CN111568422A - 影像质量评估方法、指标间关系的获取方法及相关设备 - Google Patents
影像质量评估方法、指标间关系的获取方法及相关设备 Download PDFInfo
- Publication number
- CN111568422A CN111568422A CN202010429578.4A CN202010429578A CN111568422A CN 111568422 A CN111568422 A CN 111568422A CN 202010429578 A CN202010429578 A CN 202010429578A CN 111568422 A CN111568422 A CN 111568422A
- Authority
- CN
- China
- Prior art keywords
- index
- image
- indexes
- target
- quality evaluation
- 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
- 238000013441 quality evaluation Methods 0.000 title claims abstract description 167
- 238000000034 method Methods 0.000 title claims abstract description 83
- 238000002595 magnetic resonance imaging Methods 0.000 claims abstract description 52
- 238000003384 imaging method Methods 0.000 claims abstract description 39
- 230000009471 action Effects 0.000 claims description 37
- 230000003993 interaction Effects 0.000 claims description 25
- 238000005259 measurement Methods 0.000 claims description 25
- 238000012549 training Methods 0.000 claims description 22
- 238000001303 quality assessment method Methods 0.000 claims description 21
- 238000012216 screening Methods 0.000 claims description 16
- 238000012512 characterization method Methods 0.000 claims description 13
- 238000003708 edge detection Methods 0.000 claims description 7
- 238000004590 computer program Methods 0.000 claims description 3
- 238000011156 evaluation Methods 0.000 abstract description 29
- 239000010410 layer Substances 0.000 description 27
- 230000008569 process Effects 0.000 description 26
- 238000010586 diagram Methods 0.000 description 18
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 14
- 238000004891 communication Methods 0.000 description 13
- 230000003925 brain function Effects 0.000 description 12
- 238000012854 evaluation process Methods 0.000 description 5
- 238000012935 Averaging Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 3
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 2
- 239000008280 blood Substances 0.000 description 2
- 210000004369 blood Anatomy 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 230000001419 dependent effect Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 239000012528 membrane Substances 0.000 description 2
- 229910052760 oxygen Inorganic materials 0.000 description 2
- 239000001301 oxygen Substances 0.000 description 2
- 238000003908 quality control method Methods 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 210000004556 brain Anatomy 0.000 description 1
- 238000013145 classification model Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 238000002599 functional magnetic resonance imaging Methods 0.000 description 1
- 239000011229 interlayer Substances 0.000 description 1
- 238000010197 meta-analysis Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000001208 nuclear magnetic resonance pulse sequence Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/05—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves
- A61B5/055—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves involving electronic [EMR] or nuclear [NMR] magnetic resonance, e.g. magnetic resonance imaging
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/0033—Features or image-related aspects of imaging apparatus classified in A61B5/00, e.g. for MRI, optical tomography or impedance tomography apparatus; arrangements of imaging apparatus in a room
Abstract
本申请提供了一种影像质量评估方法、指标间关系的获取方法及相关设备，评估方法包括：获取目标影像，目标影像为磁共振成像设备针对指定对象采集的影像；根据目标影像获取预先配置的指标集中各指标的指标值，作为目标影像对应的指标值，其中，指标集中包括反映磁场稳定性的第一类指标以及反映影像几何畸变的第二类指标；根据目标影像对应的指标值，评估目标影像的质量。本申请提供的评估方法可自动、高效地对目标影像进行质量评估，且能够获得置信度较高的评估结果。本申请提供的指标间关系的获取方法可获取指标集中指标之间的关系，根据指标集中指标之间的关系，影像分析人员可获知设备成像质量差的原因并进行修正，从而提升设备的成像质量。
Description
技术领域
本申请涉及质量评估技术领域，尤其涉及一种影像质量评估方法、指标间关系的获取方法及相关设备。
背景技术
为了提升磁共振成像设备(比如，磁共振脑功能成像设备)的成像质量，通常需要对磁共振成像设备采集的影像(比如，磁共振脑功能影像)进行质量评估。
目前对磁共振影像进行质量评估的方式大多为人工评估方式，具体的，首先通过可视化软件对磁共振影像进行呈现，然后由磁共振成像领域的专家对通过可视化软件呈现的磁共振影像的质量进行人工评估。
然而，人工评估方式受主观因素影像较大，且人工评估方式的效率较低，同时人工成本较高。
发明内容
有鉴于此，本申请提供了一种影像质量评估方法，从而解决现有的人工评估方式受主观因素影像较大、评估效率较低、评估成本较高的问题，其技术方案如下：
一种影像质量评估方法，包括：
获取目标影像，其中，所述目标影像为磁共振成像设备针对指定对象采集的影像；
根据所述目标影像，获取预先配置的指标集中各指标的指标值，作为所述目标影像对应的指标值，其中，所述指标集中包括反映磁场信号稳定性的第一类指标，以及反映影像几何畸变的第二类指标；
根据所述目标影像对应的指标值，评估所述目标影像的质量。
可选的，所述根据所述目标影像对应的指标值，评估所述目标影像的质量，包括：
将所述目标影像对应的指标值输入预先建立的质量评估模型进行质量评估，获得所述目标影像的质量评估结果；
其中，所述质量评估模型以影像样本对应的指标值为训练样本，以所述影像样本的质量评估结果为样本标签训练得到，所述影像样本对应的指标值为根据所述影像样本，针对所述指标集中的各指标确定的指标值。
可选的，配置所述第一类指标的过程包括：
根据指定关键词，获取与磁共振影像质量评估有关的文件；
以指标的信效度、和/或可操作性、和/或稳定性为筛选依据，从获取的文件中筛选质量评估指标，筛选出的质量评估指标作为第一类指标。
所述目标影像为四维数据，其由预设个时间点的三维影像组成，其中，所述预设个时间点的三维影像为所述磁共振成像设备在预设个时间点分别针对所述指定对象采集的三维影像；
可选的，根据所述目标影像，获取所述第二类指标的指标值，包括：
通过分别对所述预设个时间点的三维影像进行边缘检测，获取预设个时间点分别对应的三维掩模，其中，一时间点对应的三维掩模能够指示，所述指定对象在该时间点的三维影像中所处的位置；
分别获取所述预设个时间点分别对应的三维掩模的中间层片，以得到预设个时间点分别对应的二维掩模，其中，一时间点对应的二维掩模能够指示，所述指定对象的中间层片在该时间点的三维影像的中间层片中所处的位置；
根据所述预设个时间点分别对应的二维掩模，确定所述第二类指标的指标值。
可选的，所述第二类指标包括不同方向的直径比度量指标；
根据所述预设个时间点分别对应的二维掩模，确定所述不同方向的直径比度量指标的指标值，包括：
对于每个时间点对应的二维掩模，确定该时间点对应的二维掩模中的目标区域在两个不同方向上的直径的比值，作为该时间点对应的直径比，以得到预设个时间点分别对应的直径比，其中，所述目标区域为指示所述指定对象在对应时间点的三维影像的中间层片中所处位置的区域；
对所述预设个时间点分别对应的直径比计算统计量，作为所述不同方向的直径比度量指标的指标值。
可选的，所述第二类指标包括奎斯特伪影程度度量指标；
根据所述预设个时间点分别对应的二维掩模，确定所述奎斯特伪影程度度量指标的指标值，包括：
对于每个时间点对应的二维掩模：
根据该时间点对应的二维掩模中目标区域的边界，从该时间点对应的二维掩模中确定出第一边界区域、第二边界区域、第三边界区域和第四边界区域，其中，所述第一边界区域与所述第二边界区域相对，所述第三边界区域与所述第四边界区域相对，所述目标区域为指示所述指定对象在对应时间点的三维影像的中间层片中所处位置的区域；
根据所述第一边界区域、所述第二边界区域、所述第三边界区域和所述第四边界区域，确定该时间点对应的奎斯特伪影程度表征值；
以得到预设个时间点分别对应的奎斯特伪影程度表征值；
对所述预设个时间点分别对应的奎斯特伪影程度表征值计算统计量，作为所述奎斯特伪影程度度量指标的指标值。
可选的，所述根据所述第一边界区域、所述第二边界区域、所述第三边界区域和所述第四边界区域，确定该时间点对应的奎斯特伪影程度表征值，包括：
从该时间点的三维影像的中间层片中，获取对应于所述第一边界区域和所述第二边界区域的像素值，以及对应于所述第三边界区域和所述第四边界区域的像素值；
计算对应于所述第一边界区域和所述第二边界区域的像素值的均值，作为第一均值，并计算对应于所述第三边界区域和所述第四边界区域的像素值的均值，作为第二均值；
计算所述第一均值与所述第二均值的比值，作为该时间点的奎斯特伪影程度表征值。
可选的，所述第二类指标包括体素偏移量度量指标；
根据所述预设个时间点分别对应的二维掩模，确定所述体素偏移量度量指标的指标值，包括：
对所述预设个时间点中第一个时间点对应的二维掩模中的目标区域统计像素列数，其中，所述目标区域为指示所述指定对象在对应时间点的三维影像的中间层片中所处位置的区域；
分别将除所述第一个时间点之外的其它各时间点分别对应的二维掩模分别与所述第一个时间点对应的二维掩模作差，得到体素偏移图像；
根据每个体素偏移图像和统计得到的像素列数，确定每个体素偏移图像对应的体素偏移量；
对各体素偏移图像分别对应的体素偏移量计算统计量，作为所述体素偏移量度量指标的指标值。
一种指标间关系的获取方法，包括：
获取影像集合，所述影像集合包括由至少一个磁共振成像设备在至少一个采集周期针对指定对象采集的影像；
对于所述影像集合中的每个影像，采用上述任一项所述的影像质量评估方法对其进行质量评估，以得到所述影像集合中各影像分别对应的质量评估结果；
根据所述影像集合中各影像分别对应的质量评估结果和指标值，确定指标集中指标之间的关系，其中，所述指标集中指标之间的关系用于作为提升所述磁共振成像设备成像质量的依据。
可选的，所述根据所述影像集合中各影像分别对应的质量评估结果和指标值，确定指标集中指标之间的关系，包括：
根据所述影像集合中各影像分别对应的质量评估结果和指标值，从所述指标集中筛选出关键指标，由筛选出的关键指标组成关键指标集；
对于每个所述采集周期，根据所述影像集合中该采集周期的各影像分别对应的指标值，确定所述关键指标集中指标之间的关系，以得到对应于每个采集周期的指标关系；
根据所述对应于每个采集周期的指标关系确定最终的指标关系。
可选的，所述根据所述影像集合中该采集周期的各影像分别对应的指标值，确定所述关键指标集中指标之间的关系，包括：
对于所述关键指标集中的每个指标，根据所述影像集合中该采集周期的各影像分别在该指标上的指标值，确定该指标在该采集周期对应的均值和标准差，以得到所述关键指标集中每个指标在该采集周期对应的均值和标准差；
根据所述关键指标集中每个指标在该采集周期对应的均值和标准差，确定对应于该采集周期的指标关系。
可选的，所述根据所述关键指标集中每个指标在该采集周期对应的均值和标准差，确定对应于该采集周期的指标关系，包括：
对于所述关键指标集中的每个指标：
将该指标作为第一目标指标，将所述关键指标集中的其它指标均作为第二目标指标：
根据所述第一目标指标对应的均值，将所述影像集合中该采集周期的影像分为两组，分别作为第一组和第二组；
对于每个第二目标指标：根据该第二目标指标对应的均值和标准差，计算所述第一组中各个影像分别在该第二目标指标上的概率密度值的均值，作为第一概率密度均值，并根据该第二目标指标对应的均值和标准差，计算所述第二组中各个影像分别在该第二目标指标上的概率密度值的均值，作为第二概率密度均值；根据所述第一概率密度均值和所述第二概率密度均值，确定所述第一目标指标对该第二目标指标的作用关系；以得到所述第一目标指标分别对各个第二目标指标的作用关系；
以得到所述关键指标集中所有可能的两两指标组合中两个指标之间的相互作用关系。
一种影像质量评估装置，包括：影像获取模块、质量评估指标值获取模块和影像质量评估模块；
所述影像获取模块，用于获取目标影像，其中，所述目标影像为磁共振成像设备针对指定对象采集的影像；
所述质量评估指标值获取模块，用于根据所述目标影像，获取预先确定的指标集中各指标的指标值，作为所述目标影像对应的指标值，其中，所述指标集中包括反映磁场信号稳定性的第一类指标，以及反映影像几何畸变的第二类指标；
所述影像质量评估模块，用于根据所述目标影像对应的指标值，评估所述目标影像的质量。
一种指标间关系的获取装置，包括：影像集合获取模块、上述的影像质量评估装置和指标关系确定模块；
所述影像集合获取模块，用于获取影像集合，所述影像集合包括由至少一个磁共振成像设备在至少一个采集周期针对指定对象采集的影像；
所述影像质量评估装置，用于对所述影像集合中的每个影像进行质量评估，以得到所述影像集合中各影像分别对应的质量评估结果；
所述指标关系确定模块，用于根据所述影像集合中各影像分别对应的质量评估结果和指标值，确定预先配置的指标集中指标之间的关系，其中，所述指标集中指标之间的关系用于作为提升所述磁共振成像设备成像质量的依据。
一种影像质量评估设备，包括：存储器和处理器；
所述存储器，用于存储程序；
所述处理器，用于执行所述程序，实现上述任一项所述的影像质量评估方法的各个步骤。
一种可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时，实现上述任一项所述的影像质量评估方法的各个步骤。
经由上述方案可知，本申请提供的影像质量评估方法，在获得待评估的目标影像后，首先根据目标影像获取预先配置的指标集中各指标的指标值，以获得目标影像对应的指标值，然后根据目标影像对应的指标值，评估目标影像的质量，由此可见，本申请提供的影像质量评估方法可根据目标影像对应的指标值自动对目标影像进行质量评估，由于评估过程不需要人工参与，因此，避免了主观因素对评估结果的影响，同时，提高了评估效率，节省了人力资源和人工成本，并且，本申请对目标影像进行质量评估所使用的指标既包含了反映磁场信号稳定性的指标，又包含了反映影像几何畸变的指标，以这两类指标的指标值为依据对目标影像进行质量评估，能够获得置信度较高的评估结果。在本申请提供的影像质量评估方法的基础上，本申请还提供了一种指标间关系的获取方法，该方法可根据影像集合中各影像分别对应的质量评估结果和指标值，确定指标集中指标之间的关系，根据指标集中指标之间的关系，影像分析人员能够获知磁共振成像设备成像质量差的原因并进行修正，从而提升磁共振成像设备的成像质量。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
图1为本申请实施例提供的影像质量评估方法的流程示意图；
图2为本申请实施例提供的配置第一类指标的流程示意图；
图3为本申请实施例提供的根据目标影像，获取预先配置的指标集中第二类指标的指标值的流程示意图；
图4为本申请实施例提供的一时间点对应的二维掩模的示意图；
图5为本申请实施例提供的根据预设个时间点分别对应的二维掩模，确定不同方向的直径比度量指标的指标值的流程示意图；
图6为本申请实施例提供的二维掩模的四个顶点位置的示意图；
图7为本申请实施例提供的根据预设个时间点分别对应的二维掩模，确定奎斯特伪影程度度量指标的指标值的流程示意图；
图8为本申请实施例提供的二维掩模中四个边界区域的示意图；
图9为本申请实施例提供的根据预设个时间点分别对应的二维掩模，确定体素偏移量度量指标的指标值的流程示意图；
图10为本申请实施例提供的体素偏移图像的示意图；
图11为本申请实施例提供的指标间关系的获取方法的流程示意图；
图12为本申请实施例提供的根据影像集合中各影像分别对应的质量评估结果和指标值，确定指标集中指标之间的关系的流程示意图；
图13为本申请实施例提供的对应于3个周期的指标关系的示意图；
图14为本申请实施例提供的对图13中对应于3个周期的指标关系进行融合得到的指标关系的示意图；
图15为本申请实施例提供的影像质量评估装置的结构示意图；
图16为本申请实施例提供的指标间关系的获取装置的结构示意图；
图17为本申请实施例提供的影像质量评估设备的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
目前，对于磁共振成像设备采集的影像(比如，磁共振脑功能影像)进行质量评估的方式主要为人工评估方式，然而人工评估方式存在诸多缺陷，比如，评估结果受主观因素影像大、评估效率低、评估成本高等，鉴于人工评估方式存在诸多缺陷，本案发明人试图提出一种能够自动对磁共振成像设备采集的影像进行质量评估的方案，为此，本案发明人进行了研究：
起初的思路是，预先设计质量评估指标，在评估时，依据质量评估指标的分布特性评估影像的质量。该思路能够根据质量评估指标的分布特性自动对待评估影像进行质量评估，由于评估过程不需要人工参与，因此能够避免人工参与所带来的问题。
然而，上述思路所使用的质量评估指标仅为反映磁场信号稳定性的指标，即进行质量评估所使用的指标比较单一，采用单一维度的指标进行质量评估，得到的评估结果置信度不高，即得到的评估结果并不能较全面、真实地反映磁共振成像设备的成像质量。
鉴于上述思路存在的问题，本案发明人进一步进行研究，最终提供了一种效果较好的影像质量评估方法，该方法完美解决了现有技术中的人工评估方案以及上述思路所存在的问题。本申请提供的影像质量评估方法的大致思路是，预先配置两类质量评估指标，即反映磁场信号稳定性的指标以及反映影像几何畸变的指标，在对待评估影像进行质量评估时，根据待评估影像获取预先配置的这两类指标的指标值，然后根据获取的指标值自动评估待评估影像的质量。在本申请提供的影像质量评估方法的基础上，本申请还提供了一种指标间关系的获取方法，该方法可获取预先配置的质量评估指标间的关系，影像分析人员根据指标间的关系可获知磁共振成像设备成像质量差的原因进而改进，以提升磁共振成像设备的成像质量。
本申请提供的影像质量评估方法和指标间关系的获取方法，适用于需要对磁共振成像设备采集的影像进行质量评估以及需要提升磁共振成像设备的成像质量的应用场景，该影像质量评估方法和指标间关系的获取方法可应用于具有数据处理能力的终端(比如PC、笔记本、平板电脑等)，还可应用于服务器(比如，单个服务器、多个服务器、服务器集群等)。接下来，通过下述实施例对本申请提供的影像质量评估方法和指标间关系的获取方法进行详细介绍。
第一实施例
请参阅图1，示出了本实施例提供的影像质量评估方法的一流程示意图，可以包括：
步骤S101：获取目标影像。
其中，目标影像为磁共振成像设备针对指定对象采集的影像。
需要说明的是，目标影像为四维数据，其由预设个时间点的三维影像组成，其中，预设个时间点的三维影像为磁共振成像设备在预设个时间点分别针对指定对象采集的三维影像。
可选的，本实施例中的目标影像可以为磁共振脑功能成像设备针对指定对象采集的图像。目前的脑功能成像技术主要为基于BOLD的脑功能成像技术，BOLD指的是利用梯度回波-平面回波成像序列(GE-EPI,gradient echo-echo planner imaging)扫描大脑的血氧水平依赖(Blood oxygen-level dependent)加权成像，其具有毫米级的空间分辨率，基于BOLD的脑功能成像技术通过测量由神经活动引起的脑血流和脑血氧等成分变化而造成的磁共振信号变化，对脑的认知功能，如视觉、运动、语言和记忆等功能中枢进行成像。
需要说明的是，磁共振脑功能成像通常是对人头部进行扫描，从而产生脑功能影像，鉴于本申请的目的是为了获知磁共振脑功能成像设备的成像质量，为了便于实现和操作，本申请可选取国际标准化的球形水模作为磁共振脑功能成像设备的扫描对象，即上述提及的指定对象可以为国际标准化的球形水模，选取球形水膜作为扫描对象的原因在于，球形水模的直径、体积、内部液体介质的扩散系数、密度和图像灰度值分布等具有高度不变性。需要说明的是，本实施例并不限定指定对象为球形水膜，指定对象还可以为其他与球形水膜具有相同或相似特性的对象。
在一种应用场景中，需要对设置于多个站点的磁共振脑功能成像设备针对指定对象采集的影响进行质量评估，本步骤中的目标影像即为任一站点的磁共振脑功能成像设备针对指定对象采集的任一影像。为了对各站点的影像进行统一，要使各站点的磁共振脑功能成像设备按统一的参数对指定对象进行扫描，比如，各站点的磁共振脑功能成像设备的参数统一按如下表1设置：
表1磁共振脑功能成像设备采集影像的参数
其中，TR(repetition time)是脉冲序列执行所需的时间，TE(echo_time)在梯度回波中指小角度脉冲中点到梯度回波中心的时间间隔，矩阵(Data_matrix)是指磁共振图像层面内行和列的数目，即是频率编码和相位编码上的像素数目，层厚(slice thickness)在层面选择梯度场强和射频脉冲的带宽决定的被激发层面的厚度，FOV(field of view)指的是磁共振脑功能成像设备扫描视野大小，相位编码方向指的磁共振信号相位的编码方向，A>>P则表明从顶向下进行。
步骤S102：根据目标影像，获取预先配置的指标集中各指标的指标值，作为目标影像对应的指标值。
其中，预先配置的指标集中包括反映磁场信号稳定性的第一类指标，以及反映影像几何畸变的第二类指标，即本申请预先配置了两个维度的指标用于对影像进行质量评估。
步骤S103：根据目标影像对应的指标值，评估目标影像的质量。
具体的，根据目标影像对应的指标值，评估目标影像的质量的过程可以包括：利用预先建立的质量评估模型和目标影像对应的指标值，评估目标影像的质量。
其中，质量评估模型以影像样本集中的影像样本对应的指标值为训练样本，以影像样本的质量评估结果为样本标签训练得到。需要说明的是，影像样本对应的指标值为根据影像样本，针对指标集中的各指标确定的指标值。
本申请实施例提供的影像质量评估方法可根据目标影像获取预先配置的指标集中各指标的指标值，从而得到目标影像对应的指标值，然后可根据目标影像对应的指标值自动对目标影像进行质量评估，由于评估过程不需要人工参与，因此，避免了主观因素对评估结果的影响，同时，提高了评估效率，节省了人力资源和人工成本，并且，本申请实施例对目标影像进行质量评估所使用的指标既包含了反映磁场信号稳定性的指标，又包含了反映影像几何畸变的指标，以这两类指标的指标值为依据对目标影像进行质量评估，能够获得全面、真实地反映磁共振成像设备的成像质量的评估结果。
第二实施例
上述实施例提到，预先配置的指标集中包括两类指标，第一类指标为反映磁场信号稳定性的指标，第二类指标为反映影像几何畸变的指标。本实施例重点对预先配置第一类指标的过程进行介绍。
请参阅图2，示出了配置第一类指标的流程示意图，可以包括：
步骤S201：根据指定关键词，获取与磁共振影像质量评估有关的文件。
具体的，可根据指定关键词在指定的数据库(比如，“Web of Science”、“Proquest”、“PsycINFO”、“中国知网”等)中检索与磁共振影像质量评估有关的文件。
示例性的，目标影像为磁共振脑功能成像设备针对指定对象(比如球形水膜)采集的影像，则指定关键词可以为“Bold-fMRI”、“water phantom”、“quality control”，根据这些关键词在“Web of Science”、“Proquest”、“PsycINFO”、“中国知网”等数据库中进行检索，从而得到对磁共振脑功能成像设备针对球形水膜采集的影像进行质量评估的相关文献。
步骤S202：以指标的信效度、可操作性和/或稳定性为筛选依据，从获取的文件中筛选质量评估指标，筛选出的质量评估指标作为第一类指标。
具体的，在得到通过步骤S201获取的文件后，首先对获取的文件基于指筛选依据进行筛选，然后从筛选出的每个文献中提取结构化信息(比如作者名、发表时间、实验参数设计、质控标准化流程、质量评估指标等)，最后利用分析软件(比如Comprehensive Meta-analysis)对提取出的结构化信息进行分析，以得到反映磁场信号稳定性的第一类指标。
其中，筛选依据可以为指标的信效度、和/或可操作性、和/或稳定性，优选为指标的信效度、可操作性以及稳定性。
需要说明的是，指标的信效度指的是，指标能够很好的反映影像的质量，且在不同质量类别间具有较好的差异性，比如，对于质量好的影像，指标x的指标值为x1，对于质量不好的影像，指标x的指标值为x2，若x1与x2相差较大，则说明指标x在不同质量类别间具有较好的差异性；指标的可操作性指的，指标便于大规模影像的自动质量评估，即指标易操作；指标的稳定性指的是，指标跨时间稳定。
第三实施例
本实施例对第一实施例的“步骤S102：根据目标影像，获取预先配置的指标集中各指标的指标值，作为目标影像对应的指标值”的过程进行介绍。
通过步骤S201获得的文件(与磁共振影像质量评估有关的文件)可知，目前对磁共振成像设备所采集的影像进行质量评估采用的均是反映磁场稳定性的指标，因此，本实施例可根据目标影像，采用现有的方法获取预先配置的指标集中第一类指标的指标值。本实施例重点对获取预先配置的指标集第二类指标的指标值的过程进行介绍。
请参阅图3，示出了根据目标影像，获取预先配置的指标集中第二类指标的指标值的流程示意图，可以包括：
步骤S301：通过分别对预设个时间点的三维影像进行边缘检测，获取预设个时间点分别对应的三维掩模。
其中，一时间点对应的三维掩模能够指示，指定对象在该时间点的三维影像中所处的位置。
假设目标影像为由T个时间点的三维影像组成的四维数据，对于任一时间点的三维影像，可根据该时间点的三维影像，利用边缘检测中的区域填充方法，获取三维掩模，获取的三维掩模作为该时间点对应的三维掩模，该时间点对应的三维掩模能够指示指定对象在该时间点的三维影像中所处的位置，对每个时间点的三维影像均进行上述处理，便可获得T个时间点分别对应的三维掩模。
步骤S302：分别获取预设个时间点分别对应的三维掩模的中间层片，以得到预设个时间点分别对应的二维掩模。
其中，一时间点对应的二维掩模能够指示，指定对象的中间层片在该时间点的三维影像的中间层片中所处的位置。
请参阅图4，示出了磁共振成像设备为磁共振脑功能成像设备，指定对象为球形水膜时，一时间点对应的二维掩模的示意图，图中的圆形区域指示了指定对象即球形水膜的中间层片在该时间点的三维影像的中间层片中所处的位置，也就是说，图中的圆形区域在二维掩模中的位置即为指定对象在该时间点的三维影像的中间层片中所处的位置。
可选的，一时间点对应的二维掩模中，指示指定对象的中间层片在该时间点的三维影像的中间层片中所处位置的区域的像素值为1，其余区域的像素值为0。
步骤S303：根据预设个时间点分别对应的二维掩模，确定第二类指标的指标值。
可选的，第二类指标可以包括以下指标中的一种或多种：不同方向的直径比度量指标、奎斯特伪影程度度量指标、体素偏移量度量指标。优选的，第二类指标同时包括上述三种指标。
接下来，分别对根据预设个时间点分别对应的二维掩模，确定不同方向的直径比度量指标的指标值、奎斯特伪影程度度量指标的指标值、体素偏移量度量指标的指标值的过程进行介绍。
请参阅图5，示出了根据预设个时间点分别对应的二维掩模，确定不同方向的直径比度量指标的指标值的流程示意图，可以包括：
步骤S501：针对每个时间点对应的二维掩模，确定该二维掩模中的目标区域在两个不同方向上的直径的比值，以得到预设个时间点分别对应的直径比。
其中，目标区域为指示指定对象在对应时间点的三维影像的中间层片所处位置的区域，即目标区域在二维掩模中的位置即为指定对象在对应时间点的三维影像的中间层片中所处的位置。
需要说明是，以圆形水膜为例，磁共振脑功能成像设备针对圆形水膜扫描出来的图像的边缘通常不会很平滑，同样的，获得的二维掩模中的圆形区域实际上并不会像图4示出的圆形区域的边缘那样平滑(比如，边缘可能为锯齿状)，有鉴于此，本实施例按如下方式针对一个时间点对应的二维掩模确定两个不同方向上的直径：
对二维掩模从上往下逐行遍历，以得到距离二维掩模的上边界距离最近的N个目标像素点(目标像素点为上述提及的像素值为1的像素点)，对距离二维掩模的上边界距离最近的N(比如10)个目标像素点的位置取平均，得到如图6中的上顶点位置r1；对二维掩模从下往上逐行遍历，以得到距离二维掩模的下边界距离最近的N个目标像素点，对距离二维掩模的下边界距离最近的N个目标像素点的位置取平均，得到如图6中的下顶点位置r2；对二维掩模从左往右逐列遍历，以得到距离二维掩模的左边界距离最近的N个目标像素点，对距离二维掩模的左边界距离最近的N个目标像素点的位置取平均，得到如图6中的左顶点位置c1；对二维掩模从右往左逐列遍历，以得到距离二维掩模的右边界距离最近的N个目标像素点，对距离二维掩模的右边界距离最近的N个目标像素点的位置取平均，得到如图6中的右顶点位置c1；根据上顶点位置r1和下顶点位置r2可获得一个方向上的直径d1，根据左顶点位置c1和右顶点位置c2可获得另一个方向上的直径d2。在获得两个不同方向上的直径d1和直径d2后，将d1/d2作为该时间点对应的直径比。
按上述过程对每个时间点对应的二维掩模进行操作，便可获得预设个时间点分别对应的直径比。
步骤S502：对预设个时间点分别对应的直径比计算统计量，作为不同方向的直径比度量指标的指标值。
可选的，可对预设个时间点分别对应的直径比计算均值和/或标准差，计算得到的均值和/或标准差作为不同方向的直径比度量指标的指标值。
请参阅图7，示出了根据预设个时间点分别对应的二维掩模，确定奎斯特伪影程度度量指标的指标值的流程示意图，可以包括：
步骤S701：对于预设个时间点中的每个时间点，根据该时间点对应的二维掩模，采用如下骤S7011和步骤S7012确定该时间点对应的奎斯特伪影程度表征值，以得到预设个时间点分别对应的奎斯特伪影程度表征值。
步骤S7011、根据该时间点对应二维掩模中目标区域的边界，从该时间点对应的二维掩模中确定出第一边界区域、第二边界区域、第三边界区域和第四边界区域。
其中，第一边界区域与第二边界区域相对，第三边界区域与第四边界区域相对，目标区域为指示指定对象在对应时间点的三维影像的中间层片所处位置的区域。
示例性的，如图8所示，可根据圆形区域的边界对二维掩模进行划分，从而得到圆形区域上方和下方的两个PE区域(即第一边界区域和第二边界区域)，以及圆形区域左侧和右侧的两个RO区域(即第三边界区域与第四边界区域)。
步骤S7012、根据第一边界区域、第二边界区域、第三边界区域和第四边界区域，确定该时间点对应的奎斯特伪影程度表征值。
具体的，根据第一边界区域、第二边界区域、第三边界区域和第四边界区域，确定该时间点对应的奎斯特伪影程度表征值的过程可以包括：
步骤a1、从该时间点的三维影像的中间层片中，获取对应于第一边界区域和第二边界区域的像素值，以及对应于第三边界区域和第四边界区域的像素值。
其中，对应于第一边界区域的像素值为该时间点的三维影像的中间层片中与第一边界区域对应的区域中的像素值，其他区域类似。需要说明的是，图像A中的区域a在图像A中的位置与图像B中的区域b在图像B中的位置相同，则称区域a与区域b对应(图像A与图像B尺寸相同)。
步骤a2、计算对应于第一边界区域和第二边界区域的像素值的均值，作为第一均值，并计算对应于第三边界区域和第四边界区域的像素值的均值，作为第二均值。
步骤a3、计算第一均值与第二均值的比值，作为该时间点对应的奎斯特伪影程度表征值。
步骤S702：对预设个时间点分别对应的奎斯特伪影程度表征值计算统计量，计算得到的统计量作为奎斯特伪影程度度量指标的指标值。
可选的，可对预设个时间点分别对应的奎斯特伪影程度表征值计算均值和/或标准差，计算得到的均值和/或标准差作为奎斯特伪影程度度量指标的指标值。
请参阅图9，示出了根据预设个时间点分别对应的二维掩模，确定体素偏移量度量指标的指标值的流程示意图，可以包括：
步骤S901：对预设个时间点中第一个时间点对应的二维掩模中的目标区域统计像素列数column_num＝n。
其中，一个时间点对应的二维掩模中的目标区域为指示指定对象在该时间点的三维影像的中间层片所处位置的区域，如图4中的圆形区域。
步骤S902：将除第一个时间点之外的其它各时间点分别对应的二维掩模分别与第一个时间点对应的二维掩模在像素级作差，得到体素偏移图像。
请参阅图10，示出了将第一个时间点对应的二维掩模与另一个时间点对应的二维掩模在像素级作差，得到的体素偏移图像的示意图。假设为T个时间点，则通过步骤S902可获得T-1个体素偏移图像。
步骤S903：根据每个体素偏移图像和统计得到的像素列数，确定每个体素偏移图像对应的体素偏移量。
具体的，可利用下式确定每个体素偏移图像对应的体素偏移量Vshift：
其中，Nc为上述统计的列数减去4，即Nc＝n-4，为了消除边缘检测中对左右边缘检测不准，所以左右两边各减去了两个像素位置，voxshifti表示在第i列上不为0的元素的和。
步骤S904：对各体素偏移图像分别对应的体素偏移量计算统计量，计算得到的统计量作为体素偏移量度量指标的指标值。
可选的，可对各体素偏移图像分别对应的体素偏移量计算均值和/或标准差，计算得到的均值和/或标准差作为体素偏移量度量指标的指标值。
第四实施例
本实施例对第一实施例中的“步骤S103：根据目标影像对应的指标值，评估目标影像的质量”进行介绍。
上述实施例提到，可利用预先建立的质量评估模型对目标影像进行质量评估，本实施例先对建立质量评估模型的过程进行介绍。
建立质量评估模型的过程可以包括：
步骤b1、从训练样本集中获取训练样本。
步骤b2、根据训练样本，获取预先配置的指标集中各指标的指标值，作为训练样本对应的指标值。
步骤b3、将训练样本对应的指标值输入质量评估模型，获得质量评估模型针对训练样本给出的质量评估结果。
需要说明是，质量评估模型实质为质量分类模型，对训练样本标注的质量评估结果为质量类别，相应的，质量评估模型针对训练样本给出的质量评估结果为质量分类结果，比如，质量类别包括“质量好”和“质量坏”，则质量评估模型针对训练样本给出的质量评估结果为“质量好”或“质量坏”。需要说明的是，质量类别包括“质量好”和“质量坏”仅为一示例，质量类别还可以包括其他，比如“质量极好”、“质量好”、“质量坏”、“质量极坏”，质量类别可根据具体的应用需求设定。
可选的，本实施例中的质量评估模型可以但不限定为支持向量机(SVM)。
步骤b4、根据质量评估模型针对训练样本给出的质量评估结果，以及训练样本标注的质量评估结果，更新质量评估模型的参数。
按上述过程进行多次迭代训练，直至达到预设的迭代次数，或者质量评估模型的性能满足要求。
优选的，可将预先构建的影像样本集按预设比例(比如7:2:1)划分为训练集(用于对质量评估模型进行训练)、验证集(用于对训练得到的质量评估模型的评估效果进行验证，以获得高准确性、高鲁棒性的质量评估模型)和测试集(用于对最终训练得到的质量评估模型进行测试)，同时选取准确率和F1值作为质量评估模型分类性能衡量指标。
在构建好质量评估模型后，将目标影像对应的指标值输入该质量评估模型进行质量评估，从而得到目标影像的质量评估结果。
第五实施例
在上述第一实施例至第四实施例的基础上，本实施例提供了一种指标间关系的获取方法，该方法用于获取预先配置的指标集中指标之间的关系，获取的指标关系可作为提升磁共振成像设备成像质量的依据，请参阅图11，示出了该指标间关系的获取方法的流程示意图，可以包括：
步骤S1101：获取影像集合。
其中，影像集合包括由至少一个磁共振成像设备在至少一个采集周期针对指定对象采集的影像。
可选的，影像集合中包括由上述各站点的磁共振脑功能成像设备在至少一个采集周期(通常为多个采集周期)针对指定对象(比如球形水膜)采集的影像。假设有5个站点，每个站点具有一磁共振脑功能成像设备，影像集合中包括各站点的磁共振脑功能成像设备在3个采集周期采集的影像，每个采集周期为30天，每天采集一个影像，则影像集合中总共包括450个影像。
步骤S1102：对影像集合中的每个影像进行质量评估，得到影像集合中各影像分别对应的质量评估结果。
具体的，可采用上述实施例提供的影像质量评估方法对影像集合中的每个影像进行质量评估，具体评估过程可参见上述实施例，本实施例在此不作赘述。
步骤S1103：根据影像集合中各影像分别对应的质量评估结果和指标值，确定指标集中指标之间的关系。
需要说明是，影像集合中任一影像对应的指标值为根据该影像，针对预先配置的指标集中的各指标确定的指标值，确定该影像对应的指标值的过程与上述实施例中确定目标影像对应的指标值的过程类似，本实施例在此不作赘述。
本申请实施例提供的指标间关系的获取方法，可根据影像集合中各影像分别对应的质量评估结果和指标值，确定指标集中指标之间的关系，根据指标集中指标之间的关系，影像分析人员能够获知磁共振成像设备成像质量差的原因并进行修正，从而提升磁共振成像设备的成像质量。
第六实施例
本实施例对上述实施例中的“步骤S703：根据影像集合中各影像分别对应的质量评估结果和指标值，确定指标集中指标之间的关系”进行介绍。
请参阅图12，示出了根据影像集合中各影像分别对应的质量评估结果和指标值，确定指标集中指标之间的关系的流程示意图，可以包括：
步骤S1201：根据影像集合中各影像分别对应的质量评估结果和指标值，从指标集中筛选出关键指标，由筛选出的关键指标组成关键指标集。
具体的，根据影像集合中各影像分别对应的质量评估结果对影像集合中的各影像进行分类，将质量评估结果相同的影像划分为一类，以得到多类影像，根据指标集中各指标在不同类影像上的指标值，确定指标集中各指标在在不同类影像间的差异性(或者区分性)，将差异性(或者区分性)较好的指标确定为关键指标，需要说明的是，关键指标为对于质量评估结果影像较大的指标。
步骤S1202：对于每个采集周期，根据影像集合中该采集周期的各影像分别对应的指标值，确定关键指标集中指标之间的关系，以得到对应于每个采集周期的指标关系。
具体的，根据影像集合中该采集周期的各影像分别对应的指标值，确定关键指标集中指标之间的关系的过程可以包括：
步骤S1202-1：对于关键指标集中的每个指标，根据影像集合中该采集周期的各影像分别在该指标上的指标值，确定该指标在该采集周期对应的均值和标准差，以得到关键指标集中的每个指标在该采集周期对应的均值和标准差。
步骤S1202-2：根据关键指标集中每个指标在该采集周期对应的均值和标准差，确定对应于该采集周期的指标关系。
具体的，根据关键指标集中每个指标在该采集周期对应的均值和标准差，确定对应于该采集周期的指标关系的过程可以包括：
对于关键指标集中的每个指标执行：
步骤b1、将该指标作为第一目标指标，将关键指标集中的其它指标均作为第二目标指标。
步骤b2、根据第一目标指标对应的均值，将影像集合中该采集周期的影像分为两组，分别作为第一组和第二组。
步骤b3、对于每个第二目标指标，执行：
步骤b3-1、根据该第二目标指标对应的均值和标准差，计算第一组中的各个影像分别在该第二目标指标上的概率密度值的均值，作为第一概率密度均值，并根据该第二目标指标对应的均值和标准差，计算第二组中的各个影像分别在该第二目标指标上的概率密度值的均值，作为第二概率密度均值。
步骤b3-2、根据第一概率密度均值和第二概率密度均值，确定第一目标指标对该第二目标指标的作用关系。
具体的，将第一概率密度均值与第二概率密度均值作差，若差值为正值，则确定第一目标指标对该第二目标指标的作用关系为正相关，若差值为负值，则确定第一目标指标对该第二目标指标的作用关系为负相关。
通过步骤b3-1和步骤b3-2可获得第一目标指标分别对各第二目标指标的作用关系。
对于关键指标集中的每个指标执行执行步骤b1～步骤b3，可获得关键指标集中两两指标对应于该采集周期的相互作用关系。
需要说明的是，两个指标f1和f2之间的相互作用关系指的是指标f1对指标f2的作用关系，以及指标f2对指标f1的作用关系。假设指标集中有4个指标，则将两两指标组合，可获得6个组合，通过步骤b1～步骤b3可获得6个组合中两个指标之间的相互作用关系。
步骤S1203：根据对应于各采集周期的指标关系确定最终的指标关系。
在获得关键指标集中两两指标对应于各采集周期的相互作用关系后，可对两两指标对应于各采集周期的相互作用关系进行融合，从而得到最终的指标关系。
下面通过一示例对上述S1202和S1203的具体实现过程进一步进行介绍。
示例性的，影像集合中包括三个采集周期的影像，分别称之为周期1的影像，周期2的影像和周期3的影像，关键指标集中包括4个指标，分别为f1、f2、f3、f4：
对于周期1的影像：根据周期1的影像在指标f1上的指标值，确定指标f1在周期1的影像上的均值和标准差，作为指标f1在周期1对应的均值和标准差，采用同样的方式可获得指标f2在周期1对应的均值和标准差、指标f3在周期1对应的均值和标准差以及指标f4在周期1对应的均值和标准差。按相同的方式可获得指标f1～f4分别在周期2对应的均值和标准差，以及指标f1～f4分别在周期3对应的均值和标准差。
对于指标f1：根据指标f1对应的均值将周期1的影像分为两组，具体的，将在指标f1上的指标值小于或等于指标f1对应的均值的影像划分为一组，记为g1，将在指标f1上的指标值大于指标f1对应的均值的影像划分为另一组，即为g2，其中，g1包含的影像数记为n1，g2包含的影像数记为n2，分别计算g1中的每个影像在指标f2上的概率密度值，并对g1中的各个影像分别在指标f2上的概率密度值求均值，作为第一概率密度均值P1，同时，分别计算g2中的每个影像在指标f2上的概率密度值，并对g2中的各个影像分别在指标f2上的概率密度值求均值，作为第二概率密度均值P2，P1和P2的计算公式如下所示，在获得P1和P2后，将P1与P2作差(P1-P2)，若P1-P2的值为正值，则确定f1对f2的作用关系为正相关，若P1-P2的值为负值，则确定f1对f2的作用关系为负相关，如此可获得指标f1在周期1的影像上对指标f2的作用关系。按同样的方式，可获得指标f1在周期1的影像上对指标f3的作用关系，以及指标f1在周期1的影像上对指标f4的作用关系。
按上述方式可获得指标f2在周期1的影像上对指标f1的作用关系、指标f2在周期1的影像上对指标f3的作用关系、指标f2在周期1的影像上对指标f4的作用关系，以及，指标f3在周期1的影像上对指标f1的作用关系、指标f3在周期1的影像上对指标f2的作用关系、指标f3在周期1的影像上对指标f4的作用关系，以及，指标f4在周期1的影像上对指标f1的作用关系、指标f4在周期1的影像上对指标f2的作用关系、指标f4在周期1的影像上对指标f3的作用关系，即，获得了指标f1与f2在周期1的影像上的相互作用关系(即f1与f2对应于周期1的相互作用关系)、f1与f3在周期1的影像上的相互作用关系(即f1与f3对应于周期1的相互作用关系)、f1与f4在周期1的影像上的相互作用关系(即f1与f4对应于周期1的相互作用关系)、f2与f3在周期1的影像上的相互作用关系(即f2与f3对应于周期1的相互作用关系)、f2与f4在周期1的影像上的相互作用关系(即f2与f4对应于周期1的相互作用关系)、f3与f4在周期1的影像上的相互作用关系(即f3与f4对应于周期1的相互作用关系)。
上述过程是根据周期1的影像对应的指标值，确定关键指标集中两两指标之间的相互作用关系，根据周期2的影像对应的指标值，按同样的方式可获得f1与f2、f1与f3、f1与f4、f2与f3、f2与f4、f3与f4对应于周期2的相互作用关系，根据周期3的影像对应的指标值，按同样的方式可获得f1与f2、f1与f3、f1与f4、f2与f3、f2与f4、f3与f4对应于周期3的相互作用关系。
请参阅图13，示出了关键指标集中两两指标对应于周期1、周期2和周期3的相互作用关系的示意图，需要说明的是，若两个指标之间的作用关系不一致(比如指标e对指标f的作用关系为正相关，而指标f对指标e的作用关系为负相关，则认为指标e与指标f之间的作用关系不一致)，认为两个指标之间的关系随机，则这两个指标之间不存在连接边，如图13中的第二个图，f1与f2之间的作用关系不一致，因此，f1与f2之间不存在连接边。另外，图13中连接两个指标的边上的值为权重，以指标f1与f2为例，在确定f1对f2在周期1的影像上的作用关系时，计算了P1-P2，同样的，在确定f2对f1在周期1的影像上的作用关系时，也需要计算P1-P2，假设f1对f2的作用关系与f2对f1的作用关系一致，则连接两个指标的边上的值为(P1-P2)f1对f2与(P1-P2)f2对f1的均值。
在获得关键指标集中两两指标对应于周期1、周期2和周期3的相互作用关系，便可对两两指标对应于周期1、周期2和周期3的相互作用关系进行融合，从而得到最终的指标关系。具体的，对于任意两个指标，若在某个或某些周期上，这两个指标之间的作用关系不一致，即这两个指标之间不存在连接边，则最终这两个指标之间不存在连接边，若在各个周期，这两个指标之间均存在连接边，但这两个指标在各个周期的相互关系不一致(对应于各个周期的权重有正值也有负值)，则最终这两个指标之间也不存在连接边，若在各个周期，这两个指标之间均存在连接边，且这两个指标在各个周期的相互关系一致(对应于各个周期的权重均为正值或者均为负值)，则最终两个指标之间存在连接边，连接边上的权重为对应于各个周期的权重的均值。
如图13所示，f1与f2在周期2上不存在连接边，因此，最终f1与f2之间不存在连接边，f1与f4在周期1～周期3上均存在连接边，且f1与f4在周期1～周期3的权重均为正值，则最终f1与f2之间存在连接边，连接边上的权重为0.3、0.2和0.4的均值，即0.3，对于指标f1与f3，虽然指标f1与f3在各个周期上均存在连接边，但是，f1与f3在周期1和周期3上的权重为负值，在周期2上的权重为正值，这说明指标f1与f3在周期1～周期3的相互关系不一致，则最终f1与f3之间不存在连接边。最终的指标关系如图14所示。
通过最终获得的指标关系，可获得各指标的重要程度，以及指标之间的关系，比如，从图14可获知指标f4最重要，与指标f4有关系的指标为指标f1、f2、f3，其中，指标f3与指标f4的关系最紧密，若磁共振成像设备的成像质量不佳，则首先考虑指标f4，根据指标f4分析磁共振成像设备成像质量不佳的原因，从而修正，若修正后成像质量依然不佳，则可考虑与指标f4有密切关系的指标f3。
第七实施例
本申请实施例还提供了一种影像质量评估装置，下面对本申请实施例提供的影像质量评估装置进行描述，下文描述的影像质量评估装置与上文描述的影像质量评估方法可相互对应参照。
请参阅图15，示出了本申请实施例提供的影像质量评估装置的结构示意图，可以包括：影像获取模块1501、质量评估指标值获取模块1502和影像质量评估模块1503。
影像获取模块1501，用于获取目标影像。
其中，所述目标影像为磁共振成像设备针对指定对象采集的影像；
质量评估指标值获取模块1502，用于根据所述目标影像，获取预先确定的指标集中各指标的指标值，作为所述目标影像对应的指标值。
其中，所述指标集中包括反映磁场信号稳定性的第一类指标，以及反映影像几何畸变的第二类指标。
影像质量评估模块1503，用于根据所述目标影像对应的指标值，评估所述目标影像的质量。
可选的，影像质量评估模块1503，具体用于将所述目标影像对应的指标值输入预先建立的质量评估模型进行质量评估，获得所述目标影像的质量评估结果。
其中，所述质量评估模型以影像样本对应的指标值为训练样本，以所述影像样本的质量评估结果为样本标签训练得到，所述影像样本对应的指标值为根据所述影像样本，针对所述指标集中的各指标确定的指标值。
可选的，本申请实施例提供的影像质量评估装置还可以包括：指标配置模块。
指标配置模块，用于根据指定关键词，获取与磁共振影像质量评估有关的文件，以指标的信效度、和/或可操作性、和/或稳定性为筛选依据，从获取的文件中筛选质量评估指标，筛选出的质量评估指标作为第一类指标。
所述目标影像为四维数据，其由预设个时间点的三维影像组成，其中，所述预设个时间点的三维影像为所述磁共振成像设备在预设个时间点分别针对所述指定对象采集的三维影像。
可选的，质量评估指标值获取模块1502包括：指标值获取模块。
所述指标值获取模块包括：三维掩模获取模块、二维掩模获取模块和指标值确定模块。
所述三维掩模获取模块，用于通过分别对所述预设个时间点的三维影像进行边缘检测，获取预设个时间点分别对应的三维掩模，其中，一时间点对应的三维掩模能够指示，所述指定对象在该时间点的三维影像中所处的位置。
所述二维掩模获取模块，用于分别获取所述预设个时间点分别对应的三维掩模的中间层片，以得到预设个时间点分别对应的二维掩模，其中，一时间点对应的二维掩模能够指示，所述指定对象的中间层片在该时间点的三维影像的中间层片中所处的位置。
所述指标值确定模块，用于根据所述预设个时间点分别对应的二维掩模，确定所述第二类指标的指标值。
可选的，所述第二类指标包括不同方向的直径比度量指标。
所述指标值确定模块在根据所述预设个时间点分别对应的二维掩模，确定所述不同方向的直径比度量指标的指标值时，具体用于对于每个时间点对应的二维掩模，确定该时间点对应的二维掩模中的目标区域在两个不同方向上的直径的比值，作为该时间点对应的直径比，以得到预设个时间点分别对应的直径比，其中，所述目标区域为指示所述指定对象在对应时间点的三维影像的中间层片中所处位置的区域；对所述预设个时间点分别对应的直径比计算统计量，作为所述不同方向的直径比度量指标的指标值。
可选的，所述第二类指标包括奎斯特伪影程度度量指标。
所述指标值确定模块在根据所述预设个时间点分别对应的二维掩模，确定所述奎斯特伪影程度度量指标的指标值时，具体用于对于每个时间点对应的二维掩模：
根据该时间点对应的二维掩模中目标区域的边界，从该时间点对应的二维掩模中确定出第一边界区域、第二边界区域、第三边界区域和第四边界区域，其中，所述第一边界区域与所述第二边界区域相对，所述第三边界区域与所述第四边界区域相对，所述目标区域为指示所述指定对象在对应时间点的三维影像的中间层片中所处位置的区域；根据所述第一边界区域、所述第二边界区域、所述第三边界区域和所述第四边界区域，确定该时间点对应的奎斯特伪影程度表征值；以得到预设个时间点分别对应的奎斯特伪影程度表征值；
对所述预设个时间点分别对应的奎斯特伪影程度表征值计算统计量，作为所述奎斯特伪影程度度量指标的指标值。
可选的，所述指标值确定模块在根据所述第一边界区域、所述第二边界区域、所述第三边界区域和所述第四边界区域，确定该时间点对应的奎斯特伪影程度表征值时，具体用于从该时间点的三维影像的中间层片中，获取对应于所述第一边界区域和所述第二边界区域的像素值，以及对应于所述第三边界区域和所述第四边界区域的像素值；计算对应于所述第一边界区域和所述第二边界区域的像素值的均值，作为第一均值，并计算对应于所述第三边界区域和所述第四边界区域的像素值的均值，作为第二均值；计算所述第一均值与所述第二均值的比值，作为该时间点的奎斯特伪影程度表征值。
可选的，所述第二类指标包括体素偏移量度量指标。
所述指标值确定模块，在根据所述预设个时间点分别对应的二维掩模，确定所述体素偏移量度量指标的指标值时，具体用于对所述预设个时间点中第一个时间点对应的二维掩模中的目标区域统计像素列数，其中，所述目标区域为指示所述指定对象在对应时间点的三维影像的中间层片中所处位置的区域；分别将除所述第一个时间点之外的其它各时间点分别对应的二维掩模分别与所述第一个时间点对应的二维掩模作差，得到体素偏移图像；根据每个体素偏移图像和统计得到的像素列数，确定每个体素偏移图像对应的体素偏移量；对各体素偏移图像分别对应的体素偏移量计算统计量，作为所述体素偏移量度量指标的指标值。
本申请实施例提供的影像质量评估装置可根据目标影像获取预先配置的指标集中各指标的指标值，从而得到目标影像对应的指标值，然后可根据目标影像对应的指标值自动对目标影像进行质量评估，由于评估过程不需要人工参与，因此，避免了主观因素对评估结果的影响，同时，提高了评估效率，节省了人力资源和人工成本，并且，本申请实施例对目标影像进行质量评估所使用的指标既包含了反映磁场信号稳定性的指标，又包含了反映影像几何畸变的指标，以这两类指标的指标值为依据对目标影像进行质量评估，能够获得全面、真实地反映磁共振成像设备的成像质量的评估结果。
第八实施例
本申请实施例还提供了一种指标间关系的获取装置，下面对本申请实施例提供的指标间关系的获取装置进行描述，下文描述的指标间关系的获取装置与上文描述的指标间关系的获取方法可相互对应参照。
请参阅图16，示出了本申请实施例提供的指标间关系的获取装置的结构示意图，可以包括：影像集合获取模块1601、影像质量评估装置1602和指标关系确定模块1603。其中，影像质量评估装置1602为上述实施例提供的影像质量评估装置。
影像集合获取模块1601，用于获取影像集合，所述影像集合包括由至少一个磁共振成像设备在至少一个采集周期针对指定对象采集的影像.
影像质量评估装置1602，用于对所述影像集合中的每个影像进行质量评估，以得到所述影像集合中各影像分别对应的质量评估结果。
指标关系确定模块1603，用于根据所述影像集合中各影像分别对应的质量评估结果和指标值，确定预先配置的指标集中指标之间的关系，其中，所述指标集中指标之间的关系用于作为提升所述磁共振成像设备成像质量的依据。
可选的，指标关系确定模块1603包括：关键指标筛选模块、第一指标关系确定模块和第二指标关系确定模块。
关键指标筛选模块，用于根据所述影像集合中各影像分别对应的质量评估结果和指标值，从所述指标集中筛选出关键指标，由筛选出的关键指标组成关键指标集。
第一指标关系确定模块，用于对于每个所述采集周期，根据所述影像集合中该采集周期的各影像分别对应的指标值，确定所述关键指标集中指标之间的关系，以得到对应于每个采集周期的指标关系。
第二指标关系确定模块，用于根据所述对应于每个采集周期的指标关系确定最终的指标关系。
可选的，第一指标关系确定模块在根据所述影像集合中该采集周期的各影像分别对应的指标值，确定所述关键指标集中指标之间的关系时，具体用于对于所述关键指标集中的每个指标，根据所述影像集合中该采集周期的各影像分别在该指标上的指标值，确定该指标在该采集周期对应的均值和标准差，以得到所述关键指标集中每个指标在该采集周期对应的均值和标准差；根据所述关键指标集中每个指标在该采集周期对应的均值和标准差，确定对应于该采集周期的指标关系。
可选的，第一指标关系确定模块在根据所述关键指标集中每个指标在该采集周期对应的均值和标准差，确定对应于该采集周期的指标关系时，具体用于对于所述关键指标集中的每个指标：
将该指标作为第一目标指标，将所述关键指标集中的其它指标均作为第二目标指标：
根据所述第一目标指标对应的均值，将所述影像集合中该采集周期的影像分为两组，分别作为第一组和第二组；
对于每个第二目标指标：根据该第二目标指标对应的均值和标准差，计算所述第一组中各个影像分别在该第二目标指标上的概率密度值的均值，作为第一概率密度均值，并根据该第二目标指标对应的均值和标准差，计算所述第二组中各个影像分别在该第二目标指标上的概率密度值的均值，作为第二概率密度均值；根据所述第一概率密度均值和所述第二概率密度均值，确定所述第一目标指标对该第二目标指标的作用关系；以得到所述第一目标指标分别对各个第二目标指标的作用关系；
以得到所述关键指标集中所有可能的两两指标组合中两个指标之间的相互作用关系。
本申请实施例提供的指标间关系的获取装置，可根据影像集合中各影像分别对应的质量评估结果和指标值，确定指标集中指标之间的关系，根据指标集中指标之间的关系，影像分析人员能够获知磁共振成像设备成像质量差的原因并进行修正，从而提升磁共振成像设备的成像质量。
第九实施例
本申请实施例还提供了一种影像质量评估设备，请参阅图17，示出了该影像质量评估设备的结构示意图，该影像质量评估设备可以包括：至少一个处理器1701，至少一个通信接口1702，至少一个存储器1703和至少一个通信总线1704；
在本申请实施例中，处理器1701、通信接口1702、存储器1703、通信总线1704的数量为至少一个，且处理器1701、通信接口1702、存储器1703通过通信总线1704完成相互间的通信；
处理器1701可能是一个中央处理器CPU，或者是特定集成电路ASIC(ApplicationSpecific Integrated Circuit)，或者是被配置成实施本发明实施例的一个或多个集成电路等；
存储器1703可能包含高速RAM存储器，也可能还包括非易失性存储器(non-volatile memory)等，例如至少一个磁盘存储器；
其中，存储器存储有程序，处理器可调用存储器存储的程序，所述程序用于：
获取目标影像，其中，所述目标影像为磁共振成像设备针对指定对象采集的影像；根据所述目标影像，获取预先配置的指标集中各指标的指标值，作为所述目标影像对应的指标值，其中，所述指标集中包括反映磁场信号稳定性的第一类指标，以及反映影像几何畸变的第二类指标；根据所述目标影像对应的指标值，评估所述目标影像的质量。
可选的，所述程序的细化功能和扩展功能可参照上文描述。
第十实施例
本申请实施例还提供一种可读存储介质，该可读存储介质可存储有适于处理器执行的程序，所述程序用于：
获取目标影像，其中，所述目标影像为磁共振成像设备针对指定对象采集的影像；根据所述目标影像，获取预先配置的指标集中各指标的指标值，作为所述目标影像对应的指标值，其中，所述指标集中包括反映磁场信号稳定性的第一类指标，以及反映影像几何畸变的第二类指标；根据所述目标影像对应的指标值，评估所述目标影像的质量。
第十一实施例
本申请实施例还提供了一种指标间关系的获取设备，该指标间关系的获取设备可以包括：至少一个处理器，至少一个通信接口，至少一个存储器和至少一个通信总线；
在本申请实施例中，处理器、通信接口、存储器、通信总线的数量为至少一个，且处理器、通信接口、存储器通过通信总线完成相互间的通信；
处理器可能是一个中央处理器CPU，或者是特定集成电路ASIC
(Application Specific Integrated Circuit)，或者是被配置成实施本发明实施例的一个或多个集成电路等；
存储器可能包含高速RAM存储器，也可能还包括非易失性存储器(non-volatilememory)等，例如至少一个磁盘存储器；
其中，存储器存储有程序，处理器可调用存储器存储的程序，所述程序用于：
获取影像集合，所述影像集合包括由至少一个磁共振成像设备在至少一个采集周期针对指定对象采集的影像；对于所述影像集合中的每个影像，采用上述的影像质量评估方法对其进行质量评估，以得到所述影像集合中各影像分别对应的质量评估结果；根据所述影像集合中各影像分别对应的质量评估结果和指标值，确定指标集中指标之间的关系，其中，所述指标集中指标之间的关系用于作为提升所述磁共振成像设备成像质量的依据。
可选的，所述程序的细化功能和扩展功能可参照上文描述。
第十二实施例
本申请实施例还提供一种可读存储介质，该可读存储介质可存储有适于处理器执行的程序，所述程序用于：
获取影像集合，所述影像集合包括由至少一个磁共振成像设备在至少一个采集周期针对指定对象采集的影像；对于所述影像集合中的每个影像，采用上述的影像质量评估方法对其进行质量评估，以得到所述影像集合中各影像分别对应的质量评估结果；根据所述影像集合中各影像分别对应的质量评估结果和指标值，确定指标集中指标之间的关系，其中，所述指标集中指标之间的关系用于作为提升所述磁共振成像设备成像质量的依据。
最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (16)
1.一种影像质量评估方法，其特征在于，包括：
获取目标影像，其中，所述目标影像为磁共振成像设备针对指定对象采集的影像；
根据所述目标影像，获取预先配置的指标集中各指标的指标值，作为所述目标影像对应的指标值，其中，所述指标集中包括反映磁场信号稳定性的第一类指标，以及反映影像几何畸变的第二类指标；
根据所述目标影像对应的指标值，评估所述目标影像的质量。
2.根据权利要求1所述的影像质量评估方法，其特征在于，所述根据所述目标影像对应的指标值，评估所述目标影像的质量，包括：
将所述目标影像对应的指标值输入预先建立的质量评估模型进行质量评估，获得所述目标影像的质量评估结果；
其中，所述质量评估模型以影像样本对应的指标值为训练样本，以所述影像样本的质量评估结果为样本标签训练得到，所述影像样本对应的指标值为根据所述影像样本，针对所述指标集中的各指标确定的指标值。
3.根据权利要求1所述的影像质量评估方法，其特征在于，配置所述第一类指标的过程包括：
根据指定关键词，获取与磁共振影像质量评估有关的文件；
以指标的信效度、和/或可操作性、和/或稳定性为筛选依据，从获取的文件中筛选质量评估指标，筛选出的质量评估指标作为第一类指标。
4.根据权利要求1所述的影像质量评估方法，其特征在于，所述目标影像为四维数据，其由预设个时间点的三维影像组成，其中，所述预设个时间点的三维影像为所述磁共振成像设备在预设个时间点分别针对所述指定对象采集的三维影像；
根据所述目标影像，获取所述第二类指标的指标值，包括：
通过分别对所述预设个时间点的三维影像进行边缘检测，获取预设个时间点分别对应的三维掩模，其中，一时间点对应的三维掩模能够指示，所述指定对象在该时间点的三维影像中所处的位置；
分别获取所述预设个时间点分别对应的三维掩模的中间层片，以得到预设个时间点分别对应的二维掩模，其中，一时间点对应的二维掩模能够指示，所述指定对象的中间层片在该时间点的三维影像的中间层片中所处的位置；
根据所述预设个时间点分别对应的二维掩模，确定所述第二类指标的指标值。
5.根据权利要求4所述的影像质量评估方法，其特征在于，所述第二类指标包括不同方向的直径比度量指标；
根据所述预设个时间点分别对应的二维掩模，确定所述不同方向的直径比度量指标的指标值，包括：
对于每个时间点对应的二维掩模，确定该时间点对应的二维掩模中的目标区域在两个不同方向上的直径的比值，作为该时间点对应的直径比，以得到预设个时间点分别对应的直径比，其中，所述目标区域为指示所述指定对象在对应时间点的三维影像的中间层片中所处位置的区域；
对所述预设个时间点分别对应的直径比计算统计量，作为所述不同方向的直径比度量指标的指标值。
6.根据权利要求4所述的影像质量评估方法，其特征在于，所述第二类指标包括奎斯特伪影程度度量指标；
根据所述预设个时间点分别对应的二维掩模，确定所述奎斯特伪影程度度量指标的指标值，包括：
对于每个时间点对应的二维掩模：
根据该时间点对应的二维掩模中目标区域的边界，从该时间点对应的二维掩模中确定出第一边界区域、第二边界区域、第三边界区域和第四边界区域，其中，所述第一边界区域与所述第二边界区域相对，所述第三边界区域与所述第四边界区域相对，所述目标区域为指示所述指定对象在对应时间点的三维影像的中间层片中所处位置的区域；
根据所述第一边界区域、所述第二边界区域、所述第三边界区域和所述第四边界区域，确定该时间点对应的奎斯特伪影程度表征值；
以得到预设个时间点分别对应的奎斯特伪影程度表征值；
对所述预设个时间点分别对应的奎斯特伪影程度表征值计算统计量，作为所述奎斯特伪影程度度量指标的指标值。
7.根据权利要求6所述的影像质量评估方法，其特征在于，所述根据所述第一边界区域、所述第二边界区域、所述第三边界区域和所述第四边界区域，确定该时间点对应的奎斯特伪影程度表征值，包括：
从该时间点的三维影像的中间层片中，获取对应于所述第一边界区域和所述第二边界区域的像素值，以及对应于所述第三边界区域和所述第四边界区域的像素值；
计算对应于所述第一边界区域和所述第二边界区域的像素值的均值，作为第一均值，并计算对应于所述第三边界区域和所述第四边界区域的像素值的均值，作为第二均值；
计算所述第一均值与所述第二均值的比值，作为该时间点的奎斯特伪影程度表征值。
8.根据权利要求4所述的影像质量评估方法，其特征在于，所述第二类指标包括体素偏移量度量指标；
根据所述预设个时间点分别对应的二维掩模，确定所述体素偏移量度量指标的指标值，包括：
对所述预设个时间点中第一个时间点对应的二维掩模中的目标区域统计像素列数，其中，所述目标区域为指示所述指定对象在对应时间点的三维影像的中间层片中所处位置的区域；
分别将除所述第一个时间点之外的其它各时间点分别对应的二维掩模分别与所述第一个时间点对应的二维掩模作差，得到体素偏移图像；
根据每个体素偏移图像和统计得到的像素列数，确定每个体素偏移图像对应的体素偏移量；
对各体素偏移图像分别对应的体素偏移量计算统计量，作为所述体素偏移量度量指标的指标值。
9.一种指标间关系的获取方法，其特征在于，包括：
获取影像集合，所述影像集合包括由至少一个磁共振成像设备在至少一个采集周期针对指定对象采集的影像；
对于所述影像集合中的每个影像，采用如权利要求1～9中任一项所述的影像质量评估方法对其进行质量评估，以得到所述影像集合中各影像分别对应的质量评估结果；
根据所述影像集合中各影像分别对应的质量评估结果和指标值，确定指标集中指标之间的关系，其中，所述指标集中指标之间的关系用于作为提升所述磁共振成像设备成像质量的依据。
10.根据权利要求9所述的指标间关系的获取方法，其特征在于，所述根据所述影像集合中各影像分别对应的质量评估结果和指标值，确定指标集中指标之间的关系，包括：
根据所述影像集合中各影像分别对应的质量评估结果和指标值，从所述指标集中筛选出关键指标，由筛选出的关键指标组成关键指标集；
对于每个所述采集周期，根据所述影像集合中该采集周期的各影像分别对应的指标值，确定所述关键指标集中指标之间的关系，以得到对应于每个采集周期的指标关系；
根据所述对应于每个采集周期的指标关系确定最终的指标关系。
11.根据权利要求10所述的指标间关系的获取方法，其特征在于，所述根据所述影像集合中该采集周期的各影像分别对应的指标值，确定所述关键指标集中指标之间的关系，包括：
对于所述关键指标集中的每个指标，根据所述影像集合中该采集周期的各影像分别在该指标上的指标值，确定该指标在该采集周期对应的均值和标准差，以得到所述关键指标集中每个指标在该采集周期对应的均值和标准差；
根据所述关键指标集中每个指标在该采集周期对应的均值和标准差，确定对应于该采集周期的指标关系。
12.根据权利要求11所述的指标间关系的获取方法，其特征在于，所述根据所述关键指标集中每个指标在该采集周期对应的均值和标准差，确定对应于该采集周期的指标关系，包括：
对于所述关键指标集中的每个指标：
将该指标作为第一目标指标，将所述关键指标集中的其它指标均作为第二目标指标：
根据所述第一目标指标对应的均值，将所述影像集合中该采集周期的影像分为两组，分别作为第一组和第二组；
对于每个第二目标指标：根据该第二目标指标对应的均值和标准差，计算所述第一组中各个影像分别在该第二目标指标上的概率密度值的均值，作为第一概率密度均值，并根据该第二目标指标对应的均值和标准差，计算所述第二组中各个影像分别在该第二目标指标上的概率密度值的均值，作为第二概率密度均值；根据所述第一概率密度均值和所述第二概率密度均值，确定所述第一目标指标对该第二目标指标的作用关系；以得到所述第一目标指标分别对各个第二目标指标的作用关系；
以得到所述关键指标集中所有可能的两两指标组合中两个指标之间的相互作用关系。
13.一种影像质量评估装置，其特征在于，包括：影像获取模块、质量评估指标值获取模块和影像质量评估模块；
所述影像获取模块，用于获取目标影像，其中，所述目标影像为磁共振成像设备针对指定对象采集的影像；
所述质量评估指标值获取模块，用于根据所述目标影像，获取预先确定的指标集中各指标的指标值，作为所述目标影像对应的指标值，其中，所述指标集中包括反映磁场信号稳定性的第一类指标，以及反映影像几何畸变的第二类指标；
所述影像质量评估模块，用于根据所述目标影像对应的指标值，评估所述目标影像的质量。
14.一种指标间关系的获取装置，其特征在于，包括：影像集合获取模块、如权利要求13所述的影像质量评估装置和指标关系确定模块；
所述影像集合获取模块，用于获取影像集合，所述影像集合包括由至少一个磁共振成像设备在至少一个采集周期针对指定对象采集的影像；
所述影像质量评估装置，用于对所述影像集合中的每个影像进行质量评估，以得到所述影像集合中各影像分别对应的质量评估结果；
所述指标关系确定模块，用于根据所述影像集合中各影像分别对应的质量评估结果和指标值，确定预先配置的指标集中指标之间的关系，其中，所述指标集中指标之间的关系用于作为提升所述磁共振成像设备成像质量的依据。
15.一种影像质量评估设备，其特征在于，包括：存储器和处理器；
所述存储器，用于存储程序；
所述处理器，用于执行所述程序，实现如权利要求1～8中任一项所述的影像质量评估方法的各个步骤。
16.一种可读存储介质，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1～8中任一项所述的影像质量评估方法的各个步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010429578.4A CN111568422B (zh) | 2020-05-20 | 2020-05-20 | 影像质量评估方法、指标间关系的获取方法及相关设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010429578.4A CN111568422B (zh) | 2020-05-20 | 2020-05-20 | 影像质量评估方法、指标间关系的获取方法及相关设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111568422A true CN111568422A (zh) | 2020-08-25 |
| CN111568422B CN111568422B (zh) | 2023-12-01 |
Family
ID=72109344
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010429578.4A Active CN111568422B (zh) | 2020-05-20 | 2020-05-20 | 影像质量评估方法、指标间关系的获取方法及相关设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111568422B (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112017177A (zh) * | 2020-09-08 | 2020-12-01 | 科大讯飞股份有限公司 | 一种参考影像确定方法、装置、设备及存储介质 |
| CN112669289A (zh) * | 2020-12-30 | 2021-04-16 | 科大讯飞股份有限公司 | 影像质量评估方法、装置、电子设备及存储介质 |
| CN112834969A (zh) * | 2020-12-23 | 2021-05-25 | 江苏珂玛麒生物科技有限公司 | 兔、猴肝脏水/脂肪分离mri成像的方法、计算方法 |
| CN113469274A (zh) * | 2021-07-20 | 2021-10-01 | 科大讯飞股份有限公司 | 一种阅读能力的测评方法、装置以及设备 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH09275459A (ja) * | 1996-04-05 | 1997-10-21 | Fuji Xerox Co Ltd | 画質評価方法および装置 |
| US20140314289A1 (en) * | 2013-04-17 | 2014-10-23 | The United States Of America, As Represented By The Secretary, Dept Of Health And Human Services | Methods and Systems for Automatically Determining Magnetic Field Inversion Time of a Tissue Species |
| CN106204475A (zh) * | 2016-07-04 | 2016-12-07 | 西安交通大学 | 基于field map对fMRI中的几何畸变伪影进行校正的方法 |
| CN106296690A (zh) * | 2016-08-10 | 2017-01-04 | 北京小米移动软件有限公司 | 图像素材的质量评估方法及装置 |
| CN106657991A (zh) * | 2017-01-25 | 2017-05-10 | 泰山医学院 | 一种磁共振质量控制方法、服务器及系统 |
| US20190162805A1 (en) * | 2017-11-28 | 2019-05-30 | University Of Cincinnati | Method and apparatus for high value magnetic resonance imaging |
| CN109978838A (zh) * | 2019-03-08 | 2019-07-05 | 腾讯科技（深圳）有限公司 | 图像区域定位方法、装置和医学图像处理设备 |
| CN110428415A (zh) * | 2019-08-05 | 2019-11-08 | 上海联影医疗科技有限公司 | 医学图像的质量评估方法、装置、设备及存储介质 |
| CN110895802A (zh) * | 2018-08-23 | 2020-03-20 | 杭州海康威视数字技术股份有限公司 | 一种图像处理方法及装置 |
-
2020
- 2020-05-20 CN CN202010429578.4A patent/CN111568422B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH09275459A (ja) * | 1996-04-05 | 1997-10-21 | Fuji Xerox Co Ltd | 画質評価方法および装置 |
| US20140314289A1 (en) * | 2013-04-17 | 2014-10-23 | The United States Of America, As Represented By The Secretary, Dept Of Health And Human Services | Methods and Systems for Automatically Determining Magnetic Field Inversion Time of a Tissue Species |
| CN106204475A (zh) * | 2016-07-04 | 2016-12-07 | 西安交通大学 | 基于field map对fMRI中的几何畸变伪影进行校正的方法 |
| CN106296690A (zh) * | 2016-08-10 | 2017-01-04 | 北京小米移动软件有限公司 | 图像素材的质量评估方法及装置 |
| CN106657991A (zh) * | 2017-01-25 | 2017-05-10 | 泰山医学院 | 一种磁共振质量控制方法、服务器及系统 |
| US20190162805A1 (en) * | 2017-11-28 | 2019-05-30 | University Of Cincinnati | Method and apparatus for high value magnetic resonance imaging |
| CN110895802A (zh) * | 2018-08-23 | 2020-03-20 | 杭州海康威视数字技术股份有限公司 | 一种图像处理方法及装置 |
| CN109978838A (zh) * | 2019-03-08 | 2019-07-05 | 腾讯科技（深圳）有限公司 | 图像区域定位方法、装置和医学图像处理设备 |
| CN110428415A (zh) * | 2019-08-05 | 2019-11-08 | 上海联影医疗科技有限公司 | 医学图像的质量评估方法、装置、设备及存储介质 |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112017177A (zh) * | 2020-09-08 | 2020-12-01 | 科大讯飞股份有限公司 | 一种参考影像确定方法、装置、设备及存储介质 |
| CN112017177B (zh) * | 2020-09-08 | 2023-12-01 | 科大讯飞股份有限公司 | 一种参考影像确定方法、装置、设备及存储介质 |
| CN112834969A (zh) * | 2020-12-23 | 2021-05-25 | 江苏珂玛麒生物科技有限公司 | 兔、猴肝脏水/脂肪分离mri成像的方法、计算方法 |
| CN112669289A (zh) * | 2020-12-30 | 2021-04-16 | 科大讯飞股份有限公司 | 影像质量评估方法、装置、电子设备及存储介质 |
| CN113469274A (zh) * | 2021-07-20 | 2021-10-01 | 科大讯飞股份有限公司 | 一种阅读能力的测评方法、装置以及设备 |
| CN113469274B (zh) * | 2021-07-20 | 2024-04-16 | 科大讯飞股份有限公司 | 一种阅读能力的测评方法、装置以及设备 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111568422B (zh) | 2023-12-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111568422B (zh) | 影像质量评估方法、指标间关系的获取方法及相关设备 | |
| CN100496402C (zh) | 图像处理方法、图像处理系统以及x-射线ct系统 | |
| Papalexiou et al. | How extreme is extreme? An assessment of daily rainfall distribution tails | |
| Brooks et al. | Nonparametric convergence assessment for MCMC model selection | |
| CN113283419B (zh) | 基于注意力的卷积神经网络指针式仪表图像读数识别方法 | |
| Yin et al. | Joint inference about sensitivity and specificity at the optimal cut-off point associated with Youden index | |
| Chevalier et al. | Data integration methods to account for spatial niche truncation effects in regional projections of species distribution | |
| CN108446616B (zh) | 基于全卷积神经网络集成学习的道路提取方法 | |
| CN109189876B (zh) | 一种数据处理方法及装置 | |
| Mira et al. | Probing the dark-matter halos of cluster galaxies with weak lensing | |
| Balaguera-Antolínez et al. | BAM: bias assignment method to generate mock catalogues | |
| US20200372624A1 (en) | Methods and systems for assessing the quality of geospatial data | |
| Sonnenfeld et al. | Statistical strong lensing-I. Constraints on the inner structure of galaxies from samples of a thousand lenses | |
| CN108805825A (zh) | 一种重定位图像质量评价方法 | |
| CN109191408B (zh) | 快速循环地面气象融合方法、装置及服务器 | |
| CN112819821A (zh) | 一种细胞核图像检测方法 | |
| WO2016192516A1 (zh) | 视频监控布点 | |
| Muñoz-Cuartas et al. | Halo-based reconstruction of the cosmic mass density field | |
| CN115309956A (zh) | 采样位置确定方法、装置、设备及存储介质 | |
| CN111275126A (zh) | 样本数据集生成方法、装置、设备及存储介质 | |
| CN112017177B (zh) | 一种参考影像确定方法、装置、设备及存储介质 | |
| CN113610350B (zh) | 复杂工况故障诊断方法、设备、存储介质及装置 | |
| CN114972273A (zh) | 流水化产品数据集增强方法、系统、设备及存储介质 | |
| CN114936281A (zh) | 基于大数据的试题动态分类方法、装置、设备及存储介质 | |
| CN115878989A (zh) | 模型训练方法、装置及存储介质 |
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 |