專利名稱：一種x射線冠脈造影圖像降噪方法
技術領域：
本發明屬于醫學圖像處理、計算機醫學輔助診療系統、數字信號處理、計算機人工智能及模式識別技術領域，特別涉及利用計算機對噪聲條件下的醫學冠狀動脈造影圖像進行降噪的方法。
背景技術：
冠狀動脈造影檢查(簡稱“冠脈造影”)是目前國際上公認的診斷冠心病的最佳手段，被稱為冠心病診斷的“金標準”。冠脈造影由于成像過程要經過X射線管、光學成像鏡頭等許多設備，最后還要通過圖像數字采集卡將視頻信號轉化為數字信號并存儲在計算機中，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射線機透視狀態下采集圖像，X線的能量很低，產生圖像的隨機噪聲較大，其圖像背景噪聲經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節的可見度。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。因此需要盡量減少噪聲的影響。人們已經對圖像去噪研究了幾十年，主要可分為兩大類傳統的低通去噪方法(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、各向異性擴散方程、數學形態學等)。但這些方法在對X射線冠脈造影圖像進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)血管的形狀復雜，而且容易發生變形；2)血管的密度和血管的直徑變化很大，導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)。傳統的低通去噪方法在進行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)結構信息，使一些組織邊界變得模糊，細微結構難以辨認，加大了對圖像細節識別和分析的難度，影響醫學診斷。基于小波變換去噪方法的效果依靠小波基的構造，而合適的小波基構造方法現在還沒有一個成型的理論，本身就是一個難題。基于數學形態學的方法，去噪結果和結構元素的大小和形狀密切相關。各向異性擴散方程在去噪過程中存在擴散尺度參數選擇以及擴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的先驗知識，根據不同的圖像需要選擇合理的參數才能處理，因此降噪能力受到很大限制。經驗模態分解(Empirical Mode Decomposition, EMD)是近年來引起人們關注的一種新的時頻分析方法，適合于分析非線性、非平穩信號序列，具有很高的信噪比。它依據數據自身的時間尺度特征來進行信號分解，無須預先設定任何基函數。這一點與建立在先驗性的諧波基函數和小波基函數上的傅里葉分解與小波分解方法具有本質性的差別。經驗模態分解將復雜信號分解為有限個(層)本征模態函數(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(IMF分量)是由數據本身所分解得到，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散方程等方法相比，這種方法具有自適應性。二維經驗模態分解可將一幅圖像I分解為n層本征模態函數和一個殘余的趨勢分量，表示為
權利要求
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X射線冠脈造影圖像I進行二維經驗模態分解 Al、利用輸入的X射線冠脈造影圖像I作為分解初始值，設定當前層為i = 1，第i層本征模態函數的估計為A = I; A2、令第i層本征模態函數的第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env.和下包絡enVmin ；A5、計算上包絡enV_和下包絡enVmin的均值
全文摘要
本發明公開了一種X射線冠脈造影圖像降噪方法，包括以下步驟對X射線冠脈造影圖像I進行二維經驗模態分解；分析經驗模態分解得到的各層本征模態函數，進行去噪；利用能夠代表冠脈造影圖像血管結構的本征模態函數進行加權求和來重構去噪后的冠脈造影圖像。本發明不依賴先驗知識進行對冠脈造影圖像自適應分解，根據圖像特點自適應產生隨機噪聲去除閾值。本發明利用經驗模態分解方法對X射線冠脈造影圖像進行自適應分解，對得到的各IMF分量進行去噪，并選擇能夠代表血管結構的IMF高頻分量進行造影圖像重構即可達到去除噪聲的目的，且在去噪過程中無須先驗知識、能夠根據造影圖像特點進行自適應降噪。
文檔編號G06T5/00GK102663710SQ201210132698
公開日2012年9月12日 申請日期2012年4月28日 優先權日2012年4月28日
發明者孟祥申, 尹清波, 申麗然, 陳燕, 陳飛, 魯明羽 申請人:大連海事大學