CN102667857B - X射线照片中的骨抑制 - Google Patents
X射线照片中的骨抑制 Download PDFInfo
- Publication number
- CN102667857B CN102667857B CN201080058273.1A CN201080058273A CN102667857B CN 102667857 B CN102667857 B CN 102667857B CN 201080058273 A CN201080058273 A CN 201080058273A CN 102667857 B CN102667857 B CN 102667857B
- Authority
- CN
- China
- Prior art keywords
- source images
- profile
- smooth
- point
- dimension convolution
- 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.)
- Active
Links
- 210000000988 bone and bone Anatomy 0.000 title claims description 27
- 230000010354 integration Effects 0.000 claims abstract description 11
- 239000000284 extract Substances 0.000 claims abstract description 8
- 238000000034 method Methods 0.000 claims description 33
- 230000001629 suppression Effects 0.000 claims description 9
- 238000009499 grossing Methods 0.000 claims description 8
- 210000003109 clavicle Anatomy 0.000 description 14
- 230000006870 function Effects 0.000 description 9
- 230000008569 process Effects 0.000 description 7
- 238000004590 computer program Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 239000000047 product Substances 0.000 description 4
- 210000004872 soft tissue Anatomy 0.000 description 4
- 238000012935 Averaging Methods 0.000 description 3
- 230000002349 favourable effect Effects 0.000 description 3
- 208000020816 lung neoplasm Diseases 0.000 description 3
- 238000002600 positron emission tomography Methods 0.000 description 3
- 230000011218 segmentation Effects 0.000 description 3
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000002591 computed tomography Methods 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 230000009977 dual effect Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 210000004072 lung Anatomy 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000009206 nuclear medicine Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- HUTDUHSNJYTCAR-UHFFFAOYSA-N ancymidol Chemical compound C1=CC(OC)=CC=C1C(O)(C=1C=NC=NC=1)C1CC1 HUTDUHSNJYTCAR-UHFFFAOYSA-N 0.000 description 1
- 238000005452 bending Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000002595 magnetic resonance imaging Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000002603 single-photon emission computed tomography Methods 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/12—Edge-based segmentation
-
- 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
-
- 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
- G06T2207/10116—X-ray image
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30008—Bone
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Medical Informatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- Biomedical Technology (AREA)
- Surgery (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Optics & Photonics (AREA)
- Pathology (AREA)
- Radiology & Medical Imaging (AREA)
- Biophysics (AREA)
- Heart & Thoracic Surgery (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)
- Apparatus For Radiation Diagnosis (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及一种用于从源图像提取对象（Ob）的系统（100），所述对象由轮廓（C）描绘，系统（100）包括：梯度单元（110），其用于基于源图像计算源图像的梯度场；平滑单元（120），其用于平滑源图像的梯度场；以及积分单元（130），其用于通过对经平滑的源图像的梯度场进行积分来计算对象图像，从而从源图像提取对象（Ob）。在源图像的每个点处，所述平滑由2维卷积核定义，该2维卷积核是基本平行于轮廓（C）的第一方向上的第一1维卷积核和基本垂直于轮廓（C）的第二方向上的第二1维卷积核的乘积。第一1维卷积核定义由轮廓分开的每个区域内的平滑，而第二1维卷积核定义穿过将两个区域分开的轮廓的平滑，独立于对象的取向和轮廓曲率。
Description
技术领域
本发明涉及提取并抑制图像中的阻碍对象。
背景技术
出于许多诊断目的，从放射照片图像中去除骨阴影是有益的。在去除骨阴影的图像中，能够更容易地作出某些发现，因为从图像中去除的骨阴影不再干扰精细的软组织结构。例如，能够通过去除肋骨阴影而利用该技术来改进肺结节检测。去除骨阴影可对人类读者和肺结节CAD（计算机辅助检测）系统这两者均有用，因为降低了漏掉被肋骨阴影覆盖的肺结节（假阴性）或识别肋骨阴影交叉口的假结节（假阳性）的风险。
获得更好的软组织图像的已知的方法依靠使用双能量采集。然而，使用双能量采集要求特殊的X射线装备和更高的对患者的X射线剂量曝光。
另一种方法在由Simkó等人公开的发表于VanderSloten等(Eds.)IFMBEProceedings22,488-491,2008的“Eliminationofclavicleshadowstohelpautomaticlungnoduledetectiononchestradiographs”中。在此，锁骨轮廓被分割并由参数化曲线{x(s),y(s)}s∈[0,1]描述。锁骨轮廓的邻域被定义为一组点(x(s),y(s)+d)，其中，对于某个正数δ，s∈[0,1]并且通过以下步骤而重建锁骨图像：
1．计算梯度图像。
2．建立骨模型。
3．从经修改的梯度图像重新计算图像。
通过使用具有与轮廓相切的s变量的方向上的大的标准分布σs和y轴方向上的小的标准分布σd的1维高斯核，在{(s,d)|s∈[0,1]且的空间中平滑，从而建立骨模型。将锁骨图像从原始图像中减去，从而得到锁骨被抑制的软组织图像。上面的方法的缺点是，假定骨位于水平方向上。
US2009/0214099公开了使用全局仿射变换来在图像中对对象进行重新定向。经变换的图像中的骨阴影因此被抑制。例如，由Simkó等人描述的方法可以应用于抑制取向为垂直于y轴的锁骨。然后，通过全局仿射变换的反演而变换锁骨被抑制的图像，以将图像中的对象重新定向成其原始位置。然而，该方法在骨的轮廓成曲线时表现不好，例如，针对每个闭合的轮廓大致是这种情况。
发明内容
具有针对弯曲的对象而表现良好的用于抑制图像中的阻碍对象的系统将会是有利的。
为了实现此，在一方面，本发明提供一种用于从源图像中提取对象的系统，所述对象由轮廓描绘，该系统包括：
-梯度单元，其用于基于源图像计算源图像的梯度场，
-平滑单元，其用于平滑源图像的梯度场，以及
-积分单元，其用于通过积分经平滑的源图像的梯度场计算对象图像，从而从源图像提取对象，其特征在于，在源图像的每个点处，所述平滑由2维卷积核定义，该2维卷积核是基本平行于轮廓的第一方向上的第一1维卷积核和基本垂直于轮廓的第二方向上的第二1维卷积核的乘积。第一1维卷积核定义轮廓两侧区域中沿着轮廓的平滑，而第二1维卷积核定义穿过将两个区域分开的轮廓的平滑，独立于对象的取向和轮廓曲率。
在实施例中，系统还包括坐标单元，该坐标单元用于：
-使轮廓参数化，并且
-将源图像中的笛卡尔坐标(x,y)变换成基于轮廓的坐标(s,n)，其中，s(x,y)是参数化的轮廓上的点的参数的值，所述点对应于通过点(x,y)而延伸的轮廓的法线的交叉，其中，n(x,y)是源图像中的点(x,y)和轮廓之间的带符号距离，并且其中，带符号距离假定轮廓的一侧的点为一个符号而轮廓的另一侧的点为相反的符号，并且其中，第一1维卷积核取决于s坐标而第二1维卷积核取决于n坐标。因而更容易实现平滑算子的1维卷积核。
在实施例中，系统还包括减法单元，该减法单元用于从源图像中减去对象图像，从而创建抑制图像，其中，所述对象被抑制。
在所述系统的实施例中，第一1维卷积核的标准偏差比第二1维卷积核的标准偏差大至少一个数量级。假定对象对源图像强度（即，像素值）的贡献在由源图像中的轮廓勾勒出的对象上的邻近的位置处是相似的，通常在骨阴影中是这种情况，则在主要沿平行于对象轮廓的方向执行平滑时，经积分的平滑梯度将产生对象图像。这能够通过使用具有比第二1维卷积核的标准偏差大得多的第一1维度卷积核的标准偏差的平滑核而实现。
在所述系统的实施例中，第一1维卷积核的标准偏差具有轮廓长度的至少1%的长度。由于由第一核定义的平滑对由轮廓，而不是穿过轮廓，定义的区域内的梯度场向量求平均，因而大的标准偏差（即，具有至少1%，优选至少5%的轮廓长度的长度）在所述区域内平滑源图像的梯度场，而不影响沿着轮廓的边缘。源图像的梯度场和经平滑的源图像的梯度场的比较允许提取关于源图像的精细细节的信息，该细节被对象隐藏。
在所述系统的实施例中，平滑单元还适于基于相对于通过2维卷积核的原点而延伸的轮廓法线的取向的通过所述点而延伸的轮廓法线的取向，校正每个点处的源图像的梯度向量取向。该方法沿着轮廓相对于轮廓法线而对源图像的梯度向量求平均。
在所述系统的实施例中，平滑单元还适于补偿经平滑的源图像的梯度场，以便保证经平滑的源图像的梯度场向量沿着穿过源图像中所包括的感兴趣区域的线的和基本与相应的源图像的梯度场向量的和相似。因而，在从源图像减去对象图像之后，对象应当基本在抑制图像中消失，但对象轮廓的外部的区域在抑制图像中应当基本不变。
在所述系统的实施例中，轮廓是闭合的。系统的该实施例用于整体地抑制包围在图像中的对象。
在又一方面，根据本发明的系统用于提取X射线图像中的骨阴影。
在又一方面，根据本发明的系统被包括在图像采集装置中。
在又一方面，根据本发明的系统被包括在工作站中。
在又一方面，本发明提供一种从源图像中提取对象的方法，所述对象由轮廓描绘，该方法包括：
-梯度步骤，其用于基于源图像计算源图像的梯度场；
-平滑步骤，其用于平滑源图像的梯度场，以及
-积分步骤，其用于通过对经平滑的源图像的梯度场进行积分计算对象图像，从而从源图像提取对象，其特征在于，在源图像的每个点处，平滑由2维卷积核定义，该2维卷积核是基本平行于轮廓的第一方向上的第一1维卷积核和基本垂直于轮廓的第二方向上的第二1维卷积核的乘积。
在又一个方面，本发明提供一种由计算机装置装载的计算机程序产品，包括用于从源图像中提取对象的指令，所述对象由轮廓描绘，计算机装置包括处理单元和存储器，计算机程序产品在被装载之后，给所述处理单元提供执行根据本发明的方法的步骤的能力。
本领域技术人员将意识到，可以将上面提到的实施例、实施方式和/或本发明的各方面的两个或更多个以任何被认为有用的方式结合。
与所述系统或方法的所描述的修改和变型对应的系统、图像采集装置、工作站、方法和/或计算机程序产品的修改和变型能够由本领域技术人员在说明书的基础上执行。
本领域技术人员将意识到，所主张的发明中的多维图像可以是由各种采集模态采集的2维（2-D）图像数据，该采集模态诸如但不限于，X射线成像、计算机断层摄影（CT）、磁共振成像（MRI）、超声（US）、正电子发射断层摄影（PET）、单光子发射计算机断层摄影（SPECT）以及核医学（NM）。本领域技术人员还可以修改本发明的系统和/或方法，以使其适于3维（3D）图像数据。
在独立权利要求中定义本发明。在从属权利要求中定义有利的实施例。
附图说明
关于在下文中描述的实施方式和实施例，参考附图，本发明的这些及其他方面显而易见并被阐明，其中：
图1示出了系统的示范性实施例的框图；
图2A图示了坐标变换(x,y)→(s,n)的s(x,y)坐标；
图2B图示了坐标变换(x,y)→(s,n)的n(x,y)坐标；
图3A示出了示范性的对象图像；
图3B示出了示范性的抑制图像；
图4示出了方法的示范性实施方式的流程图；
图5示意性地示出了图像采集装置的示范性实施例；并且
图6示意性地示出了工作站的示范性实施例。
在整个附图中同样的附图标号用于表示相似的部分。
具体实施方式
图1示意性地示出了用于从源图像中提取对象的系统100的示范性实施例的框图，所述对象由轮廓描绘，系统100包括：
-梯度单元110，其用于基于源图像计算源图像的梯度场，
-平滑单元120，其用于平滑源图像的梯度场，以及
-积分单元130，其用于通过积分经平滑的源图像的梯度场计算对象图像，从而从源图像提取对象，其特征在于，在源图像的每个点处，所述平滑由2维卷积核定义，该2维卷积核是基本平行于轮廓的第一方向上的第一1维卷积核和基本垂直于轮廓的第二方向上的第二1维卷积核的乘积。
系统100的示范性实施例还包括：
-坐标单元105，其用于使轮廓参数化，并且，用于将源图像中的笛卡尔坐标变换成基于轮廓的坐标，
-减法单元140，其用于从源图像中减去对象图像，从而创建抑制图像，
-控制单元160，其用于控制系统100的工作，
-用户接口165，其用于用户和系统100之间的通信，以及
-存储器单元170，用于存储数据。
在系统100的实施例中，存在用于引入数据的三个输入连接器181、182以及183。第一输入连接器181被布置用于接收来自诸如但不限于硬盘、磁带、闪存或光盘的数据存储器件的数据。第二输入连接器182被布置用于接收来自诸如但不限于鼠标或触摸屏的用户输入设备的数据。第三输入连接器183被布置用于接收来自诸如键盘的用户输入设备的数据。输入连接器181、182以及183连接至输入控制单元180。
在系统100的实施例中，存在用于传出数据的两个输出连接器191和192。第一输出连接器191被布置用于将数据输出至诸如硬盘、磁带、闪存或光盘的数据存储器件。第二输出连接器192被布置用于将数据输出至显示设备。输出连接器191和192经由输出控制单元190而接收相应的数据。
本领域技术人员将理解，存在许多将输入设备连接至输入连接器181、182和183以及将输出设备连接至系统100的输出连接器191和192的方式。这些方式包括但不限于有线和无线连接、诸如但不限于局域网（LAN）和广域网（WAN）的数字网络、因特网、数字电话网络以及模拟电话网络。
在系统100的实施例中，系统100包括存储器单元170。系统100被布置用于经由输入连接器181、182以及183中的任一个而从外部设备接收输入数据并将所接收的输入数据存储在存储器单元170中。将输入数据装载至存储器单元170中允许系统100的单元对相关数据部分的快速访问。输入数据包括源图像。任选地，输入数据可以包括轮廓数据和用户输入，诸如第一和第二卷积核的标准偏差。存储器单元170可以由诸如但不限于CPU的寄存器文件、高速缓存存储器、随机存取存储器（RAM）芯片、只读存储器（ROM）芯片和/或硬盘驱动器和硬盘的设备实施。存储器单元170还可以被布置用于存储输出数据。输出数据包括对象图像和/或抑制图像。存储器单元170还可以被布置用于经由存储器总线175而从系统100的单元接收数据和/或将数据递送至系统100的单元，所述系统100的单元包括坐标单元105、梯度单元110、平滑单元120、积分单元130、减法单元140、控制单元160以及用户接口165。存储器单元170还被布置用于使外部设备可经由输出连接器191和192的任一个而得到输出数据。将来自系统100的单元的数据存储在存储器单元170中可以有利地改进系统100的单元的性能和输出数据从系统100的单元传送至外部设备的速率。
在系统100的实施例中，系统100包括用于控制系统100的控制单元160。控制单元160可以被布置用于从系统100的单元接收控制数据并将控制数据提供至系统100的单元。例如，在计算源图像的梯度场之后，梯度单元110可以被布置用于将控制数据“己计算梯度场”提供至控制单元160，并且，控制单元160可以被布置用于将控制数据“平滑梯度场”提供至平滑单元120。替代地，可以在系统100的另一个单元中实现控制功能。
在系统100的实施例中，系统100包括用于用户和系统100之间的通信的用户接口165。用户接口165可以被布置用于接收包括第一和第二卷积核的两个标准偏差的用户输入。任选地，用户接口可以接收用户输入，该用户输入用于选择系统操作模式，诸如用于使用特定的卷积核函数，诸如高斯或最近邻平滑器核函数。用户接口还被布置用于显示对象图像和/或抑制图像。本领域技术人员将理解，可以有利地在系统100的用户接口165中实现更多的功能。
在下面描述的实施例中，源图像是胸部的医学图像，对象包括潜在地使肺中的结节的视图模糊的骨：肋骨和锁骨。本领域技术人员将理解，这些实施例图示本发明，而不应被解释为限制权利要求的范围。
在实施例中，对系统的输入包括肋骨和锁骨的骨轮廓。替代地，系统100可以包括用于使用源图像或源图像的梯度场的分割来在源图像中描绘肋骨和锁骨的轮廓单元。系统100包括坐标单元105，该坐标单元105用于：
-使轮廓参数化，并且
-将源图像中的笛卡尔坐标(x,y)变换成基于轮廓的坐标(s,n)，其中，s(x,y)是参数化的轮廓上的点的参数的值，所述点对应于通过点(x,y)而延伸的轮廓的法线的交叉，其中，n(x,y)是源图像中的点(x,y)和轮廓之间的带符号距离，并且其中，带符号距离假定轮廓的一侧的点为一个符号而轮廓的另一侧的点为相反的符号。
图2A图示了坐标变换(x,y)→(s,n)的s(x,y)坐标，图2B图示了坐标变换(x,y)→(s,n)的n(x,y)坐标。参数s是相对于轮廓上的任意参考点而测量的沿着轮廓的环（cyclic）距离。带符号距离坐标n在轮廓的外侧为正，在轮廓的内侧为负。所显示的轮廓C是闭合的，并且，描绘锁骨轮廓的一部分。如在Barthel和vonBerg的Robustautomaticlungfieldsegmentationondigitalchestradiographs，Int.J.CARS卷4，补充1，第326页，2009中所描述的，使用源图像的分割来获得通过离散分段线性近似而近似的轮廓C。骨分割的等值面（levelset）实施方式也有可能，并且，具有已使用轮廓的参数化表示的优点。等值面框架还提供距离函数，以便用作n变量。
通过提供每个(x,y)位置的(s,n)值的表而获得给定的图像位置(x,y)的经变换的坐标(s,n)。该表是通过沿着轮廓的s和n参数的离散采样而建立的。每当新候选具有更低的绝对n值，其意味着更接近轮廓时，就替换(x,y)的表项目。(s,n)坐标非常适于定义第一和第二卷积核。
图3A显示示范性的对象图像-对象Ob的图像包括源图像的骨成分，即后肋骨和锁骨Cl。通过利用高斯核来使源图像的梯度场平滑计算该对象图像。高斯核为本领域技术人员所知。第一高斯核取决于s坐标，并且，第二高斯核取决于n坐标。第一卷积核的标准偏差是σs=40mm，并且，第二卷积核的标准偏差是σn=0.2mm。在实施例中，平滑单元120适于在平滑之前校正源图像的梯度向量取向。在每个点(s,n)处，基于相对于通过2维卷积核的原点(sk,nk)而延伸的轮廓法线nk的取向的通过点(s,n)而延伸的轮廓法线n的取向，校正梯度场向量取向。能够从φ(s,n)+φ(n)-φ(nk))计算经校正的源图像的梯度场向量取向，其中，分别地，φ(s,n)是(s,n)处的梯度场向量的角坐标，并且，φ(n)和φ(nk)是法线向量n和nk的角坐标。保留梯度绝对值。该方法沿着垂直于轮廓法线和平行于轮廓的线对源图像的梯度场求平均，同时保留了沿着轮廓的锐利的骨边缘。通过求和，即通过经平滑的源图像的梯度场的积分，从而从经修改的梯度图像重建骨图像，该积分由积分单元130执行。
为了加速平滑，即，第一卷积核和梯度场的卷积的计算，可使用积分曲线上的图像位置的子集，例如，随机生成以均匀覆盖积分曲线的位置。
为了获得良好的骨图像，标准偏差σs需要相对于经平滑的对象尺度而较大。诸如骨的对象的可能的度量是轮廓长度。具有轮廓长度的至少5%的数量级的标准偏差σs预期会有良好的结果。然而，这样的大的标准偏差的应用要求梯度场根据s变量缓慢地变化。
在系统的实施例中，平滑单元120还适于补偿经平滑的源图像的梯度场，以便保证经平滑的源图像的梯度场向量沿着穿过源图像中所包括的感兴趣区域的线的和基本与相应的源图像的梯度场向量的和相似。这是更可取的，因为(s,n)坐标中的各向异性平滑修改梯度，使得感兴趣区域（具有缘的骨）内的经平滑的梯度场向量的和相对于由源图像定义的梯度场被修改。在对这样的经平滑的梯度场的积分过程中，获得感兴趣区域的边缘处的经修改的强度值，其导致重建图像中的人为对比。因而，补偿是优选的，以便保证穿过围绕骨的感兴趣区域的经平滑的梯度场向量和行总和与列总和基本与穿过围绕骨的感兴趣区域的源图像的梯度场的相应的向量和行总和与列总和相同。
图3B示出了示范性的抑制图像-具有患者的右手侧（图像的左手侧）的骨抑制的胸部放射照片。右手侧锁骨和后肋看起来被强烈地抑制。然而，左手侧锁骨和后肋看起来不受影响。通过从源图像（未示出）减去图3A中示出的对象图像而获得图3B中示出的抑制图像，该减法由系统100的减法单元140执行。从源图像减去骨阴影Ob，抑制图像示出了左肺的软组织结构。
本领域技术人员将意识到，系统100可能是用于在医师的工作的许多方面中辅助医师的有价值的工具。而且，尽管使用系统的医学应用来图解说明系统的实施例，但还预期系统的非医学应用。
本领域技术人员还理解，系统100的其他实施例也是可能的。此外，有可能重新定义系统的单元并重新分布单元的功能。尽管所描述的实施例应用于医学图像，但与医学应用无关的系统的其他应用也是有可能的。
可以使用处理器来实现系统100的单元。通常地，在软件程序产品的控制之下执行其功能。在执行期间，软件程序产品通常地装载至如RAM的存储器中并从存储器执行。程序可以从诸如ROM、硬盘或者磁和/或光存储设备的后台存储器装载，或者，经由如因特网的网络而装载。任选地，专用集成电路可以提供所描述的功能。
在图4中示出了从源图像提取对象Ob的方法M的示范性的实施方式的流程图，所述对象由轮廓C描绘。方法M以坐标步骤S05开始，该坐标步骤S05用于使轮廓参数化，并且，用于将源图像中的笛卡尔坐标(x,y)变换成基于轮廓的坐标(s,n)。在坐标步骤S05之后，方法M继续至用于基于源图像计算源图像的梯度场的梯度步骤S10。在梯度步骤S10之后，方法M继续至用于平滑源图像的梯度场的平滑步骤S20。在平滑步骤S20之后，方法M继续至积分步骤S30，该积分步骤S30用于对经平滑的源图像的梯度场进行积分，从而从源图像提取对象。在积分步骤S30之后，方法M继续至减法步骤S40，该减法步骤S40用于从源图像减去对象图像，从而创建抑制图像。在减法步骤S40之后，方法终止。
方法M的平滑步骤S20的特征在于，在源图像的每个点处，所述平滑由2维卷积核定义，该2维卷积核是基本平行于轮廓的第一方向上的第一1维卷积核和基本垂直于轮廓的第二方向上的第二1维卷积核的乘积。
在不背离如本发明所意指的构思的情况下，本领域技术人员可以改变某些步骤的顺序、增加可选的步骤（例如分割）或省略某些非强制性的步骤（例如校正梯度场向量取向）或使用线程模型、多处理器系统或多个过程来同时地执行某些步骤。任选地，方法M的两个或更多个步骤可以结合成一个步骤。任选地，方法M的步骤可以分成多个步骤。
图5示意性地示出了采用本发明的系统100的图像采集装置500的示范性实施例，所述图像采集装置500包括经由内部连接与系统100连接的图像采集单元510、输入连接器501以及输出连接器502。该布置有利地提高图像采集装置500的能力，将系统100的有利的功能提供给该图像采集装置500。
图6示意性地示出了工作站600的示范性实施例。工作站包括系统总线601。处理器610、存储器620、盘输入/输出（I/O）适配器630以及用户接口（UI）640操作性连接至系统总线601。盘存储设备631操作性耦合至盘I/O适配器630。键盘641、鼠标642以及显示器643操作性耦合至UI640。由计算机程序实施的本发明的系统100存储在盘存储设备631中。工作站600被布置用于装载程序并将数据输入至存储器620中且在处理器610上执行程序。用户能够使用键盘641和/或鼠标642来将信息输入至工作站600。工作站被布置用于将信息输出至显示设备643和/或盘631。本领域技术人员将理解，存在着在本领域中已知的工作站600的许多其他实施例，并且，本实施例用于图解说明本发明的目的，不可以被解释为将本发明限制到该特定的实施例。
应当注意到，上面提到的实施例图解说明本发明，而不是限制本发明，在不背离所附权利要求书的范围的情况下，本领域技术人员能够设计可替代的实施例。在权利要求书中，放在括号之间的任何附图标记不应当被解释为限制权利要求。单词“包括”不排除在权利要求中或在说明书中未列出的元件或步骤的存在。元件之前的冠词“一”不排除多个这样的元件的存在。本发明能够借助于包括若干个不同的元件的硬件并借助于编程计算机来实现。在列举若干个单元的系统权利要求中，这些单元的若干个能够由硬件或软件的同一个记录体现。单词第一、第二、第三等的使用不指示任何排序。这些单词应被解释为名称。
Claims (12)
1.一种用于从源图像中提取对象(Ob)的系统(100)，所述对象由轮廓(C)描绘，所述系统(100)包括：
-梯度单元(110)，其用于基于所述源图像计算所述源图像的梯度场，
-平滑单元(120)，其用于平滑所述源图像的梯度场，以及
-积分单元(130)，其用于通过对经平滑的源图像的梯度场进行积分来计算对象图像，从而从所述源图像中提取所述对象(Ob)，
其特征在于，在所述源图像的每个点处，所述平滑由2维卷积核定义，所述2维卷积核是所述轮廓上的一点处的基本平行于所述轮廓(C)的第一方向上的第一1维卷积核和所述轮廓的所述点处的基本垂直于所述轮廓(C)的第二方向上的第二1维卷积核的乘积，其中，所述点对应于所述轮廓与通过所述源图像的相应点而延伸的所述轮廓的法线的交叉，并且，所述点最接近所述源图像的相应点。
2.如权利要求1所述的系统(100)，还包括坐标单元(105)，其用于：
-使所述轮廓(C)参数化，并且
-将所述源图像中的笛卡尔坐标(x,y)变换成基于轮廓的坐标(s,n)，其中，s(x,y)是参数化的轮廓(C)上的所述点的参数的值，所述点对应于通过点(x,y)而延伸的所述轮廓的法线的所述交叉；其中，n(x,y)是所述源图像中的点(x,y)和所述轮廓(C)之间的带符号距离，并且其中，所述带符号距离假定所述轮廓的一侧的点为一个符号而所述轮廓的另一侧的点为相反的符号，
并且其中，所述第一1维卷积核取决于s坐标而所述第二1维卷积核取决于n坐标。
3.如权利要求1所述的系统(100)，还包括减法单元(140)，所述减法单元(140)用于从所述源图像中减去所述对象图像，从而创建抑制图像，其中，所述对象(Ob)被抑制。
4.如权利要求1所述的系统(100)，其中，所述第一1维卷积核的标准偏差比所述第二1维卷积核的标准偏差大至少一个数量级。
5.如权利要求1所述的系统(100)，其中，所述第一1维卷积核的标准偏差具有所述轮廓(C)长度的至少1％的长度。
6.如权利要求2所述的系统(100)，其中，所述平滑单元(120)还适于基于相对于通过所述2维卷积核的原点而延伸的轮廓法线的取向的通过所述点而延伸的轮廓法线的取向，校正每个点处的源图像的梯度向量取向。
7.如权利要求1所述的系统(100)，其中，所述平滑单元(120)还适于补偿经平滑的源图像的梯度场，以便保证经平滑的源图像的梯度场向量沿着穿过所述源图像中所包括的感兴趣区域的线的和基本与相应的所述源图像的梯度场向量的和相似。
8.如权利要求1所述的系统(100)，其中，所述轮廓(C)是闭合的。
9.一种如前述权利要求中的任一项所述的系统(100)用于提取X射线图像中的骨阴影的使用。
10.一种图像采集装置(500)，其包括如前述权利要求中的任一项所述的系统(100)。
11.一种工作站(600)，其包括如前述权利要求中的任一项所述的系统(100)。
12.一种从源图像中提取对象(Ob)的方法(M)，所述对象由轮廓(C)描绘，所述方法(M)包括：
-梯度步骤(S10)，其用于基于所述源图像计算所述源图像的梯度场；
-平滑步骤(S20)，其用于平滑所述源图像的梯度场，以及
-积分步骤(S30)，其用于通过对经平滑的源图像的梯度场进行积分计算对象图像，从而从所述源图像中提取所述对象(Ob)，
其特征在于，在所述源图像的每个点处，所述平滑由2维卷积核定义，所述2维卷积核是所述轮廓上的点处的基本平行于所述轮廓(C)的第一方向上的第一1维卷积核和所述轮廓的所述点处的基本垂直于所述轮廓(C)的第二方向上的第二1维卷积核的乘积，其中，所述点对应于所述轮廓与通过所述源图像的相应点而延伸的所述轮廓的法线的交叉，并且，所述点最接近所述源图像的相应点。
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| EP09180414.6 | 2009-12-22 | ||
| EP09180414 | 2009-12-22 | ||
| PCT/IB2010/055876 WO2011077334A1 (en) | 2009-12-22 | 2010-12-16 | Bone suppression in x-ray radiograms |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN102667857A CN102667857A (zh) | 2012-09-12 |
| CN102667857B true CN102667857B (zh) | 2016-02-10 |
Family
ID=43901441
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201080058273.1A Active CN102667857B (zh) | 2009-12-22 | 2010-12-16 | X射线照片中的骨抑制 |
Country Status (6)
| Country | Link |
|---|---|
| US (1) | US8903153B2 (zh) |
| EP (1) | EP2517174B1 (zh) |
| JP (1) | JP5749735B2 (zh) |
| CN (1) | CN102667857B (zh) |
| RU (1) | RU2556428C2 (zh) |
| WO (1) | WO2011077334A1 (zh) |
Families Citing this family (18)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2013132407A1 (en) | 2012-03-06 | 2013-09-12 | Koninklijke Philips N.V. | Stereo x-ray tube based suppression of outside body high contrast objects |
| CN104703542B (zh) * | 2012-10-05 | 2018-10-12 | 皇家飞利浦有限公司 | X射线成像中的骨抑制 |
| US9672600B2 (en) * | 2012-11-19 | 2017-06-06 | Carestream Health, Inc. | Clavicle suppression in radiographic images |
| JP6615131B2 (ja) | 2014-06-27 | 2019-12-04 | コーニンクレッカ フィリップス エヌ ヴェ | 石灰化した肋軟骨関節の視覚的評価のためのシルエット表示 |
| US9785860B2 (en) | 2014-07-16 | 2017-10-10 | The Cleveland Clinic Foundation | Real-time image enhancement for X-ray imagers |
| EP3314582B1 (en) * | 2015-06-29 | 2020-08-05 | Koninklijke Philips N.V. | Interactive mesh editing |
| EP3150123B1 (en) | 2015-09-29 | 2018-08-29 | Koninklijke Philips N.V. | Improved visualization of projection x-ray image |
| US10631808B2 (en) | 2015-09-30 | 2020-04-28 | Koninklijke Philips N.V. | Generating a lung condition map |
| CN105469365B (zh) * | 2015-11-12 | 2018-08-17 | 深圳市深图医学影像设备有限公司 | 一种抑制数字化x线胸片图像中骨骼阴影的方法及系统 |
| CN105447866A (zh) * | 2015-11-22 | 2016-03-30 | 南方医科大学 | 基于卷积神经网络的x线胸片骨抑制处理方法 |
| US10896485B2 (en) | 2016-05-04 | 2021-01-19 | Koninklijke Philips N.V. | Feature suppression in dark field or phase contrast X-ray imaging |
| EP3539079A1 (en) | 2016-11-08 | 2019-09-18 | Koninklijke Philips N.V. | Apparatus for the detection of opacities in x-ray images |
| EP3554369A1 (en) * | 2016-12-19 | 2019-10-23 | Koninklijke Philips N.V. | System and method for dark-field-imaging |
| EP3391819A1 (en) | 2017-04-20 | 2018-10-24 | Koninklijke Philips N.V. | Beam hardening correction in x-ray dark-field imaging |
| EP3435325A1 (en) | 2017-07-26 | 2019-01-30 | Koninklijke Philips N.V. | Scatter correction for dark field imaging |
| KR102215805B1 (ko) * | 2018-01-30 | 2021-02-17 | 연세대학교 원주산학협력단 | 딥러닝 기술을 통한 흉부 물질 분리 영상 획득 방법 및 시스템 |
| CN113450262A (zh) * | 2020-03-25 | 2021-09-28 | 武汉金山办公软件有限公司 | 一种实现图像处理的方法、装置、计算机存储介质及终端 |
| CN114038440B (zh) * | 2021-11-30 | 2023-04-07 | 京东方科技集团股份有限公司 | 显示装置及其控制方法 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1806257A (zh) * | 2004-05-19 | 2006-07-19 | 索尼株式会社 | 图像处理设备、图像处理方法、用于图像处理方法的程序、以及记录有用于图像处理方法的程序的记录介质 |
| CN101546427A (zh) * | 2008-02-27 | 2009-09-30 | 西门子电脑辅助诊断有限公司 | 一种抑制图像中的模糊特征的方法 |
Family Cites Families (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US4792900A (en) | 1986-11-26 | 1988-12-20 | Picker International, Inc. | Adaptive filter for dual energy radiographic imaging |
| US5832134A (en) | 1996-11-27 | 1998-11-03 | General Electric Company | Data visualization enhancement through removal of dominating structures |
| US20030086596A1 (en) * | 2001-11-07 | 2003-05-08 | Medical Metrics, Inc. | Method, computer software, and system for tracking, stabilizing, and reporting motion between vertebrae |
| RU2302203C2 (ru) * | 2003-09-02 | 2007-07-10 | Общество с ограниченной ответственностью Научно-производственное предприятие "Эксергия" | Рентгеновская объемная компьютерная диагностика позвоночника |
| US7545965B2 (en) * | 2003-11-10 | 2009-06-09 | The University Of Chicago | Image modification and detection using massive training artificial neural networks (MTANN) |
| US20090060366A1 (en) | 2007-08-27 | 2009-03-05 | Riverain Medical Group, Llc | Object segmentation in images |
| US8094904B2 (en) | 2007-09-26 | 2012-01-10 | Siemens Aktiengesellschaft | Method and system for bone suppression based on a single x-ray image |
-
2010
- 2010-12-16 JP JP2012545502A patent/JP5749735B2/ja not_active Expired - Fee Related
- 2010-12-16 RU RU2012131409/08A patent/RU2556428C2/ru not_active IP Right Cessation
- 2010-12-16 EP EP10812910.7A patent/EP2517174B1/en active Active
- 2010-12-16 CN CN201080058273.1A patent/CN102667857B/zh active Active
- 2010-12-16 US US13/517,259 patent/US8903153B2/en active Active
- 2010-12-16 WO PCT/IB2010/055876 patent/WO2011077334A1/en active Application Filing
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1806257A (zh) * | 2004-05-19 | 2006-07-19 | 索尼株式会社 | 图像处理设备、图像处理方法、用于图像处理方法的程序、以及记录有用于图像处理方法的程序的记录介质 |
| CN101546427A (zh) * | 2008-02-27 | 2009-09-30 | 西门子电脑辅助诊断有限公司 | 一种抑制图像中的模糊特征的方法 |
Non-Patent Citations (2)
| Title |
|---|
| Elimination of clavicle shadows to help automatic lung nodule detection on chest radiographs;G. Simkó 等;《4th European Conference of the International Federation for Medical and Biological Engineering》;20090101;第22卷(第7期);第488-491页 * |
| Rib suppression in frontal chest radiographs: A blind source separation approach;Tahir Rasheed 等;《Signal Processing and Its Applications, 2007. ISSPA 2007. 9th International Symposium on》;20070215;第1-4页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| RU2556428C2 (ru) | 2015-07-10 |
| US20120257810A1 (en) | 2012-10-11 |
| RU2012131409A (ru) | 2014-01-27 |
| WO2011077334A1 (en) | 2011-06-30 |
| EP2517174A1 (en) | 2012-10-31 |
| CN102667857A (zh) | 2012-09-12 |
| JP2013514854A (ja) | 2013-05-02 |
| EP2517174B1 (en) | 2014-09-24 |
| US8903153B2 (en) | 2014-12-02 |
| JP5749735B2 (ja) | 2015-07-15 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN102667857B (zh) | X射线照片中的骨抑制 | |
| AlZu’bi et al. | Parallel implementation for 3d medical volume fuzzy segmentation | |
| Chung et al. | Pose-aware instance segmentation framework from cone beam CT images for tooth segmentation | |
| US9741131B2 (en) | Anatomy aware articulated registration for image segmentation | |
| Faggiano et al. | An automatic contour propagation method to follow parotid gland deformation during head-and-neck cancer tomotherapy | |
| US9218542B2 (en) | Localization of anatomical structures using learning-based regression and efficient searching or deformation strategy | |
| US8068650B2 (en) | Lesion quantification and tracking using multiple modalities | |
| US8135189B2 (en) | System and method for organ segmentation using surface patch classification in 2D and 3D images | |
| US20140323845A1 (en) | Automated 3-d orthopedic assessments | |
| JP2008546441A (ja) | 第１及び第２画像を比較するためのモデルに基づく弾性画像登録方法 | |
| US9691157B2 (en) | Visualization of anatomical labels | |
| EP3828818A1 (en) | Method and system for identifying pathological changes in follow-up medical images | |
| JP4837036B2 (ja) | デジタル化された医用画像内の身体とは異なる構造物の識別方法およびコンピュータ可読プログラム記憶装置 | |
| Kretschmer et al. | ADR-anatomy-driven reformation | |
| US9082193B2 (en) | Shape-based image segmentation | |
| US9286688B2 (en) | Automatic segmentation of articulated structures | |
| Strickland et al. | Development of subject-specific geometric spine model through use of automated active contour segmentation and kinematic constraint-limited registration | |
| CN110473241B (zh) | 图像配准方法、存储介质及计算机设备 | |
| CN113888566B (zh) | 目标轮廓曲线确定方法、装置、电子设备以及存储介质 | |
| Zhou et al. | GMRE-iUnet: Isomorphic Unet fusion model for PET and CT lung tumor images | |
| Al Abboodi et al. | Supervised Transfer Learning for Multi Organs 3D Segmentation With Registration Tools for Metal Artifact Reduction in CT Images | |
| Magee et al. | Combining variational and model-based techniques to register PET and MR images in hand osteoarthritis | |
| Starzynski et al. | Morphing algorithm for building individualized 3D skeleton model from CT data | |
| Huang et al. | Si-MSPDNet: A multiscale Siamese network with parallel partial decoders for the 3-D measurement of spines in 3D ultrasonic images | |
| Hahn et al. | Unbiased rigid registration using transfer functions |
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 |