发明专利技术涉及图像处理技术领域，具体是一种缺血区分割方法、装置、设备及存储介质，所述方法包括：获取目标对象脑部的表观扩散系数图像；获取所述目标对象脑部的脑血流量图像、脑血容量图像以及动脉通过时间图像；利用预先训练的分类模型对所述表观扩散系数图像、所述脑血流量图像、所述脑血容量图像以及所述动脉通过时间图像进行处理，得到所述目标对象脑部的缺血区分割图像。本发明专利技术的缺血区分割方法，通过联合扩散加权图像信息和多个标记后延迟的动脉自旋标记灌注图像信息进行缺血区分割，充分利用了各类图像之间的相互信息，提高了缺血区分割的准确性和鲁棒性。割的准确性和鲁棒性。割的准确性和鲁棒性。
【技术实现步骤摘要】
一种缺血区分割方法、装置、设备及存储介质
[0001]本专利技术涉及图像处理
，特别涉及一种缺血区分割方法、装置、设备及存储介质。
技术介绍
[0002]缺血性脑卒中是一种常见的脑血管疾病，一直以来都严重危害着人体健康，其发病率、致残率和病死率都非常高。如何快速有效地诊断缺血性脑卒中是当前临床工作中的重要研究课题。缺血性脑卒中的早期发现是十分重要的，尤其是超急性期的正确发现，能够及时指导采取措施，以减少梗死灶周边缺血半暗带区域的脑细胞坏死，对于缺血性脑卒中的诊断与治疗具有重大作用。
[0003]现有技术常用脑实质成像来进行疾病的诊断、疗效评价以及预后判断，其中常用的有动脉自旋标记（Arterial Spin Labeling，ASL）灌注成像技术和扩散加权成像（Diffusion Weighted Imaging，DWI）技术。其中，ASL技术无辐射、无需注射造影剂的优点使其应用于肾功能不全、造影剂过敏或患有甲亢的脑卒中患者、儿童患者成为可能。现有的ASL技术通常是基于单一标记后延迟（Post
‑
Labeling Delay，PLD）的ASL图像计算的脑血流量（Cerebral Blood Flow，CBF）图像与对侧值比较，小于40%的为缺血区，而现有的DWI技术通常是基于计算的表观扩散系数（Apparent Diffusion Coefficient，ADC）图像，小于620mm2/s的为梗死区。
[0004]但是，现有的ASL技术计算的CBF图像对PLD的选择很敏感，当某区域的动脉通过时间大于PLD时，CBF值会被严重低估，并且通过与对侧值进行比较的分割方法会漏掉双侧缺血的可能，同时由于正常白质CBF值就比正常灰质CBF值低，因此通过与对侧值进行比较的分割方法可能会过多地包含白质信号，影响分割结果的准确性。并且现有的ASL技术和DWI技术通过绝对阈值分割的方式，没有考虑不同个体的不一致性，会导致分割结果不稳定。
技术实现思路
[0005]针对现有技术的上述问题，本专利技术的目的在于提供一种缺血区分割方法、装置、设备及存储介质，能够提高缺血区分割的准确性和鲁棒性。
[0006]为了解决上述问题，本专利技术提供一种缺血区分割方法，包括：获取目标对象脑部的表观扩散系数图像；获取所述目标对象脑部的脑血流量图像、脑血容量图像以及动脉通过时间图像；利用预先训练的分类模型对所述表观扩散系数图像、所述脑血流量图像、所述脑血容量图像以及所述动脉通过时间图像进行处理，得到所述目标对象脑部的缺血区分割图像。
[0007]进一步地，所述获取目标对象脑部的表观扩散系数图像包括：获取所述目标对象脑部的扩散加权图像数据；根据所述扩散加权图像数据确定所述表观扩散系数图像；
将所述表观扩散系数图像配准到标准脑空间，得到标准脑空间的表观扩散系数图像。
[0008]进一步地，所述获取所述目标对象脑部的脑血流量图像、脑血容量图像以及动脉通过时间图像包括：获取所述目标对象脑部的多个标记后延迟的动脉自旋标记灌注图像数据；根据所述多个标记后延迟的动脉自旋标记灌注图像数据，确定所述目标对象脑部的动脉通过时间图像；根据所述动脉通过时间图像确定所述目标对象脑部的脑血流量图像；根据所述动脉通过时间图像和所述脑血流量图像确定所述目标对象脑部的脑血容量图像；将所述脑血流量图像、所述脑血容量图像以及所述动脉通过时间图像分别配准到标准脑空间，得到标准脑空间的脑血流量图像、脑血容量图像以及动脉通过时间图像。
[0009]进一步地，所述根据所述动脉通过时间图像确定所述目标对象脑部的脑血流量图像包括：根据所述动脉通过时间图像和各个标记后延迟的动脉自旋标记灌注图像数据，分别计算各个标记后延迟的动脉自旋标记灌注图像数据对应的各个脑血流量图像；计算各个标记后延迟的动脉自旋标记灌注图像数据对应的脑血流量图像的平均图像，作为所述目标对象脑部的脑血流量图像。
[0010]进一步地，所述利用预先训练的分类模型对所述表观扩散系数图像、所述脑血流量图像、所述脑血容量图像以及所述动脉通过时间图像进行处理，得到所述目标对象脑部的缺血区分割图像包括：将所述表观扩散系数图像、所述脑血流量图像、所述脑血容量图像以及所述动脉通过时间图像输入所述分类模型，得到所述目标对象脑部的分类图像；其中，所述分类图像中的每个像素为区域类别标识；获取所述目标对象脑部的目标动脉自旋标记灌注图像数据；将所述分类图像与所述目标动脉自旋标记灌注图像数据进行融合，得到所述目标对象脑部的缺血区分割图像。
[0011]进一步地，所述方法还包括预先训练所述分类模型，所述分类模型的训练过程包括：获取训练图像数据集，所述训练图像数据集中包括多个缺血性脑卒中患者的扩散加权训练图像数据、动态磁敏感对比增强灌注训练图像数据以及多个标记后延迟的动脉自旋标记灌注训练图像数据；根据各个所述扩散加权训练图像数据确定对应的表观扩散系数训练图像；根据各个缺血性脑卒中患者的多个标记后延迟的动脉自旋标记灌注训练图像数据确定对应的脑血流量训练图像、脑血容量训练图像以及动脉通过时间训练图像；根据各个所述动态磁敏感对比增强灌注训练图像数据确定对应的残余功能函数最大时间参数图；根据各个缺血性脑卒中患者对应的表观扩散系数训练图像和残余功能函数最大时间参数图，确定对应的缺血区分割标注结果；
基于各个缺血性脑卒中患者对应的所述表观扩散系数训练图像、所述脑血流量训练图像、所述脑血容量训练图像、所述动脉通过时间训练图像以及所述缺血区分割标注结果，对预设的分类器进行有监督训练，得到所述分类模型。
[0012]进一步地，所述方法还包括：根据所述缺血区分割图像计算梗死区体积和半暗带区体积；根据所述梗死区体积和所述半暗带区体积计算错配比。
[0013]本专利技术另一方面提供一种缺血区分割装置，包括：第一获取模块，用于获取目标对象脑部的表观扩散系数图像；第二获取模块，用于获取所述目标对象脑部的脑血流量图像、脑血容量图像以及动脉通过时间图像；图像处理模块，用于利用预先训练的分类模型对所述表观扩散系数图像、所述脑血流量图像、所述脑血容量图像以及所述动脉通过时间图像进行处理，得到所述目标对象脑部的缺血区分割图像。
[0014]本专利技术另一方面提供一种电子设备，包括处理器和存储器，所述存储器中存储有至少一条指令或至少一段程序，所述至少一条指令或所述至少一段程序由所述处理器加载并执行以实现如上述的缺血区分割方法。
[0015]本专利技术另一方面提供一种计算机可读存储介质，所述计算机可读存储介质中存储有至少一条指令或至少一段程序，所述至少一条指令或所述至少一段程序由处理器加载并执行以实现如上述的缺血区分割方法。
[0016]由于上述技术方案，本专利技术具有以下有益效果：根据本专利技术实施例的缺血区分割方法，通过利用扩散加权图像数据计算表观扩散系数图像，利用多个标记后延迟的动脉自旋标记灌注图像数据计算脑血流量图像、脑血容量图像以及动脉通过时间图像，再基于所述表观扩散系数图像、所述脑血流量图像、所述脑血容量图像本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种缺血区分割方法，其特征在于，包括：获取目标对象脑部的表观扩散系数图像；获取所述目标对象脑部的脑血流量图像、脑血容量图像以及动脉通过时间图像；利用预先训练的分类模型对所述表观扩散系数图像、所述脑血流量图像、所述脑血容量图像以及所述动脉通过时间图像进行处理，得到所述目标对象脑部的缺血区分割图像。2.根据权利要求1所述的方法，其特征在于，所述获取目标对象脑部的表观扩散系数图像包括：获取所述目标对象脑部的扩散加权图像数据；根据所述扩散加权图像数据确定所述表观扩散系数图像；将所述表观扩散系数图像配准到标准脑空间，得到标准脑空间的表观扩散系数图像。3.根据权利要求1所述的方法，其特征在于，所述获取所述目标对象脑部的脑血流量图像、脑血容量图像以及动脉通过时间图像包括：获取所述目标对象脑部的多个标记后延迟的动脉自旋标记灌注图像数据；根据所述多个标记后延迟的动脉自旋标记灌注图像数据，确定所述目标对象脑部的动脉通过时间图像；根据所述动脉通过时间图像确定所述目标对象脑部的脑血流量图像；根据所述动脉通过时间图像和所述脑血流量图像确定所述目标对象脑部的脑血容量图像；将所述脑血流量图像、所述脑血容量图像以及所述动脉通过时间图像分别配准到标准脑空间，得到标准脑空间的脑血流量图像、脑血容量图像以及动脉通过时间图像。4.根据权利要求3所述的方法，其特征在于，所述根据所述动脉通过时间图像确定所述目标对象脑部的脑血流量图像包括：根据所述动脉通过时间图像和各个标记后延迟的动脉自旋标记灌注图像数据，分别计算各个标记后延迟的动脉自旋标记灌注图像数据对应的各个脑血流量图像；计算各个标记后延迟的动脉自旋标记灌注图像数据对应的脑血流量图像的平均图像，作为所述目标对象脑部的脑血流量图像。5.根据权利要求1所述的方法，其特征在于，所述利用预先训练的分类模型对所述表观扩散系数图像、所述脑血流量图像、所述脑血容量图像以及所述动脉通过时间图像进行处理，得到所述目标对象脑部的缺血区分割图像包括：将所述表观扩散系数图像、所述脑血流量图像、所述脑血容量图像以及所述动脉通过时间图像输入所述分类模型，得到所述目标对象脑部的分类图像；其中，所述分类图像中的每个像素为区域类别标识；获取所述目标对象脑部的目标动脉自旋标记灌注图像数据；将所述分类图像与所述目标动脉自旋标记灌注图...
【专利技术属性】
技术研发人员：黄预立，杨鸣，吴子良，
申请(专利权)人：脑玺苏州智能科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。