CN115040100A - 一种视神经血流灌注数值快速采集方法 - Google Patents
一种视神经血流灌注数值快速采集方法 Download PDFInfo
- Publication number
- CN115040100A CN115040100A CN202210664150.7A CN202210664150A CN115040100A CN 115040100 A CN115040100 A CN 115040100A CN 202210664150 A CN202210664150 A CN 202210664150A CN 115040100 A CN115040100 A CN 115040100A
- Authority
- CN
- China
- Prior art keywords
- blood flow
- dimensional
- flow perfusion
- optic nerve
- cerebral blood
- 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
- 230000010412 perfusion Effects 0.000 title claims abstract description 118
- 210000001328 optic nerve Anatomy 0.000 title claims abstract description 76
- 230000017531 blood circulation Effects 0.000 title claims abstract description 63
- 238000000034 method Methods 0.000 title claims abstract description 24
- 230000003727 cerebral blood flow Effects 0.000 claims abstract description 72
- 239000008280 blood Substances 0.000 claims abstract description 15
- 210000004369 blood Anatomy 0.000 claims abstract description 15
- 230000002490 cerebral effect Effects 0.000 claims abstract description 14
- 238000010801 machine learning Methods 0.000 claims abstract description 11
- 210000005036 nerve Anatomy 0.000 claims description 18
- 230000003287 optical effect Effects 0.000 claims description 18
- 238000012545 processing Methods 0.000 claims description 15
- 210000004556 brain Anatomy 0.000 claims description 10
- 230000008081 blood perfusion Effects 0.000 claims description 8
- 238000002372 labelling Methods 0.000 claims description 6
- 238000012549 training Methods 0.000 claims description 6
- 238000013135 deep learning Methods 0.000 claims description 2
- 238000011156 evaluation Methods 0.000 claims description 2
- 230000006870 function Effects 0.000 claims description 2
- 230000011218 segmentation Effects 0.000 claims description 2
- 230000008344 brain blood flow Effects 0.000 claims 1
- 230000008084 cerebral blood perfusion Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000003384 imaging method Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000002059 diagnostic imaging Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000008676 import Effects 0.000 description 1
- 238000007917 intracranial administration Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/026—Measuring blood flow
- A61B5/0263—Measuring blood flow using NMR
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/40—Detecting, measuring or recording for evaluating the nervous system
- A61B5/4058—Detecting, measuring or recording for evaluating the nervous system for evaluating the central nervous system
- A61B5/4064—Evaluating the brain
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7203—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
- A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
- A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
- A61B5/7267—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems involving training the classification device
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- 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
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B2576/00—Medical imaging apparatus involving image processing or analysis
- A61B2576/02—Medical imaging apparatus involving image processing or analysis specially adapted for a particular organ or body part
- A61B2576/026—Medical imaging apparatus involving image processing or analysis specially adapted for a particular organ or body part for the brain
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Medical Informatics (AREA)
- Theoretical Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Software Systems (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Biomedical Technology (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Pathology (AREA)
- Biophysics (AREA)
- Heart & Thoracic Surgery (AREA)
- Physiology (AREA)
- Signal Processing (AREA)
- General Physics & Mathematics (AREA)
- Neurology (AREA)
- Mathematical Physics (AREA)
- Computing Systems (AREA)
- Psychiatry (AREA)
- Fuzzy Systems (AREA)
- Multimedia (AREA)
- Databases & Information Systems (AREA)
- Hematology (AREA)
- Cardiology (AREA)
- Geometry (AREA)
- Computer Graphics (AREA)
- Neurosurgery (AREA)
- Psychology (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Magnetic Resonance Imaging Apparatus (AREA)
- Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
Abstract
本发明涉及一种视神经血流灌注数值快速采集方法，该方法包括：通过机器学习方法建立视神经各个节段的三维空间模型；采集大脑血流灌注磁共振影像，得到包括脑血流量数值、血流到达时间数值、脑血容量数值的三维大脑血流灌注影像；将所述三维大脑血流灌注影像导入到所述视神经三维空间模型，获得三维视神经血流灌注模型；根据三维视神经血流灌注模型，采集三维空间和时间对应的灌注数值。
Description
技术领域
本发明涉及医学影像技术领域，特别是涉及视神经的血流灌注数值快速采集方法。
背景技术
视神经血流灌注测定长期以来一直缺乏有效的图像计算方法，主要原因是视神经各个节段因人而异，在颅内的位置不确定，给图像识别，尤其是脑血流灌注图像的识别、灌注数据的采集带来困难。
视神经个体差异性，使得方法学难以通过传统方法使用脑模板配准并进行定量分析，目前影像学尚未建立视神经灌注成像分析方法。
发明内容
本发明的目的是提供一种视神经的血流灌注数值快速采集方法及系统，可以快速采集视神经三维空间和时间对应的脑血流量数值、血流到达时间数值、脑血容量数值。
为实现上述目的，本发明提供了如下方案。
一种视神经的血流灌注数值快速采集方法包括：
通过机器学习方法建立视神经各个节段的三维空间模型。
采集大脑血流灌注磁共振影像，得到包括脑血流量数值、血流到达时间数值、脑血容量数值的三维大脑血流灌注影像。
将所述三维大脑血流灌注影像导入到所述视神经三维空间模型，获得三维视神经血流灌注模型。
根据三维视神经血流灌注模型，采集三维空间和时间对应的灌注数值。
可选地，所通过机器学习方法建立视神经各个节段的三维空间模型，具体方法包括：
人工对训练数据的视神经各节段建模。
通过与标准空间培训，寻找左右视神经的大概位置并扩大范围，裁剪掉完全不相关的脑区。
对上述结果进行边界点的矫正精细，对每一点进行一个boosting分类器学习，针对边界点专门学习分类使用上述机器学习模型对需要分析的数据进行视神经各节段三维建模。
可选地，所述采集大脑血流灌注磁共振影像，得到包括脑血流量数值、血流到达时间数值、脑血容量数值的三维大脑血流灌注影像的具体方法包括：
采用磁共振多延迟动脉自旋标记法获得所述个体大脑的三维大脑血流灌注影像。
可选地，所述三维大脑血流灌注影像导入到所述视神经三维空间模型，获得三维视神经血流灌注模型，具体包括：
对所述三维大脑血流灌注影像进行清晰度增强、降低噪声和图像配准，获得图像处理后的所述大脑血流灌注磁共振影像。
将图像处理后的所述三维大脑血流灌注影像导入到所述视神经三维空间模型，获得三维视神经血流灌注模型。
一种视神经血流灌注数值快速采集系统，包括：
三维空间模型建立模块，用于建立视神经各个节段的三维空间模型。
三维大脑血流灌注影像采集模块，用于采集个体的大脑血流灌注磁共振影像，获得所述个体包括脑血流量数值、血流到达时间数值、脑血容量数值的三维大脑血流灌注影像。
三维视神经血流灌注模型获得模块，用于将所述三维大脑血流灌注影像导入到所述三维空间模型，获得三维视神经血流灌注模型。
大脑血流灌注数值采集模块，用于根据三维视神经血流灌注模型采集三维空间和时间对应的脑血流量数值、血流到达时间数值、脑血容量数值。
可选地，所述三维大脑血流灌注影像采集模块，具体包括：
血流灌注影像采集单元，采用磁共振多延迟动脉自旋标记法获得所述个体大脑的三维大脑血流灌注影像。
可选地，所述三维视神经血流灌注模型获得模块，具体包括：
图像处理单元，对所述三维大脑血流灌注影像进行清晰度增强、降低噪声和图像配准，获得图像处理后的所述大脑血流灌注磁共振影像。
三维视神经血流灌注模型获得单元，用于将图像处理后的所述三维大脑血流灌注影像导入到所述视神经三维空间模型，获得三维视神经血流灌注模型。
可选地，所述三维空间模型建立模块，具体包括：
三维空间模型建立单元，通过机器学习方法建立视神经各个节段的三维空间模型。
根据本发明提供的具体实施例，本发明公开了以下技术效果：
本发明通过建立视神经各个节段的三维空间模型，将包括脑血流量数值、血流到达时间数值、脑血容量数值的个体三维大脑血流灌注影像导入到所述三维空间模型中，从而快速、准确的采集三维空间和时间对应的灌注数值。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例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发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明一种视神经血流灌注数值快速采集方法流程示意图。
图2为本发明一种视神经血流灌注数值快速采集系统结构示意图。
具体实施例
下面将结合本发明实施例中的附图，对本发明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发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，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，都属于本发明保护的范围。
本发明的目的是提供一种视神经血流灌注数值快速采集方法及系统，快速、准确的采集三维空间和时间对应的灌注数值。
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
图1为本发明一种视神经的血流灌注数值快速采集方法流程示意图，如图1所示，一种视神经的血流灌注数值快速采集方法流程示意图包括以下步骤：
步骤101：构建视神经的三维空间模型。
其中，步骤101具体包括：
人工对训练数据的视神经各节段建模。
通过与标准空间培训，寻找左右视神经的大概位置，并扩大范围之后、裁剪掉完全不相关的脑区。
通过3D U-net深度学习，设定与手动分割的重合度作为评价函数，得到视神经各节段的粗糙边界。
对上述结果进行边界点的矫正精细，对每一点进行一个boosting分类器学习，针对边界点专门学习分类器进行边界取舍。
使用上述机器学习模型对需要分析的数据进行视神经各节段三维建模。
步骤102：采集大脑血流灌注磁共振影像，得到包括脑血流量数值、血流到达时间数值、脑血容量数值的三维大脑血流灌注影像。
其中，步骤102具体包括：
采用磁共振多延迟动脉自旋标记法获得个体大脑的灌注影像。具体为，采用基于多延迟多参数非造影磁共振脑血灌注成像的方法获得个体大脑的血流灌注影像。
步骤103：将三维大脑血流灌注影像导入所述视神经三维空间模型，获得三维视神经血流灌注模型。
其中，步骤103具体包括：
对所述三维大脑血流灌注影像进行清晰度增强、降低噪声和图像配准，获得图像处理后的所述大脑血流灌注磁共振影像。
将图像处理后的所述三维大脑血流灌注影像导入到所述视神经三维空间模型，获得三维视神经血流灌注模型。
步骤104：根据三维视神经血流灌注模型，采集三维空间和时间对应的灌注数值。
图2本发明一种视神经血流灌注数值快速采集系统结构示意图，如图2所示，一种视神经血流灌注数值快速采集系统结构示意图包括：
三维空间模型建立模块201，用于建立视神经各个节段的三维空间模型。
三维大脑血流灌注影像采集模块202，用于采集个体的大脑血流灌注磁共振影像，获得所述个体包括脑血流量数值、血流到达时间数值、脑血容量数值的三维大脑血流灌注影像。
三维视神经血流灌注模型获得模块203，用于将所述三维大脑血流灌注影像导入到所述三维空间模型，获得三维视神经血流灌注模型。
大脑血流灌注数值采集模块204，用于根据三维视神经血流灌注模型采集三维空间和时间对应的脑血流量数值、血流到达时间数值、脑血容量数值。
三维大脑血流灌注影像采集模块202，具体包括：
血流灌注影像采集单元，采用磁共振多延迟动脉自旋标记法获得所述个体大脑的三维大脑血流灌注影像。
三维视神经血流灌注模型获得模块，具体包括：
图像处理单元，对所述三维大脑血流灌注影像进行清晰度增强、降低噪声和图像配准，获得图像处理后的所述大脑血流灌注磁共振影像。
三维视神经血流灌注模型获得单元，用于将图像处理后的所述三维大脑血流灌注影像导入到所述视神经三维空间模型，获得三维视神经血流灌注模型。
三维空间模型建立模块，具体包括：
三维空间模型建立单元，通过机器学习方法建立视神经各个节段的三维空间模型。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。
Claims (8)
1.一种视神经血流灌注数值快速采集方法，其特征在于，包括：
通过机器学习方法建立视神经各个节段的三维空间模型；
采集大脑血流灌注磁共振影像，得到包括脑血流量数值、血流到达时间数值、脑血容量数值的三维大脑血流灌注影像；
将所述三维大脑血流灌注影像导入到所述视神经三维空间模型，获得三维视神经血流灌注模型；
根据三维视神经血流灌注模型，采集三维空间和时间对应的灌注数值。
2.根据权利要求1所述的视神经血流灌注数值快速采集方法，其特征在于，所述通过机器学习方法建立视神经各个节段的三维空间模型，具体包括：
人工对训练数据的视神经各节段建模；
通过与标准空间培训，寻找左右视神经的大概位置并扩大范围，裁剪掉完全不相关的脑区；
通过3D U-net深度学习，设定与手动分割的重合度作为评价函数，得到视神经各节段的粗糙边界；对上述结果进行边界点的矫正精细，对每一点进行一个boosting分类器学习，针对边界点专门学习分类器进行边界取舍；使用上述机器学习模型对需要分析的数据进行视神经各节段三维建模。
3.根据权利要求1所述的视神经血流灌注数值快速采集方法，其特征在于，采集大脑血流灌注磁共振影像，得到包括脑血流量数值、血流到达时间数值、脑血容量数值的三维大脑血流灌注影像的具体方法包括：
采用磁共振多延迟动脉自旋标记法。
4.根据权利要求1所述的视神经血流灌注数值快速采集方法，其特征在于，将所述三维大脑血流灌注影像导入到所述视神经三维空间模型，获得三维视神经血流灌注模型，具体包括：
对所述三维大脑血流灌注影像进行清晰度增强、降低噪声和图像配准，获得图像处理后的所述大脑血流灌注磁共振影像；
将图像处理后的所述三维大脑血流灌注影像导入到所述视神经三维空间模型，获得三维视神经血流灌注模型。
5.一种视神经血流灌注数值快速采集系统，其特征在于，包括：
三维空间模型建立模块，用于建立视神经各个节段的三维空间模型；
三维大脑血流灌注影像采集模块，用于采集个体的大脑血流灌注磁共振影像，获得所述个体包括脑血流量数值、血流到达时间数值、脑血容量数值的三维大脑血流灌注影像；
三维视神经血流灌注模型获得模块，用于将所述三维大脑血流灌注影像导入到所述三维空间模型，获得三维视神经血流灌注模型；
大脑血流灌注数值采集模块，用于根据三维视神经血流灌注模型采集三维空间和时间对应的脑血流量数值、血流到达时间数值、脑血容量数值。
6.根据权利要求5所述的视神经血流灌注数值快速采集系统，其特征在于，所述三维大脑血流灌注影像采集模块，具体包括：
血流灌注影像采集单元，采用磁共振多延迟动脉自旋标记法获得所述个体大脑的三维大脑血流灌注影像。
7.根据权利要求5所述的视神经血流灌注数值快速采集系统，其特征在于，所述三维视神经血流灌注模型获得模块，具体包括：
图像处理单元，对所述三维大脑血流灌注影像进行清晰度增强、降低噪声和图像配准，获得图像处理后的所述大脑血流灌注磁共振影像；
三维视神经血流灌注模型获得单元，用于将图像处理后的所述三维大脑血流灌注影像导入到所述视神经三维空间模型，获得三维视神经血流灌注模型。
8.根据权利要求5所述的视神经血流灌注数值快速采集系统，其特征在于，所述三维空间模型建立模块，具体包括：
三维空间模型建立单元，通过机器学习方法建立视神经各个节段的三维空间模型。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210664150.7A CN115040100B (zh) | 2022-06-14 | 2022-06-14 | 一种视神经血流灌注数值快速采集方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210664150.7A CN115040100B (zh) | 2022-06-14 | 2022-06-14 | 一种视神经血流灌注数值快速采集方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115040100A true CN115040100A (zh) | 2022-09-13 |
| CN115040100B CN115040100B (zh) | 2023-10-27 |
Family
ID=83161792
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210664150.7A Active CN115040100B (zh) | 2022-06-14 | 2022-06-14 | 一种视神经血流灌注数值快速采集方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115040100B (zh) |
Citations (32)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20030211036A1 (en) * | 2002-05-07 | 2003-11-13 | Hadassa Degani | Method and apparatus for monitoring and quantitatively evaluating tumor perfusion |
| US20070287899A1 (en) * | 2002-01-15 | 2007-12-13 | Orsan Medical Technologies Ltd. | Non-Invasive Intracranial Monitor |
| CN101242781A (zh) * | 2005-06-15 | 2008-08-13 | 奥森医疗科技有限公司 | 脑灌注监视器 |
| US20110137182A1 (en) * | 2009-12-04 | 2011-06-09 | Anthony Bellezza | Methods and devices for assessing intracranial pressure |
| US20130094731A1 (en) * | 2010-12-15 | 2013-04-18 | Tetsuya Yokota | Medical image processing apparatus |
| CN103700083A (zh) * | 2013-12-26 | 2014-04-02 | 中国人民解放军广州军区武汉总医院 | 基于自适应模糊神经网络模型ct灌注图像智能融合方法 |
| US20150230708A1 (en) * | 2012-08-23 | 2015-08-20 | University Of Washington Through Its Center For Commercialization | Methods and systems for determining volumetric properties of a tissue |
| US20160148378A1 (en) * | 2014-11-25 | 2016-05-26 | University Of Virginia Patent Foundation | Systems and Methods for Three-Dimensional Spiral Perfusion Imaging |
| US20160203603A1 (en) * | 2015-01-13 | 2016-07-14 | Siemens Medical Solutions Usa, Inc. | Time Efficient ASL Imaging with Segmented Multiband Acquisition |
| US20160292382A1 (en) * | 2015-04-02 | 2016-10-06 | Heartflow, Inc. | Systems and methods for predicting perfusion deficits from physiological, anatomical, and patient characteristics |
| US20170245766A1 (en) * | 2016-02-16 | 2017-08-31 | Novadaq Technologies Inc. | Facilitating assessment of blood flow and tissue perfusion using fluorescence-mediated photoplethysmography |
| CN107613858A (zh) * | 2015-04-09 | 2018-01-19 | 通用医疗公司 | 用于无创监测颅内压的系统和方法 |
| CN109222952A (zh) * | 2018-07-17 | 2019-01-18 | 上海健康医学院 | 一种激光散斑血流灌注成像方法 |
| CN109523500A (zh) * | 2018-11-19 | 2019-03-26 | 复旦大学附属华山医院 | 颅内外血流重建术的搭桥血管确定方法及系统 |
| US20190130609A1 (en) * | 2017-10-27 | 2019-05-02 | Oxford University Innovation Limited | Methods and systems of multiphase arterial spin labeling |
| CN109907758A (zh) * | 2019-03-15 | 2019-06-21 | 脑玺(上海)智能科技有限公司 | 颅内血管血流延迟的影像标注方法及系统 |
| CN110200707A (zh) * | 2019-06-28 | 2019-09-06 | 上海德芬生物科技有限公司 | 一种显示血流信息的手术显微镜系统及成像方法 |
| CN110384485A (zh) * | 2019-07-23 | 2019-10-29 | 中山大学附属第八医院（深圳福田） | 体外反搏治疗中机体血流动力学响应的检测方法及装置 |
| CN110490871A (zh) * | 2019-08-26 | 2019-11-22 | 安影科技（北京）有限公司 | 一种基于磁共振脑灌注图像辅助评估缺血疾病风险的方法 |
| CN110866914A (zh) * | 2019-11-21 | 2020-03-06 | 北京冠生云医疗技术有限公司 | 脑动脉瘤血流动力学指标的评估方法、系统、设备及介质 |
| CN111134651A (zh) * | 2019-12-09 | 2020-05-12 | 杭州脉流科技有限公司 | 基于腔内影像计算血流储备分数的方法、装置、系统以及计算机存储介质 |
| CN111407277A (zh) * | 2020-03-06 | 2020-07-14 | 中国科学院武汉物理与数学研究所 | 一种急性缺血性脑卒中磁共振灌注-弥散影像配准方法 |
| CN111631700A (zh) * | 2020-05-25 | 2020-09-08 | 华南理工大学 | 一种根据最佳血压目标值调节血压的系统 |
| US20210015438A1 (en) * | 2019-07-16 | 2021-01-21 | Siemens Healthcare Gmbh | Deep learning for perfusion in medical imaging |
| US20210068676A1 (en) * | 2018-05-17 | 2021-03-11 | The United States Of America, Department Of Health And Human Services, National Institutes Of Health | Method and system for automatically generating and analyzing fully quantitative pixel-wise myocardial blood flow and myocardial perfusion reserve maps to detect ischemic heart disease using cardiac perfusion magnetic resonance imaging |
| WO2021135211A1 (zh) * | 2019-12-31 | 2021-07-08 | 北京华睿博视医学影像技术有限公司 | 基于电阻抗成像的三维血液灌注图像产生方法与装置 |
| CN113450426A (zh) * | 2021-06-09 | 2021-09-28 | 深圳市铱硙医疗科技有限公司 | 一种磁共振脑灌注成像数据处理系统、方法、终端及介质 |
| CN113506640A (zh) * | 2021-08-17 | 2021-10-15 | 首都医科大学附属北京友谊医院 | 脑灌注状态分类装置、方法、设备及模型训练装置 |
| CN113499090A (zh) * | 2021-05-21 | 2021-10-15 | 杭州脉流科技有限公司 | 冠状动脉血流储备分数得到方法、装置、计算机设备和存储介质 |
| CN113520363A (zh) * | 2021-06-25 | 2021-10-22 | 安影科技（北京）有限公司 | 一种下丘脑及垂体的血流灌注获取方法及系统 |
| CN113569984A (zh) * | 2021-08-17 | 2021-10-29 | 首都医科大学附属北京友谊医院 | 脑灌注状态分类装置、方法、设备及存储介质 |
| CN114587635A (zh) * | 2022-03-16 | 2022-06-07 | 南通市瑞祥健康医疗科技有限公司 | 一种基于实时血流成像的显微手术术中组织灌注自动重建方法 |
-
2022
- 2022-06-14 CN CN202210664150.7A patent/CN115040100B/zh active Active
Patent Citations (32)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20070287899A1 (en) * | 2002-01-15 | 2007-12-13 | Orsan Medical Technologies Ltd. | Non-Invasive Intracranial Monitor |
| US20030211036A1 (en) * | 2002-05-07 | 2003-11-13 | Hadassa Degani | Method and apparatus for monitoring and quantitatively evaluating tumor perfusion |
| CN101242781A (zh) * | 2005-06-15 | 2008-08-13 | 奥森医疗科技有限公司 | 脑灌注监视器 |
| US20110137182A1 (en) * | 2009-12-04 | 2011-06-09 | Anthony Bellezza | Methods and devices for assessing intracranial pressure |
| US20130094731A1 (en) * | 2010-12-15 | 2013-04-18 | Tetsuya Yokota | Medical image processing apparatus |
| US20150230708A1 (en) * | 2012-08-23 | 2015-08-20 | University Of Washington Through Its Center For Commercialization | Methods and systems for determining volumetric properties of a tissue |
| CN103700083A (zh) * | 2013-12-26 | 2014-04-02 | 中国人民解放军广州军区武汉总医院 | 基于自适应模糊神经网络模型ct灌注图像智能融合方法 |
| US20160148378A1 (en) * | 2014-11-25 | 2016-05-26 | University Of Virginia Patent Foundation | Systems and Methods for Three-Dimensional Spiral Perfusion Imaging |
| US20160203603A1 (en) * | 2015-01-13 | 2016-07-14 | Siemens Medical Solutions Usa, Inc. | Time Efficient ASL Imaging with Segmented Multiband Acquisition |
| US20160292382A1 (en) * | 2015-04-02 | 2016-10-06 | Heartflow, Inc. | Systems and methods for predicting perfusion deficits from physiological, anatomical, and patient characteristics |
| CN107613858A (zh) * | 2015-04-09 | 2018-01-19 | 通用医疗公司 | 用于无创监测颅内压的系统和方法 |
| US20170245766A1 (en) * | 2016-02-16 | 2017-08-31 | Novadaq Technologies Inc. | Facilitating assessment of blood flow and tissue perfusion using fluorescence-mediated photoplethysmography |
| US20190130609A1 (en) * | 2017-10-27 | 2019-05-02 | Oxford University Innovation Limited | Methods and systems of multiphase arterial spin labeling |
| US20210068676A1 (en) * | 2018-05-17 | 2021-03-11 | The United States Of America, Department Of Health And Human Services, National Institutes Of Health | Method and system for automatically generating and analyzing fully quantitative pixel-wise myocardial blood flow and myocardial perfusion reserve maps to detect ischemic heart disease using cardiac perfusion magnetic resonance imaging |
| CN109222952A (zh) * | 2018-07-17 | 2019-01-18 | 上海健康医学院 | 一种激光散斑血流灌注成像方法 |
| CN109523500A (zh) * | 2018-11-19 | 2019-03-26 | 复旦大学附属华山医院 | 颅内外血流重建术的搭桥血管确定方法及系统 |
| CN109907758A (zh) * | 2019-03-15 | 2019-06-21 | 脑玺(上海)智能科技有限公司 | 颅内血管血流延迟的影像标注方法及系统 |
| CN110200707A (zh) * | 2019-06-28 | 2019-09-06 | 上海德芬生物科技有限公司 | 一种显示血流信息的手术显微镜系统及成像方法 |
| US20210015438A1 (en) * | 2019-07-16 | 2021-01-21 | Siemens Healthcare Gmbh | Deep learning for perfusion in medical imaging |
| CN110384485A (zh) * | 2019-07-23 | 2019-10-29 | 中山大学附属第八医院（深圳福田） | 体外反搏治疗中机体血流动力学响应的检测方法及装置 |
| CN110490871A (zh) * | 2019-08-26 | 2019-11-22 | 安影科技（北京）有限公司 | 一种基于磁共振脑灌注图像辅助评估缺血疾病风险的方法 |
| CN110866914A (zh) * | 2019-11-21 | 2020-03-06 | 北京冠生云医疗技术有限公司 | 脑动脉瘤血流动力学指标的评估方法、系统、设备及介质 |
| CN111134651A (zh) * | 2019-12-09 | 2020-05-12 | 杭州脉流科技有限公司 | 基于腔内影像计算血流储备分数的方法、装置、系统以及计算机存储介质 |
| WO2021135211A1 (zh) * | 2019-12-31 | 2021-07-08 | 北京华睿博视医学影像技术有限公司 | 基于电阻抗成像的三维血液灌注图像产生方法与装置 |
| CN111407277A (zh) * | 2020-03-06 | 2020-07-14 | 中国科学院武汉物理与数学研究所 | 一种急性缺血性脑卒中磁共振灌注-弥散影像配准方法 |
| CN111631700A (zh) * | 2020-05-25 | 2020-09-08 | 华南理工大学 | 一种根据最佳血压目标值调节血压的系统 |
| CN113499090A (zh) * | 2021-05-21 | 2021-10-15 | 杭州脉流科技有限公司 | 冠状动脉血流储备分数得到方法、装置、计算机设备和存储介质 |
| CN113450426A (zh) * | 2021-06-09 | 2021-09-28 | 深圳市铱硙医疗科技有限公司 | 一种磁共振脑灌注成像数据处理系统、方法、终端及介质 |
| CN113520363A (zh) * | 2021-06-25 | 2021-10-22 | 安影科技（北京）有限公司 | 一种下丘脑及垂体的血流灌注获取方法及系统 |
| CN113506640A (zh) * | 2021-08-17 | 2021-10-15 | 首都医科大学附属北京友谊医院 | 脑灌注状态分类装置、方法、设备及模型训练装置 |
| CN113569984A (zh) * | 2021-08-17 | 2021-10-29 | 首都医科大学附属北京友谊医院 | 脑灌注状态分类装置、方法、设备及存储介质 |
| CN114587635A (zh) * | 2022-03-16 | 2022-06-07 | 南通市瑞祥健康医疗科技有限公司 | 一种基于实时血流成像的显微手术术中组织灌注自动重建方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115040100B (zh) | 2023-10-27 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110443798B (zh) | 一种基于磁共振图像的自闭症检测方法、装置及系统 | |
| CN105426827B (zh) | 活体验证方法、装置和系统 | |
| CN110363760B (zh) | 用于识别医学图像的计算机系统 | |
| JP2018089142A (ja) | 脳機能イメージングデータからヒトの脳活動状態を推定する方法 | |
| CN109753850B (zh) | 面部识别模型的训练方法和训练设备 | |
| CN101593365A (zh) | 一种通用三维人脸模型的调整方法 | |
| CN104751111B (zh) | 识别视频中人体行为的方法和系统 | |
| CN111914925B (zh) | 一种基于深度学习的患者行为多模态感知与分析系统 | |
| CN106123911A (zh) | 一种基于加速传感器和角速度传感器的记步方法 | |
| CN112515653B (zh) | 一种基于核磁共振图像的脑网络构建方法 | |
| CN114093501A (zh) | 基于同步视频与脑电的儿童运动性癫痫智能辅助分析方法 | |
| CN114241240A (zh) | 脑部图像的分类方法、装置、电子设备及存储介质 | |
| CN108320799A (zh) | 一种用于侧向流纸条疾病诊断的图像分析与识别方法 | |
| CN115337000A (zh) | 基于脑结构影像评估疾病引起大脑衰老的机器学习方法 | |
| CN108805181B (zh) | 一种基于多分类模型的图像分类装置及分类方法 | |
| CN115040100A (zh) | 一种视神经血流灌注数值快速采集方法 | |
| US20230237682A1 (en) | Method and system for binocular ranging for children | |
| CN113177476A (zh) | 一种立定跳远脚后跟关键点的识别方法、系统及测试方法 | |
| CN112826507A (zh) | 一种感音神经性耳聋的脑功能网络演化建模方法 | |
| CN117131470A (zh) | 一种基于混合模板的频率识别方法、装置、介质及设备 | |
| CN116630809A (zh) | 基于智能图像分析的地质雷达数据自动识别方法及系统 | |
| CN115984266A (zh) | 一种脑区中靶点定位方法及系统 | |
| CN110443790A (zh) | 一种医学影像中软骨识别方法和识别系统 | |
| CN113544700B (zh) | 神经网络的训练方法和装置、关联对象的检测方法和装置 | |
| CN112712507A (zh) | 一种确定冠状动脉的钙化区域的方法及装置 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |