CN114359037A - 一种图像减影方法、系统及存储介质 - Google Patents
一种图像减影方法、系统及存储介质 Download PDFInfo
- Publication number
- CN114359037A CN114359037A CN202111682218.6A CN202111682218A CN114359037A CN 114359037 A CN114359037 A CN 114359037A CN 202111682218 A CN202111682218 A CN 202111682218A CN 114359037 A CN114359037 A CN 114359037A
- Authority
- CN
- China
- Prior art keywords
- image
- mask
- images
- mask images
- frequency component
- 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
Images
Landscapes
- Apparatus For Radiation Diagnosis (AREA)
Abstract
本申请提供一种图像减影方法、系统及存储介质。所述方法可以包括以下至少一种操作。可以获取造影图像和多张蒙片图像。可以基于所述造影图像对所述多张蒙片图像中的至少两张蒙片图像进行组合,获取组合蒙片图像。本申请所披露的方法,可以根据造影图像对至少两张蒙片图像进行组合,以减轻运动伪影对减影图像的影响。
Description
技术领域
本申请涉及医学图像技术领域,特别涉及一种图像减影方法、系统及存储介质。
背景技术
减影技术中,需要在患者未被注射造影剂前在患者感兴趣区域扫描获取图像,并将某一帧图像作为蒙片,然后对患者进行造影剂注射或使患者服用造影剂(例如碘)后继续扫描获取造影图像,利用造影图像减去蒙片,理论上可以得到只有含有造影剂部位(例如,血管)的图像。然而由于在获取造影图像和蒙片之间具有时间差,而人体在此期间会由于身体自发抖动和身体内部不由自主的运动等产生一定的移动,例如腹部呼吸和心脏跳动等会产生大量的运动伪影,从而影响减影效果。目前可以通过对蒙片图像进行像素位移来减少运动伪影的影响,但是单纯的利用像素位移对减轻运动伪影影响的作用有限,尤其是心脏等复杂的部位。因此,希望提供一种更加有效的减影技术来减轻运动伪影对减影图像的影响。
发明内容
本申请的一个方面提供一种图像减影方法。所述方法可以包括以下至少一种操作。可以获取造影图像和多张蒙片图像。可以基于所述造影图像获取所述多张蒙片图像中的至少两张蒙片图像。可以获取所述至少两张蒙片图像各自的低频分量和高频分量。可以组合所述至少两张蒙片图像中的至少一张蒙片图像的低频分量和所述至少两张蒙片图像中每一张蒙片图像的高频分量,获取组合蒙片图像。
本申请的另一方面提供一种图像减影系统。所述系统可以包括至少一个处理器以及至少一个存储器,所述至少一个存储器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中的至少部分指令以实现如上所述的图像减影方法的操作。
本申请的又一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,计算机执行如上所述的图像减影方法的操作。
附加的特征将在下面的描述中部分地阐述,并且对于本领域技术人员来说,通过查阅以下内容和附图将变得显而易见,或者可以通过实例的产生或操作来了解。本发明的特征可以通过实践或使用以下详细实例中阐述的方法、工具和组合的各个方面来实现和获得。
附图说明
根据示例性实施例可以进一步描述本申请。参考附图可以详细描述所述示例性实施例。所述实施例并非限制性的示例性实施例,其中相同的附图标记代表附图的几个视图中相似的结构,并且其中:
图1是根据本申请的一些实施例所示的图像减影系统的应用场景示意图;
图2是根据本申请的一些实施例所示的图像减影系统的示例性模块图;
图3是根据本申请的一些实施例所示的获取组合蒙片图像过程的示例性流程图;
图4是根据本申请的一些实施例所示的图像减影过程的示例性流程图;
图5是根据本申请的一些实施例所示的获取组合蒙片图像过程的示例性流程图;
图6是根据本申请的一些实施例所示的获取拟合蒙片图像过程的示例性流程图;
图7是根据本申请的一些实施例所示的获取组合蒙片图像过程的示例性流程图;
图8-图10是一组使用不同方法得到的减影图像;
图11-图13是另一组使用不同方法得到的减影图像。
具体实施方式
为了更清楚地说明本申请的实施例的技术方案,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申请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申请应用于其他类似情景。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。
如本申请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他的步骤或元素。
应当理解,本文使用的术语“系统”、“装置”、“单元”、“组件”、“模块”和/或“块”是用以区分不同级别的不同组件、元件、部件、部分或组件的一种方法。然而,如果其他词语可以实现相同的目的,则可通过其他表达来替换所述词语。
本申请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是根据本申请一些实施例所示的示例性图像减影系统的应用场景示意图。如图1所示,图像减影系统100可以包括医疗设备110、网络120、终端设备130、处理设备140以及存储设备150。图像减影系统100的组件可以以各种方式进行连接。仅作为示例,如图1所示,处理设备140可以通过网络120连接到医疗设备110。又例如,处理设备140可以直接连接到医疗设备110(如连接处理设备140和医疗设备110的虚线双向箭头所示)。又例如,终端设备(例如,131、132、133等)可以直接连接到处理设备140(如连接终端设备130和处理设备140的虚线双向箭头所示),也可以通过网络120连接到处理设备140。
医疗设备110可以用于扫查位于其检测区域内的目标对象或其一部分,并生成与该目标对象或其一部分有关的图像。在一些实施例中,目标对象可以包括人体、动物(例如,试验用小白鼠等其他动物)、模体等,或其任意组合。在一些实施例中,目标对象可以包括人体的特定部分,例如头部、胸部、腹部、四肢等,或其任意组合。在一些实施例中,目标对象可以包括特定器官,例如心脏、甲状腺、食道、气管、胃、肝脏、肺部、胆囊、小肠、结肠、膀胱、输尿管、子宫、输卵管等。在一些实施例中,医疗设备110可以包括数字减影血管造影(digitalsubtraction angiography,DSA)设备、计算机断层扫描(computed tomography,CT)设备、磁共振成像(magnetic resonance imaging,MRI)设备、正电子发射型计算机断层显像设备(positron emission computed tomography,PET)、单光子发射计算机断层成像(single-photon emission computed tomography,SPECT)设备等,或其任意组合。
网络120可以促进信息和/或数据的交换。在一些实施例中,图像减影系统100的一个或多个组件(例如,医疗设备110、终端设备130、处理设备140、存储设备150等)可以通过网络120与图像减影系统100中的其他组件交换信息和/或数据。例如,处理设备140可以经由网络120从医疗设备110获取蒙片图像和造影图像。在一些实施例中,网络120可以是任何类型的有线或无线网络或其组合。仅作为示例,网络120可以包括电缆网络、有线网络、光纤网络、电信网络、内联网、因特网、局域网(LAN)、广域网(WAN)、无线局域网(WLAN)、城域网(MAN)、公共电话交换网(PSTN)、蓝牙TM网络、ZigBeeTM网络、近场通信(NFC)网络等,或其任意组合。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。通过网络接入点,图像减影系统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。
终端设备130可以使用户与图像减影系统100中的其他组件进行用户交互。例如,用户可以通过终端设备130向处理设备140发送访问医疗设备110的数据和图像的请求。又例如,终端设备130还可以通过网络120接收医疗设备110获取的数据和图像。在一些实施例中,终端设备130可以包括移动设备131、平板电脑132、笔记本电脑133等或其任意组合。在一些实施例中,移动设备131可以包括智能家居设备、可穿戴设备、智能移动设备、虚拟现实设备、增强现实设备等,或其任意组合。在一些实施例中,智能家居设备可以包括智能照明设备、智能电气设备的控制设备、智能监控设备、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,可穿戴设备可包括智能手环、智能鞋袜、智能眼镜、智能头盔、智能手表、智能服装、智能背包、智能配件等,或其任意组合。在一些实施例中,智能移动设备可以包括智能手机、个人数字助理(PDA)、游戏设备、导航设备、销售点(POS)设备等,或其任意组合。在一些实施例中,虚拟现实设备和/或增强现实设备可以包括虚拟现实头盔、虚拟现实眼镜、虚拟现实眼罩、增强现实头盔、增强现实眼镜、增强现实眼罩等,或其任意组合。例如,虚拟现实设备和/或增强现实设备可以包括Google GlassTM、Oculus RiftTM、HololensTM、Gear VRTM等。
处理设备140可以处理从医疗设备110、终端设备130和/或存储设备150获得的信息和/或数据。例如,处理设备140可以获取医疗设备110扫描目标对象产生的多张蒙片图像,并对多张蒙片图像中的至少两张蒙片图像进行组合获取组合蒙片图像。又例如,处理设备140可以获取医疗设备110扫描目标对象产生的造影图像,并基于造影图像对蒙片图像进行像素位移以获取拟合蒙片图像。又例如,处理设备140可以获取医疗设备110扫描目标对象产生的造影图像,并使造影图像减去组合蒙片图像以获取减影图像。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从医疗设备110、终端设备130和/或存储设备150访问信息和/或数据。又例如,处理设备140可以直接连接医疗设备110、终端设备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可以包括一个或一个以上的处理单元(例如,单核处理引擎或多核处理引擎)。仅作为示例,处理设备140可以包括中央处理单元(CPU)、专用集成电路(ASIC)、专用指令集处理器(ASIP)、图形处理单元(GPU)、物理处理单元(PPU)、数字信号处理器(DSP)、现场可编程门阵列(FPGA)、可编程逻辑器件(PLD)、控制器、微控制器单元、精简指令集计算机(RISC)、微处理器等,或其任意组合。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。在一些实施例中,处理设备140可以为医疗设备110或终端设备130的一部分。
存储设备150可以存储数据、指令和/或任何其他信息。在一些实施例中,存储设备150可以存储从医疗设备110、终端设备130和/或处理设备140处获得的数据。例如,存储设备150可以存储医疗设备110的扫描参数。又例如,存储设备150可以存储医疗设备110扫描目标对象产生的蒙片图像和造影图像。又例如,存储设备150可以存储处理器140产生的组合蒙片图像和拟合蒙片图像。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,以执行本申请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)、数字多功能光盘等。在一些实施例中,存储设备150可以通过本申请中描述的云平台实现。
在一些实施例中,存储设备150可以连接网络120,以与图像减影系统100中的一个或多个组件(例如,医疗设备110、处理设备140、终端设备130等)之间实现通信。图像减影系统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140直接或间接相连。
需要注意的是,对图像减影系统100的以上描述仅出于说明的目的,而无意于限制本申请的范围。可以理解,对于本领域普通技术人员而言,在了解该系统的原理后,可以在不背离这一原理的情况下,对实施上述系统的应用领域进行形式和细节上的各种修正和改变。然而,这些变化和修改并不脱离本申请的范围。例如,医疗设备110、处理设备140与终端设备130可以共用一个存储设备150,也可以有各自的存储设备。
图2是根据本申请的一些实施例所示的图像减影系统的示例性模块图。在一些实施例中,图像减影系统200可以由处理设备140实现。如图2所示,图像减影系统200可以包括获取模块210和减影模块220。
获取模块210可以用于获取蒙片图像和造影图像。
在一些实施例中,获取模块210可以获取多张蒙片图像和造影图像。获取模块210可以基于造影图像对多张蒙片图像中的至少两张蒙片图像进行组合以获取组合蒙片图像。在一些实施例中,获取模块210可以基于造影图像获取多张蒙片图像中的至少两张蒙片图像。获取模块210可以获取至少两张蒙片图像各自的低频分量和高频分量。获取模块210可以组合所述至少两张蒙片图像中的至少一张蒙片图像的低频分量和所述至少两张蒙片图像中每一张蒙片图像的高频分量,以获取组合蒙片图像。
在一些实施例中,蒙片图像可以是拟合蒙片图像。在一些实施例中,蒙片图像可以是真实蒙片图像。在一些实施例中,获取模块210可以根据造影图像对真实蒙片图像或拟合蒙片图像进行像素位移获得拟合蒙片图像。在一些实施例中,获取模块210可以对真实蒙片图像和造影图像进行预处理。预处理包括但不限于log变换、降噪处理或正则化处理。
减影模块220可以用于将造影图像减去蒙片图像以获取减影图像。
在一些实施例中,减影模块220可以用于将造影图像减去组合蒙片图像以获取减影图像。在一些实施例中,在将造影图像减去组合蒙片图像以获取减影图像前,减影模块220可以用于根据造影图像对组合蒙片图像进行像素位移。在一些实施例中,减影模块220可以用于对减影图像进行后处理。后处理包括但不限于LUT(Lookup Table,查找表)曲线,非线性S型曲线,血管增强等。
应当理解,图2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。本申请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,以上对于系统及其模块的描述,仅为描述方便,并不能把本申请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,获取模块210可以包括两个单元,例如,蒙片图像获取单元和造影图像获取单元,以分别获取蒙片图像和造影图像。又例如,各个模块可以共用一个存储设备,各个模块也可以分别具有各自的存储设备。诸如此类的变形,均在本申请的保护范围之内。
图3是根据本申请一些实施例所示的获取组合蒙片图像的示例性流程图。在一些实施例中,流程300可以通过处理逻辑来执行,该处理逻辑可以包括硬件(例如,电路、专用逻辑、可编程逻辑、微代码等)、软件(运行在处理设备上以执行硬件模拟的指令)等,或其任意组合。在一些实施例中,流程300可以实现为存储在存储设备150中的一组指令(例如,应用程序)。处理设备140和/或图2中的模块可以执行该组指令,并且当执行指令时,处理设备140和/或模块可以被配置为用于执行流程300。以下呈现的所示过程的操作旨在说明。在一些实施例中,流程300可以通过未描述的一个或以上附加操作和/或不通过本申请所讨论的一个或以上操作完成。另外,如图3所示和以下所描述的过程中的操作的顺序不是限制性的。
在步骤310中,处理设备140可以获取造影图像和多张蒙片图像。在一些实施例中,步骤310可以由系统200中的获取模块210执行。
在一些实施例中,造影图像可以是目标对象在接受造影剂之后被扫描得到的图像。在一些实施例中,造影图像可以由医疗设备110扫描目标对象来获取。在一些实施例中,造影图像可以由其他医疗设备扫描目标对象来获取。在一些实施例中,处理设备140可以从医疗设备110、其他医疗设备、终端设备130和存储设备150中的一个或多个获取造影图像。
在一些实施例中,多张蒙片图像可以包括真实蒙片图像。真实蒙片图像可以是目标对象在未接受造影剂之前被扫描得到的图像。在一些实施例中,真实蒙片图像可以由医疗设备110扫描目标对象来获取。在一些实施例中,真实蒙片图像可以由其他医疗设备扫描目标对象来获取。在一些实施例中,处理设备140可以从医疗设备110、其他医疗设备、终端设备130和存储设备150中的一个或多个获取真实蒙片图像。
在一些实施例中,造影图像和真实蒙片图像是由同一台医疗设备扫描同一目标对象的同一感兴趣区域得到的。在一些实施例中,造影图像和真实蒙片图像的扫描时间可以存在时间间隔,时间间隔可以是几分钟,例如2分钟、3.5分钟、5分钟、7分钟或10分钟等。
在一些实施例中,处理设备140在可以对造影图像和真实蒙片图像进行预处理。预处理可以包括对图像进行log变换、降噪处理或正则化处理中的一个或多个。
在一些实施例中,多张蒙片图像可以包括拟合蒙片图像。拟合蒙片图像可以是蒙片图像(包括真实蒙片图像和拟合蒙片图像)基于造影图像进行像素位移后获取的图像。拟合蒙片图像的获取过程请参考图6。
在一些实施例中,多张蒙片图像可以同时包括真实蒙片图像和拟合蒙片图像。
在步骤320中,处理设备140可以基于造影图像对多张蒙片图像中的至少两张蒙片图像进行组合,获取组合蒙片图像。在一些实施例中,步骤320可以由系统200中的获取模块210执行。
在一些实施例中,处理设备140可以获取采集造影图像和多张蒙片图像时目标对象的生理参数,基于上述目标对象的生理参数确定至少两张蒙片图像。在一些实施例中,生理参数可以是与心跳或呼吸有关的生理参数。在一些实施例中,生理参数可以来源于光电容脉搏波(photoplethysmography,PPG)信号、心电图(electrocardiography,ECG)信号或心脏冲击图(ballistocardiogram,BCG)信号、呼吸运动等生理信号中的一个或多个。在一些实施例中,生理参数可以包括生理信号中的一个或多个的振幅、相位、特征点位置(例如ECG信号中的Q波、R波和S波等,例如PPG信号中的波峰和波谷等)、周期。在一些实施例中,采集目标对象的生理信号时,可以将采集上述生理信号的设备置于位于医疗设备110的扫描区域外的部位,例如置于目标对象的手指、手腕、脚腕、手臂、腿部等位置。
在一些实施例中,处理设备140可以获取采集造影图像时对应的目标对象的生理参数。处理设备还可以获取采集多张蒙片图像中的每一张时对应的目标对象的生理参数。处理设备140可以根据采集造影图像时与采集多张蒙片图像中的每一张时对应的目标对象的生理参数的相似度来确定至少两张蒙片图像。在一些实施例中,处理设备140可以根据采集造影图像时和采集多张蒙片图像中的每一张时对应的目标对象的生理信号的振幅大小、所处周期的位置、距离特征点的位置等生理信号参数中的一个或多个的相似度来确定至少两张蒙片图像。
在一些实施例中,处理设备140可以根据采集造影图像和多张蒙片图像时对应的目标对象的生理信号参数的相似度确定一张相似度最高的蒙片图像。在一些实施例中,可以将相似度最高的蒙片图像直接作为蒙片图像,而不进行组合。
在一些实施例中,处理设备140可以根据采集造影图像时和采集多张蒙片图像中的每一张时对应的目标对象的生理信号参数的相似度与相似度阈值确定至少两张蒙片图像,例如将大于相似度阈值的蒙片图像作为上述至少两张蒙片图像。在一些实施例中,处理设备140可以对采集造影图像时和采集多张蒙片图像中的每一张时对应的目标对象的生理信号参数的相似度按照从大到小的顺序进行排序,可以选择前N(例如2-10以内的自然数)个蒙片图像作为至少两张蒙片图像。在一些实施例中,处理设备140可以对至少两张蒙片图像进行组合获取组合蒙片图像。获取组合蒙片图像的过程请参考图5。
在一些实施例中,处理设备140可以获取多张蒙片图像中的每一张蒙片图像与所述造影图像的相似度,基于相似度确定所述至少两张蒙片图像。
在一些实施例中,处理设备140可以使用最大减影直方图能量,梯度相似法、互信息、Person相关系数等确定图像间相似度的方法确定多张蒙片图像中的每一张蒙片图像与所述造影图像的相似度。
在一些实施例中,处理设备140可以根据最大减影直方图能量确定多张蒙片图像中的每一张蒙片图像与所述造影图像的相似度。处理设备140可以将造影图像和多张蒙片图像中的每一张蒙片图像转化为灰度直方图。灰度直方图的横轴为灰度值(例如0-255),纵轴为相同灰度值的像素个数或比例。处理设备140可以根据造影图像转化的灰度直方图与多张蒙片图像中的每一张蒙片图像转化的灰度直方图之间的相似性来确定多张蒙片图像中的每一张蒙片图像与所述造影图像的相似度。
在一些实施例中,处理设备140可以根据梯度相似法确定多张蒙片图像中的每一张蒙片图像与造影图像的相似度。针对多张蒙片图像中的每一张蒙片图像,处理设备140可以将造影图像对应的像素矩阵减去蒙片图像对应的像素矩阵,获得模板图像对应的像素矩阵,例如矩阵[M,N]。处理设备140可以以步长为n(例如1-10以内的自然数),对模板图像对应的像素矩阵[M,N]进行处理。在一些实施例中,步长为1时,处理设备140可以使用第N列(或第M行)的像素值(例如灰度值)减去第N-1列(或第M-1行)的像素值,即使用后一列(或相邻后一行)的像素值(例如灰度值)减去相邻前一列(或相邻前一行)的像素值,从而获得一个[M-1,N-1]的梯度矩阵。处理设备140可以对梯度矩阵[M-1,N-1]进行累加得到模板图像的梯度值。进一步地,处理设备140可以根据造影图像与多张蒙片图像中的每一张蒙片之间相减获得的模板图像的梯度值确定多张蒙片图像中的每一张蒙片图像与造影图像的相似度。
在一些实施例中,处理设备140可以基于多张蒙片图像中的每一张蒙片图像与造影图像的相似度确定至少两张蒙片图像。在一些实施例中,处理设备140可以对多张蒙片图像中的每一张蒙片图像与造影图像的相似度按照从大到小的顺序进行排序,可以选择前N(例如2-10以内的自然数)个蒙片图像作为至少两张蒙片图像。在一些实施例中,处理设备140可以获取一个相似度阈值,选取蒙片图像与造影图像之间的相似度大于上述相似度阈值的多张蒙片图像作为上述至少两张蒙片图像。在一些实施例中,处理设备140可以对至少两张蒙片图像进行组合获取组合蒙片图像。获取组合蒙片图像的过程请参考图5。
在一些实施例中,在确定多张蒙片图像中的每一张蒙片图像与造影图像的相似度之前,处理设备140可以对多张蒙片图像中的每一张蒙片图像和造影图像进行预处理。预处理可以包括对图像进行log变换、降噪处理或正则化处理中的一个或多个。
在一些实施例中,处理设备140可以获取上述至少两张蒙片图像各自的低频分量和高频分量。处理设备140可以组合至少两张蒙片图像中的至少一张蒙片图像的低频分量和所述至少两张蒙片图像的每一张蒙片图像的高频分量,以获取组合蒙片图像。在一些实施例中,低频分量可以与蒙片图像中除感兴趣区域以外的部分(例如骨骼、肌肉)相关。高频分量可以与感兴趣区域(例如血管边缘)的部分相关。在一些实施例中,高频分量也可以与由运动引起的伪影相关。
在一些实施例中,处理设备140可以对至少两张蒙片图像中的每一张蒙片图像进行不同带宽的滤波,获取基础频率部分和与感兴趣区域部分(例如血管)对应的高频部分。其中,基础频率部分可以是蒙片图像的低频分量,高频部分可以是蒙片图像的高频分量。处理设备140可以对至少两张蒙片图像中的至少一张蒙片图像中的基础频率部分和至少两张蒙片图像中的每一张蒙片图像的高频部分进行组合以得到组合蒙片图像。在一些实施例中,处理设备140可以将至少两张蒙片图像中与造影图像相似度最高的一张蒙片图像的基础频率部分作为组合蒙片图像的基础频率部分。处理设备140还可以获取至少两张蒙片图像中每一张蒙片图像的高频部分。处理设备140可以组合上述组合蒙片图像的基础频率部分和至少两种蒙片图像中每一张蒙片图像的高频部分以获取组合蒙片图像。在一些实施例中,处理设备140可以组合至少两张蒙片图像中的至少两张蒙片图像(可以根据相似度或对应的运动相位确定)的基础频率部分作为组合蒙片图像的基础频率部分。处理设备140可以组合至少两种蒙片图像中的每一张蒙片图像的高频部分作为组合蒙片图像的高频部分。处理设备140可以组合上述组合蒙片图像的基础频率部分和组合蒙片图像的高频部分以获取组合蒙片图像。在一些实施例中,处理设备140可以组合至少两张蒙片图像中的每一张蒙片图像的基础频率部分和高频部分以获取组合蒙片图像。
在一些实施例中,处理设备140可以对至少两张蒙片图像中的每一张蒙片图像进行金字塔分解。每完成一次金字塔分解,可以将图像划分为一个层次,例如:采用三级金字塔分解时,可以对蒙片图像进行三次金字塔分解,完成一次金字塔分解后分别得到第一层的高频分量和第一层的低频分量,将第一层次的低频分量,又作为第二次金字塔分解的输入图像,依次类推,每层次对应的低频分量作为高一层金字塔分解的输入图像,经过三次金字塔分解后,得到蒙片图像的三个层次的高频分量和三个层次的低频分量。在一些实施例中,金字塔分解为4级或5级。在此情况下,金字塔分解的最高层次的高频分量可以更好地反映感兴趣区域(例如血管)的边缘特征。
处理设备140可以获取所述至少两张蒙片图像中与造影图像相似度最高的蒙片图像的第一层低频分量。在一些实施例中,至少两张蒙片图像中与造影图像相似度最高的蒙片图像的第一层低频分量可以作为组合蒙片图像的基础频率部分。在一些实施例中,所述至少两张蒙片图像中的至少两张蒙片图像(可以根据相似度或对应的运动相位确定)的第一层低频分量的组合可以作为组合蒙片图像的基础频率部分。在一些实施例中,所述至少两张蒙片图像中的每一张蒙片图像的第一层低频分量的组合可以作为组合蒙片图像的基础频率部分。
处理设备140可以获取至少两张蒙片图像的每一张蒙片图像的某一层高频分量。处理设备140可以组合所述至少两张蒙片图像的某一层高频分量获得组合高频分量。在一些实施例中,至少两张蒙片图像的每一张蒙片图像的某一层高频分量可以是同一层的高频分量。在一些实施例中,所述至少两张蒙片图像的某一层高频分量可以是最能反映感兴趣区域的边缘特征的高频分量。在一些实施例中,所述至少两张蒙片图像的某一层高频分量可以是金字塔分解的第4层或第5层的高频分量。在一些实施例中,基于所述至少两张蒙片图像的每一张与造影图像的相似度,处理设备140可以确定所述至少两张蒙片图像的每一张蒙片图像的某一层高频分量的权重系数。相似度越高,权重系数越大。
处理设备140可以组合上述组合蒙片图像的基础频率部分和上述组合高频分量获得组合蒙片图像。
图4是根据本申请一些实施例所示的图像减影过程的示例性流程图。在一些实施例中,流程400可以通过处理逻辑来执行,该处理逻辑可以包括硬件(例如,电路、专用逻辑、可编程逻辑、微代码等)、软件(运行在处理设备上以执行硬件模拟的指令)等,或其任意组合。在一些实施例中,流程400可以实现为存储在存储设备150中的一组指令(例如,应用程序)。处理设备140和/或图2中的模块可以执行该组指令,并且当执行指令时,处理设备140和/或模块可以被配置为用于执行流程400。以下呈现的所示过程的操作旨在说明。在一些实施例中,流程400可以通过未描述的一个或以上附加操作和/或不通过本申请所讨论的一个或以上操作完成。另外,如图4所示和以下所描述的过程中的操作的顺序不是限制性的。
在步骤410中,处理设备140可以获取造影图像。在一些实施例中,步骤410可以由系统200中的获取模块210执行。
造影图像可以是目标对象在接受造影剂之后被扫描得到的图像。在一些实施例中,造影图像和真实蒙片图像是由同一台医疗设备扫描同一目标对象的同一感兴趣区域得到的。在一些实施例中,造影图像和真实蒙片图像的扫描时间可以存在时间间隔,时间间隔可以是几分钟,例如2分钟、3.5分钟、5分钟、7分钟或10分钟等。
在一些实施例中,造影图像可以由医疗设备110扫描目标对象来获取。在一些实施例中,造影图像可以由其他医疗设备扫描目标对象来获取。在一些实施例中,处理设备140可以从医疗设备110、其他医疗设备、终端设备130和存储设备150中的一个或多个获取造影图像。
在一些实施例中,处理设备140在减影操作前可以对造影图像进行预处理。预处理可以包括对图像进行log变换、降噪处理或正则化处理中的一个或多个。
在步骤420中,处理设备140可以获取组合蒙片图像。在一些实施例中,步骤420可以由系统200中的获取模块210执行。
在一些实施例中,组合蒙片图像可以是由至少两张蒙片图像组合得到的蒙片图像。在一些实施例中,处理设备140可以对至少两张蒙片图像中的每一张进行提取,包括但不限于强度、梯度、模式、纹理、轮廓、噪声图、所述层的运动内容等中的一个或其多个。在一些实施例中,处理设备140对至少两张蒙片图像的组合可以包括但不限于对至少两张蒙片图像进行叠加、加减乘除、滤波、以及对上述提取部分的组合。
在一些实施例中,处理设备140可以对至少两张蒙片图像中的每一张蒙片图像进行一级或多级金字塔分解,得到一层低频分量和多层高频分量,然后对至少两张蒙片图像中的每一张蒙片图像中的低频分量和/或高频分量进行组合以得到组合蒙片图像。具体组合过程请参考图5。
在一些实施例中,处理设备140可以对至少两张蒙片图像中的每一张蒙片图像进行不同带宽的滤波,获取基础频率部分和与感兴趣区域部分(例如血管)对应的高频部分,然后对至少两张蒙片图像中的每一张蒙片图像中的基础频率部分和/或高频部分进行组合以得到组合蒙片图像。
在步骤430中,处理设备140可以基于所述造影图像,对所述组合蒙片图像进行像素位移以匹配所述造影图像。在一些实施例中,步骤430可以由系统200中的减影模块210执行。
在一些实施例中,处理设备140可以获取组合蒙片图像和造影图像上相对应的特征点。在一些实施例中,特征点可以是解剖学上的特征点(例如,血管边缘的像素点,血管分支的支点)。在一些实施例中,处理设备140可以将组合蒙片图像和造影图像进行网格划分,例如划分为6*9的网格块。在此情况下,特征点可以包括网格块的中心点,还可以包括网格块的边框上的一个或多个点。
在一些实施例中,处理设备140可以以上述特征点作为控制点,使组合蒙片图像匹配造影图像。在匹配过程中,处理设备140可以获得每个控制点的位移,可以基于上述每个控制点的位移获取组合蒙片图像上的每个像素点的位移,基于此对整个图像进行扭曲,例如仿射变换,从而对整个组合蒙片图像进行像素移位。特征点或控制点个数越多,基于特征点或控制点求解出的像素位移越准确,计算量也会相应增大。特征点或控制点的个数可以根据实际需求以及计算量确定。
在一些实施例中,可以采用其他像素位移算法对组合蒙片图像进行像素位移以匹配造影图像,包括但不限于基于三角剖分的像素位移算法或基于弹性变换的像素位移算法。在一些实施例中,可以使用像素位移模型对所述组合蒙片图像进行像素位移以匹配所述造影图像。
在步骤440中,处理设备140可以将造影图像减去组合蒙片图像获取减影图像。在一些实施例中,步骤440可以由系统200中的减影模块210执行。
在一些实施例中,造影图像减去组合蒙片图像后的减影图像可以包括包含造影剂的感兴趣区域,例如含有造影剂的血管部分。在一些实施例中,处理设备140可以对减影图像进行后处理。后处理包括但不限于LUT曲线,非线性S型曲线,血管增强等。
需要注意的是,以上描述仅为描述方便,并不能把本申请限制在所举实施例范围之内。对于本领域的普通技术人员来说,可以根据本申请的描述,做出各种各样的变化和修改。然而,这些变化和修改不会背离本申请的范围。例如,在一些实施例中,如果组合蒙片图像和造影图像之间的相似度很高,可以省略步骤530,即直接将造影图像减去组合蒙片图像获取减影图像,而不对组合蒙片图像进行像素位移。这样可以加快减影图像的获取过程。
图5是根据本申请一些实施例所示的获取组合蒙片图像过程的示例性流程图。在一些实施例中,流程500可以通过处理逻辑来执行,该处理逻辑可以包括硬件(例如,电路、专用逻辑、可编程逻辑、微代码等)、软件(运行在处理设备上以执行硬件模拟的指令)等,或其任意组合。在一些实施例中,流程500可以实现为存储在存储设备150中的一组指令(例如,应用程序)。处理设备140和/或图2中的模块可以执行该组指令,并且当执行指令时,处理设备140和/或模块可以被配置为用于执行流程500。以下呈现的所示过程的操作旨在说明。在一些实施例中,流程500可以通过未描述的一个或以上附加操作和/或不通过本申请所讨论的一个或以上操作完成。另外,如图5所示和以下所描述的过程中的操作的顺序不是限制性的。
在步骤510中,处理设备140可以对所述至少两张蒙片图像的每一张进行一级或多级金字塔分解,每一级金字塔分解得到一层高频分量和一层低频分量。在一些实施例中,步骤510可以由系统200中的获取模块210执行。
在一些实施例中,处理设备140可以使用高斯核函数对至少两张蒙片图像的每一张蒙片图像进行下采样,例如将1028*1028的像素矩阵转化为256*256的像素矩阵,经多次下采样可以得到类似金字塔分布的多层像素矩阵。
在一些实施例中,金字塔分解的主要步骤包括:低通滤波、下采样、上采样、带通滤波,每完成一次金字塔分解,便可将图像划分为一个层次,例如:采用三级金字塔分解时,可以对蒙片图像进行三次金字塔分解,完成一次金字塔分解后分别得到第一层的高频分量和第一层的低频分量,将第一层次的低频分量,又作为第二次金字塔分解的输入图像,依次类推,每层次对应的低频分量作为高一层金字塔分解的输入图像,经过三次金字塔分解后,得到蒙片图像的三个层次的高频分量和三个层次的低频分量。
在一些实施例中,金字塔分解为4级或5级。在此情况下,金字塔分解的最高层次的高频分量可以更好的反映感兴趣区域(例如血管)的边缘特征。
在步骤520中,处理设备140可以获取所述至少两张蒙片图像中与所述造影图像相似度最高的蒙片图像的第一层低频分量。在一些实施例中,步骤520可以由系统200中的获取模块210执行。
在一些实施例中,所述至少两张蒙片图像中与所述造影图像相似度最高的蒙片图像的第一层低频分量可以作为组合蒙片图像的基础频率部分。
在步骤530中,处理设备140可以获取所述至少两张蒙片图像的某一层高频分量。在一些实施例中,所述至少两张蒙片图像的某一层高频分量可以是所述两张蒙片图像中的每一张蒙片图像的同一层高频分量。在一些实施例中,步骤530可以由系统200中的获取模块210执行。
在一些实施例中,所述至少两张蒙片图像的某一层高频分量可以是最能反映感兴趣区域的边缘特征的高频分量。在一些实施例中,所述至少两张蒙片图像的某一层高频分量可以是金字塔分解的第4层或第5层的高频分量。
在步骤540中,处理设备140可以组合所述至少两张蒙片图像的某一层高频分量获得组合高频分量。在一些实施例中,步骤540可以由系统200中的获取模块210执行。
在一些实施例中,基于所述至少两张蒙片图像的每一张与造影图像的相似度,处理设备140可以确定所述至少两张蒙片图像的每一张蒙片图像的某一层高频分量的权重系数。相似度越高,权重系数越大。在一些实施例中,至少两张蒙片图像的每一张蒙片图像的某一层高频分量可以是同一层(例如同为第4层或第5层)的高频分量。
在一些实施例中,至少两张蒙片图像可以是两张蒙片图像,分别为第一帧蒙片图像和第二帧蒙片图像,且两张蒙片图像的权重系数分别为P和Q。组合高频分量可以是第一帧蒙片图像的某一层高频分量的P/(P+Q)和第二帧蒙片图像的某一层高频分量的Q/(P+Q)的加和。在一些实施例中,至少两张蒙片图像可以是两张以上的蒙片图像,组合高频分量的计算与上类似。
在步骤550中,处理设备140可以组合所述第一层低频分量和所述组合高频分量获得所述组合蒙片图像。在一些实施例中,步骤550可以由系统200中的获取模块210执行。
由于组合蒙片图像是以最相似的蒙片图像的低频分量作为基础,与相似度高的至少两张蒙片图像的最能反映感兴趣区域(造影过程中包含造影剂的部分)的边缘特征的组合高频分量进行组合而获得的,因此所述组合蒙片图像为与造影图像相似很高的蒙片图像,可以有效减少造影图像和蒙片图像间运动伪影对减影图像的影响。
图6是根据本申请一些实施例所示的获取拟合蒙片图像过程的示例性流程图。在一些实施例中,流程600可以通过处理逻辑来执行,该处理逻辑可以包括硬件(例如,电路、专用逻辑、可编程逻辑、微代码等)、软件(运行在处理设备上以执行硬件模拟的指令)等,或其任意组合。在一些实施例中,流程600可以实现为存储在存储设备150中的一组指令(例如,应用程序)。处理设备140和/或图2中的模块可以执行该组指令,并且当执行指令时,处理设备140和/或模块可以被配置为用于执行流程600。以下呈现的所示过程的操作旨在说明。在一些实施例中,流程600可以通过未描述的一个或以上附加操作和/或不通过本申请所讨论的一个或以上操作完成。另外,如图6所示和以下所描述的过程中的操作的顺序不是限制性的。
在步骤610中,处理设备140可以获取一张拟合用蒙片图像。在一些实施例中,步骤610可以由系统200中的获取模块210执行。
在一些实施例中,拟合用蒙片图像可以是真实蒙片图像。在一些实施例中,拟合用蒙片图像可以是拟合蒙片图像。
在步骤620中,处理设备140可以获取一帧拟合用造影图像。在一些实施例中,步骤620可以由系统200中的获取模块210执行。
在一些实施例中,拟合用造影图像可以用于拟合用蒙片图像根据造影图像来拟合与该造影图像对应的拟合蒙片图像的造影图像。
在步骤630中,处理设备140可以基于所述一帧拟合用造影图像,对所述一张拟合用蒙片图像进行像素位移以匹配所述一帧拟合用造影图像,得到所述拟合蒙片图像。在一些实施例中,步骤630可以由系统200中的获取模块210执行。
在一些实施例中,处理设备140可以获取该一张拟合用蒙片图像和该一帧拟合用造影图像上相对应的特征点。在一些实施例中,特征点可以是解剖学上的特征点(例如,血管边缘的像素点,血管分支的支点)。在一些实施例中,处理设备140可以将该一张拟合用蒙片图像和该一帧拟合用造影图像进行网格划分,例如划分为6*9的网格块。在此情况下,特征点可以包括网格块的中心点,还可以包括网格块的边框上的一个或多个点。
在一些实施例中,处理设备140可以以上述特征点作为控制点,使该一张拟合用蒙片图像匹配该一帧拟合用造影图像。在匹配过程中,处理设备140可以获得每个控制点的位移,可以基于上述每个控制点的位移获取该一张拟合用蒙片图像上的每个像素点的位移,基于此对整个图像进行扭曲,例如仿射变换,从而对该一张拟合用蒙片图像整个图像进行像素移位。特征点或控制点个数越多,基于特征点或控制点求解出的像素位移越准确,计算量也会相应增大。特征点或控制点的个数可以根据实际需求以及计算量确定。
在一些实施例中,可以采用其他像素位移方法对组合蒙片图像进行像素位移以匹配造影图像。例如,使用像素位移模型所述组合蒙片图像进行像素位移以匹配所述造影图像。
在一些实施例中,可以基于一张真实蒙片图像和连续扫描得到的多帧造影图像迭代生成多张拟合用蒙片图像。例如,在获取第一帧造影图像后,可以基于此第一帧造影图像对该一张真实蒙片图像进行像素位移得到第一张拟合蒙片图像。然后在获取第二帧造影图像后,可以基于此第二帧造影图像对该第一张拟合蒙片图像进行像素位移得到第二张拟合蒙片图像。以此类推,在获取第N帧造影图像后,可以基于此第N帧造影图像对第N-1张拟合蒙片图像进行像素位移得到第N张拟合蒙片图像。
在一些实施例中,第一张拟合蒙片图像到第N张拟合蒙片图像可以组成一个候选蒙片模板集。在一些实施例中,该候选蒙片模板集还可以包括上述一张真实真实蒙片图像。当获取第N+1帧造影图像后,处理设备140可以从该候选蒙片模板集中基于相似度确定至少两张蒙片图像来生成组合蒙片图像。
图7是根据本申请的一些实施例所示的获取组合蒙片图像过程的示例性流程图。在一些实施例中,流程700可以通过处理逻辑来执行,该处理逻辑可以包括硬件(例如,电路、专用逻辑、可编程逻辑、微代码等)、软件(运行在处理设备上以执行硬件模拟的指令)等,或其任意组合。在一些实施例中,流程700可以实现为存储在存储设备150中的一组指令(例如,应用程序)。处理设备140和/或图2中的模块可以执行该组指令,并且当执行指令时,处理设备140和/或模块可以被配置为用于执行流程700。以下呈现的所示过程的操作旨在说明。在一些实施例中,流程700可以通过未描述的一个或以上附加操作和/或不通过本申请所讨论的一个或以上操作完成。另外,如图7所示和以下所描述的过程中的操作的顺序不是限制性的。
处理设备140可以获取三张蒙片图像(A、B和C)和一张造影图像(D)。三张蒙片图像(A、B和C)和造影图像(D)的相似度N1、N2和N3分别为0.7、0.8和0.9。处理设备140可以选取两张相似度高的蒙片图像B和C对其进行金字塔分解,获取蒙片图像B的高频分量h1和基频分量f1,以及蒙片图像C的高频分量h2和基频分量f2。处理设备140可以选取对相似度最高的蒙片图像C的基频分量f2作为组合蒙片图像的基频分量,将蒙片图像B的高频分量h1和蒙片图像C的高频分量h2的权重组合作为组合蒙片图像的高频分量,然后再对上述基频分量和高频分量进行组合得到组合蒙片图像。具体的,可以根据公式f2+N3/(N2+N3)*h2+N2/(N2+N3)*h1得到组合蒙片图像。处理设备140可以基于造影图像D对组合蒙片图像进行像素位移以得到最终的用于减影的新蒙片。
图8-图10是使用不同方法得到的减影图像。其中,图8中的减影图像是将造影图像直接减去蒙片图像获得的。图9中的减影图像的是将造影图像减去组合蒙片图像获取的,组合蒙片图像的获取详见本申请中如图3-图7所示的实施例。图10中的减影图像是基于造影图像对组合蒙片图像进行像素位移,然后将造影图像减去像素位移后的组合蒙片图像获取的。根据图8和图9,相比根据蒙片图像获取的减影图像,可以很明显的发现根据组合蒙片图像获取的减影图像的运动伪影更少。根据图9和图10,在对组合蒙片图像进行像素位移后获取的减影图像,运动伪影进一步减少。
图11-图13是另一组使用不同方法得到的减影图像。其中,图11中的减影图像是将造影图像直接减去蒙片图像获得的。图12中的减影图像的是基于造影图像对蒙片图像进行像素位移,然后将造影图像减去像素位移后的蒙片图像获取的。图13中的减影图像是将造影图像减去组合蒙片图像获取的,组合蒙片图像的获取详见本申请中如图3-图7所示的实施例。根据图12和图13,相比通过对蒙片图像进行像素位移获取的减影图像,可以很明显的发现根据组合蒙片图像获取的减影图像的运动伪影更少。
需要注意的是,以上描述,仅为描述方便,并不能把本申请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,可以在不背离这一原理的情况下,对实施上述方法和系统的应用领域进行形式和细节上的各种修正和改变。
本申请实施例可能带来的有益效果包括但不限于:(1)本申请提出了一种组合蒙片图像获取方法,可以根据造影图像对至少两张蒙片图像进行组合,以减轻运动伪影对减影图像的影响;(2)可以根据一张真实蒙片图像和多张造影图像获取多张拟合蒙片图像,减少了获取多张真实蒙片所需时间。需要说明的是,不同实施例可能产生的有益效果不同,在不同的实施例里,可能产生的有益效果可以是以上任意一种或几种的组合,也可以是其他任何可能获得的有益效果。
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,上述发明披露仅仅作为示例,而并不构成对本申请的限定。虽然此处并没有明确说明,本领域技术人员可能会对本申请进行各种修改、改进和修正。该类修改、改进和修正在本申请中被建议,所以该类修改、改进、修正仍属于本申请示范实施例的精神和范围。
同时,本申请使用了特定词语来描述本申请的实施例。如“一个实施例”、“一实施例”和/或“一些实施例”意指与本申请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“一替代性实施例”并不一定是指同一实施例。此外,本申请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,本申请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,本申请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,本申请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。
此外,除非权利要求中明确说明,本申请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,并非用于限定本申请流程和方法的顺序。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申请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,为了简化本申请披露的表述,从而帮助对一个或多个发明实施例的理解,前文对本申请实施例的描述中,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申请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。
针对本申请引用的每个专利、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申请作为参考。与本申请内容不一致或产生冲突的申请历史文件除外,对本申请权利要求最广范围有限制的文件(当前或之后附加于本申请中的)也除外。需要说明的是,如果本申请附属材料中的描述、定义、和/或术语的使用与本申请所述内容有不一致或冲突的地方,以本申请的描述、定义和/或术语的使用为准。
最后,应当理解的是,本申请中所述实施例仅用以说明本申请实施例的原则。其他的变形也可能属于本申请的范围。因此,作为示例而非限制,本申请实施例的替代配置可视为与本申请的教导一致。相应地,本申请的实施例不仅限于本申请明确介绍和描述的实施例。
Claims (11)
1.一种图像减影方法,其特征在于,所述方法包括:
获取造影图像和多张蒙片图像;
基于所述造影图像获取所述多张蒙片图像中的至少两张蒙片图像;
获取所述至少两张蒙片图像各自的低频分量和高频分量;
组合所述至少两张蒙片图像中的至少一张蒙片图像的低频分量和所述至少两张蒙片图像中每一张蒙片图像的高频分量,获取组合蒙片图像。
2.根据权利要求1所述的方法,其特征在于,所述方法还包括:
获取所述多张蒙片图像中的每一张蒙片图像与所述造影图像的相似度;
基于所述相似度确定所述至少两张蒙片图像。
3.根据权利要求2所述的方法,其特征在于,所述组合所述至少两张蒙片图像中的至少一张蒙片图像的低频分量和所述至少两张蒙片图像中每一张蒙片图像的高频分量,获取组合蒙片图像,包括:
对所述至少两张蒙片图像的每一张进行一级或多级金字塔分解,每一级金字塔分解得到一层高频分量和一层低频分量;
获取所述至少两张蒙片图像中与所述造影图像相似度最高的蒙片图像的第一层低频分量;
获取所述至少两张蒙片图像的某一层高频分量;
组合所述至少两张蒙片图像的某一层高频分量获得组合高频分量;
组合所述第一层低频分量和所述组合高频分量获得所述组合蒙片图像。
4.根据权利要求3所述的方法,其特征在于,所述金字塔分解为4级或5级。
5.根据权利要求3所述的方法,其特征在于,所述至少两张蒙片图像的某一层的高频分量为最高层的高频分量。
6.根据权利要求1所述的方法,其特征在于,所述多张蒙片图像包括拟合蒙片图像。
7.根据权利要求6所述的方法,其特征在于,所述拟合蒙片根据下述过程获取:
获取一张拟合用蒙片图像,所述拟合用蒙片图像为真实蒙片图像或拟合蒙片图像;
获取一帧拟合用造影图像;
基于所述一帧拟合用造影图像,对所述一张拟合用蒙片图像进行像素位移以匹配所述一帧拟合用造影图像,得到所述拟合蒙片图像。
8.根据权利要求1所述的方法,其特征在于,所述方法还包括:
将所述造影图像减去所述组合蒙片图像获取减影图像。
9.根据权利要求1所述的方法,其特征在于,在将所述造影图像减去所述组合蒙片图像之前,所述方法还包括:
基于所述造影图像,对所述组合蒙片图像进行像素位移以匹配所述造影图像。
10.一种用于图像减影的系统,其特征在于,所述系统包括至少一个处理器以及至少一个存储器;
所述至少一个存储器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中的至少部分指令以实现如权利要求1-9中任意一项所述的方法。
11.一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1-9中任一项所述的方法。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111682218.6A CN114359037A (zh) | 2021-12-28 | 2021-12-28 | 一种图像减影方法、系统及存储介质 |
EP22863479.6A EP4330912A1 (en) | 2021-08-30 | 2022-08-30 | Systems and methods for medical image processing |
PCT/CN2022/115991 WO2023030344A1 (en) | 2021-08-30 | 2022-08-30 | Systems and methods for medical image processing |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111682218.6A CN114359037A (zh) | 2021-12-28 | 2021-12-28 | 一种图像减影方法、系统及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114359037A true CN114359037A (zh) | 2022-04-15 |
Family
ID=81105515
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111682218.6A Pending CN114359037A (zh) | 2021-08-30 | 2021-12-28 | 一种图像减影方法、系统及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114359037A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023030344A1 (en) * | 2021-08-30 | 2023-03-09 | Shanghai United Imaging Healthcare Co., Ltd. | Systems and methods for medical image processing |
-
2021
- 2021-12-28 CN CN202111682218.6A patent/CN114359037A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023030344A1 (en) * | 2021-08-30 | 2023-03-09 | Shanghai United Imaging Healthcare Co., Ltd. | Systems and methods for medical image processing |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Wang et al. | Advances in data preprocessing for biomedical data fusion: An overview of the methods, challenges, and prospects | |
CN109409503B (zh) | 神经网络的训练方法、图像转换方法、装置、设备及介质 | |
Lingala et al. | Deformation corrected compressed sensing (DC-CS): a novel framework for accelerated dynamic MRI | |
Lyu et al. | Cine cardiac MRI motion artifact reduction using a recurrent neural network | |
Wollny et al. | Automatic motion compensation of free breathing acquired myocardial perfusion data by using independent component analysis | |
CN107106102B (zh) | 数字减影血管造影 | |
CN106530236A (zh) | 一种医学图像处理方法及系统 | |
CN111260703A (zh) | 一种获取脊柱拉直图像集的方法、系统、介质及存储介质 | |
He et al. | Dynamic PET image denoising with deep learning-based joint filtering | |
CN114359037A (zh) | 一种图像减影方法、系统及存储介质 | |
Belov et al. | Towards ultrafast MRI via extreme k-space undersampling and superresolution | |
US20240104705A1 (en) | Systems and methods for image correction | |
CN112562058B (zh) | 一种基于迁移学习的颅内血管模拟三维模型快速建立方法 | |
Bansal et al. | A proposed approach for biomedical image denoising using PCA_NLM | |
Sander et al. | Autoencoding low-resolution MRI for semantically smooth interpolation of anisotropic MRI | |
Malczewski | PET image reconstruction using compressed sensing | |
Liao et al. | Fast and low-dose medical imaging generation empowered by hybrid deep-learning and iterative reconstruction | |
US20220292641A1 (en) | Dynamic imaging and motion artifact reduction through deep learning | |
CN109949206A (zh) | 运动伪影图像的生成方法、装置、设备和存储介质 | |
Gao | Prior rank, intensity and sparsity model (PRISM): A divide-and-conquer matrix decomposition model with low-rank coherence and sparse variation | |
Xie et al. | Inpainting the metal artifact region in MRI images by using generative adversarial networks with gated convolution | |
Qi et al. | Multi-task MR imaging with iterative teacher forcing and re-weighted deep learning | |
CN113538419A (zh) | 一种图像处理方法和系统 | |
Deng et al. | TT U-Net: Temporal Transformer U-Net for Motion Artifact Reduction Using PAD (Pseudo All-Phase Clinical-Dataset) in Cardiac CT | |
CN112508881A (zh) | 一种颅内血管图像配准方法 |
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 |