图像伪影自动校正方法、系统、装置及存储介质.pdf

《图像伪影自动校正方法、系统、装置及存储介质.pdf》由会员分享，可在线阅读，更多相关《图像伪影自动校正方法、系统、装置及存储介质.pdf（24页完成版）》请在专利查询网上搜索。

1、(19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 (43)申请公布日 (21)申请号 202011068529.9 (22)申请日 2020.09.28 (71)申请人 上海联影医疗科技股份有限公司 地址 201807 上海市嘉定区城北路2258号 (72)发明人 刘炎炎 (74)专利代理机构 成都七星天知识产权代理有 限公司 51253 代理人 杨永梅 (51)Int.Cl. G06T 11/00(2006.01) (54)发明名称 一种图像伪影自动校正方法、 系统、 装置及 存储介质 (57)摘要 本申请实施例公开了一种图像伪影自动校 正方法、 系统、 装置及。

2、存储介质。 所述方法实现于 医学成像设备。 所述方法包括： 获取目标对象的 第一重建图像； 确定所述第一重建图像中是否包 含伪影； 响应于所述第一重建图像中包含伪影， 通过至少一次迭代确定所述目标对象的目标重 建图像。 每一次迭代包括： 通过执行去伪影操作， 获取所述目标对象在当前迭代轮次中的第二重 建图像； 确定所述第二重建图像中是否包含伪 影； 响应于所述第二重建图像中不包含伪影或包 含的伪影满足预设容忍条件， 获取所述目标对象 的原始扫描数据， 并基于所述原始扫描数据， 通 过去伪影操作确定所述目标重建图像； 响应于所 述第二重建图像包含的伪影不满足预设容忍条 件， 执行下一轮次迭代。 。

3、权利要求书3页 说明书15页 附图5页 CN 112150574 A 2020.12.29 CN 112150574 A 1.一种图像伪影自动校正方法， 所述方法实现于医学成像设备， 其中， 所述方法包括： 获取目标对象的第一重建图像； 确定所述第一重建图像中是否包含伪影； 响应于所述第一重建图像中包含的伪影不满足预设容忍条件， 通过至少一次迭代确定 所述目标对象的目标重建图像， 其中， 所述至少一次迭代中的每一次包括： 通过执行去伪影操作， 获取所述目标对象在当前迭代轮次中的第二重建图像； 确定所述第二重建图像中是否包含伪影； 响应于所述第二重建图像中不包含伪影或包含的伪影满足所述预设容忍条。

4、件， 获取所 述目标对象的原始扫描数据， 并基于所述原始扫描数据， 通过去伪影操作确定所述目标重 建图像； 其中， 所述原始扫描数据包括针对所述目标对象执行扫描过程所获取的全部扫描 数据； 响应于所述第二重建图像包含的伪影不满足所述预设容忍条件， 执行下一轮次迭代。 2.根据权利要求1所述的方法， 其中， 所述第一重建图像至少包括所述目标对象的扫描 预览图像； 获取所述扫描预览图像， 包括： 获取所述目标对象的第一扫描数据， 所述第一扫描数据包括所述原始扫描数据的至少 一部分； 基于所述第一扫描数据进行重建以获取所述扫描预览图。 3.根据权利要求2所述的方法， 其中， 所述确定所述第一重建图像。

5、中是否包含伪影， 包 括： 基于伪影判定算法， 确定所述第一重建图像中是否包含伪影； 所述伪影判定算法至少 包括基于图像形态学的判定算法、 基于图像像素值的判定算法、 或机器学习算法。 4.根据权利要求1所述的方法， 其中， 所述获取所述目标对象在当前迭代轮次中的第二 重建图像， 包括： 确定所述第一重建图像以及前续迭代轮次中的第二重建图像中所包含的伪影所属的 至少一种伪影类型； 对于所述至少一种伪影类型中的每一个伪影类型， 获取对应的校正算法； 获取所述目标对象的第二扫描数据； 利用所述校正算法， 基于所述第二扫描数据执行所述去伪影操作， 获取所述目标对象 在当前迭代轮次中第二重建图像。 5。

6、.根据权利要求4所述的方法， 其中， 用于获取当前迭代轮次的第二重建图像的校正算 法与用于获取前续迭代轮次的第二重建图像的校正算法不同。 6.根据权利要求4所述的方法， 其中， 用于获取当前迭代轮次的第二重建图像的第二扫 描数据与用于获取前续迭代轮次的第二重建图像的第二扫描数据不同。 7.根据权利要求4所述的方法， 其中， 所述第一扫描数据包括所述第二扫描数据的至少 一部分。 8.根据权利要求4所述的方法， 其中， 利用所述校正算法， 基于所述第二扫描数据执行 所述去伪影操作， 获取所述目标对象在当前迭代轮次中第二重建图像， 包括： 基于所述校正算法对所述第二扫描数据执行所述去伪影操作， 获取。

7、第三扫描数据； 通过对所述第三扫描数据进行重建， 获取所述目标对象在当前迭代轮次中第二重建图 权利要求书 1/3 页 2 CN 112150574 A 2 像。 9.根据权利要求4所述的方法， 其中， 利用所述校正算法， 基于所述第二扫描数据执行 所述去伪影操作， 获取所述目标对象在当前迭代轮次中第二重建图像， 包括： 通过对所述第二扫描数据进行重建， 获取第四重建图像； 利用所述校正算法对所述第四重建图像执行所述去伪影操作， 获取所述目标对象在当 前迭代轮次中第二重建图像。 10.根据权利要求1所述的方法， 其中， 所述方法进一步包括： 响应于所述第一重建图像中不包含伪影或包含的伪影满足预设。

8、容忍条件， 获取目标对 象的原始扫描数据， 所述原始扫描数据包括针对所述目标对象执行扫描过程所获取的全部 扫描数据； 基于所述原始扫描数据， 获取所述目标重建图像。 11.根据权利要求1所述的方法， 其中， 所述方法进一步包括： 响应于所述至少一轮迭代中的最后一轮迭代中的所述第二重建图像中包含的伪影不 满足预设容忍条件， 生成提醒信息； 播报所述提醒信息。 12.一种图像伪影自动校正系统， 其中， 所述系统包括： 第一获取模块， 用于获取目标对象的第一重建图像； 第一确定模块， 用于确定所述第一重建图像中是否包含伪影； 第二确定模块， 用于响应于所述第一重建图像中包含的伪影不满足预设容忍条件，。

9、 通 过至少一次迭代确定所述目标对象的目标重建图像， 其中， 所述至少一次迭代中的每一次 包括： 通过执行去伪影操作， 获取所述目标对象在当前迭代轮次中的第二重建图像； 确定所述第二重建图像中是否包含伪影； 响应于所述第二重建图像中不包含伪影或包含的伪影满足所述预设容忍条件， 获取所 述目标对象的原始扫描数据， 并基于所述原始扫描数据， 通过去伪影操作确定所述目标重 建图像； 其中， 所述原始扫描数据包括针对所述目标对象执行扫描过程所获取的全部扫描 数据； 响应于所述第二重建图像包含的伪影不满足所述预设容忍条件， 执行下一轮次迭代。 13.根据权利要求12所述的系统， 其中， 所述第一重建图像。

10、至少包括所述目标对象的扫 描预览图像； 为获取所述扫描预览图， 所述第一获取模块用于： 获取所述目标对象的第一扫描数据， 所述第一扫描数据包括所述原始扫描数据的至少 一部分； 基于所述第一扫描数据进行重建以获取所述扫描预览图。 14.根据权利要求13所述的系统， 其中， 为确定所述第一重建图像中是否包含伪影， 所 述第一确定模块用于： 基于伪影判定算法， 确定所述第一重建图像中是否包含伪影； 所述伪影判定算法至少 包括基于图像形态学的判定算法、 基于图像像素值的判定算法、 或机器学习算法。 15.根据权利要求12所述的系统， 其中， 为获取所述目标对象在当前迭代轮次中的第二 重建图像， 所述第。

11、二确定模块用于： 权利要求书 2/3 页 3 CN 112150574 A 3 确定所述第一重建图像以及前续迭代轮次中的第二重建图像中所包含的伪影所属的 至少一种伪影类型； 对于所述至少一种伪影类型中的每一个伪影类型， 获取对应的校正算法； 获取所述目标对象的第二扫描数据； 利用所述校正算法， 基于所述第二扫描数据执行所述去伪影操作， 获取所述目标对象 在当前迭代轮次中第二重建图像。 16.根据权利要求15所述的方法， 其中， 用于获取当前迭代轮次的第二重建图像的校正 算法与用于获取前续迭代轮次的第二重建图像的校正算法不同。 17.根据权利要求15所述的方法， 其中， 用于获取当前迭代轮次的第。

12、二重建图像的第二 扫描数据与用于获取前续迭代轮次的第二重建图像的第二扫描数据不同。 18.根据权利要求15所述的系统， 其中， 所述第一扫描数据包括所述第二扫描数据的至 少一部分。 19.根据权利要求15所述的系统， 其中， 为利用所述校正算法， 基于所述第二扫描数据 执行所述去伪影操作， 获取所述目标对象在当前迭代轮次中第二重建图像， 所述第二确定 模块用于： 基于所述校正算法对所述第二扫描数据执行所述去伪影操作， 获取第三扫描数据； 通过对所述第三扫描数据进行重建， 获取所述目标对象在当前迭代轮次中第二重建图 像。 20.根据权利要求15所述的系统， 其中， 为利用所述校正算法， 基于所述。

13、第二扫描数据 执行所述去伪影操作， 获取所述目标对象在当前迭代轮次中第二重建图像， 所述第二确定 模块用于： 通过对所述第二扫描数据进行重建， 获取第四重建图像； 利用所述校正算法对所述第四重建图像执行所述去伪影操作， 获取所述目标对象在当 前迭代轮次中第二重建图像。 21.根据权利要求12所述的系统， 其中， 所述系统进一步包括第三确定模块； 所述第三 确定模块用于： 响应于所述第一重建图像中不包含伪影或包含的伪影满足预设容忍条件， 获取目标对 象的原始扫描数据； 基于所述原始扫描数据， 获取所述目标重建图像。 22.根据权利要求12所述的系统， 其中， 所述系统进一步包括提醒模块， 所述提。

14、醒模块 用于： 响应于所述至少一轮迭代中的最后一轮迭代中的所述第二重建图像中包含的伪影不 满足预设容忍条件， 生成提醒信息； 播报所述提醒信息。 23.一种图像伪影自动校正装置， 其中， 所述装置包括处理器， 所述处理器用于执行权 利要求1-11所述的方法。 24.一种计算机可读存储介质， 其上存储有计算机程序， 其特征在于， 所述计算机程序 被处理器执行时实现权利要求1-11中所述的图像伪影自动方法。 权利要求书 3/3 页 4 CN 112150574 A 4 一种图像伪影自动校正方法、 系统、 装置及存储介质 技术领域 0001 本申请涉及图像处理技术领域， 特别涉及一种图像伪影自动校正。

15、方法、 系统、 装置 及存储介质。 背景技术 0002 近年来， 随着医学影像的发展， 成像技术越来越成熟， 医学成像设备(例如CT设备) 等应用越来越广泛， 例如， 疾病筛查。 0003 目前， 通过医学成像设备扫描生成的医学图像或多或少的存在伪影， 伪影的存在 可能会误导基于医学图像的疾病诊断， 从而出现漏诊或者错诊等情况。 因此， 希望可以提供 一种快速去除伪影的方法， 快速检测且去除医学图像中的伪影， 以确保生成的医学图像中 的伪影尽可能的减少甚至不存在， 提高疾病诊断的准确性以及效率。 发明内容 0004 本申请实施例之一提供一种图像伪影自动校正方法， 所述方法实现于医学成像设 备，。

16、 所述方法包括： 获取目标对象的第一重建图像； 确定所述第一重建图像中是否包含伪 影； 响应于所述第一重建图像中包含的伪影不满足预设容忍条件， 通过至少一次迭代确定 所述目标对象的目标重建图像， 其中， 所述至少一次迭代中的每一次包括： 通过执行去伪影 操作， 获取所述目标对象在当前迭代轮次中的第二重建图像； 确定所述第二重建图像中是 否包含伪影； 响应于所述第二重建图像中不包含伪影或包含的伪影满足所述预设容忍条 件， 获取所述目标对象的原始扫描数据， 并基于所述原始扫描数据， 通过去伪影操作确定所 述目标重建图像； 其中， 所述原始扫描数据包括针对所述目标对象执行扫描过程所获取的 全部扫描数。

17、据； 响应于所述第二重建图像包含的伪影不满足所述预设容忍条件， 执行下一 轮次迭代。 0005 本申请实施例之一提供一种图像伪影自动校正系统， 所述系统包括： 第一获取模 块， 用于获取目标对象的第一重建图像； 第一确定模块， 用于确定所述第一重建图像中是否 包含伪影； 第二确定模块， 用于响应于所述第一重建图像中包含的伪影不满足预设容忍条 件， 通过至少一次迭代确定所述目标对象的目标重建图像， 其中， 所述至少一次迭代中的每 一次包括： 通过执行去伪影操作， 获取所述目标对象在当前迭代轮次中的第二重建图像； 确 定所述第二重建图像中是否包含伪影； 响应于所述第二重建图像中不包含伪影或包含的伪。

18、 影满足所述预设容忍条件， 获取所述目标对象的原始扫描数据， 并基于所述原始扫描数据， 通过去伪影操作确定所述目标重建图像； 其中， 所述原始扫描数据包括针对所述目标对象 执行扫描过程所获取的全部扫描数据； 响应于所述第二重建图像包含的伪影不满足所述预 设容忍条件， 执行下一轮次迭代。 0006 本申请实施例之一提供一种图像伪影自动校正装置， 包括处理器， 所述处理器用 于执行图像伪影自动校正方法。 0007 本申请实施例之一提供一种计算机可读存储介质， 所述存储介质存储计算机指 说明书 1/15 页 5 CN 112150574 A 5 令， 当计算机读取存储介质中的计算机指令后， 计算机执。

19、行以上所述任意一种图像伪影自 动校正方法。 附图说明 0008 本申请将以示例性实施例的方式进一步说明， 这些示例性实施例将通过附图进行 详细描述。 这些实施例并非限制性的， 在这些实施例中， 相同的编号表示相同的结构， 其中： 0009 图1是根据本申请一些实施例所示的图像伪影自动校正系统的应用场景示意图； 0010 图2是根据本申请一些实施例所示的图像伪影自动校正方法的示例性流程图； 0011 图3是根据本申请一些实施例所示的获取所述目标对象在当前迭代轮次中的第二 重建图像的方法的示例性流程图； 0012 图4是根据本申请一些实施例所示的用于图像伪影自动校正的处理设备的模块 图； 0013。

20、 图5是根据本申请一些实施例所示的包括运动伪影的示例性扫描预览图； 以及 0014 图6是根据本申请一些实施例所示的包括金属伪影的示例性扫描预览图。 具体实施方式 0015 为了更清楚地说明本申请实施例的技术方案， 下面将对实施例描述中所需要使用 的附图作简单的介绍。 显而易见地， 下面描述中的附图仅仅是本申请的一些示例或实施例， 对于本领域的普通技术人员来讲， 在不付出创造性劳动的前提下， 还可以根据这些附图将 本申请应用于其它类似情景。 除非从语言环境中显而易见或另做说明， 图中相同标号代表 相同结构或操作。 0016 应当理解， 本文使用的 “系统” 、“装置” 、“单元” 和/或 “模。

21、组” 是用于区分不同级别 的不同组件、 元件、 部件、 部分或装配的一种方法。 然而， 如果其他词语可实现相同的目的， 则可通过其他表达来替换所述词语。 0017 如本申请和权利要求书中所示， 除非上下文明确提示例外情形，“一” 、“一个” 、“一 种” 和/或 “该” 等词并非特指单数， 也可包括复数。 一般说来， 术语 “包括” 与 “包含” 仅提示包 括已明确标识的步骤和元素， 而这些步骤和元素不构成一个排它性的罗列， 方法或者设备 也可能包含其它的步骤或元素。 0018 本申请中使用了流程图用来说明根据本申请的实施例的系统所执行的操作。 应当 理解的是， 前面或后面操作不一定按照顺序来。

22、精确地执行。 相反， 可以按照倒序或同时处理 各个步骤。 同时， 也可以将其他操作添加到这些过程中， 或从这些过程移除某一步或数步操 作。 0019 目前， 医学成像设备(例如， X射线成像设备例如CT、 磁共振成像设备例如MRI、 超声 成像设备例如US、 核医学成像设备例如PET等)通常会提供预览图功能。 预览图可以是一个 低分辨率的快速重建图像， 医学成像设备的操作者例如医生可以通过预览图确定与扫描过 程相关的信息， 例如， 扫描位置是否正确、 扫描获得的扫描对象比如患者的状态信息(例如， 患者的身体特征是否平稳、 患者的摆位是否发生变化)是否正确等。 预览图还可以在一定程 度上反映最终。

23、的重建图像的质量， 这可以为医生提供一个参考。 例如， 医生可以通过预览图 来判断根据原始扫描数据进行重建是否会导致重建图像中出现伪影， 从而决定所述原始扫 说明书 2/15 页 6 CN 112150574 A 6 描数据是否可用， 或者是否对所述原始扫描数据进行处理(例如， 去伪影操作)。 0020 同时， 医学成像设备也会提供去伪影功能。 医学成像设备的操作者例如医生可以 根据需求自行的选择是否执行去伪影操作。 另外， 某些医学成像设备中的去伪影功能是必 选的。 即成像过程中都会执行去伪影操作。 但去伪影操作通常需要花费较长时间， 倘若不加 分别的执行去伪影操作， 将会导致整个扫描过程的。

24、出图相对较慢， 甚至慢到用户无法接受。 同时， 对于存在伪影的情况， 执行去伪影操作能够很好的去除伪影。 但对于本就不存在伪影 的情况， 执行去伪影操作可能会产生副作用。 例如， 直接根据原始扫描数据进行重建得到的 重建图像中可能不会存在伪影， 但是如果在重建过程中执行了去伪影操作， 最终得到的重 建图像中反而出现了伪影， 影响图像质量。 0021 本申请所披露的技术方案， 将以上两种孤立的， 无联系的功能进行结合。 可以通过 预览图实时的监控扫描所得到的原始扫描数据是否会导致最终的重建图像中出现伪影。 并 针对可能出现伪影的情况自动地在图像重建过程中执行去伪影操作。 0022 图1是根据本申。

25、请一些实施例所示的图像伪影自动校正系统的应用场景示意图。 图像伪影自动校正系统100可以用于医疗领域。 例如， 图像伪影校正系统100可以对医学图 像进行是否存在伪影的识别判断， 并根据判断结果自动地调用(或不调用)相应的去伪影模 块执行去伪影操作。 图像伪影自动校正系统100可以自动地快速检测且去除医学图像中的 伪影， 确保生成的医学图像中的伪影尽可能减少甚至不存在， 提高图像质量， 进而提高疾病 诊断的准确性以及效率。 0023 图像伪影自动校正系统100可以是用于医疗系统平台。 例如， 该图像伪影自动校正 系统100可以用于医学影像平台。 图像伪影自动校正系统100可以包含处理设备110。

26、、 网络 120、 医学成像设备130和存储设备140。 处理设备110可包含处理设备。 0024 在一些实施例中， 处理设备110可以用于对医学成像设备130生成的快速重建图像 例如预览图进行是否存在伪影的识别判断， 并根据判断结果自动化的调用(或不调用)相应 的去伪影模块。 例如， 处理设备110可以确定第一重建图像中是否包含伪影， 并根据是否包 含伪影结果执行或者不执行去伪影操作。 处理设备110可以是独立的服务器或者服务器组。 该服务器组可以是集中式的或者分布式的(如： 处理设备110可以是分布式系统)。 在一些实 施例中该处理设备110可以是区域的或者远程的。 例如， 处理设备110。

27、可通过网络访问存储 于医学成像设备130、 存储设备140中的信息和/或资料。 在一些实施例中， 处理设备110可直 接与医学成像设备130、 存储设备140直接连接以访问存储于其中的信息和/或资料。 在一些 实施例中， 处理设备110可在云平台上执行。 例如， 该云平台可包括私有云、 公共云、 混合云、 社区云、 分散式云、 内部云等中的一种或其任意组合。 0025 在一些实施例中， 处理设备110可包含一个或多个子处理设备(例如， 单芯处理设 备或多核多芯处理设备)。 仅仅作为范例， 处理设备可包含中央处理器(CPU)、 专用集成电路 (ASIC)、 专用指令处理器(ASIP)、 图形处理。

28、器(GPU)、 物理处理器(PPU)、 数字信号处理器 (DSP)、 现场可编程门阵列(FPGA)、 可编辑逻辑电路(PLD)、 控制器、 微控制器单元、 精简指令 集电脑(RISC)、 微处理器等或以上任意组合。 0026 网络120可促进数据和/或信息的交换， 数据和/或信息可以包括医学成像设备130 发送给处理设备110一个或多个医学图像。 在一些实施例中， 图像伪影自动校正系统100中 的一个或多个组件(医学成像设备130、 存储设备140)可通过网络120发送数据和/或信息给 说明书 3/15 页 7 CN 112150574 A 7 图像伪影自动校正系统100中的其他组件。 在一些。

29、实施例中， 网络120可是任意类型的有线 或无线网络。 例如， 公共网络(例如， 因特网)、 专用网络(例如， 局部区域网络(LAN)、 广域网 (WAN)等)、 有线网络(例如， 以太网网络)、 无线网络(例如， Wi-Fi网络、 Li-Fi网络等)、 蜂窝 网络(例如， 长期演进(LTE)网络)、 帧中继网络、 虚拟专用网络( “VPN” )、 卫星网络、 电话网 络、 路由器、 集线器、 交换机、 服务器计算机和/或其任何组合。 仅作为示例， 网络120可以包 括电缆网络、 有线网络、 光纤网络、 电信网络、 内联网、 无线局部区域网络(WLAN)、 城域网 (MAN)、 公共电话交换网。

30、(PSTN)、 蓝牙TM网络、 紫蜂TM网络、 近场通信(NFC)网络、 超宽带(UWB) 网络、 移动通信(1G、 2G、 3G、 4G、 5G)网络、 窄带物联网(NB-IoT)、 红外通信等或其任何组合。 在一些实施例中， 网络120可包括一个或多个网络接入点。 例如， 网络120可包含有线或无线 网络进出点， 如基站和/或网际网络交换点120-1、 120-2、 ， 通过这些进出点， 图像伪影自 动校正系统100的一个或多个组件可连接到网络120上以交换数据和/或信息。 0027 医学成像设备130可以是一种具有生成医学图像功能的医疗设备， 可以包括计算 机X线摄影仪(CR)、 数字化。

31、X线摄影仪(DR)、 计算机断层扫描仪(CT)、 移动X射线设备(比如移 动C臂机)、 数字减影血管造影扫描仪(DSA)、 发射型计算机断层扫描仪(ECT)、 磁共振成像设 备(MRI)、 超声成像设备(Ultrasound)等中的一种或任意组合。 医学成像设备130可以对扫 描对象进行扫描， 以获取扫描数据。 医学成像设备130也可以基于扫描数据执行图像重建操 作， 得到扫描对象的重建图像。 在一些实施例中， 医学成像设备130可包括具有发送数据功 能的装置。 例如， 在对患者进行扫描时或扫描结束后， 将所获取的扫描数据或基于扫描数据 生成的重建图像发送给处理设备110。 在一些实施例中， 。

32、医学成像设备130可以通过网络120 将数据发送给处理设备110。 在一些实施例中， 医学成像设备130可以直接发送数据至处理 设备110。 0028 存储设备140可以存储数据(例如， 对扫描对象的扫描数据)、 指令和/或任何其他 信息。 在一些实施例中， 存储设备140可以存储从处理设备110、 和/或医学成像设备130处获 得的数据， 例如， 存储设备140可以存储从医学成像设备130获得的扫描对象的扫描数据。 在 一些实施例中， 存储设备140可以存储处理设备110执行或使用的数据和/或指令， 以执行本 申请中描述的示例性方法。 在一些实施例中， 存储设备130可包括大容量存储器、 可。

33、移除存 储器、 易失性读写存储器、 只读存储器(ROM)等其中一种或几种的组合。 大容量存储可以包 括磁盘、 光盘、 固态硬盘、 移动存储等。 可移除存储器可以包括闪存驱动器、 软盘、 光盘、 存储 卡、 ZIP磁盘、 磁带等。 易失性读写存储器可以包括随机存取存储器(RAM)。 RAM可以包括动态 随机存储器(DRAM)、 双数据率同步动态随机存取存储器(DDR-SDRAM)、 静态随机存取存储器 (SRAM)、 可控硅随机存取存储器(T-RAM)、 零电容随机存取存储器(Z-RAM)等。 ROM可以包括 掩模只读存储器(MROM)、 可编程的只读存储器(PROM)、 可擦除可编程只读存储器。

34、(EPROM)， 电可擦除可编程只读存储器(EEPROM)、 光盘只读存储器(CD-ROM)、 数字多功能光盘等。 在一 些实施例中， 存储设备150可以通过本申请中描述的云平台实现。 例如， 云平台可以包括私 有云、 公共云、 混合云、 社区云、 分布式云、 跨云、 多云等其中一种或几种的组合。 0029 在一些实施例中， 存储设备140可与网络120连接以与系统100的一个或多个组件 (例如， 处理设备110、 医疗成像设备130等)通讯。 图像伪影自动校正系统100的一个或多个 组件可通过网络120访问存储于存储设备140中的资料或指令。 在一些实施例中， 存储设备 140可直接与图像伪。

35、影自动校正系统100中的一个或多个组件(例如， 处理设备110、 医学成 说明书 4/15 页 8 CN 112150574 A 8 像设备130等)连接或通讯。 在一些实施例中， 存储设备140可以是处理设备110的一部分。 0030 图2是根据本申请一些实施例所示的图像伪影自动校正的方法的示例性流程图。 在一些实施例中， 流程200可以通过处理逻辑来执行， 该处理逻辑可以包括硬件(例如， 电 路、 专用逻辑、 可编程逻辑、 微代码等)、 软件(运行在处理设备上以执行硬件模拟的指令)等 或其任意组合。 图2所示的用于图像伪影自动校正的流程200中的一个或多个操作可以通过 图1所示的处理设备1。

36、10实现。 例如， 流程200可以以指令的形式存储在存储设备140中， 并由 处理设备110执行调用和/或执行。 在一些实施例中， 流程200可以由处理设备400执行。 如图 2所示， 流程200可以包括以下操作。 0031 步骤202， 获取目标对象的第一重建图像。 所述步骤可由第一获取模块410执行。 0032 在一些实施例中， 所述目标对象可以包括使用医学图像设备(例如， 医学成像设备 130)进行扫描的对象。 例如， 所述目标对象可以包括患者或者患者的至少一部分， 例如， 组 织、 器官等。 在一些实施例中， 可以利用医学成像设备130对目标对象进行扫描后得到医学 图像以对目标对象进行。

37、医疗诊断。 0033 在一些实施例中， 医学成像设备130可以对所述目标对象执行扫描过程以获取原 始扫描数据。 在一些实施例中， 所述扫描过程可以包括一次或多次扫描。 在一些实施例中， 所述原始扫描数据可以包括医学成像设备130在所述扫描过程中获取的与所述目标对象相 关的数据。 例如， 所述原始扫描数据可以包括医学成像设备130在MR扫描过程中获取的与目 标对象相关的MR信号(例如， 回波信号)。 又例如， 所述原始扫描数据可以包括医学成像设备 130在CT扫描过程中获取的与目标对象相关的投影数据。 再例如， 所述原始扫描数据可以包 括医学成像设备130在ECT(例如， PET或SPECT)扫。

38、描过程中获取的与目标对象相关的光子信 息。 0034 在一些实施例中， 所述第一重建图像可以包括基于与目标对象相关的原始扫描数 据重建后得到的图像， 例如， 基于医学成像设备130在所述扫描过程中获取的全部或部分原 始扫描数据得到的目标对象的重建图像。 在一些实施例中， 用于生成第一重建图像的原始 扫描数据可以被称为第一扫描数据。 所述第一扫描数据可以包括至少一部分原始扫描数 据。 0035 在一些实施例中， 所述第一重建图像可以至少包括目标对象的扫描预览图。 在一 些实施例中， 所述扫描预览图可以具有分辨率低和/或重建速度快等特点。 在一些实施例 中， 所述扫描预览图可以用于确定与扫描过程相。

39、关的信息。 在一些实施例中， 可以基于目标 对象的扫描预览图判断在扫描过程中目标对象比如患者的扫描位置是否合适(例如， 目标 对象是否位于医学成像设备130的成像视野(FOV)中)、 扫描获取到患者的状况信息(例如， 患者的身体特征是否平稳、 患者的摆位是否发生变化)是否正常、 是否可以接受所述扫描过 程(例如， 扫描过程中获取的至少一部分原始扫描数据是否可以用于重建生成目标重建图 像)等。 在一些实施例中， 由于扫描预览图是根据在扫描过程中获取的全部或部分原始扫描 数据经过图像重建操作后得到的， 因此扫描预览图可以包括原始扫描数据中包含的信息， 例如， 伪影。 因此扫描预览图可以反映最终的重。

40、建图像的质量。 例如， 可以通过扫描预览图 来判断根据原始扫描数据进行重建是否会导致最终得到的重建图像中出现伪影， 从而决定 至少一部分原始扫描数据是否可用， 或者是否对至少一部分原始扫描数据进行处理(例如， 去伪影操作)。 说明书 5/15 页 9 CN 112150574 A 9 0036 在一些实施例中， 扫描过程结束后， 第一获取模块410可以获取第一扫描数据， 并 根据第一扫描数据生成扫描预览图。 在一些实施例中， 在扫描过程中， 第一获取模块410可 以根据不断获取的原始扫描数据实时生成或更新扫描预览图， 并根据实时生成或更新扫描 预览图实时监控与扫描过程相关的信息。 0037 在。

41、一些实施例中， 第一获取模块410可获取所述目标对象的第一扫描数据， 并基于 所述第一扫描数据重建所述扫描预览图。 在一些实施例中， 所述第一扫描数据可以包括整 个扫描过程中任一时间段内获取的原始扫描数据。 在一些实施例中， 所述第一扫描数据可 以包括整个扫描过程中获取的所有原始扫描数据的一部分。 例如， 对目标对象执行的扫描 过程的扫描时长是从扫描开始时刻A到扫描结束时刻B。 扫描时刻C为扫描开始时刻A到扫描 结束时刻B之间的任意一个时刻。 则所述第一扫描数据可以包括医学成像设备例如医学成 像设备130从扫描开始时刻A到扫描时刻C这一段时长中获取的原始扫描数据。 又例如， 时刻 D和时刻E是。

42、从扫描开始时刻A到扫描结束时刻B这一扫描时长中的两个扫描时刻， 时刻D在 时刻E之前。 所述第一扫描数据可以包括医学成像设备例如医学成像设备130在从时刻D到 时刻E这一扫描时长中获取的原始扫描数据。 在一些实施例中， 所述第一扫描数据可以包括 整个扫描过程中获取的所有原始扫描数据。 例如， 继续参考以上示例， 所述第一扫描数据可 以包括医学成像设备例如医学成像设备130从扫描开始时刻A到扫描结束时刻B这一整个扫 描时长中获取的所有原始扫描数据。 在一些实施例中， 所述第一扫描数据可以随着扫描过 程的进行而发生变化。 例如， 第一扫描数据可以包含扫描过程中从任一时刻(例如， 扫描过 程的开始时。

43、刻)到当前扫描时刻这一时间段内所生成的原始扫描数据。 随着扫描时间的推 移， 第一扫描数据所包含的数据量可以越来越多。 第一获取模块410可以根据实时变化的第 一扫描数据实时生成或更新扫描预览图。 在一些实施例中， 所述原始扫描数据可以被存储 至存储设备(例如， 处理设备110自带的存储设备或外接存储设备比如存储设备140)中。 第 一获取模块410可以通过与该存储设备进行通信以获取所述第一扫描数据。 在一些实施例 中， 第一获取模块410可以从医学成像设备130获取所述第一扫描数据。 0038 在一些实施例中， 在获取所述第一扫描数据后， 第一获取模块410可以使用重建算 法基于第一扫描数据。

44、重建所述扫描预览图。 所使用的重建算法可以包括解析算法例如滤波 反投影法、 迭代算法例如OS-EM、 基于机器学习的重建算法例如基于深度神经网络的重建算 法、 快速重建算法等。 0039 在一些实施例中， 随着扫描过程的进行， 第一获取模块410可以生成不同的扫描预 览图。 例如， 第一获取模块410可以根据不断获取的原始扫描数据对扫描预览图进行实时更 新。 这样， 与扫描过程相关的信息可以通过扫描预览图实时的反映， 从而达到自动监控扫描 过程的目的。 例如， 可以通过实时更新的扫描预览图自动地判断目标对象的最终的重建图 像中是否包含伪影。 又例如， 可以根据判断结果自动地执行不同的操作(例如。

45、， 是否在生成 最终的重建图像的过程中执行去伪影操作)。 0040 步骤204， 确定所述第一重建图像中是否包含伪影。 所述步骤可由第一确定模块 420执行。 0041 在一些实施例中， 在扫描过程中， 由于目标对象自身(例如患者的自主运动比如身 体移动或不自主运动比如呼吸、 心跳等)或外部原因(例如， 患者在扫描过程中佩戴了或身 体内植入了影响扫描的外来物比如金属)， 或是医学成像设备的组件原因， 得到的目标对象 说明书 6/15 页 10 CN 112150574 A 10 的最终的重建图像中可能会出现伪影。 伪影的存在可能会影响医学诊断的结果。 在一些实 施例中， 可以利用所述第一重建图。

46、像(例如， 一个或多个扫描预览图)判断最终的重建图像 中是否可能出现伪影。 0042 在一些实施例中， 第一确定模块420可以基于伪影判定算法， 判断所述第一重建图 像中是否包含伪影。 所述伪影判定算法可以包括基于图像形态学的判定算法、 基于图像像 素值的判定算法、 或机器学习算法等或其任意组合。 作为示例， 第一确定模块420可以使用 基于图像形态学的判定算法， 确定第一重建图像中的目标对象的形态是否正常， 和/或是否 包含有本不属于目标对象的部分。 比如， 第一确定模块420可以使用基于图像形态学的判定 算法， 确定第一重建图像中存在不规则条形， 且该条形延伸至目标对象的空气区域。 第一确。

47、 定模块420可以根据所述确定结果， 确定第一重建对象中存在伪影。 参考图5， 图5是根据本 申请一些实施例所示的包括运动伪影的示例性扫描预览图。 如图5所示， 黑色区域可以是空 气区域。 图5中的白色箭头所指示的可以是不规则条形。 当第一确定模块420判定所述第一 重建图像中出现如图5所示的情况， 则可以进一步确定第一重建图像中存在伪影， 例如， 运 动伪影。 0043 作为另一示例， 第一确定模块420可以使用基于图像像素值的判定算法， 对第一重 建图像中的至少一个像素的像素值进行分析以确定第一重建图像是否包含伪影。 例如， 第 一重建图像中的每个像素的像素值(或灰度值)可以被转换为CT值。

48、。 第一确定模块420可以 通过对CT值大小的判定， 例如是否超过阈值比如3000HU， 以及对这些超过阈值的像素的分 布情况进行判定， 例如是否属于离散点， 可以判定第一重建图像中是否包含伪影。 比如在第 一重建图像中， CT值超过3000HU的像素的分布为非离散点， 第一确定模块420可以确定第一 重建图像中包含伪影。 参考图6， 图5是根据本申请一些实施例所示的包括金属伪影的示例 性扫描预览图。 如图6所示， 图6中白色箭头所指示的白色圆圈内的像素点对应的CT值超过 了3000HU， 呈现出亮光且连接成片， 属于非离散点。 当第一确定模块420判定所述第一重建 图像中出现如图6所示的情况。

49、， 则可以进一步确定第一重建图像中存在伪影， 例如， 金属伪 影。 0044 作为再一示例， 第一确定模块420可以使用机器学习算法例如机器学习模型(比如 用于分类的人工神经网络模型)直接处理第一重建图像， 以得到第一重建图像中是否包含 有伪影的判定。 例如， 机器学习模型可以是预先经过训练的。 包含有伪影的图像以及不包含 伪影的图像可以分别作为训练的正负样本， 同时为每个样本标记正确的标签(例如， 可以包 括是否含有伪影， 伪影的类型， 伪影在图像中的位置， 伪影的大小， 伪影的轮廓， 伪影对应的 像素值等)。 利用训练样本进行模型训练得到用于判断图像中是否存在伪影的机器学习模 型。 第一确。

50、定模块420可以将所述第一重建图像输入至训练好的机器学习模型中， 由机器学 习模型对第一重建图像是否包含伪影进行判断， 并输出是否包含伪影和/或伪影类型的判 断结果。 应当注意的是， 以上关于判断第一重建图像中是否存在伪影的示例仅出于说明的 目的， 并不旨在限定本申请的保护范围。 0045 在一些实施例中， 所述伪影判定算法可以是预先设定的。 例如， 所述伪影判定算法 可以是以可执行逻辑或指令或程序编码的形式预先存储在处理设备110或处理设备400的 内置存储器或外接存储设备比如存储设备140中。 当需要判断第一重建图像中是否存在伪 影时， 第一确定模块420可以通过与处理设备110处理设备或。