CN117897101A - 用于生成经校正图像的系统、方法和装置 - Google Patents
用于生成经校正图像的系统、方法和装置 Download PDFInfo
- Publication number
- CN117897101A CN117897101A CN202280059226.1A CN202280059226A CN117897101A CN 117897101 A CN117897101 A CN 117897101A CN 202280059226 A CN202280059226 A CN 202280059226A CN 117897101 A CN117897101 A CN 117897101A
- Authority
- CN
- China
- Prior art keywords
- image
- detector
- scatter correction
- pose
- source
- 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
Links
- 238000000034 method Methods 0.000 title abstract description 48
- 238000012937 correction Methods 0.000 claims abstract description 103
- 230000000694 effects Effects 0.000 claims abstract description 35
- 238000003384 imaging method Methods 0.000 claims description 53
- 238000012545 processing Methods 0.000 claims description 24
- 238000000342 Monte Carlo simulation Methods 0.000 claims description 11
- 238000012549 training Methods 0.000 claims description 3
- 238000004891 communication Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- 238000013135 deep learning Methods 0.000 description 4
- 238000010801 machine learning Methods 0.000 description 4
- 238000013528 artificial neural network Methods 0.000 description 3
- 230000014509 gene expression Effects 0.000 description 3
- 238000001356 surgical procedure Methods 0.000 description 3
- 210000000988 bone and bone Anatomy 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 239000007943 implant Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012014 optical coherence tomography Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000010922 spray-dried dispersion Methods 0.000 description 2
- 210000001519 tissue Anatomy 0.000 description 2
- 238000002604 ultrasonography Methods 0.000 description 2
- 210000003462 vein Anatomy 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 101001121408 Homo sapiens L-amino-acid oxidase Proteins 0.000 description 1
- 102100026388 L-amino-acid oxidase Human genes 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 230000003321 amplification Effects 0.000 description 1
- 210000003484 anatomy Anatomy 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000002595 magnetic resonance imaging Methods 0.000 description 1
- 239000011664 nicotinic acid Substances 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 230000002980 postoperative effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000001225 therapeutic effect Effects 0.000 description 1
- 238000001931 thermography Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
- G06T11/005—Specific pre-processing for tomographic reconstruction, e.g. calibration, source positioning, rebinning, scatter correction, retrospective gating
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
- A61B6/5258—Devices using data or image processing specially adapted for radiation diagnosis involving detection or reduction of artifacts or noise
- A61B6/5282—Devices using data or image processing specially adapted for radiation diagnosis involving detection or reduction of artifacts or noise due to scatter
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/02—Arrangements for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
- A61B6/027—Arrangements for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis characterised by the use of a particular data acquisition trajectory, e.g. helical or spiral
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/58—Testing, adjusting or calibrating thereof
- A61B6/588—Setting distance between source unit and detector unit
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Physics & Mathematics (AREA)
- Heart & Thoracic Surgery (AREA)
- Surgery (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Optics & Photonics (AREA)
- Pathology (AREA)
- Radiology & Medical Imaging (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Molecular Biology (AREA)
- High Energy & Nuclear Physics (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Image Processing (AREA)
Abstract
提供了用于生成经校正图像的系统、方法和装置。第一机器人臂可被配置为以第一位姿取向源，并且第二机器人臂可被配置为以多个第二位姿取向检测器。可以从处于多个第二位姿中的每个第二位姿的检测器接收图像数据集以产生多个图像数据集。该多个数据集可以包括具有散射效应的初始图像。可以保存该多个图像数据集。散射校正可以被确定和配置为校正该散射效应。该校正可以应用于该初始图像以校正该散射效应。
Description
技术领域
本技术整体涉及成像和图像处理，并且更具体地涉及使用散射校正来生成经校正图像。
背景技术
成像装置可由医疗提供者用于诊断和/或治疗目的。从这样的成像装置获得的图像可能包括诸如噪声、过饱和和/或失真的缺陷。因此，可以使用硬件或软件来减少这种缺陷。
发明内容
本公开的示例性方面包括：
一种根据本公开的至少一个实施方案的用于生成经校正图像的系统包括：成像装置，该成像装置包括被配置为发射波的源和被配置为接收指示所发射的波的信号的检测器；第一机器人臂，该第一机器人臂被配置为以第一位姿取向该源；第二机器人臂，该第二机器人臂被配置为以多个第二位姿取向该检测器，其中每个第二位姿和该第一位姿限定在该源和该检测器之间延伸的源检测器距离；至少一个处理器；和存储器，该存储器存储用于由该处理器处理的数据，该数据当被处理时，使得该处理器：从处于该多个第二位姿中的每个第二位姿的该检测器接收图像数据集以产生多个图像数据集，该多个数据集包括具有散射效应的初始图像；保存该多个图像数据集；确定被配置为校正该散射效应的散射校正；以及将该校正应用于该初始图像以校正该散射效应。
本文的方面中的任一方面，其中该存储器保存其他数据，该其他数据被配置为使该处理器：使用蒙特卡罗模拟训练散射校正模型以模拟形成图像的多个光子路径，该图像是历史图像或模拟图像中的至少一者，其中确定该散射校正使用所训练的模型。
本文的方面中的任一方面，其中确定该散射校正包括将该图像数据集提供给所训练的散射校正模型。
本文的方面中的任一方面，其中使用多个图像数据集来训练该散射校正模型，并且该散射校正模型的输出包括散射校正。
本文的方面中的任一方面，其中使用一个或多个历史图像数据集或一个或多个模拟图像数据集中的至少一者来训练该散射校正模型，并且该散射校正模型的输出包括散射校正。
本文的方面中的任一方面，其中该散射校正模型对该多个图像数据集中的两个或更多个图像数据集求平均值。
本文的方面中的任一方面，其中该第二机器人臂独立于该第一机器人臂取向该检测器。
本文的方面中的任一方面，其中该存储器保存其他数据，该其他数据被配置为使该处理器：基于该多个图像数据集中的每个图像数据集和对应的源检测器距离计算放大因子，以及使用该放大因子缩放该初始图像。
本文的方面中的任一方面，其中通过从该检测器的位姿减去该源的位姿来确定该源检测器距离。
本文的方面中的任一方面，其中该源的位姿和该检测器的该位姿可以根据从该第一机器人臂的第一传感器和该第二机器人臂的第二传感器接收的该位姿信息来确定。
本文的方面中的任一方面，其中该多个第二位姿处于相同高程。
本文的方面中的任一方面，其中该成像装置为X射线装置。
一种根据本公开的至少一个实施方案的用于生成经校正图像的系统包括：第一机器人臂，该第一机器人臂被配置为以第一位姿取向X射线装置的源；第二机器人臂，该第二机器人臂被配置为以多个第二位姿取向该射线装置的检测器，其中每个第二位姿和该第一位姿限定在该源和该检测器之间延伸的源检测器距离；至少一个处理器；和存储器，该存储器存储用于由该处理器处理的数据，该数据当被处理时，使得该处理器：从处于该多个第二位姿中的每个第二位姿的该检测器接收图像数据集以产生多个图像数据集，该多个数据集包括具有散射效应的初始图像；确定被配置为校正散射效应的散射校正；以及将该校正应用于该初始图像以校正该散射效应。
本文的方面中的任一方面，其中确定该散射校正包括确定第一组光子和第二组光子，该第一组光子对应于未散射光子，并且该第二组光子对应于散射光子。
本文的方面中的任一方面，其中该存储器保存其他数据，该其他数据被配置为使该处理器：基于该多个图像数据集中的每个图像数据集和对应的源检测器距离来计算放大因子，以及使用该放大因子来缩放该初始图像。
本文的方面中的任一方面，其中该存储器保存其他数据，该其他数据被配置为使该处理器：使用蒙特卡罗模拟来训练模型以模拟形成图像的多个光子路径，该图像是历史图像或模拟图像中的至少一者，其中确定该散射校正使用所训练的模型。
本文的方面中的任一方面，其中训练该模型使用该多个图像数据集来产生散射校正。
本文的方面中的任一方面，其中确定该散射校正包括将该图像数据集提供给所训练的散射校正模型。
本文的方面中的任一方面，其中使用多个图像数据集来训练该散射校正模型，并且该散射校正模型的输出包括散射校正。
一种根据本公开的至少一个实施方案的用于生成经校正图像的装置包括：至少一个处理器；和存储器，该存储器存储用于由该处理器处理的数据，该数据当被处理时，使得该处理器：从成像装置接收图像数据集，该成像装置具有处于第一位姿的源和处于多个第二位姿中的第二位姿的检测器，在该多个第二位姿中的每个第二位姿接收该图像数据集以产生多个图像数据集，该多个数据集包含具有散射效应的初始图像，其中每个第二位姿和该第一位姿限定在该源与该检测器之间延伸的源检测器距离；保存该多个图像数据集；确定被配置为校正散射效应的散射校正；以及将该校正应用于该初始图像以校正该散射效应。
任何方面与任一个或多个其他方面组合。
本文所公开特征中的任一者或多者。
本文大体上公开特征中的任一者或多者。
本文大体上公开的特征中的任一个或多个与本文大体上公开的任一个或多个其他特征组合。
方面/特征/实施方案中的任一个与任一个或多个其他方面/特征/实施方案组合。
使用本文所公开的方面或特征中的任一者或多者。
应当理解，本文所述的任何特征可与如本文所述的任何其他特征组合来要求保护，而不管特征是否来自同一描述的实施方案。
本公开的一个或多个方面的细节在以下附图和说明书中阐述。根据说明书和附图以及权利要求书，本公开中描述的技术的其他特征、目的和优点将是显而易见的。
短语“至少一个”、“一个或多个”以及“和/或”是在操作中具有连接性和分离性两者的开放式表述。例如，表述“A、B和C中的至少一个”、“A、B或C中的至少一个”、“A、B和C中的一个或多个”、“A、B或C中的一个或多个”以及“A、B和/或C”中的每一者意指仅A、仅B、仅C、A和B一起、A和C一起、B和C一起，或A、B和C一起。当上述表述中的A、B和C中的每一者都指诸如X、Y和Z的一个元素或诸如X1-Xn、Y1-Ym和Z1-Zo的一类元素时，短语意图指选自X、Y和Z的单个元素、选自同一类的元素(例如，X1和X2)的组合以及选自两类或更多类的元素(例如，Y1和Zo)的组合。
术语“一”实体是指一个或多个该实体。因此，术语“一”、“一个或多个”和“至少一个”在本文中可以可互换地使用。还应当注意，术语“包括”、“包含”和“具有”可以可互换地使用。
前述内容是本公开的简化概述以提供对本公开的一些方面的理解。本发明内容既不是对本公开及其各个方面、实施方案和配置的广泛性概述也不是详尽性概述。其既不意图确定本公开的关键或重要元素，也不意图划定本公开的范围，而是以简化形式呈现本公开的选定概念，作为对下文呈现的更详细描述的介绍。如应当理解的，本公开的其他方面、实施方案和配置可能单独或组合地利用上文所阐述或下文所详细描述的特征中的一个或多个特征。
在考虑下文提供的实施方案描述之后，本发明的许多额外特征和优点对于本领域技术人员将变得显而易见。
附图说明
附图并入并形成本说明书的一部分以示出本公开的几个示例。这些附图连同描述一起解释本公开的原理。附图仅示出如何实施和使用本公开的优选和替代示例，并且这些示例不应解释为仅将本公开限制于所示出和所描述的示例。另外的特征和优点将根据以下对本公开的各个方面、实施方案和配置的更详细的描述变得显而易见，如通过以下参考的附图所示出。
图1是根据本公开的至少一个实施方案的系统的框图；
图2A是根据本公开的至少一个实施方案的在第一距离处捕获图像数据的示意图；
图2B是根据本公开的至少一个实施方案的在第二距离处捕获图像数据的示意图；
图3是根据本公开的至少一个实施方案的流程图；并且
图4是根据本公开的至少一个实施方案的流程图。
具体实施方式
应当理解，本文所公开的各个方面可与说明书和附图中具体呈现的组合不同的组合进行组合。还应当理解，取决于示例或实施方案，本文所述的任何过程或方法的某些动作或事件可以不同的顺序执行，和/或可添加、合并或完全省略(例如，根据本公开的不同实施方案，实行所公开技术可能不需要所有描述的动作或事件)。此外，虽然为了清楚起见，本公开的某些方面被描述为由单个模块或单元执行，但应当理解，本公开的技术可由与例如计算装置和/或医疗装置相关联的单元或模块的组合执行。
在一个或多个示例中，所描述的方法、过程和技术可在硬件、软件、固件或它们的任何组合中实施。如果在软件中实施，则功能可作为一个或多个指令或代码存储在计算机可读介质上并且由基于硬件的处理单元执行。另选地或另外地，功能可使用机器学习模型、神经网络、人工神经网络或它们的组合(单独地或组合指令)来实施。计算机可读介质可包括非暂时性计算机可读介质，其对应于有形介质，诸如数据存储介质(例如，RAM、ROM、EEPROM、闪存存储器，或可用于存储指令或数据结构形式的期望程序代码并且可由计算机访问的任何其他介质)。
指令或算法可由一个或多个处理器执行，诸如一个或多个数字信号处理器(DSP)、通用微处理器(例如，Intel Core i3、i5、i7或i9处理器；Intel Celeron处理器；IntelXeon处理器；Intel Pentium处理器；AMD Ryzen处理器；AMD Athlon处理器；AMD Phenom处理器；Apple A10或10XFusion处理器；Apple A11、A12、A12X、A12Z或A13 Bionic处理器；或任何其他通用微处理器)、图形处理单元(例如，Nvidia GeForce RTX 2000系列处理器、Nvidia GeForce RTX 3000系列处理器、AMD Radeon RX 5000系列处理器、AMD Radeon RX6000系列处理器或任何其他图形处理单元)、专用集成电路(ASIC)、现场可编程逻辑阵列(FPGA)或其他等效的集成或离散逻辑电路系统。因此，如本文所用的术语“处理器”可指前述结构或适合于实施所描述的技术的任何其他物理结构中的任一种。另外，这些技术可在一个或多个电路或逻辑元件中完全实施。
在详细地解释本公开的任何实施方案之前，应当理解，本公开在其应用方面不限于以下描述中阐述或附图中示出的构造细节和部件布置。本公开能够具有其他实施方案并且能够以各种方式实践或实行。另外，应当理解，本文所用的措词和术语是出于描述的目的，而不应被视为是限制性的。本文中使用“包括”、或“具有”及其变化形式意在涵盖其后列出的项目及其等效物，以及额外项目。此外，本公开可使用示例来示出其一个或多个方面。除非另有明确说明，否则使用或列出一个或多个示例(其可由“例如”、“借助于示例”、“诸如”或类似语言指示)不意图且并不限制本公开的范围。
术语近侧和远侧在本公开中以其常规医学含义使用，近侧更靠近系统的操作者或用户并且更远离患者中或患者上的手术关注区，而远侧更靠近患者中或患者上的手术关注区并且更远离系统的操作者或用户。
基于X射线的成像可能受到当光子沿着它们的路径撞击对象并且改变方向时发生的散射的影响。结果，光子到达检测器的与预期不同的另一区域，并且错误地表示经扫描对象的真实衰减。此类杂散光子还可降低图像的对比度和/或增加图像的模糊性。
减少散射的传统方式包括使用硬件，诸如例如防散射栅格。这种栅格可以是被放置在检测器自身上的射束停止阵列，并且由栅格形状的许多薄“壁”制成，栅格形状衰减不垂直于检测器的大部分光子。然而，这种栅格通常导致患者的X射线剂量增加，并且在不良条件下可能损失准确性或功能性。因此，另一种常规解决方案使用软件。这种解决方案试图从“散射”图像估计“非散射”对象。这通常通过两种方法中的一种方法完成：使用蒙特卡罗模拟或深度学习技术。蒙特卡罗模拟在具有不同尺寸和形状的许多合成模型上工作。蒙特卡罗模拟在考虑各种物理条件和限制的同时模拟光子路径。稍后，当扫描目标对象时，可以从模型估计散射并且可以对X射线投影(例如，图像)应用校正以减少散射。然而，大多数校正依赖于“预定”模型，而很少依赖于实际的目标对象。
深度学习技术还可以使用许多虚拟或真实的临床病例，这些病例在具有和没有防散射栅格的情况下被扫描。深度学习技术还可以使用蒙特卡罗模拟作为输入。此类深度学习技术可改进运行时性能。系统学习未散射图像和散射图像之间的差异，并且在没有栅格的情况下对新投影应用必要的校正，以看起来好像它是用栅格获取的。对于这种技术，在特定系统上使用具有和没有栅格的许多扫描，这可能不总是可用的。
本公开的至少一个实施方案包括使用多个机器人臂的系统，这些机器人臂可以在对象的任何取向和不同位置获取图像。这种系统可以从相同的取向获取经扫描对象的几帧，只是具有不同的源检测器距离(SDD)。采用静止对象和相同的扫描协议，投影之间的差异可以用于确定由于放大和散射引起的对象的缩放。
根据已知的臂(源和检测器)位置和每个帧中的距离，可以容易地计算放大倍数。因此，另一差异将是散射的结果。这种散射可以通过图像处理来估计，并结合其他软件选项来应用。现在，估计将更多地取决于实际经扫描对象，而更少地取决于预定义模型或一般模型。结果将更加量身定制并且更好地表示对象。这种改进的图像可以产生更好的体积\图像重建和改进的临床结果。
本公开的实施方案提供了以下问题中的一个或多个问题的技术解决方案：(1)在不同的源检测器距离处获得多个图像数据集，(2)改进图像处理以减少或消除散射，以及(3)通过减少辐射曝光来增加患者安全性。
首先转向图1，示出了根据本公开的至少一个实施方案的系统100的框图。系统100可用于生成经校正图像和/或实行本文所公开的方法中的一种或多种方法的一个或多个其他方面。系统100包括计算装置102、一个或多个成像装置112、机器人114、导航系统118、数据库130和/或云或其他网络134。根据本公开的其他实施方案的系统可包括比系统100更多或更少的部件。例如，系统100可不包括成像装置112、机器人114、导航系统118、计算装置102的一个或多个部件、数据库130和/或云134。
计算装置102包括处理器104、存储器106、通信接口108和用户接口110。根据本公开的其他实施方案的计算装置可包括比计算装置102更多或更少的部件。
计算装置102的处理器104可为本文所述的任何处理器或任何类似的处理器。处理器104可被配置为执行存储在存储器106中的指令，这些指令可使处理器104利用或基于从成像装置112、机器人114、导航系统118、数据库130和/或云134接收的数据来实行一个或多个计算步骤。
存储器106可为或包括RAM、DRAM、SDRAM、其他固态存储器、本文所述的任何存储器或用于存储计算机可读数据和/或指令的任何其他有形的非暂时性存储器。存储器106可存储可用于完成例如本文所述的方法400或任何其他方法的任何步骤的信息或数据。存储器106可存储例如一个或多个算法120和/或一个或多个手术计划122。在一些实施方案中，此类算法可被组织成一个或多个应用程序、模块、包、层或引擎。另选地或另外地，存储器106可存储可由处理器104处理以实行本文所述的各种方法和特征的其他类型的数据(例如，机器学习模式、人工神经网络等)。因此，尽管将存储器106的各种部件描述为算法，但应当了解，可通过使用指令、算法及/或机器学习模型来实现本文所述的功能。数据、算法和/或指令可使处理器104操纵存储在存储器106中和/或从或经由成像装置112、机器人114、数据库130和/或云134接收的数据。
计算装置102也可包括通信接口108。通信接口108可用于从外部源(诸如成像装置112、机器人114、导航系统118、数据库130、云134和/或不是系统100的部分的任何其他系统或部件)接收图像数据或其他信息，并且/或者用于将指令、图像或其他信息传输到外部系统或装置(例如，另一计算装置102、成像装置112、机器人114、导航系统118、数据库130、云134和/或不是系统100的部分的任何其他系统或部件)。通信接口108可以包括一个或多个有线接口(例如，USB端口、以太网端口、火线端口)和/或一个或多个无线收发器或接口(被配置为例如经由诸如802.11a/b/g/n、蓝牙、NFC、ZigBee等一个或多个无线通信协议发射和/或接收信息)。在一些实施方案中，通信接口108可用于使得装置102能够与一个或多个其他处理器104或计算装置102通信，无论是减少完成计算密集型任务所需的时间还是出于任何其他原因。
计算装置102也可包括一个或多个用户接口110。用户接口110可以是或包括键盘、鼠标、轨迹球、监测器、电视、屏幕、触摸屏和/或用于从用户接收信息和/或用于向用户提供信息的任何其他装置。用户接口110可用于例如接收关于本文所描述的任何方法的任何步骤的用户选择或其他用户输入。尽管如此，本文所描述的任何方法的任何步骤的任何所需输入可由系统100(例如，由处理器104或系统100的另一部件)自动生成或由系统100从系统100外部的源接收。在一些实施方案中，用户接口110可用于允许外科医生或其他用户根据本公开的一个或多个实施方案修改将由处理器104执行的指令，并且/或者修改或调整显示在用户接口110上或与其相对应的其他信息的设定。
尽管用户接口110被示出为计算装置102的一部分，但在一些实施方案中，计算装置102可利用与计算装置102的一个或多个剩余部件分开容纳的用户接口110。在一些实施方案中，用户接口110可以位于计算装置102的一个或多个其他部件附近，而在其他实施方案中，用户接口110可以位于远离计算机装置102的一个或多个其他部件之处。
成像装置112可操作以对解剖特征(例如，骨骼、静脉、组织等)和/或患者解剖结构的其他方面进行成像以产生图像数据(例如，绘示或对应于骨骼、静脉、组织等的图像数据)。如本文所用的“图像数据”是指由成像装置112生成或捕获的数据，包括呈机器可读形式、图形/视觉形式和呈任何其他形式的数据。在不同示例中，图像数据可包括对应于患者的解剖特征或其一部分的数据。图像数据可为或包括术前图像、术中图像、术后图像、或独立于任何外科手术拍摄的图像。成像装置112可能够拍摄2D图像或3D图像以产生图像数据。成像装置112可为或包括例如超声扫描仪(其可包括例如物理分开的换能器和接收器，或单个超声收发器)、O形臂、C形臂、G形臂或利用基于X射线的成像的任何其他装置(例如，荧光镜、CT扫描仪或其他X射线机)、磁共振成像(MRI)扫描仪、光学相干断层扫描(OCT)扫描仪、内窥镜、显微镜、光学相机、热成像相机(例如，红外相机)、雷达系统(其可包括例如传输器、接收器、处理器和一个或多个天线)，或任何其他适合于获得患者解剖特征的图像的成像装置112。
在一些实施方案中，成像装置112可包括多于一个成像装置112。例如，第一成像装置可在第一时间提供第一图像数据和/或第一图像，并且第二成像装置可在第一时间或在第一时间之后的第二时间提供第二图像数据和/或第二图像。在再一些其他实施方案中，同一成像装置可用于提供第一图像数据和第二图像数据两者和/或本文所述的任何其他图像数据。成像装置112可操作以生成图像数据流。例如，成像装置112可被配置为在快门打开的情况下操作，或者在快门在打开与关闭之间连续交替的情况下操作，以便捕获连续图像。出于本公开的目的，除非另有指明，否则如果图像数据表示每秒两个或更多个帧，则可将图像数据视为连续的并且/或者提供为图像数据流。
在一些实施方案中，成像装置112可包括源112A和检测器112B。在一些实施方案中，源112A和检测器112B可在分开的外壳中或者以其他方式物理地分开。在这种实施方案中，源112A可以由第一机器人臂取向并且检测器112B可由第二机器人臂取向，如下文将更详细地描述。在其他实施方案中，源112A和检测器112B可位于同一外壳中。源112A可以被配置为发射波，并且检测器112B可以被配置为接收指示所发射的波的信号。检测器112B还可以被配置为将多个图像数据集保存到例如存储器106。波可以是例如X射线波。
机器人114可为任何外科手术机器人或外科手术机器人系统。机器人114可以是或包括例如Mazor XTM隐形版机器人引导系统。机器人114可被配置为将成像装置112定位在一个或多个精确位置和取向上，并且/或者在稍后时间点将成像装置112返回到同一位置和取向。机器人114可另外地或另选地被配置为操纵外科手术工具(无论是否基于来自导航系统118的引导)以完成或辅助外科手术任务。在一些实施方案中，机器人114可以被配置为在外科手术期间或结合外科手术而保持和/或操纵解剖元素。
机器人114可包括一个或多个机器人臂116。可以在单个共享坐标空间中或在单独坐标空间中控制机器人臂。在一些实施方案中，机器人臂116可以包括第一机器人臂和第二机器人臂，但机器人114可以包括多于两个机器人臂。在一些实施方案中，机器人臂116中的一个或多个机器人臂可用于保持和/或操控成像装置112。在成像装置112包括两个或更多个物理分开的部件(例如，源112A和检测器112B)的实施方案中，一个机器人臂116可以保持源112A，并且另一个机器人臂116可以保持检测器112B。每个机器人臂116可独立于另一机器人臂而精确定位(例如，检测器112B可独立于源112A而定位或取向)。在一些实施方案中，一个机器人臂116可以以第一位姿取向源112A，而检测器112B由另一个机器人臂116以第二位姿取向。源112A和检测器112B之间的距离可以被称为源检测器距离(“SDD”)202，如图2A至图2B所示。机器人臂116可操作以将源112A和检测器112B以一个或多个SDD 202取向。在一些实施方案中，源112A可以以相同位姿保持，而检测器112B以不同位姿取向。在其他实施方案中，检测器112B可以以相同位姿保持，而源112A以不同位姿取向。在其他实施方案中，检测器112B和源112B两者可各自以不同位姿取向。
机器人114连同机器人臂116可以具有例如一个、两个、三个、四个、五个、六个、七个或更多个自由度。进一步地，机器人臂116可以以任何位姿、平面和/或焦点定位或可定位。该位姿包含位置和取向。因此，由机器人114(或更具体地说，由机器人臂116)保持的成像装置112、外科手术工具或其他对象可被精确定位在一个或多个所需且特定的位置和取向上。
机器人臂116可以包括一个或多个传感器，其使得处理器104(或机器人114的处理器)能够确定机器人臂(以及由机器人臂保持或固定到机器人臂的任何对象或元件)在空间中的精确位姿。
在一些实施方案中，参考标记(即，导航标记)可放置在机器人114(包括例如在机器人臂116上)、成像装置112或外科手术空间中的任何其他对象上。参考标记可由导航系统118跟踪，并且跟踪的结果可由机器人114和/或由系统100或其任何部件的操作者使用。在一些实施方案中，导航系统118可用于跟踪系统的其他部件(例如，成像装置112)，并且系统可在不使用机器人114的情况下操作(例如，外科医生例如基于由导航系统118生成的信息和/或指令来手动操纵成像装置112和/或一个或多个外科手术工具)。
在操作期间，导航系统118可为外科医生和/或外科手术机器人提供导航。导航系统118可以是任何已知的或未来开发的导航系统，包括例如美敦力公司(Medtronic)StealthStationTM S8外科手术导航系统或其任何后续产品。导航系统118可包括一个或多个相机或其他传感器，以用于跟踪手术室或系统100的部分或全部所在的其他房间内的一个或多个参考标记、导航跟踪器或其他对象。一个或多个相机可以是光学相机、红外相机或其他相机。在一些实施方案中，导航系统可包括一个或多个电磁传感器。在各种实施方案中，导航系统118可用于跟踪成像装置112、机器人114和/或机器人臂116和/或一个或多个外科手术工具的位置和取向(即，位姿)(或更具体地说，用于跟踪直接或间接以固定关系附接到前述一者或多者的导航跟踪器的位姿)。导航系统118可包括用于显示来自外部源(例如，计算装置102、成像装置112或其他源)的一个或多个图像或用于显示来自导航系统118的一个或多个相机或其他传感器的图像和/或视频流的显示器。在一些实施方案中，系统100可以在不使用导航系统118的情况下操作。导航系统118可被配置为向外科医生或系统100的其他用户或其部件、向机器人114或向系统100的任何其他元件提供关于例如一个或多个解剖元素的位姿、工具是否处于恰当轨迹中和/或如何根据术前或其他外科手术计划将工具移动到恰当轨迹中以实行外科手术任务的引导。
数据库130可存储例如一个或多个外科手术计划122(包括例如用于成像装置112的位姿信息；捕获一个或多个图像数据集的步骤；成像装置112的一个或多个设置等)；结合由系统100的一个或多个其他部件完成的或在这些部件的协助下完成的外科手术的一个或多个有用的图像；和/或任何其他有用的信息。数据库130可被配置为将任何此类信息提供到计算装置102或系统100的任何其他装置或系统100外部的任何其他装置，无论直接地或经由云134。在一些实施方案中，数据库130可以是或包括医院图像存储系统的一部分，诸如图片存档与通信系统(PACS)、健康信息系统(HIS)和/或用于收集、存储、管理和/或传输包括图像数据的电子医疗记录的另一系统。
云134可以是或表示互联网或任何其他广域网。计算装置102可经由通信接口108使用有线连接、无线连接或两者连接到云134。在一些实施方案中，计算装置102可经由云134与数据库130和/或外部装置(例如，计算装置)通信。
系统100或类似系统可用于例如实行本文所述的方法400中的任何方法的一个或多个方面。系统100或类似系统还可用于其他目的。
转向图2A和图2B，分别描绘了在第一SDD 202A处捕获图像数据的示意图200和在第二SDD 202B处捕获图像数据的另一示意图204。在所示示例中，源212A(其可以与源112A相同或相似)与检测器212B(其可以与SDD 202处的检测器212B相同或相似)间隔开。此外，如图所示，一个或多个对象(例如，外科手术器械、工具、外科手术植入物、现有植入物等)和/或一个或多个解剖元素210定位在源212A和检测器212B之间。这样的一个或多个对象和/或一个或多个解剖元素210可以由从源212A和检测器212B获得的所得图像数据集来描绘。在使用期间，源212A发射包括穿过一个或多个对象和/或一个或多个解剖元素210的多个光子208的波(其可以是例如X射线波)，并且检测器212B接收指示多个光子208的信号。
如图2A和图2B中所示，多个光子208中的一些光子可以保持穿过一个或多个对象和/或一个或多个解剖元素210的直线并且将被称为直光子或未散射光子208A(描绘为虚线)。如图2A和图2B中进一步所示，直光子或未散射光子208A保持穿过一个或多个对象和/或一个或多个解剖元素210的直线，而不管SDD 202如何。未散射光子208A可以在不同SDD202处获取的图像数据集中被容易地识别。另一方面，多个光子208中的一些光子可能不保持穿过一个或多个对象和/或一个或多个解剖元素210的直线，并且将被称为散射光子208B(描绘为双点划线)。散射光子208B可以折射或变得偏斜，并且以一定角度离开一个或多个对象和/或一个或多个解剖元素210，并且可以由检测器212B在随机或不同位置处接收。此类散射光子208B可在图像中产生散射效应，该散射效应可作为(例如)噪声、对比度改变及/或图像模糊增加而可见。
直光子或未散射光子208A在它们可被检测器212B接收的地方是可预测的，而散射光子208B在它们可被检测器212B接收的地方是较不可预测的。通过在各个SDD 202处获取多个图像数据集，可以通过观察每个图像数据集中的光子208之间的关系来识别未散射光子208A和至少一些散射光子208B。
在图2A和图2B中还示出了在第一SDD 202A处获取的图像数据集和在第二SDD202B处获取的图像数据集。第二SDD 202B大于第一SDD 202A，但是在一些情况下第二SDD202B可以小于第一SDD 202A。在所示实施方案中，通过保持源212A静止并且将检测器212B(例如通过机器人臂，诸如机器人臂116)以比第一SSD 202A更远离源212A的距离来取向而获得第二SDD 202B(或任何其他SDD)。在这种实施方案中，检测器212B以相同的取向保持。应当理解，在其他实施方案中，检测器212B可以以不同的取向来取向。在其他实施方案中，可通过保持检测器212B静止而源212A以距检测器212B不同的距离和/或取向来取向而获得第二SDD 202B(或任何其他SDD)。在其他实施方案中，第二SDD 202B(或任何其他SDD)可通过以彼此不同的距离和/或取向来将检测器212B和源212A两者进行取向而获得。
如以下将关于图4详细描述的，通过在两个或更多个DDS202处获得两个或更多个图像数据集，可以基于已知的DDS202和如由检测器212B接收的所得的直光子或未散射光子208A来计算放大因子。此外，可以从图像数据集确定散射校正。散射校正还可以作为来自使用图像数据集作为输入的散射校正模型的输出而获得，这将关于图3和图4详细描述。
转向图3，示出了支持用于生成经校正图像的方法和系统(例如，基于人工智能(AI)的方法和/或系统)的模型架构300的示例。
一个或多个图像数据集302可以由成像装置诸如成像装置112获得，该成像装置包括源诸如源112A、212A和检测器诸如检测器112B、212B，这些源和检测器在对应的一个或多个SDD诸如SDD 202处彼此相对取向。图像数据集302中的每个图像数据集可以描绘例如患者的一个或多个对象和/或一个或多个解剖元素。多个图像数据集302可以包括具有散射效应的初始图像。
散射校正模型304接收一个或多个图像数据集302作为输入。可使用历史图像数据集的一个或多个集合来训练散射校正模型304，其中历史图像数据的至少一些集合可包含不同的历史患者的多个已知光子路径。在其他实施方案中，可以使用一个或多个图像数据集302来训练散射校正模型304。在其他实施方案中，可以使用从模拟(例如，蒙特卡罗模拟)获得的图像来训练散射校正模型304。在这种实施方案中，散射校正模型304可以在将一个或多个图像数据集302输入到散射校正模型304中之前被训练，或者可以与将一个或多个图像数据集302输入到散射校正模型304中并行地被训练。散射校正模型304可以被配置为确定散射校正306，该散射校正可以被应用于图像(诸如初始图像)以校正散射效应。
散射校正306和来自多个图像数据集的图像312可以被处理器诸如处理器104用作图像处理模型308的输入。图像处理模型308可以输出经校正图像310，该经校正图像可以没有或基本上没有散射效应。在一些实施方案中，图像312可以是多个图像数据集的初始图像。图像处理模型308可将散射校正306应用于初始图像或具有散射效应的任何图像，以输出经校正图像310。在其他实施方案中，图像处理模型308可以输出没有或基本上没有散射效应的新生成的图像。
可以使用历史散射校正和具有历史散射效应的历史图像来训练图像处理模型308。在其他实施方案中，可以使用图像312(其可以是例如一个或多个图像数据集302的初始图像)和散射校正306来训练图像处理模型308。在这种实施方案中，图像处理模型308可以在将散射校正306和图像312输入到散射校正模型304中之前被训练，或者可以与将散射校正306和图像312输入到图像处理模型308中并行地被训练。
图4描绘了可用于例如计算生成经校正图像的方法400。
方法400(和/或其一个或多个步骤)可例如由至少一个处理器实行或以其他方式执行。至少一个处理器可与上文所述的计算装置102的处理器104相同或相似。至少一个处理器可以为机器人(诸如机器人114)的一部分或导航系统(诸如导航系统118)的一部分。也可使用除本文所述的任何处理器之外的处理器来执行方法400。至少一个处理器可通过执行存储在存储器诸如存储器106中的指令来执行方法400。这些指令可对应于下文所述的方法400的一个或多个步骤。这些指令可使处理器执行一种或多种算法，诸如算法120。
方法400包括从处于多个第二位姿中的每个第二位姿的检测器接收图像数据集(步骤404)。检测器可与成像装置(诸如成像装置112)的检测器112B、212B相同或类似。在一些实施方案中，成像装置为X射线装置。成像装置还可以包括被配置为发射波的的源，如源112A、212A。检测器可以被配置为接收指示所发射的波的信号。源可由第一机器人臂(诸如机器人臂116)以第一位姿取向，并且检测器可由第二机器人臂(诸如机器人臂116)以多个第二位姿取向。在一些实施方案中，多个第二位姿各自处于相同高程。第一机器人臂可以独立于第二机器人臂取向检测器而取向该源，并且反之亦然。多个第二位姿和第一位姿中的每个位姿限定在源与检测器之间延伸的源检测器距离(SDD)，诸如SDD 202。
在一些实施方案中，多个第二位姿和第一位姿可从外科手术计划诸如外科手术计划122获得。在其他实施方案中，多个第二位姿和第一位姿可以是用户诸如外科医生或其他医疗提供者接收的输入。在其他实施方案中，多个第二位姿和第一位姿可由处理器诸如处理器104基于成像装置的设置、一个或多个机器人臂的设置、正被成像的一个或多个对象及/或一个或多个解剖元素等来确定。从处于多个第二位姿中的每个第二位姿的检测器接收图像数据集产生多个图像数据集。多个图像数据集可以限定具有散射效应的初始图像。
方法400还包括保存多个图像数据集(步骤408)。多个图像数据集可以由处理器诸如处理器104保存到存储器诸如存储器106。处理器和/或存储器可以是成像装置、计算装置(诸如计算装置102)的一部分，或者与成像装置和/或计算装置分离。在一些实施方案中，多个图像数据集可以描绘一个或多个解剖元素。在其他实施方案中，多个图像数据集可以描绘一个或多个对象和/或一个或多个解剖元素。
方法400还包括训练散射校正模型(步骤412)。散射校正模型可与散射校正模型304相同或相似。散射校正模型的输出包括散射校正诸如散射校正306，该散射校正可以用于校正图像的散射效应。使用多个图像数据集来训练散射校正模型，该多个图像数据集可以是历史图像数据集、模拟图像数据集和/或当前图像数据集。在一些实施方案中，训练机器学习模型可以使用蒙特卡罗模拟来模拟形成图像的多个光子路径。该图像可以是历史图像和/或模拟图像。模拟图像可以是例如从蒙特卡罗模拟获得的一个或多个图像。
方法400还包括确定被配置为校正散射效应的散射校正(步骤416)。散射校正可与散射校正306相同或相似。确定散射校正可以使用在步骤412中训练的散射校正模型。在这种实施方案中，在步骤404中接收的多个图像数据集被散射校正模型接收作为输入，并且散射校正模型的输出是散射校正。
在一些实施方案中，散射校正模型可以通过对多个图像数据集的两个或更多个图像求平均值来操作以确定散射校正。在其他实施方案中，散射校正模型可以确定第一组光子和第二组光子。第一组光子可以对应于未散射光子(例如，未散射光子208A)并且第二组光子对应于散射光子(例如，散射光子208B)。散射校正模型然后可以基于第一组光子和第二组光子来确定散射校正。
应当理解，在其他实施方案中，确定散射校正可以不使用在步骤412中训练的散射校正模型。
方法400还包括将散射校正应用到图像(步骤420)。图像可以是例如具有散射效应的多个图像数据集的初始图像。将散射校正应用于初始图像可以导致校正初始图像中的散射效应，这可以作为例如初始图像中的噪声和/或模糊的减少或消除而可见。初始图像的对比度也可以得到改善。
在一些实施方案中，应用散射校正使用图像处理模型诸如图像处理模型308。在这种情况下，图像和散射校正可以用作处理器诸如处理器104对图像处理模型的输入。图像处理模型可以输出经校正图像，该经校正图像可以没有或基本上没有散射效应。
方法400还包括计算放大因子(步骤424)。放大因子可以基于多个图像数据集中的每个图像数据集和对应的SDD。在一些实施方案中，可通过从检测器的位姿减去源的位姿来确定SDD。在一些实施方案中，源的位姿可以根据从取向该源的第一机器人臂的第一传感器接收的位姿信息来确定，并且检测器的位姿可以根据从取向该检测器的第二机器人臂的第二传感器接收的位姿信息来确定。在其他实施方案中，SDD可从从外科手术计划诸如外科手术计划122接收。在其他实施方案中，SDD可以是从用户诸如外科医生或其他医疗提供者接收的输入。
方法400还包括缩放图像(步骤428)。图像可以是例如初始图像、经校正图像或具有或不具有散射效应的任何图像。缩放图像可以包括使用在步骤424中计算的放大因子来缩放图像。
应当理解，在一些实施方案中，步骤424和428可与步骤416和/或420同时发生。换句话说，可以将散射校正应用于图像(例如，初始图像)，并且可以同时缩放图像。在其他实施方案中，可以在应用散射校正之前缩放图像，或者反之亦然。
本公开涵盖方法400的实施方案，这些实施方案包括相比上文所述的步骤更多或更少的步骤和/或与上文所述的步骤不同的一个或多个步骤。
如上所述，本公开涵盖具有少于图4中标识的所有步骤(和方法400的对应描述)的方法，以及包括超出图4中标识的那些(和方法400的对应描述)的另外步骤的方法。本公开还涵盖包括来自本文所描述的一种方法的一个或多个步骤和来自本文所描述的另一种方法的一个或多个步骤的方法。本文所描述的任何相关性可以是或包括配准或任何其他相关性。
前述内容并不意图将本公开限于本文所公开的一种或多种形式。在前述的具体实施方式中，例如，出于简化本公开的目的，将本公开的各种特征一起分组在一个或多个方面、实施方案和/或配置中。本公开的方面、实施方案和/或配置的特征可组合在除了上文所论述的那些之外的替代方面、实施方案和/或配置中。本公开的方法不应被解释为反映以下意图：权利要求需要比每项权利要求中明确叙述的特征更多的特征。相反，如以下权利要求书所反映，本发明方面在于少于单个前述公开的方面、实施方案和/或配置的全部特征。因此，以下权利要求特此并入这个具体实施方式中，其中每项权利要求作为本公开的单独的优选实施方案而独立存在。
此外，尽管前述已经包含对一个或多个方面、实施方案和/或配置以及某些变化和修改的描述，但在理解了本公开之后，其他变化、组合和修改在本公开的范围内，例如，可在本领域技术人员的技能和知识范围内。意图在准许的范围内获得包括替代方面、实施方案和/或配置的权利，包括所要求保护的那些的替代、可互换和/或等效的结构、功能、范围或步骤，而不管这些替代、可互换和/或等效的结构、功能、范围或步骤是否在本文中公开，而且不意图公开用于任何可获专利的主题。
Claims (20)
1.一种用于生成经校正图像的系统，所述系统包括：
成像装置，所述成像装置包括被配置为发射波的源和被配置为接收指示所发射的波的信号的检测器；
第一机器人臂，所述第一机器人臂被配置为以第一位姿取向所述源；
第二机器人臂，所述第二机器人臂被配置为以多个第二位姿取向所述检测器，其中每个第二位姿和所述第一位姿限定在所述源和所述检测器之间延伸的源检测器距离；
至少一个处理器；和
存储器，所述存储器存储用于由所述处理器处理的数据，所述数据当被处理时，使得所述处理器：
从处于所述多个第二位姿中的每个第二位姿的所述检测器接收图像数据集以产生多个图像数据集，所述多个数据集包括具有散射效应的初始图像；
保存所述多个图像数据集；
确定被配置为校正所述散射效应的散射校正；以及
将所述校正应用于所述初始图像以校正所述散射效应。
2.根据权利要求1所述的系统，其中所述存储器保存其他数据，所述其他数据被配置为使所述处理器：
使用蒙特卡罗模拟训练散射校正模型以模拟形成图像的多个光子路径，所述图像是历史图像或模拟图像中的至少一者，其中确定所述散射校正使用所训练的模型。
3.根据权利要求1所述的系统，其中确定所述散射校正包括将所述图像数据集提供给经训练的散射校正模型。
4.根据权利要求3所述的系统，其中使用多个图像数据集来训练所述散射校正模型，并且所述散射校正模型的输出包括散射校正。
5.根据权利要求3所述的系统，其中使用一个或多个历史图像数据集或一个或多个模拟图像数据集中的至少一者来训练所述散射校正模型，并且所述散射校正模型的输出包括散射校正。
6.根据权利要求4所述的系统，其中所述散射校正模型对所述多个图像数据集中的两个或更多个图像数据集求平均值。
7.根据权利要求1所述的系统，其中所述第二机器人臂独立于所述第一机器人臂取向所述检测器。
8.根据权利要求1所述的系统，其中所述存储器保存其他数据，所述其他数据被配置为使所述处理器：
基于所述多个图像数据集中的每个图像数据集和对应的源检测器距离计算放大因子，以及
使用所述放大因子缩放所述初始图像。
9.根据权利要求8所述的系统，其中通过从所述检测器的位姿减去所述源的位姿来确定所述源检测器距离。
10.根据权利要求9所述的系统，其中所述源的所述位姿和所述检测器的所述位姿能够根据从所述第一机器人臂的第一传感器和所述第二机器人臂的第二传感器接收的位姿信息来确定。
11.根据权利要求1所述的系统，其中所述多个第二位姿处于相同高程。
12.根据权利要求1所述的系统，其中所述成像装置为X射线装置。
13.一种用于生成经校正图像的系统，所述系统包括：
第一机器人臂，所述第一机器人臂被配置为以第一位姿取向X射线装置的源；
第二机器人臂，所述第二机器人臂被配置为以多个第二位姿取向所述射线装置的检测器，其中每个第二位姿和所述第一位姿限定在所述源和所述检测器之间延伸的源检测器距离；
至少一个处理器；和
存储器，所述存储器存储用于由所述处理器处理的数据，所述数据当被处理时，使得所述处理器：
从处于所述多个第二位姿中的每个第二位姿的所述检测器接收图像数据集以产生多个图像数据集，所述多个数据集包括具有散射效应的初始图像；
确定被配置为校正散射效应的散射校正；以及
将所述校正应用于所述初始图像以校正所述散射效应。
14.根据权利要求13所述的系统，其中确定所述散射校正包括确定第一组光子和第二组光子，所述第一组光子对应于未散射光子，并且所述第二组光子对应于散射光子。
15.根据权利要求13所述的系统，其中所述存储器保存其他数据，所述其他数据被配置为使所述处理器：
基于所述多个图像数据集中的每个图像数据集和对应的源检测器距离计算放大因子，以及
使用所述放大因子缩放所述初始图像。
16.根据权利要求13所述的系统，其中所述存储器保存其他数据，所述其他数据被配置为使所述处理器：
使用蒙特卡罗模拟来训练模型以模拟形成图像的多个光子路径，所述图像是历史图像或模拟图像中的至少一者，其中确定所述散射校正使用所训练的模型。
17.根据权利要求16所述的系统，其中训练所述模型使用所述多个图像数据集来产生散射校正。
18.根据权利要求16所述的系统，其中确定所述散射校正包括将所述图像数据集提供给经训练的散射校正模型。
19.根据权利要求18所述的系统，其中使用多个图像数据集来训练所述散射校正模型，并且所述散射校正模型的输出包括散射校正。
20.一种用于生成经校正图像的装置，所述装置包括：
至少一个处理器；和
存储器，所述存储器存储用于由所述处理器处理的数据，所述数据当被处理时，使得所述处理器：
从成像装置接收图像数据集，所述成像装置具有处于第一位姿的源和处于多个第二位姿中的第二位姿的检测器，在所述多个第二位姿中的每个第二位姿接收所述图像数据集以产生多个图像数据集，所述多个数据集包括具有散射效应的初始图像，其中每个第二位姿和所述第一位姿限定在所述源与所述检测器之间延伸的源检测器距离；
保存所述多个图像数据集；
确定被配置为校正散射效应的散射校正；以及
将所述校正应用于所述初始图像以校正所述散射效应。
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US17/464,410 | 2021-09-01 | ||
| US17/464,410 US11763499B2 (en) | 2021-09-01 | 2021-09-01 | Systems, methods, and devices for generating a corrected image |
| PCT/IL2022/050946 WO2023031924A1 (en) | 2021-09-01 | 2022-08-30 | Systems, methods, and devices for generating a corrected image |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117897101A true CN117897101A (zh) | 2024-04-16 |
Family
ID=83508467
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202280059226.1A Pending CN117897101A (zh) | 2021-09-01 | 2022-08-30 | 用于生成经校正图像的系统、方法和装置 |
Country Status (4)
| Country | Link |
|---|---|
| US (3) | US11763499B2 (zh) |
| EP (1) | EP4395650A1 (zh) |
| CN (1) | CN117897101A (zh) |
| WO (1) | WO2023031924A1 (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US11763499B2 (en) | 2021-09-01 | 2023-09-19 | Mazor Robotics Ltd. | Systems, methods, and devices for generating a corrected image |
Family Cites Families (19)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE3663618D1 (en) | 1985-10-09 | 1989-07-06 | Siemens Ag | Diagnostic x-ray installation comprising components to be positioned by means of a control device |
| DE102004029010A1 (de) | 2004-06-16 | 2006-01-19 | Siemens Ag | Vorrichtung und Verfahren für die Streustrahlungskorrektur in der Projektionsradiographie, insbesondere der Mammographie |
| US9943274B2 (en) * | 2004-11-09 | 2018-04-17 | Spectrum Dynamics Medical Limited | Radioimaging using low dose isotope |
| US8983024B2 (en) * | 2006-04-14 | 2015-03-17 | William Beaumont Hospital | Tetrahedron beam computed tomography with multiple detectors and/or source arrays |
| US8000435B2 (en) | 2006-06-22 | 2011-08-16 | Koninklijke Philips Electronics N.V. | Method and system for error compensation |
| JP5336364B2 (ja) * | 2006-07-20 | 2013-11-06 | コーニンクレッカ フィリップス エヌ ヴェ | 散乱放射線の割合に応じたｘ線検出器の利得校正 |
| JP5437997B2 (ja) * | 2007-05-24 | 2014-03-12 | サージックアイ ゲゼルシャフト ミット ベシュレンクテル ハフツング | 放射性イメージングのための画像生成装置および方法 |
| US8983165B2 (en) * | 2010-07-16 | 2015-03-17 | Varian Medical Systems, Inc. | System and method for measuring X-ray beam profile using an area detector |
| US8818065B2 (en) | 2011-07-01 | 2014-08-26 | Carestream Health, Inc. | Methods and apparatus for scatter correction for CBCT system and cone-beam image reconstruction |
| WO2013190440A1 (en) | 2012-06-20 | 2013-12-27 | Koninklijke Philips N.V. | Image-based determination of source detector spatial relation |
| US9285327B2 (en) | 2013-02-06 | 2016-03-15 | Zhengrong Ying | Adjustable photon detection systems for multi-slice X-ray computed tomography systems |
| KR102023676B1 (ko) | 2015-08-17 | 2019-09-23 | 카와사키 주코교 카부시키 카이샤 | X-선 촬영 시스템 |
| JP6951353B2 (ja) | 2016-02-23 | 2021-10-20 | コーニンクレッカ フィリップス エヌ ヴェＫｏｎｉｎｋｌｉｊｋｅ Ｐｈｉｌｉｐｓ Ｎ．Ｖ． | Ｘ線撮像装置におけるクロス散乱を補償するためのｘ線検出器の駆動 |
| US11229409B2 (en) * | 2018-10-18 | 2022-01-25 | medPhoton GmbH | Mobile imaging ring system |
| JP2022509306A (ja) * | 2018-11-30 | 2022-01-20 | アキュレイ インコーポレイテッド | イメージングにおける散乱評価および散乱補正を向上させるための方法および機器 |
| JP7603608B2 (ja) * | 2019-04-09 | 2024-12-20 | ジティオ， インコーポレイテッド | 高性能かつ万能な分子画像のための方法およびシステム |
| CN115697232A (zh) | 2020-05-28 | 2023-02-03 | 马佐尔机器人有限公司 | 用于盖布体积控制的系统和方法 |
| US20220395342A1 (en) | 2021-06-10 | 2022-12-15 | Mazor Robotics Ltd. | Multi-arm robotic systems and methods for monitoring a target or performing a surgical procedure |
| US11763499B2 (en) | 2021-09-01 | 2023-09-19 | Mazor Robotics Ltd. | Systems, methods, and devices for generating a corrected image |
-
2021
- 2021-09-01 US US17/464,410 patent/US11763499B2/en active Active
-
2022
- 2022-08-30 CN CN202280059226.1A patent/CN117897101A/zh active Pending
- 2022-08-30 EP EP22783051.0A patent/EP4395650A1/en active Pending
- 2022-08-30 WO PCT/IL2022/050946 patent/WO2023031924A1/en active Application Filing
-
2023
- 2023-05-30 US US18/203,463 patent/US12067653B2/en active Active
-
2024
- 2024-08-09 US US18/799,792 patent/US20240404129A1/en active Pending
Also Published As
| Publication number | Publication date |
|---|---|
| US12067653B2 (en) | 2024-08-20 |
| US20230066480A1 (en) | 2023-03-02 |
| EP4395650A1 (en) | 2024-07-10 |
| US20230316599A1 (en) | 2023-10-05 |
| US11763499B2 (en) | 2023-09-19 |
| US20240404129A1 (en) | 2024-12-05 |
| WO2023031924A1 (en) | 2023-03-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US20220125526A1 (en) | Systems and methods for segmental tracking | |
| CN118175969A (zh) | 用于跟踪一个或多个外科手术标志的系统和装置 | |
| US20240404129A1 (en) | Systems, methods, and devices for generating a corrected image | |
| US12263026B2 (en) | Systems, methods, and devices for multiple exposures imaging | |
| US20230401766A1 (en) | Systems, methods, and devices for generating a corrected image | |
| US20230240755A1 (en) | Systems and methods for registering one or more anatomical elements | |
| CN118613223A (zh) | 用于跟踪解剖元素的移动的系统和方法 | |
| US12182929B2 (en) | Systems and methods for volume reconstructions using a priori patient data | |
| US20230240659A1 (en) | Systems, methods, and devices for tracking one or more objects | |
| US12249099B2 (en) | Systems, methods, and devices for reconstructing a three-dimensional representation | |
| WO2023141800A1 (en) | Mobile x-ray positioning system | |
| CN118102968A (zh) | 解剖成像用机器人放置电极的系统、装置和方法 | |
| WO2025046505A1 (en) | Systems and methods for patient registration using 2d image planes | |
| WO2024180545A1 (en) | Systems and methods for registering a target anatomical element | |
| WO2025133940A1 (en) | Systems and methods for patient registration using light patterns | |
| WO2025120637A1 (en) | Systems and methods for planning and updating trajectories for imaging devices | |
| WO2024236563A1 (en) | Systems and methods for generating and updating a surgical plan | |
| CN118678928A (zh) | 用于验证标记的位姿的系统 | |
| WO2025122777A1 (en) | Self-calibration of a multi-sensor system | |
| CN118647331A (zh) | 用于生成混合图像的系统和装置 | |
| CN118648066A (zh) | 用于提供增强显示的系统、方法和装置 | |
| CN117279586A (zh) | 用于生成多个配准的系统和方法 |
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 |