CN106485706A - Ct肝灌注的图像后处理方法和ct肝灌注方法 - Google Patents

Abstract

本发明提供一种CT肝灌注的图像后处理方法和CT肝灌注方法。所述CT肝灌注的图像后处理方法，包括：获取CT肝灌注图像序列，从所述CT肝灌注图像序列中识别腹部大动脉，以获取肝动脉造影剂浓度的时间曲线；基于所述肝动脉造影剂浓度的时间曲线，计算每个像素点的造影剂浓度时间曲线，获得肝灌注参数。本发明还提供一种使用所述CT肝灌注的图像后处理的方法的CT肝灌注方法。本发明具有较高的准确性。

Description

CT肝灌注的图像后处理方法和CT肝灌注方法

本申请是于2012年11月23日提交中国专利局、申请号为201210480285.4、发明名称为“CT肝灌注的图像后处理方法和CT肝灌注方法”的中国专利申请的分案。

技术领域

本发明涉及医疗器械领域，尤其涉及一种CT肝灌注的图像后处理方法和CT肝灌注方法。

背景技术

灌注表示血液通过毛细血管网将携带的氧及其他物质输送给周围组织的功能。肝灌注则表示血液通过肝动脉和肝门经静脉和肝窦，将其内的氧气和其他物质输送给肝组织并加以利用或转化的过程，一般将之等同于血流过程。

电子计算机X射线断层扫描技术(electronic computer X-ray tomographytechnique，CT)灌注成像是在静脉注入造影剂后对选定层面行同层动脉扫描，以获得该层面内每一像素的时间-密度曲线(time-density curve，TDC)，之后根据所述曲线，基于不同的数学模型计算例如平均穿过时间(MTT)、峰值时间(TTP)和分布容积(DV)等的灌注参数，从而以所述灌注参数评价组织、器官的灌注状态。

具体地，现有技术通常采用最大斜率或去卷积两类方法进行所述灌注参数的计算。上述两类方法都需要肝动脉和肝门静脉的造影剂浓度的时间曲线作为计算的输入。其中，肝动脉的时间曲线通常用腹部大动脉的时间曲线来近似，最大斜率法中则附加要求脾脏区域的时间曲线的峰值时间用于界定动脉供血期和门静脉供血期。对于肝脏区域中每一个像素点上的时间曲线，最大斜率法取在动脉供血期和门静脉供血期中的最大斜率作为动静脉血流量的一个近似。而去卷积的方法是利用加权的肝动脉和肝门静脉的时间曲线与造影剂残余函数的卷积来拟合像素点上的时间曲线，从而通过优化拟合问题得到动静脉血流量(HAP/PVP)、肝灌注指数(HPI)以及另外的一些灌注参数。

然而，对于类似动脉输入函数(AIF)和静脉输出函数(VOF)这类血管区域的提取，现有技术通常采用的是基于图像灰度值的提取方法。在实际操作中，在CT扫描获得的图像中进行手动选择的方式，在图像中选取腹部大动脉或肝门经脉的区域，以获得灌注参数。然而，对于不同病人和不同的造影剂注射剂量和速度，血管区域的图像灰度值的峰值变化非常大，采用手动方式进行操作时，容易产生许多假阳性的区域，造成获取错误的造影剂浓度的时间曲线，进而影响最终灌注参数的计算结果。

更多的关于肝灌注的技术方案可参考专利号为EP0105904A1的欧洲专利，但是，所述专利公开的技术方案也未解决上述问题。

发明内容

本发明解决的问题是提供一种准确性较高的CT肝灌注的图像后处理方法和CT肝灌注方法。

为了解决上述问题，本发明提供一种CT肝灌注的图像后处理方法，包括：

获取CT肝灌注图像序列，从所述CT肝灌注图像序列中识别腹部大动脉，以获取肝动脉造影剂浓度的时间曲线；

基于获得肝门静脉造影剂浓度的时间曲线，所述C_p(t)、C_a(t)分别表示肝门静脉造影剂浓度的时间曲线、肝动脉造影剂浓度的时间曲线；

计算每个像素点的造影剂浓度时间曲线，每个像素点的造影剂浓度时间曲线与所述肝动脉造影剂浓度的时间曲线C_a(t)、肝门静脉造影剂浓度的时间曲线满C_p(t)足以下关系：

其中，C_L(t)为像素点的造影剂浓度时间曲线，为造影剂残余函数，K_1a、K_1p分别表示肝动脉、肝门静脉的流入率常数，τ_p为因血液流入肝门静脉与肝动脉之间的时间差引入的肝门静脉造影剂浓度的时间延迟量，K₂为肝静脉的流出率常数；

获得肝灌注参数。

可选的，所述从所述CT肝灌注图像中识别腹部大动脉的步骤包括：

去除CT肝灌注图像中的非血管区域；

在去除非血管区域后的CT肝灌注图像序列中选取其中一个图像作为目标图像；

对所述目标图像进行边缘检测，形成边界图；

对所述边界图进行圆形霍夫变换，选取霍夫变换中最大霍夫变换值对应圆的内部区域作为腹部大动脉。

可选的，所述去除非血管区域的步骤包括：提供均值和方差阈值，并计算CT肝灌注图像的灰度值在时间上的均值和方差，去除均值和方差小于所述阈值的区域，以实现非血管区域的去除。

可选的，所述目标图像为所述CT肝灌注图像序列中图像灰度值和最大的一张图像。

可选的，所述对所述目标图像进行边缘检测，形成边界图的步骤包括：采用canny算法、Sobel算法、laplacian算法之一或组合对所述目标图像进行边缘检测。

可选的，所述计算每个像素点的造影剂浓度时间曲线的步骤包括：基于双输入单室模型或双输入双室模型或双输入三室模型的肝脏模型计算每个像素点的造影剂浓度时间曲线。

可选的，所述获得肝灌注参数的步骤包括：通过优化方法求解以获得K_1a、K_1p、K₂和τ_p，进而获得肝灌注参数；其中为通过测量所述CT肝灌注图像序列得到的所述每个像素点的造影剂浓度时间曲线。

可选的，对所述肝门静脉造影剂浓度进行时间延迟修正，获得修正的肝门静脉造影剂浓度。

可选的，获得修正的肝门静脉造影剂浓度的步骤包括：

以C_p ^*表示修正的肝门静脉造影剂浓度，则修正的肝门静脉造影剂浓度与肝门静脉造影剂浓度对应满足C_p ^*＝C_p(t-τ_P)，τ_p为因血液流入肝门静脉与肝动脉之间的时间差引入的肝门静脉造影剂浓度的时间延迟量；通过minD(C_L(t))＝||C_p(t-τ_P)-C_L(t)||的计算，获得使||C_p(t-τ_P)-C_L(t)||数值最小的像素点对应的造影剂浓度的时间曲线C_L(t)，以对应的C_L(t)作为肝门静脉造影剂浓度的时间曲线C_p′(t)，其中所述τ_p满足τ₁＜τ_p＜τ₂的关系，所述τ₁、τ₂为经验阈值。

可选的，每个像素点的造影剂浓度时间曲线与所述肝动脉造影剂浓度的时间曲线、肝门静脉造影剂浓度的时间曲线满足以下关系：

其中为造影剂残余函数，K_1a、K_1p分别表示肝动脉和肝门静脉的流入率常数，K₂为肝静脉的流出率常数。

可选的，获得肝灌注参数的步骤包括：通过优化方法求解以获得K_1a、K_1p、K₂，进而获得肝灌注参数；其中为通过测量所述CT肝灌注图像序列得到的所述每个像素点的造影剂浓度时间曲线。

可选的，所述优化方法包括：退火加速的单纯形优化方法或拟牛顿优化法或梯度下降法。

可选的，所述方法包括：

向被灌注对象中输入造影剂；

对所述被灌注对象进行CT扫描，以形成CT肝灌注图像；

进行如权利要求1～12任一权利要求所述的CT肝灌注的图像后处理；

输出肝灌注参数图。

与现有技术相比，本发明具有以下优点：

从CT肝灌注图像中直接获取肝动脉造影剂浓度的时间曲线，无需进行人工选取，提高了准确性。

可选方案中，基于图像灰度值和霍夫变换的方法提取肝动脉造影剂浓度的时间曲线，较为简单；

可选方案中，在进行肝灌注变量的优化算法中引入了时间延迟的变量，并得到所述时间延迟变量的解，从而更准确地模拟了真实肝灌注的情况，进一步提高了准确性。

附图说明

图1是本发明CT肝灌注的图像后处理方法一实施方式的流程示意图；

图2是图1中步骤S32一实施例的示意图；

图3是本发明CT肝灌注的图像后处理方法一实施例中C_a(t)与C_p(t)的示意图；

图4是真实肝动脉造影剂浓度的时间曲线和真实肝门静脉造影剂浓度的时间曲线的示意图；

图5是本发明CT肝灌注的方法一实施方式的流程示意图。

具体实施方式

在下面的描述中阐述了很多具体细节以便于充分理解本发明。但是本发明能够以很多不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本发明内涵的情况下做类似推广，因此本发明不受下面公开的具体实施的限制。

其次，本发明利用示意图进行详细描述，在详述本发明实施例时，为便于说明，所述示意图只是实例，其在此不应限制本发明保护的范围。

为了解决上述问题，本发明提供一种CT肝灌注的图像后处理法方法，CT肝灌注的图像后处理是根据CT扫描获得的造影剂浓度的时间曲线，基于数学模型计算以获得肝灌注参数的过程。参考图1，示出了本发明CT肝灌注的图像后处理方法一实施方式的流程示意图。所述CT肝灌注的图像后处理的步骤大致包括以下分步骤：

步骤S31，获取CT肝灌注图像序列；

步骤S32，从所述CT肝灌注图像序列中识别腹部大动脉，以获取肝动脉造影剂浓度的时间曲线；

步骤S33，基于所述肝动脉造影剂浓度的时间曲线，计算每个像素点的造影剂浓度时间曲线，获得肝灌注参数。

下面结合附图和具体实施例对本发明CT肝灌注的图像后处理方法的各个步骤进行详细说明。需要说明的是，在下文描述中主要以去卷积方法进行CT肝灌注的图像后处理，但是本发明对此不作限制，还可以采用其他方法进行CT肝灌注的图像后处理。

本发明提供的CT肝灌注的图像后处理方法第一实施例包括：

执行步骤S31，获取CT肝灌注图像序列。本发明通过CT扫描的方式形成CT肝灌注图像序列。本实施例中，从CT扫描器处获取CT肝灌注图像序列。由于通常每隔1～4秒对肝部进行一次CT扫描，总共进行15～20次扫描，因此，从CT扫描器处可以获取到15～20组关于人体肝部的三维体数据，所述15～20组三维体数据分别对应于CT扫描在不同时间点对人体肝部的信息采集，依据时间进行排列，可获得CT肝灌注图像序列。

执行步骤S32，从所述CT肝灌注图像序列中识别腹部大动脉，以获取肝动脉造影剂浓度的时间曲线。

参考图2，示意出了图1所示步骤S32一实施例的示意图。步骤S32大致包括以下分步骤：

步骤S321，去除CT肝灌注图像中的非血管区域；

步骤S322，在去除非血管区域后的CT肝灌注图像序列中选取其中一个图像作为目标图像；

步骤S323，对所述目标图像进行边缘检测，形成边界图；

步骤S324，对所述边界图进行圆形霍夫变换，选取霍夫变换中最大霍夫变换值对应圆的内部区域作为腹部大动脉。

为了更清楚的描述技术方案，下面对步骤S32所包括的各个分步骤进行详细说明。

执行步骤S321，去除CT肝灌注图像中的非血管区域。在CT肝灌注图像中，背景空气、骨头等的非血管区域中血液流动少。相应地，由血液流动引起的造影剂的浓度变化较小，因此，在造影剂浓度的时间曲线中，这些非血管区域对应的造影剂浓度变化非常小。

具体地，将所述造影剂浓度随时间变化小的地方去除的步骤可以通过以下方式实现：提供均值和方差阈值；并计算CT肝灌注图像的灰度值在时间上的均值和方差，去除均值和方差小于所述阈值的区域，以实现非血管区域的去除。所述均值和方差阈值可以是经验值。在其他实施例中，还可以采用其他方式实现对非血管区域的去除，本发明对此不作限制。

执行步骤S322，可以在去除非血管区域的图像序列中选取图像灰度值和最大的一张图像作为目标图像。在将非血管区域进行去除后，每一图像的三维体数据剩下的为肝动脉血管(即腹部大动脉)和肝门静脉血管对应的数据。

对不同时间点获得的、去除了非血管区域的图像进行灰度值求和，选取图像灰度值和最大的一副作为目标图像，所述目标图像对应的是造影剂浓度的峰值对应的图像。

执行步骤S323，对所述目标图像进行边缘检测，形成边界图。本实施例中通过canny算法对所述目标图像进行边缘检测，但是本发明对此不作限制，在其他实施例中，还可以采用诸如Sobel算法、laplacian算法之一或组合进行边缘检测。边缘检测的方法与现有技术相同，在此不再赘述。

通过边缘检测可以获得肝动脉的轮廓，从而形成边界图。实际应用中，由于CT扫描获得的是腹部的截面图，肝动脉(腹部大动脉)在所述腹部截面图中通常具有一近似于圆形的轮廓。

执行步骤S324，基于肝动脉区域为圆形的假设，对边界图进行圆形霍夫变换，选取霍夫变换中最大霍夫变换值对应圆的内部区域作为腹部大动脉。从而在边界图上确定了肝动脉的位置和区域。

由此可见无需采用手动方式在图像上对肝动脉的位置进行选取，而是通过对CT获得的数据和图像直接进行处理，自动地获得肝动脉的位置，这样可以较为准确地获得肝动脉的位置，避免了由于经验不同的医生进行操作而引起的测量误差。

需要说明的是，在识别了腹部大动脉之后，由于腹部大动脉区域相对应的圆内包括多个像素点，每个像素点均对应一条造影剂浓度时间曲线，将所述圆内的所有像素点的造影剂浓度时间曲线进行平均，可以获得平均造影剂浓度时间曲线，以此作为肝动脉造影剂浓度的时间曲线，此处以C_a(t)表示所述肝动脉造影剂浓度的时间曲线。

继续参考图1，执行步骤S33，基于所述肝动脉造影剂浓度的时间曲线，计算每个像素点的造影剂浓度时间曲线，获得肝灌注参数。

具体地，可以基于双输入单室或双输入双室模型或双输入三室模型的肝脏模型计算每个像素点的造影剂浓度时间曲线。

在本实施例中，通过单室双输入模型计算每个像素点的造影剂浓度时间曲线。在单室双输入的肝脏模型中，将肝脏(包括细胞、肝窦、间质成分)看作为一个隔室，所述隔室具有肝动脉、肝门静脉两个输入，所述隔室输出的为肝静脉。

为了计算每个像素点的造影剂浓度时间曲线，获得肝灌注参数，需要先获得肝门静脉造影剂浓度的时间曲线。具体地，基于的计算公式获得肝门静脉造影剂浓度的时间曲线，所述C_p(t)和C_a(t)分别表示肝门静脉造影剂浓度的时间曲线、肝动脉造影剂浓度的时间曲线。为了简化算法，本实施例中将b₁和β₁设定为1。

参考图3，示出了本实施例获得的肝动脉造影剂浓度的时间曲线、肝门静脉造影剂浓度的时间曲线的示意图。附图3中，横坐标为时间，纵坐标为造影剂浓度。本实施例中，肝动脉造影剂浓度的时间曲线1和肝门静脉造影剂浓度的时间曲线2的峰值对应于同一时间点。

然而基于经验值，血液流入肝门静脉与肝动脉之间具有时间差。如图4所示,真实肝动脉造影剂浓度的时间曲线11和真实肝门静脉造影剂浓度的时间曲线12之间具有一定的时间延迟，此处以τ_p表示真实肝门静脉造影剂浓度的时间曲线12与真实肝动脉造影剂浓度的时间曲线11之间的时间延迟。相应地，真实肝门静脉造影剂浓度的时间曲线与步骤S33获得的肝门静脉造影剂浓度的时间曲线之间具有一定的时间延迟τ_p，为了使计算方法更真实地模拟真实肝动脉和肝门静脉造影剂浓度的时间曲线，需获得所述时间延迟τ_p。

在获得肝门静脉造影剂浓度的时间曲线之后，计算每个像素点的造影剂浓度时间曲线。本实施例中，每个像素点的造影剂浓度时间曲线与所述肝动脉造影剂浓度的时间曲线、肝门静脉造影剂浓度的时间曲线满足以下关系：

其中为造影剂残余函数，τ_p为肝门静脉造影剂浓度的时间曲线与肝动脉造影剂浓度的时间曲线之间的时间延迟，肝动脉、肝门静脉的流入率常数为K_1a、K_1p，所述隔室输出的为肝静脉，输出的肝静脉的流出率常数为K₂。

由此可见，本实施例中，在每个像素点的造影剂浓度时间曲线的表达式中，包含了肝门静脉造影剂浓度的时间曲线与肝动脉造影剂浓度的时间曲线之间的时间延迟τ_p，从而更准确地模拟了真实肝门静脉造影剂浓度的时间曲线与肝动脉造影剂浓度的时间曲线之间的关系，可以提高CT肝灌注的图像后处理方法的准确性。

本实施例中，采用退火加速的单纯形优化方法对变量K_1a、K_1p、K₂和τ_p进行求解，进而基于所述变量的解获得肝灌注参数。

退火加速的单纯形优化方法的基本思想是，对各变量而言，预先设定一初始值，先用采用单纯形方法快速求得一个极小值点，然后改用模拟退火法随机搜索，一旦找到比所述极小值点更小的点，以新找到的点作为新的初始值在所述新找到的点附近搜索另一更小的极小值，如此交叉进行，直至算法结束，获得结果为目标函数的全局最小值，以所述全局最小值对应的点作为变量的解。

将退火加速的单纯形优化方法应用到本实施例中，则有以下关系式：

其中F(x)为目标函数，C_L获得的每个像素点的造影剂浓度时间曲线，为通过测量所述CT肝灌注图像序列得到的所述每个像素点的造影剂浓度时间曲线。即基于前述计算的理论值与CT肝灌注图像序列测量到的真实值之间误差最小值的原理，对各变量进行求解。

需要说明的是在上述优化计算关系式中，C_L与C^* _L之间采用差方公式进行计算，但是本发明对此不作限制，在其他实施例中，还可以计算，C_L与C^* _L之间差的绝对值的方式进行误差的计算，本领域技术人员可以进行相应地变形。

由于本实施例中C_L包含四个变量K_1a、K_1p、K₂和τ_p，可通过退火加速的单纯形优化方法分别求得四个变量的解。

需要说明的是，在还可以采用拟牛顿优化法或梯度下降法等的优化方法进行求解，以获得K_1a、K_1p、K₂和τ_p等参数，进而获得肝灌注参数。

在获得四个变量K_1a、K_1p、K₂和τ_p的解之后，可以根据所述变量获得肝灌注参数，例如：HAP＝K_1a；PVP＝K_1p；MTT＝K₂；TTP＝到达峰值时间；DV＝(K_1a+K_1p)/K₂；HPI＝K_1a/(K_1a+K_1p)。

至此，完成了CT肝灌注的图像后处理的过程，获得了肝灌注参数，可基于所述肝灌注参数对肝脏进行性能的评价。

综上，在本实施例中，在图像灰度值的基础上利用肝动脉(腹部大动脉)的轮廓形状(圆形)实现了自动提取肝动脉造影剂浓度的时间曲线，并用于计算肝门静脉造影剂浓度的时间曲线。无需采用人工进行图像和数据的选取，提高了准确性。

此外，由于计算的肝门静脉造影剂浓度的时间曲线与真实时间曲线存在时间延迟，所以优选地，在计算肝灌注变量的优化算法中引入了时间延迟的变量，并基于优化算法得到了所述延迟变量的解，从而更准确地模拟了真实肝灌注的情况，进一步提高了准确性。

更进一步地，通过设置时间延迟的变量的无需用脾脏的峰值时间来界定动静脉供血期，可以省去提取脾脏区域的操作，使本方法较为简单。

本发明还提供了CT肝灌注的图像后处理方法的第二实施例，本实施例与第一实施例的相同之处不再赘述，本实施例与第一实施例的不同之处在于获得肝门静脉造影剂浓度的时间曲线的步骤。

基于获得理论肝门静脉造影剂浓度的时间曲线，其中所述C_a(t)为执行步骤S32获得的肝动脉造影剂浓度的时间曲线，为了简化模型，将b₁和β₁设定为1，C_p为肝门静脉造影剂浓度的时间曲线。

由于理论肝门静脉造影剂浓度的时间曲线与肝动脉造影剂浓度的时间曲线的峰值位于同一时间点，从而使理论肝门静脉造影剂浓度的时间曲线与真实肝门静脉造影剂浓度的时间曲线之间具有一定的时间延迟，以τ_p表示所述时间延迟。为了更准确地模拟肝灌注的过程，需要对所述肝门静脉造影剂浓度进行时间延迟修正，获得修正的肝门静脉造影剂浓度C_p ^*，C_p ^*＝C_p(t-τ_P)。

具体地，通过minD(C_L(t))＝||C_p(t-τ_P)-C_L(t)||的计算，获得使||C_p(t-τ_P)-C_L(t)||数值最小的像素点对应的造影剂浓度的时间曲线C_L(t)，以对应的C_L(t)作为肝门静脉造影剂浓度的时间曲线C_p′(t)，其中所述τ_p满足τ₁＜τ_p＜τ₂的关系，所述τ₁、τ₂为经验阈值。

需要说明的是，此处以差值的绝对值获得理论值和真实值之间的误差，但是本发明对此不作限制，在其他实施例中还可以采用差方的方式获得理论值和真实值之间的误差。

本实施例还可以采用与第一实施例类似地采用退火加速的单纯形优化方法求解以获得肝灌注参数。与上述实施例的不同之处在于由于本实施例中C_L(t)中已经不再具有变量τ_p，因此只要对其他三个变量K_1a、K_1p、K₂进行求解即可。

由于对于任一变量通过退火加速的单纯形优化方法进行求解时的计算过程均比较复杂，计算量较大，因此本实施例相对于第一实施例而言，少了一个变量，相应地，本实施例计算量较小，处理过程较为简单。

相应地，本发明还提供一种CT肝灌注的图像后处理方法和包括所述图像后处理方法的CT肝灌注方法，参考图5，示出了本发明CT肝灌注的方法一实施方式的流程示意图。所述CT肝灌注方法大致包括以下步骤：

步骤S1，向被灌注对象中输入造影剂；

步骤S2，对所述被灌注对象进行CT扫描，以形成CT肝灌注图像；

步骤S3，进行CT肝灌注的图像后处理；

步骤S4，输出肝灌注参数图。

下面结合具体实施例对本发明CT肝灌注的方法的各个步骤进行详细说明。

执行步骤S1，向被灌注对象中输入造影剂。例如，向人体内注射一定剂量的碘(常用造影剂之一)。

执行步骤S2，对所述被灌注对象进行CT扫描，以形成CT肝灌注图像。

具体地，本实施例的目的是获得用于评价肝的灌注参数，因此主要是对人体进行腹部的CT扫描。实际应用中，通常每隔1～4秒对肝部进行一次CT扫描，形成15～20组关于人体肝部的三维体数据，所述三维体数据构成CT肝灌注图像。由于所述15～20组分别对应于不同时间点的信息采集，因此，基于15～20组中位于同一像素点的数据按时间先后进行排序，可以形成与所述像素点相对应的造影剂浓度的时间曲线。最终各个不同像素点的造影剂浓度的时间曲线的集合构成整体的造影剂浓度的时间曲线。

本实施例对所述被灌注对象进行CT扫描，以形成CT肝灌注图像的步骤与现有技术相同，在此不再详述。

执行步骤S3，本步骤请参考上文关于CT肝灌注的图像后处理方法的详细描述，此处不再赘述。

执行步骤S4，输出肝灌注参数图。本步骤是将步骤S3获得的灌注参数以图像形式进行输出，以便于医生通过所述肝灌注参数进行肝脏器官的评价和诊断。

由于CT肝灌注的方法所使用的图像后处理具有较高的准确性，相应地，本发明CT肝灌注方法也具有较高的准确性。

本发明虽然已以较佳实施例公开如上，但其并不是用来限定本发明，任何本领域技术人员在不脱离本发明的精神和范围内，都可以利用上述揭示的方法和技术内容对本发明技术方案做出可能的变动和修改，因此，凡是未脱离本发明技术方案的内容，依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化及修饰，均属于本发明技术方案的保护范围。

Claims (13)

1.一种CT肝灌注的图像后处理方法，其特征在于，包括：

获取CT肝灌注图像序列，从所述CT肝灌注图像序列中识别腹部大动脉，以获取肝动脉造影剂浓度的时间曲线；

基于获得肝门静脉造影剂浓度的时间曲线，所述C_p(t)、C_a(t)分别表示肝门静脉造影剂浓度的时间曲线、肝动脉造影剂浓度的时间曲线；

计算每个像素点的造影剂浓度时间曲线，每个像素点的造影剂浓度时间曲线与所述肝动脉造影剂浓度的时间曲线C_a(t)、肝门静脉造影剂浓度的时间曲线满C_p(t)足以下关系：

其中，C_L(t)为像素点的造影剂浓度时间曲线，为造影剂残余函数，K_1a、K_1p分别表示肝动脉、肝门静脉的流入率常数，τ_p为因血液流入肝门静脉与肝动脉之间的时间差引入的肝门静脉造影剂浓度的时间延迟量，K₂为肝静脉的流出率常数；

获得肝灌注参数。

2.如权利要求1所述的图像后处理方法，其特征在于，

所述从所述CT肝灌注图像中识别腹部大动脉的步骤包括：

去除CT肝灌注图像中的非血管区域；

在去除非血管区域后的CT肝灌注图像序列中选取其中一个图像作为目标图像；

对所述目标图像进行边缘检测，形成边界图；

对所述边界图进行圆形霍夫变换，选取霍夫变换中最大霍夫变换值对应圆的内部区域作为腹部大动脉。

3.如权利要求2所述的图像后处理方法，其特征在于，所述去除非血管区域的步骤包括：提供均值和方差阈值，并计算CT肝灌注图像的灰度值在时间上的均值和方差，去除均值和方差小于所述阈值的区域，以实现非血管区域的去除。

4.如权利要求2所述的图像后处理方法，其特征在于，所述目标图像为所述CT肝灌注图像序列中图像灰度值和最大的一张图像。

5.如权利要求2所述的图像后处理方法，其特征在于，所述对所述目标图像进行边缘检测，形成边界图的步骤包括：采用canny算法、Sobel算法、laplacian算法之一或组合对所述目标图像进行边缘检测。

6.如权利要求1所述的图像后处理方法，其特征在于，

所述计算每个像素点的造影剂浓度时间曲线的步骤包括：基于双输入单室模型或双输入双室模型或双输入三室模型的肝脏模型计算每个像素点的造影剂浓度时间曲线。

7.如权利要求1所述的图像后处理方法，其特征在于，所述获得肝灌注参数的步骤包括：通过优化方法求解以获得K_1a、K_1p、K₂和τ_p，进而获得肝灌注参数；其中为通过测量所述CT肝灌注图像序列得到的所述每个像素点的造影剂浓度时间曲线。

8.如权利要求1所述的图像后处理方法，其特征在于，

对所述肝门静脉造影剂浓度进行时间延迟修正，获得修正的肝门静脉造影剂浓度。

9.如权利要求8所述的图像后处理方法，其特征在于，获得修正的肝门静脉造影剂浓度的步骤包括：

以C_p ^*表示修正的肝门静脉造影剂浓度，则修正的肝门静脉造影剂浓度与肝门静脉造影剂浓度对应满足C_p ^*＝C_p(t-τ_P)，τ_p为因血液流入肝门静脉与肝动脉之间的时间差引入的肝门静脉造影剂浓度的时间延迟量；通过minD(C_L(t))＝||C_p(t-τ_P)-C_L(t)||的计算，获得使||C_p(t-τ_P)-C_L(t)||数值最小的像素点对应的造影剂浓度的时间曲线C_L(t)，以对应的C_L(t)作为肝门静脉造影剂浓度的时间曲线C_p′(t)，其中所述τ_p满足τ₁＜τ_p＜τ₂的关系，所述τ₁、τ₂为经验阈值。

10.如权利要求9所述的图像后处理方法，其特征在于，

每个像素点的造影剂浓度时间曲线与所述肝动脉造影剂浓度的时间曲线、肝门静脉造影剂浓度的时间曲线满足以下关系：

其中为造影剂残余函数，K_1a、K_1p分别表示肝动脉和肝门静脉的流入率常数，K₂为肝静脉的流出率常数。

11.如权利要求10所述的图像后处理方法，其特征在于，获得肝灌注参数的步骤包括：通过优化方法求解以获得K_1a、K_1p、K₂，进而获得肝灌注参数；其中为通过测量所述CT肝灌注图像序列得到的所述每个像素点的造影剂浓度时间曲线。

12.如权利要求1或11所述的图像后处理方法，其特征在于，所述优化方法包括：退火加速的单纯形优化方法或拟牛顿优化法或梯度下降法。

13.一种CT肝灌注方法，其特征在于，包括：

向被灌注对象中输入造影剂；

对所述被灌注对象进行CT扫描，以形成CT肝灌注图像；

进行如权利要求1～12任一权利要求所述的CT肝灌注的图像后处理；

输出肝灌注参数图。