專利名稱：一種x射線冠脈造影圖像血管增強(qiáng)方法
技術(shù)領(lǐng)域：
本發(fā)明屬于醫(yī)學(xué)圖像 處理、計算機(jī)醫(yī)學(xué)輔助診療系統(tǒng)、數(shù)字信號處理、計算機(jī)人工智能及模式識別技術(shù)領(lǐng)域，特別涉及利用計算機(jī)對噪聲條件下的X射線醫(yī)學(xué)冠狀動脈造影圖像進(jìn)行增強(qiáng)的方法。
背景技術(shù)：
X射線冠狀動脈造影(X射線冠脈造影圖像X-Ray Angiogram)檢查是目前國際上公認(rèn)的診斷冠心病的最佳手段，被稱為冠心病診斷的“金標(biāo)準(zhǔn)”。由于成像機(jī)理原因，醫(yī)學(xué)圖像往往存在時間/空間分辨率與信噪比的矛盾。X射線冠脈造影成像時，X線經(jīng)人體衰減后得到的圖像包含了關(guān)于人體組織的各種相關(guān)信息，在X線透射、光的轉(zhuǎn)換、視頻信號的形成及A/D轉(zhuǎn)換等過程中也引入了各種噪聲，如X線的散射噪聲、影像增強(qiáng)器的量子噪聲、攝像管及A/D轉(zhuǎn)換等引起的系統(tǒng)噪聲。而成像又受到各種實際因素的影響，如患者的舒適度、系統(tǒng)的要求等等，需要快速成像。快速成像會導(dǎo)致圖像低的信噪比和對比度。在提高圖像的時間分辨率的同時，圖像中的噪聲會大大降低圖像的質(zhì)量，使一些組織邊界變得模糊，細(xì)微結(jié)構(gòu)難以辨認(rèn)，加大了對圖像細(xì)節(jié)識別和分析的難度，影響醫(yī)學(xué)診斷。噪聲的存在使獲得的圖像不清晰，尤其是掩蓋和降低了造影圖像中某些特征細(xì)節(jié)的可見度。可見度的損失對低對比度物體尤為重要，對以后的血管圖像識別更為不利。因此需要對X射線冠脈造影圖像進(jìn)行增強(qiáng)，突出血管的線條結(jié)構(gòu)以利于后期的進(jìn)一步分析與處理。圖像增強(qiáng)采用各種數(shù)字處理技術(shù)改善圖像的視覺效果，使圖像結(jié)果更適合于觀看，提高圖像視覺質(zhì)量及其可診斷性。對醫(yī)學(xué)X射線冠脈造影圖像進(jìn)行增強(qiáng)，就是要壓制(抑制)圖像中的噪聲同時突出冠狀動脈血管結(jié)構(gòu)，得到對醫(yī)務(wù)人員來說視覺效果更好、更易于診斷的圖像。人們已經(jīng)對圖像去噪和增強(qiáng)研究了幾十年，主要可分為兩大類傳統(tǒng)的低通去噪方法(包括均值濾波、高斯平滑等)；非線性方法(中值濾波、小波變換、各向異性擴(kuò)散方程、數(shù)學(xué)形態(tài)學(xué)等)。但這些方法在對X射線冠脈造影圖像進(jìn)行去噪時效果都不理想。X射線冠脈造影圖像(簡稱XRA)具有如下特點1)血管的形狀復(fù)雜，而且容易發(fā)生變形；2)血管的密度和血管的直徑變化很大，導(dǎo)致血管灰度的變化范圍也很大；3)圖像中的背景噪聲比較高(由于不同組織對X射線的衰減系數(shù)不相同造成圖像背景的灰度分布不均勻以及各種散射噪聲、量化噪聲等形成了大量背景噪聲)。傳統(tǒng)的低通去噪方法在進(jìn)行X射線冠脈造影圖像(XRA :X-Ray Angiogram)降噪會破壞圖像中的重要組織(主要指血管)結(jié)構(gòu)信息，使一些組織邊界變得模糊，細(xì)微結(jié)構(gòu)難以辨認(rèn)，加大了對圖像細(xì)節(jié)識別和分析的難度，影響醫(yī)學(xué)診斷?；谛〔ㄗ儞Q去噪方法的效果依靠小波基的構(gòu)造，而合適的小波基構(gòu)造方法現(xiàn)在還沒有一個成型的理論，本身就是一個難題?；跀?shù)學(xué)形態(tài)學(xué)的方法，去噪結(jié)果和結(jié)構(gòu)元素的大小和形狀密切相關(guān)。各向異性擴(kuò)散方程在去噪過程中存在擴(kuò)散尺度參數(shù)選擇以及擴(kuò)散終止條件確定問題，直接影響了去噪效果。這些方法最明顯的缺點就是都需要冠脈造影圖像相關(guān)的先驗知識，根據(jù)不同的圖像需要選擇合理的參數(shù)才能處理，因此降噪能力受到很大限制。經(jīng)驗?zāi)B(tài)分解(Empirical Mode Decomposition, EMD)是近年來引起人們關(guān)注的一種新的時頻分析方法，適合于分析非線性、非平穩(wěn)信號序列，具有很高的信噪比。它依據(jù)數(shù)據(jù)自身的時間尺度特征來進(jìn)行信號分解，無須預(yù)先設(shè)定任何基函數(shù)。這一點與建立在先驗性的諧波基函數(shù)和小波基函數(shù)上的傅里葉分解與小波分解方法具有本質(zhì)性的差別。經(jīng)驗?zāi)B(tài)分解將復(fù)雜信號分解為有限個(層)本征模態(tài)函數(shù)(Intrinsic Mode Function,簡稱頂F)，所分解出來的各MF分量包含了原信號的不同時間尺度的局部特征信號。因為基函數(shù)(IMF分量)是由數(shù)據(jù)本身所分解得到，同時由于分解是基于信號序列時間尺度的局部特性，所以與短時傅立葉變換、小波分解和各向異性擴(kuò)散方程等方法相比，這種方法具有自適應(yīng)性。本發(fā)明利用經(jīng)驗?zāi)B(tài)分解方法對X射線冠脈造影圖像進(jìn)行自適應(yīng)分解，對得到的各IMF分量進(jìn)行去噪，并選擇能夠代表血管結(jié)構(gòu)的MF高頻分量進(jìn)行造影圖像重構(gòu)即可達(dá)到去除噪聲的目的，且在去噪過程中無須先驗知識、能夠根據(jù)造影圖像特點進(jìn)行自適應(yīng)降噪。二維經(jīng)驗?zāi)B(tài)分解可將一幅圖像I分解為n層本征模態(tài)函數(shù)和一個殘余的趨勢分量，表示為
權(quán)利要求
1.一種X射線冠脈造影圖像血管增強(qiáng)方法，其特征在于包括以下步驟 A、對X射線冠脈造影圖像I進(jìn)行二維經(jīng)驗?zāi)B(tài)分解 Al、利用輸入的X射線冠脈造影圖像I作為分解初始值，設(shè)定當(dāng)前層為i = 1，第i層本征模態(tài)函數(shù)的估計為A = I; A2、令第i層本征模態(tài)函數(shù)的第j次估計量為hj = T1, j = I ； A3、求取h的局部極大值和極小值； A4、對所獲得的極大和極小值分別用三次樣條插值得到上包絡(luò)env.和下包絡(luò)enVmin ； A5、計算上包絡(luò)enV_和下包絡(luò)enVmin的均值
全文摘要
本發(fā)明公開了一種X射線冠脈造影圖像血管增強(qiáng)方法，包括以下步驟對X射線冠脈造影圖像I進(jìn)行二維經(jīng)驗?zāi)B(tài)分解；分析各層經(jīng)驗?zāi)B(tài)分解的本征模態(tài)函數(shù)進(jìn)行去噪，并利用能夠代表冠脈造影圖像的特征層來加權(quán)重構(gòu)去除背景噪聲的圖像；對重構(gòu)的圖像進(jìn)行Hessian矩陣分解，利用血管測度函數(shù)或血管特征擬合函數(shù)達(dá)到增強(qiáng)血管結(jié)構(gòu)的目的。本發(fā)明利用經(jīng)驗?zāi)B(tài)分解X射線冠脈造影圖像為一系列本征模態(tài)函數(shù)，利用噪聲的分布規(guī)律達(dá)到去除背景噪聲的目的，進(jìn)而選擇一些特定層本征模態(tài)函數(shù)進(jìn)行加權(quán)構(gòu)造冠狀動脈圖像，利用基于Hessian矩陣特征值的血管測度函數(shù)進(jìn)一步增強(qiáng)圖像中的血管結(jié)構(gòu)。本發(fā)明能明顯改善冠脈造影圖像的視覺效果。
文檔編號G06T5/00GK102663709SQ20121013216
公開日2012年9月12日 申請日期2012年4月28日 優(yōu)先權(quán)日2012年4月28日
發(fā)明者尹清波, 申麗然, 邵欣, 陳燕, 陳飛, 魯明羽 申請人:大連海事大學(xué)