CN115841866A - 一种低辐射剂量图像的生成方法、终端设备和存储介质 - Google Patents
一种低辐射剂量图像的生成方法、终端设备和存储介质 Download PDFInfo
- Publication number
- CN115841866A CN115841866A CN202310134286.1A CN202310134286A CN115841866A CN 115841866 A CN115841866 A CN 115841866A CN 202310134286 A CN202310134286 A CN 202310134286A CN 115841866 A CN115841866 A CN 115841866A
- Authority
- CN
- China
- Prior art keywords
- radiation dose
- image
- low radiation
- pixel
- low
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 66
- 238000003860 storage Methods 0.000 title claims abstract description 20
- 230000005855 radiation Effects 0.000 claims abstract description 245
- 238000013507 mapping Methods 0.000 claims abstract description 51
- 238000004891 communication Methods 0.000 claims description 23
- 238000012545 processing Methods 0.000 claims description 23
- 238000004088 simulation Methods 0.000 claims description 14
- 238000007499 fusion processing Methods 0.000 claims description 9
- 238000012937 correction Methods 0.000 claims description 8
- 230000008569 process Effects 0.000 claims description 5
- 230000033001 locomotion Effects 0.000 description 11
- 238000003384 imaging method Methods 0.000 description 10
- 230000002159 abnormal effect Effects 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 238000012549 training Methods 0.000 description 4
- 238000007796 conventional method Methods 0.000 description 3
- 238000009826 distribution Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000013461 design Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- APTZNLHMIGJTEW-UHFFFAOYSA-N pyraflufen-ethyl Chemical compound C1=C(Cl)C(OCC(=O)OCC)=CC(C=2C(=C(OC(F)F)N(C)N=2)Cl)=C1F APTZNLHMIGJTEW-UHFFFAOYSA-N 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 230000000241 respiratory effect Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 241001465754 Metazoa Species 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 210000001367 artery Anatomy 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 210000004204 blood vessel Anatomy 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000002059 diagnostic imaging Methods 0.000 description 1
- 230000002526 effect on cardiovascular system Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000002427 irreversible effect Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000002285 radioactive effect Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
Images
Landscapes
- Image Processing (AREA)
Abstract
本申请涉及一种低辐射剂量图像的生成方法、终端设备和存储介质。所述生成方法包括基于预设高‑低辐射剂量图像对,得到各高低辐射剂量水平配置下的各图像对中的高辐射剂量图像的像素值相对于低辐射剂量图像的像素值的映射关系,基于映射关系和实际高辐射剂量图像生成目标低辐射剂量水平的低辐射剂量图像的映射图;基于各预设高‑低辐射剂量组中的各个图像,得到像素值和像素点的噪声水平之间的线性关系,将映射图中各个像素点的像素值代入线性关系生成噪声水平估计图;将映射图与噪声水平估计图进行融合,生成第一低辐射剂量图像。如此,能够准确估计出需要生成的低辐射剂量图像的噪声水平,能够生成接近真实低辐射剂量图像的生成图像。
Description
技术领域
本申请涉及医疗影像技术领域,更具体地,涉及一种低辐射剂量图像的生成方法、终端设备和存储介质。
背景技术
随着诸如基于学习网络的机器学习算法应用于诸如DSA的放射性设备的辐射图像,需要大量的相互对应的高辐射剂量图像和低辐射剂量图像(也称为高低辐射剂量图像对)作为训练数据。虽然目前尝试引入图像生成技术来人为生成低辐射剂量图像,但是存在较多的问题。图像生成技术是指在现有图像或若干参数的基础上,生成所需要图像的技术。传统的图像生成算法包括变分贝叶斯(VB)、自编码变分贝叶斯(AEVB)、变分自编码(VAE)以及对抗网络(GAN)。GAN受启发于博弈论中的零和博弈,通过生成器与鉴别器的零和博弈,逐步使生成器能够更大限度的逼近真实样本的概率分布。除了上述方法外,还有根据参数生成的方法,例如生成对应于低辐射剂量的低质量图像时,可以根据低质量图像中掺杂的低质量因素的参数进行模拟。
但是,VB、AEVB等传统方法难于生成概率分布复杂的图像,VAE生成图像能力略高于VB、AEVB等算法,但是其依然难以很好的拟合分布复杂的图像。GAN因为其结构原因存在固有的模式崩溃、训练不稳定且训练本身也依赖于海量的图像对的缺点,再者其黑盒模型所获得图像并不具备可解释性或者可解释性极弱。根据参数生成的方法针对不同的生成任务并不具备通用性,并且过程中的参数往往是不可获得的。基于传统方法获得的低质量图像与真实的图像之间的差别较大,而且,传统的通过在诸如对应高辐射剂量的高质量图像上添加噪声来得到低质量图像的方法,依赖于人的经验,并需要调节更多的参数,同样无法精确的获得接近真实的低辐射剂量图像的低质量图像。
发明内容
本申请实施例的目的在于提供一种低辐射剂量图像的生成方法、终端设备和存储介质,其能够为高辐射剂量图像,以足够的鲁棒性高效地生成与之对应且足够逼真的低辐射剂量图像,能够根据用户的设置生成不同高低辐射剂量水平配置下的低辐射剂量图像,以获得可用于诸如学习网络的训练的成对的高-低辐射剂量图像。
根据本申请的第一方案,提供一种低辐射剂量图像的生成方法,包括如下步骤,由处理器:获取多组不同高低辐射剂量水平配置下的预设高-低辐射剂量组,每组预设高-低辐射剂量组包括预设数量的预设高-低辐射剂量图像对;基于各预设高-低辐射剂量组中的预设高-低辐射剂量图像对,得到各高低辐射剂量水平配置下的各图像对中的高辐射剂量图像的像素值相对于低辐射剂量图像的像素值的映射关系;获取待处理的实际高辐射剂量图像,按照其和目标低辐射剂量水平对应的高低辐射剂量水平配置下的所述映射关系,基于所述实际高辐射剂量图像生成目标低辐射剂量水平的低辐射剂量图像的映射图;基于各预设高-低辐射剂量组中的各个图像,得到各个图像中的各个像素点的像素值和该像素点的噪声水平之间的线性关系;将所述映射图中各个像素点的像素值代入所述线性关系以生成噪声水平估计图;将所述映射图与所述噪声水平估计图进行融合处理,以生成与所述实际高辐射剂量图像对应的第一低辐射剂量图像。
根据本申请的第二方案,提供一种终端设备,包括:处理器、存储器及通信总线;所述存储器上存储有可被所述处理器执行的计算机可读程序;所述通信总线实现处理器和存储器之间的连接通信;所述处理器执行所述计算机可读程序实现根据本申请各个实施例所述的生成方法中的步骤。
根据本申请的第三方案,提供了一种计算机可读存储介质,所述计算机可读存储介质存储有一个或者多个程序,所述一个或者多个程序可被一个或者多个处理器执行,以实现根据本申请各个实施例所述的生成方法中的步骤。
本申请实施例的有益效果在于:
本申请实施例所述的生成方法,以足够的鲁棒性高效地生成与高辐射剂量图像对应且足够逼真的低辐射剂量图像。通过得到高辐射剂量图像的像素值相对于低辐射剂量图像的像素值的映射关系,来得到目标低辐射剂量水平的低辐射剂量图像的映射图,基于该映射关系,可以有效避免由于高辐射剂量图像的像素值存在异常值导致最终生成的第一低辐射剂量图像不稳定。基于本申请的生成方法,即使高辐射剂量图像的某一像素值存在异常,基于该映射关系,只有该像素值异常的像素点对应的值是异常的,而不会降低基于该映射关系得到的映射图的质量,最终不会影响第一低辐射剂量图像的图像质量,能够得到与高辐射剂量图像对应且足够逼真的低辐射剂量图像。而且,本申请实施例提供的生成方法具有较强的泛化能力,适用的高辐射剂量图像数据范围较广,用户可以根据当前高辐射剂量水平配置的高辐射剂量图像生成数量较多的第一低辐射剂量图像。其次,基于本申请实施例所述的生成方法得到的第一低辐射剂量图像与高辐射剂量图像对应且足够逼真,并且在多个不同的评价维度要与真实的低辐射剂量图像相当,比如与真实的低辐射剂量图像具有几乎相同的峰值信噪比、结构相似度、噪音水平、感知相似度和双盲评测。此外,还可以基于同一个高辐射剂量水平配置下的高辐射剂量图像生成不同高-低辐射剂量水平配置下的第一低辐射剂量图像,而非单一模态。
附图说明
在不一定按比例绘制的附图中,相同的附图标记可以在不同的视图中描述相似的部件。具有字母后缀或不同字母后缀的相同附图标记可以表示相似部件的不同实例。附图大体上通过举例而不是限制的方式示出各种实施例,并且与说明书以及权利要求书一起用于对所公开的实施例进行说明。在适当的时候,在所有附图中使用相同的附图标记指代同一或相似的部分。这样的实施例是例证性的,而并非旨在作为本装置或方法的穷尽或排他实施例。
图1(a)示出根据本申请实施例的低辐射剂量图像的生成方法的流程图。
图1(b)示出根据本申请实施例的目标低辐射剂量水平的低辐射剂量图像的映射图。
图1(c)示出根据本申请实施例的与实际高辐射剂量图像对应的第一低辐射剂量图像。
图2(a)示出根据本申请实施例的生成噪声水平估计图的方法流程图。
图2(b)示出根据本申请实施例所述的生成方法得到的噪声水平估计图。
图3(a)示出根据本申请实施例所述的生成与实际高辐射剂量图像对应的第二低辐射剂量图像的流程图。
图3(b)示出根据本申请实施例所述的生成方法得到的串扰模拟噪声图。
图3(c)示出根据本申请实施例所述的生成方法得到的第二低辐射剂量图像。
图3(d)示出与实际高辐射剂量图像对应的真实低辐射剂量图像。
图4示出根据本申请实施例所述的终端设备的结构示意图。
具体实施方式
为使本领域技术人员更好的理解本申请的技术方案,下面结合附图和具体实施方式对本申请作详细说明。下面结合附图和具体实施例对本申请的实施例作进一步详细描述,但不作为对本申请的限定。
本申请中使用的“第一”、“第二”以及类似的词语并不表示任何顺序、数量或者重要性,而只是用来区分。“包括”或者“包含”等类似的词语意指在该词前的要素涵盖在该词后列举的要素,并不排除也涵盖其他要素的可能。在本申请中,各个步骤在图中所示的箭头仅仅作为执行顺序的示例,而不是限制,本申请的技术方案并不限于实施例中描述的执行顺序,执行顺序中的各个步骤可以合并执行,可以分解执行,可以调换顺序,只要不影响执行内容的逻辑关系即可。
本申请使用的所有术语(包括技术术语或者科学术语)与本申请所属领域的普通技术人员理解的含义相同,除非另外特别定义。还应当理解,在诸如通用字典中定义的术语应当被解释为具有与它们在相关技术的上下文中的含义相一致的含义,而不应用理想化或极度形式化的意义来解释,除非这里明确地这样定义。对于相关领域普通技术人员已知的方法和设备可能不作详细讨论,但在适当情况下,所述方法和设备应当被视为说明书的一部分。
图1(a)示出根据本申请实施例的低辐射剂量图像的生成方法的流程图,该方法包括经由处理器执行如下步骤:在步骤S101,获取多组不同高低辐射剂量水平配置下的预设高-低辐射剂量组,每组预设高-低辐射剂量组包括预设数量的预设高-低辐射剂量图像对。其中,所述高辐射剂量、低辐射剂量可以理解为高能射线成像设备发出的辐射剂量,所述高能射线成像设备可以为DSA设备、CT设备等。以DSA设备为例,在基于DSA设备采集图像时,可以通过设置DSA设备的X射线管电压、管电流和曝光时间来控制X射线的辐射剂量。为了下文中方便表述,可以只用管电流来表示辐射剂量的高低。例如,所谓的高辐射剂量可以理解为设置DSA设备的X射线管电流400毫安、300毫安或其他管电流下的辐射剂量。低辐射剂量可以是相对于高辐射剂量而言的,比如,在DSA设备的X射线管电流400毫安时设置为高辐射剂量,则可以认为X射线管电流小于400毫安的为低辐射剂量,或者在DSA设备的X射线管电流为50毫安时设置为高辐射剂量,则可以认为X射线管电流小于50毫安的为低辐射剂量。此外,除了利用X射线管电流来表征高、低辐射剂量水平,还可以采用其他的表征方式,对于表征高、低辐射剂量水平配置的方法不做限定。以下,均以X射线管电流表征高、低辐射剂量水平为例进行示例性说明。
具体地,所述高低辐射剂量水平配置可以理解为高-低辐射剂量组的剂量水平的对比配置,比如,配置的预设高-低辐射剂量组为400毫安高辐射剂量-200毫安低辐射剂量(可以简述为400毫安-200毫安),即处于400毫安-200毫安辐射剂量水平配置。在该实施例中,预先配置多组不同高低辐射剂量水平配置下的预设高-低辐射剂量组,比如,第一组为400毫安-200毫安辐射剂量组,该组中包括400毫安-200毫安辐射剂量图像对共100对,第二组为400毫安-100毫安辐射剂量组,该组中包括400毫安-100毫安辐射剂量图像对共100对,第三组为300毫安-80毫安辐射剂量组,该组中包括300毫安-80毫安辐射剂量图像对共100对,等等。用户可以根据自己的需要,预先配置10组、50组、100组等多组预设高-低辐射剂量组,对此不做限定。其中,每组预设高-低辐射剂量组包括预设数量的预设高-低辐射剂量图像对,对于预设数量不做具体限定,可以根据用户的需求进行设置。
在该实施例中,首先获取预设高-低辐射剂量图像对,并基于各预设高-低辐射剂量组中的预设高-低辐射剂量图像对,得到各高低辐射剂量水平配置下的各图像对中的高辐射剂量图像的像素值相对于低辐射剂量图像的像素值的映射关系(步骤S102)。所述获取预设高-低辐射剂量图像对的方法至少包括利用DSA设备对标准测试卡、头模、体模、临床图像中的至少一种或者对其他能够用于采集标准图像对的图像进行图像采集来得到预设高-低辐射剂量图像。还可以对具有细微的相对运动的动物进行图像采集,然后人工筛选出一些相对运动较小的图像,再对这些相对运动较小的图像进行配准或者将运动范围的区域去除,来得到可以作为参考的预设高-低辐射剂量图像。
具体来说,对于一个预设高-低辐射剂量图像对中的高辐射剂量图像上的某一像素位置具有较高的辐射剂量,其像素值则较大,而该预设高-低辐射剂量图像对中的低辐射剂量图像上的某一像素位置具有较低的辐射剂量,其像素值则较小。通过将同一预设高-低辐射剂量图像对中的高辐射剂量图像中的各个像素点的像素值与低辐射剂量图像中的各个像素点的像素值进行统计并计算可以得出两者之间的映射关系。在步骤S103,获取待处理的实际高辐射剂量图像,按照其和目标低辐射剂量水平对应的高低辐射剂量水平配置下的所述映射关系,基于所述实际高辐射剂量图像生成目标低辐射剂量水平的低辐射剂量图像的映射图。具体地,对于各预设高-低辐射剂量组中的预设高-低辐射剂量图像对均进行相应的数据处理,得到所述映射关系。比如,对于400毫安-300毫安辐射剂量水平配置,具有该辐射剂量水平配置下的第一映射关系,而对于200毫安-50毫安辐射剂量水平配置,具有该辐射剂量水平配置下的第二映射关系,等等,不再穷举。也就是说,对于各个高低辐射剂量水平配置均具有对应配置下的映射关系。在利用DSA设备采集到实际高辐射剂量图像后,比如,DSA设备的X射线管电流设置为300毫安,用户希望获得300毫安-100毫安辐射剂量水平配置的高-低辐射剂量图像对,则按照300毫安-100毫安辐射剂量水平配置下的映射关系,将实际高辐射剂量图像中的各个像素点的像素值映射为低辐射剂量图像中的各个像素点的像素值,以得到目标低辐射剂量水平的低辐射剂量图像的映射图(如图1(b))。
在步骤S104,基于各预设高-低辐射剂量组中的各个图像,得到各个图像中的各个像素点的像素值和该像素点的噪声水平之间的线性关系。具体地,对于各预设高-低辐射剂量组中的各个图像,构建每个图像中的各个像素点的像素值和该像素点的噪声水平之间的线性关系,在步骤S105,将所述映射图中各个像素点的像素值代入所述线性关系以生成噪声水平估计图。基于所述映射关系,得到的目标低辐射剂量水平的低辐射剂量图像的映射图相对于实际高辐射剂量图像,具有很小的甚至可以忽略不计的噪声。通过对各预设高-低辐射剂量组中的各个图像进行统计和计算来得到各个像素点的像素值和该像素点的噪声水平之间的线性关系,并将所述映射图中各个像素点的像素值代入到该线性关系,即可估计出该映射图中的各个像素点真实的应当具备的噪声水平。该噪声水平估计图能够有效反映出映射图中各个像素点的真实噪声水平。
在步骤S106,将所述映射图与所述噪声水平估计图进行融合处理,以生成与所述实际高辐射剂量图像对应的第一低辐射剂量图像。其中,对于融合处理的方法不做具体限定,例如可以是将映射图和噪声水平估计图进行逐像素相加,还可以是其他能够实现图像融合的方法。如图1(c)所示,第一低辐射剂量图像相对于图1(b)所示的映射图更接近于真实低辐射剂量图像。
如此,能够为高辐射剂量图像,以足够的鲁棒性高效地生成与之对应且足够逼真的低辐射剂量图像,能够根据用户的设置生成不同高低辐射剂量水平配置下的低辐射剂量图像,以获得可用于诸如学习网络的训练的成对的高-低辐射剂量图像。所述与之对应且足够逼真可以理解为基于高辐射剂量图像生成的低辐射剂量图像,这两者除了辐射剂量以外的各种参数都尽量保持一致,比如成像部位、成像定时等。本申请实施例提供的生成方法还能够基于实际高辐射剂量图像按照用户的需求生成与实际高辐射剂量图像对应且足够逼真的第一低辐射剂量图像,该生成方法可靠性高、鲁棒性强,并具有较高的泛化能力。基于该实施例生成的足够逼真的第一低辐射剂量图像可以从图像的峰值信噪比、结构相似度、噪声水平、感知相似度等多个维度进行评价,都满足真实低辐射剂量图像的要求。本申请实施例的生成方法高效补偿了DSA设备中,在真实的术中成像流程中,医生对图像质量和辐射剂量的平衡导致的高辐射剂量图像的缺失。受益于该生成方法,避免了在真实的术中成像中,为了获取充足的成对的高-低辐射剂量图像而对受试者的同一部位的高辐射、低辐射,进而避免增加的辐射剂量影响受试者的身体健康。本申请实施例的生成方法尤其适用于受试者心跳运动、呼吸运动等会显著影响同一部位的血管等的运动情况,即便术中成像部位和成像定位会有动态变化,依然能够得到与高辐射剂量图像严格对应的低辐射剂量图像。
在本申请的一些实施例中,所述生成方法进一步包括接收用户对于目标低辐射剂量水平的设置,以使得所述处理器根据所述用户的设置,基于所述实际高辐射剂量图像生成目标低辐射剂量水平的低辐射剂量图像的映射图。比如,主机上具有参数配置项,用户可以根据需要在主机上输入目标低辐射剂量水平的配置。例如,用于基于300毫安辐射剂量图像生成100毫安辐射剂量图像,则可以在主机输入目标低辐射剂量100毫安。主机在接收到用户的输入指令之后,调取300毫安-100毫安辐射剂量水平配置下的所述映射关系生成映射图,并根据线性关系得到噪声水平估计图,最后将所述映射图和噪声水平估计图进行融合处理,来得到真实的第一低辐射剂量图像。如此,用户可以根据需求,对高低辐射剂量水平进行配置。
在本申请的一些实施例中,所述生成方法进一步包括对所述噪声水平估计图进行预修正,得到预修正噪声水平估计图,对所述预修正噪声水平估计图进行高斯模糊处理得到串扰模拟噪声图,其中,经过预修正处理,以使得串扰模拟噪声图的噪声水平与高斯模糊处理之前的噪声水平估计图的噪声水平保持一致。所述噪声水平估计图能够真实的反映出真实低辐射剂量图像的像素点的噪声水平,各个像素点之间是不独立的且相互串扰。通过对噪声水平估计图进行预修正处理得到预修正噪声水平估计图,再对预修正噪声水平估计图进行高斯模糊处理,得到的串扰模拟噪声图能够真实的反映出所述映射图中各个像素点的真实的串扰水平。通过预修正处理,能够使得到的串扰模拟噪声图的噪声水平与高斯模糊处理之前的噪声水平估计图的噪声水平保持一致,从而避免噪声水平估计图的噪声水平受到高斯模糊处理而发生改变。然后,将所述映射图与所述串扰模拟噪声图进行融合处理,以生成与所述实际高辐射剂量图像对应且逼真的第二低辐射剂量图像。通过进一步的串扰模拟处理,得到的第二低辐射剂量图像与实际高辐射剂量图像对应且逼真。
在本申请的一些实施例中,基于各预设高-低辐射剂量组中的预设高-低辐射剂量图像对,得到各高低辐射剂量水平配置下的各图像对中的高辐射剂量图像的像素值相对于低辐射剂量图像的像素值的映射关系具体包括:对于各高低辐射剂量水平配置下的各图像对,使用成对滑窗同时在各图像对上进行滑动,并计算各图像对上所述滑窗的均值。将各对均值组成一组散点,使用加权幂率拟合各高低辐射剂量水平配置下各图像对的所有散点,以得到各高低辐射剂量水平配置下的各图像对中的高辐射剂量图像的像素值相对于低辐射剂量图像的像素值的映射关系。具体地,滑窗可以按照从左往右、从上往下的顺序在各图像对上进行滑动。滑窗的大小可以是3×3、5×5、7×7,优选的,所述滑窗的大小为3×3,以使得经由所述滑窗处理后得到的图像具有更小的噪声,能够减少噪声对于像素值的影响。5×5的窗宽可能会得到更好小的噪声,但是5×5的窗宽过大,会导致所求均值与窗宽中心像素的真实值(此处指没有噪声的话的值)相差过大。
其中,所述散点的权重为各图像对中的高辐射剂量图像的像素值出现的频率的倒数,也就是给频率高的加一个小一点的权重,给频率低的加一个大一点的权重,如此,能够使得得到的拟合曲线更接近真实曲线,拟合效果更好,能够得到更接近真实低辐射剂量图想的映射图。
进一步地,所述映射关系符合公式(1):
在本申请的一些实施例中,将所述映射图中各个像素点的像素值代入所述线性关系以生成噪声水平估计图具体包括:对各预设高-低辐射剂量组中的各个图像,使用滑窗在各个图像上滑动并统计滑窗内的像素均值和像素方差。具体地,如图2(a)所示,在步骤S201,获取各预设高-低辐射剂量组中的各个图像,并使用滑窗在各个图像上滑动并统计滑窗内的像素均值和像素方差(步骤S202),比如,使用3×3的滑窗在各个预设高-低辐射剂量组中的各个图像上进行步长为1的移动,并统计滑窗内的像素均值和像素方差。然后,如步骤S203,将所述像素均值和像素方差构成成对散点,根据公式(2)对成对散点像素值进行线性拟合,得到各高-低辐射剂量水平配置下的噪声估计参数:
最后,在步骤S204,将所述映射图中各个像素点的像素值代入所述公式(2)的噪声水平估计公式生成噪声水平估计图(如图2(b))。
在本申请的一些实施例中,如图3(a)所示,在步骤S301,获取具有预设尺寸的高斯核,其中,对于高斯核的尺寸可以根据用户的经验进行设置。在步骤S302,对噪声水平估计图进行预修正,获得预修正噪声水平估计图。具体地,将所述噪声水平估计图按照公式(3)进行预修正,获得预修正噪声水平估计图:
其中,为所述噪声水平估计图,/>为具有预设尺寸的高斯核,/>为逐元素求和,/>为预修正噪声水平估计图。在步骤S303,对所述预修正噪声水平估计图进行高斯模糊处理得到串扰模拟噪声图(如图3(b)),以进一步模拟出真实低辐射剂量图像各个像素点的串扰水平。在步骤S304,将映射图和串扰模拟噪声图进行融合处理,得到第二低辐射剂量图像(如图3(c))。图3(d)示出了在具体实施例中与实际高辐射剂量图像对应的真实低辐射剂量图像,可以看出基于本申请实施例生成的第二低辐射剂量图像与真实低辐射剂量图像足够逼真。
进一步地,所述融合处理至少包括将所述映射图与所述串扰模拟噪声图逐像素相加,以生成具有预设像素值范围的第二低辐射剂量图像。其中,预设像素值范围可以根据用户的经验进行设定或者设置默认值,对此不做限定。其中,在像素相加的过程中,小于所述预设像素值范围最小值的像素的值被设定为所述预设像素值范围最小值,大于所述预设像素值范围最大值的像素的值被设定为所述预设像素值范围最大值,以得到目标低辐射剂量水平配置下的与实际高辐射剂量图像对应且逼真的第二低辐射剂量图像。
在本申请的一些实施例中,各个图像为DSA图像,例如,在心脑血管介入手术中,利用DSA设备采集图像,由于患者会有一些轻微的相对运动,比如心跳运动、呼吸运动等都会引起各种动脉血管的位置、形态等发生变化,DSA设备无法采集到两帧一模一样的图像对。但利用本申请实施例的生成方法,可以自由地生成各种低辐射剂量图像,与高辐射剂量图像偏差较小,比如与高辐射剂量图像的成像部位、成像定时都严格吻合。在该实施例中,低辐射剂量水平是高辐射剂量水平的0-80%(不包含0)。首先随着辐射剂量的提高,图像中各个像素点的噪声水平是逐渐减小的,其次噪声是不可逆的(此处指噪声的随机性,降噪算法只是一种局部最优解而非真正的通过噪声图还原真实图像),因此低辐射剂量的图像无法模拟并生成高辐射剂量的图像。但是,高辐射剂量的图像,辐射剂量达到一定的程度,可近似看做无噪声(即噪声忽略不计),因此通过添加与低辐射剂量图像近似噪声的方式可以拟合真实的低辐射剂量图像。
在本申请的一些实施例中,如图4所示,提供一种终端设备,其包括至少一个处理器400、显示屏401;以及存储器402,还可以包括通信接口403和通信总线404。其中,处理器400、显示屏401、存储器402和通信接口403可以通过通信总线404完成相互间的通信。显示屏401设置为显示初始设置模式中预设的用户引导界面。通信接口403可以传输信息,处理器400可以调用存储器402中的逻辑指令,所述存储器402上存储有可被所述处理器400执行的计算机可读程序。所述通信总线404实现处理器400和存储器402之间的连接通信。所述处理器400执行所述计算机可读程序实现根据本申请各个实施例所述的生成方法中的步骤。
此外,上述的存储器402中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。
存储器402作为一种计算机可读存储介质,可设置为存储软件程序、计算机可执行程序,如本公开实施例中的方法对应的程序指令或模块。处理器400通过运行存储在存储器402中的软件程序、指令或模块,从而执行功能应用以及数据处理,即实现上述实施例中的方法。
存储器402可包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序;存储数据区可存储根据终端设备的使用所创建的数据等。此外,存储器402可以包括高速随机存取存储器,还可以包括非易失性存储器。例如,U盘、移动硬盘、只读存储器(Read-OnlyMemory,ROM)、随机存取存储器(RandomAccess Memory,RAM)、磁碟或者光盘等多种可以存储程序代码的介质,也可以是暂态存储介质。
此外,上述存储介质以及终端设备中的多条指令处理器400加载并执行的具体过程在上述方法中已经详细说明,在这里就不再一一陈述。
通信接口403可以包括但不限于网络适配器、电缆连接器、串行连接器、USB连接器、并行连接器、高速数据传输适配器等,例如光纤、USB 3.0、雷电接口(Thunderbolt)等,无线网络适配器,诸如WiFi适配器、电信(3G、4G/LTE等)适配器等。
在一些实施例中,通信接口403可以为网络接口,终端设备可以通过通信接口403连接到网络,例如但不限于局域网或因特网。
所述处理器400配置为执行本申请各个实施例所述的生成方法中的步骤,处理器400可以是专用处理器,也可以是通用处理器。处理器400可以包括一个或多个已知的处理装置,例如来自IntelTM制造的PentiumTM、CoreTM、XeonTM或Itanium系列的微处理器等。另外,处理器400可以包括一个以上的处理器,例如,多核设计或多个处理器,每个处理器具有多核设计。
在一些实施例中,处理器400可以是包括一个或多个通用处理装置的处理装置,诸如微处理器、中央处理单元(CPU)、图形处理单元(GPU)等一个或更多个通用处理设备的处理设备。更具体地,处理器400可以是复杂指令集运算(CISC)微处理器、精简指令集运算(RISC)微处理器、超长指令字(VLIW)微处理器、运行其他指令集的处理器或运行指令集的组合的处理器。处理器400还可以是诸如专用集成电路(ASIC)、现场可编程门阵列(FPGA)、数字信号处理器(DSP)、片上系统(SoC)等一个或更多个专用处理设备。
本申请还提供了一种计算机可读存储介质,所述计算机可读存储介质存储有一个或者多个程序,所述一个或者多个程序可被一个或者多个处理器执行,以实现如本申请各个实施例所述的生成方法中的步骤。
可以理解的是,所述计算机可读存储介质诸如但并不限于只读存储器(ROM)、随机存取存储器(RAM)、相变随机存取存储器(PRAM)、静态随机存取存储器 (SRAM)、动态随机存取存储器 (DRAM)、电可擦除可编程只读存储器 (EEPROM)、其他类型的随机存取存储器(RAM)、闪存盘或其他形式的闪存、高速缓存、寄存器、静态存储器、光盘只读存储器 (CD-ROM)、数字多功能光盘(DVD) 或其他光存储部、盒式磁带或其他磁存储设备、或用于存储能够被计算机设备等访问的信息或指令的任何其他非暂时性介质。
本文描述了各种操作或功能,其可以被作为软件代码或指令实现或定义为软件代码或指令。这样的内容可以是可直接执行的(“对象”或“可执行”形式)源代码或差分代码(“增量”或“补丁”代码)。本文所述的实施例的软件实现可以经由其中存储有代码或指令的制品或者经由操作通信接口以经由通信接口发送数据的方法来提供。机器或计算机可读存储介质可以使机器执行所描述的功能或操作,并且包括以可由机器(例如,计算设备、电子系统等等)访问的形式存储信息的任何机制,诸如可记录/不可记录介质(例如,只读存储器(ROM)、随机存取存储器(RAM)、磁盘存储介质、光存储介质、闪存设备、等等)。通信接口包括接合到硬连线、无线、光学等介质中的任何一个以与另一设备通信的任何机制,诸如存储器总线接口、处理器总线接口、互联网连接、磁盘控制器等。可以通过提供配置参数和/或发送信号来将通信接口配置成将该通信接口准备好以提供描述软件内容的数据信号。可以经由发送到通信接口的一个或更多个命令或信号来访问通信接口。
此外,尽管已经在本文中描述了示例性实施例,其范围包括任何和所有基于本申请的具有等同元件、修改、省略、组合(例如,各种实施例交叉的方案)、改编或改变的实施例。权利要求书中的元件将被基于权利要求中采用的语言宽泛地解释,并不限于在本说明书中或本申请的实施期间所描述的示例,其示例将被解释为非排他性的。因此,本说明书和示例旨在仅被认为是示例,真正的范围和精神由权利要求以及其等同物的全部范围所指示。
以上描述旨在是说明性的而不是限制性的。例如,上述示例(或其一个或更多方案)可以彼此组合使用。例如本领域普通技术人员在阅读上述描述时可以使用其它实施例。另外,在上述具体实施方式中,各种特征可以被分组在一起以简单化本申请。这不应解释为一种不要求保护的申请的特征对于任一权利要求是必要的意图。相反,本申请的主题可以少于特定的申请的实施例的全部特征。从而,权利要求书作为示例或实施例在此并入具体实施方式中,其中每个权利要求独立地作为单独的实施例,并且考虑这些实施例可以以各种组合或排列彼此组合。本申请的范围应参照所附权利要求以及这些权利要求赋权的等同形式的全部范围来确定。
Claims (12)
1.一种低辐射剂量图像的生成方法,其特征在于,包括如下步骤,由处理器:
获取多组不同高低辐射剂量水平配置下的预设高-低辐射剂量组,每组预设高-低辐射剂量组包括预设数量的预设高-低辐射剂量图像对;
基于各预设高-低辐射剂量组中的预设高-低辐射剂量图像对,得到各高低辐射剂量水平配置下的各图像对中的高辐射剂量图像的像素值相对于低辐射剂量图像的像素值的映射关系;
获取待处理的实际高辐射剂量图像,按照其和目标低辐射剂量水平对应的高低辐射剂量水平配置下的所述映射关系,基于所述实际高辐射剂量图像生成目标低辐射剂量水平的低辐射剂量图像的映射图;
基于各预设高-低辐射剂量组中的各个图像,得到各个图像中的各个像素点的像素值和该像素点的噪声水平之间的线性关系;
将所述映射图中各个像素点的像素值代入所述线性关系以生成噪声水平估计图;
将所述映射图与所述噪声水平估计图进行融合处理,以生成与所述实际高辐射剂量图像对应的第一低辐射剂量图像。
2.根据权利要求1所述的生成方法,其特征在于,接收用户对于目标低辐射剂量水平的设置,以使得所述处理器根据所述用户的设置,基于所述实际高辐射剂量图像生成目标低辐射剂量水平的低辐射剂量图像的映射图。
3.根据权利要求1所述的生成方法,其特征在于,还包括:
对所述噪声水平估计图进行预修正,得到预修正噪声水平估计图,对所述预修正噪声水平估计图进行高斯模糊处理得到串扰模拟噪声图;其中,经过预修正处理,以使得串扰模拟噪声图的噪声水平与高斯模糊处理之前的噪声水平估计图的噪声水平保持一致;
将所述映射图与所述串扰模拟噪声图进行融合处理,以生成与所述实际高辐射剂量图像对应的第二低辐射剂量图像。
4.根据权利要求1所述的生成方法,其特征在于,基于各预设高-低辐射剂量组中的预设高-低辐射剂量图像对,得到各高低辐射剂量水平配置下的各图像对中的高辐射剂量图像的像素值相对于低辐射剂量图像的像素值的映射关系具体包括:
对于各高低辐射剂量水平配置下的各图像对,使用成对滑窗同时在各图像对上进行滑动,并计算各图像对上所述滑窗的均值;
将各对均值组成一组散点,使用加权幂率拟合各高低辐射剂量水平配置下各图像对的所有散点,以得到各高低辐射剂量水平配置下的各图像对中的高辐射剂量图像的像素值相对于低辐射剂量图像的像素值的映射关系;
其中,所述散点的权重为各图像对中的高辐射剂量图像的像素值出现的频率的倒数。
7.根据权利要求4或6所述的生成方法,其特征在于,所述滑窗的大小为3×3,以使得经由所述滑窗处理后得到的图像具有更小的噪声。
9.根据权利要求3所述的生成方法,其特征在于,将所述映射图与所述串扰模拟噪声图进行融合处理具体包括:
将所述映射图与所述串扰模拟噪声图逐像素相加,以生成具有预设像素值范围的第二低辐射剂量图像;
其中,在像素相加的过程中,小于所述预设像素值范围最小值的像素的值被设定为所述预设像素值范围最小值,大于所述预设像素值范围最大值的像素的值被设定为所述预设像素值范围最大值。
10.根据权利要求1所述的生成方法,其特征在于,各个图像为DSA图像;其中,低辐射剂量水平是高辐射剂量水平的0-80%。
11.一种终端设备,其特征在于,包括:处理器、存储器及通信总线;所述存储器上存储有可被所述处理器执行的计算机可读程序;
所述通信总线实现处理器和存储器之间的连接通信;
所述处理器执行所述计算机可读程序实现根据权利要求1-10中任何一项所述的低辐射剂量图像的生成方法中的步骤。
12.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有一个或者多个程序,所述一个或者多个程序可被一个或者多个处理器执行,以实现如权利要求1-10中任何一项所述的低辐射剂量图像的生成方法中的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310134286.1A CN115841866B (zh) | 2023-02-20 | 2023-02-20 | 一种低辐射剂量图像的生成方法、终端设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310134286.1A CN115841866B (zh) | 2023-02-20 | 2023-02-20 | 一种低辐射剂量图像的生成方法、终端设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115841866A true CN115841866A (zh) | 2023-03-24 |
CN115841866B CN115841866B (zh) | 2023-05-23 |
Family
ID=85579901
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310134286.1A Active CN115841866B (zh) | 2023-02-20 | 2023-02-20 | 一种低辐射剂量图像的生成方法、终端设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115841866B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2012057047A1 (ja) * | 2010-10-28 | 2012-05-03 | 富士フイルム株式会社 | 放射線撮影システム |
CN109741254A (zh) * | 2018-12-12 | 2019-05-10 | 深圳先进技术研究院 | 字典训练及图像超分辨重建方法、系统、设备及存储介质 |
CN110753935A (zh) * | 2017-04-25 | 2020-02-04 | 小利兰·斯坦福大学托管委员会 | 用于医学成像的使用深度卷积神经网络的剂量减少 |
CN111462115A (zh) * | 2020-04-27 | 2020-07-28 | 上海联影医疗科技有限公司 | 医学图像显示方法、装置和计算机设备 |
CN115397332A (zh) * | 2020-02-11 | 2022-11-25 | 深透医疗公司 | 用于实时视频增强的系统和方法 |
-
2023
- 2023-02-20 CN CN202310134286.1A patent/CN115841866B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2012057047A1 (ja) * | 2010-10-28 | 2012-05-03 | 富士フイルム株式会社 | 放射線撮影システム |
CN110753935A (zh) * | 2017-04-25 | 2020-02-04 | 小利兰·斯坦福大学托管委员会 | 用于医学成像的使用深度卷积神经网络的剂量减少 |
CN109741254A (zh) * | 2018-12-12 | 2019-05-10 | 深圳先进技术研究院 | 字典训练及图像超分辨重建方法、系统、设备及存储介质 |
CN115397332A (zh) * | 2020-02-11 | 2022-11-25 | 深透医疗公司 | 用于实时视频增强的系统和方法 |
CN111462115A (zh) * | 2020-04-27 | 2020-07-28 | 上海联影医疗科技有限公司 | 医学图像显示方法、装置和计算机设备 |
Also Published As
Publication number | Publication date |
---|---|
CN115841866B (zh) | 2023-05-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11908046B2 (en) | Systems and methods for determining processing parameter for medical image processing | |
CN110570492B (zh) | 一种基于神经网络的ct伪影抑制方法、设备以及介质 | |
CN112770838B (zh) | 使用自关注深度学习进行图像增强的系统和方法 | |
US10964072B2 (en) | Methods, systems, and media for noise reduction in computed tomography images | |
CN109060849B (zh) | 一种确定辐射剂量调制线的方法、系统和装置 | |
CN110782502B (zh) | 基于深度学习的pet散射估计系统和使用感知神经网络模型的方法 | |
US11813103B2 (en) | Methods and systems for modulating radiation dose | |
CN109215014B (zh) | Ct图像预测模型的训练方法、装置、设备及存储介质 | |
KR102428725B1 (ko) | 영상 개선 방법 및 이를 수행하는 컴퓨터 프로그램 | |
CN112351739A (zh) | 使用深度学习进行准确快速的正电子发射断层扫描的系统和方法 | |
CN109077746B (zh) | 一种确定辐射剂量调制线的方法、系统和装置 | |
EP3632328B1 (en) | Threshold value optimizing method and apparatus based on k-edge imaging, device, and medium | |
CN115841866A (zh) | 一种低辐射剂量图像的生成方法、终端设备和存储介质 | |
US9978132B2 (en) | Radiation image processing device, method, and program | |
CN111862255A (zh) | 正则化图像重建方法、系统、可读存储介质和设备 | |
US20220308242A1 (en) | X-ray photon-counting data correction through deep learning | |
Khobragade et al. | CT automated exposure control using a generalized detectability index | |
EP4190243A1 (en) | Image processing device, image processing method, learning device, learning method, and program | |
CN112669405B (zh) | 图像重建方法、系统、可读存储介质和设备 | |
EP4057292A1 (en) | On-site training of a machine-learning algorithm for generating synthetic imaging data | |
WO2022026661A1 (en) | Systems and methods for image denoising via adversarial learning | |
TWI500412B (zh) | 一種影像品質的改善處理方法及其造影系統 | |
KR102643269B1 (ko) | 3d ct 데이터에서 가상 x-레이 영상을 생성하는 방법 및 영상처리장치 | |
US20240185486A1 (en) | Systems and methods for determining parameters for medical image processing | |
EP3138495A1 (en) | Imaging subject mould manufacturing method, and individualized imaging method |
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 |