CN113616226B - 一种血管分析方法、系统、设备及存储介质 - Google Patents
一种血管分析方法、系统、设备及存储介质 Download PDFInfo
- Publication number
- CN113616226B CN113616226B CN202111076801.2A CN202111076801A CN113616226B CN 113616226 B CN113616226 B CN 113616226B CN 202111076801 A CN202111076801 A CN 202111076801A CN 113616226 B CN113616226 B CN 113616226B
- Authority
- CN
- China
- Prior art keywords
- phase
- image reconstruction
- perfusion
- scan data
- reconstruction
- 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
- 238000004458 analytical method Methods 0.000 title claims abstract description 102
- 230000002792 vascular Effects 0.000 title claims abstract description 48
- 230000010412 perfusion Effects 0.000 claims abstract description 123
- 210000004204 blood vessel Anatomy 0.000 claims abstract description 27
- 238000000034 method Methods 0.000 claims description 30
- 238000012545 processing Methods 0.000 description 14
- 230000008569 process Effects 0.000 description 12
- 238000012805 post-processing Methods 0.000 description 11
- 238000007781 pre-processing Methods 0.000 description 9
- 238000004891 communication Methods 0.000 description 5
- 238000000605 extraction Methods 0.000 description 5
- 238000012986 modification Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 238000002591 computed tomography Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000000877 morphologic effect Effects 0.000 description 4
- 210000001519 tissue Anatomy 0.000 description 4
- 208000006011 Stroke Diseases 0.000 description 3
- 206010053648 Vascular occlusion Diseases 0.000 description 3
- 210000004556 brain Anatomy 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 3
- 238000010801 machine learning Methods 0.000 description 3
- 238000002360 preparation method Methods 0.000 description 3
- 208000021331 vascular occlusion disease Diseases 0.000 description 3
- 208000031481 Pathologic Constriction Diseases 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 239000008280 blood Substances 0.000 description 2
- 210000004369 blood Anatomy 0.000 description 2
- 230000002490 cerebral effect Effects 0.000 description 2
- 239000002872 contrast media Substances 0.000 description 2
- 238000013501 data transformation Methods 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 238000002059 diagnostic imaging Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000010365 information processing Effects 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 230000000670 limiting effect Effects 0.000 description 2
- 210000000056 organ Anatomy 0.000 description 2
- 238000004445 quantitative analysis Methods 0.000 description 2
- 230000002829 reductive effect Effects 0.000 description 2
- 208000037804 stenosis Diseases 0.000 description 2
- 230000036262 stenosis Effects 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 210000001367 artery Anatomy 0.000 description 1
- 230000000712 assembly Effects 0.000 description 1
- 238000000429 assembly Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004159 blood analysis Methods 0.000 description 1
- 230000017531 blood circulation Effects 0.000 description 1
- 230000036770 blood supply Effects 0.000 description 1
- 210000000988 bone and bone Anatomy 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000010339 dilation Effects 0.000 description 1
- 230000003628 erosive effect Effects 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 208000028867 ischemia Diseases 0.000 description 1
- 238000002595 magnetic resonance imaging Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000013421 nuclear magnetic resonance imaging Methods 0.000 description 1
- 230000036961 partial effect Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 238000004904 shortening Methods 0.000 description 1
- 238000002604 ultrasonography Methods 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
- A61B6/50—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
- 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
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7271—Specific aspects of physiological measurement analysis
-
- 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
- A61B6/02—Arrangements for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
- A61B6/03—Computed tomography [CT]
- A61B6/037—Emission tomography
-
- 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
- A61B6/48—Diagnostic techniques
- A61B6/481—Diagnostic techniques involving the use of contrast agents
-
- 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
- A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/08—Detecting organic movements or changes, e.g. tumours, cysts, swellings
- A61B8/0891—Detecting organic movements or changes, e.g. tumours, cysts, swellings for diagnosis of blood vessels
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/52—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/5215—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/003—Reconstruction from projections, e.g. tomography
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2210/00—Indexing scheme for image generation or computer graphics
- G06T2210/41—Medical
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Physics & Mathematics (AREA)
- Molecular Biology (AREA)
- Public Health (AREA)
- Biophysics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Pathology (AREA)
- Veterinary Medicine (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- General Health & Medical Sciences (AREA)
- Animal Behavior & Ethology (AREA)
- Surgery (AREA)
- Radiology & Medical Imaging (AREA)
- High Energy & Nuclear Physics (AREA)
- Optics & Photonics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Vascular Medicine (AREA)
- Signal Processing (AREA)
- Psychiatry (AREA)
- Physiology (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Pulmonology (AREA)
- Dentistry (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
本说明书实施例提供一种血管分析方法及系统。血管分析方法包括：基于多个期相的灌注扫描数据，确定多个期相中的峰值期相；基于峰值期相的灌注扫描数据进行图像重建，以获得重建结果；对重建结果进行血管分析。
Description
技术领域
本说明书涉及扫描诊断技术领域，特别涉及一种血管分析方法、系统、设备及存储介质。
背景技术
CT灌注成像反映的是组织和器官的血供情况，相比于普通的CT平扫和增强扫描只采集一个时间点的数据信息，灌注成像通过连续扫描多个时相的方式获得组织或器官的每一体素的时间-密度曲线(Time Attenuation Curve，TAC)，反映对比剂在组织的流入流出过程(血流灌注)，再利用不同的数学模型计算出各种各样的灌注参数(如脑血容量CBF、局部脑血容量CBV、平均通过时间MTT、达峰时间TTP等)，从而形成灌注参数图，评估组织缺血情况，指导治疗方案的制定。
随着宽体探测器和动态摇篮床技术的出现，当前灌注扫描可实现一站式脑灌注联合颅脑血管分析，即一次扫描可同时获取脑灌注数据和多期血管数据。但现有灌注扫描中不能自动识别动脉期数据，只能将所有期相的薄层数据全部重建出来用于血管分析，这会导致数据量非常大(薄层0.5mm层厚或1mm层厚的血管序列图像数可多达六千张图像)，算上重建时间+传输时间+加载到血管分析及预处理时间，会导致血管评估的时间非常长。而实际上用户可只需要一期动脉期数据完成血管闭塞情况的评估，无需重建出来所有的期相。当前传统方法，如果只重建一期，仍然需要用户手动确认哪一期并进行序列拆分和手动归档等，耗费时间依然很长。因此，有必要提出一种血管分析方法及系统。
发明内容
本说明书实施例之一提供一种血管分析方法，包括：基于多个期相的灌注扫描数据，确定所述多个期相中的峰值期相；基于所述峰值期相的灌注扫描数据进行图像重建，以获得重建结果；基于所述重建结果进行血管分析。
本说明书实施例之一提供一种血管分析系统，包括峰值期相确定模块、图像重建模块和血管分析模块；所述峰值期相确定模块用于基于多个期相的灌注扫描数据，确定所述多个期相中的峰值期相；所述图像重建模块用于基于所述峰值期相的灌注扫描数据进行图像重建，以获得重建结果；所述血管分析模块用于基于所述重建结果进行血管分析。
本说明书实施例之一提供一种血管分析设备，包括处理器，所述处理器用于执行如本申请任一实施例所述的血管分析方法。
本说明书实施例之一还提供一种计算机可读存储介质，所述存储介质存储计算机指令，当处理器读取存储介质中的计算机指令后，处理器执行所述的血管分析方法。
附图说明
本说明书将以示例性实施例的方式进一步说明，这些示例性实施例将通过附图进行详细描述。这些实施例并非限制性的，在这些实施例中，相同的编号表示相同的结构，其中：
图1是根据本说明书一些实施例所示的血管分析方法的示例性流程图；
图2是根据本说明书一些实施例所示的峰值期相确定方法的示例性流程图；
图3是根据本说明书另一实施例所示的血管分析方法的示例性流程图；
图4是根据本说明书一些实施例所示的图像重建的示例性流程图；
图5是根据本说明书一些实施例所示的初步图像重建的示例性流程图；
图6是根据本说明书一些实施例所示的血管分析系统的示例性模块图；
图7是根据本说明书一些实施例所示的血管分析设备的示例性结构图；
图8是根据本说明书一些实施例所示的灌注时间-密度曲线的示意图。
具体实施方式
为了更清楚地说明本说明书实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单的介绍。显而易见地，下面描述中的附图仅仅是本说明书的一些示例或实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图将本说明书应用于其它类似情景。除非从语言环境中显而易见或另做说明，图中相同标号代表相同结构或操作。
应当理解，本文使用的“系统”、“系统”、“单元”和/或“模块”是用于区分不同级别的不同组件、元件、部件、部分或装配的一种方法。然而，如果其他词语可实现相同的目的，则可通过其他表达来替换所述词语。
本申请说明书以及权利要求书中使用的“第一”“第二”以及类似的词语并不表示任何顺序、数量或者重要性，而只是用来区分不同的组成部分。同样，“一个”或者“一”等类似词语也不表示数量限制，而是表示存在至少一个。一般说来，术语“包括”与“包含”仅提示包括已明确标识的步骤和元素，而这些步骤和元素不构成一个排它性的罗列，方法或者设备也可能包含其它的步骤或元素。
本说明书中使用了流程图用来说明根据本说明书的实施例的系统所执行的操作。应当理解的是，前面或后面操作不一定按照顺序来精确地执行。相反，可以按照倒序或同时处理各个步骤。同时，也可以将其他操作添加到这些过程中，或从这些过程移除某一步或数步操作。
图1是根据本说明书一些实施例所示的血管分析方法100的示例性流程图。
在一些实施例中，血管分析方法100可以用于基于灌注扫描数据进行血管分析。在一些实施例中，执行血管分析方法100的执行主体可以包括灌注扫描设备和/或控制器。在一些实施例中，扫描设备可以是医疗影像设备，包括电子计算机断层扫描设备(CT，Computer Tomography)、核磁共振检查设备(MRI，Nuclear Magnetic ResonanceImaging)、X射线设备、正电子发射计算机断层显示设备(PET，Positron EmissionComputed Tomography)和超声检测设备中的至少一种。在一些实施例中，控制器可以是集成在电子设备中的部分系统，还可以是独立的电子设备，控制器也可以设定在云端服务器(Online Server)中，例如，该控制器可以为各种个人计算机、笔记本电脑、智能手机、平板电脑以及便携式可穿戴设备，也可以是集成于医疗影像设备中的部分系统(例如中控设备)。在一些实施例中，血管分析方法100可以由血管分析系统600或血管分析设备700执行。
在一些实施例中，血管分析方法100可以包括：
步骤110，基于多个期相的灌注扫描数据，确定多个期相中的峰值期相。在一些实施例中，步骤110可以由峰值期相确定模块610执行。
灌注扫描数据可以指执行灌注扫描后所得的数据。例如，灌注扫描数据可以包括灌注扫描获得的原始数据、经预处理后的数据等。在一些实施例中，血管分析系统600可以通过执行灌注扫描来获取多个时间点的灌注扫描数据，灌注扫描可以包括非增强扫描和螺旋扫描等连续扫描多个期相(或称作时间点)的扫描方式。在一些实施例中，获取的灌注扫描数据可以是连续多个期相的灌注扫描数据，也可以是扫描时间内全部期相的灌注扫描数据。
在一些实施例中，执行灌注扫描之前，可以进行一些扫描准备工作。例如，扫描准备工作可以包括对需要做灌注扫描的患者进行登记注册，录入患者信息，患者信息可以包括患者的姓名、性别、年龄、身高、体重等。在一些实施例中，扫描准备工作还可以包括：设定灌注扫描各阶段的扫描间隔、扫描时间和剂量参数。例如，动脉期的扫描间隔可以设定为1.5s-2s，流入流出期的扫描间隔可以设定为3s-4s，动脉期的扫描时间可以设定为扫描开始后的15s-30s，总扫描时间可以设定为不小于60s。动脉期及流入流出期的扫描间隔、扫描时间和剂量参数可以预先设定于执行主体，也可以由用户设定，还可以通过用户在执行主体给出的参考数据范围内修改的方式实现设定。
在一些实施例中，峰值期相确定模块610可以基于多个期相中每个期相的灌注扫描数据分别进行初步图像重建，以获得每个期相的初步图像重建结果。峰值期相确定模块610可以基于多个期相的初步图像重建结果，建立灌注时间-密度曲线。峰值期相确定模块610可以基于灌注时间-密度曲线，确定峰值期相。关于确定峰值期相的更多细节可以参见图2及其相关描述。在一些实施例中，基于峰值期相的数据进行图像重建和血管分析能够更好的辅助用户进行血管评估(如进行血管闭塞情况的评估)。
步骤120，基于峰值期相的灌注扫描数据进行图像重建，以获得重建结果。在一些实施例中，步骤120可以由图像重建模块620执行。
在一些实施例中，图像重建模块620可以先对峰值期相的灌注扫描数据进行预处理；然后图像重建模块620可以对预处理后的灌注扫描数据进行重建以获得峰值期相的灌注扫描图像；接着图像重建模块620可以对峰值期相的灌注扫描图像进行后处理，继而获得峰值期相的重建结果。关于图像重建的进一步细节可以参见图4及其相关描述。
步骤130，基于重建结果进行血管分析。在一些实施例中，步骤130可以由血管分析模块630执行。
在一些实施例中，血管分析模块630可以基于峰值期相的重建结果自动进行血管分析，以得到血管分析结果。在一些实施例中，血管分析模块630可以对重建结果(如重建后的图像)进行血管分析预处理。血管分析预处理可以包括去除图像中的床板、骨头等图像信息。在一些实施例中，血管分析预处理可以由用户手动执行和/或软件自动执行。例如，血管分析预处理可以通过预处理模型(如机器学习模型)执行。在一些实施例中，血管分析模块630可以对进行预处理后的图像执行血管提取。在血管提取过程中，血管分析模块630可以利用训练好的图像识别模型(如机器学习模型)自动识别血管的中心线和血管轮廓以提取图像中血管的信息(如血管的图像、位置、粗细等)。在一些实施例中，在完成血管提取后，用户可以通过手动编辑血管中心线的方式进行血管提取的确认和/或修改。在一些实施例中，在完成血管提取后(或者用户确认和/或修改后)，血管分析模块630可以基于所提取的血管信息自动进行管腔狭窄度的量化分析，从而完成血管分析步骤，获得血管分析结果。在一些实施例中，血管分析结果可以包括管腔狭窄度的量化分析结果。
在一些实施例中，血管分析结果可以用于供用户(如医生)评估患者血管闭塞情况。在一些实施例中，血管分析模块630可以将血管分析结果上传至影像归档和通信系统(Picture Archiving and Communication Systems，PACS)中。
本申请实施例提供的血管分析方法，可以先自动确定出多个期相中的峰值期相，并仅基于峰值期相的灌注扫描数据进行图像重建获得重建结果，从而基于重建结果进行血管分析。该血管分析方法能够减少不必要的数据处理和分析，减少血管分析评估的耗时，提高评估效率，从而能够有效缩短卒中中心核心指标DNT时间，有利于临床应用。
图2是根据本说明书一些实施例所示的峰值期相确定方法的示例性流程图。如图2所示，峰值期相确定方法200可以包括：
步骤210，基于多个期相中每个期相的灌注扫描数据分别进行初步图像重建，以获得每个期相的初步图像重建结果。在一些实施例中，步骤210可以由图像重建模块620执行。
在一些实施例中，初步图像重建的重建层厚大于步骤120中图像重建的重建层厚。在一些实施例中，步骤120中图像重建的重建层厚可以为1mm；初步图像重建的重建层厚可以为5mm。通过采用更大层厚进行初步图像重建，有利于快速获得各个期相的初步图像重建结果。
在一些实施例中，初步图像重建的重建步骤少于图像重建的重建步骤。在一些实施例中，图像重建模块620可以先对每个期相的灌注扫描数据进行预处理；然后图像重建模块620可以对预处理后的每个期相的灌注扫描数据进行重建以获得每个期相的灌注扫描图像，从而获得初步图像重建的重建结果。关于初步图像重建的进一步细节可以参见图5及其相关描述。通过采用更少的步骤进行初步图像重建(如不进行后处理)，有利于快速获得各个期相的初步图像重建结果。在一些实施例中，初步图像重建可以基于每个期相的压缩的灌注扫描数据进行初步图像重建，从而进一步提升初步图像重建效率。
在一些实施例中，初步图像重建的重建层厚大于步骤120中图像重建的重建层厚，且初步图像重建的重建步骤少于图像重建的重建步骤。
步骤220，基于多个期相的初步图像重建结果，建立灌注时间-密度曲线。在一些实施例中，步骤220可以由峰值期相确定模块610执行。
在一些实施例中，峰值期相确定模块610可以基于多个期相的初步图像重建结果进行灌注分析，从而建立灌注时间-密度曲线。
在一些实施例中，峰值期相确定模块610可以仅基于初步图像重建结果中动脉区域的图像数据建立灌注时间-密度曲线。在一些实施例中，峰值期相确定模块610可以基于多个期相的初步图像重建结果识别动脉区域。峰值期相确定模块610可以进一步基于多个期相的初步图像重建结果中动脉区域的图像数据，建立动脉区域的灌注时间-密度曲线。其中，动脉区域可以为包含了动脉位置的区域。在一些实施例中，动脉区域可以为包含了动脉位置的最小区域。在一些实施例中，峰值期相确定模块610可以利用训练好的动脉区域识别模型(如机器学习模型)识别初步图像重建结果的动脉区域。在一些实施例中，峰值期相确定模块610可以仅对某一个期相(如第一期相)的初步图像重建结果识别动脉区域，并将其他期相中与该期相(如第一期相)动脉区域对应的位置确定为其他期相的动脉区域。通过仅基于初步图像重建结果中动脉区域的图像数据建立灌注时间-密度曲线，可以有效提升灌注时间-密度曲线的建立效率。
步骤230，基于灌注时间-密度曲线，确定峰值期相。在一些实施例中，步骤230可以由峰值期相确定模块610执行。
在一些实施例中，峰值期相确定模块610可以将灌注时间-密度曲线中的峰值时间点所对应的期相确定为峰值期相。图8是根据本说明书一些实施例所示的灌注时间-密度曲线的示意图。灌注时间-密度曲线可以反映对比剂在灌注扫描部位流过的密度相对于时间的关系。以图8所示的灌注时间-密度曲线为例，灌注时间-密度曲线中的峰值时间点810所对应的期相可以被确定为峰值期相。
图3是根据本说明书另一实施例所示的血管分析方法的示例性流程图。
在一些实施例中，步骤110中多个期相的灌注扫描数据可以为感兴趣区域的灌注扫描数据。在一些实施例中，如图3所示，在执行步骤110之前，血管分析系统600(如峰值期相确定模块610)可以执行步骤102-106，以获取感兴趣区域的多个期相的灌注扫描数据。
步骤102，获取参考图像。在一些实施例中，血管分析系统600可以控制灌注扫描设备(如CT设备)对扫描区域进行扫描，以获得参考图像。
步骤104，基于参考图像，获取用户选择的感兴趣区域。
在一些实施例中，血管分析系统600可以将参考图像发送给用户(如医务人员)的终端，用户可以通过终端在参考图像中确定感兴趣区域。例如，用户可以在参考图像中以方框、圆、椭圆、不规则多边形等方式勾勒出需要处理的感兴趣区域。在一些实施例中，用户可以选择动脉区域作为感兴趣区域。血管分析系统600可以获取用户所选择的感兴趣区域。
步骤106，在执行灌注扫描后，获取感兴趣区域的多个期相的灌注扫描数据。在一些实施例中，血管分析系统600可以控制灌注扫描设备仅针对感兴趣区域进行扫描，从而获取感兴趣区域的多个期相的灌注扫描数据。在一些实施例中，血管分析系统600可以对更大范围的扫描区域执行灌注扫描，并在执行灌注扫描后，获取其中的感兴趣区域的多个期相的灌注扫描数据。
在图3所示的实施例中，在步骤110中，峰值期相确定模块610可以基于感兴趣区域的多个期相的灌注扫描数据，确定多个期相中的峰值期相。在步骤120中，图像重建模块620可以基于峰值期相的感兴趣区域的灌注扫描数据进行图像重建，以获得重建结果。在步骤130中，血管分析模块630可以基于重建结果进行血管分析。通过预先确定出感兴趣区域并针对感兴趣区域的灌注扫描数据进行处理、分析，能够有效提升血管分析的效率。
图4是根据本说明书一些实施例所示的图像重建的示例性流程图。在一些实施例中，图像重建流程400可以由图像重建模块620执行。如图4所述，图像重建流程400可以包括：
步骤410，获取灌注扫描数据。在一些实施例中，灌注扫描数据可以为峰值期相的灌注扫描数据。在一些实施例中，灌注扫描数据可以为峰值期相的感兴趣区域的灌注扫描数据。
步骤420，对灌注扫描数据进行预处理。在一些实施例中，对灌注扫描数据预处理可以包括但不限于数据清理、数据集成、数据变换等一种或多种的组合。
步骤430，对预处理后的灌注扫描数据进行重建以获得灌注扫描图像。在一些实施例中，可以对预处理后的峰值期相的灌注扫描数据进行重建以获得峰值期相的灌注扫描图像。在一些实施例中，可以以第一层厚(如1.5mm、1mm、0.5mm等)对预处理后的峰值期相的灌注扫描数据进行重建以获得峰值期相的灌注扫描图像。在一些实施例中，图像重建的方法可以包括滤波反投影(FBP)图像重建方法。
步骤440，对重建获得的图像进行后处理。在一些实施例中，可以对重建获得的峰值期相的灌注扫描图像进行后处理。在一些实施例中，后处理可以包括但不限于增强处理、插值处理、形态学处理、噪声去除等中的一种或几种的组合。在一些实施例中，后处理可以包括增强处理，增强处理可以突出原始图像中某些结构或区域。增强处理可以包括直方图均衡算法、小波变换图像增强算法、偏微分方程图像增强算法、海森矩阵增强算法等中的一种或几种的组合。在一些实施例中，后处理可以包括插值处理，插值处理可以使原始图像中体素大小均匀。在一些实施例中，后处理可以包括形态学处理，形态学处理可以采用具有形态结构的元素去处理原始图像中的形状以达到分析和识别目标的目的。形态学处理方法可以包括但不限于膨胀、腐蚀、开运算、闭运算等中的一种或几种的组合。在一些实施例中，后处理可以包括噪声去除，噪声去除可以去除原始图像中由于机器噪声、目标运动等带来的干扰。噪声去除可以包括但不限于中值滤波、均值滤波等中的一种或几种的组合。在一些实施例中，后处理还可以包括其他任意合理的处理步骤(如去条、校正等)，本申请对此不做限制。
步骤450，获得经过后处理的重建结果。在一些实施例中，重建结果可以包括峰值期相的重建结果。
图5是根据本说明书一些实施例所示的初步图像重建的示例性流程图。在一些实施例中，初步图像重建流程500可以由图像重建模块620执行。如图5所述，初步图像重建流程500可以包括：
步骤510，获取压缩的灌注扫描数据。在一些实施例中，压缩的灌注扫描数据可以包括压缩的每个期相的灌注扫描数据(或者，每个期相的感兴趣区域的灌注扫描数据)。通过对生的灌注扫描数据进行压缩，可以有效降低数据量，提高数据处理效率。在一些实施例中，也可以获取未被压缩的灌注扫描数据。
步骤520，对灌注扫描数据(如压缩的灌注扫描数据)进行预处理。在一些实施例中，对灌注扫描数据预处理可以包括但不限于数据清理、数据集成、数据变换等一种或多种的组合。
步骤530，对预处理后的灌注扫描数据进行重建以获得灌注扫描图像。在一些实施例中，可以对预处理后的每个期相的灌注扫描数据进行重建以获得每个期相的灌注扫描图像。在一些实施例中，可以以第二层厚(如4mm、5mm、6mm等)对预处理后的每个期相的灌注扫描数据进行重建以获得每个期相的灌注扫描图像。在一些实施例中，第二层厚可以大于第一层厚。在一些实施例中，图像重建的方法可以包括滤波反投影(FBP)图像重建方法。
步骤540，获得初步图像重建的重建结果。在一些实施例中，初步图像重建流程500可以不包括后处理步骤，以提高初步图像重建的效率。
图6是根据本说明书一些实施例所示的血管分析系统600的示例性模块图。在一些实施例中，血管分析系统600可以由血管分析设备700(如处理器720)实现。如图6所示，血管分析系统600可以包括峰值期相确定模块610、图像重建模块620和血管分析模块630。
峰值期相确定模块610可以用于确定峰值期相。在一些实施例中，峰值期相确定模块610可以用于基于多个期相的灌注扫描数据，确定多个期相中的峰值期相。在一些实施例中，峰值期相确定模块610可以基于多个期相的初步图像重建结果，建立灌注时间-密度曲线。在一些实施例中，峰值期相确定模块610可以基于灌注时间-密度曲线，确定峰值期相。
图像重建模块620可以用于进行图像重建。在一些实施例中，图像重建模块620可以用于基于峰值期相的灌注扫描数据进行图像重建，以获得重建结果。在一些实施例中，图像重建模块620可以基于多个期相中每个期相的灌注扫描数据分别进行初步图像重建，以获得每个期相的初步图像重建结果。
血管分析模块630可以用于进行血管分析。在一些实施例中，血管分析模块630可以用于基于重建结果进行血管分析。
需要注意的是，以上对于血管分析系统、模块的描述，仅为描述方便，并不能把本申请限制在所举实施例范围之内。可以理解，对于本领域的技术人员来说，在了解该系统的原理后，可能在不背离这一原理的情况下，对各个模块进行任意组合，或者构成子系统与其他模块连接。在一些实施例中，图6中披露的峰值期相确定模块610、图像重建模块620和血管分析模块630可以是一个系统中的不同模块，也可以是一个模块实现上述的两个或两个以上模块的功能。例如，各个模块可以共用一个存储模块，各个模块也可以分别具有各自的存储模块。诸如此类的变形，均在本申请的保护范围之内。
图7是根据本说明书一些实施例所示的血液分析设备700的示例性结构图。如图7所示，血管分析设备700可以包括存储器710、处理器720和通信总线。存储器710和处理器720可以通过通信总线实现通信过程。处理器720可以用于执行本申请上述任一实施例提供的血管分析方法。
在一些实施例中，处理器720可以采用中央处理器、服务器、终端设备或其他任何可能的处理设备来实现。在一些实施例中，上述中央处理器、服务器、终端设备或其他处理设备可以在云平台上实施。在一些实施例中，上述中央处理器、服务器或其他处理设备可以与各种终端设备互联，终端设备可以完成信息处理工作或部分信息处理工作。
在一些实施例中，存储器710(或计算机可读存储介质)可以储存数据和/或指令(如计算机指令)。在一些实施例中，存储器710可以存储预先设定的扫描间隔、扫描时间、剂量参数、预处理程序、后处理程序、图像重建程序等等。
在一些实施例中，存储器710可以存储有计算机指令，处理器720(或计算机)可以通过读取该计算机指令以执行本说明书任一实施例提供的血管分析方法。
在一些实施例中，存储设备可包括大容量存储器、可移动存储器、易失性读写存储器、只读存储器(ROM)等或其任意组合。在一些实施例中，存储设备可在云平台上实现。
本申请实施例可能带来的有益效果包括但不限于：(1)提供一种自动识别峰值期相并拆分出该期相数据进行血管分析的自动化工作流；(2)能够通过多个期相的初步重建结果建立灌注时间-密度曲线，自动定位到峰值期相，并基于该峰值期相的数据进行单期相图像重建和血管分析，从而可以快速准确地向用户提供血管分析结果，辅助用户做出卒中诊疗方案；(3)能够提升一站式脑灌注联合血管分析的自动分析工作流，减少无用数据的重建，节约重建资源，提升自动效率，缩短卒中DNT时间。需要说明的是，不同实施例可能产生的有益效果不同，在不同的实施例里，可能产生的有益效果可以是以上任意一种或几种的组合，也可以是其他任何可能获得的有益效果。
上文已对基本概念做了描述，显然，对于本领域技术人员来说，上述详细披露仅仅作为示例，而并不构成对本申请的限定。虽然此处并没有明确说明，本领域技术人员可能会对本申请进行各种修改、改进和修正。该类修改、改进和修正在本申请中被建议，所以该类修改、改进、修正仍属于本申请示范实施例的精神和范围。
同时，本申请使用了特定词语来描述本申请的实施例。如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本申请至少一个实施例相关的某一特征、结构或特点。因此，应强调并注意的是，本申请中在不同位置两次或多次提及的“一实施例”或“一个实施例”或“一个替代性实施例”并不一定是指同一实施例。此外，本申请的一个或多个实施例中的某些特征、结构或特点可以进行适当的组合。
此外，除非权利要求中明确说明，本申请所述处理元素和序列的顺序、数字字母的使用、或其他名称的使用，并非用于限定本申请流程和方法的顺序。尽管上述披露中通过各种示例讨论了一些目前认为有用的发明实施例，但应当理解的是，该类细节仅起到说明的目的，附加的权利要求并不仅限于披露的实施例，相反，权利要求旨在覆盖所有符合本申请实施例实质和范围的修正和等价组合。例如，虽然以上所描述的系统组件可以通过硬件设备实现，但是也可以只通过软件的解决方案得以实现，如在现有的服务器或移动设备上安装所描述的系统。
同理，应当注意的是，为了简化本申请披露的表述，从而帮助对一个或多个发明实施例的理解，前文对本申请实施例的描述中，有时会将多种特征归并至一个实施例、附图或对其的描述中。但是，这种披露方法并不意味着本申请对象所需要的特征比权利要求中提及的特征多。实际上，实施例的特征要少于上述披露的单个实施例的全部特征。
最后，应当理解的是，本申请中所述实施例仅用以说明本申请实施例的原则。其他的变形也可能属于本申请的范围。因此，作为示例而非限制，本申请实施例的替代配置可视为与本申请的教导一致。相应地，本申请的实施例不仅限于本申请明确介绍和描述的实施例。
Claims (8)
1.一种血管分析方法，其特征在于，包括：
基于多个期相的灌注扫描数据，确定所述多个期相中的峰值期相，具体包括：
基于所述多个期相中每个期相的灌注扫描数据分别进行初步图像重建，以获得每个期相的初步图像重建结果；
基于所述多个期相的初步图像重建结果，识别动脉区域；
基于所述多个期相的初步图像重建结果中所述动脉区域的图像数据，建立所述动脉区域的灌注时间-密度曲线；以及
基于所述灌注时间-密度曲线，确定所述峰值期相；
基于所述峰值期相的灌注扫描数据进行图像重建，以获得重建结果；
基于所述重建结果进行血管分析。
2.如权利要求1所述的血管分析方法，其特征在于，所述初步图像重建的重建层厚大于所述图像重建的重建层厚。
3.如权利要求1所述的血管分析方法，其特征在于，所述初步图像重建的重建步骤少于所述图像重建的重建步骤。
4.如权利要求1所述的血管分析方法，其特征在于，所述灌注扫描数据为感兴趣区域的灌注扫描数据。
5.如权利要求4所述的血管分析方法，其特征在于，所述方法还包括：
获取参考图像；
基于所述参考图像，获取用户选择的感兴趣区域；
在执行灌注扫描后，获取所述感兴趣区域的多个期相的灌注扫描数据。
6.一种血管分析系统，其特征在于，包括峰值期相确定模块、图像重建模块和血管分析模块；
所述峰值期相确定模块用于基于多个期相的灌注扫描数据，确定所述多个期相中的峰值期相，具体包括：
基于所述多个期相中每个期相的灌注扫描数据分别进行初步图像重建，以获得每个期相的初步图像重建结果；
基于所述多个期相的初步图像重建结果，识别动脉区域；
基于所述多个期相的初步图像重建结果中所述动脉区域的图像数据，建立所述动脉区域的灌注时间-密度曲线；以及
基于所述灌注时间-密度曲线，确定所述峰值期相；
所述图像重建模块用于基于所述峰值期相的灌注扫描数据进行图像重建，以获得重建结果；
所述血管分析模块用于基于所述重建结果进行血管分析。
7.一种血管分析设备，包括处理器，其特征在于，所述处理器用于执行如权利要求1-5中任一项所述的血管分析方法。
8.一种计算机可读存储介质，所述存储介质存储计算机指令，当处理器读取存储介质中的计算机指令后，处理器执行如权利要求1-5中任一项所述的血管分析方法。
Priority Applications (4)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111076801.2A CN113616226B (zh) | 2021-09-14 | 2021-09-14 | 一种血管分析方法、系统、设备及存储介质 |
| PCT/CN2022/118843 WO2023040918A1 (en) | 2021-09-14 | 2022-09-14 | Methods and systems for vascular analysis |
| EP22869287.7A EP4329619A4 (en) | 2021-09-14 | 2022-09-14 | VASCULAR ANALYSIS METHODS AND SYSTEMS |
| US18/605,788 US20240260918A1 (en) | 2021-09-14 | 2024-03-14 | Methods and systems for vascular analysis |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111076801.2A CN113616226B (zh) | 2021-09-14 | 2021-09-14 | 一种血管分析方法、系统、设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113616226A CN113616226A (zh) | 2021-11-09 |
| CN113616226B true CN113616226B (zh) | 2023-06-23 |
Family
ID=78389946
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111076801.2A Active CN113616226B (zh) | 2021-09-14 | 2021-09-14 | 一种血管分析方法、系统、设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113616226B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP4329619A4 (en) * | 2021-09-14 | 2024-05-01 | Shanghai United Imaging Healthcare Co., Ltd. | VASCULAR ANALYSIS METHODS AND SYSTEMS |
| CN114334099A (zh) * | 2021-12-27 | 2022-04-12 | 上海联影医疗科技股份有限公司 | 血管显示方法、装置、计算机设备和可读存储介质 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102001790B1 (ko) * | 2018-12-24 | 2019-07-23 | (주)제이엘케이인스펙션 | 인공지능 기반 혈류 구간 분류 방법 및 시스템 |
Family Cites Families (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP4817689B2 (ja) * | 2004-03-31 | 2011-11-16 | 株式会社東芝 | 医用画像処理装置及び医用画像処理プログラム |
| EP2362350B1 (en) * | 2008-05-08 | 2018-03-14 | Oslo Universitetssykehus HF | Automated normalization of cerebral blood volume maps |
| CN101658428A (zh) * | 2008-08-28 | 2010-03-03 | 西门子（中国）有限公司 | 灌注成像技术中对位图进行处理的方法和系统 |
| RU2015120325A (ru) * | 2012-10-31 | 2016-12-20 | Конинклейке Филипс Н.В. | Визуализация перфузии |
| JP6054244B2 (ja) * | 2013-05-13 | 2016-12-27 | 東芝メディカルシステムズ株式会社 | 医用画像解析装置 |
| WO2015041312A1 (ja) * | 2013-09-20 | 2015-03-26 | 国立大学法人旭川医科大学 | 血管内血流動態の画像処理方法及びシステム |
| CN104318567B (zh) * | 2014-10-24 | 2017-05-10 | 东北大学 | 一种基于医学影像分割肾脏血管房室的方法 |
| JP7090546B2 (ja) * | 2015-12-21 | 2022-06-24 | ザ リージェンツ オブ ザ ユニバーシティ オブ カリフォルニア | 灌流デジタルサブトラクション血管造影 |
| CN109431532A (zh) * | 2018-12-25 | 2019-03-08 | 上海联影医疗科技有限公司 | 基于灌注成像的动静脉分离方法及装置和计算机装置 |
| CN113057658B (zh) * | 2021-03-17 | 2023-01-31 | 北京大学深圳医院 | 一种ct灌注成像同步获取高质量cta图像的方法 |
-
2021
- 2021-09-14 CN CN202111076801.2A patent/CN113616226B/zh active Active
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102001790B1 (ko) * | 2018-12-24 | 2019-07-23 | (주)제이엘케이인스펙션 | 인공지능 기반 혈류 구간 분류 방법 및 시스템 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113616226A (zh) | 2021-11-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106682636B (zh) | 血管提取方法及其系统 | |
| CN108511075B (zh) | 一种非侵入式获取血流储备分数的方法和系统 | |
| US20210106299A1 (en) | Method and system for extracting lower limb vasculature | |
| CN113616226B (zh) | 一种血管分析方法、系统、设备及存储介质 | |
| CN110246137B (zh) | 一种成像方法、装置及存储介质 | |
| CN110832540B (zh) | 图像处理系统和方法 | |
| US9646393B2 (en) | Clinically driven image fusion | |
| JP2007275312A (ja) | 解析プロトコルに基づいた前処理装置を備える三次元画像表示装置 | |
| CN114119602B (zh) | 对医学图像进行对象分析的方法、装置和存储介质 | |
| US12026878B2 (en) | Learning method for generating multiphase collateral image and multiphase collateral image generating method using maching learning | |
| CN114596225A (zh) | 一种运动伪影模拟方法和系统 | |
| CN115115657A (zh) | 病灶分割方法及装置、电子设备及存储介质 | |
| US12039718B2 (en) | Inference apparatus, medical apparatus, and program | |
| US10453184B2 (en) | Image processing apparatus and X-ray diagnosis apparatus | |
| CN111627023B (zh) | 一种冠脉投影图像生成的方法、装置及计算机可读介质 | |
| CN110189386B (zh) | 医学图像处理方法、装置、存储介质及计算机设备 | |
| CN113538419B (zh) | 一种图像处理方法和系统 | |
| WO2023040918A1 (en) | Methods and systems for vascular analysis | |
| CN112766333B (zh) | 医学影像处理模型训练方法、医学影像处理方法及装置 | |
| CN118512198A (zh) | 一种灌注分析方法及系统 | |
| CN113706568B (zh) | 图像处理方法及装置 | |
| CN114049282B (zh) | 一种冠状动脉的构建方法、装置、终端及存储介质 | |
| Diaz et al. | Three-Dimensional Reconstruction of Cardiac Structures Using CT Images | |
| Vera et al. | Smart operator for the human liver automatic segmentation, present in medical images | |
| CN113436187B (zh) | 颅脑ct血管造影图像的处理方法、装置、介质及电子设备 |
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 |