CN112263225B - 一种基于脑血流的侧支血管及组织功能评估装置 - Google Patents
一种基于脑血流的侧支血管及组织功能评估装置 Download PDFInfo
- Publication number
- CN112263225B CN112263225B CN202011156836.2A CN202011156836A CN112263225B CN 112263225 B CN112263225 B CN 112263225B CN 202011156836 A CN202011156836 A CN 202011156836A CN 112263225 B CN112263225 B CN 112263225B
- Authority
- CN
- China
- Prior art keywords
- blood flow
- cerebral
- cerebral blood
- infarction
- delay time
- 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
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/026—Measuring blood flow
- A61B5/0263—Measuring blood flow using NMR
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/02007—Evaluating blood vessel condition, e.g. elasticity, compliance
-
- 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
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Public Health (AREA)
- Molecular Biology (AREA)
- Veterinary Medicine (AREA)
- General Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Animal Behavior & Ethology (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Physiology (AREA)
- Surgery (AREA)
- Cardiology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Signal Processing (AREA)
- Artificial Intelligence (AREA)
- Psychiatry (AREA)
- Vascular Medicine (AREA)
- Hematology (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
本发明公开了一种基于脑血流的侧支血管及组织功能评估方法,首先,将大动脉闭塞性梗死确诊患者的多个延迟时间脑血流量图配准,实现其在空间解剖结构上一一对应;其次,去除配准后多个延迟时间脑血流量图的脑壳及脑外结构,并计算多个延迟时间的脑血流量差异图;然后,可视化脑侧支血流循环情况,及量化侧支血流相关信息,如侧支血流分布范围、流速、流量等;最后,结合大动脉闭塞性梗死确诊患者的梗死核心区,评估其缺血半暗带,如缺血半暗带的大小、体积、位置等。
Description
技术领域
本发明属于磁共振成像和医学图像处理技术领域,具体涉及一种基于脑血流的侧支血管及组织功能评估方法。
背景技术
现有应用较为广泛的方法是使用注射对比剂的灌注成像方法,获得像素级别的造影剂流入-时间曲线,从而获取多个能够反映血流动力学的参数,如平均通过时间,达峰时间,达峰反映时间等,通过限定时间阈值来确定严重低灌注区,从而与脑组织死亡区形成错配(mismatch),来反映缺血半暗带。但是这种方法的局限性很明显,首先是单纯通过设定时间阈值来反映严重低灌注可能并非是真正意义上的缺血半暗带,它还包括了良性低灌注区域,其次是上述的这种灌注成像方法获取的参数为相对值,依赖于动脉输入函数的选择,稳定性较差,难以应对复杂血管病变的情况。
侧支循环是脑血管狭窄或闭塞后建立的旁路血管途径,血液可以通过侧支循环到达缺血脑组织,代偿血流的减少,维持脑血流动力学稳定。脑侧支循环分为三级,其中同缺血半暗带相关的为三级侧支循环,往往指缺血性卒中发生后快速建立微小动脉,为缺血半暗带供血,因此,对这种三级侧支循环显像能够很好的反映缺血半暗带的有无及范围;虽然现有成像技术可以对一级以及二级侧支循环显像,但对三级侧支循环可视化仍是难点,也就导致了基于侧支循环可视化进行缺血半暗带评估难以实现。动脉自旋标记灌注成像方法被证实可应用于临床,采集便捷,能够绝对定量脑血流量,对血流变化敏感,通过不同技术的运用具有显示三级侧支循环的能力。
当前亟需从侧支循环的角度来定义缺血半暗带指标的方法,使用动脉自旋标记灌注成像具有实现从这一角度来显示缺血半暗带的潜力。
发明内容
本发明是针对现有脑卒中缺血半暗带评估存在的上述技术问题,提供了一种基于脑血流的侧支血管及组织功能评估方法。该方法首先通过配准策略将大动脉闭塞性梗死的多个延迟时间的脑血流量图在空间解剖结构上一一映射,随后计算脑血流量差异图,可视化和量化脑侧支血流,从而有效量化脑卒中确诊患者缺血半暗带的大小、体积、位置等临床指标。
为了解决上述技术问题,本发明所采用的技术方案是:
一种基于脑血流的侧支血管及组织功能评估方法,包括以下步骤:
步骤1、大动脉闭塞性梗死确诊患者的多个延迟时间的脑血流量图配准,使各个延迟时间的脑血流量图在空间解剖结构上一一映射且空间分辨率上保持一致;
步骤2、将各个延迟时间的脑血流量图中脑壳及脑外结构去除,计算脑壳及脑外结构去除后的不同延迟时间的脑血流量图之间的脑血流量差异图;
步骤3、根据脑血流量差异图提取高亮信号区域,高亮信号区域对应脑侧支血流;
步骤4、将大动脉闭塞性梗死确诊患者的扩散加权影像配准到模板空间,并去除脑壳及脑外结构,然后提取其梗死核心区,对比分析梗死核心区和脑侧支血流的分布范围,获取梗死核心区与脑侧支血流的不匹配区域作为大动脉闭塞性梗死确诊患者的缺血半暗带。
如上所述的步骤1中大动脉闭塞性梗死确诊患者的多个延迟时间的脑血流量图配准包括以下步骤:
将大动脉闭塞性梗死确诊患者的多个延迟时间的控制影像向结构影像配准,并将结构影像向模板空间配准。
如上所述的步骤2中脑血流量差异图通过以下步骤获得:
对每两两脑血流量图求差,延迟时间较长的脑血流量图减去延迟时间较短的脑血流量图再除以延迟时间较长的脑血流量图,得到对应的脑血流量差异图。
如上所述的步骤3中高亮信号区域的信号强度>Mean+SD,其中,Mean为延迟时间的差值最大的脑血流量差异图的平均信号强度,SD为延迟时间的差值最大的脑血流量差异图的信号强度标准差。
如上所述的步骤4中,还包括量化大动脉闭塞性梗死确诊患者的缺血半暗带的大小、体积及位置的步骤。
本发明与现有技术相比,具有以下优点:
1.通过由粗到精的配准策略配准大动脉闭塞性梗死确诊患者的多个延迟时间脑血流量图,使得多个延迟时间的脑血流量图在空间分辨率保持一致,且在空间解剖结构上一一对应。
2.计算多个延迟时间的脑血流量差异图,以脑血流量差异图可视化和量化脑侧支血流循环情况,如脑侧支血流的流速、流量及分布范围等。
3.对比分析大动脉闭塞性梗死确诊患者的梗死核心区和脑侧支血流,并以梗死核心区/脑侧支血流区的不匹配作为大动脉闭塞性梗死确诊患者的缺血半暗带,量化脑卒中确诊患者缺血半暗带的大小、体积及范围等临床参数,实现从原始数据到临床指标的一站式报表,有助于评估预后。
附图说明
图1为本发明的流程图,包括四个步骤:1.将大动脉闭塞性梗死确诊患者的多个延迟时间的脑血流量图配准,使其在空间解剖结构上相互映射;2.去除配准后脑血流量图的脑壳及脑外结构,并计算多个延迟时间脑血流量差异图;3.可视化及量化脑侧支血流,如侧支血流分布范围、流速、流量等;4.对比分析大动脉闭塞性梗死确诊患者的梗死核心和侧支血流,量化脑卒中确诊患者的缺血半暗带,如缺血半暗带的大小、体积、位置等。
图2为大动脉闭塞性梗死确诊患者的脑血流量差异图(梗死核心区大且分布广),其中A、B、C、D为连续四个层面的扩散加权影像经配准和脑壳去除后的结果图,E、F、G、H为延迟时间为1.5s的连续四个层面的脑血流量图经配准和脑壳去除后的结果图,I、J、K、L为延迟时间为2.5s的连续四个层面的脑血流量图经配准和脑壳去除后的结果图,M、N、O、P为连续四个层面的脑血流量差异图。
图3为大动脉闭塞性梗死确诊患者的脑血流量差异图(梗死核心区小且数量多),其中A、B、C、D为连续四个层面的扩散加权影像经配准和脑壳去除后的结果图,E、F、G、H为延迟时间为1.5s的连续四个层面的脑血流量图经配准和脑壳去除后的结果图,I、J、K、L为延迟时间为2.5s的连续四个层面的脑血流量图经配准和脑壳去除后的结果图,M、N、O、P为连续四个层面的脑血流量差异图。
具体实施方式
为了便于本领域普通技术人员理解和实施本发明,下面结合实施例对本发明作进一步的详细描述,应当理解,此处所描述的实施示例仅用于说明和解释本发明,并不用于限定本发明。
一种基于脑血流的侧支血管及组织功能评估方法,包括以下步骤:
步骤1,大动脉闭塞性梗死确诊患者的多个延迟时间的脑血流量图配准,使各个延迟时间的脑血流量图在空间解剖结构上一一映射。
在大动脉闭塞性梗死的临床磁共振检查中,成像序列扫描顺序一般是先结构成像获得结构影像(T1/T2-FLAIR),后功能成像(功能成像包括扩散加权成像和动脉自旋标记成像)。动脉自旋标记成像中的控制影像和标记影像用于计算脑血流量图(cerebral bloodflow,CBF),提供脑血流动力学信息。脑血流量是单位时间内流经一定脑组织的血流量,单位为ml/100g/min。不同延迟时间(如延迟时间1.5s和延迟时间2.5s)可以得到多个单位时间内流经一定脑组织的血流量信息(如CBF1.5s和CBF2.5s)。模板空间(MontrealNeurological Institute,MNI 152) 能提供脑部不同解剖结构的空间位置,如白质、灰质等。
将大动脉闭塞性梗死确诊患者的多个延迟时间的控制影像向结构影像(如 T1-或T2-FLAIR)配准,并将结构影像(如T1-或T2-FLAIR)向模板空间(MNI 152)配准,即可实现多个延迟时间的脑血流量图(如CBF1.5s和CBF2.5s)在空间解剖结构上的映射,且空间分辨率上保持一致。配准可以采用由粗到精的配准策略,即先采用刚性或放射变换实现各个延迟时间的脑血流量图向模板空间的粗配准,再使用弹性形变模型(如微分同胚)实现各个延迟时间的脑血流量图向模板空间的精配准。
步骤2,多个延迟时间的脑血流量图中脑壳及脑外结构去除,以及脑血流量差异图计算。
利用步骤1将多个延迟时间的脑血流量图映射到模板空间(MNI 152),然后利用模板空间(MNI 152)提供的脑组织模板去除多个延迟时间的脑血流量图中的脑壳及脑外结构。在得到脑壳及脑外结构去除后的多个脑血流量图后,计算脑血流量差异图,其公式如下
CBF_diff=(CBF2-CBF1)/CBF2
其中CBF1和CBF2分别代表脑壳及脑外结构去除后的不同延迟时间的脑血流量图。由于侧支循环血流较慢,所以脑血流量图CBF2的延迟时间一般长于脑血流量图CBF1的延迟时间。此外,若存在侧支血流循环,脑血流量图(CBF1及CBF2)中的低灌注区域会相应减少。
利用上述公式,对每两两脑血流量图求差,延迟时间较长的脑血流量图减去延迟时间较短的脑血流量图再除以延迟时间较长的脑血流量图,得到对应的脑血流量差异图。
步骤3,可视化及量化大动脉闭塞性梗死确诊患者的脑侧支血流循环情况,根据脑血流量差异图提取高亮信号区域,高亮信号区域对应脑侧支血流。
由于大动脉闭塞性梗死型脑卒中临床上预后不理想,容易出血,所以评估侧支血流循环情况十分有必要。脑血流量差异图只限于大动脉闭塞性梗死型脑卒中。对步骤2所获得的对脑血流量差异图进行常规的去噪、对比度增强以及三维重建,从而利用脑血流量差异图可以可视化大动脉闭塞性梗死确诊患者的侧支血流循环情况,如存在大片的高亮信号区域(高亮信号区域的信号强度>Mean+SD,其中,Mean为延迟时间的差值最大的脑血流量差异图CBF_diff的平均信号强度, SD为延迟时间的差值最大的脑血流量差异图CBF_diff的信号强度标准差),则高亮信号区域对应脑侧支血流,并可以量化脑侧支血流的流速、流量及分布范围,这有利于评估预后。
步骤4,提取梗死核心区,将梗死核心区与脑侧支血流的不匹配区域作为大动脉闭塞性梗死确诊患者的缺血半暗带,定量分析大动脉闭塞性梗死确诊患者的缺血半暗带。缺血半暗带可以用来反映可恢复的严重低灌注区的参数,只是体征参数的表达,并不涉及疾病的诊断和治疗。
将大动脉闭塞性梗死确诊患者的扩散加权影像配准到模板空间(MNI 152),并去除其脑壳及脑外结构,然后提取其梗死核心区。对比分析梗死核心区和脑侧支血流的分布范围,获取梗死核心区与脑侧支血流的不匹配区域,并将梗死核心区与脑侧支血流的不匹配区域作为大动脉闭塞性梗死确诊患者的缺血半暗带。量化大动脉闭塞性梗死确诊患者的缺血半暗带的大小、体积及位置等参数。
本文中所描述的具体实施例仅仅是对本发明精神作举例说明。本发明所属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代,但并不会偏离本发明的精神或者超越所附权利要求书所定义的范围。
Claims (1)
1.一种基于脑血流的侧支血管及组织功能评估装置,其特征在于,包括以下模块:
模块1、大动脉闭塞性梗死患者的多个延迟时间的脑血流量图配准,使各个延迟时间的脑血流量图在空间解剖结构上一一映射且空间分辨率上保持一致;
模块2、将各个延迟时间的脑血流量图中脑壳及脑外结构去除,计算脑壳及脑外结构去除后的不同延迟时间的脑血流量图之间的脑血流量差异图;
模块3、根据脑血流量差异图提取高亮信号区域,高亮信号区域对应脑侧支血流;
模块4、将大动脉闭塞性梗死患者的扩散加权影像配准到模板空间,并去除脑壳及脑外结构,然后提取其梗死核心区,对比分析梗死核心区和脑侧支血流的分布范围,获取梗死核心区与脑侧支血流的不匹配区域作为大动脉闭塞性梗死患者的缺血半暗带,
所述的模块1中:
将大动脉闭塞性梗死患者的多个延迟时间的控制影像向结构影像配准,并将结构影像向模板空间配准,
所述的模块2中:
对每两两脑血流量图求差,延迟时间较长的脑血流量图减去延迟时间较短的脑血流量图再除以延迟时间较长的脑血流量图,得到对应的脑血流量差异图,
所述的模块3中:
高亮信号区域的信号强度>Mean+SD,其中,Mean为延迟时间的差值最大的脑血流量差异图的平均信号强度,SD为延迟时间的差值最大的脑血流量差异图的信号强度标准差,
所述的模块4中量化大动脉闭塞性梗死患者的缺血半暗带的大小、体积及位置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011156836.2A CN112263225B (zh) | 2020-10-26 | 2020-10-26 | 一种基于脑血流的侧支血管及组织功能评估装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011156836.2A CN112263225B (zh) | 2020-10-26 | 2020-10-26 | 一种基于脑血流的侧支血管及组织功能评估装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112263225A CN112263225A (zh) | 2021-01-26 |
CN112263225B true CN112263225B (zh) | 2022-05-27 |
Family
ID=74342146
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011156836.2A Active CN112263225B (zh) | 2020-10-26 | 2020-10-26 | 一种基于脑血流的侧支血管及组织功能评估装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112263225B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113222974B (zh) * | 2021-05-31 | 2023-12-29 | 沈阳先进医疗设备技术孵化中心有限公司 | 一种侧支循环的自动评价方法和装置 |
CN113920211B (zh) * | 2021-09-16 | 2023-08-04 | 中国人民解放军总医院第一医学中心 | 一种基于深度学习的快速磁敏感加权成像方法 |
CN114569105B (zh) * | 2022-04-29 | 2022-08-09 | 天津工业大学 | 一种基于扩散相干光谱图像的脑血流量检测方法 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6792302B2 (en) * | 2001-02-21 | 2004-09-14 | Universite De Lausanne | Method and apparatus for determining treatment for stroke |
EP3425589A1 (en) * | 2017-07-03 | 2019-01-09 | Jochen Fiebach | Method for assessing a likelihood that an ischemia in a brain tissue area results in an infarction of this brain tissue area by image analysis |
CN110288587A (zh) * | 2019-06-28 | 2019-09-27 | 重庆同仁至诚智慧医疗科技股份有限公司 | 一种缺血性脑卒中磁共振影像的病灶识别方法 |
CN111528845B (zh) * | 2020-04-16 | 2023-05-12 | 北京康兴顺达科贸有限公司 | 单侧大脑中动脉重度狭窄/闭塞的asl图像处理方法 |
CN111543973B (zh) * | 2020-06-02 | 2023-04-11 | 深圳安科高技术股份有限公司 | 一种基于动脉自旋标记的可变延迟时间的脑灌注加权成像方法 |
-
2020
- 2020-10-26 CN CN202011156836.2A patent/CN112263225B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN112263225A (zh) | 2021-01-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112263225B (zh) | 一种基于脑血流的侧支血管及组织功能评估装置 | |
Terem et al. | Revealing sub‐voxel motions of brain tissue using phase‐based amplified MRI (aMRI) | |
Berhane et al. | Fully automated 3D aortic segmentation of 4D flow MRI for hemodynamic analysis using deep learning | |
US9179881B2 (en) | Physics based image processing and evaluation process of perfusion images from radiology imaging | |
CN111407277B (zh) | 一种急性缺血性脑卒中磁共振灌注-弥散影像配准方法 | |
TWI767492B (zh) | 一種圖像分割方法、設備及電腦可讀儲存介質 | |
Deshpande et al. | Automatic segmentation, feature extraction and comparison of healthy and stroke cerebral vasculature | |
CN109907758B (zh) | 颅内血管血流延迟的影像标注方法及系统 | |
US8750584B2 (en) | Medical image display processing method, device, and program | |
Jakab et al. | Microvascular perfusion of the placenta, developing fetal liver, and lungs assessed with intravoxel incoherent motion imaging | |
KR102166647B1 (ko) | 블록 기반 유연한 ai 모델을 이용한 지능형 의료 진단 및 진료 시스템 | |
CN106709920B (zh) | 血管提取方法及其装置 | |
JP2011067424A5 (zh) | ||
Kuijf et al. | Quantification of deep medullary veins at 7 T brain MRI | |
CN111062997B (zh) | 一种血管造影成像方法、系统、设备和存储介质 | |
Zhai et al. | Real-time automated image segmentation technique for cerebral aneurysm on reconfigurable system-on-chip | |
Khan et al. | Acute stroke imaging: what clinicians need to know | |
EP3425589A1 (en) | Method for assessing a likelihood that an ischemia in a brain tissue area results in an infarction of this brain tissue area by image analysis | |
Orasanu et al. | Brain volume estimation from post-mortem newborn and fetal MRI | |
Shit et al. | SRflow: Deep learning based super-resolution of 4D-flow MRI data | |
CN112288705B (zh) | 一种基于动脉自旋标记的脑低灌注区精准定量方法 | |
Sarrami-Foroushani et al. | Velocity measurement in carotid artery: quantitative comparison of time-resolved 3D phase-contrast MRI and image-based computational fluid dynamics | |
Quon et al. | Deep learning for automated delineation of pediatric cerebral arteries on pre-operative brain magnetic resonance imaging | |
Jayender et al. | Statistical learning algorithm for in situ and invasive breast carcinoma segmentation | |
Lindstrøm et al. | Magnitude and direction of aqueductal cerebrospinal fluid flow: large variations in patients with intracranial aneurysms with or without a previous subarachnoid hemorrhage |
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 |