[发明专利]涉及X射线成像的方法和系统在审
申请号: | 202180057643.8 | 申请日: | 2021-07-06 |
公开(公告)号: | CN116249489A | 公开(公告)日: | 2023-06-09 |
发明(设计)人: | A·埃吉扎瓦尔;F·格伦伯格;M·佩尔松 | 申请(专利权)人: | 棱镜传感器公司 |
主分类号: | A61B6/03 | 分类号: | A61B6/03 |
代理公司: | 北京同立钧成知识产权代理有限公司 11205 | 代理人: | 李兴福;臧建明 |
地址: | 瑞典斯*** | 国省代码: | 暂无信息 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 涉及 射线 成像 方法 系统 | ||
1.一种基于能量分辨X射线数据的图像重建的方法,包括:
-收集(S1)能量分辨X射线数据的至少一个表示,
-基于能量分辨X射线数据的所述至少一个表示来执行(S2)至少两个基材料分解,以生成至少两个原始基图像表示集,
-从所述原始基图像表示集中的至少两个原始基图像表示集获得或选择(S3)至少两个基图像表示,以及
-通过基于机器学习的数据处理来处理(S4)所述获得或选择的基图像表示,以生成输出图像数据的至少一个表示。
2.根据权利要求1所述的方法,其中基于机器学习的所述数据处理被配置为将所述获得或选择的基图像表示映射到输出图像数据的所述至少一个表示。
3.根据权利要求1或2所述的方法,其中基于机器学习的所述数据处理被配置为借助受训练的神经网络、支持向量机或基于决策树的实施方式将所述获得或选择的基图像表示映射到输出图像数据的所述至少一个表示。
4.根据权利要求3所述的方法,其中所述受训练的神经网络、支持向量机或基于决策树的实施方式在测量患者图像数据或体模图像数据中的至少一者上进行训练,或者从基于数值体模的模拟图像数据进行训练。
5.根据权利要求3或4所述的方法,其中所述受训练的神经网络、支持向量机或基于决策树的实施方式在第一类型的图像上进行训练,并且适于使用迁移学习在第二类型的图像上使用。
6.根据权利要求5所述的方法,其中所述受训练的神经网络、支持向量机或基于决策树的实施方式在非能量分辨CT图像上进行训练,并且适于使用迁移学习在能量分辨光子计数CT图像上使用。
7.根据权利要求1至6中任一项所述的方法,其中能量分辨X射线数据的所述至少一个表示源自X射线检测器或中间存储设备并包括能量分辨X射线图像数据和/或能量分辨X射线测量数据。
8.根据权利要求7所述的方法,其中所述X射线检测器是能量分辨光子计数检测器,也称为多仓光子计数X射线检测器。
9.根据权利要求1至8中任一项所述的方法,其中输出图像数据的所述至少一个表示包括基图像表示集,称为基图像表示输出集,其中所述输出集中的基图像表示的数量大于所述至少两个原始基图像表示集中的任何一个原始基图像表示集中的基图像表示的最大数量。
10.根据权利要求9所述的方法,其中所述基图像表示输出集具有一定数量的基函数,并且每个原始基图像表示集具有相应数量的基函数,并且对应于所述基图像表示输出集的所述基函数是对应于所述至少两个原始基图像表示集的所述基函数的并集的子集或等于所述并集。
11.根据权利要求9或10所述的方法,其中所述基图像表示输出集具有一定数量的基函数,并且每个原始基图像表示集具有相应数量的基函数,并且所述获得或选择的基图像表示的数量等于或大于对应于所述基图像表示输出集的所述基函数数量。
12.根据权利要求9至11中任一项所述的方法,其中所述原始基图像表示集基于两基分解,并且所述基图像表示输出集基于三基分解。
13.根据权利要求12所述的方法,其中基于机器学习的所述数据处理由神经网络执行,并且所述神经网络用若干两基图像表示集作为输入数据和若干三基图像表示集作为输出数据进行训练。
14.根据权利要求13所述的方法,其中所述两基图像表示集和三基图像表示集已经从测量患者图像数据或体模图像数据生成,或者从基于数值体模的模拟图像数据生成。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于棱镜传感器公司,未经棱镜传感器公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202180057643.8/1.html,转载请声明来源钻瓜专利网。
- 上一篇:用于瓣膜修复植入物的预设置环状物贴片
- 下一篇:一种振动传感器