CN107784623B - X射线成像设备的图像处理方法及装置 - Google Patents

X射线成像设备的图像处理方法及装置 Download PDF

Info

Publication number
CN107784623B
CN107784623B CN201610786944.5A CN201610786944A CN107784623B CN 107784623 B CN107784623 B CN 107784623B CN 201610786944 A CN201610786944 A CN 201610786944A CN 107784623 B CN107784623 B CN 107784623B
Authority
CN
China
Prior art keywords
displacement vector
images
registration
error
ray imaging
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
CN201610786944.5A
Other languages
English (en)
Other versions
CN107784623A (zh
Inventor
王德军
曲彦龄
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.)
General Electric Co
Original Assignee
General Electric Co
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 General Electric Co filed Critical General Electric Co
Priority to CN201610786944.5A priority Critical patent/CN107784623B/zh
Priority to GB1621250.8A priority patent/GB2553384B/en
Priority to US15/381,510 priority patent/US10089747B2/en
Publication of CN107784623A publication Critical patent/CN107784623A/zh
Application granted granted Critical
Publication of CN107784623B publication Critical patent/CN107784623B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • G06T7/344—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods involving models
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00—Geometric image transformations in the plane of the image
    • G06T3/14—Transformations for image registration, e.g. adjusting or mapping for alignment of images
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00—Geometric image transformations in the plane of the image
    • G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
    • A61B6/5211—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data
    • A61B6/5229—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data combining image data of a patient, e.g. combining a functional image with an anatomical image
    • A61B6/5235—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data combining image data of a patient, e.g. combining a functional image with an anatomical image combining images from the same or different ionising radiation imaging techniques, e.g. PET and CT
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
    • A61B6/5211—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data
    • A61B6/5229—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data combining image data of a patient, e.g. combining a functional image with an anatomical image
    • A61B6/5235—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data combining image data of a patient, e.g. combining a functional image with an anatomical image combining images from the same or different ionising radiation imaging techniques, e.g. PET and CT
    • A61B6/5241—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data combining image data of a patient, e.g. combining a functional image with an anatomical image combining images from the same or different ionising radiation imaging techniques, e.g. PET and CT combining overlapping images of the same imaging modality, e.g. by stitching
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G06F18/2411—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
    • 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
    • G06T7/35—Determination of transform parameters for the alignment of images, i.e. image registration using statistical methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2200/00—Indexing scheme for image data processing or generation, in general
    • G06T2200/32—Indexing scheme for image data processing or generation, in general involving image mosaicing
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20081—Training; Learning
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20212—Image combination
    • G06T2207/20221—Image fusion; Image merging
    • 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
    • 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)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Probability & Statistics with Applications (AREA)
  • High Energy & Nuclear Physics (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Veterinary Medicine (AREA)
  • Biophysics (AREA)
  • Public Health (AREA)
  • Data Mining & Analysis (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Optics & Photonics (AREA)
  • Pathology (AREA)
  • Radiology & Medical Imaging (AREA)
  • Biomedical Technology (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • General Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Apparatus For Radiation Diagnosis (AREA)
  • Image Processing (AREA)
  • Image Analysis (AREA)

Abstract

本发明提供了一种X射线成像设备的图像处理方法及装置，该方法包括以下步骤：计算已自动配准的两幅第一图像之间的相对位移作为第一位移向量；计算分别对上述两幅第一图像进行成像曝光时上述X射线成像设备上的位置传感器反馈的位置信息的差作为第二位移向量；计算上述第一位移向量相对于上述第二位移向量的第一误差；根据预先存储的训练模型计算上述第一误差所对应的配准水平，上述训练模型是：多个第三位移向量和对应的多个第四位移向量之间的第二误差的数学分布模型；以及，在上述已自动配准的两幅第一图像上标注上述配准水平。

Description

X射线成像设备的图像处理方法及装置
技术领域
本发明涉及X射线成像领域，尤其涉及一种X射线成像设备的图像处理方法及装置。
背景技术
在例如医用X光机的X射线成像系统中，成像范围受到X射线探测器尺寸的限制，往往无法在同一张图像上呈现所需要的对象信息，因此，现有技术中提出了图像拼接技术，通过该技术可以获取更大视野场的图像，以满足成像需求。
然而，现有的图像拼接技术在实际操作中存在一些问题，例如，现有的图像拼接技术需要过多地依靠医生的个人经验来判断是否存在拼接误差并确定存在误差的具体位置，这种方式不能保证图像拼接的准确性，并且，通过医生的个人经验进行判断，也会花费较大的时间和精力，降低了工作效率。
因此，需要提供一种新的X射线成像设备的图像处理方法及装置，能够提升图像拼接的准确性并帮助医生提升工作效率。
发明内容
本发明的一个目的在于提供一种能够提升图像配准的准确性的X射线成像设备的图像处理方法及装置。
本发明的示例性实施例提供了一种X射线成像设备的图像处理方法，包括以下步骤：
计算已自动配准的两幅第一图像之间的相对位移作为第一位移向量；
计算分别对上述两幅第一图像进行成像曝光时上述X射线成像设备上的位置传感器反馈的位置信息的差作为第二位移向量；
计算上述第一位移向量相对于上述第二位移向量的第一误差；
根据预先存储的训练模型计算上述第一误差所对应的配准水平，上述配准水平表示对上述两幅第一图像进行的上述自动配准的准确程度，其中，上述训练模型是：多个第三位移向量和对应的多个第四位移向量之间的第二误差的数学分布模型；每个第三位移向量表示在一次图像配准中记录的经配准后的两幅第二图像之间的位移向量；每个第四位移向量表示分别对对应的上述两幅第二图像进行成像曝光时上述X射线成像设备上的位置传感器反馈的位置信息的差；以及，
在上述已自动配准的两幅第一图像上标注上述配准水平。
本发明的示例性实施例还提供了一种X射线成像设备的图像处理装置，包括第一位移向量获取模块、第二位移向量获取模块、误差计算模块、配准水平计算模块以及标注模块。
第一位移向量获取模块，用于根据已自动配准的两幅第一图像之间的相对位移获取第一位移向量；
第二位移向量获取模块，用于从上述X射线成像设备的位置传感器读取第二位移向量；
误差计算模块，用于计算上述第一位移向量相对于上述第二位移向量的第一误差；
配准水平计算模块，用于根据预先存储的训练模型计算上述第一误差所对应的配准水平，上述配准水平表示对上述两幅第一图像进行的上述自动配准的准确程度，其中，上述训练模型是：多个第三位移向量和对应的多个第四位移向量之间的第二误差的数学分布模型；每个第三位移向量表示在一次图像配准中记录的经配准后的两幅第二图像之间的位移向量；每个第四位移向量表示分别对对应的上述两幅第二图像进行成像曝光时上述X射线成像设备上的位置传感器反馈的位置信息的差；以及，
标注模块，用于对上述已配准的两幅图像的配准水平进行标注。
通过下面的详细描述、附图以及权利要求，其他特征和方面会变得清楚。
附图说明
通过结合附图对于本发明的示例性实施例进行描述，可以更好地理解本发明，在附图中：
图1为本发明一个实施例提供的X射线成像设备的图像处理方法的流程图；
图2为根据图1中的图像处理方法进行图像拼接的示意图；
图3为本发明一个示例中的训练模型的曲线示意图；
图4为本发明一个示例中对图像的配准水平进行标注的示意图；
图5为本发明一个实施例中提供的X射线成像设备的图像处理装置的框图；
图6为本发明另一个实施例中提供的X射线成像设备的图像处理装置的框图。
具体实施方式
以下将描述本发明的具体实施方式，需要指出的是，在这些实施方式的具体描述过程中，为了进行简明扼要的描述，本说明书不可能对实际的实施方式的所有特征均作详尽的描述。应当可以理解的是，在任意一种实施方式的实际实施过程中，正如在任意一个工程项目或者设计项目的过程中，为了实现开发者的具体目标，为了满足系统相关的或者商业相关的限制，常常会做出各种各样的具体决策，而这也会从一种实施方式到另一种实施方式之间发生改变。此外，还可以理解的是，虽然这种开发过程中所作出的努力可能是复杂并且冗长的，然而对于与本发明公开的内容相关的本领域的普通技术人员而言，在本公开揭露的技术内容的基础上进行的一些设计，制造或者生产等变更只是常规的技术手段，不应当理解为本公开的内容不充分。
除非另作定义，权利要求书和说明书中使用的技术术语或者科学术语应当为本发明所属技术领域内具有一般技能的人士所理解的通常意义。本发明专利申请说明书以及权利要求书中使用的“第一”、“第二”以及类似的词语并不表示任何顺序、数量或者重要性，而只是用来区分不同的组成部分。“一个”或者“一”等类似词语并不表示数量限制，而是表示存在至少一个。“包括”或者“包含”等类似的词语意指出现在“包括”或者“包含”前面的元件或者物件涵盖出现在“包括”或者“包含”后面列举的元件或者物件及其等同元件，并不排除其他元件或者物件。“连接”或者“相连”等类似的词语并非限定于物理的或者机械的连接，也不限于是直接的还是间接的连接。
图1为本发明一个实施例提供的X射线成像设备的图像处理方法的流程图，图2为根据图1中的图像处理方法进行图像拼接的示意图。如图1所示，该方法包括第一位移向量获取步骤S11、第二位移向量获取步骤S13、误差获取步骤S15、配准水平确定步骤S17以及标注步骤S19。
如图1、图2所示，第一位移向量获取步骤S11可以包括：计算已自动配准的两幅第一图像I1、I2之间的相对位移作为第一位移向量V1。
上述两幅第一图像I1、I2可以为：在进行连续的两次X射线曝光后获取的图像，例如，可以是X射线球管在转动的过程中连续两次曝光后获取的被检测对象的相邻部位的图像，或者是X射线探测器在移动地过程中连续生成的两幅图像，该两幅第一图像I1、I2之间可以具有预定宽度的重叠区域。
上述的“自动配准”可以是通过现有公开或处于保密的任何一种图像配准技术对该第一图像I1、I2进行的配准，也可以是通过任何一种未知的技术对该第一图像I1、I2进行的图像配准。
如图2所示，第一图像I2相对于第一图像I1具有相对位移，本领域技术人员应当理解，采用现有的图像配准技术，是可以通过图像在三维坐标中的位置信息获取该相对位移的，例如，可以通过计算第一图像I1、I2的重叠区域中的同一像素点P分别在第一图像I1、I2中所处的位置差来获取第一图像I2相对于第一图像I1具有相对位移，以作为第一位移向量V1。上述第一位移向量V1可以通过以下方式进行描述，例如(-1，-20)，其中，“-1”可以为沿水平方向(X轴)的相对位移，-20可以为沿竖直方向(Y轴)的相对位移。
第二位移向量获取步骤S13可以包括：计算分别对该两幅第一图像I1、I2进行成像曝光时X射线成像设备上的位置传感器反馈的位置信息的差作为第二位移向量V2。
上述位置传感器可以设置在X射线球管上，并可以用于反馈X射线球管在进行X射线曝光时的位置信息；上述位置传感器还可以设置在X射线探测器上，并可以用于反馈X射线探测器在接收曝光的X射线时的位置信息，该第二位移向量V2具体可以描述为：例如，(2,0)，其中“2”为沿水平方向(X轴)的位置信息的差，“0”为沿竖直方向(Y轴)的位置信息的差。
误差获取步骤S15可以包括：计算该第一位移向量V1相对于上述第二位移向量V2的第一误差E1。
可选地，在误差获取步骤S15中，该第一误差E1可以通过多种方式获得，例如，可以直接将第一位移向量V1和第二位移向量V2的差作为第一误差E1，即E1＝V1-V2；也可以将第一位移向量V1相对于第二位移向量V2在X轴和Y轴上差的平方和根值作为第一误差E1，即：
Figure BDA0001106850730000051
配准水平确定步骤S17可以包括：根据预先存储的训练模型计算上述第一误差E1所对应的配准水平，该配准水平表示对上述两幅第一图像I1、I2进行的自动配准的准确程度。其中，上述训练模型可以是：多个第三位移向量和对应的多个第四位移向量之间的第二误差的数学分布模型。每个第三位移向量可以表示：在一次图像配准中记录的经配准后的两幅第二图像、之间的位移向量；每个第四位移向量可以表示：分别对对应的该两幅第二图像、进行成像曝光时X射线成像设备上的位置传感器反馈的位置信息的差。上述第二图像、可以为：在进行连续的两次X射线曝光后获取的图像。
与第一误差E1对应，该第二误差可以为第三位移向量和第四位移向量的差，也可以为第三位移向量相对于第四位移向量在X轴和Y轴上差的平方和根值。
为了建立上述训练模型，可以针对一对第二图像、，在由医师对其进行图像配准(可以为由医师操作的自动配准，也可以为由医师操作的手动的校正)后，记录当前图像(例如第二图像)相对于前一副图像(例如第二图像)的位移向量以作为一个第三位移向量，并且获取X射线成像设备上的位置传感器反馈的对一对第二图像、进行成像曝光时的位置信息的差以作为一个第四位移向量，如此，通过在大量的图像配准中获取第三位移向量和对应的第四位移向量的差作为第二误差，可以获得大量的第二误差的值，该大量的第二误差的数学分布模型即可作为上述训练模型。例如，第二误差的数学分布模型可以是如图3所示的高斯分布模型。
如图3所示，该高斯分布模型可以描述为：X～N(μ,σ2)，其中，X代表第二误差的变量，μ为期望的误差值，本实施例中，μ可以为0；σ为高斯分布模型的标准差，即西格玛值，其代表高斯分布模型的数据分布幅度，即第二误差的分布幅度。
可以根据与第一图像I1、I2相关的第一误差E1与该训练模型的接近期望值的程度来衡量第一图像I1、I2的配准水平。
在一种实施例中，上述配准水平可以为高斯分布模型的西格玛(σ)水平。众所周知，高斯分布模型的西格玛水平能够表示该分布模型下的数据值接近中心值(平均值)的程度，西格玛水平越大，其分布的数据值越接近中心值，西格玛水平越小，其分布的数据值越远离中心值。
可选地，在上述配准水平确定步骤S17中，可以通过以下方式确定两幅第一图像I1、I2的自动配准的配准水平：
将第一位移向量V1相对于第二位移向量V2的第一误差E1除以高斯分布模型的西格玛值(σ)，以得到该第一误差E1在高斯分布模型中的西格玛水平，例如，可以通过以下公式计算上述西格玛水平：
L＝(E1-μ)/σ；
上式中，L为第一误差E1在高斯分布模型中的西格玛水平，μ＝0。
该高斯分布模型的西格玛水平作为高斯分布模型中西格玛值()的倍数，即为上述已自动配准的两幅第一图像I1、I2的配准水平。
标注步骤S19可以包括：在已自动配准的两幅第一图像I1、I2上标注上述配准水平。作为一个示例，可以在该两幅第一图像I1、I2的重叠区域进行标注，也可以在显示区域的其它位置进行标注。作为另一个示例，可以将上述配准水平分为若干等级，并以不同的颜色、形状、或符号来表示上述等级。作为另一个示例，可以预先设定配准水平的一个或多个阈值范围，仅在配准水平处于其中一个阈值范围的情况下进行标注。
可选地，在计算第一位移向量的步骤S11之前还可以包括确定一个或多个配准水平的阈值范围的步骤；上述标注步骤S19可以包括：针对处于相同的阈值范围内的配准水平，采用相同的标注方式。
可选地，上述配准水平的阈值范围包括第一阈值范围、第二阈值范围和第三阈值范围，第二阈值范围表示的自动配准的准确程度大于第一阈值范围表示的自动配准的准确程度并小于第三阈值范围表示的自动配准的准确程度。
图4为本发明一个示例中对图像的配准水平进行标注的示意图，如图4所示，在该示例中，可设定至少两个配准水平的阈值“1”和“3”以及相应的第一阈值范围“小于1”、第二阈值范围“大于或等于1并小于或等于3”，第三阈值范围“大于3”；当获取的西格玛水平大于3(如图4所示的3.6σ)时，判定相应的第一图像I1、I2的配准水平不合格，则在该相应的第一图像I1、I2的重叠区域(配准区域)处以红色竖杠进行标注；当获取的西格玛水平在1和3之间，则判定相应的第一图像I1、I2的配准水平合格，可以以黄色竖杠进行标注；当获取的西格玛水平小于1(图4所示的0.5σ、0.9σ、0.2σ、0.4σ)，则判定相应的第一图像I1、I2的配准水平良好，可以以绿色竖杠进行标注。
通过对自动配准的配准水平进行标注，可以将自动配准的准确程度直观地呈现给医师，以供医师进行参考，便于排查和纠正配准错误，提高了图像配准的效率。
由以上描述可知，第一位移向量V1和第二位移向量V2可以同时包括两个第一图像沿水平方向的相对位移和沿竖直方向的相对位移，在其它实施方式中，第一位移向量V1和第二位移向量V2也可以仅包括沿水平方向的相对位移或竖直方向的相对位移，以单独地实现水平方向或竖直方向的配准水平的标注。
相应地，上述第二误差的数学分布模型也包括在水平方向的误差的分布、在竖直方向的误差的分布、或者在水平方向及竖直方向的误差的联合分布。
可选地，为了不断地更新、完善上述第二误差的数学分布模型，本发明的X射线成像设备的图像处理方法还可以包括以下步骤：
在对已自动配准的两幅第一图像I1、I2进行重新配准后，将该两幅第一图像I1、I2分别作为两幅第二图像、，获取该两幅第一图像I1、I2之间的相对位移作为新的第三位移向量，并将第二位移向量V2作为新的第四位移向量；
将上述新的第三位移向量和新的第四位移向量之间的第二误差加入上述训练模型中以对该训练模型进行自适应更新。具体地，可以将新获取的第二误差加入训练模型的原始数据中，并重新计算训练模型的标准差σ。
通过在训练模型中不断增加经过准确配准的两幅图像之间的相对位移向量的相关参数作为模型的数值分布，以对训练模型进行完善，可以在后期的自动配准中，更准确地获取图像配准水平。
图5为本发明的一个实施例中提供的X射线成像设备的图像处理装置的框图。如图5所示，该装置可以包括第一位移向量获取模块51、第二位移向量获取模块53、误差计算模块55、配准水平计算模块57以及标注模块59。
第一位移向量获取模块51用于根据已自动配准的两幅第一图像I1、I2之间的相对位移获取第一位移向量V1。
第二位移向量获取模块53用于从X射线成像设备的位置传感器读取第二位移向量V2；
误差计算模块55用于计算第一位移向量V1相对于第二位移向量V2的第一误差E1；
配准水平计算模块57用于根据预先存储的上述训练模型计算第一误差E1所对应的配准水平，该配准水平表示对两幅第一图像I1、I2进行的自动配准的准确程度。由于上文已经对训练模型(高斯分布模型)进行了详细描述，在此不再赘述。
标注模块59用于对上述已配准的两幅图像I1、I2的配准水平进行标注。
可选地，配准水平计算模块57用于将第一位移向量V1相对于第二位移向量V2的第一误差E1除以高斯分布模型的西格玛值，以得到高斯分布模型的西格玛水平，该高斯分布模型的西格玛水平为已自动配准的两幅第一图像I1、I2的配准水平。
图6为本发明另一个实施例提供的X射线成像设备的图像处理装置的框图。如图6所示，可选地，本发明实施例的X射线成像设备的图像处理装置还可以包括阈值范围确定模块61。
阈值范围确定模块61用于确定一个或多个配准水平的阈值范围。该配准水平的阈值范围可以包括第一阈值范围、第二阈值范围和第三阈值范围，第二阈值范围表示的自动配准的准确程度小于第一阈值范围表示的自动配准的准确程度并大于第三阈值范围表示的自动配准的准确程度。
上述标注模块59还用于针对处于相同的阈值范围内的配准水平，采用相同的标注方式。
如图6所示，可选地，本发明实施例的X射线成像设备的图像处理装置还可以包括变换模块63以及自适应模块65。
变换模块63可以用于：在对已自动配准的两幅第一图像I1、I2进行重新配准后，将该两幅第一图像I1、I2分别作为两幅第二图像、，获取两幅第一图像I1、I2之间的相对位移作为新的第三位移向量，并将第二位移向量作为新的第四位移向量；
自适应模块65可以用于：将新的第三位移向量和新的第四位移向量之间的第二误差加入训练模型中以对训练模型进行自适应更新。
本发明实施例的X射线成像设备的图像处理方法及装置获取自动配准的图像之间的位移向量与传感器反馈的位移向量之间的误差，并根据建立的位移向量误差的数学分布模型，来计算当前获取的误差所对应的配准水平以衡量当前图像自动配准的准确程度，通过对该配准水平进行标注，可以将自动配准的准确程度直观地呈现给医师，以供医师进行参考，便于排查和纠正配准错误，提高了图像配准的效率。
上面已经描述了一些示例性实施例。然而，应该理解的是，可以做出各种修改。例如，如果所描述的技术以不同的顺序执行和/或如果所描述的系统、架构、设备或电路中的组件以不同方式被组合和/或被另外的组件或其等同物替代或补充，则可以实现合适的结果。相应地，其他实施方式也落入权利要求的保护范围内。

Claims (18)

1.一种X射线成像设备的图像处理方法，包括以下步骤：
计算已自动配准的两幅第一图像之间的相对位移作为第一位移向量；
计算分别对所述两幅第一图像进行成像曝光时所述X射线成像设备上的位置传感器反馈的位置信息的差作为第二位移向量；
计算所述第一位移向量相对于所述第二位移向量的第一误差；
根据预先存储的训练模型计算所述第一误差所对应的配准水平，所述配准水平表示对所述两幅第一图像进行的所述自动配准的准确程度，其中，所述训练模型是：多个第三位移向量和对应的多个第四位移向量之间的第二误差的数学分布模型；每个第三位移向量表示在一次图像配准中记录的经配准后的两幅第二图像之间的位移向量；每个第四位移向量表示分别对对应的所述两幅第二图像进行成像曝光时所述X射线成像设备上的位置传感器反馈的位置信息的差；以及，
在所述已自动配准的两幅第一图像上标注所述配准水平。
2.根据权利要求1所述的X射线成像设备的图像处理方法，其特征在于，所述第二误差的数学分布模型包括在水平方向的误差的分布、在竖直方向的误差的分布、或者在水平方向及竖直方向的误差的联合分布。
3.根据权利要求2所述的X射线成像设备的图像处理方法，其特征在于，所述第一误差为第一位移向量和第二位移向量的差，或者为第一位移向量相对于第二位移向量在水平方向和竖直方向上差的平方和根值；所述第二误差为第三位移向量和第四位移向量的差，或者为第三位移向量相对于第四位移向量在水平方向和竖直方向上差的平方和根值。
4.根据权利要求1所述的X射线成像设备的图像处理方法，其特征在于，所述数学分布模型为高斯分布模型，所述配准水平为所述第一误差在高斯分布模型中的西格玛水平。
5.根据权利要求4所述的X射线成像设备的图像处理方法，其特征在于，所述高斯分布模型描述为：X～N(μ,σ2)，其中，X代表所述第二误差的变量，μ代表期望的误差值，σ代表高斯分布模型的标准差，即西格玛值。
6.根据权利要求4所述的X射线成像设备的图像处理方法，其特征在于，根据预先存储的训练模型计算所述误差所对应的配准水平，包括以下步骤：
将所述第一位移向量相对于所述第二位移向量的误差除以所述高斯分布模型的西格玛值，以得到所述高斯分布模型的西格玛水平，所述高斯分布模型的西格玛水平为所述已自动配准的两幅第一图像的配准水平。
7.根据权利要求1所述的X射线成像设备的图像处理方法，其特征在于，在计算第一位移向量的步骤之前还包括以下步骤：
确定一个或多个配准水平的阈值范围；
所述“在所述已自动配准的两幅第一图像上标注所述配准水平”的步骤包括：针对处于相同的阈值范围内的配准水平，采用相同的标注方式。
8.根据权利要求7所述的X射线成像设备的图像处理方法，其特征在于，所述配准水平的阈值范围包括第一阈值范围、第二阈值范围和第三阈值范围，所述第二阈值范围表示的自动配准的准确程度大于所述第一阈值范围表示的自动配准的准确程度并小于所述第三阈值范围表示的自动配准的准确程度。
9.根据权利要求1所述的X射线成像设备的图像处理方法，其特征在于，还包括以下步骤：
在对所述已自动配准的两幅第一图像进行重新配准后，将所述两幅第一图像分别作为两幅所述第二图像，获取所述两幅第一图像之间的相对位移作为新的第三位移向量，并将所述第二位移向量作为新的第四位移向量；
将所述新的第三位移向量和新的第四位移向量之间的第二误差加入所述训练模型中以对所述训练模型进行自适应更新。
10.一种X射线成像设备的图像处理装置，包括：
第一位移向量获取模块，用于根据已自动配准的两幅第一图像之间的相对位移获取第一位移向量；
第二位移向量获取模块，用于从所述X射线成像设备的位置传感器读取第二位移向量；
误差计算模块，用于计算所述第一位移向量相对于所述第二位移向量的第一误差；
配准水平计算模块，用于根据预先存储的训练模型计算所述第一误差所对应的配准水平，所述配准水平表示对所述两幅第一图像进行的所述自动配准的准确程度，其中，所述训练模型是：多个第三位移向量和对应的多个第四位移向量之间的第二误差的数学分布模型；每个第三位移向量表示在一次图像配准中记录的经配准后的两幅第二图像之间的位移向量；每个第四位移向量表示分别对对应的所述两幅第二图像进行成像曝光时所述X射线成像设备上的位置传感器反馈的位置信息的差；以及，
标注模块，用于对所述已自动配准的两幅第一图像的配准水平进行标注。
11.根据权利要求10所述的X射线成像设备的图像处理装置，其特征在于，所述第二误差的数学分布模型包括在水平方向的误差的分布、在竖直方向的误差的分布、或者在水平方向及竖直方向的误差的联合分布。
12.根据权利要求11所述的X射线成像设备的图像处理装置，其特征在于，所述第一误差为第一位移向量和第二位移向量的差，或者为第一位移向量相对于第二位移向量在水平方向和竖直方向上差的平方和根值；所述第二误差为第三位移向量和第四位移向量的差，或者为第三位移向量相对于第四位移向量在水平方向和竖直方向上差的平方和根值。
13.根据权利要求10所述的X射线成像设备的图像处理装置，其特征在于，所述数学分布模型为高斯分布模型，所述配准水平为所述第一误差在高斯分布模型中的西格玛水平。
14.根据权利要求13所述的X射线成像设备的图像处理装置，其特征在于，所述高斯分布模型描述为：X～N(μ,σ2)，其中，X代表所述第二误差的变量，μ代表期望的误差值，σ代表高斯分布模型的标准差，即西格玛值。
15.根据权利要求13所述的X射线成像设备的图像处理装置，其特征在于，所述配准水平计算模块用于：将所述第一位移向量相对于所述第二位移向量的误差除以所述高斯分布模型的西格玛值，以得到所述高斯分布模型的西格玛水平，所述高斯分布模型的西格玛水平为所述已自动配准的两幅第一图像的配准水平。
16.根据权利要求10所述的X射线成像设备的图像处理装置，其特征在于，还包括：
阈值范围确定模块：用于确定一个或多个配准水平的阈值范围；
所述标注模块还用于：针对处于相同的阈值范围内的配准水平，采用相同的标注方式。
17.根据权利要求16所述的X射线成像设备的图像处理装置，其特征在于，所述配准水平的阈值范围包括第一阈值范围、第二阈值范围和第三阈值范围，所述第二阈值范围表示的自动配准的准确程度大于所述第一阈值范围表示的自动配准的准确程度并小于所述第三阈值范围表示的自动配准的准确程度。
18.根据权利要求10所述的X射线成像设备的图像处理装置，其特征在于，还包括：
变换模块：在对所述已自动配准的两幅第一图像进行重新配准后，将所述两幅第一图像分别作为两幅所述第二图像，获取所述两幅第一图像之间的相对位移作为新的第三位移向量，并将所述第二位移向量作为新的第四位移向量；
自适应模块：将所述新的第三位移向量和新的第四位移向量之间的第二误差加入所述训练模型中以对所述训练模型进行自适应更新。
CN201610786944.5A 2016-08-31 2016-08-31 X射线成像设备的图像处理方法及装置 Active CN107784623B (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
CN201610786944.5A CN107784623B (zh) 2016-08-31 2016-08-31 X射线成像设备的图像处理方法及装置
GB1621250.8A GB2553384B (en) 2016-08-31 2016-12-14 Image processing method and apparatus for x-ray imaging device
US15/381,510 US10089747B2 (en) 2016-08-31 2016-12-16 Image processing method and apparatus for X-ray imaging device

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610786944.5A CN107784623B (zh) 2016-08-31 2016-08-31 X射线成像设备的图像处理方法及装置

Publications (2)

Publication Number Publication Date
CN107784623A CN107784623A (zh) 2018-03-09
CN107784623B true CN107784623B (zh) 2023-04-14

Family

ID=58222030

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610786944.5A Active CN107784623B (zh) 2016-08-31 2016-08-31 X射线成像设备的图像处理方法及装置

Country Status (3)

Country Link
US (1) US10089747B2 (zh)
CN (1) CN107784623B (zh)
GB (1) GB2553384B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110400351A (zh) * 2019-07-30 2019-11-01 晓智科技（成都）有限公司 一种x光发射前端自动调整方法及系统
CN110458870B (zh) * 2019-07-05 2020-06-02 北京迈格威科技有限公司 一种图像配准、融合、遮挡检测方法、装置和电子设备

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2897772B1 (ja) * 1998-06-01 1999-05-31 日本電気株式会社 画像位置合わせ方法、画像位置合わせ装置及び記録媒体
CN101901481A (zh) * 2010-08-11 2010-12-01 深圳市蓝韵实业有限公司 一种图像拼接方法
CN101945685A (zh) * 2007-12-13 2011-01-12 Oraya治疗公司 正电压眼放疗以及治疗计划的方法和装置

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CA2114986A1 (en) * 1993-02-08 1994-08-09 Robert T. Frankot Automatic subarea selection for image registration
US6944265B2 (en) 2002-11-25 2005-09-13 Ge Medical Systems Global Technology Company, Llc Image pasting using geometry measurement and a flat-panel detector
EP2231015A4 (en) * 2007-12-07 2013-10-23 Univ Maryland COMPOSITE IMAGES FOR MEDICAL PROCEDURES
JP5075759B2 (ja) * 2008-08-07 2012-11-21 本田技研工業株式会社 歩行補助装置
DE102009039251A1 (de) * 2009-08-28 2011-03-17 Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. Verfahren und Vorrichtung zum Zusammenfügen von mehreren digitalen Einzelbildern zu einem Gesamtbild
EP2582304B1 (en) * 2010-06-15 2016-10-05 Image Mining, Inc. Fiducial systems for mammography
DE102010039652A1 (de) * 2010-08-23 2012-02-23 Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. Mosaikaufnahmeerzeugung
US9710730B2 (en) * 2011-02-11 2017-07-18 Microsoft Technology Licensing, Llc Image registration
JP6467221B2 (ja) * 2014-12-22 2019-02-06 キヤノン株式会社 画像処理装置および方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2897772B1 (ja) * 1998-06-01 1999-05-31 日本電気株式会社 画像位置合わせ方法、画像位置合わせ装置及び記録媒体
CN101945685A (zh) * 2007-12-13 2011-01-12 Oraya治疗公司 正电压眼放疗以及治疗计划的方法和装置
CN101901481A (zh) * 2010-08-11 2010-12-01 深圳市蓝韵实业有限公司 一种图像拼接方法

Also Published As

Publication number Publication date
US20180061067A1 (en) 2018-03-01
CN107784623A (zh) 2018-03-09
GB2553384A (en) 2018-03-07
US10089747B2 (en) 2018-10-02
GB2553384B (en) 2019-07-17
GB201621250D0 (en) 2017-01-25

Similar Documents

Publication Publication Date Title
WO2020182036A1 (zh) 图像处理方法、装置、服务器及存储介质
JP6929330B2 (ja) 多層構造体の層間のオーバレイを測定する技法
KR102070256B1 (ko) 교정 치료 플래닝을 위한 세팔로 영상 처리 방법, 이를 위한 장치, 및 이를 기록한 기록매체
US10318839B2 (en) Method for automatic detection of anatomical landmarks in volumetric data
CN107665497B (zh) 一种医学图像中计算心胸比的方法
CN110246580B (zh) 基于神经网络和随机森林的颅侧面影像分析方法和系统
US20130004079A1 (en) Image processing apparatus, image processing method, and program thereof
US20180353263A1 (en) Method of evaluating an orthodontic aligner
WO2007142044A1 (ja) 画像処理装置および画像処理プログラム
CN106611416B (zh) 一种医学图像中肺分割的方法及装置
US9733200B2 (en) Defect judging device, radiography system, and defect judging method
CN104598909A (zh) X射线图像中的标志识别和处理
CN105279731A (zh) 图像处理装置及图像处理方法
CN111757701B (zh) 用于检测解剖区域的系统和方法
US9795349B2 (en) Method for setting scanning protocol and apparatus thereof
CN107481276A (zh) 一种三维医学图像中标记点序列的自动识别方法
CN107784623B (zh) X射线成像设备的图像处理方法及装置
JP2005017286A (ja) カメラキャリブレーション方法およびカメラキャリブレーション装置
CN107122754A (zh) 姿势识别方法和装置
WO2015040547A1 (en) Method and system for spine position detection
CN105205784B (zh) 标尺识别方法及影像拼接方法
Chen et al. Endotracheal tubes positioning detection in adult portable chest radiography for intensive care unit
US10548559B2 (en) Method for calibrating working plane of medical detection apparatus
CN116158774B (zh) 用于测量胫骨平台后倾角的方法、设备和计算机存储介质
TWI675646B (zh) 乳房影像分析方法、乳房影像分析系統及非暫態電腦可讀取媒體

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