專利名稱：一種x射線冠脈造影圖像降噪方法
技術(shù)領(lǐng)域：
本發(fā)明屬于醫(yī)學(xué)圖像處理、計(jì)算機(jī)醫(yī)學(xué)輔助診療系統(tǒng)、數(shù)字信號(hào)處理、計(jì)算機(jī)人工智能及模式識(shí)別技術(shù)領(lǐng)域，特別涉及利用計(jì)算機(jī)對(duì)噪聲條件下的醫(yī)學(xué)冠狀動(dòng)脈造影圖像進(jìn)行降噪的方法。
背景技術(shù)：
冠狀動(dòng)脈造影檢查(簡(jiǎn)稱“冠脈造影”)是目前國(guó)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)”。冠脈造影由于成像過(guò)程要經(jīng)過(guò)X射線管、光學(xué)成像鏡頭等許多設(shè)備，最后還要通過(guò)圖像數(shù)字采集卡將視頻信號(hào)轉(zhuǎn)化為數(shù)字信號(hào)并存儲(chǔ)在計(jì)算機(jī)中，這就不可避免的引入許多噪聲，必然也給造影圖像的處理增加了難度。特別是在X射線機(jī)透視狀態(tài)下采集圖像，X線的能量很低，產(chǎn)生圖像的隨機(jī)噪聲較大，其圖像背景噪聲經(jīng)常同血管造影的密度變化范圍呈重疊狀，圖像的信噪比非常低。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(jiàn)度。可見(jiàn)度的損失對(duì)低對(duì)比度物體尤為重要，對(duì)以后的血管圖像識(shí)別更為不利。因此需要盡量減少噪聲的影響。人們已經(jīng)對(duì)圖像去噪研究了幾十年，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)；非線性去噪方法(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(duì)X射線冠脈造影圖像進(jìn)行去噪時(shí)效果都不理想。X射線冠脈造影圖像(簡(jiǎn)稱XRA)具有如下特點(diǎn)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(duì)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(huì)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(duì)圖像細(xì)節(jié)識(shí)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(méi)有一個(gè)成型的理論，本身就是一個(gè)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(guò)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(wèn)題，直接影響了去噪效果。這些方法最明顯的缺點(diǎn)就是都需要冠脈造影圖像相關(guān)的先驗(yàn)知識(shí)，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(yàn)?zāi)B(tài)分解(Empirical Mode Decomposition, EMD)是近年來(lái)引起人們關(guān)注的一種新的時(shí)頻分析方法，適合于分析非線性、非平穩(wěn)信號(hào)序列，具有很高的信噪比。它依據(jù)數(shù)據(jù)自身的時(shí)間尺度特征來(lái)進(jìn)行信號(hào)分解，無(wú)須預(yù)先設(shè)定任何基函數(shù)。這一點(diǎn)與建立在先驗(yàn)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(yàn)?zāi)B(tài)分解將復(fù)雜信號(hào)分解為有限個(gè)(層)本征模態(tài)函數(shù)(Intrinsic Mode Function,簡(jiǎn)稱頂F)，所分解出來(lái)的各MF分量包含了原信號(hào)的不同時(shí)間尺度的局部特征信號(hào)。因?yàn)榛瘮?shù)(IMF分量)是由數(shù)據(jù)本身所分解得到，同時(shí)由于分解是基于信號(hào)序列時(shí)間尺度的局部特性，所以與短時(shí)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。二維經(jīng)驗(yàn)?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(gè)殘余的趨勢(shì)分量，表示為
權(quán)利要求
1.一種X射線冠脈造影圖像降噪方法，其特征在于包括以下步驟 A、對(duì)X射線冠脈造影圖像I進(jìn)行二維經(jīng)驗(yàn)?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(jì)為A = I; A2、令第i層本征模態(tài)函數(shù)的第j次估計(jì)量為hj = T1, j = I ； A3、求取h的局部極大值和極小值； A4、對(duì)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(jì)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(kāi)了一種X射線冠脈造影圖像降噪方法，包括以下步驟對(duì)X射線冠脈造影圖像I進(jìn)行二維經(jīng)驗(yàn)?zāi)B(tài)分解；分析經(jīng)驗(yàn)?zāi)B(tài)分解得到的各層本征模態(tài)函數(shù)，進(jìn)行去噪；利用能夠代表冠脈造影圖像血管結(jié)構(gòu)的本征模態(tài)函數(shù)進(jìn)行加權(quán)求和來(lái)重構(gòu)去噪后的冠脈造影圖像。本發(fā)明不依賴先驗(yàn)知識(shí)進(jìn)行對(duì)冠脈造影圖像自適應(yīng)分解，根據(jù)圖像特點(diǎn)自適應(yīng)產(chǎn)生隨機(jī)噪聲去除閾值。本發(fā)明利用經(jīng)驗(yàn)?zāi)B(tài)分解方法對(duì)X射線冠脈造影圖像進(jìn)行自適應(yīng)分解，對(duì)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IMF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(guò)程中無(wú)須先驗(yàn)知識(shí)、能夠根據(jù)造影圖像特點(diǎn)進(jìn)行自適應(yīng)降噪。
文檔編號(hào)G06T5/00GK102663710SQ201210132698
公開(kāi)日2012年9月12日 申請(qǐng)日期2012年4月28日 優(yōu)先權(quán)日2012年4月28日
發(fā)明者孟祥申, 尹清波, 申麗然, 陳燕, 陳飛, 魯明羽 申請(qǐng)人:大連海事大學(xué)