CN108852287A - 一种选择脑对称兴趣区的方法 - Google Patents
一种选择脑对称兴趣区的方法 Download PDFInfo
- Publication number
- CN108852287A CN108852287A CN201810421160.1A CN201810421160A CN108852287A CN 108852287 A CN108852287 A CN 108852287A CN 201810421160 A CN201810421160 A CN 201810421160A CN 108852287 A CN108852287 A CN 108852287A
- Authority
- CN
- China
- Prior art keywords
- brain
- image
- roi
- symmetrical
- registration
- 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
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/40—Detecting, measuring or recording for evaluating the nervous system
- A61B5/4058—Detecting, measuring or recording for evaluating the nervous system for evaluating the central nervous system
- A61B5/4064—Evaluating the brain
-
- 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
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Neurology (AREA)
- Physics & Mathematics (AREA)
- Pathology (AREA)
- Heart & Thoracic Surgery (AREA)
- Psychology (AREA)
- Neurosurgery (AREA)
- Physiology (AREA)
- Multimedia (AREA)
- Biophysics (AREA)
- General Physics & Mathematics (AREA)
- Biomedical Technology (AREA)
- Theoretical Computer Science (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Magnetic Resonance Imaging Apparatus (AREA)
- Nuclear Medicine (AREA)
Abstract
本发明公开一种选择脑对称兴趣区的方法,通过图像处理软件完成,具体包括以下步骤:获取脑图像的生理中心线并根据该生理中心线将脑图像自动分割成左右脑;将所述左右脑进行非刚性配准,形成配准后的脑图像;在配准后的脑图像中手动输入ROI,并加载脑功能区模板;根据脑功能区模板生成与所述输入的ROI相对称的ROI。本发明使得对称ROI的对称更加精确,为脑部疾病的诊断及治疗提供了更为准确的判断依据。
Description
技术领域
本发明涉及医疗图像处理技术领域,具体涉及一种选择脑对称兴趣区的方法。
背景技术
在脑神经病变的分析应用中,通常需要比较病变脑半球ROI(感兴趣区)测量值与对称的正常脑半球ROI测量之间的差异。病变ROI通常由操作者输入,输入后还需要根据大脑的对称轴产生对称的ROI。然而,大脑通常为不完全对称的中矢状面,因为两个大脑半球有不同的解剖和功能或病变,而对称ROI首先要包含相对应的脑功能区组织,而这些脑功能区在有些情况下,其形状可能也不是完全对称的,因此病变ROI输入后,很难得到对称轴精确对称的ROI。
发明内容
本发明的目的是针对现有技术中存在的技术缺陷,而提供一种可得到精确的脑对称兴趣区的选择脑对称兴趣区的方法。
为实现本发明的目的所采用的技术方案是:
一种选择脑对称兴趣区的方法, 通过图像处理软件完成,具体包括以下步骤:
利用图像识别单元自动获取脑图像的生理中心线并根据该生理中心线将脑图像自动分割成左右脑;
利用图像处理单元完成以下步骤:
将所述左右脑进行非刚性配准,形成配准后的脑图像;
在配准后的脑图像中手动输入ROI,并加载脑功能区模板;
根据脑功能区模板生成与所述输入的ROI相对称的ROI。
所述脑图像包括MRI、PET和SPECT图像的一种。
本发明通过利用图像处理软件,先将脑图像按生理中心线分割成对称的左右脑两个部分后,再进行非刚性配准,形成配准后的脑图像,这样在手动输入ROI并加载脑功能区模板后,根据加载的脑功能区模板,即可根据模板自动生成与所述输入的ROI相对称的ROI,从而获取更为精确的对称ROI区域,即使在医学图像上脑解剖不严格对称,也可以提高定量分析的准确性,为脑部疾病的诊断及治疗提供了更为准确的判断依据。
附图说明
图1是选择脑对称兴趣区的方法的流程图。
图2-4分别是待处理的MRI、PET和SPECT脑图像。
具体实施方式
以下结合附图和具体实施例对本发明作进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
参见图1所示,一种选择脑对称兴趣区的方法, 通过图像处理软件完成,具体包括以下步骤:
利用图像识别单元自动获取脑图像的生理中心线并根据该生理中心线将脑图像自动分割成左右脑;然后利用图像处理单元完成以下步骤:
将所述左右脑进行非刚性配准,形成配准后的脑图像;
在配准后的脑图像中手动输入ROI,并加载脑功能区模板;
根据脑功能区模板生成与所述输入的ROI相对称的ROI。
需要说明的是,由于每个人的大脑的结构都有差别,左右脑也可能存在不对称的情况,如果直接使用整个大脑进行刚性配准可能会出现较大偏差,出现左右脑功能区配准发生错误。而本发明,先根据生理中心线划分出左右脑,再根据左右脑进行非刚性配准,一定程度上可避免使用整个大脑进行刚性配准可能会出现较大的偏差的问题。在左右脑进行非刚性配准完成后,加载人体正常的脑功能区模板,根据输入的ROI就可生成对侧对称的ROI,使患者的ROI可对应的落在具体的对称的脑功能区。
所述左右脑是生理功能基本对称的左右脑两部分,是根据生理中心线位置确定矢状面后对脑部图像进行分割形成的。
在生成与输入的ROI相对称的ROI时,可以根据输入的ROI的空间点坐标计算映射到对称的坐标系位中对称位置的空间点坐标,这些空间点坐标对应点的连起来,就是对侧对称的ROI。
其中,所述生理中心线,由图像处理软件的图像识别单元自动识别和提取。
在获取脑图像的生理中心线之前,还包括获取脑图像的步骤,即利用图像处理软件的图像提取单元获取患者脑部图像,然后再由图像处理软件的图像识别单元自动识别和提取脑图像的生理中心线。
本发明中,所述脑图像可以MRI、PET和SPECT图像的一种,如图2-4所示。
本发明通过利用图像处理软件,先将脑图像按生理中心线分割成对称的左右脑两个部分后,再进行非刚性配准,形成配准后的脑图像,这样在手动输入ROI并加载脑功能区模板后,根据加载的脑功能区模板,即可根据模板自动生成与所述输入的ROI相对称的ROI,从而获取更为精确的对称ROI区域,为脑部疾病的诊断及治疗提供了更为准确的判断依据。
以上所述仅是本发明的优选实施方式,应当指出的是,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (2)
1.一种选择脑对称兴趣区的方法,其特征在于,通过图像处理软件完成,具体包括以下步骤:
利用图像识别单元自动获取脑图像的生理中心线并根据该生理中心线将脑图像自动分割成左右脑;然后利用图像处理单元完成以下步骤:
将所述左右脑进行非刚性配准,形成配准后的脑图像;
在配准后的脑图像中手动输入ROI,并加载脑功能区模板;
根据脑功能区模板生成与所述输入的ROI相对称的ROI。
2.根据权利要求1所述选择脑对称兴趣区的方法,其特征在于,所述脑图像包括MRI、PET和SPECT图像的一种。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810421160.1A CN108852287A (zh) | 2018-05-04 | 2018-05-04 | 一种选择脑对称兴趣区的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810421160.1A CN108852287A (zh) | 2018-05-04 | 2018-05-04 | 一种选择脑对称兴趣区的方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108852287A true CN108852287A (zh) | 2018-11-23 |
Family
ID=64327208
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810421160.1A Pending CN108852287A (zh) | 2018-05-04 | 2018-05-04 | 一种选择脑对称兴趣区的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108852287A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022141085A1 (zh) * | 2020-12-29 | 2022-07-07 | 深圳迈瑞生物医疗电子股份有限公司 | 超声检测方法和超声成像系统 |
US11941825B2 (en) | 2021-10-28 | 2024-03-26 | Canon Medical Systems Corporation | Method and apparatus for registering image volumes |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110301431A1 (en) * | 2010-06-05 | 2011-12-08 | The Board Of Trustees Of The Leland Stanford Junior University | Methods of classifying cognitive states and traits and applications thereof |
CN103800011A (zh) * | 2014-02-18 | 2014-05-21 | 常州大学 | 一种基于功能磁共振成像的脑区效应连接分析系统 |
US8742754B2 (en) * | 2010-02-16 | 2014-06-03 | Board Of Regents Of The University Of Texas System | Method and system for diffusion tensor imaging |
CN105074773A (zh) * | 2013-03-28 | 2015-11-18 | 皇家飞利浦有限公司 | 改善脑部扫描中的对称性 |
CN106023194A (zh) * | 2016-05-18 | 2016-10-12 | 西安交通大学 | 基于静息态功能连接的杏仁核谱聚类分割方法 |
CN107203997A (zh) * | 2016-03-16 | 2017-09-26 | 上海联影医疗科技有限公司 | 一种左右半脑的分割方法 |
CN107392907A (zh) * | 2017-09-01 | 2017-11-24 | 上海理工大学 | 基于静息态功能性磁共振成像的海马旁回功能分区方法 |
-
2018
- 2018-05-04 CN CN201810421160.1A patent/CN108852287A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8742754B2 (en) * | 2010-02-16 | 2014-06-03 | Board Of Regents Of The University Of Texas System | Method and system for diffusion tensor imaging |
US20110301431A1 (en) * | 2010-06-05 | 2011-12-08 | The Board Of Trustees Of The Leland Stanford Junior University | Methods of classifying cognitive states and traits and applications thereof |
CN105074773A (zh) * | 2013-03-28 | 2015-11-18 | 皇家飞利浦有限公司 | 改善脑部扫描中的对称性 |
CN103800011A (zh) * | 2014-02-18 | 2014-05-21 | 常州大学 | 一种基于功能磁共振成像的脑区效应连接分析系统 |
CN107203997A (zh) * | 2016-03-16 | 2017-09-26 | 上海联影医疗科技有限公司 | 一种左右半脑的分割方法 |
CN106023194A (zh) * | 2016-05-18 | 2016-10-12 | 西安交通大学 | 基于静息态功能连接的杏仁核谱聚类分割方法 |
CN107392907A (zh) * | 2017-09-01 | 2017-11-24 | 上海理工大学 | 基于静息态功能性磁共振成像的海马旁回功能分区方法 |
Non-Patent Citations (1)
Title |
---|
吴开良: "肿瘤放射物理基础", 《临床肿瘤放射治疗学》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022141085A1 (zh) * | 2020-12-29 | 2022-07-07 | 深圳迈瑞生物医疗电子股份有限公司 | 超声检测方法和超声成像系统 |
US11941825B2 (en) | 2021-10-28 | 2024-03-26 | Canon Medical Systems Corporation | Method and apparatus for registering image volumes |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107492097B (zh) | 一种识别mri图像感兴趣区域的方法及装置 | |
JP2022031908A (ja) | 変形可能テンプレートを使用して最適化された電極位置を有するttフィールドを用いて患者を治療する | |
CN106659424B (zh) | 医用图像显示处理方法、医用图像显示处理装置及程序 | |
JP7309986B2 (ja) | 医用画像処理方法、医用画像処理装置、医用画像処理システム及び医用画像処理プログラム | |
EP2705806B1 (en) | Advanced fiber tracking and medical navigation in a brain | |
EP3625768B1 (en) | Determining a clinical target volume | |
CN109662778B (zh) | 基于三维卷积的人机交互式颅内电极定位方法与系统 | |
US20070223800A1 (en) | Method and system for virtual slice positioning in a 3d volume data set | |
EP3247269B1 (en) | Tissue-orientation-based simulation of deep brain stimulation | |
KR102280367B1 (ko) | 10-20 시스템 기반의 위치 정보 제공 방법, 장치 및 프로그램 | |
CN106997594B (zh) | 一种眼部组织的定位方法及装置 | |
JP2006314778A (ja) | 医用画像処理装置及び医用画像処理方法 | |
CN106709920B (zh) | 血管提取方法及其装置 | |
US20190012805A1 (en) | Automatic detection of an artifact in patient image data | |
Kuijf et al. | Registration of brain CT images to an MRI template for the purpose of lesion-symptom mapping | |
CN108852287A (zh) | 一种选择脑对称兴趣区的方法 | |
US9117257B2 (en) | Method to prepare an interventional and/or diagnostic imaging procedure with at least two different medical imaging modalitites | |
US11941839B2 (en) | 10-20 system-based position information providing method | |
US20150206300A1 (en) | Method and apparatus for extraction and quantification of hematoma from a brain scan such as computed tomography data | |
KR101479577B1 (ko) | 심근 및 심혈관 정보의 통합 분석 방법 | |
Mishra et al. | Medical image processing: A challenging analysis | |
Fabijańska et al. | Assessment of hydrocephalus in children based on digital image processing and analysis | |
JP6827786B2 (ja) | 輪郭抽出装置、輪郭抽出方法およびプログラム | |
US11385310B2 (en) | Functional magnetic resonance imaging systems and methods | |
WO2018027793A1 (zh) | 一种开颅手术中可视化脑功能结构定位方法及系统 |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20181123 |