CN113870117A - 获取脑ct灌注参数图的方法、装置、系统和计算机存储介质 - Google Patents

获取脑ct灌注参数图的方法、装置、系统和计算机存储介质 Download PDF

Info

Publication number
CN113870117A
CN113870117A CN202110960651.5A CN202110960651A CN113870117A CN 113870117 A CN113870117 A CN 113870117A CN 202110960651 A CN202110960651 A CN 202110960651A CN 113870117 A CN113870117 A CN 113870117A
Authority
CN
China
Prior art keywords
perfusion
layer sequence
image
optimal candidate
candidate layer
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.)
Pending
Application number
CN202110960651.5A
Other languages
English (en)
Inventor
史文飞
何京松
刘欣
鲁伟
李秋婷
向建平
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.)
Arteryflow Technology Co ltd
Original Assignee
Arteryflow Technology 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 Arteryflow Technology Co ltd filed Critical Arteryflow Technology Co ltd
Priority to CN202110960651.5A priority Critical patent/CN113870117A/zh
Publication of CN113870117A publication Critical patent/CN113870117A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00—Geometric image transformations in the plane of the image
    • G06T3/60—Rotation of whole images or parts thereof
    • G06T3/608—Rotation of whole images or parts thereof by skew deformation, e.g. two-pass or three-pass rotation
    • 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
    • A61B6/48—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
    • A61B6/50—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
    • A61B6/501—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 the head, e.g. neuroimaging or craniography
    • 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
    • A61B6/52—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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/136—Segmentation; Edge detection involving thresholding
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
    • 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
    • G06T7/66—Analysis of geometric attributes of image moments or centre of gravity
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20212—Image combination
    • G06T2207/20224—Image subtraction
    • 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)
  • Life Sciences & Earth Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Medical Informatics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Radiology & Medical Imaging (AREA)
  • Surgery (AREA)
  • High Energy & Nuclear Physics (AREA)
  • Veterinary Medicine (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Optics & Photonics (AREA)
  • Pathology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Molecular Biology (AREA)
  • Biophysics (AREA)
  • Animal Behavior & Ethology (AREA)
  • General Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Dentistry (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Geometry (AREA)
  • Neurology (AREA)
  • Neurosurgery (AREA)
  • Pulmonology (AREA)
  • Apparatus For Radiation Diagnosis (AREA)

Abstract

本申请涉及一种获取脑CT灌注参数图的方法、装置、系统和计算机存储介质，所述方法包括获得原始的CT灌注影像，对所述CT灌注影像校正处理，对CT灌注影像进行后处理，得到脑CT灌注参数图，所述校正处理包括：筛选原始的CT灌注影像，获得最佳候选层序列；对所述最佳候选层序列进行质心计算，获得质心坐标，通过质心坐标确定各个时刻下所述最佳候选层序列的中轴线；根据最佳候选层序列计算得出修正角度；按照修正角度对所述最佳候选层序列进行图像校正，基于最佳候选层各个时刻下的中轴线修正CT灌注影像。本申请通过优化CT灌注影像的校正处理，提高了校正处理结果的准确性、避免了对后处理计算结果偏差的影响、提高了获取脑CT灌注参数图的效率。

Description

获取脑CT灌注参数图的方法、装置、系统和计算机存储介质
技术领域
本申请涉及图像处理和医疗工程交叉技术领域，特别是涉及一种获取脑CT 灌注参数图的方法、装置、系统和计算机存储介质。
背景技术
脑部疾病是当今威胁人类生命健康的主要疾病，尤其是脑卒中及脑部肿瘤。 以脑卒中为例在全世界范围内每年约有570万人因脑卒中而失去生命，卒中已 经成为了继缺血性心脏病之后的第二大致死病因，而且其致残率也相当高。在 我国，据最新的数据统计40岁以上居民脑卒中患病人数约为1242万，每年约 有196万人因脑卒中死亡。脑部疾病造成的直接和间接的医疗开支以及损失也 给世界各国带来了沉重的经济负担，因此如何对脑部疾病进行预防、治疗和康 复成为了摆在全世界面前的一个艰巨问题。
脑部卒中存在一个最佳治疗时间，在这个时间段内进行治疗的患者，预后 能够得到明显的改善。但在我国有能力进行全天候脑部神经检查和治疗的医学 中心有限，患者由于得不到及时的诊断和救治而出现死亡。因此，如何能够快 速、准确地定位病灶，获得有价值的病理情况，成为了治疗脑部疾病的关键。 随着医疗影像技术的飞速发展，CT、MRI、DSA等成像方法应用到脑部疾病的 诊断。进行多模式影像(CT平扫、增强CT、CTA、PWI、DWI、MRA)检查 后，以组织窗换取时间窗，换取尽量多的施救时间，对脑部疾病的治疗具有极 高的临床意义。当前，临床上对于组织血流检测的主要方法有SPECT、PET等。 由于这些设备不仅价格昂贵，而且还需要一些辅助设备，大大限制了它们的普 及和推广。而CT成像设备具有费用低、操作简单的优势，在我国各级医院较 为普及。
基于此，研究如何使用CT成像方法对脑部疾病进行快速、准确的诊断具 有重要的现实意义。但是，临床医护人员对CT影像的诊断往往依据的是自己 的经验判断，一方面对医护人员的经验要求较高，另一方面由于判断方法依据 的是影像形态学信息，缺少客观的数据支持，容易造成误诊、漏诊等情况出现。 CT脑灌注造影成像是脑部功能成像的方法，该方法的基本理论基础是示踪剂稀 释理论，即对比剂与影像的HU值成一定的线性关系，能够很好的解决脑部缺 血区域定量检测的问题。基于去卷积、贝叶斯、傅里叶等算法可以计算出脑组 织血流量(CBF，Cerebral Blood Flow)、血容量(CBV，Cerebral Blood Volume)、平均传输时间(MTT，Mean Transit Time)、峰值时间(TTP，Time To Peak)等 参数，医生通过对上述参数图进行分析进而对患者脑部缺血、梗死区域进行判 断，从而为下一步的溶栓手术提供指导。
一般而言，脑灌注参数图的生成可分为如下几个过程：原始CT灌注影像、 运动校正、CT灌注影像滤波、脑组织提取、动静脉点自动查找、残余函数求解、 缺血和梗死核心计算、参数图平滑等过程。在CT扫描过程中，由于所有CT 灌注影像可能不是完全放正，影响梗死核心的判断结果。此外，在获得原始CT 灌注影像的过程中，患者头部无意识晃动也使得不同时刻的CT灌注影像方位 偏移，造成后续残余函数的求解误差。
现有技术中采用校正算法的校正结果不准确，易引起动、静脉组织时间浓 度衰减曲线发生错位，进而导致后续一系列计算误差的出现。并且，现有技术 中采用的校正算法泛化性不高，适用情况局限，耗费时间长，且仅仅适用于某 种特定影像的校正而且需要特定的模板，大大降低了效率。
发明内容
为解决现有技术在获取脑CT灌注参数图的过程中，CT图像校正的结果不 准确、泛化性不高、适用情况局限、耗时长效率低，以及影响校正后处理的准 确度(如动、静脉组织时间浓度衰减曲线错位，梗死核心区域判断偏差或错误， 残余函数求解误差)的问题，本申请提供一种获取脑CT灌注参数图的方法。
本申请获取脑CT灌注参数图的方法，包括获得原始的CT灌注影像，对所 述CT灌注影像校正处理，对经过校正处理的CT灌注影像进行后处理，得到脑 CT灌注参数图，所述校正处理具体包括：
筛选原始的CT灌注影像，获得最佳候选层序列；
对所述最佳候选层序列进行质心计算，获得最佳候选层序列的质心坐标， 通过质心坐标确定各个时刻下所述最佳候选层序列的中轴线；
根据最佳候选层序列计算得出修正角度；
按照修正角度对所述最佳候选层序列进行图像校正，基于最佳候选层各个 时刻下的中轴线修正CT灌注影像。
可选的，所述后处理包括对经过校正处理的CT灌注影像依次进行的脑组 织提取、残余函数求解和梗死核心区域判断。
可选的，所述筛选原始的CT灌注影像，获得最佳候选层序列，具体包括：
提取所述CT灌注影像的颅内区域，所述颅内区域包括颅骨区域；
提取所述颅内区域的前n个连通域，n为自然数；
对CT灌注影像进行修补处理和/或剔除处理，获得CT灌注影像的选择样 本；
在所述选择样本中将颅内最大面积层的CT灌注影像作为最佳候选层序列。
可选的，所述修补处理包括：
构建像素值为全一的二值图像，所述二值图像与所述CT灌注影像的分辨 率相同；
将所述二值图像与所述颅内区域求差；
对求差后的二值图像提取颅内区域的前n个连通域，获得基于连通域的二 值图像；
将所述像素值为全一的二值图像与基于连通域的二值图像做差。
可选的，所述剔除处理包括：
在CT灌注影像中，计算颅内区域和颅骨外区域之间的连通域个数；
剔除连通域个数大于二或者小于一的CT灌注影像。
可选的，对所述最佳候选层序列进行质心计算，具体包括：
将所述最佳候选层序列的颅内区域的像素值全部填充为一；
对填充后的最佳候选层序列进行质心计算，获得最佳候选层序列的质心坐 标。
可选的，所述根据最佳候选层序列计算得出修正角度，具体包括
按照固定角度步长计算各个时刻下最佳候选层序列在各个不同角度下左、 右边缘与质心的距离并求差；
对所求差值取绝对值并进行累加，通过对比大小获得所述差值的最小累加 和；
依据所述最小累加和确定修正角度。
本申请还提供一种获取脑CT灌注参数图的装置，所述装置包括：
获取模块，用于获得原始的CT灌注影像；
筛选模块，用于筛选原始的CT灌注影像，获得最佳候选层序列；
质心计算模块，用于对所述最佳候选层序列进行质心计算，获得最佳候选 层序列的质心坐标，通过质心坐标确定各个时刻下所述最佳候选层序列的中轴 线；
修正角度计算模块，根据最佳候选层序列计算得出修正角度；
图像校正模块，按照修正角度对所述最佳候选层序列进行图像校正，基于 最佳候选层各个时刻下的中轴线修正CT灌注影像；
后处理模块，对经过校正处理的CT灌注影像进行后处理，得到脑CT灌注 参数图。
本申请还提供一种获取脑CT灌注参数图的系统，包括终端以及服务器， 所述服务器包括计算机存储器、计算机处理器、以及存储在所述计算机存储器 中并可在所述计算机处理器上执行的计算机程序，所述服务器从终端获取获得 原始的CT灌注影像；
所述计算机处理器执行所述计算机程序时，实现本申请所述的获取脑CT 灌注参数图的方法。
本申请还提供一种计算机可读存储介质，所述计算机可读存储介质存储有 计算机程序，所述计算机程序被计算机处理器执行时实现本申请所述的获取脑 CT灌注参数图的方法。
本申请获取脑CT灌注参数图的方法至少具有以下效果：
本申请通过优化CT灌注影像的校正处理，提高了校正处理结果的准确性、 避免了对后处理计算结果偏差的影响、提高了获取脑CT灌注参数图的效率， 具体包括：
通过筛选CT灌注影像，获得CT灌注影像的最佳候选层，保证了样本的可 靠性；通过质心计算，得到最佳候选层的质心坐标和中轴线，通过修正角度对 CT灌注影像进行修正，提高了获取脑CT灌注参数图的效率；最终避免了对后 处理计算结果偏差的影响。
附图说明
图1为本申请一实施例中获取的原始CT灌注影像图；
图2为本申请一实施例中获取的原始CT灌注影像图；
图3为本申请一实施例中获取脑CT灌注参数图的方法流程示意图；
图4为本申请一实施例中对CT灌注影像校正处理的流程示意图；
图5为本申请一实施例中的CT灌注影像筛选处理说明示意图；
图6为本申请一实施例中的CT灌注影像筛选处理说明示意图；
图7为图4所示的步骤S23中的计算方式的说明示意图；
图8为图3所示的流程中获取的原始CT灌注影像图；
图9为图4所示的流程中获得校正后的CT灌注影像图。
图10为本申请一实施例中计算机设备的内部结构图。
具体实施方式
现有技术获取脑CT灌注参数图的方法在CT扫描过程中，存在所有CT灌 注影像不是完全放正的现象，例如图1所示的第5时刻第16～19层原始CT灌 注影像。而梗死核心判断的主要依据的是rCBF(血流量低于对侧的30％，判定 为梗死核心区域)，因此，如果图像没有完全放正，则会在计算梗死核心时引入 较大的误差。此外，由于患者头部无意识的晃动，使得某一段时间内CT灌注 影像与其它时间段影像的方位发生偏移，例如图2所示的第3～6时刻第15层原 始CT灌注影像，进而造成后续残余函数的求解误差。因此，通过一定的方法将所有CT灌注影像完全放正对于准确计算患者脑组织各项参数具有十分重要 的意义。
然而，现有技术中校正算法的校正结果存在不准确的问题，易引起动、静 脉组织时间浓度衰减曲线发生错位，进而导致后续一系列计算误差的出现。并 且，现有技术中的校正算法泛化性不高，适用情况局限，仅仅适用于某种特定 影像的校正而且需要特定的模板，大大降低了效率。此外，由于脑灌注影像分 辨率高、层数多并且拥有数十个时间项，现有技术中的校正算法完成所有序列 的校正需要数十分钟不等，这大大降低了脑中风患者治愈的机率。
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用 以解释本申请，并不用于限定本申请。
为解决上述技术问题，参阅图3，本申请一实施例中提供一种生成脑CT 灌注参数图的方法，包括：
步骤S10，获得原始的CT灌注影像。可以理解，原始的CT灌注影像由现 有技术的医学成像技术获得。
步骤S20，对CT灌注影像校正处理。参阅图4，校正处理具体包括步骤 S21～步骤S24。
步骤S21，筛选原始的CT灌注影像，获得最佳候选层序列。
可以理解，CT灌注影像筛选的主要目的是从所有CT灌注影像中筛选出最 佳的候选层序列，基于该候选层序列获得全局的中轴线和旋转角度，在此基础 上将所有CT灌注影像完全放正。筛选原始的CT灌注影像主要由如下几个步骤 组成：
提取CT灌注影像的颅内区域，颅内区域包括颅骨区域；本实施例中，提 取CT灌注影像的颅内区域的提取方法可以选择为阈值法或其他现有技术中的 提取方法，颅内区域如图5(a)所示。
提取颅内区域的前n个连通域，n为自然数；本实施例中，提取颅内区域 的前n个连通域的算法优选为最大连通域算法，如图5(b)所示。
为保证选择样本的可靠性，对CT灌注影像进行修补处理和/或剔除处理， 获得CT灌注影像的选择样本；在选择样本中将颅内最大面积层的CT灌注影像 作为最佳候选层序列。可以理解，在CT灌注影像经过修补处理和/或剔除处理 的基础上，选择颅内面积最大的一层作为最终的候选序列有助于于提高后续处 理的精确性。
为了降低后续步骤中质心计算的误差、保证候选序列具有较好的对称性， 在一个实施例中，对颅骨内的小孔进行修补处理。
修补处理包括：构建像素值为全一的二值图像，二值图像与CT灌注影像 的分辨率相同；将二值图像与颅内区域求差；对求差后的二值图像提取颅内区 域的前n个连通域，获得基于连通域的二值图像；将像素值为全一的二值图像 与基于连通域的二值图像做差。
具体地，首先构建一个分辨率与图5(a)一致且像素值为全1的二值图像并 与图5(a)求差得到如图5(c)所示的过渡图像，然后对图5(c)利用最大连通域算 法提取前n个连通域得到如图5(d)所示的过渡图像；最后用全1的二值图像对 图5(d)求差，得到如图5(e)所示的修补处理的图像结果。
剔除处理包括：在CT灌注影像中，计算颅内区域和颅骨外区域之间的连 通域个数；剔除连通域个数大于二或者小于一的CT灌注影像。
具体地，由于CT灌注影像中一些序列包含眼睛、鼻子、嘴巴等组织，这 些序列一方面不是缺血的多发部位，另一方面这些序列的对称性差，不能作为 候选序列，需要剔除。本实施例中采用的方法是计算颅内以及颅骨外连通域的 个数，如果连通域个数大于2或者小于1则全部剔除，仅保留连通域个数为2 的序列，如图6(a)～图6(f)所示。
步骤S22，对最佳候选层序列进行质心计算，确定各个时刻下最佳候选层 序列的中轴线。具体包括：将最佳候选层序列的颅内区域的像素值全部填充为 一；对填充后的最佳候选层序列进行质心计算，获得最佳候选层序列的质心坐 标。通过质心坐标确定各个时刻下最佳候选层序列的中轴线。
具体地，质心依据公式(1)、公式(2)进行计算，为了防止上述的候选 层内存在一些局部小的颅骨，进而引起质心计算不准确，本申请将颅内区域全 部填充为1。
Figure BDA0003222190630000081
Figure BDA0003222190630000082
其中：i，j分别代表图像的行和列；
T代表某一行的体素值；
p＝0，1；q＝0，1；
x0和y0分别代表质心横坐标、纵坐标；
mpq，为二值图像的p+q阶矩；
m10，为二值图像的一阶矩m10；
m00，为二值图像中所有像素值的累加和；
m01，为二值图像的一阶矩m01。
步骤S23，根据最佳候选层序列计算得出修正角度，具体包括：按照固定 角度步长计算各个时刻下最佳候选层序列在各个不同角度下左、右边缘与质心 的距离并求差，对所求差值取绝对值并进行累加，通过对比大小获得最小累加 和；依据最小累加和确定修正角度。可以理解，修正角度是基于最佳候选层序 列的中轴线而获得的，通过修正角度对原始的CT灌注影像进行修正即获得校 正处理的结果。
具体地，在确定旋转角度以及找到候选序列的质心后，将候选序列在一定 角度区域(例如负60度至60度)内按照固定步长(例如步长为1度)的方向 旋转；按照公式(3)计算如图7所示的每张CT灌注影像在每个角度下左边缘、 右边缘与质心距离差的绝对值并进行累加，基于穷举搜索算法计算不同角度下 的累加和，选取某个旋转角度下最小累加和所对应的旋转角度，作为该时刻所 有层的旋转角度。可以理解，为适合原始CT灌注影像图的角度偏差和调节整 体的检测效率，可以分别对角度区域和步长进行调节。
Figure BDA0003222190630000091
其中，Sθ表示在θ的旋转角度下的累加和；
m、l、r分别代表所有行、左边缘、右边缘。
步骤S24，按照修正角度对最佳候选层序列进行图像校正，基于最佳候选 层各个时刻下的中轴线修正CT灌注影像。
具体地，基于步骤S22求得的候选层的质心坐标(最佳候选层序列的质心 坐标)以及步骤S23获得的最佳旋转角度(修正角度)，在此质心坐标下对所 有CT灌注影像进行旋转，获得修正的CT灌注影像。
步骤S30，对经过校正处理的CT灌注影像进行后处理，得到脑CT灌注参 数图。所述后处理包括对经过校正处理的CT灌注影像依次进行的脑组织提取、 残余函数求解和梗死核心区域判断。
具体地，后处理包括CT灌注影像滤波、脑组织提取、动静脉点自动查找、 残余函数求解、缺血和梗死核心计算、CT灌注参数图平滑等过程。
总结，本申请通过快速自动校正算法(基于脑中轴线)，优化了获取脑CT 灌注参数图的方式。其实现流程主要包括CT灌注影像筛选、质心求解、穷举 搜索算法、图像校正4个部分。具体包括：首先对所有空间CT灌注影像进行 处理，筛选出对称性最好的一层灌注影像，然后通过计算质心找出该层影像所 有时刻的中轴线，基于穷举对称性搜索算法计算该层所有时刻影像完全放正时 的旋转角度，并将该层所有时刻影像的中轴线和旋转角度作为同一时刻不同层 影像的中轴线和旋转角度，基于此中轴线和旋转角度将所有CT灌注影像完全 放正。
本申请提出了一种获取脑CT灌注参数图的方法，其中包括CT灌注影像的 自动校正算法，与现有的校正算法相比本申请所提出的校正算法不需要任何模 板，大大简化了校正流程；在校正精度上，也较现有的算法有所提高；本申请 所提出的校正算法能够在数秒内完成所有图像校正，在耗时上较现有算法有了 显著提高，为脑中风患者进行及时的手术节省了宝贵时间。
目前在利用CT灌注影像评估梗死核心主要依据的是rCBF，一般认为当缺 血区域低于对侧的血流流速的30％被认为是梗死核心，因此对梗死核心的计算 一方面需要将CT灌注影像完全放正，另一方面需要找到脑中轴线。本申请在 找到脑中轴线的基础上同时完成了图像校正，对于后续计算CT灌注参数进而 评估脑缺血、梗死区域具有重要意义。
应该理解的是，虽然图3-4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3-4中的至少一部分步骤可以包括多个子步骤或者多个阶段， 这些子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，这些子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 步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
在另一实施例中，本申请还提供了一种获取脑CT灌注参数图的装置，包 括：获取模块，用于获得原始的CT灌注影像；
筛选模块，用于筛选原始的CT灌注影像，获得最佳候选层序列；
质心计算模块，用于对所述最佳候选层序列进行质心计算，获得最佳候选 层序列的质心坐标，通过质心坐标确定各个时刻下所述最佳候选层序列的中轴 线；
修正角度计算模块，根据最佳候选层序列计算得出修正角度；
图像校正模块，按照修正角度对所述最佳候选层序列进行图像校正，基于 最佳候选层各个时刻下的中轴线修正CT灌注影像；
后处理模块，对经过校正处理的CT灌注影像进行后处理，得到脑CT灌注 参数图。
关于获取脑CT灌注参数图的装置的具体限定可以参见上文中对于获取脑 CT灌注参数图的方法的限定，在此不再赘述。上述获取脑CT灌注参数图的装 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。
在另一实施例中，还提供了一种计算机设备，该计算机设备可以是终端， 其内部结构图可以如图10所示。该计算机设备包括通过系统总线连接的处理 器、存储器、网络接口、显示屏和输入装置。其中，该计算机设备的处理器用 于提供计算和控制能力。该计算机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。该计算机设备的网 络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以 实现一种获取脑CT灌注参数图的方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触 摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外 接的键盘、触控板或鼠标等。
本领域技术人员可以理解，图10中示出的结构，仅仅是与本申请方案相关 的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定， 具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件， 或者具有不同的部件布置。
在一个实施例中，提供了获取脑CT灌注参数图的系统，包括终端以及服 务器，服务器包括计算机存储器、计算机处理器、以及存储在计算机存储器中 并可在计算机处理器上执行的计算机程序，服务器从终端获得原始的CT灌注 影像；所述计算机处理器执行所述计算机程序时，实现以下步骤：
步骤S10，获得原始的CT灌注影像；
步骤S21，筛选原始的CT灌注影像，获得最佳候选层序列；
步骤S22，对所述最佳候选层序列进行质心计算，获得最佳候选层序列的 质心坐标，通过质心坐标确定各个时刻下所述最佳候选层序列的中轴线；
步骤S23，根据最佳候选层序列计算得出修正角度；
步骤S24，按照修正角度对所述最佳候选层序列进行图像校正，基于最佳 候选层各个时刻下的中轴线修正CT灌注影像；
步骤S30，对经过校正处理的CT灌注影像进行后处理，得到脑CT灌注参 数图。
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：
步骤S10，获得原始的CT灌注影像；
步骤S21，筛选原始的CT灌注影像，获得最佳候选层序列；
步骤S22，对所述最佳候选层序列进行质心计算，获得最佳候选层序列的 质心坐标，通过质心坐标确定各个时刻下所述最佳候选层序列的中轴线；
步骤S23，根据最佳候选层序列计算得出修正角度；
步骤S24，按照修正角度对所述最佳候选层序列进行图像校正，基于最佳 候选层各个时刻下的中轴线修正CT灌注影像；
步骤S30，对经过校正处理的CT灌注影像进行后处理，得到脑CT灌注参 数图。
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/或易失性存储器。 非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编 程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局 限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、 同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM (ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus) 直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器 总线动态RAM(RDRAM)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。不同实施例中的技 术特征体现在同一附图中时，可视为该附图也同时披露了所涉及的各个实施例 的组合例。
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.获取脑CT灌注参数图的方法，包括获得原始的CT灌注影像，对所述CT灌注影像校正处理，对经过校正处理的CT灌注影像进行后处理，得到脑CT灌注参数图，其特征在于，所述校正处理具体包括：
筛选原始的CT灌注影像，获得最佳候选层序列；
对所述最佳候选层序列进行质心计算，获得最佳候选层序列的质心坐标，通过质心坐标确定各个时刻下所述最佳候选层序列的中轴线；
根据最佳候选层序列计算得出修正角度；
按照修正角度对所述最佳候选层序列进行图像校正，基于最佳候选层各个时刻下的中轴线修正CT灌注影像。
2.根据权利要求1所述的获取脑CT灌注参数图的方法，其特征在于，所述后处理包括对经过校正处理的CT灌注影像依次进行的脑组织提取、残余函数求解和梗死核心区域判断。
3.根据权利要求1所述的获取脑CT灌注参数图的方法，其特征在于，所述筛选原始的CT灌注影像，获得最佳候选层序列，具体包括：
提取所述CT灌注影像的颅内区域，所述颅内区域包括颅骨区域；
提取所述颅内区域的前n个连通域，n为自然数；
对CT灌注影像进行修补处理和/或剔除处理，获得CT灌注影像的选择样本；
在所述选择样本中将颅内最大面积层的CT灌注影像作为最佳候选层序列。
4.根据权利要求3所述的获取脑CT灌注参数图的方法，其特征在于，所述修补处理包括：
构建像素值为全一的二值图像，所述二值图像与所述CT灌注影像的分辨率相同；
将所述二值图像与所述颅内区域求差；
对求差后的二值图像提取颅内区域的前n个连通域，获得基于连通域的二值图像；
将所述像素值为全一的二值图像与基于连通域的二值图像做差。
5.根据权利要求3所述的获取脑CT灌注参数图的方法，其特征在于，所述剔除处理包括：
在CT灌注影像中，计算颅内区域和颅骨外区域之间的连通域个数；
剔除连通域个数大于二或者小于一的CT灌注影像。
6.根据权利要求1所述的获取脑CT灌注参数图的方法，其特征在于，对所述最佳候选层序列进行质心计算，具体包括：
将所述最佳候选层序列的颅内区域的像素值全部填充为一；
对填充后的最佳候选层序列进行质心计算，获得最佳候选层序列的质心坐标。
7.根据权利要求1所述的获取脑CT灌注参数图的方法，其特征在于，所述根据最佳候选层序列计算得出修正角度，具体包括：
按照固定角度步长计算各个时刻下最佳候选层序列在各个不同角度下左、右边缘与质心的距离并求差；
对所求差值取绝对值并进行累加，通过对比大小获得所述差值的最小累加和，依据所述最小累加和确定修正角度。
8.获取脑CT灌注参数图的装置，其特征在于，所述装置包括：
获取模块，用于获得原始的CT灌注影像；
筛选模块，用于筛选原始的CT灌注影像，获得最佳候选层序列；
质心计算模块，用于对所述最佳候选层序列进行质心计算，获得最佳候选层序列的质心坐标，通过质心坐标确定各个时刻下所述最佳候选层序列的中轴线；
修正角度计算模块，根据最佳候选层序列计算得出修正角度；
图像校正模块，修正角度按照修正角度对所述最佳候选层序列进行图像校正，基于最佳候选层各个时刻下的中轴线修正CT灌注影像；
后处理模块，对经过校正处理的CT灌注影像进行后处理，得到脑CT灌注参数图。
9.获取脑CT灌注参数图的系统，包括终端以及服务器，所述服务器包括计算机存储器、计算机处理器、以及存储在所述计算机存储器中并可在所述计算机处理器上执行的计算机程序，其特征在于，所述服务器从终端获得原始的CT灌注影像；所述计算机处理器执行所述计算机程序时，实现如权利要求1～7任一项所述的获取脑CT灌注参数图的方法。
10.计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被计算机处理器执行时实现如权利要求1～7任一项所述的获取脑CT灌注参数图的方法。
CN202110960651.5A 2021-08-20 2021-08-20 获取脑ct灌注参数图的方法、装置、系统和计算机存储介质 Pending CN113870117A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110960651.5A CN113870117A (zh) 2021-08-20 2021-08-20 获取脑ct灌注参数图的方法、装置、系统和计算机存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110960651.5A CN113870117A (zh) 2021-08-20 2021-08-20 获取脑ct灌注参数图的方法、装置、系统和计算机存储介质

Publications (1)

Publication Number Publication Date
CN113870117A true CN113870117A (zh) 2021-12-31

Family

ID=78987916

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110960651.5A Pending CN113870117A (zh) 2021-08-20 2021-08-20 获取脑ct灌注参数图的方法、装置、系统和计算机存储介质

Country Status (1)

Country Link
CN (1) CN113870117A (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116309922A (zh) * 2023-05-22 2023-06-23 杭州脉流科技有限公司 Ct灌注影像的去伪影方法、装置、设备和存储介质
CN116342605A (zh) * 2023-05-30 2023-06-27 杭州脉流科技有限公司 Ct灌注影像参数估计方法、装置、设备和存储介质
CN116342734A (zh) * 2023-05-22 2023-06-27 杭州脉流科技有限公司 基于ct灌注影像的运动校正和伪影筛选方法及计算机设备
CN116363160A (zh) * 2023-05-30 2023-06-30 杭州脉流科技有限公司 基于水平集的ct灌注影像脑组织分割方法和计算机设备

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116309922A (zh) * 2023-05-22 2023-06-23 杭州脉流科技有限公司 Ct灌注影像的去伪影方法、装置、设备和存储介质
CN116342734A (zh) * 2023-05-22 2023-06-27 杭州脉流科技有限公司 基于ct灌注影像的运动校正和伪影筛选方法及计算机设备
CN116309922B (zh) * 2023-05-22 2023-08-11 杭州脉流科技有限公司 Ct灌注影像的去伪影方法、装置、设备和存储介质
CN116342734B (zh) * 2023-05-22 2023-08-29 杭州脉流科技有限公司 基于ct灌注影像的运动校正和伪影筛选方法及计算机设备
CN116342605A (zh) * 2023-05-30 2023-06-27 杭州脉流科技有限公司 Ct灌注影像参数估计方法、装置、设备和存储介质
CN116363160A (zh) * 2023-05-30 2023-06-30 杭州脉流科技有限公司 基于水平集的ct灌注影像脑组织分割方法和计算机设备
CN116342605B (zh) * 2023-05-30 2023-08-11 杭州脉流科技有限公司 Ct灌注影像参数估计方法、装置、设备和存储介质
CN116363160B (zh) * 2023-05-30 2023-08-29 杭州脉流科技有限公司 基于水平集的ct灌注影像脑组织分割方法和计算机设备

Similar Documents

Publication Publication Date Title
CN113870117A (zh) 获取脑ct灌注参数图的方法、装置、系统和计算机存储介质
Simpson et al. A large annotated medical image dataset for the development and evaluation of segmentation algorithms
JP7486485B2 (ja) 脳画像内の領域を特定するための装置
CN111179231A (zh) 图像处理方法、装置、设备和存储介质
CN111599432B (zh) 一种三维颅面影像特征点标记分析系统及方法
CN110600107B (zh) 医学图像的筛选方法、计算机设备及可读存储介质
CN110717961B (zh) 多模态图像重建方法、装置、计算机设备和存储介质
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
CN112435212A (zh) 基于深度学习的脑部病灶区域体积得到方法、装置、计算机设备和存储介质
CN110570483A (zh) 扫描方法、装置、计算机设备和存储介质
CN111340825A (zh) 一种纵膈淋巴结分割模型的生成方法及系统
CN115100067A (zh) 图像重建方法及装置
CN116681716B (zh) 颅内血管感兴趣区域分割方法、装置、设备和存储介质
CN115984130A (zh) 获取灌注参数图及病变区域的方法和可读存储介质
US20170301083A1 (en) Image registration device, method, and program
CN115439533A (zh) 获得颅内动脉瘤在血管分段位置的方法、计算机设备、可读存储介质和程序产品
JP2013223620A (ja) 医用画像のレジストレーション処理装置、方法およびプログラム
CN111091539A (zh) 网络模型训练、医学图像处理方法、装置、介质及设备
US20200029925A1 (en) Myocardial blood flow with reliability feature
CN110473241B (zh) 图像配准方法、存储介质及计算机设备
CN116491968A (zh) 基于单时相cta的急性缺血性卒中侧支循环评估方法
JP2013017781A (ja) 医用画像抽出装置および医用画像抽出プログラム
CN113724264B (zh) 图像分割方法、系统和可读存储介质
CN114209344A (zh) 一种侧枝循环状态评估方法、装置、存储介质及电子设备
CN113712581A (zh) 一种灌注分析方法及系统

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