CN111839515A - 利用磁共振成像的胎儿胼胝体体积的测量方法及磁共振成像装置 - Google Patents

利用磁共振成像的胎儿胼胝体体积的测量方法及磁共振成像装置 Download PDF

Info

Publication number
CN111839515A
CN111839515A CN201910345653.6A CN201910345653A CN111839515A CN 111839515 A CN111839515 A CN 111839515A CN 201910345653 A CN201910345653 A CN 201910345653A CN 111839515 A CN111839515 A CN 111839515A
Authority
CN
China
Prior art keywords
image
fetal
corpus callosum
magnetic resonance
volume
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
CN201910345653.6A
Other languages
English (en)
Other versions
CN111839515B (zh
Inventor
王光彬
钱天翼
陈欣
孙聪
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.)
SHANDONG MEDICAL IMAGING RESEARCH INSTITUTE
Siemens Healthineers Ltd
Original Assignee
SHANDONG MEDICAL IMAGING RESEARCH INSTITUTE
Siemens Healthineers 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 SHANDONG MEDICAL IMAGING RESEARCH INSTITUTE, Siemens Healthineers Ltd filed Critical SHANDONG MEDICAL IMAGING RESEARCH INSTITUTE
Priority to CN201910345653.6A priority Critical patent/CN111839515B/zh
Priority to US16/858,141 priority patent/US11534102B2/en
Publication of CN111839515A publication Critical patent/CN111839515A/zh
Application granted granted Critical
Publication of CN111839515B publication Critical patent/CN111839515B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R33/00—Arrangements or instruments for measuring magnetic variables
    • G01R33/20—Arrangements or instruments for measuring magnetic variables involving magnetic resonance
    • G01R33/44—Arrangements or instruments for measuring magnetic variables involving magnetic resonance using nuclear magnetic resonance [NMR]
    • G01R33/48—NMR imaging systems
    • G01R33/54—Signal processing systems, e.g. using pulse sequences ; Generation or control of pulse sequences; Operator console
    • G01R33/56—Image enhancement or correction, e.g. subtraction or averaging techniques, e.g. improvement of signal-to-noise ratio and resolution
    • G01R33/563—Image enhancement or correction, e.g. subtraction or averaging techniques, e.g. improvement of signal-to-noise ratio and resolution of moving material, e.g. flow contrast angiography
    • G01R33/56341—Diffusion imaging
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0033—Features or image-related aspects of imaging apparatus classified in A61B5/00, e.g. for MRI, optical tomography or impedance tomography apparatus; arrangements of imaging apparatus in a room
    • A61B5/004—Features or image-related aspects of imaging apparatus classified in A61B5/00, e.g. for MRI, optical tomography or impedance tomography apparatus; arrangements of imaging apparatus in a room adapted for image acquisition of a particular organ or body part
    • A61B5/0042—Features or image-related aspects of imaging apparatus classified in A61B5/00, e.g. for MRI, optical tomography or impedance tomography apparatus; arrangements of imaging apparatus in a room adapted for image acquisition of a particular organ or body part for the brain
    • 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
    • A61B5/40—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
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/43—Detecting, measuring or recording for evaluating the reproductive systems
    • A61B5/4306—Detecting, measuring or recording for evaluating the reproductive systems for evaluating the female reproductive systems, e.g. gynaecological evaluations
    • A61B5/4343—Pregnancy and labour monitoring, e.g. for labour onset detection
    • A61B5/4362—Assessing foetal parameters
    • 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
    • A61B5/7235—Details of waveform analysis
    • A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
    • A61B5/7267—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems involving training the classification device
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • 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
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/28—Quantising the image, e.g. histogram thresholding for discrimination between background and foreground patterns
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/50—Extraction of image or video features by performing operations within image blocks; by using histograms, e.g. histogram of oriented gradients [HoG]; by summing image-intensity values; Projection analysis
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B2503/00—Evaluating a particular growth phase or type of persons or animals
    • A61B2503/02—Foetus
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B2576/00—Medical imaging apparatus involving image processing or analysis
    • A61B2576/02—Medical imaging apparatus involving image processing or analysis specially adapted for a particular organ or body part
    • A61B2576/026—Medical imaging apparatus involving image processing or analysis specially adapted for a particular organ or body part for the brain
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R33/00—Arrangements or instruments for measuring magnetic variables
    • G01R33/20—Arrangements or instruments for measuring magnetic variables involving magnetic resonance
    • G01R33/44—Arrangements or instruments for measuring magnetic variables involving magnetic resonance using nuclear magnetic resonance [NMR]
    • G01R33/48—NMR imaging systems
    • G01R33/54—Signal processing systems, e.g. using pulse sequences ; Generation or control of pulse sequences; Operator console
    • G01R33/56—Image enhancement or correction, e.g. subtraction or averaging techniques, e.g. improvement of signal-to-noise ratio and resolution
    • G01R33/561—Image enhancement or correction, e.g. subtraction or averaging techniques, e.g. improvement of signal-to-noise ratio and resolution by reduction of the scanning time, i.e. fast acquiring systems, e.g. using echo-planar pulse sequences
    • G01R33/5615—Echo train techniques involving acquiring plural, differently encoded, echo signals after one RF excitation, e.g. using gradient refocusing in echo planar imaging [EPI], RF refocusing in rapid acquisition with relaxation enhancement [RARE] or using both RF and gradient refocusing in gradient and spin echo imaging [GRASE]
    • G01R33/5616—Echo train techniques involving acquiring plural, differently encoded, echo signals after one RF excitation, e.g. using gradient refocusing in echo planar imaging [EPI], RF refocusing in rapid acquisition with relaxation enhancement [RARE] or using both RF and gradient refocusing in gradient and spin echo imaging [GRASE] using gradient refocusing, e.g. EPI
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • 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)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Biomedical Technology (AREA)
  • Veterinary Medicine (AREA)
  • Pathology (AREA)
  • Biophysics (AREA)
  • Public Health (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Neurology (AREA)
  • General Physics & Mathematics (AREA)
  • Radiology & Medical Imaging (AREA)
  • Theoretical Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Multimedia (AREA)
  • High Energy & Nuclear Physics (AREA)
  • Physiology (AREA)
  • Signal Processing (AREA)
  • Evolutionary Computation (AREA)
  • Neurosurgery (AREA)
  • Psychology (AREA)
  • Mathematical Physics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Software Systems (AREA)
  • Condensed Matter Physics & Semiconductors (AREA)
  • Vascular Medicine (AREA)
  • Gynecology & Obstetrics (AREA)
  • Fuzzy Systems (AREA)
  • Psychiatry (AREA)
  • Pediatric Medicine (AREA)
  • Pregnancy & Childbirth (AREA)
  • Reproductive Health (AREA)
  • General Engineering & Computer Science (AREA)

Abstract

本发明提供一种利用磁共振成像的胎儿胼胝体体积的测量方法及磁共振成像装置。其利用磁共振成像获取待检测的胎儿的定位像；根据定位像中胎儿胼胝体的位置确定一个检测区域P，其中该检测区域P包括胎儿的胼胝体；对所述检测区域进行磁共振扫描获取所述检测区域的弥散加权图像，其中所述磁共振扫描时的梯度方向仅需施加在与胼胝体纤维束的延伸方向平行的方向；截取所述弥散加权图像中的胎儿头部图像；对所述胎儿头部图像应用一预设的阈值，得到图像中亮度大于该阈值的高信号；对所述高信号进行聚束处理，并将其中的最大聚束作为胼胝体，并计算与该最大聚束的高信号相关的体素的尺寸的总和，作为胼胝体的体积。

Description

利用磁共振成像的胎儿胼胝体体积的测量方法及磁共振成像 装置
技术领域
本发明涉及一种利用磁共振成像的胎儿胼胝体体积的测量方法，尤其涉及一种全自动地胎儿胼胝体体积的测量方法及磁共振成像装置。
背景技术
胼胝体是联络左右大脑半球的纤维构成的纤维束板，胼胝体发育不良可出现智力轻度低下或轻度视觉障碍或交叉触觉定位障碍，因此，在胎儿时期对胼胝体异常进行筛查并采取适当的措施能够降低新生儿异常的概率。
目前，通常利用超声影像来进行胎儿的筛查，但是利用超声影像对胼胝体异常进行筛查需要对操作者的经验和技术提出很高的要求，而且超声影像无法精确地计算胼胝体的体积大小，从而也无法对超声学医师的判断提供有效的判断依据。因此，目前而言胎儿胼胝体的异常并不容易通过超声学影像进行判断。
此外，目前虽然可以利用磁共振成像来对成人的胼胝体的异常进行检测，但是对于胎儿而言，由于其在母体中经常处于活动的状态，因此对于磁共振这种需要被检测体保持相对静止状态的成像方式来说，还很难做到对胎儿的胼胝体进行有效的磁共振成像，更无法提供一种有效的能够得到胼胝体体积的成像方法。
发明内容
有鉴于此，本发明提出了一种能够利用磁共振图像精确地测量胎儿胼胝体体积的测量方法及磁共振成像装置。
本发明的一实施例提供一种利用磁共振成像的胎儿胼胝体体积的测量方法，其包括：利用磁共振成像获取待检测的胎儿的定位像；根据定位像中胎儿胼胝体的位置确定一个检测区域P，其中该检测区域P包括胎儿的胼胝体；对所述检测区域进行磁共振扫描获取所述检测区域的弥散加权图像，其中所述磁共振扫描时的梯度方向仅需施加在与胼胝体纤维束的延伸方向平行的方向；截取所述弥散加权图像中的胎儿头部图像；对所述胎儿头部图像应用一预设的阈值，得到图像中亮度大于该阈值的高信号；对所述高信号进行聚束处理，并将其中的最大聚束作为胼胝体，并计算与该最大聚束的高信号相关的体素的尺寸的总和，作为胼胝体的体积。
在上述胎儿胼胝体体积的测量方法中，优选利用深度学习模型或机器学习模型在所述定位像确定胎儿的头部位置和所述检测区域。
在上述胎儿胼胝体体积的测量方法中，优选利用深度学习模型或机器学习模型在所述弥散加权图像中截取所述胎儿头部图像。
在上述胎儿胼胝体体积的测量方法中，优选获得所述胎儿头部图像的直方图，对该直方图应用所述预设的阈值，将所述胎儿头部图像转变为二值图，并对转换后的所述二值图进行聚束处理。
在上述胎儿胼胝体体积的测量方法中，优选所述定位像包括矢状位、冠状位和横断位这三个位置的定位像，所述检测区域是能够在所述三个位置的定位像中将胼胝体包含在内的平板状区域。
在上述胎儿胼胝体体积的测量方法中，优选所述弥散加权图像是基于单次激发平面回波成像的图像。
在上述胎儿胼胝体体积的测量方法中，优选所述弥散加权图像是在被检测胎儿的母体进行单次屏气时进行成像。
本发明的又一实施例提供一种磁共振成像装置，其利用上述任一项利用磁共振成像的胎儿胼胝体体积的测量方法进行胎儿胼胝体体积的测量。
根据本发明的利用磁共振成像的胎儿胼胝体体积的测量方法，能够对不时处于运动状态的胎儿进行胼胝体体积的精确的定量测量，从而对胎儿胼胝体异常提供一种辅助性的判断依据。尤其是利用了深度学习等人工智能模型的情况下，进一步能够实现全自动的胎儿胼胝体体积的精确定量测量，节省了测量所需要的时间，提高磁共振成像装置的利用效率。
附图说明
下面将通过参照附图详细描述本发明的优选实施例，使本领域的普通技术人员更清楚本发明的上述及其它特征和优点，附图中：
图1示出了本发明的利用磁共振成像的胎儿胼胝体体积的测量方法。
图2A示出了胎儿在磁共振成像中的冠状位定位像以及检测区域P(图中的矩形线框)在该定位像中的位置。
图2B示出了胎儿的横断位定位像以及检测区域P在该定位像中的位置。
图2C示出了胎儿的矢状位定位像以及检测区域P在该定位像中的位置。
图3A示出了本实施例的对检测区域P进行磁共振扫描得到的弥散加权图像。
图3B示出了对胎儿头部图像应用一预设的阈值转变成的胎儿头部图像的二值图。
图3C示出了对二值图进行聚束处理后，取得其中最大聚束作为胼胝体的图像。
图4示出了本实施例中对用于深度学习模型或机器学习模型的样本的标记有胎儿大脑掩模和检测区域掩模的示意图，其中，从左至右依次表示冠状位、横断位和矢状位的定位像。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，以下举实施例对本发明进一步详细说明。
本发明的一实施例提供一种能够利用磁共振成像来得到胎儿胼胝体体积的测量方法，根据该方法能够得到胎儿胼胝体的体积，从而对胼胝体异常的判断提供一种辅助性的判断。
图1示出了本发明的利用磁共振成像的胎儿胼胝体体积的测量方法。图2A示出了胎儿在磁共振成像中的冠状位定位像以及检测区域P(图中的矩形线框)在该定位像中的位置。图2B示出了胎儿的横断位定位像以及检测区域P在该定位像中的位置。图2C示出了胎儿的矢状位定位像以及检测区域P在该定位像中的位置。
下面参照图1～3对本发明的胎儿胼胝体体积的测量方法进行说明。首先，如图1所示，该测量方法包括：
步骤S101：利用磁共振成像获取待检测的胎儿的定位像。
作为示例可以利用TrueFISP、T2-HASTE等序列对被检测体进行磁共振扫描，获取胎儿的定位像。如图2所示，这个定位像包括矢状位、冠状位和横断位这三个位置的定位像，图2的(A)表示胎儿的冠状位定位像，图2的(B)表示胎儿的横断位定位像，图2的(C)表示胎儿的矢状位定位像。
步骤S102：根据定位像中胎儿胼胝体的位置确定一个检测区域P，其中该检测区域P包括胎儿的胼胝体；
在本实施例中，如图2所示，以在三个定位像中能够分别包括胎儿的胼胝体的方式设置一个矩形区域(分别如图2A、图2B、图2C)中所示的矩形区域)，由此确定一个用于磁共振扫描的三维的检测区域P，可见，该检测区域P是包括胼胝体的平板状区域。
在此，本发明者通过深度学习或机器学习模型来确定胎儿大脑位置和胼胝体检测区域P的位置，以此能够实现全自动的胎儿胼胝体体积的检测。下面，参照图4对本发明用于深度学习模型或机器学习模型的胎儿大脑掩模和表示胼胝体检测区域P的掩模进行详细说明。
具体来说，当基于深度学习模型例如TensorFlow或ImageNet、或基于机器学习模型例如基于自动对齐算法的landmark来自动获取胎儿大脑和胼胝体检测区域P时，如图4所示，可以首先获取100～500个婴儿的分别在冠状位、横断位及矢状位的磁共振成像的定位像(参照图4从左至右)，并手动分别在各个定位像中标识出胎儿大脑的掩模(图4中白色轮廓内区域)和胼胝体检测区域P的掩模(矩形线框)，其中胼胝体检测区域P的掩模能够在三个定位像中分别将胼胝体包含在其区域范围内，并利用这些图像数据对深度学习模型或机器学习模型进行训练，从而使该深度学习模型或机器学习模型能够自动地识别并确定磁共振图像中胎儿的大脑位置和检测区域P的位置。在本实施例中，如图2所示，通过经过上述训练后的深度学习或机器学习模型自动地在被检测胎儿的三个定位像上找到胎儿的大脑并确定包括胼胝体的检测区域P的相应的位置。
当然，除了上述应用了深度学习或机器学习模型从而自动检测胎儿的大脑位置和检测区域P的情况以外，也可以手动地在实际被检测胎儿的三个定位像上标识出胎儿的大脑位置和检测区域P。
步骤S103：对包括胼胝体的检测区域P进行磁共振扫描获取检测区域P的弥散加权图像，其中磁共振扫描时的梯度方向仅施加在与胼胝体纤维束的延伸方向平行的方向。
当确定了检测区域P之后，可以利用基于单次激发平面回波成像(SS-EPI)序列进行磁共振成像，并且在磁共振扫描时，仅需在与胼胝体纤维束的延伸方向平行的方向上施加梯度，由于胼胝体的弥散方向与施加的梯度方向一致。图3A示出了本实施例的对检测区域P进行磁共振扫描得到的弥散加权图像。如图3A所示，在得到的磁共振图像中，胼胝体表现为高信号。此外，为了获得理想的图像，优选被检测胎儿的母体在单次屏气时进行上述弥散加权成像。另外，虽然例示了使用单次激发平面回波成像，但并不限定于此，只需要能够获得弥散加权图像即可。
步骤S104：对上述步骤S103中得到的弥散加权图像截取其中的胎儿头部图像；
在上述步骤S103中得到的弥散加权图像，如图3A所示，除了检测区域P以外还包括胎儿的母体的部分图像。在此，为了进一步处理方便，可以利用上述经过训练后的深度学习或机器学习模型自动地截取该弥散加权图像中胎儿的头部图像。当然，在该步骤中也可以手动方式截取胎儿头部图像。
步骤S105：对上述步骤S104中得到的胎儿头部图像应用一预设的阈值，得到图像中亮度大于该阈值的高信号。
在本实施例中，获取该胎儿头部图像的直方图，并对该直方图应用一预设的阈值，将亮度值高于该阈值的值设为高信号1，将亮度值低于该阈值的值设为低信号0，从而将胎儿头部图像转变为二值图来表示。图3B示出了对胎儿头部图像应用一预设的阈值转变成的胎儿头部图像的二值图，其中白色部分表示高信号，黑色部分表示低信号。如图3B所示，在该二值图中，除了最大的表示胼胝体的部分显示为高信号以外，还有其他的较小的高信号，这是由于磁共振信号的信噪比或者头部的其他解剖组织的纤维导致产生的这些较小的高信号。
步骤S106：对步骤S105中得到的高信号进行聚束处理，并将其中的最大聚束作为胼胝体，并计算该最大聚束中相关的体素的尺寸的总和，作为胼胝体的体积。
图3C示出了对上述步骤S105中得到的二值图进行聚束处理后，取得其中最大聚束作为胼胝体的图像。如图3C所示，通过将该二值图中空间上相连的高信号进行聚束处理后，得到表示胼胝体的最大的聚束，进而计算与该最大聚束的高信号相关的体素的尺寸的总和，作为胼胝体的体积。
在上述实施例中并一定需要将胎儿头部图像转变为二值图再进行聚束处理，也可以对胎儿头部图像施加一预设阈值，并直接将亮度小于预设阈值的信号舍弃，将亮度大于预设阈值的高信号进行聚束处理。
本发明还提供一种磁共振成像装置，其应用了上述胎儿胼胝体体积的测量方法。
根据本发明的利用磁共振成像的胎儿胼胝体体积的测量方法，能够对不时处于运动状态的胎儿进行胼胝体体积的精确的定量测量，从而对胎儿胼胝体异常提供一种辅助性的判断依据。尤其是利用了深度学习等人工智能模型的情况下，进一步能够实现全自动的胎儿胼胝体体积的精确定量测量，节省了测量所需要的时间，提高磁共振成像装置的利用效率。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (8)

1.一种利用磁共振成像的胎儿胼胝体体积的测量方法，其特征在于，包括：
利用磁共振成像获取待检测的胎儿的定位像；
根据定位像中胎儿胼胝体的位置确定一个检测区域P，其中该检测区域P包括胎儿的胼胝体；
对所述检测区域进行磁共振扫描获取所述检测区域的弥散加权图像，其中所述磁共振扫描时的梯度方向仅需施加在与胼胝体纤维束的延伸方向平行的方向；
截取所述弥散加权图像中的胎儿头部图像；
对所述胎儿头部图像应用一预设的阈值，得到图像中亮度大于该阈值的高信号；
对所述高信号进行聚束处理，并将其中的最大聚束作为胼胝体，并计算与该最大聚束的高信号相关的体素的尺寸的总和，作为胼胝体的体积。
2.根据权利要求1所述的胎儿胼胝体体积的测量方法，其特征在于，
利用深度学习模型或机器学习模型在所述定位像确定胎儿的头部位置和所述检测区域。
3.根据权利要求1所述的胎儿胼胝体体积的测量方法，其特征在于，
利用深度学习模型或机器学习模型在所述弥散加权图像中截取所述胎儿头部图像。
4.根据权利要求1所述的胎儿胼胝体体积的测量方法，其特征在于，
获得所述胎儿头部图像的直方图，对该直方图应用所述预设的阈值，将所述胎儿头部图像转变为二值图，并对转换后的所述二值图进行聚束处理。
5.根据权利要求1所述的胎儿胼胝体体积的测量方法，其特征在于，
所述定位像包括矢状位、冠状位和横断位这三个位置的定位像，
所述检测区域是能够在所述三个位置的定位像中将胼胝体包含在内的平板状区域。
6.根据权利要求1所述的胎儿胼胝体体积的测量方法，其特征在于，
所述弥散加权图像是基于单次激发平面回波成像的图像。
7.根据权利要求1所述的胎儿胼胝体体积的测量方法，其特征在于，
所述弥散加权图像是在被检测胎儿的母体进行单次屏气时进行成像。
8.一种磁共振成像装置，其特征在于，
利用权利要求1～7中任一项所述的利用磁共振成像的胎儿胼胝体体积的测量方法进行胎儿胼胝体体积的测量。
CN201910345653.6A 2019-04-26 2019-04-26 利用磁共振成像的胎儿胼胝体体积的测量方法及磁共振成像装置 Active CN111839515B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN201910345653.6A CN111839515B (zh) 2019-04-26 2019-04-26 利用磁共振成像的胎儿胼胝体体积的测量方法及磁共振成像装置
US16/858,141 US11534102B2 (en) 2019-04-26 2020-04-24 Method for measuring corpus callosum volume of fetus by means of magnetic resonance imaging, and magnetic resonance imaging apparatus

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910345653.6A CN111839515B (zh) 2019-04-26 2019-04-26 利用磁共振成像的胎儿胼胝体体积的测量方法及磁共振成像装置

Publications (2)

Publication Number Publication Date
CN111839515A true CN111839515A (zh) 2020-10-30
CN111839515B CN111839515B (zh) 2024-03-08

Family

ID=72916638

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910345653.6A Active CN111839515B (zh) 2019-04-26 2019-04-26 利用磁共振成像的胎儿胼胝体体积的测量方法及磁共振成像装置

Country Status (2)

Country Link
US (1) US11534102B2 (zh)
CN (1) CN111839515B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112633378A (zh) * 2020-12-24 2021-04-09 电子科技大学 一种多模态影像胎儿胼胝体智能检测方法及系统
CN113545767A (zh) * 2021-07-19 2021-10-26 成都市妇女儿童中心医院 一种胎儿颅脑扫描三点平面定位方法

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11457891B2 (en) * 2020-08-17 2022-10-04 Clarius Mobile Health Corp. Method and system for defining cut lines to generate a 3D fetal representation

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6445184B1 (en) * 2001-11-20 2002-09-03 Koninklijke Philips Electronics N.V. Multiple gradient echo type projection reconstruction sequence for MRI especially for diffusion weighted MRI
CN1846614A (zh) * 2005-04-04 2006-10-18 沈渊瑶 构建组织三维图像的方法
CN101236241A (zh) * 2008-02-28 2008-08-06 上海师范大学 一种对扩散张量磁共振图像进行恢复处理的方法
CN101332088A (zh) * 2008-07-21 2008-12-31 深圳先进技术研究院 一种获取脑部特征参数的方法、系统及溶栓决策系统及方法
JP2010253176A (ja) * 2009-04-28 2010-11-11 Ge Medical Systems Global Technology Co Llc モデリング装置、磁気共鳴イメージング装置、モデリング方法、およびプログラム
CN101971213A (zh) * 2008-02-29 2011-02-09 新加坡科技研究局 图像中解剖结构分割与建模的方法及系统
JP2011212148A (ja) * 2010-03-31 2011-10-27 Ge Medical Systems Global Technology Co Llc 磁気共鳴イメージング装置、スライス位置設定方法、およびプログラム
CN102525469A (zh) * 2011-12-12 2012-07-04 中国科学院深圳先进技术研究院 针对小目标的磁共振成像方法和系统
US20130190600A1 (en) * 2012-01-25 2013-07-25 General Electric Company System and Method for Identifying an Optimal Image Frame for Ultrasound Imaging
CN103230274A (zh) * 2013-03-06 2013-08-07 北京师范大学 一种弥散磁共振图像计算方法及基于其的分析方法
CN104083170A (zh) * 2014-07-04 2014-10-08 深圳安科高技术股份有限公司 一种自动提取磁共振图像胼胝体的方法及系统
US20160196644A1 (en) * 2015-01-05 2016-07-07 Huan-Cheng Chang Magnetic resonance imaging white matter hyperintensities region recognizing method and system

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8170305B2 (en) * 2006-10-19 2012-05-01 Brown University Quantitative tract-of-interest metrics for white matter integrity based on diffusion tensor MRI data
US8742754B2 (en) * 2010-02-16 2014-06-03 Board Of Regents Of The University Of Texas System Method and system for diffusion tensor imaging
WO2013075030A1 (en) * 2011-11-16 2013-05-23 New York University Systems, methods and computer accessible mediums for determining neurodegeneration
EP2594282B1 (en) * 2011-11-21 2014-07-23 Nestec S.A. Lactoferrin and the white matter
WO2014052782A1 (en) * 2012-09-28 2014-04-03 Children's Medical Center Corporation Diffusion-weighted mri using multiple b-values and constant echo time
US10048345B2 (en) * 2013-03-07 2018-08-14 The Board Of Trustees Of The University Of Illinois Fractional order and entropy bio-markers for biological tissue in diffusion weighted magnetic resonance imaging
US20160166192A1 (en) * 2013-07-30 2016-06-16 Children's Hospital Los Angeles Magnetic resonance imaging tool to detect clinical difference in brain anatomy
KR102315351B1 (ko) * 2014-10-07 2021-10-20 삼성메디슨 주식회사 영상 장치 및 그 제어 방법
EP3247269B1 (en) * 2015-01-19 2021-07-07 Brainlab AG Tissue-orientation-based simulation of deep brain stimulation
WO2016176863A1 (zh) * 2015-05-07 2016-11-10 深圳迈瑞生物医疗电子股份有限公司 三维超声成像方法和装置

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6445184B1 (en) * 2001-11-20 2002-09-03 Koninklijke Philips Electronics N.V. Multiple gradient echo type projection reconstruction sequence for MRI especially for diffusion weighted MRI
CN1846614A (zh) * 2005-04-04 2006-10-18 沈渊瑶 构建组织三维图像的方法
CN101236241A (zh) * 2008-02-28 2008-08-06 上海师范大学 一种对扩散张量磁共振图像进行恢复处理的方法
CN101971213A (zh) * 2008-02-29 2011-02-09 新加坡科技研究局 图像中解剖结构分割与建模的方法及系统
CN101332088A (zh) * 2008-07-21 2008-12-31 深圳先进技术研究院 一种获取脑部特征参数的方法、系统及溶栓决策系统及方法
JP2010253176A (ja) * 2009-04-28 2010-11-11 Ge Medical Systems Global Technology Co Llc モデリング装置、磁気共鳴イメージング装置、モデリング方法、およびプログラム
JP2011212148A (ja) * 2010-03-31 2011-10-27 Ge Medical Systems Global Technology Co Llc 磁気共鳴イメージング装置、スライス位置設定方法、およびプログラム
CN102525469A (zh) * 2011-12-12 2012-07-04 中国科学院深圳先进技术研究院 针对小目标的磁共振成像方法和系统
US20130190600A1 (en) * 2012-01-25 2013-07-25 General Electric Company System and Method for Identifying an Optimal Image Frame for Ultrasound Imaging
CN103230274A (zh) * 2013-03-06 2013-08-07 北京师范大学 一种弥散磁共振图像计算方法及基于其的分析方法
CN104083170A (zh) * 2014-07-04 2014-10-08 深圳安科高技术股份有限公司 一种自动提取磁共振图像胼胝体的方法及系统
US20160196644A1 (en) * 2015-01-05 2016-07-07 Huan-Cheng Chang Magnetic resonance imaging white matter hyperintensities region recognizing method and system

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112633378A (zh) * 2020-12-24 2021-04-09 电子科技大学 一种多模态影像胎儿胼胝体智能检测方法及系统
CN112633378B (zh) * 2020-12-24 2022-06-28 电子科技大学 一种多模态影像胎儿胼胝体智能检测方法及系统
CN113545767A (zh) * 2021-07-19 2021-10-26 成都市妇女儿童中心医院 一种胎儿颅脑扫描三点平面定位方法
CN113545767B (zh) * 2021-07-19 2023-08-15 成都市妇女儿童中心医院 一种胎儿颅脑扫描三点平面定位方法

Also Published As

Publication number Publication date
CN111839515B (zh) 2024-03-08
US11534102B2 (en) 2022-12-27
US20200337626A1 (en) 2020-10-29

Similar Documents

Publication Publication Date Title
Zaretskaya et al. Advantages of cortical surface reconstruction using submillimeter 7 T MEMPRAGE
Seehaus et al. Histological validation of high-resolution DTI in human post mortem tissue
CN107492097B (zh) 一种识别mri图像感兴趣区域的方法及装置
US8744154B2 (en) System and method for acquiring magnetic resonance imaging (MRI) data
CN111839515B (zh) 利用磁共振成像的胎儿胼胝体体积的测量方法及磁共振成像装置
US7995825B2 (en) Histogram segmentation of FLAIR images
US11016160B2 (en) Parkinson's disease diagnosing apparatus and method
CN110969614B (zh) 基于三维卷积神经网络的脑龄预测方法及系统
US7863896B2 (en) Systems and methods for calibrating functional magnetic resonance imaging of living tissue
CN109741290B (zh) 用于神经追踪的方法、非暂时性计算机可读媒体及设备
US8249323B2 (en) Method for automatic quality control of data in in-vivo images
CN104161516B (zh) 磁共振成像方位判断方法及其装置
US11324413B1 (en) Traumatic brain injury diffusion tensor and susceptibility weighted imaging
US8139859B2 (en) Method for automatic detection of data in in-vivo images
Fu et al. Automated analysis of multi site MRI phantom data for the NIHPD project
Rutherford et al. Observing the origins of human brain development: automated processing of fetal fMRI
Griffanti et al. Signal-to-noise ratio of diffusion weighted magnetic resonance imaging: Estimation methods and in vivo application to spinal cord
TWI614627B (zh) 用於神經追蹤之方法、非暫時性電腦可讀媒體及設備
JPH0947438A (ja) 活性化領域同定法
US10401457B2 (en) Image processing apparatus, magnetic resonance imaging apparatus, image processing method, and storage medium
CN111080572A (zh) 白质高信号定位方法、装置、设备和存储介质
US20240090791A1 (en) Anatomy Masking for MRI
TWI835551B (zh) 依據擴散加權影像產生資料以進行前處理之系統及方法
CN210433483U (zh) 一种核磁共振盆腔检查减少伪影装置
US20230309848A1 (en) Magnetic resonance imaging apparatus, image processor, and image processing method

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