CN113712581A - 一种灌注分析方法及系统 - Google Patents
一种灌注分析方法及系统 Download PDFInfo
- Publication number
- CN113712581A CN113712581A CN202111075750.1A CN202111075750A CN113712581A CN 113712581 A CN113712581 A CN 113712581A CN 202111075750 A CN202111075750 A CN 202111075750A CN 113712581 A CN113712581 A CN 113712581A
- Authority
- CN
- China
- Prior art keywords
- perfusion
- time point
- time
- data
- amplitude
- 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
- 230000010412 perfusion Effects 0.000 title claims abstract description 249
- 238000004458 analytical method Methods 0.000 title claims abstract description 84
- 238000000034 method Methods 0.000 claims description 19
- 238000005070 sampling Methods 0.000 claims description 12
- 210000001367 artery Anatomy 0.000 claims description 11
- 238000010801 machine learning Methods 0.000 claims description 4
- 230000008030 elimination Effects 0.000 claims description 2
- 238000003379 elimination reaction Methods 0.000 claims description 2
- 230000005856 abnormality Effects 0.000 description 11
- 239000002872 contrast media Substances 0.000 description 8
- 238000010586 diagram Methods 0.000 description 8
- 238000012549 training Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 6
- 238000013519 translation Methods 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 5
- 238000002591 computed tomography Methods 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 239000008280 blood Substances 0.000 description 4
- 210000004369 blood Anatomy 0.000 description 4
- 230000002490 cerebral effect Effects 0.000 description 4
- 238000002360 preparation method Methods 0.000 description 4
- 230000006854 communication Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 210000001519 tissue Anatomy 0.000 description 3
- 230000006978 adaptation Effects 0.000 description 2
- 210000004556 brain Anatomy 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000002059 diagnostic imaging Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000000712 assembly Effects 0.000 description 1
- 238000000429 assembly Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008081 blood perfusion Effects 0.000 description 1
- 210000004204 blood vessel Anatomy 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000007667 floating Methods 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
- 238000003384 imaging method Methods 0.000 description 1
- 230000010365 information processing 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
- 239000000203 mixture Substances 0.000 description 1
- 210000000056 organ Anatomy 0.000 description 1
- 238000002600 positron emission tomography Methods 0.000 description 1
- 238000003908 quality control method Methods 0.000 description 1
- 210000003625 skull Anatomy 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
- A61B6/507—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 determination of haemodynamic parameters, e.g. perfusion 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]
- A61B6/032—Transmission computed tomography [CT]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Medical Informatics (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Surgery (AREA)
- Public Health (AREA)
- Biophysics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Optics & Photonics (AREA)
- Pathology (AREA)
- Radiology & Medical Imaging (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Molecular Biology (AREA)
- Software Systems (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- High Energy & Nuclear Physics (AREA)
- Veterinary Medicine (AREA)
- General Physics & Mathematics (AREA)
- Dentistry (AREA)
- Pulmonology (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
本说明书实施例提供一种灌注分析方法及系统。灌注分析方法包括:获取多个时间点的灌注扫描数据;基于灌注扫描数据,确定各个时间点的运动幅度是否大于预设幅度;当存在第一时间点的运动幅度大于预设幅度时,根据第一时间点所处的灌注阶段确定是否剔除第一时间点的数据。
Description
技术领域
本说明书涉及扫描诊断技术领域,特别涉及一种灌注分析方法及系统。
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。
由于灌注数据是需要采集连续多个时间点下的数据进行计算的,所以需要各个时间点下的数据在结构上能保持一致,患者不能有较大的运动幅度,就算运动校正后较大幅度的运动也会导致数据无法进行匹配,从而造成计算错误。常规的灌注采集需要至少持续1分钟,采集时间较长,患者身体会存在无法控制的运动,可能导致其中个别时间点出现较大的运动幅度,从而影响计算准确性。现有的灌注扫描中出现较大的运动幅度时,一般由用户自主识别并评估运动情况,人为判断是否可以剔除不合格时间点的数据并重新计算,但需要事先对用户进行培训,培训成本较高,且对用户有较高的要求,人为依赖性较大,会导致数据的准确性不够理想。
因此,有必要提出一种可以实现自动评估运动幅度并剔除不合格数据的灌注分析方法及系统。
发明内容
本说明书实施例之一提供一种灌注分析方法,包括:获取多个时间点的灌注扫描数据;基于所述灌注扫描数据,确定各个时间点的运动幅度是否大于预设幅度;当存在第一时间点的运动幅度大于预设幅度时,根据所述第一时间点所处的灌注阶段确定是否剔除所述第一时间点的数据。
在一些实施例中,所述灌注扫描数据包括灌注扫描图像,所述基于所述灌注扫描数据,确定各个时间点的运动幅度是否大于预设幅度包括:获取各个时间点的灌注扫描图像与其相邻时间点的灌注扫描图像之间的变化量;基于各个时间点与其相邻时间点的所述变化量确定各个时间点的运动幅度是否大于预设幅度。
在一些实施例中,当所述第一时间点与其前后相邻时间点的变化量均大于预设阈值时,判断所述第一时间点的运动幅度大于所述预设幅度。
在一些实施例中,所述灌注扫描数据包括灌注扫描图像,所述基于所述灌注扫描数据,确定各个时间点的运动幅度是否大于预设幅度包括:基于各个时间点的灌注扫描图像,利用训练好的运动幅度异常确定模型确定所述各个时间点的运动幅度是否大于预设幅度,所述运动幅度异常确定模型为机器学习模型。
在一些实施例中,所述灌注阶段包括动脉期和流入流出期;所述根据所述第一时间点所处的灌注阶段确定是否剔除所述第一时间点的数据包括:当所述第一时间点处于所述动脉期时,不剔除所述第一时间点的数据;当所述第一时间点处于所述流入流出期时,剔除所述第一时间点的数据。
在一些实施例中,所述方法还包括:根据所述第一时间点与其相邻时间点的采样间隔时间,确定所述第一时间点所处的灌注阶段,其中:当所述第一时间点与其前后相邻时间点的采样间隔时间均大于预设间隔时间时,确定所述第一时间点处于流入流出期;当所述第一时间与其前后相邻时间点的采样间隔时间中的至少一个小于或等于预设间隔时间时,确定所述第一时间点处于动脉期。
在一些实施例中,所述方法还包括:基于所述多个时间点的灌注扫描数据,确定灌注时间-密度曲线;基于所述时间-密度曲线,确定所述第一时间点所处的灌注阶段。
在一些实施例中,所述基于所述时间-密度曲线,确定所述第一时间点所处的灌注阶段包括:基于所述时间-密度曲线上与所述第一时间点对应的曲线斜率,确定所述第一时间点所处的灌注阶段。
在一些实施例中,所述基于所述时间-密度曲线,确定所述第一时间点所处的灌注阶段包括:基于所述时间-密度曲线确定峰值时间;基于所述第一时间点与所述峰值时间的间隔确定所述第一时间点所处的灌注阶段。
在一些实施例中,当所述第一时间点处于所述动脉期时,还包括:生成提示信息,以提示用户所述第一时间点的相关信息。
在一些实施例中,还包括:基于所述多个时间点的灌注扫描数据,或者剔除了第一时间点后剩余时间点的灌注扫描数据,进行灌注分析,以获得灌注时间-密度曲线和/或灌注参数。
本说明书实施例之一提供一种灌注分析系统,包括获取模块、运动幅度异常确定模块和数据剔除模块;所述获取模块用于获取多个时间点的灌注扫描数据;所述运动幅度确定模块用于基于所述灌注扫描数据,确定各个时间点的运动幅度是否大于预设幅度;所述数据剔除模块用于当存在第一时间点的运动幅度大于预设幅度时,根据所述第一时间点所处的灌注阶段确定是否剔除所述第一时间点的数据。
在一些实施例中,还包括灌注分析模块;所述灌注分析模块用于:基于所述多个时间点的灌注扫描数据,或者剔除了第一时间点后剩余时间点的灌注扫描数据,进行灌注分析,以获得灌注时间-密度曲线和/或灌注参数。
本说明书实施例之一提供一种灌注分析设备,包括处理器,所述处理器用于执行灌注分析方法。
本说明书实施例之一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,当计算机读取存储介质中的计算机指令后,计算机执行灌注分析方法。
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灌注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数据剔除判断方法的示例性流程图;
图3是根据本说明书一些实施例所示的灌注分析系统的示例性模块图;
图4是根据本说明书一些实施例所示的灌注分析设备的示例性结构图;
图5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”、“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灌注分析方法100的示例性流程图。
执行灌注分析方法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,灌注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,ComputerTomography)、核磁共振检查设备(MRI,Nuclear Magnetic Resonance Imaging)、X射线设备、正电子发射计算机断层显示设备(PET,Positron Emission Computed 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,灌注分析方法100可以由灌注分析系统300或灌注分析设备400执行。
在一些实施例中,灌注分析方法100可以包括:
步骤110,获取多个时间点的灌注扫描数据。在一些实施例中,步骤110可以由获取模块310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、重建获得的灌注扫描图像等。在一些实施例中,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时间点的灌注扫描数据,也可以是扫描时间内全部时间点的灌注扫描数据。
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:执行CT参考图像检查。在一些实施例中,用户(如灌注扫描项目的操作者)可以基于参考图像,规划定位层面和灌注扫描的大范围层面(如设定需要扫描的区域)。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。
步骤120,基于灌注扫描数据,确定各个时间点的运动幅度是否大于预设幅度。在一些实施例中,步骤120可以由运动幅度异常确定模块320执行。
某一时间点的运动幅度可以是指扫描部位(如头部、脑部等)在该时间点的运动幅度,扫描部位在某一时间点的运动幅度可以通过该时间点的灌注扫描数据反映。当扫描部位在某一时间点的运动幅度过大时,该时间点的灌注扫描数据会出现异常(如图像出现伪影),或者该时间点的灌注扫描图像中的对象相对于相邻时间点的图像会出现偏离。在一些实施例中,预设幅度可以指扫描部位能够被允许的最大运动幅度。
在一些实施例中,运动幅度异常确定模块320可以获取各个时间点的灌注扫描图像与其相邻时间点的灌注扫描图像之间的变化量,并基于各个时间点与其相邻时间点的变化量确定各个时间点的运动幅度是否大于预设幅度。变化量可以为能够表征某一时间点的灌注扫描图像(如图像中的扫描对象)与其相邻时间点的灌注扫描图像之间区别的特征量。例如,变化量可以包括旋转变量和/或平移变量等。在一些实施例中,变化量可以被表征为旋转变量和平移变量。通过某一时间点的灌注扫描图像与其相邻时间点的灌注扫描图像的旋转变量和平移变量可以用来评估该时间点下的运动幅度是否大于预设幅度。在一些实施例中,运动幅度异常确定模块320可以选择一个时间点的图像作为参考图像,其他时间点(如相邻时间点)的图像作为浮动图像进行配准,从而获得图像之间的旋转变量和平移变量。
在一些实施例中,运动幅度异常确定模块320可以建立变化量的预设阈值,预设阈值可以是指在预设幅度内变化量可以达到的最大量值。在一些实施例中,当某一时间点与其前后相邻时间点的变化量均大于预设阈值时,则确定该时间点的运动幅度大于预设幅度。当某一时间点与其前后相邻时间点的变化量中的至少一个小于或等于预设阈值时,则确定该时间点的运动幅度不大于预设幅度。前相邻时间点是指与该时间点相邻的在该时间点之前的一个时间点,后相邻时间点是指与该时间点相邻的在该时间点之后的一个时间点。在一些实施例中,多个时间点中的第一个时间点和最后一个时间点可以不做判断。
在一些实施例中,预设阈值可以包括在预设幅度内旋转变量和平移变量分别能够达到的最大量值。在一些实施例中,当某一时间点的灌注扫描图像与前后相邻时间点的灌注扫描图像的旋转变量及平移变量均大于对应的预设阈值时,则确定该时间点的运动幅度大于预设幅度。当某一时间点与前后相邻时间点的灌注扫描图像的旋转变量和平移变量中的至少一个小于或等于对应的预设阈值时,则确定该时间点的运动幅度不大于预设幅度。在一些实施例中,当某一时间点的灌注扫描图像与前后相邻时间点的灌注扫描图像的旋转变量及平移变量的至少一个大于对应的预设阈值时,则可以确定该时间点的运动幅度大于预设幅度。当某一时间点与前后相邻时间点的灌注扫描图像的旋转变量和平移变量均小于或等于对应的预设阈值时,则可以确定该时间点的运动幅度不大于预设幅度。在一些实施例中,预设阈值可以由用户(如本领域专家)预先设定。在一些实施例中,预设阈值可以根据历史数据自动确定。
在一些实施例中,变化量可以被表征为两图像之间的互信息,互信息表征两图像之间的相似性。通过某一时间点的灌注扫描图像与其相邻时间点的灌注扫描图像的互信息可以来评估该时间点下的运动幅度。在一些实施例中,预设阈值可以是指在预设幅度内互信息可以达到的最低值(如最低相似度)。当某一时间点的灌注扫描图像与向前相邻时间点及向后相邻时间点的互信息均低于预设阈值时,则可以确定该时间点的运动幅度大于预设幅度。当某一时间点与前后相邻时间点的互信息中的至少一个小于或等于预设阈值时,则可以确定该时间点的运动幅度不大于预设幅度。
在一些实施例中,运动幅度异常确定模块320可以基于各个时间点的灌注扫描图像,利用训练好的运动幅度异常确定模型确定各个时间点的运动幅度是否大于预设幅度。在一些实施例中,运动幅度异常确定模型可以为机器学习模型。在一些实施例中,可以建立训练集对机器学习模型进行训练,以获得训练好的运动幅度异常确定模型。训练集可以包括运动幅度大于预设幅度的扫描图像数据以及运动幅度不大于预设幅度的扫描图像数据,经运动幅度大于预设幅度及运动幅度不大于预设幅度的扫描图像数据训练集进行二分类训练训练好的运动幅度异常确定模型可以用于确定各个时间点的灌注扫描图像的运动幅度是否大于预设幅度。
步骤130,确定是否存在第一时间点的运动幅度大于预设幅度。在一些实施例中,步骤130可以由运动幅度异常确定模块320执行。
在一些实施例中,运动幅度异常确定模块320可以将运动幅度大于预设幅度的时间点确定为第一时间点。例如,当某一时间点与其前后相邻时间点的变化量均大于预设阈值时,则可以确定该时间点为运动幅度大于预设幅度的第一时间点。当存在第一时间点的运动幅度大于预设幅度时,灌注分析系统300可以执行步骤140。
在一些实施例中,当任一时间点的运动幅度均不大于预设幅度时,运动幅度异常确定模块320可以确定不存在第一时间点。当不存在第一时间点时,灌注分析系统300可以执行步骤150。
步骤140,根据第一时间点所处的灌注阶段确定是否剔除第一时间点的数据。在一些实施例中,步骤140可以由数据剔除模块330执行。
在一些实施例中,灌注阶段可以根据注入的造影剂在血管中的流动情况来进行划分。在一些实施例中,灌注阶段可以包括造影剂流向、流出扫描区域(例如,头颅或心脏等人体部分)的流入流出期及造影剂大剂量集中于扫描区域动脉血管的动脉期。在一些实施例中,当第一时间点处于动脉期时,数据剔除模块330可以不剔除第一时间点的数据。在一些实施例中,当第一时间点处于流入流出期时,数据剔除模块330可以剔除第一时间点的数据。关于数据剔除的更多细节可以参见图2及其相关描述。
步骤150,基于多个时间点的灌注扫描数据,或者剔除了第一时间点后剩余时间点的灌注扫描数据,进行灌注分析,以获得灌注时间-密度曲线和/或灌注参数。在一些实施例中,步骤150可以由灌注分析模块340执行。
在一些实施例中,灌注参数可以包括但不限于脑血容量CBF、局部脑血容量CBV、平均通过时间MTT、达峰时间TTP等一种或多种的组合。在一些实施例中,当不存在运动幅度大于预设幅度的第一时间点或者存在第一时间点但没有被剔除时,灌注分析模块340可以基于获取的多个时间点的灌注扫描数据,进行灌注分析,从而获得灌注时间-密度曲线和/或灌注参数。在一些实施例中,当存在可以剔除的运动幅度大于预设幅度的第一时间点时,灌注分析模块340可以基于剔除了第一时间点后的剩余时间点的灌注扫描数据进行灌注分析,从而获得灌注时间-密度曲线和/或灌注参数。在一些实施例中,在基于时间-密度曲线确定第一时间点所处的灌注阶段时,可以先基于多个时间点的灌注扫描数据生成初代时间-密度曲线,基于初代时间-密度曲线去确定第一时间点所处的灌注阶段,当不剔除第一时间点的数据时,灌注分析模块340可以将初代时间-密度曲线确定为最终的时间-密度曲线;当剔除第一时间点时,灌注分析模块340可以重新根据剔除第一时间点后的剩余时间点的灌注扫描数据生成最终的时间-密度曲线。
本申请实施例提供的灌注分析方法,可以通过评估各个时间点的运动幅度确定出运动幅度过大的第一时间点,并根据第一时间点所处的灌注阶段判断是否剔除第一时间点的数据。本申请能够在患者运动幅度过大的情况下自动判断灌注扫描数据的准确性,并分析处理不合格的灌注扫描数据,给用户相对更准确的结果,从而降低对人为判断的依赖,并能够减少对用户的培训成本。
图2是根据本说明书一些实施例所示的数据剔除判断方法的示例性流程图。在一些实施例中,当存在第一时间点的运动幅度大于预设幅度时,灌注分析系统300可以执行数据剔除判断方法200,从而根据第一时间点所处的灌注阶段确定是否剔除第一时间点的数据。在一些实施例中,数据剔除判断方法200中的步骤可以由数据剔除模块330和/或灌注分析模块340执行。
步骤210,根据第一时间点与其相邻时间点的采样间隔时间,确定第一时间点所处的灌注阶段。在一些实施例中,步骤210可以由数据剔除模块330执行。
在一些实施例中,当第一时间点与其前后相邻时间点的采样间隔时间均大于预设间隔时间时,数据剔除模块330可以确定第一时间点处于流入流出期。在一些实施例中,当第一时间与其前后相邻时间点的采样间隔时间中的至少一个小于或等于预设间隔时间时,数据剔除模块330可以确定第一时间点处于动脉期。
在一些实施例中,预设间隔时间可以依据扫描之前设定的扫描间隔时间来设定。由于动脉期扫描间隔时间会小于流入流出期扫描间隔时间,故预设间隔时间可以设定为动脉期扫描间隔时间,也可以设定为略小于流入流出期扫描间隔时间,还可以设定为动脉期扫描间隔时间与流入流出期扫描间隔时间之间的数值。例如,动脉期的扫描间隔时间为1.5s,流入流出期的扫描间隔时间为3s,预设间隔时间可以设定为1.5s,也可以设定为2.9s,还可以设定为2.5s等。
在一些替代性实施例中,预设间隔时间可以设定为流入流出期扫描间隔时间,当第一时间点与其前后相邻时间点的采样间隔时间均等于预设间隔时间时,可以确定第一时间点处于流入流出期;当第一时间与其前后相邻时间点的采样间隔时间中的至少一个小于预设间隔时间时,可以确定第一时间点处于动脉期。
通过根据第一时间点与其相邻时间点的采样间隔时间确定第一时间点所处的灌注阶段,能够快速确定出第一时间点所处阶段,从而能够快速判断是否剔除第一时间点的数据,有效提升了灌注分析的速度和准确度。
在一些实施例中,数据剔除模块330可以执行步骤210以确定第一时间点所处的灌注阶段。在一些实施例中,数据剔除模块330可以执行步骤220和步骤230以确定第一时间点所处的灌注阶段。
步骤220,基于多个时间点的灌注扫描数据,确定灌注时间-密度曲线(TimeAttenuation Curve,TAC)。
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。图5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。如图5所示,在灌注扫描的过程中,对比剂在灌注扫描部位(如脑部)的密度随着时间会先增大后减小。
步骤230,基于时间-密度曲线,确定第一时间点所处的灌注阶段。
在一些实施例中,数据剔除模块330可以基于时间-密度曲线上与第一时间点对应的曲线斜率,确定第一时间点所处的灌注阶段。其中,时间-密度曲线可以为经过平滑处理后的曲线。在一些实施例中,数据剔除模块330可以根据时间-密度曲线上第一时间点的对应点的斜率绝对值大小来确定第一时间点所处的灌注阶段。例如,当第一时间点的对应点斜率绝对值大于预设阈值(如1、1.5等)时确定第一时间点处于动脉期,当第一时间点的对应点斜率绝对值小于或等于预设阈值时确定第一时间点处于流入流出期。在一些实施例中,当第一时间点的对应点斜率等于0时,可以确定第一时间点处于峰值,即第一时间点也处于动脉期。根据图5所示的灌注时间-密度曲线可以看出,在动脉期时时间-密度曲线变化较快,斜率绝对值较大;而在流入流出期时时间-密度曲线变化较缓,斜率绝对值较小。通过基于时间-密度曲线上与第一时间点对应的曲线斜率,能够快速、准确的确定第一时间点所处的灌注阶段。
在一些实施例中,数据剔除模块330可以根据时间-密度曲线确定峰值时间,并基于第一时间点与峰值时间的间隔确定第一时间点所处的灌注阶段。例如,数据剔除模块330可以将时间-密度曲线上峰值点的对应时间确定为峰值时间,在一些实施例中,数据剔除模块330可以根据第一时间点与峰值时间的间隔大小来确定第一时间所处的灌注阶段。例如,当第一时间点与峰值时间的间隔小于或等于10s时,确定第一时间点处于动脉期,当第一时间点与峰值时间的间隔大于10s时,确定第一时间点处于流入流出期。在一些实施例中,数据剔除模块330可以根据第一时间点与峰值时间的向前间隔及向后间隔大小来确定第一时间所处的灌注阶段。例如,将与峰值时间向前间隔15s至向后间隔5s范围内的时间点确定为位于动脉期,不位于该时间范围内的第一时间点确定为位于流入流出期。这种灵活划分动脉期的方式有利于适应各个患者的造影剂流入动脉耗时的不同。通过基于第一时间点与峰值时间的间隔确定第一时间点所处的灌注阶段,可以使得确定过程更快、确定结果更准确。
步骤240,确定第一时间点是否处于动脉期。在一些实施例中,步骤210可以由数据剔除模块330执行。
当确定第一时间点不处于动脉期(如处于流入流出期)时,则数据剔除模块330可以执行步骤250:剔除第一时间点的数据。通过剔除不处于动脉期的第一时间点的数据,可以避免第一时间点数据的不准确影响到整体计算的准确。在剔除了第一时间点的数据后,灌注分析系统300可以执行步骤260。
当确定第一时间点处于动脉期时,数据剔除模块330可以执行步骤270:不剔除第一时间点的数据。通过不剔除处于动脉期的第一时间点的数据,可以避免处于动脉期的第一时间点被剔除后动脉期的扫描间隔过大导致数据产生严重质量问题而影响计算结果的准确。在确定不剔除第一时间点的数据后,灌注分析系统300可以执行步骤280和/或步骤290。
步骤260,基于剔除了第一时间点后剩余时间点的灌注扫描数据,进行灌注分析,以获得灌注时间-密度曲线和/或灌注参数。在一些实施例中,步骤260可以由灌注分析模块340执行。
步骤280,基于多个时间点的灌注扫描数据,进行灌注分析,以获得灌注时间-密度曲线和/或灌注参数。在一些实施例中,步骤280可以由灌注分析模块340执行。在一些实施例中,当存在第一时间点且第一时间点的数据没有被剔除时,灌注分析模块340可以基于步骤110中所获取的多个时间点的灌注扫描数据进行灌注分析。
步骤290,生成提示信息,以提示用户第一时间点的相关信息。在一些实施例中,步骤290可以由灌注分析系统300(如灌注分析模块340)执行。
在一些实施例中,提示信息可以包括以下信息中的一种或多种:第一时间点存在的告知信息、第一时间点的时间信息、第一时间点的灌注扫描图像信息、第一时间点处于时间-密度曲线的位置信息、第一时间点的运动幅度大于预设幅度的信息、由于第一时间点的存在可能导致结果不准确的信息等。在一些实施例中,提示信息的展示形式可以包括但不限于语音提示、动画提示、图像提示、文字提示、弹窗提示等中的一种或多种的组合。通过提示信息向用户提示第一时间点的相关信息,可以使用户了解存在第一时间点的运动幅度较大,从而辅助用户做出正确的分析、判断。在一些实施例中,灌注分析系统300可以在展示提示信息的同时向用户展示可选的操作信息。例如,可选的操作信息可以包括删除第一时间点、重新执行灌注扫描、重新执行灌注分析等。
图3是根据本说明书一些实施例所示的灌注分析系统300的示例性模块图。在一些实施例中,灌注分析系统300可以由灌注分析设备400(如处理器420)实现。如图3所示,灌注分析系统300可以包括获取模块310、运动幅度异常确定模块320、数据剔除模块330和灌注分析模块340。
获取模块310可以用于获取灌注分析过程中的数据和/或信息。在一些实施例中,获取模块310可以用于获取多个时间点的灌注扫描数据。
运动幅度异常确定模块320可以用于确定某时间点的运动幅度是否异常。在一些实施例中,运动幅度异常确定模块320可以基于灌注扫描数据,确定各个时间点的运动幅度是否大于预设幅度。在一些实施例中,运动幅度异常确定模块320可以获取各个时间点的灌注扫描图像与其相邻时间点的灌注扫描图像之间的变化量,并基于各个时间点与其相邻时间点的变化量确定各个时间点的运动幅度是否大于预设幅度。
数据剔除模块330可以用于判读并剔除数据。在一些实施例中,数据剔除模块330可以根据第一时间点所处的灌注阶段确定是否剔除第一时间点的数据。在一些实施例中,当第一时间点处于动脉期时,数据剔除模块330可以不剔除第一时间点的数据。在一些实施例中,当第一时间点处于流入流出期时,数据剔除模块330可以剔除第一时间点的数据。
灌注分析模块340可以用于执行灌注分析操作。在一些实施例中,灌注分析模块340可以用于基于多个时间点的灌注扫描数据,或者剔除了第一时间点后剩余时间点的灌注扫描数据,进行灌注分析,以获得灌注时间-密度曲线和/或灌注参数。
需要注意的是,以上对于灌注分析系统、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3中披露的获取模块310、运动幅度异常确定模块320、数据剔除模块330和灌注分析模块340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4是根据本说明书一些实施例所示的灌注分析设备400的示例性结构图。如图4所示,灌注分析设备400可以包括存储器410、处理器420和通信总线。存储器410和处理器420可以通过通信总线实现通信过程。处理器420可以用于执行本申请上述任一实施例提供的灌注分析方法。
在一些实施例中,处理器420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410(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410可以存储预先设定的扫描间隔、扫描时间、剂量参数、预设幅度、预设阈值、预设间隔时间及运动幅度异常确定模型训练集等等。在一些实施例中,存储器410可以存储有计算机指令,处理器420(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灌注分析方法。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)提出一种自动化灌注分析工作流,可自动评估各个时间点灌注运动情况,并根据时间点所在的造影剂快速流入流出期的阶段自动判断是否可删除该时间点;(2)灌注分析方法可在由于患者原因和数据质量控制不合格的情况下,通过自动判断评估和处理分析,给到用户相对更准确的结果;(3)该灌注分析方法可提升处理工作流,降低对用户经验的依赖,降低培训成本;(4)该灌注分析方法一定程度上可以降低由于数据不合格用户经验有限导致的重新扫描情况,降低患者剂量。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 (10)
1.一种灌注分析方法,其特征在于,包括:
获取多个时间点的灌注扫描数据;
基于所述灌注扫描数据,确定各个时间点的运动幅度是否大于预设幅度;
当存在第一时间点的运动幅度大于预设幅度时,根据所述第一时间点所处的灌注阶段确定是否剔除所述第一时间点的数据。
2.如权利要求1所述的灌注分析方法,其特征在于,所述灌注扫描数据包括灌注扫描图像,所述基于所述灌注扫描数据,确定各个时间点的运动幅度是否大于预设幅度包括:
获取各个时间点的灌注扫描图像与其相邻时间点的灌注扫描图像之间的变化量;以及
基于各个时间点与其相邻时间点的所述变化量确定各个时间点的运动幅度是否大于预设幅度;或者,
基于各个时间点的灌注扫描图像,利用训练好的运动幅度异常确定模型确定所述各个时间点的运动幅度是否大于预设幅度,所述运动幅度异常确定模型为机器学习模型。
3.如权利要求1所述的灌注分析方法,其特征在于,所述灌注阶段包括动脉期和流入流出期;所述根据所述第一时间点所处的灌注阶段确定是否剔除所述第一时间点的数据包括:
当所述第一时间点处于所述动脉期时,不剔除所述第一时间点的数据;
当所述第一时间点处于所述流入流出期时,剔除所述第一时间点的数据。
4.如权利要求3所述的灌注分析方法,其特征在于,所述方法还包括:
根据所述第一时间点与其相邻时间点的采样间隔时间,确定所述第一时间点所处的灌注阶段,其中:
当所述第一时间点与其前后相邻时间点的采样间隔时间均大于预设间隔时间时,确定所述第一时间点处于流入流出期;
当所述第一时间与其前后相邻时间点的采样间隔时间中的至少一个小于或等于预设间隔时间时,确定所述第一时间点处于动脉期。
5.如权利要求3所述的灌注分析方法,其特征在于,所述方法还包括:
基于所述多个时间点的灌注扫描数据,确定灌注时间-密度曲线;
基于所述时间-密度曲线,确定所述第一时间点所处的灌注阶段,具体包括:
基于所述时间-密度曲线上与所述第一时间点对应的曲线斜率,确定所述第一时间点所处的灌注阶段;或者,
基于所述时间-密度曲线确定峰值时间;以及
基于所述第一时间点与所述峰值时间的间隔确定所述第一时间点所处的灌注阶段。
6.如权利要求3所述的灌注分析方法,其特征在于,当所述第一时间点处于所述动脉期时,还包括:
生成提示信息,以提示用户所述第一时间点的相关信息。
7.如权利要求1所述的灌注分析方法,其特征在于,还包括:
基于所述多个时间点的灌注扫描数据,或者剔除了第一时间点后剩余时间点的灌注扫描数据,进行灌注分析,以获得灌注时间-密度曲线和/或灌注参数。
8.一种灌注分析系统,其特征在于,包括获取模块、运动幅度异常确定模块和数据剔除模块;
所述获取模块用于获取多个时间点的灌注扫描数据;
所述运动幅度确定模块用于基于所述灌注扫描数据,确定各个时间点的运动幅度是否大于预设幅度;
所述数据剔除模块用于当存在第一时间点的运动幅度大于预设幅度时,根据所述第一时间点所处的灌注阶段确定是否剔除所述第一时间点的数据。
9.一种灌注分析设备,包括处理器,其特征在于,所述处理器用于执行如权利要求1-7中任一项所述的灌注分析方法。
10.一种计算机可读存储介质,所述存储介质存储计算机指令,当计算机读取存储介质中的计算机指令后,计算机执行如权利要求1-7中任一项所述的灌注分析方法。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111075750.1A CN113712581B (zh) | 2021-09-14 | 2021-09-14 | 一种灌注分析方法及系统 |
EP22869287.7A EP4329619A4 (en) | 2021-09-14 | 2022-09-14 | VASCULAR ANALYSIS METHODS AND SYSTEMS |
PCT/CN2022/118843 WO2023040918A1 (en) | 2021-09-14 | 2022-09-14 | Methods and systems for vascular analysis |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111075750.1A CN113712581B (zh) | 2021-09-14 | 2021-09-14 | 一种灌注分析方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113712581A true CN113712581A (zh) | 2021-11-30 |
CN113712581B CN113712581B (zh) | 2024-04-16 |
Family
ID=78683634
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111075750.1A Active CN113712581B (zh) | 2021-09-14 | 2021-09-14 | 一种灌注分析方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113712581B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114359262A (zh) * | 2022-02-28 | 2022-04-15 | 华中科技大学同济医学院附属协和医院 | 一种基于灌注图像获得流出效应参数的装置和方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6132380A (en) * | 1998-09-16 | 2000-10-17 | Massachusetts Institute Of Technology | Method and apparatus for measuring perfusion of biological tissue by blood |
CN1891152A (zh) * | 2006-05-26 | 2007-01-10 | 北京思创贯宇科技开发有限公司 | 基于X-ray投影图像的灌注分析 |
CN103839249A (zh) * | 2012-11-23 | 2014-06-04 | 上海联影医疗科技有限公司 | Ct肝灌注的图像后处理方法和ct肝灌注方法 |
US20190015061A1 (en) * | 2015-12-21 | 2019-01-17 | The Regents Of The University Of California | Perfusion digital subtraction angiography |
CN111833314A (zh) * | 2020-06-22 | 2020-10-27 | 中国科学院西安光学精密机械研究所 | 一种运动状态下皮肤血流灌注非接触监测方法及监测系统 |
CN112712523A (zh) * | 2021-02-05 | 2021-04-27 | 南京钺曦医疗科技有限公司 | 一种自动脑灌注数据动脉候选血管筛选方法 |
CN112785588A (zh) * | 2021-02-05 | 2021-05-11 | 南京钺曦医疗科技有限公司 | 一种ct与mr脑灌注数据的运动幅度自动估计方法 |
-
2021
- 2021-09-14 CN CN202111075750.1A patent/CN113712581B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6132380A (en) * | 1998-09-16 | 2000-10-17 | Massachusetts Institute Of Technology | Method and apparatus for measuring perfusion of biological tissue by blood |
CN1891152A (zh) * | 2006-05-26 | 2007-01-10 | 北京思创贯宇科技开发有限公司 | 基于X-ray投影图像的灌注分析 |
CN103839249A (zh) * | 2012-11-23 | 2014-06-04 | 上海联影医疗科技有限公司 | Ct肝灌注的图像后处理方法和ct肝灌注方法 |
US20190015061A1 (en) * | 2015-12-21 | 2019-01-17 | The Regents Of The University Of California | Perfusion digital subtraction angiography |
CN111833314A (zh) * | 2020-06-22 | 2020-10-27 | 中国科学院西安光学精密机械研究所 | 一种运动状态下皮肤血流灌注非接触监测方法及监测系统 |
CN112712523A (zh) * | 2021-02-05 | 2021-04-27 | 南京钺曦医疗科技有限公司 | 一种自动脑灌注数据动脉候选血管筛选方法 |
CN112785588A (zh) * | 2021-02-05 | 2021-05-11 | 南京钺曦医疗科技有限公司 | 一种ct与mr脑灌注数据的运动幅度自动估计方法 |
Non-Patent Citations (2)
Title |
---|
刘婷: "CTA心肌灌注分析", 甘肃医药, vol. 36, no. 8, 31 August 2017 (2017-08-31), pages 631 - 634 * |
裴飞 等: "运动预处理对脑缺血再灌注大鼠VEGF、NeuN蛋白表达的影响", 康复学报, vol. 31, no. 1, pages 37 - 43 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114359262A (zh) * | 2022-02-28 | 2022-04-15 | 华中科技大学同济医学院附属协和医院 | 一种基于灌注图像获得流出效应参数的装置和方法 |
CN114359262B (zh) * | 2022-02-28 | 2022-06-07 | 华中科技大学同济医学院附属协和医院 | 一种基于灌注图像获得流出效应参数的装置和方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113712581B (zh) | 2024-04-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105022719B (zh) | 医学造影系统及方法 | |
KR101554272B1 (ko) | 파노라마 엑스선 사진을 이용한 진단 지원 시스템, 및 파노라마 엑스선 사진을 이용한 진단 지원 프로그램 | |
JP5555695B2 (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 | |
EP2427866B1 (en) | Automatic assessment of confidence in imaging data | |
CN102165455B (zh) | 灌注成像 | |
US7813536B2 (en) | Image measuring apparatus and method, and image measuring system for glomerular filtration rate | |
US10470677B2 (en) | Artificially intelligent ejection fraction determination | |
US8825139B2 (en) | Method for automatic detection of a contrast agent inflow in a blood vessel of a patient with a CT system and CT system for carrying out this method | |
JP2009225850A (ja) | 画像処理装置及びx線コンピュータ断層撮影装置 | |
US20150260819A1 (en) | Transfer of validated cad training data to amended mr contrast levels | |
CN110574121A (zh) | 血流储备分数模拟参数的定制、校准和/或训练 | |
CN110473226B (zh) | 图像处理网络的训练方法、计算机设备及可读存储介质 | |
US20210128820A1 (en) | Methods and systems for adaptive timing of a second contrast bolus | |
US11963815B2 (en) | Methods and systems for an adaptive contrast scan | |
CN113329688B (zh) | 用于确定组织体素的特征的方法、系统和计算机可读介质 | |
CN114098780A (zh) | Ct扫描方法、装置、电子装置和存储介质 | |
CN110503698A (zh) | 确定成像模态和其的参数的方法,装置和成像系统 | |
US8229198B2 (en) | Method for creating image recordings relating to the blood vessel system of a patient using a variable-position detector of a digital subtraction angiography facility and associated facility | |
WO2005104936A1 (en) | Method and system of obtaining improved data in perfusion measurements | |
JP2005152656A (ja) | 心臓の表示方法及び装置 | |
CN113712581B (zh) | 一种灌注分析方法及系统 | |
CN113616226A (zh) | 一种血管分析方法、系统、设备及存储介质 | |
JP2007175399A (ja) | X線ct装置及びその制御方法 | |
CN113538419B (zh) | 一种图像处理方法和系统 | |
CN111035403A (zh) | 一种扫描时机确定方法、装置、设备及存储介质 |
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 |