CN106204471A - 对比剂急性肾损害大鼠bold图像后处理方法 - Google Patents
对比剂急性肾损害大鼠bold图像后处理方法 Download PDFInfo
- Publication number
- CN106204471A CN106204471A CN201610511975.XA CN201610511975A CN106204471A CN 106204471 A CN106204471 A CN 106204471A CN 201610511975 A CN201610511975 A CN 201610511975A CN 106204471 A CN106204471 A CN 106204471A
- Authority
- CN
- China
- Prior art keywords
- image
- bold
- renal
- contrast medium
- post processing
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 13
- 208000009304 Acute Kidney Injury Diseases 0.000 title claims abstract description 12
- 238000012805 post-processing Methods 0.000 title claims abstract description 12
- 239000002872 contrast media Substances 0.000 title claims abstract description 10
- 210000003734 kidney Anatomy 0.000 claims abstract description 7
- 238000003384 imaging method Methods 0.000 claims abstract description 5
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 5
- 238000009738 saturating Methods 0.000 claims 1
- 230000008676 import Effects 0.000 abstract description 4
- 238000003672 processing method Methods 0.000 abstract description 2
- 238000010171 animal model Methods 0.000 description 3
- 239000000193 iodinated contrast media Substances 0.000 description 3
- 208000033626 Renal failure acute Diseases 0.000 description 2
- 201000011040 acute kidney failure Diseases 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 230000001054 cortical effect Effects 0.000 description 2
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 2
- 239000003814 drug Substances 0.000 description 2
- 230000001939 inductive effect Effects 0.000 description 2
- 241000208340 Araliaceae Species 0.000 description 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 1
- 235000003140 Panax quinquefolius Nutrition 0.000 description 1
- 206010061481 Renal injury Diseases 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000002146 bilateral effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 235000008434 ginseng Nutrition 0.000 description 1
- 208000037806 kidney injury Diseases 0.000 description 1
- 230000008506 pathogenesis Effects 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000012109 statistical procedure Methods 0.000 description 1
Classifications
-
- G06T5/90—
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration by the use of more than one image, e.g. averaging, subtraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30084—Kidney; Renal
Abstract
本发明公开了一种对比剂急性肾损害大鼠BOLD图像后处理方法；旨在提供一种处理方法简单，处理结果误差概率小的对比剂急性肾损害大鼠BOLD图像后处理方法；其技术方案：1)导入肾脏图像；2)选择T2*重建软件包，设定阈值，将步骤1)中的肾脏图像以为结构不纳入重建计算范围，并确保每个回波所采集的图像全部包括在内；3)设定自限水平，通过浏览原始图，将成像较差的回波去掉；4)选取经肾门层面且图像较清晰的BOLD序列原始图像作为背景定位图，调整伪彩图透明度为50％；5)分别选取肾上极、下极、中部三个部位，在每个部位的肾皮质、内髓、外髓三层分别放置形状、大小一致的ROI，取各层三个数值的均值作为T2*及R2*值。
Description
技术领域
本发明公开了一种图像后处理方法，具体的说，是对比剂急性肾损害大鼠BOLD图像后处理方法
背景技术
目前，对目前BOLD图像后处理方法通常为：1、导入图像：将采用BOLD序列扫描的原始图导入后处理软件进行重建。2、选择T2*重建软件包，选择合适的阈值，将每个回波所采集的图像全部包括在内。3、设定自限水平，通过浏览原始图，将成像较差的回波去掉。4、在所得到的R2*以及T2*伪彩图上放置ROI，得到相应感兴趣区的R2*值及T2*值。
通常存在下述问题，1、缺乏对BOLD原始图像进行评估、筛选，可能将图像质量较差的原始图一并导入，对相对定量或半定量的T2*值或R2*值精确度造成影响。2、在伪彩图上选取ROI可能造成一定的误差，由于MR BOLD原始图可将肾脏结构可分为皮质、内髓、外髓等不同的层面，而伪彩图分辨率未能达到分清这三层结构的水平，故在伪彩图上选取ROI势必会造成选层不准确，影响最终测得的T2*值及R2*值。3、ROI的选取采用同一层仅选取一个ROI，增加造成误差的概率。
发明内容
针对上述问题，本发明提供的目的提供一种处理方法简单，处理结果误差概率小的对比剂急性肾损害大鼠BOLD图像后处理方法。
为解决上述技术问题，本发明提供的技术方案是这样的：
对比剂急性肾损害大鼠BOLD图像后处理方法，其特征在于，依次包括下述步骤：
1)导入肾脏图像；
2)选择T2*重建软件包，设定阈值，将步骤1)中的肾脏图像以为结构不纳入重建计算范围，并确保每个回波所采集的图像全部包括在内；
3)设定自限水平，通过浏览原始图，将成像较差的回波去掉；
4)选取经肾门层面且图像较清晰的BOLD序列原始图像作为背景定位图，调整伪彩图透明度为50％。
5)分别选取肾上极、下极、中部三个部位，在每个部位的肾皮质、内髓、外髓三层分别放置形状、大小一致的ROI，取各层三个数值的均值作为T2*及R2*值。
与现有技术相比，本发明提供的技术方案具有如下技术优点：
1.本发明针对碘对比剂诱导急性肾脏损伤提供一种良好的动物模型；
2.本发明机理明确、重现性好；
3.本发明成功率高、性能稳定；
4.可以做病理形态学对比分析，还可以进行统计学处理、分析；
总而言之，本发明提供的动物模型的建立方法，为肾脏损伤的发病学、治疗学和药效学的研究奠定了重要的实验基础；该动物模型的建立，将为碘对比剂诱导急性肾脏损伤疾病提供有效的研究载体，为预防和治疗碘对比剂使用后导致肾脏损害方面疾病取得更大的突破，提高治疗的有效性。
附图说明
图1为本发明提供的对比剂急性肾损害大鼠BOLD图像后处理方法框架图。
具体实施方式
下面结合具体实施方式，对本发明的权利要求做进一步的详细说明，但不构成对本发明的任何限制，任何在本发明权利要求保护范围内所做的有限次的修改，仍在本发明的权利要求保护范围之内。
实施例1
本发明提供的对比剂急性肾损害大鼠BOLD图像后处理方法依次包括下述步骤,参阅图1：
1、导入图像：根据制定的筛选能清楚的区别肾脏皮质、外髓、内髓三层结构图像序列进行重建。
2、选择T2*重建软件包，选择合适的阈值，阈值区间为(20-3000)，使得伪彩图覆盖范围仅包含双侧肾脏，肾周围及其他肾脏以外结构不纳入重建计算范围，并确保每个回波所采集的图像全部包括在内。
3、设定自限水平(confidence level)为0.01，通过浏览原始图，将成像较差的回波去掉。
4、选取经肾门层面且图像较清晰的BOLD序列原始图像作为背景定位图，调整伪彩图透明度为50％。
5、分别选取肾上极、下极、中部三个部位，在每个部位的肾皮质、内髓、外髓三层分别放置形状、大小一致的ROI(类圆形感兴趣区，面值约3-5mm2)，取皮质层三个ROI所测的(T2*1、T2*2、T2*3)及(R2*1、R2*2、R2*3)值的均值作为皮质层的T2*及R2*值；同样方法获得外髓层和内髓层的T2*及R2*值。
以上所述的仅为本发明的较佳实施例，凡在本发明的精神和原则范围内所 作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。
Claims (1)
1.一种对比剂急性肾损害大鼠BOLD图像后处理方法，其特征在于，依次包括下述步骤：
1)导入肾脏图像；
2)选择T2*重建软件包，设定阈值，将步骤1)中的肾脏图像以为结构不纳入重建计算范围，并确保每个回波所采集的图像全部包括在内；
3)设定自限水平，通过浏览原始图，将成像较差的回波去掉；
4)选取经肾门层面且图像较清晰的BOLD序列原始图像作为背景定位图，调整伪彩图透明度为50％；
5)分别选取肾上极、下极、中部三个部位，在每个部位的肾皮质、内髓、外髓三层分别放置形状、大小一致的ROI，取各层三个数值的均值作为T2*及R2*值。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610511975.XA CN106204471A (zh) | 2016-06-30 | 2016-06-30 | 对比剂急性肾损害大鼠bold图像后处理方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610511975.XA CN106204471A (zh) | 2016-06-30 | 2016-06-30 | 对比剂急性肾损害大鼠bold图像后处理方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN106204471A true CN106204471A (zh) | 2016-12-07 |
Family
ID=57464321
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201610511975.XA Pending CN106204471A (zh) | 2016-06-30 | 2016-06-30 | 对比剂急性肾损害大鼠bold图像后处理方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN106204471A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108451975A (zh) * | 2018-06-13 | 2018-08-28 | 暨南大学附属第医院（广州华侨医院） | 碘对比剂诱导肾功能损伤的模型建立方法 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103997961A (zh) * | 2011-10-10 | 2014-08-20 | 韦克福里斯特大学健康科学院 | 使用mri图像数据的自动肾评估系统及方法 |
| CN105699923A (zh) * | 2015-09-12 | 2016-06-22 | 北京大学 | 一种无创动态测量组织r2，r2*和r2`参数图像的磁共振成像方法 |
-
2016
- 2016-06-30 CN CN201610511975.XA patent/CN106204471A/zh active Pending
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103997961A (zh) * | 2011-10-10 | 2014-08-20 | 韦克福里斯特大学健康科学院 | 使用mri图像数据的自动肾评估系统及方法 |
| CN105699923A (zh) * | 2015-09-12 | 2016-06-22 | 北京大学 | 一种无创动态测量组织r2，r2*和r2`参数图像的磁共振成像方法 |
Non-Patent Citations (3)
| Title |
|---|
| JEFF L. ZHANG 等: "New magnetic resonance imaging methods in nephrology", 《KIDNEY INT.》 * |
| 任涛 等: "BOLD MRI对早期移植肾急性排异反应鉴别价值的初步研究", 《放射学实践》 * |
| 雨中漫步: "GE-1.5T磁共振操作指南-Functool", 《百度文库HTTPS://WENKU.BAIDU.COM/VIEW/5AC67B0103D8CE2F00662357.HTML》 * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108451975A (zh) * | 2018-06-13 | 2018-08-28 | 暨南大学附属第医院（广州华侨医院） | 碘对比剂诱导肾功能损伤的模型建立方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Tang et al. | Unpaired low-dose CT denoising network based on cycle-consistent generative adversarial network with prior image information | |
| Tsoumpas et al. | Study of direct and indirect parametric estimation methods of linear models in dynamic positron emission tomography | |
| CN102063728B (zh) | 基于标准剂量图像冗余信息的低剂量ct图像重建方法 | |
| CN104520897B (zh) | 图像噪声降低和/或图像分辨率提高 | |
| CN109685206A (zh) | 生成用于图像处理的神经网络模型的系统和方法 | |
| Cheng et al. | Applications of artificial intelligence in nuclear medicine image generation | |
| Wu et al. | Spatial-temporal total variation regularization (STTVR) for 4D-CT reconstruction | |
| Wang et al. | An MR image‐guided, voxel‐based partial volume correction method for PET images | |
| CN108375746A (zh) | 一种相位反卷折方法与设备 | |
| CN109117944B (zh) | 一种轮船目标遥感影像的超分辨率重建方法及系统 | |
| CN111462020A (zh) | 心脏图像的运动伪影校正方法、系统、存储介质和设备 | |
| CN107958471A (zh) | 基于欠采样数据的ct成像方法、装置、ct设备及存储介质 | |
| Bland et al. | Intercomparison of MR‐informed PET image reconstruction methods | |
| Kangasmaa et al. | Reduction of collimator correction artefacts with bayesian reconstruction in spect | |
| CN112802046A (zh) | 基于深度学习从多序列mr中生成伪ct的影像生成系统 | |
| Zhang et al. | Spatial adaptive and transformer fusion network (STFNet) for low‐count PET blind denoising with MRI | |
| CN106254720B (zh) | 一种基于联合正则化的视频超分辨率重建方法 | |
| Feng et al. | Dual respiratory and cardiac motion estimation in PET imaging: methods design and quantitative evaluation | |
| CN106204471A (zh) | 对比剂急性肾损害大鼠bold图像后处理方法 | |
| Johansson et al. | Comparison of manual and automatic techniques for substriatal segmentation in 11C-raclopride high-resolution PET studies | |
| CN116091322B (zh) | 超分辨率图像重建方法和计算机设备 | |
| Cheng et al. | HYPR4D kernel method on TOF PET data with validations including image-derived input function | |
| CN110060234A (zh) | 基于spect断层图像计算肾脏gfr值的方法和装置 | |
| Wu et al. | Lapepi-net: A Laplacian pyramid EPI structure for learning-based dense light field reconstruction | |
| Cao et al. | Dynamic pet image reconstruction incorporating a median nonlocal means kernel method |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20161207 |
|
| RJ01 | Rejection of invention patent application after publication |