CN110236544B - 基于相关系数的中风灌注成像病变区域检测系统及方法 - Google Patents
基于相关系数的中风灌注成像病变区域检测系统及方法 Download PDFInfo
- Publication number
- CN110236544B CN110236544B CN201910457538.8A CN201910457538A CN110236544B CN 110236544 B CN110236544 B CN 110236544B CN 201910457538 A CN201910457538 A CN 201910457538A CN 110236544 B CN110236544 B CN 110236544B
- Authority
- CN
- China
- Prior art keywords
- correlation coefficient
- image
- information
- perfusion
- voxel point
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 46
- 230000010412 perfusion Effects 0.000 title claims abstract description 39
- 238000003384 imaging method Methods 0.000 title claims abstract description 29
- 238000001514 detection method Methods 0.000 title abstract description 20
- 230000003902 lesion Effects 0.000 title abstract description 13
- 238000010586 diagram Methods 0.000 claims abstract description 46
- 238000012905 input function Methods 0.000 claims abstract description 18
- 230000003788 cerebral perfusion Effects 0.000 claims abstract description 15
- 210000001367 artery Anatomy 0.000 claims abstract description 12
- 238000012545 processing Methods 0.000 claims description 15
- 239000002872 contrast media Substances 0.000 claims description 11
- 230000009467 reduction Effects 0.000 claims description 11
- 238000004364 calculation method Methods 0.000 claims description 6
- 230000008569 process Effects 0.000 claims description 5
- 238000012360 testing method Methods 0.000 claims description 5
- 238000002591 computed tomography Methods 0.000 description 17
- 230000006870 function Effects 0.000 description 13
- 208000006011 Stroke Diseases 0.000 description 11
- 230000003727 cerebral blood flow Effects 0.000 description 9
- 238000007917 intracranial administration Methods 0.000 description 9
- 210000004556 brain Anatomy 0.000 description 8
- 210000000133 brain stem Anatomy 0.000 description 6
- 238000002595 magnetic resonance imaging Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 238000005481 NMR spectroscopy Methods 0.000 description 3
- 230000002490 cerebral effect Effects 0.000 description 3
- 230000002596 correlated effect Effects 0.000 description 3
- 201000010099 disease Diseases 0.000 description 3
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 3
- 206010008190 Cerebrovascular accident Diseases 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 230000004219 arterial function Effects 0.000 description 2
- 239000008280 blood Substances 0.000 description 2
- 210000004369 blood Anatomy 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 230000000004 hemodynamic effect Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000002347 injection Methods 0.000 description 2
- 239000007924 injection Substances 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000012805 post-processing Methods 0.000 description 2
- 239000000243 solution Substances 0.000 description 2
- 238000013519 translation Methods 0.000 description 2
- 206010008132 Cerebral thrombosis Diseases 0.000 description 1
- 206010012289 Dementia Diseases 0.000 description 1
- 201000001429 Intracranial Thrombosis Diseases 0.000 description 1
- 208000032382 Ischaemic stroke Diseases 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000036770 blood supply Effects 0.000 description 1
- 206010008118 cerebral infarction Diseases 0.000 description 1
- 208000026106 cerebrovascular disease Diseases 0.000 description 1
- 238000013170 computed tomography imaging Methods 0.000 description 1
- 230000000875 corresponding effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 206010015037 epilepsy Diseases 0.000 description 1
- 210000004884 grey matter Anatomy 0.000 description 1
- 230000000302 ischemic effect Effects 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000001503 one-tailed test Methods 0.000 description 1
- 210000000056 organ Anatomy 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 239000000700 radioactive tracer Substances 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000010187 selection method Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000002792 vascular Effects 0.000 description 1
- 210000005166 vasculature Anatomy 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 210000004885 white matter Anatomy 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/05—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves
- A61B5/055—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves involving electronic [EMR] or nuclear [NMR] magnetic resonance, e.g. magnetic resonance imaging
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7203—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/02—Arrangements for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
- A61B6/03—Computed tomography [CT]
- A61B6/032—Transmission computed tomography [CT]
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/48—Diagnostic techniques
- A61B6/481—Diagnostic techniques involving the use of contrast agents
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/50—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications
- A61B6/501—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications for diagnosis of the head, e.g. neuroimaging or craniography
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
- A61B6/5258—Devices using data or image processing specially adapted for radiation diagnosis involving detection or reduction of artifacts or noise
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Physics & Mathematics (AREA)
- Animal Behavior & Ethology (AREA)
- Molecular Biology (AREA)
- Pathology (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Veterinary Medicine (AREA)
- Surgery (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- High Energy & Nuclear Physics (AREA)
- Radiology & Medical Imaging (AREA)
- Optics & Photonics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Signal Processing (AREA)
- Artificial Intelligence (AREA)
- Physiology (AREA)
- Psychiatry (AREA)
- Neurology (AREA)
- Neurosurgery (AREA)
- Dentistry (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Pulmonology (AREA)
- Theoretical Computer Science (AREA)
- Magnetic Resonance Imaging Apparatus (AREA)
Abstract
本发明提供了一种基于相关系数的中风灌注成像病变区域检测方法及系统，该方法包括以下步骤：A.读取脑灌注图像，该脑灌注图像包括三维图像信息和时序信息；B.对三维图像中的每一个体素点带时序的信息进行后向解算，得到每一个体素点的最高流量，累计流量，最高流量延时信息；C.获取动脉输入函数；D.对于所述三维图像中每一个三维体素点，计算其时序信号的曲线和动脉输入函数的皮尔逊相关系数或斯皮尔斯曼相关系数，并将结果生成热力图。本发明的方法使可以减少由于噪音和不同扫描图片中强度值的差异导致的误判和可能对组织造成的损伤。
Description
技术领域
本发明涉及医疗检测设备和该设备的检测和成像方法，具体得涉及一种基于相关系数的中风灌注成像病变区域检测系统及方法。
背景技术
大脑灌注成像(Brain Perfusion Imaging)在疾病诊断、病期分型和治疗指导中具有重要作用，是诊断脑血栓、癫痛、痴呆症、中风(脑卒中)等疾病的重要手段。大脑灌注成像通常可提供脑部血流量、血容量、平均通过时间及达峰时间等参数图，在对脑血流速(CBF)、脑血容积(CBV)、平均通过时间(MTT)等血液动力学参数进行定量时，通常会需用到动脉中示踪剂的浓度变化曲线——动脉输入函数(AIF)。
为了优化灌注成像的效果、减少误差、提高成像速度和成像准确率，现有技术中公开了多种对共振灌注成像后处理方法及系统的改进。
例如，在中国发明专利申请(公开号CN109242863A)中公开了一种缺血性脑卒中图像区域分割方法及装置。该方法包括：预处理第一颅内计算机断层灌注成像CTP时序图，得到预处理后颅内的CTP时序图；将所述预处理后的颅内CTP时序图输入第一网络进行处理，得到所述预处理后的颅内CTP时序图对应的第一核磁共振MRI图像；将所述第一MRI图像输入第二网络进行处理，得到缺血性脑卒中的区域分割图像，其中，对所述第一颅内计算机断层灌注成像时序图进行卷积操作，确定所述第一颅内计算机断层灌注成像时序图中的动脉输入函数(AIF)；根据所述动脉输入函数和所述第一颅内计算机断层灌注成像时序图，确定起始时间，所述起始时间为所述动脉输入函数在所述第一颅内计算机断层灌注成像时序图中出现的时间；去除所述起始时间之前的数据，得到第三颅内计算机断层灌注成像时序图；对所述第三颅内计算机断层灌注成像时序图进行解卷积操作。该方法能够通过神经网络自动找出CTP时序图中的AIF，并根据AIF的位置将CTP时序图中的无效数据去除。再对去除了无效数据后的CTP时序图进行解卷积操作，得到预处理后的CTP时序图，并对预处理后的CTP时序图进行卷积操作，生成核磁共振图像，并对核磁共振图像进行卷积操作，自动高效的将CTP时序图分成脑梗塞区域、半暗带区域和背景区域。
又如，中国发明专利(公告号CN101002104B)中公开了一种对有脉管的动物对象的感兴趣区域的灌注磁共振成像方法，所述方法包括：向所述对象的脉管系统中给予造影剂药剂；在从造影剂到达所述感兴趣区域之前到至少所述造影剂穿过所述感兴趣区域的第一通过的末端期间内在一系列时间值(t)上确定所述感兴趣区域的体素(i)的磁共振信号强度si(t)；由确定的所述信号强度的值si(t)和一动脉输入函数v(t)，对每个所述体素确定组织残留函数ri(t)的值；可选择的，由确定的ri(t)的值产生所述感兴趣区域的图象；改进包括由si(t)产生体素特定动脉函数vi(t)并使用所述体素特定动脉函数来确定组织残留函数ri(t)的值。该方法通过由磁共振图象强度信号si(t)确定vi(t)的体素特定值，临床信息意义更大的ri(t)值和因此上面提到的区域参数的值可被确定。另外，通过将vi(t)表现为时间的函数，可以评估器官的血液供应模式。
类似的灌注成像技术在中国发明专利CT扫描灌注方法及其装置(公告号CN104688259B)和一种磁共振灌注成像后处理方法及系统(公告号CN105701815B)中也有公开。上述方法，大多是通过对AIF(动脉输入函数)和求解矩阵进行加权优化，降低对噪声的敏感度，采用简化且有效的函数进行拟合，以期达到不同的优化效果。
发明内容
本发明的目的在于克服现有技术中所存在的上述不足，提供一种基于相关系数的中风灌注成像病变区域检测系统及方法。
为了实现上述发明目的，本发明提供了以下技术方案：
一种基于相关系数的中风灌注成像病变区域检测方法，包括以下步骤：
A.读取脑灌注图像，该脑灌注图像包括三维图像信息和时序信息；
B.对三维图像中的每一个体素点带时序的信息进行后向解算，得到每一个体素点的最高流量(CBF)，累计流量(CBV)，最高流量延时(MTT)信息；
C.获取动脉输入函数(AIF)；
D.对于所述三维图像中每一个三维体素点，计算其时序信号的曲线和动脉输入函数的皮尔逊相关系数或斯皮尔斯曼相关系数，并将结果生成热力图。
基于上述方法，本发明的一些优选技术方案如下：
优选地，对于所述三维图像中的每一个三维体素点，将其进行向后平移，然后找到一个皮尔逊相关系数最高的平移时间t。
优选地，使用标准化AIF函数。通常会使用健康成人的脑干中的AIF函数。
优选地，使用个性化AIF函数。即使用当前待诊断者(病人)脑干中的AIF。
优选地，对于不同的数据集自动标识。即对不同的病人(数据集)可以不用额外适配，而进行自动诊断。
优选地，在A步骤中对所述脑灌注图像进行高斯过程回归和基于体素点强度曲线的降噪处理。因为在后续的相关系数计算中，也是基于对体素点强度曲线，而不是基于图像进行运算。
优选地，所述皮尔逊相关系数r如下：
其中，r是皮尔逊相关系数，cov(X,Y)是X,Y的协方差，X,Y是体素组
cov(X,Y)＝E[(X-E[X])(Y-E[Y])]
其中，E[X]是X的预期值，E[Y]是Y的预期值，在本发明的一个优选方案中，由于X中的xi相等或近似相等，该协方差可以简化为：
其中n是时间点的数量，xi是X中第i个元素(体素)的值，
是X组的均值，yi是Y组中第i个元素(体素)的值，
是Y组的均值，i是自然数。
由此，在本发明一个优选方法中，皮尔逊相关系数r是
优选地，本发明方法中的斯皮尔斯曼相关系数ρ如下，
其中，ρ是斯皮尔斯曼相关系数，x′i是X组中第i个元素的等级分，例如，如果xi是组中第k个最小值，于是x′i＝k，
是x′i的平均值；y′i是Y组中第i个元素的等级分，例如，如果yi是组中第k个最小值，于是y′i＝k，
是y′i的平均值。因为
是等级分的平均值，当n等于时间点的数量时，
对于斯皮尔斯曼相关系数或者皮尔逊相关系数，ρ或r的值一般是从-1到1。而对于本发明的方法来说，测量组织不会与参考值(健康组织的值)负相关，因此ρ或r的值应当为正。当斯皮尔斯曼相关系数或者皮尔逊相关系数等于1时，意味二者完美相关。当当斯皮尔斯曼相关系数或者皮尔逊相关系数在0和1之间的值，意味着组织的健康程度，距离0越近则组织受到损伤的程度越大。这一特性可以通过相关系数的热力图表示出来。
优选地，在D步骤，对于所述皮尔逊相关系数或所述斯皮尔斯曼相关系数进行单尾检验(one-tailed test)。
本发明还包括一种图像处理系统，其特征在于，所述系统包括一个或多个处理器、存储装置，所述存储装置用于存储一个或多个程序，当所述一个或多个程序被一个或多个处理器执行，使得所述一个或多个处理器实现如上所述的方法。
本发明还提供了一种基于相关系数的中风灌注成像病变区域检测装置，其包括：
磁共振灌注或CT灌注成像仪器，其用于获取造影剂在脑门灌注的图像信息，所述图像信息包括三维信息和时序信息；
图像处理装置，其用于三维图像中的每一个体素点带时序的信息进行后向解算，得到每一个体素点的最高流量(CBF)，累计流量(CBV)，最高流量延时(MTT)信息，并获取AIF函数；对于每一个三维体素点，计算其时序信号的曲线和动脉输入函数的皮尔逊相关系数或斯皮尔斯曼相关系数(Person’s correlation coefficient or Spearman’scorrelation coefficient)，并将结果画成热力图。
与现有技术相比，本发明的有益效果：本发明的方法使用相关系数关联的是组织的时间-浓度曲线形状，而不是强度值，这一特点可以减少由于噪音和不同扫描图片中强度值的差异导致的误判和可能对组织造成的损伤。由于动脉、灰质和白质的时间浓度曲线预期会具有相似或相同的形状(其幅度不同)，在处理时可以不对组织的类型进行划分，而直接用曲线形状进行对比。
本发明的其他有益效果将结合以下实施例和附图予以详细说明。
附图说明
图1为本发明方法的流程图。
图2是在未对源数据进行降噪处理皮尔逊和斯皮尔斯曼相关系数的热力图。
图3是对源数据进行降噪处理后的皮尔逊和斯皮尔斯曼相关系数的热力图。
图4是皮尔逊相关系数的热力图和斯皮尔斯曼相关系数的热力图。
图5是是采用单尾检测后的示意图。
具体实施方式
下面结合试验例及具体实施方式对本发明作进一步的详细描述。但不应将此理解为本发明上述主题的范围仅限于以下的实施例，凡基于本发明内容所实现的技术均属于本发明的范围。
本发明的具体实施例，一种基于相关系数的中风灌注成像病变区域检测方法，包括以下步骤：
A.读取脑灌注图像，该脑灌注图像包括三维图像信息和时序信息；
B.对三维图像中的每一个体素点带时序的信息进行后向解算，得到每一个体素点的最高流量(CBF)，累计流量(CBV)，最高流量延时(MTT)信息；
C.获取动脉输入函数(AIF)；
D.对于所述三维图像中每一个三维体素点，计算其时序信号的曲线和动脉输入函数的皮尔逊相关系数或斯皮尔斯曼相关系数，并将结果生成热力图。
上述步骤中的一些细节具体如下：
现有技术中有多种可以获得脑灌注图像的方法，例如MRI或CT脑灌注。在一个例子中，可以将待检测标的放入MRI成像仪，给所述待检测标的注射造影剂，在造影剂注入后对所述待检测标的大脑进行成像观察造影剂通过大脑的过程，并生成4D(3D+时序)的图像信息。所述待检测标的可以是人或者其他生物。
读取脑灌注图像，该图像可以来源于检测设备，也可以是存储在计算机存储介质中的图像。脑灌注图像通常比血流动力学参数图含有更多的信息，其可以更有利于分析和理解。
对所述脑灌注图像进行识别和分析。现有技术中有多种图像识别技术，在此不再冗述。在脑灌注图像中，不同的数据集在注射造影剂前有不同的等待时间长度和不同的信号强度。因此，不同的数据集需要单独训练，因为它们的信号曲线特征，无论是健康的还是异常的组织类别，都会有所不同。为了保持训练工作的简洁，可以采用无人监督学习，即无需人工标引。
然后对于图像进行预处理，预处理的目的主要是为了降噪。在本实施例中一个优选的方法是采用高斯过程回归和基于体素点强度曲线的降噪处理。本领域技术人员可以采用其所知的其他降噪方法。在降噪后或降噪前可以移除首、尾的图像，使得运算噪音更低。
对三维图像中的每一个体素点带时序的信息进行后向解算，得到每一个体素点的最高流量(CBF)，累计流量(CBV)，最高流量延时(MTT)信息
优选地，还可以对于所述三维图像中的每一个三维体素点，将其进行向后平移，然后找到一个皮尔逊相关系数最高的平移时间t。
选取AIF，在选取AIF过程中，既可以选取a.使用标准化AIF function，即使用任何一个健康成人的脑干中的AIF，也可以使用个性化的AIF function，即使用当前待诊断病人脑干中的AIF。获取的AIF函数是一个带时序的信号。AIF获取方式简单，在脑干部位任意选择一个位置点，直接评估造影剂在脑干部位的Volume即可。
对于所述三维图像中每一个三维体素点，计算其时序信号的曲线和动脉输入函数的皮尔逊相关系数或斯皮尔斯曼相关系数。
在本实施例中，皮尔逊相关系数r是
其中n是时间点的数量，xi是X中第i个元素(体素)的值，
是X组的均值，yi是Y组中第i个元素(体素)的值，
是Y组的均值，i是自然数。
在本实施例中，斯皮尔斯曼相关系数ρ如下，
其中，ρ是斯皮尔斯曼相关系数，x′i是X组中第i个元素的等级分，例如，如果xi是组中第k个最小值，于是x′i＝k，
是x′i的平均值；y′i是Y组中第i个元素的等级分，例如，如果yi是组中第k个最小值，于是y′i＝k，
是y′i的平均值。因为
是等级分的平均值，当n等于时间点的数量时，
对于斯皮尔斯曼相关系数或者皮尔逊相关系数，ρ或r的值一般是从-1到1。而对于本发明的方法来说，测量组织是与参考值(健康组织的值)正相关的，因此ρ或r的值应当为从0到1。当斯皮尔斯曼相关系数或者皮尔逊相关系数等于1时，意味二者完美相关。当当斯皮尔斯曼相关系数或者皮尔逊相关系数在0和1之间的值，意味着组织的健康程度，距离0越近则组织受到损伤的程度越大。这一特性可以通过相关系数的热力图表示出来。
在本发明的一个具体实施例中，选取了一个已有的脑灌注图像进行分析，该图像在采集时，其从开始到成像的时间为1小时54分钟。在选取动脉输入函数(AIF)时，采用的是现有的AIF选取方法，选取了一个健康的AIF曲线，由于健康动脉和灰(白)质组织之间的相关系数较大(>0.9)，因此所有组织类型仅使用一条参考曲线。
按照前述实施例的方法进行处理分别得到皮尔逊和斯皮尔斯曼相关系数的热力图。图2是在未对源数据进行降噪处理皮尔逊和斯皮尔斯曼相关系数的热力图(其中，左侧为皮尔逊相关系数的热力图，右侧为斯皮尔斯曼相关系数的热力图)，图3是对源数据进行降噪处理后的皮尔逊和斯皮尔斯曼相关系数的热力图(其中，左侧为皮尔逊相关系数的热力图，右侧为斯皮尔斯曼相关系数的热力图)。可以明显看出，经过高斯降噪后，相关的热力图病变区域表现更为明显。
如图4所示的，左侧为皮尔逊相关系数的热力图，右侧为斯皮尔斯曼相关系数的热力图，其中区域1是半影区域，其在热力图中是绿色或蓝色显示，表示相关系数较小，具有较高的病变风险；当组织实际死亡时其存在假阳性误差，其时间浓度曲线巧合地具有类似于健康曲线的形状，也就是在相关系数几乎为0的区域，即图中的区域2；当组织实际上是健康的，但相关测试不能检测到这一点时，这是一个假阴性错误，因为组织受到噪声和低CNR的影响，即图中的区域3，表现为一些深色的斑点。
通过图4的热力图，我们不仅能够看出具有风险的区域，而且根据热力图中颜色的深浅(相关系数的大小)，还可以看出风险的等级，颜色越靠近冷色(脑灌注图与健康AIF的相关系数低)风险等级越高。
在计算出上述相关系数后，还可以对各相关系数做单尾检测，即根据设定阈值将输出仅仅区分为健康组织和非健康组织。单尾检测的统计方法和阈值选取均为统计学常用技术方案，例如，如果检测值低于所选统计显著性的阈值(在我们的案例中为0.05和0.01)，那么无效假设被拒绝，我们考虑目标组织为异常组织。图5是一个采用单尾检测后的示意图(其中，左侧为皮尔逊相关系数的图，右侧为斯皮尔斯曼相关系数的图)。采用单尾检测后，病变区域和正常区域会有更清楚的区分，但无法从中看出风险等级，在某些特定实施例中可以得到有效应用。
我们将若干组图(包括CBF图，TMAX图和皮尔逊相关系数热力图和斯皮尔斯曼相关系数热力图，单尾检测图)交于12位专家(包括神经科医生、放射科医生等)进行评估，这些专家平均有9.5年的经验。最后有54％的专家认为皮尔逊相关系数热力图和斯皮尔斯曼相关系数热力图对识别有正面帮助，有21％的专家认为没有什么影响，有25％的专家认为有负面影响。因此，通过测试验证，可以认为前述的皮尔逊相关系数热力图和斯皮尔斯曼相关系数热力图在多数情况下是有效的。
前述计算可以在英特尔的至强系列处理器服务器上运算，该处理器的主频为3G。在对一组512×512×2，具有36个时间间隔的数据组进行处理时，使用高斯过程进行预处理减少噪音的回归大约需要10秒钟。皮尔逊相关系数运算只需运行一秒钟。斯皮尔曼相关系数运算需要11秒，因为其排序需要额外的10秒。
综上，经过本发明的实施例的方法处理，可以在合理的时间内准确地分析灌注源图像，而无需在图像处理过程中进行专家干预。
本发明的另一实施例，一种图像处理系统，所述系统包括一个或多个处理器、存储装置，所述存储装置用于存储一个或多个程序，当所述一个或多个程序被一个或多个处理器执行，使得所述一个或多个处理器实现如上所述的方法。
本发明的又一实施例，一种基于相关系数的中风灌注成像病变区域检测装置，其包括：磁共振灌注或CT灌注成像仪器，其用于获取造影剂在脑门灌注的图像信息，所述图像信息包括三维信息和时序信息；图像处理装置，其用于三维图像中的每一个体素点带时序的信息进行后向解算，得到每一个体素点的最高流量(CBF)，累计流量(CBV)，最高流量延时(MTT)信息，并获取AIF函数；对于每一个三维体素点，计算其时序信号的曲线和动脉输入函数的皮尔逊相关系数或斯皮尔斯曼相关系数，并将结果画成热力图。
结合附图及具体实施例对本发明作进一步的详细描述。但不应将此理解为本发明上述主题的范围仅限于以下的实施例，凡基于本发明内容所实现的技术均属于本发明的范围。
Claims (9)
1.一种基于相关系数的中风灌注图像处理方法，包括以下步骤：
A.读取脑灌注图像，该脑灌注图像包括三维图像信息和时序信息；
B.对三维图像中的每一个体素点带时序的信息进行后向解算，得到每一个体素点的最高流量，累计流量，最高流量延时信息；
C.获取动脉输入函数；
D.对于所述三维图像中每一个三维体素点，计算其时序信号的曲线和动脉输入函数的皮尔逊相关系数或斯皮尔曼相关系数，并将结果生成热力图。
2.根据权利要求1所述的方法，其特征在于：使用标准化AIF函数。
3.根据权利要求1所述的方法，其特征在于：使用个性化AIF函数。
4.根据权利要求1所述的方法，其特征在于：在A步骤中对所述脑灌注图像进行高斯过程回归和基于体素点强度曲线的降噪处理。
5.根据权利要求1所述的方法，其特征在于：皮尔逊相关系数r如下
其中：其中，xi是X中第i个元素的值，
是X组的均值，yi是Y组中第i个元素的值，
是Y组的均值，i是自然数。
6.根据权利要求1所述的方法，其特征在于：斯皮尔曼相关系数ρ如下
其中，ρ是斯皮尔曼相关系数，x'i是X组中第i个元素的等级分，
是x'i的平均值；y'i是Y组中第i个元素的等级分，
是y'i的平均值。
7.根据权利要求1所述的方法，其特征在于：在D步骤，对于所述皮尔逊相关系数或所述斯皮尔曼相关系数进行单尾检验。
8.一种图像处理系统，其特征在于，所述系统包括一个或多个处理器、存储装置，所述存储装置用于存储一个或多个程序，当所述一个或多个程序被一个或多个处理器执行，使得所述一个或多个处理器实现权利要求1-7任一所述的方法。
9.一种基于相关系数的中风灌注图像处理装置，其包括：
磁共振灌注或CT灌注成像仪器，其用于获取造影剂在脑门灌注的图像信息，所述图像信息包括三维信息和时序信息；
图像处理装置，其用于三维图像中的每一个体素点带时序的信息进行后向解算，得到每一个体素点的最高流量(CBF)，累计流量(CBV)，最高流量延时(MTT)信息，并获取AIF函数；对于每一个三维体素点，计算其时序信号的曲线和动脉输入函数的皮尔逊相关系数或斯皮尔曼相关系数，并将结果画成热力图。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910457538.8A CN110236544B (zh) | 2019-05-29 | 2019-05-29 | 基于相关系数的中风灌注成像病变区域检测系统及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910457538.8A CN110236544B (zh) | 2019-05-29 | 2019-05-29 | 基于相关系数的中风灌注成像病变区域检测系统及方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110236544A CN110236544A (zh) | 2019-09-17 |
| CN110236544B true CN110236544B (zh) | 2023-05-02 |
Family
ID=67885383
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910457538.8A Active CN110236544B (zh) | 2019-05-29 | 2019-05-29 | 基于相关系数的中风灌注成像病变区域检测系统及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110236544B (zh) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111127586B (zh) * | 2019-12-14 | 2021-10-29 | 深圳先进技术研究院 | 一种动脉输入函数曲线生成方法及装置 |
| CN112614095B (zh) * | 2020-12-15 | 2022-09-27 | 新绎健康科技有限公司 | 一种基于图像处理的分析肝经能量的方法及系统 |
| CN113191998B (zh) * | 2021-01-15 | 2023-01-13 | 深圳市铱硙医疗科技有限公司 | 基于动脉分割的aif曲线提取系统、方法、装置及介质 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103127332A (zh) * | 2013-03-15 | 2013-06-05 | 重庆市中医研究院 | 用于治疗急性期脑梗塞的中药及其制备方法 |
| WO2015038943A1 (en) * | 2013-09-12 | 2015-03-19 | The Research Foundation For The State University Of New York University At Buffalo | Macrocycles, cobalt and iron complexes of same, and methods of making and using same |
| WO2015074575A1 (zh) * | 2013-11-21 | 2015-05-28 | 北京国双科技有限公司 | 获取立体热力图的方法及装置 |
| CN109410216A (zh) * | 2018-09-14 | 2019-03-01 | 北京市商汤科技开发有限公司 | 一种缺血性脑卒中图像区域分割方法及装置 |
| WO2019057067A1 (zh) * | 2017-09-20 | 2019-03-28 | 众安信息技术服务有限公司 | 图像质量评估方法及装置 |
Family Cites Families (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP1595205B1 (en) * | 2002-10-28 | 2018-04-25 | The General Hospital Corporation | Tissue disorder imaging analysis |
| DK1747477T3 (da) * | 2004-05-04 | 2013-06-17 | Stiftelsen Universitetsforskning Bergen | Blindbestemmelse af arteriel indgangs- og vævsrestfunktioner i perfusions-mri |
| US8532353B2 (en) * | 2011-11-23 | 2013-09-10 | Vital Images, Inc. | Synthetic visualization and quantification of perfusion-related tissue viability |
| US20130322718A1 (en) * | 2012-06-01 | 2013-12-05 | Yi-Hsuan Kao | Method and apparatus for measurements of the brain perfusion in dynamic contrast-enhanced computed tomography images |
| CN107194934A (zh) * | 2017-05-08 | 2017-09-22 | 西安交通大学 | 一种基于相关性分析的脑激活区检测方法 |
| CN107677601B (zh) * | 2017-10-23 | 2020-11-20 | 中国科学院重庆绿色智能技术研究院 | 检测微量液体太赫兹波谱的衰减全反射微流控棱镜及制作方法 |
| CN108596236A (zh) * | 2018-04-18 | 2018-09-28 | 东南大学 | 一种基于全局连接特征和测地距离的丘脑核团分区方法 |
| CN109242863B (zh) * | 2018-09-14 | 2021-10-26 | 北京市商汤科技开发有限公司 | 一种缺血性脑卒中图像区域分割方法及装置 |
-
2019
- 2019-05-29 CN CN201910457538.8A patent/CN110236544B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103127332A (zh) * | 2013-03-15 | 2013-06-05 | 重庆市中医研究院 | 用于治疗急性期脑梗塞的中药及其制备方法 |
| WO2015038943A1 (en) * | 2013-09-12 | 2015-03-19 | The Research Foundation For The State University Of New York University At Buffalo | Macrocycles, cobalt and iron complexes of same, and methods of making and using same |
| WO2015074575A1 (zh) * | 2013-11-21 | 2015-05-28 | 北京国双科技有限公司 | 获取立体热力图的方法及装置 |
| WO2019057067A1 (zh) * | 2017-09-20 | 2019-03-28 | 众安信息技术服务有限公司 | 图像质量评估方法及装置 |
| CN109410216A (zh) * | 2018-09-14 | 2019-03-01 | 北京市商汤科技开发有限公司 | 一种缺血性脑卒中图像区域分割方法及装置 |
Non-Patent Citations (1)
| Title |
|---|
| 张良金 ; 石安斌 ; 王小艳 ; 翟建春 ; 方文亮 ; 张文俊 ; 黄承顺 ; .早期缺血性脑卒中的CT灌注及血管成像分析.海南医学.2017,第28卷(第09期),第72-74页. * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110236544A (zh) | 2019-09-17 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| AU2009315384B2 (en) | Method and system for mapping tissue status of acute stroke | |
| AU2013400936B2 (en) | Image analysis techniques for diagnosing diseases | |
| US7995825B2 (en) | Histogram segmentation of FLAIR images | |
| JP6034299B2 (ja) | 半影帯サイズを推定するためのシステムおよびその作動方法 | |
| CN110236544B (zh) | 基于相关系数的中风灌注成像病变区域检测系统及方法 | |
| JP2004535874A (ja) | 磁気共鳴血管造影法及びその装置 | |
| CN111753833A (zh) | 基于fMRI与DTI构建脑网络建模的帕金森辅助识别方法 | |
| KR101611489B1 (ko) | 뇌 영상에 기반한 경색 영역의 발생 시점의 추정 방법 | |
| US20150289779A1 (en) | System and method for diagnosis of focal cortical dysplasia | |
| US10912470B2 (en) | System and method for tracking cerebral blood flow in fMRI | |
| Charoensuk et al. | Acute stroke brain infarct segmentation in DWI images | |
| Lauersen et al. | Kidney segmentation for quantitative analysis applying MaskRCNN architecture | |
| KR20190068254A (ko) | 병변 발생 시점 추정 방법, 장치 및 프로그램 | |
| KR102363221B1 (ko) | 뇌 영상을 이용한 특발 정상압 수두증의 진단 방법 및 시스템 | |
| WO2020237525A1 (zh) | 基于相关系数的中风灌注成像病变区域检测系统及方法 | |
| CN107427255B (zh) | 基于脑图像而估算梗塞区域的发生时点的方法 | |
| US20200372634A1 (en) | System and method for medical imaging | |
| US20240013379A1 (en) | Computer-implemented method and system for determining the fetus ventricular volume from diffusion-weighted magnetic resonance imaging, and related nmr ventricle volume assessment method | |
| Wang et al. | Voxel-based discriminant map classification on brain ventricles for Alzheimer's disease | |
| CN117036302B (zh) | 主动脉瓣膜钙化程度的确定方法和系统 | |
| RU2815435C2 (ru) | Способ оконтуривания аномальных зон на результатах перкуссионного томографического сканирования | |
| US20210295521A1 (en) | Method and system for measuring a maturation stage using mri | |
| US20230316716A1 (en) | Systems and methods for automated lesion detection using magnetic resonance fingerprinting data | |
| US20210256691A1 (en) | Mapping brain perivascular spaces | |
| Oksuz | Detecting Respiratory Motion Artefacts for Cardiovascular MRIs to Ensure High-Quality 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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |