JP5753791B2 - ノイズ除去された所定の解像度の医療画像を提供する方法、所定の解像度のノイズ除去された所定の解像度の医療画像を提供するシステム - Google Patents
ノイズ除去された所定の解像度の医療画像を提供する方法、所定の解像度のノイズ除去された所定の解像度の医療画像を提供するシステム Download PDFInfo
- Publication number
- JP5753791B2 JP5753791B2 JP2011542971A JP2011542971A JP5753791B2 JP 5753791 B2 JP5753791 B2 JP 5753791B2 JP 2011542971 A JP2011542971 A JP 2011542971A JP 2011542971 A JP2011542971 A JP 2011542971A JP 5753791 B2 JP5753791 B2 JP 5753791B2
- Authority
- JP
- Japan
- Prior art keywords
- image
- noise
- medical image
- pixel
- resolution
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims description 168
- 230000009467 reduction Effects 0.000 claims description 28
- 238000000354 decomposition reaction Methods 0.000 claims description 12
- 238000002059 diagnostic imaging Methods 0.000 claims description 8
- 230000002194 synthesizing effect Effects 0.000 claims description 5
- 238000007689 inspection Methods 0.000 claims description 3
- 238000009826 distribution Methods 0.000 description 26
- 230000006870 function Effects 0.000 description 25
- 239000013598 vector Substances 0.000 description 24
- 230000000875 corresponding effect Effects 0.000 description 19
- 238000005259 measurement Methods 0.000 description 16
- 238000012545 processing Methods 0.000 description 15
- 238000009499 grossing Methods 0.000 description 11
- 230000000877 morphologic effect Effects 0.000 description 11
- 238000009792 diffusion process Methods 0.000 description 10
- 230000008859 change Effects 0.000 description 9
- 210000001519 tissue Anatomy 0.000 description 8
- 230000009466 transformation Effects 0.000 description 8
- 238000006243 chemical reaction Methods 0.000 description 7
- 230000008901 benefit Effects 0.000 description 6
- 230000006835 compression Effects 0.000 description 6
- 238000007906 compression Methods 0.000 description 6
- 238000001914 filtration Methods 0.000 description 6
- 238000012935 Averaging Methods 0.000 description 5
- 230000001419 dependent effect Effects 0.000 description 5
- 230000000007 visual effect Effects 0.000 description 5
- 230000002146 bilateral effect Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 4
- 238000003384 imaging method Methods 0.000 description 4
- 238000011084 recovery Methods 0.000 description 4
- 230000004044 response Effects 0.000 description 4
- 210000004556 brain Anatomy 0.000 description 3
- 238000004040 coloring Methods 0.000 description 3
- 230000004927 fusion Effects 0.000 description 3
- 239000011159 matrix material Substances 0.000 description 3
- 238000009828 non-uniform distribution Methods 0.000 description 3
- 238000007781 pre-processing Methods 0.000 description 3
- 238000003672 processing method Methods 0.000 description 3
- 238000013459 approach Methods 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 2
- 210000000988 bone and bone Anatomy 0.000 description 2
- 230000000052 comparative effect Effects 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000005855 radiation Effects 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 238000011524 similarity measure Methods 0.000 description 2
- 210000004872 soft tissue Anatomy 0.000 description 2
- 238000003786 synthesis reaction Methods 0.000 description 2
- 206010061998 Hepatic lesion Diseases 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 239000000654 additive Substances 0.000 description 1
- 230000000996 additive effect Effects 0.000 description 1
- 239000003570 air Substances 0.000 description 1
- 239000012080 ambient air Substances 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000019552 anatomical structure morphogenesis Effects 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 210000004204 blood vessel Anatomy 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000012804 iterative process Methods 0.000 description 1
- 210000004185 liver Anatomy 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 230000006740 morphological transformation Effects 0.000 description 1
- 210000000056 organ Anatomy 0.000 description 1
- 238000007500 overflow downdraw method Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 210000003625 skull Anatomy 0.000 description 1
- 238000000844 transformation Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- 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 by the use of more than one image, e.g. averaging, subtraction
-
- G06T5/70—
-
- G06T5/77—
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20016—Hierarchical, coarse-to-fine, multiscale or multiresolution image processing; Pyramid transform
-
- 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
- G06T2207/20036—Morphological image processing
-
- 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
- G06T2207/30004—Biomedical image processing
Description
特許文献2は、人工的に生成された所定量のノイズを有するシミュレートされた画像を生成する方法を開示する。
本発明の一実施例は、更に他の好ましい特徴を有する医療画像を生成する方法とシステムに関する。更に本発明は、医療画像内にノイズが不均一に分布することを考慮して鮮明な詳細画像を得る非線形フィルタを用いるCT画像の処理方法に関する。
(a)前記所定の解像度よりも高い解像度で得られた源医療画像をノイズ除去するステップと、
(b)前記ステップ(a)の後の医療画像の解像度を、前記所定の解像度に戻すステップと、
を有し、
前記(b)ステップは、前記複数の薄いスライスを非線形解像度低減手順を用いて合成し、厚いスライスの医療画像を得るステップを含み、
前記非線形解像度低減手順は、
(x)前記薄いスライスを帯域通過成分に分解するステップと、
(y)前記帯域通過成分の一部に対し、より大きな重み係数をより大きな振幅を有する薄いスライス成分に与えるようにして、前記薄いスライス成分を厚いスライス成分になるよう組み合わせるステップと、
(z)前記薄いスライスの帯域通過成分を再結合して、所定の解像度の厚いスライスの医療画像を生成するステップと、
を有する。
本発明の一実施例によれば、前記(y)ステップは、最低周波数成分を含む薄いスライス成分以外の帯域通過成分に対し行われ、
前記帯域通過成分に対し、前記厚いスライスに組み合わされる薄いスライスの全ての中で、前記薄いスライス成分の最大絶対値はしきい値以下である。
本発明の一実施例によれば、前記源医療画像は、スライス方向に配置された薄いスライスを有する3次元医療画像である。
本発明の一実施例によれば、前記非線形解像度低減手順は、帯域通過分解手順を含む。
本発明の一実施例によれば、前記帯域通過分解手順は、ラプラシアン・ピラミッド手順を含む。
本発明の一実施例によれば、前記帯域通過分解手順は、ウェーブレット変換手順を含む。
本発明の一実施例によれば、前記(a)ステップは、
(a1)医療画像内で検査中の各ピクセルに対し、サーチピクセルの組を選択するステップと、
(a2)前記の各サーチピクセルの近傍の特徴の値と、前記検査中のピクセルの近傍の対応する特徴の値を計算するステップと、
(a3)前記の各サーチピクセルの同一又は異なる近傍の他の特徴の値と、前記検査中のピクセルの同一又は異なる近傍の対応する値とを計算するステップと、
(a4)検査中の各ピクセルのノイズを低減した状態のグレイ・バリューを、そのサーチピクセルのグレイ・バリューに基づいて、計算するステップと、
を有する。
本発明の一実施例によれば、医療画像装置とコントローラとを有する所定の解像度のノイズ除去された医療画像を提供するシステムにおいて、
前記医療画像装置は、所定の解像度よりも高い解像度で3D医療画像に対するデータを生成し、
前記コントローラは、高解像度のデータから医療画像のスライスを再構成し、再構成された医療画像をノイズ除去し、前記ノイズ除去した医療画像の解像度を所定の解像度まで低減し、非線形解像度低減手順を用いて厚いスライスを形成するよう薄いスライスを合成し、
前記非線形解像度低減手順は、
(x)前記薄いスライスを帯域通過成分に分解するステップと、
(y)前記帯域通過成分の一部に対し、より大きな重み係数をより大きな振幅を有する薄いスライス成分に与えるようにして、前記薄いスライス成分を厚いスライス成分になるよう組み合わせるステップと、
(z)前記薄いスライスの帯域通過成分を再結合して、所定の解像度の厚いスライスの医療画像を生成するステップと、
を有する。
本発明の一実施例によれば、除去された構造物をノイズ除去した医療画像に復元する方法において、
(a)源医療画像をノイズ除去しノイズ除去済み画像を生成するステップと、
(b)前記ノイズ除去済み画像と源医療画像の差に基づいて、残差画像を得るステップと、
(c)非局所スムージング・フィルタを前記残差画像に適用し、フィルタ処理された残差画像を得するステップと、
前記フィルタ処理された残差画像は、前記構造物の程度を前記残差画像内の位置の関数として示し、
(d)前記ノイズ除去済み画像の中の各ボクセルのグレイ・バリューを、所定量だけ変えて、構造物を復元するステップと、
前記所定量は、前記残差画像内の対応する位置にある構造体の程度と、前記残差画像内又はフィルタ処理された残差画像内の対応する位置のグレイ・バリューに基づく、
を有する。
本発明の一実施例によれば、前記(d)ステップは、前記ノイズ除去済み画像に、重み付けされた又は重み付けされていないフィルタ処理された残差画像を付加することを含む。
本発明の一実施例によれば、(e)前記残差画像の中の位置の関数として構造体の程度の測定値を、前記フィルタ処理された残差画像から見出すステップを更に有し、
前記(d)ステップは、前記ノイズ除去済み画像に、前記残差画像又は適用パラメータにより重み付けされたフィルタ処理された残差画像を付加するステップを含み、
前記適用パラメータは、位置の関数として構造の程度の値に局部的に基づく。
本発明の一実施例によれば、前記(e)ステップは、構造体テンソル又はヘシアン・マトリックス(Hessian matrix)の固有値を見出すステップを含む。
本発明の一実施例によれば、前記(a)ステップは、
(a1)医療画像内で検査中の各ピクセルに対し、サーチピクセルの組を選択するステップと、
(a2)前記の各サーチピクセルの近傍の特徴の値と、前記検査中のピクセルの近傍の対応する特徴の値を計算するステップと、
(a3)前記の各サーチピクセルの同一又は異なる近傍の他の特徴の値と、前記検査中のピクセルの同一又は異なる近傍の対応する値とを計算するステップと、
(a4)検査中の各ピクセルのノイズを低減した状態のグレイ・バリューを、そのサーチピクセルのグレイ・バリューに基づいて、計算するステップと、
を有する。
本発明の一実施例によれば、前記ステップ(c)で使用される非局所スムージング・フィルタ(nonlocal smoothing filter)は、非線形エッジ保存フィルタ(nonlinear edge-preserving filter)を含む。
本発明の一実施例によれば、前記非線形エッジ保存フィルタは、非線形異方性拡散フィルタ(nonlinear anisotropic filter)を含む。
本発明の一実施例によれば、前記非線形異方性拡散フィルタは、ベルトラミ・フロー・フィルタ(Beltrami flow filter)を含む。
本発明の一実施例によれば、前記非線形異方性拡散フィルタは、コヒレンス強化拡散フィルタ(coherence enhancement diffusion filter:CED)を含む。
本発明の一実施例によれば、前記グレイ・バリューの変化は、前記残差画像のグレイ・バリュー又はフィルタ処理された残差画像のグレイ・バリューに対しより感受性があり、前記構造体の程度が大きい場所では構造体の程度が小さい場所よりも、感受性がある。
本発明の一実施例によれば、取り除いた構造体が付加されたノイズ除去した医療画像を生成するシステムにおいて、
医療画像装置と、コントローラとを有し、
前記医療画像装置は、医療画像用の生データを獲得し、
前記コントローラは、前記生データから医療画像を再構成し、前記医療画像をノイズ除去し、前記ノイズ除去済み画像と源画像の差に基づいて残差画像を得て、ノンローカル・スムージング・フィルタを、前記残差画像に適用し、フィルタ処理された残差画像を得て、前記フィルタ処理された残差画像は、構造物の程度を前記残差画像内の位置の関数として示し、前記ノイズ除去済み画像の中の各ボクセルのグレイ・バリューを、所定量だけ変えて、構造物を復元し、
前記所定量は、前記残差画像内の対応する位置にある構造体の程度と、前記残差画像内又はフィルタ処理された残差画像の対応する位置のグレイ・バリューに基づく。
本発明の一実施例によれば、所定の振幅と分布を有するノイズを有する医療画像を生成する方法において、
(a)源医療画像からノイズを除去し、ノイズ除去した初期画像を生成するステップと、
(b)前記除去したノイズの一部を、前記ノイズ除去した初期画像に付加するステップと、
を有し、ノイズの所定の振幅と空間分布を具備するノイズ除去済み画像を生成する
を有する。
本発明の一実施例によれば、前記(b)ステップは、
(b1)ノイズの所定の振幅と分布を達成する、空間的に変動する重み付けパラメータを選択するステップと、
(b2)前記重み付けパラメータに基づいて、源画像とノイズ除去した初期画像の重み付けの和を生成するステップと
を有する。
本発明の一実施例によれば、前記(b1)ステップは、源画像とノイズ除去した初期画像の局所標準偏差を計算するステップを含む。
本発明の一実施例によれば、前記(a)ステップは、取り除いた構造体を前記ノイズ除去した初期画像に復元するステップを含む。
本発明の一実施例によれば、前記(b)ステップは、空間的に変動するパラメータで乗算した源画像を付加するステップを含み、前記パラメータは、ノイズの所定の振幅と分布に依存する。
本発明の一実施例によれば、医療画像装置とコントローラとを有する所定の振幅と分散を有するノイズを有する医療画像を生成するシステムにおいて、
前記医療画像装置は、医療画像用の生データを獲得し
前記コントローラは、前記生データから医療画像を再構成し、前記医療画像をノイズ除去し、除去したノイズの一部をノイズ除去した初期画像に付加し、ノイズの所定の振幅と分布を有するノイズ除去した医療画像を生成する。
本発明の一実施例によれば、医療画像をノイズ除去する方法において、
(a)画像内の所定の複数のボクセルに対し、前記ボクセルを包囲する大きな近傍内のノイズレベルを見積もるステップと、
(b)選択されたボクセルに対する見積もられた前記ノイズレベルから、前記画像内の場所の関数として、ノイズレベルを見出すステップと、
(c)前記画像を、ノイズレベルを場所の関数として用いるノイズ除去アルゴリズムを用いて、ノイズ除去するステップと、
を有し、前記(a)ステップは、
(i)グレイレベルの所定の範囲内に入る、前記の大きな近傍内の一部のボクセルに対し、前記ボクセルの周りの小さな近傍内のグレイレベルの変動値を見出し、
(ii)変動値が見いだされたボクセル内で、前記グレイレベルの変動値が所定のクオンタイル以下であるボクセルのサブセットを見出すステップと、
(iii)前記ノイズレベルを、前記サブセットのボクセルに対する変化の程度の平均値に設定する。
本発明の一実施例によれば、既知のノイズレベルを医療画像の位置の関数として用いて、医療画像をノイズ除去する方法において、
前記医療画像の各ボクセルに対し、
(a)前記ボクセルに対する比較ボクセルの組を選択するステップと、
(b)前記ボクセルに関連する近傍と前記比較ボクセルに関連する近傍との間の類似度を計算するステップと、
(c)前記比較ボクセルのグレイレベルの重み付け平均値を見出すステップと、
前記各比較ボクセルの重み係数は、その近傍の類似度に依存し、前記ボクセルの位置におけるノイズレベルに依存する値又は比較ボクセルの位置におけるノイズレベルのいずれか一方又は両方に正規化され、
(d)前記ボクセルのグレイレベルを、前記比較グレイレベルの重み付け平均値に従って変更するステップとを有する方法。
本発明の一実施例によれば、前記(b)ステップは、
前記ボクセルの近傍の特徴値を計算するステップと、前記比較ボクセルの近傍の対応する特徴値を計算するステップとを含む。
本発明の一実施例によれば、前記(c)ステップは、前記医療画像をノイズ除去するステップを含む。
(a)医療画像のグレイバリューの局所変動を、医療画像の位置の関数として、測定するステップと、
(b)シャープニング・フィルターを前記医療画像に適用するステップと
を有する。
このフィルターにより生成されたシャープさの程度は、測定された変動が大きい場所では、小さくなる。
従来のNLMアルゴリズムにおいては、ボクセルの位置から独立した(無関係な)一定のノイズレベルを用いて、類似性を正規化している。比較用のボクセルの重み付けが、この正規化された類似性に基づいて見出され、比較ボクセルのグレイ・バリューの重み付けされた平均値が見出される。その後、所定のボクセルのグレイ・バリューを、比較ボクセルの平均グレイ・バリューに基づいて、変更する。位置の関数としてのノイズレベルは、上記の手順により見出される。
本発明の方法は、イメージ獲得装置あるいはワークステーション(例CT、MRI、超音波画像装置)に適用でき、更にイメージ作成ステーションあるいは離れた場所へのネットワーク接続にも適用できる。
図1Aに、本発明の一実施例により、ノイズを低減した画像を生成する手順を示す。この手順は、CT画像を例に説明するが、他の医療画像あるいは他のタイプの画像にも適用可能である。様々なタイプの医療画像更には医療画像でない通常画像は、様々な特徴を有し、この手順が適用可能である。医療画像(例、CT画像とMRI画像)は、通常の医療用でない画像が使用する照射には依存せず、ノイズのレベルと空間分布は、一定であり、あるイメージから別のイメージへの予測が可能である。
フローチャート100の詳細を以下説明する。
画像の獲得
日常の診察においては、放射線医師が検査するCT画像は、約2.5mmの軸方向解像度(スライス厚さ)を有する。最新型のCTスキャナーの生の軸方向解像度は、約0.6mmである。その為CTスキャナーにより得られた解像度は、臨床医が見る解像度よりも遙かに高い。高解像度のデータは日常的には利用されない。その理由は、その画像は高いノイズレベルを有し、読み込むのに時間がかかるからである。臨床で見る各低解像度のスライスは、源画像内の複数のスライスから集められたデータを含む。
前処理段階において、前処理された画像Cは、源画像Iから計算される。この前処理された画像を用いて、ノイズ除去手順でのパッチの比較を行う。基本的なノイズ除去手順は次式で記述される。
ここで左辺(xハット)は、i番目のボクセルのノイズ除去された値であり、重みw(xi,xj)は、源画像Iのボクセルxiの周りのパッチと、ボクセルxjの周りのパッチの間のフィーチャーベースの距離の関数である。より一般的なノイズ除去アルゴリズムは、源画像Iのパッチと前処理された画像Cのパッチとを比較する。
前処理された画像Cは、源画像Iから次のステップを用いて構築される。
CTノイズは、付属性着色ガウスノイズ(aditive colored Gaussian noise)即ちホワイトガウスノイズとして、モデル化され、フィルタによりフィルタ処理される。このフィルタは、ノイズカラーリングフィルタとも称する。画像をプレホワイトニングすることは、Wienerフィルタを適用することにより行われる。このWienerフィルタは、ノイズカラーリングの操作を逆にし、ホワイトノイズを含む画像を生成する。ホワイトノイズは、空間的に相関関係がない。この種のノイズは、様々な文献で広範囲に研究されており、色のついたノイズよりも容易に除去できる。
ノイズカラーリングフィルタは、均一のファントム(uniform phantom:体内に照射される放射線の線量を予測するコンピュータ制御によるモデル)のCTイメージからの共分散マトリックスを計算することにより、見積もられる。これは、非特許文献6に記載されている方法に類似する。
CT画像のダイナミックレンジは、通常−1000HU(空気)と、+4000HU(金属)戸の間にある。0HUと100HUのレンジは、1000HUと1500HUのレンジよりもより重要である。その理由は、第1レンジは軟組織を表し、第2レンジは遙かに密度の高い組織(骨)を表すからである。更に骨のような硬い硬組織は、通常密度の遙かに幅の広いウィンドウを用いて検査され、これによりノイズは見えなくなる。
放射線医師は、0HUから+80HUの密度ウィンドウでもって、脳のCT画像を検査し、肝臓のCT画像を−15HUから+155HUの密度ウィンドウで検査する。画像Cに対しグレイレベルの変換(grey-level transformation)を用いるのが好ましい。これは軟組織の範囲に伸び、−1000HUから−200HUの範囲、そして更には+300HUの範囲を圧縮する。例えばグレイレベルの変換は、源密度のxの次の関数yである。
a,bはレンジ定数であり、yは変換された密度である。図2はレンジ圧縮関数y(x)のプロット200を示す。
他のグレイレベル変換関数の形成しそれを用いることもできる。例えば適宜のグレイレベルの変換は、CT画像のヒストグラムを伸ばし、このCT画像のヒストグラムを、選択的事項として、画像の興味ある部位のみを等価することにより得られる。そしてこれは周囲の空気なしで行うことができる。
ノイズ除去フィルタを画像Cに適用する。本発明によればノイズ除去フィルタが画像Cを過度に視覚的にスムーズにした場合でも、かつ解像度が幾分失われた場合でも、フィルタ処理済画像Cは、パッチを比較するためには、フィルタ未処理画像Cよりも良好である。画像Cは、類似性基準を評価するために、パッチを比較する目的のためだけに使用され、平均化操作は、源画像Iに対し実行され、フィルタ処理された画像Cに対しては実行されない。
画像Cは、双方向フィルタを用いてフィルタ処理される。これは非特許文献7に記載されている。更に画像Cは、Coherence Enhancement Diffusion(CED)filterを用いてフィルタ処理される。これに関しては非特許文献8に開示されている。これは画像を平滑にし、かつエッジを保存する。他の公知のノイズ除去フィルタも使用可能である。
非局所平均のノイズ除去スキーム(non-local means denoising scheme)の重要なパラメータは、δRである。これは、複数の近傍の間の重み付けを制御し、次式で与えられる。
ここでCXは、画像C内のボクセルxの周囲の画像パッチを表し、dp(i,j)は、ボクセルiとボクセルjの間の空間距離である。Ci−Cjの絶対値は、画像C内のボクセルiとボクセルjの周りのパッチの間の差の測定値である。
まず、局所標準偏差あるいはグレイ・バリューの局所変動の別の測定値を、ノイズを含んだ源画像Iの各ボクセルに対し計算する。これは、考慮中のボクセルに関連する小さな近傍(例、3×3×3のボクセル)の標準偏差(又は他の偏差値)を計算することにより行われる。この近傍は、その中心に考慮中のボクセルを含む。
次に、遙かに大きな近傍(例、33×33×5のボクセル)を、画像内の各ボクセルの周りで検査する。各大きな近傍に対しては、ある密度範囲(例、−50HUから+150HU)内にあるボクセルの一部あるいは全てが、抽出される。
最後に、抽出されたボクセルのサブサンプルの局所標準偏差の値は、大きなウィンドウ内にある抽出されたボクセルの局所標準偏差のある分位(例、0.3)よりも小さい局所標準偏差に対応するが、これを平均化して、ノイズに起因する局所標準偏差の予測値を生み出す。
更に他の方法を用いて、局所ノイズレベルを予測することもできる。例えばファントムを画像化し、ファントムの均一な部分にあるグレーレベルの標準偏差から直接ノイズレベルを決定することもできる。
δRの値は、ノイズに起因する局所標準偏差の予測値の一部(例、0.54)に設定される。他のパラメータも、ノイズに起因する局所標準偏差の予測値に基づいて、ノイズ除去アルゴリズムあるいは他の関連するイメージ処理手順について用いることができる。
本発明の一実施例においては、ノイズ除去のアルゴリズムあるいは関連する手順で用いられるδR又は他のパラメータは、画像内の何処でも同じ値を有するが、ノイズに起因する局所標準偏差の平均値に依存する。これらは上記したように計算される。例えば、ある密度範囲内にあるボクセルのみが局所標準偏差を探し出すために考慮に入れられる。選択的事項として、ある値以下の局所標準偏差のみが、平均を計算する際に含まれる。
図3Aは、ピクセルのアレイを含む二次元画像100を示す。各ピクセルの数字は白と黒の間のグレイ・バリューにマッピングされている。CT画像内のグレイ・バリューは、画像化される対象物の実際の密度のマッピングを表す、単位はHUである。脳のCT画像においては、画像は0(ゼロ)HUは水の密度を表し、これは黒にマッピングされ70HUは白にマッピングされるようビジュアル化される。
画像100は、明るい領域102と、暗い領域104と、その間の明確なシャープな境界線が示されている。
ここでdpは、2つのピクセルの間のユークリッド距離であり、(Ii−Ij)は、2つのピクセルの概算的な距離であり、それらが互いに似ている程度を表す。ピクセルのiの新たなグレイ・バリューは次式で表される。
ここでNは、ピクセルiの周りのサーチウィンドウであり、加算は、このサーチウィンドウの中の全てのピクセルjに対し行われる。
例えば、図3Bで番号110のピクセルiのノイズレベルを低減するために、図3Bの番号112の近傍Miが、ピクセル110の周りであると定義される。
その後、他のピクセルjが検索され、各サーチピクセルjの周囲の同一サイズと同一形状の近傍Mjが検索され、平均自乗誤差MSE(Mi,Mj)が、近傍112のピクセルと、サーチピクセルjの近傍の対応するピクセルとの間で、見出される。ピクセル110の近傍の間で、平均自乗誤差が小さなサーチピクセルには、最も重い重み係数が与えられるが、これは、ピクセル110の低減したノイズのグレーレベルを得るために、サーチピクセルのグレイ・バリューを平均化する時である。
重み付けWjは次式で与えられる。
ピクセルiの新たな値は次式で与えられる。
非線形フィルタを用いる他のノイズ低減方法においては、2個の近傍の類似性は、近傍内にある全てのピクセルの平均グレイ・バリュー、又は近傍内のピクセルのグレイ・バリューの傾斜方向に依存する。これに関しては非特許文献10に記載されている。別の方法は非特許文献11に開示されている。この別の方法においては、2つの近傍の類似性は、2つの近傍の二進のエッジマップの平均自乗誤差に依存する。これはCannyエッジディテクタを用いて決定され、かつ2つの近傍の元の源画像の平均自乗誤差に基づく。
図2Bに示す実施例においては、以下に説明する基準は、近傍の相対方向に依存せず、暗い領域104からピクセル110と同一距離にある全てのピクセルは、この基準によれば、近傍112に極めて近い近傍を有する。高い重み係数を有するサーチピクセル206の拡大した組は、NLM方法を用いた高い重み係数を有するサーチピクセル202に比較すると、更なるノイズ低減が可能となる。その理由は、グレイ・バリューを平均化するより多くのピクセルがあるからである。
本発明の一実施例よれば、2個の近傍の間の類似性基準は、2個の近傍の相対方向に依存する。
本発明の他の実施例においては、高い重み係数を有するサーチピクセルの数は、従来方法よりは多くはないが、ピクセル110の真のグレイ・バリューのよりよい予測値を提供する点から見て、サーチピクセルの質は良くなっている。
ここで、(α1,α2,…,αk)は、距離を計算する際に異なる特徴に対し使用される重みを与える重みベクトルである。パラメータβは、単位ユニットの正の値であるが、時に、2に等しく、この場合、d(F1,F2)は直交成分のユークリッド距離になり、ピクセルiとピクセルjの特徴値の間の絶対距離に等しい。重みベクトル(α1,α2,…,αk)は、一般的なアルゴリズムを用いて見出される。このアルゴリズムは、ノイズ低減方法の効率を最大にする最適の重み付けベクトルを見出すアルゴリズムである。
dpは、ピクセルiとピクセルjの間の物理的距離例えばユークリッド距離である。ここσNとσpは、概算距離dと、ピクセルiとピクセルjの間の空間距離dpが増加する時に、Wjが如何に速く減るかを決定するパラメータである。別の構成として、Wjは、dとdpへの異なる依存性を有するが、dとdpが大きな値になると減る。選択的事項として、計算時間を節約するためあるいは性能を上げるために、重み係数Wjは、あるしきい値よりも小さい場合、或いはd又はdpがあるしきい値より大きい場合には、0に設定される。
ここに記載したピクセルのグレイ・バリューは、必ずしも画像の元のグレイ・バリューではなく、変換された画像あるいはフィルタ処理された画像、例えばσが数ピクセルの幅以下のようなガウシアンフィルタ処理されたイメージのグレイ・バリューでよい。
ステップ328において、ピクセルのインデックスiを1増加させ、ステップ330において、考慮すべきピクセルが残っているか否かを決定する。残っている場合には、次のピクセルiがステップ306で考慮される。残ってない場合には、本発明の方法は、ステップ332で終わる。この場合ノイズを低減した画像は、ステップ326で見出された修正されたグレイ・バリュー値を用いて、出力される。
Dは、源画像Iのノイズ除去したバージョンである。ノイズ除去した画像はより平滑にり、小さな構造物と器官は、平滑過ぎて見えなくなる傾向がある。ノイズ除去アルゴリズムを適用後、回復手順を用いて、ノイズ除去アルゴリズムにより一部除去された或いは平滑化された構造物を回復し強調する。
残差画像(残像)Rは、源画像Iとノイズ除去済み画像Dの差である、即ちR=I−Dである。この残差画像は大部分がノイズであり、源画像から除去された付加的ノイズである。しかし空間の整合性を有する(小さな)構造体は、残差画像から非線形のエッジ補助フィルタを用いて、回復される。
現場では、放射線医師は、少量のノイズが画像内に残るのを好み、そしてそれはより実際に近く見える。選択的事項として、これを達成するために、パラメータαは、残差画像内にノイズのみが表れるような領域でも、0以上に維持される。
D’=D+α・truncate(S/α) 又は
D’=D+truncate(α).S
ここで、切頭関数(truncate function)は、例えばハイパーボリック・タンジェント(hyperbolic tangent(tanh))関数、範囲圧縮関数y(x)、あるいは「しきい値迄は直線状に大きくなりでしきい値以上は一定であるような関数」である。αの局部値が、密度の許容範囲を決定する。この密度の許容範囲は、Sが、所定のボクセルでノイズ除去済み画像Dに付加される或いはそこから除かれる密度の範囲のことである。
ノイズ除去済み画像は、放射線医師には不自然に見えることがある。放射線医師はある量のノイズを持ったCT画像を日頃検査しており、更に良好な画像状態の元でさえそのようにしている。より自然に見える画像を生成するために、D’とIの重み付けされた平均画像を用いる。例えば、画像E=βD’+(1−β)Iがある。ここでβは空間的に変動する重み付けパラメータであり、βの選択は、得られた画像Eがノイズを含み、しかもこのノイズが、入力イメージIの中のノイズと同様に分布し、その程度は小さいものとなるよう、行われる。回復手順が用いられない場合には、Dは、D’の代わりに用いてもよい。
ここでσNは、、追加されたノイズの量を制御し、σN=4であり、εは小さな正の定数で、例えばε=10−3である。次にβは、範囲圧縮される例えばこれは上記で決定された範囲圧縮関数y(x)を用いて行われる。例えばa=0でb=1である。最後に、βは、ガウスフィルタでフィルタ処理することにより平滑化される。
放射線医師は、日頃CT装置が得る源画像の解像度よりも低い解像度のCT画像を検査している。一般的に検査されている画像のスライス厚さは、CT装置により再構成される生の画像のスライス厚さの4倍である。
選択的事項として、上記のノイズ除去アルゴリズムとそれに関連する手順が適用される源画像Iは、CT装置から得られる高解像度の残差画像である。放射線医師が検査するCT画像用に使用される低解像度の画像を得るために、最終解像度低減手順が行われる。従来はこの様な解像度低減手順は、通常最初にローパスフィルタ(例、anti-aliasing filterを用いて)で画像をフィルタリングし、その後所望の解像度になるよう、サブサンプリングを行う。
本発明の一実施例においては、非線形解像度低減手順(non-linear resolution reduction procedure)が用いられるが、これは、従来の解像度低減手順よりも、より詳細な情報を保持する。例えばこの方法の一般論は非特許文献11に記載されている。
ピラミッドのあるレベルに対しては、非線形の手順を用いて、nS枚のスライスを組み合わせて、厚いスライスのピラミッドのレベルを形成する。しかしこれはピラミッドの全てのレベルに対して行う必要はない。例えば、ピラミッドのトップ・レベル(画像の低周波数成分を含む)に対しては、厚いスライスが、nS個のラプラシアンピラミッドの上部レベルの画像の全てを平均化すること(線形手順)により、形成される。ピラミッドの他のレベルに対しては、非線形の手順を用いて、より厚いスライスを形成する。これは、ある場合には、大きい重み係数を薄いスライス(局部的に大きな振幅を有する)に加えることになる。例えば、厚いスライスのピラミッドの他のレベルは、各場所においてnS個のピラミッドの内の1つのピラミッドの各値を取り込むことにより、形成される。この選択された値は、全てのnS個のピラミッドの中で最も高い絶対値を有する値である。但しこれは、この値があるしきい値(例えば10HU)より高くない場合である。この場合、全てのnS個のピラミッドの平均値が取られる。
最後に、厚いCTスライスが、形成されたピラミッド構造を再構成することにより形成される。全ての厚いスライスが、非線形の手順で、低解像度の画像を形成する。この非線形の手順は、各スライスに沿って即ちスライス方向に直行する方向に沿って、高精細の詳細構造を保存する傾向がある。
本発明の一実施例においては、ラプラシアンピラミッドを帯域通過分解(band-pass decomposition)として用いることに加えてあるいはそれに代えて、あらゆるタイプの帯域通過分解を用いることができる。例えばウェーブレット変換を用いることができるが、これは非特許文献2に開示されている。更に非特許文献2に記載されている画像を合成する方法も用いることができる。
選択的事項として、この非線形スキームにより形成された低解像度の画像は、線形にサブサンプリングされた低解像度画像と、重み付け平均で、組み合わされる。
幾つかのタイプの特徴が特徴ベクトルF1,F2で使用される。
本発明の一実施例においては、特徴値を計算することは、近傍のピクセルのグレイ・バリューの分布の特性を見出すことを含む。特徴値は、グレイ・バリューの分布のモーメント、あるいはそのモーメントの関数である。
分布の第1モーメントは平均値であり、第2モーメントは標準偏差であり、第3モーメントはスキュ(skew)である。分布のk番目のモーメント(k>1)は、次式で定義される。
ここで、Inは、近傍のn番目のピクセルのグレイ・バリューである。加算は近傍内のN個のピクセルに対し行われ、M1は第1モーメント即ちグレイ・バリューの平均値である。更に特徴値は、分布の順序統計量、分布の所定の割合に対応するグレイ・バリューである或いはそれに依存する、特徴値は、グレイ・バリューの中央値であり、これは50%のパーセンタイルのグレイ・バリューである。別の構成として、異なるパーセンタイルのグレイ・バリューも使用することができる。例えば25%,37.5%,62.5%,75%のパーセンタイルも使用できる。選択的事項として、中間値のパーセンタイルを用いることもできる。例えば25%と75%の間の中間値も用いることもできる。これは、特徴値が、全体として近傍の特性であるが、近傍内の少ない外側のピクセルの特徴ではないという利点がある。選択的事項として、サーチピクセルが、他の画像のサーチピクセルを含むようなディクショナリから選択され、別の方法でグレイ・バリューが正規化された場合には、2個の画像のグレイ・バリューが、正規化され、それらが、順序統計量(order statistics)に基づいて特徴内で比較される。
この様な特徴は、近傍の画像のウェブレットフィルタ(waelet filter)への応答に依存する。例えばMeyer or Gabor filters, Laplacian and Gaussian Pyramidsあるいは様々なガウス分布フィルタあるいは従来公知の他の線形フィルタである。この様なフィルタは、特定の方向あるいは特定のスケールを有する近傍内の構造に対して、最も敏感である。
選択的事項として、フィルタは、近傍にのみ適用することもできる。別の構成として、フィルタは、近傍よりも広い領域にも適用できる。更には画像全体に対しても適用できる。特徴は、近傍のフィルタの応答に依存する。例えば、画像がフィルタ処理された後、近傍内のピクセルのグレイ・バリューに依存する。これらの選択的事項は、フィルタ又は変換を画像ピクセルに適用することに関連する他の種類にも応用可能である。
選択的事項として、特徴値は、複数のスケールパラメータを用いたピクセルのグレイ・バリューに依存する。例えば2つのスケールパラメータ用のグレイ・バリューの差に依存する。形態的なマルチスケール変換の一例は、形態ウェーブレットあるいは形態ピラミッドを含み、これは非特許文献11に記載されている。
選択的事項として、回転したあるいはスケール変換された近傍のグレイ・バリューは、特徴値を計算する前に、補間され、特に回転角が90度の整数倍でない場合(ピクセルのデカルト・グリッドの場合)、あるいはスケールファクタが整数でない場合は、そうである。ピクセルは三角形グリッドあるいは六角形グリッドで、あるいはより複雑なパターンに配置することもできる。
1002:画像を獲得する。
1004:画像を前処理する。
1006:ローカルノイズを見積もる。
1008:ノイズ除去アルゴリズムを適用する。
1010:構造を回復する。
1012:ノイズを付加する。
1014:解像度を低減する。
図5
302:画像を獲得する。
304:i=1
306:画像内のピクセルを見る。
308:ピクセルiの特徴ベクトルF1を見出す。
310:j=1
312:サーチウィンドウあるいは方向内サーチピクセルjを見る。
314:サーチピクセルjの特徴ベクトルF2を見出す。
316:距離測定値dF1F2を見出す。
318:サーチピクセルjの重み係数Wjを見出し記録する。
320:j=j+1
322:サーチピクセルで実行したか?
324:サーチピクセルの重み付けされた平均グレイ・バリューを見出す。
326:ピクセルiの修正されたグレイ・バリューを見出す。
328:i=i+1
330:画像内のピクセルで実行したか?
332:終了
Claims (8)
- 所定の解像度でノイズ除去された医療画像を提供する方法において、
前記医療画像は、元のスライス厚さより薄い複数のスライスからなる3次元医療画像であり、
(a)前記所定の解像度よりも高い解像度で得られた源医療画像をノイズ除去するステップと、
(b)前記ステップ(a)の後の医療画像の解像度を、前記所定の解像度に戻すステップと、
を有し、
前記(b)ステップは、前記複数の薄いスライスを非線形解像度低減手順を用いて合成し、厚いスライスの医療画像を得るステップを含み、
前記非線形解像度低減手順は、
(x)前記薄いスライスを帯域通過成分に分解するステップと、
(y)前記帯域通過成分に対し、より大きな重み係数をより大きな振幅を有する薄いスライス成分に与えるようにして、前記薄いスライス成分を厚いスライス成分になるよう組み合わせるステップと、
(z)前記薄いスライスの帯域通過成分を再結合して、所定の解像度の厚いスライスの医療画像を生成するステップと、
を有する
ことを特徴とするノイズ除去された所定の解像度の医療画像を提供する方法。 - 前記ステップ(y)は、最低周波数成分を含むスライス成分以外の帯域通過成分に対して行われ、
前記厚いスライスに組み合わされる全ての薄いスライスの中で、前記薄いスライス成分の最大絶対値はしきい値以下である
ことを特徴とする請求項1記載の方法。 - 前記源医療画像は、スライス方向に配置された薄いスライスを有する3次元医療画像である
ことを特徴とする請求項1−2のいずれかに記載の方法。 - 前記非線形解像度低減手順は、帯域通過分解手順を含む
ことを特徴とする請求項1記載の方法。 - 前記帯域通過分解手順は、ラプラシアン・ピラミッド手順を含む
ことを特徴とする請求項4記載の方法。 - 前記帯域通過分解手順は、ウェーブレット変換手順を含む
ことを特徴とする請求項4記載の方法。 - 前記(a)ステップは、
(a1)医療画像内で検査中の各ピクセルに対し、サーチピクセルの組を選択するステップと、
(a2)前記の各サーチピクセルの近傍の特徴の値と、前記検査中のピクセルの近傍の対応する特徴の値を計算するステップと、
(a3)前記の各サーチピクセルの同一又は異なる近傍の他の特徴の値と、前記検査中のピクセルの同一又は異なる近傍の対応する値とを計算するステップと、
(a4)ノイズを低減した状態の検査中のピクセルのグレイ・バリューを、そのサーチピクセルのグレイ・バリューに基づいて、計算するステップと、
を有する
ことを特徴とする請求項1−6記載の方法。 - 医療画像装置とコントローラとを有する所定の解像度のノイズ除去された医療画像を提供するシステムにおいて、
前記医療画像装置は、所定の解像度よりも高い解像度で3D医療画像に対するデータを生成し、
前記コントローラは、高解像度のデータから医療画像のスライスを再構成し、再構成された医療画像をノイズ除去し、非線形解像度低減手順を用いて、前記ノイズ除去した医療画像の解像度を所定の解像度まで低減し厚いスライスを形成するよう薄いスライスを合成し、
前記非線形解像度低減手順は、
(x)前記薄いスライスを帯域通過成分に分解するステップと、
(y)前記帯域通過成分の一部に対し、より大きな重み係数をより大きな振幅を有する薄いスライス成分に与えるようにして、前記薄いスライス成分を厚いスライス成分になるよう組み合わせるステップと、
(z)前記薄いスライスの帯域通過成分を再結合して、所定の解像度の厚いスライスの医療画像を生成するステップと、
を有する
ことを特徴とする所定の解像度のノイズ除去された所定の解像度の医療画像を提供するシステム。
Applications Claiming Priority (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
ILPCT/IL2008/001679 | 2008-12-25 | ||
PCT/IL2008/001679 WO2009081410A2 (en) | 2007-12-25 | 2008-12-25 | Noise reduction of images |
US21985709P | 2009-06-24 | 2009-06-24 | |
US61/219,857 | 2009-06-24 | ||
PCT/IL2009/001216 WO2010073251A2 (en) | 2008-12-25 | 2009-12-24 | Denoising medical images |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2012513816A JP2012513816A (ja) | 2012-06-21 |
JP5753791B2 true JP5753791B2 (ja) | 2015-07-22 |
Family
ID=42015159
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2011542971A Active JP5753791B2 (ja) | 2008-12-25 | 2009-12-24 | ノイズ除去された所定の解像度の医療画像を提供する方法、所定の解像度のノイズ除去された所定の解像度の医療画像を提供するシステム |
Country Status (6)
Country | Link |
---|---|
US (1) | US8605970B2 (ja) |
EP (1) | EP2380132B1 (ja) |
JP (1) | JP5753791B2 (ja) |
CN (1) | CN102203826B (ja) |
CA (1) | CA2748234A1 (ja) |
WO (1) | WO2010073251A2 (ja) |
Families Citing this family (86)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8594445B2 (en) | 2005-11-29 | 2013-11-26 | Adobe Systems Incorporated | Fast bilateral filtering using rectangular regions |
US8655097B2 (en) * | 2008-08-22 | 2014-02-18 | Adobe Systems Incorporated | Adaptive bilateral blur brush tool |
JP5449852B2 (ja) * | 2009-05-08 | 2014-03-19 | 株式会社東芝 | 超音波診断装置 |
US8724928B2 (en) | 2009-08-31 | 2014-05-13 | Intellectual Ventures Fund 83 Llc | Using captured high and low resolution images |
JP5826749B2 (ja) * | 2009-09-04 | 2015-12-02 | コーニンクレッカ フィリップス エヌ ヴェKoninklijke Philips N.V. | コンテンツベースの画像検索に関する関連度の視覚化 |
JP5337250B2 (ja) * | 2009-09-04 | 2013-11-06 | 株式会社東芝 | 画像処理装置及びその方法 |
BR112012012231A2 (pt) * | 2009-11-25 | 2017-12-19 | Koninl Philips Electronics Nv | método e sistema |
KR101643607B1 (ko) * | 2009-12-30 | 2016-08-10 | 삼성전자주식회사 | 영상 데이터 생성 방법 및 장치 |
WO2011145040A1 (en) * | 2010-05-21 | 2011-11-24 | Koninklijke Philips Electronics N.V. | Edge-preserving noise filtering |
WO2011161557A1 (en) * | 2010-06-21 | 2011-12-29 | Koninklijke Philips Electronics N.V. | Method and system for noise reduction in low dose computed tomography |
JP5653098B2 (ja) * | 2010-07-09 | 2015-01-14 | Hoya株式会社 | ノイズ除去装置 |
WO2012056364A1 (en) * | 2010-10-27 | 2012-05-03 | Koninklijke Philips Electronics N.V. | Low dose ct denoising |
US8938105B2 (en) | 2010-10-28 | 2015-01-20 | Kabushiki Kaisha Toshiba | Denoising method and system for preserving clinically significant structures in reconstructed images using adaptively weighted anisotropic diffusion filter |
KR101669819B1 (ko) * | 2010-11-11 | 2016-10-27 | 삼성전자주식회사 | 깊이 영상의 고정밀 복원을 위한 필터링 장치 및 방법 |
US8417047B2 (en) * | 2011-03-01 | 2013-04-09 | Microsoft Corporation | Noise suppression in low light images |
US9472007B2 (en) * | 2011-08-19 | 2016-10-18 | Koninklijke Philips N.V. | Frequency dependent combination of X-ray images of different modalities |
US8867844B2 (en) * | 2012-02-01 | 2014-10-21 | Sharp Laboratories Of America, Inc. | Edge based template matching |
US9214029B2 (en) * | 2012-02-02 | 2015-12-15 | Peter Yim | Method and system for image segmentation |
US8929636B2 (en) * | 2012-02-02 | 2015-01-06 | Peter Yim | Method and system for image segmentation |
EP2631871B1 (en) * | 2012-02-27 | 2015-07-01 | ST-Ericsson SA | Virtual image generation |
EP2830480A2 (en) * | 2012-03-26 | 2015-02-04 | The Cleveland Clinic Foundation | Volumetric analysis of pathologies |
US9105124B2 (en) * | 2012-06-21 | 2015-08-11 | General Electric Company | Methods and systems for reducing noise- related imaging artifacts |
US8953902B2 (en) * | 2012-07-06 | 2015-02-10 | Morpho Detection, Llc | Systems and methods for thin object imaging |
WO2014024076A1 (en) * | 2012-08-06 | 2014-02-13 | Koninklijke Philips N.V. | Image noise reduction and/or image resolution improvement |
CN105122273B (zh) * | 2013-01-17 | 2018-11-20 | 科迪影技术股份有限公司 | 用于电生理学信号的非局域均值滤波 |
CN104036456A (zh) * | 2013-03-08 | 2014-09-10 | 株式会社日立制作所 | 图像去噪装置和图像去噪方法 |
CN104077746B (zh) * | 2013-03-29 | 2017-03-01 | 富士通株式会社 | 灰度图像处理方法及其装置 |
CN105164725B (zh) * | 2013-04-29 | 2019-03-26 | 皇家飞利浦有限公司 | 去噪重建图像数据的边缘改进 |
JP6283875B2 (ja) * | 2013-09-05 | 2018-02-28 | キヤノンメディカルシステムズ株式会社 | 医用画像処理装置、x線診断装置およびx線コンピュータ断層撮影装置 |
EP3061398B1 (en) * | 2013-10-21 | 2020-09-23 | Canon Kabushiki Kaisha | Radiographic imaging device and method for controlling same, radiographic image processing device and method, and program and computer-readable storage medium |
KR101518751B1 (ko) * | 2013-11-21 | 2015-05-11 | 연세대학교 산학협력단 | 다중 대조도 자기공명영상에서 잡음 제거 방법 및 장치 |
JP5918198B2 (ja) * | 2013-11-26 | 2016-05-18 | 日立アロカメディカル株式会社 | 超音波診断装置 |
US9406107B2 (en) * | 2013-12-18 | 2016-08-02 | General Electric Company | System and method of computed tomography signal restoration via noise reduction |
US10169848B2 (en) | 2014-04-23 | 2019-01-01 | Koninklijke Philips N.V. | Restoration of low contrast structure in de-noise image data |
CN105335947B (zh) * | 2014-05-26 | 2019-03-01 | 富士通株式会社 | 图像去噪方法和图像去噪装置 |
US9344636B2 (en) | 2014-05-30 | 2016-05-17 | Apple Inc. | Scene motion correction in fused image systems |
US9342871B2 (en) | 2014-05-30 | 2016-05-17 | Apple Inc. | Scene motion correction in fused image systems |
JP6390173B2 (ja) * | 2014-06-02 | 2018-09-19 | 日本電気株式会社 | 情報処理装置、情報処理システム、画像処理方法、及び、プログラム |
KR20160012559A (ko) * | 2014-07-24 | 2016-02-03 | 삼성전자주식회사 | 자기 공명 영상 장치 및 그에 따른 자기 공명 영상의 이미징 방법 |
US9852353B2 (en) * | 2014-11-12 | 2017-12-26 | Adobe Systems Incorporated | Structure aware image denoising and noise variance estimation |
KR102335167B1 (ko) | 2015-03-17 | 2021-12-03 | 삼성전자주식회사 | 영상 촬영 장치 및 이의 촬영 방법 |
WO2016159395A1 (ko) * | 2015-03-27 | 2016-10-06 | 알피니언메디칼시스템 주식회사 | 공간 스무딩 연산이 간단한 빔포밍 장치, 초음파 이미징 장치 및 빔포밍 방법 |
US9984311B2 (en) * | 2015-04-11 | 2018-05-29 | Peter Yim | Method and system for image segmentation using a directed graph |
US10542961B2 (en) | 2015-06-15 | 2020-01-28 | The Research Foundation For The State University Of New York | System and method for infrasonic cardiac monitoring |
KR101707337B1 (ko) * | 2015-11-25 | 2017-02-17 | 조선대학교산학협력단 | 영상 디노이징을 위한 다중해상도 nlm 필터링 방법 |
RU2705014C1 (ru) * | 2015-12-31 | 2019-11-01 | Шанхай Юнайтид Имиджинг Хелскеа Ко., Лтд. | Способы и системы для обработки изображений |
US9875527B2 (en) | 2016-01-15 | 2018-01-23 | Toshiba Medical Systems Corporation | Apparatus and method for noise reduction of spectral computed tomography images and sinograms using a whitening transform |
DE102016202434A1 (de) * | 2016-02-17 | 2017-08-17 | Siemens Healthcare Gmbh | Auswahlverfahren für einen Artefaktkorrekturalgorithmus, Datenverarbeitungseinrichtung zur Ausführung des Verfahrens und medizinische Bildgebungsanlage |
US10559073B2 (en) * | 2016-03-23 | 2020-02-11 | Intel Corporation | Motion adaptive stream processing for temporal noise reduction |
EP3433832B1 (en) * | 2016-03-25 | 2021-03-10 | Koninklijke Philips N.V. | Image reconstruction |
EP3440625B1 (en) * | 2016-04-05 | 2021-06-09 | Koninklijke Philips N.V. | Medical image processing |
EP3244368A1 (en) * | 2016-05-13 | 2017-11-15 | Stichting Katholieke Universiteit | Noise reduction in image data |
CN109690620B (zh) * | 2016-09-12 | 2023-05-30 | 松下知识产权经营株式会社 | 三维模型生成装置以及三维模型生成方法 |
CN109963494B (zh) * | 2016-11-30 | 2022-03-08 | 南加州大学 | 具有改进的图像质量的光相干断层成像系统 |
EP3343501A1 (en) * | 2016-12-28 | 2018-07-04 | Karl-Franzens-Universität Graz | Method and device for image processing |
CN110114799B (zh) * | 2017-01-10 | 2023-06-23 | 富士胶片株式会社 | 噪声处理装置及噪声处理方法 |
WO2018163105A2 (en) * | 2017-03-09 | 2018-09-13 | St. Jude Medical International Holding S.À R.L. | Detection of fiducials in a clinical image |
US10419758B2 (en) | 2017-03-16 | 2019-09-17 | Mediatek Inc. | Non-local adaptive loop filter processing |
JP2018166721A (ja) * | 2017-03-29 | 2018-11-01 | 株式会社日立製作所 | X線ct装置、画像処理装置、および、画像処理方法 |
CN107274377B (zh) * | 2017-07-11 | 2020-05-22 | 北京奇艺世纪科技有限公司 | 一种图像非本地滤波的方法及装置 |
TWI648708B (zh) * | 2017-09-06 | 2019-01-21 | 奇景光電股份有限公司 | 像素內插電路與像素內插方法 |
CN109510920B (zh) * | 2017-09-14 | 2021-03-23 | 奇景光电股份有限公司 | 像素内插电路与像素内插方法 |
US10643319B2 (en) * | 2018-01-30 | 2020-05-05 | Canon Medical Systems Corporation | Apparatus and method for context-oriented blending of reconstructed images |
CN108776956B (zh) * | 2018-04-16 | 2023-02-28 | 郭艺辉 | 一种基于非均匀谱图编码三维低通滤波器的医学模型光顺的方法 |
CN109035137B (zh) * | 2018-07-27 | 2022-11-25 | 重庆邮电大学 | 一种基于最优传输理论的多模态医学图像融合方法 |
US11756160B2 (en) * | 2018-07-27 | 2023-09-12 | Washington University | ML-based methods for pseudo-CT and HR MR image estimation |
CN109767400B (zh) * | 2019-01-14 | 2022-12-02 | 三峡大学 | 一种导向三边滤波的超声图像散斑噪声去除方法 |
US20220050222A1 (en) * | 2019-01-15 | 2022-02-17 | Schlumberger Technology Corporation | Residual signal detection for noise attenuation |
WO2020174588A1 (ja) * | 2019-02-26 | 2020-09-03 | 株式会社ソシオネクスト | 情報処理装置および情報処理方法 |
CN109993707B (zh) * | 2019-03-01 | 2023-05-12 | 华为技术有限公司 | 图像去噪方法和装置 |
JP7387280B2 (ja) * | 2019-04-10 | 2023-11-28 | キヤノン株式会社 | 画像処理装置、画像処理方法及びプログラム |
CN110163819B (zh) * | 2019-04-21 | 2023-08-01 | 渤海大学 | 一种面向磁共振扩散加权图像的非局部均值平滑方法 |
JP7451098B2 (ja) * | 2019-06-26 | 2024-03-18 | キヤノン株式会社 | 画像処理装置、画像処理方法及びプログラム |
US10861127B1 (en) | 2019-09-17 | 2020-12-08 | Gopro, Inc. | Image and video processing using multiple pipelines |
CN111242853B (zh) * | 2019-12-31 | 2023-08-08 | 浙江工业大学之江学院 | 基于光流处理的医学ct图像去噪方法 |
US11436761B2 (en) | 2020-03-18 | 2022-09-06 | International Business Machines Corporation | Preventing feature loss when compressing images |
US11328390B2 (en) | 2020-05-13 | 2022-05-10 | Ambu A/S | Method for adaptive denoising and sharpening and visualization systems implementing the method |
CN111783583B (zh) * | 2020-06-22 | 2024-02-20 | 西安电子科技大学 | 基于非局部均值算法的sar图像相干斑抑制方法 |
CN112308086B (zh) * | 2020-11-02 | 2023-07-18 | 金陵科技学院 | 基于非线性降维与智能寻优的四轴抗干扰无人机系统 |
US20220198651A1 (en) * | 2020-12-21 | 2022-06-23 | Radboud University Nijmegen | Multi-phase filter |
US11756285B2 (en) | 2021-06-10 | 2023-09-12 | Bank Of America Corporation | Image processing system and method for image noise removal |
CN113934715B (zh) * | 2021-09-25 | 2024-03-01 | 西北工业大学 | 一种基于改进非局部均值的推进剂制备质量数据去噪方法 |
CN114781464A (zh) * | 2022-06-20 | 2022-07-22 | 北京闪马智建科技有限公司 | 数据去噪方法及装置、存储介质、电子装置 |
CN116091345B (zh) * | 2022-12-23 | 2023-10-03 | 重庆大学 | 一种基于局部熵和保真项的各向异性扩散医学图像去噪方法、系统及存储介质 |
CN116342610B (zh) * | 2023-05-31 | 2023-08-15 | 山东恒海钢结构有限公司 | 一种钢结构装配式建筑焊接异常检测方法 |
CN117576417B (zh) * | 2024-01-17 | 2024-03-26 | 大连壹致科技有限公司 | 一种心脏超声影像特征智能提取方法 |
Family Cites Families (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6108455A (en) | 1998-05-29 | 2000-08-22 | Stmicroelectronics, Inc. | Non-linear image filter for filtering noise |
JP2001039874A (ja) | 1999-07-28 | 2001-02-13 | Welfide Corp | 肺高血圧症予防治療剤 |
US6963670B2 (en) | 2001-11-21 | 2005-11-08 | Ge Medical Systems Global Technology Company, Llc | CT dose reduction filter with a computationally efficient implementation |
US20030097055A1 (en) * | 2001-11-21 | 2003-05-22 | Philips Medical Systems(Cleveland), Inc. | Method of reviewing tomographic scans with a large number of images |
US6459755B1 (en) | 2002-02-26 | 2002-10-01 | Ge Medical Systems Global Technology Co. Llc | Method and apparatus for administering low dose CT scans |
DE10332596B4 (de) * | 2003-07-17 | 2011-11-17 | Siemens Ag | Röntgeneinrichtung |
JP5296981B2 (ja) * | 2003-07-30 | 2013-09-25 | コーニンクレッカ フィリップス エレクトロニクス エヌ ヴィ | アフィン変換を用いたモダリティ内医療体積画像の自動位置合わせ |
JP2007503903A (ja) * | 2003-09-04 | 2007-03-01 | コニンクリユケ フィリップス エレクトロニクス エヌ.ブイ. | 局所適応的な非線形ノイズ削減 |
KR100965880B1 (ko) | 2003-09-29 | 2010-06-24 | 삼성전자주식회사 | 영상의 잡음 제거 방법 |
JP4559723B2 (ja) * | 2003-10-31 | 2010-10-13 | 株式会社東芝 | 放射線ct装置、画像処理装置、及び画像処理方法 |
US7215739B2 (en) | 2004-07-20 | 2007-05-08 | Communications & Power Industries Canada Inc. | Active dose reduction device and method |
US7623691B2 (en) * | 2004-08-06 | 2009-11-24 | Kabushiki Kaisha Toshiba | Method for helical windmill artifact reduction with noise restoration for helical multislice CT |
CN1303571C (zh) * | 2004-09-02 | 2007-03-07 | 上海交通大学 | 基于模糊积分的图像优化融合方法 |
US7840249B2 (en) * | 2004-11-24 | 2010-11-23 | University Of Iowa Research Foundation | Clinical micro-CT (CMCT) methods, techniques and apparatus |
EP1874554A4 (en) | 2005-04-25 | 2009-01-21 | Univ Rochester | METHOD AND DEVICE FOR GLOBAL EXPERIENCE FOR CT IMAGING |
US7714577B2 (en) | 2005-10-18 | 2010-05-11 | Tursiop Technologies Llc | Method and apparatus for high-gain magnetic resonance imaging |
JP4414420B2 (ja) * | 2006-10-27 | 2010-02-10 | ジーイー・メディカル・システムズ・グローバル・テクノロジー・カンパニー・エルエルシー | X線断層撮影装置およびアーチファクトの低減方法 |
US20080118128A1 (en) | 2006-11-21 | 2008-05-22 | Thomas Louis Toth | Methods and systems for enhanced accuracy image noise addition |
CN100470587C (zh) * | 2007-01-26 | 2009-03-18 | 清华大学 | 一种医学图像中腹部器官分割方法 |
JP4490987B2 (ja) * | 2007-04-26 | 2010-06-30 | 株式会社東芝 | 高解像度化装置および方法 |
-
2009
- 2009-12-24 US US13/142,282 patent/US8605970B2/en active Active
- 2009-12-24 CA CA2748234A patent/CA2748234A1/en not_active Abandoned
- 2009-12-24 CN CN200980153645.6A patent/CN102203826B/zh active Active
- 2009-12-24 EP EP09807637.5A patent/EP2380132B1/en active Active
- 2009-12-24 WO PCT/IL2009/001216 patent/WO2010073251A2/en active Application Filing
- 2009-12-24 JP JP2011542971A patent/JP5753791B2/ja active Active
Also Published As
Publication number | Publication date |
---|---|
CN102203826A (zh) | 2011-09-28 |
CA2748234A1 (en) | 2010-07-01 |
CN102203826B (zh) | 2015-02-18 |
US20110268328A1 (en) | 2011-11-03 |
JP2012513816A (ja) | 2012-06-21 |
WO2010073251A2 (en) | 2010-07-01 |
WO2010073251A3 (en) | 2010-09-16 |
EP2380132A2 (en) | 2011-10-26 |
US8605970B2 (en) | 2013-12-10 |
EP2380132B1 (en) | 2018-02-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP5753791B2 (ja) | ノイズ除去された所定の解像度の医療画像を提供する方法、所定の解像度のノイズ除去された所定の解像度の医療画像を提供するシステム | |
JP2014505491A (ja) | 医療用画像の非線形分解能の低減 | |
Perumal et al. | Preprocessing by contrast enhancement techniques for medical images | |
JP5531368B2 (ja) | 画像のノイズ低減 | |
Sakellaropoulos et al. | A wavelet-based spatially adaptive method for mammographic contrast enhancement | |
Manniesing et al. | Vessel enhancing diffusion: A scale space representation of vessel structures | |
EP2869261B1 (en) | Method for processing image data representing a three-dimensional volume | |
Chandra et al. | Analysis of quantum noise-reducing filters on chest X-ray images: A review | |
Yang | Multimodal medical image fusion through a new DWT based technique | |
JP2009291618A (ja) | 超音波−ct映像整合のための3次元超音波肝臓映像の解剖学的特徴を抽出するシステム及び方法 | |
EP2372646B1 (en) | Image processing device, method and program | |
CN110610498A (zh) | 乳腺钼靶图像处理方法、系统、存储介质及设备 | |
US20110222752A1 (en) | Microcalcification enhancement from digital mammograms | |
Kishore et al. | Denoising ultrasound medical images with selective fusion in wavelet domain | |
JP5632920B2 (ja) | ボケイメージ内のブラーの特性を決定するシステム及び方法 | |
Guo | Computer-aided detection of breast cancer using ultrasound images | |
Shanmugam et al. | Condensed anisotropic diffusion for speckle reducton and enhancement in ultrasonography | |
Snoeren et al. | Thickness correction of mammographic images by anisotropic filtering and interpolation of dense tissue | |
Wang et al. | Remote sensing image magnification study based on the adaptive mixture diffusion model | |
Burhan et al. | Improved methods for mammogram breast cancer using by denoising filtering | |
Tsujii et al. | Anatomic region-based dynamic range compression for chest radiographs using warping transformation of correlated distribution | |
Al-Samaraie et al. | Medical colored image enhancement using wavelet transform followed by image sharpening | |
Malarvizhi et al. | „Qualitative Analysis Of Various Edge Detection Techniques Applied On Cervical Herniated Spine Images.” | |
Karthikeyan et al. | Wavelet-based Image Enhancement Techniques for Improving Visual Quality of Ultrasonic Images | |
Fernando et al. | Biomedical Image Quality Improvement with Spatial Domains |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20121122 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20131112 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20131114 |
|
A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20140212 |
|
A602 | Written permission of extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A602 Effective date: 20140219 |
|
A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20140311 |
|
A602 | Written permission of extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A602 Effective date: 20140318 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20140321 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20140902 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20141121 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20150430 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20150525 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 5753791 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |