CT灌注影像参数估计方法、装置、设备和存储介质制造方法及图纸

本申请涉及一种CT灌注影像参数估计方法、装置、设备和存储介质，通过对获取的不同空间层面的不同成像时刻得到脑部图像依次进行包括动静脉候选层筛选、脑部组织背景校正以及质心计算的图像预处理步骤后，再将由动静脉候选层构建的候选区域分为静脉输出感兴趣区域以及动脉输入感兴趣区域，接着对静脉输出感兴趣区域进行曲线下面积过滤、伽马拟合分析，最终得到静脉输出函数，对动脉输入感兴趣区域进行曲线下面积过滤、到达时间及半峰宽过滤、伽马拟合分析，得到动脉输入函数，最后根据得到的这两个函数对CT灌注影像的其他参数进行估计，采用本方法可在提供计算效率的同时提高估计准确度。准确度。准确度。

【技术实现步骤摘要】
CT灌注影像参数估计方法、装置、设备和存储介质


[0001]本申请涉及医学图像
，特别是涉及一种CT灌注影像参数估计方法、装置、设备和存储介质。

技术介绍

[0002]脑卒中是一种脑血管疾病，包括缺血性脑卒中和出血性脑卒中。脑卒中发病率高、致死率高，目前已是我国最主要的死亡原因。对脑卒中患者进行检查时，常用CT灌注影像来检查脑组织血流灌注情况。通过对CT灌注影像的自动化计算，得到脑血流容量（cerebral blood volume, CBV）、脑血流流量（cerebral blood flow, CBF）、平均通过时间（mean transit time, MTT）、剩余函数达峰时间（time to peak, Tmax）等血流动力学参数，并对患者病情进行进一步评估。动脉输入函数（arterial input function, AIF）与静脉输出函数（venous output function, VOF）是参与计算的重要参数。AIF参与解卷积过程，通过对脑组织时间密度曲线（time density curve, TDC）与AIF进行解卷积运算可得造影剂残余曲线R，对曲线R进行进一步计算则可得到上述各个血流动力学参数。AIF与VOF还共同参与灌注参数图的部分容积效应（partial volume effect, PVE）校正。文献建议AIF点与VOF点分别选择位于大脑中动脉（middle cerebral artery, MCA）和上矢状窦（superior sagittal sinus, SSS）上的血管体素，一般有峰值高、峰宽小的曲线特点，同时AIF的峰值时刻早、VOF的峰值时刻迟。
[0003]然而，目前AIF选择方法主要有人工选取方法、聚类方法和构造曲线特征加权模型方法，VOF选择方法较少。人工选取AIF的方法弊端在于耗时长、重复性低且依赖操作者经验。聚类方法可能难以排除非脑组织点引入的噪声曲线，其结果可能取决于前期去颅骨的效果。构造曲线特征加权模型方法同样存在难以排除噪声曲线的问题。

技术实现思路

[0004]基于此，有必要针对上述技术问题，提供一种能够自动得到参数的CT灌注影像参数估计方法、装置、设备和存储介质。
[0005]一种CT灌注影像参数估计方法，所述方法包括：获取与脑部相关的CT灌注影像数据集，所述CT灌注影像数据集包括多个空间层的脑部图像，且各所述空间层包括多张按照成像时间排序的脑部图像；根据脑部图像对应的脑组织掩模面积进行筛选，选取空间上连续的多个空间层作为候选空间层，将多个候选空间层构建的三维区域作为候选区域，对各所述候选空间层的脑部图像进行背景校正后，分别计算各所述候选空间层对应的脑组织质心坐标；根据穿过所述脑组织质心坐标的横线将所述候选区域分为静脉输出感兴趣区域以及动脉输入感兴趣区域；分别计算所述静脉输出感兴趣区域以及动脉输入感兴趣区域中各体素的时间密度曲线的曲线下面积，根据各所述体素的时间密度曲线、曲线下面积以及伽马函数进行处
理对各感兴趣区域中的体素进行筛选，分别得到预设个数的参考体素；分别对所述静脉输出感兴趣区域以及动脉输入感兴趣区域中筛选得到的多个参考体素的时间密度曲线计算平均曲线，所述静脉输出感兴趣区域对应得到的平均曲线为静脉输出函数，所述动脉输入感兴趣区域对应得到的平均曲线为动脉输入函数；根据所述静脉输出函数以及动脉输入函数对CT灌注影像参数进行估计，得到CT灌注影像参数。
[0006]在其中一实施例中，所述根据脑部图像对应的脑组织掩模面积进行筛选，选取空间上连续的多个空间层作为候选空间层包括：将所述脑组织掩模面积最大的脑部图像所在的空间层作为起始层，从所述起始层向颅顶方向选取连续的预设层数的空间层作为所述候选空间层。
[0007]在其中一实施例中，所述对各所述候选空间层的脑部图像进行背景校正包括：在每个候选空间层中，分别提取前多个平稳成像时刻对应的脑部图像的像素平均值作为背景值；分别利用每个候选空间层提取得到的背景值对本候选空间层的所有脑部图像进行背景校正；在进行背景校正过程中，将各所述脑部图像中各像素点的像素值减去对应的背景值，得到校正后的脑部图像，并将各所述脑部图像中小于0的像素点的像素值设置为0。
[0008]在其中一实施例中，所述计算各所述候选空间层对应的脑组织质心坐标包括：利用一阶矩除以各所述候选空间层中的各所述脑部图像对应的脑组织掩模面积，得到对应脑部图像中脑组织掩模区域的质心坐标；根据每个候选空间层得到的多个质心坐标求平均得到对应候选空间层的质心坐标。
[0009]在其中一实施例中，根据所述静脉输出感兴趣区域中体素的时间密度曲线、曲线下面积以及伽马函数进行处理对该感兴趣区域中的体素进行筛选，得到预设个数的参考体素包括：将所有曲线下面积的99%分位数作为第一阈值，将曲线下面积小于所述第一阈值的体素从静脉输出感兴趣区域中去除，以完成第一次筛选；根据伽马函数形式对完成第一次筛选的静脉输出感兴趣区域中剩余的所有体素时间密度曲线逐一进行拟合，并对拟合后的曲线进行重采样，分别得到对应各剩余体素的第一重采样曲线，根据所述第一重采样曲线以及对应的时间密度曲线进行计算分别得到各剩余体素的相关系数，将所有剩余体素的相关系数的85%分位数作为第二阈值，并将所述相关系数小于所述第二阈值的体素从完成第一次筛选的静脉输出感兴趣区域中去除，以完成第二次筛选；对完成第二次筛选的静脉输出感兴趣区域中剩余的所有体素对应的曲线下面积进行从大到小的排序，选取前预设个数曲线下面积对应的参考体素。
[0010]在其中一实施例中，根据所述动脉输入感兴趣区域中体素的时间密度曲线、曲线下面积以及伽马函数进行处理对该感兴趣区域中的体素进行筛选，得到预设个数的参考体素包括：将静脉输出函数的曲线下面积的30%分位数作为第三阈值，将曲线下面积小于所
述第三阈值的体素从动脉输入感兴趣区域中去除，以完成第一次筛选；根据完成第一次筛选的动脉输入感兴趣区域中剩余体素对应的时间密度曲线进行计算，得到各剩余体素对应的造影剂到达时间估计值，并选取其中最小到达时间估计值，根据所述最小到达时间估计值以及静脉输出曲线的造影剂到达时间估计值进行计算，得到第四阈值，将到达时间估计值小于所述第四阈值的体素从完成第一筛选的动脉输入感兴趣区域中去除，以完成第二次筛选；计算完成第二次筛选的动脉输入感兴趣区域中剩余体素的半峰宽值，将所有半峰宽值的75%分位数作为第五阈值，将半峰宽值大于所述第五阈值的体素从动脉输入感兴趣区域中去除，以完成第三次筛选；根据伽马函数形式对完成第三次筛选的动脉输入感兴趣区域中剩余所有体素的时间密度曲线逐一进行拟合，并对拟合后的曲线进行重采样，分别得到对应各剩余体素的第二重采样曲线，根据所述第二重采样曲线以及对应的时间密度曲线进行计算分别得到各剩余体素的相关系数，将所有剩余体素的相关系数的85%分位数作为第六阈值，并将所述相关系数小于所述第六阈值的体素从完成第三次筛选的动脉输入感兴趣区域中去除，以完成第四次筛选；根据完成第四次筛选的动脉输入感兴趣区域中剩余的所本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.CT灌注影像参数估计方法，其特征在于，所述方法包括：获取与脑部相关的CT灌注影像数据集，所述CT灌注影像数据集包括多个空间层的脑部图像，且各所述空间层包括多张按照成像时间排序的脑部图像；根据脑部图像对应的脑组织掩模面积进行筛选，选取空间上连续的多个空间层作为候选空间层，将多个候选空间层构建的三维区域作为候选区域，对各所述候选空间层的脑部图像进行背景校正后，分别计算各所述候选空间层对应的脑组织质心坐标；根据穿过所述脑组织质心坐标的横线将所述候选区域分为静脉输出感兴趣区域以及动脉输入感兴趣区域；分别计算所述静脉输出感兴趣区域以及动脉输入感兴趣区域中各体素的时间密度曲线的曲线下面积，根据各所述体素的时间密度曲线、曲线下面积以及伽马函数进行处理对各感兴趣区域中的体素进行筛选，分别得到预设个数的参考体素；分别对所述静脉输出感兴趣区域以及动脉输入感兴趣区域中筛选得到的多个参考体素的时间密度曲线计算平均曲线，所述静脉输出感兴趣区域对应得到的平均曲线为静脉输出函数，所述动脉输入感兴趣区域对应得到的平均曲线为动脉输入函数；根据所述静脉输出函数以及动脉输入函数对CT灌注影像参数进行估计，得到CT灌注影像参数。2.根据权利要求1所述的CT灌注影像参数估计方法，其特征在于，所述根据脑部图像对应的脑组织掩模面积进行筛选，选取空间上连续的多个空间层作为候选空间层包括：将所述脑组织掩模面积最大的脑部图像所在的空间层作为起始层，从所述起始层向颅顶方向选取连续的预设层数的空间层作为所述候选空间层。3.根据权利要求2所述的CT灌注影像参数估计方法，其特征在于，所述对各所述候选空间层的脑部图像进行背景校正包括：在每个候选空间层中，分别提取前多个平稳成像时刻对应的脑部图像的像素平均值作为背景值；分别利用每个候选空间层提取得到的背景值对本候选空间层的所有脑部图像进行背景校正；在进行背景校正过程中，将各所述脑部图像中各像素点的像素值减去对应的背景值，得到校正后的脑部图像，并将各所述脑部图像中小于0的像素点的像素值设置为0。4.根据权利要求3所述的CT灌注影像参数估计方法，其特征在于，所述计算各所述候选空间层对应的脑组织质心坐标包括：利用一阶矩除以各所述候选空间层中的各所述脑部图像对应的脑组织掩模面积，得到对应脑部图像中脑组织掩模区域的质心坐标；根据每个候选空间层得到的多个质心坐标求平均得到对应候选空间层的质心坐标。5.根据权利要求4所述的CT灌注影像参数估计方法，其特征在于，根据所述静脉输出感兴趣区域中体素的时间密度曲线、曲线下面积以及伽马函数进行处理对该感兴趣区域中的体素进行筛选，得到预设个数的参考体素包括：将所有曲线下面积的99%分位数作为第一阈值，将曲线下面积小于所述第一阈值的体素从静脉输出感兴趣区域中去除，以完成第一次筛选；根据伽马函数形式对完成第一次筛选的静脉输出感兴趣区域中剩余的所有体素时间
密度曲线逐一进行拟合，并对拟合后的曲线进行重采样，分别得到对应各剩余体素的第一重采样曲线，根据所述第一重采样曲线以及对应的时间密度曲线进行计算分别得到各剩余体素的相关系数，将所有剩余体素的相关系数的85%分位数作为第二阈值，并将所述相关系数小于所述第二阈值的体素从完成第一次筛选的静脉输出感兴趣区域中去除，以完成第二次筛选；对完成第二次筛选的静脉输出感兴趣区域中剩余的所有体素对应的曲线下面积进行从大到小的排序，选取前预设个数曲线下面积对应的参考体素。6.根据权利要求4所述的CT灌注影像参数估计方法，其特征在于，根据所述动脉输入感兴趣区域中体素的时间密...

【专利技术属性】
技术研发人员：向建平，方蕙，刘欣，单晔杰，何京松，
申请(专利权)人：杭州脉流科技有限公司，
类型：发明
国别省市：