一種ct圖像的金屬偽影校正方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明主要針對(duì)數(shù)字圖像中的金屬偽影進(jìn)行校正，提高圖像質(zhì)量，主要涉及數(shù)字 圖像處理技術(shù)，特別涉及基于邊緣保護(hù)的圖像分割、濾波、插值及融合等技術(shù)。
【背景技術(shù)】
[0002] CT掃描成像中，病人體內(nèi)的金屬植入物，如：關(guān)節(jié)假肢、牙齒填充物、脊椎固定螺 栓等對(duì)X射線具有很高的衰減性，導(dǎo)致探測(cè)器接收到的數(shù)據(jù)噪聲非常大，重建后的CT圖像 中出現(xiàn)放射狀的亮條紋，同時(shí)會(huì)在較大的金屬區(qū)域周圍或多個(gè)金屬區(qū)域之間造成暗影區(qū)。 這些金屬偽影的存在直接降低了CT圖像的質(zhì)量和CT臨床診斷的準(zhǔn)確性。
[0003] 目前，主流的金屬偽影去除算法是基于插值的數(shù)據(jù)合成方法。對(duì)受金屬物體 影響的數(shù)據(jù)，用相鄰的不包含金屬信息的數(shù)據(jù)通過插值產(chǎn)生一個(gè)近似的合成數(shù)據(jù)代替。 Kalender等人首次提出基于線性插值的金屬偽影去除算法。之后，基于多項(xiàng)式插值、樣條插 值、小波插值的算法相繼提出。這些插值算法針對(duì)線性插值的不足，采用平滑插值校正金屬 區(qū)域的投影，避免線性插值可能帶來(lái)更多的新金屬偽影。
[0004] 然而，上述插值方法對(duì)于輕度金屬偽影的CT圖像能取得較好的校正結(jié)果。但是如 果金屬區(qū)域周圍存在高對(duì)比度的結(jié)構(gòu)，比如：骨骼、牙齒等，校正結(jié)果會(huì)丟失金屬邊緣高對(duì) 比度物質(zhì)的結(jié)構(gòu)信息，而這些信息恰恰是臨床醫(yī)生最為關(guān)心的。根本原因在于上述插值方 法存在邊界不平滑、未能將金屬邊緣的骨骼結(jié)構(gòu)信息反饋到校正后的投影數(shù)據(jù)中。

【發(fā)明內(nèi)容】

[0005] 為解決上述插值法的缺陷，實(shí)現(xiàn)上述目的，本發(fā)明通過以下技術(shù)方案實(shí)現(xiàn)： 一種CT圖像的金屬偽影校正方法，其特征在于，包括： 步驟1，分割出CT圖像中的金屬區(qū)域，構(gòu)造金屬圖像； 步驟2,提取金屬區(qū)域周邊的結(jié)構(gòu)信息，構(gòu)造先驗(yàn)圖像； 步驟3,對(duì)原始CT圖像、金屬圖像和先驗(yàn)圖像進(jìn)行前向投影； 步驟4,利用金屬圖像的投影數(shù)據(jù)和先驗(yàn)圖像的投影數(shù)據(jù)對(duì)原始圖像投影數(shù)據(jù)中的金 屬區(qū)域進(jìn)行插值校正； 步驟5,對(duì)校正后的投影數(shù)據(jù)進(jìn)行重建，并將重建結(jié)果與金屬圖像融合得到最終的校正 圖像。
[0006] 所述步驟1中是采用基于馬爾科夫隨機(jī)場(chǎng)模型的方法分割出CT圖像中的金屬區(qū) 域，其數(shù)學(xué)表達(dá)形式如下：
其中i(x)是對(duì)CT圖像的一個(gè)分類，巧代表像素,的標(biāo)簽，巧[，將整個(gè)圖 像的像素可以分為Z類。7是待處理的CT圖像，假設(shè)每一類的像素值服從均值為巧，方差 為的高斯分布，4為加權(quán)因子，％為以像素i為中心的3*3鄰域，為鄰域正則函 數(shù)。
[0007] 所述的鄰域正則函數(shù)具有如下數(shù)學(xué)表達(dá)形式：
[0008」 所述步驟2包括： 步驟2. 1，對(duì)原始CT圖像進(jìn)行濾波處理，抑制圖像的條狀偽影； 步驟2. 2,采用閾值分割的方法提取金屬周圍的骨骼結(jié)構(gòu)信息； 步驟2. 3,恢復(fù)金屬周圍的軟組織結(jié)構(gòu)信息； 步驟2. 4,融合骨骼結(jié)構(gòu)信息構(gòu)造先驗(yàn)圖像。
[0009] 所述步驟2. 1中包括： 采用閾值約束的均值濾波器對(duì)原始CT圖像進(jìn)行濾波處理，其數(shù)學(xué)表達(dá)式如下：
其中：〃(咐卜I)為原始圖像，為濾波后圖像，況為方形局部濾波窗口的半邊 長(zhǎng)，T為自定義閾值，為依賴于中心像素r與鄰域像素^相似程度的權(quán)值，中心像素i 與鄰域像素J之間的歐式距離越大，它們的相似程度越低；如果中心像素》與鄰域像素」之 間CT值超過固定閾值，則它們間的相似度為0,即鄰域像素J不參與中心像素：的計(jì)算，h為 濾波參數(shù)，用以控制濾波強(qiáng)度。
[0010] 所述步驟2. 3包括： 采用區(qū)域生長(zhǎng)的方法提取靠近金屬的偽影區(qū)S，對(duì)偽影區(qū)內(nèi)的像素按如下數(shù)學(xué)表達(dá)式 進(jìn)行軟組織信息恢復(fù)：
其中D為賦值像素點(diǎn)距離最近的金屬像素的歐氏距離，為偽影區(qū)域邊界處的 最小值；3表示軟組織CT值的浮動(dòng)范圍f是曲線參數(shù)。
[0011] 所述步驟2. 4包括： 按如下數(shù)學(xué)表達(dá)式構(gòu)造先驗(yàn)圖像
其中5是閾值分割出的骨骼區(qū)域，是骨骼結(jié)構(gòu)信息，/￡〇?>?)是先驗(yàn)圖像。
[0012] 所述步驟4包括： 按如下數(shù)學(xué)表達(dá)式對(duì)原始圖像投影數(shù)據(jù)中的金屬區(qū)域進(jìn)行插值校正
0 其中g(shù)代表原始圖像的投影數(shù)據(jù)，對(duì)于任意投影視角丨細(xì)邙為原始圖像的 投影數(shù)據(jù)中對(duì)應(yīng)的金屬投影區(qū)域，％?，％+A+l為金屬鄰域投影，g#為先驗(yàn)圖像的投影數(shù) 據(jù)，gg-為原始圖像投影與先驗(yàn)圖像投影在金屬投影區(qū)域的平滑過渡，為校正后的投 影數(shù)據(jù)。
[0013] 所述步驟5包括： 按如下數(shù)學(xué)表達(dá)式將重建結(jié)果與金屬圖像融合
其中/?^為用校正后的投影數(shù)據(jù)進(jìn)行重建得到的圖像為分割出的金屬區(qū)域圖 像，G為分割出的金屬區(qū)域，/i?為校正后的圖像，《為融合系數(shù)。
[0014] 上述說明僅是本發(fā)明技術(shù)方案的概述，為了能夠更清楚了解本發(fā)明的技術(shù)手段， 并可依照說明書的內(nèi)容予以實(shí)施，以下以本發(fā)明的較佳實(shí)施例并配合附圖詳細(xì)說明如后。 本發(fā)明的【具體實(shí)施方式】由以下實(shí)施例及其附圖詳細(xì)給出。
【附圖說明】
[0015] 此處所說明的附圖用來(lái)提供對(duì)本發(fā)明的進(jìn)一步理解，構(gòu)成本申請(qǐng)的一部分，本發(fā) 明的示意性實(shí)施例及其說明用于解釋本發(fā)明，并不構(gòu)成對(duì)本發(fā)明的不當(dāng)限定。在附圖中： 圖1是本發(fā)明方法執(zhí)行流程示意圖。
【具體實(shí)施方式】
[0016] 下面結(jié)合附圖和實(shí)施例對(duì)本發(fā)明的技術(shù)實(shí)施過程做進(jìn)一步說明。圖1是本發(fā)明 方法執(zhí)行流程示意圖。
[0017] 各單元模塊功能如下： 圖像加載單元101，在計(jì)算機(jī)上加載待處理的CT圖像； 金屬分割單元102,用來(lái)分割CT圖像中的金屬區(qū)域，構(gòu)造金屬圖像； 濾波單元103,用于抑制CT圖像的噪聲； 骨骼提取單元104,用于提取金屬區(qū)域周邊的骨骼結(jié)構(gòu)信息； 軟組織恢復(fù)單元105,用于恢復(fù)金屬區(qū)域周邊偽影區(qū)的軟組織信息； 先驗(yàn)圖像合成單元106,用于合成先驗(yàn)圖像； 前向投影單元107,用于生成原始CT圖像、金屬圖像及先驗(yàn)圖像的投影數(shù)據(jù)； 插值單元108,用于對(duì)于金屬區(qū)域的投影數(shù)據(jù)進(jìn)行插值校正； 圖像重建單元109,用于重建校正后投影數(shù)據(jù)的CT圖像； 圖像融合單元110,用于生成最終金屬偽影校正后的CT圖像。
[0018] 本發(fā)明的實(shí)現(xiàn)方法主要包括以下步驟： 步驟1 :加載待處理的CT圖像，存儲(chǔ)在計(jì)算機(jī)中，方便后續(xù)單元進(jìn)行處理，如圖1所示。
[0019] 步驟2 :運(yùn)行金屬分割單元102,提取金屬區(qū)域周邊的骨骼結(jié)構(gòu)信息。
[0020] 采用基于馬爾科夫隨機(jī)場(chǎng)模型的方法，其數(shù)學(xué)表達(dá)形式如下：
其中i(z)是對(duì)CT圖像的一個(gè)分類，A代表像素,的標(biāo)簽，力=/，1 = 1，2，...,尤，將整個(gè)圖 像的像素可以分為Z類。7是待處理的CT圖像，假設(shè)每一類的像素值服從均值為巧，方差 為A的高斯分布。，5為加權(quán)因子，$為以像素，為中心的3*3鄰域，濟(jì):心七）為鄰域正則函 數(shù)，具有如下數(shù)學(xué)表達(dá)形式：
在本實(shí)施方式中，將圖像中的像素分為兩類，：=1代表金屬標(biāo)簽，1 = 〇代表背景標(biāo)簽。采 用ICM算法[1]來(lái)求解，托，9的初始值由閾值分割結(jié)果給定，岸在我們的實(shí)驗(yàn)中取5~8， ICM算法迭代10次左右可以較好地提取圖像中的金屬區(qū)域G,我們將金屬圖像表示為 /mefaf (OT, 〃），其中(風(fēng)《)為圖像像素下標(biāo)。
[0021] 步驟3 :運(yùn)行濾波單元103,抑制CT圖像的噪聲。采用閾值約束的均值濾波器對(duì)原 始CT圖像進(jìn)行濾波處理，其數(shù)學(xué)表達(dá)式如下：

其中：v = ?)卜€(wěn) J}