CN114511670A - 基于动态灌注影像的血管重建方法、装置、设备和介质 - Google Patents
基于动态灌注影像的血管重建方法、装置、设备和介质 Download PDFInfo
- Publication number
- CN114511670A CN114511670A CN202111665365.2A CN202111665365A CN114511670A CN 114511670 A CN114511670 A CN 114511670A CN 202111665365 A CN202111665365 A CN 202111665365A CN 114511670 A CN114511670 A CN 114511670A
- Authority
- CN
- China
- Prior art keywords
- vessel
- artery
- voxel
- image
- contrast agent
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
-
- 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
- G06T2207/30104—Vascular flow; Blood flow; Perfusion
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computer Graphics (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
本申请涉及一种基于动态灌注影像的血管重建方法、装置、设备和介质。该方法包括:从动态灌注影像的各血管体素中,筛选属于输入动脉的第一血管体素和属于输出静脉的第二血管体素;分别基于各第一血管体素和各第二血管体素的造影剂浓度变化曲线生成动脉输入曲线和静脉输出曲线;基于动脉输入曲线确定造影剂开始到达输入动脉的起始时间,以及基于动脉输入曲线和静脉输出曲线的交点确定截止时间,以确定动脉时间区间;确定各血管体素在动脉时间区间内的平均造影剂浓度,以生成浓度分布三维图;对浓度分布三维图进行分割,得到候选血管体素分割图,从中剔除达峰时间在动脉时间区间外的血管体素后重建三维动脉血管图像。本申请方案能够避免局限性。
Description
技术领域
本申请涉及图像处理技术领域,特别是涉及一种基于动态灌注影像的血管重建方法、装置、设备和介质。
背景技术
随着图像处理技术的发展,出现了血管重建技术,能够重建出三维血管图像。重建三维血管图像对人类的意义重大,对医学技术领域的意义尤为重要,能够为数据分析提供很好的支持。
目前的三维血管重建技术,一般是基于血管造影影像(即CTA影像)进行重建的,过于局限。因为,目前的检测技术除了血管造影技术以外,动态灌注影像也是比较重要的,因此,如何利用动态灌注影像实现血管重建具有非常重要的意义,大大避免了仅依赖于血管造影影像重建血管所造成的局限。
发明内容
基于此,有必要针对上述技术问题,提供一种能够避免局限的基于动态灌注影像的血管重建方法、装置、计算机设备和存储介质。
一种基于动态灌注影像的血管重建方法,所述方法包括:
从动态灌注影像的各血管体素中,筛选属于输入动脉的第一血管体素和属于输出静脉的第二血管体素;
基于各所述第一血管体素的造影剂浓度变化曲线生成动脉输入曲线,以及,基于各所述第二血管体素的造影剂浓度变化曲线生成静脉输出曲线;
基于所述动脉输入曲线确定造影剂开始到达所述输入动脉的起始时间,以及基于所述动脉输入曲线和所述静脉输出曲线的交点确定截止时间,并根据所述起始时间和所述截止时间确定动脉时间区间;
确定各所述血管体素在所述动脉时间区间内分别对应的平均造影剂浓度,并基于各所述血管体素的所述平均造影剂浓度生成浓度分布三维图;
对所述浓度分布三维图进行体素分割,得到三维的候选血管体素分割图;
从候选血管体素分割图中,剔除造影剂浓度达峰时间在所述动脉时间区间外的血管体素;基于剔除血管体素后的血管体素分割图重建三维动脉血管图像。
在一个实施例中,所述从动态灌注影像的血管体素中,筛选属于输入动脉的第一血管体素和属于输出静脉的第二血管体素包括:
获取动态灌注影像的各血管体素分别对应的造影剂浓度变化曲线;
基于每个所述血管体素的造影剂浓度变化曲线,生成每个所述血管体素的体素特征向量;
基于所述体素特征向量对各所述血管体素进行聚类,得到多个聚类簇;
从所述多个聚类簇中,筛选满足输入动脉特征条件的第一聚类簇和满足输出静脉特征条件的第二聚类簇;
从所述第一聚类簇中获取所述第一血管体素,以及从所述第二聚类簇中获取所述第二血管体素。
在一个实施例中,所述动态灌注影像是在三维血管模型影像中按照时间维度动态展示造影剂灌注情况的四维动态影像;
所述确定各所述血管体素在所述动脉时间区间内分别对应的平均造影剂浓度,并基于各所述血管体素的所述平均造影剂浓度生成浓度分布三维图包括:
针对所述三维血管模型影像的任意一个所述血管体素,基于所述血管体素对应的造影剂浓度变化曲线,确定所述血管体素在动脉时间区间内各时间点对应的造影剂浓度;
将每个所述血管体素在动脉时间区间内各时间点对应的造影剂浓度在时间维度上求平均值,得到每个所述血管体素在所述动脉时间区间内对应的平均造影剂浓度;
在所述三维血管模型影像上标注各所述血管体素的所述平均造影剂浓度,生成浓度分布三维图。
在一个实施例中,在所述从动态灌注影像的各血管体素中,筛选属于输入动脉的第一血管体素和属于输出静脉的第二血管体素之前,所述方法还包括:
获取待处理动态灌注影像;所述待处理动态灌注影像是连续多次地进行层面扫描得到的动态影像;
将对所述待处理动态灌注影像中同一位置上多次扫描得到的各影像帧分别作为目标帧,针对每个所述目标帧,确定所述目标帧与对应于同一位置的时间相邻帧之间的局部扫描时间差;所述时间相邻帧,是在所述目标帧的扫描时间的相邻扫描时间上对所述同一位置扫描得到的影像帧;
根据所述局部扫描时间差,自适应地确定所述目标帧对应的时间滤波卷积核参数;
基于所述时间滤波卷积核参数对所述目标帧进行平滑滤波处理,得到所述动态灌注影像。
在一个实施例中,所述获取待处理动态灌注影像包括:
获取目标对象的原始动脉灌注影像;
对原始动脉灌注影像进行对象运动情况分析,以识别所述原始动脉灌注影像中的偏位帧;所述偏位帧,是表征目标对象发生移动而存在偏差的影像帧;
对所述偏位帧进行校正,得到待处理动态灌注影像。
在一个实施例中,在所述从候选血管体素分割图中,剔除造影剂浓度达峰时间在所述动脉时间区间外的血管体素之前,所述方法还包括:
针对所述候选血管体素分割图中各候选血管体素,基于各候选血管体素的造影剂浓度变化曲线,计算各候选血管体素对应的造影剂浓度达峰时间;
各候选血管体素对应的造影剂浓度达峰时间分别与所述动脉时间区间进行比对,以从候选血管体素分割图中确定造影剂浓度达峰时间在所述动脉时间区间外的血管体素。
在一个实施例中,所述方法还包括:
从重建后的三维动脉血管图像中提取各动脉血管的中轴线;
基于预设的标准动脉血管配准到所述中轴线上,以将所述重建后的三维动脉血管图像进行血管分段,得到属于不同动脉类别的各段子图像;
从不同动脉类别的各段子图像中,选取目标动脉类别的子图像;
基于选取的子图像中各血管体素的造影剂浓度变化曲线,生成目标动脉输入曲线。
一种基于动态灌注影像的血管重建装置,所述装置包括:
生成模块,用于从动态灌注影像的各血管体素中,筛选属于输入动脉的第一血管体素和属于输出静脉的第二血管体素;基于各所述第一血管体素的造影剂浓度变化曲线生成动脉输入曲线,以及,基于各所述第二血管体素的造影剂浓度变化曲线生成静脉输出曲线;
动脉期确定模块,用于基于所述动脉输入曲线确定造影剂开始到达所述输入动脉的起始时间,以及基于所述动脉输入曲线和所述静脉输出曲线的交点确定截止时间,并根据所述起始时间和所述截止时间确定动脉时间区间;
血管重建模块,用于确定各所述血管体素在所述动脉时间区间内分别对应的平均造影剂浓度,并基于各所述血管体素的所述平均造影剂浓度生成浓度分布三维图;对所述浓度分布三维图进行体素分割,得到三维的候选血管体素分割图;从候选血管体素分割图中,剔除造影剂浓度达峰时间在所述动脉时间区间外的血管体素;基于剔除血管体素后的血管体素分割图重建三维动脉血管图像。
一种计算机设备。所述计算机设备包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现以下步骤:
从动态灌注影像的各血管体素中,筛选属于输入动脉的第一血管体素和属于输出静脉的第二血管体素;
基于各所述第一血管体素的造影剂浓度变化曲线生成动脉输入曲线,以及,基于各所述第二血管体素的造影剂浓度变化曲线生成静脉输出曲线;
基于所述动脉输入曲线确定造影剂开始到达所述输入动脉的起始时间,以及基于所述动脉输入曲线和所述静脉输出曲线的交点确定截止时间,并根据所述起始时间和所述截止时间确定动脉时间区间;
确定各所述血管体素在所述动脉时间区间内分别对应的平均造影剂浓度,并基于各所述血管体素的所述平均造影剂浓度生成浓度分布三维图;
对所述浓度分布三维图进行体素分割,得到三维的候选血管体素分割图;
从候选血管体素分割图中,剔除造影剂浓度达峰时间在所述动脉时间区间外的血管体素;基于剔除血管体素后的血管体素分割图重建三维动脉血管图像。
一种计算机可读存储介质。所述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以下步骤:
从动态灌注影像的各血管体素中,筛选属于输入动脉的第一血管体素和属于输出静脉的第二血管体素;
基于各所述第一血管体素的造影剂浓度变化曲线生成动脉输入曲线,以及,基于各所述第二血管体素的造影剂浓度变化曲线生成静脉输出曲线;
基于所述动脉输入曲线确定造影剂开始到达所述输入动脉的起始时间,以及基于所述动脉输入曲线和所述静脉输出曲线的交点确定截止时间,并根据所述起始时间和所述截止时间确定动脉时间区间;
确定各所述血管体素在所述动脉时间区间内分别对应的平均造影剂浓度,并基于各所述血管体素的所述平均造影剂浓度生成浓度分布三维图;
对所述浓度分布三维图进行体素分割,得到三维的候选血管体素分割图;
从候选血管体素分割图中,剔除造影剂浓度达峰时间在所述动脉时间区间外的血管体素;基于剔除血管体素后的血管体素分割图重建三维动脉血管图像。
上述基于动态灌注影像的血管重建方法、装置、计算机设备和存储介质,从动态灌注影像的各血管体素中,筛选属于输入动脉的第一血管体素和属于输出静脉的第二血管体素;基于各所述第一血管体素的造影剂浓度变化曲线生成动脉输入曲线,以及,基于各所述第二血管体素的造影剂浓度变化曲线生成静脉输出曲线。从而能够基于动脉输入曲线、以及动脉输入曲线和所述静脉输出曲线的交点便捷地确定出动脉时间区间。然后,基于各所述血管体素在所述动脉时间区间内分别对应的平均造影剂浓度生成浓度分布三维图,并基于浓度分布三维图初步分割出候选血管体素分割图。进而,从候选血管体素分割图中,剔除造影剂浓度达峰时间在所述动脉时间区间外的血管体素,以便捷地、更准确地得到血管体素分割图,从而基于剔除血管体素后的血管体素分割图重建三维动脉血管图像。本申请的方案既能够实现基于动态灌注影像的三维动脉血管重建,避免了传统方法仅依赖于血管造影影像重建血管所造成的局限性,而且,非常的便捷、快速,提高了血管重建的效率。
附图说明
图1为一个实施例中基于动态灌注影像的血管重建方法的流程示意图;
图2为一个实施例中确定动脉时间区间的示意图;
图3为一个实施例中的候选血管体素分割图的示意图;
图4为一个实施例中的三维动脉血管图像的示意图;
图5为一个实施例中基于动态灌注影像的血管重建方法的流程简示图;
图6为一个实施例中基于动态灌注影像的血管重建装置的结构框图;
图7为另一个实施例中基于动态灌注影像的血管重建装置的结构框图;
图8为一个实施例中计算机设备的内部结构图。
具体实施方式
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仅用以解释本申请,并不用于限定本申请。
在一个实施例中,如图1所示,提供了一种基于动态灌注影像的血管重建方法,该方法可以应用于计算机设备,计算机设备可以包括终端或服务器,可以理解的是,该方法也可以应用于包括终端和服务器的系统,并通过终端和服务器的交互实现。本实施例中,该方法包括以下步骤:
步骤102,从动态灌注影像的各血管体素中,筛选属于输入动脉的第一血管体素和属于输出静脉的第二血管体素;基于各第一血管体素的造影剂浓度变化曲线生成动脉输入曲线,以及,基于各第二血管体素的造影剂浓度变化曲线生成静脉输出曲线。
其中,动态灌注影像是在三维血管模型影像中按照时间维度动态展示造影剂灌注情况的四维动态影像。三维血管模型影像,是目标对象的血管模型影像。
可以理解,动态灌注影像中包括多个血管体素。体素,即体积元素,属于立体空间中的像素。第一血管体素,是位于属于输入动脉的血管体素。第二血管体素,是属于输出静脉的血管体素。可以理解,输入动脉,是用于表征血流入口的那部分动脉区域。血流入口,是指血液流入目标对象的入口。比如,血流入口则可以是大脑血流入口,即指血液流入大脑的入口。输出静脉是表征血流出口的那部分静脉区域。血流出口,是指血液流出目标对象的出口。
血管体素的造影剂浓度变化曲线,用于示意血管体素中造影剂浓度随着时间的变化情况。可以理解,每个血管体素皆有各自的造影剂浓度变化曲线。
在一个实施例中,目标对象可以是头部。动态灌注影像,则是脑部血管的动态灌注影像。即,动态灌注影像,是在脑部血管的三维模型影像中,动态展示造影剂的灌注情况随时间变化所形成的四维动态影像。动态灌注影像可以是通过层面扫描技术(CT技术,Computed Tomography,电子计算机断层扫描技术)生成的,即可以是动态CT灌注影像。可以理解,目标对象还可以是其他组织部位。比如,动态灌注影像还可以是肝部、心脏等部位对应的动态灌注影像,而并不限定于头部。
需要说明的是,动态灌注影像实质上是四维图像,因此,本申请实施例中各方法步骤属于图像处理及计算机层面的处理,并非针对活体进行的处理,属于专利法保护的客体。
具体地,计算机设备可以获取动态灌注影像,并对动态灌注影像的各血管体素进行聚类,然后,基于聚类结果,筛选属于输入动脉的第一血管体素和属于输出静脉的第二血管体素。可以理解,第一血管体素和第二血管体素皆可以为多个。计算机设备可以分别获取每个第一血管体素对应的造影剂浓度变化曲线,并对各第一血管体素的造影剂浓度变化曲线求平均,以融合生成一条动脉输入曲线(AIF曲线)。同理,可以分别获取每个第二血管体素对应的造影剂浓度变化曲线,并对各第二血管体素的造影剂浓度变化曲线求平均,以融合生成一条静脉输出曲线(VOF曲线)。
可以理解,步骤102中的动脉灌注影像可以是原始动脉灌注影像,也可以是对原始动脉灌注影像进行预处理后的动脉灌注影像,对此不作限定。
步骤104,基于动脉输入曲线确定造影剂开始到达输入动脉的起始时间,以及基于动脉输入曲线和静脉输出曲线的交点确定截止时间,并根据起始时间和截止时间确定动脉时间区间。
其中,截止时间,是造影剂离开动脉的时间。动脉时间区间,即为动脉期。
具体地,由于动脉输入曲线反映了造影剂在输入动脉整体的浓度变化情况,所以,动脉输入曲线中能体现造影剂开始到达输入动脉的起始时间,因而,可以基于动脉输入曲线确定造影剂开始到达输入动脉的起始时间。计算机设备可以确定动脉输入曲线和静脉输出曲线的交点,将该交点所对应的时间点确定为造影剂离开动脉的时间,即截止时间。计算机设备可以将起始时间和截止时间构成的时间区间确定为动脉时间区间。
图2为一个实施例中确定动脉时间区间的示意图。图2中示意出了从起始时间点A到截止时间点B这一时间区间即为动脉期。
步骤106,确定各血管体素在动脉时间区间内分别对应的平均造影剂浓度,并基于各血管体素的平均造影剂浓度生成浓度分布三维图。
具体地,计算机设备可以确定动态灌注影像的各血管体素在动脉时间区间内分别对应的平均造影剂浓度。即,每个血管体素都会有一个对应的平均造影剂浓度。如上文所述,动态灌注影像是在三维血管模型影像中按照时间维度动态展示造影剂灌注情况的四维动态影像。所以,动态灌注影像中,三维血管模型是不变的,只是三维血管模型中灌注的造影剂的量会动态变化。计算机设备可以在三维血管模型影像上标注各血管体素的平均造影剂浓度,以生成浓度分布三维图。
需要说明的是,浓度分布三维图仅泛指能够表征浓度分布大小的三维图,并不限定浓度分布图中标注的必须是造影剂的浓度值,也可以是表征造影剂浓度的其他特征值,比如,造影剂的密度值,这种情况下,浓度分布三维图实质即为密度分布三维图,对此不作限定,只要能示意浓度分布情况即可。
步骤108,对浓度分布三维图进行体素分割,得到三维的候选血管体素分割图。
具体地,计算机设备可以获取预设的分割阈值,基于该分割阈值浓度分布三维图中的各血管体素进行二值化分割,得到三维的候选血管体素分割图。可以理解,浓度分布三维图中,低于分割阈值的血管体素则可以被分割为背景,大于或等于分割阈值的血管体素则可以被分割为前景,从而得到候选血管体素分割图。
步骤110,从候选血管体素分割图中,剔除造影剂浓度达峰时间在动脉时间区间外的血管体素;基于剔除血管体素后的血管体素分割图重建三维动脉血管图像。
可以理解,为了更准确地分割出动脉血管的血管体素,计算机设备可以在基于浓度分布三维图分割出的候选血管体素分割图的基础上,进一步处理,以从中剔除近端静脉,从而提高动脉血管体素分割的准确性。具体地,计算机设备可以从候选血管体素分割图中,剔除造影剂浓度达峰时间在动脉时间区间以外的血管体素,即,将血管体素的造影剂浓度达峰时间与动脉时间区间进行比对,以剔除近端静脉,得到更为准确地动脉血管的血管体素分割图。进而,计算机设备可以基于剔除血管体素后的血管体素分割图重建三维动脉血管图像,从而提高动脉血管重建的准确性。
在一个实施例中,在从候选血管体素分割图中,剔除造影剂浓度达峰时间在动脉时间区间外的血管体素之前,该方法还包括:针对候选血管体素分割图中各候选血管体素,基于各候选血管体素的造影剂浓度变化曲线,计算各候选血管体素对应的造影剂浓度达峰时间;各候选血管体素对应的造影剂浓度达峰时间分别与动脉时间区间进行比对,以从候选血管体素分割图中确定造影剂浓度达峰时间在动脉时间区间外的血管体素。
在一个实施例中,还可以提供一个人机交互界面,基于该人机交互界面可以输入注入造影剂的操作人员的信息,以及被检测病人的历史病情信息,可以理解,目标对象是被检测病人的部位,比如,被检测病人的头部。计算机设备可以基于人机交互界面获取输入的操作人员的信息和被检测病人的历史病情信息,并基于操作人员的历史操作记录和病人的历史病情信息生成达峰调整系数,基于该达峰调整系数,调整各候选血管体素的造影剂浓度达峰时间,从候选血管体素分割图中确定调整后的造影剂浓度达峰时间在动脉时间区间外的血管体素。可以理解,不同人的达峰时间可能会存在一定的不同,比如,脑梗病人的达峰时间就与正常人的达峰时间不同,此外,不同操作人员的操作习惯可能存在一定区别,对达峰时间同样存在一定程度的影响,因此,计算机设备可以从操作人员的历史操作记录提取操作特征,并从病人的历史病情信息中提取影响达峰时间的达峰关联特征,进而基于操作特征和达峰关联特征,生成达峰调整系数进行调整,从而提高后续血管重建准确性。
在一个实施例中,计算机设备可以对剔除血管体素后的血管体素分割图的各血管体素进行平滑处理,从而重建得到表面平滑的三维动脉血管图像。可以理解,由于血管体素分割图本质上属于二值化图像,所以里面的血管体素存在不平滑、连续的问题,因此,计算机设备可以利用二值形态学处理,平滑血管表面,得到最终的三维动脉血管图像。
需要说明的是,本申请实施例中仅涉及三维动脉血管图像的重建,而并非直接诊断出疾病结果,因此,不属于疾病的诊断和治疗方法。
图3为一个实施例中的候选血管体素分割图的示意图。图4为一个实施例中的三维动脉血管图像的示意图。从图3和图4可知,三维动脉血管图像相较于候选血管体素分割图剔除了干扰的近端静脉,是更为准确的重建结果。
上述基于动态灌注影像的血管重建方法,从动态灌注影像的各血管体素中,筛选属于输入动脉的第一血管体素和属于输出静脉的第二血管体素;基于各所述第一血管体素的造影剂浓度变化曲线生成动脉输入曲线,以及,基于各所述第二血管体素的造影剂浓度变化曲线生成静脉输出曲线。从而能够基于动脉输入曲线、以及动脉输入曲线和所述静脉输出曲线的交点便捷地确定出动脉时间区间。然后,基于各所述血管体素在所述动脉时间区间内分别对应的平均造影剂浓度生成浓度分布三维图,并基于浓度分布三维图初步分割出候选血管体素分割图。进而,从候选血管体素分割图中,剔除造影剂浓度达峰时间在所述动脉时间区间外的血管体素,以便捷地、更准确地得到血管体素分割图,从而基于剔除血管体素后的血管体素分割图重建三维动脉血管图像。本申请的方案既能够实现基于动态灌注影像的三维动脉血管重建,避免了传统方法仅依赖于血管造影影像重建血管所造成的局限性,而且,非常的便捷、快速,提高了血管重建的效率。此外,相较于使用血管造影影像重建血管的传统方法,本申请的方法非常的便捷,大大降低了复杂度,因而一定程度上节省了计算机处理资源。
在一个实施例中,步骤102从动态灌注影像的血管体素中,筛选属于输入动脉的第一血管体素和属于输出静脉的第二血管体素包括:获取动态灌注影像的各血管体素分别对应的造影剂浓度变化曲线;基于每个所述血管体素的造影剂浓度变化曲线,生成每个所述血管体素的体素特征向量;基于所述体素特征向量对各所述血管体素进行聚类,得到多个聚类簇;从所述多个聚类簇中,筛选满足输入动脉特征条件的第一聚类簇和满足输出静脉特征条件的第二聚类簇;从所述第一聚类簇中获取所述第一血管体素,以及从所述第二聚类簇中获取所述第二血管体素。
具体地,计算机设备可以获取动态灌注影像的各血管体素分别对应的造影剂浓度变化曲线,并将每个血管体素的造影剂浓度变化曲线进行向量化表示,生成每个血管体素的体素特征向量。计算机设备可以基于各血管体素的体素特征向量对各个血管体素进行聚类处理,得到多个聚类簇。每个聚类簇中包括聚为一类的血管体素。可以理解,计算机设备并不知晓每个聚类簇到底属于哪一类血管。因此,计算机设备可以对每个聚类簇进行特征分析,得到每个聚类簇的特征信息,计算机设备可以将各个聚类簇的特征信息分别与预设的输入动脉特征条件和预设的输出静脉特征条件进行匹配。若特征信息与预设的动脉特征条件匹配,则判定该聚类簇为满足输入动脉特征条件的第一聚类簇。若特征信息与预设的输出静脉特征条件匹配,则判定该聚类簇为满足输出静脉特征条件的第二聚类簇。可以理解,第一聚类簇中的血管体素即为属于输入动脉的第一血管体素。第二聚类簇中的血管体素即为属于输入动脉的第二血管体素。
在一个实施例中,动态灌注影像的各血管体素分别对应的造影剂浓度变化曲线可以是预先基于动态灌注影像计算出来并预先存储的,计算机设备可以直接获取预先存储的动态灌注影像的各血管体素分别对应的造影剂浓度变化曲线。
在另一个实施例中,计算机设备也可以获取动态灌注影像的各血管体素分别对应的时间密度曲线。可以理解,血管体素的时间密度曲线是通过层面扫描得到的,而开始层面扫描的时间和开始注入造影剂的时间之间可能会有时间差,因而,在这个时间差(比如,前几秒)中可能造影剂还没进入血管,注入造影剂之后的时间密度曲线中的密度值除了包括体素自身的密度值以外还包括造影剂的密度值。所以,针对每个血管体素,计算机设备可以确定这段未注入时间段(即未注入造影剂的时间段),然后,从该血管体素的时间密度曲线中确定该未注入时间段中各时间点对应的密度值,并对该未注入时间段内各时间点的密度值进行平均计算,得到该血管体素自身的密度值。进而,计算机设备可以将该血管体素对应的时间密度曲线减去该血管体素自身的密度值,得到的即为相对密度变化曲线,可以理解,相对密度变化曲线能够表征造影剂浓度变化,所以也可以称之为造影剂浓度变化曲线。计算机设备也可以在减去血管体素自身的密度值之后,将剩余的密度值进行造影剂浓度转换,生成直接示意造影剂浓度随时间变化的造影剂浓度变化曲线。
可以理解,计算机设备可以将默认时间段作为未注入时间段,比如前5秒。在其他实施例中,计算机设备也可以获取本次注入造影剂的操作人员的历史操作记录,以提取该操作人员的操作特征,从而基于该操作特征确定未注入时间段。从而能够针对不同操作人员的操作特性,更为准确地确定未注入时间段,从而提高后续处理的准确性。
在一个实施例中,输入动脉特征条件包括血管体素具有达峰时间最早、半高宽窄以及峰值高的特征。可以理解,具有达峰时间最早、半高宽窄以及峰值高的特征的血管体素一般情况下位于动脉入口处,即属于输入动脉的血管体素。
在一个实施例中,输出静脉特征条件包括血管体素具有达峰时间最晚、半高宽窄以及峰值高的特征。可以理解,具有达峰时间最晚、半高宽窄以及峰值高的特征的血管体素一般情况下位于输出静脉中,即属于输出静脉的血管体素。
上述实施例中,基于每个所述血管体素的造影剂浓度变化曲线,生成每个所述血管体素的体素特征向量,进而进行聚类,从得到的聚类簇中,筛选满足输入动脉特征条件的第一聚类簇和满足输出静脉特征条件的第二聚类簇,从而能够准确且便捷地筛选出输入动脉的体素和输出动脉的体素,大大提高了效率。
在一个实施例中,动态灌注影像是在三维血管模型影像中按照时间维度动态展示造影剂灌注情况的四维动态影像。本实施例中,步骤108确定各血管体素在动脉时间区间内分别对应的平均造影剂浓度,并基于各血管体素的平均造影剂浓度生成浓度分布三维图包括:针对三维血管模型影像的任意一个血管体素,基于血管体素对应的造影剂浓度变化曲线,确定血管体素在动脉时间区间内各时间点对应的造影剂浓度;将每个血管体素在动脉时间区间内各时间点对应的造影剂浓度在时间维度上求平均值,得到每个血管体素在动脉时间区间内对应的平均造影剂浓度;在三维血管模型影像上标注各血管体素的平均造影剂浓度,生成浓度分布三维图。
可以理解,若造影剂浓度变化曲线实质上是相对密度变化曲线,那么,确定血管体素在动脉时间区间内各时间点对应的造影剂浓度则为造影剂密度,同理,平均造影剂浓度亦为平均造影剂密度,进而,浓度分布三维图实质上是密度分布三维图。
上述实施例中,在确定动脉时间区间后,得到每个血管体素在动脉时间区间内对应的平均造影剂浓度;在三维血管模型影像上标注各血管体素的平均造影剂浓度,能够便捷地生成浓度分布三维图,进而基于浓度分布三维图便捷地重建三维动脉血管。
在一个实施例中,在从动态灌注影像的各血管体素中,筛选属于输入动脉的第一血管体素和属于输出静脉的第二血管体素之前,该方法还包括:获取待处理动态灌注影像;待处理动态灌注影像是连续多次地进行层面扫描得到的动态影像;将对待处理动态灌注影像中同一位置上多次扫描得到的各影像帧分别作为目标帧,针对每个目标帧,确定目标帧与对应于同一位置的时间相邻帧之间的局部扫描时间差;时间相邻帧,是在目标帧的扫描时间的相邻扫描时间上对同一位置扫描得到的影像帧;根据局部扫描时间差,自适应地确定目标帧对应的时间滤波卷积核参数;基于时间滤波卷积核参数对目标帧进行平滑滤波处理,得到动态灌注影像。
可以理解,待处理动态灌注影像可以是原始动态灌注影像,也可以是对原始动态灌注影像进行初步预处理后的动态灌注影像。对此不作限定。计算机设备可以对待处理动态灌注影像进行时间维度上的滤波处理。
具体地,由于层面扫描是连续多次的扫描,所以,同一位置则会进行对此扫描。计算机设备可以对待处理动态灌注影像中同一位置上多次扫描得到的各影像帧分别进行时间维度上的滤波处理,即进行时间滤波处理,每个待进行时间滤波处理的影像帧即为目标帧。针对每个目标帧,计算机设备可以确定目标帧与对应于同一位置的时间相邻帧之间的局部扫描时间差。其中,时间相邻帧,是在目标帧的扫描时间的相邻扫描时间上对同一位置扫描得到的影像帧。相邻扫描时间,是指与目标帧的扫描时间相邻的扫描时间,可以包括在先相邻扫描时间(即目标帧的扫描时间的前一扫描时间)和在后相邻扫描时间(即目标帧的扫描时间的后一扫描时间)。时间相邻帧则为在相邻扫描时间所扫描得到的三维影像帧。目标帧的时间相邻帧与目标帧,属于对同一位置在不同时间上扫描得到的影像帧。可以理解,本申请各实施例中所说的“影像帧”皆为三维影像帧。
局部扫描时间差,即为目标帧的扫描时间和相邻扫描时间之间的时间差。计算机设备可以根据局部扫描时间差,自适应地确定目标帧对应的时间滤波卷积核参数。可以理解,目标帧对应的时间滤波卷积核参数,用于示意目标帧的各时间相邻帧分别对应的滤波权重,所以,局部扫描时间差的大小与滤波权重负相关,即,时间相邻帧与目标帧的局部扫描时间差越大,滤波影响越小,因而该时间相邻帧的滤波权重越小,反之,局部扫描时间差越小,滤波影响越大,该时间相邻帧的滤波权重越大。
因而,计算机设备可以基于时间滤波卷积核参数对目标帧在时间维度上进行平滑滤波处理,得到动态灌注影像。可以理解,平滑滤波处理可以是高斯滤波处理。
上述实施例中,并不像常规方法一样仅根据同一图像中的像素进行平滑滤波,而是进行时间维度上的平滑滤波处理,大大提高了平滑预处理的效果,提高了后续血管重建的准确性。而且,可以根据局部扫描时间自适应地确定或调整目标帧的时间滤波卷积核参数,大大提高了时间滤波的准确性。
在一个实施例中,获取待处理动态灌注影像包括:获取目标对象的原始动脉灌注影像;对原始动脉灌注影像进行对象运动情况分析,以识别原始动脉灌注影像中的偏位帧;偏位帧,是表征目标对象发生移动而存在偏差的影像帧;对偏位帧进行校正,得到待处理动态灌注影像。
具体地,计算机设备可以对原始动脉灌注影像中三维血管模型图像得位置进行变动检测,以分析目标对象在是否发生移动,从而识别原始动脉灌注影像中的偏位帧;偏位帧,是表征目标对象发生移动而存在偏差的影像帧。比如,目标对象为头部时,则偏位帧,是表征头部发生移动而存在偏差的影像帧。计算机设备可以基于对三维血管模型图像的位置变动检测结果,对偏位帧进行校正。可以理解,可以基于校正后的动态灌注影像,确定待处理动态灌注影像。
计算机设备可以直接将校正后的动态灌注影像作为待处理动态灌注影像,也可以对校正后的动态灌注影像进一步进行预处理,得到待处理动态灌注影像。
在一个实施例中,计算机设备可以对校正后的动态灌注影像进行空间维度上的滤波处理,得到空间滤波后的动态灌注影像,即得到待处理动态灌注影像。具体地,可以使用预设直径的高斯滤波器,对动态灌注影像中每一帧三维体数据进行空间平滑,从而降低设备扫描造成的系统噪声。进而,可以对空间滤波后的动态灌注影像进行时间滤波平滑处理,得到步骤102中最终进行血管重建处理的动态灌注影像。
上述实施例中,能够对原始动脉灌注影像进行对象运动情况分析,以自动识别原始动脉灌注影像中的偏位帧;从而对偏位帧进行校正,大大提高了后续三维血管重建的准确性。
在一个实施例中,该方法还包括:从重建后的三维动脉血管图像中提取各动脉血管的中轴线;基于预设的标准动脉血管配准到中轴线上,以将重建后的三维动脉血管图像进行血管分段,得到属于不同动脉类别的各段子图像;从不同动脉类别的各段子图像中,选取目标动脉类别的子图像;基于选取的子图像中各血管体素的造影剂浓度变化曲线,生成目标动脉输入曲线。
其中,标准动脉血管中包括动脉类别的规范化动脉模板图像。计算机设备可以将预设的标准动脉血管与分割出的动脉血管的中轴线进行匹配,从而将重建后的三维动脉血管图像进行血管分段得到属于不同动脉类别的各段子图像。计算机设备可以从不同动脉类别的各段子图像中,选取目标动脉类别的子图像;基于选取的子图像中各血管体素的造影剂浓度变化曲线,生成目标动脉输入曲线。比如,目标动脉类别若为大脑中动脉,则可以重建后的三维动脉血管图像的各子图像中准确地定位大脑中动脉的子图像,进而可以大脑中动脉的子图像各血管体素的造影剂浓度变化曲线,生成更为准确地目标动脉输入曲线。
在一个实施例中,计算机设备还可以基于生成的目标动脉输入曲线重新执行步骤106及后续步骤,以更加准确地重建三维动脉血管图像。对此不作限定。
图5为一个实施例中基于动态灌注影像的血管重建方法的流程简示图。图5以头部的动态灌注影像为例进行示意说明。从图5可知,可以预先对原始动态灌注影像进行头部校正以及平滑去噪(包括空间平滑滤波和时间平滑滤波)等预处理。然后,进行信号分析,以计算各血管体素的造影剂浓度达峰时间,并生成动脉输入曲线和静脉输出曲线(对应于本申请步骤102-104)。接着,计算机设备可以基于动脉输入曲线和静脉输出曲线确定动脉期(即对应于本申请步骤106所确定的动脉时间区间),以及计算平均造影剂浓度生成浓度分布三维图。计算机设备可以基于浓度分布三维图重建三维动脉血管影像,具体可以基于阈值法分割浓度分布三维图(对应于本申请步骤108),并基于造影剂浓度达峰时间剔除近端静脉,再进行血管表面平滑的后处理,从而重建得到最终的三维动脉血管影像(对应于本申请步骤110)。
应该理解的是,虽然如上所述的各实施例所涉及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,如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段,这些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中的步骤或者阶段的至少一部分轮流或者交替地执行。
基于同样的发明构思,本申请实施例还提供了一种用于实现上述所涉及的基于动态灌注影像的血管重建方法的基于动态灌注影像的血管重建装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似,故下面所提供的一个或多个基于动态灌注影像的血管重建装置实施例中的具体限定可以参见上文中对于基于动态灌注影像的血管重建方法的限定,在此不再赘述。
在一个实施例中,如图6所示,提供了一种基于动态灌注影像的血管重建装置,包括:
生成模块602,用于从动态灌注影像的各血管体素中,筛选属于输入动脉的第一血管体素和属于输出静脉的第二血管体素;基于各所述第一血管体素的造影剂浓度变化曲线生成动脉输入曲线,以及,基于各所述第二血管体素的造影剂浓度变化曲线生成静脉输出曲线。
动脉期确定模块604,用于基于所述动脉输入曲线确定造影剂开始到达所述输入动脉的起始时间,以及基于所述动脉输入曲线和所述静脉输出曲线的交点确定截止时间,并根据所述起始时间和所述截止时间确定动脉时间区间。
血管重建模块606,用于确定各所述血管体素在所述动脉时间区间内分别对应的平均造影剂浓度,并基于各所述血管体素的所述平均造影剂浓度生成浓度分布三维图;对所述浓度分布三维图进行体素分割,得到三维的候选血管体素分割图;从候选血管体素分割图中,剔除造影剂浓度达峰时间在所述动脉时间区间外的血管体素;基于剔除血管体素后的血管体素分割图重建三维动脉血管图像。
在一个实施例中,生成模块602还用于获取动态灌注影像的各血管体素分别对应的造影剂浓度变化曲线;基于每个所述血管体素的造影剂浓度变化曲线,生成每个所述血管体素的体素特征向量;基于所述体素特征向量对各所述血管体素进行聚类,得到多个聚类簇;从所述多个聚类簇中,筛选满足输入动脉特征条件的第一聚类簇和满足输出静脉特征条件的第二聚类簇;从所述第一聚类簇中获取所述第一血管体素,以及从所述第二聚类簇中获取所述第二血管体素。
在一个实施例中,所述动态灌注影像是在三维血管模型影像中按照时间维度动态展示造影剂灌注情况的四维动态影像;血管重建模块606还用于针对所述三维血管模型影像的任意一个所述血管体素,基于所述血管体素对应的造影剂浓度变化曲线,确定所述血管体素在动脉时间区间内各时间点对应的造影剂浓度;将每个所述血管体素在动脉时间区间内各时间点对应的造影剂浓度在时间维度上求平均值,得到每个所述血管体素在所述动脉时间区间内对应的平均造影剂浓度;在所述三维血管模型影像上标注各所述血管体素的所述平均造影剂浓度,生成浓度分布三维图。
如图7所示,在一个实施例中,所述装置还包括:
预处理模块601,用于获取待处理动态灌注影像;所述待处理动态灌注影像是连续多次地进行层面扫描得到的动态影像;将对所述待处理动态灌注影像中同一位置上多次扫描得到的各影像帧分别作为目标帧,针对每个所述目标帧,确定所述目标帧与对应于同一位置的时间相邻帧之间的局部扫描时间差;所述时间相邻帧,是在所述目标帧的扫描时间的相邻扫描时间上对所述同一位置扫描得到的影像帧;根据所述局部扫描时间差,自适应地确定所述目标帧对应的时间滤波卷积核参数;基于所述时间滤波卷积核参数对所述目标帧进行平滑滤波处理,得到所述动态灌注影像。
在一个实施例中,预处理模块601还用于获取目标对象的原始动脉灌注影像;对原始动脉灌注影像进行对象运动情况分析,以识别所述原始动脉灌注影像中的偏位帧;所述偏位帧,是表征目标对象发生移动而存在偏差的影像帧;对所述偏位帧进行校正,得到待处理动态灌注影像。
在一个实施例中,血管重建模块606还用于针对所述候选血管体素分割图中各候选血管体素,基于各候选血管体素的造影剂浓度变化曲线,计算各候选血管体素对应的造影剂浓度达峰时间;各候选血管体素对应的造影剂浓度达峰时间分别与所述动脉时间区间进行比对,以从候选血管体素分割图中确定造影剂浓度达峰时间在所述动脉时间区间外的血管体素。
在一个实施例中,生成模块602还用于从重建后的三维动脉血管图像中提取各动脉血管的中轴线;基于预设的标准动脉血管配准到所述中轴线上,以将所述重建后的三维动脉血管图像进行血管分段,得到属于不同动脉类别的各段子图像;从不同动脉类别的各段子图像中,选取目标动脉类别的子图像;基于选取的子图像中各血管体素的造影剂浓度变化曲线,生成目标动脉输入曲线。
上述基于动态灌注影像的血管重建装置,从动态灌注影像的各血管体素中,筛选属于输入动脉的第一血管体素和属于输出静脉的第二血管体素;基于各所述第一血管体素的造影剂浓度变化曲线生成动脉输入曲线,以及,基于各所述第二血管体素的造影剂浓度变化曲线生成静脉输出曲线。从而能够基于动脉输入曲线、以及动脉输入曲线和所述静脉输出曲线的交点便捷地确定出动脉时间区间。然后,基于各所述血管体素在所述动脉时间区间内分别对应的平均造影剂浓度生成浓度分布三维图,并基于浓度分布三维图初步分割出候选血管体素分割图。进而,从候选血管体素分割图中,剔除造影剂浓度达峰时间在所述动脉时间区间外的血管体素,以便捷地、更准确地得到血管体素分割图,从而基于剔除血管体素后的血管体素分割图重建三维动脉血管图像。本申请的方案既能够实现基于动态灌注影像的三维动脉血管重建,避免了传统方法仅依赖于血管造影影像重建血管所造成的局限性,而且,非常的便捷、快速,提高了血管重建的效率。
上述基于动态灌注影像的血管重建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。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是服务器或终端。其内部结构图可以如图8所示。该计算机设备包括处理器、存储器、输入/输出接口(Input/Output,简称I/O)和通信接口。其中,处理器、存储器和输入/输出接口通过系统总线连接,通信接口通过输入/输出接口连接到系统总线。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和内存储器。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。该计算机设备的输入/输出接口用于处理器与外部设备之间交换信息。该计算机设备的通信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基于动态灌注影像的血管重建方法。
本领域技术人员可以理解,图8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,提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行所述计算机程序时实现本申请各实施例所述的方法的步骤。
在一个实施例中,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本申请各实施例所述的方法的步骤。
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、数据库或其它介质的任何引用,均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory,ROM)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(ReRAM)、磁变存储器(Magnetoresistive Random Access Memory,MRAM)、铁电存储器(Ferroelectric Random Access Memory,FRAM)、相变存储器(Phase Change Memory,PCM)、石墨烯存储器等。易失性存储器可包括随机存取存储器(Random Access Memory,RAM)或外部高速缓冲存储器等。作为说明而非局限,RAM可以是多种形式,比如静态随机存取存储器(Static Random Access Memory,SRAM)或动态随机存取存储器(Dynamic RandomAccess Memory,DRAM)等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等,不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等,不限于此。
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。
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本申请专利范围的限制。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,本申请的保护范围应以所附权利要求为准。
Claims (10)
1.一种基于动态灌注影像的血管重建方法,其特征在于,所述方法包括:
从动态灌注影像的各血管体素中,筛选属于输入动脉的第一血管体素和属于输出静脉的第二血管体素;
基于各所述第一血管体素的造影剂浓度变化曲线生成动脉输入曲线,以及,基于各所述第二血管体素的造影剂浓度变化曲线生成静脉输出曲线;
基于所述动脉输入曲线确定造影剂开始到达所述输入动脉的起始时间,以及基于所述动脉输入曲线和所述静脉输出曲线的交点确定截止时间,并根据所述起始时间和所述截止时间确定动脉时间区间;
确定各所述血管体素在所述动脉时间区间内分别对应的平均造影剂浓度,并基于各所述血管体素的所述平均造影剂浓度生成浓度分布三维图;
对所述浓度分布三维图进行体素分割,得到三维的候选血管体素分割图;
从候选血管体素分割图中,剔除造影剂浓度达峰时间在所述动脉时间区间外的血管体素;基于剔除血管体素后的血管体素分割图重建三维动脉血管图像。
2.根据权利要求1所述的方法,其特征在于,所述从动态灌注影像的血管体素中,筛选属于输入动脉的第一血管体素和属于输出静脉的第二血管体素包括:
获取动态灌注影像的各血管体素分别对应的造影剂浓度变化曲线;
基于每个所述血管体素的造影剂浓度变化曲线,生成每个所述血管体素的体素特征向量;
基于所述体素特征向量对各所述血管体素进行聚类,得到多个聚类簇;
从所述多个聚类簇中,筛选满足输入动脉特征条件的第一聚类簇和满足输出静脉特征条件的第二聚类簇;
从所述第一聚类簇中获取所述第一血管体素,以及从所述第二聚类簇中获取所述第二血管体素。
3.根据权利要求1所述的方法,其特征在于,所述动态灌注影像是在三维血管模型影像中按照时间维度动态展示造影剂灌注情况的四维动态影像;
所述确定各所述血管体素在所述动脉时间区间内分别对应的平均造影剂浓度,并基于各所述血管体素的所述平均造影剂浓度生成浓度分布三维图包括:
针对所述三维血管模型影像的任意一个所述血管体素,基于所述血管体素对应的造影剂浓度变化曲线,确定所述血管体素在动脉时间区间内各时间点对应的造影剂浓度;
将每个所述血管体素在动脉时间区间内各时间点对应的造影剂浓度在时间维度上求平均值,得到每个所述血管体素在所述动脉时间区间内对应的平均造影剂浓度;
在所述三维血管模型影像上标注各所述血管体素的所述平均造影剂浓度,生成浓度分布三维图。
4.根据权利要求1所述的方法,其特征在于,在所述从动态灌注影像的各血管体素中,筛选属于输入动脉的第一血管体素和属于输出静脉的第二血管体素之前,所述方法还包括:
获取待处理动态灌注影像;所述待处理动态灌注影像是连续多次地进行层面扫描得到的动态影像;
将对所述待处理动态灌注影像中同一位置上多次扫描得到的各影像帧分别作为目标帧,针对每个所述目标帧,确定所述目标帧与对应于同一位置的时间相邻帧之间的局部扫描时间差;所述时间相邻帧,是在所述目标帧的扫描时间的相邻扫描时间上对所述同一位置扫描得到的影像帧;
根据所述局部扫描时间差,自适应地确定所述目标帧对应的时间滤波卷积核参数;
基于所述时间滤波卷积核参数对所述目标帧进行平滑滤波处理,得到所述动态灌注影像。
5.根据权利要求4所述的方法,其特征在于,所述获取待处理动态灌注影像包括:
获取目标对象的原始动脉灌注影像;
对原始动脉灌注影像进行对象运动情况分析,以识别所述原始动脉灌注影像中的偏位帧;所述偏位帧,是表征目标对象发生移动而存在偏差的影像帧;
对所述偏位帧进行校正,得到待处理动态灌注影像。
6.根据权利要求1所述的方法,其特征在于,在所述从候选血管体素分割图中,剔除造影剂浓度达峰时间在所述动脉时间区间外的血管体素之前,所述方法还包括:
针对所述候选血管体素分割图中各候选血管体素,基于各候选血管体素的造影剂浓度变化曲线,计算各候选血管体素对应的造影剂浓度达峰时间;
各候选血管体素对应的造影剂浓度达峰时间分别与所述动脉时间区间进行比对,以从候选血管体素分割图中确定造影剂浓度达峰时间在所述动脉时间区间外的血管体素。
7.根据权利要求1至6中任一项所述的方法,其特征在于,所述方法还包括:
从重建后的三维动脉血管图像中提取各动脉血管的中轴线;
基于预设的标准动脉血管配准到所述中轴线上,以将所述重建后的三维动脉血管图像进行血管分段,得到属于不同动脉类别的各段子图像;
从不同动脉类别的各段子图像中,选取目标动脉类别的子图像;
基于选取的子图像中各血管体素的造影剂浓度变化曲线,生成目标动脉输入曲线。
8.一种基于动态灌注影像的血管重建装置,其特征在于,所述装置包括:
生成模块,用于从动态灌注影像的各血管体素中,筛选属于输入动脉的第一血管体素和属于输出静脉的第二血管体素;基于各所述第一血管体素的造影剂浓度变化曲线生成动脉输入曲线,以及,基于各所述第二血管体素的造影剂浓度变化曲线生成静脉输出曲线;
动脉期确定模块,用于基于所述动脉输入曲线确定造影剂开始到达所述输入动脉的起始时间,以及基于所述动脉输入曲线和所述静脉输出曲线的交点确定截止时间,并根据所述起始时间和所述截止时间确定动脉时间区间;
血管重建模块,用于确定各所述血管体素在所述动脉时间区间内分别对应的平均造影剂浓度,并基于各所述血管体素的所述平均造影剂浓度生成浓度分布三维图;对所述浓度分布三维图进行体素分割,得到三维的候选血管体素分割图;从候选血管体素分割图中,剔除造影剂浓度达峰时间在所述动脉时间区间外的血管体素;基于剔除血管体素后的血管体素分割图重建三维动脉血管图像。
9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的方法的步骤。
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1至7中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111665365.2A CN114511670B (zh) | 2021-12-31 | 2021-12-31 | 基于动态灌注影像的血管重建方法、装置、设备和介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111665365.2A CN114511670B (zh) | 2021-12-31 | 2021-12-31 | 基于动态灌注影像的血管重建方法、装置、设备和介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114511670A true CN114511670A (zh) | 2022-05-17 |
CN114511670B CN114511670B (zh) | 2022-08-30 |
Family
ID=81548534
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111665365.2A Active CN114511670B (zh) | 2021-12-31 | 2021-12-31 | 基于动态灌注影像的血管重建方法、装置、设备和介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114511670B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116071506A (zh) * | 2023-04-06 | 2023-05-05 | 深圳市联影高端医疗装备创新研究院 | 四维血管造影的重建方法、装置、计算机设备和存储介质 |
CN116681715A (zh) * | 2023-08-04 | 2023-09-01 | 杭州脉流科技有限公司 | 基于像素值变化的血管分割方法、装置、设备和存储介质 |
CN116798612A (zh) * | 2023-08-23 | 2023-09-22 | 北京超数时代科技有限公司 | 一种用于神经类疾病的数字诊疗系统 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090016587A1 (en) * | 2007-07-09 | 2009-01-15 | Siemens Corporate Research, Inc. | System and method for two-dimensional visualization of temporal phenomena and three dimensional vessel reconstruction |
CN106485706A (zh) * | 2012-11-23 | 2017-03-08 | 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 |
CN109431531A (zh) * | 2018-12-25 | 2019-03-08 | 上海联影医疗科技有限公司 | 基于灌注成像的血管分割方法及装置和计算机装置 |
CN109431532A (zh) * | 2018-12-25 | 2019-03-08 | 上海联影医疗科技有限公司 | 基于灌注成像的动静脉分离方法及装置和计算机装置 |
US20190159744A1 (en) * | 2017-11-27 | 2019-05-30 | Toshiba America Medical Systems, Inc. | Computed tomography perfusion (ctp) method and apparatus using blood flow for discriminating types of cancer |
CN113034441A (zh) * | 2021-03-03 | 2021-06-25 | 数坤(北京)网络科技有限公司 | 一种基于ctp图像的动静脉点提取方法 |
CN113850755A (zh) * | 2021-08-20 | 2021-12-28 | 杭州脉流科技有限公司 | 获取脑部ct灌注成像参数图的方法、装置、系统和计算机存储介质 |
-
2021
- 2021-12-31 CN CN202111665365.2A patent/CN114511670B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090016587A1 (en) * | 2007-07-09 | 2009-01-15 | Siemens Corporate Research, Inc. | System and method for two-dimensional visualization of temporal phenomena and three dimensional vessel reconstruction |
CN106485706A (zh) * | 2012-11-23 | 2017-03-08 | 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 |
US20190159744A1 (en) * | 2017-11-27 | 2019-05-30 | Toshiba America Medical Systems, Inc. | Computed tomography perfusion (ctp) method and apparatus using blood flow for discriminating types of cancer |
CN109431531A (zh) * | 2018-12-25 | 2019-03-08 | 上海联影医疗科技有限公司 | 基于灌注成像的血管分割方法及装置和计算机装置 |
CN109431532A (zh) * | 2018-12-25 | 2019-03-08 | 上海联影医疗科技有限公司 | 基于灌注成像的动静脉分离方法及装置和计算机装置 |
CN113034441A (zh) * | 2021-03-03 | 2021-06-25 | 数坤(北京)网络科技有限公司 | 一种基于ctp图像的动静脉点提取方法 |
CN113850755A (zh) * | 2021-08-20 | 2021-12-28 | 杭州脉流科技有限公司 | 获取脑部ct灌注成像参数图的方法、装置、系统和计算机存储介质 |
Non-Patent Citations (1)
Title |
---|
佚名: "《A TECHNIQUE FOR DETERMINNG AN ARTERIAL INPUT FUNCTION》", 23 November 2009 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116071506A (zh) * | 2023-04-06 | 2023-05-05 | 深圳市联影高端医疗装备创新研究院 | 四维血管造影的重建方法、装置、计算机设备和存储介质 |
CN116071506B (zh) * | 2023-04-06 | 2023-07-14 | 深圳市联影高端医疗装备创新研究院 | 四维血管造影的重建方法、装置、计算机设备和存储介质 |
CN116681715A (zh) * | 2023-08-04 | 2023-09-01 | 杭州脉流科技有限公司 | 基于像素值变化的血管分割方法、装置、设备和存储介质 |
CN116681715B (zh) * | 2023-08-04 | 2023-10-10 | 杭州脉流科技有限公司 | 基于像素值变化的血管分割方法、装置、设备和存储介质 |
CN116798612A (zh) * | 2023-08-23 | 2023-09-22 | 北京超数时代科技有限公司 | 一种用于神经类疾病的数字诊疗系统 |
Also Published As
Publication number | Publication date |
---|---|
CN114511670B (zh) | 2022-08-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114511670B (zh) | 基于动态灌注影像的血管重建方法、装置、设备和介质 | |
CN109741344B (zh) | 血管分割方法、装置、医疗影像设备及存储介质 | |
US9962124B2 (en) | Automated analysis of vasculature in coronary angiograms | |
CN109410221B (zh) | 脑灌注图像分割方法、装置、服务器和存储介质 | |
US8447081B2 (en) | Pulmonary emboli detection with dynamic configuration based on blood contrast level | |
KR101258814B1 (ko) | 동적조영증강 유방 mr 영상에서 조직별 밝기값 보정 및 종양 강성 제약을 적용한 비강체 정합 방법 및 시스템 | |
CN110415216B (zh) | 基于sd-oct和octa视网膜图像的cnv自动检测方法 | |
CN109377481B (zh) | 图像质量评价方法、装置、计算机设备和存储介质 | |
CN111312374B (zh) | 医学图像处理方法、装置、存储介质及计算机设备 | |
WO2006037217A1 (en) | Blood vessel structures segmentation system and method | |
CN115984130A (zh) | 获取灌注参数图及病变区域的方法和可读存储介质 | |
CN111738975B (zh) | 图像辨识方法及图像辨识装置 | |
CN113616226A (zh) | 一种血管分析方法、系统、设备及存储介质 | |
CN112862850A (zh) | 数字剪影血管造影影像处理方法及装置 | |
CN106910182B (zh) | 心脏心功能磁共振图像中舒张末期图像中血池的分割方法 | |
EP3658031B1 (en) | Motion compensated cardiac valve reconstruction | |
CN116091444A (zh) | 侧枝评价方法及装置、存储介质、终端 | |
CN113989186A (zh) | 血管影像中血管结构或形态异常的检测方法及相关产品 | |
CN117974654B (zh) | 冠脉图像分割方法、装置、计算机设备和存储介质 | |
CN116309922B (zh) | Ct灌注影像的去伪影方法、装置、设备和存储介质 | |
Luo et al. | Recent progresses on cerebral vasculature segmentation for 3D quantification and visualization of MRA | |
CN116681715B (zh) | 基于像素值变化的血管分割方法、装置、设备和存储介质 | |
CN112365593B (zh) | 一种pet图像重建的方法和系统 | |
CN109859182B (zh) | 医学图像失配检测方法、装置、计算机设备和存储介质 | |
Tsai et al. | Intelligent pulmonary embolism detection system |
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 |