CN108665465B - 分割缺血半暗带的方法、装置、存储介质及设备 - Google Patents

分割缺血半暗带的方法、装置、存储介质及设备 Download PDF

Info

Publication number
CN108665465B
CN108665465B CN201810454998.0A CN201810454998A CN108665465B CN 108665465 B CN108665465 B CN 108665465B CN 201810454998 A CN201810454998 A CN 201810454998A CN 108665465 B CN108665465 B CN 108665465B
Authority
CN
China
Prior art keywords
region
imaging image
asymmetric
susceptibility
quantitative
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.)
Active
Application number
CN201810454998.0A
Other languages
English (en)
Other versions
CN108665465A (zh
Inventor
杨旗
边钺岩
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.)
Neusoft Medical Systems Co Ltd
Original Assignee
Neusoft Medical Systems Co Ltd
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 Neusoft Medical Systems Co Ltd filed Critical Neusoft Medical Systems Co Ltd
Priority to CN201810454998.0A priority Critical patent/CN108665465B/zh
Publication of CN108665465A publication Critical patent/CN108665465A/zh
Application granted granted Critical
Publication of CN108665465B publication Critical patent/CN108665465B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/90—Determination of colour characteristics
    • 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
    • G06T2207/10—Image acquisition modality
    • G06T2207/10004—Still image; Photographic image
    • 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
    • G06T2207/30101—Blood vessel; Artery; Vein; Vascular

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Magnetic Resonance Imaging Apparatus (AREA)

Abstract

本申请提供一种分割缺血半暗带的方法、装置、存储介质及设备，所述方法包括步骤：获取定量磁化率成像图像；从所述定量磁化率成像图像中，获取非对称突出皮质静脉区域；根据所述非对称突出皮质静脉区域，分割出缺血半暗带区域。以实现对缺血半暗带的全自动分割，并且分割效率极高。

Description

分割缺血半暗带的方法、装置、存储介质及设备
技术领域
本申请涉及图像处理技术，特别涉及一种分割缺血半暗带的方法、装置、存储介质及设备。
背景技术
脑梗死又称缺血性脑卒中，是指局部脑组织因血液循环障碍，缺血、缺氧而发生的软化坏死。现代医学研究表明，在脑梗死的梗死灶的周围一般会形成一个缺血半暗带(Ischemic Penumbra)，所述缺血半暗带内存在大量处于休眠状态或半休眠状态的脑细胞。可以通过治疗上述缺血半暗带的脑细胞，使原来处于缺血状态的大面积脑细胞恢复血流，增加能量物质的供应，激活休眠与半休眠状态的脑细胞，逐渐恢复正常的神经功能。因此，挽救这些细胞即缺血半暗带，成为目前脑梗死中临床治疗的关键和热点，而对缺血半暗带进行准确的定位和分割尤为重要。
目前主要利用CT灌注扫描(computed tomography perfusion imaging，CTPI)及弥散加权成像(diffusion weighted imaging，DWI)等图像分割出缺血半暗带。但是，由于CTPI图像及DWI图像均为定性图像，只能进行半自动的分割，分割缺血半暗带的效率低。
发明内容
有鉴于此，本申请提供一种分割缺血半暗带的方法、装置、存储介质及设备，以实现对缺血半暗带全自动且高效的分割。
具体地，本申请是通过如下技术方案实现的：
第一方面，提供一种分割缺血半暗带的方法，所述方法包括步骤：
获取定量磁化率成像图像；
从所述定量磁化率成像图像中，获取非对称突出皮质静脉区域；
根据所述非对称突出皮质静脉区域，分割出缺血半暗带区域。
在一些例子中，所述从所述定量磁化率成像图像中，获取非对称突出皮质静脉区域，包括：
从所述定量磁化率成像图像中，获取铁元素或血氧饱和浓度大于预设阈值的初始区域；
根据所述初始区域像素点的颜色值，获取非对称突出皮质静脉区域。
在一些例子中，所述根据所述初始区域像素点的颜色值，获取非对称突出皮质静脉区域，包括：
根据所述初始区域的颜色值的平均值和方差，确定颜色阈值；
获取定量磁化率成像图像中颜色值不小于颜色阈值的非对称突出皮质静脉区域。
在一些例子中，所述根据所述非对称突出皮质静脉区域，分割出缺血半暗带区域，包括：
根据所述非对称突出皮质静脉区域的每个像素点，由细胞扩散模型，获取被非对称突出皮质静脉区域扩散的区域；
根据所述非对称突出皮质静脉区域及被非对称突出皮质静脉区域扩散的区域，分割出缺血半暗带区域，所述缺血半暗带区域为非对称突出皮质静脉区域及被非对称突出皮质静脉区域扩散的区域的最小外接凸边形区域。
在一些例子中，所述从所述定量磁化率成像图像中，获取非对称突出皮质静脉区域，包括：
获取脑部磁敏感加权成像图像；
从所述脑部磁敏感加权成像图像中获取脑实质区域磁敏感加权成像图像；
利用磁敏感加权成像图像与定量磁化率成像图像的对应关系，根据脑实质区域磁敏感加权成像图像，从所述定量磁化率成像图像中，获取脑实质区域的定量磁化率成像图像；
从所述脑实质区域的定量磁化率成像图像中，获取非对称突出皮质静脉区域。
在一些例子中，所述从所述定量磁化率成像图像中，获取非对称突出皮质静脉区域，包括：
获取脑部磁敏感加权成像图像；
从所述脑部磁敏感加权成像图像中获取脑皮质区域磁敏感加权成像图像；
利用磁敏感加权成像图像与定量磁化率成像图像的对应关系，根据脑皮质区域磁敏感加权成像图像，从所述定量磁化率成像图像中，获取脑皮质区域的定量磁化率成像图像；
从所述脑皮质区域的定量磁化率成像图像中，获取非对称突出皮质静脉区域。
第二方面，提供一种分割缺血半暗带的装置，所述装置包括：
非对称突出皮质静脉区域获取模块，用于获取定量磁化率成像图像，从所述定量磁化率成像图像中，获取非对称突出皮质静脉区域；
缺血半暗带区域分割模块，用于根据所述非对称突出皮质静脉区域，分割出缺血半暗带区域。
在一些例子中，所述非对称突出皮质静脉区域获取模块，用于:
从所述定量磁化率成像图像中，获取铁元素或血氧饱和浓度大于预设阈值的初始区域；
根据所述初始区域像素点颜色值的平均值和方差，确定颜色阈值；
获取定量磁化率成像图像中颜色值不小于颜色阈值的非对称突出皮质静脉区域。
第三方面，提供一种分割缺血半暗带的设备，包括：
存储处理器可执行指令的存储器；其中，所述处理器耦合于所述存储器，用于读取所述存储器存储的程序指令，并作为响应，执行如下操作：
获取定量磁化率成像图像；
从所述定量磁化率成像图像中，获取非对称突出皮质静脉区域；
根据所述非对称突出皮质静脉区域，分割出缺血半暗带区域。
第四方面，提供一种计算机可读存储介质，其上存储有程序，该程序被处理器执行如下操作：
获取定量磁化率成像图像；
从所述定量磁化率成像图像中，获取非对称突出皮质静脉区域；
根据所述非对称突出皮质静脉区域，分割出缺血半暗带区域。
本申请通过在定量的定量磁化率成像(quantitative susceptibility mapping，QSM)图像上获取非对称突出皮质静脉区域，根据非对称突出皮质静脉区域与缺血半暗带区域的关系，分割出缺血半暗带。使得整个分割过程全自动，并且分割效率极高。
附图说明
图1为本申请一示例性实施例示出的一种分割缺血半暗带的方法的部分流程图；
图2是本申请一示例性实施例示出的一种获取APCV区域的部分流程图；
图3是本申请一示例性实施例示出的另一种获取APCV区域的部分流程图；
图4是本申请一示例性实施例示出的另一种获取APCV区域的部分流程图；
图5是本申请一示例性实施例示出的另一种获取APCV区域的部分流程图；
图6是本申请一示例性实施例示出的一种分割缺血半暗带装置的结构示意图；
图7是本申请一示例性实施例示出的一种分割缺血半暗带的设备的硬件结构示意图。
具体实施方式
这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置、电子设备及存储介质的例子。
为了解决现有技术中只能对缺血半暗带进行半自动的分割，且分割效率低的技术问题，本申请提供一种分割缺血半暗带的方法、装置、电子设备及存储介质。参照图1，为本申请一示例性实施例示出的一种分割缺血半暗带的方法的部分流程图，所述方法包括步骤：
S1100：获取定量磁化率成像图像；
所述定量磁化率成像(quantitative susceptibility mapping，QSM)是磁共振成像(magnetic resonance imaging，MRI)中一项新兴的用于定量测量组织磁化特性的技术。利用QSM图像，可以对组织的铁含量、钙化、血氧饱和度等进行有效的定量分析。
在一些例子中，所述获取QSM图像，可以是电子设备获取MRI对脑部进行扫描后得到的脑部QSM图像。
S1200：从所述QSM图像中，获取非对称突出皮质静脉区域。
所述非对称突出皮质静脉(Asymmetrically prominent cortical veins，APCV)区域与缺血半暗带之间存在相关性。
在实际应用中，由于APCV区域在大脑的脑皮质区域，为了减少电子设备的计算量，在一些例子中，步骤S1200可以是从脑部QSM图像中，获取脑实质区域的QSM图像，再从脑实质区域的QSM图像中，获取APCV区域。
具体的，在一个例子中，参照图2，上述步骤S1200可以包括步骤：
S1210：获取脑部磁敏感加权成像图像；
所述磁敏感加权成像(susceptibility weighted imaging，SWI)图像与QSM图像的各像素点存在一一对应的关系。
S1220：从所述脑部SWI图像中获取脑实质区域SWI图像；
本步骤中，可以从所述脑部SWI图像获取头骨和脑实质区域，从而将两者分开，单独脑实质区域SWI图像。本申请实施例中利用deformable model自适应轮廓方法进行分割，该方法引用Oxford FSL实验室的BET2方法。
S1230：利用SWI图像与QSM图像的对应关系，根据脑实质区域SWI图像，从所述QSM图像中，获取脑实质区域的QSM图像。
S1240：从所述脑实质区域的QSM图像中，获取APCV区域。
在实际应用中，由于APCV区域在大脑的脑实质区域的脑皮质区域，为了进一步减少计算量，步骤S1200还可以从脑部QSM图像中，获取脑皮质区域的QSM图像，再从脑皮质区域的QSM图像中，获取APCV区域。
具体的，在一个例子中，参照图3，步骤S1200可以包括步骤：
S1250：获取脑部SWI图像；
S1260：从所述脑部SWI图像中获取脑皮质区域SWI图像；
具体的，在本申请实施例中，可以将脑部SWI图像中的中心组织看做为椭球形，根据脑部中心组织与脑实质的长度比例关系，通过椭球方程去拟合脑部中心区域，将拟合出的脑部中心区域去除，仅保留脑皮质区域，以获得脑皮质区域SWI图像。
在一些例子中，可以从所述脑部SWI图像中获取脑实质区域SWI图像，再从所述脑实质区域SWI图像中获取脑皮质区域SWI图像。
S1270：利用SWI图像与QSM图像的对应关系，根据脑皮质区域SWI图像，从所述QSM图像中，获取脑皮质区域的QSM图像；
S1280：从所述脑皮质区域的QSM图像中，获取APCV区域。
在一些例子中，从所述脑部QSM图像/脑皮质区域的QSM图像/脑实质区域的QSM图像中，获取APCV区域的可以根据图4所示的步骤获取。
参照图4，为申请一示例性实施例示出的一种获取APCV区域的部分流程图，部分步骤如下：
S1201：从所述QSM图像中，获取铁元素或血氧饱和浓度大于预设阈值的初始区域。
本步骤中，主要利用QSM图像可以对组织的铁含量、钙化、血氧饱和度等进行有效的定量分析，以及APCV区域的铁元素或血氧饱和浓度会急剧上升，在定量的QSM(quantitative susceptibility mapping，QSM)图像上获取铁元素或血氧饱和浓度大于预设阈值的初始区域，所述初始区域可以表征APCV区域的血管部分。
在一些例子中，所述初始区域可以是铁元素浓度大于90ppb的区域。
S1202：根据所述初始区域像素点的颜色值，获取APCV区域。
在本步骤中，可以根据表征APCV区域的血管部分的初始区域，获取表征APCV区域脑组织部分的区域(为了方便描述，称为第二初始区域)，所述APCV区域包括初始区域与第二初始区域。
具体的，参照图5，所述根据所述初始区域像素点的颜色值，获取APCV区域，包括：
S510：根据所述初始区域的颜色值的平均值和方差，确定颜色阈值；
S520：获取QSM图像中颜色值不小于颜色阈值的APCV区域。
在一个例子中，计算APCV区域Q的公式，可以如下：
Q≥P+2T
其中，P为初始区域的颜色值的平均值；
T为初始区域的颜色值的方差。
S1300：根据所述APCV区域，分割出缺血半暗带区域。
本步骤中，所述缺血半暗带区域可以是APCV区域。
在实际应用中，APCV区域可能会扩散到周边的脑细胞，为了更精准的分割出缺血半暗带区域，在一些例子中，可以根据所述APCV区域的每个像素点，由细胞扩散模型，获取被APCV区域扩散的区域；根据所述APCV区域及被APCV区域扩散的区域，分割出缺血半暗带区域。
在一些例子中，所述缺血半暗带区域可以是APCV区域及被APCV区域扩散的区域组成的区域。
在另外一些例子中，所述缺血半暗带区域为APCV区域及被APCV区域扩散的区域的最小外接凸边形区域。
可以理解，本申请实施例提出的方法可以由MRI设备对应的控制台设备执行，也可以由任意电子设备执行，所述电子设备可以是控制台设备、工作站、台式电脑及笔记本电脑等，本申请不限制本申请实施例提出的方法的执行主体。
为了实现上述的分割缺血半暗带的方法，本申请还提供了一种分割缺血半暗带装置，如图6所示，该装置可以包括：非对称突出皮质静脉区域获取模块610和缺血半暗带区域分割模块620。
非对称突出皮质静脉区域获取模块610，用于获取QSM图像，从所述QSM图像中，获取非对称突出皮质静脉区域；
缺血半暗带区域分割模块620，用于根据所述非对称突出皮质静脉区域，分割出缺血半暗带区域。
在一些例子中，非对称突出皮质静脉区域获取模块610还用于：从所述QSM图像中，获取铁元素或血氧饱和浓度大于预设阈值的初始区域；根据所述初始区域像素点的颜色值，获取非对称突出皮质静脉区域。
在一些例子中，非对称突出皮质静脉区域获取模块610还用于：根据所述初始区域的颜色值的平均值和方差，确定颜色阈值；获取QSM图像中颜色值大于颜色阈值的非对称突出皮质静脉区域。
在一些例子中，所述缺血半暗带区域分割模块620还用于：根据所述非对称突出皮质静脉区域的每个像素点，由细胞扩散模型，获取被非对称突出皮质静脉区域扩散的区域；根据所述非对称突出皮质静脉区域及被非对称突出皮质静脉区域扩散的区域，分割出缺血半暗带区域，所述缺血半暗带区域为非对称突出皮质静脉区域及被非对称突出皮质静脉区域扩散的区域的最小外接凸边形区域。
在一些例子中，非对称突出皮质静脉区域获取模块610还用于：获取脑部磁敏感加权成像图像；从所述脑部磁敏感加权成像图像中获取脑实质区域磁敏感加权成像图像；利用磁敏感加权成像图像与QSM图像的对应关系，根据脑实质区域磁敏感加权成像图像，从所述QSM图像中，获取脑实质区域的QSM图像；从所述脑实质区域的QSM图像中，获取非对称突出皮质静脉区域。
在一些例子中，非对称突出皮质静脉区域获取模块610还用于：获取脑部磁敏感加权成像图像；从所述脑部磁敏感加权成像图像中获取脑皮质区域磁敏感加权成像图像；利用磁敏感加权成像图像与QSM图像的对应关系，根据脑皮质区域磁敏感加权成像图像，从所述QSM图像中，获取脑皮质区域的QSM图像；从所述脑皮质区域的QSM图像中，获取非对称突出皮质静脉区域。
参见图7所示，对应于上述方法，本申请同时提供一种分割缺血半暗带的设备。如图7所示，该设备可以包括处理器7001以及机器可读存储介质7002，其中，处理器7001和机器可读存储介质7002通常借由内部总线7003相互连接。在其他可能的实现方式中，所述设备还可能包括外部接口7004，以能够与其他设备或者部件进行通信，例如MRI设备。进一步地，机器可读存储介质7002上存储有分割缺血半暗带的控制逻辑7005，该控制逻辑7005从功能上划分的逻辑模块，可以是图6所示的分割缺血半暗带的装置的结构。
在不同的例子中，所述机器可读存储介质7002可以是：RAM(Radom AccessMemory，随机存取存储器)、易失存储器、非易失性存储器、闪存、存储驱动器(如硬盘驱动器)、固态硬盘、任何类型的存储盘(如光盘、dvd等)，或者类似的存储介质，或者它们的组合。
以上所述仅为本申请的较佳实施例而已，并不用以限制本申请，凡在本申请的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本申请保护的范围之内。

Claims (8)

1.一种分割缺血半暗带的方法，其特征在于，所述方法包括步骤：
获取定量磁化率成像图像；
从所述定量磁化率成像图像中，获取非对称突出皮质静脉区域；
根据所述非对称突出皮质静脉区域，分割出缺血半暗带区域，
其中，所述从所述定量磁化率成像图像中，获取非对称突出皮质静脉区域包括获取脑部磁敏感加权成像图像；
从所述脑部磁敏感加权成像图像中获取脑实质或脑皮质区域磁敏感加权成像图像；
利用磁敏感加权成像图像与定量磁化率成像图像的对应关系，根据脑实质或脑皮质区域磁敏感加权成像图像，从所述定量磁化率成像图像中，获取脑实质或脑皮质区域的定量磁化率成像图像；
从所述脑实质或脑皮质区域的定量磁化率成像图像中，获取非对称突出皮质静脉区域。
2.根据权利要求1所述的方法，其特征在于，所述从所述定量磁化率成像图像中，获取非对称突出皮质静脉区域，包括：
从所述定量磁化率成像图像中，获取铁元素或血氧饱和浓度大于预设阈值的初始区域；
根据所述初始区域像素点的颜色值，获取非对称突出皮质静脉区域。
3.根据权利要求2所述的方法，其特征在于，所述根据所述初始区域像素点的颜色值，获取非对称突出皮质静脉区域，包括：
根据所述初始区域像素点颜色值的平均值和方差，确定颜色阈值；
获取定量磁化率成像图像中颜色值不小于颜色阈值的非对称突出皮质静脉区域。
4.根据权利要求1所述的方法，其特征在于，所述根据所述非对称突出皮质静脉区域，分割出缺血半暗带区域，包括：
根据所述非对称突出皮质静脉区域的每个像素点，由细胞扩散模型，获取被非对称突出皮质静脉区域扩散的区域；
根据所述非对称突出皮质静脉区域及被非对称突出皮质静脉区域扩散的区域，分割出缺血半暗带区域，所述缺血半暗带区域为非对称突出皮质静脉区域及被非对称突出皮质静脉区域扩散的区域的最小外接凸边形区域。
5.一种分割缺血半暗带的装置，其特征在于，所述装置包括：
非对称突出皮质静脉区域获取模块，用于获取定量磁化率成像图像，从所述定量磁化率成像图像中，获取非对称突出皮质静脉区域，其包括获取脑部磁敏感加权成像图像；从所述脑部磁敏感加权成像图像中获取脑实质或脑皮质区域磁敏感加权成像图像；利用磁敏感加权成像图像与定量磁化率成像图像的对应关系，根据脑实质或脑皮质区域磁敏感加权成像图像，从所述定量磁化率成像图像中，获取脑实质或脑皮质区域的定量磁化率成像图像；从所述脑实质或脑皮质区域的定量磁化率成像图像中，获取非对称突出皮质静脉区域；
缺血半暗带区域分割模块，用于根据所述非对称突出皮质静脉区域，分割出缺血半暗带区域。
6.根据权利要求5所述的装置，其特征在于，所述从所述定量磁化率成像图像中，获取非对称突出皮质静脉区域时，所述非对称突出皮质静脉区域获取模块，用于：
从所述定量磁化率成像图像中，获取铁元素或血氧饱和浓度大于预设阈值的初始区域；
根据所述初始区域像素点颜色值的平均值和方差，确定颜色阈值；
获取定量磁化率成像图像中颜色值不小于颜色阈值的非对称突出皮质静脉区域。
7.一种分割缺血半暗带的设备，其特征在于，包括：
存储处理器可执行指令的存储器；其中，所述处理器耦合于所述存储器，用于读取所述存储器存储的程序指令，并作为响应，执行如下操作：
获取定量磁化率成像图像；
从所述定量磁化率成像图像中，获取非对称突出皮质静脉区域；
根据所述非对称突出皮质静脉区域，分割出缺血半暗带区域，
其中所述从所述定量磁化率成像图像中，获取非对称突出皮质静脉区域包括获取脑部磁敏感加权成像图像；
从所述脑部磁敏感加权成像图像中获取脑实质或脑皮质区域磁敏感加权成像图像；
利用磁敏感加权成像图像与定量磁化率成像图像的对应关系，根据脑实质或脑皮质区域磁敏感加权成像图像，从所述定量磁化率成像图像中，获取脑实质或脑皮质区域的定量磁化率成像图像；
从所述脑实质或脑皮质区域的定量磁化率成像图像中，获取非对称突出皮质静脉区域。
8.一种计算机可读存储介质，其上存储有程序，其特征在于，该程序被处理器执行如下操作：
获取定量磁化率成像图像；
从所述定量磁化率成像图像中，获取非对称突出皮质静脉区域；
根据所述非对称突出皮质静脉区域，分割出缺血半暗带区域，
其中所述从所述定量磁化率成像图像中，获取非对称突出皮质静脉区域包括获取脑部磁敏感加权成像图像；
从所述脑部磁敏感加权成像图像中获取脑实质或脑皮质区域磁敏感加权成像图像；
利用磁敏感加权成像图像与定量磁化率成像图像的对应关系，根据脑实质或脑皮质区域磁敏感加权成像图像，从所述定量磁化率成像图像中，获取脑实质或脑皮质区域的定量磁化率成像图像；
从所述脑实质或脑皮质区域的定量磁化率成像图像中，获取非对称突出皮质静脉区域。
CN201810454998.0A 2018-05-14 2018-05-14 分割缺血半暗带的方法、装置、存储介质及设备 Active CN108665465B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810454998.0A CN108665465B (zh) 2018-05-14 2018-05-14 分割缺血半暗带的方法、装置、存储介质及设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810454998.0A CN108665465B (zh) 2018-05-14 2018-05-14 分割缺血半暗带的方法、装置、存储介质及设备

Publications (2)

Publication Number Publication Date
CN108665465A CN108665465A (zh) 2018-10-16
CN108665465B true CN108665465B (zh) 2019-07-19

Family

ID=63778367

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810454998.0A Active CN108665465B (zh) 2018-05-14 2018-05-14 分割缺血半暗带的方法、装置、存储介质及设备

Country Status (1)

Country Link
CN (1) CN108665465B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113876345B (zh) * 2021-09-28 2024-04-16 武汉中科医疗科技工业技术研究院有限公司 缺血半暗带的识别方法、设备、电子装置和存储介质
CN115830014B (zh) * 2023-02-03 2023-05-05 脑玺(苏州)智能科技有限公司 缺血半暗带的误标记识别方法、装置、设备及存储介质

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1305008C (zh) * 2003-12-22 2007-03-14 中国科学院自动化研究所 弥散张量核磁成像脑缺血病灶区的自动分割方法
CN101332088B (zh) * 2008-07-21 2011-05-11 深圳先进技术研究院 一种获取脑部特征参数的系统及溶栓决策系统
WO2016076076A1 (ja) * 2014-11-11 2016-05-19 株式会社日立メディコ 磁気共鳴イメージング装置および定量的磁化率マッピング方法
CN105787918B (zh) * 2014-12-22 2020-09-25 深圳先进技术研究院 一种急性缺血性卒中磁共振图像分析处理方法
EP3391069B1 (en) * 2015-12-17 2022-02-09 Koninklijke Philips N.V. Segmentation of quantitative susceptibility mapping magnetic resonance images
CN107301645A (zh) * 2017-06-20 2017-10-27 上海联影医疗科技有限公司 一种数据处理方法和装置

Also Published As

Publication number Publication date
CN108665465A (zh) 2018-10-16

Similar Documents

Publication Publication Date Title
Yu et al. Prediction of hemorrhagic transformation severity in acute stroke from source perfusion MRI
De Linden et al. The neural correlates of updating information in verbal working memory
Schultz et al. Age-related changes in regional cerebral blood flow among young to midlife adults
CN108665465B (zh) 分割缺血半暗带的方法、装置、存储介质及设备
CN111062963B (zh) 一种血管提取方法、系统、设备及存储介质
Somasundaram et al. Contour-based brain segmentation method for magnetic resonance imaging human head scans
Jacobs et al. Evaluation of an automated method for arterial input function detection for first-pass myocardial perfusion cardiovascular magnetic resonance
JP2019088777A (ja) 造影シネｍｒｉデータセットにおける左心室のセグメント分割の改善
US9466145B2 (en) Identification of vascular territories
CN113160245A (zh) 基于分块区域生长法的ct脑实质分割系统、方法及装置
CN109886973A (zh) 一种血管提取方法、装置及计算机可读存储介质
US11202613B2 (en) Bolus tracking
Charoensuk et al. Acute stroke brain infarct segmentation in DWI images
US20150265178A1 (en) Method and apparatus for determining characteristics of cerebral ischemia based on magnetic resonance diffusion weighted imaging
KR101578483B1 (ko) 뇌경색 영역의 분할 방법
Kurisu et al. Effects of myocardial perfusion abnormalities on the accuracy of left ventricular volume and ejection fraction measured by thallium-201 gated single-photon emission tomography: comparison with echocardiography as the reference standard
CN113610800A (zh) 用于评估侧支循环的装置、非诊断方法及电子设备
Uzkent et al. 3-D MRI cardiac segmentation using graph cuts
Bruening et al. Improved partial volume correction method for detecting brain activation in disease using Arterial Spin Labeling (ASL) fMRI
WO2022025803A1 (ru) Способ локализации отделов головного мозга
CN112712523A (zh) 一种自动脑灌注数据动脉候选血管筛选方法
Olejarczyk Application of fractal dimension method of functional MRI time-series to limbic dysregulation in anxiety study
Gómez et al. Joint reconstruction of multi-contrast MRI for multiple sclerosis lesion segmentation
Wykretowicz et al. Association of left atrial fibrosis with aortic excess pressure and white matter lesions
Saporito et al. Automatic indicator dilution curve extraction in dynamic-contrast enhanced imaging using spectral clustering

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
CB03 Change of inventor or designer information
CB03 Change of inventor or designer information

Inventor after: Yang Qi

Inventor after: Bian Yueyan

Inventor before: Bian Yueyan

CB02 Change of applicant information
CB02 Change of applicant information

Address after: 110179 No. 177-1 Innovation Road, Hunnan District, Shenyang City, Liaoning Province

Applicant after: DongSoft Medical System Co., Ltd.

Address before: 110167 No. 177-1 Innovation Road, Hunnan District, Shenyang City, Liaoning Province

Applicant before: Dongruan Medical Systems Co., Ltd., Shenyang

GR01 Patent grant
GR01 Patent grant