一种冠状动脉钙化积分降噪方法、系统及存储介质与流程

本发明涉及心血管医学影像定量分析，尤其是涉及一种冠状动脉钙化积分降噪方法、系统及存储介质。

背景技术：

1、冠状动脉钙化积分（cacs）是临床公认的冠心病风险分级指标。现行agatston积分标准，通常基于非增强心脏ct的3mm层厚图像计算，即：识别冠脉走行区内密度不低于130hu（亨斯菲尔德单位）阈值的钙化灶，按病灶面积与hu峰值（密度）权重累加得到积分结果，用于将受检者划入5类风险等级（0分/1–10分/11–100分/101–400分/＞400分）。

2、pcct（光子计数ct）可提供0.4mm及其他小于1mm的超薄层重建图像，相比3mm层厚具有更高空间分辨率，理论上更有利于检出微小钙化灶，从而提高微小钙化候选的显示与定量分析能力。

3、但是，层厚减薄会增加量子噪声。以0.4mm层厚为例，在130hu阈值附近会出现大量随机高密度噪声体素，从而增加了假阳性候选概率。此外，agatston积分（阿格斯顿积分）原本针对3mm层厚建立，若直接套用到0.4mm超薄层图像，往往因层面数增加、微小病灶新检出和面积统计方式变化而产生系统性偏差。

4、为此，业内出现多种解决方案，例如：

5、多时相图像配准后平均或融合方法，该方法先对多个时相做刚性或非刚性配准，再做平均、加权平均或其他融合，以降低随机噪声；

6、基于深度学习的多时相降噪方法，该方法将多个时相作为网络输入，通过神经网络输出降噪图像或钙化候选，此类方案通常需要训练数据、模型部署环境或额外推理资源；

7、重建参数层面降噪方法，例如通过层厚、重建核、虚拟单能量图像级别或qir（量子迭代重建）强度的调整，降低薄层图像噪声，但不直接利用跨时相随机噪声低相关信息。

8、这些解决方案，虽然可以起到一定效果，但仍存在如下不足：

9、由于冠状动脉管径细小（约2~4mm），超薄层条件下非刚性配准的残余误差可接近甚至超过病灶尺度，从而导致微小钙化边界模糊、hu峰值（密度）下降甚至跌破130hu阈值；

10、配准融合与深度学习推理，通常需要额外的配准优化、模型部署或推理环境，其流程复杂度高于直接的形态学与逻辑运算链条；

11、现有多时相融合沿用（先对齐、再平均）范式，存在多时相利用通常需先进行图像内容配准的技术惯性，缺少一种在无需进行图像内容配准前提下，直接利用时相间随机噪声低相关特性的透明方法；

12、部分深度学习方案，虽可获得较好降噪效果，但存在模型依赖、可解释性弱、部署环境要求高等问题。

技术实现思路

1、本发明的目的在于提供一种冠状动脉钙化积分降噪方法、系统及存储介质，以解决现有技术中存在的至少一种上述技术问题。

2、为便于理解本发明，在详细介绍技术方案之前，需要说明的是，本方案的核心不是对齐后再平均，而是锚点保真与空间容差验证相解耦的非对称投票，其原理包括：

3、原理一、pcct探测器直接计数入射x射线光子，各体素的噪声服从泊松统计分布。在ecg（心电图）门控采集的不同重建时相中，同一空间位置的随机高密度噪声主要来自光子计数涨落和重建窗内的随机噪声成分。对于不同重建时相，上述随机高密度噪声可近似视为独立或低相关事件。

4、原理二、在由ecg信号确定的心脏运动静止期内（例如低心率下r-r间期的72%~78%、高心率下r-r间期的30%~40%），相邻时相冠状动脉位移可由毫米级空间容差覆盖。因此，并不必须依赖基于图像内容的刚性或非刚性图像配准，仅需用有限的形态学容差进行跨时相验证即可。

5、原理三、锚点时相不做膨胀（保持原始空间精度），仅对参考时相做位移容差膨胀（用于验证锚点时相中的候选钙化）的非对称结构。该结构避免了对最终计分图像本身的形态扩张，可降低对真实病灶边界、hu峰值（密度）和（钙化）病灶面积的影响。

6、第一方面，为解决上述技术问题，本发明提供的一种冠状动脉钙化积分降噪方法，包括如下步骤：

7、步骤1、获取受检者在静止期内多个时相的图像；所述图像可以是pcct超薄层的重建图像;指定所述时相中的一个时相为锚点时相，其余时相为参考时相。

8、在一种可行的实施方式中，所述静止期的具体判据至少包括如下任一判据：

9、判据a：心率＜75bpm时，取舒张中晚期，作为静止期，如r-r间期的72%、75%及78%；心率≥75bpm时，取收缩末期，作为静止期，如r-r间期的30%、35%及40%；

10、判据b：以相邻时相冠脉横截面积（或管腔中心位移）变化率小于预设阈值时的心动周期，作为静止期；所述预设阈值为5%面积变化（或0.8mm位移）；

11、判据c：采用扫描设备协议中标定（或重建界面推荐）的静止期。

12、在一种可行的实施方式中，选取心脏运动最稳定、图像质量最高或临床惯例最常用的时相，作为锚点时相。

13、步骤2、基于患者物理坐标系，对各时相的图像进行免配准空间定位。

14、在一种可行的实施方式中，所述步骤2包括：

15、步骤21、读取各时相的dicom（医学数字成像和通信）图像头信息中的imagepositionpatient（患者图像位置）标签，提取每一层图像的z（患者物理）坐标；同时读取imageorientationpatient（患者图像方向）、pixelspacing、rows（行）、columns（列）、slicethickness（层厚）或层间距、frameofreferenceuid（参考坐标系唯一标识符）等空间几何信息，用于确认各时相的图像处于同一患者物理坐标系。

16、步骤22、针对各时相的图像，计算z坐标范围的公共覆盖范围，具体计算公式包括：

17、z_lo=max_i{min(z_i)}；

18、z_hi=min_i{max(z_i)}；

19、z_tol=0.5×slicethickness；

20、其中，z_lo表示所述公共覆盖范围的下界；z_i表示第i个时相的图像的所有层面的z坐标集合；z_hi表示所述公共覆盖范围的上界；z_tol表示半层厚容差；slicethickness表示层厚；

21、对各时相的图像，选取满足z_loz_tol≤z≤z_hi+z_tol的层面，并按z坐标顺序截取对应层集，以此构建得到物理网格；

22、这样，可以实现基于物理空间的层面对应，而非依赖层序号或图像内容配准；

23、需要说明的是，本步骤不对各时相的图像的原始ct灰度阵列执行任何重采样、灰度插值、灰度归一化、灰度平均、卷积滤波或其他改变体素hu值的操作；本步骤不对各时相的图像之间，执行基于图像灰度内容的刚性配准、仿射配准、非刚性配准或弹性形变配准；本步骤输出的是各时相的图像层面与体素在患者物理坐标系下的索引对应关系，该输出不携带任何被修改的灰度数据；

24、由于，任何针对图像阵列的重采样或灰度插值，都会改写体素的原始hu值，进而扭曲基于130hu阈值的钙化分割与基于hu峰值(密度)的agatston密度权重，所以，本步骤限定在层面索引层级，得到了在患者物理坐标系下的、具有体素索引的物理网格，使原始hu值在跨时相空间对应过程中保持不变。

25、步骤23、若各时相的图像的方向矩阵、像素间距、矩阵大小或视野范围存在差异，则以锚点时相的图像的物理网格作为目标网格，建立参考时相至目标网格的映射关系，以便后续基于参考时相的图像经过（候选钙化阈值）筛选后所得的二值候选钙化掩模，按患者物理坐标映射至目标网格。

26、在一种可行的实施方式中，所述步骤23中的映射关系采用最近邻插值或等效的二值掩模重采样方式，仅用于保证后续逐体素逻辑运算具有相同空间索引基础。该映射作用于二值候选掩模而非原始ct灰度图像；由于映射对象为二值数据（取值仅为0或1），所以最近邻映射不会引入灰度插值，更不会修改锚点时相的原始ct图像，故最终agatston积分所使用的灰度值仍来自锚点时相的图像（原始重建图像）。

27、步骤24、当所述公共覆盖范围小于预设范围阈值、个别图像缺层或存在（轻度）层数不一致时，执行如下任一回退策略：

28、回退策略1、以锚点时相的图像的完整z坐标范围为基准，其他时相的图像按最接近物理层面匹配；

29、回退策略2、取所有时相的图像中具有重叠区域的最小公共层数；

30、回退策略3、对边缘（少量）缺失层，仅在最终积分时剔除，从而不影响后序对该层中部可重叠区域的投票；

31、回退策略4、当任一参考时相的图像，无法（可靠地）映射到锚点时相的物理网格时，剔除该参考时相的图像（或输出低可信度提示信息）。

32、步骤3、（为了排除椎体、肋骨、主动脉壁及心腔血池等非冠脉高密度结构）在所述锚点时相的图像上生成冠状动脉roi（感兴趣区域），以便限定后序各时相的图像的候选钙化提取与最终积分计算的空间范围。

33、在一种可行的实施方式中，冠状动脉roi的数学表达式可以为：

34、roi_coronary=dilate(mask_myo,r_expand)\(mask_chamber∪mask_aorta)；

35、其中，roi_coronary表示冠状动脉roi；mask_myo表示心肌掩模；r_expand表示roi外扩半径（用于生成冠脉候选区，即心肌掩模外扩后，去除心腔血池、主动脉后的区域，对全部时相统一）；mask_chamber表示四个心腔血池掩模的并集；mask_aorta表示主动脉近段掩模；\表示集合差运算；dilate表示离散三维形态学膨胀运算。

36、在一种可行的实施方式中，所述步骤3可通过如下任一方式实现：

37、生成方式1、通过（本领域公知的）三维解剖分割模型（例如三维卷积网络、transformer分割网络或规则-模型混合分割算法），对锚点时相的图像分割出心肌、四个心腔及主动脉，按照前述的冠状动脉roi的数学表达式，生成冠状动脉roi；roi外扩半径优选范围为5~10mm；

38、生成方式2、先在胸部横断面图像中基于空气、软组织和高密度骨性结构的阈值范围进行初始分割，去除肺野、椎体、肋骨及胸壁外区域；再在纵隔软组织连通域内，结合图像中心位置、心脏外缘连续性、主动脉近端圆形高密度/软组织结构位置和层面连续性，确定包绕心外膜的心脏主体区域；随后对心脏主体区域执行外扩，形成覆盖冠状动脉走行的候选带状区；最后通过hu阈值、连通域大小、相对解剖位置和层面连续性剔除明显血池、主动脉壁、瓣膜区和骨性高密度区，得到冠状动脉roi；该方式中的阈值和连通域大小可根据像素间距、扫描视野和本地预实验设置，并在roi覆盖不足时输出低可信度提示信息或切换至生成方式1；

39、生成方式3、同时执行生成方式1与生成方式2，分别得到两个候选冠状动脉roi，即roi_a与roi_b，并按以下任一合并策略得到最终的冠脉roi，即roi_final：

40、合并策略1、取并集，即roi_final=roi_a∪roi_b，用于在任一方式覆盖不足时，通过另一方式补足覆盖范围；

41、合并策略2、取交集，即roi_final=roi_a∩roi_b，用于在两方式一致认定的高置信区域内执行后续投票；

42、合并策略3、按层面优先级合并，例如在能够稳定提供解剖分割结果的层面采用roi_a，在解剖分割失败或覆盖不足的层面回退到roi_b，并在跨层面边界处通过形态学闭运算保证覆盖连续性；

43、需要说明的是，生成方式3的目的是在解剖分割模型部署环境受限、个别层面分割失败或图像质量分布不均匀的条件下，仍能维持冠状动脉走行区的充分覆盖，并降低单一方式（路径）覆盖不足带来的低可信度提示频率。因此，本发明的核心投票与积分链条并不依赖某一特定深度学习模型才能实施。

44、在一种可行的实施方式中，生成方式1与生成方式3中，膨胀迭代次数的计算公式为：

45、n_expand=max(1,round(r_expand/pixelspacing))；

46、其中，n_expand表示膨胀迭代次数；pixelspacing表示轴向像素间距；round表示四舍五入取整运算。

47、步骤4、在冠状动脉roi内，对各时相的图像中高密度体素进行标记，生成各时相的（二值化）候选钙化掩模；

48、具体包括锚点时相的（二值化）候选钙化掩模mask_anchor和参考时相的（二值化）候选钙化掩模mask_ref；

49、所述高密度体素是指密度值不低于预设密度阈值t的体素。

50、在一种可行的实施方式中，预设密度阈值t的取值范围为130~200hu。

51、优选地，预设密度阈值t的取值为130hu。

52、步骤5、对参考时相的（二值化）候选钙化掩模进行形态学膨胀。

53、在一种可行的实施方式中，步骤5具体包括：

54、步骤51、仅对参考时相的（二值化）候选钙化掩模执行三维形态学膨胀（即锚点时相的候选钙化掩模不执行膨胀），用于补偿静止期内的小幅空间位移。

55、步骤52、基于参考时相phase_i的图像和锚点时相anchor的图像之间的最大可能生理位移d_max（单位为mm），确定位移容差d_tol；

56、这样，可以体现出不同时相对的最大位移不同，形态学容差则随之自适应的物理效果；

57、例如，当锚点时相为r-r间期75%时相，参考时相分别为72%和78%时相，由于该两个参考时相相对锚点时相的相位差均为3%，二者相应的d_max可能近似相等；但若参考时相还包括70%时相，则其相对锚点的d_max应基于实际相位差和静止期内位移曲线确定，可能略大于72%和78%时的相对应值。

58、所述d_max的取值来源，至少包括以下任一取值来源：

59、取值来源1、扫描设备协议中标定的静止期定义所允许的最大冠脉中心位移；

60、取值来源2、（患者特定的）r-r间期统计、心率波动幅度和静止期持续时间；

61、取值来源3、（影像学研究中量化的）相邻心动时相的图像之间的冠脉中心位移；

62、取值来源4、以相邻时相冠脉横截面积变化小于预设变化阈值或冠脉中心位移小于0.8mm为静止期，该静止期所允许的最大冠脉中心位移；

63、取值来源5、当d_max不能由扫描设备协议（或临床影像学研究）直接给出时，可以通过本地预实验中的时相间匹配误差统计得到，具体包括：在本地参考队列中识别一组明确为同一钙化病灶的跨时相候选区域；测量同一钙化病灶在锚点时相与参考时相的相应图像之间的中心位移；取该中心位移分布的95%（或99%）上分位数作为本地d_max估计值。

64、这样，按照上述取值来源，d_max(phase_i,anchor)的取值范围为亚毫米至毫米级，典型值在0.5~2.0mm之间；基于此，d_tol的可实施范围对应于0.5~2.0mm；

65、需要说明的是，d_tol并非由本领域经验直接固定为单一常数，可包括如下任一设定依据进行动态调整：

66、设定依据1、d_max；

67、设定依据2、受检者心率区间；

68、设定依据3、设备实际空间分辨率与轴向像素间距；

69、设定依据4、预实验中获得的时相间匹配误差统计。

70、步骤53、计算离散膨胀迭代次数n_tol，具体公式包括：

71、n_tol=max(1,round(d_tol/pixelspacing))；

72、其中，pixelspacing表示轴向像素间距；膨胀结构元素可采用三维6-连通或26-连通结构元素；

73、步骤6、将（全部）膨胀（处理）后的参考时相的（二值化）候选钙化掩模（作为虚拟投票者），逐体素地进行或运算（计票），得到确认掩模；再将未膨胀的锚点时相的（二值化）候选钙化掩模（作为虚拟提名者），与所述确认掩模，逐体素地进行与运算（裁决），得到最终钙化掩模；这样，基于or/and投票方法，仅当某体素在锚点时相中被识别为钙化候选，且当至少一个参考时相的d_tol邻域内也存在超过阈值（即至少一票）的信号时，而非过半数，就纳入最终钙化掩模。

74、在一种可行的实施方式中，步骤6中，确认掩模的具体计算公式包括：

75、mask_confirm=_{i=1..n1}dilate(mask_ref_i,d_tol)；

76、其中，mask_confirm表示确认掩模；mask_ref_i表示第i个参考时相的（二值化）候选钙化掩模；n表示时相总数；表示求并集；

77、最终钙化掩模的具体计算公式为：

78、mask_final=mask_anchor∩mask_confirm；

79、其中，mask_final表示最终钙化掩模。

80、在一种可行的实施方式中，步骤6还包括对最终钙化掩模的纳入率分析方法：

81、在不同参考时相随机高密度噪声近似独立或低相关的条件下，n个时相进行非对称投票时，任一体素被纳入最终钙化掩模的概率可由上界估计公式表示：

82、p_fp^{vote}≤p·(1(1p_d)^{n1})；

83、其中，p表示单时相单体素噪声超过阈值的概率；p_d表示参考时相在 d_tol邻域内噪声偶然再次超过阈值的概率；

84、例如：当p=0.01、p_d=0.02、n=3时，p_fp^{vote}≤0.01× (10.98²)≈3.96×10-4；这样，可以说明跨时相确认可降低孤立随机高密度候选被保留的概率；当然，还可以由候选数量、积分变化和风险分级指标进行验证。

85、在一种可行的实施方式中，当仅有两个时相可用时（即一个锚点时相和一个参考时相），最终钙化掩模的具体计算公式退化为：

86、mask_final=mask_anchor∩dilate(mask_ref,d_tol)；

87、虽然此时的去噪能力弱于三时相或多时相实施方式，但仍可利用跨时相随机噪声低相关特性，降低孤立随机高密度候选。

88、步骤7、基于最终钙化掩模，在锚点时相的图像上进行钙化积分计算。

89、在一种可行的实施方式中，所述步骤7具体包括：

90、步骤71、设第l个病灶由mask_final的一个二维8-连通分量 c_l组成，计算病灶面积；具体计算公式可以表示为：

91、area_l=pixelspacing_x·pixelspacing_y·#c_l；

92、其中，area_l表示病灶面积；pixelspacing_x表示轴向像素间距在x轴的投影，pixelspacing_y表示轴向像素间距在y轴的投影，二者乘积为单像素物理面积；#c_l表示c_l所含像素数。

93、步骤72、设c_l内锚点时相的图像像素hu峰值为h_l，具体计算公式为：h_l=max_{(x,y)∈c_l}hu_anchor(x,y)；

94、计算agatston密度权重，具体计算公式可以表示为：

95、w(h)=1·1{130≤h<200}+2·1{200≤h<300}+3·1{300≤h<400}+4·1{h≥400}；

96、其中，w(h)表示密度权重值；1{·}表示指示函数。

97、步骤73、过滤病灶面积小于预设最小面积a_min（例如1.0~1.5 mm²）的连通域；结合冠状动脉roi（以及常规的相对解剖位置和常规的层面连续性规则），剔除位于非冠状动脉解剖区域（例如瓣膜区、主动脉壁、骨性结构等）的高密度连通域，计算(全心)总修正agatston积分，具体公式可以表示为：

98、s_total=σ_{l∈_valid}score_l；

99、其中，s_total表示(全心)总修正agatston积分值；_valid表示病灶集合；score_l表示第l个病灶的修正agatston积分值，具体计算公式为：

100、score_l=area_l·w(h_l)·f_thick；

101、其中，w(h_l)表示第l个病灶的密度权重值；f_thick表示厚度校正因子。

102、在一种可行的实施方式中，f_thick的设定策略可选取如下任一设定策略：

103、设定策略1、f_thick的理论起点值设为实际层厚与3（mm）之比；例如，在0.4mm层厚下，理论起点值为0.133；

104、设定策略2、（由于超薄层图像会增加层面数并可能检出常规3 mm图像未显示的微小钙化，直接套用理论起点值，往往不足以完成与3mm层厚agatston体系的工程对接，所以在具备本地参考时相队列时，）将f_thick作为本地校准参数，通过与临床3mm层厚agatston积分的误差最小化、风险分级一致性或二者的加权目标进行确定；

105、例如，可在候选范围内搜索使median(|s_correcteds_3mm|)或mean(|s_correcteds_3mm|)较小的取值，即以风险分级一致性作为并列指标或约束指标，以使误差最小化；其中，s_corrected表示采用f_thick计算所得的修正后全心总agatston积分；s_3mm表示3mm层厚agatston积分；median表示中位数；mean表示算术平均数；

106、设定策略3、将f_thick的实施范围设为0.1~0.3。

107、优选地，所述设定策略3中，f_thick的实施范围可设为0.18~0.22；具体取值，可随设备、重建参数和本地工作流（即设备型号、重建参数、参考队列与数据处理流程等的组合）不同而调整。

108、需要说明的是，本方案中对层厚的校正方法，与现有的通过调整hu阈值适配标准协议的校正方法不同，本校正方法保留130hu临床阈值不变，仅在score_l累加后，通过乘以厚度校正因子f_thick实现量级映射，因此，不改变130hu阈值附近候选体素的提取规则，也不改变w(h)的分级边界；而现有方法直接在阈值层级修改钙化判定边界（例如将阈值从130hu调整为150hu或170hu），可能改变hu阈值附近候选体素分布和（病灶处）hu峰值（密度）的判定。

109、步骤74、根据临床agatston风险分级规范，构建5类风险等级函数，具体函数可以表示为：

110、risk(s)={0 if s = 0

111、1 if 0

112、2 if 10

113、3 if 100

114、4 if s>400}；

115、其中，risk(s)表示风险等级；s表示s_total。

116、在一种可行的实施方式中，本钙化积分降噪方法还包括步骤8：分别在各时相的图像上，独立计算积分值（即不做投票），计算时相间变异系数。

117、在一种可行的实施方式中，所述时相间变异系数的具体计算公式包括：

118、cov=std({s_i})/mean({s_i})；

119、其中，cov表示时相间变异系数，该系数越低，说明跨时相一致性就越好，结果就越可靠；std(·)表示总体标准差；s_i表示第i个参与时相的单时相独立agatston积分；所述参与时相包括锚点时相与参考时相；

120、当mean({s_i})小于预设极小值时，若各时相积分均为0，则cov记为0；若至少一个时相积分不为0时，则不计算cov数值，并输出低可信度提示信息：

121、当cov≤15%时，标记可信度为可接受；

122、当cov＞30%时，标记可信度为不可接受，需人工复查。

123、在一种可行的实施方式中，cov还可以作为动态质控信号，应用于以下任一情形：

124、情形1、当cov超过预设第一变异阈值时，触发d_tol进行动态调整；例如，在cov较高时，适当增大d_tol，以提高时相间的一致性，并重新执行步骤5~7；

125、情形2、当cov超过预设第二变异阈值时，触发可信度输出标签的等级切换动作；例如，从可接受切换为需人工复查（或不可常规解释）；

126、情形3、当cov在候选锚点时相之间，存在（显著）差异时，采用cov较低对应的锚点时相，重新计算积分结果；

127、情形4、在多设备协议或多中心环境下，将cov中位数作为本地参数校准（包括d_tol、a_min及f_thick）的目标函数之一；

128、情形5、当cov超过第三变异阈值时，在结构化结果中对每个保留病灶额外输出“在该cov状态下是否仍被参考时相支持”的标签。

129、第二方面，基于相同的发明构思，本技术还提供了一种冠状动脉钙化积分降噪系统，包括数据采集模块、数据处理模块及结果生成模块；

130、所述数据采集模块，用于采集受检者在静止期内多个时相的图像；所述图像是pcct超薄层的重建图像;指定所述时相中的一个时相为锚点时相，其余时相为参考时相；

131、所述数据处理模块，包括空间定位单元、roi生成单元、掩模生成单元、膨胀单元、掩模运算单元及积分计算单元；

132、所述空间定位单元，用于基于患者物理坐标系，对各时相的图像进行免配准空间定位；

133、所述roi生成单元，用于在所述锚点时相的图像上生成冠状动脉roi，用于限定后序各时相的图像的候选钙化提取与最终积分计算的空间范围；

134、所述掩模生成单元，用于在冠状动脉roi内，对各时相的图像中高密度体素进行标记，生成各时相的（二值化）候选钙化掩模，包括锚点时相的（二值化）候选钙化掩模mask_anchor和参考时相的（二值化）候选钙化掩模mask_ref；所述高密度体素是指密度值不低于预设密度阈值t的体素；

135、所述膨胀单元，用于对参考时相的（二值化）候选钙化掩模进行形态学膨胀；

136、所述掩模运算单元，用于将（全部）膨胀（处理）后的参考时相的（二值化）候选钙化掩模，逐体素地进行或运算，得到确认掩模；再将未膨胀的锚点时相的（二值化）候选钙化掩模与所述确认掩模，逐体素地进行与运算，得到最终钙化掩模；

137、所述积分计算单元，基于最终钙化掩模，在锚点时相的图像上进行钙化积分计算；

138、所述结果生成模块，用于将数据处理模块的处理结果外发。

139、在一种可行的实施方式中，所述数据处理模块还包括变异系数单元，用于分别在各时相的图像上，独立计算积分值，计算时相间变异系数。

140、第三方面，基于相同的发明构思，本技术还提供了一种计算机可读存储介质，所述存储介质中存储的程序被处理器执行后，能够完成前述的冠状动脉钙化积分降噪方法的步骤。

141、采用上述技术方案，本发明具有如下有益效果：

142、本发明提供的一种冠状动脉钙化积分降噪方法、系统及存储介质，通过dicom物理坐标对齐、二值掩模物理网格映射与有限位移容差验证，替代基于图像灰度内容的刚性或非刚性配准，可以降低流程复杂度和部署门槛；

143、本方案在跨时相空间对应、二值掩模映射、参考膨胀、逻辑投票和最终积分的整个链条中，不对锚点时相和参考时相的原始ct 灰度阵列执行任何重采样、灰度插值、加权平均或卷积重写；agatston积分所依赖的130hu阈值与hu峰值（密度）分级边界不被改变；对hu峰值（密度）敏感的临床风险分级标准在工程实施中得到保留；

144、本方案仅对参考时相的图像做膨胀，避免了对最终积分时相本身进行形态扩张或多帧平均，所导致的边界模糊与hu峰值（密度）下降问题；

145、本方案参数化的路径将形态学容差与静止期内的物理位移和图像分辨率挂钩，避免与图像物理分辨率无关的经验常数。

146、本方案可以在不改变锚点时相的图像原始密度值的情况下，抑制孤立随机高密度候选；

147、本方案的核心去噪与积分链条，基于阈值、掩模、膨胀和逻辑运算，不以黑盒推理结果作为投票依据；冠状动脉roi可由通用解剖分割模型、规则法或两路径并行合并的方式提供，故可直接部署于常规工作站；

148、本方案通过厚度校正因子，使超薄层结果在数量级上与常规3 mm层厚agatston积分风险分级保持可比性，且不改变130hu阈值和密度权重分级边界；

149、本方案在跨时相积分一致性的基础上，cov不仅作为结果可信度提示，还可作为流程内的动态质控信号，驱动位移容差调整、锚点切换、参数校准目标函数和可信度等级切换。