CN114820664B - 图像数据处理方法、装置、图像数据处理设备及存储介质 - Google Patents
图像数据处理方法、装置、图像数据处理设备及存储介质 Download PDFInfo
- Publication number
- CN114820664B CN114820664B CN202210738193.5A CN202210738193A CN114820664B CN 114820664 B CN114820664 B CN 114820664B CN 202210738193 A CN202210738193 A CN 202210738193A CN 114820664 B CN114820664 B CN 114820664B
- Authority
- CN
- China
- Prior art keywords
- component
- velocity
- speed
- data
- field 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
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
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10072—Tomographic images
- G06T2207/10088—Magnetic resonance imaging [MRI]
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30101—Blood vessel; Artery; Vein; Vascular
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Magnetic Resonance Imaging Apparatus (AREA)
Abstract
Description
技术领域
本申请涉及但不限于图像处理领域,尤其涉及一种图像数据处理方法、装置、图像数据处理设备及存储介质。
背景技术
电子计算机断层扫描(Computed Tomography,CT)影像,核磁共振影像(MagneticResonance Imaging,MRI)、超声波检测影像(Ultrasound,US)已经广泛应用于医疗图像后处理技术当中。随着技术的日益发展,医疗图像不再局限于针对固定某一固定位置或一特定探头采集一个静态图像,而是采集更高维更多样的数据。近年来一种新的医疗图像的采集技术,四维流动核磁共振成像(4Dflow MRI)技术快速发展,应用越来越广泛。
目前,针对4Dflow MRI进行分析时,对图像进行分割以确定目标区域的过程中,依赖于大量的人工处理,例如手动描绘轮廓区域,手动阈值分割等。
发明内容
本申请实施例提供一种图像数据处理方法、装置、图像数据处理设备及存储介质。
本申请实施例的技术方案是这样实现的:
一种图像数据处理方法,所述方法包括:
获得四维流核磁共振成像数据,其中,所述四维流核磁共振成像数据包括多个核磁共振影像按空间顺序排列得到的一时段内每一时刻的三维数据;
基于所述速度场数据第一分量、所述速度场数据第二分量以及所述速度场数据第三分量,生成所述时刻的速度强度和所述时刻的速度一致性参数,其中,所述速度强度用于表征流体流速快慢,所述速度一致性参数用于表征所述数据点处速度方向的相似程度;
至少基于所述速度强度和所述速度一致性参数,确定所述四维流核磁共振成像数据中血管区域的图像数据。
一种图像数据处理装置,所述装置包括:
获得模块,用于获得四维流核磁共振成像数据,其中,所述四维流核磁共振成像数据包括多个核磁共振影像按空间顺序排列得到的一时段内每一时刻的三维数据;
处理模块,用于基于所述速度场数据第一分量、所述速度场数据第二分量以及所述速度场数据第三分量,生成所述时刻的速度强度和所述时刻的速度一致性参数,其中,所述速度强度用于表征流体流速快慢,所述速度一致性参数用于表征所述数据点处速度方向的相似程度;
所述处理模块,用于至少基于所述速度强度和所述速度一致性参数,确定所述四维流核磁共振成像数据中血管区域的图像数据。
本申请实施例提供一种图像数据处理设备,所述图像数据处理设备包括:处理器、存储器和通信总线;
所述通信总线用于实现处理器和存储器之间的通信连接;
所述处理器用于执行存储器中存储的图像数据处理程序,以实现上述所述的图像数据处理方法的步骤。
本申请实施例提供一种存储介质,所述存储介质存储有一个或者多个程序,所述一个或者多个程序可被一个或者多个处理器执行,以实现上述所述的图像数据处理方法的步骤。
本申请提供的图像数据处理方法、装置、图像数据处理设备及存储介质,通过获得四维流核磁共振成像数据,其中,四维流核磁共振成像数据包括多个核磁共振影像按空间顺序排列得到的一时段内每一时刻的三维数据;获得四维流核磁共振成像数据中时刻下一数据点的速度场数据第一分量、速度场数据第二分量以及速度场数据第三分量;基于速度场数据第一分量、速度场数据第二分量以及速度场数据第三分量,生成时刻的速度强度和时刻的速度一致性参数,其中,速度强度用于表征流体流速快慢,速度一致性参数用于表征数据点处速度方向的相似程度;至少基于速度强度和速度一致性参数,确定四维流核磁共振成像数据中血管区域的图像数据;也就是说,本申请提供了一种自动化确定四维流核磁共振成像数据中血管区域的技术方案,无需任何人工干预操作,节省了图像数据处理的时间,并且基于速度强度和速度一致性参数,即将强度和方向两方面结合来确定血管区域,如此,极大限度的增强了血管区域的特征,抑制了非血管区域特征,使得血管特征很大程度的显现。
附图说明
图1本申请实施例提供的图像数据处理方法的流程示意图一;
图2本申请实施例提供的可选的人体胸腔部位4Dflow MRI数据读取结果的示意图一;
图3本申请实施例提供的速度强度信息结果示意图一;
图4本申请实施例提供的速度场数据归一化结果示意图一;
图5本申请实施例提供的速度一致性信息示意图一;
图6本申请实施例提供的图像数据处理方法的流程示意图二;
图7本申请实施例提供的图像数据处理方法的流程示意图三;
图8本申请实施例提供的速度一致性合并结果示意图;
图9本申请实施例提供的速度方向强化结果示意图;
图10本申请实施例提供的不同加权因子的速度方向强化结果示意图;
图11本申请实施例提供的本申请与相关技术中预处理结果的对比示意图;
图12本申请实施例提供的分割结果对比示意图;
图13本申请实施例提供的五个处理阶段实现图像数据处理的流程示意图;
图14本申请实施例提供的可选的人体胸腔部位4Dflow MRI数据读取结果的示意图二;
图15本申请实施例提供的速度强度信息结果示意图二;
图16本申请实施例提供的速度场数据归一化结果示意图二;
图17本申请实施例提供的速度一致性信息示意图二;
图18本申请实施例提供的速度一致性合并结果示意图二;
图19本申请实施例提供的速度方向强化结果示意图二;
图20本申请实施例提供的不同加权因子的速度方向强化结果示意图二;
图21本申请实施例提供的本申请与相关技术中预处理结果的对比示意图二;
图22本申请实施例提供的分割结果对比示意图二;
图23本申请实施例提供的图像数据处理装置的结构示意图;
图24本申请实施例提供的图像数据处理设备的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别不同对象,而不是用于描述特定顺序。此外,术语“包括”和“具有”以及它们任何变形,意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元,而是可选地还包括没有列出的步骤或单元,或可选地还包括对于这些过程、方法、产品或设备固有的其他步骤或单元。
在本文中提及“实施例”意味着,结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例,也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是,本文所描述的实施例可以与其它实施例相结合。
本申请实施例提供的图像数据处理设备可以实施为笔记本电脑,平板电脑,台式计算机,移动设备(例如,个人数字助理,专用消息设备),智能机器人等任意图像数据处理设备,也可以实施为服务器。下面,将说明图像数据处理设备实施为图像数据处理设备时的示例性应用。
本申请实施例提供一种图像数据处理方法,该方法应用于图像数据处理设备,参见图1所示,该方法包括:
步骤101、获得四维流核磁共振成像数据。
其中,四维流核磁共振成像数据包括多个核磁共振影像按空间顺序排列得到的一时段内每一时刻的三维数据。
这里,4D flow MRI数据的基本数据形式为二维切片的形式,若干个按空间顺序排列的切片形成一个完整的三维数据,并且4Dflow MRI数据具有一个时间序列,也即在该时间序列对应的一时段内,每个时刻即每个瞬时的时间点都拍摄了完整的三维数据。4DflowMRI可以采集一个时间序列的三维核磁图像,其中包含幅值图以及相位图两种图像,可以在显示传统静态核磁图像的同时,额外显示流体的速度场信息。
本申请实施例中,读取4D flow MRI数据,进而可以得到幅值数据,速度场数据第一分量,速度场数据第二分量,速度场数据第三分量共四类数据,这四类数据具有相同的数据格式,均为,其中为时刻总数,为切片数,和分别代表切片的长和宽,示例性的,。其中,,例如为大于0的数。这里,时刻下一数据点,可以理解为速度场数据中的一个时刻下的一个三维坐标点。
读取数据之后,进行所有时刻的心脏周期分析,选择一个心脏周期时刻进行分析,该时刻以表示,示例性的,可以选择收缩期中最接近中段的时刻,即心脏周期中的射血期对应的时刻。至此,取得了时刻下的四类数据分别为,,,。
在一个可实现的场景中,读取4Dflow MRI数据,包括幅值数据、速度场数据第一分量、速度场数据第二分量以及速度场数据第三分量共四类数据,并对其进行心脏周期匹配筛选,根据RR间期以及拍摄窗口时间信息,自动定位收缩期的中段对应的时刻,挑选该时刻对应的四类数据,其中,RR间期是QRS波群中R波与R波之间的距离,RR间期的正常距离为0.6~1.0秒,相应的心室率为每分钟60至100次。本申请不依赖所有心脏周期数据的信息,只需单一时刻下的4Dflow MRI信息,避免了信息混合造成后续处理不准确,使得申请提供的图像数据处理方法可以处理任意一个心脏周期。
参见图2所示,以读取的4Dflow MRI数据是人体胸腔部位图像数据为例,图2中从左到右依次为4Dflow MRI数据包括的幅值数据、速度场数据第一分量、速度场数据第二分量以及速度场数据第三分量。可以理解地,图2中展示形式为三维数据中的某一切片位置,并且图2中涉及的三维数据均显示同一切片位置。
其中,速度强度用于表征流体流速快慢,速度一致性参数用于表征数据点处速度方向的相似程度。这里,速度方向的相似程度包括速度方向呈现出一致性的程度。
本申请实施例中,4D flow MRI中,某点的速度场的速度强度表示了该点的流体流速快慢,其组织流动越快,则速度场数据响应越强烈,也即速度场数据幅值越大。血管区域相比其他区域例如骨骼,脂肪以及肌肉区域,血管所在的区域速度场强度呈现偏大的特性,其他区域速度场强度呈现偏小的特性。
本申请实施例中,在4D flow MRI中,血流区域通常呈现出一个特性,即速度一致性。同其他区域相比,血流区域的速度方向又称朝向呈现出一定的一致性,也即人体中血流是由心脏泵出,经由主动脉分流至各分支动脉,所以血流的路径是固定的,而诸如空气,软组织等区域的流动方向是随机的。所以在4Dflow MRI速度场数据中,血流区域的速度一致性特征呈现偏大的特性,而肺部,气管,以及人体范围外部的速度一致性呈现偏低的特性。本申请通过计算速度强度来增强血流区域,通过计算速度一致性参数,来定位血管区域并抑制其他区域,最终实现增强血管区域的效果。
本申请实施例中,步骤103中基于速度场数据第一分量、速度场数据第二分量以及速度场数据第三分量,生成时刻的速度强度,可以通过如下步骤实现:计算速度场数据第一分量、速度场数据第二分量以及速度场数据第三分量的合速度,得到速度强度。
在获得的速度场三个分量数据后,以计算合速度的方式得到速度强度,来增强血流区域,实现初步的特征增强,并且抑制骨骼脂肪以及肌肉区域。速度强度信息结果如图3所示,可见其中的骨骼脂肪以及肌肉区域特征被抑制,血流区域以及空气区域特征被增强。
步骤104、至少基于速度强度和速度一致性参数,确定四维流核磁共振成像数据中血管区域的图像数据。
本申请实施例中,至少基于速度强度和速度一致性参数,即将强度和方向两方面结合来确定血管区域,如此,极大限度的增强了血管区域的特征,抑制了非血管区域特征,使得血管特征很大程度的显现。
本申请实施例提供的图像数据处理方法,通过获得四维流核磁共振成像数据,其中,四维流核磁共振成像数据包括多个核磁共振影像按空间顺序排列得到的一时段内每一时刻的三维数据;获得四维流核磁共振成像数据中时刻下一数据点的速度场数据第一分量、速度场数据第二分量以及速度场数据第三分量;基于速度场数据第一分量、速度场数据第二分量以及速度场数据第三分量,生成时刻的速度强度和时刻的速度一致性参数,其中,速度强度用于表征流体流速快慢,速度一致性参数用于表征数据点处速度方向的相似程度;至少基于速度强度和速度一致性参数,确定四维流核磁共振成像数据中血管区域的图像数据;也就是说,本申请提供了一种自动化确定四维流核磁共振成像数据中血管区域的技术方案,无需任何人工干预操作,节省了图像数据处理的时间,并且基于速度强度和速度一致性参数,即将强度和方向两方面结合来确定血管区域,如此,极大限度的增强了血管区域的特征,抑制了非血管区域特征,使得血管特征很大程度的显现。
进一步的,本申请中的速度一致性参数可以借助速度场数据不同分量的单位向量来确定。不同分量的单位向量可以通过对速度场数据进行归一化处理而得到,在归一化的过程中,可以采用速度场三个分量数据,,以及速度强度,来计算三个分量的归一化结果。由于速度场数据是一个三维的矢量数据,其某一分量的绝对值大小表示了该分量上的速度强度,其某一分量的正负号表示它的速度的朝向,对其进行归一化,消除它的强度信息,保留单位方向信息,归一化计算结果如图4所示,与图2中的速度场三分量数据即速度场数据第一分量、速度场数据第二分量以及速度场数据第三分量分别对比,可见在图4中速度强度信息被消除,只保留了其方向信息。然后,对归一化的结果进行速度方向滤波,计算速度一致性参数,速度方向一致性越好的区域,对速度方向滤波的响应越好,本申请实施例中通过速度方向滤波可以进一步增强血管区域特征,抑制空气区域特征,速度方向滤波结果如图5所示,可见与图4相比,图像表现出类似平滑的效果,这是由于本申请实施例中考虑每一个位置点的邻域信息后,该点的计算结果反应的是邻域的速度方向的一致性,也即一个点的邻域速度方向越一致该点结果的绝对值越大,在结果的值域中越靠近两端(在灰度图中,值域的两端分别表现为黑和白),可见主要血管区域的值都趋向最大或最小(黑或白),空气区域的值则趋向值域的中值(灰色)。需要说明的是,本申请提供的基于4Dflow MRI数据特点设计的速度方向滤波及强化的滤波方案,可以适用于任意的4DflowMRI任务,作为其前处理图像分析方法,泛用性强,无需重新设计。
步骤201、分别获得速度场数据第一分量、速度场数据第二分量以及速度场数据第三分量的单位向量。
步骤202、在数据点的一邻域空间区域内,分别对速度场数据第一分量对应的第一单位向量、速度场数据第二分量对应的第二单位向量以及速度场数据第三分量对应的第三单位向量进行速度方向滤波,得到速度一致性参数。
本申请实施例中,将速度场数据三个分量数据按比例缩放,使其缩放到相同的数据区间和范围,以减少分布差异等对速度方向滤波的影响。这里,可以缩放至速度场数据不同分量的单位向量。不同分量的单位向量可以通过对速度场数据进行归一化处理而得到。如下所示,在缩放的过程中,可以参照速度强度对速度场数据不同分量进行缩放。
A11、计算速度场数据第一分量除以速度强度的结果,得到第一单位向量。
A12、计算速度场数据第二分量除以速度强度的结果,得到第二单位向量。
A13、计算速度场数据第三分量除以速度强度的结果,得到第三单位向量。
本申请其他实施例中,步骤202在数据点的一邻域空间区域内,分别对速度场数据第一分量对应的第一单位向量、速度场数据第二分量对应的第二单位向量以及速度场数据第三分量对应的第三单位向量进行速度方向滤波,得到速度一致性参数,可以通过如图7所示的步骤实现:
步骤2021、确定邻域空间区域内的坐标点数量。
步骤2022、获得数据点的一邻域空间区域内的一个三维坐标点。
本申请实施例中,步骤2021可以在步骤2022之前执行,步骤2021也可以在步骤2022之后执行。
步骤2023、基于坐标点数量、第一单位向量,生成第一单位向量的第一速度滤波参数。
这里,为围绕三维图形数据对应的三维矩阵中某一坐标点的一个空间邻域区域,为邻域坐标点数量。示例性的,邻域空间区域的大小为,这里,以为例,也邻域空间区域包含125个点,即=125。当然,本申请实施例中对的大小不作具体限定。
步骤2024、基于坐标点数量、第二单位向量,生成第二单位向量的第二速度滤波参数。
进一步的,步骤2024基于坐标点数量、第二单位向量,生成第二单位向量的第二速度滤波参数,包括:
步骤2025、基于坐标点数量、第三单位向量,生成第三单位向量的第三速度滤波参数。
进一步的,步骤2025基于坐标点数量、第三单位向量,生成第三单位向量的第三速度滤波参数,包括:
步骤2026、计算第一速度滤波参数、第二速度滤波参数以及第三速度滤波参数的模,得到速度一致性参数。
在103中计算得到了速度一致性参数,但其速度一致性参数是在三个分量上分别计算得到,但速度数据是一种三维矢量,本申请实施例中,在得到第一速度滤波参数、第二速度滤波参数以及第三速度滤波参数的情况下,合并所有分量结果来求得速度一致性参数,可以通过计算第一速度滤波参数、第二速度滤波参数以及第三速度滤波参数的模的方式生成速度一致性参数。进一步的,对第一速度滤波参数、第二速度滤波参数以及第三速度滤波参数进行二范数计算,求第一速度滤波参数、第二速度滤波参数以及第三速度滤波参数的模,通过该方式处理图像数据后的结果如图8所示,可见结果中,空气区域的特征被很大程度地抑制,其像素值偏低。
本申请其他实施例中,步骤104至少基于速度强度和速度一致性参数,确定四维流核磁共振成像数据中血管区域的图像数据,可以通过如下步骤实现:
首先、获得加权因子。
其次、计算速度强度与加权因子的乘积。
再次、计算乘积与速度一致性参数点乘后的结果。
最后、基于点乘后的结果,从四维流核磁共振成像数据中筛选出增强程度符合阈值的图像数据为血管区域的图像数据。
本申请实施例中,通过获得速度强度,实现了对骨、脂肪、肌肉区域特征的抑制。通过获得速度一致性参数,实现了对空气区域包括肺部、气管以及人体外部空气的抑制。并且都取得了血管区域的增强,现将两部分结果合并,将其进行矩阵点乘,进而通过一个加权因子对其进行调节,示例性的,在加权因子的情况下,对图像数据处理后的结果如图9所示,可见其中的主动脉区域特征被极大的增强了。
本申请实施例中,加权因子的取值与四维流核磁共振影像数据的对应的拍摄区域属性相关,其中,拍摄区域属性包括但不限于拍摄区域的拍摄对象和/或拍摄对象的区域特征。例如,拍摄对象包括但不限于人体胸腔部位或上腔静脉部位,拍摄对象的区域特征包括但不限于人体胸腔部位的全部或至少一个局部特征,或上腔静脉部位的全部或至少一个局部特征。
进一步的,仍旧以读取的4Dflow MRI数据是上述的人体胸腔部位图像数据为例,以加权因子取值不同,对得到的特定区域的强化结果进行对比展示,参见图10所示,加权因子分别取值0.05,0.25,0.5,0.8以及1.1时速度方向强化的结果,其中第一行从左至右分别为取值0.05,0.25,0.5,0.8以及1.1时的速度方向强化结果,第二行表示第一行中每个结果中的方框范围内的细节放大结果。其中,方框范围内为主动脉弓以及其三个动脉分支(头臂干,左颈总动脉,左锁骨下动脉)区域,可看到不同的加权因子针对血管的特征增强程度不同。
图11显示了本申请实施例提供的图像数据处理方法处理4D flow MRI数据,与相关技术利用了相位对比法血管成像(Phase contrast MRA,PC MRA)算法对所有周期进行融合前处理,然后使用前处理后的图像进行神经网络分割所得到的预处理结果的对比效果,第一行左侧为相关技术的预处理结果,第一行右侧为本申请实施例的预处理结果。第二行从左到右表示第一行中方框范围内的细节放大展示,即第二行左侧为相关技术的预处理结果中方框范围内的细节放大展示,第二行右侧为本申请实施例的预处理结果中方框范围内的细节放大展示。除此之外,针对两种预处理结果,均使用经典分割方法水平集算法分别进行图像分割,比较两种方法的后续任务的效果,如图12中展示,其中第一排左图为相关技术的预处理结果的分割结果正视图与侧视图,第一排右图为基于本申请的预处理结果的分割结果正视图与侧视图,第二排为第一排中方框内的细节放大展示图,可以看到,与相关技术相比,基于本申请分割的主动脉模型更完整,错误粘连更少,并且在主动脉弓部位三动脉分支(头臂干,左颈总动脉,左锁骨下静脉)分割更完整,由此证明本申请实施例提供的图像数据处理方法在整体血管甚至小血管部分能够取得更佳的处理效果。
本申请提供的图像数据处理方法,基于速度方向的基础信息,将强度和方向两方面结合,极大限度的增强了血管区域的特征,抑制了非血管区域特征,使得血管特征很大程度的显现,并且在诸如分支血管的小血管上也取得良好的表现。
本申请实施例提供的图像数据处理方法,适用于不同任务的4DflowMRI下游任务,可以理解地,下游任务包括但不限于图像分割、图像检测。本申请的下述实施例以使用上腔静脉部位4DflowMRI数据为例,也即控制造影剂在上腔静脉中充盈时,再进行数据采集编码,进而通过如图13所示的五个处理阶段实现图像数据处理:
第一阶段301:读取数据。
读取4Dflow MRI数据,包括幅值数据,以及速度场数据第一分量、速度场数据第二分量以及速度场数据第三分量共四类数据,并对其进行心脏周期匹配筛选,根据RR间期以及拍摄窗口时间信息,自动定位收缩期的末端也即舒张期开始端所对应的时刻,挑选该时刻对应的四类数据,如图14所示,该数据采集的是人体胸腔部位图像信息,其中从左到右依次为幅值数据,速度场数据第一分量,速度场数据第二分量,速度场数据第三分量。图14中展示形式为三维数据中的某一切片位置,本申请示意图中涉及的每个对应的三维数据均显示同一切片位置。
第二阶段302:速度强度信息。
在得到速度场数据三个分量数据后,计算速度强度,目的是增强血流区域,实现初步的特征增强,并且抑制骨骼脂肪以及肌肉区域。速度强度结果如图15所示,可见其中的骨骼脂肪以及肌肉区域特征被抑制,血流区域以及空气区域特征被增强。
第三阶段303:速度一致性参数。
在得到速度场数据三个分量数据以及速度强度的情况下,计算速度场三个分量的归一化结果,由于速度场数据是一个三维的矢量数据,其某一分量的绝对值大小表示了该分量上的速度强度,其某一分量的正负号表示它的速度的朝向,所以对其进行归一化,也即消除它的强度信息,保留单位方向信息,归一化计算结果如图16所示,与图14中的速度场三分量数据即速度场数据第一分量、速度场数据第二分量以及速度场数据第三分量分别对比,可见在图16中速度强度信息被消除,只保留了其方向信息。然后对归一化的结果进行速度方向滤波,计算速度一致性参数,速度方向一致性越好的区域,对速度方向滤波的响应越好,所以通过速度方向滤波可以进一步增强血管区域特征,抑制空气区域特征,速度方向滤波结果如图17所示,可见与图14相比,图像表现出类似平滑的效果,这是由于考虑每一个位置点的邻域信息后,该点的计算结果反应的是邻域的速度方向的一致性,也即一个点的邻域速度方向越一致该点结果的绝对值越大,在结果的值域中越靠近两端(在灰度图中,值域的两端分别表现为黑和白),可见主要血管区域的值都趋向最大或最小(黑或白),空气区域的值则趋向值域的中值(灰色)。
第四阶段304:速度一致性参数合并。
在得到了速度一致性参数之后,由于速度一致性参数是在三个分量上分别计算得到,但速度数据是一种三维矢量,因此,合并所有分量结果来求得真正的速度一致性参数,也即将各分量结果进行二范数计算,也即求它的模,结果如图18所示,可见结果中,空气区域的特征被很大程度地抑制,其像素值偏低。
第五阶段305:速度方向强化。
第二阶段,获得速度强度,实现了对骨、脂肪、肌肉区域特征的抑制。第四阶段,得到了合并后的速度一致性参数,实现了对空气区域包括肺部、气管以及人体外部空气的抑制。并且都取得了血管区域的增强,现将两部分结果合并,将其进行矩阵点乘,并通过一个加权因子对其进行调节,其中,以加权因子为例,结果如图19所示,可见其中的上腔静脉的特征被极大的增强了。
进一步的,可以结合图20理解引入加权因子的作用,图20显示加权因子分别取值0.05,0.25,0.5,0.8以及1.1时速度方向强化的结果,其中第一行从左至右分别为取值0.05,0.25,0.5,0.8以及1.1时的速度方向强化结果,第二行表示第一行中每个结果中的方框范围内的细节放大结果。其中,方框范围内为上腔静脉区域,可看到不同的加权因子针对血管的特征增强程度不同。
图21显示了本申请提供的图像数据处理方法处理4D flow MRI数据,与相关技术利用了相位对比法血管成像(Phase contrast MRA,PC MRA)算法对所有周期进行融合前处理,然后使用前处理后的图像进行神经网络分割所得到的预处理结果的对比效果,第一行左侧为相关技术的预处理结果,第一行右侧为本申请实施例的预处理结果,第二行从左到右表示第一行中方框范围内的细节放大展示,即第二行左侧为相关技术中方框范围内的细节放大展示,第二行右侧为本申请实施例中方框范围内的细节放大展示。除此之外,针对两种预处理结果,均使用经典分割方法水平集算法分别进行图像分割,比较两种方法的后续任务的效果,如图22中展示,其中第一排左图为相关技术方法预处理结果的分割结果正视图与侧视图,第一排右图为基于本申请的预处理结果的分割结果正视图与侧视图,第二排为第一排中方框内的细节放大展示图,方框位置表示的是上腔静脉主干。在图中可以看到,相关技术中存在很多主动脉的错误粘连,并且上腔静脉主干不完整,基于本申请实施例的方法分割的上腔静脉模型无错误粘连,其中上腔静脉以及两个分支(左头臂静脉,右头臂静脉)独立完整。
本申请的实施例提供一种图像数据处理装置,该图像数据处理装置可以用于实现图1对应的实施例提供的一种图像数据处理方法,参照图23所示,该图像数据处理装置40包括:
获得模块401,用于获得四维流核磁共振成像数据,其中,四维流核磁共振成像数据包括多个核磁共振影像按空间顺序排列得到的一时段内每一时刻的三维数据;
处理模块402,用于基于速度场数据第一分量、速度场数据第二分量以及速度场数据第三分量,生成时刻的速度强度和时刻的速度一致性参数,其中,速度强度用于表征流体流速快慢,速度一致性参数用于表征数据点处速度方向的相似程度;
处理模块402,用于至少基于速度强度和速度一致性参数,确定四维流核磁共振成像数据中血管区域的图像数据。
本申请其他实施例中,处理模块402,用于计算速度场数据第一分量、速度场数据第二分量以及速度场数据第三分量的合速度,得到速度强度。
本申请其他实施例中,处理模块402,用于分别获得速度场数据第一分量、速度场数据第二分量以及速度场数据第三分量的单位向量;在数据点的一邻域空间区域内,分别对速度场数据第一分量对应的第一单位向量、速度场数据第二分量对应的第二单位向量以及速度场数据第三分量对应的第三单位向量进行速度方向滤波,得到速度一致性参数。
本申请其他实施例中,处理模块402,用于计算速度场数据第一分量、速度场数据第二分量以及速度场数据第三分量的合速度,得到速度强度;计算速度场数据第一分量除以速度强度的结果,得到第一单位向量;计算速度场数据第二分量除以速度强度的结果,得到第二单位向量;计算速度场数据第三分量除以速度强度的结果,得到第三单位向量。
本申请其他实施例中,处理模块402,用于确定邻域空间区域内的坐标点数量;
基于坐标点数量、第一单位向量,生成第一单位向量的第一速度滤波参数;
基于坐标点数量、第二单位向量,生成第二单位向量的第二速度滤波参数;
基于坐标点数量、第三单位向量,生成第三单位向量的第三速度滤波参数;
计算第一速度滤波参数、第二速度滤波参数以及第三速度滤波参数的模,得到速度一致性参数。
本申请其他实施例中,处理模块402,用于获得加权因子;
计算速度强度与加权因子的乘积;
计算乘积与速度一致性参数点乘后的结果;
基于点乘后的结果,从四维流核磁共振成像数据中筛选出增强程度符合阈值的图像数据为血管区域的图像数据。
本申请实施例提供的图像数据处理装置,通过获得四维流核磁共振成像数据,其中,四维流核磁共振成像数据包括多个核磁共振影像按空间顺序排列得到的一时段内每一时刻的三维数据;获得四维流核磁共振成像数据中时刻下一数据点的速度场数据第一分量、速度场数据第二分量以及速度场数据第三分量;基于速度场数据第一分量、速度场数据第二分量以及速度场数据第三分量,生成时刻的速度强度和时刻的速度一致性参数,其中,速度强度用于表征流体流速快慢,速度一致性参数用于表征数据点处速度方向的相似程度;至少基于速度强度和速度一致性参数,确定四维流核磁共振成像数据中血管区域的图像数据;也就是说,本申请提供了一种自动化确定四维流核磁共振成像数据中血管区域的技术方案,无需任何人工干预操作,节省了图像数据处理的时间,并且基于速度强度和速度一致性参数,即将强度和方向两方面结合来确定血管区域,如此,极大限度的增强了血管区域的特征,抑制了非血管区域特征,使得血管特征很大程度的显现。
本申请的实施例提供一种图像数据处理设备,图24所示的图像数据处理设备50包括:处理器501、存储器502和通信总线503,其中:
通信总线503用于实现处理器501和存储器502之间的通信连接。
处理器501用于执行存储器502中存储的图像数据处理程序,以实现图1对应的实施例提供的一种图像数据处理方法。
处理器可以是一种集成电路芯片,具有信号的处理能力,例如通用处理器、数字信号处理器(DSP,Digital Signal Processor),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,其中,通用处理器可以是微处理器或者任何常规的处理器等。
本申请实施例提供的图像数据处理设备,通过获得四维流核磁共振成像数据,其中,四维流核磁共振成像数据包括多个核磁共振影像按空间顺序排列得到的一时段内每一时刻的三维数据;获得四维流核磁共振成像数据中时刻下一数据点的速度场数据第一分量、速度场数据第二分量以及速度场数据第三分量;基于速度场数据第一分量、速度场数据第二分量以及速度场数据第三分量,生成时刻的速度强度和时刻的速度一致性参数,其中,速度强度用于表征流体流速快慢,速度一致性参数用于表征数据点处速度方向的相似程度;至少基于速度强度和速度一致性参数,确定四维流核磁共振成像数据中血管区域的图像数据;也就是说,本申请提供了一种自动化确定四维流核磁共振成像数据中血管区域的技术方案,无需任何人工干预操作,节省了图像数据处理的时间,并且基于速度强度和速度一致性参数,即将强度和方向两方面结合来确定血管区域,如此,极大限度的增强了血管区域的特征,抑制了非血管区域特征,使得血管特征很大程度的显现。
需要说明的是,本实施例中处理器所执行的步骤的具体实现过程,可以参照图1对应的实施例提供的图像数据处理方法中的实现过程,此处不再赘述。
本申请实施例装置的描述,与上述方法实施例的描述是类似的,具有同方法实施例相似的有益效果,因此不做赘述。对于本装置实施例中未披露的技术细节,请参照本申请方法实施例的描述而理解。
本申请实施例提供一种存储有可执行指令的存储介质,其中存储有可执行指令,当可执行指令被处理器执行时,将引起处理器执行本申请实施例提供的方法,例如,如图1示出的方法。
本申请实施例提供的存储介质,通过获得四维流核磁共振成像数据,其中,四维流核磁共振成像数据包括多个核磁共振影像按空间顺序排列得到的一时段内每一时刻的三维数据;获得四维流核磁共振成像数据中时刻下一数据点的速度场数据第一分量、速度场数据第二分量以及速度场数据第三分量;基于速度场数据第一分量、速度场数据第二分量以及速度场数据第三分量,生成时刻的速度强度和时刻的速度一致性参数,其中,速度强度用于表征流体流速快慢,速度一致性参数用于表征数据点处速度方向的相似程度;至少基于速度强度和速度一致性参数,确定四维流核磁共振成像数据中血管区域的图像数据;也就是说,本申请提供了一种自动化确定四维流核磁共振成像数据中血管区域的技术方案,无需任何人工干预操作,节省了图像数据处理的时间,并且基于速度强度和速度一致性参数,即将强度和方向两方面结合来确定血管区域,如此,极大限度的增强了血管区域的特征,抑制了非血管区域特征,使得血管特征很大程度的显现。
在一些实施例中,存储介质可以是计算机可读存储介质,例如,铁电存储器(FRAM,Ferromagnetic Random Access Memory)、只读存储器(ROM,Read Only Memory)、可编程只读存储器(PROM,Programmable Read Only Memory)、可擦除可编程只读存储器(EPROM,Erasable Programmable Read Only Memory)、带电可擦可编程只读存储器(EEPROM,Electrically Erasable Programmable Read Only Memory)、闪存、磁表面存储器、光盘、或光盘只读存储器(CD-ROM,Compact Disk-Read Only Memory)等存储器;也可以是包括上述存储器之一或任意组合的各种设备。
在一些实施例中,可执行指令可以采用程序、软件、软件模块、脚本或代码的形式,按任意形式的编程语言(包括编译或解释语言,或者声明性或过程性语言)来编写,并且其可按任意形式部署,包括被部署为独立的程序或者被部署为模块、组件、子例程或者适合在计算环境中使用的其它单元。
作为示例,可执行指令可以但不一定对应于文件系统中的文件,可以可被存储在保存其它程序或数据的文件的一部分,例如,存储在超文本标记语言(超文本标记语言,Hyper Text Markup Language)文档中的一个或多个脚本中,存储在专用于所讨论的程序的单个文件中,或者,存储在多个协同文件(例如,存储一个或多个模块、子程序或代码部分的文件)中。作为示例,可执行指令可被部署为在一个计算设备上执行,或者在位于一个地点的多个计算设备上执行,又或者,在分布在多个地点且通过通信网络互连的多个计算设备上执行。
以上所述,仅为本申请的实施例而已,并非用于限定本申请的保护范围。凡在本申请的精神和范围之内所作的任何修改、等同替换和改进等,均包含在本申请的保护范围之内。
Claims (8)
1.一种图像数据处理方法,其特征在于,所述方法包括:
获得四维流核磁共振成像数据,其中,所述四维流核磁共振成像数据包括多个核磁共振影像按空间顺序排列得到的一时段内每一时刻的三维数据;
基于所述速度场数据第一分量、所述速度场数据第二分量以及所述速度场数据第三分量,生成所述时刻的速度强度和所述时刻的速度一致性参数,其中,所述速度强度用于表征流体流速快慢,所述速度一致性参数用于表征所述数据点处速度方向的相似程度;
至少基于所述速度强度和所述速度一致性参数,确定所述四维流核磁共振成像数据中血管区域的图像数据;
其中,所述至少基于所述速度强度和所述速度一致性参数,确定所述四维流核磁共振成像数据中血管区域的图像数据,包括:
获得加权因子;
计算所述速度强度与加权因子的乘积;
计算所述乘积与所述速度一致性参数点乘后的结果;
基于所述点乘后的结果,从所述四维流核磁共振成像数据中筛选出增强程度符合阈值的图像数据为所述血管区域的图像数据;
分别获得所述速度场数据第一分量、所述速度场数据第二分量以及所述速度场数据第三分量的单位向量;
在所述数据点的一邻域空间区域内,分别对所述速度场数据第一分量对应的第一单位向量、所述速度场数据第二分量对应的第二单位向量以及所述速度场数据第三分量对应的第三单位向量进行速度方向滤波,得到所述速度一致性参数。
3.根据权利要求1所述的方法,其特征在于,所述分别获得所述速度场数据第一分量、所述速度场数据第二分量以及所述速度场数据第三分量的单位向量,包括:
计算所述速度场数据第一分量、所述速度场数据第二分量以及所述速度场数据第三分量的合速度,得到所述速度强度;
计算所述速度场数据第一分量除以所述速度强度的结果,得到第一单位向量;
计算所述速度场数据第二分量除以所述速度强度的结果,得到第二单位向量;
计算所述速度场数据第三分量除以所述速度强度的结果,得到第三单位向量。
4.根据权利要求1所述的方法,其特征在于,所述在所述数据点的一邻域空间区域内,分别对所述速度场数据第一分量对应的第一单位向量、所述速度场数据第二分量对应的第二单位向量以及所述速度场数据第三分量对应的第三单位向量进行速度方向滤波,得到所述速度一致性参数,包括:
确定所述邻域空间区域内的坐标点数量;
基于所述坐标点数量、所述第一单位向量,生成所述第一单位向量的第一速度滤波参数;
基于所述坐标点数量、所述第二单位向量,生成所述第二单位向量的第二速度滤波参数;
基于所述坐标点数量、所述第三单位向量,生成所述第三单位向量的第三速度滤波参数;
计算所述第一速度滤波参数、所述第二速度滤波参数以及所述第三速度滤波参数的模,得到所述速度一致性参数。
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:
相应的,所述基于所述坐标点数量、所述第一单位向量,生成所述第一单位向量的第一速度滤波参数,包括:
相应的,所述基于所述坐标点数量、所述第二单位向量,生成所述第二单位向量的第二速度滤波参数,包括:
相应的,所述基于所述坐标点数量、所述第三单位向量,生成所述第三单位向量的第三速度滤波参数,包括:
6.一种图像数据处理装置,其特征在于,所述装置包括:
获得模块,用于获得四维流核磁共振成像数据,其中,所述四维流核磁共振成像数据包括多个核磁共振影像按空间顺序排列得到的一时段内每一时刻的三维数据;
处理模块,用于基于所述速度场数据第一分量、所述速度场数据第二分量以及所述速度场数据第三分量,生成所述时刻的速度强度和所述时刻的速度一致性参数,其中,所述速度强度用于表征流体流速快慢,所述速度一致性参数用于表征所述数据点处速度方向的相似程度;
所述处理模块,用于至少基于所述速度强度和所述速度一致性参数,确定所述四维流核磁共振成像数据中血管区域的图像数据;
其中,所述至少基于所述速度强度和所述速度一致性参数,确定所述四维流核磁共振成像数据中血管区域的图像数据,包括:
获得加权因子;
计算所述速度强度与加权因子的乘积;
计算所述乘积与所述速度一致性参数点乘后的结果;
基于所述点乘后的结果,从所述四维流核磁共振成像数据中筛选出增强程度符合阈值的图像数据为所述血管区域的图像数据;
分别获得所述速度场数据第一分量、所述速度场数据第二分量以及所述速度场数据第三分量的单位向量;
在所述数据点的一邻域空间区域内,分别对所述速度场数据第一分量对应的第一单位向量、所述速度场数据第二分量对应的第二单位向量以及所述速度场数据第三分量对应的第三单位向量进行速度方向滤波,得到所述速度一致性参数。
7.一种图像数据处理设备,其特征在于,所述图像数据处理设备包括:
存储器,用于存储可执行指令;
处理器,用于执行所述存储器中存储的可执行指令,实现如权利要求1至5中任一项所述的图像数据处理方法。
8.一种存储介质,其特征在于,存储有可执行指令,当所述可执行指令被执行时,用于引起处理器执行权利要求1至5中任一项所述的图像数据处理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210738193.5A CN114820664B (zh) | 2022-06-28 | 2022-06-28 | 图像数据处理方法、装置、图像数据处理设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210738193.5A CN114820664B (zh) | 2022-06-28 | 2022-06-28 | 图像数据处理方法、装置、图像数据处理设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114820664A CN114820664A (zh) | 2022-07-29 |
CN114820664B true CN114820664B (zh) | 2022-09-30 |
Family
ID=82522426
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210738193.5A Active CN114820664B (zh) | 2022-06-28 | 2022-06-28 | 图像数据处理方法、装置、图像数据处理设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114820664B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109242822A (zh) * | 2018-07-20 | 2019-01-18 | 河南师范大学 | 一种用于核磁共振成像质量控制的数据处理方法 |
CN112950506A (zh) * | 2021-03-08 | 2021-06-11 | 吴统明 | 一种利用核磁共振的图像数据建立方法及系统 |
CN113222987A (zh) * | 2021-06-04 | 2021-08-06 | 清华大学 | 磁共振成像血管壁增强强度映射方法、装置、设备和介质 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5204625A (en) * | 1990-12-20 | 1993-04-20 | General Electric Company | Segmentation of stationary and vascular surfaces in magnetic resonance imaging |
JP6513413B2 (ja) * | 2015-02-13 | 2019-05-15 | キヤノンメディカルシステムズ株式会社 | 医用画像処理装置及び磁気共鳴イメージング装置 |
CN105785455B (zh) * | 2016-03-09 | 2017-12-29 | 吉林大学 | 一种基于b样条插值的二维地面核磁共振反演方法 |
CN112258508B (zh) * | 2020-12-18 | 2021-03-26 | 杭州晟视科技有限公司 | 四维流动数据的图像处理分析分割方法、系统及存储介质 |
CN113537035A (zh) * | 2021-07-12 | 2021-10-22 | 宁波溪棠信息科技有限公司 | 人体目标检测方法、装置、电子装置和存储介质 |
CN113724207A (zh) * | 2021-08-12 | 2021-11-30 | 清华大学 | 基于4D Flow MRI的流速测量方法、装置、计算机和存储介质 |
-
2022
- 2022-06-28 CN CN202210738193.5A patent/CN114820664B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109242822A (zh) * | 2018-07-20 | 2019-01-18 | 河南师范大学 | 一种用于核磁共振成像质量控制的数据处理方法 |
CN112950506A (zh) * | 2021-03-08 | 2021-06-11 | 吴统明 | 一种利用核磁共振的图像数据建立方法及系统 |
CN113222987A (zh) * | 2021-06-04 | 2021-08-06 | 清华大学 | 磁共振成像血管壁增强强度映射方法、装置、设备和介质 |
Also Published As
Publication number | Publication date |
---|---|
CN114820664A (zh) | 2022-07-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US8385688B2 (en) | System and method for automatic recognition and labeling of anatomical structures and vessels in medical imaging scans | |
US9147268B2 (en) | Subtraction of projection data in medical diagnostic imaging | |
US20070116332A1 (en) | Vessel segmentation using vesselness and edgeness | |
US8064673B2 (en) | Combined segmentation and registration framework for parametric shapes | |
US8428316B2 (en) | Coronary reconstruction from rotational X-ray projection sequence | |
CN102715906A (zh) | 从c臂血管造影术的单扫描估算3d心脏运动的方法和系统 | |
CN112419484A (zh) | 三维血管合成方法、系统及冠状动脉分析系统和存储介质 | |
CN116503607B (zh) | 一种基于深度学习的ct图像分割方法和系统 | |
CN115705638A (zh) | 医学图像优化方法、系统、电子设备及存储介质 | |
CN114820664B (zh) | 图像数据处理方法、装置、图像数据处理设备及存储介质 | |
CN110852993A (zh) | 一种造影剂作用下的成像方法与设备 | |
CN116109618A (zh) | 血管成像方法、装置、电子设备和介质 | |
Nimura et al. | Blood vessel segmentation using line-direction vector based on Hessian analysis | |
Liu et al. | A vessel segmentation method for serialized cerebralvascular DSA images based on spatial feature point set of rotating coordinate system | |
CN112862827B (zh) | 一种左心耳的开口参数确定方法、装置、终端及存储介质 | |
WO2009019535A1 (en) | A method, apparatus, computer-readable medium and use for pharmacokinetic modeling | |
CN114565623A (zh) | 肺血管分割方法、装置、存储介质及电子设备 | |
CN113538419A (zh) | 一种图像处理方法和系统 | |
Lötjönen et al. | Segmentation of MR images using deformable models: Application to cardiac images | |
Kuehnel et al. | New software assistants for cardiovascular diagnosis | |
Shekhar et al. | Medical image processing | |
CN115100222B (zh) | 分离动静脉血管的图像处理方法、装置、存储介质及终端 | |
Shakir et al. | Early detection, segmentation and quantification of coronary artery blockage using efficient image processing technique | |
US20230351557A1 (en) | Method and system for image enhancement | |
CN109700528B (zh) | 一种实时构建心脏三维模型方法及装置 |
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 |