CN110189386B - 医学图像处理方法、装置、存储介质及计算机设备 - Google Patents
医学图像处理方法、装置、存储介质及计算机设备 Download PDFInfo
- Publication number
- CN110189386B CN110189386B CN201910371448.7A CN201910371448A CN110189386B CN 110189386 B CN110189386 B CN 110189386B CN 201910371448 A CN201910371448 A CN 201910371448A CN 110189386 B CN110189386 B CN 110189386B
- Authority
- CN
- China
- Prior art keywords
- image
- parameters
- initial
- processing
- protocol group
- 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
- 238000012545 processing Methods 0.000 title claims abstract description 129
- 238000003672 processing method Methods 0.000 title claims abstract description 11
- 238000012958 reprocessing Methods 0.000 claims abstract description 88
- 238000003384 imaging method Methods 0.000 claims abstract description 74
- 238000012937 correction Methods 0.000 claims description 88
- 238000001914 filtration Methods 0.000 claims description 66
- 238000000034 method Methods 0.000 claims description 55
- 238000003709 image segmentation Methods 0.000 claims description 30
- 230000009467 reduction Effects 0.000 claims description 30
- 238000004590 computer program Methods 0.000 claims description 23
- 230000011218 segmentation Effects 0.000 claims description 20
- 238000007781 pre-processing Methods 0.000 claims description 7
- 230000000694 effects Effects 0.000 abstract description 9
- 230000005855 radiation Effects 0.000 abstract description 4
- 210000000481 breast Anatomy 0.000 description 9
- 238000007689 inspection Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 206010006187 Breast cancer Diseases 0.000 description 2
- 208000026310 Breast neoplasm Diseases 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 238000003325 tomography Methods 0.000 description 2
- 208000030270 breast disease Diseases 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000002059 diagnostic imaging Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000009607 mammography Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Images
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
- G06T11/005—Specific pre-processing for tomographic reconstruction, e.g. calibration, source positioning, rebinning, scatter correction, retrospective gating
-
- 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
- G06T11/008—Specific post-processing after tomographic reconstruction, e.g. voxelisation, metal artifact correction
-
- 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
本申请涉及一种医学图像处理方法、装置、存储介质及计算机设备，获取待处理的初始图像，以及初始图像对应的成像协议组类型；获取目标图像参数，目标图像参数与初始图像的当前图像参数不同；根据目标图像参数，通过成像协议组类型对应的图像重处理策略对初始图像进行重处理，得到重建图像。在得到初始断层图像后，若不满足预期的图像效果，可以根据目标图像参数，对已拍摄的初始图像进行重处理，得到图像效果更好的重建图像，而无需再次对患者进行X射线拍摄，从而可以避免对患者造成额外的辐射影响。
Description
技术领域
本申请涉及图像处理技术领域，特别是涉及一种医学图像处理方法、装置、存储介质及计算机设备。
背景技术
乳腺癌是一种严重威胁女性健康的重要疾病，近年来，随着医疗成像技术的发展，乳腺癌的检测诊断准确率也在逐渐提高。其中，数字乳腺断层摄影(Digital BreastTomosynthesis，DBT)是乳腺疾病最基本和首选的影像检查方式。
在诊断过程中，医生通过对患者进行数字乳腺断层X射线拍摄以获取该患者的数字乳腺断层图像，然而，在拍摄过程中，当医生对当前断层图像的图像效果不满意时，需要再次对患者进行X射线拍摄以得到图像效果更好的断层图像，从而需要增加额外的拍摄工作，并且也会对患者造成额外的辐射影响。
发明内容
基于此，有必要针对现有技术存在的问题，提供一种无需额外拍摄即可改善图像效果的医学图像处理方法、装置、存储介质及计算机设备。
一种医学图像处理方法，包括：
获取待处理的初始图像，以及所述初始图像对应的成像协议组类型；
获取目标图像参数，所述目标图像参数与所述初始图像的当前图像参数不同；
根据所述目标图像参数，通过所述成像协议组类型对应的图像重处理策略对所述初始图像进行重处理，得到重建图像。
在其中一个实施例中，所述初始图像包括二维图像以及三维图像。
在其中一个实施例中，还包括：对所述初始图像进行预处理；
所述预处理具体包括：对所述初始图像进行图像分割处理，并对分割后的图像进行负片操作以及设备误差校准。
在其中一个实施例中，所述目标图像参数包括：分割参数、降噪参数以及增强参数；
根据所述目标图像参数，通过所述成像协议组类型对应的图像重处理策略对所述初始图像进行重处理，得到重建图像，包括：
当所述成像协议组类型为Mammo协议组时，根据所述分割参数，对所述初始图像进行图像分割处理；
根据所述降噪参数，对图像分割处理后的图像进行图像降噪处理；
根据所述增强参数，对图像降噪处理后的图像进行图像增强处理，得到重建图像。
在其中一个实施例中，所述目标图像参数包括滤波参数、滤波校正参数、伪影校正参数以及反投影参数；
根据所述目标图像参数，通过所述成像协议组类型对应的图像重处理策略对所述初始图像进行重处理，得到重建图像，包括：
当所述成像协议组类型为Tomo协议组时，根据所述滤波参数，对所述初始图像进行滤波处理；
根据所述滤波校正参数，对滤波处理后的图像进行滤波校正处理；
根据所述伪影校正参数，对滤波校正处理后的图像进行X射线衰减伪影校正处理；
根据所述反投影参数，对X射线衰减伪影校正处理后的图像进行反投影重建，得到重建图像。
在其中一个实施例中，所述目标图像参数包括分割参数、降噪参数、增强强参数、滤波参数、滤波校正参数、伪影校正参数以及反投影参数；
根据所述目标图像参数，通过所述成像协议组类型对应的图像重处理策略对所述初始图像进行重处理，得到重建图像，包括：
当所述成像协议组类型为Combo协议组时，对所述初始图像中的二维图像执行第一重处理，对所述初始图像中的三维图像执行第二重处理；
所述第一重处理，包括：
根据所述分割参数，对所述二维图像进行图像分割处理；
根据所述降噪参数，对图像分割处理后的图像进行图像降噪处理；
根据所述增强参数，对图像降噪处理后的图像进行图像增强处理，得到重建图像；
所述第二重处理，包括：
根据所述滤波参数，对所述三维图像进行滤波处理；
根据所述滤波校正参数，对滤波处理后的图像进行滤波校正处理；
根据所述伪影校正参数，对滤波校正处理后的图像进行X射线衰减伪影校正处理；
根据所述反投影参数，对X射线衰减伪影校正处理后的图像进行反投影重建，得到重建图像。
在其中一个实施例中，所述目标图像参数包括投影参数；
根据所述目标图像参数，通过所述成像协议组类型对应的图像重处理策略对所述初始图像进行重处理，得到重建图像，包括：
当所述成像协议组类型为U-View协议组时，根据所述投影参数，对所述初始图像进行最大密度投影，得到重建图像。
一种医学图像处理装置，包括：
图像获取模块，用于获取待处理的初始图像，以及所述初始图像对应的成像协议组类型；
参数获取模块，用于获取目标图像参数，所述目标图像参数与所述初始图像的当前图像参数不同；
图像处理模块，用于根据所述目标图像参数，通过所述成像协议组类型对应的图像重处理策略对所述初始图像进行重处理，得到重建图像。
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上述方法的步骤。
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上述的方法的步骤。
上述医学图像处理方法、装置、存储介质及计算机设备，获取待处理的初始图像，以及初始图像对应的成像协议组类型；获取目标图像参数，目标图像参数与初始图像的当前图像参数不同；根据目标图像参数，通过成像协议组类型对应的图像重处理策略对初始图像进行重处理，得到重建图像。在得到初始断层图像后，若不满足预期的图像效果，可以根据目标图像参数，对已拍摄的初始图像进行重处理，得到图像效果更好的重建图像，当应用于DBT时，无需再次对患者进行X射线拍摄，从而可以避免对患者造成额外的辐射影响。
附图说明
图1为一个实施例中医学图像处理方法的流程示意图；
图2为一个实施例中采用FFDM方法进行图像重处理的流程示意图；
图3为一个实施例中采用FBP方法进行图像重处理的流程示意图；
图4为一个实施例中医学图像处理装置的结构示意图；
图5为一个实施例中本申请技术方案的应用实例图；
图6为一个实施例中计算机设备的内部结构图。
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。
本申请提出一种医学图像处理方法，可以应用于多种医疗图像的图像处理。为了便于解释说明，本申请各实施例中以乳腺断层图像为例，对本申请的技术方案进行解释说明，可以理解，本申请中的技术方案并不仅仅局限于乳腺断层图像。
在一个实施例中，如图1所示，提供一种医学图像处理方法，以该方法应用于可以进行医学图像处理的处理器为例进行解释说明，该方法包括以下步骤：
步骤S100，获取待处理的初始图像，以及初始图像对应的成像协议组类型。
初始图像是指需要进行重处理的图像。具体地，初始图像可以是乳腺断层图像，当对患者进行数字乳腺断层X射线(DBT)拍摄并得到对应的医学图像之后，若发现拍摄过程中存在技师摆位操作错误，或者，医师对当前得到的医学图像不满意，则需要对该医学图像进行重处理以使得处理后图像的图像质量符合或满足医生预期期望，此时，该医学图像可以认为是待处理的初始图像。初始图像的成像协议组类型可以根据初始图像的图像信息得到。
步骤S200，获取目标图像参数，目标图像参数与初始图像的当前图像参数不同。
目标图像参数是指图像质量符合或满足医生预期期望的图像(即目标图像)对应的参数，当前图像参数是指需要进行重处理的图像(即初始图像)对应的参数，由于初始图像与目标图像的图像质量不同，因此，目标图像的目标图像参数也与初始图像的当前图像参数不同。
步骤S300，根据目标图像参数，通过成像协议组类型对应的图像重处理策略对初始图像进行重处理，得到重建图像。
处理器在获取待处理的初始图像、对应的成像协议组类型、以及目标图像参数之后，根据该目标图像参数，通过成像协议组类型对应的图像重处理策略对初始图像进行重处理，从而得到图像质量符合或满足医生预期期望的重建图像。
本申请提供一种医学图像处理方法，在得到初始断层图像后，若不满足预期的图像效果，可以根据目标图像参数，对已拍摄的初始图像进行重处理，得到图像质量或效果更好的重建图像，当应用于DBT时，无需再次对患者进行X射线拍摄，从而可以避免对患者造成额外的辐射影响。
在一个实施例中，初始图像包括二维图像以及三维图像。
二维图像是指包含宽度和高度、不包含深度信息的平面图像，对应的，三维图像是指同时包含宽度、高度和深度的立体图像。在对患者进行数字乳腺断层X射线(DBT)拍摄时，由于成像协议组的不同，其对应的成像类型也不同，例如，对于Mammo协议组，其对应的成像类型包括二维图像；对于Tomo协议组，其对应的成像类型包括二维图像；对于Combo协议组，其对应的成像类型包括二维图像以及三维图像；对于U-View协议组，其对应的成像类型包括三维图像。
在一个实施例中，还包括：对初始图像进行预处理。预处理具体包括：对初始图像进行图像分割处理，并对分割后的图像进行负片操作以及设备误差校准。通过对初始图像进行预处理，可以消除图像中无关的信息(例如伪影等)，恢复有用的真实信息，增强有关信息的可检测性和最大限度地简化数据，从而改进特征抽取、匹配和识别的可靠性。
在一个实施例中，当成像协议组类型为Mammo协议组时，图像重建处理为对二维图像的重处理，对应的图像重处理策略包括FFDM(full-field digital mammography，全视野数字乳腺X线摄影)方法，通过FFDM方法进行图像重处理时，目标图像参数包括：分割参数、降噪参数以及增强参数。
如图2所示，当采用FFDM方法进行图像重处理时，根据目标图像参数，通过成像协议组类型对应的图像重处理策略对初始图像进行重处理，得到重建图像，包括步骤S312至步骤S316：
步骤S312，根据分割参数，对初始图像进行图像分割处理；
步骤S314，根据降噪参数，对图像分割处理后的图像进行图像降噪处理；
步骤S316，根据增强参数，对图像降噪处理后的图像进行图像增强处理，得到重建图像。
在一个实施例中，当成像协议组类型为Tomo协议组时，图像重建处理为对二维图像的三维重建处理，对应的图像重处理策略包括FBP(filtered backprojection，滤波反投影)方法，FBP算法是在傅立叶变换理论基础之上的一种空域处理技术，特点是在反投影前将每一个采集投影角度下的投影进行卷积处理，从而改善点扩散函数引起的形状伪影，重建的图像质量较好。通过FBP方法进行图像重处理时，目标图像参数包括滤波参数、滤波校正参数、伪影校正参数以及反投影参数。
如图3所示，当采用FBP方法进行图像重处理时，根据目标图像参数，通过成像协议组类型对应的图像重处理策略对初始图像进行重处理，得到重建图像，包括步骤S322至步骤S328：
步骤S322，根据滤波参数，对初始图像进行滤波处理；
步骤S324，根据滤波校正参数，对滤波处理后的图像进行滤波校正处理；
步骤S326，根据伪影校正参数，对滤波校正处理后的图像进行X射线衰减伪影校正处理；
步骤S328，根据反投影参数，对X射线衰减伪影校正处理后的图像进行反投影重建，得到重建图像。
在一个实施例中，当成像协议组类型为Combo协议组时，图像重建处理为对二维图像以及三维图像的重处理，对应的图像重处理策略包括FFDM方法以及FBP方法，通过FFDM方法以及FBP方法进行图像重处理时，目标图像参数包括分割参数、降噪参数、增强强参数、滤波参数、滤波校正参数、伪影校正参数以及反投影参数；
当采用FFDM方法以及FBP方法进行图像重处理时，根据目标图像参数，通过成像协议组类型对应的图像重处理策略对初始图像进行重处理，得到重建图像，包括：对初始图像中的二维图像执行第一重处理，对初始图像中的三维图像执行第二重处理。
具体地，第一重处理，包括：根据分割参数，对二维图像进行图像分割处理；根据降噪参数，对图像分割处理后的图像进行图像降噪处理；根据增强参数，对图像降噪处理后的图像进行图像增强处理，得到重建图像。
第二重处理，包括：根据滤波参数，对三维图像进行滤波处理；根据滤波校正参数，对滤波处理后的图像进行滤波校正处理；根据伪影校正参数，对滤波校正处理后的图像进行X射线衰减伪影校正处理；根据反投影参数，对X射线衰减伪影校正处理后的图像进行反投影重建，得到重建图像。
在一个实施例中，当成像协议组类型为U-View协议组时，图像重建处理为对三维图像的重处理，对应的图像重处理策略包括MIP(maximum intensity projection，最大密度投影)方法，通过MIP方法进行图像重处理时，目标图像参数包括投影参数；当采用MIP方法进行图像重处理时，根据目标图像参数，通过成像协议组类型对应的图像重处理策略对初始图像进行重处理，得到重建图像，包括：根据投影参数，对初始图像进行最大密度投影，得到重建图像。
可以理解，在对各协议组类型的初始图像进行重建处理时，并不限定对应的重处理方法，除了本申请所提供的方法外，也可以采用其他类型的重处理方法。
在合理条件下应当理解，虽然前文各实施例涉及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，各流程图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4所示，提供一种医学图像处理装置，该装置包括：图像获取模块100、参数获取模块200以及图像处理模块300。
图像获取模块100用于获取待处理的初始图像，以及初始图像对应的成像协议组类型；
参数获取模块200用于获取目标图像参数，目标图像参数与初始图像的当前图像参数不同；
图像处理模块300用于根据目标图像参数，通过成像协议组类型对应的图像重处理策略对初始图像进行重处理，得到重建图像。
在一个实施例中，初始图像包括二维图像以及三维图像。
在一个实施例中，还包括：图像预处理模块，用于对初始图像进行预处理，具体包括：对初始图像进行图像分割处理，并对分割后的图像进行负片操作以及设备误差校准。
在一个实施例中，目标图像参数包括：分割参数、降噪参数以及增强参数；图像处理模块还用于：当成像协议组类型为Mammo协议组时，根据分割参数，对初始图像进行图像分割处理；根据降噪参数，对图像分割处理后的图像进行图像降噪处理；根据增强参数，对图像降噪处理后的图像进行图像增强处理，得到重建图像。
在一个实施例中，目标图像参数包括滤波参数、滤波校正参数、伪影校正参数以及反投影参数；图像处理模块还用于：当成像协议组类型为Tomo协议组时，根据滤波参数，对初始图像进行滤波处理；根据滤波校正参数，对滤波处理后的图像进行滤波校正处理；根据伪影校正参数，对滤波校正处理后的图像进行X射线衰减伪影校正处理；根据反投影参数，对X射线衰减伪影校正处理后的图像进行反投影重建，得到重建图像。
在一个实施例中，目标图像参数包括分割参数、降噪参数、增强强参数、滤波参数、滤波校正参数、伪影校正参数以及反投影参数；图像处理模块还用于：当成像协议组类型为Combo协议组时，对初始图像中的二维图像执行第一重处理，对初始图像中的三维图像执行第二重处理；第一重处理，包括：根据分割参数，对二维图像进行图像分割处理；根据降噪参数，对图像分割处理后的图像进行图像降噪处理；根据增强参数，对图像降噪处理后的图像进行图像增强处理，得到重建图像；第二重处理，包括：根据滤波参数，对三维图像进行滤波处理；根据滤波校正参数，对滤波处理后的图像进行滤波校正处理；根据伪影校正参数，对滤波校正处理后的图像进行X射线衰减伪影校正处理；根据反投影参数，对X射线衰减伪影校正处理后的图像进行反投影重建，得到重建图像。
在一个实施例中，目标图像参数包括投影参数；图像处理模块还用于：当成像协议组类型为U-View协议组时，根据投影参数，对初始图像进行最大密度投影，得到重建图像。
关于医学图像处理装置的具体限定可以参见上文中对于医学图像处理方法的限定，在此不再赘述。上述医学图像处理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，如图5所示，为本申请的应用实例图。其中，框架主要包括MarkChangeFE(图像重处理UI)、ImageReprocess(图像重处理后端)、APR(数据库)、ExamFE(检查UI)、ExamBE(检查后端)、PipeLine(图像处理模块)。技术方案的实现过程主要包括以下步骤：
(1)启动图像重处理UI(UI，User Interface，用户界面)。当需要进行图像重处理时，用户可以通过控制端启动图像重处理UI；
(2)、通信后端，获取算法。图像重处理UI与图像重处理后端通信，获取可以选择的重建算法。通信内容包括处理图像的协议组类型以及具体的协议类型；
(3)、根据协议类型获取相应的算法模板。图像重处理后端根据图像重处理UI发送的协议类型获取对应的算法模板；
(4)、从数据库中获得算法。图像重处理后端根据获取的算法模板从数据库中获取算法；
(5)、以protobuff传送给FE，并显示。图像重处理后端将获取的算法发送至图像重处理UI进行显示。信息可以通过protobuff协议进行发送；
(6)、传送需要处理的算法和协议信息。图像重处理UI将获取的算法进行显示，在用户根据显示的算法选择合适的处理算法之后，图像重处理UI将用户选择的算法发送至图像重处理后端；
(7)、将协议和算法信息以struct传送给检查后端。图像重处理后端将用户选择的算法以及协议信息通过struct的数据格式发送至检查后端；
(8)、将需要处理的协议和算法信息传送给图像处理模块。检查后端将接收的算法以及协议信息发送至图像处理模块；
(9)、通知处理图像完成。图像处理模块根据接收的算法以及协议信息对初始图像进行重处理，并在重处理完成后，将重建图像发送至检查后端；
(10)、关闭UI，并锁屏。检查后端接收到重建图像后，说明图像重处理完成，此时向图像重处理UI输出关闭以及锁屏的指令；
(11)、将处理后的图像加载到检查UI。检查后端接收到重建图像后，还将该重建图像发送至检查UI，以便用户对重建图像进行检查处理。
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：获取待处理的初始图像，以及初始图像对应的成像协议组类型；获取目标图像参数，目标图像参数与初始图像的当前图像参数不同；根据目标图像参数，通过成像协议组类型对应的图像重处理策略对初始图像进行重处理，得到重建图像。
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：对初始图像进行预处理；预处理具体包括：对初始图像进行图像分割处理，并对分割后的图像进行负片操作以及设备误差校准。
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：当成像协议组类型为Mammo协议组时，根据分割参数，对初始图像进行图像分割处理；根据降噪参数，对图像分割处理后的图像进行图像降噪处理；根据增强参数，对图像降噪处理后的图像进行图像增强处理，得到重建图像。
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：当成像协议组类型为Tomo协议组时，根据滤波参数，对初始图像进行滤波处理；根据滤波校正参数，对滤波处理后的图像进行滤波校正处理；根据伪影校正参数，对滤波校正处理后的图像进行X射线衰减伪影校正处理；根据反投影参数，对X射线衰减伪影校正处理后的图像进行反投影重建，得到重建图像。
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：当成像协议组类型为Combo协议组时，对初始图像中的二维图像执行第一重处理，对初始图像中的三维图像执行第二重处理；第一重处理，包括：根据分割参数，对二维图像进行图像分割处理；根据降噪参数，对图像分割处理后的图像进行图像降噪处理；根据增强参数，对图像降噪处理后的图像进行图像增强处理，得到重建图像；第二重处理，包括：根据滤波参数，对三维图像进行滤波处理；根据滤波校正参数，对滤波处理后的图像进行滤波校正处理；根据伪影校正参数，对滤波校正处理后的图像进行X射线衰减伪影校正处理；根据反投影参数，对X射线衰减伪影校正处理后的图像进行反投影重建，得到重建图像。
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：当成像协议组类型为U-View协议组时，根据投影参数，对初始图像进行最大密度投影，得到重建图像。
图6示出了一个实施例中计算机设备的内部结构图。该计算机设备具体可以是终端(或服务器)。如图6所示，该计算机设备包括该计算机设备包括通过系统总线连接的处理器、存储器、网络接口、输入装置和显示屏。其中，存储器包括非易失性存储介质和内存储器。该计算机设备的非易失性存储介质存储有操作系统，还可存储有计算机程序，该计算机程序被处理器执行时，可使得处理器实现视频码率控制方法以及视频转码方法。该内存储器中也可储存有计算机程序，该计算机程序被处理器执行时，可使得处理器执行视频码率控制方法以及视频转码方法。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，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6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。
在一个实施例中，提供了一种计算机可读存储介质，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：获取待处理的初始图像，以及初始图像对应的成像协议组类型；获取目标图像参数，目标图像参数与初始图像的当前图像参数不同；根据目标图像参数，通过成像协议组类型对应的图像重处理策略对初始图像进行重处理，得到重建图像。
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：对初始图像进行预处理；预处理具体包括：对初始图像进行图像分割处理，并对分割后的图像进行负片操作以及设备误差校准。
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：当成像协议组类型为Mammo协议组时，根据分割参数，对初始图像进行图像分割处理；根据降噪参数，对图像分割处理后的图像进行图像降噪处理；根据增强参数，对图像降噪处理后的图像进行图像增强处理，得到重建图像。
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：当成像协议组类型为Tomo协议组时，根据滤波参数，对初始图像进行滤波处理；根据滤波校正参数，对滤波处理后的图像进行滤波校正处理；根据伪影校正参数，对滤波校正处理后的图像进行X射线衰减伪影校正处理；根据反投影参数，对X射线衰减伪影校正处理后的图像进行反投影重建，得到重建图像。
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：当成像协议组类型为Combo协议组时，对初始图像中的二维图像执行第一重处理，对初始图像中的三维图像执行第二重处理；第一重处理，包括：根据分割参数，对二维图像进行图像分割处理；根据降噪参数，对图像分割处理后的图像进行图像降噪处理；根据增强参数，对图像降噪处理后的图像进行图像增强处理，得到重建图像；第二重处理，包括：根据滤波参数，对三维图像进行滤波处理；根据滤波校正参数，对滤波处理后的图像进行滤波校正处理；根据伪影校正参数，对滤波校正处理后的图像进行X射线衰减伪影校正处理；根据反投影参数，对X射线衰减伪影校正处理后的图像进行反投影重建，得到重建图像。
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：当成像协议组类型为U-View协议组时，根据投影参数，对初始图像进行最大密度投影，得到重建图像。
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，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。
以上所述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发明的几种实施方式，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，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种医学图像处理方法，其特征在于，包括：
获取待处理的初始图像，以及所述初始图像对应的成像协议组类型；所述成像协议组类型包括Mammo协议组、Tomo协议组、Combo协议组、以及U-View协议组中的至少一种；
获取目标图像参数，所述目标图像参数与所述初始图像的当前图像参数不同；
根据所述目标图像参数，通过所述成像协议组类型对应的图像重处理策略对所述初始图像进行重处理，得到重建图像。
2.根据权利要求1所述的方法，其特征在于，所述初始图像包括二维图像以及三维图像。
3.根据权利要求1所述的方法，其特征在于，还包括：对所述初始图像进行预处理；
所述预处理具体包括：对所述初始图像进行图像分割处理，并对分割后的图像进行负片操作以及设备误差校准。
4.根据权利要求1所述的方法，其特征在于，所述目标图像参数包括：分割参数、降噪参数以及增强参数；
根据所述目标图像参数，通过所述成像协议组类型对应的图像重处理策略对所述初始图像进行重处理，得到重建图像，包括：
当所述成像协议组类型为Mammo协议组时，根据所述分割参数，对所述初始图像进行图像分割处理；
根据所述降噪参数，对图像分割处理后的图像进行图像降噪处理；
根据所述增强参数，对图像降噪处理后的图像进行图像增强处理，得到重建图像。
5.根据权利要求1所述的方法，其特征在于，所述目标图像参数包括滤波参数、滤波校正参数、伪影校正参数以及反投影参数；
根据所述目标图像参数，通过所述成像协议组类型对应的图像重处理策略对所述初始图像进行重处理，得到重建图像，包括：
当所述成像协议组类型为所述Tomo协议组时，根据所述滤波参数，对所述初始图像进行滤波处理；
根据所述滤波校正参数，对滤波处理后的图像进行滤波校正处理；
根据所述伪影校正参数，对滤波校正处理后的图像进行X射线衰减伪影校正处理；
根据所述反投影参数，对X射线衰减伪影校正处理后的图像进行反投影重建，得到重建图像。
6.根据权利要求1所述的方法，其特征在于，所述目标图像参数包括分割参数、降噪参数、增强参数、滤波参数、滤波校正参数、伪影校正参数以及反投影参数；
根据所述目标图像参数，通过所述成像协议组类型对应的图像重处理策略对所述初始图像进行重处理，得到重建图像，包括：
当所述成像协议组类型为所述Combo协议组时，对所述初始图像中的二维图像执行第一重处理，对所述初始图像中的三维图像执行第二重处理；
所述第一重处理，包括：
根据所述分割参数，对所述二维图像进行图像分割处理；
根据所述降噪参数，对图像分割处理后的图像进行图像降噪处理；
根据所述增强参数，对图像降噪处理后的图像进行图像增强处理，得到重建图像；
所述第二重处理，包括：
根据所述滤波参数，对所述三维图像进行滤波处理；
根据所述滤波校正参数，对滤波处理后的图像进行滤波校正处理；
根据所述伪影校正参数，对滤波校正处理后的图像进行X射线衰减伪影校正处理；
根据所述反投影参数，对X射线衰减伪影校正处理后的图像进行反投影重建，得到重建图像。
7.根据权利要求1所述的方法，其特征在于，所述目标图像参数包括投影参数；
根据所述目标图像参数，通过所述成像协议组类型对应的图像重处理策略对所述初始图像进行重处理，得到重建图像，包括：
当所述成像协议组类型为所述U-View协议组时，根据所述投影参数，对所述初始图像进行最大密度投影，得到重建图像。
8.一种医学图像处理装置，其特征在于，包括：
图像获取模块，用于获取待处理的初始图像，以及所述初始图像对应的成像协议组类型；所述成像协议组类型包括Mammo协议组、Tomo协议组、Combo协议组、以及U-View协议组中的至少一种；
参数获取模块，用于获取目标图像参数，所述目标图像参数与所述初始图像的当前图像参数不同；
图像处理模块，用于根据所述目标图像参数，通过所述成像协议组类型对应的图像重处理策略对所述初始图像进行重处理，得到重建图像。
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中任一项所述方法的步骤。
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中任一项所述的方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910371448.7A CN110189386B (zh) | 2019-05-06 | 2019-05-06 | 医学图像处理方法、装置、存储介质及计算机设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910371448.7A CN110189386B (zh) | 2019-05-06 | 2019-05-06 | 医学图像处理方法、装置、存储介质及计算机设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110189386A CN110189386A (zh) | 2019-08-30 |
| CN110189386B true CN110189386B (zh) | 2023-05-26 |
Family
ID=67715582
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910371448.7A Active CN110189386B (zh) | 2019-05-06 | 2019-05-06 | 医学图像处理方法、装置、存储介质及计算机设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110189386B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110866880B (zh) * | 2019-11-14 | 2023-04-28 | 上海联影智能医疗科技有限公司 | 图像伪影检测方法、装置、设备和存储介质 |
| CN111640111A (zh) * | 2020-06-10 | 2020-09-08 | 詹俊鲲 | 医学图像处理方法、装置及存储介质 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103999087A (zh) * | 2011-12-15 | 2014-08-20 | 皇家飞利浦有限公司 | 针对接收方优化的医学成像重建 |
| CN106537398A (zh) * | 2014-07-16 | 2017-03-22 | 皇家飞利浦有限公司 | Irecon:具有预估运行的智能图像重建系统 |
| CN107085860A (zh) * | 2017-05-17 | 2017-08-22 | 上海联影医疗科技有限公司 | 基于计算机断层成像系统的图像重建方法和装置 |
| CN108764370A (zh) * | 2018-06-08 | 2018-11-06 | Oppo广东移动通信有限公司 | 图像处理方法、装置、计算机可读存储介质和计算机设备 |
| CN109523584A (zh) * | 2018-10-26 | 2019-03-26 | 上海联影医疗科技有限公司 | 图像处理方法、装置、多模态成像系统、存储介质及设备 |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20080025583A1 (en) * | 2006-07-27 | 2008-01-31 | General Electric Company | System and method for on-demand visual enhancement of clinical conitions in images |
| US20120256920A1 (en) * | 2011-04-05 | 2012-10-11 | Julian Marshall | System and Method for Fusing Computer Assisted Detection in a Multi-Modality, Multi-Dimensional Breast Imaging Environment |
| US9836858B2 (en) * | 2014-09-19 | 2017-12-05 | Siemens Aktiengesellschaft | Method for generating a combined projection image and imaging device |
| KR102372214B1 (ko) * | 2015-01-19 | 2022-03-14 | 삼성전자주식회사 | 영상 처리 장치, 의료영상 장치 및 영상 처리 방법 |
-
2019
- 2019-05-06 CN CN201910371448.7A patent/CN110189386B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103999087A (zh) * | 2011-12-15 | 2014-08-20 | 皇家飞利浦有限公司 | 针对接收方优化的医学成像重建 |
| CN106537398A (zh) * | 2014-07-16 | 2017-03-22 | 皇家飞利浦有限公司 | Irecon:具有预估运行的智能图像重建系统 |
| CN107085860A (zh) * | 2017-05-17 | 2017-08-22 | 上海联影医疗科技有限公司 | 基于计算机断层成像系统的图像重建方法和装置 |
| CN108764370A (zh) * | 2018-06-08 | 2018-11-06 | Oppo广东移动通信有限公司 | 图像处理方法、装置、计算机可读存储介质和计算机设备 |
| CN109523584A (zh) * | 2018-10-26 | 2019-03-26 | 上海联影医疗科技有限公司 | 图像处理方法、装置、多模态成像系统、存储介质及设备 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110189386A (zh) | 2019-08-30 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11120582B2 (en) | Unified dual-domain network for medical image formation, recovery, and analysis | |
| CN111223066B (zh) | 运动伪影校正方法、装置、计算机设备和可读存储介质 | |
| CN109697740B (zh) | 图像重建方法、装置和计算机设备 | |
| CN111540025B (zh) | 预测用于图像处理的图像 | |
| US9646393B2 (en) | Clinically driven image fusion | |
| EP3326533B1 (en) | Tomographic device and tomographic image processing method according to same | |
| CN110084868B (zh) | 图像校正方法、装置、计算机设备和可读存储介质 | |
| CN109199422B (zh) | Ct预览图像重建优化方法、装置、计算机设备和存储介质 | |
| US10631810B2 (en) | Image processing device, radiation imaging system, image processing method, and image processing program | |
| US10013778B2 (en) | Tomography apparatus and method of reconstructing tomography image by using the tomography apparatus | |
| CN111815735B (zh) | 一种人体组织自适应的ct重建方法及重建系统 | |
| CN110717961A (zh) | 多模态图像重建方法、装置、计算机设备和存储介质 | |
| CN110189386B (zh) | 医学图像处理方法、装置、存储介质及计算机设备 | |
| CN111243052A (zh) | 图像重建方法、装置、计算机设备和存储介质 | |
| CN115311191A (zh) | 使用深度学习估计的扫描方案遮罩来生成三维解剖结构扫描的重新格式化视图 | |
| CN111904445B (zh) | 一种乳腺对比增强图像的获取及处理方法、装置 | |
| CN117594197A (zh) | 预览图生成方法、装置和电子设备 | |
| US20240233091A9 (en) | Generalizable Image-Based Training Framework for Artificial Intelligence-Based Noise and Artifact Reduction in Medical Images | |
| CN113962938A (zh) | 图像分割方法、装置、计算机设备和可读存储介质 | |
| CN106778024B (zh) | 一种图像显示方法和装置 | |
| CN116342734B (zh) | 基于ct灌注影像的运动校正和伪影筛选方法及计算机设备 | |
| CN110730977A (zh) | 低剂量成像方法及装置 | |
| Sumathi et al. | 10 Harnessing Deep | |
| CN114022374A (zh) | 图像环状伪影校正方法、系统及设备 | |
| US20180120400A1 (en) | Processing mri data |
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 | ||
| CB02 | Change of applicant information |
Address after: 201807 Shanghai City, north of the city of Jiading District Road No. 2258 Applicant after: Shanghai Lianying Medical Technology Co.,Ltd. Address before: 201807 Shanghai City, north of the city of Jiading District Road No. 2258 Applicant before: SHANGHAI UNITED IMAGING HEALTHCARE Co.,Ltd. |
|
| CB02 | Change of applicant information | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| TG01 | Patent term adjustment | ||
| TG01 | Patent term adjustment |