一种图像校正方法、装置、计算机设备及存储介质与流程

本发明实施例涉及医学图像处理技术，尤其涉及一种图像校正方法、装置、计算机设备及存储介质。

背景技术：

高场磁共振系统在临床扫描中存在严重的射频场(b1场)不匀，包括发射射频场和接收射频场分布不匀，使得图像上的亮度信息除了组织对比度外还存在额外的亮度不匀，严重影响磁共振图像质量，对临床疾病的诊断造成干扰。射频场分布在不同患者上的不匀程度和表现各不相同，所以需要对不同患者进行射频场的校正优化，校正的过程需要将图像中的射频场亮度不匀成分从图像中去除，而保留磁共振图像中的对比度信息用以诊断疾病。

在传统的射频场不匀校正算法中，一种方法是基于射频场不匀为低频分布，而图像对比度信息为高频分布的假设，不区分发射场和接收场的不匀来源，将图像中的不匀成分一起进行校正，将图像中的射频场分布信息从图像中求取出来进行校正，而不影响图像的对比度信息。但是，当面临组织或结构面积稍大的场景时，不同组织的对比度信息也将变成低频信息，无法将射频场分布从对比度信息中准确的分离出来，图像的对比度将遭到破坏，影响临床医生的诊断。

另一种方法是分别对发射场和接收场分别进行校正，通过对发射线圈各通道的幅相参数比例进行调整，使得作用在人体上的发射场趋于均匀，但因为发射线圈通道数有限，以及人体和射频场的相互作用复杂且不确定，对发射场的校正效果往往有限。接收场的校正需要对不同的患者进行快速预扫描得到体线圈图像作为相对均匀的参考图，预扫描同时采集相同扫描参数的局部线圈图像，二者相除，得到局部线圈和体线圈的接收场分布比值，可作为局部线圈接收场的近似结果进行校正。但在高场系统中体线圈图像自身往往也存在射频场的不匀问题，体线圈发射场和接收场有一定的不均匀性，所以校正效果仍残留参考图像的不匀成分。

技术实现要素：

本发明提供一种图像校正方法、装置、计算机设备及存储介质，以实现在保留图像对比度的基础上快速校正图像中由于射频场不均导致的亮度不均成分，提高图像校正的效率及校正准确度。

第一方面，本发明实施例提供了一种图像校正方法，该方法包括：

获取目标对象的待处理图像；

将所述待处理图像输入至图像亮度校正模型；

获取从所述图像亮度校正模型中输出的与所述待处理图像对应的亮度校正图像。

可选的，所述待处理图像为经过磁共振系统扫描得到的磁共振图像。

可选的，所述图像亮度校正模型为基于机器学习的网络模型。

可选的，在将所述待处理图像输入至图像亮度校正模型之前，所述方法还包括：

对所述图像亮度校正模型进行训练；

相应的，对所述图像亮度校正模型进行训练，包括：

将包含有亮度不均匀成分的第一图像和相对应的亮度均匀的第二图像作为训练样本输入至所述图像亮度校正模型进行模型训练。

可选的，所述第一图像与所述第二图像是在相同的图像扫描参数下对同一对象的相同部位扫描得到的图像。

可选的，所述第一图像和所述第二图像的采集过程包括：

获取低场磁共振系统中由局部线圈和体线圈采集的扫描图像；

将局部线圈采集的扫描图像作为所述第一图像，将体线圈采集的扫描图像中亮度均匀度最高的图像作为与所述第一图像对应的第二图像。

第二方面，本发明实施例还提供了一种图像校正装置，该装置包括：

图像获取模块，用于获取目标对象的待处理图像；

模型输入模块，用于将所述待处理图像输入至图像亮度校正模型；

校正模块，用于从所述图像亮度校正模型中输出与所述待处理图像对应的亮度校正结果。

可选的，所述待处理图像为经过磁共振系统扫描得到的磁共振图像。

可选的，所述图像亮度校正模型为基于机器学习的网络模型。

可选的，所述装置还包括：

模型训练模块，用于对所述图像亮度校正模型进行训练。

可选的，模型训练模块具体用于将包含有亮度不均匀成分的第一图像和相对应的亮度均匀的第二图像作为训练样本输入至所述图像亮度校正模型进行模型训练。

可选的，所述第一图像与所述第二图像是在相同的图像扫描参数下对同一对象的相同部位扫描得到的图像。

可选的，所述第一图像和所述第二图像的采集过程包括：

获取低场磁共振系统中由局部线圈和体线圈采集的扫描图像；

将局部线圈采集的扫描图像作为所述第一图像，将体线圈采集的扫描图像中亮度均匀度最高的图像作为与所述第一图像对应的第二图像。

第三方面，本发明实施例还提供了一种计算机设备，该计算机设备包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序；

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现本发明实施例中任一所述的图像校正方法。

第四方面，本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如发明实施例中任一所述的图像校正方法，该方法包括：

获取目标对象的待处理图像；

训练基于机器学习的图像亮度校正模型

将所述待处理图像输入至图像亮度校正模型；

获取从所述图像亮度校正模型中输出的与所述待处理图像对应的亮度校正图像。

本发明实施例，通过将获取到的目标对象的待处理图像输入至预先训练好的图像亮度校正模型，从而得到经过校正的待处理图像，相对于现有技术需要先获取目标对象的体线圈和局部线圈接收的预扫描图像，计算局部线圈和体线圈的接收场分布比值，根据比值再对图像亮度进行校正，本发明无需耗费患者在线的预扫描时间，解决现有技术中由射频场不均导致的图像亮度不均的效率低且效果不佳的问题，实现了精准的将射频场不匀的成分从图像对比度信息中提出来并去除，在保留图像对比度的基础上快速校正图像中由于射频场不均导致的亮度不均成分，提高图像校正的效率及校正准确度。

附图说明

图1a是本发明实施例一中的图像校正方法的流程图；

图1b是本发明实施例一中的磁共振图像亮度不均校正结果的示意图；

图2a是本发明实施例二中的图像校正方法的流程图；

图2b是本发明实施例二中的图像亮度校正模型训练及图像校正的示意图；

图3是本发明实施例三中的图像校正装置的结构示意图；

图4是本发明实施例四中的计算机设备的结构示意图。

具体实施方式

下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。

实施例一

图1为本发明实施例一提供的图像校正方法流程图，本实施例可适用于临床医学图像处理的情况，该方法可以由图像校正装置来执行，该装置可以集成于任何进行图像数据数据处理的设备中，可选的是与医学成像设备相连接的计算机设备。具体包括如下步骤：

s110、获取目标对象的待处理图像。

其中，目标对象为需要进行医学成像的人或动物，目标对象的待处理图像可以是经过磁共振系统扫描得到的磁共振图像。

可选地，待处理图像是在主磁场强度高于1.5t的情况下获得。由于待处理图像是在高场磁共振系统获得的，射频场分布不均导致了待处理图像的亮度不匀。需要进一步的对射频分布不均的成分进行校正。

s120、将所述待处理图像输入至图像亮度校正模型。

具体的，图像亮度校正模型为基于机器学习的网络模型。该图像亮度校正模型是经过采集大量的训练样本，利用训练样本预先训练的结果。这一图像亮度校正模型能够精准的将射频场不均匀的成分从待处理图像对比度信息中提出来并去除。该模型还可用于不同部位的图像均匀性校正，以及可用于高场系统的图像均匀性校正。

s130、获取从所述图像亮度校正模型中输出的与所述待处理图像对应的亮度校正图像。

当图像亮度校正模型中输入了待处理图像之后，相应的，该模型会输出经过校正的图像。

示例性的，可参考图1a所示的内容。图1a是实施例一中的磁共振图像亮度不均校正结果的示意图，其中，101和103为两个待处理图像，102和104则分别为对应于101和103的经过图像亮度校正模型105校正的图像。可直观的从图1a中观察到102相对于101，以及104相对于103的亮度更为均匀，图像效果更佳。

本实施例的技术方案，通过将获取到的目标对象的待处理图像输入至预先训练好的图像亮度校正模型，从而得到经过校正的待处理图像，相对于现有技术需要先获取目标对象的体线圈和局部线圈接收的预扫描图像，计算局部线圈和体线圈的接收场分布比值，根据比值再对图像亮度进行校正，本发明无需耗费患者在线的预扫描时间，解决现有技术中纠正由射频场不均导致的图像亮度不均的效率低且效果不佳的问题，实现了精准的将射频场不匀的成分从图像对比度信息中提出来并去除，在保留图像对比度的基础上快速校正图像中由于射频场不均导致的亮度不均成分，提高图像校正的效率及校正准确度。

实施例二

图2a示出了本发明实施例二提供的一种图像校正方法流程图，本实施例对上述或下述实施例中的各可选实施方式进一步优化，具体说明对图像亮度校正模型进行训练的过程，具体包括以下步骤：

s210、对图像亮度校正模型进行训练。

具体的，在模型训练过程中首先要采集大量的训练样本。针对于图像亮度校正模型，其训练样本为包含有亮度不均匀成分的第一图像和相对应的亮度均匀的第二图像。

可选地，多个训练样本对是在低场磁共振系统中获得的，其中，低场磁共振系统是指主磁场强度为小于等于1.5t的磁共振系统。具体的，获取低场磁共振系统中由局部线圈和体线圈采集的扫描图像；由于局部线圈一般放置的都离待检测部位很近，接收信号的能力较强，可以提高信噪比，这样就导致了在局部线圈覆盖部位亮度很高，其他部位亮度很低，所以图像不匀，将局部线圈采集的扫描图像作为所述第一图像；临床中体线圈与局部线圈同时使用时，体线圈只做发射线圈，但是在本实施例中，可以保留体线圈接收到的图像，将体线圈采集的扫描图像中亮度均匀度最高的图像作为与第一图像对应的第二图像。第一图像和第二图像为相同患者的相同部位经过相同图像参数扫描的到的图像，二者最显著的差异只是射频场分布均匀性的差异，从而保证了二者除均匀性以外，没有引入结构和对比度的差异。其中，相同图像参数包括例如成像扫描视野(fieldofview，fov)、人体信息对比度等。

进一步的，在获得训练样本之后，将包含有亮度不均匀成分的第一图像和相对应的亮度均匀的第二图像输入至图像亮度校正模型进行模型训练。该机器学习模型在学习过程中获取第一图像和第二图像数据之间的映射关系，根据所述映射关系确定机器学习对应的模型参数，从而得到所述基于机器学习的图像亮度校正模型。可选地，射频场包括发射场(体线圈产生)和接收场(局部线圈产生)，映射关系则包括发射场和接收场对应的均匀性校正系数。

此外，该图像亮度校正模型还可采用在线的(online)数据训练模式，将每次采集到的待校正图像作为新的数据重新训练算法模型。

s220、获取目标对象的待处理图像。

s230、将所述待处理图像输入至图像亮度校正模型。

s240、获取从所述图像亮度校正模型中输出的与所述待处理图像对应的亮度校正图像。

步骤s220-s240具体内容可参考本发明实施例一中具体内容。

图2b是图像亮度校正模型训练及图像校正的示意图，如图所示，201为训练样本中的第一图像，202是与第一图像对应的第二图像，将201与202同时输入至待训练的模型中进行深度学习，可得到图像亮度校正模型。在图像校正的过程中，可直接将目标对象的待处理图像203输入至图像亮度校正模型，从而得到有图像亮度校正模型输出的经过亮度校正的图像204。

本实施例的技术方案，通过将局部线圈采集的扫描图像作为第一图像，将体线圈采集的扫描图像中亮度均匀度最高的图像作为与第一图像对应的第二图像，并利用第一图像和第二图像对图像亮度较正模型进行训练，然后将获取到的目标对象的待处理图像输入至预先训练好的图像亮度校正模型，从而得到经过校正的待处理图像，解决现有技术中纠正由射频场不均导致的图像亮度不均的效率低且效果不佳的问题，实现了精准的将射频场不均匀的成分从图像对比度信息中提出来并去除，在保留图像对比度的基础上快速校正图像中由于射频场不均导致的亮度不均成分，提高图像校正的效率及校正准确度。

实施例三

图3示出了本发明实施例三提供的一种图像校正装置的结构示意图，该装置可以集成于任何进行图像数据数据处理的设备中，可选的是与医学成像设备相连接的计算机设备。本发明实施例可适用于临床中获取医学图像的情况。

如图3所示，该装置包括：图像获取模块310、模型输入模块320和校正模块330。

其中，图像获取模块310，用于获取目标对象的待处理图像；模型输入模块320，用于将所述待处理图像输入至图像亮度校正模型；校正模块330，用于从所述图像亮度校正模型中输出与所述待处理图像对应的亮度校正结果。

本实施例的技术方案，通过将获取到的目标对象的待处理图像输入至预先训练好的图像亮度校正模型，从而得到经过校正的待处理图像，相对于现有技术需要先获取目标对象的体线圈和局部线圈接收的预扫描图像，计算局部线圈和体线圈的接收场分布比值，根据比值再对图像亮度进行校正，本发明无需耗费患者在线的预扫描时间，解决现有技术中纠正由射频场不均导致的图像亮度不均的效率低且效果不佳的问题，实现了精准的将射频场不匀的成分从图像对比度信息中提出来并去除，在保留图像对比度的基础上快速校正图像中由于射频场不均导致的亮度不均成分，提高图像校正的效率及校正准确度。

可选的，待处理图像为经过磁共振系统扫描得到的磁共振图像。

可选的，图像亮度校正模型为基于机器学习的网络模型。

可选的，图像校正装置还包括：

模型训练模块，用于对所述图像亮度校正模型进行训练。

可选的，模型训练模块具体用于将包含有亮度不均匀成分的第一图像和相对应的亮度均匀的第二图像作为训练样本输入至所述图像亮度校正模型进行模型训练。

可选的，所述第一图像与所述第二图像是在相同的图像扫描参数下对同一对象的相同部位扫描得到的图像。

可选的，所述第一图像和所述第二图像的采集过程包括：

获取低场磁共振系统中由局部线圈和体线圈采集的扫描图像；

将局部线圈采集的扫描图像作为所述第一图像，将体线圈采集的扫描图像中亮度均匀度最高的图像作为与所述第一图像对应的第二图像。

本发明实施例所提供的图像校正装置可执行本发明任意实施例所提供的图像校正方法，具备执行方法相应的功能模块和有益效果。

实施例四

图4是本发明实施例四中的计算机设备的结构示意图。图4示出了适于用来实现本发明实施方式的示例性计算机设备412的框图。图4显示的计算机设备412仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。该计算机设备可优选为与医学成像设备相连接的计算机设备，能够直接获取到医学成像设备对目标对象进行扫描而得到的医学图像。

如图4所示，计算机设备412以通用计算设备的形式表现。计算机设备412的组件可以包括但不限于：一个或者多个处理器或者处理单元416，系统存储器428，连接不同系统组件(包括系统存储器428和处理单元416)的总线418。

总线418表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器，外围总线，图形加速端口，处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说，这些体系结构包括但不限于工业标准体系结构(isa)总线，微通道体系结构(mac)总线，增强型isa总线、视频电子标准协会(vesa)局域总线以及外围组件互连(pci)总线。示例性的，计算机设备412可以与磁共振成像设备相连接，接收磁共振成像设备采集的数据，并根据用户的输入控制磁共振成像设备的使用。

计算机设备412典型地包括多种计算机系统可读介质。这些介质可以是任何能够被计算机设备412访问的可用介质，包括易失性和非易失性介质，可移动的和不可移动的介质。

系统存储器428可以包括易失性存储器形式的计算机系统可读介质，例如随机存取存储器(ram)430和/或高速缓存存储器432。计算机设备412可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例，存储系统434可以用于读写不可移动的、非易失性磁介质(图4未显示，通常称为“硬盘驱动器”)。尽管图4中未示出，可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器，以及对可移动非易失性光盘(例如cd-rom，dvd-rom或者其它光介质)读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据介质接口与总线418相连。存储器428可以包括至少一个程序产品，该程序产品具有一组(例如至少一个)程序模块，这些程序模块被配置以执行本发明各实施例的功能。

具有一组(至少一个)程序模块442的程序/实用工具440，可以存储在例如存储器428中，这样的程序模块442包括但不限于操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块442通常执行本发明所描述的实施例中的功能和/或方法。

计算机设备412也可以与一个或多个外部设备414(例如键盘、指向设备、显示器424等)通信，还可与一个或者多个使得用户能与该计算机设备412交互的设备通信，和/或与使得该计算机设备412能与一个或多个其它计算设备进行通信的任何设备(例如网卡，调制解调器等等)通信。这种通信可以通过输入/输出(i/o)接口422进行。并且，计算机设备412还可以通过网络适配器420与一个或者多个网络(例如局域网(lan)，广域网(wan)和/或公共网络，例如因特网)通信。如图所示，网络适配器420通过总线418与计算机设备412的其它模块通信。应当明白，尽管图4中未示出，可以结合计算机设备412使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、raid系统、磁带驱动器以及数据备份存储系统等。

处理单元416通过运行存储在系统存储器428中的程序，从而执行各种功能应用以及数据处理，例如实现本发明实施例所提供的图像校正方法，该方法主要包括：

获取目标对象的待处理图像；

将所述待处理图像输入至图像亮度校正模型；

获取从所述图像亮度校正模型中输出的与所述待处理图像对应的亮度校正图像。

实施例五

本发明实施例五还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本发明实施例所提供的图像校正方法，该方法主要包括：

获取目标对象的待处理图像；

训练基于机器学习的图像亮度校正模型

将所述待处理图像输入至图像亮度校正模型；

获取从所述图像亮度校正模型中输出的与所述待处理图像对应的亮度校正图像。

本发明实施例的计算机存储介质，可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、光纤、便携式紧凑磁盘只读存储器(cd-rom)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。

计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。

计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括——但不限于无线、电线、光缆、rf等等，或者上述的任意合适的组合。

可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如java、smalltalk、c++，还包括常规的过程式程序设计语言—诸如”c”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(lan)或广域网(wan)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。

注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。