CN110473297A - 图像处理方法、装置、电子设备和存储介质 - Google Patents

图像处理方法、装置、电子设备和存储介质 Download PDF

Info

Publication number
CN110473297A
CN110473297A CN201910770611.7A CN201910770611A CN110473297A CN 110473297 A CN110473297 A CN 110473297A CN 201910770611 A CN201910770611 A CN 201910770611A CN 110473297 A CN110473297 A CN 110473297A
Authority
CN
China
Prior art keywords
image
dimensional
target
initial
tomographic image
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
Application number
CN201910770611.7A
Other languages
English (en)
Other versions
CN110473297B (zh
Inventor
张娜
冯娟
胡扬
杨乐
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 CN201910770611.7A priority Critical patent/CN110473297B/zh
Publication of CN110473297A publication Critical patent/CN110473297A/zh
Priority to PCT/CN2020/096658 priority patent/WO2020253745A1/en
Priority to EP20825934.1A priority patent/EP3973506A4/en
Priority to US17/645,037 priority patent/US20220114801A1/en
Application granted granted Critical
Publication of CN110473297B publication Critical patent/CN110473297B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • 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
    • G06T3/06—Topological mapping of higher dimensional structures onto lower dimensional surfaces
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T19/00—Manipulating 3D models or images for computer graphics
    • G06T19/20—Editing of 3D images, e.g. changing shapes or colours, aligning objects or positioning parts
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0012—Biomedical image inspection
    • 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
    • G06T2200/08—Indexing scheme for image data processing or generation, in general involving all processing steps from image acquisition to 3D model generation
    • 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
    • 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
    • G06T2207/20172—Image enhancement details
    • G06T2207/20192—Edge enhancement; Edge preservation
    • 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
    • G06T2207/30068—Mammography; Breast

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Medical Informatics (AREA)
  • Computer Hardware Design (AREA)
  • Computer Graphics (AREA)
  • Architecture (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Software Systems (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Quality & Reliability (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Apparatus For Radiation Diagnosis (AREA)
  • Image Processing (AREA)

Abstract

本发明实施例公开了一种图像处理方法、装置、电子设备和存储介质。该方法包括：获取扫描对象的至少一个目标三维断层图像，并对每个目标三维断层图像进行梯度变换生成目标三维梯度图像；逐预设处理单元地在选定方向上确定每个目标三维梯度图像中灰度最大值对应的位置，并从每个目标三维断层图像中确定各位置处的灰度值；基于各灰度值生成扫描对象在选定方向上的初始二维图像；依据预设权重对初始二维图像和预设扫描角对应的二维投影图像进行加权求和，生成选定方向上的目标二维图像。通过上述技术方案，实现了从三维断层图像中快速且精确地获得能够反映扫描对象的组织结构全局性分布的二维图像。

Description

图像处理方法、装置、电子设备和存储介质
技术领域
本发明实施例涉及医学图像处理技术，尤其涉及一种图像处理方法、装置、电子设备和存储介质。
背景技术
目前所获得的医学图像中包含三维断层图像，其中的每个二维断层图像(或二维投影图像)均反映扫描对象的某一个横切面的情况。但是考虑到病灶通常分布于整个组织中，病灶的诊断除了需要三维断层图像，更多地需要组织的整体分布情况，此时为了减少扫描对象所接收的辐射剂量，需要从三维断层图像中来获得组织的整体分布情况。以乳腺图像为例，乳腺癌在全球范围内都是严重威胁女性健康的重要疾病。乳腺X射线摄影目前被公认为乳腺癌的首选检查方式，但是其获得的乳腺图像中存在组织重叠问题，影响乳腺病灶的诊断。近年来，随着影像设备不断更新，数字化乳腺断层合成技术，又称数字乳腺断层摄影(Digital Breast Tomosynthesis,DBT)的出现，使乳腺癌的早期检出和诊断有了进一步的提高。
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二维投影图像，然后将这些独立的二维投影图像重建成包含一系列高分辨率的乳腺三维断层图像。这些断层图像单独显示或以连续播放的形式动态显示。每个断层图像显示乳房在相应深度下的结构和组织特征，整个乳腺三维断层图像表示重建后的乳房，能够减少组织重叠的影响。
但是，由于乳腺病灶(尤其是乳腺钙化)的诊断和定位更多地是需要基于病灶在整个乳房的分布情况，所以在实际诊断过程中除了需要为医生提供乳腺三维断层图像外，仍需要为其提供乳房的全局视图作为指导。若采用对患者先进行一次DBT以获得乳腺三维断层图像，再进行一次全视野数字乳腺X线摄影(Full-Field Digital Mammography,FFDM)以获得乳房的组织结构全局性分布的二维图像(简称全局性二维图像)，势必会导致患者受到过多的辐射剂量，也会增加扫描时长。
发明内容
本发明实施例提供一种图像处理方法、装置、电子设备和存储介质，以实现从三维断层图像中获得能够反映扫描对象的组织结构全局性分布的二维图像，减少扫描时间及扫描对象所接收的辐射剂量，提高全局性二维图像的获取效率和图像质量。
第一方面，本发明实施例提供了一种图像处理方法，包括：
获取扫描对象的至少一个目标三维断层图像，并对每个所述目标三维断层图像进行梯度变换，生成相应目标三维断层图像对应的目标三维梯度图像；
逐预设处理单元地在选定方向上确定每个所述目标三维梯度图像中灰度最大值对应的位置；
从每个所述目标三维断层图像中确定与相应目标三维断层图像对应的各所述位置处的灰度值，并基于各所述灰度值，生成所述扫描对象在所述选定方向上的初始二维图像；
依据预设权重，对所述初始二维图像和预设扫描角对应的二维投影图像进行加权求和，生成所述扫描对象在所述选定方向上的目标二维图像，其中，所述二维投影图像为所述扫描对象的三维扫描数据在所述预设扫描角投影而获得的断层图像，所述预设扫描角与所述选定方向的角度一致。
第二方面，本发明实施例还提供了一种图像处理装置，该装置包括：
目标三维梯度图像生成模块，用于获取扫描对象的至少一个目标三维断层图像，并对每个所述目标三维断层图像进行梯度变换，生成相应目标三维断层图像对应的目标三维梯度图像；
位置确定模块，用于逐预设处理单元地在选定方向上确定每个所述目标三维梯度图像中灰度最大值对应的位置；
初始二维图像生成模块，用于从每个所述目标三维断层图像中确定与相应目标三维断层图像对应的各所述位置处的灰度值，并基于各所述灰度值，生成所述扫描对象在所述选定方向上的初始二维图像；
目标二维图像生成模块，用于依据预设权重，对所述初始二维图像和预设扫描角对应的二维投影图像进行加权求和，生成所述扫描对象在所述选定方向上的目标二维图像，其中，所述二维投影图像为所述扫描对象的三维扫描数据在所述预设扫描角投影而获得的断层图像，所述预设扫描角与所述选定方向的角度一致。
第三方面，本发明实施例还提供了一种电子设备，该电子设备包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序，
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现本发明任意实施例所提供的图像处理方法。
第四方面，本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现本发明任意实施例所提供的图像处理方法。
本发明实施例通过获取扫描对象的至少一个目标三维断层图像，并对每个目标三维断层图像进行梯度变换，生成相应目标三维断层图像对应的目标三维梯度图像，增强了目标三维断层图像中的边缘特征，提高了目标三维断层图像中病灶和脉管系统的边缘信息在后续图像处理过程中的信息保留概率。通过逐预设处理单元地在选定方向上确定每个目标三维梯度图像中灰度最大值对应的位置；从每个所述目标三维断层图像中确定与相应目标三维断层图像对应的各所述位置处的灰度值，并基于各所述灰度值，生成所述扫描对象在所述选定方向上的初始二维图像；依据预设权重，对所述初始二维图像和预设扫描角对应的二维投影图像进行加权求和，生成所述扫描对象在所述选定方向上的目标二维图像。实现了从三维断层图像中获得能够反映扫描对象的组织结构全局性分布的二维图像，减少了扫描时间及扫描对象所接收的辐射剂量，提高了全局性二维图像(即目标二维图像)的获取效率。并且由于梯度变换和灰度最大值对应位置的灰度值的保留，确保了所获得的目标二维图像中病灶信息和脉管系统等组织信息的信息含量，由于预设扫描角对应的二维投影图像中细节信息的保留，增强了目标二维图像中的细节信息，从而提高了目标二维图像的图像质量。
附图说明
图1是本发明实施例一中的一种图像处理方法的流程图；
图2是本发明实施例一中的目标三维梯度图像中灰度最大值对应的位置的确定原理示意图；
图3是本发明实施例二中的一种图像处理方法的流程图；
图4是本发明实施例二中的最大密度投影算法和平均值投影算法的投影结果示意图；
图5是本发明实施例三中的一种图像处理方法的流程图；
图6是本发明实施例四中的一种图像处理装置的结构示意图；
图7是本发明实施例五中的一种电子设备的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。
实施例一
本实施例提供的图像处理方法可适用于从三维图像中获取选定方向上的二维图像。该方法可以由图像处理装置来执行，该装置可以由软件和/或硬件的方式实现，该装置可以集成在具有图像处理功能的电子设备中，例如个人计算机、服务器或网络设备等。参见图1，本实施例的方法具体包括如下步骤：
S110、获取扫描对象的至少一个目标三维断层图像，并对每个目标三维断层图像进行梯度变换，生成相应目标三维断层图像对应的目标三维梯度图像。
其中，目标三维断层图像是指可以直接用于提取二维图像的三维断层图像。三维断层图像可以是对扫描对象进行扫描而获得，也可以是从外部存储介质读取而获得。示例性地，目标三维断层图像来自乳腺图像处理系统(如DBT系统)、计算机断层扫描(ComputerTomography，CT)图像处理系统或者锥形束计算机断层扫描(Cone beam ComputerTomography，CBCT)图像处理系统。应当说明的是，目标三维断层图像还可以来自多模态成像系统。
获取扫描对象同一个扫描部分的至少一个目标三维断层图像。如果是一个目标三维断层图像，那么该目标三维断层图像至少要包含整个扫描部位。如果是多个目标三维断层图像，那么每个目标三维断层图像对应扫描部位的一部分。采用多个目标三维断层图像的处理，可以提高后续图像处理速度，从而提高目标二维图像的生成效率。无论是一个还是多个目标三维断层图像，目标三维断层图像都是由二维断层图像或二维投影图像(DBT所获得的二维图像)堆叠而成。
由于最终要获得的二维图像是要反映扫描对象的扫描部位中各组织的整体分布情况，故需要尽可能多地保留三维断层图像中的组织结构信息。而考虑到病灶和脉管系统的边缘都与周围组织有明显的差异，因此可根据这种边缘特征差异将病灶和脉管系统等组织结构在二维断层图像或二维投影图像中所在位置精确识别出来，进而将识别出来的组织结构信息保留在最终获得的目标二维图像中。
为了提高目标二维图像中组织结构的信息量，本发明实施例中采用梯度变换的方式增强边缘特征。具体实施时，利用如下公式(1)对目标三维断层图像进行梯度变换，并基于梯度变换结果生成该目标三维断层图像的目标三维梯度图像。例如，可以直接将梯度变换结果作为目标三维梯度图像，也可以先对梯度变换结果进行进一步处理后生成目标三维梯度图像。
其中，V(x,y,z)表示目标三维断层图像，α表示常数系数。
如果是多个目标三维断层图像，那么对每一个目标三维断层图像均执行上述操作，便可获得每个目标三维断层图像对应的目标三维梯度图像。可以理解的是，目标三维梯度图像中梯度大的像素对应于目标三维断层图像中的边缘特征。
S120、逐预设处理单元地在选定方向上确定每个目标三维梯度图像中灰度最大值对应的位置。
其中，预设处理单元是预先设定的图像处理的最小单元。示例性地，预设处理单元包括一个像素或者预定数目的多个像素。也就是，预设处理单元可以是一个像素对应的范围，也可以是多个像素对应的范围。选定方向是预先设定的投影方向，也是目标二维图像的法向量的方向，例如可以是垂直轴、冠状轴或矢状轴等。
根据上述说明，目标三维梯度图像中梯度大的像素对应的边缘特征突出，那么为了确定目标二维图像中需要保留的目标三维断层图像中的边缘信息的位置，本实施例根据梯度值的大小，从目标三维梯度图像中找出选定方向上梯度值最大的各个预设处理单元的位置。可以理解，这些位置便是目标三维断层图像中边缘信息量大的位置。
参见图2，以z轴作为选定方向，以一个像素为预设处理单元，那么对于(a)图中的目标三维梯度图像200，将一列的各个像素值(即灰度值，其代表梯度值)按照z轴坐标绘制为一条灰度值曲线，见(b)图，该灰度值曲线的横坐标为z轴坐标值，纵坐标为灰度值。那么，该灰度值曲线中的最大值便为该列对应的灰度最大值，其对应的(x,y,z)坐标对便是该预设处理单元对应的所求位置。按照该过程，便可确定一个目标三维梯度图像中选定方向上各个预设处理单元对应的灰度最大值的位置。同样地，目标三维梯度图像是多个时，可以为每个目标三维梯度图像确定其对应的各个位置。
S130、从每个目标三维断层图像中确定与相应目标三维断层图像对应的各位置处的灰度值，并基于各灰度值，生成扫描对象在选定方向上的初始二维图像。
其中，初始二维图像是指包含扫描对象的扫描部位的组织结构的全局性分布的二维图像，其从各目标三维断层图像直接提取得到。
对于任一个目标三维断层图像，其对应有一个维度大小完全一致的目标三维梯度图像，也就对应有一组灰度值(梯度值)最大值对应的位置，这些位置便是该目标三维断层图像中边缘信息量大的位置。那么，按照该组位置中每个三维坐标值，可以从该目标三维断层图像中提取出多个灰度值，这些灰度值按照坐标关系排列便可构成一个二维图像。该过渡二维图像保留了目标三维断层图像中较多的边缘特征，其可以作为该目标三维断层图像在选定方向上的过渡二维图像。
如果目标三维断层图像的数量为一个，那么可以将上述过渡二维图像作为扫描对象在选定方向上的初始二维图像。如果目标三维断层图像的数量为多个，那么按照上述过程可以获得多个过渡二维图像，基于各过渡二维图像可生成扫描对象在选定方向上的初始二维图像。
示例性地，若目标三维断层图像的数量为多个时，基于各灰度值，生成扫描对象在选定方向上的初始二维图像包括：基于每个目标三维断层图像对应的各灰度值，生成相应目标三维断层图像对应的扫描对象在选定方向上的过渡二维图像；将各过渡二维图像沿选定方向投影，生成扫描对象在选定方向上的初始二维图像。
上述图像处理过程中，如果为了提高图像处理效率，而将扫描对象对应的完整三维断层图像拆分为多个目标三维断层图像，那么在最终生成目标二维图像时，便需要将每个拆分的目标三维断层图像对应的过渡二维图像进行综合。具体实施时，需要在选定方向上继续对所有的过渡二维图像进行投影处理，例如可以是采用某一种投影算法进行投影，也可以是采用多种投影算法的组合进行投影，以使得最终获得的一个二维图像中涵盖全部扫描部位对应的图像信息，即获得扫描对象在选定方向上的初始二维图像。
S140、依据预设权重，对初始二维图像和预设扫描角对应的二维投影图像进行加权求和，生成扫描对象在选定方向上的目标二维图像。
其中，二维投影图像为扫描对象的三维扫描数据在预设扫描角投影而获得的二维图像，预设扫描角与选定方向的角度一致。当扫描对象为乳房时，三维扫描数据可以是对扫描对象进行DBT扫描而所得的扫描数据。预设权重是指预先设定的加权权重值，其可以根据临床需求而定。目标二维图像是指包含扫描对象的扫描部位的组织结构的全局性分布的二维图像，其是对初始二维图像进行进一步处理而得到。
根据上述说明，初始二维图像已经是从三维断层图像中获得的组织结构的全局性分布的二维图像，其主要是突出了病灶和边缘信息，细节信息有损失。而预设扫描角对应的二维投影图像属于低剂量图像，其虽然有噪声，但是仍保留一些细节信息，且该二维投影图像的投影位置、投影几何关系与初始二维图像相同，故本发明实施例中将两者进行加权求和处理，以便在初始二维图像的基础上增强图像细节信息。
具体实施时，按照预设权重，采用公式(2)对初始二维图像和预设扫描角对应的二维投影图像进行加权求和，以便按比例结合两个二维图像中的图像信息，获得目标二维图像。
Volume＝w1*IINI+w2*IPRO (2)
其中，Volume表示目标二维图像，IINI和IPRO分别表示初始二维图像和预设扫描角对应的二维投影图像，w1和w2分别表示第一预设权重和第二预设权重，且两者之和为1。w1和w2为人为根据临床需求而设定的预设权重，例如对于乳腺图像而言，如果想获得钙化等对比度强的目标二维图像，可将预设最值权重w1设置较大的数值；如果想获得显示效果更加柔和的目标二维图像，则将预设均值权重w2设置较大的数值。
本实施例的技术方案，通过获取扫描对象的至少一个目标三维断层图像，并对每个目标三维断层图像进行梯度变换，生成相应目标三维断层图像对应的目标三维梯度图像，增强了目标三维断层图像中的边缘特征，提高了目标三维断层图像中病灶和脉管系统的边缘信息在后续图像处理过程中的信息保留概率。通过逐预设处理单元地在选定方向上确定每个目标三维梯度图像中灰度最大值对应的位置；从每个目标三维断层图像中确定与相应目标三维断层图像对应的各位置处的灰度值，并基于各灰度值，生成扫描对象在选定方向上的初始二维图像；依据预设权重，对初始二维图像和预设扫描角对应的二维投影图像进行加权求和，生成扫描对象在选定方向上的目标二维图像。实现了从三维断层图像中获得能够反映扫描对象的组织结构全局性分布的二维图像，减少了扫描时间及扫描对象所接收的辐射剂量，提高了全局性二维图像(即目标二维图像)的获取效率。并且由于梯度变换和灰度最大值对应位置的灰度值的保留，确保了所获得的目标二维图像中病灶信息和脉管系统等组织信息的信息含量，由于预设扫描角对应的二维投影图像中细节信息的保留，增强了目标二维图像中的细节信息，从而提高了目标二维图像的图像质量。
实施例二
本实施例在上述实施例一的基础上，对“对每个目标三维断层图像进行梯度变换，生成相应目标三维断层图像对应的目标梯度图像”进行了进一步优化。在此基础上，还可以进一步对“将各过渡二维图像沿选定方向投影，生成扫描对象在选定方向上的初始二维图像”进行优化。在上述基础上，还可以进一步增加“初始二维图像和二维投影图像”之间灰度归一化的步骤。本实施例中的目标三维断层图像的数量为多个。其中与上述各实施例相同或相应的术语的解释在此不再赘述。参见图3，本实施例提供的图像处理方法包括：
S201、获取扫描对象的至少一个目标三维断层图像。
S202、对每个目标三维断层图像进行梯度变换，生成各初始三维梯度图像。
利用公式(1)对每个目标三维断层图像进行梯度变换，直接得到的梯度变换结果便是该目标三维断层图像对应的初始三维梯度图像。
S203、利用预设三维卷积核，对各初始三维梯度图像进行三维卷积，生成各目标三维梯度图像。
其中，预设三维卷积核是预先设定的，用于进行三维卷积运算的卷积核。
初始三维梯度图像只是在断层的层内进行了边缘增强，但是病灶通常是跨层的，所以为了进一步增强病灶相关的边缘信息，提高目标二维图像中对病灶的表征信息量，本实施例中对初始三维梯度图像进行三维卷积处理，以增加初始三维梯度图像中的层间相关性。具体实施时，利用预设三维卷积核，对每个初始三维梯度图像进行三维卷积，便可获得每个初始三维梯度图像对应的目标三维梯度图像。
S204、逐预设处理单元地在选定方向上确定每个目标三维梯度图像中灰度最大值对应的位置。
S205、从每个目标三维断层图像中确定与相应目标三维断层图像对应的各位置处的灰度值。
S206、若目标三维断层图像的数量为多个时，基于每个目标三维断层图像对应的各灰度值，生成相应目标三维断层图像对应的扫描对象在选定方向上的过渡二维图像。
S207、利用最大密度投影算法或平均值投影算法，将各过渡二维图像沿选定方向投影，得到扫描对象在选定方向上的初始二维图像。
其中，最大密度投影算法是获取三维图像在投影方向上的最大值作为投影结果。平均值投影算法是获取三维图像在投影方向上的平均值作为投影结果。参见图4，对于乳腺的目标三维断层图像400，投影方向为z轴，以其中的一列401为例，分别采用最大密度投影算法和平均值投影算法进行投影，那么可由该列中所有体素的灰度最大值得到最大密度投影结果402，而由该列中所有体素的灰度值的平均值得到平均值投影结果403。
对所有的过渡二维图像，采用最大密度投影算法或平均值投影算法，向选定方向进行投影运算，便可获得一个二维投影结果图像，该二维投影结果图像便为扫描对象在选定方向上的初始二维图像。
S208、分别确定初始二维图像和二维投影图像的图像均值，作为初始图像均值和投影图像均值。
考虑到初始二维图像和二维投影图像之间可能存在图像的灰度值差异，故在对两者进行加权求和处理之前，先进行图像灰度变换，如灰度归一化的处理。本实施例中利用两个图像的灰度均值进行灰度变换处理。首先，分别对初始二维图像和二维投影图像进行图像均值计算，获得初始二维图像的图像均值(称为初始图像均值)，以及二维投影图像的图像均值(称为投影图像均值)。
S209、依据初始图像均值和投影图像均值，确定初始二维图像和二维投影图像之间的图像灰度变换比例。
计算初始图像均值和投影图像均值的比值，该比值便为初始二维图像和二维投影图像之间的图像灰度变换比例。
S210、依据图像灰度变换比例，对图像灰度变换比例的分母对应的图像进行灰度变换，以更新分母对应的图像。
计算比值时，两个图像的分子分母位置关系，决定了灰度归一化的处理对象，即图像灰度变换比例的作用对象。如果初始图像均值MeanI处于分母，则图像灰度变换比例作用于初始二维图像IINI；如果投影图像均值MeanP处于分母，则图像灰度变换比例作用于二维投影图像IRPO。以后者为例，灰度变换后的二维投影图像为：
S211、依据预设权重，对初始二维图像和预设扫描角对应的二维投影图像进行加权求和，生成扫描对象在选定方向上的目标二维图像。
利用预设权重，对初始二维图像和灰度变换后的二维投影图像进行加权求和处理，则公式(2)变更为如下公式(3)，利用该公式(3)便可获得目标二维图像。
本实施例的技术方案，通过利用预设三维卷积核，对各初始三维梯度图像进行三维卷积，生成各目标三维梯度图像，实现了在增强二维投影图像的层内边缘信息的同时，增强各二维投影图像之间的层间相关性，使得目标三维梯度图像中的梯度信息能够更加全面的反映整个三维断层图像中的边缘特征，进而进一步提高后续所得的目标二维图像中对表征病灶等跨层的组织结构的信息量。通过利用最大密度投影算法或平均值投影算法，将各过渡二维图像沿选定方向投影，得到扫描对象在选定方向上的初始二维图像，能够进一步提高初始二维图像的生成速度。通过分别确定初始二维图像和二维投影图像的图像均值，作为初始图像均值和投影图像均值；依据初始图像均值和投影图像均值，确定初始二维图像和二维投影图像之间的图像灰度变换比例；依据图像灰度变换比例，对图像灰度变换比例的分母对应的图像进行灰度变换，以更新分母对应的图像，实现了初始二维图像和二位断层图像之间的灰度变换，从而进一步提高目标二维图像的图像质量。
实施例三
本实施例在上述各实施例的基础上，对“获取扫描对象的至少一个目标三维断层图像”进行了进一步优化。在此基础上，还可以进一步增加目标二维图像增强修正的步骤。其中与上述各实施例相同或相应的术语的解释在此不再赘述。参见图5，本实施例提供的图像处理方法包括：
S301、获取扫描对象的至少一个初始三维断层图像。
初始三维断层图像是对扫描对象扫描后三维重建获得的图像，其没有经过进一步的图像后处理操作。初始三维断层图像可以通过对扫描对象的扫描部位实时扫描而获得，也可以从外部存储介质读取而获得。初始三维断层图像用于生成目标三维断层图像，故初始三维断层图像与目标三维断层图像一一对应。
S302、对每个初始三维断层图像的高频信息进行增强，生成每个初始三维断层图像对应的目标高频图像。
为了进一步突出三维断层图像中的细节信息，以便在目标二维图像中保留更多的图像信息，本实施例中在对目标三维图像进行梯度变换之前，先对初始三维断层图像进行高频增强处理，以生成细节增强的目标三维断层图像。具体实施时，先提取初始三维断层图像中的高频信息，再对所提取的高频信息进行高频增强处理，高频增强处理的处理结果便是该初始三维断层图像对应的目标高频图像。按照上述过程，可获得每个初始三维断层图像对应的目标高频图像。
示例性地，S302包括：
依据第一预设频段分解每个初始三维断层图像，生成每个初始三维断层图像对应的各第一频段图像，各第一频段图像包含一个低频图像和至少一个初始高频图像；针对每个初始三维断层图像，利用第一预设高频增强算法，对初始三维断层图像对应的各第一频段图像中的每个初始高频图像进行高频增强，生成初始三维断层图像对应的目标高频图像。
其中，第一预设频段是指预先设定的频段数量和各个频段对应的频率范围，例如可以是1个低频频段和9个高频频段。第一预设频率增强算法是指预先设定的高频增强算法，其可以是增强系数不同的同一个算法，也可以是不同的算法。
由于初始三维断层图像中不同的细节(例如毛细血管等很小的边缘特征和腺体组织等较粗的边缘特征)分布在不同的高频频段上，且不同细节的增强程度不同，故为了获得更好的高频增强效果，本实施例中设置了包含多个高频频段的第一预设频段以及增强程度不同的第一预设增强算法，来对初始三维断层图像进行高频增强处理。具体实施时，按照第一预设频段分解初始三维断层图像，便可获得分解后的1个低频频段对应的1个低频图像，以及9个高频频段对应的9个初始高频图像，这些低频图像和初始高频图像均称为第一频段图像。之后，利用第一预设高频增强算法，如算法相同但各个高频频段的增强系数不同的高频增强算法，对上述获得的9个初始高频图像分别进行高频增强处理，便可获得增强后的各个初始高频图像，称为该初始三维断层图像的目标高频图像。按照上述过程，便可获得每个初始三维断层图像对应的目标高频图像。
S303、基于每个初始三维断层图像对应的目标高频图像，以及相应初始三维断层图像的低频信息对应的低频图像，生成每个初始断层图像对应的目标三维断层图像。
将每个初始三维断层图像对应的目标高频图像和低频图像融合，生成每个初始三维断层图像对应的目标三维断层图像。
S304、对每个目标三维断层图像进行梯度变换，生成各初始三维梯度图像。
S305、利用预设三维卷积核，对各初始三维梯度图像进行三维卷积，生成各目标三维梯度图像。
S306、逐预设处理单元地在选定方向上确定每个目标三维梯度图像中灰度最大值对应的位置。
S307、从每个目标三维断层图像中确定与相应目标三维断层图像对应的各位置处的灰度值。
S308、若目标三维断层图像的数量为多个时，基于每个目标三维断层图像对应的各灰度值，生成相应目标三维断层图像对应的扫描对象在选定方向上的过渡二维图像。
S309、将各过渡二维图像沿选定方向投影，生成扫描对象在选定方向上的初始二维图像。
S310、依据预设权重，对初始二维图像和预设扫描角对应的二维投影图像进行加权求和，生成扫描对象在选定方向上的目标二维图像。
S311、依据第二预设频段分解目标二维图像，生成目标二维图像对应的各第二频段图像。
其中，第二预设频段与第一预设频段对应，其是用于进行第二次图像增强的频段设置，例如可以是1个低频频段和1个高频频段。
经过上述梯度变换和基于位置索引的灰度值提取操作后，目标三维断层图像中并非所有细节都被很好的保留下来，故需要再次进行细节增强，以突出目标二维图像中的细节信息。具体实施时，先按照第二预设频段分解目标二维图像，获得分解后的1个低频频段对应的1个低频图像，以及1个高频频段对应的1个高频图像，即获得各第二频段图像。
S312、利用第二预设高频增强算法，对各第二频段图像中的高频图像进行高频增强，生成目标二维图像对应的高频增强图像。
其中，第二预设频率增强算法是指预先设定的高频增强算法，其可以与第一预设高频增强算法相同，也可以不同。
利用第二预设高频增强算法，对上述获得的1个高频图像进行高频增强处理，获得增强后的高频图像，称为该目标二维图像的高频增强图像。
S313、基于高频增强图像与目标二维图像，生成修正的目标二维图像。
按照如下公式(4)合成上述获得的高频增强图像VolumeH和目标二维图像Volume，便获得修正的目标二维图像Volume′。
Volume'＝Volume+τ*VolumeH (4)
其中，τ为预先设定的常数系数，其数值范围为0-1。τ系数取值大小与临床需求相关，如果临床需求需要显示细节更加锐利的图像，则τ值大；反之τ值小。
本实施例的技术方案，通过获取扫描对象的至少一个初始三维断层图像；对每个初始三维断层图像的高频信息进行增强，生成每个初始三维断层图像对应的目标高频图像；基于每个初始三维断层图像对应的目标高频图像，以及相应初始三维断层图像的低频信息对应的低频图像，生成每个初始断层图像对应的目标三维断层图像。实现了对初始三维断层图像中不同的细节进行增强，突出了目标三维断层图像中的细节信息，从而进一步提高目标二维图像的图像质量。通过依据第二预设频段分解目标二维图像，生成目标二维图像对应的各第二频段图像；利用第二预设高频增强算法，对各第二频段图像中的高频图像进行高频增强，生成目标二维图像对应的高频增强图像；基于高频增强图像与目标二维图像，生成修正的目标二维图像。实现了目标二维图像中细节信息的进一步增强，从而进一步提高目标二维图像的图像质量。
实施例四
本实施例提供一种图像处理装置，参见图6，该装置具体包括：
目标三维梯度图像生成模块610，用于获取扫描对象的至少一个目标三维断层图像，并对每个目标三维断层图像进行梯度变换，生成相应目标三维断层图像对应的目标三维梯度图像；
位置确定模块620，用于逐预设处理单元地在选定方向上确定每个目标三维梯度图像中灰度最大值对应的位置；
初始二维图像生成模块630，用于从每个目标三维断层图像中确定与相应目标三维断层图像对应的各位置处的灰度值，并基于各灰度值，生成扫描对象在选定方向上的初始二维图像；
目标二维图像生成模块640，用于依据预设权重，对初始二维图像和预设扫描角对应的二维投影图像进行加权求和，生成扫描对象在选定方向上的目标二维图像，其中，二维投影图像为扫描对象的三维扫描数据在预设扫描角投影而获得的断层图像，预设扫描角与选定方向的角度一致。
可选地，目标三维梯度图像生成模块610具体用于：
对每个目标三维断层图像进行梯度变换，生成各初始三维梯度图像；
利用预设三维卷积核，对各初始三维梯度图像进行三维卷积，生成各目标三维梯度图像。
可选地，目标三维梯度图像生成模块610具体用于：
获取扫描对象的至少一个初始三维断层图像，初始三维断层图像与目标三维断层图像一一对应；
对每个初始三维断层图像的高频信息进行增强，生成每个初始三维断层图像对应的目标高频图像；
基于每个初始三维断层图像对应的目标高频图像，以及相应初始三维断层图像的低频信息对应的低频图像，生成每个初始断层图像对应的目标三维断层图像。
进一步地，目标三维断层图像获取模块610还具体用于：
依据第一预设频段分解每个初始三维断层图像，生成每个初始三维断层图像对应的各第一频段图像，各第一频段图像包含一个低频图像和至少一个初始高频图像；
针对每个初始三维断层图像，利用第一预设高频增强算法，对初始三维断层图像对应的各第一频段图像中的每个初始高频图像进行高频增强，生成初始三维断层图像对应的目标高频图像。
可选地，初始二维图像生成模块630包括：
过渡二维图像生成子模块，用于若目标三维断层图像的数量为多个时，基于每个目标三维断层图像对应的各灰度值，生成相应目标三维断层图像对应的扫描对象在选定方向上的过渡二维图像；
初始二维图像生成子模块，用于将各过渡二维图像沿选定方向投影，生成扫描对象在选定方向上的初始二维图像。
进一步地，初始二维图像生成子模块具体用于：
利用最大密度投影算法或平均值投影算法，将各过渡二维图像沿选定方向投影，得到扫描对象在选定方向上的初始二维图像。
可选地，在上述装置的基础上，该装置还包括灰度变换模块，用于：
在依据预设权重，对初始二维图像和预设扫描角对应的二维投影图像进行加权求和，生成扫描对象在选定方向上的目标二维图像之前，分别确定初始二维图像和二维投影图像的图像均值，作为初始图像均值和投影图像均值；
依据初始图像均值和投影图像均值，确定初始二维图像和二维投影图像之间的图像灰度变换比例；
依据图像灰度变换比例，对图像灰度变换比例的分母对应的图像进行灰度变换，以更新分母对应的图像。
可选地，在上述装置的基础上，该装置还包括目标二维图像修正模块，用于：
在生成扫描对象在选定方向上的目标二维图像之后，依据第二预设频段分解目标二维图像，生成目标二维图像对应的各第二频段图像；
利用第二预设高频增强算法，对各第二频段图像中的高频图像进行高频增强，生成目标二维图像对应的高频增强图像；
基于高频增强图像与目标二维图像，生成修正的目标二维图像。
可选地，目标三维断层图像来自乳腺图像处理系统、计算机断层扫描图像处理系统或者锥形束计算机断层扫描图像处理系统。
可选地，预设处理单元包括一个像素或者预定数目的多个像素。
通过本发明实施例四的一种图像处理装置，实现了从三维断层图像中获得能够反映扫描对象的组织结构全局性分布的二维图像，减少了扫描时间及扫描对象所接收的辐射剂量，提高了目标二维图像的获取效率。并且由于梯度变换和灰度最大值对应位置的灰度值的保留，确保了所获得的目标二维图像中病灶信息和脉管系统等组织信息的信息含量，由于预设扫描角对应的二维投影图像中细节信息的保留，增强了目标二维图像中的细节信息，从而提高了目标二维图像的图像质量。
本发明实施例所提供的图像处理装置可执行本发明任意实施例所提供的图像处理方法，具备执行方法相应的功能模块和有益效果。
值得注意的是，上述图像处理装置的实施例中，所包括的各个单元和模块只是按照功能逻辑进行划分的，但并不局限于上述的划分，只要能够实现相应的功能即可；另外，各功能单元的具体名称也只是为了便于相互区分，并不用于限制本发明的保护范围。
实施例五
参见图7，本实施例提供了一种电子设备700，其包括：一个或多个处理器720；存储装置710，用于存储一个或多个程序，当一个或多个程序被一个或多个处理器720执行，使得一个或多个处理器720实现本发明实施例所提供的图像处理方法，包括：
获取扫描对象的至少一个目标三维断层图像，并对每个目标三维断层图像进行梯度变换，生成相应目标三维断层图像对应的目标三维梯度图像；
逐预设处理单元地在选定方向上确定每个目标三维梯度图像中灰度最大值对应的位置；
从每个目标三维断层图像中确定与相应目标三维断层图像对应的各位置处的灰度值，并基于各灰度值，生成扫描对象在选定方向上的初始二维图像；
依据预设权重，对初始二维图像和预设扫描角对应的二维投影图像进行加权求和，生成扫描对象在选定方向上的目标二维图像，其中，二维投影图像为扫描对象的三维扫描数据在预设扫描角投影而获得的断层图像，预设扫描角与选定方向的角度一致。
当然，本领域技术人员可以理解，处理器720还可以实现本发明任意实施例所提供的图像处理方法的技术方案。
图7显示的电子设备700仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
如图7所示，该电子设备700包括处理器720、存储装置710、输入装置730和输出装置740；电子设备中处理器720的数量可以是一个或多个，图7中以一个处理器720为例；电子设备中的处理器720、存储装置710、输入装置730和输出装置740可以通过总线或其他方式连接，图7中以通过总线750连接为例。
存储装置710作为一种计算机可读存储介质，可用于存储软件程序、计算机可执行程序以及模块，如本发明实施例中的图像处理方法对应的程序指令/模块(例如，图像处理装置中的目标三维梯度图像生成模块、位置确定模块、初始二维图像生成模块和目标二维图像生成模块)。
存储装置710可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序；存储数据区可存储根据终端的使用所创建的数据等。此外，存储装置710可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中，存储装置710可进一步包括相对于处理器720远程设置的存储器，这些远程存储器可以通过网络连接至电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
输入装置730可用于接收输入的数字或字符信息，以及产生与电子设备的用户设置以及功能控制有关的键信号输入。输出装置740可包括显示屏等显示设备。
实施例六
本实施例提供一种包含计算机可执行指令的存储介质，计算机可执行指令在由计算机处理器执行时用于执行一种图像处理方法，该方法包括：
获取扫描对象的至少一个目标三维断层图像，并对每个目标三维断层图像进行梯度变换，生成相应目标三维断层图像对应的目标三维梯度图像；
逐预设处理单元地在选定方向上确定每个目标三维梯度图像中灰度最大值对应的位置；
从每个目标三维断层图像中确定与相应目标三维断层图像对应的各位置处的灰度值，并基于各灰度值，生成扫描对象在选定方向上的初始二维图像；
依据预设权重，对初始二维图像和预设扫描角对应的二维投影图像进行加权求和，生成扫描对象在选定方向上的目标二维图像，其中，二维投影图像为扫描对象的三维扫描数据在预设扫描角投影而获得的断层图像，预设扫描角与选定方向的角度一致。
当然，本发明实施例所提供的一种包含计算机可执行指令的存储介质，其计算机可执行指令不限于如上的方法操作，还可以执行本发明任意实施例所提供的图像处理方法中的相关操作。
通过以上关于实施方式的描述，所属领域的技术人员可以清楚地了解到，本发明可借助软件及必需的通用硬件来实现，当然也可以通过硬件实现，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如计算机的软盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(RandomAccess Memory,RAM)、闪存(FLASH)、硬盘或光盘等，包括若干指令用以使得一台电子设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所提供的图像处理方法。
注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。

Claims (13)

1.一种图像处理方法，其特征在于，包括：
获取扫描对象的至少一个目标三维断层图像，并对每个所述目标三维断层图像进行梯度变换，生成相应目标三维断层图像对应的目标三维梯度图像；
逐预设处理单元地在选定方向上确定每个所述目标三维梯度图像中灰度最大值对应的位置；
从每个所述目标三维断层图像中确定与相应目标三维断层图像对应的各所述位置处的灰度值，并基于各所述灰度值，生成所述扫描对象在所述选定方向上的初始二维图像；
依据预设权重，对所述初始二维图像和预设扫描角对应的二维投影图像进行加权求和，生成所述扫描对象在所述选定方向上的目标二维图像，其中，所述二维投影图像为所述扫描对象的三维扫描数据在所述预设扫描角投影而获得的断层图像，所述预设扫描角与所述选定方向的角度一致。
2.根据权利要求1所述的图像处理方法，其特征在于，所述对每个所述目标三维断层图像进行梯度变换，生成相应目标三维断层图像对应的目标梯度图像包括：
对每个所述目标三维断层图像进行梯度变换，生成各初始三维梯度图像；
利用预设三维卷积核，对各所述初始三维梯度图像进行三维卷积，生成各所述目标三维梯度图像。
3.根据权利要求1所述的图像处理方法，其特征在于，所述获取扫描对象的至少一个目标三维断层图像包括：
获取所述扫描对象的至少一个初始三维断层图像，所述初始三维断层图像与所述目标三维断层图像一一对应；
对每个所述初始三维断层图像的高频信息进行增强，生成每个初始三维断层图像对应的目标高频图像；
基于每个所述初始三维断层图像对应的所述目标高频图像，以及相应初始三维断层图像的低频信息对应的低频图像，生成每个初始断层图像对应的目标三维断层图像。
4.根据权利要求3所述的图像处理方法，其特征在于，所述对每个所述初始三维断层图像的高频信息进行增强，生成每个初始三维断层图像对应的目标高频图像包括：
依据第一预设频段分解每个所述初始三维断层图像，生成每个所述初始三维断层图像对应的各第一频段图像，所述各第一频段图像包含一个低频图像和至少一个初始高频图像；
针对每个所述初始三维断层图像，利用第一预设高频增强算法，对所述初始三维断层图像对应的所述各第一频段图像中的每个所述初始高频图像进行高频增强，生成所述初始三维断层图像对应的目标高频图像。
5.根据权利要求1所述的图像处理方法，其特征在于，若所述目标三维断层图像的数量为多个时，所述基于各所述灰度值，生成所述扫描对象在所述选定方向上的初始二维图像包括：
基于每个所述目标三维断层图像对应的各所述灰度值，生成相应目标三维断层图像对应的所述扫描对象在所述选定方向上的过渡二维图像；
将各所述过渡二维图像沿所述选定方向投影，生成所述扫描对象在所述选定方向上的初始二维图像。
6.根据权利要求5所述的图像处理方法，其特征在于，所述将各所述过渡二维图像沿所述选定方向投影，生成所述扫描对象在所述选定方向上的初始二维图像包括：
利用最大密度投影算法或平均值投影算法，将各所述过渡二维图像沿所述选定方向投影，得到所述扫描对象在所述选定方向上的初始二维图像。
7.根据权利要求1所述的图像处理方法，其特征在于，在依据预设权重，对所述初始二维图像和预设扫描角对应的二维投影图像进行加权求和，生成所述扫描对象在所述选定方向上的目标二维图像之前，还包括：
分别确定所述初始二维图像和所述二维投影图像的图像均值，作为初始图像均值和投影图像均值；
依据所述初始图像均值和所述投影图像均值，确定所述初始二维图像和所述二维投影图像之间的图像灰度变换比例；
依据所述图像灰度变换比例，对所述图像灰度变换比例的分母对应的图像进行灰度变换，以更新所述分母对应的图像。
8.根据权利要求1-7任一项所述的图像处理方法，其特征在于，在所述生成所述扫描对象在所述选定方向上的目标二维图像之后，还包括：
依据第二预设频段分解所述目标二维图像，生成所述目标二维图像对应的各第二频段图像；
利用第二预设高频增强算法，对所述各第二频段图像中的高频图像进行高频增强，生成所述目标二维图像对应的高频增强图像；
基于所述高频增强图像与所述目标二维图像，生成修正的目标二维图像。
9.根据权利要求1所述的图像处理方法，其特征在于，所述目标三维断层图像来自乳腺图像处理系统、计算机断层扫描图像处理系统或者锥形束计算机断层扫描图像处理系统。
10.根据权利要求1所述的图像处理方法，其特征在于，所述预设处理单元包括一个像素或者预定数目的多个像素。
11.一种图像处理装置，其特征在于，包括：
目标三维梯度图像生成模块，用于获取扫描对象的至少一个目标三维断层图像，并对每个所述目标三维断层图像进行梯度变换，生成相应目标三维断层图像对应的目标三维梯度图像；
位置确定模块，用于逐预设处理单元地在选定方向上确定每个所述目标三维梯度图像中灰度最大值对应的位置；
初始二维图像生成模块，用于从每个所述目标三维断层图像中确定与相应目标三维断层图像对应的各所述位置处的灰度值，并基于各所述灰度值，生成所述扫描对象在所述选定方向上的初始二维图像；
目标二维图像生成模块，用于依据预设权重，对所述初始二维图像和预设扫描角对应的二维投影图像进行加权求和，生成所述扫描对象在所述选定方向上的目标二维图像，其中，所述二维投影图像为所述扫描对象的三维扫描数据在所述预设扫描角投影而获得的断层图像，所述预设扫描角与所述选定方向的角度一致。
12.一种电子设备，其特征在于，所述电子设备包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序，
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-10中任一所述的图像处理方法。
13.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1-10中任一所述的图像处理方法。
CN201910770611.7A 2019-06-17 2019-08-20 图像处理方法、装置、电子设备和存储介质 Active CN110473297B (zh)

Priority Applications (4)

Application Number Priority Date Filing Date Title
CN201910770611.7A CN110473297B (zh) 2019-08-20 2019-08-20 图像处理方法、装置、电子设备和存储介质
PCT/CN2020/096658 WO2020253745A1 (en) 2019-06-17 2020-06-17 Systems and methods for image processing
EP20825934.1A EP3973506A4 (en) 2019-06-17 2020-06-17 SYSTEMS AND METHODS FOR IMAGE PROCESSING
US17/645,037 US20220114801A1 (en) 2019-06-17 2021-12-17 Systems and methods for image processing

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910770611.7A CN110473297B (zh) 2019-08-20 2019-08-20 图像处理方法、装置、电子设备和存储介质

Publications (2)

Publication Number Publication Date
CN110473297A true CN110473297A (zh) 2019-11-19
CN110473297B CN110473297B (zh) 2022-03-29

Family

ID=68512944

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910770611.7A Active CN110473297B (zh) 2019-06-17 2019-08-20 图像处理方法、装置、电子设备和存储介质

Country Status (1)

Country Link
CN (1) CN110473297B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2020253745A1 (en) * 2019-06-17 2020-12-24 Shanghai United Imaging Healthcare Co., Ltd. Systems and methods for image processing
CN113796960A (zh) * 2021-09-07 2021-12-17 上海联影医疗科技股份有限公司 导管导航方法、装置、设备和存储介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103886571A (zh) * 2012-11-13 2014-06-25 上海联影医疗科技有限公司 一种乳房三维图像的分割方法和装置
US20150269766A1 (en) * 2014-03-19 2015-09-24 Kabushiki Kaisha Toshiba Medical image diagnosis apparatus and mammography apparatus
CN106558030A (zh) * 2016-11-15 2017-04-05 苏州大学 三维大视野扫频光学相干断层成像中脉络膜的分割方法
CN107909624A (zh) * 2017-12-05 2018-04-13 南京大学 一种从三维断层成像中提取及融合二维图像的方法
CN109615602A (zh) * 2018-12-11 2019-04-12 艾瑞迈迪科技石家庄有限公司 一种x光视角图像的生成方法、存储介质以及终端设备

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103886571A (zh) * 2012-11-13 2014-06-25 上海联影医疗科技有限公司 一种乳房三维图像的分割方法和装置
US20150269766A1 (en) * 2014-03-19 2015-09-24 Kabushiki Kaisha Toshiba Medical image diagnosis apparatus and mammography apparatus
CN106558030A (zh) * 2016-11-15 2017-04-05 苏州大学 三维大视野扫频光学相干断层成像中脉络膜的分割方法
CN107909624A (zh) * 2017-12-05 2018-04-13 南京大学 一种从三维断层成像中提取及融合二维图像的方法
CN109615602A (zh) * 2018-12-11 2019-04-12 艾瑞迈迪科技石家庄有限公司 一种x光视角图像的生成方法、存储介质以及终端设备

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
李彬: "三维适形放射治疗计划中的三维可视化技术研究", 《中国博士学位论文全文数据库 信息科技辑》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2020253745A1 (en) * 2019-06-17 2020-12-24 Shanghai United Imaging Healthcare Co., Ltd. Systems and methods for image processing
CN113796960A (zh) * 2021-09-07 2021-12-17 上海联影医疗科技股份有限公司 导管导航方法、装置、设备和存储介质
CN113796960B (zh) * 2021-09-07 2023-11-21 上海联影医疗科技股份有限公司 导管导航装置、设备和存储介质

Also Published As

Publication number Publication date
CN110473297B (zh) 2022-03-29

Similar Documents

Publication Publication Date Title
US10255697B2 (en) Method for generation of synthetic mammograms from tomosynthesis data
JP4965433B2 (ja) トランケートされた投影と事前に取得した３次元ｃｔ画像を用いる円錐ビームｃｔ装置
US7869638B2 (en) Image processing method and computer readable medium for image processing
Lei et al. Deep learning-based real-time volumetric imaging for lung stereotactic body radiation therapy: a proof of concept study
US20070167784A1 (en) Real-time Elastic Registration to Determine Temporal Evolution of Internal Tissues for Image-Guided Interventions
US4989142A (en) Three-dimensional images obtained from tomographic slices with gantry tilt
US20140205167A1 (en) Method for interactive manual matching and real-time projection calculation in imaging
CN103649990A (zh) 用于谱ct的图像处理
CN104135935A (zh) 用于利用合成图像数据导航层析堆的系统和方法
CN104644200A (zh) 减少计算机断层扫描图像重构中伪像的方法和装置
CN105641814A (zh) 用于处理医学图像的装置、方法和程序以及放射治疗装置
CN110490857A (zh) 图像处理方法、装置、电子设备和存储介质
CN107194909A (zh) 医用图像处理装置及医用图像处理程序
CN111739614B (zh) 医学图像增强
WO2013118017A1 (en) Clinically driven image fusion
CN102024251A (zh) 用于双源ct的基于多图像虚拟非对比图像增强的系统和方法
CN102293660A (zh) 在心脏ct中改善时间分辨率
CN115131487A (zh) 医学影像处理方法、系统、计算机设备、存储介质
JP2004174241A (ja) 画像形成方法
CN110473297A (zh) 图像处理方法、装置、电子设备和存储介质
CN111260703A (zh) 一种获取脊柱拉直图像集的方法、系统、介质及存储介质
CN102292744A (zh) 心脏图像处理和分析
US11227414B2 (en) Reconstructed image data visualization
US20060071932A1 (en) Method and apparatus for visualizing a sequece of volume images
Dawood et al. The importance of contrast enhancement in medical images analysis and diagnosis

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
CB02 Change of applicant information

Address after: 201807 Shanghai City, north of the city of Jiading District Road No. 2258

Applicant after: Shanghai Lianying Medical Technology Co., Ltd

Address before: 201807 Shanghai City, north of the city of Jiading District Road No. 2258

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

CB02 Change of applicant information
GR01 Patent grant
GR01 Patent grant