一种螺旋断层放疗图像质量提高方法与流程

本发明提供一种螺旋断层放疗图像质量提高方法，它涉及一种基于视网膜-大脑皮层理论的螺旋断层放疗图像质量提高方法，属于医学图像处理领域。

(二)

背景技术：
：

随着信息技术及医学影像成像技术的发展，医学图像处理在医学临床和科研中发挥着越来越重要的作用，有力地推动着医学科学研究和临床医疗的进步。其中，针对CT(Computed Tomography，即电子计算机断层扫描)图像的图像处理技术有着重要作用。而针对螺旋断层放疗(Tomo therapy)的兆伏级CT(MVCT，Mega-Voltage Computed Tomography)图像的图像处理的研究目前仍处于初期阶段。螺旋断层放疗是一种依托于螺旋断层放射治疗设备的癌症放射治疗方法，是当今最先进的肿瘤放射治疗技术。螺旋断层放疗是影像介导的三维调强放射治疗,它将直线加速器和螺旋整合起来,使治疗计划、患者摆位和治疗过程融为一体，能够治疗不同的靶区,从立体定向治疗小的肿瘤到全身治疗,均由单一的螺旋射线束完成，通过每次治疗所得的MVCT图像,可以观察到肿瘤剂量分布及在治疗过程中肿瘤的变化,及时调整靶体积的治疗计划。有着常规加速器放疗所无法比拟的优势,为放射治疗医师开辟了一个新的治疗平台,在调强放射治疗发展史上占有重要地位。然而，使用治疗射线获得的MVCT图像的成像会有一些局限：相对于普通的诊断CT扫描仪，MVCT需要在施用剂量和成像效果之间进行折衷。即，图像的噪声、亮度均衡性、对比度和分辨率都会受到剂量的影响，从而影响医生对患者病情的准确判断。

目前针对螺旋断层放疗图像进行处理的方法较为有限，大多将CT图像处理中的方法直接移植到螺旋断层放疗图像的处理中。常见的有像素级的线性、非线性函数操作、直方图均衡算法、带有去噪效果的均值滤波、中值滤波方法，较为近期的自适应滤波、小波收缩等等方法、基于直方图均衡的改进算法和基于背景方差的中心/周围方法等等。这些方法都是针对CT图像甚至普通图像的普适方法，很难针对螺旋断层放疗图像的特点进行图像处理。本发明使用双边滤波方法，并根据视网膜-大脑皮层(Retinex)理论对螺旋断层放疗图像进行增强，同时使用基于泊松方程(Poisson Image Editing)的高斯-赛德尔迭代法的边缘增强方法，对现有的螺旋断层放疗图像进行增强，达到期望效果。

(三)

技术实现要素：
：

1、目的：本发明的目的是提供一种基于视网膜-大脑皮层理论的螺旋断层放疗图像质量增强方法，该方法利用双边滤波方法、视网膜-大脑皮层理论、高斯-赛德尔迭代法对螺旋断层放疗图像进行图像质量提高，解决螺旋断层放疗图像的噪声较多、对比度低和边缘不清晰的问题。

2、技术方案：本发明是通过以下技术方案实现的：

本发明提供一种基于视网膜-大脑皮层理论的螺旋断层放疗图像质量提高方法，它是一种利用双边滤波方法、视网膜-大脑皮层理论和高斯-赛德尔迭代法对螺旋断层放疗图像进行图像质量提高的方法。该方法的具体步骤如下：

步骤一：首先通过螺旋断层放疗仪器输出计算机数字图像，然后使用Matlab语言中的imread函数读取该图像，将其信息转为Matlab矩阵形式，使Matlab语言可以对其进行处理；

本发明中的螺旋断层放疗图像为512像素*512像素*c通道的数字图像，即读入的矩阵数据为512*512*c维度；其中符号c表示该图像中包含的断层数量，每一断层为一幅灰度图像，c通道数目的断层图像堆叠成完整的螺旋断层放疗图像；本方法没有使用通道之间的关联信息，所以以下步骤均是在单幅断层图像上完成；为方便说明，以下使用大写字母I表示图像被Matlab读入后的矩阵数据其中的某一通道(即512*512维度的矩阵)；上标数字表明本方法中不同步骤的中间图像矩阵数据，如I⁰表示原始图像矩阵数据；使用下标表示矩阵中某一元素(对应图像中的某个坐标上的像素)，即I_x，y表示矩阵I中位于坐标(x，y)的元素；

步骤二：在Matlab软件中，对上一步骤读入的矩阵(即I⁰)进行如下运算：

其中，Ω表示(x，y)坐标的邻域范围，坐标(i，j)满足(i，j)∈Ω；权重系数w的取值为值域权重与空间域权重的乘积；该步骤为图像的双边滤波操作，可以在保持图像边缘的同时有良好的去噪效果；

步骤三：在Matlab软件中，对上一步骤的矩阵进行如下操作：

其中，a，b，c为超参数，由手动设置，并有：

这里，符号*代表卷积，符号G表示高斯核，即分母为分子高斯核模糊后的图像；该步骤即为改进的Retinex算法，它没有采用以往常见的Retinex方法中采用的对数形式，而是使用了新的曲线函数形式；

步骤四：首先，使用Matlab中的索贝尔算子函数，对矩阵I²进行操作，获得的边缘图像矩阵标记为Gra；

然后，对边缘图像矩阵Gra进行逐像素遍历，寻找邻域内的边缘最大值，得到矩阵Gra_M来标记当前位置是否为矩阵Gra中的邻域最大值，再通过：

更新矩阵Gra，其中f_x，y为一以当前点(x，y)距离最近边缘最大点的距离为自变量的自定义函数，该函数值当与最近邻的边缘最大值点距离较小时大于1；距离较大时小于1，这样可以使新的Gra¹相对应的边缘图像中的边缘的分布变窄、峰值变高；

最后，使用高斯-赛德尔迭代方法，利用矩阵Gra¹反推出边缘增强的图像，步骤如下：

1.对矩阵Gra¹再次进行差分运算，得到目标图像的二阶导图像矩阵Lap；

2.初始化矩阵dst⁰＝I²

3.反复进行如下迭代，直到迭代次数达到5次，其中n为迭代次数，n＝0,1,2…：

1)

2)

经过以上步骤迭代，获得最终图像，完成对螺旋断层放疗图像的质量提高。

3、优点及功效：本方法同时将双边滤波、改进的视网膜-大脑皮层理论与高斯-赛德尔迭代法对螺旋断层放疗图像进行增强。由图2可见，处理后图像的像素灰度值变化频率降低，变化幅度增大，说明本方法既可以有效去除图像中的噪点，也可以提高对比度，同时可以使图像中的边缘更加清晰。

(四)附图说明：

图1本发明所述方法流程图。

图2本发明所述方法效果对比图。

(五)具体实施方式：

本发明一种基于视网膜-大脑皮层理论的螺旋断层放疗图像质量提高方法，见图1所示，其步骤如下：

步骤一：首先通过螺旋断层放疗仪器输出计算机数字图像，然后使用Matlab语言中的imread函数读取该图像，将其信息转为Matlab矩阵形式，使Matlab语言可以对其进行处理。

本发明中的螺旋断层放疗图像为512像素*512像素*c通道的数字图像，即读入的矩阵数据为512*512*c维度。其中符号c表示该图像中包含的断层数量，每一断层为一幅灰度图像，c通道数目的断层图像堆叠成完整的螺旋断层放疗图像。本方法没有使用通道之间的关联信息，所以以下步骤均是在单幅断层图像上完成。为方便说明，以下使用大写字母I表示图像被Matlab读入后的矩阵数据其中的某一通道(即512*512维度的矩阵)；上标数字表明本方法中不同步骤的中间图像矩阵数据，如I⁰表示原始图像矩阵数据；使用下标表示矩阵中某一元素(对应图像中的某个坐标上的像素)，即I_x，y表示矩阵I中位于坐标(x，y)的元素。

步骤二：在Matlab软件中，对上一步骤读入的矩阵(即I⁰)进行如下运算：

其中，Ω表示(x，y)坐标的邻域范围，坐标(i，j)满足(i，j)∈Ω。权重系数w的取值为值域权重与空间域权重的乘积。该步骤为图像的双边滤波操作，可以在保持图像边缘的同时有良好的去噪效果。

步骤三：在Matlab软件中，对上一步骤的矩阵进行如下操作：

其中，a，b，c为超参数，由手动设置，并有：

这里，符号*代表卷积，符号G表示高斯核，即分母为分子高斯核模糊后的图像。该步骤即为改进的Retinex算法，它没有采用以往常见的Retinex方法中采用的对数形式，而是使用了新的曲线函数形式。

步骤四：首先，使用Matlab中的索贝尔算子函数，对矩阵I²进行操作，获得的边缘图像矩阵标记为Gra。

然后，对边缘图像矩阵Gra进行逐像素遍历，寻找邻域内的边缘最大值，得到矩阵Gra_M来标记当前位置是否为矩阵Gra中的邻域最大值。再通过：

更新矩阵Gra，其中f_x，y为一以当前点(x，y)距离最近边缘最大点的距离为自变量的自定义函数，该函数值当与最近邻的边缘最大值点距离较小时大于1，距离较大时小于1，这样可以使新的Gra¹相对应的边缘图像中的边缘的分布变窄、峰值变高。

最后，使用高斯-赛德尔迭代方法，利用矩阵Gra¹反推出边缘增强的图像，步骤如下：

4.对矩阵Gra¹再次差分，得到目标图像的二阶导图像矩阵Lap；

5.初始化矩阵dst⁰＝I²

6.反复进行如下迭代，直到迭代次数达到5次，其中n为迭代次数，n＝0,1,2…：

3)

4)

经过以上步骤迭代，获得最终图像，完成对螺旋断层放疗图像的质量提高。

有益效果：

实验结果：为了验证本发明的有效性，我们使用该方法进行实验，取得了较好的增强效果。本发明实验所用数据为来自螺旋断层治疗仪输出的图像，分析图2可见，利用所发明的方法，得到了比较理想的图像质量增强结果，不仅有效地去除了图像中的噪声，也使图像对比度提高，边缘也更加清晰明确。

从实验结果来看，我们发明的方法很好的解决了螺旋断层治疗仪输出的图像质量较差的问题，将本方法与螺旋断层治疗仪相结合，可以有效提高医护人员使用治疗仪的效率，具有广阔的应用前景和价值。