CN111882499A - Pet图像的降噪方法、装置以及计算机设备 - Google Patents
Pet图像的降噪方法、装置以及计算机设备 Download PDFInfo
- Publication number
- CN111882499A CN111882499A CN202010679889.6A CN202010679889A CN111882499A CN 111882499 A CN111882499 A CN 111882499A CN 202010679889 A CN202010679889 A CN 202010679889A CN 111882499 A CN111882499 A CN 111882499A
- Authority
- CN
- China
- Prior art keywords
- pet image
- pixel
- value
- pixel point
- compensation
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 82
- 230000009467 reduction Effects 0.000 title claims abstract description 72
- 238000012545 processing Methods 0.000 claims abstract description 25
- 238000004590 computer program Methods 0.000 claims description 12
- 238000001914 filtration Methods 0.000 claims description 11
- 238000013528 artificial neural network Methods 0.000 claims description 3
- 238000011426 transformation method Methods 0.000 claims description 3
- 238000002600 positron emission tomography Methods 0.000 description 183
- 230000003902 lesion Effects 0.000 description 18
- 238000010586 diagram Methods 0.000 description 11
- 230000008569 process Effects 0.000 description 7
- 230000005540 biological transmission Effects 0.000 description 6
- 239000011159 matrix material Substances 0.000 description 4
- 238000013527 convolutional neural network Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000012935 Averaging Methods 0.000 description 2
- 206010028980 Neoplasm Diseases 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 239000000243 solution Substances 0.000 description 2
- 238000012879 PET imaging Methods 0.000 description 1
- 238000003759 clinical diagnosis Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000002059 diagnostic imaging Methods 0.000 description 1
- 239000012216 imaging agent Substances 0.000 description 1
- 238000002347 injection Methods 0.000 description 1
- 239000007924 injection Substances 0.000 description 1
- 230000003211 malignant effect Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000004060 metabolic process Effects 0.000 description 1
- 244000000010 microbial pathogen Species 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002285 radioactive effect Effects 0.000 description 1
- 238000011946 reduction process Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000009466 transformation 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
- G06T2207/10104—Positron emission tomography [PET]
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
本申请涉及一种PET图像的降噪方法、装置以及计算机设备，其中，该PET图像的降噪方法包括：获取第一PET图像和第二PET图像，其中，第二PET图像为第一PET图像经过降噪处理后的PET图像；在第一PET图像中获取补偿像素点信息；根据补偿像素点信息，补偿第二PET图像，得到第三PET图像。通过本申请，解决了相关技术中PET图像在降噪前后标准摄取值最大值不一致的问题，改善了PET图像在降噪前后标准摄取值最大值下降的情况。
Description
技术领域
本申请涉及医学成像领域，特别是涉及一种PET图像的降噪方法、装置以及计算机设备。
背景技术
标准摄取值(Standard Uptake Value，简称为SUV)是正电子放射程序在肿瘤诊断中常用的半定量指标，其指局部组织摄取的显像剂的放射性活度与全身平均注射活度的比值。根据其测定时感兴趣区域的不同，又可分为如下几种：标准摄取值最大值(简称为SUVmax)，定义为靶区范围内摄取水平最高的单个像素的SUV，它不受感兴趣区域勾画方式的影响，但受到放射性计数统计涨落的干扰。标准摄取值均值(简称为SUVmean)，定义为覆盖肿瘤病灶的全部像素中SUV的平均值。标准摄取值峰值(简称为SUVpeak)，为一种特殊的SUVmean，其感兴趣区域为病灶内的一个具有固定大小和形状的区域，此区域可将SUVmax所在像素作为中心，也可来自病灶中摄取水平最高的区域。
以正电子发射计算机断层显像(Positron Emission Tomography，简称为PET)图像为例，在PET成像中，SUV是临床医生关心的衡量病灶良恶程度的重要参考指标。通常PET图像的噪声较大，需要进行降噪处理，但是降噪处理会不可避免地引起PET图像中SUV的变动，尤其是SUVmax，当SUVmax在降噪处理前后偏差较大时，将会导致临床诊断结果产生较大误差。针对SUVmax在降噪处理前后产生的偏差问题，相关技术人员研究了不同降噪方法对PET图像的质量和SUVmax的影响，通过对PET图像采用单种降噪算法或者组合降噪算法，输出多个PET图像结果，分析对应不同降噪算法的PET图像质量和SUVmax值，以此确定最优的降噪方法，但是该最优降噪方法无统计学意义，而且不同降噪方法获得的PET图像的SUVmax在降噪处理前后偏差依旧较大。
目前针对相关技术中PET图像在降噪前后标准摄取值最大值不一致的问题，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PET图像的降噪方法、装置以及计算机设备，以至少解决相关技术中PET图像在降噪前后标准摄取值最大值不一致的问题。
第一方面，本申请实施例提供了一种PET图像的降噪方法，包括：
获取第一PET图像和第二PET图像，其中，所述第二PET图像为所述第一PET图像经过降噪处理后的PET图像；
在所述第一PET图像中获取补偿像素点信息；
根据所述补偿像素点信息，补偿所述第二PET图像，得到第三PET图像。
在其中一些实施例中，在所述第一PET图像中获取补偿像素点信息包括：
获取在所述第一PET图像和所述第二PET图像内具有相同坐标的对应像素点，计算所述对应像素点的像素值差值；
根据所述像素值差值，获取所述补偿像素点信息。
在其中一些实施例中，获取在所述第一PET图像和所述第二PET图像内具有相同坐标的对应像素点，计算所述对应像素点的像素值差值包括：
在所述第一PET图像中按照预设尺寸的搜索窗搜索像素块，记录搜索到的每个像素块中标准摄取值最大值对应的第一像素点；
从所述第二PET图像中提取与所述第一像素点坐标相同的第二像素点，将所述第一像素点的像素值与所述第二像素点的像素值作差，得到对应于所述预设尺寸的搜索窗的像素值差值。
在其中一些实施例中，根据所述像素值差值，获取所述补偿像素点信息包括：
计算所述像素值差值的均值，根据所述均值确定所述补偿像素点信息。
在其中一些实施例中，获取在所述第一PET图像和所述第二PET图像内具有相同坐标的对应像素点，计算所述对应像素点的像素值差值包括：
创建多个预设尺寸的搜索窗；
在所述第一PET图像中按照不同尺寸的搜索窗搜索像素块，记录搜索到的每个像素块中的标准摄取值最大值对应的第一像素点；
从所述第二PET图像中提取与所述第一像素点的坐标相同的第二像素点，将所述第一像素点的像素值与所述第二像素点的像素值作差，得到对应于每个尺寸的搜索窗的像素值差值。
在其中一些实施例中，获取在所述第一PET图像和所述第二PET图像内具有相同坐标的对应像素点，计算所述对应像素点的像素值差值包括：
在所述第一PET图像中按照预设尺寸的搜索窗搜索像素块，记录搜索到的每个像素块中标准摄取值峰值所对应的多个第一像素点的像素值的平均值；
从所述第二PET图像中提取与所述多个第一像素点坐标相同的多个第二像素点，计算所述多个第二像素点的像素值的平均值；
将所述多个第一像素点的像素值的平均值与所述多个第二像素点的像素值的平均值作差，得到对应于所述预设尺寸的搜索窗的像素值差值。
在其中一些实施例中，根据所述补偿像素点信息，补偿所述第二PET图像，得到第三PET图像包括：
将所述补偿像素点信息中的单个像素点的像素值和所述第二PET图像中单个像素点的像素值按照相同坐标进行叠加，得到所述第三PET图像；
或者，将所述补偿像素点信息中的多个像素点的像素值的平均值和所述第二PET图像中的多个像素点的像素值的平均值按照相同坐标进行叠加，得到所述第三PET图像。
在其中一些实施例中，在获取第一PET图像和第二PET图像之前，所述方法还包括：
采用包括以下之一的方式对所述第一PET图像进行降噪处理，得到所述第二PET图像：高斯滤波法，非局部均值滤波法，三维块匹配法，全变分法，小波变换法，卷积神经网络法。
第二方面，本申请实施例提供了一种PET图像的降噪装置，包括：
第一获取模块，用于获取第一PET图像和第二PET图像，其中，所述第二PET图像为所述第一PET图像经过降噪处理后的PET图像；
第二获取模块，用于在所述第一PET图像中获取补偿像素点信息；
补偿模块，用于根据所述补偿像素点信息，补偿所述第二PET图像，得到第三PET图像。
第三方面，本申请实施例提供了一种计算机设备，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以执行如上述第一方面所述的PET图像的降噪方法。
相比于相关技术，本申请实施例提供的PET图像的降噪方法、PET图像的降噪装置以及计算机设备，通过获取第一PET图像和第二PET图像，其中，第二PET图像为第一PET图像经过降噪处理后的PET图像；在第一PET图像中获取补偿像素点信息；根据补偿像素点信息，补偿第二PET图像，得到第三PET图像，解决了相关技术中PET图像在降噪前后标准摄取值最大值不一致的问题，改善了PET图像在降噪前后标准摄取值最大值下降的情况。
本申请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的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
图1是根据本申请实施例的PET图像的降噪方法的流程图；
图2是根据本申请优选实施例的PET图像的降噪方法的流程图；
图3是根据本申请优选实施例的PET图像的降噪方法的原理示意图；
图4是根据本申请实施例的PET图像的降噪装置的结构框图；
图5是根据本申请实施例的PET图像的降噪方法的终端的硬件结构框图。
具体实施方式
为了使本申请的目的、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，并不用于限定本申请。基于本申请提供的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。此外，还可以理解的是，虽然这种开发过程中所做出的努力可能是复杂并且冗长的，然而对于与本申请公开的内容相关的本领域的普通技术人员而言，在本申请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公开的内容不充分。
在本申请中提及“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，本申请所涉及的技术术语或者科学术语应当为本申请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。本申请所涉及的“多个”是指大于或者等于两个。“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。本申请所涉及的术语“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。
本实施例提供了一种PET图像的降噪方法。图1是根据本申请实施例的PET图像的降噪方法的流程图，如图1所示，该流程包括如下步骤：
步骤S101，获取第一PET图像和第二PET图像，其中，第二PET图像为第一PET图像经过降噪处理后的PET图像。
其中，为了提升图像降噪处理的效率，在获取第一PET图像之前，可以先对第一PET图像进行灰度处理，得到灰度图像，再将第二PET图像进行降噪处理，得到降噪图像，即第二PET图像，相应地，第二PET图像也为灰度图像。在一些实施例中，对第一PET图像进行降噪处理的方法包括但不限于：高斯滤波法(Gaussian filter)、非局部均值滤波法(Non LocalMeans，简称为NLM)、三维块匹配法(Block Matching 3D，简称为BM3D)、全变分法(TotalVariation，简称为TV)、小波变换法(Wavelet Transform，简称为WT)、卷积神经网络法(Convolutional Neural Networks，简称为CNN)。
步骤S102，在第一PET图像中获取补偿像素点信息。
补偿像素点信息包括用于补偿的像素点的像素值和对应的坐标，这些用于补偿的像素点可以通过预设条件从第一PET图像中获取。其中，补偿像素点信息携带有第二图像中丢失的图像细节，这些图像细节包含了有效信号，比如与标准摄取值最大值相关的信号。
步骤S103，根据补偿像素点信息，补偿第二PET图像，得到第三PET图像。
其中，补偿指将用于补偿的像素点和第二PET图像中的像素点按照相同坐标进行像素值相加，以补偿第二PET图像中丢失的图像细节，得到第三PET图像。
以高斯滤波法为例，其本质为低通滤波器，在降低噪声的同时也丢失了图像的细节信息。由于图像噪声和图像的细节，在空间域和频域都表现出相似的性质，在采用相关技术的降噪方法对第一PET图像进行降噪的同时，也不可避免地丢失了图像的细节，导致降噪效果不理想。而通过上述步骤，能够解决相关技术中PET图像在降噪前后标准摄取值最大值不一致的问题，改善PET图像在降噪前后标准摄取值最大值下降的情况。
在步骤S102中，预设条件包括按照相同坐标获取信息。在一些实施例中，获取在第一PET图像和第二PET图像内具有相同坐标的对应像素点，计算对应像素点的像素值差值；根据像素值差值，获取补偿像素点信息。
在本实施例中，在第一PET图像和第二PET图像内具有相同坐标的对应像素点的过程中，并不是在两幅图像中获取所有具有相同坐标的对应像素点，而是有选择地获取两幅图像中具有相同坐标的对应像素点，再计算对应像素点的像素值差值，得到由多对像素点的值差构成的像素值差值矩阵，该像素值差值矩阵中包含有像素值和对应的坐标，根据这些像素值和对应的坐标，确定用于补偿的像素点的像素值和对应的坐标，即确定补偿像素点信息。其中，可以将选区参数纳入预设条件，比如采用多个不同尺寸的选区，在第一PET图像和第二PET图像内获取具有相同坐标的对应像素点，得到多个像素值差值，再根据多个像素值差值，获取补偿像素点信息。如此设置，可以在保留第二PET图像的低噪声特性的前提下，补偿图像细节。
在其中一些实施例中，在得到对应于每个尺寸的搜索窗的像素值差值之后，根据像素值差值，获取补偿像素点信息包括：计算像素值差值的均值，根据均值确定补偿像素点信息。
在本实施例中，可以直接将对应于每个选区的像素值差值按照相同坐标进行取算数平均值计算，得到补偿像素点信息。将算数平均后的补偿点像素信息返还到降噪后的第二PET图像中，能够补偿因为降噪处理造成的原始图像中有效信号的丢失或标准摄取值最大值下降。
在其中一些实施例中，根据补偿像素点信息，补偿第二PET图像，得到第三PET图像包括：将补偿像素点信息中的单个像素点的像素值和第二PET图像中单个像素点的像素值按照相同坐标进行叠加，得到第三PET图像。
通常，在采用相关技术对第一PET图像进行降噪处理后，所得到的第二PET图像相比于第一PET图像，会丢失图像细节，其中，图像细节可能来自于病灶区域，也有可能来自于噪声点。相应地，在获取补偿的像素点的过程中，这些用于补偿的像素点可能来自于病灶区域，也有可能来自于噪声点。在一些场景中，人们比较关注病灶的图像细节。病灶是一个局限的、具有病原微生物的病变组织，通常，病变组织具有一定大小，其病变组织的代谢程度往往高于周围正常组织的代谢程度。在PET图像中，病灶通常具有一定大小，且病灶的标准摄取值最大值包含病灶领域内的像素值最大值。而噪声通常是随机分布且相对孤立的，噪声点的标准摄取值最大值通常不会高于噪声点领域内病灶的标准摄取值最大值。
基于上述认知，在其中一些实施例中，将标准摄取值最大值纳入预设条件。获取在第一PET图像和第二PET图像内具有相同坐标的对应像素点，计算对应像素点的像素值差值包括：获取在第一PET图像和第二PET图像内具有相同坐标的对应像素点，计算对应像素点的像素值差值包括：在第一PET图像中按照预设尺寸的搜索窗搜索像素块，记录搜索到的每个像素块中标准摄取值最大值对应的第一像素点；从第二PET图像中提取与第一像素点坐标相同的第二像素点，将第一像素点的像素值与第二像素点的像素值作差，得到对应于预设尺寸的搜索窗的像素值差值。如此设置，可以抑制所获取的信息中的噪声信号，增强与病灶相关的信号，从而降低补偿噪声的图像细节的概率，提升补偿病灶的图像细节的概率。
考虑到在获取补偿的像素点的过程中，这些用于补偿的像素点可能来自于病灶区域，也有可能来自于噪声点，而通常人们比较关注病灶的图像细节这一情况，若采用单一补偿精度的像素值差值来补偿第二PET图像，有可能会导致补偿效果不理想。
为解决该问题，在其中一些实施例中，获取在第一PET图像和第二PET图像内具有相同坐标的对应像素点，计算对应像素点的像素值差值包括：创建多个预设尺寸的搜索窗；在第一PET图像中按照不同尺寸的搜索窗搜索像素块，记录搜索到的每个像素块中的标准摄取值最大值对应的第一像素点；从第二PET图像中提取与第一像素点的坐标相同的第二像素点，将第一像素点的像素值与第二像素点的像素值作差，得到对应于每个尺寸的搜索窗的像素值差值。
在本实施例中，不同的像素值差值，其所包含的像素点个数各有不同。一般地，搜索窗的尺寸越大，像素值差值中的像素点个数越少，补偿的图像细节也就越少；搜索窗的尺寸越小，像素值差值中的像素点个数越多，补偿的图像细节也就越多，即搜索窗的尺寸代表了像素值差值的补偿精度。本实施例采用多个不同补偿精度的像素值差值补偿第二PET图像，能够进一步地抑制所获取的信息中的噪声信号，增强与病灶相关的信号。
在一些实施例中，可以直接将对应于每个尺寸的搜索窗的像素值差值按照相同坐标进行取算数平均值计算，得到补偿像素点信息。将算数平均后的补偿点像素信息返还到降噪后的第二PET图像中，能够补偿因为降噪处理造成的原始图像中有效信号的丢失或对比度下降。
优选地，可以分配相应的权重给每个像素值差值，将对应于每个尺寸的搜索窗的像素值差值按照相同坐标进行取加权平均值计算，得到补偿像素点信息。通常搜索窗的预设尺寸越大，根据其所获取的信息越为关键，因此，可以根据每个像素值差值所对应的搜索窗的预设尺寸，分配相应的权重给每个像素值差值，其中，其所对应的预设尺寸越大，其所分配到的权重也将越大。将加权平均后的补偿点像素信息返还到降噪后的第二PET图像中，能够有效地补偿因为降噪处理造成的原始图像中有效信号的丢失或对比度下降。
在步骤S102中，预设条件的选取将会影响噪声的补偿，若预设条件本身的稳定性不高，则无法有效抑制所获取的信息中的噪声信号，也无法有效增强与病灶相关的信号。
为解决该问题，在步骤S102中，将标准摄取值峰值纳入预设条件，替换标准摄取值最大值。获取在第一PET图像和第二PET图像内具有相同坐标的对应像素点，计算对应像素点的像素值差值包括：在第一PET图像中按照预设尺寸的搜索窗搜索像素块，记录搜索到的每个像素块中标准摄取值峰值所对应的多个第一像素点的像素值的平均值；从第二PET图像中提取与多个第一像素点坐标相同的多个第二像素点，计算多个第二像素点的像素值的平均值；将多个第一像素点的像素值的平均值与多个第二像素点的像素值的平均值作差，得到对应于预设尺寸的搜索窗的像素值差值。
在一些实施例中，可以根据标准摄取值最大值来确定标准摄取值峰值。例如，某个搜索窗选定的区域有100个像素点，其中最大的标准摄取值(即标准摄取值最大值)为20，给定一个预设阈值0.8，标准摄取值最大值和预设阈值的乘积为16，则标准摄取值峰值代表所有标准摄取值大于16的像素点的像素值的平均值。通常，有标准摄取值最大值>标准摄取值峰值>标准摄取值均值。
作为病灶的量化指标比，标准摄取值峰值比标准摄取值最大值更稳定，受噪声影响较小，标准摄取值峰值比标准摄取值均值更具可复现性，受不同操作人员勾画选区的影响小。本实施例采用标准摄取值峰值作为预设条件，可以有效抑制所获取的信息中的噪声信号，有效增强与病灶相关的信号，在补偿过程中更具可复现性，受不同操作人员勾画选区的影响小。
结合上述实施例，在一些实施例中，在根据标准摄取值峰值获得补偿像素点信息之后，可以通过将补偿像素点信息中的多个像素点的像素值的平均值和第二PET图像中的多个像素点的像素值的平均值按照相同坐标进行叠加，得到第三PET图像，以解决相关技术中PET图像在降噪前后标准摄取值峰值不一致的问题，改善PET图像在降噪前后标准摄取值峰值下降的情况。
以下将通过优选实施例对本申请的PET图像的降噪方法进行介绍。
图2是根据本申请优选实施例的PET图像的降噪方法的流程图，如图2所示，该流程包括如下步骤：
步骤S201，对第一PET图像进行降噪处理，得到第二PET图像。其中，将降噪前的第一PET图像标记为ImgA，对ImgA进行降噪，并将降噪后的第二PET图像标记为ImgB。其中降噪的方法包括但不局限于低通滤波、小波变换、卷积神经网络。
步骤S202，初始化空图像矩阵ImgCk。其中，k＝1，ImgCk大小与ImgA相同。
步骤S203，选定图像窗口。其中，图像窗口的尺寸大小为N×N×N，N＝2k+1，滑动步长为N。
步骤S204，根据滑动步长为N，将图像窗口在ImgA上滑动，记录图像窗口在每一步移动的过程中所覆盖区域的ImgA的最大值S1及其坐标P，并记录ImgB的相同坐标下的像素值S2。
步骤S205，将像素值的差值(S1-S2)填入ImgCk中坐标为P的位置。
步骤S206，判断图像窗口是否遍历ImgA中所有像素点。在判断到图像窗口遍历ImgA中所有像素点的情况下，执行步骤S207；否则，返回步骤S204。
步骤S207，根据ImgCk得到差值图像。
步骤S208，将k加1，判断k是否大于预设值M。在判断到k大于预设值M的情况下，执行步骤S209；否则，返回步骤S202。
步骤S209，计算M个差值图像的均值，得到补偿图像ImgC。
步骤S210，将ImgB和ImgC按照相同坐标进行叠加，得到最终的降噪结果输出图像ImgD。
在上述步骤S204中，也可以记录图像窗口在每一步移动的过程中所覆盖区域的ImgA中多个像素点的像素值的平均值S1及其坐标P，并记录ImgB的相同坐标下的多个像素点的像素值的平均值S2。
需要说明的是，在上述流程中或者附图的流程图中示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。例如，步骤S201、步骤S202以及步骤S203之间并无固定的顺序，可以互换也可以并行。
结合图2给出的PET图像的降噪方法的流程图，以下将以二维图像为例，介绍根据本申请实施例的PET图像的降噪方法。图3是根据本申请优选实施例的PET图像的降噪方法的原理示意图，如图3所示，二维图像ImgA包含有20x20个像素点，其中间连续区域为病灶，设定SUVmax＝8，其中，实线框包围的像素点为SUVmax对应的像素点α，其周围虚线框包围的像素点为噪声点β。
在步骤S201中，采用高斯滤波法对ImgA进行降噪处理，得到ImgB，其中，滤波核为：
在步骤S202至步骤S208中，先以参数为3×3(3)的图像窗口在ImgA中滑动，记录每个图像窗口内的最大像素值及坐标，同时记录同样坐标下图像ImgB内的像素值，将两者的差值写入矩阵ImgC1，其中，“3×3”代表图像窗口的尺寸大小，“(3)”代表图像窗口的滑动步长。更改图像窗口的尺寸大小和滑动步长，依次以5×5(5)、7×7(7)、9×9(9)、11×11(11)以及13×13(13)的参数的图像窗口获取像素值差值，分别得到ImgC2、ImgC3、ImgC4、ImgC5、ImgC6。
计算ImgC1、ImgC2、ImgC3、ImgC4、ImgC5以及ImgC6的均值，得到ImgC，ImgC中记录了ImgA在降噪过程中丢失的图像细节的补偿量。
叠加ImgB和ImgC，得到最终的降噪输出结果图像ImgD。
基于与上述优选实施例相近的原理，可以采用SUVpeak代替SUVmax，得到ImgC，以补偿ImgB。
结合图3给出的PET图像的降噪方法的原理示意图，表1是与图3的原理示意图相对应的关于病灶和噪声中相关指标的均值和方差统计表。在表1中，以SUVmax为例，观察上述ImgA、ImgB以及ImgD中病灶的SUVmax的变化，可以发现，ImgA中病灶的SUVmax＝8.0；第一次降噪后ImgB中病灶SUVmax＝5.36；经过补偿后ImgD中病灶SUVmax＝8.0，和ImgA保持一致。由此可知，本申请实施例可以在对PET图像降噪的同时保持病灶的SUVmax。
表1关于病灶和噪声中相关指标的均值和方差统计表
本实施例还提供了一种PET图像的降噪装置，该装置用于实现上述实施例及优选实施方式，已经进行过说明的不再赘述。如以下所使用的，术语“模块”、“单元”、“子单元”等可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现，但是硬件，或者软件和硬件的组合的实现也是可能并被构想的。
图4是根据本申请实施例的PET图像的降噪装置的结构框图，如图4所示，该装置包括：第一获取模块41、第二获取模块42以及补偿模块43，其中，第一获取模块41、第二获取模块42以及补偿模块43依次耦接。
第一获取模块41，用于获取第一PET图像和第二PET图像，其中，第二PET图像为第一PET图像经过降噪处理后的PET图像；
第二获取模块42，用于在第一PET图像中获取补偿像素点信息；
补偿模块43，用于根据补偿像素点信息，补偿第二PET图像，得到第三PET图像。
在其中一些实施例中，第二获取模块42包括：第一获取单元，用于获取在第一PET图像和第二PET图像内具有相同坐标的对应像素点，计算对应像素点的像素值差值；第二获取单元，用于根据像素值差值，获取补偿像素点信息。
在其中一些实施例中，第二获取模块42包括：第一搜索单元，用于在第一PET图像中按照预设尺寸的搜索窗搜索像素块，记录搜索到的每个像素块中标准摄取值最大值对应的第一像素点；第一作差单元，用于从第二PET图像中提取与第一像素点坐标相同的第二像素点，将第一像素点的像素值与第二像素点的像素值作差，得到对应于预设尺寸的搜索窗的像素值差值。
在其中一些实施例中，第二获取模块42包括：计算单元，用于计算像素值差值的均值，根据均值确定补偿像素点信息。
在其中一些实施例中，第二获取模块42包括：创建单元，用于创建多个预设尺寸的搜索窗；第二搜索单元，用于在第一PET图像中按照不同尺寸的搜索窗搜索像素块，记录搜索到的每个像素块中的标准摄取值最大值对应的第一像素点；第二作差单元，用于从第二PET图像中提取与第一像素点的坐标相同的第二像素点，将第一像素点的像素值与第二像素点的像素值作差，得到对应于每个尺寸的搜索窗的像素值差值。
在其中一些实施例中，第二获取模块42包括：第三搜索单元，用于在第一PET图像中按照预设尺寸的搜索窗搜索像素块，记录搜索到的每个像素块中标准摄取值峰值所对应的多个第一像素点的像素值的平均值；计算的那元，用于从第二PET图像中提取与多个第一像素点坐标相同的多个第二像素点，计算多个第二像素点的像素值的平均值；第三作差单元，用于将多个第一像素点的像素值的平均值与多个第二像素点的像素值的平均值作差，得到对应于预设尺寸的搜索窗的像素值差值。
在其中一些实施例中，补偿模块43包括：第一叠加单元，用于将补偿像素点信息中的单个像素点的像素值和第二PET图像中单个像素点的像素值按照相同坐标进行叠加，得到第三PET图像；或者，第二叠加单元，用于将补偿像素点信息中的多个像素点的像素值的平均值和第二PET图像中的多个像素点的像素值的平均值按照相同坐标进行叠加，得到第三PET图像。
在其中一些实施例中，装置还包括：降噪模块，用于采用包括以下之一的方式对第一PET图像进行降噪处理，得到第二PET图像：高斯滤波法，非局部均值滤波法，三维块匹配法，全变分法，小波变换法，卷积神经网络法。
需要说明的是，上述各个模块可以是功能模块也可以是程序模块，既可以通过软件来实现，也可以通过硬件来实现。对于通过硬件来实现的模块而言，上述各个模块可以位于同一处理器中；或者上述各个模块还可以按照任意组合的形式分别位于不同的处理器中。
本实施例还提供了一种计算机设备，包括存储器和处理器，该存储器中存储有计算机程序，该处理器被设置为运行计算机程序以执行上述任一项方法实施例中的步骤。
可选地，上述电子装置还可以包括传输设备以及输入输出设备，其中，该传输设备和上述处理器连接，该输入输出设备和上述处理器连接。
可选地，在本实施例中，上述处理器可以被设置为通过计算机程序执行以下步骤：
步骤S101，获取第一PET图像和第二PET图像，其中，第二PET图像为第一PET图像经过降噪处理后的PET图像；
步骤S102，在第一PET图像中获取补偿像素点信息；
步骤S103，根据补偿像素点信息，补偿第二PET图像，得到第三PET图像。
需要说明的是，本实施例中的具体示例可以参考上述实施例及可选实施方式中所描述的示例，本实施例在此不再赘述。
本实施例提供的方法实施例可以在终端、计算机或者类似的运算装置中执行。以运行在终端上为例，图5是根据本申请实施例的PET图像的降噪方法的终端的硬件结构框图。如图5所示，终端可以包括一个或多个(图5中仅示出一个)处理器502(处理器502可以包括但不限于微处理器MCU或可编程逻辑器件FPGA等的处理装置)和用于存储数据的存储器504，可选地，上述终端还可以包括用于通信功能的传输设备506以及输入输出设备508。本领域普通技术人员可以理解，图5所示的结构仅为示意，其并不对上述终端的结构造成限定。例如，终端还可包括比图5中所示更多或者更少的组件，或者具有与图5所示不同的配置。
存储器504可用于存储计算机程序，例如，应用软件的软件程序以及模块，如本发明实施例中的PET图像的降噪方法对应的计算机程序，处理器502通过运行存储在存储器504内的计算机程序，从而执行各种功能应用以及数据处理，即实现上述的方法。存储器504可包括高速随机存储器，还可包括非易失性存储器，如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中，存储器504可进一步包括相对于处理器502远程设置的存储器，这些远程存储器可以通过网络连接至终端。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。
传输设备506用于经由一个网络接收或者发送数据。上述的网络具体实例可包括终端的通信供应商提供的无线网络。在一个实例中，传输设备506包括一个网络适配器(Network Interface Controller，简称为NIC)，其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中，传输设备506可以为射频(Radio Frequency，简称为RF)模块，其用于通过无线方式与互联网进行通讯。
另外，结合上述实施例中的PET图像的降噪方法，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；该计算机程序被处理器执行时实现上述实施例中的任意一种PET图像的降噪方法。
本领域的技术人员应该明白，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发明专利范围的限制。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，本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种PET图像的降噪方法，其特征在于，包括：
获取第一PET图像和第二PET图像，其中，所述第二PET图像为所述第一PET图像经过降噪处理后的PET图像；
在所述第一PET图像中获取补偿像素点信息；
根据所述补偿像素点信息，补偿所述第二PET图像，得到第三PET图像。
2.根据权利要求1所述的PET图像的降噪方法，其特征在于，在所述第一PET图像中获取补偿像素点信息包括：
获取在所述第一PET图像和所述第二PET图像内具有相同坐标的对应像素点，计算所述对应像素点的像素值差值；
根据所述像素值差值，获取所述补偿像素点信息。
3.根据权利要求2所述的PET图像的降噪方法，其特征在于，获取在所述第一PET图像和所述第二PET图像内具有相同坐标的对应像素点，计算所述对应像素点的像素值差值包括：
在所述第一PET图像中按照预设尺寸的搜索窗搜索像素块，记录搜索到的每个像素块中标准摄取值最大值对应的第一像素点；
从所述第二PET图像中提取与所述第一像素点坐标相同的第二像素点，将所述第一像素点的像素值与所述第二像素点的像素值作差，得到对应于所述预设尺寸的搜索窗的像素值差值。
4.根据权利要求2所述的PET图像的降噪方法，其特征在于，根据所述像素值差值，获取所述补偿像素点信息包括：
计算所述像素值差值的均值，根据所述均值确定所述补偿像素点信息。
5.根据权利要求4所述的PET图像的降噪方法，其特征在于，获取在所述第一PET图像和所述第二PET图像内具有相同坐标的对应像素点，计算所述对应像素点的像素值差值包括：
创建多个预设尺寸的搜索窗；
在所述第一PET图像中按照不同尺寸的搜索窗搜索像素块，记录搜索到的每个像素块中的标准摄取值最大值对应的第一像素点；
从所述第二PET图像中提取与所述第一像素点的坐标相同的第二像素点，将所述第一像素点的像素值与所述第二像素点的像素值作差，得到对应于每个尺寸的搜索窗的像素值差值。
6.根据权利要求2所述的PET图像的降噪方法，其特征在于，获取在所述第一PET图像和所述第二PET图像内具有相同坐标的对应像素点，计算所述对应像素点的像素值差值包括：
在所述第一PET图像中按照预设尺寸的搜索窗搜索像素块，记录搜索到的每个像素块中标准摄取值峰值所对应的多个第一像素点的像素值的平均值；
从所述第二PET图像中提取与所述多个第一像素点坐标相同的多个第二像素点，计算所述多个第二像素点的像素值的平均值；
将所述多个第一像素点的像素值的平均值与所述多个第二像素点的像素值的平均值作差，得到对应于所述预设尺寸的搜索窗的像素值差值。
7.根据权利要求1所述的PET图像的降噪方法，其特征在于，根据所述补偿像素点信息，补偿所述第二PET图像，得到第三PET图像包括：
将所述补偿像素点信息中的单个像素点的像素值和所述第二PET图像中单个像素点的像素值按照相同坐标进行叠加，得到所述第三PET图像；
或者，将所述补偿像素点信息中的多个像素点的像素值的平均值和所述第二PET图像中的多个像素点的像素值的平均值按照相同坐标进行叠加，得到所述第三PET图像。
8.根据权利要求1所述的PET图像的降噪方法，其特征在于，在获取第一PET图像和第二PET图像之前，所述方法还包括：
采用包括以下之一的方式对所述第一PET图像进行降噪处理，得到所述第二PET图像：高斯滤波法，非局部均值滤波法，三维块匹配法，全变分法，小波变换法，卷积神经网络法。
9.一种PET图像的降噪装置，其特征在于，包括：
第一获取模块，用于获取第一PET图像和第二PET图像，其中，所述第二PET图像为所述第一PET图像经过降噪处理后的PET图像；
第二获取模块，用于在所述第一PET图像中获取补偿像素点信息；
补偿模块，用于根据所述补偿像素点信息，补偿所述第二PET图像，得到第三PET图像。
10.一种计算机设备，包括存储器和处理器，其特征在于，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以执行权利要求1至8中任一项所述的PET图像的降噪方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010679889.6A CN111882499B (zh) | 2020-07-15 | 2020-07-15 | Pet图像的降噪方法、装置以及计算机设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010679889.6A CN111882499B (zh) | 2020-07-15 | 2020-07-15 | Pet图像的降噪方法、装置以及计算机设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111882499A true CN111882499A (zh) | 2020-11-03 |
| CN111882499B CN111882499B (zh) | 2024-04-16 |
Family
ID=73151338
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010679889.6A Active CN111882499B (zh) | 2020-07-15 | 2020-07-15 | Pet图像的降噪方法、装置以及计算机设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111882499B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2022116143A1 (zh) * | 2020-12-04 | 2022-06-09 | 深圳先进技术研究院 | Pet成像方法、装置与设备 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP2204770A2 (en) * | 2008-12-31 | 2010-07-07 | Morpho Inc. | Image processing method and image apparatus |
| US20120061576A1 (en) * | 2009-06-01 | 2012-03-15 | Koninklijke Philips Electronics N.V. | Pet detector system with improved capabilities for quantification |
| WO2014049667A1 (ja) * | 2012-09-28 | 2014-04-03 | 株式会社島津製作所 | デジタル画像処理方法および撮影装置 |
| CN105310712A (zh) * | 2014-06-11 | 2016-02-10 | 许百灵 | 核医单光子影像测量肿瘤标准摄取值的方法及系统 |
| CN106251313A (zh) * | 2016-08-15 | 2016-12-21 | 上海联影医疗科技有限公司 | 医学成像方法及系统 |
| CN107845120A (zh) * | 2017-09-27 | 2018-03-27 | 深圳先进技术研究院 | Pet图像重建方法、系统、终端和可读存储介质 |
| CN107909554A (zh) * | 2017-11-16 | 2018-04-13 | 深圳市共进电子股份有限公司 | 图像降噪方法、装置、终端设备及介质 |
| CN110246089A (zh) * | 2018-03-07 | 2019-09-17 | 舜宇光学（浙江）研究院有限公司 | 基于非局域均值滤波的Bayer域图像降噪系统及其方法 |
| CN110648290A (zh) * | 2019-09-06 | 2020-01-03 | 西安交通大学 | 一种基于sure参数优化的双核非局部均值图像去噪方法 |
-
2020
- 2020-07-15 CN CN202010679889.6A patent/CN111882499B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP2204770A2 (en) * | 2008-12-31 | 2010-07-07 | Morpho Inc. | Image processing method and image apparatus |
| US20120061576A1 (en) * | 2009-06-01 | 2012-03-15 | Koninklijke Philips Electronics N.V. | Pet detector system with improved capabilities for quantification |
| WO2014049667A1 (ja) * | 2012-09-28 | 2014-04-03 | 株式会社島津製作所 | デジタル画像処理方法および撮影装置 |
| CN105310712A (zh) * | 2014-06-11 | 2016-02-10 | 许百灵 | 核医单光子影像测量肿瘤标准摄取值的方法及系统 |
| CN106251313A (zh) * | 2016-08-15 | 2016-12-21 | 上海联影医疗科技有限公司 | 医学成像方法及系统 |
| CN107845120A (zh) * | 2017-09-27 | 2018-03-27 | 深圳先进技术研究院 | Pet图像重建方法、系统、终端和可读存储介质 |
| CN107909554A (zh) * | 2017-11-16 | 2018-04-13 | 深圳市共进电子股份有限公司 | 图像降噪方法、装置、终端设备及介质 |
| CN110246089A (zh) * | 2018-03-07 | 2019-09-17 | 舜宇光学（浙江）研究院有限公司 | 基于非局域均值滤波的Bayer域图像降噪系统及其方法 |
| CN110648290A (zh) * | 2019-09-06 | 2020-01-03 | 西安交通大学 | 一种基于sure参数优化的双核非局部均值图像去噪方法 |
Non-Patent Citations (2)
| Title |
|---|
| J. M. MEJÍA等: "Denoising of PET Images using NSCT and Quasi-Robust Potentials", 《IEEE》, pages 1 - 8 * |
| 陈雨羲等: "基于相位信息的乳腺超声图像水平集分割", 《中国医学影像技术》, vol. 31, no. 3, pages 463 - 466 * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2022116143A1 (zh) * | 2020-12-04 | 2022-06-09 | 深圳先进技术研究院 | Pet成像方法、装置与设备 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111882499B (zh) | 2024-04-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Huang et al. | A review of multimodal medical image fusion techniques | |
| Bavirisetti et al. | Fusion of MRI and CT images using guided image filter and image statistics | |
| Yang | Multimodal medical image fusion through a new DWT based technique | |
| Du et al. | Intrinsic image decomposition-based grey and pseudo-color medical image fusion | |
| Sufyan et al. | A novel multimodality anatomical image fusion method based on contrast and structure extraction | |
| Juneja et al. | Denoising of magnetic resonance imaging using Bayes shrinkage based fused wavelet transform and autoencoder based deep learning approach | |
| Al‐Ameen et al. | A new algorithm for improving the low contrast of computed tomography images using tuned brightness controlled single‐scale Retinex | |
| CN110490857B (zh) | 图像处理方法、装置、电子设备和存储介质 | |
| CN114240941B (zh) | 内窥镜图像降噪方法、设备、电子装置和存储介质 | |
| CN109754397B (zh) | 血管段中心路径的提取方法、装置、终端设备及存储介质 | |
| Polinati et al. | A review on multi-model medical image fusion | |
| CN110598696A (zh) | 医学图像扫描定位方法、医学图像扫描方法和计算机设备 | |
| Dhruv et al. | Comparative analysis of edge detection techniques for medical images of different body parts | |
| CN111882499A (zh) | Pet图像的降噪方法、装置以及计算机设备 | |
| Tripathi et al. | Denoising of magnetic resonance images using discriminative learning-based deep convolutional neural network | |
| CN113876345A (zh) | 缺血半暗带的识别方法、设备、电子装置和存储介质 | |
| Hussin et al. | A visual enhancement quality of digital medical image based on bat optimization | |
| CN114463459B (zh) | 一种pet图像的部分容积校正方法、装置、设备及介质 | |
| CN113177953B (zh) | 肝脏区域分割方法、装置、电子设备及存储介质 | |
| Mehr et al. | Deep Learning-Based Ultrasound Image Despeckling by Noise Model Estimation. | |
| Lew et al. | Adaptive Gaussian Wiener Filter for CT-Scan Images with Gaussian Noise Variance | |
| CN114037773A (zh) | 散射校正方法和设备 | |
| Goyal | Gaussian filtering based image integration for improved disease diagnosis and treatment planning | |
| Nimitha et al. | MRI super-resolution using similarity distance and multi-scale receptive field based feature fusion GAN and pre-trained slice interpolation network | |
| Bhardwaj et al. | Design and Analysis of Dual Transition Function Cellular Automata-based Filter of Brachial Plexus Ultrasound 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 | ||
| 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 |