基于动脉分割的AIF曲线提取系统、方法、装置及介质制造方法及图纸

本发明专利技术公开的基于动脉分割的AIF曲线提取系统，包括：血管分割模块对原始时间密度曲线进行预处理，计算出每个血管体素的造影剂时间密度曲线和造影剂峰值曲线，利用阈值分割得到血管模板，提取出血管体素对应的造影剂时间密度曲线；主动脉定位模块通过血管模板计算每个血管体素的峰值到达时间，获取峰值到达时间的直方图分布，选择累计直方图密度为设定值前的体素作为动脉粗分割结果，去除细小血管得到动脉模板，从动脉模板中选取主动脉和血管中心部分；动脉输入曲线选取模块提取血管中心部分对应体素的造影剂时间密度曲线，计算每个体素密度曲线特征，计算每个体素的符合度，分析符合度得到动脉输入曲线。系统可以高效且稳定地得到AIF曲线。

【技术实现步骤摘要】
基于动脉分割的AIF曲线提取系统、方法、装置及介质
本专利技术涉及态灌注影像后处理
，具体涉及一种基于动脉分割的AIF曲线提取系统、方法、装置及介质。
技术介绍
近年来，缺血性中风已成为世界范围内一个巨大的健康问题。我国脑卒中发病率逐年上升，脑卒中已成为主要死因。脑卒中治疗的关键是利用先进的影像学技术(如CT/MR灌注成像)来挽救缺血半暗带。CT/MR灌注成像通过监视毛细管床中示踪剂的时间密度曲线(TDC)，可用于评估灌注参数，进行脑卒中的非侵入性诊断。在后处理过程中首先需要确定动脉输入函数(AIF)，即脑供血动脉中对比剂浓度随时间的变化。组织TDC可以被认为是响应函数与AIF的卷积。为了分析缺血性组织，必须使用AIF进行反卷积来计算响应函数。我们对每个体素上的TDC进行去卷积，以获得包含脑血流量(CBF)，脑血容量(CBV)，达到最大组织残留功能的时间(Tmax)和平均通过时间(MTT)的血液动力学图。通常认为主动脉血管(如基底动脉或颈内动脉)中体素的特征性TDC为AIF。AIF在反卷积模型中是获得定量CBF，CBV，Tmax和MTT参数图的关键参考曲线，对反卷积运算的结果有很大影响。在临床上，AIF的选择取决于医学专家的专业知识，经验和技能，高耗时和低重现性是手动选择AIF的最大缺点。可挽救组织的位置和范围的可视化能有效帮助医生判断谁将受益于溶栓或其他治疗。由于溶栓药物的治疗必须迅速开始，所以在扫描后需立即提供灌注图以供临床决策。而建立各种灌注图谱需要确定动脉输入函数(AIF)，描述血管内示踪剂对组织的传递。若该过程由人工执行，则结果全完取决于操作员的经验和主观判断，且整个过程繁琐易错还具有不可重复性。AIF曲线具有最大浓度高、半峰宽小、最大浓度出现时间早的特点。传统的AIF提取方法要求操作者在通过成像切片的大动脉上绘制感兴趣的区域，例如大脑中动脉(MCA)和颈内动脉。但是，由于人工操作是根据操作者的经验和主观判断进行的，操作耗时长，不可重复，可能对血流动力学参数的计算产生不利影响。因此，AIF的自动检测模型具有重要意义，它可以实现高效率、低用户依赖性和高重复性。目前，已经发展了一些自动选择AIF曲线的方法，主要包括阈值法、权重法、聚类法等。基于AIF曲线的形状特征，CarrollTJ等人提出一种阈值化方法来预先选择感兴趣的体素并据此检测AIF。然而，这些固定阈值的泛化能力较差。LorenzC等人通过搜索具有最小延迟和色散的体素，然后对其进行插值和空间平滑以获得连续性，从而为大脑中的每个体素创建局部AIF。KimMouridsen等人提出的基于kmeans分类的自动AIF提取方法。由于K-means对随机选取的初始聚类中心高度敏感，降低了AIF的可重复性。StrakaM则使用权重法，对时间密度曲线的峰高、峰宽以及到达时间进行加权求和，以此来选择最佳AIF。但是固定的参数难以适应不同的患者。Peruzzo等人提出了一种新的大脑中动脉(MCA)AIF自动检测方法，在Hier方法基础上结合AIF解剖位置和信号形态的先验知识，提高了AIF检测的可靠性。不过该方法需要预先定义体素提取掩模，也就限制了Hier的灵活性和鲁棒性。
技术实现思路
针对现有技术中的缺陷，本专利技术实施例提供的一种基于动脉分割的AIF曲线提取系统、方法、装置及介质，能稳定、高效得到动脉输入函数曲线。第一方面，本专利技术实施例提供的一种基于动脉分割的AIF曲线提取系统，包括：血管分割模块、主动脉定位模块和动脉输入曲线选取模块，所述血管分割模块用于对原始时间密度曲线进行预处理，计算出每个血管体素的造影剂时间密度曲线和造影剂峰值曲线，利用阈值分割得到血管模板，提取出血管体素对应的造影剂时间密度曲线；所述主动脉定位模块用于通过血管模板计算每个血管体素的峰值到达时间，获取峰值到达时间的直方图分布，选择累计直方图密度为设定值前的体素作为动脉粗分割结果，去除细小血管得到动脉模板，从动脉模板中选取主动脉和血管中心部分；所述动脉输入曲线选取模块用于提取血管中心部分对应体素的造影剂时间密度曲线，计算每个体素密度曲线特征，计算每个体素的符合度，对符合度进行分析得到动脉输入曲线。第二方面，本专利技术实施例提供的一种基于动脉分割的AIF曲线提取方法，包括以下步骤：对原始时间密度曲线进行预处理，计算出每个血管体素的造影剂时间密度曲线和造影剂峰值曲线，利用阈值分割得到血管模板，提取出血管体素对应的造影剂时间密度曲线；通过血管模板计算每个血管体素的峰值到达时间，获取峰值到达时间的直方图分布，选择累计直方图密度为设定值前的体素作为动脉粗分割结果，去除细小血管得到动脉模板，从动脉模板中选取主动脉和血管中心部分；提取血管中心部分对应体素的造影剂时间密度曲线，计算每个体素密度曲线特征，计算每个体素的符合度，对符合度进行分析得到动脉输入曲线。第三方面，本专利技术实施例提供一种AIF曲线提取装置，包括处理器、输入设备、输出设备和存储器，所述处理器、输入设备、输出设备和存储器相互连接，所述存储器用于存储计算机程序，所述计算机程序包括程序指令，所述处理器被配置用于调用所述程序指令，执行上述实施例描述的方法步骤。第四方面，本专利技术实施例提供一种计算机可读存储介质，所述计算机存储介质存储有计算机程序，所述计算机程序包括程序指令，所述程序指令当被处理器执行时使所述处理器执行上述实施例描述的方法步骤。本专利技术的有益效果：本专利技术实施例提供的一种基于动脉分割的AIF曲线提取系统、方法、装置及介质，对原始数据进行预处理操作，可以去除大部分的非AIF体数据，直接去除非血管体素，利用动脉曲线特性分割出大脑中动脉区域，提取出各体素时间密度曲线特征，进行加权得到最佳AIF曲线，可以高效且稳定地得到AIF曲线，避免kmeans或FCM算法导致的可重复性差的问题。同时泛化能力强，避免了阈值分割算法需要在不同的数据集上调试对应的参数。附图说明为了更清楚地说明本专利技术具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍。在所有附图中，类似的元件或部分一般由类似的附图标记标识。附图中，各元件或部分并不一定按照实际的比例绘制。图1示出了本专利技术第一实施例所提供的一种基于动脉分割的AIF曲线提取系统的结构示意图；图2示出了本专利技术第一实施例中的经过预处理后得到的时间密度曲线；图3示出了本专利技术第一实施例中造影剂时间密度曲线；图4示出了本专利技术第一实施例中体素峰值图；图5示出了本专利技术第一实施例中血管模板图；图6示出了本专利技术第一实施例中峰值达到时间直方图分割结果示意图；图7示出了本专利技术第一实施例中血管分类结果示意图；图8示出了本专利技术第一实施例中去除小血管后的结果示意图；图9示出了本专利技术第一实施例中主动脉定位结果示意图；图10示出了本专利技术第一实施例中主动脉中心部分示意图；图11示出了本专利技术第一实施例中得到最终的AIF曲本文档来自技高网...

【技术保护点】
1.一种基于动脉分割的AIF曲线提取系统，其特征在于，包括：血管分割模块、主动脉定位模块和动脉输入曲线选取模块，/n所述血管分割模块用于对原始时间密度曲线进行预处理，计算出每个血管体素的造影剂时间密度曲线和造影剂峰值曲线，利用阈值分割得到血管模板，提取出血管体素对应的造影剂时间密度曲线；/n所述主动脉定位模块用于通过血管模板计算每个血管体素的峰值到达时间，获取峰值到达时间的直方图分布，选择累计直方图密度为设定值前的体素作为动脉粗分割结果，去除细小血管得到动脉模板，从动脉模板中选取主动脉和血管中心部分；/n所述动脉输入曲线选取模块用于提取血管中心部分对应体素的造影剂时间密度曲线，计算每个体素密度曲线特征，计算每个体素的符合度，对符合度进行分析得到动脉输入曲线。/n

【技术特征摘要】
1.一种基于动脉分割的AIF曲线提取系统，其特征在于，包括：血管分割模块、主动脉定位模块和动脉输入曲线选取模块，
所述血管分割模块用于对原始时间密度曲线进行预处理，计算出每个血管体素的造影剂时间密度曲线和造影剂峰值曲线，利用阈值分割得到血管模板，提取出血管体素对应的造影剂时间密度曲线；
所述主动脉定位模块用于通过血管模板计算每个血管体素的峰值到达时间，获取峰值到达时间的直方图分布，选择累计直方图密度为设定值前的体素作为动脉粗分割结果，去除细小血管得到动脉模板，从动脉模板中选取主动脉和血管中心部分；
所述动脉输入曲线选取模块用于提取血管中心部分对应体素的造影剂时间密度曲线，计算每个体素密度曲线特征，计算每个体素的符合度，对符合度进行分析得到动脉输入曲线。


2.根据权利要求1所述的系统，其特征在于，所述血管分割模块包括预处理单元、第一计算单元、分割单元和提取单元，所述预处理单元用于对原始时间密度曲线进行平滑滤波和数据降噪处理得到处理后的时间密度曲线；
所述第一计算单元用于根据处理后的时间密度曲线计算出每个血管体素的造影剂时间密度曲线和造影剂峰值曲线；
所述分割单元利用设定阈值分割得到血管模板；
所述提取单元用于提取出血管体素对应的造影剂时间密度曲线。


3.根据权利要求2所述的系统，其特征在于，所述主动脉定位模块包括第二计算单元、动脉粗分割单元、细小血管去除单元和选取单元，所述第二计算单元通过血管模板计算每个血管体素的峰值到达时间；
所述动脉粗分割单元获取峰值到达时间的直方图分布，选择累计直方图密度为设定值前的体素作为动脉粗分割结果；
所述细小血管去除单元用于形态学闭运算去除细小血管得到动脉模板；
所述选取单元用于从动脉模板中计算血管中轴线与对应位置半径，选择血管半径大于半径阈值且曲度小与曲度阈值的部分作为主动脉，利用形态学腐蚀算法得到目标血管中心部分。


4.根据权利要求3所述的系统，其特征在于，所述动脉输入曲线选取模块包括体素密度曲线提取单元和分析单元，所述体素密度曲线提取单元用于提取血管中心部分对应体素的造影剂时间密度曲线；
所述分析单元用于计算每个体素密度曲线特征，所述曲线特征包括曲线峰高、峰值到达时间以及半峰宽，计算每个...

【专利技术属性】
技术研发人员：王思伦，周竞宇，南雅诗，
申请(专利权)人：深圳市铱硙医疗科技有限公司，
类型：发明
国别省市：广东;44