CN108663647A - 一种基于体素aif动态增强磁共振成像分析方法 - Google Patents
一种基于体素aif动态增强磁共振成像分析方法 Download PDFInfo
- Publication number
- CN108663647A CN108663647A CN201810383048.3A CN201810383048A CN108663647A CN 108663647 A CN108663647 A CN 108663647A CN 201810383048 A CN201810383048 A CN 201810383048A CN 108663647 A CN108663647 A CN 108663647A
- Authority
- CN
- China
- Prior art keywords
- module
- data
- magnetic resonance
- aif
- image
- 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
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R33/00—Arrangements or instruments for measuring magnetic variables
- G01R33/20—Arrangements or instruments for measuring magnetic variables involving magnetic resonance
- G01R33/44—Arrangements or instruments for measuring magnetic variables involving magnetic resonance using nuclear magnetic resonance [NMR]
- G01R33/48—NMR imaging systems
- G01R33/54—Signal processing systems, e.g. using pulse sequences ; Generation or control of pulse sequences; Operator console
- G01R33/56—Image enhancement or correction, e.g. subtraction or averaging techniques, e.g. improvement of signal-to-noise ratio and resolution
- G01R33/565—Correction of image distortions, e.g. due to magnetic field inhomogeneities
- G01R33/56509—Correction of image distortions, e.g. due to magnetic field inhomogeneities due to motion, displacement or flow, e.g. gradient moment nulling
Landscapes
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Engineering & Computer Science (AREA)
- Signal Processing (AREA)
- High Energy & Nuclear Physics (AREA)
- Condensed Matter Physics & Semiconductors (AREA)
- General Physics & Mathematics (AREA)
- Magnetic Resonance Imaging Apparatus (AREA)
Abstract
本发明属于磁共振技术领域,公开一种基于体素提取AIF动态增强磁共振成像分析方法,磁共振扫描模块与磁共振主机模块连接;磁共振主机模块与数据转换模块连接;数据转换模块与数据校正模块连接;数据校正模块与数据标准化模块连接;数据标准化模块与数据优化模块连接;数据优化模块与体素AIF增强模块连接;基于体素AIF增强模块与匹配提取模块连接;匹配提取模块与显示模块连接。本发明提供的基于体素AIF动态增强磁共振成像分析方法运行稳定,安全可靠,可以对磁共振数据进行校正、标准化、优化等处理,数据准确性高,且通过体素AIF的动态增强功能极大的提高计算效率与准确性。
Description
技术领域
本发明属于磁共振技术领域,尤其涉及一种基于体素AIF动态增强磁共振成像分析方法。
背景技术
磁共振成像(MRI)是根据有磁距的原子核在磁场作用下,能产生能级间的跃迁的原理而采用的一项新检查技术,MRI有助于检查癫痫患者脑的能量状态和脑血流情况,对变性病诊断价值很大。现有的磁共振成像分析方法数据处理效率较低,磁共振扫描图像序列的数据质量不高。
综上,现有技术存在的问题是:现有的磁共振成像分析方法数据处理效率较低,磁共振扫描图像序列的数据质量不高。
发明内容
针对现有技术存在的问题,本发明提供了一种基于体素AIF动态增强磁共振成像分析方法。
本发明是这样实现的,一种基于体素AIF动态增强磁共振成像分析方法包括:
磁共振扫描模块、磁共振主机模块、数据转换模块、数据校正模块、数据标准化模块、数据优化模块、体素AIF增强模块、匹配提取模块、显示模块;
磁共振扫描模块,与磁共振主机模块连接,用于对患者进行磁共振扫描;
磁共振主机模块,与数据转换模块连接,用于操作控制磁共振扫描模块;
数据转换模块,与数据校正模块连接,用于将磁共振扫描得到的序列数据进行格式转换;
数据校正模块,与数据标准化模块连接,用于对转换格式后的磁共振扫描图像序列进行特征校正;
数据标准化模块,与数据优化模块连接,用于根据特定的标准化模板对校正后的数据进行标准化处理;
数据优化模块,与体素AIF增强模块连接,用于对标准化后的数据进行滤波及去除干扰数据的处理;
体素AIF增强模块,与匹配提取模块连接,用于对数据处理进行增强,提高计算效率与准确性;
匹配提取模块,与显示模块连接,用于根据预设的算法在经过数据处理后的磁共振扫描图像中提取相应的目标数据;
显示模块,用于将最终的磁共振图像显示出来。
进一步,体素AIF增强模块通过对正常人群采样推演获得其用于建模的动脉输入函数(Arterial Input Function,AIF),参考作为患者本身的AIF,并且基于药物动力学数据分析模型将AIF假设为一个单指数阶跃响应函数,可提高计算的效率。
进一步,数据优化模块包括划分模块和去噪优化模块;
划分模块用于将经标准化处理后的数据图像中的亮度大于预定阈值的像素划分为前景区域,将亮度小于或等于预定阈值的像素划分为背景区域;
去噪优化模块用于根据去噪策略对输入的数据图像的各个子区域进行去噪,从而获得去噪后的图像。
进一步,去噪优化模块应用如下的双线性去噪模型对输入的数据图像进行去噪:
其中,fi表示去噪后图像中的像素i的亮度,gi表示输入的图像中的像素i的亮度,表示输入的图像的背景区域中的所有像素的亮度的平均值,α1i和α2i分别表示输入的图像的前景区域和背景区域的划分参数;
其中,根据以下等式在以像素i为中心的输入的图像体中计算a1i和b1i,在以像素i为中心的输入的图像的平面区域中计算a2i和b2i:
其中,ω表示所述图像体或平面区域ωi中的像素的数量,gk表示所述图像体或平面区域ωi中的像素k的亮度,表示所述图像体或平面区域ωi中的所有像素的亮度的平均值,σ2表示输入的图像的各个像素的亮度的方差;
其中,和分别表示针对所述图像体中的各个像素计算的a1i和b1i的平均值,和分别表示针对所述平面区域中的各个像素计算的a2i和b2i的平均值。
进一步,根据以下等式确定α1i和α2i:
其中,表示以像素i为中心的平面区域ωi中的所有像素的亮度的平均值,为预定阈值,表示输入的图像的背景区域中的像素的亮度的平均值。
本发明提供的基于体素AIF动态增强磁共振成像分析方法运行稳定,安全可靠,可以对磁共振数据进行校正、标准化、优化等处理,通过数据优化模块,运算速度快,去噪和细节增强能力强,可以直接作为图像质量的有效手段,本发明数据准确性高,且通过体素AIF的动态增强功能极大的提高计算效率与准确性。
附图说明
图1是本发明实施例提供的基于体素AIF动态增强磁共振成像分析系统结构示意图;
图2是本发明实施例提供的画ROI提取AIF效果示意图;
图3是本发明实施例提供的画ROI提取AIF效果曲线图;
图4是本发明实施例提供的基于体素提取AIF的效果示意图;
图5是本发明实施例提供的基于体素提取AIF的效果曲线图;
图中:1、磁共振扫描模块;2、磁共振主机模块;3、数据转换模块;4、数据校正模块;5、数据标准化模块;6、数据优化模块;7、体素AIF增强模块;8、匹配提取模块;9、显示模块。
具体实施方式
为能进一步了解本发明的发明内容、特点及功效,兹例举以下实施例,并配合附图详细说明如下。
下面结合附图对本发明的结构作详细的描述。
如图1所示,本发明实施例提供的基于体素AIF动态增强磁共振成像分析系统包括:1、磁共振扫描模块;2、磁共振主机模块;3、数据转换模块;4、数据校正模块;5、数据标准化模块;6、数据优化模块;7、体素AIF增强模块;8、匹配提取模块;9、显示模块。
磁共振扫描模块1,与磁共振主机模块2连接,用于对患者进行磁共振扫描;
磁共振主机模块2,与数据转换模块3连接,用于操作控制磁共振扫描模块;
数据转换模块3,与数据校正模块4连接,用于将磁共振扫描得到的序列数据进行格式转换;
数据校正模块4,与数据标准化模块5连接,用于对转换格式后的磁共振扫描图像序列进行特征校正;
数据标准化模块5,与数据优化模块6连接,用于根据特定的标准化模板对校正后的数据进行标准化处理;
数据优化模块6,与体素AIF增强模块7连接,用于对标准化后的数据进行滤波及去除干扰数据的处理;
体素AIF增强模块7,与匹配提取模块8连接,用于对数据处理进行增强,提高计算效率与准确性;
匹配提取模块8,与显示模块9连接,用于根据预设的算法在经过数据处理后的磁共振扫描图像中提取相应的目标数据;
显示模块9,用于将最终的磁共振图像显示出来。
数据优化模块6包括划分模块和去噪优化模块;
划分模块用于将经标准化处理后的数据图像中的亮度大于预定阈值的像素划分为前景区域,将亮度小于或等于预定阈值的像素划分为背景区域;
去噪优化模块用于根据去噪策略对输入的数据图像的各个子区域进行去噪,从而获得去噪后的图像。
去噪优化模块应用如下的双线性去噪模型对输入的数据图像进行去噪:
其中,fi表示去噪后图像中的像素i的亮度,gi表示输入的图像中的像素i的亮度,表示输入的图像的背景区域中的所有像素的亮度的平均值,α1i和α2i分别表示输入的图像的前景区域和背景区域的划分参数;
其中,根据以下等式在以像素i为中心的输入的图像体中计算a1i和b1i,在以像素i为中心的输入的图像的平面区域中计算a2i和b2i:
其中,ω表示所述图像体或平面区域ωi中的像素的数量,gk表示所述图像体或平面区域ωi中的像素k的亮度,表示所述图像体或平面区域ωi中的所有像素的亮度的平均值,σ2表示输入的图像的各个像素的亮度的方差;
其中,和分别表示针对所述图像体中的各个像素计算的a1i和b1i的平均值,和分别表示针对所述平面区域中的各个像素计算的a2i和b2i的平均值。
根据以下等式确定α1i和α2i:
其中,表示以像素i为中心的平面区域ωi中的所有像素的亮度的平均值,为预定阈值,表示输入的图像的背景区域中的像素的亮度的平均值。
本发明提供的体素AIF增强模块,通过对正常人群采样推演获得其用于建模的动脉输入函数(Arterial Input Function,AIF),参考作为患者本身的AIF,并且基于药物动力学数据分析模型将AIF假设为一个单指数阶跃响应函数,可提高计算的效率。
下面结合具体实施例对本发明的应用原理作进一步的描述。
磁共振动态增强是静脉团注Gd造影剂连续采集图像,观察造影剂从流入到流出整个过程,根据双室模型示踪剂动力学藐视方法,拟合得到血流灌注信息和血流流动信息,其基本公式为C(tis)=AIFxR(F、PS、Vp、Ve)(C(tis)-组织内造影剂浓度随时间动态变化,与AIF、F-流速,PS-血管壁渗透性,Vp-血流容积、Ve组织间质容积等因素有关)其中靶器官的供血动脉AIF提取至关重要。
动脉血液动力学就是研究表征人体血液循环系统的流动参数(血流量、流速、压力、流态、粘度、外周阻力等)等在生理病理条件下的变化。血管分叉和血液脉动使血管壁面剪切力呈周期和非均匀变化。正常动脉血流为层流,在弯曲和分叉处会伴随二次流动,速度抛物线的偏移会产生低壁面剪切力小区域。动脉血管会根据血液动力学条件进行自适应调整和改变,而非常规血液动力学条件也会使血管产生生物学反应。目前AIF提取是选择性化取选定靶器官截面ROI,会受到部分容积效应、血管壁病变等诸多因素的影响。
如图2和图3所示,画ROI提取ROI有时难以获得准确的符合血液动力学生理状态的AIF;
如图4和图5所示,基于体素呈现对应多个AIF,优选最佳AIF,能够获得最能反应供血动脉血液动力学状态的AIF,得到的结论才最接近组织病理生理状态。
以上所述仅是对本发明的较佳实施例而已,并非对本发明作任何形式上的限制,凡是依据本发明的技术实质对以上实施例所做的任何简单修改,等同变化与修饰,均属于本发明技术方案的范围内。
Claims (5)
1.一种基于体素AIF动态增强磁共振成像分析系统,其特征在于,所述基于体素AIF动态增强磁共振成像分析系统包括:
磁共振扫描模块,与磁共振主机模块连接,用于对患者进行磁共振扫描;
磁共振主机模块,与数据转换模块连接,用于操作控制磁共振扫描模块;
数据转换模块,与数据校正模块连接,用于将磁共振扫描得到的序列数据进行格式转换;
数据校正模块,与数据标准化模块连接,用于对转换格式后的磁共振扫描图像序列进行特征校正;
数据标准化模块,与数据优化模块连接,用于根据特定的标准化模板对校正后的数据进行标准化处理;
数据优化模块,与体素AIF增强模块连接,用于对标准化后的数据进行滤波及去除干扰数据的处理;
体素AIF增强模块,与匹配提取模块连接,用于对数据处理进行增强,提高计算效率与准确性;
匹配提取模块,与显示模块连接,用于根据预设的算法在经过数据处理后的磁共振扫描图像中提取相应的目标数据;
显示模块,用于将最终的磁共振图像显示出来。
2.如权利要求1所述的基于体素AIF动态增强磁共振成像分析系统,其特征在于,所述体素AIF增强模块,通过对正常人群采样推演获得其用于建模的动脉输入函数,参考作为患者本身的AIF,并且基于药物动力学数据分析模型将AIF假设为一个单指数阶跃响应函数。
3.如权利要求1所述的基于体素AIF动态增强磁共振成像分析系统,其特征在于,数据优化模块包括划分模块和去噪优化模块;
划分模块用于将经标准化处理后的数据图像中的亮度大于预定阈值的像素划分为前景区域,将亮度小于或等于预定阈值的像素划分为背景区域;
去噪优化模块用于根据去噪策略对输入的数据图像的各个子区域进行去噪,从而获得去噪后的图像。
4.如权利要求3所述的基于体素AIF动态增强磁共振成像分析系统,其特征在于,去噪优化模块,应用如下的双线性去噪模型对输入的数据图像进行去噪:
其中,fi表示去噪后图像中的像素i的亮度,gi表示输入的图像中的像素i的亮度,表示输入的图像的背景区域中的所有像素的亮度的平均值,α1i和α2i分别表示输入的图像的前景区域和背景区域的划分参数;
其中,根据以下等式在以像素i为中心的输入的图像体中计算a1i和b1i,在以像素i为中心的输入的图像的平面区域中计算a2i和b2i:
其中,ω表示所述图像体或平面区域ωi中的像素的数量,gk表示所述图像体或平面区域ωi中的像素k的亮度,表示所述图像体或平面区域ωi中的所有像素的亮度的平均值,σ2表示输入的图像的各个像素的亮度的方差;
其中,和分别表示针对所述图像体中的各个像素计算的a1i和b1i的平均值,和分别表示针对所述平面区域中的各个像素计算的a2i和b2i的平均值。
5.如权利要求4所述的基于体素AIF动态增强磁共振成像分析系统,其特征在于,根据以下等式确定α1i和α2i:
其中,表示以像素i为中心的平面区域ωi中的所有像素的亮度的平均值,为预定阈值,表示输入的图像的背景区域中的像素的亮度的平均值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810383048.3A CN108663647A (zh) | 2018-04-26 | 2018-04-26 | 一种基于体素aif动态增强磁共振成像分析方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810383048.3A CN108663647A (zh) | 2018-04-26 | 2018-04-26 | 一种基于体素aif动态增强磁共振成像分析方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108663647A true CN108663647A (zh) | 2018-10-16 |
Family
ID=63781092
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810383048.3A Pending CN108663647A (zh) | 2018-04-26 | 2018-04-26 | 一种基于体素aif动态增强磁共振成像分析方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108663647A (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1732847A (zh) * | 2004-03-24 | 2006-02-15 | 株式会社东芝 | 磁共振成像装置和磁共振成像数据处理方法 |
CN101912262A (zh) * | 2010-07-22 | 2010-12-15 | 中国科学院深圳先进技术研究院 | 磁共振成像定量参数计算方法及系统 |
CN103033783A (zh) * | 2012-12-10 | 2013-04-10 | 深圳先进技术研究院 | 一种磁共振成像快速重建系统及方法 |
CN104036472A (zh) * | 2013-03-06 | 2014-09-10 | 北京三星通信技术研究有限公司 | 用于3d图像质量增强的方法和设备 |
CN105476636A (zh) * | 2016-01-07 | 2016-04-13 | 上海承蓝电子科技有限公司 | 一种实时磁共振成像数据采集分析方法及系统 |
-
2018
- 2018-04-26 CN CN201810383048.3A patent/CN108663647A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1732847A (zh) * | 2004-03-24 | 2006-02-15 | 株式会社东芝 | 磁共振成像装置和磁共振成像数据处理方法 |
CN101912262A (zh) * | 2010-07-22 | 2010-12-15 | 中国科学院深圳先进技术研究院 | 磁共振成像定量参数计算方法及系统 |
CN103033783A (zh) * | 2012-12-10 | 2013-04-10 | 深圳先进技术研究院 | 一种磁共振成像快速重建系统及方法 |
CN104036472A (zh) * | 2013-03-06 | 2014-09-10 | 北京三星通信技术研究有限公司 | 用于3d图像质量增强的方法和设备 |
CN105476636A (zh) * | 2016-01-07 | 2016-04-13 | 上海承蓝电子科技有限公司 | 一种实时磁共振成像数据采集分析方法及系统 |
Non-Patent Citations (1)
Title |
---|
张娜: "微血管通透性与脑胶质瘤分级之间定量关系的研究", 《中国优秀硕士学位论文全文数据库 医药卫生科技辑》 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP5851553B2 (ja) | イメージング法における対象領域の識別と時間値曲線の抽出 | |
US9405996B2 (en) | Method and system for generating a personalized anatomical heart model | |
CN110364238B (zh) | 基于机器学习的对比剂管理 | |
Khalifa et al. | Dynamic contrast-enhanced MRI-based early detection of acute renal transplant rejection | |
CN109272510A (zh) | 一种三维医学图像中管状结构的分割方法 | |
Yang et al. | Renal compartment segmentation in DCE-MRI images | |
US20150045644A1 (en) | System and Method for Estimating Artery Compliance and Resistance from 4D Cardiac Images and Pressure Measurements | |
CN106709920B (zh) | 血管提取方法及其装置 | |
CN108596894A (zh) | 一种用于多参数磁共振影像的前列腺自动分区方法 | |
CN107507189A (zh) | 基于随机森林与统计模型的小鼠ct图像肾脏分割方法 | |
Yousefi-Banaem et al. | An improved spatial FCM algorithm for cardiac image segmentation | |
Ionasec et al. | Dynamic model-driven quantitative and visual evaluation of the aortic valve from 4D CT | |
Li et al. | Segmentation of human aorta using 3D nnU-net-oriented deep learning | |
Schuldhaus et al. | Classification-based summation of cerebral digital subtraction angiography series for image post-processing algorithms | |
CN108663647A (zh) | 一种基于体素aif动态增强磁共振成像分析方法 | |
CN110858412B (zh) | 基于图像配准的心脏冠脉cta模型建立方法 | |
CN111429404A (zh) | 一种用于心脑血管检测的成像系统和方法 | |
Jackowski et al. | Characterizing vascular connectivity from microCT images | |
Yan et al. | Segmentation of pulmonary parenchyma from pulmonary CT based on ResU-Net++ model | |
Kop et al. | Kidney segmentation from ultrasound images using gradient vector force | |
CN114494482A (zh) | 一种基于平扫ct生成ct血管成像的方法 | |
CN114092425A (zh) | 基于弥散加权图像的脑缺血评分方法、电子设备及介质 | |
Discher et al. | An unsupervised approach for measuring myocardial perfusion in MR image sequences | |
Sheikhjafari et al. | Deep learning based parameterization of diffeomorphic image registration for cardiac image segmentation | |
Melonakos et al. | Locally-constrained region-based methods for dw-mri segmentation |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20181016 |
|
RJ01 | Rejection of invention patent application after publication |