CN108492307A - 一种磁共振adc图像分割方法及使用该方法的磁共振系统 - Google Patents
一种磁共振adc图像分割方法及使用该方法的磁共振系统 Download PDFInfo
- Publication number
- CN108492307A CN108492307A CN201810254016.3A CN201810254016A CN108492307A CN 108492307 A CN108492307 A CN 108492307A CN 201810254016 A CN201810254016 A CN 201810254016A CN 108492307 A CN108492307 A CN 108492307A
- Authority
- CN
- China
- Prior art keywords
- image
- adc
- images
- binary image
- magnetic resonance
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 34
- 238000005192 partition Methods 0.000 title claims abstract description 12
- 230000011218 segmentation Effects 0.000 claims abstract description 28
- 230000003628 erosive effect Effects 0.000 claims abstract description 8
- 238000006243 chemical reaction Methods 0.000 claims abstract description 7
- 230000010339 dilation Effects 0.000 claims abstract description 7
- 230000007797 corrosion Effects 0.000 claims description 5
- 238000005260 corrosion Methods 0.000 claims description 5
- 238000002595 magnetic resonance imaging Methods 0.000 claims description 5
- 238000012935 Averaging Methods 0.000 claims description 2
- 238000003709 image segmentation Methods 0.000 abstract description 5
- 238000004364 calculation method Methods 0.000 abstract 1
- 238000009792 diffusion process Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000001235 sensitizing effect Effects 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration using local operators
- G06T5/30—Erosion or dilatation, e.g. thinning
-
- 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
- G06T7/10—Segmentation; Edge detection
- G06T7/12—Edge-based segmentation
-
- 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
- G06T2207/10088—Magnetic resonance imaging [MRI]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种磁共振ADC图像分割方法,其特征在于包括下述步骤:1)由多B值DWI图像计算得到需要分割的ADC图像;2)基于直方图计算图像阈值,对DWI图像进行二值化处理,获得二值化图像;3)对所得二值化图像采用膨胀腐蚀算法去除分割错误点得到最终的二值化图像;4)对多B值图像依次进行2)、3)步骤的操作,将得到的最终的二值化图像相加,得到分割模板,分割模板中像素非0的点表示组织区域,像素为0的点表示非组织区域;5)将步骤4)中得到的分割模板中等于零的点与所需分割的ADC图像相乘,得到ADC分割图像。本发明方法能够有效提高ADC图像分割的鲁棒性。
Description
技术领域
本发明属于磁共振成像技术领域,具体涉及一种磁共振ADC图像分割方法及使用该方法的磁共振系统。
背景技术
弥散运动即布朗运动,是指分子在温度驱使下无规律随机的、相互碰撞、相互超越的运动过程。常规MRI序列中水分子弥散运动队信号的影响非常小。DWI是在常规序列的基础上,在XYZ轴三个互相垂直的方向上增加弥散敏感梯度,从而获得反映体内水分子弥散运动状况的MR图像。在DWI中通常以表观弥散系数ADC(Apparent Diffusion Coefficient)描述组织中水分子弥散的快慢,并可得到ADC图。ADC图像需要将组织和周围噪声的分割。传统阈值法的基本思想是基于图像的灰度特征计算一个或多个灰度阈值,并将图像中每个像素的灰度值与阈值相比较,最后将像素根据比较结果分到合适的类别中。该类方法计算简单,但对于单个像素的操作容易造成图像孔洞,图像不均匀也会是分割出现较大偏差。即传统的阈值方法容易受噪声,图像均匀性影响,方法不稳定,为了提高分割算法的鲁棒性,改善算法准确率,有必要改善获得一种新的图像分割方法。
发明内容
本发明目的是:针对传统阈值方法分割ADC图像存在的缺陷而提供一种磁共振ADC图像分割方法,该方法能够抑制异常信号图像均匀性对分割的影响,有效提高ADC图像分割的准确性和稳定性。
本发明的技术方案是:一种磁共振ADC图像分割方法,其特征在于包括下述步骤:
1)由多B值DWI图像计算得到需要分割的ADC图像;
2)基于统计直方图计算图像阈值,对DWI图像进行二值化处理,获得二值化图像;
3)对所得二值化图像采用膨胀腐蚀算法去除分割错误点得到最终的二值化图像;
4)对多B值图像依次进行2)、3)步骤的操作,将得到的最终的二值化图像相加,得到分割模板,分割模板中像素非0的点表示组织区域,像素为0的点表示非组织区域;
5)将步骤4)中得到的分割模板中等于零的点与所需分割的ADC图像相乘,得到ADC分割图像。
3.进一步的,本发明的步骤1)的具体方法为:采用已有的MRI成像仪扫描得到多B值图像,若是只有2个B值的DWI图像,则利用公式:ADC=(lnSx/Sy)/(By-Bx)计算得到ADC图像,其中Sx是Bx的DWI图像,Sy是By的DWI图像,Bx和By是不同的两个B值;若是有多于2个B值的DWI图像,则通过上述公式两两计算得到相应的ADC图像,再对所计算的多个ADC求平均获得所需分割的ADC图像。
进一步的,本发明中所述步骤2)的详细步骤展开如下:
a)统计直方图的计算:将图像的所有像素点采用下述公式分组:
其中N为分组数,i为像素点x的组号,将图像的所有像素点采用函数f(t)-∑i=t1进行统计,得到统计直方图;
b)选择函数f(t)右侧第一波谷值为图像阈值,对DWI进行二值化处理,大于阈值的像素置1,小于的为零,得到二值化图像。
进一步的,本发明中所述步骤3)中的膨胀腐蚀算法包括如下步骤:
a)对步骤2)获得的二值化图像先膨胀迭代,然后腐蚀迭代到步骤2)得到的二值化图像的边界,得到新的二值化图像;
b)对步骤a)得到的新的二值化图像进行先腐蚀迭代,然后膨胀迭代到3)步骤得到的新的二值化图像的边界,得到最终的二值化图像。
更进一步的,本发明中的上述膨胀迭代是指将图像中每一个非零像素点上下左右相邻的0像素点置1,然后重复,而腐蚀迭代是指将图像中每一个0像素点上下左右相邻的非零像素点置0,然后重复。
归纳来说,本发明方法即对不同B值DWI图像进行二值化,对所得二值化图像进行膨胀腐蚀,去除分割错误点得到分割模板,将所有分割模板进行合并相加得到最终分割模板,然后利用分割图像来获得ADC分割图像。分割模板中数值为正直时保留ADC图像像素值,数值为0时ADC像素值为0。
本发明还提供一种采用如上面所述方法的磁共振成像系统。
本发明的优点是:
由于传统阈值分割方法,虽然原理简单,易于实现,但是由于噪声和图像不均匀等影响,图像分割正确性和稳定性都不理想。本发明方法采用多B值DWI图像分割,使用简单的统计算法,计算二值化图像,再使用膨胀腐蚀算法,对二值化图像进行优化,算法的稳定性和正确性都很高。实际应用中具有很大的实用价值。概括来讲本发明的核心优点为:
1、实现简单,算法计算复杂度低;
2、算法稳定,对不均匀图像也有很好的鲁棒性。
附图说明
下面结合附图及实施例对本发明作进一步描述:
图1为本发明方法的流程概念图。
具体实施方式
实施例:下面我结合图1所示的流程图对于本案提供的这种磁共振ADC图像分割方法的具体实施方式进行说明:
第一步:计算获取待分割的ADC图像,本实施例中通过MRI成像仪扫描获得三组B值图像,三个B值分别为B1、B2和B3,它们分别对应的DWI图像即DWI图1,DWI图2和DWI图3。利用公式ADC=(lnSx/Sy)/(By-Bx),两两图像计算得到三个ADC图像,再对这三个ADC图像求平均获得最终的ADC图像,也是我们想要分割的ADC图像。
第二步:基于统计直方图计算图像阈值,对上述每个DWI图像进行二值化处理,获得二值化图像,具体是:
a)统计直方图的计算:将图像的所有像素点采用下述公式分组:
其中N为分组数,i为像素点x的组号,将图像的所有像素点采用函数f(t)-∑i=t1进行统计,得到统计直方图;
b)选择函数f(t)(即直方图)右侧(右侧值大于左侧)第一个波谷值为图像阈值,对DWI图像进行二值化处理,大于阈值的像素置1,小于的为零,得到二值化图像。
最后得到三个二值化图像。
第三步:对所得每个二值化图像采用膨胀腐蚀算法去除分割错误点得到最终的二值化图像,具体是:
a)对上面第二步中获得的二值化图像先膨胀迭代,然后腐蚀迭代到步骤2)得到的二值化图像的边界,得到新的二值化图像;
本实施例中具体是对每个二值化图像每个非零像素点上下左右相邻的0像素点置1,如此反复3次(膨胀),然后再对该二值化图像的每个0像素点上下左右的1像素点(在原先的二值化图像中为0像素点)置0,如此反复6次(腐蚀),得到新的二值化图像。
b)对步骤a)得到的新的二值化图像进行先腐蚀迭代,然后膨胀迭代到3)步骤得到的新的二值化图像的边界,得到最终的二值化图像。
对上面步骤a)得到的新的二值化图像的每个0像素点上下左右的相邻值为1的像素点置0,如此反复3次(腐蚀),然后再对图像的每一个值为1的像素点上下左右相邻的值为0的像素点(在原先新的二值化图像中为1)置1(膨胀),如此反复6次,得到最终的二值化图像,即对应每个DWI图像的单独分割模板。
第四步:将第三步中最后获得的三个最终的二值化图像(即对应每个DWI图像的单独分割模板)相加,得到分割模板。
第五步:将上面第四步中得到的分割模板中像素点为0的点(非组织区域)与要分割的ADC图像中相应的像素点相乘,得到最终的ADC分割图像。
当然上述实施例只为说明本发明的技术构思及特点,其目的在于让熟悉此项技术的人能够了解本发明的内容并据以实施,并不能以此限制本发明的保护范围。凡根据本发明主要技术方案的精神实质所做的修饰,都应涵盖在本发明的保护范围之内。
Claims (6)
1.一种磁共振ADC图像分割方法,其特征在于包括下述步骤:
1)由多B值DWI图像计算得到需要分割的ADC图像;
2)基于统计直方图计算图像阈值,对DWI图像进行二值化处理,获得二值化图像;
3)对所得二值化图像采用膨胀腐蚀算法去除分割错误点得到最终的二值化图像;
4)对多B值图像依次进行2)、3)步骤的操作,将得到的最终的二值化图像相加,得到分割模板,分割模板中像素非0的点表示组织区域,像素为0的点表示非组织区域;
5)将步骤4)中得到的分割模板中等于零的点与所需分割的ADC图像相乘,得到ADC分割图像。
2.根据权利要求1所述的一种磁共振ADC图像分割方法,其特征在于步骤1)的具体方法为:采用已有的MRI成像仪扫描得到多B值图像,若是只有2个B值的DWI图像,则利用公式:ADC=(lnSx/Sy)/(By-Bx)计算得到ADC图像,其中Sx是Bx的DWI图像,Sy是By的DWI图像,Bx和By是不同的两个B值;若是有多于2个B值的DWI图像,则通过上述公式两两计算得到相应的ADC图像,再对所计算的多个ADC求平均获得所需分割的ADC图像。
3.根据权利要求1所述的一种磁共振ADC图像分割方法,其特征在于步骤2)的详细步骤展开如下:
a)统计直方图的计算:将图像的所有像素点采用下述公式分组:
其中N为分组数,i为像素点x的组号,将图像的所有像素点采用函数∫(t)-∑t=t1进行统计,得到统计直方图;
b)选择函数f(t)右侧第一波谷为图像阈值,对DWI进行二值化处理,大于阈值的像素置1,小于的为零,得到二值化图像。
4.根据权利要求1所述的一种磁共振ADC图像分割方法,其特征在于所述步骤3)中的膨胀腐蚀算法包括如下步骤:
a)对步骤2)获得的二值化图像先膨胀迭代,然后腐蚀迭代到步骤2)得到的二值化图像的边界,得到新的二值化图像;
b)对步骤a)得到的新的二值化图像进行先腐蚀迭代,然后膨胀迭代到3)步骤得到的新的二值化图像的边界,得到最终的二值化图像。
5.根据权利要求4所述的一种磁共振ADC图像分割方法,其特征在于所述膨胀迭代是指将图像中每一个非零像素点上下左右相邻的0像素点置1,然后重复,而腐蚀迭代是指将图像中每一个0像素点上下左右相邻的非零像素点置0,然后重复。
6.一种采用如权利要求1~5任意一项所述方法的磁共振成像系统。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810254016.3A CN108492307B (zh) | 2018-03-26 | 2018-03-26 | 一种磁共振adc图像分割方法及使用该方法的磁共振系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810254016.3A CN108492307B (zh) | 2018-03-26 | 2018-03-26 | 一种磁共振adc图像分割方法及使用该方法的磁共振系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108492307A true CN108492307A (zh) | 2018-09-04 |
CN108492307B CN108492307B (zh) | 2022-07-05 |
Family
ID=63337855
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810254016.3A Active CN108492307B (zh) | 2018-03-26 | 2018-03-26 | 一种磁共振adc图像分割方法及使用该方法的磁共振系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108492307B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109242866A (zh) * | 2018-11-08 | 2019-01-18 | 中国科学院生物物理研究所 | 基于扩散磁共振图像的乳腺肿瘤自动辅助检测系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101099672A (zh) * | 2006-07-07 | 2008-01-09 | 株式会社东芝 | 磁共振成像装置、磁共振成像方法和图像处理装置 |
CN101847261A (zh) * | 2010-05-10 | 2010-09-29 | 南京航空航天大学 | 大鼠头部磁共振图像蒙特卡洛仿真模型的获取方法 |
US20110200238A1 (en) * | 2010-02-16 | 2011-08-18 | Texas Instruments Incorporated | Method and system for determining skinline in digital mammogram images |
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 |
CN107705303A (zh) * | 2017-10-16 | 2018-02-16 | 长沙乐成医疗科技有限公司 | 一种医学图像上血管的分割方法 |
-
2018
- 2018-03-26 CN CN201810254016.3A patent/CN108492307B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101099672A (zh) * | 2006-07-07 | 2008-01-09 | 株式会社东芝 | 磁共振成像装置、磁共振成像方法和图像处理装置 |
US20110200238A1 (en) * | 2010-02-16 | 2011-08-18 | Texas Instruments Incorporated | Method and system for determining skinline in digital mammogram images |
CN101847261A (zh) * | 2010-05-10 | 2010-09-29 | 南京航空航天大学 | 大鼠头部磁共振图像蒙特卡洛仿真模型的获取方法 |
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 |
CN107705303A (zh) * | 2017-10-16 | 2018-02-16 | 长沙乐成医疗科技有限公司 | 一种医学图像上血管的分割方法 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109242866A (zh) * | 2018-11-08 | 2019-01-18 | 中国科学院生物物理研究所 | 基于扩散磁共振图像的乳腺肿瘤自动辅助检测系统 |
CN109242866B (zh) * | 2018-11-08 | 2021-11-09 | 中国科学院生物物理研究所 | 基于扩散磁共振图像的乳腺肿瘤自动辅助检测系统 |
Also Published As
Publication number | Publication date |
---|---|
CN108492307B (zh) | 2022-07-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Park et al. | Densely connected hierarchical network for image denoising | |
US7623683B2 (en) | Combining multiple exposure images to increase dynamic range | |
US8326069B2 (en) | Computing higher resolution images from multiple lower resolution images | |
JP4004653B2 (ja) | 動きベクトル検出方法および装置、記録媒体 | |
US7848571B2 (en) | Computer-implemented method for efficient image segmentation using automated saddle-point detection | |
US8983199B2 (en) | Apparatus and method for generating image feature data | |
CN109544475A (zh) | 用于图像去模糊的Bi-Level优化方法 | |
CN102136065B (zh) | 基于凸优化的人脸超分辨率方法 | |
US10674178B2 (en) | One-dimensional segmentation for coherent motion estimation | |
CN107483960B (zh) | 一种基于空间预测的运动补偿帧率上转换方法 | |
Kelkar et al. | Improved quadtree method for split merge image segmentation | |
Ting et al. | Image inpainting by global structure and texture propagation | |
CN116934755B (zh) | 基于直方图均衡化的肺结核ct图像增强系统 | |
US20100040304A1 (en) | Image quality improvement processing apparatus, image quality improvement processing method and computer-readable recording medium storing image quality improvement processing computer program | |
Shen et al. | Mutual information-driven triple interaction network for efficient image dehazing | |
CN108492307A (zh) | 一种磁共振adc图像分割方法及使用该方法的磁共振系统 | |
Grogan et al. | Robust registration of gaussian mixtures for colour transfer | |
JP2003016427A (ja) | ステレオ画像の視差推定方法 | |
CN110070110B (zh) | 一种自适应阈值图像匹配方法 | |
Margalit et al. | Using probabilistic domain knowledge to reduce the expected computational cost of template matching | |
CN109785331B (zh) | 基于自适应像素值约束和mrf的声呐图像分割方法 | |
Zheng et al. | Denoising adversarial networks for rain removal and reflection removal | |
CN112651936A (zh) | 基于图像局部熵的钢板表面缺陷图像分割方法及系统 | |
Amintoosi et al. | Precise image registration with structural similarity error measurement applied to superresolution | |
Badgujar et al. | Examplar-based Image Inpainting and Approaches to Improve the Performance |
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 |