CN114998291A - 一种医学图像的处理方法、装置及存储介质 - Google Patents

一种医学图像的处理方法、装置及存储介质 Download PDF

Info

Publication number
CN114998291A
CN114998291A CN202210704452.2A CN202210704452A CN114998291A CN 114998291 A CN114998291 A CN 114998291A CN 202210704452 A CN202210704452 A CN 202210704452A CN 114998291 A CN114998291 A CN 114998291A
Authority
CN
China
Prior art keywords
image
boundary
processing
medical
medical image
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
Application number
CN202210704452.2A
Other languages
English (en)
Inventor
陈林俐
张延慧
杨镇郡
戴安乐
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 Yinhe Fangyuan Technology Co ltd
Original Assignee
Beijing Yone Galaxy Technology Co ltd
Beijing Yinhe Fangyuan Technology 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 Yone Galaxy Technology Co ltd, Beijing Yinhe Fangyuan Technology Co ltd filed Critical Beijing Yone Galaxy Technology Co ltd
Priority to CN202210704452.2A priority Critical patent/CN114998291A/zh
Publication of CN114998291A publication Critical patent/CN114998291A/zh
Pending legal-status Critical Current

Links

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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00—Geometric image transformations in the plane of the image
    • G06T3/04—Context-preserving transformations, e.g. by using an importance map
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/20—Image enhancement or restoration using local operators
    • G06T5/30—Erosion or dilatation, e.g. thinning
    • 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
    • G06T7/13—Edge detection
    • 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
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
    • 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]
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20172—Image enhancement details
    • G06T2207/20192—Edge enhancement; Edge preservation
    • 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
    • G06T2207/30196—Human being; Person
    • G06T2207/30201—Face

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Medical Informatics (AREA)
  • General Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Epidemiology (AREA)
  • Primary Health Care (AREA)
  • Radiology & Medical Imaging (AREA)
  • Biomedical Technology (AREA)
  • Quality & Reliability (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Pathology (AREA)
  • Image Processing (AREA)

Abstract

本发明公开了一种医学图像的处理方法、装置及存储介质，涉及医学图像技术领域。方案包括获取医学图像；根据第一预设算法对医学图像进行归一化处理，得到标准化图像；根据第二预设算法对标准化图像进行提取处理，得到初始边界图像；根据第三预设算法对初始边界图像进行降噪处理，得到边界点云图像。本发明实施例提供的医学图像的处理方法能够对医学图像的局部进行降噪处理，提高医学图像的准确性，有利于后续根据医学图像对病情或研究做出准确的判断和处理。

Description

一种医学图像的处理方法、装置及存储介质
技术领域
本发明涉及医学图像技术领域，更具体地，涉及一种医学图像的处理方法、装置及存储介质。
背景技术
医学图像是指为了医疗或医学研究，对人体或人体某部分，以非侵入方式取得内部组织图像的技术与处理过程。它包含以下两个相对独立的研究方向：医学成像系统(medical imaging system)和医学图像处理(medical image processing)。前者是指图像行成的过程，包括对成像机理、成像设备、成像系统分析等问题的研究；后者是指对已经获得的图像作进一步的处理，其目的是或者是使原来不够清晰的图像复原，或者是为了突出图像中的某些特征信息，或者是对图像做模式分类等等。
由于人的面部轮廓曲线较为复杂，获取医学图像时常常伴随着大量的噪声。这些噪声影响着医学图像的准确性，对医疗导航和后续治疗的效果造成很大的影响。
发明内容
有鉴于此，本发明提供了一种医学图像的处理方法、装置及存储介质，能够有效去除医学图像中的噪声，提高医学图像的准确性。
第一方面，本发明提供一种医学图像的处理方法，该方法包括：
获取医学图像；
根据第一预设算法对所述医学图像进行归一化处理，得到标准化图像；
根据第二预设算法对所述标准化图像进行提取处理，得到初始边界图像；
根据第三预设算法对所述初始边界图像进行降噪处理，得到边界点云图像。
在一种可能的实现方式中，所述根据第一预设算法对所述医学图像进行归一化处理，得到标准化图像，包括：
将所述医学图像投射至模板空间；
对投射至所述模板空间的所述医学图像进行强度标准化处理，得到所述标准化图像。
在一种可能的实现方式中，所述根据第二预设算法对所述标准化图像进行提取处理，得到初始边界图像，包括：
获取所述标准化图像；
对所述标准化图像进行二值化处理，得到二值化图像；
对所述二值化图像进行边界腐蚀处理，得到腐蚀图像；
对所述二值化图像和所述腐蚀图像进行补集处理，得到所述初始边界图像。
在一种可能的实现方式中，所述根据第三预设算法对所述初始边界图像进行降噪处理，得到边界点云图像，包括：
获取所述初始边界图像；
对所述初始边界图像进行提取处理，得到面部边界图像；
根据射线算法对所述面部边界图像进行去噪处理，得到所述降噪后的面部边界图像；
根据所述初始边界图像对所述降噪后的面部边界图像进行补充处理，得到边界点云图像。
在一种可能的实现方式中，所述根据射线算法对所述面部边界图像进行去噪处理，得到所述降噪后的面部边界图像，包括：
获取射线源，并生成至少一组射线，所述射线方向相同；
获取所述射线与所述面部边界图像的交点；
根据每条射线与所述面部边界图像的第一个交点，生成所述降噪后的面部边界图像。
本发明提供的医学图像的处理方法，至少实现了如下的有益效果：
本发明提供的方案首先根据第一预设算法对获取的医学图像进行归一化处理，得到具有预设格式要求的标准化图像。然后根据第二预设算法对标准化图像进行提取处理，能够得到初始边界图像。初始边界图像包含了医学图像的轮廓，但其仍存在较多噪声，且噪声多集中于曲线复杂的区域。因此根据第三预设算法对初始边界图像进行降噪处理，生成低噪声的边界点云图像。本发明实施例提供的处理方法能够对医学图像的局部进行降噪处理，减少噪声对医学图像的干扰，提高医学图像的准确性，有利于后续根据医学图像对病情或研究做出准确的判断和处理。
第二方面，本发明提供一种医学图像的处理装置，包括：
获取单元，用于获取医学图像；
处理单元，用于根据第一预设算法对所述医学图像进行归一化处理，得到标准化图像；根据第二预设算法对所述标准化图像进行提取处理，得到初始边界图像；根据第三预设算法对所述初始边界图像进行降噪处理，得到边界点云图像。
在一种可能的实现方式中，所述处理单元，还用于将所述医学图像投射至模板空间；对投射至所述模板空间的所述医学图像进行强度标准化处理，得到所述标准化图像。
在一种可能的实现方式中，所述处理单元，还用于获取所述标准化图像；对所述标准化图像进行二值化处理，得到二值化图像；对所述二值化图像进行边界腐蚀处理，得到腐蚀图像；对所述二值化图像和所述腐蚀图像进行补集处理，得到所述初始边界图像。
在一种可能的实现方式中，所述处理单元，还用于获取所述初始边界图像；对所述初始边界图像进行提取处理，得到面部边界图像；根据射线算法对所述面部边界图像进行去噪处理，得到所述降噪后的面部边界图像；根据所述初始边界图像对所述降噪后的面部边界图像进行补充处理，得到边界点云图像。
在一种可能的实现方式中，所述处理单元，还用于获取射线源，并生成至少一组射线，所述射线方向相同；获取所述射线与所述面部边界图像的交点；根据每条射线与所述面部边界图像的第一个交点，生成所述降噪后的面部边界图像。
第三方面，本发明提供一种医学图像的处理装置，该医学图像的处理装置包括：处理器和存储器。存储器用于存储计算机程序代码，计算机程序代码包括计算机指令。当处理器执行计算机指令时，医学图像的处理装置执行如第一方面的医学图像的获取方法。
第四方面，本发明提供一种计算机可读存储介质，其上存储有计算机指令，当计算机指令在医学图像的处理装置上运行时，使得医学图像的处理取装置执行如第一方面的医学图像的获取方法。
本发明中第二方面到第四方面及其各种实现方式的具体描述，可以参考第一方面中的详细描述；并且，第二方面到第四方面及其各种实现方式的有益效果，可以参考第一方面中的有益效果分析，此处不再赘述。
当然，实施本发明的任一产品必不特定需要同时达到以上所述的所有技术效果。
通过以下参照附图对本发明的示例性实施例的详细描述，本发明的其它特征及其优点将会变得清楚。
附图说明
被结合在说明书中并构成说明书的一部分的附图示出了本发明的实施例，并且连同其说明一起用于解释本发明的原理。
图1所示为本发明实施例提供的一种医学图像的处理装置的结构示意图；
图2所示为本发明实施例提供的一种医学图像的处理方法的流程图之一；
图3所示为本发明实施例提供的一种医学图像的示意图；
图4所示为本发明实施例提供的一种医学图像的处理方法的流程图之二；
图5所示为本发明实施例提供的一种标准化图像的示意图；
图6所示为本发明实施例提供的一种医学图像的处理方法的流程图之三；
图7所示为本发明实施例提供的一种二值化图像示意图；
图8所示为本发明实施例提供的一种腐蚀图像示意图；
图9所示为本发明实施例提供的一种初始边界图像示意图；
图10所示为本发明实施例提供的一种医学图像的处理方法的流程图之四；
图11所示为本发明实施例提供的一种面部边界图像示意图；
图12所示为本发明实施例提供的一种医学图像的处理方法的流程图之五；
图13所示为本发明实施例提供的一种射线示意图之一；
图14所示为本发明实施例提供的一种射线示意图之二；
图15所示为本发明实施例提供的边界点云图像示意图；
图16所示为本发明实施例提供的一种医学图像的处理装置的组成示意图。
具体实施方式
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，所描述的实施例仅仅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，都属于本发明保护的范围。
以下，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本公开实施例的描述中，除非另有说明，“多个”的含义是两个或两个以上。另外，“基于”或“根据”的使用意味着开放和包容性，因为“基于”或“根据”一个或多个所述条件或值的过程、步骤、计算或其他动作在实践中可以基于额外条件或超出所述的值。
由于人的面部曲线较为复杂，获取医学图像时常常伴随着大量的噪声。这些噪声影响着医学图像的准确性。
为解决上述问题，本发明实施例提供一种医学图像的处理方法，该方法首先根据第一预设算法对获取的医学图像进行归一化处理，得到具有预设格式要求的标准化图像。然后根据第二预设算法对标准化图像进行提取处理，能够得到初始边界图像。初始边界图像包含了医学图像的轮廓，但其仍存在较多噪声，且噪声多集中于曲线复杂的区域。因此根据第三预设算法对初始边界图像进行降噪处理，生成低噪声的边界点云图像。本发明实施例提供的处理方法能够对医学图像的局部进行降噪处理，减少噪声对医学图像的干扰，提高医学图像的准确性，有利于后续根据医学图像对病情或研究做出准确的判断和处理。
图1所示为本发明实施例提供的一种医学图像的处理装置的组成示意图。如图1所示，该医学图像的处理装置可以包括：至少一个处理器11、存储器12、通信接口13和通信总线14。
其中，处理器11是医学图像的处理装置的控制中心，其可以是一个CPU，微处理单元，或一个或多个用于控制本发明实施例程序执行的集成电路。
作为一种实施例，处理器11可以包括一个或多个CPU，例如图1中所示的CPU0和CPU1。且，作为一种实施例，医学图像的处理装置可以包括多个处理器。这些处理器11中的每一个可以是一个单核处理器(Single-CPU)，也可以是一个多核处理器(Multi-CPU)。
存储器12可以是只读存储器(read-only memory，ROM)或可存储静态信息和指令的其他类型的静态存储设备，随机存取存储器(random access memory，RAM)或者可存储信息和指令的其他类型的动态存储设备，也可以是电可擦可编程只读存储器(electricallyerasable programmable read-only memory，EEPROM)、只读光盘(compact disc read-only memory，CD-ROM)或其他光盘存储、光碟存储(包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等)、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质，但不限于此。存储器12可以是独立存在，通过通信总线14与处理器11相连接。存储器12也可以和处理器11集成在一起。
在具体的实现中，存储器12，用于存储本发明中的数据和执行本发明的软件程序。处理器11可以通过运行或执行存储在存储器12内的软件程序，以及调用存储在存储器12内的数据，执行医学图像的处理装置的各种功能。
通信接口13，使用任何收发器一类的装置，用于与其他设备或通信网络通信，如无线接入网(radio access network，RAN)，无线局域网(wireless local area networks，WLAN)等。通信接口13可以包括接收单元实现接收功能，以及发送单元实现发送功能。
通信总线14可以包括一通路，在上述组件之间传送信息。
需要指出的是，图1中示出的结构并不构成对医学图像的处理装置的限定，除图1所示部件之外，该医学图像的处理装置可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
基于上述对医学图像的处理装置的结构的介绍，本发明实施例提供医学图像的处理方法。图2所示为本发明实施例提供的一种医学图像的处理方法的流程图之一，如图2所示，医学图像的处理方法可以包括以下S01-S04。
S01、获取医学图像。
如图3所示，图3所示为本发明实施例提供的一种医学图像的示意图。可以理解的是，医学图像是对人体或人体某部份，以非侵入方式获取的内部组织影像。具体的，医学图像可以通过电脑断层扫描(CT,Computerized tomography)、核磁共振成像(NMRI,Nuclearmagnetic resonance imaging)等技术手段获取。所示图3为NMRI获取的患者头部的医学图像。医学图像对全面获取病变信息，对病变的定位、定量、定性起着至关重要的作用，是临床疾病诊断提供强有力的证据支持。医学图像能够指导临床疾病的治疗方案的制定，有效地协助临床解决诊疗难题。
S02、根据第一预设算法对医学图像进行归一化处理，得到标准化图像。
可选地，如图4所示，其中图4所示为本发明实施例提供的一种医学图像的处理方法的流程图之二，S02可以通过S05和S06实现。
S05、将医学图像投射至模板空间。
可以理解的，第一预设算法可以通过Freesurfer软件实现。Freesurfer软件是一个开源软件包，能够自动对大脑皮层进行表面重建，具有结构像、功能像、弥散像等数据的分析和可视化功能，Freesurfer已经成为基于表面的脑影像分析中事实上的标准流程。本发明实施例提供的处理方法中S01获取的医学图像是患者的个体医学图像，然后将其作为输入，导入Freesurfer处理流程中，Freesurfer能够将个体的医学图像与预设的模板进行匹配。
S06、对投射至模板空间的医学图像进行强度标准化处理，得到标准化图像。
如图5所示，图5所示为本发明实施例提供的一种标准化图像的示意图。可以理解的是，Freesurfer软件具有多种应用功能，可以根据预设程序对医学图像进行标准强度化处理。具体地，将体素大小不同、分辨率不同的医学图像转化为与预设的模板的体素和分辨率一致的标准化图像。由于标准化图像的体素值域范围被限定，因此有利于后续对医学图像继续进行处理。
S03、根据第二预设算法对标准化图像进行提取处理，得到初始边界图像。
可选地，如图6所示，图6所示为本发明实施例提供一种医学图像的处理方法的流程图之三，S03可以通过S07-S10实现。
S07、获取标准化图像。
S08、对标准化图像进行二值化处理，得到二值化图像。
可以理解的是，二值化处理是指将标准化图像上的像素点的灰度值设置为0或255，让整个标准化图像呈现出明显的黑白效果的过程。二值化图像能够区分人体组织及周围空气。
进一步地，标准化图像具有多个像素点，多个像素点具有多个灰度值，确定一个单一的阈值，将灰度值大于或等于阈值的像素点的灰度值确定为0，即黑色；将灰度值小于阈值的像素点的灰度值确定为255，即白色。
具体地，如图7所示，图7所示为本发明实施例提供的一种二值化图像示意图。在本发明实施例提供的处理方法中，将头部区域的灰度值确定为255，将空气区域的灰度值确定为0，能够得到只具有黑白效果的二值化图像。二值化处理后的图像，数据量大为减少，从而能凸显出头部的轮廓。
S09、对二值化图像进行边界腐蚀处理，得到腐蚀图像。
可以理解的是，边界腐蚀处理是指将图像中的边界部分腐蚀掉，缩小领域，使处理后的图像比原图具有更小的选定区域。
具体地，如图8所示，图8所示为本发明实施例提供的一种腐蚀图像示意图。在本发明实施例提供的处理方法中，将S08中得到的二值化图像与预设的结构元素做“与”操作，若都为1，则在腐蚀图像中，该像素点为255，否则为0。结构元素遍历整个二值化图像并进行腐蚀操作后得到二值化图像的腐蚀图图像。如图8所示的白色曲线，为像素值被置为0的部分，即背负式的部分。边界腐蚀处理后的二值化图像的边界向内收缩。
S10、对二值化图像和腐蚀图像进行补集处理，得到初始边界图像。
可以理解的是，S08中得到的二值化图像的头部区域的灰度值为255，空气区域的灰度值为0，灰度值变化的像素点的连线为头部区域的轮廓。S09中的得到的腐蚀图像边界向内收。
具体地，如图9所示，图9所示为本发明实施例提供的一种初始边界图像示意图。将二值化图像和腐蚀图像进行补集处理，具体地，删除二值化图像和腐蚀图像中头部区域的重叠部分。
S04、根据第三预设算法对初始边界图像进行降噪处理，得到边界点云图像。
可选地，参照图2，如图10所示，其中图10所示为本发明实施例提供的一种医学图像的处理方法的流程图之四，S04可以通过S11-S14实现。
S11、获取初始边界图像。
S12、对初始边界图像进行提取处理，得到面部边界图像。
可以理解的是，由于人的面部曲线较为复杂，因此噪声多集中于面部。与此同时，面部又具有较为明显的特征，因此只需要对初始边界图像中的面部边界进行处理。如图11所示，图11所示为本发明实施例提供的一种面部边界图像示意图。面部边界图像是初始边界图像的包括面部特征的部分。
S13、根据射线算法对面部边界图像进行去噪处理，得到降噪后的面部边界图像。
具体地，如图12所示，其中图12所示为本发明实施例提供的一种医学图像的处理方法的流程图之五，S13可以通过S15-S17实现。
S15、获取射线源，并生成至少一组射线，射线方向相同。
如图13所示，图13所示为本发明实施例提供的一种射线示意图之一。可以理解的是，在人脑后方设置的射线源是一个平面，发出相互平行且方向相同的射线穿过面部边界图像。
S16、获取射线与面部边界图像的交点。
如图14所示，图14所示为本发明实施例提供的一种射线示意图之二。可以理解的是，射线与面部边界图像相交，当射线方向上，无噪声时，射线只与面部边界曲线相交，具有一个交点；当射线方向上，有噪声时，射线与面部边界曲线相交，也与噪声相交，因此具有多个交点。S16获取射线与面部边界图像的所有交点，包括与面部边界曲线的交点和与噪声的交点。
S17、根据每条射线与面部边界图像的第一个交点，生成降噪后的面部边界图像。
可以理解的是，由于射线具有方向性，因此，当射线即与面部边界曲线相交，又与噪声相交时，会先与面部边界曲线相交，在与噪声先交。而当无噪声时，射线只与面部边界曲线相交，具有一个交点。因此，将每条射线与面部边界图像的第一个交点生成降噪后的面部边界图像，这样能够有效去除噪声，提高图像的准确性。
S14、根据初始边界图像对降噪后的面部边界图像进行补充处理，得到边界点云图像。
可以理解的是，由于面部边界图像是由初始边界图像提取而来的，S14根据初始边界图像对降噪后的面部边界图像补充除面部边界的其他区域，形成完整的去除噪声的初始边界图像，并将其转换成边界点云图像，如图15所示，图15所示为本发明实施例提供的边界点云图像示意图。
综上，本发明提供的医学图像的处理方法、装置及存储介质，至少实现了如下的有益效果：
本发明提供的方案首先根据第一预设算法对获取的医学图像进行归一化处理，得到具有预设格式要求的标准化图像。然后根据第二预设算法对标准化图像进行提取处理，能够得到初始边界图像，初始边界图像包含了医学图像的轮廓，但其仍存在较多噪声，且噪声多集中于曲线复杂的区域。因此根据第三预设算法对初始边界图像进行降噪处理，生成低噪声的边界点云图像。本发明实施例提供的处理方法能够对医学图像的局部进行降噪处理，减少噪声对医学图像的干扰，提高医学图像的准确性，有利于后续根据医学图像对病情或研究做出准确的判断和处理。
上述主要从设备的角度对本发明实施例提供的方案进行了介绍。可以理解的是，设备为了实现上述功能，其包含了执行各个功能相应的硬件结构和/或软件模块。本领域技术人员应该很容易意识到，结合本文中所公开的实施例描述的各示例的算法步骤，本发明能够以硬件或硬件和计算机软件的结合形式来实现。某个功能究竟以硬件还是计算机软件驱动硬件的方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
图16所示为本发明实施例提供的一种医学图像的处理装置的组成示意图，如图16所示，该医学图像的处理装置可以包括：
获取单元161，用于获取医学图像。
如图3所示，图3所示为本发明实施例提供的一种医学图像的示意图。可以理解的是，医学图像是对人体或人体某部份，以非侵入方式获取的内部组织影像。具体的，医学图像可以通过电脑断层扫描(CT,Computerized tomography)、核磁共振成像(NMRI,Nuclearmagnetic resonance imaging)等技术手段获取。所示图3为NMRI获取的患者头部的医学图像。医学图像对全面获取病变信息，对病变的定位、定量、定性起着至关重要的作用，是临床疾病诊断提供强有力的证据支持。医学图像能够指导临床疾病的治疗方案的制定，有效地协助临床解决诊疗难题。
处理单元162，用于根据第一预设算法对医学图像进行归一化处理，得到标准化图像；
可选地，处理单元162将医学图像投射至模板空间；对投射至模板空间的医学图像进行强度标准化处理，得到标准化图像。
如图5所示，图5所示为本发明实施例提供的一种标准化图像的示意图。可以理解的是，处理单元162首先将获取单元161获取的医学图像投射至Freesurfer的模板空间，Freesurfer能够将个体的医学图像与预设的模型进行匹配，将体素大小不同、分辨率不同的医学图像转化为与预设的模板的体素和分辨率一致的标准化图像。由于标准化图像的体素值域范围被限定，因此有利于后续对医学图像继续进行处理。
处理单元162，还用于根据第二预设算法对标准化图像进行提取处理，得到初始边界图像。
可选地，处理单元162获取标准化图像；对标准化图像进行二值化处理，得到二值化图像；处理单元162对二值化图像进行边界腐蚀处理，得到腐蚀图像；处理单元162对二值化图像和腐蚀图像进行补集处理，得到初始边界图像。
可以理解的是，处理单元162将标准化图像进行二值化处理，得到具有黑白效果的二值化图像。并且，处理单元162将标准化图像进行边界腐蚀处理，得到边界向内收缩的腐蚀图像。最后，处理单元162将二值化图像和腐蚀图像进行补集处理，得到医学图像的初始边界图像，初始边界图像用于显示医学图像中器官或组织的边界。
处理单元162，还用于根据第三预设算法对初始边界图像进行降噪处理，得到边界点云图像。
可选地，处理单元162获取初始边界图像；对初始边界图像进行提取处理，得到面部边界图像。
可以理解的是，由于人的面部轮廓曲线较为复杂，因此噪声多集中于面部。与此同时，面部又具有较为明显的特征，因此只需要对初始边界图像中的面部边界进行处理。如图11所示，图11所示为本发明实施例提供的一种面部边界图像示意图。面部边界图像是初始边界图像的包括面部特征的部分。
处理单元162根据射线法对面部边界图像进行去噪处理，得到降噪后的面部边界图像。
具体地，处理单元162获取射线源，并生成至少一组射线，射线方向相同。可以理解的是，在人脑后方设置的射线源是一个平面，发出相互平行且方向相同的射线穿过面部边界图像。
处理单元162获取射线与面部边界图像的交点，根据每条射线与面部边界图像的第一个交点，生成降噪后的面部边界图像。
如图14所示，图14所示为本发明实施例提供的一种射线示意图之二。可以理解的是，射线与面部边界图像相交，当射线方向上，无噪声时，射线只与面部边界曲线相交，具有一个交点；当射线方向上，有噪声时，射线与面部边界曲线相交，也与噪声相交，因此具有多个交点。处理单元162获取射线与面部边界图像的所有交点，包括与面部边界曲线的交点和与噪声的交点。由于射线具有方向性，因此，当射线即与面部边界曲线相交，又与噪声相交时，会先与面部边界曲线相交，在与噪声先交。而当无噪声时，射线只与面部边界曲线相交，具有一个交点。因此，处理单元162将每条射线与面部边界图像的第一个交点生成降噪后的面部边界图像，这样能够有效去除噪声，提高图像的准确性。
处理单元162根据初始边界图像对降噪后的面部边界图像进行补充处理，得到边界点云图像。
可以理解的是，由于面部边界图像是处理单元162由初始边界图像提取而来的，处理单元162根据初始边界图像对降噪后的面部边界图像补充除面部边界的其他区域，形成完整的去除噪声的初始边界图像，并将其转换成边界点云图像，如图15所示，图15所示为本发明实施例提供的边界点云图像示意图。
当然，本发明实施例提供的医学图像的处理装置包括但不仅限于上述模块。
本发明实施例中还提供一种医学图像的处理装置，该医学图像的处理装置包括：处理器和存储器。存储器用于存储计算机程序代码，计算机程序代码包括计算机指令。当处理器执行计算机指令时，医学图像的处理装置执行上述方法实施例所示的方法流程中医学图像的处理装置执行的各个步骤。
本发明实施例还提供一种计算机可读存储介质，其上存储有计算机指令，当计算机指令在医学图像的处理装置上运行时，使得医学图像的处理装置执行上述方法实施例所示的方法流程中医学图像的处理装置执行的各个步骤。
虽然已经通过例子对本发明的一些特定实施例进行了详细说明，但是本领域的技术人员应该理解，以上例子仅是为了进行说明，而不是为了限制本发明的范围。本领域的技术人员应该理解，可在不脱离本发明的范围和精神的情况下，对以上实施例进行修改。本发明的范围由所附权利要求来限定。

Claims (12)

1.一种医学图像的处理方法，其特征在于，包括：
获取医学图像；
根据第一预设算法对所述医学图像进行归一化处理，得到标准化图像；
根据第二预设算法对所述标准化图像进行提取处理，得到初始边界图像；
根据第三预设算法对所述初始边界图像进行降噪处理，得到边界点云图像。
2.根据权利要求1所述的医学图像的处理方法，其特征在于，所述根据第一预设算法对所述医学图像进行归一化处理，得到标准化图像，包括：
将所述医学图像投射至模板空间；
对投射至所述模板空间的所述医学图像进行强度标准化处理，得到所述标准化图像。
3.根据权利要求1所述的医学图像的处理方法，其特征在于，所述根据第二预设算法对所述标准化图像进行提取处理，得到初始边界图像，包括：
获取所述标准化图像；
对所述标准化图像进行二值化处理，得到二值化图像；
对所述二值化图像进行边界腐蚀处理，得到腐蚀图像；
对所述二值化图像和所述腐蚀图像进行补集处理，得到所述初始边界图像。
4.根据权利要求1所述的医学图像的处理方法，其特征在于，所述根据第三预设算法对所述初始边界图像进行降噪处理，得到边界点云图像，包括：
获取所述初始边界图像；
对所述初始边界图像进行提取处理，得到面部边界图像；
根据射线算法对所述面部边界图像进行去噪处理，得到所述降噪后的面部边界图像；
根据所述初始边界图像对所述降噪后的面部边界图像进行补充处理，得到边界点云图像。
5.根据权利要求4所述的医学图像的处理方法，其特征在于，所述根据射线算法对所述面部边界图像进行去噪处理，得到所述降噪后的面部边界图像，包括：
获取射线源，并生成至少一组射线，所述射线方向相同；
获取所述射线与所述面部边界图像的交点；
根据每条射线与所述面部边界图像的第一个交点，生成所述降噪后的面部边界图像。
6.一种医学图像的处理装置，其特征在于，包括：
获取单元，用于获取医学图像；
处理单元，用于根据第一预设算法对所述医学图像进行归一化处理，得到标准化图像；根据第二预设算法对所述标准化图像进行提取处理，得到初始边界图像；根据第三预设算法对所述初始边界图像进行降噪处理，得到边界点云图像。
7.根据权利要求6所述的医学图像的处理装置，其特征在于，所述处理单元，还用于将所述医学图像投射至模板空间；对投射至所述模板空间的所述医学图像进行强度标准化处理，得到所述标准化图像。
8.根据权利要求6所述的医学图像的处理装置，其特征在于，所述处理单元，还用于获取所述标准化图像；对所述标准化图像进行二值化处理，得到二值化图像；对所述二值化图像进行边界腐蚀处理，得到腐蚀图像；对所述二值化图像和所述腐蚀图像进行补集处理，得到所述初始边界图像。
9.根据权利要求6所述的医学图像的处理装置，其特征在于，所述处理单元，还用于获取所述初始边界图像；对所述初始边界图像进行提取处理，得到面部边界图像；根据射线算法对所述面部边界图像进行去噪处理，得到所述降噪后的面部边界图像；根据所述初始边界图像对所述降噪后的面部边界图像进行补充处理，得到边界点云图像。
10.根据权利要求9所述的医学图像的处理装置，其特征在于，所述处理单元，还用于获取射线源，并生成至少一组射线，所述射线方向相同；获取所述射线与所述面部边界图像的交点；根据每条射线与所述面部边界图像的第一个交点，生成所述降噪后的面部边界图像。
11.一种医学图像的处理装置，其特征在于，包括处理器和存储器，所述存储器用于存储计算机程序代码，计算机程序代码包括计算机指令，当处理器执行计算机指令时，医学图像的处理装置执行如权利要求1-5中任一项所述的医学图像的处理方法。
12.一种计算机可读存储介质，其特征在于，包括计算机指令，当所述计算机指令在医学图像的处理装置上运行时，使得所述医学图像的处理装置执行如权利要求1-5中任意一项所述的医学图像的处理方法。
CN202210704452.2A 2022-06-21 2022-06-21 一种医学图像的处理方法、装置及存储介质 Pending CN114998291A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210704452.2A CN114998291A (zh) 2022-06-21 2022-06-21 一种医学图像的处理方法、装置及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210704452.2A CN114998291A (zh) 2022-06-21 2022-06-21 一种医学图像的处理方法、装置及存储介质

Publications (1)

Publication Number Publication Date
CN114998291A true CN114998291A (zh) 2022-09-02

Family

ID=83038003

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210704452.2A Pending CN114998291A (zh) 2022-06-21 2022-06-21 一种医学图像的处理方法、装置及存储介质

Country Status (1)

Country Link
CN (1) CN114998291A (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2017089953A1 (en) * 2015-11-23 2017-06-01 Politecnico Di Torino Process for processing medical images of a face for recognition of facial dysmorphisms
CN107705350A (zh) * 2017-09-05 2018-02-16 沈阳东软医疗系统有限公司 医学图像生成方法、装置及设备
US20180330506A1 (en) * 2017-05-09 2018-11-15 Heartflow, Inc. Systems and methods for anatomic structure segmentation in image analysis
CN109886973A (zh) * 2019-01-25 2019-06-14 杭州晟视科技有限公司 一种血管提取方法、装置及计算机可读存储介质
CN110766808A (zh) * 2019-11-05 2020-02-07 北京智拓视界科技有限责任公司 人脸数据的处理方法、设备和计算机可读存储介质
CN111311621A (zh) * 2020-01-20 2020-06-19 北京中科核安科技有限公司 放射源成像的图像处理方法、装置和电子设备

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2017089953A1 (en) * 2015-11-23 2017-06-01 Politecnico Di Torino Process for processing medical images of a face for recognition of facial dysmorphisms
US20180330506A1 (en) * 2017-05-09 2018-11-15 Heartflow, Inc. Systems and methods for anatomic structure segmentation in image analysis
CN107705350A (zh) * 2017-09-05 2018-02-16 沈阳东软医疗系统有限公司 医学图像生成方法、装置及设备
CN109886973A (zh) * 2019-01-25 2019-06-14 杭州晟视科技有限公司 一种血管提取方法、装置及计算机可读存储介质
CN110766808A (zh) * 2019-11-05 2020-02-07 北京智拓视界科技有限责任公司 人脸数据的处理方法、设备和计算机可读存储介质
CN111311621A (zh) * 2020-01-20 2020-06-19 北京中科核安科技有限公司 放射源成像的图像处理方法、装置和电子设备

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
强天鹏: "数字射线（DR+CR）检测技术", 31 October 2021, 南京出版社, pages: 279 *
赵宏等: "人工智能技术丛书 深度学习基础教程", 31 August 2021, 机械工业出版社, pages: 133 *

Similar Documents

Publication Publication Date Title
CN107545584B (zh) 医学图像中定位感兴趣区域的方法、装置及其系统
US11344273B2 (en) Methods and systems for extracting blood vessel
CN111008984B (zh) 医学影像中正常器官的轮廓线自动勾画方法
US9436994B2 (en) Image processing apparatus for processing a tomogram of an eye to be examined, image processing method, and computer-readable storage medium
CN106340021B (zh) 血管提取方法
CN109410221B (zh) 脑灌注图像分割方法、装置、服务器和存储介质
JP6733745B2 (ja) 体積画像データセット内の血管構造のセグメント化のための方法及びシステム
EP3785222B1 (en) Systems and methods for image processing
US20230177698A1 (en) Method for image segmentation, and electronic device
CN110634144B (zh) 一种卵圆孔定位方法、装置和存储介质
CN114693710A (zh) 血管管腔内膜轮廓提取方法、装置及超声设备和存储介质
CN113012118B (zh) 图像处理方法以及图像处理装置
EP3665643B1 (en) X-ray image processing method and system and computer storage medium
CN116030042B (zh) 一种针对医生目诊的诊断装置、方法、设备及存储介质
CN112862850A (zh) 数字剪影血管造影影像处理方法及装置
CN112651984A (zh) 血管管腔内膜轮廓提取方法、装置及超声设备和存储介质
CN112200780A (zh) 骨组织定位方法、装置、计算机设备和存储介质
CN114998291A (zh) 一种医学图像的处理方法、装置及存储介质
CN113888566B (zh) 目标轮廓曲线确定方法、装置、电子设备以及存储介质
Bandyopadhyay Pre-processing and segmentation of brain image for tumor detection
CN112541907A (zh) 一种图像识别方法、装置、服务器及介质
CN111161256A (zh) 图像分割方法、图像分割装置、存储介质及电子设备
CN113658172B (zh) 图像处理方法及装置、计算机可读存储介质及电子设备
CN112837226B (zh) 基于形态学的大脑中矢面提取方法、系统、终端及介质
CN114581397A (zh) 造血活性骨髓识别方法、系统、装置及存储介质

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
TA01 Transfer of patent application right

Effective date of registration: 20240430

Address after: Room 504, floor 5, building 2, hospital 9, Yiyi Road, Life Science Park, Changping District, Beijing 102206

Applicant after: Beijing Yinhe Fangyuan Technology Co.,Ltd.

Country or region after: China

Address before: Room 504, floor 5, building 2, hospital 9, Yiyi Road, Life Science Park, Changping District, Beijing 102206

Applicant before: Beijing Yinhe Fangyuan Technology Co.,Ltd.

Country or region before: China

Applicant before: Beijing yone Galaxy Technology Co.,Ltd.

TA01 Transfer of patent application right