[发明专利]一种X射线冠脉造影图像降噪方法

说明书

技术领域

本发明属于医学图像处理、计算机医学辅助诊疗系统、数字信号处理、计算机人工智能及模式识别技术领域，特别涉及利用计算机对噪声条件下的医学冠状动脉造影图像进行降噪的方法。

背景技术

冠状动脉造影检查(简称“冠脉造影”)是目前国际上公认的诊断冠心病的最佳手段，被称为冠心病诊断的“金标准”。冠脉造影由于成像过程要经过X射线管、光学成像镜头等许多设备，最后还要通过图像数字采集卡将视频信号转化为数字信号并存储在计算机中，这就不可避免的引入许多噪声，必然也给造影图像的处理增加了难度。特别是在X射线机透视状态下采集图像，X线的能量很低，产生图像的随机噪声较大，其图像背景噪声经常同血管造影的密度变化范围呈重叠状，图像的信噪比非常低。噪声的存在使获得的图像不清晰，尤其是掩盖和降低了造影图像中某些特征细节的可见度。可见度的损失对低对比度物体尤为重要，对以后的血管图像识别更为不利。因此需要尽量减少噪声的影响。

人们已经对图像去噪研究了几十年，主要可分为两大类：传统的低通去噪方法(包括均值滤波、高斯平滑等)；非线性去噪方法(中值滤波、小波变换、各向异性扩散方程、数学形态学等)。但这些方法在对X射线冠脉造影图像进行去噪时效果都不理想。X射线冠脉造影图像(简称XRA)具有如下特点：1)血管的形状复杂，而且容易发生变形；2)血管的密度和血管的直径变化很大，导致血管灰度的变化范围也很大；3)图像中的背景噪声比较高(由于不同组织对X射线的衰减系数不相同造成图像背景的灰度分布不均匀以及各种散射噪声、量化噪声等形成了大量背景噪声)。传统的低通去噪方法在进行X射线冠脉造影图像(XRA：X-Ray Angiogram)降噪会破坏图像中的重要组织(主要指血管)结构信息，使一些组织边界变得模糊，细微结构难以辨认，加大了对图像细节识别和分析的难度，影响医学诊断。基于小波变换去噪方法的效果依靠小波基的构造，而合适的小波基构造方法现在还没有一个成型的理论，本身就是一个难题。基于数学形态学的方法，去噪结果和结构元素的大小和形状密切相关。各向异性扩散方程在去噪过程中存在扩散尺度参数选择以及扩散终止条件确定问题，直接影响了去噪效果。这些方法最明显的缺点就是都需要冠脉造影图像相关的先验知识，根据不同的图像需要选择合理的参数才能处理，因此降噪能力受到很大限制。

经验模态分解(Empirical Mode Decomposition，EMD)是近年来引起人们关注的一种新的时频分析方法，适合于分析非线性、非平稳信号序列，具有很高的信噪比。它依据数据自身的时间尺度特征来进行信号分解，无须预先设定任何基函数。这一点与建立在先验性的谐波基函数和小波基函数上的傅里叶分解与小波分解方法具有本质性的差别。经验模态分解将复杂信号分解为有限个(层)本征模态函数(Intrinsic Mode Function，简称IMF)，所分解出来的各IMF分量包含了原信号的不同时间尺度的局部特征信号。因为基函数(IMF分量)是由数据本身所分解得到，同时由于分解是基于信号序列时间尺度的局部特性，所以与短时傅立叶变换、小波分解和各向异性扩散方程等方法相比，这种方法具有自适应性。二维经验模态分解可将一幅图像I分解为n层本征模态函数和一个残余的趋势分量，表示为：

I=Σi=1nFi+R]]>

式中F_i为第i层本征模态函数，R为残余的趋势分量。

发明内容

为解决现有技术存在的上述问题，本发明要提出一种具有自适应降噪且具有优良抗噪性能的X射线冠脉造影图像降噪方法。

为了实现上述目的，本发明的技术方案如下：一种X射线冠脉造影图像降噪方法，包括以下步骤：

A、对X射线冠脉造影图像I进行二维经验模态分解

A1、利用输入的X射线冠脉造影图像I作为分解初始值，设定当前层为i＝1，第i层本征模态函数的估计为r_i＝I；

A2、令第i层本征模态函数的第j次估计量为h_j＝r_i，j＝1；

A3、求取h_j的局部极大值和极小值；