CN112053329B - 骨硬化系数的获取方法、装置、存储介质和电子设备 - Google Patents

骨硬化系数的获取方法、装置、存储介质和电子设备 Download PDF

Info

Publication number
CN112053329B
CN112053329B CN202010852312.0A CN202010852312A CN112053329B CN 112053329 B CN112053329 B CN 112053329B CN 202010852312 A CN202010852312 A CN 202010852312A CN 112053329 B CN112053329 B CN 112053329B
Authority
CN
China
Prior art keywords
image
bone
scanning
water
target
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
CN202010852312.0A
Other languages
English (en)
Other versions
CN112053329A (zh
Inventor
逄岭
虞跃洋
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.)
Neusoft Medical Systems Co Ltd
Original Assignee
Neusoft Medical Systems 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 Neusoft Medical Systems Co Ltd filed Critical Neusoft Medical Systems Co Ltd
Priority to CN202010852312.0A priority Critical patent/CN112053329B/zh
Publication of CN112053329A publication Critical patent/CN112053329A/zh
Application granted granted Critical
Publication of CN112053329B publication Critical patent/CN112053329B/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
    • 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
    • G06T11/00—2D [Two Dimensional] image generation
    • G06T11/003—Reconstruction from projections, e.g. tomography
    • G06T11/008—Specific post-processing after tomographic reconstruction, e.g. voxelisation, metal artifact correction
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00—Geometric image transformations in the plane of the image
    • G06T3/08—Projecting images onto non-planar surfaces, e.g. geodetic screens
    • 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
    • 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
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30008—Bone

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Quality & Reliability (AREA)
  • Apparatus For Radiation Diagnosis (AREA)

Abstract

本公开涉及一种骨硬化系数的获取方法、装置、存储介质和电子设备，涉及图像处理技术领域，该方法包括：控制扫描设备按照目标扫描参数扫描预设的标准模体，以获取标准模体对应的原始扫描图像，将原始扫描图像分割为标准模体对应的骨图像和水图像，对骨图像进行拉东变换，得到骨图像的投影数据，对投影数据进行拉东反变换，得到骨图像的基图像，根据原始扫描图像、水图像和基图像，确定扫描设备按照目标扫描参数扫描对应的骨硬化系数，骨硬化系数用于对原始扫描图像中的骨伪影进行校正。本公开根据标准模体的原始扫描图像、水图像和基图像，在图像域中确定骨硬化系数，能够快速、准确地获取适用于目标扫描参数的骨硬化系数。

Description

骨硬化系数的获取方法、装置、存储介质和电子设备
技术领域
本公开涉及图像处理技术领域，具体地，涉及一种骨硬化系数的获取方法、装置、存储介质和电子设备。
背景技术
随着图像处理技术的不断发展，CT(英文：Computed Tomography，中文：电子计算机断层扫描)设备在医疗领域得到了广泛应用。CT设备是利用精确准直的射线(例如：X射线、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断面扫描，以得到该部位的CT图像。CT设备具有扫描时间快，图像清晰等特点，能够有效辅助医生观察该部位的状况。
由于X射线在穿透骨结构时，较低能量的光子被大量吸收，使透射过骨结构后的剩余光子的平均能量升高，产生了线束硬化效应(英文：Beam-Hardening Effect)，造成CT图像上存在低密度带影，即骨伪影。为了使得CT图像能够准确地反映被扫描部位的状况，需要对骨伪影进行校正。通常情况下，在对骨伪影进行校正时，需要预先获取骨硬化系数。针对不同的CT设备，球管电压的可选范围、射线过滤数量的可选范围等扫描参数均可能不同，而不同的扫描参数对应的骨硬化系数也各不相同，因此很难获取准确的骨硬化系数。
发明内容
本公开的目的是提供一种骨硬化系数的获取方法、装置、存储介质和电子设备，用以解决现有技术中存在的骨硬化系数获取困难的问题。
为了实现上述目的，根据本公开实施例的第一方面，提供一种骨硬化系数的获取方法，所述方法包括：
控制扫描设备按照目标扫描参数扫描预设的标准模体，以获取所述标准模体对应的原始扫描图像；
将所述原始扫描图像分割为所述标准模体对应的骨图像和水图像；
对所述骨图像进行拉东变换，得到所述骨图像的投影数据；
对所述投影数据进行拉东反变换，得到所述骨图像的基图像；
根据所述原始扫描图像、所述水图像和所述基图像，确定所述扫描设备按照所述目标扫描参数扫描对应的骨硬化系数，所述骨硬化系数用于对所述原始扫描图像中的骨伪影进行校正。
可选地，所述将所述原始扫描图像分割为所述标准模体对应的骨图像和水图像，包括：
将所述原始扫描图像中扫描值大于或等于分割阈值的部分，作为所述骨图像；
将所述原始扫描图像中，所述标准模体中的水层所在区域对应的部分，作为所述水图像。
可选地，所述对所述骨图像进行拉东变换，得到所述骨图像的投影数据，包括：
对所述骨图像进行拉东变换，得到所述骨图像在指定数量个维度上的，所述指定数量个所述投影数据；
所述对所述投影数据进行拉东反变换，得到所述骨图像的基图像，包括：
对所述指定数量个所述投影数据进行拉东反变换，得到所述指定数量个所述基图像。
可选地，所述骨硬化系数为所述指定数量个；所述根据所述原始扫描图像、所述水图像和所述基图像，确定所述扫描设备按照所述目标扫描参数扫描对应的骨硬化系数，包括：
按照任一待选系数组对所述指定数量个所述基图像进行多项式拟合，得到该待选系数组对应的骨伪影图像，任一待选系数组包括所述指定数量个待选系数；
将所述原始扫描图像与该待选系数组对应的骨伪影图像的差值，与掩模矩阵相乘，得到该待选系数组对应的校正水图像，所述掩模矩阵为根据所述标准模体中的水层所在区域确定的；
确定所述水图像与该待选系数组对应的校正水图像之间的欧式距离；
将最小待选系数组包括的所述指定数量个待选系数，作为所述指定数量个所述骨硬化系数，所述水图像与所述最小待选系数组对应的校正水图像之间的欧式距离最小。
可选地，所述骨硬化系数为所述指定数量个；所述根据所述原始扫描图像、所述水图像和所述基图像，确定所述扫描设备按照所述目标扫描参数扫描对应的骨硬化系数，包括：
将所述指定数量个所述骨硬化系数作为变量，按照所述指定数量个所述骨硬化系数对所述指定数量个所述骨图像进行多项式拟合，得到骨伪影图像；
将所述原始扫描图像与所述骨伪影图像的差值，与掩模矩阵相乘，得到校正水图像，所述掩模矩阵为根据所述标准模体中的水层所在区域确定的；
令所述校正水图像等于所述水图像，以构建齐次方程组；
对所述齐次方程组求解，以得到所述指定数量个所述骨硬化系数。
可选地，在所述根据所述原始扫描图像、所述水图像和所述基图像，确定所述扫描设备按照所述目标扫描参数扫描对应的骨硬化系数之后，所述方法还包括：
控制所述扫描设备按照所述目标扫描参数扫描待测物体，以获取所述待测物体对应的目标扫描图像；
将所述目标扫描图像分割为所述待测物体对应的目标骨图像；
对所述目标骨图像进行拉东变换，得到所述目标骨图像的目标投影数据；
对所述目标投影数据进行拉东反变换，得到所述目标骨图像对应的目标基图像；
按照所述骨硬化系数对所述目标基图像进行多项式拟合，得到目标骨伪影图像；
根据所述目标骨伪影图像对所述目标扫描图像进行校正。
根据本公开实施例的第二方面，提供一种骨硬化系数的获取装置，所述装置包括：
扫描模块，用于控制扫描设备按照目标扫描参数扫描预设的标准模体，以获取所述标准模体对应的原始扫描图像；
分割模块，用于将所述原始扫描图像分割为所述标准模体对应的骨图像和水图像；
处理模块，用于对所述骨图像进行拉东变换，得到所述骨图像的投影数据；
所述处理模块，还用于对所述投影数据进行拉东反变换，得到所述骨图像的基图像；
确定模块，用于根据所述原始扫描图像、所述水图像和所述基图像，确定所述扫描设备按照所述目标扫描参数扫描对应的骨硬化系数，所述骨硬化系数用于对所述原始扫描图像中的骨伪影进行校正。
可选地，所述分割模块包括：
第一分割子模块，用于将所述原始扫描图像中扫描值大于或等于分割阈值的部分，作为所述骨图像；
第二分割子模块，用于将所述原始扫描图像中，所述标准模体中的水层所在区域对应的部分，作为所述水图像。
可选地，所述处理模块用于：
对所述骨图像进行拉东变换，得到所述骨图像在指定数量个维度上的，所述指定数量个所述投影数据；
对所述指定数量个所述投影数据进行拉东反变换，得到所述指定数量个所述基图像。
可选地，所述骨硬化系数为所述指定数量个；所述确定模块包括：
第一拟合子模块，用于按照任一待选系数组对所述指定数量个所述基图像进行多项式拟合，得到该待选系数组对应的骨伪影图像，任一待选系数组包括所述指定数量个待选系数；
第一确定子模块，用于将所述原始扫描图像与该待选系数组对应的骨伪影图像的差值，与掩模矩阵相乘，得到该待选系数组对应的校正水图像，所述掩模矩阵为根据所述标准模体中的水层所在区域确定的；
第二确定子模块，用于确定所述水图像与该待选系数组对应的校正水图像之间的欧式距离；
选择子模块，用于将最小待选系数组包括的所述指定数量个待选系数，作为所述指定数量个所述骨硬化系数，所述水图像与所述最小待选系数组对应的校正水图像之间的欧式距离最小。
可选地，所述骨硬化系数为所述指定数量个；所述确定模块包括：
第二拟合子模块，用于将所述指定数量个所述骨硬化系数作为变量，按照所述指定数量个所述骨硬化系数对所述指定数量个所述骨图像进行多项式拟合，得到骨伪影图像；将所述原始扫描图像与所述骨伪影图像的差值，与掩模矩阵相乘，得到校正水图像，所述掩模矩阵为根据所述标准模体中的水层所在区域确定的；
构建子模块，用于令所述校正水图像等于所述水图像，以构建齐次方程组；
第三确定子模块，用于对所述齐次方程组求解，以得到所述指定数量个所述骨硬化系数。
可选地，所述扫描模块还用于：
在所述根据所述原始扫描图像、所述水图像和所述基图像，确定所述扫描设备按照所述目标扫描参数扫描对应的骨硬化系数之后，控制所述扫描设备按照所述目标扫描参数扫描待测物体，以获取所述待测物体对应的目标扫描图像；
所述分割模块，还用于将所述目标扫描图像分割为所述待测物体对应的目标骨图像；
所述处理模块，还用于对所述目标骨图像进行拉东变换，得到所述目标骨图像的目标投影数据；
所述处理模块，还用于对所述目标投影数据进行拉东反变换，得到所述目标骨图像对应的目标基图像；
所述装置还包括：
拟合模块，用于按照所述骨硬化系数对所述目标基图像进行多项式拟合，得到目标骨伪影图像；
校正模块，用于根据所述目标骨伪影图像对所述目标扫描图像进行校正。
根据本公开实施例的第三方面，提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现本公开实施例的第一方面所述方法的步骤。
根据本公开实施例的第四方面，提供一种电子设备，包括：
存储器，其上存储有计算机程序；
处理器，用于执行所述存储器中的所述计算机程序，以实现本公开实施例的第一方面所述方法的步骤。
通过上述技术方案，本公开首先控制扫描设备按照目标扫描参数扫描预设的标准模体，以得到标准模体对应的原始扫描图像，之后将原始扫描图像分割为标准模体对应的骨图像和水图像，再对分割得到的骨图像进行拉东变换，得到骨图像的投影数据，然后对投影数据进行拉东反变换，得到骨图像的基图像，最后根据原始扫描图像、水图像和基图像，确定扫描设备按照目标扫描参数扫描对应的骨硬化系数，其中，骨硬化系数用于对原始扫描图像中的骨伪影进行校正。本公开通过对标准模体的原始扫描图像进行分割，得到骨图像和水图像，进一步利用拉东变换的线性特征，确定骨图像的基图像，从而根据原始扫描图像、水图像，和基图像，在图像域中确定骨硬化系数，能够快速、准确地获取适用于目标扫描参数的骨硬化系数。
本公开的其他特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
附图是用来提供对本公开的进一步理解，并且构成说明书的一部分，与下面的具体实施方式一起用于解释本公开，但并不构成对本公开的限制。在附图中：
图1是根据一示例性实施例示出的一种骨硬化系数的获取方法的流程图；
图2是根据一示例性实施例示出的另一种骨硬化系数的获取方法的流程图；
图3是根据一示例性实施例示出的另一种骨硬化系数的获取方法的流程图；
图4是根据一示例性实施例示出的另一种骨硬化系数的获取方法的流程图；
图5是根据一示例性实施例示出的另一种骨硬化系数的获取方法的流程图；
图6是根据一示例性实施例示出的校正前后的扫描图像的示意图；
图7是根据一示例性实施例示出的一种骨硬化系数的获取装置的框图；
图8是根据一示例性实施例示出的另一种骨硬化系数的获取装置的框图；
图9是根据一示例性实施例示出的另一种骨硬化系数的获取装置的框图；
图10是根据一示例性实施例示出的另一种骨硬化系数的获取装置的框图；
图11是根据一示例性实施例示出的另一种骨硬化系数的获取装置的框图；
图12是根据一示例性实施例示出的一种电子设备的框图。
具体实施方式
这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
本公开中通过对标准模体的原始扫描图像进行分割，得到骨图像和水图像，进一步利用拉东变换的线性特征，确定骨图像的基图像，由于图像域上可以直接反映CT值的变化趋势，并且可视化的图像能够直观、准确地确定标准模体中的水层所在的区域，因此根据原始扫描图像、水图像，和基图像，在图像域中确定骨硬化系数，能够快速、准确地获取适用于目标扫描参数的骨硬化系数，从而提高了骨伪影校正的效率和准确度。
图1是根据一示例性实施例示出的一种骨硬化系数的获取方法的流程图，如图1所示，该方法可以包括以下步骤：
步骤101，控制扫描设备按照目标扫描参数扫描预设的标准模体，以获取标准模体对应的原始扫描图像。
举例来说，扫描设备可以按照多种扫描参数对待测物体进行扫描，其中，扫描设备可以是CT设备，也可以是其他利用射线扫描获取图像的扫描设备，本公开对此不作具体限定。扫描参数可以是一个参数，也可以是多个参数的组合，例如可以包括球管电压、射线过滤数量，还可以包括扫描方式、螺旋螺距、图像厚度等。若需要获取适用于目标扫描参数的骨硬化系数，可以控制扫描设备按照目标扫描参数扫描预设的标准模体，此时扫描设备直接输出的，未经处理的图像即为标准模体对应的原始扫描图像。标准模体可以理解为结构、形状、尺寸已知的标准件，标准模体的结构可以分为两部分：骨层和水层，其中骨层可以是利用与人体骨骼密度接近的材料组成的，水层可以是水组成的，水的密度与人体器官的密度接近。
步骤102，将原始扫描图像分割为标准模体对应的骨图像和水图像。
示例的，在得到原始扫描图像之后，可以按照预设规则对原始扫描图像进行分割，以得到标准模体对应的骨图像和水图像。由于原始扫描图像中存在骨伪影，导致原始扫描图像中骨部分与水部分之间的相邻的区域变得模糊，不清楚。因此可以按照预设的分割阈值，先将原始扫描图像中大于或等于分割阈值的部分作为标准模体对应的骨图像，分割出的骨图像中包括了骨伪影的部分。进一步的，由于射线在穿透水时，不会发生线束硬化效应，因此可以直接根据标准模体中水层所在的区域，确定原始扫描图像中的水部分，即为水图像。由于标准模体的结构、形状、尺寸已知，能够直观、准确地确定标准模体的中水层所在的区域，因此可以保证水图像的准确度。
步骤103，对骨图像进行拉东变换，得到骨图像的投影数据。
步骤104，对投影数据进行拉东反变换，得到骨图像的基图像。
示例的，可以先对骨图像进行拉东(英文：Radon)变换，得到骨图像的投影数据，投影数据可以理解为，将图像空间中的骨图像，映射到另一个空间上的数据，投影数据可以包括在多个维度上的投影数据，例如可以将n个维度上的投影数据作为一个投影向量来表示，即q＝(qn,qn-1,...,qi,...,q1)，其中，q表示投影向量，qi表示n个维度中第i个维度上的投影数据。如果假设骨硬化系数已知，那么骨图像中的骨伪影对应的投影值可以拟合为：q'＝c1qn+c2qn-1+…+ciqi+…+cnq1+cn+1，其中，q'表示骨伪影对应的投影值，(c1,c2,…,ci,…,cn,cn+1)表示骨硬化系数。
由于拉东变换具有线性特征，因此可以通过对投影数据进行拉东反变换，以得到骨图像的基图像，即R-1(q)＝[fn(x,y),fn-1(x,y),…,fi(x,y),…,f1(x,y)]，其中R-1(q)表示对投影数据进行拉东反变换，fi(x,y)表示第i个基图像，x，y表示图像域中的坐标值。有多少个维度的投影数据，拉东反变换就能得到多少个基图像，可以理解为骨图像是由多个基图像组合而成的。相应的，由于拉东变换具有线性特征，如果假设骨硬化系数已知，那么可以根据骨硬化系数和基图像进行多项式拟合得到骨伪影对应的图像：(c1,c2,…,ci,…,cn,cn+1)TR-1(q)。
步骤105，根据原始扫描图像、水图像和基图像，确定扫描设备按照目标扫描参数扫描对应的骨硬化系数，骨硬化系数用于对原始扫描图像中的骨伪影进行校正。
示例的，可以将原始扫描图像与骨伪影对应的图像的差，作为校正图像(可以理解为按照假定的骨硬化系数，对原始扫描图像进行校正后得到的图像)。之后，根据标准模体中水层所在的区域，提取出校正图像中的水部分作为校正水图像。最后将校正水图像与步骤102中分割得到的水图像进行比较，以确定骨硬化系数。骨硬化系数的目的是去除原始扫描图像中的骨伪影，因此，如果骨硬化系数准确，那么根据骨硬化系数和基图像拟合得到的骨伪影对应的图像，应当能够准确反映出原始扫描图像中的骨伪影。相应的原始扫描图像与骨伪影对应的图像的差，应当为去除了伪影的图像，即校正图像。进一步的，校正水图像，应当与水图像相等。因此，可以将校正水图像与水图像之间的欧式距离作为目标函数，求得目标函数最小时的骨硬化系数，即为适用于目标扫描参数的骨硬化系数。
需要说明的是，可以预先设置多组目标扫描参数，依次对每一组目标扫描参数执行步骤101至步骤105，从而得到适用于每一组目标扫描参数的骨硬化系数。这样，在使用扫描设备进行扫描时，可以根据当前设置的扫描参数，确定对应的骨硬化系数。
综上所述，本公开首先控制扫描设备按照目标扫描参数扫描预设的标准模体，以得到标准模体对应的原始扫描图像，之后将原始扫描图像分割为标准模体对应的骨图像和水图像，再对分割得到的骨图像进行拉东变换，得到骨图像的投影数据，然后对投影数据进行拉东反变换，得到骨图像的基图像，最后根据原始扫描图像、水图像和基图像，确定扫描设备按照目标扫描参数扫描对应的骨硬化系数，其中，骨硬化系数用于对原始扫描图像中的骨伪影进行校正。本公开通过对标准模体的原始扫描图像进行分割，得到骨图像和水图像，进一步利用拉东变换的线性特征，确定骨图像的基图像，从而根据原始扫描图像、水图像，和基图像，在图像域中确定骨硬化系数，能够快速、准确地获取适用于目标扫描参数的骨硬化系数。
图2是根据一示例性实施例示出的另一种骨硬化系数的获取方法的流程图，如图2所示，步骤102的实现方式可以包括以下步骤：
步骤1021，将原始扫描图像中扫描值大于或等于分割阈值的部分，作为骨图像。
步骤1022，将原始扫描图像中，标准模体中的水层所在区域对应的部分，作为水图像。
示例的，对原始扫描图像进行分割时，针对原始扫描图像中的水部分和骨部分，可以选择不同的分割方式。针对骨部分，由于原始扫描图像中的骨部分与水部分之间的相邻的区域存在骨伪影(即骨部分中存在骨伪影，水部分中也存在骨伪影)，导致原始扫描图像中骨部分与水部分之间的相邻的区域变得模糊，不清楚。因此可以按照预设的分割阈值，将原始扫描图像中大于或等于分割阈值的部分保留，将原始扫描图像中小于分割阈值的部分置零，以得到标准模体对应的骨图像。其中，骨图像的大小与原始扫描图像的大小相同，并且骨图像中包括了骨伪影的部分。
针对水部分，由于射线在穿透水时，不会发生线束硬化效应，因此可以直接根据标准模体中水层所在的位置，得到用于提取图像中水部分的掩模矩阵。掩模矩阵可以理解为大小和原始扫描图像大小相同的矩阵，其中，矩阵中属于标准模体中水层对应的部分的元素为1，矩阵中不属于标准模体中水层对应的部分的元素为0。那么将原始扫描图像与淹没矩阵相乘即可得到水图像。具体的，水层所在的区域，可以根据标准模体中水层的形状和大小来确定。以标准模体中的水层为圆形来举例，可以通过找到圆形的外接矩形，来确定水层的中心，然后根据水层的半径，确定标准模体中，水层所在的区域。由于图像域是可视化的，能够直观、准确地确定标准模体的中水层所在的区域，因此可以保证水图像的准确度。
在一种实现方式中，步骤103的实现方式可以为：
对骨图像进行拉东变换，得到骨图像在指定数量个维度上的，指定数量个投影数据。
步骤104的实现方式可以为：
对指定数量个投影数据进行拉东反变换，得到指定数量个基图像。
举例来说，对骨图像进行拉东变换，将图像空间中的骨图像，映射到另一个空间上，可以得到指定数量(例如可以是5)个维度上的投影数据，每个维度对应一个投影数据。例如可以将n个维度上的投影数据作为一个投影向量来表示，即q＝(qn,qn-1,...,qi,...,q1)，其中，q表示投影向量，qi表示n个维度中第i个维度上的投影数据。对应的，对指定数量个投影数据进行拉东反变换，可以得到指定数量个基图像。即R-1(q)＝[fn(x,y),fn-1(x,y),…,fi(x,y),…,f1(x,y)]，其中R-1(q)表示对n个维度上的投影数据进行拉东反变换，fi(x,y)表示第i个基图像，x，y表示基图像的坐标值。有多少个维度的投影数据，拉东反变换就能得到多少个基图像，每个基图像的大小，均与原始扫描图像的大小相同。
图3是根据一示例性实施例示出的另一种骨硬化系数的获取方法的流程图，如图3所示，骨硬化系数可以为指定数量个。步骤105可以包括：
步骤1051，按照任一待选系数组对指定数量个基图像进行多项式拟合，得到该待选系数组对应的骨伪影图像，任一待选系数组包括指定数量个待选系数。
在一种实现场景中，可以预先确定多个待选系数组：(C1,C2,…,Cj,…,CM)，Cj表示M个待选系数组中第j个待选系数组。每个待选系数组包括指定数量个待选系数，即Cj＝(cj1,cj2,…,cji,…,cjn)，其中，cji表示第j个待选系数组，n个维度中第i个维度对应的待选系数。进一步的，每个待选系数组中，除指定数量个待选系数之外，还可以包括一个不需要和基图像相乘的常数项，即Cj＝(cj1,cj2,…,cji,…,cjn,cj(n+1))，其中，cj(n+1)表示第j个待选系数组中的常数项。可以按照多个待选系数组中，任一待选系数组对指定数量个基图像进行多项式拟合，得到该待选系数组对应的骨伪影图像：
p'j＝(cj1,cj2,…,cji,…,cjn,cj(n+1))TR-1(q)
＝cj1fn(x,y)+cj2fn-1(x,y)+cjifi(x,y)+cjnf1(x,y)+cj(n+1)
其中，p'j表示第j个待选系数组对应的骨伪影图像。
步骤1052，将原始扫描图像与该待选系数组对应的骨伪影图像的差值，与掩模矩阵相乘，得到该待选系数组对应的校正水图像，掩模矩阵为根据标准模体中的水层所在区域确定的。
示例的，可以先将原始扫描图像与该待选系数组对应的骨伪影对应的图像的差值，作为该待选系数组对应的校正图像，校正图像可以以理解为按照该待选系数组作为骨硬化系数，对原始扫描图像进行校正后得到的图像。之后，将校正图像与根据标准模体中的水层所在区域确定的掩膜矩阵相乘，以提取出校正图像中的水部分作为该待选系数组对应的校正水图像，校正水图像可以理解为，按照该待选系数组作为骨硬化系数，对原始扫描图像进行校正后得到的图像中的水部分。校正水图像可以通过以下公式来获取：
final'j＝finalj*W
finalj＝porg-p'j＝porg-(cj1,cj2,…,cji,…,cjn,cj(n+1))TR-1(q)
其中，final'j表示第j个待选系数组对应的校正水图像，finalj表示第j个待选系数组对应的校正图像，porg表示原始扫描图像，W表示掩膜矩阵。
步骤1053，确定水图像与该待选系数组对应的校正水图像之间的欧式距离。
步骤1054，将最小待选系数组包括的指定数量个待选系数，作为指定数量个骨硬化系数，水图像与最小待选系数组对应的校正水图像之间的欧式距离最小。
示例的，可以依次确定每个待选系数组对应的校正水图像，与水图像之间的欧式距离，并将对应的欧式距离最小的待选系数组作为最小待选系数组。欧式距离最小，即最小待选系数组对应的校正水图像与水图像最接近，也就是说按照最小待选系数组作为骨硬化系数，对原始扫描图像进行校正后得到的图像，与原始扫描图像最接近。最后，将最小待选系数组包括的指定数量个待选系数，作为指定数量个骨硬化系数。其中，每个待选系数组对应的校正水图像，与水图像之间的欧式距离可以通过以下公式获得：
Figure BDA0002645141610000151
其中，Dj表示第j个待选系数组对应的校正水图像与水图像之间的欧式距离，t(x,y)表示水图像，x，y表示图像域中的坐标值。
图4是根据一示例性实施例示出的另一种骨硬化系数的获取方法的流程图，如图4所示，骨硬化系数可以为指定数量个。步骤105可以包括：
步骤1055，将指定数量个骨硬化系数作为变量，按照指定数量个骨硬化系数对指定数量个骨图像进行多项式拟合，得到骨伪影图像。
步骤1056，将原始扫描图像与骨伪影图像的差值，与掩模矩阵相乘，得到校正水图像，掩模矩阵为根据标准模体中的水层所在区域确定的。
步骤1057，令校正水图像等于水图像，以构建齐次方程组。
步骤1058，对齐次方程组求解，以得到指定数量个骨硬化系数。
在另一种实现场景中，可以先将指定数量个骨硬化系数作为变量，n个骨硬化系数可以表示为：(c1,c2,…,ci,…,cn)，其中ci表示第i个骨硬化系数。进一步的，在指定数量个骨硬化系数的基础上，还可以再增加一个不需要和基图像相乘的常数项cn+1，即n+1个骨硬化系数可以表示为：(c1,c2,…,ci,…,cn,cn+1)。然后按照指定数量个骨硬化系数对指定数量个骨图像进行多项式拟合，得到骨伪影图像：
p'＝(c1,c2,…,ci,…,cn,cn+1)TR-1(q)
＝c1fn(x,y)+c2fn-1(x,y)+cifi(x,y)+cnf1(x,y)+c(n+1)
其中，p'表示骨伪影图像。
之后，可以先将原始扫描图像与骨伪影对应的图像的差值，作为校正图像。之后，将校正图像与根据标准模体中的水层所在区域确定的掩膜矩阵相乘，以提取出校正图像中的水部分作为校正水图像。校正水图像可以通过以下公式来获取：
final'＝final*W
final＝porg-p'＝porg-(c1,c2,…,ci,…,cn,cn+1)TR-1(q)
其中，final'表示校正水图像，final表示校正图像，porg表示原始扫描图像，W表示掩膜矩阵。
如果骨硬化系数准确，那么校正水图像应当与水图像相等，也就是说对原始扫描图像进行校正后得到的图像与原始扫描图像最接近。因此，要求得适用于目标扫描参数的骨硬化系数，可以令校正水图像等于水图像，即final'-t(x,y)＝0，以构建齐次方程组。齐次方程组可以表示为：
Figure BDA0002645141610000161
其中，porg(xu,yv)表示原始扫描图像中坐标值为(xu,yv)的点的值(即CT值)，fi(xu,yv)表示第i个基图像中坐标值为(xu,yv)的点的值，t(xu,yv)表示水图像中坐标值为(xu,yv)的点的值。对上述齐次方程组求解，即可得到指定数量个骨硬化系数。
进一步的，可以令水对应的CT值为0，那么上述齐次方程组即为齐次线性方程组：
Figure BDA0002645141610000171
对上述齐次线性方程组求解，即可得到指定数量个骨硬化系数。
图5是根据一示例性实施例示出的另一种骨硬化系数的获取方法的流程图，如图5所示，在确定骨硬化系数之后，该方法还可以包括：
步骤106，控制扫描设备按照目标扫描参数扫描待测物体，以获取待测物体对应的目标扫描图像。
步骤107，将目标扫描图像分割为待测物体对应的目标骨图像。
举例来说，在通过执行步骤101至105，求得骨硬化系数之后，在控制扫描设备按照目标扫描参数进行扫描时，就可以按照求得的骨硬化系数对骨伪影进行校正。首先，控制扫描设备按照目标扫描参数扫描待测物体，得到待测物体对应的目标扫描图像，用picorg来表示。目标扫描图像为扫描设备直接输出的，未经处理的图像。之后，对picorg进行分割，将picorg中大于或等于分割阈值的部分作为待测物体对应的目标骨图像，用picbone来表示。
步骤108，对目标骨图像进行拉东变换，得到目标骨图像的目标投影数据。
步骤109，对目标投影数据进行拉东反变换，得到目标骨图像对应的目标基图像。
之后，对目标骨图像进行拉东变换，得到目标骨图像的目标投影数据。即R(picbone)＝(kn,kn-1,...,ki,...,k1)，其中，ki表示n个维度中，第i个维度上的目标投影数据。之后，再对目标投影数据进行拉东反变换，得到目标图像对应的目标基图像。即R-1(kn,kn-1,...,ki,...,k1)＝[gn(x,y),gn-1(x,y),…,gi(x,y),…,g1(x,y)]，其中，gi(x,y)表示第i个目标基图像，x，y表示图像域中的坐标值。
步骤110，按照骨硬化系数对目标基图像进行多项式拟合，得到目标骨伪影图像。
步骤111，根据目标骨伪影图像对目标扫描图像进行校正。
示例的，可以按照步骤105中求得的骨硬化系数对目标基图像进行多项式拟合，得到目标骨伪影图像。目标骨伪影图像可以通过以下公式求得：
pic'bone＝c1gn(x,y)+c2gn-1(x,y)+cigi(x,y)+cng1(x,y)+g(n+1)
其中，pic'bone表示目标骨伪影图像。最后，可以根据目标骨伪影图像对目标扫描图像进行校正。具体的，可以将目标扫描图像与目标骨伪影图像的差值，作为校正后的图像。以扫描待测物体为人体的头部为例，目标扫描图像为图6中的(a)所示，按照上述步骤对其进行校正，得到校正后的图像如图6中的(b)所示，可以看出，图6中的(b)中骨部分与水部分之间的相邻的区域非常清晰，有效地去除了骨伪影。再比如，目标扫描图像为图6中的(c)所示，按照上述步骤对其进行校正，得到校正后的图像如图6中的(d)所示，可以看出，图6中的(d)中骨部分与水部分之间的相邻的区域非常清晰，有效地去除了骨伪影。
综上所述，本公开首先控制扫描设备按照目标扫描参数扫描预设的标准模体，以得到标准模体对应的原始扫描图像，之后将原始扫描图像分割为标准模体对应的骨图像和水图像，再对分割得到的骨图像进行拉东变换，得到骨图像的投影数据，然后对投影数据进行拉东反变换，得到骨图像的基图像，最后根据原始扫描图像、水图像和基图像，确定扫描设备按照目标扫描参数扫描对应的骨硬化系数，其中，骨硬化系数用于对原始扫描图像中的骨伪影进行校正。本公开通过对标准模体的原始扫描图像进行分割，得到骨图像和水图像，进一步利用拉东变换的线性特征，确定骨图像的基图像，从而根据原始扫描图像、水图像，和基图像，在图像域中确定骨硬化系数，能够快速、准确地获取适用于目标扫描参数的骨硬化系数。
图7是根据一示例性实施例示出的一种骨硬化系数的获取装置的框图，如图7所示，该装置200包括：
扫描模块201，用于控制扫描设备按照目标扫描参数扫描预设的标准模体，以获取标准模体对应的原始扫描图像。
分割模块202，用于将原始扫描图像分割为标准模体对应的骨图像和水图像。
处理模块203，用于对骨图像进行拉东变换，得到骨图像的投影数据。
处理模块203，还用于对投影数据进行拉东反变换，得到骨图像的基图像。
确定模块204，用于根据原始扫描图像、水图像和基图像，确定扫描设备按照目标扫描参数扫描对应的骨硬化系数，骨硬化系数用于对原始扫描图像中的骨伪影进行校正。
图8是根据一示例性实施例示出的另一种骨硬化系数的获取装置的框图，如图8所示，分割模块202可以包括：
第一分割子模块2021，用于将原始扫描图像中扫描值大于或等于分割阈值的部分，作为骨图像。
第二分割子模块2022，用于将原始扫描图像中，标准模体中的水层所在区域对应的部分，作为水图像。
在一种应用场景中，处理模块203可以用于：
对骨图像进行拉东变换，得到骨图像在指定数量个维度上的，指定数量个投影数据。
对指定数量个投影数据进行拉东反变换，得到指定数量个基图像。
图9是根据一示例性实施例示出的另一种骨硬化系数的获取装置的框图，如图9所示，骨硬化系数可以为指定数量个，确定模块204可以包括：
第一拟合子模块2041，用于按照任一待选系数组对指定数量个基图像进行多项式拟合，得到该待选系数组对应的骨伪影图像，任一待选系数组包括指定数量个待选系数。
第一确定子模块2042，用于将原始扫描图像与该待选系数组对应的骨伪影图像的差值，与掩模矩阵相乘，得到该待选系数组对应的校正水图像，掩模矩阵为根据标准模体中的水层所在区域确定的。
第二确定子模块2043，用于确定水图像与该待选系数组对应的校正水图像之间的欧式距离。
选择子模块2044，用于将最小待选系数组包括的指定数量个待选系数，作为指定数量个骨硬化系数，水图像与最小待选系数组对应的校正水图像之间的欧式距离最小。
图10是根据一示例性实施例示出的另一种骨硬化系数的获取装置的框图，如图10所示，骨硬化系数为指定数量个。确定模块204可以包括：
第二拟合子模块2045，用于将指定数量个骨硬化系数作为变量，按照指定数量个骨硬化系数对指定数量个骨图像进行多项式拟合，得到骨伪影图像。将原始扫描图像与骨伪影图像的差值，与掩模矩阵相乘，得到校正水图像，掩模矩阵为根据标准模体中的水层所在区域确定的。
构建子模块2046，用于令校正水图像等于水图像，以构建齐次方程组。
第三确定子模块2047，用于对齐次方程组求解，以得到指定数量个骨硬化系数。
图11是根据一示例性实施例示出的另一种骨硬化系数的获取装置的框图，如图11所示，扫描模块201还用于：在根据原始扫描图像、水图像和基图像，确定扫描设备按照目标扫描参数扫描对应的骨硬化系数之后，控制扫描设备按照目标扫描参数扫描待测物体，以获取待测物体对应的目标扫描图像。
分割模块202，还用于将目标扫描图像分割为待测物体对应的目标骨图像。
处理模块203，还用于对目标骨图像进行拉东变换，得到目标骨图像的目标投影数据。对目标投影数据进行拉东反变换，得到目标骨图像对应的目标基图像。
该装置200还可以包括：
拟合模块205，用于按照骨硬化系数对目标基图像进行多项式拟合，得到目标骨伪影图像。
校正模块206，用于根据目标骨伪影图像对目标扫描图像进行校正。
关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。
综上所述，本公开首先控制扫描设备按照目标扫描参数扫描预设的标准模体，以得到标准模体对应的原始扫描图像，之后将原始扫描图像分割为标准模体对应的骨图像和水图像，再对分割得到的骨图像进行拉东变换，得到骨图像的投影数据，然后对投影数据进行拉东反变换，得到骨图像的基图像，最后根据原始扫描图像、水图像和基图像，确定扫描设备按照目标扫描参数扫描对应的骨硬化系数，其中，骨硬化系数用于对原始扫描图像中的骨伪影进行校正。本公开通过对标准模体的原始扫描图像进行分割，得到骨图像和水图像，进一步利用拉东变换的线性特征，确定骨图像的基图像，从而根据原始扫描图像、水图像，和基图像，在图像域中确定骨硬化系数，能够快速、准确地获取适用于目标扫描参数的骨硬化系数。
图12是根据一示例性实施例示出的一种电子设备300的框图。如图12所示，该电子设备300可以包括：处理器301，存储器302。该电子设备300还可以包括多媒体组件303，输入/输出(I/O)接口304，以及通信组件305中的一者或多者。
其中，处理器301用于控制该电子设备300的整体操作，以完成上述的骨硬化系数的获取方法中的全部或部分步骤。存储器302用于存储各种类型的数据以支持在该电子设备300的操作，这些数据例如可以包括用于在该电子设备300上操作的任何应用程序或方法的指令，以及应用程序相关的数据，例如联系人数据、收发的消息、图片、音频、视频等等。该存储器302可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，例如静态随机存取存储器(Static Random Access Memory，简称SRAM)，电可擦除可编程只读存储器(Electrically Erasable Programmable Read-Only Memory，简称EEPROM)，可擦除可编程只读存储器(Erasable Programmable Read-Only Memory，简称EPROM)，可编程只读存储器(Programmable Read-Only Memory，简称PROM)，只读存储器(Read-Only Memory，简称ROM)，磁存储器，快闪存储器，磁盘或光盘。多媒体组件303可以包括屏幕和音频组件。其中屏幕例如可以是触摸屏，音频组件用于输出和/或输入音频信号。例如，音频组件可以包括一个麦克风，麦克风用于接收外部音频信号。所接收的音频信号可以被进一步存储在存储器302或通过通信组件305发送。音频组件还包括至少一个扬声器，用于输出音频信号。I/O接口304为处理器301和其他接口模块之间提供接口，上述其他接口模块可以是键盘，鼠标，按钮等。这些按钮可以是虚拟按钮或者实体按钮。通信组件305用于该电子设备300与其他设备之间进行有线或无线通信。无线通信，例如Wi-Fi，蓝牙，近场通信(Near FieldCommunication，简称NFC)，2G、3G、4G、NB-IOT、eMTC、或其他5G等等，或它们中的一种或几种的组合，在此不做限定。因此相应的该通信组件305可以包括：Wi-Fi模块，蓝牙模块，NFC模块等等。
在一示例性实施例中，电子设备300可以被一个或多个应用专用集成电路(Application Specific Integrated Circuit，简称ASIC)、数字信号处理器(DigitalSignal Processor，简称DSP)、数字信号处理设备(Digital Signal Processing Device，简称DSPD)、可编程逻辑器件(Programmable Logic Device，简称PLD)、现场可编程门阵列(Field Programmable Gate Array，简称FPGA)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述的骨硬化系数的获取方法。
在另一示例性实施例中，还提供了一种包括程序指令的计算机可读存储介质，该程序指令被处理器执行时实现上述的骨硬化系数的获取方法的步骤。例如，该计算机可读存储介质可以为上述包括程序指令的存储器302，上述程序指令可由电子设备300的处理器301执行以完成上述的骨硬化系数的获取方法。
在另一示例性实施例中，还提供一种计算机程序产品，该计算机程序产品包含能够由可编程的装置执行的计算机程序，该计算机程序具有当由该可编程的装置执行时用于执行上述的骨硬化系数的获取方法的代码部分。
以上结合附图详细描述了本公开的优选实施方式，但是，本公开并不限于上述实施方式中的具体细节，在本公开的技术构思范围内，可以对本公开的技术方案进行多种简单变型，这些简单变型均属于本公开的保护范围。
另外需要说明的是，在上述具体实施方式中所描述的各个具体技术特征，在不矛盾的情况下，可以通过任何合适的方式进行组合，为了避免不必要的重复，本公开对各种可能的组合方式不再另行说明。
此外，本公开的各种不同的实施方式之间也可以进行任意组合，只要其不违背本公开的思想，其同样应当视为本公开所公开的内容。

Claims (8)

1.一种骨硬化系数的获取方法，其特征在于，所述方法包括：
控制扫描设备按照目标扫描参数扫描预设的标准模体，以获取所述标准模体对应的原始扫描图像；
将所述原始扫描图像分割为所述标准模体对应的骨图像和水图像，所述骨图像包括所述原始扫描图像中的骨伪影部分，所述水图像包括所述原始扫描图像中的水部分；
对所述骨图像进行拉东变换，得到所述骨图像的投影数据；
对所述投影数据进行拉东反变换，得到所述骨图像的基图像；
根据所述原始扫描图像、所述水图像和所述基图像，确定所述扫描设备按照所述目标扫描参数扫描对应的骨硬化系数，所述骨硬化系数用于对所述原始扫描图像中的骨伪影进行校正；
所述对所述骨图像进行拉东变换，得到所述骨图像的投影数据，包括：
对所述骨图像进行拉东变换，得到所述骨图像在指定数量个维度上的，所述指定数量个所述投影数据；
所述对所述投影数据进行拉东反变换，得到所述骨图像的基图像，包括：
对所述指定数量个所述投影数据进行拉东反变换，得到所述指定数量个所述基图像；
所述骨硬化系数为所述指定数量个；所述根据所述原始扫描图像、所述水图像和所述基图像，确定所述扫描设备按照所述目标扫描参数扫描对应的骨硬化系数，包括：
将所述指定数量个所述骨硬化系数作为变量，按照所述指定数量个所述骨硬化系数对所述指定数量个所述骨图像进行多项式拟合，得到骨伪影图像；
将所述原始扫描图像与所述骨伪影图像的差值，与掩模矩阵相乘，得到校正水图像，所述掩模矩阵为根据所述标准模体中的水层所在区域确定的；
令所述校正水图像等于所述水图像，以构建齐次方程组；
对所述齐次方程组求解，以得到所述指定数量个所述骨硬化系数。
2.根据权利要求1所述的方法，其特征在于，所述将所述原始扫描图像分割为所述标准模体对应的骨图像和水图像，包括：
将所述原始扫描图像中扫描值大于或等于分割阈值的部分，作为所述骨图像；
将所述原始扫描图像中，所述标准模体中的水层所在区域对应的部分，作为所述水图像。
3.根据权利要求1所述的方法，其特征在于，所述骨硬化系数为所述指定数量个；所述根据所述原始扫描图像、所述水图像和所述基图像，确定所述扫描设备按照所述目标扫描参数扫描对应的骨硬化系数，包括：
按照任一待选系数组对所述指定数量个所述基图像进行多项式拟合，得到该待选系数组对应的骨伪影图像，任一待选系数组包括所述指定数量个待选系数；
将所述原始扫描图像与该待选系数组对应的骨伪影图像的差值，与掩模矩阵相乘，得到该待选系数组对应的校正水图像，所述掩模矩阵为根据所述标准模体中的水层所在区域确定的；
确定所述水图像与该待选系数组对应的校正水图像之间的欧式距离；
将最小待选系数组包括的所述指定数量个待选系数，作为所述指定数量个所述骨硬化系数，所述水图像与所述最小待选系数组对应的校正水图像之间的欧式距离最小。
4.根据权利要求1-3中任一项所述的方法，其特征在于，在所述根据所述原始扫描图像、所述水图像和所述基图像，确定所述扫描设备按照所述目标扫描参数扫描对应的骨硬化系数之后，所述方法还包括：
控制所述扫描设备按照所述目标扫描参数扫描待测物体，以获取所述待测物体对应的目标扫描图像；
将所述目标扫描图像分割为所述待测物体对应的目标骨图像；
对所述目标骨图像进行拉东变换，得到所述目标骨图像的目标投影数据；
对所述目标投影数据进行拉东反变换，得到所述目标骨图像对应的目标基图像；
按照所述骨硬化系数对所述目标基图像进行多项式拟合，得到目标骨伪影图像；
根据所述目标骨伪影图像对所述目标扫描图像进行校正。
5.一种骨硬化系数的获取装置，其特征在于，所述装置包括：
扫描模块，用于控制扫描设备按照目标扫描参数扫描预设的标准模体，以获取所述标准模体对应的原始扫描图像；
分割模块，用于将所述原始扫描图像分割为所述标准模体对应的骨图像和水图像，所述骨图像包括所述原始扫描图像中的骨伪影部分，所述水图像包括所述原始扫描图像中的水部分；
处理模块，用于对所述骨图像进行拉东变换，得到所述骨图像的投影数据；
所述处理模块，还用于对所述投影数据进行拉东反变换，得到所述骨图像的基图像；
确定模块，用于根据所述原始扫描图像、所述水图像和所述基图像，确定所述扫描设备按照所述目标扫描参数扫描对应的骨硬化系数，所述骨硬化系数用于对所述原始扫描图像中的骨伪影进行校正；
所述处理模块用于：
对所述骨图像进行拉东变换，得到所述骨图像在指定数量个维度上的，所述指定数量个所述投影数据；
对所述指定数量个所述投影数据进行拉东反变换，得到所述指定数量个所述基图像；
所述骨硬化系数为所述指定数量个；所述确定模块包括：
第二拟合子模块，用于将所述指定数量个所述骨硬化系数作为变量，按照所述指定数量个所述骨硬化系数对所述指定数量个所述骨图像进行多项式拟合，得到骨伪影图像；将所述原始扫描图像与所述骨伪影图像的差值，与掩模矩阵相乘，得到校正水图像，所述掩模矩阵为根据所述标准模体中的水层所在区域确定的；
构建子模块，用于令所述校正水图像等于所述水图像，以构建齐次方程组；
第三确定子模块，用于对所述齐次方程组求解，以得到所述指定数量个所述骨硬化系数。
6.根据权利要求5所述的装置，其特征在于，所述分割模块包括：
第一分割子模块，用于将所述原始扫描图像中扫描值大于或等于分割阈值的部分，作为所述骨图像；
第二分割子模块，用于将所述原始扫描图像中，所述标准模体中的水层所在区域对应的部分，作为所述水图像。
7.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现权利要求1-4中任一项所述方法的步骤。
8.一种电子设备，其特征在于，包括：
存储器，其上存储有计算机程序；
处理器，用于执行所述存储器中的所述计算机程序，以实现权利要求1-4中任一项所述方法的步骤。
CN202010852312.0A 2020-08-21 2020-08-21 骨硬化系数的获取方法、装置、存储介质和电子设备 Active CN112053329B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010852312.0A CN112053329B (zh) 2020-08-21 2020-08-21 骨硬化系数的获取方法、装置、存储介质和电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010852312.0A CN112053329B (zh) 2020-08-21 2020-08-21 骨硬化系数的获取方法、装置、存储介质和电子设备

Publications (2)

Publication Number Publication Date
CN112053329A CN112053329A (zh) 2020-12-08
CN112053329B true CN112053329B (zh) 2023-04-14

Family

ID=73601025

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010852312.0A Active CN112053329B (zh) 2020-08-21 2020-08-21 骨硬化系数的获取方法、装置、存储介质和电子设备

Country Status (1)

Country Link
CN (1) CN112053329B (zh)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102609908A (zh) * 2012-01-13 2012-07-25 中国人民解放军信息工程大学 基于基图像tv模型的ct射束硬化校正方法
CN103961125A (zh) * 2013-01-31 2014-08-06 东北大学 一种用于锥束ct的ct值校正方法
CN106618620A (zh) * 2016-01-30 2017-05-10 上海联影医疗科技有限公司 骨硬化伪影校正系数计算方法及装置

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102609908A (zh) * 2012-01-13 2012-07-25 中国人民解放军信息工程大学 基于基图像tv模型的ct射束硬化校正方法
CN103961125A (zh) * 2013-01-31 2014-08-06 东北大学 一种用于锥束ct的ct值校正方法
CN106618620A (zh) * 2016-01-30 2017-05-10 上海联影医疗科技有限公司 骨硬化伪影校正系数计算方法及装置

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
"Empirical beam hardening correction (EBHC) for CT";Yiannis Kyriakou 等;《Medical Physics》;20101031;第37卷(第10期);第5179-5186页 *
Yiannis Kyriakou 等."Empirical beam hardening correction (EBHC) for CT".《Medical Physics》.2010,第37卷(第10期), *
一种改进的基于原始投影数据的CT硬化校正方法;连亚琴等;《CT理论与应用研究》;20090315(第01期);全文 *
基于Radon变换的CT图像杯状伪影校正;张学松等;《CT理论与应用研究》;20161031(第05期);第541-542页 *

Also Published As

Publication number Publication date
CN112053329A (zh) 2020-12-08

Similar Documents

Publication Publication Date Title
US11232543B2 (en) System and method for image correction
US20220292646A1 (en) System and method for image reconstruction
US9437017B2 (en) Method and apparatus for metal artifact elimination in a medical image
US10255696B2 (en) System and method for image reconstruction
US11615270B2 (en) Medical image processing apparatus, learning method, X-ray diagnostic apparatus, and medical image processing method
US20070274581A1 (en) Methods and apparatus for BIS correction
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
JP6293713B2 (ja) 画像処理装置、放射線断層撮影装置並びにプログラム
US20160300370A1 (en) Tomography apparatus and method of reconstructing tomography image by using the tomography apparatus
EP3349655B1 (en) Tomography apparatus and controlling method for the same
US20230419455A1 (en) System and method for image correction
CN112200780B (zh) 骨组织定位方法、装置、计算机设备和存储介质
CN112053329B (zh) 骨硬化系数的获取方法、装置、存储介质和电子设备
Anam et al. Impact of ROI size on the accuracy of noise measurement in CT on computational and ACR phantoms
CN111080740A (zh) 一种图像校正方法、装置、设备及介质
KR102342954B1 (ko) 인공지능 기반의 단층촬영 영상 인공음영 제거 방법 및 장치
US20220414832A1 (en) X-ray imaging restoration using deep learning algorithms
CN112052885B (zh) 图像处理方法、装置、设备及pet-ct系统
US20060045371A1 (en) Methods and systems for enhancing images
CN112562030A (zh) 图像重建方法、装置和电子设备
CN113627492B (zh) 扫描对象尺寸的确定方法、扫描方法、装置和电子设备
CN117315071B (zh) 一种散焦伪影的校正方法、装置及计算机可读介质
CN113759412B (zh) 获取束流形状和能量探测单元响应特征的方法、装置
CN115861470A (zh) 图像伪影校正方法、装置、设备、存储介质和程序产品
JP6566029B2 (ja) 画像処理装置および画像処理プログラム

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