CN111161369B - 图像重建存储方法、装置、计算机设备和存储介质 - Google Patents
图像重建存储方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN111161369B CN111161369B CN201911323602.XA CN201911323602A CN111161369B CN 111161369 B CN111161369 B CN 111161369B CN 201911323602 A CN201911323602 A CN 201911323602A CN 111161369 B CN111161369 B CN 111161369B
- Authority
- CN
- China
- Prior art keywords
- image
- region
- sequence
- interest
- images
- 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 abstract description 59
- 230000036961 partial effect Effects 0.000 claims description 41
- 238000007499 fusion processing Methods 0.000 claims description 29
- 238000004590 computer program Methods 0.000 claims description 25
- 230000004927 fusion Effects 0.000 claims description 24
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000013500 data storage Methods 0.000 abstract description 12
- 230000008569 process Effects 0.000 description 9
- 238000002591 computed tomography Methods 0.000 description 7
- 238000001514 detection method Methods 0.000 description 7
- 238000006243 chemical reaction Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 206010056342 Pulmonary mass Diseases 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000003745 diagnosis Methods 0.000 description 3
- 210000004072 lung Anatomy 0.000 description 3
- 210000000056 organ Anatomy 0.000 description 3
- 238000002059 diagnostic imaging Methods 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 230000000670 limiting effect Effects 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 230000002503 metabolic effect Effects 0.000 description 2
- 230000002829 reductive effect Effects 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 208000000913 Kidney Calculi Diseases 0.000 description 1
- 206010058467 Lung neoplasm malignant Diseases 0.000 description 1
- 206010029148 Nephrolithiasis Diseases 0.000 description 1
- 210000003484 anatomy Anatomy 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000013170 computed tomography imaging Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000012634 fragment Substances 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 201000005202 lung cancer Diseases 0.000 description 1
- 208000020816 lung neoplasm Diseases 0.000 description 1
- 230000003211 malignant effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000003325 tomography Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/003—Reconstruction from projections, e.g. tomography
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
本申请涉及一种图像重建存储方法、装置、计算机设备和存储介质。所述方法包括：获取待检测对象的扫描数据以及两种不同的重建参数；采用所述两种不同的重建参数分别对所述扫描数据进行数据重建，得到第一序列图像和第二序列图像；所述第一序列图像的分辨率高于所述第二序列图像的分辨率，所述第一序列图像和所述第二序列图像均包括感兴趣区域；将所述第一序列图像中的部分切片图像和所述第二序列图像中的部分切片图像进行融合处理，得到第三序列图像，并存储所述第三序列图像；所述第三序列图像包括所述感兴趣区域。采用本方法能够兼顾图像重建精度和数据存储空间的问题。
Description
技术领域
本申请涉及图像存储技术领域，特别是涉及一种图像重建存储方法、装置、计算机设备和存储介质。
背景技术
计算机断层扫描CT成像因为具有图像分辨率高等有点，因此被广泛应用于对患者身体的各个部位进行精细检测的方面，在利用CT设备对患者进行扫描之后，可以根据扫描的数据对图像进行重建，在图像重建时，通常会设置一个重建间隔，重建间隔为是每两层重建图像之间的间隔，然后在该重建间隔的基础上，重建得到患者的多层图像，也可以称为序列图像。
通常利用小的重建间隔去重建图像，可以得到扫描部位更细致的信息表达，但同样在存储时也加大了数据存储空间，而利用大的重建间隔去重建图像，虽然在存储时可以缩小数据存储空间，但是在后期利用该存储的图像对患者诊断时，容易对病灶区域进行漏诊及误诊。
可见，上述技术存在难以兼顾图像重建精度和数据存储空间的问题。
发明内容
基于此，有必要针对上述技术问题，提供一种能够兼顾图像重建精度和数据存储空间的图像重建存储方法、装置、计算机设备和存储介质。
一种图像重建存储方法，该方法包括：
获取待检测对象的扫描数据以及两种不同的重建参数；
采用两种不同的重建参数分别对扫描数据进行数据重建，得到第一序列图像和第二序列图像；第一序列图像的分辨率高于第二序列图像的分辨率，第一序列图像和第二序列图像均包括感兴趣区域；
将第一序列图像中的部分切片图像和第二序列图像中的部分切片图像进行融合处理，得到第三序列图像，并存储第三序列图像；第三序列图像包括感兴趣区域。
一种图像重建存储装置，该装置包括：
获取模块，用于获取待检测对象的扫描数据以及两种不同的重建参数；
重建模块，用于采用所述两种不同的重建参数分别对所述扫描数据进行数据重建，得到第一序列图像和第二序列图像；所述第一序列图像的分辨率高于所述第二序列图像的分辨率，所述第一序列图像和所述第二序列图像均包括感兴趣区域；
融合模块，用于将所述第一序列图像中的部分切片图像和所述第二序列图像中的部分切片图像进行融合处理，得到第三序列图像，并存储所述第三序列图像；所述第三序列图像包括所述感兴趣区域。
一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
获取待检测对象的扫描数据以及两种不同的重建参数；
采用所述两种不同的重建参数分别对所述扫描数据进行数据重建，得到第一序列图像和第二序列图像；所述第一序列图像的分辨率高于所述第二序列图像的分辨率，所述第一序列图像和所述第二序列图像均包括感兴趣区域；
将所述第一序列图像中的部分切片图像和所述第二序列图像中的部分切片图像进行融合处理，得到第三序列图像，并存储所述第三序列图像；所述第三序列图像包括所述感兴趣区域。
一种可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：
获取待检测对象的扫描数据以及两种不同的重建参数；
采用所述两种不同的重建参数分别对所述扫描数据进行数据重建，得到第一序列图像和第二序列图像；所述第一序列图像的分辨率高于所述第二序列图像的分辨率，所述第一序列图像和所述第二序列图像均包括感兴趣区域；
将所述第一序列图像中的部分切片图像和所述第二序列图像中的部分切片图像进行融合处理，得到第三序列图像，并存储所述第三序列图像；所述第三序列图像包括所述感兴趣区域。
上述图像重建存储方法、装置、计算机设备和存储介质，通过获取待检测对象的扫描数据和两种不同的重建参数，采用两种不同的重建参数分别对扫描数据进行数据重建，得到第一序列图像和第二序列图像，该第一序列图像的分辨率高于第二序列图像的分辨率，第一序列图像和第二序列图像均包括感兴趣区域，将第一序列图像中的部分切片图像和第二序列图像中的部分切片图像进行融合处理，得到第三序列图像，并存储第三序列图像，该第三序列图像中包括感兴趣区域。在该方法中，由于最终存储的第三序列图像是将高分辨率序列图像中的部分切片图像和低分辨率序列图像中的部分切片图像进行融合之后得到的，因此，该第三序列图像中既可以保留关于病灶区域的高分辨率信息，即可以保证图像病灶区域的重建精度更高，便于后期对患者的病灶区域进行分析处理，也可以保留关于除病灶区域之外的低分辨率信息，即可以节省一部分数据存储空间，因此，该方法在一定程度上可以兼顾图像重建精度和数据存储空间的问题。
附图说明
图1为一个实施例中计算机设备的内部结构图；
图2为一个实施例中图像重建存储方法的流程示意图；
图3为另一个实施例中图像重建存储方法的流程示意图；
图4a为另一个实施例中图像重建存储方法的流程示意图；
图4b为一个实施例中图像融合处理的示意图；
图5为另一个实施例中图像重建存储方法的流程示意图；
图6为一个实施例中图像重建存储装置的结构框图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
目前肺癌发病率越来越高，其对人类健康的威胁也越来越大，究其原因，大多是发现肺部的恶性肺结节非常困难，因此，越来越多的医院采用计算机断层扫描CT对患者进行肺结节检测，以提高对患者的检测精度和速度。当前在利用CT对患者进行检测时，大多采用多层螺旋CT对患者进行扫描，在扫描后，一般会设定固定的重建间隔对数据进行重建，但是对于一个肺部CT扫描，每个患者的薄层数据基本上都有几百张断片成像，如果是全身CT扫描，数据量就会更大，这样就需要有较大的数据存储空间以及访问带宽，若为节约存储空间，对CT数据进行低分辨率设置较大的层厚、层间距(即较大重建间隔)进行重建，患者CT数据上的微小病灶细节信息容易丢失或表达不清晰，这样就会导致医生在对病灶进行检查时，出现漏诊或者误诊的情况。可见，上述技术存在难以兼顾图像重建精度和数据存储空间的问题，因此，本申请实施例提供一种图像重建存储方法、装置、计算机设备和存储介质，旨在解决上述一些问题。
本申请实施例提供的图像重建存储方法，可以应用在计算机设备上，该计算机设备可以是医疗影像设备里面的一部分，也可以是与医疗影像设备配套的外部计算机设备，该计算机设备可以是终端，例如笔记本电脑、台式电脑、工业电脑等，其内部结构图可以如图1所示。该计算机设备包括通过***总线连接的处理器、存储器、网络接口、显示屏和输入装置。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作***和计算机程序。该内存储器为非易失性存储介质中的操作***和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种图像重建存储方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解，图1中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
需要说明的是，本申请实施例的执行主体可以是图像重建存储装置，也可以是计算机设备，下述实施例以计算机设备为执行主体进行说明。
在一个实施例中，提供了一种图像重建存储方法，本实施例涉及的是如何根据不同的重建参数重建出两种不同分辨率的图像，并将这两种不同分辨率图像中的部分切片图像融合起来进行存储的具体过程。如图2所示，该方法可以包括以下步骤：
S202，获取待检测对象的扫描数据以及两种不同的重建参数。
其中，重建参数可以包括重建间隔和其他参数，例如重建层厚、重建分辨率等等；两种不同的重建参数可以包括第一重建参数和第二重建参数，这里的第一重建参数和第二重建参数为不同的重建参数。另外，扫描数据可以是利用扫描设备对待检测对象进行扫描之后得到的数据，扫描设备可以是螺旋CT设备(Computed Tomography，电子计算机断层扫描)。
具体的，在对待检测对象进行检测时或者检测之前，可以利用扫描设备对待检测对象进行扫描，得到扫描数据，然后将该扫描数据传给计算机设备，计算机设备就可以得到待检测对象的扫描数据。同时，计算机设备在对扫描数据进行重建之前，也可以预先设置好不同的重建参数。
S204，采用两种不同的重建参数分别对扫描数据进行数据重建，得到第一序列图像和第二序列图像；第一序列图像的分辨率高于第二序列图像的分辨率，第一序列图像和第二序列图像均包括感兴趣区域。
其中，感兴趣区域可以是病灶区域，例如以人体肺部为例，可以是肺结节，以人体心脏为例，可以是人体心脏病灶，以人体肾部为例，可以是肾结石等等；另外，这里的感兴趣区域可以是一个，也可以是多个。
具体的，计算机设备在得到扫描数据和两种不同的重建参数(包括第一重建参数和第二重建参数)后，可以利用第一重建参数对扫描数据进行重建，得到第一序列图像，利用第二重建参数对扫描数据进行重建，得到第二序列图像，这里每个序列图像包括至少一个切片图像；同时这里得到的第一序列图像的分辨率高于第二序列图像的分辨率；另外，在这里，第一重建参数就可以认为是第一序列图像对应的重建参数，第二重建参数也可以认为是第二序列图像对应的重建参数。其次，这里第一序列图像和第二序列图像均包括感兴趣区域。
示例地，当螺旋CT扫描结束后，二维图像可以从Z轴上的任何一点开始重建，而且扫描数据可以反复使用，根据重建间隔(螺旋CT重建的相邻图像中心在纵轴方向的距离)可重建出多个序列，例如：扫描范围为100mm，准直宽度为10mm，如果重建间隔为10mm，将获得类似常规断层扫描的10幅图像，如果重建间隔为5mm，将获得20幅10mm层厚图像，同样扫描范围内，重建间隔越小，重建出的切片图像数量越多，分辨率也就越高。因此，根据扫描数据，设置两个不同的重建间隔，就可以重建出两个序列图像，例如可以设置第一序列图像为较小的重建间隔，重建出较高的分辨率序列图像，设置第二序列图像为较大的重建间隔，重建出较低的分辨率序列图像。
S206，将第一序列图像中的部分切片图像和第二序列图像中的部分切片图像进行融合处理，得到第三序列图像，并存储第三序列图像；第三序列图像包括感兴趣区域。
其中，这里在融合得到第三序列图像时，可以按照一定的规则选择出第一序列图像中的部分切片图像和第二序列图像中的部分切片图像，并将两者进行融合，可选的，该一定的规则在这里可以是将第一序列图像中感兴趣区域对应的部分切片图像和第二序列图像中除感兴趣区域之外的部分切片图像进行融合处理，得到第三序列图像；可选的，还可以是将第一序列图像中除感兴趣区域之外的部分切片图像和第二序列图像中感兴趣区域对应的部分切片图像进行融合处理，得到第三序列图像；可选的，还可以是将第一序列图像中感兴趣区域对应的部分切片图像和第二序列图像中感兴趣区域对应的部分切片图像进行融合处理，得到第三序列图像，当然还可以是其他情况，本实施例对此不作具体限定。不过本实施例在这里主要采用的是，将第一序列图像中感兴趣区域对应的部分切片图像和第二序列图像中除感兴趣区域之外的部分切片图像进行融合处理，得到第三序列图像。
另外，这里的融合处理可以是将第一序列图像中的部分切片图像和第二序列图像中的部分切片图像按照其各自的位置对应放置在一个空序列中，形成新的序列图像，即第三序列图像。这里得到的第三序列图像中既包括高分辨率第一序列图像的部分切片图像，也包括低分辨率第二序列图像的部分切片图像，因此第三序列图像在保存时，不需要将第一序列图像和第二序列图像全部保存下来，只需要高分辨率序列图像的部分图像和低分辨率序列图像的部分图像，这样一方面可以减少数据存储空间，另一方面将来在对数据进行分析时，既可以通过保存的部分高分辨率的信息得到准确的分析结果，也可以通过保存的低分辨率信息进行更全面的分析，即也可以保证数据的重建精度。
具体的，计算机设备在得到第一序列图像和第二序列图像之后，可以按照一定的规则选择出第一序列图像中的部分切片图像和第二序列图像中的部分切片图像，并将两者进行融合，得到第三序列图像并保存，以便后续调取第三序列图像对感兴趣区域的数据进行分析处理等。
上述图像重建存储方法中，通过获取待检测对象的扫描数据和两种不同的重建参数，采用两种不同的重建参数分别对扫描数据进行数据重建，得到第一序列图像和第二序列图像，该第一序列图像的分辨率高于第二序列图像的分辨率，第一序列图像和第二序列图像均包括感兴趣区域，将第一序列图像中的部分切片图像和第二序列图像中的部分切片图像进行融合处理，得到第三序列图像，并存储第三序列图像，该第三序列图像中包括感兴趣区域。在该方法中，由于最终存储的第三序列图像是将高分辨率序列图像中的部分切片图像和低分辨率序列图像中的部分切片图像进行融合之后得到的，因此，该第三序列图像中既可以保留关于病灶区域的高分辨率信息，即可以保证图像病灶区域的重建精度更高，便于后期对患者的病灶区域进行分析处理，也可以保留关于除病灶区域之外的低分辨率信息，即可以节省一部分数据存储空间，因此，该方法在一定程度上可以兼顾图像重建精度和数据存储空间的问题。
在一个实施例中，提供了另一种图像重建存储方法，本实施例涉及的是将高分辨率的感兴趣区域和低分辨率的非感兴趣区域进行融合处理，得到第三序列图像的具体过程。在上述实施例的基础上，上述S206可以包括以下步骤A：
步骤A，将第一序列图像中感兴趣区域对应的部分切片图像和第二序列图像中除感兴趣区域之外的部分切片图像进行融合处理，得到第三序列图像。
在本步骤中，感兴趣区域可以是病灶区域，感兴趣区域的数量可以是一个或多个。
具体的，可以采用机器学习算法、神经网络算法等分别对第一序列图像和第二序列图像进行处理，得到第一序列图像中感兴趣区域体素点的位置，和第二序列图像中感兴趣区域体素点的位置，接着通过第一序列图像中感兴趣区域体素点的位置，得到感兴趣区域在第一序列图像上所在的切片图像，以及通过第二序列图像中感兴趣区域体素点的位置，得到感兴趣区域在第二序列图像上所在的切片图像；之后，在进行融合时，可以将第一序列图像上感兴趣区域所在的切片图像保留，将第一序列图像上除感兴趣区域之外的切片图像，用第二序列图像上对应的除感兴趣区域之外的切片图像进行替补，最终形成第三序列图像。
本实施例提供的图像重建存储方法，可以将第一序列图像中感兴趣区域对应的部分切片图像和第二序列图像中除感兴趣区域之外的部分切片图像进行融合处理，得到第三序列图像。在本实施例中，由于感兴趣区域保留的是高分辨率切片图像，即可以保证感兴趣区域为重建精度高的图像，这样在后续对感兴趣区域进行分析时，可以得到更准确的分析结果，同时由于非感兴趣区域保留的是低分辨率切片图像，这样可以节省一部分数据存储空间。
在一个实施例中，提供了另一种图像重建存储方法，本实施例涉及的是如何根据重建参数和其他参数计算感兴趣区域的位置，以及根据感兴趣区域的位置对第一序列图像和第二序列图像进行融合处理的具体过程。在上述实施例的基础上，如图3所示，上述步骤A可以包括以下步骤：
S302，根据第一序列图像对应的重建参数，计算感兴趣区域的第一区域位置坐标。
其中，第一区域位置坐标可以是多个点的位置坐标，当然也可以是一个点的位置坐标，不过本实施例主要指的是多个点的位置坐标；第一区域位置坐标指的是感兴趣区域在第一序列图像上的位置坐标，可以是感兴趣区域在图像坐标系下的坐标(或者体素坐标系，图像坐标系也可以称为体素坐标系)。在计算第一区域位置坐标时，可选的，可以采用如下步骤A1和步骤A2，如下：
步骤A1，获取感兴趣区域在世界坐标系下的物理区域位置坐标。
步骤A2，根据物理区域位置坐标和第一序列图像对应的重建参数，计算感兴趣区域在图像坐标系下的第一区域位置坐标。
具体的，可以根据机器学习算法等对第一序列图像进行检测处理，得到感兴趣区域的边界框上各个点在世界坐标系(也可以称为物理坐标系)下的位置坐标，记为感兴趣区域的物理区域位置坐标。在得到感兴趣区域的物理区域位置坐标之后，可以将物理区域位置坐标转化到图像坐标系下的区域位置坐标，在转化时，依据的参数可以包括第一序列图像对应的重建参数、世界坐标系下的原点相关参数等，具体转化时可以按照关系式(1)进行转化，关系式(1)如下：
图像区域位置坐标＝(物理区域位置坐标-原点坐标)/重建参数(1)
在关系式(1)中，图像区域位置坐标指的是感兴趣区域在图像坐标系下的第一区域位置坐标，也可以称为体素坐标，原点坐标指的是世界坐标系下的原点坐标，在重建第一序列图像之前可以预先设置好，即为已知量，重建参数指的是第一序列图像对应的重建参数，可以是重建间隔。
通过将感兴趣区域各个点的物理区域位置坐标和原点坐标以及第一序列图像对应的重建参数代入关系式(1)，就可以得到感兴趣区域各个点在图像坐标系下的位置坐标，均记为第一区域位置坐标。
示例地，假设第一序列图像的大小为512*512*506，感兴趣区域上某一点的世界坐标＝(-107.61，-108.47，-273.49)，原点坐标＝(-183.17,-304.67,-404.50)，重建参数＝(0.67,0.67,0.7)，那么：
该点的x轴体素坐标＝(-107.61-(-183.17))/0.67＝112.78；
该点的y轴体素坐标＝(-108.47-(-304.67))/0.67＝292.84；
该点的z轴体素坐标＝(-273.49-(-404.50))/0.7＝187.16；
因此该点的体素坐标为(112.78,292.84,187.16)。
S304，根据第一区域位置坐标，在第一序列图像上确定第一区域位置坐标所在的切片图像。
具体的，计算机设备可以在上述第一区域位置坐标中，沿Z轴方向找出感兴趣区域顶端的点的体素坐标和底端的点的体素坐标，并通过顶端的点的体素坐标和底端的点的体素坐标在第一序列图像上找到对应的切片范围，那么感兴趣区域在顶端和底端之间的所有点对应的切片也都在找到的这个切片范围内，即可以得到第一区域位置坐标所在的切片图像。
示例地，继续以上述S302的数据为例，假如计算感兴趣区域顶端和底端两点的体素点坐标为(112.78,292.84,187.16)和(112.78,292.84,207.16)，那么就可以在第一序列图像上确定出感兴趣区域的切片范围为第187层到第207层。
S306，将第一区域位置坐标所在的切片图像和第二序列图像中除感兴趣区域之外的部分切片图像进行融合处理，得到第三序列图像。
本步骤在融合之前，可以先计算非感兴趣区域在第二序列图像上所在的切片范围，之后再和第一序列图像的感兴趣区域切片进行融合。可选的，该计算并融合的过程可以参见图4a所示，如图4a所示，S306可以包括以下步骤S402-S408：
S402，根据第二序列对应的重建参数和/或第一区域位置坐标，计算感兴趣区域的第二区域位置坐标。
其中，第二区域位置坐标和上述第一区域位置坐标一样，可以是多个点的位置坐标，当然也可以是一个点的位置坐标，不过本实施例主要指的是多个点的位置坐标；第二区域位置坐标指的是感兴趣区域在第二序列图像上的位置坐标，可以是感兴趣区域在图像坐标系下的坐标(或者体素坐标系)。在计算第二区域位置坐标时，可选的，可以采用如下步骤B1和步骤B2，如下：
B1，获取感兴趣区域在世界坐标系下的物理区域位置坐标。
B2，根据物理区域位置坐标和第二序列图像对应的重建参数和/或第一区域位置坐标，计算感兴趣区域在图像坐标系下的第二区域位置坐标。
在本步骤中，第一序列图像和第二序列图像在重建时的世界坐标系是一致的，(在这个世界坐标系中，整个模型的位置都确定好了不会改变，例如扫描设备的各部分位置、患者位置等等)，因此，在重建第一序列图像和第二序列图像时，所依据的扫描数据中的感兴趣区域在世界坐标系下的位置是不变的，也就是说，不管是重建第一序列图像还是第二序列图像，感兴趣区域在世界坐标系下的物理区域坐标位置都是相同的。
在本实施例中，计算第二区域位置坐标可以采用两种方法，一种是通过对物理区域位置坐标和第二序列对应的重建参数进行计算得到，另一种是通过对物理区域位置坐标和第一区域位置坐标以及第二序列对应的重建参数进行计算得到。下面分别给出这两种计算方法的具体过程：
第一种计算方法，由于第一序列图像和第二序列图像中的感兴趣区域在世界坐标系的位置是一样的，因此上述S302中得到的第一序列图像上感兴趣区域的物理区域位置坐标，也是这里第二序列图像上感兴趣区域的物理区域位置坐标，均可以记为感兴趣区域的物理区域位置坐标。在得到感兴趣区域的物理区域位置坐标之后，可以将物理区域位置坐标转化到图像坐标系下的区域位置坐标，在转化时，依据的参数可以包括第二序列图像对应的重建参数、世界坐标系下的原点相关参数等，具体转化时可以继续按照关系式(1)进行转化，不同的是在关系式(1)中，这里的图像区域位置坐标指的是感兴趣区域在图像坐标系下的第二区域位置坐标，也可以称为体素坐标，原点坐标指的是世界坐标系下的原点坐标，在重建第二序列图像之前可以预先设置好，即为已知量，与上述第一区域位置坐标那里的相同，重建参数指的是第二序列图像对应的重建参数，可以是重建间隔。
通过将感兴趣区域各个点的物理区域位置坐标和原点坐标以及第二序列图像对应的重建参数代入关系式(1)，就可以得到感兴趣区域各个点在图像坐标系下的位置坐标，均记为第二区域位置坐标。
第二种计算方法，由于第一序列图像和第二序列图像中的感兴趣区域在世界坐标系的位置是一样的，原点坐标也是一样的，通过关系式(1)可知，第一区域位置坐标和第一重建参数的乘积等于第二区域位置坐标和第二重建参数的乘积，而通过物理区域位置坐标和第一区域位置坐标可以得到第一重建参数，即感兴趣区域各个点的第一区域位置坐标和第一重建参数以及第二重建参数，这些在前述内容均可以得到，也就是说都是已知的，因此通过该相等的关系式就可以计算得到感兴趣区域各个点的第二区域位置坐标。
S404，根据第二区域位置坐标，在第二序列图像上确定第二区域位置坐标所在的切片图像。
具体的，计算机设备可以在上述第二区域位置坐标中，沿Z轴方向找出感兴趣区域顶端的点的体素坐标和底端的点的体素坐标，并通过顶端的点的体素坐标和底端的点的体素坐标在第二序列图像上找到对应的切片范围，那么感兴趣区域在顶端和底端之间的所有点对应的切片也都在找到的这个切片范围内，即可以得到第二区域位置坐标所在的切片图像。
S406，根据第二区域位置坐标所在的切片图像，在第二序列图像上确定除第二区域位置坐标所在的切片图像之外的剩余切片图像。
具体的，在重建得到第二序列图像时，其总的切片范围也就可以同步得到，在上述得到感兴趣区域在第二序列图像上对应的切片范围之后，可以将总的切片范围减去感兴趣区域对应的切片范围，就可以得到非感兴趣区域在第二序列图像上对应的切片范围，该非感兴趣区域在第二序列图像上对应的切片范围上的切片可以记为剩余切片图像。
示例地，假如第二序列图像共有100层切片图像，在第二序列图像上计算得到感兴趣区域所在的切片范围为29-35层，那么非感兴趣区域所在的切片图像就为1-28层和36-100层。
S408，将第一区域位置坐标所在的切片图像和剩余切片图像进行融合处理。
具体的，参见图4b所示，图4b中的图(a)为第一序列图像，图4b中的图(b)为第二序列图像，图4b中的图(c)为第三序列图像，在图4b中的图(a)第一序列图像上检测到感兴趣区域所在的切片图像，图(a)中画框的位置，即第一区域位置坐标所在的切片图像，在图4b中的图(b)第二序列图像上同样也可以检测到感兴趣区域所在的切片图像，图(b)中画框的位置，即第二区域位置坐标所在的切片图像，之后就可以在第二序列图像上可以得到除第二区域位置坐标所在的切片图像之外的剩余切片图像，在融合时，可以将第一区域位置坐标所在的切片图像保留，将第二序列图像上的非感兴趣区域所在的剩余切片图像对应填充到第一序列中非感兴趣区域所在的位置上，得到第三序列图像；或者说将感兴趣区域所在范围内的切片用第一序列图像对应的切片进行填充，将非感兴趣区域所在范围内的切片用第二序列图像对应的切片进行填充，得到第三序列图像。
本实施例提供的图像重建存储方法，可以根据第一序列图像的重建参数和第二序列图像的重建参数以及一些物理参数，计算出第一序列图像上感兴趣区域所在的切片图像和第二序列图像上非感兴趣区域所在的切片图像，并将两者融合起来，得到第三序列图像。在本实施例中，由于计算感兴趣区域在第一序列图像上所在的切片范围的过程，以及计算非感兴趣区域在第二序列图像上所在的切片范围的过程均比较简单准确，因此，该方法可以快速得到第三序列图像，提高整体图像重建存储的效率，同时也可以使得到的第三序列图像更加准确。
在一个实施例中，提供了另一种图像重建存储方法，本实施例涉及的是如何将不同模态的医学图像进行加权叠加的具体过程。在上述实施例的基础上，如图5所示，上述方法还可以包括以下步骤：
S502，获取待检测对象的至少一个医学图像；至少一个医学图像的模态和第三序列图像的模态不同，至少一个医学图像包括感兴趣区域。
S504，将至少一个医学图像和第三序列图像进行加权融合或加权叠加处理，并显示处理后的图像。
其中，第三序列图像的模态可以是CT模态，至少一个医学图像的模态可以是CT、PET、MR等其中的任意一个模态，不过在本实施例中，至少一个医学图像的模态不能和第三序列图像的模态相同，例如第三序列图像的模态是CT，那么至少一个医学图像的模态就不能是CT，可以是MR、PET等其中的任意一个模态。
在本实施例中，由于不同模态的医学图像可以提供人体相关器官和组织的不同信息，不同模态的医学设备在对人体进行检测时，对人体的同一器官进行检测所得到的不同模态的信息可以是互为差异的或者互为替补的，这样就可以综合不同模态的信息对人体进行检测，提供更多的信息给医生，以便医生能够做出更准确的检测结果。例如，PET模态的图像可以提供病灶详尽的功能与代谢等分子信息，而CT模态的图像可以提供病灶的精确解剖定位，一次显像可获得全身各方位的断层图像，那么将这两种模态的图像进行融合后，通过融合图像就可以同时观测精细的人体解剖结构和器官的代谢活动，这样可以使医生更加直观的观测各模态的医学图像，以得出更准确的检测结果。
另外，这里的加权融合或加权叠加可以是给至少一个医学图像和第三序列图像分别设定一个权重系数，然后将各模态图像的每一层图像分别乘以其对应的权重系数之后，然后将加权后的各模态图像进行叠加显示。例如设第三序列图像设为A，至少一个医学图像设为B，融合后的图像设为F，那么对A、B两个模态的图像进行加权融合处理的方式可以表示为如下公式(2)：
F(i,j)＝αA(i,j)+βB(i,j) (2)
在公式(2)中，i表示图像像素的行，j表示图像像素的列，α表示加权系数1，β表示加权系数2，一般α+β＝1。
具体的，计算机设备可以通过利用扫描设备对待检测对象进行扫描，并对扫描数据进行数据重建得到至少一个医学图像，或者可以通过预先存储的待检测对象的医学图像，得到至少一个医学图像，当然还可以有其他方式，本实施例在此不一一列举，不过至少一个医学图像的模态和第三序列图像的模态不同。之后，可以将第三序列图像和至少一个医学图像分别乘以其对应的权重系数，并将加权后的各模态图像进行叠加显示。
本实施例提供的图像重建存储方法，通过获取待检测对象的至少一个医学图像，至少一个医学图像的模态和第三序列图像的模态不同，至少一个医学图像包括感兴趣区域，并将至少一个医学图像和第三序列图像进行加权融合或加权叠加处理，并显示处理后的图像。在本实施例中，由于不同模态的医学图像各有优缺点，因此在对不同医学影像信息进行适当的加权融合后，可以在一幅图像上同时表达多幅图像的信息，这样就可以为医生提供更多关于感兴趣区域或者病灶的信息，从而可以使医生在对感兴趣区域或者病灶进行检测时，得到的检测结果更加准确，进而提高检测的准确性。
应该理解的是，虽然图2-3、4a、5的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图2-3、4a、5中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中，如图6所示，提供了一种图像重建存储装置，包括：获取模块10、重建模块11和融合模块12，其中：
获取模块10，用于获取待检测对象的扫描数据以及两种不同的重建参数；
重建模块11，用于采用所述两种不同的重建参数分别对所述扫描数据进行数据重建，得到第一序列图像和第二序列图像；所述第一序列图像的分辨率高于所述第二序列图像的分辨率，所述第一序列图像和所述第二序列图像均包括感兴趣区域；
融合模块12，用于将所述第一序列图像中的部分切片图像和所述第二序列图像中的部分切片图像进行融合处理，得到第三序列图像，并存储所述第三序列图像；所述第三序列图像包括所述感兴趣区域。
关于图像重建存储装置的具体限定可以参见上文中对于图像重建存储方法的限定，在此不再赘述。
在另一个实施例中，上述融合模块12，还用于将所述第一序列图像中所述感兴趣区域对应的部分切片图像和所述第二序列图像中除所述感兴趣区域之外的部分切片图像进行融合处理，得到所述第三序列图像。
在另一个实施例中，提供了另一种图像重建存储装置，在上述实施例的基础上，上述融合模块12可以包括计算单元、确定单元、融合单元，其中：
计算单元，用于根据所述第一序列图像对应的重建参数，计算所述感兴趣区域的第一区域位置坐标；
确定单元，用于根据所述第一区域位置坐标，在所述第一序列图像上确定所述第一区域位置坐标所在的切片图像；
融合单元，用于将所述第一区域位置坐标所在的切片图像和所述第二序列图像中除所述感兴趣区域之外的部分切片图像进行融合处理，得到所述第三序列图像。
可选的，上述计算单元还用于获取所述感兴趣区域在世界坐标系下的物理区域位置坐标；根据所述物理区域位置坐标和所述第一序列图像对应的重建参数，计算所述感兴趣区域在图像坐标系下的第一区域位置坐标。
在另一个实施例中，提供了另一种图像重建存储装置，在上述实施例的基础上，上述融合单元可以包括：计算子单元、第一确定子单元、第二确定子单元和融合子单元，其中：
计算子单元，用于根据所述第二序列对应的重建参数和/或所述第一区域位置坐标，计算所述感兴趣区域的第二区域位置坐标；
第一确定子单元，用于根据所述第二区域位置坐标，在所述第二序列图像上确定所述第二区域位置坐标所在的切片图像；
第二确定子单元，用于根据所述第二区域位置坐标所在的切片图像，在所述第二序列图像上确定除所述第二区域位置坐标所在的切片图像之外的剩余切片图像；
融合子单元，用于将所述第一区域位置坐标所在的切片图像和所述剩余切片图像进行融合处理。
可选的，上述计算子单元，还用于获取所述感兴趣区域在世界坐标系下的物理区域位置坐标；根据所述物理区域位置坐标和所述第二序列图像对应的重建参数和/或所述第一区域位置坐标，计算所述感兴趣区域在图像坐标系下的第二区域位置坐标。
在另一个实施例中，提供了另一种图像重建存储装置，在上述实施例的基础上，上述装置还可以包括加权融合模块，该加权融合模块用于获取所述待检测对象的至少一个医学图像；所述至少一个医学图像的模态和所述第三序列图像的模态不同，所述至少一个医学图像包括所述感兴趣区域；将所述至少一个医学图像和所述第三序列图像进行加权融合或加权叠加处理，并显示处理后的图像。
关于图像重建存储装置的具体限定可以参见上文中对于图像重建存储方法的限定，在此不再赘述。
上述图像重建存储装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现以下步骤：
获取待检测对象的扫描数据以及两种不同的重建参数；
采用所述两种不同的重建参数分别对所述扫描数据进行数据重建，得到第一序列图像和第二序列图像；所述第一序列图像的分辨率高于所述第二序列图像的分辨率，所述第一序列图像和所述第二序列图像均包括感兴趣区域；
将所述第一序列图像中的部分切片图像和所述第二序列图像中的部分切片图像进行融合处理，得到第三序列图像，并存储所述第三序列图像；所述第三序列图像包括所述感兴趣区域。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
将所述第一序列图像中所述感兴趣区域对应的部分切片图像和所述第二序列图像中除所述感兴趣区域之外的部分切片图像进行融合处理，得到所述第三序列图像。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
根据所述第一序列图像对应的重建参数，计算所述感兴趣区域的第一区域位置坐标；
根据所述第一区域位置坐标，在所述第一序列图像上确定所述第一区域位置坐标所在的切片图像；
将所述第一区域位置坐标所在的切片图像和所述第二序列图像中除所述感兴趣区域之外的部分切片图像进行融合处理，得到所述第三序列图像。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
根据所述第二序列对应的重建参数和/或所述第一区域位置坐标，计算所述感兴趣区域的第二区域位置坐标；
根据所述第二区域位置坐标，在所述第二序列图像上确定所述第二区域位置坐标所在的切片图像；
根据所述第二区域位置坐标所在的切片图像，在所述第二序列图像上确定除所述第二区域位置坐标所在的切片图像之外的剩余切片图像；
将所述第一区域位置坐标所在的切片图像和所述剩余切片图像进行融合处理。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
获取所述感兴趣区域在世界坐标系下的物理区域位置坐标；
根据所述物理区域位置坐标和所述第一序列图像对应的重建参数，计算所述感兴趣区域在图像坐标系下的第一区域位置坐标。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
获取所述感兴趣区域在世界坐标系下的物理区域位置坐标；
根据所述物理区域位置坐标和所述第二序列图像对应的重建参数和/或所述第一区域位置坐标，计算所述感兴趣区域在图像坐标系下的第二区域位置坐标。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
获取所述待检测对象的至少一个医学图像；所述至少一个医学图像的模态和所述第三序列图像的模态不同，所述至少一个医学图像包括所述感兴趣区域；
将所述至少一个医学图像和所述第三序列图像进行加权融合或加权叠加处理，并显示处理后的图像。
在一个实施例中，提供了一种可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：
获取待检测对象的扫描数据以及两种不同的重建参数；
采用所述两种不同的重建参数分别对所述扫描数据进行数据重建，得到第一序列图像和第二序列图像；所述第一序列图像的分辨率高于所述第二序列图像的分辨率，所述第一序列图像和所述第二序列图像均包括感兴趣区域；
将所述第一序列图像中的部分切片图像和所述第二序列图像中的部分切片图像进行融合处理，得到第三序列图像，并存储所述第三序列图像；所述第三序列图像包括所述感兴趣区域。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
将所述第一序列图像中所述感兴趣区域对应的部分切片图像和所述第二序列图像中除所述感兴趣区域之外的部分切片图像进行融合处理，得到所述第三序列图像。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
根据所述第一序列图像对应的重建参数，计算所述感兴趣区域的第一区域位置坐标；
根据所述第一区域位置坐标，在所述第一序列图像上确定所述第一区域位置坐标所在的切片图像；
将所述第一区域位置坐标所在的切片图像和所述第二序列图像中除所述感兴趣区域之外的部分切片图像进行融合处理，得到所述第三序列图像。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
根据所述第二序列对应的重建参数和/或所述第一区域位置坐标，计算所述感兴趣区域的第二区域位置坐标；
根据所述第二区域位置坐标，在所述第二序列图像上确定所述第二区域位置坐标所在的切片图像；
根据所述第二区域位置坐标所在的切片图像，在所述第二序列图像上确定除所述第二区域位置坐标所在的切片图像之外的剩余切片图像；
将所述第一区域位置坐标所在的切片图像和所述剩余切片图像进行融合处理。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
获取所述感兴趣区域在世界坐标系下的物理区域位置坐标；
根据所述物理区域位置坐标和所述第一序列图像对应的重建参数，计算所述感兴趣区域在图像坐标系下的第一区域位置坐标。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
获取所述感兴趣区域在世界坐标系下的物理区域位置坐标；
根据所述物理区域位置坐标和所述第二序列图像对应的重建参数和/或所述第一区域位置坐标，计算所述感兴趣区域在图像坐标系下的第二区域位置坐标。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
获取所述待检测对象的至少一个医学图像；所述至少一个医学图像的模态和所述第三序列图像的模态不同，所述至少一个医学图像包括所述感兴趣区域；
将所述至少一个医学图像和所述第三序列图像进行加权融合或加权叠加处理，并显示处理后的图像。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种图像重建存储方法，其特征在于，所述方法包括：
获取待检测对象的扫描数据以及两种不同的重建参数；
采用所述两种不同的重建参数分别对所述扫描数据进行数据重建，得到第一序列图像和第二序列图像；所述第一序列图像的分辨率高于所述第二序列图像的分辨率，所述第一序列图像和所述第二序列图像均包括感兴趣区域；
按照一定的规则选择出所述第一序列图像中所述感兴趣区域对应的部分切片图像和所述第二序列图像中除所述感兴趣区域之外的部分切片图像，将所述第一序列图像中所述感兴趣区域对应的部分切片图像和所述第二序列图像中除所述感兴趣区域之外的部分切片图像进行融合处理，得到第三序列图像，并存储所述第三序列图像；所述第三序列图像包括所述感兴趣区域。
2.根据权利要求1所述的方法，其特征在于，所述将所述第一序列图像中所述感兴趣区域对应的部分切片图像和所述第二序列图像中除所述感兴趣区域之外的部分切片图像进行融合处理，得到第三序列图像，包括：
根据所述第一序列图像对应的重建参数，计算所述感兴趣区域的第一区域位置坐标；
根据所述第一区域位置坐标，在所述第一序列图像上确定所述第一区域位置坐标所在的切片图像；
将所述第一区域位置坐标所在的切片图像和所述第二序列图像中除所述感兴趣区域之外的部分切片图像进行融合处理，得到所述第三序列图像。
3.根据权利要求2所述的方法，其特征在于，所述将所述第一区域位置坐标所在的切片图像和所述第二序列图像中除所述感兴趣区域之外的部分切片图像进行融合处理，包括：
根据所述第二序列对应的重建参数和/或所述第一区域位置坐标，计算所述感兴趣区域的第二区域位置坐标；
根据所述第二区域位置坐标，在所述第二序列图像上确定所述第二区域位置坐标所在的切片图像；
根据所述第二区域位置坐标所在的切片图像，在所述第二序列图像上确定除所述第二区域位置坐标所在的切片图像之外的剩余切片图像；
将所述第一区域位置坐标所在的切片图像和所述剩余切片图像进行融合处理。
4.根据权利要求2或3所述的方法，其特征在于，所述根据所述第一序列图像对应的重建参数，计算所述感兴趣区域的第一区域位置坐标，包括：
获取所述感兴趣区域在世界坐标系下的物理区域位置坐标；
根据所述物理区域位置坐标和所述第一序列图像对应的重建参数，计算所述感兴趣区域在图像坐标系下的第一区域位置坐标。
5.根据权利要求3所述的方法，其特征在于，所述根据所述第二序列对应的重建参数和/或所述第一区域位置坐标，计算所述感兴趣区域的第二区域位置坐标，包括：
获取所述感兴趣区域在世界坐标系下的物理区域位置坐标；
根据所述物理区域位置坐标和所述第二序列图像对应的重建参数和/或所述第一区域位置坐标，计算所述感兴趣区域在图像坐标系下的第二区域位置坐标。
6.根据权利要求1所述的方法，其特征在于，所述方法还包括：
获取所述待检测对象的至少一个医学图像；所述至少一个医学图像的模态和所述第三序列图像的模态不同，所述至少一个医学图像包括所述感兴趣区域；
将所述至少一个医学图像和所述第三序列图像进行加权融合或加权叠加处理，并显示处理后的图像。
7.一种图像重建存储装置，其特征在于，所述装置包括：
获取模块，用于获取待检测对象的扫描数据以及两种不同的重建参数；
重建模块，用于采用所述两种不同的重建参数分别对所述扫描数据进行数据重建，得到第一序列图像和第二序列图像；所述第一序列图像的分辨率高于所述第二序列图像的分辨率，所述第一序列图像和所述第二序列图像均包括感兴趣区域；
融合模块，用于按照一定的规则选择出所述第一序列图像中所述感兴趣区域对应的部分切片图像和所述第二序列图像中除所述感兴趣区域之外的部分切片图像，将所述第一序列图像中所述感兴趣区域对应的部分切片图像和所述第二序列图像中除所述感兴趣区域之外的部分切片图像进行融合处理，得到第三序列图像，并存储所述第三序列图像；所述第三序列图像包括所述感兴趣区域。
8.根据权利要求7所述的装置，其特征在于，所述融合模块，包括：
计算单元，用于根据所述第一序列图像对应的重建参数，计算所述感兴趣区域的第一区域位置坐标；
确定单元，用于根据所述第一区域位置坐标，在所述第一序列图像上确定所述第一区域位置坐标所在的切片图像；
融合单元，用于将所述第一区域位置坐标所在的切片图像和所述第二序列图像中除所述感兴趣区域之外的部分切片图像进行融合处理，得到所述第三序列图像。
9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的方法的步骤。
10.一种可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911323602.XA CN111161369B (zh) | 2019-12-20 | 2019-12-20 | 图像重建存储方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911323602.XA CN111161369B (zh) | 2019-12-20 | 2019-12-20 | 图像重建存储方法、装置、计算机设备和存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111161369A CN111161369A (zh) | 2020-05-15 |
| CN111161369B true CN111161369B (zh) | 2024-04-23 |
Family
ID=70557508
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911323602.XA Active CN111161369B (zh) | 2019-12-20 | 2019-12-20 | 图像重建存储方法、装置、计算机设备和存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111161369B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113808229B (zh) * | 2021-08-24 | 2022-05-03 | 中国人民解放军军事科学院军事医学研究院 | 基于双分辨率断层图像的体素模型建立方法 |
| CN113724177B (zh) * | 2021-09-07 | 2023-12-15 | 北京大学深圳医院 | 肺结节信息融合方法、装置、设备及其存储介质 |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1526121A (zh) * | 2001-06-20 | 2004-09-01 | �ʼҷ����ֵ�������˾ | 重构高分辨率三维图像的方法 |
| CN1818972A (zh) * | 2005-01-28 | 2006-08-16 | 西门子共同研究公司 | 剪接医学图像数据集的***和方法 |
| CN103607954A (zh) * | 2011-06-10 | 2014-02-26 | 皇家飞利浦有限公司 | 用于混合式扫描器上ac和定位的剂量优化方案 |
| CN104025119A (zh) * | 2011-10-05 | 2014-09-03 | 塞伏瑞斯派恩公司 | 用于手术和介入性医疗过程中的成像***和方法 |
| CN104299216A (zh) * | 2014-10-22 | 2015-01-21 | 北京航空航天大学 | 基于多尺度各向异性分解和低秩分析的多模态医学图像融合方法 |
| CN106920265A (zh) * | 2015-12-28 | 2017-07-04 | 上海联影医疗科技有限公司 | 计算机断层扫描图像重建方法及装置 |
| CN109167924A (zh) * | 2018-10-24 | 2019-01-08 | 清华-伯克利深圳学院筹备办公室 | 基于混合相机的视频成像方法、***、设备及存储介质 |
| CN110189293A (zh) * | 2019-04-15 | 2019-08-30 | 广州锟元方青医疗科技有限公司 | 细胞图像处理方法、装置、存储介质及计算机设备 |
| CN110288530A (zh) * | 2019-06-28 | 2019-09-27 | 北京金山云网络技术有限公司 | 一种对图像进行超分辨率重建的处理方法及装置 |
| CN110389139A (zh) * | 2018-04-20 | 2019-10-29 | Fei 公司 | 用于感兴趣区域的断层摄影的扫描轨迹 |
| CN110428366A (zh) * | 2019-07-26 | 2019-11-08 | Oppo广东移动通信有限公司 | 图像处理方法和装置、电子设备、计算机可读存储介质 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2006129282A2 (en) * | 2005-05-31 | 2006-12-07 | Arineta Ltd. | Graded resolution field of view ct scanner |
| WO2012155267A1 (en) * | 2011-05-13 | 2012-11-22 | Fibics Incorporated | Microscopy imaging method and system |
-
2019
- 2019-12-20 CN CN201911323602.XA patent/CN111161369B/zh active Active
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1526121A (zh) * | 2001-06-20 | 2004-09-01 | �ʼҷ����ֵ�������˾ | 重构高分辨率三维图像的方法 |
| CN1818972A (zh) * | 2005-01-28 | 2006-08-16 | 西门子共同研究公司 | 剪接医学图像数据集的***和方法 |
| CN103607954A (zh) * | 2011-06-10 | 2014-02-26 | 皇家飞利浦有限公司 | 用于混合式扫描器上ac和定位的剂量优化方案 |
| CN104025119A (zh) * | 2011-10-05 | 2014-09-03 | 塞伏瑞斯派恩公司 | 用于手术和介入性医疗过程中的成像***和方法 |
| CN104299216A (zh) * | 2014-10-22 | 2015-01-21 | 北京航空航天大学 | 基于多尺度各向异性分解和低秩分析的多模态医学图像融合方法 |
| CN106920265A (zh) * | 2015-12-28 | 2017-07-04 | 上海联影医疗科技有限公司 | 计算机断层扫描图像重建方法及装置 |
| CN110389139A (zh) * | 2018-04-20 | 2019-10-29 | Fei 公司 | 用于感兴趣区域的断层摄影的扫描轨迹 |
| CN109167924A (zh) * | 2018-10-24 | 2019-01-08 | 清华-伯克利深圳学院筹备办公室 | 基于混合相机的视频成像方法、***、设备及存储介质 |
| CN110189293A (zh) * | 2019-04-15 | 2019-08-30 | 广州锟元方青医疗科技有限公司 | 细胞图像处理方法、装置、存储介质及计算机设备 |
| CN110288530A (zh) * | 2019-06-28 | 2019-09-27 | 北京金山云网络技术有限公司 | 一种对图像进行超分辨率重建的处理方法及装置 |
| CN110428366A (zh) * | 2019-07-26 | 2019-11-08 | Oppo广东移动通信有限公司 | 图像处理方法和装置、电子设备、计算机可读存储介质 |
Non-Patent Citations (6)
| Title |
|---|
| CT图像混合压缩算法研究;周群一 等;《浙江科技学院学报》;全文 * |
| Dual-resolution image reconstruction for region-of-interest CT scan;S O Jin et al;《Journal of Instrumentation》;参见摘要和第2-4节 * |
| PET成像的高分辨率快速局域重建算法的建立;朱闻韬 等;《中国医学装备》;20151015;全文 * |
| 区域特性保持的低剂量CT精准成像;贾晓;《中国博士学位论文全文数据库电子期刊 医药卫生科技辑》;第2019卷(第9期);全文 * |
| 李凯 等.《介入性超声的临床应用》.广州：华南理工大学出版社,2018,参数第87-89页. * |
| 章新友.《医学成像及处理技术》.北京：中国铁道出版社,2011,参见第170-174页. * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111161369A (zh) | 2020-05-15 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109993726B (zh) | 医学图像的检测方法、装置、设备和存储介质 | |
| CN111932520A (zh) | 医学图像显示方法、查看设备以及计算机设备 | |
| US7822246B2 (en) | Method, a system and a computer program for integration of medical diagnostic information and a geometric model of a movable body | |
| US20160133016A1 (en) | Comparison workflow automation by registration | |
| EP3447733B1 (en) | Selective image reconstruction | |
| EP3828818A1 (en) | Method and system for identifying pathological changes in follow-up medical images | |
| CN111223066B (zh) | 运动伪影校正方法、装置、计算机设备和可读存储介质 | |
| CN111179372B (zh) | 图像衰减校正方法、装置、计算机设备和存储介质 | |
| CN110717961B (zh) | 多模态图像重建方法、装置、计算机设备和存储介质 | |
| KR102090270B1 (ko) | 영상 정합 방법 및 장치 | |
| CN111080584A (zh) | 医学图像的质控方法、计算机设备和可读存储介质 | |
| US10390726B2 (en) | System and method for next-generation MRI spine evaluation | |
| CN111161369B (zh) | 图像重建存储方法、装置、计算机设备和存储介质 | |
| US9361711B2 (en) | Lesion-type specific reconstruction and display of digital breast tomosynthesis volumes | |
| CN109199422A (zh) | Ct预览图像重建优化方法、装置、计算机设备和存储介质 | |
| CN110751187A (zh) | 异常区域图像生成网络的训练方法和相关产品 | |
| CN111223158B (zh) | 心脏冠脉图像的伪影校正方法和可读存储介质 | |
| CN110223247B (zh) | 图像衰减校正方法、装置、计算机设备和存储介质 | |
| CN111243052A (zh) | 图像重建方法、装置、计算机设备和存储介质 | |
| CN110738639B (zh) | 医学图像检测结果的展示方法、装置、设备及存储介质 | |
| CN113780519A (zh) | 生成对抗网络训练方法、装置、计算机设备和存储介质 | |
| CN110473241B (zh) | 图像配准方法、存储介质及计算机设备 | |
| CN110473285B (zh) | 图像重构方法、装置、计算机设备和存储介质 | |
| CN110610527B (zh) | 计算suv的方法、装置、设备、***及计算机存储介质 | |
| CN114723723A (zh) | 医学影像处理方法、计算机设备和存储介质 |
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 |