本发明专利技术提供一种推荐的算法用以消除核磁共振成像形成的图像的像素，该像素被不正确地识别为相当于梗塞物质。第一种技术用以消除被确认为与该扫描区域相应的已被识别的区域，该扫描区域与反映在大脑的正中矢状面的该已被识别的区域相应；第二种技术用以消除这样的区域，该区域被确认为在一个或多个其他扫描图中不具有相应的已被识别的区域。这两种技术的联合提高了在判断高信号区域是梗塞或伪像的信心。
【技术实现步骤摘要】
【国外来华专利技术】
本专利技术涉及一种处理核磁共振成像(Magnetic Resonance Imaging，MRI)扫描 图的方法，特别是指弥散加权成像(diffusion-weighted images，DWI)核磁共振成像扫描图。
技术介绍
一般地，在任何观测值中有两种类型的误差[1]:系统性误差和随机性误差。系 统性误差易于在一个特定的方向上改变所有测量值。产生这样误差的一些主要原因是不 准确的仪器刻度，不正确使用仪器等。多数系统性误差通常可以被消除(举例来讲，通 过应用仪器的零点修正或重复该实验)，但是少数系统性误差却一直存在，因为没有任何 仪器的刻度能被完美确定。这就是为什么应该执行几次独立地对实验结果确认过程，而 且优选地采用不同的技术。假设在所有实验条件不变时执行几次实验，实验结果仍然不同。这些结果上的 波动被称为随机性误差(或统计误差)。这些结果的数值可以看作是观测值的平均值并 且该标准偏差可以看作是该平均值上的误差。有时标准偏差可以通过重复做实验得到， 但是在一些实际条件下，不可能重复做实验。在这些条件下，对结果分布状况的认识可 以用于预测统计误差。根据实验的本质，该结果通常伴随特定已知的分布状况，举例来 讲，泊松分布是一个包括一计数的实验的普通结果。对于泊松分布而言，标准偏差(σ) 与平均值(μ)的关系为σ = ‘[1。由于μ和O之间的关系，我们可以预测实验结果的 误差(其中该结果是在单位时间内计数的结果)。例如，参考文献[2]针对核医学成像使 用了一种泊松分布式噪音移除技术，因此这些成像在单位时间内涉及大量的衰减。核磁共振成像获得的过程非常复杂(http://www.easymeasure.co.uk/principlesmri. aspx, http://www.sunnybrook.ca/research/groups/cardiac_mri/MR_background，于 2007 年 10月23日访问)。在图像获取期间，核磁共振成像信号亮度与包括立体像素中的有磁性 的处于激发状态的质子的计数在内的多种参数有很复杂的依赖性。因此，亮度也部分与 有磁性的处于激发状态的质子的计数有关，该泊松分布用于预测每一像素的亮度的分布 状况。按照这种假设，可以预测在像素亮度上的误差。因此，该报告的像素值假设具有 等于‘的误差，其中Pu是一些假设的观测值的平均像素亮度。这里有各种与核磁共振成像扫描图(一胜在网址http://www.mritutor.org/ mritutor/artifact.htm有描沭,于2007年10与23日访问)相关的获取的伪像，例如运动伪 像、混叠伪像、磁敏感性伪影等。一些已知的移除伪像和降低噪音的方法依下列各项。 参看文献[3]提出了一种针对核磁共振成像的基于小波理论的莱斯噪音移除方法。参考文 献[4]描述了一种通过使用一种分容积(volumn)数据密度模型过滤多维度数据中噪音的方 法。参考文献[5]提出了通过使用一点扩散函数修正核磁共振成像中平面内的运动伪像块 状物的方法。这些方法的更详细的目录包含在以下网址(http://iris.usc.edu/Vision-Notes/ bibliographv/medical891 .html,于 2007 年 10 月 23 日访问)。计算机辅助检测(Computer aided detection，CAD)在不同领域的辅助精确的医学成像解析方面发挥了重大作用[举例来讲，6-10]。本专利技术人开发了一套用以急性缺血性 和出血性中风的CAD系统[11-13]。关键算法之一是梗塞的分割。它的精确性依赖于正 确地识别梗塞和伪像。精确和快速地从弥散加权成像扫描图中量化梗塞在处理急性出血 性中风方面非常关键。获取的伪像在引起假阳性的弥散加权成像核磁共振扫描图中导致 高信号区域。区别梗塞和伪像有助于降低梗塞分割的误差。
技术实现思路
本专利技术涉及后台处理分割的核磁共振成像形成的图像以增加界定梗塞的精确 性。总体来讲，该算法提出，大脑的核磁共振成像形成的图像，例如一 3D弥散加权 成像形成的图像对比多个2D弥散加权成像扫描，基于扫描图的像素的亮度被分割以识别 相当于候选的梗塞组织的大脑的高信号区域，被用以消除不能被识别的已识别区域。这 可以通过一个或多个步骤实现消除被确认为与该扫描区域相应的已被识别的区域，该 扫描区域与反映在大脑的正中矢状面的该已被识别的区域相应；以及消除这样的区域， 该区域被确认为在一个或多个其他扫描图中不具有相应的已被识别的区域。该推荐的算法使得在弥散加权成像扫描图区分梗塞和伪像成为可能，并且因此 减少在形态测量方面的误差。估算对称相关的高信号区域的相似性的标准可以使用与在每一像素的亮度的泊 松误差相关的一数值参数。这是由于相对于该亮度(每一像素的亮度空间)的完美测量， 通常是由试验的正常分布独立而确定的。本技术的两种应用是确定结果是没有足够的证据证明一给出的2D扫描图显示 梗塞(举例来讲，如果接下来上述推荐的该消除方法的一个或两个，并且特别地，消除 对称区域的步骤，该保留的梗塞区域的数量不能满足一门限值)；以及在不显示梗塞的 2D扫描图中，移除被错误识别为梗塞的区域。该算法可以从任意梗塞处理系统中移除伪像。特别地，这种方法能使用离散小 波变换(DWT)扫描图应用到血栓溶解的调查，并且量化新发现梗塞的形态内容。一旦 上述算法用于产生一后台处理过的图像，那个图像可以用于量化ω该扩散输液失调以及 (ii)梗塞面积的大小相对于大脑中动脉(MCA)面积的比例。需要注意的是，除弥散加权成像外，其他数据获取技术例如液体衰减反转恢复 序列(fluid attenuation inversion recovery, FLAIR), T2,病变弥散系数(apparent diffusion coefficient, ADC)能被用以梗塞呈现。目前要考虑的是，本技术的兴趣在于量化新识别 的梗塞，并且对于那些弥散加权成像非常有价值，但该技术适用于不管在何处该“兴趣 信号”或“疾病检测”要比该图像的其余部分明亮。因此不考虑图像的类型，这种实用 的技术是可适用的。本算法可以通过一计算机系统应用。如果这样，典型地它可以被自动 执行(在 此它意味着，尽管人工交互可以启动该算法，当执行该算法时，仍然不要求人工交互)。 可选地，该算法可以被半自动执行(在处理过程中，有与计算机人工交互的实例)。本专利技术的特定表达是一种处理大脑的核磁共振成像形成的图像的方法，该核磁共振成像形成的图像包括多个相应于大脑的各个平面的2D核磁共振成像扫描图，该方法 包括识别每一扫描图中一个或多个在大脑中作为候选的相当于梗塞组织的高信号区域；该方法进一步包括一个或两个以下步骤(a)消除在脑半球中被视为包括一梗塞的已被识别的区域，该梗塞确定为满足第 一相似性标准，上述第一相近似标准与在该扫描图的正中矢状面的位于反映位置的相同 扫描图的相应区域相关；以及(b)消除已被识别的区域，该区域确定为与其他所述扫描图的相应位置的任何所 述已被识别的区域不相应。附图说明仅仅是为了举例的需要，本专利技术的实施例将参考以下附图进行描述，其中图1是描述了作为本专利技术实施例的第一方法的流程图，用以排除与正中矢状面 本文档来自技高网...
【技术保护点】
一种处理大脑的核磁共振成像形成的图像的方法，该核磁共振成像形成的图像包括多个相应于大脑的各个平面的２Ｄ核磁共振成像扫描图，该方法包括识别每一扫描图中一个或多个在大脑中作为候选的相当于梗塞区域的高信号区域； 该方法进一步包括一个或两个以下步骤： （ａ）消除在脑半球中被视为包括一梗塞的已被识别的区域，该梗塞确定为满足第一相似性标准，上述第一相近似标准与在该扫描图的正中矢状面的位于反映位置的相同扫描图的相应区域相关；以及 （ｂ）消除已被识别的区域，该区域确定为与其他所述扫描图的相应位置的任何所述已被识别的区域不相应。
【技术特征摘要】
【国外来华专利技术】US 2008-1-10 61/020,1871.一种处理大脑的核磁共振成像形成的图像的方法，该核磁共振成像形成的图像包 括多个相应于大脑的各个平面的2D核磁共振成像扫描图，该方法包括识别每一扫描图中 一个或多个在大脑中作为候选的相当于梗塞区域的高信号区域；该方法进一步包括一个或两个以下步骤(a)消除在脑半球中被视为包括一梗塞的已被识别的区域，该梗塞确定为满足第一相 似性标准，上述第一相近似标准与在该扫描图的正中矢状面的位于反映位置的相同扫描 图的相应区域相关；以及(b)消除已被识别的区域，该区域确定为与其他所述扫描图的相应位置的任何所述已 被识别的区域不相应。2.根据包括步骤(a)的权利要求1所述的方法，其中，所述相似性标准是该已被识别 的区域和该相应的区域分别具有的亮度相差不超过一数值，该数值是该已被识别区域的 亮度的增函数。3.根据权利要求2所述的方法，其中，该数值与已被识别区域的亮度成比例。4.根据包括步骤(a)的权利要求1-3任意一项所述的方法，进一步包括确定该区域是否占据该扫描图超过一预先设定的比例；以及如果确定结果为是，在该已被识别区域逐像素确定所述相似性标准是否满足；以及如果确定结果为否，确定该相似性标准是否整体上满足该已被识别区域。5.根据上述任意包括以那样顺序...
【专利技术属性】
技术研发人员：V笈多，BKN帕拉卡沙，WL诺维基斯，
申请(专利权)人：新加坡科技研究局，
类型：发明
国别省市：SG
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。