CN111091514B - 一种口腔cbct图像去噪方法及系统 - Google Patents
一种口腔cbct图像去噪方法及系统 Download PDFInfo
- Publication number
- CN111091514B CN111091514B CN201911327802.2A CN201911327802A CN111091514B CN 111091514 B CN111091514 B CN 111091514B CN 201911327802 A CN201911327802 A CN 201911327802A CN 111091514 B CN111091514 B CN 111091514B
- Authority
- CN
- China
- Prior art keywords
- image
- matrix
- denoising
- denoised
- representing
- 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
- 238000007408 cone-beam computed tomography Methods 0.000 title claims abstract description 56
- 238000000034 method Methods 0.000 title claims abstract description 34
- 210000000214 mouth Anatomy 0.000 title claims abstract description 26
- 239000011159 matrix material Substances 0.000 claims description 95
- 238000001914 filtration Methods 0.000 claims description 19
- 238000010606 normalization Methods 0.000 claims description 13
- 238000003672 processing method Methods 0.000 claims description 8
- 230000008569 process Effects 0.000 claims description 3
- 238000003384 imaging method Methods 0.000 abstract description 3
- 230000005855 radiation Effects 0.000 abstract description 3
- 230000000694 effects Effects 0.000 description 8
- 210000001519 tissue Anatomy 0.000 description 7
- 238000004364 calculation method Methods 0.000 description 4
- 238000009499 grossing Methods 0.000 description 3
- 210000000988 bone and bone Anatomy 0.000 description 2
- 238000003759 clinical diagnosis Methods 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 230000004927 fusion Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 210000004872 soft tissue Anatomy 0.000 description 2
- 238000000333 X-ray scattering Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 210000005075 mammary gland Anatomy 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- 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
- 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
- G06T2207/20024—Filtering details
- G06T2207/20032—Median filtering
-
- 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
- G06T2207/30036—Dental; Teeth
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
本发明涉及辐射成像技术领域,具体涉及一种口腔CBCT图像去噪方法及系统,本发明通过利用去噪前的CBCT图像边缘信息和传统去噪方法得到的去噪后CBCT图像组织内部信息,进行信息融合的方法,在保持CBCT图像边缘结构同时,既减少了图像计算量,满足图像实时处理需要,也减少了人为干预,提高了图像准确度。
Description
技术领域
本发明涉及辐射成像技术领域,具体涉及一种口腔CBCT图像去噪方法及系统。
背景技术
锥形束CT(Cone Beam Computed Tomography,CBCT)系统采用平板探测器和锥形X射线束,围绕被扫描对象进行多个角度的曝光,从而得到诸多二维投影数据,对这些投影数据进行CBCT图像重建,得到一组连续的CBCT图像。
CBCT技术因其成像速度快、图像分辨率高、辐射剂量低、体积小等优点,在口腔、乳腺、骨科等临床领域具有广泛的应用,尤其是对口腔的临床诊断和治疗。但由于CBCT设备的探测器本底噪声、X射线散射、CBCT图像重建方法等因素的影响,CBCT图像中含有明显的噪声,这就影响了医生对病灶组织的诊断。
现有的诸多CBCT图像去噪方法存在局限和不足,比如虽然大幅度降低了噪声水平,但是以损失图像中组织结构细节为代价模糊了图像,而这些细节正是医生所关注的有价值的临床诊断信息;有的方法虽然能较好保持图像细节,但又同时增加了去噪算法缺陷所带来的伪影问题;有的方法虽然能较好保持图像细节,但是巨大的计算量以及多参数调节的耗时,使得在真正的临床应用中难以实现;有的方法只关注某一种组织结构去噪效果,而忽略了其它组织结构,因图像硬阈值分割造成的前景图像和背景图像的去噪效果产生突兀感。
通过观察发现,待去噪的口腔CBCT图像组织边缘细节较为清晰,只是组织结构中的噪声含量大影响对病灶的观察和视觉美观效果;而传统去噪方法得到的去噪后CBCT图像,组织内部的噪声水平明显降低,但边缘结构模糊。因此,去噪前后的CBCT图像,其图像质量各有利弊。
中国专利文献CN103150712A的专利文件公开了一种基于投影序列数据相似性的图像去噪方法,该方法根据投影数据的数据冗余性,在相邻的几幅投影数据中寻找与之相似的区域(相似性通过结构相似指数SSIM进行计算和判定),利用这些相似区域的数据对待去噪像素点进行加权平均计算,从而有效地降低投影数据噪声,与传统的图像去噪方法相比可以达到更好的去噪效果,有效提升重建图像的信噪比,并最大限度地保持了图像边缘和细节信息,但该方法计算复杂程度高,导致计算机运行计算耗时,实时处理性较差。
中国专利文献CN109767396A的专利文件公开了一种基于图像动态分割的口腔CBCT图像去噪方法,该方法通过先对图像进行分割,将医生比较关注的前景区域与不太关注的背景区域分开进行降噪处理,对于前景区域尽量保存细节信息,而对于背景区域可增强滤波,尽量平滑,从而得到一幅最佳的去噪图像,该方法同样达到了更好的去噪效果,牙齿、牙根等部分都尽量保存了其细节信息,对于软组织部分,也达到了平滑的状态,但该方法把前景和背景分开所用的图像硬阈值分割,造成前景图像和背景图像的去噪效果产生突兀感,且前景和背景图像中所使用的双边滤波算法的参数不同,需要人为找出最佳的参数进行匹配,增加了运算时间。
发明内容
针对上述现有技术中存在的问题,本发明公开了一种口腔CBCT图像去噪方法及系统,通过利用去噪前的CBCT图像边缘信息和传统去噪方法得到的去噪后CBCT图像组织内部信息,进行信息融合的方法,在保持CBCT图像边缘结构同时,既减少了图像计算量,满足图像实时处理需要,也减少了人为干预,提高了图像准确度。
本发明所公开的具体的技术方法如下:一种口腔CBCT图像去噪方法,包括如下步骤:
S01.从一组CBCT序列图像中选择一幅待去噪图像gi,其中,i表示一组CBCT序列图像的第i幅图像,且i>1;
S02.对图像gi进行低通滤波算法去噪,得到去噪后的图像g′i;
S03.对图像gi和图像g′i做差值处理,得到差值图像矩阵,对差值图像矩阵进行绝对值处理,对绝对值处理后的差值图像矩阵进行归一化处理,得到归一化图像矩阵Norm1;
S04.对第i-1幅图像gi-1和图像gi做差值处理,得到差值图像矩阵,对差值图像矩阵进行绝对值处理,对绝对值处理后的差值图像矩阵进行归一化处理,得到归一化图像矩阵Norm2;
S05.对第i+1幅图像gi+1和图像gi做差值处理,得到差值图像矩阵,对差值图像矩阵进行绝对值处理,对绝对值处理后的差值图像矩阵进行归一化处理,得到归一化图像矩阵Norm3;
S06.对归一化图像矩阵Norm1、Norm2、Norm3进行加权处理和中值滤波处理、归一化处理,得到权重图像矩阵W;
S07.利用权重图像矩阵W,对图像gi和图像g′i做加权处理,得到去噪后的图像。
优选的,所述步骤S02中的低通滤波算法可采用高斯滤波算法、均值滤波算法、中值滤波算法,也可采用其他的可用于图像平滑去噪的低通滤波算法。
优选的,所述步骤S06中的加权处理方法中图像矩阵Norm1、Norm2、Norm3各自的权重之和为1。
优选的,所述归一化处理的方法为:
Norm(j,k)=[abs(j,k)-Min(abs)]/[Max(abs)-Min(abs)],
其中Norm(j,k)表示归一化处理后的图像矩阵Norm中第j行第k列的值,abs(j,k)表示绝对值处理后的差值图像矩阵abs中第j行第k列的值,Max(abs)表示矩阵abs中的最大值,Min(abs)表示矩阵abs中的最小值。
优选的,所述步骤S06中的加权处理方法为:
W(j,k)×gi(j,k)+(1-W(j,k))×g′i(j,k)
其中W(j,k)表示权重图像矩阵W中第j行第k列的值,gi(j,k)表示待去噪图像gi第j行第k列的像素值,g′i(j,k)表示去噪后图像g′i第j行第k列的像素值。
优选的,所述差值处理方法为:两个相减的图像矩阵中分别位于第j行第k列的像素值进行相减操作,待两个相减的图像矩阵中所有行列位置的像素值进行相减操作后,得到相应的差值图像矩阵。
基于上述的CBCT图像去噪方法,本发明还提供了一种口腔CBCT图像去噪系统,该系统包括以下模块:
口腔CBCT图像获取模块,用于获取口腔CBCT序列图像;
待去噪图像选取模块,用于从CBCT序列图像中选取待去噪图像;
待去噪图像数据处理模块,用于将待去噪图像及其他相关图像进行数据处理,获得初步去噪后的图像和权重图像;
待去噪图像组合模块,用于将待去噪图像、初步去噪后的图像以及权重图像进行加权处理;
去噪图像获取模块,用于获得加权操作后的去噪图像。
本发明另外提供了一种用于上述口腔CBCT图像去噪系统运行的设备,该设备包括:
口腔CBCT图像获取装置,用于获取口腔CBCT序列图像;
处理器,用于运行去噪算法进行待去噪图像的数据处理;
存储器,用于储存获取的口腔CBCT序列图像、初步去噪图像、权重图像以及最终的去噪后图像数据;
显示器,用于显示去噪处理后的图像。
本发明中技术方法具有的有益效果为:
1.本发明充分利用去噪前后CBCT图像的各自优势进行信息融合,在去噪效果和保持图像结构边缘信息方面达到最佳平衡。
2.本发明中人工参数选择少,减少人工参数选择带来的耗时问题。
3.本发明中的方法和系统计算复杂度低,可进行实时处理,满足临床要求。
附图说明
图1是本发明实施例中一种口腔CBCT图像去噪方法的流程图;
图2是本发明实施例中一种口腔CBCT图像去噪方法的权重图像;
图3是本发明实施例中一种口腔CBCT图像去噪方法的去噪图像;
图4是直接利用均值滤波处理方法得到的去噪图像。
具体实施方式
以下结合附图对本发明的优选实施例进行说明,应当理解,此处所描述的实施例仅用于说明和解释本发明,并不用于限定本发明。
结合图1的流程图所示,本实施例中一种口腔CBCT图像去噪方法的具体步骤为:
步骤一:通过口腔CBCT图像获取装置获取口腔CBCT序列图像(共512张图像),从口腔CBCT序列图像中选择第160张待去噪图像g160,其中,g160图像矩阵大小为512×512;
步骤二:在处理器中对图像矩阵g160进行中值滤波算法(中值滤波器模板大小为5×5)去噪,得到去噪后的图像矩阵g′160;
步骤三:在处理器中对图像矩阵g160和图像矩阵g′160做差值处理diff1=g160-g′160,例如图像矩阵g160中的第10行第10列的像素值与图像矩阵g′160中的第10行第10列的像素值进行相减操作,同时图像矩阵g160和图像矩阵g′160中剩余其它对应行列位置的像素值也进行同样的处理,得到差值图像矩阵diff1,对差值图像进行绝对值处理abs1=|diff1|,即对差值图像矩阵diff1中每个像素值进行绝对值操作(负数值修正为它的相反数),对绝对值处理后的差值图像矩阵abs1进行归一化处理,获得图像矩阵Norm1:
Norm1(j,k)=[abs1(j,k)-Min(abs1)]/[Max(abs1)-Min(abs1)],
其中Norm1(j,k)表示归一化处理后的图像矩阵Norm1中第j行第k列的值,abs1(j,k)表示绝对值处理后的差值图像矩阵abs1中第j行第k列的值,Max(abs1)表示矩阵abs1中的最大值,Min(abs1)表示矩阵abs1中的最小值;
步骤四:在处理器中对第159幅图像矩阵g159和图像矩阵g160做差值处理diff2=g159-g160,得到差值图像矩阵diff2,差值处理方法同步骤三,对差值图像矩阵进行绝对值处理abs2=|diff2|,对绝对值处理后的差值图像矩阵abs2进行归一化处理,获得图像矩阵Norm2:
Norm2(j,k)=[abs2(j,k)-Min(abs2)]/[Max(abs2)-Min(abs2)],
其中Norm2(j,k)表示归一化处理后的图像矩阵Norm2中第j行第k列的值,abs2(j,k)表示绝对值处理后的差值图像矩阵abs2中第j行第k列的值,Max(abs2)表示矩阵abs2中的最大值,Min(abs2)表示矩阵abs2中的最小值;
步骤五:在处理器中对第161幅图像矩阵g161和图像矩阵g160做差值处理diff3=g161-g160,差值处理方法同步骤三,得到差值图像矩阵diff3,对差值图像矩阵进行绝对值处理abs3=|diff3|,对绝对值处理后的差值图像矩阵abs3进行归一化处理,获得图像矩阵Norm3:
Norm3(j,k)=[abs3(j,k)-Min(abs3)]/[Max(abs3)-Min(abs3)],
其中Norm3(j,k)表示归一化处理后的图像矩阵Norm3中第j行第k列的值,abs3(j,k)表示绝对值处理后的差值图像矩阵abs3中第j行第k列的值,Max(abs3)表示矩阵abs3中的最大值,Min(abs3)表示矩阵abs3中的最小值;
步骤六:在处理器中对归一化图像矩阵Norm1、Norm2、Norm3进行加权处理:优选采用公式1/3×Norm1+1/3×Norm2+1/3×Norm3、中值滤波处理(中值滤波器模板大小为5×5)、归一化处理,得到权重图像矩阵W,如图2所示,图2中的权重图像W较好地刻画了口腔CBCT图像的轮廓信息;
步骤七:在处理器中利用权重图像矩阵W,对图像矩阵g160和图像矩阵g′160做加权处理,例如图像矩阵g160中的第10行第10列的像素值与图像矩阵g′160中的第10行第10列的像素值进行加权操作:W(10,10)×g160(10,10)+(1-W(10,10))×g′160(10,10),同时图像矩阵g160和图像矩阵g′160中剩余其它对应行列位置的像素值也进行相同的处理,即可得到去噪后的图像矩阵,通过显示器可将去噪后的图像显示出来。
如图4所示,利用均值滤波处理的图像结果,虽然噪声水平大幅度降低,但图像中牙齿、骨组织的边缘信息变得模糊且部分信息丢失,为医生的准确诊断带来了不便,而如图3所示,本发明的图像去噪结果对牙齿、骨组织尽可能保护了细节信息,同时对于均匀的软组织具有良好的平滑效果。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均包含在本发明的保护范围之内。
Claims (6)
1.一种口腔CBCT图像去噪方法,其特征在于,包括如下步骤:
S01.从一组CBCT序列图像中选择一幅待去噪图像gi,其中,i表示一组CBCT序列图像的第i幅图像,且i>1;
S02.对图像gi进行低通滤波算法去噪,得到去噪后的图像g′i;
S03.对图像gi和图像g′i做差值处理,得到差值图像矩阵diff1,对差值图像矩阵diff1进行绝对值处理abs1=|diff1|,对绝对值处理后的差值图像矩阵abs1进行归一化处理,得到归一化图像矩阵Norm1:
Norm1(j,k)=[abs1(j,k)-Min(abs1)]/[Max(abs1)-Min(abs1)]
其中,Norm1(j,k)表示归一化处理后的图像矩阵Norm1中第j行第k列的值,abs1(j,k)表示绝对值处理后的差值图像矩阵abs1中第j行第k列的值,Max(abs1)表示矩阵abs1中的最大值,Min(abs1)表示矩阵abs1中的最小值;
S04.对第i-1幅图像gi-1和图像gi做差值处理,得到差值图像矩阵diff2,对差值图像矩阵diff2进行绝对值处理abs2=|diff2|,对绝对值处理后的差值图像矩阵abs2进行归一化处理,得到归一化图像矩阵Norm2:
Norm2(j,k)=[abs2(j,k)-Min(abs2)]/[Max(abs2)-Min(abs2)]
其中,Norm2(j,k)表示归一化处理后的图像矩阵Norm2中第j行第k列的值,abs2(j,k)表示绝对值处理后的差值图像矩阵abs2中第j行第k列的值,Max(abs2)表示矩阵abs2中的最大值,Min(abs2)表示矩阵abs2中的最小值;
S05.对第i+1幅图像gi+1和图像gi做差值处理,得到差值图像矩阵diff3,对差值图像矩阵diff3进行绝对值处理abs3=|diff3|,对绝对值处理后的差值图像矩阵abs3进行归一化处理,得到归一化图像矩阵Norm3:
其中,Norm3(j,k)表示归一化处理后的图像矩阵Norm3中第j行第k列的值,abs3(j,k)表示绝对值处理后的差值图像矩阵abs3中第j行第k列的值,Max(abs3)表示矩阵abs3中的最大值,Min(abs3)表示矩阵abs3中的最小值;
S06.对归一化图像矩阵Norm1、Norm2、Norm3进行加权处理和中值滤波处理、归一化处理,得到权重图像矩阵W;
S07.利用权重图像矩阵W,对图像gi和图像g′i采用如下公式进行加权处理,得到最终去噪后的图像:
最终去噪后的图像=W(j,k)×gi(j,k)+(1-W(j,k))×g′i(j,k)
其中,W(j,k)表示权重图像矩阵W中第j行第k列的值,gi(j,k)表示待去噪图像gi第j行第k列的像素值,g′i(j,k)表示去噪后图像g′i第j行第k列的像素值。
2.根据权利要求1所述的一种口腔CBCT图像去噪方法,其特征在于,所述步骤S02中的低通滤波算法包括高斯滤波算法、均值滤波算法、中值滤波算法。
3.根据权利要求1所述的一种口腔CBCT图像去噪方法,其特征在于,所述步骤S06中的加权处理方法中图像矩阵Norm1、Norm2、Norm3各自的权重之和为1。
4.根据权利要求1所述的一种口腔CBCT图像去噪方法,其特征在于,所述差值处理方法为:两个相减的图像矩阵中分别位于第j行第k列的像素值进行相减操作,待两个相减的图像矩阵中所有行列位置的像素值进行相减操作后,得到相应的差值图像矩阵。
5.一种利用权利要求1-4任意一项所述的口腔CBCT图像去噪方法的口腔CBCT图像去噪系统,其特征在于,该系统包括:
口腔CBCT图像获取模块,用于获取口腔CBCT序列图像;
待去噪图像选取模块,用于从CBCT序列图像中选取待去噪图像;
待去噪图像数据处理模块,用于将待去噪图像及其他相关图像进行数据处理,获得初步去噪后的图像和权重图像;
待去噪图像组合模块,用于将待去噪图像、初步去噪后的图像以及权重图像进行加权处理;
去噪图像获取模块,用于获得加权操作后的去噪图像。
6.一种运行权利要求5所述的口腔CBCT图像去噪系统的口腔CBCT图像去噪设备,其特征在于,该设备包括:
口腔CBCT图像获取装置,用于获取口腔CBCT序列图像;
处理器,用于运行去噪算法进行待去噪图像的数据处理;
存储器,用于储存获取的口腔CBCT序列图像、初步去噪图像、权重图像以及最终的去噪后图像数据;
显示器,用于显示去噪处理后的图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911327802.2A CN111091514B (zh) | 2019-12-20 | 2019-12-20 | 一种口腔cbct图像去噪方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911327802.2A CN111091514B (zh) | 2019-12-20 | 2019-12-20 | 一种口腔cbct图像去噪方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111091514A CN111091514A (zh) | 2020-05-01 |
CN111091514B true CN111091514B (zh) | 2023-05-05 |
Family
ID=70395254
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911327802.2A Active CN111091514B (zh) | 2019-12-20 | 2019-12-20 | 一种口腔cbct图像去噪方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111091514B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115797486B (zh) * | 2022-11-04 | 2023-06-30 | 赛诺威盛科技(北京)股份有限公司 | 一种ct图像线状伪影消除方法、装置及存储介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107845081A (zh) * | 2017-12-20 | 2018-03-27 | 成都信息工程大学 | 一种磁共振图像去噪方法 |
CN109003233A (zh) * | 2018-06-21 | 2018-12-14 | 西安理工大学 | 一种基于自适应权重全变分模型的图像去噪方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8938105B2 (en) * | 2010-10-28 | 2015-01-20 | Kabushiki Kaisha Toshiba | Denoising method and system for preserving clinically significant structures in reconstructed images using adaptively weighted anisotropic diffusion filter |
KR101910870B1 (ko) * | 2012-06-29 | 2018-10-24 | 삼성전자 주식회사 | 잡음 제거 장치, 시스템 및 방법 |
-
2019
- 2019-12-20 CN CN201911327802.2A patent/CN111091514B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107845081A (zh) * | 2017-12-20 | 2018-03-27 | 成都信息工程大学 | 一种磁共振图像去噪方法 |
CN109003233A (zh) * | 2018-06-21 | 2018-12-14 | 西安理工大学 | 一种基于自适应权重全变分模型的图像去噪方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111091514A (zh) | 2020-05-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP4216496B2 (ja) | 脳組織内毛細血管の血流動態に関するインデックス演算方法、装置及びプログラムコード | |
Meilinger et al. | Metal artifact reduction in cone beam computed tomography using forward projected reconstruction information | |
US8855394B2 (en) | Methods and apparatus for texture based filter fusion for CBCT system and cone-beam image reconstruction | |
US5594767A (en) | Methods and apparatus for enhancing image sharpness | |
EP3743889A1 (en) | Using deep learning to reduce metal artifacts | |
CN103544684A (zh) | 图像处理方法和图像处理设备 | |
WO2010096701A1 (en) | Projection-space denoising with bilateral filtering in computed tomography | |
EP2583241A1 (en) | Method and system for noise reduction in low dose computed tomography | |
US20230306657A1 (en) | Noise suppression using deep convolutional networks | |
US20190156560A1 (en) | Method for enhanced display of image slices from 3-d volume image | |
JP2018033745A (ja) | 画像処理装置、方法およびプログラム | |
US6845143B2 (en) | CT image reconstruction | |
CN111091514B (zh) | 一种口腔cbct图像去噪方法及系统 | |
JP4714228B2 (ja) | 脳組織内毛細血管の血流動態に関するインデックス演算方法、装置及び記憶媒体 | |
CN116029934A (zh) | 一种低剂量dr图像和ct图像去噪方法 | |
CN111127371A (zh) | 图像增强参数自动优化方法、存储介质和x射线扫描装置 | |
US20100061656A1 (en) | Noise reduction of an image signal | |
CN111563940B (zh) | 一种步进轴扫ct重建中拼接伪影的去除方法及电子介质 | |
US20220414832A1 (en) | X-ray imaging restoration using deep learning algorithms | |
US20050018889A1 (en) | Systems and methods for filtering images | |
CN110730977B (zh) | 低剂量成像方法及装置 | |
CN109767396B (zh) | 一种基于图像动态分割的口腔cbct图像去噪方法 | |
US20060165271A1 (en) | Method for reducing cupping artifacts in cone beam CT image data sets | |
CN111489314A (zh) | 图像增强方法、装置及终端设备 | |
US7720270B2 (en) | Method and apparatus for improving inner auditory canal images |
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 | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20230316 Address after: 230601 No. 98, Tangkou Road, Hefei Economic and Technological Development Zone, Anhui Province Applicant after: Hefei dengtefei Medical Equipment Co.,Ltd. Address before: 510530 room 701-10, 286 science Avenue, Huangpu District, Guangzhou City, Guangdong Province (office only) Applicant before: GUANGZHOU HUADUAN TECHNOLOGY Co.,Ltd. |
|
TA01 | Transfer of patent application right | ||
GR01 | Patent grant | ||
GR01 | Patent grant |