CN112308943A - 一种cbct金属伪影校正方法 - Google Patents
一种cbct金属伪影校正方法 Download PDFInfo
- Publication number
- CN112308943A CN112308943A CN202011364265.1A CN202011364265A CN112308943A CN 112308943 A CN112308943 A CN 112308943A CN 202011364265 A CN202011364265 A CN 202011364265A CN 112308943 A CN112308943 A CN 112308943A
- Authority
- CN
- China
- Prior art keywords
- metal
- mpr
- image
- offset
- cbct
- 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
Links
- 239000002184 metal Substances 0.000 title claims abstract description 73
- 238000000034 method Methods 0.000 title claims abstract description 31
- 238000007408 cone-beam computed tomography Methods 0.000 title claims abstract description 17
- 102100037182 Cation-independent mannose-6-phosphate receptor Human genes 0.000 claims abstract description 10
- 101001028831 Homo sapiens Cation-independent mannose-6-phosphate receptor Proteins 0.000 claims abstract description 10
- 230000011218 segmentation Effects 0.000 claims abstract description 7
- 238000005311 autocorrelation function Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 9
- 238000005516 engineering process Methods 0.000 description 6
- 230000000694 effects Effects 0.000 description 5
- 238000002059 diagnostic imaging Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000002591 computed tomography Methods 0.000 description 1
Images
Classifications
-
- 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
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/4007—Scaling of whole images or parts thereof, e.g. expanding or contracting based on interpolation, e.g. bilinear interpolation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2210/00—Indexing scheme for image generation or computer graphics
- G06T2210/41—Medical
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
本发明公开一种CBCT金属伪影校正方法,包括S1、采用FDK算法对输入的投影图像P1进行重建得到F1;S2、采用阈值分割法对F1进行分割得到金属图像M1;S3、对M1通过区域生长法得到M2;S4、对M2进行扩展得到M3;S5、对M3进行正投影得到金属投影区域MPR;S6、对MPR进行模板匹配,误差椭圆拟合和偏移校正后得到MPR1;S7、对MPR1进行扩展得到MPR2,再对MPR2进行几何校正得到MPR3;S8、对投影图像P1在MPR3区域中进行几何校正得到P2;S9、对P2进行插值得到P3;S10、对P3进行重建得到F2;S11、结合M3对F2金属区域的像素值进行替换得到F3,本发明可以大大提高CBCT重建图像的质量。与现有的公开的算法相比,该算法考虑了正投影误差及系统几何误差的影响,鲁棒性强。
Description
技术领域
本发明涉及医学成像技术领域,尤其涉及一种CBCT金属伪影校正方法。
背景技术
近二十年来,X射线计算机断层成像技术迅猛发展,牙科领域也对重建图像的质量提高了要求。金属伪影是牙科CBCT重建图像不可避免的,现在的金属伪影校正主要分为3类:第一类为投影插值法,第二类为迭代重建法,第三类为混合法。具体来说,由于第二类和第三类耗时较长,并且迭代重建法对系统几何误差较FDK重建敏感,所以现在发展的较好的是第一类的投影插值法。
现有的金属伪影校正技术大多被各大公司视为商业机密,不轻易外泄。现有的公开技术基本是学术论文的方法,且多数只给出二维的校正结果,对三维数据处理有借鉴意义。大部分论文对投影误差以及重建误差并未处理。在二维到三维的过程中,表面只增加了一维,但实际上几何误差在二维时影响不大,但三维时却相当影响校正效果。本发明致力于研究提供一种三维的金属伪影校正方法。
发明内容
针对上述问题,本发明提出一种CBCT金属伪影校正方法,主要解决背景技术中的问题。
本发明提出一种CBCT金属伪影校正方法,包括以下步骤:
S1、采用FDK算法对输入的投影图像P1进行重建得到F1;
S2、采用阈值分割法对F1进行分割得到金属图像M1;
S3、对M1通过区域生长法得到M2;
S4、对M2进行扩展得到M3;
S5、对M3进行正投影得到金属投影区域MPR;
S6、对MPR进行模板匹配,误差椭圆拟合和偏移校正后得到MPR1;;
S7、对MPR1进行扩展得到MPR2,再对MPR2进行几何校正得到MPR3;
S8、对投影图像P1在MPR3区域中进行几何校正得到P2;
S9、对P2进行插值得到P3;
S10、对P3进行重建得到F2;
S11、结合M3对F2金属区域的像素值进行替换得到F3,得到最终图像F3。
进一步改进在于,所述步骤S3具体包括:
S31、求出金属图像M1的均值mu1和方差sigma1;
S32、以金属图像M1中的金属区域点为中心,求其4邻域,并判断邻域的平均灰度值是否大于mu1+pa1*sugma1,若大于mu1+pa1*sugma1,则把该金属区域点加入金属图像M1,并更新均值mu1;
S33、依次遍历金属图像M1中的所有金属区域点;
其中,pa1=1.01*pa0,pa0=(mu1-metal_value)/sugma1,metal_value为分割金属图像M1所用的阈值。
进一步改进在于,所述步骤S4具体包括:为了校正分割误差对M2进行扩展,且以M2中金属区域点为中心,offset2为半径进行扩展得到M3。
进一步改进在于,所述步骤S6具体包括:
S61、将MPR与P1进行匹配,以offset为匹配半径,求出两个图像梯度模的自相关函数,进而得到偏移量dm,其中:
其中Mk={(m,n)|MPR(m,n,k)>0},-offset<i,j<offset;
S62、将偏移量dm进行椭圆拟合得到dm1,且dm1的椭圆参数方程为:
x=x0+acos(θ)
y=y0+bsin(θ)
由dm拟合椭圆得到:
S63、把MPR偏移dm1得到MPR1。
进一步改进在于,所述步骤S7具体包括:对MPR1进行扩展,以MPR1中金属区域为中心,offset1为半径进行扩展,同时对边缘进行修整得到MPR2。
与现有技术相比,本发明的有益效果为:
本发明属于医学成像技术领域,提供了一种CBCT金属伪影去除算法。该算法基于原始投影图像,直接在3维基础上去除金属伪影。时间花费小,效果好,对于金属伪影严重的图像,可以大大提高CBCT重建图像的质量。与现有的公开的算法相比,该算法考虑了正投影误差及系统几何误差的影响,鲁棒性强。同时插值算法和正投影算法比一般算法更精确,校正效果好。
附图说明
附图仅用于示例性说明,不能理解为对本专利的限制;为了更好说明本实施例,附图某些部件会有省略、放大或缩小,并不代表实际产品的尺寸;对于本领域技术人员来说,附图中某些公知结构及其说明可能省略是可以理解的。
图1为本发明一实施方式的整体流程示意图;
图2为本发明一实施方式的步骤S2过程示意图;
图3为本发明一实施方式的步骤S3过程示意图;
图4为本发明一实施方式的步骤S4过程示意图;
图5为本发明一实施方式的步骤S5过程示意图;
图6为本发明一实施方式的过程示意图;
图7为本发明一实施方式的过程示意图;
图8为本发明一实施方式的M2图像示意图;
图9为本发明一实施方式的M3图像示意图;
图10为本发明一实施方式的校正前后体模图像示意图;
图11为本发明一实施方式的校正前后真人图像示意图。
具体实施方式
在本发明的描述中,需要说明的是,除非另有明确的规定和限定,术语“安装”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以是通过中间媒介间接连接,可以说两个元件内部的连通。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明的具体含义。下面结合附图和实施例对本发明的技术方案做进一步的说明。
参照图1到图11,一种CBCT金属伪影校正方法,包括以下步骤:
S1、采用FDK算法对输入的投影图像P1进行重建得到F1;
S2、采用阈值分割法对F1进行分割得到金属图像M1;
S3、对M1通过区域生长法得到M2;
S4、对M2进行扩展得到M3;
S5、对M3进行正投影得到金属投影区域MPR;
S6、对MPR进行模板匹配,误差椭圆拟合和偏移校正后得到MPR1;;
S7、对MPR1进行扩展得到MPR2,再对MPR2进行几何校正得到MPR3;
S8、对投影图像P1在MPR3区域中进行几何校正得到P2;
S9、对P2进行插值得到P3;
S10、对P3进行重建得到F2;
S11、结合M3对F2金属区域的像素值进行替换得到F3,得到最终图像F3。
作为本发明一优选实施方案,所述步骤S3具体包括:
S31、求出金属图像M1的均值mu1和方差sigma1;
S32、以金属图像M1中的金属区域点为中心,求其4邻域,并判断邻域的平均灰度值是否大于mu1+pa1*sugma1,若大于mu1+pa1*sugma1,则把该金属区域点加入金属图像M1,并更新均值mu1;
S33、依次遍历金属图像M1中的所有金属区域点;
其中,pa1=1.01*pa0,pa0=(mu1-metal_value)/sugma1,metal_value为分割金属图像M1所用的阈值。
作为本发明一优选实施方案,所述步骤S4具体包括:为了校正分割误差对M2进行扩展,且以M2中金属区域点为中心,offset2为半径进行扩展得到M3。
作为本发明一优选实施方案,所述步骤S6具体包括:
S61、将MPR与P1进行匹配,以offset为匹配半径,求出两个图像梯度模的自相关函数,进而得到偏移量dm,其中:
其中Mk={(m,n)|MPR(m,n,k)>0},-offset<i,j<offset;
S62、将偏移量dm进行椭圆拟合得到dm1(容易证明,偏移量dm的轨迹近似为椭圆),且dm1的椭圆参数方程为:
x=x0+acos(θ)
y=y0+bsin(θ)
由dm拟合椭圆得到:
S63、把MPR偏移dm1得到MPR1。
作为本发明一优选实施方案,所述步骤S7具体包括:对MPR1进行扩展,以MPR1中金属区域为中心,offset1为半径进行扩展,同时对边缘进行修整(置0)得到MPR2。
与现有技术相比,本发明的有益效果为:
本发明属于医学成像技术领域,提供了一种CBCT金属伪影去除算法。该算法基于原始投影图像,直接在3维基础上去除金属伪影。时间花费小,效果好,对于金属伪影严重的图像,可以大大提高CBCT重建图像的质量。与现有的公开的算法相比,该算法考虑了正投影误差及系统几何误差的影响,鲁棒性强。同时插值算法和正投影算法比一般算法更精确,校正效果好。
图中,描述位置关系仅用于示例性说明,不能理解为对本专利的限制;显然,本发明的上述实施例仅仅是为清楚地说明本发明所作的举例,而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明权利要求的保护范围之内。
Claims (5)
1.一种CBCT金属伪影校正方法,其特征在于,包括以下步骤:
S1、采用FDK算法对输入的投影图像P1进行重建得到F1;
S2、采用阈值分割法对F1进行分割得到金属图像M1;
S3、对M1通过区域生长法得到M2;
S4、对M2进行扩展得到M3;
S5、对M3进行正投影得到金属投影区域MPR;
S6、对MPR进行模板匹配,误差椭圆拟合和偏移校正后得到MPR1;;
S7、对MPR1进行扩展得到MPR2,再对MPR2进行几何校正得到MPR3;
S8、对投影图像P1在MPR3区域中进行几何校正得到P2;
S9、对P2进行插值得到P3;
S10、对P3进行重建得到F2;
S11、结合M3对F2金属区域的像素值进行替换得到F3,得到最终图像F3。
2.根据权利要求1所述的一种CBCT金属伪影校正方法,其特征在于,所述步骤S3具体包括:
S31、求出金属图像M1的均值mu1和方差sigma1;
S32、以金属图像M1中的金属区域点为中心,求其4邻域,并判断邻域的平均灰度值是否大于mu1+pa1*sugma1,若大于mu1+pa1*sugma1,则把该金属区域点加入金属图像M1,并更新均值mu1;
S33、依次遍历金属图像M1中的所有金属区域点;
其中,pa1=1.01*pa0,pa0=(mu1-metal_value)/sugma1,metal_value为分割金属图像M1所用的阈值。
3.根据权利要求1所述的一种CBCT金属伪影校正方法,其特征在于,所述步骤S4具体包括:为了校正分割误差对M2进行扩展,且以M2中金属区域点为中心,offset2为半径进行扩展得到M3。
5.根据权利要求1所述的一种CBCT金属伪影校正方法,其特征在于,所述步骤S7具体包括:对MPR1进行扩展,以MPR1中金属区域为中心,offset1为半径进行扩展,同时对边缘进行修整得到MPR2。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011364265.1A CN112308943A (zh) | 2020-11-27 | 2020-11-27 | 一种cbct金属伪影校正方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011364265.1A CN112308943A (zh) | 2020-11-27 | 2020-11-27 | 一种cbct金属伪影校正方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112308943A true CN112308943A (zh) | 2021-02-02 |
Family
ID=74487034
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011364265.1A Pending CN112308943A (zh) | 2020-11-27 | 2020-11-27 | 一种cbct金属伪影校正方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112308943A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113643393A (zh) * | 2021-06-28 | 2021-11-12 | 南京邮电大学 | 一种基于引导图滤波的cbct图像金属伪影校正方法 |
CN113729747A (zh) * | 2021-08-09 | 2021-12-03 | 中科超精(南京)科技有限公司 | 一种球形金属标记的锥束ct金属伪影去除系统及去除方法 |
-
2020
- 2020-11-27 CN CN202011364265.1A patent/CN112308943A/zh active Pending
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113643393A (zh) * | 2021-06-28 | 2021-11-12 | 南京邮电大学 | 一种基于引导图滤波的cbct图像金属伪影校正方法 |
CN113643393B (zh) * | 2021-06-28 | 2023-06-16 | 南京邮电大学 | 一种基于引导图滤波的cbct图像金属伪影校正方法 |
CN113729747A (zh) * | 2021-08-09 | 2021-12-03 | 中科超精(南京)科技有限公司 | 一种球形金属标记的锥束ct金属伪影去除系统及去除方法 |
CN113729747B (zh) * | 2021-08-09 | 2024-04-26 | 中科超精(南京)科技有限公司 | 一种球形金属标记的锥束ct金属伪影去除系统及去除方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110889005B (zh) | 搜索医学参考图像 | |
CN110189352B (zh) | 一种基于口腔cbct图像的牙根提取方法 | |
TWI776426B (zh) | 圖像識別方法、電子設備和電腦可讀儲存介質 | |
CN112308943A (zh) | 一种cbct金属伪影校正方法 | |
JP2007236939A (ja) | 乳房辺縁検出のための方法および装置 | |
JP2016511834A (ja) | 粒子径を求める方法及び装置 | |
CN109285142B (zh) | 一种头颈部肿瘤检测方法、装置及计算机可读存储介质 | |
CN110008992B (zh) | 一种用于前列腺癌辅助诊断的深度学习方法 | |
CN110971827B (zh) | 人像模式拍摄方法、装置、终端设备和存储介质 | |
WO2018126434A1 (zh) | Ct图像阴影校正方法、装置及电子设备 | |
US11406340B2 (en) | Method for converting tone of chest X-ray image, storage medium, image tone conversion apparatus, server apparatus, and conversion method | |
CN110458908B (zh) | 基于有限角度迭代重建超视野ct图像的方法 | |
Liu et al. | Contour-maintaining-based image adaption for an efficient ambulance service in intelligent transportation systems | |
CN107230250B (zh) | 一种参照实体标本进行直接三维建模的成型方法 | |
JP5373931B2 (ja) | 仮想視点画像生成方法,仮想視点画像生成装置および仮想視点画像生成プログラム | |
US20220358740A1 (en) | System and Method for Alignment of Volumetric and Surface Scan Images | |
Zhang et al. | Accurate detection of inner ears in head CTs using a deep volume-to-volume regression network with false positive suppression and a shape-based constraint | |
Harder et al. | A three dimensional children head database for acoustical research and development | |
CN115187640A (zh) | 一种基于点云的ct与mri 3d/3d图像配准方法 | |
CN108242049A (zh) | 一种针对gpu优化的全尺度dr影像增强处理方法 | |
CN115116468A (zh) | 一种视频生成方法、装置、存储介质及电子设备 | |
CN115601233B (zh) | 一种医学图像的2d转3d方法 | |
Gopinath et al. | Automatic feature extraction and statistical shape model of the AIDS virus spike | |
CN109587469A (zh) | 基于人工智能识别的影像处理方法及装置 | |
CN111933252B (zh) | 一种牙位检出和缺失牙标记方法及装置 |
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 |