CN111938686A - 一种脑部医学图像处理装置及方法 - Google Patents
一种脑部医学图像处理装置及方法 Download PDFInfo
- Publication number
- CN111938686A CN111938686A CN202010826737.4A CN202010826737A CN111938686A CN 111938686 A CN111938686 A CN 111938686A CN 202010826737 A CN202010826737 A CN 202010826737A CN 111938686 A CN111938686 A CN 111938686A
- Authority
- CN
- China
- Prior art keywords
- blood vessel
- blood
- brain
- medical image
- occlusion
- 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
- 210000004556 brain Anatomy 0.000 title claims abstract description 240
- 238000012545 processing Methods 0.000 title claims abstract description 63
- 238000000034 method Methods 0.000 title abstract description 28
- 210000004204 blood vessel Anatomy 0.000 claims abstract description 446
- 230000036770 blood supply Effects 0.000 claims abstract description 197
- 230000002490 cerebral effect Effects 0.000 claims abstract description 81
- 238000001514 detection method Methods 0.000 claims abstract description 21
- 230000011218 segmentation Effects 0.000 claims abstract description 17
- 230000000302 ischemic effect Effects 0.000 claims description 33
- 206010061216 Infarction Diseases 0.000 claims description 26
- 230000007574 infarction Effects 0.000 claims description 26
- 238000010968 computed tomography angiography Methods 0.000 claims description 25
- 230000004087 circulation Effects 0.000 claims description 16
- 230000017531 blood circulation Effects 0.000 claims description 15
- 230000010412 perfusion Effects 0.000 claims description 15
- 238000003672 processing method Methods 0.000 claims description 10
- 238000013135 deep learning Methods 0.000 claims description 8
- 206010053648 Vascular occlusion Diseases 0.000 claims description 6
- 208000021331 vascular occlusion disease Diseases 0.000 claims description 6
- 239000008280 blood Substances 0.000 claims description 5
- 210000004369 blood Anatomy 0.000 claims description 5
- 230000003727 cerebral blood flow Effects 0.000 claims description 4
- 238000003709 image segmentation Methods 0.000 claims description 4
- 238000011156 evaluation Methods 0.000 abstract description 12
- 238000003062 neural network model Methods 0.000 description 16
- 238000012549 training Methods 0.000 description 15
- 230000008569 process Effects 0.000 description 9
- 206010069729 Collateral circulation Diseases 0.000 description 8
- 238000010586 diagram Methods 0.000 description 6
- 238000003384 imaging method Methods 0.000 description 6
- 210000002551 anterior cerebral artery Anatomy 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 210000003657 middle cerebral artery Anatomy 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 210000003388 posterior cerebral artery Anatomy 0.000 description 3
- 230000001052 transient effect Effects 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- 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 2
- 208000006011 Stroke Diseases 0.000 description 2
- 210000001367 artery Anatomy 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 210000001638 cerebellum Anatomy 0.000 description 2
- 210000001627 cerebral artery Anatomy 0.000 description 2
- 239000002872 contrast media Substances 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 230000003247 decreasing effect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000004393 prognosis Methods 0.000 description 2
- 239000000243 solution Substances 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 206010020772 Hypertension Diseases 0.000 description 1
- 208000007536 Thrombosis Diseases 0.000 description 1
- 210000001841 basilar artery Anatomy 0.000 description 1
- 210000005013 brain tissue Anatomy 0.000 description 1
- 206010008118 cerebral infarction Diseases 0.000 description 1
- 208000026106 cerebrovascular disease Diseases 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 206010012601 diabetes mellitus Diseases 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000003862 health status Effects 0.000 description 1
- 230000001631 hypertensive effect Effects 0.000 description 1
- 238000002347 injection Methods 0.000 description 1
- 239000007924 injection Substances 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
- 210000003446 pia mater Anatomy 0.000 description 1
- 230000010410 reperfusion Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 230000000087 stabilizing effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 238000002560 therapeutic procedure Methods 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
- 238000002604 ultrasonography Methods 0.000 description 1
- 230000002792 vascular Effects 0.000 description 1
- 210000002385 vertebral artery Anatomy 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
- A61B6/02—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
- A61B6/50—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
- A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
- A61B6/5211—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data
-
- 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
- A61B6/5294—Devices using data or image processing specially adapted for radiation diagnosis involving using additional data, e.g. patient information, image labeling, acquisition parameters
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Biomedical Technology (AREA)
- Surgery (AREA)
- High Energy & Nuclear Physics (AREA)
- Physics & Mathematics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Optics & Photonics (AREA)
- Pathology (AREA)
- Radiology & Medical Imaging (AREA)
- Veterinary Medicine (AREA)
- Heart & Thoracic Surgery (AREA)
- Molecular Biology (AREA)
- Biophysics (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Vascular Medicine (AREA)
- Dentistry (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Pulmonology (AREA)
- Theoretical Computer Science (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
本发明提供一种脑部医学图像处理装置及方法。所述脑部医学图像处理装置包括：医学图像获取模块，用于获取脑部医学图像；脑部血管获取模块，用于获取脑部血管图像；血管分段命名模块，用于获取各段脑部血管的名称；闭塞位置检测模块，用于获取所述脑部医学图像中的血管闭塞位置；闭塞血管获取模块，用于获取闭塞血管；供血区域获取模块，用于获取所述闭塞血管对应的供血区域模板，并获取第一供血区域；侧枝血管获取模块，用于获取所述第一供血区域中的侧枝血管；血管容积获取模块，用于获取所述侧枝血管的血管容积。所述脑部医学图像处理装置能够获取侧枝血管的血管容积，有助于医务人员对侧支血管的评估。
Description
技术领域
本发明属于医学图像处理领域，涉及一种脑部医学图像处理装置，特别是涉及一种脑部医学图像处理装置及方法。
背景技术
有效侧支循环的开放和建立有助于稳定梗死区脑血流量、减少梗死灶体积、改善远期预后并降低卒中再发风险等，因而对侧支循环的评估对治疗具有指导意义。侧支循环评估方法包括结构学评估和功能学评估；其中，结构学评估包括经颅多普勒(TCD)、经颅彩双功能超声(TCCS/TCCD)、基于CT血管成像技术(CTSI、MPR、MIP)、三期CTA、动态CTA、MRA、DSA等。
在具体应用中，CTA原始图像及单期CTA-MIP对于延迟显影的侧支显示不佳，对部分侧支充盈缓慢的患者存在敏感性较差；多期CTA能评估软脑膜侧支的范围及程度，且具有无创、操作简单的特点，并且具有较高的时间及空间分辨率成像特点。因此，在侧支评价方面，多期CTA具有更高的可信度，在临床治疗决策制定及临床预后评判具有一定的优势，逐渐成为重要的卒中再灌注治疗前侧支评估的方法。然而，发明人在实际应用中发现，人体的脑血管数量繁多且分支复杂，现有方案中对于侧枝血管的评估主要依赖于医务人员对CTA图像的肉眼观察，效率较低且容易受到医务人员主观判断的影响而出现误差。
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部医学图像处理装置及方法，用于解决现有技术中对于侧枝血管的评估主要依赖于医务人员对CTA图像的肉眼观察的问题。
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部医学图像处理装置及方法；所述脑部医学图像处理装置包括：医学图像获取模块，用于获取脑部医学图像；所述脑部医学图像为脑部多期CT血管造影图像或脑部CT灌注图像；脑部血管获取模块，与所述医学图像获取模块相连，用于对所述脑部医学图像进行分割以获取脑部血管图像；所述脑部血管图像包括多段脑部血管；血管分段命名模块，与所述脑部血管获取模块相连，用于根据预设的命名规则对所述脑部血管命名，以获取各段脑部血管的名称；闭塞位置检测模块，与所述医学图像获取模块相连，用于获取所述脑部医学图像中的血管闭塞位置；闭塞血管获取模块，与所述闭塞位置检测模块和所述脑部血管获取模块相连，用于根据所述血管闭塞位置和所述脑部血管图像获取闭塞血管；其中，所述闭塞血管是指所述血管闭塞位置对应的脑部血管及其分支血管；供血区域获取模块，与所述闭塞血管获取模块和所述血管分段命名模块相连，用于根据所述闭塞血管的名称获取所述闭塞血管对应的供血区域模板，并根据该供血区域模板获取所述闭塞血管的供血区域作为第一供血区域；侧枝血管获取模块，与所述供血区域获取模块相连，用于获取所述第一供血区域中的所有血管，并从中删除所述闭塞血管以得到所述第一供血区域中的侧枝血管；血管容积获取模块，与所述侧支血管获取模块相连，用于获取所述第一供血区域中的侧枝血管的血管容积。
于所述第一方面的一实施例中，所述脑部医学图像处理装置还包括：血流参数获取模块，与所述供血区域获取模块相连，用于根据所述脑部医学图像获取所述第一供血区域内多个位置的循环参数；所述循环参数包括相对脑血容量、相对脑血流量和平均通过时间中的一种或多种；核心梗死区获取模块，与所述血流参数获取模块相连，用于根据所述第一供血区域内多个位置的循环参数确定所述第一供血区域中的核心梗死区；缺血半暗带获取模块，与所述血流参数获取模块相连，用于根据所述第一供血区域内多个位置的循环参数确定所述第一供血区域中的缺血半暗带。
于所述第一方面的一实施例中，所述脑部医学图像处理装置还包括：显示模块，与所述闭塞血管获取模块、所述核心梗死区获取模块和/或所述缺血半暗带获取模块相连，用于显示所述第一供血区域中的侧枝血管、所述第一供血区域中的侧枝血管的血管容积、所述第一供血区域中的核心梗死区、所述第一供血区域中的核心梗死区的体积、所述第一供血区域中的缺血半暗带和/或第一供血区域中的缺血半暗带的体积。
于所述第一方面的一实施例中，所述供血区域获取模块包括：模板获取单元，与所述闭塞血管获取模块和所述血管分段命名模块相连，用于根据所述闭塞血管的名称获取所述闭塞血管对应的供血区域模板；配准单元，与所述医学图像获取模块和所述模板获取单元相连，用于将所述脑部医学图像与所述闭塞血管对应的供血区域模板进行配准，以获取所述第一供血区域。
于所述第一方面的一实施例中，所述血管分段命名模块利用一分类器对各段脑部血管进行分类以获取各段脑部血管的命名标签，进而实现对各段脑部血管命名。
于所述第一方面的一实施例中，所述脑部血管获取模块利用一深度学习图像分割模型对所述脑部医学图像进行分割，以获取所述脑部血管图像；和/或所述闭塞位置检测模块利用一深度学习图像检测模型对所述脑部医学图像进行检测，以获取所述血管闭塞位置。
于所述第一方面的一实施例中，所述脑部血管获取模块还用于根据接收到的血管调整指令对所述脑部血管图像中的脑部血管进行调整。
本发明的第二方面提供一种脑部医学图像处理装置，所述脑部医学图像处理装置包括：医学图像获取模块，用于获取脑部医学图像；所述脑部医学图像为脑部多期CT血管造影图像或脑部CT灌注图像；脑部血管获取模块，与所述医学图像获取模块相连，用于对所述脑部医学图像进行分割以获取脑部血管图像；所述脑部血管图像包括多段脑部血管；闭塞位置检测模块，与所述医学图像获取模块相连，用于获取所述脑部医学图像中的血管闭塞位置；闭塞血管获取模块，与所述闭塞位置检测模块和所述脑部血管获取模块相连，用于根据所述血管闭塞位置和所述脑部血管图像获取闭塞血管；其中，所述闭塞血管是指所述血管闭塞位置对应的脑部血管及其分支血管；闭塞血管命名模块，与所述闭塞血管获取模块相连，用于根据预设的命名规则对所述闭塞血管命名，以获取所述闭塞血管的名称；供血区域获取模块，与所述闭塞血管命名模块相连，用于根据所述闭塞血管的名称获取所述闭塞血管对应的供血区域模板，并根据该供血区域模板获取所述闭塞血管的供血区域作为第一供血区域；侧枝血管获取模块，与所述供血区域获取模块相连，用于获取所述第一供血区域中的所有血管，并从中删除所述闭塞血管以得到所述第一供血区域中的侧枝血管；血管容积获取模块，与所述侧支血管获取模块相连，用于获取所述第一供血区域中的侧枝血管的血管容积。
本发明的第三方面提供一种脑部医学图像处理方法，所述脑部医学图像处理方法包括：获取脑部医学图像；所述脑部医学图像为脑部多期CT血管造影图像或脑部CT灌注图像；对所述脑部医学图像进行分割以获取脑部血管图像；所述脑部血管图像包括多段脑部血管；根据预设的命名规则对所述脑部血管命名，以获取各段脑部血管的名称；获取所述脑部医学图像中的血管闭塞位置；根据所述血管闭塞位置和所述脑部血管图像，获取所述血管闭塞位置对应的脑部血管及其分支血管作为闭塞血管；根据所述闭塞血管的名称获取所述闭塞血管对应的供血区域模板，并根据该供血区域模板获取所述闭塞血管的供血区域作为第一供血区域；获取所述第一供血区域中的所有血管，并从中删除所述闭塞血管以得到所述第一供血区域中的侧支血管；获取所述第一供血区域中的侧枝血管的血管容积。
本发明的第四方面提供一种脑部医学图像处理方法；所述脑部医学图像处理方法包括：获取脑部医学图像；所述脑部医学图像为脑部多期CT血管造影图像或脑部CT灌注图像；对所述脑部医学图像进行分割以获取脑部血管图像；所述脑部血管图像包括多段脑部血管；获取所述脑部医学图像中的血管闭塞位置；根据所述血管闭塞位置和所述脑部血管图像，获取所述血管闭塞位置对应的脑部血管及其分支血管作为闭塞血管；根据预设的命名规则对所述闭塞血管命名，以获取所述闭塞血管的名称；根据所述闭塞血管的名称获取所述闭塞血管对应的供血区域模板，并根据该供血区域模板获取所述闭塞血管的供血区域作为第一供血区域；获取所述第一供血区域中的所有血管，并从中删除所述闭塞血管以得到所述第一供血区域中的侧枝血管；获取所述第一供血区域中的侧枝血管的血管容积。
如上所述，本发明所述脑部医学图像处理装置及方法的一个技术方案，具有以下有益效果：
所述脑部医学图像处理装置能够根据脑部医学图像获取血管闭塞位置，进而获取闭塞血管及其对应的第一供血区域，并根据所述第一供血区域中的侧枝血管获取其血管容积；根据所述血管容积能够定量的对人体的侧支循环进行评估。该过程可以由电子设备自动完成，整个过程基本无需人工参与，效率较高且评估结果不易受到医务人员的主观判断影响。
附图说明
图1A显示为本发明所述脑部医学图像处理装置于一具体实施例中的结构示意图。
图1B显示为本发明所述脑部医学图像处理装置于一具体实施例中对第一神经网络模型的训练流程图。
图1C显示为本发明所述脑部医学图像处理装置于一具体实施例中获取的供血区域模板示例图。
图2显示为本发明所述脑部医学图像处理装置于一具体实施例中关键模块的结构示意图。
图3A显示为本发明所述脑部医学图像处理装置于一具体实施例中供血区域获取模块的结构示意图。
图3B显示为本发明所述脑部医学图像处理装置于一具体实施例中获取第一供血区域的流程图。
图4显示为本发明所述脑部医学图像处理装置于一具体实施例中的结构示意图。
图5显示为本发明所述脑部医学图像处理方法于一具体实施例中的流程图。
图6显示为本发明所述脑部医学图像处理方法于一具体实施例中的流程图。
元件标号说明
1 脑部医学图像处理装置
11 医学图像获取模块
12 脑部血管获取模块
13 血管分段命名模块
14 闭塞位置检测模块
15 闭塞血管获取模块
16 供血区域获取模块
161 模板获取单元
162 配准单元
17 侧支血管获取模块
18 血管容积获取模块
19 血流参数获取模块
20 核心梗死区获取模块
21 缺血半暗带获取模块
31 大脑后动脉标准供血区
32 大脑前动脉标准供血区
33 大脑中动脉标准供血区
4 脑部医学图像处理装置
41 医学图像虎丘模块
42 脑部血管获取模块
43 闭塞位置检测模块
44 闭塞血管获取模块
45 闭塞血管命名模块
46 供血区域获取模块
47 侧支血管获取模块
48 血管容积获取模块
S11～S12 步骤
S31～S33 步骤
S51～S58 步骤
S61～S68 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，遂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。此外，在本文中，诸如“第一”、“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。
人体的脑血管数量繁多且分支复杂，现有方案中对于侧枝血管的评估主要依赖于医务人员对CTA图像的肉眼观察，效率较低且容易受到医务人员主观判断的影响而出现误差。针对这一问题，本发明提供一种脑部医学图像处理装置，所述脑部医学图像处理装置能够根据脑部医学图像获取血管闭塞位置，进而获取闭塞血管及其对应的第一供血区域，并根据所述第一供血区域中的侧枝血管获取其血管容积；根据所述血管容积能够定量的对人体的侧支循环进行评估。该过程可以由电子设备自动完成，整个过程基本无需人工参与，效率较高且评估结果不易受到医务人员的主观判断影响。
请参阅图1A，于本发明的一实施例中，所述脑部医学图像处理装置1包括医学图像获取模块11、脑部血管获取模块12、血管分段命名模块13、闭塞位置检测模块14、闭塞血管获取模块15、供血区域获取模块16、侧枝血管获取模块17和血管容积获取模块18。接下来将对上述模块进行详细的介绍。
所述医学图像获取模块11用于获取脑部医学图像；其中，所述脑部医学图像为脑部多期CT血管造影图像或脑部CT灌注图像。
脑部CT血管造影(CTA，CT angiography)是一种介入检测方法，在脑部CT血管造影过程中需要将显影剂注入血管；因为X光无法穿透显影剂，因而通过显影剂在X光下显示的影像即可获取脑部CT血管造影图像。
脑部CT灌注成像是在静脉注射对比剂的同时，对选定的感兴趣层面进行连续动态扫描，以获取相应的循环参数和灌注图像表现，进而评价脑组织的关注状态。不同于脑部CT血管造影，脑部CT灌注成像属于一种功能成像。
所述脑部血管获取模块12与所述医学图像获取模块11相连，用于对所述脑部医学图像进行分割以获取脑部血管图像；所述脑部血管图像包括多段脑部血管。其中，所述脑部血管获取模块12可以利用一深度学习图像分割模型对所述脑部医学图像进行分割，以获取所述脑部血管图像；例如，所述深度学习图像分割模型可以为一第一神经网络模型，此时，将所述脑部医学图像输入所述第一神经网络模型，所述第一神经网络模型的输出即为所述脑部血管图像。其中，所述第一神经网络模型为一训练好的神经网络模型，例如为一训练好的卷积神经网络模型。
请参阅图1B，于本实施例中，所述第一神经网络模型的一种训练方法包括：
S11，获取训练数据。其中，所述训练数据包括训练用脑部医学图像，以及所述训练用脑部医学图像经分割后获得的训练用脑部血管图像。其中，对所述训练用脑部医学图像的分割可以通过人工标注的方式实现。
S12，利用所述训练数据对一神经网络模型进行训练，训练后获得的神经网络模型即为所述第一神经网络模型。其中，利用训练数据对神经网络模型的训练可以采用现有训练方法实现，此处不做赘述。
所述血管分段命名模块13与所述脑部血管获取模块12相连，用于根据预设的命名规则对所述脑部血管命名，以获取各段脑部血管的名称。其中，所述预设的命名规则与所述供血区域获取模块16中所采用的供血区域模板中的名称相匹配。各段脑部血管的名称可以利用数字、符号、文字等表示，所述血管分段命名模块13获取的脑部血管的名称例如为：小脑后下动脉、小脑上动脉、椎动脉和基底动脉分支等。
闭塞位置检测模块14，与所述医学图像获取模块11相连，用于获取所述脑部医学图像中的血管闭塞位置。其中，所述血管闭塞位置是指所述脑部医学图像中的一个区域，该区域由于血液粘稠度过高、血栓等原因导致流经该区域的血管存在闭塞。
本实施例中，所述闭塞位置检测模块14可以利用一深度学习图像检测模型对所述脑部医学图像进行检测，以获取所述血管闭塞位置。所述深度学习图像检测模型例如为第二神经网络模型；此时，将所述脑部医学图像输入所述第二神经网络模型，所述第二神经网络模型的输出即为所述血管闭塞位置。所述第二神经网络模型例如为卷积神经网络，对所述第二神经网络模型的训练与步骤S11～S12类似，此处不做赘述。
所述闭塞血管获取模块15与所述闭塞位置检测模块14和所述脑部血管获取模块12相连，用于根据所述血管闭塞位置和所述脑部血管图像，获取所述血管闭塞位置对应的脑部血管及其分支血管作为闭塞血管。
所述供血区域获取模块16与所述闭塞血管获取模块15和所述血管分段命名模块13相连，用于根据所述闭塞血管的名称获取所述闭塞血管对应的供血区域模板，并根据该供血区域模板获取所述闭塞血管的供血区域作为第一供血区域。其中，所述供血区域模板为一标准模板，包括至少一条脑部血管的名称及其对应的标准供血区。例如，请参阅图1C，显示为本实施例中获取的一个供血区域模板，该供血区域模板包括：大脑后动脉标准供血区31，与大脑后动脉相对应；大脑前动脉标准供血区32，与大脑前动脉相对应；大脑中动脉标准供血区33，与大脑中动脉相对应。
所述侧枝血管获取模块17与所述供血区域获取模块16相连，用于获取所述第一供血区域中的所有血管，并从中删除所述闭塞血管以得到所述第一供血区域中的侧枝血管。在人体中，沟通相互关联的不同脑部血管或同一脑部血管不同部分的微小血管称作侧枝血管。当某支脑部血管或脑部血管的分支发生闭塞时，其他脑部血管经侧支血管向闭塞血管对应的第一供血区域进行供血，这一血液循环称作侧枝循环。因此，为所述第一供血区域供血的血管不仅包括闭塞血管还包括相应的侧枝血管；从所述第一供血区域中的所有血管中剔除所述闭塞血管即可得到所述第一供血区域中的侧枝血管。
血管容积获取模块18，与所述侧支血管获取模块相连，用于获取所述第一供血区域中的侧枝血管的血管容积。其中，所述血管容积可以通过统计所述侧枝血管所包含的像素点或体素点的数量获得。
根据以上描述可知，本实施例所述脑部医学图像处理装置能够根据脑部医学图像获取血管闭塞位置，进而获取闭塞血管及其对应的第一供血区域，并根据所述第一供血区域中的侧枝血管获取其血管容积；根据所述血管容积能够定量的对人体的侧支循环进行评估。该过程可以由电子设备自动完成，整个过程基本无需人工参与，效率较高且评估结果不易受到医务人员的主观判断影响。
于本发明的一实施例中，所述闭塞血管获取模块15分别获取所述血管闭塞位置的像素点以及各段脑部血管的像素点，并根据所述血管闭塞位置的像素点和所述脑部血管的像素点的交集获取所述闭塞血管。具体地，所述血管闭塞位置为一区域；对于任一脑部血管，若同时位于该脑部血管和所述血管闭塞位置的像素点的数量大于一阈值，则所述闭塞血管获取模块15认为该脑部血管为闭塞血管。其中，所述阈值为一经验值，具体应用中可以根据实际需求设置。
于本发明的一实施例中，所述供血区域获取模块16通过统计和分析多名患者的脑部医学图像来获取所述供血区域模板。具体地，选取任一脑部血管作为目标血管，所述供血区域获取模块16分别获取每个患者的脑部医学图像并进行分割，以获取各患者的目标血管及其对应的供血区；基于此，所述供血区域获取模块16通过取平均值或最大值等方式对多名患者的目标血管的供血区进行合并，合并后获得的供血区即为该目标血管对应的标准供血区。
优选地，考虑到不同年龄段、不同健康状态(是否具有高血压、糖尿病)人群的脑结构之间存在差异，所述供血区域获取模块16根据年龄和健康状况将患者进行分组，并对每个分组创建单独的供血区域模板。
请参阅图2，于本发明的一实施例中，所述脑部医学图像处理装置1还包括血流参数获取模块19、核心梗死区获取模块20和缺血半暗带获取模块21。
所述血流参数获取模块19与所述供血区域获取模块16相连，用于根据所述脑部医学图像获取所述第一供血区域内多个位置的循环参数；其中，所述循环参数包括相对脑血容量(rCBV)、相对脑血流量(rCBF)和平均通过时间(MTT)中的一种或多种。优选地，所述血流参数获取模块19获取所述第一供血区域内所有位置的循环参数。
所述核心梗死区获取模块20与所述血流参数获取模块19相连，用于根据所述第一供血区域内多个位置的循环参数确定所述第一供血区域中的核心梗死区。具体地，所述核心梗死区获取模块20获取MTT显著增大、rCBF显著减小且rCBV减小的位置作为梗死位置，通过将所有的梗死位置合并在一起即可获得所述核心梗死区。特别地，当所述血流参数获取模块19获取的是所述第一供血区域内所有位置的循环参数时，所述核心梗死区获取模块20能够获取患者完整的核心梗死区。
所述缺血半暗带获取模块21与所述血流参数获取模块19相连，用于根据所述第一供血区域与内多个位置的循环参数确定所述第一供血区域中的缺血半暗带。具体地，所述缺血半暗带获取模块21获取MTT增大、rCBF减小且rCBV增大的位置作为缺血半暗带位置，通过将所有的缺血半暗带位置合并在一起即可获得所述缺血半暗带。特别地，当所述血流参数获取模块19获取的是所述第一供血区域内所有位置的循环参数时，所述缺血半暗带获取模块21能够获取患者完整的缺血半暗带。
此外，所述缺血半暗带获取模块21还可以获取MTT略微增大、rCBF正常且rCBV增大的位置作为短暂缺血位置，通过将所有的短暂性缺血位置合并在一起即可获得患者的短暂性缺血区域。
于本发明的一实施例中，所述脑部医学图像处理装置还包括显示模块。所述显示模块与所述闭塞血管获取模块、所述核心梗死区获取模块和/或所述缺血半暗带获取模块相连，用于显示所述第一供血区域中的侧枝血管、所述第一供血区域中的侧枝血管的血管容积、所述第一供血区域中的核心梗死区、所述第一供血区域中的核心梗死区的体积、所述第一供血区域中的缺血半暗带和/或第一供血区域中的所述缺血半暗带的体积。其中，所述核心梗死区的体积可以由所述核心梗死区获取模块20统计所述核心梗死区中包含的体素点或像素点的数量获得，所述缺血半暗带的体积可以由所述缺血半暗带获取模块21统计所述缺血半暗带中包含的体素点或像素点的数量获得。
本实施例中，所述显示模块能够显示所述侧支血管、所述核心梗死区和/或所述缺血半暗带的图像，有利于医务人员直观地观察到患者的脑部状况。所述显示模块还可以通过数字的形式显示所述侧支血管的容积、所述核心梗死区的体积和/或所述缺血半暗带的体积，有利于医务人员直观地获取患者的脑部梗死状况相关的信息。
请参阅图3A，于本发明的一实施例中，所述供血区域获取模块16包括模板获取单元161和配准单元162。
具体地，所述模板获取单元161根据各段脑部血管的名称以及所述闭塞血管获取模块15获取的闭塞血管进行匹配，以获取各段闭塞血管的名称。此外，所述模板获取单元161与所述闭塞血管获取模块15和血管分段命名模块13相连，用于根据所述闭塞血管的名称获取所述闭塞血管对应的供血区域模板。例如，若大脑前动脉为闭塞血管，所述模板获取单元161根据其名称获取大脑前动脉标准供血区32作为所述大脑前动脉对应的供血区域模板。
所述配准单元162与所述医学图像获取模块11和所述模板获取单元161相连，用于将所述脑部医学图像与所述闭塞血管对应的供血区域模板进行配准，以获取所述第一供血区域。请参阅图3B，对于所述闭塞血管获取模块15获取的闭塞血管，以所述闭塞血管对应的供血区域模板作为目标供血区域模板，其中，所述目标供血区域模板中包含所述闭塞血管对应的标准供血区。基于此，所述配准单元162将所述脑部医学图像与所述闭塞血管对应的供血区域模板进行配准的实现方法包括：
S31，获取所述脑部医学图像中的特征点。其中，所述特征点是指所述脑部医学图像中灰度值发生剧烈变化的点，或者在图像边缘上曲率较大的点。于本实施例中，为了便于算法实现，也可以选取所述脑部医学图像的中心点或边缘的点作为所述特征点。
S32，将所述脑部医学图像的特征点与所述目标供血区域模板中的特征点对齐，并对所述脑部医学图像进行仿射变换，以使所述脑部医学图像和所述目标供血区域模板具有相同或相近的图像尺寸和分辨率；其中，所述仿射变换例如为平移、缩放和/或旋转等。
S33，根据所述目标供血区域模板中包含的标准供血区的位置、形状和大小，获取所述脑部医学图像中相应的区域作为所述第一供血区域。
本实施例中，也可以采用其他现有的图像配准方法来获取所述第一供血区域，具体实现方式此处不做过多赘述。
于本发明的一实施例中，所述血管分段命名模块利用一分类器对各段脑部血管进行分类以获取各段脑部血管的命名标签，进而实现对各段脑部血管的命名。其中，所述分类器例如为朴素贝叶斯分类器、Adaboost分类器或支持向量机模型等。通过使用分类器对各段脑部血管进行分类能够获取各段脑部血管的命名标签，根据该命名标签与血管名称之间的映射关系即可获取各段脑部血管的名称。于另一实施例中，所述血管分段命名模块通过基于形态学的识别算法以对各段脑部血管进行分段并命名，具体的，可以通过识别血管的位置、走势、长度、直径等形态学特征对血管进行识别。
于本发明的一实施例中，所述脑部血管获取模块还用于根据接收到的血管调整指令对所述脑部血管图像中的脑部血管进行调整。具体地，医务人员可以通过鼠标、键盘等设备输入所述血管调整指令，所述脑部血管获取模块根据所述血管调整指令对血管的边界、尺寸、位置、形状等进行调整。
本发明还提供另一种脑部医学图像处理装置。请参阅图4，显示为所述脑部医学图像处理装置4于一具体实施例中的结构示意图。所述脑部医学图像处理装置4包括：
医学图像获取模块41，用于获取脑部医学图像；所述脑部医学图像为脑部多期CT血管造影图像或脑部CT灌注图像。
脑部血管获取模块42，与所述医学图像获取模块41相连，用于对所述脑部医学图像进行分割以获取脑部血管图像；所述脑部血管图像包括多段脑部血管。
闭塞位置检测模块43，与所述医学图像获取模块41相连，用于获取所述脑部医学图像中的血管闭塞位置。
闭塞血管获取模块44，与所述闭塞位置检测模块43和所述脑部血管获取模块42相连，用于根据所述血管闭塞位置和所述脑部血管图像，获取所述血管闭塞位置对应的脑部血管及其分支血管作为闭塞血管。
闭塞血管命名模块45，与所述闭塞血管获取模块44相连，用于根据预设的命名规则对所述闭塞血管命名，以获取所述闭塞血管的名称。
供血区域获取模块46，与所述闭塞血管命名模块45相连，用于根据所述闭塞血管的名称获取所述闭塞血管对应的供血区域模板，并根据该供血区域模板获取所述闭塞血管的供血区域作为第一供血区域。
侧枝血管获取模块47，与所述供血区域获取模块46相连，用于获取所述第一供血区域中的所有血管，并从中删除所述闭塞血管以得到所述第一供血区域中的侧枝血管。
血管容积获取模块48，与所述侧支血管获取模块47相连，用于获取所述第一供血区域中的侧枝血管的血管容积。
其中，所述脑部医学图像处理装置4与所述脑部医学图像处理装置1的区别在于：所述脑部医学图像处理装置1利用所述血管分段命名模块13对所有的脑部血管进行命名，所述供血区域获取模块16根据所述闭塞血管以及各段脑部血管的名称获取所述闭塞血管的名称；所述脑部医学图像处理装置4不包含血管分段命名模块，其直接获取闭塞血管并利用所述闭塞血管命名模块45对所述闭塞血管进行命名以获取所述闭塞血管的名称。除此之外，所述脑部医学图像处理装置4与所述脑部医学图像处理装置1基本相似，以上对所述脑部医学图像处理装置1的描述也适用于所述图像处理装置4。
基于以上对所述脑部医学图像处理装置的描述，本发明还提供一种脑部医学图像处理方法。请参阅图5，于本发明的一实施例中，所述脑部医学图像处理方法包括：
S51，获取脑部医学图像；所述脑部医学图像为脑部多期CT血管造影图像或脑部CT灌注图像。
S52，对所述脑部医学图像进行分割以获取脑部血管图像；所述脑部血管图像包括多段脑部血管。
S53，根据预设的命名规则对所述脑部血管命名，以获取各段脑部血管的名称。
S54，获取所述脑部医学图像中的血管闭塞位置。
S55，根据所述血管闭塞位置和所述脑部血管图像，获取所述血管闭塞位置对应的脑部血管及其分支血管作为闭塞血管。
S56，根据所述闭塞血管的名称获取所述闭塞血管对应的供血区域模板，并根据该供血区域模板获取所述闭塞血管的供血区域作为第一供血区域。
S57，获取所述第一供血区域中的所有血管，并从中删除所述闭塞血管以得到所述第一供血区域中的侧支血管。
S58，获取所述第一供血区域中的侧枝血管的血管容积。
其中，上述步骤S51～S58可以分别利用所述脑部医学图像处理装置1中的相应模块实现，以上对所述脑部医学图像处理装置1的描述同样适用于本实施例所述脑部医学图像处理方法。
本发明还提供另一种脑部医学图像处理方法，请参阅图6，于本发明的一实施例中，所述脑部医学图像处理方法包括：
S61，获取脑部医学图像；所述脑部医学图像为脑部多期CT血管造影图像或脑部CT灌注图像。
S62，对所述脑部医学图像进行分割以获取脑部血管图像；所述脑部血管图像包括多段脑部血管。
S63，获取所述脑部医学图像中的血管闭塞位置。
S64，根据所述血管闭塞位置和所述脑部血管图像，获取所述血管闭塞位置对应的脑部血管及其分支血管作为闭塞血管。
S65，根据预设的命名规则对所述闭塞血管命名，以获取所述闭塞血管的名称。
S66，根据所述闭塞血管的名称获取所述闭塞血管对应的供血区域模板，并根据该供血区域模板获取所述闭塞血管的供血区域作为第一供血区域。
S67，获取所述第一供血区域中的所有血管，并从中删除所述闭塞血管以得到所述第一供血区域中的侧枝血管。
S68，获取所述第一供血区域中的侧枝血管的血管容积。
其中，上述步骤S61～S68可以分别利用所述脑部医学图像处理装置4中的相应模块实现，以上对所述脑部医学图像处理装置4的描述同样适用于本实施例所述脑部医学图像处理方法。
本发明所述的脑部医学图像处理方法的保护范围不限于本实施例列举的步骤执行顺序，凡是根据本发明的原理所做的现有技术的步骤增减、步骤替换所实现的方案都包括在本发明的保护范围内。
本发明还提供一种脑部医学图像处理装置，所述脑部医学图像处理装置可以实现本发明所述的脑部医学图像处理方法，但本发明所述的脑部医学图像处理方法的实现装置包括但不限于本实施例列举的脑部医学图像处理装置的结构，凡是根据本发明的原理所做的现有技术的结构变形和替换，都包括在本发明的保护范围内。
根据以上描述可知，本发明所述脑部医学图像处理装置能够根据脑部医学图像获取血管闭塞位置，进而获取闭塞血管及其对应的第一供血区域，并根据所述第一供血区域中的侧枝血管获取其血管容积；根据所述血管容积能够定量的对人体的侧支循环进行评估。该过程可以由电子设备自动完成，整个过程基本无需人工参与，效率较高且评估结果不易受到医务人员的主观判断影响。
本发明所述脑部医学图像处理装置可以配置为自动标记闭塞血管、侧支血管、核心梗死区和缺血半暗带，并将相应的位置和体积展示给医务人员，便于医务人员直观的获取患者的脑部信息。
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)
1.一种脑部医学图像处理装置，其特征在于，所述脑部医学图像处理装置包括：
医学图像获取模块，用于获取脑部医学图像；所述脑部医学图像为脑部多期CT血管造影图像或脑部CT灌注图像；
脑部血管获取模块，与所述医学图像获取模块相连，用于对所述脑部医学图像进行分割以获取脑部血管图像；所述脑部血管图像包括多段脑部血管；
血管分段命名模块，与所述脑部血管获取模块相连，用于根据预设的命名规则对所述脑部血管命名，以获取各段脑部血管的名称；
闭塞位置检测模块，与所述医学图像获取模块相连，用于获取所述脑部医学图像中的血管闭塞位置；
闭塞血管获取模块，与所述闭塞位置检测模块和所述脑部血管获取模块相连，用于根据所述血管闭塞位置和所述脑部血管图像获取闭塞血管；其中，所述闭塞血管是指所述血管闭塞位置对应的脑部血管及其分支血管；
供血区域获取模块，与所述闭塞血管获取模块和所述血管分段命名模块相连，用于根据所述闭塞血管的名称获取所述闭塞血管对应的供血区域模板，并根据该供血区域模板获取所述闭塞血管的供血区域作为第一供血区域；
侧枝血管获取模块，与所述供血区域获取模块相连，用于获取所述第一供血区域中的所有血管，并从中删除所述闭塞血管以得到所述第一供血区域中的侧枝血管；
血管容积获取模块，与所述侧支血管获取模块相连，用于获取所述第一供血区域中的侧枝血管的血管容积。
2.根据权利要求1所述的脑部医学图像处理装置，其特征在于，所述脑部医学图像处理装置还包括：
血流参数获取模块，与所述供血区域获取模块相连，用于根据所述脑部医学图像获取所述第一供血区域内多个位置的循环参数；所述循环参数包括相对脑血容量、相对脑血流量和平均通过时间中的一种或多种；
核心梗死区获取模块，与所述血流参数获取模块相连，用于根据所述第一供血区域内多个位置的循环参数确定所述第一供血区域中的核心梗死区；
缺血半暗带获取模块，与所述血流参数获取模块相连，用于根据所述第一供血区域内多个位置的循环参数确定所述第一供血区域中的缺血半暗带。
3.根据权利要求1所述的脑部医学图像处理装置，其特征在于，所述脑部医学图像处理装置还包括：
显示模块，与所述闭塞血管获取模块、所述核心梗死区获取模块和/或所述缺血半暗带获取模块相连，用于显示所述第一供血区域中的侧枝血管、所述第一供血区域中的侧枝血管的血管容积、所述第一供血区域中的核心梗死区、所述第一供血区域中的核心梗死区的体积、所述第一供血区域中的缺血半暗带和/或第一供血区域中的缺血半暗带的体积。
4.根据权利要求1所述的脑部医学图像处理装置，其特征在于，所述供血区域获取模块包括：
模板获取单元，与所述闭塞血管获取模块和所述血管分段命名模块相连，用于根据所述闭塞血管的名称获取所述闭塞血管对应的供血区域模板；
配准单元，与所述医学图像获取模块和所述模板获取单元相连，用于将所述脑部医学图像与所述闭塞血管对应的供血区域模板进行配准，以获取所述第一供血区域。
5.根据权利要求1所述的脑部医学图像处理装置，其特征在于：所述血管分段命名模块利用一分类器对各段脑部血管进行分类以获取各段脑部血管的命名标签，进而实现对各段脑部血管命名。
6.根据权利要求1所述的脑部医学图像处理装置，其特征在于：
所述脑部血管获取模块利用一深度学习图像分割模型对所述脑部医学图像进行分割，以获取所述脑部血管图像；和/或
所述闭塞位置检测模块利用一深度学习图像检测模型对所述脑部医学图像进行检测，以获取所述血管闭塞位置。
7.根据权利要求1所述的脑部医学图像处理装置，其特征在于：所述脑部血管获取模块还用于根据接收到的血管调整指令对所述脑部血管图像中的脑部血管进行调整。
8.一种脑部医学图像处理装置，其特征在于，所述脑部医学图像处理装置包括：
医学图像获取模块，用于获取脑部医学图像；所述脑部医学图像为脑部多期CT血管造影图像或脑部CT灌注图像；
脑部血管获取模块，与所述医学图像获取模块相连，用于对所述脑部医学图像进行分割以获取脑部血管图像；所述脑部血管图像包括多段脑部血管；
闭塞位置检测模块，与所述医学图像获取模块相连，用于获取所述脑部医学图像中的血管闭塞位置；
闭塞血管获取模块，与所述闭塞位置检测模块和所述脑部血管获取模块相连，用于根据所述血管闭塞位置和所述脑部血管图像获取闭塞血管；其中，所述闭塞血管是指所述血管闭塞位置对应的脑部血管及其分支血管；
闭塞血管命名模块，与所述闭塞血管获取模块相连，用于根据预设的命名规则对所述闭塞血管命名，以获取所述闭塞血管的名称；
供血区域获取模块，与所述闭塞血管命名模块相连，用于根据所述闭塞血管的名称获取所述闭塞血管对应的供血区域模板，并根据该供血区域模板获取所述闭塞血管的供血区域作为第一供血区域；
侧枝血管获取模块，与所述供血区域获取模块相连，用于获取所述第一供血区域中的所有血管，并从中删除所述闭塞血管以得到所述第一供血区域中的侧枝血管；
血管容积获取模块，与所述侧支血管获取模块相连，用于获取所述第一供血区域中的侧枝血管的血管容积。
9.一种脑部医学图像处理方法，其特征在于，所述脑部医学图像处理方法包括：
获取脑部医学图像；所述脑部医学图像为脑部多期CT血管造影图像或脑部CT灌注图像；
对所述脑部医学图像进行分割以获取脑部血管图像；所述脑部血管图像包括多段脑部血管；
根据预设的命名规则对所述脑部血管命名，以获取各段脑部血管的名称；
获取所述脑部医学图像中的血管闭塞位置；
根据所述血管闭塞位置和所述脑部血管图像，获取所述血管闭塞位置对应的脑部血管及其分支血管作为闭塞血管；
根据所述闭塞血管的名称获取所述闭塞血管对应的供血区域模板，并根据该供血区域模板获取所述闭塞血管的供血区域作为第一供血区域；
获取所述第一供血区域中的所有血管，并从中删除所述闭塞血管以得到所述第一供血区域中的侧支血管；
获取所述第一供血区域中的侧枝血管的血管容积。
10.一种脑部医学图像处理方法，其特征在于，所述脑部医学图像处理方法包括：
获取脑部医学图像；所述脑部医学图像为脑部多期CT血管造影图像或脑部CT灌注图像；
对所述脑部医学图像进行分割以获取脑部血管图像；所述脑部血管图像包括多段脑部血管；
获取所述脑部医学图像中的血管闭塞位置；
根据所述血管闭塞位置和所述脑部血管图像，获取所述血管闭塞位置对应的脑部血管及其分支血管作为闭塞血管；
根据预设的命名规则对所述闭塞血管命名，以获取所述闭塞血管的名称；
根据所述闭塞血管的名称获取所述闭塞血管对应的供血区域模板，并根据该供血区域模板获取所述闭塞血管的供血区域作为第一供血区域；
获取所述第一供血区域中的所有血管，并从中删除所述闭塞血管以得到所述第一供血区域中的侧枝血管；
获取所述第一供血区域中的侧枝血管的血管容积。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010826737.4A CN111938686B (zh) | 2020-08-17 | 2020-08-17 | 一种脑部医学图像处理装置及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010826737.4A CN111938686B (zh) | 2020-08-17 | 2020-08-17 | 一种脑部医学图像处理装置及方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111938686A true CN111938686A (zh) | 2020-11-17 |
| CN111938686B CN111938686B (zh) | 2021-04-20 |
Family
ID=73343582
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010826737.4A Active CN111938686B (zh) | 2020-08-17 | 2020-08-17 | 一种脑部医学图像处理装置及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111938686B (zh) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113476066A (zh) * | 2021-02-03 | 2021-10-08 | 和人人工知能科技有限公司 | 基于医学影像的缺血性脑卒中检测及形式分类方法、装置及系统 |
| CN113610800A (zh) * | 2021-08-05 | 2021-11-05 | 西门子数字医疗科技(上海)有限公司 | 用于评估侧支循环的装置、非诊断方法及电子设备 |
| CN113963001A (zh) * | 2021-10-25 | 2022-01-21 | 中国人民解放军总医院第一医学中心 | 一种基于多时相cta的侧支循环血管定量方法 |
| CN113951912A (zh) * | 2021-09-10 | 2022-01-21 | 数坤(北京)网络科技股份有限公司 | 一种脑灌注后处理方法和装置 |
| CN114010216A (zh) * | 2021-12-20 | 2022-02-08 | 重庆医科大学附属第一医院 | 气道形态学参数定量获取方法、装置、气道支架设计方法 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20160133018A1 (en) * | 2012-12-10 | 2016-05-12 | The Cleveland Clinic Foundation | Image fusion with automated compensation for brain deformation |
| CN106228561A (zh) * | 2016-07-29 | 2016-12-14 | 上海联影医疗科技有限公司 | 血管提取方法 |
| CN109907758A (zh) * | 2019-03-15 | 2019-06-21 | 脑玺(上海)智能科技有限公司 | 颅内血管血流延迟的影像标注方法及系统 |
| CN110934608A (zh) * | 2019-10-31 | 2020-03-31 | 上海杏脉信息科技有限公司 | 脑卒中早期cta图像评估系统及评估方法、可读存储介质 |
| CN111407277A (zh) * | 2020-03-06 | 2020-07-14 | 中国科学院武汉物理与数学研究所 | 一种急性缺血性脑卒中磁共振灌注-弥散影像配准方法 |
-
2020
- 2020-08-17 CN CN202010826737.4A patent/CN111938686B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20160133018A1 (en) * | 2012-12-10 | 2016-05-12 | The Cleveland Clinic Foundation | Image fusion with automated compensation for brain deformation |
| CN106228561A (zh) * | 2016-07-29 | 2016-12-14 | 上海联影医疗科技有限公司 | 血管提取方法 |
| CN109907758A (zh) * | 2019-03-15 | 2019-06-21 | 脑玺(上海)智能科技有限公司 | 颅内血管血流延迟的影像标注方法及系统 |
| CN110934608A (zh) * | 2019-10-31 | 2020-03-31 | 上海杏脉信息科技有限公司 | 脑卒中早期cta图像评估系统及评估方法、可读存储介质 |
| CN111407277A (zh) * | 2020-03-06 | 2020-07-14 | 中国科学院武汉物理与数学研究所 | 一种急性缺血性脑卒中磁共振灌注-弥散影像配准方法 |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113476066A (zh) * | 2021-02-03 | 2021-10-08 | 和人人工知能科技有限公司 | 基于医学影像的缺血性脑卒中检测及形式分类方法、装置及系统 |
| US11602322B2 (en) | 2021-02-03 | 2023-03-14 | Heuron Co., Ltd. | Ischemic stroke detection and classification method based on medical image, apparatus and system |
| CN113610800A (zh) * | 2021-08-05 | 2021-11-05 | 西门子数字医疗科技(上海)有限公司 | 用于评估侧支循环的装置、非诊断方法及电子设备 |
| CN113951912A (zh) * | 2021-09-10 | 2022-01-21 | 数坤(北京)网络科技股份有限公司 | 一种脑灌注后处理方法和装置 |
| CN113963001A (zh) * | 2021-10-25 | 2022-01-21 | 中国人民解放军总医院第一医学中心 | 一种基于多时相cta的侧支循环血管定量方法 |
| CN114010216A (zh) * | 2021-12-20 | 2022-02-08 | 重庆医科大学附属第一医院 | 气道形态学参数定量获取方法、装置、气道支架设计方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111938686B (zh) | 2021-04-20 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111938686B (zh) | 一种脑部医学图像处理装置及方法 | |
| JP5851553B2 (ja) | イメージング法における対象領域の識別と時間値曲線の抽出 | |
| Wilson et al. | An adaptive segmentation algorithm for time-of-flight MRA data | |
| US7447344B2 (en) | System and method for visualization of pulmonary emboli from high-resolution computed tomography images | |
| Luo et al. | Micro-vessel image segmentation based on the AD-UNet model | |
| TW201903708A (zh) | 數位減影血管攝影圖像的分析方法與系統 | |
| KR20080073238A (ko) | 의학 영상 데이터 처리 방법 | |
| US11915347B2 (en) | Systems and methods for reconstructing cardiac images | |
| CN108348206A (zh) | 用于无创血流储备分数(ffr)的侧支流建模 | |
| Rajathi et al. | Varicose ulcer (C6) wound image tissue classification using multidimensional convolutional neural networks | |
| Sun et al. | Intracranial hemorrhage detection by 3D voxel segmentation on brain CT images | |
| CN112288794B (zh) | 眼底图像的血管管径的测量方法及测量装置 | |
| M'hiri et al. | A graph-based approach for spatio-temporal segmentation of coronary arteries in X-ray angiographic sequences | |
| US20220319004A1 (en) | Automatic vessel analysis from 2d images | |
| Sayed et al. | Automatic classification of breast tumors using features extracted from magnetic resonance images | |
| Dabass et al. | Effectiveness of region growing based segmentation technique for various medical images-a study | |
| Memiş et al. | Computerized 2D detection of the multiform femoral heads in magnetic resonance imaging (MRI) sections with the integro-differential operator | |
| Udayakumar et al. | An efficient tissue segmentation of neonatal brain magnetic resonance imaging | |
| Li et al. | A hybrid approach to detection of brain hemorrhage candidates from clinical head ct scans | |
| CN113570600A (zh) | 基于ai技术进行支架内漏检测方法、系统及设备 | |
| Miao et al. | CoWRadar: Visual Quantification of the Circle of Willis in Stroke Patients. | |
| Li et al. | A voxel-map quantitative analysis approach for atherosclerotic noncalcified plaques of the coronary artery tree | |
| Guogang et al. | Segmentation of Intracerebral Hemorrhage based on Improved U-Net. | |
| Masumoto et al. | Automated liver segmentation using multislice CT images | |
| Liu et al. | Segmentation and Automatic Identification of Vasculature in Coronary Angiograms |
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 |