CN102024267A - 基于小波空间方向性滤波的低剂量ct图像处理方法 - Google Patents

基于小波空间方向性滤波的低剂量ct图像处理方法 Download PDF

Info

Publication number
CN102024267A
CN102024267A CN 201010595896 CN201010595896A CN102024267A CN 102024267 A CN102024267 A CN 102024267A CN 201010595896 CN201010595896 CN 201010595896 CN 201010595896 A CN201010595896 A CN 201010595896A CN 102024267 A CN102024267 A CN 102024267A
Authority
CN
China
Prior art keywords
image
low
vertical
high frequency
dose
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
CN 201010595896
Other languages
English (en)
Other versions
CN102024267B (zh
Inventor
陈阳
罗立民
李松毅
鲍旭东
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.)
Southeast University
Original Assignee
Southeast University
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 Southeast University filed Critical Southeast University
Priority to CN2010105958964A priority Critical patent/CN102024267B/zh
Publication of CN102024267A publication Critical patent/CN102024267A/zh
Application granted granted Critical
Publication of CN102024267B publication Critical patent/CN102024267B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Apparatus For Radiation Diagnosis (AREA)
  • Image Processing (AREA)

Abstract

本发明公开了一种基于小波空间方向性滤波的低剂量CT图像处理方法，属于计算机断层显像技术领域。本发明方法首先使用静态小波变换对待处理的低剂量CT图像进行单层分解，然后对水平、垂直和对角方向的高频细节图像分别进行垂直和水平方向的一维非线性扩散滤波来抑制星条状伪影在不同方向的高频细节图像中的信息强度，然后根据处理后的水平、垂直和对角方向的高频细节图像以及原来的低频图像进行逆静态小波变换来重建得到伪影得到抑制的CT图像，然后利用现有的大邻域加权平均噪声抑制方法对图像进行进一步处理。本发明方法可以有效抑制低剂量CT图像内的星条状伪影和噪声，提高低剂量CT图像质量，使其满足临床诊断的质量要求。

Description

基于小波空间方向性滤波的低剂量CT图像处理方法
技术领域
本发明涉及一种低剂量CT图像处理方法，尤其涉及一种基于小波空间方向性滤波的低剂量CT图像处理方法，属于计算机断层显像技术领域。
背景技术
作为目前一种常规有效的临床医学诊断工具，X射线计算机断层成像(X-ray Computerized Tomography, CT) 能够在毫米尺度上清晰的获得人体不同组织对于X 射线的衰减信息, 从而为临床医生的诊断和预防提供丰富的三维人体器官组织信息。今天，作为一种成熟的和在临床上普遍认可的检查方法，CT 已经成为放射诊断领域内不可缺少的主要工具之一。然而，随着CT 断层扫描在临床诊断尤其是常规检查中的普及，CT 扫描中的辐射剂量问题已经引起了人们越来越多的关注，大量的临床研究表明超过正常范围的CT 辐射剂量易诱发人体新陈代谢异常乃至癌症等疾病。然而，在目前的CT 设备中，往往通过调节管电流和电压以减少CT扫描剂量，这样将增加重建图像的块状噪声和具有方向性的星条状伪影，降低CT 重建的质量，从而影响临床医生对异常组织的确诊率。
当前提高低剂量CT图像质量的方法主要分为基于投影空间数据的和基于图像空间数据的两大类，基于投影空间数据的方法主要通过CT投影数据的恢复去噪来为重建提供噪声更少的投影数据，以提高低剂量条件下的图像重建质量，例如当前在临床CT重建中普遍使用的滤波反投影（Filtered Back projection，FBP）算法，就是通过内置的频域滤波处理来抑制伪影和噪声，还有一些学者提出在投影空间建立数据模型并基于此建立恢复算法来抑制低剂量条件下CT投影数据中的噪声。此类方法的研究由于受到商用CT投影数据无法获得的限制，现实中难以得到广泛应用。另一类方法是直接通过图像空间处理技术来提高已重建的低剂量图像质量，具有不依赖原始投影数据和处理速度快的优点，通常使用非线性的处理方法进行保持图像边缘信息的去噪处理，如各向异性滤波器(nonlinear or anisotropic filter) 或者小波(wavelet)的方法，然而此类非线性方主要基于图像的局部信息，难以得到良好的处理效果，例如，无法有效抑制低剂量CT图像中的块状噪声和星条状伪影，还会在处理中产生新的伪影。
最近提出的基于大邻域像素加权平均(Weighted Intensity Averaging over Large-scale Neighborhoods, WIA-LN)的图像去噪算法属于第二类方法，此方法能够利用CT图像域的全局信息来获得更好的去噪效果，其原理是认为在临床CT图像中, 属于不同的器官或衰减组织的像素往往在图像分布于一个较大的尺度，而且属于相同器官或衰减组织的像素往往具有相似的邻域信息，所以在一个较大尺度里对每个像素根据其周围组织相似度进行加权平均能够有效抑制图像中的噪声。定义                                                
Figure 772042DEST_PATH_IMAGE001
和
Figure 602464DEST_PATH_IMAGE002
 分别表示原低剂量CT图和处理后低剂量CT图里像素点i的灰度值，WIA-LN方法的思路如下： 
                                  (1)
                                (2)
这里，
Figure 807683DEST_PATH_IMAGE005
 表示搜索邻域
Figure 495541DEST_PATH_IMAGE006
内像素点i的灰度值，式(2)中的权重 
Figure 204871DEST_PATH_IMAGE007
表示像素点i 和 像素点j之间的相似度测度，通过计算邻域
Figure 342460DEST_PATH_IMAGE006
内像素点i 和 像素点j各自周围的组织结构相似度
Figure 162649DEST_PATH_IMAGE008
来获得。这里 
Figure 515133DEST_PATH_IMAGE009
 和 
Figure 644632DEST_PATH_IMAGE010
 为表示像素点i 和 像素点j各自周围的组织的相似度邻域，
Figure 20249DEST_PATH_IMAGE008
为相似度块
Figure 627817DEST_PATH_IMAGE009
 和 之间的高斯加权距离，其中
Figure 329681DEST_PATH_IMAGE011
表示二维高斯核方差，
Figure 192595DEST_PATH_IMAGE012
作为一个均一化参数表示每个相似度块内的像素总和，对于不同噪声水平的图像，需要通过调节
Figure 603853DEST_PATH_IMAGE013
来控制该方法的平滑效果。
WIA-LN方法已经被证明其在低剂量腹部CT图像中的处理效果，在管电流降低到原来五分之一的条件下的腹部CT图像处理中依然能够获得较好的图像恢复效果，考虑到剂量和管电流的线性关系，WIA-LN去噪方法能够使病人在腹部扫描中把所受剂量降低到原来的五分之一。然而此种方法具有一定的局限性，容易把低剂量条件下CT图像中的星条状伪影当做图像中的信息，从而无法有效的抑制CT图像中在低剂量扫描条件下易出现的星条状伪影，这些星条状伪影的产生是由于人体组织对某些角度的X射线投影有较大的衰减，一般出现在高密度（如骨骼）较多的部位的CT扫描图像中，如肩部、胸部和脊椎等部位。在管电流或者电压降低的低剂量条件下，由于X射线的穿透性和能量的下降，星条状伪影将更加严重。
发明内容
本发明所要解决的技术问题是克服现有低剂量CT图像处理方法存在的不能有效抑制低剂量条件下CT图像中的星条状伪影的问题，提供一种能够有效抑制星条状伪影的低剂量CT图像处理方法。
本发明具体采用以下技术方案解决上述技术问题：
一种基于小波空间方向性滤波的低剂量CT图像处理方法，包括以下步骤：
步骤1、使用静态小波变换对待处理的低剂量CT图像
Figure 603033DEST_PATH_IMAGE014
 做单层的分解，分别得到分解后的水平、垂直和对角方向的高频细节图像
Figure 74335DEST_PATH_IMAGE015
、
Figure 424545DEST_PATH_IMAGE016
、
Figure 639494DEST_PATH_IMAGE017
以及低频图像
Figure 758760DEST_PATH_IMAGE018
；
步骤2、对水平和垂直的高频细节图像和
Figure 975819DEST_PATH_IMAGE016
分别沿各自高频细节的正交方向作一维非线性扩散滤波处理，对对角方向的高频细节图像
Figure 728880DEST_PATH_IMAGE017
沿垂直和水平方向分别作两次一维非线性扩散滤波处理，得到处理后的水平、垂直和对角方向的高频细节图像
Figure 968232DEST_PATH_IMAGE019
、
Figure 328806DEST_PATH_IMAGE020
、
Figure 902876DEST_PATH_IMAGE021
；
步骤3、对处理后的水平、垂直和对角方向的高频细节图像
Figure 210360DEST_PATH_IMAGE019
、
Figure 225590DEST_PATH_IMAGE020
、
Figure 212525DEST_PATH_IMAGE021
以及原来的低频图像进行逆静态小波变换重建，得到伪影抑制的CT图像
Figure 932536DEST_PATH_IMAGE022
。
进一步的，可以将上述技术方案与现有基于大邻域像素加权平均的方法结合，从而提高低剂量CT图像的处理效果，具体就是在上述技术方案中步骤3之后增加步骤4，对步骤3得到的图像
Figure 67851DEST_PATH_IMAGE022
进行大邻域加权平均噪声抑制处理。
本发明方法首先使用静态小波变换对待处理的低剂量CT图像进行单层分解， 然后对水平、垂直和对角方向的高频细节图像分别进行垂直和水平方向的一维非线性扩散滤波来抑制星条状伪影在不同方向的高频细节图像中的信息强度，然后根据处理后的水平、垂直和对角方向的高频细节图像以及原来的低频图像进行逆静态小波变换来重建得到伪影得到抑制的CT图像，然后利用现有的大邻域加权平均噪声抑制方法对图像进行进一步处理。本发明方法可以有效抑制低剂量CT图像内的星条状伪影和噪声，提高低剂量CT图像质量，使其满足临床诊断的质量要求。
附图说明
图1为本发明方法的流程图；
图2为具体实施方式中所述待处理的原始低剂量CT图像；
图3为具体实施方式中所述正常剂量CT图像；
图4为具体实施方式中所述使用WIA-LN方法处理后的低剂量CT图像；
图5为具体实施方式中所述使用本发明方法处理后的低剂量CT图像。
具体实施方式
下面结合附图对本发明的技术方案进行详细说明：
本发明的基于小波空间方向性滤波的低剂量CT图像处理方法，如附图1所示，包括以下步骤：
步骤1、使用静态小波变换对待处理的低剂量CT图像
Figure 35807DEST_PATH_IMAGE014
 做单层的分解，分别得到分解后的水平、垂直和对角方向的高频细节图像
Figure 443524DEST_PATH_IMAGE015
、、
Figure 272513DEST_PATH_IMAGE017
以及低频图像
Figure 536004DEST_PATH_IMAGE018
；
具体的，使用Haar小波的高频和低频滤波器，沿图像
Figure 244066DEST_PATH_IMAGE014
的水平和垂直方向分别进行高频和低频滤波, 对得到的图像取原图像大小的中间区域，得到水平方向的高频细节图像
Figure 570747DEST_PATH_IMAGE015
，沿图像
Figure 742971DEST_PATH_IMAGE014
的垂直和水平方向分别做高频和低频滤波，对得到的图像取原图像大小的中间区域，得到水平方向的高频细节图像
Figure 177364DEST_PATH_IMAGE016
，沿图像
Figure 185771DEST_PATH_IMAGE014
的垂直和水平方向分别做高频滤波，对得到的图像取原图像大小的中间区域，得到对角方向的高频细节图像，最后沿图像的垂直和水平方向分别做低频滤波滤波，对得到的图像取原图像大小的中间区域，得到低频细节图像。
步骤2、对水平和垂直的高频细节图像
Figure 104256DEST_PATH_IMAGE015
和
Figure 148304DEST_PATH_IMAGE016
分别沿各自高频细节的正交方向作一维非线性扩散滤波处理，对对角方向的高频细节图像
Figure 780274DEST_PATH_IMAGE017
沿垂直和水平方向分别作两次一维非线性扩散滤波处理，得到处理后的水平、垂直和对角方向的高频细节图像
Figure 618786DEST_PATH_IMAGE019
、
Figure 601785DEST_PATH_IMAGE020
、
Figure 183945DEST_PATH_IMAGE021
；
一维非线性扩散滤波的公式为：
Figure 670421DEST_PATH_IMAGE023
，
其中
Figure 948343DEST_PATH_IMAGE024
为待处理的一维列数据或行数据，代表为每个像素点的位置，非线性扩散因子
Figure 538910DEST_PATH_IMAGE026
的计算公式为。设定迭代次数IterN和
Figure 325787DEST_PATH_IMAGE028
（一般为<0.4的参数）, 
Figure 17799DEST_PATH_IMAGE029
和
Figure 941762DEST_PATH_IMAGE030
分别代表此一维数据I的向前梯度和向后梯度，函数shift(I,p)表示将一维数据I向前或者向后移动p位（p为正时向后平移，为负时向前平移）的操作，XNum为数据I中的数据长度，一般为512，和原图像的尺寸一致，设定参数IterN（一般可设为10）和k（一般为100-500的参数），具体的计算流程如下：
For Iter=1:1:IterN
    
Figure 402830DEST_PATH_IMAGE031
      For x=1:1:XNum
                      
Figure 22555DEST_PATH_IMAGE032
end
end
步骤3、对处理后的水平、垂直和对角方向的高频细节图像
Figure 936284DEST_PATH_IMAGE019
、
Figure 476987DEST_PATH_IMAGE020
、以及原来的低频图像
Figure 580258DEST_PATH_IMAGE018
进行逆静态小波变换重建，得到伪影抑制的CT图像；
对于逆静态小波重建，具体的计算为：同样的使用前面Haar小波的高频和低频滤波器，首先对上面的未处理的小波空间低频图像分量
Figure 512628DEST_PATH_IMAGE018
沿水平和垂直方向分别进行低频和低频滤波得到
Figure 197556DEST_PATH_IMAGE033
, 对步骤2处理后的小波空间水平方向高频细节图像分量
Figure 641307DEST_PATH_IMAGE019
沿水平和垂直方向分别进行高频和低频滤波得到
Figure 35686DEST_PATH_IMAGE034
, 对步骤2处理后的小波空间垂直方向高频细节图像分量
Figure 855875DEST_PATH_IMAGE020
沿水平和垂直方向分别进行高频和低频滤波得到
Figure 519943DEST_PATH_IMAGE035
，对步骤2处理后的小波空间对角方向高频细节图像分量
Figure 587125DEST_PATH_IMAGE021
同样的沿水平和垂直方向分别进行高频和低频滤波得到
Figure 90306DEST_PATH_IMAGE036
。最后将得到的
Figure 635557DEST_PATH_IMAGE033
，
Figure 419711DEST_PATH_IMAGE034
，
Figure 205264DEST_PATH_IMAGE035
和
Figure 320376DEST_PATH_IMAGE036
相加，对得到的图像取原图像大小的中间区域，就可以得到逆静态小波重建，即伪影得到抑制的图像
Figure 482367DEST_PATH_IMAGE022
。
步骤4、对步骤3得到的图像
Figure 996393DEST_PATH_IMAGE022
进行大邻域加权平均噪声抑制处理；
具体的，定义
Figure 218427DEST_PATH_IMAGE037
 和
Figure 817905DEST_PATH_IMAGE002
 分别表示前面步骤3得到的伪影抑制的低剂量CT图和WIA-LN方法处理后的最终图像在像素点i的灰度值，计算公式如下： 
Figure 279476DEST_PATH_IMAGE039
                                                            (1)
Figure 369179DEST_PATH_IMAGE004
                                                      (2)
Figure 872973DEST_PATH_IMAGE040
                                                          (3)
这里，
Figure 96013DEST_PATH_IMAGE041
 表示搜索邻域
Figure 659849DEST_PATH_IMAGE006
内像素点i的灰度值，式(3)中的权重 
Figure 233919DEST_PATH_IMAGE007
表示像素点i 和 像素点j之间的相似度测度，通过计算邻域
Figure 275824DEST_PATH_IMAGE006
内像素点i 和 像素点j各自周围的组织结构相似度
Figure 618950DEST_PATH_IMAGE008
来获得。这里  和 
Figure 164123DEST_PATH_IMAGE010
 为表示像素点i 和 像素点j各自周围的组织的相似度邻域，
Figure 275298DEST_PATH_IMAGE008
为相似度块
Figure 472930DEST_PATH_IMAGE009
 和 之间的高斯加权距离，其中
Figure 661652DEST_PATH_IMAGE011
表示和
Figure 45360DEST_PATH_IMAGE042
同样尺寸的二维高斯核方差，其中每个元素
Figure 300761DEST_PATH_IMAGE043
具体可以通过(3)计算，其中 
Figure 629498DEST_PATH_IMAGE044
 代表计算
Figure 150610DEST_PATH_IMAGE008
时需要用到的两个相对于各自中心点同样位置的像素距离各自中心点的距离，当为0时我们设置
Figure 510233DEST_PATH_IMAGE043
=0.5， 
Figure 6942DEST_PATH_IMAGE012
作为一个均一化参数表示每个相似度块内的像素总和，对于不同噪声水平的图像，需要通过调节
Figure 15349DEST_PATH_IMAGE013
（取值范围为500-1500）来控制该方法的平滑效果。
为了验证本发明方法的效果，进行了以下对比实验：
首先获得同一部位的低剂量CT图像（图2），正常剂量CT图像（图3），使用WIA-LN方法处理的低剂量CT图像（图4）和用本发明方法处理的低剂量CT图像（图5）。实验中所使用CT设备为一台16 排 CT (Somatom Sensation 16)， 扫描条件为120 kVp和5mm 层厚，采用FBP方法重建，其他参数采用机器默认值，正常剂量的CT图像和低剂量的CT图像分别通过把管电流参数设为270mA和70mA来获得。
以图1的低剂量CT图像为例，利用WIA-LN方法和本发明方法进行处理。为了比较，同时采集同一部位的正常剂量CT图像（图2）。数据采集设备为16排CT（Somatom Sensation 16），扫描参数为120kVp，正常剂量的管电流为270mA，低剂量为70mA，扫描层厚5 mm，其他参数为机器默认值，图像重建方法为FBP。
首先进行视觉评估：
通过观察图2至图5的低剂量和正常剂量的CT图像，以及使用WIA-LN方法和本发明方法处理的低剂量CT图像，可以看到WIA-LN方法在抑制噪声的同时无法有效的抑制星条状伪影，而使用本发明方法处理后的图像质量明显提高，星条状伪影和噪声均得到了有效的抑制。
比较WIA-LN方法（图4）和本发明方法（图5）处理的低剂量CT图像与正常剂量CT图像（图3），可以看到WIA-LN方法在抑制噪声的同时无法有效的抑制星条状伪影，而使用本发明方法处理后的图像质量明显提高，星条状伪影和噪声均得到了有效的抑制。
然后进行量化评估：
为了量化的验证本发明方法的有效性，我们计算了某选定的均一区域内的方差，这里方差的定义为：
     
Figure 223050DEST_PATH_IMAGE046
                                  (4)
其中np代表选定区域内的像素个数，
Figure 890661DEST_PATH_IMAGE047
和
Figure 370052DEST_PATH_IMAGE048
分别代表此选定区域内的单个像素点CT值和平均CT值 (Housfield units, HU)，从下表1可以看到处理方法能够大幅度降低原始低剂量CT图像的方差，获得接近常剂量CT图像在选定均一区域的方差。
 
低剂量CT图像 正常剂量CT图像 使用WIA-LN方法处理的低剂量CT图像 使用本发明方法处理的低剂量CT图像
1246 HU 486 HU 890HU 528HU
                                  表1
    从上述实验可以看到，采用本发明方法可以有效抑制低剂量CT图像中的星条状伪影和噪声，在低剂量条件下获得接近正常剂量水平的CT图像，满足了临床诊断的质量要求。而且本发明方法不受商用CT投影数据无法获得的限制，具有较大的适用范围。

Claims (2)

1.一种基于小波空间方向性滤波的低剂量CT图像处理方法，其特征在于，包括以下步骤：
步骤1、使用静态小波变换对待处理的低剂量CT图像                                                
Figure 2010105958964100001DEST_PATH_IMAGE001
做单层的分解，分别得到分解后的水平、垂直和对角方向的高频细节图像
Figure 778542DEST_PATH_IMAGE002
、
Figure 2010105958964100001DEST_PATH_IMAGE003
、以及低频图像
Figure 2010105958964100001DEST_PATH_IMAGE005
；
步骤2、对水平和垂直的高频细节图像和分别沿各自高频细节的正交方向作一维非线性扩散滤波处理，对对角方向的高频细节图像
Figure 938816DEST_PATH_IMAGE004
沿垂直和水平方向分别作两次一维非线性扩散滤波处理，得到处理后的水平、垂直和对角方向的高频细节图像
Figure 425292DEST_PATH_IMAGE006
、
Figure 2010105958964100001DEST_PATH_IMAGE007
、
Figure 652616DEST_PATH_IMAGE008
；
步骤3、对处理后的水平、垂直和对角方向的高频细节图像
Figure 106600DEST_PATH_IMAGE006
、
Figure 977604DEST_PATH_IMAGE007
、以及原来的低频图像
Figure 30060DEST_PATH_IMAGE005
进行逆静态小波变换重建，得到伪影抑制的CT图像
Figure 2010105958964100001DEST_PATH_IMAGE009
。
2.如权利要求1所述基于小波空间方向性滤波的低剂量CT图像处理方法，其特征在于，在步骤3之后还包括：
步骤4、对步骤3得到的图像进行大邻域加权平均噪声抑制处理。
CN2010105958964A 2010-12-20 2010-12-20 基于小波空间方向性滤波的低剂量ct图像处理方法 Expired - Fee Related CN102024267B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN2010105958964A CN102024267B (zh) 2010-12-20 2010-12-20 基于小波空间方向性滤波的低剂量ct图像处理方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN2010105958964A CN102024267B (zh) 2010-12-20 2010-12-20 基于小波空间方向性滤波的低剂量ct图像处理方法

Publications (2)

Publication Number Publication Date
CN102024267A true CN102024267A (zh) 2011-04-20
CN102024267B CN102024267B (zh) 2012-04-11

Family

ID=43865529

Family Applications (1)

Application Number Title Priority Date Filing Date
CN2010105958964A Expired - Fee Related CN102024267B (zh) 2010-12-20 2010-12-20 基于小波空间方向性滤波的低剂量ct图像处理方法

Country Status (1)

Country Link
CN (1) CN102024267B (zh)

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103473745A (zh) * 2013-09-16 2013-12-25 东南大学 一种基于区别性字典的低剂量ct图像处理方法
CN104751429A (zh) * 2015-01-27 2015-07-01 南方医科大学 一种基于字典学习的低剂量能谱ct图像处理方法
CN105323503A (zh) * 2015-11-02 2016-02-10 Tcl集团股份有限公司 一种全景视频传输方法及系统
CN106157275A (zh) * 2015-04-21 2016-11-23 杭州与盟医疗技术有限公司 基于热扩散方程的多尺度ct图像去噪算法
CN103473745B (zh) * 2013-09-16 2016-11-30 东南大学 一种基于区别性字典的低剂量ct图像处理方法
CN106909927A (zh) * 2015-12-23 2017-06-30 通用电气公司 Ct投影数据中可信数据的提取装置及方法、ct成像系统
CN111968167A (zh) * 2020-09-02 2020-11-20 广州海兆印丰信息科技有限公司 Ct三维定位像的图像处理方法、装置和计算机设备
CN112712572A (zh) * 2021-01-11 2021-04-27 明峰医疗系统股份有限公司 Ct扫描设备的低信号噪声的抑制方法、系统及计算机可读存储介质
WO2022193276A1 (zh) * 2021-03-19 2022-09-22 深圳高性能医疗器械国家研究院有限公司 一种用于医学图像低剂量估计的深度学习方法

Non-Patent Citations (6)

* Cited by examiner, † Cited by third party
Title
《2010 International Conference of Medical Image Analysis and Clinical Application》 20100613 Yingsheng Li et al Improving Low-Dose X-Ray CT Images by Weighted Intensity Averaging Over Large-Scale Neighborhoods 第II节及第IV节第1段第5－6行 2 , 2 *
《ICISP 2008》 20080703 Kashif Rajpoot et al Discrete Wavelet Diffusion for Image Denoising 全文 1-2 , 2 *
《Optical Engineering》 20070430 Puyi Lu et al Novel Denoising Technique Based on Filtering The Coefficients of A Redundant Wavelet Transform 第1页第2.1节第1段1－3行，第2页左栏第1段第4－7行、第2－3段，第2.2节及图4 1-2 第46卷, 第4期 2 *
《The 26th Annual International Conference of the IEEE EMBS》 20040905 Yong Yue et al Ultrasonic Speckle Suppression Using Robust Nonlinear Wavelet Diffusion for LV Volume Quantification 全文 1-2 , 2 *
《中国图象图形学报》 20041231 石澄贤 等 小波域上图像非线性扩散滤波 全文 1-2 第9卷, 第12期 2 *
《吉林大学学报(工学版)》 20090331 王宏志 等 基于非线性扩散与小波变换的混合图像去噪算法 全文 1-2 第39卷, 第2期 2 *

Cited By (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103473745B (zh) * 2013-09-16 2016-11-30 东南大学 一种基于区别性字典的低剂量ct图像处理方法
CN103473745A (zh) * 2013-09-16 2013-12-25 东南大学 一种基于区别性字典的低剂量ct图像处理方法
CN104751429A (zh) * 2015-01-27 2015-07-01 南方医科大学 一种基于字典学习的低剂量能谱ct图像处理方法
CN104751429B (zh) * 2015-01-27 2018-02-02 南方医科大学 一种基于字典学习的低剂量能谱ct图像处理方法
CN106157275A (zh) * 2015-04-21 2016-11-23 杭州与盟医疗技术有限公司 基于热扩散方程的多尺度ct图像去噪算法
CN105323503A (zh) * 2015-11-02 2016-02-10 Tcl集团股份有限公司 一种全景视频传输方法及系统
CN105323503B (zh) * 2015-11-02 2019-07-09 Tcl集团股份有限公司 一种全景视频传输方法及系统
CN106909927A (zh) * 2015-12-23 2017-06-30 通用电气公司 Ct投影数据中可信数据的提取装置及方法、ct成像系统
CN111968167A (zh) * 2020-09-02 2020-11-20 广州海兆印丰信息科技有限公司 Ct三维定位像的图像处理方法、装置和计算机设备
CN111968167B (zh) * 2020-09-02 2023-12-26 广州海兆印丰信息科技有限公司 Ct三维定位像的图像处理方法、装置和计算机设备
CN112712572A (zh) * 2021-01-11 2021-04-27 明峰医疗系统股份有限公司 Ct扫描设备的低信号噪声的抑制方法、系统及计算机可读存储介质
CN112712572B (zh) * 2021-01-11 2023-10-24 明峰医疗系统股份有限公司 Ct扫描设备的低信号噪声的抑制方法、系统及计算机可读存储介质
WO2022193276A1 (zh) * 2021-03-19 2022-09-22 深圳高性能医疗器械国家研究院有限公司 一种用于医学图像低剂量估计的深度学习方法

Also Published As

Publication number Publication date
CN102024267B (zh) 2012-04-11

Similar Documents

Publication Publication Date Title
CN102024267B (zh) 基于小波空间方向性滤波的低剂量ct图像处理方法
Ma et al. Low‐dose computed tomography image restoration using previous normal‐dose scan
CN106023200B (zh) 一种基于泊松模型的x光胸片图像肋骨抑制方法
CN103279929B (zh) 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
CN109166161A (zh) 一种基于噪声伪影抑制卷积神经网络的低剂量ct图像处理系统
CN105118066B (zh) 一种基于三维区别性特征表示的低剂量ct图像分解方法
CN109102550A (zh) 基于卷积残差网络的全网络低剂量ct成像方法及装置
CN104751429B (zh) 一种基于字典学习的低剂量能谱ct图像处理方法
CN102063728B (zh) 基于标准剂量图像冗余信息的低剂量ct图像重建方法
Huang et al. Two stage residual CNN for texture denoising and structure enhancement on low dose CT image
CN104408758A (zh) 一种低剂量能谱ct图像处理方法
CN103226815A (zh) 一种低剂量ct图像滤波方法
CN103034989A (zh) 一种基于优质先验图像的低剂量cbct图像去噪方法
CN103679706A (zh) 一种基于图像各向异性边缘检测的ct稀疏角度重建方法
CN113034641A (zh) 一种基于小波多尺度卷积特征编码的稀疏角度ct重建方法
Li et al. Multienergy cone-beam computed tomography reconstruction with a spatial spectral nonlocal means algorithm
CN111260703A (zh) 一种获取脊柱拉直图像集的方法、系统、介质及存储介质
Yuan et al. Head and neck synthetic CT generated from ultra‐low‐dose cone‐beam CT following Image Gently Protocol using deep neural network
CN103793890A (zh) 一种能谱ct图像的恢复处理方法
Zhang et al. Known‐component 3D image reconstruction for improved intraoperative imaging in spine surgery: A clinical pilot study
CN112070856B (zh) 基于非下采样轮廓波变换的有限角c型臂ct图像重建方法
Seo et al. Optimization of smoothing factor for fast non-local means algorithm in high pitch based low-dose computed tomography images with tin-filter
CN112070704A (zh) 一种基于紧小波框架的双正则化有限角ct图像重建方法
Kim et al. CNN-based CT denoising with an accurate image domain noise insertion technique
Lu et al. Multiscale regularized reconstruction for enhancing microcalcification in digital breast tomosynthesis

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant
C53 Correction of patent for invention or patent application
CB03 Change of inventor or designer information

Inventor after: Chen Yang

Inventor after: Luo Limin

Inventor after: Li Songyi

Inventor after: Bao Xudong

Inventor after: Yang Zhou

Inventor after: Peng Licheng

Inventor after: Zuo Kai

Inventor before: Chen Yang

Inventor before: Luo Limin

Inventor before: Li Songyi

Inventor before: Bao Xudong

COR Change of bibliographic data

Free format text: CORRECT: INVENTOR; FROM: CHEN YANG LUO LIMIN LI SONGYI BAO XUDONG TO: CHEN YANG LUO LIMIN LI SONGYIBAO XUDONG YANG ZHOU PENG LICHENG ZUO KAI

CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20120411

Termination date: 20141220

EXPY Termination of patent right or utility model