CN113538419A - 一种图像处理方法和系统 - Google Patents

Abstract

本说明书实施例公开了一种图像处理方法和系统。其中，该方法包括：获取目标对象的感兴趣区域的至少一张充盈图像和至少一张蒙片图像；基于一种或多种预设处理算法，从至少一张蒙片图像中提取多种目标结构；以及从至少一张充盈图像中减去多种目标结构，得到造影图像。

Description

一种图像处理方法和系统

技术领域

本说明书涉及医学成像领域，特别涉及一种图像处理方法和系统。

背景技术

数字减影血管造影技术(Digital Subtraction Angiography，简称DSA)是一种使X射线序列图片中的血管可视化的强大的技术，在临床已应用20多年，是血管疾病无创诊断与介入治疗手术导航的重要依据，广泛应用于X射线序列成像中的血管的可视化系统中。DSA减影过程通常包括两部分，第一阶段在患者感兴趣的区域取得多张未添加造影图像的作为蒙片模板，第二阶段添加造影剂持续拍片，最终利用添加造影剂后的图像减去蒙片，得到只有血管的图像。然而在拍摄过程中，因为两次拍摄获取图像之间具有时间差，而人的身体会在此期间产生一定的移动，无论是身体自发的抖动还是身体内容不由自主的运动，例如腹部呼吸等会产生大量的运动伪影，影响图像的成像效果。

因此，有必要提出一种图像处理方法，以获取效果更佳的造影图像。

发明内容

本说明书实施例的一个方面提供一种图像处理方法。所述图像处理方法包括：获取目标对象的感兴趣区域的至少一张充盈图像和至少一张蒙片图像；基于一种或多种预设处理算法，从所述至少一张蒙片图像中提取多种目标结构；以及从所述至少一张充盈图像中减去所述多种目标结构，得到造影图像。

本说明书实施例的另一个方面提供一种图像处理系统。所述系统包括：图像处理模块，用于获取目标对象的感兴趣区域的至少一张充盈图像和至少一张蒙片图像；目标结构提取模块，用于基于一种或多种预设处理算法，从所述至少一张蒙片图像中提取多种目标结构；图像处理模块，用于从所述至少一张充盈图像中减去所述多种目标结构，得到造影图像。

本说明书实施例的另一个方面提供一种图像处理装置包括至少一个存储介质和至少一个处理器，所述至少一个存储介质用于存储计算机指令；所述至少一个处理器用于执行所述计算机指令以实现剂量分布的确定方法。

本说明书实施例的另一个方面提供一种计算机可读存储介质，所述存储介质存储计算机指令，当计算机读取存储介质中的计算机指令后，计算机执行图像处理方法。

附图说明

本说明书将以示例性实施例的方式进一步说明，这些示例性实施例将通过附图进行详细描述。这些实施例并非限制性的，在这些实施例中，相同的编号表示相同的结构，其中：

图1是根据本说明书一些实施例所示的图像处理系统的示例性应用场景示意图；

图2是根据本说明书一些实施例所示的图像处理方法的示例性流程图；

图3是根据本说明书一些实施例所示的从蒙片图像中提取目标结构的示例性流程图；

图4是根据本说明书一些实施例所示的从候选目标结构中确定目标结构的示例性流程图；

图5是根据本说明书一些实施例所示的图像处理系统的示例性模块图。

具体实施方式

为了更清楚地说明本说明书实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单的介绍。显而易见地，下面描述中的附图仅仅是本说明书的一些示例或实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图将本说明书应用于其它类似情景。除非从语言环境中显而易见或另做说明，图中相同标号代表相同结构或操作。

应当理解，本文使用的“系统”、“装置”、“单元”和/或“模组”是用于区分不同级别的不同组件、元件、部件、部分或装配的一种方法。然而，如果其他词语可实现相同的目的，则可通过其他表达来替换所述词语。

如本说明书和权利要求书中所示，除非上下文明确提示例外情形，“一”、“一个”、“一种”和/或“该”等词并非特指单数，也可包括复数。一般说来，术语“包括”与“包含”仅提示包括已明确标识的步骤和元素，而这些步骤和元素不构成一个排它性的罗列，方法或者设备也可能包含其它的步骤或元素。

本说明书中使用了流程图用来说明根据本说明书的实施例的系统所执行的操作。应当理解的是，前面或后面操作不一定按照顺序来精确地执行。相反，可以按照倒序或同时处理各个步骤。同时，也可以将其他操作添加到这些过程中，或从这些过程移除某一步或数步操作。

图1是根据本说明书一些实施例所示的图像处理系统的示例性应用场景示意图。

图像处理系统100可以应用于医学图像成像，例如，通过计算机断层扫描(CT，Computed Tomography)、磁共振扫描(Magnetic Resonance Imaging)、数字减影血管造影(DSA，digital subtraction angiography)等技术获取目标对象的造影图像。在一个典型的应用场景中，图像处理系统100可以获取目标对象的感兴趣区域的至少一张充盈图像和至少一张蒙片图像，并基于一种或多种预设处理算法，从至少一张蒙片图像中提取多种目标结构，从至少一张充盈图像中减去所述多种目标结构，从而得到造影图像。

如图1所示，图像处理系统100可以包括成像设备110、网络120、终端130、处理设备140以及存储设备150。

成像设备110可以用于对目标对象进行成像从而产生图像。成像设备110可以是医学成像设备(例如，血管造影X射线设备，或其他医学成像设备)等。在一些实施例中，成像设备110可以包括X线管、高压发生器、影像增强器、光学系统、控制器、摄像机、机架等组件(部分图中未示出)。通过成像设备110可以获取得到目标对象感兴趣区域的至少一张蒙片图像和至少一张充盈图像。

处理设备140可以处理从成像设备110、终端130和/或存储设备150获得的数据和/或信息。例如，处理设备140可以对蒙片图像和充盈图像进行预处理。又例如，处理设备140可以基于预设处理算法对蒙片图像和充盈图像进行处理。还例如，处理设备140可以对减影后的结果进行后处理等。在一些实施例中，处理设备140可以是单个服务器或服务器组。服务器组可以是集中式的，也可以是分布式的。在一些实施例中，处理设备140可以是本地的或远程的。例如，处理设备140可以通过网络120从成像设备110、终端130和/或存储设备150访问信息和/或数据。又例如，处理设备140可以直接连接成像设备110、终端130和/或存储设备150以访问信息和/或数据。在一些实施例中，处理设备140可以在云平台上实现。例如，云平台可以包括私有云、公共云、混合云、社区云、分布式云、跨云、多云等其中一种或几种的组合。

终端130可以包括移动设备130-1、平板电脑130-2、笔记本电脑130-3等或其任意组合。在一些实施例中，终端130可以通过网络120与图像处理系统100中的其他组件交互。例如，终端130可以向成像设备110发送一种或多种控制指令以控制成像设备110按照指令对目标对象进行拍摄。又例如，终端130还可以接收并呈现处理设备140发送的造影图像，并响应于用户反馈，执行其他操作。在一些实施例中，移动设备130-1可以包括智能家居装置、可穿戴设备、移动装置、虚拟现实装置、增强现实装置等或其任意组合。在一些实施例中，智能家居装置可以包括智能照明装置、智能电器控制装置、智能监控装置、智能电视、智能摄像机、对讲机等或其任意组合。在一些实施例中，可穿戴设备可以包括手链、鞋袜、眼镜、头盔、手表、衣服、背包、智能附件等或其任意组合。在一些实施例中，移动装置可包括移动电话、个人数字助理(PDA)、游戏装置、导航装置、POS装置、笔记本电脑、平板电脑、台式机等或其任意组合。在一些实施例中，该虚拟现实装置和/或增强现实装置可包括虚拟现实头盔、虚拟现实眼镜、虚拟现实补丁、增强现实头盔、增强现实眼镜、增强现实补丁等或其任意组合。例如，该虚拟现实装置和/或增强现实装置可包括Google Glass

Oculus Rift

HoloLens

或Gear VR

等。在一些实施例中，终端130可以是处理设备140的一部分。在一些实施例中，终端130可以与处理设备140整合为一体，作为成像设备110的操作台。例如，图像处理系统100的用户/操作者(例如，医生)可以通过该操作台控制设备成像设备110的运行，比如，对目标对象进行拍摄、对图像进行处理等。

存储设备150可以存储数据(例如，对目标对象的扫描数据)、指令和/或任何其他信息。在一些实施例中，存储设备150可以存储从成像设备110、终端130和/或处理设备140处获得的数据，例如，存储设备150可以存储从成像设备110获得的蒙片图像、充盈图像、造影图像等。在一些实施例中，存储设备150可以存储处理设备140可以执行或使用的数据和/或指令，以执行本说明书中描述的示例性方法。在一些实施例中，存储设备150可包括大容量存储器、可移除存储器、易失性读写存储器、只读存储器(ROM)等其中一种或几种的组合。大容量存储可以包括磁盘、光盘、固态硬盘、移动存储等。可移除存储器可以包括闪存驱动器、软盘、光盘、存储卡、ZIP磁盘、磁带等。易失性读写存储器可以包括随机存取存储器(RAM)。RAM可以包括动态随机存储器(DRAM)、双数据率同步动态随机存取存储器(DDR-SDRAM)、静态随机存取存储器(SRAM)、可控硅随机存取存储器(T-RAM)、零电容随机存取存储器(Z-RAM)等。ROM可以包括掩模只读存储器(MROM)、可编程的只读存储器(PROM)、可擦除可编程只读存储器(EPROM)，电可擦除可编程只读存储器(EEPROM)、光盘只读存储器(CD-ROM)、数字多功能光盘的光盘等。在一些实施例中，存储设备150可以通过本说明书中描述的云平台实现。例如，云平台可以包括私有云、公共云、混合云、社区云、分布式云、跨云、多云等其中一种或几种的组合。

在一些实施例中，存储设备150可以连接网络120，以与图像处理系统100中的一个或多个组件(例如，处理设备140、终端130等)之间实现通信。图像处理系统100中的一个或多个组件可以通过网络120读取存储设备150中的数据或指令。在一些实施例中，存储设备150可以是处理设备140的一部分，也可以是独立的，与处理设备直接或间接相连。

网络120可以包括能够促进图像处理系统100的信息和/或数据交换的任何合适的网络。在一些实施例中，图像处理系统100的一个或多个组件(例如，成像设备110、终端130、处理设备140、存储设备150等)可以通过网络120与图像处理系统100的一个或多个组件之间交换信息和/或数据。例如，处理设备140可以通过网络120从成像设备110中获取蒙片图像和充盈图像。网络120可以包括公共网络(如互联网)、私人网络(例如，局域网(LAN)、广域网(WAN))等)、有线网络(如以太网)、无线网络(例如，802.11网络、无线Wi-Fi网络等)、蜂窝网络(例如，长期演进(LTE)网络)、帧中继网络、虚拟专用网络(VPN)、卫星网络、电话网络、路由器、集线器、服务器计算机等其中一种或几种组合。例如，网络120可以包括有线网络、光纤网络、电信网络、局域网、无线局域网(WLAN)、城域网(MAN)，公用电话交换网(PSTN)、蓝牙

网络，ZigBee

网络、近场通信(NFC)网络等其中一种或几种的组合。在一些实施例中，网络120可以包括一个或多个网络接入点。例如，网络120可以包括有线和/或无线网络接入点，例如基站和/或因特网交换点，通过所述接入点，图像处理系统100的一个或多个组件可以连接网络120以交换数据和/或信息。

图2是根据本说明书一些实施例所示的图像处理方法的示例性流程图。在一些实施例中，流程200可以由处理设备(例如，处理设备140)执行。例如，流程200可以以程序或指令的形式存储在存储装置(如处理设备的自带存储单元或外接存储设备)中，所述程序或指令在被执行时，可以实现流程200。流程200可以包括以下操作。

步骤202，获取目标对象的感兴趣区域的至少一张充盈图像和至少一张蒙片图像。在一些实施例中，步骤202可以由图像获取模块510执行。

目标对象可以包括患者或者其他医学实验对象(例如，试验用小白鼠或其他动物)等。所述目标对象还可以是患者或其他医学实验对象的一部分，包括器官和/或组织，例如，心脏、肺、肋骨、腹腔等。在一些实施例中，目标对象还可以包括非生物学主体，例如模体、人造物体等。

感兴趣区域可以是目标对象的特定器官、特定组织或特定部位。例如，感兴趣区域可以包括患者的头部、胸部、肺部、心脏、肝脏、脾脏、胸膜、纵膈、腹部、大肠、小肠、膀胱、胆囊、骨盆、脊柱、骨骼、血管或类似物，或其任意组合。

蒙片图像可以是指在造影剂被注入到目标对象的感兴趣区域之前取得的图像。蒙片图像可以包括目标对象的背景结构，例如，骨骼、肺部、肝脏和其他组织等。

在一些实施例中，至少一张蒙片图像可以通过在造影剂被注入之前对目标对象的感兴趣区域进行拍摄得到。

在一些实施例中，至少一张蒙片图像可以从预先拍摄的多张蒙片图像中选择得到。例如，可以预先拍摄多张蒙片图像，并对该多张蒙片图像进行处理，比如，确定各张蒙片图像的结构分割效果、减影效果以及运动偏移程度等，并根据处理的结果从中选择(比如，选择结构分割效果、减影效果较好的，以及运动偏移较小的等)一张或多张蒙片图像。

需要说明的是，对从预先拍摄的多张蒙片图像中选择至少一张蒙片图像的时机可以在拍摄充盈图像之前，也可以在拍摄充盈图像之后，本说明书对此不作限定。

充盈图像可以是指在将造影剂注入目标对象的感兴趣区域之后取得的图像。造影剂可以通过静脉注射或动脉注射的方式被添加到目标对象的血液中，在图像的拍摄过程中，由于X射线等对造影剂的吸收，使得目标对象的血管系统可以在充盈图像中具有一定的可见性，通过对图像中的血管的观察可以辅助对血管疾病的诊断。在一些实施例中，造影剂也可以注入到目标对象的其他组织或部位中，例如，输卵管、关节等。

在一些实施例中，至少一张充盈图像可以通过在将造影剂注入到目标对象的感兴趣区域后，对目标对象的感兴趣区域进行拍摄得到。

在一些实施例中，处理设备也可以通过从数据库、存储设备读取，调用相关数据接口等方式获取得到预先拍摄并存储的至少一张充盈图像和至少一张蒙片图像。

步骤204，基于一种或多种预设处理算法，从所述至少一张蒙片图像中提取多种目标结构。在一些实施例中，步骤204可以由目标结构提取模块520执行。

预设处理算法可以是指预先确定的可以用于针对图像的特性或组织部位对图像进行处理的方法。在一些实施例中，预设处理算法可以用于从至少一张蒙片图像中提取得到多种目标结构，例如，骨骼、胸部、肺部、肝脏等。目标结构可以是指需要从充盈图像中减去(去除)的结构。在一些实施例中，目标结构可以以图像的形式存在。多种目标结构可以包括运动结构(例如，心脏、肺部等)和非运动结构(例如，脊柱等)。在一些实施例中，运动结构又可以包括不同类型的运动结构，例如，呼吸运动、身体抖动、心跳运动、病床和成像设备移动等。

在一些实施例中，多种目标结构的类型(运动结构、非运动结构或不同类型的运动结构)可以通过多种方式确定。作为示例，其中一种方式可以是预先设定不同的器官和/或组织的运动类型，比如，设定心脏为运动结构、脊柱为非运动结构，设定心脏的运动为心跳运动、肺的运动为呼吸运动，整个身体的移动为身体抖动或病床、成像设备移动等。另一种方式可以是从历史数据中筛选或学习得到，例如，可以通过人工标注的方式对历史数据中的结构的类型进行标注，使用添加了标注的历史数据进行机器学习模型训练，得到训练好的模型。之后可以使用训练好的模型确定多种目标结构的类型。在一些实施例中，还可以根据历史数据中，对历史每次使用各个目标结构进行减影时的结果进行打分，根据打分的结果，对减影效果或结构提取效果较差的目标结构的类型进行调整，例如，修改目标结构的运动类型(将身体抖动修改为病床移动、心跳运动修改为身体抖动、心跳运动修改为呼吸运动等)。需要说明的是，以上例子仅出于示例的目的，除以上所描述的方式以外，还可以采用其他方式进行划分，例如，通过流体力学或对密度测量的方式等，本说明书对此不作限定。

在一些实施例中，预设处理算法可以包括基于亮度、灰度、梯度、运动检测等的结构提取算法。通过预设处理算法对蒙片图像进行处理，可以提取得到其中的多种目标结构。

基于亮度、灰度的预设处理算法可以从蒙片图像中分割出目标结构，图像本身具有明显的亮度区分，基于亮度、灰度的算法可以找到某个亮度的值，通过设置亮度阈值，将大于该亮度阈值的值认为是目标值，对该部分目标值进行分割，就可以分割出不同的结构。

基于梯度的预设处理算法可以得到图像中各个像素点的梯度值，而对于目标对象各部位的梯度值是具有明显的不同的，通过梯度算法以及设置合适的阈值就可以分割出各个结构。需要说明的是，梯度的计算可以不止是对两个或三个方向，还可以对对角线或任意像素点连线等多个方向进行梯度计算。

以二维图像为例，基于运动检测的预设处理算法可以基于蒙片图像和充盈图像进行的检测方法，可以包括Roberts算子、Prewitt算子、Sobel算子、SUSAN算子等。以通过SUSAN进行结构分割为例，SUSAN算子可以通过用一个圆形模板在图像上移动，这个圆形模板的半径可以为3.4pixels，在其中包含37个像素。圆形模板内的每一个像素与中心像素进行比较可以得到SUSAN值，通过阈值化就可以得到初步的边缘响应，得了初始的边缘响应进行非极大值抑制，就可以得到图像的结构信息。在此基础上，处理设备可以在蒙片图像和充盈图像中提取得到候选的对应结构成分，再通过合适的计算位移方法，例如，平均结构的位置信息，可以得到对应蒙片图像和充盈图像的平均位移量，即可以最终得到图像的结构信息。

在一些实施例中，处理设备可以使用一种预设处理算法对至少一张蒙片图像进行处理，提取得到一种或多种目标结构。例如，使用同一种预设处理算法对至少一张蒙片图像进行处理，提取得到相同或不同(比如，使用同一种预设处理算法对同一张蒙片图像多次进行处理，每一次都可以提取到一种结构，或者对不同的蒙片图像进行处理，从每张蒙片图像中提取得同一种类型的结构)的结构，并从提取得到的结构中，选择最适合的目标结构。

在一些实施例中，处理设备可以使用不同的预设处理算法对至少一张蒙片图像进行处理，提取得到一种或多种目标结构。例如，处理设备可以使用不同的预设处理算法对同一张蒙片图像处理，提取得到同一种类型的多个结构，并从提取得到的多个结构中选择出目标结构。又例如，可以使用不同的预设处理算法对不同的蒙片图像进行处理，提取得到同一种结构类型的多个结构，如，通过第一预设处理算法对第一蒙片图像进行处理，提取得到结构A1，通过第二预设处理算法对第二蒙片图像进行处理，提取得到结构A2，从A1、A2中选择出目标结构。再例如，可以使用不同的预设处理算法对相同或不同的蒙片图像进行处理，提取得到不同结构类型的多个结构，如，通过第一预设处理算法对第一蒙片图像和第二蒙片图像进行处理，提取得到结构A1、A2，通过第二预设处理算法对第一蒙片图像和第二蒙片图像进行处理，提取得到结构B1、B2，从结构A1、A2中选择出目标结构A1，从结构B1、B2中选择出目标结构B2。

需要说明的是，不同的预设处理算法可以对应于不同类型的目标结构。例如，针对运动结构和非运动结构，可以选择适合于从蒙片图像中提取运动结构的预设处理算法提取运动结构，同样可以选择适合于从蒙片图像中提取非运动结构的预设处理算法提取非运动结构。进一步地，针对不同的运动类型，也可以设定对应的预设处理算法，以更好地从蒙片图像中提取得到结构。

关于获取目标结构的更多说明，可以参见图3、图4及其相关描述，此处不再赘述。

在一些实施例中，在通过预设处理算法对蒙片图像进行处理之前，处理设备还可以对蒙片图像进行预处理。预处理的方式可以包括LOG变换、图像正则化、图像降噪等。

步骤206，从所述至少一张充盈图像中减去所述多种目标结构，得到造影图像。在一些实施例中，步骤206可以由图像处理模块530执行。

造影图像可以是指将充盈图像中的目标结构去除后得到的可以清晰显示血管或脉管等组织的图像。造影图像可以包括血管造影图像、心脏造影图像、输卵管造影图像、关节造影图像等。

减去可以是指从充盈图像中移除目标结构，减去操作也可以称为减影操作。在一些实施例中，处理设备可以基于充盈图像和目标结构，执行图像减去操作，将目标结构从充盈图像中移除。

在一些实施中，处理设备可以执行多次减去操作，以从充盈图像中移除多种目标结构。例如，假设有三种目标结构，分别为目标结构1、目标结构2和目标结构3，处理设备在执行第一次减去操作时，可以从充盈图像中减去目标结构1，得到第一减影图像；处理设备在执行第二次减去操作时，可以是基于第一减影图像进行减去操作，从第一减影图像中减去目标结构2，得到第二减影图像；处理设备在执行第三次减去操作时，可以是基于第二减影图像进行减去操作，从第二减影图像中减去目标结构3，当目标结构都已从充盈图像中减去后，可以得到只含有血管结构的图像数据。

在一些实施例中，处理设备可以直接将执行减去操作后得到的图像数据作为造影图像。

在一些实施例中，处理设备可以对减去操作后得到的图像数据进行图像后处理，将图像后处理后的图像作为造影图像。图像后处理可以包括LUT曲线变换、多尺度增强等。

在本说明书实施例中，可以分阶段的从充盈图像中去除目标结构，每一次减去操作，都相当于是从充盈图像中去除了一部分结构。在拍摄图像时，由于不同部位运动趋势不同，有的运动幅度大，有的运动幅度小，本说明书通过从蒙片图像中提取结构成分的方式，目标结构与充盈图像中的结构的图像配准程度更高，目标结构的去除更准确，相较于一次性减影所可能会存在的部分过拟合、部分欠拟合等问题，多次减影可以达到局部去除目标结构的效果，每次减影根据该次运动情况匹配相应算法，去除图像中的多余成分时的效果可以更好，达到更佳的减影效果，得到更佳清晰的造影图像。

图3是根据本说明书一些实施例所示的从蒙片图像中提取目标结构的示例性流程图。在一些实施例中，流程300可以由处理设备(例如，处理设备140)执行。例如，流程300可以以程序或指令的形式存储在存储装置(如处理设备的自带存储单元或外接存储设备)中，所述程序或指令在被执行时，可以实现流程300。如图3所示，流程300可以包括以下操作。

步骤302，通过所述一种或多种预设处理算法对所述至少一张蒙片图像进行处理，提取得到多个候选目标结构。

候选目标结构可以是指直接从蒙片图像中提取得到的待确定的结构。在一些实施例中，候选目标结构可以经过进一步的筛选或其他处理，以确定目标结构。

在一些实施例中，处理设备可以直接通过一种或多种预设处理算法对至少一张蒙片图像处理，提取得到多个候选目标结构。例如，处理设备可以使用一种预设处理算法对至少一张蒙片图像进行处理，也可以使用多种预设处理算法对同一张蒙片图像或不同的蒙片图像进行处理。

在一些实施例中，处理设备可以通过不同的预设处理算法对不同的多张蒙片图像进行处理，提取得到多种候选目标结构。例如，处理设备可以通过预设处理算法1对蒙片图像1进行处理，通过预设处理算法2对蒙片图像2进行处理等。

在一些实施例中，不同的预设处理算法可以对应于不同的目标结构，例如，预设处理算法1可以对应于第一类型(比如非运动结构)的目标结构，预设处理算法2对应于第二类型(比如运动结构)的目标结构。使用与目标结构的类型相适应的预设处理算法，可以更加准确的从蒙片图像中提取得到候选目标结构。

步骤304，从所述多个候选目标结构中确定所述多种目标结构。

在一些实施例中，处理设备可以对多个候选目标结构进行处理(例如，质量评估、对比等)，以确定多种目标结构。

在一些实施例中，处理设备可以通过多次执行处理操作，确定多种目标结构。对于每一种类型的目标结构，都可以从多个对应的候选目标结构中确定。例如，对于目标结构A，其可以对应有候选目标结构A1、候选目标结构A2、候选目标结构A3、……，处理设备可以从候选目标结构A1、候选目标结构A2、候选目标结构A3中、……中确定目标结构A。同理，对于目标结构B，其可以对应有候选目标结构B1、候选目标结构B2、候选目标结构B3、……，处理设备可以从候选目标结构B1、候选目标结构B2、候选目标结构B3、……中确定目标结构B。

在一些实施例中，处理设备可以对多个候选目标结构的质量进行评估，然后依据候选目标结构的图像质量进行选择，将评估的图像质量最好的候选目标结构作为目标结构。图像质量评估可以是对候选目标结构的结构质量、图像质量进行评估，例如，图像的清晰度、对比度、噪声、伪影程度等，选择评估质量最高的作为目标结构。

在一些实施例中，处理设备可以基于候选目标结构与结构模板的相似度确定目标结构。关于从候选目标结构中确定目标结构的更多描述，可以参见图4及其相关描述，此处不再赘述。

通过对候选目标结构进行处理，例如，对多个候选目标结构进行迭代组合，可以充分的利用各个候选目标结构的优点进行组合，可以基于多个候选目标结构得到更加适合用于减影操作的目标结构，从而达到更好的减影效果，得到更加清晰的造影图像，以便于医生等进行分析诊断。

图4是根据本说明书一些实施例所示的从候选目标结构中确定目标结构的示例性流程图。在一些实施例中，流程400可以由处理设备(例如，处理设备140)执行。例如，流程400可以以程序或指令的形式存储在存储装置(如处理设备的自带存储单元或外接存储设备)中，所述程序或指令在被执行时，可以实现流程400。如图4所示，流程400可以包括以下操作。

步骤402，确定与所述多种目标结构对应的多种结构模板。

结构模板是指可以作为与目标结构对应的结构类型的比较基准的图像。结构模板可以用于与候选目标结构进行比对，以从候选目标结构中确定目标结构。其中，结构模板可以来自于同一个目标对象的感兴趣区域的图像。

在一些实施例中，处理设备可以对至少一张充盈图像进行处理，从至少一张充盈图像中提取得到多种结构模板。例如，处理设备可以通过图像处理算法对充盈图像进行处理，从充盈图像中提取得到结构模板。该图像处理算法可以从蒙片图像中提取得到目标结构的预设处理算法相同或不同。

在一些实施例中，处理设备可以基于与从至少一张蒙片图像中提取多种目标结构对应的预设处理算法，从至少一张充盈图像中确定同一类型的目标结构对应的多种结构模板。在一些实施例中，处理设备可以基于预设处理算法1从至少一张蒙片图像中提取得到了目标结构1，基于预设处理算法2从至少一张蒙片图像中提取到了目标结构2，则处理设备可以基于预设处理算法1从至少一张充盈图像中提取得到结构模板1，基于预设处理算法2从至少一张充盈图像中提取得到结构模板2，其中，结构模板1与目标结构1对应，结构模板2与目标结构2对应。在一些实施例中，处理设备还可以基于同一种预设处理算法，从多张蒙片图像中提取得到同一种类型的多个结构模板，以获取得到同一类型的目标结构对应的多种结构模板。例如，在提取骨骼结构的结构模板时，可以使用同一种预设处理算法，提取得到多种骨骼，例如，骨骼结构模板1、骨骼结构模板2、骨骼结构模板3等。

在一些实施例中，处理设备可以基于与从至少一张蒙片图像中提取多种目标结构不同的预设处理算法，从至少一张充盈图像中确定与多种目标结构对应的多种结构模板。例如，处理设备基于预设处理算法A从至少一张蒙片图像中提取到了目标结构，处理设备可以基于预设处理算法B从至少一张充盈图像中提取结构模板。在一些实施例中，预设处理算法A与预设处理算法B的算法类型可以相同，可以不同。

在一些实施例中，处理设备还可以通过其他途径获取得到多种结构模板，例如，从数据库、存储设备读取结构模板等，本实施例对此不作限定。

步骤404，基于所述多种结构模板，从所述多个候选目标结构中确定与每个所述结构模板各自对应的目标结构。

在一些实施例中，处理设备可以基于多种结构模板，分别将结构模板与其对应种类的多个候选目标结构进行比较，确定结构模板与候选目标结构之间的相似度，并根据相似度的大小，确定目标结构。例如，多种结构模板分别包括结构模板1、结构模板2和结构模板3，其中，结构模板1可以为心脏结构，结构模板2可以为骨骼结构，结构模板3可以为组织结构，其对应的多个候选目标结构中，多个候选目标结构1为心脏结构，多个候选目标结构2为骨骼结构，多个候选目标结构3为组织结构，在比较时，分别比较结构模板1和多个候选目标结构1，结构模板2和多个候选目标结构2，结构模板3和多个候选目标结构3。

在一些实施例中，处理设备可以计算结构模板与各个候选目标结构之间的相似度，并基于相似度的大小进行排序，将相似度最高的候选目标结构作为目标结构。在一些实施例中，处理设备还可以基于结构模板与各个候选目标结构之间的相似度大小，为各个候选目标结构分配权重，并基于权重确定目标结构。

示例性地，在一些实施例中，处理设备可以按照下文实施例所描述的方法确定目标结构。

处理设备可以确定每个结构模板与其对应的多个候选目标结构之间的相似度。在一些实施例中，处理设备可以对结构模板与目标结构进行相似度计算，确定相似度。相似度计算方法可以包括计算欧几里得距离、皮尔森相关系数、余弦距离、汉明距离、结构相似度、直方图、熵相关系数、互相关系数等。

处理设备可以基于所述相似度，确定各个候选目标结构的权重。在一些实施例中，处理设备可以基于相似度大小为各个候选目标结构分配权重，例如，相似度越高，分配的权重越大。

处理设备可以基于权重对所述多个候选目标结构进行迭代处理，确定所述对应的目标结构。在一些实施例中，处理设备可以将各个候选目标结构乘以其权重，并将对多个候选目标对象进行迭代组合。例如，第一个候选目标结构的权重为0.7，第二个候选目标结构的权重为0.2，第三个候选目标结构的权重为0.1，则可以将第一个候选目标结构的数据乘以0.7的结果与第二候选目标结构的数据乘以0.1的结果进行组合，然后可以将组合结果与第三个候选目标结构的数据乘以0.1的结果进行组合，迭代结果可以作为目标结构。

在一些实施例中，处理设备还可以对候选目标结构的图像数据按照频率进行划分，并基于频率划分的结果进行迭代。例如，处理设备可以选择一个候选目标结构(比如权重最大或相似度最高的)作为基准，对该候选目标结构的图像数据做频率(图像频率可以基于离散余弦变换、傅里叶变换等方式确定)成分划分，然后可以选取这张候选目标结构图像的低频成分以及0.9的高频成分，与另一张候选目标结构图像的0.1的高频成分进行组合，多次迭代处理后，可以得到目标结构。

在本实施例中，通过对候选目标结构与结构模板进行相似度计算，可以选择出最为与结构模板配准的目标结构，可以更加准确的从充盈图像中减去目标结构。同时，基于相似度为多个候选目标结构分配权重，并基于权重对多个候选目标结构进行迭代组合处理，可以进一步地提高确定的目标结构与模板结构的配准程度，可以进一步地提高最终得到的造影图像的图像质量。

应当注意的是，上述有关各流程的描述仅仅是为了示例和说明，而不限定本说明书的适用范围。对于本领域技术人员来说，在本说明书的指导下可以对流程进行各种修正和改变。然而，这些修正和改变仍在本说明书的范围之内。例如，对本说明书有关流程步骤的改变，如添加预处理步骤和存储步骤等。

图5是根据本说明书一些实施例所示的图像处理系统的示例性模块图。如图5所示，所述系统500可以包括图像获取模块510、目标结构提取模块520和图像处理模块530。

图像获取模块510可以用于获取目标对象的感兴趣区域的至少一张充盈图像和至少一张蒙片图像。

目标结构提取模块520可以用于基于一种或多种预设处理算法，从所述至少一张蒙片图像中提取多种目标结构。

在一些实施例中，目标结构提取模块520可以通过所述一种或多种预设处理算法对所述至少一张蒙片图像进行处理，提取得到多个候选目标结构；以及从所述多个候选目标结构中确定所述多种目标结构。在一些实施例中，目标结构提取模块520可以确定与所述多种目标结构对应的多种结构模板；以及基于所述多种结构模板，从所述多个候选目标结构中确定与每个所述结构模板各自对应的目标结构。所述多种目标结构包括运动结构和非运动结构。

在一些实施例中，目标结构提取模块520可以基于与从所述至少一张蒙片图像中提取所述多种目标结构对应的预设处理算法，从所述至少一张充盈图像中确定与所述多种目标结构对应的所述多种结构模板。

在一些实施例中，目标结构提取模块520可以确定每个所述结构模板与其对应的多个候选目标结构之间的相似度；基于所述相似度，确定各个候选目标结构的权重；以及基于所述权重对所述多个候选目标结构进行迭代处理，确定所述对应的目标结构。

在一些实施例中，目标结构提取模块520可以通过不同的预设处理算法对不同的多张蒙片图像进行处理，提取得到多种候选目标结构。

在一些实施例中，目标结构提取模块520可以使用不同的预设处理算法对所述至少一张蒙片图像进行处理，提取得到所述多种目标结构；其中，所述不同的预设处理算法对应于不同类型的目标结构。

其中，所述不同的预设处理算法可以包括基于亮度、灰度、梯度以及运动检测的处理算法。

图像处理模块530可以用于从所述至少一张充盈图像中减去所述多种目标结构，得到造影图像。

关于图像处理系统的各模块的具体描述，可以参考本说明书流程图部分，例如，图2、至图4的相关说明。

应当理解，图5所示的系统及其模块可以利用各种方式来实现。例如，在一些实施例中，系统及其模块可以通过硬件、软件或者软件和硬件的结合来实现。其中，硬件部分可以利用专用逻辑来实现；软件部分则可以存储在存储器中，由适当的指令执行系统，例如微处理器或者专用设计硬件来执行。本领域技术人员可以理解上述的方法和系统可以使用计算机可执行指令和/或包含在处理器控制代码中来实现，例如在诸如磁盘、CD或DVD-ROM的载体介质、诸如只读存储器(固件)的可编程的存储器或者诸如光学或电子信号载体的数据载体上提供了这样的代码。本说明书的系统及其模块不仅可以有诸如超大规模集成电路或门阵列、诸如逻辑芯片、晶体管等的半导体、或者诸如现场可编程门阵列、可编程逻辑设备等的可编程硬件设备的硬件电路实现，也可以用例如由各种类型的处理器所执行的软件实现，还可以由上述硬件电路和软件的结合(例如，固件)来实现。

需要注意的是，以上对于图像处理系统及其模块的描述，仅为描述方便，并不能把本说明书限制在所举实施例范围之内。可以理解，对于本领域的技术人员来说，在了解该系统的原理后，可能在不背离这一原理的情况下，对各个模块进行任意组合，或者构成子系统与其他模块连接。例如，在一些实施例中，图像获取模块510、目标结构提取模块520和图像处理模块530可以是一个系统中的不同模块，也可以是一个模块实现上述的两个或两个以上模块的功能。例如，图像获取模块510、目标结构提取模块520和图像处理模块530可以是三个模块，也可以是一个模块同时具有以上功能。例如，各个模块可以共用一个存储模块，各个模块也可以分别具有各自的存储模块。诸如此类的变形，均在本说明书的保护范围之内。

本说明书实施例可能带来的有益效果包括但不限于：(1)从充盈图像中多次减去从蒙片图像中提取出来的结构，可以得到更加清晰的造影图像；(2)减影过程中，对不同运动状态的结构进行分类并分开减去，可以针对不同的运动状态匹配最合适的算法以得到更清晰的血管图像；(3)针对不同结构，使用不同的处理算法，可以在提取结构时更加准确；(4)对提取的结构做了进一步的组合处理，进一步地提高了提取的结构与充盈图像中的结构的配准度，可以更加准确地从充盈图像中将目标结构减去，得到更佳的造影图像。

上文已对基本概念做了描述，显然，对于本领域技术人员来说，上述详细披露仅仅作为示例，而并不构成对本说明书的限定。虽然此处并没有明确说明，本领域技术人员可能会对本说明书进行各种修改、改进和修正。该类修改、改进和修正在本说明书中被建议，所以该类修改、改进、修正仍属于本说明书示范实施例的精神和范围。

同时，本说明书使用了特定词语来描述本说明书的实施例。如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本说明书至少一个实施例相关的某一特征、结构或特点。因此，应强调并注意的是，本说明书中在不同位置两次或多次提及的“一实施例”或“一个实施例”或“一个替代性实施例”并不一定是指同一实施例。此外，本说明书的一个或多个实施例中的某些特征、结构或特点可以进行适当的组合。

此外，本领域技术人员可以理解，本说明书的各方面可以通过若干具有可专利性的种类或情况进行说明和描述，包括任何新的和有用的工序、机器、产品或物质的组合，或对他们的任何新的和有用的改进。相应地，本说明书的各个方面可以完全由硬件执行、可以完全由软件(包括固件、常驻软件、微码等)执行、也可以由硬件和软件组合执行。以上硬件或软件均可被称为“数据块”、“模块”、“引擎”、“单元”、“组件”或“系统”。此外，本说明书的各方面可能表现为位于一个或多个计算机可读介质中的计算机产品，该产品包括计算机可读程序编码。

计算机存储介质可能包含一个内含有计算机程序编码的传播数据信号，例如在基带上或作为载波的一部分。该传播信号可能有多种表现形式，包括电磁形式、光形式等，或合适的组合形式。计算机存储介质可以是除计算机可读存储介质之外的任何计算机可读介质，该介质可以通过连接至一个指令执行系统、装置或设备以实现通讯、传播或传输供使用的程序。位于计算机存储介质上的程序编码可以通过任何合适的介质进行传播，包括无线电、电缆、光纤电缆、RF、或类似介质，或任何上述介质的组合。

本说明书各部分操作所需的计算机程序编码可以用任意一种或多种程序语言编写，包括面向对象编程语言如Java、Scala、Smalltalk、Eiffel、JADE、Emerald、C++、C#、VB.NET、Python等，常规程序化编程语言如C语言、Visual Basic、Fortran 2003、Perl、COBOL 2002、PHP、ABAP，动态编程语言如Python、Ruby和Groovy，或其他编程语言等。该程序编码可以完全在用户计算机上运行、或作为独立的软件包在用户计算机上运行、或部分在用户计算机上运行部分在远程计算机运行、或完全在远程计算机或服务器上运行。在后种情况下，远程计算机可以通过任何网络形式与用户计算机连接，比如局域网(LAN)或广域网(WAN)，或连接至外部计算机(例如通过因特网)，或在云计算环境中，或作为服务使用如软件即服务(SaaS)。

此外，除非权利要求中明确说明，本说明书所述处理元素和序列的顺序、数字字母的使用、或其他名称的使用，并非用于限定本说明书流程和方法的顺序。尽管上述披露中通过各种示例讨论了一些目前认为有用的发明实施例，但应当理解的是，该类细节仅起到说明的目的，附加的权利要求并不仅限于披露的实施例，相反，权利要求旨在覆盖所有符合本说明书实施例实质和范围的修正和等价组合。例如，虽然以上所描述的系统组件可以通过硬件设备实现，但是也可以只通过软件的解决方案得以实现，如在现有的服务器或移动设备上安装所描述的系统。

同理，应当注意的是，为了简化本说明书披露的表述，从而帮助对一个或多个发明实施例的理解，前文对本说明书实施例的描述中，有时会将多种特征归并至一个实施例、附图或对其的描述中。但是，这种披露方法并不意味着本说明书对象所需要的特征比权利要求中提及的特征多。实际上，实施例的特征要少于上述披露的单个实施例的全部特征。

一些实施例中使用了描述成分、属性数量的数字，应当理解的是，此类用于实施例描述的数字，在一些示例中使用了修饰词“大约”、“近似”或“大体上”来修饰。除非另外说明，“大约”、“近似”或“大体上”表明所述数字允许有±20％的变化。相应地，在一些实施例中，说明书和权利要求中使用的数值参数均为近似值，该近似值根据个别实施例所需特点可以发生改变。在一些实施例中，数值参数应考虑规定的有效数位并采用一般位数保留的方法。尽管本说明书一些实施例中用于确认其范围广度的数值域和参数为近似值，在具体实施例中，此类数值的设定在可行范围内尽可能精确。

针对本说明书引用的每个专利、专利申请、专利申请公开物和其他材料，如文章、书籍、说明书、出版物、文档等，特此将其全部内容并入本说明书作为参考。与本说明书内容不一致或产生冲突的申请历史文件除外，对本说明书权利要求最广范围有限制的文件(当前或之后附加于本说明书中的)也除外。需要说明的是，如果本说明书附属材料中的描述、定义、和/或术语的使用与本说明书所述内容有不一致或冲突的地方，以本说明书的描述、定义和/或术语的使用为准。

最后，应当理解的是，本说明书中所述实施例仅用以说明本说明书实施例的原则。其他的变形也可能属于本说明书的范围。因此，作为示例而非限制，本说明书实施例的替代配置可视为与本说明书的教导一致。相应地，本说明书的实施例不仅限于本说明书明确介绍和描述的实施例。

Claims (10)

1.一种图像处理方法，其特征在于，所述方法包括：

获取目标对象的感兴趣区域的至少一张充盈图像和至少一张蒙片图像；

基于一种或多种预设处理算法，从所述至少一张蒙片图像中提取多种目标结构；以及

从所述至少一张充盈图像中减去所述多种目标结构，得到造影图像。

2.根据权利要求1所述的方法，其特征在于，所述基于预设处理算法，从所述至少一张蒙片图像中提取多种目标结构，包括：

通过所述一种或多种预设处理算法对所述至少一张蒙片图像进行处理，提取得到多个候选目标结构；以及

从所述多个候选目标结构中确定所述多种目标结构。

3.根据权利要求2所述的方法，其特征在于，所述通过所述一种或多种预设处理算法对所述至少一张蒙片图像进行处理，提取得到多个候选目标结构，包括：

通过不同的预设处理算法对不同的多张蒙片图像进行处理，提取得到多种候选目标结构。

4.根据权利要求2所述的方法，其特征在于，所述从所述多个候选目标结构中确定目标结构，包括：

确定与所述多种目标结构对应的多种结构模板；以及

基于所述多种结构模板，从所述多个候选目标结构中确定与每个所述结构模板各自对应的目标结构。

5.根据权利要求4所述的方法，所述基于所述多种结构模板，从所述多个候选目标结构中确定与每个所述结构模板各自对应的目标结构，包括：

确定每个所述结构模板与其对应的所述多个候选目标结构之间的相似度；

基于所述相似度，确定所述各个候选目标结构的权重；以及

基于所述权重对所述多个候选目标结构进行迭代处理，确定所述对应的目标结构。

6.根据权利要求4所述的方法，其特征在于，所述基于所述至少一张充盈图像，确定与所述多种目标结构对应的多种结构模板，包括：

基于与从所述至少一张蒙片图像中提取所述多种目标结构对应的预设处理算法，从所述至少一张充盈图像中确定同一类型的目标结构对应的所述多种结构模板。

7.根据权利要求1所述的方法，其特征在于，所述多种目标结构包括运动结构和非运动结构；或者所述多种目标结构包括不同运动类型的结构。

8.一种图像处理系统，其特征在于，所述系统包括图像获取模块、目标结构提取模块以及图像处理模块；

所述图像处理模块用于获取目标对象的感兴趣区域的至少一张充盈图像和至少一张蒙片图像；

所述目标结构提取模块用于基于一种或多种预设处理算法，从所述至少一张蒙片图像中提取多种目标结构；

所述图像处理模块用于从所述至少一张充盈图像中减去所述多种目标结构，得到血管造影图像。

9.一种图像处理装置，所述装置包括至少一个处理器和至少一个存储设备，所述存储设备用于存储指令，当所述至少一个处理器执行所述指令时，实现如权利要求1-7任一项所述的方法。

10.一种计算机可读存储介质，所述存储介质存储计算机指令，当计算机读取存储介质中的计算机指令后，计算机执行如权利要求1-7任一项所述的方法。

Images