医学图像的降噪的制作方法

文档序号:6596104阅读:691来源:国知局
专利名称:医学图像的降噪的制作方法
医学图像的降噪相关申请本申请要求享有根据美国专利法35U. S. C. § 119(e)的申请日为2009年6月M 日的美国临时专利申请61/219,857的权益。本申请也要求享有申请日为2008年12月25 日的PCT专利申请PCT/IL2008/001679的优先权,该申请的公开号为W02009/081410,该申请要求享有根据美国专利法35U. S. C. § 119(e)的申请日为2007年12月25日的美国临时专利申请61/016,578的权益。上述专利申请文件的所有内容都以其整体引入在此作为参考。本发明的技术领域与
背景技术
本发明,在它的一些实施例中,涉及一种用于处理图像以产生降噪的以及其它想要的特征的图像的方法与系统,尤其是,但不完全是,涉及一种处理CT图像的方法,考虑到噪声在图像中的非均一分布,和/或采用采用非线性滤波器来保持精细的图像细节。文献 E. H. Adelson, CH. Anderson , J.R.Bergen, PJ. Burt and J. Μ. Ogden," Pyramid methods in image processing" ,RCA Engineer,29-6,Nov. 1984, 描述了一种融合以不同相机焦距设置拍摄的某个场景的两个图像的方法,该方法采用了图像的拉普拉斯金字塔分解。文献 Hui Li,B. S. Manjunath, and S. K. Mitra, “ Multi-sensor image fusion using the wavelet transform“ in Proceedings of IEEE International Conference on Image I^rocessing,1994,描述了相同区域的不同图像的融合,采用不同类型的传感器来获得,该方法采用小波变换代替拉普拉斯金字塔。由北京大学重离子物理研究所(中国北京,邮编100871)于2001年所发表的报告 Yu Lifeng, Zu Donglin, Wan Weidong 与 Bao Shanglian, “ Multi-Modality Medical Image Fusion Based on Wavelet Pyramid and Evaluation"描述了一禾中融合两个医学图像的方法,这些图像是采用不同的图像形态特征来获得的,例如,CT和MRI,或PET和MRI,
采用小波金字塔。文献 Hassam El-Din Moustafa and Sameh Rehan, “ Applying Image Fusion Techniques for Detection of Hepatic Lesions “ Proceedings of the 6th WSEAS International Conference on Wavelet Analysis & Multirate Systems, Bucharest, Romania,October 16-18,2006,pages 41-44,比较了釆用不同方法融合CT和MRI图像的结果,这些方法包括拉普拉斯金字塔、小波变换、计算有效像素级图像融合方法、以及基于空间频率的多焦点技术。文献Richard Alan Peters II," A New Algorithm for Image Noise Reduction using Mathematical Morphology“,IEEE Trans. Image Processing 4,554-568(1995),描述了一种形态图像清洗算法,当去噪时保留薄特征。该方法通过形态大小分布而计算了在一定数量的不同场景上的残留图像,并丢弃了在不同残留图像内判断为包含噪声的区域, 所提供的噪声具有比薄特征更小的动态范围。Gamier等人的美国专利申请US2008/0310695描述了一种对MRI图像去噪的方法,釆用本地自适应非线性噪声滤波器,考虑了在MRI图像中理论上预期的噪声水平的空间变化。 Toth的美国专利申请US2008/0118W8描述了生成模拟图像的方法,将预设量的人工产生的噪声加入图像中。下列出版物和专利涉及图像处理噪声降低、图像采集和/或计算机视觉
US2007/053477-一锥形束CT成像与扇束CT成像的全局去噪方法与装置;
KR2005-0031210-——图像去噪的方法与装置;
JP2000-050109-一用于去除噪声的非线性图像滤波器;
US6,459,755——-用于低剂量给药CT扫描的方法与装置;
US2003/099405-一带有计算有效实施的CT剂量减薄滤波器;
EP1 774 837——-活性剂量减薄装置与方法;
JP2001-39874一一用于MRI的磁场发生器;
WO2007/047599-一用于高增益磁共振的方法与装置;
Steven Haker, Lei Zhu, Allen Tannenbaum, and Sigurd Angenent, "Optimal
Mass Transport for Registration and Warping”,International Journal of Computer Vision, Volume 60, Issue 3(December 2004), Pages 225-240 ;Yossi Rubner, Carlo Tomasi, and J.Leonidas Guibas,“A Metric for Distributions with Applications to Image Databases”,ICIP 1998,Pages 59-66 ;Belongie Serge, Jitendra Malik, and Puzicha Jan, “Shape Matching and Object Recognition Using Shape Contexts,,, IEEE T-PAMI, Volume 24, No. 4, (April 2002);Robert Osada, Thomas Funkhouser, Bernard Chazelle, and David Dobkin, "Matching 3D Models with Shape Distributions,,,Proceedings of the International Conference on Shape Modeling & Applications 2001,Pages 154—166;P. J. Burt and E. H. Adelson,“The Laplacian Pyramid as a Compact Image Code,,,IEEE Trans, on Communications, pp. 532-540,April 1983 ;Iddo Drori, Daniel Cohen-Or, and Hezy Yeshurun,"Fragment based image completion”, ACM Transactions on Graphics 22(3), (Proc. of SIGGRAPH 2003), 303-312 ;John Goutsias and Henk J.A. M. Heijmans,“Nonlinear Multiresolution Signal Decomposition Schemes-Part I :Morphological Pyramids”,IEEE Trans, on Image Processing, Vol. 9,No. 11,November 2000 ;John Goutsias and Henk J.A. M. Heijmans, “Nonlinear Multiresolution Signal Decomposition Schemes-Part II :Morphological Wavelets”,IEEE Trans.on Image Processing, Vol. 9,No. 11,November 2000 ;Jean Serra,“Image Analysis and Mathematical Morphology”,1982 ;A. J. Britten,M. Crotty,H. Kiremidjian, A. Grundy, and E. J. Adam,"The addition of computer simulated noise to investigate radiation dose and image quality in images with spatial correlation of statistical noise :an example application to
7X-ray CT of the brain,,,The British Journal of Radiology, 77 (2004), 323-328 ;C. Tomasi and R. Manduchi, “Bilateral filtering for gray and color images,,,in Proceedings of the 6th International Conference in Computer Vision(ICCV),1998,pp. 839-846 ;J. Weickert, "Coherence-Enhancing Diffusion Filtering,,,International Journal of Computer Vision,31(2-3), pp.111-127,1999 ;A. Buades,B. Coll,and J. -M. Morel, "On image denoising methods",Centre de Mathematiques et de Leurs Applications (CMLA) publication No. 2004-15,2004 ;P. Coupeet al, "Fast Non Local Means Denoising for 3D MR Images,,,9th International Conference on MICCAI 2006, R. Larsen, M. Nielsen, J. Sporring(eds.), Lecture Notes in Computer Science, Vol. 4191, pp. 33—40, Copenhagen, Denmark, Oct. 2006 ;Μ. Mahmoudi and G. Sapiro, "Fast Image and Video Denoising via Nonlocal Means Of Similar Neighborhoods,,,IEEE Signal Processing letters 12, 839-842(2005);A. Heiderzadeh and A. N. Avanaki, "An Enhanced Nonlocal-Means Algorithm for Image Denoising,"Proc. IEEE 9th International Symposium on Signal Processing and its Applications (ISSPA' 07),pp. 1-4, Sharjah, UAE,2007 ;N. Azzabou et al, " Image Denoising Based on Adaptive Dictionary Computation,"Proceedings of IEEE International Conference on Image Processing, 2007.

发明内容
本发明所涉及的一种用于处理医学图像(例如CT图像)以产生带有特定的想要的特征的输出图像的方法和系统的一些实施方式的一些方面,包括一个或多个降低噪声、 期望水平和空间分布的噪声、期望的分辨率、和/或保持精细细节和结构,当噪声和/或分辨率被降低时。根据本发明所述的一个示例性实施例,提供了一种产生在特定分辨率的去噪医学图像的方法,包括a)对在比特定分辨率更高的分辨率获得的原始医学图像进行去噪;以及b)在去噪后,采用非线性分辨率降低程序将所述图像的分辨率降低至特定分辨率,该非线性分辨率降低程序保持图像中的比线性分辨率降低程序所产生的更精细的细节。可选地,所述原始医学图像是三维图像,包括原始厚度的较薄的切片,且降低分辨率包括采用非线性程序来融合多个较薄的切片,以获得带有较厚的切片的图像。可选地,所述非线性程序包括a)将较薄的切片分解为带通成分;b)对于至少一些带通成分,将较薄的切片成分结合成一定程度的较厚的切片成分,对较厚的切片成分增加更多权重,使该成分具有更高振幅;以及
c)对于每个较厚的切片,重新组装较厚的切片带通成分,以产生在特定分辨率的图像。可选地,将较薄的切片成分结合成一定程度的较厚的切片成分,对较厚的切片成分增加更多权重,使该成分具有更高振幅的步骤是至少对于带通成分完成的,除了包含更低频率内容的成分之外;对于这种带通成分以及在所有较薄的切片之间,当被结合为同样的较厚的切片时,带有最大绝对值的较薄的切片成分具有低于极限值的绝对值。附加地或可选择地,原始医学图像是三维图像,包括在切片方向上排列的切片,且降低分辨率的步骤包括降低在切片方向上的分辨率,但不降低在沿着每个切片的方向上的分辨率。可选地,所述的非线性分辨率降低程序包括带通分解程序。可选地,所述的带通分解程序包括拉普拉斯金字塔分解程序。可选择地,所述的带通分解程序包括小波转换程序。可选地,对原始医学图像进行去噪的步骤包括a)对于在所述图像中正被检验的每个像素,选择一组检索像素;b)计算每个检索像素的邻域的至少一个特征的值,以及计算正被检验的像素的邻域的对应特征的值;c)计算每个检索像素的相同或不同邻域的至少一个其它特征的值,以及计算正被检验的像素的相同或不同邻域的对应特征的值;以及d)基于图像的检索像素的原始或转换的灰度值,计算每个正被检验像素的降低的噪声灰度值,对于带有一个或多个类似于正被检验的像素的特征值的检索像素,该降低的噪声灰度值具有更大的灵敏度。根据本发明所述的一个示例性实施例,提供了一种产生在特定分辨率的去噪医学图像的系统,包括a)对于三维医学图像,用于获得原始数据的医学成像装置,能获得至少比特定分辨率更高的分辨率;b)控制器,按程序从原始数据中重建所述图像的切片,重建后图像处于更高的分辨率,以使图像去噪,并采用非线性程序通过将较薄的切片融合形成较厚的切片而将该去噪图像的分辨率降低至特定分辨率,该非线性程序包括i)将较薄的切片分解为带通成分;ii)对于至少一些带通成分,将较薄的切片成分结合成一定程度的较厚的切片成分,对较厚的切片成分增加更多权重,使该成分具有更高振幅;以及iii)对于每个较厚的切片,重新组装较厚的切片带通成分,以产生在特定分辨率的图像。根据本发明所述的一个示例性实施例,提供了一种将移除的结构复原为去噪的医学图像的方法,包括a)对原始医学图像进行去噪,以产生去噪的图像;b)找到残留的图像,该图像取决于在去噪图像与原始图像之间的差异;c)对残留图像采用非本地平滑滤波器,以获得过滤的残留图像,该图像指示在该残留图像中结构程度与位置的函数关系;以及
d)通过一个量改变在去噪图像中的每个体素的灰度值来复原结构,所述的量取决于在残留图像的相应位置的结构程度,也取决于在残留图像或过滤的残留图像内的相应位置的灰度值。可选地,所述复原结构的步骤包括将加权或未加权的过滤的残留图像增加到去噪图像。可选地,所述方法还包括从过滤的残留图像中找到在残留图像中与位置成函数关系的结构程度的测量值,其中,所述复原结构的步骤包括将由一个适应参数加权的残留图像或过滤的残留图像增加到去噪图像,该适应参数局部地取决于与位置成函数关系的结构程度的测量值。可选地,所述从过滤的残留图像中找到在残留图像中与位置成函数关系的结构程度的测量值的步骤包括找到结构张量、海森矩阵或两者的一个或多个特征值。可选地,所述非本地的平滑滤波器包括非线性的边缘保留滤波器。可选地,所述非线性的边缘保留滤波器包括非线性的各向异性扩散滤波器。可选地,所述非线性的各向异性扩散滤波器包括Beltrami流滤波器。可选择地或附加地,所述非线性的各向异性扩散滤波器包括相干增强扩散(CED) 滤波器。可选地,对于大多数位置,关于残留图像或过滤的残留图形或两者的灰度值,在结构程度更大的位置上的灰度值的改变是比在结构程度更小的位置上的灰度值的改变更灵敏。根据本发明所述的一个示例性实施例,提供了一种用于产生带有被复原的移除结构的去噪医学图像的系统,包括a)对于医学图像,用于获得原始数据的医学成像装置;b)控制器,按程序从原始数据中重建医学图像,以使图像去噪,以找到残留图像, 该图像取决于在去噪图像与原始图像之间的差异,以对该残留图像采用非本地平滑滤波器,以获得过滤的残留图像,该图像指示在残留图像中与位置成函数关系的结构程度,并通过一个量改变在去噪图像中的每个体素的灰度值来复原结构,所述的量取决于在残留图像的相应位置的结构程度,也取决于在残留图像或过滤的残留图像内的相应位置的灰度值。根据本发明所述的一个示例性实施例,还提供了一种产生带有特定量值和分布的噪声的去噪医学图像的方法,包括a)从原始医学图像中移除噪声,以产生初始去噪图像;以及b)将一部分已移除的噪声加入到所述初始去噪图像,以产生带有关于噪声的特定量值和分布的去噪图像。可选地,所述加入一部分已移除的噪声的步骤包括a)选择空间变化的加权的参数,会获得噪声的特定量值和分布;以及b)根据所述加权的参数,找到原始图像和初始去噪图像的加权的总量。可选地,选择空间变化的加权的参数的步骤包括计算原始图像和初始去噪图像的本地标准偏差。可选地,从原始医学图像中移除噪声的步骤包括根据本发明的前述示例性实施例的方法将已移除的结构复原到所述初始去噪图像。
10
可选地,加入噪声的步骤包括乘以空间变化的参数(或信封)来加入原始图像, 该参数取决于噪声的特定量值和分布。根据本发明所述的一个示例性实施例,还提供了一种用于产生带有特定量值和分布的噪声的去噪医学图像的系统,包括a)对于医学图像,用于获得原始数据的医学成像装置;b)控制器,按程序从原始数据中重建医学图像,以使图像去噪,并将一部分已移除的噪声加入到初始去噪图像,以产生带有关于噪声的特定量值和分布的去噪图像。根据本发明所述的一个示例性实施例,还提供了一种使医学图像去噪的方法,包括a)对于在所述图像中的多个选择的体素的每个体素,评估在该体素周围的大邻域内的噪声水平,通过以下步骤i)对于在落入灰度水平的选择范围的大邻域内的至少一些体素,找到在围绕该体素的小邻域内的灰度水平的变化程度;ii)设置该噪声水平等于在子集中的体素的变化的程度的平均水平;b)从对于所选择的体素的评估的噪声水平中找到在图像中与位置成函数关系的噪声;以及c)采用去噪算法使图像去噪,该去噪算法利用与位置成函数关系的噪声水平。根据本发明所述的一个示例性实施例,还提供了一种采用在图像中与位置成函数关系的已知噪声水平来使医学图像去噪的方法,对于在所述图像中的每个体素,包括a)对于所述体素,选择一组对照体素;b)计算在所述体素相关联的邻域与每个对照体素相关联的邻域之间的相似测量值;c)找到对照体素的灰度水平的加权平均值,对于每个对照体素的权重取决于它的邻域的相似测量值,标准化到一个值,该值取决于在所述体素的位置的噪声水平,也取决于在所述对照体素的位置的噪声水平,或取决于两者的噪声水平;以及d)根据所述对照体素的灰度水平的加权平均值来改变所述体素的灰度水平。可选地,计算相似测量值的步骤包括计算所述体素的邻域的特征的值,以及计算所述对照体素的邻域的相应特征的值。根据本发明所述的一个示例性实施例,还提供了使图像锐化的方法,包括a)计算与图像中的位置成函数关系的图像的灰度值变化的本地程度;以及b)对该图像应用锐化滤波器,其中由该滤波器产生的锐化程度是低于在较高的所测量的变化程度的位置的锐化程度。除非另作定义,这里所采用的素有技术术语和/或科学术语都具有本发明所涉及领域的技术人员所熟知的普通含义。与这里所描述的方法和材料的类似或等同的方法和材料都可被用于本发明的实施例的实施或测试,下面给出了示例性的方法和/或材料。在发生冲突时,本专利说明书包括这些定义,都会控制。另外,所有材料、方法和例子都仅是示例性的,而不试图作为对本发明的限制。本发明的实施方式的方法和/或系统的执行,可涉及手动、自动或两者结合地执行或完成所选择的任务。而且,根据本发明所述的方法和/或系统的实际设备和装置的实
11施例,可通过硬件、软件或固件或它们的结合,采用操作系统来执行几种选择的任务。例如,用于执行根据本发明所述的实施例的选择任务的硬件可以是以芯片或电路的方式实施。对于软件,本发明所述的实施例的选择任务可采用任意合适的操作系统通过计算机来执行多个软件指令来实施。在本发明的一个示例性实施例中,根据这里所描述的方法和/或系统的示例的一个或多个任务是通过数据处理器来执行,例如,用于执行多个指令的计算平台。可选地,该数据处理器包括用于存储指令和/或数据的易失性存储器,和 /或用于存储指令和/或数据的非易失性存储器,例如,磁性硬盘和/或可移动介质。可选地,还提供了网络连接。显示器和/或用户输入设备例如键盘或鼠标也可选地提供。附图的简要说明在这里仅通过实施例并结合所附的附图来描述本发明的一些实施方式。现在特别详细参考有关附图,需要强调的是,通过实施例的方式来显示特别内容,用于说明本发明的实施例的示例性讨论的目的。在这方面,本说明书采用附图使本领域技术人员能清楚地了解本发明的实施方式。在这些附图中图IA显示了根据本发明的一个示例性实施例所述的对医学图像去噪的方法的流程图;图IB示意性地显示了根据图IA所示的方法用于获取医学图像和对该图像减噪的医学成像系统;图2显示了范围压缩函数的图,可选地用于对医学图像进行预处理,采用如图IA 所示的方法;图3A示意性地显示了一个没有噪声的二维图像,而图:3B示意性地显示了增加了噪声的同一图像,该图像带有选择的像素和邻域,以显示用于降低图像噪声的算法,该算法可被用于图IA所示的方法;图4A示意性地显示了图;3B所示的图像和选择的像素和邻域,与类似于根据用于在图像中降噪的一个算法所选择的其它像素在一起,该算法可被用于图IA所示的方法中;图4B示意性地显示了图;3B所示的图像和选择的像素和邻域,与类似于根据用于在图像中降噪的另一个算法所选择的其它像素在一起,该算法可被用于图IA所示的方法中;图5是用于在图像中降噪的方法的流程图,该方法可被用于图IA所示的方法中;图6A是采用相对低的X-射线剂量制作的噪声CT图像;图6B显示了图6A所示的图像,带有采用图5所示方法降低的噪声;以及图6C是一个低噪声CT图像,类似于在图6A中所示的图像,但采用相对高的X-射线剂量来制作。
具体实施方式
详述本发明,在它的一些实施例中,涉及一种用于处理图像以产生降噪的以及其它想要的特征的图像的方法与系统,尤其是,但不完全是,涉及一种处理CT图像的方法,考虑到噪声在图像中的非均一分布,和/或采用采用非线性滤波器来保持精细的图像细节。本发明的一些实施例的一个方面是涉及一种对医学图像去噪的方法,其中,该去噪是在高空间分辨率下进行的,例如,原始图像是在该高空间分辨率获取的,例如,通过CT
12机获得的图像。然后,去噪图像被向下转换为较低分辨率,可选地采用非线性下采样算法, 该算法保持精细的细节,比线性下采样算法更好。较低的分辨率是指,例如,放射科医生通常检查CT图像的分辨率。在现有技术中,在通常的去噪程序中,去噪是在图像已经被转换为低分辨率之后进行的。本发明的一些实施例的一个方面是涉及一种复原结构到去噪图像的方法,其中, 去噪算法在去除噪声的同时已经从该图像中移除了一些结构。残留的图像,在原始图像与去噪图像之间的差异,可选地被过滤以去除噪声和增强边缘,被完全或部分地加回到已去噪的图像中。在本发明的一个示例性实施例中,在图像中的每个位置,用于残留图像的相对权重取决于在该残留图像中的结构程度,或者在原始或去噪图像中的该位置的结构程度。 例如,在某个有低的结构程度的位置,可给予残留图像小的权重或不给权重,而在某个有高的结构程度的位置,可给予该残留图像相对大量的权重,可选地,给予该残留图像最大权重,该权重轻微或者根本不增加结构的程度。可选地,用于残留图像的相对权重也取决于在原始或残留图像中的每个位置的本地噪声水平,例如,对具有较高噪声水平的残留图像采用较低权重。本发明的一些实施例的一个方面是涉及一种产生带有特定量值和分布的噪声的去噪图像的方法。例如,特定量值和分布的噪声可以是由放射科医生在检查CT图像时所期望的量值和分布的噪声,以便使该图像比完全去噪的图像看起来更自然。该特定量值和分布的噪声是通过加入噪声到该图像来获得的,带有空间信封,这样会获得想要的量值和分布的噪声。可选地,该噪声是通过平均原始图像与去噪图像而获得的,采用空间变化加权参数。本发明的一些实施例的一个方面是涉及一种产生使图像去噪的方法,其中,去噪算法采用与图像中的位置成函数关系的噪声水平的测量。例如,噪声水平是在给出的体素处查明的,通过看围绕该体素的一个大窗口。在该大窗口内,仅考虑在一定范围内的体素的灰度值。该范围可选地取决于正被成像的组织,例如,仅考虑对于该组织的在中间范围内的体素。对于这些体素的每个体素,在小窗口内查明变化的本地测量的灰度值,例如,标准偏差。进行变化的一组子集的测量,变化的测量的结果低于特定的分位数,进行在子集的变化的测量的平均,以找到对于大窗口的本地噪声水平。作为与图像中的位置成函数关系的噪声水平是通过采用对于分布在该图像中的多个体素的这个方法来查明的,并可选地内插以覆盖整个图像。一旦该噪声水平是已知的与图像中的位置成函数关系,可采用这里所描述的其他程序,来根据本地噪声水平最优化或改善程序本身的性能。本发明的一些实施例的一个方面是涉及一种使图像去噪的方法,其中,与图像中的位置成函数关系的噪声水平是被用于去噪算法中。例如,该去噪算法是一个“非本地平均”(NLM)类型的算法,其中,围绕给出体素的补码是与围绕在该图像的另一处的对照体素的补码进行比较,并对于这连个补码进行类似测量。基于在给出体素的本地噪声水平、在对照体素的本地噪声水平,或者它们两者,计算由于噪声导致的在类似测量中所期待的变化, 并用于使该类似测量标准化。在现有技术的NLM算法中,取决于体素的位置的恒定噪声水平已经被用于使类似测量标准化。对于对照体素,基于标准化的类似测量,查明一个权重, 也查明对照体素的灰度值的加权平均。然后,基于对照体素的灰度值的加权平均,改变该给出体素的灰度值。可选地,通过上述的程序查明与图像中位置成函数关系的噪声水平。
本发明的一些实施例的一个方面是涉及一种锐化图像的方法,其中,变化的本地程度的灰度值,例如本地标准偏差的灰度值,是作为在图像中位置的函数关系来查明的。然后,对该图像应用锐化滤波器,但锐化的程度是取决于变化的本地程度的灰度值。当变化的本地程度的灰度值越大时,采用越小的锐化程度。所得到的图像在锐化边缘可具有相对少的或者没有视觉假象,与线性锐化滤波器相比,后者对于给出的平均锐化程度会产生更多的视觉假象。总的来说,在图像处理文献中,术语“像素(pixel) ”是用于表示二维图像的一个元素,而“体素(voxel)”是用于表示二维图像的一个元素。因为这里所描述的方法总体上既可用于二维图像,也可用于三位图像,这里所采用的术语“像素”和“体素”不应理解为将本说明书限制为二维图像或三维图像的例子。除非另有特别说明,这里所采用的术语“像素” 和“体素”应被理解为应用于任意例子的通用术语,它们通常可交替使用。在医学成像模式中,例如CT或MRI,它是定制的,当显示一个图像时,绘制该图像密度,例如在一个CT图像中以豪森菲尔德单位(HU)表示的密度,以表明亮度水平或从黑到白的灰度值范围,对于感兴趣的特定的密度范围。术语“灰度值”也可用于指图像密度,用于成像模式的图像密度的范围之外,该图像密度是在图像处理的中间步骤中产生的,例如一个负数。此外,这里所使用的术语“灰度值”不仅是指黑白图像的亮度,还是指彩色图像中任意色彩变量的程度,例如,在彩色图像中的红、绿或蓝,或者彩色图像的亮度或饱和度。 在诸如CT或MRI图像的医学图像中,通常只显示一种单一密度变量,例如HU密度、T1或T2 加权密度,它被绘制为灰度显示的亮度水平,而在本例中,“灰度值”是特别倾向于,但这里所述的方法并不限制于它们对医学图像或对黑自图像的适用性。这里所描述的降低噪声方法法可被特别用于医学图像,因为医学图像通常具有相对高的噪声水平,由于在噪声水平和图像采集参数(例如,X-射线剂量或MRI采集时间) 之间通常有折中,施加经济或安全惩罚以用于降低噪声。而且,因为医学图像总体上没有在“光照”差别,一个像素的邻域的特征通常是它的真实灰度值的号的指示。这是特别真实的,因为医学图像倾向于具有类似结构,在该图像的不同部分重复出现,有时带有改变的尺度或方向。举例来说,这里所描述的方法可被应用在图像采集设备或它的工作站(例如,CT 机、MRI机、超声成像机)上,应用在图像处理站和/或通过网络连接到远程位置或远程服务器。在详细解释本发明的至少一个实施例之前,需要明确的是,本发明并不必然限制其申请在以下说明中的详细描述的内容。本发明能采用多种不同方式实施或执行的其他实施例。去噪方法的概述现在参考附图,图IA显示了一个流程

图1000,显示了根据本发明的示例性实施例所述的用于产生降低噪声的图像的程序。该程序是对于采用CT图像而开发的,除了可用于处理CT图像外,也可被用于处理其他医学图像,或者其他类型的图像。不同类型的医学图像,以及非医学图像,具有不同的特征,这些特征可以使该程序的特定实施更适合于它们。 诸如CT和MRI图像等的医学图像不依赖于普通非医学图像处理的“光照”方法,它们的噪声水平和噪声的空间分布可以是一致的,并可从一个图像预期到另一个图像。
在步骤1002,通过一个医学成像设备(例如CT机)获得高分辨率和有噪声的3D 原始图像I。在图IB中原理地显示了用于获得这样的图像和对图像去噪的系统500。采用控制器506,例如计算机,或者与成像设备相关联的指定电路,从由成像设备502从一个病人504上获得的原始数据来重构该图像。该控制器也可以执行任意或者全部下面所述的去噪程序。在本发明的一些实施例中,物理上分离的计算机或者电路可执行不同部分的去噪和/或图像重构程序,但它们在这里都是全部用来作为控制器。可选地,诸如显示器等输出设备508显示去噪图像,而诸如键盘或控制台等输入设备510被用于控制成像程序和/或成像设备。再参见图1A,在步骤1004,原始图像I被可选地采用非线性滤波器来过滤,导致获得标示为C的预处理图像,以后将用于比较在去噪程序中的补码。当在常规CT图像中最感兴趣的密度范围是相对小时,例如-50HU至+100HU豪森菲尔德单位(HU),这里全范围是-1000HU至+4000HU,可在图像I的非线性过滤之前进行可选范围的压缩程序。根据预期的噪声模式对图像的“预变白”,定义在下面的标题为“预处理的图像”的章节A,也是可选地进行的。在CT图像中,由于获取机制和光束硬化,噪声总体上在空间不是均勻分布的,通过一种方法使X-射线的非单色光束增加穿透身体的平均能量,因为更柔和的X-射线被优先吸收了。可选地,该去噪程序采用根据在该CT图像的每个点的本地噪声特征的空间依赖参数,这些参数在步骤1006中被评估。可选地,在预处理该图像之前,或者在预处理该图像的同时,评估本地噪声特征。然而,先进行预处理是有优势的,例如,如果本地噪声特征是基于在预处理的图像中的“变白噪声”,而不是基于在原始图像中的“有色噪声”时。这些术语在下面标题为“预处理的图像”的章节A中进行定义。在步骤1008中,在图像上进行非本地平均(NLM)类型的去噪程序。总的来说,NLM 程序是通过找到类似于在给出的体素周围的补码的补码来对在图像中的给出体素进行去噪的。该体素的去噪值是计算为这些补码的中间体素的加权平均值,其中,该权重是与在这些补码之间的一些类似度量成比例关系的。除了 NLM程序之外,也可采用本领域已知的其他去噪程序,取代NLM去噪程序或者作为NLM去噪程序的补充。在基于NLM程序的特征中,类似度量是基于从这些补码中抽取的多种特征,其中, 这些特征可基于图像C和图像I。该类似度量也可取决于在步骤1006中评估的参数。图像 D是在执行了基于NLM程序之后的去噪图像。在步骤1008中采用的NLM程序可以是某个特征类型的NLM程序,例如基于下面标题为“在NLM去噪算法中采用的示例性类型的特征”中描述的特征的NLM程序,以及相关的公开于PCT申请W02009/081410的内容,或者在例如上面所引用的早期文献中关于去噪图像所描述的类型的NLM程序。在步骤1010中,已经在去噪程序中从图像中移除的结构被可选地复原到该图像。 即使在去噪后,也可能从残留图像R= I-D中复原附加的特征,该图像含有大多数已经移除的噪声,但也包含一些空间上可区别的结构。相干增强扩散(CED)或类似滤波器是可选地用于找到那些结构,这些滤波器对残留图像进行非线性平滑处理。可选地,过滤的残留图像 S不是直接加到图像D,但可以乘以参数α,该参数可取决于图像D的本地特征。图像D' = D+aS是在复员后的去噪图像。在步骤1012中,噪声是可选地加入到图像中。对于习惯于在CT图像中特定水平
15的噪声的放射科医生来说,去噪图像有时看起来不自然。在图像D'与图像I之间的平均对于放射科医生看起来更自然。这样一个图像的例子是E= β ' +(1-β)Ι,其中,β是精选的以致所得到的图像E具有一些特定标准偏差的噪声模式,而β可在该图像上变化。 可选地,图像D'也可被存储,用于后面的可能的应用,在该图像中,附加的噪声可以是不利的,例如,如果放射科医生想要在更高分辨率缩小一部分图像时。在步骤1014中,可选地降低了该图像的分辨率。放射科医生通常在比由CT扫描仪所获得的原始图像的分辨率更低的分辨率检查常规的CT图像。分辨率的最终降低是可选地采用非线性降低程序来执行的。该分辨率降低程序是被设计为保持比图像的线性过滤和采样更多的细节。去噪方法的细节下面提供了流程图100的每个程序的更多细节。图像获得在日常实践中,由放射科医生检查的CT图像通常具有约2. 5mm的轴分辨率(切片厚度)。然而,大多数现代CT机的天然轴分辨率是约0. 6mm。因此,由CT机获得的原始数据是比由临床以上所看到的更高分辨率的数据。通常不在日常实践中利用该高分辨率数据, 由于它包含高的噪声水平,且它需要更长的阅读时间。在临床常规中检查的每个低分辨率切片包含从在原始图像中一定数量的切片整合的数据。这里所述的去噪程序和相关的图像处理方法可选地采用高分辨率数据,这些数据通常在CT机中获得,并包含更多信息。在完成处理之后,可选地产生较低分辨率图像,供放射科医生检查。在本发明的示例性实施例中,在临床轴分辨率与原始轴分辨率之间的差异是以以下两种途径之一或同时来充分利用第一,较丰富的数据组被用作输入到图像处理算法。由于高信息内容,该算法是潜在地可产生更精确的结果。第二,可选地对处理的图像以非线性方式进行下采样,以产生较低分辨率的图像,潜在地保留在原始图像中可用的精细的细节。预处理的图像在预处理阶段,预处理的图像C是可选地从原始图像I中计算的。该预处理的图像是可选地用于在去噪程序中的补码的比较。一个基础的去噪算法可写成下式
A YuiXj-^ixi,Xj)Xi=^' t———,
XljHxi, Xj)这里,天是第i个体素的去噪值,而权重w(Xi,Xj)是基于在围绕图像I的体素Xi和 Xj的补码之间的距离的特征的函数。更多去噪算法可选地比较在原始图像I的补码与预处理的图像C的补码
Λ T .Xj ·W(Ixi5Ci)5(^5Cy))Xi = -ψ—-——————
^jWdxi,C1],{Xj,C j})预处理的图像C是可选地采用下面的步骤来从图像I进行重构A.根据噪声模式的有色噪声的预变白CT噪声可被近似地模式化为附加的有色高斯噪声,也就是,由一些滤波器过滤的白色高斯噪声,该滤波器被表示为噪声-色彩滤波器。优选地可对图像进行预变白处理,通
16过应用维纳滤波器,该滤波器试图转化噪声着色的操作,因此产生含有白色噪声的图像,该噪声不是空间相关的。这种类型的噪声已经在文献中广泛研究,且可以是比有色噪声更容易去除的。可选地,通过计算来自均一仿真的CT图像的协方差矩阵来评估噪声-色彩滤 ^^Ι, A. J. Britten, Μ. Crotty, H. Kiremidjian, A. Grundy, and Ε. J. Adam, “The addition of computer simulated noise to investigate radiation dose and image quality in images with spatial correlation of statistical noise :an example application to X-ray CT of the brain,,,The British Journal of Radiology, 77 (2004),323-328中描述的方法。B.范围压缩CT图像的动态范围通常是在约-1000HU (空气)至+4000HU (金属)之间。然而,在 OHU至100HU之间的范围是更为重要的考虑范围,相比于例如在1000HU至1500HU之间的范围,因为第一个范围区分了软组织,而第二个范围表示更致密的组织,例如骨。此外,诸如骨等致密组织通常是用更宽的密度窗口来检查的,这导致噪声不那么可视。放射科医生通常检查脑CT图像,其密度窗口约为OHU至+80HU,而肝CT图像的密度窗口为-15HU至+155HU。 在图像C采用灰度转换是有优势的,这样扩展了软组织范围,而压缩了 -1000HU至-200HU 的范围,并在+300HU之上。例如,灰度水平转换可以是原始密度χ的下列函数y :
权利要求
1.一种产生在特定分辨率的去噪医学图像的方法,包括a)对在比特定分辨率更高的分辨率获得的原始医学图像进行去噪;以及b)在去噪后,采用非线性分辨率降低程序将所述图像的分辨率降低至特定分辨率,该非线性分辨率降低程序保持图像中的比线性分辨率降低程序所产生的更精细的细节。
2.根据权利要求1所述的方法,其特征在于所述原始医学图像是三维图像,包括原始厚度的较薄的切片,且降低分辨率包括采用非线性程序来融合多个较薄的切片,以获得带有较厚的切片的图像。
3.根据权利要求2所述的方法,其特征在于所述非线性程序包括a)将较薄的切片分解为带通成分;b)对于至少一些带通成分,将较薄的切片成分结合成一定程度的较厚的切片成分,对较厚的切片成分增加更多权重,使该成分具有更高振幅;以及c)对于每个较厚的切片,重新组装较厚的切片带通成分,以产生在特定分辨率的图像。
4.根据权利要求3所述的方法,其特征在于所述将较薄的切片成分结合成一定程度的较厚的切片成分,对较厚的切片成分增加更多权重,使该成分具有更高振幅的步骤是至少对于带通成分完成的,除了包含更低频率内容的成分之外;对于这种带通成分以及在所有较薄的切片之间,当被结合为同样的较厚的切片时,带有最大绝对值的较薄的切片成分具有低于极限值的绝对值。
5.根据权利要求1至4之一所述的方法,其特征在于原始医学图像是三维图像,包括在切片方向上排列的切片,且降低分辨率包括降低在切片方向上的分辨率,但不降低在沿着每个切片的方向上的分辨率。
6.根据权利要求1至5之一所述的方法,其特征在于所述的非线性分辨率降低程序包括带通分解程序。
7.根据权利要求6所述的方法,其特征在于所述的带通分解程序包括拉普拉斯金字塔分解程序。
8.根据权利要求6所述的方法,其特征在于所述的带通分解程序包括小波转换程序。
9.根据权利要求1至8之一所述的方法,其特征在于,对原始医学图像进行去噪的步骤包括a)对于在所述图像中正被检验的每个像素,选择一组检索像素;b)计算每个检索像素的邻域的至少一个特征的值,以及计算正被检验的像素的邻域的对应特征的值;c)计算每个检索像素的相同或不同邻域的至少一个其它特征的值,以及计算正被检验的像素的相同或不同邻域的对应特征的值;以及d)基于图像的检索像素的原始或转换的灰度值,计算每个正被检验像素的降低的噪声灰度值,对于带有一个或多个类似于正被检验的像素的特征值的检索像素,该降低的噪声灰度值具有更大的灵敏度。
10.一种用于产生在特定分辨率的去噪的医学图像的系统,包括a)对于三维医学图像,用于获得原始数据的医学成像装置,能获得至少比特定分辨率更高的分辨率;b)控制器,按程序从原始数据中重建所述图像的切片,重建后图像处于更高的分辨率,以使图像去噪,并采用非线性程序通过将较薄的切片融合形成较厚的切片而将该去噪图像的分辨率降低至特定分辨率,该非线性程序包括i)将较薄的切片分解为带通成分;ii)对于至少一些带通成分,将较薄的切片成分结合成一定程度的较厚的切片成分,对较厚的切片成分增加更多权重,使该成分具有更高振幅;以及iii)对于每个较厚的切片,重新组装较厚的切片带通成分,以产生在特定分辨率的图像。
11.一种将移除的结构复原为去噪的医学图像的方法,包括a)对原始医学图像进行去噪,以产生去噪的图像;b)找到残留的图像,该图像取决于在去噪图像与原始图像之间的差异;c)对残留图像采用非本地平滑滤波器,以获得过滤的残留图像,该图像指示在该残留图像中结构程度与位置的函数关系;以及d)通过一个量改变在去噪图像中的每个体素的灰度值来复原结构,所述的量取决于在残留图像的相应位置的结构程度,也取决于在残留图像或过滤的残留图像内的相应位置的灰度值。
12.根据权利要求11所述的方法,其特征在于,所述复原结构的步骤包括将加权或未加权的过滤的残留图像增加到去噪图像。
13.根据权利要求11所述的方法,其特征在于,还包括从过滤的残留图像中找到在残留图像中与位置成函数关系的结构程度的测量值,其中,所述复原结构的步骤包括将由一个适应参数加权的残留图像或过滤的残留图像增加到去噪图像,该适应参数局部地取决于与位置成函数关系的结构程度的测量值。
14.根据权利要求13所述的方法,其特征在于,所述从过滤的残留图像中找到在残留图像中与位置成函数关系的结构程度的测量值的步骤包括找到结构张量、海森矩阵或两者的一个或多个特征值。
15.根据权利要求11至14之一所述的方法,其特征在于对原始医学图像进行去噪的步骤包括a)对于在所述图像中正被检验的每个像素,选择一组检索像素;b)计算每个检索像素的邻域的至少一个特征的值,以及计算正被检验的像素的邻域的对应特征的值;c)计算每个检索像素的相同或不同邻域的至少一个其它特征的值,以及计算正被检验的像素的相同或不同邻域的对应特征的值;以及d)基于图像的检索像素的原始或转换的灰度值,计算每个正被检验像素的降低的噪声灰度值,对于带有一个或多个类似于正被检验的像素的特征值的检索像素,该降低的噪声灰度值具有更大的灵敏度。
16.根据权利要求11至15之一所述的方法,其特征在于所述非本地的平滑滤波器包括非线性的边缘保留滤波器。
17.根据权利要求16所述的方法,其特征在于所述非线性的边缘保留滤波器包括非线性的各向异性扩散滤波器。
18.根据权利要求17所述的方法,其特征在于所述非线性的各向异性扩散滤波器包括Beltrami流滤波器。
19.根据权利要求17或18所述的方法,其特征在于所述非线性的各向异性扩散滤波器包括相干增强扩散(CED)滤波器。
20.根据权利要求11至19之一所述的方法,其特征在于对于大多数位置,关于残留图像或过滤的残留图形或两者的灰度值,在结构程度更大的位置上的灰度值的改变是比在结构程度更小的位置上的灰度值的改变更灵敏。
21.一种用于产生带有被复原的移除结构的去噪医学图像的系统,包括a)对于医学图像,用于获得原始数据的医学成像装置;b)控制器,按程序从原始数据中重建医学图像,以使图像去噪,以找到残留图像,该图像取决于在去噪图像与原始图像之间的差异,以对该残留图像采用非本地平滑滤波器,以获得过滤的残留图像,该图像指示在残留图像中与位置成函数关系的结构程度,并通过一个量改变在去噪图像中的每个体素的灰度值来复原结构,所述的量取决于在残留图像的相应位置的结构程度,也取决于在残留图像或过滤的残留图像内的相应位置的灰度值。
22.—种产生带有噪声的特定量值和分布的去噪医学图像的方法,包括a)从原始医学图像中移除噪声,以产生初始去噪图像;以及b)将一部分已移除的噪声加入到所述初始去噪图像,以产生带有关于噪声的特定量值和分布的去噪图像。
23.根据权利要求22所述的方法,其特征在于,所述加入一部分已移除的噪声的步骤包括a)选择空间变化的加权的参数,会获得噪声的特定量值和分布;以及b)根据所述加权的参数,找到原始图像和初始去噪图像的加权的总量。
24.根据权利要求23所述的方法,其特征在于,所述选择空间变化的加权的参数的步骤包括计算原始图像和初始去噪图像的本地标准偏差。
25.根据权利要求22至M之一所述的方法,其特征在于,所述从原始医学图像中移除噪声的步骤包括根据权利要求11所述的方法将已移除的结构复原到所述初始去噪图像。
26.根据权利要求22至25之一所述的方法,其特征在于,所述加入噪声的步骤包括 乘以空间变化的参数来加入原始图像,该参数取决于噪声的特定量值和分布。
27.一种用于产生带有噪声的特定量值和分布的去噪医学图像的系统,包括a)对于医学图像,用于获得原始数据的医学成像装置;b)控制器,按程序从原始数据中重建医学图像,以使图像去噪,并将一部分已移除的噪声加入到初始去噪图像,以产生带有关于噪声的特定量值和分布的去噪图像。
28.一种使医学图像去噪的方法,包括a)对于在所述图像中的多个选择的体素的每个体素,评估在该体素周围的大邻域内的噪声水平,通过以下步骤i)对于在落入灰度水平的选择范围的大邻域内的至少一些体素,找到在围绕该体素的小邻域内的灰度水平的变化程度; )设置该噪声水平等于在子集中的体素的变化的程度的平均水平;b)从对于所选择的体素的评估的噪声水平中找到在图像中与位置成函数关系的噪声;以及c)采用去噪算法使图像去噪,该去噪算法利用与位置成函数关系的噪声水平。
29.一种采用在图像中与位置成函数关系的已知噪声水平来使医学图像去噪的方法, 对于在所述图像中的每个体素,包括a)对于所述体素,选择一组对照体素;b)计算在所述体素相关联的邻域与每个对照体素相关联的邻域之间的相似测量值;c)找到对照体素的灰度水平的加权平均值,对于每个对照体素的权重取决于它的邻域的相似测量值,标准化到一个值,该值取决于在所述体素的位置的噪声水平,也取决于在所述对照体素的位置的噪声水平,或取决于两者的噪声水平;以及d)根据所述对照体素的灰度水平的加权平均值来改变所述体素的灰度水平。
30.根据权利要求四所述的方法,其特征在于,所述计算相似测量值的步骤包括计算所述体素的邻域的特征的值,以及计算所述对照体素的邻域的相应特征的值。
31.根据权利要求观所述的方法,其特征在于,所述使图像去噪的步骤包括根据权利要求四所述的方法来对图像去噪。
全文摘要
一种产生在特定分辨率的去噪医学图像的方法,包括a)对在比特定分辨率更高的分辨率获得的原始医学图像进行去噪;以及b)在去噪后,采用非线性分辨率降低程序将所述图像的分辨率降低至特定分辨率,该非线性分辨率降低程序保持图像中的比线性分辨率降低程序所产生的更精细的细节。
文档编号G06T5/00GK102203826SQ200980153645
公开日2011年9月28日 申请日期2009年12月24日 优先权日2008年12月25日
发明者伊利兰·达昂, 兹维·德维尔, 埃泽尔·巴拉维夫, 塔尔·克尼希, 盖伊·罗斯曼 申请人:梅迪奇视觉成像解决方案有限公司
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1