CN111803103A - 一种脑卒中发病时间检测装置及脑卒中治疗系统 - Google Patents
一种脑卒中发病时间检测装置及脑卒中治疗系统 Download PDFInfo
- Publication number
- CN111803103A CN111803103A CN202010698889.0A CN202010698889A CN111803103A CN 111803103 A CN111803103 A CN 111803103A CN 202010698889 A CN202010698889 A CN 202010698889A CN 111803103 A CN111803103 A CN 111803103A
- Authority
- CN
- China
- Prior art keywords
- image
- blood supply
- brain
- supply area
- score
- 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
Links
- 208000006011 Stroke Diseases 0.000 title claims abstract description 96
- 238000001514 detection method Methods 0.000 title claims abstract description 41
- 230000002490 cerebral effect Effects 0.000 title claims abstract description 20
- 206010008190 Cerebrovascular accident Diseases 0.000 title claims abstract description 19
- 210000004556 brain Anatomy 0.000 claims abstract description 159
- 230000002537 thrombolytic effect Effects 0.000 claims abstract description 58
- 238000010968 computed tomography angiography Methods 0.000 claims abstract description 35
- 230000000302 ischemic effect Effects 0.000 claims abstract description 17
- 230000036770 blood supply Effects 0.000 claims description 162
- 238000012549 training Methods 0.000 claims description 41
- 238000005192 partition Methods 0.000 claims description 31
- 206010061216 Infarction Diseases 0.000 claims description 29
- 230000007574 infarction Effects 0.000 claims description 29
- 238000000034 method Methods 0.000 claims description 27
- 238000003062 neural network model Methods 0.000 claims description 21
- 238000003709 image segmentation Methods 0.000 claims description 9
- 238000002560 therapeutic procedure Methods 0.000 claims description 7
- 238000012545 processing Methods 0.000 claims description 6
- 238000004148 unit process Methods 0.000 claims description 3
- 230000009466 transformation Effects 0.000 description 10
- 238000010586 diagram Methods 0.000 description 9
- 239000008280 blood Substances 0.000 description 8
- 210000004369 blood Anatomy 0.000 description 8
- 208000028867 ischemia Diseases 0.000 description 8
- 239000003146 anticoagulant agent Substances 0.000 description 6
- 210000004204 blood vessel Anatomy 0.000 description 5
- 238000013527 convolutional neural network Methods 0.000 description 5
- 201000010099 disease Diseases 0.000 description 5
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 5
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 description 4
- 238000003384 imaging method Methods 0.000 description 4
- 102000056548 Member 3 Solute Carrier Family 12 Human genes 0.000 description 3
- 108091006623 SLC12A3 Proteins 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 3
- 238000002597 diffusion-weighted imaging Methods 0.000 description 3
- 238000007917 intracranial administration Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000011218 segmentation Effects 0.000 description 3
- 208000031481 Pathologic Constriction Diseases 0.000 description 2
- 238000002583 angiography Methods 0.000 description 2
- 230000000052 comparative effect Effects 0.000 description 2
- 230000002349 favourable effect Effects 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 238000002372 labelling Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 238000004393 prognosis Methods 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 208000037804 stenosis Diseases 0.000 description 2
- 230000036262 stenosis Effects 0.000 description 2
- 239000002699 waste material Substances 0.000 description 2
- 206010058178 Aortic occlusion Diseases 0.000 description 1
- 208000031104 Arterial Occlusive disease Diseases 0.000 description 1
- 208000032843 Hemorrhage Diseases 0.000 description 1
- 208000032382 Ischaemic stroke Diseases 0.000 description 1
- 208000032851 Subarachnoid Hemorrhage Diseases 0.000 description 1
- 206010053648 Vascular occlusion Diseases 0.000 description 1
- 230000004931 aggregating effect Effects 0.000 description 1
- 206010002906 aortic stenosis Diseases 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 208000021328 arterial occlusion Diseases 0.000 description 1
- 210000005013 brain tissue Anatomy 0.000 description 1
- 230000003727 cerebral blood flow Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000002872 contrast media Substances 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000002075 inversion recovery Methods 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 238000002595 magnetic resonance imaging Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 210000000056 organ Anatomy 0.000 description 1
- 230000010412 perfusion Effects 0.000 description 1
- 230000029058 respiratory gaseous exchange Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 210000001103 thalamus Anatomy 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
- 208000021331 vascular occlusion disease Diseases 0.000 description 1
Images
Classifications
-
- 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
- A61B6/504—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 blood vessels, e.g. by angiography
-
- 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]
-
- 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
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Heart & Thoracic Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Biophysics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Optics & Photonics (AREA)
- Pathology (AREA)
- Radiology & Medical Imaging (AREA)
- Biomedical Technology (AREA)
- Physics & Mathematics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- High Energy & Nuclear Physics (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Dentistry (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Vascular Medicine (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Neurology (AREA)
- Neurosurgery (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
本发明提供一种脑卒中发病时间检测装置及脑卒中治疗系统。所述脑卒中发病时间检测装置包括：图像获取模块，用于获取脑部医学图像；所述脑部医学图像包括平扫CT图像和CT血管造影图像；第一评分模块，用于根据平扫CT图像获取第一评分；所述第一评分用于评价所述平扫CT图像中大脑的缺血状况；第二评分模块，用于根据CT血管造影图像获取第二评分；所述第二评分用于评价CT血管造影图像中大脑的缺血状况；时间获取模块，用于根据所述第一评分、所述第二评分和一评分差阈值获取脑卒中发病时间与溶栓时间窗的关系。所述发病时间检测装置能够根据平扫CT图像和CT血管造影图像获取脑卒中的发病时间与溶栓时间窗的关系，进而确定是否可以采用溶栓治疗。
Description
技术领域
本发明涉及一种医学图像处理装置，特别是涉及一种脑卒中发病时间检测装置及脑卒中治疗系统。
背景技术
缺血性卒中已经成为中国致死率和致残率最高的疾病。CT平扫(Non-contrastCT，NCCT)由于应用广泛、检查时间短、检查费用较低，以及可准确检查蛛网膜下腔出血和脑实质出血等优点，已经成为急性脑卒中的一线影像学检查方法。CT血管造影(CTA，CTangiography)能够快速无创地评价颅内外血管形态，明确是否存在大血管狭窄或闭塞。CTA在评价颅内大动脉狭窄或闭塞时具有较高的准确性，在部分研究中甚至超过数字减影血管造影(DSA)。CTA识别颅内动脉闭塞的敏感性和准确性分别为92％～100％和82％～100％。CTA除了能够快速明确血管闭塞位置外，还能够确定血管是否合并血管狭窄、钙化斑块以及弓上血管的入路路径是否迂曲，为血管内治疗选择适合的材料和技术方案提供参考依据。
早期及时的溶栓治疗能够明显改善脑卒中患者的预后，但是溶栓治疗存在溶栓时间窗的限制，即：发病时间超出该溶栓时间窗时很难通过溶栓方式进行治疗，因此，寻求一种能够评估发病时间的方法具有重要的临床意义。现有方案主要通过判断缺血半暗带的存在来推测发病的时间，该推断的依据是Tmax-CBF(cerebral blood flow，脑血流量)、DWI(diffusion weighted imaging，磁共振弥散加权成像)-PWI(perfusion weightedimaging，灌注加权成像)、DWI-FLAIR(fluid attenuated inversion recovery，磁共振成像液体衰减反转恢复序列)不匹配现象；其中，Tmax是指对比剂注射后在脑组织残留功能达到最大值的时间。然而，发明人在实际应用中发现，在临床中只需获取发病时间与溶栓时间窗的关系即可判断是否可采用溶栓治疗，且许多医疗机构对脑卒中患者的首选检查方法为CT检查(包括NCCT和CTA)，而现有评估发病时间的方法并不是通过患者的CT图像获取发病时间与溶栓时间窗的关系，而是通过缺血半暗带的存在来推断发病时间，因而导致了工作量的增加和时间的浪费。
发明内容
鉴于以上所述现有技术的缺点，本发明的目的在于提供一种脑卒中发病时间检测装置及脑卒中治疗系统，用于解决现有技术中无法通过患者的CT图像获取发病时间的问题。
为实现上述目的及其他相关目的，本发明的第一方面提供一种脑卒中发病时间检测装置。所述脑卒中发病时间检测装置包括：图像获取模块，用于获取脑部医学图像；所述脑部医学图像包括平扫CT图像和CT血管造影图像；第一评分模块，与所述图像获取模块相连，用于根据所述平扫CT图像获取第一评分；所述第一评分用于评价所述平扫CT图像中大脑的缺血状况；第二评分模块，与所述图像获取模块相连，用于根据所述CT血管造影图像获取第二评分；所述第二评分用于评价所述CT血管造影图像中大脑的缺血状况；时间获取模块，与所述第一评分模块和所述第二评分模块相连，用于根据所述第一评分、所述第二评分和一评分差阈值获取脑卒中发病时间与溶栓时间窗的关系。
于所述第一方面的一实施例中，所述图像获取模块包括：图像获取单元，用于获取原始医学图像；图像分割单元，与所述图像获取单元相连，用于对所述原始医学图像进行分割，以获得所述脑部医学图像。
于所述第一方面的一实施例中，所述图像获取模块还包括：图像配准单元，与所述图像分割单元相连，用于对所述脑部医学图像进行处理，以使所述脑部医学图像与脑部标准模板配准。
于所述第一方面的一实施例中，所述第一评分模块包括：第一脑部分区单元，与所述图像获取模块相连，用于获取所述平扫CT图像中的多个第一左侧供血区和多个第一右侧供血区；所述第一左侧供血区位于左脑，所述第一右侧供血区位于右脑，且所述第一左侧供血区与所述第一右侧供血区的位置相对应；第一CT值获取单元，与所述第一脑部分区单元相连，用于获取所述第一左侧供血区的CT值和所述第一右侧供血区的CT值；第一对比评分单元，与所述第一CT值获取单元相连，用于根据所述第一左侧供血区的CT值和所述第一右侧供血区的CT值获取大脑的梗死侧，并根据所述梗死侧所包含的第一供血区的CT值获取所述第一评分；其中，所述第一供血区为所述第一左侧供血区或所述第一右侧供血区。
于所述第一方面的一实施例中，所述第一脑部分区单元利用第一神经网络模型对所述平扫CT图像进行处理，以获得所述第一左侧供血区和/或所述第一右侧供血区；其中，所述第一神经网络模型的训练方法包括：获取第一训练数据；所述第一训练数据包括训练平扫CT图像，并包括所述训练平扫CT图像中的第一左侧供血区和/或第一右侧供血区；利用所述第一训练数据对一神经网络模型进行训练，以获得所述第一神经网络模型。
于所述第一方面的一实施例中，所述第一脑部分区单元将所述平扫CT图像与一标准供血区模板进行配准，以获取所述第一左侧供血区和/或所述第一右侧供血区。
于所述第一方面的一实施例中，所述第一评分模块还包括第一分区调整单元，用于根据接收到的区域调整指令对所述第一左侧供血区和/或所述第一右侧供血区进行调整。
于所述第一方面的一实施例中，所述第二评分模块包括：第二脑部分区单元，与所述图像获取模块相连，用于获取所述CT血管造影图像中的多个第二左侧供血区和多个第二右侧供血区；其中，所述第二左侧供血区位于左脑，所述第二右侧供血区位于右脑，且所述第二左侧供血区与所述第二右侧供血区的位置相对应；第二CT值获取单元，与所述第二脑部分区单元相连，用于获取所述第二左侧供血区的CT值和所述第二右侧供血区的CT值；第二对比评分单元，与所述第二CT值获取单元相连，用于根据所述第二左侧供血区的CT值和所述第二右侧供血区的CT值获取大脑的梗死侧，并根据所述梗死侧所包含的第二供血区的CT值获取所述第二评分；其中，所述第二供血区为所述第二左侧供血区或所述第二右侧供血区。
于所述第一方面的一实施例中，所述脑卒中发病时间检测装置还包括：显示模块，与所述时间获取模块相连，用于显示所述第一评分、所述第二评分和/或所述脑卒中发病时间与所述溶栓时间窗的关系。
本发明的第二方面提供一种脑卒中治疗系统；所述脑卒中治疗系统包括：第一方面所述的脑卒中发病时间检测装置，用于获取患者的脑卒中发病时间与溶栓时间窗的关系；治疗方案生成装置，与所述脑卒中发病时间检测装置相连，用于根据所述脑卒中发病时间与所述溶栓时间窗的关系生成一推荐治疗方案。
如上所述，本发明所述脑卒中发病时间检测装置及脑卒中治疗系统的一个技术方案具有以下有益效果：
所述发病时间检测装置中，所述第一评分模块能够根据平扫CT图像获取第一评分，所述第二评分模块能够根据CT血管造影图像获取第二评分，在此基础上，所述时间获取模块根据所述第一评分、所述第二评分和一评分差阈值获取脑卒中的发病时间与溶栓时间窗的关系。由此可知，所述发病时间检测装置能够根据患者的平扫CT图像和CT血管造影图像获取脑卒中的发病时间与溶栓时间窗的关系，进而可以直接确定是否可以采用溶栓治疗。因此，所述发病时间检测装置无需对缺血半暗带是否存在进行判断，有利于节约时间并降低工作量。
附图说明
图1显示为本发明所述脑卒中发病时间检测装置于一具体实施例中的结构示意图。
图2显示为本发明所述脑卒中发病时间检测装置于一具体实施例中图像获取模块的结构示意图。
图3显示为本发明所述脑卒中发病时间检测装置于一具体实施例中获取的脑部标准模板示例图。
图4A显示为本发明所述脑卒中发病时间检测装置于一具体实施例中第一评分模块的结构示意图。
图4B显示为本发明所述脑卒中发病时间检测装置于一具体实施例中获取的一第一供血区示例图。
图4C显示为本发明所述脑卒中发病时间检测装置于一具体实施例中获取的另一第一供血区示例图。
图5显示为本发明所述脑卒中发病时间检测装置于一具体实施例中对第一神经网络模型进行训练的流程图。
图6A显示为本发明所述脑卒中发病时间检测装置于一具体实施例中获取的标准供血区模板示例图。
图6B显示为本发明所述脑卒中发病时间检测装置于一具体实施例中对所述平扫CT图像进行配准的流程图。
图6C显示为本发明所述脑卒中发病时间检测装置于一具体实施例中步骤S62的具体实现流程图。
图6D显示为本发明所述脑卒中发病时间检测装置于一具体实施例中步骤S63的具体实现流程图。
图7显示为本发明所述脑卒中发病时间检测装置于一具体实施例中第二评分模块的结构示意图。
图8显示为本发明所述脑卒中发病时间检测装置于一具体实施例中显示模块的显示结果示例图。
图9显示为本发明所述脑卒中发病时间检测装置于一具体实施例中获取脑卒中发病时间的流程图。
元件标号说明
1 脑卒中发病时间检测装置
11 图像获取模块
111 图像获取单元
112 图像分割单元
113 图像配准单元
12 第一评分模块
121 第一脑部分区单元
122 第一CT值获取单元
123 第一对比评分单元
13 第二评分模块
131 第二脑部分区单元
132 第二CT值获取单元
133 第二对比评分单元
14 时间获取模块
41 第一左侧供血区
42 第一右侧供血区
43 标准供血区
S51～S52 步骤
S91～S100 步骤
具体实施方式
以下通过特定的具体实例说明本发明的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本发明的精神下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。
需要说明的是，以下实施例中所提供的图示仅以示意方式说明本发明的基本构想，图示中仅显示与本发明中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制，其实际实施时各组件的型态、数量及比例可为一种随意的改变，且其组件布局型态也可能更为复杂。
早期及时的溶栓治疗能够明显改善脑卒中患者的预后，但是溶栓治疗存在溶栓时间窗的限制，即：发病时间超出该溶栓时间窗时很难通过溶栓方式进行治疗，因此，寻求一种能够评估发病时间的方法具有重要的临床意义。现有方案主要通过判断缺血半暗带的存在来推测发病的时间，该推断的依据是Tmax-CBF、DWI-PWI、DWI-FLAIR不匹配现象。然而，发明人在实际应用中发现，在临床中只需获取发病时间与溶栓时间窗的关系即可判断是否可采用溶栓治疗，且许多医疗机构对脑卒中患者的首选检查方法为CT检查(包括NCCT和CTA)，而现有评估发病时间的方法并不是通过患者的CT图像获取发病时间与溶栓时间窗的关系，而是通过缺血半暗带的存在来推断发病时间，因而导致了工作量的增加和时间的浪费。
针对这一问题，本发明提供一种脑卒中发病时间检测装置。于所述发病时间检测装置中，所述第一评分模块能够根据平扫CT图像获取第一评分，所述第二评分模块能够根据CT血管造影图像获取第二评分，在此基础上，所述时间获取模块根据所述第一评分、所述第二评分和一评分差阈值获取脑卒中的发病时间与溶栓时间窗的关系。由此可知，本发明所述发病时间检测装置能够根据患者的平扫CT图像和CT血管造影图像获取脑卒中的发病时间与溶栓时间窗的关系，进而可以直接确定是否可以采用溶栓治疗。因此，所述发病时间检测装置无需对缺血半暗带是否存在进行判断，有利于节约时间并降低工作量。
请参阅图1，于本发明的一实施例中，所述脑卒中发病时间检测装置1包括：
图像获取模块11，用于获取脑部医学图像；所述脑部医学图像包括平扫CT图像和CT血管造影图像。其中，所述平扫CT图像和所述CT血管造影图像的获取可以采用现有的造影仪器实现，此处不做赘述。此外，所述平扫CT图像由多层脑部CT图像组成，其中的每一层脑部CT图像均为二维CT图像，因此，将多层脑部CT图像层叠起来获得的平扫CT图像可以看作三维图像；同样的，所述CT血管造影图像也可以看作三维图像。
第一评分模块12，与所述图像获取模块11相连，用于根据所述平扫CT图像获取第一评分；所述第一评分用于评价所述平扫CT图像中大脑的缺血状况，同时，所述第一评分也可以用于评价所述平扫CT图像中大脑的供血状况，例如，所述第一评分越高则大脑的供血状况越好，缺血状况越轻微；所述第一评分越低则大脑的供血状况越差，缺血状况越严重。
第二评分模块13，与所述图像获取模块11相连，用于根据所述CT血管造影图像获取第二评分；所述第二评分用于评价所述CT血管造影图像中大脑的缺血状况，同时，所述第二评分也可以用于评价所述平扫CT图像中大脑的供血状况，例如，所述第二评分越高则大脑的供血状况越好，缺血状况越轻微；所述第二评分越低则大脑的供血状况越差，缺血状况越严重。
时间获取模块14，与所述第一评分模块12和所述第二评分模块13相连，用于根据所述第一评分、所述第二评分和一评分差阈值获取脑卒中发病时间与溶栓时间窗的关系。其中，所述溶栓时间窗例如为4.5小时。
具体地，在发病时间小于等于溶栓时间窗时，与所述平扫CT图像相比，所述CT血管造影图像对大脑缺血状况的反应更加敏感。由此可知，所述第一评分与所述第二评分之间的差值越大则患者的发病时间小于等于溶栓时间窗的可能性越大。基于此，所述时间获取模块14可以将所述第一评分与所述第二评分的差值与一评分差阈值相比较，当所述差值大于所述评分差阈值时，则认为所述脑卒中发病时间小于等于溶栓时间窗，此时可以对患者采用溶栓治疗；当所述差值小于等于所述评分差阈值时，则认为所述脑卒中发病时间大于溶栓时间窗，此时，不推荐对患者采用溶栓治疗。其中，所述第一评分与所述第二评分之间的差值可以通过二者的差或比值等形式进行描述，所述评分差阈值为医务人员根据经验预先设置的经验值，该经验值与所述差值的描述形式以及所述第一评分和所述第二评分的评分规则相关。
根据以上描述可知，本实施例所述发病时间检测装置中，所述第一评分模块能够根据平扫CT图像获取第一评分，所述第二评分模块能够根据CT血管造影图像获取第二评分，在此基础上，所述时间获取模块根据所述第一评分、所述第二评分和所述评分差阈值获取脑卒中的发病时间与溶栓时间窗的关系。由此可知，所述发病时间检测装置能够根据患者的平扫CT图像和CT血管造影图像获取脑卒中的发病时间与溶栓时间窗的关系，有利于节约时间并降低工作量。
请参阅图2，于本发明的一实施例中，所述图像获取模块11包括图像获取单元111和图像分割单元112。其中，所述图像获取单元111用于获取原始医学图像；所述图像分割单元112与所述图像获取单元111相连，用于对所述原始医学图像进行分割，以获取所述脑部医学图像。具体地，所述图像分割单元112可以通过Unet、Vnet等图像分割模型对所述原始医学图像进行分割，以去除所述原始医学图像所包含的大脑以外的器官、组织和/或背景区域，进而获取所述脑部医学图像。
于本发明的一实施例中，考虑到患者在进行脑部CT图像扫描过程中会出现移动、呼吸等动作，这些动作会导致所述脑部医学图像中不同CT图像的成像位置和成像角度存在差异，而这种差异会影响所述第一评分和所述第二评分，进而导致所述时间获取模块获取的脑卒中发病时间与溶栓时间窗的关系存在误差。针对这一问题，本实施例所述图像获取模块还包括图像配准单元113。其中，所述图像配准单元113可以与所述图像分割单元112相连，用于对所述脑部医学图像进行处理，以使所述脑部医学图像与脑部标准模板配准。在具体应用中，鉴于所述脑部医学图像包括多层脑部CT图像，所述图像配准单元可以逐一实现各层脑部CT图像与所述脑部标准模板的配准，进而实现所述脑部医学图像与所述脑部标准模板的配准。
具体地，所述脑部标准模板为患者处于正位时获取的脑部CT图像，如图3所示。所述脑部医学图像中包含其他角度扫描获取的脑部CT图像。以所述脑部医学图像中的任一CT图像1为例，为实现所述CT图像1与所述脑部标准模板的配准，可以根据所述脑部标准模板对所述CT图像1进行调整。例如，可以利用一训练好的卷积神经网络对所述CT图像1进行处理以实现所述CT图像1与所述脑部标准模板的配准；其中，所述卷积神经网络的训练方法包括：获取训练数据，其中，所述训练数据包括多角度扫描获取的脑部CT图像，并包括各脑部CT图像与所述脑部标准模板配准后的图像；利用所述训练数据对一卷积神经网络进行训练即可获得所述训练好的卷积神经网络模型。本实施例中，利用训练数据对卷积神经网络进行训练可以通过现有方法实现，此处不做赘述。
根据以上描述可知，本实施例所述图像配准单元能够实现所述脑部医学图像与所述脑部标准模板的配准，有利于提升所述时间获取模块获取的脑卒中发病时间与溶栓时间窗的关系的准确度。
请参阅图4A，于本发明的一实施例中，所述第一评分模块12包括第一脑部分区单元121、第一CT值获取单元122和第一对比评分单元123。
所述第一脑部分区单元121与所述图像获取模块11相连，用于获取所述平扫CT图像中的多个第一左侧供血区和多个第一右侧供血区；其中，所述第一左侧供血区位于左脑的一层或多层，所述第一右侧供血区位于右脑的一层或多层。例如，图4B显示为大脑核团层面(即丘脑和纹状体平面)以及该层面的第一左侧供血区41和第一右侧供血区42，图4C显示为大脑核团以上层面(在核团水平上2cm)的第一左侧供血区41和第一右侧供血区42。此外，所述第一左侧供血区和所述第一右侧供血区的位置相对应，理想状况下，所述第一左侧供血区和所述第一右侧供血区的数量相同且相互对称。
所述第一CT值获取单元122与所述第一脑部分区单元121相连，用于获取所述第一左侧供血区的CT值和所述第一右侧供血区的CT值。其中，所述第一左侧供血区的CT值可以由该区域内像素点的CT值得到；例如，对于任一第一左侧供血区，可以用该区域内所有像素点的平均CT值作为该第一左侧供血区的CT值。所述第一右侧供血区的CT值可以由该区域内像素点的CT值得到；例如，对于任一第一右侧供血区，可以用该区域内所有像素点的平均CT值作为该第二右侧供血区的CT值。
所述第一对比评分单元123与所述第一CT值获取单元122相连，用于根据所述第一左侧供血区的CT值和所述第一右侧供血区的CT值获取大脑的梗死侧，并根据所述梗死侧所包含的第一供血区的CT值获取所述第一评分；其中，当所述梗死侧为左侧大脑时，其包含的第一供血区为第一左侧供血区；当所述梗死侧为右侧大脑时，其包含的第一供血区为第一右侧供血区。
接下来将介绍一种本实施例采用的大脑梗死侧的判断方法。由于CT值是CT图像中各组织与X线衰减系数相当的对应值，因此，当大脑的某一供血区缺血时会导致该供血区的CT值降低，因此，所述第一对比评分单元123可以通过第一左侧供血区的平均CT值确定左侧大脑是否为梗死侧，并通过第一右侧供血区的平均CT值确定右侧大脑是否为梗死侧。
对于大脑中的梗死侧，所述第一对比评分单元分别将该梗死侧包含的所有第一供血区的CT值与一阈值相比较，若某一第一供血区的CT值小于等于该阈值，则其对应的分数为a，否则该第一供血区对应的分数为b；其中，a和b为用户预先设置的数值，例如，a＝0，b＝1。通过汇总梗死侧内所有第一供血区的分数即可获得所述第一评分。例如，可以将梗死侧内所有第一供血区的分数求和即可获得所述第一评分；此时，所述评分差阈值例如为3。
例如，若图4B和图4C分别表示同一患者的大脑的不同层，则对于图4B和图4C所示的脑部CT图像，由于大脑左侧的CT值降低程度更严重，因此左侧为梗死侧。取a＝0，b＝1，则大脑左侧包含4个CT值小于等于所述阈值的第一左侧供血区，并包含6个CT值大于所述阈值的第一左侧供血区，此时，所述第一评分为4×a+6×b＝6分。
于本发明的一实施例中，所述第一评分模块根据所述CT血管造影图像中的第二左侧供血区和/或第二右侧供血区，获取所述平扫CT图像中的第一左侧供血区和/或第一右侧供血区。此外，所述第一评分模块也可以使用所述第二对比评分单元获取的梗死侧，并根据该梗死侧所包含的第一供血区的CT值获取所述第一评分。
于本发明的一实施例中，所述第一脑部分区单元121利用第一神经网络模型对所述平扫CT图像进行处理，以获得所述第一左侧供血区和/或所述第一右侧供血区。具体应用中，可以利用所述第一神经网络模型依次对所述平扫CT图像中的每层脑部CT图像进行处理，以获得各层脑部CT图像所包含的第一左侧供血区和/或所述第一右侧供血区。或者，可以将所述平扫CT图像中的多层脑部CT图像拼接在一起，形成多通道的拼接平扫CT图像，并利用所述第一神经网络模型对所述拼接平扫CT图像进行处理，进而获得多层脑部CT图像所包含的第一左侧供血区和/或所述第一右侧供血区。
请参阅图5，本实施例中，所述第一神经网络模型的训练方法包括：
S51，获取第一训练数据；其中，所述第一训练数据包括训练平扫CT图像，并包括所述训练平扫CT图像中的第一左侧供血区和/或第一右侧供血区。具体地，所述训练平扫CT图像包括多个通过CT平扫获得的脑部CT图像，且所述训练平扫CT图像中可以包含大脑同一层的脑部CT图像，也可以包含大脑不同层的脑部CT图像。所述训练平扫CT图像中的第一左侧供血区和/或第一右侧供血区可以通过医务人员标注获得，也可以通过将所述训练平扫CT图像与一标准供血区模板配准获得。
S52，利用所述第一训练数据对一神经网络模型进行训练，以获得所述第一神经网络模型。具体的训练方法可以采用现有技术实现，此处不再赘述。
于本发明的一实施例中，所述第一脑部分区单元121将所述平扫CT图像与标准供血区模板进行配准，以获得所述第一左侧供血区和/或所述第一右侧供血区。请参阅图6A，显示为本实施例获取的一个大脑核团以上层面(在核团水平上2cm)的标准供血区模板。其中，所述标准供血区模板包括预先定义的多个标准供血区43。
请参阅图6B，于本实施例中，将所述平扫CT图像与标准供血区模板进行配准的一种实现方法包括：
S61，对所述平扫CT图像进行处理，以获得脑部区域图像。具体地，对所述平扫CT图像的处理主要包括背景区域的删除，该删除可以通过现有的Unet、Vnet等分割模型实现，也可以利用阈值分割法实现。其中，阈值分割法的具体流程为：获取脑部区域图像的CT值范围；从所述平扫CT图像中删除所述CT值范围之外的所有像素点，即可获得所述脑部区域图像。
S62，对所述脑部区域图像做仿射变换，以实现所述脑部区域图像与所述标准供血区模板的刚性配准。例如，可以通过平移、缩放和/或旋转所述脑部区域图像来实现所述刚性配准。具体地，请参阅图6C，对所述脑部区域图像做仿射变换的一种实现方法包括：
S621，获取所述脑部区域图像的特征点。其中，所述特征点是指所述脑部区域图像中CT值发生剧烈变化的点或者在图像边缘上曲率较大的点，此外，为便于算法实现，也可以选取所述脑部区域图像的中心点或边缘的点作为所述特征点。
S622，将所述脑部区域图像的特征点与所述标准供血区模板的特征点对齐，并对所述脑部区域图像进行仿射变换，例如，平移、缩放和/或旋转，以使所述脑部区域图像与所述标准供血区模板具有相同的图像尺寸和分辨率。
通过上述步骤S621～S622即可实现所述脑部区域图像与所述标准供血区模板的刚性配准。
S63，对仿射变换后的脑部区域图像做B样条几何变换，以实现所述脑部区域图像与所述标准供血区模板的弹性配准。具体地，请参阅图6D，对所述脑部区域图像做B样条几何变换的一种实现方法包括：
S631，对所述脑部区域图像进行分割以获得脑实质的掩膜；
S632，对所述脑实质的掩膜进行B样条几何变换，以实现第一弹性配准；
S633，对所述第一弹性配准之后的脑部区域图像进行分割，以获得所述脑实质中的血管区域；
S634，对所述脑实质中的血管区域进行B样条几何变换，以实现第二弹性配准；优选地，步骤S634采用的B样条几何变换相较于步骤S632更为精细。
其中，步骤S632和步骤S634所述的B样条几何变换可以通过现有方案实现，此处不作赘述。通过上述步骤S631～S634即可实现所述脑部区域图像与所述标准供血区模板的弹性配准。
本实施例中，可以通过大量高质量的颅脑薄层平扫CT图像来定义所述标准供血区。优选地，考虑到不同年龄段、不同健康状况患者的脑结构之间存在差异，本实施例将不同患者进行分组，并针对每个分组分别定义所述标准供血区模板。例如，可以将患者按照年龄和健康状况将患者划分为不同的分组，并收集每个分组中不同患者的薄层(如1mm～2.5mm)条件下和脑窗条件下的平扫CT图像，并通过人工标准或AI标注的方式获取每个分组对应的标准供血区。
于本发明的一实施例中，所述第一评分模块还包括第一分区调整单元；其中，所述第一CT值获取单元通过所述第一分区调整单元与所述第一脑部分区单元相连；所述第一分区调整单元用于根据接收到的区域调整指令对所述第一左侧供血区和/或所述第一右侧供血区进行调整。其中，所述区域调整指令由医务人员通过鼠标、键盘等设备输入，并被所述第一分区调整单元接收。医务人员可以根据该区域调整指令对所述第一左侧供血区和/或第一右侧供血区进行新增、删除、位置调整和/或边缘调整等操作。
优选地，所述脑卒中发病时间检测装置可以利用显示模块显示所述区域调整工具，并显示所述第一左侧供血区和/或第一右侧供血区，从而辅助医务人员输入所述区域调整指令。例如，所述显示模块可以显示区域调整工具的图标，医务人员选中该图标后，可以通过鼠标对某一左侧供血区的边缘进行拖拽，从而完成区域调整指令的输入；基于此，所述第一分区调整单元根据该区域调整指令完成对相应第一左侧供血区的边缘调整。
请参阅图7，于本发明的一实施例中，所述第二评分模块13包括：
第二脑部分区单元131，与所述图像获取模块11相连，用于获取所述CT血管造影图像中的多个第二左侧供血区和多个第二右侧供血区；其中，所述第二左侧供血区位于左脑，所述第二右侧供血区位于右脑，且所述第二左侧供血区与所述第二右侧供血区的位置相对应；
第二CT值获取单元132，与所述第二脑部分区单元131相连，用于获取所述第二左侧供血区的CT值和所述第二右侧供血区的CT值；
第二对比评分单元133，与所述第二CT值获取单元相连，用于根据所述第二左侧供血区的CT值和所述第二右侧供血区的CT值获取大脑的梗死侧，并根据所述梗死侧所包含的第二供血区的CT值获取所述第二评分。其中，所述第二供血区为所述第二左侧供血区或所述第二右侧供血区，所述第二对比评分单元133获取的梗死侧与所述第一对比评分单元123获取的梗死侧相同。
优选地，所述第二左侧供血区与所述第一左侧供血区相同，所述第二右侧供血区与所述第一右侧供血区相同。
可选地，所述第二脑部分区单元利用第二神经网络模型对所述CT血管造影图像进行处理，以获得所述第二左侧供血区和/或所述第二右侧供血区。其中，所述第二神经网络模型的训练方法包括：获取第二训练数据；所述第二训练数据包括训练CT血管造影图像，并包括所述训练CT血管造影图像中的第二左侧供血区和/或第二右侧供血区；利用所述第二训练数据对一神经网络模型进行训练，以获得所述第二神经网络模型。
可选地，所述第二脑部分区单元将所述CT血管造影图像与所述标准供血区模板进行配准，以获取所述第二左侧供血区和/或所述第二右侧供血区。
可选地，所述第二评分模块还包括第二分区调整单元；其中，所述第二CT值获取单元通过所述第二分区调整单元与所述第二脑部分区单元相连；所述第二分区调整单元用于根据接收到的区域调整指令对所述第二人左侧供血区和/或所述第二右侧供血区进行调整。
所述第二评分模块与所述第一评分模块的结构、作用以及工作方式类似，为节省说明书篇幅，此处不作赘述。
于本发明的一实施例中，所述第二评分模块根据所述平扫CT图像中的第一左侧供血区和/或第一右侧供血区，获取所述CT血管造影图像中的第二左侧供血区和/或第二右侧供血区。此外，所述第二评分模块也可以使用所述第一对比评分单元获取的梗死侧，并根据该梗死侧所包含的第二供血区的CT值获取所述第二评分。
于本发明的一实施例中，所述脑卒中发病时间检测装置还包括显示模块。其中，所述显示模块与所述时间获取模块相连，用于显示所述第一评分、所述第二评分和/或所述脑卒中发病时间与所述溶栓时间窗的关系。本实施例中，所述显示模块的显示结果的一个示例图如图8所示。
请参阅图9，于本发明的一实施例中，所述脑卒中发病时间检测装置获取脑卒中发病时间与溶栓时间窗的关系的实现方法包括：
S91，图像获取模块获取脑部医学图像，并根据脑部标准模板对所述脑部医学图像的位置进行调整，以实现所述脑部医学图像与所述脑部标准模板的配准。
S92，第一评分模块将所述平扫CT图像与所述标准供血模板进行配准，以获得多个第一左侧供血区和多个第一右侧供血区。此外，所述多个第一左侧供血区和多个第一右侧供血区也可以通过神经网络模型获取。
S93，所述第一评分模块计算每个第一左侧供血区和第一右侧供血区的平均CT值。
S94，所述第一评分模块将所述第一左侧供血区的平均CT值和所述第一右侧供血区的平均CT值进行比较，确定大脑的梗死侧。
S95，所述第一评分模块获取梗死侧所包含的每个第一供血区的缺血程度，进而得出所述第一评分；其中，第一供血区的缺血程度可以根据其CT值降低程度来判断；所述第一供血区为第一左侧供血区或第一右侧供血区。
S96，第二评分模块将所述CT血管造影图像与所述标准供血模板进行配准，以获得多个第二左侧供血区和多个第二右侧供血区。此外，所述多个第二左侧供血区和多个第二右侧供血区也可以通过神经网络模型获取。或者，所述第二评分模块可以根据步骤S92中获取的第一左侧供血区获取所述第二左侧供血区，和/或根据步骤S92获取的第一右侧供血区获取所述第二右侧供血区。
S97，所述第二评分模块计算每个第二左侧供血区和第二右侧供血区的平均CT值。
S98，所述第二评分模块获取梗死侧所包含的每个第二供血区的缺血程度，进而得出所述第二评分；其中，第二供血区的缺血程度可以根据其CT值降低程度来判断；所述第二供血区为所述第二左侧供血区或第二右侧供血区。
S99，所述时间获取模块根据所述第一评分和所述第二评分的差值，评估患者的脑卒中发病时间是否小于等于溶栓时间窗。
S100，所述显示模块显示所述第一评分、所述第二评分以及所述脑卒中发病时间与所述溶栓时间窗的关系。
基于以上对所述脑卒中发病时间检测装置的描述，本发明还提供一种脑卒中治疗系统。所述脑卒中治疗系统包括本发明所述的脑卒中发病时间检测装置和治疗方案生成装置。其中，所述脑卒中发病时间检测装置用于获取患者的脑卒中发病时间与溶栓时间窗的关系；所述治疗方案生成装置与所述脑卒中发病时间检测装置相连，用于根据所述脑卒中发病时间与所述溶栓时间窗的关系生成一推荐治疗方案。具体地，当所述脑卒中发病时间小于等于所述溶栓时间窗时，所述治疗方案生成装置推荐医务人员采用溶栓方案对患者进行治疗；当所述脑卒中发病时间大于所述溶栓时间窗时，所述治疗方案生辰装置推荐医务人员采用溶栓以外的方案对患者进行治疗。
本发明所述发病时间检测装置中，所述第一评分模块能够根据平扫CT图像获取第一评分，所述第二评分模块能够根据CT血管造影图像获取第二评分，在此基础上，所述时间获取模块根据所述第一评分、所述第二评分和一评分差阈值获取脑卒中的发病时间与溶栓时间窗的关系。由此可知，所述发病时间检测装置能够根据患者的平扫CT图像和CT血管造影图像获取脑卒中的发病时间与溶栓时间窗的关系，进而可以直接确定是否可以采用溶栓治疗。因此，所述发病时间检测装置无需对缺血半暗带是否存在进行判断，有利于节约时间并降低工作量。
综上所述，本发明有效克服了现有技术中的种种缺点而具高度产业利用价值。
上述实施例仅例示性说明本发明的原理及其功效，而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本发明的精神及范畴下，对上述实施例进行修饰或改变。因此，举凡所属技术领域中具有通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变，仍应由本发明的权利要求所涵盖。
Claims (10)
1.一种脑卒中发病时间检测装置，其特征在于，所述脑卒中发病时间检测装置包括：
图像获取模块，用于获取脑部医学图像；所述脑部医学图像包括平扫CT图像和CT血管造影图像；
第一评分模块，与所述图像获取模块相连，用于根据所述平扫CT图像获取第一评分；所述第一评分用于评价所述平扫CT图像中大脑的缺血状况；
第二评分模块，与所述图像获取模块相连，用于根据所述CT血管造影图像获取第二评分；所述第二评分用于评价所述CT血管造影图像中大脑的缺血状况；
时间获取模块，与所述第一评分模块和所述第二评分模块相连，用于根据所述第一评分、所述第二评分和一评分差阈值获取脑卒中发病时间与溶栓时间窗的关系。
2.根据权利要求1所述的脑卒中发病时间检测装置，其特征在于，所述图像获取模块包括：
图像获取单元，用于获取原始医学图像；
图像分割单元，与所述图像获取单元相连，用于对所述原始医学图像进行分割，以获得所述脑部医学图像。
3.根据权利要求2所述的脑卒中发病时间检测装置，其特征在于，所述图像获取模块还包括：
图像配准单元，与所述图像分割单元相连，用于对所述脑部医学图像进行处理，以使所述脑部医学图像与脑部标准模板配准。
4.根据权利要求1所述的脑卒中发病时间检测装置，其特征在于，所述第一评分模块包括：
第一脑部分区单元，与所述图像获取模块相连，用于获取所述平扫CT图像中的多个第一左侧供血区和多个第一右侧供血区；所述第一左侧供血区位于左脑，所述第一右侧供血区位于右脑，且所述第一左侧供血区与所述第一右侧供血区的位置相对应；
第一CT值获取单元，与所述第一脑部分区单元相连，用于获取所述第一左侧供血区的CT值和所述第一右侧供血区的CT值；
第一对比评分单元，与所述第一CT值获取单元相连，用于根据所述第一左侧供血区的CT值和所述第一右侧供血区的CT值获取大脑的梗死侧，并根据所述梗死侧所包含的第一供血区的CT值获取所述第一评分；其中，所述第一供血区为所述第一左侧供血区或所述第一右侧供血区。
5.根据权利要求4所述的脑卒中发病时间检测装置，其特征在于：
所述第一脑部分区单元利用第一神经网络模型对所述平扫CT图像进行处理，以获得所述第一左侧供血区和/或所述第一右侧供血区；
其中，所述第一神经网络模型的训练方法包括：
获取第一训练数据；所述第一训练数据包括训练平扫CT图像，并包括所述训练平扫CT图像中的第一左侧供血区和/或第一右侧供血区；
利用所述第一训练数据对一神经网络模型进行训练，以获得所述第一神经网络模型。
6.根据权利要求4所述的脑卒中发病时间检测装置，其特征在于：所述第一脑部分区单元将所述平扫CT图像与一标准供血区模板进行配准，以获取所述第一左侧供血区和/或所述第一右侧供血区。
7.根据权利要求4所述的脑卒中发病时间检测装置，其特征在于：所述第一评分模块还包括第一分区调整单元，用于根据接收到的区域调整指令对所述第一左侧供血区和/或所述第一右侧供血区进行调整。
8.根据权利要求1所述的脑卒中发病时间检测装置，其特征在于，所述第二评分模块包括：
第二脑部分区单元，与所述图像获取模块相连，用于获取所述CT血管造影图像中的多个第二左侧供血区和多个第二右侧供血区；其中，所述第二左侧供血区位于左脑，所述第二右侧供血区位于右脑，且所述第二左侧供血区与所述第二右侧供血区的位置相对应；
第二CT值获取单元，与所述第二脑部分区单元相连，用于获取所述第二左侧供血区的CT值和所述第二右侧供血区的CT值；
第二对比评分单元，与所述第二CT值获取单元相连，用于根据所述第二左侧供血区的CT值和所述第二右侧供血区的CT值获取大脑的梗死侧，并根据所述梗死侧所包含的第二供血区的CT值获取所述第二评分；其中，所述第二供血区为所述第二左侧供血区或所述第二右侧供血区。
9.根据权利要求1所述的脑卒中发病时间检测装置，其特征在于，所述脑卒中发病时间检测装置还包括：
显示模块，与所述时间获取模块相连，用于显示所述第一评分、所述第二评分和/或所述脑卒中发病时间与所述溶栓时间窗的关系。
10.一种脑卒中治疗系统，其特征在于，所述脑卒中治疗系统包括：
权利要求1至9任一项所述的脑卒中发病时间检测装置，用于获取患者的脑卒中发病时间与溶栓时间窗的关系；
治疗方案生成装置，与所述脑卒中发病时间检测装置相连，用于根据所述脑卒中发病时间与所述溶栓时间窗的关系生成一推荐治疗方案。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010698889.0A CN111803103B (zh) | 2020-07-20 | 2020-07-20 | 一种脑卒中发病时间检测装置及脑卒中治疗系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010698889.0A CN111803103B (zh) | 2020-07-20 | 2020-07-20 | 一种脑卒中发病时间检测装置及脑卒中治疗系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111803103A true CN111803103A (zh) | 2020-10-23 |
| CN111803103B CN111803103B (zh) | 2021-07-13 |
Family
ID=72866568
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010698889.0A Active CN111803103B (zh) | 2020-07-20 | 2020-07-20 | 一种脑卒中发病时间检测装置及脑卒中治疗系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111803103B (zh) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113273969A (zh) * | 2021-06-22 | 2021-08-20 | 上海市第六人民医院 | 一种脑部缺血状况评估装置、方法、介质及电子设备 |
| CN113538352A (zh) * | 2021-06-30 | 2021-10-22 | 沈阳先进医疗设备技术孵化中心有限公司 | 脑卒中组织窗评价值的获取方法及装置、存储介质 |
| CN113545768A (zh) * | 2021-07-29 | 2021-10-26 | 上海市第六人民医院 | 缺血性卒中发病时间获取装置、方法、介质及电子设备 |
| CN113674228A (zh) * | 2021-08-06 | 2021-11-19 | 沈阳东软智能医疗科技研究院有限公司 | 颅脑供血区的识别方法、装置、存储介质和电子设备 |
| CN114219793A (zh) * | 2021-12-17 | 2022-03-22 | 深圳市铱硙医疗科技有限公司 | 一种基于脑部影像的脑卒中预警方法与系统 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2008110178A2 (en) * | 2007-03-15 | 2008-09-18 | Mostafa Mohamed Mohamed Awadh | MANAGEMENT OF ACUTE CEREBRAL INFARCTION BY SINGLE MEGADOSE OF CLOPIDOGREL (750-1500mg) |
| CN107408144A (zh) * | 2014-11-14 | 2017-11-28 | Zoll医疗公司 | 医疗先兆事件估计 |
| CN108852308A (zh) * | 2018-06-22 | 2018-11-23 | 苏州高新区人民医院 | 一种基于多参数影像技术优化检测体系的超时间窗ais临床再灌注方法 |
| CN109829892A (zh) * | 2019-01-03 | 2019-05-31 | 众安信息技术服务有限公司 | 一种预测模型的训练方法、使用该模型的预测方法及装置 |
| CN110853111A (zh) * | 2019-11-05 | 2020-02-28 | 上海杏脉信息科技有限公司 | 医学影像处理系统、模型训练方法及训练装置 |
| CN110934606A (zh) * | 2019-10-31 | 2020-03-31 | 上海杏脉信息科技有限公司 | 脑卒中早期平扫ct图像评估系统及评估方法、可读存储介质 |
-
2020
- 2020-07-20 CN CN202010698889.0A patent/CN111803103B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2008110178A2 (en) * | 2007-03-15 | 2008-09-18 | Mostafa Mohamed Mohamed Awadh | MANAGEMENT OF ACUTE CEREBRAL INFARCTION BY SINGLE MEGADOSE OF CLOPIDOGREL (750-1500mg) |
| CN107408144A (zh) * | 2014-11-14 | 2017-11-28 | Zoll医疗公司 | 医疗先兆事件估计 |
| CN108852308A (zh) * | 2018-06-22 | 2018-11-23 | 苏州高新区人民医院 | 一种基于多参数影像技术优化检测体系的超时间窗ais临床再灌注方法 |
| CN109829892A (zh) * | 2019-01-03 | 2019-05-31 | 众安信息技术服务有限公司 | 一种预测模型的训练方法、使用该模型的预测方法及装置 |
| CN110934606A (zh) * | 2019-10-31 | 2020-03-31 | 上海杏脉信息科技有限公司 | 脑卒中早期平扫ct图像评估系统及评估方法、可读存储介质 |
| CN110853111A (zh) * | 2019-11-05 | 2020-02-28 | 上海杏脉信息科技有限公司 | 医学影像处理系统、模型训练方法及训练装置 |
Non-Patent Citations (3)
| Title |
|---|
| ALEJANDRO M SPIOTTA，ET AL: "The golden hour of stroke intervention:effect of thrombectomy procedural time in acute is chemic stroke on outcome", 《JOURNAL OF NEUROINTERVENTIONAL SURGERY》 * |
| PETER SCHRAMM,ET AL: "Comparison of CT and CT Angiography Source Images With Diffusion-Weighted Imaging in Patients With Acute Stroke Within 6 Hours After Onset", 《STROKE》 * |
| SHELAGH B.COUTTS,ET AL: "ASPECTS on CTA Source Images Versus Unenhanced CT Added Value in Predicting Final Infarct Extent and Clinical Outcome", 《STROKE》 * |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113273969A (zh) * | 2021-06-22 | 2021-08-20 | 上海市第六人民医院 | 一种脑部缺血状况评估装置、方法、介质及电子设备 |
| CN113538352A (zh) * | 2021-06-30 | 2021-10-22 | 沈阳先进医疗设备技术孵化中心有限公司 | 脑卒中组织窗评价值的获取方法及装置、存储介质 |
| CN113545768A (zh) * | 2021-07-29 | 2021-10-26 | 上海市第六人民医院 | 缺血性卒中发病时间获取装置、方法、介质及电子设备 |
| CN113674228A (zh) * | 2021-08-06 | 2021-11-19 | 沈阳东软智能医疗科技研究院有限公司 | 颅脑供血区的识别方法、装置、存储介质和电子设备 |
| CN113674228B (zh) * | 2021-08-06 | 2024-06-25 | 沈阳东软智能医疗科技研究院有限公司 | 颅脑供血区的识别方法、装置、存储介质和电子设备 |
| CN114219793A (zh) * | 2021-12-17 | 2022-03-22 | 深圳市铱硙医疗科技有限公司 | 一种基于脑部影像的脑卒中预警方法与系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111803103B (zh) | 2021-07-13 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111803103B (zh) | 一种脑卒中发病时间检测装置及脑卒中治疗系统 | |
| JP5081390B2 (ja) | 腫瘍量を監視する方法及びシステム | |
| Lell et al. | New techniques in CT angiography | |
| Zeng et al. | Automatic diagnosis based on spatial information fusion feature for intracranial aneurysm | |
| JP2007144177A (ja) | 低コントラストの管形状対象のための半自動セグメント分割手法の方法及び装置 | |
| CN106709920B (zh) | 血管提取方法及其装置 | |
| CN109498046A (zh) | 基于核素图像与ct冠脉造影融合的心肌梗死定量评估方法 | |
| US20070197898A1 (en) | Method for examination of vessels in a patient on the basis of image data recorded by means of a scanner within an examination area | |
| WO2008030192A1 (en) | Detection and localization of vascular occlusion from angiography data | |
| CN113470060B (zh) | 基于ct影像的冠状动脉多角度曲面重建可视化方法 | |
| Nowinski et al. | A CAD system for hemorrhagic stroke | |
| US20230222668A1 (en) | Image processing apparatus, image processing method, and recording medium | |
| US11636589B2 (en) | Identification of candidate elements in images for determination of disease state using atlas elements | |
| Nakano et al. | Reproducible surveillance breast ultrasound using an image fusion technique in a short-interval follow-up for BI-RADS 3 lesions: a pilot study | |
| CN111862312B (zh) | 一种脑部血管显示装置及方法 | |
| CN111971751A (zh) | 用于评估动态数据的系统和方法 | |
| Kanaga et al. | 4D medical image analysis: a systematic study on applications, challenges, and future research directions | |
| Hopp et al. | Automatic multimodal 2D/3D image fusion of ultrasound computer tomography and x-ray mammography for breast cancer diagnosis | |
| CN113706541B (zh) | 一种图像处理方法及装置 | |
| Danch-Wierzchowska et al. | FEM-based MRI deformation algorithm for breast deformation analysis | |
| WO2017037287A1 (en) | Method and device for identifying vascular connectivity of an image | |
| da Silva Neto et al. | Pathophysiological mapping of tumor habitats in the breast in DCE-MRI using molecular texture descriptor | |
| Sen | Medical image segmentation system for cerebral aneurysms | |
| Fang et al. | A deep learning and radiomics based Alberta stroke program early CT score method on CTA to evaluate acute ischemic stroke | |
| Gomalavalli et al. | Boundary detection of renal using contour 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 | ||
| TA01 | Transfer of patent application right | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20210201 Address after: Room 301, building 11, 825 Xinkaihe Road, Xinhe Town, Chongming District, Shanghai 202150 Applicant after: SHANGHAI XINGMAI INFORMATION TECHNOLOGY Co.,Ltd. Address before: Shanghai Sixth People's Hospital, 600 Yishan Road, Xuhui District, Shanghai 200233 Applicant before: SHANGHAI 6TH PEOPLE'S Hospital Applicant before: SHANGHAI XINGMAI INFORMATION TECHNOLOGY Co.,Ltd. |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant |