CN111915538A - 一种用于数字血管减影的图像增强方法及系统 - Google Patents

一种用于数字血管减影的图像增强方法及系统 Download PDF

Info

Publication number
CN111915538A
CN111915538A CN202010837429.1A CN202010837429A CN111915538A CN 111915538 A CN111915538 A CN 111915538A CN 202010837429 A CN202010837429 A CN 202010837429A CN 111915538 A CN111915538 A CN 111915538A
Authority
CN
China
Prior art keywords
image
subtraction
blood vessel
noise
module
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202010837429.1A
Other languages
English (en)
Other versions
CN111915538B (zh
Inventor
李劲生
谷宇
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.)
Nanjing Perlove Medical Equipment Co Ltd
Original Assignee
Nanjing Perlove Medical Equipment 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 Nanjing Perlove Medical Equipment Co Ltd filed Critical Nanjing Perlove Medical Equipment Co Ltd
Priority to CN202010837429.1A priority Critical patent/CN111915538B/zh
Publication of CN111915538A publication Critical patent/CN111915538A/zh
Application granted granted Critical
Publication of CN111915538B publication Critical patent/CN111915538B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06T5/00—Image enhancement or restoration
    • G06T5/90—Dynamic range modification of images or parts thereof
    • 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
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/136—Segmentation; Edge detection involving thresholding
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/155—Segmentation; Edge detection involving morphological operators
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/90—Determination of colour characteristics
    • 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
    • G06T2207/30101—Blood vessel; Artery; Vein; Vascular

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Apparatus For Radiation Diagnosis (AREA)

Abstract

本发明公开了一种用于数字血管减影的增强方法及系统，包括降噪模块、减影模块、检测模块、增强模块、合成模块，对数字血管减影图像进行增强处理，降噪模块对原始图像和减影图像进行降噪处理提高图像信噪比，减影模块生成减影掩膜并输出减影图像，将降噪减影图像输入检测模块进行分析检测，搜索血管结构区域，增强模块对降噪图像进行对比度增强和动态范围调整，最后在合成模块中根据血管结构区域将降噪减影图像和增强图像进行合成，最终输出增强血管减影图像；本发明可以通过数字图像处理手段显著提高数字血管减影图像的图像质量，并大幅降低减影成像所需剂量，减少患者受到的损伤。

Description

一种用于数字血管减影的图像增强方法及系统
技术领域
本发明涉及医疗器械领域，特别是涉及用于数字血管减影图像增强方法及系统。
背景技术
介入放射学又称介入治疗学，是近年迅速发展起来的一门融合了影像诊断和临床治疗于一体的新兴学科。它是在数字减影血管造影机、CT、超声和磁共振等影像设备的引导和监视下，利用穿刺针、导管及其他介入器材，通过人体自然孔道或微小的创口将特定的器械导入人体病变部位进行微创治疗的一系列技术的总称。目前已经成为与传统的内科、外科并列的临床三大支柱性学科。介入治疗相对于外科治疗优点在于：①它无需开刀，无创口或仅需几毫米的皮肤切口，就可完成治疗，创伤小；②大部分患者只要局部麻醉而非全身麻醉，从而降低了麻醉的危险性；③对正常组织的损伤小、恢复快、住院时间短；④对于不能耐受手术的高龄危重患者或者无手术机会的患者，介入也能很好地治疗。数字血管减影(DSA)是介入手术中一种重要的功能，可以使人体内的软组织血管在X射线下显影，是大部分介入手术中的必备功能，但X射线对人体存在损害，而传统DSA过程一般采用较大剂量的X射线照射成像，所以开发新的技术，提升图像质量并降低X射线剂量具有一定现实意义。
发明内容
发明目的：为了克服现有技术的不足，本发明提供一种用于数字血管减影图像增强方法，该方法解决了现有技术中存在的图像质量低、X射线剂量高的问题，本发明还提供一种用于数字血管减影图像增强系统。
技术方案：一方面，本发明提供一种用于数字血管减影的图像增强方法，包括：
(1)通过控制X射线透视机及高压注射泵协同工作，采集X射线下的造影图像作为原始图像序列，将所述原始图像序列进行时间域的降噪，输出降噪图像；
(2)设置前若干帧所述降噪图像作为掩膜图像，与后续帧降噪后的实时图像进行对数减法的运算，进而得到减影图像；
(3)对所述减影图像进行频率域的降噪，得到降噪减影图像；
(4)对所述降噪图像进行归一化处理，根据临床经验设置参数，对特定亮度范围的兴趣灰度范围生物组织图像的灰度值进行拉伸，并抑制背景或非兴趣区域灰度范围区域进行灰度压缩，实现图像的对比度增强，再通过对图像进行多分辨率图像分解，在不同分辨率下对图像的不同细节层次信息进行不同的增强处理，再将不同分辨率下的图像进行合成，得到增强图像；
(5)通过灰度阈值处理及形态学分析，在所述降噪减影图像中搜索疑似血管区域，对这些区域加以标记并记录疑似程度；
(6)依据图像上每个像素疑似血管的程度，将增强图像与减影图像逐像素进行比例合成，输出增强减影图像或输出血管区域增强过的造影图像。
进一步的，包括：
所述步骤(1)中，将所述原始图像序列进行时间域的降噪，输出降噪图像包括：
将原始图像序列循环存储下来，超出存储空间的图像覆盖最旧的图像，将存储的图像序列中的每一帧图像乘上权重后相加，然后结果再除以所有权重之和，每帧的权重按照时间递减，完成图像的时间域降噪，输出降噪图像。
进一步的，包括：
所述步骤(2)具体包括：
将实时图像与掩膜图像的对应像素灰度值加1后进行对数运算，再乘以一个通过先 验获取的系数，先验系数是一个通过测试后人为选取的浮点数，并与后续降噪后的实时图像进行对数减法，即αLog[(A+1)/(B+1)]，图像上每个对应像素灰度值依次进行运算， 得到减影图像。
进一步的，包括：
所述步骤(3)具体包括：
对预先得到的减影图像人工选取无造影剂的局部背景图像，并进行傅里叶变换后，在频率域中找出噪声居于主导的频率分量，并记录其频域位置，在频域上对这一频率分量乘以一个0到1之间的浮点数，从而实现噪声信号的削弱。
进一步的，包括：
所述步骤(4)中，对特定亮度范围的兴趣灰度范围生物组织图像的灰度值进行拉伸，并抑制背景或非兴趣区域灰度范围区域进行灰度压缩，实现图像的对比度增强，具体包括：
构造一种特定的S形映射曲线，曲线要求：曲线在定义域0到1内时，单调不减， 1阶以上光滑连续，值域在参数β到1之间，β为0到1之间的一个浮点数，且曲线在0附近斜率大于1，1附近斜率小于1，实现在大概率为造影剂的低灰度值区间斜率大于1，对其动态范围进行拉伸并提升最低亮度，在大概率为背景的高灰度值区间斜率小于1，对其动态范围进行压缩。
进一步的，包括：
所述步骤(5)包括：
构造海森矩阵求取特征值，即求取如下矩阵的特征值：
Figure BDA0002640216540000031
其中，Ixx＝Gxx*I,Ixy＝Gxy*I,Iyy＝Gyy*I,
Figure BDA0002640216540000032
g(x,y)为二维高斯函数，I为图像
两个特征值为：
Figure BDA0002640216540000033
Figure BDA0002640216540000034
根据2个特征值λ1,λ2按照Frangi血管相似度滤波器求取这一尺度下的血管疑似程度，然后取各个尺度下的最大值作为这个像素的最终血管疑似程度，即：
Figure BDA0002640216540000035
Figure BDA0002640216540000036
Figure BDA0002640216540000037
其中，p为像素点，σ为高斯尺度因子，β、c、γ为系数。
另一方面，本发明还提供一种用于数字血管减影的图像增强系统，该系统包括降噪模块、减影模块、检测模块、增强模块、合成模块，降噪模块负责降低原始图像序列的噪声提高图像信噪比，减影模块负责生产减影掩膜和减影图像，检测模块负责检测减影图像中的疑似血管结构区域，增强模块负责调整图像的动态范围和对比度增强，合成模块将根据检测到的血管结构，将增强图像和减影图像进行合成为最终的增强血管减影图像。
有益效果：本发明与现有技术相比，其显著优点是：本发明通过对原始图像的处理得到高质量图像，对介入治疗学具有一定现实意义。
附图说明
图1是本发明所述方法流程图；
图2是本发明所述系统的结构框图。
具体实施方式
如图1所示，本发明提供一种用于数字血管减影的图像增强方法，一方面，本发明提供一种用于数字血管减影的图像增强方法，包括：
(1)通过控制X射线透视机及高压注射泵协同工作，采集X射线下的造影图像作为原始图像序列，将所述原始图像序列进行时间域的降噪，输出降噪图像；
所述步骤(1)中，将所述原始图像序列进行时间域的降噪，输出降噪图像包括：
将原始图像序列循环存储下来，超出存储空间的图像覆盖最旧的图像，将存储的图像序列中的每一帧图像乘上权重后相加，然后结果再除以所有权重之和，每帧的权重按照时间递减，完成图像的时间域降噪，输出降噪图像。
(2)设置前若干帧所述降噪图像作为掩膜图像，与后续帧降噪后的实时图像进行对数减法的运算，进而得到减影图像；
将实时图像与掩膜图像的对应像素灰度值加1后进行对数运算，再乘以一个通过先 验获取的系数，先验系数是一个通过测试后人为选取的浮点数，并与后续降噪后的实时图像进行对数减法，即αLog[(A+1)/(B+1)]，图像上每个对应像素灰度值依次进行运算， 得到减影图像。
(3)对所述减影图像进行频率域的降噪，得到降噪减影图像；
对预先得到的减影图像人工选取无造影剂的局部背景图像，并进行傅里叶变换后，在频率域中找出噪声居于主导的频率分量，并记录其频域位置，在频域上对这一频率分量乘以一个0到1之间的浮点数，从而实现噪声信号的削弱。
(4)对所述降噪图像进行归一化处理，根据临床经验设置参数，对特定亮度范围的兴趣灰度范围生物组织图像的灰度值进行拉伸，并抑制背景或非兴趣区域灰度范围区域进行灰度压缩，实现图像的对比度增强，再通过对图像进行多分辨率图像分解，在不同分辨率下对图像的不同细节层次信息进行不同的增强处理，再将不同分辨率下的图像进行合成，得到增强图像；
其中，对特定亮度范围的兴趣灰度范围生物组织图像的灰度值进行拉伸，并抑制背景或非兴趣区域灰度范围区域进行灰度压缩，实现图像的对比度增强，具体包括：
构造一种特定的S形映射曲线，曲线要求：曲线在定义域0到1内时，单调不减， 1阶以上光滑连续，值域在参数β到1之间，β为0到1之间的一个浮点数，且曲线在 0附近斜率大于1，1附近斜率小于1，实现在大概率为造影剂的低灰度值区间斜率大于 1，对其动态范围进行拉伸并提升最低亮度，在大概率为背景的高灰度值区间斜率小于1，对其动态范围进行压缩。
(5)通过灰度阈值处理及形态学分析，在所述降噪减影图像中搜索疑似血管区域，对这些区域加以标记并记录疑似程度；
构造海森矩阵求取特征值，即求取如下矩阵的特征值：
Figure BDA0002640216540000051
其中，Ixx＝Gxx*I,Ixy＝Gxy*I,Iyy＝Gyy*I,
Figure BDA0002640216540000052
g(x,y)为二维高斯函数，I为图像
两个特征值为：
Figure BDA0002640216540000053
Figure BDA0002640216540000054
根据2个特征值λ1,λ2按照Frangi血管相似度滤波器求取这一尺度下的血管疑似程度，然后取各个尺度下的最大值作为这个像素的最终血管疑似程度，即：
Figure BDA0002640216540000061
Figure BDA0002640216540000062
Figure BDA0002640216540000063
其中，p为像素点，σ为高斯尺度因子，β、c、γ为系数。
(6)依据图像上每个像素疑似血管的程度，将增强图像与减影图像逐像素进行比例合成，输出增强减影图像或输出血管区域增强过的造影图像。
即对于某个像素点p(i,j)，其对应的血管相似程度f(i,j)，增强图像灰度值e(i,j) 及减影图像灰度值s(i,j)。
则增强减影图像s′(i,j)＝s(i,j)*f(i,j)；
血管区域增强过的造影图像e′(i,j)＝e(i,j)*(1-f(i,j))+s(i,j)*f(i,j)
由于整个过程中经过图像降噪及增强处理，降低了对原始图像质量的要求，反过来降低了成像所需剂量，减少患者受到的伤害。
如图2所示，另一方面，本发明还提供一种用于数字血管减影的图像增强系统，该系统包括降噪模块、减影模块、检测模块、增强模块、合成模块，降噪模块负责降低原始图像序列的噪声提高图像信噪比，减影模块负责生产减影掩膜和减影图像，检测模块负责检测减影图像中的疑似血管结构区域，增强模块负责调整图像的动态范围和对比度增强，合成模块将根据检测到的血管结构，将增强图像和减影图像进行合成为最终的增强血管减影图像。
首先，通过控制X射线透视机及高压注射泵协同工作，采集X射线下的造影图像作为原始图像序列，所得图像序列的前若干帧为无造影剂的掩膜原始图像，后续图像为包含造影剂的实时原始图像，掩膜原始图像在后续处理中会被用来制作减影掩膜，并与后续的实时图像进行运算处理产生减影图像。
其次，将原始图像序列输入降噪模块进行递归降噪，即将原始图像序列循环存储下来，后续超出存储空间的图像会自动替代最旧的图像，根据设置每次输出的图像为最近的若干帧图像的叠加合成，叠加合成方式是按照时间远近进行加权平均，完成图像的时间域降噪，输出降噪图像。对于原始图像序列I(n)，n＝0,1,2,...,k，降噪图像 I(′k)＝(I(k)*1+I(k-1)*α1+...+I(0)*αk)/(1+α1+...+αk)，α为0到1之间的一个浮点数作为降噪系数。
采集到的原始图像序列由于X射线图像的特性包含有大量噪声信号，又由于造影图像的临床特性，图像序列中每帧之间存在时间上的相关性，可以通过在时间域进行递归降噪来降低噪声信号，提升图像的空间域分辨率，提高信噪比，而递归降噪产生的时间域模糊即拖尾现象对造影图像并无太大影响。
再次，降噪图像被输入减影模块，根据设置前若干帧作为实时掩膜图像生成减影掩膜，即将实时图像与掩膜图像的对应像素灰度值加1(防止除0)后进行对数运算，再乘以一个通过先验获取的系数，得到减影图像，先验系数是一个通过测试后人为选取的浮点数，并与后续的实时降噪图像进行对数减法，即αLog[(A+1)/(B+1)]替代A-B，即图像上每个对应像素灰度值依次进行运算。
将降噪图像序列输入减影模块，减影模块会先生成减影模板，然后对后续图像进行对数减法操作产生减影图像，排除图像上不变的成分，突出由于造影剂流动产生的差异部分，由于X射线图像的响应曲线并非线性相关而是指数性相关，故采用对数减法进行图像减法操作，产生减影图像，该种计算方法得到的效果更好。
再次，将减影图像输入降噪模块进行频率域降噪，由于减影图像背景中仍然包含有大量的X射线量子噪声，这些噪声的频率与造影剂部分图像的频率有较明显的差异，所以可以通过对其进行频率域变换去除部分频率分量，然后反变换回空间域的方法，实现对背景图像部分的噪声抑制，得到降噪减影图像，具体实现方法是通过傅里叶变换将减影图像从空间域转换到频率域，通过对频率信号进行一定的调制，削弱特定频率的信号，再反变换回空间域来实现降噪，噪声频率的筛选方法：对预先得到的样片图像人工选取无造影剂的局部背景图像进行傅里叶变换，在频率域中找出噪声居于主导的频率分量，并记录其频域位置，降噪时调用这一信息，在频域上对这一频率分量乘以一个0到1之间的浮点数，从而实现噪声信号的削弱。
再次，降噪图像还被输入增强模块，对其进行伽马调整和多分辨率增强，调整动态范围和增强对比度，通过分析图像的动态范围并进行归一化的处理，即对图像进行直方图分析，将最暗的像素灰度值定义为0，最亮的像素灰度值定义为1.0，其他像素值线性变换。根据临床经验设置参数，对特定亮度范围的兴趣灰度范围生物组织图像的灰度值进行拉伸，并抑制背景或非兴趣区域灰度范围区域进行灰度压缩，实现图像的对比度增强，即构造一种特定的S形映射曲线，曲线要求：曲线在定义域0到1内时，单调不减， 1阶以上光滑连续，值域在参数β到1之间，β为0到1之间的一个浮点数，且曲线在 0附近斜率大于1，1附近斜率小于1，实现在大概率为造影剂的低灰度值区间斜率大于 1对其动态范围进行拉伸并提升最低亮度，在大概率为背景的高灰度值区间斜率小于1 对其动态范围进行压缩，再通过对图像进行多分辨率图像分解，在不同分辨率下对图像的不同细节层次信息进行不同的增强处理，再将不同分辨率下的图像进行合成，得到增强图像，实现方法是采用拉普拉斯金字塔法对图像进行分解，得到不同尺度空间的子图像，在不同尺度空间中分别进行调制，然后再合成为增强图像。
再次，将降噪减影图像输入检测模块，由于减影图像上的造影剂部分在图像灰度值和形态上有一定的规律性，即造影剂标识的血管区域类似于某种管状结构，可以通过灰度阈值处理及形态学分析，搜索疑似血管区域，对这些区域加以标记并记录疑似程度，即通过设计一种滤波器，计算各个像素附近存在管状结构的可能性，并归一化为一个0 到1之间的数值，作为后续合成图像的依据，具体的方法是：先将图像进行多尺度分解，然后在各个尺度上对图像求取三个高斯二阶偏微分卷积值gxx、gxy和gyy，构造海森矩阵并求取特征值，根据2个特征值按照Frangi血管相似度滤波器求取这一尺度下的血管疑似程度，然后取各个尺度下的最大值作为这个像素的最终血管疑似程度。
构造一种特定的S形映射曲线，曲线要求：曲线在定义域0到1内时，单调不减， 1阶以上光滑连续，值域在参数β到1之间，β为0到1之间的一个浮点数，且曲线在 0附近斜率大于1，1附近斜率小于1，实现在大概率为造影剂的低灰度值区间斜率大于 1，对其动态范围进行拉伸并提升最低亮度，在大概率为背景的高灰度值区间斜率小于1，对其动态范围进行压缩。
进一步的，包括：
所述步骤(5)包括：
构造海森矩阵求取特征值，即求取如下矩阵的特征值：
Figure BDA0002640216540000081
其中，Ixx＝Gxx*I,Ixy＝Gxy*I,Iyy＝Gyy*I,
Figure BDA0002640216540000091
g(x,y)为二维高斯函数，I为图像
两个特征值为：
Figure BDA0002640216540000092
Figure BDA0002640216540000093
根据2个特征值λ1,λ2按照Frangi血管相似度滤波器求取这一尺度下的血管疑似程度，然后取各个尺度下的最大值作为这个像素的最终血管疑似程度，即：
Figure BDA0002640216540000094
Figure BDA0002640216540000095
Figure BDA0002640216540000096
其中，p为像素点，σ为高斯尺度因子，β、c、γ为系数。
对降噪减影图像进行分析检测，搜索疑似血管结构区域，排除非血管结构区域，在后续合成增强图像过程中可以避免对减影图像背景增强，提高减影图像信噪比。
最后，将降噪减影图像、血管结构和增强图像输入合成模块，对疑似血管区域根据疑似程度将减影图像域增强图像进行合成处理，即依据前述中图像上每个像素疑似血管的程度，将增强图像与减影图像逐像素进行比例合成，输出增强减影图像或输出血管区域增强过的造影图像。即对于某个像素点p(i,j)，其对应的血管相似程度f(i,j)，增强图像灰度值e(i,j)及减影图像灰度值s(i,j)。
则增强减影图像s′(i,j)＝s(i,j)*f(i,j)；
血管区域增强过的造影图像e′(i,j)＝e(i,j)*(1-f(i,j))+s(i,j)*f(i,j)
由于整个过程中经过图像降噪及增强处理，降低了对原始图像质量的要求，反过来降低了成像所需剂量，减少患者受到的伤害。

Claims (7)

1.一种用于数字血管减影的图像增强方法，其特征在于，包括：
(1)通过控制X射线透视机及高压注射泵协同工作，采集X射线下的造影图像作为原始图像序列，将所述原始图像序列进行时间域的降噪，输出降噪图像；
(2)设置前若干帧所述降噪图像作为掩膜图像，与后续帧降噪后的实时图像进行对数减法的运算，进而得到减影图像；
(3)对所述减影图像进行频率域的降噪，得到降噪减影图像；
(4)对所述降噪图像进行归一化处理，根据临床经验设置参数，对特定亮度范围的兴趣灰度范围生物组织图像的灰度值进行拉伸，并抑制背景或非兴趣区域灰度范围区域进行灰度压缩，实现图像的对比度增强，再通过对图像进行多分辨率图像分解，在不同分辨率下对图像的不同细节层次信息进行不同的增强处理，再将不同分辨率下的图像进行合成，得到增强图像；
(5)通过灰度阈值处理及形态学分析，在所述降噪减影图像中搜索疑似血管区域，对这些区域加以标记并记录疑似程度；
(6)依据图像上每个像素疑似血管的程度，将增强图像与减影图像逐像素进行比例合成，输出增强减影图像或输出血管区域增强过的造影图像。
2.根据权利要求1所述的用于数字血管减影的图像增强方法，其特征在于，所述步骤(1)中，将所述原始图像序列进行时间域的降噪，输出降噪图像包括：
将原始图像序列循环存储下来，超出存储空间的图像覆盖最旧的图像，将存储的图像序列中的每一帧图像乘上权重后相加，然后结果再除以所有权重之和，每帧的权重按照时间递减，完成图像的时间域降噪，输出降噪图像。
3.根据权利要求1所述的用于数字血管减影的图像增强方法，其特征在于，所述步骤(2)具体包括：
将实时图像与掩膜图像的对应像素灰度值加1后进行对数运算，再乘以一个通过先验获取的系数，先验系数是一个通过测试后人为选取的浮点数，并与后续降噪后的实时图像进行对数减法，即αLog[(A+1)/(B+1)]，图像上每个对应像素灰度值依次进行运算，得到减影图像。
4.根据权利要求1所述的用于数字血管减影的图像增强方法，其特征在于，所述步骤(3)具体包括：
对预先得到的减影图像人工选取无造影剂的局部背景图像，并进行傅里叶变换后，在频率域中找出噪声居于主导的频率分量，并记录其频域位置，在频域上对这一频率分量乘以一个0到1之间的浮点数，从而实现噪声信号的削弱。
5.根据权利要求1所述的用于数字血管减影的图像增强方法，其特征在于，所述步骤(4)中，对特定亮度范围的兴趣灰度范围生物组织图像的灰度值进行拉伸，并抑制背景或非兴趣区域灰度范围区域进行灰度压缩，实现图像的对比度增强，具体包括：
构造一种特定的S形映射曲线，曲线要求：曲线在定义域0到1内时，单调不减，1阶以上光滑连续，值域在参数β到1之间，β为0到1之间的一个浮点数，且曲线在0附近斜率大于1，1附近斜率小于1，实现在大概率为造影剂的低灰度值区间斜率大于1，对其动态范围进行拉伸并提升最低亮度，在大概率为背景的高灰度值区间斜率小于1，对其动态范围进行压缩。
6.根据权利要求1所述的用于数字血管减影的图像增强方法，其特征在于，所述步骤(5)包括：
构造海森矩阵求取特征值，即求取如下矩阵的特征值：
Figure FDA0002640216530000021
其中，Ixx＝Gxx*I,Ixy＝Gxy*I,Iyy＝Gyy*I,
Figure FDA0002640216530000022
g(x,y)为二维高斯函数，I为图像
两个特征值为：
Figure FDA0002640216530000023
Figure FDA0002640216530000024
根据2个特征值λ1,λ2按照Frangi血管相似度滤波器求取这一尺度下的血管疑似程度，然后取各个尺度下的最大值作为这个像素的最终血管疑似程度，即：
Figure FDA0002640216530000031
Figure FDA0002640216530000032
Figure FDA0002640216530000033
其中，p为像素点，σ为高斯尺度因子，β、c、γ为系数。
7.一种用于数字血管减影的图像增强系统，其特征在于，该系统包括降噪模块、减影模块、检测模块、增强模块、合成模块，降噪模块负责降低原始图像序列的噪声提高图像信噪比，减影模块负责生产减影掩膜和减影图像，检测模块负责检测减影图像中的疑似血管结构区域，增强模块负责调整图像的动态范围和对比度增强，合成模块将根据检测到的血管结构，将增强图像和减影图像进行合成为最终的增强血管减影图像。
CN202010837429.1A 2020-08-19 2020-08-19 一种用于数字血管减影的图像增强方法及系统 Active CN111915538B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010837429.1A CN111915538B (zh) 2020-08-19 2020-08-19 一种用于数字血管减影的图像增强方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010837429.1A CN111915538B (zh) 2020-08-19 2020-08-19 一种用于数字血管减影的图像增强方法及系统

Publications (2)

Publication Number Publication Date
CN111915538A true CN111915538A (zh) 2020-11-10
CN111915538B CN111915538B (zh) 2024-03-19

Family

ID=73279844

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010837429.1A Active CN111915538B (zh) 2020-08-19 2020-08-19 一种用于数字血管减影的图像增强方法及系统

Country Status (1)

Country Link
CN (1) CN111915538B (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113902746A (zh) * 2021-12-13 2022-01-07 北京唯迈医疗设备有限公司 医学图像中血管导丝提取方法、系统、电子设备及介质
CN114037626A (zh) * 2021-10-28 2022-02-11 上海联影医疗科技股份有限公司 血管成像方法、装置、设备及存储介质
CN114170143A (zh) * 2021-11-11 2022-03-11 复旦大学 数字减影血管造影中的动脉瘤检测和破裂风险预测方法
CN114581443A (zh) * 2022-05-06 2022-06-03 中科慧远视觉技术(北京)有限公司 一种图像处理方法、装置、计算机设备和可读存储介质
CN114638757A (zh) * 2022-03-17 2022-06-17 苏州工业园区智在天下科技有限公司 降噪方法、装置、终端及计算机可读存储介质

Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4444196A (en) * 1982-06-21 1984-04-24 Diagnostic Technology, Inc. Digital intravenous subtraction angiography
CN101051384A (zh) * 2007-05-14 2007-10-10 华中科技大学 自适应增强数字减影血管造影图像的方法
US20080137935A1 (en) * 2006-12-06 2008-06-12 Siemens Medical Solutions Usa, Inc. Locally Adaptive Image Enhancement For Digital Subtraction X-Ray Imaging
US20100157041A1 (en) * 2007-03-08 2010-06-24 Sync-Rx, Ltd. Automatic stabilization of an image stream of a moving organ
CN102346911A (zh) * 2010-07-28 2012-02-08 北京集翔多维信息技术有限公司 在数字减影血管造影图像序列中分割血管的方法
CN102512188A (zh) * 2005-06-06 2012-06-27 拜耳医药股份有限公司 用于图形显示受检查对象的x射线装置以及x射线装置的使用
CN102663709A (zh) * 2012-04-28 2012-09-12 大连海事大学 一种x射线冠脉造影图像血管增强方法
CN103679801A (zh) * 2013-12-01 2014-03-26 北京航空航天大学 一种基于多视角x光片的心血管三维重建方法
CN103876764A (zh) * 2013-11-21 2014-06-25 沈阳东软医疗系统有限公司 一种血管显影方法及装置
CN104156931A (zh) * 2014-09-04 2014-11-19 成都金盘电子科大多媒体技术有限公司 一种新的数字减影血管造影方法
CN104463815A (zh) * 2014-11-24 2015-03-25 东软集团股份有限公司 Dsa图像生成方法及系统
CN106803241A (zh) * 2017-01-20 2017-06-06 深圳市安健科技股份有限公司 血管造影图像的处理方法及装置
US20170228863A1 (en) * 2016-02-04 2017-08-10 Philipp Bernhardt Determining a navigation image to be displayed

Patent Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4444196A (en) * 1982-06-21 1984-04-24 Diagnostic Technology, Inc. Digital intravenous subtraction angiography
CN102512188A (zh) * 2005-06-06 2012-06-27 拜耳医药股份有限公司 用于图形显示受检查对象的x射线装置以及x射线装置的使用
US20080137935A1 (en) * 2006-12-06 2008-06-12 Siemens Medical Solutions Usa, Inc. Locally Adaptive Image Enhancement For Digital Subtraction X-Ray Imaging
US20100157041A1 (en) * 2007-03-08 2010-06-24 Sync-Rx, Ltd. Automatic stabilization of an image stream of a moving organ
CN101051384A (zh) * 2007-05-14 2007-10-10 华中科技大学 自适应增强数字减影血管造影图像的方法
CN102346911A (zh) * 2010-07-28 2012-02-08 北京集翔多维信息技术有限公司 在数字减影血管造影图像序列中分割血管的方法
CN102663709A (zh) * 2012-04-28 2012-09-12 大连海事大学 一种x射线冠脉造影图像血管增强方法
CN103876764A (zh) * 2013-11-21 2014-06-25 沈阳东软医疗系统有限公司 一种血管显影方法及装置
CN103679801A (zh) * 2013-12-01 2014-03-26 北京航空航天大学 一种基于多视角x光片的心血管三维重建方法
CN104156931A (zh) * 2014-09-04 2014-11-19 成都金盘电子科大多媒体技术有限公司 一种新的数字减影血管造影方法
CN104463815A (zh) * 2014-11-24 2015-03-25 东软集团股份有限公司 Dsa图像生成方法及系统
US20170228863A1 (en) * 2016-02-04 2017-08-10 Philipp Bernhardt Determining a navigation image to be displayed
CN106803241A (zh) * 2017-01-20 2017-06-06 深圳市安健科技股份有限公司 血管造影图像的处理方法及装置

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114037626A (zh) * 2021-10-28 2022-02-11 上海联影医疗科技股份有限公司 血管成像方法、装置、设备及存储介质
CN114170143A (zh) * 2021-11-11 2022-03-11 复旦大学 数字减影血管造影中的动脉瘤检测和破裂风险预测方法
CN113902746A (zh) * 2021-12-13 2022-01-07 北京唯迈医疗设备有限公司 医学图像中血管导丝提取方法、系统、电子设备及介质
CN114638757A (zh) * 2022-03-17 2022-06-17 苏州工业园区智在天下科技有限公司 降噪方法、装置、终端及计算机可读存储介质
CN114638757B (zh) * 2022-03-17 2024-08-02 苏州工业园区智在天下科技有限公司 降噪方法、装置、终端及计算机可读存储介质
CN114581443A (zh) * 2022-05-06 2022-06-03 中科慧远视觉技术(北京)有限公司 一种图像处理方法、装置、计算机设备和可读存储介质

Also Published As

Publication number Publication date
CN111915538B (zh) 2024-03-19

Similar Documents

Publication Publication Date Title
CN111915538B (zh) 一种用于数字血管减影的图像增强方法及系统
Kang et al. Deep convolutional framelet denosing for low-dose CT via wavelet residual network
CN108961237B (zh) 一种基于卷积神经网络的低剂量ct图像分解方法
Ouahabi A review of wavelet denoising in medical imaging
KR101689867B1 (ko) 영상을 처리하는 방법, 이를 수행하는 영상처리장치 및 의료영상시스템
EP3224800B1 (en) Simulating dose increase by noise model based multi scale noise reduction
CN109166161A (zh) 一种基于噪声伪影抑制卷积神经网络的低剂量ct图像处理系统
JP5422761B2 (ja) データ処理装置
CN106530236B (zh) 一种医学图像处理方法及系统
CN104574284A (zh) 一种数字x射线图像对比度增强处理方法
Mredhula et al. An extensive review of significant researches on medical image denoising techniques
CN115984394A (zh) 一种联合先验图像及卷积稀疏网络的低剂量ct重建方法
CN106228520B (zh) 图像增强方法及装置
Thakur et al. Medical image denoising using convolutional neural networks
CN113205461B (zh) 一种低剂量ct影像去噪模型训练方法、去噪方法及装置
Qin et al. Extracting cardiac myofiber orientations from high frequency ultrasound images
CN111462266A (zh) 图像重建方法、装置、ct设备及ct系统
CN116167929A (zh) 基于残差多尺度特征提取的低剂量ct图像去噪网络
Fonseca et al. X-ray image enhancement: A technique combination approach
Saoji et al. Speckle and rician noise removal from medical images and Ultrasound images
Singh et al. An advanced technique of de-noising medical images using ANFIS
Mishro et al. MR image enhancement using stationary wavelet transform based approach
CN113379868A (zh) 基于卷积稀疏编码网络的低剂量ct图像噪声伪影分解方法
Ouahabi Image Denoising using Wavelets: Application in Medical Imaging
Maria et al. De-noising low dose CT images of the ovarian region using modified discrete wavelet transform

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