CN106251378B - 医学图像中边缘伪影的去除方法及装置 - Google Patents

医学图像中边缘伪影的去除方法及装置 Download PDF

Info

Publication number
CN106251378B
CN106251378B CN201610584093.6A CN201610584093A CN106251378B CN 106251378 B CN106251378 B CN 106251378B CN 201610584093 A CN201610584093 A CN 201610584093A CN 106251378 B CN106251378 B CN 106251378B
Authority
CN
China
Prior art keywords
projected image
image
edge
filtered
filtering template
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
CN201610584093.6A
Other languages
English (en)
Other versions
CN106251378A (zh
Inventor
杨乐
张娜
滕万里
冯娟
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.)
Shanghai United Imaging Healthcare Co Ltd
Original Assignee
Shanghai United Imaging Healthcare Co Ltd
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 Shanghai United Imaging Healthcare Co Ltd filed Critical Shanghai United Imaging Healthcare Co Ltd
Priority to CN201610584093.6A priority Critical patent/CN106251378B/zh
Publication of CN106251378A publication Critical patent/CN106251378A/zh
Application granted granted Critical
Publication of CN106251378B publication Critical patent/CN106251378B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/002D [Two Dimensional] image generation
    • G06T11/003Reconstruction from projections, e.g. tomography
    • G06T11/008Specific post-processing after tomographic reconstruction, e.g. voxelisation, metal artifact correction

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Image Processing (AREA)

Abstract

一种医学图像中边缘伪影的去除方法及装置。所述医学图像为滤波后的投影图像,所述医学图像中边缘伪影的去除方法包括:生成与投影图像对应的模板;以与所述投影图像对应的滤波器对与所述投影图像对应的模板滤波以生成与所述投影图像对应的滤波模板;基于滤波后的投影图像和与所述投影图像对应的滤波模板去除所述医学图像中的边缘伪影。本发明技术方案去除了医学图像中的高亮边缘伪影,提高了重建后的医学图像的质量,避免了漏诊或误诊情况的发生。

Description

医学图像中边缘伪影的去除方法及装置
技术领域
本发明涉及图像处理技术领域,特别涉及一种医学图像中边缘伪影的去除方法及装置。
背景技术
随着计算机科学和信息技术的发展,医学成像技术也得到了迅速的发展,各种医用影像系统不断涌现。数字乳腺三维断层摄影技术(DBT,Digital Breast Tomosynthesis)作为乳腺癌的筛查和诊断得到了广泛的应用。DBT是一种三维成像技术,可以在短暂的扫描过程中,在不同角度获得乳房的影像。然后将这些独立的影像重建成一系列高分辨率的断层影像,单独显示或以连续播放的形式动态显示。相对于传统的二维乳腺摄影技术,重建后的三维断层影像减少或消除了组织重叠和结构噪声的影响,且可以更好的发现一些隐匿的微小病变。通过DBT可以非常容易在正常乳腺组织中区分出之前在二维影像中不易发现的病变,减少假阴性。目前DBT已经成为数字乳腺摄影技术的发展方向和趋势。
DBT中通常采用滤波反投影(FBP,filtered-back projection)法进行重建,FBP是基于变换法的图像重建算法,具有重建速度快、空间和密度分辨率高等优点,然而采用FBP法重建获得的乳房图像中乳房组织边缘会产生一圈高亮的边缘或者说乳房组织边缘会产生高亮伪影,重建获得的乳房图像的边缘呈高亮无法真实的反映出乳房组织边缘的真实情况,即呈高亮的乳房边缘并没有反映出真实的图像效果,可能会给医生的临床诊断带来一定的影响,影响医生对图像的判断以及对病灶诊断的准确性,甚至可能会导致漏诊或者误诊情况的发生。
因此,如何去除重建后的乳房图像的高亮伪影,避免漏诊或误诊情况的发生,提高重建后的乳房图像的质量,成为目前亟待解决的问题之一。
发明内容
本发明要解决的问题是提供一种医学图像中边缘伪影的去除方法,避免漏诊或误诊的发生,提高重建后的医学图像的质量。
为解决上述问题,本发明技术方案提供一种医学图像中边缘伪影的去除方法,包括:
生成与投影图像对应的模板;
以与所述投影图像对应的滤波器对与所述投影图像对应的模板滤波以生成与所述投影图像对应的滤波模板;
基于滤波后的投影图像和与所述投影图像对应的滤波模板去除所述医学图像中的边缘伪影。
可选的,所述基于滤波后的投影图像和与所述投影图像对应的滤波模板去除所述医学图像中的边缘伪影包括:以所述滤波后的投影图像除以与所述投影图像对应的滤波模板。
可选的,所述基于滤波后的投影图像和与所述投影图像对应的滤波模板去除所述医学图像中的边缘伪影包括:
提取与所述投影图像对应的滤波模板中的边缘;
在所述滤波后的投影图像中,将所述滤波后的投影图像中的边缘除以与所述投影图像对应的滤波模板中的边缘。
可选的,基于卷积法或阈值法提取与所述投影图像对应的滤波模板中的边缘。
可选的,所述与所述投影图像对应的滤波模板为均一化的滤波模板。
可选的,均一化与所述投影图像对应的滤波模板包括:
计算与所述投影图像对应的滤波模板中非直接曝光区域像素点的灰度值平均值;
将与所述投影图像对应的滤波模板除以所述灰度值平均值以对与所述投影图像对应的滤波模板均一化。
可选的,所述滤波后的投影图像为负片。
为解决上述问题,本发明技术方案还提供一种医学图像中边缘伪影的去除装置,所述医学图像为滤波后的投影图像,所述医学图像中边缘伪影的去除装置包括:
模板生成单元,用于生成与投影图像对应的模板;
滤波单元,用于以与所述投影图像对应的滤波器对与所述投影图像对应的模板滤波以生成与所述投影图像对应的滤波模板;
去除单元,用于基于滤波后的投影图像和与所述投影图像对应的滤波模板去除所述医学图像中的边缘伪影。
与现有技术相比,本发明技术方案具有以下优点:
通过生成与投影图像对应的模板,并对该模板采用与投影图像对应的滤波器进行滤波生成与该投影图像对应的滤波模板,并基于滤波后的投影图像和与所述投影图像对应的滤波模板去除医学图像中的边缘伪影,由于在重建前去除了医学图像中的边缘伪影,因此以该医学图像进行重建后获得的医学图像的边缘不再具有边缘伪影,提高了重建后的医学图像的质量,避免了漏诊或误诊情况的发生。
进一步地,与所述投影图像对应的滤波模板为均一化的滤波模板,并提取均一化的滤波模板中的边缘,再在所述滤波后的投影图像中,将所述滤波后的投影图像中的边缘除以均一化的滤波模板中的边缘,一方面可以去除滤波后的投影图像中的边缘伪影,另一方面也保留了滤波后的投影图像中组织区域的信息,进而提高了重建后的医学图像的质量,进一步地避免了漏诊误诊情况的发生。
附图说明
图1是本发明实施方式的医学图像中边缘伪影的去除方法的流程示意图;
图2是本发明实施方式的医学图像中边缘伪影的去除装置的结构示意图。
具体实施方式
为使本发明的上述目的、特征和优点能够更为明显易懂,下面结合附图对本发明的具体实施方式做详细的说明。在以下描述中阐述了具体细节以便于充分理解本发明。但是本发明能够以多种不同于在此描述的其它方式来实施,本领域技术人员可以在不违背本发明内涵的情况下做类似推广。因此本发明不受下面公开的具体实施方式的限制。
正如现有技术中所描述的,在采用FBP法重建乳房图像时,重建后的乳房组织边缘会呈现出高亮伪影,发明人经过分析得出,目前对采集到的投影图像采用FBP法进行重建时,对投影图像进行滤波后可以增强乳房组织区域的对比度,同时乳房组织区域的细节也会更加的清晰,然而对投影图像的滤波也会导致乳房边缘灰度的剧烈变化。本领域技术人员知晓,通常在对采集到的投影图像(DBT直接采集到的投影图像为正片)进行滤波前,会先对其执行负片的操作(工作站输出给医生以供其诊断用的图像为负片),也即滤波后的投影图像为负片,对于负片而言,乳房边缘的灰度值小于乳房组织区域的灰度值,且乳房边缘是投影图像中灰度变化最剧烈的部分,由于乳房边缘所具有的结构特性,故在对投影图像进行滤波后,乳房边缘的灰度值会有所提升,导致了滤波后的投影图像边缘出现了呈高亮的边缘伪影,进而以该投影图像进行重建时,重建后的乳房图像边缘也存在高亮伪影。故,为了提高重建后的乳房图像的质量,需在重建前,将滤波后的投影图像中的边缘伪影进行去除,以提高重建后的乳房图像的质量。
参见图1,图1是本发明实施方式的医学图像中边缘伪影的去除方法的流程示意图,如图1所示,本发明实施方式的医学图像中边缘伪影的去除方法包括:
S101:生成与投影图像对应的模板;
S102:以与所述投影图像对应的滤波器对与所述投影图像对应的模板滤波以生成与所述投影图像对应的滤波模板;
S103:基于滤波后的投影图像和与所述投影图像对应的滤波模板去除所述医学图像中的边缘伪影。
以下结合DBT采集到的乳房投影图像为例对本发明实施方式的医学图像中边缘伪影的去除方法进行详细的说明,但是本发明的技术方案可适用于重建过程中经过滤波后的任何投影图像,因此,乳房图像中的边缘伪影的去除不应作为对本发明技术方案的限定。
执行S101,生成与投影图像对应的模板,医生诊断时的图像为负片,因此通常在对DBT直接采集到的投影图像进行后处理前,会先将其执行负片操作,具体的就是对DBT直接采集到的投影图像计算最大灰度值,用所述最大灰度值减去该投影图像中每一个像素点的灰度值即可对直接采集到的投影图像执行负片操作。本步中所述投影图像为负片。
本实施例中,生成的与所述投影图像对应的模板为(0,1)模板,就是对投影图像中的非直接曝光区域置1,直接曝光区域置0以生成与该投影图像对应的(0,1)模板。
执行S102,在进行重建时,对不同的投影图像会采用不同的滤波器进行滤波,故本步中,采用与该投影图像对应的滤波器对S101中生成的与该投影图像对应的(0,1)模板进行滤波以生成与所述投影图像对应的滤波模板。以DBT采集到的投影图像为31幅为例,第1幅投影图像以滤波器1进行滤波,其对应的(0,1)模板为第1幅(0,1)模板,以此类推,第31幅投影图像以滤波器31进行滤波,其对应的(0,1)模板为第31幅(0,1)模板,则执行S102就是以滤波器1对第1幅(0,1)模板进行滤波以生成与所述第1幅投影图像对应的滤波模板,以滤波器2对第2幅(0,1)模板进行滤波以生成与所述第2幅投影图像对应的滤波模板,以此类推,以滤波器31对第31幅(0,1)模板进行滤波以生成与所述第31幅投影图像对应的滤波模板。
执行S103,基于滤波后的投影图像和S102获得的与该投影图像对应的滤波模板来去除滤波后的投影图像中的边缘伪影。考虑到实际应用中,在对滤波后的投影图像去除边缘伪影的同时,也要尽可能的保证滤波后的投影图像中除边缘以外的组织区域信息不变,因此,先对与投影图像对应的滤波模板进行均一化。
本实施例中,通过如下方式对与所述投影图像对应的滤波模板进行均一化:
首先计算与所述投影图像对应的滤波模板中非直接曝光区域像素点的灰度值平均值,也即将所述非直接曝光区域的像素点的灰度值相加再除以所述非直接曝光区域的像素点的个数,然后将与所述投影图像对应的滤波模板除以计算得到的像素点的灰度值平均值以对与所述投影图像对应的滤波模板进行均一化。在对与所述投影图像对应的滤波模板均一化后,利用滤波后的投影图像和与所述投影图像对应的均一化的滤波模板去除滤波后的投影图像中的边缘伪影。具体地,本实施例中通过以下两种方式来去除滤波后的投影图像中的边缘伪影。
第一种:将滤波后的投影图像除以与该投影图像对应的均一化后的滤波模板,由前述可知,滤波后的投影图像中的边缘呈高亮,也即投影图像的边缘的灰度值在滤波后有所提升,将滤波后的投影图像除以与该投影图像对应的均一化的滤波模板,以降低投影图像边缘的灰度值,因此去除了滤波后的投影图像边缘的高亮伪影。
第二种:首先先提取与所述投影图像对应的均一化后的滤波模板中的边缘,然后在所述滤波后投影图像中,将所述滤波后的投影图像中的边缘除以与所述滤波后的投影图像对应的滤波模板中的边缘,也即对于滤波后的投影图像而言,只对其中的边缘进行处理,而滤波后的投影图像中的其他区域则保持不变。所述滤波后的投影图像中的边缘则可以通过将提取的与所述滤波后的投影图像对应的均一化的滤波模板中的边缘的位置对应到滤波后的投影图像中来获得。本实施例中,可以采用卷积法或者阈值法来提取与所述投影图像对应的均一化的滤波模板中的边缘。以下对这两种方法进行简单的说明。
对于卷积法而言,通常是利用卷积核对与所述投影图像对应的均一化后的滤波模板进行卷积,卷积核由实际应用中需要提取的边缘的宽度而定,本实施例中,卷积核可以为通过对与所述投影图像对应的均一化的滤波模板乘以卷积核可以将与所述投影图像对应的均一化的滤波模板中的高亮边缘提取出来,然后在滤波后的投影图像中,用滤波后的投影图像中的边缘除以提取出的与所述投影图像对应的均一化的滤波模板中的边缘即可去除滤波后的投影图像中的边缘伪影。实际应用中,在采用卷积法提取与所述投影图像对应的均一化的滤波模板中的边缘时,其提取的边缘的形状可以随着卷积的结果变化,或者说卷积的结果和边缘的形状是相匹配的。但是该法提取出的边缘可能会不平滑(有毛刺),还有可能有少数的边缘像素点会未被提取出,进而会导致后续重建后的图像中存在分散的高亮的像素点,因此,在采用卷积法提取与所述投影图像对应的均一化的滤波模板的过程中,还可以通过设置阈值的方式将没有提取出的边缘像素点进一步的提取出来。阈值的大小可以根据经验值而定,本实施例中设置的阈值可以为0.1,对乘以了卷积核的与所述投影图像对应的均一化的滤波模板中的像素点的灰度值的绝对值进行判断,当该像素点的灰度值的绝对值大于0.1时,确定该像素点为与所述投影图像对应的均一化的滤波模板中的边缘像素点,否则,则不是与所述投影图像对应的均一化的滤波模板中的边缘像素点。
对于阈值法而言,则是通过设置阈值的方式将与所述投影图像对应的均一化后的滤波模板中的高亮边缘进行提取,当与所述投影图像对应的均一化的滤波模板中的像素点的灰度值大于预设的阈值时,则认为该像素点为与所述投影图像对应的均一化的滤波模板中的边缘像素点,反之则不是。本实施例中,所述阈值可以根据与所述投影图像对应的均一化的滤波模板中非直接曝光区域的像素点的平均值而定,实际应用中,阈值选择的不同,提取出的与所述投影图像对应的均一化的滤波模板中的边缘的宽度也有所不同。采用阈值法提取出的与所述投影图像对应的均一化的滤波模板中的边缘较光滑,且不会遗漏与所述投影图像对应的均一化的滤波模板中边缘上高亮的像素点。
通过上述的卷积法或者阈值法提取出与所述投影图像对应的均一化的滤波模板中的边缘后,则可以在滤波后的投影图像中,将滤波后的投影图像中的边缘除以提取出的与所述投影图像对应的均一化后的滤波模板中的边缘,同样地,由上述可知与所述投影图像对应的均一化的滤波模板中的边缘呈高亮,将滤波后的投影图像中的边缘除以提取的与所述投影图像对应的均一化的滤波模板中的边缘可以降低该边缘的灰度值,此外,由于仅对滤波后的投影图像中的边缘除以了提取出的与所述投影图像对应的均一化后的滤波模板中的边缘,因此并未改变滤波后的投影图像中除边缘以外的组织区域的信息,进而保证了重建后的医学图像中,既去除了边缘伪影又未影响组织区域的信息,提高了重建后的医学图像的质量。
对应于上述的医学图像中边缘伪影的去除方法,本发明实施方式还提供一种医学图像中边缘伪影的去除装置,请参见图2,图2是本发明实施方式的医学图像中边缘伪影的去除装置的结构示意图,如图2所示所述医学图像中边缘伪影的去除装置包括:
模板生成单元10,用于生成与投影图像对应的模板;
滤波单元11,用于以与所述投影图像对应的滤波器对与所述投影图像对应的模板滤波以生成与所述投影图像对应的滤波模板;
去除单元12,用于基于滤波后的投影图像和与所述投影图像对应的滤波模板去除所述医学图像中的边缘伪影。
所述医学图像中边缘伪影的去除装置的实施参见上述的医学图像中边缘伪影的去除方法的实施,此处不再赘述。
综上所述,本发明实施方式提供的医学图像中边缘伪影的去除方法,至少具有如下有益效果:
通过生成与投影图像对应的模板,并对该模板采用与投影图像对应的滤波器进行滤波生成与该投影图像对应的滤波模板,并基于滤波后的投影图像和与所述投影图像对应的滤波模板去除医学图像中的边缘伪影,由于在重建前去除了医学图像中的边缘伪影,因此以该医学图像进行重建后获得的医学图像的边缘不再具有边缘伪影,提高了重建后的医学图像的质量,避免了漏诊或误诊情况的发生。
进一步地,与所述投影图像对应的滤波模板为均一化的滤波模板,并提取均一化的滤波模板中的边缘,再以所述滤波后的投影图像中的边缘除以均一化的滤波模板中的边缘,一方面可以去除滤波后的投影图像中的边缘伪影,另一方面也保留了滤波后的投影图像中组织区域的信息,进而提高了重建后的医学图像的质量,进一步地避免了漏诊误诊情况的发生。
本发明虽然已以较佳实施例公开如上,但其并不是用来限定本发明,任何本领域技术人员在不脱离本发明的精神和范围内,都可以利用上述揭示的方法和技术内容对本发明技术方案做出可能的变动和修改,因此,凡是未脱离本发明技术方案的内容,依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化及修饰,均属于本发明技术方案的保护范围。

Claims (8)

1.一种医学图像中边缘伪影的去除方法,所述医学图像为滤波后的投影图像,其特征在于,包括:
生成与投影图像对应的模板;
以与所述投影图像对应的滤波器对与所述投影图像对应的模板滤波以生成与所述投影图像对应的滤波模板;
基于滤波后的投影图像和与所述投影图像对应的滤波模板去除所述医学图像中的边缘伪影。
2.如权利要求1所述的医学图像中边缘伪影的去除方法,其特征在于,所述基于滤波后的投影图像和与所述投影图像对应的滤波模板去除所述医学图像中的边缘伪影包括:以所述滤波后的投影图像除以与所述投影图像对应的滤波模板。
3.如权利要求1所述的医学图像中边缘伪影的去除方法,其特征在于,所述基于滤波后的投影图像和与所述投影图像对应的滤波模板去除所述医学图像中的边缘伪影包括:
提取与所述投影图像对应的滤波模板中的边缘;
在所述滤波后的投影图像中,将所述滤波后的投影图像中的边缘除以与所述投影图像对应的滤波模板中的边缘。
4.如权利要求3所述的医学图像中边缘伪影的去除方法,其特征在于,基于卷积法或阈值法提取与所述投影图像对应的滤波模板中的边缘。
5.如权利要求2至4任一项所述的医学图像中边缘伪影的去除方法,其特征在于,所述与所述投影图像对应的滤波模板为均一化的滤波模板。
6.如权利要求5所述的医学图像中边缘伪影的去除方法,其特征在于,均一化与所述投影图像对应的滤波模板包括:
计算与所述投影图像对应的滤波模板中非直接曝光区域像素点的灰度值平均值;
将与所述投影图像对应的滤波模板除以所述灰度值平均值以对与所述投影图像对应的滤波模板均一化。
7.如权利要求1所述的医学图像中边缘伪影的去除方法,其特征在于,所述滤波后的投影图像为负片。
8.一种医学图像中边缘伪影的去除装置,所述医学图像为滤波后的投影图像,其特征在于,包括:
模板生成单元,用于生成与投影图像对应的模板;
滤波单元,用于以与所述投影图像对应的滤波器对与所述投影图像对应的模板滤波以生成与所述投影图像对应的滤波模板;
去除单元,用于基于滤波后的投影图像和与所述投影图像对应的滤波模板去除所述医学图像中的边缘伪影。
CN201610584093.6A 2016-07-22 2016-07-22 医学图像中边缘伪影的去除方法及装置 Active CN106251378B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610584093.6A CN106251378B (zh) 2016-07-22 2016-07-22 医学图像中边缘伪影的去除方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610584093.6A CN106251378B (zh) 2016-07-22 2016-07-22 医学图像中边缘伪影的去除方法及装置

Publications (2)

Publication Number Publication Date
CN106251378A CN106251378A (zh) 2016-12-21
CN106251378B true CN106251378B (zh) 2019-10-08

Family

ID=57603698

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610584093.6A Active CN106251378B (zh) 2016-07-22 2016-07-22 医学图像中边缘伪影的去除方法及装置

Country Status (1)

Country Link
CN (1) CN106251378B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109377451B (zh) * 2018-08-28 2021-05-18 深圳蓝韵医学影像有限公司 去除x射线图像滤线栅栅影的方法、终端及存储介质
CN110533738B (zh) * 2019-09-02 2021-06-18 上海联影医疗科技股份有限公司 重建数据处理方法、装置、医学成像系统及存储介质

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1640361A (zh) * 2005-01-06 2005-07-20 东南大学 多相水平集的正电子断层扫描重建方法
US7187794B2 (en) * 2001-10-18 2007-03-06 Research Foundation Of State University Of New York Noise treatment of low-dose computed tomography projections and images
CN101342081A (zh) * 2007-07-10 2009-01-14 株式会社东芝 X射线计算机断层摄影装置、重构处理装置和图像处理装置
CN101404088A (zh) * 2008-11-05 2009-04-08 华中科技大学 Ct图像重建的方法及系统
CN103390284A (zh) * 2012-05-08 2013-11-13 西门子公司 在扩展的测量场中的ct图像重建
CN105184835A (zh) * 2015-09-15 2015-12-23 上海联影医疗科技有限公司 乳腺断层图像重建方法和装置

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7187794B2 (en) * 2001-10-18 2007-03-06 Research Foundation Of State University Of New York Noise treatment of low-dose computed tomography projections and images
CN1640361A (zh) * 2005-01-06 2005-07-20 东南大学 多相水平集的正电子断层扫描重建方法
CN101342081A (zh) * 2007-07-10 2009-01-14 株式会社东芝 X射线计算机断层摄影装置、重构处理装置和图像处理装置
CN101404088A (zh) * 2008-11-05 2009-04-08 华中科技大学 Ct图像重建的方法及系统
CN103390284A (zh) * 2012-05-08 2013-11-13 西门子公司 在扩展的测量场中的ct图像重建
CN105184835A (zh) * 2015-09-15 2015-12-23 上海联影医疗科技有限公司 乳腺断层图像重建方法和装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
CT图像环形伪影校正方法研究;黄苏红;《中国优秀硕士学位论文全文数据库信息科技辑》;20110115;第25-26页 *

Also Published As

Publication number Publication date
CN106251378A (zh) 2016-12-21

Similar Documents

Publication Publication Date Title
CN109754361B (zh) 3d各向异性的混合网络:将来自2d图像的卷积特征传递到3d各向异性体积
CN108198184B (zh) 造影图像中血管分割的方法和系统
Fan et al. Multichannel fully convolutional network for coronary artery segmentation in X-ray angiograms
EP3675043B1 (en) Systems and methods for deep learning-based image reconstruction
CN108765392B (zh) 一种基于滑动窗口的消化道内镜病变检测和识别方法
Jiang et al. Low-dose CT lung images denoising based on multiscale parallel convolution neural network
CN111815766A (zh) 基于2d-dsa图像重建血管三维模型处理方法及系统
CN106530236A (zh) 一种医学图像处理方法及系统
Kim et al. Weakly-supervised progressive denoising with unpaired CT images
CN110070510A (zh) 一种基于vgg-19提取特征的cnn医学图像降噪方法
US20220138936A1 (en) Systems and methods for calcium-free computed tomography angiography
CN106251378B (zh) 医学图像中边缘伪影的去除方法及装置
Ramadhani A Review Comparative Mamography Image Analysis on Modified CNN Deep Learning Method
Gottschalk et al. View-Consistent Metal Segmentation in the Projection Domain for Metal Artifact Reduction in CBCT--An Investigation of Potential Improvement
Wu et al. Noise reduction for SD-OCT using a structure-preserving domain transfer approach
CN107274429A (zh) 用于在图像体积中分割小特征的方法
CN111325758A (zh) 肺部图像分割方法及装置、图像分割模型的训练方法
Mahmood et al. Ovary ultrasound image edge detection analysis: a tutorial using MATLAB
CN103892848B (zh) 乳腺x光图像的钙化点检测方法
Hernández-Muriel et al. Hapan: Support tool for practicing regional anesthesia in peripheral nerves
Sulaiman et al. A Convolutional Neural Network Model for Image Enhancement of Extremely Dense Breast Tissue in Digital Breast Tomosynthesis Images
CN112150426A (zh) 基于非参数核密度估计的数字乳腺层析合成摄影重建方法
Li et al. Quad-Net: Quad-domain network for CT metal artifact reduction
Chan et al. Computer-aided diagnosis of breast cancer with tomosynthesis imaging
CN114820591B (zh) 图像处理方法、装置、电子设备及介质

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
CP01 Change in the name or title of a patent holder
CP01 Change in the name or title of a patent holder

Address after: 201807 Shanghai city Jiading District Industrial Zone Jiading Road No. 2258

Patentee after: Shanghai Lianying Medical Technology Co., Ltd

Address before: 201807 Shanghai city Jiading District Industrial Zone Jiading Road No. 2258

Patentee before: SHANGHAI UNITED IMAGING HEALTHCARE Co.,Ltd.