CN113940694A - 脑部血流参数图获取装置、方法和计算机可读存储介质 - Google Patents
脑部血流参数图获取装置、方法和计算机可读存储介质 Download PDFInfo
- Publication number
- CN113940694A CN113940694A CN202111193733.8A CN202111193733A CN113940694A CN 113940694 A CN113940694 A CN 113940694A CN 202111193733 A CN202111193733 A CN 202111193733A CN 113940694 A CN113940694 A CN 113940694A
- Authority
- CN
- China
- Prior art keywords
- brain
- patient
- image
- blood flow
- phase
- 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
Links
- 230000003727 cerebral blood flow Effects 0.000 title claims abstract description 43
- 238000000034 method Methods 0.000 title claims abstract description 40
- 210000004556 brain Anatomy 0.000 claims abstract description 173
- 238000010968 computed tomography angiography Methods 0.000 claims abstract description 78
- 230000017531 blood circulation Effects 0.000 claims abstract description 52
- 230000010412 perfusion Effects 0.000 claims abstract description 38
- 230000008344 brain blood flow Effects 0.000 claims abstract description 19
- 230000001502 supplementing effect Effects 0.000 claims abstract description 8
- 238000002591 computed tomography Methods 0.000 claims description 70
- 239000002872 contrast media Substances 0.000 claims description 32
- 238000012549 training Methods 0.000 claims description 20
- 238000012545 processing Methods 0.000 claims description 15
- 210000000988 bone and bone Anatomy 0.000 claims description 11
- 239000008280 blood Substances 0.000 claims description 9
- 210000004369 blood Anatomy 0.000 claims description 9
- 238000007781 pre-processing Methods 0.000 claims description 8
- 210000003484 anatomy Anatomy 0.000 claims description 5
- 238000002583 angiography Methods 0.000 claims description 5
- 238000004590 computer program Methods 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 3
- 230000031864 metaphase Effects 0.000 claims 1
- 230000002490 cerebral effect Effects 0.000 abstract description 12
- 208000019155 Radiation injury Diseases 0.000 abstract description 3
- 210000004204 blood vessel Anatomy 0.000 description 11
- 230000005855 radiation Effects 0.000 description 8
- 230000006378 damage Effects 0.000 description 7
- 230000008569 process Effects 0.000 description 7
- 210000003462 vein Anatomy 0.000 description 7
- 206010027336 Menstruation delayed Diseases 0.000 description 6
- 210000001519 tissue Anatomy 0.000 description 6
- 210000001367 artery Anatomy 0.000 description 5
- 230000002792 vascular Effects 0.000 description 5
- 230000008859 change Effects 0.000 description 4
- 210000005013 brain tissue Anatomy 0.000 description 3
- 229940039231 contrast media Drugs 0.000 description 3
- 206010028980 Neoplasm Diseases 0.000 description 2
- 230000002238 attenuated effect Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 208000026106 cerebrovascular disease Diseases 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 230000003111 delayed effect Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 238000002347 injection Methods 0.000 description 2
- 239000007924 injection Substances 0.000 description 2
- 230000000302 ischemic effect Effects 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 description 1
- 208000027418 Wounds and injury Diseases 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000013170 computed tomography imaging Methods 0.000 description 1
- 238000013136 deep learning model Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 208000014674 injury Diseases 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 239000000126 substance Substances 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
- A61B6/02—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
- A61B6/504—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
- 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
- A61B6/5205—Devices using data or image processing specially adapted for radiation diagnosis involving processing of raw data to produce diagnostic data
-
- 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
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (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)
- Physics & Mathematics (AREA)
- High Energy & Nuclear Physics (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Dentistry (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Neurology (AREA)
- Neurosurgery (AREA)
- Vascular Medicine (AREA)
- Pulmonology (AREA)
- Theoretical Computer Science (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
本发明提供一种脑部血流参数图获取装置、方法和计算机可读存储介质。通过对患者的脑部多期CT血管造影图像进行补帧，获得患者的脑部动态血流图像序列；根据所述患者的脑部动态血流图像序列，获得所述患者脑部各位置的时间密度曲线；根据所述患者脑部各位置的时间密度曲线计算得到所述患者脑部各位置对应的血流参数；根据所述患者脑部各位置对应的血流参数，生成患者的脑部血流参数图。本发明实现了无需对患者进行脑部CT灌注扫描即可获得患者的脑部血流参数图，极大降低了对患者造成的辐射伤害。
Description
技术领域
本发明涉及医学图像处理技术领域，尤其涉及一种脑部血流参数图获取装置、方法和计算机可读存储介质。
背景技术
脑部CT灌注图像(CT Perfusion,简称CTP)，是在患者静脉(通常在手臂静脉处)快速注射造影剂，在造影剂通过血管流入扫描部位对应的一段时间内对患者进行连续多次CT扫描(通常至少连续进行数十次扫描，间隔通常小于1秒)，获得患者的CT灌注图像序列，用于观察患者的扫描部位在一段时间内血流灌注量的改变，并可以通过图像后处理技术生成“时间密度曲线”，体现在这一段时间内患者特定部位的造影剂浓度的动态变化，还可以根据特定位置的时间密度曲线进一步计算得到该位置的脑血流量、脑血容量、平均通过时间、峰值时间等血流参数，对明确病灶的血液供应具有重要意义，常用于缺血性脑血管病的评估。然而，由于CT扫描是一种利用X射线对人体进行成像的技术，会对人体产生潜在辐射伤害，而且CT灌注扫描这种检查方式需要对患者在短时间内连续几十次扫描，患者在X射线曝光下总时长可能达到1分钟以上，所以CT灌注扫描会对患者造成较大的辐射伤害。
脑部CT血管造影(CT angiography，简称CTA)，是对患者注射造影剂后，在一个或多个预设的期相对患者进行CT扫描，获得CT血管造影图像，用于观察患者的脑部血管结构。在临床上经常使用的脑部CT血管造影期相包括平扫期、动脉期、静脉期和延迟期等，平扫期指未注射造影剂时，或造影剂还没有流入脑部的时期；动脉期简单的讲就是动脉内出现造影剂，引起充盈显影的时期，这个时期看动脉血管比较清晰；静脉期是指静脉血管内充盈造影剂的时期，这个时期看静脉比较清晰；而延迟期是指随着时间推移血管内的造影剂逐渐减少，也会有部分造影剂进入脑部组织，这个时期如果看肿瘤等含血管比较丰富的组织，因为其内的造影剂衰减比较慢，所以在这个时期仍会较清楚的显影。脑部多期CT血管造影相较于脑部CT灌注扫描辐射较小，虽然也能扫描获得不同时刻的脑部图像，但由于各期相之间间隔时间较长，其主要用于观察脑部血管结构，而不用于动态血流状况评估。
发明内容
针对现有技术存在的问题，本发明的目的在于提供一种脑部血流参数图获取装置、方法和计算机可读存储介质，用于解决现有技术中存在的上述问题。
本发明的目的是通过以下技术方案实现的：
第一方面，本发明提供了一种脑部血流参数图获取装置，包括：
图像获取模块，用于获取患者的脑部多期CT血管造影图像，所述脑部多期CT血管造影图像是在对患者注射造影剂后的多个不同期相对患者脑部进行CT扫描获得的相应多个扫描期相的脑部CT血管造影图像；
图像补帧模块，用于根据所述脑部多期CT血管造影图像，生成多个虚拟的中间期相的脑部CT血管造影图像；所述多个虚拟的中间期相的脑部CT血管造影图像与所述多个扫描期相的脑部CT血管造影图像共同组成所述患者的脑部动态血流图像序列；
曲线获取模块，用于根据所述患者的脑部动态血流图像序列，获得所述患者脑部各位置的时间密度曲线；
参数计算模块，用于根据所述患者脑部各位置的时间密度曲线计算得到所述患者脑部各位置对应的血流参数；
参数图生成模块，用于根据所述患者脑部各位置对应的血流参数，生成患者的脑部血流参数图。
在一种实施例中，所述血流参数包括脑血流量、脑血容量、平均通过时间和峰值时间中的一种或多种。
在一种实施例中，所述获取患者的脑部多期CT血管造影图像，包括获取所述患者的平扫期、动脉期、静脉期和延迟期的脑部CT血管造影图像。
在一种实施例中，所述图像补帧模块包括基于生成式对抗网络模型训练得到的中间期相图像生成模型；所述中间期相图像生成模型用于在所述脑部多期CT血管造影图像的各相邻两个扫描期相之间，分别生成至少一个虚拟的中间期相的脑部CT血管造影图像。
在一种实施例中，所述中间期相图像生成模型的获取方法包括：
构建一个生成式对抗网络模型，所述生成式对抗网络模型至少包括一个生成模型和一个判别模型；
获得多组训练数据，每组训练数据包括输入图像和目标输出图像，所述输入图像是从一名患者的脑部CT灌注图像序列中间隔选取的多个扫描期相的脑部CT灌注图像，所述目标输出图像是该名患者的脑部CT灌注图像序列中除输入图像以外的脑部CT灌注图像；
利用所述多组训练数据对所述生成式对抗网络模型进行训练，得到所述中间期相图像生成模型。
在一种实施例中，所述每组训练数据中的所述输入图像是从一名患者的脑部CT灌注图像序列中选取的平扫期、动脉期、静脉期和延迟期的脑部CT灌注图像。
在一种实施例中，所述装置还包括图像预处理模块，用于对所述脑部多期CT血管造影图像进行预处理；所述图像预处理模块包括：
所述图像配准处理单元，用于对所述脑部多期CT血管造影图像进行配准处理，使各个扫描期相的CT血管造影图像中的各解剖结构位置对齐；
所述图像去骨处理单元，用于对所述脑部多期CT血管造影图像进行去骨处理，去除图像中骨骼对应的像素；
在一种实施例中，所述参数图生成模块包括：色彩处理单元，用于根据所述患者脑部各位置对应的血流参数，确定所述患者的脑部血流参数图中各位置对应的显示颜色。
第二方面，本发明提供了一种脑部血流参数图获取方法，所述方法包括：
获取患者的脑部多期CT血管造影图像，所述脑部多期CT血管造影图像是在对患者注射造影剂后的多个不同期相对患者脑部进行CT扫描获得的相应多个扫描期相的脑部CT血管造影图像；
根据所述脑部多期CT血管造影图像，生成多个虚拟的中间期相的脑部CT血管造影图像；所述多个虚拟的中间期相的脑部CT血管造影图像与所述多个扫描期相的脑部CT血管造影图像共同组成所述患者的脑部动态血流图像序列；
根据所述患者的脑部动态血流图像序列，获得所述患者脑部各位置的时间密度曲线；
根据所述患者脑部各位置的时间密度曲线计算得到所述患者脑部各位置对应的血流参数；
根据所述患者脑部各位置对应的血流参数，生成患者的脑部血流参数图。
第三方面，本发明提供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本发明记载的脑部血流参数图获取方法。
与现有技术相比，本发明实现了根据脑部多期CT血管造影图像获得脑部血流参数图。通过对患者的脑部多期CT血管造影图像进行补帧，获得患者的脑部动态血流图像序列；根据所述患者的脑部动态血流图像序列，获得所述患者脑部各位置的时间密度曲线；根据所述患者脑部各位置的时间密度曲线计算得到所述患者脑部各位置对应的血流参数；根据所述患者脑部各位置对应的血流参数，生成患者的脑部血流参数图。本发明实现了无需对患者进行脑部CT灌注扫描即可获得患者的脑部血流参数图，极大降低了对患者造成的辐射伤害。
附图说明
通过阅读参照以下附图对非限制性实施例所作的详细描述，本发明的其它特征、目的和优点将会变得更明显：
图1是本发明一种脑部血流参数图获取方法实施例流程图；
图2是本发明另一种脑部血流参数图获取方法实施例流程图；
图3是中间期相图像生成模型的获取方法实施例流程图；
图4是基于GAN网络模型的中间期相图像生成模型实施例；
图5是一患者脑部某一位置的时间密度曲线示例；
图6是一患者的脑部血流参数图示例。
具体实施方式
下面进一步列举实施例以详细说明本发明。同样应理解，以下实施例只用于对本发明进行进一步说明，不能理解为对本发明保护范围的限制，本领域的技术人员根据本发明的上述内容作出的一些非本质的改进和调整均属于本发明的保护范围。下述示例具体参数等也仅是合适范围中的一个示例，即本领域技术人员可以通过本文的说明做合适的范围内选择，而并非要限定于下文示例的具体数值。
现有技术中，要获得患者的脑部血流参数图，必须先通过CT灌注扫描获得患者的脑部CT灌注图像序列，而CT灌注扫描会对患者造成较大的辐射伤害。本发明希望仅利用患者的脑部多期CT血管造影图像来获得患者的脑部血流参数图，以减少对患者造成的辐射伤害。
实施例1
提供一种脑部血流参数图获取方法，如图1、图2所示，包括：
S10获取患者的脑部多期CT血管造影图像，所述脑部多期CT血管造影图像是在对患者注射造影剂后的多个不同期相对患者脑部进行CT扫描获得的相应多个扫描期相的脑部CT血管造影图像。
脑部CT血管造影(CT angiography，简称CTA)，是对患者注射造影剂后，在一个或多个预设的期相对患者进行CT扫描，获得CT血管造影图像，用于观察患者的脑部血管结构。在一种实施例中，所获取的脑部多期CT血管造影期相包括平扫期、动脉期、静脉期和延迟期的脑部CT血管造影图像。平扫期指未注射造影剂时，或造影剂还没有流入脑部的时期；动脉期简单的讲就是动脉内出现造影剂，引起充盈显影的时期，这个时期看动脉血管比较清晰；静脉期是指静脉血管内充盈造影剂的时期，这个时期看静脉比较清晰；而延迟期是指随着时间推移血管内的造影剂逐渐减少，也会有部分造影剂进入脑部组织，这个时期如果看肿瘤等含血管比较丰富的组织，因为其内的造影剂衰减比较慢，所以在这个时期仍会较清楚的显影。
S20对所述脑部多期CT血管造影图像进行预处理。执行该步骤的目的是为了在执行S30步骤时有更好的效果，该步骤为可选的步骤。在一种实施例中，对所述脑部多期CT血管造影图像进行预处理包括配准处理和去骨处理。
由于在扫描过程中或不同扫描期相之间的间隔时间内，病人可能会有位置移动的情况，导致不同期相的脑部CT血管造影图像不能完全对齐，为了解决该问题，在一种实施例中，对所述脑部多期CT血管造影图像进行配准处理，使各个扫描期相的CT血管造影图像中的各解剖结构位置对齐。配准处理的方法可以采用刚性配准的算法，也可以采用弹性配准的算法，或者两者的结合。为了达到更好的配准效果，使患者各期相的CT血管造影图像中各解剖结构很好的对齐，在一种实施例中，所述配准处理的具体步骤包括：(1)确定各个扫描期相的脑部CT血管造影图像的配准基准点，在一种实施例中，以各个扫描期相的脑部CT血管造影图像的图像质心作为配准基准点(2)以各配准基准点为基准，对各个扫描期相的脑部CT血管造影图像进行仿射变换处理，实现各个扫描期相的脑部CT血管造影图像的刚性配准；(3)对各个扫描期相的脑部CT血管造影图像确定多个解剖结构特征点，举例而言，所述多个解剖结构特征点应该是易于识别的解剖结构位置，如脑部中动脉上的特征点、脑部前静脉上的特征点等，在一种实施例中，利用训练好的深度学习网络来确定各个扫描期相的脑部CT血管造影图像的解剖结构特征点；(4)基于各个扫描期相的脑部CT血管造影图像的解剖结构特征点，对各个扫描期相的脑部CT血管造影图像进行B样条几何变换处理，实现各个扫描期相的脑部CT血管造影图像的弹性配准。
本发明的目的是获得脑部血流参数图，而脑部的骨骼部分不具有血流相关的参数，为了便于图像处理，可以在预处理过程中去掉脑部骨骼相应的像素。由于在CT成像中，人体骨骼部分对应像素的CT值远高于其他组织对应像素的CT值，在一种实施例中，去骨处理的方法可以采用阈值分割的方法来实现；在另一种实施例中，去骨处理的方法可以采用基于深度学习的图像分割模型实现。
S30根据所述脑部多期CT血管造影图像，生成多个虚拟的中间期相的脑部CT血管造影图像；所述多个虚拟的中间期相的脑部CT血管造影图像与所述多个扫描期相的脑部CT血管造影图像共同组成所述患者的脑部动态血流图像序列。
参见图3、图4，在一种实施例中，所述中间期相图像生成模型的获取方法包括：
S301构建一个生成式对抗网络模型，所述生成式对抗网络模型至少包括一个生成模型和一个判别模型。生成式对抗网络(GAN,Generative Adversarial Networks)是一种深度学习模型。模型通过框架中(至少)两个模块：生成模型(Generative Model)和判别模型(Discriminative Model)的互相博弈学习产生相当好的输出。
图4是一种利用所述多组训练数据对所述生成式对抗网络模型进行训练的实施例，生成模型用于根据输入图像(I1，I3)生成虚拟的目标输出图像(I＾2)，判别模型用于判别一幅图像是虚拟的目标输出图像(I＾2)还是真实的目标输出图像(I2)经过大量的训练数据进行训练后，生成模型所生成的虚拟的目标输出图像(I＾2)学来越接近真实的目标输出图像(I2)。
S302获得多组训练数据，每组训练数据包括输入图像和目标输出图像，所述输入图像(作为一种实施例，如图4所示的I1和I3)是从一名患者的脑部CT灌注图像序列中间隔选取的多个扫描期相的脑部CT灌注图像，所述目标输出图像(作为一种实施例，如图4所示的I2)是该名患者的脑部CT灌注图像序列中除输入图像以外的脑部CT灌注图像。
脑部CT灌注图像(CT Perfusion,简称CTP)，是在患者静脉(通常在手臂静脉处)快速注射造影剂，在造影剂通过血管流入扫描部位对应的一段时间内对患者进行连续多次CT扫描(通常至少连续进行数十次扫描，间隔通常小于1秒)，获得患者的CT灌注图像序列，用于观察患者的扫描部位在一段时间内血流灌注量的改变，并可以通过图像后处理技术生成“时间密度曲线”，体现在这一段时间内患者特定部位的造影剂浓度的动态变化，还可以根据特定位置的时间密度曲线进一步计算得到该位置的脑血流量、脑血容量、平均通过时间、峰值时间等血流参数，对明确病灶的血液供应具有重要意义，常用于缺血性脑血管病的评估。然而，由于CT扫描是一种利用X射线对人体进行成像的技术，会对人体产生潜在辐射伤害，而且CT灌注扫描这种检查方式需要对患者在短时间内连续几十次扫描，患者在X射线曝光下总时长可能达到1分钟以上，所以CT灌注扫描会对患者造成较大的辐射伤害。
在一种实施例中，所述每组训练数据中的所述输入图像是从一名患者的脑部CT灌注图像序列中选取的平扫期、动脉期、静脉期和延迟期的脑部CT灌注图像。
S303利用所述多组训练数据对所述生成式对抗网络模型进行训练，得到所述中间期相图像生成模型。在一种实施例中，所述中间期相图像生成模型用于根据平扫期、动脉期、静脉期和延迟期的脑部CT血管造影图像，生成多个虚拟的中间期相的脑部CT血管造影图像，所述多个虚拟的中间期相的脑部CT血管造影图像与所述平扫期、动脉期、静脉期和延迟期的脑部CT血管造影图像共同组成所述患者的脑部动态血流图像序列。所述的脑部动态血流图像序列，是一种接近对患者进行CT灌注扫描得到的真实脑部CT灌注图像序列的包含时间信息的图像序列，其区别在于：真实的脑部CT灌注图像序列中每一幅图像都是扫描得到的，患者需要承受较大的辐射剂量伤害；而所述脑部动态血流图像序列中，只有部分图像是真实扫描得到的脑部CT血管造影图像，另一部分图像是所述中间期相图像生成模型生成的非真实扫描得到的图像。
S40根据所述患者的脑部动态血流图像序列，获得所述患者脑部各位置的时间密度曲线。图5是根据一患者的脑部动态血流图像序列获得的脑部某一位置的时间密度曲线示例，图中横坐标表示时间，单位是秒(s)；纵坐标表示所述具体位置的CT值，单位是HU。CT值反映的是一具体部位对X射线的衰减系数，血管中注射造影剂后CT值会显著升高。可以理解的是，对血管中注射造影剂后，血管中一特定位置的造影剂浓度会先上升，并随着造影剂稀释于血液中而再下降。可以理解的是，根据患者的脑部动态血流图像序列，可以得到患者脑部各个位置的时间密度曲线。为了避免噪声点对时间密度曲线的影响，在一实施例中，获得一具体位置的CT值的方法是：以该位置对应的像素点为中心，取相邻多个像素点并计算各像素点的平均CT值作为该具体位置的CT值。
S50根据所述患者脑部各位置的时间密度曲线计算得到所述患者脑部各位置对应的血流参数。
在一种实施例中，所述血流参数包括脑血流量(CBF)、脑血容量(CBV)、平均通过时间(MTT)和峰值时间(TTP)中的一种或多种。脑血流量(CBF)指的是单位时间内流经一定脑组织血管结构的血流量；脑血容量(CBV)指的是单位组织内血流量；平均通过时间(MTT)指的是血液流经血管结构的平均时间；峰值时间(TTP)指的是开始注射造影剂到达到峰值的时间。其中，
要根据脑部各具体位置的时间密度曲线计算相应位置的血流参数，现有技术中有多种数学模型实现方法，包括去卷积模型和卷积模型等，本发明对计算脑部各具体位置的血流参数的方法不做限定，可以采用现有技术中的可实现的数学模型。
S60根据所述患者脑部各位置对应的血流参数，生成患者的脑部血流参数图。所述脑部血流参数图，是对应患者脑部的各位置，对应显示相应位置的血流参数。在一种实施例中，脑部血流参数图以伪彩图的形式显示，根据所述患者脑部各位置对应的血流参数，确定所述患者的脑部血流参数图中各位置对应的显示颜色。如图6所示是本发明一种脑部血流参数图示例，上、中、下三组图像分别是脑血流量(CBF)、脑血容量(CBV)和峰值时间(TTP)三种脑部血流参数对应的脑部血流参数图。
实施例2
提供了一种脑部血流参数图获取装置，可以实现本发明实施例1记载的脑部血流参数图获取方法，所述装置包括：
图像获取模块，用于获取患者的脑部多期CT血管造影图像，所述脑部多期CT血管造影图像是在对患者注射造影剂后的多个不同期相对患者脑部进行CT扫描获得的相应多个扫描期相的脑部CT血管造影图像；
图像补帧模块，用于根据所述脑部多期CT血管造影图像，生成多个虚拟的中间期相的脑部CT血管造影图像；所述多个虚拟的中间期相的脑部CT血管造影图像与所述多个扫描期相的脑部CT血管造影图像共同组成所述患者的脑部动态血流图像序列；
曲线获取模块，用于根据所述患者的脑部动态血流图像序列，获得所述患者脑部各位置的时间密度曲线；
参数计算模块，用于根据所述患者脑部各位置的时间密度曲线计算得到所述患者脑部各位置对应的血流参数；
参数图生成模块，用于根据所述患者脑部各位置对应的血流参数，生成患者的脑部血流参数图。
实施例3
提供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本发明实施例1记载的脑部血流参数图获取方法。
综上所述，与现有技术相比，本发明实现了根据脑部多期CT血管造影图像获得脑部血流参数图。通过对患者的脑部多期CT血管造影图像进行补帧，获得患者的脑部动态血流图像序列；根据所述患者的脑部动态血流图像序列，获得所述患者脑部各位置的时间密度曲线；根据所述患者脑部各位置的时间密度曲线计算得到所述患者脑部各位置对应的血流参数；根据所述患者脑部各位置对应的血流参数，生成患者的脑部血流参数图。本发明实现了无需对患者进行脑部CT灌注扫描即可获得患者的脑部血流参数图，极大降低了对患者造成的辐射伤害。
Claims (10)
1.一种脑部血流参数图获取装置，其特征在于，包括：
图像获取模块，用于获取患者的脑部多期CT血管造影图像，所述脑部多期CT血管造影图像是在对患者注射造影剂后的多个不同期相对患者脑部进行CT扫描获得的相应多个扫描期相的脑部CT血管造影图像；
图像补帧模块，用于根据所述脑部多期CT血管造影图像，生成多个虚拟的中间期相的脑部CT血管造影图像；所述多个虚拟的中间期相的脑部CT血管造影图像与所述多个扫描期相的脑部CT血管造影图像共同组成所述患者的脑部动态血流图像序列；
曲线获取模块，用于根据所述患者的脑部动态血流图像序列，获得所述患者脑部各位置的时间密度曲线；
参数计算模块，用于根据所述患者脑部各位置的时间密度曲线计算得到所述患者脑部各位置对应的血流参数；
参数图生成模块，用于根据所述患者脑部各位置对应的血流参数，生成患者的脑部血流参数图。
2.根据权利要求1所述的脑部血流参数图获取装置，其特征在于，所述血流参数包括脑血流量、脑血容量、平均通过时间和峰值时间中的一种或多种。
3.根据权利要求1所述的脑部血流参数图获取装置，其特征在于，所述获取患者的脑部多期CT血管造影图像，包括获取所述患者的平扫期、动脉期、静脉期和延迟期的脑部CT血管造影图像。
4.根据权利要求1所述的脑部血流参数图获取装置，其特征在于，所述图像补帧模块包括基于生成式对抗网络模型训练得到的中间期相图像生成模型；所述中间期相图像生成模型用于在所述脑部多期CT血管造影图像的各相邻两个扫描期相之间，分别生成至少一个虚拟的中间期相的脑部CT血管造影图像。
5.根据权利要求4所述的脑部血流参数图获取装置，其特征在于，所述中间期相图像生成模型的获取方法包括：
构建一个生成式对抗网络模型，所述生成式对抗网络模型至少包括一个生成模型和一个判别模型；
获得多组训练数据，每组训练数据包括输入图像和目标输出图像，所述输入图像是从一名患者的脑部CT灌注图像序列中间隔选取的多个扫描期相的脑部CT灌注图像，所述目标输出图像是该名患者的脑部CT灌注图像序列中除输入图像以外的脑部CT灌注图像；
利用所述多组训练数据对所述生成式对抗网络模型进行训练，得到所述中间期相图像生成模型。
6.根据权利要求5所述的脑部血流参数图获取装置，其特征在于，所述每组训练数据中的所述输入图像是从一名患者的脑部CT灌注图像序列中选取的平扫期、动脉期、静脉期和延迟期的脑部CT灌注图像。
7.根据权利要求1所述的脑部血流参数图获取装置，其特征在于，所述装置还包括图像预处理模块，用于对所述脑部多期CT血管造影图像进行预处理；所述图像预处理模块包括：
所述图像配准处理单元，用于对所述脑部多期CT血管造影图像进行配准处理，使各个扫描期相的CT血管造影图像中的各解剖结构位置对齐；
所述图像去骨处理单元，用于对所述脑部多期CT血管造影图像进行去骨处理，去除图像中骨骼对应的像素。
8.根据权利要求1所述的脑部血流参数图获取装置，其特征在于，所述参数图生成模块包括：色彩处理单元，用于根据所述患者脑部各位置对应的血流参数，确定所述患者的脑部血流参数图中各位置对应的显示颜色。
9.一种脑部血流参数图获取方法，其特征在于，所述方法包括：
获取患者的脑部多期CT血管造影图像，所述脑部多期CT血管造影图像是在对患者注射造影剂后的多个不同期相对患者脑部进行CT扫描获得的相应多个扫描期相的脑部CT血管造影图像；
根据所述脑部多期CT血管造影图像，生成多个虚拟的中间期相的脑部CT血管造影图像；所述多个虚拟的中间期相的脑部CT血管造影图像与所述多个扫描期相的脑部CT血管造影图像共同组成所述患者的脑部动态血流图像序列；
根据所述患者的脑部动态血流图像序列，获得所述患者脑部各位置的时间密度曲线；
根据所述患者脑部各位置的时间密度曲线计算得到所述患者脑部各位置对应的血流参数；
根据所述患者脑部各位置对应的血流参数，生成患者的脑部血流参数图。
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9所述的脑部血流参数图获取方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111193733.8A CN113940694A (zh) | 2021-10-13 | 2021-10-13 | 脑部血流参数图获取装置、方法和计算机可读存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111193733.8A CN113940694A (zh) | 2021-10-13 | 2021-10-13 | 脑部血流参数图获取装置、方法和计算机可读存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113940694A true CN113940694A (zh) | 2022-01-18 |
Family
ID=79329564
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111193733.8A Pending CN113940694A (zh) | 2021-10-13 | 2021-10-13 | 脑部血流参数图获取装置、方法和计算机可读存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113940694A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114533096A (zh) * | 2022-02-21 | 2022-05-27 | 郑州市中心医院 | 一种脑血管造影中伪影去除方法及系统 |
-
2021
- 2021-10-13 CN CN202111193733.8A patent/CN113940694A/zh active Pending
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114533096A (zh) * | 2022-02-21 | 2022-05-27 | 郑州市中心医院 | 一种脑血管造影中伪影去除方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11062449B2 (en) | Method and system for extracting vasculature | |
| CN106600609B (zh) | 一种医学图像中脊柱的分割方法及系统 | |
| US9384555B2 (en) | Motion correction apparatus and method | |
| EP1302163B1 (en) | Apparatus for calculating an index of local blood flows | |
| US9569839B2 (en) | Image processing apparatus, method and medical image device | |
| JP5716238B2 (ja) | 急性脳卒中の組織状態をマッピングする方法及びシステム | |
| US20110150309A1 (en) | Method and system for managing imaging data, and associated devices and compounds | |
| US20050113679A1 (en) | Method and apparatus for segmenting structure in CT angiography | |
| TWI429419B (zh) | 產生骨罩之方法 | |
| JP4857418B2 (ja) | 検体のモーションアーチファクト補正の方法およびシステム | |
| CN111062997B (zh) | 一种血管造影成像方法、系统、设备和存储介质 | |
| Aichert et al. | A realistic digital phantom for perfusion C-arm CT based on MRI data | |
| CN109377481B (zh) | 图像质量评价方法、装置、计算机设备和存储介质 | |
| CN113409328B (zh) | Ct图像的肺动静脉分割方法、装置、介质及设备 | |
| WO2004024001A1 (ja) | 血流動態解析装置とその方法、画像診断装置 | |
| CN111260703A (zh) | 一种获取脊柱拉直图像集的方法、系统、介质及存储介质 | |
| CN113940694A (zh) | 脑部血流参数图获取装置、方法和计算机可读存储介质 | |
| Na'am | Edge detection on objects of medical image with enhancement multiple morphological gradient method | |
| JP4302180B2 (ja) | 局所血流動態に関するインデックスを演算する方法及び装置 | |
| Khurshid et al. | Automated cardiac motion compensation in PET/CT for accurate reconstruction of PET myocardial perfusion images | |
| CN113962949A (zh) | 脑部医学图像处理系统、方法及计算机可读存储介质 | |
| CN113538419B (zh) | 一种图像处理方法和系统 | |
| Steckmann et al. | Blooming artifact reduction for cardiac CT | |
| 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 | |
| JP6054245B2 (ja) | 医用画像解析装置 |
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 |