【技术实现步骤摘要】
【国外来华专利技术】
所提出的技术涉及x射线技术和x射线成像以及对应的成像重建和成像任务。具体地，所提出的技术涉及用于确定用于计算机断层扫描(ct)中的深度学习图像重建的置信度指示的方法和系统、用于生成用于光谱ct中的深度学习图像重建的不确定性图的方法和系统、和对应图像重建系统和x射线成像系统以及相关的计算机程序和计算机程序产品。
技术介绍
1、放射照相成像(诸如x射线成像)多年来一直在医疗应用中用于无损检测。
2、通常，x射线成像系统包括x射线源和x射线检测器阵列，其中x射线检测器阵列由包括一个或许多个检测器元件(测量x射线强度/能量密度的独立装置)的多个检测器组成。x射线源发射x射线，这些x射线穿过待成像的对象或物体，然后被检测器阵列记录。由于一些材料比其他材料吸收更大一部分x射线，因此形成对象或物体的图像。
3、x射线成像检测器面临的挑战是从检测到的x射线中提取最大信息以提供对物体或对象的图像的输入，其中该物体或对象根据密度、组成和结构来描绘。
4、在典型的医用x射线成像系统中，x射线由x射线管产生。典型的医用x射线...
【技术保护点】
1.一种用于确定用于计算机断层扫描即CT中的机器学习图像重建的一个或多个置信度指示的方法，所述方法包括以下步骤：
2.根据权利要求1所述的方法，其中所述机器学习图像重建是深度学习图像重建，并且所述至少一个机器学习系统包括至少一个神经网络。
3.根据权利要求1或2所述的方法，其中后验概率分布的所述表示包括以下中的至少一者：均值方差、协方差、标准差、偏度和峰度。
4.根据权利要求1至3中任一项所述的方法，其中所述一个或多个置信度指示包括针对所述至少一个重建的基图像中的至少一个点的统计不确定性的误差估计或度量，以及/或者针对能够从所述至少...
【技术特征摘要】
【国外来华专利技术】
1.一种用于确定用于计算机断层扫描即ct中的机器学习图像重建的一个或多个置信度指示的方法，所述方法包括以下步骤：
2.根据权利要求1所述的方法，其中所述机器学习图像重建是深度学习图像重建，并且所述至少一个机器学习系统包括至少一个神经网络。
3.根据权利要求1或2所述的方法，其中后验概率分布的所述表示包括以下中的至少一者：均值方差、协方差、标准差、偏度和峰度。
4.根据权利要求1至3中任一项所述的方法，其中所述一个或多个置信度指示包括针对所述至少一个重建的基图像中的至少一个点的统计不确定性的误差估计或度量，以及/或者针对能够从所述至少一个重建的基图像导出的至少一个图像测量结果的统计不确定性的误差估计或度量。
5.根据权利要求4所述的方法，其中统计不确定性的所述误差估计或度量包括误差上限、误差下限、标准差、方差或平均绝对误差中的至少一者。
6.根据权利要求4或5所述的方法，其中所述至少一个图像测量结果包括以下中的至少一者：特征的尺寸度量、面积、体积、不均匀性程度、形状或不规则性的度量、组成的度量以及物质浓度的度量。
7.根据权利要求1至6中任一项所述的方法，其中所述一个或多个置信度指示包括针对以下各项的一个或多个不确定性图：所述至少一个重建的基图像、或者源自所述至少一个重建的基图像的至少一个衍生图像、或者所述至少一个重建的基图像或所述至少一个衍生图像的所述图像特征。
8.根据权利要求1至7中任一项所述的方法，其中生成一个或多个置信度指示的所述步骤(s3)包括生成针对计算机断层扫描即ct的重建的材料选择性x射线图像的置信度图。
9.根据权利要求8所述的方法，其中生成所述置信度图以突出所述重建的材料选择性x射线图像的所述机器学习图像重建已经能够以高于给定阈值的置信度水平确定的部分。
10.根据权利要求1至9中任一项所述的方法，其中生成一个或多个置信度指示的所述步骤(s3)包括通过神经网络采用从基于深度学习的材料分解获得的材料浓度图作为输入来生成一个或多个置信度图。
11.根据权利要求1至10中任一项所述的方法，其中所述方法还包括执行(s2a)基于材料分解的图像重建和/或机器学习图像重建以基于获取的能量分辨x射线数据来生成所述至少一个重建的基图像或其图像特征。
12.根据权利要求11所述的方法，其中执行基于材料分解的图像重建和/或机器学习图像重建的所述步骤(s2a)包括通过神经网络采用能量仓正弦图作为输入来生成所述至少一个重建的基图像或图像特征。
13.根据权利要求1至12中任一项所述的方法，其中生成(s3)一个或多个置信度指示的所述步骤包括确定各个基材料图像的不确定性或置信度图以及不同基材料图像之间的协方差，从而允许使用用于不确定性传播的公式或算法来传播所述不确定性或置信度图以产生用于导出的图像的不确定性图。
14.根据权利要求1至13中任一项所述的方法，其中与至少一个不确定性图一起生成至少一个基材料图像，其中所述不确定性图是所述至少一个基材料图像的不确定性或误差估计的表示，并且
15.根据权利要求13或14所述的方法，其中所述至少一个不确定性图能够作为相对于所述至少一个基材料图像的叠加来呈现，或者其中所述至少一个不确定性图能够借助于用于所述至少一个基材料图像的失真滤波器来呈现。
16.根据权利要求1至15中任一项所述的方法，其中基于至少一个机器学习系统来处理所述能量分辨x射线数据以生成后验概率分布的表示的所述步骤(s2；s2b)包括在给定所获取的能量分辨x射线数据的...
【专利技术属性】
技术研发人员：M·佩尔松，A·埃吉扎瓦尔，M·丹尼尔松，
申请(专利权)人：棱镜传感器公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。