CN112529868A - 图像分析方法、装置、计算机设备和存储介质 - Google Patents

图像分析方法、装置、计算机设备和存储介质 Download PDF

Info

Publication number
CN112529868A
CN112529868A CN202011434512.0A CN202011434512A CN112529868A CN 112529868 A CN112529868 A CN 112529868A CN 202011434512 A CN202011434512 A CN 202011434512A CN 112529868 A CN112529868 A CN 112529868A
Authority
CN
China
Prior art keywords
brain
merged
area
target
areas
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
CN202011434512.0A
Other languages
English (en)
Other versions
CN112529868B (zh
Inventor
任晓敏
李劲华
田灿灿
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.)
Shanghai United Imaging Healthcare Co Ltd
Original Assignee
Shanghai United Imaging Healthcare Co 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 Shanghai United Imaging Healthcare Co Ltd filed Critical Shanghai United Imaging Healthcare Co Ltd
Priority to CN202011434512.0A priority Critical patent/CN112529868B/zh
Publication of CN112529868A publication Critical patent/CN112529868A/zh
Application granted granted Critical
Publication of CN112529868B publication Critical patent/CN112529868B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/53—Querying
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H30/00—ICT specially adapted for the handling or processing of medical images
    • G16H30/40—ICT specially adapted for the handling or processing of medical images for processing medical images, e.g. editing
    • 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
    • G06T2207/10081—Computed x-ray tomography [CT]
    • 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
    • G06T2207/10—Image acquisition modality
    • G06T2207/10072—Tomographic images
    • G06T2207/10104—Positron emission tomography [PET]
    • 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)
  • Theoretical Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Radiology & Medical Imaging (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Epidemiology (AREA)
  • General Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Primary Health Care (AREA)
  • Public Health (AREA)
  • Quality & Reliability (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Magnetic Resonance Imaging Apparatus (AREA)
  • Apparatus For Radiation Diagnosis (AREA)

Abstract

本申请涉及一种图像分析方法、装置、计算机设备和存储介质。所述方法包括：响应输入的操作指令，在待分析脑图像中确定待合并脑区；待合并脑区包括待分析脑图像中不同脑区域中的脑区；获取各待合并脑区的特征，并将各待合并脑区的特征在脑区管理界面上进行显示；根据各待合并脑区的特征，对各待合并脑区进行合并操作，得到第一目标脑区。采用本方法能够得到准确度较高的第一目标脑区，由于得到的第一目标脑区中包括待分析脑图像中不同脑区域中的脑区，进而对得到的第一目标脑区进行分析时，能够对待分析脑图像中不同脑区域中的脑区同时进行分析，使得对第一目标脑区的分析更加全面，从而提高了对第一目标脑区的分析准确度。

Description

图像分析方法、装置、计算机设备和存储介质
技术领域
本申请涉及医学图像技术领域，特别是涉及一种图像分析方法、装置、计算机设备和存储介质。
背景技术
脑神经退行性疾病如阿尔茨海默病的诊断对临床医生来说是一个挑战，尤其在疾病的早期阶段。随着脑功能成像技术的不断发展，影像学检查如计算机断层扫描(ComputedTomography,CT)和磁共振成像(magnetic resonance imaging，MRI)可以评估脑部解剖结构是否发生变化，而正电子发射显像(Positron emission tomography，PET)能更早地检测到病理改变，均在脑神经退行性疾病的诊断中起着重要作用。
传统技术中，主要是通过脑神经分析软件在影像学图像上将大脑按照固定的规则划分成不同的小脑区，对划分后的小脑区进行分析，从而得到大脑各个脑区的高级神经活动。然而，当疾病发生在两个脑区之间，或疾病累积区域跨越多个不同的脑区时，该方法则无法得到大脑精准的高级神经活动分析结果。
因此，传统的影像学图像分析方法，存在无法对影像学成像数据进行准确地分析的问题。
发明内容
基于此，有必要针对上述技术问题，提供一种能够对影像学成像数据进行准确地分析的图像分析方法、装置、计算机设备和存储介质。
一种图像分析方法，应用于脑图像分析设备，所述脑图像分析设备包括脑区管理界面，所述脑区管理界面用于显示脑区信息，所述方法包括：
响应输入的操作指令，在所述待分析脑图像中确定待合并脑区；所述待合并脑区包括所述待分析脑图像中不同脑区域中的脑区；
获取各所述待合并脑区的特征，并将各所述待合并脑区的特征在所述脑区管理界面上进行显示；
根据各所述待合并脑区的特征，对各所述待合并脑区进行合并操作，得到第一目标脑区。
在其中一个实施例中，所述根据各所述待合并脑区的特征，对各所述待合并脑区进行合并操作，得到第一目标脑区，包括：
根据各所述待合并脑区的大小和各所述待合并脑区的信号值，对各所述待合并脑区进行合并操作，得到所述第一目标脑区。
在其中一个实施例中，所述根据各所述待合并脑区的大小和各所述待合并脑区的信号值，对各所述待合并脑区进行合并操作，得到所述第一目标脑区，包括：
将各所述待合并脑区的大小的平均值，确定为所述第一目标脑区的大小，将各所述待合并脑区的信号值的平均值，确定为所述第一目标脑区的信号值；
根据所述第一目标脑区的大小和所述第一目标脑区的信号值，对各所述待合并脑区进行合并操作，得到所述第一目标脑区。
在其中一个实施例中，所述方法还包括：
在脑区数据库中确定与各所述待合并脑区相对应的样本脑区；所述脑区数据库为预先存储在所述脑图像分析设备中的数据库；所述脑区数据库包括多个样本脑区，且各所述样本脑区与所述待分析脑图像包括的脑区相对应；
对各所述样本脑区进行所述合并操作，得到第二目标脑区；
对所述第一目标脑区和所述第二目标脑区进行比对分析，得到分析结果；所述分析结果用于表示所述待分析脑图像中是否存在异常区域。
在其中一个实施例中，所述对所述第一目标脑区和所述第二目标脑区进行比对分析，得到分析结果，包括：
根据所述第一目标脑区的大小、所述第一目标脑区的信号值、所述第二目标脑区的大小和所述第二目标脑区的信号值，对所述第一目标脑区和所述第二目标脑区进行比对分析，得到所述分析结果。
在其中一个实施例中，所述方法还包括：
将所述样本脑区与各所述待合并脑区进行比对分析，得到各所述待合并脑区与所述样本脑区的比对分析结果。
在其中一个实施例中，所述方法还包括：
接收用户触发的撤销指令；
根据所述撤销指令，撤销所述合并操作，得到各所述待合并脑区，并在所述脑区管理界面上显示各所述待合并脑区。
一种图像分析装置，所述装置包括：
确定模块，用于根据用户输入的操作指令，在所述待分析脑图像中确定待合并脑区；所述待合并脑区包括所述待分析脑图像中不同脑区域中的脑区；
获取模块，用于获取各所述待合并脑区的特征，并将各所述待合并脑区的特征在所述脑区管理界面上进行显示；
第一合并模块，用于根据各所述待合并脑区的特征，对各所述待合并脑区进行合并操作，得到第一目标脑区。
一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
响应输入的操作指令，在所述待分析脑图像中确定待合并脑区；所述待合并脑区包括所述待分析脑图像中不同脑区域中的脑区；
获取各所述待合并脑区的特征，并将各所述待合并脑区的特征在所述脑区管理界面上进行显示；
根据各所述待合并脑区的特征，对各所述待合并脑区进行合并操作，得到第一目标脑区。
一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：
响应输入的操作指令，在所述待分析脑图像中确定待合并脑区；所述待合并脑区包括所述待分析脑图像中不同脑区域中的脑区；
获取各所述待合并脑区的特征，并将各所述待合并脑区的特征在所述脑区管理界面上进行显示；
根据各所述待合并脑区的特征，对各所述待合并脑区进行合并操作，得到第一目标脑区。
上述图像分析方法、装置、计算机设备和存储介质，通过响应输入的操作指令，能够在待分析脑图像中确定待合并脑区，其中，待合并脑区包括待分析脑图像中不同脑区域中的脑区，从而可以通过获取各待合并脑区的特征，根据各待合并脑区的特征，对各待合并脑区进行准确地合并操作，从而得到准确度较高的第一目标脑区，进一步地，由于得到的第一目标脑区中包括待分析脑图像中不同脑区域中的脑区，进而对得到的第一目标脑区进行分析时，能够对待分析脑图像中不同脑区域中的脑区同时进行分析，使得对第一目标脑区的分析更加全面，从而提高了对第一目标脑区的分析准确度。
附图说明
图1为一个实施例中图像分析方法的应用环境图；
图2为一个实施例中图像分析方法的流程示意图；
图3为另一个实施例中图像分析方法的流程示意图；
图4为另一个实施例中图像分析方法的流程示意图；
图4a为一个实施例中图像分析方法的流程示意图；
图5为另一个实施例中图像分析方法的流程示意图；
图6为一个实施例中图像分析装置的结构框图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
本申请实施例提供的图像分析方法，可以适用于如图1所示的脑图像分析设备。该脑图像分析设备包括通过系统总线连接的处理器、存储器，该存储器中存储有计算机程序，处理器执行该计算机程序时可以执行下述方法实施例的步骤。可选的，该脑图像分析设备还可以包括网络接口、显示屏和输入装置。可选的，该图像分析设备还可以包括数据库，该数据库用于存储样本脑区。其中，该脑图像分析设备的处理器用于提供计算和控制能力。该脑图像分析设备的存储器包括非易失性存储介质、内存储器，该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该脑图像分析设备的网络接口用于与外部的终端通过网络连接通信。可选的，该脑图像分析设备可以是服务器，可以是个人计算机，还可以是个人数字助理，还可以是其他的终端设备，例如平板电脑、手机等等，还可以是云端或者远程服务器，本申请实施例对脑图像分析设备的具体形式并不做限定。
在一个实施例中，如图2所示，提供了一种图像分析方法，以该方法应用于图1中的脑图像分析设备为例进行说明，包括以下步骤：
S201，响应输入的操作指令，在待分析脑图像中确定待合并脑区；待合并脑区包括待分析脑图像中不同脑区域中的脑区。
具体地，脑图像分析设备响应用户输入的操作指令，在待分析脑图像中确定待合并脑区。其中，所述待分析脑图像可以是计算机断层扫描(Computed Tomography，CT)、磁共振图像(Magnetic Resonance Image，MRI)、正电子发射断层图像(Positron EmissionComputed Tomography，PET)、磁共振TOF序列图像或数字减影血管造影图像(DigitalSubtraction Angiography，DSA)等。其中，待合并脑区包括待分析脑图像中不同脑区域中的脑区。其中，脑图像分析设备包括脑区管理界面，该脑区管理界面用于显示脑区信息。可选的，脑图像分析设备可以对用户输入的操作指令进行解析，得到操作指令中包括的需要进行合并的脑区的标识，从而在待分析脑图像中确定待合并脑区。可选的，脑图像分析设备可以在待分析脑图像中对选中的待合并脑区进行标注，确定出待合并脑区。可选的，待合并脑区可以全部为左脑的脑区，也可以全部为右脑的脑区，也可以为左脑的脑区和右脑的脑区。
S202，获取各待合并脑区的特征，并将各待合并脑区的特征在脑区管理界面上进行显示。
具体地，脑图像分析设备获取各待合并脑区的特征，并将各待合并脑区的特征在脑图像分析设备的脑区管理界面上进行显示。可选的，脑图像分析设备可以利用自身已有的分析软件，对各待合并脑区进行分析，得到各待合并脑区的特征。可选的，脑图像分析设备可以在脑区管理界面上将各待合并脑区的特征显示在各待合并脑区的右上方，也可以将各待合并脑区的特征显示在各待合并脑区的左上方，本实施例中，对各待合并脑区的特征的显示位置不做限制。
S203，根据各待合并脑区的特征，对各待合并脑区进行合并操作，得到第一目标脑区。
具体地，脑图像分析设备根据上述各待合并脑区的特征，对各待合并脑区进行合并操作，得到第一目标脑区。可选的，待合并脑区的特征可以是待合并脑区的大小，也可以是待合并脑区的信号值，也就是，脑图像分析设备可以根据各待合并脑区的大小对各待合并脑区进行合并操作，得到第一目标脑区，也可以根据各待合并脑区的信号值对各待合并脑区进行合并操作，得到第一目标脑区。其中，当待分析脑图像为CT图像时，所述待合并脑区的信号值为CT值表示；当待分析脑图像为MRI图像时，所述待合并脑区的信号值可由回波信号强度值表示；当待分析脑图像为PET图像时，所述待合并脑区的信号值为数据标准摄取值(standard uptake value，SUV)，SUV是指局部组织摄取的显像剂的放射性活度与全身平均注射活度。需要说明的是，通过将待合并脑区进行合并操作，得到的第一目标脑区能够得到比较丰富的图像信息，示例性地，以待合并脑区为相邻脑区为例，如颞叶癫痫发生时，海马应该会有较大的不对称性，但按照常规的分类标准，海马又被分海马体和海马旁回，单独看这两个小脑区的不对称性时，无法凸显其严重程度，当将海马体和海马旁回合并，可以明显显示两个脑区的不对称性，分析海马的不对性时；又例如，在脑神经退行性疾病中，额颞叶痴呆占特别大的比例，但按照常规的分类标准，额叶被分为10个小脑区(左右各10个)，颞叶被分为10个小脑区(左右各10个)，但此时用户想看的时颞叶和额叶整体的情况，需要将小脑区直接合并成中等脑区；又例如，由于脑均为对称结构，如左楔前叶和右楔前叶，但在分析痴呆时经常用到的比率分析，是需要整个(左+右)楔前叶与小脑的比值作为一个评估参数的，此时则需要将左楔前叶与右楔前叶进行合并。
上述图像分析方法中，脑图像分析设备通过响应输入的操作指令，能够在待分析脑图像中确定待合并脑区，其中，待合并脑区包括待分析脑图像中不同脑区域中的脑区，从而脑图像分析设备可以通过获取各待合并脑区的特征，根据各待合并脑区的特征，对各待合并脑区进行准确地合并操作，从而得到准确度较高的第一目标脑区，进一步地，由于得到的第一目标脑区中包括待分析脑图像中不同脑区域中的脑区，进而对得到的第一目标脑区进行分析时，能够对待分析脑图像中不同脑区域中的脑区同时进行分析，使得对第一目标脑区的分析更加全面，从而提高了对第一目标脑区的分析准确度。
在上述根据各待合并脑区的特征，对各待合并脑区进行合并操作，得到第一目标脑区的场景中，在一个实施例中，上述S203，包括：根据各待合并脑区的大小和各待合并脑区的信号值，对各待合并脑区进行合并操作，得到第一目标脑区。
具体地，脑图像分析设备根据上述各待合并脑区的大小和各待合并脑区的信号值，对各待合并脑区进行合并操作，得到第一目标脑区。可选的，脑图像分析设备可以将各待合并脑区的大小的总和确定为第一目标脑区的大小，将各待合并脑区的信号值总和确定为第一目标脑区的信号值，进而根据各待合并脑区的大小的总和和各待合并脑区的信号值总和，对各待合并脑区进行合并操作，得到第一目标脑区。
本实施例中，由于脑图像分析设备是根据各待合并脑区的大小和各待合并脑区的信号值，对各待合并脑区进行的合并操作，这样确保了对各待合并脑区进行合并操作的准确度，使得到的第一目标脑区较为准确，从而提高了得到的第一目标脑区的准确度。
在上述根据各待合并脑区的大小和各待合并脑区的信号值，对各待合并脑区进行合并操作，得到第一目标脑区的场景中，脑图像分析设备可以将各待合并脑区的大小的平均值，确定为第一目标脑区的大小，将各待合并脑区的信号值的平均值，确定为第一目标脑区的信号值。在一个实施例中，如图3所示，上述根据各待合并脑区的大小和各待合并脑区的信号值，对各待合并脑区进行合并操作，得到第一目标脑区，包括：
S301，将各待合并脑区的大小的平均值，确定为第一目标脑区的大小，将各待合并脑区的信号值的平均值，确定为第一目标脑区的信号值。
具体地，脑图像分析设备将各待合并脑区的大小的平均值，确定为第一目标脑区的大小，将各待合并脑区的信号值的平均值，确定为第一目标脑区的信号值。可选的，各待合并脑区的大小的平均值可以为各待合并脑区的大小的加权平均值，也可以为各待合并脑区的大小的几何平均值，同样地，各待合并脑区的信号值的平均值可以为各待合并脑区的信号值的加权平均值，也可以为各待合并脑区的信号值的几何平均值。
S302，根据第一目标脑区的大小和第一目标脑区的信号值，对各待合并脑区进行合并操作，得到第一目标脑区。
具体地，脑图像分析设备根据上述确定的第一目标脑区的大小和第一目标脑区的信号值，对上述各待合并脑区进行合并操作，得到第一目标脑区，也就是说，脑图像分析设备将各待合并脑区的大小的平均值确定为第一目标脑区的大小，将各待合并脑区的信号值的平均值确定为第一目标脑区的信号值，进而按照各待合并脑区的大小的平均值和各待合并脑区的信号值的平均值，对各待合并脑区进行合并操作，得到第一目标脑区。
本实施例中，由于脑图像分析设备得到各待合并脑区的大小的平均值和各待合并脑区的信号值的平均值的过程比较简单，提高了脑图像分析设备得到各待合并脑区的大小的平均值和各待合并脑区的信号值的平均值的效率，从而脑图像设备可以快速地确定出第一目标脑区的大小和第一目标脑区的信号值，这样脑图像分析设备可以根据确定出的第一目标脑区的大小和第一目标脑区的信号值，快速地对各待合并脑区进行合并操作，得到第一目标脑区，从而提高了得到第一目标脑区的效率。
在一些场景中，脑图像分析设备还可以将脑区数据库中存储的样本脑区进行合并，进而将合并的样本脑区和上述得到的第一目标脑区进行比对分析，得到用于表示待分析脑图像中是否存在异常区域的分析结果。在一个实施例中，如图4所示，上述方法还包括：
S401，在脑区数据库中确定与各待合并脑区相对应的样本脑区；脑区数据库为预先存储在脑图像分析设备中的数据库；脑区数据库包括多个样本脑区，且各样本脑区与待分析脑图像包括的脑区相对应。
具体地，脑图像分析设备在脑区数据库中确定与上述各待合并脑区相对应的样本脑区。其中，该脑区数据库为预先存储在脑图像分析设备中的数据库；该脑区数据库包括多个样本脑区，且各样本脑区与待分析脑图像包括的脑区相对应。可选的，脑图像分析设备可以根据各脑区的形状，将各待合并脑区域与脑区数据库中包括的多个样本脑区进行一一匹配，从而在脑区数据库中确定出与各待合并脑区相对应的样本脑区，也可以根据各待合并脑区的信号值，在脑区数据库中确定出与各待合并脑区的信号值相同的样本脑区，得到与各待合并脑区相对应的样本脑区。需要说明的是，脑区数据库中包括的多个样本脑区可以为不同年龄段的人群对应的脑区，也可以不同性别的人群对应的脑区。
S402，对各样本脑区进行合并操作，得到第二目标脑区。
具体地，脑图像分析设备对确定出的与各待合并脑区相对应的样本脑区进行合并操作，得到第二目标脑区。可选的，脑图像分析设备可以将与各待合并脑区相对应的样本脑区的大小的平均值，确定为第二目标脑区的大小，将与各待合并脑区相对应的样本脑区的信号值的平均值，确定为第二目标脑区的信号值，按照确定出的第二目标脑区的大小和第二目标脑区的信号值，对各样本脑区进行合并操作，得到第二目标脑区。
S403，对第一目标脑区和第二目标脑区进行比对分析，得到分析结果；分析结果用于表示待分析脑图像中是否存在异常区域。
具体地，脑图像分析设备对上述得到的第一目标脑区和第二目标脑区进行比对分析，得到分析结果，其中，分析结果用于表示待分析脑图像中是否存在异常区域。可选的，脑图像分析设备得到的第一目标脑区和第二目标脑区的分析结果可以是待分析脑图像中不存在异常区域，也可以是待分析脑图像中存在异常区域。可选的，脑图像分析设备可以将第一目标脑区的形状和第二目标脑区的形状进行比对分析，确定第一目标脑区和第二目标脑区的形状是否一致，若不一致，则对不一致区域进行比对分析确定待分析脑图像中是否存在异常区域，也可以将第一目标脑区的大小和第二目标脑区的大小进行比对分析，确定第一目标脑区的大小和第二目标脑区的大小是否一致，若不一致，则对第一目标脑区和第二目标脑区大小差异较大的区域进行比对分析确定待分析脑图像中是否存在异常区域。
示例性地，如图4a所示，本实施例提供的图像分析方法，可以参见图4a所示的过程，根据每个待合并脑区的大小和信号值，得到第一目标脑区的大小和信号值，根据脑区数据库中与各待合并脑区相对应的样本脑区的平均大小和信号平均值，得到第二目标脑区的平均大小和信号平均值，将各待合并脑区的大小和信号值与脑区数据库中与各待合并脑区相对应的样本脑区的平均大小和信号平均值进行比较，得到第一目标脑区与第二目标脑区的差异，以及待分析脑图像中未合并的脑区与数据库中对应的样本脑区的差异。
本实施例中，脑图像分析设备在脑区数据库中确定与各待合并脑区相对应的样本脑区的过程十分简单，能够快速地确定出与各待合并脑区相对应的样本脑区，进而可以对确定出的各样本脑区快速地进行合并操作，得到第二目标脑区，提高了得到第二目标脑区的效率，这样能够使脑图像分析设备对第一目标脑区和第二目标脑区快速地进行比对分析，得到表示待分析脑图像中是否存在异常区域的分析结果，提高了得到第一目标脑区和第二目标脑区的分析结果的效率。
在上述对第一目标脑区和第二目标脑区进行比对分析，得到表示待分析脑图像中是否存在异常区域的分析结果的场景中，在一个实施例中，上述S403，包括：根据第一目标脑区的大小、第一目标脑区的信号值、第二目标脑区的大小和第二目标脑区的信号值，对第一目标脑区和第二目标脑区进行比对分析，得到分析结果。
具体地，脑图像分析设备根据上述第一目标脑区的大小、第一目标脑区的信号值、上述第二目标脑区的大小和第二目标脑区的信号值，对第一目标脑区和第二目标脑区进行比对分析，得到上述分析结果。可选的，脑图像分析设备可以将第一目标脑区的大小与第二目标脑区的大小进行比对分析，将第一目标脑区的信号值与第二目标脑区的信号值进行比对分析，得到该分析结果。
本实施例中，脑图像分析设备根据第一目标脑区的大小、第一目标脑区的信号值、第二目标脑区的大小和第二目标脑区的信号值，能够快速地对第一目标脑区和第二目标脑区进行比对分析，从而能够快速地得到第一目标脑区和第二目标脑区的分析结果，提高了得到第一目标脑区和第二目标脑区的分析结果的效率。
在一些场景中，脑图像分析设备还可以将脑区数据库中的单个脑区与待分析脑图像中的单个脑区进行比对分析，在上述实施例的基础上，在一个实施例中，上述方法还包括：将样本脑区与待合并脑区进行比对分析，得到待合并脑区与样本脑区的比对分析结果。
具体地，脑图像分析设备将脑区数据库中的样本脑区与上述待分析脑图像中的各待合并脑区进行比对分析，得到各待合并脑区与脑区数据库中的样本脑区的比对分析结果。可选的，脑图像分析设备可以将脑区数据库中的样本脑区与上述待分析脑图像中的各待合并脑区的大小进行比对分析，得到各待合并脑区与脑区数据库中的样本脑区的比对分析结果，也可以将脑区数据库中的样本脑区与上述待分析脑图像中的各待合并脑区的信号值进行比对分析，得到各待合并脑区与脑区数据库中的样本脑区的比对分析结果。
本实施例中，脑图像分析设备将脑区数据库中的样本脑区与待分析脑图像中的各待合并脑区进行比对分析的过程十分简单，能够快速地得到各待合并脑区与样本脑区的比对分析结果，提高了得到各待合并脑区与样本脑区的比对分析结果的效率。
在一些场景中，脑图像分析设备还可以撤销对第一目标脑区的合并操作，得到各待合并的脑区，在上述实施例的基础上，在一个实施例中，如图5所示，上述方法还包括：
S501，接收用户触发的撤销指令。
具体地，脑图像分析设备接收用户触发的撤销指令。可选的，撤销指令可以是用户在脑图像分析设备的显示屏上所触发的。可选的，撤销指令可以用于指示脑图像分析设备撤销对第一目标脑区的所有合并操作，也可以用于指示脑图像分析设备撤销对第一目标脑区的部分合并操作。
S502，根据撤销指令，撤销合并操作，得到各待合并脑区，并在脑区管理界面上显示各待合并脑区。
具体地，脑图像分析设备根据上述撤销指令，撤销对各待合并脑区所进行的合并操作，得到上述各待合并脑区，并在脑图像分析设备的脑区管理界面上显示得到的各待合并脑区。可选的，脑图像分析设备可以先选中第一目标脑区，然后根据撤销指令，撤销对第一目标脑区的合并操作，得到上述各待合并脑区。
本实施例中，脑图像分析设备根据用户触发的撤销指令，能够快速地撤销对第一目标脑区所做的合并操作，得到第一目标脑区对应的各待合并脑区，提高了得到第一目标脑区对应的各待合并脑区的效率，进一步地，在脑图像分析设备的脑区管理界面上显示得到的各待合并脑区，能够使用户直观地对第一目标脑区对应的各待合并脑区进行查看。
应该理解的是，虽然图2-5的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图2-5中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中，如图6所示，提供了一种图像分析装置，包括：确定模块、获取模块和第一合并模块，其中：
确定模块，用于根据用户输入的操作指令，在待分析脑图像中确定待合并脑区；待合并脑区包括待分析脑图像中不同脑区域中的脑区。
获取模块，用于获取各待合并脑区的特征，并将各待合并脑区的特征在脑区管理界面上进行显示。
第一合并模块，用于根据各待合并脑区的特征，对各待合并脑区进行合并操作，得到第一目标脑区。
本实施例提供的图像分析装置，可以执行上述方法实施例，其实现原理和技术效果类似，在此不再赘述。
在上述实施例的基础上，可选的，上述第一合并模块，包括：合并单元，其中：
合并单元，用于根据各待合并脑区的大小和各待合并脑区的信号值，对各待合并脑区进行合并操作，得到第一目标脑区。
本实施例提供的图像分析装置，可以执行上述方法实施例，其实现原理和技术效果类似，在此不再赘述。
在上述实施例的基础上，可选的，上述合并单元，具体用于将各待合并脑区的大小的平均值，确定为第一目标脑区的大小，将各待合并脑区的信号值的平均值，确定为第一目标脑区的信号值；根据第一目标脑区的大小和第一目标脑区的信号值，对各待合并脑区进行合并操作，得到第一目标脑区。
本实施例提供的图像分析装置，可以执行上述方法实施例，其实现原理和技术效果类似，在此不再赘述。
在上述实施例的基础上，可选的，上述装置还包括：确定模块、第二合并模块和第一分析模块，其中：
确定模块，用于在脑区数据库中确定与各待合并脑区相对应的样本脑区；脑区数据库为预先存储在脑图像分析设备中的数据库；脑区数据库包括多个样本脑区，且各样本脑区与待分析脑图像包括的脑区相对应。
第二合并模块，用于对各样本脑区进行合并操作，得到第二目标脑区。
第一分析模块，用于对第一目标脑区和第二目标脑区进行比对分析，得到分析结果；分析结果用于表示待分析脑图像中是否存在异常区域。
本实施例提供的图像分析装置，可以执行上述方法实施例，其实现原理和技术效果类似，在此不再赘述。
在上述实施例的基础上，可选的，上述第一分析模块包括：分析单元，其中：
分析单元，用于根据第一目标脑区的大小、第一目标脑区的信号值、第二目标脑区的大小和第二目标脑区的信号值，对第一目标脑区和第二目标脑区进行比对分析，得到分析结果。
本实施例提供的图像分析装置，可以执行上述方法实施例，其实现原理和技术效果类似，在此不再赘述。
在上述实施例的基础上，可选的，上述装置还包括：第二分析模块，其中：
第二分析模块，用于将样本脑区与各待合并脑区进行比对分析，得到各待合并脑区与样本脑区的比对分析结果。
本实施例提供的图像分析装置，可以执行上述方法实施例，其实现原理和技术效果类似，在此不再赘述。
在上述实施例的基础上，可选的，上述装置还包括：接收模块和撤销模块，其中：
接收模块，用于接收用户触发的撤销指令。
撤销模块，用于根据撤销指令，撤销合并操作，得到各待合并脑区，并在脑区管理界面上显示各待合并脑区。
本实施例提供的图像分析装置，可以执行上述方法实施例，其实现原理和技术效果类似，在此不再赘述。
关于图像分析装置的具体限定可以参见上文中对于图像分析方法的限定，在此不再赘述。上述图像分析装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，提供了一种脑图像分析设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现以下步骤：
响应输入的操作指令，在待分析脑图像中确定待合并脑区；待合并脑区包括待分析脑图像中不同脑区域中的脑区；
获取各待合并脑区的特征，并将各待合并脑区的特征在脑区管理界面上进行显示；
根据各待合并脑区的特征，对各待合并脑区进行合并操作，得到第一目标脑区。
上述实施例提供的计算机设备，其实现原理和技术效果与上述方法实施例类似，在此不再赘述。
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：
响应输入的操作指令，在待分析脑图像中确定待合并脑区；待合并脑区包括待分析脑图像中不同脑区域中的脑区；
获取各待合并脑区的特征，并将各待合并脑区的特征在脑区管理界面上进行显示；
根据各待合并脑区的特征，对各待合并脑区进行合并操作，得到第一目标脑区。
上述实施例提供的计算机可读存储介质，其实现原理和技术效果与上述方法实施例类似，在此不再赘述。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-Only Memory，ROM)、磁带、软盘、闪存或光存储器等。易失性存储器可包括随机存取存储器(Random Access Memory，RAM)或外部高速缓冲存储器。作为说明而非局限，RAM可以是多种形式，比如静态随机存取存储器(Static Random Access Memory，SRAM)或动态随机存取存储器(Dynamic Random Access Memory，DRAM)等。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。

Claims (10)

1.一种图像分析方法，应用于脑图像分析设备，所述脑图像分析设备包括脑区管理界面，所述脑区管理界面用于显示脑区信息，其特征在于，所述方法包括：
响应输入的操作指令，在所述待分析脑图像中确定待合并脑区；所述待合并脑区包括所述待分析脑图像中不同脑区域中的脑区；
获取各所述待合并脑区的特征，并将各所述待合并脑区的特征在所述脑区管理界面上进行显示；
根据各所述待合并脑区的特征，对各所述待合并脑区进行合并操作，得到第一目标脑区。
2.根据权利要求1所述的方法，其特征在于，所述根据各所述待合并脑区的特征，对各所述待合并脑区进行合并操作，得到第一目标脑区，包括：
根据各所述待合并脑区的大小和各所述待合并脑区的信号值，对各所述待合并脑区进行合并操作，得到所述第一目标脑区。
3.根据权利要求2所述的方法，其特征在于，所述根据各所述待合并脑区的大小和各所述待合并脑区的信号值，对各所述待合并脑区进行合并操作，得到所述第一目标脑区，包括：
将各所述待合并脑区的大小的平均值，确定为所述第一目标脑区的大小，将各所述待合并脑区的信号值的平均值，确定为所述第一目标脑区的信号值；
根据所述第一目标脑区的大小和所述第一目标脑区的信号值，对各所述待合并脑区进行合并操作，得到所述第一目标脑区。
4.根据权利要求1所述的方法，其特征在于，所述方法还包括：
在脑区数据库中确定与各所述待合并脑区相对应的样本脑区；
对各所述样本脑区进行所述合并操作，得到第二目标脑区；
对所述第一目标脑区和所述第二目标脑区进行比对分析，得到分析结果；所述分析结果用于表示所述待分析脑图像中是否存在异常区域。
5.根据权利要求4所述的方法，其特征在于，所述对所述第一目标脑区和所述第二目标脑区进行比对分析，得到分析结果，包括：
根据所述第一目标脑区的大小、所述第一目标脑区的信号值、所述第二目标脑区的大小和所述第二目标脑区的信号值，对所述第一目标脑区和所述第二目标脑区进行比对分析，得到所述分析结果。
6.根据权利要求4所述的方法，其特征在于，所述方法还包括：
将所述样本脑区与各所述待合并脑区进行比对分析，得到各所述待合并脑区与所述样本脑区的比对分析结果。
7.根据权利要求1-6任一项所述的方法，其特征在于，所述方法还包括：
接收用户触发的撤销指令；
根据所述撤销指令，撤销所述合并操作，得到各所述待合并脑区，并在所述脑区管理界面上显示各所述待合并脑区。
8.一种图像分析装置，其特征在于，所述装置包括：
确定模块，用于根据用户输入的操作指令，在所述待分析脑图像中确定待合并脑区；所述待合并脑区包括所述待分析脑图像中不同脑区域中的脑区；
获取模块，用于获取各所述待合并脑区的特征，并将各所述待合并脑区的特征在所述脑区管理界面上进行显示；
第一合并模块，用于根据各所述待合并脑区的特征，对各所述待合并脑区进行合并操作，得到第一目标脑区。
9.一种脑图像分析设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
CN202011434512.0A 2020-12-10 2020-12-10 图像分析方法、装置、计算机设备和存储介质 Active CN112529868B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011434512.0A CN112529868B (zh) 2020-12-10 2020-12-10 图像分析方法、装置、计算机设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011434512.0A CN112529868B (zh) 2020-12-10 2020-12-10 图像分析方法、装置、计算机设备和存储介质

Publications (2)

Publication Number Publication Date
CN112529868A true CN112529868A (zh) 2021-03-19
CN112529868B CN112529868B (zh) 2023-06-27

Family

ID=74999146

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011434512.0A Active CN112529868B (zh) 2020-12-10 2020-12-10 图像分析方法、装置、计算机设备和存储介质

Country Status (1)

Country Link
CN (1) CN112529868B (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108830830A (zh) * 2018-05-11 2018-11-16 深圳博脑医疗科技有限公司 一种脑萎缩程度的定量检测方法、检测装置及终端设备
CN110767283A (zh) * 2019-09-23 2020-02-07 吕粟 精神疾病影像学自动化报告系统及其方法
CN110866925A (zh) * 2019-10-18 2020-03-06 北京量健智能科技有限公司 一种用于图像分割的方法和装置
CN111445451A (zh) * 2020-03-20 2020-07-24 上海联影智能医疗科技有限公司 脑图像处理方法、系统、计算机设备和存储介质

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108830830A (zh) * 2018-05-11 2018-11-16 深圳博脑医疗科技有限公司 一种脑萎缩程度的定量检测方法、检测装置及终端设备
CN110767283A (zh) * 2019-09-23 2020-02-07 吕粟 精神疾病影像学自动化报告系统及其方法
CN110866925A (zh) * 2019-10-18 2020-03-06 北京量健智能科技有限公司 一种用于图像分割的方法和装置
CN111445451A (zh) * 2020-03-20 2020-07-24 上海联影智能医疗科技有限公司 脑图像处理方法、系统、计算机设备和存储介质

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
税午阳: "基于医学体数据场的大脑皮层可视化技术研究及其应用", 《中国优秀博硕士学位论文全文数据库(硕士)信息科技辑》 *

Also Published As

Publication number Publication date
CN112529868B (zh) 2023-06-27

Similar Documents

Publication Publication Date Title
Carotenuto et al. Glymphatic system impairment in multiple sclerosis: relation with brain damage and disability
AU2008211786B2 (en) Tools for aiding in the diagnosis of neurodegenerative diseases
JP5970766B2 (ja) 医用画像処理装置、医用画像処理方法、プログラム
WO2020054803A1 (ja) 診断支援システムおよび方法
CN110717905B (zh) 脑部图像检测方法、计算机设备和存储介质
Dodich et al. The A/T/N model applied through imaging biomarkers in a memory clinic
JP4980707B2 (ja) 画像処理装置及び方法
US10357217B2 (en) Method for positron emission tomography (PET) imaging analysis for classifying and diagnosing of neurological diseases
CN104867127A (zh) 图像处理设备、图像处理方法和程序
CN112132265A (zh) 模型训练方法、杯盘比确定方法、装置、设备及存储介质
US9943223B2 (en) Retinal nerve fiber layer volume analysis for detection and progression analysis of glaucoma
Leuzy et al. Derivation and utility of an Aβ-PET pathology accumulation index to estimate Aβ load
Müller et al. Detailing intra-lesional venous lumen shrinking in multiple sclerosis investigated by sFLAIR MRI at 7-T
CN117350971A (zh) 适用于阿尔茨海默特征评估的脑部功能磁共振图像分析系统、方法、介质及终端
US20140314287A1 (en) Information processing system, information processing method, information processing apparatus, and control method and control program thereof
CN113192031B (zh) 血管分析方法、装置、计算机设备和存储介质
CN113160199B (zh) 影像识别方法、装置、计算机设备和存储介质
JP6948966B2 (ja) 診断支援システム、診断支援方法、及びプログラム
Wang et al. Parametric estimation of reference signal intensity in the quantification of amyloid-beta deposition: an 18F-AV-45 study
CN111899167B (zh) 插值算法确定方法、装置、计算机设备和存储介质
US9679378B2 (en) Risk prediction of tissue infarction
US20230210441A1 (en) Brain image analysis apparatus, control method, and computer readable medium
US11551351B2 (en) Priority judgement device, method, and program
CN112529868B (zh) 图像分析方法、装置、计算机设备和存储介质
JP5961512B2 (ja) 画像処理装置およびその作動方法並びに画像処理プログラム

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