脑灌注影像的处理方法、系统、设备与存储介质技术方案

本发明专利技术公开了一种脑灌注影像的处理方法、系统、设备与存储介质，相关方法包括：获取原始脑灌注影像数据，并识别数据类型；对所述原始脑灌注影像数据进行预处理，并结合数据类型进行时域插值；通过自动检测算法从时域插值处理后的脑灌注影像数据中自动选择动脉输入函数；基于时域插值处理后的脑灌注影像数据和动脉输入函数，计算灌注参数；从所述原始脑灌注影像数据提取出颅内脑组织区域掩膜，并结合灌注参数对所述原始脑灌注影像数据进行后处理和定量统计。上述方案能够针对脑灌注影像，自动进行预处理、函数选择和参数计算，给出定量分析结果。析结果。析结果。

【技术实现步骤摘要】
脑灌注影像的处理方法、系统、设备与存储介质


[0001]本专利技术涉及医学影像处理
，尤其涉及一种脑灌注影像的处理方法、系统、设备与存储介质。

技术介绍

[0002]利用CT和MRI扫描的灌注影像是一段时间内的动态序列，需要对其进行一系列处理才能够得到相关参数进行分析。一般来说，通过对选定感兴趣层面进行连续动态扫描，获得所选层面的每一像素的时间
‑
浓度曲线，并通过数学模型处理得到：脑血供容积(cerebral blood volume，CBV)、脑血供速率(cerebral blood flow，CBF)、平均通过时间(mean transit time，MTT)、残留函数达峰时间(time to max enhancement，TMAX)等血流动力学参数和灌注图像表现。
[0003]目前处理方法主要分为人工处理和计算机辅助处理。人工处理方法要求阅片人具有较高的理论分析水平，并且流程复杂、操作耗时，存在主观差异，可操作性差。因此，计算机辅助分析具有较高的现实意义。然而，现有计算机辅助分析方法大多无法实现全自动处理，需要人工选定感兴趣区域以选择动脉输入函数；除此之外，在计算灌注参数时无法识别如脑室等无效区域，从而导致定量计算存在较大误差。

技术实现思路

[0004]本专利技术的目的是提供一种脑灌注影像的处理方法、系统、设备与存储介质，能够针对脑灌注影像，自动进行预处理、函数选择和参数计算，给出定量分析结果。
[0005]本专利技术的目的是通过以下技术方案实现的：<br/>[0006]一种脑灌注影像的处理方法，包括：
[0007]获取原始脑灌注影像数据，并识别数据类型；
[0008]对所述原始脑灌注影像数据进行预处理，并结合数据类型进行时域插值；
[0009]通过自动检测算法从时域插值处理后的脑灌注影像数据中自动选择动脉输入函数；
[0010]基于时域插值处理后的脑灌注影像数据和动脉输入函数，计算灌注参数；
[0011]从预处理后的原始脑灌注影像数据提取出颅内脑组织区域掩膜，并结合灌注参数对所述预处理后的原始脑灌注影像数据进行后处理和定量统计。
[0012]一种脑灌注影像的处理系统，用于实现前述的方法，该系统包括：
[0013]数据获取与类型识别模块，用于获取原始脑灌注影像数据，并识别数据类型；
[0014]数据预处理与时域插值处理模块，用于对所述原始脑灌注影像数据进行预处理，并结合数据类型进行时域插值；
[0015]动脉输入函数自动选择模块，用于通过自动检测算法从时域插值处理后的脑灌注影像数据中自动选择动脉输入函数；
[0016]灌注参数计算模块，用于基于时域插值处理后的脑灌注影像数据和动脉输入函
数，计算灌注参数；
[0017]影像后处理和定量统计模块，用于从预处理后的原始脑灌注影像数据提取出颅内脑组织区域掩膜，并结合灌注参数对所述预处理后的原始脑灌注影像数据进行后处理和定量统计。
[0018]一种处理设备，包括：一个或多个处理器；存储器，用于存储一个或多个程序；
[0019]其中，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现前述的方法。
[0020]一种可读存储介质，存储有计算机程序，其特征在于，当计算机程序被处理器执行时实现前述的方法。
[0021]由上述本专利技术提供的技术方案可以看出，适用于CT及MRI灌注影像数据，能够自动进行预处理，选定动脉输入函数，并自动去除无效区域，从而提供了更准确、便捷、快速的灌注参数定性及定量分析，对提升灌注影像阅片质量具有积极影响。
附图说明
[0022]为了更清楚地说明本专利技术实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他附图。
[0023]图1为本专利技术实施例提供的一种脑灌注影像的处理方法的流程图；
[0024]图2为本专利技术实施例提供的运动校准结果的示意图；
[0025]图3为本专利技术实施例提供的静脉输出函数的定位结果示意图；
[0026]图4为本专利技术实施例提供的动脉输入函数定位结果示意图；
[0027]图5为本专利技术实施例提供的动脉输入函数、静脉输出函数和全局平均的时间
‑
浓度曲线示意图；
[0028]图6为本专利技术实施例提供的一种脑灌注影像的处理系统的示意图；
[0029]图7为本专利技术实施例提供的一种处理设备的示意图。
具体实施方式
[0030]下面结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术的保护范围。
[0031]首先对本文中可能使用的术语进行如下说明：
[0032]术语“包括”、“包含”、“含有”、“具有”或其它类似语义的描述，应被解释为非排它性的包括。例如：包括某技术特征要素(如原料、组分、成分、载体、剂型、材料、尺寸、零件、部件、机构、装置、步骤、工序、方法、反应条件、加工条件、参数、算法、信号、数据、产品或制品等)，应被解释为不仅包括明确列出的某技术特征要素，还可以包括未明确列出的本领域公知的其它技术特征要素。
[0033]下面对本专利技术所提供的一种脑灌注影像的处理方法进行详细描述。本专利技术实施例
中未作详细描述的内容属于本领域专业技术人员公知的现有技术。本专利技术实施例中未注明具体条件者，按照本领域常规条件或制造商建议的条件进行。本专利技术实施例中所用试剂未注明生产厂商者，均为可以通过市售购买获得的常规产品。
[0034]如图1所示，一种脑灌注影像的处理方法，主要包括如下步骤：
[0035]步骤1、获取原始脑灌注影像数据，并识别数据类型。
[0036]本步骤中，获取原始脑灌注影像数据后，可以根据相关的序列描述，判别数据类型为轴向扫描数据或是容积螺旋扫描数据。
[0037]此外，还可以根据标签数据读取相应用户的信息、序列长度、拍摄间隔、像素空间体积、影像尺寸等信息。其中，此处的用户信息用于软件的数据库存储查询以及前端显示；序列长度、影像尺寸设定了后续算法中的变量大小；拍摄间隔用于进行时域插值；像素空间体积被直接用于计算对应的体积。
[0038]步骤2、对所述原始脑灌注影像数据进行预处理，并结合数据类型进行时域插值。
[0039]1)数据预处理。
[0040]本专利技术实施例中，数据预处理主要是针对所述原始脑灌注影像数据进行噪声去除和运动校准，减小拍摄过程中因拍摄设备和病人运动导致的误差，随后，对影像进行颅骨去除处理；示例性的，可通过下述方式实现：
[0041]a)对所述原本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种脑灌注影像的处理方法，其特征在于，包括：获取原始脑灌注影像数据，并识别数据类型；对所述原始脑灌注影像数据进行预处理，并结合数据类型进行时域插值；通过自动检测算法从时域插值处理后的脑灌注影像数据中自动选择动脉输入函数；基于时域插值处理后的脑灌注影像数据和动脉输入函数，计算灌注参数；从预处理后的原始脑灌注影像数据提取出颅内脑组织区域掩膜，并结合灌注参数对所述预处理后的原始脑灌注影像数据进行后处理和定量统计。2.根据权利要求1所述的一种脑灌注影像的处理方法，其特征在于，所述获取原始脑灌注影像数据，并识别数据类型包括：获取原始脑灌注影像数据，根据相关的序列描述，判别数据类型为轴向扫描数据或是容积螺旋扫描数据。3.根据权利要求1所述的一种脑灌注影像的处理方法，其特征在于，对所述原始脑灌注影像数据进行预处理，并结合数据类型进行时域插值包括：对所述原始脑灌注影像数据进行的预处理包括：噪声去除和运动校准，以及颅骨去除处理；之后，结合数据类型通过时域插值处理统一数据的采样间隔。4.根据权利要求1所述的一种脑灌注影像的处理方法，其特征在于，所述通过自动检测算法从时域插值处理后的脑灌注影像数据中自动选择动脉输入函数包括：通过自动检测算法自动选择静脉输出函数，再结合选择的静脉输出函数选择动脉输入函数；其中，通过自动检测算法自动选择静脉输出函数的步骤包括：对每个像素的时间
‑
浓度曲线求取积分，获得每个像素的总流量；对于每层图像，选取总流量最大的前N个像素，并对选取的N个像素的时间
‑
浓度曲线求取平均，获得局部静脉输出函数；对每层图像的局部静脉输出函数进行伽马函数拟合，计算相关系数；遍历所有局部静脉输出函数，选出相关系数大于N1的候选局部静脉输出函数；计算每一候选局部静脉输出函数的总流量、达峰时间和半峰宽度，寻找达峰时间晚于全局平均达峰时间，且总流量与半峰宽度比值最大的候选局部静脉输出函数，作为全局静脉输出函数；其中，N1为设定值，全局平均达峰时间基于完整的时域插值处理后的脑灌注影像数据的颅内区域取平均时间
‑
浓度曲线后计算得到。5.根据权利要求4所述的一种脑灌注影像的处理方法，其特征在于，自动选择动脉输入函数的步骤包括：计算所述全局静脉输出函数的总流量、峰值流量和半峰宽度；计算每个像素的总流量和达峰时间；对于每层图像，筛选总流量大于全局静脉输出函数的总流量N2％，且达峰时间至少早于全局平均达峰时间N3秒的像素；对于筛选出的像素，根据计...

【专利技术属性】
技术研发人员：谢洪涛，刘荪傲，张勇东，
申请(专利权)人：中国科学技术大学，
类型：发明
国别省市：