医学图像的校正方法及其装置与流程

本发明涉及医学图像处理领域，特别是涉及一种医学图像的校正方法及其装置。

背景技术：

对于磁共振成像(MRI)、磁共振血管造影(MRA)、计算机断层扫描(CT)、正电子发射断层扫描(Positron Emission Tomography，PET)在核磁共振(Magnetic Resonance，MR)各类模态的成像系统扫描采集获取的医学图像中，由于磁场或线圈敏感度不均匀、或者造影剂显示不均、病人摆位等影响况，可能会使得拼接全尺寸医学图像时造成各段拼接图像亮度不一致的问题。

在实现本发明过程中，发明人发现现有技术中至少存在如下问题：

现有的对于各段拼接图像的亮度校正方法通常是将拼接后的完整图像作为一个整体，通过算法进行亮度的自动校正，这种方法在校正各拼接图像之间的亮度的同时，还会对单个拼接图像的局部亮度进行调整，可能会使原本不需要校正亮度的部分被修改，使结果不符合临床需求。现有技术中，还采用亮度标准化方法(Intensity Standardization)，将各段图像中各组织的亮度都标准化到一定范围内，这类方法达到类似CT图像，各组织都有对应HU值范围的效果。但是此类方法适用于组织分布较固定的头部图像，难以适应多种序列多种部位，例如全脊柱、全身拼接图像的亮度校正。

技术实现要素：

本发明所要解决的技术问题提出一种医学图像的校正方法及其装置，其能实现对拼接图像的亮度进行校正以符合临床需求。

为解决上述技术问题，本发明提供一种医学图像的校正方法，包括：

获取n幅医学图像构成的初始拼接图像，每幅医学图像包含对应的窗宽和窗位；

确定所述n幅医学图像中的感兴趣区域；

选取其中一幅医学图像为基准图像；

根据所述基准图像中感兴趣区域的图像值校正n-1幅医学图像；

拼接所述基准图像和校正后的n-1幅医学图像，获取最终拼接图像；

其中n为大于2的自然数。

进一步的，所述定位所述医学图像中的感兴趣区域，包括：

根据每幅医学图像，获取对应所述医学图像的定位图像；

基于每幅医学图像和所述定位图像确定所述医学图像的感兴趣区域。

进一步的，通过熵定位、拟合平面方程、最大密度投影方法或前述方法组合获取所述定位图像。

进一步的，所述根据所述基准图像中感兴趣区域的图像值校正n-1幅医学图像，包括：

获取每幅医学图像中感兴趣区域的图像值的均值；

根据所述基准图像的感兴趣区域均值校正n-1幅医学图像的图像值。

进一步的，还包括，所述基准图像为所述感兴趣区域的最大均值对应的医学图像。

进一步的，所述校正方法还包括：根据所述初始拼接图像的窗宽和/或窗位和基准图像的窗宽和/或窗位校正所述n幅医学图像，获取所述最终拼接图像。

进一步的，分别计算所述初始拼接图像的拼接窗宽最低值和所述基准图像的图像窗宽最低值；

根据所述拼接窗宽最低值和图像窗宽最低值的映射关系校正所述至少两幅医学图像，获取所述最终拼接图像。

进一步的，所述医学图像的校正方法还包括：

获取拼接图像的校正指令；

根据所述校正指令修改n幅医学图像的值，获取所述最终拼接图像。

为解决上述技术问题，本发明还提供一种医学图像的校正装置，包括：

获取单元，用于获取n幅医学图像构成的初始拼接图像，每幅医学图像包含对应的窗宽和窗位；

确定单元，用于确定所述n幅医学图像中的感兴趣区域；

第一校正单元，用于选取其中一幅医学图像为基准图像；根据所述基准图像中感兴趣区域的图像值校正n-1幅医学图像；

拼接单元，用于拼接所述基准图像和校正后的n-1幅医学图像，获取最终拼接图像；其中n为大于2的自然数。

进一步的，还包括：第二校正单元，用于根据所述初始拼接图像的窗宽和/或窗位和基准图像的窗宽和/或窗位校正所述医学图像，获取所述最终拼接图像。

与现有技术相比，本发明的优点在于：本发明提供一种医学图像的校正方法及其装置，根据拼接目的，计算兴趣区域的图像值的信息校正医学图像的亮度，从而使拼接后的完整图像亮度均匀，以符合临床需求；通过将根据所述初始拼接图像的窗宽和/或窗位校正所述医学图像，使得最终拼接图像在预设的窗宽窗位下显示满足临床需求的图像亮度，避免了现有技术中可能会对单个拼接图像的局部进行亮度修改的问题，最大限度地保留原始图像的对比度，以满足临床需求。

【附图说明】

图1为本发明一实施例中医学图像校正方法流程示意图；

图2a～2b为本发明一实施例中全脊柱拼前后的示意图；

图3为本发明又一实施例中医学图像校正方法流程示意图；

图4为本发明又一实施例中全脊柱的最终拼接图像示意图；

图5为本发明一实施例中医学图像的校正装置示意图；

图6为本发明一实施例中医学图像装置所在系统的示意图；

图7为本发明又一实施例中医学图像的校正装置示意图。

【具体实施方式】

在下面的描述中阐述了很多具体细节以便于充分理解本发明。但是本发明能够以很多不同于在此描述的其它方式来实施，本邻域技术人员可以在不违背本发明内涵的情况下做类似推广，因此本发明不受下面公开的具体实施的限制。

其次，本发明利用示意图进行详细描述，在详述本发明实施例时，为便于说明，所述示意图只是实施例，其在此不应限制本发明保护的范围。使本发明的上述目的、特征和优点能够更为明显易懂，下面集合附图和实施例对本发明的具体实施方式做详细的说明。

实施例1

如图1所示，本实施例提供一种医学图像的校正方法，根据感兴趣区域的图像值的信息校正医学图像的亮度，拼接校正后的各幅医学图像，获取最终拼接图像，避免了现有技术中校正拼接后的医学图像时，还会对医学图像内部的亮度进行局部调整，可能使原本不需要校正亮度的、亮度均匀的部分被修改，从而最大限度地保留原始图像的对比度，以满足临床需求。

所述校正方法可以通过图像校正装置执行，所述装置可以由软件和/或硬件的方式实现，所述装置可以集成在任何需要进行医学图像重建的设备中，例如典型的是医学三维扫描设备，例如常规CT扫描仪、螺旋CT扫描仪或核磁共振扫描仪等，或者通过计算机设备连接外部；所述装置也可以通过也可以通过云计算平台完成相应功能。其中，云计算平台包括但不限于存储数据为主的存储型云平台、以处理数据为主的计算型云平台以及兼顾数据存储和处理的综合云计算平台。系统所使用的云平台可以是公共云、私有云、社区云或混合云等。例如，根据实际需要，系统接收的一些医学图像，可以通过云平台进行计算和/或存储。另一些医学图像，可以通过本地诊断单元和/或系统数据库进行计算和/或存储。

如图1所示，所述校正方法，包括：

执行步骤S101：获取n幅医学图像，每幅医学图像包含对应的窗宽和窗位。本实施例中，所述n幅医学图像通过各类模态的成像系统扫描采集获得三维或二维图像，也可以通过诸如云平台，存储系影像归档和通信系统(Picture Archiving and Communication Systems，PACS)等内部或外部存储系统传输获得。所述模态包括但不限于磁共振成像(MRI)、磁共振血管造影(MRA)、计算机断层扫描(CT)、正电子发射断层扫描(Positron Emission Tomography，PET)等一种或多种的组合。

对于需要获得包含全身的或大范围的图像，由于被检查部位远大于图像检测器面积的矛盾使得无法更好地观察完整的或大视野的组织结果，例如脊柱、血管和全身系统等。然而，由于技术的限制或者扫描计划的不连续性，医生可能获得的是n幅医学图像。例如由于扫描板尺寸的限制，使用成像设备扫描无法一次性得到大视野的图像，需要对目标大视野进行几次连续的扫描，相邻两次的扫描包含重叠区域，从而得到一系列含有重叠区域的三维体数据，即本实施例中的所述医学图像，根据所述n幅医学图像获取初始拼接图像。获取的每幅医学图像包含对应的窗宽和窗位，所述窗宽窗位通过自动计算或者用户预设获取。

如图2a所示为MRA设备通过扫描人体获得的三段脊柱图像。为获取脊柱的全景图像，需要对所述至少两幅医学图像进行配准，拼接成全景的拼接图像，如图2b所示为对各段脊柱图像配准后获取的全脊柱图像，即本实施例中的所述初始拼接图像。

由于设备原因，例如磁场或线圈敏感度不均匀等情况，或者由于用户摆位、或者造影剂的影响，导致获取的各幅医学图像间的亮度不均匀，影响临床需求。如图2a和2b所示，医学图像Ⅰ、医学图像Ⅱ和医学图像Ⅲ各幅图像中的亮度(即灰度值)大小不一，并且所述医学图像Ⅰ中颈部上脊椎区域过暗，使得初始拼接图像不符合临床需求，因此需要校正各幅医学图像，以获取亮度均一的最终拼接图像。

执行步骤S102：确定所述n幅医学图像中每幅医学图像的感兴趣区域，所述n为大于并等于2的自然数。由于图像拼接的目的不同，临床关注的感兴趣区域也随之并不相同，例如对于全脊柱图像的拼接，临床关注于椎块的亮度均一，而对于血管拼接图像，则是血管区域，对于全身拼接图像则是是高亮的脂肪区域或偏暗的肌肉区域。所述医学图像中的感兴趣区域可以通过熵定位、最大密度投影方法或前述方法组合获取。示例性的，对于脊柱拼接的场景，可以根据脊椎的形态学特征，自动提取脊髓点和椎间盘点，并拟合平面方程重建获取定位图像，所述定位图像为处理所述医学图像后包含感兴趣区域信息最多的图像。根据所述定位图像通过采用水平集算法、基于阈值的提取方法、基于边缘的提取方法、基于区域的提取方法、基于聚类分析的提取方法、基于小波变换的提取方法、基于数学形态学的方法、基于人工神经网络的方法、基于遗传算法的方法等方法获取所述医学图像的感兴趣区域，例如椎块区域。

执行步骤S103～S104：选取其中一幅医学图像为基准图像；根据所述基准图像中感兴趣区域的图像值校正除基准图像之外的n-1幅医学图像的图像值，获取校正后的n-1幅医学图像；拼接所述基准图像和校正后的n-1幅医学图像，获取最终拼接图像。本步骤中，计算前述步骤获取的各幅医学图像的感兴趣区图像值，所述图像值可以是所述感兴趣区域的灰度值均值，也可以是灰度值的最大值，所述图像值可以通过经验值或者事先训练获取。任取其中一幅医学图像为基准图像，以所述基准图像的感兴趣区域的图像值校正剩余的n-1幅医学图像，均一化各幅医学图像中的感兴趣区域的图像值，以实现最终拼接图像中各幅医学图像的亮度均一。

本实施例中，根据拼接目的不同，基于各幅医学图像汇总的感兴趣区域的图像值进行亮度的校正，使得最终拼接图像的亮度均一化。

实施例2

本实施例中提供一种医学图像的校正方法，基于实施例1方法将各幅医学图像中的感兴趣区域的图像值区趋于均一同时，使得最终拼接图像在预设的窗宽窗位下显示满足临床需求的图像亮度。所述方法可以通过实施例1中的校正装置执行。所述方法如图3所示，包括：

执行步骤S301：获取n幅医学图像构成的初始拼接图像。其中，每幅医学图像包括各自的窗宽和窗位，所述n为大于或等于2的自然数。获取n幅医学图像如实施例1所述获取。获取n幅医学图像可以通过一系列图像配准方法，例如三维配准、二维配准、刚性配准和/或非刚性配准获取所述初始拼接图像。所述初始拼接图像中，由于各幅医学图像的扫描环境差异存导致初始拼接图像各部分亮度的显示差异，如图2b所示，影响实际的临床需求。

执行步骤S302～S303：根据每幅医学图像，获取对应所述医学图像的定位图像；基于所述定位图像确定所述医学图像的感兴趣区域。由于图像拼接的目的不同，临床关注的感兴趣区域也随之并不相同，例如对于全脊柱图像的拼接，临床关注于椎块，而对于血管拼接图像，则是血管区域，对于全身拼接图像则是是高亮的肌肉区域。本实施例中，可以通过熵定位、拟合平面方程、最大密度投影或前述方法组合获取所述定位图像。例如，对于血管拼接场景，由于造影剂作用使得血管区域在医学图像中呈现高亮区域，对于各幅血管医学图像在冠状位作最大密度投影，获取二维MIP图像，所述MIP图像中保留密度最大区域(图像中显示为亮度较高区域)，使得该图像尽可能包含最多的血管信息。通过采用水平集算法、基于阈值的提取方法、基于边缘的提取方法、基于区域的提取方法、基于聚类分析的提取方法、基于小波变换的提取方法、基于数学形态学的方法、基于人工神经网络的方法、基于遗传算法的方法等方法处理所述定位图像，获取各幅医学图像的感兴趣区域。

执行步骤S304～S305：获取每幅医学图像中感兴趣区域的图像值的均值。任取一幅医学图像为基准图像；根据所述基准图像的图像值的均值校正除基准图像外的n-1幅医学图像的图像值。例如，对于全脊柱的拼接场景，选取所述感兴趣区域的最大均值对应的医学图像为基准图像，调节剩余的n-1幅医学图像的亮度，以便于临床阅片。示例性的，根据公式1校正剩余医学图像的图像值。公式1中，M_mean为所述基准图像的感兴趣区域的图像值的均值，Xi_mean为剩余n-1幅医学图像的感兴趣区域的图像值均值，两者的比值为基准图像与剩余医学图像之间图像灰度值的调整系统，X_i前和X_i后分别是剩余医学图像中的校正前后的图像值。为满足拼接目的和校正速度，本实施例中可以仅针对感兴趣区域的图像值进行校正。

执行步骤S306：根根据所述初始拼接图像的窗宽和/或窗位和基准图像的窗宽和/或窗位，调节所述n幅医学图像。分别计算所述初始拼接图像的拼接窗宽最低值和所述基准图像的图像窗宽最低值。每幅医学图像都有对应有各自的窗宽、窗位。窗宽、窗位是医学影像的显示参数，在一定范围内，密度低于窗宽最低值的组织结构均显示黑影，不再有灰度差异，反之，密度高于窗宽最高值的组织结构均显示白影，不再有灰度差异。增大窗宽，则显示组织结构的数量增多，但各组织结构之间的灰度级别减少；减小窗宽，则显示组织结构的数量减少，但各组织结构之间的灰度级别增加。窗宽、窗位的变化会改变图像的亮度。

前述步骤将各幅医学图像的亮度显示均匀，但是由于基准图像和各幅医学图像的窗宽窗位与拼接图像的窗宽窗位不同，可能使得校正后的各幅医学图像在拼接图像的窗宽窗位下亮度过高，可能影响图像显示效果，因此可以通过步骤做进一步校正。

具体地，分别计算所述初始拼接图像的拼接窗宽最低值和所述基准图像的图像窗宽最低值；所述拼接窗宽最低值S_min和图像窗宽最低值M_min可以分别通过公式(2)和公式(3)获取。其中M_WW和M_WL为基准图像的窗宽和窗位，所述基准图像可以为所述感兴趣区域的最大均值对应的医学图像；S_WW和S_WL分别为初始拼接图像的窗宽和窗位。所述窗宽窗位可以通过预设获取，也可以直接计算所述医学图像和初始拼接图像获取。所述A和B分别为常数，本实施例中，所述A和B可以选取为0.5.

S_min＝S_WL-A×S_WW 公式(2)

M_min＝M_WL-B×M_WW 公式(3)

根据所述拼接窗宽最低值和图像窗宽最低值的映射关系校正所述至少两幅医学图像图像值，所述图像值可以是所述n幅医学图像中像素或体素点的灰度值，获取所述最终拼接图像。示例性的，所述映射关系可以通过公式(4)获取，之中，所述X_i前和X_i后分别是任意一幅医学图像校正前后的图像值。

执行步骤S307：拼接所述基准图像和校正后的n-1幅医学图像，获取最终拼接图像。如附图4所示对于全脊柱拼接结果进行图像校正获取的最终拼接图像，图像中医学图像Ⅰ、医学图像Ⅱ和医学图像Ⅲ各幅图像中的亮度(即灰度值)大小不一的情况，所述医学图像Ⅰ中颈部脊椎区域过暗，通过感兴趣区域的图像值使得各幅医学图像的亮度均匀，继而根据预设的拼接图像窗宽和/或窗位调整各幅医学图像的值，获得临床需求的显示效果。

实施例3

本实施例中提供一种医学图像的校正方法，基于前述实施例1和2获取的图像拼接结果，用户通过观察判断该完整图像不符合临床需求时，通过获取拼接图像校正指令对最终拼接图像进行手动校正。例如，获取拼接图像的校正指令；根据所述校正指令校正n幅医学图像的窗宽和/或窗位，获取所述最终拼接图像。

实施例4

本实施例中提供一种医学图像的校正装置及其所在应用系统，如图5和图6所示，所述装置所在系统可以包括一个或多个处理单元、一个或多个存储单元、一个或多个输入单元、一个或多个输出单元，各个单元之间可以是分布式也可以是集中式的，可以是本地的也可以是远程的。

示例性，如图6所示，所述系统包括：输入单元U100，存储单元U200，处理单元U300，和输出单元U400。

所述输入单元U100，用于获取医学图像。所述医学图像医学包括但不限于通过各类模态的成像系统扫描采集获得三维或二维图像，也可以通过诸如存储系影像归档和通信系统(Picture Archiving and Communication Systems，PACS)等内部或外部存储系统传输获得。所述模态包括但不限于磁共振成像(MRI)、磁共振血管造影(MRA)、计算机断层扫描(CT)、CT血管造影图像(CTA，CT angiography)、正电子发射断层扫描(Positron Emission Tomography，PET)等一种或多种的组合。所述输入单元U100可以将医学图像发送至存储单元U200作存储处理，也可以传输至处理单元U300进行图像处理。

所述存储单元U200可以为具有存储功能的设备。存储输入单元U100收集的数据(例如，成像设备拍摄的医学图像)和计处理单元U300工作中产生的各种数据。所述存储单元U200可以是本地的，也可以是远程的。所述存储单元U200可以将信息数字化后再以利用电、磁或光学等方式的存储设备加以存储。所述存储单元U200也可以用来存放各种信息例如程序和数据等。以上提及的存储设备只是列举了一些例子，本实施例中，医学图像校正方法的工作环境中可以使用的存储设备并不局限于此。

所述处理单元U300，包括所述医学图像校正装置，用于处理所述医学图像，获取亮度校正后的最终拼接图像。所述装置包括获取单元U311，用于获取n幅医学图像，每幅医学图像包含对应的窗宽和窗位；确定单元U312，用于确定所述n幅医学图像中的每幅医学图像的感兴趣区域；第一校正单元U313，于选取其中一幅医学图像为基准图像；根根据所述基准图像中感兴趣区域的图像值校正除基准图像之外的n-1幅医学图像中感兴趣区域的图像值，获取校正后的n-1幅医学图像；拼接单元U314，用于拼接所述基准图像和校正后的n-1幅医学图像，获取最终拼接图像；其中n为大于等于2的自然数。

所述输出单元U400可以向处理单元U300输入数据，也可以接收处理单元U300输出的数据，例如亮度校正前的初始拼接图像和校正后的最终拼接图像，并将输出的数据以数字、字符、图像、声音等形式表示出来。输出的数据可以发送给外接设备，也可以不发送。不发送的输出数据可以存储在存储单元中。所述输出单元可以包括但不限于显示设备、打印设备、绘图仪、影像输出系统、语音输出系统、磁记录设备等中的一种或几种的组合。在一些实施例中，有些外接设备可以同时起到输入和输出的作用，例如，台式电脑、笔记本、智能手机、平板电脑、个人数码助理(personal digital assistance，PDA)等。

上述处理单元U300可以实际存在于应用系统中，也可以通过云计算平台完成相应功能。其中，云计算平台包括但不限于存储数据为主的存储型云平台、以处理数据为主的计算型云平台以及兼顾数据存储和处理的综合云计算平台。系统所使用的云平台可以是公共云、私有云、社区云或混合云等。例如，根据实际需要，系统接收的一些医学图像，可以通过云平台进行计算和/或存储。另一些医学图像，可以通过本地诊断单元和/或系统数据库进行计算和/或存储。

需要注意的是，输入单元U100、存储单元U200、处理单元U300、输出单元U400之间的连接或通信可以是有线的，也可以是无线的。

以上对于医学图像调节装置及其应用系统的描述，仅为描述方便，并不能把本申请限制在所举实施例范围之内。可以理解，对于本领域的技术人员来说，在了解该系统的原理后，可能在不背离这一原理的情况下，对各个单元进行任意组合，或者构成子系统与其他单元连接，对实施上述方法和系统的应用领域形式和细节上的各种修正和改变。例如，存储单元U200可以是具有数据存储功能的云计算平台，包括但不限于公用云、私有云、社区云和混合云等。诸如此类的变形，均在本申请的保护范围之内。

实施例5

本实施例提供一种医学图像的校正装置，与实施例4相比，区别在于还包括：第二校正单元U324，用于获取n幅医学图像的构成的初始拼接图像，根据所述初始拼接图像的窗宽和/或窗位校正所述医学图像的窗宽和/或窗位，获取所述最终拼接图像。基于实施例4提供的装置中将各幅医学图像中的感兴趣区域的图像值区趋于均一同时，使得最终拼接图像在预设的窗宽窗位下显示满足临床需求的图像亮度。

综上所述，本实施例本发明提供一种医学图像的校正方法及其装置，根据拼接目的，计算兴趣区域的图像值的信息校正医学图像的亮度，从而使拼接后的完整图像亮度均匀，以符合临床需；通过将根据所述初始拼接图像的窗宽和/或窗位校正所述医学图像的窗宽和/或窗位，使得最终拼接图像在预设的窗宽窗位下显示满足临床需求的图像亮度，避免了现有技术中可能会对单个拼接图像的局部进行亮度修改的问题，最大限度地保留原始图像的对比度，以满足临床需求。

需要说明的是，通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到本发明的部分或全部可借助软件并集合必需的通用硬件平台来实现。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可包括其上存储有机器可执行指令的一个或多个机器可读介质，这些指令在由诸如计算机、计算机网络或其他电子设备等一个或多个机器执行时可使得该一个或多个机器根据本发明的实施例来执行操作。机器可读介质可包括，但不限于，软盘、光盘、CD-ROM(只读存储器)、磁光盘、ROM(只读存储器)、RAM(随机存取存储器)、EPROM(可擦除可编程只读存储器)、EEPROM(电可擦除可编程只读存储器)、磁卡或光卡、闪存、或适于存储机器可执行指令的其他类型的介质/机器可读介质。

本发明可用于众多通用或专用的计算系统环境或配置中。例如：个人计算机、服务器计算机、手持设备或便携式设备、平板型设备、多处理器系统、基于微处理器的系统、置顶盒、可编程的消费电子设备、网络PC、小型计算机、大型计算机、包括以上任何系统或设备的分布式计算环境等。

本发明可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等。也可以在分布式计算环境中实践本发明，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。

虽然本发明已以较佳实施例揭示如上，然其并非用以限定本发明，任何本领域技术人员，在不脱离本发明的精神和范围内，当可作些许的修改和完善，因此本发明的保护范围当以权利要求书所述界定内容为准。