医学成像系列:医学图像噪声

article/2025/9/30 3:45:00

介绍和概述

通常希望图像亮度(或膜密度)是均匀的,除非它改变以形成图像。然而,有些因素即使在不存在图像细节时也倾向于产生所显示图像的亮度的变化。这种变化通常是随机的,没有特定的模式。在许多情况下,它降低了图像质量,并且当被成像的物体很小并且具有相对低的对比度时尤其显着。图像亮度的这种随机变化被指定为 噪声。

所有医学图像都包含一些视觉噪音。噪声的存在使图像具有斑驳,颗粒状,纹理或雪花的外观。下图比较了两种具有不同噪声水平的图像。我们很快就会发现,图像噪音来自各种各样的来源。没有成像方法没有噪声,但是噪声在某些类型的成像过程中比在其他类型中更普遍。

右侧图像 (B)比左侧图像噪声更大(A)

核图像通常是最嘈杂的。噪声在MRI,CT和超声成像中也很重要。与这些相比,射线照相产生噪声最小的图像。由于后面解释的原因,荧光透视图像比放射线图像稍微更嘈杂。传统摄影产生相对无噪声的图像,除非胶片的颗粒变得可见。

在本章中,我们将考虑图像噪声的一些一般特征,以及影响噪声量的射线照相和荧光透视中的特定因素。

对可见性的影响

尽管噪声给图像带来了通常不希望的外观,但最重要的因素是噪声可以覆盖并降低图像内某些特征的可见性。对于低对比度物体,能见度的损失尤为重要。噪声对物体可见度的一般影响在第一章(图像特征和质量)中有所描述, 并在标题为“噪声对物体可见性的影响”的章节中的图中进行了说明。可见度阈值,尤其是低对比度物体,与噪声有很大关系。原则上,当我们减少图像噪声时,“窗帘”会稍微升高,并且身体内的更多低对比度物体变得可见。

需要考虑的问题:如果可以针对特定成像过程调整噪声水平,那么为什么不将其降低到可能的最低水平以获得最大可见度?

虽然我们通常可以通过改变成像因子来降低噪音,但我们必须始终妥协。在X射线成像中,主要的妥协是患者暴露和剂量; 在MRI和核成像中,主要的妥协是成像时间。噪声和其他图像特征(例如对比度和模糊)之间也存在折衷。原则上,每种成像方法的用户必须确定特定程序的可接受噪声水平,然后选择将以最小曝光,成像时间或对其他图像质量特性的影响来实现它的成像因子。

量子噪声

X射线光子以随机图案照射在诸如图像接收器的表面上。没有力可以使它们均匀地分布在表面上。受体表面的一个区域可能比另一个区域接收更多的光子,即使两者都暴露于相同的平均X射线强度。

在使用x射线或伽马光子的所有成像过程中,大多数图像噪声是通过光子在图像内分布的随机方式产生的。这通常被称为 量子噪声。回想一下,每个光子都是量子(特定量)的能量。正是X射线束的量子结构产生了量子噪声。

让我们使用下面的插图来更新我们的辐射量子特性的概念,看看它是如何产生图像噪声的。在这里,我们看到X射线束的一部分形成了图像中一个小区域的曝光。请记住,X射线束是一个单独的光子阵列。因为光子是独立的,所以它们随机分布在图像区域内,有点像落在地面上的前几滴雨。在某些点上可能存在多个光子(液滴)的簇,以及仅收集少量光子的区域。这种不均匀的光子分布在图像中显示为噪声。的 噪声的量是由所确定的 在光子浓度变化由点到一个小的图像区域内指向。

量子噪声的概念

幸运的是,我们可以在某种程度上控制光子波动和产生的图像噪声。上图显示了两个1毫米的方形图像区域,细分为九个较小的方形区域。两个区域之间的差异是落在该区域内的光子浓度(辐射暴露)。第一个平均每个小方块有100个光子,第二个平均每个小方块有1000个光子。对于典型的诊断X射线束,这相当于分别约3.6μR和36μR的受体暴露。请注意,在第一个大区域中,没有一个较小的区域恰好有100个光子。在这种情况下,每个区域的光子数范围从低89光子到高114光子。但是,我们不会 使用这两个极值来衡量光子波动。因为大多数小区域的光子浓度更接近平均值,所以更适合用标准偏差表示光子变化。标准偏差是统计分析中常用的数量(参见标题为“统计”)表示数量之间的差异或变化量。标准偏差的值有点像小区域中的“平均”偏差量或变化量。光子分布的特征之一是波动量(标准偏差值)与平均光子浓度或曝光水平有关。每个区域的平均光子数的平方根提供了对标准偏差值的近似估计。在该示例中,标准偏差具有每面积10个光子的值。由于这是平均值的10%,因此该曝光下的量子噪声(光子波动)具有10%的值。

现在让我们考虑右边的图像区域,每个区域平均接收1000个光子。在这个例子中,我们还发现没有一个小区域正好接收到1000个光子。在这种情况下,光子浓度范围从每个区域964个光子到1,046个光子。取平均光子浓度的平方根(1,000)得到33.3光子的标准偏差值。看起来我们的光子波动或噪声比其他区域更高。然而,当我们将标准偏差表示为平均光子浓度的百分比时,我们发现噪声水平实际上已降至3.3%。

我们刚刚观察到量子噪声可能是最重要的特征; 可以通过增加用于形成图像的光子浓度(即曝光)来减少它。更具体地,量子噪声与暴露于受体的平方根成反比。

图像噪声和所需曝光之间的关系是设置特定X射线程序的人必须考虑的问题之一。在大多数情况下,患者暴露可以减少,但代价是增加的量子噪声,并且可能降低可见度。在大多数情况下,还可以降低图像噪声,但是需要更高的曝光。大多数X射线程序是在这两个非常重要因素之间的合理折衷点进行的。

受体灵敏度

形成图像所需的光子浓度或曝光由受体的灵敏度决定 。X射线投影成像(放射摄影和荧光透视)中使用的受体的灵敏度在相当大的范围内变化,如下图所示。此图表显示了用于特定成像应用的近似值。

X射线成像中使用的受体灵敏度值

屏幕 - 电影射线照相术

射线照相接收器(盒式磁带)的灵敏度取决于屏幕和胶片的特性以及它们的匹配方式。影响受体灵敏度的因素不一定会改变受体的量子噪声特性。影响射线照相受体灵敏度的主要因素是薄膜敏感性,屏幕转换效率和屏幕吸收效率。量子噪声水平由受体实际吸收的光子浓度决定 ,而不是传递给它的光子浓度。通过改变减少实际吸收的光子数量的任何因子来增加受体灵敏度 将增加量子噪声。

形成图像所需的受体暴露(受体敏感性)可以通过修改几个因素来改变,如下图所示。图中右侧所示的薄膜灵敏度决定了产生所需薄膜密度所需的光量。如果增加胶片的灵敏度以减少所需的光量,反过来,这将减少必须在屏幕中吸收的X射线光子的数量。结果将是具有增加的量子噪声的图像。回想一下,特定胶片和屏幕组合的有效灵敏度取决于胶片的光谱灵敏度特性与屏幕产生的光的光谱特性的匹配。当两个特征紧密匹配时,产生最大灵敏度和最大量子噪声。在射线照相术中,改变胶片的灵敏度(即改变胶片的类型)是调节图像中量子噪声水平的最直接方法。量子噪声通常是限制在射线照相中使用高灵敏度薄膜的因素。

强化屏 - 膜受体内辐射量的关系

转换效率是增强屏幕的特征,实际上是实际转换成光的吸收的X射线能量的分数。特定屏幕的转换效率值由其组成和设计决定。它不能被用户更改。原则上,高转换效率可提高受体灵敏度并减少患者暴露。不幸的是,转换效率的提高降低了必须在屏幕中吸收的x辐射量,这反过来又增加了量子噪声。因此,高转换效率并不总是增强屏幕的理想特性。制造商应将其调整到能够在受体灵敏度和量子噪声之间产生适当平衡的值。

在不增加量子噪声的情况下增加射线照相受体灵敏度的唯一方法是 提高吸收效率。吸收效率的提高不会改变产生图像所必须吸收的辐射量。然而,它确实减少了所需的入射暴露,因为更大比例的辐射被吸收。

回想一下,有几个因素决定了吸收效率:即屏幕组成,屏幕厚度和光子能谱。射线照相受体灵敏度和量子噪声之间的关系可总结如下。适当曝光图像中的量子噪声量与增强屏幕中实际吸收的X射线能量的量直接相关。影响吸收效率的变化因素,例如屏幕材料的类型,屏幕厚度和KVp(光子能量谱)将改变与量子噪声水平相关的整体受体灵敏度。另一方面,改变薄膜灵敏度,光谱匹配和增感屏的转换效率通常会改变量子噪声和受体灵敏度。

具有相同灵敏度的两种屏幕 - 胶片组合如下所示。一种系统使用相对较厚的高速屏幕和具有传统灵敏度的薄膜。另一个系统使用更细的细节速度屏幕和更敏感的电影。这两个系统产生的图像在两个方面有所不同。与使用更敏感的胶片的系统相比,使用更厚屏幕的系统具有更多模糊但更少的量子噪声。噪音的 减少来自 吸收效率的提高和 模糊的增加。

两种丝网膜组合的图像质量比较

强化射线照相术

由于通常较高的受体灵敏度值(即较低的受体暴露),使用荧光透视系统(视频和点胶片)进行的强化放射摄影中的量子噪声有时比屏幕胶片放射摄影更为显着。通过使用如荧光透视章节中所述的图像增强管可以获得更高的灵敏度。利用这样的系统,量子噪声水平可以由工程师调整。

数字射线照相术

在量子噪声方面,胶片屏和数字射线照相接收器之间存在明显差异。正如我们刚才所见,胶片放射线照相中的噪声水平主要取决于受体的灵敏度(或速度)。这取决于增强屏和所用薄膜的设计特性。

使用胶片屏幕接收器时,必须将曝光设置为与接收器的灵敏度相匹配,否则结果将是曝光不足(光膜)或曝光过度(暗膜)图像。因此,从曝光和对比度的角度来看,所有可接受的胶片都将通过受体暴露产生,受体暴露由受体的灵敏度特征决定。只能通过改变接收器来改变噪声水平,通常是通过将胶片更换为具有不同灵敏度(速度)的胶片。

数字射线照相受体不像胶片屏幕受体那样具有固定的灵敏度。数字受体的一个有价值的特征是宽曝光动态范围 ,如下所示。这意味着可以在很宽的曝光值范围内产生具有良好对比度特性的图像。它不像在胶片上记录的射线照片,其中任何偏离正确或最佳曝光的结果导致曝光胶片下方或上方。

这种宽动态曝光范围具有明显的优势。曝光错误不会导致图像像胶片一样失去对比度。另一个优点是能够捕获来自患者身体的全方位暴露,其中身体密度和穿透的变化很大,例如在胸部。当捕获完整曝光范围时,可以使用数字处理来增强和优化对比度。这是数字放射成像中的常规程序。

过量的量子噪声是数字放射成像中的潜在问题,因为就对比度而言,可以产生具有低曝光的图像,其仍然看起来很好。下面通过曝光动态范围下端附近左侧的图像说明该条件。对比度仍然很好,但噪音是两个高。

原则上,数字射线照相系统在曝光后设置其灵敏度(速度),以便校正实际曝光。

在数字放射成像中,重要的是对每个程序使用适当的曝光和技术因素。最佳(正确)曝光是产生具有可接受的噪声水平的图像而没有不必要或过度暴露于患者的图像。

数字射线照相系统与图像一起显示,以及用于形成图像的曝光量的指示。各种制造商使用不同的因素来显示曝光信息。下面说明了一个制造商使用的“S”因子。与图像一起显示的“S”值表示系统对该特定图像使用的效果灵敏度(速度)。

高S因子(如1000)表明图像是以低曝光形成的,并且预计会产生过多的噪声。低S因子(如50)表示使用了不必要的高曝光。由于噪音低,图像质量良好,但患者遭受不必要的曝光。

在数字射线照相受体的宽动态范围内产生不同曝光的图像。

透视

常规荧光镜的受体灵敏度通常在每个图像帧的1μR至10μR的范围内。这种相对低的曝光产生具有相当大量子噪声的图像 然而,在正常的荧光透视观察中,我们一次看不到一个图像帧而是几个帧的平均值,如下所述。

一些荧光透视系统可以切换到低噪声模式,这将提高低对比度细节的可见性。在低噪声模式中,受体灵敏度降低,并且形成图像需要更多曝光。这通常称为HLC或高级控制。

一世有可能开发出具有更高灵敏度的受体系统,并且与目前在X射线成像中使用的那些相比需要更少的曝光。但是,没有已知的方法可以克服量子噪声的基本限制。受体必须吸收足够浓度的X射线光子,以将噪声降低到可接受的水平。

谷物和结构噪音

虽然X射线束的量子结构是大多数X射线成像应用中最重要的噪声源,但是胶片,增强屏,增强管屏或数字接收器的结构会将噪声引入图像中。

记录在胶片上的图像由许多不透明的卤化银晶体或颗粒组成。射线照相胶片中的颗粒非常小,并且当以常规方式观察胶片时通常不可见。当记录在胶片上的图像被光学放大时,有时会看到颗粒状结构,就像投影到屏幕上时一样。每当可见时,胶片颗粒就是一种图像噪声。

胶片颗粒噪声通常是摄影中比放射线照相更严重的问题,尤其是在具有相对高灵敏度(速度)的胶片上记录的图像的放大中。

图像增强屏幕和增强管屏幕实际上是小晶体层。通过在每个晶体内产生光(荧光)来形成图像。屏幕的晶体结构引入了图像内点到点的光产生的轻微变化。在大多数射线照相应用中,这种结构噪声相对不显着。

电子噪声

视频图像通常包含来自各种电子源的噪声。视频(电视)图像噪声通常被称为雪。构成视频系统的一些电子元件可能是电子噪声的来源。噪声是随机电流的形式,通常由器件内的热活动产生。其他电子设备,例如电机和荧光灯,甚至大气中的自然现象都会产生可由视频系统拾取的电噪声。

当图像信号较弱时,视频系统中噪声的存在变得特别明显。大多数视频接收器具有自动增益(放大)电路,其在存在弱信号时增加放大量。这会放大噪声并使其在图像中变得非常明显。通过将TV(视频)接收器调谐到空闲信道或具有弱信号的信道,可以容易地观察到这种效果。由于系统故障或失调,在透视图像中存在过量电子噪声通常是视频信号弱的结果。

对比度对噪声的影响

如果成像系统的整体对比度传递增加,则图像中的噪声变得更加明显。当使用具有可调节对比度的图像显示器时,必须考虑这一点,例如荧光透视中使用的一些视频监视器,以及CT,MRI和其他形式的数字图像中的观察窗。高对比度薄膜增加了噪音的可见度。

模糊对噪声的影响

图像噪声的可见性通常可以通过模糊来减少,因为噪声具有相当精细的结构。图像的模糊倾向于将每个图像点与其周围区域混合; 其效果是消除噪声的随机结构并使其不太明显。

使用图像模糊来降低噪声的可见性通常涉及折衷,因为模糊会降低有用图像细节的可见性。高灵敏度(速度)增强屏幕通常产生的图像显示出比细节屏幕更少的量子噪声,因为它们产生更多的图像模糊。问题是没有屏幕可以同时提供最大的噪音抑制和细节可见性。

有时会在数字图像处理中使用模糊处理来降低图像噪声,如下一节所述。

图像集成

整合是在一段时间内平均一系列图像的过程。由于大多数类型的图像噪声具有相对于时间的随机分布,因此图像的集成在平滑图像和减少其噪声内容方面非常有效。原则上,整合使图像相对于时间模糊,而不是相对于空间或区域。使用该过程的基本限制是在该时间间隔期间患者运动的影响。

集成需要能够存储或记住一系列图像,至少在短时间内。几种装置用于医学成像中的图像集成。

人类视觉

人眼(视网膜)在约0.2秒的时间内响应平均光强度。在观看荧光透视图像时,这种积分或平均特别有用。

传统的荧光透视显示器是一系列单独的视频图像。每个图像显示三十分之一秒。因为使用相对低的受体曝光(小于5μR)来形成每个单独的图像,所以图像相对有噪声。然而,由于眼睛不“看到”每个单独的图像,而是几个图像的平均值,所以降低了噪声的可见性。实际上,眼睛在任何特定时间对大约六个视频图像进行积分或平均。人眼实际可见的噪声不是由各个荧光透视图像的受体曝光决定的,而是由一系列整合图像的总曝光决定的。

摄像机管

在荧光透视中使用的某些类型的摄像机管对图像的变化具有固有的滞后或缓慢的响应。这种滞后在摄像机管中尤为重要。滞后的影响是平均或整合噪声波动并产生更平滑的图像。使用这种类型的管进行荧光检查的主要缺点是移动物体往往在图像中留下临时痕迹。

数字处理

当获取一系列图像并将其存储在数字存储器中时,可以对图像进行平均以减少噪声内容。该过程经常用于DSA和MRI。

图像减法

有几种应用,其中一个图像从另一个图像中减去。一个具体的例子是DSA。任何图像相减过程的基本问题是所得图像中的噪声水平高于两个原始图像中的任何一个。这是因为每个图像内的噪声随机分布。

相对较高的曝光用于在DSA中创建原始图像。这部分地补偿了减法过程产生的噪声的增加。

论文源码关注微信公众号:“图像算法”或者微信搜索账号imalg_cn关注公众号


http://chatgpt.dhexx.cn/article/7OjhikbL.shtml

相关文章

图像噪声的特点以及分类(一)

前言:本文根据不同的指标对图像的噪声进行分类。 一、图像噪声的成因 图像在生成和传输过程中常常因受到各种噪声的干扰和影响而是图像降质,这对后续图像的处理和图像视觉效应将产生不利影响。噪声种类很多,比如:电噪声,机械噪声…

图像噪声(MATLAB)

1.概念 所谓的图像噪声,是图像在摄取时或是传输时所受到的随机干扰信号。 常见的有高斯噪声和椒盐噪声。 (1)高斯噪声 高斯噪声是一种源于电子电路噪声和由低照明度或高温带来的传感器噪声。高斯噪声也常称为正态噪声,因为曲线符…

图像处理之图像噪声和各种噪声的matlab实现

一、图像噪声的基本定义 噪声在图像上常表现为引起较强视觉效果的孤立像素点或像素块。一般噪声信号与要研究的对象不相关,其以无用的信息形式出现,扰乱图像的可观测信息。通俗的说即噪声让图像不清楚。 图像噪声按照噪声和信号之间的关系可以分为加性…

图像噪声模型(matlab)

概述 在图像的采集、传送和转换过程中,会添加一些噪声,表现为图像模糊、失真和有噪声等。图像复原就是尽可能恢复退化图像的本来面目,沿用图像退化的逆过程进行处理。图像复原技术是根据图像退化的先验知识建立一个退化模型,以此…

OpenCV 图像噪声

图像噪声 由于图像采集、处理、传输等过程不可避免的会受到噪声的污染,妨碍人们对图像理解及分析处理。常见的图像噪声有高斯噪声、椒盐噪声等。 1.1椒盐噪声 椒盐噪声也称为脉冲噪声,是图像中经常见到的一种噪声,它是一种随机出现的白点或…

图像噪声学习总结

目录 一、图像噪声 1.1.图像噪声概念 1.2.噪声来源—两个方面 1.3. 图像噪声的特征 1.4.图像噪声的分类 1.4.1常见的图像噪声主要有以下几种: 1.4.2 图像噪声模型 (1)高斯噪声 (2)脉冲噪声(椒盐噪…

图像噪声与去噪

图像的空域噪声以及二维降噪算法介绍 1 图像噪声的成因 图像在生成和传输过程中常常因受到各种噪声的干扰和影响而是图像降质,这对后续图像的处理和图像视觉效应将产生不利影响。噪声种类很多,比如:电噪声,机械噪声,信道噪声和其他…

图像噪声处理

一、为图像添加噪声 为图像添加噪声可以起到数据增强的作用 对训练数据添加适量噪声,可以使训练后的模型更加鲁棒,对模型的性能提升有一定的帮助。 两种常用噪声:椒盐噪声和高斯噪声 import cv2 import numpy as np import random #添加椒…

图像噪声简介

一、什么是图像噪声? 噪声在图像上常表现为一引起较强视觉效果的孤立像素点或像素块。一般,噪声信号与要研究的对象不相关,它以无用的信息形式出现,扰乱图像的可观测信息。通俗的说就是噪声让图像不清楚。 二、噪声来源—两个方面…

VS找不到标识符

情况一: 忘记加:: 情况二: 没有包含相应的头文件 #include “xxx”** 情况三: 调用函数没有声明或定义

VS C++程序报错:找不到标识符

报错如下: 原因: cpp编译时是顺序编译的,我在一个函数中嵌套使用了上面报错的InsertNextNode()函数,而把InsertNextNode()函数的定义放在了上一个函数的后面,所以报错找…

c++编译错误error C3861: “xxxx”: 找不到标识符

错误描述 在导入自定义的头文件时&#xff0c;报C3861 “_ReturnAddress”: 找不到标识符错误&#xff0c;错误信息如下 解决办法 在自定义的头文件前面导入&#xff0c;指向的头文件即可 include ""//自定义头文件 include <ppltasks.h> 参考&#xff…

找不到标识符问题

复习动态数组时&#xff0c;出现了找不到标识符的问题&#xff0c;原因是cpp编译时是“顺序编译”的&#xff0c;主函数调用vector_2()函数的时&#xff0c;vector_2()在它所调用的函数printfV()的定义之前&#xff0c;因此找不到标识符。 将两函数调换顺序即可编译通过 &…

编写C语言出现“找不到标识符”

用C语言编写代码的时候虽然是从main函数开始的。但是其中有一个编译的过程。这个过程就是顺序编译。例如函数2调用了函数1。 #include<iostream> using namespace std; void print2() {cout << "调用第一个函数";print1();//调用第一个函数 } void prin…

关于error C3861: “xxxx”: 找不到标识符的处理方法

关于 error c3861:“XXXX”&#xff1a;找不到标识符的见解 在写代码是编译器提醒了找不到标识符的错误下来学习了一下,总结了一下希望对大家有帮助,先来认识一下什么是标识符&#xff08;如果知道就当巩固复习&#xff09;。 标识符:标识符&#xff08;identifier&#xff09…

error C3861: “AT_CHECK”: 找不到标识符

今天跑别人代码时遇到这个问题 会提示我 error C3861: “AT_CHECK”: 找不到标识符 我搜了一下发现在pytorch1.5版本之后AT_CHECK标识符已经不再使用了 只需要把 AT_CHECK 换成 TORCH_CHECK 即可

VS 2022 :C3861 “Covers”: 找不到标识符

严重性 代码 说明 项目 文件 行 禁止显示状态 错误 C3861 “Covers”: 找不到标识符 CampusGuide 没有声明函数是无法调用的哦&#xff01; 还有还有 如果你的多行注释不是成对出现&#xff0c;它就会这样提示&#xff1a; 错误(活动) E00…

成功解决error C3861: “printf”: 找不到标识符

问题描述&#xff1a; 错误如下&#xff1a;error C3861: “printf”: 找不到标识符。 解决方法 提示找不到标识符“printf”&#xff0c;猜想这可能是由于编译器没能包含进头文件stdio.h造成的&#xff0c;然后我就在代码上面重新写了一行#include<stdio.h>,之后再运行…

“pcl_isfinite”: 找不到标识符

错误信息是&#xff1a;“pcl_isfinite”: 找不到标识符 我搜了&#xff0c;好多网站&#xff0c;搜了好多包&#xff0c;都没有这个“pcl_isfinite”的定义。后来看别人的代码找到了。。。 在我们自己的代码中&#xff1a;添加一行&#xff1a; # define pcl_isfinite(x) s…

VS中使用c++函数显示找不到标识符

VS中使用c函数显示找不到标识符 解决办法&#xff1a;把函数定义在main函数前原因&#xff1a;这个CPP并没有面向对象的结构。所以进行编译时是“顺序编译”的&#xff0c;而main函数的定义又在A的定义之前、自然找不到标识符了 如图使用函数时&#xff0c;出现代号为C3801的错…