一种从CTA图像中去除扫描床的方法及装置

这份专利 CN102324090B 题为《一种从CTA图像中去除扫描床的方法及装置》,由东软集团股份有限公司申请。其核心目的是解决在脑部CT血管造影(CTA)图像处理后,三维重建中残留高亮度扫描床影像的问题。

以下是该专利方法的详细解析:

1. 核心思路

由于扫描床和骨骼/血管的灰度值都很高且重叠,无法单纯通过阈值分割去除。但扫描床与脑组织之间通常有空气间隔(不连通),因此专利采用**区域增长法(Region Growing)**提取连通的脑组织区域,剩下的即为扫描床区域,最后将其剔除。

2. 具体处理流程

第一步:预处理与背景去除
  • 归一化(可选但推荐): 对原始CTA图像进行归一化处理,使像素最小灰度值为0。
  • 去除背景像素:
    • 计算背景像素灰度阈值。方法是统计灰度直方图累积比例,结合经验阈值(如43%)和最大最小灰度差值的10%来确定。
    • 将低于该阈值的像素点灰度值置为0(即视为背景)。
第二步:提取目标区域
  • 从去除了背景的图像中提取出包含"全脑"和"扫描床"的目标图像区域。因为去除了纯背景,剩下的非零像素主要就这两部分。
第三步:应用区域增长法提取全脑图像(核心步骤)

这是专利最关键的部分,用于分离脑组织和扫描床:

  1. 计算中心点 (Cx,Cy)(C_x, C_y)(Cx,Cy):
    • 使用灰度加权质心公式计算图像的中心点,而不是几何中心。公式如下:
      Cx=∑i=0width∑j=0heighti⋅f(i,j)∑i=0width∑j=0heightf(i,j) C_x = \frac{\sum_{i=0}^{width}\sum_{j=0}^{height} i \cdot f(i,j)}{\sum_{i=0}^{width}\sum_{j=0}^{height} f(i,j)} Cx=∑i=0width∑j=0heightf(i,j)∑i=0width∑j=0heighti⋅f(i,j)
      Cy=∑i=0width∑j=0heightj⋅f(i,j)∑i=0width∑j=0heightf(i,j) C_y = \frac{\sum_{i=0}^{width}\sum_{j=0}^{height} j \cdot f(i,j)}{\sum_{i=0}^{width}\sum_{j=0}^{height} f(i,j)} Cy=∑i=0width∑j=0heightf(i,j)∑i=0width∑j=0heightj⋅f(i,j)
      (其中 f(i,j)f(i,j)f(i,j) 是像素灰度值)
  2. 确定初始种子节点:
    • 判断中心点的灰度值是否非0。
    • 如果是非0,直接作为初始种子。
    • 如果是0(即在空气中),则选取离中心点最近的、灰度值非0的像素点作为初始种子。
  3. 区域增长(广度优先搜索):
    • 从种子点开始,检查其八邻域像素。
    • 如果邻域像素未被标记且灰度值非0,则标记为该区域(脑组织),并将其加入待检查队列。
    • 如果灰度值为0或已标记,则跳过。
    • 重复此过程直到所有连通的非零像素都被标记。
    • 结果: 被标记的点集即为全脑图像区域。
第四步:去除扫描床
  • 映射与识别: 将提取出的"全脑图像区域"映射回原始CTA图像。
  • 剔除操作: 原始图像中不属于 全脑区域的非背景像素,即被判定为扫描床图像区域。
  • 置零处理: 将这些扫描床区域对应的像素灰度值设置为图像的最小灰度值(通常为0或背景值),从而在图像中彻底去除扫描床。

3. 技术优势

  • 完全去除: 相比传统的减影技术,能更彻底地去除残留的床体影像。
  • 速度快: 专利中提到,对单张图像的处理时间在500ms以内,适合临床实时或近实时处理。
  • 提升可视化效果: 去除高亮床体后,三维重建的血管影像更清晰,无异物干扰。

4. 装置结构

专利还对应描述了一种装置,包含以下单元:

  • 背景像素去除单元
  • 目标图像提取单元
  • 全脑图像提取单元(内含中心点确定、判断、提取等子单元)
  • 扫描床去除单元
  • (可选)归一化处理单元

总结

该专利利用脑组织与扫描床在空间上的不连通性 ,通过灰度加权质心定位种子点 并结合区域增长算法,智能地分割出脑组织,进而反向识别并剔除扫描床。这是一种基于形态学和连通性分析的经典图像处理方案在医学影像中的具体应用。

相关推荐
深圳行云创新9 分钟前
智能体架构之争:单Agent加Skills,还是多加几个Agent
人工智能·架构·软件工程
用户3600555790012 分钟前
Kestrel_VLLM - 31 · MTP 头上 GPU:一个独立槽位,与一条抽出来共用的注意力
人工智能
老金带你玩AI19 分钟前
Codex改了又测、测了又改,我一查Token才发现这个坑
人工智能
IT_陈寒34 分钟前
当Java的hashCode遇上Lombok,我的缓存被全清了
前端·人工智能·后端
刘胡子大叔42 分钟前
评测驱动优化:失败样本回流 Prompt 的闭环
人工智能·prompt
这个DBA有点耶44 分钟前
内核级AI与多模融合:AI数据库在海外场景的落地要点
数据库·人工智能·架构
涛思数据(TDengine)1 小时前
从工业本体到 AI 原生:TDengine 出席 2026 QCon 分享工业数据基础设施路径
大数据·数据库·人工智能·tdengine·工业
yz_aiks1 小时前
WorkBuddy 怎么做网页小游戏:深海钓鱼游戏 43 次对话、301 积分从一句话做到发布(附手机横屏踩坑)
人工智能·html5·ai编程·小游戏·workbuddy
byte轻骑兵1 小时前
【LMP】规范精讲[12]: 链路层的花名册——一张表数完88条指令的门道
人工智能·蓝牙协议·lmp·蓝牙链路管理·通信学习