CN105869163A - 基于双能减影中骨像和软组织像的梯度相关性检测运动伪影区域的方法 - Google Patents

基于双能减影中骨像和软组织像的梯度相关性检测运动伪影区域的方法 Download PDF

Info

Publication number
CN105869163A
CN105869163A CN201610184345.6A CN201610184345A CN105869163A CN 105869163 A CN105869163 A CN 105869163A CN 201610184345 A CN201610184345 A CN 201610184345A CN 105869163 A CN105869163 A CN 105869163A
Authority
CN
China
Prior art keywords
soft tissue
gradient
picture
bone
region
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
CN201610184345.6A
Other languages
English (en)
Other versions
CN105869163B (zh
Inventor
阳维
刘云碧
卢振泰
冯前进
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.)
Southern Medical University
Original Assignee
Southern Medical 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 Southern Medical University filed Critical Southern Medical University
Priority to CN201610184345.6A priority Critical patent/CN105869163B/zh
Publication of CN105869163A publication Critical patent/CN105869163A/zh
Application granted granted Critical
Publication of CN105869163B publication Critical patent/CN105869163B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0012—Biomedical image inspection
    • 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)
  • Quality & Reliability (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Apparatus For Radiation Diagnosis (AREA)
  • Image Analysis (AREA)

Abstract

一种基于双能减影中骨像和软组织像的梯度相关性检测运动伪影区域的方法，包括(1)分别对骨像和软组织像预处理成空间结构一致大小相等的图像；(2)用中心差分分别求出处理后的骨像和软组织像的梯度图；(3)利用三角卷积计算骨像和软组织像梯度图之间的相关性；(4)检测运动伪影区域，设阈值系数将相关性小于某一负阈值的区域划分为伪影区域；(5)剔除小区域提高检测率(6)填补空洞，避免误检非连通运动伪影区域中的非运动伪影区域。本发明能够准确检测出常规X摄影得到的胸片中的运动伪影区域。

Description

基于双能减影中骨像和软组织像的梯度相关性检测运动伪影区域的方法
技术领域
本发明涉及医学图像梯度相关性区域检测方法技术领域，具体涉及一种基于双能减影中骨像和软组织像的梯度相关性检测运动伪影区域的方法。
背景技术
运动伪影是普通X线摄影中常见的一种伪影类型，主要是由于受检者自主性运动或非自主性运动所产生的。对于受检者的非自主性运动有，如：呼吸运动、心跳、大血管的搏动、眼球的运动等。该伪影的产生严重影响X线照片的质量，临床上可通过减少曝光时间，加强受检者的配合来减少该伪影。但由于目前医学成像设备在速度上仍存在一定的局限性和一些非人为可控因素导致运动伪影不能被完全消除。因而运动伪影区域的检测对图像处理存在重大意义，可先检测出运动伪影区域排除运动伪影区域对图像学习模型提供的错误信息。但目前为止，暂没有相关技术检测常规胸片中的运动伪影区域。
在检测过程中运动伪影不可避免、而医学成像设备仍存在速度上的一定局限性时，能有效检测出图像中的运动伪影区域，这对医学图像处理和病理信息的有效诊断都有着重大临床意义。
因此，针对现有技术不足，提供一种基于双能减影中骨像和软组织像的梯度相关性检测运动伪影区域的方法以克服现有技术不足甚为必要。
发明内容
本发明方法提供一种基于双能减影中骨像和软组织像的梯度相关性检测运动伪影区域的方法，能够由双能减影成像数据检测图像中的运动伪影区域，可用于对双能减影进行质量控制，在医学图像处理中训练图像时可以排除运动伪影区域的影响，防止运动伪影区域错误信息影响模型的学习，对医学图像处理有重大意义。
本发明的上述目的通过如下技术手段实现。
提供一种基于双能减影中骨像和软组织像的梯度相关性检测运动伪影区域的方法，
基于如下两种假设：
Ⅰ，对于骨像和软组织像空间对应区域不存在运动伪影时，相关性近似为0；
Ⅱ，对于存在运动伪影的区域，反映到骨像和软组织像上发生梯度混叠，呈负相关；
具体包括如下步骤：
(1)对同一对象的双能减影图像数据包括常规X胸片、低能X射线照射得到的软组织像和高能X射线照射得到的骨像进行预处理，得到解剖结构对应一致的相同大小的同规格普通胸片、同规格软组织像和同规格骨像；
(2)分别对同规格软组织像和同规格骨像求图像梯度得到软组织像梯度和骨像梯度：
(3)通过卷积计算软组织像梯度和骨像梯度的相关性；
(4)对步骤(3)得到的相关性矩阵中相关性大于0的部分取中值并乘以阈值系数得到相应的阈值，然后取负，初步运动伪影区域为相关性矩阵中小于该阈值的区域；
(5)去除步骤(4)中检测到的初步运动伪影区域的小区域，得到去除小区域后的运动伪影区域；
(6)判断去除小区域后的运动伪影区域是否连通，如果不连通则进行填补空洞处理得到最终的运动伪影区域；如果是连通的，则以去除小区域后的运动伪影区域作为最终的运动伪影区域。
上述步骤(2)采用中心差分法分别求软组织像梯度和骨像梯度。
上述步骤(2)还可以采用前向差分法分别求软组织像梯度和骨像梯度。
上述步骤(3)具体通过三角卷积计算软组织像梯度和骨像梯度的相关性，卷积核的大小设为16。
上述步骤(3)还可以通过高斯卷积或者均值卷积计算软组织像梯度和骨像梯度的相关性。
上述步骤(4)中的阈值系数为6。
上述步骤(6)中的填补空洞处理采用形态学方法进行空洞填补。
本发明方法的一种基于骨像和软组织像的梯度相关性检测运动伪影的方法，能够由双能减影成像数据检测图像中的运动伪影区域，可用于对双能减影进行质量控制，及在医学图像处理中训练图像时可以排除运动伪影区域的影响，防止运动伪影区域错误信息影响模型的学习，对医学图像处理有重大意义。
附图说明
利用附图对本发明作进一步的说明，但附图中的内容不构成对本发明的任何限制。
图1为本发明一种基于骨像和软组织像的梯度相关性检测运动伪影的方法的流程示意图。
图2为通过本发明方法所得到的一个对象的X片中检测的运动伪影区域示意图，其中，(a)是双能减影中得到的高能骨像、(b)是双能减影得到的低能软组织像、(c)采用本发明的方法检测到运动伪影区域的常规胸片，(c)中勾勒出的区域即为检测到的运动伪影区域。
图3为通过本发明方法所得到的一个对象的X片中检测的运动伪影区域示意图，其中，(a)是双能减影中得到的高能骨像、(b)是双能减影得到的低能软组织像、(c)采用本发明的方法检测到运动伪影区域的常规胸片，(c)中勾勒出的区域即为检测到的运动伪影区域。
图4为通过本发明方法所得到的一个对象的X片中检测的运动伪影区域示意图，其中，(a)是双能减影中得到的高能骨像、(b)是双能减影得到的低能软组织像、(c)采用本发明的方法检测到运动伪影区域的常规胸片，(c)中勾勒出的区域即为检测到的运动伪影区域。
具体实施方式
结合以下实施例对本发明作进一步描述。
实施例1。
一种基于骨像和软组织像的梯度相关性检测运动伪影的方法，基于如下两种假设：
Ⅰ，对于骨像和软组织像空间对应区域不存在运动伪影时，相关性近似为0；
Ⅱ，对于存在运动伪影的区域，反映到骨像和软组织像上发生梯度混叠，一般呈负相关。
本发明的检测运动伪影的方法，如图1所示，具体包括如下步骤：
(1)对同一对象的双能减影图像数据包括常规X胸片、低能X射线照射得到的软组织像和高能X射线照射得到的骨像进行预处理，得到解剖结构对应一致的相同大小的同规格普通胸片、同规格软组织像和同规格骨像并去除图像中人为添加的图像边角的标记。常规X胸片是相对于低能、高能而言检测获得的胸片。
(2)分别对同规格软组织像和同规格骨像求图像梯度得到软组织像梯度和骨像梯度。
其中，可以把图像看成二维离散函数，图像梯度其实就是这个二维离散函数的求导：图像梯度:G(x,y)＝dx(i,j)+dy(i,j)；
dx(i,j)＝I(i,j+1)-I(i,j)；
dy(i,j)＝I(i+1,j)-I(i,j)；
其中，I是图像像素的值，如：RGB值，(i，j)为像素的坐标。
本实施例中具体采用中心差分法分别求软组织像梯度和骨像梯度：
dx(i,j)＝[I(i+1,j)-I(i-1,j)]/2；
dx(i,j)＝[I(i,j+1)-I(i,j-1)]/2。
还可以采用前向差分方式求图像梯度：
dx(i,j)＝I(i,j-1)-I(i,j)；
dy(i,j)＝I(i-1,j)-I(i,j)。
(3)通过卷积计算软组织像梯度和骨像梯度的相关性，具体通过三角卷积计算软组织像梯度和骨像梯度的相关性，卷积核的大小设为16。
(4)对步骤(3)得到的相关性矩阵中相关性大于0的部分取中值并乘以阈值系数得到相应的阈值，然后取负，初步运动伪影区域为相关性矩阵中小于该阈值的区域。其中，阈值系数的选取依情况而定，本实施例中，系数取得6，具有效果最佳的特点。需要说明的是，该系数大小可根据需要进行调整。
(5)去除步骤(4)中检测到的初步运动伪影区域的小区域，得到去除小区域后的运动伪影区域。由于运动区域伪影一般比较大，一般检测到的过小的区域很大可能不是伪影部分，所以为了提高检测的准确率，去除步骤(4)中检测到的初步运动伪影区域的小区域。
(6)判断去除小区域后的运动伪影区域是否连通，如果不连通则采用形态学方法或者其它方法进行填补空洞处理得到最终的运动伪影区域；如果是连通的，则以去除小区域后的运动伪影区域作为最终的运动伪影区域。
需要说明的是，步骤(3)还可以通过高斯卷积或者均值卷积计算软组织像梯度和骨像梯度的相关性，但均不及三角卷积的计算简便性和结果精确度。
另外，本发明还可以预先建立数据库，数据库中每组数据包括同一对象的普通胸片，低能X射线照射得到的软组织像和高能X射线照射得到的骨像。
本发明基于双能减影中骨像和软组织像的梯度相关性检测常规胸片中的运动伪影区域的方法，使用双能减影得到的骨像和软组织像、分别求解骨像和软组织像的梯度图、并使用卷积核计算两幅梯度图的相关性进行探测，剔除区域小的部分以提高探测率，本发明的方法能够准确检测常规胸片中的运动伪影区域。
采用本发明的方法对三组对象进行运动伪影检测，图2、图3和图4分别为检测结果示意图。图2为通过本发明方法所得到的一个对象的X片中检测的运动伪影区域示意图，其中，(a)是双能减影中得到的高能骨像、(b)是双能减影得到的低能软组织像、(c)采用本发明的方法检测到运动伪影区域的常规胸片，(c)中勾勒出的区域即为检测到的运动伪影区域。图3为通过本发明方法所得到的另一个对象的X片中检测的运动伪影区域示意图，其中，(a)是双能减影中得到的高能骨像、(b)是双能减影得到的低能软组织像、(c)采用本发明的方法检测到运动伪影区域的常规胸片，(c)中勾勒出的区域即为检测到的运动伪影区域。图4为通过本发明方法所得到的另外一个对象的X片中检测的运动伪影区域示意图，其中，(a)是双能减影中得到的高能骨像、(b)是双能减影得到的低能软组织像、(c)采用本发明的方法检测到运动伪影区域的常规胸片，(c)中勾勒出的区域即为检测到的运动伪影区域。
从图2、图3和图4的结果可以看出，使用本发明的方法能够得到准确检测常规数字摄影的胸片中的运动伪影区域。可见，本发明可用于去除常规X摄影胸片中的运动伪影。
临床上对于常规X射线摄影得到的胸片，由于存在客观因素如呼吸，心跳等，得到的胸片会存在一定的运动伪影，大大影响了对病灶的诊断，本发明能有效检测出运动伪影对图像修复去除运动伪影，对病灶诊断大有帮助。
综上所述，通过本发明基于双能减影中骨像和软组织像的梯度相关性检测常规胸片中的运动伪影区域的方法能够准确检测出常规X摄影胸片中的运动伪影区域，能用于对双能减影进行质量控制，及在医学图像处理中训练图像时可以排除运动伪影区域的影响，防止运动伪影区域错误信息影响模型的学习，对医学图像处理有重大意义。
最后应当说明的是，以上实施例仅用以说明本发明的技术方案而非对本发明保护范围的限制，尽管参照较佳实施例对本发明作了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的实质和范围。

Claims (7)

1.一种基于骨像和软组织像的梯度相关性检测运动伪影的方法，其特征在于：
基于如下两种假设：
Ⅰ，对于骨像和软组织像空间对应区域不存在运动伪影时，相关性近似为0；
Ⅱ，对于存在运动伪影的区域，反映到骨像和软组织像上发生梯度混叠，呈负相关；
具体包括如下步骤：
(1)对同一对象的双能减影图像数据包括常规X胸片、低能X射线照射得到的软组织像和高能X射线照射得到的骨像进行预处理，得到解剖结构对应一致的相同大小的同规格普通胸片、同规格软组织像和同规格骨像；
(2)分别对同规格软组织像和同规格骨像求图像梯度得到软组织像梯度和骨像梯度：
(3)通过卷积计算软组织像梯度和骨像梯度的相关性；
(4)对步骤(3)得到的相关性矩阵中相关性大于0的部分取中值并乘以阈值系数得到相应的阈值，然后取负，初步运动伪影区域为相关性矩阵中小于该阈值的区域；
(5)去除步骤(4)中检测到的初步运动伪影区域的小区域，得到去除小区域后的运动伪影区域；
(6)判断去除小区域后的运动伪影区域是否连通，如果不连通则进行填补空洞处理得到最终的运动伪影区域；如果是连通的，则以去除小区域后的运动伪影区域作为最终的运动伪影区域。
2.根据权利要求1所述的基于骨像和软组织像的梯度相关性检测运动伪影的方法，其特征在于：所述步骤(2)采用中心差分法分别求软组织像梯度和骨像梯度。
3.根据权利要求1所述的基于骨像和软组织像的梯度相关性检测运动伪影的方法，其特征在于：所述步骤(2)采用前向差分法分别求软组织像梯度和骨像梯度。
4.根据权利要求2所述的基于骨像和软组织像的梯度相关性检测运动伪影的方法，其特征在于：所述步骤(3)具体通过三角卷积计算软组织像梯度和骨像梯度的相关性，卷积核的大小设为16。
5.根据权利要求1所述的基于骨像和软组织像的梯度相关性检测运动伪影的方法，其特征在于：所述步骤(3)具体通过高斯卷积或者均值卷积计算软组织像梯度和骨像梯度的相关性。
6.根据权利要求4所述的基于骨像和软组织像的梯度相关性检测运动伪影的方法，其特征在于：所述步骤(4)中的阈值系数为6。
7.根据权利要求6所述的基于骨像和软组织像的梯度相关性检测运动伪影的方法，其特征在于：所述步骤(6)中的填补空洞处理采用形态学方法进行空洞填补。
CN201610184345.6A 2016-03-26 2016-03-26 基于双能减影中骨像和软组织像的梯度相关性检测运动伪影区域的方法 Active CN105869163B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610184345.6A CN105869163B (zh) 2016-03-26 2016-03-26 基于双能减影中骨像和软组织像的梯度相关性检测运动伪影区域的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610184345.6A CN105869163B (zh) 2016-03-26 2016-03-26 基于双能减影中骨像和软组织像的梯度相关性检测运动伪影区域的方法

Publications (2)

Publication Number Publication Date
CN105869163A true CN105869163A (zh) 2016-08-17
CN105869163B CN105869163B (zh) 2018-12-11

Family

ID=56625122

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610184345.6A Active CN105869163B (zh) 2016-03-26 2016-03-26 基于双能减影中骨像和软组织像的梯度相关性检测运动伪影区域的方法

Country Status (1)

Country Link
CN (1) CN105869163B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102411781A (zh) * 2011-09-09 2012-04-11 华南理工大学 一种双能减影胸部x射线图像的运动校正系统
EP2567659A1 (en) * 2011-09-12 2013-03-13 Agfa Healthcare Calibration free dual energy radiography method.
CN103366348A (zh) * 2013-07-19 2013-10-23 南方医科大学 一种抑制x线图像中骨骼影像的方法及处理设备
CN103903254A (zh) * 2012-12-31 2014-07-02 中国科学院深圳先进技术研究院 一种x光图像处理方法、系统及x光图像处理设备
CN104252708A (zh) * 2013-06-28 2014-12-31 深圳先进技术研究院 一种x光胸片图像处理方法及系统

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102411781A (zh) * 2011-09-09 2012-04-11 华南理工大学 一种双能减影胸部x射线图像的运动校正系统
EP2567659A1 (en) * 2011-09-12 2013-03-13 Agfa Healthcare Calibration free dual energy radiography method.
CN103903254A (zh) * 2012-12-31 2014-07-02 中国科学院深圳先进技术研究院 一种x光图像处理方法、系统及x光图像处理设备
CN104252708A (zh) * 2013-06-28 2014-12-31 深圳先进技术研究院 一种x光胸片图像处理方法及系统
CN103366348A (zh) * 2013-07-19 2013-10-23 南方医科大学 一种抑制x线图像中骨骼影像的方法及处理设备

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
张丽琴: "磁共振图像处理算法的研究", 《磁共振图像处理算法的研究》 *

Also Published As

Publication number Publication date
CN105869163B (zh) 2018-12-11

Similar Documents

Publication Publication Date Title
US10318839B2 (en) Method for automatic detection of anatomical landmarks in volumetric data
US9547894B2 (en) Apparatus for, and method of, processing volumetric medical image data
JP2016041247A (ja) 医療用画像のコンピュータ支援による解析方法
US9675317B2 (en) Interface identification apparatus and method
JP2012233896A (ja) 医用画像を運動補正する方法及び装置
CN104881858B (zh) 一种乳房内增强背景组织的提取方法和装置
CN106296613B (zh) 一种基于dr机器的双能量减影方法
CN107993220B (zh) X射线造影图像中血管结构的提取方法及装置
JP5510619B1 (ja) 画像処理装置
US20240104705A1 (en) Systems and methods for image correction
CN106308836B (zh) 计算机断层扫描图像校正系统及方法
CN105261048B (zh) 一种小球中心锥束投影位置的精确定位方法
US20220409161A1 (en) Medical image synthesis for motion correction using generative adversarial networks
JP2020036819A (ja) Ｘ線撮影装置およびｘ線画像処理方法
CN105869163A (zh) 基于双能减影中骨像和软组织像的梯度相关性检测运动伪影区域的方法
US11308660B2 (en) Motion compensated cardiac valve reconstruction
Razeto et al. Accurate registration of coronary arteries for volumetric CT digital subtraction angiography
Rashmi et al. Extended template matching method for region of interest extraction in cephalometric landmarks annotation
CN106803250A (zh) 结合全局和局部区域信息的医学超声图像分割方法
KR101982941B1 (ko) 퍼지 신경망을 이용한 ｃｔ 영상의 허상 제거 방법 및 장치
Mokri et al. Lung segmentation in CT for thoracic PET-CT registration through visual study
Tache Vessels enhancement in x-ray angiograms
US12039745B2 (en) Method and systems for removing anti-scatter grid artifacts in x-ray imaging
US20240362774A1 (en) Medical image processing apparatus and method
Kumar et al. DSA image enhancement via multi-resolution motion correction for interventional procedures: a robust strategy

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant