CN107533755A - 用于改进医学图像质量的设备和方法 - Google Patents
用于改进医学图像质量的设备和方法 Download PDFInfo
- Publication number
- CN107533755A CN107533755A CN201680021927.0A CN201680021927A CN107533755A CN 107533755 A CN107533755 A CN 107533755A CN 201680021927 A CN201680021927 A CN 201680021927A CN 107533755 A CN107533755 A CN 107533755A
- Authority
- CN
- China
- Prior art keywords
- image
- denoising
- noise
- input
- sequence
- 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 54
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 124
- 238000001914 filtration Methods 0.000 claims abstract description 98
- 238000012545 processing Methods 0.000 claims abstract description 49
- 230000009467 reduction Effects 0.000 claims description 18
- 238000004590 computer program Methods 0.000 claims description 15
- 238000002059 diagnostic imaging Methods 0.000 claims description 11
- 241000208340 Araliaceae Species 0.000 claims description 2
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 claims description 2
- 235000003140 Panax quinquefolius Nutrition 0.000 claims description 2
- 235000008434 ginseng Nutrition 0.000 claims description 2
- 238000013519 translation Methods 0.000 claims description 2
- 230000033001 locomotion Effects 0.000 abstract description 6
- 230000007423 decrease Effects 0.000 abstract description 4
- 230000008859 change Effects 0.000 description 12
- 230000000007 visual effect Effects 0.000 description 8
- 238000000799 fluorescence microscopy Methods 0.000 description 7
- 230000000694 effects Effects 0.000 description 6
- 230000009471 action Effects 0.000 description 5
- 230000003044 adaptive effect Effects 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 238000003384 imaging method Methods 0.000 description 4
- 230000005855 radiation Effects 0.000 description 4
- 238000005070 sampling Methods 0.000 description 4
- 206010047571 Visual impairment Diseases 0.000 description 3
- 230000004888 barrier function Effects 0.000 description 3
- 230000006872 improvement Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 210000004204 blood vessel Anatomy 0.000 description 2
- 230000000747 cardiac effect Effects 0.000 description 2
- 238000002591 computed tomography Methods 0.000 description 2
- 230000001419 dependent effect Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000009499 grossing Methods 0.000 description 2
- 238000002595 magnetic resonance imaging Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 210000000056 organ Anatomy 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 230000002123 temporal effect Effects 0.000 description 2
- 230000001960 triggered effect Effects 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 244000232745 Bactris gasipaes Species 0.000 description 1
- 238000002213 X-ray fluorescence microscopy Methods 0.000 description 1
- 231100000987 absorbed dose Toxicity 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 230000003321 amplification Effects 0.000 description 1
- 230000006793 arrhythmia Effects 0.000 description 1
- 206010003119 arrhythmia Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 210000000746 body region Anatomy 0.000 description 1
- 210000000988 bone and bone Anatomy 0.000 description 1
- 230000008602 contraction Effects 0.000 description 1
- 230000002079 cooperative effect Effects 0.000 description 1
- 230000000875 corresponding effect Effects 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000003205 diastolic effect Effects 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 description 1
- 239000010931 gold Substances 0.000 description 1
- 229910052737 gold Inorganic materials 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000007620 mathematical function Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 230000001537 neural effect Effects 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 238000006116 polymerization reaction Methods 0.000 description 1
- 230000010349 pulsation Effects 0.000 description 1
- 230000000241 respiratory effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000001356 surgical procedure Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 238000002604 ultrasonography Methods 0.000 description 1
- 238000012285 ultrasound imaging Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T1/00—General purpose image data processing
- G06T1/0007—Image acquisition
-
- 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 using two or more images, e.g. averaging or subtraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
-
- 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
-
- 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
- G06T2207/10116—X-ray image
-
- 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
- G06T2207/10132—Ultrasound image
-
- 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
- G06T2207/20182—Noise reduction or smoothing in the temporal domain; Spatio-temporal filtering
-
- 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
- G06T2207/20212—Image combination
- G06T2207/20216—Image averaging
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Quality & Reliability (AREA)
- Radiology & Medical Imaging (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Multimedia (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Image Processing (AREA)
Abstract
提出了一种医学图像处理的方法。所述方法提出将不同的噪声滤波算法应用于输入图像，以便产生基于相同的输入图像的多幅输出图像。可以用比输入帧率更高的帧率来显示所述输出图像，这引起用户感知到图像中的噪声减少。额外地，图像的运动流畅性看起来得以改进。
Description
技术领域
本发明涉及一种用于医学图像处理的设备、一种用于医学图像处理的方法、一种医学成像***、一种计算机程序单元以及一种计算机可读介质。
背景技术
长的且复杂的X射线荧光成像介入可能意味着对患者施加显著累积的X射线剂量。现代X射线实践鼓励施加在合理情况下尽可能低的X射线剂量(所谓的“ALARA”原则)。因此，医学成像专业人员的目标是减少针对介入流程所需的辐射剂量。这种剂量减少能够引起得到的X射线图像中的噪声增加。因此，存在X射线检查期间施加的剂量与改善噪声特性之间的折衷。
US 5224141公开了一种施用帧填充方法来处理医学图像的静态部分的***。
EP 1550981 A2公开了一种用于使用最小误差空间-时间递归滤波器的图像噪声较少的***和方法。
EP 1315367 A2公开了一种用于改善能被分成三种颜色分量的彩色图像的方法和***。
FR 2790562 A1公开了一种用于混合图像的光学设备以及其到头盔的观察窗的应用。
KERVRANN C的“PEWA:Patch-based exponentially weighted aggregation forimage denoising”，ADVANCES IN NEURAL INFORMATION PROCESSING SYSTEMS 27，第3卷，2014年1月1日，第2150-2158页，公开了用于图像去噪的基于拼片的指数加权聚合。
发明内容
因此，具有用于提供去噪的医学图像的改进的技术将是有利的。
为此，本发明的第一方面提供了一种用于医学图像处理的设备。所述设备包括：输入单元、用于处理图像的处理单元、以及用于以序列来显示经处理的图像的输出单元。所述输入单元被配置为接收输入图像。所述处理单元被配置为使用第一噪声滤波算法根据所述输入图像来生成第一去噪图像，其中，所述第一噪声滤波算法由第一参数集来定义。所述处理单元被配置为使用第二噪声滤波算法根据所述输入图像来生成第二去噪图像，其中，所述第二噪声滤波算法由与所述第一参数集不同的第二参数集来定义。所述第一去噪图像中的残留噪声的空间分布与所述第二去噪图像中的残留噪声的空间分布不同。经处理的图像是所述第一去噪图像和所述第二去噪图像。当以序列来呈现所述第一去噪图像和所述第二去噪图像时这实现感知到的残留噪声的减少。输出单元包括处理器和一个或多个显示器。
根据本发明的范例，所述第一噪声滤波算法是空间滤波器。
根据本发明的另一范例，所述输入图像是静态图像，并且所述第一去噪图像和所述第二去噪图像被生成为连续循环。
根据本发明的另一范例，所述输入图像被包括在具有输入帧率的输入帧序列中；所述处理器单元还被配置为生成具有输出帧率的输出帧序列；并且所述输出帧序列包括所述第一去噪图像和所述第二去噪图像。
根据本发明的另一范例，所述第一参数集和/或所述第二参数集包括定义空间域和/或频率域中的滤波器内核的参数。
根据本发明的另一范例，所述第二噪声滤波算法是应用于所述输入帧序列的时间滤波器。
根据本发明的另一范例，所述第二参数集还包括从以下组中选择的定义时间滤波器的参数：滤波器带宽、熵、与后续帧或过去帧之间的几何特征变化、和/或与后续帧或过去帧之间的时间衰变参数。
根据本发明的另一范例，在将至少所述第一去噪算法和所述第二去噪算法应用于所述输入图像序列中的第一图像之后显示至少所述第一去噪图像和所述第二去噪图像的顺序不同于在将至少所述第一去噪算法和所述第二去噪算法应用于所述输入图像序列中的第二图像之后显示至少所述第一去噪图像和所述第二去噪图像的顺序。术语顺序应被理解为时间顺序。
根据本发明的另一范例，所述输入单元还被配置为提供包括医学图像的医学图像文档，并且还被配置为使用来自所述医学图像文档的图像作为接收到的输入图像，并且其中，所述处理单元还被配置为生成包括所述第一去噪图像和所述第二去噪图像的经后处理的医学图像文档。
根据本发明的第二方面，提供了一种用于医学图像处理的方法。所述方法包括以下步骤：
a)接收输入图像；
b)使用第一噪声滤波算法根据所述输入图像来生成第一去噪图像，其中，所述第一噪声滤波算法由第一参数集来定义；
c1)使用第二噪声滤波算法根据所述输入图像来生成第二去噪图像，其中，所述第二噪声滤波算法是由不同于所述第一参数集的第二参数集来定义的；并且其中，所述第一去噪图像中的残留噪声的空间分布不同于所述第二去噪图像中的残留噪声的空间分布；
c2)以序列来显示所述第一去噪图像和所述第二去噪图像，从而实现当所述第一去噪图像和所述第二去噪图像被顺序地呈现时感知到的残留噪声的减少。
根据本发明的另一范例，所述输入图像被包括在具有输入帧率的输入帧序列中；并且还包括以下步骤：
d)生成具有输出帧率的输出帧序列；
其中，所述输出帧序列包括所述第一去噪图像和所述第二去噪图像。
根据本发明的另一范例，所述方法包括以下步骤：
a1)提供包括医学图像的医学图像文档；
a2)使用来自所述医学图像文档的图像作为接收到的输入图像，并且
e)生成包括所述第一去噪图像和所述第二去噪图像的经后处理的医学图像文档。
根据本发明的第三方面，提供了一种医学成像***。所述医学成像***包括：
-医学成像采集装置，以及
-用于医学图像处理的设备。
用于医学图像处理的所述设备被提供为如上所述的设备。
根据本发明的第四方面，提供了一种计算机程序单元，所述计算机程序单元用于控制如先前所描述的用于医学图像处理的设备，所述计算机程序单元当由处理单元运行时，适于执行如先前所描述的方法的步骤。
根据本发明的第五方面，提供了一种存储有如上所述的程序单元的计算机可读介质。
使用第一噪声滤波算法和不同的第二噪声滤波算法来生成第一去噪图像和第二去噪图像实现了顺序呈现所述第一去噪图像和所述第二去噪图像时感知到的残留噪声的改善。这意指在时间上是顺序的。
这是因为，与呈现单幅图像所花费的时间相比，所述第一去噪图像和所述第二去噪图像能够以较高的速率被呈现给用户，这是因为针对每幅输入图像存在至少两幅输出图像。所隐含的图像显示时间的减少使得人类视觉***有效地对所述至少两幅去噪图像取平均，得到让人类用户看起来比原始图像包含更少噪声的最终图像。
对噪声的这种平均允许根据本发明的各方面的***中的X射线暴露被减小。所隐含的由X射线剂量的减少所引起的噪声增加可以因提高的显示速率而被用户感知为噪声减少。因此，能够减小施加到患者的X射线剂量。
另外，在这种情况下，针对每幅输入图像，生成至少两幅输出图像。所隐含的输出帧率关于输入帧率的提高意味着去噪序列对用户而言显得具有更流畅或具有较少的停顿的动作。
在本说明书中，术语“噪声滤波算法”意指这样的数学函数：其在被应用于输入图像时，相对于归属于图像的非噪声分量的强度，降低归属于图像的噪声分量的强度。已知各种各样的噪声滤波算法，例如，在单个图像帧上操作的空间噪声降低算法。这些识别出具有相对较高的噪声变化的图像帧的区，并对这些区进行平均。替代地，应用于帧的噪声滤波算法是时间滤波器。换言之，将“当前帧”的区与“先前帧”或“后续帧”中的相同的区或变化的区进行比较。将“当前帧”中保持与先前帧或后续帧相同的区进行平均。根据该一般性描述，清楚的是，能够使用许多噪声滤波算法。
在本说明书中，术语“参数集”指的是定义噪声滤波(平滑化)算法所必须的所述算法的至少一个配置参数。在空间滤波器的情况下，这能够定义噪声抵消空间低通滤波器的滤波器传递函数，定义滤波器特性(例如，中值滤波器或线性高斯滤波器)。该参数能够包括传递函数系数以及在特定频率处的衰减。所述参数集不仅可以涵盖正常的滤波器参数，而且还可以涵盖实际参数，例如，如在空间滤波器或时间滤波器中所使用的用于确定图像取平均的区的边界框的大小。噪声变化参数或边缘检测参数能够用于触发滤波。同样地，能够至少通过例如涉及要被施加的反馈程度和/或前馈程度的参数集来定义时间滤波器。因此，将会看出，术语“参数集”涵盖广泛的参数类型。
在本说明书中，术语“残留噪声的空间分布”意指通过对图像中噪声的动作修改的像素的位置。当然，具有第一噪声分布的图像的副本将具有相同的噪声分布。如果噪声滤波(平滑)算法被应用于图像的副本，则通过对图像中噪声的动作引起的给定像素的噪声分量将因算法在图像上的动作而改变。
在本说明书中，术语“感知到的残留噪声”意指人类观察者在观察相同图像的但针对不同图像具有不同噪声分布的图像序列时体验到噪声的减少。这种感知到的噪声减少是人类视觉***的动作的结果，其潜意识地将噪声的若干快速移动样式之间的噪声进行平滑。
换言之，本发明利用了人类视觉***的时间性质，其引起感知到的噪声关于原始帧率的降低，或更一般的改进的噪声外观。人类视觉***的平均化能力被用于执行该平均化。这引起对帧的图像质量的感知到的改善。还观察到，经处理的图像序列表现为更加流畅，这是由于算法的上采样效应。这能够借助于以下来利用：降低每个脉冲的辐射剂量，使得所感知到的噪声等于在没有不确定性处理的情况下所感知到的噪声，能够在不增加X射线剂量的情况下改善所感知到的图像噪声，并且经改善的感知到的帧率将降低使用低帧率采集协议的负担，这有助于显著地降低患者所经历的X射线积分剂量。
参考下文描述的实施例，本发明的这些方面和其他方面将变得明显并且得到阐明。
附图说明
将参考以下附图来描述本发明的示范性实施例：
图1a图示了空间噪声滤波算法的范例。
图1b图示了时间噪声滤波算法的范例。
图2图示了滤波器特性。
图3图示了根据本发明的第二方面的用于医学图像处理的方法。
图4图示了操作中的用于医学图像处理的方法的范例。
图5图示了操作中的用于医学图像处理的方法的另一范例。
图6图示了用于医学图像处理的方法的实践结果。
图7图示了根据本发明的第一方面的用于医学成像处理的设备。
图8图示了根据本发明的第三方面的用于医学成像的***。
具体实施方式
在荧光成像或介入放射流程的情况下，能够通过降低采集帧率并且因此通过减少介入期间拍摄的暴露次数来显著地减少所施加的X射线剂量。备选地，也可以减小X射线剂量。主X射线剂量的减少导致所获得的图像序列中的噪声水平增加。采集帧率的降低导致采集的序列对用户来说似乎缺乏流畅性。因此，对X射线暴露的降低受限于对图像质量的要求。例如，如果图像噪声过高，低对比度物体可能就不可见。降低标准荧光成像采集协议的帧率可能导致流畅性不佳的图像序列。这种效应会阻碍对低帧率协议的使用。必须找到与(如由X射线功率和/或采集帧率所确定的)患者辐射剂量之间的折衷。这通常应当遵循ALARA(能合理实现的尽可能低)原则。
尽管本发明的各方面关注对X射线图像的去噪，但是本发明也可以有用地应用于其他类型的成像，例如，超声或MRI成像。在这种情况下，目标是降低测得的图像或图像序列的总体噪声水平。
空间滤波器对图像内没有承载重要信息而仅承载噪声的拼片进行识别和平滑。包含重要信息的区是图像的包含对医学专业人员有用的信息的区，例如，导丝、或器官或骨边界。在图像中对这种物体的滤波能够使它们在空间分辨率上被降低，这对医学专业人员来说将是不利的。为了避免这样的空间分辨率的降低，空间滤波算法识别图像内不承载重要信息的拼片，并且然后对这些区进行滤波。
图1a)图示了包括血管12的图像的荧光成像帧10的范例。第一边界框在位置14处被示出，具有像素高度ph和像素宽度pw。第二边界框位置在16处被示出，并且第三像素边界框位置在位置18处被示出。空间滤波算法能够识别针对平滑位置14和16的候选，因为它们并不包含重要信息而只包含含有噪声的背景图像物。另一方面，位置18将不是针对空间滤波的良好候选，因为如果该区被空间滤波，则靶标血管的边界的对比度将会降低，导致空间分辨率的损失。
时间滤波器也能够应用于以输入帧率获得的图像序列。这是因为针对序列内的有限数量的图像，与当前帧中的那些区相比，后续帧和过去帧的某些区将不会显著改变。
图1b)图示了从胸部的荧光成像所取的、然后施加时间滤波算法的三个帧的序列的示意图。帧20、22和24每个包括诸如心脏的快速移动的目标以及诸如隔膜的缓慢移动目标的顺序帧。所述隔膜被图示为对角线26。在帧20中心脏32被示出为处于收缩状态。围绕其的虚线34图示心脏舒张的最大程度。因此，在帧22中，心脏被示为半舒张，并且在帧24中，心脏被示为处于其完全舒张状态。
因此，三个帧中的每个中存在对应于心脏所位于的区域的一区域：在所述区域中，对于先前帧和后续帧，与当前帧F2(t+1)相比，包含心脏的区域的范围将改变。这些帧也包含在先前帧F1(t)27或后续帧F3(t+2)30中并未显著改变的区。在该示范性时间滤波算法中，区27、28和30彼此平均，但是包含心脏的区未被平均。这减少了帧之间的运动模糊的影响。能够使用本领域技术人员已知的图像识别技术(例如，边缘检测)来识别每个帧中要进行滤波或不进行滤波的区。
因此，空间滤波器和时间滤波器当被应用于医学图像的序列时必须被小心地参数化，以便限制对图像内的感兴趣区域的空间分辨率的任何相关联的损失。在空间滤波的情况下，不正确的选择将降低小目标或低对比度目标的空间分辨率。对于时间平均的范例，不正确的参数选择将引起运动模糊的增加。
如果去噪算法的强度被增加到合理极限之外，则整个图像的总空间分辨率将会被损害。因此，残留噪声通常将存在于去噪图像中。残留噪声的强度至少取决于所施加的X射线剂量——通常，以低X射线剂量采集的图像的残留噪声将大于以高X射线剂量采集的图像中的残留噪声。
能够改善总体图像质量的某些图像处理技术会受到噪声放大的阻碍。去卷积操作遭受该问题。改善的去噪技术因此有助于改善图像序列的锐度。
图2图示了滤波器的一般特性。由轴32上的任意变量V来量化小的感兴趣区域(ROI)中的信息内容。这能够跨任何数学域来测量，例如，空间域或频率域。针对任意图像相对于轴34来标绘直方图H(V)。曲线44下面的区域42定义包含噪声功率的区。曲线48下面的区域46定义包含图像信息的区。
在这种情况下，必须从图像中移除低频率噪声。通过应用具有传递函数的滤波器核心来执行去噪，所述滤波器核心定义由曲线T(V)的阈值确定的强度。通常，在V上的给定点处的H(V)的衰减以分贝(dB)来定义。对于所示出的范例，当任意变量V是频率时，阈值T(V)利用恒定衰减38和斜率截止特性40来定义频率域中的低通滤波器。交叠区50表示包含图像信息的区域，所述图像信息将被低通滤波器滤波以便移除噪声，但是一些有用的信息将会从所述图像中损失。
可以调节图2中图示的滤波器特性T(V)，例如随时间、或随空间、或随频率，以例如适配噪声特性中的变化或反映图像中的目标的移动。因此，滤波器可以是自适应滤波器，例如，自适应空间滤波器、或自适应时间滤波器。
根据本发明的一个方面，提供了一种用于医学图像处理的方法。所述方法包括以下步骤：
a)接收52输入图像；
b)使用第一噪声滤波算法根据所述输入图像来生成54第一去噪图像，其中，所述第一噪声滤波算法由第一参数集来定义；
c1)使用第二噪声滤波算法根据所述输入图像来生成56第二去噪图像，其中，所述第二噪声滤波算法是由不同于所述第一参数集的第二参数集来定义的；并且其中，所述第一去噪图像中的残留噪声的空间分布不同于所述第二去噪图像中的残留噪声的空间分布；
c2)以序列来显示所述第一去噪图像和所述第二去噪图像，从而使得当所述第一去噪图像和所述第二去噪图像被顺序地呈现时，感知到的残留噪声能够减少。
图3图示了根据本发明的一个方面的方法。步骤c)可以包括例如子步骤c1)和c2)。
图4图示了典型算法中的方法的操作。帧58包含移动的目标(例如，心脏60)和与心脏相比移动慢得多的目标(例如，隔膜或肋骨边界62)。帧58受斑点噪声的影响，所述斑点噪声被示为帧体中的斑点图样。
如先前所描述地应用所述算法。这得到了帧64(其是第一去噪图像)和帧66(其是第二去噪图像)。通过将第一噪声滤波算法F1(t)应用于输入图像(即，帧58)来生成第一去噪图像。能够看出，第一去噪图像与输入帧58相比具有降低的斑点图样。通过将第二噪声滤波算法F2(t)应用于输入帧58来生成第二去噪图像。能够看出，第二去噪图像与输入图像58相比也具有降低的斑点图样。另外，第二去噪图像中的残留噪声的斑点图样与第一去噪图像中的斑点图样不同。
因此，感知到的噪声性能的改善造成允许减少应用的X射线剂量或降低输入图像的采集速率(如果其以序列被捕获的话)。
在所讨论算法中，至少第二噪声滤波算法是由不同于第一参数集的第二参数集定义的。这种不同可以在于：(1)至少一个不同的参数值，和/或(2)至少一个不同类型的参数。因此，第一噪声滤波算法和第二噪声滤波算法可以是具有相同类型的参数的时间空间滤波器。然而，这些参数的值可以是不同的：例如，第一噪声滤波算法可以定义具有截止频率的低通滤波器，所述具有截止频率的低通滤波器不同于由所述第二噪声滤波算法定义的低通滤波器。
根据另一范例，第一噪声滤波算法和第二噪声滤波算法可以是自适应时间算法。第一噪声滤波算法可以由历史帧加权参数来定义，所述历史帧加权参数利用70％的加权来对紧接着的先前帧进行加权，利用50％的加权对第二紧接着的先前帧进行加权，等等，从而获得针对第一噪声滤波算法的历史衰减特性。第二噪声滤波算法也可以是时间滤波器，但是其将由不同类型的参数来定义，例如，第二噪声滤波算法可以由前馈参数来定义。
根据本发明的各方面所使用的噪声滤波算法的设计被设计为使得残留图像噪声尽量是不相关的。例如，基于模态的约束、被成像的身体区域或基于采集协议来相应地设计参数。
本领域技术人员应当理解，应用第一噪声滤波算法和第二噪声滤波算法的顺序不是固定的，并且实际上第二噪声滤波算法可以首先被应用。
根据本发明的实施例，所述第一滤波算法是自适应空间滤波器。
自适应空间滤波器被应用于输入图像中的主要承载噪声的区域。因此，并未损害重要特征的边缘的空间分辨率。
根据本发明的实施例，可以通过以下来识别噪声大的区域：在图像的区域中使用采样框，并且测量例如框内部的像素强度的标准差、熵或范围，并且将结果与来自其他框的相同结果进行比较。
根据本发明的实施例，提供了如先前所描述的方法，其中，在步骤a)中，所述输入图像是静态图像，并且其中，所述第一去噪图像和所述第二去噪图像是以连续循环的方式被生成的。
图4也图示了该任选实施例，因为使用虚线68来指代连续循环。
静态图像(例如，“上一幅图像保持”)或诊断X射线图像包括可能有噪声的单幅图像。根据该实施例，以无限循环的方式对图像进行重复去噪。人类视觉***因此通过以上采样速率显示具有不同噪声特性的图像的副本来改善对静态图像的所感知到的图像质量。
根据本发明的实施例，执行平均而不需要增加图像显示的帧率。这减小了残留噪声的不相关部分，但是并不增加帧率。本发明的该实施例适用于静态图像。
根据本发明的实施例，提供了如先前所描述的方法，其中，所述输入图像被包括在具有输入帧率的输入帧序列中；并且所述方法还包括以下步骤：
d)生成包括第一去噪图像和第二去噪图像的输出帧序列，所述输出帧序列具有高于所述输入帧率的输出帧率。
所述输出帧率高于所述输入帧率，并且因此人类视觉***的时间平均属性允许关于原始帧率降低所感知到的噪声。这被称为Aufrichtig效应。
图5图示了本发明的该实施例。以输入帧率提供个输入帧72、73、74的序列。
通过处理(去噪)算法对序列中的每幅图像处理多次。因此，用上采样帧率提供多幅经处理的图像，所述上采样帧率是所应用的并行滤波器处理阶段的数量的倍数。
应用于每个帧的图像处理(去噪)算法被修改为使得多个噪声降低算法(每个噪声降低算法基于不同的参数集)针对多幅输入图像中的每幅被应用。随着算法被确切地应用于序列中的相同图像帧若干次，经处理的图像中的残留噪声的确切空间分布将变化。这具有改变残留噪声的空间分布的效应，这使得每幅图像中的残留噪声关于其他图像中的噪声更加不相关。若干不同的参数集(等于算法的迭代次数)被提供为使得算法的总体性能未被损害，并且残留噪声被尽可能地不相关。输出帧率是输入帧率的多倍，由所应用的滤波器级的数量来确定。
图5图示了通过包括两种不同的噪声滤波算法的算法来处理输入序列72、73、74。因此，去噪输出图像序列76包括具有不相关的残留噪声斑点图样的六个帧。在所图示的情况下以两倍的输入帧序列的速率对输出帧序列进行输出。
基于所采用的噪声滤波算法的类型来选取用于定义第一噪声滤波算法和第二噪声滤波算法的参数。所述参数也可以被设计为考虑在特定采集方法或外科手术流程期间存在的状况。因此，在空间噪声滤波算法的情况下，本领域技术人员可以改变的参数，可以包括边界框大小、熵或在边界框内部检测到的标准差、任意边界区域形状(由于噪声滤波空间区不必一定是矩形)、以及许多其他参数。
以相同的方式，第二参数集也包含与第二噪声滤波算法相关的广泛的参数。
根据本发明的实施例，所述第二滤波算法是自适应时间滤波器。
根据本发明的实施例，输入帧率为7.5帧每秒(FPS)，并且输出帧率为60FPS。
针对最低剂量的荧光成像检查的工业标准曝光速率为7.5FPS。60FPS的帧率为针对监视显示器的工业标准刷新率。因此，为了达到该上采样率，八个不相关的噪声降低算法被应用于每个输入帧，以产生具有不相关的噪声的八个输出帧。
根据本发明的实施例，应用具有不同参数集的三个、四个、五个、六个、七个、八个、九个、十个或更多噪声降低算法。
图6图示了实践中的算法的范例。在方框78中示出了骑马者的标准测试序列。这是输入帧序列Fi的第一输入帧。在t、t+4和t+8时提供输入帧。在图6中图示的特定情况下，使用四个噪声滤波算法将图像处理算法应用四次，每次使用它们自己唯一的参数集。因此，在F1(t)时示出第一噪声滤波算法输出结果。在F2(t)时示出第二去噪图像。在F3(t)时示出第三去噪图像。在F4(t)时示出第四去噪图像。利用80处的序列的下一帧，算法在t+4时提供的后续输入帧上进行重复。
因此，能够看出，关于输入帧序列，输入帧序列帧率Fi是输出帧序列的帧率Fo的四分之一。归因于在每幅图像上使用不同的噪声滤波算法，图像F1(t)、F2(t)、F3(t)和F4中的噪声将是不相关的。
术语“输入帧率”和“输出帧率”的使用并不会将本发明限于仅以规则的采集速率采集输入帧图像的情况。例如，在本发明的实施例中，能够例如根据测得的心脏时相来触发输入帧采集。这可以引起输入帧序列的输入速率的略微不规律。然而，仍然能够在该情况下实现本发明的效应，这是因为以高于平均采集速率的平均速率显示图像是可能的。
因此，根据本发明的实施例，输入帧序列与其他的输出帧率相比较的不规律性会被检测到，并且将第一噪声滤波算法或第二噪声滤波算法中的至少一个应用于输入帧可以被省略或复制，以利用额外的去噪帧来补偿输出帧序列。重复补偿处理，直到已经实现了期望的输出帧率。
输入帧序列中的不规律性可能出现，这归因于当由心脏脉动或呼吸脉动触发荧光成像装置时该装置被意外地触发。也可能因患者的心率失常而出现不规律性。根据该实施例，能够使用复制帧来解决输入帧序列中的不规律性，所述复制帧使用不相关噪声。
根据本发明的实施例，提供了如先前所描述的方法，其中，所述第一参数集和/或所述第二参数集包括定义空间域和/或频率域中的滤波器内核的参数。
根据本发明的实施例，提供了如先前所描述的方法，其中，宽滤波器核被应用于低频带，而窄滤波器核被应用于高频带。
能够在图2中所讨论的框架内方便地讨论噪声平滑滤波器(可应用为噪声滤波算法)的频率响应。当然，例如，在实际应用中，轴(如果定义空间频率域的话)将从零延伸到每mm若干线对。在设计滤波器核时，存在能够被采用的2D矩阵的广泛的选项。在数值上都小于或等于图像的大小任何矩阵组成能够被应用。通常，滤波器内核被设计尺寸为比总体图像小得多。
根据本发明的实施例，提供了一种如先前所描述的方法，其中，所述第二噪声滤波算法是应用于所述输入图像序列的时间滤波器。
因此，提供了第二噪声滤波算法，所述第二噪声滤波算法的任务是要在图像栈内识别未根据时间显著改变的拼片。这样的拼片能够是慢的目标或背景部分。可以使用广泛的变量来区分重要信息和非重要信息。针对合适的变量的一些范例包括为感兴趣区域的图像拼片内部的像素值的熵、标准差或范围。针对所有这些可能的变量，能够确定这样的阈值曲线，所述阈值曲线调节第二噪声滤波算法的滤波器强度以适合相关的“当前”输入帧的信息内容。
此外，能够在不同的数学域中执行信息评估和滤波。例如，空间域、频率域或另一域。
根据本发明的实施例，提供了如先前所描述的方法，其中，所述第二参数集还包括从以下组中选择的定义时间滤波器的参数：滤波器带宽、熵、与后续帧或过去帧之间的几何特征平移、和/或与后续帧或过去帧之间的时间衰变参数。
因此，可以使用广泛的参数，以确保输出图像帧具有最大不相关的噪声特性，或接近最大不相关的噪声特性。另外，滤波参数可以被选取为选择采集模态的特定临床情况。能够看到荧光成像图像中的导丝采集的情况之间的区别，与另一情况相反，器官显示在超声图像中。因此，对参数集的小心设计能够使得算法能够被调谐以改善个体采集状况。
根据本发明的实施例，提供了一种方法，其中，所述第一参数集和/或所述第二参数集中的参数具有随机数字种子。
残留图像噪声的随机特征在迭代的去噪、处理和重建的情况下大多数是可见的。将不同的初始解、先验结果或权重应用于算法将引起在残留噪声的空间分布方面的显著不同的结果。
根据本发明的实施例，处理参数中的每个被分配以区间内的随机数，所述区间由滤波平台的宽度(即，恒定衰减38的面积)来确定。
其效应为使得噪声滤波被绘制为具有轻微的非确定性。
根据本发明的实施例，提供了如先前所描述的方法，其中，所述第一噪声滤波算法和所述第二噪声滤波算法的应用顺序对于所述输入帧序列中的每个新的输入帧是变化的。
根据本发明的实施例，提供了如先前所描述的方法，其中，在将至少所述第一去噪算法和所述第二去噪算法应用于所述输入图像序列中的第一图像的顺序不同于在将至少所述第一去噪算法和所述第二去噪算法应用于所述输入图像序列中的第二图像的顺序。
根据本发明的实施例，提供了如先前所描述的方法，其中，将至少所述第一去噪算法和所述第二去噪算法应用于所述输入图像序列的顺序由置换函数和/或帧交织器来定义。
在该实施例的范例中，随机码生成器或伪噪声生成器(例如，PN序列生成器或金标序列生成器)被用于定义由至少第一噪声滤波算法和第二噪声滤波算法生成的各种去噪算法的应用顺序。换言之，对于第一输入图像及其后来者，与将去噪算法应用于第二(后来者)输入图像的顺序相比，所述算法将以不同的顺序应用于第一输入图像。
某些类别的噪声滤波算法可以引起类似类别的视觉伪影被强加在输出帧序列上。当这些伪影在输出帧序列中通过以相同顺序被重复地应用于输入帧序列而以规律的模式发生时，这样的伪影序列可以显现给用户。应用PN序列以交换在输出帧序列中显示帧的顺序(其中，每个帧源自于不同的噪声滤波算法)，减少了这样的算法特异性伪影的影响。
根据本发明的实施例，提供了一种如以上所定义的方法，还包括以下步骤：
a1)提供包括医学图像的医学图像文档；
a2)使用来自所述医学图像文档的图像作为接收到的输入图像；并且
e)生成包括所述第一去噪图像和所述第二去噪图像的经后处理的医学图像文档。
根据本发明的该实施例，可以在驻留在医学文档中的图像中提供由人类视觉***平均化的有益效应，所述医学文档被保持在硬盘驱动器、服务器、互联网、或云服务器、CD-ROM文档、DVD文档、磁带文档以及其他数据存储方法上。
因此，历史图像也可以受益于根据本发明的各方面的图像处理技术。
根据本发明的一方面，提供了一种用于医学图像处理84的设备。所述设备包括输入单元86和处理单元88。
所述输入单元86被配置为接收输入图像。
所述处理单元88被配置为：使用第一噪声滤波算法根据所述输入图像来生成第一去噪图像，其中，所述第一噪声滤波算法是由第一参数集定义的；使用第二噪声滤波算法根据所述输入图像来生成第二去噪图像，其中，所述第二噪声滤波算法是由不同于所述第一参数集的第二参数集定义的，并且其中，所述第一去噪图像中的残留噪声的空间分布不同于所述第二去噪图像中的残留噪声的空间分布，从而使得当以序列来呈现所述第一去噪图像和所述第二去噪图像时能够减小感知到的残留噪声。
根据本发明的实施例，提供了如先前所描述的设备84，其中，所述第一噪声滤波算法是空间滤波器。
根据本发明的实施例，提供了如先前所描述的设备84，其中，所述输入图像是静态图像，并且其中，所述第一去噪图像和所述第二去噪图像是以连续循环的方式被生成的。
根据本发明的实施例，提供了如先前所描述的设备84，其中，所述输入图像被包括在具有输入帧率的输入帧序列中，并且其中，所述处理单元还被配置为生成具有输出帧率的输出帧序列。所述输出帧序列包括所述第一去噪图像和所述第二去噪图像。
根据本发明的实施例，提供了如先前所描述的设备84，其中，所述第一参数集和/或所述第二参数集包括定义空间域和/或频率域中的滤波器内核的参数。
根据本发明的实施例，提供了如先前所描述的设备84，其中，所述第二噪声滤波算法是应用于所述输入图像和所述输入帧序列的时间滤波器。
根据本发明的实施例，提供了如先前所描述的设备84，其中，所述第二参数集还包括从以下组中选择的定义时间滤波器的参数：滤波器带宽、熵、与后续帧或过去帧之间的几何特征平移、和/或与后续帧或过去帧之间的时间衰变参数。
根据本发明的实施例，提供了如先前所描述的设备84，其中，所述第一参数集和/或所述第二参数集中的参数具有随机数种子。
根据本发明的实施例，提供了如先前所描述的设备84，其中，所述第一噪声滤波算法和所述第二噪声滤波算法的应用顺序对于所述输入帧序列中的每个新的输入帧是变化的。
根据本发明的实施例，提供了如先前所描述的设备84，其中，所述输出图像序列中的至少所述第一去噪图像帧和所述第二去噪图像帧的输出顺序由置换函数和/或帧交织器来定义。
根据本发明的实施例，提供了如先前所描述的设备84，其中，所述输入单元86还被配置为提供包括医学图像的医学图像文档，并且被配置为使用来自所述医学图像文档的图像作为接收到的输入图像，并且其中，所述处理单元88还被配置为生成包括所述第一去噪图像和所述第二去噪图像的经后处理的的医学图像文档。
根据本发明的实施例，提供了如先前所描述的设备84，其中，在将至少所述第一去噪算法和所述第二去噪算法应用于所述输入图像序列中的第一图像的顺序不同于在将至少所述第一去噪算法和所述第二去噪算法应用于所述输入图像序列中的第二图像的顺序。
根据本发明的一方面，提供了一种医学成像***89。一种医学成像***89，包括：
-医学成像采集装置90；以及
-用于医学图像处理的设备92。
用于医学图像处理的所述设备被提供为如上所述的设备。
图8图示了根据本发明的一个方面的医学成像***。所述医学成像***89包括C型臂94。所述C型臂包括X射线发射器96和探测器98，其被布置为对感兴趣目标100进行成像。可以使用伺服电机102和104以电子方式将C型臂94定位在感兴趣靶标100周围。
尽管已经主要在荧光成像成像***方面讨论了本发明的各方面，但是本发明通常可应用于关注残留图像噪声的所有医学成像模态。因此，根据本方面的实施例，所述医学成像采集装置为计算机断层摄影(CT)扫描器。
根据本发明的实施例，所述医学成像采集装置为相衬X射线扫描器。
根据本发明的实施例，所述医学成像采集装置为数字X射线机。
根据本发明的实施例，所述医学成像采集装置为超声***。
根据本发明的实施例，所述医学成像采集装置为磁共振成像(MRI)扫描器。
根据本发明的一个方面，提供了一种计算机程序单元，所述计算机程序单元用于控制如先前所描述的用于医学图像处理的设备，所述计算机程序单元当由处理单元运行时适于执行如先前所描述的方法的步骤。
根据本发明的一方面，提供了一种存储有如先前所描述的程序单元的计算机可读介质。
计算机程序单元可以被存储在计算机单元上，所述计算机单元也能够是本发明的实施例。所述计算单元可以适用于执行或引起上述方法的步骤的执行。此外，其也可以适于操作以上描述的装置的部件。所述计算单元可以适于自动地操作和/或执行用户的命令。计算机程序可以被加载到工作存储器或数据处理器中。数据处理器因此可以被装备为实施本发明的方法。计算单元能够被补充有诸如图形卡或FPGA扩展卡的高强度处理单元，以执行计算密集型操作。
本发明的该示范性实施例涵盖从一开始就安装有本发明的计算机程序以及借助于更新而将现有程序转变为使用本发明的程序的计算机程序两者。
计算机程序可以被存储/分布在合适的介质上，例如与其他硬件一起或作为其他硬件的部分供应的光学存储介质或固态介质，但是也可以被以其他形式分布，例如经由互联网或其他有线或无线的电信***。
计算机程序也可以通过如万维网的网络来提供并且可以被从这样的网络下载到数据处理器的工作存储器中。根据本发明的另外的示范性实施例，提供了一种用于使得计算机程序单元可供下载的介质，所述计算机程序单元被布置为执行本发明的先前描述的实施例中的一个。
应该指出，本发明的实施例是参考不同主题来描述的。尤其地，一些实施例是参考方法型权利要求来描述的，而其他实施例是参考装置型权利要求来描述的。本领域技术人员以上和以下描述可以得出，除非另行指出，除了属于同一类型的主题的特任的任何组合之外，涉及不同主题的特征之间的任何组合也被认为由本申请公开。
然而，所有的特征都能够被组合来提供多于特征的简单加合的协同效应。
尽管已经在附图和前面的描述中详细图示和描述了本发明，但是这样的图示和描述应当被认为是图示性或示范性的，而非限制性的。本发明不限于所公开的实施例。
在权利要求中，“包括”一词不排除其他元件或步骤，并且词语“一”或“一个”不排除多个。单个处理器或其他单元可以实现在权利要求中记载的若干项的功能。尽管在互不相同的从属权利要求中记载了特定措施，但是这并不指示不能有利地使用这些措施的组合。权利要求中的任何附图标记都不应被解释为对范围的限制。
Claims (15)
1.一种用于医学图像处理的设备(84)，包括：
-输入单元(86)；
-处理单元(88)，其用于处理图像；以及
-输出单元，其用于以序列来显示经处理的图像；
其中，所述输入单元被配置为接收输入图像；
其中，所述处理单元被配置为：
使用由第一参数集定义的第一噪声滤波算法根据所述输入图像来生成第一去噪图像；
使用由不同于所述第一参数集的第二参数集定义的第二噪声滤波算法根据所述输入图像来生成第二去噪图像；并且其中，所述第一去噪图像中的残留噪声的空间分布不同于所述第二去噪图像中的残留噪声的空间分布，其中，所述经处理的图像是所述第一去噪图像和所述第二去噪图像，从而当以序列来呈现所述第一去噪图像和所述第二去噪图像时实现感知到的残留噪声的减少。
2.根据权利要求1所述的设备(84)，
其中，所述第一噪声滤波算法是空间滤波器。
3.根据权利要求1或2中的任一项所述的设备(84)，
其中，所述输入图像是静态图像；并且
其中，所述第一去噪图像和所述第二去噪图像是以连续循环生成的。
4.根据权利要求1或2中的任一项所述的设备(84)，
其中，所述输入图像被包括在具有输入帧率的输入帧序列中；并且其中，所述处理单元(88)还被配置为生成具有输出帧率的输出帧序列；
其中，所述输出帧序列包括所述第一去噪图像和所述第二去噪图像。
5.根据权利要求1至4中的任一项所述的设备(84)，
其中，所述第一参数集和/或所述第二参数集包括定义空间域和/或频率域中的滤波器内核的参数。
6.根据权利要求4或5中的任一项所述的设备(84)，
其中，所述第二噪声滤波算法是应用于所述输入帧序列的时间滤波器。
7.根据权利要求4至6中的任一项所述的设备(84)，
其中，所述第二参数集还包括从以下组中选择的定义时间滤波器的参数：滤波器带宽、熵、与后续帧或过去帧之间的几何特征平移、和/或与后续帧或过去帧之间的时间衰变参数。
8.根据权利要求4至6中的任一项所述的设备(84)，
其中，在将至少所述第一去噪算法和所述第二去噪算法应用于所述输入图像序列中的第一图像之后显示至少所述第一去噪图像和所述第二去噪图像的顺序不同于在将至少所述第一去噪算法和所述第二去噪算法应用于所述输入图像序列中的第二图像之后显示至少所述第一去噪图像和所述第二去噪图像的顺序。
9.根据前述权利要求中的任一项所述的设备(84)，
其中，所述输入单元(86)还被配置为：提供包括医学图像的医学图像文档，并且被配置为使用来自所述医学图像文档的图像作为接收到的输入图像；并且
其中，所述处理单元(88)还被配置为生成包括所述第一去噪图像和所述第二去噪图像的经后处理的医学图像文档。
10.一种医学成像***(89)，包括：
-医学成像采集装置(98)；以及
-根据权利要求1至9中的任一项所述的用于医学图像处理的设备(92)。
11.一种用于医学图像处理的方法，包括以下步骤：
a)接收(52)输入图像；
b)使用第一噪声滤波算法根据所述输入图像生成(54)第一去噪图像；
其中，所述第一噪声滤波算法是由第一参数集定义的；
c1)使用第二噪声滤波算法根据所述输入图像生成(56)第二去噪图像；
其中，所述第二噪声滤波算法是由不同于所述第一参数集的第二参数集定义的；
c2)以序列来显示所述第一去噪图像和所述第二去噪图像；并且
其中，所述第一去噪图像中的残留噪声的空间分布不同于所述第二去噪图像中的残留噪声的空间分布，从而当以序列呈现所述第一去噪图像和所述第二去噪图像时实现感知到的残留噪声的降低。
12.根据权利要求11所述的方法，
其中，所述输入图像被包括在具有输入帧率的输入帧序列中；并且所述方法还包括以下步骤：
d)生成具有输出帧率的输出帧序列；
其中，所述输出帧序列包括所述第一去噪图像和所述第二去噪图像。
13.根据权利要求11或12所述的方法，还包括以下步骤：
a1)提供包括医学图像的医学图像文档；
a2)使用来自所述医学图像文档的图像作为接收到的输入图像，并且
e)生成包括所述第一去噪图像和所述第二去噪图像的经后处理的医学图像文档。
14.一种用于控制根据权利要求1至10中的任一项所述的设备或***的计算机程序单元，所述计算机程序单元当由处理单元运行时适于执行根据权利要求11至13中的任一项所述的方法的步骤。
15.一种存储有根据权利要求14所述的程序单元的计算机可读介质。
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| EP15163473.0 | 2015-04-14 | ||
| EP15163473 | 2015-04-14 | ||
| PCT/EP2016/058196 WO2016166199A1 (en) | 2015-04-14 | 2016-04-14 | Device and method for improving medical image quality |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN107533755A true CN107533755A (zh) | 2018-01-02 |
| CN107533755B CN107533755B (zh) | 2021-10-08 |
Family
ID=52997860
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201680021927.0A Active CN107533755B (zh) | 2015-04-14 | 2016-04-14 | 用于改进医学图像质量的设备和方法 |
Country Status (5)
| Country | Link |
|---|---|
| US (1) | US10546367B2 (zh) |
| EP (1) | EP3284059A1 (zh) |
| JP (1) | JP6816018B2 (zh) |
| CN (1) | CN107533755B (zh) |
| WO (1) | WO2016166199A1 (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108377176A (zh) * | 2018-02-06 | 2018-08-07 | 深圳竹信科技有限公司 | 心电数据的传输处理方法、设备、***及存储介质 |
| CN111415317A (zh) * | 2020-03-20 | 2020-07-14 | 苏州杰锐思智能科技股份有限公司 | 图像处理方法及装置、电子设备、计算机可读存储介质 |
| CN111656218A (zh) * | 2018-01-24 | 2020-09-11 | 皇家飞利浦有限公司 | 具有由持续性处理造成的经改进的噪声性能的超声*** |
| CN112545541A (zh) * | 2019-09-26 | 2021-03-26 | 株式会社日立制作所 | 医用图像处理装置以及医用图像处理方法 |
Families Citing this family (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2018048838A1 (en) * | 2016-09-06 | 2018-03-15 | Apple Inc. | Still image stabilization/optical image stabilization synchronization in multi-camera image capture |
| US11250545B2 (en) * | 2019-09-09 | 2022-02-15 | Siemens Medical Solutions Usa, Inc. | Deep learning-based denoising in quantitative single photon emission computed tomography |
| DE102019215460A1 (de) * | 2019-10-09 | 2021-04-15 | Siemens Healthcare Gmbh | Verfahren und Vorrichtung zur Rauschreduktion von Bildaufnahmen |
| JP6870765B1 (ja) * | 2020-06-30 | 2021-05-12 | コニカミノルタ株式会社 | 動態品質管理装置、動態品質管理プログラム及び動態品質管理方法 |
| US11216916B1 (en) * | 2020-10-09 | 2022-01-04 | Nvidia Corporation | History clamping for denoising dynamic ray-traced scenes using temporal accumulation |
| DE102021201748A1 (de) * | 2021-02-24 | 2022-08-25 | Siemens Healthcare Gmbh | Einstellen eines Parameters zur Rauschunterdrückung bei Röntgenbildgebung |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20040047497A1 (en) * | 2002-09-10 | 2004-03-11 | Confirma, Inc. | User interface for viewing medical images |
| WO2004023787A2 (en) * | 2002-09-06 | 2004-03-18 | Rytec Corporation | Signal intensity range transformation apparatus and method |
| CN1672636A (zh) * | 2003-12-22 | 2005-09-28 | Ge医疗***环球技术有限公司 | 利用最小误差时空递归过滤器降低图像噪音的***和方法 |
| CN101011261A (zh) * | 2007-02-08 | 2007-08-08 | 上海交通大学 | 多源螺旋ct反投影滤波精确重建*** |
| CN101237524A (zh) * | 2008-03-03 | 2008-08-06 | 中国科学院光电技术研究所 | 一种保留高频信息的图像噪声去除方法 |
| US20100019999A1 (en) * | 2006-12-22 | 2010-01-28 | Thales | Method for addressing an lcd display in color sequential mode |
| US20100142792A1 (en) * | 2008-12-05 | 2010-06-10 | Kabushiki Kaisha Toshiba | X-ray diagnosis apparatus and image processing apparatus |
| CN102156966A (zh) * | 2011-04-11 | 2011-08-17 | 北方工业大学 | 医学图像去噪 |
| EP1315367B1 (en) * | 2001-11-13 | 2011-12-21 | Nokia Corporation | Method and system for improving color images |
| CN103198800A (zh) * | 2012-01-10 | 2013-07-10 | 三星电子株式会社 | 图像显示装置和方法 |
| CN104125374A (zh) * | 2013-04-25 | 2014-10-29 | 财团法人工业技术研究院 | 图像处理装置及其影像噪声抑制方法 |
Family Cites Families (19)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5224141A (en) | 1991-02-06 | 1993-06-29 | General Electric Company | Fluoroscopic method with reduced x-ray dosage |
| FR2790562B1 (fr) | 1999-03-02 | 2001-06-01 | Sextant Avionique | Dispositif optique de melange d'images et son application a un viseur de casque |
| US7092748B2 (en) * | 2000-02-18 | 2006-08-15 | Centro Nacional De Investigaciones Cientificas (Cnic) | System and method for the tomography of the primary electric current of the brain and of the heart |
| GB2370934A (en) * | 2001-01-09 | 2002-07-10 | Sony Uk Ltd | Noise reduction in video signals |
| EP1671274A2 (en) * | 2003-09-22 | 2006-06-21 | Koninklijke Philips Electronics N.V. | Enhancing medical images with temporal filter |
| DE102004046441B8 (de) | 2004-09-24 | 2006-07-06 | Siemens Ag | Verfahren zur Bildwiedergabe, insbesondere bei medizinischen Einzel- oder Serienaufnahmen |
| US7287528B2 (en) | 2005-04-13 | 2007-10-30 | Ric Investments, Llc | Cushion inside a cushion patient interface |
| TWI324013B (en) * | 2006-02-22 | 2010-04-21 | Huper Lab Co Ltd | Video noise reduction method using adaptive spatial and motion-compensation temporal filters |
| US8442353B2 (en) * | 2006-08-03 | 2013-05-14 | The Regents Of The University Of California | Incorporation of mathematical constraints in methods for dose reduction and image enhancement in tomography |
| US8412544B2 (en) * | 2007-10-25 | 2013-04-02 | Bruce Reiner | Method and apparatus of determining a radiation dose quality index in medical imaging |
| US8447130B2 (en) * | 2007-12-31 | 2013-05-21 | Intel Corporation | History-based spatio-temporal noise reduction |
| CN102187664B (zh) * | 2008-09-04 | 2014-08-20 | 独立行政法人科学技术振兴机构 | 影像信号变换*** |
| JP5081109B2 (ja) * | 2008-09-04 | 2012-11-21 | 独立行政法人科学技術振興機構 | 映像信号変換システム |
| US9506882B2 (en) * | 2011-01-18 | 2016-11-29 | Texas Instruments Incorporated | Portable fluoroscopy system with spatio-temporal filtering |
| JP2012216109A (ja) * | 2011-04-01 | 2012-11-08 | Sony Corp | 画像処理装置と画像処理方法 |
| CN103957803A (zh) * | 2012-11-20 | 2014-07-30 | 株式会社东芝 | X射线诊断装置、医用图像处理装置、图像处理装置、x射线诊断装置控制程序、医用图像处理程序、以及图像处理程序 |
| US10460423B2 (en) * | 2013-02-08 | 2019-10-29 | Sunnybrook Health Sciences Centre | System and method for medical image quality enhancement using multiscale total variation flow |
| CN105324081B (zh) * | 2013-07-03 | 2018-03-20 | 株式会社日立制作所 | 放射线图像生成装置和图像处理方法 |
| US20160014417A1 (en) * | 2014-07-08 | 2016-01-14 | Magnum Semiconductor, Inc. | Methods and apparatuses for stripe-based temporal and spatial video processing |
-
2016
- 2016-04-14 EP EP16716221.3A patent/EP3284059A1/en active Pending
- 2016-04-14 JP JP2017553265A patent/JP6816018B2/ja active Active
- 2016-04-14 US US15/566,106 patent/US10546367B2/en active Active
- 2016-04-14 WO PCT/EP2016/058196 patent/WO2016166199A1/en active Application Filing
- 2016-04-14 CN CN201680021927.0A patent/CN107533755B/zh active Active
Patent Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP1315367B1 (en) * | 2001-11-13 | 2011-12-21 | Nokia Corporation | Method and system for improving color images |
| WO2004023787A2 (en) * | 2002-09-06 | 2004-03-18 | Rytec Corporation | Signal intensity range transformation apparatus and method |
| US20040131273A1 (en) * | 2002-09-06 | 2004-07-08 | Johnson Stephen G. | Signal intensity range transformation apparatus and method |
| US20040047497A1 (en) * | 2002-09-10 | 2004-03-11 | Confirma, Inc. | User interface for viewing medical images |
| CN1672636A (zh) * | 2003-12-22 | 2005-09-28 | Ge医疗***环球技术有限公司 | 利用最小误差时空递归过滤器降低图像噪音的***和方法 |
| EP1550981B1 (en) * | 2003-12-22 | 2010-08-11 | GE Medical Systems Global Technology Company LLC | System and method for image noise reduction using a minimal error spatio-temporal recursive filter |
| US20100019999A1 (en) * | 2006-12-22 | 2010-01-28 | Thales | Method for addressing an lcd display in color sequential mode |
| CN101011261A (zh) * | 2007-02-08 | 2007-08-08 | 上海交通大学 | 多源螺旋ct反投影滤波精确重建*** |
| CN101237524A (zh) * | 2008-03-03 | 2008-08-06 | 中国科学院光电技术研究所 | 一种保留高频信息的图像噪声去除方法 |
| US20100142792A1 (en) * | 2008-12-05 | 2010-06-10 | Kabushiki Kaisha Toshiba | X-ray diagnosis apparatus and image processing apparatus |
| CN102156966A (zh) * | 2011-04-11 | 2011-08-17 | 北方工业大学 | 医学图像去噪 |
| CN103198800A (zh) * | 2012-01-10 | 2013-07-10 | 三星电子株式会社 | 图像显示装置和方法 |
| CN104125374A (zh) * | 2013-04-25 | 2014-10-29 | 财团法人工业技术研究院 | 图像处理装置及其影像噪声抑制方法 |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111656218A (zh) * | 2018-01-24 | 2020-09-11 | 皇家飞利浦有限公司 | 具有由持续性处理造成的经改进的噪声性能的超声*** |
| CN108377176A (zh) * | 2018-02-06 | 2018-08-07 | 深圳竹信科技有限公司 | 心电数据的传输处理方法、设备、***及存储介质 |
| CN112545541A (zh) * | 2019-09-26 | 2021-03-26 | 株式会社日立制作所 | 医用图像处理装置以及医用图像处理方法 |
| US11790576B2 (en) | 2019-09-26 | 2023-10-17 | Fujifilm Healthcare Corporation | Medical image processing apparatus and medical image processing method |
| CN112545541B (zh) * | 2019-09-26 | 2024-04-23 | 富士胶片医疗健康株式会社 | 医用图像处理装置以及医用图像处理方法 |
| CN111415317A (zh) * | 2020-03-20 | 2020-07-14 | 苏州杰锐思智能科技股份有限公司 | 图像处理方法及装置、电子设备、计算机可读存储介质 |
| CN111415317B (zh) * | 2020-03-20 | 2024-01-05 | 苏州杰锐思智能科技股份有限公司 | 图像处理方法及装置、电子设备、计算机可读存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| US10546367B2 (en) | 2020-01-28 |
| WO2016166199A1 (en) | 2016-10-20 |
| EP3284059A1 (en) | 2018-02-21 |
| JP2018512241A (ja) | 2018-05-17 |
| CN107533755B (zh) | 2021-10-08 |
| US20180089807A1 (en) | 2018-03-29 |
| JP6816018B2 (ja) | 2021-01-20 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107533755A (zh) | 用于改进医学图像质量的设备和方法 | |
| Hsieh et al. | A new era of image reconstruction: TrueFidelity™ | |
| US20240087130A1 (en) | Autonomous multidimensional segmentation of anatomical structures on three-dimensional medical imaging | |
| Arndt et al. | Deep learning CT image reconstruction in clinical practice | |
| Ma et al. | Low‐dose computed tomography image restoration using previous normal‐dose scan | |
| EP2816955B1 (en) | Method and system for reducing localized artifacts in imaging data | |
| Xie et al. | Scatter artifacts removal using learning-based method for CBCT in IGRT system | |
| US10867375B2 (en) | Forecasting images for image processing | |
| CN102024251B (zh) | 用于双源ct的基于多图像虚拟非对比图像增强的***和方法 | |
| CN103190928A (zh) | 减少金属伪影的方法、计算单元、ct***和c形臂*** | |
| Gajera et al. | CT-scan denoising using a charbonnier loss generative adversarial network | |
| Liang et al. | Guest editorial low-dose CT: what has been done, and what challenges remain? | |
| Ramon et al. | Initial investigation of low-dose SPECT-MPI via deep learning | |
| Kim et al. | Cardiac motion correction for helical CT scan with an ordinary pitch | |
| CN114037803B (zh) | 医学图像三维重建方法及*** | |
| JP2024507767A (ja) | コントラスト補正機械学習システムのための訓練データ合成器 | |
| JP2019515255A (ja) | 医療画像処理 | |
| Moghari et al. | Reduction of scan duration and radiation dose in cerebral CT perfusion imaging of acute stroke using a recurrent neural network | |
| CN115511723B (zh) | 用于x射线图像的校正的方法和***以及x射线设备 | |
| Singh et al. | An advanced technique of de-noising medical images using ANFIS | |
| JP4864909B2 (ja) | 画像処理装置 | |
| Sai et al. | Reduction of Noise in Medical Imaging Quality | |
| Naseem | Cross-modality guided Image Enhancement | |
| Passand | Quality assessment of clinical thorax CT images | |
| Arndt et al. | Deep Learning CT Image Reconstruction in Clinical Practice CT-Bildrekonstruktion mit Deep Learning in der klinischen Praxis |
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 |