CN115908430A - 基于图像处理的介入医学检测方法、装置、设备及介质 - Google Patents
基于图像处理的介入医学检测方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN115908430A CN115908430A CN202310213310.0A CN202310213310A CN115908430A CN 115908430 A CN115908430 A CN 115908430A CN 202310213310 A CN202310213310 A CN 202310213310A CN 115908430 A CN115908430 A CN 115908430A
- Authority
- CN
- China
- Prior art keywords
- image
- projection domain
- processing
- noise reduction
- human body
- 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
Images
Landscapes
- Apparatus For Radiation Diagnosis (AREA)
- Image Processing (AREA)
Abstract
本发明涉及图像处理技术，揭露一种基于图像处理的介入医学检测方法，包括：以运动平移函数作为目标函数，以线性约束条件作为约束函数对运动轨迹模型进行求解，得到预估运动参数；基于预估运动参数对切片成像图像进行初始重建得到初始重建图像；将初始重建图像映射至前投影域和后投影域上，并进行降噪及图像迭代，直至图像迭代完成将迭代后的前投影域降噪图像及后投影域降噪图像进行融合，得到标准重建图像；以标准重建图像作为参考对被检目标人体进行介入穿刺。本发明还提出一种基于图像处理的介入医学检测装置、电子设备以及存储介质。本发明可以提高介入医学检测的准确度。
Description
技术领域
本发明涉及图像处理领域，尤其涉及一种基于图像处理的介入医学检测方法、装置、电子设备及存储介质。
背景技术
介入医学指在数字减影机或CT、超声、核磁的引导下，经过患者皮肤、自然腔道，即血管、消化道等腔道直接穿刺，将导管或介入器材送达病变组织内部进行治疗的手段。
介入医学需要利用介入医学影像设备进行图像获取，但获取得到的图像可能会因为待检测物体的动作或者其他影响而不准确，进而导致介入医学检测的准确度降低，因此，亟待提出一种准确度更高的介入医学检测方法。
发明内容
本发明提供一种基于图像处理的介入医学检测方法、装置、电子设备及存储介质，其主要目的在于提高介入医学检测的准确度。
为实现上述目的，本发明提供的一种基于图像处理的介入医学检测方法，包括：
利用预设的介入医学影像设备对被检目标人体进行成像扫描，得到所述被检目标人体对应的切片成像图像；
基于预设的运动平移算法构建所述被检目标人体对应的运动平移函数，并获取所述被检目标人体的运动轨迹模型，以所述运动平移函数作为目标函数，以预先获取的线性约束条件作为约束函数对所述运动轨迹模型进行模型求解，得到预估运动参数；
基于所述预估运动参数对所述切片成像图像进行初始重建处理，得到初始重建图像；
分别将所述初始重建图像映射至前投影域和后投影域上，得到前投影域图像及后投影域图像，对所述前投影域图像和所述后投影域图像进行降噪处理，得到前投影域降噪图像及后投影域降噪图像；
对所述前投影域降噪图像及后投影域降噪图像进行图像迭代处理，直至所述图像迭代处理完成后将迭代后的所述前投影域降噪图像及后投影域降噪图像进行图像融合处理，得到标准重建图像；
以所述标准重建图像作为参考对所述被检目标人体进行介入穿刺处理。
可选地，所述基于预设的运动平移算法构建所述被检目标人体对应的运动平移函数，包括：
记录所述被检目标人体在所述介入医学影像设备下的移动路线，并构建所述移动路线对应的投影定量公式；
根据所述投影定量公式和预定义的图像几何动量公式生成初始平移函数；
利用预设的邻近点插值算法将所述初始平移函数进行数据重排，得到运动平移函数。
可选地，所述移动路线对应的投影定量公式，包括：
其中，Vk(θ)表示投影定量，θ表示所述移动路线中被检目标人体的投影角度，l表示所述移动路线中被检目标人体的投影长度，k表示阶数，g表示投影函数，d表示微积分。
可选地，所述利用预设的邻近点插值算法将所述初始平移函数进行数据重排，得到运动平移函数，包括：
将多个预设的映射转换参数代入至所述初始平移函数中，得到标准平移函数；
将所述标准平移函数中的积分上下限替换为预设参数，得到运动平移函数。
可选地，所述基于所述预估运动参数对所述切片成像图像进行初始重建处理，得到初始重建图像，包括：
对所述切片成像图像进行图像滤波处理，得到滤波成像图像；
以所述预估运动参数作为平移大小将预构建的图像坐标系进行坐标系平移，并将所述滤波成像图像投影到平移后的图像坐标系中，得到初始成像图像。
可选地，所述对所述前投影域降噪图像及后投影域降噪图像进行图像迭代处理，包括：
基于预设的惩罚加权最小二乘算法构建惩罚目标表达式；
根据预设的迭代公式对所述前投影域降噪图像及后投影域降噪图像进行迭代，直至迭代后的图像满足所述惩罚目标表达式，判断所述图像迭代处理完成。
可选地，所述惩罚目标表达式为：
其中，Φ(P)为惩罚目标值，P为所述前投影域降噪图像及后投影域降噪图像投影后的理想值，为所述前投影域降噪图像及后投影域降噪图像投影后的实际值，R(p)为惩罚因子，β为预设的控制系数。
为了解决上述问题，本发明还提供一种基于图像处理的介入医学检测装置，所述装置包括：
图像获取模块，用于利用预设的介入医学影像设备对被检目标人体进行成像扫描，得到所述被检目标人体对应的切片成像图像；
初始重建模块，用于基于预设的运动平移算法构建所述被检目标人体对应的运动平移函数，并获取所述被检目标人体的运动轨迹模型，以所述运动平移函数作为目标函数，以预先获取的线性约束条件作为约束函数对所述运动轨迹模型进行模型求解，得到预估运动参数，基于所述预估运动参数对所述切片成像图像进行初始重建处理，得到初始重建图像；
标准重建模块，用于分别将所述初始重建图像映射至前投影域和后投影域上，得到前投影域图像及后投影域图像，对所述前投影域图像和所述后投影域图像进行降噪处理，得到前投影域降噪图像及后投影域降噪图像，对所述前投影域降噪图像及后投影域降噪图像进行图像迭代处理，直至所述图像迭代处理完成后将迭代后的所述前投影域降噪图像及后投影域降噪图像进行图像融合处理，得到标准重建图像；
介入穿刺模块，用于以所述标准重建图像作为参考对所述被检目标人体进行介入穿刺处理。
为了解决上述问题，本发明还提供一种电子设备，所述电子设备包括：
至少一个处理器；以及，
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述所述的基于图像处理的介入医学检测方法。
为了解决上述问题，本发明还提供一种存储介质，所述存储介质中存储有至少一个计算机程序，所述至少一个计算机程序被电子设备中的处理器执行以实现上述所述的基于图像处理的介入医学检测方法。
本发明实施例中，通过利用预设的介入医学影像设备对被检目标人体进行成像扫描，得到所述被检目标人体对应的切片成像图像，并对所述切片成像图像进行初始重建处理，得到初始重建图像，所述初始重建图像可以去除图像中的伪影，提高图像的准确度。分别将所述初始重建图像映射至前投影域和后投影域上，得到前投影域图像及后投影域图像，并进行降噪及图像迭代处理，将处理后的图像进行融合，得到标准重建图像，所述标准重建图像具有准确性，以所述标准重建图像作为参考对所述被检目标人体进行介入穿刺处理。因此本发明提出的基于图像处理的介入医学检测方法、装置、电子设备及存储介质，可以解决提高介入医学检测的准确度低的问题。
附图说明
图1为本发明一实施例提供的基于图像处理的介入医学检测方法的流程示意图；
图2为本发明一实施例提供的基于图像处理的介入医学检测装置的功能模块图；
图3为本发明一实施例提供的实现所述基于图像处理的介入医学检测方法的电子设备的结构示意图。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
实施方式
应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
本申请实施例提供一种基于图像处理的介入医学检测方法。所述基于图像处理的介入医学检测方法的执行主体包括但不限于服务端、终端等能够被配置为执行本申请实施例提供的该方法的电子设备中的至少一种。换言之，所述基于图像处理的介入医学检测方法可以由安装在终端设备或服务端设备的软件或硬件来执行，所述软件可以是区块链平台。所述服务端包括但不限于：单台服务器、服务器集群、云端服务器或云端服务器集群等。所述服务器可以是独立的服务器，也可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(Content DeliveryNetwork，CDN)、以及大数据和人工智能平台等基础云计算服务的云服务器。
参照图1所示，为本发明一实施例提供的基于图像处理的介入医学检测方法的流程示意图。在本实施例中，所述基于图像处理的介入医学检测方法包括：
S1、利用预设的介入医学影像设备对被检目标人体进行成像扫描，得到所述被检目标人体对应的切片成像图像。
本发明实施例中，所述介入医学影像设备可以是利用CT（Computed Tomography，即电子计算机断层扫描）、MR（Magnetic Resonance，核磁共振）、DR（Digital Radiography，数字X线摄影）、DSA（Digital Subtraction Angiography、数字减影血管造影）、血管外介入导航仪等医学检查与治疗所形成的影像资料。其中，在本方案中采用的介入医学影像设备为CT设备。
其中，所述被检目标人体为病人，利用介入医学影像设备对病人进行成像扫描，可以得到病人的切片成像图像。
S2、基于预设的运动平移算法构建所述被检目标人体对应的运动平移函数，并获取所述被检目标人体的运动轨迹模型，以所述运动平移函数作为目标函数，以预先获取的线性约束条件作为约束函数对所述运动轨迹模型进行模型求解，得到预估运动参数。
本发明实施例中，由于在CT检查中病人可能会因为自发或者非自发的移动造成运动伪影，降低图像质量，严重时甚至会影响医生的诊断。因此需要对切片成像图像进行运动校正处理，进而得到切片成像图像。
具体地，所述基于预设的运动平移算法构建所述被检目标人体对应的运动平移函数，包括：
记录所述被检目标人体在所述介入医学影像设备下的移动路线，并构建所述移动路线对应的投影定量公式；
根据所述投影定量公式和预定义的图像几何动量公式生成初始平移函数；
利用预设的邻近点插值算法将所述初始平移函数进行数据重排，得到运动平移函数。
详细地，所述被检目标人体在所述介入医学影像设备下的移动路线是指将病人放入所述介入医学影像设备中进行检查时的移动情况。
进一步地，所述移动路线对应的投影定量公式为：
其中，Vk(θ)表示投影定量，θ表示所述移动路线中被检目标人体的投影角度，l表示所述移动路线中被检目标人体的投影长度，k表示阶数，g表示投影函数，d表示微积分。
具体地，所述预定义的图像几何动量公式为：
；
其中，Mk(θ)表示图像几何动量，k表示阶数，r表示预设的固定阶数，θ表示所述被检目标人体的投影角度，x1和x2表示所述被检目标人体在二维空间的坐标点， mr,k表示初始几何动量，f(x1,x2)表示动量函数，d表示微积分。
进一步，所述根据所述投影定量公式和预定义的图像几何动量公式生成初始平移函数为：
其中，Vk(θ)表示投影定量，Mk(θ)表示图像几何动量。
优选地，由于所述初始平移函数并不适用于扇形束投影数据，而在CT检测中主要采用等角度扇束CT模式，因此需要将所述初始平移函数扩展到等角度扇束CT中。本发明实施例可以采用邻近点插值的方式将所述初始平移函数进行数据重排，考虑到物体在扫描过程中发生了运动，每个邻近点均含有不同的运动信息，插值后可能会使其受到破坏，需要寻找一种能够尽量保存完整运动信息的邻近点插值算法。因此，本方案中选用仅在投影方向上插值的方法。
具体地，所述利用预设的邻近点插值算法将所述初始平移函数进行数据重排，得到运动平移函数，包括：
将多个预设的映射转换参数代入至所述初始平移函数中，得到标准平移函数；
将所述标准平移函数中的积分上下限替换为预设参数，得到运动平移函数。
详细地，所述映射转换参数是指平行束投影数据与扇形束投影数据之间的转换参数。在本方案中，所述映射转换参数包括转换长度和lk、半径R，弧度角，移动后的时间，预设的控制系数β，转换角频率ω，转换的投影角度,其中：
，且，，。
其中，为第一积分时间，为第二积分时间。
进一步地，所述运动平移函数为：
其中，为运动平移值，为限制参数，gp表示平移投影函数。
进一步地，所述预先获取的线性约束条件为：
其中，为零阶动量估计值，为零阶几何动量Δ为预设的线性参考值。
进一步地，由于在插值过程中引入了误差以及实际数据存在噪声，会影响参数估计的准确性，因此本发明实施例利用一些先验知识和投影数据的内在性质作为约束条件，有利于提高估计结果的精度和稳定性。以预先获取的线性约束条件作为约束函数对所述运动轨迹模型进行模型求解，得到预估运动参数。
S3、基于所述预估运动参数对所述切片成像图像进行初始重建处理，得到初始重建图像。
本发明实施例中，所述基于所述预估运动参数对所述切片成像图像进行初始重建处理，得到初始重建图像，包括：
对所述切片成像图像进行图像滤波处理，得到滤波成像图像；
以所述预估运动参数作为平移大小将预构建的图像坐标系进行坐标系平移，并将所述滤波成像图像投影到平移后的图像坐标系中，得到初始成像图像。
详细地，为了消除运动伪影，在重建过程中需要加入估计出的运动参数进行补偿。
S4、分别将所述初始重建图像映射至前投影域和后投影域上，得到前投影域图像及后投影域图像，对所述前投影域图像和所述后投影域图像进行降噪处理，得到前投影域降噪图像及后投影域降噪图像。
本发明实施例中，与单一的前投影迭代算法或者后投影迭代算法不同，本方案分别将所述初始重建图像映射至前投影域和后投影域上，将迭代从后投影空间延伸到了前投影空间，因此迭代的复杂程度有所增加，但是对噪声的降低水平大幅提升。
具体地，本发明实施例利用预设的降噪工具对所述前投影域图像和后投影域图像进行降噪处理，得到前投影域降噪图像和后投影域降噪图像。
S5、对所述前投影域降噪图像及后投影域降噪图像进行图像迭代处理，直至所述图像迭代处理完成后将迭代后的所述前投影域降噪图像及后投影域降噪图像进行图像融合处理，得到标准重建图像。
本发明实施例中，所述图像迭代处理可以使得最后得到的标准重建图像清晰且准确，受外界信息影响较小。
具体地，所述对所述前投影域降噪图像及后投影域降噪图像进行图像迭代处理，包括：
基于预设的惩罚加权最小二乘算法构建惩罚目标表达式；
根据预设的迭代公式对所述前投影域降噪图像及后投影域降噪图像进行迭代，直至迭代后的图像满足所述惩罚目标表达式，判断所述图像迭代处理完成。
详细地，所述预设的惩罚加权最小二乘算法被引入图像迭代过程中是因为略平滑的惩罚因子可以改善传统最小二乘法的棋盘效应，保证收敛性能。
进一步地，所述惩罚目标表达式为：
其中，为惩罚目标值，P为所述前投影域降噪图像及后投影域降噪图像投影后的理想值，为所述前投影域降噪图像及后投影域降噪图像投影后的实际值，R(p)为惩罚因子，β为预设的控制系数。
具体地，所述预设的迭代公式为：
其中，为迭代值，表示第n张图上的第k个像素值，表示第n张图上的第k＋1个像素值，β为预设的控制系数，Wj为预设的权值，j表示图像上每个像素点的导引值，表示方差，Pj表示预设的导引迭代值。
S6、以所述标准重建图像作为参考对所述被检目标人体进行介入穿刺处理。
本发明实施例中，以所述标准重建图像作为参考对所述被检目标人体进行介入穿刺处理，由于所述标准重建图像具有准确性，因此可以大大提高穿刺的准确性和效率。
详细地，除了基于标准重建图像进行介入穿刺处理，还可以基于标准重建图像进行介入和共振，或者进行血管造影等处理。介入医学主要是指可以根据定位准确的图像进行医疗诊断，本方案通过介入医学影像设备技术获取得到图像并且进行一系列图像处理，可以规避掉图像可能会出现的各种问题，并且提高介入医学的准确度。
本发明实施例中，通过利用预设的介入医学影像设备对被检目标人体进行成像扫描，得到所述被检目标人体对应的切片成像图像，并对所述切片成像图像进行初始重建处理，得到初始重建图像，所述初始重建图像可以去除图像中的伪影，提高图像的准确度；分别将所述初始重建图像映射至前投影域和后投影域上，得到前投影域图像及后投影域图像，并进行降噪及图像迭代处理，将处理后的图像进行融合，得到标准重建图像，所述标准重建图像具有准确性，以所述标准重建图像作为参考对所述被检目标人体进行介入穿刺处理。因此，本发明提出的基于图像处理的介入医学检测方法可以解决提高介入医学检测的准确度低的问题。
如图2所示，是本发明一实施例提供的基于图像处理的介入医学检测装置的功能模块图。
本发明所述基于图像处理的介入医学检测装置100可以安装于电子设备中。根据实现的功能，所述基于图像处理的介入医学检测装置100可以包括图像获取模块101、初始重建模块102、标准重建模块103及介入穿刺模块104。本发明所述模块也可以称之为单元，是指一种能够被电子设备处理器所执行，并且能够完成固定功能的一系列计算机程序段，其存储在电子设备的存储器中。
在本实施例中，关于各模块/单元的功能如下：
所述图像获取模块101，用于利用预设的介入医学影像设备对被检目标人体进行成像扫描，得到所述被检目标人体对应的切片成像图像；
所述初始重建模块102，用于基于预设的运动平移算法构建所述被检目标人体对应的运动平移函数，并获取所述被检目标人体的运动轨迹模型，以所述运动平移函数作为目标函数，以预先获取的线性约束条件作为约束函数对所述运动轨迹模型进行模型求解，得到预估运动参数，基于所述预估运动参数对所述切片成像图像进行初始重建处理，得到初始重建图像；
所述标准重建模块103，用于分别将所述初始重建图像映射至前投影域和后投影域上，得到前投影域图像及后投影域图像，对所述前投影域图像和所述后投影域图像进行降噪处理，得到前投影域降噪图像及后投影域降噪图像，对所述前投影域降噪图像及后投影域降噪图像进行图像迭代处理，直至所述图像迭代处理完成后将迭代后的所述前投影域降噪图像及后投影域降噪图像进行图像融合处理，得到标准重建图像；
所述介入穿刺模块104，用于以所述标准重建图像作为参考对所述被检目标人体进行介入穿刺处理。
详细地，本发明实施例中所述基于图像处理的介入医学检测装置100中所述的各模块在使用时采用与上述图1所述的基于图像处理的介入医学检测方法一样的技术手段，并能够产生相同的技术效果，这里不再赘述。
如图3所示，是本发明一实施例提供的实现基于图像处理的介入医学检测方法的电子设备的结构示意图。
所述电子设备可以包括处理器10、存储器11、通信总线12以及通信接口13，还可以包括存储在所述存储器11中并可在所述处理器10上运行的计算机程序，如基于图像处理的介入医学检测程序。
其中，所述处理器10在一些实施例中可以由集成电路组成，例如可以由单个封装的集成电路所组成，也可以是由多个相同功能或不同功能封装的集成电路所组成，包括一个或者多个中央处理器（Central Processing Unit，CPU）、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。所述处理器10是所述电子设备的控制核心（ControlUnit），利用各种接口和线路连接整个电子设备的各个部件，通过运行或执行存储在所述存储器11内的程序或者模块（例如执行基于图像处理的介入医学检测程序等），以及调用存储在所述存储器11内的数据，以执行电子设备的各种功能和处理数据。
所述存储器11至少包括一种类型的可读存储介质，所述可读存储介质包括闪存、移动硬盘、多媒体卡、卡型存储器（例如：SD或DX存储器等）、磁性存储器、磁盘、光盘等。所述存储器11在一些实施例中可以是电子设备的内部存储单元，例如该电子设备的移动硬盘。所述存储器11在另一些实施例中也可以是电子设备的外部存储设备，例如电子设备上配备的插接式移动硬盘、智能存储卡（Smart Media Card， SMC）、安全数字（Secure Digital，SD）卡、闪存卡（Flash Card）等。进一步地，所述存储器11还可以既包括电子设备的内部存储单元也包括外部存储设备。所述存储器11不仅可以用于存储安装于电子设备的应用软件及各类数据，例如基于图像处理的介入医学检测程序的代码等，还可以用于暂时地存储已经输出或者将要输出的数据。
所述通信总线12可以是外设部件互连标准（Peripheral ComponentInterconnect，简称PCI）总线或扩展工业标准结构（Extended Industry StandardArchitecture，简称EISA）总线等。该总线可以分为地址总线、数据总线、控制总线等。所述总线被设置为实现所述存储器11以及至少一个处理器10等之间的连接通信。
所述通信接口13用于上述电子设备与其他设备之间的通信，包括网络接口和用户接口。可选地，所述网络接口可以包括有线接口和/或无线接口（如WI-FI接口、蓝牙接口等），通常用于在该电子设备与其他电子设备之间建立通信连接。所述用户接口可以是显示器（Display）、输入单元（比如键盘（Keyboard）），可选地，用户接口还可以是标准的有线接口、无线接口。可选地，在一些实施例中，显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED（Organic Light-Emitting Diode，有机发光二极管）触摸器等。其中，显示器也可以适当的称为显示屏或显示单元，用于显示在电子设备中处理的信息以及用于显示可视化的用户界面。
图3仅示出了具有部件的电子设备，本领域技术人员可以理解的是，图3示出的结构并不构成对所述电子设备的限定，可以包括比图示更少或者更多的部件，或者组合某些部件，或者不同的部件布置。
例如，尽管未示出，所述电子设备还可以包括给各个部件供电的电源（比如电池），优选地，电源可以通过电源管理装置与所述至少一个处理器10逻辑相连，从而通过电源管理装置实现充电管理、放电管理、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述电子设备还可以包括多种传感器、蓝牙模块、Wi-Fi模块等，在此不再赘述。
应该了解，所述实施例仅为说明之用，在专利申请范围上并不受此结构的限制。
所述电子设备中的所述存储器11存储的基于图像处理的介入医学检测程序是多个指令的组合，在所述处理器10中运行时，可以实现：
利用预设的介入医学影像设备对被检目标人体进行成像扫描，得到所述被检目标人体对应的切片成像图像；
基于预设的运动平移算法构建所述被检目标人体对应的运动平移函数，并获取所述被检目标人体的运动轨迹模型，以所述运动平移函数作为目标函数，以预先获取的线性约束条件作为约束函数对所述运动轨迹模型进行模型求解，得到预估运动参数；
基于所述预估运动参数对所述切片成像图像进行初始重建处理，得到初始重建图像；
分别将所述初始重建图像映射至前投影域和后投影域上，得到前投影域图像及后投影域图像，对所述前投影域图像和所述后投影域图像进行降噪处理，得到前投影域降噪图像及后投影域降噪图像；
对所述前投影域降噪图像及后投影域降噪图像进行图像迭代处理，直至所述图像迭代处理完成后将迭代后的所述前投影域降噪图像及后投影域降噪图像进行图像融合处理，得到标准重建图像；
以所述标准重建图像作为参考对所述被检目标人体进行介入穿刺处理。
具体地，所述处理器10对上述指令的具体实现方法可参考附图对应实施例中相关步骤的描述，在此不赘述。
进一步地，所述电子设备集成的模块/单元如果以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，可以存储在一个存储介质中。所述存储介质可以是易失性的，也可以是非易失性的。例如，所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器（ROM，Read-Only Memory）。
本发明还提供一种存储介质，所述可读存储介质存储有计算机程序，所述计算机程序在被电子设备的处理器所执行时，可以实现：
利用预设的介入医学影像设备对被检目标人体进行成像扫描，得到所述被检目标人体对应的切片成像图像；
基于预设的运动平移算法构建所述被检目标人体对应的运动平移函数，并获取所述被检目标人体的运动轨迹模型，以所述运动平移函数作为目标函数，以预先获取的线性约束条件作为约束函数对所述运动轨迹模型进行模型求解，得到预估运动参数；
基于所述预估运动参数对所述切片成像图像进行初始重建处理，得到初始重建图像；
分别将所述初始重建图像映射至前投影域和后投影域上，得到前投影域图像及后投影域图像，对所述前投影域图像和所述后投影域图像进行降噪处理，得到前投影域降噪图像及后投影域降噪图像；
对所述前投影域降噪图像及后投影域降噪图像进行图像迭代处理，直至所述图像迭代处理完成后将迭代后的所述前投影域降噪图像及后投影域降噪图像进行图像融合处理，得到标准重建图像；
以所述标准重建图像作为参考对所述被检目标人体进行介入穿刺处理。
在本发明所提供的几个实施例中，应该理解到，所揭露的设备，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能模块的形式实现。
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。
因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。
本发明所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain)，本质上是一个去中心化的数据库，是一串使用密码学方法相关联产生的数据块，每一个数据块中包含了一批次网络交易的信息，用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
本申请实施例可以基于人工智能技术对相关的数据进行获取和处理。其中，人工智能（Artificial Intelligence，AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。
此外，显然“包括”一词不排除其他单元或步骤，单数不排除复数。系统权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第一、第二等词语用来表示名称，而并不表示任何特定的顺序。
最后应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或等同替换，而不脱离本发明技术方案的精神和范围。
Claims (10)
1.一种基于图像处理的介入医学检测方法，其特征在于，所述方法包括：
利用预设的介入医学影像设备对被检目标人体进行成像扫描，得到所述被检目标人体对应的切片成像图像；
基于预设的运动平移算法构建所述被检目标人体对应的运动平移函数，并获取所述被检目标人体的运动轨迹模型，以所述运动平移函数作为目标函数，以预先获取的线性约束条件作为约束函数对所述运动轨迹模型进行模型求解，得到预估运动参数；
基于所述预估运动参数对所述切片成像图像进行初始重建处理，得到初始重建图像；
分别将所述初始重建图像映射至前投影域和后投影域上，得到前投影域图像及后投影域图像，对所述前投影域图像和所述后投影域图像进行降噪处理，得到前投影域降噪图像及后投影域降噪图像；
对所述前投影域降噪图像及后投影域降噪图像进行图像迭代处理，直至所述图像迭代处理完成后将迭代后的所述前投影域降噪图像及后投影域降噪图像进行图像融合处理，得到标准重建图像；
以所述标准重建图像作为参考对所述被检目标人体进行介入穿刺处理。
2.如权利要求1所述的基于图像处理的介入医学检测方法，其特征在于，所述基于预设的运动平移算法构建所述被检目标人体对应的运动平移函数，包括：
记录所述被检目标人体在所述介入医学影像设备下的移动路线，并构建所述移动路线对应的投影定量公式；
根据所述投影定量公式和预定义的图像几何动量公式生成初始平移函数；
利用预设的邻近点插值算法将所述初始平移函数进行数据重排，得到运动平移函数。
3.如权利要求2所述的基于图像处理的介入医学检测方法，其特征在于，所述移动路线对应的投影定量公式，包括：
其中，Vk(θ)表示投影定量，θ表示所述移动路线中被检目标人体的投影角度，l表示所述移动路线中被检目标人体的投影长度，k表示阶数，g表示投影函数，d表示微积分。
4.如权利要求2所述的基于图像处理的介入医学检测方法，其特征在于，所述利用预设的邻近点插值算法将所述初始平移函数进行数据重排，得到运动平移函数，包括：
将多个预设的映射转换参数代入至所述初始平移函数中，得到标准平移函数；
将所述标准平移函数中的积分上下限替换为预设参数，得到运动平移函数。
5.如权利要求1所述的基于图像处理的介入医学检测方法，其特征在于，所述基于所述预估运动参数对所述切片成像图像进行初始重建处理，得到初始重建图像，包括：
对所述切片成像图像进行图像滤波处理，得到滤波成像图像；
以所述预估运动参数作为平移大小将预构建的图像坐标系进行坐标系平移，并将所述滤波成像图像投影到平移后的图像坐标系中，得到初始成像图像。
6.如权利要求1所述的基于图像处理的介入医学检测方法，其特征在于，所述对所述前投影域降噪图像及后投影域降噪图像进行图像迭代处理，包括：
基于预设的惩罚加权最小二乘算法构建惩罚目标表达式；
根据预设的迭代公式对所述前投影域降噪图像及后投影域降噪图像进行迭代，直至迭代后的图像满足所述惩罚目标表达式，判断所述图像迭代处理完成。
7.如权利要求6所述的基于图像处理的介入医学检测方法，其特征在于，所述惩罚目标表达式为：
其中，Φ(P)为惩罚目标值，P为所述前投影域降噪图像及后投影域降噪图像投影后的理想值，为所述前投影域降噪图像及后投影域降噪图像投影后的实际值，R(p)为惩罚因子，β为预设的控制系数。
8.一种基于图像处理的介入医学检测装置，其特征在于，所述装置包括：
图像获取模块，用于利用预设的介入医学影像设备对被检目标人体进行成像扫描，得到所述被检目标人体对应的切片成像图像；
初始重建模块，用于基于预设的运动平移算法构建所述被检目标人体对应的运动平移函数，并获取所述被检目标人体的运动轨迹模型，以所述运动平移函数作为目标函数，以预先获取的线性约束条件作为约束函数对所述运动轨迹模型进行模型求解，得到预估运动参数，基于所述预估运动参数对所述切片成像图像进行初始重建处理，得到初始重建图像；
标准重建模块，用于分别将所述初始重建图像映射至前投影域和后投影域上，得到前投影域图像及后投影域图像，对所述前投影域图像和所述后投影域图像进行降噪处理，得到前投影域降噪图像及后投影域降噪图像，对所述前投影域降噪图像及后投影域降噪图像进行图像迭代处理，直至所述图像迭代处理完成后将迭代后的所述前投影域降噪图像及后投影域降噪图像进行图像融合处理，得到标准重建图像；
介入穿刺模块，用于以所述标准重建图像作为参考对所述被检目标人体进行介入穿刺处理。
9.一种电子设备，其特征在于，所述电子设备包括：
至少一个处理器；以及，
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行如权利要求1至7中任意一项所述的基于图像处理的介入医学检测方法。
10.一种存储介质，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如权利要求1至7中任意一项所述的基于图像处理的介入医学检测方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310213310.0A CN115908430B (zh) | 2023-03-08 | 2023-03-08 | 基于图像处理的介入医学检测方法、装置、设备及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310213310.0A CN115908430B (zh) | 2023-03-08 | 2023-03-08 | 基于图像处理的介入医学检测方法、装置、设备及介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115908430A true CN115908430A (zh) | 2023-04-04 |
| CN115908430B CN115908430B (zh) | 2023-05-30 |
Family
ID=85751897
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310213310.0A Active CN115908430B (zh) | 2023-03-08 | 2023-03-08 | 基于图像处理的介入医学检测方法、装置、设备及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115908430B (zh) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20150125059A1 (en) * | 2013-11-01 | 2015-05-07 | Lickenbrock Technologies, LLC | Fast iterative algorithm for superresolving computed tomography with missing data |
| CN106056645A (zh) * | 2016-05-25 | 2016-10-26 | 天津商业大学 | 基于频域分析的ct图像平移运动伪影校正方法 |
| CN106683146A (zh) * | 2017-01-11 | 2017-05-17 | 上海联影医疗科技有限公司 | 一种图像重建方法和图像重建算法的参数确定方法 |
| CN115294426A (zh) * | 2022-10-08 | 2022-11-04 | 深圳市益心达医学新技术有限公司 | 介入医学设备的跟踪方法、装置、设备及存储介质 |
-
2023
- 2023-03-08 CN CN202310213310.0A patent/CN115908430B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20150125059A1 (en) * | 2013-11-01 | 2015-05-07 | Lickenbrock Technologies, LLC | Fast iterative algorithm for superresolving computed tomography with missing data |
| CN106056645A (zh) * | 2016-05-25 | 2016-10-26 | 天津商业大学 | 基于频域分析的ct图像平移运动伪影校正方法 |
| CN106683146A (zh) * | 2017-01-11 | 2017-05-17 | 上海联影医疗科技有限公司 | 一种图像重建方法和图像重建算法的参数确定方法 |
| CN115294426A (zh) * | 2022-10-08 | 2022-11-04 | 深圳市益心达医学新技术有限公司 | 介入医学设备的跟踪方法、装置、设备及存储介质 |
Non-Patent Citations (5)
| Title |
|---|
| DAAN CHRISTIAENS等: "Scattered slice SHARD reconstruction for motion correction in multi-shell diffusion MRI of the neonatal brain", 《HTTPS://ARXIV.ORG/ABS/1905.02996V1》 * |
| MOHAMED ELSAYED ELDIB等: "A motion artifact reduction method for dental CT based on subpixel-resolution image registration of projection data", 《COMPUTERS IN BIOLOGY AND MEDICINE》 * |
| 伍德军;: "运动三维激光动态信息的人体重建方法研究", 《激光杂志》 * |
| 隆兴银: "基于人体实体切片的图像处理及三维重建技术研究", 《中国优秀博硕士学位论文全文数据库（硕士）》 * |
| 马永壮等: "一种基于双目主动视觉的线性自标定算法", 《机器人》 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115908430B (zh) | 2023-05-30 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US9754390B2 (en) | Reconstruction of time-varying data | |
| Neelapu et al. | Automatic localization of three-dimensional cephalometric landmarks on CBCT images by extracting symmetry features of the skull | |
| US9471987B2 (en) | Automatic planning for medical imaging | |
| US9684980B2 (en) | Prior image based three dimensional imaging | |
| US9741131B2 (en) | Anatomy aware articulated registration for image segmentation | |
| CN111540025B (zh) | 预测用于图像处理的图像 | |
| CN108876794B (zh) | 体积图像数据中的动脉瘤与载瘤血管的隔离 | |
| CN110473269B (zh) | 一种图像重建方法、系统、设备及存储介质 | |
| US8682051B2 (en) | Smoothing of dynamic data sets | |
| US20190311228A1 (en) | Cross-modality image synthesis | |
| JP2019101485A (ja) | 情報処理方法、情報処理装置、情報処理システム及びプログラム | |
| CN111210431A (zh) | 一种血管分割方法、装置、设备及存储介质 | |
| CN114943714A (zh) | 医学图像处理系统、装置、电子设备及存储介质 | |
| Jaus et al. | Towards unifying anatomy segmentation: automated generation of a full-body CT dataset via knowledge aggregation and anatomical guidelines | |
| US20230089212A1 (en) | Image generation device, image generation method, image generation program, learning device, learning method, and learning program | |
| CN116439691A (zh) | 基于人工智能的关节活动度检测方法及相关设备 | |
| CN115908430A (zh) | 基于图像处理的介入医学检测方法、装置、设备及介质 | |
| Zhang et al. | Deformable registration of lateral cephalogram and cone‐beam computed tomography image | |
| CN114596225A (zh) | 一种运动伪影模拟方法和系统 | |
| EP3097540A1 (en) | Method of repeat computer tomography scanning and system thereof | |
| CN114259247A (zh) | 动态pet扫描方法、装置、电子设备及存储介质 | |
| EP3951705A1 (en) | Method, device and system for determining abnormality in myocardium region | |
| Zeng et al. | Low‐dose three‐dimensional reconstruction of the femur with unit free‐form deformation | |
| Simoni et al. | Innovative tool for automatic detection of arterial stenosis on cone beam computed tomography | |
| CN113205459B (zh) | 用于冠状动脉的3d重建的血管造影图像的运动校正 |
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 |