一种对SPECT脑部三维图像分析的方法技术

本发明专利技术公开了一种对SPECT脑部三维图像分析的方法，步骤为：建立脑部形状模型数据库；通过SPECT生成患者的脑部图像；将患者的脑部图像进行空间归一化处理；自动旋转患者的脑部图形，使其与对比模型一致；形成脑部器官的轮廓；借助对比模型形状，将患者的脑部图像与正常人的脑部图像进行对比，得到差异结果；规范化差异结果，得到一组统计差异的量化结果；将量化结果转变成图像特征，形成一个标准正态分布的Z参数图；将图形特征、Z参数图输入解释系统；解释系统解析输入信息，并产生解析结果，输出解释结果。本发明专利技术提供的对SPECT脑部三维图像分析的方法，其步骤合理，能够自动分析图像并输出判定结果，具有广泛的市场前景和推广价值。

A method for analyzing SPECT brain 3D images

The invention discloses a method for analyzing three-dimensional brain images of SPECT, which comprises the following steps: establishing a database of brain shape models; generating brain images of patients through SPECT; normalizing the brain images of patients; automatically rotating the brain images of patients to match the contrast model; and forming brain organs. Contour; with the help of contrast model shapes, the patients'brain images are compared with the normal people's brain images, and the difference results are obtained; normalized difference results, a set of quantitative results of statistical differences are obtained; the quantitative results are transformed into image features, forming a standard normal distribution of Z parameter maps; graphic features, Z parameters Graph input interpretation system; interpretation system parses input information, and produces parsing results, output interpretation results. The method for analyzing three-dimensional brain images of SPECT provided by the invention has reasonable steps, can automatically analyze images and output decision results, and has wide market prospect and popularization value.

【技术实现步骤摘要】
一种对SPECT脑部三维图像分析的方法
本专利技术涉及单光子发射断层成像
，尤其涉及一种对SPECT脑部三维图像分析的方法。
技术介绍
单光子发射计算机断层成像术（Single-PhotonEmissionComputedTomography，SPECT）是核医学的两种CT技术之一，由于是对从病人体内发射的γ射线成像，故统称发射型计算机断层成像术（EmissionComputedTomography，ECT）。SPECT的成像原理是：在患者病灶处放置放射性同位素药物，由于放射性衰变，药物将从断层处发出γ光子，位于外层的γ照相机探头的每个灵敏点探测沿一条投影线进来的γ光子，通过光电倍增得到的测量值代表人体在该投影线上的放射性之和。在临床作业中，医生需要分析由SPECT生成的图像并做出诊断。医生必须使用几何模板标记感兴趣的区域，这一过程需要耗费大量时间成本，并且读影结果依赖于图像的分割精度、医生的主观视觉解释及数值量化分析的手段，医生诊断的正确性及便捷性是亟待解决的问题。
技术实现思路
本专利技术的目的是针对上述技术问题，提供一种对SPECT脑部三维图像分析的方法，其步骤合理，能够自动分析图像并输出判定结果，具有广泛的市场前景和推广价值。本专利技术的技术方案为解决上述技术问题，本专利技术提供的一种对SPECT脑部三维图像分析的方法，包括以下步骤：S1，建立脑部形状模型数据库，并通过SPECT生成患者的脑部图像；S2，将患者的脑部图像进行空间归一化处理，将其定义在同一个公共坐标系中；S3，通过算法处理自动旋转患者的脑部图像，使其与脑部形状模型数据库中的对比模型一致；S4，通过算法处理形成脑部器官的轮廓；S5，通过算法自动调整脑部的对比模型，使其形状尺寸、位置、旋转角度及形状适合患者的脑部图像；S6，借助对比模型形状，将患者的脑部图像与正常人的脑部图形进行对比，定义患者的脑部图像与对比模型的差异部分，得出差异结果；S7，规范化S6中的差异结果，得到一组有统计差异的量化结果；S8，将S7中的差异结果转变成图像特征，形成一个标准正态分布的Z参数图；S9，将S8中的图形特征、Z参数图输入解释系统；S10，解释系统解析输入信息，并产生解析结果，输出解释结果。进一步地，在步骤S1中建立脑部形状模型数据库的步骤如下；S1-1，使用SPECT生成患者的脑部图形并收集，收集数量大于20；S1-2，对脑部图形的血流灌注特征进行统计分析，将收集的SPECT图形归一化至同一个公共坐标系中，形成统一的对比模型，以形成脑部形状模型数据库。进一步地，在步骤S1-2中，使用SPM方法对脑部图形的血流灌注特征进行统计分析。进一步地，在步骤S10中，解释系统解析输入信息的过程为：通过特征提取器，从患者的脑部图像、Z参数图中提取多个特征，并将所述特征输入到预训练卷积神经网络的输入节点中；当所述图像的特征的数量被馈送到所述多个输入节点时，所述预训练卷积神经网络将通过分类系统输出节点的输出分类结果。进一步地，所述分类系统包括第一分类系统及第二分类系统，对于第一分类系统，其中所述多个特征包括大脑图像的脑轮廓内点的总数；对于第二分类系统，其中所述多个特征包括在大脑图像的脑轮廓内在特定阈值以下的最大点集合中的点的数目。本专利技术有益效果：本专利技术提供的一种对SPECT脑部三维图像分析的方法，其步骤合理，能够自动分析图像并输出判定结果，具有广泛的市场前景和推广价值。具体有益效果如下：（1）采用本专利技术所述方法可以更准确地发现血流灌注区域异常区域的轮廓和异常程度；（2）输出的解析结果可提供给医生更准确的量化分析，以辅助诊断病症；（3）自动生成一种量化的结构化诊断报告。附图说明通过结合以下附图所作的详细描述，本专利技术的上述优点将变得更清楚和更容易理解，这些附图只是示意性的，并不限制本专利技术，其中：图1是本专利技术所述对SPECT脑部三维图像分析方法的流程图；图2是本专利技术之解释系统分析示意图；图3是预训练卷积神经网络模块示意图。具体实施方式下面结合具体实施例和附图对本专利技术一种对SPECT脑部三维图像分析的方法进行详细说明。在此记载的实施例为本专利技术的特定的具体实施方式，用于说明本专利技术的构思，均是解释性和示例性的，不应解释为对本专利技术实施方式及本专利技术范围的限制。除在此记载的实施例外，本领域技术人员还能够基于本申请权利要求书和说明书所公开的内容采用显而易见的其它技术方案，这些技术方案包括采用对在此记载的实施例的做出任何显而易见的替换和修改的技术方案。本说明书的附图为示意图，辅助说明本专利技术的构思，示意性地表示各部分的形状及其相互关系。请注意，为了便于清楚地表现出本专利技术实施例的各部件的结构，各附图之间并未按照相同的比例绘制。相同的参考标记用于表示相同的部分。下面参照图1所述对SPECT脑部三维图像分析方法的流程图，阐述其具体操作步骤：S1，建立脑部形状模型数据库，并通过SPECT生成患者的脑部图像；具体地，在步骤S1中建立脑部形状模型数据库的步骤如下；S1-1，使用SPECT生成患者的脑部图形并收集，收集数量大于20；S1-2，对脑部图形的血流灌注特征进行统计分析，将收集的SPECT图形归一化至同一个公共坐标系中，形成统一的对比模型，以形成脑部形状模型数据库。在步骤S1-2中，使用SPM方法对脑部图形的血流灌注特征进行统计分析。S2，将患者的脑部图像进行空间归一化处理，将其定义在同一个公共坐标系中；S3，通过算法处理自动旋转患者的脑部图像，使其与脑部形状模型数据库中的对比模型一致；S4，通过算法处理形成脑部器官的轮廓；S5，通过算法自动调整脑部的对比模型，使其形状尺寸、位置、旋转角度及形状适合患者的脑部图像；S6，借助对比模型形状，将患者的脑部图像与正常人的脑部图形进行对比，定义患者的脑部图像与对比模型的差异部分，得出差异结果；S7，规范化S6中的差异结果，得到一组统计差异的量化结果，并显示患者的脑部与正常人的脑部图形的差异；S8，将S7中的差异结果转变成图像特征，形成一个标准正态分布的Z参数图；S9，将S8中的图形特征、Z参数图输入解释系统；S10，解释系统解析输入信息，并产生解析结果，输出解释结果。在步骤S10中，解释系统解析输入信息的过程为：通过特征提取器，从患者的脑部图像、Z参数图中提取多个特征，并将所述特征输入到预训练卷积神经网络的输入节点中；当所述图像的特征的数量被馈送到所述多个输入节点时，所述预训练卷积神经网络将通过分类系统输出节点的输出分类结果。图2是本专利技术之解释系统分析示意图，采用训练数据进行机器学习，产生随机森林分类器；再使用测试数据对随机森林分类器进行分类测试，根据多数表决原则，选择图像特征最多的选项，并标示上类别标签。预训练卷积神经网络的模块示意图，如图3所示。预训练卷积神经网络将通过分类系统输出节点的输出分类结果。分类系统包括第一分类系统及第二分类系统，对于第一分类系统，其中所述多个特征包括大脑图像的脑轮廓内点的总数；对于第二分类系统，其中所述多个特征包括在大脑图像的脑轮廓内在特定阈值以下的最大点集合中的点的数目。本专利技术提供的一种对SPECT脑部三维图像分析的方法，其步骤合理，能够自动分析图像并输出判定结果，具有广泛的市场前景和推广价值。本专利技术不局限于上述实施方式本文档来自技高网...

【技术保护点】
1.一种对SPECT脑部三维图像分析的方法，其特征在于，包括以下步骤：S1，建立脑部形状模型数据库，并通过SPECT生成患者的脑部图像；S2，将患者的脑部图像进行空间归一化处理，将其定义在同一个公共坐标系中；S3，通过算法处理自动旋转患者的脑部图像，使其与脑部形状模型数据库中的对比模型一致；S4，通过算法处理形成脑部器官的轮廓；S5，通过算法自动调整脑部的对比模型，使其形状尺寸、位置、旋转角度及形状适合患者的脑部图像；S6，借助对比模型形状，将患者的脑部图像与正常人的脑部图形进行对比，定义患者的脑部图像与对比模型的差异部分，得出差异结果；S7，规范化S6中的差异结果，得到一组有统计差异的量化结果；S8，将S7中的差异结果转变成图像特征，形成一个标准正态分布的Z参数图；S9，将S8中的图形特征、Z参数图输入解释系统；S10，解释系统解析输入信息，并产生解析结果，输出解释结果。

【技术特征摘要】
1.一种对SPECT脑部三维图像分析的方法，其特征在于，包括以下步骤：S1，建立脑部形状模型数据库，并通过SPECT生成患者的脑部图像；S2，将患者的脑部图像进行空间归一化处理，将其定义在同一个公共坐标系中；S3，通过算法处理自动旋转患者的脑部图像，使其与脑部形状模型数据库中的对比模型一致；S4，通过算法处理形成脑部器官的轮廓；S5，通过算法自动调整脑部的对比模型，使其形状尺寸、位置、旋转角度及形状适合患者的脑部图像；S6，借助对比模型形状，将患者的脑部图像与正常人的脑部图形进行对比，定义患者的脑部图像与对比模型的差异部分，得出差异结果；S7，规范化S6中的差异结果，得到一组有统计差异的量化结果；S8，将S7中的差异结果转变成图像特征，形成一个标准正态分布的Z参数图；S9，将S8中的图形特征、Z参数图输入解释系统；S10，解释系统解析输入信息，并产生解析结果，输出解释结果。2.根据权利要求1所述对SPECT脑部三维图像分析的方法，其特征在于，在步骤S1中建立脑部形状模型数据库的步骤如下：S1-1，使用SPECT生成患者...

【专利技术属性】
技术研发人员：李刚，郎超，陈晖，
申请(专利权)人：北京雅森科技发展有限公司，
类型：发明
国别省市：北京,11