一种基于磁共振三维肾图的图像处理方法
专利汇可以提供一种基于磁共振三维肾图的图像处理方法专利检索，专利查询，专利分析的服务。并且本 发明 涉及一种基于磁共振三维肾图的 图像处理 方法，其包括以下操作步骤：(1)从磁共振工作站上读取肾脏的磁共振 三维扫描 图像；(2)确定每个时 相图 像数和背景时相、皮髓质分界时相、全肾时相；(3) 切除 全肾时相图像中的相关血管和肾盂区域；(4)识别全肾轮廓；(5)匹配背景时相与皮髓质分界时相，并剪影；(6)分割肾脏的皮质和髓质；(7)匹配所有时相的图像。本发明提出了一种新的肾脏动态增强 图像分割 与匹配方案，能够较为准确的矫正MRI图像获取过程中肾脏由于呼吸导致的运动，并能对皮髓质进行准确的分割。实践证明，本发明的图像处理方法能够获得合理的三维磁共振肾图。本发明可以广泛应用于磁共振肾图图像处理中。，下面是一种基于磁共振三维肾图的图像处理方法专利的具体信息内容。
1.一种基于磁共振三维肾图的图像处理方法，其包括以下步骤：
(1)从磁共振工作站上读取肾脏的磁共振三维扫描图像；
(2)确定每个时相图像数和背景时相、皮髓质分界时相、全肾时相；
(3)切除全肾时相图像中的相关血管和肾盂区域；
(4)识别全肾轮廓；
(5)匹配背景时相与皮髓质分界时相，并剪影；
(6)分割肾脏的皮质和髓质；
(7)匹配所有时相的图像。
2.如权利要求1所述的一种基于磁共振三维肾图的图像处理方法，其特征在 于：其中步骤(4)中采用区域增长方法获取全肾轮廓的步骤如下：
①用户在全肾时相内选择一个或者若干个落在肾区域内的种子点P1，P2， P3，…，Pn；
②从所有的种子点内取出一个点Pi作为本次区域增长的起始点；
③计算该种子点生长阈值T；
④计算当前种子点26邻域内每点与I的灰度值之差，如果差小于当前种子点 的生长阈值，就把该点合并到结果区域，并计为新的种子点；
⑤重复步骤②、③、④的操作，直到结果区域不能增长为止。
3.如权利要求2所述的一种基于磁共振三维肾图的图像处理方法，其特征在 于：采用线性计算方法判别种子点生长阈值T，令T＝I*k，其中I为当前区域增 长所得到结果区域灰度的平均值，k为用户设定的斜率。
4.如权利要求1所述的一种基于磁共振三维肾图的图像处理方法，其特征在 于：其中步骤(5)中，所述匹配背景时相与皮髓质分界时相是以皮质区域作为模 板，将传统的基于相关系数的二维相关匹配扩展到三维，所述三维相关系数计算 公式如下：
其中，r，s，t表示皮质区域象素的三维坐标，f(r，s，t)为已知图像皮质区域象素的灰 度值，为已知图像皮质区域象素的灰度均值，x，y，z为肾在待匹配三维图像内平 移的坐标，w(x+r，y+s，z+t)为皮质平移后在待匹配图像内对应点的灰度值，为 其均值。ρ(x，y，z)为计算所得的相关系数，ρ(x，y，z)∈[-1，1]。
技术领域
本发明涉及一种磁共振图像处理方法，特别是关于一种基于磁共振三维肾图 的图像处理方法。
背景技术
在采集MRR的肾脏动态增强扫描过程中，重复快速扫描病人的腹部，可以得 到多时相数据并绘制磁共振肾图，总扫描时间可达2～4分钟。不同时间采集到的 磁共振图像中，由于肾脏会随受检者的呼吸运动而发生一定程度的位移，所以在 此基础上自动绘制的MRR，部分容积效应会很明显，从而影响MRR的准确性。 要得到准确的MRR，需要对不同时相的动态增强图像进行配准。现在医院使用的 多是MRI工作站上所附带的医学图像后处理软件，至今还尚未有工作站能够对肾 灌注图像进行具有针对性的专门处理，尤其是对呼吸运动的矫正以及对肾实质的 精确划分；这方面的成果即使在国外也只是停留在研究层面。由于无法对呼吸造 成的图像移动进行矫正和对皮质髓质进行自动而高效的分割，从而使得肾图误差 较大，难以提供有价值的临床信息，给后续的研究带来了困难。
目前医生只能通过对单张图像手动勾画的方法来获取感兴趣区域和进行数据 分析，而采用LAVA(肝脏三维容积超快速多期动态增强成像技术，liver acquisition with volume acceleration)序列扫描的三维肾灌注图像数量庞大，国外研究表明， 图像的配准和分割如果全部由研究者手动进行，处理一个病人的图像需要大约2～ 3小时，对临床应用来说，这种工作负担时间上不允许，强度也太大。因此，高效 而准确的对呼吸造成的运动进行准确的识别矫正，以及对皮质髓质进行准确的分 割，就成为了当前磁共振肾图研究中一个非常关键的课题。
发明内容
为实现上述目的，本发明采取以下技术方案：一种基于磁共振三维肾图的图 像处理方法，其包括以下步骤：(1)从磁共振工作站上读取肾脏的磁共振三维扫 描图像；(2)确定每个时相图像数和背景时相、皮髓质分界时相、全肾时相；(3) 切除全肾时相图像中的相关血管和肾盂区域；(4)识别全肾轮廓；(5)匹配背景 时相与皮髓质分界时相，并剪影；(6)分割肾脏的皮质和髓质；(7)匹配所有时 相的图像。
其中步骤(4)中采用区域增长方法获取全肾轮廓的步骤如下：①用户在全肾 时相内选择一个或者若干个落在肾区域内的种子点P1，P2，P3，…，Pn；②从所 有的种子点内取出一个点Pi作为本次区域增长的起始点；③计算该种子点生长阈 值T；④计算当前种子点26邻域内每点与工的灰度值之差，如果差小于当前种子 点的生长阈值，就把该点合并到结果区域，并计为新的种子点；⑤重复步骤②、 ③、④的操作，直到结果区域不能增长为止。
采用线性计算方法判别种子点生长阈值T，令T=I*k，其中I为当前区域增 长所得到结果区域灰度的平均值，k为用户设定的斜率。
其中步骤(5)中，所述匹配背景时相与皮髓质分界时相是以皮质区域作为模 板，将传统的基于相关系数的二维相关匹配扩展到三维，所述三维相关系数计算 公式如下：
其中，r，s，t，表示皮质区域象素的三维坐标，f(r，s，t)为已知图像皮质区域象素的灰 度值，为已知图像皮质区域象素的灰度均值，x，y，z为肾在待匹配三维图像内平 移的坐标，w(x+r，y+s，z+t)为皮质平移后在待匹配图像内对应点的灰度值，为 其均值。ρ(x，y，z)为计算所得的相关系数，ρ(x，y，z)∈[-1，1]。
本发明由于采取以上技术方案，其具有以下优点：1、由于本发明能够较为准 确地矫正MRI图像获取过程中肾脏由于呼吸导致的运动，并能对皮髓质进行准确 的分割，所以图像空间分辨率高，MRR更为准确。2、由于本发明能够分别或综合 分析皮质和髓质的MRR曲线，在图像的信号强度和对比剂的浓度之间建立对应关 系，使得MRR图定量分析成为可能，为肾脏诊断提供重要依据。3、由于本发明能 高效而准确的对呼吸造成的运动进行准确的识别矫正，以及对皮质髓质进行准确 的分割，所以可以节省时间、减轻工作强度。4、由于本发明是针对图像是三维的， 需要处理的层面比较多的情况，提出了一种切割方法，所以能够极大的简化这个 步骤的复杂程度。
附图说明
图1是本发明流程图
图2是运行程序起始界面图
图3是选取待处理的图像目录界面图
图4是设定时相长度的界面图
图5是分时相显示图像集结构的界面图
图6是输入用户选择的特定时相号(背景，CMD，全肾)的界面图
图7是确认输入时相号正确的界面图
图8是弹出的图像窗口
图9是确认和修改得到的肾脏轮廓示意图
图10是皮髓质区域分割结果示意图
图11是对比剂浓度变化曲线示意图
具体实施方式
如图1所示，本发明一种基于区域增长和相关匹配的磁共振三维肾图的图像 处理方法，其具体操作流程如下：
第一步：运行程序，出现程序界面(如图2所示)，调用图像处理模块，选取 待处理的图像目录(如图3所示)，读取图像，从磁共振工作站上获得的MRI图像 是DICOM(医疗数字影像及传输标准，Digital Imaging Communications in Medicine)格式的。
DICOM文件是指按照DICOM标准而存储的医学文件。DICOM文件头包含了标识 数据集合的相关信息，换句话说，很多关于图像的信息就存储在文件头中。由于 DICOM图像的文件名顺序和图像在扫描中的次序并不一致，因此对我们来说，获取 正确的图像编号是处理图像的先决条件，该信息存储在名为InstanceNumber的标 签中。通过读取InstanceNumber的值，就能正确地对图像进行排序，为下一步处 理做好准备。
第二步：用户输入与当前处理图像序列相关参数，包括每个时相图像数、背 景时相、CMD(皮髓质分界，corticomedullary differentiation)时相、全肾时 相、每个时相中肾的起始和结束图像。具体操作步骤如下：
1、输入时相长度(如图4所示)；
2、分时相显示图像集结构(如图5所示)；
3、输入用户选择的特定时相号，相号包括背景、CMD和全肾(如图6所示)；
4、确认输入时相号正确(如图7所示)。
第三步：弹出的图像窗口，通过双击鼠标，在肾脏的中心区域选择一个点(如 图8所示)。
第四步：对所得肾脏轮廓进行确认和修改，必要时进行清除肾盂的操作(如 图9所示)。在全肾时相的某些层面中，肾血管、肾盂和肾盏中由于有对比剂的存 在，于是这些组织和皮质同时显影；另外，在图像上，某些病人的肝脏和脾脏和肠 管的某些部分与肾脏密切相关，这样就对肾脏轮廓的识别带来了很大的困难，因 此在进行全肾轮廓识别前需要将可能影响分割结果的区域，尤其是将肾盂和血管 部分与肾实质分离。
进行必要的清除后，为获取全肾轮廓提出一种区域增长方法，其具体步骤如 下：
1、用户在全肾时相内选择一个或者若干个种子点P1，P2，P3，…，Pn(种子 点应落在肾区域内)；
2、从所有的种子点内选取一个点Pi作为本次区域增长的起始点；
3、计算该种子点生长阈值T：传统的方法中，T为固定的阈值，在处理不同 图像时需要调整多次才能得到理想结果，本发明采用了一种线性计算判别阈值的 方法，令T＝I*k，其中I为当前区域增长所得到结果区域灰度的平均值，k为用 户设定的斜率。在肾区域内部，区域灰度均值较大，判别阈值因此较大，可以将 某些因噪声引起的暗点合并；而在肾区域的边缘，象素点的灰度迅速降低，区域 均值的降低导致判别阈值也随之急剧减小，能够有效防止过度生长。
4、计算当前种子点26邻域(图像空间中与该点相邻的26个像素点的集合) 内每点与I的灰度值之差，如果差小于当前种子点的生长阈值，就把该点合并到 结果区域，并计为新的种子点。
5、重复2、3、4的操作，直到结果区域不能增长为止。
第五步：用户确认皮髓质区域分割结果，包括剪影、预匹配、皮髓质区域分 割和轮廓饱和度调整(如图10所示)。
图像剪影是把同一切面的CMD时相和背景时相的图像做减法运算，这样可以 在CMD时相中去掉背景信号的影响，突出了对比剂信号的显示，提高了图像的对 比度，有利于随后的皮质和髓质的识别和分割。
皮质和髓质的信号强度在不同时间由于对比剂浓度的不同而不断变化，而且 皮质和髓质亮度的变化趋势大相径庭。传统的相关系数匹配方式使用一个m×n的 子图像作为模板，适用于静态图像，因此这种方式对肾脏动态增强图像的匹配并 不适用。考虑到在整个动态增强过程中，整个皮质区域的信号强度随着对比剂的 浓度改变而相对均匀的变化，所以对传统的模板匹配方式加以改进，以皮质区域 作为模板，同时将传统的基于相关系数的二维相关匹配扩展到三维，进一步增强 了匹配结果的准确性。图像匹配时，将不同时相同一切面的图像按移动的模板取 出相应得两个像素点集，应用相关系数计算公式计算出两个点集的相关系数，并 且根据最大相关系数对应的图像模板位移来调整原始图像，完成两个时相间的图 像匹配。
本发明所使用的三维相关系数计算公式如下：
其中，r，s，t表示皮质区域象素的三维坐标，f(r，s，t)为已知图像皮质区域象素 的灰度值，为已知图像皮质区域象素的灰度均值，x，y，z为肾在待匹配三维图像 内平移的坐标，w(x+r，y+s，z+t)为皮质平移后在待匹配图像内对应点的灰度值， 为其均值。ρ(x，y，z)为计算所得的相关系数，ρ(x，y，z)∈[-1，1]。
第六步：对皮质和髓质的分割依然采用区域增长分割方法，将经过匹配的全 肾区域作为掩模，只在掩模内对髓质进行区域增长。用户在髓质内选择合适的种 子点，可以得到髓质区域，此时剩下的区域可以认为就是皮质，对皮质和髓质分 割的结果使得以皮质区域为模板进行精确匹配成为可能。
第七步：根据三维相关系数匹配方法，以皮质区域为模板，从全肾时相开始， 各个时相依次和最临近的已匹配过的时相进行匹配，结果表明各个时相内由呼吸 引起的运动得到了很好的识别。对比剂浓度变化曲线显示，曲线包括全肾、髓质 和皮质共三条浓度曲线(如图11所示)。
如图1所示，用户对于所取得的曲线图满意后，肾脏自动分析工具箱调用返 回。
| 标题 | 发布/更新时间 | 阅读量 |
|---|---|---|
| 三维扫描平台 | 2020-05-11 | 328 |
| 三维扫描系统 | 2020-05-11 | 624 |
| 一种三维扫描仪 | 2020-05-11 | 418 |
| 三维扫描装置和三维扫描方法 | 2020-05-12 | 548 |
| 三维扫描装置 | 2020-05-11 | 655 |
| 三维扫描装置和三维扫描方法 | 2020-05-12 | 155 |
| 三维扫描装置 | 2020-05-12 | 758 |
| 三维扫描装置和三维扫描方法 | 2020-05-13 | 28 |
| 三维扫描仪机头与三维扫描仪 | 2020-05-13 | 355 |
| 三维扫描标定板 | 2020-05-13 | 899 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台，是提供专利分析，专利查询，专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据，免费查、免费专利分析。
专利汇分析报告产品可以对行业情报数据进行梳理分析，涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度，系统通过AI智能系统对图表进行解读，只需1分钟，一键生成行业专利分析报告。
该功能需要及以上VIP权限，您可以升级对应版本VIP后使用
- 基础专利检索、查看专利基本信息
- 基础的专利数据分析
- 个人工作空间
- 高级检索支持高级检索、批量检索、法律状态检索等