CN106682419B - 一种医学图像参数的拟合方法和装置 - Google Patents
一种医学图像参数的拟合方法和装置 Download PDFInfo
- Publication number
- CN106682419B CN106682419B CN201611231456.4A CN201611231456A CN106682419B CN 106682419 B CN106682419 B CN 106682419B CN 201611231456 A CN201611231456 A CN 201611231456A CN 106682419 B CN106682419 B CN 106682419B
- Authority
- CN
- China
- Prior art keywords
- resolution ratio
- target image
- pixel
- image
- fitting
- 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
Links
Classifications
-
- G06F19/321—
Abstract
本发明属于医学成像领域，提供了一种医学图像参数的拟合方法和装置，以提高医学成像时参数拟合效果的稳定性。所述方法包括：确定整个医学图像中目标图像的范围；获取所述目标图像降采样时像素的拟合参数；以逐步提高分辨率的方式上采样所述目标图像并获取所述目标图像上采样时像素的拟合参数，直至分辨率达到所述整个医学图像原始的分辨率。与现有技术主观选取像素拟合参数的初值相比，本发明提供的技术方案是一种自适应调整像素拟合参数的初值的方式，其无需人工干预，从而消除了主观因素的影响，使得拟合的结果更加客观、稳定，拟合效果更加理想。
Description
技术领域
本发明属于医学成像领域，尤其涉及一种医学图像参数的拟合方法和装置。
背景技术
通过对采集的数据进行模型拟合，量化医学图像的相关参数是处理医学图像的常用手段。在模型拟合过程中，初值的选取非常重要，这是因为，不恰当的初值将有可能使拟合陷入局部极小点，或者拟合出来的参数偏离真实范围，最终导致量化错误。
然而，现有的医学图像参数的拟合方法中，相关参数的初值往往凭借研发相关人员的主观感觉来选取，这种选取方式导致结果主观性强、稳定性差，拟合出来的效果不理想。
发明内容
本发明的目的在于提供一种医学图像参数的拟合方法和装置，以提高医学成像时参数拟合效果的稳定性。
本发明第一方面提供一种医学图像参数的拟合方法，所述方法包括：
确定整体医学图像中目标图像的范围；
获取所述目标图像降采样时像素的拟合参数；
以逐步提高分辨率的方式上采样所述目标图像并获取所述目标图像上采样时像素的拟合参数，直至分辨率达到所述整个医学图像原始的分辨率。
本发明第二方面提供一种医学图像参数的拟合装置，所述装置包括：
目标范围确定模块，用于确定整个医学图像中目标图像的范围；
第一拟合参数获取模块，用于获取所述目标图像降采样时像素的拟合参数；
第二拟合参数获取模块，用于以逐步提高分辨率的方式上采样所述目标图像并获取所述目标图像上采样时像素的拟合参数，直至分辨率达到所述整个医学图像原始的分辨率。
从上述本发明技术方案可知，在确定医学整体图像中目标图像的范围，并获取目标图像降采样时像素的拟合参数后，再以逐步提高分辨率的方式上采样所述目标图像并获取所述目标图像上采样时像素的拟合参数的初值，直至分辨率达到整个医学图像原始的分辨率，由于整个医学图像的信噪比最高，因此，与现有技术主观选取像素拟合参数的初值相比，本发明提供的技术方案是一种自适应调整像素拟合参数的初值的方式，其无需人工干预，从而消除了主观因素的影响，使得拟合的结果更加客观、稳定，拟合效果更加理想。
附图说明
图1是本发明实施例一提供的医学图像参数的拟合方法的实现流程示意图；
图2是本发明实施例二提供的医学图像参数的拟合装置的结构示意图；
图3是本发明实施例三提供的医学图像参数的拟合装置的结构示意图；
图4是本发明实施例四提供的医学图像参数的拟合装置的结构示意图；
图5是本发明实施例五提供的医学图像参数的拟合装置的结构示意图；
图6-a是本发明实施例六提供的医学图像参数的拟合装置的结构示意图；
图6-b是本发明实施例七提供的医学图像参数的拟合装置的结构示意图；
图6-c是本发明实施例八提供的医学图像参数的拟合装置的结构示意图；
图6-d是本发明实施例九提供的医学图像参数的拟合装置的结构示意图。
具体实施方式
为了使本发明的目的、技术方案及有益效果更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
本发明实施例提供一种医学图像参数的拟合方法，所述方法包括：确定整体医学图像中目标图像的范围；获取所述目标图像降采样时像素的拟合参数；以逐步提高分辨率的方式上采样所述目标图像并获取所述目标图像上采样时像素的拟合参数的初值，直至分辨率达到所述整个医学图像原始的分辨率。本发明实施例还提供相应的图像参数的拟合装置。以下分别进行详细说明。
请参阅附图1，是本发明实施例一提供的医学图像参数的拟合方法的实现流程示意图，主要包括以下步骤S101至步骤S103，详细说明如下：
S101，确定整个医学图像中目标图像的范围。
在本发明实施例中，医学图像是指以人体组织为对象，通过医学成像手段得到的图像，例如，磁共振图像、超声影像等。由于并非医学图像中的所有区域都是需要研究的对象，例如，对于肾脏的医学图像，相关研究人员关注的主要是肾脏这一块，背景部分则不是相关研究人员关注的重点。因此，在本发明实施例中，可以先确定整个医学图像中目标图像的范围，具体可以是对感兴趣区域(Region Of Interest，ROI)施加掩膜，消除整个医学图像中的非目标图像的影响，如此，只剩下目标图像作为处理的对象。以肾脏的医学图像为例，可以将背景部分消除，只剩下肾脏作为处理的对象。
S102，获取目标图像降采样时像素的拟合参数。
作为本发明一个实施例，获取目标图像降采样时像素的拟合参数可以是：以1*1为分辨率降采样目标图像，并凭借经验选取以1*1为分辨率降采样目标图像时像素的拟合参数的初值，根据凭借经验选取以1*1为分辨率降采样目标图像时像素的拟合参数的初值，通过拟合算法计算目标图像1*1为分辨率降采样时像素的拟合参数，其中，拟合算法可以是最小二乘拟合算法，也可是其他的拟合算法，本发明对此不加限制。
需要说明的是，本发明实施例提供的方法中，仅在以1*1为分辨率降采样目标图像时凭借经验选取此时像素的拟合参数的初值，在后续每一次上采样(直至分辨率达到图像的原始分辨率)时像素的拟合参数的初值都是严格计算出来的，并非再凭经验选取。
S103，以逐步提高分辨率的方式上采样目标图像并获取目标图像上采样时像素的拟合参数的初值，直至分辨率达到整个医学图像原始的分辨率。
作为本发明一个实施例，以逐步提高分辨率的方式上采样所述目标图像并获取所述目标图像上采样时像素的拟合参数的初值，直至分辨率达到整个医学图像原始的分辨率可通过如下步骤S1031和S1032实现：
S1031，保存以m*n为分辨率采样目标图像时获取的像素Pm的拟合参数的初值，其中，m、n为大于或等于1的整数。
当m＝n＝1时，以m*n为分辨率采样目标图像时获取的像素Pm的拟合参数的初值就是前述实施例中提及的以1*1为分辨率降采样目标图像，并凭借经验选取以1*1为分辨率降采样目标图像时像素的拟合参数的初值。当m或n为大于1的整数，例如，m＝2，n＝1时，以m*n为分辨率采样目标图像时获取的像素Pm的拟合参数的初值，实际上是以步骤S103所述的方法获取的，在获取了以m*n为分辨率采样所述目标图像时像素Pm的拟合参数的初值后保存起来，以便后续使用。
S1032，将以m*n为分辨率采样目标图像时获取的像素Pm的拟合参数的初值替换以M*N为分辨率上采样目标图像时PM的拟合参数的值，以m*n为分辨率采样目标图像时获取的像素Pm的拟合参数的初值作为以M*N为分辨率上采样目标图像时PM的拟合参数的初值。
本发明实施例中，M和N均为整数，并且，M*N大于m*n，PM是以M*N为分辨率上采样目标图像时与紧邻以M*N为分辨率上采样目标图像之前一次以m*n为分辨率采样目标图像时像素Pm距离最近的像素。
例如，当m＝n＝1时，以m*n为分辨率采样目标图像时获取的像素Pm的拟合参数的初值，即，以1*1为分辨率降采样目标图像，并凭借经验选取以1*1为分辨率降采样目标图像时像素的拟合参数的初值为X10，当M＝2、N＝1时，紧邻以2*1为分辨率上采样目标图像之前一次采样目标图像，是以1*1为分辨率降采样目标图像，假设PM是以2*1为分辨率上采样目标图像时与以1*1为分辨率采样目标图像时像素Pm距离最近的像素，则以M*N为分辨率上采样目标图像时PM的拟合参数的初值由以1*1为分辨率采样目标图像时获取的像素Pm的拟合参数的初值X10来确定，即，以1*1为分辨率采样目标图像时获取的像素Pm的拟合参数的初值X10作为以2*1为分辨率上采样目标图像时PM的拟合参数的初值X20。
又如，当m为2、n为1时，以2*1为分辨率采样目标图像时获取的像素Pm的拟合参数的初值为X20，当M＝2、N＝2时，假设紧邻以2*2为分辨率上采样目标图像之前一次采样目标图像是以2*1为分辨率降采样目标图像，进一步假设PM是以2*2为分辨率上采样目标图像时与以2*1为分辨率采样目标图像时像素Pm距离最近的像素，则以2*2为分辨率上采样目标图像时PM的拟合参数的初值由以2*1为分辨率采样目标图像时获取的像素Pm的拟合参数的初值X20来确定，即，以2*1为分辨率采样目标图像时获取的像素Pm的拟合参数的初值X20作为以2*2为分辨率上采样目标图像时PM的拟合参数的初值X40。
还如，当m＝n＝2时，以2*2为分辨率采样目标图像时获取的像素Pm的拟合参数的初值为X40，当M＝2、N＝3时，假设紧邻以2*3为分辨率上采样目标图像之前一次采样目标图像是以2*2为分辨率降采样目标图像，进一步假设PM是以2*3为分辨率上采样目标图像时与以2*2为分辨率采样目标图像时像素Pm距离最近的像素，则以2*3为分辨率上采样目标图像时PM的拟合参数的初值由以2*2为分辨率采样目标图像时获取的像素Pm的拟合参数的初值X40来确定，即，以2*2为分辨率采样目标图像时获取的像素Pm的拟合参数的初值X40作为以2*3为分辨率上采样目标图像时PM的拟合参数的初值X60。
以此类推，逐步提高上采样的分辨率，当上采样的分辨率最终达到整个医学图像原始的分辨率时，可以获取目标图像所有像素的拟合参数的初值。
在上述本发明实施例中，还可以在确定整个医学图像中目标图像的范围时设置较大的拟合边界，以及在以逐步提高分辨率的方式上采样目标图像并获取目标图像上采样时像素的拟合参数时缩小拟合参数的边界。
从上述附图1示例的医学图像参数的拟合方法可知，在确定整个医学图像中目标图像的范围，并获取目标图像降采样时像素的拟合参数后，再以逐步提高分辨率的方式上采样目标图像并获取目标图像上采样时像素的拟合参数的初值，直至分辨率达到整个医学图像原始的分辨率，由于整个医学图像的信噪比最高，因此，与现有技术主观选取像素拟合参数的初值相比，本发明提供的技术方案是一种自适应调整像素拟合参数的初值的方式，其无需人工干预，从而消除了主观因素的影响，使得拟合的结果更加客观、稳定，拟合效果更加理想。
请参阅附图2，是本发明实施例二提供的医学图像参数的拟合装置的结构示意图。为了便于说明，附图2仅示出了与本发明实施例相关的部分。附图2示例的医学图像参数的拟合装置可以是附图1示例的医学图像参数的拟合方法的执行主体。附图2示例的医学图像参数的拟合装置主要包括目标范围确定模块201、第一拟合参数获取模块202和第二拟合参数获取模块203，其中：
目标范围确定模块201，用于确定整个医学图像中目标图像的范围。
并非图像中的所有区域都是需要研究的对象，例如，对于肾脏的医学图像，相关研究人员关注的主要是肾脏这一块，背景部分则不是相关研究人员关注的重点。因此，在本发明实施例中，可以先用目标范围确定模块201确定整个医学图像中目标图像的范围。
第一拟合参数获取模块202，用于获取目标图像降采样时像素的拟合参数。
第二拟合参数获取模块203，用于以逐步提高分辨率的方式上采样目标图像并获取目标图像上采样时像素的拟合参数的初值，直至分辨率达到个医学体图像原始的分辨率。
需要说明的是，以上附图2示例的医学图像参数的拟合装置的实施方式中，各功能模块的划分仅是举例说明，实际应用中可以根据需要，例如相应硬件的配置要求或者软件的实现的便利考虑，而将上述功能分配由不同的功能模块完成，即将所述医学图像参数的拟合装置的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。而且，实际应用中，本实施例中的相应的功能模块可以是由相应的硬件实现，也可以由相应的硬件执行相应的软件完成，例如，前述的目标范围确定模块，可以是具有执行前述确定整个医学图像中目标图像的范围的硬件，例如目标范围确定器，也可以是能够执行相应计算机程序从而完成前述功能的一般处理器或者其他硬件设备；再如前述的第一拟合参数获取模块，可以是执行获取目标图像降采样时像素的拟合参数的硬件，例如第一拟合参数获取器，也可以是能够执行相应计算机程序从而完成前述功能的一般处理器或者其他硬件设备(本说明书提供的各个实施例都可应用上述描述原则)。
附图2示例的目标范围确定模块201可以包括掩膜施加单元301，如附图3所示本发明实施例三提供的医学图像参数的拟合装置。掩膜施加单元301用于对感兴趣区域ROI施加掩膜，消除整个医学图像中的非目标图像的影响。以肾脏的医学图像为例，掩膜施加单元301可以对包括肾脏的整个医学图像施加掩膜，将背景部分消除，只剩下肾脏作为处理的对象。
附图2示例的第一拟合参数获取模块202可以包括选取单元401和计算单元402，如附图4所示本发明实施例四提供的医学图像参数的拟合装置，其中：
选取单元401，用于以1*1为分辨率降采样目标图像，并凭借经验选取以1*1为分辨率降采样目标图像时像素的拟合参数的初值。
计算单元402，用于根据以1*1为分辨率降采样目标图像，并凭借经验选取以1*1为分辨率降采样目标图像时像素的拟合参数的初值，通过拟合算法计算目标图像1*1为分辨率降采样时像素的拟合参数，其中，拟合算法可以是最小二乘拟合算法，也可是其他的拟合算法，本发明对此不加限制。
需要说明的是，在本发明实施例中，选取单元401仅在以1*1为分辨率降采样目标图像时凭借经验选取此时像素的拟合参数的初值，在后续每一次上采样(直至分辨率达到图像的原始分辨率)时像素的拟合参数的初值都是严格计算出来的，并非再凭经验选取。
附图2示例的第二拟合参数获取模块203可以包括保存单元501和替换单元502，如附图5所示本发明实施例五提供的图像参数的拟合装置，其中：
保存单元501，用于保存以m*m为分辨率采样目标图像时获取的像素Pm的拟合参数的初值，此处，m为大于或等于1的整数。
当m＝n＝1时，第一拟合参数获取模块202以m*n为分辨率采样目标图像时获取的像素Pm的拟合参数的初值就是前述实施例中提及的以1*1为分辨率降采样目标图像，并凭借经验选取以1*1为分辨率降采样目标图像时像素的拟合参数的初值。当m或n为大于1的整数，例如，m＝2，n＝1时，以m*n为分辨率采样目标图像时获取的像素Pm的拟合参数的初值，实际上是第二拟合参数获取模块203获取的，在获取了以m*n为分辨率采样所述目标图像时像素Pm的拟合参数的初值后，保存单元501将其保存起来，以便后续使用。
替换单元502，用于将以m*m为分辨率采样目标图像时获取的像素Pm的拟合参数的初值替换以M*M为分辨率上采样目标图像时PM的拟合参数的值，以m*m为分辨率采样目标图像时获取的像素Pm的拟合参数的初值作为以M*M为分辨率上采样目标图像时PM的拟合参数的初值。本发明实施例中，M和N均为整数，并且，M*N大于m*n，PM是以M*N为分辨率上采样目标图像时与紧邻以M*N为分辨率上采样目标图像之前一次以m*n为分辨率采样目标图像时像素Pm距离最近的像素。
例如，当m＝n＝1时，第一拟合参数获取模块202以m*n为分辨率采样目标图像时获取的像素Pm的拟合参数的初值，即，选取单元401以1*1为分辨率降采样目标图像，并凭借经验选取以1*1为分辨率降采样目标图像时像素的拟合参数的初值为X10，当M＝2、N＝1时，紧邻以2*1为分辨率上采样目标图像之前一次采样目标图像，是以1*1为分辨率降采样目标图像，假设PM是以2*1为分辨率上采样目标图像时与以1*1为分辨率采样目标图像时像素Pm距离最近的像素，则以M*N为分辨率上采样目标图像时PM的拟合参数的初值由以1*1为分辨率采样目标图像时获取的像素Pm的拟合参数的初值X10来确定，即，替换单元502以1*1为分辨率采样目标图像时获取的像素Pm的拟合参数的初值X10作为以2*1为分辨率上采样目标图像时PM的拟合参数的初值X20。
又如，当m为2、n为1时，第二拟合参数获取模块203以2*1为分辨率采样目标图像时获取的像素Pm的拟合参数的初值为X20，当M＝2、N＝2时，假设紧邻以2*2为分辨率上采样目标图像之前一次采样目标图像是以2*1为分辨率降采样目标图像，进一步假设PM是以2*2为分辨率上采样目标图像时与以2*1为分辨率采样目标图像时像素Pm距离最近的像素，则以2*2为分辨率上采样目标图像时PM的拟合参数的初值由以2*1为分辨率采样目标图像时获取的像素Pm的拟合参数的初值X20来确定，即，替换单元502以2*1为分辨率采样目标图像时获取的像素Pm的拟合参数的初值X20作为以2*2为分辨率上采样目标图像时PM的拟合参数的初值X40。
还如，当m＝n＝2时，第一拟合参数获取模块202以2*2为分辨率采样目标图像时获取的像素Pm的拟合参数的初值为X40，当M＝2、N＝3时，假设紧邻以2*3为分辨率上采样目标图像之前一次采样目标图像是以2*2为分辨率降采样目标图像，进一步假设PM是以2*3为分辨率上采样目标图像时与以2*2为分辨率采样目标图像时像素Pm距离最近的像素，则以2*3为分辨率上采样目标图像时PM的拟合参数的初值由以2*2为分辨率采样目标图像时获取的像素Pm的拟合参数的初值X40来确定，即，替换单元502以2*1为分辨率采样目标图像时获取的像素Pm的拟合参数的初值X40作为以2*3为分辨率上采样目标图像时PM的拟合参数的初值X60。
以此类推，逐步提高上采样的分辨率，当上采样的分辨率最终达到整个医学图像原始的分辨率时，可以获取目标图像所有像素的拟合参数的初值。
附图2至5任一示例的图像参数的拟合装置还可以包括第一设置模块601和第二设置模块602，如附图6-a至6-d所示本发明实施例六至九提供的图像参数的拟合装置，其中：
第一设置模块601，用于在目标范围确定模块201确定整个医学图像中目标图像的范围时设置较大的拟合边界；
第二设置模块602，用于在第二拟合参数获取模块203以逐步提高分辨率的方式上采样目标图像并获取目标图像上采样时像素的拟合参数时缩小拟合参数的边界。
需要说明的是，上述装置各模块/单元之间的信息交互、执行过程等内容，由于与本发明方法实施例基于同一构思，其带来的技术效果与本发明方法实施例相同，具体内容可参见本发明方法实施例中的叙述，此处不再赘述。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序可以存储于一计算机可读存储介质中，存储介质可以包括：只读存储器(ROM，Read Only Memory)、随机存取存储器(RAM，RandomAccess Memory)、磁盘或光盘等。
以上对本发明实施例所提供的医学图像参数的拟合方法和装置进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。
Claims (10)
1.一种医学图像参数的拟合方法，其特征在于，所述方法包括：
确定整个医学图像中目标图像的范围；
获取所述目标图像降采样时像素的拟合参数；
以逐步提高分辨率的方式上采样所述目标图像并获取所述目标图像上采样时像素的拟合参数的初值，直至分辨率达到所述整个医学图像原始的分辨率。
2.如权利要求1所述的方法，其特征在于，所述确定整个医学图像中目标图像的范围包括：对感兴趣区域ROI施加掩膜，消除所述整个医学图像中的非目标图像的影响。
3.如权利要求1所述的方法，其特征在于，所述获取所述目标图像降采样时像素的拟合参数，包括：
以1*1为分辨率降采样所述目标图像，并凭借经验选取以1*1为分辨率降采样所述目标图像时像素的拟合参数的初值；
根据所述像素的拟合参数的初值，通过拟合算法计算所述目标图像1*1为分辨率降采样时像素的拟合参数。
4.如权利要求1所述的方法，其特征在于，所述以逐步提高分辨率的方式上采样所述目标图像并获取所述目标图像上采样时像素的拟合参数的初值，直至分辨率达到所述整个医学图像原始的分辨率，包括：
当m＝n＝1时，保存以m*n为分辨率下采样所述目标图像时获取的像素Pm的拟合参数的初值，当m、n中的一个大于1时，保存以m*n为分辨率上采样所述目标图像时获取的像素Pm的拟合参数的初值，所述m、n为大于或等于1的整数；
将所述像素Pm的拟合参数的初值替换以M*N为分辨率上采样所述目标图像时PM的拟合参数的值，以所述像素Pm的拟合参数的初值作为以M*N为分辨率上采样所述目标图像时PM的拟合参数的初值，所述M、N均为正整数，并且M*N大于所述m*n，所述PM是以M*N为分辨率上采样所述目标图像时与紧邻以M*N为分辨率上采样所述目标图像之前一次以m*n为分辨率采样所述目标图像时像素Pm距离最近的像素。
5.如权利要求1至4任意一项所述的方法，其特征在于，所述方法还包括：
在确定整个医学图像中目标图像的范围时设置较大的拟合边界；以及
在以逐步提高分辨率的方式上采样所述目标图像并获取所述目标图像上采样时像素的拟合参数时缩小拟合参数的边界。
6.一种医学图像参数的拟合装置，其特征在于，所述装置包括：
目标范围确定模块，用于确定整个医学图像中目标图像的范围；
第一拟合参数获取模块，用于获取所述目标图像降采样时像素的拟合参数；
第二拟合参数获取模块，用于以逐步提高分辨率的方式上采样所述目标图像并获取所述目标图像上采样时像素的拟合参数的初值，直至分辨率达到所述整个医学图像原始的分辨率。
7.如权利要求6所述的装置，其特征在于，所述目标范围确定模块包括：
掩膜施加单元，用于对感兴趣区域ROI施加掩膜，消除所述整个医学图像中的非目标图像的影响。
8.如权利要求6所述的装置，其特征在于，所述第一拟合参数获取模块包括：
选取单元，用于以1*1为分辨率降采样所述目标图像，并凭借经验选取以1*1为分辨率降采样所述目标图像时像素的拟合参数的初值；
计算单元，用于根据所述像素的拟合参数的初值，通过拟合算法计算所述目标图像1*1为分辨率降采样时像素的拟合参数。
9.如权利要求6所述的装置，其特征在于，所述第二拟合参数获取模块包括：
保存单元，用于在m＝n＝1时，保存以m*n为分辨率下采样所述目标图像时获取的像素Pm的拟合参数的初值，在m、n中的一个大于1时，保存以m*n为分辨率上采样所述目标图像时获取的像素Pm的拟合参数的初值，所述m、n为大于或等于1的整数；
替换单元，用于将所述像素Pm的拟合参数的初值替换以M*N为分辨率上采样所述目标图像时PM的拟合参数的值，以所述像素Pm的拟合参数的初值作为以M*N为分辨率上采样所述目标图像时PM的拟合参数的初值，所述M、N均为正整数，并且M*N大于所述m*n，所述PM是以M*N为分辨率上采样所述目标图像时与紧邻以M*N为分辨率上采样所述目标图像之前一次以m*n为分辨率采样所述目标图像时像素Pm距离最近的像素。
10.如权利要求6至9任意一项所述的装置，其特征在于，所述装置还包括：
第一设置模块，用于在确定整个医学图像中目标图像的范围时设置较大的拟合边界；
第二设置模块，用于在以逐步提高分辨率的方式上采样所述目标图像并获取所述目标图像上采样时像素的拟合参数时缩小拟合参数的边界。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201611231456.4A CN106682419B (zh) | 2016-12-27 | 2016-12-27 | 一种医学图像参数的拟合方法和装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201611231456.4A CN106682419B (zh) | 2016-12-27 | 2016-12-27 | 一种医学图像参数的拟合方法和装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN106682419A CN106682419A (zh) | 2017-05-17 |
| CN106682419B true CN106682419B (zh) | 2019-05-07 |
Family
ID=58872049
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201611231456.4A Active CN106682419B (zh) | 2016-12-27 | 2016-12-27 | 一种医学图像参数的拟合方法和装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN106682419B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113495239B (zh) * | 2020-03-20 | 2022-10-28 | 上海联影医疗科技股份有限公司 | 医学图像的成像方法、装置和系统 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1716373A (zh) * | 2004-06-14 | 2006-01-04 | 创世纪微芯片公司 | 通过帧速率控制减少液晶显示器模糊 |
| CN101710416A (zh) * | 2009-12-07 | 2010-05-19 | 中国科学院新疆生态与地理研究所 | 多目标遥感图像云的处理方法 |
| CN101833764B (zh) * | 2010-04-29 | 2012-04-25 | 上海交通大学 | 胸腺切片多尺度图像分割方法 |
| CN101778275B (zh) * | 2009-01-09 | 2012-05-02 | 深圳市融创天下科技股份有限公司 | 一种自适应时间域和空间域分辨率框架的图像处理方法 |
| CN103295219A (zh) * | 2012-03-02 | 2013-09-11 | 北京数码视讯科技股份有限公司 | 图像分割的方法与装置 |
| CN104794504A (zh) * | 2015-04-28 | 2015-07-22 | 浙江大学 | 基于深度学习的图形图案文字检测方法 |
-
2016
- 2016-12-27 CN CN201611231456.4A patent/CN106682419B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1716373A (zh) * | 2004-06-14 | 2006-01-04 | 创世纪微芯片公司 | 通过帧速率控制减少液晶显示器模糊 |
| CN101778275B (zh) * | 2009-01-09 | 2012-05-02 | 深圳市融创天下科技股份有限公司 | 一种自适应时间域和空间域分辨率框架的图像处理方法 |
| CN101710416A (zh) * | 2009-12-07 | 2010-05-19 | 中国科学院新疆生态与地理研究所 | 多目标遥感图像云的处理方法 |
| CN101833764B (zh) * | 2010-04-29 | 2012-04-25 | 上海交通大学 | 胸腺切片多尺度图像分割方法 |
| CN103295219A (zh) * | 2012-03-02 | 2013-09-11 | 北京数码视讯科技股份有限公司 | 图像分割的方法与装置 |
| CN104794504A (zh) * | 2015-04-28 | 2015-07-22 | 浙江大学 | 基于深度学习的图形图案文字检测方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN106682419A (zh) | 2017-05-17 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Krull et al. | Noise2void-learning denoising from single noisy images | |
| Tanno et al. | Bayesian image quality transfer with CNNs: exploring uncertainty in dMRI super-resolution | |
| Dangi et al. | A distance map regularized CNN for cardiac cine MR image segmentation | |
| Wu et al. | Fast end-to-end trainable guided filter | |
| CN110689548B (zh) | 一种医学图像分割方法、装置、设备及可读存储介质 | |
| US11610346B2 (en) | Image reconstruction using machine learning regularizers | |
| Zhu et al. | How can we make GAN perform better in single medical image super-resolution? A lesion focused multi-scale approach | |
| You et al. | Bootstrapping semi-supervised medical image segmentation with anatomical-aware contrastive distillation | |
| WO2020118618A1 (zh) | 一种乳腺肿块图像识别方法及装置 | |
| CN109492668B (zh) | 基于多通道卷积神经网络的mri不同期多模图像表征方法 | |
| Ghimire et al. | Generative modeling and inverse imaging of cardiac transmembrane potential | |
| Tobon‐Gomez et al. | Realistic simulation of cardiac magnetic resonance studies modeling anatomical variability, trabeculae, and papillary muscles | |
| Khalighi et al. | Multi-resolution geometric modeling of the mitral heart valve leaflets | |
| CN112862805A (zh) | 听神经瘤图像自动化分割方法及系统 | |
| Han et al. | Cerebellum parcellation with convolutional neural networks | |
| Zhang et al. | Rapid surface registration of 3D volumes using a neural network approach | |
| CN106682419B (zh) | 一种医学图像参数的拟合方法和装置 | |
| Manimala et al. | Sparse MR image reconstruction considering Rician noise models: A CNN approach | |
| Liu et al. | Degradation-invariant enhancement of fundus images via pyramid constraint network | |
| US20210110520A1 (en) | Method and system for simulating and constructing original medical images from one modality to other modality | |
| Ghimire et al. | Improving generalization of deep networks for inverse reconstruction of image sequences | |
| CN114187235A (zh) | 一种对伪影不敏感的医学图像的形变场提取方法和配准方法和装置 | |
| Joutard et al. | Permutohedral attention module for efficient non-local neural networks | |
| Haouchine et al. | Estimation of high framerate digital subtraction angiography sequences at low radiation dose | |
| Beetz et al. | Point2Mesh-Net: Combining point cloud and mesh-based deep learning for cardiac shape reconstruction |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20200828 Address after: 518000 b714, Shenzhen Institute of advanced technology, Chinese Academy of Sciences, 1068 Xueyuan Avenue, Taoyuan Street, Nanshan District, Shenzhen City, Guangdong Province Patentee after: Shenzhen National Research Institute of high performance Medical Devices Co.,Ltd. Address before: 1068 No. 518055 Guangdong city in Shenzhen Province, Nanshan District City Xili University School Avenue Patentee before: Shenzhen shen-tech advanced Cci Capital Ltd. Effective date of registration: 20200828 Address after: 1068 No. 518055 Guangdong city in Shenzhen Province, Nanshan District City Xili University School Avenue Patentee after: Shenzhen shen-tech advanced Cci Capital Ltd. Address before: 1068 No. 518055 Guangdong city in Shenzhen Province, Nanshan District City Xili University School Avenue Patentee before: SHENZHEN INSTITUTES OF ADVANCED TECHNOLOGY |
|
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20220428 Address after: 518000 A704, building 1, Yinxing Zhijie phase II, No. 1301-76, sightseeing Road, Xinlan community, Guanlan street, Longhua District, Shenzhen, Guangdong Patentee after: Shenzhen guochuanghuikang Medical Device Technology Co.,Ltd. Address before: B714, Shenzhen Institute of advanced technology, Chinese Academy of Sciences, 1068 Xueyuan Avenue, Taoyuan Street, Nanshan District, Shenzhen, Guangdong 518000 Patentee before: Shenzhen National Research Institute of high performance Medical Devices Co.,Ltd. |
|
| TR01 | Transfer of patent right |