CN112150419A - 图像处理方法、装置及电子设备 - Google Patents

图像处理方法、装置及电子设备 Download PDF

Info

Publication number
CN112150419A
CN112150419A CN202010949847.XA CN202010949847A CN112150419A CN 112150419 A CN112150419 A CN 112150419A CN 202010949847 A CN202010949847 A CN 202010949847A CN 112150419 A CN112150419 A CN 112150419A
Authority
CN
China
Prior art keywords
image sequence
image
sequence
sequences
numerical
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.)
Pending
Application number
CN202010949847.XA
Other languages
English (en)
Inventor
张志伟
马锐兵
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 CN202010949847.XA priority Critical patent/CN112150419A/zh
Publication of CN112150419A publication Critical patent/CN112150419A/zh
Pending legal-status Critical Current

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
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/12—Edge-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
    • G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
    • G06T7/337—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods involving reference images or patches
    • 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
    • G06T2207/10072—Tomographic images
    • G06T2207/10088—Magnetic resonance imaging [MRI]
    • G06T2207/10092—Diffusion tensor magnetic resonance imaging [DTI]
    • 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]
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20212—Image combination
    • G06T2207/20221—Image fusion; Image merging

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (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)
  • Image Processing (AREA)

Abstract

本发明实施例提供一种图像处理方法、装置及电子设备。本发明实施例通过接收输入图像序列，从所述输入图像序列中确定基准图像序列，基于所述基准图像序列，分别对所述输入图像序列中除所述基准图像序列以外的其他图像序列进行配准，得到输入图像序列对应的配准图像序列，将所有配准图像序列和所述基准图像序列转换为相同图像空间的图像序列，作为中间图像序列，对于每个中间图像序列，基于预设的组织与数值范围的对应关系，以及所述中间图像序列中各个图像的组织分割结果，修改图像的像素值，得到数值处理后的中间图像序列，根据所有数值处理后的中间图像序列，融合得到输出图像序列，能够实现对来自多种医学影像设备的图像的融合。

Description

图像处理方法、装置及电子设备
技术领域
本发明涉及医学图像处理技术领域，尤其涉及一种图像处理方法、装置及电子设备。
背景技术
当前，可以应用多种医学影像技术对受检者进行扫描，获得受检者的医学图像，例如CT(Computed Tomography，电子计算机断层扫描)、MR(Magnetic Resonance，磁共振)、PET(Positron Emission Computed Tomography，正电子发射型计算机断层显像)、DSA(Digital Subtraction Angiography，数字减影血管造影)等。
虽然每种设备的医学图像都能为医生提供一定的信息，但仅依靠单一设备的医学图像得到的信息有限，对于医生的诊断和治疗的辅助效果一般。因此，需要将多种不同医学影像设备的医学图像融合在一起，以便为诊断和治疗提供更多的信息，提高诊断和治疗的精准度。
发明内容
为克服相关技术中存在的问题，本发明提供了一种图像处理方法、装置及电子设备，能够实现对来自多种医学影像设备的图像的融合。
根据本发明实施例的第一方面，提供一种图像处理方法，包括：
接收输入图像序列，所述输入图像序列包括至少两个图像序列；
从所述输入图像序列中确定基准图像序列，基于所述基准图像序列，分别对所述输入图像序列中除所述基准图像序列以外的其他图像序列进行配准，得到输入图像序列对应的配准图像序列；
将所有配准图像序列和所述基准图像序列转换为相同图像空间的图像序列，作为中间图像序列，所述相同图像空间为具有相同属性的图像空间；
对于每个中间图像序列，基于预设的组织与数值范围的对应关系，以及所述中间图像序列中各个图像的组织分割结果，修改图像的像素值，得到数值处理后的中间图像序列；
根据所有数值处理后的中间图像序列，融合得到输出图像序列。
根据本发明实施例的第二方面，提供一种图像处理装置，包括：
接收模块，用于接收输入图像序列，所述输入图像序列包括至少两个图像序列；
配准模块，用于从所述输入图像序列中确定基准图像序列，基于所述基准图像序列，分别对所述输入图像序列中除所述基准图像序列以外的其他图像序列进行配准，得到输入图像序列对应的配准图像序列；
转换模块，用于将所有配准图像序列和所述基准图像序列转换为相同图像空间的图像序列，作为中间图像序列，所述相同图像空间为具有相同属性的图像空间；
数值处理模块，用于对于每个中间图像序列，基于预设的组织与数值范围的对应关系，以及所述中间图像序列中各个图像的组织分割结果，修改图像的像素值，得到数值处理后的中间图像序列；
融合模块，用于根据所有数值处理后的中间图像序列，融合得到输出图像序列。
根据本发明实施例的第三方面，提供一种电子设备，包括：内部总线，以及通过内部总线连接的存储器、处理器和外部接口；其中：
所述存储器，用于存储图像处理逻辑对应的机器可读指令；
所述处理器，用于读取所述存储器上的所述机器可读指令，并执行如下操作：
接收输入图像序列，所述输入图像序列包括至少两个图像序列；
从所述输入图像序列中确定基准图像序列，基于所述基准图像序列，分别对所述输入图像序列中除所述基准图像序列以外的其他图像序列进行配准，得到输入图像序列对应的配准图像序列；
将所有配准图像序列和所述基准图像序列转换为相同图像空间的图像序列，作为中间图像序列，所述相同图像空间为具有相同属性的图像空间；
对于每个中间图像序列，基于预设的组织与数值范围的对应关系，以及所述中间图像序列中各个图像的组织分割结果，修改图像的像素值，得到数值处理后的中间图像序列；
根据所有数值处理后的中间图像序列，融合得到输出图像序列。
本发明实施例提供的技术方案可以包括以下有益效果：
本发明实施例，通过接收输入图像序列，从所述输入图像序列中确定基准图像序列，基于所述基准图像序列，分别对所述输入图像序列中除所述基准图像序列以外的其他图像序列进行配准，得到输入图像序列对应的配准图像序列，将所有配准图像序列和所述基准图像序列转换为相同图像空间的图像序列，作为中间图像序列，对于每个中间图像序列，基于预设的组织与数值范围的对应关系，以及所述中间图像序列中各个图像的组织分割结果，修改图像的像素值，得到数值处理后的中间图像序列，根据所有数值处理后的中间图像序列，融合得到输出图像序列，能够实现对来自多种医学影像设备的图像的融合。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本说明书。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本说明书的实施例，并与说明书一起用于解释本说明书的原理。
图1是本发明实施例提供的图像处理方法的流程示例图。
图2是组织与数值范围的对应关系示例图。
图3是本发明实施例提供的融合前后的图像示例图。
图4是本发明实施例提供的图像处理装置的功能方块图。
图5是本发明实施例提供的电子设备的一个硬件结构图。
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发明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、本发明实施例的一些方面相一致的装置和方法的例子。
在本发明实施例使用的术语是仅仅出于描述特定本发明实施例的目的，而非旨在限制本发明实施例。在本发明实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
应当理解，尽管在本发明实施例可能采用术语第一、第二、第三等来描述各种信息，但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如，在不脱离本发明实施例范围的情况下，第一信息也可以被称为第二信息，类似地，第二信息也可以被称为第一信息。取决于语境，如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”。
下面通过实施例对图像处理方法进行详细说明。
图1是本发明实施例提供的图像处理方法的流程示例图。如图1所示，本实施例中，图像处理方法可以包括：
S101，接收输入图像序列，所述输入图像序列包括至少两个图像序列。
S102，从所述输入图像序列中确定基准图像序列，基于所述基准图像序列，分别对所述输入图像序列中除所述基准图像序列以外的其他图像序列进行配准，得到输入图像序列对应的配准图像序列。
S103，将所有配准图像序列和所述基准图像序列转换为相同图像空间的图像序列，作为中间图像序列，所述相同图像空间为具有相同属性的图像空间。
S104，对于每个中间图像序列，基于预设的组织与数值范围的对应关系，以及所述中间图像序列中各个图像的组织分割结果，修改图像的像素值，得到数值处理后的中间图像序列。
S105，根据所有数值处理后的中间图像序列，融合得到输出图像序列。本实施例中，输入图像序列可以包括不同医学影像设备扫描得到的多个图像序列，即输入图像序列可以来自不同的医学影像设备。举例说明，一组输入图像序列可以包括图像序列A、图像序列B、图像序列C、图像序列D，其中，A为CT图像序列，B为MR图像序列，C为PET图像序列，D为DSA图像序列。该组输入图像序列不包括关联图像序列组。
本实施例中，输入图像序列可以包括同种医学影像设备扫描得到的多个图像序列，即输入图像序列可以来自同种医学影像设备。例如，在一组输入图像序列中包括两个图像序列，其中一个图像序列是来自CT设备的CT图像序列，另一个图像序列是来自CT+设备的CT图像序列。其中，CT+设备是CT设备的升级版或改进版。
本实施例中，从输入图像序列中确定基准图像序列的方式可以是：由用户在输入图像序列中选择一个图像序列作为基准图像序列。当输入图像序列包括CT图像序列和MR图像序列时，一般将CT图像序列作为基准图像序列。
这里说明一下关联图像序列组的概念。本实施例中，关联图像序列组是指相互关联的两个以上图像序列构成的组。也就是说，关联图像序列组是一组图像序列，关联图像序列组中包括至少两个图像序列，且该至少两个图像序列是相关联的。关联图像序列组中的多个图像序列可以来自同种医学影像设备，也可以来自不同的医学影像设备。
例如，对同一受检者分别进行3次DSA扫描，得到3组DSA图像序列：D1、D2、D3，则一个关联图像序列组可以包括图像序列D1、图像序列D2、图像序列D3这3个图像序列。
关联图像序列组中需要配准的图像是其中一个图像序列，本实施例中称为指定图像序列，关联图像序列组中除指定图像序列以外的其他图像不需要直接参与配准，只需要根据指定图像序列的配准结果进行计算，即可得到对应的配准图像序列。
例如，假设一组输入图像序列包括图像序列A、图像序列B、图像序列C、图像序列D1、图像序列D2、图像序列D3，其中图像序列D1、图像序列D2、图像序列D3组成关联图像序列组，并假设图像序列D1为关联图像序列组中的指定图像序列。则在配准时，假设图像序列A为基准图像序列，则将图像序列B、图像序列C、图像序列D1分别与图像序列A进行配准，得到图像序列B对应的配准图像序列B1、图像序列C对应的配准图像序列C1、图像序列D1对应的配准图像序列D11，然后根据配准图像序列D11计算得到图像序列D2对应的配准图像序列D21、图像序列D3对应的配准图像序列D31。即图像序列D2、图像序列D3不需要直接与图像序列A进行配准。
其中，本实施例中的配准可以采用相关技术中的任一种自动配准方式，例如刚性配准、柔性配准等，也可以由用户进行人工手动配准，还可以通过手动和自动结合的方式进行配准。
其中，在手动和自动结合的配准方式中，对于两组属性相同的图像序列(假设为序列1和序列2，序列1为基准图像序列)，则可以由用户通过手动配准方式获得序列2的配准矩阵，然后序列2中的图像乘以配准矩阵，即可得到与序列1配准后的图像。
例如，假设序列1中图像乘以几何变换矩阵MAT1后所得的图像，与序列2中图像乘以几何变换矩阵MAT2后所得的图像处于已配准的状态，则序列2对应的配准矩阵等于MAT2与MAT1的逆矩阵的乘积。
本实施例中，步骤S102可以在步骤S103之前执行，也可以在步骤S103之后执行。即可以先配准再进行图像空间转换，也可以先进行图像空间转换再对转换后的图像进行配准。
在一个示例性的实现过程中，步骤S104中，对于每个中间图像序列，基于预设的组织与数值范围的对应关系，以及所述中间图像序列中各个图像的组织分割结果，修改图像的像素值，得到数值处理后的中间图像序列，可以包括：
针对所述中间图像序列中的每个图像，对所述图像进行组织分割，得到各个组织区域；
根据预设的组织与数值范围的对应关系，将所述图像中各个组织区域的像素值，修改为与相应组织对应的数值范围匹配的新像素值，得到第一图像；数值处理后的中间图像序列包括所述中间图像序列中的所有图像对应的第一图像；所述对应关系中，不同组织对应的数值范围不重叠。
本实施例中，数值范围是指像素值的数值范围。其中，组织与数值范围的对应关系可以预先存储在系统中，在该对应关系中，不同组织对应的数值范围不重叠。因此，可以根据像素值非常容易地区分开不同组织。
图2是组织与数值范围的对应关系示例图。如图2所示，总的数值范围从min(最小值)到max(最大值)，其中，颈椎、头骨、MR占位病变、MR血管对应的数值依次增大。
其中，假设在修改前的图像中某组织像素值的范围为(amin，amax)，在组织与数值范围的对应关系中，该组织对应的数值范围为(bmin，bmax)，则修改像素值就是将(amin，amax)范围内的像素值映射为(bmin，bmax)范围内的像素值。
本实施例中，对图像中的所有组织进行分割，利用组织与数值范围的对应关系，将不同的组织的像素值映射到不同数值范围，使得不同组织的像素值差异增大，从而使得不同组织的显示差异更大，便于在显示时更好地区分不同组织。
对于分割得到的不同的组织，可以分别为每个组织设置显示协议。显示协议中设置了像素点的颜色值、透明度值、光照值等。
在一个示例性的实现过程中，步骤S104中，对于每个中间图像序列，基于预设的组织与数值范围的对应关系，以及所述中间图像序列中各个图像的组织分割结果，修改图像的像素值，得到数值处理后的中间图像序列，可以包括：
确定目标组织；
针对所述中间图像序列中的每个图像，从所述图像中分割出目标组织的图像，作为目标图像；
根据预设的组织与数值范围的对应关系，将所述目标图像中的像素值，修改为与目标组织对应的数值范围匹配的新像素值，得到第二图像；数值处理后的中间图像序列包括所述中间图像序列中的所有图像对应的第二图像；所述对应关系中，不同组织对应的数值范围不重叠。
在实际应用中，用户只对某一些组织感兴趣，而对另一些组织不关心。例如，用户只对某一区域的血管感兴趣，对其他组织不感兴趣，此时只保留图像中的血管就可以了，图像中血管外的其他组织可以去除。此时，可以应用本实施例对感兴趣的组织的像素进行处理。并且，在不同的应用场景中，用户感兴趣的组织是不同的。
本实施例中，从图像中分割出目标组织，利用组织与数值范围的对应关系，对目标组织对应的目标图像的像素值进行映射，便于在融合图像中对目标组织进行区分显示，能够灵活地满足用户的个体化显示需求。
在一个示例性的实现过程中，所述输入图像序列中包括关联图像序列组，所述关联图像序列组包括来自同一医学影像设备的至少两个图像序列；
此时，步骤S102中，基于所述基准图像序列，分别对所述输入图像序列中除所述基准图像序列以外的其他图像序列进行配准，得到输入图像序列对应的配准图像序列，可以包括：
将各个第一图像序列分别与所述基准图像序列进行配准，得到第一图像序列对应的第一配准图像序列；所述第一图像序列为所述输入图像序列中不属于所述关联图像序列组的图像序列；
将第二图像序列与所述基准图像序列进行配准，得到第二图像序列对应的第二配准图像序列；所述第二图像序列为所述关联图像序列组中的指定图像序列；
根据所述第二配准图像序列，修改第三图像序列中各图像的像素值，得到第三配准图像序列；所述第三图像序列为所述关联图像序列组中除所述指定图像序列以外的图像序列；
输入图像序列对应的配准图像序列包括所述基准图像序列、所述第一配准图像序列、所述第二配准图像序列和所述第三配准图像序列。
请参见前述包括图像序列A、图像序列B、图像序列C、图像序列D1、图像序列D2、图像序列D3的输入图像序列的配准。最终得到的配准图像序列包括图像序列A、图像序列B1、图像序列C1、图像序列D11、图像序列D21、图像序列D31。
这里举例说明如何根据第二配准图像序列修改第三图像序列中各图像的像素值，得到第三配准图像序列。以前述的图像序列D11和图像序列D2为例，其中，图像序列D11是图像序列D1配准后的图像序列。图像序列D1配准后，获得了图像序列D1和图像序列D11的像素点对应关系，该像素点对应关系同样适用于图像序列D2和图像序列D11。构建图像矩阵，图像矩阵中的各个像素点位置与图像序列D11中图像的像素点位置一一对应，对于图像矩阵中的任一像素点X，根据图像序列D1和图像序列D11的像素点对应关系，在图像序列D2的图像中确定与该像素点X对应的像素点Y，将图像序列D2的图像中像素点Y的像素值填充到图像矩阵的像素点X中，整个图像矩阵填充完毕后就得到了图像序列D21(图像序列D2的配准图像序列)中的图像。
在一个示例性的实现过程中，所述属性可以包括图像尺寸、图像数量、图像方向、图像位置以及图像中的像素间隔。
本实施例中，将不同图像空间的图像序列转换为相同图像空间的图像序列时，可以根据如下转换策略进行转换：
(1)如果两个图像序列的图像尺寸不同，可以用不同的放缩系数对两个图像序列中的图像进行放缩，使得放缩之后两个图像序列的图像尺寸相同。
(2)如果两个图像序列的图像位置不同，可以通过平移的方式使得两个图像序列的图像位置相同。
(3)如果两个图像序列的图像方向不同，可以通过调整光线入射方向的方式使得两个图像序列的图像方向相同。
(4)如果两个图像序列的像素间隔不同，可以通过调整采样步长的方式使得两个图像序列的像素间隔相同。
(5)如果两个图像序列的图像数量不同，可以采用相关技术中的方法使两个图像序列的图像数量相同，本实施例对此不做限制。
融合后得到的输出图像序列为一个图像序列。例如前述的包括图像序列A、图像序列B、图像序列C、图像序列D1、图像序列D2、图像序列D3的输入图像序列，融合后最终得到一个输出图像序列I，该图像序列I可以显示为一幅三维图像。
图3是本发明实施例提供的融合前后的图像示例图。如图3所示，左上图为配准后的颅骨图像，左下图为配准后的颅内血管图像，且左上图和左下图的图像空间相同，左上图和左下图融合后的图像如图3中的右图所示。
本实施例中，还可以在输出图像序列中对各图像组织的轮廓进行标定，以便能够使用户更直观地区分各图像组织。
本发明实施例提供的图像处理方法，通过接收输入图像序列，从所述输入图像序列中确定基准图像序列，基于所述基准图像序列，分别对所述输入图像序列中除所述基准图像序列以外的其他图像序列进行配准，得到输入图像序列对应的配准图像序列，将所有配准图像序列和所述基准图像序列转换为相同图像空间的图像序列，作为中间图像序列，对于每个中间图像序列，基于预设的组织与数值范围的对应关系，以及所述中间图像序列中各个图像的组织分割结果，修改图像的像素值，得到数值处理后的中间图像序列，根据所有数值处理后的中间图像序列，融合得到输出图像序列，能够实现对来自多种医学影像设备的图像的融合。
基于上述的方法实施例，本发明实施例还提供了相应的装置、设备及存储介质实施例。
图4是本发明实施例提供的图像处理装置的功能方块图。如图4所示，本实施例中，图像处理装置可以包括：
接收模块410，用于接收输入图像序列，所述输入图像序列包括至少两个图像序列；
配准模块420，用于从所述输入图像序列中确定基准图像序列，基于所述基准图像序列，分别对所述输入图像序列中除所述基准图像序列以外的其他图像序列进行配准，得到输入图像序列对应的配准图像序列；
转换模块430，用于将所有配准图像序列和所述基准图像序列转换为相同图像空间的图像序列，作为中间图像序列，所述相同图像空间为具有相同属性的图像空间；
数值处理模块440，用于对于每个中间图像序列，基于预设的组织与数值范围的对应关系，以及所述中间图像序列中各个图像的组织分割结果，修改图像的像素值，得到数值处理后的中间图像序列；
融合模块450，用于根据所有数值处理后的中间图像序列，融合得到输出图像序列。
在一个示例性的实现过程中，所述数值处理模块440具体用于：
针对所述中间图像序列中的每个图像，对所述图像进行组织分割，得到各个组织区域；
根据预设的组织与数值范围的对应关系，将所述图像中各个组织区域的像素值，修改为与相应组织对应的数值范围匹配的新像素值，得到第一图像；数值处理后的中间图像序列包括所述中间图像序列中的所有图像对应的第一图像；所述对应关系中，不同组织对应的数值范围不重叠。
在一个示例性的实现过程中，所述数值处理模块440具体用于：
确定目标组织；
针对所述中间图像序列中的每个图像，从所述图像中分割出目标组织的图像，作为目标图像；
根据预设的组织与数值范围的对应关系，将所述目标图像中的像素值，修改为与目标组织对应的数值范围匹配的新像素值，得到第二图像；数值处理后的中间图像序列包括所述中间图像序列中的所有图像对应的第二图像；所述对应关系中，不同组织对应的数值范围不重叠。
在一个示例性的实现过程中，所述输入图像序列中包括关联图像序列组，所述关联图像序列组包括来自同一医学影像设备的至少两个图像序列；
所述配准模块420具体用于：
将各个第一图像序列分别与所述基准图像序列进行配准，得到第一图像序列对应的第一配准图像序列；所述第一图像序列为所述输入图像序列中不属于所述关联图像序列组的图像序列；
将第二图像序列与所述基准图像序列进行配准，得到第二图像序列对应的第二配准图像序列；所述第二图像序列为所述关联图像序列组中的指定图像序列；
根据所述第二配准图像序列，修改第三图像序列中各图像的像素值，得到第三配准图像序列；所述第三图像序列为所述关联图像序列组中除所述指定图像序列以外的图像序列；
输入图像序列对应的配准图像序列包括所述基准图像序列、所述第一配准图像序列、所述第二配准图像序列和所述第三配准图像序列。
本发明实施例还提供了一种电子设备。图5是本发明实施例提供的电子设备的一个硬件结构图。如图5所示，电子设备包括：内部总线501，以及通过内部总线连接的存储器502，处理器503和外部接口504，其中：
所述存储器502，用于存储图像处理逻辑对应的机器可读指令；
所述处理器503，用于读取存储器502上的机器可读指令，并执行所述指令以实现如下操作：
接收输入图像序列，所述输入图像序列包括至少两个图像序列；
从所述输入图像序列中确定基准图像序列，基于所述基准图像序列，分别对所述输入图像序列中除所述基准图像序列以外的其他图像序列进行配准，得到输入图像序列对应的配准图像序列；
将所有配准图像序列和所述基准图像序列转换为相同图像空间的图像序列，作为中间图像序列，所述相同图像空间为具有相同属性的图像空间；
对于每个中间图像序列，基于预设的组织与数值范围的对应关系，以及所述中间图像序列中各个图像的组织分割结果，修改图像的像素值，得到数值处理后的中间图像序列；
根据所有数值处理后的中间图像序列，融合得到输出图像序列。
在一个示例性的实现过程中，对于每个中间图像序列，基于预设的组织与数值范围的对应关系，以及所述中间图像序列中各个图像的组织分割结果，修改图像的像素值，得到数值处理后的中间图像序列，包括：
针对所述中间图像序列中的每个图像，对所述图像进行组织分割，得到各个组织区域；
根据预设的组织与数值范围的对应关系，将所述图像中各个组织区域的像素值，修改为与相应组织对应的数值范围匹配的新像素值，得到第一图像；数值处理后的中间图像序列包括所述中间图像序列中的所有图像对应的第一图像；所述对应关系中，不同组织对应的数值范围不重叠。
在一个示例性的实现过程中，对于每个中间图像序列，基于预设的组织与数值范围的对应关系，以及所述中间图像序列中各个图像的组织分割结果，修改图像的像素值，得到数值处理后的中间图像序列，包括：
确定目标组织；
针对所述中间图像序列中的每个图像，从所述图像中分割出目标组织的图像，作为目标图像；
根据预设的组织与数值范围的对应关系，将所述目标图像中的像素值，修改为与目标组织对应的数值范围匹配的新像素值，得到第二图像；数值处理后的中间图像序列包括所述中间图像序列中的所有图像对应的第二图像；所述对应关系中，不同组织对应的数值范围不重叠。
在一个示例性的实现过程中，所述输入图像序列中包括关联图像序列组，所述关联图像序列组包括来自同一医学影像设备的至少两个图像序列；
基于所述基准图像序列，分别对所述输入图像序列中除所述基准图像序列以外的其他图像序列进行配准，得到输入图像序列对应的配准图像序列，包括：
将各个第一图像序列分别与所述基准图像序列进行配准，得到第一图像序列对应的第一配准图像序列；所述第一图像序列为所述输入图像序列中不属于所述关联图像序列组的图像序列；
将第二图像序列与所述基准图像序列进行配准，得到第二图像序列对应的第二配准图像序列；所述第二图像序列为所述关联图像序列组中的指定图像序列；
根据所述第二配准图像序列，修改第三图像序列中各图像的像素值，得到第三配准图像序列；所述第三图像序列为所述关联图像序列组中除所述指定图像序列以外的图像序列；
输入图像序列对应的配准图像序列包括所述基准图像序列、所述第一配准图像序列、所述第二配准图像序列和所述第三配准图像序列。
在一个示例性的实现过程中，所述属性包括图像尺寸、图像数量、图像方向、图像位置以及图像中的像素间隔。
本发明实施例还提供一种计算机可读存储介质，其上存储有计算机程序，其中，所述程序被处理器执行时实现如下操作：
接收输入图像序列，所述输入图像序列包括至少两个图像序列；
从所述输入图像序列中确定基准图像序列，基于所述基准图像序列，分别对所述输入图像序列中除所述基准图像序列以外的其他图像序列进行配准，得到输入图像序列对应的配准图像序列；
将所有配准图像序列和所述基准图像序列转换为相同图像空间的图像序列，作为中间图像序列，所述相同图像空间为具有相同属性的图像空间；
对于每个中间图像序列，基于预设的组织与数值范围的对应关系，以及所述中间图像序列中各个图像的组织分割结果，修改图像的像素值，得到数值处理后的中间图像序列；
根据所有数值处理后的中间图像序列，融合得到输出图像序列。
在一个示例性的实现过程中，对于每个中间图像序列，基于预设的组织与数值范围的对应关系，以及所述中间图像序列中各个图像的组织分割结果，修改图像的像素值，得到数值处理后的中间图像序列，包括：
针对所述中间图像序列中的每个图像，对所述图像进行组织分割，得到各个组织区域；
根据预设的组织与数值范围的对应关系，将所述图像中各个组织区域的像素值，修改为与相应组织对应的数值范围匹配的新像素值，得到第一图像；数值处理后的中间图像序列包括所述中间图像序列中的所有图像对应的第一图像；所述对应关系中，不同组织对应的数值范围不重叠。
在一个示例性的实现过程中，对于每个中间图像序列，基于预设的组织与数值范围的对应关系，以及所述中间图像序列中各个图像的组织分割结果，修改图像的像素值，得到数值处理后的中间图像序列，包括：
确定目标组织；
针对所述中间图像序列中的每个图像，从所述图像中分割出目标组织的图像，作为目标图像；
根据预设的组织与数值范围的对应关系，将所述目标图像中的像素值，修改为与目标组织对应的数值范围匹配的新像素值，得到第二图像；数值处理后的中间图像序列包括所述中间图像序列中的所有图像对应的第二图像；所述对应关系中，不同组织对应的数值范围不重叠。
在一个示例性的实现过程中，所述输入图像序列中包括关联图像序列组，所述关联图像序列组包括来自同一医学影像设备的至少两个图像序列；
基于所述基准图像序列，分别对所述输入图像序列中除所述基准图像序列以外的其他图像序列进行配准，得到输入图像序列对应的配准图像序列，包括：
将各个第一图像序列分别与所述基准图像序列进行配准，得到第一图像序列对应的第一配准图像序列；所述第一图像序列为所述输入图像序列中不属于所述关联图像序列组的图像序列；
将第二图像序列与所述基准图像序列进行配准，得到第二图像序列对应的第二配准图像序列；所述第二图像序列为所述关联图像序列组中的指定图像序列；
根据所述第二配准图像序列，修改第三图像序列中各图像的像素值，得到第三配准图像序列；所述第三图像序列为所述关联图像序列组中除所述指定图像序列以外的图像序列；
输入图像序列对应的配准图像序列包括所述基准图像序列、所述第一配准图像序列、所述第二配准图像序列和所述第三配准图像序列。
在一个示例性的实现过程中，所述属性包括图像尺寸、图像数量、图像方向、图像位置以及图像中的像素间隔。
对于装置和设备实施例而言，由于其基本对应于方法实施例，所以相关之处参见方法实施例的部分说明即可。以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理模块，即可以位于一个地方，或者也可以分布到多个网络模块上。可以根据实际的需要选择其中的部分或者全部模块来实现本说明书方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。
上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
本领域技术人员在考虑说明书及实践这里申请的发明后，将容易想到本说明书的其它实施方案。本说明书旨在涵盖本说明书的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本说明书的一般性原理并包括本说明书未申请的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本说明书的真正范围和精神由下面的权利要求指出。
应当理解的是，本说明书并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本说明书的范围仅由所附的权利要求来限制。
以上所述仅为本说明书的较佳实施例而已，并不用以限制本说明书，凡在本说明书的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本说明书保护的范围之内。

Claims (11)

1.一种图像处理方法，其特征在于，包括：
接收输入图像序列，所述输入图像序列包括至少两个图像序列；
从所述输入图像序列中确定基准图像序列，基于所述基准图像序列，分别对所述输入图像序列中除所述基准图像序列以外的其他图像序列进行配准，得到输入图像序列对应的配准图像序列；
将所有配准图像序列和所述基准图像序列转换为相同图像空间的图像序列，作为中间图像序列，所述相同图像空间为具有相同属性的图像空间；
对于每个中间图像序列，基于预设的组织与数值范围的对应关系，以及所述中间图像序列中各个图像的组织分割结果，修改图像的像素值，得到数值处理后的中间图像序列；
根据所有数值处理后的中间图像序列，融合得到输出图像序列。
2.根据权利要求1所述的方法，其特征在于，对于每个中间图像序列，基于预设的组织与数值范围的对应关系，以及所述中间图像序列中各个图像的组织分割结果，修改图像的像素值，得到数值处理后的中间图像序列，包括：
针对所述中间图像序列中的每个图像，对所述图像进行组织分割，得到各个组织区域；
根据预设的组织与数值范围的对应关系，将所述图像中各个组织区域的像素值，修改为与相应组织对应的数值范围匹配的新像素值，得到第一图像；数值处理后的中间图像序列包括所述中间图像序列中的所有图像对应的第一图像；所述对应关系中，不同组织对应的数值范围不重叠。
3.根据权利要求1所述的方法，其特征在于，对于每个中间图像序列，基于预设的组织与数值范围的对应关系，以及所述中间图像序列中各个图像的组织分割结果，修改图像的像素值，得到数值处理后的中间图像序列，包括：
确定目标组织；
针对所述中间图像序列中的每个图像，从所述图像中分割出目标组织的图像，作为目标图像；
根据预设的组织与数值范围的对应关系，将所述目标图像中的像素值，修改为与目标组织对应的数值范围匹配的新像素值，得到第二图像；数值处理后的中间图像序列包括所述中间图像序列中的所有图像对应的第二图像；所述对应关系中，不同组织对应的数值范围不重叠。
4.根据权利要求1所述的方法，其特征在于，所述输入图像序列中包括关联图像序列组，所述关联图像序列组包括来自同一医学影像设备的至少两个图像序列；
基于所述基准图像序列，分别对所述输入图像序列中除所述基准图像序列以外的其他图像序列进行配准，得到输入图像序列对应的配准图像序列，包括：
将各个第一图像序列分别与所述基准图像序列进行配准，得到第一图像序列对应的第一配准图像序列；所述第一图像序列为所述输入图像序列中不属于所述关联图像序列组的图像序列；
将第二图像序列与所述基准图像序列进行配准，得到第二图像序列对应的第二配准图像序列；所述第二图像序列为所述关联图像序列组中的指定图像序列；
根据所述第二配准图像序列，修改第三图像序列中各图像的像素值，得到第三配准图像序列；所述第三图像序列为所述关联图像序列组中除所述指定图像序列以外的图像序列；
输入图像序列对应的配准图像序列包括所述基准图像序列、所述第一配准图像序列、所述第二配准图像序列和所述第三配准图像序列。
5.根据权利要求1所述的方法，其特征在于，所述属性包括图像尺寸、图像数量、图像方向、图像位置以及图像中的像素间隔。
6.根据权利要求1所述的方法，其特征在于，根据所有数值处理后的中间图像序列，融合得到输出图像序列之后，还包括：
根据用户的分割指令，对所述输出图像序列进行与所述分割指令对应的分割，所述分割指令中包括待分割组织的轮廓。
7.一种图像处理装置，其特征在于，包括：
接收模块，用于接收输入图像序列，所述输入图像序列包括至少两个图像序列；
配准模块，用于从所述输入图像序列中确定基准图像序列，基于所述基准图像序列，分别对所述输入图像序列中除所述基准图像序列以外的其他图像序列进行配准，得到输入图像序列对应的配准图像序列；
转换模块，用于将所有配准图像序列和所述基准图像序列转换为相同图像空间的图像序列，作为中间图像序列，所述相同图像空间为具有相同属性的图像空间；
数值处理模块，用于对于每个中间图像序列，基于预设的组织与数值范围的对应关系，以及所述中间图像序列中各个图像的组织分割结果，修改图像的像素值，得到数值处理后的中间图像序列；
融合模块，用于根据所有数值处理后的中间图像序列，融合得到输出图像序列。
8.根据权利要求7所述的装置，其特征在于，所述数值处理模块具体用于：
针对所述中间图像序列中的每个图像，对所述图像进行组织分割，得到各个组织区域；
根据预设的组织与数值范围的对应关系，将所述图像中各个组织区域的像素值，修改为与相应组织对应的数值范围匹配的新像素值，得到第一图像；数值处理后的中间图像序列包括所述中间图像序列中的所有图像对应的第一图像；所述对应关系中，不同组织对应的数值范围不重叠。
9.根据权利要求7所述的装置，其特征在于，所述数值处理模块具体用于：
确定目标组织；
针对所述中间图像序列中的每个图像，从所述图像中分割出目标组织的图像，作为目标图像；
根据预设的组织与数值范围的对应关系，将所述目标图像中的像素值，修改为与目标组织对应的数值范围匹配的新像素值，得到第二图像；数值处理后的中间图像序列包括所述中间图像序列中的所有图像对应的第二图像；所述对应关系中，不同组织对应的数值范围不重叠。
10.根据权利要求7所述的装置，其特征在于，所述输入图像序列中包括关联图像序列组，所述关联图像序列组包括来自同一医学影像设备的至少两个图像序列；
所述配准模块具体用于：
将各个第一图像序列分别与所述基准图像序列进行配准，得到第一图像序列对应的第一配准图像序列；所述第一图像序列为所述输入图像序列中不属于所述关联图像序列组的图像序列；
将第二图像序列与所述基准图像序列进行配准，得到第二图像序列对应的第二配准图像序列；所述第二图像序列为所述关联图像序列组中的指定图像序列；
根据所述第二配准图像序列，修改第三图像序列中各图像的像素值，得到第三配准图像序列；所述第三图像序列为所述关联图像序列组中除所述指定图像序列以外的图像序列；
输入图像序列对应的配准图像序列包括所述基准图像序列、所述第一配准图像序列、所述第二配准图像序列和所述第三配准图像序列。
11.一种电子设备，其特征在于，包括：内部总线，以及通过内部总线连接的存储器、处理器和外部接口；其中：
所述存储器，用于存储图像处理逻辑对应的机器可读指令；
所述处理器，用于读取所述存储器上的所述机器可读指令，并执行如下操作：
接收输入图像序列，所述输入图像序列包括至少两个图像序列；
从所述输入图像序列中确定基准图像序列，基于所述基准图像序列，分别对所述输入图像序列中除所述基准图像序列以外的其他图像序列进行配准，得到输入图像序列对应的配准图像序列；
将所有配准图像序列和所述基准图像序列转换为相同图像空间的图像序列，作为中间图像序列，所述相同图像空间为具有相同属性的图像空间；
对于每个中间图像序列，基于预设的组织与数值范围的对应关系，以及所述中间图像序列中各个图像的组织分割结果，修改图像的像素值，得到数值处理后的中间图像序列；
根据所有数值处理后的中间图像序列，融合得到输出图像序列。
CN202010949847.XA 2020-09-10 2020-09-10 图像处理方法、装置及电子设备 Pending CN112150419A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010949847.XA CN112150419A (zh) 2020-09-10 2020-09-10 图像处理方法、装置及电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010949847.XA CN112150419A (zh) 2020-09-10 2020-09-10 图像处理方法、装置及电子设备

Publications (1)

Publication Number Publication Date
CN112150419A true CN112150419A (zh) 2020-12-29

Family

ID=73889958

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010949847.XA Pending CN112150419A (zh) 2020-09-10 2020-09-10 图像处理方法、装置及电子设备

Country Status (1)

Country Link
CN (1) CN112150419A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113298831A (zh) * 2021-06-30 2021-08-24 上海联影医疗科技股份有限公司 图像分割方法、装置、电子设备及存储介质
WO2023276834A1 (ja) * 2021-06-29 2023-01-05 富士フイルム株式会社 画像処理装置、正解データ生成装置、類似画像検索装置、画像処理方法、及びプログラム

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050249391A1 (en) * 2004-05-10 2005-11-10 Mediguide Ltd. Method for segmentation of IVUS image sequences
US20070165923A1 (en) * 2005-10-19 2007-07-19 Siemens Corporate Research, Inc. System and Method For The Joint Evaluation of Multi Phase MR Marrow Images
US20090003691A1 (en) * 2007-06-28 2009-01-01 General Electric Company Segmentation of tissue images using color and texture
CN102573625A (zh) * 2010-10-13 2012-07-11 株式会社东芝 磁共振成像装置、磁共振成像方法及图像显示装置
JP2014221121A (ja) * 2013-05-13 2014-11-27 株式会社東芝 医用画像解析装置
US20160019680A1 (en) * 2013-03-29 2016-01-21 Koninklijke Philips N.V. Image registration
WO2016206093A1 (zh) * 2015-06-26 2016-12-29 深圳市美德医疗电子技术有限公司 一种大脑皮层电极与磁共振图像融合显示的方法及装置
CN106373108A (zh) * 2016-08-29 2017-02-01 王磊 一种将实时超声图像与术前核磁图像进行融合的方法及装置
CN106683042A (zh) * 2017-01-05 2017-05-17 南京觅踪电子科技有限公司 一种基于非线性最小二乘的多模态医学图像融合方法以及系统
WO2020163258A1 (en) * 2019-02-07 2020-08-13 Vysioneer INC. Method and apparatus for automated target and tissue segmentation using multi-modal imaging and ensemble machine learning models

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050249391A1 (en) * 2004-05-10 2005-11-10 Mediguide Ltd. Method for segmentation of IVUS image sequences
US20070165923A1 (en) * 2005-10-19 2007-07-19 Siemens Corporate Research, Inc. System and Method For The Joint Evaluation of Multi Phase MR Marrow Images
US20090003691A1 (en) * 2007-06-28 2009-01-01 General Electric Company Segmentation of tissue images using color and texture
CN102573625A (zh) * 2010-10-13 2012-07-11 株式会社东芝 磁共振成像装置、磁共振成像方法及图像显示装置
US20160019680A1 (en) * 2013-03-29 2016-01-21 Koninklijke Philips N.V. Image registration
JP2014221121A (ja) * 2013-05-13 2014-11-27 株式会社東芝 医用画像解析装置
WO2016206093A1 (zh) * 2015-06-26 2016-12-29 深圳市美德医疗电子技术有限公司 一种大脑皮层电极与磁共振图像融合显示的方法及装置
CN106373108A (zh) * 2016-08-29 2017-02-01 王磊 一种将实时超声图像与术前核磁图像进行融合的方法及装置
CN106683042A (zh) * 2017-01-05 2017-05-17 南京觅踪电子科技有限公司 一种基于非线性最小二乘的多模态医学图像融合方法以及系统
WO2020163258A1 (en) * 2019-02-07 2020-08-13 Vysioneer INC. Method and apparatus for automated target and tissue segmentation using multi-modal imaging and ensemble machine learning models

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023276834A1 (ja) * 2021-06-29 2023-01-05 富士フイルム株式会社 画像処理装置、正解データ生成装置、類似画像検索装置、画像処理方法、及びプログラム
CN113298831A (zh) * 2021-06-30 2021-08-24 上海联影医疗科技股份有限公司 图像分割方法、装置、电子设备及存储介质
CN113298831B (zh) * 2021-06-30 2022-03-29 上海联影医疗科技股份有限公司 图像分割方法、装置、电子设备及存储介质

Similar Documents

Publication Publication Date Title
CN106056537B (zh) 一种医学图像拼接方法及装置
US9741131B2 (en) Anatomy aware articulated registration for image segmentation
US9082231B2 (en) Symmetry-based visualization for enhancing anomaly detection
CN104346821B (zh) 用于医学成像的自动规划
CN111724904A (zh) 用于针对医学扫描的患者建模的多任务渐进式网络
US10803354B2 (en) Cross-modality image synthesis
EP1336376A1 (en) Image processing device and image processing method
US9672651B2 (en) Four-dimensional reconstruction of regions exhibiting multiple phases of periodic motion
EP2380140B1 (en) Generating views of medical images
CN111161270A (zh) 医学影像的血管分割方法、计算机设备和可读存储介质
EP2620909B1 (en) Method, system and computer readable medium for automatic segmentation of a medical image
US8068665B2 (en) 3D-image processing apparatus, 3D-image processing method, storage medium, and program
CN112150419A (zh) 图像处理方法、装置及电子设备
CN111062997A (zh) 一种血管造影成像方法、系统、设备和存储介质
CN111445550A (zh) Pet图像的迭代重建方法、装置和计算机可读存储介质
CN111223158A (zh) 心脏冠脉图像的伪影校正方法和可读存储介质
CN110738639B (zh) 医学图像检测结果的展示方法、装置、设备及存储介质
EP3721412B1 (en) Registration of static pre-procedural planning data to dynamic intra-procedural segmentation data
CN110473241A (zh) 图像配准方法、存储介质及计算机设备
US7684598B2 (en) Method and apparatus for the loading and postprocessing of digital three-dimensional data
CN115761134A (zh) 孪生模型的生成方法、系统、核磁共振装置和介质
CN111062998B (zh) 图像重建方法、装置、ct系统及存储介质
CN114841996A (zh) 一种图像分析系统及方法
CN114565623A (zh) 肺血管分割方法、装置、存储介质及电子设备
CN107799166B (zh) 医学成像系统

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