[发明专利]基于独立分量分析的X射线医学图像目标重建

说明书

技术领域

本发明属于生物医学工程领域中图像信号分离和数字图像处理研究领域，具体特指对多能谱X射线医学图像用改进的独立分量分析算法进行目标提取重建。

背景技术

自1895年伦琴发现X射线以来，X射线被广泛应用于医学影像。X射线成像目的是使医生能清楚地观察到患者体内某个病变组织，因此医学影像质量直接影响医疗诊断的准确性。上世纪70年代，Robert E.Alvarez和Albert Macovski将双能成像结合X射线能谱信息初步实现了物质成分识别，最初用于医学射线图像的骨骼与软组织的分离和病灶诊断。但两种能谱的区分度不高，引起物质识别效果和成像质量不理想。近年来，由于光子技术探测器具有较好能谱分辨力，将更多的能谱信息引入X射线成像中实现了多能谱成像。

多能谱X射线医学图像将较宽能谱的X射线分能区进行计数，用高低不同两种以上能量的X射线对人体特定部位进行拍摄所获得的图像。基于不同组织成分对X射线衰减各异，可获得多幅不同光密分布的透视图像，但存在噪声较大且对比度低、人体组织图像互相叠加在一起不易区分问题。针对医学图像的特殊性，引入独立成分分析(Independent Component Analysis,ICA)方法，对于不知道目标对象和传输通道参数的条件下，仅从若干个观测图像中提取、分离出无法直接观测到的各个目标对象。

独立成分分析是盲源分离(Blind Source Separation,BBS)的主流方法。盲源分离技术是20世纪90年代发转起来的一种新兴的数据处理方法。这里的“盲”是指源信号未知不可测，并且混合系统特性也是事先未知或只知其少量先验知识，如非高斯性、循环平稳性、统计独立性等。在科学研究和工程实践中，有很多观测信号都可以看成是多个源信号的混合，即被观测的混合信号是一些列传感器的输出，而每一个传感器接收到的是源信号的不同组合。盲分离的主要任务是从观测信号中恢复出我们感兴趣的源信号。近年来，广泛引用于生物信号领域，如心电图(ECG)、脑电图(EEG)信号分离、核磁共振图像(FMRI)分析、孕妇和胎儿电信号分离等方面。

发明内容

技术问题：本发明目的在于克服现有多能谱X射线医学图像技术的不足，提供一种基于ICA的X射线医学图像目标重建。该方法仅依据不同能量下每个像素的混叠对象厚度值，通过独立成分分析理论对其进性图像提取，并对结果进行修正处理，提高图像对比度以突出病变区域，满足医学诊断要求。

技术方案：本发明基于独立分量分析的X射线医学图像目标重建方法方法包括如下步骤：通过医用X光机在不同电压下对人体被检测部位采集一组图像，直接获取的图像存在噪声影响，首先对其进行去噪预处理以满足应用独立分量分析进行目标分离前提条件，然后依据器官组织对X射线衰减能量矩阵得到每个像素中混叠器官厚度值，最后依据混叠器官厚度值采用独立分量分析算法，调整收敛次数和信号尺度大小，获得收敛矩阵分离出目标对象，再以主观视觉标准进行对比度修正，突出感兴趣区域和边缘信息，改善图像视觉效果，获得直观清晰、适用于医学分析的图像。

所述在不同电压下对人体被检测部位采集的一组图像存在噪声问题，从独立分量角度分析图像数据和噪声之间是相互独立关系，利用稀疏编码收缩法对图像序列去噪得到与噪声独立的图像数据，获得近似无噪混叠观测图像。

所述器官组织对X射线衰减，其衰减方程如式1所示：

I=I0exp{-Σk=1kuk(El)Tk}]]>       式1