CN107680078A

CN107680078A - 一种图像处理方法和装置

Info

Publication number: CN107680078A
Application number: CN201710781177.3A
Authority: CN
Inventors: 张志伟
Original assignee: Neusoft Medical Systems Co Ltd
Current assignee: Neusoft Medical Systems Co Ltd
Priority date: 2017-09-01
Filing date: 2017-09-01
Publication date: 2018-02-09
Anticipated expiration: 2037-09-01
Also published as: CN107680078B

Abstract

本公开提供一种图像处理方法和装置，其中方法包括：获取能谱电子计算机断层扫描CT的混合能量图像的图像数据；根据所述图像数据进行所述混合能量图像中的组织分割，得到不同组织；对于每一种组织，采用与所述组织对应的基物质进行分解，得到所述组织对应的不同能级的单能量组织图像；对于每一个能级，将对应所述能级的不同组织的单能量组织图像进行组合，得到对应所述能级的单能量图像。本公开使得获得的单能量图像在物质区分方面显示的更加清楚，提高了单能量图像的质量。

Description

一种图像处理方法和装置

技术领域

本公开涉及医疗成像技术，特别涉及一种图像处理方法和装置。

背景技术

常规CT(Computed Tomography，电子计算机断层扫描)中球管产生的X射线具有连续的能量分布，多能谱CT(Multi-energy/spectral CT)成像就是利用物质在不同X射线能量下产生不同的吸收，来提供比常规CT更多的影像信息。例如，能谱CT成像可以将传统X线的混合能量，分解成40-140keV之间不同keV水平的多个单能量图像，这些单能量图像可以显示不同组织器官以及病变在不同X线能量水平的CT值曲线，从而为病灶起源及良恶性鉴别等提供了更为丰富的信息。

为了获取上述的单能量图像，在能谱CT扫描被检体得到扫描数据后，可以通过后处理工作站的能量图像处理软件对该扫描数据进行分析得到。但是，当前的能量图像处理软件进行能量分解得到的单能量图像的质量有待改进。

发明内容

有鉴于此，本公开提供一种图像处理方法和装置，以提高单能量图像对不同物质的区分度。

具体地，本公开是通过如下技术方案实现的：

第一方面，提供一种图像处理方法，所述方法包括：

获取能谱电子计算机断层扫描CT的混合能量图像的图像数据；

根据所述图像数据进行所述混合能量图像中的组织分割，得到不同组织；

对于每一种组织，采用与所述组织对应的基物质进行分解，得到所述组织对应的不同能级的单能量组织图像；

对于每一个能级，将对应所述能级的不同组织的单能量组织图像进行组合，得到对应所述能级的单能量图像。

第二方面，提供一种图像处理设备，所述设备包括：存储器、处理器，以及存储在存储器上并可在处理器上运行的计算机指令，所述处理器执行指令时实现以下步骤：

第三方面，提供一种计算机可读存储介质，其具有存储在其上的指令，当由一个或多个处理器执行时，使得一个或多个处理器执行图像处理方法，该方法包括：

本公开提供的图像处理方法和装置，通过在图像分解时考虑图像中的不同组织具有不同的物质成分组成，并对不同的组织采用不同的基物质进行分解，使得获得的单能量图像在物质区分方面显示的更加清楚，提高了单能量图像的质量。

附图说明

图1是本公开一示例性实施例示出的一种图像处理方法的流程图；

图2是本公开一示例性实施例示出的一种显示成分差异的处理流程图；

图3是本公开一示例性实施例示出的一种像素点差异化数据的获取流程；

图4是本公开一示例性实施例示出的一种差异曲线的生成方法的流程图；

图5是本公开一示例性实施例示出的一种能量差异曲线的示意图；

图6是本公开一示例性实施例示出的一种物质识别标准定义方法的流程图；

图7是本公开一示例性实施例示出的一种识别坐标系示意图。

具体实施方式

这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。

能谱CT的其中一种成像技术可以是采用双球管双能量成像，该技术可以是在CT机架中内嵌两套球管和探测器，两个球管呈一定角度排列，成像时两球管同时产生X射线，一个球管产生高kVp的X射线，一个球管产生低kVp的X射线。两套***分别独立采集数据信息，并在图像空间匹配，进行双能减影分析。比如，可以使用最低电压(80kVp)和最高电压(140kVp)来达到最大能量分离以最大限度地区分不同的物质。

在一个例子中，分别以80kVp和140kVp扫描时，得到的CT图像各自也是混合能量图像，是以包含多种能量的X射线扫描得到。可以综合80kVp下的混合能量图像和140kVp下的混合能量图像，得到80kVp至140kVp之间不同能量等级的单能量图像。图1示例了一种图像处理方法，该方法可以对能谱CT的混合能量图像进行处理，得到一系列的单能量图像，以供医生进行疾病诊断。

在步骤101中，获取能谱CT的混合能量图像的图像数据。

本步骤中，能谱CT对被检体扫描得到扫描数据，并根据该扫描数据进行图像重建得到混合能量图像。该混合能量图像的图像数据可以被输入到能量图像处理软件，比如，可以将混合能量图像加载到能量图像处理软件，以将该混合能量图像进行分解，产生不同能级的单能量图像。

在步骤102中，根据所述图像数据进行所述混合能量图像中的组织分割，得到不同组织。

其中，扫描被检体得到的混合能量图像中，可以包括不同的组织(Tissue)，例如，该组织可以是血管、骨骼等。

本步骤中，可以对混合能量图像进行组织分割，例如，将对应80kVp的混合能量图像分割出血管、骨骼等不同组织，将对应140kVp的混合能量图像也分割出不同的组织。例如，Tissue1、Tissue2、Tissue3等组织。

在步骤103中，对于每一种组织，采用与所述组织对应的基物质进行分解，得到所述组织对应的不同能级的单能量组织图像。

本例子中，可以根据组织的组成特性，对不同的组织使用不同的基物质进行分解，所选用的基物质可以是更有利于准确清晰的区分组织。上述的基物质是用来对混合能量图像进行物质分离所使用的物质，根据能谱成像的原理，在能谱成像中，任何组织可以通过两种基物质的组合产生相同的衰减效应来表达，即经过高、低两组电压扫描的X射线衰减图像可以表达为两种基物质的密度图。

例如，如下的表1示例一种基物质选用方式：

表1组织及对应的基物质对

组织	基物质对
		Tissue1：血管	水碘
Tissue2：骨骼	钙碘
		其他	水碘

根据表1的基物质，可以将混合能量图像分解，得到所述组织对应的不同能级的单能量组织图像。比如，血管组织对应的一系列的不同能级的单能量图像，同样对应得到骨骼的不同能级的单能量图像，本例子中，可以将组织的单能量图像称为单能量组织图像。

在步骤104中，对于每一个能级，将对应所述能级的不同组织的单能量组织图像进行组合，得到对应所述能级的单能量图像。

本步骤中，可以将各个组织的单能量组织图像进行重组，以得到整体的单能量图像。例如，可以将同一能级的不同组织的单能量组织图像进行组合，得到对应该能级的单能量图像；按照该方法可以得到不同能级的多个单能量图像。

本例子的图像处理方法，在图像分解时，考虑了图像中的不同组织具有不同的物质成分组成，通过对不同的组织采用不同的基物质进行分解，使得获得的单能量图像在物质区分方面显示的更加清楚，提高了单能量图像的质量。

在另一个例子中，即使是同一个组织，也可能存在不同的成分，而该不同成分是医生所关注的，比如，某组织中的肿瘤成分，囊性成分等病变成分。本例子的图像处理方法还可以将上述的组织中差异成分明显的显示，更有助于辅助医生快速方便的发现病变部位。图2示例了显示成分差异的处理流程，该流程可以在分解得到各个单能量图像之后执行：

在步骤201中，对目标组织中的每个像素点，获取该像素点的差异化数据。

本例子中，可以将医生要观察的组织称为目标组织，该目标组织可以是图1所示的流程中分割得到的多个组织中的其中一个，或者，也可以不是整个组织而是一部分组织区域。

对于该目标组织来说，包括对应该目标组织的一系列图像，比如，混合能量图像中包括该目标组织，能量分解得到的一系列单能量图像中也包括该目标组织。不同的物质成分在不同的能级下可以具有不同的吸收特性，因此，上述的混合能量图像和多个单能量图像中，该目标组织的图像显示可能是不同的。比如，该目标组织的各个像素点在混合能量图像中的HU(hounsfield unit，亨氏单位，是测定人体某一局部组织或器官密度大小的一种计量单位)值比较接近，然而随着X线能量的变化，在不同的能级下，假设该目标组织中包含不同物质成分时，该组织中的各个像素点在不同能级的单能量图像中的HU值可能会产生差异。本例子的方法将基于这种图像显示的差异来识别组织成分的差异。

本步骤中所述的差异化数据，可以是目标组织中的一个像素点的数据，该差异化数据可以用于表示该像素点的HU值与组织平均HU值之间的差异在混合能量图像和各个单能量图像中的变化。例如，这种变化可以是，在混合能量图像中该像素点与组织其他像素点的HU值差别不大，但是在不同能级的各个单能量图像中，该像素点可能与组织其他像素点的HU值产生了较大的差异，即该像素点在单能量图像和混合能量图像中的显示是不同的。

在一个例子中，图3示例了一种像素点的差异化数据的获取流程，可以包括如下处理，但是实际实施中并不限制各步骤的执行顺序：

在步骤2011中，获取混合能量图像中的所述组织各个像素点的平均HU值。

例如，以AvgHu表示组织的平均HU值，按照如下公式计算：

其中，CtHu表示混合能量图像中像素点的Hu值，N表示整个组织内的像素点的数量。

在步骤2012中，将像素点在所述混合能量图像中的HU值与所述平均HU值之间的差异值，作为原始差异值。

例如，可以计算原始差异值如下，其中，PixHu表示当前正在计算的像素点的Hu值，如下公式计算的结果可以求绝对值作为原始差异值：

PixHu-AvgHu……….(2)

在步骤2013中，对于每个能级的单能量图像，分别获取所述单能量图像中的所述组织各个像素点的能级HU均值，以及所述像素点在所述单能量图像中的能级HU值与所述能级HU均值的差异值，作为能级差异值。

例如，以某一个能级的单能量图像为例，首先可以获取该单能量图像中目标组织的能级HU均值，以KevCtHuAvg表示，可以通过将目标组织内的各个像素点的Hu值累加求平均的方式获得。其次，以PixKevHu表示当前像素点在该能级的单能量图像中的Hu值，可以称为能级Hu值。

按照如下公式计算，并将计算结果求绝对值，得到该像素点在该能级下的能级差异值：

KevCtHuAvg-PixKevHu……….(3)

在步骤2014中，根据所述像素点在各个能级的能级差异值平均，得到能级差异平均值。

例如，可以将该像素点在各个能级下计算得到的能级差异值平均：

如上公式中，N表示能级的数量，AvgKevDiff表示能级差异平均值。

在步骤2015中，根据所述像素点的所述能级差异平均值和所述原始差异值，得到所述像素点的差异化数据。

例如，

其中，V_Diff表示该像素点对应的差异化数据，R是调整系数，可以用于避免能级差异平均值和原始差异值差异太小而导致计算结果失去有效性，提高计算的敏感度。

在步骤202中，根据所述目标组织中各个像素点的差异化数据，生成差异值图像。

例如，对于目标组织的各个像素点计算得到的V_Diff，可以进行归一化处理，并根据归一化后的差异化数据，生成差异值图像，作为计算的结果显示。差异值图像也可以与目标组织一起进行融合显示。

在一个例子的实际应用中，用户可以由能量图像处理软件中选择生成差异值图像的指示选项，触发能量图像处理软件在进行能量分解得到单能量图像后，根据单能量图像和混合能量图像生成所选定的目标组织的差异值图像，以通过差异值图像清楚的观察目标组织中的不同成分。

本例子的图像处理方法，通过结合混合能量图像和各个单能量图像，计算出目标组织的差异值图像，使得特定的组织区域中的不同成分进行明显的差异化显示，有助于医生更加快速准确的分辨病变成分。

在又一个例子中，本公开的图像处理方法还提供了一种在不同的组织区域之间进行比较的方式。比如，可以给定一个区域作为标准，将另一个区域与该标准进行比较，观察不同能级下这两个区域的图像Hu值之间的差别，并且还可以通过差异曲线的图形方式显示该差别。

例如，以上述的存在不同成分的组织为例，可以将该组织中的正常组织区域作为标准组织，以该标准组织为基准；还可以确定差异组织，该差异组织可以是根据差异值图像确定的产生差异的组织区域(例如，该区域的Hu与组织平均Hu的差异较大)。图4示例了一种差异曲线的生成方法，可以包括：

在步骤401中，获取标准组织中各像素点在不同能级下的平均HU值，作为基准HU值。

例如，所述的基准HU可以用AVG_Kev表示，该数值可以通过将标准组织中的各个像素点的HU值累加平均得到。

在步骤402中，将所述差异组织中各像素点在不同能级下的平均HU值与所述基准HU值的差异，作为纵轴坐标。

例如，可以将差异组织中的各像素点在不同能级下的HU值累加平均，得到平均HU值，可以用PIXEL_Kev表示。并且，可以将PIXEL_Kev-AVG_Kev作为纵轴坐标，当PIXEL_Kev>AVG_Kev时，该差异值为正，当PIXEL_Kev<AVG_Kev时，该差异为负。

在步骤403中，将不同的能级作为横轴坐标。

本例子中，横轴坐标可以是不同的能级，不同能级具有不同的kev。

在步骤404中，根据上述的横轴坐标和纵轴坐标，绘制能量差异曲线，所述能量差异曲线用于表示所述纵轴坐标在不同能级下的变化。

例如，图5示例了一个能量差异曲线，该曲线可以示意出某个差异组织与选定的标准组织之间的HU值差异随能级的变化。图5中示例了两个差异组织与标准组织相比的变化曲线。

本例子的图像处理方法，通过将差异组织与标准组织之间的差异比较值，以能量差异曲线的形式示出，可以明显的看到该差异比较值随不同能级的变化，有助于更加方便的观察不同区域之间的比较情况。在实际实施中，用户可以选定一个标准组织，并且还可以确定一个待观察的差异组织，当触发能量差异曲线的生成后，通过本方法就可以自动以能量差异曲线的形式显示出用户选择的标准组织和差异组织之间的差异值的变化。

在又一个例子中，本公开的例子还提供了一种物质识别标准的自定义方法。图6示例了该方法，可以包括：

在步骤601中，存储物质识别标准，所述物质识别标准包括：识别参数坐标系、根据所述识别参数坐标系得到的物质区域范围以及对应所述物质区域范围的识别物质。

本例子可以支持用户自定义物质识别的标准，可以按照如下方式定义标准：

例如，如图7的示意，用户可以选择识别参数坐标系的X轴标准和Y轴标准，作为一个例子，X轴标准可以是60kev，Y轴标准可以是80kev。

在该坐标系下，可以根据已经确定物质划分的图像，显示该图像在该坐标系下的散点图。比如，对于该图像中的其中一个像素点，获取该像素点在60kev的单能量图像中的HU值，即坐标系中的X坐标，获取该像素点在80kev的单能量图像中的HU值，即坐标系中的Y坐标，X坐标和Y坐标结合即可确定该像素点在图7的坐标系中对应的位置点。

由于该图像已知物质划分，比如，已经确定图像中的某一个物质区域，用户可以选择该已知物质区域，并通过能量图像处理软件指示对该区域转换为图7所示的设定坐标系中的散点图，则可以得到该物质区域在图7中对应的散点图，通常同一物质转换得到的散点图中的各个位置点位于同一区域，可以称为这些位置点的聚类区域。

可以将该聚类区域称为某物质对应的物质区域范围，该物质可以称为识别物质。在识别其他的图像时，如果图像进行散点图转换后，位于该物质区域范围内的像素点就可以识别为上述的识别物质，从而实现物质识别。当然，如果上述的60kev和80kev的坐标标准在散点图的聚类效果不够好，比如，转换得到的位置点比较分散，则用户可以切换其他的坐标系标准，本例子不做限制，只要根据该坐标系标准得到的散点图能够实现较好的同一物质的散点聚类效果即可。此外，上述的聚类区域可以是圆形、直线等多种形状。

在实现较好的聚类效果，确定好使用的坐标系后，本步骤可以保存识别参数坐标系，根据该坐标系得到的物质区域范围(即，同一物质的散点聚类范围)以及该范围对应的识别物质(如，存储某区域范围对应何种物质)，可以将上述的识别参数坐标系、物质区域范围和对应的识别物质，称为物质识别标准。

在步骤602中，在获取到待识别的混合能量图像时，对所述混合能量图像中的各像素点，在所述识别参数坐标系中显示对应的散点图。

例如，可以使用步骤601中确定的坐标系，将图像中的像素点转换为对应的散点图。比如，以X轴标准是60kev，Y轴标准是80kev为例，能量图像处理软件可以将混合能量图像分解为各个单能量图像，并根据坐标系的定义，获取其中的60kev的单能量图像和80kev的单能量图像。对于图像中的每一个像素点来说，该像素点在60kev的单能量图像的HU值作为x坐标，该像素点在80kev单能量图像的HU值作为y坐标，从而得到对应的散点图。

在步骤603中，获取所述散点图中聚类在所述物质区域范围内的各像素点。

例如，在步骤601中已经存储了散点图中的聚类形成的物质区域范围与对应的识别物质的对应关系，比如，落在某个区域范围内的像素点都识别为对应的某物质。因此，经过步骤602的散点图转换，可以得到落入在预定的物质区域范围内的各散点，这些散点即对应图像中的各个像素点。

在步骤604中，将所述聚类区域的像素点识别为所述物质。

如上所述的，可以将聚类在某物质区域范围内的各像素点，识别为对应的物质，比如聚类在预定区域内的散点对应的图像像素点，即代表该区域对应的物质。

本例子的图像处理方法，提供了一种可以支持用户自定义物质识别标准的方式，使得物质识别的手段更加灵活多样。

本公开的图像处理方法的功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本公开的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台图像处理设备执行本公开各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，RandomAccess Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

本例子提供的一种计算机可读存储介质，其具有存储在其上的指令，当由一个或多个处理器执行时，使得一个或多个处理器执行数据处理方法，该方法包括：。

本公开还提供了一种图像处理设备，例如，该设备可以是一台计算机。该图像处理设备上可以运行能量图像处理软件，该处理软件可以是对应存储在存储器上并可在处理器上运行的计算机指令，图像处理设备的处理器可以执行该指令，用以实现本公开的图像处理方法：

在一个例子中，所述处理器执行指令时，还用于实现以下步骤：在所述得到对应所述能级的单能量图像之后，生成对应所述不同组织中的目标组织的差异值图像；

所述生成对应所述不同组织中的目标组织的差异值图像，包括：

对于所述目标组织中的每个像素点，获取所述像素点的差异化数据，所述差异化数据用于表示所述像素点的HU值与组织平均HU值之间的差异在混合能量图像和各个单能量图像中的变化；

根据所述目标组织中各个像素点的差异化数据，生成所述差异值图像。

在一个例子中，所述处理器执行指令以用于获取所述像素点的差异化数据时，包括：

获取所述混合能量图像中的所述组织各个像素点的平均HU值；

将所述像素点在所述混合能量图像中的HU值与所述平均HU值之间的差异值，作为原始差异值；

对于每个能级的单能量图像，分别获取所述单能量图像中的所述组织各个像素点的能级HU均值，以及所述像素点在所述单能量图像中的能级HU值与所述能级HU均值的差异值，作为能级差异值；

根据所述像素点在各个能级的能级差异值平均，得到能级差异平均值；

根据所述像素点的所述能级差异平均值和所述原始差异值，得到所述像素点的差异化数据。

在一个例子中，所述处理器执行指令时，还用于实现以下步骤：

确定作为基准的标准组织、以及用于与所述标准组织比较的差异组织；

获取所述标准组织中各像素点在不同能级下的平均HU值，作为基准HU值；

将所述差异组织中各像素点在不同能级下的平均HU值与所述基准HU值的差异，作为纵轴坐标；

根据不同能级下的所述纵轴坐标，绘制能量差异曲线，所述能量差异曲线用于表示所述纵轴坐标在不同能级下的变化，且所述能量差异曲线的横轴坐标是不同的能级。

存储物质识别标准，所述物质识别标准包括：识别参数坐标系、根据所述识别参数坐标系得到的物质区域范围以及对应所述物质区域范围的识别物质；

在获取到待识别的混合能量图像时，对所述混合能量图像中的各像素点，在所述识别参数坐标系中显示对应的散点图；

将所述散点图中聚类在所述物质区域范围内的各像素点，识别为所述物质。

以上所述仅为本公开的较佳实施例而已，并不用以限制本公开，凡在本公开的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本公开保护的范围之内。

Claims

1.一种图像处理方法，其特征在于，所述方法包括：

2.根据权利要求1所述的方法，其特征在于，在所述得到对应所述能级的单能量图像之后，所述方法还包括：生成对应所述不同组织中的目标组织的差异值图像；

3.根据权利要求2所述的方法，其特征在于，所述获取所述像素点的差异化数据，包括：

4.根据权利要求1所述的方法，其特征在于，所述方法还包括：

5.根据权利要求1所述的方法，其特征在于，所述方法还包括：

6.一种图像处理设备，其特征在于，所述设备包括：存储器、处理器，以及存储在存储器上并可在处理器上运行的计算机指令，所述处理器执行指令时实现以下步骤：

7.根据权利要求6所述的设备，其特征在于，所述处理器执行指令时，还用于实现以下步骤：在所述得到对应所述能级的单能量图像之后，生成对应所述不同组织中的目标组织的差异值图像；

8.根据权利要求7所述的设备，其特征在于，所述处理器执行指令以用于获取所述像素点的差异化数据时，包括：

9.根据权利要求6所述的设备，其特征在于，所述处理器执行指令时，还用于实现以下步骤：

10.根据权利要求6所述的设备，其特征在于，所述处理器执行指令时，还用于实现以下步骤：

11.一种计算机可读存储介质，其特征在于，其具有存储在其上的指令，当由一个或多个处理器执行时，使得一个或多个处理器执行图像处理方法，该方法包括：