醫學圖像的降噪的製作方法

2023-07-14 18:10:56 1

專利名稱：醫學圖像的降噪的製作方法
醫學圖像的降噪相關申請本申請要求享有根據美國專利法35U. S. C. § 119(e)的申請日為2009年6月M 日的美國臨時專利申請61/219，857的權益。本申請也要求享有申請日為2008年12月25 日的PCT專利申請PCT/IL2008/001679的優先權，該申請的公開號為W02009/081410，該申請要求享有根據美國專利法35U. S. C. § 119(e)的申請日為2007年12月25日的美國臨時專利申請61/016，578的權益。上述專利申請文件的所有內容都以其整體引入在此作為參考。本發明的技術領域與
背景技術：
本發明，在它的一些實施例中，涉及一種用於處理圖像以產生降噪的以及其它想要的特徵的圖像的方法與系統，尤其是，但不完全是，涉及一種處理CT圖像的方法，考慮到噪聲在圖像中的非均一分布，和/或採用採用非線性濾波器來保持精細的圖像細節。文獻 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, 描述了一種融合以不同相機焦距設置拍攝的某個場景的兩個圖像的方法，該方法採用了圖像的拉普拉斯金字塔分解。文獻 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，描述了相同區域的不同圖像的融合，採用不同類型的傳感器來獲得，該方法採用小波變換代替拉普拉斯金字塔。由北京大學重離子物理研究所(中國北京，郵編100871)於2001年所發表的報告 Yu Lifeng, Zu Donglin, Wan Weidong 與 Bao Shanglian, 「 Multi-Modality Medical Image Fusion Based on Wavelet Pyramid and Evaluation"描述了一禾中融合兩個醫學圖像的方法，這些圖像是採用不同的圖像形態特徵來獲得的，例如，CT和MRI，或PET和MRI，
採用小波金字塔。文獻 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，比較了釆用不同方法融合CT和MRI圖像的結果，這些方法包括拉普拉斯金字塔、小波變換、計算有效像素級圖像融合方法、以及基於空間頻率的多焦點技術。文獻Richard Alan Peters II，" A New Algorithm for Image Noise Reduction using Mathematical Morphology「，IEEE Trans. Image Processing 4，554-568(1995)，描述了一種形態圖像清洗算法，當去噪時保留薄特徵。該方法通過形態大小分布而計算了在一定數量的不同場景上的殘留圖像，並丟棄了在不同殘留圖像內判斷為包含噪聲的區域， 所提供的噪聲具有比薄特徵更小的動態範圍。Gamier等人的美國專利申請US2008/0310695描述了一種對MRI圖像去噪的方法，釆用本地自適應非線性噪聲濾波器，考慮了在MRI圖像中理論上預期的噪聲水平的空間變化。 Toth的美國專利申請US2008/0118W8描述了生成模擬圖像的方法，將預設量的人工產生的噪聲加入圖像中。下列出版物和專利涉及圖像處理噪聲降低、圖像採集和/或計算機視覺
US2007/053477-一錐形束CT成像與扇束CT成像的全局去噪方法與裝置；
KR2005-0031210-——圖像去噪的方法與裝置；
JP2000-050109-一用於去除噪聲的非線性圖像濾波器；
US6，459，755——-用於低劑量給藥CT掃描的方法與裝置；
US2003/099405-一帶有計算有效實施的CT劑量減薄濾波器；
EP1 774 837——-活性劑量減薄裝置與方法；
JP2001-39874一一用於MRI的磁場發生器；
WO2007/047599-一用於高增益磁共振的方法與裝置；
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.

發明內容
本發明所涉及的一種用於處理醫學圖像(例如CT圖像)以產生帶有特定的想要的特徵的輸出圖像的方法和系統的一些實施方式的一些方面，包括一個或多個降低噪聲、 期望水平和空間分布的噪聲、期望的解析度、和/或保持精細細節和結構，當噪聲和/或解析度被降低時。根據本發明所述的一個示例性實施例，提供了一種產生在特定解析度的去噪醫學圖像的方法，包括a)對在比特定解析度更高的解析度獲得的原始醫學圖像進行去噪；以及b)在去噪後，採用非線性解析度降低程序將所述圖像的解析度降低至特定解析度，該非線性解析度降低程序保持圖像中的比線性解析度降低程序所產生的更精細的細節。可選地，所述原始醫學圖像是三維圖像，包括原始厚度的較薄的切片，且降低解析度包括採用非線性程序來融合多個較薄的切片，以獲得帶有較厚的切片的圖像。可選地，所述非線性程序包括a)將較薄的切片分解為帶通成分；b)對於至少一些帶通成分，將較薄的切片成分結合成一定程度的較厚的切片成分，對較厚的切片成分增加更多權重，使該成分具有更高振幅；以及
c)對於每個較厚的切片，重新組裝較厚的切片帶通成分，以產生在特定解析度的圖像。可選地，將較薄的切片成分結合成一定程度的較厚的切片成分，對較厚的切片成分增加更多權重，使該成分具有更高振幅的步驟是至少對於帶通成分完成的，除了包含更低頻率內容的成分之外；對於這種帶通成分以及在所有較薄的切片之間，當被結合為同樣的較厚的切片時，帶有最大絕對值的較薄的切片成分具有低於極限值的絕對值。附加地或可選擇地，原始醫學圖像是三維圖像，包括在切片方向上排列的切片，且降低解析度的步驟包括降低在切片方向上的解析度，但不降低在沿著每個切片的方向上的解析度。可選地，所述的非線性解析度降低程序包括帶通分解程序。可選地，所述的帶通分解程序包括拉普拉斯金字塔分解程序。可選擇地，所述的帶通分解程序包括小波轉換程序。可選地，對原始醫學圖像進行去噪的步驟包括a)對於在所述圖像中正被檢驗的每個像素，選擇一組檢索像素；b)計算每個檢索像素的鄰域的至少一個特徵的值，以及計算正被檢驗的像素的鄰域的對應特徵的值；c)計算每個檢索像素的相同或不同鄰域的至少一個其它特徵的值，以及計算正被檢驗的像素的相同或不同鄰域的對應特徵的值；以及d)基於圖像的檢索像素的原始或轉換的灰度值，計算每個正被檢驗像素的降低的噪聲灰度值，對於帶有一個或多個類似於正被檢驗的像素的特徵值的檢索像素，該降低的噪聲灰度值具有更大的靈敏度。根據本發明所述的一個示例性實施例，提供了一種產生在特定解析度的去噪醫學圖像的系統，包括a)對於三維醫學圖像，用於獲得原始數據的醫學成像裝置，能獲得至少比特定解析度更高的解析度；b)控制器，按程序從原始數據中重建所述圖像的切片，重建後圖像處於更高的解析度，以使圖像去噪，並採用非線性程序通過將較薄的切片融合形成較厚的切片而將該去噪圖像的解析度降低至特定解析度，該非線性程序包括i)將較薄的切片分解為帶通成分；ii)對於至少一些帶通成分，將較薄的切片成分結合成一定程度的較厚的切片成分，對較厚的切片成分增加更多權重，使該成分具有更高振幅；以及iii)對於每個較厚的切片，重新組裝較厚的切片帶通成分，以產生在特定解析度的圖像。根據本發明所述的一個示例性實施例，提供了一種將移除的結構復原為去噪的醫學圖像的方法，包括a)對原始醫學圖像進行去噪，以產生去噪的圖像；b)找到殘留的圖像，該圖像取決於在去噪圖像與原始圖像之間的差異；c)對殘留圖像採用非本地平滑濾波器，以獲得過濾的殘留圖像，該圖像指示在該殘留圖像中結構程度與位置的函數關係；以及
d)通過一個量改變在去噪圖像中的每個體素的灰度值來復原結構，所述的量取決於在殘留圖像的相應位置的結構程度，也取決於在殘留圖像或過濾的殘留圖像內的相應位置的灰度值。可選地，所述復原結構的步驟包括將加權或未加權的過濾的殘留圖像增加到去噪圖像。可選地，所述方法還包括從過濾的殘留圖像中找到在殘留圖像中與位置成函數關係的結構程度的測量值，其中，所述復原結構的步驟包括將由一個適應參數加權的殘留圖像或過濾的殘留圖像增加到去噪圖像，該適應參數局部地取決於與位置成函數關係的結構程度的測量值。可選地，所述從過濾的殘留圖像中找到在殘留圖像中與位置成函數關係的結構程度的測量值的步驟包括找到結構張量、海森矩陣或兩者的一個或多個特徵值。可選地，所述非本地的平滑濾波器包括非線性的邊緣保留濾波器。可選地，所述非線性的邊緣保留濾波器包括非線性的各向異性擴散濾波器。可選地，所述非線性的各向異性擴散濾波器包括Beltrami流濾波器。可選擇地或附加地，所述非線性的各向異性擴散濾波器包括相干增強擴散(CED) 濾波器。可選地，對於大多數位置，關於殘留圖像或過濾的殘留圖形或兩者的灰度值，在結構程度更大的位置上的灰度值的改變是比在結構程度更小的位置上的灰度值的改變更靈敏。根據本發明所述的一個示例性實施例，提供了一種用於產生帶有被復原的移除結構的去噪醫學圖像的系統，包括a)對於醫學圖像，用於獲得原始數據的醫學成像裝置；b)控制器，按程序從原始數據中重建醫學圖像，以使圖像去噪，以找到殘留圖像， 該圖像取決於在去噪圖像與原始圖像之間的差異，以對該殘留圖像採用非本地平滑濾波器，以獲得過濾的殘留圖像，該圖像指示在殘留圖像中與位置成函數關係的結構程度，並通過一個量改變在去噪圖像中的每個體素的灰度值來復原結構，所述的量取決於在殘留圖像的相應位置的結構程度，也取決於在殘留圖像或過濾的殘留圖像內的相應位置的灰度值。根據本發明所述的一個示例性實施例，還提供了一種產生帶有特定量值和分布的噪聲的去噪醫學圖像的方法，包括a)從原始醫學圖像中移除噪聲，以產生初始去噪圖像；以及b)將一部分已移除的噪聲加入到所述初始去噪圖像，以產生帶有關於噪聲的特定量值和分布的去噪圖像。可選地，所述加入一部分已移除的噪聲的步驟包括a)選擇空間變化的加權的參數，會獲得噪聲的特定量值和分布；以及b)根據所述加權的參數，找到原始圖像和初始去噪圖像的加權的總量。可選地，選擇空間變化的加權的參數的步驟包括計算原始圖像和初始去噪圖像的本地標準偏差。可選地，從原始醫學圖像中移除噪聲的步驟包括根據本發明的前述示例性實施例的方法將已移除的結構復原到所述初始去噪圖像。
10
可選地，加入噪聲的步驟包括乘以空間變化的參數(或信封)來加入原始圖像， 該參數取決於噪聲的特定量值和分布。根據本發明所述的一個示例性實施例，還提供了一種用於產生帶有特定量值和分布的噪聲的去噪醫學圖像的系統，包括a)對於醫學圖像，用於獲得原始數據的醫學成像裝置；b)控制器，按程序從原始數據中重建醫學圖像，以使圖像去噪，並將一部分已移除的噪聲加入到初始去噪圖像，以產生帶有關於噪聲的特定量值和分布的去噪圖像。根據本發明所述的一個示例性實施例，還提供了一種使醫學圖像去噪的方法，包括a)對於在所述圖像中的多個選擇的體素的每個體素，評估在該體素周圍的大鄰域內的噪聲水平，通過以下步驟i)對於在落入灰度水平的選擇範圍的大鄰域內的至少一些體素，找到在圍繞該體素的小鄰域內的灰度水平的變化程度；ii)設置該噪聲水平等於在子集中的體素的變化的程度的平均水平；b)從對於所選擇的體素的評估的噪聲水平中找到在圖像中與位置成函數關係的噪聲；以及c)採用去噪算法使圖像去噪，該去噪算法利用與位置成函數關係的噪聲水平。根據本發明所述的一個示例性實施例，還提供了一種採用在圖像中與位置成函數關係的已知噪聲水平來使醫學圖像去噪的方法，對於在所述圖像中的每個體素，包括a)對於所述體素，選擇一組對照體素；b)計算在所述體素相關聯的鄰域與每個對照體素相關聯的鄰域之間的相似測量值；c)找到對照體素的灰度水平的加權平均值，對於每個對照體素的權重取決於它的鄰域的相似測量值，標準化到一個值，該值取決於在所述體素的位置的噪聲水平，也取決於在所述對照體素的位置的噪聲水平，或取決於兩者的噪聲水平；以及d)根據所述對照體素的灰度水平的加權平均值來改變所述體素的灰度水平。可選地，計算相似測量值的步驟包括計算所述體素的鄰域的特徵的值，以及計算所述對照體素的鄰域的相應特徵的值。根據本發明所述的一個示例性實施例，還提供了使圖像銳化的方法，包括a)計算與圖像中的位置成函數關係的圖像的灰度值變化的本地程度；以及b)對該圖像應用銳化濾波器，其中由該濾波器產生的銳化程度是低於在較高的所測量的變化程度的位置的銳化程度。除非另作定義，這裡所採用的素有技術術語和/或科學術語都具有本發明所涉及領域的技術人員所熟知的普通含義。與這裡所描述的方法和材料的類似或等同的方法和材料都可被用於本發明的實施例的實施或測試，下面給出了示例性的方法和/或材料。在發生衝突時，本專利說明書包括這些定義，都會控制。另外，所有材料、方法和例子都僅是示例性的，而不試圖作為對本發明的限制。本發明的實施方式的方法和/或系統的執行，可涉及手動、自動或兩者結合地執行或完成所選擇的任務。而且，根據本發明所述的方法和/或系統的實際設備和裝置的實
11施例，可通過硬體、軟體或固件或它們的結合，採用作業系統來執行幾種選擇的任務。例如，用於執行根據本發明所述的實施例的選擇任務的硬體可以是以晶片或電路的方式實施。對於軟體，本發明所述的實施例的選擇任務可採用任意合適的作業系統通過計算機來執行多個軟體指令來實施。在本發明的一個示例性實施例中，根據這裡所描述的方法和/或系統的示例的一個或多個任務是通過數據處理器來執行，例如，用於執行多個指令的計算平臺。可選地，該數據處理器包括用於存儲指令和/或數據的易失性存儲器，和 /或用於存儲指令和/或數據的非易失性存儲器，例如，磁性硬碟和/或可移動介質。可選地，還提供了網絡連接。顯示器和/或用戶輸入設備例如鍵盤或滑鼠也可選地提供。附圖的簡要說明在這裡僅通過實施例並結合所附的附圖來描述本發明的一些實施方式。現在特別詳細參考有關附圖，需要強調的是，通過實施例的方式來顯示特別內容，用於說明本發明的實施例的示例性討論的目的。在這方面，本說明書採用附圖使本領域技術人員能清楚地了解本發明的實施方式。在這些附圖中圖IA顯示了根據本發明的一個示例性實施例所述的對醫學圖像去噪的方法的流程圖；圖IB示意性地顯示了根據圖IA所示的方法用於獲取醫學圖像和對該圖像減噪的醫學成像系統；圖2顯示了範圍壓縮函數的圖，可選地用於對醫學圖像進行預處理，採用如圖IA 所示的方法；圖3A示意性地顯示了一個沒有噪聲的二維圖像，而圖:3B示意性地顯示了增加了噪聲的同一圖像，該圖像帶有選擇的像素和鄰域，以顯示用於降低圖像噪聲的算法，該算法可被用於圖IA所示的方法；圖4A示意性地顯示了圖;3B所示的圖像和選擇的像素和鄰域，與類似於根據用於在圖像中降噪的一個算法所選擇的其它像素在一起，該算法可被用於圖IA所示的方法中；圖4B示意性地顯示了圖;3B所示的圖像和選擇的像素和鄰域，與類似於根據用於在圖像中降噪的另一個算法所選擇的其它像素在一起，該算法可被用於圖IA所示的方法中；圖5是用於在圖像中降噪的方法的流程圖，該方法可被用於圖IA所示的方法中；圖6A是採用相對低的X-射線劑量製作的噪聲CT圖像；圖6B顯示了圖6A所示的圖像，帶有採用圖5所示方法降低的噪聲；以及圖6C是一個低噪聲CT圖像，類似於在圖6A中所示的圖像，但採用相對高的X-射線劑量來製作。
具體實施方式
詳述本發明，在它的一些實施例中，涉及一種用於處理圖像以產生降噪的以及其它想要的特徵的圖像的方法與系統，尤其是，但不完全是，涉及一種處理CT圖像的方法，考慮到噪聲在圖像中的非均一分布，和/或採用採用非線性濾波器來保持精細的圖像細節。本發明的一些實施例的一個方面是涉及一種對醫學圖像去噪的方法，其中，該去噪是在高空間解析度下進行的，例如，原始圖像是在該高空間解析度獲取的，例如，通過CT
12機獲得的圖像。然後，去噪圖像被向下轉換為較低解析度，可選地採用非線性下採樣算法， 該算法保持精細的細節，比線性下採樣算法更好。較低的解析度是指，例如，放射科醫生通常檢查CT圖像的解析度。在現有技術中，在通常的去噪程序中，去噪是在圖像已經被轉換為低解析度之後進行的。本發明的一些實施例的一個方面是涉及一種復原結構到去噪圖像的方法，其中， 去噪算法在去除噪聲的同時已經從該圖像中移除了一些結構。殘留的圖像，在原始圖像與去噪圖像之間的差異，可選地被過濾以去除噪聲和增強邊緣，被完全或部分地加回到已去噪的圖像中。在本發明的一個示例性實施例中，在圖像中的每個位置，用於殘留圖像的相對權重取決於在該殘留圖像中的結構程度，或者在原始或去噪圖像中的該位置的結構程度。 例如，在某個有低的結構程度的位置，可給予殘留圖像小的權重或不給權重，而在某個有高的結構程度的位置，可給予該殘留圖像相對大量的權重，可選地，給予該殘留圖像最大權重，該權重輕微或者根本不增加結構的程度。可選地，用於殘留圖像的相對權重也取決於在原始或殘留圖像中的每個位置的本地噪聲水平，例如，對具有較高噪聲水平的殘留圖像採用較低權重。本發明的一些實施例的一個方面是涉及一種產生帶有特定量值和分布的噪聲的去噪圖像的方法。例如，特定量值和分布的噪聲可以是由放射科醫生在檢查CT圖像時所期望的量值和分布的噪聲，以便使該圖像比完全去噪的圖像看起來更自然。該特定量值和分布的噪聲是通過加入噪聲到該圖像來獲得的，帶有空間信封，這樣會獲得想要的量值和分布的噪聲。可選地，該噪聲是通過平均原始圖像與去噪圖像而獲得的，採用空間變化加權參數。本發明的一些實施例的一個方面是涉及一種產生使圖像去噪的方法，其中，去噪算法採用與圖像中的位置成函數關係的噪聲水平的測量。例如，噪聲水平是在給出的體素處查明的，通過看圍繞該體素的一個大窗口。在該大窗口內，僅考慮在一定範圍內的體素的灰度值。該範圍可選地取決於正被成像的組織，例如，僅考慮對於該組織的在中間範圍內的體素。對於這些體素的每個體素，在小窗口內查明變化的本地測量的灰度值，例如，標準偏差。進行變化的一組子集的測量，變化的測量的結果低於特定的分位數，進行在子集的變化的測量的平均，以找到對於大窗口的本地噪聲水平。作為與圖像中的位置成函數關係的噪聲水平是通過採用對於分布在該圖像中的多個體素的這個方法來查明的，並可選地內插以覆蓋整個圖像。一旦該噪聲水平是已知的與圖像中的位置成函數關係，可採用這裡所描述的其他程序，來根據本地噪聲水平最優化或改善程序本身的性能。本發明的一些實施例的一個方面是涉及一種使圖像去噪的方法，其中，與圖像中的位置成函數關係的噪聲水平是被用於去噪算法中。例如，該去噪算法是一個「非本地平均」(NLM)類型的算法，其中，圍繞給出體素的補碼是與圍繞在該圖像的另一處的對照體素的補碼進行比較，並對於這連個補碼進行類似測量。基於在給出體素的本地噪聲水平、在對照體素的本地噪聲水平，或者它們兩者，計算由於噪聲導致的在類似測量中所期待的變化， 並用於使該類似測量標準化。在現有技術的NLM算法中，取決於體素的位置的恆定噪聲水平已經被用於使類似測量標準化。對於對照體素，基於標準化的類似測量，查明一個權重， 也查明對照體素的灰度值的加權平均。然後，基於對照體素的灰度值的加權平均，改變該給出體素的灰度值。可選地，通過上述的程序查明與圖像中位置成函數關係的噪聲水平。
本發明的一些實施例的一個方面是涉及一種銳化圖像的方法，其中，變化的本地程度的灰度值，例如本地標準偏差的灰度值，是作為在圖像中位置的函數關係來查明的。然後，對該圖像應用銳化濾波器，但銳化的程度是取決於變化的本地程度的灰度值。當變化的本地程度的灰度值越大時，採用越小的銳化程度。所得到的圖像在銳化邊緣可具有相對少的或者沒有視覺假象，與線性銳化濾波器相比，後者對於給出的平均銳化程度會產生更多的視覺假象。總的來說，在圖像處理文獻中，術語「像素(pixel) 」是用於表示二維圖像的一個元素，而「體素(voxel)」是用於表示二維圖像的一個元素。因為這裡所描述的方法總體上既可用於二維圖像，也可用於三位圖像，這裡所採用的術語「像素」和「體素」不應理解為將本說明書限制為二維圖像或三維圖像的例子。除非另有特別說明，這裡所採用的術語「像素」 和「體素」應被理解為應用於任意例子的通用術語，它們通常可交替使用。在醫學成像模式中，例如CT或MRI，它是定製的，當顯示一個圖像時，繪製該圖像密度，例如在一個CT圖像中以豪森菲爾德單位(HU)表示的密度，以表明亮度水平或從黑到白的灰度值範圍，對於感興趣的特定的密度範圍。術語「灰度值」也可用於指圖像密度，用於成像模式的圖像密度的範圍之外，該圖像密度是在圖像處理的中間步驟中產生的，例如一個負數。此外，這裡所使用的術語「灰度值」不僅是指黑白圖像的亮度，還是指彩色圖像中任意色彩變量的程度，例如，在彩色圖像中的紅、綠或藍，或者彩色圖像的亮度或飽和度。 在諸如CT或MRI圖像的醫學圖像中，通常只顯示一種單一密度變量，例如HU密度、T1或T2 加權密度，它被繪製為灰度顯示的亮度水平，而在本例中，「灰度值」是特別傾向於，但這裡所述的方法並不限制於它們對醫學圖像或對黑自圖像的適用性。這裡所描述的降低噪聲方法法可被特別用於醫學圖像，因為醫學圖像通常具有相對高的噪聲水平，由於在噪聲水平和圖像採集參數(例如，X-射線劑量或MRI採集時間) 之間通常有折中，施加經濟或安全懲罰以用於降低噪聲。而且，因為醫學圖像總體上沒有在「光照」差別，一個像素的鄰域的特徵通常是它的真實灰度值的號的指示。這是特別真實的，因為醫學圖像傾向於具有類似結構，在該圖像的不同部分重複出現，有時帶有改變的尺度或方向。舉例來說，這裡所描述的方法可被應用在圖像採集設備或它的工作站(例如，CT 機、MRI機、超聲成像機)上，應用在圖像處理站和/或通過網絡連接到遠程位置或遠程伺服器。在詳細解釋本發明的至少一個實施例之前，需要明確的是，本發明並不必然限制其申請在以下說明中的詳細描述的內容。本發明能採用多種不同方式實施或執行的其他實施例。去噪方法的概述現在參考附圖，圖IA顯示了一個流程

圖1000，顯示了根據本發明的示例性實施例所述的用於產生降低噪聲的圖像的程序。該程序是對於採用CT圖像而開發的，除了可用於處理CT圖像外，也可被用於處理其他醫學圖像，或者其他類型的圖像。不同類型的醫學圖像，以及非醫學圖像，具有不同的特徵，這些特徵可以使該程序的特定實施更適合於它們。 諸如CT和MRI圖像等的醫學圖像不依賴於普通非醫學圖像處理的「光照」方法，它們的噪聲水平和噪聲的空間分布可以是一致的，並可從一個圖像預期到另一個圖像。
在步驟1002，通過一個醫學成像設備(例如CT機)獲得高解析度和有噪聲的3D 原始圖像I。在圖IB中原理地顯示了用於獲得這樣的圖像和對圖像去噪的系統500。採用控制器506，例如計算機，或者與成像設備相關聯的指定電路，從由成像設備502從一個病人504上獲得的原始數據來重構該圖像。該控制器也可以執行任意或者全部下面所述的去噪程序。在本發明的一些實施例中，物理上分離的計算機或者電路可執行不同部分的去噪和/或圖像重構程序，但它們在這裡都是全部用來作為控制器。可選地，諸如顯示器等輸出設備508顯示去噪圖像，而諸如鍵盤或控制臺等輸入設備510被用於控制成像程序和/或成像設備。再參見圖1A，在步驟1004，原始圖像I被可選地採用非線性濾波器來過濾，導致獲得標示為C的預處理圖像，以後將用於比較在去噪程序中的補碼。當在常規CT圖像中最感興趣的密度範圍是相對小時，例如-50HU至+100HU豪森菲爾德單位(HU)，這裡全範圍是-1000HU至+4000HU，可在圖像I的非線性過濾之前進行可選範圍的壓縮程序。根據預期的噪聲模式對圖像的「預變白」，定義在下面的標題為「預處理的圖像」的章節A，也是可選地進行的。在CT圖像中，由於獲取機制和光束硬化，噪聲總體上在空間不是均勻分布的，通過一種方法使X-射線的非單色光束增加穿透身體的平均能量，因為更柔和的X-射線被優先吸收了。可選地，該去噪程序採用根據在該CT圖像的每個點的本地噪聲特徵的空間依賴參數，這些參數在步驟1006中被評估。可選地，在預處理該圖像之前，或者在預處理該圖像的同時，評估本地噪聲特徵。然而，先進行預處理是有優勢的，例如，如果本地噪聲特徵是基於在預處理的圖像中的「變白噪聲」，而不是基於在原始圖像中的「有色噪聲」時。這些術語在下面標題為「預處理的圖像」的章節A中進行定義。在步驟1008中，在圖像上進行非本地平均(NLM)類型的去噪程序。總的來說，NLM 程序是通過找到類似於在給出的體素周圍的補碼的補碼來對在圖像中的給出體素進行去噪的。該體素的去噪值是計算為這些補碼的中間體素的加權平均值，其中，該權重是與在這些補碼之間的一些類似度量成比例關係的。除了 NLM程序之外，也可採用本領域已知的其他去噪程序，取代NLM去噪程序或者作為NLM去噪程序的補充。在基於NLM程序的特徵中，類似度量是基於從這些補碼中抽取的多種特徵，其中， 這些特徵可基於圖像C和圖像I。該類似度量也可取決於在步驟1006中評估的參數。圖像 D是在執行了基於NLM程序之後的去噪圖像。在步驟1008中採用的NLM程序可以是某個特徵類型的NLM程序，例如基於下面標題為「在NLM去噪算法中採用的示例性類型的特徵」中描述的特徵的NLM程序，以及相關的公開於PCT申請W02009/081410的內容，或者在例如上面所引用的早期文獻中關於去噪圖像所描述的類型的NLM程序。在步驟1010中，已經在去噪程序中從圖像中移除的結構被可選地復原到該圖像。 即使在去噪後，也可能從殘留圖像R= I-D中復原附加的特徵，該圖像含有大多數已經移除的噪聲，但也包含一些空間上可區別的結構。相干增強擴散(CED)或類似濾波器是可選地用於找到那些結構，這些濾波器對殘留圖像進行非線性平滑處理。可選地，過濾的殘留圖像 S不是直接加到圖像D，但可以乘以參數α，該參數可取決於圖像D的本地特徵。圖像D' = D+aS是在復員後的去噪圖像。在步驟1012中，噪聲是可選地加入到圖像中。對於習慣於在CT圖像中特定水平
15的噪聲的放射科醫生來說，去噪圖像有時看起來不自然。在圖像D'與圖像I之間的平均對於放射科醫生看起來更自然。這樣一個圖像的例子是E= β ' +(1-β)Ι，其中，β是精選的以致所得到的圖像E具有一些特定標準偏差的噪聲模式，而β可在該圖像上變化。 可選地，圖像D'也可被存儲，用於後面的可能的應用，在該圖像中，附加的噪聲可以是不利的，例如，如果放射科醫生想要在更高解析度縮小一部分圖像時。在步驟1014中，可選地降低了該圖像的解析度。放射科醫生通常在比由CT掃描儀所獲得的原始圖像的解析度更低的解析度檢查常規的CT圖像。解析度的最終降低是可選地採用非線性降低程序來執行的。該解析度降低程序是被設計為保持比圖像的線性過濾和採樣更多的細節。去噪方法的細節下面提供了流程圖100的每個程序的更多細節。圖像獲得在日常實踐中，由放射科醫生檢查的CT圖像通常具有約2. 5mm的軸解析度(切片厚度)。然而，大多數現代CT機的天然軸解析度是約0. 6mm。因此，由CT機獲得的原始數據是比由臨床以上所看到的更高解析度的數據。通常不在日常實踐中利用該高解析度數據， 由於它包含高的噪聲水平，且它需要更長的閱讀時間。在臨床常規中檢查的每個低解析度切片包含從在原始圖像中一定數量的切片整合的數據。這裡所述的去噪程序和相關的圖像處理方法可選地採用高解析度數據，這些數據通常在CT機中獲得，並包含更多信息。在完成處理之後，可選地產生較低解析度圖像，供放射科醫生檢查。在本發明的示例性實施例中，在臨床軸解析度與原始軸解析度之間的差異是以以下兩種途徑之一或同時來充分利用第一，較豐富的數據組被用作輸入到圖像處理算法。由於高信息內容，該算法是潛在地可產生更精確的結果。第二，可選地對處理的圖像以非線性方式進行下採樣，以產生較低解析度的圖像，潛在地保留在原始圖像中可用的精細的細節。預處理的圖像在預處理階段，預處理的圖像C是可選地從原始圖像I中計算的。該預處理的圖像是可選地用於在去噪程序中的補碼的比較。一個基礎的去噪算法可寫成下式
A YuiXj-^ixi,Xj)Xi=^' t———,
XljHxi, Xj)這裡，天是第i個體素的去噪值，而權重w(Xi，Xj)是基於在圍繞圖像I的體素Xi和 Xj的補碼之間的距離的特徵的函數。更多去噪算法可選地比較在原始圖像I的補碼與預處理的圖像C的補碼
Λ T .Xj ·W(Ixi5Ci)5(^5Cy))Xi = -ψ—-——————
^jWdxi,C1],{Xj,C j})預處理的圖像C是可選地採用下面的步驟來從圖像I進行重構A.根據噪聲模式的有色噪聲的預變白CT噪聲可被近似地模式化為附加的有色高斯噪聲，也就是，由一些濾波器過濾的白色高斯噪聲，該濾波器被表示為噪聲-色彩濾波器。優選地可對圖像進行預變白處理，通
16過應用維納濾波器，該濾波器試圖轉化噪聲著色的操作，因此產生含有白色噪聲的圖像，該噪聲不是空間相關的。這種類型的噪聲已經在文獻中廣泛研究，且可以是比有色噪聲更容易去除的。可選地，通過計算來自均一仿真的CT圖像的協方差矩陣來評估噪聲-色彩濾 ^^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.範圍壓縮CT圖像的動態範圍通常是在約-1000HU (空氣)至+4000HU (金屬)之間。然而，在 OHU至100HU之間的範圍是更為重要的考慮範圍，相比於例如在1000HU至1500HU之間的範圍，因為第一個範圍區分了軟組織，而第二個範圍表示更緻密的組織，例如骨。此外，諸如骨等緻密組織通常是用更寬的密度窗口來檢查的，這導致噪聲不那麼可視。放射科醫生通常檢查腦CT圖像，其密度窗口約為OHU至+80HU，而肝CT圖像的密度窗口為-15HU至+155HU。 在圖像C採用灰度轉換是有優勢的，這樣擴展了軟組織範圍，而壓縮了 -1000HU至-200HU 的範圍，並在+300HU之上。例如，灰度水平轉換可以是原始密度χ的下列函數y :
權利要求
1.一種產生在特定解析度的去噪醫學圖像的方法，包括a)對在比特定解析度更高的解析度獲得的原始醫學圖像進行去噪；以及b)在去噪後，採用非線性解析度降低程序將所述圖像的解析度降低至特定解析度，該非線性解析度降低程序保持圖像中的比線性解析度降低程序所產生的更精細的細節。
2.根據權利要求1所述的方法，其特徵在於所述原始醫學圖像是三維圖像，包括原始厚度的較薄的切片，且降低解析度包括採用非線性程序來融合多個較薄的切片，以獲得帶有較厚的切片的圖像。
3.根據權利要求2所述的方法，其特徵在於所述非線性程序包括a)將較薄的切片分解為帶通成分；b)對於至少一些帶通成分，將較薄的切片成分結合成一定程度的較厚的切片成分，對較厚的切片成分增加更多權重，使該成分具有更高振幅；以及c)對於每個較厚的切片，重新組裝較厚的切片帶通成分，以產生在特定解析度的圖像。
4.根據權利要求3所述的方法，其特徵在於所述將較薄的切片成分結合成一定程度的較厚的切片成分，對較厚的切片成分增加更多權重，使該成分具有更高振幅的步驟是至少對於帶通成分完成的，除了包含更低頻率內容的成分之外；對於這種帶通成分以及在所有較薄的切片之間，當被結合為同樣的較厚的切片時，帶有最大絕對值的較薄的切片成分具有低於極限值的絕對值。
5.根據權利要求1至4之一所述的方法，其特徵在於原始醫學圖像是三維圖像，包括在切片方向上排列的切片，且降低解析度包括降低在切片方向上的解析度，但不降低在沿著每個切片的方向上的解析度。
6.根據權利要求1至5之一所述的方法，其特徵在於所述的非線性解析度降低程序包括帶通分解程序。
7.根據權利要求6所述的方法，其特徵在於所述的帶通分解程序包括拉普拉斯金字塔分解程序。
8.根據權利要求6所述的方法，其特徵在於所述的帶通分解程序包括小波轉換程序。
9.根據權利要求1至8之一所述的方法，其特徵在於，對原始醫學圖像進行去噪的步驟包括a)對於在所述圖像中正被檢驗的每個像素，選擇一組檢索像素；b)計算每個檢索像素的鄰域的至少一個特徵的值，以及計算正被檢驗的像素的鄰域的對應特徵的值；c)計算每個檢索像素的相同或不同鄰域的至少一個其它特徵的值，以及計算正被檢驗的像素的相同或不同鄰域的對應特徵的值；以及d)基於圖像的檢索像素的原始或轉換的灰度值，計算每個正被檢驗像素的降低的噪聲灰度值，對於帶有一個或多個類似於正被檢驗的像素的特徵值的檢索像素，該降低的噪聲灰度值具有更大的靈敏度。
10.一種用於產生在特定解析度的去噪的醫學圖像的系統，包括a)對於三維醫學圖像，用於獲得原始數據的醫學成像裝置，能獲得至少比特定解析度更高的解析度；b)控制器，按程序從原始數據中重建所述圖像的切片，重建後圖像處於更高的解析度，以使圖像去噪，並採用非線性程序通過將較薄的切片融合形成較厚的切片而將該去噪圖像的解析度降低至特定解析度，該非線性程序包括i)將較薄的切片分解為帶通成分；ii)對於至少一些帶通成分，將較薄的切片成分結合成一定程度的較厚的切片成分，對較厚的切片成分增加更多權重，使該成分具有更高振幅；以及iii)對於每個較厚的切片，重新組裝較厚的切片帶通成分，以產生在特定解析度的圖像。
11.一種將移除的結構復原為去噪的醫學圖像的方法，包括a)對原始醫學圖像進行去噪，以產生去噪的圖像；b)找到殘留的圖像，該圖像取決於在去噪圖像與原始圖像之間的差異；c)對殘留圖像採用非本地平滑濾波器，以獲得過濾的殘留圖像，該圖像指示在該殘留圖像中結構程度與位置的函數關係；以及d)通過一個量改變在去噪圖像中的每個體素的灰度值來復原結構，所述的量取決於在殘留圖像的相應位置的結構程度，也取決於在殘留圖像或過濾的殘留圖像內的相應位置的灰度值。
12.根據權利要求11所述的方法，其特徵在於，所述復原結構的步驟包括將加權或未加權的過濾的殘留圖像增加到去噪圖像。
13.根據權利要求11所述的方法，其特徵在於，還包括從過濾的殘留圖像中找到在殘留圖像中與位置成函數關係的結構程度的測量值，其中，所述復原結構的步驟包括將由一個適應參數加權的殘留圖像或過濾的殘留圖像增加到去噪圖像，該適應參數局部地取決於與位置成函數關係的結構程度的測量值。
14.根據權利要求13所述的方法，其特徵在於，所述從過濾的殘留圖像中找到在殘留圖像中與位置成函數關係的結構程度的測量值的步驟包括找到結構張量、海森矩陣或兩者的一個或多個特徵值。
15.根據權利要求11至14之一所述的方法，其特徵在於對原始醫學圖像進行去噪的步驟包括a)對於在所述圖像中正被檢驗的每個像素，選擇一組檢索像素；b)計算每個檢索像素的鄰域的至少一個特徵的值，以及計算正被檢驗的像素的鄰域的對應特徵的值；c)計算每個檢索像素的相同或不同鄰域的至少一個其它特徵的值，以及計算正被檢驗的像素的相同或不同鄰域的對應特徵的值；以及d)基於圖像的檢索像素的原始或轉換的灰度值，計算每個正被檢驗像素的降低的噪聲灰度值，對於帶有一個或多個類似於正被檢驗的像素的特徵值的檢索像素，該降低的噪聲灰度值具有更大的靈敏度。
16.根據權利要求11至15之一所述的方法，其特徵在於所述非本地的平滑濾波器包括非線性的邊緣保留濾波器。
17.根據權利要求16所述的方法，其特徵在於所述非線性的邊緣保留濾波器包括非線性的各向異性擴散濾波器。
18.根據權利要求17所述的方法，其特徵在於所述非線性的各向異性擴散濾波器包括Beltrami流濾波器。
19.根據權利要求17或18所述的方法，其特徵在於所述非線性的各向異性擴散濾波器包括相干增強擴散(CED)濾波器。
20.根據權利要求11至19之一所述的方法，其特徵在於對於大多數位置，關於殘留圖像或過濾的殘留圖形或兩者的灰度值，在結構程度更大的位置上的灰度值的改變是比在結構程度更小的位置上的灰度值的改變更靈敏。
21.一種用於產生帶有被復原的移除結構的去噪醫學圖像的系統，包括a)對於醫學圖像，用於獲得原始數據的醫學成像裝置；b)控制器，按程序從原始數據中重建醫學圖像，以使圖像去噪，以找到殘留圖像，該圖像取決於在去噪圖像與原始圖像之間的差異，以對該殘留圖像採用非本地平滑濾波器，以獲得過濾的殘留圖像，該圖像指示在殘留圖像中與位置成函數關係的結構程度，並通過一個量改變在去噪圖像中的每個體素的灰度值來復原結構，所述的量取決於在殘留圖像的相應位置的結構程度，也取決於在殘留圖像或過濾的殘留圖像內的相應位置的灰度值。
22.—種產生帶有噪聲的特定量值和分布的去噪醫學圖像的方法，包括a)從原始醫學圖像中移除噪聲，以產生初始去噪圖像；以及b)將一部分已移除的噪聲加入到所述初始去噪圖像，以產生帶有關於噪聲的特定量值和分布的去噪圖像。
23.根據權利要求22所述的方法，其特徵在於，所述加入一部分已移除的噪聲的步驟包括a)選擇空間變化的加權的參數，會獲得噪聲的特定量值和分布；以及b)根據所述加權的參數，找到原始圖像和初始去噪圖像的加權的總量。
24.根據權利要求23所述的方法，其特徵在於，所述選擇空間變化的加權的參數的步驟包括計算原始圖像和初始去噪圖像的本地標準偏差。
25.根據權利要求22至M之一所述的方法，其特徵在於，所述從原始醫學圖像中移除噪聲的步驟包括根據權利要求11所述的方法將已移除的結構復原到所述初始去噪圖像。
26.根據權利要求22至25之一所述的方法，其特徵在於，所述加入噪聲的步驟包括 乘以空間變化的參數來加入原始圖像，該參數取決於噪聲的特定量值和分布。
27.一種用於產生帶有噪聲的特定量值和分布的去噪醫學圖像的系統，包括a)對於醫學圖像，用於獲得原始數據的醫學成像裝置；b)控制器，按程序從原始數據中重建醫學圖像，以使圖像去噪，並將一部分已移除的噪聲加入到初始去噪圖像，以產生帶有關於噪聲的特定量值和分布的去噪圖像。
28.一種使醫學圖像去噪的方法，包括a)對於在所述圖像中的多個選擇的體素的每個體素，評估在該體素周圍的大鄰域內的噪聲水平，通過以下步驟i)對於在落入灰度水平的選擇範圍的大鄰域內的至少一些體素，找到在圍繞該體素的小鄰域內的灰度水平的變化程度； )設置該噪聲水平等於在子集中的體素的變化的程度的平均水平；b)從對於所選擇的體素的評估的噪聲水平中找到在圖像中與位置成函數關係的噪聲；以及c)採用去噪算法使圖像去噪，該去噪算法利用與位置成函數關係的噪聲水平。
29.一種採用在圖像中與位置成函數關係的已知噪聲水平來使醫學圖像去噪的方法， 對於在所述圖像中的每個體素，包括a)對於所述體素，選擇一組對照體素；b)計算在所述體素相關聯的鄰域與每個對照體素相關聯的鄰域之間的相似測量值；c)找到對照體素的灰度水平的加權平均值，對於每個對照體素的權重取決於它的鄰域的相似測量值，標準化到一個值，該值取決於在所述體素的位置的噪聲水平，也取決於在所述對照體素的位置的噪聲水平，或取決於兩者的噪聲水平；以及d)根據所述對照體素的灰度水平的加權平均值來改變所述體素的灰度水平。
30.根據權利要求四所述的方法，其特徵在於，所述計算相似測量值的步驟包括計算所述體素的鄰域的特徵的值，以及計算所述對照體素的鄰域的相應特徵的值。
31.根據權利要求觀所述的方法，其特徵在於，所述使圖像去噪的步驟包括根據權利要求四所述的方法來對圖像去噪。
全文摘要
一種產生在特定解析度的去噪醫學圖像的方法，包括a)對在比特定解析度更高的解析度獲得的原始醫學圖像進行去噪；以及b)在去噪後，採用非線性解析度降低程序將所述圖像的解析度降低至特定解析度，該非線性解析度降低程序保持圖像中的比線性解析度降低程序所產生的更精細的細節。
文檔編號G06T5/00GK102203826SQ200980153645
公開日2011年9月28日 申請日期2009年12月24日 優先權日2008年12月25日
發明者伊利蘭·達昂, 茲維·德維爾, 埃澤爾·巴拉維夫, 塔爾·克尼希, 蓋伊·羅斯曼 申請人:梅迪奇視覺成像解決方案有限公司