CN114943690A - 医学图像处理方法、装置、计算机设备及可读存储介质 - Google Patents
医学图像处理方法、装置、计算机设备及可读存储介质 Download PDFInfo
- Publication number
- CN114943690A CN114943690A CN202210465291.6A CN202210465291A CN114943690A CN 114943690 A CN114943690 A CN 114943690A CN 202210465291 A CN202210465291 A CN 202210465291A CN 114943690 A CN114943690 A CN 114943690A
- Authority
- CN
- China
- Prior art keywords
- floating frame
- frame
- image
- floating
- reference frame
- 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
- 238000003672 processing method Methods 0.000 title abstract description 21
- 238000007667 floating Methods 0.000 claims abstract description 309
- 230000033001 locomotion Effects 0.000 claims abstract description 170
- 238000012545 processing Methods 0.000 claims abstract description 129
- 238000012937 correction Methods 0.000 claims abstract description 103
- 238000000034 method Methods 0.000 claims abstract description 85
- 238000004458 analytical method Methods 0.000 claims abstract description 24
- 238000003384 imaging method Methods 0.000 claims description 27
- 230000011218 segmentation Effects 0.000 claims description 23
- 238000004590 computer program Methods 0.000 claims description 15
- 239000011159 matrix material Substances 0.000 claims description 13
- 238000012952 Resampling Methods 0.000 claims description 8
- 210000000056 organ Anatomy 0.000 abstract description 56
- 230000000241 respiratory effect Effects 0.000 abstract description 15
- 230000008569 process Effects 0.000 description 35
- 238000010586 diagram Methods 0.000 description 9
- 230000000694 effects Effects 0.000 description 9
- 238000013528 artificial neural network Methods 0.000 description 6
- 238000006243 chemical reaction Methods 0.000 description 6
- 238000013519 translation Methods 0.000 description 6
- 230000029058 respiratory gaseous exchange Effects 0.000 description 4
- 230000001575 pathological effect Effects 0.000 description 3
- 230000000747 cardiac effect Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000011282 treatment Methods 0.000 description 2
- FFBHFFJDDLITSX-UHFFFAOYSA-N benzyl N-[2-hydroxy-4-(3-oxomorpholin-4-yl)phenyl]carbamate Chemical compound OC1=C(NC(=O)OCC2=CC=CC=C2)C=CC(=C1)N1CCOCC1=O FFBHFFJDDLITSX-UHFFFAOYSA-N 0.000 description 1
- 210000000481 breast Anatomy 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 210000001035 gastrointestinal tract Anatomy 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 230000000968 intestinal effect Effects 0.000 description 1
- 210000004072 lung Anatomy 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008855 peristalsis Effects 0.000 description 1
- 238000001959 radiotherapy Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000002604 ultrasonography Methods 0.000 description 1
- 210000004291 uterus Anatomy 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
- G06T7/0014—Biomedical image inspection using an image reference approach
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
-
- 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
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/194—Segmentation; Edge detection involving foreground-background segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
- G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
-
- 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
- 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
- G16H30/40—ICT specially adapted for the handling or processing of medical images for processing medical images, e.g. editing
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20172—Image enhancement details
- G06T2207/20201—Motion blur correction
-
- 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
- G06T2207/30048—Heart; Cardiac
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2210/00—Indexing scheme for image generation or computer graphics
- G06T2210/41—Medical
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- General Health & Medical Sciences (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- Public Health (AREA)
- Quality & Reliability (AREA)
- Multimedia (AREA)
- Magnetic Resonance Imaging Apparatus (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
本申请涉及一种医学图像处理方法、装置、计算机设备及存储介质。该方法包括:获取医学图像,对医学图像中的参考帧进行分割处理,得到参考帧中目标区域的掩模,基于参考帧和掩模,对医学图像中的浮动帧的背景区域图像进行配准处理,得到更新后的浮动帧,对更新后的浮动帧中的背景区域进行运动校正处理,得到浮动帧对应的运动校正图像,并对运动校正图像中的目标区域图像进行运动分析。采用本方法能够通过真实医学图像进行直接处理确定浮动帧中目标器官对应的运动校正图像,不需要借助其他信息来实现运动校正,从而能够使得运动校正图像中目标器官的运动情况与目标器官的真实运动状态相一致,提高了获取到的呼吸运动校正图像的准确性。
Description
技术领域
本申请涉及医疗技术领域,特别是涉及一种医学图像处理方法、装置、计算机设备及可读存储介质。
背景技术
临床中,电影图像时间维度的作用是为了评估某些器官的运动情况,但是人类器官运动有心脏运动、呼吸运动、肠道蠕动等,且多个器官运动会耦合在一起。因此,为了分析目标器官的运动情况,并且避免影响其他器官的呼吸运动,就需要对其他器官的呼吸运动进行校正,以保护目标器官的呼吸运动。
传统技术中,采用旋转、平移、错切、时间或空间角度的运动模型对其他器官的呼吸运动进行校正,以达到保护其他器官呼吸运动的目的。但是,采用传统的方式会存在呼吸运动校正图像不准确的问题。
发明内容
基于此,有必要针对上述技术问题,提供一种医学图像处理方法、装置、计算机设备及可读存储介质。
一种医学图像处理方法,上述方法包括:
获取医学图像,医学图像包括参考帧和至少一个浮动帧;
对参考帧进行分割处理,得到参考帧中目标区域的掩模;
基于参考帧和掩模,对浮动帧中的背景区域进行配准处理,得到更新后的浮动帧,浮动帧包括目标区域和背景区域;
对更新后的浮动帧中的背景区域进行运动校正处理,得到浮动帧对应的运动校正图像,并对运动校正图像中的目标区域图像进行运动分析。
在其中一个实施例中,针对每个浮动帧,基于参考帧和掩模,对浮动帧中的背景区域进行配准处理,得到更新后的浮动帧,包括:
基于参考帧和浮动帧确定初始驱动力;
基于初始驱动力和掩膜确定目标驱动力;
对目标驱动力和浮动帧进行处理,确定更新后的浮动帧。
在其中一个实施例中,基于参考帧和浮动帧确定初始驱动力,包括:
获取参考帧中像素点与浮动帧中像素点之间的相关系数;
通过相关系数对浮动帧进行负梯度运算,得到初始驱动力。
在其中一个实施例中,获取参考帧中像素点与浮动帧中像素点之间的相关系数,包括:
根据参考帧中像素点的像素值和浮动帧中像素点的像素值,计算参考帧的方差和浮动帧的方差,并计算参考帧和浮动帧之间的协方差;
通过参考帧和浮动帧之间的协方差、参考帧的方差和浮动帧的方差,确定参考帧中各像素点与浮动帧中像素点之间的相关参数。
在其中一个实施例中,基于初始驱动力和掩膜确定目标驱动力,包括:
利用预设的标准矩阵与掩膜进行减法运算,得到减法运算结果;
对初始驱动力和减法运算结果进行相乘运算,得到目标驱动力。
在其中一个实施例中,对目标驱动力和浮动帧进行处理,确定更新后的浮动帧,包括:
对目标驱动力进行正则化处理,确定浮动帧的形变场更新量;
通过形变场更新量对浮动帧的初始形变场进行更新,得到更新后的形变场;
基于更新后的形变场,对浮动帧中的像素值进行重采样,得到更新后的浮动帧。
在其中一个实施例中,对更新后的浮动帧中的背景区域进行运动校正处理,得到运动校正图像,包括:一次或多次迭代操作;
至少一次迭代操作包括:
将更新后的浮动帧确定为当前浮动帧;
基于参考帧和掩模,对当前浮动帧中的背景区域进行配准处理,得到当前浮动帧的运动校正图像;
根据当前浮动帧的运动校正图像更新当前浮动帧;迭代操作的收敛条件为迭代次数达到预设次数阈值或相关参数的精度达到预设精度。
一种医学图像处理装置,上述装置包括:
图像获取模块,用于获取医学图像,医学图像包括参考帧和至少一个浮动帧;
分割模块,用于对参考帧进行分割处理,得到参考帧中目标区域的掩模;
配准处理模块,用于参考帧和所述掩模,对浮动帧中的背景区域进行配准处理,得到更新后的浮动帧,浮动帧包括所述目标区域和背景区域;
运动校正模块,用于对更新后的浮动帧中的背景区域进行运动校正处理,得到浮动帧对应的运动校正图像,并对运动校正图像中的目标区域图像进行运动分析。
一种计算机设备,包括存储器和处理器,存储器存储有计算机程序,处理器执行计算机程序时实现以下步骤:
获取医学图像,医学图像包括参考帧和至少一个浮动帧,且参考帧、浮动帧分别对应成像对象一次扫描的不同生理期相;
获取目标区域的掩膜,目标区域对应所述参考帧或浮动帧中的感兴趣区域;
基于参考帧和掩模,对浮动帧中的至少部分区域进行配准处理,得到更新后的浮动帧;
对更新后的浮动帧中的至少部分区域进行运动校正处理,得到浮动帧对应的运动校正图像;感兴趣区域在运动校正图像中的对应区域相对在浮动帧中的对应区域保持一致。
一种可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:
获取医学图像,医学图像包括参考帧和至少一个浮动帧;
对参考帧进行分割处理,得到参考帧中目标区域的掩模;
基于参考帧和掩模,对浮动帧中的背景区域进行配准处理,得到更新后的浮动帧,浮动帧包括目标区域和背景区域;
对更新后的浮动帧中的背景区域进行运动校正处理,得到浮动帧对应的运动校正图像,并对运动校正图像中的目标区域图像进行运动分析。
上述医学图像处理方法、装置、计算机设备及可读存储介质,计算机设备可以获取医学图像,对医学图像中的参考帧进行分割处理,得到参考帧中目标区域的掩模,基于参考帧和掩模,对医学图像中的浮动帧的背景区域图像进行配准处理,得到更新后的浮动帧,对更新后的浮动帧中的背景区域进行运动校正处理,得到浮动帧对应的运动校正图像,并对运动校正图像中的目标区域图像进行运动分析;该方法可以通过真实医学图像进行直接处理确定浮动帧中目标器官对应的运动校正图像,不需要借助其他信息来实现运动校正,从而能够使得运动校正图像中目标器官的运动情况与成像对象的目标器官的真实运动状态相一致,提高了获取到的呼吸运动校正图像的准确性。
附图说明
图1为一个实施例中医学图像处理方法的应用环境图;
图2为一个实施例中医学图像处理方法的流程示意图;
图3为一个实施例中对浮动帧中的背景区域图像进行配准处理的方法流程示意图;
图4为一个实施例中基于参考帧和浮动帧确定初始驱动力的方法流程示意图;
图5为一个实施例中基于初始驱动力和掩膜确定目标驱动力的方法流程示意图;
图6为另一个实施例中对目标驱动力和浮动帧进行处理得到更新后的浮动帧的方法流程示意图;
图7为另一个实施例中包含心脏区域的浮动帧;
图8为另一个实施例中为图8对应发生运动偏移的图像;
图9为另一个实施例中为图9实现运动校正处理后的图像;
图10为另一个实施例中为图9对应的形变图像;
图11为一个实施例中医学图像处理装置的结构框图;
图12为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
本申请提供的医学图像处理方法,可以适用于图1所示的磁共振扫描设备和计算机设备。可选的,磁共振扫描设备和计算机设备之间可以通信连接,该连接方式可以为蓝牙、移动网络、wifi等方式。可选的,计算机设备可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备,还可以用独立的服务器或者是多个服务器组成的服务器集群来实现,本实施例对计算机设备的具体形式不做限定。可选的,磁共振扫描设备可以扫描成像对应的目标区域,并采集医学数据,之后将医学数据发送给计算机设备,计算机设备对医学数据进行重建得到参考帧和浮动帧。可选的,参考帧和浮动帧均可以为X线图像、放射性核素图像、超声图像和磁共振图像等等中的至少一种。下述实施例中将具体介绍医学图像处理方法的具体过程。
为了分析成像对象的目标部位或者目标器官的病理状况,需要对成像对象的医学图像中的其他部位或者其他器官对应的图像进行保护,进一步分析医学图像中目标部位或者目标器官的图像,确定目标器官的运行情况,这样能够使得分析结果和成像对象其他部位或者其他器官不运动时的分析结果一致,从而能够提高分析结果的准确性,以帮助医生对成像对象的病理分析。基于此,本实施例提供了一种医学图像处理方法,如图2所示为医学图像处理方法的流程示意图,以该方法应用于图1中的计算机设备为例进行说明,包括以下步骤:
S100、获取医学图像,医学图像包括参考帧和至少一个浮动帧。
具体的,上述医学图像可以为实时采集到的成像对象的图像,也可以为本地或者云端存储的预先采集的成像对象的图像。本实施例可以将参考帧作为基准图像,对每个浮动帧进行运动校正处理。
需要说明的是,参考帧与浮动帧为同一成像对象在一次扫描过程中对应不同生理期相的医学图像;参考帧可以是生理运动相对平稳的期相。
S200、对参考帧进行分割处理,得到参考帧中目标区域的掩模。
具体的,参考帧中包括目标区域和除目标区域以外的背景区域的图像;目标区域可以为图像中成像对象的感兴趣区域,该感兴趣区域对应成像对象的感兴趣组织或感兴趣器官,即目标组织或目标器官;上述背景区域可以为图像中成像对象的非感兴趣区域。可选的,参考帧可以为目标区域图像和背景区域图像结合后的图像。参考帧的尺寸可以为任意尺寸,只要参考帧中包括目标区域图像的尺寸均可。
可选的,若当前需要分析成像对象的目标部位或者目标器官得到病理状态,则参考帧可以为包括目标部位和目标部位周围其他部位的医学图像,还可以为包括目标器官和目标器官周围其他部位的医学图像。
可以理解的是,计算机设备可以采用基于阈值、基于区域、基于边缘和/或基于神经网络等等的分割方法,对参考帧中的目标区域进行分割处理,得到分割图像以及该分割图像中目标区域的掩模。其中,采用的分割方法中涉及到的参数可以根据实际分割的目标区域进行设定。在本实施例中,可以采用基于神经网络的分割方法实现分割处理;具体地,采用的神经网络模型可以为自组织映射神经网络分割模型、图神经网络分割模型和/或遗传神经网络分割模型等等。在本实施例中,可以采用全卷积神经网络分割模型实现分割处理,如Vnet分割模型。
需要说明的是,分割图像中目标区域的掩模可以为医学图像中目标区域的掩模。可选的,上述分割图像可以为成像对象的目标部位对应的图像,还可以为成像对象的目标器官对应的图像。可选的,参考帧可以为包括目标部位或者目标器官的大面积区域图像,对应地,分割图像可以为包括目标部位或者目标器官的小面积区域图像。可选的,分割图像的尺寸与目标区域的掩模的尺寸可以相同。目标区域的掩模可以为要保护的目标部位或目标器官对应的像素点的像素值为1,待校正的其他器官对应的像素点的像素值为0。
在本实施例中,上述目标区域为目标器官的区域。上述目标器官可以为成像对象的心脏、肠道、子宫、肺或者乳腺等等存在局部运动的器官。其中,由于磁共振电影成像技术能够对成像对象运动的器官实施快速成像,因此,在本实施例中,以上述参考帧和浮动帧均为磁共振电影图像为例进行说明医学图像处理方法中的具体过程。
S300、基于参考帧和掩模,对浮动帧中的背景区域图像进行配准处理,得到更新后的浮动帧;浮动帧包括目标区域和除目标区域以外的背景区域的图像。
具体的,配准处理的图像可以为局部发生形变的图像。可选的,配准处理可以是指在相同或不同的主体上获取的相同或不同模式的图像间求取空间对齐,广泛应用于放射治疗计划制定、手术引导、成像运动校准、疾病诊断、图像分割以及治疗效果跟踪检查中。
需要说明的是,由于目标器官的运动会导致对应的浮动帧中的局部发生形变,因此,计算机设备可以基于参考帧和参考帧中目标区域的掩模,浮动帧中的背景区域图像进行配准处理,得到更新后的浮动帧。可选的,浮动帧可以为实时采集到的一个或多个包括目标区域和目标区域之外的背景区域的医学图像。可选的,计算机设备可以基于参考帧和参考帧中目标区域的掩模,对浮动帧中的背景区域图像进行配准处理。
可以理解的是,配准处理可以理解为对齐、匹配处理,还可以理解为对待配准图像进行平移、转换、旋转、缩放、翻转、运算等处理的过程。可选的,上述待配准图像可以为浮动帧。
其中,上述平移处理可以理解为将待配准图像中的部分或所有像素点按照给定的平移量进行水平(x轴)或垂直(y轴)方向移动的过程;上述转换处理可以理解为将待配准图像中的部分或所有像素点与对应坐标点之间的转换过程;上述旋转处理可以理解为将待配准图像中的部分或所有像素点以原点为圆心旋转预设角度的过程;上述缩放处理可以理解为将待配准图像中的所有像素点水平(x轴)或垂直(y轴)方向缩放预设倍数的过程;上述翻转处理可以理解为将待配准图像中的部分或所有像素点以预设轴线为对称轴翻转的过程;上述运算处理可以理解为对待配准图像中的部分或所有像素点进行加法、减法、乘法、除法、指数和/或对数等运算处理的过程。
S400、基于更新后的浮动帧,对浮动帧中的背景区域图像进行运动校正处理,得到运动校正图像,并对运动校正图像中的目标区域图像进行运动分析。
具体的,上述运动校正处理可以理解为平移、转换、旋转、缩放、翻转、运算等处理。其中,计算机设备可以基于更新后的浮动帧,对浮动帧中的背景区域图像进行平移、转换、旋转、缩放、翻转、运算等处理,得到运动校正图像。进一步,计算机设备还可以对运动校正图像中的目标区域图像进行运动分析,以评估成像对象的目标器官的运动情况。
如,目标器官为心脏时,计算机设备可以进一步对心脏区域图像进行运动分析,以评估成像对象的心脏形态和功能;该运动分析可以为射血分数计算、心脏应力分析等等。若目标器官为其他器官时,运动分析的目的也类似。
需要说明的是,上述运动校正图像可以为对浮动帧中背景区域图像进行运动校正且未对目标区域图像进行运动校正的图像。可选的,运动校正图像中的目标区域图像与浮动帧中的目标区域图像可以相同,但是,运动校正图像中的背景区域图像与浮动帧中的背景区域图像不相同。在本实施例中,上述浮动帧可以理解为待校正图像。
上述医学图像处理方法中,计算机设备可以获取医学图像,对医学图像中的参考帧进行分割处理,得到参考帧中目标区域的掩模,基于参考帧和掩模,对医学图像中的浮动帧的背景区域图像进行配准处理,得到更新后的浮动帧,基于更新后的浮动帧,对浮动帧中的背景区域图像进行运动校正处理得到运动校正图像,并对运动校正图像中的目标区域图像进行运动分析;该方法可以通过浮动帧中其他器官图像的呼吸运动,来保护浮动帧中目标器官图像的呼吸运动,以使得浮动帧中目标器官图像的呼吸运动能够保持原状,为下一步分析目标器官的运动情况提供准确的基础信息;同时,该方法并不影响成像对象的自由呼吸就能够获取浮动帧中目标器官对应的运动校正图像,也不会对成像对象带来呼吸困难的情况,可以直接对成像对象自由呼吸状态下的参考帧和浮动帧进行一系列处理,就能够确定浮动帧中目标器官对应的运动校正图像,从而能够提高呼吸运动校正方法的普遍适用性;另外,该方法可以通过真实医学图像进行直接处理确定浮动帧中目标器官对应的运动校正图像,不需要借助其他信息来实现运动校正,就能够使得运动校正图像中目标器官的运动情况与成像对象的目标器官的真实运动状态相一致,提高了获取的呼吸运动校正图像的准确性;此外,该方法还可以对运动校正图像中的目标区域图像进行运动分析,以评估成像对象的目标器官的运动情况。
为了对浮动帧进行运动校正处理,先需要通过浮动帧进行配准处理,因此,在一实施例中,如图3所示,针对每个浮动帧,上述S200中基于参考帧和掩模,对浮动帧中的背景区域图像进行配准处理,得到更新后的浮动帧的步骤,可以通过以下步骤实现:
S210、基于参考帧和浮动帧确定初始驱动力。
具体的,计算机设备可以对参考帧和浮动帧中部分或全部像素点的像素值进行第一运算处理得到初始驱动力f1。
需要说明的是,上述第一运算处理可以为加法、减法、乘法、除法、指数、开根号、平方和/或对数等运算处理。可选的,上述初始驱动力f1可以理解为目标器官和其他器官在参考帧和浮动帧中的形变量。可选的,初始驱动力f1的尺寸、参考帧的尺寸和浮动帧的尺寸均可以相同。
S220、基于初始驱动力和掩膜确定目标驱动力。
具体的,计算机设备可以对初始驱动力f1和参考帧中目标区域的掩模进行第二运算处理,得到目标驱动力f2。可选的,第二运算处理与上述第一运算处理可以相同,也可以不相同。
S230、对目标驱动力和浮动帧进行处理,得到更新后的浮动帧。
需要说明的是,计算机设备可以对目标驱动力和浮动帧进行第三运算处理、对比处理、卷积处理和/或数据转换处理等,得到更新后的浮动帧。第三运算处理与上述第二运算处理、第一运算处理可以相同,也可以不相同。
上述医学图像处理方法可以基于参考帧和浮动帧确定初始驱动力,基于初始驱动力和掩膜确定目标驱动力,对目标驱动力和浮动帧进行处理,得到更新后的浮动帧;该方法可以通过目标区域的掩模对浮动帧中的目标器官图像进行保护,以提高对浮动帧中目标区域图像进行运动分析的结果的准确度。
在其中一个实施例中,如图4所示,上述S210中基于参考帧和浮动帧确定初始驱动力的步骤,可以包括:
S211、获取参考帧中像素点与浮动帧中像素点之间的相关系数。
具体的,本实施例可以对一个浮动帧或者多个浮动帧进行运动校正,因此,针对每个浮动帧,计算机设备可以采用均方误差法、互信息法、相关系数法或局部互相关系数法,分别对参考帧和浮动帧进行运算处理,得到参考帧中像素点与浮动帧中像素点之间的相关系数。可选的,该运算处理可以为加法、减法、乘法、除法、指数、开根号、平方和/或对数等运算处理。
其中,上述相关系数可以理解为参考帧中的各像素点与浮动帧中对应像素点之间的相似程度。
下面将介绍采用局部互相关系数法计算参考帧中像素点与浮动帧中像素点之间的相关系数的过程,在一实施例中,上述S211中获取参考帧中像素点与浮动帧中像素点之间的相关系数的步骤,具体可以包括:根据参考帧中的像素值和浮动帧中的像素值,计算参考帧的方差和浮动帧的方差,并计算参考帧和浮动帧之间的协方差;通过参考帧和浮动帧之间的协方差、参考帧的方差和浮动帧的方差,确定参考帧中各像素点与浮动帧中像素点之间的相关参数。
其中,计算机设备可以对参考帧和浮动帧之间的协方差、参考帧的方差和浮动帧的方差进行运算处理,得到参考帧中各像素点与浮动帧中像素点之间的相关参数lcc;该运算处理也可以为加法、减法、乘法、除法、指数、开根号、平方和/或对数等运算处理。
在本实施例中,若参考帧为帧1,浮动帧以帧2为例进行解释,则计算机设备可以分别计算帧1和帧2中所有像素点的像素值的方差,分别为v1和v2,并计算帧1与帧2之间的协方差Cov1,2,之后计算参考帧中各像素点与浮动帧中像素点之间的相关参数lcc1,2=Cov2 1,2/(v1*v2)。针对各浮动帧,可以分别采用上述方式计算参考帧与浮动帧之间的相关参数。
S212、通过相关系数对浮动帧进行负梯度运算,得到初始驱动力。
具体的,计算机设备可以通过参考帧与各浮动帧之间的相关参数,计算对应浮动帧的负梯度方向导数(负梯度运算),得到各浮动帧对应的初始驱动力f1。
上述医学图像处理方法可以获取参考帧中像素点与浮动帧中像素点之间的相关系数,通过相关系数对浮动帧进行负梯度运算,得到初始驱动力,进一步通过初始驱动力确定目标驱动力,以通过目标驱动力对浮动帧进行运动校正,提高运动校正结果的准确性。
在其中一个实施例中,如图5所示,上述S220中基于初始驱动力和掩膜确定目标驱动力的步骤,可以包括:
S221、利用预设的标准矩阵与掩膜进行减法运算,得到减法运算结果。
具体的,预设的标准矩阵可以为常数矩阵,该标准矩阵的尺寸与参考帧中目标区域的掩模的尺寸相同。可选的,标准矩阵中的所有数值可以相同,也可以不相同。标准矩阵中的各数值可以为任意数值,但在本实施例中,标准矩阵中的所有数值均为1。
需要说明的是,计算机设备可以用预设的标准矩阵与参考帧中目标区域的掩膜作差,得到减法运算结果。可选的,减法运算结果可以为矩阵形式,减法运算结果的尺寸与参考帧中目标区域的掩模的尺寸也可以相同。
S222、对初始驱动力和减法运算结果进行相乘运算,得到目标驱动力。
需要说明的是,计算机设备可以对初始驱动力和减法运算结果对应位置上的数值进行相乘,得到目标驱动力。可选的,目标驱动力的尺寸与初始驱动力的尺寸可以相同。其中,目标驱动力的对应位置上的数值可以等于初始驱动力和减法运算结果对应位置上的数值相乘的结果。
上述医学图像处理方法可以基于初始驱动力确定目标驱动力,进一步通过目标驱动力对浮动帧进行运动校正,使得该方法能够提高运动校正结果的准确性。
下面将介绍如何获取更新后的浮动帧的过程,在则一实施例中,如图6所示,上述S230中对目标驱动力和浮动帧进行处理,得到更新后的浮动帧的步骤,具体可以包括:
S231、对目标驱动力进行正则化处理,确定浮动帧的形变场更新量。
具体的,计算机设备可以对目标驱动力f2进行正则化处理,得到浮动帧的形变场更新量u。可选的,浮动帧的形变场更新量u可以理解为目标器官在运动情况下的形变场s的变化量。在本实施例中,浮动帧的形变场更新量u的尺寸与浮动帧的尺寸相同。
可以理解的是,上述正则化处理可以为加法运算、减法运算、乘法运算、除法运算、指数运算和/或对数运算等处理。但在本实施例中,上述正则化处理为卷积运算。具体地,计算机设备可以将目标驱动力f2与卷积核k进行卷积运算,得到浮动帧的形变场更新量u。其中,浮动帧的形变场更新量u等于可选的,卷积核k可以为转置卷积核、可分离卷积核、空洞卷积核等等。但在本实施例中,上述卷积核k为高斯卷积核。
S232、通过形变场更新量对浮动帧的初始形变场进行更新,得到更新后的形变场。
具体的,计算机设备可以对形变场更新量u和浮动帧的初始形变场s1进行算术运算,实现更新过程,得到更新后的形变场s2。在本实施例中,对形变场更新量u和浮动帧的初始形变场s1进行加法运算得到更新后的形变场s2,即更新后的形变场s2等于s1+u。可选的,浮动帧的初始形变场s1的大小与更新后的形变场s2的大小相同。
S233、基于更新后的形变场,对浮动帧中的像素值进行重采样,得到更新后的浮动帧。
在本实施例中,更新后的形变场s2的大小与浮动帧的大小相同。可选的,计算机设备可以对更新后的形变场s2和浮动帧中的像素值进行第四运算处理完成重采样,得到更新后的浮动帧。可选的,第四运算处理与上述第三运算处理、第二运算处理、第一运算处理可以相同,也可以不相同。但在本实施例中,上述第四运算处理为加法运算。
其中,计算机设备可以对更新后的形变场s2中的每个数值和浮动帧中对应位置上的像素值分别进行加法运算,得到浮动帧中每个位置对应的加法和,并将所有位置上的加法和按照对应位置组合得到更新后的浮动帧。
上述医学图像处理方法可以对目标驱动力和浮动帧进行处理得到更新后的浮动帧,从而实现对浮动帧的配准,以进一步提高对浮动帧中目标区域图像进行运动分析的结果的准确度;并且该方法还可以通过正则化处理来消除目标驱动力的过拟合处理,从而能够提高运动校正结果的准确性。
为了保护浮动帧中目标器官图像,并且能够准确对浮动帧中背景区域图像进行运动校正,在则一实施例中,上述S300中对更新后的浮动帧中的背景区域进行运动校正处理的步骤,可以包括:一次或多次迭代操作:
至少一次迭代操作包括:将更新后的浮动帧确定为当前浮动帧;基于参考帧和所述掩模,对当前浮动帧中的背景区域进行配准处理,得到当前浮动帧的运动校正图像;根据当前浮动帧的运动校正图像更新当前浮动帧;迭代操作的收敛条件为迭代次数达到预设次数阈值或相关参数的精度达到预设精度。
需要说明的是,计算机设备可以将获取到的更新后的浮动帧确定为当前浮动帧,并对当前浮动帧中的背景区域进行配准处理得到更新后的当前浮动帧,若当前迭代次数达到预设次数阈值或当前相关参数的精度达到预设精度时,将更新后的当前浮动帧确定为当前浮动帧的运动校正图像。
可以理解的是,若当前迭代次数未达到预设次数阈值且当前相关参数的精度未达到预设精度时,可以将当前浮动帧的运动校正图像确定为当前浮动帧,针对当前浮动帧,继续执行基于参考帧和所述掩模,对当前浮动帧中的背景区域进行配准处理的步骤,直到当前迭代次数达到预设次数阈值或当前相关参数的精度达到预设精度为止,迭代操作结束,并将更新后的当前浮动帧确定为当前浮动帧的运动校正图像。其中,该运动校正图像是对当前浮动帧中的目标区域进行了保护,并对当前浮动帧中的背景区域进行了运动校正后的图像。
在本实施例中,迭代操作可以理解为针对当前浮动帧,重复执行上述S300中步骤的过程,直到迭代次数等于预设迭代次数阈值或获取的相关参数的精度等于预设精度为止,迭代操作结束。
可以理解的是,对于每个浮动帧,初始形变场s1均为0,当下一次迭代处理时,初始形变场s1等于更新后的形变场s2。
示例性的,若浮动帧为包括心脏区域的图像,且如图7所示为包括心脏区域的参考帧,该参考帧为心脏下方的膈肌区域不存在运动偏移的图像,图7中间的白色曲线表示膈肌区域边界线,则对图7中浮动帧中的膈肌区域进行运动校正处理之前心脏区域下方的膈肌区域存在运动偏移的图像,如图8所示(图8中间的白色曲线表示膈肌区域由于运动偏移,导致膈肌区域的边界线发生偏移的偏移线);对应地,如图9所示为对浮动帧进行运动校正处理后得到的运动校正图像;图9与图7大致相同,也就是,对图8中的膈肌区域进行运动校正处理后,膈肌区域边界与参考帧中膈肌区域边界基本一致了。另外,如图10所示为图8对应的形变图像,图10中的正方格表示未发生运动形变的区域,有形变的格子为发生运动形变的区域,白色区域为心脏区域。其中,本实施例是对浮动帧中的心脏区域进行了保护,对膈肌区域进行了运动校正。
上述医学图像处理方法可以通过迭代循环处理,获取最优的更新后的浮动帧,并将最优的更新后的浮动帧确定为浮动帧的运动校正图像,该方法不但可以校正浮动帧的中背景区域的运动影响,还可以保护目标区域的运动,从而能够提高呼吸运动校正方法的普遍适用性;另外,该方法可以通过真实医学图像进行直接处理确定浮动帧中目标器官对应的运动校正图像,不需要借助其他信息来实现运动校正,从而能够使得运动校正图像中目标器官的运动情况与成像对象的目标器官的真实运动状态相一致,提高了获取到的呼吸运动校正图像的准确性。
为了便于本领域技术人员的理解,以执行主体为计算机设备为例介绍本申请提供的医学图像处理方法,具体的,该方法包括:
(1)获取医学图像,医学图像包括参考帧和至少一个浮动帧。
(2)对参考帧进行分割处理,得到参考帧中目标区域的掩模,浮动帧包括目标区域和背景区域。
针对每个浮动帧,执行下述步骤:
(3)根据参考帧中像素点的像素值和浮动帧中像素点的像素值,计算参考帧的方差和浮动帧的方差,并计算参考帧和浮动帧之间的协方差。
(4)通过参考帧和浮动帧之间的协方差、参考帧的方差和浮动帧的方差,确定参考帧中各像素点与浮动帧中像素点之间的相关参数。
(5)通过相关系数对浮动帧进行负梯度运算,得到初始驱动力。
(6)利用预设的标准矩阵与掩膜进行减法运算,得到减法运算结果。
(7)对初始驱动力和减法运算结果进行相乘运算,得到目标驱动力。
(8)对目标驱动力进行正则化处理,确定浮动帧的形变场更新量。
(9)通过形变场更新量对浮动帧的初始形变场进行更新,得到更新后的形变场。
(10)基于更新后的形变场,对浮动帧中的像素值进行重采样,得到更新后的浮动帧。
(11)对更新后的形变场和浮动帧中的像素值进行加法运算,得到更新后的浮动帧。
(12)将更新后的浮动帧确定为当前浮动帧,针对当前浮动帧,继续迭代执行上述步骤(3)-(11),迭代操作的收敛条件为迭代次数达到预设次数阈值或相关参数的精度达到预设精度。
以上(1)至(13)的执行过程具体可以参见上述实施例的描述,其实现原理和技术效果类似,在此不再赘述。
应该理解的是,虽然图2-6的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其他的顺序执行。而且,图2-6中的至少一部分步骤可以包括多个步骤或者多个阶段,这些步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其他步骤或者其他步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中,如图11所示,提供了一种医学图像处理装置,包括:图像获取模块11、分割模块12、配准处理模块13和运动校正模块14,其中:
图像获取模块11,用于获取医学图像,医学图像包括参考帧和至少一个浮动帧;
分割模块12,用于对参考帧进行分割处理,得到参考帧中目标区域的掩模;
配准处理模块13,用于参考帧和掩模,对浮动帧中的背景区域进行配准处理,得到更新后的浮动帧,浮动帧包括所述目标区域和背景区域;
运动校正模块14,用于对更新后的浮动帧中的背景区域进行运动校正处理,得到浮动帧对应的运动校正图像,并对运动校正图像中的目标区域图像进行运动分析。
本实施例提供的医学图像处理装置,可以执行上述方法实施例,其实现原理和技术效果类似,在此不再赘述。
在其中一个实施例中,配准处理模块13包括:初始驱动力确定单元、目标驱动力确定单元和处理单元,其中:
初始驱动力确定单元,用于根据参考帧和浮动帧确定初始驱动力;
目标驱动力确定单元,用于基于初始驱动力和掩膜确定目标驱动力;
处理单元,用于对目标驱动力和浮动帧进行处理,确定更新后的浮动帧。
本实施例提供的医学图像处理装置,可以执行上述方法实施例,其实现原理和技术效果类似,在此不再赘述。
在其中一个实施例中,初始驱动力确定单元包括:处理子单元和负梯度运算子单元,其中:
处理子单元,用于获取参考帧中像素点与浮动帧中像素点之间的相关系数;
负梯度运算子单元,用于通过相关系数对浮动帧进行负梯度运算,得到初始驱动力。
本实施例提供的医学图像处理装置,可以执行上述方法实施例,其实现原理和技术效果类似,在此不再赘述。
在其中一个实施例中,处理子单元具体用于根据参考帧中的像素值和浮动帧中的像素值,计算参考帧的方差和浮动帧的方差,以及计算参考帧和浮动帧之间的协方差,并通过参考帧和浮动帧之间的协方差、参考帧的方差和浮动帧的方差,确定参考帧中各像素点与浮动帧中像素点之间的相关参数。
本实施例提供的医学图像处理装置,可以执行上述方法实施例,其实现原理和技术效果类似,在此不再赘述。
在其中一个实施例中,目标驱动力确定单元包括:减法运算子单元和乘法运算子单元,其中:
减法运算子单元,用于根据预设的标准矩阵与掩膜进行减法运算,得到减法运算结果;
乘法运算子单元,用于对初始驱动力和减法运算结果进行相乘运算,得到目标驱动力。
本实施例提供的医学图像处理装置,可以执行上述方法实施例,其实现原理和技术效果类似,在此不再赘述。
在其中一个实施例中,处理单元包括:正则化处理子单元、形变场更新子单元和重采样子单元,其中:
正则化处理子单元,用于对目标驱动力进行正则化处理,确定浮动帧的形变场更新量;
形变场更新子单元,用于通过形变场更新量对浮动帧的初始形变场进行更新,得到更新后的形变场;
重采样子单元,用于根据更新后的形变场,对浮动帧中的像素值进行重采样,得到更新后的浮动帧。
本实施例提供的医学图像处理装置,可以执行上述方法实施例,其实现原理和技术效果类似,在此不再赘述。
在其中一个实施例中,运动校正模块14包括:迭代处理单元,其中:
迭代处理单元,用于将更新后的浮动帧确定为当前浮动帧,基于参考帧和掩模,对当前浮动帧中的背景区域进行配准处理,得到当前浮动帧的运动校正图像,根据当前浮动帧的运动校正图像更新当前浮动帧;迭代操作的收敛条件为迭代次数达到预设次数阈值或相关参数的精度达到预设精度。
本实施例提供的医学图像处理装置,可以执行上述方法实施例,其实现原理和技术效果类似,在此不再赘述。
关于医学图像处理装置的具体限定可以参见上文中对于医学图像处理方法的限定,在此不再赘述。上述医学图像处理装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是服务器,其内部结构图可以如图12所示。该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储医学图像、图像帧和待校正图像帧。该计算机设备的网络接口用于与外部的终点通过网络连接通信。该计算机程序被处理器执行时以实现一种医学图像处理法。
本领域技术人员可以理解,图12中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现以下步骤:
获取医学图像,医学图像包括参考帧和至少一个浮动帧,且参考帧、浮动帧分别对应成像对象一次扫描的不同生理期相;
获取目标区域的掩膜,目标区域对应所述参考帧或浮动帧中的感兴趣区域;
基于参考帧和掩模,对浮动帧中的至少部分区域进行配准处理,得到更新后的浮动帧;
对更新后的浮动帧中的至少部分区域进行运动校正处理,得到浮动帧对应的运动校正图像;感兴趣区域在运动校正图像中的对应区域相对在浮动帧中的对应区域保持一致。
在一个实施例中,提供了一种可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:
获取医学图像,医学图像包括参考帧和至少一个浮动帧;
对参考帧进行分割处理,得到参考帧中目标区域的掩模;
基于参考帧和掩模,对浮动帧中的背景区域进行配准处理,得到更新后的浮动帧,浮动帧包括目标区域和背景区域;
对更新后的浮动帧中的背景区域进行运动校正处理,得到浮动帧对应的运动校正图像,并对运动校正图像中的目标区域图像进行运动分析。
在一个实施例中,提供了一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现以下步骤:
获取医学图像,医学图像包括参考帧和至少一个浮动帧;
对参考帧进行分割处理,得到参考帧中目标区域的掩模;
基于参考帧和掩模,对浮动帧中的背景区域进行配准处理,得到更新后的浮动帧,浮动帧包括目标区域和背景区域;
对更新后的浮动帧中的背景区域进行运动校正处理,得到浮动帧对应的运动校正图像,并对运动校正图像中的目标区域图像进行运动分析。
本领域普通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,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-Only Memory,ROM)、磁带、软盘、闪存或光存储器等。易失性存储器可包括随机存取存储器(Random Access Memory,RAM)或外部高速缓冲存储器。作为说明而非局限,RAM可以是多种形式,比如静态随机存取存储器(Static Random Access Memory,SRAM)或动态随机存取存储器(Dynamic Random Access Memory,DRAM)等。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种医学图像处理方法,其特征在于,所述方法包括:
获取医学图像,所述医学图像包括参考帧和至少一个浮动帧;
对所述参考帧进行分割处理,得到所述参考帧中目标区域的掩模;
基于所述参考帧和所述掩模,对所述浮动帧中的背景区域进行配准处理,得到更新后的浮动帧;所述浮动帧包括所述目标区域和背景区域;
对所述更新后的浮动帧中的背景区域进行运动校正处理,得到所述浮动帧对应的运动校正图像,并对所述运动校正图像中的目标区域图像进行运动分析。
2.根据权利要求1所述的方法,其特征在于,针对每个浮动帧,所述基于所述参考帧和所述掩模,对所述浮动帧中的背景区域进行配准处理,得到更新后的浮动帧,包括:
基于所述参考帧和所述浮动帧确定初始驱动力;
基于所述初始驱动力和所述掩膜确定目标驱动力;
对所述目标驱动力和所述浮动帧进行处理,确定所述更新后的浮动帧。
3.根据权利要求2所述的方法,其特征在于,所述基于所述参考帧和所述浮动帧确定初始驱动力,包括:
获取所述参考帧中像素点与所述浮动帧中像素点之间的相关系数;
通过所述相关系数对所述浮动帧进行负梯度运算,得到所述初始驱动力。
4.根据权利要求3所述的方法,其特征在于,所述获取所述参考帧中像素点与所述浮动帧中像素点之间的相关系数,包括:
根据所述参考帧中像素点的像素值和所述浮动帧中像素点的像素值,计算所述参考帧的方差和所述浮动帧的方差,并计算所述参考帧和所述浮动帧之间的协方差;
通过所述参考帧和所述浮动帧之间的协方差、所述参考帧的方差和所述浮动帧的方差,确定所述参考帧中各像素点与所述浮动帧中像素点之间的相关参数。
5.根据权利要求2所述的方法,其特征在于,所述基于所述初始驱动力和所述掩膜确定目标驱动力,包括:
利用预设的标准矩阵与所述掩膜进行减法运算,得到减法运算结果;
对所述初始驱动力和所述减法运算结果进行相乘运算,得到所述目标驱动力。
6.根据权利要求2-5中任一项所述的方法,其特征在于,所述对所述目标驱动力和所述浮动帧进行处理,确定所述更新后的浮动帧,包括:
对所述目标驱动力进行正则化处理,确定所述浮动帧的形变场更新量;
通过所述形变场更新量对所述浮动帧的初始形变场进行更新,得到更新后的形变场;
基于所述更新后的形变场,对所述浮动帧中的像素值进行重采样,得到所述更新后的浮动帧。
7.根据权利要求1所述的方法,其特征在于,所述对所述更新后的浮动帧中的背景区域进行运动校正处理包括:一次或多次迭代操作;
至少一次迭代操作包括:
将所述更新后的浮动帧确定为当前浮动帧;
基于所述参考帧和所述掩模,对所述当前浮动帧中的背景区域进行配准处理,得到所述当前浮动帧的运动校正图像;
根据所述当前浮动帧的运动校正图像更新所述当前浮动帧;所述迭代操作的收敛条件为迭代次数达到预设迭代次数阈值或相关参数的精度达到预设精度。
8.一种医学图像处理装置,其特征在于,所述装置包括:
图像获取模块,用于获取医学图像,所述医学图像包括参考帧和至少一个浮动帧;
分割模块,用于对所述参考帧进行分割处理,得到所述参考帧中目标区域的掩模;
配准处理模块,用于根据所述参考帧和所述掩模,对所述浮动帧中的背景区域进行配准处理,得到更新后的浮动帧;所述浮动帧包括所述目标区域和背景区域;
运动校正模块,用于对所述更新后的浮动帧中的背景区域进行运动校正处理,得到所述浮动帧对应的运动校正图像,并对所述运动校正图像中的目标区域图像进行运动分析。
9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如下步骤:
获取医学图像,所述医学图像包括参考帧和至少一个浮动帧,且所述参考帧、所述浮动帧分别对应成像对象一次扫描的不同生理期相;
获取目标区域的掩膜,所述目标区域对应所述参考帧或所述浮动帧中的感兴趣区域;
基于所述参考帧和所述掩模,对所述浮动帧中的至少部分区域进行配准处理,得到更新后的浮动帧;
对所述更新后的浮动帧中的至少部分区域进行运动校正处理,得到所述浮动帧对应的运动校正图像;所述感兴趣区域在所述运动校正图像中的对应区域相对在所述浮动帧中的对应区域保持一致。
10.一种可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210465291.6A CN114943690A (zh) | 2022-04-29 | 2022-04-29 | 医学图像处理方法、装置、计算机设备及可读存储介质 |
US18/141,412 US20230351597A1 (en) | 2022-04-29 | 2023-04-29 | Methods and devices for medical image processing |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210465291.6A CN114943690A (zh) | 2022-04-29 | 2022-04-29 | 医学图像处理方法、装置、计算机设备及可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114943690A true CN114943690A (zh) | 2022-08-26 |
Family
ID=82906603
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210465291.6A Pending CN114943690A (zh) | 2022-04-29 | 2022-04-29 | 医学图像处理方法、装置、计算机设备及可读存储介质 |
Country Status (2)
Country | Link |
---|---|
US (1) | US20230351597A1 (zh) |
CN (1) | CN114943690A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115953440A (zh) * | 2023-03-10 | 2023-04-11 | 福建自贸试验区厦门片区Manteia数据科技有限公司 | 医学图像的配准方法和装置、存储介质及电子设备 |
CN116258725A (zh) * | 2023-05-16 | 2023-06-13 | 福建自贸试验区厦门片区Manteia数据科技有限公司 | 基于特征影像的医学图像处理方法、装置以及存储介质 |
-
2022
- 2022-04-29 CN CN202210465291.6A patent/CN114943690A/zh active Pending
-
2023
- 2023-04-29 US US18/141,412 patent/US20230351597A1/en active Pending
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115953440A (zh) * | 2023-03-10 | 2023-04-11 | 福建自贸试验区厦门片区Manteia数据科技有限公司 | 医学图像的配准方法和装置、存储介质及电子设备 |
CN116258725A (zh) * | 2023-05-16 | 2023-06-13 | 福建自贸试验区厦门片区Manteia数据科技有限公司 | 基于特征影像的医学图像处理方法、装置以及存储介质 |
CN116258725B (zh) * | 2023-05-16 | 2023-08-22 | 福建自贸试验区厦门片区Manteia数据科技有限公司 | 基于特征影像的医学图像处理方法、装置以及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
US20230351597A1 (en) | 2023-11-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Vishnevskiy et al. | Isotropic total variation regularization of displacements in parametric image registration | |
CN107133946B (zh) | 医学图像处理方法、装置及设备 | |
CN107123137B (zh) | 医学图像处理方法及设备 | |
US8437521B2 (en) | Systems and methods for automatic vertebra edge detection, segmentation and identification in 3D imaging | |
CN107886508B (zh) | 差分减影方法和医学图像处理方法及系统 | |
US20220012890A1 (en) | Model-Based Deep Learning for Globally Optimal Surface Segmentation | |
CN110766730B (zh) | 图像配准及随访评估方法、存储介质及计算机设备 | |
CN114943690A (zh) | 医学图像处理方法、装置、计算机设备及可读存储介质 | |
KR19980041862A (ko) | 심장 영상에서의 심근 측정 시스템 | |
US9704300B2 (en) | Detection of anatomy orientation using learning-based regression | |
CN111488872B (zh) | 图像检测方法、装置、计算机设备和存储介质 | |
WO2022222502A1 (zh) | 一种肿瘤的运动估计方法、装置、终端设备和存储介质 | |
CN108898578B (zh) | 一种医疗图像的处理方法、装置及计算机存储介质 | |
CN111724371B (zh) | 一种数据处理方法、装置及电子设备 | |
CN111681205B (zh) | 图像分析方法、计算机设备和存储介质 | |
CN111462018B (zh) | 图像中的影像摆正方法、计算机设备和存储介质 | |
CN113610752A (zh) | 乳腺图像配准方法、计算机设备和存储介质 | |
CN116824059A (zh) | 基于三维影像的目标表面重建方法、装置、设备和介质 | |
CN116703994B (zh) | 医学图像配准的方法、计算设备和计算机可读存储介质 | |
CN117911432A (zh) | 图像分割方法、装置及存储介质 | |
US10413364B1 (en) | Internal organ localization of a subject for providing assistance during surgery | |
US20230099906A1 (en) | Image registration method, computer device, and storage medium | |
US8150133B2 (en) | System and method for automatic registration of 4D (3D plus time) renal perfusion MRI data | |
US11311207B2 (en) | Systems and methods for pulmonary ventilation from image processing | |
CN114266714A (zh) | 医学图像处理方法、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 |