透视视频的降噪方法、装置、终端及计算机可读存储介质制造方法及图纸

本发明专利技术公开了一种透视视频的降噪方法、装置、终端及计算机可读存储介质，该降噪方法包括：从X光荧光透视所得到的透视视频中、获取以时间顺序排列的多个视频帧，获取每个视频帧的特征图，之后进行配准操作，再进行降噪操作。从而能够对该透视视频进行降噪处理。而能够对该透视视频进行降噪处理。而能够对该透视视频进行降噪处理。

【技术实现步骤摘要】
透视视频的降噪方法、装置、终端及计算机可读存储介质


[0001]本专利技术涉及X射线图像
，尤其涉及一种透视视频的降噪方法、装置、终端及计算机可读存储介质。

技术介绍

[0002]X光荧光透视(fluoroscopy)检查是指X射线系统以低剂量和短时间间隔连续地拍摄人体部位的投影图，多张投影图构成透视视频。该技术可以实时显示X光图像，拥有很高的时间分辨率，帧率范围通常在3
‑
60FPS(Frames Per Second，每秒传输帧数)之间。由于平板探测器的广泛使用，该技术成像视野广，空间分辨率高。透视检查在临床上应用广泛，比如，在电生理检查(针对心律失常)期间以及冠状动脉导管插入术期间，用于确定导管是否正确放置在心脏中；使用不透X光造影剂(如钡剂，通常是口服)时，用于评估胃肠道；在肌肉骨骼损伤评估期间，用于观察骨和关节的运动情况。
[0003]由于一次透视检查需要连续采集大量的图像(几百张以上)，而X射线会对人体产生电离辐射危害，我们只能采用极低的曝光剂量采集图像，透视检查中每一帧图像的剂量约为X光平片的五百分之一。但是，低剂量拍摄导致图像内噪声很大。时间维度平滑能够很好的恢复出清晰的图像。在介入治疗中，医生需要借助透视图像观察一些精细物体，比如导丝和导管，而在手术过程中，这些物体的运动比较剧烈，传统的降噪方法会引起模糊。
[0004]因此，在维持精细结构清晰程度的前提下，如何对透视视频进行降噪就成为一个亟待解决的问题。

技术实现思路

[0005]有鉴于此，本专利技术的主要目的在于提供一种透视视频的降噪方法、装置、终端及计算机可读存储介质。
[0006]为达到上述目的，本专利技术的技术方案是这样实现的：一种用于X光荧光透视的透视视频的降噪方法，包括以下步骤：从X光荧光透视所得到的透视视频中、获取以时间顺序排列的N个视频帧I1,I2,
…
,I
N
，视频帧I1,I2,
…
,I
N
的长度均相等且宽度均相等，视频帧I1,I2,
…
,I
N
具有相同的像素坐标系C1，N为自然数，N≥2；获取视频帧I
j
对应的特征图F
j
，特征图F
j
的长度和宽度分别等于视频帧I
j
的长度和宽度，为特征图F
j
设置所述像素坐标系C1；在特征图F
j
中的每个像素DF的像素值Value用于表征：在视频帧I
j
中，与像素DF处于相同坐标的像素DI属于导丝图像或者导管图像的概率值，0≤Value≤1，j＝1,2,...,N；获取视频帧I
k
到视频帧I
k+1
的空间变换T
k
→
k+1
，获取视频帧I
k
配准到I
N
的视频帧I
′
k
，获取特征图F
k
配准到F
N
的特征图F
′
k
，视频帧I
′
k
的长度和宽度分别等于I
N
的长度和宽度，特征图F
′
k
的长度和宽度分别等于F
N
的长度和宽度，为视频帧I
′
k
和特征图F
′
k
设置所述像素坐标系C1，k＝1,2,...,N
‑
1，令F
′
N
＝F
N
，I
′
N
＝I
N
；计算I
j
′
与I
′
N
之间的第一距离图计算F
′
j
与F
N
之间的第二距离图
根据第一距离图和第二距离图计算权重图w
j
，其中，j＝1,2,...,N，σ1和σ2均为常数，x为所述像素坐标系C1中的任一坐标，I
′
j
(x)、I
′
N
(x)、F
′
j
(x)和F
′
N
(x)分别为坐标x在第一距离图第二距离图视频帧I
′
j、视频帧I
′
N、特征图F
′
j和特征图F
′
N
中对应的像素的像素值，abs()为绝对值函数；视频帧I
N
对应的降噪帧为对应的降噪帧为其中，和I
′
t
(x)分别为坐标x在降噪帧和视频帧I
′
t
中对应的像素的像素值。
[0007]作为本专利技术实施例的一种改进，所述“获取视频帧I
j
对应的特征图F
j”具体包括：基于U
‑
Net神经网络，获取视频帧I
j
对应的特征图F
j
；在训练所述U
‑
Net神经网络时，获取X光荧光透视所得到的透视视频中的若干视频帧I”、以及每个视频帧I”对应的特征标注图F
gt
，特征标注图F
gt
为二值图，特征标注图F
gt
的长和宽分别等于视频帧I”的长和宽，特征标注图F
gt
和视频帧I”具有相同的像素坐标系C2；特征标注图F
gt
用于表征：当像素F
gt
(y)的像素值＝1时，像素I”(y)属于导丝图像或者导管图像，当像素F
gt
(y)的像素值＝0时，像素I”(y)不属于导丝图像、且也不属于导管图像，其中，y为所述像素坐标系C2中的任一坐标，F
gt
(y)和I”(y)分别为坐标y在特征标注图F
gt
和视频帧I”中对应的像素；将每个视频帧I”对应的特征标注图F
gt
输入到所述U
‑
Net神经网络中，对所述U
‑
Net神经网络进行训练。
[0008]作为本专利技术实施例的一种改进，所述“获取视频帧I
k
到视频帧I
k+1
的空间变换T
k
→
k+1”具体包括：基于特征点法、获取视频帧I
k
到视频帧I
k+1
的空间变换T
k
→
k+1
。
[0009]作为本专利技术实施例的一种改进，所述“获取视频帧I
k
到视频帧I
k+1
的空间变换T
k
→
k+1”具体包括：基于ORB算法，从视频帧I
k
中获取多个FAST特征像素组成特征点集P
k
，从视频帧I
k+1
中获取多个FAST特征像素组成特本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于X光荧光透视的透视视频的降噪方法，其特征在于，包括以下步骤：从X光荧光透视所得到的透视视频中、获取以时间顺序排列的N个视频帧I1,I2,
…
,I
N
，视频帧I1,I2,
…
,I
N
的长度均相等且宽度均相等，视频帧I1,I2,
…
,I
N
具有相同的像素坐标系C1，N为自然数，N≥2；获取视频帧I
j
对应的特征图F
j
，特征图F
j
的长度和宽度分别等于视频帧I
j
的长度和宽度，为特征图F
j
设置所述像素坐标系C1；在特征图F
j
中的每个像素DF的像素值Value用于表征：在视频帧I
j
中，与像素DF处于相同坐标的像素DI属于导丝图像或者导管图像的概率值，0≤Value≤1，j＝1,2,...,N；获取视频帧I
k
到视频帧I
k+1
的空间变换T
k
→
k+1
，获取视频帧I
k
配准到I
N
的视频帧I
′
k
，获取特征图F
k
配准到F
N
的特征图F
′
k
，视频帧I
′
k
的长度和宽度分别等于I
N
的长度和宽度，特征图F
′
k
的长度和宽度分别等于F
N
的长度和宽度，为视频帧I
′
k
和特征图F
′
k
设置所述像素坐标系C1，k＝1,2,...,N
‑
1，令F
′
N
＝F
N
，I
′
N
＝I
N
；计算I
′
j
与I
′
N
之间的第一距离图之间的第一距离图计算F
′
j
与F
′
N
之间的第二距离图的第二距离图根据第一距离图和第二距离图计算权重图w
j
，其中，j＝1,2,...,N，σ1和σ2均为常数，x为所述像素坐标系C1中的任一坐标，I
′
j
(x)、I
′
N
(x)、F
′
j
(x)和F
′
N
(x)分别为坐标x在第一距离图第二距离图视频帧I
′
j
、视频帧I
′
N
、特征图F
′
j
和特征图F
′
N
中对应的像素的像素值，abs()为绝对值函数；视频帧I
N
对应的降噪帧为对应的降噪帧为其中，和I
′
t
(x)分别为坐标x在降噪帧和视频帧I
′
t
中对应的像素的像素值。2.根据权利要求1所述的降噪方法，其特征在于，所述“获取视频帧I
j
对应的特征图F
j”具体包括：基于U
‑
Net神经网络，获取视频帧I
j
对应的特征图F
j
；在训练所述U
‑
Net神经网络时，获取X光荧光透视所得到的透视视频中的若干视频帧I”、以及每个视频帧I”对应的特征标注图F
gt
，特征标注图F
gt
为二值图，特征标注图F
gt
的长和宽分别等于视频帧I”的长和宽，特征标注图F
gt
和视频帧I”具有相同的像素坐标系C2；特征标注图F
gt
用于表征：当像素F
gt
(y)的像素值＝1时，像素I”(y)属于导丝图像或者导管图像，当像素F
gt
(y)的像素值＝0时，像素I”(y)不属于导丝图像、且也不属于导管图像，其中，y为所述像素坐标系C2中的任一坐标，F
gt
(y)和I”(y)分别为坐标y在特征标注图F
gt
和视频帧I”中对应的像素；将每个视频帧I”对应的特征标注图F
gt
输入到所述U
‑
Net神经网络中，对所述U
‑
Net神经网络进行训练。3.根据权利要求1所述的降噪方法，其特征在于，所述“获取视频帧I
k
到视频帧I
k+1
的空间变换T
k
→
k+1”具体包括：基于特征点法、获取视频帧I
k
到视频帧I
k+1
的空间变换T
k
→
k+1
。
4.根据权利要求1所述的降噪方法，其特征在于，所述“获取视频帧I
k
到视频帧I
k+1
的空间变换T
k
→
k+1”具体包括：基于ORB算法，从视频帧I
k
中获取多个FAST特征像素组成特征点集P
k
，从视频帧I
k+1
中获取多个FAST特征像素组成特征点集P
...

【专利技术属性】
技术研发人员：吕元媛，程志威，姚青松，周少华，
申请(专利权)人：苏州工业园区智在天下科技有限公司，
类型：发明
国别省市：