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

CN110097517A - 去除图像伪影的方法及装置 - Google Patents

去除图像伪影的方法及装置 Download PDF

Info

Publication number
CN110097517A
CN110097517A CN201910349149.3A CN201910349149A CN110097517A CN 110097517 A CN110097517 A CN 110097517A CN 201910349149 A CN201910349149 A CN 201910349149A CN 110097517 A CN110097517 A CN 110097517A
Authority
CN
China
Prior art keywords
image
soft tissue
data
tissue area
artifact
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.)
Granted
Application number
CN201910349149.3A
Other languages
English (en)
Other versions
CN110097517B (zh
Inventor
房世超
佟丽霞
楼珊珊
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.)
Neusoft Medical Systems Co Ltd
Original Assignee
Neusoft Medical Systems 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 Neusoft Medical Systems Co Ltd filed Critical Neusoft Medical Systems Co Ltd
Priority to CN201910349149.3A priority Critical patent/CN110097517B/zh
Publication of CN110097517A publication Critical patent/CN110097517A/zh
Application granted granted Critical
Publication of CN110097517B publication Critical patent/CN110097517B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • 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

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Apparatus For Radiation Diagnosis (AREA)

Abstract

本申请提供一种去除图像伪影的方法及装置，方法包括：对医疗设备采集的原始投影数据进行重建得到图像A；基于图像A获得包含除软组织区域之外的其他区域的图像B；基于图像B从原始投影数据中提取软组织区域投影数据，对软组织区域投影数据进行重建得到图像C；将图像C与图像B进行合并得到不存在伪影的图像D。由于原始投影数据是不包含伪影数据的精确数据，因此从原始投影数据中提取的软组织区域投影数据不包含伪影数据。由于软组织部位伪影是由其他组织引入，因此重建软组织区域投影数据可得不存在伪影的软组织区域图像，再与其他区域图像合并得到去除伪影的图像。由此不需要复杂度高的多次正投迭代即可快速实现图像伪影去除。

Description

去除图像伪影的方法及装置
技术领域
本申请涉及图像处理技术领域，尤其涉及一种去除图像伪影的方法及装置。
背景技术
随着CT(Computed Tomography，计算机断层扫描)技术的快速发展，探测器排数不断增加，使得扫描锥角也越来越大。由于图像重建算法属于近似算法，随着扫描锥角的增大，在重建过程中引入的锥角伪影也越来越严重，进而对临床医学判断造成很大的影响。
目前，去除锥角伪影的方式有两种：一种是使用更加精确的重建算法重建图像，另一种是通过多次正投迭代的方式去除图像锥角伪影，然而这两种方式的计算复杂度都很高。
发明内容
有鉴于此，本申请提供一种去除图像伪影的方法及装置，以解决相关技术中的去除方式计算复杂度高的问题。
根据本申请实施例的第一方面，提供一种去除图像伪影的方法，所述方法包括：
对医疗设备采集的原始投影数据进行重建，得到存在伪影的图像A；
基于所述图像A获得包含除软组织区域之外的其他区域的图像B；
基于所述图像B，从所述原始投影数据中提取软组织区域投影数据，并对所述软组织区域投影数据进行重建，得到不存在伪影的软组织区域的图像C；
将所述图像C与所述图像B进行合并，得到不存在伪影的图像D。
根据本申请实施例的第二方面，提供一种去除图像伪影的装置，所述装置包括：
第一重建模块，用于对医疗设备采集的原始投影数据进行重建，得到存在伪影的图像A；
确定模块，用于基于所述图像A获得包含除软组织区域之外的其他区域的图像B；
第二重建模块，用于基于所述图像B，从所述原始投影数据中提取软组织区域投影数据，并对所述软组织区域投影数据进行重建，得到不存在伪影的软组织区域的图像C；
合并模块，用于将所述图像C与所述图像B进行合并，得到不存在伪影的图像D。
根据本申请实施例的第三方面，提供一种电子设备，所述设备包括可读存储介质和处理器；
其中，所述可读存储介质，用于存储机器可执行指令；
所述处理器，用于读取所述可读存储介质上的所述机器可执行指令，并执行所述指令以实现上述第一方面所述的步骤。
应用本申请实施例，通过对医疗设备采集的原始投影数据进行重建，得到存在伪影的图像A，并基于图像A获得包含除软组织区域之外的其他区域的图像B，然后再基于图像B，从原始投影数据中提取软组织区域投影数据，并对软组织区域投影数据进行重建，得到不存在伪影的图像C，最后将图像B与图像C进行合并，得到不存在伪影的图像D。
基于上述描述可知，由于原始投影数据是不包含伪影数据的精确数据，因此从原始投影数据中提取的软组织区域投影数据不包含伪影数据。又由于在重建过程中，软组织部位的伪影主要是由其他组织引入，因此通过单独重建软组织区域投影数据，可得到不存在伪影的软组织区域图像，进而再通过与其他区域图像合并，得到去除伪影的图像。由此可知，本申请不需要复杂度很高的重建算法，也不需要复杂度很高的多次正投迭代即可实现图像伪影的去除，实现方案简单快速。
附图说明
图1A为本申请根据一示例性实施例示出的一种去除图像伪影的方法的实施例流程图；
图1B为本申请根据图1A所示实施例示出的一种存在伪影的原始图像；
图1C为本申请根据图1A所示实施例示出的一种去除伪影后的图像；
图2为本申请根据一示例性实施例示出的一种医疗设备的硬件结构图；
图3为本申请根据一示例性实施例示出的一种去除图像伪影的装置的实施例结构图。
具体实施方式
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申请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、本申请的一些方面相一致的装置和方法的例子。
在本申请使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本申请。在本申请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，尽管在本申请可能采用术语第一、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，在不脱离本申请范围的情况下，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”。
对于目前采用的精确的重建算法，除了计算复杂度很高之外，由于在重建过程中会将探测器收集的一部分投影数据过滤掉，因此探测器利用率低；对于多次正投迭代的方式，迭代次数越高，其计算复杂度越高。
在临床数据和实验数据分析过程中，由于空气和骨组织对射线的吸收系数大，软组织对射线的吸收系数小，而在吸收系数由大变小的部分会产生比较明显的锥角伪影，因此，对于由包含软组织、空气、骨组织的投影数据重建得到的图像，锥角伪影主要存在软组织部位，且主要集中在紧邻骨组织或空气的部分，而对于单独由软组织投影数据重建得到的图像并不存在锥角伪影。由此可知，锥角伪影主要在图像的软组织部位比较明显，且软组织部位的锥角伪影主要是由空气和骨组织造成的。
基于此，本申请从锥角伪影的影响因素出发，提出一种去除图像伪影的方法，通过对医疗设备采集的原始投影数据进行重建，得到存在伪影的图像A，并基于图像A获得包含除软组织区域之外的其他区域的图像B，然后再基于图像B，从原始投影数据中提取软组织区域投影数据，并对软组织区域投影数据进行重建，得到不存在伪影的图像C，最后将图像B与图像C进行合并，得到不存在伪影的图像D。
基于上述描述可知，由于原始投影数据是不包含伪影数据的精确数据，因此从原始投影数据中提取的软组织区域投影数据不包含伪影数据。又由于在重建过程中，软组织部位的伪影主要是由其他组织引入，因此通过单独重建软组织区域投影数据，可得到不存在伪影的软组织区域图像，进而再通过与其他区域图像合并，得到去除伪影的图像。由此可知，本申请不需要复杂度很高的重建算法，也不需要复杂度很高的多次正投迭代即可实现图像伪影的去除，实现方案简单快速。
图1A为本申请根据一示例性实施例示出的一种去除图像伪影的方法的实施例流程图，所述去除图像伪影的方法可以应用在电子设备(如PC机)上，本申请实施例中的原始投影数据指的是包含软组织、骨组织以及空气的投影数据。
如图1A所示，所述去除图像伪影的方法包括如下步骤：
步骤101：对医疗设备采集的原始投影数据进行重建，得到存在伪影的图像A。
在一实施例中，对原始投影数据的重建过程可以通过采用普通的重建算法进行重建，如FDK(Feldkamp-Davis-Kress)重建算法。
其中，由于重建算法属于近似算法，因此对原始投影数据重建得到的图像A中存在伪影。
步骤102：基于所述图像A获得包含除软组织区域之外的其他区域的图像B。
在一实施例中，可以先对图像A进行预设数量次的正投迭代，得到图像E然后再采用预设的分割算法，将图像E分割为软组织区域和其他区域，进一步将软组织区域包含的像素点像素值置为0并保持其他区域包含的像素点像素值不变，从而得到包含其他区域的图像B。
其中，预设数量可以根据实际需求设置，如果要求对图像中的伪影改善程度高，其可以设置的大些。由于进行正投迭代的次数越大，计算复杂度越高，因此，预设数量可以是1。基于上述所述的临床数据和实验数据分析过程，软组织部位的锥角伪影最明显，其他组织的锥角伪影比较少，在对图像A进行预设数量次的正投迭代后，可以达到完全去除其他区域的锥角伪影的目的，因此经过分割得到的包含其他区域的图像B几乎不存在伪影。通过将软组织区域的像素值置为0并保持其他区域包含的像素点像素值不变方式，得到只包含其他区域的图像B。
本领域技术人员可以理解的是，分割算法可以采用K-means聚类分割算法。正投迭代过程可以通过相关技术实现，如正投迭代过程可以采用IWFBP(iterative weightedfiltered back projection，螺旋锥梁的正则迭代加权滤波反投影)算法。
需要说明的是，其他区域中可以包括空气区域和骨组织区域。
步骤103：基于所述图像B，从所述原始投影数据中提取软组织区域投影数据。
在一实施例中，可以先对图像B进行正投得到其他区域投影数据，然后再从原始投影数据中去除其他区域投影数据，得到软组织区域投影数据。
其中，由于原始投影数据是不包含伪影数据的精确数据，因此去除其他区域投影数据之后剩余的软组织区域投影数据也是精确数据。基于上述步骤102所述，由图像E得到的其他区域图像B几乎不存在伪影，因此由其他区域图像B得到其他区域投影数据几乎不包含伪影数据。
步骤104：对所述软组织区域投影数据进行重建，得到不存在伪影的软组织区域的图像C。
在一实施例中，该重建过程也可以通过采用普通的重建算法进行重建，如FDK(Feldkamp-Davis-Kress)重建算法。由于是单独对软组织区域投影数据进行的重建，没有其他组织投影数据的影响，因此可得到不存在伪影的软组织区域的图像。
步骤105：将所述图像B与所述图像C进行合并，得到不存在伪影的图像D。
在一实施例中，可以通过将图像C中不存在伪影的软组织区域包含的像素点与图像B中其他区域包含的像素点进行合并，得到不存在伪影的图像D。
其中，可以通过一副标识图像F实现不存在伪影的软组织区域包含的像素点与图像B中其他区域包含的像素点的合并，其实现过程可以是：
基于上述步骤102的描述，在将图像E分割为软组织区域和其他区域之后，还可以将软组织区域包含的像素点像素值置为1以及其他区域包含的像素点像素值置为0，得到标识图像F。
通过标识图像F实现合并的公式可以是：图像D＝C*F+B*(1-F)，其中，C*F表示的是针对图像C的每个像素点，将该像素点像素值与图像F中对应位置的像素点像素值相乘，由于图像F中软组织区域包含的像素点像素值是1，其他区域包含的像素点像素值是0，因此经过C*F之后，将图像C中软组织区域包含的像素点像素值保留下来；(1-F)表示的是对图像F中各像素点像素值的反置，即软组织区域包含的像素点像素值是0以及其他区域包含的像素点像素值是1，B*(1-F)的相乘原理与C*F的相乘原理类似，经过B*(1-F)之后，将图像B中其他区域包含的像素点像素值保留下来；“+”表示由保留下来的软组织区域的像素点像素值与其他区域的像素点像素值组成图像D。
在一示例性场景中，如图1B和图1C所示，图1B为对原始投影数据进行重建得到的存在伪影的原始图像，可以看到，在骨组织脊柱两侧存在很明显的伪影，图1C为经过上述步骤101至步骤105的过程处理，得到的不存在伪影的图像，可以看到，骨组织脊柱两侧的伪影被去除。
在本申请实施例中，通过对医疗设备采集的原始投影数据进行重建，得到存在伪影的图像A，并基于图像A获得包含除软组织区域之外的其他区域的图像B，然后再基于图像B，从原始投影数据中提取软组织区域投影数据，并对软组织区域投影数据进行重建，得到不存在伪影的图像C，最后将图像B与图像C进行合并，得到不存在伪影的图像D。
基于上述描述可知，由于原始投影数据是不包含伪影数据的精确数据，因此从原始投影数据中提取的软组织区域投影数据不包含伪影数据。又由于在重建过程中，软组织部位的伪影主要是由其他组织引入，因此通过单独重建软组织区域投影数据，可得到不存在伪影的软组织区域图像，进而再通过与其他区域图像合并，得到去除伪影的图像。由此可知，本申请不需要复杂度很高的重建算法，也不需要复杂度很高的多次正投迭代即可实现图像伪影的去除，实现方案简单快速。
图2为本申请根据一示例性实施例示出的一种电子设备的硬件结构图，该电子设备包括：通信接口201、处理器202、机器可读存储介质203和总线204；其中，通信接口201、处理器202和机器可读存储介质203通过总线204完成相互间的通信。处理器202通过读取并执行机器可读存储介质203中与去除图像伪影的方法的控制逻辑对应的机器可执行指令，可执行上文描述的去除图像伪影的方法，该方法的具体内容参见上述实施例，此处不再累述。
本申请中提到的机器可读存储介质203可以是任何电子、磁性、光学或其它物理存储装置，可以包含或存储信息，如可执行指令、数据，等等。例如，机器可读存储介质可以是：易失存储器、非易失性存储器或者类似的存储介质。具体地，机器可读存储介质203可以是RAM(Radom Access Memory，随机存取存储器)、闪存、存储驱动器(如硬盘驱动器)、任何类型的存储盘(如光盘、DVD等)，或者类似的存储介质，或者它们的组合。
图3为本申请根据一示例性实施例示出的一种去除图像伪影的装置的实施例结构图，所述去除图像伪影的装置可以应用在电子设备上，所述去除图像伪影的装置可以包括：
第一重建模块310，用于对医疗设备采集的原始投影数据进行重建，得到存在伪影的图像A；
确定模块320，用于基于所述图像A获得包含除软组织区域之外的其他区域的图像B；
第二重建模块330，用于基于所述图像B，从所述原始投影数据中提取软组织区域投影数据，并对所述软组织区域投影数据进行重建，得到不存在伪影的软组织区域的图像C；
合并模块340，用于将所述图像C与所述图像B进行合并，得到不存在伪影的图像D。
在一可选实现方式中，所述确定模块320，具体用于对所述图像A进行预设数量次的正投迭代，得到图像E；采用预设的分割算法，将所述图像E分割为软组织区域和其他区域；将所述软组织区域包含的像素点像素值置为0并保持所述其他区域包含的像素点像素值不变，得到包含其他区域的图像B。
在一可选实现方式中，所述合并模块340，具体用于将所述图像C中所述不存在伪影的软组织区域包含的像素点与所述图像B中所述其他区域包含的像素点进行合并，得到不存在伪影的图像D。
在一可选实现方式中，所述第二重建模块330，具体用于在基于所述图像B，从所述原始投影数据中提取软组织区域投影数据过程中，对所述图像B进行正投得到其他区域投影数据；从所述原始投影数据中去除所述其他区域投影数据，得到软组织区域投影数据。
在一可选实现方式中，所述其他区域至少包括空气区域和骨组织区域。
上述装置中各个单元的功能和作用的实现过程具体详见上述方法中对应步骤的实现过程，在此不再赘述。
对于装置实施例而言，由于其基本对应于方法实施例，所以相关之处参见方法实施例的部分说明即可。以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本申请方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。
本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本申请的其它实施方案。本申请旨在涵盖本申请的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本申请的一般性原理并包括本申请未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本申请的真正范围和精神由下面的权利要求指出。
还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
以上所述仅为本申请的较佳实施例而已，并不用以限制本申请，凡在本申请的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本申请保护的范围之内。

Claims (11)

1.一种去除图像伪影的方法，其特征在于，所述方法包括：
对医疗设备采集的原始投影数据进行重建，得到存在伪影的图像A；
基于所述图像A获得包含除软组织区域之外的其他区域的图像B；
基于所述图像B，从所述原始投影数据中提取软组织区域投影数据，并对所述软组织区域投影数据进行重建，得到不存在伪影的软组织区域的图像C；
将所述图像C与所述图像B进行合并，得到不存在伪影的图像D。
2.根据权利要求1所述的方法，其特征在于，基于所述图像A获得包含除软组织区域之外的其他区域的图像B，包括：
对所述图像A进行预设数量次的正投迭代，得到图像E；
采用预设的分割算法，将所述图像E分割为软组织区域和其他区域；
将所述软组织区域包含的像素点像素值置为0并保持所述其他区域包含的像素点像素值不变，得到包含其他区域的图像B。
3.根据权利要求1所述的方法，其特征在于，将所述图像C与所述图像B进行合并，得到不存在伪影的图像D，包括：
将所述图像C中所述不存在伪影的软组织区域包含的像素点与所述图像B中所述其他区域包含的像素点进行合并，得到不存在伪影的图像D。
4.根据权利要求1所述的方法，其特征在于，基于所述图像B，从所述原始投影数据中提取软组织区域投影数据，包括：
对所述图像B进行正投得到其他区域投影数据；
从所述原始投影数据中去除所述其他区域投影数据，得到软组织区域投影数据。
5.根据权利要求1-4任一所述的方法，其特征在于，所述其他区域至少包括空气区域和骨组织区域。
6.一种去除图像伪影的装置，其特征在于，所述装置包括：
第一重建模块，用于对医疗设备采集的原始投影数据进行重建，得到存在伪影的图像A；
确定模块，用于基于所述图像A获得包含除软组织区域之外的其他区域的图像B；
第二重建模块，用于基于所述图像B，从所述原始投影数据中提取软组织区域投影数据，并对所述软组织区域投影数据进行重建，得到不存在伪影的软组织区域的图像C；
合并模块，用于将所述图像C与所述图像B进行合并，得到不存在伪影的图像D。
7.根据权利要求6所述的装置，其特征在于，所述确定模块，具体用于对所述图像A进行预设数量次的正投迭代，得到图像E；采用预设的分割算法，将所述图像E分割为软组织区域和其他区域；将所述软组织区域包含的像素点像素值置为0并保持所述其他区域包含的像素点像素值不变，得到包含其他区域的图像B。
8.根据权利要求6所述的装置，其特征在于，
所述合并模块，具体用于将所述图像C中所述不存在伪影的软组织区域包含的像素点与所述图像B中所述其他区域包含的像素点进行合并，得到不存在伪影的图像D。
9.根据权利要求6所述的装置，其特征在于，所述第二重建模块，具体用于在基于所述图像B，从所述原始投影数据中提取软组织区域投影数据过程中，对所述图像B进行正投得到其他区域投影数据；从所述原始投影数据中去除所述其他区域投影数据，得到软组织区域投影数据。
10.根据权利要求6-9任一所述的装置，其特征在于，所述其他区域至少包括空气区域和骨组织区域。
11.一种电子设备，其特征在于，所述设备包括可读存储介质和处理器；
其中，所述可读存储介质，用于存储机器可执行指令；
所述处理器，用于读取所述可读存储介质上的所述机器可执行指令，并执行所述指令以实现权利要求1-5任一所述方法的步骤。
CN201910349149.3A 2019-04-28 2019-04-28 去除图像伪影的方法及装置 Active CN110097517B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910349149.3A CN110097517B (zh) 2019-04-28 2019-04-28 去除图像伪影的方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910349149.3A CN110097517B (zh) 2019-04-28 2019-04-28 去除图像伪影的方法及装置

Publications (2)

Publication Number Publication Date
CN110097517A true CN110097517A (zh) 2019-08-06
CN110097517B CN110097517B (zh) 2022-12-27

Family

ID=67446030

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910349149.3A Active CN110097517B (zh) 2019-04-28 2019-04-28 去除图像伪影的方法及装置

Country Status (1)

Country Link
CN (1) CN110097517B (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111192228A (zh) * 2020-01-02 2020-05-22 沈阳先进医疗设备技术孵化中心有限公司 图像处理方法、装置、ct设备及ct系统
CN111415394A (zh) * 2020-03-16 2020-07-14 上海联影医疗科技有限公司 骨硬化伪影校正方法、装置、计算机设备和可读存储介质
CN111739118A (zh) * 2020-08-17 2020-10-02 山东奥新医疗科技有限公司 一种磁共振图像伪影去除方法、装置、设备及存储介质
CN113520441A (zh) * 2021-08-03 2021-10-22 浙江大学 消除ct高阻射物伪影干扰的组织显像方法及系统
CN113808233A (zh) * 2021-09-24 2021-12-17 北京万东医疗科技股份有限公司 一种金属穿刺针伪影处理方法和装置

Citations (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1887228A (zh) * 2005-06-30 2007-01-03 西门子（中国）有限公司 在ct定位像上沿胸腔内边界自动设置重建视野的方法
CN101178370A (zh) * 2006-10-27 2008-05-14 Ge医疗系统环球技术有限公司 X-射线断层摄影设备
CN103186883A (zh) * 2011-12-29 2013-07-03 上海联影医疗科技有限公司 一种ct图像重建中骨硬化伪影的校正方法
CN103279929A (zh) * 2013-05-25 2013-09-04 北京工业大学 一种基于余弦积分的ct图像金属轨迹预测和伪影去除方法
CN103310432A (zh) * 2013-06-25 2013-09-18 西安电子科技大学 基于四阶全变分流的ct图像归一化的金属伪影校正法
CN105188545A (zh) * 2013-05-24 2015-12-23 株式会社日立医疗器械 X射线ct装置以及处理方法
CN105608721A (zh) * 2016-01-30 2016-05-25 上海联影医疗科技有限公司 计算机断层成像伪影校正方法及装置
CN105608720A (zh) * 2016-01-30 2016-05-25 上海联影医疗科技有限公司 计算机断层成像伪影校正方法及装置
CN105631909A (zh) * 2015-12-23 2016-06-01 浙江大学 伪影修正辅助的cbct迭代重建方法
CN105701778A (zh) * 2016-01-11 2016-06-22 赛诺威盛科技（北京）有限公司 一种从ct图像中去除金属伪影的方法
CN106683144A (zh) * 2016-12-30 2017-05-17 上海联影医疗科技有限公司 一种图像迭代重建方法及装置
CN107123095A (zh) * 2017-04-01 2017-09-01 上海联影医疗科技有限公司 一种pet图像重建方法、成像系统
CN107194899A (zh) * 2017-06-20 2017-09-22 广州华端科技有限公司 Ct图像的伪影校正方法和系统
CN107492132A (zh) * 2017-08-31 2017-12-19 南方医科大学 一种数字层析成像系统的图像伪影去除方法
CN107978003A (zh) * 2017-10-30 2018-05-01 沈阳东软医疗系统有限公司 一种ct图像金属伪影的处理方法及装置

Patent Citations (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1887228A (zh) * 2005-06-30 2007-01-03 西门子（中国）有限公司 在ct定位像上沿胸腔内边界自动设置重建视野的方法
CN101178370A (zh) * 2006-10-27 2008-05-14 Ge医疗系统环球技术有限公司 X-射线断层摄影设备
CN103186883A (zh) * 2011-12-29 2013-07-03 上海联影医疗科技有限公司 一种ct图像重建中骨硬化伪影的校正方法
CN105188545A (zh) * 2013-05-24 2015-12-23 株式会社日立医疗器械 X射线ct装置以及处理方法
CN103279929A (zh) * 2013-05-25 2013-09-04 北京工业大学 一种基于余弦积分的ct图像金属轨迹预测和伪影去除方法
CN103310432A (zh) * 2013-06-25 2013-09-18 西安电子科技大学 基于四阶全变分流的ct图像归一化的金属伪影校正法
CN105631909A (zh) * 2015-12-23 2016-06-01 浙江大学 伪影修正辅助的cbct迭代重建方法
CN105701778A (zh) * 2016-01-11 2016-06-22 赛诺威盛科技（北京）有限公司 一种从ct图像中去除金属伪影的方法
CN105608720A (zh) * 2016-01-30 2016-05-25 上海联影医疗科技有限公司 计算机断层成像伪影校正方法及装置
CN105608721A (zh) * 2016-01-30 2016-05-25 上海联影医疗科技有限公司 计算机断层成像伪影校正方法及装置
CN106725569A (zh) * 2016-01-30 2017-05-31 上海联影医疗科技有限公司 骨硬化伪影校正方法及装置
CN106683144A (zh) * 2016-12-30 2017-05-17 上海联影医疗科技有限公司 一种图像迭代重建方法及装置
CN107123095A (zh) * 2017-04-01 2017-09-01 上海联影医疗科技有限公司 一种pet图像重建方法、成像系统
CN107194899A (zh) * 2017-06-20 2017-09-22 广州华端科技有限公司 Ct图像的伪影校正方法和系统
CN107492132A (zh) * 2017-08-31 2017-12-19 南方医科大学 一种数字层析成像系统的图像伪影去除方法
CN107978003A (zh) * 2017-10-30 2018-05-01 沈阳东软医疗系统有限公司 一种ct图像金属伪影的处理方法及装置

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
HSIEH J: "Computed tomography principles,design,artifacts,and recent advances", 《WASHINGTON D C:SPIE PRESS》 *
冯庆宇: "第六讲 核磁共振成像装置(MRI)质量控制与实施保证", 《中国医疗设备》 *
徐礼胜等: "基于重建图像全角度前投影的硬化校正方法", 《东北大学学报(自然科学版)》 *
朱敏: "颅颌面立体结构的三维CT重建和临床应用", 《口腔颌面外科杂志》 *

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111192228A (zh) * 2020-01-02 2020-05-22 沈阳先进医疗设备技术孵化中心有限公司 图像处理方法、装置、ct设备及ct系统
CN111192228B (zh) * 2020-01-02 2024-03-08 东软医疗系统股份有限公司 图像处理方法、装置、ct设备及ct系统
CN111415394A (zh) * 2020-03-16 2020-07-14 上海联影医疗科技有限公司 骨硬化伪影校正方法、装置、计算机设备和可读存储介质
CN111415394B (zh) * 2020-03-16 2023-08-15 上海联影医疗科技股份有限公司 骨硬化伪影校正方法、装置、计算机设备和可读存储介质
CN111739118A (zh) * 2020-08-17 2020-10-02 山东奥新医疗科技有限公司 一种磁共振图像伪影去除方法、装置、设备及存储介质
CN111739118B (zh) * 2020-08-17 2020-12-04 山东奥新医疗科技有限公司 一种磁共振图像伪影去除方法、装置、设备及存储介质
CN113520441A (zh) * 2021-08-03 2021-10-22 浙江大学 消除ct高阻射物伪影干扰的组织显像方法及系统
CN113808233A (zh) * 2021-09-24 2021-12-17 北京万东医疗科技股份有限公司 一种金属穿刺针伪影处理方法和装置
CN113808233B (zh) * 2021-09-24 2024-06-04 北京万东医疗科技股份有限公司 一种金属穿刺针伪影处理方法和装置

Also Published As

Publication number Publication date
CN110097517B (zh) 2022-12-27

Similar Documents

Publication Publication Date Title
CN110097517A (zh) 去除图像伪影的方法及装置
Hong et al. End-to-end unpaired image denoising with conditional adversarial networks
Meyer et al. Frequency split metal artifact reduction (FSMAR) in computed tomography
WO2017223560A1 (en) Tomographic image reconstruction via machine learning
CN103597499B (zh) 运动模糊成像增强的方法和系统
CN106600568A (zh) 一种低剂量ct图像去噪方法及装置
US20230154007A1 (en) Few-shot semantic image segmentation using dynamic convolution
JP2015500048A (ja) イメージ領域のノイズ除去
US11580673B1 (en) Methods, systems, and computer readable media for mask embedding for realistic high-resolution image synthesis
CN107123095A (zh) 一种pet图像重建方法、成像系统
Li et al. A fast fully 4-D incremental gradient reconstruction algorithm for list mode PET data
Zhang et al. Iterative metal artifact reduction for x‐ray computed tomography using unmatched projector/backprojector pairs
CN114548238A (zh) 图像三维重建方法、装置、电子设备及存储介质
CN106056644A (zh) Ct扫描的数据处理方法及装置
CN111709897A (zh) 一种基于域变换的正电子发射断层图像的重建方法
Kriegel et al. Cell shape characterization and classification with discrete Fourier transforms and self‐organizing maps
Ye et al. Unified supervised-unsupervised (super) learning for x-ray ct image reconstruction
Park et al. A fidelity‐embedded learning for metal artifact reduction in dental CBCT
Yan et al. Unsupervised image noise modeling with self-consistent GAN
Feng et al. Rethinking PET image reconstruction: ultra-low-dose, sinogram and deep learning
Gottschalk et al. DL‐based inpainting for metal artifact reduction for cone beam CT using metal path length information
Carranza et al. Multiscale AM-FM decompositions with GPU acceleration for diabetic retinopathy screening
Zhang et al. CT image reconstruction algorithms: A comprehensive survey
JP2021065707A (ja) 医用画像処理装置、学習済みモデルおよび医用画像処理方法
Luo et al. Research on several key problems of medical image segmentation and virtual surgery

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
GR01 Patent grant
GR01 Patent grant