CN108022230B - 肾脏多期ct图像融合系统 - Google Patents

肾脏多期ct图像融合系统 Download PDF

Info

Publication number
CN108022230B
CN108022230B CN201711407509.8A CN201711407509A CN108022230B CN 108022230 B CN108022230 B CN 108022230B CN 201711407509 A CN201711407509 A CN 201711407509A CN 108022230 B CN108022230 B CN 108022230B
Authority
CN
China
Prior art keywords
image
kidney
fusion
phase
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
CN201711407509.8A
Other languages
English (en)
Other versions
CN108022230A (zh
Inventor
魏宾
董蒨
朱呈瞻
董冰子
夏楠
于綦悦
周显军
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.)
Affiliated Hospital of University of Qingdao
Original Assignee
Affiliated Hospital of University of Qingdao
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 Affiliated Hospital of University of Qingdao filed Critical Affiliated Hospital of University of Qingdao
Priority to CN201711407509.8A priority Critical patent/CN108022230B/zh
Publication of CN108022230A publication Critical patent/CN108022230A/zh
Application granted granted Critical
Publication of CN108022230B publication Critical patent/CN108022230B/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
    • 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
    • G06T5/00—Image enhancement or restoration
    • G06T5/10—Image enhancement or restoration using non-spatial domain filtering
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/70—Denoising; Smoothing
    • 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
    • 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
    • G06T2207/10072—Tomographic images
    • G06T2207/10081—Computed x-ray tomography [CT]
    • 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
    • G06T2207/30084—Kidney; Renal

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Apparatus For Radiation Diagnosis (AREA)
  • Image Processing (AREA)

Abstract

本发明公开一种肾脏多期CT图像融合系统，包括：用于获得肾脏CT图像的图像采集装置、针对肾脏CT图像进行降噪及增强处理的预处理装置、对肾脏CT图像进行分组的一次配准装置、用于肾脏CT图像融合以实现不同相肾脏CT图间信息互补的多相融合装置、基于融合图像生成特定肾脏三维图像的三维重建装置、分类存储特定肾脏三维图像的肾脏数据库。多相融合装置包括：线性加权融合单元、高通滤波融合单元以及小波融合单元。线性加权融合单元将肾脏CT图像中对应的像素值分别与权系数相乘后再相加得到融合图像，高通滤波融合单元将高分辨率图像的高频成分叠加到底分辨率图像得到融合图像，小波融合单元将肾脏CT图像小波分解后小波逆变换得到融合图像。

Description

肾脏多期CT图像融合系统
技术领域
本发明涉及医学图像处理技术领域，特别涉及一种多相CT图像融合系统。
背景技术
图像融合(Image Fusion)是指将多源信道所采集到的关于同一目标的图像数据经过图像处理和计算机技术处理等，最大限度的提取各自信道中的有利信息，最后综合成高质量的图像，以提高图像信息的利用率、改善计算机解译精度和可靠性、提升原始图像的空间分辨率和光谱分辨率，利于监测。待融合图像已配准好且像素位宽一致，综合和提取两个或多个多源图像信息。高效的图像融合方法可以根据需要综合处理多源通道的信息，从而有效地提高了图像信息的利用率、系统对目标探测识别地可靠性及系统的自动化程度。其目的是将单一传感器的多波段信息或不同类传感器所提供的信息加以综合，消除多传感器信息之间可能存在的冗余和矛盾，以增强影像中信息透明度，改善解译的精度、可靠性以及使用率，以形成对目标的清晰、完整、准确的信息描述。
如中国专利申请公开第104835112A号揭示的一种肝脏多相期CT图像融合方法，首先利用基于联合直方图的多分辨率CT图像配准方法对源图像序列进行粗配准，接着结合置信连接的区域生长算法实现了肝脏的图像自动分割和基于梯度向量流snake模型的肝脏图像分割，有效的提取肝脏的边缘信息；再对肝脏图像进行基于定向区域生长算法的血管提取，接着对肝实质图像进行基于B样条自由形变变换和基于空间加权互信息的肝脏非刚性配准，精确找到空间同一位置的图像对；最后基于小波变换进行图像融合。然而该专利申请公开的肝脏多相期CT图像融合方法采用小波变换融合CT图像得到的融合图像的细节破坏比较严重。
又如中国专利申请公开第101987019A号揭示的一种基于小波变换的PET图像和CT图像异机融合方法，包括步骤：将病人固定在一个定位框架内；根据该框架采集PET图像；同时利用该定位框架采集CT图像；对PET/CT图像分别进行提取处理；将步处理后的PET/CT图像根据定位框架中得到的定位点进行配准；对配准后的PET/CT图像进行小波分解、变分求解融合；最后对融合后的PET/CT图像进行小波反变换生成融合图像。本发明优点在于：采用基于外部标记点的方法对采集到的PET图像和CT图像进行配准，并创新提出一种在小波域上运用变分方法实现了异机PET/CT图像的精确融合。然而该专利申请公开的图像融合方法主要用于PET图像和CT图像间的融合，不处理不同相的CT图像。
再如中国专利申请公开第106683042A号揭示的一种基于非线性最小二乘的多模态医学图像融合方法以及系统，包括以下步骤：S1、采用多种医疗图像采集设备分别获取同一病灶或感兴趣部位的图像序列组，分别对各图像序列组中的图像序列进行去噪：S2、采用图像增强方法分别对前述各种医疗图像采集设备获取的图像序列组中的图像序列进行处理；S3、对前述增强后的各图像序列组进行配准；S4、对配准后的所有图像序列进行融合获取融合后的成品图像序列组。然而该专利申请公开的医学图像融合方法以及系统用于融合多模态医学图像，无法一次处理大量医学图像。
因此，提供一种能够融合来源于不同医学成像设备的肾脏CT图像、得到的融合图像清晰完整、并能够实现不同相的肾脏CT图像之间信息互补的肾脏CT图像融合系统充分成为业内急需解决的问题。
发明内容
本发明的目的是提供一种肾脏多期CT图像融合系统，能够融合来源于不同医学成像设备的肾脏CT图像，并能够实现不同相的肾脏CT图像之间的信息互补。
为了实现上述目的，本发明提供了一种肾脏多期CT图像融合系统，包括：依次通信连接的图像采集装置、多相融合装置、以及三维重建装置，其中，图像采集装置用于获得对于同一个肾脏的处于三个相期的肾脏CT图像序列组，三个相期包括第一相期、第二相期及第三相期，第一相期的肾脏CT图像序列组包括对于同一个肾脏的取自不同截面的至少三十幅第一期肾脏CT图像，第二相期的肾脏CT图像序列组包括对于同一个肾脏的取自不同截面的至少三十幅第二期肾脏CT图像，第三相期的肾脏CT图像序列组包括对于同一个肾脏的取自不同截面的至少三十幅第三期肾脏CT图像；多相融合装置用于对图像采集装置获取的肾脏CT图像进行信息互补以得到融合肾脏CT图像，多相融合装置包括：线性加权融合单元、高通滤波融合单元以及与线性加权融合单元及高通滤波融合单元通信连接的小波融合单元，线性加权融合单元用于对至少三十幅第一期肾脏CT图像及至少三十幅第二期肾脏CT图像进行融合以形成加权融合图像，高通滤波融合单元用于对至少三十幅第二期肾脏CT图像及至少三十幅第三期肾脏CT图像进行融合以形成滤波融合图像，小波融合单元用于接收加权融合图像及滤波融合图像并将它们形成融合肾脏CT图像；三维重建装置用于根据多相融合装置得到的融合肾脏CT图像生成对应肾脏的三维图像。
可选择地，图像采集装置设置于每个通过互联网以特定注册用户帐号登入肾脏多期CT图像融合系统的用户终端上，图像采集装置包括用于登入用户上传肾脏CT图像数据及其特定肾脏来源信息的上传单元、以及与肾脏数据库通信连接的以将肾脏来源信息及来自三维重建装置的肾脏三维图像共同存储于肾脏数据库的下载单元。
可选择地，三个相期包括肾皮质期、实质期和排泄期。
优选地，肾脏的来源信息至少包含：患病类型、患者性别、患者年龄、生活地区以及就诊医院。
更优选地，肾脏的来源信息还可以包含：患者生活习惯、生化检查信息、患者典型症状、体征、医学图像、影像诊断结果、治疗方案、不良反应及主治医师等。
可选择地，线性加权融合单元包括第一线性加权融合子单元、第二线性加权融合子单元、以及与第一线性加权融合子单元及第二线性加权融合子单元通信连接的第三线性加权融合子单元，其中，第一线性加权融合子单元用于依次对第一相期的肾脏CT图像序列组中的相邻两幅第一期肾脏CT图像中对应的像素值分别与权系数相乘后再相加以得到第一期加权融合图像；第二线性加权融合子单元用于依次对第二相期的肾脏CT图像序列组中的相邻两幅第二期肾脏CT图像中对应的像素值分别与权系数相乘后再相加从而得到第二期加权融合图像；第三线性加权融合子单元用于接收第一期加权融合图像及第二期加权融合图像，并将第一期加权融合图像及第二期加权融合图像分别与权系数相乘后再相加从而得到加权融合图像。
可选择地，第一线性加权融合子单元、第二线性加权融合子单元及第三线性加权融合子单元分别包括：通信连接的像素比较模块、权系数确定模块、以及加权模块，其中，像素比较模块用于比较两幅肾脏CT图像的像素，判别两幅肾脏CT图像之间的像素差异；权系数确定模块用于根据像素比较模块像得到的两幅肾脏CT图像之间的像素差异，确定两幅肾脏CT图像之间的权系数；加权模块用于加权融合两幅肾脏CT图像。
可选择地，高通滤波融合单元包括第一高通滤波融合子单元、第二高通滤波融合子单元、以及与第一高通滤波融合子单元及第二高通滤波融合子单元通信连接的第三高通滤波融合子单元，其中，第一高通滤波融合子单元用于依次对第二相期的肾脏CT图像序列组中的相邻两幅第二期肾脏CT图像进行比较，依次将具有高分辨率的第二期肾脏CT图像的高频成分叠加到具有低分辨率的第二期肾脏CT图像上以得到第二期滤波融合图像；第二高通滤波融合子单元用于依次对第三相期的肾脏CT图像序列组中的相邻两幅第三期肾脏CT图像进行比较，依次将具有高分辨率的第三期肾脏CT图像的高频成分叠加到具有低分辨率的第三期肾脏CT图像上以得到第三期滤波融合图像；第三高通滤波融合子单元用于接收第二期滤波融合图像及第三期滤波融合图像并进行比较，将具有高分辨率的第二期滤波融合图像或第三期滤波融合图像的高频成分叠加到具有低分辨率的第三期滤波融合图像或第二期滤波融合图像上以得到滤波融合图像。
可选择地，第一高通滤波融合子单元、第二高通滤波融合子单元及第三高通滤波融合子单元分别包括：通信连接的高通滤波模块及叠加模块，其中，高通滤波模块用于比较两幅肾脏CT图像的分辨率，并提取出具有高分辨率的肾脏CT图像的细节信息；叠加模块用于将具有高分辨率的肾脏CT图像的细节信息通过像元相加的方式叠加到具有低分辨率的肾脏CT图像上，以得到融合图像。
可选择地，小波融合单元与第三线性加权融合子单元及第三高通滤波融合子单元通信连接，用于接收加权融合图像及滤波融合图像并分别将加权融合图像及滤波融合图像进行小波分解后通过小波逆变换得到融合图像。
可选择地，进一步包括：预处理装置及图像一次配准装置，其中，预处理装置与图像采集装置通信连接，其用于对图像采集装置获得的处于三个相期的肾脏CT图像序列组中的肾脏CT图像分别进行降噪处理；图像一次配准装置与预处理装置通信连接，其用于对经预处理装置处理过的处于三个相期的肾脏CT图像序列组进行配准以将处于同一相期的肾脏CT图像进行分组。
可选择地，预处理装置包括：通信连接的图像平滑单元以及图像增强单元，其中，图像平滑单元用于通过空域法在空间域中对每幅肾脏CT图像的像素灰度值直接进行运算处理，以滤除每幅肾脏CT图像中的噪声；图像增强单元用于对经过图像平滑单元处理过的每幅肾脏CT图像进行尖锐化增强处理以增加每幅肾脏CT图像的边缘鲜明度
优选地，图像平滑单元在对每幅肾脏CT图像进行平滑处理时可以选择邻域平均法或中值滤波法。
优选地，图像增强单元对每幅肾脏CT图像进行增强处理只关心边缘点的位置而不顾其周围的实际灰度差，图像增强单元中可以采用微分锐化法对图像进行增强处理，如拉普拉斯锐化法。
可选择地，图像一次配准装置包括：通信连接的灰度提取子单元及空间变换子单元，其中，灰度提取子单元用于依次提取每幅肾脏CT图像的灰度特征并根据灰度特征建立特征点生成特征空间并计算每幅肾脏CT图像像素点的质心和主轴；空间变换子单元用于通过平移和旋转分别对齐每幅肾脏CT图像的质心和主轴得到经配准的肾脏CT图像以将处于同一相期的肾脏CT图像进行分组。
优选地，小波融合单元包括小波分解子单元、特征选择子单元以及小波逆变换子单元，小波分解子单元分别将待融合的两幅肾脏CT图像分解成一系列的低频子图像和不同方向上的高频子图像，特征选择子单元通过特征选择对低频子图像和高频子图像进行特征选择进行筛选，小波逆变换子单元对特征选择子单元得到的融合结果进行小波逆变换得到所需的融合图像。
可选择地，小波融合单元的小波分解子单元的具体处理过程可以采用现有技术中的多种方式，例如：对第一幅待融合的肾脏CT图像做一层小波分解，得到近似分量L1和三个高频分量HV1、HD1和HH1。再对第二幅待融合的肾脏CT图像做二层小波分解，得到近似分量L2和三个高频分量HV2、HD2和HH2以及第二层的近似分量LL2和三个高频分量LHV2、LHD2和LHH2。
可选择地，特征选择子单元的具体处理过程可以采用现有技术中的多种方式，例如：将第一幅待融合的肾脏CT图像得到的近似分量L1和三个高频分量HV1、HD1和HH1与第二幅待融合的肾脏CT图像得到的第二层近似分量LL2和三个高频分量LHV2、LHD2和LHH2分别对应融合。
对于低频近似分量L1和LL2的融合，具体融合规则如下：
WL(x,y)＝k1WL1(x,y)+k2WL2(x,y)
WL(x,y)、WL1(x,y)、WL2(x,y)分别代表融合后和融合前的近似分量子图，其中，k1、k2为融合系数。
对于高频分量的具体融合规则如下：
WHi(x,y)＝k1iWLi 1+k2iWLi 2(i＝1,2,3)
WHi(x,y)、WLi 1、WLi 2分别为融合前和融合后在i方向上的高频分量。k1i、k2i分别为融合系数。
优选地，多相融合装置进一步包括与线性加权融合单元、高通滤波融合单元、及小波融合单元通信连接的图像二次配准单元，其用于接收来自线性加权融合单元的加权融合图像和来自高通滤波融合单元的滤波融合图像并进行二次配准形成二次配准加权融合图像及二次配准滤波融合图像后，再传送至小波融合单元进行小波融合。
可选择地，图像二次配准单元与图像一次配准装置的配准过程相同。
优选地，三维重建装置包括：轮廓匹配单元，轮廓匹配单元设定等值面的值，提取出CT图像中肾脏的目标轮廓，通过计算肾脏轮廓的面积，寻找不同截面肾脏轮廓之间的顺序关系并匹配；MC重建单元，MC重建单元第一次读取两张初始的肾脏轮廓，以后每次读入一张相邻的切片，每张切片上的像素点中相邻的四个和对应的下一张切片的四个像素点构成一个立方体，该立方体称为一个体素，然后从左到右、从前至后顺序依次处理一层中的全部相邻立方体，判别边界体素，抽取等值面，然后处理完一层后转到第一步继续读入下一张切片，处理完所有的切片后提取等值面，算法结束，得到特定肾脏三维图像。
其中，MC重建单元中根据MC算法抽取特定肾脏的肾脏CT图像的等值面实现特定肾脏的三维重建。MC重建单元采用MC算法时从每一个体素获取它内部的等值面如下：每一个体素具有八个顶点，这八个顶点的灰度值是可以直接根据输入切片的像素值获得的，要抽取的等值面的阈值也需要用户在计算之前事先给定。在这八个顶点中，我们将灰度值大于给定的阈值的顶点标记为黑色，而灰度值小于阈值的顶点不标记。
显然在如果一个立方体中同时存在“已标记”和“未标记”的点，那么这个立方体内就必然存在等值面。除去全标记和全部标记的体素不包含等值面的情况，一个体素立方体中的8个顶点都可能有“标记”和“未标记”两种状态，如果不考虑等值点在立方体边上的位置，一个体素上等值面的分布情况总共的可能有256种。由于立方体旋转后不影响等值面的拓扑结构，所以可以将立方体中具有旋转对称性的情况去除。另外，所有的“未标记”和“已标记”可以进行互换，这样也不会改变等值面的拓扑结构。这样只需要15种基本立方体就可以表示全部256种可能的情况。将这15种情况构造出一个长度为256的索引表，这个索引表记录了一个体素内的等值面的256种可能的连接方式。在获得八个顶点的标记情况后，根据标记情况，得出一个0～15之间的索引值，然后根据该索引值直接对比索引表就可知道等值点在体素立方体的哪条边上，并且还可以从索引表中获得该体素中等值点的连接方式，这时候就可以将等值点连接起来形成等值面。
可选择地，三维重建装置中进一步可以通过定义指定场景光照、视角以及焦点信息，绘制出特定肾脏三维图像实体。
其中，用户终端可以为经授权的指定医院的多功能CT设备或计算机，用户可通过用户帐号在用户终端登录肾脏融合装置以上传或下载肾脏CT图像。
可选择地，作为原始二维图像信息的肾脏的处于三个相期的肾脏CT图像序列组与肾脏的三维图像一同保存于肾脏数据库中以便于用户研究分析。
此外，本发明在进行肾脏CT图像的多相融合过程中还可以选择其他可行的技术，例如HIS变换融合法、主分量分析融合法等图像融合法。
本发明的有益效果是：(1)、可集中处理来自不同医学成像设备以及处于不同相期的肾脏CT数据，省去大量处理工作，资源共享，符合国家互联网的战略方向；(2)、采用线性加权融合、高通滤波融合以及小波融合相结合的融合方式，从不同方向上对肾脏CT图像进行特征提取并融合，更充分的体现了图像各向异性的特点，得到的融合图像更加清晰、完整，组合后的融合效果比单独使用一种融合方式的效果更好；(3)、图像一次配准装置及图像二次配准单元可精确地配准肾脏CT图像间的位置关系，提高融合图像的质量，利于诊断；(4)、医生能够随时在肾脏数据库调取患者资料、查找所需数据以及影像资料，对于医生相关领域的的演示教学和职业成长有很大帮助。
附图说明
图1为本发明的肾脏多期CT图像融合系统的构造示意图。
图2为本发明的线性加权融合单元的构造示意图。
图3为本发明的高通滤波融合单元构造示意图。
具体实施方式
下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本发明，而不能理解为对本发明的限制。
首先，请参照图1，作为一种非限制性实施方式，本发明的肾脏多期CT图像融合系统包括：图像采集装置100、多相融合装置400、以及三维重建装置500。
通过图像采集装置100获得同一个肾脏处于三个相期，即分别处于肾皮质期、实质期和排泄期时的肾脏CT图像，在该非限制性实施方式中，图像采集装置100共采集150幅肾脏CT图像，它们包括50幅肾脏处于肾皮质期的CT图像、50幅肾脏处于实质期的CT图像以及50幅肾脏处于排泄期的CT图像。
多相融合装置400包括线性加权融合单元410、高通滤波融合单元420以及小波融合单元430。线性加权融合单元410可将两组肾脏CT图像进行融合形成加权融合图像。在该非限制性实施方式中，线性加权融合单元410对50幅肾脏处于肾皮质期的CT图像及50幅肾脏处于实质期的CT图像进行融合。当然，并不以此为限，线性加权融合单元410也可对50幅肾脏处于肾皮质期的CT图像及50幅肾脏处于排泄期的CT图像进行融合，也可以对50幅肾脏处于实质期的CT图像及50幅肾脏处于排泄期的CT图像进行融合。
如图2所示，线性加权融合单元410包括第一线性加权融合子单元4101、第二线性加权融合子单元4102以及第三线性加权融合子单元4103。以融合50幅肾脏处于肾皮质期的CT图像及50幅肾脏处于实质期的CT图像进行融合为例，第一线性加权融合子单元4101首先依次对处于肾皮质期的50幅肾脏CT图像中的相邻两幅中对应的像素值分别与权系数相乘后再相加，得到肾皮质期的加权融合图像。第二线性加权融合子单元4102则依次对处于实质期的的50幅肾脏CT图像中的相邻两幅中对应的像素值分别与权系数相乘后再相加，得到实质期的加权融合图像。第三线性加权融合子单元4103则接收肾皮质期的加权融合图像及实质期的加权融合图像，将它们分别与权系数相乘后再相加，从而得到加权融合图像。
具体来讲，如图2所示，第一线性加权融合子单元4101、第二线性加权融合子单元4102及第三线性加权融合子单元4103分别包括：像素比较模块41001、权系数确定模块41002、以及加权模块41003。其中，像素比较模块41001用于比较两幅肾脏CT图像的像素，判别两幅肾脏CT图像之间的像素差异。权系数确定模块41002用于根据像素比较模块像得到的两幅肾脏CT图像之间的素差异，确定出两幅肾脏CT图像之间的权系数。加权模块41003则可加权融合两幅肾脏CT图像。
如图3所示，高通滤波融合单元420包括：第一高通滤波融合子单元4201、第二高通滤波融合子单元4202、以及第三高通滤波融合子单元4203。
在线性加权融合单元410对50幅肾脏处于肾皮质期的CT图像及50幅肾脏处于实质期的CT图像进行融合的前提下，高通滤波融合单元420可对50幅肾脏处于实质期的CT图像及50幅肾脏处于排泄期的CT图像进行融合，或者是对50幅肾脏处于肾皮质期的CT图像及50幅肾脏处于排泄期的CT图像进行融合。
具体来讲，以高通滤波融合单元420对50幅肾脏处于实质期的CT图像及50幅肾脏处于排泄期的CT图像进行融合为例，第一高通滤波融合子单元4201依次对50幅肾脏处于实质期的CT图像中的相邻两幅进行比较，依次将具有高分辨率的肾脏处于实质期的CT图像的高频成分叠加到具有低分辨率的肾脏处于实质期的CT图像上，从而得到肾脏处于实质期的滤波融合图像。而第二高通滤波融合子单元4202则依次对50幅肾脏处于排泄期的CT图像中的相邻两幅进行比较，依次将具有高分辨率的肾脏处于排泄期的CT图像的高频成分叠加到具有低分辨率的肾脏处于排泄期的CT图像的上，从而得到肾脏处于排泄期的滤波融合图像。第三高通滤波融合子单元4203则用于接收肾脏处于实质期的滤波融合图像及肾脏处于排泄期的滤波融合图像并进行比较，将具有高分辨率的其中一幅滤波融合图像的高频成分叠加到具有低分辨率的另一幅滤波融合图像上，从而得到滤波融合图像。
继续参考图3，第一高通滤波融合子单元4201、第二高通滤波融合子单元4202及第三高通滤波融合子单元4203分别包括：高通滤波模块42001及叠加模块42002。其中，高通滤波模块42001可比较两幅肾脏CT图像的分辨率，并提取出具有高分辨率的肾脏CT图像的细节信息。而叠加模块42002则将具有高分辨率的肾脏CT图像的细节信息通过像元相加的方式叠加到具有低分辨率的肾脏CT图像上，从而得到融合图像。
如图1所示，小波融合单元430与线性加权融合单元410及高通滤波融合单元420通信连接，在接收加权融合图像及滤波融合图像后，分别将加权融合图像及滤波融合图像进行小波分解，通过小波逆变换得到最终的融合图像，完成150幅肾脏CT图像的融合。
具体来讲，小波融合单元包括小波分解子单元(图未示)、特征选择子单元(图未示)以及小波逆变换子单元(图未示)。
小波分解子单元分别将二次融合图像分解成一系列的低频子图像和不同方向上的高频子图像。
特征选择子单元通过特征选择对低频子图像和高频子图像进行特征选择进行筛选，并融合经特征选择筛选的子图像。
三维重建装置500则可根据多相融合装置400得到的融合肾脏CT图像生成对应肾脏的三维图像。
三维重建装置进一步包括：轮廓匹配单元以及MC重建单元。轮廓匹配单元设定等值面的值，提取出肾脏的目标轮廓，通过计算肾脏轮廓的面积，寻找不同截面肾脏轮廓之间的顺序关系并匹配。MC重建单元第一次读取两张初始的肾脏轮廓，以后每次读入一张相邻的切片，每张切片上的像素点中相邻的四个和对应的下一张切片的四个像素点构成一个立方体，该立方体称为一个体素，然后从左到右、从前至后顺序依次处理一层中的全部相邻立方体，判别边界体素，抽取等值面，然后处理完一层后转到第一步继续读入下一张切片，处理完所有的切片后提取等值面，算法结束，得到特定肾脏三维图像。
作为另一种实施方式，如图1所示，本发明的肾脏多期CT图像融合系统还包括：预处理装置200和图像一次配准装置300。
其中，预处理装置200与图像采集装置100通信连接，从而对图像采集装置100采集的150幅肾脏CT图像分别进行降噪处理。具体来讲，预处理装置200包括：图像平滑单元和图像增强单元。图像平滑单元通过空域法在空间域中对每幅肾脏CT图像的像素灰度值直接进行运算处理，从而滤除每幅肾脏CT图像中的噪声。而图像增强单元则可对经过图像平滑单元处理过的每幅肾脏CT图像进行尖锐化增强处理以增加每幅肾脏CT图像的边缘鲜明度。
图像一次配准装置300则将经预处理装置200降噪处理过的150幅肾脏CT图像进行配准，从而将这150幅肾脏CT图像再分成三组，一组为50幅肾脏处于肾皮质期的CT图像、一组为50幅肾脏处于实质期的CT图像、以及一组包括50幅肾脏处于排泄期的CT图像。其中，图像一次配准装置300包括灰度提取子单元及空间变换子单元。灰度提取子单元用于依次提取每幅肾脏CT图像的灰度特征并根据灰度特征建立特征点生成特征空间，计算每幅肾脏CT图像像素点的质心和主轴。空间变换子单元则通过平移和旋转，分别对齐每幅肾脏CT图像的质心和主轴，得到经配准的肾脏CT图像以将处于同一相期的肾脏CT图像进行分组。
作为又一种实施方式，如图1所示，多相融合装置400进一步包括与线性加权融合单元410、高通滤波融合单元420、及小波融合单元430通信连接的图像二次配准单元440。图像二次配准单元440在接收来自线性加权融合单元的加权融合图像和来自高通滤波融合单元的滤波融合图像，进行二次配准形成二次配准加权融合图像及二次配准滤波融合图像后，再传送至小波融合单元进行小波融合，从而保证融合图像更为精准。
尽管在此已详细描述本发明的优选实施方式，但要理解的是本发明并不局限于这里详细描述和示出的具体结构和步骤，在不偏离本发明的实质和范围的情况下可由本领域的技术人员实现其它的变型和变体。

Claims (8)

1.一种肾脏多期CT图像融合系统，其特征在于，包括：依次通信连接的图像采集装置、多相融合装置、以及三维重建装置，
其中，所述图像采集装置用于获得对于同一个肾脏的处于三个相期的肾脏CT图像序列组，所述三个相期包括第一相期、第二相期及第三相期，所述第一相期的肾脏CT图像序列组包括对于同一个肾脏的取自不同截面的至少三十幅第一期肾脏CT图像，所述第二相期的肾脏CT图像序列组包括对于同一个肾脏的取自不同截面的至少三十幅第二期肾脏CT图像，所述第三相期的肾脏CT图像序列组包括对于同一个肾脏的取自不同截面的至少三十幅第三期肾脏CT图像；
所述多相融合装置用于对所述图像采集装置获取的所述肾脏CT图像进行信息互补以得到融合肾脏CT图像，所述多相融合装置包括：线性加权融合单元、高通滤波融合单元以及与所述线性加权融合单元及所述高通滤波融合单元通信连接的小波融合单元，
所述线性加权融合单元用于对所述至少三十幅第一期肾脏CT图像及所述至少三十幅第二期肾脏CT图像进行融合以形成加权融合图像，
所述高通滤波融合单元用于对至少三十幅第二期肾脏CT图像及所述至少三十幅第三期肾脏CT图像进行融合以形成滤波融合图像，
所述小波融合单元用于接收所述加权融合图像及所述滤波融合图像并将它们形成所述融合肾脏CT图像；
所述三维重建装置用于根据所述多相融合装置得到的所述融合肾脏CT图像生成对应肾脏的三维图像；
其中，所述三个相期包括肾皮质期、实质期和排泄期；
其中，所述线性加权融合单元包括第一线性加权融合子单元、第二线性加权融合子单元、以及与所述第一线性加权融合子单元及所述第二线性加权融合子单元通信连接的第三线性加权融合子单元，
其中，所述第一线性加权融合子单元用于依次对所述第一相期的肾脏CT图像序列组中的相邻两幅第一期肾脏CT图像中对应的像素值分别与权系数相乘后再相加以得到第一期加权融合图像；
所述第二线性加权融合子单元用于依次对所述第二相期的肾脏CT图像序列组中的相邻两幅第二期肾脏CT图像中对应的像素值分别与权系数相乘后再相加从而得到第二期加权融合图像；
所述第三线性加权融合子单元用于接收所述第一期加权融合图像及所述第二期加权融合图像，并将所述第一期加权融合图像及所述第二期加权融合图像分别与权系数相乘后再相加从而得到所述加权融合图像。
2.如权利要求1所述的肾脏多期CT图像融合系统，其特征在于，所述第一线性加权融合子单元、所述第二线性加权融合子单元及所述第三线性加权融合子单元分别包括：通信连接的像素比较模块、权系数确定模块、以及加权模块，
其中，所述像素比较模块用于比较两幅肾脏CT图像的像素，判别所述两幅肾脏CT图像之间的像素差异；
所述权系数确定模块用于根据所述像素比较模块像得到的所述两幅肾脏CT图像之间的素差异，确定所述两幅肾脏CT图像之间的权系数；
所述加权模块用于加权融合所述两幅肾脏CT图像。
3.如权利要求1所述的肾脏多期CT图像融合系统，其特征在于，所述高通滤波融合单元包括第一高通滤波融合子单元、第二高通滤波融合子单元、以及与所述第一高通滤波融合子单元及所述第二高通滤波融合子单元通信连接的第三高通滤波融合子单元，
其中，所述第一高通滤波融合子单元用于依次对所述第二相期的肾脏CT图像序列组中的相邻两幅第二期肾脏CT图像进行比较，依次将具有高分辨率的第二期肾脏CT图像的高频成分叠加到具有低分辨率的第二期肾脏CT图像上以得到第二期滤波融合图像；
所述第二高通滤波融合子单元用于依次对所述第三相期的肾脏CT图像序列组中的相邻两幅第三期肾脏CT图像进行比较，依次将具有高分辨率的第三期肾脏CT图像的高频成分叠加到具有低分辨率的第三期肾脏CT图像上以得到第三期滤波融合图像；
所述第三高通滤波融合子单元用于接收所述第二期滤波融合图像及所述第三期滤波融合图像并进行比较，将具有高分辨率的第二期滤波融合图像或第三期滤波融合图像的高频成分叠加到具有低分辨率的第三期滤波融合图像或第二期滤波融合图像上以得到所述滤波融合图像。
4.如权利要求3所述的肾脏多期CT图像融合系统，其特征在于，所述第一高通滤波融合子单元、所述第二高通滤波融合子单元及所述第三高通滤波融合子单元分别包括：通信连接的高通滤波模块及叠加模块，
其中，所述高通滤波模块用于比较两幅肾脏CT图像的分辨率，并提取出具有高分辨率的肾脏CT图像的细节信息；
所述叠加模块用于将所述具有高分辨率的肾脏CT图像的细节信息通过像元相加的方式叠加到具有低分辨率的肾脏CT图像上，以得到融合图像。
5.如权利要求3所述的肾脏多期CT图像融合系统，其特征在于，所述小波融合单元与所述第三线性加权融合子单元及所述第三高通滤波融合子单元通信连接，用于接收所述加权融合图像及所述滤波融合图像并分别将所述加权融合图像及所述滤波融合图像进行小波分解后通过小波逆变换得到融合图像。
6.如权利要求5所述的肾脏多期CT图像融合系统，其特征在于，进一步包括：预处理装置及图像一次配准装置，
其中，所述预处理装置与所述图像采集装置通信连接，其用于对所述图像采集装置获得的所述处于三个相期的肾脏CT图像序列组中的肾脏CT图像分别进行降噪处理；
所述图像一次配准装置与所述预处理装置通信连接，其用于对经所述预处理装置处理过的所述处于三个相期的肾脏CT图像序列组进行配准以将处于同一相期的肾脏CT图像进行分组。
7.如权利要求6所述的肾脏多期CT图像融合系统，其特征在于，所述预处理装置包括：通信连接的图像平滑单元以及图像增强单元，
其中，所述图像平滑单元用于通过空域法在空间域中对每幅所述肾脏CT图像的像素灰度值直接进行运算处理，以滤除每幅肾脏CT图像中的噪声；
所述图像增强单元用于对经过所述图像平滑单元处理过的每幅所述肾脏CT图像进行尖锐化增强处理以增加每幅所述肾脏CT图像的边缘鲜明度。
8.如权利要求6所述的肾脏多期CT图像融合系统，其特征在于，所述图像一次配准装置包括：通信连接的灰度提取子单元及空间变换子单元，
其中，所述灰度提取子单元用于依次提取每幅所述肾脏CT图像的灰度特征并根据所述灰度特征建立特征点生成特征空间并计算每幅所述肾脏CT图像像素点的质心和主轴；
所述空间变换子单元用于通过平移和旋转分别对齐每幅所述肾脏CT图像的质心和主轴得到经配准的肾脏CT图像以将处于同一相期的肾脏CT图像进行分组。
CN201711407509.8A 2017-12-22 2017-12-22 肾脏多期ct图像融合系统 Active CN108022230B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711407509.8A CN108022230B (zh) 2017-12-22 2017-12-22 肾脏多期ct图像融合系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711407509.8A CN108022230B (zh) 2017-12-22 2017-12-22 肾脏多期ct图像融合系统

Publications (2)

Publication Number Publication Date
CN108022230A CN108022230A (zh) 2018-05-11
CN108022230B true CN108022230B (zh) 2020-07-31

Family

ID=62074500

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711407509.8A Active CN108022230B (zh) 2017-12-22 2017-12-22 肾脏多期ct图像融合系统

Country Status (1)

Country Link
CN (1) CN108022230B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110249365B (zh) * 2017-11-10 2023-05-30 上海联影医疗科技股份有限公司 用于图像重建的系统和方法
CN111583326A (zh) * 2020-04-07 2020-08-25 青岛大学附属医院 人体肾实质面积测量方法及系统

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101546428A (zh) * 2009-05-07 2009-09-30 西北工业大学 基于区域分割的序列红外与可见光图像融合
US8120642B2 (en) * 2008-07-25 2012-02-21 Honeywell International Inc. Optical fingerprint acquisition
US9155470B2 (en) * 2012-01-24 2015-10-13 Siemens Aktiengesellschaft Method and system for model based fusion on pre-operative computed tomography and intra-operative fluoroscopy using transesophageal echocardiography
CN105321172A (zh) * 2015-08-31 2016-02-10 哈尔滨工业大学 一种sar、红外、可见光图像融合方法
CN106204511A (zh) * 2016-07-15 2016-12-07 西安交通大学第附属医院 一种二维图像与ct、mr图像的三维融合方法
CN107451983A (zh) * 2017-07-18 2017-12-08 中山大学附属第六医院 Ct图像的三维融合方法和系统

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8120642B2 (en) * 2008-07-25 2012-02-21 Honeywell International Inc. Optical fingerprint acquisition
CN101546428A (zh) * 2009-05-07 2009-09-30 西北工业大学 基于区域分割的序列红外与可见光图像融合
US9155470B2 (en) * 2012-01-24 2015-10-13 Siemens Aktiengesellschaft Method and system for model based fusion on pre-operative computed tomography and intra-operative fluoroscopy using transesophageal echocardiography
CN105321172A (zh) * 2015-08-31 2016-02-10 哈尔滨工业大学 一种sar、红外、可见光图像融合方法
CN106204511A (zh) * 2016-07-15 2016-12-07 西安交通大学第附属医院 一种二维图像与ct、mr图像的三维融合方法
CN107451983A (zh) * 2017-07-18 2017-12-08 中山大学附属第六医院 Ct图像的三维融合方法和系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
A NEW PANSHARP BASED METHOD FOR PET/CT IMAGE FUSION;Wei Mu 等;《2014 IEEE 11th International Symposium on Biomedical Imaging (ISBI)》;20141231;第1140-1143页 *
双源CT双能量扫描显示胃癌的图像质量及迭代重建算法降低图像噪声的能力;裴丽美 等;《中国医学影像技术》;20131231;第138-141页 *

Also Published As

Publication number Publication date
CN108022230A (zh) 2018-05-11

Similar Documents

Publication Publication Date Title
Armanious et al. Unsupervised medical image translation using cycle-MedGAN
Faragallah et al. A comprehensive survey analysis for present solutions of medical image fusion and future directions
CN110996789B (zh) 执行筛查、诊断或其他基于图像的分析任务的系统和方法
Bhatnagar et al. Directive contrast based multimodal medical image fusion in NSCT domain
Bhatnagar et al. A new contrast based multimodal medical image fusion framework
Pajares et al. A wavelet-based image fusion tutorial
Bankman Handbook of medical image processing and analysis
Tasdizen et al. Automatic mosaicking and volume assembly for high-throughput serial-section transmission electron microscopy
Dogra et al. Efficient fusion of osseous and vascular details in wavelet domain
WO2021102644A1 (zh) 图像增强方法、装置及终端设备
El‐Hag et al. Utilization of image interpolation and fusion in brain tumor segmentation
Rajalingam et al. Review of multimodality medical image fusion using combined transform techniques for clinical application
CN108022230B (zh) 肾脏多期ct图像融合系统
Sreeja et al. Image fusion through deep convolutional neural network
Salau et al. A review of various image fusion types and transform
Venkatesan et al. A review on multimodal medical image fusion towards future research
Chauhan et al. Medical image fusion methods: Review and application in cardiac diagnosis
Gupta et al. A hybrid framework for registration of carotid ultrasound images combining iconic and geometric features
Koh et al. Automatic spinal canal detection in lumbar MR images in the sagittal view using dynamic programming
Yang et al. Fast multisensor infrared image super-resolution scheme with multiple regression models
CN116342444A (zh) 一种双通道多模态图像融合方法及融合成像终端机
Nbonsou Tegang et al. A gaussian process model based generative framework for data augmentation of multi-modal 3d image volumes
Indhumathi et al. A comprehensive study of image fusion techniques and their applications
RU2614545C1 (ru) Устройство объединения медицинских изображений
Singla et al. A systematic way of affine transformation using image registration

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