CN108734163A - 确定弥散张量成像感兴趣区的方法 - Google Patents

确定弥散张量成像感兴趣区的方法 Download PDF

Info

Publication number
CN108734163A
CN108734163A CN201810422083.1A CN201810422083A CN108734163A CN 108734163 A CN108734163 A CN 108734163A CN 201810422083 A CN201810422083 A CN 201810422083A CN 108734163 A CN108734163 A CN 108734163A
Authority
CN
China
Prior art keywords
interest
region
magnetic resonance
diffusion
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.)
Granted
Application number
CN201810422083.1A
Other languages
English (en)
Other versions
CN108734163B (zh
Inventor
郎超
崔瑞雪
杨士霆
范伟彬
陈晖�
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.)
Beijing Everything Chengli Technology Co.,Ltd.
Original Assignee
Beijing Yasen Technology Development 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 Beijing Yasen Technology Development Co Ltd filed Critical Beijing Yasen Technology Development Co Ltd
Priority to CN201810422083.1A priority Critical patent/CN108734163B/zh
Publication of CN108734163A publication Critical patent/CN108734163A/zh
Application granted granted Critical
Publication of CN108734163B publication Critical patent/CN108734163B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V2201/00—Indexing scheme relating to image or video recognition or understanding
    • G06V2201/03—Recognition of patterns in medical or anatomical images

Landscapes

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

Abstract

本发明公开了一种确定弥散张量成像感兴趣区的方法，包括：步骤1，获取核医学图像和扩散磁共振图像；步骤2，根据1中的核医学图像分析出量化信息，根据量化信息得到核医学图像的第一感兴趣区；步骤3，将步骤1中的核医学图像和扩散磁共振图像做刚性配准，使二者实质轮廓相一致，获得刚性配准参数；步骤4，根据3中的配准信息，结合刚性配准参数将核医学图像上的第一感兴趣区转换为扩散磁共振图像上的第二感兴趣区；步骤5，人工手动调整扩散磁共振图像上的第二感兴趣区，生成第三感兴趣区；步骤6，根据扩散磁共振图像和第三感兴趣区生成追踪纤维。本发明确定弥散张量成像感兴趣区的方法具有更快速、更准确的优点，从而生成更准确的神经纤维。

Description

确定弥散张量成像感兴趣区的方法
技术领域
本发明属于医学影像处理技术领域，特别是涉及一种确定弥散张量成像感兴趣区的方法。
背景技术
灌注成像（PI）涉及血液动态加权序列，基于磁共振（MR）通道通过脑组织对比。脑灌注测量包括血管转运时间、脑血容量和脑血流。动脉输入的串行分析观察，以确定绝对脑血流。这通常涉及测量相对血流量和比较大脑的两个半球的区域差异。
扩散加权成像涉及反映水分子微观随机运动的图像。水分子在不断运动，其扩散速率取决于分子的能量，分子能量则取决于温度。然而，因为组织结构（细胞膜和血管结构）的存在，扩散不是真正的随机。在急性卒中的研究中，DWI（弥散张量成像）异常是临界缺血的标志物，它通常演变为梗死灶。同时也可以用来判断癫痫、AD等脑部疾病。
使用弥散张量计算所得到的每个体素的FA值、以及追踪所得到的纤维束连接,使得结合DTI来研究功能认知大致可以分为基于体素或感感兴趣区(ROI-based)的分析方法,以及基于纤维追踪(tract-based)的分析方法。其中基于感感兴趣区和纤维追踪则是以先验假设为主导的分析方法。目前存在的问题是感感兴趣区域是一个三维的概念，目前多通过手动定义，存在不准确，速度慢，易误诊的问题。
发明内容
本发明的目的是提供一种确定弥散张量成像感兴趣区的方法，以解决通过手动定义感感兴趣区域，存在不准确、速度慢，误诊率高的问题。
本发明解决上述技术问题的技术方案如下：一种确定弥散张量成像感兴趣区的方法，包括如下步骤：
步骤1，获取人体脑部的核医学图像和扩散磁共振图像（MRI）；
步骤2，根据步骤1中的核医学图像分析出量化信息，同时根据所述量化信息得到核医学图像的第一感兴趣区（ROI1）；
步骤3，将步骤1中的核医学图像和扩散磁共振图像做刚性配准，使二者的实质轮廓相一致，并获得刚性配准参数；
步骤4，根据步骤3中的配准信息，结合刚性配准参数将核医学图像上的第一感兴趣区（ROI1）转换为扩散磁共振图像上的第二感兴趣区（ROI2）；
步骤5，人工手动调整扩散磁共振图像上的第二感兴趣区（ROI2），生成第三感兴趣区（ROI3）；
步骤6，根据扩散磁共振图像（MRI）和第三感兴趣区（ROI3）生成追踪纤维。
本发明如上所述的确定弥散张量成像感兴趣区的方法，优选的，在步骤1中，所述核医学图像为核医学代谢图像（PET）或血流显像（SPECT）。
本发明如上所述的确定弥散张量成像感兴趣区的方法，优选的，在步骤2中，所述量化信息为局部脑血流（rCBF）或局部脑葡萄糖代谢率（rCMRglu）。
本发明如上所述的确定弥散张量成像感兴趣区的方法，优选的，在步骤5中，人工手动删除扩散磁共振图像上的第二感兴趣区的部分区域生成第三感兴趣区；或者，人工手动增加扩散磁共振图像上的第二感兴趣区的部分区域生成第三感兴趣区。
本发明如上所述的确定弥散张量成像感兴趣区的方法，优选的，步骤6的具体步骤为：根据扩散磁共振图像（MRI）和第三感兴趣区（ROI3）利用纤维跟踪技术（fibertracking）或白质纤维束成像技术（tractography）生成追踪纤维。
本发明的有益效果是：
本发明确定弥散张量成像感兴趣区的方法充分利用核医学图像中的量化信息，快速确定第一感兴趣区；利用图像的刚性匹配参数获得扩散磁共振图像上的第二感兴趣区；人工手动调整扩散磁共振图像上的第二感兴趣区能够进一步提高感兴趣区识别的准确度；最终根据扩散磁共振图像和第三感兴趣区生成追踪纤维。
附图说明
图1为一种实施例确定弥散张量成像感兴趣区的方法步骤1涉及的图像。
图2为一种实施例确定弥散张量成像感兴趣区的方法步骤1涉及的图像。
图3为一种实施例确定弥散张量成像感兴趣区的方法步骤2涉及的图像。
图4为本发明一种实施例确定弥散张量成像感兴趣区的方法步骤3和步骤4所涉及的图像。
图5为一种实施例确定弥散张量成像感兴趣区的方法步骤5涉及的图像。
图6为一种实施例确定弥散张量成像感兴趣区的方法步骤6涉及的图像。
图7为本发明一种实施例的确定弥散张量成像感兴趣区的方法示意图。
具体实施方式
在此记载的实施例为本发明的特定的具体实施方式，用于说明本发明的构思，均是解释性和示例性的，不应解释为对本发明实施方式及本发明范围的限制。除在此记载的实施例外，本领域技术人员还能够基于本申请权利要求书和说明书所公开的内容采用显而易见的其它技术方案，这些技术方案包括采用对在此记载的实施例的做出任何显而易见的替换和修改的技术方案。
本发明以下实施例公开了用于选择人体脑部的感感兴趣区域（Region ofInterest，ROI）的方法。根据使用者特点，通过图像提取模块获取图像，并对感感兴趣区域的微观结构的完整性和连通性进行判断，通过MRI和核医学图像（PET，SPECT）自动获得扩散磁共振（MRI）所需要生成神经纤维的ROI；最终将图像显示在显示器上。
实施例1
结合图1-图7说明本实施例确定弥散张量成像感兴趣区的方法，包括如下步骤：
步骤1，获取人体脑部的核医学图像和扩散磁共振图像（MRI）；
步骤2，根据步骤1中的核医学图像分析出量化信息，同时根据所述量化信息得到核医学图像的第一感兴趣区（ROI1）；如图3中示出两个第一感兴趣区；
步骤3，将步骤1中的核医学图像和扩散磁共振图像做刚性配准，使二者的实质轮廓相一致，并获得刚性配准参数；
步骤4，根据步骤3中的配准信息，结合刚性配准参数将核医学图像上的第一感兴趣区（ROI1）转换为扩散磁共振图像上的第二感兴趣区（ROI2）；如图4中示出两个第二感兴趣区；
步骤5，人工手动删除扩散磁共振图像上的第二感兴趣区（ROI2）的部分区域，生成第三感兴趣区（ROI3）；如图5中示出一个第三感兴趣区；
步骤6，根据扩散磁共振图像（MRI）和第三感兴趣区（ROI3）利用纤维跟踪技术（fibertracking）或白质纤维束成像（tractography）生成追踪纤维。
本发明上述实施例的确定弥散张量成像感兴趣区的方法充分利用核医学图像中的量化信息，快速确定第一感兴趣区；利用图像的刚性匹配参数获得扩散磁共振图像上的第二感兴趣区；人工手动调整扩散磁共振图像上的第二感兴趣区能够进一步提高感兴趣区识别的准确度；最终根据扩散磁共振图像和第三感兴趣区生成追踪纤维。
实施例2
本实施例确定弥散张量成像感兴趣区的方法，包括如下步骤：
步骤1，获取人体脑部的核医学图像和扩散磁共振图像（MRI）；所述核医学图像为核医学代谢图像（PET）；
步骤2，根据步骤1中的核医学图像分析出量化信息，同时根据所述量化信息得到核医学图像的第一感兴趣区（ROI1）；所述量化信息为局部脑血流（rCBF）；
步骤3，将步骤1中的核医学图像和扩散磁共振图像做刚性配准，使二者的实质轮廓相一致，并获得刚性配准参数；
步骤4，根据步骤3中的配准信息，结合刚性配准参数将核医学图像上的第一感兴趣区（ROI1）转换为扩散磁共振图像上的第二感兴趣区（ROI2）；
步骤5，人工手动调整扩散磁共振图像上的第二感兴趣区（ROI2），生成第三感兴趣区（ROI3）；
步骤6，根据扩散磁共振图像（MRI）和第三感兴趣区（ROI3）利用白质纤维束成像（tractography）生成追踪纤维。
实施例3
本实施例确定弥散张量成像感兴趣区的方法，包括如下步骤：
步骤1，获取人体脑部的核医学图像和扩散磁共振图像（MRI）；所述核医学图像为血流显像（SPECT）；
步骤2，根据步骤1中的核医学图像分析出量化信息，同时根据所述量化信息得到核医学图像的第一感兴趣区（ROI1）；所述量化信息为局部脑葡萄糖代谢率（rCMRglu）；
步骤3，将步骤1中的核医学图像和扩散磁共振图像做刚性配准，使二者的实质轮廓相一致，并获得刚性配准参数；
步骤4，根据步骤3中的配准信息，结合刚性配准参数将核医学图像上的第一感兴趣区（ROI1）转换为扩散磁共振图像上的第二感兴趣区（ROI2）；
步骤5，人工手动调整扩散磁共振图像上的第二感兴趣区（ROI2），向第二感兴趣区增加部分区域，生成第三感兴趣区（ROI3）；
步骤6，根据扩散磁共振图像（MRI）和第三感兴趣区（ROI3）利用纤维跟踪技术（fibertracking）生成追踪纤维。
上述披露的各技术特征并不限于已披露的与其它特征的组合，本领域技术人员还可根据发明之目的进行各技术特征之间的其它组合，以实现本发明之目的为准。

Claims (5)

1.一种确定弥散张量成像感兴趣区的方法，包括如下步骤：
步骤1，获取人体脑部的核医学图像和扩散磁共振图像；
步骤2，根据步骤1中的核医学图像分析出量化信息，同时根据所述量化信息得到核医学图像的第一感兴趣区；
步骤3，将步骤1中的核医学图像和扩散磁共振图像做刚性配准，使二者的实质轮廓相一致，并获得刚性配准参数；
步骤4，根据步骤3中的配准信息，结合刚性配准参数将核医学图像上的第一感兴趣区转换为扩散磁共振图像上的第二感兴趣区；
步骤5，人工手动调整扩散磁共振图像上的第二感兴趣区，生成第三感兴趣区；
步骤6，根据扩散磁共振图像和第三感兴趣区生成追踪纤维。
2.根据权利要求1所述的确定弥散张量成像感兴趣区的方法，其特征在于，在步骤1中，所述核医学图像为核医学代谢图像或血流显像。
3.根据权利要求1所述的确定弥散张量成像感兴趣区的方法，其特征在于，在步骤2中，所述量化信息为局部脑血流或局部脑葡萄糖代谢率。
4.根据权利要求1所述的确定弥散张量成像感兴趣区的方法，其特征在于，在步骤5中，人工手动删除扩散磁共振图像上的第二感兴趣区的部分区域生成第三感兴趣区；或者，人工手动增加扩散磁共振图像上的第二感兴趣区的部分区域生成第三感兴趣区。
5.根据权利要求1-4任一项所述的确定弥散张量成像感兴趣区的方法，其特征在于，步骤6的具体步骤为：根据扩散磁共振图像和第三感兴趣区利用纤维跟踪技术或白质纤维束成像技术生成追踪纤维。
CN201810422083.1A 2018-05-04 2018-05-04 确定弥散张量成像感兴趣区的方法 Active CN108734163B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810422083.1A CN108734163B (zh) 2018-05-04 2018-05-04 确定弥散张量成像感兴趣区的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810422083.1A CN108734163B (zh) 2018-05-04 2018-05-04 确定弥散张量成像感兴趣区的方法

Publications (2)

Publication Number Publication Date
CN108734163A true CN108734163A (zh) 2018-11-02
CN108734163B CN108734163B (zh) 2021-12-14

Family

ID=63936935

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810422083.1A Active CN108734163B (zh) 2018-05-04 2018-05-04 确定弥散张量成像感兴趣区的方法

Country Status (1)

Country Link
CN (1) CN108734163B (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110415228A (zh) * 2019-07-24 2019-11-05 上海联影医疗科技有限公司 神经纤维追踪方法、磁共振系统及存储介质
CN110599560A (zh) * 2019-08-05 2019-12-20 上海联影医疗科技有限公司 磁共振成像方法、装置、存储介质及计算机设备
CN111091561A (zh) * 2019-12-20 2020-05-01 上海联影医疗科技有限公司 感兴趣区的神经纤维提取方法、系统、设备及存储介质
CN111366600A (zh) * 2019-11-08 2020-07-03 宁波诺丁汉大学 一种检测水果甜度的方法、装置、系统及存储介质
CN111414904A (zh) * 2019-01-08 2020-07-14 北京地平线机器人技术研发有限公司 处理感兴趣区域数据的方法和装置
CN115359305A (zh) * 2022-10-19 2022-11-18 之江实验室 一种大脑纤维束异常区域精准定位系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101650827A (zh) * 2009-09-09 2010-02-17 西北工业大学 一种混合的大脑白质神经纤维自动聚类及标记方法
US20120046538A1 (en) * 2007-05-16 2012-02-23 Raghu Raghavan Method for estimating the physiological parameters defining the edema induced upon infusion of fluid from an intraparenchymally placed catheter
CN103559728A (zh) * 2013-10-31 2014-02-05 南方医科大学 基于解剖功能联合先验模型的pet图像最大后验重建方法
CN103761750A (zh) * 2014-02-14 2014-04-30 华中科技大学 一种心肌质点运动图像与心肌纤维走向图像配准方法
CN106875401A (zh) * 2017-01-10 2017-06-20 中国科学院深圳先进技术研究院 多模态影像组学的分析方法、装置及终端

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120046538A1 (en) * 2007-05-16 2012-02-23 Raghu Raghavan Method for estimating the physiological parameters defining the edema induced upon infusion of fluid from an intraparenchymally placed catheter
CN101650827A (zh) * 2009-09-09 2010-02-17 西北工业大学 一种混合的大脑白质神经纤维自动聚类及标记方法
CN103559728A (zh) * 2013-10-31 2014-02-05 南方医科大学 基于解剖功能联合先验模型的pet图像最大后验重建方法
CN103761750A (zh) * 2014-02-14 2014-04-30 华中科技大学 一种心肌质点运动图像与心肌纤维走向图像配准方法
CN106875401A (zh) * 2017-01-10 2017-06-20 中国科学院深圳先进技术研究院 多模态影像组学的分析方法、装置及终端

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
CUI LIN ET AL.: "Coclustering for Cross-Subject Fiber Tract Analysis Through Diffusion Tensor Imaging", 《IEEE TRANSACTIONS ON INFORMATION TECHNOLOGY IN BIOMEDICINE》 *

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111414904A (zh) * 2019-01-08 2020-07-14 北京地平线机器人技术研发有限公司 处理感兴趣区域数据的方法和装置
CN111414904B (zh) * 2019-01-08 2023-12-01 北京地平线机器人技术研发有限公司 处理感兴趣区域数据的方法和装置
CN110415228A (zh) * 2019-07-24 2019-11-05 上海联影医疗科技有限公司 神经纤维追踪方法、磁共振系统及存储介质
CN110599560A (zh) * 2019-08-05 2019-12-20 上海联影医疗科技有限公司 磁共振成像方法、装置、存储介质及计算机设备
CN111366600A (zh) * 2019-11-08 2020-07-03 宁波诺丁汉大学 一种检测水果甜度的方法、装置、系统及存储介质
CN111366600B (zh) * 2019-11-08 2022-02-08 宁波诺丁汉大学 一种检测水果甜度的方法、装置、系统及存储介质
US11965842B2 (en) 2019-11-08 2024-04-23 University Of Nottingham Ningbo China Method, device, and system for detecting sweetness of fruit, and storage medium
CN111091561A (zh) * 2019-12-20 2020-05-01 上海联影医疗科技有限公司 感兴趣区的神经纤维提取方法、系统、设备及存储介质
CN111091561B (zh) * 2019-12-20 2023-09-22 上海联影医疗科技股份有限公司 感兴趣区的神经纤维提取方法、系统、设备及存储介质
CN115359305A (zh) * 2022-10-19 2022-11-18 之江实验室 一种大脑纤维束异常区域精准定位系统
CN115359305B (zh) * 2022-10-19 2023-01-10 之江实验室 一种大脑纤维束异常区域精准定位系统

Also Published As

Publication number Publication date
CN108734163B (zh) 2021-12-14

Similar Documents

Publication Publication Date Title
CN108734163A (zh) 确定弥散张量成像感兴趣区的方法
JP6449373B2 (ja) 磁気共鳴イメージング装置
US20190223750A1 (en) Medical image diagnostic apparatus and medical image display apparatus for volume image correlations
CN101856228B (zh) 磁共振成像装置
Lin et al. Comparison of intravoxel incoherent motion diffusion-weighted MR imaging and arterial spin labeling MR imaging in gliomas
CN107361791A (zh) 一种快速超分辨血流成像方法
CN108375747B (zh) 一种基于磁共振指纹的动态增强磁共振成像方法
CN111407277A (zh) 一种急性缺血性脑卒中磁共振灌注-弥散影像配准方法
US9974464B2 (en) Image processing apparatus and magnetic resonance imaging apparatus
Butler et al. Differentiation of vascular characteristics using contrast-enhanced ultrasound imaging
CN110335236A (zh) 心脏医学图像的处理方法、处理装置、处理系统和介质
CN109242866A (zh) 基于扩散磁共振图像的乳腺肿瘤自动辅助检测系统
CN111751770A (zh) 一种非磁共振造影剂依赖的定量测量血管内外水分子交换速度的方法
RU2702587C1 (ru) Способ оценки скорости церебрального кровотока в зонах нейрональной активации
Wang et al. 3D airway segmentation via hyperpolarized 3He gas MRI by using scale-based fuzzy connectedness
Nomura et al. Registration method between phase-contrast magnetic resonance angiography and time-of-flight magnetic resonance angiography—a preliminary study
Li et al. Acceleration of cerebral blood flow and arterial transit time maps estimation from multiple post-labeling delay arterial spin-labeled MRI via deep learning
Yang et al. Automated vortex identification based on Lagrangian averaged vorticity deviation in analysis of blood flow in the atrium from phase contrast MRI
Huang et al. Life at the edge—Exploring the limits of our “fields”
Kratochvíla et al. Noninvasive Characterization of Tissue Microvessel Architecture in MRI
Pan et al. Cerebral Blood Volume Prediction Based on Multi-modality Magnetic Resonance Imaging
Kertes et al. IVIM-Morph: Motion-compensated quantitative Intra-voxel Incoherent Motion (IVIM) analysis for functional fetal lung maturity assessment from diffusion-weighted MRI data
Ning Research on MRI whole body Diffusion imaging technology in medical clinic
Yoshiura Arterial Spin Labeling in Dementia
CN117045198A (zh) 一种基于多模态磁共振图像的疾病患者预后系统及方法

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
GR01 Patent grant
GR01 Patent grant
TR01 Transfer of patent right

Effective date of registration: 20230323

Address after: Room 3736, Room 1101, Unit 1, 10th Floor, Building 1, Yard 33, Guangshun North Street, Chaoyang District, Beijing, 100102

Patentee after: Beijing Everything Chengli Technology Co.,Ltd.

Address before: 100102 1507, block 1b, Wangjing SOHO tower, Chaoyang District, Beijing

Patentee before: BEIJING YASEN TECHNOLOGY DEVELOPMENT CO.,LTD.

TR01 Transfer of patent right