CN1219715A

CN1219715A - 用于医学图象的迭代滤波器结构

Info

Publication number: CN1219715A
Application number: CN98119195A
Authority: CN
Inventors: G·B·阿维纳斯
Original assignee: General Electric Co
Current assignee: General Electric Co
Priority date: 1997-09-17
Filing date: 1998-09-16
Publication date: 1999-06-16
Anticipated expiration: 2018-09-16
Also published as: NL1010119A1; IL126134A0; NL1010119C2; CN1191549C; JPH11155834A; JP4169400B2; DE19827034A1; US6246783B1

Abstract

函数滤波器单元连接在构成MRI系统的一部分的多通道滤波器结构中。滤波器结构根据操作员选择的一组参数进行构造,以便在获得的图象上进行平滑和边缘锐化操作。在通过滤波器结构进行的每次滤波过程中使用的函数滤波器单元以及滤波次数是可调节的,以便在医学图象上获得各种各样的视觉效果。

Description

用于医学图象的迭代滤波器结构

本发明的领域是医学图象，特别是为提高视觉质量而对医学图象进行的滤波和增强。

医学图象的质量是所用成象模态和采集图象数据的具体方法的函数。一般来说，不考虑所用的成象模态，可通过采集冗余数据来提高医学图象的质量，对这些冗余数据求平均可以减少随机噪声的影响。不幸的是，这些方法导致扫描时间的增加，给患者造成不便并且价格昂贵。另一种途径是提高成象系统的功率。在MRI中，可以采取更强的极化场的形式(例如用1.5特斯拉来代替0.5特斯拉)，在X射线系统中，可以采用功率更高的X射线束，在超声波中，可以采用功率更大的射频放大器和换能器(transducer)。这些方法提高了设备的花费，并且在X射线情况下，增大了对患者的电离辐射剂量。

已经尝试过通过向患者体内注入对比剂来提高目标的成象能力。例如参见Rosen的美国专利No.4,834,964。但是，注入对比剂仅能在有限的范围内改进图象特性，并且因为它是一种侵入性技术，有时由于医学原因是不适用的。

例如美国专利No.5,063,607描述的，采集的医学图象也可以通过全面地或局部地修正信号值的直方图或分布，增强其分析值。在其它增强技术中，将每一子图象区域的灰度级范围展宽，使其覆盖整个显示范围，例如美国专利No.4,991,092所述的。但是，扩展数据动态范围的直方图修正，同时也增加了图象中的噪声。局部的直方图修正产生一种使整幅图象缺乏均匀性的方块效应。

图象可运用卷积技术或滤波技术来增强。这样的技术包括对选定的频带进行放大，如Chang的美国专利No.5,072,314所示。其它技术利用高通和低通滤波组合来增强图象，例如Kwon的美国专利No.5,081,692或Hirosawa的美国专利No.4,972,256所示。但是，整体滤波技术会使图象模糊，并滤掉了低频区域。这使得对图象的分析评价很困难。

为了消除整体滤波或卷积的一些缺点，可以使用局部调整滤波。例如见Denison,et al的美国专利No.4,761,819；Swon的美国专利No.4,991,092；Furusawa的美国专利No.5,050,227以及IEEE模式分析和机器智能学报(IEEE Transaction on Pattern Analysis andMachine Intelligence)，第13卷，第6期，1991年6月，Saint-Marc,et al.的“自适应平滑：用于初始图象的通用工具”。然而，局部滤波技术很难区分边缘产生的图象突变和噪声产生的图象突变。这些技术也无法指出边缘方向和局部变化之间的差别，产生一个没有考虑到边缘的、过于平滑的图象。

还可以应用重建的方法进行，在重建方法中，建立采集过程的模型，并用数学描述成象的劣化过程。这些技术然后试图利用重建技术，例如最小均方、贝叶斯或卡尔曼滤波等，使劣化过程逆转。然而，重建方法需要采集过程的精确模型。复杂的采集过程，例如MRI成象过程，就很难精确地建立模型，而且需要长时间的迭代计算才能得到给定图象的复杂模型参数。

Fenster,et al.的美国专利No.4,691,366利用经调整使长边缘增强、使噪声和点减弱的滤波器。然而，为了产生合适的滤波器，此技术需要分析成象系统。这种分析的计算量很大、耗时且容易出错。

本发明是一种用于提高医学图象质量的多通道滤波器结构。更特别地，该多通道滤波器结构包括：存储装置，用于存储采集到的图象数据；多个独立的滤波器函数，用于接收在一次滤波中采集到的图象数据，并产生相应的滤波图象数据；比例调整装置，用于将滤波图象数据乘一常数(α)；求和装置，用于将滤波后的图象数据和原始图象数据以适当的比例叠加，产生输出图象；以及迭代装置，用于使图象数据多次通过选定的滤波器函数。滤波器函数可以采取多种不同的形式，使多通道滤波器应用于许多不同的成象模态和临床应用。

本发明的一个总的目的是不附加特殊硬件或显著地增加图象处理时间而提高医学图象的质量。利用图象数据的多通道滤波技术，可以显著地简化独立的滤波函数。例如，不用15×15单元滤波器内核进行滤波，而采用3×1单元滤波器内核的结构进行三次滤波可实现相同的结果。处理过程得到简化且速度更快。而且，采用多通道技术，对于每一次滤波都可以调节滤波器，以提供更大范围的图象效果。

本发明的一个更加具体的目的是提高MRI系统采集到的图象质量。应用对图象边缘敏感的方向平滑滤波器可以滤除图象数据的噪声。图象沿边缘被平滑，而边缘锐度并未减弱。分块技术用来分别对强边缘区域和弱边缘区域进行滤波。在通过滤波器结构的多次滤波过程中，可以按照不同的组合使用这些不同的滤波器函数。

本发明的上述目的以及其它目的和优点在下面的描述中将显示出来。在说明书中，将参照构成其中一部分的附图，并以示例的方式将本发明的最佳实施例表示出来。然而，这种实施例并不表示本发明的全部范围，因此应参照权利要求书来解释本发明的范围。

图1是采用本发明的MRI系统的方框图；以及

图2是依据本发明的最佳实施例，由图1中的对采集到的图象进行滤波的MRI系统执行的函数流程图；

图3是依据本发明的单通道滤波器的方框图；

图4是利用图3的单通导滤波器的多通道一阶滤波器的方框图；以及

图5是利用图4的滤波器的多通道二阶滤波器的方框图。

本发明是一种可以由用户进行构造以实现医学图象的宽范围滤波操作的滤波器结构。特别参看图3，该结构由基本滤波器模块F₁₁组成，该基本滤波器模块F₁₁包括工作于输入图象数据输入端10的滤波器F₁。滤波器F₁的输出利用因子C₁进行比例调整，并在求和器12处与调整后的输入图象数据叠加。输入图象数据的调整因子为(1-C)。滤波器模块F₁₁的输出14是已经通过一阶滤波一次的中间图象数据。滤波器F₁的结构可以较简单，例如，使用3×1滤波器内核构造的平滑或锐化滤波器，或者也可以是在每次滤波时选择性地使用的不同滤波器的组合。

滤波器结构利用图3中的滤波器模块构成多通道滤波器F₂₁，如图4所示。中间图象数据反馈给进行下一次滤波的滤波器模块，并且每次滤波可以采用不同的滤波器函数和调整因子C。如图4所示，执行的滤波次数(n)是任意的，在最后一次滤波之后，滤波输出图象数据利用调整因子(d)进行比例调整，并且在求和器点16与调整后的初始输入图象数据叠加。滤波图象数据在端子18输出。如下面将要详细描述的，本发明的最佳实施例是一个对MRI系统采集到的图象数据进行三次滤波处理(即n=3)的滤波器。

对于噪声特强的图象需要二阶滤波器。特别参看图5，这可以利用本发明的滤波器结构通过将多通道滤波器模块，例如图4中的滤波器F₂₁，级联实现。每一多通道滤波器模块F₂₁、F₂₂…F_2m的输出18通过结构反馈，为链路中的下一滤波器模块提供输入。最后一个滤波器模块F_2m的输出18利用调整换算因子(e)进行比例调整，并且在求和点20与调整后的原始输入图象数据叠加。滤波后的图象数据在端子22输出。显然，二阶滤波器F₃₁自身也可以级联，形成所需的更高阶的滤波器，以提供所期望的图象效果。

求和点12、16和20可以简化为对比例调整后的象素强度进行算术求和，也可以将图象分成不同的区域，将这些区域与原始图象叠加。例如，强边缘区域可以不叠加，而弱边缘区域则可与原始图象中相应的数据叠加。

本发明的另一个方面是构造滤波器结构以便提供期望的滤波器函数的能力。一组参数控制滤波器结构，以提供滤波器模块并将其以上述方式级联。这些参数确定每次滤波过程中执行的特定滤波器函数，还确定调整因子c₁-c_n,d₁-d_n，等等。存储的参数组可以为特定的医学应用构造的滤波器结构。

首先参看图1，显示了体现本发明的优选MRI系统的主要部分。该系统的操作由操作员控制台100控制，操作员控制台100包括键盘控制面板102和显示器104。控制台100通过连接线116与独立计算机系统107通讯，使得操作员能够控制屏幕104上的图象生成和显示。计算机系统107包括多个通过底板相互通讯的模块。这些模块包括图象处理器模块106、CPU模块108和存储器模块113，作为本领域公知的存储图象数据阵列的帧缓冲器。计算机系统107连接到用于存储图象数据和程序的磁盘存储器111和磁带驱动器112，并且通过高速串行连接线115与独立系统控制122通讯。

系统控制122包括一组通过底板连接在一起的模块。这些模块包括CPU模块119和通过串行连接线125连接到操作员控制台100的脉冲发生器模块121。就是通过这根连接线125系统控制122接收来自操作员的、指示待执行扫描序列的命令。脉冲发生器模块121操作系统部件执行期望的扫描序列。它产生的数据指示出待产生的RF脉冲的定时(timing)、强度和形状以及数据采集窗的定时和长度。脉冲发生器模块121连接到一组梯度放大器127，以指示扫描期间产生的梯度脉冲的定时和形状。脉冲发生器模块121还接收来自生理采集控制器129的患者数据，该生理采集控制器129从多个连接到患者的不同的传感器接收信号，例如来自电极的ECG信号或来自膜盒(bellows)的呼吸信号。最后，脉冲发生器模块121连接到一个扫描房间接口电路133，该接口电路133接收来自与患者和磁系统的状况相联系的各种传感器的信号。患者定位系统134也是通过扫描房间接口电路133接收命令，将患者移动到扫描所需的位置。

由脉冲发生器模块121产生的梯度波形提供给包括G_x、G_y和G_z放大器的梯度放大器系统127。每一梯度放大器激励通常用139表示的组件中的相应梯度线圈，以产生用于定位编码采集信号的磁场梯度。梯度线圈组件139构成包括极化磁体40和全身(whole-body)RF线圈152的磁体组件141的一部分。在系统控制122中的收发机模块150产生由RF放大器151放大的脉冲，并通过发射/接收开关154耦合到RF线圈152。患者体内的激励核辐射出的结果信号由相同的RF线圈152检测，并通过发射/接收开关154耦合到前置放大器153。放大的NMR信号在收发机150的接收部分被解调、滤波及数字化。发射/接收开关154由来自脉冲发生器模块121的信号控制，以便在发射模式中连接RF放大器151和线圈152，而在接收模式中连接前置放大器153和线圈152。发射/接收开关154还能使独立的RF线圈(例如，磁头线圈或表面线圈)用于发射或接收模式。

RF线圈152采集的NMR信号由收发机模块150数字化，并传输到系统控制122中的存储器模块160。当扫描完成且在存储器模块160中已经获得数据的全部阵列时，阵列处理器161将该数据进行傅立叶变换，得到图象数据阵列。该图象数据通过串行连接线115传送到计算机系统107，存储在磁盘存储器111中。响应来自操作员控制台100的命令，该图象数据可以存储在磁带驱动器112中，或者依据本发明由图象处理器106进一步处理，传送给操作员控制台100，并显示在显示器104上。

对于收发机150的更加详细的说明，可参考在此引用作为参考的美国专利No.4,952,877和4,922,736。

在图1所示的图象处理器106中对以数字形式存储的图象执行由图2的流程图表示的步骤顺序，可以实现本发明。滤波过程提供多通道(迭代)结构，可选择性地改变每次滤波过程使用的参数。如过程模块200所示，操作员为特定的应用输入控制滤波处理过程的十八个参数。如下面将要详细描述的，这些参数控制滤波效果，效果范围可以从图象的完全平滑到图象特征的完全锐化，以及基于分块的自适应平滑和锐化。在研究设置中，独立参数可以由操作员指定，而在临床设置中，一组存储的参数可以由操作员根据具体应用来选择。

如过程模块202所示，下一步骤是为待执行的多通道滤波器操作初始化系统，并对输入图象数据进行比例调整。进行比例调整的主要原因是使滤波函数独立于图象数据的动态范围或其直流偏移量。更具体地讲，执行下面的步骤：

1) 初始化下一部分将要讨论的内部参数，迭代计数器设为

1；

2) 确定最大(MAX_ORIGINAL)和最小(MIN_ORIGINAL)图象强度值；

3) 如果迭代数为1，初始数据保存为I₂；

4) 比例=4095.0/MAX_ORIGINAL；

5) 利用下式获得比例调整后的图象I：

I=(I-MIN_ORIGINAL)*比例；

6) 保存前置滤波图象，I₁=I；

7) 计算在滤波前I的平均图象强度值(MEAN_BEFORE)。

因为MR图象数据具有12比特精度，所以利用4095.0/MAX_ORIGINAL进行比例调整。图象I₁用于下述的中间混合运算，而存储的图象I₂用于最终的混合运算，这也将在下面进行描述。

如判定模块204所示，对图象数据执行两种方向平滑函数中的任一种。选择由上述的18个控制参数中的一个确定。一种选择(“1”)是由过程模块206表示的方向平滑函数，在过程模块206中，对图象I施加同步方向平滑操作。这种同步平滑操作在L.S.Davis的“边缘检测技术概论”(《计算机图形学和图象处理》第4卷，248-270页，1975年)中已有描述。采取如下步骤：

1) 以光栅格式扫描图象一次。

2) 在每一图象象素，在所有四个方向上(45°,135°,90°,0°)考虑四个1维3×1滤波器。

3) 在每一方向，计算3个相应象素的平均值和方差。

4) 确定给出最小方差的方向，并为后续的计算选择相应的平均值。

5) 在给定位置(x,y)上，新象素值根据下式修正：

I(x,y)=平均值

通过设计，此过程沿行结构和边缘进行平滑而不跨越它们。给定图象中的边缘象素必须进行不同的处理，在处理后的图象中将其设置为0。

判定模块204的另一种选择(“2”)是由过程模块208表示的顺序平滑函数。平滑函数施加到图象I上，其功能在P.Chan和J.S.Lim的“自适应图象重建的一维处理”(IEEE声学、语音和信号处理学报，第33卷，117-126页，1985年2月)中已有描述。顺序平滑函数采取下列步骤：

1) 以光栅格式扫描图象四次。

2) 在每一象素，顺序地在所有四个方向(45°,135°,90°,0°)上考虑四个1维3×1滤波器。

3) 在每一方向，计算3个相应象素的平均值和方差，用于后续计算。

4) 如果方差(var)比预先选定的噪声方差(nvar)大，则设定var=var-nvar，否则，设定var=0。

5) 在给定位置(x,y)上，新象素值根据下式修正：

0(x,y)=平均值+(I(x,y)-平均值)*(var/var+nvar)，

其中，0(x,y)是临时图象。在图象中的所有点都已被处理后，在每一点(x,y)设定I(x,y)=0(x,y)。

6) 对所有剩余方向角度重复步骤3-5。

利用这个滤波器函数，平滑量可用单个参数navr控制。因为这是顺序方向滤波，所以不是累计的。然而，已经发现这种方法可以产生跨越边缘的最小平滑，而在保持边缘的同时产生全局更强的平滑作用。给定图象中的边缘象素必须进行不同的处理，在处理后的图象中将其设置为0。

不管执行了哪一种平滑函数，滤波器结构中的下一步骤是确定图象边缘是否需要进行锐化，如过程模块210所示。如果是，在过程模块212执行方向锐化和分块函数。此滤波器函数执行的功能包括下面：

1)应用下列等式，为在所有4个方向(0°,45°,90°,135°)上的每一象素生成图象的1维拉普拉斯算子：

E(k)=2.0*I(k)=I(k-1)-I(k+1)；

其中标识(index)x指沿给定方向的当前位置，E(k)为边缘强度，I(k)为象素的强度值。

2)计算出给定象素的所有四个边缘强度之后，确定最大方向边缘强度，并在后续步骤中将其用作该位置的边缘强度E(x,y)。

3)对图象中的所有象素继续此过程。给定图象的边缘象素必须进行不同的处理，为后续步骤将其设定为0。

4)通过执行下列步骤，平滑图象E(x,y)边缘，以产生一个平滑边缘强度图象ES(x,y)：

a) 以光栅格式扫描图象E(x,y)一次。

b) 在每一象素，在所有四个方向(45°,135°,90°,0°)上考虑四个1维3×1滤波器。

c) 在每一方向，计算3个相应象素的平均值和方差。

d) 确定给出最小方差的方向，并为后续计算选择相应的平均值。

e) 在给定位置(x,y)上，新象素值根据下式修正：

ES(x,y)=平均值。

5)确定ES(x,y)的最大值和最小值。选择最大值和最小值中绝对值较大的作为参数MAX。

6)用下式计算阈值：

阈值=MAX/阈值_参数，

其中，阈值_参数是十八个可选参数中的一个。

7)在此步骤中，根据利用十八个可选参数中的一个被称为分块_参数的参数作出的判定进行计算。判定逻辑还生成一个模板，称为模板(x,y)。参数HPF_衰减_参数和HPF_不衰减_参数也是用户可选的。这些参数根据下面确定的分块准则控制与平滑后的图象I(x,y)相叠加的边缘强度图象ES(x,y)的数值：

a)如果分块_参数=1，执行如下：

如果(ES(x,y)＜=阈值)

设mask(x,y)=1；以及

设I(x,y)=I(x,y)+ES(x,y)*HPF_衰减_参数；或者

如果(ES(x,y)＞阈值)

设mask(x,y)=0；以及

设I(x,y)=I(x,y)+ES(x,y)*HPF_不衰减_参数；

b)如果分块_参数=2，执行如下：

如果(ES(x,y)＞=_阈值)

设mask(x,y)=1；以及

设I(x,y)=I(x,y)+ES(x,y)*HPF_衰减_参数；或者

如果(ES(x,y)＜_阈值)

设mask(x,y)=0；以及

设I(x,y)=I(x,y)+ES(x,y)*HPF_不衰减_参数；

c)如果分块_参数=3，执行如下：

如果(ES(x,y)的绝对值＜=阈值)

设mask(x,y)=1；以及

设I(x,y)=I(x,y)+ES(x,y)*HPF_衰减_参数；或者

如果(ES(x,y)的绝对值=阈值)

设mask(x,y)=0；以及

设I(x,y)=I(x,y)+ES(x,y)*HPF_不衰减_参数。

在完成锐化和分块过程212之后，我们已经有区别地增强了强边缘和弱边缘，图象被分成强边缘区和弱边缘区。

如过程模块214所示，待执行的下一函数是混合操作和比例重新调整，在此操作中，滤波后图象I(x,y)与存储的前置滤波图象I₁(x,y)叠加，并对叠加后的图象进行比例重调。此操作包括下列步骤：

1)利用下列等式混合滤波后图象I(x,y)和前置滤波图象I₁(x,y)：

I(x,y)=alpha*(I(x,y)-I₁(x,y))+I₁(x,y)；

其中alpha为可选参数中的一个，0＜alpha＜1。

2)计算混合图象I(x,y)中的平均象素强度(MEAN_AFTER)。

3)计算归一化因子

NARM_FACTOR=MEAN_BEFORE/MEAN_AFTER。

4)应用下式计算归一化图象，

I(x,y)=(I(x,y)*NORM FACTOR)+MIN ORIGINAL，

其中MIN_ORIGINAL是原始图象的最小强度。

5)设置图象I₁(x,y)的值等于图象I(x,y)。

完成过程214之后，在判定模块216进行测试，以确定通过滤波器结构进行的所有滤波操作是否都已完成。在最佳实施例中，通过分支返回过程模块202，对图象I(x,y)重复所有选定的滤波器函数，从而完成了三次滤波。在每次滤波时执行的滤波器函数不必相同。例如，已经发现，在第一次滤波时执行同步方向平滑函数202而在最后一次滤波时执行方向锐化函数212，可以得到最佳结果。除此之外，操作员可以在每次迭代过程中选择任何函数来实现所希望的效果。

由滤波器结构执行的最后的函数是过程模块218所示的基于分块的混合。此函数的目的是保持原始图象在没有边缘(即低边缘强度)的区域的纹理。最终图象I_f(x,y)通过应用下列等式混合滤波后图象I(x,y)和前置滤波图象I₂(x,y)得到：

如果mask(x,y)=1，

设置I_f(x,y)=alpha_f*I(x,y)+beta_f*I₂(x,y)；或

如果mask(x,y)=0，

设置I_f(x,y)=I(x,y)；

其中，alpha_f和beta_f是十八个可选参数中的两个，mask(x,y)由上述的过程模块212产生。根据在该过程中使用的参数alpha_f和beta_f，可以获得自适应的灰度级压缩和扩展。于是可以得到如下所示的各种视觉效果：

如果(alpha_f+beta_f)=1，不执行灰度级压缩或扩展；

如果(alpha_f+beta_f)＞1，灰度级压缩，提供全局平滑效果；

如果(alpha_f+beta_f)＜1，对比度增强，提供提高的对比度。

在该滤波器结构的最佳实施例中可以使用18个可选参数。通过这些参数的不同组合，可以产生各种视觉效果。在下面的说明中，这些参数表示为P[i]，其中i代表参数号。

P[1]：

说明：为锐化过程设置上限。对于12比特图象可设置为4095。

范围：4000-6000；

P[2]：

说明：防止弱边缘放大的衰减因子。在最佳实施例中设置为0.1。

范围：0＜P[2]＜1。

P[3]和P[4]：

说明：由原始图象混合到分块模板的、在处理的最后阶段的滤波后图象的弱边缘区域的部分纹理。适当地设置P[3]和P[4]，在提供全局平滑时以避免“污点”(smushiness)。

范围：0＜=P[3]＜=10,0＜=P[4]＜=10，其中＜=代表“小于或等于”。

P[5]：

说明：边缘图象的乘法因子(HPF_不衰减_因子)，用于在最后一次滤波中将边缘加回到滤波后的图象中。选择较大的参数值(＞0.2)以增加强边缘的全局锐化。永远不要将该参数设置为0，以避免在分块步骤中遗漏。

范围：0.00001＜=P[5]＜=5。

P[6]：

说明：边缘图象的乘法因子(HPF_不衰减_因子)，用于在倒数第二次迭代(在最佳实施例中的第2次滤波)中将边缘加回到滤波后图象。对于使暗结构更暗和亮边缘更亮的任务，如果需要额外的边缘增强，应使用该参数。该参数也可用于在对图象提供更高全局平滑的同时，将一些纹理返回到图象中。

范围：0.0＜=P[6]＜=5。

P[7],P[8],P[9]：

说明：第一次、第二次和第三次滤波的方差阈值，用于控制平滑量。这些值在且只有在使用方向平滑2时是有用的。这些值设置得太高会使图象模糊。

范围：0.1＜=P[7]＜=10000000,0.1＜=P[8]＜=10000000，

0.1＜=P[9]＜=10000000。

P[10],P[11],P[12]：

说明：这些参数表示在三次滤波的每一次中，与滤波前的滤波图象相叠加的、滤波后的部分滤波图象。

范围：0＜=P[10]＜=1,0＜=P[11]＜=1,0＜=P[12]＜=1。

P[13],P[14],P[15]：

说明：在三次迭代的每一次中的衰减因子(HPF_衰减_因子)，防止弱边缘放大。

范围：0＜=P[13]＜=1,0＜=P[14]＜=1,0＜=P[15]＜=1。

P[16]：

说明：控制参数，用于确定在哪一次迭代中利用方向平滑2(模块E)代替方向平滑1(模块D)。总是在第一次滤波时使用方向平滑1，在剩余的滤波中应用两个平滑方案中的任一个。

范围：1＜=P[16]＜=4。

P[17]：

说明：该参数(阈值_参数)的倒数乘上最大边缘强度，以确定将图象分块成强边缘和弱边缘区的阈值。

范围：0＜=P[17]＜=200。

P[18]：

说明：该参数(分块_参数)确定将三种分块模式中的哪一种用于滤波。当用户需要加强白边缘而不是黑边缘时，设置此参数为1。当需要加强黑边缘而不是白边缘时，设置此参数为2。当所有边缘都需要加强时，设置此参数为3。

范围：1＜=P[18]＜=3。

虽然有上百万种可能的参数组合，所有这些都是没有用的。因此，调准参数对于得到所期望的滤波效果是很重要的。为了实现这些效果，可以应用下述准则：

强边缘区：一般来说，对于噪声图象，强边缘必须被加强，或保持与原始图象中的一样。可以沿着一个强边缘进行平滑，但永远不能跨越强边缘进行平滑。避免在医学图象中不希望出现的图象细节模糊是很重要的。

弱边缘区：根据经验，弱边缘区必须衰减。锐化弱边缘区通常会增加噪声放大和在MR图象中出现“蠕虫(worms)”的可能性。在这些区域中，纹理必须保持其自然形态，以避免象素强度的“斑点闪烁(smudging)”和“污点”(smushing)。

下面是本发明的最佳实施例中为实现特定视觉效果而采用的典型参数设置。

滤波器例1：

简短说明：几乎没有平滑的锐化。

详细说明：这是一个几乎没有平滑的、用以增强结构边缘的全局滤波器。

建议应用：信号很强而噪声极低的256×256象素的图象，例如头，腹部和四肢。

参数组合：

P[1]=4095；

P[2]=0.1；

P[3]=0.0；

P[4]=1.0；

P[5]=0.75；

P[6]=0.0；

P[7]=800000.；

P[8]=8000.；

P[9]=8000.；

P[10]=0.45；

P[11]=0.45；

P[12]=0.45；

P[13]=0；

P[14]=0；

P[15]=0.04；

P[16]=4；

P[17]=15；

P[18]=3；

滤波器例2：

简短说明：带有平滑的锐化。

详细说明：这是一个带有平滑的、用以增强结构边缘同时消除噪声的全局锐化滤波器，。

建议应用：四肢。

参数组合：

P[1]=4095；

P[2]=0.1；

P[3]=0.7；

P[4]=0.3；

P[5]=0.6；

P[6]=0.45；

P[7]=800000.；

P[8]=8000.；

P[9]=8000.；

P[10]=0.45；

P[11]=0.45；

P[12]=0.45；

P[13]=0；

P[14]=0；

P[15]=0.04；

P[16]=3；

P[17]=15.；

P[18]=2；

滤波器例3：

简短说明：几乎没有锐化的高度平滑。

详细说明：这个滤波器产生平滑效果和极小的锐化，以消除噪声并产生更平滑的结构边缘。

建议应用：高分辨率、弱信号图象。

参数组合：

P[1]=4095；

P[2]=0.1；

P[3]=0.8；

P[4]=0.45；

P[5]=0.01；

P[6]=0.1；

P[7]=800000.；

P[8]=8000.；

P[9]=8000.；

P[10]=1.0；

P[11]=1.0；

P[12]=1.0；

P[13]=0；

P[14]=0；

P[15]=0.001；

P[16]=2；

P[17]=1.0；

P[18]=1；

本发明的滤波器提供了一种可对函数进行选择的结构，当以多通道方式使用时，该结构提供了各种可以以有效的方式应用3×1一维计算执行的滤波函数。该结构能够根据区域的边缘强度产生平滑和锐化，并因此产生可变的滤波效果，这在放射学家看来是很有用的。因为弱边缘区受到衰减，但不是完全去除，而强边缘总是沿着而不是跨越边缘受到平滑，因此可以获得视觉上令人满意的效果。此外，该结构为获得锐化和平滑效果提供了多级控制。参数组合的实例显示了在高场强MR图象中应用本发明实现的各种视觉效果。结果表明提出的结构对于所有的MRI系统在不同的强度下均工作得很好，但应当分别调节参数值以获得最佳结果。

Claims

1．一种医学成象系统，包括：

从患者采集图象数据的装置(122,127,141,151,153)；

由采集到的图象数据重建图象数据组的装置(161)；以及

滤波器结构，用于接收图象数据组并依据操作员(200)选择的参数组，产生滤波图象数据组；

其中，滤波器结构包括：

a) 平滑滤波器(206,208)；

b) 锐化滤波器(212)；

c) 依据参数组，通过滤波器结构对图象数据组(107)进行多次滤波处理以形成滤波图象数据组的装置，其中处理装置确定在通过结构的每次滤波过程中使用的滤波器和通过结构的滤波次数。

2．根据权利要求1的医学成象系统，其中，滤波器结构包括将部分滤波后的图象数据和部分图象数据叠加以形成滤波图象数据组的装置(214)。

3．根据权利要求2的医学成象系统，其中，部分滤波后的图象数据由参数α确定，部分图象数据由值1-α确定。

4．根据权利要求1的医学成象系统，其中，滤波器结构包括：分块装置(212)，用于将滤波图象数据分割成包含边缘信息的第一区域和基本不包含边缘信息的第二区域；以及按照由分块装置指示的第一和第二区域确定的方式叠加图象数据和滤波后的图象数据的装置(218)。

5．根据权利要求1的医学成象系统，其中，滤波器利用3×1滤波器内核。

6．一种产生医学图象的方法，其步骤包括：

a) 从患者采集图象数据；

b) 由采集到的图象数据重建图象数据组；

c) 通过对图象数据组(206,208,212)进行滤波产生中间图象；

d) 将中间图象与图象数据组(214)叠加产生滤波后的图象数据组；

e) 利用滤波后的图象数据组代替图象数据组，重复步骤c)和d)(216)；以及

f) 由滤波图象数据组产生医学图象。

7．根据权利要求6的方法，其中，步骤d)中进行的叠加过程如下：

用因子α乘中间图象；以及

用因子(1-α)乘图象数据组。

8．根据权利要求7的方法，其中，因子α为人工选择的值。

9．根据权利要求6的方法，其中，步骤e)执行多次。

10．根据权利要求6的方法，其中，步骤c)中的滤波过程包括在一次滤波时使用平滑滤波器(206,208)。

11．根据权利要求6的方法，其中，步骤c)中的滤波过程包括在一次滤波时使用锐化滤波器(212)。

12．根据权利要求6的方法，其中，步骤c)中的滤波过程包括在最后的处理过程中使用方向锐化和分块处理(212)。

13．根据权利要求6的方法，其中，步骤c)中的滤波过程包括在一次滤波时使用平滑滤波器(206,208)，而在另一次滤波时使用锐化滤波器(212)。

14．根据权利要求7的方法，其中，因子α在通过步骤d)进行的每一次滤波中可以变化。

15．根据权利要求6的方法，其中，所述方法包括在产生医学图象的步骤f)之前将滤波后的图象数据组和图象数据组叠加(218)。

16．根据权利要求15的方法，其中，所述方法包括将滤波后的图象数据组分割成(212)具有强边缘的第一组区域和具有弱边缘的第二组区域，并且图象数据组与第二组区域叠加(218)。

17．根据权利要求15的方法，其中，图象数据组中对应于第二组区域的数据代替滤波后的图象数据组中对应于第二组区域的数据。