CN103150714A - 一种实时交互式的磁共振图像增强方法及其装置 - Google Patents

一种实时交互式的磁共振图像增强方法及其装置 Download PDF

Info

Publication number
CN103150714A
CN103150714A CN201310078841XA CN201310078841A CN103150714A CN 103150714 A CN103150714 A CN 103150714A CN 201310078841X A CN201310078841X A CN 201310078841XA CN 201310078841 A CN201310078841 A CN 201310078841A CN 103150714 A CN103150714 A CN 103150714A
Authority
CN
China
Prior art keywords
magnetic resonance
mri
resonance image
frequency information
real
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
Application number
CN201310078841XA
Other languages
English (en)
Inventor
严序
周敏雄
谢海滨
宁瑞鹏
杨光
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.)
KALEFU MAGNETIC RESONANCE TECH Co Ltd SHANGHAI
East China Normal University
Original Assignee
KALEFU MAGNETIC RESONANCE TECH Co Ltd SHANGHAI
East China Normal 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 KALEFU MAGNETIC RESONANCE TECH Co Ltd SHANGHAI, East China Normal University filed Critical KALEFU MAGNETIC RESONANCE TECH Co Ltd SHANGHAI
Priority to CN201310078841XA priority Critical patent/CN103150714A/zh
Publication of CN103150714A publication Critical patent/CN103150714A/zh
Pending legal-status Critical Current

Links

Images

Abstract

本发明公开了一种实时交互式的磁共振图像增强方法,包括以下步骤:获取磁共振图像,对磁共振图像进行去噪声处理,获得低噪声磁共振图像;提取磁共振图像中的高频信息;提取磁共振图像的边缘信息;设定增强参数并利用边缘信息对高频信息进行调制;将调制后的高频信息融合至的低噪声磁共振图像中,获得增强后的磁共振图像。本发明可避免增强图像中的噪声并能够实时显示增强后的磁共振图像。本发明还公开了一种实时交互式的磁共振图像增强装置。

Description

一种实时交互式的磁共振图像增强方法及其装置
技术领域
本发明涉及磁共振成像的图像处理领域,尤其涉及一种实时交互式的磁共振图像增强方法及其装置。
背景技术
磁共振成像具有无损伤,软组织对比度高,且任意方向断层等特点。同时,磁共振成像的方法灵活,可以提供不同对比度的图像,不仅能够提供组织形态学信息,而且能够反映活体生物组织的功能特性(弥散、灌注、脑功能成像等)及分子水平的信息,因此磁共振成像已经广泛应用于医学临床诊断。
磁共振图像的自身对比度也偏低,同时对于低场系统和快速成像序列而言,图像的信噪比常常不够理想,这两方面部会影响医学诊断的正确性。目前常用的解决方法是使用图像后处理来提高图像质量,比如可以通过使用图像去噪算法来降低图像中的噪声,或者直接使用图像增强方法提升图像边缘、细节的对比度。
图像去噪算法与图像增强算法都能从各自的角度提升图像的质量,但也存在明显的不足。最大的困难是,这些方法都没有分离出图像的细节和噪声,同样的算法施加在不同图像细节与噪声上,增强图像的同时也增强了噪声,而去噪的同时也损失了图像中的细节。另一方面,图像增强程度的确定,相当程度上取决于观察者的主观感受。现在的图像后处理方法,去噪和增强算法较为费时,为了满足不同用户的偏好,也为了适应信噪比、细节程度不同的图像,常常预先设置好多套增强参数供用户使用,用户选择参数、观察增强效果,如果不理想,则重新选择参数、观察增强效果。其参数调整过程缺乏实时性,无法进行交互式地实时参数调整,难以获得最佳增强参数。
发明内容
本发明克服了现有技术中无法区分图像的细节与噪声且参数调整不具备实时性等缺陷,提出了一种实时交互式的磁共振图像增强方法及其装置。
本发明提出了一种实时交互式的磁共振图像增强方法,包括以下步骤:
步骤一:获取磁共振图像,对所述磁共振图像进行去噪声处理,获得低噪声磁共振图像;
步骤二:从所述磁共振图像中提取高频信息;
步骤三:从所述磁共振图像中提取边缘信息;
步骤四:设定增强参数,利用所述边缘信息,对所述高频信息进行调制;
步骤五:将调制后的高频信息融合至所述低噪声磁共振图像中,获得增强后的磁共振图像。
其中,进一步包括:
步骤六:调整增强参数并重新执行所述步骤四至所述步骤五,直至增强后的磁共振图像达到目标图像质量为止。
其中,所述步骤一中利用非局部平均法或者各向异性扩散方法去除所述磁共振图像中的噪声。
其中,所述步骤二中利用小波变换、拉普拉斯金字塔或高通滤波提取所述磁共振图像的高频信息。
其中,所述步骤三中利用最小单值段吸收核方法提取所述磁共振图像的边缘信息。
其中,所述步骤四中利用所述增强参数和边缘信息对所述高频信息进行调制时的公式如下表示:
H’=c·||Edge||γ·H
式中,Edge表示提取的边缘信息,H表示调制前的高频信息,H’表示调制后的高频信息,c表示细节增强系数,γ表示范围增强系数。
其中,将调制后的高频信息融合至所述低噪声磁共振图像中的过程包括:将所述调制后的高频信息替换所述低噪声磁共振图像中相应的信息。
本发明还提出了一种实时交互式的磁共振图像增强装置,包括:
去噪声单元,其对所述磁共振图像进行去噪声处理,获得低噪声磁共振图像;
高频信息提取单元,其提取所述磁共振图像的高频信息;
边缘提取单元,其提取所述磁共振图像的边缘信息;
参数设定单元,其设定增强参数;
调制单元,其根据所述增强参数,利用所述边缘信息对所述高频信息进行调制,获得调制后的高频信息;
图像处理单元,其将所述调制后的高频信息与所述低噪声磁共振图像融合,生成增强后的磁共振图像;
显示单元,其显示所述增强后的磁共振图像。
其中,进一步包括输入单元,利用所述输入单元向所述参数设定单元传输调整后的增强参数,实现实时调节所述增强参数。
本发明分离出图像细节数据和图像边缘,通过调整增强参数选择性地增强边缘区域的细节而避免对平滑区域噪声的增强。
本发明利用分离的细节数据与去噪图像进行融合来实现图像的增强,融合过程的计算速度快,因此可以实时计算并呈现调整后的最终增强结果,允许用户以实时交互的方式调节增强参数并观察增强效果。
本发明有效地克服了最佳增强参数难以设定的弱点,可以让用户方便地根据自身的偏好与图像的特点,对图像的增强程度进行实时地调整。
附图说明
图1为实时交互式的磁共振图像增强方法的流程图。
图2为实时交互式的磁共振图像增强装置的结构示意图。
图3为获取的原始磁共振图像。
图4为增强后的磁共振图像。
具体实施方式
结合以下具体实施例和附图,对本发明作进一步的详细说明。实施本发明的过程、条件、实验方法等,除以下专门提及的内容之外,均为本领域的普遍知识和公知常识,本发明没有特别限制内容。
本发明的实时交互式的磁共振图像增强方法,如图1所示包括以下步骤:
步骤一:获取磁共振图像,对磁共振图像进行去噪声处理,获得低噪声磁共振图像。
步骤一中可通过非局部平均法(non-local means)或者各向异性扩散(anisotropic-diffusion)对磁共振图像进行去噪声处理,从而减少噪声对于磁共振图像的影响。
步骤二:提取原始带噪声的磁共振图像中的高频信息。
磁共振图像的高频信息为其中待增强的图像细节,高频信息可通过利用小波变换、拉普拉斯金字塔或高通滤波等方法从磁共振图像中提取。
步骤三:提取原始带噪声磁共振图像的边缘信息。
边缘提取方法是使用边缘算子计算磁共振图像的边缘图,并将边缘图的值域归一化到0至1之间即为边缘信息。其中边缘算子可以使用常见的SUSAN算子(最小单值段吸收核方法)。
步骤四:设定增强参数,利用边缘信息,对高频信息进行调制。
通过边缘信息对高频信息进行调制能够增强图像边缘上的图像细节,避免了增强平滑区域的图像噪声。在利用增强参数和边缘信息对图像细节进行调制时使用如下公式1:
H’=c·||Edge||γ·H                              (1)
其中,Edge为提取的边缘图,H和H’分别为调制前后的图像细节,c和γ为增强参数。参数c控制细节增强程度,c越大则图像增强的程度越大;参数γ控制边缘范围,γ越小增强的边缘范围越大。
步骤五:将调制后的高频信息融合至低噪声磁共振图像中,获得增强后的磁共振图像。
其中,若增强后的磁共振图像仍未达到要求的目标图像质量时,可以重新调节增强参数并重新执行步骤四至步骤五,重新获得增强后的磁共振图像。重复执行步骤四至步骤五,直到增强后的磁共振图像达到目标图像质量。
本实施例中,采用梯度回波序列获取的磁共振图像如图3所示,其为增强前的颈部图像。梯度回波序列的具体参数为:恢复/回波时间为480/23ms,观察野为15×15cm,层厚为5mm,采样矩阵256×160,图像的灰度范围为0~255。
对获取的磁共振图像采用非局域均值(NLM)算法去噪。NLM是一种基于邻域加权平均的去噪算法,它通过对目标像素P(i)所在“搜索区域”Ω内的像素进行加权平均来估计去噪后的值,NLM去噪算法如下公式2所示:
NLM ( P ( i ) ) = 1 / Z 0 Σ ∀ j ∈ Ω ω ( i , j ) P ( j ) - - - ( 2 )
式2中,P(j)是搜索区域Ω内的像素值,Z0为归一化系数
Figure BDA00002907397900042
权重ω(i,j)反映了像素P(i)和P(j)之间的相似性,定义为以它们为中心的两个邻域R(i)与R(j)之间灰度的欧几里德距离,如式3所示:
ω(i,j)=exp(-GρPR(i)-R(j)P2/h2),(i≠j)                         (3)
式3中,h用于调整衰减曲线以控制去噪程度,σ为噪声方差,通过图像背景区域估计,在本例中为7.0,Gρ是标准差为ρ的高斯核。本实施例中,搜索区域设置为11×11的方形区域,邻域R(i)与R(j)设置为5×5的方形区域,h设置为1.2σ,ρ设置为1.0,经以上设置的参数对磁共振图像进行去噪声处理,获得低噪声磁共振图像。
再使用高通滤波方法提取磁共振图像中的高频信息(即图像细节)。高通滤波方法可以提取图像中的高频部分,本实施例使用此高频部分作为增强的图像细节H。高通滤波方法首先对图3所示的磁共振图像进行高斯滤波,高斯核大小为9×9,标准差为2.0,获得高斯滤波后的磁共振图像,然后用磁共振图像减去高斯滤波后的磁共振图像得到高通滤波结果,即高频信息。
然后使用SUSAN算子提取边缘信息。SUSAN算子是一种常用的边缘提取算法,其中SUSAN算子中采用半径为3的邻域,判断邻域内两个像素是否相似的阈值设为σ+dr×0.04,dr为图像的动态范围,在本例中为255,几何阈值设为邻域大小的75%。
初始化增强参数c=0.6,γ=1.5,通过公式1计算调制后的高频信息H’。
最后将调制后的高频信息H’加到经NLM去噪的低噪声磁共振图像图上,获得增强后的磁共振图像,并进行呈现。若增强后的磁共振图像为达到预期要求的目标图像质量时,可重新设置增强参数对高频信息进行重新调制,从而生成新的增强后的磁共振图像,直至该磁共振图像达到目标图像质量时为止。
图4显示的是增强后的颈部图像。由图3与图4对比可见,增强前的图像噪声较大,图像细节和噪声掺杂在一起难以分辨,而图4的增强后的图像细节清晰,噪声不明显。
图2显示的是本发明实时交互式的磁共振图像增强装置的结构示意图,其中包括去噪声单元、高频信息提取单元、边缘提取单元、参数设置单元、调制单元、图像处理单元和显示单元。去噪声单元对磁共振图像进行去噪声处理,获得低噪声磁共振图像。高频信息提取单元提取原始带噪声的磁共振图像的高频信息。边缘提取单元提取原始带噪声磁共振图像的边缘信息。参数设定单元与调制单元连接,其用于设定增强参数。调制单元还与边缘提取单元、高频信息提取单元连接,其根据增强参数,利用边缘信息对高频信息进行调制,获得调制后的高频信息。图像处理单元与调制单元连接,其将调制后的高频信息替换低噪声磁共振图像中相应的高频信息,实现与低噪声磁共振图像融合,生成增强后的磁共振图像。显示单元与图像处理单元连接,其显示增强后的磁共振图像。
本发明实时交互式的磁共振图像增强装置还包括输入单元,其与参数设置单元连接。利用输入单元向参数设定单元传输调整后的增强参数,实现调节增强参数。例如,本实施例中采用鼠标作为输入单元,进入图像增强模式后,按下鼠标键的同时拖动鼠标,则鼠标上下移动改变c值,左右移动改变γ,从而实现调整参数设定单元中的增强参数。由于本发明涉及到的数据处理方法与数据处理量无需大量的处理时间,所以能够实现实施反馈。用户可通过移动鼠标改变显示单元显示的增强后的磁共振图像,直至用户满意为止。
本发明的保护内容不局限于以上实施例。在不背离发明构思的精神和范围下,本领域技术人员能够想到的变化和优点都被包括在本发明中,并且以所附的权利要求书为保护范围。

Claims (9)

1.一种实时交互式的磁共振图像增强方法,其特征在于,包括以下步骤:
步骤一:获取磁共振图像,对所述磁共振图像进行去噪声处理,获得低噪声磁共振图像;
步骤二:从所述磁共振图像中提取高频信息;
步骤三:从所述磁共振图像中提取边缘信息;
步骤四:设定增强参数,利用所述边缘信息,对所述高频信息进行调制;
步骤五:将调制后的高频信息融合至所述低噪声磁共振图像中,获得增强后的磁共振图像。
2.如权利要求1所述的实时交互式的磁共振图像增强方法,其特征在于,进一步包括:
步骤六:调整增强参数并重新执行所述步骤四至所述步骤五,直至增强后的磁共振图像达到目标图像质量为止。
3.如权利要求1所述的实时交互式的磁共振图像增强方法,其特征在于,所述步骤一中利用非局部平均法或者各向异性扩散方法去除所述磁共振图像中的噪声。
4.如权利要求1所述的实时交互式的磁共振图像增强方法,其特征在于,所述步骤二中利用小波变换、拉普拉斯金字塔或高通滤波提取所述磁共振图像的高频信息。
5.如权利要求1所述的实时交互式的磁共振图像增强方法,其特征在于,所述步骤三中利用最小单值段吸收核方法提取所述磁共振图像的边缘信息。
6.如权利要求1所述的实时交互式的磁共振图像增强方法,其特征在于,所述步骤四中利用所述增强参数和边缘信息对所述高频信息进行调制时的公式如下表示:
H’=c·||Edge||γ·H
式中,Edge表示提取的边缘信息,H表示调制前的高频信息,H’表示调制后的高频信息,c表示细节增强系数,γ表示范围增强系数。
7.如权利要求7所述的实时交互式的磁共振图像增强方法,其特征在于,将调制后的高频信息融合至所述低噪声磁共振图像中的过程包括:将所述调制后的高频信息替换所述低噪声磁共振图像中相应的信息。
8.一种实时交互式的磁共振图像增强装置,其特征在于,包括:
去噪声单元,其对所述磁共振图像进行去噪声处理,获得低噪声磁共振图像;
高频信息提取单元,其提取所述磁共振图像的高频信息;
边缘提取单元,其提取所述磁共振图像的边缘信息;
参数设定单元,其设定增强参数;
调制单元,其根据所述增强参数,利用所述边缘信息对所述高频信息进行调制,获得调制后的高频信息;
图像处理单元,其将所述调制后的高频信息与所述低噪声磁共振图像融合,生成增强后的磁共振图像;
显示单元,其显示所述增强后的磁共振图像。
9.如权利要求8所述的实时交互式的磁共振图像增强装置,其特征在于,进一步包括输入单元,利用所述输入单元向所述参数设定单元传输调整后的增强参数,实现实时调节所述增强参数。
CN201310078841XA 2013-03-12 2013-03-12 一种实时交互式的磁共振图像增强方法及其装置 Pending CN103150714A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201310078841XA CN103150714A (zh) 2013-03-12 2013-03-12 一种实时交互式的磁共振图像增强方法及其装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201310078841XA CN103150714A (zh) 2013-03-12 2013-03-12 一种实时交互式的磁共振图像增强方法及其装置

Publications (1)

Publication Number Publication Date
CN103150714A true CN103150714A (zh) 2013-06-12

Family

ID=48548768

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201310078841XA Pending CN103150714A (zh) 2013-03-12 2013-03-12 一种实时交互式的磁共振图像增强方法及其装置

Country Status (1)

Country Link
CN (1) CN103150714A (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105741241A (zh) * 2016-01-27 2016-07-06 中南民族大学 基于合成增强图像的肿瘤区域图像增强方法及系统
CN106339989A (zh) * 2016-08-13 2017-01-18 浙江莱达信息技术有限公司 医学x光影像适应性降噪方法
CN107845081A (zh) * 2017-12-20 2018-03-27 成都信息工程大学 一种磁共振图像去噪方法
CN109300098A (zh) * 2018-08-17 2019-02-01 华东师范大学 一种基于小波变换的多聚焦显微图像融合方法
CN114549353A (zh) * 2022-02-22 2022-05-27 中科微影(浙江)医疗科技有限公司 一种用于核磁共振图像的去噪方法与系统
WO2023056730A1 (zh) * 2021-10-09 2023-04-13 深圳市中兴微电子技术有限公司 视频图像增强方法、网络训练方法、电子设备、存储介质

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1934587A (zh) * 2004-03-22 2007-03-21 康泰克斯特视觉公司 增强计算机化x射线断层摄影图像的方法、计算机程序产品以及设备
CN101129262A (zh) * 2006-08-21 2008-02-27 美国西门子医疗解决公司 在磁共振成像中的对比度增强

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1934587A (zh) * 2004-03-22 2007-03-21 康泰克斯特视觉公司 增强计算机化x射线断层摄影图像的方法、计算机程序产品以及设备
CN101129262A (zh) * 2006-08-21 2008-02-27 美国西门子医疗解决公司 在磁共振成像中的对比度增强

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
XU YAN ET AL: "Noise removal of MRI data with Edge Enhanceing", 《IN BIOINFORMATICS AND BIOMEDICAL ENGINEERING》, vol. 2011, 31 December 2011 (2011-12-31) *

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105741241A (zh) * 2016-01-27 2016-07-06 中南民族大学 基于合成增强图像的肿瘤区域图像增强方法及系统
CN105741241B (zh) * 2016-01-27 2018-08-17 中南民族大学 基于合成增强图像的肿瘤区域图像增强方法及系统
CN106339989A (zh) * 2016-08-13 2017-01-18 浙江莱达信息技术有限公司 医学x光影像适应性降噪方法
CN106339989B (zh) * 2016-08-13 2018-12-18 浙江莱达信息技术有限公司 医学x光影像适应性降噪方法
CN107845081A (zh) * 2017-12-20 2018-03-27 成都信息工程大学 一种磁共振图像去噪方法
CN107845081B (zh) * 2017-12-20 2021-05-11 成都信息工程大学 一种磁共振图像去噪方法
CN109300098A (zh) * 2018-08-17 2019-02-01 华东师范大学 一种基于小波变换的多聚焦显微图像融合方法
CN109300098B (zh) * 2018-08-17 2022-04-05 华东师范大学 一种基于小波变换的多聚焦显微图像融合方法
WO2023056730A1 (zh) * 2021-10-09 2023-04-13 深圳市中兴微电子技术有限公司 视频图像增强方法、网络训练方法、电子设备、存储介质
CN114549353A (zh) * 2022-02-22 2022-05-27 中科微影(浙江)医疗科技有限公司 一种用于核磁共振图像的去噪方法与系统

Similar Documents

Publication Publication Date Title
Mittal et al. Enhancement of the ultrasound images by modified anisotropic diffusion method
Yang et al. Multimodal sensor medical image fusion based on type-2 fuzzy logic in NSCT domain
CN103150714A (zh) 一种实时交互式的磁共振图像增强方法及其装置
Suganthi et al. Anisotropic diffusion filter based edge enhancement for segmentation of breast thermogram using level sets
Zhan et al. Nonlocal means method using weight refining for despeckling of ultrasound images
Xing et al. PDE-based spatial smoothing: a practical demonstration of impacts on MRI brain extraction, tissue segmentation and registration
JP2019512361A (ja) 体積画像データセット内の血管構造のセグメント化のための方法及びシステム
CN105741241A (zh) 基于合成增强图像的肿瘤区域图像增强方法及系统
Morin et al. Alternating direction method of multipliers framework for super-resolution in ultrasound imaging
Bhairannawar Efficient medical image enhancement technique using transform HSV space and adaptive histogram equalization
Dogra et al. Bone vessel image fusion via generalized reisz wavelet transform using averaging fusion rule
CN104574284A (zh) 一种数字x射线图像对比度增强处理方法
Jeevakala Sharpening enhancement technique for MR images to enhance the segmentation
CN103606161A (zh) 一种医学图像处理方法及系统
US8644608B2 (en) Bone imagery segmentation method and apparatus
Naseem et al. Cross modality guided liver image enhancement of CT using MRI
US20150371372A1 (en) System and method for medical image quality enhancement using multiscale total variation flow
Li et al. Multi-scale residual denoising GAN model for producing super-resolution CTA images
Ramaraj et al. Homomorphic filtering techniques for WCE image enhancement
Xiao et al. A diffusion stick method for speckle suppression in ultrasonic images
Lakshmi et al. Noise and skull removal of brain magnetic resonance image using curvelet transform and mathematical morphology
Lan et al. Multimodal medical image fusion using wavelet transform and human vision system
CN111223090A (zh) 人体肺部ct图像中肿瘤图像的识别系统
Dan et al. Enhancement of dorsal hand vein image with a low-cost binocular vein viewer system
Ben Gharsallah et al. Phase congruency-based filtering approach combined with a convolutional network for lung CT image analysis

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C02 Deemed withdrawal of patent application after publication (patent law 2001)
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20130612