CN113554563B - 一种医学图像处理方法、介质及电子设备 - Google Patents
一种医学图像处理方法、介质及电子设备 Download PDFInfo
- Publication number
- CN113554563B CN113554563B CN202110838571.2A CN202110838571A CN113554563B CN 113554563 B CN113554563 B CN 113554563B CN 202110838571 A CN202110838571 A CN 202110838571A CN 113554563 B CN113554563 B CN 113554563B
- Authority
- CN
- China
- Prior art keywords
- medical image
- metal
- metal bracket
- acquiring
- processing method
- 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
- 238000003672 processing method Methods 0.000 title claims abstract description 43
- 229910052751 metal Inorganic materials 0.000 claims abstract description 201
- 239000002184 metal Substances 0.000 claims abstract description 201
- 238000000034 method Methods 0.000 claims description 30
- 238000004590 computer program Methods 0.000 claims description 9
- 238000013135 deep learning Methods 0.000 claims description 9
- 238000012545 processing Methods 0.000 claims description 7
- 238000013145 classification model Methods 0.000 claims description 6
- 238000002513 implantation Methods 0.000 claims description 3
- 238000004891 communication Methods 0.000 claims description 2
- 210000004204 blood vessel Anatomy 0.000 description 9
- 238000012549 training Methods 0.000 description 8
- 239000000463 material Substances 0.000 description 6
- 239000013598 vector Substances 0.000 description 4
- 241001632427 Radiola Species 0.000 description 3
- 230000009471 action Effects 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 230000000877 morphologic effect Effects 0.000 description 3
- 238000002591 computed tomography Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 230000005477 standard model Effects 0.000 description 2
- 238000010146 3D printing Methods 0.000 description 1
- 229910000566 Platinum-iridium alloy Inorganic materials 0.000 description 1
- 229910001362 Ta alloys Inorganic materials 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000002059 diagnostic imaging Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- HWLDNSXPUQTBOD-UHFFFAOYSA-N platinum-iridium alloy Chemical class [Ir].[Pt] HWLDNSXPUQTBOD-UHFFFAOYSA-N 0.000 description 1
- 238000007637 random forest analysis Methods 0.000 description 1
- 229910001285 shape-memory alloy Inorganic materials 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 239000010935 stainless steel Substances 0.000 description 1
- 229910001220 stainless steel Inorganic materials 0.000 description 1
- GUVRBAGPIYLISA-UHFFFAOYSA-N tantalum atom Chemical compound [Ta] GUVRBAGPIYLISA-UHFFFAOYSA-N 0.000 description 1
- 230000002792 vascular Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/80—Geometric correction
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H30/00—ICT specially adapted for the handling or processing of medical images
- G16H30/20—ICT specially adapted for the handling or processing of medical images for handling medical images, e.g. DICOM, HL7 or PACS
-
- 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]
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Radiology & Medical Imaging (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Primary Health Care (AREA)
- Public Health (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
本发明提供一种医学图像处理方法、介质及电子设备,所述医学图像处理方法包括:获取所述医学图像中的金属支架区域;根据所述金属支架区域获取金属支架的特征信息;根据所述金属支架的特征信息对所述医学图像中的金属支架伪影进行校正,以获取校正后的医学图像。所述医学图像处理方法能够有效地减少甚至消除所述医学图像中的金属支架伪影。
Description
技术领域
本发明涉及一种图像处理方法,特别是涉及一种医学图像处理方法、介质及电子设备。
背景技术
许多临床场景中,CT扫描视场(Field of View,FOV)会存在金属物体,例如血管中植入的金属支架。在扫描过程中,金属物体可能会引入严重的伪影,这些伪影在经重建的影像中通常表现为条文、晕染和/或阴影。实际应用中,这种伪影会导致显著的组织可见性损失(特别是在与金属物体邻近的区域中,而这些区域在医学成像中往往是感兴趣区域)。因此,如何对医学图像进行处理以减少甚至消除其中的金属伪影已成为相关技术人员亟需解决的技术问题之一。
发明内容
鉴于以上所述现有技术的缺点,本发明的目的在于提供一种医学图像处理方法、介质及电子设备,用于解决现有技术中存在的上述问题。
为实现上述目的及其他相关目的,本发明的第一方面提供一种医学图像处理方法,用于对包含有金属支架伪影的医学图像进行处理,所述医学图像处理方法包括:获取所述医学图像中的金属支架区域;根据所述金属支架区域获取金属支架的特征信息;根据所述金属支架的特征信息对所述医学图像中的金属支架伪影进行校正,以获取校正后的医学图像。
于所述第一方面的一实施例中,根据所述金属支架区域获取金属支架的特征信息的一种实现方法包括:获取所述金属支架区域的特征参数;根据所述金属支架区域的特征参数获取所述金属支架的特征信息。
于所述第一方面的一实施例中,所述金属支架区域的特征参数包括所述金属支架区域的CT值、径向尺寸和轴向尺寸。
于所述第一方面的一实施例中,根据所述金属支架区域获取金属支架的特征信息的一种实现方法包括:利用一训练好的深度学习支架分类模型对所述金属支架区域进行处理,以获取所述金属支架的类别;根据所述金属支架的类别获取所述金属支架的特征信息。
于所述第一方面的一实施例中,根据所述金属支架的特征信息对所述医学图像中的金属支架伪影进行校正,以获取校正后的医学图像的实现方法包括:根据所述金属支架的特征信息获取所述金属支架的伪影图像;获取所述医学图像与所述伪影图像的差值图像作为所述校正后的医学图像。
于所述第一方面的一实施例中,根据所述金属支架的特征信息获取所述金属支架的伪影图像的实现方法包括:获取所述医学图像对应的扫描参数;根据所述金属支架的特征信息获取所述金属支架的模型;根据所述金属支架的模型获取所述金属支架对应于所述扫描参数的扫描图像;根据所述扫描图像与所述金属支架的图像获取所述金属支架的伪影图像。
于所述第一方面的一实施例中,根据所述金属支架的模型获取所述金属支架对应于所述扫描参数的扫描图像的实现方法包括:根据所述扫描参数对所述金属支架的模型进行虚拟扫描,以获取所述扫描图像。
于所述第一方面的一实施例中,获取所述医学图像中的金属支架区域的实现方法包括:根据像素点的CT值在所述医学图像中获取一种子像素点;判断所述金属支架在所述种子像素点的方向是否满足终止条件,若不满足,则获取另一种子像素点并重复上述判断步骤,否则,根据所述金属支架在所有种子像素点的方向和半径获取所述金属支架区域。
本发明的第二方面提供一种计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现本发明第一方面任一项所述的医学图像处理方法。
本发明的第三方面提供一种电子设备,所述电子设备包括:存储器,存储有一计算机程序;处理器,与所述存储器通信相连,调用所述计算机程序时执行本发明第一方面任一项所述的医学图像处理方法。
如上所述,本发明一个或多个实施例中所述的医学图像处理方法具有以下有益效果:
所述医学图像处理方法能够获取医学图像中的金属支架区域,进而获取金属支架的特征信息。基于所述特征信息,所述医学图像处理方法能够对所述医学图像中的金属支架伪影进行校正,从而得到校正后的医学图像。所述校正后的医学图像几乎不包含金属支架伪影,因此,所述医学图像处理方法能够有效地减少甚至消除所述医学图像中的金属支架伪影。
附图说明
图1显示为本发明所述医学图像处理方法于一具体实施例中的流程图。
图2显示为本发明所述医学图像处理方法于一具体实施例中步骤S12的具体流程图。
图3显示为本发明所述医学图像处理方法于一具体实施例中步骤S12的具体流程图。
图4A显示为本发明所述医学图像处理方法于一具体实施例中步骤S13的具体流程图。
图4B显示为本发明所述医学图像处理方法于一具体实施例中步骤S131的具体流程图。
图5显示为本发明所述医学图像处理方法于一具体实施例中步骤S11的具体流程图。
图6显示为本发明所述电子设备于一具体实施例中的结构示意图。
元件标号说明
600 电子设备
610 存储器
620 处理器
630 显示器
S11~S13 步骤
S121a~S122a 步骤
S121b~S122b 步骤
S131~S132 步骤
S1311~S1314 步骤
S111~S113 步骤
具体实施方式
以下通过特定的具体实例说明本发明的实施方式,本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用,本说明书中的各项细节也可以基于不同观点与应用,在没有背离本发明的精神下进行各种修饰或改变。需说明的是,在不冲突的情况下,以下实施例及实施例中的特征可以相互组合。
需要说明的是,以下实施例中所提供的图示仅以示意方式说明本发明的基本构想,图示中仅显示与本发明中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制,其实际实施时各组件的型态、数量及比例可为一种随意的改变,且其组件布局型态也可能更为复杂。此外,在本文中,诸如“第一”、“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。
相关技术中,金属支架的存在会导致医学图像中存在金属伪影,这种伪影会导致显著的组织可见性损失。针对这一问题,本发明的一实施例中提供一种医学图像处理方法,所述医学图像处理方法用于对包含有金属支架伪影的医学图像进行处理。具体地,请参阅图1,本实施例中所述医学图像处理方法包括:
S11,获取所述医学图像中的金属支架区域。其中,所述金属支架区域包括金属支架及其伪影区域,所述医学图像例如为CT图像。实际应用中,可以通过对所述医学图像进行分割等方式来获取所述金属支架区域,对所述医学图像进行分割的方法包括但不限于U-Net、V-Net等机器学习分割方法、阈值法、人工分割法等。
S12,根据所述金属支架区域获取金属支架的特征信息。其中,所述金属支架的特征信息是指与所述金属支架伪影相关的参数信息,包括材料、尺寸、型号、类别等。
S13,根据所述金属支架的特征信息对所述医学图像中的金属支架伪影进行校正,以获取校正后的医学图像。具体地,根据所述金属支架的特征信息可以获取所述金属支架的伪影状况,根据所述金属支架的伪影状况可以对所述医学图像进行去伪影校正,从而减少甚至消除所述医学图像中的伪影,进而获取校正后的医学图像。
根据以上描述可知,本实施例所述医学图像处理方法能够获取医学图像中的金属支架区域,进而获取金属支架的特征信息。基于所述特征信息,所述医学图像处理方法能够对所述医学图像中的金属支架伪影进行校正,从而得到校正后的医学图像。所述校正后的医学图像几乎不包含金属支架伪影,因此,所述医学图像处理方法能够有效地减少甚至消除所述医学图像中的金属支架伪影。
请参阅图2,于本发明的一实施例中,根据所述金属支架区域获取金属支架的特征信息的一种实现方法包括:
S121a,获取所述金属支架区域的特征参数。其中,所述特征参数包括所述金属支架区域的形态参数和CT值,所述形态参数例如为径向尺寸、轴向尺寸等,所述径向尺寸例如为所述金属支架区域在血管径向的直径或半径,所述轴向尺寸例如为所述金属支架区域沿血管延伸方向的长度。
S122a,根据所述金属支架区域的特征参数获取所述金属支架的特征信息。具体地,根据所述金属支架区域的形态参数可以获取所述金属支架的尺寸,例如,根据所述金属支架区域的径向尺寸可以获取所述金属支架的直径,根据所述金属支架区域的轴向尺寸可以获取所述金属支架的长度,根据所述金属支架区域的CT值可以获取所述金属支架对X射线的衰减系数,进而可以获取所述金属支架的材料。
进一步地,根据相关规定,可以合法应用于临床的金属支架的品牌和型号是有限的,因此,根据所述金属支架的直径、长度以及材料等信息,可以从所述有限的品牌和型号中获取所述金属支架的品牌和型号,基于所述金属支架的品牌和型号能够获取所述金属支架的标准模型,从而进一步获取所述金属支架的更多特征信息。
可选地,所述金属支架的材料可以为316L不锈钢、NiTi形状记忆合金、钽或铂铱合金等。
可选地,所述金属支架的直径可以为2.5mm、2.75mm、3.0mm、3.5mm、4.0mm或4.5mm等。
可选地,所述金属支架的长度为9mm、12mm、14mm、16mm、18mm、20mm、22mm或24mm等。
根据以上描述可知,本实施例中提供了一种获取金属支架特征信息的方法,该方法能够根据患者的医学图像,结合计算机图像处理技术来识别图像中血管支架的特征,进而识别患者血管中植入支架的特征信息。
请参阅图3,于本发明的一实施例中,根据所述金属支架区域获取金属支架的特征信息的一种实现方法包括:
S121b,利用一训练好的深度学习支架分类模型对所述金属支架区域进行处理,以获取所述金属支架的类别。所述深度学习支架分类模型例如为随机森林模型、Adaboost模型等,所述金属支架的类别例如为所述金属支架的品牌、型号等。
可选地,所述深度学习支架分类模型的训练方法包括:获取训练数据,其中,所述训练数据包括多个金属支架区域的图像以及对应的金属支架类别标签;利用所述训练数据对所述深度学习支架分类模型进行训练。
S122b,根据所述金属支架的类别获取所述金属支架的特征信息。具体地,根据所述金属支架的类别可以获取所述金属支架的标准模型,从而进一步获取所述金属支架的直径、长度、材料等特征信息。
请参阅图4A,于本发明的一实施例中,根据所述金属支架的特征信息对所述医学图像中的金属支架伪影进行校正,以获取校正后的医学图像的实现方法包括:
S131,根据所述金属支架的特征信息获取所述金属支架的伪影图像。具体地,所述金属支架的伪影图像由所述金属支架的形状、尺寸、材料等参数决定,而所述金属支架的特征信息中包含这些信息,因此,步骤S131可以根据所述金属支架的特征信息获取所述金属支架的伪影图像。
S132,获取所述医学图像与所述伪影图像的差值图像作为所述校正后的医学图像。具体地,将所述医学图像与所述伪影图像相减即可得到二者的差值图像,也即所述校正后的医学图像。
可选地,请参阅图4B,本实施例中根据所述金属支架的特征信息获取所述金属支架的伪影图像的一种实现方法包括:
S1311,获取所述医学图像对应的扫描参数。其中,所述扫描参数例如可以包括CT扫描过程中的X射线强度、X射线投射位置以及角度等参数。
S1312,根据所述金属支架的特征信息获取所述金属支架的模型。其中,所述金属支架的模型至少应当包含其形状、尺寸、植入位置和姿态、以及X射线衰减系数等,所述植入位置和姿态可以根据所述金属支架区域和所述医学图像获得。
S1313,根据所述金属支架的模型获取所述金属支架对应于所述扫描参数的扫描图像。
可选地,实际应用中可以通过3D打印等方式获取所述金属支架的实体模型,并根据所述扫描参数利用相应的扫描仪器对所述金属支架的实体模型进行扫描来获得所述扫描图像,此后,步骤S1313可以从扫描仪器获取所述扫描图像。
可选地,步骤S1313可以根据所述扫描参数对所述金属支架的模型进行虚拟扫描,以获取所述扫描图像,其中,所述虚拟扫描可以通过仿真实现。
S1314,根据所述扫描图像与所述金属支架的图像获取所述金属支架的伪影图像。其中,所述金属支架的图像是指所述金属支架的理论图像,该理论图像可以根据所述金属支架的形状、尺寸、植入位置和姿态、以及X射线衰减系数等信息来获取。具体地,步骤S1314可以从所述扫描图像中减去所述金属支架的图像来获取所述伪影图像。
根据以上描述可知,本实施例提供了一种根据所述金属支架的伪影图像对所述医学图像进行校正,从而获取所述校正后的医学图像的方法。通过此种方法获取的所述校正后的医学图像由所述医学图像与所述伪影图像相减得到,因此,所述校正后的医学图像中仅包含少量的金属支架伪影或完全不包含金属支架伪影。
除此之外,本实施例还提供了一种获取所述金属支架的伪影图像的方法,该方法可以通过对所述金属支架的模型进行虚拟扫描来获取扫描图像,进而根据所述扫描图像和所述金属支架的理论图像即可获取所述伪影图像。与相关技术相比,此种方法实现简单且具有较高的准确性。
于本发明的一实施例中,获取所述医学图像中的金属支架区域的一种实现方法包括:对所述医学图像进行分割以获取其中的血管模型,并根据所述血管模型获取所述金属支架区域。
可选地,本实施例可以采用经过训练的深度学习支架检测模型来检测血管中金属支架的位置,并根据该位置获取所述金属支架区域。其中,所述深度学习支架检测模型的训练方法包括:以多个标注有支架位置信息的血管图像作为训练集,经过训练以后,所述深度学习支架检测模型可以自动确定血管图像中存在支架的位置。
请参阅图5,于本发明的一实施例中,获取所述医学图像中的金属支架区域的另一种实现方法包括:
S111,根据像素点的CT值在所述医学图像中获取一种子像素点。具体地,所述金属支架区域的CT值与其他区域的CT值不同。因此,可以根据所述医学图像中像素点的CT值获取一种子像素点,所述种子像素点位于所述金属支架区域内。
S112,判断所述金属支架在所述种子像素点的方向是否满足终止条件,若不满足,则获取另一种子像素点并重复步骤S112,否则,执行步骤S113。
S113,根据所述金属支架在所有种子像素点的方向和半径获取所述金属支架区域。
具体地,若步骤S111中获取的种子像素点为第一种子像素点,获取所述金属支架在该第一种子像素点的方向,其中,所述金属支架在该第一种子像素点的方向可以采用训练好的机器学习模型得到。
若所述金属支架在该第一种子像素点的方向不满足终止条件,则获取另一种子像素点作为第二种子像素点,并获取所述金属支架在该第二种子像素点的方向。
优选地,可以根据所述金属支架在该第一种子像素点的方向获取一偏移方向,自该第一种子像素点开始沿所述偏移方向一段距离后获取该第二种子像素点。
若所述金属支架在该第二种子像素点的方向不满足终止条件,则获取另一种子像素点作为第三种子像素点,并获取所述金属支架在该第三种子像素点的方向。
重复上述过程以不断地获取新的种子像素点,直到所述金属支架在新的种子像素点的方向满足终止条件。其后,获取所述金属支架在所有种子像素点的方向和半径,并根据所述金属支架在所有种子像素点的方向和半径进行支架重建即可获取所述金属支架区域。
优选地,本实施例中可以预先定义分别指示不同方向的多个参考方向向量。并且,对于任一种子像素点,根据所述目标血管在该种子像素点的方向可以确定一目标方向向量。基于此,该种子像素点满足终止条件是指该种子像素点对应的方向熵大于一预设阈值,该种子像素点不满足终止条件是指该种子像素点对应的方向熵小于或等于所述预设阈值。所述方向熵的计算公式为:其中,D表示各单位参考方向向量的集合,|D|表示集合D中的元素数量,d表示目标方向向量,P表示所述医学图像,p(d|P)表示根据所述医学图像预测该种子像素点对应的方向为d的概率。
基于以上对所述医学图像处理方法的描述,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,该计算机程序被处理器执行时实现图1所示的医学图像处理方法。
基于以上对所述医学图像处理方法的描述,本发明还提供一种电子设备。具体地,请参阅图6,于本发明的一实施例中,所述电子设备600包括存储器610和处理器620。所述存储器610存储有一计算机程序,所述处理器620与所述存储器610通信相连,调用所述计算机程序时执行图1所示的医学图像处理方法。
可选地,所述电子设备600还包括显示器630,所述显示器630与所述存储器610和所述处理器620通信相连,用于显示所述医学图像处理方法的相关GUI交互界面。
本发明所述的医学图像处理方法的保护范围不限于本实施例列举的步骤执行顺序,凡是根据本发明的原理所做的现有技术的步骤增减、步骤替换所实现的方案都包括在本发明的保护范围内。
综上所述,本发明一个或多个实施例中提供的医学图像处理方法能够获取医学图像中的金属支架区域,进而获取金属支架的特征信息。基于所述特征信息,所述医学图像处理方法能够对所述医学图像中的金属支架伪影进行校正,从而得到校正后的医学图像。所述校正后的医学图像几乎不包含金属支架伪影,因此,所述医学图像处理方法能够有效地减少甚至消除所述医学图像中的金属支架伪影。本发明有效克服了现有技术中的种种缺点而具高度产业利用价值。
上述实施例仅例示性说明本发明的原理及其功效,而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本发明的精神及范畴下,对上述实施例进行修饰或改变。因此,举凡所属技术领域中具有通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变,仍应由本发明的权利要求所涵盖。
Claims (6)
1.一种医学图像处理方法,其特征在于,用于对包含有金属支架伪影的医学图像进行处理,所述医学图像处理方法包括:
获取所述医学图像中的金属支架区域;
根据所述金属支架区域获取金属支架的特征信息;
根据所述金属支架的特征信息对所述医学图像中的金属支架伪影进行校正,以获取校正后的医学图像,包括:根据所述金属支架的特征信息获取所述金属支架的伪影图像;获取所述医学图像与所述伪影图像的差值图像作为所述校正后的医学图像;
其中,根据所述金属支架的特征信息获取所述金属支架的伪影图像的实现方法包括:获取所述医学图像对应的扫描参数;根据所述金属支架的特征信息获取所述金属支架的模型;根据所述扫描参数对所述金属支架的模型进行虚拟扫描,以获取所述金属支架的扫描图像;根据所述金属支架的形状、尺寸、植入位置和姿态、X射线衰减系数来获取所述金属支架的理论图像;根据所述金属支架的扫描图像和理论图像获取所述金属支架的伪影图像;
获取所述医学图像中的金属支架区域的实现方法包括:根据像素点的CT值在所述医学图像中获取一种子像素点;判断所述金属支架在所述种子像素点的方向是否满足终止条件,若不满足,则获取另一种子像素点并重复上述判断步骤,否则,根据所述金属支架在所有种子像素点的方向和半径获取所述金属支架区域。
2.根据权利要求1所述的医学图像处理方法,其特征在于,根据所述金属支架区域获取金属支架的特征信息的一种实现方法包括:
获取所述金属支架区域的特征参数;
根据所述金属支架区域的特征参数获取所述金属支架的特征信息。
3.根据权利要求2所述的医学图像处理方法,其特征在于:所述金属支架区域的特征参数包括所述金属支架区域的CT值、径向尺寸和轴向尺寸。
4.根据权利要求1所述的医学图像处理方法,其特征在于,根据所述金属支架区域获取金属支架的特征信息的一种实现方法包括:
利用一训练好的深度学习支架分类模型对所述金属支架区域进行处理,以获取所述金属支架的类别;
根据所述金属支架的类别获取所述金属支架的特征信息。
5.一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:该计算机程序被处理器执行时实现权利要求1-4任一项所述的医学图像处理方法。
6.一种电子设备,其特征在于,所述电子设备包括:
存储器,存储有一计算机程序;
处理器,与所述存储器通信相连,调用所述计算机程序时执行权利要求1-4任一项所述的医学图像处理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110838571.2A CN113554563B (zh) | 2021-07-23 | 2021-07-23 | 一种医学图像处理方法、介质及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110838571.2A CN113554563B (zh) | 2021-07-23 | 2021-07-23 | 一种医学图像处理方法、介质及电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113554563A CN113554563A (zh) | 2021-10-26 |
CN113554563B true CN113554563B (zh) | 2024-05-14 |
Family
ID=78132647
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110838571.2A Active CN113554563B (zh) | 2021-07-23 | 2021-07-23 | 一种医学图像处理方法、介质及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113554563B (zh) |
Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103186890A (zh) * | 2011-12-30 | 2013-07-03 | 上海联影医疗科技有限公司 | Ct重建图像环状伪影的去除方法 |
CN103679642A (zh) * | 2012-09-26 | 2014-03-26 | 上海联影医疗科技有限公司 | 一种ct图像金属伪影校正方法、装置及ct设备 |
CN104599239A (zh) * | 2013-10-31 | 2015-05-06 | 通用电气公司 | 一种医学图像中的金属伪影消除方法及装置 |
CN106296615A (zh) * | 2016-08-16 | 2017-01-04 | 广州华端科技有限公司 | Ct图像中校正金属伪影的方法和系统 |
CN106551702A (zh) * | 2015-09-30 | 2017-04-05 | 通用电气公司 | Ct图像的射束硬化伪影校正装置及方法 |
CN106780397A (zh) * | 2017-01-06 | 2017-05-31 | 深圳先进技术研究院 | Ct图像阴影校正方法、装置及电子设备 |
WO2017130658A1 (ja) * | 2016-01-26 | 2017-08-03 | 株式会社日立製作所 | 医用画像処理装置及び医用画像処理方法 |
CN109620278A (zh) * | 2018-11-27 | 2019-04-16 | 常州市第二人民医院 | Ct成像中基于非共面扫描的金属伪影校正方法 |
CN110060313A (zh) * | 2019-04-19 | 2019-07-26 | 上海联影医疗科技有限公司 | 一种图像伪影校正方法和系统 |
CN110458762A (zh) * | 2019-07-02 | 2019-11-15 | 山东科技大学 | 一种基于可调双因子的ct图像射束硬化伪影校正系统 |
CN110464352A (zh) * | 2019-07-29 | 2019-11-19 | 上海联影医疗科技有限公司 | 成像扫描参数确定方法、装置及磁共振成像扫描方法 |
CN111656405A (zh) * | 2018-01-26 | 2020-09-11 | 皇家飞利浦有限公司 | 使用深度学习来减少金属伪影 |
CN112037146A (zh) * | 2020-09-02 | 2020-12-04 | 广州海兆印丰信息科技有限公司 | 医学图像伪影自动校正方法、装置和计算机设备 |
CN112085809A (zh) * | 2020-09-16 | 2020-12-15 | 苏州工业园区智在天下科技有限公司 | 神经网络的训练方法、消除金属伪影的方法及其装置 |
CN112313715A (zh) * | 2018-04-26 | 2021-02-02 | 普罗马顿控股有限责任公司 | 使用深度学习技术自动校正x射线数据的受金属影响的体素表示 |
CN112767265A (zh) * | 2021-01-11 | 2021-05-07 | 明峰医疗系统股份有限公司 | 用于ct图像的去金属伪影分割图像校正方法、系统及计算机可读存储介质 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
RU2534393C2 (ru) * | 2009-05-13 | 2014-11-27 | Конинклейке Филипс Электроникс, Н.В. | Способ и система для визуализации пациентов с персональным медицинским устройством |
CN107978003B (zh) * | 2017-10-30 | 2021-03-30 | 东软医疗系统股份有限公司 | 一种ct图像金属伪影的处理方法及装置 |
US11113851B2 (en) * | 2018-07-20 | 2021-09-07 | The Board Of Trustees Of The Leland Stanford Junior University | Correction of sharp-edge artifacts in differential phase contrast CT images and its improvement in automatic material identification |
CN111000574B (zh) * | 2018-10-05 | 2024-04-26 | 佳能医疗系统株式会社 | 医用图像处理装置、方法、及记录介质 |
-
2021
- 2021-07-23 CN CN202110838571.2A patent/CN113554563B/zh active Active
Patent Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103186890A (zh) * | 2011-12-30 | 2013-07-03 | 上海联影医疗科技有限公司 | Ct重建图像环状伪影的去除方法 |
CN103679642A (zh) * | 2012-09-26 | 2014-03-26 | 上海联影医疗科技有限公司 | 一种ct图像金属伪影校正方法、装置及ct设备 |
CN104599239A (zh) * | 2013-10-31 | 2015-05-06 | 通用电气公司 | 一种医学图像中的金属伪影消除方法及装置 |
CN106551702A (zh) * | 2015-09-30 | 2017-04-05 | 通用电气公司 | Ct图像的射束硬化伪影校正装置及方法 |
WO2017130658A1 (ja) * | 2016-01-26 | 2017-08-03 | 株式会社日立製作所 | 医用画像処理装置及び医用画像処理方法 |
CN106296615A (zh) * | 2016-08-16 | 2017-01-04 | 广州华端科技有限公司 | Ct图像中校正金属伪影的方法和系统 |
CN106780397A (zh) * | 2017-01-06 | 2017-05-31 | 深圳先进技术研究院 | Ct图像阴影校正方法、装置及电子设备 |
CN111656405A (zh) * | 2018-01-26 | 2020-09-11 | 皇家飞利浦有限公司 | 使用深度学习来减少金属伪影 |
CN112313715A (zh) * | 2018-04-26 | 2021-02-02 | 普罗马顿控股有限责任公司 | 使用深度学习技术自动校正x射线数据的受金属影响的体素表示 |
CN109620278A (zh) * | 2018-11-27 | 2019-04-16 | 常州市第二人民医院 | Ct成像中基于非共面扫描的金属伪影校正方法 |
CN110060313A (zh) * | 2019-04-19 | 2019-07-26 | 上海联影医疗科技有限公司 | 一种图像伪影校正方法和系统 |
CN110458762A (zh) * | 2019-07-02 | 2019-11-15 | 山东科技大学 | 一种基于可调双因子的ct图像射束硬化伪影校正系统 |
CN110464352A (zh) * | 2019-07-29 | 2019-11-19 | 上海联影医疗科技有限公司 | 成像扫描参数确定方法、装置及磁共振成像扫描方法 |
CN112037146A (zh) * | 2020-09-02 | 2020-12-04 | 广州海兆印丰信息科技有限公司 | 医学图像伪影自动校正方法、装置和计算机设备 |
CN112085809A (zh) * | 2020-09-16 | 2020-12-15 | 苏州工业园区智在天下科技有限公司 | 神经网络的训练方法、消除金属伪影的方法及其装置 |
CN112767265A (zh) * | 2021-01-11 | 2021-05-07 | 明峰医疗系统股份有限公司 | 用于ct图像的去金属伪影分割图像校正方法、系统及计算机可读存储介质 |
Non-Patent Citations (2)
Title |
---|
基于云计算的激光医学图像伪影去除系统;廖媛媛;欧跃发;;激光杂志;20190525(第05期);全文 * |
螺旋CT图像常见伪影的分析和处理;何卫红;方向军;彭建春;邓承健;范锟;;中南医学科学杂志;20111115(第06期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN113554563A (zh) | 2021-10-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9437017B2 (en) | Method and apparatus for metal artifact elimination in a medical image | |
US10497123B1 (en) | Isolation of aneurysm and parent vessel in volumetric image data | |
US8244009B2 (en) | Image analysis device | |
US10198793B2 (en) | Image processing apparatus, image processing method, and X-ray diagnosis apparatus | |
WO1997049065A1 (en) | Method and apparatus for three-dimensional reconstruction of coronary vessels from angiographic images | |
US10303965B2 (en) | Defective pixel identification using machine learning | |
EP1728209A2 (en) | Detection of edges in an image | |
CN111524200A (zh) | 在投影图像中分割金属对象的方法、设备、程序和介质 | |
US9595116B2 (en) | Body motion detection device and method | |
US20220138936A1 (en) | Systems and methods for calcium-free computed tomography angiography | |
CN113554563B (zh) | 一种医学图像处理方法、介质及电子设备 | |
CN109389577B (zh) | X射线图像处理方法和系统及计算机存储介质 | |
US20200240934A1 (en) | Tomography apparatus and controlling method for the same | |
US11000247B2 (en) | Method for operating an X-ray device with enhanced depiction of a medical component | |
CN113808233A (zh) | 一种金属穿刺针伪影处理方法和装置 | |
CN107507169B (zh) | 双能减影参数的估算方法及计算机可读存储介质 | |
US20230237657A1 (en) | Information processing device, information processing method, program, model generating method, and training data generating method | |
Mitra et al. | Peak trekking of hierarchy mountain for the detection of cerebral aneurysm using modified Hough circle transform | |
EP2074591B1 (en) | Methods, system and computer program product for detecting a protrusion | |
US20230017227A1 (en) | Program, information processing method, information processing apparatus, and model generation method | |
JP2002158923A (ja) | 異常陰影検出方法および装置 | |
CN115035070A (zh) | 一种确定cbct图像中种植体位置的方法及装置 | |
WO2022129628A1 (en) | Computer-implemented method for image analysis of medical images by neural network supported region-of-interest segmentation | |
US11138736B2 (en) | Information processing apparatus and information processing method | |
CN114512221A (zh) | 一种牙弓线图像的生成方法、装置及计算机设备 |
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 |