CN113256542B - 一种用于ct扫描仪的噪声抑制方法、系统及介质 - Google Patents
一种用于ct扫描仪的噪声抑制方法、系统及介质 Download PDFInfo
- Publication number
- CN113256542B CN113256542B CN202110692644.1A CN202110692644A CN113256542B CN 113256542 B CN113256542 B CN 113256542B CN 202110692644 A CN202110692644 A CN 202110692644A CN 113256542 B CN113256542 B CN 113256542B
- Authority
- CN
- China
- Prior art keywords
- image
- low
- filtering
- frequency
- signal data
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 47
- 230000001629 suppression Effects 0.000 title claims abstract description 35
- 238000001914 filtration Methods 0.000 claims abstract description 118
- 238000012545 processing Methods 0.000 claims abstract description 61
- 230000011218 segmentation Effects 0.000 claims abstract description 37
- 238000004364 calculation method Methods 0.000 claims abstract description 17
- 238000012216 screening Methods 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 4
- 238000012935 Averaging Methods 0.000 claims description 3
- 238000000605 extraction Methods 0.000 claims description 3
- 230000009466 transformation Effects 0.000 claims description 3
- 238000013473 artificial intelligence Methods 0.000 abstract description 4
- 238000002591 computed tomography Methods 0.000 description 38
- 238000010586 diagram Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 210000000988 bone and bone Anatomy 0.000 description 3
- 238000009499 grossing Methods 0.000 description 3
- 210000001519 tissue Anatomy 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 238000012163 sequencing technique Methods 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000003759 clinical diagnosis Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000003708 edge detection Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000035515 penetration Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration using local operators
-
- 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
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20024—Filtering details
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Image Processing (AREA)
Abstract
本发明提供了一种用于CT扫描仪的噪声抑制方法、系统及介质，涉及人工智能的医学影像处理技术领域，包括：获取CT扫描仪采集的初始图像，确定低信号数据；基于所述低信号数据对所述初始图像进行图像重建，并分割、投影，获得边缘位置图像；采用第一拉普拉斯高斯算子确定高频噪声图像，并进行迭代高频噪声滤除，获得初步滤波图像；采用第二拉普拉斯高斯算子获得边缘信息图像；对所述初步滤波图像进行低频滤波，以获得低频图像；基于所述初始图像根据所述边缘位置图像、所述初步滤波图像、所述边缘信息图像以及所述低频图像结合计算，获得目标图像，用于解决现有技术中CT扫描仪采集数据中，容易受低信号噪声滤除处理影响从而出现的轮廓伪影的问题。
Description
技术领域
本发明涉及医学影像处理技术领域，尤其涉及一种用于CT扫描仪的噪声抑制方法、系统及介质。
背景技术
计算机X射线断层扫描仪(computed tomography，CT)是利用X射线旋转照射被测物体，然后通过计算机处理获得物体断层图像的设备。X射线光子穿过被照射物体后，到达探测器被采集，采集后经过一系列转换，光子信号转变为电子信号被接收。探测接收的电子信号含有噪声，噪声主要由电子噪声及光子噪声(泊松噪声)组成。随着X射线穿透的衰减越高，到达探测器的X射线光子越少，探测接收的电子信号越低，信号的噪声就越显著，信噪比越低。低信号下的显著噪声会在CT重建后给重建图像带来非常严重的条状伪影，从而为临床诊断带来严重影响。
美国专利US8965144B2提出了一种投影域抑制低信号噪声的方法，该方法使用了低信号自适应的邻域高斯滤波，首先评估投影域下每个低信号数据的噪声水平，然后根据此噪声水平确定高斯分布的方差及对应的高斯平滑核。该高斯分布的方差表征了对应高斯核的平滑能力，最后使用该计算的高斯核对该低信号数据进行滤波，抑制低信号噪声。然而该方法使用了低信号的所有邻域数据，邻域数据中可能存在噪声水平偏差过大的低信号，且其对应滤波权重也比较大，该噪声非常大的低信号仍然会对滤波后的输出结果存在较大的影响，导致抑制噪声效果不理想，同时，对每个低信号数据计算相应的空间高斯核，并进行相应的空间滤波，运算量较大，消耗时间也较多。
期刊doi:10.1118/1.598410也提出了一种投影域抑制低信号噪声的方法，该方法根据探测器的噪声属性提出了一种自适应扣除邻域数据的均值滤波方法。该方法根据当前通道低信号的噪声水平，决定邻域范围，以及邻域范围内需要被扣除的最大与最小信号的数目，最后对扣除筛选剩下的邻域数据计算均值，此均值为该方法对当前通道低信号的滤波值，该方法在筛选扣除最大、最小信号的过程中，需要对选取的邻域数据进行排序计算，而排序计算需要消耗的计算资源比较大，会影响程序的计算速度。同时，尽管该方法会在邻域范围内扣除部分最大与最小的数据，可是仍然存在噪声水平过高未被筛选扣除的低信号，使当前通道信号输出大大地受到邻域高噪声的影响，导致重建图像的结构轮廓伪影。
发明内容
为了克服上述技术缺陷，本发明的目的在于提供一种用于CT扫描仪的噪声抑制方法、系统及介质，涉及人工智能的医学影像处理领域，用于解决现有技术中CT扫描仪采集数据中，容易受低信号噪声滤除处理影响从而出现的轮廓伪影的问题。
本发明公开了一种用于CT扫描仪的噪声抑制方法，包括：
获取CT扫描仪采集的初始图像，根据预设第一阈值确定低信号数据；
基于所述低信号数据对所述初始图像进行图像重建，并根据重建后的图像进行结构分割并投影，采用预设第二阈值提取获得边缘位置图像；
采用第一拉普拉斯高斯算子对所述低信号数据卷积处理，以确定高频噪声图像，并基于所述高频噪声图像对所述低信号数据进行迭代高频噪声滤除，获得初步滤波图像；
采用第二拉普拉斯高斯算子对所述初步滤波图像进行卷积处理，获得边缘信息图像；
其中，所述第二拉普拉斯高斯算子包括多个不同预设尺度的拉普拉斯高斯算子；
采用预设方差范围高斯滤波核对所述初步滤波图像进行低频滤波，以获得低频图像；
基于所述初始图像根据所述边缘位置图像、所述初步滤波图像、所述边缘信息图像以及所述低频图像结合计算，获得目标图像。
优选地，所述基于所述低信号数据对所述初始图像进行图像重建，并根据重建后的图像进行结构分割并投影，采用预设第二阈值提取获得边缘位置图像，包括以下：
基于所述低信号数据对所述初始图像中非低信号数据进行CT重建，获得初始重建图像；
采用预设区域类型对所述初始图像进行分割，并提取以获得分割结构图像；
对所述分割结构图像进行锥形束投影变换，获得分割结构投影图像；
采用第三拉普拉斯高斯算子对所述分割结构投影图像进行卷积处理，并根据卷积结果的绝对值获得分割结构投影边缘信息图像；
采用预设第二阈值对所述分割结构投影边缘信息图像进行定位，获得边缘位置图像。
优选地，所述采用第一拉普拉斯高斯算子对所述低信号数据卷积处理，以确定高频噪声图像，并基于所述高频噪声图像对所述低信号数据进行迭代高频噪声滤除，获得初步滤波图像，包括以下：
采用第一拉普拉斯高斯算子对所述低信号数据卷积处理，获取高频噪声图像；
采用均值卷积核所述低信号数据进行卷积处理，获得均值图像；
根据所述高频噪声图像和所述均值图像计算调制比例；
基于所述高频噪声图像、所述均值图像以及所述调制比例对所述初始图像，调制并滤除高频噪声，获得中间处理图像；
采用所述中间处理图像替换所述高频噪声图像，并迭代预设次数后，输出初步滤波图像。
优选地，根据所述高频噪声图像和所述均值图像计算调制比例，包括以下：
根据如下公式计算调制比例：
当RH≥1，RH＝1
其中，RH为调制比例，Hn为高频噪声图像，Hm均值图像，atune、btune分别为调制因子，且btune大于1。
优选地，所述调制并滤除高频噪声，获得中间处理图像，包括以下：
基于所述低信号数据消除所述调制比例的所述高频噪声图像，获得中间处理图像。
优选地，采用第二拉普拉斯高斯算子对所述初步滤波图像进行卷积处理，获得边缘信息图像，其中，所述第二拉普拉斯高斯算子包括多个不同预设尺度的拉普拉斯高斯算子，包括以下：
分别采用第二拉普拉斯高斯算子中各个预设尺度的拉普拉斯高斯算子对所述初步滤波图像进行卷积处理，并基于各个卷积结果平均以获得边缘信息图像。
优选地，所述预设方差范围高斯滤波核包括设置在CT扫描仪的探测器方向的第一预设范围，在角度方向的第二预设范围，所述第一拉普拉斯高斯算子和第二普拉斯高斯算子也包括设置在CT扫描仪的探测器方向的第一预设范围，在角度方向的第二预设范围；其中所述第一预设范围大于所述第二预设范围。
优选地，所述基于所述初始图像根据所述边缘位置图像、所述初步滤波图像、所述边缘信息图像以及所述低频图像结合计算，获得目标图像，包括：
在所述初始图像中采用所述低频图像替换所述低信号数据，获取更新图像；
采用所述初步滤波图像与所述边缘信息图像加和，获取合并图像，并在所述边缘位置图像的位置基于所述更新图像进行替换，以获得目标图像。
本发明还公开一种用于CT扫描仪的噪声抑制系统，包括以下：
筛选模块，用于获取CT扫描仪采集的初始图像，根据预设第一阈值确定低信号数据；
边缘位置确定模块，用于基于所述低信号数据对所述初始图像进行图像重建，并根据重建后的图像进行结构分割并投影，采用预设第二阈值提取获得边缘位置图像；
高频滤波模块，用于采用第一拉普拉斯高斯算子对所述低信号数据卷积处理，以确定高频噪声图像，并基于所述高频噪声图像对所述初始图像进行迭代高频噪声滤除，获得初步滤波图像；
边缘信息确定模块，用于采用第二拉普拉斯高斯算子对所述初步滤波图像进行卷积处理，获得边缘信息图像；其中，所述第二拉普拉斯高斯算子包括多个不同预设尺度的拉普拉斯高斯算子；
低频滤波模块，用于采用预设范围高斯滤波核对所述初步滤波图像进行低频滤波，以获得低频图像；
计算模块，用于基于所述初始图像根据所述边缘位置图像、所述初步滤波图像、所述边缘信息图像以及所述低频图像结合计算，获得目标图像。
本发明还提供一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现上述噪声抑制方法的步骤。
采用了上述技术方案后，与现有技术相比，具有以下有益效果：
1.本实施方式通过确定低信号数据，对容易受低信号噪声滤除处理影响的结构轮廓，进行分割、投影，提取分割结构的投影，并利用多尺度的拉普拉斯高斯算子提取并调制边缘信息，使用针对高低频的噪声滤波，解决现有技术中CT扫描仪采集数据中，容易受低信号噪声滤除处理影响从而出现的轮廓伪影的问题；
2.本方案无需对每一个低信号通道进行生成、空间滤波核；无需对每一个低信号通道的所有邻域数据进行排序运算；
3.本方案通过调制高频噪声比例，能够有效抑制噪声水平偏差过大的数据；
4.本方案中对易受影响的结构轮廓，进行分割、投影，并提取边缘信息，从而实现边缘保护。
附图说明
图1为本发明所述用于CT扫描仪的噪声抑制方法、系统及介质实施例一的流程图；
图2为本发明所述用于CT扫描仪的噪声抑制方法、系统及介质实施例一中用于体现获得边缘位置图像流程图；
图3(a)本发明所述用于CT扫描仪的噪声抑制方法、系统及介质实施例一中未经过低信号处理的初步重建图像；
图3(b)为分割后得到图像域内的分割结构图像；
图4为本发明所述用于CT扫描仪的噪声抑制方法、系统及介质实施例一中所述分割结构投影图像的参考图；
图5(a)为本发明所述用于CT扫描仪的噪声抑制方法、系统及介质实施例一中分割结构投影边缘信息图像；
图5(b)为投影域的边缘位置图像；
图6为本发明所述用于CT扫描仪的噪声抑制方法、系统及介质实施例一中用于体现获得初步滤波图像流程图；
图7为本发明所述用于CT扫描仪的噪声抑制方法、系统及介质实施例一中所述高频噪声图像的参考图；
图8为本发明所述用于CT扫描仪的噪声抑制方法、系统及介质实施例一中所述均值图像的参考图；
图9为本发明所述用于CT扫描仪的噪声抑制方法、系统及介质实施例一中所述调制比例的参考图；
图10为本发明所述一种用于CT扫描仪的噪声抑制方法、系统及介质实施例一中所述目标图像生成过程的参考图；
图11为本发明所述用于CT扫描仪的噪声抑制方法、系统及介质实施例一中用于体现获得目标图像流程图；
图12为本发明所述用于CT扫描仪的噪声抑制方法、系统及介质实施例二的模块示意图。
附图标记：
7-噪声抑制系统；71-筛选模块；72-边缘位置确定模块；73-高频滤波模块；74-边缘信息确定模块；75-低频滤波模块；76-计算模块。
具体实施方式
以下结合附图与具体实施例进一步阐述本发明的优点。
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。
在本公开使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本公开。在本公开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，尽管在本公开可能采用术语第一、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，在不脱离本公开范围的情况下，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”。
在本发明的描述中，需要理解的是，术语“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。
在本发明的描述中，除非另有规定和限定，需要说明的是，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是机械连接或电连接，也可以是两个元件内部的连通，可以是直接相连，也可以通过中间媒介间接相连，对于本领域的普通技术人员而言，可以根据具体情况理解上述术语的具体含义。
在后续的描述中，使用用于表示元件的诸如“模块”、“部件”或“单元”的后缀仅为了有利于本发明的说明，其本身并没有特定的意义。因此，“模块”与“部件”可以混合地使用。
实施例一：本发明提供了一种用于CT扫描仪的噪声抑制方法，用于解决CT扫描机采集数据过程中遇到高噪声的低信号会对重建图像造成伪影的问题，参阅图1，包括以下步骤：
S100：获取CT扫描仪采集的初始图像，根据预设第一阈值确定低信号数据；
在上述步骤中，初始图像即为正弦图投影域，对采集的初始图像中的低信号通道进行滤波，因此需要利用低信号阈值TLS，在采集数据中定位出需要滤波处理的低信号通道LL，可根据实际场景或实验统计数据设置。
S200：基于所述低信号数据对所述初始图像进行图像重建，并根据重建后的图像进行结构分割并投影，采用预设第二阈值提取获得边缘位置图像。
上述步骤S200主要用于确定具体的易受低信号噪声滤除处理影响的结构，因此上述基于所述低信号数据对所述初始图像进行图像重建，并根据重建后的图像进行结构分割并投影，采用预设第二阈值提取获得边缘位置图像，参阅图2，具体包括以下步骤：
S210：基于所述低信号数据对所述初始图像中非低信号数据进行CT重建，获得初始重建图像；
在上述步骤中，未经过低信号处理的图像进行CT重建，得到图像域内未经过低信号处理的初步重建图像。参考图3(a)为未经过低信号处理的初步重建图像。
S220：采用预设区域类型对所述初始图像进行分割，并提取以获得分割结构图像；
在上述步骤中，对上述初步重建图像中易受低信号噪声滤除处理影响的结构进行分割，把这些易受影响的结构提取出来，作为举例的，如骨组织，即将骨组织分割后得到如上述的分割结构图像。图3(b)为分割后得到图像域内的分割结构图像。
S230：对所述分割结构图像进行锥形束投影变换，获得分割结构投影图像；
上述步骤对分割结构图像进行投影，即对易受影响的组织区域进行投影，以便后续步骤S240获取边缘位置，进行边缘保护，参考图4，即为分割结构投影图像。
S240：采用第三拉普拉斯高斯算子对所述分割结构投影图像进行卷积处理，并根据卷积结果的绝对值获得分割结构投影边缘信息图像；
上述使用拉普拉斯高斯算子卷积计算分割结构投影图像，拉普拉斯算子是图像二阶空间导数的二维各向同性测度，拉普拉斯算子可以突出图像中强度发生快速变化的区域，常用在边缘检测任务当中。而后并对卷积结果取绝对值，提取出分割结构投影图像的边缘信息，得到分割结构投影边缘信息图像，即易受影响的组织区域边缘信息，实际可参考图5(a)所示。
S250：采用预设第二阈值对所述分割结构投影边缘信息图像进行定位，获得边缘位置图像。
在上述步骤中，使用阈值提取方法，对分割结构投影边缘信息图像中大于阈值Te的投影域图像位置定位出来，从而可以获得投影域的边缘位置图像Le，如图5(b)所示。
S300：采用第一拉普拉斯高斯算子对所述低信号数据卷积处理，以确定高频噪声图像，并基于所述高频噪声图像对所述初始图像进行迭代高频噪声滤除，获得初步滤波图像；
具体的，所述采用第一拉普拉斯高斯算子对所述低信号数据卷积处理，以确定高频噪声图像，并基于所述高频噪声图像对所述低信号数据进行迭代高频噪声滤除，获得初步滤波图像，参阅图6，包括以下：
S310：采用第一拉普拉斯高斯算子对所述低信号数据卷积处理，获取高频噪声图像；
在上述步骤中，第一拉普拉斯高斯算子为小尺度的拉普拉斯高斯算子，在采集的数据中定位出需要滤波处理的低信号通道之后，把低信号数据PL作为输入，使用小尺度的拉普拉斯高斯算子进行卷积处理，处理后获得高频噪声图像Hn，如图7所示。
S320：采用均值卷积核所述低信号数据进行卷积处理，获得均值图像；
在上述步骤中，均值滤波操作用来模糊图像，输出图像的每一个像素灰度值是卷积核在输入图像中对应的像素的平均值(所有像素加权系数相等)，均值卷积核所覆盖的像素点具有同样权重，该卷积核的作用在于取奇数个值的平均值代替中间像素值，所以起到的平滑的效果，使用均值卷积核对低信号数据PL进行卷积处理，计算后获得正弦图投影域内的当地均值图像Hm，如图8所示。
S330：根据所述高频噪声图像和所述均值图像计算调制比例；
具体的，根据所述高频噪声图像和所述均值图像计算调制比例，包括以下：
根据如下公式(1)计算调制比例：
当RH≥1，RH＝1 (1)
其中，RH为调制比例，Hn为高频噪声图像，Hm均值图像，atune、btune分别为调制因子，且btune大于1。
由上述公式(1)可知，当调制比例不小于1时，进一步调高调制比例，通过调制高频噪声比例，能够有效抑制噪声水平偏差过大的数据，计算出的调制比例可参考图9。
S340：基于所述高频噪声图像、所述均值图像以及所述调制比例对所述所述低信号数据，调制并滤除高频噪声，获得中间处理图像；
调制并滤除高频噪声即使得低信号数据中的高频噪声消失，以获取高频噪声滤波图像，即所述中间处理图像，具体的，所述调制并滤除高频噪声，获得中间处理图像，包括以下：
基于所述低信号数据消除所述调制比例的所述高频噪声图像，获得中间处理图像PfH。
作为补充说明的，按照如下公式(2)调制并滤除高频噪声：
PfH＝PL-Hn*RH (2)
其中，PfH为中间处理图像，PL为低信号数据；
S350：采用所述中间处理图像替换所述高频噪声图像，并迭代预设次数后，输出初步滤波图像。
把上述步骤S340所得的高频噪声滤波图像PfH(即中间处理图像)替换步骤S310中所述低信号数据PL作为输入，然后按照上述步骤S310-S340，迭代3次重复计算，3次迭代计算后所得的投影域高频噪声滤波图PfH，作为初步滤波图像输出，参阅图10，该初步滤波图像即为通过高频噪声滤波的低信号数据。
S400：采用第二拉普拉斯高斯算子对所述初步滤波图像进行卷积处理，获得边缘信息图像；
其中，所述第二拉普拉斯高斯算子包括多个不同预设尺度的拉普拉斯高斯算子；
在上述步骤中，第二拉普拉斯高斯算子包括数个不同的相对大尺度的拉普拉斯高斯算子，具体的，采用第二拉普拉斯高斯算子对所述初步滤波图像进行卷积处理，获得边缘信息图像，其中，所述第二拉普拉斯高斯算子包括多个不同预设尺度的拉普拉斯高斯算子，包括以下：
分别采用第二拉普拉斯高斯算子中各个预设尺度的拉普拉斯高斯算子对所述初步滤波图像进行卷积处理，并基于各个卷积结果平均以获得边缘信息图像。
即，在上述步骤中，在需要滤波处理的低信号通道位置LL，对步骤S300所得的初步滤波图像PfH进行卷积计算，然后对这些不同的相对大尺度的拉普拉斯高斯卷积结果取平均，如图9所示，平均后的所得结果作为边缘信息图像E(可参阅图10)。
S500：采用预设方差范围高斯滤波核对所述初步滤波图像进行低频滤波，以获得低频图像；
在上述步骤中用大方差大范围的高斯滤波核，在需要滤波处理的低信号通道位置LL，对S300所得的初步滤波图像PfH进行卷积滤波计算，计算后获得低频图像Plf，预设方差范围高斯滤波核包括在CT扫描仪的探测器方向的第一预设范围，在角度方向的第二预设范围，其中所述第一预设范围大于所述第二预设范围，具体的，此处大方差大范围的高斯滤波核选择在探测器方向使用较大的范围，而在角度方向使用较小的范围所述预设方差范围，所述第一拉普拉斯高斯算子和第二普拉斯高斯算子也包括设置在CT扫描仪的探测器方向的第一预设范围，在角度方向的第二预设范围。
S600：基于所述初始图像根据所述边缘位置图像、所述初步滤波图像、所述边缘信息图像以及所述低频图像结合计算，获得目标图像。
即，结合上述初步滤波图像PfH、边缘位置图像Le、边缘信息图像E、低频图像Plf。
具体的，上述基于所述初始图像根据所述边缘位置图像、所述初步滤波图像、所述边缘信息图像以及所述低频图像结合计算，获得目标图像，参阅图10和图11，包括：
S610：在所述初始图像中采用所述低频图像替换所述低信号数据，获取更新图像；
S620：采用所述初步滤波图像与所述边缘信息图像加和，获取合并图像，并在所述边缘位置图像的位置基于所述更新图像进行替换，以获得目标图像。
在上述步骤中，在需要滤波处理的低信号通道位置LL，使用低频图像Plf替换需要处理的低信号数据PL。然后，使用初步滤波图像PfH与边缘信息图像E的和，在边缘位置图像Le的位置替换上一步的结果。经过以上两次不同位置的替换后，最后获得经过低信号滤除的投影域图像输出，即目标图像，为后续的图像重建使用。
为了进一步详细体现本方案中的噪声抑制效果，未经低信号抑制的重建图像(图3(a))，图像明显受到了低信号噪声的污染，呈现出数目众多的横向条纹；在本实施方式低信号噪声抑制方法的处理后，横向条纹的数目及强度都明显减少，同时结构的轮廓也可以得到较好的保护，综上所述，本实施方式采用的噪声抑制方法，能够有效地降低低信号噪声对重建图像的影响，同时保护结构轮廓。
本实施方式涉及采用人工智能技术的医学影像处理领域，通过确定低信号数据，对容易受低信号噪声滤除处理影响的结构轮廓，进行分割、投影，提取分割结构的投影，并利用多尺度的拉普拉斯高斯算子提取并调制边缘信息，使用针对高低频的噪声滤波，并利用边缘信息实现边缘保护，以实现抑制噪声，解决现有技术中CT扫描仪采集数据中，容易受低信号噪声滤除处理影响从而出现的轮廓伪影的问题，无需对每一个低信号通道进行生成、空间滤波核，无需对每一个低信号通道的所有邻域数据进行排序运算，且实现边缘保护。
实施例二：本实施例提供一种用于CT扫描仪的噪声抑制系统7，参阅图12，包括以下：
筛选模块71，用于获取CT扫描仪采集的初始图像，根据预设第一阈值确定低信号数据；
边缘位置确定模块72，用于基于所述低信号数据对所述初始图像进行图像重建，并根据重建后的图像进行结构分割并投影，采用预设第二阈值提取获得边缘位置图像；
具体的，上述设置第二阈值用于对某些特定组织的分割，如骨组织等。
高频滤波模块73，用于采用第一拉普拉斯高斯算子对所述低信号数据卷积处理，以确定高频噪声图像，并基于所述高频噪声图像对所述初始图像进行迭代高频噪声滤除，获得初步滤波图像；
具体的，采用第一拉普拉斯高斯算子计算高频噪声图像，采用均值卷积核计算均值图像，而后根据高频噪声图像和均值图像计算出调制比例，对低信号数据进行调制滤波，并迭代三次，以获得最终输出作为初步滤波图像。
边缘信息确定模块74，用于采用第二拉普拉斯高斯算子对所述初步滤波图像进行卷积处理，获得边缘信息图像；其中，所述第二拉普拉斯高斯算子包括多个不同预设尺度的拉普拉斯高斯算子；
具体的，边缘信息确定模块74在使用数个不同的相对大尺度的拉普拉斯高斯算子后会对这些不同的相对大尺度的拉普拉斯高斯卷积结果取平均。
低频滤波模块75，用于采用预设范围高斯滤波核对所述初步滤波图像进行低频滤波，以获得低频图像；
上述低频滤波模块75采用大方差大范围的高斯滤波核，具体的可以选择在探测器方向使用较大的范围，而在角度方向使用较小的范围。
计算模块76，用于基于所述初始图像根据所述边缘位置图像、所述初步滤波图像、所述边缘信息图像以及所述低频图像结合计算，获得目标图像；
进一步作为补充的，计算模块76使用低频图像替换低信号数据，使用初步滤波图像与边缘信息图像的和，在边缘位置图像的位置替换上一步的结果。
在本实施方式中，涉及人工智能的医学影像处理领域，采用筛选模块71确定低信号数据，而后边缘位置确定模块72和边缘信息确定模块74采用对容易受低信号噪声滤除处理影响的结构轮廓，进行分割、投影，提取分割结构的投影，以确定边缘位置，以便后续实现边缘保护，利用高频滤波模块73和低频滤波模块75基于多个及多尺度的拉普拉斯高斯算子提取并调制边缘信息，使用针对高低频的噪声滤波，以实现抑制噪声，基于计算模块76生成目标图像，解决现有技术中CT扫描仪采集数据中，容易受低信号噪声滤除处理影响从而出现的轮廓伪影的问题。
实施例三：为实现上述目的，本发明还提供一种计算机可读存储介质，其包括多个存储介质，如闪存、硬盘、多媒体卡、卡型存储器(例如，SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘、服务器、App应用商城等等，其上存储有计算机程序，程序被执行时实现相应功能。本实施例的计算机可读存储介质用于存储噪声抑制系统7，执行时实现实施例一的噪声抑制方法。
应当注意的是，本发明的实施例有较佳的实施性，且并非对本发明作任何形式的限制，任何熟悉该领域的技术人员可能利用上述揭示的技术内容变更或修饰为等同的有效实施例，但凡未脱离本发明技术方案的内容，依据本发明的技术实质对以上实施例所作的任何修改或等同变化及修饰，均仍属于本发明技术方案的范围内。
Claims (9)
1.一种用于CT扫描仪的噪声抑制方法，其特征在于，包括：
获取CT扫描仪采集的初始图像，根据预设第一阈值确定低信号数据；
基于所述低信号数据对所述初始图像进行图像重建，并根据重建后的图像进行结构分割并投影，采用预设第二阈值提取获得边缘位置图像；
采用第一拉普拉斯高斯算子对所述低信号数据卷积处理，以确定高频噪声图像，并基于所述高频噪声图像对所述低信号数据进行迭代高频噪声滤除，获得初步滤波图像；
采用第二拉普拉斯高斯算子对所述初步滤波图像进行卷积处理，获得边缘信息图像；
其中，所述第二拉普拉斯高斯算子包括多个不同预设尺度的拉普拉斯高斯算子；
采用预设方差范围高斯滤波核对所述初步滤波图像进行低频滤波，以获得低频图像；
基于所述初始图像根据所述边缘位置图像、所述初步滤波图像、所述边缘信息图像以及所述低频图像，在所述初始图像中采用所述低频图像替换所述低信号数据，获取更新图像；采用所述初步滤波图像与所述边缘信息图像加和，获取合并图像，并在所述边缘位置图像的位置基于所述更新图像进行替换，获得目标图像。
2.根据权利要求1所述的噪声抑制方法，其特征在于，所述基于所述低信号数据对所述初始图像进行图像重建，并根据重建后的图像进行结构分割并投影，采用预设第二阈值提取获得边缘位置图像，包括以下：
基于所述低信号数据对所述初始图像中非低信号数据进行CT重建，获得初始重建图像；
采用预设区域类型对所述初始图像进行分割，并提取以获得分割结构图像；
对所述分割结构图像进行锥形束投影变换，获得分割结构投影图像；
采用第三拉普拉斯高斯算子对所述分割结构投影图像进行卷积处理，并根据卷积结果的绝对值获得分割结构投影边缘信息图像；
采用预设第二阈值对所述分割结构投影边缘信息图像进行定位，获得边缘位置图像。
3.根据权利要求1所述的噪声抑制方法，其特征在于，所述采用第一拉普拉斯高斯算子对所述低信号数据卷积处理，以确定高频噪声图像，并基于所述高频噪声图像对所述低信号数据进行迭代高频噪声滤除，获得初步滤波图像，包括以下：
采用第一拉普拉斯高斯算子对所述低信号数据卷积处理，获取高频噪声图像；
采用均值卷积核所述低信号数据进行卷积处理，获得均值图像；
根据所述高频噪声图像和所述均值图像计算调制比例；
基于所述高频噪声图像、所述均值图像以及所述调制比例对所述低信号数据，调制并滤除高频噪声，获得中间处理图像；
采用所述中间处理图像替换所述高频噪声图像，并迭代预设次数后，输出初步滤波图像。
4.根据权利要求3所述的噪声抑制方法，其特征在于，根据所述高频噪声图像和所述均值图像计算调制比例，包括以下：
根据如下公式计算调制比例：
当RH≥1，RH＝1
其中，RH为调制比例，Hn为高频噪声图像，Hm均值图像，atune、btune分别为调制因子，且btune大于1。
5.根据权利要求3所述的噪声抑制方法，其特征在于，所述调制并滤除高频噪声，获得中间处理图像，包括以下：
基于所述低信号数据消除所述调制比例的所述高频噪声图像，获得中间处理图像。
6.根据权利要求1所述的噪声抑制方法，其特征在于，采用第二拉普拉斯高斯算子对所述初步滤波图像进行卷积处理，获得边缘信息图像，其中，所述第二拉普拉斯高斯算子包括多个不同预设尺度的拉普拉斯高斯算子，包括以下：
分别采用第二拉普拉斯高斯算子中各个预设尺度的拉普拉斯高斯算子对所述初步滤波图像进行卷积处理，并基于各个卷积结果平均以获得边缘信息图像。
7.根据权利要求1所述的噪声抑制方法，其特征在于：
所述预设方差范围高斯滤波核包括设置在CT扫描仪的探测器方向的第一预设范围，在角度方向的第二预设范围，所述第一拉普拉斯高斯算子和第二普拉斯高斯算子也包括设置在CT扫描仪的探测器方向的第一预设范围，在角度方向的第二预设范围；其中所述第一预设范围大于所述第二预设范围。
8.一种用于CT扫描仪的噪声抑制系统，其特征在于，包括以下：
筛选模块，用于获取CT扫描仪采集的初始图像，根据预设第一阈值确定低信号数据；
边缘位置确定模块，用于基于所述低信号数据对所述初始图像进行图像重建，并根据重建后的图像进行结构分割并投影，采用预设第二阈值提取获得边缘位置图像；
高频滤波模块，用于采用第一拉普拉斯高斯算子对所述低信号数据卷积处理，以确定高频噪声图像，并基于所述高频噪声图像对所述初始图像进行迭代高频噪声滤除，获得初步滤波图像；
边缘信息确定模块，用于采用第二拉普拉斯高斯算子对所述初步滤波图像进行卷积处理，获得边缘信息图像；其中，所述第二拉普拉斯高斯算子包括多个不同预设尺度的拉普拉斯高斯算子；
低频滤波模块，用于采用预设范围高斯滤波核对所述初步滤波图像进行低频滤波，以获得低频图像；
计算模块，用于基于所述初始图像根据所述边缘位置图像、所述初步滤波图像、所述边缘信息图像以及所述低频图像，在所述初始图像中采用所述低频图像替换所述低信号数据，获取更新图像；采用所述初步滤波图像与所述边缘信息图像加和，获取合并图像，并在所述边缘位置图像的位置基于所述更新图像进行替换，获得目标图像。
9.一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，所述计算机程序被处理器执行时实现上述权利要求1-7所述噪声抑制方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110692644.1A CN113256542B (zh) | 2021-06-22 | 2021-06-22 | 一种用于ct扫描仪的噪声抑制方法、系统及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110692644.1A CN113256542B (zh) | 2021-06-22 | 2021-06-22 | 一种用于ct扫描仪的噪声抑制方法、系统及介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113256542A CN113256542A (zh) | 2021-08-13 |
| CN113256542B true CN113256542B (zh) | 2021-10-01 |
Family
ID=77189181
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110692644.1A Active CN113256542B (zh) | 2021-06-22 | 2021-06-22 | 一种用于ct扫描仪的噪声抑制方法、系统及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113256542B (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101835045A (zh) * | 2010-05-05 | 2010-09-15 | 哈尔滨工业大学 | 高保真遥感图像压缩与分辨率增强的联合处理方法 |
| CN106960429A (zh) * | 2017-02-16 | 2017-07-18 | 中国科学院苏州生物医学工程技术研究所 | 一种ct图像金属伪影校正方法及装置 |
| CN107610056A (zh) * | 2017-08-11 | 2018-01-19 | 南京信息工程大学 | 基于全变分的混合加权维纳滤波图像去噪方法 |
| CN110400359A (zh) * | 2019-07-23 | 2019-11-01 | 上海联影医疗科技有限公司 | 图像伪影的消除方法、装置、设备及存储介质 |
| CN111815521A (zh) * | 2020-05-27 | 2020-10-23 | 南京国科医工科技发展有限公司 | 一种基于先验图像的锥束ct金属伪影校正算法 |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6744933B2 (en) * | 2001-01-18 | 2004-06-01 | Siemens Corporate Research, Inc. | Method for image alignment under non-uniform illumination variations |
| CN105701778B (zh) * | 2016-01-11 | 2018-04-20 | 赛诺威盛科技（北京）有限公司 | 一种从ct图像中去除金属伪影的方法 |
| CN109920020B (zh) * | 2019-02-27 | 2022-10-18 | 西北工业大学 | 一种锥束ct病态投影重建伪影抑制方法 |
| CN112070657B (zh) * | 2020-08-14 | 2024-02-27 | 昀光微电子（上海）有限公司 | 图像处理方法、装置、系统、设备及计算机存储介质 |
-
2021
- 2021-06-22 CN CN202110692644.1A patent/CN113256542B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101835045A (zh) * | 2010-05-05 | 2010-09-15 | 哈尔滨工业大学 | 高保真遥感图像压缩与分辨率增强的联合处理方法 |
| CN106960429A (zh) * | 2017-02-16 | 2017-07-18 | 中国科学院苏州生物医学工程技术研究所 | 一种ct图像金属伪影校正方法及装置 |
| CN107610056A (zh) * | 2017-08-11 | 2018-01-19 | 南京信息工程大学 | 基于全变分的混合加权维纳滤波图像去噪方法 |
| CN110400359A (zh) * | 2019-07-23 | 2019-11-01 | 上海联影医疗科技有限公司 | 图像伪影的消除方法、装置、设备及存储介质 |
| CN111815521A (zh) * | 2020-05-27 | 2020-10-23 | 南京国科医工科技发展有限公司 | 一种基于先验图像的锥束ct金属伪影校正算法 |
Non-Patent Citations (1)
| Title |
|---|
| "肝脏肿瘤CT 图像的分割算法分析";肖海慧;《电脑知识与技术》;20181130;第14卷(第32期);第210-216页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113256542A (zh) | 2021-08-13 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US8938110B2 (en) | Enhanced image data/dose reduction | |
| EP2380132B1 (en) | Denoising medical images | |
| JP6038850B2 (ja) | 画像処理装置 | |
| JP2009516882A (ja) | ディジタル画像を強調する方法及びシステム | |
| CN106651984B (zh) | 计算机断层成像伪影校正方法及装置 | |
| EP2824638B1 (en) | Image processing apparatus and image processing method | |
| US8855394B2 (en) | Methods and apparatus for texture based filter fusion for CBCT system and cone-beam image reconstruction | |
| US10043293B2 (en) | Image processing device, radiation detecting device, and image processing method | |
| WO2011161557A1 (en) | Method and system for noise reduction in low dose computed tomography | |
| CN110073413B (zh) | 用于迭代图像重建的信息自适应正则化 | |
| US20170172534A1 (en) | Thoracic imaging for cone beam computed tomography | |
| WO2017190968A1 (en) | Device and method for denoising a vector-valued image | |
| Pham | Supervised restoration of degraded medical images using multiple-point geostatistics | |
| JP2019515255A (ja) | 医療画像処理 | |
| Anas et al. | High-quality 3D correction of ring and radiant artifacts in flat panel detector-based cone beam volume CT imaging | |
| CN113256542B (zh) | 一种用于ct扫描仪的噪声抑制方法、系统及介质 | |
| Hensel et al. | Real-time denoising of medical X-ray image sequences: Three entirely different approaches | |
| CN106875342B (zh) | 一种计算机断层图像处理方法和装置 | |
| US9901319B2 (en) | Minimum background estimation for peripheral equalization | |
| JP7159341B2 (ja) | 正則化再構成のための学習ベースのボクセル進化 | |
| Shim et al. | Application of Fast Non-Local Denoising Approach in Digital Radiography Using Lung Nodule Phantom for Radiation Dose Reduction. | |
| CN114820844A (zh) | Ct图像的减弱金属伪影的方法、装置、终端和存储介质 | |
| Leventić et al. | Cardiac CT image enhancement for 3D heart registration and visualization |
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 |