CN111754436B - 医学图像伪影校正的加速方法、计算机设备和存储介质 - Google Patents

医学图像伪影校正的加速方法、计算机设备和存储介质 Download PDF

Info

Publication number
CN111754436B
CN111754436B CN202010588053.5A CN202010588053A CN111754436B CN 111754436 B CN111754436 B CN 111754436B CN 202010588053 A CN202010588053 A CN 202010588053A CN 111754436 B CN111754436 B CN 111754436B
Authority
CN
China
Prior art keywords
image
gpu
corrected
projection data
artifact
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202010588053.5A
Other languages
English (en)
Other versions
CN111754436A (zh
Inventor
李俊杰
李山奎
郭新路
黄灿鸿
高成龙
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 CN202010588053.5A priority Critical patent/CN111754436B/zh
Publication of CN111754436A publication Critical patent/CN111754436A/zh
Application granted granted Critical
Publication of CN111754436B publication Critical patent/CN111754436B/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
    • G06T5/00—Image enhancement or restoration
    • G06T5/77—Retouching; Inpainting; Scratch removal
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/02—Arrangements for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
    • A61B6/03—Computed tomography [CT]
    • A61B6/032—Transmission computed tomography [CT]
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
    • A61B6/5258—Devices using data or image processing specially adapted for radiation diagnosis involving detection or reduction of artifacts or noise
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/00—2D [Two Dimensional] image generation
    • G06T11/003—Reconstruction from projections, e.g. tomography
    • G06T11/005—Specific pre-processing for tomographic reconstruction, e.g. calibration, source positioning, rebinning, scatter correction, retrospective gating
    • 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
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-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
    • G06T2207/10081—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
    • G06T2207/10—Image acquisition modality
    • G06T2207/10116—X-ray image

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Medical Informatics (AREA)
  • General Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Biophysics (AREA)
  • Molecular Biology (AREA)
  • High Energy & Nuclear Physics (AREA)
  • Optics & Photonics (AREA)
  • Pathology (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Veterinary Medicine (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Public Health (AREA)
  • Quality & Reliability (AREA)
  • Pulmonology (AREA)
  • Apparatus For Radiation Diagnosis (AREA)

Abstract

本申请涉及一种医学图像伪影校正的加速方法、计算机设备和存储介质，其中，该医学图像伪影校正的加速方法包括：GPU提取包含伪影的待校正图像中的目标区域图像；GPU对目标区域图像进行正投影，得到投影数据；GPU将投影数据中的像素点按照预设数量分组，对每组像素点并行进行拟合，得到伪影校正的补偿投影数据，其中，拟合计算被所述GPU拆解；根据补偿投影数据生成校正图像。通过本申请，解决了相关技术中对图像中的伪影校正速度慢的问题，实现了提高骨硬化伪影的校正速度的技术效果。

Description

医学图像伪影校正的加速方法、计算机设备和存储介质
技术领域
本申请实施例涉及医学图像处理技术领域，特别是涉及一种医学图像伪影校正的加速方法、计算机设备和存储介质。
背景技术
电子计算机断层扫描(Computed Tomography，简称为CT)是利用精确准直的X线束、γ射线、超声波等，与灵敏度极高的探测器一同围绕人体的某一部位作一个接一个的断面扫描，具有扫描时间快，图像清晰等特点，可用于多种疾病的检查，因此CT技术广泛应用于中枢神经系统疾病、头颈部疾病、胸部疾病、大血管疾病等诸多疾病的诊断检查。
根据CT成像原理，由于射线穿过不同密度的物体衰减的程度不同，密度大的物体对射线更易被吸收，因此，在CT扫描过程中，射线穿过高密度物体后射线更容易变硬。当X射线穿过头部致密骨时，因为受到射线能量衰减和能谱多色性的影响，容易在致密骨边缘的软组织形成片状伪影。这种伪影往往会遮住病灶，影响医生确诊脑出血或水肿等相关病变，因此头部骨硬化伪影的去除效果极大的影响着头部图像质量和医生的诊断效果。
3D骨硬化伪影校正是一种用大锥角CT降低和消除头部图像骨硬化伪影的方法，但是3D骨硬化伪影校正技术相比其他校正技术具有算法复杂，计算量巨大的问题。目前，相关技术中的3D骨硬化伪影校正技术通常是基于中央处理器(Central Processing Unit，简称为CPU)进行多次3D正投影(3D Forward Projection，简称为3DFP)和3D滤波反投影(3DFilteration Back Projection，简称为3DFBP)来生成标准投影数据和图像数据，需要复杂的卷积和插值运算。但是大锥角CT(通常为≥280排的CT)往往意味着单位时间需要处理更大的数据量。
因此这类技术方案存在以下技术缺陷：对图像中的伪影校正速度慢，影响医生阅片诊断需求。
目前针对相关技术中对图像中的伪影校正速度慢的问题，尚未提出有效的解决方案。
发明内容
本申请实施例提供了一种医学图像伪影校正的加速方法、计算机设备和存储介质，以至少解决相关技术中对图像中的伪影校正速度慢的问题。
第一方面，本申请实施例提供了一种医学图像伪影校正的加速方法，所述方法包括：GPU提取包含伪影的待校正图像中的目标区域图像；所述GPU对所述目标区域图像进行正投影，得到投影数据；所述GPU将所述投影数据中的像素点按照预设数量分组，对每组像素点并行进行拟合，得到伪影校正的补偿投影数据，其中，拟合计算被所述GPU拆解；根据所述补偿投影数据生成校正图像。
在其中一些实施例中，所述目标区域图像为包含骨硬化伪影的医学图像。
在其中一些实施例中，GPU提取包含伪影的待校正图像中的目标区域图像包括：通过NPP库对所述包含伪影的待校正图像进行分割，得到分割后的待校正图像；基于连通域标记算法提取所述分割后的待校正图像中的目标区域图像。
在其中一些实施例中，所述GPU对所述目标区域图像进行正投影，得到投影数据包括：GPU对所述目标区域图像进行正投影，得到多条X-ray直线方程，其中，所述目标区域图像存储于所述GPU的纹理内存中；所述GPU将所述X-ray直线方程按照预设数量分组，通过所述GPU中的并行线程对每组X-ray直线方程进行计算，并对每条X-ray经过的体素进行三维线性积分，得到投影数据。
在其中一些实施例中，在GPU提取包含伪影的待校正图像中的目标区域图像之前，所述方法还包括：对目标投影数据进行滤波处理；对滤波处理后的所述目标投影数据进行反投影，得到包含伪影的待校正图像。
在其中一些实施例中，对目标投影数据进行滤波处理包括：在GPU的常量内存中缓存滤波卷积核函数；基于所述滤波卷积核函数对所述目标投影数据进行卷积处理，得到滤波处理后的所述目标投影数据，其中，卷积处理通过所述GPU中的cuFFT库实现。
在其中一些实施例中，根据所述补偿投影数据生成校正图像包括：GPU根据所述补偿投影数据重建伪影的补偿图像；所述GPU将所述补偿图像与待校正图像相加，得到校正图像。
在其中一些实施例中，在所述GPU将所述补偿图像与待校正图像相加，得到校正图像之前，所述方法还包括：GPU对所述补偿图像按照预设的降采样系数进行降采样，将所述补偿图像的分辨率转化为所述待校正图像的分辨率。
第二方面，本申请实施例提供了一种计算机设备，包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上述第一方面所述的医学图像伪影校正的加速方法。
第三方面，本申请实施例提供了一种存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上述第一方面所述的医学图像伪影校正的加速方法。
相比于相关技术，本申请实施例提供的医学图像伪影校正的加速方法、计算机设备和存储介质，解决了相关技术中对图像中的伪影校正速度慢的问题，实现了提高骨硬化伪影的校正速度的技术效果。
本申请实施例的一个或多个实施例的细节在以下附图和描述中提出，以使本申请实施例的其他特征、目的和优点更加简明易懂。
附图说明
此处所说明的附图用来提供对本申请实施例的进一步理解，构成本申请实施例的一部分，本申请实施例的示意性实施例及其说明用于解释本申请实施例，并不构成对本申请实施例的不当限定。在附图中：
图1是根据本申请实施例的CT系统的结构示意图；
图2是根据本申请实施例的医学影像处理系统的结构示意图；
图3是根据本申请实施例的医学图像伪影校正的加速方法的流程图；
图4是根据本申请优选实施例的医学图像伪影校正的加速方法的流程图。
具体实施方式
为了使本申请实施例的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请实施例进行描述和说明。应当理解，此处所描述的具体实施例仅仅用以解释本申请实施例，并不用于限定本申请实施例。基于本申请实施例提供的实施例，本领域普通技术人员在没有作出创造性劳动的前提下所获得的所有其他实施例，都属于本申请实施例保护的范围。
显而易见地，下面描述中的附图仅仅是本申请实施例的一些示例或实施例，对于本领域的普通技术人员而言，在不付出创造性劳动的前提下，还可以根据这些附图将本申请实施例应用于其他类似情景。此外，还可以理解的是，虽然这种开发过程中所作出的努力可能是复杂并且冗长的，然而对于与本申请实施例公开的内容相关的本领域的普通技术人员而言，在本申请实施例揭露的技术内容的基础上进行的一些设计，制造或者生产等变更只是常规的技术手段，不应当理解为本申请实施例公开的内容不充分。
在本申请实施例中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请实施例的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域普通技术人员显式地和隐式地理解的是，本申请实施例所描述的实施例在不冲突的情况下，可以与其它实施例相结合。
除非另作定义，本申请实施例所涉及的技术术语或者科学术语应当为本申请实施例所属技术领域内具有一般技能的人士所理解的通常意义。本申请实施例所涉及的“一”、“一个”、“一种”、“该”等类似词语并不表示数量限制，可表示单数或复数。本申请实施例所涉及的术语“包括”、“包含”、“具有”以及它们任何变形，意图在于覆盖不排他的包含；例如包含了一系列步骤或模块(单元)的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可以还包括没有列出的步骤或单元，或可以还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。本申请实施例所涉及的“连接”、“相连”、“耦接”等类似的词语并非限定于物理的或者机械的连接，而是可以包括电气的连接，不管是直接的还是间接的。本申请实施例所涉及的“多个”是指两个或两个以上。“和/或”描述关联对象的关联关系，表示可以存在三种关系，例如，“A和/或B”可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。本申请实施例所涉及的术语“第一”、“第二”、“第三”等仅仅是区别类似的对象，不代表针对对象的特定排序。
本申请实施例提供的计算机设备可以应用于医学影像处理系统中，在该医学影像处理系统可以包括医学图像扫描设备、计算机设备。
其中，医学图像扫描设备可以是电子计算机断层扫描系统(CT系统)，或者正电子发射计算机断层显像-电子计算机断层扫描系统(PET-CT)、单光子发射计算机断层显像-电子计算机断层扫描系统(SPET-CT)等任意一种或者多种医学图像扫描系统。
下面以医学图像扫描设备为CT系统为例对本申请实施例进行描述和说明。
在本实施例中，CT系统100包括检查床110和扫描部件120。其中，检查床110适于承载待检查者。检查床110能够移动，使得待检查者的待检查部位被移动到适合被检测的位置，例如图1中标示为130的位置。扫描部位120具有射线源121和探测器122。
射线源121可以被配置为对待检查者的待检查部位发出射线，用以产生医学图像的扫描数据。待检查者的待检查部位可包括物质、组织、器官、样本、身体，或类似物，或者其他任意组合。在某些实施例中，待检查者的待检查部位可以包括患者或者其一部分，即可以包括头、胸、肺、胸膜、纵膈、腹、大肠、小肠、膀胱、胆囊、三焦、盆腔、骨干、末端、骨架、血管，或类似物，或其任意组合。射线源121被配置为用于产生射线或其他类型的射线。射线能够穿过待检查者的待检查部位。穿过待检查者的待检查部位后被探测器122接收。
射线源121可包括射线发生器。射线发生器可包括一个或多个射线管。射线管可以发射射线或射线束。射线源121可以是X射线球管、冷阴极离子管、高真空热阴极管、旋转阳极管等。发射的射线束的形状可以是线形、窄笔形、窄扇形、扇形、锥形、楔形、或类似物，或不规则形状，或其任何组合。射线束的扇形角度可以是20°至90°范围内的一定值。射线源121中的射线管可以固定在一个位置。在某些情况下，可以平移或旋转射线管。
探测器122可配置为接收来自射线源121或其他辐射源的射线。来自射线源121的射线可以穿过待检查者，然后到达探测器122。接收射线之后，探测器122产生蕴含待检查者的射线图像的探测结果。探测器122包括射线检测器或者其他部件。射线检测器的形状可以是扁平、弓形、圆形、或类似物，或其任意组合。弓形检测器的扇形角度范围可以是20°至90°。扇形角度可固定或者根据不同的情况可调。不同的情况包括期望的图像分辨率、图像大小、检测器的灵敏度、检测器的稳定性、或类似物，或其任意组合。在一些实施例中，检测器的像素可以是最小检测单元的数量，例如检测器单元的数量(例如，闪烁体或光电传感器等)。检测器的像素可以布置成单行、双行或另一数目的行。射线检测器是一维、二维、或者三维的。
CT系统还包括扫描控制装置和图像生成装置。其中，扫描控制装置被配置为控制检查床110和扫描部件120进行扫描。图像生成装置用于根据探测器122的探测结果生成医学影像。
由于扫描部件120在进行扫描时往往会发出射线，因此在一些实施例中，为了避免CT系统100的操作者暴露在这些辐射下，可以将图像生成装置设置在与扫描部件120不同的房间内，使得CT系统100的操作者可以处在另外的房间内，避免受到射线照射，并能够通过图像生成装置生成以及观察扫描结果。
本实施例的医学影像处理系统包括医学扫描设备以及计算机设备，用于执行医学图像伪影校正的加速方法。图2为根据本申请实施例的医学影像处理系统的结构示意图。如图2所示，医学影像处理系统包括医学扫描设备20以及计算机设备21，其中，计算机设备21可以包括存储器212、处理器211以及存储在存储器上并可在处理器上运行的计算机程序213。
具体地，上述处理器211可以包括中央处理器(CPU)，或者特定集成电路(Application Specific Integrated Circuit，简称为ASIC)，或者可以被配置成实施本申请实施例的一个或多个集成电路。
在其中一些实施例中，处理器211可以被配置为：通过GPU中的NPP库对包含伪影的待校正图像进行分割，得到分割后的待校正图像；通过GPU基于连通域标记算法提取分割后的待校正图像中的目标区域图像。
在其中一些实施例中，处理器211可以被配置为：通过GPU对目标区域图像进行正投影，得到多条X-ray直线方程，其中，目标区域图像存储于GPU的纹理内存中；通过GPU将X-ray直线方程按照预设数量分组，通过GPU中的并行线程对每组X-ray直线方程进行计算，并对每条X-ray经过的体素进行三维线性积分，得到投影数据。
在其中一些实施例中，处理器211可以被配置为：通过GPU对目标投影数据进行滤波处理；通过GPU对滤波处理后的目标投影数据进行反投影，得到包含伪影的待校正图像。
在其中一些实施例中，处理器211可以被配置为：在GPU的常量内存中缓存滤波卷积核函数；通过GPU基于滤波卷积核函数对目标投影数据进行卷积处理，得到滤波处理后的目标投影数据，其中，卷积处理通过GPU中的cuFFT库实现。
在其中一些实施例中，处理器211可以被配置为：通过GPU根据补偿投影数据重建骨硬化伪影的补偿图像；通过GPU将补偿图像与待校正图像相加，得到校正图像。
在其中一些实施例中，处理器211可以被配置为：通过GPU对补偿图像按照预设的降采样系数进行降采样，将补偿图像的分辨率转化为待校正图像的分辨率。
其中，存储器212可以包括用于数据或指令的大容量存储器。举例来说而非限制，存储器212可包括硬盘驱动器(Hard Disk Drive，简称为HDD)、软盘驱动器、固态驱动器(Solid State Drive，简称为SSD)、闪存、光盘、磁光盘、磁带或通用串行总线(UniversalSerial Bus，简称为USB)驱动器或者两个或更多个以上这些的组合。在合适的情况下，存储器212可包括可移除或不可移除(或固定)的介质。在合适的情况下，存储器212可在数据处理装置的内部或外部。在特定实施例中，存储器212是非易失性(Non-Volatile)存储器。在特定实施例中，存储器212包括只读存储器(Read-Only Memory，简称为ROM)和随机存取存储器(Random Access Memory，简称为RAM)。在合适的情况下，该ROM可以是掩模编程的ROM、可编程ROM(Programmable Read-Only Memory，简称为PROM)、可擦除PROM(ErasableProgrammable Read-Only Memory，简称为EPROM)、电可擦除PROM(Electrically ErasableProgrammable Read-Only Memory，简称为EEPROM)、电可改写ROM(ElectricallyAlterable Read-Only Memory，简称为EAROM)或闪存(FLASH)或者两个或更多个以上这些的组合。在合适的情况下，该RAM可以是静态随机存取存储器(Static Random-AccessMemory，简称为SRAM)或动态随机存取存储器(Dynamic Random Access Memory，简称为DRAM)，其中，DRAM可以是快速页模式动态随机存取存储器(Fast Page Mode DynamicRandom Access Memory，简称为FPMDRAM)、扩展数据输出动态随机存取存储器(ExtendedDate Out Dynamic Random Access Memory，简称为EDODRAM)、同步动态随机存取内存(Synchronous Dynamic Random-Access Memory，简称SDRAM)等。
存储器212可以用来存储或者缓存需要处理和/或通信使用的各种数据文件，以及处理器211所执行的可能的计算机程序213指令。
处理器211通过读取并执行存储器212中存储的计算机程序213指令，以实现上述实施例中的任意一种医学图像伪影校正的加速方法。
在其中一些实施例中，计算机设备还可包括通信接口和总线。其中，如图2所示，处理器211、存储器212、通信接口通过总线连接并完成相互间的通信。
通信接口用于实现本申请实施例中各模块、装置、单元和/或设备之间的通信。通信接口还可以实现与其他部件例如：外接设备、图像/数据采集设备、数据库、外部存储以及图像/数据处理工作站等之间进行数据通信。
总线包括硬件、软件或两者，将计算机设备的部件彼此耦接在一起。总线包括但不限于以下至少之一：数据总线(Data Bus)、地址总线(Address Bus)、控制总线(ControlBus)、扩展总线(Expansion Bus)、局部总线(Local Bus)。举例来说而非限制，总线可包括图形加速接口(Accelerated Graphics Port，简称为AGP)或其他图形总线、增强工业标准架构(Extended Industry Standard Architecture，简称为EISA)总线、前端总线(FrontSide Bus，简称为FSB)、超传输(Hyper Transport，简称为HT)互连、工业标准架构(Industry Standard Architecture，简称为ISA)总线、无线带宽(InfiniBand)互连、低引脚数(LowPin Count，简称为LPC)总线、存储器总线、微信道架构(Micro ChannelArchitecture，简称为MCA)总线、外围组件互连(Peripheral Component Interconnect，简称为PCI)总线、PCI-Express(PCI-X)总线、串行高级技术附件(Serial AdvancedTechnology Attachment，简称为SATA)总线、视频电子标准协会局部(Video ElectronicsStandards Association Local Bus，简称为VLB)总线或其他合适的总线或者两个或更多个以上这些的组合。在合适的情况下，总线可包括一个或多个总线。尽管本申请实施例描述和示出了特定的总线，但本申请实施例考虑任何合适的总线或互连。
该计算机设备可以基于获取的待校正图像，执行本实施例提供的医学图像伪影校正的加速方法。
另外，结合上述实施例中的医学图像伪影校正的加速方法，本申请实施例可提供一种存储介质来实现。该存储介质上存储有计算机程序指令；该计算机程序指令被处理器执行时实现上述实施例中的任意一种医学图像伪影校正的加速方法。
本实施例提供了一种医学图像伪影校正的加速方法。图3是根据本申请实施例的医学图像伪影校正的加速方法的流程图，如图3所示，该流程包括如下步骤：
步骤S301，GPU提取包含伪影的待校正图像中的目标区域图像。
在其中一些实施例中，目标区域图像可以为包含骨硬化伪影的医学图像。
在其中一些实施例中，可以通过GPU中的NPP库对包含伪影的待校正图像进行分割，得到分割后的待校正图像；GPU可以基于连通域标记算法提取分割后的待校正图像中的目标区域图像。
在本实施例中，NPP(NVIDIA Performance Primitives)库为CUDA中的一个函数库，其中，CUDA(Compute Unified Device Architecture)是一种通用并行计算架构，该架构使GPU能够解决复杂的计算问题。
在本申请实施例应用于头部图像骨硬化伪影校正的情况下，在CT图像中由于骨组织与软组织的灰度值相差很大，在本实施例中，可以通过NPP库中的GrabCut算法、GraphCut算法或Ncut算法(Normalized Cuts)实现对待校正图像的分割，例如：可以根据灰度图像的分布，选定一个灰度值作为标准值；将图像矩阵中每像素的灰度值与标准值比较；在标准值之上置其灰度值为255，之下置为0；将灰度图像转换为二值图像。
在其他一些实施例中，还可以通过其他阈值分割法实现对待校正图像的分割。
对待校正图像进行分割后，可以得到骨组织轮廓的单值区域，基于连通域标记算法提取及跟踪骨组织轮廓，例如：可以系统性地扫描图像直到遇到连通区域的一个点，以它为起始点，跟踪它的轮廓，标记边界上的像素。当轮廓完整闭合，扫描回到上一个位置，直到再次发现新的成分。
在本实施例中，通过连通域标记算法，计算出最大连通域，获得脑组织区域，基于GPU的并行处理特征，通过多个线程的归约合并来实现跨线程的标记。
在本实施例中，通过在GPU中实现对待校正图像的分割以及提取目标区域图像，提高了单位时间里GPU处理的图像张数。
步骤S302，GPU对目标区域图像进行正投影，得到投影数据。
在其中一些实施例中，GPU对目标区域图像进行3D正投影。
在其中一些实施例中，GPU可以对目标区域图像进行正投影，得到多条X-ray直线方程，其中，目标区域图像存储于GPU的纹理内存中；GPU将X-ray直线方程按照预设数量分组，通过GPU中的并行线程对每组X-ray直线方程进行计算，并对每条X-ray经过的体素进行三维线性积分，得到投影数据。
正投影用于模拟球管放线生成标准投影数据的过程，即虚拟的球管和探测器围绕人体旋转一圈，探测器接受不同角度发射出的X-ray来生成标准投影数据。虚拟球管每旋转一圈，大约会产生4～8亿根X-ray，这些X-ray穿透不同的体素，在不同的模拟探测器上生成投影数据。
在本实施例中，可以按照GPU的并行线程数量对X-ray直线方程进行分组，例如X-ray直线方程数量为T，GPU的并行线程数量为N，将X-ray直线方程分成N组，每个GPU的并行线程处理的X-ray直线方程数量为T/N，每个GPU的并行线程对每条X-ray经过的体素进行三维线性积分，得到投影数据，其中，三维线性积分过程包含路径计算和体素插值计算过程。
在本实施例中，可以将目标区域图像存储于GPU的纹理内存中，纹理存储器是一种只读存储器，具有加速读取数据以及三维矩阵数据的特征，可以通过缓存加速访问，将目标区域图像与纹理存储器进行绑定，然后通过纹理拾取的方法完成三维线性积分，从而避免了复杂的函数实现，实现了加速三维线性积分的技术效果。
步骤S303，GPU将投影数据中的像素点按照预设数量分组，对每组像素点并行进行拟合，得到伪影校正的补偿投影数据，其中，拟合计算被GPU拆解。
人体在进行CT扫描过程中，射线穿过骨头的同时也穿过软组织，在射线穿过软组织也会引起射线能谱分布的改变，因此，为了更准确的估计骨硬化伪影，不但要考虑不同骨头密度的影响，同时要考虑射线穿过软组织的影响，为此，为了更精准的估计骨伪影的影响，采用图像分割后的投影数据拟合骨硬化伪影的补偿投影数据。
在本实施例中，拟合计算可以被拆解为乘加运算，例如拟合计算过程：
y＝ax3+bx2+cx1+d
转化为乘加计算：y＝px(x(qx+n)+m)+n
通过CPU端和GPU端的乘加融合指令，可以大幅减少指令数，缩短计算时间。
在本实施例中，可以按照GPU的并行线程数量对投影数据中的像素点进行分组，例如像素点数量为S，GPU的并行线程数量为M，将像素点分成M组，每个GPU的并行线程多项式拟合的像素点数量为M/S，得到骨硬化伪影校正的补偿投影数据。其中，补偿投影数据可以制成校正表，将校正表缓存于GPU的共享内存中，防止数据写冲突，通过将多项式拟合计算拆解为乘加计算也可以提升指令密度，实现加快投影数据拟合的技术效果。
步骤S304，根据补偿投影数据生成校正图像。
在其中一些实施例中，本申请实施例的医学图像伪影校正的加速方法通过3D正投影获得投影数据，通过3D反投影获得校正图像。
3D算法比2D算法更复杂，计算量大，但是图像质量更优质，同时3D算法比2D算法采样数据更多，可以尽量保留待成像组织结构的完整细节，例如本实施中精细的脑组织结构或其他软组织结构。
通过步骤S301至步骤S304，相对于相关技术而言，本实施例提供的一种医学图像伪影校正的加速方法，通过GPU的多个并行线程实现对待校正图像目标区域图像的提取、对目标区域图像的正投影以及对投影数据的拟合，多个步骤可以并行进行，提升单个步骤的执行效率，通过步骤并行化以及统一的资源分配和管理，来减少每个步骤间的资源依赖和数据拷贝，解决了相关技术中对图像中的伪影校正速度慢的问题，实现了提高骨硬化伪影的校正速度的技术效果。
图4示出了本申请优选实施例的医学图像伪影校正的加速方法的流程图，如图4所示，该流程包括以下步骤：
步骤S401，对目标投影数据进行滤波处理。
在其中一些实施例中，可以在GPU的常量内存中缓存滤波卷积核函数，并基于滤波卷积核函数对目标投影数据进行卷积处理，得到滤波处理后的目标投影数据，其中，卷积处理通过GPU中的cuFFT库实现。
滤波处理的目的是防止目标区域图像边缘处正投影后的拟合曲线有突变点，在进行反投影后生成误差图像时引入新的伪影。
在本实施例中，cuFFT(CUDA Fast Fourier Transform)库是CUDA中专门用于快速傅里叶变换的函数库，在GPU中进行目标投影数据的滤波处理可以多个目标投影数据的滤波处理并行进行，通过cuFFT库对目标投影数据进行卷积处理加快了卷积的计算过程。同时，通过GPU的常量内存来缓存滤波卷积核函数，减少数据传递次数，加速数据读取过程，提升了卷积核的读取速度。
相关技术中的滤波处理往往是在CPU中进行，而反投影在GPU中进行，因此从滤波处理到反投影这个过程中需要将CPU中的数据拷贝至GPU，本方案中滤波处理与反投影均是在GPU中进行，无需数据拷贝过程，提高了目标投影数据的滤波处理、反投影的速度。
步骤S402，对滤波处理后的目标投影数据进行反投影，得到包含伪影的待校正图像。
步骤S403，GPU提取包含伪影的待校正图像中的目标区域图像。
步骤S404，GPU对目标区域图像进行正投影，得到投影数据。
步骤S405，GPU将投影数据中的像素点按照预设数量分组，对每组像素点并行进行拟合，得到伪影校正的补偿投影数据，其中，拟合计算被GPU拆解。
步骤S406，GPU根据补偿投影数据重建伪影的补偿图像。
步骤S407，GPU对补偿图像按照预设的降采样系数进行降采样，将补偿图像的分辨率转化为待校正图像的分辨率。
在本实施例中，可以通过降采样将补偿图像的分辨率转化为待校正图像的分辨率，保证补偿图像与待校正图像的大小、位置一致，便于之后步骤中将补偿图像与待校正图像相加得到校正后的待校正图像。
步骤S408，GPU将补偿图像与待校正图像相加，得到校正图像。
通过步骤S401至步骤S408，相对于相关技术而言，本实施例提供的一种医学图像伪影校正的加速方法，通过GPU实现目标投影数据的滤波处理以及反投影，无需数据拷贝过程，提高了目标投影数据的滤波处理、反投影的速度，通过将补偿图像与待校正图像求和得到校正后的待校正图像，解决了相关技术中对图像中的伪影校正速度慢的问题，实现了提高骨硬化伪影的校正速度的技术效果。
相关技术中的3D骨硬化伪影校正技术通常是基于CPU进行多次3D正投影和3D滤波反投影来生成标准投影数据和图像数据，需要复杂的卷积和插值运算。然而，大锥角CT往往意味着单位时间需要处理更大的数据量，因此这类技术方案对图像中的伪影校正速度慢，影响医生阅片诊断需求。
相比于相关技术，本申请实施例有以下优势：
(1)本申请实施例通过GPU的多个并行线程实现对包含伪影的待校正图像中的目标区域图像的提取、对目标区域图像的正投影以及对投影数据的拟合，多个步骤可以并行进行，提升单个步骤的执行效率。
(2)本申请实施例通过GPU实现目标投影数据的滤波处理以及反投影，无需数据拷贝过程，提高了目标投影数据的滤波处理、反投影的速度，通过将补偿图像与待校正图像求和得到校正后的待校正图像，解决了相关技术中对图像中的伪影校正速度慢的问题，实现了提高骨硬化伪影的校正速度的技术效果。
以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请实施例的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本申请保护范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请实施例构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请的保护范围应以所附权利要求为准。

Claims (9)

1.一种医学图像伪影校正的加速方法，其特征在于，所述方法包括：
GPU提取包含伪影的待校正图像中的目标区域图像；
所述GPU对所述目标区域图像进行正投影，得到投影数据；
所述GPU将所述投影数据中的像素点按照预设数量分组，对每组像素点并行进行拟合，得到伪影校正的补偿投影数据，其中，拟合计算被所述GPU拆解；
所述GPU根据所述补偿投影数据生成校正图像；
所述GPU对所述目标区域图像进行正投影，得到投影数据包括：
所述GPU对所述目标区域图像进行正投影，得到多条X-ray直线方程，其中，所述目标区域图像存储于所述GPU的纹理内存中；
所述GPU将所述X-ray直线方程按照预设数量分组，通过所述GPU中的并行线程对每组X-ray直线方程进行计算，并对每条X-ray经过的体素进行三维线性积分，得到投影数据。
2.根据权利要求1所述的医学图像伪影校正的加速方法，其特征在于，所述目标区域图像为包含骨硬化伪影的医学图像。
3.根据权利要求1所述的医学图像伪影校正的加速方法，其特征在于，GPU提取包含伪影的待校正图像中的目标区域图像包括：
通过NPP库对所述包含伪影的待校正图像进行分割，得到分割后的待校正图像；
基于连通域标记算法提取所述分割后的待校正图像中的目标区域图像。
4.根据权利要求1所述的医学图像伪影校正的加速方法，其特征在于，在GPU提取包含伪影的待校正图像中的目标区域图像之前，所述方法还包括：
对目标投影数据进行滤波处理；
对滤波处理后的所述目标投影数据进行反投影，得到包含伪影的待校正图像。
5.根据权利要求4所述的医学图像伪影校正的加速方法，其特征在于，对目标投影数据进行滤波处理包括：
在GPU的常量内存中缓存滤波卷积核函数；
基于所述滤波卷积核函数对所述目标投影数据进行卷积处理，得到滤波处理后的所述目标投影数据，其中，卷积处理通过所述GPU中的cuFFT库实现。
6.根据权利要求1所述的医学图像伪影校正的加速方法，其特征在于，根据所述补偿投影数据生成校正图像包括：
GPU根据所述补偿投影数据重建伪影的补偿图像；
所述GPU将所述补偿图像与待校正图像相加，得到校正图像。
7.根据权利要求6所述的医学图像伪影校正的加速方法，其特征在于，在所述GPU将所述补偿图像与待校正图像相加，得到校正图像之前，所述方法还包括：
GPU对所述补偿图像按照预设的降采样系数进行降采样，将所述补偿图像的分辨率转化为所述待校正图像的分辨率。
8.一种计算机设备，包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至7中任一项所述的医学图像伪影校正的加速方法。
9.一种存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1至7中任一项所述的医学图像伪影校正的加速方法。
CN202010588053.5A 2020-06-24 2020-06-24 医学图像伪影校正的加速方法、计算机设备和存储介质 Active CN111754436B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010588053.5A CN111754436B (zh) 2020-06-24 2020-06-24 医学图像伪影校正的加速方法、计算机设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010588053.5A CN111754436B (zh) 2020-06-24 2020-06-24 医学图像伪影校正的加速方法、计算机设备和存储介质

Publications (2)

Publication Number Publication Date
CN111754436A CN111754436A (zh) 2020-10-09
CN111754436B true CN111754436B (zh) 2024-05-03

Family

ID=72677149

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010588053.5A Active CN111754436B (zh) 2020-06-24 2020-06-24 医学图像伪影校正的加速方法、计算机设备和存储介质

Country Status (1)

Country Link
CN (1) CN111754436B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113808233B (zh) * 2021-09-24 2024-06-04 北京万东医疗科技股份有限公司 一种金属穿刺针伪影处理方法和装置
CN115813419B (zh) * 2023-02-20 2023-05-05 武汉联影生命科学仪器有限公司 能谱ct成像的方法、装置和ct扫描成像系统

Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2012073151A2 (en) * 2010-12-01 2012-06-07 Koninklijke Philips Electronics N.V. Diagnostic image features close to artifact sources
US8233586B1 (en) * 2011-02-17 2012-07-31 Franz Edward Boas Iterative reduction of artifacts in computed tomography images using forward projection and an edge-preserving blur filter
CN103186883A (zh) * 2011-12-29 2013-07-03 上海联影医疗科技有限公司 一种ct图像重建中骨硬化伪影的校正方法
CN103784158A (zh) * 2012-10-29 2014-05-14 株式会社日立医疗器械 Ct 装置及ct 图像生成方法
CN105608720A (zh) * 2016-01-30 2016-05-25 上海联影医疗科技有限公司 计算机断层成像伪影校正方法及装置
WO2017128892A1 (zh) * 2016-01-30 2017-08-03 上海联影医疗科技有限公司 计算机断层成像伪影校正方法及系统
CN107871332A (zh) * 2017-11-09 2018-04-03 南京邮电大学 一种基于残差学习的ct稀疏重建伪影校正方法及系统
EP3483895A1 (en) * 2017-11-13 2019-05-15 Siemens Healthcare GmbH Detecting and classifying medical images based on continuously-learning whole body landmarks detections
CN109816747A (zh) * 2019-02-25 2019-05-28 南京邮电大学 一种头部ct图像的金属伪影校正方法
CN110458762A (zh) * 2019-07-02 2019-11-15 山东科技大学 一种基于可调双因子的ct图像射束硬化伪影校正系统
CN110458913A (zh) * 2019-08-12 2019-11-15 赛诺威盛科技（北京）有限公司 一种多阈值分割ct图像校正图像重建中骨硬化伪影的方法
CN110811667A (zh) * 2019-12-14 2020-02-21 深圳先进技术研究院 一种基于gpu加速的高精度pet重建方法及装置
CN111223066A (zh) * 2020-01-17 2020-06-02 上海联影医疗科技有限公司 运动伪影校正方法、装置、计算机设备和可读存储介质

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7120283B2 (en) * 2004-01-12 2006-10-10 Mercury Computer Systems, Inc. Methods and apparatus for back-projection and forward-projection
US20080043024A1 (en) * 2006-06-26 2008-02-21 Siemens Corporate Research, Inc. Method for reconstructing an object subject to a cone beam using a graphic processor unit (gpu)
US7548604B2 (en) * 2007-01-04 2009-06-16 General Electric Company Method and apparatus for reduction of metal artifacts in CT imaging
AU2017203626A1 (en) * 2016-05-30 2017-12-14 Katholieke Universiteit Leuven Ku Leuven R&D A method and apparatus for motion correction in CT imaging
WO2017218834A1 (en) * 2016-06-17 2017-12-21 Kerstein Dustin System and method for capturing and viewing panoramic images having motion parralax depth perception without images stitching
EP3545676A4 (en) * 2016-11-23 2021-02-17 Réalisations Inc. Montréal AUTOMATIC CALIBRATION PROJECTION SYSTEM AND PROCESS

Patent Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2012073151A2 (en) * 2010-12-01 2012-06-07 Koninklijke Philips Electronics N.V. Diagnostic image features close to artifact sources
US8233586B1 (en) * 2011-02-17 2012-07-31 Franz Edward Boas Iterative reduction of artifacts in computed tomography images using forward projection and an edge-preserving blur filter
CN103186883A (zh) * 2011-12-29 2013-07-03 上海联影医疗科技有限公司 一种ct图像重建中骨硬化伪影的校正方法
CN103784158A (zh) * 2012-10-29 2014-05-14 株式会社日立医疗器械 Ct 装置及ct 图像生成方法
CN105608720A (zh) * 2016-01-30 2016-05-25 上海联影医疗科技有限公司 计算机断层成像伪影校正方法及装置
WO2017128892A1 (zh) * 2016-01-30 2017-08-03 上海联影医疗科技有限公司 计算机断层成像伪影校正方法及系统
CN107871332A (zh) * 2017-11-09 2018-04-03 南京邮电大学 一种基于残差学习的ct稀疏重建伪影校正方法及系统
EP3483895A1 (en) * 2017-11-13 2019-05-15 Siemens Healthcare GmbH Detecting and classifying medical images based on continuously-learning whole body landmarks detections
CN109816747A (zh) * 2019-02-25 2019-05-28 南京邮电大学 一种头部ct图像的金属伪影校正方法
CN110458762A (zh) * 2019-07-02 2019-11-15 山东科技大学 一种基于可调双因子的ct图像射束硬化伪影校正系统
CN110458913A (zh) * 2019-08-12 2019-11-15 赛诺威盛科技（北京）有限公司 一种多阈值分割ct图像校正图像重建中骨硬化伪影的方法
CN110811667A (zh) * 2019-12-14 2020-02-21 深圳先进技术研究院 一种基于gpu加速的高精度pet重建方法及装置
CN111223066A (zh) * 2020-01-17 2020-06-02 上海联影医疗科技有限公司 运动伪影校正方法、装置、计算机设备和可读存储介质

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
PET中散射校正技术的研究进展;王帅鹏等;《中国医学影像学杂志》;第26卷(第09期);全文 *

Also Published As

Publication number Publication date
CN111754436A (zh) 2020-10-09

Similar Documents

Publication Publication Date Title
CN108292428B (zh) 图像重建的系统和方法
US8532350B2 (en) Dose reduction and image enhancement in tomography through the utilization of the object's surroundings as dynamic constraints
US8000435B2 (en) Method and system for error compensation
US8805037B2 (en) Method and system for reconstruction of tomographic images
US20090202127A1 (en) Method And System For Error Compensation
CN111627083B (zh) 骨硬化伪影校正方法、装置、计算机设备和可读存储介质
WO2014172938A1 (zh) Ct图像重建方法
WO2009081297A2 (en) Features-based 2d/3d image registration
CN108352077B (zh) 图像重建的系统和方法
JP2002191591A (ja) Ｃｔ装置により取得した出力像に対する放射硬化の補正方法
CN111754436B (zh) 医学图像伪影校正的加速方法、计算机设备和存储介质
WO2013064472A1 (en) Dynamic selection of projection angles for tomographic reconstruction
CN111728632B (zh) 射线探测装置、射线探测方法和ct图像重建方法
CN111462168B (zh) 运动参数估计方法和运动伪影校正方法
US20140016847A1 (en) Multi-phase computed tomography image reconstruction
WO2010011676A2 (en) Incorporation of mathematical constraints in methods for dose reduction and image enhancement in tomography
CN111445550B (zh) Pet图像的迭代重建方法、装置和计算机可读存储介质
WO2016132880A1 (ja) 演算装置、ｘ線ｃｔ装置、及び画像再構成方法
CN111080740A (zh) 一种图像校正方法、装置、设备及介质
CN113313649B (zh) 图像重建方法及装置
JP7346546B2 (ja) Ｃｔ仮想単色撮像のための自動的適応エネルギ設定を行う方法
CN109259779B (zh) 医学图像的生成方法和医学图像处理系统
CN110942494B (zh) 利用三个数据域迭代重建计算机断层扫描图像的系统
US20220323035A1 (en) Devices, systems, and methods for motion-corrected medical imaging
CN116128993A (zh) 锥束ct图像重建方法、装置、电子设备和存储介质

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
CB02 Change of applicant information
CB02 Change of applicant information

Address after: 201807 2258 Chengbei Road, Jiading District, Shanghai

Applicant after: Shanghai Lianying Medical Technology Co.,Ltd.

Address before: 201807 2258 Chengbei Road, Jiading District, Shanghai

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

GR01 Patent grant
GR01 Patent grant