CN105989596B - 医学图像处理装置和方法以及磁共振成像设备 - Google Patents

医学图像处理装置和方法以及磁共振成像设备 Download PDF

Info

Publication number
CN105989596B
CN105989596B CN201510075935.0A CN201510075935A CN105989596B CN 105989596 B CN105989596 B CN 105989596B CN 201510075935 A CN201510075935 A CN 201510075935A CN 105989596 B CN105989596 B CN 105989596B
Authority
CN
China
Prior art keywords
image
diffusion weighted
weighted images
image processing
images
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
Application number
CN201510075935.0A
Other languages
English (en)
Other versions
CN105989596A (zh
Inventor
李广
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.)
Canon Medical Systems Corp
Original Assignee
Toshiba Medical Systems Corp
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 Toshiba Medical Systems Corp filed Critical Toshiba Medical Systems Corp
Priority to CN201510075935.0A priority Critical patent/CN105989596B/zh
Priority to JP2015224214A priority patent/JP6656895B2/ja
Priority to US15/019,198 priority patent/US9916661B2/en
Publication of CN105989596A publication Critical patent/CN105989596A/zh
Application granted granted Critical
Publication of CN105989596B publication Critical patent/CN105989596B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Landscapes

  • Image Processing (AREA)
  • Magnetic Resonance Imaging Apparatus (AREA)
  • Image Analysis (AREA)

Abstract

本公开涉及医学图像处理装置和方法以及磁共振成像设备。该医学图像处理装置包括选择单元、第一校正单元以及第二校正单元。选择单元被配置为根据预定质量标准从一组弥散加权图像中选择质量较佳的至少一个图像作为代表图像,其中预定质量标准为结构清晰程度、畸变程度或者弥散敏感系数b=0图像与各弥散加权图像的相似度。第一校正单元被配置为通过将所选择的代表图像与对应于该组弥散加权图像的b=0图像进行配准,来校正代表图像。第二校正单元被配置为通过将该组弥散加权图像中的其他图像与经校正的代表图像进行配准,来校正该其他图像。

Description

医学图像处理装置和方法以及磁共振成像设备
技术领域
本公开一般涉及医学图像处理,更具体地,涉及对弥散加权图像进行校正的医学图像处理装置和方法以及包括该医学图像处理装置的磁共振成像设备。
背景技术
弥散张量成像(diffusion tensor imaging,DTI)或弥散张量纤维束成像(diffusion tensor tractography,DTT)是基于磁共振(MR)图像进行功能分析的重要手段。通常基于一组(通常至少六个)对应于不同梯度方向的DWI图像来得到DTI成像。
由于DWI图像可能会产生畸变(例如由于运动或涡流等原因造成的图像畸变),因此需要对DWI图像进行校正。通常通过将一组(即同一个序列中的)DWI图像中的每个DWI图像分别与弥散敏感系数b=0图像进行配准来校正DWI图像。
发明内容
在下文中给出了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。
根据本公开的一个方面,提供一种医学图像处理装置,其包括选择单元、第一校正单元以及第二校正单元。选择单元被配置为根据预定质量标准从一组弥散加权图像中选择质量较佳的至少一个图像作为代表图像,其中预定质量标准为结构清晰程度、畸变程度或者弥散敏感系数b=0图像与各弥散加权图像的相似度。第一校正单元被配置为通过将所选择的代表图像与对应于该组弥散加权图像的b=0图像进行配准,来校正代表图像。第二校正单元被配置为通过将该组弥散加权图像中的其他图像与经校正的代表图像进行配准,来校正该其他图像。
根据本公开的另一个方面,提供一种磁共振成像设备,其包括根据本公开的实施例的医学图像处理装置。
根据本公开的又一个方面,提供一种医学图像处理方法。该方法包括根据预定质量标准从一组弥散加权图像中选择质量较佳的至少一个图像作为代表图像的步骤,其中预定质量标准为结构清晰程度、畸变程度或者弥散敏感系数b=0图像与各弥散加权图像的相似度。该方法还包括通过将所选择的代表图像与对应于该组弥散加权图像的b=0图像进行配准来校正代表图像的步骤。该方法进一步包括通过将该组弥散加权图像中的其他图像与经校正的代表图像进行配准来校正该其他图像的步骤。
本公开的实施例有利于提高DWI图像校正的准确度和处理效率。
附图说明
本发明可以通过参考下文中结合附图所给出的描述而得到更好的理解,其中在所有附图中使用了相同或相似的附图标记来表示相同或者相似的部件。所述附图连同下面的详细说明一起包含在本说明书中并且形成本说明书的一部分,而且用来进一步举例说明本发明的优选实施例和解释本发明的原理和优点。在附图中:
图1是示出根据本公开的一个实施例的医学图像处理装置的配置示例的框图;
图2是示出根据本公开的另一个实施例的医学图像处理装置的配置示例的框图;
图3是示出根据本公开的又一个实施例的医学图像处理装置的配置示例的框图;
图4是示出根据本公开的另一个实施例的医学图像处理装置的配置示例的框图;
图5是示出根据本公开的又一个实施例的医学图像处理装置的配置示例的框图;
图6是示出根据本公开的一个实施例的磁共振成像设备的配置示例的框图;
图7是示出根据本公开的一个实施例的医学图像处理方法的过程示例的流程图;
图8是示出根据本公开的另一个实施例的医学图像处理方法的子过程示例的流程图;
图9是示出根据本公开的又一个实施例的医学图像处理方法的子过程示例的流程图;
图10是示出根据本公开的另一个实施例的医学图像处理方法的子过程示例的流程图;
图11是示出根据本公开的又一个实施例的医学图像处理方法的过程示例的流程图;以及
图12是示出可以用于实现本申请的方法和设备的计算机的示例性结构的框图。
具体实施方式
下面将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。
如图1所示,根据本公开的一个实施例的医学图像处理装置100包括选择单元110、第一校正单元120和第二校正单元130。
选择单元110被配置为根据预定质量标准从一组弥散加权图像(DWI)中选择质量较佳的至少一个图像作为代表图像。
在本文中,“一组DWI”是指同一成像部位的对应于不同弥散敏感梯度的DWI,其中扩散敏感梯度场参数被称为弥散敏感系数或b值。一组DWI可以用于生成DTI。
选择单元110可以根据多种预定质量标准来选择代表图像。例如,根据一个实施例,选择单元可以根据弥散加权图像的畸变程度和/或结构清晰程度来选择代表图像。然而预定质量标准不限于此,例如,如后面将会描述的,可以将一组DWI中与相应的b=0图像相似度较高的一个或更多个DWI选择为代表图像。
第一校正单元120被配置为通过将选择单元110选择的代表图像与对应于该组弥散加权图像的弥散敏感系数b=0的图像(下文中将其称为b=0图像)进行配准,来校正该代表图像。
可以采用本领域已知的方式进行基于配准的图像校正。例如,参见ComprehensiveApproach for Correction of Motion and Distortion in Diffusion-Weighted MRI,G.K.Rohde,et al.,Magnetic Resonance in Medicine51:103–114(2004)。
此外,当代表图像的数量为两个或更多个的情况下,可以分别将每个代表图像与b=0图像进行配准以得到相应的经校正代表图像。
第二校正单元130被配置为通过将该组弥散加权图像中的其他图像与经校正的代表图像进行配准,来校正该组弥散加权图像中的其他图像。第二校正单元130可以采用与第一校正单元120类似的配准校正方法,也可以采用与第一校正单元120不同的配准校正方法。
此外,当代表图像的数量为两个或更多个的情况下,可以根据该组DWI中的其他图像与每个经校正代表图像的配准结果来校正该DWI,其中可以选择配准偏差较低的经校正代表图像作为最终配准对象进行校正,也可以综合考虑与多个经校正代表图像的配准结果来进行校正。或者,可以将除代表图像之外的其他图像分成与每个代表图像相对应的组,并将各组图像与相应经校正代表图像配准以进行校正。例如,可以根据与经校正代表图像的相似度进行上述分组,使得第二校正单元对相似度较高的图像进行配准过程。
如前所述,根据现有方式,通过将每个DWI图像分别与b=0图像配准来校正DWI图像。而根据本公开的上述实施例,将从一组DWI中选择出的代表图像与b=0图像进行配准以校正代表图像,并且将其他DWI与经校正的代表图像进行配准以校正其他图像。由于所选择的代表图像具有较好的图像质量,因此其与b=0图像的配准的准确度和处理效率通常较高。此外,由于DWI图像之间的灰度分布等特性较为相似,因此其他图像与经校正代表图像之间的配准可以具有较高的准确度和处理效率。因此,与现有方式相比,根据本公开实施例的医学图像处理装置能够以更高的准确度和处理效率进行DWI图像的校正。
选择单元选择代表图像的预定质量标准可以包括DWI的畸变程度、结构清晰程度、或两者的组合。接下来,将分别描述以结构清晰程度和畸变程度作为预定质量标准选择代表图像的实施例。
如图2所示,根据本公开的一个实施例的医学图像处理装置200包括选择单元210、第一校正单元220、第二校正单元230、平均单元240和第一估计单元250。第一校正单元220和第二校正单元230的配置与上面参照图1说明的相应单元类似。
根据本实施例,平均单元240和第一估计单元250被配置为估计DWI的结构清晰程度,选择单元210被配置为根据第一估计单元250估计的结构清晰程度来选择代表图像。
具体地,平均单元240被配置为确定该组DWI中的至少一部分DWI的平均图像。第一估计单元250被配置为根据DWI与所确定的平均图像来估计该DWI的结构清晰程度。
在某个DWI中,可能由于涡流等原因使得其某个区域的结构信息丢失,例如,某个区域的对比度可能较差,无法反映出其中的结构特征。在不同的DWI中,这种结构信息丢失的情况可能出现在不同的区域,因此个别图像中信息丢失对平均图像造成的影响可能会被其他图像缓解。相应地,可以认为与平均图像差别较小的DWI具有较好的结构清晰程度。
可以基于一组DWI中的全部DWI确定平均图像,也可以基于一部分DWI来确定平均图像。该一部分DWI可以是随机选择的,或者可以是根据预定标准选择的。例如,可以通过特定预处理(例如基于纹理或能量梯度的方法等)将结构信息丢失区域较大的DWI排除,以避免其对平均图像造成较大影响。
此外,可以根据多种方式基于某个DWI与平均图像来估计该DWI的结构清晰程度。根据一个具体实施例,可以根据DWI与平均图像之间的差值平方和(SSD)来估计该DWI的结构清晰程度。
在上述实施例中,通过确定DWI的平均图像,并与平均图像比较来估计DWI的结构清晰程度。此外,也可以采用其他图像清晰度评价方式,在不引入平均图像的情况下估计DWI的图像清晰程度。
例如,如图2所示,根据一个实施例的医学图像处理装置可以不包括平均单元。第一估计单元可以被配置为根据DWI的局部方差图估计该DWI的结构清晰程度。例如,可以基于DWI的局部方差图与b=0图像的局部方差图之间的比较来估计该DWI的结构清晰程度。以b=0图像为基准,通过基于局部方差图对图像的高频区域进行比较,能够以较高的处理效率估计DWI的结构清晰程度。
此外,也可以采用本领域已知的其他图像清晰度评价方式,例如基于纹理的方法和基于能量梯度的方法等(例如,参见“基于纹理分析的小波变换图像清晰度评价方法研究”,刘兴宝、袁道成,《仪器仪表学报》,2007年,第8期)。可以在不与平均图像或b=0图像进行比较的情况下对DWI的结构清晰程度进行评价,并基于对各个DWI的这种评价来选择代表图像。
接下来,将描述以畸变程度作为预定质量标准选择代表图像的实施例。
如图3所示,根据一个实施例的医学图像处理装置300包括选择单元310、第一校正单元320、第二校正单元330、平均单元340和第二估计单元350。第一校正单元320和第二校正单元330的配置与前述相应单元类似。平均单元340和第二估计单元350被配置为估计DWI的畸变程度,选择单元310被配置为第二估计单元350估计的畸变程度来选择代表图像。
具体地,平均单元340被配置为确定一组DWI中的至少一部分DWI的平均图像。
在某个DWI中,可能由于运动等原因产生畸变,畸变例如可以包括平移分量和旋转分量。通过确定平均图像,能够一定程度地缓解个别图像中的畸变的影响,因此可以认为与平均图像差别较小的DWI具有较低的畸变程度。
第二估计单元350被配置为根据DWI与平均单元340确定的平均图像来估计该DWI的畸变程度。
更具体地,第二估计单元350可以被配置为根据DWI的质心点与平均图像的质心(centroid)之间的位置差别估计该DWI的畸变的偏移分量,并且可以被配置为根据DWI的主轴(principle axis)与平均图像的主轴之间的角度差别估计该DWI的畸变的旋转分量。
以上描述了以结构清晰程度和畸变程度作为预定质量标准选择代表图像的实施例,然而用于选择代表图像的预定质量标准不限于此。接下来参照图4说明根据DWI与b=0图像之间的相似度作为预定质量标准选择代表图像的实施例。
如图4所示,根据一个实施例的医学图像处理装置400包括选择单元410、第一校正单元420、第二校正单元430以及确定单元440。第一校正单元420和第二校正单元430的配置与上述相应单元类似。
确定单元440被配置为确定DWI与b=0图像之间的相似度。选择单元410被配置为根据确定单元440确定的相似度来选择代表图像。
确定单元440可以采用本领域已知的多种图像相似度评价方式,例如基于灰度直方图的方法来确定DWI与b=0图像之间的相似度。
与b=0图像较相似的DWI通常具有较好的结构清晰程度和较低的畸变程度。并且,将b=0图像与较相似的DWI进行配准能够得到较准确的校正结果。
上面描述了以图像清晰程度、畸变程度以及与b=0图像的相似度作为预定质量标准选择代表图像的示例实施方式。此外,也可以根据以上方式的组合方式选择代表图像。例如,可以根据结构清晰程度与畸变程度等确定总体图像质量估计,并根据总体图像质量估计选择代表图像。
以上描述了的用于校正DWI图像的医学图像处理装置的一些实施例,可以由该医学图像处理装置将经校正的DWI提供给其他装置以用于后续处理,例如生成DTI。此外,本公开也包括能够生成DTI的医学图像处理装置。
如图5所示,医学图像处理装置500包括选择单元510、第一校正单元520、第二校正单元530以及生成单元540。选择单元510、第一校正单元520和第二校正单元530的配置可以与以上描述的各实施例中的相应单元类似。生成单元540被配置为基于经校正的一组DWI生成DTI。基于一组DWI生成DTI的方式是本领域已知的,在此不再赘述。
此外,本公开的实施例还包括磁共振成像设备。如图6所示,磁共振成像设备600包括医学图像处理装置610。医学图像处理装置610可以具有例如以上参照图1至图5说明的各实施例的配置,或其任意组合。
在上文对实施方式中的医学图像处理装置的描述过程中,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。
如图7所示,根据一个实施例的医学图像处理方法,在步骤S710,根据预定质量标准从一组DWI中选择质量较佳的至少一个图像作为代表图像。
可以根据多种预定质量标准来选择代表图像。例如,根据一个实施例,可以根据DWI的畸变程度和/或结构清晰程度来选择代表图像。此外,例如可以将一组DWI中与相应的b=0图像相似度较高的一个或更多个DWI选择为代表图像。
在步骤S720,通过将所选择的代表图像与对应于该组DWI的b=0图像进行配准,来校正代表图像。
如前所述,可以通过多种方式进行代表图像与b=0图像的配准。
此外,当代表图像的数量为两个或更多个的情况下,可以分别将每个代表图像与b=0图像进行配准以得到相应的经校正代表图像。
在步骤S730,通过将该组DWI中的其他图像与经校正的代表图像进行配准,来校正其他图像。
当代表图像的数量为两个或更多个的情况下,可以根据该组DWI中的其他图像与每个经校正代表图像的配准结果来校正该DWI。或者,可以将除代表图像之外的其他图像分成与每个代表图像相对应的组,并将各组图像与相应经校正代表图像配准以进行校正。
根据本公开的上述实施例,将从一组DWI中选择出的代表图像与b=0图像进行配准以校正代表图像,并且将其他DWI与经校正的代表图像进行配准以校正其他图像。与现有方式相比,根据本公开实施例的医学图像处理装置能够以更高的准确度和处理效率进行DWI图像的校正。
接下来,将分别描述以结构清晰程度和畸变程度作为预定质量标准选择代表图像的实施例。
图8示出了根据一个实施例的医学图像处理方法中选择代表图像的步骤的过程示例。其中,以结构清晰程度作为预定质量标准选择代表图像。
在步骤S810,确定该组DWI中的至少一部分DWI的平均图像。
可以基于一组DWI中的全部DWI或者一部分DWI来确定平均图像。可以随机选择或者根据预定标准(例如具有较小的信息丢失区域)选择用于确定平均图像的一部分DWI。
在步骤S820,根据DWI与平均图像来估计该DWI的结构清晰程度。
如前所述,可以认为与平均图像差别较小的DWI具有较好的结构清晰程度,并且可以根据多种方式衡量DWI与平均图像之间的差别。
例如,根据一个具体实施例,可以根据DWI与平均图像之间的差值平方和(SSD)来估计该DWI的结构清晰程度。
在以上实施例中,通过确定DWI的平均图像,并与平均图像比较来估计DWI的结构清晰程度。此外,也可以在不引入平均图像的情况下估计DWI的图像清晰程度。
根据一个实施例,根据DWI的局部方差图估计该DWI的结构清晰程度。例如,可以基于DWI的局部方差图与b=0图像的局部方差图之间的比较来估计该DWI的结构清晰程度。
此外,也可以采用本领域已知的其他图像清晰度评价方式,例如前面提到的基于纹理的方法和基于能量梯度的方法等。
图9示出了根据另一个实施例的医学图像处理方法中选择代表图像的步骤的过程示例。其中,以畸变程度作为预定质量标准选择代表图像。
如图9所示,在步骤S910,确定一组DWI中的至少一部分DWI的平均图像。可以与参照图8说明的方式类似的方式确定平均图像。
在步骤S920,根据DWI与平均图像来估计该DWI的畸变程度。
根据一个具体实施例,估计畸变程度的过程可以包括估计偏移分量和旋转分量的过程。图10示出了根据DWI与平均图像来估计该DWI的畸变程度的子过程的示例。
在步骤S1010,根据DWI的质心点与平均图像的质心点之间的位置差别,估计该DWI的畸变的偏移分量。
在步骤S1020,根据DWI的主轴与所述平均图像的主轴之间的角度差别,估计该DWI的畸变的旋转分量。
以上描述了以结构清晰程度和畸变程度作为预定质量标准选择代表图像的实施例。根据另一个实施例,根据预定质量标准选择代表图像的步骤可以包括确定DWI与b=0图像之间的相似度,并且根据所确定的相似度来选择代表图像。
此外,也可以根据以上方式的组合方式选择代表图像。例如,可以根据结构清晰程度与畸变程度等确定总体图像质量估计,并根据总体图像质量估计选择代表图像。
以上描述了的用于校正DWI图像的医学图像处理方法的一些实施例。此外,本公开也包括用于生成DTI的医学图像处理方法。
如图11所示,根据本实施例的医学图像处理方法中,步骤S1110至S1130分别与前面描述的相应步骤类似,即,在步骤S1110,根据预定质量标准从一组DWI中选择质量较佳的至少一个图像作为代表图像;在步骤S1120,通过将所选择的代表图像与对应于该组DWI的b=0图像进行配准来校正代表图像;在步骤S1130,通过将该组DWI中的其他图像与经校正的代表图像进行配准来校正其他图像。
此外,根据本实施例的医学图像处理方法还包括步骤S1140,基于经校正的一组DWI生成DTI。
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12所示的通用计算机1200)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12中,运算处理单元(即CPU)1201根据只读存储器(ROM)1202中存储的程序或从存储部分1208加载到随机存取存储器(RAM)1203的程序执行各种处理。在RAM 1203中,也根据需要存储当CPU 1201执行各种处理等等时所需的数据。CPU 1201、ROM 1202和RAM1203经由总线1204彼此链路。输入/输出接口1205也链路到总线1204。
下述部件链路到输入/输出接口1205:输入部分1206(包括键盘、鼠标等等)、输出部分1207(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1208(包括硬盘等)、通信部分1209(包括网络接口卡比如LAN卡、调制解调器等)。通信部分1209经由网络比如因特网执行通信处理。根据需要,驱动器1210也可链路到输入/输出接口1205。可拆卸介质1211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1210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1208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1211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12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1211。可拆卸介质1211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ROM 1202、存储部分1208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。

Claims (19)

1.一种医学图像处理装置,包括:
选择单元,被配置为根据预定质量标准从一组弥散加权图像中选择质量较佳的至少一个图像作为代表图像,其中所述预定质量标准为结构清晰程度、畸变程度或者弥散敏感系数b=0图像与各弥散加权图像的相似度;
第一校正单元,被配置为通过将所选择的代表图像与对应于所述一组弥散加权图像的所述b=0图像进行配准,来校正所述代表图像;以及
第二校正单元,被配置为通过将所述一组弥散加权图像中的其他图像与经校正的所述代表图像进行配准,来校正所述其他图像。
2.根据权利要求1所述的医学图像处理装置,其中,所述选择单元被配置为根据弥散加权图像的畸变程度和/或结构清晰程度来选择所述代表图像。
3.根据权利要求2所述的医学图像处理装置,还包括:
平均单元,被配置为确定所述一组弥散加权图像中的至少一部分弥散加权图像的平均图像;以及
第一估计单元,被配置为根据弥散加权图像与所述平均图像来估计该弥散加权图像的结构清晰程度。
4.根据权利要求3所述的医学图像处理装置,其中,所述第一估计单元根据弥散加权图像与所述平均图像之间的差值平方和来估计该弥散加权图像的结构清晰程度。
5.根据权利要求2所述的医学图像处理装置,还包括:
第一估计单元,其被配置为根据弥散加权图像的局部方差图估计该弥散加权图像的结构清晰程度。
6.根据权利要求2所述的医学图像处理装置,还包括:
平均单元,被配置为确定所述一组弥散加权图像中的至少一部分弥散加权图像的平均图像;以及
第二估计单元,被配置为根据弥散加权图像与所述平均图像来估计该弥散加权图像的畸变程度。
7.根据权利要求6所述的医学图像处理装置,其中,所述第二估计单元进一步被配置为:
根据弥散加权图像的质心点与所述平均图像的质心点之间的位置差别,估计该弥散加权图像的畸变的偏移分量;以及
根据弥散加权图像的主轴与所述平均图像的主轴之间的角度差别,估计该弥散加权图像的畸变的旋转分量。
8.根据权利要求1所述的医学图像处理装置,还包括确定单元,所述确定单元被配置为确定弥散加权图像与所述b=0图像之间的相似度,并且
所述选择单元根据所述相似度来选择所述代表图像。
9.根据权利要求1至8中任一项所述的医学图像处理装置,还包括:
生成单元,被配置为基于经校正的所述一组弥散加权图像生成弥散张量图像。
10.一种磁共振成像设备,包括如权利要求1-9中任一项所述的医学图像处理装置。
11.一种医学图像处理方法,包括以下步骤:
根据预定质量标准从一组弥散加权图像中选择质量较佳的至少一个图像作为代表图像,其中所述预定质量标准为结构清晰程度、畸变程度或者弥散敏感系数b=0图像与各弥散加权图像的相似度;
通过将所选择的代表图像与对应于所述一组弥散加权图像的所述b=0图像进行配准,来校正所述代表图像;以及
通过将所述一组弥散加权图像中的其他图像与经校正的所述代表图像进行配准,来校正所述其他图像。
12.根据权利要求11所述的医学图像处理方法,其中,根据弥散加权图像的畸变程度和/或结构清晰程度来选择所述代表图像。
13.根据权利要求12所述的医学图像处理方法,其中,选择所述代表图像的步骤包括:
确定所述一组弥散加权图像中的至少一部分弥散加权图像的平均图像;以及
根据弥散加权图像与所述平均图像来估计该弥散加权图像的结构清晰程度。
14.根据权利要求13所述的医学图像处理方法,其中,根据弥散加权图像与所述平均图像之间的差值平方和来估计该弥散加权图像的结构清晰程度。
15.根据权利要求12所述的医学图像处理方法,其中,根据弥散加权图像的局部方差图估计该弥散加权图像的结构清晰程度。
16.根据权利要求12所述的医学图像处理方法,其中,选择所述代表图像的步骤包括:
确定所述一组弥散加权图像中的至少一部分弥散加权图像的平均图像;以及
根据弥散加权图像与所述平均图像来估计该弥散加权图像的畸变程度。
17.根据权利要求16所述的医学图像处理方法,其中,估计所述畸变程度的步骤包括:
根据弥散加权图像的质心点与所述平均图像的质心点之间的位置差别,估计该弥散加权图像的畸变的偏移分量;以及
根据弥散加权图像的主轴与所述平均图像的主轴之间的角度差别,估计该弥散加权图像的畸变的旋转分量。
18.根据权利要求11所述的医学图像处理方法,还包括确定弥散加权图像与所述b=0图像之间的相似度的步骤,并且
根据所确定的相似度来选择所述代表图像。
19.根据权利要求11至18中任一项所述的医学图像处理方法,还包括以下步骤:
基于经校正的所述一组弥散加权图像生成弥散张量图像。
CN201510075935.0A 2015-02-12 2015-02-12 医学图像处理装置和方法以及磁共振成像设备 Active CN105989596B (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
CN201510075935.0A CN105989596B (zh) 2015-02-12 2015-02-12 医学图像处理装置和方法以及磁共振成像设备
JP2015224214A JP6656895B2 (ja) 2015-02-12 2015-11-16 画像処理装置、画像処理方法、画像処理プログラム及び磁気共鳴イメージング装置
US15/019,198 US9916661B2 (en) 2015-02-12 2016-02-09 Image processing apparatus, image processing method, and magnetic resonance imaging system

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201510075935.0A CN105989596B (zh) 2015-02-12 2015-02-12 医学图像处理装置和方法以及磁共振成像设备

Publications (2)

Publication Number Publication Date
CN105989596A CN105989596A (zh) 2016-10-05
CN105989596B true CN105989596B (zh) 2019-09-10

Family

ID=56691451

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510075935.0A Active CN105989596B (zh) 2015-02-12 2015-02-12 医学图像处理装置和方法以及磁共振成像设备

Country Status (2)

Country Link
JP (1) JP6656895B2 (zh)
CN (1) CN105989596B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6824132B2 (ja) * 2017-09-13 2021-02-03 ゼネラル・エレクトリック・カンパニイ 画像処理装置及び磁気共鳴イメージング装置
CN107564578B (zh) * 2017-09-18 2021-05-18 上海联影医疗科技股份有限公司 用于医学成像系统的校正方法、装置以及存储介质
KR102017433B1 (ko) * 2018-12-07 2019-09-02 연세대학교 산학협력단 움직임 보정을 통해 텐서 추정을 위한 의료 영상 장치 및 방법
CN109820506B (zh) * 2019-02-20 2023-07-07 王毅翔 基于磁共振弥散成像的组织血管密度指标检测方法及装置
CN111145278B (zh) * 2019-12-31 2024-01-09 上海联影医疗科技股份有限公司 弥散张量图像的颜色编码方法、装置、设备及存储介质

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102542534A (zh) * 2010-12-31 2012-07-04 北京海思威科技有限公司 基于图像轮廓的图像畸变校正方法和装置
CN102711602A (zh) * 2011-01-11 2012-10-03 株式会社东芝 磁共振成像装置和磁共振成像方法
CN104323777A (zh) * 2014-10-30 2015-02-04 西安交通大学医学院第一附属医院 一种扩散磁共振成像运动伪影的消除方法

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005323994A (ja) * 2004-04-12 2005-11-24 Hitachi Medical Corp 画像処理方法
JP5154751B2 (ja) * 2005-12-22 2013-02-27 株式会社日立メディコ 医用画像処理装置
JP5562598B2 (ja) * 2008-10-24 2014-07-30 株式会社東芝 画像表示装置、画像表示方法および磁気共鳴イメージング装置
US20100254584A1 (en) * 2009-04-07 2010-10-07 Siemens Corporation Automated method for assessment of tumor response to therapy with multi-parametric mri
DE102009049402B4 (de) * 2009-10-14 2012-09-27 Siemens Aktiengesellschaft Korrektur von Verzerrungen bei der diffusionsgewichteten Magnetresonanzbildgebung
JP5479115B2 (ja) * 2010-01-07 2014-04-23 株式会社東芝 画像処理装置及び磁気共鳴イメージング装置
US9679373B2 (en) * 2011-02-03 2017-06-13 Brainlab Ag Retrospective MRI image distortion correction

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102542534A (zh) * 2010-12-31 2012-07-04 北京海思威科技有限公司 基于图像轮廓的图像畸变校正方法和装置
CN102711602A (zh) * 2011-01-11 2012-10-03 株式会社东芝 磁共振成像装置和磁共振成像方法
CN104323777A (zh) * 2014-10-30 2015-02-04 西安交通大学医学院第一附属医院 一种扩散磁共振成像运动伪影的消除方法

Also Published As

Publication number Publication date
JP6656895B2 (ja) 2020-03-04
CN105989596A (zh) 2016-10-05
JP2016147045A (ja) 2016-08-18

Similar Documents

Publication Publication Date Title
CN105989596B (zh) 医学图像处理装置和方法以及磁共振成像设备
Maudsley et al. Comprehensive processing, display and analysis for in vivo MR spectroscopic imaging
Fessler et al. Toeplitz-based iterative image reconstruction for MRI with correction for magnetic field inhomogeneity
US9983284B2 (en) MRI with dixon-type water/fat separation and prior knowledge about inhomogeneity of the main magnetic field
Bhave et al. Accelerated whole‐brain multi‐parameter mapping using blind compressed sensing
US9612300B2 (en) System and method for object-based initialization of magnetic field inhomogeneity in magnetic resonance imaging
CN105556326B (zh) 具有dixon类型的水/脂肪分离的mr成像
US10234523B2 (en) MRI with dixon-type water/fat separation with estimation of the main magnetic field variations
US10401456B2 (en) Parallel MR imaging with Nyquist ghost correction for EPI
Ernst et al. Elimination of artifacts in short echo time 1H MR spectroscopy of the frontal lobe
KR20160113025A (ko) 자기 공명 촬영을 위한 방법
Keating et al. Real‐time dynamic frequency and shim correction for single‐voxel magnetic resonance spectroscopy
CN108714028A (zh) 一种磁共振成像方法、装置及医学成像系统
US9841483B2 (en) Magnetic resonance imaging method and magnetic resonance imaging apparatus
WO2008085473A1 (en) Mri methods using diffusion tensor imaging techniques and mri systems embodying same
US11009577B2 (en) System and method for Nyquist ghost correction in medical imaging
CN110869790A (zh) 使用具有可变对比度的星形堆叠采集进行的mr成像
Bhushan et al. Improved B0‐distortion correction in diffusion MRI using interlaced q‐space sampling and constrained reconstruction
Gong et al. Deep learning‐based method for reducing residual motion effects in diffusion parameter estimation
Clarke et al. Three‐dimensional, 2.5‐minute, 7T phosphorus magnetic resonance spectroscopic imaging of the human heart using concentric rings
CN109983358B (zh) Propeller mr成像
US11061097B2 (en) Data driven correction of phase depending artefacts in a magnetic resonance imaging system
Shi et al. Template‐based field map prediction for rapid whole brain B0 shimming
Banerjee et al. Parallel and partial Fourier imaging with prospective motion correction
van Riel et al. Free‐breathing abdominal T1 mapping using an optimized MR fingerprinting sequence

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