CN114913191A - Pet图像分析方法、装置、计算机设备和存储介质 - Google Patents
Pet图像分析方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN114913191A CN114913191A CN202210763718.0A CN202210763718A CN114913191A CN 114913191 A CN114913191 A CN 114913191A CN 202210763718 A CN202210763718 A CN 202210763718A CN 114913191 A CN114913191 A CN 114913191A
- Authority
- CN
- China
- Prior art keywords
- pet
- images
- image
- sub
- frame
- 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
- 238000003703 image analysis method Methods 0.000 title claims abstract description 26
- 210000000056 organ Anatomy 0.000 claims abstract description 157
- 239000003814 drug Substances 0.000 claims abstract description 97
- 229940079593 drug Drugs 0.000 claims abstract description 66
- 238000013507 mapping Methods 0.000 claims abstract description 35
- 238000000034 method Methods 0.000 claims abstract description 25
- 230000008859 change Effects 0.000 claims abstract description 20
- 238000003709 image segmentation Methods 0.000 claims abstract description 18
- 238000012545 processing Methods 0.000 claims description 21
- 238000004590 computer program Methods 0.000 claims description 13
- 238000004458 analytical method Methods 0.000 abstract description 15
- 238000002600 positron emission tomography Methods 0.000 description 158
- 210000004556 brain Anatomy 0.000 description 21
- 210000002216 heart Anatomy 0.000 description 16
- 210000001508 eye Anatomy 0.000 description 14
- 238000010586 diagram Methods 0.000 description 10
- 210000005252 bulbus oculi Anatomy 0.000 description 9
- 230000008569 process Effects 0.000 description 9
- 210000004185 liver Anatomy 0.000 description 8
- 230000017531 blood circulation Effects 0.000 description 6
- 230000000694 effects Effects 0.000 description 6
- 238000004891 communication Methods 0.000 description 5
- 238000010606 normalization Methods 0.000 description 5
- 230000002503 metabolic effect Effects 0.000 description 4
- 210000003625 skull Anatomy 0.000 description 4
- 241001465754 Metazoa Species 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 238000009513 drug distribution Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000010191 image analysis Methods 0.000 description 2
- 230000003902 lesion Effects 0.000 description 2
- 230000001225 therapeutic effect Effects 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 241000282320 Panthera leo Species 0.000 description 1
- 241000282376 Panthera tigris Species 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 229910021389 graphene Inorganic materials 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000007102 metabolic function Effects 0.000 description 1
- 230000004060 metabolic process Effects 0.000 description 1
- 235000020938 metabolic status Nutrition 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000000700 radioactive tracer Substances 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 241000894007 species Species 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 230000036962 time dependent Effects 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
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- 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
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
-
- 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
- G06T7/70—Determining position or orientation of objects or cameras
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/80—Analysis of captured images to determine intrinsic or extrinsic camera parameters, i.e. camera calibration
-
- 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
- G06T2207/10104—Positron emission tomography [PET]
-
- 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
- G06T2207/20092—Interactive image processing based on input by user
- G06T2207/20104—Interactive definition of region of interest [ROI]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
本申请涉及一种PET图像分析方法、装置、计算机设备和存储介质,通过获取第一扫描对象的多帧第一PET图像,并对各帧第一PET图像进行图像分割,得到包含有目标器官的第一PET子图像,各帧第一PET子图像包含有用于表征药物摄取信息的像素;获取对应于目标器官的目标器官模板,根据目标器官模板,将多帧第一PET子图像按照扫描时间顺序映射至标准空间,并根据映射处理后得到的多帧第一PET子图像,得到目标器官中药物摄取信息随时间变化的第一曲线,其中,标准空间由多个器官模板排布构建得到;获取对应于目标器官模板的药物摄取信息随时间变化的标准曲线,生成第一曲线与标准曲线的比较结果,以提升药物疗效跟踪方法的分析效率,并保证分析结果的稳定性。
Description
技术领域
本申请涉及医学影像处理技术领域,特别是涉及一种PET图像分析方法、装置、计算机设备和存储介质。
背景技术
在对患者进行药物疗效跟踪时,需要分析人体内血流和代谢功能,通常是在人体中注射药物,对人体进行动态PET(Positron Emission Tomography,正电子发射计算机断层摄影)扫描,得到时间上连续的多帧PET图像,再由医疗工作人员从多帧PET图像中勾画器官图像,比如肝脏,并提取肝脏图像的药物分布信息,根据多帧肝脏图像的药物分布信息,分析人体内血流和代谢情况。
传统的药物疗效跟踪方法,操作比较复杂,在后续分析中,如果需要增加药物参数,需要重复以上过程;且传统方法依赖人工经验,不同的人或者同一人两次处理的器官勾画往往无法保持一致。
针对相关技术中药物疗效跟踪方法的分析效率低且分析结果不稳定的问题,目前还没有提出有效的解决方案。
发明内容
基于此,有必要针对上述技术问题,提供一种能够提升药物疗效跟踪时的分析效率和分析结果稳定性的PET图像分析方法、装置、计算机设备和存储介质。
第一方面,本申请提供了一种PET图像分析方法,所述方法包括:
获取第一扫描对象的多帧第一PET图像,并对各帧第一PET图像进行图像分割,得到包含有目标器官的第一PET子图像,其中,各帧所述第一PET子图像包含有用于表征药物摄取信息的像素;
获取对应于所述目标器官的目标器官模板,根据所述目标器官模板,将多帧所述第一PET子图像按照扫描时间顺序映射至标准空间,并根据映射处理后得到的多帧所述第一PET子图像,得到所述目标器官中所述药物摄取信息随时间变化的第一曲线,其中,所述标准空间由多个器官模板排布构建得到;
获取对应于所述目标器官模板的药物摄取信息随时间变化的标准曲线,生成所述第一曲线与所述标准曲线的比较结果。
在其中一些实施例中,所述第一曲线与所述标准曲线的比较结果包括:
所述第一曲线与所述标准曲线的对照图;或者,所述第一曲线与所述标准曲线的参数对比信息。
在其中一些实施例中,根据所述目标器官模板,将多帧所述第一PET子图像按照扫描时间顺序映射至标准空间包括:
将各帧所述第一PET子图像与所述目标器官模板进行图像配准;
将经图像配准处理后的多帧所述第一PET子图像,按照所述扫描时间顺序投影至所述器官模板在所述标准空间中的位置。
在其中一些实施例中,根据多个所述器官模板排布构建所述标准空间包括:
获取多个处于预设状态的第二扫描对象中每个第二扫描对象的多帧第二PET图像,并对各帧第二PET图像进行图像分割,得到包含有相应器官的第二PET子图像;
对来自不同第二扫描对象的同一器官的多帧所述第二PET子图像进行标准化处理,得到多个所述器官模板,其中,各所述器官模板包含有相应器官的尺寸信息、轮廓信息和位置信息;
将多个所述器官模板排布后所包围的空间作为所述标准空间。
在其中一些实施例中,各帧所述第二PET子图像包含有用于表征药物摄取信息的像素,在对来自不同第二扫描对象的同一器官的多帧所述第二PET子图像进行标准化处理之后,所述方法还包括:
获取各帧所述第二PET子图像经标准化处理后感兴趣区域的像素计数率;
根据各帧所述第二PET子图像中所述感兴趣区域的所述像素计数率和标定系数,更新各帧所述第二PET子图像的所述药物摄取信息;
根据各帧所述第二PET子图像中所更新的药物摄取信息,以及各帧所述第二PET子图像的扫描时间顺序,生成对应于各个器官模板的标准曲线。
在其中一些实施例中,得到所述目标器官中所述药物摄取信息随时间变化的第一曲线包括:
获取各帧所述第一PET子图像经映射处理后感兴趣区域的像素计数率;
根据各帧所述第一PET子图像中所述感兴趣区域的所述像素计数率和标定系数,更新各帧所述第一PET子图像的所述药物摄取信息;
根据各帧所述第一PET子图像中所更新的所述药物摄取信息,以及各帧所述第一PET子图像的扫描时间顺序,生成对应于所述目标器官的所述第一曲线。
在其中一些实施例中,所述药物摄取信息包括药物摄取浓度值或者药物的标准摄取值。
第二方面,在本申请中提供了一种PET图像分析装置,包括:
获取模块,用于获取第一扫描对象的多帧第一PET图像,并对各帧第一PET图像进行图像分割,得到包含有目标器官的第一PET子图像,其中,各帧第一PET子图像包含有用于表征药物摄取信息的像素;
映射模块,耦合至所述获取模块,用于获取对应于所述目标器官的目标器官模板,根据所述目标器官模板,将多帧所述第一PET子图像按照扫描时间顺序映射至标准空间,并根据映射处理后得到的多帧所述第一PET子图像,得到所述目标器官中所述药物摄取信息随时间变化的第一曲线,其中,所述标准空间由多个器官模板排布构建得到;
比较模块,耦合至所述映射模块,用于获取对应于所述目标器官模板的药物摄取信息随时间变化的标准曲线,生成所述第一曲线与所述标准曲线的比较结果。
第三方面,本申请还提供了一种计算机设备。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上述第一方面的PET图像分析方法的步骤。
第四方面,本申请还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,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上述第一方面的PET图像分析方法的步骤。
上述PET图像分析方法、装置、计算机设备和存储介质,通过获取第一扫描对象的多帧第一PET图像,并对各帧第一PET图像进行图像分割,得到包含有目标器官的第一PET子图像,其中,各帧第一PET子图像包含有用于表征药物摄取信息的像素;获取对应于目标器官的目标器官模板,根据目标器官模板,将多帧第一PET子图像按照扫描时间顺序映射至标准空间,并根据映射处理后得到的多帧第一PET子图像,得到目标器官中药物摄取信息随时间变化的第一曲线,其中,标准空间由多个器官模板排布构建得到;获取对应于目标器官模板的药物摄取信息随时间变化的标准曲线,生成第一曲线与标准曲线的比较结果,解决了药物疗效跟踪方法的分析效率低且分析结果不稳定的问题,在提升分析效率的同时也保证了分析结果的稳定性。
附图说明
图1为一个实施例中PET图像分析方法的应用环境示意图;
图2为一个实施例中PET图像分析方法的流程图;
图3为一个实施例中PET图像分析方法的原理示意图;
图4为一个实施例中构建标准空间的原理示意图;
图5为一个实施例中PET图像分析装置的结构框图;
图6为一个实施例中计算机设备的内部结构示意图。
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。
本申请实施例提供的PET图像分析方法,可以应用于如图1所示的应用环境中。其中,终端通过网络与服务器进行通信,数据存储系统可以存储服务器需要处理的数据,例如用于构建标准空间的数据,终端可以通过访问服务器,得到用于构建标准空间的数据,在本地构建标准空间。具体地,终端获取第一扫描对象的多帧第一PET图像,并对各帧第一PET图像进行图像分割,得到包含有目标器官的第一PET子图像,获取对应于目标器官的目标器官模板,根据目标器官模板,将多帧第一PET子图像按照扫描时间顺序映射至标准空间,并根据映射处理后得到的多帧第一PET子图像,得到目标器官中药物摄取信息随时间变化的第一曲线,终端将第一曲线与目标器官模板的标准曲线进行比较,并将比较结果作为扫描对象的血流和代谢分析结果进行输出。其中,终端可以但不限于是各种个人计算机、笔记本电脑、平板电脑。服务器可以用独立的服务器或者是多个服务器组成的服务器集群来实现;数据存储系统可以集成在服务器上,也可以放在云上或其他网络服务器上。
请参阅图2,图2是一个实施例中一种PET图像分析方法的流程图,以该方法应用于图1中的终端为例进行说明,包括以下步骤:
步骤S201,获取第一扫描对象的多帧第一PET图像,并对各帧第一PET图像进行图像分割,得到包含有目标器官的第一PET子图像,其中,各帧第一PET子图像包含有用于表征药物摄取信息的像素。
第一扫描对象可以是人或者动物。第一PET图像为对第一扫描对象进行扫描重建后得到的图像,扫描重建范围可以是第一扫描对象的全身,也可以是其全身中的局部区域。
请参阅图3,图3是相应的PET图像分析方法的原理示意图,其中示出了脑部、肝脏、心脏的第一PET子图像。可以理解,在对各帧第一PET图像进行图像分割时,可以是在各帧第一PET图像中分割出全部器官中每个器官的第一PET子图像,也可以是只分割一个或者若干个器官中每个器官的第一PET子图像,图像分割可以根据用户输入的指令而定。
药物是在对第一扫描对象进行PET扫描时能够被PET设备探测到的物质,例如显象剂/示踪剂。药物摄取信息,可以是指药物摄取浓度值,也可以是指药物的标准摄取值(Standard Uptake Value,简称SUV)。
步骤S202,获取对应于目标器官的目标器官模板,根据目标器官模板,将多帧第一PET子图像按照扫描时间顺序映射至标准空间,并根据映射处理后得到的多帧第一PET子图像,得到目标器官中药物摄取信息随时间变化的第一曲线,其中,标准空间由多个器官模板排布构建得到。
请参阅图3,标准空间可以是二维平面空间,也可以是三维立体空间。不同的扫描对象有着不同的标准空间,扫描对象的不同,可以是指跨物种意义上的不同,比如人、狮子和老虎,也可以是指同一物种但处于不同生长周期意义上的不同,比如未成年人、成年人和老人。器官模板是以预设尺寸和预设轮廓构造的虚拟模型,其在标准空间中的位置也是预先设定的。
在将多帧第一PET子图像按照扫描时间顺序映射至标准空间的过程中,会调整第一PET子图像,例如,对第一PET子图像进行缩放和轮廓微调,使得第一PET子图像包含的目标器官在尺寸、轮廓和位置上与目标器官模板相匹配。在第一PET子图像经过映射处理之后,构成第一PET子图像的像素会发生改变,导致各帧第一PET子图像中用于表征药物摄取信息的像素发生变更,而通过重新计算各帧第一PET子图像中的药物摄取信息,就能得到当前第一扫描对象体内药物摄取信息随时间变化的第一曲线。
请参阅图3,在第一曲线中,横坐标为扫描时间,纵坐标为药物摄取信息。可选的,当获取的药物摄取信息为药物摄取浓度值时,第一曲线为药物活度变化曲线。可选的,当获取的药物摄取信息为SUV时,第一曲线为SUV变化曲线。
步骤S203,获取对应于目标器官模板的药物摄取信息随时间变化的标准曲线,生成第一曲线与标准曲线的比较结果。
不同的药物也有着不同的标准曲线,可以通过目标器官的种类、药物种类来调用相匹配的标准曲线。例如目标器官为肝脏,所注射的药物为K,则会调用对应肝脏模板的药物K的标准曲线。
第一曲线与标准曲线的比较结果,可以是直接输出两条曲线的对照图,由工作人员分析快照,得到第一扫描对象体内的血流和代谢情况;也可以是自动比较第一曲线与标准曲线,得出参数对比信息,其中,被比较的参数包括以下一项或者多项的组合:曲线开始上升的起始点时间;曲线开始下降的起始点时间;曲线的升降速度,包括曲线上升速度和曲线下降速度;曲线峰值大小;曲线变化幅度大小。可以根据参数对比信息,得到第一扫描对象当前状态相对于预设状态下的血流和代谢情况,从而得到第一扫描对象的药物疗效跟踪结果。
在上述步骤S201至S203中,通过对第一PET图像进行图像分割,以自动勾画目标器官,通过将包含有目标器官的第一PET子图像映射至标准空间,使得提取的第一曲线和标准曲线处于可比较的范畴之内,从而使得两者比较结果能够作为分析第一扫描对象的血流和代谢情况的参考依据,得到对第一扫描对象的药物疗效跟踪结果。
上述步骤可重复操作,药物疗效跟踪的效率高,分析结果稳定,且一旦更换不同类型的扫描对象或者药物,只需调用相应扫描对象的标准空间数据或者相应药物的标准曲线数据,即可实现对某一类型扫描对象的药物疗效跟踪。此外,将每次扫描的PET图像都进行图像分割和映射到标准空间,并比较第一曲线与标准曲线,相比于传统的图像对比方法,可以得到更精准的分析结果,且借助曲线变化趋势有利于更早期地发现病变。
在一个实施例中,根据目标器官模板,将多帧第一PET子图像按照扫描时间顺序映射至标准空间包括:将各帧第一PET子图像与目标器官模板进行图像配准;将经图像配准处理后的多帧第一PET子图像,按照扫描时间顺序投影至器官模板在标准空间中的位置。
图像配准是指对第一PET子图像进行缩放和轮廓微调,使得第一PET子图像包含的目标器官在尺寸、轮廓和位置上与目标器官模板相匹配。其中,轮廓微调是指根据轮廓特征对相应器官的轮廓进行调整,不同的器官有着不同的轮廓特征,例如脑部的颅骨特征、眼部的眼球特征。
可选的,第一扫描对象为人体,第一PET子图像包含的目标器官为脑部,获取对应于脑部的脑部模板,将各帧脑部图像与脑部模板进行图像配准,包括将脑部图像按照脑部模板尺寸进行缩放,根据颅骨特征对脑部图像进行轮廓微调,使得脑部图像与脑部模板相匹配,将经图像配准处理后的多帧脑部图像,按照扫描时间顺序投影至脑部模板在标准空间中的位置。其中,对脑部图像进行轮廓微调包括:将脑部图像的颅骨特征调整成和脑部模板的颅骨特征一致。
可选的,第一扫描对象为人体,第一PET子图像包含的目标器官为眼部,获取对应于眼部的眼部模板,将各帧眼部图像与眼部模板进行图像配准,包括将眼部图像按照眼部模板尺寸进行缩放,根据眼球特征对眼部图像进行轮廓微调,使得眼部图像与眼部模板相匹配,将经图像配准处理后的多帧眼部图像,按照扫描时间顺序投影至眼部模板在标准空间中的位置。
在一个实施例中,用于构建标准空间的数据和标准曲线数据可以是以散列表结构存储在数据库中,其中,散列表包括多个键值对,键用于存储索引序列,例如器官模板的标识符,值用于存储器官模板的数据,例如尺寸信息、轮廓信息、位置信息和标准曲线数据。
请参阅图4,图4为一个实施例中构建标准空间的原理示意图。有多个二扫描对象,可通过如下方式构建标准空间:获取多个处于预设状态的第二扫描对象中每个第二扫描对象的多帧第二PET图像,并对各帧第二PET图像进行图像分割,得到包含有相应器官的第二PET子图像;对来自不同第二扫描对象的同一器官的多帧第二PET子图像进行标准化处理,得到多个器官模板,其中,各器官模板包含有相应器官的尺寸信息、轮廓信息和位置信息;将多个器官模板排布后所包围的空间作为标准空间。
预设状态是指生命特征维持在预设水平的状态,例如,第二扫描对象体内各器官没有出现病变,第二扫描对象没有出现残疾,第二扫描对象的代谢状况正常。
第二扫描对象经PET动态扫描后会得到多帧连续的第二PET图像。作为示例,图中只示出了3个第二扫描对象,扫描A得到多帧第二PET图像,扫描B得到多帧第二PET图像,扫描C得到多帧第二PET图像。
器官模板包括虚拟模型,标准空间包括虚拟模型的组合。
器官模板的尺寸信息可以是面积大小和/或体积大小。
器官模板的轮廓信息可以是根据器官的轮廓设置的特征,例如,脑部特征、肝脏特征、心脏特征、眼球特征,其中,脑部特征可以用长宽比参数来描述,肝脏特征可以用左右径、上下径、前后径参数来描述,心脏特征可以用长径、宽径和前后径参数来描述,眼球特征可以用长轴和短轴参数来描述。
器官模板的位置信息是根据第二扫描对象的类型预设的,例如,人体内有着一套固定的器官排布方式,动物体内也有着一套固定的器官排布方式,当确定第二扫描对象的类型,便可确定器官模板在标准空间中的位置信息。
对来自不同第二扫描对象的同一器官的多帧第二PET子图像进行标准化处理,是指就某一器官而言,分别在对应于不同第二扫描对象的第二PET子图像中各抽取其中一帧,对来自不同第二扫描对象的第二PET子图像中包含的器官进行标准化处理。以图4为例,在对脑部进行标准化处理时,会在第二扫描对象A、B、C关于脑部的第二PET子图像中,各抽取其中一帧进行标准化处理。
进一步地,标准化处理包括:提取第二PET子图像中器官的尺寸和轮廓,分别对器官的尺寸和轮廓进行统计,确定器官的标准尺寸和标准轮廓,根据器官的标准尺寸和标准轮廓得到器官模板。其中,统计方法包括取平均值。
以图4为例,在确定心脏的标准尺寸过程中,从三个第二扫描对象的第二PET子图像中各抽取某一帧心脏图像,得到心脏的尺寸,即体积,基于三个扫描对象心脏的面积和体积,计算心脏的面积平均值和体积平均值,得到心脏的标准尺寸。
又例如,在确定心脏的标准轮廓过程中,从三个第二扫描对象的第二PET子图像中各抽取某一帧心脏图像,提取心脏特征,即三个扫描对象心脏的长径、宽径和前后径,基于三个扫描对象心脏的长径、宽径和前后径,计算心脏的长径平均值、宽径平均值和前后径平均值,得到心脏的标准轮廓。
又例如,在确定眼球的标准轮廓过程中,从三个第二扫描对象的第二PET子图像中各抽取某一帧眼部图像,提取眼球特征,即长轴和短轴,基于三个扫描对象眼球的长轴和短轴,计算眼球的长轴平均值和短轴平均值,得到眼球的标准轮廓。
对于每个器官而言,从三个第二扫描对象的第二PET子图像中各抽取一帧,进行标准化处理得到相应器官的器官模板后,剩余的第二PET子图像均可以按照先前得到的相应器官模板进行批量调整,也即对剩余的第二PET子图像进行标准化处理。
在一个实施例中,各帧第二PET子图像包含有用于表征药物摄取信息的像素,在对来自不同第二扫描对象的同一器官的多帧第二PET子图像进行标准化处理之后,方法还包括:获取各帧第二PET子图像经标准化处理后感兴趣区域的像素计数率;根据各帧第二PET子图像中感兴趣区域的像素计数率和标定系数,更新各帧第二PET子图像的药物摄取信息;根据各帧第二PET子图像中所更新的药物摄取信息,以及各帧第二PET子图像的扫描时间顺序,生成对应于各个器官的标准曲线。
在对第二PET子图像进行标准化处理过程中,涉及到图像处理,会使得构成第二PET子图像的像素发生改变,导致各帧第二PET子图像中用于表征药物摄取信息的像素发生变更,因此需要重新计算各帧第二PET子图像中的药物摄取信息,使得第二PET子图像中药物摄取信息对时间变化的曲线变得标准化。
感兴趣区域是指用预设尺寸的窗口在第二PET子图像中滑动取样,当窗口中的平均像素值达到第一预设阈值时,确定当前窗口中的区域为感兴趣区域。像素计数率是指在感兴趣区域中,像素值达到第二预设阈值的像素数目占感兴趣区域总像素数目的比例。具体地,药物摄取浓度值=感兴趣区域像素计数率*标定系数,药物的标准摄取值=药物摄取浓度值/(注入药物浓度/扫描对象的体重)。
可选的,当获取的药物摄取信息为药物摄取浓度值时,标准曲线为药物活度变化曲线。当获取的药物摄取信息为SUV时,标准曲线为SUV变化曲线。
基于和更新各帧第二PET子图像的药物摄取信息相近的原理,在一个实施例中,得到目标器官中药物摄取信息随时间变化的第一曲线包括:获取各帧第一PET子图像经映射处理后感兴趣区域的像素计数率;根据各帧第一PET子图像中感兴趣区域的像素计数率和标定系数,更新各帧第一PET子图像的药物摄取信息;根据各帧第一PET子图像中所更新的药物摄取信息,以及各帧第一PET子图像的扫描时间顺序,生成对应于目标器官的第一曲线。
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PET图像分析方法的PET图像处理装置。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PET图像处理装置实施例中的具体限定可以参见上文中对于PET图像分析方法的限定,在此不再赘述。
在一个实施例中,如图5所示,提供了一种PET图像处理装置,包括:
获取模块,用于获取第一扫描对象的多帧第一PET图像,并对各帧第一PET图像进行图像分割,得到包含有目标器官的第一PET子图像,其中,各帧第一PET子图像包含有用于表征药物摄取信息的像素;
映射模块,耦合至获取模块,用于获取对应于目标器官的目标器官模板,根据目标器官模板,将多帧第一PET子图像按照扫描时间顺序映射至标准空间,并根据映射处理后得到的多帧第一PET子图像,得到目标器官中药物摄取信息随时间变化的第一曲线,其中,标准空间由多个器官模板排布构建得到;
比较模块,耦合至映射模块,用于获取对应于目标器官模板的药物摄取信息随时间变化的标准曲线,生成第一曲线与标准曲线的比较结果。
上述PET图像处理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终端,其内部结构示意图可以如图6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、通信接口、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。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信,无线方式可通过WIFI、移动蜂窝网络、NFC(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现一种PET图像分析方法。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6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,该处理器执行计算机程序时实现以下步骤:
获取第一扫描对象的多帧第一PET图像,并对各帧第一PET图像进行图像分割,得到包含有目标器官的第一PET子图像,其中,各帧第一PET子图像包含有用于表征药物摄取信息的像素;
获取对应于目标器官的目标器官模板,根据目标器官模板,将多帧第一PET子图像按照扫描时间顺序映射至标准空间,并根据映射处理后得到的多帧第一PET子图像,得到目标器官中药物摄取信息随时间变化的第一曲线,其中,标准空间由多个器官模板排布构建得到;
获取对应于目标器官模板的药物摄取信息随时间变化的标准曲线,生成第一曲线与标准曲线的比较结果。
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:
获取第一扫描对象的多帧第一PET图像,并对各帧第一PET图像进行图像分割,得到包含有目标器官的第一PET子图像,其中,各帧第一PET子图像包含有用于表征药物摄取信息的像素;
获取对应于目标器官的目标器官模板,根据目标器官模板,将多帧第一PET子图像按照扫描时间顺序映射至标准空间,并根据映射处理后得到的多帧第一PET子图像,得到目标器官中药物摄取信息随时间变化的第一曲线,其中,标准空间由多个器官模板排布构建得到;
获取对应于目标器官模板的药物摄取信息随时间变化的标准曲线,生成第一曲线与标准曲线的比较结果。
需要说明的是,本申请所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等),均为经用户授权或者经过各方充分授权的信息和数据。
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PET图像分析方法,其特征在于,所述方法包括:
获取第一扫描对象的多帧第一PET图像,并对各帧所述第一PET图像进行图像分割,得到包含有目标器官的第一PET子图像,其中,各帧所述第一PET子图像包含有用于表征药物摄取信息的像素;
获取对应于所述目标器官的目标器官模板,根据所述目标器官模板,将多帧所述第一PET子图像按照扫描时间顺序映射至标准空间,并根据映射处理后得到的多帧所述第一PET子图像,得到所述目标器官中所述药物摄取信息随时间变化的第一曲线,其中,所述标准空间由多个器官模板排布构建得到;
获取对应于所述目标器官模板的药物摄取信息随时间变化的标准曲线,生成所述第一曲线与所述标准曲线的比较结果。
2.根据权利要求1所述的PET图像分析方法,其特征在于,所述第一曲线与所述标准曲线的比较结果包括:
所述第一曲线与所述标准曲线的对照图;或者,所述第一曲线与所述标准曲线的参数对比信息。
3.根据权利要求1所述的PET图像分析方法,其特征在于,根据所述目标器官模板,将多帧所述第一PET子图像按照扫描时间顺序映射至标准空间包括:
将各帧所述第一PET子图像与所述目标器官模板进行图像配准;
将经图像配准处理后的多帧所述第一PET子图像,按照所述扫描时间顺序投影至所述器官模板在所述标准空间中的位置。
4.根据权利要求1所述的PET图像分析方法,其特征在于,根据多个所述器官模板排布构建所述标准空间包括:
获取多个处于预设状态的第二扫描对象中每个第二扫描对象的多帧第二PET图像,并对各帧所述第二PET图像进行图像分割,得到包含有相应器官的第二PET子图像;
对来自不同第二扫描对象的同一器官的多帧所述第二PET子图像进行标准化处理,得到多个所述器官模板,其中,各所述器官模板包含有相应器官的尺寸信息、轮廓信息和位置信息;
将多个所述器官模板排布后所包围的空间作为所述标准空间。
5.根据权利要求4所述的PET图像分析方法,其特征在于,各帧所述第二PET子图像包含有用于表征药物摄取信息的像素,在对来自不同第二扫描对象的同一器官的多帧所述第二PET子图像进行标准化处理之后,所述方法还包括:
获取各帧所述第二PET子图像经标准化处理后感兴趣区域的像素计数率;
根据各帧所述第二PET子图像中所述感兴趣区域的所述像素计数率和标定系数,更新各帧所述第二PET子图像的所述药物摄取信息;
根据各帧所述第二PET子图像中所更新的所述药物摄取信息,以及各帧所述第二PET子图像的扫描时间顺序,生成对应于各个器官模板的标准曲线。
6.根据权利要求1所述的PET图像分析方法,其特征在于,得到所述目标器官中所述药物摄取信息随时间变化的第一曲线包括:
获取各帧所述第一PET子图像经映射处理后感兴趣区域的像素计数率;
根据各帧所述第一PET子图像中所述感兴趣区域的所述像素计数率和标定系数,更新各帧所述第一PET子图像的所述药物摄取信息;
根据各帧所述第一PET子图像中所更新的所述药物摄取信息,以及各帧所述第一PET子图像的扫描时间顺序,生成对应于所述目标器官的所述第一曲线。
7.根据权利要求1至6中任一项所述的PET图像分析方法,其特征在于,所述药物摄取信息包括药物摄取浓度值或者药物的标准摄取值。
8.一种PET图像分析装置,其特征在于,包括:
获取模块,用于获取第一扫描对象的多帧第一PET图像,并对各帧第一PET图像进行图像分割,得到包含有目标器官的第一PET子图像,其中,各帧第一PET子图像包含有用于表征药物摄取信息的像素;
映射模块,耦合至所述获取模块,用于获取对应于所述目标器官的目标器官模板,根据所述目标器官模板,将多帧所述第一PET子图像按照扫描时间顺序映射至标准空间,并根据映射处理后得到的多帧所述第一PET子图像,得到所述目标器官中所述药物摄取信息随时间变化的第一曲线,其中,所述标准空间由多个器官模板排布构建得到;
比较模块,耦合至所述映射模块,用于获取对应于所述目标器官模板的药物摄取信息随时间变化的标准曲线,生成所述第一曲线与所述标准曲线的比较结果。
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PET图像分析方法的步骤。
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PET图像分析方法的步骤。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210763718.0A CN114913191A (zh) | 2022-06-30 | 2022-06-30 | Pet图像分析方法、装置、计算机设备和存储介质 |
EP23809951.9A EP4330971A1 (en) | 2022-06-24 | 2023-06-25 | Systems and methods for image processing |
PCT/CN2023/102157 WO2023246937A1 (en) | 2022-06-24 | 2023-06-25 | Systems and methods for image processing |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210763718.0A CN114913191A (zh) | 2022-06-30 | 2022-06-30 | Pet图像分析方法、装置、计算机设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114913191A true CN114913191A (zh) | 2022-08-16 |
Family
ID=82772936
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210763718.0A Pending CN114913191A (zh) | 2022-06-24 | 2022-06-30 | Pet图像分析方法、装置、计算机设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114913191A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023246937A1 (en) * | 2022-06-24 | 2023-12-28 | Shanghai United Imaging Healthcare Co., Ltd. | Systems and methods for image processing |
-
2022
- 2022-06-30 CN CN202210763718.0A patent/CN114913191A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023246937A1 (en) * | 2022-06-24 | 2023-12-28 | Shanghai United Imaging Healthcare Co., Ltd. | Systems and methods for image processing |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Kim et al. | Web-based fully automated cephalometric analysis by deep learning | |
US11887221B2 (en) | Systems and methods for image correction in positron emission tomography | |
CN109493328B (zh) | 医学图像显示方法、查看设备以及计算机设备 | |
US11657509B2 (en) | Method for precisely and automatically positioning reference line for integrated images | |
CN112308964B (zh) | 针对单侧颞骨的空间数据处理及定位方法、装置及设备 | |
WO2023078309A1 (zh) | 目标特征点提取方法、装置、计算机设备和存储介质 | |
CN114092475B (zh) | 病灶长径确定方法、图像标注方法、装置及计算机设备 | |
CN114663715B (zh) | 医学图像质控、分类模型训练方法、装置及计算机设备 | |
CN111096835A (zh) | 一种矫形器设计方法和系统 | |
US11819427B2 (en) | Systems and methods for orthosis design | |
CN114913191A (zh) | Pet图像分析方法、装置、计算机设备和存储介质 | |
CN113920114B (zh) | 图像处理方法、装置、计算机设备、存储介质及程序产品 | |
Whyte | Racial and ethnic representation of participants in US clinical trials of new drugs and biologics | |
Xie et al. | Contextual loss based artifact removal method on CBCT image | |
CN113129418B (zh) | 基于三维影像的目标表面重建方法、装置、设备和介质 | |
CN113989231A (zh) | 动力学参数的确定方法、装置、计算机设备和存储介质 | |
CN116630239A (zh) | 影像分析方法、装置和计算机设备 | |
CN113077474B (zh) | 基于ct影像的床板去除方法、系统、电子设备及存储介质 | |
US20220138957A1 (en) | Methods and systems for medical image segmentation | |
CN114283927A (zh) | 输入函数获取方法、装置、系统、计算机设备和存储介质 | |
CN113822298A (zh) | 一种时间活度曲线提取方法和系统 | |
CN108461128A (zh) | 医学图像处理方法及系统和图像处理终端 | |
US11334976B1 (en) | Medical imaging with functional architecture tracking | |
US20230306608A1 (en) | Image processing apparatus, method and program, and learning apparatus, method and program | |
WO2023131061A1 (en) | Systems and methods for positron emission computed tomography image reconstruction |
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 |