CN105678762B - 一种基于图像信息的缺血性脑卒中治疗监测系统 - Google Patents

一种基于图像信息的缺血性脑卒中治疗监测系统 Download PDF

Info

Publication number
CN105678762B
CN105678762B CN201610006024.7A CN201610006024A CN105678762B CN 105678762 B CN105678762 B CN 105678762B CN 201610006024 A CN201610006024 A CN 201610006024A CN 105678762 B CN105678762 B CN 105678762B
Authority
CN
China
Prior art keywords
image
blood perfusion
cerebral blood
cerebral
submodule
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Expired - Fee Related
Application number
CN201610006024.7A
Other languages
English (en)
Other versions
CN105678762A (zh
Inventor
郑秀娟
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Sichuan University
Original Assignee
Sichuan University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Sichuan University filed Critical Sichuan University
Priority to CN201610006024.7A priority Critical patent/CN105678762B/zh
Publication of CN105678762A publication Critical patent/CN105678762A/zh
Application granted granted Critical
Publication of CN105678762B publication Critical patent/CN105678762B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/0002Inspection of images, e.g. flaw detection
    • G06T7/0012Biomedical image inspection
    • G06T7/0014Biomedical image inspection using an image reference approach
    • GPHYSICS
    • G16INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16HHEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/20ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/10Image acquisition modality
    • G06T2207/10072Tomographic images
    • G06T2207/10081Computed x-ray tomography [CT]
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/10Image acquisition modality
    • G06T2207/10072Tomographic images
    • G06T2207/10108Single photon emission computed tomography [SPECT]
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/20Special algorithmic details
    • G06T2207/20212Image combination
    • G06T2207/20224Image subtraction
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/30Subject of image; Context of image processing
    • G06T2207/30004Biomedical image processing
    • G06T2207/30016Brain

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Biomedical Technology (AREA)
  • General Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Radiology & Medical Imaging (AREA)
  • Databases & Information Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Data Mining & Analysis (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Pathology (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Epidemiology (AREA)
  • Primary Health Care (AREA)
  • Nuclear Medicine (AREA)
  • Magnetic Resonance Imaging Apparatus (AREA)

Abstract

本发明公开了一种基于图像信息的缺血性脑卒中治疗监测系统包括:临床图像处理模块,用于实现对临床脑血流灌注图像进行导入、保存、格式转换、分组、图像标准化处理,并生成脑血流灌注模板;治疗前后图像分析模块,用于实现对临床治疗前后脑血流灌注时序图像进行对比分析,并计算获得用于疗效评估的定量参数;治疗监测模块,用于选择所述定量参数,并建立定量参数与传统临床评定恢复水平的关系,生成疗效评估的专家评判模型,基于所述专家评判模型对缺血性脑卒中的治疗过程进行监测。

Description

一种基于图像信息的缺血性脑卒中治疗监测系统
技术领域
本发明涉及医疗器械研究领域的一种监测装置,尤其涉及一种基于图像信息的缺血性脑卒中治疗监测辅助系统。
背景技术
在中国,脑卒中不仅发病率高,而且死亡率和致残率都很高,其中又以缺血性脑卒中最为常见(约占总数的60%~80%),鉴于目前脑卒中治疗的现状,《中国急性缺血性脑卒中诊治指南2010》指出针对缺血性脑卒中的处理需要强调早期诊断、早期治疗、早期康复和早期预防再发,这一过程需要对缺血性脑卒中治疗过程进行监测并对治疗效果进行评估。单光子发射计算机断层成像(SPECT)进行脑血流灌注显像,因其良好的灵敏度,对于进行脑卒中的诊断和治疗监测有着重要的临床价值。近年来,越来越多的文献报道了SPECT脑血流灌注显像在脑卒中治疗监测中的应用,而通常采用的是目测法或手工勾画感兴趣区定量分析的方法对脑血流灌注图像进行判读,给出相应的治疗监测的定性描述结果。由此可见,目前的基于脑血流灌注显像的脑卒中治疗监测方法还很粗糙,目测法无法定量地给出治疗效果的评估,而手工勾画感兴趣区的方法具有较强的主观性,费时费力,且难以多次重复,可获取的定量参数有限,无法充分利用图像信息。在脑卒中治疗过程中,治疗监测是关乎生命和生存质量的问题,提高基于脑血流灌注显像对缺血性脑卒中治疗监测的效用,在临床应用上有着重大的意义。
综上所述,本申请发明人在实现本申请发明技术方案的过程中,将现有方案存在的技术缺陷描述如下:
现有基于随访信息的治疗监测方法存在所需时间长,信息收集不便,量表打分不客观等问题。而采用基于脑血流灌注显像的缺血性脑卒中治疗监测方法,虽然一定程度上提高了治疗监测的客观性,但仍然存在效率较低,准确率不稳定,无法给出治疗效果的定量评估或定量评估参数单一,图像信息利用不充分等技术问题。
发明内容
针对上述现有技术存在的问题,本申请提供了一种基于图像信息的缺血性脑卒中治疗监测系统,充分利用图像信息,解决现有的采用SPECT脑血流灌注显像进行缺血性脑卒中治疗监测时存在的效率较低,准确率不稳定,无法给出定量地给出治疗效果的定量评估或定量评估参数单一等一系列技术问题。本系统能够为临床医生阅片提供给更多的定量信息,从而更有效得解读用于缺血性脑卒中治疗监测的脑血流灌注图像;实现了定量参数计算,并结合专家临床经验给出立足定量参数的治疗效果评判规则。使用本系统进行缺血性脑卒中治疗监测更加客观,具有良好的实用价值,效率和准确率较高,还可以作为疗效评估的辅助决策系统使用。
本申请提供了一种基于图像信息的缺血性脑卒中治疗监测辅助系统,所述系统包括如下三个模块:
临床图像处理模块,所述临床图像处理模块用于实现临床图像的导入、保存、格式转换、分组以及图像标准化处理以及生成标准脑血流灌注模板的功能;
治疗前后图像分析模块,所述治疗前后图像分析模块用于实现对临床治疗前后脑血流灌注时序图像进行对比分析并计算获得定量参数用于疗效评估;
治疗监测模块,所述治疗监测模块用于选择定量参数,建立与传统临床评定的恢复水平的关系,生成疗效评估的专家评判模型,实现对缺血性脑卒中的治疗过程进行监测。
其中,临床图像处理模块具体包括:
图像存储子模块,所述图像存储子模块用于实现临床SPECT/CT脑血流灌注图像导入、保存和图像格式(包括DICOM、Rawdata、Analyze及NIFTI格式)相互转换;此外,该子模块还具备图像分组功能,可以将导入的图像根据临床需求进行分组(例如,根据不同治疗方案进行分组)。
图像处理子模块,所述图像处理子模块用于进行图像配准、数值归一化、空间规范化处理;
模板生成子模块,所述模板生成子模块用于生成自定义标准脑血流灌注模板。
步骤1:首先调用图像处理子模块导入若干例脑血流灌注图像(通常需要大于5例样本),将这些图像分成一组,并进行数值归一化、空间规范化处理,得到标准化图像;
步骤2:对这些标准化图像进行群组逐像素统计分析,计算各对应位置上像素点像素值的均值和方差,而后将均值和方差重新赋给标准图像空间上的相应像素点,从而得到所需的脑血流灌注图像模板,该模板可分解为一个平均值模板和一个标准差模板;
步骤3:根据所选样本图像的不同编组方式,可以生成正常人群或者特定疾病的脑血流灌注模板。
其中,所述治疗前后图像分析模块具体包括:
缺血区定位子模块,所述缺血区定位子模块用于对临床图像与正常图像模板进行比较确定缺血区域,并根据相应的脑地图自动获取缺血区域在大脑的定位。该子模块的具体实现步骤如下:
首先,调用临床图像处理模块对输入的脑血流灌注图像进行数值归一化和空间规范化,并建立正常脑血流灌注模板;
接着,将正常脑血流灌注模板的平均值模板设定为基准图像,将输入图像与基准图像进行剪影计算获得的差值图像;
然后,将所得差值图像与正常脑血流灌注模板的标准差模板进行逐像素比较,当差值图像的某像素值为负值,并且绝对值超过标准差模板相应像素点像素值2倍时,则判定该像素点对应的区域为脑血流低灌注点,当脑血流低灌注点构成的连通区大小大于设定阈值时,则认为由这些脑血流灌注点构成的连通区为一个缺血区域。
恢复区定位子模块,所述恢复区定位子模块用于对治疗前后的脑血流灌注图像进行对比分析得到脑血流变化率参数图像,并根据缺血区定位信息,对治疗后脑血流灌注恢复区域进行定位。该子模块的具体实验步骤如下:
首先,调用临床图像处理模块对治疗前后的两幅或多幅脑血流灌注图像进行数值归一化和空间规范化处理;
接着,选取治疗前图像为基准图像,对一系列治疗后图像进行剪影操作,增强治疗前后的图像差异,所得差值图像除以基准图像,生成脑血流灌注变化率参数图;
然后,在已获得缺血区定位的基础上,分析脑血流灌注变化率参数图,若参数图中某像素位于缺血区范围内或在缺血区周边,并且像素值大于设定的恢复判定阈值时,则认为该像素点为脑血流灌注恢复点,当脑血流灌注恢复点构成的连通区大小大于设定阈值时,则认为该连通区为一个脑血流灌注恢复区。
疗效参数估计子模块,所述疗效参数估计子模块用于提取用于疗效评估的定量化参数,量化参数包括:指定区域内的脑血流变化率的平均值、最大值、最小值、中值和标准偏差以及各脑血流恢复区大小(包括体积及特定层面的面积)、各缺血区的大小(包括体积及特定层面的面积)、各脑血流恢复区的大小(包括体积及特定层面的面积)、以及脑血流恢复区与其相应缺血区的大小比值。该子模块的具体实现步骤如下:
首先,调用缺血区定位子模块获得缺血区域的定位,同时调用恢复区定位子模块获得恢复区域的定位,并生成脑血流变化率参数图;
接着,根据已知的缺血区域和恢复区域的定位信息,将恢复区域分为如下两个部分:缺血区内恢复区、缺血区周边恢复区;
然后,由脑血流灌注变化率参数图信息能够视觉评估整个恢复区域脑血流变化,同时进一步计算局部定量参数用于后续的疗效评估。全局定量参数包括,全脑脑血流变化率的平均值、最大值、最小值、中值和标准偏差,以及缺血区和恢复区大小及比值,以及它们分别占全脑大小的比重;局部定量参数包括:指定区域内的脑血流变化率的平均值、最大值、最小值、中值和标准偏差以及脑血流恢复区和缺血区大小及其比值。此外,可以根据临床需求对所获得的定量参数进行组合成为自定义参数,例如:缺血区内恢复区脑血流变化率的最大值与最小值的比值等。
其中,所述治疗监测模块具体包括:
参数选择子模块,所述参数选择子模块用于对疗效参数估计子模块输出的定量参数进行选择,可以依据各参数的先验概率进行自动选取,也可以按照需求进行手动选取;
专家评判模型设置子模块,所述专家评判模型设置子模块用于:根据学习样本,建立医生评定的恢复水平同定量参数间的关系,并生成可用于疗效评估的专家评判模型;根据专家评判模型设定的规则推导出疗效评估结果。
结果输出子模块,所述结果输出子模块用于将疗效监测结果以报告形式输出并显示,报告内容包括:输入治疗前后脑血流灌注显像的信息、缺血区域定位信息、恢复区域定位信息、用于疗效评估的各定量参数和基于专家评判模型得出的疗效评估结果。
本申请实施例中提供的一个或多个技术方案,至少具有如下技术效果或优点:
由于本申请中将基于图像信息的缺血性脑卒中治疗监测辅助系统进行了模块化设计,包括了临床图像处理模块、治疗前后图像分析模块和治疗监测模块三大模块,实现了三大功能:(1)处理治疗前后的脑血流灌注图像,使时序图像具有可比性;(2)基于治疗前后时序图像信息获得用于疗效监测的定量参数;(3)结合定量参数与临床经验获得治疗效果评价。三大功能通过上述三个模块实现,三个模块具有一定的独立性,又互相耦合组成整个缺血性脑卒中治疗监测系统,其中临床图像处理模块为基础步骤,为后续图像分析和治疗监测提供必要的预处理功能;而治疗前后图像分析模块又为治疗监测模块提供必要的数据支持,最终获得对治疗效果的评价。整个系统的通用功能与专用功能既相互独立又紧密联系,便于后续的系统升级和功能改进。
根据该系统的设计,其使用特点如下:首先,病人在进行治疗前进行一次SPECT/CT脑血流灌注显像,在治疗结束后进行至少一次SPECT/CT脑血流灌注显像,所获得的时序图像输入临床图像处理模块由图像存储子模块进行存储和格式转换,如果临床要求还可以对该病例进行分组;接着,利用图像处理子模块的图像配准、数值归一化、空间规范化功能,实现治疗前后的脑血流灌注显像图像标准化处理,使其具有可比性,同时转换到标准模板空间;若已建立了正常标准模板,后续的缺血区定位和恢复区判定便可以在此基础上进行,利用治疗前后图像分析模块获得定量参数用于辅助治疗监测,所得定量参数输入治疗监测模块通过先期建立的专家评判模型进行治疗效果评估,并将结果记录于知识库,作为后续的学习样本,用于专家评判模型的不断完善和修正。
采用影像方法是进行治疗监测的有效手段,以往医生可能仅凭借目测治疗前后图像来给出结论,倚重医生的经验,因此本系统希望能够通过采用计算机辅助的方法,计算定量参数,借鉴高年资医生的经验,给出客观有效的方法来描述治疗效果达到治疗监测的目的,同时也辅助低年资医生提高临床阅片效率,且该系统能够对缺血性脑卒中治疗前后获取的时序脑血流灌注影像进行有效的配准、数值归一化和空间规范化处理,并定位缺血区域,同时提供能够反映治疗效果的定量指标,为医生进行脑缺血治疗监测和疗效评估提供参考,从而提高诊断的及时性、客观性和可靠性。
该系统在进行数据分析过程中既保留了原有影像信息还引入了由正常影像数据库生成的正常脑血流灌注模板,结果更加客观可靠,并且分析过程既可以由系统自动完成,也可以根据不同的数据条件和操作者的经验进行调整,具有较高的临床实用价值,所以,有效解决了现有的基于脑血流灌注显像的缺血性脑卒中治疗监测方法存在效率和准确率较低,无法定量地给出治疗效果的评估,无法充分挖掘图像中的有用信息的技术问题,进而实现了能够为临床阅片提供给更多的定量信息,对用于缺血性脑卒中治疗监测的脑血流灌注图像进行更有效的解读,充分使用了图像所承载的信息,给出了定量参数,并结合医生经验给出治疗效果的评估,使用本系统的治疗监测活动更加客观,具有良好的实用价值,效率和准确率较高,能够作为疗效评估的辅助决策系统使用的技术效果。
附图说明
此处所说明的附图用来提供对本发明实施例的进一步理解,构成本申请的一部分,并不构成对本发明实施例的限定;
图1是本申请实施例一中基于图像信息的缺血性脑卒中治疗监测系统的组成示意图。
具体实施方式
本发明提供了一种基于图像信息的缺血性脑卒中治疗监测系统。通过如下技术方案实现,如图1所示,共包括以下三大功能模块:临床图像处理模块、治疗前后图像分析模块和治疗监测模块。
临床图像处理模块主要用于实现对临床脑血流灌注图像的基本图像处理功能,主要包括图像存储子模块、图像处理子模块和模板生成子模块。图像存储子模块用于实现临床SPECT/CT脑血流灌注图像导入、保存和图像格式(DICOM、Rawdata、Analyze及NIFTI格式)转换的通用功能。此外,该子模块还具备图像分组功能,可以将导入的图像根据临床要求进行分组,例如,根据不同治疗方案进行分组,用于分析不同治疗方案对治疗效果的影响。图像处理子模块包括图像配准、数值归一化、空间规范化等通用功能。图像配准处理功能集成了刚体配准算法和弹性配准算法,可以根据实际需要选择使用;数值归一化处理集成了Z图法和参考区法。通常Z图法适用于时序图像的数值归一化,同时要求所处理的时序图像已经进行了空间配准操作。参考区法可以用于单幅图像及时序图像的数值归一化。采用参考区法时,若选择全脑为参考区则无需进行空间规范化处理,若选择特定脑区(如,小脑)则需要先进行空间规范化处理,以确定所选脑区的定位;空间规范化处理采用弹性配准算法将临床数据映射到标准脑模板上,该处理步骤中可选用国际通用的脑模板(例如,MNI脑模板及配套的脑地图),也可以使用自定义的脑膜版。模板生成子模块主要用于生成自定义标准脑模板,该子模块的具体功能实现方法如下:(1)调用图像处理子模块导入若干例脑血流灌注图像(通常需要大于5例样本),将这些图像分成一组,并进行数值归一化、空间规范化处理,得到标准化图像;(2)对这些标准化图像进行群组逐像素统计分析,计算各对应位置上像素点像素值的均值和方差,而后将均值和方差重新赋与标准图像空间上的相应像素点,从而得到所需的脑血流灌注图像模板,该模板可分解为一个平均值模板和一个标准差模板;(3)根据所选样本图像的不同编组方式,可以生成正常人群或者特定疾病的脑血流灌注模板。
治疗前后图像分析模块主要用于实现对临床脑血流灌注图像分析并得出定量化疗效评估参数的功能,包括缺血区定位子模块、恢复区定位子模块和疗效参数估计子模块。缺血区域定位子模块主要功能是对临床图像与正常图像模板进行比较确定缺血区域,并根据相应的脑地图自动获取缺血区域在大脑的定位。该子模块的实现方法如下:(1)调用临床图像处理模块对输入的脑血流灌注图像进行数值归一化和空间规范化,并建立正常脑血流灌注模板;(2)接着,将正常脑血流灌注模板的平均值模板设定为基准图像,将输入图像与基准图像进行剪影计算获得的差值图像;(3)然后,将所得差值图像与正常脑血流灌注模板的标准差模板进行逐像素比较,当差值图像的某像素值为负值,并且绝对值超过标准差模板相应像素点像素值2倍时,则判定该像素点对应的区域为脑血流低灌注点,当脑血流低灌注点构成的连通区大小大于设定阈值(默认值设定为120像素)时,则该连通区为一个缺血区域。其中标准差倍数及连通区大小为可调参数,可以根据需要设定。当缺血区域定位后,通过搜索相应的脑地图则可以给出缺血区域所在脑区的名称,便于后续的报告输出。恢复区定位子模块主要功能是对治疗前后的脑血流灌注图像进行对比分析得到脑血流变化率参数图像,并结合缺血区定位信息,对治疗后脑血流灌注恢复区域进行定位。该子模块的实现方法如下:(1)调用临床图像处理模块对治疗前后的两幅或多幅脑血流灌注图像进行数值归一化和空间规范化处理;(2)选取治疗前图像为基准图像,对一系列治疗后图像进行剪影操作,增强治疗前后的图像差异,所得差值除以基准图像像素值得到每一像素点治疗前后的变化率,并逐一赋给基准图像空间的各像素点,从而生成脑血流灌注变化率参数图;(3)在已获得缺血区定位的基础上,分析脑血流灌注变化率参数图,若参数图中某像素位于缺血区范围内或在缺血区域周边(默认值设定为5像素),并且像素值大于设定的恢复判定阈值(默认值设定为20%)时,则认为该像素点为脑血流灌注恢复点,当脑血流灌注恢复点构成的连通区大小大于设定阈值(默认值设定为120像素)时,则认为该连通区为一个脑血流灌注恢复区。其中缺血区域周边范围大小、恢复判定阈值和连通区大小为可调参数,可以根据需求设定。系统中所有的默认值均根据前期模型仿真实验给出结果设定。
疗效参数估计子模块,所述疗效参数估计子模块用于提取用于疗效评估的定量参数,定量参数包括:指定区域内的脑血流变化率的平均值、最大值、最小值、中值和标准偏差以及各缺血区的大小(体积及特定层面面积)、各脑血流恢复区的大小(体积及特定层面的面积)、以及脑血流恢复区与其相应缺血区的大小比值。该子模块的具体实现步骤如下:(1)调用缺血区定位子模块获得缺血区域的定位(Pi,i=1,2,…,M),同时调用恢复区定位子模块获得恢复区域的定位(Ri,i=1,2,…,M),并生成脑血流变化率参数图CRM(x,y);(2)根据已知的缺血区域和恢复区域的定位信息,将恢复区域分为如下两个部分:缺血区内恢复区,记为缺血区周边恢复区,记为 由脑血流灌注变化率参数图信息能够视觉评估整个恢复区域脑血流变化,同时进一步计算局部定量参数用于后续的疗效评估。全局定量参数包括,全脑脑血流变化率的平均值、最大值、最小值、中值和标准偏差,缺血区和恢复区总大小及其比值,以及它们分别占全脑大小的比重;局部定量参数包括:指定区域内的脑血流变化率的平均值、最大值、最小值、中值和标准偏差等统计量以及脑血流恢复区和缺血区大小及其比值等。
定量参数计算具体方法如下,其中x和y作为脑血流灌注变化率参数图中像素的行和列坐标。
脑血流灌注变化率平均值:
脑血流灌注变化率最大值:
脑血流灌注变化率最小值:
脑血流灌注变化率中值:
对于第i个恢复区脑血流灌注恢复区域同相应缺血区大小比值可以由以下两个定量参数进行描述:
缺血区内恢复区比例:
恢复区总比例:
在全脑范围内进行统计,则可以计算全局恢复区与缺血区大小百分比:
全局缺血区内恢复区比例:
全局恢复区总比例:
此外,还可以根据临床需求对所获得的定量参数进行组合成为自定义参数,例如:缺血区内恢复区脑血流变化率的最大值与最小值的比值。
治疗监测模块用于选择定量参数,建立与传统临床评定的恢复水平的关系,生成疗效评估专家评判模型,实现对缺血性脑卒中的治疗过程进行监测。该模块由参数选择子模块、专家评判规则设置子模块、结果输出子模块三个子模块组成。
参数选择子模块,所述参数选择子模块用于对疗效参数估计子模块输出的定量参数进行选择,可以依据学习样本中各参数的先验概率进行自动选取,默认预设选取脑血流灌注变化率平均值(PCRmean)、脑血流灌注变化率最大值(PCRmax)、缺血区内恢复区比例(in%i)和全局缺血区内恢复区比例(in%total)为建立专家评判规则的输入参数。另外,参数选择也可以根据需求进行手动选取。
专家评判模型设置子模块用于:根据学习样本,建立医生评定的恢复水平同定量参数间的关系,并生成可用于疗效评估的专家评判模型;根据专家评判模型设定的规则推导出疗效评估结果。
结果输出子模块用于将疗效监测结果以报告形式输出并显示,报告内容包括:输入治疗前后脑血流灌注显像的信息、缺血区域定位信息、恢复区域定位信息、用于疗效评估的各定量参数和基于专家评判模型给出的疗效评估结果。
为了更好的理解上述技术方案,下面将结合说明书附图以及具体的实施方式对上述技术方案进行详细的说明。
下面结合具体实施例及附图,对本发明作进一步地的详细说明,但本发明的实施方式不限于此。
本实施例的目标是基于治疗前后的脑血流灌注图像获取定量参数并用于缺血性脑卒中治疗监测。在本系统首次使用时,如果需要自定义正常脑血流灌注模板,可由如下步骤开始,否则可跳过以下正常脑血流灌注膜版生成步骤。选取10例正常人(99m)Tc-ECD-SPECT脑血流灌注图像输入该系统,调用临床图像处理模块经过图像配准、数值归一化、空间规范化操作后,建立正常人标准脑血流灌注模板。在本实施例中,缺血性脑卒中治疗监测以一例颈动脉血管支架手术治疗监测为实例进行说明。在实施颈动脉血管支架手术前3天及手术后7天各进行一次(99m)Tc-ECD SPECT/CT脑血流灌注显像,显像全过程遵守中国~(99m)Tc标记药物SPECT脑灌注显像的操作指南。所获得的治疗前后SPECT脑血流灌注图像由临床图像处理模块完成图像配准、数值归一化、空间规范化操作,而后输入治疗前后图像分析模块,通过与所获得的正常脑血流灌注模板进行对比分析,借助通用脑地图获得缺血区域和恢复区定位,并计算得到可用于进行疗效评估的定量参数,结果列表1所示:
表1
缺血/恢复区 PCR<sub>mean</sub> PCR<sub>max</sub> PCR<sub>min</sub> PCR<sub>med</sub> in%<sub>i</sub> all%<sub>i</sub>
右侧额叶 27.7% 61.11% 12.1% 25.51% 45% 55%
右侧顶叶 28.7% 48.8% 15.0% 27.3% 67% 80%
右侧颞叶 25.7% 47.1% 13.2% 26.9% 35% 61%
右侧基底节 26.3% 20.0% 51.0% 24.8% 60% 65%
PCR<sub>mean</sub> PCR<sub>max</sub> PCR<sub>min</sub> PCR<sub>med</sub> in%<sub>total</sub> all%<sub>total</sub>
全脑 52% 70%
在治疗监测过程中,这些计算获得的定量参数输入治疗监测模块,根据前期经验选取脑血流灌注变化率平均值(PCRmean)、脑血流灌注变化率最大值(PCRmax)、缺血区内恢复区比例(in%i)和全局缺血区内恢复区比例(in%total)并结合临床经验和前期模型仿真结论建立专家评判模型,其规则设定如下:
IF PCRmean<20%THEN无明显变化,无恢复;
IF PCRmean≥20%AND PCRmax<30%THEN稍有恢复;
IF PCRmean≥20%AND PCRmax≥30%AND in%total<20%THEN稍有恢复;IF PCRmean≥20%AND PCRmax≥30%ANDin%total≥20%AND max(in%i)<50%THEN恢复;
IF PCRmean≥20%AND PCRmax≥30%AND in%total≥20%AND max(in%i)≥50%THEN明显恢复。
由此,根据以上专家评判模型,本实施例所得治疗效果评估结果为明显恢复,同临床诊断报告结果一致。
本实施例中治疗监测辅助系统通过对治疗前后脑血流灌注显像进行对比分析,得出对治疗效果的定量评价指标,有助于缺血性脑卒中临床治疗监测,具有良好的实用价值。
上述本申请实施例中的技术方案,至少具有如下的技术效果或优点:
有效解决了现有的基于脑血流灌注显像的缺血性脑卒中治疗监测方法存在效率和准确率较低,无法定量地给出治疗效果的评估,无法充分挖掘图像中的有用信息的技术问题,进而实现了能够为临床阅片提供给更多的定量信息,对用于缺血性脑卒中治疗监测的脑血流灌注图像进行更有效的解读,充分使用了图像所承载的信息,给出了定量参数,并结合医生经验给出治疗效果的评判。本系统的使用有助于提高治疗监测的效率、客观性和准确率。因此,本系统可作为缺血性脑卒中临床治疗监测的辅决策系统,具有良好的实用价值。
尽管已描述了本发明的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例作出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。

Claims (6)

1.一种基于图像信息的缺血性脑卒中治疗监测系统,其特征在于,所述系统包括:
临床图像处理模块,所述临床图像处理模块用于实现对SPECT脑血流灌注图像进行导入、保存、格式转换、分组、图像标准化处理,并生成脑血流灌注模板;
治疗前后图像分析模块,所述治疗前后图像分析模块用于实现对临床治疗前后SPECT脑血流灌注图像进行对比分析,并计算获得用于疗效评估的定量参数;
治疗监测模块,所述治疗监测模块用于选择所述定量参数,并建立定量参数与传统临床评定恢复水平的关系,生成疗效评估的专家评判模型,基于所述专家评判模型对缺血性脑卒中的治疗过程进行监测;
所述临床图像处理模块具体包括:
图像存储子模块,所述图像存储子模块用于实现SPECT脑血流灌注图像导入、保存和图像格式转换,以及根据临床要求进行图像分组;
图像处理子模块,所述图像处理子模块用于对临床治疗前后SPECT脑血流灌注图像进行配准、数值归一化、空间规范化处理;
模板生成子模块,所述模板生成子模块用于生成自定义标准脑血流灌注模板;
所述模板生成子模块的实现步骤具体包括:
步骤1:首先调用图像存储子模块导入若干例SPECT脑血流灌注图像,将导入的图像分成一组,并调用图像处理子模块对导入的图像进行数值归一化、空间规范化处理,得到标准化图像;
步骤2:对步骤1获得的标准化图像进行群组逐像素统计分析,计算各对应位置上像素点像素值的均值和方差,然后将计算得到的均值和方差重新赋给标准图像空间上的相应像素点,从而得到所需的脑血流灌注模板,该模板可分解为一个平均值模板和一个标准差模板;
步骤3:根据所选SPECT脑血流灌注图像的不同分组方式,生成针对正常或者特定疾病的脑血流灌注模板。
2.根据权利要求1所述的基于图像信息的缺血性脑卒中治疗监测系统,其特征在于,所述治疗前后图像分析模块具体包括:
缺血区定位子模块,所述缺血区定位子模块用于对SPECT脑血流灌注图像与正常脑血流灌注模板进行对比分析确定缺血区,并根据对应的脑地图自动获取缺血区在大脑的定位;
恢复区定位子模块,所述恢复区定位子模块用于对临床治疗前后SPECT脑血流灌注图像进行对比分析计算得到脑血流灌注变化率参数图像,并根据缺血区定位信息,对治疗后脑血流灌注恢复区进行定位;
疗效参数估计子模块,所述疗效参数估计子模块用于提取用于疗效评估的定量参数,定量参数包括:指定区域内的脑血流变化率的平均值、最大值、最小值、中值和标准偏差、各脑血流恢复区和缺血区的大小、各脑血流恢复区大小与缺血区大小的比值。
3.根据权利要求2所述的基于图像信息的缺血性脑卒中治疗监测系统,其特征在于,所述缺血区定位子模块的实现步骤具体包括:
首先,调用临床图像处理模块对输入的SPECT脑血流灌注图像进行数值归一化和空间规范化处理,并调用已建立的正常脑血流灌注模板;
然后,将正常脑血流灌注模板的平均值模板设定为基准图像,将输入图像与基准图像相减获得差值图像;
然后,将所得差值图像与正常脑血流灌注模板的标准差模板进行逐像素比较,当差值图像的某像素点像素值为负值,并且绝对值超过标准差模板相应像素点像素值2倍时,则判定该像素点对应的区域为脑血流低灌注点,当脑血流低灌注点构成的连通区大小大于设定阈值时,则认为由这些脑血流低灌注点构成的连通区为一个缺血区。
4.根据权利要求2所述的基于图像信息的缺血性脑卒中治疗监测系统,其特征在于,所述恢复区定位子模块的实现步骤具体包括:
首先,调用临床图像处理模块导入治疗前后的两幅或多幅SPECT脑血流灌注图像,并进行数值归一化和空间规范化处理;
然后,选取临床治疗前图像为基准图像,对一系列临床治疗后图像进行输入图像与基准图像相减获得差值图像操作,增强治疗前后的图像差异,所得差值图像除以基准图像生成脑血流灌注变化率参数图;
然后,在已获得缺血区定位的基础上,分析脑血流灌注变化率参数图,若参数图中某像素点位于缺血区范围内或在缺血区周边,并且其像素值大于设定的恢复判定阈值时,则认为该像素点为脑血流灌注恢复点,当脑血流灌注恢复点构成的连通区大小大于设定阈值时,则认为该连通区为一个脑血流灌注恢复区。
5.根据权利要求2所述的基于图像信息的缺血性脑卒中治疗监测系统,其特征在于,所述疗效参数估计子模块的实现步骤具体包括:
首先,调用缺血区定位子模块获得缺血区的定位,同时调用恢复区定位子模块获得恢复区的定位,并生成脑血流灌注变化率参数图;
接着,根据已知的缺血区和恢复区的定位信息,将恢复区分为如下两个部分:缺血区内恢复区、缺血区周边恢复区;
然后,由脑血流灌注变化率参数图信息评估整个恢复区脑血流变化,同时进一步计算全局和局部定量参数用于后续的疗效评估;
最后,对所获得的定量参数进行组合成为自定义参数。
6.根据权利要求2所述的基于图像信息的缺血性脑卒中治疗监测系统,其特征在于,所述治疗监测模块具体包括:
参数选择子模块,所述参数选择子模块用于对疗效参数估计子模块输出的用于疗效评估的定量化参数进行选择;
专家评判模型设置子模块,所述专家评判模型设置子模块用于:根据学习样本,建立医生评定的恢复水平同定量参数间的关系,并设定用于疗效评估的专家评判模型;
结果输出子模块,所述结果输出子模块用于将疗效监测结果以报告形式输出并显示,报告内容包括:输入治疗前后脑血流灌注显像的信息、缺血区定位信息、恢复区定位信息、用于疗效评估的各定量参数和基于专家评判模型得出的疗效评估结果。
CN201610006024.7A 2016-01-06 2016-01-06 一种基于图像信息的缺血性脑卒中治疗监测系统 Expired - Fee Related CN105678762B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610006024.7A CN105678762B (zh) 2016-01-06 2016-01-06 一种基于图像信息的缺血性脑卒中治疗监测系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610006024.7A CN105678762B (zh) 2016-01-06 2016-01-06 一种基于图像信息的缺血性脑卒中治疗监测系统

Publications (2)

Publication Number Publication Date
CN105678762A CN105678762A (zh) 2016-06-15
CN105678762B true CN105678762B (zh) 2019-04-02

Family

ID=56298980

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610006024.7A Expired - Fee Related CN105678762B (zh) 2016-01-06 2016-01-06 一种基于图像信息的缺血性脑卒中治疗监测系统

Country Status (1)

Country Link
CN (1) CN105678762B (zh)

Families Citing this family (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107273704A (zh) * 2017-07-12 2017-10-20 北京航空航天大学 一种脑卒中复发预测模型的建立方法及装置
CN108172292A (zh) * 2017-10-31 2018-06-15 海南职业技术学院 一种医疗数据跟踪管理系统及方法
CN109191422B (zh) * 2018-07-09 2021-04-30 复旦大学 基于常规ct图像的缺血性脑卒中早期检测系统和方法
CN110739046A (zh) * 2018-07-18 2020-01-31 安影科技(北京)有限公司 一种多期多参数脑灌注成像平台
CN109192280A (zh) * 2018-07-28 2019-01-11 天津大学 一种基于kl散度的颈椎热成像图数据验证方法
CN110288587A (zh) * 2019-06-28 2019-09-27 重庆同仁至诚智慧医疗科技股份有限公司 一种缺血性脑卒中磁共振影像的病灶识别方法
CN111631700B (zh) * 2020-05-25 2021-08-10 华南理工大学 一种根据最佳血压目标值调节血压的系统
CN113222893B (zh) * 2021-04-06 2022-03-08 数坤(北京)网络科技股份有限公司 一种异常区域确定方法及装置
CN113520363B (zh) * 2021-06-25 2023-08-25 安影科技(北京)有限公司 一种下丘脑及垂体的血流灌注获取方法及系统
WO2023190382A1 (ja) * 2022-03-29 2023-10-05 株式会社カネカ 評価システム、評価装置、および評価方法
CN115954099B (zh) * 2022-11-18 2023-09-15 临沂中科睿鹤智慧科技有限公司 一种基于多模态步态参数的脑卒中关联量化评估方法
CN116687353B (zh) * 2023-08-01 2023-12-19 宁波杜比医疗科技有限公司 新辅助化疗疗效评估系统、设备及介质

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101978375A (zh) * 2008-03-17 2011-02-16 皇家飞利浦电子股份有限公司 灌注成像

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2014065340A1 (ja) * 2012-10-23 2014-05-01 株式会社東芝 画像処理装置、医用画像診断装置及び画像処理方法

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101978375A (zh) * 2008-03-17 2011-02-16 皇家飞利浦电子股份有限公司 灌注成像

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
CT灌注成像联合CT血管造影在缺血性脑卒中中的应用;潘嘉炜;《中国博士论文全文数据库》;20150315;摘要,正文第10-12页
SPECT在缺血性脑血管病疗效评价中的作用;依马木•依达依吐拉等;《中华神经外科疾病研究杂志》;20150209;第14卷(第1期);摘要,第25页左边栏第1段至第27页左边栏第5段

Also Published As

Publication number Publication date
CN105678762A (zh) 2016-06-15

Similar Documents

Publication Publication Date Title
CN105678762B (zh) 一种基于图像信息的缺血性脑卒中治疗监测系统
US11937962B2 (en) Systems and methods for automated and interactive analysis of bone scan images for detection of metastases
AU2019205766B2 (en) Systems and methods for rapid neural network-based image segmentation and radiopharmaceutical uptake determination
Ouyang et al. Echonet-dynamic: a large new cardiac motion video data resource for medical machine learning
CN104951894B (zh) 医院疾病管理智能分析和评估系统
CN107463771B (zh) 一种病例分组的方法和系统
Yuan et al. Personalized design technique for the dental occlusal surface based on conditional generative adversarial networks
Balkan Enterprise productivity measurement in services by OMAX (Objective Matrix) method and an application with Turkish emergency service
CN110246580A (zh) 基于神经网络和随机森林的颅侧面影像分析方法和系统
Lee et al. Deep learning based cephalometric landmark identification using landmark-dependent multi-scale patches
CN110604597A (zh) 基于超声四腔心切面智能获取胎儿心动周期图像的方法
CN115938591B (zh) 基于放疗的剂量分布区间确定装置及电子设备
CN108629804B (zh) 一种具有权重分配机制的三维颜面对称参考平面提取方法
CN116486182A (zh) 一种基于DenseNet网络的医学图像分类方法及系统
Kedem et al. Forecasting mortality rates via density ratio modeling
Wang et al. Multi modality fusion transformer with spatio-temporal feature aggregation module for psychiatric disorder diagnosis
CN111489797A (zh) 一种病患信息随访系统
Anu et al. A comprehensive analysis using neural network-based model for thyroid disease prediction
Zheng et al. APPLICATION OF ABC IN SMALL AND MEDIUM-SIZED PUBLIC HOSPITALS: A CASE STUDY OF A MATERNAL AND CHILD HEALTH HOSPITAL.
Chorba et al. Planning models for tuberculosis control programs
Bowman et al. Modelling of cardiac imaging data with spatial correlation
Xu et al. Modified Hybrid Task Cascade for Lung Nodules Segmentation in CT Images with Guided Anchoring
Sabharwal et al. Integrating Image Analysis and Dental Radiography for Periodontal and Peri-Implant Diagnosis
Guo et al. A one-stage deep learning architecture for the detection of key points in peri-implant alveolar bone
Lee et al. Resolving the non-uniformity in the feature space of age estimation: A deep learning model based on feature clusters of panoramic images

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20190402

Termination date: 20220106