CN114972110A - 一种ct图像处理方法、装置、设备及介质 - Google Patents
一种ct图像处理方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN114972110A CN114972110A CN202210685390.5A CN202210685390A CN114972110A CN 114972110 A CN114972110 A CN 114972110A CN 202210685390 A CN202210685390 A CN 202210685390A CN 114972110 A CN114972110 A CN 114972110A
- Authority
- CN
- China
- Prior art keywords
- image
- virtual monochromatic
- virtual
- noise
- monochromatic image
- 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.)
- Pending
Links
- 238000003672 processing method Methods 0.000 title claims abstract description 23
- 230000004927 fusion Effects 0.000 claims abstract description 102
- 230000009466 transformation Effects 0.000 claims abstract description 48
- 238000012545 processing Methods 0.000 claims abstract description 35
- 238000001914 filtration Methods 0.000 claims abstract description 11
- 230000006870 function Effects 0.000 claims description 20
- 238000004364 calculation method Methods 0.000 claims description 11
- 238000012216 screening Methods 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 5
- 238000007781 pre-processing Methods 0.000 claims description 4
- 230000009467 reduction Effects 0.000 abstract description 31
- 238000000034 method Methods 0.000 description 24
- 238000013170 computed tomography imaging Methods 0.000 description 9
- 239000000126 substance Substances 0.000 description 6
- 230000003595 spectral effect Effects 0.000 description 5
- 238000001228 spectrum Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000003044 adaptive effect Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000002591 computed tomography Methods 0.000 description 2
- 238000011946 reduction process Methods 0.000 description 2
- 238000000844 transformation Methods 0.000 description 2
- ZCYVEMRRCGMTRW-UHFFFAOYSA-N 7553-56-2 Chemical compound [I] ZCYVEMRRCGMTRW-UHFFFAOYSA-N 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000003759 clinical diagnosis Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 239000002872 contrast media Substances 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 229910052740 iodine Inorganic materials 0.000 description 1
- 239000011630 iodine Substances 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000009659 non-destructive testing Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000002203 pretreatment Methods 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 230000002194 synthesizing effect Effects 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
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/90—Dynamic range modification of images or parts thereof
-
- 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
- G06T2207/20212—Image combination
- G06T2207/20221—Image fusion; Image merging
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2210/00—Indexing scheme for image generation or computer graphics
- G06T2210/41—Medical
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Image Processing (AREA)
Abstract
本发明提供了一种CT图像处理方法、装置、设备及介质，涉及医学影像处理技术领域，包括：获取若干虚拟单色图像，确定各个虚拟单色图像中的最小噪声虚拟单色图像；获取任一虚拟单色图像作为目标虚拟单色图像分别对最小噪声虚拟单色图像和目标虚拟单色图像进行空间域频率变换，获得第一处理图像和第二处理图像；计算目标虚拟单色图像与最小噪声虚拟单色图像的噪声比值，并根据噪声比值计算最优融合参数；根据融合参数将第一处理图像中的高频数据与第二处理图像的低频数据进行融合，获得第三处理图像；对第三处理图像进行空间域频率反变换，获得与目标虚拟单色图像对应的目标图像，解决现有滤波降噪导致图像模糊且对比度降低的问题。
Description
技术领域
本发明涉及医学影像处理技术领域，尤其涉及一种CT图像处理方法、装置、设备及介质。
背景技术
相对于传统X射线计算机断层成像技术，能谱CT成像技术具有物质识别、定量分析等更为先进的功能，在临床、安检、无损检测等领域获得越来越广泛的应用。能谱CT成像能够获得类单能图像、虚拟单色图像、虚拟平扫图像、有效原子序数图像、电子密度图像等不同类型图像。这些不同类型的图像能够反映出被扫描目标的不同信息，具有各自的应用场景。
其中，虚拟单色图像是指，利用能谱CT成像技术，在不具备单色X射线光源的情况下，合成出类似于采用单色X射线光源扫描目标物体得到的CT图像。虚拟单色图像具有以下意义：低能级虚拟单色图像能够增大相似物质对比度，降低增强扫描中碘对比剂的剂量；高能级虚拟单色图像能够减弱或者消除CT图像中的射束硬化伪影、金属伪影。
但是，由能谱CT成像技术得到的虚拟单色图像的噪声水平是随能级变化的。尤其是当能级较低的时候(比如50keV及以下的能级)，虚拟单色图像的噪声水平将显著增高。如前文所述，低能级的虚拟单色图像具有增大相似物质对比度的作用。然而，由于噪声水平太高，感兴趣区域的对比度噪声比(contrast noise ratio，CNR)无法满足临床诊断或者其它实际应用的需求。
如前所述，虚拟单色图像也是一种CT图像。因此，适用于传统CT图像的滤波降噪方法也可被用来对虚拟单色图像进行降噪处理。与传统CT图像滤波降噪的结果类似，经过滤波处理的虚拟单色图像噪声水平能够显著降低，但同时会导致图像模糊。更为重要的是，滤波降噪会导致虚拟单色图像中相似物质的对比度降低，导致CNR较低。
发明内容
为了克服上述技术缺陷，本发明的目的在于提供一种CT图像处理方法、装置、设备及介质，用于解决现有能谱CT图像采用滤波降噪导致图像模糊且对比度降低的问题。
本发明公开了一种CT图像处理方法，包括：
获取包含多个能级的若干虚拟单色图像，确定各个虚拟单色图像中的最小噪声虚拟单色图像；
获取任一虚拟单色图像作为目标虚拟单色图像；
分别对所述最小噪声虚拟单色图像和所述目标虚拟单色图像进行空间域频率变换，获得第一处理图像和第二处理图像；
计算所述目标虚拟单色图像与所述最小噪声虚拟单色图像的噪声比值，并根据所述噪声比值计算最优融合参数；
根据所述融合参数将所述第一处理图像中的高频数据与所述第二处理图像的低频数据进行融合，获得第三处理图像；
对所述第三处理图像进行空间域频率反变换，获得与所述目标虚拟单色图像对应的目标图像。
优选地，在所述根据所述噪声比值计算最优融合参数前，包括：
获取覆盖各个能级的多个虚拟单色图像，并根据各个能级的虚拟单色图像与所述最小噪声虚拟单色图像确定与所述各个能级的虚拟单色图像对应的最优融合参数，以生成噪声比值与最优融合参数的关系函数。
优选地，所述根据各个能级的虚拟单色图像与所述最小噪声虚拟单色图像确定与所述各个能级的虚拟单色图像对应的最优融合参数，包括：
获取任一能级的虚拟单色图像作为参考虚拟单色图像；
对所述参考虚拟单色图像与所述最小噪声虚拟单色图像分别进行空间域频率变换，获得第一中间图像和第二中间图像；
设置融合参数的预设取值范围和步进值，获得若干个融合参数；
根据各个融合参数将所述第一中间图像中的高频数据与所述第二中间图像的低频数据进行融合，并进行空间域频率反变换，以获得与各个融合参数对应的第三中间图像，根据预设筛选条件确定最佳的第三中间图像，以确定与所述参考虚拟单色图像对应的最优融合参数；
获取另一能级的虚拟单色图像作为参考虚拟单色图像，直至获得与各个能级的虚拟单色图像对应的最优融合参数。
优选地，所述根据预设筛选条件确定最佳的第三中间图像，包括：
计算各个第三中间图像的对比度噪声比，确定对比度噪声比最大的第三中间图像作为最佳的第三中间图像。
优选地，所述生成噪声比值与最优融合参数的关系函数，包括：
获取与所述各个能级的虚拟单色图像对应的最优融合参数；
计算各个能级的虚拟单色图像与所述最小噪声虚拟单色图像的噪声比值；
采用多项式拟合所述各个能级的虚拟单色图像与所述最小噪声虚拟单色图像的噪声比值和所述与所述各个能级的虚拟单色图像对应的最优融合参数，获得噪声比值与最优融合参数的关系函数。
优选地，所述空间域频率变换包括傅里叶变换、小波变换。
优选地，所述根据所述融合参数将所述第一处理图像中的高频数据与所述第二处理图像的低频数据进行融合，包括：
利用所述第一处理图像中的高频数据乘以所述融合参数后，与所述第二处理图像的低频数据进行融合。
本发明还提供一种CT图像处理装置，包括：
预处理模块，用于获取包含多个能级的若干虚拟单色图像，确定各个虚拟单色图像中的最小噪声虚拟单色图像；
第一处理模块，用于获取任一虚拟单色图像作为目标虚拟单色图像；分别对所述最小噪声虚拟单色图像和所述目标虚拟单色图像进行空间域频率变换，获得第一处理图像和第二处理图像；
计算模块，用于计算所述目标虚拟单色图像与所述最小噪声虚拟单色图像的噪声比值，并根据所述噪声比值计算最优融合参数；
第二处理模块，用于根据所述融合参数将所述第一处理图像中的高频数据与所述第二处理图像的低频数据进行融合，获得第三处理图像；
第三处理模块，用于对所述第三处理图像进行空间域频率反变换，获得与所述目标虚拟单色图像对应的目标图像。
本发明还提供一种计算机设备，所述计算机设备包括：
存储器，用于存储可执行程序代码；以及
处理器，用于调用所述存储器中的所述可执行程序代码，执行步骤包括所述的图像处理方法。
本发明还提供一种计算机可读存储介质，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所述图像处理方法的步骤。
采用了上述技术方案后，与现有技术相比，具有以下有益效果：
1.本方案中首先获得具有最低噪声虚拟单色图像，将目标虚拟单色图像空间域频率变换后的低频部分与最低噪声虚拟单色图像空间域频率变换后的高频部分根据噪声比例进行融合，对目标虚拟单色图像进行降噪处理，得到低噪声水平的目标图像，且能够尽可能保持降噪后图像的空间分辨率和对比度，解决现有滤波降噪导致图像模糊且对比度降低的问题。
2.本方案中采用多项式拟合的方法，建立噪声比值与最优融合参数的映射关系函数，根据目标虚拟单色图像与最低噪声水平虚拟单色图像的噪声比值，自主计算能够得到的最优融合参数，以提高降噪后的目标图像的对比度。
附图说明
图1为本发明所述一种CT图像处理方法实施例一的流程图；
图2为本发明所述一种CT图像处理方法实施例一中确定与所述各个能级的虚拟单色图像对应的最优融合参数的流程图；
图3为本发明所述一种CT图像处理方法实施例一中生成噪声比值与最优融合参数的关系函数的流程图；
图4为本发明所述一种CT图像处理方法实施例一中对40keV虚拟单色图像进行降噪处理前后的示例参考图；
图5为本发明所述一种CT图像处理装置实施例二的模块示意图；
图6为本发明的设备模块示意图。
附图标记：
7-CT图像处理装置；71-预处理模块；72-第一处理模块；73-计算模块；74-第二处理模块；75-第三处理模块；8-计算机设备；81-存储器；82处理器。
具体实施方式
以下结合附图与具体实施例进一步阐述本发明的优点。
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。
在本公开使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本公开。在本公开和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
应当理解，尽管在本公开可能采用术语第一、第二、第三等来描述各种信息，但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如，在不脱离本公开范围的情况下，第一信息也可以被称为第二信息，类似地，第二信息也可以被称为第一信息。取决于语境，如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”。
在本发明的描述中，需要理解的是，术语“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。
在本发明的描述中，除非另有规定和限定，需要说明的是，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是机械连接或电连接，也可以是两个元件内部的连通，可以是直接相连，也可以通过中间媒介间接相连，对于本领域的普通技术人员而言，可以根据具体情况理解上述术语的具体含义。
在后续的描述中，使用用于表示元件的诸如“模块”、“部件”或“单元”的后缀仅为了有利于本发明的说明，其本身并没有特定的意义。因此，“模块”与“部件”可以混合地使用。
实施例一：本实施例公开了一种CT图像处理方法，用于能谱CT成像***中获得的虚拟单色图像，在降低图像噪声的同时，能够保持图像空间分辨率，且保持虚拟单色图像中相似物质的对比度，具体的，参阅图1-图3，包括以下步骤：
S100：获取包含多个能级的若干虚拟单色图像，确定各个虚拟单色图像中的最小噪声虚拟单色图像；
在上述步骤中，获取到的虚拟单色图像即为降噪前的虚拟单色图像，为了方便下述具体说明的，设若干虚拟单色图像包含N个能级，最小噪声虚拟单色图像的能级对应为Emin，其噪声对应为σmin。已知的是，能谱CT成像技术得到的虚拟单色图像的噪声水平是随能级变化的，尤其是当能级较低的时候(比如50keV及以下的能级)，虚拟单色图像的噪声水平将显著增高，因此可以根据虚拟单色图像的能级确定最小噪声虚拟单色图像(即根据虚拟单色图像的高度相关性和不同能级虚拟单色图像噪声水平不同特性)；还可以根据其他测量手段确定各个虚拟单色图像的噪声，以获得最小噪声虚拟单色图像；还可以根据任意两个图像之间的噪声比值去判断，最小噪声虚拟单色图像应当是使得其他虚拟单色图像与其的噪声比值均大于1的虚拟单色图像；除此之外，其他手段可实现多个虚拟单色图像的噪声的比较也可用于此。
S200：获取任一虚拟单色图像作为目标虚拟单色图像；
在本实施方式中，上述S100中的各个虚拟单色图像均为需要进行降噪处理的图像，为方便描述的，以其中任一虚拟单色图像为例，其他虚拟单色图像与示例的虚拟单色图像的操作步骤是一致的，各个虚拟单色图像可以逐个采用本实施方式提供的方案进行降噪处理，也可以多个同步进行处理，具体可视具体实施场景及处理设备而定。设该目标虚拟单色图像对应能级为E，噪声为σ。
S300：分别对所述最小噪声虚拟单色图像和所述目标虚拟单色图像进行空间域频率变换，获得第一处理图像和第二处理图像；
具体的，所述空间域频率变换包括但不限于傅里叶变换、小波变换，其他空间域频率变换可用于CT图像的也可用于此，空间域是由图像像元组成的空间。在图像空间中以长度(距离)为自变量直接对像元值进行处理称为空间域处理，空间域频率变换是对图像空间内频率特征进行分解、处理，以便后续获得其中的高频数据或低频数据。
作为示例的，设上述变换结果第一处理图像和第二处理图像分别为VMIEminF和VMIEF，则VMIEminF＝SFT(VMIEmin)，VMIEF＝SFT(VMIE)，其中VMIEmin、VMIE分别表示为最小噪声虚拟单色图像和所述目标虚拟单色图像，SFT表示空间域频率变换。
S400：计算所述目标虚拟单色图像与所述最小噪声虚拟单色图像的噪声比值，并根据所述噪声比值计算最优融合参数；
具体的，在实施方式中，在空间域频率变换后后续还需要进行高频数据或低频数据融合的以实现噪声消除，但是为了使得融合后的图像既能有效降噪也能不丢失对比度，高频数据和低频数据的按照最优选的融合参数来实现融合，该融合的比例根据目标虚拟单色图像与最小噪声虚拟单色图像的噪声比值确定，首先根据目标虚拟单色图像与最小噪声虚拟单色图像的噪声比值可以确定目标虚拟单色图像相对最小噪声虚拟单色图像上的噪声分布，因此以此为基准确定高频数据与低频数据的融合而非随意融合，后可以获得降噪效果较佳的图像，具体的融合参数的计算在下述S600步骤后进一步进行详细描述。
作为示例的，基于上述表示，噪声比值γ可以表示为
S500：根据所述融合参数将所述第一处理图像中的高频数据与所述第二处理图像的低频数据进行融合，获得第三处理图像；
在上述步骤中，目标虚拟单色图像空间域频率变换结果中低频部分(低频数据)可以保证降噪图像的对比度与目标虚拟单色图像相同，而最低噪声的虚拟单色图像空间域频率变换结果中的高频部分(高频数据)替换目标虚拟单色图像空间域频率变换结果高频部分，能够在降低噪声的同时，保持降噪图像的空间分辨率，避免降噪后图像模糊。
更为具体的，所述根据所述融合参数将所述第一处理图像中的高频数据与所述第二处理图像的低频数据进行融合，包括：利用所述第一处理图像中的高频数据乘以所述融合参数后，与所述第二处理图像的低频数据进行融合。作为示例的，融合后的结果可表示
其中，
和
分别表示目标虚拟单色图像空间域频率变换结果中的低频数据和最低噪声水平虚拟单色图像空间域频率变换结果中的高频数据；
表示二者的融合。
S600：对所述第三处理图像进行空间域频率反变换，获得与所述目标虚拟单色图像对应的目标图像。
在上述步骤中，由于上述步骤S300中对目标虚拟单色图像和最小噪声虚拟单色图像进行了空间域频率变换，因此对于融合后生成的第三处理图像，进行反变换，作为示例的，可以表示为VMIED＝SFT-1(VMIEB)，其中SFT-1为空间域频率反变换，VMIED为目标图像。
需要说明的是，为了提高降噪后获得的图像的效果，目标虚拟单色图像空间域频率变换结果中的低频数据与最低噪声虚拟单色图像空间域频率变换结果中的高频数据需要按一定具体的比例进行融合。若目标虚拟单色图像空间域频率变换结果低频数据占比过高，则可能无法有效降低图像噪声；反之，若最低噪声虚拟单色图像空间域频率变换结果中的高频数据占比过高，则可能会导致降噪后的图像无法保持与目标虚拟单色图像一致的对比度。上述两种情况都无法得到最优CNR。
因此，为了避免上述情况，本实施方式中，在所述根据所述噪声比值计算最优融合参数前，或，可以在获取任一虚拟单色图像作为目标虚拟单色图像前，预先提供一种多项式拟合的方法，实现根据目标虚拟单色图像噪声与最低噪声虚拟单色图像噪声的比值，自适应计算能够得到最优CNR的融合参数，具体的，包括：
获取覆盖各个能级的多个虚拟单色图像，并根据各个能级的虚拟单色图像与所述最小噪声虚拟单色图像确定与所述各个能级的虚拟单色图像对应的最优融合参数，以生成噪声比值与最优融合参数的关系函数。
在上述步骤中，覆盖各个能级的多个虚拟单色图像，即如上述，设具有N个能级，则此时获得N个虚拟单色图像，每一能级虚拟单色图像均对应包含一个，如前所述，已知不同能级的虚拟单色图像噪声等级不同，此处设置不同能级的虚拟单色图像其主要目的在于根据不同等级的虚拟单色像图对应的最优融合参数，生成噪声比值与最优融合参数的关系函数，用于各个等级的虚拟单色像图的降噪过程。
具体的，所述根据各个能级的虚拟单色图像与所述最小噪声虚拟单色图像确定与所述各个能级的虚拟单色图像对应的最优融合参数，参阅图2，包括以下：
S100-11：获取任一能级的虚拟单色图像作为参考虚拟单色图像；
在上述步骤中，该步骤最终的目的在于获得不同能级单色虚拟图像对应的最佳融合参数因此，需要对于每一能级的单色虚拟图像均计算出其最优融合参数，此处仅用于表示以某一能级的虚拟单色图像作为示例，其他能级的虚拟单色图像的操作过程与此一致。设上述参考虚拟单色图像为第i个能级虚拟单色图像VMIEi，i＝1，2……N。
S100-12：对所述参考虚拟单色图像与所述最小噪声虚拟单色图像分别进行空间域频率变换，获得第一中间图像和第二中间图像；
在此步骤中，与上述步骤S300相似的，仅操作对象不同，所述空间域频率变换包括但不限于傅里叶变换、小波变换，其他空间域频率变换可用于CT图像的也可用于此，且此处与上述步骤S300采用的空间域频率变换具体方法一致。也可作为示例的，设上述变换结果第一中间图像和第二中间图像分别为VMIEminF和VMIEiF，则与上述类似的，可表示为如下：VMIEminF＝SFT(VMIEmin)，VMIEiF＝SFT(VMIEi)，其中VMIEmin、VMIEi分别表示为最小噪声虚拟单色图像参考虚拟单色图像，SFT表示空间域频率变换。
S100-13：设置融合参数的预设取值范围和步进值，获得若干个融合参数；
在上述步骤中，设置融合参数的取值范围和步进值为预先设置好，根据该步进值可以从该预设的取值范围的起点数据获得若干个融合参数，其目的是为了获得其中最佳的融合参数，以作为与参考虚拟单色图像对应的最优融合参数，设得到M个可能的融合参数
k＝1，2，3，…，M；i＝1，2……N。
S100-14：根据各个融合参数将所述第一中间图像中的高频数据与所述第二中间图像的低频数据进行融合，并进行空间域频率反变换，以获得与各个融合参数对应的第三中间图像，根据预设筛选条件确定最佳的第三中间图像，以确定与所述参考虚拟单色图像对应的最优融合参数；
在上述步骤中，将所述第一中间图像中的高频数据与所述第二中间图像的低频数据进行融合，并进行空间域频率反变换与上述步骤S500-S600中的融合、空间域频率反变换操作一致，作为示例的，融合后的结果可表示
其中，
和
分别表示参考虚拟单色图像空间域频率变换结果(第一中间图像)中的低频数据和最低噪声水平虚拟单色图像空间域频率变换结果(第二中间图像)中的高频数据；空间域频率反变换即可表为
在此不作赘述。与上述不同的是，在获得不同的融合参数
对应的第三中间图像后，需要从中确定最佳的图像，由此确定最优融合参数。
具体的，所述根据预设筛选条件确定最佳的第三中间图像，包括：计算各个第三中间图像的对比度噪声比，确定对比度噪声比最大的第三中间图像作为最佳的第三中间图像。在本实施方式中，其目的在于使得融合后的图像在降低噪声的同时，能够尽可能保持降噪后图像的空间分辨率和对比度，因此采用对比度噪声比(CNR)作为筛选标准，其为影像对比度与噪声的比值，CNR＝对比度/噪声，则对比度噪声比越大，则其对比度保留更多，由此在该融合参数下可以保持一定的对比对，由此确定其为最优融合参数。
S100-15：获取另一能级的虚拟单色图像作为参考虚拟单色图像，直至获得与各个能级的虚拟单色图像对应的最优融合参数。
如上所述的，在上述步骤S100-11中，获取一个能级的虚拟单色图像作为示例，其他的虚拟单色图像重复上述步骤S100-11～S100-14即可获得与各个能级的虚拟单色图像对应的最优融合参数。
在根据上述步骤S100-11～S100-15后，即可获得与各个能级的虚拟单色图像对应的最优融合参数，由此可生成关系函数用于上述步骤S400的最优融合参数的计算，具体的所述生成噪声比值与最优融合参数的关系函数，参阅图3，包括：
S100-21：获取与所述各个能级的虚拟单色图像对应的最优融合参数；
基于上述S100-11～S100-15可直接获得。
S100-22：计算各个能级的虚拟单色图像与所述最小噪声虚拟单色图像的噪声比值；
与上述步骤S400类似的，可作为示例的，
其中，i＝1，2，…，N。
S100-23：采用多项式拟合所述各个能级的虚拟单色图像与所述最小噪声虚拟单色图像的噪声比值和所述与所述各个能级的虚拟单色图像对应的最优融合参数，获得噪声比值与最优融合参数的关系函数。
具体的，多项式拟合是用一个多项式展开去拟合包含数个分析格点的一小块分析区域中的所有观测点，得到观测数据的客观分析场。展开系数用最小二乘拟合确定。噪声比值与最优融合参数的关系函数，表示为α＝f(γ)，由此获得的噪声比值与最优融合参数的关系函数可用于上述步骤S400的最优融合参数的计算，该关系函数可以在对目标虚拟单色图像进行降噪之前进行，且可用于存储在某一预设地址下，在降噪过程中直接调取使用，对于同一台CT扫描***，只需计算一次，即可用于后续所有的能谱CT成像扫描中任一能级虚拟单色图的降噪中。
本实施方式首先从能谱CT成像技术获得的所有能级的虚拟单色图像中确定具有最低噪声的虚拟单色图像，对上述最低噪声水平虚拟单色图像和待处理的目标虚拟单色图像分别进行空间域频率变换。将目标虚拟单色图像空间域频率变换结果中的低频部分与最低噪声虚拟单色图像空间域频率变换结果中的高频部分根据噪声比值进行融合。融合后的结果进行空间域频率反变换，即可得到降噪后的目标图像。还提供了一种多项式拟合的方法，根据目标虚拟单色图像噪声与最低噪声虚拟单色图像噪声的比值，自适应计算能够得到最优CNR的融合参数，与传统滤波降噪方法相比，在降低噪声的同时，能够尽可能保持降噪后图像的空间分辨率，并且，能够保证降噪后的目标图像的对比度与降噪前的目标虚拟单色图像尽可能相同，从而提高目标图像的CNR。
作为示例的，可参阅图4，图4为对40keV虚拟单色图像进行降噪处理前后的参考图，图(a)为未经过降噪的40keV虚拟单色图像，图(b)为通过本实施方式的降噪40keV虚拟单色图像，可知本实施方案在降低噪声的同时，可以保持降噪后图像的空间分辨率和对比度。
实施例二：本实施例还提供一种CT图像处理装置7，用于能谱CT成像***中，具体的，参阅图5，包括：
预处理模块71，用于获取包含多个能级的若干虚拟单色图像，确定各个虚拟单色图像中的最小噪声虚拟单色图像；
第一处理模块72，用于获取任一虚拟单色图像作为目标虚拟单色图像；分别对所述最小噪声虚拟单色图像和所述目标虚拟单色图像进行空间域频率变换，获得第一处理图像和第二处理图像；
具体的，所述空间域频率变换包括但不限于傅里叶变换、小波变换。
计算模块73，用于计算所述目标虚拟单色图像与所述最小噪声虚拟单色图像的噪声比值，并根据所述噪声比值计算最优融合参数；
该计算模块73还可执行包括预先在执行此处计算前，获取覆盖各个能级的多个虚拟单色图像，并根据各个能级的虚拟单色图像与所述最小噪声虚拟单色图像确定与所述各个能级的虚拟单色图像对应的最优融合参数，以生成噪声比值与最优融合参数的关系函数，以便用于此处根据所述噪声比值获得最优融合参数的计算。
第二处理模块74，用于根据所述融合参数将所述第一处理图像中的高频数据与所述第二处理图像的低频数据进行融合，获得第三处理图像；
具体的，第二处理图像的低频数据可以保证降噪图像的对比度与目标虚拟单色图像相同，而第一处理图像中的高频数据替换第二处理图像中的高频部分，能够在降低噪声的同时，保持降噪图像的空间分辨率，避免降噪后图像模糊。
第三处理模块75，用于对所述第三处理图像进行空间域频率反变换，获得与所述目标虚拟单色图像对应的目标图像。
本实施方式首先采用预处理模块71从虚拟单色图像中确定最低噪声虚拟单色图像，而后采用第一处理模块72获取一个虚拟单色图像(目标虚拟单色图像)，对上述最低噪声水平虚拟单色图像和目标虚拟单色图像分别进行空间域频率变换。而后，采用计算模块73就散出融合参数，由第二处理模块74将目标虚拟单色图像空间域频率变换结果中的低频部分与最低噪声虚拟单色图像空间域频率变换结果中的高频部分根据噪声融合参数进行融合。第三处理模块75对融合后的结果进行空间域频率反变换，即可得到降噪后的目标图像。与传统滤波降噪方法相比，在降低噪声的同时，能够尽可能保持降噪后图像的空间分辨率和较佳的对比度。
同时，为了进一步提高降噪效果，在计算模块73执行多项式拟合的方法，根据目标虚拟单色图像噪声与最低噪声虚拟单色图像噪声的比值，自适应计算能够得到最优CNR的融合参数，进一步在图像降噪过程中提高分辨率和对比度，用于解决现有滤波降噪导致图像模糊且对比度降低的问题。
实施例三：
为实现上述目的，本发明还提供一种计算机设备8，参阅图6，计算机设备可以是执行程序的智能手机、平板电脑、笔记本电脑、台式计算机等。本实施例的计算机设备至少包括但不限于：可通过装置总线相互通信连接的存储器81、处理器82。需要指出的是，图6仅示出了具有组件的计算机设备，但是应理解的是，并不要求实施所有示出的组件，可以替代的实施更多或者更少的组件。
本实施例中，存储器81可以是计算机设备的内部存储单元，例如该计算机设备的硬盘或内存。在另一些实施例中，存储器81也可以是计算机设备的外部存储设备，例如该计算机设备上配备的插接式硬盘等。本实施例中，存储器81通常用于存储安装于计算机设备的操作装置和各类应用软件，例如实施例一种图像降噪方法的程序代码、样本集等。此外，存储器81还可以用于暂时地存储已经输出或者将要输出的各类数据。
处理器82在一些实施例中可以是中央处理器(Central Processing Unit，CPU)、控制器、微控制器、微处理器或其他数据处理芯片。该处理器82通常用于控制计算机设备的总体操作。本实施例中，处理器82用于运行存储器81中存储的程序代码或者处理数据，例如运行实施例一种CT图像处理方法以及实施例二的一种CT图像处理装置。
实施例四：
为实现上述目的，本发明还提供一种计算机可读存储装置，其包括多个存储介质，如闪存、硬盘、多媒体卡、卡型存储器(例如，SD或D*存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘、服务器、App应用商城等等，其上存储有计算机程序，程序被处理器82执行时实现实施例二的图像降噪装置的相应功能。本实施例的计算机可读存储介质用于存储最小噪声虚拟单色图像、第一处理图像、第二处理图像、第三处理图像、噪声比值与最优融合参数的关系函数等数据，被处理器82执行时实现实施例一的一种CT图像处理方法以及实施例二的一种CT图像处理装置。
应当注意的是，本发明的实施例有较佳的实施性，且并非对本发明作任何形式的限制，任何熟悉该领域的技术人员可能利用上述揭示的技术内容变更或修饰为等同的有效实施例，但凡未脱离本发明技术方案的内容，依据本发明的技术实质对以上实施例所作的任何修改或等同变化及修饰，均仍属于本发明技术方案的范围内。
Claims (10)
1.一种CT图像处理方法，其特征在于，包括：
获取包含多个能级的若干虚拟单色图像，确定各个虚拟单色图像中的最小噪声虚拟单色图像；
获取任一虚拟单色图像作为目标虚拟单色图像；
分别对所述最小噪声虚拟单色图像和所述目标虚拟单色图像进行空间域频率变换，获得第一处理图像和第二处理图像；
计算所述目标虚拟单色图像与所述最小噪声虚拟单色图像的噪声比值，并根据所述噪声比值计算最优融合参数；
根据所述融合参数将所述第一处理图像中的高频数据与所述第二处理图像的低频数据进行融合，获得第三处理图像；
对所述第三处理图像进行空间域频率反变换，获得与所述目标虚拟单色图像对应的目标图像。
2.根据权利要求1所述的图像处理方法，其特征在于，在所述根据所述噪声比值计算最优融合参数前，包括：
获取覆盖各个能级的多个虚拟单色图像，并根据各个能级的虚拟单色图像与所述最小噪声虚拟单色图像确定与所述各个能级的虚拟单色图像对应的最优融合参数，以生成噪声比值与最优融合参数的关系函数。
3.根据权利要求2所述的图像处理方法，其特征在于，所述根据各个能级的虚拟单色图像与所述最小噪声虚拟单色图像确定与所述各个能级的虚拟单色图像对应的最优融合参数，包括：
获取任一能级的虚拟单色图像作为参考虚拟单色图像；
对所述参考虚拟单色图像与所述最小噪声虚拟单色图像分别进行空间域频率变换，获得第一中间图像和第二中间图像；
设置融合参数的预设取值范围和步进值，获得若干个融合参数；
根据各个融合参数将所述第一中间图像中的高频数据与所述第二中间图像的低频数据进行融合，并进行空间域频率反变换，以获得与各个融合参数对应的第三中间图像，根据预设筛选条件确定最佳的第三中间图像，以确定与所述参考虚拟单色图像对应的最优融合参数；
获取另一能级的虚拟单色图像作为参考虚拟单色图像，直至获得与各个能级的虚拟单色图像对应的最优融合参数。
4.根据权利要求3所述的图像处理方法，其特征在于，所述根据预设筛选条件确定最佳的第三中间图像，包括：
计算各个第三中间图像的对比度噪声比，确定对比度噪声比最大的第三中间图像作为最佳的第三中间图像。
5.根据权利要求2所述的图像处理方法，其特征在于，所述生成噪声比值与最优融合参数的关系函数，包括：
获取与所述各个能级的虚拟单色图像对应的最优融合参数；
计算各个能级的虚拟单色图像与所述最小噪声虚拟单色图像的噪声比值；
采用多项式拟合所述各个能级的虚拟单色图像与所述最小噪声虚拟单色图像的噪声比值和所述与所述各个能级的虚拟单色图像对应的最优融合参数，获得噪声比值与最优融合参数的关系函数。
6.根据权利要求1所述的图像处理方法，其特征在于：
所述空间域频率变换包括傅里叶变换、小波变换。
7.根据权利要求1所述的图像处理方法，其特征在于，所述根据所述融合参数将所述第一处理图像中的高频数据与所述第二处理图像的低频数据进行融合，包括：
利用所述第一处理图像中的高频数据乘以所述融合参数后，与所述第二处理图像的低频数据进行融合。
8.一种CT图像处理装置，其特征在于，包括：
预处理模块，用于获取包含多个能级的若干虚拟单色图像，确定各个虚拟单色图像中的最小噪声虚拟单色图像；
第一处理模块，用于获取任一虚拟单色图像作为目标虚拟单色图像；分别对所述最小噪声虚拟单色图像和所述目标虚拟单色图像进行空间域频率变换，获得第一处理图像和第二处理图像；
计算模块，用于计算所述目标虚拟单色图像与所述最小噪声虚拟单色图像的噪声比值，并根据所述噪声比值计算最优融合参数；
第二处理模块，用于根据所述融合参数将所述第一处理图像中的高频数据与所述第二处理图像的低频数据进行融合，获得第三处理图像；
第三处理模块，用于对所述第三处理图像进行空间域频率反变换，获得与所述目标虚拟单色图像对应的目标图像。
9.一种计算机设备，其特征在于，所述计算机设备包括：
存储器，用于存储可执行程序代码；以及
处理器，用于调用所述存储器中的所述可执行程序代码，执行步骤包括如权利要求1至7中任一项所述的图像处理方法。
10.一种计算机可读存储介质，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任一项所述图像处理方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210685390.5A CN114972110A (zh) | 2022-06-15 | 2022-06-15 | 一种ct图像处理方法、装置、设备及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210685390.5A CN114972110A (zh) | 2022-06-15 | 2022-06-15 | 一种ct图像处理方法、装置、设备及介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114972110A true CN114972110A (zh) | 2022-08-30 |
Family
ID=82963181
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210685390.5A Pending CN114972110A (zh) | 2022-06-15 | 2022-06-15 | 一种ct图像处理方法、装置、设备及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114972110A (zh) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101748074B1 (ko) * | 2016-03-23 | 2017-06-27 | 국방과학연구소 | 소나영상용 잡음제거 기법의 성능 향상을 위한 선택적 윤곽선 보존 방법 |
| CN108335280A (zh) * | 2018-01-02 | 2018-07-27 | 沈阳东软医疗***有限公司 | 一种图像优化显示方法和装置 |
| CN109712094A (zh) * | 2018-12-26 | 2019-05-03 | 新疆大学 | 图像处理方法及装置 |
| CN110246088A (zh) * | 2018-03-07 | 2019-09-17 | 舜宇光学（浙江）研究院有限公司 | 基于小波变换的图像亮度降噪方法及其图像降噪*** |
| US20200085393A1 (en) * | 2018-09-13 | 2020-03-19 | Hologic, Inc. | Generating synthesized projection images for 3d breast tomosynthesis or multi-mode x-ray breast imaging |
| CN114418879A (zh) * | 2022-01-13 | 2022-04-29 | 上海闻泰信息技术有限公司 | 图像处理方法、装置、电子设备及存储介质 |
-
2022
- 2022-06-15 CN CN202210685390.5A patent/CN114972110A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101748074B1 (ko) * | 2016-03-23 | 2017-06-27 | 국방과학연구소 | 소나영상용 잡음제거 기법의 성능 향상을 위한 선택적 윤곽선 보존 방법 |
| CN108335280A (zh) * | 2018-01-02 | 2018-07-27 | 沈阳东软医疗***有限公司 | 一种图像优化显示方法和装置 |
| CN110246088A (zh) * | 2018-03-07 | 2019-09-17 | 舜宇光学（浙江）研究院有限公司 | 基于小波变换的图像亮度降噪方法及其图像降噪*** |
| US20200085393A1 (en) * | 2018-09-13 | 2020-03-19 | Hologic, Inc. | Generating synthesized projection images for 3d breast tomosynthesis or multi-mode x-ray breast imaging |
| CN109712094A (zh) * | 2018-12-26 | 2019-05-03 | 新疆大学 | 图像处理方法及装置 |
| CN114418879A (zh) * | 2022-01-13 | 2022-04-29 | 上海闻泰信息技术有限公司 | 图像处理方法、装置、电子设备及存储介质 |
Non-Patent Citations (2)
| Title |
|---|
| 侯晓文: "低剂量能谱CT快速图像重建算法研究", 《中国博士学位论文全文数据库》, 15 April 2022 (2022-04-15) * |
| 杨海涛;吴雄;蒋博;邓凯;孙剑宁;梅习龙;: "双能量CT虚拟单能量成像能级设置对炎症性肠病图像质量的影响", 《中南大学学报(医学版)》, no. 8, 15 August 2018 (2018-08-15) * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US8938110B2 (en) | Enhanced image data/dose reduction | |
| US7362845B2 (en) | Method and apparatus of global de-noising for cone beam and fan beam CT imaging | |
| US7929746B2 (en) | System and method for processing imaging data | |
| CN104599239A (zh) | 一种医学图像中的金属伪影消除方法及装置 | |
| US20070076928A1 (en) | System and method for anatomy based reconstruction | |
| JPWO2005110232A1 (ja) | 画像処理装置及びその方法 | |
| WO2011161557A1 (en) | Method and system for noise reduction in low dose computed tomography | |
| CN110796620B (zh) | 乳腺断层重建图像的层间伪影抑制方法和装置 | |
| US9514549B2 (en) | Method for reducing metal artifact in computed tomography | |
| US8139891B2 (en) | System and method for structure enhancement and noise reduction in medical images | |
| Ketcha et al. | Sinogram+ image domain neural network approach for metal artifact reduction in low-dose cone-beam computed tomography | |
| US8428216B2 (en) | Method for reconstruction of a three-dimensional image data set and x-ray device | |
| JP7034120B2 (ja) | Ｘ線装置を用い取得した画像データセットの自動修正方法、コンピュータプログラム、データメモリ及びｘ線装置 | |
| JP2023553918A (ja) | 医用画像内のアーチファクトの低減 | |
| CN110189386B (zh) | 医学图像处理方法、装置、存储介质及计算机设备 | |
| CN114972110A (zh) | 一种ct图像处理方法、装置、设备及介质 | |
| WO2023216720A1 (zh) | 图像重建模型的训练方法、装置、设备、介质及程序产品 | |
| CN116563166A (zh) | 一种图像增强方法、装置、存储介质和设备 | |
| JP6945462B2 (ja) | 画像処理装置、画像処理方法、及び画像処理プログラム | |
| CN112581556B (zh) | 多能ct图像硬化校正方法、装置、计算机设备和存储介质 | |
| Pakdel et al. | Restoration of thickness, density, and volume for highly blurred thin cortical bones in clinical CT images | |
| Nielsen et al. | Magnetic resonance-based computed tomography metal artifact reduction using Bayesian modelling | |
| JP5892501B1 (ja) | 相関ノイズを除去する拡張視野反復再構成法 | |
| Kim et al. | A blind-deblurring method based on a compressed-sensing scheme in digital breast tomosynthesis | |
| Thaler et al. | Volumetric reconstruction from a limited number of digitally reconstructed radiographs using cnns |
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 |