医学图像的处理方法、装置、计算机设备和存储介质与流程

1.本技术涉及医疗图像处理技术领域，特别是涉及一种医学图像的处理方法、装置、计算机设备和存储介质。


背景技术：

2.核磁共振成像系统的核心部件包含：磁体、梯度线圈、射频发射线圈、射频接收线圈、信号处理和重建单元。其中，射频发射线圈用来激发被成像物体的特定核子，如1h，
23
na，
31
p,
13
c等，结合被成像物质自身物理特性设置特定参数组合，经过一定时序衍化，获得具有特殊对比度的信号，由射频接收线圈接收该信号，并经由信号处理和重建单元完成信号处理，最终获得可以指导临床应用的图像或者频谱信号。
3.但是，在实际的射频激发阶段，对应区域激发的均匀性对最终整体图像或者频谱的均匀性将产生很大影响，若激发的均匀性与理论目标差距过大，将很大程度上导致最终的图像或者频谱图像在空间不同位置被不同程度的幅值调制，影响最终整体图像的成像质量。目前，校正发射场不均匀的方案中，获取图像后，直接使用常规图像处理算法基于图像自身灰度分布对图像做后处理，实现均一化矫正，基本不直接从线圈自身的发射场分布出发来开展均一化。但是实际情况下，核磁医学图像由于其组织成分质子密度的差异，本身存在天然对比度，在图像上呈现出信号的控件分布有差异的特性，而直接对图像进行算法均一化处理，可能会导致这些天然的差异也被均一化而弱化，进而带来图像的灰度误差，从而降低获取到成像图像的质量。


技术实现要素：

4.基于此，有必要针对上述技术问题，提供一种能够有效解决因激发区域不均匀导致成像的图像不均匀的问题，进而能够提高成像图像质量的医学图像的处理方法、装置、计算机设备和存储介质。
5.第一方面，一种医学图像的处理方法，所述方法包括：
6.获取成像区域的扫描图像和所述成像区域的对应的发射场图；
7.根据所述发射场图计算得到发射场因子；
8.根据所述扫描图像对应的成像序列参数和所述发射场因子确定校正因子；
9.根据所述校正因子校正所述成像区域图像。
10.在其中一个实施例中，所述发射场图为低分辨率图像，所述获取所述成像区域对应的发射场图之后，所述方法还包括：
11.通过插值算法根据所述低分辨率图像获得高分辨率的发射场图；
12.所述根据所述发射场图计算得到发射场因子，包括：
13.根据所述高分辨率的发射场图计算得到发射场因子。
14.在其中一个实施例中，
15.所述发射场图的至少部分为高信噪比区域，根据所述发射场图计算得到发射场因
子包括：
16.将所述发射场图输入矫正模型，获得矫正的发射场图；根据所述矫正的发射场图确定所述发射场因子。
17.在其中一个实施例中，所述根据所述扫描图像对应的成像序列参数和所述发射场因子确定校正因子，包括：
18.按照bloch方程衍化规则，基于所述扫描图像对应的成像序列参数确定不考虑发射场效应下的理论信号分布强度；
19.按照所述bloch方程衍化规则，基于所述扫描图像对应的成像序列参数和所述发射场因子，确定所述发射场效应下的理论信号分布强度；
20.将所述不考虑发射场效应的理论信号分布强度和所述考虑发射场效应的理论信号分布强度的比值确定为所述校正因子。
21.在其中一个实施例中，所述发射场图通过对所述成像区域施加双翻转角序列或dream序列后采集的信号重建获得。
22.在其中一个实施例中，所述发射场图为二维发射场图或三维发射场图。
23.在其中一个实施例中，所述根据所述校正因子校正所述成像区域图像，包括：
24.将所述成像区域图像的各像素值与所述校正因子进行乘积运算，得到校正后的成像区域图像。
25.在其中一个实施例中，所述扫描图像对应的成像序列参数包括射频脉冲的类型和/或所述射频脉冲的翻转角。
26.第二方面，一种医学图像的处理装置，所述装置包括：
27.获取模块，用于获取成像区域的扫描图像和所述成像区域对应的发射场图；
28.计算模块，用于根据所述发射场图计算得到发射场因子；
29.确定模块，用于根据所述扫描图像对应的成像序列参数和所述发射场因子确定校正因子；
30.较正模块，用于根据所述校正因子校正所述成像区域图像。
31.第三方面，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第一方面所述的方法。
32.第四方面，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第一方面所述的方法。
33.上述医学图像的处理方法、装置、计算机设备和存储介质，通过获取成像区域的扫描图像和成像区域对应的发射场图，并根据发射场图计算得到发射场因子，以及根据扫描图像对应的成像序列参数和发射场因子确定校正因子，最后根据校正因子校正成像区域的扫描图像。上述方法充分考虑了信号的来源和衍化过程，只根据扫描图像和发射场图的信号分布情况，使用相应的数据处理方法，就可以克服发射场不均匀性导致的扫描图像的质量变差的问题。而且，上述方法在去除发射场不均匀性导致的扫描图像的信号不均匀时，从激发源头物理值上做优化考量，能更好地保留扫描图像天然的对比度，相比于传统的通过图像均一化处理算法去除发射场不均匀性的方法，上述方法可以避免带来的成像误差，可以实现精确的图像均匀性校正。
附图说明
34.图1为一个实施例中医学图像的处理方法的应用环境图；
35.图2为一个实施例中医学图像的处理方法的流程示意图；
36.图3为图2实施例中s103的一种实现方式的流程示意图；
37.图4为一个实施例中2d gre序列的示意图；
38.图5为一个实施例中医学图像的处理方法的流程示意图；
39.图5a为一个实施例中根据扫描图像确定发射场图的流程示意图；
40.图6为一个实施例中医学图像的处理方法的流程示意图；
41.图7为一个实施例中医学图像的处理装置的结构示意图；
42.图8为一个实施例中医学图像的处理装置的结构示意图；
43.图9为一个实施例中医学图像的处理装置的结构示意图；
44.图10为一个实施例中医学图像的处理装置的结构示意图；
45.图11为一个实施例中医学图像的处理装置的结构示意图；
46.图12为一个实施例中计算机设备的内部结构图。
具体实施方式
47.为了使本技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本技术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技术，并不用于限定本技术。
48.本技术提供的医学图像的处理方法，可以应用于如图1所示的应用环境中。其中，成像设备102通过网络与终端104连接，成像设备102用于对成像区域内的对象进行扫描，并将成像区域的扫描数据和成像过程的相关信号传输至终端104，以便终端104基于扫描数据和成像过程的相关信息进行成像区域的成像处理，得到成像图像。其中，成像设备102可以是各种类型的成像设备，比如，核磁共振成像设备。终端102可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备。
49.本领域技术人员可以理解，图1中示出的应用环境，仅仅是与本技术方案相关的部分结构的框图，并不构成对本技术方案所应用于其上的应用环境的限定，具体的应用环境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。
50.在一个实施例中，如图2所示，提供了一种医学图像的处理方法，以该方法应用于图1中的终端为例进行说明，包括以下步骤：
51.s101，获取成像区域的扫描图像和成像区域对应的发射场图。
52.其中，成像区域的扫描图像为成像设备对成像区域内的待成像对象进行扫描并成像后得到的初始图像，比如，采用核磁共振设备对人体的组织器官进行扫描成像后，可以得到该组织器官的核磁共振图像。扫描图像可以是二维的图像，也可以是三维的图像，此处不限定。成像区域对应的发射场图是通过对成像区域施加相应的测试序列后采集的信号重建获得的发射场图，可选的，发射场图通过对成像区域施加双翻转角序列或双重重新聚焦回波采集(dream)序列后采集的信号重建获得。发射场图为二维发射场图或三维发射场图，此处不限定。
53.本实施例中，可以先采用成像设备，比如核磁共振成像设备对成像区域的待成像
对象进行扫描，得到成像区域的扫描数据，以及得到发射场的测试序列对应的信号，比如常规的双翻转角序列或者dream序列对应的信号，然后将扫描数据和测试序列对应的信号传输至终端，终端基于扫描数据进行图像重建，得到成像区域的扫描图像，同时，基于测试序列对应的信号进行图像重建，得到成像区域的发射场图。
54.在一个实施例中，成像区域的扫描图像和/或成像区域对应的发射场图采用双翻转角序列，该双翻转角序列包括第一rf脉冲和设置在第一rf脉冲之后的第二rf脉冲，其中第一rf脉冲的翻转角为θ，第二rf脉冲的翻转角为2θ，且θ＝γb1t，b1为rf场的强度，t表示第一rf脉冲的持续时间。对应的施加第一rf脉冲后检测对象的磁共振信号可表示为mxy(θ)，对应的施加第二rf脉冲后检测对象的磁共振信号可表示为mxy(2θ)，则θ可近似表示为：
55.θ＝arccos(mxy(2θ)/2mxy(θ))
56.通过上述公式，即可确定rf场中每一位置的强度。
57.在一个实施例中，发射场图还可通过采用包含三个射频脉冲的刺激回波(steam)序列，三个射频脉冲对应的翻转角分别为θ1、θ2、θ3，且满足θ1＝θ2＝θ3＝θ，检测对象成像区域内自旋回波以及刺激回波信号强度可表示如下：
[0058][0059][0060]
其中，ρ0表示纵向磁化，t1为氢质子纵向弛豫时间，t2为氢质子横向弛豫时间,τ1和τ2是射频脉冲到采集窗的时间间隔。联合利用根据自旋回波信号强度s
se
和刺激回波信号强度s
ste
即可确定翻转角，进而确定成像区域对应的发射场图。
[0061]
s102，根据发射场图计算得到发射场因子。
[0062]
当终端获取到成像区域对应的发射场图时，比如b1发射场图，即可根据发射场图的信号分布强度计算得到发射场因子。在一种应用中，可将发射场图输入矫正模型，获得矫正的发射场图；根据矫正的发射场图确定发射场因子。在此实施例中，发射场因子表示空间任一位置处所感受的rf脉冲所形成rf场的强度。
[0063]
s103，根据扫描图像对应的成像序列参数和发射场因子确定校正因子。
[0064]
其中，扫描图像对应的成像序列参数包括射频脉冲的类型和/或射频脉冲的翻转角。当终端获取到射频脉冲的类型和发射场因子时，可以进一步的通过bloch衍化规则仿真该类型的射频脉冲对应的信号衍化过程，再结合实际受到发射场不均匀性影响下的发射场因子，可以计算得到用于优化空间信号分布均匀性和成像区域的扫描图像上各像素值分布均匀性的校正因子。当终端获取到射频脉冲的翻转角和发射场因子时，可以进一步的将翻转角和和发射场因子代入到表示bloch衍化规则的bloch方程中，计算得到信号分布强度，进而根据信号分布强度计算得到校正因子。
[0065]
s104，根据校正因子校正成像区域的扫描图像。
[0066]
当终端需要对成像区域的扫描图像进行校正时，可以根据校正因子校正成像区域的扫描图像上各像素点的灰度值或像素值，以使校正后的扫描图像上的各像素点的灰度值或像素值能够与不受发射场不均匀性影响下成像后的扫描图像上各像素点的灰度值或像
素值基本保持一致，以去除发射场不均匀性导致的扫描图像上各像素点的像素值或灰度值不均匀性。
[0067]
上述医学图像的处理方法中，通过获取成像区域的扫描图像和成像区域对应的发射场图，并根据发射场图计算得到发射场因子，以及根据扫描图像对应的成像序列参数和发射场因子确定校正因子，最后根据校正因子校正成像区域的扫描图像。上述方法充分考虑了信号的来源和衍化过程，只根据扫描图像和发射场图的信号分布情况，使用相应的数据处理方法，就可以克服发射场不均匀性导致的扫描图像的质量变差的问题。而且，上述方法在去除发射场不均匀性导致的扫描图像的信号不均匀时，从激发源头物理值上做优化考量，能更好地保留了扫描图像天然的对比度，相比于传统的通过图像均一化处理算法去除发射场不均匀性的方法，上述方法可以避免带来的成像误差，可以实现精确的图像均匀性校正。
[0068]
在一个实施例中，提供了上述s103的一种实现方式，如图3所示，上述s103“根据扫描图像对应的成像序列参数和发射场因子确定校正因子”，包括：
[0069]
s201，按照bloch方程衍化规则，基于扫描图像对应的成像序列参数确定不考虑发射场效应下的理论信号分布强度。
[0070]
其中，bloch方程衍化规则可以使用bloch方程表示，不同类型的射频脉冲对应不同的bloch衍化结果。理论信号分布强度是指对应序列参数下，理想发射接收场时，使用bloch方程计算出区域信号强度分布。
[0071]
本实施例中，当终端获取到扫描图像对应的成像序列参数时，直接将该成像序列参数按照bloch方程衍化规则进行分析，得到不考虑发射场效应下的实际发射场对应的理论信号分布强度，实际应用中，即是将成像序列参数作为计算参数直接代入到bloch方程中进行计算，得到的信号强度即为不考虑发射场效应下的理论信号分布强度。
[0072]
s202，按照bloch方程衍化规则，基于扫描图像对应的成像序列参数和发射场因子，确定考虑发射场效应下的理论信号分布强度。
[0073]
发射场效应下的理论信号分布强度是指使用bloch方程计算出的相对于实际成像序列参数和实际成像序列参数被发射场因子调制后，实际发射场对应的经过信号调制后的信号分区的分布强度。
[0074]
本实施例中，当终端获取到扫描图像对应的成像序列参数和发射场因子时，直接将该成像序列参数和和发射场因子按照bloch方程衍化规则进行分析，得到发射场效应下的理论信号分布强度，实际应用中，即是将成像序列参数和发射场因子作为计算参数直接代入到bloch方程中进行计算，得到的信号强度即为发射场效应下的理论信号分布强度。
[0075]
s203，将不考虑发射场效应的理论信号分布强度和考虑发射场效应的理论信号分布强度的比值确定为校正因子。
[0076]
当终端计算得到不考虑发射场的理论信号分布强度和考虑发射场的理论信号分布强度时，即可对这两个信号强度的值进行比值运算，并将最终得到的比值确定为校正因子。。
[0077]
示例性说明s201-s203所述的方法，以图4所述的2d gre序列为例进行说明，若发射场(b1场)是理想状态，信号在rf激发结束后，会产生横向磁化矢量m，且横向磁化矢量m可以通过下面关系式(1)得到：
[0078]
m＝ρ0*sinα
ꢀꢀ
(1)；
[0079]
上式中，m表示信号在rf激发结束后，会产生横向磁化矢量；ρ0表示空间体素质子密度分布矩阵；α表示rf激发翻转角。
[0080]
经过持续时间t1的衰减后，基于bloch方程衍化规则可以得到该序列对应的不考虑发射场效应的理论信号分布强度可以采用关系式(2)表示：
[0081][0082]
上式中，s
acq
表示不考虑发射场效应的理论信号分布强度；t1表示持续时间；表示像素空间分布矩阵。
[0083]
当考虑到实际发射场不均匀因素的影响，不同空间体素的翻转角α将会被发射场因子s
b1+
调制，变为对应的s
b1+
*α，那么基于bloch方程衍化规则可以得到该序列对应的理论信号分布强度可以采用关系式(3)表示：
[0084][0085]
上式中，s
acq-b1
表示考虑发射场效应的理论信号分布强度。
[0086]
在得到被实际发射场调整后的理论信号分布强度s
acq-b1
和不被发射场调整的理论信号分布强度s
acq
后，即可进行比值运算，进而得到校正因子，比如，校正因子可以通过如下关系式(4)确定：
[0087][0088]
上式中，γ表示校正因子。
[0089]
在实际应用中，发射场不均匀只影响射频发射时产生的信号强度，在空间编码时不会有额外影响。因此对于空间编码信号，经过傅里叶变化之后转换为对应的空间像素信号后，根据发射场因子和对应序列时序中的射频类型及翻转角，调整相应空间位置的信号强度，即可改善发射场不均匀导致的数据均匀度相关问题。基于此思想，发射场不均匀产生的空间激发不均匀，本实施例提供的方法可以通过bloch方程衍化规则，将获取到的不考虑发射场分布的理论信号分布强度和考虑发射场分布的理论信号分布强度按照关系式(4)计算得到校正因子，然后使用该校正因子对得到的实际成像图像上的各像素灰度值进行反向补偿调整，即可消除b1发射场不均匀的影响。
[0090]
在实际应用中，上述s101中的发射场图通常为短时快速序列采集的低分辨率图像，基于此，图2实施例所述的方法还包括步骤：通过插值算法根据低分辨率图像获得高分辨率的发射场图，之后再基于高分辨率的发射场图计算得到发射场因子。可选的，终端还可以预先基于低分辨率的发射场图训练一个转换网络，使该转换网络能够将低分辨率的发射场图转换为高分辨率的发射场图，在实际应用时，直接使用训练好的转换网络将获取到的发射场图进行转换，得到对应高分辨率的发射场图。需要说明的是，本技术实施例中的低分辨率图像是指其分辨率小于第一设定阈值，高分辨率图像是指其分辨率大于或等于第二设定阈值，也即低分辨率图像相对于高分辨率图像具有相对低的分辨率。
[0091]
在一个实施例中，发射场图还可根据神经网络模型获得。该神经网络模型为多个
成对存在的先验扫描图像、先验b1发射场图对神经网络进行训练获得，如图5a所示，训练阶段，神经网络模型输入端包括了低分辨率的水膜定位图像/初始扫描图像，神经网络模型输出端为与前述水膜定位图像/初始扫描图像相对应的rf场的b1发射场图(b1场图)，通过对神经网络的参数不断优化，即可得到神经网络模型。
[0092]
使用阶段，可仅获取成像区域的扫描图像，该成像区域的扫描图像可以是快速定位像、预扫描图像等，将其输入神经网络模型，即可得到成像区域对应的发射场图。本技术实施例中，无需对成像区域对应的发射场图采用测试序列进行检测，可降低检测对象对于射频能量的吸收，节省扫描时间，提高扫描效率。
[0093]
在实际应用中，上述s101中的发射场图部分为高信噪比区域，那么高信噪比区域附近的低信噪比区域的发射场因子可能就不是很准确，需要进行对发射场图进行矫正。示例性的，可将发射场图输入矫正模型，获得矫正的发射场图；根据矫正的发射场图确定发射场因子。发射场图受限于检测对象体内质子密度分布、组织结构不同的影响，在质子密度低的区域(例如骨骼区域、肺部区域)，发射场图对应表现为低信噪比，即低信噪比区域；而在质子密度高的区域，发射场图对应表现为高信噪比，即高信噪比区域。可选的，低信噪比区域常常位于高信噪比区域的周围或者附近，理论上，两区域所感受到的射频场强度近似，即两区域的发射场因子相同或近似。可选的，矫正模型可以是基于机器学习方法获得的校正网络，也可以是利用拟合算法得到的数学模型。
[0094]
在一个实施例中，提供了上述s102的一种实现方式，如图5所示，该方法包括：
[0095]
s301，根据发射场图的高信噪比区域，计算得到第一发射场因子。当然，发射场图中还存在低信噪比区域，且低信噪比区域位于高信噪比区域周围。
[0096]
其中，第一发射场因子为根据发射场图高信噪比区域计算得到的发射场因子。当终端获取到成像区域对应的发射场图时，即可根据发射场图的信号分布强度计算得到第一发射场因子。
[0097]
s302，将发射场图输入矫正模型，获得矫正的发射场图，以及根据矫正的发射场图确定低信噪比区域的第二发射场因子。
[0098]
其中，第二发射场因子为对低信噪比区域图像对应的发射场因子校正后的发射场因子。本实施例中，终端可以预先通过机器学习方法基于发射场图训练得到一个矫正网络，使该矫正网络可以基于输入的发射场图得到矫正的发射场图，且矫正的发射场图的低信噪比区域的像素被校正，且等于或能够与发射场图中高信噪比区域的像素衔接。
[0099]
需要指出的是，本实施例中对于低信噪比区域的第二发射场因子的获取方式不作具体限制，在其他实施例中，还可直接通过插值方法获得：在发射场图中确定低信噪比区域，确定位于低信噪比区域周围且属于高低信噪比区域的像素所对应的第一发射场因子，根据位于低信噪比区域周围且属于高低信噪比区域的像素所对应的第一发射场因子通过线性插值方法确定第二发射场因子。
[0100]
s303，根据第一发射场因子和第二发射场因子确定发射场因子。
[0101]
当终端获取到第一发射场因子和第二发射场因子后，即可得到全部发射场的发射场因子。当然对于发射场图的低信噪比区域，可以进一步的将通过发射场图计算得到的初始发射场因子和第二发射场因子进行均值运算，或进行加权累加和运算，并将最终的运算结果作为低信噪比区域发射场因子。同样的，对于全部发射场，可将第一发射场因子和第二
发射场因子作均值处理后得到的均值作为发射场因子。
[0102]
在一个实施例中，计算机设备执行上述s104时，具体执行：将成像区域的扫描图像的各像素值与校正因子进行乘积运算，得到校正后的成像区域图像。
[0103]
本实施例涉及如何使用校正因子校正成像区域的扫描图像的具体方式，当校正因子是通过理论信号分布强度和实际信号分布强度的比值计算得到时，在校正扫描图像时，可以具体将扫描图像的各像素值与校正因子进行乘积运算，得到校正后的成像区域图像；当校正因子是通过实际信号分布强度和理论信号分布强度的比值计算得到时，在校正扫描图像时，可以具体将扫描图像的各像素值与校正因子的倒数进行乘积运算，得到校正后的成像区域图像。
[0104]
综合上述所有实施例，提供一种医学图像的处理方法，如图6所述，该方法包括：
[0105]
s401，获取成像区域的扫描图像。
[0106]
s402，通过对成像区域施加双翻转角序列或dream序列后采集的信号重建获得成像区域的发射场图。
[0107]
s403，根据发射场图计算得到发射场因子。
[0108]
s404，按照bloch方程衍化规则，基于扫描图像对应的成像序列参数确定不考虑发射场效应下的理论信号分布强度。
[0109]
s405，按照bloch方程衍化规则，基于扫描图像对应的成像序列参数和发射场因子确定考虑发射场效应下的理论信号分布强度。
[0110]
s406，将不考虑发射场效应下的理论信号分布强度和考虑发射场效应下的理论信号分布强度的比值确定为校正因子。
[0111]
s407，将成像区域图像的各像素值与校正因子进行乘积运算，得到校正后的成像区域图像。
[0112]
现有的矫正高场b1发射场不均匀方案中(激发不均匀性)，获取图像后，直接使用常规图像处理算法基于图像自身灰度分布对图像做后处理，实现均一化矫正，基本不直接从线圈自身的发射场分布出发来开展均一化。但是，常规的图像处理算法，不考虑信号来源和衍化过程，只根据图像自身的信号分布情况，使用数据处理算法，使得图像逼近整体分布更均匀。实际情况下，核磁医学图像由于其组织成分质子密度、成分的t1或t2属性的差异，本身存在天然对比度，在图像上呈现出信号的空间分布有差异的特性，直接对图像进行算法均一化处理，可能会导致这些天然的差异也被均一化而弱化，进而带来误差。本实施例提供的医学图像的处理方法是一种基于bloch仿真信号衍化来获得矫正因子的方法，在尽可能保留信号原始对比因素的基础上，获取更优化的空间信号均匀性分布矫正。
[0113]
应该理解的是，虽然图2-6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，图2-6中的至少一部分步骤可以包括多个步骤或者多个阶段，这些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中的步骤或者阶段的至少一部分轮流或者交替地执行。
[0114]
在一个实施例中，如图7所示，提供了一种医学图像的处理装置，包括：
[0115]
获取模块11，用于获取成像区域的扫描图像和所述成像区域对应的发射场图。
[0116]
计算模块12，用于根据所述发射场图计算得到发射场因子。
[0117]
确定模块13，用于根据所述扫描图像对应的成像序列参数和所述发射场因子确定校正因子。
[0118]
校正模块14，用于根据所述校正因子校正所述成像区域的扫描图像。
[0119]
在一个实施例中，若所述发射场图为短时快速序列采集的低分辨率图像，如图8所示，上述装置还包括：
[0120]
插值模块15，用于通过插值算法根据所述低分辨率图像获得高分辨率的发射场图；
[0121]
对应的，上述计算模块12具体用于根据所述高分辨率的发射场图计算得到发射场因子。
[0122]
在一个实施例中，如图9所示，若所述发射场图为高信噪比的发射场图，则上述计算模块12，包括：
[0123]
计算单元121，用于根据发射场图的高信噪比区域，计算得到第一发射场因子，发射场图中还存在低信噪比区域，且低信噪比区域位于高信噪比区域周围；
[0124]
校正单元122，用于将发射场图输入矫正模型，获得矫正的发射场图，以及根据矫正的发射场图确定低信噪比区域的第二发射场因子；
[0125]
确定因子单元123，用于根据所述第一发射场因子和所述第二发射场因子确定所述发射场因子。
[0126]
在一个实施例中，如图10所示，上述确定模块13，包括：
[0127]
第一确定单元131，用于按照bloch衍化规则，基于所述扫描图像对应的成像序列参数确定理论信号分布强度；
[0128]
第二确定单元132，用于按照所述bloch衍化规则，基于所述扫描图像对应的成像序列参数和所述发射场因子确定实际信号分布强度；
[0129]
第三确定单元133，用于将所述理论信号分布强度和所述实际信号分布强度的比值确定为所述校正因子。
[0130]
在一个实施例中，所述发射场图通过对所述成像区域施加双翻转角序列或dream序列后采集的信号重建获得。
[0131]
在一个实施例中，所述发射场图为二维发射场图或三维发射场图。
[0132]
在一个实施例中，如图11所示，上述医学图像的处理装置还包括：
[0133]
运算模块15，用于对所述发射场图进行插值运算，得到高分辨率的发射场图；
[0134]
对应的，上述计算模块12具体用于根据所述高分辨率的发射场图计算得到发射场因子。
[0135]
在一个实施例中，上述校正模块14具体用于将所述成像区域图像的各像素值与所述校正因子进行乘积运算，得到校正后的成像区域图像。
[0136]
在一个实施例中，所述扫描图像对应的成像序列参数包括射频脉冲的类型和/或所述射频脉冲的翻转角。
[0137]
关于医学图像的处理装置的具体限定可以参见上文中对于医学图像的处理方法的限定，在此不再赘述。上述医学图像的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。
[0138]
在一个实施例中，提供了一种计算机设备，该计算机设备可以是终端，其内部结构图可以如图12所示。该计算机设备包括通过系统总线连接的处理器、存储器、通信接口、显示屏和输入装置。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信，无线方式可通过wifi、运营商网络、nfc(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现一种医学图像的处理方法。该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，该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。
[0139]
本领域技术人员可以理解，图12中示出的结构，仅仅是与本技术方案相关的部分结构的框图，并不构成对本技术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。
[0140]
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：
[0141]
获取成像区域的扫描图像和所述成像区域对应的发射场图；
[0142]
根据所述发射场图计算得到发射场因子；
[0143]
根据所述扫描图像对应的成像序列参数和所述发射场因子确定校正因子；
[0144]
根据所述校正因子校正所述成像区域的扫描图像。
[0145]
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：
[0146]
通过插值算法根据所述低分辨率图像获得高分辨率的发射场图；
[0147]
所述根据所述发射场图计算得到发射场因子，包括：
[0148]
根据所述高分辨率的发射场图计算得到发射场因子。
[0149]
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：
[0150]
将所述发射场图输入矫正模型，获得矫正的发射场图；根据矫正的发射场图确定发射场因子。
[0151]
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：
[0152]
按照bloch方程衍化规则，基于所述扫描图像对应的成像序列参数确定不考虑发射场效应下的理论信号分布强度；
[0153]
按照所述bloch方程衍化规则，基于所述扫描图像对应的成像序列参数和所述发射场因子，确定所述发射场效应下的理论信号分布强度；
[0154]
将所述不考虑发射场效应的理论信号分布强度和所述考虑发射场效应的理论信号分布强度的比值确定为所述校正因子。
[0155]
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：
[0156]
将所述成像区域图像的各像素值与所述校正因子进行乘积运算，得到校正后的成像区域图像。
[0157]
上述实施例提供的一种计算机设备，其实现原理和技术效果与上述方法实施例类
似，在此不再赘述。
[0158]
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：
[0159]
获取成像区域的扫描图像和所述成像区域对应的发射场图；
[0160]
根据所述发射场图计算得到发射场因子；
[0161]
根据所述扫描图像对应的成像序列参数和所述发射场因子确定校正因子；
[0162]
根据所述校正因子校正所述成像区域的扫描图像。
[0163]
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：
[0164]
通过插值算法根据所述低分辨率图像获得高分辨率的发射场图；
[0165]
所述根据所述发射场图计算得到发射场因子，包括：
[0166]
根据所述高分辨率的发射场图计算得到发射场因子。
[0167]
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：
[0168]
根据发射场图的高信噪比区域，计算得到第一发射场因子，发射场图中还存在低信噪比区域，且低信噪比区域位于高信噪比区域周围；
[0169]
将发射场图输入矫正模型，获得矫正的发射场图，以及根据矫正的发射场图确定低信噪比区域的第二发射场因子；
[0170]
根据所述第一发射场因子和所述第二发射场因子确定所述发射场因子。
[0171]
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：
[0172]
按照bloch方程衍化规则，基于所述扫描图像对应的成像序列参数确定不考虑发射场效应下的理论信号分布强度；
[0173]
按照所述bloch方程衍化规则，基于所述扫描图像对应的成像序列参数和所述发射场因子，确定所述发射场效应下的理论信号分布强度；
[0174]
将所述不考虑发射场效应的理论信号分布强度和所述考虑发射场效应的理论信号分布强度的比值确定为所述校正因子。
[0175]
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：
[0176]
将所述成像区域图像的各像素值与所述校正因子进行乘积运算，得到校正后的成像区域图像。
[0177]
上述实施例提供的一种计算机可读存储介质，其实现原理和技术效果与上述方法实施例类似，在此不再赘述。
[0178]
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，所述的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，本技术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易失性存储器中的至少一种。非易失性存储器可包括只读存储器(read-only memory，rom)、磁带、软盘、闪存或光存储器等。易失性存储器可包括随机存取存储器(random access memory，ram)或外部高速缓冲存储器。作为说明而非局限，ram可以是多种形式，比如静态随机存取存储器(static random access memory，sram)或动态随机存取存储器(dynamic random access memory，dram)等。
[0179]
以上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。
[0180]
以上所述实施例仅表达了本技术的几种实施方式，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，在不脱离本技术构思的前提下，还可以做出若干变形和改进，这些都属于本技术的保护范围。因此，本技术专利的保护范围应以所附权利要求为准。