CN104036452A - 图像处理装置和方法以及医学图像设备 - Google Patents
图像处理装置和方法以及医学图像设备 Download PDFInfo
- Publication number
- CN104036452A CN104036452A CN201310071316.5A CN201310071316A CN104036452A CN 104036452 A CN104036452 A CN 104036452A CN 201310071316 A CN201310071316 A CN 201310071316A CN 104036452 A CN104036452 A CN 104036452A
- Authority
- CN
- China
- Prior art keywords
- image
- deformation field
- deformation
- image processing
- field
- 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
Links
- 238000012545 processing Methods 0.000 title claims abstract description 100
- 238000003672 processing method Methods 0.000 title claims abstract description 35
- 230000033001 locomotion Effects 0.000 claims abstract description 26
- 238000001914 filtration Methods 0.000 claims description 12
- 238000003745 diagnosis Methods 0.000 claims description 5
- 238000001228 spectrum Methods 0.000 claims description 5
- 238000000034 method Methods 0.000 description 30
- 238000010586 diagram Methods 0.000 description 21
- 230000008569 process Effects 0.000 description 14
- 238000004590 computer program Methods 0.000 description 7
- 230000008859 change Effects 0.000 description 6
- 210000004165 myocardium Anatomy 0.000 description 6
- 238000004422 calculation algorithm Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 230000000747 cardiac effect Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 238000002603 single-photon emission computed tomography Methods 0.000 description 4
- 239000008280 blood Substances 0.000 description 3
- 210000004369 blood Anatomy 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000002600 positron emission tomography Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000002591 computed tomography Methods 0.000 description 2
- 238000002059 diagnostic imaging Methods 0.000 description 2
- 230000010247 heart contraction Effects 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 210000000056 organ Anatomy 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000012163 sequencing technique Methods 0.000 description 2
- 238000003325 tomography Methods 0.000 description 2
- 230000003313 weakening effect Effects 0.000 description 2
- CVOFKRWYWCSDMA-UHFFFAOYSA-N 2-chloro-n-(2,6-diethylphenyl)-n-(methoxymethyl)acetamide;2,6-dinitro-n,n-dipropyl-4-(trifluoromethyl)aniline Chemical compound CCC1=CC=CC(CC)=C1N(COC)C(=O)CCl.CCCN(CCC)C1=C([N+]([O-])=O)C=C(C(F)(F)F)C=C1[N+]([O-])=O CVOFKRWYWCSDMA-UHFFFAOYSA-N 0.000 description 1
- 244000287680 Garcinia dulcis Species 0.000 description 1
- 230000003321 amplification Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000003205 diastolic effect Effects 0.000 description 1
- 230000005489 elastic deformation Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 210000004185 liver Anatomy 0.000 description 1
- 210000004072 lung Anatomy 0.000 description 1
- 238000002595 magnetic resonance imaging Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
- 230000000241 respiratory effect Effects 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
- 238000002604 ultrasonography Methods 0.000 description 1
Classifications
-
- G06T5/73—
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
- G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/60—Editing figures and text; Combining figures or text
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
-
- 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
- G06T2207/10072—Tomographic images
- G06T2207/10104—Positron emission tomography [PET]
-
- 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
- G06T2207/10072—Tomographic images
- G06T2207/10108—Single photon emission computed tomography [SPECT]
-
- 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
- G06T2207/30048—Heart; Cardiac
Abstract
本发明涉及一种图像处理装置和方法以及医学图像设备。图像处理装置包括形变场计算单元、形变场加权单元和图像形变单元。形变场计算单元可以以对象的第一图像为基准图像,基于非刚性配准来计算该对象的第二图像相对于基准图像的形变场。形变场加权单元可以根据对象的各个部位的运动强度来对形变场加权。图像形变单元可以利用加权得到的形变场对第二图像进行形变,得到第三图像。
Description
技术领域
本发明涉及信息处理领域,具体涉及图像处理装置、图像处理方法和医学图像设备。
背景技术
在对同一对象连续获取多个图像的情况下,往往需要综合地获得这些图像的信息,例如通过将多个图像合并来综合地获得这些图像的信息。
由于获取这些图像往往需要一定的时长,因此,对象可能经历各种运动。导致不能够直接将所获取到的图像合并到一起来综合地获得这些图像的信息。
因此,需要一种能够解决上述问题的技术。
发明内容
在下文中给出关于本发明的简要概述,以便提供关于本发明的某些方面的基本理解。应当理解,这个概述并不是关于本发明的穷举性概述。它并不是意图确定本发明的关键或重要部分,也不是意图限定本发明的范围。其目的仅仅是以简化的形式给出某些概念,以此作为稍后论述的更详细描述的前序。
本发明的一个目的之一在于,提供一种能够冻结图像的运动部位并减少图像噪声的图像处理装置、图像处理方法和医学图像设备。
根据本发明的一个方面,提供了一种图像处理装置。该图像处理装置包括形变场计算单元、形变场加权单元和图像形变单元。形变场计算单元可以以对象的第一图像为基准图像,基于非刚性配准来计算该对象的第二图像相对于基准图像的形变场。形变场加权单元可以根据对象的各个部位的运动强度来对形变场加权。图像形变单元可以利用加权得到的形变场对第二图像进行形变,得到第三图像。
根据本发明的另一个方面,提供了一种图像处理方法。图像处理方法包括:以对象的第一图像为基准图像,基于非刚性配准来计算该对象的第二图像相对于基准图像的形变场;根据对象的各个部位的运动强度来对形变场加权;以及利用加权得到的形变场对第二图像进行形变。
另外,根据本发明的再一方面,提供了用于实现上述方法的计算机程序。
此外,根据本发明的又一方面,提供了至少计算机可读介质形式的计算机程序产品,其上记录有用于实现上述方法的计算机程序代码。
通过以下结合附图对本发明的最佳实施例的详细说明,本发明的这些以及其他优点将更加明显。
附图说明
参照下面结合附图对本发明实施例的说明,会更加容易地理解本发明的以上和其它目的、特点和优点。附图中的部件只是为了示出本发明的原理。在附图中,相同的或类似的技术特征或部件将采用相同或类似的附图标记来表示。
图1A是示出根据本发明的一个实施例的图像处理装置的配置的框图;
图1B是示出对形变场加权时采用的权重所呈现的一种特定趋势的示例的曲线图;
图1C是示出对形变场加权时采用的权重所呈现的另一种特定趋势的示例的曲线图;
图2是示出根据本发明的另一个实施例的图像处理装置的配置的框图;
图3是示出根据本发明的再一个实施例的图像处理装置的配置的框图;
图4是示出根据本发明的又一个实施例的图像处理装置的配置的框图;
图5是示出根据本发明的又一个实施例的图像处理装置的配置的框图;
图6是示出根据本发明的又一个实施例的图像处理装置的配置的框图;
图7是示出根据本发明的又一个实施例的图像处理装置的配置的框图;
图8是示出根据本发明的实施例的医学图像设备的配置的框图;
图9是示出根据本发明的一个实施例的图像处理方法的流程图;
图10是示出根据本发明的一个示例的计算形变场的过程的流程图;以及
图11是示出可以用于实施本发明的图像处理装置和方法的计算设备的示例性结构图。
具体实施方式
下面参照附图来说明本发明的实施例。在本发明的一个附图或一种实施方式中描述的元素和特征可以与一个或更多个其它附图或实施方式中示出的元素和特征相结合。应当注意,为了清楚的目的,附图和说明中省略了与本发明无关的、本领域普通技术人员已知的部件和处理的表示和描述。
图1A是示出根据本发明的一个实施例的图像处理装置100的配置的框图。
如图1A所示,图像处理装置100可以包括形变场计算单元110、形变场加权单元120和图像形变单元130。
形变场计算单元110可以以对象的第一图像为基准图像,基于非刚性配准来计算该对象的第二图像相对于基准图像的形变场。
例如,对象可以是心脏的同一位置。换句话说,第一图像和第二图像可以是针对某一物体的同一位置获取的图像。例如,可以针对某一物体以同一方位连续获取多幅图像。此外,也可以针对某一物体以不同方位连续获取多幅图像,在这种情况下,在通过本文中的图像处理装置进行处理之前,可能需要将这些图像变换到同一方位。但是容易理解到,该物体不局限于心脏,而可以是人体的其他部位。此处所说的“同一位置”可以表示二维或者三维意义上的同一区域,也可以表示二维或者三维意义上的整个心脏。
例如,第一图像和第二图像可以是根据通过医疗诊断装置获得的数据而形成的医学图像。因此,容易理解到,此处的图像不局限于二维图像,也可以是三维图像。
按空间变换关系,图像配准可被归为两个大类:刚性配准(rigidregistration)和非刚性配准(non-rigid registration)。刚性配准针对图像的全局形变,如整幅图像的旋转、平移、缩放等,即,刚性配准不包括对图像中的局部形变的对准处理。非刚性配准针对图像的各种局部形变,即,非刚性配准是利用图像的局部形变(如图像的局部扭曲)进行的对准处理。
此处,例如可以采用Demons算法来进行非刚性配准。但是,容易理解到,不局限于使用Demons算法,还可以采用适当的其他非刚性配准方法。例如可以采用基于基本函数描述形变域的配准、薄板样条或B样条的配准、或者基于弹性形变等物理模型的配准等非刚体配准方法,这里不一一列举。
此外,不局限于使用第一图像作为基准图像,而可以使用第二图像作为基准图像并基于非刚性配准来计算该对象的第一图像相对于作为基准图像的第二图像的形变场。
就心脏而言,在获取到的心脏的一系列图像中,优选扩张末期(enddiastolic)的心脏的图像,这是因为扩张末期的心脏图像往往比其他阶段的心脏图像更加清楚。就人体的其他部位而言,可以根据特定需要来指定该部位的某一阶段的图像作为基准图像,或者,可以任意地指定某一阶段的图像作为基准图像,而将其他图像与该图像配准。
形变场加权单元120可以根据对象的各个部位的运动强度来对形变场加权。
换句话说,为了能够冻结对象的运动部位并减少图像的噪声,可以区别地对待形变场中与运动部位对应的部分和形变场中与非运动部位对应的部分。例如,形变场加权单元120可以使得对象的运动部位的形变场的权重为1,非运动部位的形变场的权重小于1,例如,可以将非运动部位的形变场的权重设置为0。
例如,可以将运动强度大于第一阈值的部位作为运动部位,并将运动强度小于第二阈值的部位作为非运动部位,其中第一阈值大于第二阈值。在这种情况下,可以将运动强度介于第一阈值和第二阈值之间的部位作为过渡部位。例如,形变场加权单元120可以使得对象的运动部位和非运动部位之间的过渡部位的形变场的权重介于运动部位的形变场的权重和非运动部位的形变场的权重之间。
当然,运动部位和非运动部位的界定不限于此。例如,在第一阈值等于第二阈值的情况下,则可以将运动强度高于该特定阈值的部位作为运动部位,可以将运动强度低于该特定阈值的部位作为非运动部位。形变场加权单元120仍然可以使得对象的运动部位的形变场的权重为1,非运动部位的形变场的权重小于1,例如,非运动部位的形变场的权重为0。
优选地,可以不根据阈值来区分运动部位和非运动部位,而与各个部位的运动强度的值成比例地设置形变场的相应部分的权重,但是权重的最大值为1。
此外,形变场加权单元120可以根据第一图像和多个第二图像的能够反映对象的各个部位的运动强度的方差图像来定位运动区域和非运动区域并对形变场进行加权。
此处的方差图像,例如,可以是第一图像和多个第二图像的灰度的方差图像。但是可以理解到,此处的方差图像不限于此,只要该方差图像能够反映对象的各个部位的运动强度就可以。
可以通过以下式子(1)来计算方差图像的各个点的方差值:
其中,(i,j,k)表示点的位置,D(i,j,k)代表当前点的方差值,N表示图像的总个数。
Rn(i,j,k)表示第n个图像中(i,j,k)点的灰度值,表示(i,j,k)点的灰度值的均值。通过以下式子(2)来计算均值。
在计算出方差值之后,可以通过以下式子(3)和(4)来计算加权的形变场。
WFnew(i,j,k)=WF(i,j,k)*MW(i,j,k) (3)
MW(i,j,k)∝D(i,j,k)*f(i,j,k) (4)
其中,(i,j,k)表示位置,WF(i,j,k)表示运动加权之前的形变场。MW(i,j,k)是能够表征D(i,j,k)及运动强度的运动权重。f是能够使得运动权重MW呈现特定趋势的函数,例如方差图像归一化函数或者运动与非运动区域非线性函数。
在图1B中示出了对形变场加权时采用的权重所呈现的一种特定趋势的示例的曲线图。如图1B所示,运动部位的权重为1,非运动部位的权重0,过渡部位的权重为介于0和1之间的线性值。
在图1C中示出了对形变场加权时采用的权重所呈现的另一种特定趋势的示例的曲线图。如图1C所示,运动部位的权重为1,非运动部位的权重为0,过渡部位的权重为介于0和1之间的非线性值。在采用图1C所示的权重的情况下,在所得到的第三图像中,运动部位与过渡部位之间的衔接、以及过渡部位与非运动部位之间的衔接更加平滑。
但是容易理解到,f不限于图1B所示的特定趋势,而可以是任意适当的趋势,只要该趋势符合运动强度越大权重越大的趋势即可,其中权重的最大值为1。例如,运动部位的权重为1,非运动部位的权重为0.5,过渡部位的权重介于0.5和1之间,例如,过渡部位的权重为介于0.5和1之间的线性或者非线性值。
图像形变单元130可以利用形变场加权单元120加权得到的形变场对第二图像进行形变,从而得到第三图像。
在形变场的计算过程中,由于第二图像中的噪声的影响或者由于形变场计算算法本身的不足,可能导致基于第二图像得到的形变场不仅在对象的真实运动部位具有形变,而且在对象实际上未运动的部位也产生了形变。如果将形变场的所有部分不加区别地应用于第二图像,所得到的第三图像事实上会在未运动的部位引入噪声(进行不该进行的形变)或者加剧原有的噪声。通过在本申请中提出的加权,即,形变场中与运动部位对应的部分的权重高于形变场中与非运动部位对应的部分的权重,使得非运动部位和过渡部位没有充分地受到形变场的作用,从而能在某种程度上避免引入不该有的变形或者对噪声的放大。换句话说,在这样得到的各个第三图像中,运动部位被冻结了(通过形变,将第二图像中的运动部位形变到第一图像中的相应位置或相应位置的附近),而对于非运动部位和过渡部位,抑制了新的噪声的产生或者原有噪声的加剧。
进而,在下文将要进一步描述的实施例中,当将多个第三图像合并时,通过对非运动部位设置小权重来抑制对噪声的形变效果,从而避免了噪声通过形变而被形变到相同或者接近的位置(多个第二图像中的类似噪点可能被形变场算法误以为是噪点的运动),进而避免了多个第二图像中的噪声的相互加强。相反,由于维持了第二图像中原有噪声的随机性,将多个第三图像合并可以起到降噪的效果。
以下将以心脏的PET(Positron Emission Tomography,正电子发射断层成像)和/或SPECT(Single Photon Emission Computed Tomography,单光子发射计算机断层成像)成像为例来进行说明。
在对心脏进行PET和/或SPECT成像时,通常需要一定的时长,如几分钟,甚至十几分钟,才能获取到图像。
在这期间,患者通常经历各种运动,如呼吸运动、心脏运动等等,这导致在所获取的图像中的运动部分模糊。
在目前可用于解决该问题的技术中,利用选通技术将一个心动周期分割为多个时间段,并获取与各个时间段对应的图像数据。然而,在每个时间段中获取的图像的信噪比低,并且其光子计数低。
在这种情况下,可以通过形变场计算单元110、形变场加权单元120和图像形变单元130对所获取的多个图像进行上述处理。具体而言,例如,可以使运动部位(如心肌等)的形变场的权重为1,而使非运动部位(其他部位)的形变场的权重小于1(例如,0)来冻结运动部位,而部分地冻结或不冻结非运动部位和过渡部位。因此,在用加权的形变场形变后得到的图像中,运动部位(如心肌等)在空间上彼此更加吻合,而非运动部位和过渡部位在空间上彼此交错。如果将这些图像合并则能够得到运动部位(如心肌)清晰而非运动部位和过渡部位均值去噪的图像。
但是容易理解到,所处理的第一图像和第二图像不限于这种光子计数低、信噪比低的图像,对于其他图像而言,也能够起到冻结运动和减少噪声的作用。
此外,所处理的图像也不限于心脏图像,同样可以应用于其他经历这种运动的器官的图像,例如,肝脏、肺、胆等器官的图像。
此外,所处理的图像也不限于医学图像,而同样可以应用于经历类似运动的物体的非医学图像。
在一些实施例中,可以将第一图像和多个第二图像合并。稍后将参照图7来描述图像合并的实施例。
图2是示出根据本发明的另一个实施例的图像处理装置200的配置的框图。
如图2所示,图像处理装置200包括形变场计算单元210、形变场加权单元220和图像形变单元230。
图2所示的图像处理装置200与图1A所示的图像处理装置100的区别在于,图2所示的形变场加权单元220可以包括图谱识别子单元221和形变场加权子单元222。
图谱识别子单元221可以基于图谱,在第二图像中识别出对象的各个部位。
在识别出对象的各个部位的情况下,可以根据例如查找表来查找这些部位的运动信息,在该查找表中包含与各个部位对应的运动强度信息。
或者,假设该图谱中包含了与各个部位对应的运动强度信息,那么在识别出对象的各个部位情况下,则同时获得了与各个部位对应的运动强度信息。
形变场加权子单元222可以根据图谱识别子单元221识别出的各个部位的运动强度的空间分布对形变场加权。
图3是示出根据本发明的再一个实施例的图像处理装置300的配置的框图。
如图3所示,图像处理装置300可以包括形变场计算单元310、形变场加权单元320、图像形变单元330和直方图匹配单元340。
图3所示的图像处理装置300与图1A所示的图像处理装置100的区别在于,图像处理装置300还包括直方图匹配单元340。
在针对某些物体(例如,心肌)获取到的图像中,图像的灰度变化较大。在这种情况下,可以在计算形变场之前对第一图像和第二图像进行直方图匹配,使得第一图像和第二图像的灰度范围相近。
直方图匹配单元340可以将第二图像的直方图与第一图像的直方图进行直方图匹配,以得到与第一图像灰度范围相近的第二图像。在这种情况下,形变场计算单元310可以计算与第一图像灰度范围相近的第二图像相对于第一图像的形变场。
图4是示出根据本发明的一个实施例的图像处理装置400的配置的框图。
如图4所示,图像处理装置400可以包括形变场计算单元410、形变场加权单元420和图像形变单元430,其中,形变场计算单元410可以包括力场计算子单元411、形变场计算子单元412、图像形变子单元413和控制子单元414。
力场计算子单元411可以计算第二图像相对于作为基准图像的第一图像的力场。
在采用Demons算法的情况下,可以通过式子(5)来计算力场
其中,常数K是用于控制梯度下降速度的量,r是作为基准图像的第一图像的灰度,f是第二图像的灰度,s是上一次迭代时计算出的形变场。
形变场计算子单元412可以根据力场计算子单元411计算出的力场来计算形变场。
假设第n次的形变场为WFn,第n-1次的形变场为WFn-1,则它们满足以下式子(6):
WFn=WFn-1+Δn (6)
其中,Δn是第n次迭代时的形变场递增量。可以利用利群优化,基于力场来计算递增量Δn。
图像形变子单元413可以利用形变场计算子单元412计算出的形变场对第二图像进行形变。
控制子单元414可以控制力场计算子单元411、形变场计算子单元412和图像形变子单元413,以形变后的第二图像代替该形变前的第二图像来重复上述操作,直至预定条件被满足,得到最终的形变场。
实际上,在非刚性配准的过程中,随着迭代次数的增加,第二图像和第一图像中的相应部分的空间位置越来越近,这两个图像之间的相似度(例如,归一化的相关系数)往往随之增加,但是递增趋势变缓。但是,在有些时候,相似度会随着迭代次数的增加而略微减小。因此,可以采用以下三种预定条件中的至少一种。
第一种预定条件是迭代次数。例如,可以在4到20之间选择迭代次数。但是,迭代次数不限于此,可以根据需要选择其他适当的迭代次数。
第二种预定条件是相似度的减小量,例如归一化的相关系数的减小量。可以判断归一化的相关系数是否迅速减小,例如,判断其减小量是否大于阈值。如果减小量大于该阈值,则判定满足预定条件。
第三种预定条件是最近几次(例如,四次)迭代中的相似度的递增量,例如归一化的相关系数的递增量。例如,如果最近几次的归一化的相关系数的平均递增量小于预定阈值(如0.001),则判定满足预定条件。
此外,控制子单元414还可以控制力场计算子单元411不对力场进行粘性限制。
控制子单元414还可以控制形变场计算子单元413不对形变场进行弹性限制,即,在形变场计算单元340得到最终的形变场之前计算子单元413不对形变场进行弹性限制。
换句话说,在形变场计算单元410执行的配准迭代处理中,去除弹性限制和/或粘性限制。
在获得的图像的光子计数低和/或图像小的情况下,通过去除弹性限制和/或粘性限制,能够避免削弱形变。
例如,就心脏的PET和/或SPECT图像而言,从二维视角观察,心脏收缩末期的图像中的心肌(myocardium)和血池(blood pool)等部分可能仅具有几个像素的厚度。同时由于心脏的收缩扩张运动使得邻近像素的运动也可能朝向不同的方向。在这种情况下,通过去除弹性限制和/或粘性限制,可以避免削弱血池等部分的形变,从而可以得到更能体现心脏真实运动的形变场,尤其是对于心脏收缩末期的图像。
图5是示出根据本发明的又一个实施例的图像处理装置500的配置的框图。
如图5所示,图像处理装置500包括形变场计算单元510、弹性限制单元550、粘性限制单元560、形变场加权单元520和图像形变单元530。
图5所示的图像处理装置500和图1A所示的图像处理装置100的区别在于,图像处理装置500还包括弹性限制单元550和粘性限制单元560。
弹性限制单元550可以对形变场计算单元510计算出的形变场进行弹性限制。例如,弹性限制可以是高斯滤波,但是不限于此,而可以是任意其他适当的弹性限制。
粘性限制单元560可以对形变场计算单元510计算出的形变场进行粘性限制。
例如,粘性限制可以是中值滤波,但是不限于此,而可以是任意其他适当的粘性限制。
通过不在形变场计算单元510的配准迭代处理中对力场进行粘性限制并且不对形变场进行弹性限制,而在配准迭代处理之后对形变场进行弹性限制和粘性限制,可以去除或减少形变场中的异常点。
在一些实施例中,弹性限制单元550和粘性限制单元560可以不同时出现。可以根据需要,只出现弹性限制单元550或粘性限制单元560。
此外,在一些实施例中,根据需要,可以先通过粘性限制单元560进行粘性限制,在通过弹性限制单元550进行弹性限制。
图6是示出根据本发明的又一个实施例的图像处理装置600的配置的框图。
图像处理装置600包括形变场计算单元610、形变场加权单元620、弹性限制单元650、粘性限制单元660和图像形变单元630。
图6所示的图像处理装置600和图5所示的图像处理装置500的区别在于,弹性限制单元650对形变场加权单元620加权得到的形变场进行弹性限制,粘性限制单元660对形变场加权单元620加权得到的形变场进行粘性限制,而弹性限制单元550对形变场计算单元510计算出的形变场进行弹性限制,粘性限制单元560对形变场计算单元510计算出的形变场进行粘性限制。
通过不在形变场计算单元610执行的配准迭代处理中对力场进行粘性限制并且不对形变场进行弹性限制,而在配准迭代处理之后对加权得到的形变场进行弹性限制和粘性限制,可以去除或减少加权得到的形变场中的异常点。
在一些实施例中,弹性限制单元650和粘性限制单元660可以不同时出现。可以根据需要,只出现弹性限制单元650或粘性限制单元660。
此外,在一些实施例中,根据需要,可以先通过粘性限制单元660进行粘性限制,在通过弹性限制单元650进行弹性限制。
例如,弹性限制可以是高斯滤波,粘性限制可以是中值滤波。
图7是示出根据本发明的又一个实施例的图像处理装置700的配置的框图。
图像处理装置700包括形变场计算单元710、形变场加权单元720、图像形变单元730和图像合并单元770。
图7所示的图像处理装置700与图1A所示的图像处理装置100的区别在于,图像处理装置700还可以包括图像合并单元770。
类似于图像处理装置100,形变场计算单元710可以以对象的第一图像为基准图像,基于非刚性配准来计算该对象的第二图像相对于所述基准图像的形变场,形变场加权单元720可以根据所述对象的各个部位的运动强度来对所述形变场加权,图像形变单元730可以利用加权得到的形变场对所述第二图像进行形变,得到第三图像。
图像合并单元770可以将图像形变单元730得到的多个第三图像和作为基准图像的第一图像中的至少两个合并在一起以得到对象的最终图像。
换句话说,通过将第一图像以及通过形变得到的第三图像中的至少两个图像合并在一起,来得到对象的最终图像。
在利用加权的形变场对第二图像进行形变而得到的第三图像中,运动部分被冻结并且噪声减少。通过将运动部分被冻结并且噪声减少的第三图像和第一图像合并,可以进一步得到高质量的最终图像。例如,在医学领域中,在合并得到的最终图像中,更容易观察到特定部位,如病变部位。
此处的合并可以是对多个图像进行均值滤波,但是不限于此,而可以是任意其他适当的合并方式。
图8是示出根据本发明的实施例的医学图像设备800的配置的框图。
为了不模糊本发明的精神和范围,在图8中省略了医学图像设备800的其他可能部件。医学图像设备800可以包括图像处理装置810,以对图像进行处理。图像处理设备810可以是图像处理装置100至700中的任一个。医学图像设备800例如是X射线成像诊断装置、超声波(UL)诊断成像装置、计算机断层扫描(CT)装置、磁共振成像(MRI)诊断成像装置、或者正电子发射断层扫描(Positron Emission Tomography,PET)装置等,而没有限制。
将上述图像处理装置设置在医学图像设备中时可使用的具体手段或方式为本领域技术人员所熟知,在此不再赘述。
在上文描述实施方式中的图像处理装置的过程中,显然还公开了一些处理或方法。下文中,在不重复上文中已经讨论过的某些细节的情况下给出这些方法的概述,但是,应当注意,虽然是在描述图像处理装置的过程中公开了这些方法,然而,这些方法并不一定采用上述这些部件,或者并不一定由这些部件来执行。例如,可以部分地或者完全地用硬件和/或固件来实现图像处理装置的实施方式,而以下讨论的图像处理方法也可以完全用计算机可执行的程序来实现,虽然这些方法也可以采用图像处理装置的硬件和/或固件。
图9是示出根据本发明的一个实施例的图像处理方法900的流程图。
如图9所示,在步骤S910中,以对象的第一图像为基准图像,基于非刚性配准来计算该对象的第二图像相对于基准图像的形变场。例如,可以由形变场计算单元110、210、310、410、510、610和710中的任一个来执行步骤S910。
在步骤S920中,可以根据对象的各个部位的运动强度来对形变场加权。例如,可以由形变场加权单元120、220、320、420、520、620和720中的任一个来执行步骤S920。
例如,可以根据第一图像和多个第二图像的能够反映对象的各个部位的运动强度的方差图像来对形变场加权。
可替换地,可以基于图谱,在第二图像中识别出对象的各个部位,然后可以根据识别出的各个部位的运动强度的空间分布对形变场加权。
关于所添加的权重,例如,可以使得对象的运动部位的形变场的权重为1,非运动部位的形变场的权重小于1,例如为0。此外,可以使得对象的运动部位和非运动部位之间的过渡部位的形变场的权重介于运动部位的形变场的权重和非运动部位的形变场的权重之间。
在步骤S930中,可以利用在步骤S920中加权得到的形变场对第二图像进行形变。例如,可以由图像形变单元130、230、330、430、530、630和730中的任一个来执行步骤S920。
在步骤S910中的计算形变场之前,还可以将第二图像的直方图与第一图像的直方图进行直方图匹配,以得到与第一图像灰度范围相近的第二图像。在这种情况下,在步骤S910中,可以计算与第一图像灰度范围相近的第二图像相对于第一图像的形变场。
在一些实施例中,在计算该对象的第二图像相对于基准图像的形变场之后,还可以对最终得到的形变场进行弹性限制和/或粘性限制。例如,可以由参照图5描述的弹性限制单元550和粘性限制单元560来分别执行弹性限制和粘性限制。
在一些实施例中,在对形变场加权之后,还可以对加权得到的形变场进行弹性限制和/或粘性限制。例如,可以由参照图6描述的弹性限制单元650和粘性限制单元660来分别执行弹性限制和粘性限制。
例如,弹性限制可以是高斯滤波,粘性限制可以是中值滤波。
此外,在得到多个第三图像之后,可以将多个第三图像和基准图像中的至少两个合并在一起以得到对象的最终图像。例如,可以由参照图7描述的图像合并单元770来执行该合并操作。
例如,对象为心脏的同一位置。此外,例如,第一图像和所述第二图像可以是根据通过医疗诊断装置获得的数据而形成的医学图像。
图10是示出根据本发明的一个示例的计算形变场的过程S910的流程图。
如图10所示,在步骤S911中,可以计算第二图像相对于作为基准图像的第一图像的力场。例如,可以由参照图4描述的力场计算子单元411来执行步骤S911。
在步骤S912中,可以根据步骤S911中计算出的力场来计算形变场。例如,可以由参照图4描述的形变场计算子单元412来执行步骤S912。
在步骤S913中,可以利用步骤S912中计算出的形变场对第二图像进行形变。例如,可以由参照图4描述的图像形变子单元413来执行步骤S913。
在步骤S914中,判断是否满足预定条件。如果预定条件不被满足(在步骤S914中,判断为“否”),则以形变后的第二图像代替该形变前的第二图像来重复上述操作,直至预定条件被满足,得到最终的形变场。如果预定条件被满足(在步骤S914中,判断为“是”),则得到最终的形变场,并结束流程。例如,可以由参照图4描述的控制子单元414来执行步骤S914。
优选地,不对步骤S911中计算出的力场进行粘性限制和/或在得到最终的形变场之前不对形变场进行弹性限制。
关于所述图像处理方法的各个步骤的更具体细节以及更多可能步骤,可以参考以上对根据本发明实施例的图像处理装置中各个部件的描述,这里不再赘述。
根据本发明的上述实施例的图像处理装置和方法可以用于对二维图像或三维体图像进行分割,而没有限制。
作为一个示例,上述图像处理方法的各个步骤以及上述图像处理装置的各个组成模块和/或单元可以实施为软件、固件、硬件或其组合。在通过软件或固件实现的情况下,可以从存储介质或网络向具有专用硬件结构的计算机(例如图11所示的通用计算机1100)安装构成用于实施上述方法的软件的程序,该计算机在安装有各种程序时,能够执行各种功能等。
在图11中,运算处理单元(即CPU)1101根据只读存储器(ROM)1102中存储的程序或从存储部分1108加载到随机存取存储器(RAM)1103的程序执行各种处理。在RAM1103中,也根据需要存储当CPU1101执行各种处理等等时所需的数据。CPU1101、ROM1102和RAM1103经由总线1104彼此链路。输入/输出接口1105也链路到总线1104。
下述部件链路到输入/输出接口1105:输入部分1106(包括键盘、鼠标等等)、输出部分1107(包括显示器,比如阴极射线管(CRT)、液晶显示器(LCD)等,和扬声器等)、存储部分1108(包括硬盘等)、通信部分1109(包括网络接口卡比如LAN卡、调制解调器等)。通信部分1109经由网络比如因特网执行通信处理。根据需要,驱动器1110也可链路到输入/输出接口1105。可拆卸介质1111比如磁盘、光盘、磁光盘、半导体存储器等等根据需要被安装在驱动器1110上,使得从中读出的计算机程序根据需要被安装到存储部分1108中。
在通过软件实现上述系列处理的情况下,从网络比如因特网或存储介质比如可拆卸介质1111安装构成软件的程序。
本领域的技术人员应当理解,这种存储介质不局限于图11所示的其中存储有程序、与设备相分离地分发以向用户提供程序的可拆卸介质1111。可拆卸介质1111的例子包含磁盘(包含软盘(注册商标))、光盘(包含光盘只读存储器(CD-ROM)和数字通用盘(DVD))、磁光盘(包含迷你盘(MD)(注册商标))和半导体存储器。或者,存储介质可以是ROM1102、存储部分1108中包含的硬盘等等,其中存有程序,并且与包含它们的设备一起被分发给用户。
本发明还提出一种存储有机器可读取的指令代码的程序产品。所述指令代码由机器读取并执行时,可执行上述根据本发明实施例的图像处理方法。
相应地,用于承载上述存储有机器可读取的指令代码的程序产品的存储介质也包括在本发明的公开中。所述存储介质包括但不限于软盘、光盘、磁光盘、存储卡、存储棒等等。
在上面对本发明具体实施例的描述中,针对一种实施方式描述和/或示出的特征可以用相同或类似的方式在一个或更多个其它实施方式中使用,与其它实施方式中的特征相组合,或替代其它实施方式中的特征。
应该强调,术语“包括/包含”在本文使用时指特征、要素、步骤或组件的存在,但并不排除一个或更多个其它特征、要素、步骤或组件的存在或附加。
在上述实施例和示例中,采用了数字组成的附图标记来表示各个步骤和/或单元。本领域的普通技术人员应理解,这些附图标记只是为了便于叙述和绘图,而并非表示其顺序或任何其他限定。
此外,本发明的方法不限于按照说明书中描述的时间顺序来执行,也可以按照其他的时间顺序地、并行地或独立地执行。因此,本说明书中描述的方法的执行顺序不对本发明的技术范围构成限制。
尽管上面已经通过对本发明的具体实施例的描述对本发明进行了披露,但是,应该理解,上述的所有实施例和示例均是示例性的,而非限制性的。本领域的技术人员可在所附权利要求的精神和范围内设计对本发明的各种修改、改进或者等同物。这些修改、改进或者等同物也应当被认为包括在本发明的保护范围内。
基于以上的说明,可知至少公开了以下技术方案:
附记1.一种图像处理装置,包括:
形变场计算单元,用于以对象的第一图像为基准图像,基于非刚性配准来计算该对象的第二图像相对于所述基准图像的形变场;
形变场加权单元,用于根据所述对象的各个部位的运动强度来对所述形变场加权;以及
图像形变单元,用于利用加权得到的形变场对所述第二图像进行形变,得到第三图像。
附记2.根据附记1所述的图像处理装置,其中,所述形变场加权单元被配置为根据所述第一图像和多个所述第二图像的能够反映所述对象的各个部位的运动强度的方差图像来对所述形变场加权。
附记3.根据附记1所述的图像处理装置,其中,所述形变场加权单元包括:
图谱识别子单元,用于基于图谱,在所述第二图像中识别出所述对象的各个部位;以及
形变场加权子单元,用于根据识别出的各个部位的运动强度的空间分布对所述形变场加权。
附记4.根据附记1所述的图像处理装置,其中,所述形变场加权单元被配置为使得所述对象的运动部位的形变场的权重为1,非运动部位的形变场的权重小于1。
附记5.根据附记4所述的图像处理装置,其中,所述形变场加权单元被配置为使得所述对象的运动部位和非运动部位之间的过渡部位的形变场的权重介于所述运动部位的形变场的权重和所述非运动部位的形变场的权重之间。
附记6.根据附记1所述的图像处理装置,还包括:
直方图匹配单元,用于将所述第二图像的直方图与所述第一图像的直方图进行直方图匹配,以得到与所述第一图像灰度范围相近的第二图像,
其中,所述形变场计算单元被配置为计算与所述第一图像灰度范围相近的第二图像相对于所述第一图像的形变场。
附记7.根据附记1所述的图像处理装置,其中,所述形变场计算单元包括:
力场计算子单元,用于计算所述第二图像相对于所述基准图像的力场;
形变场计算子单元,用于根据所述力场来计算形变场;
图像形变子单元,利用所述形变场对所述第二图像进行形变;以及
控制子单元,用于控制所述力场计算子单元、所述形变场计算子单元和所述图像形变子单元,以形变后的第二图像代替该形变前的所述第二图像来重复上述操作,直至所述预定条件被满足,得到最终的形变场。
附记8.根据附记7所述的图像处理装置,其中,所述控制子单元被配置为控制所述力场计算子单元不对所述力场进行粘性限制,和/或控制所述形变场计算子单元以在得到最终的形变场之前不对所述形变场进行弹性限制。
附记9.根据附记1或8所述的图像处理装置,还包括:
弹性限制单元,用于对计算出的形变场进行弹性限制;和/或
粘性限制单元,用于对计算出的形变场进行粘性限制。
附记10.根据附记1或8所述的图像处理装置,还包括:
弹性限制单元,用于对加权得到的形变场进行弹性限制;和/或
粘性限制单元,用于对加权得到的形变场进行粘性限制。
附记11.根据附记9或10所述的图像处理装置,其中,所述弹性限制为高斯滤波。
附记12.根据附记9或10所述的图像处理装置,其中,所述粘性限制为中值滤波。
附记13.根据附记1至12中任一项所述的图像处理装置,还包括:
图像合并单元,用于将多个第三图像和所述基准图像中的至少两个合并在一起以得到所述对象的最终图像。
附记14.根据附记1至12中任一项所述的图像处理装置,其中,所述对象为心脏的同一位置。
附记15.根据附记1至14中任一项所述的图像处理装置,其中,所述第一图像和所述第二图像为根据通过医疗诊断装置获得的数据而形成的医学图像。
附记16.一种医学图像设备,包括根据附记1-15中任一项所述的图像处理装置。
附记17.一种图像处理方法,包括:
以对象的第一图像为基准图像,基于非刚性配准来计算该对象的第二图像相对于所述基准图像的形变场;
根据所述对象的各个部位的运动强度来对所述形变场加权;以及
利用加权得到的形变场对所述第二图像进行形变。
附记18.根据附记17所述的图像处理方法,其中,根据所述对象的各个部位的运动强度来对所述形变场加权包括:
根据所述第一图像和多个所述第二图像的能够反映所述对象的各个部位的运动强度的方差图像来对所述形变场加权。
附记19.根据附记17所述的图像处理方法,其中,根据所述对象的各个部位的运动强度来对所述形变场加权包括:
基于图谱,在所述第二图像中识别出所述对象的各个部位;以及
根据识别出的各个部位的运动强度的空间分布对所述形变场加权。
附记20.根据附记17所述的图像处理装置,其中,根据所述对象的各个部位的运动来对所述形变场加权包括:
使得所述对象的运动部位的形变场的权重为1,非运动部位的形变场的权重小于1。
附记21.根据附记20所述的图像处理方法,其中,根据所述对象的各个部位的运动来对所述形变场加权包括:使得所述对象的运动部位和非运动部位之间的过渡部位的形变场的权重介于所述运动部位的形变场的权重和所述非运动部位的形变场的权重之间。
附记22.根据附记17所述的图像处理方法,在计算所述形变场之前,所述图像处理方法还包括:将所述第二图像的直方图与所述第一图像的直方图进行直方图匹配,以得到与所述第一图像灰度范围相近的第二图像,
其中,计算与所述第一图像灰度范围相近的第二图像相对于所述第一图像的形变场。
附记23.根据附记17所述的图像处理方法,其中,计算所述形变场包括:
计算所述第二图像相对于所述基准图像的力场;
根据所述力场来计算形变场;
利用所述形变场对所述第二图像进行形变;以及
以形变后的第二图像代替该形变前的所述第二图像来重复上述操作,直至所述预定条件被满足,得到最终的形变场。
附记24.根据附记23所述的图像处理方法,其中,不对所述力场进行粘性限制和/或在得到最终的形变场之前不对所述形变场进行弹性限制。
附记25.根据附记17或24所述的图像处理方法,在计算该对象的第二图像相对于所述基准图像的形变场之后,所述图像处理方法还包括:
对计算出的形变场进行弹性限制和/或粘性限制。
附记26.根据附记17或24所述的图像处理方法,在对所述形变场加权之后,所述图像处理方法还包括:
对加权得到的形变场进行弹性限制和/或粘性限制。
附记27.根据附记25或26所述的图像处理方法,其中,所述弹性限制为高斯滤波。
附记28.根据附记25或26所述的图像处理方法,其中,所述粘性限制为中值滤波。
附记29.根据附记17至28中任一项所述的图像处理方法,还包括:
将多个第三图像和所述基准图像中的至少两个合并在一起以得到所述对象的最终图像。
附记30.根据附记17至28中任一项所述的图像处理方法,其中,所述对象为心脏的同一位置。
附记31.根据附记17至30中任一项所述的图像处理方法,其中,所述第一图像和所述第二图像为根据通过医疗诊断装置获得的数据而形成的医学图像。
附记32.一种计算机程序,用于实现根据附记17至30中任一项所述的图像处理方法。
附记33.一种计算机可读的记录介质,其上记录有用于实现根据附记17至30中任一项所述的图像处理方法的计算机程序代码。
Claims (20)
1.一种图像处理装置,包括:
形变场计算单元,用于以对象的第一图像为基准图像,基于非刚性配准来计算该对象的第二图像相对于所述基准图像的形变场;
形变场加权单元,用于根据所述对象的各个部位的运动强度来对所述形变场加权;以及
图像形变单元,用于利用加权得到的形变场对所述第二图像进行形变,得到第三图像。
2.根据权利要求1所述的图像处理装置,其中,所述形变场加权单元被配置为根据所述第一图像和多个所述第二图像的能够反映所述对象的各个部位的运动强度的方差图像来对所述形变场加权。
3.根据权利要求1所述的图像处理装置,其中,所述形变场加权单元包括:
图谱识别子单元,用于基于图谱,在所述第二图像中识别出所述对象的各个部位;以及
形变场加权子单元,用于根据识别出的各个部位的运动强度的空间分布对所述形变场加权。
4.根据权利要求1所述的图像处理装置,其中,所述形变场加权单元被配置为使得所述对象的运动部位的形变场的权重为1,非运动部位的形变场的权重小于1。
5.根据权利要求4所述的图像处理装置,其中,所述形变场加权单元被配置为使得所述对象的运动部位和非运动部位之间的过渡部位的形变场的权重介于所述运动部位的形变场的权重和所述非运动部位的形变场的权重之间。
6.根据权利要求1所述的图像处理装置,还包括:
直方图匹配单元,用于将所述第二图像的直方图与所述第一图像的直方图进行直方图匹配,以得到与所述第一图像灰度范围相近的第二图像,
其中,所述形变场计算单元被配置为计算与所述第一图像灰度范围相近的第二图像相对于所述第一图像的形变场。
7.根据权利要求1所述的图像处理装置,其中,所述形变场计算单元包括:
力场计算子单元,用于计算所述第二图像相对于所述基准图像的力场;
形变场计算子单元,用于根据所述力场来计算形变场;
图像形变子单元,利用所述形变场对所述第二图像进行形变;以及
控制子单元,用于控制所述力场计算子单元、所述形变场计算子单元和所述图像形变子单元,以形变后的第二图像代替该形变前的所述第二图像来重复上述操作,直至所述预定条件被满足,得到最终的形变场。
8.根据权利要求7所述的图像处理装置,其中,所述控制子单元被配置为控制所述力场计算子单元不对所述力场进行粘性限制,和/或控制所述形变场计算子单元以在得到最终的形变场之前不对所述形变场进行弹性限制。
9.根据权利要求8所述的图像处理装置,还包括:
弹性限制单元,用于对计算出的形变场进行弹性限制;和/或
粘性限制单元,用于对计算出的形变场进行粘性限制。
10.根据权利要求8所述的图像处理装置,还包括:
弹性限制单元,用于对加权得到的形变场进行弹性限制;和/或
粘性限制单元,用于对加权得到的形变场进行粘性限制。
11.根据权利要求9或10所述的图像处理装置,其中,所述弹性限制为高斯滤波。
12.根据权利要求9或10所述的图像处理装置,其中,所述粘性限制为中值滤波。
13.根据权利要求1至10中任一项所述的图像处理装置,还包括:
图像合并单元,用于将多个第三图像和所述基准图像中的至少两个合并在一起以得到所述对象的最终图像。
14.根据权利要求1至10中任一项所述的图像处理装置,其中,所述对象为心脏的同一位置。
15.根据权利要求1至10中任一项所述的图像处理装置,其中,所述第一图像和所述第二图像为根据通过医疗诊断装置获得的数据而形成的医学图像。
16.一种医学图像设备,包括根据权利要求1-15中任一项所述的图像处理装置。
17.一种图像处理方法,包括:
以对象的第一图像为基准图像,基于非刚性配准来计算该对象的第二图像相对于所述基准图像的形变场;
根据所述对象的各个部位的运动强度来对所述形变场加权;以及
利用加权得到的形变场对所述第二图像进行形变。
18.根据权利要求17所述的图像处理方法,其中,根据所述对象的各个部位的运动强度来对所述形变场加权包括:
根据所述第一图像和多个所述第二图像的能够反映所述对象的各个部位的运动强度的方差图像来对所述形变场加权。
19.根据权利要求17所述的图像处理方法,其中,根据所述对象的各个部位的运动强度来对所述形变场加权包括:
基于图谱,在所述第二图像中识别出所述对象的各个部位;以及
根据识别出的各个部位的运动强度的空间分布对所述形变场加权。
20.根据权利要求17所述的图像处理方法,其中,根据所述对象的各个部位的运动来对所述形变场加权包括:
使得所述对象的运动部位的形变场的权重为1,非运动部位的形变场的权重小于1。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310071316.5A CN104036452B (zh) | 2013-03-06 | 2013-03-06 | 图像处理装置和方法以及医学图像设备 |
JP2014044356A JP6386752B2 (ja) | 2013-03-06 | 2014-03-06 | 医用画像処理装置、医用画像診断装置及び画像処理方法 |
US14/199,001 US9330444B2 (en) | 2013-03-06 | 2014-03-06 | Medical image processing apparatus, medical image device and image processing method |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310071316.5A CN104036452B (zh) | 2013-03-06 | 2013-03-06 | 图像处理装置和方法以及医学图像设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104036452A true CN104036452A (zh) | 2014-09-10 |
CN104036452B CN104036452B (zh) | 2017-12-05 |
Family
ID=51467213
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310071316.5A Active CN104036452B (zh) | 2013-03-06 | 2013-03-06 | 图像处理装置和方法以及医学图像设备 |
Country Status (3)
Country | Link |
---|---|
US (1) | US9330444B2 (zh) |
JP (1) | JP6386752B2 (zh) |
CN (1) | CN104036452B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106691487A (zh) * | 2017-01-05 | 2017-05-24 | 沈阳东软医疗系统有限公司 | 成像方法和成像系统 |
CN106846380A (zh) * | 2016-12-26 | 2017-06-13 | 北京理工大学 | 一种医学图像配准方法及设备 |
CN108053428A (zh) * | 2017-12-28 | 2018-05-18 | 上海联影医疗科技有限公司 | 一种医学图像的配准方法、装置及设备 |
CN109272443A (zh) * | 2018-09-30 | 2019-01-25 | 东北大学 | 一种基于全卷积神经网络的pet与ct图像配准方法 |
CN109325971A (zh) * | 2018-08-02 | 2019-02-12 | 沈阳东软医疗系统有限公司 | 图像配准方法及装置 |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB201416416D0 (en) * | 2014-09-17 | 2014-10-29 | Biomediq As | Bias correction in images |
CN104835171B (zh) * | 2015-05-20 | 2018-11-09 | 上海电力学院 | 一种itk和matlab形变场双向通道建立方法 |
CN108027959B (zh) * | 2015-09-25 | 2022-10-25 | 皇家飞利浦有限公司 | 荧光成像中低帧率下的空间闪烁去除 |
EP3422037A1 (en) | 2017-06-27 | 2019-01-02 | Koninklijke Philips N.V. | Method and device for determining a motion field from k-space data |
CN114917492A (zh) * | 2017-08-23 | 2022-08-19 | 西门子医疗有限公司 | 提供适合于在对患者的辐照规划中使用的结果数据的方法 |
KR102557345B1 (ko) * | 2021-07-28 | 2023-07-20 | 한국과학기술연구원 | 촬영 보조형 레이더를 이용한 생체 신호 검출 시스템 및 방법 |
KR102603177B1 (ko) * | 2022-06-03 | 2023-11-17 | 주식회사 브라이토닉스이미징 | 영상 공간 정규화와 이를 이용한 정량화 시스템 및 그 방법 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20020012452A1 (en) * | 2000-05-19 | 2002-01-31 | Van Overveld Cornelius Wilhelmus Antonius Marie | Method, system and apparatus |
CN1890689A (zh) * | 2003-12-11 | 2007-01-03 | 皇家飞利浦电子股份有限公司 | 弹性的图像配准 |
CN101496064A (zh) * | 2006-04-06 | 2009-07-29 | 皇家飞利浦电子股份有限公司 | 用于重构图像的方法和用于重构图像的重构系统 |
CN102100565A (zh) * | 2009-12-17 | 2011-06-22 | 通用电气公司 | 使用非刚性配准校正门控pet图像中运动的系统和方法 |
CN102783966A (zh) * | 2011-05-03 | 2012-11-21 | 通用电气公司 | 用于运动校正的医学图像的方法和器件 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8542892B2 (en) | 2009-11-05 | 2013-09-24 | General Electric Company | Method and apparatus for compensating for motion in an imaged object |
US9129426B2 (en) * | 2010-08-31 | 2015-09-08 | General Electric Company | Motion compensation in image processing |
US8644575B2 (en) * | 2011-02-28 | 2014-02-04 | Kabushiki Kaisha Toshiba | Processing of abdominal images |
CN104395933B (zh) * | 2012-06-27 | 2017-05-17 | 皇家飞利浦有限公司 | 运动参数估计 |
-
2013
- 2013-03-06 CN CN201310071316.5A patent/CN104036452B/zh active Active
-
2014
- 2014-03-06 JP JP2014044356A patent/JP6386752B2/ja active Active
- 2014-03-06 US US14/199,001 patent/US9330444B2/en active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20020012452A1 (en) * | 2000-05-19 | 2002-01-31 | Van Overveld Cornelius Wilhelmus Antonius Marie | Method, system and apparatus |
CN1890689A (zh) * | 2003-12-11 | 2007-01-03 | 皇家飞利浦电子股份有限公司 | 弹性的图像配准 |
CN101496064A (zh) * | 2006-04-06 | 2009-07-29 | 皇家飞利浦电子股份有限公司 | 用于重构图像的方法和用于重构图像的重构系统 |
CN102100565A (zh) * | 2009-12-17 | 2011-06-22 | 通用电气公司 | 使用非刚性配准校正门控pet图像中运动的系统和方法 |
CN102783966A (zh) * | 2011-05-03 | 2012-11-21 | 通用电气公司 | 用于运动校正的医学图像的方法和器件 |
Non-Patent Citations (1)
Title |
---|
雷霓: "基于B样条的医学图像非刚性配准", 《万方数据学位论文库》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106846380A (zh) * | 2016-12-26 | 2017-06-13 | 北京理工大学 | 一种医学图像配准方法及设备 |
CN106846380B (zh) * | 2016-12-26 | 2019-09-03 | 北京理工大学 | 一种医学图像配准方法及设备 |
CN106691487A (zh) * | 2017-01-05 | 2017-05-24 | 沈阳东软医疗系统有限公司 | 成像方法和成像系统 |
CN108053428A (zh) * | 2017-12-28 | 2018-05-18 | 上海联影医疗科技有限公司 | 一种医学图像的配准方法、装置及设备 |
CN109325971A (zh) * | 2018-08-02 | 2019-02-12 | 沈阳东软医疗系统有限公司 | 图像配准方法及装置 |
CN109325971B (zh) * | 2018-08-02 | 2022-04-01 | 东软医疗系统股份有限公司 | 图像配准方法及装置 |
CN109272443A (zh) * | 2018-09-30 | 2019-01-25 | 东北大学 | 一种基于全卷积神经网络的pet与ct图像配准方法 |
Also Published As
Publication number | Publication date |
---|---|
CN104036452B (zh) | 2017-12-05 |
US20140254898A1 (en) | 2014-09-11 |
US9330444B2 (en) | 2016-05-03 |
JP6386752B2 (ja) | 2018-09-05 |
JP2014174174A (ja) | 2014-09-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104036452A (zh) | 图像处理装置和方法以及医学图像设备 | |
Zhuang et al. | Evaluation of algorithms for multi-modality whole heart segmentation: an open-access grand challenge | |
US20220265239A1 (en) | Systems and methods for assessing the severity of plaque and/or stenotic lesions using contrast distribution predictions and measurements | |
Sermesant et al. | Deformable biomechanical models: Application to 4D cardiac image analysis | |
US9547902B2 (en) | Method and system for physiological image registration and fusion | |
Tavakoli et al. | A survey of shaped-based registration and segmentation techniques for cardiac images | |
Liang et al. | Sketch guided and progressive growing GAN for realistic and editable ultrasound image synthesis | |
Wolterink et al. | Generative adversarial networks: a primer for radiologists | |
Xia et al. | Super-resolution of cardiac MR cine imaging using conditional GANs and unsupervised transfer learning | |
Gao et al. | Bone age assessment based on deep convolution neural network incorporated with segmentation | |
Masutani et al. | Liver CT image processing: a short introduction of the technical elements | |
Chen | Computer vision in medical imaging | |
Gu et al. | Ultrasound echocardiography despeckling with non-local means time series filter | |
Gu et al. | Segmentation of coronary arteries images using global feature embedded network with active contour loss | |
Amirrajab et al. | Label-informed cardiac magnetic resonance image synthesis through conditional generative adversarial networks | |
Ezhov et al. | Learn-Morph-Infer: a new way of solving the inverse problem for brain tumor modeling | |
Han et al. | GAN-based disentanglement learning for chest X-ray rib suppression | |
Lamash et al. | Strain analysis from 4-D cardiac CT image data | |
Gong et al. | ResAttenGAN: Simultaneous segmentation of multiple spinal structures on axial lumbar MRI image using residual attention and adversarial learning | |
Wu et al. | Slice imputation: Multiple intermediate slices interpolation for anisotropic 3D medical image segmentation | |
CN116703994B (zh) | 医学图像配准的方法、计算设备和计算机可读存储介质 | |
CN112465813A (zh) | 一种基于应力应变的血管内超声弹性分析方法 | |
Hong et al. | An implicit skeleton-based method for the geometry reconstruction of vasculatures | |
Saito et al. | Statistical shape model of a liver for autopsy imaging | |
Lekadir et al. | Statistically-driven 3D fiber reconstruction and denoising from multi-slice cardiac DTI using a Markov random field model |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C41 | Transfer of patent application or patent right or utility model | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20160711 Address after: Japan Tochigi Tian Yuan City Applicant after: Toshiba Medical System Co., Ltd. Address before: Tokyo, Japan, Japan Applicant before: Toshiba Corp Applicant before: Toshiba Medical System Co., Ltd. |
|
GR01 | Patent grant | ||
GR01 | Patent grant |