CN114298927A - 一种cbct图像去噪方法、装置、存储介质及电子设备 - Google Patents

一种cbct图像去噪方法、装置、存储介质及电子设备 Download PDF

Info

Publication number
CN114298927A
CN114298927A CN202111546228.7A CN202111546228A CN114298927A CN 114298927 A CN114298927 A CN 114298927A CN 202111546228 A CN202111546228 A CN 202111546228A CN 114298927 A CN114298927 A CN 114298927A
Authority
CN
China
Prior art keywords
image
cbct
segmentation
cbct image
region
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.)
Granted
Application number
CN202111546228.7A
Other languages
English (en)
Other versions
CN114298927B (zh
Inventor
易前娥
张康平
孙宇
张文宇
王亚杰
吴宏新
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
BEIJING LANGSHI INSTRUMENT CO LTD
Original Assignee
BEIJING LANGSHI INSTRUMENT CO LTD
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by BEIJING LANGSHI INSTRUMENT CO LTD filed Critical BEIJING LANGSHI INSTRUMENT CO LTD
Priority to CN202111546228.7A priority Critical patent/CN114298927B/zh
Publication of CN114298927A publication Critical patent/CN114298927A/zh
Priority to PCT/CN2022/118526 priority patent/WO2023109212A1/zh
Application granted granted Critical
Publication of CN114298927B publication Critical patent/CN114298927B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • 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
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
    • 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)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Apparatus For Radiation Diagnosis (AREA)
  • Image Processing (AREA)

Abstract

本发明公开了一种CBCT图像去噪方法、装置、存储介质及电子设备，所述方法包括：获取CBCT图像；根据CBCT图像横断面、冠状面与矢状面的切片对应的otsu分割阈值计算区域生长对应的动态分割阈值；根据CBCT图像计算空腔区域的生长种子点；根据动态分割阈值和生长种子点对CBCT图像的横断面、冠状面与矢状面进行区域生长得到CBCT图像分割结果；对CBCT图像分割结果进行膨胀、腐蚀处理得到对应的CBCT分割图像；结合CBCT分割图像并对CBCT图像进行处理得到去噪后的CBCT图像。该方法在进行区域生长时采用了动态分割阈值作为生长条件，在遇到噪声水平差异大的图像不容易出现过分割或欠分割，适应性较好。因此，通过实施本发明，实现阈值参数自适应，增加了算法的鲁棒性。

Description

一种CBCT图像去噪方法、装置、存储介质及电子设备
技术领域
本发明涉及辐射成像技术领域，具体涉及一种CBCT图像去噪方法、装置、存储介质及电子设备。
背景技术
在口腔医学中，CBCT数据扮演着重要的角色，但获取的CBCT断层图像往往伴随着大量的电子噪声与量子噪声。比如在颅脑内，包含了口腔、咽喉、鼻腔等多个空腔区域，理想情况下这些空腔区域被空气填充，在CBCT图像上的灰度值应为零，但因受到噪声污染，严重降低了图像空腔区域与其他组织结构信息的对比度，视觉效果差，影响到医生对病灶的观察和判断，也影响图像信息的后处理任务。现有的CBCT图像去噪方法包括TV降噪、三维块匹配法、小波滤波法等，存在很多问题：传统的区域生长分割算法采用固定阈值作为生长条件，遇到噪声水平差异大的图像容易出现过分割或欠分割，适应性较差。
发明内容
有鉴于此，本发明实施例提供了涉及一种CBCT图像去噪方法、装置、存储介质及电子设备，以解决现有技术中CBCT图像分割时容易出现过分割或欠分割，适应性较差的技术问题。
本发明提出的技术方案如下：
本发明实施例第一方面提供一种CBCT图像去噪方法，该CBCT图像去噪方法包括：获取CBCT图像；根据所述CBCT图像横断面、冠状面与矢状面的切片对应的otsu分割阈值计算区域生长对应的动态分割阈值；根据所述CBCT图像计算空腔区域的生长种子点；根据所述动态分割阈值和所述生长种子点对所述CBCT图像的横断面、冠状面与矢状面进行区域生长得到所述CBCT图像分割结果；对所述CBCT图像分割结果进行膨胀、腐蚀处理得到对应的CBCT分割图像；结合所述CBCT分割图像并对所述CBCT图像进行处理得到去噪后的CBCT图像。
可选地，所述获取CBCT图像，包括：从获取的CBCT三维断层图像中获取初始CBCT图像；对所述初始CBCT图像进行双边滤波处理得到所述CBCT图像。
可选地，所述根据所述CBCT图像计算空腔区域的生长种子点，包括：对所述CBCT图像的横断面、冠状面与矢状面的任一二维图像进行分割得到第一二值图像并记录分割阈值并在所述第一二值图像中确定前景区域和背景区域；将所述前景区域中对应的软组织区域的面积与预设面积阈值进行比较；当所述前景区域中对应的软组织区域的面积小于所述预设面积阈值，在所述前景区域中移除所述前景区域中对应的软组织区域并得到对应的第二二值图像；根据距离变换法对所述第二二值图像对应的前景区域进行处理得到灰度图；遍历距离变换后的前景区域并将所述距离变换后的前景区域中像素值的最大值对应的像素点作为空腔区域的生长种子点。
可选地，所述根据所述动态分割阈值和所述生长种子点对所述CBCT图像的横断面、冠状面与矢状面进行区域生长得到所述CBCT图像分割结果，包括：计算待测点灰度值与生长点对应的灰度值的差值；将所述差值与所述动态分割阈值进行比较，将差值小于所述动态分割阈值作为生长准则并在所述生长种子点对应邻域内进行区域生长得到所述CBCT图像的横断面、冠状面与矢状面的分割结果。
可选地，所述方法还包括：对所述CBCT图像的横断面、冠状面与矢状面的分割结果进行或操作并结合所述CBCT图像的横断面、冠状面与矢状面的分割信息得到所述CBCT图像分割结果。
可选地，所述结合所述CBCT分割图像并对所述CBCT图像进行处理得到去噪后的CBCT图像，包括：遍历所述获取的CBCT三维断层图像对应的CBCT数据，并将对应的所述前景区域位置赋值为零。
本发明实施例第二方面提供一种CBCT图像去噪装置，该CBCT图像去噪装置包括：获取模块，用于获取CBCT图像；第一计算模块，用于根据所述CBCT图像横断面、冠状面与矢状面的切片对应的otsu分割阈值计算区域生长对应的动态分割阈值；第二计算模块，用于根据所述CBCT图像计算空腔区域的生长种子点；生长模块，用于根据所述动态分割阈值和所述生长种子点对所述CBCT图像的横断面、冠状面与矢状面进行区域生长得到所述CBCT图像分割结果；处理模块，用于对所述CBCT图像分割结果进行膨胀、腐蚀处理得到对应的CBCT分割图像；第二处理模块，用于结合所述CBCT分割图像并对所述CBCT图像进行处理得到去噪后的CBCT图像。。
可选地，所述装置还包括：第一获取模块，用于从获取的CBCT三维断层图像中获取初始CBCT图像；第三处理模块，用于对所述初始CBCT图像进行双边滤波处理得到所述CBCT图像。
本发明实施例第三方面提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使所述计算机执行如本发明实施例第一方面及第一方面任一项所述的CBCT图像去噪方法。
本发明实施例第四方面提供一种电子设备，包括：存储器和处理器，所述存储器和所述处理器之间互相通信连接，所述存储器存储有计算机指令，所述处理器通过执行所述计算机指令，从而执行如本发明实施例第一方面及第一方面任一项所述的CBCT图像去噪方法。
本发明提供的技术方案，具有如下效果：
本发明实施例提供的CBCT图像去噪方法，获取CBCT图像；根据所述CBCT图像横断面、冠状面与矢状面的切片对应的otsu分割阈值计算区域生长对应的动态分割阈值；根据所述CBCT图像计算空腔区域的生长种子点；根据所述动态分割阈值和所述生长种子点对所述CBCT图像的横断面、冠状面与矢状面进行区域生长得到所述CBCT图像分割结果；对所述CBCT图像分割结果进行膨胀、腐蚀处理得到对应的CBCT分割图像；结合所述CBCT分割图像并对所述CBCT图像进行处理得到去噪后的CBCT图像。该方法在进行区域生长时采用了动态分割阈值作为生长条件，在遇到噪声水平差异大的图像不容易出现过分割或欠分割，适应性较好。因此，通过实施本发明，实现阈值参数自适应，增加了算法的鲁棒性。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，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是根据本发明实施例的CBCT图像去噪方法的流程图；
图2是根据本发明实施例的CBCT图像示意图；
图3是根据本发明实施例的去噪后的CBCT图像示意图；
图4是根据本发明实施例的CBCT图像去噪装置的结构框图；
图5是根据本发明实施例提供的计算机可读存储介质的结构示意图；
图6是根据本发明实施例提供的电子设备的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，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。
本发明实施例提供一种CBCT图像去噪方法，如图1所示，该方法包括如下步骤：
步骤S101：获取CBCT图像。具体地，在去噪之前，首先获取对应的CBCT图像。在一实施例中，如图2所示，获取某一个病人的CBCT图像。
步骤S102：根据所述CBCT图像横断面、冠状面与矢状面的切片对应的otsu分割阈值计算区域生长对应的动态分割阈值。具体地，CBCT图像中不同切片之间的灰度值与噪声水平均存在较大差异，用固定阈值作为区域生长条件容易导致欠分割或过分隔问题。因此，在得到CBCT图像之后，在对CBCT图像切片分割之前计算区域生长对应的动态分割阈值。具体地，根据CBCT图像横断面、冠状面与矢状面的切片对应的otsu分割阈值来计算，具体的计算公式为：
T′X(i)＝μ·TX(i), i∈(0,1,2,…,NX-1)
式中，TX(i)表示CBCT图像横断面/冠状面/矢状面第i个切片对应的otsu分割阈值；μ表示预设系数；NX表示CBCT图像横断面/冠状面/矢状面的总切片数量。
步骤S103：根据所述CBCT图像计算空腔区域的生长种子点。具体地，在得到CBCT图像之后，对该CBCT图像进行处理并计算可以得到空腔区域的生长种子点。其中，CBCT图像中包含多个空腔区域。
在一实施例中，获取的颅脑CBCT图像中，包含口腔、咽喉、鼻腔等多个空腔区域。
步骤S104：根据所述动态分割阈值和所述生长种子点对所述CBCT图像的横断面、冠状面与矢状面进行区域生长得到所述CBCT图像分割结果。具体地，在得到动态分割阈值与生长种子点之后，将该生长种子点作为生长起点并结合动态分割阈值对该CBCT图像的横断面、冠状面与矢状面进行区域生长可以得到该CBCT图像的分割结果。
步骤S105：对所述CBCT图像分割结果进行膨胀、腐蚀处理得到对应的CBCT分割图像。得到CBCT图像分割结果之后，对该分割结果进行基于三维的形态学处理。具体地，先进行膨胀处理可以去掉因噪声过大导致的噪点，及优化部分切片欠分割的空腔区域，然后进行腐蚀处理可以移除部分边界像素，得到最终otsu分割图像即对应的CBCT分割图像。
步骤S106：结合所述CBCT分割图像并对所述CBCT图像进行处理得到去噪后的CBCT图像。具体地，结合分割结果即CBCT分割图像，对原始获取的CBCT图像进行处理可以得到去噪后的CBCT图像。
本发明实施例提供的CBCT图像去噪方法，获取CBCT图像；根据所述CBCT图像横断面、冠状面与矢状面的切片对应的otsu分割阈值计算区域生长对应的动态分割阈值；根据所述CBCT图像计算空腔区域的生长种子点；根据所述动态分割阈值和所述生长种子点对所述CBCT图像的横断面、冠状面与矢状面进行区域生长得到所述CBCT图像分割结果；对所述CBCT图像分割结果进行膨胀、腐蚀处理得到对应的CBCT分割图像；结合所述CBCT分割图像并对所述CBCT图像进行处理得到去噪后的CBCT图像。该方法在进行区域生长时采用了动态分割阈值作为生长条件，在遇到噪声水平差异大的图像不容易出现过分割或欠分割，适应性较好。因此，通过实施本发明，实现阈值参数自适应，增加了算法的鲁棒性。
作为本发明实施例一种可选的实施方式，获取CBCT图像时，首先从获取的CBCT三维断层图像中获取初始CBCT图像，然后对该初始CBCT图像进行双边滤波处理得到对应的CBCT图像。具体地，首先使用CT扫描获取三维断层图像，由于部分噪点在分割过程中难以分辨，会降低分割精度，因此对获取到的三维断层图像进行双边滤波处理并得到对应的CBCT图像。其中，双边滤波处理可以消除图像数字化时所混入的噪声。
作为本发明实施例一种可选的实施方式，根据CBCT图像计算空腔区域的生长种子点时，首先对该CBCT图像的横断面、冠状面与矢状面的任一二维图像进行分割得到第一二值图像并记录分割阈值，并在该第一二值图像中确定前景区域和背景区域。具体地，选取该CBCT图像中矢状面(CBCT图像的横断面、冠状面与矢状面的任一一种)的任意一幅二维图像Xplane(i)，采用阈值分割法(otsu)进行粗分割并记录otsu分割阈值，其中，灰度值小于otsu分割阈值的像素区域为前景区域，对应像素值为1；灰度值大于otsu分割阈值的像素区域为背景区域，对应像素值为0。经过分割可以得到对应的第一二值图像BX(i)。其中，选取该CBCT图像中每一个横断面、冠状面与矢状面的任意一幅二维图像并进行分割；otsu分割阈值是由otsu方法自动计算的阈值，otsu是一种阈值分割算法，可以根据图像计算最佳分割阈值。
确定前景区域和背景区域之后，由于噪声较大时，CBCT图像中存在部分软组织结构的灰度值接近噪声灰度值，使用阈值分割法(otsu)进行的粗分割容易将接近噪声灰度值的软组织区域误分为前景区域，即第一二值图像BX(i)中的前景区域包含了部分软组织区域，因此需要将前景区域中被误分割的软组织区域进行移除。具体地，将BX(i)中多个前景区域的面积与预设面积阈值进行比较，当前景区域的面积小于预设面积阈值时，移除该前景区域，对所有前景区域进行面积筛选得到对应的第二二值图像B′X(i)，然后计算B′X(i)中前景区域对应的种子点。
因为阈值分割法容易导致过分隔，若直接用B′X(i)中的前景区域作为生长种子可能存在种子点计算错误问题。此外，颅脑类包含的空腔区域存在多种结构形状，选取前景区域的质心作为种子很容易出现质心不在前景区域内的情况，因此为了准确计算空腔区域的有效种子点，首先根据距离变换法对第二二值图像对应的前景区域进行处理得到灰度图；然后遍历距离变换后的前景区域像素，将距离变换后的前景区域中像素值的最大值对应的像素点作为空腔区域的生长种子点。
具体地，先采用距离变换法对二值图B′X(i)中的前景区域进行处理得到灰度图，经过距离变换法处理之后，距离背景区域越远，则对应前景区域的像素值越大，变换之后，将确定的前景区域部分凸显出来，然后遍历距离变换后的前景区域，并将其最大值对应的像素坐标作为生长种子。
作为本发明实施例一种可选的实施方式，在确定动态分割阈值与生长种子点之后，对该CBCT图像的横断面、冠状面与矢状面进行区域生长得到CBCT图像分割结果。首先计算待测点灰度值与生长点对应的灰度值的差值，并将该差值与动态分割阈值进行比较，将差值小于动态分割阈值作为生长准则并在生长种子点对应邻域内进行区域生长得到CBCT图像的横断面、冠状面与矢状面的分割结果。具体地，将得到的生长种子点(x,y)作为生长起点，用待测点灰度值与生长点(x,y)对应的灰度值相差小于动态分割阈值T′X(i)作为生长准则，在生长种子点的相邻的8个邻域：(x-1,y-1)、(x-1,y)、(x-1,y+1)、(x,y-1)、(x,y+1)、(x+1,y-1)、(x+1,y)、(x+1,y+1)内进行区域生长，将符合生长准则的像素合并，并将合并的像素作为新的生长种子，继续对其相邻的8个邻域像素生长合并，直至无满足生长准则的像素点，停止生长。使用该区域生长方法对CBCT图像的横断面、冠状面与矢状面进行区域生长可以得到CBCT图像的横断面、冠状面与矢状面对应的分割结果。每个切片分割过程以及三个维度的分割过程均满足独立计算条件，用并行计算有效提高了处理效率，耗时更短。
在一实施例中，对CBCT数据的横断面二维图像Zplane(k)、冠状面Yplane(j)与矢状面Xplane(i)分别进行区域生长得到分割结果
Figure BDA0003415398860000091
最后，对得到的CBCT图像的横断面、冠状面与矢状面的分割结果进行或操作并结合该CBCT图像的横断面、冠状面与矢状面的分割信息可以得到CBCT图像分割结果。
在一实施例中，将二维分割结果组成三维结果即：
Figure BDA0003415398860000092
Figure BDA0003415398860000093
Figure BDA0003415398860000094
其中，
Figure BDA0003415398860000095
分别表示基于矢状面、冠状面、横断面分割的三维结果。对
Figure BDA0003415398860000096
进行或操作，有效结合三个剖面的分割信息，得到分割结果
Figure BDA0003415398860000097
即CBCT图像分割结果。
作为本发明实施例一种可选的实施方式，结合所述CBCT分割图像并对所述CBCT图像进行处理得到去噪后的CBCT图像，包括：遍历所述获取的CBCT三维断层图像对应的CBCT数据，并将对应的所述前景区域位置赋值为零。具体地，结合CBCT图像分割结果
Figure BDA0003415398860000098
遍历原始获取的CBCT三维断层图像对应的CBCT数据，并将对应的前景区域位置赋值为0，可以得到空腔区域去噪后的CBCT图像。将对应的前景区域位置赋值为0的处理方法能够在不影响其他结构清晰度的情况下完全去除空腔区域的噪声。具体地，与图2所示图像相比，图3所示图像中所有黑色区域都实现了有效去噪，提高了图像空气区域与其他组织结构信息的对比度即不影响其他结构清晰度，且完全去除了空腔区域的噪声，视觉效果更好。
本发明实施例还提供一种CBCT图像去噪装置，如图4所示，该装置包括：
获取模块401，用于获取CBCT图像；详细内容参见上述方法实施例中步骤S101的相关描述。
第一计算模块402，用于根据所述CBCT图像横断面、冠状面与矢状面的切片对应的otsu分割阈值计算区域生长对应的动态分割阈值；详细内容参见上述方法实施例中步骤S102的相关描述。
第二计算模块403，用于根据所述CBCT图像计算空腔区域的生长种子点；详细内容参见上述方法实施例中步骤S103的相关描述。
生长模块404，用于根据所述动态分割阈值和所述生长种子点对所述CBCT图像的横断面、冠状面与矢状面进行区域生长得到所述CBCT图像分割结果；详细内容参见上述方法实施例中步骤S104的相关描述。
第一处理模块405，用于对所述CBCT图像分割结果进行膨胀、腐蚀处理得到对应的CBCT分割图像；详细内容参见上述方法实施例中步骤S105的相关描述。
第二处理模块406，用于结合所述CBCT分割图像并对所述CBCT图像进行处理得到去噪后的CBCT图像；详细内容参见上述方法实施例中步骤S106的相关描述。
本发明实施例提供的CBCT图像去噪装置，获取CBCT图像；根据所述CBCT图像横断面、冠状面与矢状面的切片对应的otsu分割阈值计算区域生长对应的动态分割阈值；根据所述CBCT图像计算空腔区域的生长种子点；根据所述动态分割阈值和所述生长种子点对所述CBCT图像的横断面、冠状面与矢状面进行区域生长得到所述CBCT图像分割结果；对所述CBCT图像分割结果进行膨胀、腐蚀处理得到对应的CBCT分割图像；结合所述CBCT分割图像并对所述CBCT图像进行处理得到去噪后的CBCT图像。在进行区域生长时采用了动态分割阈值作为生长条件，在遇到噪声水平差异大的图像不容易出现过分割或欠分割，适应性较好。因此，通过实施本发明，实现阈值参数自适应，增加了算法的鲁棒性。
作为本发明实施例一种可选的实施方式，所述获取模块，包括：第一获取模块，用于从获取的CBCT三维断层图像中获取初始CBCT图像；第三处理模块，用于对所述初始CBCT图像进行双边滤波处理得到所述CBCT图像。
作为本发明实施例一种可选的实施方式，所述装置还包括：分割处理模块，用于对所述CBCT图像的横断面、冠状面与矢状面的任一二维图像进行分割得到第一二值图像并记录分割阈值并在所述第一二值图像中确定前景区域和背景区域；比对模块，用于将所述前景区域中对应的软组织区域的面积与预设面积阈值进行比较；移除模块，用于当所述前景区域中对应的软组织区域的面积小于所述预设面积阈值，在所述前景区域中移除所述前景区域中对应的软组织区域并得到对应的第二二值图像；第四处理模块，用于根据距离变换法对所述第二二值图像对应的前景区域进行处理得到灰度图；第一确定模块，用于遍历距离变换后的前景区域并将所述距离变换后的前景区域中像素值的最大值对应的像素点作为空腔区域的生长种子点。
作为本发明实施例一种可选的实施方式，所述装置还包括：第三计算模块，用于计算待测点灰度值与生长点对应的灰度值的差值；第二确定模块，用于将所述差值与所述动态分割阈值进行比较，将差值小于所述动态分割阈值作为生长准则并在所述生长种子点对应邻域内进行区域生长得到所述CBCT图像的横断面、冠状面与矢状面的分割结果。
作为本发明实施例一种可选的实施方式，所述装置还包括：操作模块，用于对所述CBCT图像的横断面、冠状面与矢状面的分割结果进行或操作并结合所述CBCT图像的横断面、冠状面与矢状面的分割信息得到所述CBCT图像分割结果。
作为本发明实施例一种可选的实施方式，所述装置还包括：赋值模块，用于遍历所述获取的CBCT三维断层图像对应的CBCT数据，并将对应的所述前景区域位置赋值为零。
本发明实施例提供的CBCT图像去噪装置的功能描述详细参见上述实施例中CBCT图像去噪方法描述。
本发明实施例还提供一种存储介质，如图5所示，其上存储有计算机程序601，该指令被处理器执行时实现上述实施例中CBCT图像去噪方法的步骤。该存储介质上还存储有音视频流数据，特征帧数据、交互请求信令、加密数据以及预设数据大小等。其中，存储介质可为磁碟、光盘、只读存储记忆体(Read－Only Memory，ROM)、随机存储记忆体(RandomAccess Memory，RAM)、快闪存储器(Flash Memory)、硬盘(Hard Disk Drive，缩写：HDD)或固态硬盘(Solid－State Drive，SSD)等；所述存储介质还可以包括上述种类的存储器的组合。
本领域技术人员可以理解，实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述存储介质可为磁碟、光盘、只读存储记忆体(Read－Only Memory，ROM)、随机存储记忆体(RandomAccessMemory，RAM)、快闪存储器(Flash Memory)、硬盘(Hard Disk Drive，缩写：HDD)或固态硬盘(Solid－State Drive，SSD)等；所述存储介质还可以包括上述种类的存储器的组合。
本发明实施例还提供了一种电子设备，如图6所示，该电子设备可以包括处理器51和存储器52，其中处理器51和存储器52可以通过总线或者其他方式连接，图6中以通过总线连接为例。
处理器51可以为中央处理器(Central Processing Unit，CPU)。处理器51还可以为其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field－Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等芯片，或者上述各类芯片的组合。
存储器52作为一种非暂态计算机可读存储介质，可用于存储非暂态软件程序、非暂态计算机可执行程序以及模块，如本发明实施例中的对应的程序指令/模块。处理器51通过运行存储在存储器52中的非暂态软件程序、指令以及模块，从而执行处理器的各种功能应用以及数据处理，即实现上述方法实施例中的CBCT图像去噪方法。
存储器52可以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装置、至少一个功能所需要的应用程序；存储数据区可存储处理器51所创建的数据等。此外，存储器52可以包括高速随机存取存储器，还可以包括非暂态存储器，例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施例中，存储器52可选包括相对于处理器51远程设置的存储器，这些远程存储器可以通过网络连接至处理器51。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。
所述一个或者多个模块存储在所述存储器52中，当被所述处理器51执行时，执行如图1－3所示实施例中的CBCT图像去噪方法。
上述电子设备具体细节可以对应参阅图1至图3所示的实施例中对应的相关描述和效果进行理解，此处不再赘述。
虽然结合附图描述了本发明的实施例，但是本领域技术人员可以在不脱离本发明的精神和范围的情况下做出各种修改和变型，这样的修改和变型均落入由所附权利要求所限定的范围之内。

Claims (10)

1.一种CBCT图像去噪方法，其特征在于，包括如下步骤：
获取CBCT图像；
根据所述CBCT图像横断面、冠状面与矢状面的切片对应的otsu分割阈值计算区域生长对应的动态分割阈值；
根据所述CBCT图像计算空腔区域的生长种子点；
根据所述动态分割阈值和所述生长种子点对所述CBCT图像的横断面、冠状面与矢状面进行区域生长得到所述CBCT图像分割结果；
对所述CBCT图像分割结果进行膨胀、腐蚀处理得到对应的CBCT分割图像；
结合所述CBCT分割图像并对所述CBCT图像进行处理得到去噪后的CBCT图像。
2.根据权利要求1所述的方法，其特征在于，所述获取CBCT图像，包括：
从获取的CBCT三维断层图像中获取初始CBCT图像；
对所述初始CBCT图像进行双边滤波处理得到所述CBCT图像。
3.根据权利要求1所述的方法，其特征在于，所述根据所述CBCT图像计算空腔区域的生长种子点，包括：
对所述CBCT图像的横断面、冠状面与矢状面的任一二维图像进行分割得到第一二值图像并记录分割阈值并在所述第一二值图像中确定前景区域和背景区域；
将所述前景区域中对应的软组织区域的面积与预设面积阈值进行比较；
当所述前景区域中对应的软组织区域的面积小于所述预设面积阈值，在所述前景区域中移除所述前景区域中对应的软组织区域并得到对应的第二二值图像；
根据距离变换法对所述第二二值图像对应的前景区域进行处理得到灰度图；
遍历距离变换后的前景区域并将所述距离变换后的前景区域中像素值的最大值对应的像素点作为空腔区域的生长种子点。
4.根据权利要求1所述的方法，其特征在于，所述根据所述动态分割阈值和所述生长种子点对所述CBCT图像的横断面、冠状面与矢状面进行区域生长得到所述CBCT图像分割结果，包括：
计算待测点灰度值与生长种子点对应的灰度值的差值；
将所述差值与所述动态分割阈值进行比较，将差值小于所述动态分割阈值作为生长准则并在所述生长种子点对应邻域内进行区域生长得到所述CBCT图像的横断面、冠状面与矢状面的分割结果。
5.根据权利要求4所述的方法，其特征在于，所述方法还包括：
对所述CBCT图像的横断面、冠状面与矢状面的分割结果进行或操作并结合所述CBCT图像的横断面、冠状面与矢状面的分割信息得到所述CBCT图像分割结果。
6.根据权利要求3所述的方法，其特征在于，所述结合所述CBCT分割图像并对所述CBCT图像进行处理得到去噪后的CBCT图像，包括：
遍历所述获取的CBCT三维断层图像对应的CBCT数据，并将对应的所述前景区域位置赋值为零。
7.一种CBCT图像去噪装置，其特征在于，包括：
获取模块，用于获取CBCT图像；
第一计算模块，用于根据所述CBCT图像横断面、冠状面与矢状面的切片对应的otsu分割阈值计算区域生长对应的动态分割阈值；
第二计算模块，用于根据所述CBCT图像计算空腔区域的生长种子点；
生长模块，用于根据所述动态分割阈值和所述生长种子点对所述CBCT图像的横断面、冠状面与矢状面进行区域生长得到所述CBCT图像分割结果；
第一处理模块，用于对所述CBCT图像分割结果进行膨胀、腐蚀处理得到对应的CBCT分割图像；
第二处理模块，用于结合所述CBCT分割图像并对所述CBCT图像进行处理得到去噪后的CBCT图像。
8.根据权利要求7所述的装置，其特征在于，所述装置还包括：
第一获取模块，用于从获取的CBCT三维断层图像中获取初始CBCT图像；
第三处理模块，用于对所述初始CBCT图像进行双边滤波处理得到所述CBCT图像。
9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使所述计算机执行如权利要求1－6任一项所述的CBCT图像去噪方法。
10.一种电子设备，其特征在于，包括：存储器和处理器，所述存储器和所述处理器之间互相通信连接，所述存储器存储有计算机指令，所述处理器通过执行所述计算机指令，从而执行如权利要求1－6任一项所述的CBCT图像去噪方法。
CN202111546228.7A 2021-12-16 2021-12-16 一种cbct图像去噪方法、装置、存储介质及电子设备 Active CN114298927B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202111546228.7A CN114298927B (zh) 2021-12-16 2021-12-16 一种cbct图像去噪方法、装置、存储介质及电子设备
PCT/CN2022/118526 WO2023109212A1 (zh) 2021-12-16 2022-09-13 一种cbct图像去噪方法、装置、存储介质及电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111546228.7A CN114298927B (zh) 2021-12-16 2021-12-16 一种cbct图像去噪方法、装置、存储介质及电子设备

Publications (2)

Publication Number Publication Date
CN114298927A true CN114298927A (zh) 2022-04-08
CN114298927B CN114298927B (zh) 2022-10-04

Family

ID=80967644

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111546228.7A Active CN114298927B (zh) 2021-12-16 2021-12-16 一种cbct图像去噪方法、装置、存储介质及电子设备

Country Status (2)

Country Link
CN (1) CN114298927B (zh)
WO (1) WO2023109212A1 (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023109212A1 (zh) * 2021-12-16 2023-06-22 北京朗视仪器股份有限公司 一种cbct图像去噪方法、装置、存储介质及电子设备

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20070127802A1 (en) * 2005-12-05 2007-06-07 Siemens Corporate Research, Inc. Method and System for Automatic Lung Segmentation
CN109740600A (zh) * 2019-01-04 2019-05-10 上海联影医疗科技有限公司 高亮病灶区域的定位方法、装置、计算机设备以及存储介质
CN111179295A (zh) * 2019-12-23 2020-05-19 青海大学 改进的二维Otsu阈值图像分割方法和系统
CN111402277A (zh) * 2020-02-17 2020-07-10 艾瑞迈迪医疗科技（北京）有限公司 一种医学影像的物体外轮廓分割方法及装置
CN111612793A (zh) * 2019-02-26 2020-09-01 中国科学院沈阳自动化研究所 一种脑部磁共振图像自动颅骨去除方法
CN112233133A (zh) * 2020-10-29 2021-01-15 上海电力大学 基于otsu和区域生长法的电厂高温管道缺陷检测与分割方法
CN113674308A (zh) * 2021-05-06 2021-11-19 西安电子科技大学 基于图像增强与多重检测的sar图像舰船目标快速检测方法

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108986119B (zh) * 2018-07-25 2020-07-28 京东方科技集团股份有限公司 图像分割方法及装置、计算机设备及可读存储介质
CN110619643B (zh) * 2019-09-17 2022-04-08 湖南科技大学 一种基于局部信息的区域生长图像分割方法
CN113409328B (zh) * 2021-06-02 2024-01-02 东北大学 Ct图像的肺动静脉分割方法、装置、介质及设备
CN114298927B (zh) * 2021-12-16 2022-10-04 北京朗视仪器股份有限公司 一种cbct图像去噪方法、装置、存储介质及电子设备

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20070127802A1 (en) * 2005-12-05 2007-06-07 Siemens Corporate Research, Inc. Method and System for Automatic Lung Segmentation
CN109740600A (zh) * 2019-01-04 2019-05-10 上海联影医疗科技有限公司 高亮病灶区域的定位方法、装置、计算机设备以及存储介质
CN111612793A (zh) * 2019-02-26 2020-09-01 中国科学院沈阳自动化研究所 一种脑部磁共振图像自动颅骨去除方法
CN111179295A (zh) * 2019-12-23 2020-05-19 青海大学 改进的二维Otsu阈值图像分割方法和系统
CN111402277A (zh) * 2020-02-17 2020-07-10 艾瑞迈迪医疗科技（北京）有限公司 一种医学影像的物体外轮廓分割方法及装置
CN112233133A (zh) * 2020-10-29 2021-01-15 上海电力大学 基于otsu和区域生长法的电厂高温管道缺陷检测与分割方法
CN113674308A (zh) * 2021-05-06 2021-11-19 西安电子科技大学 基于图像增强与多重检测的sar图像舰船目标快速检测方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
LEI WANG: "CBCT image based segmentation method for tooth pulp cavity region extraction", 《DENTO MAXILLO FACIAL RADIOLOGY》 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023109212A1 (zh) * 2021-12-16 2023-06-22 北京朗视仪器股份有限公司 一种cbct图像去噪方法、装置、存储介质及电子设备

Also Published As

Publication number Publication date
WO2023109212A1 (zh) 2023-06-22
CN114298927B (zh) 2022-10-04

Similar Documents

Publication Publication Date Title
JP5941674B2 (ja) 細胞輪郭線形成装置及びその方法、細胞輪郭線形成プログラム
CN109410221B (zh) 脑灌注图像分割方法、装置、服务器和存储介质
US9953441B2 (en) Processing metal artifact in CT image
JPH03206572A (ja) 階調変換自動化装置
CN106909947B (zh) 基于Mean Shift算法的CT图像金属伪影消除方法及消除系统
JP2005296605A (ja) 放射線写真画像を診断関連領域と診断非関連領域とにセグメント化する方法
CN107316291B (zh) 乳腺图像处理方法及乳腺成像设备
CN111275633A (zh) 基于图像分割的点云去噪方法、系统、装置和存储介质
WO2022062770A1 (zh) 图像分割的方法及装置，以及电子设备
CN110610498A (zh) 乳腺钼靶图像处理方法、系统、存储介质及设备
CN110929728A (zh) 一种图像感兴趣区域划分方法、图像分割方法及装置
CN107169975B (zh) 超声图像的分析方法及装置
CN114298927B (zh) 一种cbct图像去噪方法、装置、存储介质及电子设备
CN110598696A (zh) 医学图像扫描定位方法、医学图像扫描方法和计算机设备
WO2017193461A1 (zh) 一种ct图像扫描床去除方法及装置
CN108280833B (zh) 一种植物根系分叉特征的骨架提取方法
CN107845120B (zh) Pet图像重建方法、系统、终端和可读存储介质
CN114299081B (zh) 一种上颌窦cbct图像分割方法、装置、存储介质及电子设备
CN107330895B (zh) 医学图像的分割方法及装置
CN116277978B (zh) 多模态骨关节数字化3d打印方法
CN111539926B (zh) 一种图像检测方法及装置
CN115908361A (zh) 一种口腔全景片的龋齿识别方法
KR20190067551A (ko) 통계적 적응식 추정함수 모델링 기법을 통한 진단 의료 영상의 대비 향상 방법
Kumar et al. Automatic segmentation of lung lobes and fissures for surgical planning
CN109767396B (zh) 一种基于图像动态分割的口腔cbct图像去噪方法

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