CN115830014B - 缺血半暗带的误标记识别方法、装置、设备及存储介质 - Google Patents
缺血半暗带的误标记识别方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN115830014B CN115830014B CN202310080776.8A CN202310080776A CN115830014B CN 115830014 B CN115830014 B CN 115830014B CN 202310080776 A CN202310080776 A CN 202310080776A CN 115830014 B CN115830014 B CN 115830014B
- Authority
- CN
- China
- Prior art keywords
- image
- ischemic penumbra
- brain tissue
- penumbra
- target brain
- 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
Images
Landscapes
- Magnetic Resonance Imaging Apparatus (AREA)
Abstract
本发明提供一种缺血半暗带的误标记识别方法,所述方法包括:获取目标脑部组织的缺血半暗带标注图像,所述缺血半暗带标注图像包括预先标记的缺血半暗带区域;根据所述缺血半暗带标注图像计算所述目标脑部组织两侧的缺血半暗带区域之间的相关系数;根据所述缺血半暗带标注图像计算所述缺血半暗带区域的体积占所述目标脑部组织总体积的第一百分比;若所述相关系数大于第一预设阈值,并且所述第一百分比大于第二预设阈值,则确定所述缺血半暗带区域为误标记。本发明的误标记识别方法,能够提高缺血半暗带标记的准确性,降低缺血半暗带误标记带来的对临床诊断的不良影响。
Description
技术领域
本发明涉及图像处理技术领域,特别涉及一种缺血半暗带的误标记识别方法、装置、设备及存储介质。
背景技术
缺血性脑卒中是一种常见的脑血管疾病,一直以来都严重危害着人体健康,其发病率、致残率和病死率都非常高。如何快速有效地诊断缺血性脑卒中是当前临床工作中的重要研究课题。缺血性脑卒中的早期发现是十分重要的,尤其是超急性期的正确发现,能够及时指导采取措施,以减少梗死灶周边缺血半暗带区域的脑细胞坏死,对于缺血性脑卒中的诊断与治疗具有重大作用。
基于扩散加权成像(Diffusion Weighted Imaging,DWI)图像、动脉自旋标记(Arterial Spin Labeling,ASL)灌注图像与动态磁敏感对比增强(DynamicSusceptibility Contrast,DSC)灌注图像,进行核心梗死区及缺血半暗带的标注并进一步计算错配比等参数,是缺血性脑卒中诊断过程中的重要影像学方法。
目前,在DWI图像中识别核心梗死区的方法为基于计算的表观扩散系数(ApparentDiffusion Coefficient,ADC)图像,ADC值小于某一阈值(620×10-6mm2/s)的区域即判定为梗死区。在ASL灌注图像中识别缺血半暗带的常用方法则为利用ASL灌注图像计算脑血流量(Cerebral Blood Flow,CBF)图像,根据CBF图像判定患侧/健康侧,根据健康侧的CBF值设定相对阈值(例如40%),CBF值低于该相对阈值的区域即判定为缺血半暗带。
但是,上述基于ASL灌注图像识别缺血半暗带的方法在处理存在明显偏侧差异的数据时较为有效,在其他场景效果不佳,例如部分人群白质深部的CBF值相对灰质区域要小得多,这种相对关系并非病理性的,而是来自人群的自然差异,这种情况下白质深部区域很容易被误标记为缺血半暗带,导致对缺血半暗带的误判。同样,基于DSC灌注图像识别缺血半暗带的方法也存在类似的问题。
发明内容
针对现有技术的上述问题,本发明的目的在于提供一种缺血半暗带的误标记识别方法、装置、设备及存储介质,能够提高缺血半暗带标记的准确性,降低缺血半暗带误标记带来的对临床诊断的不良影响。
为了解决上述问题,本发明提供一种缺血半暗带的误标记识别方法,包括:
获取目标脑部组织的缺血半暗带标注图像,所述缺血半暗带标注图像包括预先标记的缺血半暗带区域;
根据所述缺血半暗带标注图像计算所述目标脑部组织两侧的缺血半暗带区域之间的相关系数;
根据所述缺血半暗带标注图像计算所述缺血半暗带区域的体积占所述目标脑部组织总体积的第一百分比;
若所述相关系数大于第一预设阈值,并且所述第一百分比大于第二预设阈值,则确定所述缺血半暗带区域为误标记。
进一步地,所述获取目标脑部组织的缺血半暗带标注图像包括:
获取所述目标脑部组织的动脉自旋标记灌注图像数据;
根据所述动脉自旋标记灌注图像数据计算所述目标脑部组织的脑血流量图像或者脑血容量图像;
根据所述脑血流量图像或者所述脑血容量图像确定所述目标脑部组织的缺血半暗带区域,并对所述缺血半暗带区域进行标记,得到所述缺血半暗带标注图像。
进一步地,所述获取目标脑部组织的缺血半暗带标注图像包括:
获取所述目标脑部组织的动态磁敏感对比增强灌注图像;
根据所述动态磁敏感对比增强灌注图像计算对应的残余功能函数最大时间图像;
根据所述残余功能函数最大时间图像确定所述目标脑部组织的缺血半暗带区域,并对所述缺血半暗带区域进行标记,得到所述缺血半暗带标注图像。
进一步地,所述根据所述缺血半暗带标注图像计算所述目标脑部组织两侧的缺血半暗带区域之间的相关系数包括:
获取所述目标脑部组织对应的大脑中线;
基于预设的相关系数模型,计算所述目标脑部组织中位于所述大脑中线两侧的缺血半暗带区域之间的相关系数。
进一步地,所述方法还包括:
对所述目标脑部组织中的核心梗死区进行识别;
在未识别到核心梗死区的情况下,执行根据所述缺血半暗带标注图像计算所述目标脑部组织两侧的缺血半暗带区域之间的相关系数的步骤;
在识别到核心梗死区的情况下,确定所述缺血半暗带区域不为误标记。
进一步地,所述方法还包括:
获取所述目标脑部组织的白质区域分割图像;
根据所述白质区域分割图像和所述缺血半暗带标注图像,计算所述缺血半暗带区域中白质区域所占的第二百分比;
其中,所述若所述相关系数大于第一预设阈值,并且所述第一百分比大于第二预设阈值,则确定所述缺血半暗带区域为误标记包括:
若所述相关系数大于第一预设阈值,并且所述第一百分比大于第二预设阈值,则判断所述第二百分比是否大于第三预设阈值;
若所述第二百分比大于第三预设阈值,则确定所述缺血半暗带区域为误标记。
进一步地,所述获取所述目标脑部组织的白质区域分割图像包括:
获取所述目标脑部组织的T1加权图像;
采用预设的图像分割算法对所述T1加权图像中的白质区域进行分割,得到对应的白质区域分割图像。
本发明另一方面提供一种缺血半暗带的误标记识别装置,包括:
第一获取模块,用于获取目标脑部组织的缺血半暗带标注图像,所述缺血半暗带标注图像包括预先标记的缺血半暗带区域;
第一计算模块,用于根据所述缺血半暗带标注图像计算所述目标脑部组织两侧的缺血半暗带区域之间的相关系数;
第二计算模块,用于根据所述缺血半暗带标注图像计算所述缺血半暗带区域的体积占所述目标脑部组织总体积的第一百分比;
第一识别模块,用于当所述相关系数大于第一预设阈值,并且所述第一百分比大于第二预设阈值时,确定所述缺血半暗带区域为误标记。
本发明另一方面提供一种电子设备,包括处理器和存储器,所述存储器中存储有至少一条指令或至少一段程序,所述至少一条指令或所述至少一段程序由所述处理器加载并执行以实现如上述的方法。
本发明另一方面提供一种计算机可读存储介质,所述计算机可读存储介质中存储有至少一条指令或至少一段程序,所述至少一条指令或所述至少一段程序由处理器加载并执行以实现如上述的方法。
由于上述技术方案,本发明具有以下有益效果:
根据本发明实施例的缺血半暗带的误标记识别方法,通过计算目标脑部组织两侧的缺血半暗带区域的相关系数,以及标记的缺血半暗带区域的体积占所述目标脑部组织总体积的百分比,来确定对所述目标脑部组织的缺血半暗带区域的判定是否正确,能够提高缺血半暗带标记的准确性,有效避免实际无梗死/缺血情况下对缺血半暗带的误标记带来的对临床诊断的不良影响。
附图说明
为了更清楚地说明本发明的技术方案,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的介绍。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的前提下,还可以根据这些附图获得其它附图。
图1是本发明一个实施例提供的实施环境示意图;
图2是本发明一个实施例提供的缺血半暗带的误标记识别方法的流程图;
图3是本发明另一个实施例提供的缺血半暗带的误标记识别过程的流程图;
图4是本发明一个实施例提供的识别缺血半暗带区域的过程示意图;
图5是本发明另一个实施例提供的缺血半暗带的误标记识别方法的流程图;
图6是本发明一个实施例提供的缺血半暗带的误标记识别装置的结构示意图;
图7是本发明一个实施例提供的电子设备的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,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的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。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、装置、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
参考说明书附图1,其示出了本发明一个实施例提供的实施环境示意图。如图1所示,该实施环境可以包括至少一个医学扫描设备110和计算机设备120,所述计算机设备120和各个医学扫描设备110可以通过有线或无线通信方式进行直接或间接地连接,本发明实施例对此不做限制。
其中,所述医学扫描设备110 可以但不限于是磁共振成像设备等,所述计算机设备120可以但不限于是各种服务器、个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备、服务器可以是独立的服务器或者是多个服务器组成的服务器集群或者分布式系统,还可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(Content Delivery Network,CDN)、以及大数据和人工智能平台等基础云计算服务的云服务器。
所述医学扫描设备110 可以通过磁共振DWI技术采集得到目标脑部组织的DWI图像,或者通过ASL灌注成像技术采集得到目标脑部组织的ASL图像数据,或者通过DSC灌注成像技术采集得到目标脑部组织的DSC图像,或者通过电子计算机断层扫描(ComputedTomography,CT)技术采集得到目标脑部组织的CT图像,等等。所述计算机设备120 可以获取由医学扫描设备110 扫描得到的目标脑部组织的医学影像数据(例如DWI图像、ASL图像数据、DSC图像和/或CT图像等),并通过本发明实施例提供的缺血半暗带的误标记识别方法,来确定对目标脑部组织的缺血半暗带区域的判定是否正确,提高缺血半暗带标记的准确性,降低缺血半暗带误标记对临床诊断带来的不良影响。
需要说明的是,图1 仅仅是一种示例。本领域技术人员可以理解,虽然图1 中只示出了1 个医学扫描设备110,但并不构成对本发明实施例的限定,可以包括比图示更多的医学扫描设备110。
参考说明书附图2,其示出了本发明一个实施例提供的缺血半暗带的误标记识别方法的流程,该方法可以应用于图1 中的计算机设备120 中,具体的如图2 所示,所述方法可以包括以下步骤:
S210:获取目标脑部组织的缺血半暗带标注图像,所述缺血半暗带标注图像包括预先标记的缺血半暗带区域。
本发明实施例中,所述缺血半暗带标注图像可以包括一个或者多个预先标记了缺血半暗带区域的脑部图像,所述缺血半暗带区域可以基于CBF图像、脑血容量(CerebralBlood Volume,CBV)图像或者残余功能函数最大时间(Time to Maximum Enhancement,TMAX)图像等识别得到,所述目标脑部组织可以为可能患有缺血性脑卒中的患者的脑部组织。
在一个可能的实施例中,结合参考说明书附图3,可以利用ASL灌注成像技术对所述目标脑部组织的影像进行采集,得到单一标记后延迟(Post-Labeling Delay,PLD)的ASL灌注图像数据或者多标记后延迟(Multi-PLD)的ASL灌注图像数据,进而利用所述单一PLD的ASL灌注图像数据或者所述Multi-PLD的ASL灌注图像数据计算得到所述目标脑部组织的CBF图像和/或CBV图像,再根据所述CBF图像和/或所述CBV图像进行阈值分割,得到所述目标脑部组织的缺血半暗带标注图像。
具体地,所述获取目标脑部组织的缺血半暗带标注图像可以包括:
获取所述目标脑部组织的动脉自旋标记灌注图像数据;
根据所述动脉自旋标记灌注图像数据计算所述目标脑部组织的脑血流量图像或者脑血容量图像;
根据所述脑血流量图像或者所述脑血容量图像确定所述目标脑部组织的缺血半暗带区域,并对所述缺血半暗带区域进行标记,得到所述缺血半暗带标注图像。
在实际应用中,可以采集所述目标脑部组织的Multi-PLD的ASL灌注图像数据,也可以仅采集单一PLD的ASL灌注图像数据。其中,所述ASL灌注图像数据可以包括质子密度加权(Proton Density Weighted,PD)图像、控制图像(control图像,也即非标记图像)和标记图像(label图像)。
具体地,在仅采集单一PLD的ASL灌注图像数据的情况下,仅能够计算得到所述目标脑部组织的CBF图像,具体可以通过如下公式计算得到CBF图像中各个体素的CBF值:
其中,∆S为label图像与control图像的信号差(即该PLD对应的ASL图像的信号值),λ为脑血分配系数,通常简化地取定值0.9mL/g,PLD为标记后延迟时间,即标记后多长时间开始采集数据,S0为质子密度加权图像体素信号值,α为标记效率,T1,a为动脉血的纵向弛豫时间,R1,a为动脉血T1弛豫率(即1/T1,a),τ为标记序列持续时间。
具体地,在采集Multi-PLD的ASL灌注图像数据的情况下,可以计算得到所述目标脑部组织的CBF图像和CBV图像,具体计算过程如下:
(1)将各个PLD对应的control图像与label图像相减可以得到各个PLD对应的ASL图像,利用各个PLD对应的ASL图像可以计算得到加权延时(Weighted Delay,WD)图像。具体地,计算WD图像的过程可以参考以下公式:
其中,N为PLD的个数,w(i)为PLD的值,∆S(i)为control图像与label图像的信号差(即ASL图像的信号值)。
(2)基于预先建立的动脉通过时间(Arterial Transit Time,ATT)值与WD值的对应曲线,确定所述WD图像中各个体素的WD值对应的ATT值,从而可以根据所述WD图像确定对应的ATT图像。
在实际应用中,ATT值与WD值的对应曲线为单调递增的曲线,也就是说,WD值越大,与之对应的ATT值就越大。
在一些可能的实施例中,ATT值与WD值的对应曲线可以通过以下方式得到:首先,预先设定ATT值的取值范围,根据预设ASL信号模型,按一定步长计算所述取值范围内所有ATT值对应的WD值,即可得到ATT值与WD值的对应曲线。
其中,所述取值范围可以根据实际情况进行设定,本发明实施例对此不作限制。所述预设ASL信号模型可以由(2)式和下式(3)组成:
其中,f(i)是每个PLD对应的CBF值,w(i)为PLD的值,∆S(i)为control图像与label图像的信号差(即ASL图像的信号值),λ为脑血分配系数,通常简化地取定值为0.9mL/g,S0为质子密度加权图像的体素信号值,α为标记效率,R1,a是动脉血T1弛豫率(即1/T1,a,T1,a为动脉血的纵向弛豫时间),δ为ATT值,τ为标记序列持续时间。
(3)基于所述ATT图像和各个PLD对应的ASL图像,利用公式(3)计算得到各个PLD对应的CBF图像中各体素的CBF值,从而可以得到各个PLD对应的CBF图像。然后计算各个PLD对应的CBF图像的平均图像,作为所述目标脑部组织的CBF图像。
其中,所述平均图像可以为加权平均图像,各个PLD对应的CBF图像的权重可以预先设置,例如可以设置为1/N(N为PLD的个数),本发明实施例对此不作限制。
(4)根据所述ATT图像和所述目标脑部组织的CBF图像计算得到所述目标脑部组织的CBV图像。
计算CBV图像的具体计算公式可以参考下式:
本发明实施例中,可以采用阈值分割的方法根据所述CBF图像或者所述CBV图像来确定所述目标脑部组织的缺血半暗带区域,并对所述缺血半暗带区域进行标记,得到所述缺血半暗带标注图像。
具体地,可以先计算所述ASL灌注图像数据中PD图像的质心,然后使用穷举法搜索使得所述目标脑部组织两侧最对称的通过质心的切面,作为所述目标脑部组织对应的大脑中线,并计算所述目标脑部组织的掩膜图像。
在一些可能的实施例中,还可以获取所述目标脑部组织的DWI图像数据中扩散敏感系数为b0的DWI图像,将其配准到ASL图像空间,得到ASL图像空间的DWI图像,并计算所述ASL图像空间的DWI图像的质心,以及使用穷举法根据所述质心来搜索所述目标脑部组织对应的大脑中线,并计算所述目标脑部组织的掩膜图像。具体地,可以采用现有技术中的各种配准方法将扩散敏感系数为b0的DWI图像配准至ASL图像空间。
需要说明的是,上述计算质心、通过穷举法确定大脑中线、计算掩膜图像以及图像配准的具体实现方法均可以参考现有技术,本发明实施例在此不再赘述。
具体地,确定所述大脑中线后,可以分别计算大脑中线两侧的脑部组织的CBF均值或者CBV均值,若两侧脑部组织对应的CBF均值或者CBV均值存在显著差异,则可以判定CBF均值或者CBV均值相对较高一侧为健康侧,另一侧为患侧。可以将健康侧的脑部组织的CBF均值或者CBV均值的40%设定为相对阈值,将所述CBF图像中CBF值低于所述相对阈值的区域或者所述CBV图像中CBV值低于所述相对阈值的区域标记为缺血半暗带区域,得到所述缺血半暗带标注图像。
示例性地,结合参考说明书附图4,其示出了本发明一个实施例提供的识别缺血半暗带区域的过程示意图。如图4所示,基于所述目标脑部组织的ASL灌注图像数据可以得到如图4的(a)所示的CBF图像,基于所述CBF图像可以识别所述目标脑部组织的缺血半暗带区域并进行标记,得到如图4的(b)所示的缺血半暗带标注图像,其中图4的(b)中的白色区域即为标记的缺血半暗带区域。
在一个可能的实施例中,还可以利用DSC灌注成像技术对所述目标脑部组织的影像进行采集,得到DSC灌注图像,进而利用所述DSC灌注图像计算得到所述目标脑部组织的TMAX图像,再根据所述TMAX图像进行阈值分割,得到所述目标脑部组织的缺血半暗带标注图像。
具体地,所述获取目标脑部组织的缺血半暗带标注图像可以包括:
获取所述目标脑部组织的动态磁敏感对比增强灌注图像;
根据所述动态磁敏感对比增强灌注图像计算对应的残余功能函数最大时间图像;
根据所述残余功能函数最大时间图像确定所述目标脑部组织的缺血半暗带区域,并对所述缺血半暗带区域进行标记,得到所述缺血半暗带标注图像。
本发明实施例中,采集到所述目标脑部组织的DSC灌注图像后,可以先根据所述DSC灌注图像进行反卷积计算得到对应的残余功能函数r(t),再基于得到的残余功能函数r(t)求解对应的TMAX图像。
具体地,根据DSC灌注图像进行反卷积计算的过程可以参考如下公式:
其中,r(t)为残余功能函数,⨂为卷积运算,ct(t)为DSC灌注图像的信号值随时间变化的曲线,ca(t)为动脉输入曲线。
具体地,根据残余功能函数r(t)求解对应的TMAX图像的过程可以参考如下公式:
其中,
argmax t 是计算曲线最大值对应的时间t的运算。
本发明实施例中,得到所述TMAX图像后,可以通过对所述TMAX图像取阈值得到对应的缺血半暗带区域。示例性地,可以将所述TMAX图像中TMAX值大于第一预设分割阈值的区域标记为缺血半暗带区域,得到所述缺血半暗带标注图像。其中,所述第一预设分割阈值可以根据实际情况进行设置,例如可以设置为6s,本发明实施例对此不作限制。
在一个可能的实施例中,还可以基于DSC灌注的原始图像计算质心,然后使用穷举法搜索使得所述目标脑部组织两侧最对称的通过质心的切面,作为所述目标脑部组织对应的大脑中线,并计算所述目标脑部组织的掩膜图像。
需要说明的是,上述计算质心、通过穷举法确定大脑中线以及计算掩膜图像的具体实现方法可以参考现有技术,本发明实施例在此不再赘述。
需要说明的是,上述利用ASL灌注图像数据计算CBF图像或者CBV图像的方法,以及根据所述CBF图像或者所述CBV图像确定缺血半暗带标注图像的过程,或者利用DSC灌注图像计算TMAX图像,以及根据所述TMAX图像确定缺血半暗带标注图像的过程可以由实现本发明实施例提供的方法的计算机设备来执行,也可以由其它设备来执行,并将得到的缺血半暗带标注图像发送至所述计算机设备,本发明实施例对此不作限制。
在一个可能的实施例中,在执行步骤S220之前,还可以先对所述目标脑部组织中的核心梗死区进行识别;在未识别到核心梗死区的情况下,则执行所述步骤S220至步骤S240;在识别到核心梗死区的情况下,认为很可能存在缺血半暗带,因此可以直接确定所述缺血半暗带区域不为误标记,步骤S210中获取到的缺血半暗带标注图像中标记的缺血半暗带区域即为最终识别得到的缺血半暗带区域。
需要说明的是,对所述目标脑部组织中的核心梗死区进行识别的步骤也可以在步骤S210之前执行。在未识别到核心梗死区的情况下,则执行所述步骤S210至步骤S240;在识别到核心梗死区的情况下,认为很可能存在缺血半暗带,因此可以直接获取基于所述目标脑部组织的ASL灌注图像数据或者DSC灌注图像识别得到的缺血半暗带区域作为最终识别得到的缺血半暗带区域。
具体地,结合参考说明书附图3,可以利用磁共振DWI技术对所述目标脑部组织的影像进行采集,得到对应的DWI图像数据,进而利用所述DWI图像数据计算得到ADC图像,再根据所述ADC图像进行阈值分割,得到所述目标脑部组织的核心梗死区。其中,所述目标脑部组织可以为可能患有缺血性脑卒中的患者的脑部组织。
在实际应用中,所述DWI图像数据可以包括具有不同扩散敏感系数(b0、b1)的至少两个DWI图像,可以通过所述至少两个DWI图像计算所述ADC图像。具体计算公式如下:
其中,SIb0是b0值DWI图像的信号值,SIb1是b1值DWI图像的信号值,b1值大于b0值(b0值可以为0),所述ADC图像可以反映质子的扩散情况。
在实际应用中,可以将所述ADC图像中ADC值小于第二预设分割阈值的区域判定为核心梗死区。其中,所述第二预设分割阈值可以根据实际情况进行设置,例如可以设置为620×10-6mm2/s,本发明实施例对此不作限制。
需要说明的是,上述通过基于DWI图像数据得到ADC图像来识别所述目标脑部组织中的核心梗死区的实施方式仅是示例,在实际应用中,还可以采用其他方法,例如基于所述目标脑部组织的CT图像来识别所述目标脑部组织中的核心梗死区,本发明实施例对识别核心梗死区的方法不作具体限制。
需要说明的是,上述对所述目标脑部组织中的核心梗死区进行识别的步骤可以由实现本发明实施例提供的方法的计算机设备来执行,也可以由其它设备来执行,并将得到的核心梗死区的识别结果发送至所述计算机设备,所述计算机设备在确定未识别到核心梗死区的情况下,则执行所述步骤S220至步骤S240,本发明实施例对此不作限制。
可以理解,本发明实施例中通过预先对所述目标脑部组织中的核心梗死区进行识别,在识别到核心梗死区的情况下,可以直接确定所述缺血半暗带区域不为误标记,在未识别到梗死区的情况下,才进行后续的缺血半暗带的误标记识别,能够提高整体的误识别效率。
S220:根据所述缺血半暗带标注图像计算所述目标脑部组织两侧的缺血半暗带区域之间的相关系数。
本发明实施例中,可以利用白质深部结构的对称性质、体积占比以及在无梗死情况下极易被误标记等特征,对基于ASL灌注图像数据或者DSC灌注图像等确定的缺血半暗带区域中,该类白质深部区域的误标记进行有效识别。
具体地,在获取到所述缺血半暗带标注图像后,可以确定所述目标脑部组织对应的大脑中线,根据所述缺血半暗带标注图像以及所述大脑中线,计算所述缺血半暗带区域的对称性。
具体地,所述根据所述缺血半暗带标注图像计算所述目标脑部组织两侧的缺血半暗带区域之间的相关系数可以包括:
获取所述目标脑部组织对应的大脑中线;
基于预设的相关系数模型,计算所述目标脑部组织中位于所述大脑中线两侧的缺血半暗带区域之间的相关系数。
具体地,可以根据所述缺血半暗带标注图像以及所述大脑中线,基于预设的相关系数模型,计算所述目标脑部组织中位于所述大脑中线两侧的缺血半暗带区域之间的相关系数,来表示所述缺血半暗带区域的对称性。
其中,所述预设的相关系数模型可以根据实际情况进行预先设置,例如,所述相关系数模型可以通过下式表示:
其中,XL与XR分别为所述缺血半暗带标注图像的各个脑部图像中,位于所述大脑中线两侧的脑部组织区域的缺血半暗带标记结果的值组成的一维数组。并且,XL与XR中位置对应的两个值为以所述大脑中线为轴对称的两个像素对应的缺血半暗带标记结果的值。由于所述缺血半暗带标注图像可以包括一个或者多个脑部图像,因此基于所述一个或者多个脑部图像可以得到一个或者多个XL与XR,则分别为这一个或者多个XL与XR的均值。
示例性地,假设所述缺血半暗带标注图像中缺血半暗带区域的标记结果为1,非缺血半暗带区域的标记结果为0,则可以得到由0和1组成的两个长度相等的一维数组XL与XR。
具体地,基于上述相关系数模型计算得到的相关系数越大,表明所述目标脑部组织中位于所述大脑中线两侧的缺血半暗带区域越对称,相关系数越小,表明所述目标脑部组织中位于所述大脑中线两侧的缺血半暗带区域越不对称。
S230:根据所述缺血半暗带标注图像计算所述缺血半暗带区域的体积占所述目标脑部组织总体积的第一百分比。
具体地,在获取到所述缺血半暗带标注图像后,可以确定所述目标脑部组织对应的大脑中线以及掩膜图像。可以根据所述缺血半暗带标注图像、所述大脑中线以及所述掩膜图像,计算所述缺血半暗带标注图像中的缺血半暗带区域的体积以及所述目标脑部组织的总体积,并计算所述缺血半暗带区域的体积占所述目标脑部组织总体积的第一百分比。
需要说明的是,根据大脑中线以及掩膜图像计算缺血半暗带区域的体积,以及计算所述目标脑部组织的总体积的具体方法可以参考现有技术,本发明实施例在此不再赘述。
需要说明的是,所述步骤S230可以在步骤S220之后执行,也可以在步骤S220之前执行,还可以与步骤S220同时执行,本发明实施例不对步骤S220和步骤S230的执行顺序进行限制。
S240:若所述相关系数大于第一预设阈值,并且所述第一百分比大于第二预设阈值,则确定所述缺血半暗带区域为误标记。
本发明实施例中,参考说明书附图3,计算得到所述相关系数和所述第一百分比后,可以判断所述相关系数是否大于第一预设阈值,以及判断所述第一百分比是否大于第二预设阈值,当所述相关系数大于第一预设阈值,并且所述第一百分比大于第二预设阈值时,表明所述缺血半暗带标注图像中标记的缺血半暗带区域并非真正的缺血半暗带,而是非病理性的白质深部区域,因此可以确定所述缺血半暗带区域为误标记。当确定所述缺血半暗带区域为误标记时,可以取消对其缺血半暗带的判定和标记。
在实际应用中,当所述缺血半暗带标注图像基于CBF图像确定时,表明标记的缺血半暗带区域为CBF图像中非病理性的脑血流量较低的白质深部区域;当所述缺血半暗带标注图像基于CBV图像确定时,表明标记的缺血半暗带区域为CBV图像中非病理性的白质深部低脑血流体积区域;当所述缺血半暗带标注图像基于TMAX图像确定时,表明标记的缺血半暗带区域为TMAX图像中非病理性的白质深部长灌注时间区域。
本发明实施例中,当所述相关系数小于或者等于第一预设阈值,或者所述第一百分比小于或者等于第二预设阈值时,表明所述缺血半暗带标注图像中标记的缺血半暗带区域即为真实的缺血半暗带,可以保持对其缺血半暗带的判定和标记。
其中,所述第一预设阈值和所述第二预设阈值均可以根据实际情况进行设置,例如所述第一预设阈值可以设置为0.25,所述第二预设阈值可以设置为2.5%,本发明实施例对此不作限制。
示例性地,由于在无核心梗死区的情况下,CBF图像白质深部通常呈明显的对称的低灌注,这种情况下这些白质深部区域会被误识别为缺血半暗带,因此可以通过本发明实施例提供的方法来确定基于CBF图像确定的缺血半暗带区域是否为误识别。如图4所示,假设基于如图4的(b)所示的缺血半暗带标注图像计算得到的相关系数大于0.25、第一百分比大于2.5%,则可以确定所述缺血半暗带标注图像中标记的缺血半暗带区域并非真正的缺血半暗带,而是非病理性的白质深部区域,即所述缺血半暗带区域为误标记,则可以取消对其缺血半暗带的判定和标记,得到如图4的(c)所示的无缺血半暗带标记的图像。
需要说明的是,在一些可能的实施例中,在步骤S220中计算得到所述相关系数后,可以先判断所述相关系数是否大于第一预设阈值,在所述相关系数大于第一预设阈值的情况下,才执行步骤S230和步骤S240,在所述相关系数小于或者等于第一预设阈值的情况下,可以直接确定所述缺血半暗带标注图像中标记的缺血半暗带区域即为真实的缺血半暗带,可以保持对其缺血半暗带的判定和标记。
综上所述,根据本发明实施例的缺血半暗带的误标记识别方法,通过计算目标脑部组织两侧的缺血半暗带区域的相关系数,以及标记的缺血半暗带区域的体积占所述目标脑部组织总体积的百分比,来确定对所述目标脑部组织的缺血半暗带区域的判定是否正确,能够提高缺血半暗带标记的准确性,有效避免实际无梗死/缺血情况下对缺血半暗带的误标记带来的对临床诊断的不良影响。
参考说明书附图5,其示出了本发明另一个实施例提供的缺血半暗带的误标记识别方法的流程,该方法可以应用于图1 中的计算机设备120 中,具体的如图5所示,所述方法可以包括以下步骤:
S510:获取目标脑部组织的缺血半暗带标注图像,所述缺血半暗带标注图像包括预先标记的缺血半暗带区域。
S520:根据所述缺血半暗带标注图像计算所述目标脑部组织两侧的缺血半暗带区域之间的相关系数。
需要说明的是,在一些可能的实施例中,在步骤S520中计算得到所述相关系数后,可以先判断所述相关系数是否大于第一预设阈值,在所述相关系数大于第一预设阈值的情况下,才执行步骤S530至步骤S570,在所述相关系数小于或者等于第一预设阈值的情况下,可以直接确定所述缺血半暗带标注图像中标记的缺血半暗带区域即为真实的缺血半暗带,可以保持对其缺血半暗带的判定和标记。
S530:根据所述缺血半暗带标注图像计算所述缺血半暗带区域的体积占所述目标脑部组织总体积的第一百分比。
需要说明的是,在一些可能的实施例中,在步骤S530中计算得到所述第一百分比后,可以先判断所述第一百分比是否大于第二预设阈值,在所述第一百分比大于第二预设阈值的情况下,才执行步骤S540至步骤S570,在所述第一百分比小于或者等于第二预设阈值的情况下,可以直接确定所述缺血半暗带标注图像中标记的缺血半暗带区域即为真实的缺血半暗带,可以保持对其缺血半暗带的判定和标记。
需要说明的是,在一些可能的实施例中,在步骤S520中计算得到所述相关系数后,也可以先不进行判断其是否大于第一预设阈值的操作,而是在步骤S530中计算得到所述第一百分比后,同时判断所述相关系数是否大于第一预设阈值,以及判断所述第一百分比是否大于第二预设阈值。在所述第一百分比大于第一预设阈值,并且所述相关系数大于第二预设阈值的情况下,才执行步骤S540至步骤S570,否则可以直接确定所述缺血半暗带标注图像中标记的缺血半暗带区域即为真实的缺血半暗带,可以保持对其缺血半暗带的判定和标记。
S540:获取所述目标脑部组织的白质区域分割图像。
本发明实施例中,可以利用白质深部结构的对称性质、体积占比、在无梗死情况下极易被误标记以及解剖位置等特征,对基于ASL灌注图像数据或者DSC灌注图像等确定的缺血半暗带区域中,该类白质深部区域的误标记进行有效识别。
具体地,结合参考说明书附图3,如果能够采集得到所述目标脑部组织的T1加权图像,则可以采用预设的图像分割算法对所述T1加权图像进行分割,得到所述目标脑部组织的白质区域分割图像。
具体地,所述获取所述目标脑部组织的白质区域分割图像可以包括:
获取所述目标脑部组织的T1加权图像;
采用预设的图像分割算法对所述T1加权图像中的白质区域进行分割,得到对应的白质区域分割图像。
本发明实施例中,所述图像分割算法可以为现有技术中的各类能够对T1加权图像中的白质区域进行分割的算法,所述图像分割算法可以根据实际情况进行预先设置,本发明实施例对此不作限制。
示例性地,可以通过磁共振成像技术对所述目标脑部组织的影像进行采集,得到T1加权图像,进而利用如自动分割工具FAST工具的自动分割算法对所述T1加权图像进行灰质、白质、脑脊液区域分割,得到对应的分割图像。
本发明实施例中,还可以将所述白质区域分割图像配准至ASL图像空间或者DSC图像空间,以简化后续处理过程。具体地,可以采用现有技术中的各种配准方法将所述白质区域分割图像配准至ASL图像空间或者DSC图像空间,具体配准过程也可以参考现有技术,本发明实施例在此不再赘述。
需要说明的是,上述对T1加权图像中的白质区域进行分割,得到对应的白质区域分割图像的过程可以由实现本发明实施例提供的方法的计算机设备来执行,也可以由其它设备来执行,并将得到的白质区域分割图像发送至所述计算机设备,本发明实施例对此不作限制。
S550:根据所述白质区域分割图像和所述缺血半暗带标注图像,计算所述缺血半暗带区域中白质区域所占的第二百分比。
本发明实施例中,可以分别根据所述白质区域分割图像确定所述目标脑部组织的白质区域,根据所述缺血半暗带标注图像确定所述目标脑部组织的缺血半暗带区域,进而确定包含于所述缺血半暗带区域中的白质区域,并计算包含于所述缺血半暗带区域中的白质区域占所述缺血半暗带区域的第二百分比。
S560:若所述第一百分比大于第一预设阈值,并且所述相关系数大于第二预设阈值,则判断所述第二百分比是否大于第三预设阈值。
本发明实施例中,结合参考说明书附图3,当判定所述相关系数大于第一预设阈值,并且所述第一百分比大于第二预设阈值时,还可以判断所述第二百分比是否大于第三预设阈值。其中,所述第三预设阈值可以根据实际情况进行设置,例如可以设置为85%,本发明实施例对此不作限制。
S570:若所述第二百分比大于第三预设阈值,则确定所述缺血半暗带区域为误标记。
本发明实施例中,当判定所述第二百分比大于第三预设阈值时,确定所述缺血半暗带标注图像中标记的缺血半暗带区域并非真正的缺血半暗带,而是非病理性的白质深部区域,因此可以确定所述缺血半暗带区域为误标记。当确定所述缺血半暗带区域为误标记时,可以取消对其缺血半暗带的判定和标记。
本发明实施例中,当判定所述第二百分比小于或者等于第三预设阈值时,表明所述缺血半暗带标注图像中标记的缺血半暗带区域即为真实的缺血半暗带,可以保持对其缺血半暗带的判定和标记。
需要说明的是,在一些可能的实施例中,在步骤S520中计算得到所述相关系数、并且在步骤S530中计算得到所述第一百分比后,也可以先不进行阈值判断操作,而是在步骤S550中计算得到所述第二百分比后,同时判断所述相关系数是否大于第一预设阈值,所述第一百分比是否大于第二预设阈值以及所述第二百分比是否大于第三预设阈值。在所述第一百分比大于第一预设阈值,所述相关系数大于第二预设阈值并且所述第二百分比大于第三预设阈值的情况下,确定所述缺血半暗带标注图像中标记的缺血半暗带区域为误标记,否则可以保持对所述缺血半暗带标注图像中标记的缺血半暗带区域的判定和标记。
需要说明的是,上述步骤S510至步骤S570中的其他内容可以参考图2所示实施例中的相关内容,本发明实施例在此不再赘述。
综上所述,根据本发明实施例的缺血半暗带的误标记识别方法,通过在计算目标脑部组织两侧的缺血半暗带区域的相关系数,标记的缺血半暗带区域的体积占所述目标脑部组织总体积的百分比的基础上,计算所述缺血半暗带区域中白质区域所占的百分比,来综合判断对所述目标脑部组织的缺血半暗带区域的判定是否正确,能够进一步提高对缺血半暗带的误标记识别的准确性,从而提高最终得到的缺血半暗带标记的准确性。
参考说明书附图6,其示出了本发明一个实施例提供的一种缺血半暗带的误标记识别装置600的结构。如图6所示,所述装置600可以包括:
第一获取模块610,用于获取目标脑部组织的缺血半暗带标注图像,所述缺血半暗带标注图像包括预先标记的缺血半暗带区域;
第一计算模块620,用于根据所述缺血半暗带标注图像计算所述目标脑部组织两侧的缺血半暗带区域之间的相关系数;
第二计算模块630,用于根据所述缺血半暗带标注图像计算所述缺血半暗带区域的体积占所述目标脑部组织总体积的第一百分比;
第一识别模块640,用于当所述相关系数大于第一预设阈值,并且所述第一百分比大于第二预设阈值时,确定所述缺血半暗带区域为误标记。
在一个可能的实施例中,所述装置600还可以包括:
第二识别模块,用于对所述目标脑部组织中的核心梗死区进行识别;
所述第一计算模块620,具体用于在未识别到核心梗死区的情况下,执行根据所述缺血半暗带标注图像计算所述目标脑部组织两侧的缺血半暗带区域之间的相关系数的步骤;
所述第一识别模块640,具体用于在识别到核心梗死区的情况下,确定所述缺血半暗带区域不为误标记。
在一个可能的实施例中,所述装置600还可以包括:
第二获取模块,用于获取所述目标脑部组织的白质区域分割图像;
第三计算模块,用于根据所述白质区域分割图像和所述缺血半暗带标注图像,计算所述缺血半暗带区域中白质区域所占的第二百分比;
判断模块,用于当所述相关系数大于第一预设阈值,并且所述第一百分比大于第二预设阈值时,判断所述第二百分比是否大于第三预设阈值;
所述第一识别模块640,具体用于当所述第二百分比大于第三预设阈值时,确定所述缺血半暗带区域为误标记。
需要说明的是,上述实施例提供的装置,在实现其功能时,仅以上述各功能模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能模块完成,即将设备的内部结构划分成不同的功能模块,以完成以上描述的全部或者部分功能。另外,上述实施例提供的装置与相应方法实施例属于同一构思,其具体实现过程详见对应方法实施例,这里不再赘述。
本发明一个实施例还提供了一种电子设备,该电子设备包括处理器和存储器,该存储器中存储有至少一条指令或至少一段程序,该至少一条指令或该至少一段程序由该处理器加载并执行以实现如上述方法实施例所提供的缺血半暗带的误标记识别方法。
存储器可用于存储软件程序以及模块,处理器通过运行存储在存储器的软件程序以及模块,从而执行各种功能应用以及数据处理。存储器可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、功能所需的应用程序等;存储数据区可存储根据所述设备的使用所创建的数据等。此外,存储器可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。相应地,存储器还可以包括存储器控制器,以提供处理器对存储器的访问。
在一个具体的实施例中,图7示出了一种用于实现本发明实施例所提供的缺血半暗带的误标记识别方法的电子设备的硬件结构示意图,所述电子设备可以为计算机终端、移动终端或其它设备,所述电子设备还可以参与构成或包含本发明实施例所提供的缺血半暗带的误标记识别装置。如图7所示,所述电子设备700可以包括一个或一个以上计算机可读存储介质的存储器710、一个或者一个以上处理核心的处理器720、输入单元730、显示单元740、射频(Radio Frequency,RF)电路750、无线保真(wireless fidelity,WiFi)模块760以及电源770等部件。本领域技术人员可以理解,图7中示出的电子设备结构并不构成对电子设备700的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。其中:
所述存储器710可用于存储软件程序以及模块,所述处理器720通过运行或执行存储在所述存储器710的软件程序以及模块,以及调用存储在存储器710内的数据,从而执行各种功能应用以及数据处理。所述存储器710可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序等;存储数据区可存储根据所述电子设备的使用所创建的数据等。此外,存储器710可以包括高速随机存取存储器,还可以包括非易失性存储器,例如硬盘、内存、插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。相应地,存储器710还可以包括存储器控制器,以提供处理器720对存储器710的访问。
所述处理器720是电子设备700的控制中心,利用各种接口和线路连接整个电子设备的各个部分,通过运行或执行存储在存储器710内的软件程序和/或模块,以及调用存储在存储器710内的数据,执行电子设备700的各种功能和处理数据,从而对电子设备700进行整体监控。所述处理器720可以是中央处理器,还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific IntegratedCircuit,ASIC)、现成可编程门阵列(Field-ProgrammableGate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述输入单元730可用于接收输入的数字或字符信息,以及产生与用户设置以及功能控制有关的键盘、鼠标、操作杆、光学或者轨迹球信号输入。具体地,输入单元730可包括触敏表面731以及其他输入设备732。具体地,触敏表面731可以包括但不限于触感板或者触摸屏,其他输入设备732可以包括但不限于物理键盘、功能键(比如音量控制按键、开关按键等)、轨迹球、鼠标、操作杆等中的一种或多种。
所述显示单元740可用于显示由用户输入的信息或提供给用户的信息以及电子设备的各种图形用户接口,这些图形用户接口可以由图形、文本、图标、视频和其任意组合来构成。显示单元740可包括显示面板741,可选的,可以采用液晶显示器(LiquidCrystalDisplay,LCD)、有机发光二极管(Organic Light-Emitting Diode,OLED)等形式来配置显示面板741。
所述RF电路750可用于收发信息或通话过程中,信号的接收和发送,特别地,将基站的下行信息接收后,交由一个或者一个以上处理器720处理;另外,将涉及上行的数据发送给基站。通常,RF电路750包括但不限于天线、至少一个放大器、调谐器、一个或多个振荡器、用户身份模块(SIM)卡、收发信机、耦合器、低噪声放大器(Low Noise Amplifier,LNA)、双工器等。此外,RF电路750还可以通过无线通信与网络和其他设备通信。所述无线通信可以使用任一通信标准或协议,包括但不限于全球移动通讯系统(Global System of Mobilecommunication,GSM)、通用分组无线服务(General Packet Radio Service,GPRS)、码分多址(Code DivisionMultiple Access,CDMA)、宽带码分多址(Wideband Code DivisionMultiple Access,WCDMA)、长期演进(Long Term Evolution,LTE)、电子邮件、短消息服务(ShortMessaging Service,SMS)等。
WiFi属于短距离无线传输技术,电子设备700通过WiFi模块760可以帮助用户收发电子邮件、浏览网页和访问流式媒体等,它为用户提供了无线的宽带互联网访问。虽然图7示出了WiFi模块760,但是可以理解的是,其并不属于电子设备700的必须构成,完全可以根据需要在不改变发明的本质的范围内而省略。
所述电子设备700还包括给各个部件供电的电源770(比如电池),优选的,电源可以通过电源管理系统与处理器720逻辑相连,从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。电源770还可以包括一个或一个以上的直流或交流电源、再充电系统、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。
需要说明的是,尽管未示出,所述电子设备700还可以包括蓝牙模块等,在此不再赘述。
本发明一个实施例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可设置于电子设备之中以保存用于实现一种缺血半暗带的误标记识别方法相关的至少一条指令或至少一段程序,该至少一条指令或该至少一段程序由该处理器加载并执行以实现上述方法实施例提供的缺血半暗带的误标记识别方法。
可选地,在本发明实施例中,上述存储介质可以包括但不限于:U盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
本发明一个实施例还提供了一种计算机程序产品或计算机程序,该计算机程序产品或计算机程序包括计算机指令,该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令,处理器执行该计算机指令,使得该计算机设备执行上述各种可选实现例中提供的缺血半暗带的误标记识别方法。
需要说明的是:上述本发明实施例先后顺序仅仅为了描述,不代表实施例的优劣。且上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下,在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外,在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于装置实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成,也可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,上述提到的存储介质可以是只读存储器,磁盘或光盘等。
以上所述仅为本发明的较佳实施例,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (9)
1.一种缺血半暗带的误标记识别方法,其特征在于,包括:
获取目标脑部组织的缺血半暗带标注图像,所述缺血半暗带标注图像包括预先标记的缺血半暗带区域;
根据所述缺血半暗带标注图像计算所述目标脑部组织两侧的缺血半暗带区域之间的相关系数;
根据所述缺血半暗带标注图像计算所述缺血半暗带区域的体积占所述目标脑部组织总体积的第一百分比;
若所述相关系数大于第一预设阈值,并且所述第一百分比大于第二预设阈值,则确定所述缺血半暗带区域为误标记,
所述根据所述缺血半暗带标注图像计算所述目标脑部组织两侧的缺血半暗带区域之间的相关系数包括:
获取所述目标脑部组织对应的大脑中线;
基于预设的相关系数模型,计算所述目标脑部组织中位于所述大脑中线两侧的缺血半暗带区域之间的相关系数,
所述相关系数模型通过下式表示:
其中,XL与XR分别为所述缺血半暗带标注图像的各个脑部图像中,位于所述大脑中线两侧的脑部组织区域的缺血半暗带标记结果的值组成的一维数组,并且,XL与XR中位置对应的两个值为以所述大脑中线为轴对称的两个像素对应的缺血半暗带标记结果的值,基于一个或者多个脑部图像能够得到一个或者多个XL与XR,则分别为这一个或者多个XL与XR的均值,
基于所述相关系数模型计算得到的相关系数越大,表明所述目标脑部组织中位于所述大脑中线两侧的缺血半暗带区域越对称,相关系数越小,表明所述目标脑部组织中位于所述大脑中线两侧的缺血半暗带区域越不对称。
2.根据权利要求1所述的方法,其特征在于,所述获取目标脑部组织的缺血半暗带标注图像包括:
获取所述目标脑部组织的动脉自旋标记灌注图像数据;
根据所述动脉自旋标记灌注图像数据计算所述目标脑部组织的脑血流量图像或者脑血容量图像;
根据所述脑血流量图像或者所述脑血容量图像确定所述目标脑部组织的缺血半暗带区域,并对所述缺血半暗带区域进行标记,得到所述缺血半暗带标注图像。
3.根据权利要求1所述的方法,其特征在于,所述获取目标脑部组织的缺血半暗带标注图像包括:
获取所述目标脑部组织的动态磁敏感对比增强灌注图像;
根据所述动态磁敏感对比增强灌注图像计算对应的残余功能函数最大时间图像;
根据所述残余功能函数最大时间图像确定所述目标脑部组织的缺血半暗带区域,并对所述缺血半暗带区域进行标记,得到所述缺血半暗带标注图像。
4.根据权利要求1所述的方法,其特征在于,所述方法还包括:
对所述目标脑部组织中的核心梗死区进行识别;
在未识别到核心梗死区的情况下,执行根据所述缺血半暗带标注图像计算所述目标脑部组织两侧的缺血半暗带区域之间的相关系数的步骤;
在识别到核心梗死区的情况下,确定所述缺血半暗带区域不为误标记。
5.根据权利要求1所述的方法,其特征在于,所述方法还包括:
获取所述目标脑部组织的白质区域分割图像;
根据所述白质区域分割图像和所述缺血半暗带标注图像,计算所述缺血半暗带区域中白质区域所占的第二百分比;
其中,所述若所述相关系数大于第一预设阈值,并且所述第一百分比大于第二预设阈值,则确定所述缺血半暗带区域为误标记包括:
若所述相关系数大于第一预设阈值,并且所述第一百分比大于第二预设阈值,则判断所述第二百分比是否大于第三预设阈值;
若所述第二百分比大于第三预设阈值,则确定所述缺血半暗带区域为误标记。
6.根据权利要求5所述的方法,其特征在于,所述获取所述目标脑部组织的白质区域分割图像包括:
获取所述目标脑部组织的T1加权图像;
采用预设的图像分割算法对所述T1加权图像中的白质区域进行分割,得到对应的白质区域分割图像。
7.一种缺血半暗带的误标记识别装置,其特征在于,包括:
第一获取模块,用于获取目标脑部组织的缺血半暗带标注图像,所述缺血半暗带标注图像包括预先标记的缺血半暗带区域;
第一计算模块,用于根据所述缺血半暗带标注图像计算所述目标脑部组织两侧的缺血半暗带区域之间的相关系数,所述根据所述缺血半暗带标注图像计算所述目标脑部组织两侧的缺血半暗带区域之间的相关系数包括:
获取所述目标脑部组织对应的大脑中线;
基于预设的相关系数模型,计算所述目标脑部组织中位于所述大脑中线两侧的缺血半暗带区域之间的相关系数,
所述相关系数模型通过下式表示:
其中,XL与XR分别为所述缺血半暗带标注图像的各个脑部图像中,位于所述大脑中线两侧的脑部组织区域的缺血半暗带标记结果的值组成的一维数组,并且,XL与XR中位置对应的两个值为以所述大脑中线为轴对称的两个像素对应的缺血半暗带标记结果的值,基于一个或者多个脑部图像能够得到一个或者多个XL与XR,则分别为这一个或者多个XL与XR的均值,
基于所述相关系数模型计算得到的相关系数越大,表明所述目标脑部组织中位于所述大脑中线两侧的缺血半暗带区域越对称,相关系数越小,表明所述目标脑部组织中位于所述大脑中线两侧的缺血半暗带区域越不对称;
第二计算模块,用于根据所述缺血半暗带标注图像计算所述缺血半暗带区域的体积占所述目标脑部组织总体积的第一百分比;
第一识别模块,用于当所述相关系数大于第一预设阈值,并且所述第一百分比大于第二预设阈值时,确定所述缺血半暗带区域为误标记。
8.一种电子设备,其特征在于,所述电子设备包括处理器和存储器,所述存储器中存储有至少一条指令或至少一段程序,所述至少一条指令或所述至少一段程序由所述处理器加载并执行以实现如权利要求1-6任意一项所述的缺血半暗带的误标记识别方法。
9.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质中存储有至少一条指令或至少一段程序,所述至少一条指令或至少一段程序由处理器加载并执行以实现如权利要求1-6任意一项所述的缺血半暗带的误标记识别方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310080776.8A CN115830014B (zh) | 2023-02-03 | 2023-02-03 | 缺血半暗带的误标记识别方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310080776.8A CN115830014B (zh) | 2023-02-03 | 2023-02-03 | 缺血半暗带的误标记识别方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115830014A CN115830014A (zh) | 2023-03-21 |
CN115830014B true CN115830014B (zh) | 2023-05-05 |
Family
ID=85520889
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310080776.8A Active CN115830014B (zh) | 2023-02-03 | 2023-02-03 | 缺血半暗带的误标记识别方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115830014B (zh) |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108665465B (zh) * | 2018-05-14 | 2019-07-19 | 东软医疗系统股份有限公司 | 分割缺血半暗带的方法、装置、存储介质及设备 |
CN111489360A (zh) * | 2020-03-18 | 2020-08-04 | 上海商汤智能科技有限公司 | 一种图像分割方法及相关设备 |
CN114820602B (zh) * | 2022-06-27 | 2022-09-16 | 脑玺(苏州)智能科技有限公司 | 一种缺血区分割方法、装置、设备及存储介质 |
-
2023
- 2023-02-03 CN CN202310080776.8A patent/CN115830014B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN115830014A (zh) | 2023-03-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113628207B (zh) | 一种图像区域分割方法、装置、设备及存储介质 | |
Boxerman et al. | Longitudinal DSC-MRI for distinguishing tumor recurrence from pseudoprogression in patients with a high-grade glioma | |
Chu et al. | Measurement of blood perfusion in spinal metastases with dynamic contrast-enhanced magnetic resonance imaging: evaluation of tumor response to radiation therapy | |
CN114820602B (zh) | 一种缺血区分割方法、装置、设备及存储介质 | |
CN113706560A (zh) | 一种缺血区分割方法、装置、设备及存储介质 | |
CN109887584A (zh) | 转诊方法、系统及服务器、计算机可读存储介质 | |
Xu et al. | Radiological indeterminate vestibular schwannoma and meningioma in cerebellopontine angle area: differentiating using whole-tumor histogram analysis of apparent diffusion coefficient | |
Berger et al. | Incidental bartholin gland cysts identified on pelvic magnetic resonance imaging | |
Veredas et al. | Efficient detection of wound-bed and peripheral skin with statistical colour models | |
Leonhardt et al. | Uterine morphology and peristalsis in women with polycystic ovary syndrome | |
Lam et al. | Assessment of quantitative magnetic resonance imaging background parenchymal enhancement parameters to improve determination of individual breast cancer risk | |
Romeo et al. | The new era of advanced placental tissue characterization using MRI texture analysis: Clinical implications | |
Li et al. | Automated measurement of pressure injury through image processing | |
Zhadanov et al. | Contrast-enhanced Dixon fat-water separation imaging of the spine: added value of fat, in-phase and opposed-phase imaging in marrow lesion detection | |
Lu et al. | On the potential use of dynamic contrast‐enhanced (DCE) MRI parameters as radiomic features of cervical cancer | |
CN115830014B (zh) | 缺血半暗带的误标记识别方法、装置、设备及存储介质 | |
CN108090597A (zh) | 医疗预约排队优化方法及装置 | |
CN113876345A (zh) | 缺血半暗带的识别方法、设备、电子装置和存储介质 | |
Kellner et al. | Automated infarct core volumetry within the hypoperfused tissue: technical implementation and evaluation | |
US20220148172A1 (en) | System and method for detecting medical conditions | |
Gal et al. | New spatiotemporal features for improved discrimination of benign and malignant lesions in dynamic contrast-enhanced-magnetic resonance imaging of the breast | |
Rosica et al. | Effects of hyperglycemia on fluorine-18-fluorodeoxyglucose biodistribution in a large oncology clinical practice | |
US20210106274A1 (en) | Method and system for monitoring and evaluation of pressure ulcer severity | |
CN115908457B (zh) | 低密度梗死区分割方法、分析方法、装置、系统、设备及介质 | |
CN113724160B (zh) | 一种脑影像处理方法、装置、设备及存储介质 |
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 |