CN112288705A - 一种基于动脉自旋标记的脑低灌注区精准定量方法 - Google Patents
一种基于动脉自旋标记的脑低灌注区精准定量方法 Download PDFInfo
- Publication number
- CN112288705A CN112288705A CN202011158613.XA CN202011158613A CN112288705A CN 112288705 A CN112288705 A CN 112288705A CN 202011158613 A CN202011158613 A CN 202011158613A CN 112288705 A CN112288705 A CN 112288705A
- Authority
- CN
- China
- Prior art keywords
- area
- blood flow
- cerebral blood
- cerebral
- map
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
-
- 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
- A61B5/02—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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
- G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
- G06T7/344—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods involving models
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10072—Tomographic images
- G06T2207/10088—Magnetic resonance imaging [MRI]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30016—Brain
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Pathology (AREA)
- Veterinary Medicine (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Biophysics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Public Health (AREA)
- Geometry (AREA)
- Neurology (AREA)
- Hematology (AREA)
- Cardiology (AREA)
- Physiology (AREA)
- Quality & Reliability (AREA)
- Magnetic Resonance Imaging Apparatus (AREA)
Abstract
本发明公开了一种基于动脉自旋标记的脑低灌注区精准定量方法,首先,通过由粗到精的配准策略,将脑卒中确诊患者的扩散加权影像和脑血流量图在空间解剖结构上实现映射;其次,对于存在梗死核心区域的脑卒中确诊患者影像,以扩散加权影像提取的梗死核心区为种子点,在空间位置对应的脑血流量图上提取低灌注区域;否则,以脑血流量减影图中提取的高信号区为种子点提取低灌注区域;最后,定量分析脑卒中确诊患者的低灌注区相关参数,如低灌注区的位置、大小、体积,以及梗死核心/低灌注区的不匹配等。脑卒中确诊患者低灌注区的精确提取及定量分析有助于评估已确诊患者的时间窗和组织窗。
Description
技术领域
本发明属于磁共振成像和数字图像技术领域,具体涉及一种基于动脉自旋标记的脑低灌注区精准定量方法。
背景技术
脑缺血是由于脑血管狭窄或闭塞后导致脑血流减少,导致脑组织灌注不足,可分为急性缺血和慢性缺血,在脑大血管狭窄或闭塞所致的缺血中,低灌注评估反映了脑组织缺血的程度,低灌注的检测和分割是脑缺血评估中的核心任务。
目前使用注射对比剂之后的颅脑灌注成像能够实现参数定量,比如达峰反应时间(Tmax),根据低灌注严重程度设置不同的阈值,能够得到低灌注区的位置和容积。但是这种脑灌注成像需要注射对比剂,具有肾毒性。动脉自旋标记灌注成像是一种无需注射对比剂的核磁共振灌注成像方法,采集便捷,可反复采集,几乎适用于所有人群,尤其对需要反复进行灌注成像的对象优势明显。动脉自旋标记灌注成像只有一个参数,即脑血流量,这个参数也是进行低灌注检测和分割最理想的参数。目前基于动脉自旋标记灌注成像的低灌注分割存在挑战,由于图像信噪比较低,导致单纯通过阈值的分割方法噪声大,结果不够准确,优化的动脉自旋标记低灌注检测及分割方法亟待开发。
发明内容
本发明是针对现有基于动脉自旋标记的脑卒中确诊患者的低灌注区提取方法存在的上述技术问题,提供了一种基于动脉自旋标记的脑低灌注区精准定量方法。该方法首先通过配准将脑卒中确诊患者的扩散加权影像和脑血流量图在空间解剖结构上一一对应,随后采用种子生长策略提取低灌注区域,从而有效定量分析脑卒中确诊患者低灌注区的位置、大小、体积等。
为了解决上述技术问题,本发明所采用的技术方案是:
一种基于动脉自旋标记的脑低灌注区精准定量方法,包括以下步骤:
步骤1、将脑卒中确诊患者的磁共振扩散加权影像和脑血流量图在空间解剖结构上映射;
步骤2、若存在梗死核心区域,提取扩散加权影像的高信号区域作为梗死核心区域,若不存在梗死核心区域,提取脑血流量减影图的高信号区域;
步骤3、若脑卒中确诊患者存在梗死核心区域,以步骤2在扩散加权影像上提取的梗死核心区域为种子点,若脑卒中确诊患者不存在梗死核心区域,以步骤2在脑血流量减影图提取的高信号区域为种子点,利用种子生长法提取脑血流量图的低灌注区域;
步骤4、定量低灌注区域的大小、体积、位置,以及定量梗死核心区域与低灌注区域的不匹配。
如上所述的步骤2中是否存在梗死核心区域通过以下步骤获得:
通过扩散加权影像计算脑卒中确诊患者的表观扩散系数参数图,表观扩散系数参数图中表观扩散系数<600s/mm2且对应的扩散加权影像为高信号区域,则存在梗死核心区域。
如上所述的扩散加权影像中信号强度>Mean1+SD1的区域为扩散加权影像的高信号区域,其中Mean1为扩散加权影像的平均信号强度,SD1为扩散加权影像的信号标准差。
如上所述的脑血流量减影图中信号强度>Mean2+SD2的区域为脑血流量减影图的高信号区域,其中,Mean2为脑血流量图的平均信号强度,SD2为脑血流量图的信号标准差。
如上所述的步骤3中,若脑卒中确诊患者存在梗死核心区域,种子生长法的种子生长策略为:
步骤3.1.1、将脑血流量图分为健康侧和患病侧,存在梗死核心区域的一侧当作为患病侧;
步骤3.1.2、以步骤2提取的梗死核心区域在空间解剖结构对应的脑血流量图中的空间位置为种子点,进行种子生长;
步骤3.1.3、比较患病侧梗死核心区域边界处所有体素点I健与健康侧对称的体素点I患之间的关系,若I患<α·I健,α为参数,则继续生长;否则停止生长,种子点生长得到的区域即为低灌注区。
如上所述的步骤3中,若脑卒中确诊患者不存在梗死核心区域,种子生长法的种子生长策略为:
步骤3.2.1、将脑血流量图分为健康侧和患病侧,脑血流量减影图提取的高信号区域对应的一侧当做患病侧;
步骤3.2.2、以步骤2提取的脑血流量减影图的高信号区在空间解剖结构对应的脑血流量图中的空间位置为种子点,进行种子生长;
步骤3.2.3、比较患病侧边界处所有体素点I健与健康侧对称的体素点I患之间的关系,若I患<α·I健,α为参数,则继续生长,否则停止生长,种子点生长所得的区域即为低灌注区。
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脑卒中确诊患者的扩散加权影像和脑血流量图,使得扩散加权影像和脑血流量图的空间分辨率保持一致,且在空间解剖结构上一一对应。
2.对于存在梗死核心的脑卒中确诊患者,以在扩散加权影像上提取的梗死核心区域为种子点,在空间解剖结构对应的脑血流量图中提取脑卒中确诊患者的低灌注区域,其生长策略结合了脑血流量图的健康侧和患病侧对称信息。
3.对于不存在梗死核心区域的脑卒中确诊患者,以在脑血流量减影图提取的高信号区为种子点,在空间解剖结构对应的脑血流量图中提取脑卒中确诊患者的低灌注区域,其生长策略结合了脑血流量图的健康侧和患病侧对称信息。
4.定量低灌注区域的大小、体积及位置,及梗死核心/低灌注区的不匹配等信息,实现从原始多模态数据到结果的一站式报表。
附图说明
图1为本发明的流程图,包括四个步骤:1.配准,使得脑卒中确诊患者的磁共振扩散加权影像和脑血流量图在空间解剖结构上映射;2.判断是否存在梗死核心区域,若存在,在扩散加权影像上提取梗死核心区;若不存在,计算不同延迟时间的脑血流量减影图,并在减影图中提取高信号区;3.低灌注区提取,若存在梗死核心区域,以步骤2提取的梗死核心区域为种子点,否则以步骤2提取的脑血流量减影图高信号区为种子点,进行种子生长,实现脑血流量图低灌注区域的提取;4.定量分析,定量化脑缺血的程度,如低灌注区的位置、大小、体积等。
图2为大动脉闭塞性梗死确诊患者的低灌注区域的提取结果(梗死核心区域大且分布广),其中A、B、C为连续三个层面的扩散加权影像经配准和脑壳去除后的结果示意图,D、E、F为连续三个层面的脑血流量图经配准和脑壳去除后的结果示意图,G、H、I为连续三个层面的低灌注区域提取结果示意图。
图3为大动脉闭塞性梗死确诊患者的低灌注区域的提取结果(梗死核心区域小且数量多),其中A、B、C为连续三个层面的扩散加权影像经配准和脑壳去除后的结果示意图,D、E、F为连续三个层面的脑血流量图经配准和脑壳去除后的结果示意图,G、H、I为连续三个层面的低灌注区提取结果示意图。
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。
一种基于动脉自旋标记的脑低灌注区精准定量方法,包括以下步骤:
步骤1,配准,目的是使脑卒中确诊患者的磁共振扩散加权影像和脑血流量图在空间解剖结构上映射。
医学中磁共振扩散加权影像(Diffuse weighted imaging,DWI)一般有b=0和b=1000s/mm2两组数据,b是成像中所采用的弥散梯度因子,而脑血流量图(Cerebral bloodflow,CBF)由不同延迟时间的控制影像和标记影像数据计算得到(如1.5s和2.5s),一般有多组数据组成。模板空间(Montreal Neurological Institute,MNI 152)能提供脑部不同解剖结构的空间位置,如白质、灰质、额等。将脑卒中确诊患者的扩散加权影像(DWI)和脑血流量图(CBF)配准到模板空间,即可实现扩散加权影像(DWI)和脑血流量图(CBF)在空间解剖结构上的映射,且空间分辨率上保持一致。
采用由粗到精的配准策略实现扩散加权影像(DWI)和脑血流量图(CBF)配准到模板空间,即先采用放射变换实现扩散加权影像(DWI)和脑血流量图(CBF)粗配准到模板空间,再使用弹性变换实现扩散加权影像(DWI)和脑血流量图(CBF)精配准到模板空间。
步骤2,梗死核心区域预判,目的是判断是否存在梗死核心区域,若存在梗死核心区域,提取扩散加权影像的高信号区域作为梗死核心区域,若不存在梗死核心区域,提取脑血流量减影图的高信号区域。
通过b=0和b=1000s/mm2的扩散加权影像(DWI)可以计算脑卒中确诊患者的表观扩散系数(Apparent diffusion coefficient,ADC)参数图。梗死核心区域在表观扩散系数(ADC)参数图中呈低信号,梗死核心区域在b=1000s/mm2的扩散加权影像(DWI)呈现高信号,提示水分子扩散受限。梗死核心区域对应的表观扩散系数<600s/mm2且对应的扩散加权影像(DWI)为高信号区域(即扩散加权影像DWI中信号强度>Mean1+SD1的区域为高信号区域,其中Mean1为扩散加权影像DWI的平均信号强度,SD1为扩散加权影像DWI的信号标准差),因此可以上述判据判断是否存在梗死核心区域。
若脑卒中确诊患者存在梗死核心区域,提取表观扩散系数<600s/mm2的扩散加权影像DWI高信号区域,并作为梗死核心区域;
若脑卒中确诊患者不存在梗死核心区域,计算不同延迟时间的脑血流量图(CBF)的脑血流量减影图,如延迟时间为1.5s和2.5s的脑血流量减影图,并提取脑血流量减影图的高信号区域(即脑血流量减影图中信号强度>Mean2+SD2的区域,其中Mean2为脑血流量图CBF的平均信号强度,SD2为脑血流量图CBF的信号标准差)。
步骤3,低灌注区域(血流出现明显减少,可能导致缺氧)提取,若脑卒中确诊患者存在梗死核心区域,以步骤2在扩散加权影像上提取的梗死核心区域为种子点,若脑卒中确诊患者不存在梗死核心区域,以步骤2在脑血流量减影图提取的高信号区域为种子点,利用种子生长法提取脑血流量图的低灌注区域。
若脑卒中确诊患者存在梗死核心区域,以步骤2在扩散加权影像上提取的梗死核心区域为种子点,在梗死核心区域空间解剖结构对应的脑血流量图(CBF)中进行种子生长,其种子生长策略是:1)将脑血流量图(CBF)分为健康侧和患病侧,健康侧和患病侧在空间上应对称,一般把存在梗死核心区域的一侧当作为患病侧;2)以步骤2提取的梗死核心区域在空间解剖结构对应的脑血流量图(CBF)中的空间位置为种子点,进行种子生长;3)种子生长停止准则:比较患病侧梗死核心区域边界处所有体素点(I健)与健康侧对称的体素点(I患)之间的关系,若I患<α·I健,α为参数,可设置为0.3或其它,则继续生长,否则停止生长。种子点生长得到的区域即为低灌注区。
若脑卒中确诊患者不存在梗死核心区域,以步骤2在脑血流量减影图提取的高信号区域为种子点,在脑血流量减影图的高信号区域空间解剖结构对应的脑血流量图(CBF)中进行种子生长,其生长策略是:1)将脑血流量图(CBF)分为健康侧和患病侧,健康侧和患病侧在空间上应对称,一般把脑血流量减影图提取的高信号区域对应的一侧当做患病侧;2)以步骤2提取的脑血流量减影图的高信号区在空间解剖结构对应的脑血流量图(CBF)中的空间位置为种子点,进行种子生长;3)种子生长停止准则:比较患病侧边界处所有体素点(I健)与健康侧对称的体素点(I患)之间的关系,若I患<α·I健,α为参数,可设置为0.3或其它,则继续生长,否则停止生长。种子点生长所得的区域即为低灌注区。
步骤4,定量分析,目的是定量低灌注区域的大小、体积、位置,以及定量梗死核心区域与低灌注区域的不匹配等参数。
通过步骤1-步骤4,首先将脑卒中确诊患者的脑血流量图在空间位置上与扩散加权影像对应,然后提取扩散加权影像的梗死核心区域或脑血流量减影图的高信号区,其次将提取的梗死核心区域或减影图高信号区作为种子点,进行种子生长,提取脑血流量图的低灌注区,如附图1所示。进一步可以定量分析低灌注区的大小、体积和位置等信息,也可定量分析梗死核心/低灌注区的不匹配等参数。
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 (6)
1.一种基于动脉自旋标记的脑低灌注区精准定量方法,其特征在于,包括以下步骤:
步骤1、将脑卒中确诊患者的磁共振扩散加权影像和脑血流量图在空间解剖结构上映射;
步骤2、若存在梗死核心区域,提取扩散加权影像的高信号区域作为梗死核心区域,若不存在梗死核心区域,提取脑血流量减影图的高信号区域;
步骤3、若脑卒中确诊患者存在梗死核心区域,以步骤2在扩散加权影像上提取的梗死核心区域为种子点,若脑卒中确诊患者不存在梗死核心区域,以步骤2在脑血流量减影图提取的高信号区域为种子点,利用种子生长法提取脑血流量图的低灌注区域;
步骤4、定量低灌注区域的大小、体积、位置,以及定量梗死核心区域与低灌注区域的不匹配。
2.根据权利要求1所述的一种基于动脉自旋标记的脑低灌注区精准定量方法,其特征在于,所述的步骤2中是否存在梗死核心区域通过以下步骤获得:
通过扩散加权影像计算脑卒中确诊患者的表观扩散系数参数图,表观扩散系数参数图中表观扩散系数<600s/mm2且对应的扩散加权影像为高信号区域,则存在梗死核心区域。
3.根据权利要求1所述的一种基于动脉自旋标记的脑低灌注区精准定量方法,其特征在于,所述的扩散加权影像中信号强度>Mean1+SD1的区域为扩散加权影像的高信号区域,其中Mean1为扩散加权影像的平均信号强度,SD1为扩散加权影像的信号标准差。
4.根据权利要求1所述的一种基于动脉自旋标记的脑低灌注区精准定量方法,其特征在于,所述的脑血流量减影图中信号强度>Mean2+SD2的区域为脑血流量减影图的高信号区域,其中,Mean2为脑血流量图的平均信号强度,SD2为脑血流量图的信号标准差。
5.根据权利要求1所述的一种基于动脉自旋标记的脑低灌注区精准定量方法,其特征在于,所述的步骤3中,若脑卒中确诊患者存在梗死核心区域,种子生长法的种子生长策略为:
步骤3.1.1、将脑血流量图分为健康侧和患病侧,存在梗死核心区域的一侧当作为患病侧;
步骤3.1.2、以步骤2提取的梗死核心区域在空间解剖结构对应的脑血流量图中的空间位置为种子点,进行种子生长;
步骤3.1.3、比较患病侧梗死核心区域边界处所有体素点I健与健康侧对称的体素点I患之间的关系,若I患<α·I健,α为参数,则继续生长;否则停止生长,种子点生长得到的区域即为低灌注区。
6.根据权利要求1所述的一种基于动脉自旋标记的脑低灌注区精准定量方法,其特征在于,所述的步骤3中,若脑卒中确诊患者不存在梗死核心区域,种子生长法的种子生长策略为:
步骤3.2.1、将脑血流量图分为健康侧和患病侧,脑血流量减影图提取的高信号区域对应的一侧当做患病侧;
步骤3.2.2、以步骤2提取的脑血流量减影图的高信号区在空间解剖结构对应的脑血流量图中的空间位置为种子点,进行种子生长;
步骤3.2.3、比较患病侧边界处所有体素点I健与健康侧对称的体素点I患之间的关系,若I患<α·I健,α为参数,则继续生长,否则停止生长,种子点生长所得的区域即为低灌注区。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011158613.XA CN112288705B (zh) | 2020-10-26 | 2020-10-26 | 一种基于动脉自旋标记的脑低灌注区精准定量方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011158613.XA CN112288705B (zh) | 2020-10-26 | 2020-10-26 | 一种基于动脉自旋标记的脑低灌注区精准定量方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112288705A true CN112288705A (zh) | 2021-01-29 |
CN112288705B CN112288705B (zh) | 2023-02-07 |
Family
ID=74373116
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011158613.XA Active CN112288705B (zh) | 2020-10-26 | 2020-10-26 | 一种基于动脉自旋标记的脑低灌注区精准定量方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112288705B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113450426A (zh) * | 2021-06-09 | 2021-09-28 | 深圳市铱硙医疗科技有限公司 | 一种磁共振脑灌注成像数据处理系统、方法、终端及介质 |
CN113628207A (zh) * | 2021-08-30 | 2021-11-09 | 脑玺(苏州)智能科技有限公司 | 一种图像区域分割方法、装置、设备及存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100284580A1 (en) * | 2009-05-07 | 2010-11-11 | Ouyang Xiaolong | Tissue visualization systems and methods for using the same |
US20120184843A1 (en) * | 2011-01-14 | 2012-07-19 | Yi-Hsuan Kao | Method and apparatus for brain perfusion magnetic resonance images |
CA2951769A1 (en) * | 2014-06-30 | 2016-01-07 | Universitat Bern | Method for segmenting and predicting tissue regions in patients with acute cerebral ischemia |
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 |
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 |
CN111543973A (zh) * | 2020-06-02 | 2020-08-18 | 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 CN202011158613.XA patent/CN112288705B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100284580A1 (en) * | 2009-05-07 | 2010-11-11 | Ouyang Xiaolong | Tissue visualization systems and methods for using the same |
US20120184843A1 (en) * | 2011-01-14 | 2012-07-19 | Yi-Hsuan Kao | Method and apparatus for brain perfusion magnetic resonance images |
CA2951769A1 (en) * | 2014-06-30 | 2016-01-07 | Universitat Bern | Method for segmenting and predicting tissue regions in patients with acute cerebral ischemia |
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 |
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 |
CN111543973A (zh) * | 2020-06-02 | 2020-08-18 | 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 |
Non-Patent Citations (3)
Title |
---|
林澜等: "全脑CTP定量分析颅内动脉粥样硬化性狭窄患者血管表面渗透性", 《中国医学影像技术》 * |
谢银月: "简析磁共振脑图像分割", 《中国医学创新》 * |
赵秀丽等: "慢性脑低灌注模型大鼠脑血流量和周细胞覆盖率研究", 《中华老年心脑血管病杂志》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113450426A (zh) * | 2021-06-09 | 2021-09-28 | 深圳市铱硙医疗科技有限公司 | 一种磁共振脑灌注成像数据处理系统、方法、终端及介质 |
CN113628207A (zh) * | 2021-08-30 | 2021-11-09 | 脑玺(苏州)智能科技有限公司 | 一种图像区域分割方法、装置、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN112288705B (zh) | 2023-02-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
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 | |
US8588486B2 (en) | Apparatus and method for isolating a region in an image | |
US8301224B2 (en) | System and method for automatic, non-invasive diagnosis of pulmonary hypertension and measurement of mean pulmonary arterial pressure | |
AU2002234436B2 (en) | Method of predicting stroke evolution utilising MRI | |
CN112288705B (zh) | 一种基于动脉自旋标记的脑低灌注区精准定量方法 | |
EP2481349B1 (en) | Method, device, and program for processing images obtained from asl mri | |
JP2017520305A (ja) | 急性脳虚血患者における組織領域の区分法及び予測法 | |
CN112263225B (zh) | 一种基于脑血流的侧支血管及组织功能评估装置 | |
US20110052024A1 (en) | method of analysing stroke images | |
CN108734163A (zh) | 确定弥散张量成像感兴趣区的方法 | |
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 | |
Fisher et al. | Knowledge-based 3D segmentation of the brain in MR images for quantitative multiple sclerosis lesion tracking | |
CN111312373A (zh) | 一种pet/ct图像融合自动标注方法 | |
CN114494320A (zh) | 一种三维mri病灶图像分割方法及系统 | |
CN1689510A (zh) | 磁共振灌注成像的数字化方法 | |
Quon et al. | Deep learning for automated delineation of pediatric cerebral arteries on pre-operative brain magnetic resonance imaging | |
van Amerom et al. | Fetal cardiovascular blood flow MRI: techniques and applications | |
Benameur et al. | Parametric imaging for the assessment of cardiac motion: a review | |
CN115272386A (zh) | 基于自动生成标签的脑出血和周围水肿的多分支分割系统 | |
Saranathan et al. | In vivo structural MRI-based atlas of human thalamic nuclei | |
Bu et al. | Evaluation of Metabolic Network for Alzheimer's Disease | |
Govindarajan | Magnetic Resonance Imaging of Multiple Sclerosis Pathology: Computer Aided Detection and Monitoring | |
JP2023552547A (ja) | 拡散強調磁気共鳴画像から胎児の脳室容積を判定するためのコンピュータ実装方法及びシステム、並びに関連するnmr脳室容積評価方法 | |
CN115736959A (zh) | 脑梗塞核心区变化的ct灌注指标的提取与筛选方法 | |
Anbeek et al. | Automated white matter lesion segmentation by voxel probability estimation |
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 |