CN112614201A - 医学图像处理方法、装置、设备及存储介质 - Google Patents
医学图像处理方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN112614201A CN112614201A CN202011519164.7A CN202011519164A CN112614201A CN 112614201 A CN112614201 A CN 112614201A CN 202011519164 A CN202011519164 A CN 202011519164A CN 112614201 A CN112614201 A CN 112614201A
- Authority
- CN
- China
- Prior art keywords
- image
- pet
- scanning data
- filtering
- determining
- 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
- 238000003672 processing method Methods 0.000 title claims abstract description 22
- 238000001914 filtration Methods 0.000 claims abstract description 82
- 239000011159 matrix material Substances 0.000 claims abstract description 78
- 239000002131 composite material Substances 0.000 claims abstract description 62
- 238000000034 method Methods 0.000 claims abstract description 26
- 238000012545 processing Methods 0.000 claims description 27
- 238000012360 testing method Methods 0.000 claims description 12
- 238000002600 positron emission tomography Methods 0.000 description 128
- 238000012879 PET imaging Methods 0.000 description 16
- 238000005516 engineering process Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 238000003384 imaging method Methods 0.000 description 5
- 239000013589 supplement Substances 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 239000000700 radioactive tracer Substances 0.000 description 3
- 230000009467 reduction Effects 0.000 description 3
- 238000007476 Maximum Likelihood Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000003902 lesion Effects 0.000 description 1
- 230000002503 metabolic effect Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000009206 nuclear medicine Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 210000000056 organ Anatomy 0.000 description 1
- 239000012217 radiopharmaceutical Substances 0.000 description 1
- 229940121896 radiopharmaceutical Drugs 0.000 description 1
- 230000002799 radiopharmaceutical effect Effects 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009469 supplementation Effects 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
- G06T11/006—Inverse problem, transformation from projection-space into object-space, e.g. transform methods, back-projection, algebraic methods
-
- 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
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Algebra (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Mathematical Physics (AREA)
- Pure & Applied Mathematics (AREA)
- Nuclear Medicine (AREA)
- Image Processing (AREA)
Abstract
本发明实施例公开了一种医学图像处理方法、装置、设备及存储介质,该方法包括:根据时间均分原则将目标对象的PET扫描数据划分为至少两组;确定每一组PET扫描数据对应的复合帧图像,以得到至少两幅复合帧图像;确定该至少两幅复合帧图像对应的引导核矩阵;使用所述引导核矩阵对所述PET扫描数据对应的每一帧图像进行引导核滤波,以得到相应帧的目标PET图像。解决了现有技术无法在不影响PET图像所携带的空间信息的情况下,降低其噪声水平。
Description
技术领域
本发明实施例涉及图像处理领域,尤其涉及一种医学图像处理方法、装置、设备及存储介质。
背景技术
正电子发射断层成像(Positron Emission Computed Tomography,简称PET)是一种功能性成像仪器,是现在核医学领域比较先进的临床成像技术。PET成像技术是目前唯一用解剖形式进行功能、代谢和受体显像的技术,具有无创伤性的特点,且能够提供全身三维和功能运作的图像。在对患者进行PET成像之前,需要对患者注射半衰期较短的放射性药物(示踪剂),由于示踪剂分布的变化较快,因此必须采用较高的扫描速度对患者进行扫描。而较高的扫描速度又容易在示踪剂的剂量较低时出现计数不足的情况,计数不足又会降低PET图像的图像质量,比如噪声水平较高。当PET图像的噪声水平较高时,高噪声会掩盖重要的微小病变,器官和组织的边界也会变得模糊不清,这会增加漏诊和误诊的几率。
因此需要对PET图像进行降噪,而现有降噪方法在降低PET图像的噪声水平的同时,还降低了PET图像所携带的空间信息,即现有技术无法在不影响PET图像所携带的空间信息的情况下,降低其噪声水平。
发明内容
本发明实施例提供了一种医学图像处理方法、装置、设备及存储介质,解决了现有技术无法在不影响PET图像所携带的空间信息的情况下,降低其噪声水平。
第一方面,本发明实施例提供了一种医学图像处理方法,包括:
根据时间均分原则将目标对象的PET扫描数据划分为至少两组;
确定每一组PET扫描数据对应的复合帧图像,以得到至少两幅复合帧图像;
确定该至少两幅复合帧图像对应的引导核矩阵;
使用所述引导核矩阵对所述PET扫描数据对应的每一帧图像进行引导核滤波,以得到相应帧的目标PET图像。
第二方面,本发明实施例还提供了一种医学图像处理装置,包括:
分组模块,用于根据时间均分原则将目标对象的PET扫描数据划分为至少两组;
图像重建模块,用于确定每一组PET扫描数据对应的复合帧图像,以得到至少两幅复合帧图像;
矩阵确定模块,用于确定该至少两幅复合帧图像对应的引导核矩阵;
滤波模块,用于使用所述引导核矩阵对所述PET扫描数据对应的每一帧图像进行引导核滤波,以得到相应帧的目标PET图像。
第三方面,本发明实施例还提供了一种图像处理设备,所述图像处理设备包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如任意实施例所述的医学图像处理方法。
第四方面,本发明实施例还提供了一种包含计算机可执行指令的存储介质,所述计算机可执行指令在由计算机处理器执行时用于执行如任意实施例所述的医学图像处理方法。
本发明实施例提供的医学图像处理方法的技术方案,根据时间均分原则将目标对象的PET扫描数据划分为至少两组;确定每一组PET扫描数据对应的复合帧图像,以得到至少两幅复合帧图像,使复合帧图像携带有空间信息;确定该至少两幅复合帧图像对应的引导核矩阵,使得引导核矩阵携带有所有复合帧图像携带的空间信息;使用引导核矩阵对PET扫描数据对应的每一帧图像进行引导核滤波以得到相应帧的目标PET图像,实现了通过引导核矩阵对每一帧图像进行滤波,并在滤波过程中通过引导核矩阵对相应帧图像进行空间信息补充,以使目标PET图像具有较低的噪声水平和较丰富的空间信息,提高了低剂量PET成像技术采集的扫描数据的图像重建质量,进而提高了低剂量PET成像技术在临床上的推广速度。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图做一简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例一提供的医学图像处理方法的流程图;
图2是本发明实施例一提供的医学图像处理方法的示意图;
图3是本发明实施例二提供的医学图像处理装置的结构框图;
图4是本发明实施例三提供的图像处理设备的结构框图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,以下将参照本发明实施例中的附图,通过实施方式清楚、完整地描述本发明的技术方案,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
实施例一
图1是本发明实施例一提供的医学图像处理方法的流程图。本实施例的技术方案适用于通过至少两幅复合帧图像确定携带有空间信息的引导核矩阵,以使该引导核矩阵在对PET图像数据的每一帧图像进行滤波时,还对相应帧图像进行空间信息补充,从而使滤波生成的目标PET图像既具有较低的噪声水平又携带有丰富的空间信息的情况。该方法可以由本发明实施例提供的医学图像处理装置来执行,该装置可以采用软件和/或硬件的方式实现,并配置在图像处理设备的处理器中应用。该方法具体包括如下步骤:
S101、根据时间均分原则将目标对象的PET扫描数据划分为至少两组。
所谓时间均分原则,是指根据时间活度曲线将扫描时间平均划分成N个时间段,并将每个时间段对应的PET扫描数据作为一组,其中,N为大于或等于2的自然数。
示例性的,如图2所示,PET成像设备在一个小时内对目标对象扫描了24次,即生成了24帧PET图像的扫描数据。如果当前时间均分原则是将扫描时间平均划分为3个时间段,那么此次成像扫描的扫描时间可被划分为:第一时间段(前20分钟)、第二时间段(中间20分钟)和第三时间段(后20分钟)。经核实发现PET成像设备在第一时间段内扫描了16次,在第二时间段内扫描了4次,在第三时间段内扫描了4次,那么PET成像设备的此次扫描数据即PET扫描数据可被划分成:包括1-16帧图像的PET扫描数据的第一组,包括17-20帧图像的PET扫描数据的第二组以及包括21-24帧图像的PET扫描数据的第三组。
需要说明的是,本实施例中的PET扫描数据是对PET成像设备采集的原始扫描数据进行衰减校正处理得到的数据。
S102、确定每一组PET扫描数据对应的复合帧图像,以得到至少两幅复合帧图像。
对每一组PET扫描数据进行图像重建以得到每一组PET扫描数据对应的复合帧图像,从而得到至少两幅复合帧图像。如图2所示,对1-16帧图像的PET扫描数据进行图像重建以得到第一复合帧图像,对17-20帧图像的PET扫描数据进行图像重建以得到第二复合帧图像,对21-24帧图像的PET扫描数据进行图像重建以得到第三复合帧图像。可以理解的是,每一幅复合帧图像携带其对应组别的所有图像帧的信息,特别是空间信息。
其中,图像重建算法优选但不限于MLEM(Maximum Likelihood ExpectationMaximization,简称MLEM,即极大似然期望最大化)算法,即图2中的EM,具体如下:
其中,y为PET扫描数据,可以被认为是一个独立的泊松随机变量的集合;P为系统矩阵;r表示背景事件;如随机噪声和散射;n是图像中的像素总数,M为PET成像设备包含的探测器对的数量,TM为长度为M的单位向量。
本实施例中,优选将PET扫描数据划分为三组,相应的,PET扫描数据对应三幅复合帧图像。将PET扫描数据划分为三组,可使重建得到的三幅复合帧图像既包含较多的空间信息,又包含有较多的图像细节信息。
S103、确定该至少两幅复合帧图像对应的引导核矩阵。
本实施例优选基于k近邻算法确定该至少两幅复合帧图像对应的引导核矩阵。具体为:创建一窗口,在该窗口中寻找合适的邻居数据,比如距离最近的邻居数据来构造核矩阵,并对矩阵进行归一化,得到归一化的核矩阵,且该核矩阵优选为稀疏矩阵,以提高使用该核矩阵进行图像滤波处理的速度。
可以理解的是,由于用于重建复合帧图像的每一幅图像均携带有空间信息,因此每一帧复合帧图像均携带有丰富的空间信息,因此基于至少两幅复合帧图像确定的引导核矩阵也携带有丰富的空间信息。由于PET图像的空间信息来自于PET图像的像素亮度信息,或者说PET图像的空间信息由PET图像的像素亮度信息确定,因此本实施例的引导核矩阵携带有该至少两幅复合帧图像的像素亮度信息。
在一个实施例中,在确定该至少两幅复合帧图像对应的引导核矩阵之前,先分别对该至少两幅复合帧图像进行预设滤波处理以更新每一幅复合帧图像。其中,该预设滤波处理优选但不限于高斯滤波处理。
S104、使用引导核矩阵对PET扫描数据对应的每一帧图像进行引导核滤波,以得到相应帧的目标PET图像。
在引导核矩阵确定之后,从PET扫描数据中读取当前帧图像的扫描数据,并对读取的扫描数据进行图像重建以得到当前帧图像;获取预设滤波次数,并使用引导核矩阵对当前帧图像进行引导核滤波以得到中间PET图像;在检测到有中间PET图像生成时,确定当前滤波次数是否大于0;若是,则将中间PET图像转换成对应的扫描数据,并对扫描数据进行图像重建以更新当前帧图像,以及使用引导核矩阵对当前帧图像进行引导核滤波,以更新中间PET图像;若否,则将该中间PET图像作为目标PET图像。
其中,本实施例优选采用MLEM算法对扫描数据进行图像重建以得到当前帧图像。
其中,预设滤波次数为预先设置的滤波次数。在一个实施例中,该预设滤波次数可用于不同型号的PET成像设备以不同的扫描条件对目标对象的不同扫描部位扫描获得的PET扫描数据对应的各帧图像的引导核滤波处理。在一个实施例中,该预设滤波次数可用于不同型号的PET成像设备以相同或相近扫描条件对目标对象扫描获得的PET扫描数据对应的各帧图像的引导核滤波处理。其中,扫描条件包括扫描次数和相邻两次扫描之间的时间间隔。
其中,预设滤波次数的确定方法包括以下步骤:从测试PET扫描数据中读取当前帧图像的扫描数据,并对读取的扫描数据进行图像重建以得到当前帧图像;使用测试PET扫描数据对应的引导核矩阵对当前帧图像进行引导核滤波以得到中间PET图像;在检测到有中间PET图像生成时,确定当前测试次数是否大于0;若是,则记录中间PET图像的预设图像质量参数和对应的滤波次数;以及将中间PET图像转换成对应的扫描数据,并对扫描数据进行图像重建以更新当前帧图像,以及使用引导核矩阵对当前帧图像进行引导核滤波以得到中间PET图像;若否,则确定记录的所有预设图像质量参数中的最低值,并将该最低值对应的滤波次数作为预设滤波次数。
可以理解的是,该测试次数需大于预设滤波次数。如果记录的所有预设图像质量参数呈下降趋势,且最后一次提取的预设图像质量参数的数值最低,则可推知,当前设置的测试次数小于或等于预设滤波次数,且大概率情况下,当前设置的测试次数小于预设滤波次数,此时需要重新设置测试次数并采用上述预设滤波次数确定方法重新确定预设滤波次数。
在一些实施例中,将中间PET图像投影至预设投影方向上以得到对应的投影图像;然后将该投影图像的预设图像质量参数作为中间PET图像的预设图像质量参数。由于二维投影图像的数据量远远小于三维的中间PET图像的数据量,因此二维投影图像对应的预设图像质量参数的数据量也小于三维的中间PET图像对应的预设图像质量参数的数据量,因此在图像处理设备的图像处理速度无法满足三维的中间PET图像的预设图像质量参数的分析需求时,可以将投影图像的预设图像质量参数作为中间PET图像的预设图像质量参数。其中,该预设投影方向优选但不限于正向投影方向。
在一些实施例中,参见图2,从PET扫描数据读取当前帧图像的扫描数据,并对扫描数据进行图像重建以得到当前帧图像;使用引导核矩阵对当前帧图像进行引导核滤波以得到中间PET图像,并确定中间PET图像在预设投影方向上的投影图像;在检测到有投影图像生成时,确定投影图像的预设图像质量参数是否符合预设条件;若是,则将所投影图像或中间PET图像作为目标PET图像,并输出该目标PET图像;若否,则确定该中间PET图像对应的扫描数据,并对扫描数据进行图像重建以更新当前帧图像,以及使用引导核矩阵对当前帧图像进行引导核滤波以更新中间PET图像,以及确定更新后的中间PET图像在预设投影方向上的投影图像。在对每一帧图像进行引导核滤波时,均检测中间PET图像的预设图像质量参数是否符合预设条件,适应于任何PET成像设备以任何成像条件采集的任何目标对象的任何部位的PET扫描数据对应的图像,具有较好的普适性,但可以理解的是,在实际使用时,特别是在临床上应用时,该实施例的实施依赖于性能优越的图像处理设备。
当然,为了提高在每次引导核滤波时检测中间PET图像的预设图像质量参数是否符合预设条件的速度,可以将每次生成的中间PET图像投影至预设投影方向以得到对应的投影图像,然后检测该投影图像的预设图像质量参数是否符合预设条件,并将该结果作为相应中间PET图像的预设图像质量参数的评价结果。
可以理解的是,本实施例用于确定引导核矩阵的至少两幅复合帧图像对应的扫描数据,来源于当前的PET扫描数据,因此该引导核矩阵不存在与任一帧帧图像不匹配的问题。相较于现有技术根据其他模态的扫描数据确定的引导核矩阵来说,本实施例的引导核矩阵可以在保证每一帧图像的滤波效果的同时,为每一帧图像补充准确的空间信息,以提高每一帧图像的重建滤波效果,从而提高目标PET图像的图像质量。
本发明实施例提供的医学图像处理方法的技术方案,根据时间均分原则将目标对象的PET扫描数据划分为至少两组;确定每一组PET扫描数据对应的复合帧图像,以得到至少两幅复合帧图像,使复合帧图像携带有空间信息;确定该至少两幅复合帧图像对应的引导核矩阵,使得引导核矩阵携带有所有复合帧图像携带的空间信息;使用引导核矩阵对PET扫描数据对应的每一帧图像进行引导核滤波以得到相应帧的目标PET图像,实现了通过引导核矩阵对每一帧图像进行滤波,并在滤波过程中通过引导核矩阵对相应帧图像进行空间信息补充,以使目标PET图像具有较低的噪声水平和较丰富的空间信息,提高了低剂量PET成像技术采集的扫描数据的图像重建质量,进而提高了低剂量PET成像技术在临床上的推广速度。
实施例二
图3是本发明实施例提供的医学图像处理装置的结构框图。该装置用于执行上述任意实施例所提供的医学图像处理方法,该装置可选为软件或硬件实现。该装置包括:
分组模块11,用于根据时间均分原则将目标对象的PET扫描数据划分为至少两组;
图像重建模块12,用于确定每一组PET扫描数据对应的复合帧图像,以得到至少两幅复合帧图像;
矩阵确定模块13,用于确定该至少两幅复合帧图像对应的引导核矩阵;
滤波模块14,用于使用引导核矩阵对PET扫描数据对应的每一帧图像进行引导核滤波,以得到相应帧的目标PET图像。
可选地,矩阵确定模块用于基于k近邻算法确定该至少两幅复合帧图像对应的引导核矩阵;其中,引导核矩阵包括该至少两幅复合帧图像的像素亮度信息
可选地,滤波模块用于从PET扫描数据读取当前帧图像的扫描数据,并对扫描数据进行图像重建以得到当前帧图像;获取预设滤波次数,并使用引导核矩阵对当前帧图像进行引导核滤波以得到中间PET图像;在检测到有中间PET图像生成时,确定当前滤波次数是否大于0;若是,则将中间PET图像转换成对应的扫描数据,并对扫描数据进行图像重建以更新当前帧图像,以及使用所述引导核矩阵对所述当前帧图像进行引导核滤波,以更新中间PET图像;若否,则将中间PET图像作为目标PET图像。
可选地,预设滤波次数的确定模块用于从测试PET扫描数据中读取当前帧图像的扫描数据,并对扫描数据进行图像重建以得到当前帧图像;使用测试PET扫描数据对应的引导核矩阵对当前帧图像进行引导核滤波以得到中间PET图像;在检测到有中间PET图像生成时,确定当前测试次数是否大于0;若是,则记录中间PET图像的预设图像质量参数和对应的滤波次数;以及将中间PET图像转换成对应的扫描数据,并对扫描数据进行图像重建以更新当前帧图像,以及使用引导核矩阵对当前帧图像进行引导核滤波以得到中间PET图像;若否,则确定记录的所有预设图像质量参数中的最低值,并将该最低值对应的滤波次数作为预设滤波次数。
可选地,滤波模块在确定中间PET图像的预设图像质量参数时,先确定中间PET图像在预设方向上的投影图像;再将投影图像的预设图像质量参数作为中间PET图像的预设图像质量参数。
可选地,滤波模块用于从PET扫描数据读取当前帧图像的扫描数据,并对扫描数据进行图像重建以得到当前帧图像;使用引导核矩阵对当前帧图像进行引导核滤波以得到中间PET图像,并确定中间PET图像在预设投影方向上的投影图像;在检测到有投影图像生成时,确定投影图像的预设图像质量参数是否符合预设条件;若是,则将投影图像作为目标PET图像;若否,则确定中间PET图像对应的扫描数据,并对扫描数据进行图像重建以更新当前帧图像,以及使用引导核矩阵对当前帧图像进行引导核滤波以更新中间PET图像,以及确定更新后的中间PET图像在预设投影方向上的投影图像。
本发明实施例提供的医学图像处理装置的技术方案,根据时间均分原则将目标对象的PET扫描数据划分为至少两组;确定每一组PET扫描数据对应的复合帧图像,以得到至少两幅复合帧图像,使复合帧图像携带有空间信息;确定该至少两幅复合帧图像对应的引导核矩阵,使得引导核矩阵携带有所有复合帧图像携带的空间信息;使用引导核矩阵对PET扫描数据对应的每一帧图像进行引导核滤波以得到相应帧的目标PET图像,实现了通过引导核矩阵在对每一帧图像的滤波过程中,还通过引导核矩阵对相应帧图像进行空间信息补充,以使目标PET图像具有较低的噪声水平和较丰富的空间信息,提高了低剂量PET成像技术采集的扫描数据的图像重建质量,进而提高了低剂量PET成像技术在临床上的推广速度。
本发明实施例所提供的医学图像处理装置可执行本发明任意实施例所提供的医学图像处理方法,具备执行方法相应的功能模块和有益效果。
实施例三
图4为本发明实施例三提供的图像处理设备的结构示意图,如图4所示,该设备包括处理器201、存储器202、输入装置203以及输出装置204;设备中处理器201的数量可以是一个或多个,图4中以一个处理器201为例;设备中的处理器201、存储器202、输入装置203以及输出装置204可以通过总线或其他方式连接,图4中以通过总线连接为例。
存储器202作为一种计算机可读存储介质,可用于存储软件程序、计算机可执行程序以及模块,如本发明实施例中的医学图像处理方法对应的程序指令/模块(例如,分组模块11、图像重建模块12、矩阵确定模块13以及滤波模块14)。处理器201通过运行存储在存储器202中的软件程序、指令以及模块,从而执行设备的各种功能应用以及数据处理,即实现上述的医学图像处理方法。
存储器202可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序;存储数据区可存储根据终端的使用所创建的数据等。此外,存储器202可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中,存储器202可进一步包括相对于处理器201远程设置的存储器,这些远程存储器可以通过网络连接至设备。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。
输入装置203可用于接收输入的数字或字符信息,以及产生与设备的用户设置以及功能控制有关的键信号输入。
输出装置204可包括显示屏等显示设备,例如,用户终端的显示屏。
实施例四
本发明实施例还提供了一种包含计算机可执行指令的存储介质,所述计算机可执行指令在由计算机处理器执行时用于执行一种医学图像处理方法,该方法包括:
根据时间均分原则将目标对象的PET扫描数据划分为至少两组;
确定每一组PET扫描数据对应的复合帧图像,以得到至少两幅复合帧图像;
确定该至少两幅复合帧图像对应的引导核矩阵;
使用所述引导核矩阵对所述PET扫描数据对应的每一帧图像进行引导核滤波,以得到相应帧的目标PET图像。
当然,本发明实施例所提供的一种包含计算机可执行指令的存储介质,其计算机可执行指令不限于如上所述的方法操作,还可以执行本发明任意实施例所提供的医学图像处理方法中的相关操作。
通过以上关于实施方式的描述,所属领域的技术人员可以清楚地了解到,本发明可借助软件及必需的通用硬件来实现,当然也可以通过硬件实现,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如计算机的软盘、只读存储器(Read-Only Memory,简称ROM)、随机存取存储器(RandomAccess Memory,简称RAM)、闪存(FLASH)、硬盘或光盘等,包括若干指令用以使得一台图像处理设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述的医学图像处理方法。
值得注意的是,上述医学图像处理装置的实施例中,所包括的各个单元和模块只是按照功能逻辑进行划分的,但并不局限于上述的划分,只要能够实现相应的功能即可;另外,各功能单元的具体名称也只是为了便于相互区分,并不用于限制本发明的保护范围。
注意,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明进行了较为详细的说明,但是本发明不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。
Claims (10)
1.一种医学图像处理方法,其特征在于,包括:
根据时间均分原则将目标对象的PET扫描数据划分为至少两组;
确定每一组PET扫描数据对应的复合帧图像,以得到至少两幅复合帧图像;
确定该至少两幅复合帧图像对应的引导核矩阵;
使用所述引导核矩阵对所述PET扫描数据对应的每一帧图像进行引导核滤波,以得到相应帧的目标PET图像。
2.根据权利要求1所述的方法,其特征在于,所述PET扫描数据被划分成三组。
3.根据权利要求1所述的方法,其特征在于,所述确定该至少两幅复合帧图像对应的引导核矩阵,包括:
基于k近邻算法确定该至少两幅复合帧图像对应的引导核矩阵;
其中,所述引导核矩阵包括该至少两幅复合帧图像的像素亮度信息。
4.根据权利要求1所述的方法,其特征在于,所述使用所述引导核矩阵对所述PET扫描数据对应的每一帧图像进行引导核滤波,以得到相应帧的目标PET图像,包括:
从所述PET扫描数据中读取当前帧图像的扫描数据,并对所述扫描数据进行图像重建以得到当前帧图像;
获取预设滤波次数,并使用所述引导核矩阵对所述当前帧图像进行引导核滤波以得到中间PET图像;
在检测到有所述中间PET图像生成时,确定当前滤波次数是否大于0;
若是,则将所述中间PET图像转换成对应的扫描数据,并对所述扫描数据进行图像重建以更新所述当前帧图像,以及使用所述引导核矩阵对所述当前帧图像进行引导核滤波,以更新所述中间PET图像;
若否,则将所述中间PET图像作为目标PET图像。
5.根据权利要求4所述的方法,其特征在于,预设滤波次数的确定方法包括:
从测试PET扫描数据中读取当前帧图像的扫描数据,并对所述扫描数据进行图像重建以得到当前帧图像;
使用所述测试PET扫描数据对应的引导核矩阵对所述当前帧图像进行引导核滤波以得到中间PET图像;
在检测到有中间PET图像生成时,确定当前测试次数是否大于0;
若是,则记录所述中间PET图像的预设图像质量参数和对应的滤波次数;以及将所述中间PET图像转换成对应的扫描数据,并对所述扫描数据进行图像重建以更新所述当前帧图像,以及使用所述引导核矩阵对所述当前帧图像进行引导核滤波以得到中间PET图像;
若否,则确定记录的所有预设图像质量参数中的最低值,并将该最低值对应的滤波次数作为预设滤波次数。
6.根据权利要求5所述的方法,其特征在于,所述中间PET图像的预设图像质量参数的确定方法包括:
确定所述中间PET图像在预设方向上的投影图像;
将所述投影图像的预设图像质量参数作为所述中间PET图像的预设图像质量参数。
7.根据权利要求1所述的方法,其特征在于,所述使用所述引导核矩阵对所述PET扫描数据对应的每一帧图像进行引导核滤波,以得到相应帧的目标PET图像,包括:
从所述PET扫描数据读取当前帧图像的扫描数据,并对所述扫描数据进行图像重建以得到当前帧图像;
使用所述引导核矩阵对所述当前帧图像进行引导核滤波以得到中间PET图像,并确定所述中间PET图像在预设投影方向上的投影图像;
在检测到有所述投影图像生成时,确定所述投影图像的预设图像质量参数是否符合预设条件;
若是,则将所述投影图像或所述中间PET图像作为目标PET图像;
若否,则确定所述中间PET图像对应的扫描数据,并对所述扫描数据进行图像重建以更新所述当前帧图像,以及使用所述引导核矩阵对所述当前帧图像进行引导核滤波以更新所述中间PET图像,以及确定更新后的所述中间PET图像在预设投影方向上的投影图像。
8.一种医学图像处理装置,其特征在于,包括:
分组模块,用于根据时间均分原则将目标对象的PET扫描数据划分为至少两组;
图像重建模块,用于确定每一组PET扫描数据对应的复合帧图像,以得到至少两幅复合帧图像;
矩阵确定模块,用于确定该至少两幅复合帧图像对应的引导核矩阵;
滤波模块,用于使用所述引导核矩阵对所述PET扫描数据对应的每一帧图像进行引导核滤波,以得到相应帧的目标PET图像。
9.一种图像处理设备,其特征在于,所述图像处理设备包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-7中任一所述的医学图像处理方法。
10.一种包含计算机可执行指令的存储介质,其特征在于,所述计算机可执行指令在由计算机处理器执行时用于执行如权利要求1-7中任一所述的医学图像处理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011519164.7A CN112614201A (zh) | 2020-12-21 | 2020-12-21 | 医学图像处理方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011519164.7A CN112614201A (zh) | 2020-12-21 | 2020-12-21 | 医学图像处理方法、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112614201A true CN112614201A (zh) | 2021-04-06 |
Family
ID=75244365
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011519164.7A Pending CN112614201A (zh) | 2020-12-21 | 2020-12-21 | 医学图像处理方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112614201A (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130064472A1 (en) * | 2011-09-14 | 2013-03-14 | Mediatek Singapore Pte. Ltd. | Method and Apparatus of High-Resolution Image Reconstruction Based on Multi-Frame Low-Resolution Images |
CN103955899A (zh) * | 2014-05-02 | 2014-07-30 | 南方医科大学 | 基于组合图像引导的动态pet图像去噪方法 |
CN107622481A (zh) * | 2017-10-25 | 2018-01-23 | 沈阳东软医疗系统有限公司 | 降低ct图像噪声的方法、装置和计算机设备 |
CN110136076A (zh) * | 2019-04-18 | 2019-08-16 | 上海联影医疗科技有限公司 | 医学扫描成像方法、装置、存储介质及计算机设备 |
US20190325619A1 (en) * | 2017-01-06 | 2019-10-24 | Koninklijke Philips N.V. | Standardized uptake value (suv) guided reconstruction control for improved outcome robustness in positron emission tomography (pet) imaging |
-
2020
- 2020-12-21 CN CN202011519164.7A patent/CN112614201A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130064472A1 (en) * | 2011-09-14 | 2013-03-14 | Mediatek Singapore Pte. Ltd. | Method and Apparatus of High-Resolution Image Reconstruction Based on Multi-Frame Low-Resolution Images |
CN103955899A (zh) * | 2014-05-02 | 2014-07-30 | 南方医科大学 | 基于组合图像引导的动态pet图像去噪方法 |
US20190325619A1 (en) * | 2017-01-06 | 2019-10-24 | Koninklijke Philips N.V. | Standardized uptake value (suv) guided reconstruction control for improved outcome robustness in positron emission tomography (pet) imaging |
CN107622481A (zh) * | 2017-10-25 | 2018-01-23 | 沈阳东软医疗系统有限公司 | 降低ct图像噪声的方法、装置和计算机设备 |
CN110136076A (zh) * | 2019-04-18 | 2019-08-16 | 上海联影医疗科技有限公司 | 医学扫描成像方法、装置、存储介质及计算机设备 |
Non-Patent Citations (5)
Title |
---|
KANG KAI 等: "Study of Infrared Image Denoising Algorithm Based on Steering Kernel Regression Image Guided Filter", 2019 18TH INTERNATIONAL CONFERENCE ON OPTICAL COMMUNICATIONS AND NETWORKS, 19 December 2019 (2019-12-19) * |
SUN ZHONGGUI 等: "Weighted Guided Image Filtering With Steering Kernel", IEEE TRANSACTIONS ON IMAGE PROCESSING, 19 July 2019 (2019-07-19) * |
吴玉莲: "非局部信息和TGV正则在图像处理中的应用研究", 中国博士学位论文全文数据库 信息科技辑, 15 March 2016 (2016-03-15) * |
周思航: "用于低质量医疗图像分割的表示学习", 中国博士学位论文全文数据库 医药卫生科技辑, 15 January 2022 (2022-01-15) * |
宋昱 等: "改进非线性结构张量的含噪图像边缘检测", 计算机科学, 30 June 2021 (2021-06-30) * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109961491B (zh) | 多模态图像截断补偿方法、装置、计算机设备和介质 | |
Ouyang et al. | Ultra‐low‐dose PET reconstruction using generative adversarial network with feature matching and task‐specific perceptual loss | |
CN107638189B (zh) | Ct成像方法和装置 | |
US20150173705A1 (en) | Apparatus and method for adapting diagnostic model for computer-aided diagnosis | |
CN111598989B (zh) | 一种图像渲染参数设置方法、装置、电子设备及存储介质 | |
CN111462020A (zh) | 心脏图像的运动伪影校正方法、系统、存储介质和设备 | |
CN117291830A (zh) | 使用自关注深度学习进行图像增强的系统和方法 | |
CN111429456B (zh) | 一种图像数据处理方法、装置、电子设备及存储介质 | |
CN107802265A (zh) | 扫描参数复用方法、装置及系统 | |
CN110415311B (zh) | Pet图像重建方法、系统、可读存储介质和设备 | |
CN108606805B (zh) | 一种散射校正方法、装置及设备 | |
CN113159040B (zh) | 医学图像分割模型的生成方法及装置、系统 | |
CN112351739A (zh) | 使用深度学习进行准确快速的正电子发射断层扫描的系统和方法 | |
CN113658175B (zh) | 一种征象数据的确定方法及装置 | |
CN110874855B (zh) | 一种协同成像方法、装置、存储介质和协同成像设备 | |
CN111476777A (zh) | 胸片图像处理方法、系统、可读存储介质和设备 | |
CN112767505A (zh) | 图像处理方法、训练方法、装置、电子终端及存储介质 | |
CN111243052A (zh) | 图像重建方法、装置、计算机设备和存储介质 | |
CN111127475A (zh) | Ct扫描图像处理方法、系统、可读存储介质和设备 | |
Gheorghiță et al. | Improving robustness of automatic cardiac function quantification from cine magnetic resonance imaging using synthetic image data | |
CN112649773B (zh) | 磁共振扫描方法、装置、设备及存储介质 | |
CN113888566A (zh) | 目标轮廓曲线确定方法、装置、电子设备以及存储介质 | |
CN112017258A (zh) | Pet图像重建方法、装置、计算机设备以及存储介质 | |
CN111862259A (zh) | 医学灌注图像处理方法和医学成像设备 | |
CN112614201A (zh) | 医学图像处理方法、装置、设备及存储介质 |
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 |