可以包括目标对应的金属部分的投影数据(即缺失的数据)和采集到的其他部分的投影数据，例如图7(c)中所示。
数据修复可以指恢复投影数据中金属部分对应的未采集到的数据。在一些实施例中，可以利用数据修复方法，对待处理图像中的金属轨迹部分进行数据修复。
在一些实施例中，数据修复方法可以包括但不限于插值法。插值法可以通过对金属区域进行插值处理，实现数据恢复。例如，处理设备120可以通过阈值分割法从待处理图像中分割出金属图像，基于金属图像确定金属轨迹正弦图。进一步地，可以根据金属轨迹正弦图中的金属轨迹边缘的采集到的投影数据，拟合金属部分对应的投影数据，进而实现数据恢复。
在一些实施例中，可以基于待处理图像确定金属图像，基于金属图像确定金属轨迹正弦图，利用数据修复方法，基于金属轨迹正弦图进行数据修复，得到修复后投影数据。更多详细内容可以参见图5及其相关描述，此处不再赘述。
步骤330，将修复后投影数据进行低通滤波，得到滤波后的修复后投影数据。在一些实施例中，步骤330可以由处理设备120或滤波模块230执行。
数据修复是一种基于已采集或已恢复数据推测出未采集数据的方法，修复的数据取决于参考数据，数据修复过程中不可避免地会引入一些高频数据。相应地，在对待处理图像中的金属轨迹部分进行数据修复时，修复后数据中会引入一些高频数据。
在一些实施例中，可以将修复后投影数据进行低通滤波，滤除修复数据中的高频数据。在一些实施例中，高频数据可以包括像素值或频率值大于预设数值的修复数据，在重建图像中将体现为大小不一的条纹状伪影(例如图8(a)中所示重建图像)。预设数值可以为任意合理的值，例如，基于多组临床扫描数据获得的金属部分对应的投影数据的均值、最大值等，本说明书对此不作限制。
在一些实施例中，可以将金属轨迹部分对应的修复数据进行低通滤波，得到滤波后的修复后投影数据。在一些实施例中，可以对金属轨迹部分对应的修复数据进行低通滤波，同时保留原始数据，以得到滤波后的修复后投影数据。关于对修复后投影数据进行低通滤波的更多内容可以参见图4及其相关描述，此处不再赘述。
在一些实施例中，可以将金属轨迹部分对应的修复数据进行低通滤波，并将其与原始数据(例如，第一数据部分)进行融合，得到滤波后的修复后投影数据。
步骤340，基于滤波后的修复后投影数据，通过反投影重建，得到修复后图像。在一些实施例中，步骤340可以由成像设备110、处理设备120或图像生成模块240执行。
在一些实施例中，可以基于滤波后的修复后投影数据，通过反投影重建，得到滤除高频伪影和/或金属伪影的修复后图像。在一些实施例中，可以通过反投影重建算法对滤波后的修复后投影数据进行重建，得到中间重建图像，基于中间重建图像和金属图像，获得修复后图像。例如，图8(a)所示图像为没有进行滤波处理的重建图像(即基于修复后投影数据获得的重建图像)，图像中含有一些小细纹状的伪影，即高频伪影，图8(b)所示图像为修复后图像，图中小细纹状的伪影被弱化。在一些实施例中，可以将中间重建图像与分割出的金属图像进行融合，获得修复后图像。例如，可以将金属叠加至中间重建图像，得到修复后图像。
在一些实施例中，反投影重建算法可以包括但不限于平行射线束滤波反投影重建和/或扇形射线束反投影重建。在一些实施例中，可以通过其他图像重建方法获得修复后图像，例如，解析重建、平面重建、最大密度投影、容积漫游技术VRT等，本说明书对此不作限制。
应当注意的是，上述有关流程300的描述仅仅是为了示例和说明，而不限定本说明书的适用范围。对于本领域技术人员来说，在本说明书的指导下可以对流程300进行各种修正和改变。然而，这些修正和改变仍在本说明书的范围之内。
图4是根据本说明书一些实施例所示的示例性对修复数据滤波的流程示意图。在一些实施例中，流程400可以由金属伪影校正系统100(例如，金属伪影校正系统100中成像设备110、处理设备120或终端设备130)或金属伪影校正系统200(例如，滤波模块230)执行。下面呈现的流程400的操作示意图是说明性的。在一些实施例中，可以利用一个或以上未描述的附加操作和/或未讨论的一个或以上操作来完成该过程。
如图4中所示，在一些实施例中，可以将修复后投影数据410划分为第一数据部分425和第二数据部分427。其中，第一数据部分425为未经过数据修复的原始数据，即采集到的投影数据。第二数据部分427为经过数据修复的修复数据，即金属部分对应的投影数据。
在一些实施例中，可以利用模板确定修复后投影数据410中的第二数据部分427(即金属轨迹部分对应的修复数据)，对第二数据部分427进行低通滤波，得到滤波后数据440，基于滤波后数据440和修复后投影数据410中第一数据部分425，得到滤波后的修复后投影数据450。在一些实施例中，可以对修复后投影数据410进行低通滤波，获取滤波后数据中金属部分(即第二数据部分427)对应的滤波后数据440。在一些实施例中，可以利用高斯低通滤波方法对修复后投影数据进行低通滤波，得到滤波后的修复后投影数据。在一些实施例中，可以通过其他低通滤波方法对修复后投影数据进行低通滤波，本说明书对此不作限制。
在一些实施例中，可以保留第一数据部分425对应的原始数据(即修复后投影数据中采集到的数据)，基于滤波后数据440和第一数据部分425对应的原始数据，得到滤波后的修复后投影数据450。在一些实施例中，可以通过对滤波后数据440和第一数据部分425对应的原始数据进行数据融合，得到滤波后的修复后投影数据450。
仅作为示例，处理设备120可以对修复后投影数据410进行低通滤波，得到滤波后数据。然后基于图7(b)所示的金属轨迹正弦图确定修复后投影数据中的第一数据部分425以及第二数据部分427。进一步地，可以获取滤波后数据中第二数据部分427对应的滤波后数据440，将滤波后数据440与第一数据部分425对应的原始数据进行叠加，得到滤波后的修复后投影数据450。
通过对修复后投影数据410进行低通滤波，可以过滤掉数据修复过程中引入的高频数据，从而避免在基于修复后投影数据获得重建图像时产生高频伪影，提高重建图像的图像质量。
图5是根据本说明书一些实施例所示的示例性数据修复的流程示意图。
在一些实施例中，流程500可以由金属伪影校正系统100(例如，金属伪影校正系统100中成像设备110、处理设备120或终端设备130)或金属伪影校正系统200(例如，数据恢复模块220)执行。下面呈现的流程500的操作示意图是说明性的。在一些实施例中，可以利用一个或以上未描述的附加操作和/或未讨论的一个或以上操作来完成该过程。
步骤510，基于待处理图像确定金属图像。
金属图像可以指目标对象体内的金属对应部分的重建图像，例如图7(a)中所示的图像。在一些实施例中，可以通过阈值法提取待处理图像中的金属图像。例如在CT成像中，不同组织的CT值差异较大，空气的CT值一般为-1000HU、脂肪的CT值为-120～-90HU、骨的CT值在300～2000HU，而各类金属的CT值远大于2000HU，甚至上万，处理设备120可以基于重建图像(例如图6(b)中所示图像)，通过阈值分割，将大于2000HU的CT值从中分割出来，确定相应的金属图像(例如图7(a)中所示的图像)。又如，处理设备120可以基于不同组织在重建图像中的像素值，设定像素阈值，基于像素阈值从重建图像中分割出金属图像。在一些实施例中，可以通过训练好的机器学习模型(例如，U-net模型)提取待处理图像中的金属图像。
在一些实施例中，可以对待处理图像进行预处理，基于预处理后的待处理图像确定金属图像。例如，预处理可以包括但不限于降噪、双边滤波等。
步骤520，基于金属图像确定金属轨迹正弦图。
在一些实施例中，目标对象的投影数据可以为正弦图的形式。金属轨迹正弦图可以指金属部分对应的投影数据，例如图7(b)中所示的图像。在一些实施例中，可以基于金属图像，通过正投影的方法确定金属轨迹正弦图。在一些实施例中，可以直接基于原始投影数据，确定金属轨迹正弦图。例如，可以基于图6(a)中所示的投影数据，通过阈值分割等方法确定金属轨迹正弦图。
步骤530，利用数据修复方法，基于金属轨迹正弦图进行数据修复，得到修复后投影数据。
在一些实施例中，可以基于金属轨迹正弦图确定金属邻域的投影数据，利用数据修复方法，基于金属邻域的投影数据进行数据修复，得到修复后投影数据。例如，可以基于金属邻域中数据值，计算金属区域中的数据值，进而得到修复后投影数据。在一些实施例中，可以通过插值法确定金属部分对应的投影数据。在一些实施例中，可以基于金属轨迹正弦图和参考图像进行数据修复，得到修复后投影数据。例如，可以采用类组织模型，将重建图像中被分割出的金属区域用软组织CT值填充，利用三维K-means算法对填充后的重建图像进行聚类，将人体组织聚类为空气、脂肪、软组织和骨，对不同聚类的组织进行赋值，得到参考图像，基于参考图像对应的正投影数据和金属轨迹确定金属区域对应的数据，得到修复后投影数据。
应当注意的是，上述有关流程400和/或500的描述仅仅是为了示例和说明，而不限定本说明书的适用范围。对于本领域技术人员来说，在本说明书的指导下可以对流程400和/或500进行各种修正和改变。例如，在流程400中，可以基于训练好的机器学习模型修复后投影数据中高频伪影，得到没有金属伪影和高频伪影的重建图像。然而，这些修正和改变仍在本说明书的范围之内。
本说明书实施例可能带来的有益效果包括但不限于：(1)通过对修复后投影数据进行低通滤波，可以在消除金属伪影的同时过滤掉数据修复过程中产生的高频数据，避免在基于修复后投影数据获得重建图像时产生高频伪影，提高重建图像的图像质量；(2)通过对修复后投影数据中修复数据进行低通滤波，其余数据不滤波，可以避免影响其余部分数据对应的图像质量；(3)通过对修复后投影数据进行低通滤波，可以弱化或消除修复后图像中条状伪影，从而提高修复后图像的图像质量；(4)通过消除金属伪影同时抑制高频伪影的产生，可以进一步提高被诊断区域的诊断结果的准确性。需要说明的是，不同实施例可能产生的有益效果不同，在不同的实施例里，可能产生的有益效果可以是以上任意一种或几种的组合，也可以是其他任何可能获取的有益效果。
上文已对基本概念做了描述，显然，对于本领域技术人员来说，上述详细披露仅仅作为示例，而并不构成对本说明书的限定。虽然此处并没有明确说明，本领域技术人员可能会对本说明书进行各种修改、改进和修正。该类修改、改进和修正在本说明书中被建议，所以该类修改、改进、修正仍属于本说明书示范实施例的精神和范围。
同时，本说明书使用了特定词语来描述本说明书的实施例。如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本说明书至少一个实施例相关的某一特征、结构或特点。因此，应强调并注意的是，本说明书中在不同位置两次或多次提及的“一实施例”或“一个实施例”或“一个替代性实施例”并不一定是指同一实施例。此外，本说明书的一个或多个实施例中的某些特征、结构或特点可以进行适当的组合。
此外，除非权利要求中明确说明，本说明书所述处理元素和序列的顺序、数字字母的使用、或其他名称的使用，并非用于限定本说明书流程和方法的顺序。尽管上述披露中通过各种示例讨论了一些目前认为有用的发明实施例，但应当理解的是，该类细节仅起到说明的目的，附加的权利要求并不仅限于披露的实施例，相反，权利要求旨在覆盖所有符合本说明书实施例实质和范围的修正和等价组合。例如，虽然以上所描述的系统组件可以通过硬件设备实现，但是也可以只通过软件的解决方案得以实现，如在现有的服务器或移动设备上安装所描述的系统。
同理，应当注意的是，为了简化本说明书披露的表述，从而帮助对一个或多个发明实施例的理解，前文对本说明书实施例的描述中，有时会将多种特征归并至一个实施例、附图或对其的描述中。但是，这种披露方法并不意味着本说明书对象所需要的特征比权利要求中提及的特征多。实际上，实施例的特征要少于上述披露的单个实施例的全部特征。
一些实施例中使用了描述成分、属性数量的数字，应当理解的是，此类用于实施例描述的数字，在一些示例中使用了修饰词“大约”、“近似”或“大体上”来修饰。除非另外说明，“大约”、“近似”或“大体上”表明所述数字允许有±20％的变化。相应地，在一些实施例中，说明书和权利要求中使用的数值参数均为近似值，该近似值根据个别实施例所需特点可以发生改变。在一些实施例中，数值参数应考虑规定的有效数位并采用一般位数保留的方法。尽管本说明书一些实施例中用于确认其范围广度的数值域和参数为近似值，在具体实施例中，此类数值的设定在可行范围内尽可能精确。
针对本说明书引用的每个专利、专利申请、专利申请公开物和其他材料，如文章、书籍、说明书、出版物、文档等，特此将其全部内容并入本说明书作为参考。与本说明书内容不一致或产生冲突的申请历史文件除外，对本说明书权利要求最广范围有限制的文件(当前或之后附加于本说明书中的)也除外。需要说明的是，如果本说明书附属材料中的描述、定义、和/或术语的使用与本说明书所述内容有不一致或冲突的地方，以本说明书的描述、定义和/或术语的使用为准。
最后，应当理解的是，本说明书中所述实施例仅用以说明本说明书实施例的原则。其他的变形也可能属于本说明书的范围。因此，作为示例而非限制，本说明书实施例的替代配置可视为与本说明书的教导一致。相应地，本说明书的实施例不仅限于本说明书明确介绍和描述的实施例。

Claims (10)

1.一种金属伪影的校正方法，其特征在于，所述方法包括：
获取含金属伪影的待处理图像；
利用数据修复方法，对所述待处理图像中的金属轨迹部分进行数据修复，得到修复后投影数据；
将所述修复后投影数据进行低通滤波，得到滤波后的修复后投影数据；
基于所述滤波后的修复后投影数据，通过反投影重建，得到修复后图像。
2.根据权利要求1所述的方法，其特征在于，所述将所述修复后投影数据进行低通滤波，得到滤波后的修复后投影数据包括：
将所述修复后投影数据划分为第一数据部分和第二数据部分，所述第一数据部分为未经过所述数据修复的原始数据，所述第二数据部分为经过所述数据修复的修复数据；
将所述金属轨迹部分对应的所述修复数据进行低通滤波，得到所述滤波后的修复后投影数据。
3.根据权利要求1所述的方法，其特征在于，所述利用数据修复方法，对所述待处理图像中的金属轨迹部分进行数据修复，得到修复后投影数据包括：
基于所述待处理图像，确定金属图像；
基于所述金属图像确定金属轨迹正弦图；
利用数据修复方法，基于所述金属轨迹正弦图进行数据修复，得到所述修复后投影数据。
4.一种金属伪影的校正系统，其特征在于，包括：
获取模块，用于获取含金属伪影的待处理图像；
数据修复模块，用于利用数据修复方法，对所述待处理图像中的金属轨迹部分进行数据修复，得到修复后投影数据；
滤波模块，用于将所述修复后投影数据进行低通滤波，得到滤波后的修复后投影数据；
图像生成模块，用于基于所述滤波后的修复后投影数据，通过反投影重建，得到修复后图像。
5.根据权利要求4所述的系统，其特征在于，所述滤波模块用于：
将所述修复后投影数据划分为第一数据部分和第二数据部分，所述第一数据部分为未经过所述数据修复的原始数据，所述第二数据部分为经过所述数据修复的修复数据；
将所述金属轨迹部分对应的所述修复数据进行低通滤波，得到所述滤波后的修复后投影数据。
6.一种计算机可读存储介质，所述存储介质存储计算机指令，当计算机读取所述计算机指令时，所述计算机执行如权利要求1～3中任一项所述的方法。
7.一种金属伪影校正装置，其特征在于，包括：
至少一个存储介质，存储计算机指令；
至少一个处理器，执行所述计算机指令，以实现权利要求1～3中任一项所述的方法。
8.一种X射线图像重建方法，由至少一个处理器执行，所述至少一个处理器与存储设备通信，所述存储设备存储可执行指令，当执行所述可执行指令时指示所述至少一个处理器执行所述方法，所述方法包括：
获取含金属伪影的X射线图像；
利用数据修复方法，对所述X射线图像中的金属轨迹部分进行数据修复，得到修复后投影数据；
将所述修复后投影数据进行低通滤波，得到滤波后的修复后投影数据；
基于所述滤波后的修复后投影数据进行图像重建，得到修复后图像。
9.根据权利要求8所述的方法，其特征在于，所述将所述修复后投影数据进行低通滤波，得到滤波后的修复后投影数据包括：
将所述修复后投影数据划分为第一数据部分和第二数据部分，所述第一数据部分为未经过所述数据修复的原始数据，所述第二数据部分为经过所述数据修复的修复数据；
将所述金属轨迹部分对应的所述修复数据进行低通滤波，得到所述滤波后的修复后投影数据。
10.根据权利要求8所述的方法，其特征在于，所述利用数据修复方法，对所述X射线图像中的金属轨迹部分进行数据修复，得到修复后投影数据包括：
基于所述X射线图像，确定金属图像；
基于所述金属图像确定金属轨迹正弦图；
利用数据修复方法，基于所述金属轨迹正弦图进行数据修复，得到所述修复后投影数据。
CN202211307598.XA 2022-10-25 2022-10-25 一种金属伪影的校正方法、系统和x射线图像重建方法 Pending CN115564858A (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
CN202211307598.XA CN115564858A (zh) 2022-10-25 2022-10-25 一种金属伪影的校正方法、系统和x射线图像重建方法
US18/494,737 US20240233214A9 (en) 2022-10-25 2023-10-25 Methods and systems for metal artifacts correction
EP23205813.1A EP4369302A1 (en) 2022-10-25 2023-10-25 Methods and systems for metal artifacts correction

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211307598.XA CN115564858A (zh) 2022-10-25 2022-10-25 一种金属伪影的校正方法、系统和x射线图像重建方法

Publications (1)

Publication Number Publication Date
CN115564858A true CN115564858A (zh) 2023-01-03

Family

ID=84746639

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211307598.XA Pending CN115564858A (zh) 2022-10-25 2022-10-25 一种金属伪影的校正方法、系统和x射线图像重建方法

Country Status (3)

Country Link
US (1) US20240233214A9 (zh)
EP (1) EP4369302A1 (zh)
CN (1) CN115564858A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116385582A (zh) * 2023-03-30 2023-07-04 重庆理工大学 基于深度学习的x射线荧光ct自吸收校正方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5984120B2 (ja) * 2012-04-27 2016-09-06 学校法人日本大学 画像処理装置、ｘ線ｃｔ撮影装置および画像処理方法
US11403791B2 (en) * 2019-07-11 2022-08-02 Canon Medical Systems Corporation Apparatus and method using deep learning (DL) to improve analytical tomographic image reconstruction

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116385582A (zh) * 2023-03-30 2023-07-04 重庆理工大学 基于深度学习的x射线荧光ct自吸收校正方法

Also Published As

Publication number Publication date
US20240135605A1 (en) 2024-04-25
EP4369302A1 (en) 2024-05-15
US20240233214A9 (en) 2024-07-11

Similar Documents

Publication Publication Date Title
US9934597B2 (en) Metal artifacts reduction in cone beam reconstruction
EP2102819B1 (en) Apparatus, method and computer program for producing a corrected image of a region of interest from acquired projection data
RU2605519C2 (ru) Двухпроходная коррекция металлического артефакта с компенсацией движения для изображений срезов компьютерной томографии
EP3547207A1 (en) Blood vessel extraction method and system
EP3143935B1 (en) Tomography apparatus and method of reconstructing tomography images
Meilinger et al. Metal artifact reduction in cone beam computed tomography using forward projected reconstruction information
JP6442243B2 (ja) コンピュータ断層撮影画像再構成のアーチファクト低減の方法および装置
CN102024251B (zh) 用于双源ct的基于多图像虚拟非对比图像增强的系统和方法
JP2007520300A (ja) ボクセル組織クラスを分散するｃｔにおける高減衰オブジェクトにより生じる画像全体のアーティファクトの縮小
JP2007530086A (ja) Ｃｔにおける金属アーチファクトの訂正
US20170249759A1 (en) Systems and methods for artifact removal for computed tomography imaging
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
CN111815735B (zh) 一种人体组织自适应的ct重建方法及重建系统
US20200226800A1 (en) Tomographic imaging apparatus and method of generating tomographic image
CN107087393B (zh) 用于将多个采集的对比度归一化的方法和系统
US11580678B2 (en) Systems and methods for interpolation with resolution preservation
JP2004528100A (ja) Ｃｔ画像再構成
CN114037803B (zh) 医学图像三维重建方法及系统
CN115564858A (zh) 一种金属伪影的校正方法、系统和x射线图像重建方法
JP5317612B2 (ja) 断層像処理装置、ｘ線ｃｔ装置およびプログラム
Li et al. A prior-based metal artifact reduction algorithm for x-ray CT
US20220122261A1 (en) Probabilistic Segmentation of Volumetric Images
Liu et al. NMAR3: Normalized Metal Artifact Reduction for Cone Beam Computed Tomography
CN110730977A (zh) 低剂量成像方法及装置
Meilinger et al. Metal artifact reduction in CBCT using forward projected reconstruction information and mutual information realignment

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