CN114066969B - 一种医学图像分析方法以及相关产品 - Google Patents
一种医学图像分析方法以及相关产品 Download PDFInfo
- Publication number
- CN114066969B CN114066969B CN202111351524.1A CN202111351524A CN114066969B CN 114066969 B CN114066969 B CN 114066969B CN 202111351524 A CN202111351524 A CN 202111351524A CN 114066969 B CN114066969 B CN 114066969B
- Authority
- CN
- China
- Prior art keywords
- image
- cerebral
- ctp
- perfusion
- reference image
- 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
- 238000003703 image analysis method Methods 0.000 title abstract description 11
- 210000004556 brain Anatomy 0.000 claims abstract description 153
- 210000001627 cerebral artery Anatomy 0.000 claims abstract description 140
- 230000003788 cerebral perfusion Effects 0.000 claims abstract description 91
- 230000010412 perfusion Effects 0.000 claims abstract description 86
- 230000003902 lesion Effects 0.000 claims abstract description 35
- 238000012545 processing Methods 0.000 claims abstract description 35
- 238000004458 analytical method Methods 0.000 claims abstract description 21
- 208000028867 ischemia Diseases 0.000 claims abstract description 12
- 238000010968 computed tomography angiography Methods 0.000 claims description 126
- 230000002490 cerebral effect Effects 0.000 claims description 54
- 238000005070 sampling Methods 0.000 claims description 45
- 210000001367 artery Anatomy 0.000 claims description 41
- 238000000034 method Methods 0.000 claims description 26
- 238000010969 brain CTA Methods 0.000 claims description 16
- 230000036770 blood supply Effects 0.000 claims description 11
- 230000003727 cerebral blood flow Effects 0.000 claims description 9
- 208000026106 cerebrovascular disease Diseases 0.000 claims description 8
- 210000004204 blood vessel Anatomy 0.000 claims description 7
- 238000004590 computer program Methods 0.000 claims description 6
- 206010069729 Collateral circulation Diseases 0.000 claims description 4
- 206010053648 Vascular occlusion Diseases 0.000 claims description 4
- 239000008280 blood Substances 0.000 claims description 4
- 210000004369 blood Anatomy 0.000 claims description 4
- 230000008859 change Effects 0.000 claims description 4
- 238000010191 image analysis Methods 0.000 claims description 4
- 238000003709 image segmentation Methods 0.000 claims description 4
- 208000021331 vascular occlusion disease Diseases 0.000 claims description 4
- 239000003550 marker Substances 0.000 claims description 2
- 238000010219 correlation analysis Methods 0.000 claims 2
- GWMHBZDOVFZVQC-UHFFFAOYSA-N 1,5,6-trimethylimidazo[4,5-b]pyridin-2-amine Chemical compound N1=C(C)C(C)=CC2=C1N=C(N)N2C GWMHBZDOVFZVQC-UHFFFAOYSA-N 0.000 claims 1
- 208000002180 Laurin-Sandrow syndrome Diseases 0.000 claims 1
- 208000014644 Brain disease Diseases 0.000 abstract description 17
- 210000005013 brain tissue Anatomy 0.000 abstract description 9
- 238000003745 diagnosis Methods 0.000 description 20
- 230000000302 ischemic effect Effects 0.000 description 9
- 210000003657 middle cerebral artery Anatomy 0.000 description 8
- 206010061751 Cerebrovascular stenosis Diseases 0.000 description 7
- 208000031481 Pathologic Constriction Diseases 0.000 description 7
- 210000002551 anterior cerebral artery Anatomy 0.000 description 7
- 210000001841 basilar artery Anatomy 0.000 description 7
- 230000036262 stenosis Effects 0.000 description 7
- 208000037804 stenosis Diseases 0.000 description 7
- 206010061216 Infarction Diseases 0.000 description 6
- 230000007574 infarction Effects 0.000 description 6
- 230000009466 transformation Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 238000012800 visualization Methods 0.000 description 5
- 230000011218 segmentation Effects 0.000 description 4
- 201000010099 disease Diseases 0.000 description 3
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 3
- 238000003708 edge detection Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- YTFVRYKNXDADBI-UHFFFAOYSA-N 3,4,5-trimethoxycinnamic acid Chemical compound COC1=CC(C=CC(O)=O)=CC(OC)=C1OC YTFVRYKNXDADBI-UHFFFAOYSA-N 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 210000004298 cerebral vein Anatomy 0.000 description 2
- 238000002591 computed tomography Methods 0.000 description 2
- 239000002872 contrast media Substances 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- FMKJUUQOYOHLTF-OWOJBTEDSA-N (e)-4-azaniumylbut-2-enoate Chemical compound NC\C=C\C(O)=O FMKJUUQOYOHLTF-OWOJBTEDSA-N 0.000 description 1
- 201000006474 Brain Ischemia Diseases 0.000 description 1
- 206010051290 Central nervous system lesion Diseases 0.000 description 1
- 206010008089 Cerebral artery occlusion Diseases 0.000 description 1
- 206010008120 Cerebral ischaemia Diseases 0.000 description 1
- 208000005189 Embolism Diseases 0.000 description 1
- 208000006011 Stroke Diseases 0.000 description 1
- 206010057469 Vascular stenosis Diseases 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000001364 causal effect Effects 0.000 description 1
- 206010008118 cerebral infarction Diseases 0.000 description 1
- 238000013136 deep learning model Methods 0.000 description 1
- 238000002059 diagnostic imaging Methods 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000007917 intracranial administration Methods 0.000 description 1
- 208000010125 myocardial infarction Diseases 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 208000024891 symptom Diseases 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
- 210000003462 vein Anatomy 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
-
- 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
- A61B6/50—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
-
- 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
- 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
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30016—Brain
-
- 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
- G06T2207/30101—Blood vessel; Artery; Vein; Vascular
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Medical Informatics (AREA)
- Physics & Mathematics (AREA)
- Radiology & Medical Imaging (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Health & Medical Sciences (AREA)
- Optics & Photonics (AREA)
- Biophysics (AREA)
- High Energy & Nuclear Physics (AREA)
- Theoretical Computer Science (AREA)
- Pathology (AREA)
- Veterinary Medicine (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Public Health (AREA)
- General Physics & Mathematics (AREA)
- Dentistry (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Neurosurgery (AREA)
- Neurology (AREA)
- Geometry (AREA)
- Quality & Reliability (AREA)
- Vascular Medicine (AREA)
- Pulmonology (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
本方案公开了一种医学图像分析方法以及相关产品，其中，医学图像分析方法包括：对目标区域的脑部医学图像进行处理，获得脑灌注CTP参考图像和所述脑动脉CTA参考图像；根据脑灌注CTP参考图像中脑组织的缺血情况和脑动脉CTA参考图像中病灶情况的关联关系，确定所述脑部医学图像的分析结果。本申请的技术方案能够通过脑灌注CTP参考图像和所述脑动脉CTA参考图像之间的关联性，从多角度（维度）的脑部图像信息，对脑部医学图像进行综合分析，得到脑部疾病的分析结果，从而提高脑部病灶情况分析的速度和准确性。
Description
技术领域
本发明涉及医学成像领域，特别涉及一种医学图像分析方法、电子设备和计算机可读存储介质。
背景技术
脑动脉增强CTA（Computed Tomography Angiography，血管计算机断层扫描）技术和脑CTP（Computed Tomography Perfusion，灌注计算机断层扫描）技术是目前检查脑卒中相关疾病的重要手段，采用CTA和CTP对大脑扫描得到的医学图像可以统称为脑CT医学图像。脑动脉CTA图像能够辅助诊断脑动脉血管的狭窄和闭塞等疾病信息，而脑CTP图像可以辅助诊断脑组织血供信息。目前，对脑CT医学图像的解读是人工读取，人工分析。然而，鉴于脑疾病的复杂性，这种人工解读脑CT医学图像的方式严重依赖医护人员的经验，在医护人员的经验不足时，将会带来较大的诊断误差，脑CT医学图像的辅助诊断就失去了意义。
发明内容
本申请提供一种针对脑CT医学图像的医学图像分析方法电子设备和计算机可读存储介质，以客观、准确地输出脑疾病的辅助信息，提升对脑疾病的诊断准确率。
一方面，本申请提供了
一种医学图像分析方法，其特征在于，该方法的步骤包括：
对目标区域的脑部医学图像进行处理，获得脑灌注CTP参考图像和所述脑动脉CTA参考图像；
根据脑灌注CTP参考图像中脑组织的缺血情况和脑动脉CTA参考图像中病灶情况的关联关系，确定所述脑部医学图像的分析结果。
第一方面，本申请提供了一种医学图像的处理装置，所述装置包括：
处理模块，对目标区域的脑部医学图像进行处理，获得脑灌注CTP参考图像和所述脑动脉CTA参考图像；
分析模块，根据脑灌注CTP参考图像中脑组织的缺血情况和脑动脉CTA参考图像中病灶情况的关联关系，确定所述脑部医学图像的分析结果。
第四方面，本申请提供了一种设备，所述设备包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上述医学图像的处理方法的技术方案的步骤。
第四方面，本申请提供了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，所述计算机程序被处理器执行时实现如上述医学图像的处理方法的技术方案的步骤。
本方案能够通过脑灌注CTP参考图像和所述脑动脉CTA参考图像之间的关联性，从多角度（维度）的脑部图像信息，对脑部医学图像进行综合分析，得到脑部疾病的分析结果，从而提高脑部病灶情况分析的速度和准确性。本方案能够客观、准确地输出脑疾病的辅助信息，提升对脑疾病的诊断准确率。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本申请实施例提供的医学图像分析方法的流程图；
图2是本申请实施例提供的脑部医学图像的处理方法的流程图；
图3是本申请实施例提供的脑部医学图像的一种实例的示意图；
图4是本申请实施例提供的脑部医学图像的另一种实例的示意图；
图5是本申请实施例提供的脑部医学图像的再一种实例的示意图；
图6是本方案所述图像识别装置的示意图；
图7是本方案所述电子设备的示意图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
在本说明书中，诸如第一和第二这样的形容词仅可以用于将一个元素或动作与另一元素或动作进行区分，而不必要求或暗示任何实际的这种关系或顺序。在环境允许的情况下，参照元素或部件或步骤（等）不应解释为局限于仅元素、部件、或步骤中的一个，而可以是元素、部件、或步骤中的一个或多个等。
在本说明书中，为了便于描述，附图中所示的各个部分的尺寸并不是按照实际的比例关系绘制的。
本申请提出了一种脑CT医学图像分析方法，如附图1所示，主要包括如下步骤：
步骤S1、对目标区域的脑部医学图像进行处理，获得脑灌注CTP参考图像和所述脑动脉CTA参考图像；
步骤S2、根据脑灌注CTP参考图像中脑组织的缺血情况和脑动脉CTA参考图像中病灶情况的关联关系，确定所述脑部医学图像的分析结果。
在本方案步骤S1中，包括如下步骤：
步骤S101：获取目标对象的脑部医学图像；
目标对象的脑部医学图像可以通过扫描的脑医学数字成像通信（DigitalImaging and Communications Of Medicine，DICOM）数据获得。
步骤S1021：在所述脑部医学图像中针对目标区域包含脑灌注CTP图像，且未包括独立扫描的脑动脉CTA图像的情况下，对所述脑灌注CTP图像进行处理，获得脑灌注CTP参考图像。
本方案中脑部医学图像至少包括脑灌注CTP图像的脑灌注CTP图像。在本申请实施例中，除了脑灌注CTP图像外，脑部医学图像脑还可能包含单独扫描的脑动脉CTA图像，这是因为有些病患在做脑CTP的医学检查时，还可能会额外做脑CTA的医学检查，当病患做了脑CTA的医学检查，就可以生成脑动脉CTA图像。若脑部医学图像中仅包含脑灌注CTP图像，这是因为，病患可能并没有单独做脑CTA的医学检查。
通常情况下，脑动脉CTA图像是包含在脑灌注CTP图像中的某一个特定期（即动脉期）。但是，因为脑灌注CTP图像中每个期的分辨率比较低，通常如果有单独扫描的脑动脉CTA图像，会直接采用较为清晰的脑动脉CTA图像来进行脑病灶情况的分析。如果没有单独扫描的脑动脉CTA图像，此时，需要从脑灌注CTP图像中提取动脉期的数据作为脑动脉CTA图像的CTA数据，然后，分析动脉血管的栓塞情况。
所述脑灌注CTP图像进行处理，获得脑灌注CTP参考图像脑灌注CTP图像。
在本申请实施例中，作为本申请一个实施例，根据经步骤S101得到的脑灌注CTP图像，处理得到脑CTP诊断参考图像可以是：将脑灌注CTP图像对应的图像序列进行配准，得到已配准脑灌注CTP图像；从已配准脑灌注CTP图像中选取动静脉采样点，生成脑动静脉曲线；根据脑动静脉曲线和已配准脑灌注CTP图像，计算脑灌注参数；根据脑灌注参数，计算得到脑灌注CTP参考图像，此处，脑灌注参数包括脑血流峰值时刻（Time to Peak，TTP）、脑血流量（Cerebra Blood Flow，CBF）、脑血容量（Cerebral Blood Volume，CBV）和脑血流平均流通时间（Mean Transit Time，MTT），等等。上述实施例中，将脑灌注CTP图像对应的图像序列进行配准可以是基于图像序列的互信息或者相似度，或者基于图像序列的基准影像进行配准。具体而言，可以是采用互信息算法查找每个图像序列之间互信息最大的变换参数，将互信息最大的变换参数作为配准参数对图像序列进行序列配准，得到已配准脑灌注CTP图像；或者，基于中间图像序列和第一图像序列各自所包含的对象区域，获取中间图像序列（中间图像序列为第二图像序列通过变换模型变换得到）和第一图像序列的相似度，根据中间图像序列和第一图像序列的相似度，对变换模型的参数进行调整，以将参数调整后的变换模型用于对第二图像序列进行图像变换以得到更新的中间图像序列，直至更新的中间图像序列和第一图像序列的相似度满足相似条件时更新的中间图像序列与第一图像序列配准，得到已配准脑灌注CTP图像；本实施例中，第一图像序列是脑灌注CTP图像对应的图像序列中可作为配准标准的标准图像，第二图像序列是脑灌注CTP图像对应的图像序列中待配准图像序列。
对从所述脑灌注CTP图像中提取的动脉期像图像进行处理，获得脑动脉 CTA诊断参考图像脑灌注CTP图像。
如前所述，脑部医学图像中仅包含脑灌注CTP图像缺失脑动脉CTA图像。然而，由于脑灌注CTP图像是使用一次打造影剂、在预设时间内连续拍摄的多个时间期图像，这些多个时期图像（即期像）中动脉显影最好的几个期像即动脉期像接近脑灌注CTP图像的显影效果。因此，在缺失脑动脉CTA图像的情形下，可以通过从脑灌注CTP图像提取动脉期像数据，处理得到脑血管计算机断层扫描CTA诊断参考图像。具体地，作为本申请一个实施例，通过从脑灌注CTP图像提取动脉期像数据，处理得到脑灌注CTP参考图像的步骤可以包括：
从多个CTP期像的时间序列最大密度投影TMIP定位每一个CTP期像对应的目标动脉区域。
理想状况下，每一个CTP期像中的脑动脉显影明显，而脑静脉显影较弱。然而，实际上，由于造影剂在血管充盈是一个渐进的过程，导致脑动脉末端和脑静脉在显影上并没有绝对的界限，往往动脉末端显影较好时候静脉也能有较好的显影。基于上述事实，在本申请实施例中，目标动脉区域应该在CTP期像的时间序列最大密度投影（Time MaximumIntensity Projection，TMIP）上寻找。具体而言，可以基于深度学习模型，从多个CTP期像的TMIP定位每一个CTP期像对应的目标动脉区域。
将每个目标动脉区域上确定的脑动脉采样点，拟合成CT值曲线；。
根据CTA成像原理，对于CTP期像，基底动脉（Basilar Artery，BA）、大脑中动脉（Middle Cerebral Artery，MCA）的一段或者大脑前动脉（Anterior Cerebral Artery，ACA）等区域体现的脑血管较大，因此，BA、MCA一段或ACA等区域都可以作为确定脑动脉采样点的理想动脉区域即目标动脉区域，可以在上述区域的任何一个区域上确定脑动脉采样点。具体而言，在目标动脉区域上确定脑动脉采样点可以是：从目标动脉区域的中间范围确定候选采样点，将候选采样点中幅度变化呈预设曲线分布并且幅度变化最大的采样点确定为动脉采样点。需要说明的是，之所以是从目标动脉区域的中间范围确定候选采样点，是因为目标动脉区域的边缘具有诸多不确定性，采样时应当尽量远离边缘地带，而预设曲线可以是二次曲线。
由于一个CTP期像可以确定一个脑动脉采样点，因此，多个CTP期像就可以得到相应的多个脑动脉采样点；可以将这多个脑动脉采样点拟合为CT值曲线。为了防止噪点污染导致后续确定峰值CT值时出错，在将多个脑动脉采样点拟合为CT值曲线之前或同时，除了对曲线平滑之外，还要将明显偏离曲线的脑动脉采样点作为异常点去掉。
从所述CT值曲线中提取峰值CT值进行时间加权处理，将经过时间加权后的所述峰值CT值所在时刻对应的脑灌注CTP图像作为与脑动脉CTA图像对应的图像。
从CT值曲线中比较容易确定一个峰值CT值。由于CT值曲线是以脑动脉采样点的采样时刻为纵轴，因此，理想状况下，确定了峰值CT值，便可以确定峰值CT值对应脑动脉采样点的采样时刻，从而可以确定是在哪一个CTP期像中进行的脑动脉采样。然而，考虑到BA、MCA和ACA的差异性，需要对峰值CT值对应脑动脉采样点的采样时刻进行一个加权，加权之后的峰值CT值所在时刻对应的CTP期像作为脑CTA数据对应的图像。例如，峰值CT值对应脑动脉采样点的采样时刻为Tmax，加权时间值为T，则将（Tmax+T）时刻对应的CTP期像作为脑CTA数据对应的图像。至于加权时间值T，是一个经验值，通常，TBA>TMCA>TACA，即按照动脉采样点是在BA区域、MCA区域还是ACA区域上的不同，给予不同的加权值，具体而言，动脉采样点在BA区域时加权值T最大，其次是MCA区域上的动脉采样点，加权值T最小的应该是动脉采样点在ACA 区域上时。
根据所述经过时间加权后的所述峰值CT值所在时刻对应的脑灌注CTP图像进行处理，获得所述脑动脉CTA参考图像。
具体地，从所述脑CTA数据对应的图像分割出脑血管，计算脑血管的中心线，根据脑血管的中心线，计算脑血管的堵塞数据，基于脑血管的堵塞数据，在脑CTA数据对应的图像上进行标记以形成脑CTA诊断参考图像。上述脑血管的堵塞数据，可以是以脑血管的中心线为基线，计算出来的脑血管狭窄或闭塞的程度指征以及狭窄或闭塞的具体位置等信息。
上述步骤中是针对脑部医学图像中针对目标区域包含脑灌注CTP图像，且未包括独立扫描的脑动脉CTA图像的情况下，得到脑动脉CTA参考图像的过程。
本方案步骤S1022主要是针对脑部医学图像中包含脑灌注CTP图像和独立扫描的脑动脉CTA图像的情况。此时，可以直接对所述独立扫描的脑动脉CTA图像进行处理，获得脑动脉CTA参考图像；然后，对所述脑灌注CTP图像进行处理，获得脑灌注CTP参考图像。另外，步骤1022中对所述脑灌注CTP图像进行处理，获得脑灌注CTP参考图像的步骤与上述步骤1021中的处理方式相同，此处不再赘述。
本方案中所述的目标区域可以为组织的病变区域。针对目标区域的脑灌注CTP图像和脑动脉CTA图像，是对病变区域的不同角度（维度）的展示图像。
步骤S103：从所述脑灌注CTP参考图像和所述脑动脉CTA参考图像中提取目标病灶的属性信息。
在本申请实施例中，脑灌注CTP参考图像能够一定程度上反映脑疾患者的脑缺血情况，在图像上通常表现为缺血半暗带和核心梗死区，其中，缺血半暗带被算法认为脑组织已经缺血，但临床上及时施救可恢复的区域，而核心梗死则被算法认为已经脑组织完全梗死或即使临床上施救也无法恢复的区域；脑动脉CTA参考图像能够反映脑疾患者的脑血管狭窄或闭塞情况，而脑血管狭窄或闭塞往往导致脑供血不足，是脑组织缺血的主要原因之一，这种因果关系刚好使得脑灌注CTP参考图像上的病灶与脑动脉CTA参考图像上的病灶也能够呈现一定的关联关系。对于脑灌注CTP参考图像，临床上一般只考虑脑组织核心梗死区域和缺血半暗带，而对于脑动脉CTA参考图像，临床上一般只考虑脑血管中度以上的狭窄或闭塞，轻度以及轻度以下的狭窄或闭塞则不予考虑或只做一般处理。需要说明的是，脑血管的狭窄或闭塞一般只会存在脑动脉CTA参考图像的单个区域，而核心梗死区域和缺血半暗带在脑灌注CTP参考图像上却可以跨越多个区域。如图3所示，利用虚线划分的供血区；在实践中，病灶所在供血区在脑区域的识别划分可以依靠脑区域的配准和对脑主要血管位置的命名方法来实现。
作为本申请一个实施例，步骤S103的实现可以是：利用深度学习全卷积神经网络对脑灌注CTP参考图像和所述脑动脉CTA参考图像中提取病灶图像进行图像分割，得到病灶区域影像，根据病灶区域影像，在脑灌注CTP参考图像和所述脑动脉CTA参考图像中提取病灶图像使用边缘检测算法标记出病灶的边界，从而确定病灶的类型、病灶的范围、病灶的尺寸等属性信息。需要说明的是，上述实施例中的深度学习全卷积神经网络是利用多个脑灌注CTP参考图像和所述脑动脉CTA参考图像以及标注好了的每个脑灌注CTP参考图像和所述脑动脉CTA参考图像的病灶区域训练得到，因此，脑灌注CTP参考图像和所述脑动脉CTA参考图像可以对已配准脑灌注CTP参考图像和所述脑动脉CTA参考图像进行图像分割而得到病灶区域影像。至于根据病灶区域影像，在已配准脑灌注CTP参考图像和所述脑动脉CTA参考图像使用边缘检测算法标记出已配准脑灌注CTP参考图像和所述脑动脉CTA参考图像的病灶边界，具体可以是图像处理设备首先通过边缘检测算法检测得到病灶区域影像的边界，然后通过轮廓提取算法提取出病灶区域影像中各个边界点的坐标；由于病灶区域影像与已配准脑灌注CTP参考图像和所述脑动脉CTA参考图像可以全部重叠或者部分重叠在一起，因此，可以直接按照病灶区域影像中各个边界点的坐标，在已配准脑灌注CTP参考图像和所述脑动脉CTA参考图像中标记出病灶边界。
当从脑灌注CTP参考图像和所述脑动脉CTA参考图像中提取出目标病灶的属性信息之后，可以输出脑疾诊断报告，其中，脑疾诊断报告至少包含脑灌注CTP参考图像和所述脑动脉CTA参考图像中提取的一项目标病灶的属性信息。作为本申请一个实施例，输出脑疾诊断报告的实现过程可以是：从脑灌注CTP参考图像和所述脑动脉CTA参考图像中各提取一项目标病灶的属性信息，作为报告的展示信息。
在本方案步骤S2中，可以在获取的脑灌注CTP参考图像和所述脑动脉CTA参考图像中病灶的属性信息的基础上，根据脑灌注CTP参考图像中目标病灶的属性信息和脑动脉CTA参考图像中目标病灶的属性信息的关联关系，确定所述脑部医学图像中病灶的分析结果。如图4所示，对比脑灌注CTP参考图像和脑动脉CTA参考图像中同一区域目标病灶的属性信息；如果脑动脉CTA参考图像某区域出现目标病灶的第一属性信息且脑灌注CTP参考图像在该区域或者邻近并更加靠外的区域出现目标病灶的第二属性信息的情况下，则认为这两个病灶具备关联关系。这是因为血管的走向总是从靠内部的核心区域流向靠外部的区域，脑组织缺血一般源于靠里供血动脉的闭塞。例如，图中的圆圈区域出现狭窄/闭塞，则三角区域缺血都被认为和圆圈区域具有关联。
具体而言，可以按照脑灌注CTP参考图像和所述脑动脉CTA参考图像实际反映的病情，分为三种情形：从脑灌注CTP参考图像提取到了目标病灶的第一属性信息和从所述脑动脉CTA参考图像中提取到了目标病灶的第二属性信息，根据目标病灶的第一属性信息和第二属性信息辅助对脑部病灶进行分析，并组成脑疾诊断报告，此为第一种情形；从脑灌注CTP参考图像提取到了目标病灶的第一属性信息，而脑动脉CTA参考图像中没有提取到目标病灶的第二属性信息，根据目标病灶的第一属性信息和第二属性信息辅助对脑部病灶进行分析，并此为第二种情形；从脑动脉CTA参考图像提取到了目标病灶的第一属性信息，而脑动脉CTA参考图像中没有提取到目标病灶的第一属性信息，此为第三种情形，以下对上述三种情形详细说明：
1）脑CTA诊断参考图像中提取到目标病灶的第一属性信息，脑CTP诊断参考图像中提取到目标病灶的第二属性信息，即，脑CTA诊断参考图像中出现脑血管狭窄或闭塞的影像，脑CTP诊断参考图像中出现缺血半暗带或核心梗死区；临床可以给出的结论是：脑疾患者的脑血管的BA、MCA、ACA段疑似狭窄或闭塞，脑组织缺血；
2）脑CTA诊断参考图像中尚未提取到目标病灶的第一属性信息，脑CTP诊断参考图像中提取到目标病灶的第二属性信息，即，脑CTA诊断参考图像中不存在脑血管狭窄或闭塞的影像，但脑CTP诊断参考图像中存在缺血半暗带或核心梗死区，这种情形一般发生在颅内动脉的末端、尤其是MCA末端的供血区，临床上需要额外做一次对称性分析，比较两个具有关联的脑区中血管丰富程度和充盈程度，方案可以是挑选两个对称脑区，将动脉分割区域提取出来，然后，如图5所示，计算其分割区域的大小以及平均CT值，若分割区域体积小于对称脑区的2/3，或者分割区域*平均CT值小于对称脑区的1/2，则认为该区域存在末端闭塞或者其他供血不足的问题，需要提示排查二者是否存在关联关系；
3）脑CTA诊断参考图像中提取到目标病灶的第一属性信息，脑CTP诊断参考图像中尚未提取到目标病灶的第二属性信息，即，脑CTA诊断参考图像中存在脑血管狭窄或闭塞的影像，但脑CTP诊断参考图像中不存在缺血半暗带或核心梗死区，对于这种情形，临床上一般先要判断脑CTA诊断参考图像中提取到的病灶的严重程度，若脑血管狭窄或闭塞程度为中度甚至中度以上（例如，重度狭窄或闭塞），则一般认为脑组织的局部已产生侧枝循环供血，需要向医护人员提示，若脑血管狭窄或闭塞程度为中度以下，则一般认为狭窄或闭塞程度尚未影响到脑组织的供血，可以不用向医护人员提示。
通过上述分析方法能够得到脑医学影像中病灶的关联起因。然后，以图文报告或结构化报告的形式，展示所述分析结果。
综上所述，本方案能够通过脑灌注CTP参考图像和所述脑动脉CTA参考图像之间的关联性，从多角度（维度）的脑部图像信息，对脑部医学图像进行综合分析，得到脑部疾病的分析结果，从而提高脑部病灶情况分析的速度和准确性。本方案能够客观、准确地输出脑疾病的辅助信息，提升对脑疾病的诊断准确率。
如图6所示，本方案进一步提供了配合上述医学图像分析方法实施的图像识别装置601，该装置包括：处理模块602和分析模块603。
所述处理模型可以用于执行如下步骤：
获取目标对象的脑部医学图像；
在所述脑部医学图像中针对目标区域包含脑灌注CTP图像，且未包括独立扫描的脑动脉CTA图像的情况下，对所述脑灌注CTP图像进行处理，获得脑灌注CTP参考图像；对从所述脑灌注CTP图像中提取的动脉期像图像进行处理，获得脑动脉 CTA诊断参考图像；
从所述脑灌注CTP参考图像和所述脑动脉CTA参考图像中提取目标病灶的属性信息。
优先步骤，该方法的步骤包括：
在所述脑部医学图像中针对目标区域包含脑灌注CTP图像和独立扫描的脑动脉CTA图像的情况下，对所述脑动脉CTA图像进行处理，获得脑动脉CTA参考图像；对所述脑灌注CTP图像进行处理，获得脑灌注CTP参考图像。
优先步骤，所述对所述脑灌注CTP图像进行处理，获得脑灌注CTP参考图像的步骤包括：
将所述脑灌注CTP图像对应的脑部医学图像序列进行配准，得到配准的脑灌注CTP图像序列；
从所述脑灌注CTP图像序列中选取动静脉采样点，生成脑动静脉曲线；
根据所述脑动静脉曲线和所述脑灌注CTP图像序列，计算脑灌注参数；其中，所述脑灌注参数包括脑血流峰值时刻、脑血流量、脑血容量和脑血流平均通过时间的至少一种；
根据所述脑灌注参数，计算得到所述脑灌注CTP参考图像。
优先步骤，所述对从所述脑灌注CTP图像中提取的动脉期像图像进行处理，获得脑动脉CTA参考图像的步骤包括：
从多个拍摄时期的脑灌注CTP图像的时间序列最大密度投影TMIP上，定位每一个拍摄时期的脑灌注CTP图像对应的目标动脉区域；
将每个目标动脉区域上确定的脑动脉采样点，拟合成CT值曲线；
从所述CT值曲线中提取峰值CT值进行时间加权处理，将经过时间加权后的所述峰值CT值所在时刻对应的脑灌注CTP图像作为与脑动脉CTA图像对应的图像；
根据所述经过时间加权后的所述峰值CT值所在时刻对应的脑灌注CTP图像进行处理，获得所述脑动脉CTA参考图像。
优先步骤，在所述目标动脉区域上确定脑动脉采样点的步骤包括：
从所述目标动脉区域的中间范围确定候选采样点；
将所述候选采样点中幅度变化呈预设曲线分布并且幅度变化最大的采样点确定为所述动脉采样点。
优先步骤，所述对所述脑动脉CTA图像进行处理，获得脑动脉CTA参考图像的步骤包括：
从所述脑动脉CTA图像中分割出脑血管；
根据所述脑血管的血管中心线，计算所述脑血管的堵塞数据；
基于所述脑血管的堵塞数据，在所述脑动脉CTA图像上进行标记以形成所述脑动脉CTA参考图像。
优先步骤，所述从所述脑灌注CTP参考图像和所述脑动脉CTA参考图像中提取目标病灶的属性信息的步骤包括：
对所述脑灌注CTP参考图像和所述脑动脉CTA参考图像进行图像分割，获得脑动脉血管图像；
利用预先构建的病灶识别模型，在所述脑灌注CTP参考图像和所述脑动脉CTA参考图像的脑动脉血管影像中标出目标病灶的属性信息。
该装置中分析模型可以用于执行如下步骤：
若脑动脉CTA参考图像中具有目标病灶的第一属性信息，且对应脑灌注CTP参考图像中的位置及其附近预定区域具有目标病灶的第二属性信息，则脑灌注CTP参考图像中的病灶与脑动脉CTA参考图像中的病灶具有直接关联关系；
若脑动脉CTA参考图像中无目标病灶的属性信息，且对应脑灌注CTP参考图像中的位置及其附近预定区域具有目标病灶的第二属性信息，则脑灌注CTP参考图像中病灶疑似与末端闭塞或供血不足问题具有关联关系；
若脑动脉CTA参考图像中具有目标病灶的第一属性信息，且脑灌注CTP参考图像中的位置及其附近预定区域无目标病灶的第二属性信息，则脑灌注CTP参考图像中无病与脑动脉CTA参考图像中的病灶附近存在侧枝循环具有关联关系。
另外，本该装置还可以配置报告生成模块604，将得到的分析结果，以图文报告或结构化报告的形式输出成结构化报告，供医生或者患者查看。
应当理解，本方案中各模块或单元可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(Programmable GateArray，PGA)，现场可编程门阵列(Field Programmable Gate Array，FPGA)等。
在上述图像分析方法实施方式的基础上，本方案进一步提供一种计算机可读存储介质。该计算机可读存储介质用于实现上述数据采集方法的程序产品，其可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码，并可以在设备，例如个人电脑上运行。然而，本方案的程序产品不限于此，在本文件中，可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
所述程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
计算机可读存储介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了可读程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。可读信号介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
计算机可读存储介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、有线、光缆、RF等等，或者上述的任意合适的组合。
可以以一种或多种程序设计语言的任意组合来编写用于执行本方案操作的程序代码，所述程序设计语言包括面向对象的程序设计语言-诸如Java、C++等，还包括常规的过程式程序设计语言-诸如"C"语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网(LAN)或广域网(WAN)，连接到用户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
在上述图像分析方法实施方式的基础上，本方案进一步提供一种电子设备。如图7所示电子设备仅仅是一个示例，不应对本方案实施例的功能和使用范围带来任何限制。
如图7所示，电子设备701以通用计算设备的形式表现。电子设备701的组件可以包括但不限于：至少一个存储单元702、至少一个处理单元703、显示单元704和用于连接不同系统组件的总线705。
其中，所述存储单元702存储有程序代码，所述程序代码可以被所述处理单元703执行，使得所述处理单元703执行上述设备征兆信息获取方法中描述的各种示例性实施方式的步骤。例如，所述处理单元703可以执行如图1和/或图2中所示的步骤。
存储单元702可以包括易失性存储单元，例如随机存取存储单元(RAM)和/或高速缓存存储单元，还可以进一步包括只读存储单元(ROM)。
存储单元702还可以包括具有程序模块的程序/实用工具，这样的程序模块包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。
总线705可以包括数据总线、地址总线和控制总线。
电子设备701也可以与一个或多个外部设备707(例如键盘、指向设备、蓝牙设备等)通信，这种通信可以通过输入/输出(I/O)接口706进行。应当明白，尽管图中未示出，可以结合电子设备701使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
显然，本发明的上述实施例仅仅是为清楚地说明本发明所作的举例，而并非是对本发明的实施方式的限定，对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动，这里无法对所有的实施方式予以穷举，凡是属于本发明的技术方案所引伸出的显而易见的变化或变动仍处于本发明的保护范围之列。
Claims (10)
1.一种医学图像分析方法，其特征在于，该方法的步骤包括：
获取目标对象的脑部医学图像；
在所述脑部医学图像中针对目标区域包含脑灌注CTP图像，且未包括独立扫描的脑动脉CTA图像的情况下，从所述脑灌注CTP图像中提取脑灌注参数，并利用脑灌注参数计算得到脑灌注CTP参考图像；从所述脑灌注CTP图像的动脉期像图像中提取与脑灌注CTP图像相对应的脑动脉 CTA图像，并将脑动脉 CTA图像中提取脑血管堵塞对应的图像作为脑动脉CTA参考图像；或者，
在所述脑部医学图像中针对目标区域包含脑灌注CTP图像和独立扫描的脑动脉CTA图像的情况下，从脑动脉CTA图像中提取脑血管堵塞对应的图像作为脑动脉CTA参考图像；从所述脑灌注CTP图像中提取脑灌注参数，并利用脑灌注参数计算得到脑灌注CTP参考图像；
根据从脑灌注CTP参考图像中提取的目标病灶属性信息和从脑动脉CTA参考图像中提取的目标病灶属性信息之间的位置关系，确定脑灌注CTP参考图像中的脑组织缺血与脑动脉CTA参考图像中的病灶之间关联性分析结果；其中，
若脑动脉CTA参考图像中具有目标病灶的第一属性信息，且对应脑灌注CTP参考图像中的位置及其附近预定区域具有目标病灶的第二属性信息，则脑灌注CTP参考图像中的脑组织缺血与脑动脉CTA参考图像中的病灶具有关联性；
若脑动脉CTA参考图像中无目标病灶的属性信息，且对应脑灌注CTP参考图像中的位置及其附近预定区域具有目标病灶的第二属性信息，则脑灌注CTP参考图像中的脑组织缺血与末端闭塞或供血不足问题具有关联性；
若脑动脉CTA参考图像中具有目标病灶的第一属性信息，且脑灌注CTP参考图像中的位置及其附近预定区域无目标病灶的第二属性信息，则脑灌注CTP参考图像中无病灶区域与脑动脉CTA参考图像中的病灶附近存在侧枝循环具有关联性。
2.根据权利要求1所述的方法，其特征在于，所述从所述脑灌注CTP图像中提取脑灌注参数，并利用脑灌注参数计算得到脑灌注CTP参考图像的步骤包括：
将所述脑灌注CTP图像对应的脑部医学图像序列进行配准，得到配准的脑灌注CTP图像序列；
从所述脑灌注CTP图像序列中选取动静脉采样点，生成脑动静脉曲线；
根据所述脑动静脉曲线和所述脑灌注CTP图像序列，计算脑灌注参数；其中，所述脑灌注参数包括脑血流峰值时刻、脑血流量、脑血容量和脑血流平均通过时间的至少一种；
根据所述脑灌注参数，计算得到所述脑灌注CTP参考图像。
3.根据权利要求1所述的方法，其特征在于，所述从所述脑灌注CTP图像的动脉期像图像中提取与脑灌注CTP图像相对应的脑CTA数据，并将脑CTA数据中对应脑血管堵塞的图像作为脑动脉CTA参考图像的步骤包括：
从多个拍摄时期的脑灌注CTP图像的时间序列最大密度投影TMIP上，定位每一个拍摄时期的脑灌注CTP图像对应的目标动脉区域；
将每个目标动脉区域上确定的脑动脉采样点，拟合成CT值曲线；
从所述CT值曲线中提取峰值CT值进行时间加权处理，将经过时间加权后的所述峰值CT值所在时刻对应的脑灌注CTP图像作为与脑动脉CTA图像对应的图像；
根据所述经过时间加权后的所述峰值CT值所在时刻对应的脑灌注CTP图像作为与脑动脉CTA图像对应的图像；
根据与脑动脉CTA图像对应的图像，计算脑血管的堵塞数据，并基于所述堵塞数据，在与脑动脉CTA图像对应的图像上进行标记，获得所述脑动脉CTA参考图像。
4.根据权利要求3所述的方法，其特征在于，在所述目标动脉区域上确定脑动脉采样点的步骤包括：
从所述目标动脉区域的中间范围确定候选采样点；
将所述候选采样点中幅度变化呈预设曲线分布并且幅度变化最大的采样点确定为所述动脉采样点。
5.根据权利要求1所述的方法，其特征在于，所述脑动脉CTA图像中提取脑血管堵塞对应的图像作为脑动脉CTA参考图像的步骤包括：
从所述脑动脉CTA图像中分割出脑血管；
根据所述脑血管的血管中心线，计算所述脑血管的堵塞数据；
基于所述脑血管的堵塞数据，在所述脑动脉CTA图像上进行标记以形成所述脑动脉CTA参考图像。
6.根据权利要求1所述的方法，其特征在于，所述从所述脑灌注CTP参考图像和所述脑动脉CTA参考图像中提取目标病灶的属性信息的步骤包括：
对所述脑灌注CTP参考图像和所述脑动脉CTA参考图像进行图像分割，获得脑动脉血管图像；
利用预先构建的病灶识别模型，在所述脑灌注CTP参考图像和所述脑动脉CTA参考图像的脑动脉血管影像中标出目标病灶的属性信息 。
7.根据权利要求1所述的方法，其特征在于，该方法的步骤还包括：
以图文报告或结构化报告的形式，展示所述分析结果。
8.一种医学图像分析装置，其特征在于，所述装置包括：
处理模块，获取目标对象的脑部医学图像；
在所述脑部医学图像中针对目标区域包含脑灌注CTP图像，且未包括独立扫描的脑动脉CTA图像的情况下，从所述脑灌注CTP图像中提取脑灌注参数，并利用脑灌注参数计算得到脑灌注CTP参考图像；从所述脑灌注CTP图像的动脉期像图像中提取与脑灌注CTP图像相对应的脑CTA数据，并将脑CTA数据中对应脑血管堵塞的图像作为脑动脉CTA参考图像；或者，
在所述脑部医学图像中针对目标区域包含脑灌注CTP图像和独立扫描的脑动脉CTA图像的情况下，从脑动脉CTA图像中提取脑血管堵塞对应的图像作为脑动脉CTA参考图像；从所述脑灌注CTP图像中提取脑灌注参数，并利用脑灌注参数计算得到脑灌注CTP参考图像；
分析模块，根据从脑灌注CTP参考图像中提取的目标病灶属性信息和从脑动脉CTA参考图像中提取的目标病灶属性信息之间的位置关系，确定脑灌注CTP参考图像中的脑组织缺血与脑动脉CTA参考图像中的病灶之间关联性分析结果；其中，
若脑动脉CTA参考图像中具有目标病灶的第一属性信息，且对应脑灌注CTP参考图像中的位置及其附近预定区域具有目标病灶的第二属性信息，则脑灌注CTP参考图像中的脑组织缺血与脑动脉CTA参考图像中的病灶具有关联性；
若脑动脉CTA参考图像中无目标病灶的属性信息，且对应脑灌注CTP参考图像中的位置及其附近预定区域具有目标病灶的第二属性信息，则脑灌注CTP参考图像中的脑组织缺血与末端闭塞或供血不足问题具有关联性；
若脑动脉CTA参考图像中具有目标病灶的第一属性信息，且脑灌注CTP参考图像中的位置及其附近预定区域无目标病灶的第二属性信息，则脑灌注CTP参考图像中无病灶区域与脑动脉CTA参考图像中的病灶附近存在侧枝循环具有关联性。
9.一种医学图像分析设备，所述设备包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至7任意一项所述方法的步骤。
10.一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，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任意一项所述方法的步骤。
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110441786 | 2021-04-23 | ||
| CN2021104417860 | 2021-04-23 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114066969A CN114066969A (zh) | 2022-02-18 |
| CN114066969B true CN114066969B (zh) | 2022-04-26 |
Family
ID=80272466
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111351524.1A Active CN114066969B (zh) | 2021-04-23 | 2021-11-16 | 一种医学图像分析方法以及相关产品 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114066969B (zh) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116798636B (zh) * | 2022-03-14 | 2024-03-26 | 数坤(北京)网络科技股份有限公司 | 医学诊断方法以及相关设备 |
| CN116798596A (zh) * | 2022-03-14 | 2023-09-22 | 数坤(北京)网络科技股份有限公司 | 一种信息关联方法、装置、电子设备和存储介质 |
| CN114648514B (zh) * | 2022-03-30 | 2022-11-29 | 中国人民解放军总医院第二医学中心 | 一种脑动脉定位提取方法、装置、电子设备及存储介质 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101923713A (zh) * | 2010-08-04 | 2010-12-22 | 中国科学院自动化研究所 | 一种提取冠状动脉血管中心线的方法 |
| WO2017037287A1 (en) * | 2015-09-04 | 2017-03-09 | Katholieke Universiteit Leuven | Method and device for identifying vascular connectivity of an image |
| CN110176013A (zh) * | 2019-05-29 | 2019-08-27 | 数坤（北京）网络科技有限公司 | 血管分割方法、装置、电子设备及存储介质 |
| CA3036003A1 (en) * | 2018-03-07 | 2019-09-07 | Mg Stroke Analytics Inc. | System and methods for assessing presence of large vessel occlusion to aid in transfer decision-making for endovascular treatment in patients with acute ischemic stroke |
| CN111528845A (zh) * | 2020-04-16 | 2020-08-14 | 北京康兴顺达科贸有限公司 | 单侧大脑中动脉重度狭窄/闭塞的asl图像处理方法 |
| CN111627508A (zh) * | 2020-04-29 | 2020-09-04 | 数坤（北京）网络科技有限公司 | 一种医学影像的解读方法、装置及计算机可读介质 |
| CN112686891A (zh) * | 2021-03-09 | 2021-04-20 | 数坤（北京）网络科技有限公司 | 一种影像处理的方法、装置及计算机可读介质 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7819812B2 (en) * | 2004-12-15 | 2010-10-26 | Neuropace, Inc. | Modulation and analysis of cerebral perfusion in epilepsy and other neurological disorders |
| US11880989B2 (en) * | 2014-04-25 | 2024-01-23 | Thornhill Scientific Inc. | Imaging abnormalities in vascular response |
-
2021
- 2021-11-16 CN CN202111351524.1A patent/CN114066969B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101923713A (zh) * | 2010-08-04 | 2010-12-22 | 中国科学院自动化研究所 | 一种提取冠状动脉血管中心线的方法 |
| WO2017037287A1 (en) * | 2015-09-04 | 2017-03-09 | Katholieke Universiteit Leuven | Method and device for identifying vascular connectivity of an image |
| CA3036003A1 (en) * | 2018-03-07 | 2019-09-07 | Mg Stroke Analytics Inc. | System and methods for assessing presence of large vessel occlusion to aid in transfer decision-making for endovascular treatment in patients with acute ischemic stroke |
| CN110176013A (zh) * | 2019-05-29 | 2019-08-27 | 数坤（北京）网络科技有限公司 | 血管分割方法、装置、电子设备及存储介质 |
| CN111528845A (zh) * | 2020-04-16 | 2020-08-14 | 北京康兴顺达科贸有限公司 | 单侧大脑中动脉重度狭窄/闭塞的asl图像处理方法 |
| CN111627508A (zh) * | 2020-04-29 | 2020-09-04 | 数坤（北京）网络科技有限公司 | 一种医学影像的解读方法、装置及计算机可读介质 |
| CN112686891A (zh) * | 2021-03-09 | 2021-04-20 | 数坤（北京）网络科技有限公司 | 一种影像处理的方法、装置及计算机可读介质 |
Non-Patent Citations (7)
| Title |
|---|
| Comparison of CT angiography collaterals for predicting target perfusion profile and clinical outcome in patients with acute ischemic stroke;Shan-shan Lu等;《European Radiology》;20190214;第29卷;Shan-shan Lu等 * |
| 丙型肝炎病毒NS5B区基因耐药多态性研究;阳光;《中国优秀硕士学位论文全文数据库 (医药卫生科技辑)》;20190815(第8期);第E061-12页 * |
| 以脑CT灌注的峰值时间作为脑CTA扫描延时的应用;梁琰等;《实用放射学杂志》;20070730;第23卷(第4期);第540-541页 * |
| 多时相头CTA在急性缺血性脑卒中侧支循环影像检查中的应用;赵继军等;《河北医药》;20181224;第40卷(第24期);第3774-3776,3780页 * |
| 头颈部CTA在诊断脑血管性病变的诊断价值;张建军;《中国保健营养（上旬刊）》;20140608(第12期);第7463-7463页 * |
| 脑缺血灶和脑梗死的CT、MRI图像比较分析;曾令延;《中国医药导刊》;20120915;第14卷(第9期);第1513+1515页 * |
| 颅脑动态灌注CT成像射线剂量的减少:扫描频率对脑血流量、脑血容量及平均通过时间测量的影响;M. Wiesmann等;《国际医学放射学杂志》;20090115;第32卷(第1期);第103页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114066969A (zh) | 2022-02-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN114066969B (zh) | 一种医学图像分析方法以及相关产品 | |
| US11837353B2 (en) | Systems and methods for predicting image quality scores of images | |
| JP6703082B2 (ja) | 医用画像における構造物をセグメンテーションする医用画像処理装置、医用画像をセグメンテーションするための方法及び医用画像をセグメンテーションするコンピュータプログラムを記憶する記憶媒体 | |
| US10349910B2 (en) | Method and apparatus for assessing blood vessel stenosis | |
| US11436732B2 (en) | Automatic segmentation of acute ischemic stroke lesions in computed tomography data | |
| JP7569843B2 (ja) | 頭蓋内血管の解析方法及び解析システム | |
| US11139067B2 (en) | Medical image display device, method, and program | |
| US11170499B2 (en) | Method and device for the automated evaluation of at least one image data record recorded with a medical image recording device, computer program and electronically readable data carrier | |
| US20160321427A1 (en) | Patient-Specific Therapy Planning Support Using Patient Matching | |
| KR102245219B1 (ko) | 의료 영상에서 악성의심 병변을 구별하는 방법, 이를 이용한 의료 영상 판독 방법 및 컴퓨팅 장치 | |
| US20190189270A1 (en) | Hospital information apparatus, hospital information system, and hospital information processing method | |
| US20150087972A1 (en) | Dynamic overlay of anatomy from angiography to fluoroscopy | |
| CN111145160A (zh) | 钙化区域所处冠脉分支的确定方法、装置、服务器及介质 | |
| Rueckel et al. | Reduction of missed thoracic findings in emergency whole-body computed tomography using artificial intelligence assistance | |
| Danala et al. | Developing new quantitative CT image markers to predict prognosis of acute ischemic stroke patients | |
| JP7109345B2 (ja) | 優先度判定装置、方法およびプログラム | |
| US20220351832A1 (en) | Methods for operating an evaluation system for medical image data sets, evaluation systems, computer programs and electronically readable storage mediums | |
| CN113610841B (zh) | 一种血管异常图像识别方法、装置、电子设备和存储介质 | |
| US20220076796A1 (en) | Medical document creation apparatus, method and program, learning device, method and program, and trained model | |
| JP2019213785A (ja) | 医用画像処理装置、方法およびプログラム | |
| JP2024515188A (ja) | 冠動脈疾患を特定するシステム及び方法 | |
| US10510448B2 (en) | Method for providing diagnosis aid information by using medical images, and system therefor | |
| Yagis et al. | Deep Learning for Vascular Segmentation and Applications in Phase Contrast Tomography Imaging | |
| CN115482246B (zh) | 一种图像信息提取方法、装置、电子设备和可读存储介质 | |
| CN115482181B (zh) | 一种图像信息提取方法、装置、电子设备和可读存储介质 |
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 | ||
| CP03 | Change of name, title or address |
Address after: 100120 rooms 303, 304, 305, 321 and 322, building 3, No. 11, Chuangxin Road, science and Technology Park, Changping District, Beijing Patentee after: Shukun Technology Co.,Ltd. Country or region after: China Address before: 100120 rooms 303, 304, 305, 321 and 322, building 3, No. 11, Chuangxin Road, science and Technology Park, Changping District, Beijing Patentee before: Shukun (Beijing) Network Technology Co.,Ltd. Country or region before: China |
|
| TR01 | Transfer of patent right |
Effective date of registration: 20240927 Address after: Room 313 and 315, Building No. 11, Innovation Road, Changping District, Beijing 102200 Patentee after: YUKUN (BEIJING) NETWORK TECHNOLOGY Co.,Ltd. Country or region after: China Address before: 100120 rooms 303, 304, 305, 321 and 322, building 3, No. 11, Chuangxin Road, science and Technology Park, Changping District, Beijing Patentee before: Shukun Technology Co.,Ltd. Country or region before: China |